[发明专利]内容推荐方法、装置和设备

权利要求书

1.一种内容推荐方法，其特征在于，所述方法包括：

获取用户对应于多个预设特征标签的特征信息和待推荐内容；

基于所述特征信息和利用层次分析法确定的各所述预设特征标签的推荐权重计算各所述待推荐内容的推荐指数；

向所述用户推荐根据所述推荐指数从所述待推荐内容中确定出的目标推荐内容；

其中，所述推荐权重按照如下方式确定：

对各所述预设特征标签进行聚类，以确定各所述预设特征标签的类别标签；

构建包括准则层、子准则层和目标层的层次结构模型，其中，所述子准则层的各元素为各所述预设特征标签，所述准则层的各元素为各所述类别标签；

基于所述层次结构模型，利用层次分析法计算子准则层的各元素对应于所述目标层的权重，作为各所述预设特征标签的推荐权重。

2.根据权利要求1所述的方法，其特征在于，所述基于所述特征信息和利用层次分析法确定的各所述预设特征标签的推荐权重计算各所述待推荐内容的推荐指数，包括：

确定各所述特征信息对应于各所述待推荐内容的得分；

对于每一个所述待推荐内容，将各所述预设特征标签的推荐权重作为对应的特征信息的权重，计算各所述特征信息的得分的加权和，作为所述待推荐内容的推荐指数。

3.根据权利要求1所述的方法，其特征在于，所述基于所述层次结构模型，利用层次分析法计算子准则层的各元素对应于所述目标层的权重，包括：

确定每个类别标签对应的各预设特征标签间的相对重要性尺度；

确定各类别标签间的相对重要性尺度；

基于所述各预设特征标签间的相对重要性尺度计算各所述预设特征标签相对于对应的类别标签的第一权重；

基于所述各类别标签间的相对重要性尺度计算各类别标签相对于所述目标层的第二权重；

将所述预设特征标签的相对于对应的类别标签的第一权重与所述对应的类别标签相对于所述目标层的第二权重的乘积作为所述预设特征标签对应于所述目标层的权重。

4.根据权利要求3所述的方法，其特征在于，所述基于所述各预设特征标签间的相对重要性尺度计算各所述预设特征标签相对于对应的类别标签的第一权重，包括：

基于每个类别标签A_k对应的各预设特征标签间的相对重要性尺度构建第一判断矩阵X＝(x_ij)_n×n，所述第一判断矩阵X中的元素x_ij为第i个预设特征标签相对于第j个预设特征标签的相对重要性尺度，k＝1，2,3，…，m；i，j＝1,2,3，…，n；m为类别标签的数量，n为类别标签A_k对应的预设特征标签的数量；

对所述第一判断矩阵进行一致性检验；

若所述第一判断矩阵通过一致性检验，按照如下方式计算各预设特征标签的权重：对所述第一判断矩阵X按列进行归一化，对按列归一化的矩阵按行求和并归一化，得到W＝(ω_i)_n×1，其中，ω_i为第i个预设特征标签相对于对应的类别标签A_k的第一权重，i＝1,2,3，…，n；

所述基于所述各类别标签间的相对重要性尺度计算各类别标签相对于所述目标层的第二权重，包括：

基于各类别标签间的相对重要性尺度构建第二判断矩阵Y＝(y_pq)_m×m，所述第二判断矩阵Y中的元素y_pq为第p个类别标签相对于第q个类别标签的相对重要性尺度，p，q＝1,2,3，…，m；

对所述第二判断矩阵进行一致性检验；

若所述第二判断矩阵通过一致性检验，按照如下方式计算各类别标签的权重：对所述第二判断矩阵Y按列进行归一化，对按列归一化的矩阵进行按行求和并归一化，得到E＝(ε_p)_m×1，其中，ε_p为第p个类别标签相对于目标层的第二权重，p＝1,2,3，…，m。

5.根据权利要求1所述的方法，其特征在于，所述向所述用户推荐根据所述推荐指数从所述待推荐内容中确定出的目标推荐内容，包括：

根据所述推荐指数对各所述待推荐内容进行排序；

根据各所述待推荐内容的排序确定出至少一个所述目标推荐内容；

向所述用户推荐所述目标推荐内容。