[发明专利]信息推荐方法和装置

权利要求书

1.一种信息推荐方法，其特征在于，包括：

获取与用户感兴趣的内容有关的原始数据；

对所述原始数据进行预处理以生成原始标签文本数据集，所述原始标签文本数据集包括多个目标标签文本；

基于所述原始标签文本数据集，通过标签向量模型生成每个目标标签文本的标签向量；

对所有目标标签文本的标签向量进行聚类；

确定每个聚类中的每个标签向量与其他标签向量的相似度；以及

基于所述相似度向所述用户推送信息，

其中，所述信息推荐方法还包括：基于新增标签文本数据集对所述标签向量模型进行动态更新。

2.如权利要求1所述的信息推荐方法，其特征在于，所述原始数据包括以下中的至少一个：所述用户的检索历史数据、所述用户的浏览历史数据、所述用户的下载历史数据、所述用户的收藏历史数据和所述用户的聊天历史数据。

3.如权利要求1所述的信息推荐方法，其特征在于，所述多个目标标签文本通过空格或特殊字符分隔开，所述多个目标标签文本中的每一个的字符数都不超过预定阈值。

4.如权利要求3所述的信息推荐方法，其特征在于，所述预定阈值的范围为20至50。

5.如权利要求1所述的信息推荐方法，其特征在于，基于新增标签文本数据集对所述标签向量模型进行动态更新包括：

获取与所述用户感兴趣的内容有关的新增数据；

对所述新增数据进行预处理以生成所述新增标签文本数据集；以及

基于所述新增标签文本数据集对所述标签向量模型进行迭代更新。

6.一种信息推荐装置，其特征在于，包括：

原始数据获取单元，被配置为获取与用户感兴趣的内容有关的原始数据；

预处理单元，被配置为对所述原始数据进行预处理以生成原始标签文本数据集，所述原始标签文本数据集包括多个目标标签文本；

标签向量生成单元，被配置为基于所述原始标签文本数据集，通过标签向量模型生成每个目标标签文本的标签向量；

聚类单元，被配置为对所有目标标签文本的标签向量进行聚类；

相似度确定单元，被配置为确定每个聚类中的每个标签向量与其他标签向量的相似度；以及

信息推送单元，被配置为基于所述相似度向所述用户推送信息，

其中，所述信息推荐装置还包括更新单元，所述更新单元被配置为：基于新增标签文本数据集对所述标签向量模型进行动态更新。

7.如权利要求6所述的信息推荐装置，其特征在于，所述原始数据包括以下中的至少一个：所述用户的检索历史数据、所述用户的浏览历史数据、所述用户的下载历史数据、所述用户的收藏历史数据和所述用户的聊天历史数据。

8.如权利要求6所述的信息推荐装置，其特征在于，所述多个目标标签文本通过空格或特殊字符分隔开，所述多个目标标签文本中的每一个的字符数都不超过预定阈值。

9.如权利要求8所述的信息推荐装置，其特征在于，所述预定阈值的范围为20至50。

10.如权利要求6所述的信息推荐装置，其特征在于，基于新增标签文本数据集对所述标签向量模型进行动态更新包括：

获取与所述用户感兴趣的内容有关的新增数据；

对所述新增数据进行预处理以生成所述新增文本标签数据集；

基于所述新增标签文本数据集对所述标签向量模型进行迭代更新。