[发明专利]一种信息推荐方法、装置、设备及计算机可读存储介质

说明书

本发明提供了一种信息推荐方法、装置、设备及计算机可读存储介质，其中，信息推荐方法包括：将目标用户群体中各个用户的个人喜好信息进行语义融合，得到目标用户群体对应的各个偏好信息以及与各个偏好信息对应的权重值；将每一个偏好信息与候选场合的各个特征信息分别进行语义比较，得到各个特征信息对应的相似值；根据相似值和权重值，确定候选场合与目标用户群体之间的匹配程度值；根据匹配程度值，进行场合信息推荐。本方案可综合考虑多用户的信息和偏好，从而准确全面的给出场合推荐；具体的，可有效根据多用户的就餐特点提供满意的餐厅推荐，降低用户从大量餐厅中海选的复杂度，提高就餐选择的效率，提高就餐人员对所选餐厅或食品的满意度。

技术领域

本发明涉及互联网技术领域，特别是指一种信息推荐方法、装置、设备及计算机可读存储介质。

背景技术

近年来，随着信息技术和互联网的发展，人们逐渐从信息匮乏的时代进入了信息过载的时代，因此，推荐系统应运而生。推荐系统的应用能够方便消费者在纷繁复杂的商品信息中快速定位自己需要的商品，从而提高用户体验，提高顾客的粘着性，防止客户流失。其中，餐厅推荐是一个重要的应用领域，现在很多外卖app都致力于为用户提供更好的餐厅推荐服务。

现有针对多用户的餐厅推荐系统主要有两种：一种是少数服从多数的多用户餐厅推荐系统，另一种就是基于矩阵分解的多用户餐厅推荐系统；

针对少数服从多数的多用户餐厅推荐系统通常是通过投票、询问或者凭借用户对其他用户的了解进行经验判断的方式，基于少数服从多数的原则进行推荐，来尽量满足聚餐人员的需求；该方法虽然在一定程度上可以考虑更多人的需求，但这种做法过于简单，且不科学；无论是投票还是询问等方式，都缺乏用户信息和领域知识，不能够对多用户的喜好进行综合分析，推荐准确率低。同时，有些用户可能碍于面子或者其他原因不愿意参与到投票过程中，使得该方案具有一些局限性。

针对基于矩阵分解的多用户餐厅推荐系统通常是构建用户与餐厅之间的联合矩阵，然后通过矩阵分解的方式获得用户特征矩阵以及餐厅特征矩阵，从而根据这两个矩阵进行推荐；该方法在一定程度满足多用户的就餐需求，但是该方不具有扩展性和推理能力，无法挖掘用户本身以及用户与餐厅之间的隐含关系，使得推荐准确率以及查全率不高；如，一个用户的个人信息里只有喜欢川菜这一信息，并没有喜欢麻辣味相关的信息，矩阵分解是无法推理出该用户喜欢的口味是麻辣口味。

由上可知，现有技术中的针对多用户的餐厅推荐系统存在推荐准确率低的问题。

发明内容

本发明的目的在于提供一种信息推荐方法、装置、设备及计算机可读存储介质，解决现有技术中针对多用户的餐厅推荐系统的推荐准确率低的问题。

为了解决上述技术问题，本发明实施例提供一种信息推荐方法，包括：

将目标用户群体中各个用户的个人喜好信息进行语义融合，得到所述目标用户群体对应的各个偏好信息以及与各个所述偏好信息对应的权重值；

将每一个所述偏好信息与候选场合的各个特征信息分别进行语义比较，得到各个所述特征信息对应的相似值；

根据所述相似值和权重值，确定所述候选场合与所述目标用户群体之间的匹配程度值；

根据所述匹配程度值，进行场合信息推荐。

可选的，在将目标用户群体中各个用户的个人喜好信息进行语义融合之前，还包括：

对所述个人喜好信息和候选场合信息进行语义补全。

可选的，所述对所述个人喜好信息和候选场合信息进行语义补全，包括：

根据预设用户的个人喜好信息以及预设场合的特征信息，得到场合共用信息；

根据所述场合共用信息，对所述个人喜好信息和候选场合信息进行语义补全。