[发明专利]资源推荐方法及装置

说明书

本发明提供了一种资源推荐方法及装置，其中的方法包括：当接收到用户针对目标资源集的推荐请求时，实时获取预先为所述目标资源集建立的资源主题网络；根据所述资源主题网络，确定所述用户在所述资源主题网络各个节点的推荐概率，其中，所述推荐概率是基于各节点的随机游走概率和所述用户在资源主题网络的置信区间得到的；根据所述各个节点的推荐概率，从所述资源主题网络中确定出推荐主题。本发明实施例可提高资源推荐的扩展性。

技术领域

本发明涉及互联网技术领域，特别是涉及一种资源推荐方法及装置。

背景技术

随着人工智能(AI)技术的发展，越来越多的领域使用AI技术为用户提供服务。一种常见的网络资源(例如视频资源)的个性化推荐框架是：通过用户行为构建用户画像，提取特征，利用算法模型提供给用户一组排序好的推荐列表。这种人工智能的方式相较于传统的人工运营方法具有更强的个性化、更好的多样性和更好的数据效果；然而，对于兴趣越集中的用户，这种方法计算出的推荐列表也相对集中，用户看到的也更多是自己原本感兴趣的内容。如此循环，会导致用户兴趣越来越集中，而更多非兴趣范围内的东西用户将很难看到，也就是存在“马太效应”。

发明内容

为了实现对资源进行扩展性推荐，本发明实施例提供一种资源推荐方法及装置。

本发明实施例提供一种资源推荐方法，包括：

当接收到用户针对目标资源集的推荐请求时，实时获取预先为所述目标资源集建立的资源主题网络；

根据所述资源主题网络，确定所述用户在所述资源主题网络各个节点的推荐概率，其中，所述推荐概率是基于各节点的随机游走概率和所述用户在资源主题网络的置信区间得到的；

根据所述各个节点的推荐概率，从所述资源主题网络中确定出推荐主题。

在一种可选方式中，还包括：通过如下步骤建立资源主题网络：

收集样本用户的兴趣特征候选集；

计算每两个兴趣特征之间的相似度，从而得到兴趣特征之间的相似矩阵；

根据所述相似矩阵中各个节点的随机游走概率，选取出多个节点；

根据选取出的各个节点，构建所述资源主题网络。

在一种可选方式中，还包括：确定所述用户在资源主题网络的置信区间；

所述用户在资源主题网络的置信区间包括：

计算每个样本用户对于资源主题网络所有节点的探索置信区间；

根据用户反馈行为实时确定用户兴趣主题，实时更新所述探索置信区间，得到所述用户在资源主题网络的置信区间。

在一种可选方式中，所述根据所述资源主题网络，确定所述用户在所述资源主题网络各个节点的推荐概率，包括：

根据所述资源主题网络，确定所述用户对于每个主题的初始推荐概率；

按照所述初始推荐概率，随机确定初始推荐主题；

遍历所述初始推荐主题下所有节点，根据所述用户在每个节点的随机游走概率和所述用户在资源主题网络的置信区间，计算得到所述用户在每个节点的探索概率；

根据当前节点探索概率与所有节点探索概率之和，计算出当前节点的推荐概率。

在一种可选方式中，所述根据所述各个节点的推荐概率，从所述资源主题网络中确定出推荐主题，包括：

根据所述各个节点的推荐概率，确定推荐概率最高的节点为推荐主题节点；

将所述推荐主题节点对应的主题，确定为所述推荐主题。