[发明专利]一种精确头条信息的推荐方法及装置

权利要求书

1.一种精确头条信息的推荐方法，用户通过浏览器访问网络，获取用户行为，包括：访问的广告信息、浏览信息和搜索关键词，并根据所述用户行为确定用户的感兴趣的多个信息标签，在设定的时间阈值内，设置多个时间点监测所述用户行为，对于每一个信息标签，对用户的多种行为设置不同的系数，加权得到信息标签的推荐值，并根据所述用户的感兴趣的信息标签确定针对该用户的头条信息推荐组，并将所述头条信息推荐组发送至该用户客户端。

2.如权利要求1所述的一种精确头条信息的推荐方法，进一步包括：所述对用户的多种行为设置不同的系数，所述系数符合正态分布。

3.如权利要求2所述的一种精确头条信息的推荐方法，进一步包括：根据用户行为的相似度对用户进行分组，确定同组内的用户具有相同的兴趣，对同组内的所有用户访问的广告信息、浏览信息和搜索关键词进行统计，对用户访问信息进行兴趣度排名，选择最高得分的方案推荐给用户。

4.如权利要求3所述的一种精确头条信息的推荐方法，进一步包括：对所生成的至少一套头条信息推荐方案进行评分，所述评分根据用户关闭头条的时间、鼠标在头条上悬停的时间、用户是浏览击条信息的时间、用户是否发表评论、是否在其他搜索引擎中输入推荐的头条信息的关键词，对上述用户操作行为进行加权计算头条推荐信息的准确性，判断用户是否对推荐的头条信息感兴趣，若不感兴趣，则重新推荐头条信息，直到用户满意为止。

5.如权利要求4所述的一种精确头条信息的推荐方法，进一步包括：所述头条信息推荐组内的信息是由大数据的并行计算根据余弦相似度进行归集，其中余弦相似度，通过计算夹角的余弦值来衡量两个向量的相似度，余弦值取值范围是[-1,1]，夹角越小，余弦值越接近于1，两个向量的方向趋向一致，相似度也越高，其计算方法如公式所示；

sim(i,j)＝cos(i,j)＝u∈URu，i×Ru，ju∈UR2u,iu∈UR2u,j

其中sim(i,j)表示物品i和物品j的相似度，Ru表示用户u对物品i的评分，Ru,j表示用户u对物品j的评分，所述评分基于基于用户行为。

6.如权利要求5所述的一种精确头条信息的推荐方法，进一步包括：分析用户历史行为特征，建立用户历史行为特征库，通过计算用户访问的广告信息、浏览信息和搜索关键词，用FP-Tree算法挖掘出与用户浏览内容最具相关性的信息，通过数据挖掘得到上述用户浏览内容最具相关性的信息的同类型信息。

7.一种精确头条信息的推荐装置，其特征在于，包括：用户行为收集模块，用于获取用户行为，包括：访问的广告信息、浏览信息和搜索关键词；数据分析模块，用于根据用户的行为轨迹数据，结合用户资料，分析用户需求；数据挖掘模块，根据所述用户行为确定用户的感兴趣的多个信息标签；数据匹配模块，用于在设定的时间阈值内，设置多个时间点监测所述用户行为，对于每一个信息标签，对用户的多种行为设置不同的系数，加权得到信息标签的推荐值，并根据所述用户的感兴趣的信息标签确定针对该用户的头条信息推荐组。

8.如权利要求7所述的一种精确头条信息的推荐装置，进一步包括：所述对用户的多种行为设置不同的系数，所述系数符合正态分布。

9.如权利要求8所述的一种精确头条信息的推荐装置，进一步包括：评分推荐模块，用于对所生成的至少一套头条信息推荐方案进行评分，所述评分根据用户关闭头条的时间、鼠标在头条上悬停的时间、用户是浏览击条信息的时间、用户是否发表评论、是否在其他搜索引擎中输入推荐的头条信息的关键词，对上述用户操作行为进行加权计算头条推荐信息的准确性，判断用户是否对推荐的头条信息感兴趣，若不感兴趣，则重新推荐头条信息，直到用户满意为止。

10.如权利要求9所述的一种精确头条信息的推荐装置，进一步包括：用户行为存储模块：用于分析用户历史行为特征，建立用户历史行为特征库，通过计算用户访问的广告信息、浏览信息和搜索关键词，用FP-Tree算法挖掘出与用户浏览内容最具相关性的信息，通过数据挖掘得到上述用户浏览内容最具相关性的信息的同类型信息。