[发明专利]个性化文本推荐方法及系统、服务器、可读存储介质

说明书

一种个性化文本推荐方法及系统、服务器、可读存储介质，所述方法包括：获取用户的浏览记录；对用户的浏览记录进行分析，构建用户‑物品矩阵，通过不同用户的浏览记录，采用协同过滤方式计算出针对每个用户的第一候选列表；按照预设多个维度对所述浏览记录进行统计，生成用户偏好特征集；将获取的文本与所述用户偏好特征集进行相关性计算，分别按照相应维度进行过滤并合并，得到第二候选列表；将所述第一候选列表和第二候选列表进行进行融合，计算得到相应用户的文本推荐列表并输出。所述方案可以提高文本推荐内容的覆盖度及精准度。

技术领域

本发明实施例涉及文本推荐技术领域，尤其涉及个性化文本推荐方法及系统、服务器、可读存储介质。

背景技术

目前主流的个性化文本推荐方法，大致可分为两种：一种是协同过滤推荐方式，一种是基于内容的推荐方式。其中，协同过滤方式是根据某个用户的特性进行推荐；基于内容的推荐方式则是根据文本的关键词等信息计算相似度，推荐一些相似的内容。

然而，协同过滤推荐方式通常只考虑用户历史行为，在用户很少的情况下难以做出精准地推荐；而基于内容的推荐方式则存在推荐内容单一的问题。基于此，如何兼顾文本推荐的覆盖度及精准度成为亟待解决的问题。

发明内容

本发明实施例提供一种个性化文本推荐方法及系统、服务器、计算机可读存储介质，以提高文本推荐的覆盖度及精准度。

本发明实施例提供了一种个性化文本推荐方法，包括：获取用户的浏览记录；对用户的浏览记录进行分析，构建用户-物品矩阵，通过不同用户的浏览记录，采用协同过滤方式计算出针对每个用户的第一候选列表；按照预设多个维度对所述用户的浏览记录进行统计，生成用户偏好特征集；将获取的文本与所述用户偏好特征集进行相关性计算，分别按照相应维度进行过滤并合并，得到第二候选列表；将所述第一候选列表和第二候选列表进行融合，计算得到相应用户的文本推荐列表并输出。

可选地，预设的多个维度包括：标题和标签。

可选地，将获取的文本与所述用户偏好特征集进行相关性计算，分别按照相应维度进行过滤并合并，得到第二候选列表，包括：将获取的文本与所述用户偏好特征集中的标题和标签分别进行语义相似度计算，并分别根据预设的标题相似度阈值和标签相似度阈值进行过滤并合并，选取相似度最高的M个文本作为所述第二候选列表。

可选地，预设的多个维度包括：标题、标签和类别。

可选地，按照预设多个维度对所述用户的浏览记录进行统计，生成用户偏好特征集，包括以下任意一种：

分别统计所述用户在不同标题、类别和标签下的浏览记录数目；根据统计结果生成所述用户偏好特征集；

统计所述用户在各个类别下的浏览记录数目，并统计在相应类别下的浏览记录的标题，根据用户浏览记录统计标签及其对应权重；根据统计结果生成所述用户偏好特征集；

统计所述用户对各个标题的浏览记录，统计所述用户在各个类别下的浏览记录数目，并统计在相应类别下的标签及其权重；根据统计结果生成所述用户偏好特征集；

统计所述用户在相应类别下的标题，统计所述用户在相应类别下的标签及其权重；根据统计结果生成所述用户偏好特征集。

可选地，所述将获取的文本与所述用户偏好特征集进行相关性计算，分别按照相应维度进行过滤并合并，得到第二候选列表，包括以下任意一种：

对所述文本与所述用户偏好特征集中的标题及标签分别进行语义相似度计算，并分别根据预设的标题相似度阈值和标签相似度阈值进行过滤，将过滤结果分别采用所述用户偏好特征集中的类别进行过滤并合并，选取相似度最高的M个文本作为所述第二候选列表；