[发明专利]一种信息推荐方法及装置

权利要求书

1.一种信息推荐方法，其特征在于，包括：

获取目标用户对应的一度相似用户和二度相似用户；其中，根据各用户的历史行为数据，建立评分矩阵，并进行矩阵分解，分别获得各用户的用户向量，一度相似用户表示确定出的与目标用户的用户向量相似度满足第一用户相似度条件的用户，二度相似用户表示确定出的与目标用户的一度相似用户的用户向量相似度满足第一用户相似度条件的用户，所述评分矩阵中包括所有用户对各信息的兴趣评分；

分别获取所述对应的一度相似用户和二度相似用户在第一预设时间段内有操作行为的各信息，根据所述对应的一度相似用户和二度相似用户对所述各信息的点击时间和预设时间衰减函数，分别获得所述目标用户对所述各信息的时间衰减权重；根据所述目标用户与对应的一度相似用户和二度相似用户的相似度，以及时间衰减权重，分别确定所述目标用户与所述各信息的相似度；

将相似度满足信息相似度条件的信息，作为所述目标用户的待推荐信息；

将所述目标用户的待推荐信息，推荐给所述目标用户。

2.如权利要求1所述的方法，其特征在于，进一步包括：

获取各用户在第二预设时间段内针对信息的历史行为数据；

根据所述各用户的历史行为数据，分别确定所述各用户对各信息的兴趣评分，并建立评分矩阵；

根据所述评分矩阵，分别获得所述各用户的用户向量；其中，所述用户向量表征用户兴趣的特征向量；

根据所述各用户的用户向量，分别计算所述各用户之间的相似度；

根据所述各用户之间的相似度，分别获得所述各用户对应的一度相似用户。

3.如权利要求2所述的方法，其特征在于，所述历史行为数据至少包括点击时间和浏览时长；

则根据所述各用户的历史行为数据，分别确定所述各用户对各信息的兴趣评分，具体包括：

根据所述各用户对每条信息的点击时间和预设时间衰减函数，分别获得所述各用户对每条信息的时间衰减权重；

根据所述各用户对每条信息的浏览时长和预设平滑函数，分别获得所述各用户对每条信息的浏览时长权重；

根据相应的时间衰减权重和浏览时长权重，分别确定所述各用户对每条信息的兴趣评分。

4.如权利要求2所述的方法，其特征在于，根据所述评分矩阵，分别获得所述各用户的用户向量，具体包括：

分别确定所述各用户在第二预设时间段内操作的信息的数目，以及分别确定每条信息被操作的次数；

若确定所述各用户中任一用户在第二预设时间段内操作的信息的数目大于预设数目，则从所述评分矩阵中采样其中的预设数目条信息；

若确定任一信息被操作的次数大于预设次数，则从所述评分矩阵中采样其中的预设次数条信息；

根据采样后的评分矩阵，分别获得所述各用户的用户向量。

5.如权利要求1-4任一项所述的方法，其特征在于，进一步包括：

分别确定所述目标用户与对应的二度相似用户的相似度；

从所述目标用户对应的二度相似用户中筛选出相似度满足第二用户相似度条件的二度相似用户。

6.如权利要求5所述的方法，其特征在于，分别确定所述目标用户与对应的二度相似用户的相似度，具体包括：

分别根据所述目标用户与对应的一度相似用户的相似度，以及所述对应的一度相似用户与其一度相似用户的相似度，进行相乘，将获得的乘积作为所述目标用户与对应的二度相似用户的相似度；并，

若确定任意一个二度相似用户为所述目标用户的多个一度相似用户的一度相似用户，则将获得的所述目标用户与所述多个一度相似用户对应的乘积进行累加，将累加的和作为所述目标用户与所述任意一个二度相似用户的相似度。