[发明专利]一种推荐方法、服务器及计算机可读存储介质

说明书

本发明公开了一种推荐方法，该方法通过基于协同过滤算法针对目标用户集计算出相似用户集，根据预设用户筛选规则对该相似用户集进行用户筛选得到由正常用户组成的推荐用户集，其中，正常用户为相似用户集中除恶意用户以外的用户，获取推荐用户集中正常用户的资源使用信息，并根据该资源使用信息对推荐用户集中的正常用户进行资源推荐，本发明还公开了一种服务器及计算机可读存储介质，通过实施上述方案，以正常用户的资源使用信息为依据进行推荐，因此可以排除恶意用户对推荐信息的影响，提升了推荐信息的质量，此外，通过本发明提供的方案可以避免向恶意用户推荐信息，进而可以避免系统资源的浪费，提升了推荐的有效性。

技术领域

本发明涉及通信技术领域，更具体地说，涉及一种推荐方法、服务器及计算机可读存储介质。

背景技术

随着移动互联网的飞速发展，人们对各种应用的要求越来越高，因此推荐系统应运而生，推荐系统是大数据时代的产物，已经存在于人们生活的方方面面，例如，新闻推荐(今日头条)、音乐推荐(网易云音乐)、视频推荐(今日头条视频)等等，在推荐方面已经做的非常好了，能够很好地将用户需要的东西推送给相应的用户。但是现有的推荐系统在得到与某一用户相似的其他用户时会将该用户以及与其相似的其余所有用户组成一个集合，并且会根据该集合中所有用户的资源使用情况得到推荐信息，并根据该推荐信息对这个集合中的所有用户都进行信息推荐，所以一旦这个集合中存在故意伪装的恶意用户的话，该集合对应的推荐信息的质量可能就很低，而且该恶意用户也会收到推荐系统发送的推荐信息，这样就浪费了推荐系统的资源，降低了推荐系统工作的有效性。

发明内容

本发明要解决的技术问题在于现有推荐系统在得到与某一用户相似的其余用户时，由于无法区分该用户与其余用户中是否存在故意伪装的恶意用户，导致当存在恶意用户时推荐信息的质量不高，以及对恶意用户进行信息推荐造成浪费系统资源的问题，针对该技术问题，提供一种推荐方法、服务器及计算机可读存储介质。

为解决上述技术问题，本发明提供一种推荐方法，所述推荐方法包括：

基于协同过滤算法针对目标用户集计算出相似用户集；

根据预设用户筛选规则对所述相似用户集进行用户筛选得到由正常用户组成的推荐用户集，所述正常用户为所述相似用户集中除恶意用户以外的用户；

获取所述推荐用户集中正常用户的资源使用信息，并根据所述资源使用信息对所述推荐用户集中的正常用户进行资源推荐。

可选的，所述根据预设用户筛选规则对所述相似用户集进行用户筛选得到由正常用户组成的推荐用户集包括：

对所述相似用户集中的各用户进行离群检测，计算所述相似用户集中各所述用户的第一离群因子；

根据所述第一离群因子对所述相似用户集进行用户筛选得到由正常用户组成的推荐用户集。

可选的，所述对所述相似用户集中的各用户进行离群检测，计算所述相似用户集中各所述用户的第一离群因子包括：

统计所述相似用户集中各用户使用的资源的属性信息，所述相似用户集中各用户使用的资源的属性信息包括资源下载种类、资源搜索种类、资源打开种类、资源下载量、资源打开次数、资源下载频率、资源打开频率、资源搜索频率、资源评论数、资源评论频率以及资源评分中的至少一种；

根据所述相似用户集中的各所述用户的使用的资源的第一属性信息以及基于密度的离群点算法计算各所述用户的第一离群因子。

可选的，所述根据所述第一离群因子对所述相似用户集进行用户筛选得到由正常用户组成的推荐用户集包括：

从所述相似用户集中筛选出第一离群因子小于等于预设第一离群因子阈值的用户，并将该用户作为正常用户组合成推荐用户集；

或，