[发明专利]对象推荐方法、装置、存储介质、处理器和系统

权利要求书

1.一种对象推荐方法，其特征在于，包括：

依据用户偏好的特征因素，确定用于向所述用户进行对象推荐的推荐策略；

依据确定的所述推荐策略向所述用户推荐对象；

其中，依据所述用户偏好的所述特征因素，确定用于向所述用户进行对象推荐的所述推荐策略包括：基于所述用户的历史行为，确定所述用户偏好的一个或多个特征因素；依据确定的所述用户偏好的一个或多个特征因素，确定用于向所述用户进行对象推荐的推荐策略；

其中，依据确定的所述用户偏好的一个或多个特征因素，确定用于向所述用户进行对象推荐的推荐策略包括：分别确定每一个特征因素对应的推荐机制的权重；依据所述每一个特征因素对应的推荐机制以及每个推荐机制的权重，确定用于向所述用户进行对象推荐的所述推荐策略；

其中，在分别确定每一个特征因素对应的推荐机制的权重之前，还包括：通过以下方式，分别获取基于每一个特征因素制定的推荐机制：分别获取基于每一个特征因素制定的第一推荐机制或者第二推荐机制，其中，所述第一推荐机制为特征因素与其它特征因素之间的独立性高于预定阈值的推荐机制，所述第二推荐机制为特征因素与其它特征因素之间的独立性低于所述预定阈值的推荐机制，所述预定阈值用于表征所述特征因素与其它特征因素相关联。

2.根据权利要求1所述的方法，其特征在于，所述用户偏好的所述特征因素包括以下之一：

所述用户对于被推荐对象的实时性的偏好因素；

所述用户对于被推荐对象的内容的准确度的偏好因素；

所述用户对于进行推荐的推荐时段的偏好因素；

所述用户对于进行推荐的网络环境的偏好因素；

所述用户对于被推荐对象多样性的偏好因素；

所述用户对于被推荐对象评价好坏的偏好因素；

所述用户对于被推荐对象存在关联配套推荐的偏好因素。

3.根据权利要求1所述的方法，其特征在于，基于所述用户的历史行为，确定所述用户偏好的一个或多个特征因素包括：

采用预先构建的偏好训练模型对所述用户的历史行为进行预测，得到包括有所述用户偏好的一个或多个特征因素的预测结果，其中，所述偏好训练模型依据所述用户预定数量的历史行为以及对应的特征因素训练得到。

4.根据权利要求3所述的方法，其特征在于，分别确定每一个特征因素对应的推荐机制的权重包括：

根据所述预测结果中所携带的用户信息，分别确定每一个特征因素对应的推荐机制的权重，其中，所述用户信息用于表征所述用户对每一个特征因素的偏好程度大小。

5.根据权利要求1至4中任一项所述的方法，其特征在于，依据确定的所述推荐策略向所述用户推荐对象包括：

依据每个推荐机制的权重，确定每个推荐机制对应的推荐结果的显示区域的大小；

依据每个推荐机制对应的推荐结果的显示区域的大小，对各个推荐机制对应的推荐结果分区显示。

6.一种对象推荐方法，其特征在于，包括：

接收用于检索的输入信息；

确定所述输入信息对应的用户的用户信息；

根据所述用户信息，获取预先与所述用户信息对应的推荐策略，其中，所述推荐策略用于依据所述用户偏好的特征因素，向所述用户进行对象推荐；

根据获取的所述推荐策略向所述用户推荐对象；

其中，在根据所述用户信息，获取预先与所述用户信息对应的推荐策略之前，还包括：通过以下方式，生成所述推荐策略：基于所述用户的历史行为，确定所述用户偏好的一个或多个特征因素；分别确定每一个特征因素对应的推荐机制的权重；依据所述每一个特征因素对应的推荐机制以及每个推荐机制的权重，确定用于向所述用户进行对象推荐的所述推荐策略；

其中，在分别确定每一个特征因素对应的推荐机制的权重之前，还包括：通过以下方式，分别获取基于每一个特征因素制定的推荐机制：分别获取基于每一个特征因素制定的第一推荐机制或者第二推荐机制，其中，所述第一推荐机制为特征因素与其它特征因素之间的独立性高于预定阈值的推荐机制，所述第二推荐机制为特征因素与其它特征因素之间的独立性低于所述预定阈值的推荐机制，所述预定阈值用于表征所述特征因素与其它特征因素相关联。