CN107766379A - 一种网络内容的推荐方法和装置 - Google Patents
一种网络内容的推荐方法和装置 Download PDFInfo
- Publication number
- CN107766379A CN107766379A CN201610701119.0A CN201610701119A CN107766379A CN 107766379 A CN107766379 A CN 107766379A CN 201610701119 A CN201610701119 A CN 201610701119A CN 107766379 A CN107766379 A CN 107766379A
- Authority
- CN
- China
- Prior art keywords
- web content
- user
- mrow
- content
- similarity
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Information Transfer Between Computers (AREA)
Abstract
本发明公开了一种网络内容的推荐方法和装置，涉及互联网技术领域，其中的方法包括：获取用户下载或访问网络内容的历史信息，建立用户与下载或访问的网络内容的对应关系；基于用户与下载或访问的网络内容的对应关系确定网络内容之间的相似度；根据网络内容之间的相似度以及历史信息确定用户对网络内容的兴趣值；基于兴趣值确定向用户推荐的网络内容。本发明的方法和装置，能够通过降低热门内容的权重，提升推荐内容的准确率和召回率，并且通过降低活跃用户的权重，提升网络内容的覆盖度和多样性，增强了用户黏性。
Description
技术领域
本发明涉及互联网技术领域，尤其涉及一种网络内容的推荐方法和装置。
背景技术
个性化推荐是根据用户的兴趣特点及行为向用户推荐其感兴趣的内容，主要解决如何在海量信息中发现用户感兴趣的信息。常用的推荐方法包括内容过滤与协同过滤，协同过滤分为基于用户的UserCF算法和基于物品的ItemCF算法。目前，中国电信各移动互联网内容平台如爱游戏，一般更注重用户消费行为而不是社交行为，采用ItemCF算法更加实用。相似性度量是协同过滤的核心内容，例如，余弦相似度是指将向量空间中两个向量夹角的余弦值作为衡量两个个体间差异的大小，越接近1表明越相似。在现有的个性化推荐方法中，在通过相似度进行移动互联网平台的个性化推荐时存在两个问题：1.热门内容(热门游戏、书籍)会和很多其他内容相似；2.异常活跃用户(部分是恶意用户)的行为，会使相似度矩阵过于稠密，影响个性化推荐的准确性。
发明内容
有鉴于此，本发明要解决的一个技术问题是提供一种网络内容的推荐方法和装置。
根据本发明的一个方面，提供一种网络内容的推荐方法，包括：获取用户下载或访问网络内容的历史信息，建立用户与下载或访问的网络内容的对应关系；基于所述用户与下载或访问的网络内容的对应关系确定网络内容之间的相似度；根据所述网络内容之间的相似度以及所述历史信息确定用户对网络内容的兴趣值；基于所述兴趣值确定向用户推荐的网络内容。
可选地，所述获取用户下载或访问网络内容的历史信息、建立用户与下载或访问的网络内容的对应关系包括：通过访问用户下载或访问的历史记录获得用户下载或访问网络内容的集合；基于所述下载或访问网络内容的集合为每个用户都建立用户与内容关系矩阵；其中，全部用户下载或访问的网络内容种类的数量为n，所述用户与内容关系矩阵为n行×n列的矩阵，所述用户与内容关系矩阵中的非零元素Uij为同时下载或访问网络内容i和网络内容j的用户。
可选地，所述基于所述用户与下载或访问的网络内容的对应关系确定网络内容之间的相似度包括：将与每个用户所对应的用户与内容关系矩阵相加，获得网络内容相似度矩阵；其中，所述网络内容相似度矩阵为n行×n列的矩阵，所述网络内容相似度矩阵中的非零元素Aij为同时下载或访问网络内容i和网络内容j的用户集合；根据所述网络内容相似度矩阵计算网络内容之间的相似度。
可选地，基于所述用户与下载或访问的网络内容的对应关系确定网络内容之间的相似度为：
其中，Wij为网络内容i和网络内容j之间的相似度，N(i)是下载或访问网络内容i的用户集合，N(j)是下载或访问网络内容j的用户集合,u是N(i)和N(j)交集中的用户，|N(u)|是用户u下载或访问网络内容的数量，|N(i)|是下载或访问网络内容i的用户数量，|N(j)|是下载或访问网络内容j的用户数量。
可选地，所述根据所述网络内容之间的相似度以及所述历史信息确定用户对网络内容的兴趣值为：
其中，Puj为用户u对网络内容j的兴趣值，D(u)是用户u下载或访问的网络内容的集合,S(i,k)是预设的与网络内容i相似度高的k个游戏的集合，Wji是网络内容j和网络内容i的相似度,rui是预设的用户u对网络内容i的兴趣值。
可选地，基于所述兴趣值确定向用户推荐的网络内容包括：基于所述兴趣值的高低对网络内容进行排序；根据预设的推荐数量提取网络内容并向用户推荐；其中，网络内容包括：游戏、书籍、电影。
根据本发明的另一方面，提供一种网络内容的推荐装置，包括：网络内容获取模块，用于获取用户下载或访问网络内容的历史信息，建立用户与下载或访问的网络内容的对应关系；内容相似性确定模块，用于基于所述用户与下载或访问的网络内容的对应关系确定网络内容之间的相似度；内容兴趣值确定模块，用于根据所述网络内容之间的相似度以及所述历史信息确定用户对网络内容的兴趣值；推荐内容确定模块，用于基于所述兴趣值确定向用户推荐的网络内容。
可选地，所述网络内容获取模块，用于通过访问用户下载或访问的历史记录获得用户下载或访问网络内容的集合；所述内容相似性确定模块，用于基于所述下载或访问网络内容的集合为每个用户都建立用户与内容关系矩阵；其中，全部用户下载或访问的网络内容种类的数量为n，所述用户与内容关系矩阵为n行×n列的矩阵，所述用户与内容关系矩阵中的非零元素Uij为同时下载或访问网络内容i和网络内容j的用户。
可选地，所述内容相似性确定模块，还用于将与每个用户所对应的用户与内容关系矩阵相加，获得网络内容相似度矩阵，根据所述网络内容相似度矩阵计算网络内容之间的相似度；其中，所述网络内容相似度矩阵为n行×n列的矩阵，所述网络内容相似度矩阵中的非零元素Aij为同时下载或访问网络内容i和网络内容j的用户集合。
可选地，所述内容相似性确定模块，还用于基于所述用户与下载或访问的网络内容的对应关系确定网络内容之间的相似度为：
其中，Wij为网络内容i和网络内容j之间的相似度，N(i)是下载或访问网络内容i的用户集合，N(j)是下载或访问网络内容j的用户集合,u是N(i)和N(j)交集中的用户，|N(u)|是用户u下载或访问网络内容的数量，|N(i)|是下载或访问网络内容i的用户数量，|N(j)|是下载或访问网络内容j的用户数量。
可选地，所述内容兴趣值确定模块，用于根据所述网络内容之间的相似度以及所述历史信息确定用户对网络内容的兴趣值为：
其中，Puj为用户u对网络内容j的兴趣值，D(u)是用户u下载或访问的网络内容的集合,S(i,k)是预设的与网络内容i相似度高的k个游戏的集合，Wji是网络内容j和网络内容i的相似度,rui是预设的用户u对网络内容i的兴趣值。
可选地，基于所述兴趣值确定向用户推荐的网络内容包括：所述推荐内容确定模块，用于基于所述兴趣值的高低对网络内容进行排序，根据预设的推荐数量提取网络内容并向用户推荐；其中，网络内容包括：游戏、书籍、电影。
本发明的网络内容的推荐方法和装置，基于用户与下载或访问的网络内容的对应关系计算网络内容之间的相似度，并根据相似度和历史信息计算用户对网络内容的感兴趣程度，基于感兴趣程度进行推荐，通过降低热门内容的权重，能够提升准确率和召回率，并且通过降低活跃用户的权重，提升网络内容的覆盖度和多样性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为根据本发明的网络内容的推荐方法的一个实施例的流程示意图；
图2为根据本发明的网络内容的推荐方法的另一个实施例的流程示意图；
图3为根据本发明的网络内容的推荐方法的另一个实施例中用户与内容的对应关系的建立示意图；
图4为根据本发明的网络内容的推荐装置的一个实施例的模块示意图。
具体实施方式
下面参照附图对本发明进行更全面的描述，其中说明本发明的示例性实施例。下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。下面结合各个图和实施例对本发明的技术方案进行多方面的描述。
图1为根据本发明的网络内容的推荐方法的一个实施例的流程示意图，如图1所示：
步骤101，获取用户下载或访问网络内容的历史信息，建立用户与下载或访问的网络内容的对应关系，网络内容包括用户下载或访问的游戏、歌曲、视频等。
步骤102，基于用户与下载或访问的网络内容的对应关系确定网络内容之间的相似度，可以采用多种算法计算网络内容之间的相似度，例如采用余弦相似度算法等。
步骤103，根据网络内容之间的相似度以及用户下载或访问网络内容的历史信息，确定用户对网络内容的兴趣值。
步骤104，基于兴趣值确定向用户推荐的网络内容。
上述实施例中的网络内容的推荐方法，基于用户与网络内容的对应关系计算网络内容之间的相似度，并根据相似度和历史信息计算用户对网络内容的感兴趣程度，基于感兴趣程度进行内容推荐，能够提升推荐的精度性、覆盖与多样性。
图2为根据本发明的网络内容的推荐方法的另一个实施例的流程示意图，如图2所示：
步骤201，用户通过客户端访问提供网络内容的平台，例如游戏平台，点击进入任意游戏详情页面，客户端发送用户的访问请求给后台程序。
步骤201，后台程序获取用户当前访问的游戏ID，并跟据用户ID来获取用户的历史记录。
步骤203，建立用户下载的游戏的相似度矩阵。对用户的个性化推荐重点为相似度矩阵的计算和根据相似度矩阵以及用户的历史行为生成个性化推荐列表。
如图3所示，网络内容为游戏，最左边是用户下载游戏的集合，用户下载过某款游戏，则认为该用户对该游戏感兴趣。建立用户与内容关系矩阵，每一行代表一个用户感兴趣的游戏集合，对于每个物品集合，将里面的物品两两进行组合，得到一个新的矩阵，这些矩阵相加得到右边的矩阵，矩阵中的元素表示同时下载游戏i和游戏j的用户列表。
通过访问用户下载或访问的历史记录获得用户下载或访问网络内容的集合，基于下载或访问网络内容的集合为每个用户都建立用户与内容关系矩阵。如图3所示，全部5个用户下载或访问的网络内容种类的数量为5，5个用户与内容关系矩阵都为5行×5列的矩阵，用户与内容关系矩阵中的非零元素Uij为同时下载或访问网络内容i和网络内容j的用户。
将与5个用户所对应的用户与内容关系矩阵相加，获得网络内容相似度矩阵，网络内容相似度矩阵为5行×5列的矩阵，网络内容相似度矩阵中的非零元素为同时下载或访问网络内容i和网络内容j的用户集合，根据网络内容相似度矩阵计算网络内容之间的相似度。
步骤204、205，计算网络内容之间的相似度。
基于用户与下载或访问的网络内容的对应关系确定网络内容之间的相似度的计算公式为：
其中，Wij为网络内容i和网络内容j之间的相似度，N(i)是下载或访问网络内容i的用户集合，N(j)是下载或访问网络内容j的用户集合,u是N(i)和N(j)交集中的用户，|N(u)|是用户u下载或访问网络内容的数量，|N(i)|是下载或访问网络内容i的用户数量，|N(j)|是下载或访问网络内容j的用户数量。
上式中的分母降低了游戏(网络内容)j的权重，能减轻热门游戏和很多游戏相似的可能性，从而提升推荐的质量。
对于游戏平台来说，存在部分恶意下载用户，为了保证游戏之间相似度的可靠性，需要修正异常活跃用户对游戏相似度的贡献，即对同一款游戏来说已经下载了100款游戏的用户的贡献度要小于只下载了10款游戏的用户。
根据网络内容之间的相似度确定用户对网络内容的兴趣值为：
其中，Puj为用户u对网络内容j的兴趣值，D(u)是用户u下载或访问的网络内容的集合,S(i,k)是预设的与网络内容i相似度高的k个游戏的集合，Wji是网络内容j和网络内容i的相似度,rui是预设的用户u对网络内容i的兴趣值。
通过上述兴趣值的计算，使得与用户历史上感兴趣的游戏越相似的游戏，则越有可能在用户的推荐列表中获得比较高的排名。计算完成后就可以对用户进行推荐。
步骤206，对用户可能喜欢的游戏列表按照相似度排行，取前TopN个游戏，并返回结果给客户端。
上述实施例中的网络内容的推荐方法，基于用户与下载或访问的网络内容的对应关系计算网络内容之间的相似度，并根据相似度和历史信息计算用户对网络内容的感兴趣程度，基于感兴趣程度进行推荐，通过降低热门内容的权重，能够提升准确率和召回率，并且通过降低活跃用户的权重，提升网络内容的覆盖度和多样性。
在一个实施例中，如图4所示，本发明提供一种网络内容的推荐装置40，包括：网络内容获取模块41、内容相似性确定模块42、内容兴趣值确定模块43和推荐内容确定模块44。
网络内容获取模块41获取用户下载或访问网络内容的历史信息，建立用户与下载或访问的网络内容的对应关系。内容相似性确定模块42基于用户与下载或访问的网络内容的对应关系确定网络内容之间的相似度。内容兴趣值确定模块43根据网络内容之间的相似度以及历史信息确定用户对网络内容的兴趣值。推荐内容确定模块44基于兴趣值确定向用户推荐的网络内容。
网络内容获取模块41通过访问用户下载或访问的历史记录获得用户下载或访问网络内容的集合。内容相似性确定模块42基于下载或访问网络内容的集合为每个用户都建立用户与内容关系矩阵；其中，全部用户下载或访问的网络内容种类的数量为n，用户与内容关系矩阵为n行×n列的矩阵，用户与内容关系矩阵中的非零元素Uij为同时下载或访问网络内容i和网络内容j的用户。
内容相似性确定模块42将与每个用户所对应的用户与内容关系矩阵相加，获得网络内容相似度矩阵，根据网络内容相似度矩阵计算网络内容之间的相似度。网络内容相似度矩阵为n行×n列的矩阵，网络内容相似度矩阵中的非零元素Aij为同时下载或访问网络内容i和网络内容j的用户集合。
内容相似性确定模块43基于用户与下载或访问的网络内容的对应关系确定网络内容之间的相似度为：
其中，Wij为网络内容i和网络内容j之间的相似度，N(i)是下载或访问网络内容i的用户集合，N(j)是下载或访问网络内容j的用户集合,u是N(i)和N(j)交集中的用户，|N(u)|是用户u下载或访问网络内容的数量，|N(i)|是下载或访问网络内容i的用户数量，|N(j)|是下载或访问网络内容j的用户数量。
内容兴趣值确定模块43根据网络内容之间的相似度确定用户对网络内容的兴趣值为：
其中，Puj为用户u对网络内容j的兴趣值，D(u)是用户u下载或访问的网络内容的集合,S(i,k)是预设的与网络内容i相似度高的k个游戏的集合，Wji是网络内容j和网络内容i的相似度,rui是预设的用户u对网络内容i的兴趣值。
推荐内容确定模块44基于兴趣值的高低对网络内容进行排序，根据预设的推荐数量提取网络内容并向用户推荐；其中，网络内容包括：游戏、书籍、电影等。
上述实施例中的网络内容的推荐方法和装置，基于用户与下载或访问的网络内容的对应关系计算网络内容之间的相似度，并根据相似度和历史信息计算用户对网络内容的感兴趣程度，基于感兴趣程度进行推荐，通过降低热门内容的权重，能够提升准确率和召回率，并且通过降低活跃用户的权重，提升网络内容的覆盖度和多样性，从而强化推荐***发掘长尾的能力，使得可供计算的内容越多，则相应的精度与覆盖率越高。
可能以许多方式来实现本发明的方法和***。例如，可通过软件、硬件、固件或者软件、硬件、固件的任何组合来实现本发明的方法和***。用于方法的步骤的上述顺序仅是为了进行说明，本发明的方法的步骤不限于以上具体描述的顺序，除非以其它方式特别说明。此外，在一些实施例中，还可将本发明实施为记录在记录介质中的程序，这些程序包括用于实现根据本发明的方法的机器可读指令。因而，本发明还覆盖存储用于执行根据本发明的方法的程序的记录介质。
本发明的描述是为了示例和描述起见而给出的，而并不是无遗漏的或者将本发明限于所公开的形式。很多修改和变化对于本领域的普通技术人员而言是显然的。选择和描述实施例是为了更好说明本发明的原理和实际应用，并且使本领域的普通技术人员能够理解本发明从而设计适于特定用途的带有各种修改的各种实施例。
Claims (12)
1.一种网络内容的推荐方法，其特征在于，包括：
获取用户下载或访问网络内容的历史信息，建立用户与下载或访问的网络内容的对应关系；
基于所述用户与下载或访问的网络内容的对应关系确定网络内容之间的相似度；
根据所述网络内容之间的相似度以及所述历史信息确定用户对网络内容的兴趣值；
基于所述兴趣值确定向用户推荐的网络内容。
2.如权利要求1所述的方法，其特征在于，所述获取用户下载或访问网络内容的历史信息、建立用户与下载或访问的网络内容的对应关系包括：
通过访问用户下载或访问的历史记录获得用户下载或访问网络内容的集合；
基于所述下载或访问网络内容的集合为每个用户都建立用户与内容关系矩阵；
其中，全部用户下载或访问的网络内容种类的数量为n，所述用户与内容关系矩阵为n行×n列的矩阵，所述用户与内容关系矩阵中的非零元素Uij为同时下载或访问网络内容i和网络内容j的用户，i、j为小于n的自然数。
3.如权利要求2所述的方法，其特征在于，所述基于所述用户与下载或访问的网络内容的对应关系确定网络内容之间的相似度包括：
将与每个用户所对应的用户与内容关系矩阵相加，获得网络内容相似度矩阵；其中，所述网络内容相似度矩阵为n行×n列的矩阵，所述网络内容相似度矩阵中的非零元素Aij为同时下载或访问网络内容i和网络内容j的用户集合；
根据所述网络内容相似度矩阵计算网络内容之间的相似度。
4.如权利要求1至3任一项所述的方法，其特征在于,基于所述用户与下载或访问的网络内容的对应关系确定网络内容之间的相似度为：
<mrow>
<msub>
<mi>w</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>=</mo>
<mfrac>
<mrow>
<msub>
<mi>&Sigma;</mi>
<mrow>
<mi>u</mi>
<mo>&Element;</mo>
<mi>N</mi>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>)</mo>
</mrow>
<mo>&cap;</mo>
<mi>N</mi>
<mrow>
<mo>(</mo>
<mi>j</mi>
<mo>)</mo>
</mrow>
</mrow>
</msub>
<mfrac>
<mn>1</mn>
<mrow>
<mi>log</mi>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>+</mo>
<mo>|</mo>
<mi>N</mi>
<mo>(</mo>
<mi>u</mi>
<mo>)</mo>
<mo>|</mo>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
</mrow>
<msqrt>
<mrow>
<mo>|</mo>
<mi>N</mi>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>)</mo>
</mrow>
<mo>|</mo>
<mo>|</mo>
<mi>N</mi>
<mo>(</mo>
<mi>j</mi>
<mo>)</mo>
<mo>|</mo>
</mrow>
</msqrt>
</mfrac>
<mo>;</mo>
</mrow>
其中，Wij为网络内容i和网络内容j之间的相似度，N(i)是下载或访问网络内容i的用户集合，N(j)是下载或访问网络内容j的用户集合,u是N(i)和N(j)交集中的用户，|N(u)|是用户u下载或访问网络内容的数量，|N(i)|是下载或访问网络内容i的用户数量，|N(j)|是下载或访问网络内容j的用户数量。
5.如权利要求4所述的方法，其特征在于,所述根据所述网络内容之间的相似度以及所述历史信息确定用户对网络内容的兴趣值为：
<mrow>
<msub>
<mi>p</mi>
<mrow>
<mi>u</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>=</mo>
<munder>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>&Element;</mo>
<mi>D</mi>
<mrow>
<mo>(</mo>
<mi>u</mi>
<mo>)</mo>
</mrow>
<mo>&cap;</mo>
<mi>S</mi>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>,</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
</mrow>
</munder>
<msub>
<mi>w</mi>
<mrow>
<mi>j</mi>
<mi>i</mi>
</mrow>
</msub>
<msub>
<mi>r</mi>
<mrow>
<mi>u</mi>
<mi>i</mi>
</mrow>
</msub>
<mo>;</mo>
</mrow>
其中，Puj为用户u对网络内容j的兴趣值，D(u)是用户u下载或访问的网络内容的集合,S(i,k)是预设的与网络内容i相似度高的k个游戏的集合，Wji是网络内容j和网络内容i的相似度,rui是预设的用户u对网络内容i的兴趣值。
6.如权利要求5所述的方法，其特征在于，基于所述兴趣值确定向用户推荐的网络内容包括：
基于所述兴趣值的高低对所述网络内容进行排序；
根据预设的推荐数量提取所述网络内容并向用户推荐；
其中，所述网络内容包括：游戏、书籍、电影。
7.一种网络内容的推荐装置，其特征在于，包括：
网络内容获取模块，用于获取用户下载或访问网络内容的历史信息，建立用户与下载或访问的网络内容的对应关系；
内容相似性确定模块，用于基于所述用户与下载或访问的网络内容的对应关系确定网络内容之间的相似度；
内容兴趣值确定模块，用于根据所述网络内容之间的相似度以及所述历史信息确定用户对网络内容的兴趣值；
推荐内容确定模块，用于基于所述兴趣值确定向用户推荐的网络内容。
8.如权利要求7所述的装置，其特征在于：
所述网络内容获取模块，用于通过访问用户下载或访问的历史记录获得用户下载或访问网络内容的集合；
所述内容相似性确定模块，用于基于所述下载或访问网络内容的集合为每个用户都建立用户与内容关系矩阵；其中，全部用户下载或访问的网络内容种类的数量为n，所述用户与内容关系矩阵为n行×n列的矩阵，所述用户与内容关系矩阵中的非零元素Uij为同时下载或访问网络内容i和网络内容j的用户。
9.如权利要求8所述的装置，其特征在于：
所述内容相似性确定模块，还用于将与每个用户所对应的用户与内容关系矩阵相加，获得网络内容相似度矩阵，根据所述网络内容相似度矩阵计算网络内容之间的相似度；其中，所述网络内容相似度矩阵为n行×n列的矩阵，所述网络内容相似度矩阵中的非零元素Aij为同时下载或访问网络内容i和网络内容j的用户集合。
10.如权利要求7至9任一项所述的装置，其特征在于：
所述内容相似性确定模块，还用于基于所述用户与下载或访问的网络内容的对应关系确定网络内容之间的相似度为：
<mrow>
<msub>
<mi>w</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>=</mo>
<mfrac>
<mrow>
<msub>
<mi>&Sigma;</mi>
<mrow>
<mi>u</mi>
<mo>&Element;</mo>
<mi>N</mi>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>)</mo>
</mrow>
<mo>&cap;</mo>
<mi>N</mi>
<mrow>
<mo>(</mo>
<mi>j</mi>
<mo>)</mo>
</mrow>
</mrow>
</msub>
<mfrac>
<mn>1</mn>
<mrow>
<mi>log</mi>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>+</mo>
<mo>|</mo>
<mi>N</mi>
<mo>(</mo>
<mi>u</mi>
<mo>)</mo>
<mo>|</mo>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
</mrow>
<msqrt>
<mrow>
<mo>|</mo>
<mi>N</mi>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>)</mo>
</mrow>
<mo>|</mo>
<mo>|</mo>
<mi>N</mi>
<mrow>
<mo>(</mo>
<mi>j</mi>
<mo>)</mo>
</mrow>
<mo>|</mo>
</mrow>
</msqrt>
</mfrac>
<mo>;</mo>
</mrow>
其中，Wij为网络内容i和网络内容j之间的相似度，N(i)是下载或访问网络内容i的用户集合，N(j)是下载或访问网络内容j的用户集合,u是N(i)和N(j)交集中的用户，|N(u)|是用户u下载或访问网络内容的数量，|N(i)|是下载或访问网络内容i的用户数量，|N(j)|是下载或访问网络内容j的用户数量。
11.如权利要求10所述的装置，其特征在于：
所述内容兴趣值确定模块，用于根据所述网络内容之间的相似度以及所述历史信息确定用户对网络内容的兴趣值为：
<mrow>
<msub>
<mi>p</mi>
<mrow>
<mi>u</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>=</mo>
<munder>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>&Element;</mo>
<mi>D</mi>
<mrow>
<mo>(</mo>
<mi>u</mi>
<mo>)</mo>
</mrow>
<mo>&cap;</mo>
<mi>S</mi>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>,</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
</mrow>
</munder>
<msub>
<mi>w</mi>
<mrow>
<mi>j</mi>
<mi>i</mi>
</mrow>
</msub>
<msub>
<mi>r</mi>
<mrow>
<mi>u</mi>
<mi>i</mi>
</mrow>
</msub>
<mo>;</mo>
</mrow>
其中，Puj为用户u对网络内容j的兴趣值，D(u)是用户u下载或访问的网络内容的集合,S(i,k)是预设的与网络内容i相似度高的k个游戏的集合，Wji是网络内容j和网络内容i的相似度,rui是预设的用户u对网络内容i的兴趣值。
12.如权利要求11所述的装置，其特征在于，基于所述兴趣值确定向用户推荐的网络内容包括：
所述推荐内容确定模块，用于基于所述兴趣值的高低对网络内容进行排序，根据预设的推荐数量提取网络内容并向用户推荐；
其中，所述网络内容包括：游戏、书籍、电影。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610701119.0A CN107766379A (zh) | 2016-08-22 | 2016-08-22 | 一种网络内容的推荐方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610701119.0A CN107766379A (zh) | 2016-08-22 | 2016-08-22 | 一种网络内容的推荐方法和装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN107766379A true CN107766379A (zh) | 2018-03-06 |
Family
ID=61263570
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610701119.0A Pending CN107766379A (zh) | 2016-08-22 | 2016-08-22 | 一种网络内容的推荐方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107766379A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109299351A (zh) * | 2018-09-21 | 2019-02-01 | 北京百度网讯科技有限公司 | 内容推荐方法和装置、电子设备及计算机可读介质 |
| CN111737558A (zh) * | 2020-05-21 | 2020-10-02 | 苏宁金融科技(南京)有限公司 | 一种资讯推荐方法、装置及计算机可读存储介质 |
| CN115631746A (zh) * | 2022-12-20 | 2023-01-20 | 深圳元象信息科技有限公司 | 热词识别方法、装置、计算机设备及存储介质 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101105795A (zh) * | 2006-10-27 | 2008-01-16 | 北京搜神网络技术有限责任公司 | 基于网络行为的个性化推荐方法和*** |
| US20100211576A1 (en) * | 2009-02-18 | 2010-08-19 | Johnson J R | Method And System For Similarity Matching |
| CN102184199A (zh) * | 2011-04-22 | 2011-09-14 | 北京志腾新诺科技有限公司 | 网络信息推荐方法及*** |
| CN104598643A (zh) * | 2015-02-13 | 2015-05-06 | 成都品果科技有限公司 | 一种物品相似度贡献系数、相似度获取方法及物品推荐方法及其*** |
-
2016
- 2016-08-22 CN CN201610701119.0A patent/CN107766379A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101105795A (zh) * | 2006-10-27 | 2008-01-16 | 北京搜神网络技术有限责任公司 | 基于网络行为的个性化推荐方法和*** |
| US20100211576A1 (en) * | 2009-02-18 | 2010-08-19 | Johnson J R | Method And System For Similarity Matching |
| CN102184199A (zh) * | 2011-04-22 | 2011-09-14 | 北京志腾新诺科技有限公司 | 网络信息推荐方法及*** |
| CN104598643A (zh) * | 2015-02-13 | 2015-05-06 | 成都品果科技有限公司 | 一种物品相似度贡献系数、相似度获取方法及物品推荐方法及其*** |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109299351A (zh) * | 2018-09-21 | 2019-02-01 | 北京百度网讯科技有限公司 | 内容推荐方法和装置、电子设备及计算机可读介质 |
| CN109299351B (zh) * | 2018-09-21 | 2022-04-12 | 北京百度网讯科技有限公司 | 内容推荐方法和装置、电子设备及计算机可读介质 |
| CN111737558A (zh) * | 2020-05-21 | 2020-10-02 | 苏宁金融科技(南京)有限公司 | 一种资讯推荐方法、装置及计算机可读存储介质 |
| CN115631746A (zh) * | 2022-12-20 | 2023-01-20 | 深圳元象信息科技有限公司 | 热词识别方法、装置、计算机设备及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103353920B (zh) | 基于社交网络推荐游戏的方法和装置 | |
| TWI542391B (zh) | 推薦方法、裝置及伺服器 | |
| CN102841946B (zh) | 商品数据检索排序及商品推荐方法和*** | |
| CN103916436B (zh) | 信息推送方法、装置、终端及服务器 | |
| CN106682035A (zh) | 一种个性化学习推荐方法及装置 | |
| CN103765421B (zh) | 内容控制方法、内容控制装置以及程序 | |
| KR20090002176A (ko) | 네트워크 상에서 게임 아바타의 랭킹을 제공하는 시스템 및그 방법 | |
| CN107766379A (zh) | 一种网络内容的推荐方法和装置 | |
| CN103761228B (zh) | 应用程序的排名阈值确定方法和排名阈值确定*** | |
| CN103780625B (zh) | 用户兴趣发现方法和装置 | |
| CN107895038A (zh) | 一种链路预测关系推荐方法及装置 | |
| CN103366009B (zh) | 一种基于自适应聚类的图书推荐方法 | |
| CN107679239A (zh) | 一种基于用户行为的个性化社区推荐方法 | |
| CN107402961A (zh) | 一种推荐方法及装置，电子设备 | |
| CN109492153A (zh) | 一种产品推荐方法和装置 | |
| CN107944933A (zh) | 基于用户特征提供会员权益的方法及其*** | |
| CN108926843A (zh) | 一种麻将类游戏中胡牌的控制方法及*** | |
| CN107438083A (zh) | 一种Android环境下钓鱼网站检测方法及其检测*** | |
| CN108280560A (zh) | 一种对象评价防刷方法及装置 | |
| CN114470791A (zh) | 游戏道具推荐方法、装置、计算机设备、存储介质及产品 | |
| CN109064283A (zh) | 商品推荐方法及装置、计算机可读存储介质 | |
| CN104679791A (zh) | 获取数据包的处理方法和装置 | |
| CN110309410A (zh) | 一种资讯推荐方法、平台及计算机可读存储介质 | |
| CN104123321B (zh) | 一种确定推荐图片的方法及装置 | |
| CN107682350A (zh) | 基于网站安全评分的主动防御方法、装置及电子设备 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180306 |