[发明专利]一种回收网站精准推送方法及系统

权利要求书

1.一种回收网站精准推送方法，其特征在于，包括如下步骤：

步骤S100，收集每个用户的用户维度数据和信息维度数据，所述用户维度数据用于描述用户的特征，所述信息维度数据用于描述用户发布的信息的特征；

步骤S200，根据步骤S100中收集的数据，计算信息发布者用户A的信息维度数据与其余每个用户的信息维度数据的相似度、用户A的用户维度特征与其余每个用户的用户维度特征的相似度，以及用户A的用户维度特征与其余每个用户的信息维度数据集的相似度，分别得到每个用户与用户A的相似度结果集；

步骤S300，根据对用户A的推送历史，对步骤S200获得的结果集进行过滤，以过滤推送过的信息；并过滤不满足要求及质量较差的信息；

步骤S400，设置步骤S300过滤后的结果集中相似度高于第一阈值的结果集为推荐信息；

步骤S500，根据信息加权评分评比法对推荐信息进行评分；

步骤S600，将步骤S500中评分高的信息推送给用户。

2.根据权利要求1所述的一种回收网站精准推送方法，其特征在于，所述用户维度包括用户标签和用户行为。

3.根据权利要求2所述的一种回收网站精准推送方法，其特征在于，所述用户标签包括用户注册时填写的用户个人信息、行业、分类、地区、是否会员和用户供求类型；所述用户行为包括用户发布的历史信息、用户浏览的历史信息和用户搜索记录。

4.根据权利要求1所述的一种回收网站精准推送方法，其特征在于，所述信息维度包括信息发布时间、行业、分类、产品名称、地区和供求类型。

5.根据权利要求1所述的一种回收网站精准推送方法，其特征在于，所述步骤S200中根据余弦相似度公式计算相似度，具体为：

定义用户A的用户维度数据或信息维度数据为向量r_a(A₁A₂……A_n)，用户B的用户维度数据或信息维度数据为向量r_b(B₁B₂……B_n)，…，依次类推，将所有用户的用户维度数据或信息维度数据用向量表示；其中，A₁，A₂，…，A_n为用户A的用户维度特征或信息维度特征，B₁，B₂，…，B_n为用户B的用户维度特征或信息维度特征；所述余弦相似度公式为：

其中A_i为用户A的用户维度特征或信息维度特征，B_i为用户B的用户维度特征或信息维度特征；

根据上述公式得到用户A与用户B的相似度结果集，…，依次类推，分别得到所有用户与用户A的相似度结果集。

6.根据权利要求1所述的一种回收网站精准推送方法，其特征在于，所述步骤S400的第一阈值为0.9。

7.根据权利要求1所述的一种回收网站精准推送方法，其特征在于，所述步骤S500中的评分过程具体为：

确定用户维度数据和信息维度数据中每个特征的权重；根据积分公式Score＝(M₁*N₁+M₂*N₂+…+M_n*N_n对推荐信息进行评分，其中，M₁，M₂，…，M_n为用户M的用户维度数据或信息维度数据，N₁，N₂，…，N_n为用户维度数据或信息维度数据中每个特征的权重；以评分降序排列结果。

8.根据权利要求1所述的一种回收网站精准推送方法，其特征在于，所述步骤S200中还可以根据皮尔逊相关系数公式计算相似度。