[发明专利]热点数据的推荐方法和装置

说明书

本发明公开了一种热点数据的推荐方法和装置，涉及计算机技术领域。该方法的一具体实施方式包括：计算数据的热度得分以生成数据的热度标签；使用热度标签对数据的特征向量进行打标，以生成训练数据；通过对训练数据集进行训练以得到热点数据推荐模型；使用热点数据推荐模型确定热点数据并进行推荐。该实施方式应用前沿的深度学习技术，通过启发式方法构建潜在上升显著的训练数据集，预测未来短时间内可能热门且幅度增长较大的热点数据，展示给用户，在吸引用户注意力、提升用户体验的同时，也使得热点数据的推荐更加实时多样。

技术领域

本发明涉及计算机技术领域，尤其涉及一种热点数据的推荐方法和装置。

背景技术

随着大数据和互联网的发展，越来越多的用户喜欢从网络上获取热点数据。例如：从网站上获取实时热点新闻、从网上购物平台上获取热门商品，等等。相应地，各个网站或平台为了吸引用户，也会对用户进行热点数据的推荐。

以网上购物为例，一般来说，不同用户对不同品类内容感兴趣程度不一样，特别是不活跃用户或新注册用户，如何能快速吸引其眼球，抓住用户购物需求，为用户提供耳目一新的商品时效性享受，是一件有意义的事情。

现有技术在为用户进行数据推荐时，更多的是考虑数据的热门程度或全量商品的中长期热门程度，当捕获不到用户的历史行为时，则将通用的热点数据直接展示。

在实现本发明过程中，发明人发现现有技术中至少存在如下问题：

将通用的热点数据直接展示有可能遗漏目前热度不高但上升趋势显著的数据，故而推荐结果不够科学、合理。

发明内容

有鉴于此，本发明实施例提供一种热点数据的推荐方法和装置，能够应用前沿的深度学习技术，通过启发式方法构建潜在上升显著的训练数据集，预测未来短时间内可能热门且幅度增长较大的热点数据，展示给用户，在吸引用户注意力、提升用户体验的同时，也使得热点数据的推荐更加实时多样。

为实现上述目的，根据本发明实施例的一个方面，提供了一种热点数据的推荐方法。

一种热点数据的推荐方法，包括：计算数据的热度得分以生成所述数据的热度标签；使用所述热度标签对所述数据的特征向量进行打标，以生成训练数据；通过对训练数据集进行训练以得到热点数据推荐模型；使用所述热点数据推荐模型确定热点数据并进行推荐。

可选地，计算数据的热度得分以生成所述数据的热度标签包括：计算数据在最近时段内的访问增加率；根据所述访问增加率计算所述数据的热度得分；通过将所述热度得分与预设阈值进行比较以生成所述数据的热度标签。

可选地，计算数据在最近时段内的访问增加率包括：计算数据在最近时段内平均每天的第一访问量，以及数据在指定时段内平均每天的第二访问量，所述指定时段长于所述最近时段且包括所述最近时段；将所述第一访问量与所述第二访问量之比作为所述数据在最近时段内的访问增加率。

可选地，通过将所述热度得分与预设阈值进行比较以生成所述数据的热度标签包括：将所述热度得分与预设阈值进行比较，若所述热度得分大于所述预设阈值，则将所述数据的热度标签置为1；否则，将所述数据的热度标签置为0。

可选地，通过对训练数据集进行训练以得到热点数据推荐模型包括：将所述训练数据集中的训练数据分为离散数据集和连续数据集；对所述离散数据集和所述连续数据集分别使用不同的网络进行特征处理，并将处理后的特征进行拼接；将拼接后的特征输入至反向联合训练层以得到热点数据推荐模型。

可选地，对于所述离散数据集，首先利用梯度下降树的叶子节点进行特征选择，然后对选择的特征通过因子分解机生成低维稠密特征向量以进行特征处理。

可选地，对于所述连续数据集，使用深度学习神经网络进行特征处理。

根据本发明实施例的另一方面，提供了一种热点数据的推荐装置。