[发明专利]多算法融合的信息推荐方法、装置和设备

说明书

本发明涉及一种多算法融合的信息推荐方法、装置和设备，通过在预设的数据库中加载数据参数，基于数据参数，利用als预测算法在预设的信息库中确定评分备用列表，利用余弦相似度算法在信息库中确定关于目标信息的相似备用列表，按照预设的规则分别为评分备用列表和相似备用列表分配权重，根据权重构建包含评分备用列表中第一信息和相似备用列表中第二信息的实时推荐列表，保存并在前端页面显示实时推荐列表，以供用户浏览参考，实现了多算法融合的信息推荐，提高了推荐效果的多样性，能够充分体现出用户的个性化需求，推荐准确率高。

技术领域

本发明涉及信息推荐技术领域，具体涉及一种多算法融合的信息推荐方法、装置和设备。

背景技术

互联网时代也是信息爆炸的时代，内容多，而用户的时间少，给用户造成了选择难题。对海量信息进行筛选、过滤，将用户最关注最感兴趣的信息展现在用户面前，不仅能降低用户选择的难度，还能够大大增加这些内容的转化率，对各类应用系统都有非常巨大的价值。

搜索引擎和推荐系统的出现在一定程度上解决了信息筛选问题。搜索引擎需要用户主动提供关键词来对海量信息进行筛选，当用户无法准确描述自己的需求时，搜索引擎的筛选效果将大打折扣，而用户将自己的需求和意图转化成关键词的过程有时也会具有一定的困难，搜索引擎的搜索结果往往会照顾大多数用户的点击习惯，以热门结果为主，很难充分体现出个性化需求。而基于推荐算法开发的推荐系统主要分为两种，一种是基于内容的推荐算法，另一种是基于统计思想的算法。基于内容的推荐算法虽然实现简单方便，但基于内容的推荐算法缺少用户行为的分析，同时该算法往往受限于对文本、图像或音视频内容分析的技术深度，很难准确把握住用户真正关注的“内容点”。基于统计思想的算法计算速度快，但是对用户个性化偏好的描述能力弱。

因此，目前信息推荐过程中存在推荐准确率低的问题。

发明内容

有鉴于此，本发明的目的在于提供一种多算法融合的信息推荐方法、装置和设备，以克服目前信息推荐过程中存在推荐准确率低的问题。

为实现以上目的，本发明采用如下技术方案：

一种多算法融合的信息推荐方法，包括：

在预设的数据库中加载数据参数；其中，所述数据参数包括用户的用户参数，所述用户已评分的信息的信息参数，以及所述已评分的信息的评分参数；

基于所述数据参数，利用als预测算法在预设的信息库中确定评分备用列表，以及，基于所述数据参数，利用余弦相似度算法在所述信息库中确定关于目标信息的相似备用列表；

按照预设的规则分别为所述评分备用列表和所述相似备用列表分配权重；

根据所述权重，构建包含所述评分备用列表中第一信息和所述相似备用列表中第二信息的实时推荐列表；

保存并在前端页面显示所述实时推荐列表。

进一步地，以上所述的多算法融合的信息推荐方法，基于所述数据参数，利用als预测算法在预设的信息库中确定评分备用列表，包括：

根据所述评分参数，训练得到隐语义模型；

计算所述信息参数和所述评分参数的笛卡尔积；

基于所述隐语义模型和所述笛卡尔积，使用所述als预测算法预测所述用户对所述信息库中信息的预测评分；

将大于0的所述预测评分对应的信息组成评分推荐列表；

将所述评分推荐列表中选择符合第一预设标准的信息组成所述评分备用列表。

进一步地，以上所述的多算法融合的信息推荐方法，所述基于所述数据参数，利用余弦相似度算法在所述信息库中确定关于目标信息的相似备用列表，包括：