[发明专利]一种信息推荐方法和装置

权利要求书

1.一种信息推荐方法，其特征在于，所述方法包括：

获取用户订阅的RSS；

对所述RSS进行解析，确定RSS中每条源数据的关键信息；

根据所述RSS中每条源数据的关键信息，从所述RSS中筛选满足预设条件的源数据；

将筛选出的源数据以信息流的形式推荐给所述用户；

所述根据所述RSS中每条源数据的关键信息，从所述RSS中筛选满足预设条件的源数据，包括：

当所述关键信息为至少两种时，根据预先针对每种关键信息设置的权重值，将所述RSS中每条源数据的关键信息分别与预先存储的、和自身对应的用户偏好信息进行匹配，并筛选出匹配度高于第二阈值的源数据；

当关键信息为数据来源和关键词时，预先存储的用户偏好信息为用户偏好数据来源和用户偏好关键词，且源数据的数据来源与用户偏好数据来源对应，源数据的关键词与用户偏好关键词对应；在进行匹配时，源数据的数据来源与用户偏好数据来源进行匹配，得到数据来源匹配度，源数据的关键词与用户偏好关键词进行匹配，得到关键词匹配度，最后再根据预先针对每种关键信息设置的权重值计算出总匹配度。

2.根据权利要求1所述的方法，其特征在于，所述关键信息包括：数据来源和/或关键词；

所述对所述RSS进行解析，确定RSS中每条源数据的关键信息，包括：

获取RSS名称和RSS链接；

将所述RSS名称确定为所述RSS中每条源数据的数据来源；

对所述RSS链接进行爬取，确定所述RSS中每条源数据的标题和链接；

对所述RSS中每条源数据的链接进行解析，提取所述RSS中每条源数据的正文内容；

对所述RSS中每条源数据的标题和正文内容进行分析，得到所述RSS中每条源数据的关键词。

3.根据权利要求1所述的方法，其特征在于，所述用户偏好信息按照如下方式确定：

根据预先设置的获取周期，获取用户的历史浏览数据和点击行为数据；

根据所述历史浏览数据和点击行为数据，确定用户偏好信息并存储。

4.根据权利要求1所述的方法，其特征在于，将筛选出的源数据以信息流的形式推荐给所述用户，包括：

对筛选出的源数据和待推荐的非RSS源数据进行优先级排序；并

按照优先级从高到低的顺序，将所述筛选出的源数据和所述非RSS源数据推荐给所述用户。

5.根据权利要求4所述的方法，其特征在于，对筛选出的源数据和待推荐的非RSS源数据进行优先级排序，包括：

基于预先训练得到的用于预测点击率的机器学习模型，对所述筛选出的源数据的特征信息和所述非RSS源数据的特征信息进行学习，预测出所述筛选出的源数据和所述非RSS源数据的点击率；

按照点击率降序排列的原则，对所述筛选出的源数据和所述非RSS源数据进行优先级排序；其中，点击率的高低与优先级的高低成正比。

6.一种信息推荐装置，其特征在于，所述装置包括：

获取单元，用于获取用户订阅的RSS；

解析单元，用于对所述RSS进行解析，确定RSS中每条源数据的关键信息；

筛选单元，用于根据所述RSS中每条源数据的关键信息，从所述RSS中筛选满足预设条件的源数据，所述根据所述RSS中每条源数据的关键信息，从所述RSS中筛选满足预设条件的源数据，包括：

当所述关键信息为至少两种时，根据预先针对每种关键信息设置的权重值，将所述RSS中每条源数据的关键信息分别与预先存储的、和自身对应的用户偏好信息进行匹配，并筛选出匹配度高于第二阈值的源数据；

当关键信息为数据来源和关键词时，预先存储的用户偏好信息为用户偏好数据来源和用户偏好关键词，且源数据的数据来源与用户偏好数据来源对应，源数据的关键词与用户偏好关键词对应；在进行匹配时，源数据的数据来源与用户偏好数据来源进行匹配，得到数据来源匹配度，源数据的关键词与用户偏好关键词进行匹配，得到关键词匹配度，最后再根据预先针对每种关键信息设置的权重值计算出总匹配度；以及

推荐单元，用于将筛选出的源数据以信息流的形式推荐给所述用户。