[发明专利]一种精确头条信息的推荐方法及装置

说明书

本发明公开了一种精确头条信息的推荐方法及装置，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。

技术领域

本发明涉及计算机技术领域的大数据挖掘技术，尤其涉及一种精确头条信息的推荐方法及装置。

背景技术

随着互联网的迅速发展，网络技术日趋成熟，成本逐步降低，除了传统的宽带业务，各大通讯公司还提供了高速稳定也相对便宜的移动网络，有利于网络广泛应用到各行各业，既提高了社会生产力，也方便了人们的生活。在软件产业的推动下，企业信息化程度也越来越高，提供的各种网络产品和服务覆盖到人们的衣食住行及消费娱乐，极大的方便了人们的生活，如电子商务行业的各大厂商纷纷推出各具特色的移动应用程序，为用户提供便捷的商品浏览、购买支付、物流配送、售后服务等网上购物功能。但是随着电子商务规模的不断扩大，商品的数量和种类迅速增长，大量的信息变成了长尾淹没在数据的海洋中。要从海量的商品中快速找到自己想买的商品，并不是一件简单的事情，用户面临着“信息过载”的问题。

因此，在信息类目繁多爆炸的时代，人们面对的选择越来越多，选择过多，信息超载，也常常会使人无所适从。在这种情况下，推荐引擎便开始展现技术优势，发挥威力。

分类目录和搜索引擎是缓解信息过载问题的传统解决方案。根据商品的属性和特征进行分门别类，方便了用户的查找。然而随着商品种类和数量的快速增加，商品分类只能覆盖到少量流行的商品。搜索引擎是获取指定条件信息的传统技术。用户可以在购物平台上搜索商品的关键字，比如商品的名称、品牌、材质等。通过关键字的检索，用户可以查询到自己想要的各个品牌指定材质的商品信息，通过比对筛选出物美价廉同时也符合自己需求的商品。但是这需要有明确的关键字体现用户的需求，搜索的结果也是限制在用户已知的信息范围之内，无法检索到用户可能感兴趣的未知商品信息。因此需要有一个系统能了解用户的兴趣偏好和消费习惯，主动推荐用户感兴趣的或者可能需要的商品。推荐系统应运而生，不需要用户提供关键字，通过分析用户的历史行为数据找到用户的个性化需求，主动推荐适合用户的商品，包括处于长尾的商品，有效解决了信息过载的问题。

推荐系统采用合理有效的挖掘算法，通过分析用户浏览、购买、评分等各种行为的海量数据，挖掘用户的消费倾向，推荐用户有潜在购买需求的商品，实现精准营销。对于推荐系统的研究，无论是对科技的发展还是社会的进步都有积极的意义。

推荐系统是解决信息超载问题比较有效的方法，它根据用户行为的历史数据分析用户的兴趣爱好等，将用户感兴趣的商品等推荐给用户。Resnick和Varian在1997年是如此定义推荐系统：“它是利用电子商务网站向客户提供商品信息和建议，帮助用户决定应该购买什么产品，模拟销售人员帮助客户完成购买过程”。电子商务的推荐系统主要包含候选商品，推荐方法和目标用户。利用推荐算法从海量的候选商品中筛选出合适的商品推荐给目标用户。

发明内容

有鉴于此，本发明的主要目的在于提供一种能够准确分析出用户想要浏览的内容的头条信息推荐方法，避免用户在面对海量互联网内容时不知所措。

本发明旨在至少解决现有技术中存在的技术问题之一。为此，公开了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。

优选地，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。