[发明专利]用户推荐方法和装置，存储介质和服务器

说明书

本公开涉及一种用户推荐方法和装置，存储介质和服务器，以解决现有的用户推荐不够精准有效的技术问题。该方法包括：根据网络嵌入算法确定目标用户的网络向量以及待推荐用户的网络向量；确定所述目标用户的特征向量以及所述待推荐用户的特征向量，其中，所述目标用户的特征向量包括所述目标用户的网络向量，所述待推荐用户的特征向量包括所述待推荐用户的网络向量；根据所述目标用户的特征向量以及所述待推荐用户的特征向量确定所述目标用户与所述待推荐用户之间的相似度；根据所述待推荐用户的包括所述相似度的用户特征信息向所述目标用户推荐用户。

技术领域

本公开涉及网络技术领域，具体地，涉及一种用户推荐方法和装置，存储介质和服务器。

背景技术

传统的用户推荐方法通常采用基于好友关系的推荐方式，比如，若两个用户有共同的好友或共同关注了某些人，则可将其中一个用户推荐给另一个用户。但是，传统推荐方法仅依赖用户的好友关系或者关注人进行推荐，其推荐给用户的人往往不符合用户所需，造成用户推荐的盲目性。

现有技术为了解决这一问题，在进行好友推荐时，增加考虑了用户的兴趣和专长，使得具有相同兴趣或专长的用户更可能被推荐。然而，发明人发现，针对网络中存在的大量的用户以及用户行为，增加考虑用户兴趣和用户专长仍无法全面准确的评估用户之间的相似度，导致现有的用户推荐方法仍不够精准有效。

发明内容

本公开的主要目的是提供一种用户推荐方法和装置，存储介质和服务器，以解决现有的用户推荐不够精准有效的技术问题。

为了实现上述目的，本公开第一方面提供一种用户推荐方法，包括：

根据网络嵌入算法确定目标用户的网络向量以及待推荐用户的网络向量；

确定所述目标用户的特征向量以及所述待推荐用户的特征向量，其中，所述目标用户的特征向量包括所述目标用户的网络向量，所述待推荐用户的特征向量包括所述待推荐用户的网络向量；

根据所述目标用户的特征向量以及所述待推荐用户的特征向量确定所述目标用户与所述待推荐用户之间的相似度；

根据所述待推荐用户的包括所述相似度的用户特征信息向所述目标用户推荐用户。

可选地，确定所述目标用户的特征向量，包括：

根据所述目标用户的个人描述以及用户标签生成词袋模型vector(bow)以及语义向量模型word2vecVectorOfText；

将所述词袋模型vector(bow)、所述语义向量模型word2vecVectorOfText、所述目标用户的网络向量vector_net融合得到所述目标用户的特征向量user_vector_A：

user_vector_A＝[vector(bow),word2vecVectorOfText,vector_net]。

可选地，所述根据所述目标用户的特征向量以及所述待推荐用户的特征向量确定所述目标用户与所述待推荐用户之间的相似度包括：

根据如下公式计算所述目标用户与所述待推荐用户的相似度sim(A,B)：

sim(A,B)＝cosine(user_vector_A,user_vector_B)；

其中，cosine表示求取两个向量的余弦值，user_vector_B表示所述待推荐用户的特征向量。

可选地，所述方法应用于问答系统，所述目标用户为提问者，所述待推荐用户为待推荐的答题者，所述方法还包括：

确定所述目标用户提出的目标问题的特征向量；

确定所述待推荐用户回答过的与所述目标问题同类的问题的特征向量；