[发明专利]一种基于用户行为的资讯个性化推荐方法、系统及装置

说明书

技术领域

本发明涉及资讯推荐技术领域，尤其涉及一种基于用户行为的资讯个性化推荐方法、系统及装置。

背景技术

关于推荐方法及系统，目前市场上并没有一套针对各方面可用的，方便使用的成熟系统，原因在于推荐物品的属性不一、用户兴趣的多样性、推荐方法的多样性等。常见的推荐算法有：基于人口统计学的推荐、基于内容的推荐、基于协同过滤的推荐以及基于知识的推荐。对于资讯类型的推荐系统，最终的目标是提高用户的点击率，即推荐的效率，这些常见的理论方法在实际应用中并不理想，有的需要一定的用户基数，有的虽然准确率高但覆盖率低，不够全面，无法帮助用户发现新的兴趣。

发明内容

为了解决上述技术问题，本发明的目的是提供一种能保证准确率，且能提高覆盖率的基于用户行为的资讯个性化推荐方法、系统及装置。

本发明所采取的技术方案是：

一种基于用户行为的资讯个性化推荐方法，包括以下步骤：

读取用户的资讯发送记录和资讯点击记录；

根据用户的资讯发送记录和资讯点击记录，获取对应资讯的标签，并计算得到推荐方式点击率和标签点击率；

根据获取得到的标签，生成得到推荐列表；

获取用户最近点击的资讯，生成得到扩展阅读推荐列表；

根据推荐方式点击率，按照预设的比例从推荐列表和扩展阅读推荐列表中选出资讯组合并推荐至前端进行展示。

作为所述的一种基于用户行为的资讯个性化推荐方法的进一步改进，所述的标签点击率的具体计算过程为：

根据资讯点击记录中对应资讯的标签，统计各个标签的发送次数和发送时间因子和，并统计各个标签的点击次数和点击时间因子和；

根据各个标签的发送时间因子和以及点击时间因子和，计算其对应的标签点击率；

根据标签的点击次数，对标签进行筛选，得到不稳定状态的标签，并对其进行重新计算标签点击率。

作为所述的一种基于用户行为的资讯个性化推荐方法的进一步改进，所述的推荐方式点击率的具体计算过程为：

根据资讯发送记录中对应资讯的推荐方式，统计各个推荐方式的发送次数和发送时间因子和，并统计各个推荐方式的资讯的点击次数和点击时间因子和；

根据各个推荐方式的发送时间因子和以及点击时间因子和，计算其对应的推荐方式点击率。

作为所述的一种基于用户行为的资讯个性化推荐方法的进一步改进，所述的根据获取得到的标签，生成得到推荐列表，这一步骤具体包括：

根据标签点击率，从资讯库中查找出每个标签对应的资讯，每个标签得到一个资讯推荐池；

根据资讯推荐池中资讯的标签，按照其对应的标签点击率从大到小的顺序，对资讯进行排序，生成得到推荐列表。

作为所述的一种基于用户行为的资讯个性化推荐方法的进一步改进，所述的获取用户最近点击的资讯，生成得到扩展阅读推荐列表，这一步骤具体包括：

获取用户最近点击的资讯以及其对应的标签；

根据最近点击的资讯，从资讯库中选出与其对应的标签有交集的资讯，得到各资讯对应的交集资讯；

对每一条最近点击的资讯，分别从对应的交集资讯选取一条交集最大的资讯，得到扩展资讯；

将得到的扩展资讯，按照对应的最近点击的资讯的点击时间进行排序，得到扩展阅读推荐列表。

作为所述的一种基于用户行为的资讯个性化推荐方法的进一步改进，所述的标签点击率计算公式为：

标签点击率＝点击时间因子和/发送时间因子和；

所述标签的点击时间因子和的计算公式为：

标签的点击时间因子和＝∑e^(-1.0*(当前时间-点击时间)/D1/a)；

所述标签的发送时间因子和的计算公式为：

标签的发送时间因子和＝∑e^(-1.0*(当前时间-发送时间)/D2/b)；

其中，a、b是衰减因子；D1、D2表示由项目实际决定的天数。

作为所述的一种基于用户行为的资讯个性化推荐方法的进一步改进，所述的推荐方式点击率计算公式为：

推荐方式点击率＝点击时间因子和/发送时间因子和；

所述推荐方式的点击时间因子和的计算公式为：

推荐方式的点击时间因子和＝∑e^(-1.0*(当前时间-点击时间)/D1/a)；

所述推荐方式的发送时间因子和的计算公式为：

推荐方式的发送时间因子和＝∑e^(-1.0*(当前时间-发送时间)/D2/b)；