[发明专利]一种标签推荐方法及系统

说明书

本发明公开了一种标签推荐方法及系统，方法包括：通过对用户与应用的交互行为的统计与计算，为每个用户打上若干个标签，基于为每个用户打上的若干个标签计算出标签共现性，基于为每个用户打上的若干个标签计算用户兴趣一致性，基于标签共现性和用户兴趣一致性，得出推荐标签。本发明能够通过综合考虑标签共现性以及用户兴趣一致性两个方面来进行推荐，相对于现有技术，能够提供更加优质的标签推荐，并且能够解决用户量过大的问题，提升了用户体验。

技术领域

本发明涉及信息技术领域，尤其涉及一种标签推荐方法及系统。

背景技术

随着社会和技术的飞速发展，越来越多的人习惯在手机端处理自己的生活，工作，学习和娱乐，APP上呈现给用户内容的优劣将直接影响到用户的体验，进而影响到用户在APP上的驻留时间。因此，一个好的推荐系统能够在捕捉到用户与APP的交互之后，立即为用户推荐出用户可能感兴趣的新鲜内容，进而增加用户与APP的互动，从而让这种互动转变为用户的一种习惯或者喜好，最后使得用户成为APP的忠实用户。

在众多推荐方法中，协同过滤模型是最常用并且高效的推荐算法。协同过滤算法可以简单的分为基于用户的协同过滤算法和基于物品的协同过滤算法。

基于用户的协同过滤算法即根据相似用户的喜好进行推荐，它的机理在于相似的人大概率有相似的爱好。该方法的优势在于，它能够将新的事物推荐给用户，从而发现用户新的兴趣点；但该方法的劣势在于，1)无法解决冷启动问题；2)交互很少的用户很难做到精准推荐；3)当用户数量较大时，与所有用户计算相似度代价非常大。

基于物品的协同过滤算法即根据物品之间的相似性进行推荐，它的机理在于物品a被用户喜欢，那么和a很相似的物品b大概率也会被用户喜欢。该方法的优势在于，用户一旦有新行为，就会导致推荐结果实时性发生变化，可解释性比较好；该方法的劣势在于，1)容易使得用户兴趣点狭隘化，在用户兴趣发生变化时推荐效果很差；2)不能发现用户的新兴趣点以及新物品无法推荐给用户。

因此，如何更加有效的实现标签推荐，是一项亟待解决的问题。

发明内容

有鉴于此，本发明提供了一种标签推荐方法，能够通过综合考虑标签共现性以及用户兴趣一致性两个方面来进行推荐，相对于现有技术，能够提供更加优质的标签推荐，并且能够解决用户量过大的问题，提升了用户体验。

本发明提供了一种标签推荐方法，包括：

通过对用户与应用的交互行为的统计与计算，为每个用户打上若干个标签；

基于为每个用户打上的若干个标签计算出标签共现性；

基于为每个用户打上的若干个标签计算用户兴趣一致性；

基于所述标签共现性和用户兴趣一致性，得出推荐标签。

优选地，所述基于为每个用户打上的若干个标签计算出标签共现性包括：

基于为每个用户打上的若干个标签，根据标签聚合该标签排名前N的用户；

计算两个标签之间的共现性，得到每个标签排名前N的共现标签。

优选地，所述基于为每个用户打上的若干个标签计算用户兴趣一致性包括：

基于为每个用户打上的若干个标签，聚合所有用户的排名前N的兴趣点；

根据排名前N的兴趣点得到每个兴趣点的感兴趣用户组；

根据得到每个兴趣点的感兴趣用户组，结合用户的兴趣点，为每个用户聚合一个与其相似的用户群组；

在得到的用户群组上计算用户之间的余弦相似度，得到用户的相似度排名；

基于相似度排名，对相似用户的标签进行加权，得到目标用户没有的且分数排名前N的标签。