CN108108419B - 一种信息推荐方法、装置、设备和介质 - Google Patents
一种信息推荐方法、装置、设备和介质 Download PDFInfo
- Publication number
- CN108108419B CN108108419B CN201711346196.XA CN201711346196A CN108108419B CN 108108419 B CN108108419 B CN 108108419B CN 201711346196 A CN201711346196 A CN 201711346196A CN 108108419 B CN108108419 B CN 108108419B
- Authority
- CN
- China
- Prior art keywords
- user
- users
- information
- relationship
- weak
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/35—Clustering; Classification
-
- 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)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明实施例公开了一种信息推荐方法、装置、设备和介质,涉及互联网通信技术领域。该方法包括:依据用户的行为数据对用户进行聚类;基于聚类结果和用户之间的关系,根据一类别中一用户的信息,对与该用户通过同一弱关系用户间接关联的,且属于其他类别的用户进行信息的推荐,其中弱关系用户是与属于不同类别的至少两个用户存在关系的用户。本发明实施例提供一种信息推荐方法、装置、设备和介质,对用户进行可能感兴趣的新的兴趣类别内容的推荐。
Description
技术领域
本发明实施例涉及互联网通信技术领域,尤其涉及一种信息推荐方法、装置、设备和介质。
背景技术
目前feed流推荐很火,更好的理解用户需求,给用户推荐更好的信息是feed流展现的关键,其中feed在RSS订阅中,引申为用来接收该信息来源更新的接口。也可以理解为是为满足希望以某种形式持续得到自己更新的需求而提供的格式标准的信息出口。
当前feed流的推荐方法,通常是基于用户历史行为进行推荐,例如,若获取到之前用户对动漫类兴趣内容进行的查看操作,则之后会基于动漫类兴趣内容对用户进行相关信息的推荐。
但是,上述基于用户行为的推荐方法,无法对用户进行可能感兴趣的新的兴趣类别内容的推荐。
发明内容
本发明实施例提供一种信息推荐方法、装置、设备和介质,以对用户进行可能感兴趣的新的兴趣类别内容的推荐。
第一方面,本发明实施例提供了一种信息推荐方法,该方法包括:
依据用户的行为数据对用户进行聚类;
基于聚类结果和用户之间的关系,根据一类别中一用户的信息,对与该用户通过同一弱关系用户间接关联的,且属于其他类别的用户进行信息的推荐,其中弱关系用户是与属于不同类别的至少两个用户存在关系的用户。
进一步地,在基于聚类结果和用户之间的关系,根据一类别中一用户的信息,对与该用户通过同一弱关系用户间接关联的,且属于其他类别的用户进行信息的推荐,其中弱关系用户是与属于不同类别的至少两个用户存在关系的用户之前,还包括:
基于所述行为数据,对每个用户关联至少一个标签;
根据用户关联的至少一个标签之间的相似度,确定用户之间的关系。
进一步地,基于所述行为数据,对每个所述用户关联至少一个标签包括:
根据用户对阅读内容的点读和/或评论操作,将所述阅读内容对应的标签与所述用户关联。
进一步地,依据用户的行为数据对用户进行聚类包括:
根据用户关联的至少一个标签,对所述用户进行聚类;或者
根据用户之间的关系的权重,对所述用户进行聚类。
进一步地,基于聚类结果和用户之间的关系,根据一类别中一用户的信息,对与该用户通过同一弱关系用户间接关联的,且属于其他类别的用户进行信息的推荐,其中弱关系用户是与属于不同类别的至少两个用户存在关系的用户,包括:
若一用户与属于不同类别的至少两个用户存在关系,则将该用户确定为弱关系用户;
将与所述弱关系用户连接的任一用户确定为信息来源用户;
将与所述弱关系用户存在关系的用户中,除所述信息来源用户所属类别用户以外的用户作为待推荐用户;
根据所述信息来源用户的信息,对所述待推荐用户进行信息推荐。
进一步地,所述弱关系用户是与属于不同类别的至少两个用户存在关系,且位于所述不同类别用户所在聚簇的连接边缘的用户。
第二方面,本发明实施例还提供了一种信息推荐装置,该装置包括:
聚类模块,用于依据用户的行为数据对用户进行聚类;
推荐模块,用于基于聚类结果和用户之间的关系,根据一类别中一用户的信息,对与该用户通过同一弱关系用户间接关联的,且属于其他类别的用户进行信息的推荐,其中弱关系用户是与属于不同类别的至少两个用户存在关系的用户。
进一步地,所述信息推荐装置,还包括:
标签确定模块,用于在基于聚类结果和用户之间的关系,根据一类别中一用户的信息,对与该用户通过同一弱关系用户间接关联的,且属于其他类别的用户进行信息的推荐,其中弱关系用户是与属于不同类别的至少两个用户存在关系的用户之前,基于所述行为数据,对每个用户关联至少一个标签;
关系确定模块,用于根据用户关联的至少一个标签之间的相似度,确定用户之间的关系。
进一步地,推荐模块包括:
弱关系确定单元,用于若一用户与属于不同类别的至少两个用户存在关系,则将该用户确定为弱关系用户;
信息确定单元,用于将与所述弱关系用户连接的任一用户确定为信息来源用户;
待推荐确定单元,用于将与所述弱关系用户存在关系的用户中,除所述信息来源用户所属类别用户以外的用户作为待推荐用户;
信息推荐单元,用于根据所述信息来源用户的信息,对所述待推荐用户进行信息推荐。
第三方面,本发明实施例还提供了一种设备,所述设备包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如本发明实施例中任一所述的信息推荐方法。
第四方面,本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如本发明实施中任一所述的信息推荐方法。
本发明实施例基于弱关系用户,将通过弱关系用户间接关联的,且位于多个类别中的用户之间建立弱关系。将弱关系连接的属于一类别的一用户的信息,作为可能感兴趣的信息推荐给,该弱关系连接的属于其他类别的用户。使得用户可以获取可能感兴趣的新的类别的信息。
附图说明
图1为本发明实施例一提供的一种信息推荐方法的流程图;
图2是本发明实施例二提供的一种信息推荐方法的流程图;
图3是本发明实施例二提供的一种多个用户之间的兴趣关系结构图;
图4是本发明实施例三提供的一种信息推荐装置的结构示意图;
图5为本发明实施例四提供的一种设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1为本发明实施例一提供的一种信息推荐方法的流程图。本实施例可适用于对用户进行信息推荐的情况,尤其是基于feed流的推荐中。该方法可以由一种信息推荐装置来执行,该装置可以由软件和/或硬件的方式实现。参见图1,本实施例提供的信息推荐方法包括:
S110、依据用户的行为数据对用户进行聚类。
用户行为数据由推荐内容确定。具体的,若推荐内容是兴趣类相关内容,则用户行为可以是用户对阅读内容的点读操作和/或评论操作;若推荐内容是好友,则用户行为可以是用户好友间的互动记录,例如微信朋友圈中用户对其好友发表内容的阅读、点赞、转载或评论操作;若推荐内容是商品,则用户行为可以是用户的购物记录等。
可选的,可以基于用户行为数据中关键词的词频对用户进行聚类,例如可以根据用户阅读内容中关键词篮球在阅读内容中出现的频率,判断是否将该用户聚类为篮球类别中。其中可以直接将用户行为数据中的词语或短语确定为关键词,将用户行为数据中的句子或篇章进行分词和去除停用词处理,以得到词或短语粒度的关键词。
也可以基于用户行为数据中关键词的相似度对用户进行聚类,例如第一用户的行为数据中关键词包括:篮球、NBA、姚明、科比、娱乐,第二用户的行为数据中关键词包括:篮球、NBA、科比、股市,第三用户的行为数据中关键词包括:娱乐、手工、化妆、美容。因为第一用户与第二用户中行为数据中关键词相同的数量较多,与第三用户中行为数据中关键词相同的数量较少,所以将第一用户和第二用户聚为一类。
S120、基于聚类结果和用户之间的关系,根据一类别中一用户的信息,对与该用户通过同一弱关系用户间接关联的,且属于其他类别的用户进行信息的推荐。
其中,弱关系用户是与属于不同类别的至少两个用户存在关系的用户。
具体的,若第四用户与第五用户连接,第五用户与第六用户连接,且第四用户属于聚类结果中的第一类,第六用户属于聚类结果中的第二类,则第五用户为弱关系用户,第四用户与第六用户存在弱关系。将根据第四用户的行为数据的关键词,对第六用户进行信息推荐;或根据第六用户的行为数据的关键词,对第四用户进行信息推荐;或将第四用户作为可能存在的好友关系推荐给第六用户;或将第六用户作为可能存在的好友关系推荐给第四用户。
可选的,上述描述了弱关系用户连接有两用户的情况。接下来以弱关系用户连接有三个用户的情况,对弱关系用户连接有多个用户的情况进行说明。若第四用户、第五用户、第六用户均与第七用户连接,第四用户和第五用户属于第一类,第六用户属于第二类,则将第七用户确定为弱关系用户,第四用户与第六用户之间存在弱关系,第五用户与第六用户也存在弱关系;根据第六用户的信息对第四用户和第五用户进行信息的推荐;或根据第四用户的信息对第六用户进行推荐;或根据第五用户的信息对第六用户进行推荐。
可以理解的是,存在弱关系的用户之间存在一定相似性,这种相似性导致其对同一信息感兴趣的可能性较大。基于这种微妙的关系,根据其中一方对另一方进行信息推荐,可以达到提高推荐的准确率的效果。
其中,推荐的内容可以是基于兴趣类的推荐,也可以是基于好友关系的推荐,也可以是基于购物类的推荐等,据此本实施例可以应用于多种场景,本实施例对此并不进行限定。
以购物类推荐为例,用户行为数据可以是用户的购物记录,根据购物记录中商品的相似度对用户进行聚类,并建立用户关系;根据聚类结果和用户关系确定弱关系用户,进而确定存在弱关系的两用户;将其中一用户购买的商品推荐给另一用户。
本发明实施例的技术方案,基于弱关系用户,将通过弱关系用户间接关联的位于多个类别中的用户之间建立弱关系。将弱关系连接的属于一类别的一用户的信息,作为可能感兴趣的信息推荐给,该弱关系连接的属于其他类别的用户。使得用户可以获取可能感兴趣的新的类别的信息。
进一步地,在此之前需要建立用户之间的关系,用户之间的关系可以通过对同一内容的转发、阅读或评论确定;也可以由好友关系直接确定。
可选的,用户之间的关系可以根据用户行为数据中关键词的相似度确定。具体的,如果两用户之间存在相同关键词,则为两用户建立关系。关系的权重根据相同关键词的数量确定。
用户之间的关系确定也可以是:
基于所述行为数据,对每个用户关联至少一个标签;
根据用户关联的至少一个标签之间的相似度,确定用户之间的关系。
其中,标签可以直接由用户行为数据中关键词确定,例如将上述关键词在用户行为数据中的词频大于设定词频阈值的关键词作为标签。或将用户阅读内容的所述类别作为标签,例如若阅读内容是体育类别下篮球子类别的内容,则将篮球和/或体育作为该用户关联的标签。此处标签的确定方法还有很多,本实施例对此不进行限定。
进一步地,基于所述行为数据,对每个所述用户关联至少一个标签包括:
根据用户对阅读内容的点读和/或评论操作,将所述阅读内容对应的标签与所述用户关联。
进一步的,依据用户的行为数据对用户进行聚类包括:
根据用户关联的至少一个标签,对所述用户进行聚类;或者
根据用户之间的关系的权重,对所述用户进行聚类。
具体的,基于聚类结果和用户之间的关系,根据一类别中一用户的信息,对与该用户通过同一弱关系用户间接关联的,且属于其他类别的用户进行信息的推荐,其中弱关系用户是与属于不同类别的至少两个用户存在关系的用户,包括:
若一用户与属于不同类别的至少两个用户存在关系,则将该用户确定为弱关系用户;
将与所述弱关系用户连接的任一用户确定为信息来源用户;
将与所述弱关系用户存在关系的用户中,除所述信息来源用户所属类别用户以外的用户作为待推荐用户;
根据所述信息来源用户的信息,对所述待推荐用户进行信息推荐。
需要特别注意的是,如果简单的利用全部的弱关系,将导致弱关系的数量非常大,难以利用。因此,将弱关系用户进一步限定为:所述弱关系用户是与属于不同类别的至少两个用户存在关系的,且位于所述不同类别用户所在聚簇的连接边缘的用户。其中位于所述不同类别所在聚簇的连接边缘表示,该用户存在兴趣度相当的所述不同类别的特征。
为更好的理解聚簇的连接边缘,示例性的,若一个用户的行为数据中篮球的词频远大于乒乓球的词频,则该用户将被聚类至离篮球类所在聚簇中心距离相对较近的位置;如果用户的行为数据中篮球的词频与乒乓球的词频相当,则该用户将被聚类至篮球类所述聚簇和乒乓球类所在聚簇的连接边缘的位置。
对用户是否位于所述不同类别所在聚簇的连接边缘的判断方法可以有多种,例如,若一个用户行为数据关联的多个标签词中存在至少两个标签词的词频位于设定词频范围,则确定该用户位于上述至少两个标签词所属聚簇的连接边缘。
实施例二
图2是本发明实施例二提供的一种信息推荐方法的流程图。本实施例是在上述实施例的基础上,以feed流推荐为典型应用场景的一种可选方案。参见图2,本实施例提供的信息推荐方法包括:
S210、在feed阅读情境下,根据用户对阅读内容的点读和/或评论操作,将所述阅读内容对应的标签与所述用户关联。
具体的,可以根据用户的点读操作和评论操作,计算出用户针对feed分类下的兴趣度,并筛选出用户相对感兴趣的feed分类作为标签与所述用户关联。
S220、根据用户关联的至少一个标签之间的相似度,确定用户之间的关系及关系的权重。
其中,通过用户之间的关系,可以构造出用户的兴趣关系图。
S230、根据用户之间的关系的权重,对所述用户进行聚类。
可选的,可以根据用户的兴趣关系图中兴趣关系的疏密进行聚类,也可以根据兴趣关系的权重进行聚类。
S240、若一用户与属于不同类别的至少两个用户存在关系,且该用户存在兴趣度相当的所述不同类别的特征(也即位于所述不同类别用户所在聚簇的连接边缘),则将该用户确定为弱关系用户。
其中,用户存在兴趣度相当的所述不同类别的特征的限定,使得弱关系用户是能够触达多种feed内容的用户。
S250、将与所述弱关系用户连接的任一用户确定为信息来源用户。
S260、将与所述弱关系用户存在关系的用户中,除所述信息来源用户所属类别用户以外的用户作为待推荐用户。
S270、根据所述信息来源用户的信息,对所述待推荐用户进行信息推荐。
其中,具体的信息推荐的方式和内容并不进行限定。
示例性的,参见图3,A、C、D、E、F和G分别代表不同用户,连线表示用户间存在关系,连线上的数值表示关系的强弱,具体可以根据用户关联的标签之间的相似度大小确定。若关系权重大于50的聚为一类,则A、B和C可以聚为第一类,D、E和G可以聚为第二类。因为F连接有B和E,且B属于第一类,E属于第二类,同时F位于上述两类别的连接边缘,则将F确定为弱关系用户,B和E之间存在弱关系。根据B和E中任一方的信息,可以对其中另一方进行信息的推荐。
其中,F位于上述两类别的连接边缘,表示F具有第一类的第一标签和第二类的第二标签,且第一标签的兴趣度与第二标签的兴趣度相当。具体聚类原则可以根据实际需要进行设定,上述仅为举例,并不起到任何限定作用。
本发明实施例的技术方案,通过将弱关系用户进一步限定为所述弱关系用户是与属于不同类别的至少两个用户存在关系,且位于所述不同类别用户所在聚簇的连接边缘的用户。然后根据该弱关系用户确定存在弱关系的用户,以进行feed流的推荐。因为经过进一步的限定后的弱关系,具有兴趣度相当的所述不同类别的特征,使得其连接的两用户之间的关联程度更强,从而推荐的准确率更高。同时解决了简单的利用全部的弱关系,将导致弱关系的数量非常大,难以利用的问题。
需要说明的是,基于上述实施例的技术教导,本领域技术人员有动机将上述实施方式进行组合,以提高对用户信息推荐的准确率和新的兴趣类别内容的推荐。
实施例三
图4是本发明实施例三提供的一种信息推荐装置的结构示意图。参见图4,本实施例提供的信息推荐装置包括:聚类模块10和推荐模块20。
其中,聚类模块10,用于依据用户的行为数据对用户进行聚类;
推荐模块20,用于基于聚类结果和用户之间的关系,根据一类别中一用户的信息,对与该用户通过同一弱关系用户间接关联的,且属于其他类别的用户进行信息的推荐,其中弱关系用户是与属于不同类别的至少两个用户存在关系的用户。
本发明实施例的技术方案,基于弱关系用户,将通过弱关系用户间接关联的位于多个类别中的用户之间建立弱关系。将弱关系连接的属于一类别的一用户的信息,作为可能感兴趣的信息推荐给,该弱关系连接的属于其他类别的用户。使得用户可以获取可能感兴趣的新的类别的信息。
进一步地,所述信息推荐装置,还包括:标签确定模块和关系确定模块。
其中,标签确定模块,用于在基于聚类结果和用户之间的关系,根据一类别中一用户的信息,对与该用户通过同一弱关系用户间接关联的,且属于其他类别的用户进行信息的推荐,其中弱关系用户是与属于不同类别的至少两个用户存在关系的用户之前,基于所述行为数据,对每个用户关联至少一个标签;
关系确定模块,用于根据用户关联的至少一个标签之间的相似度,确定用户之间的关系。
进一步地,推荐模块20包括:弱关系确定单元、信息确定单元、待推荐确定单元和信息推荐单元。
其中,弱关系确定单元,用于若一用户与属于不同类别的至少两个用户存在关系,则将该用户确定为弱关系用户;
信息确定单元,用于将与所述弱关系用户连接的任一用户确定为信息来源用户;
待推荐确定单元,用于将与所述弱关系用户存在关系的用户中,除所述信息来源用户所属类别用户以外的用户作为待推荐用户;
信息推荐单元,用于根据所述信息来源用户的信息,对所述待推荐用户进行信息推荐。
进一步地,标签确定模块包括:标签确定单元。
其中,标签确定单元,用于根据用户对阅读内容的点读和/或评论操作,将所述阅读内容对应的标签与所述用户关联。
进一步地,聚类模块10具体用于:
根据用户关联的至少一个标签,对所述用户进行聚类;或者
根据用户之间的关系的权重,对所述用户进行聚类。
进一步地,所述弱关系用户是与属于不同类别的至少两个用户存在关系,且位于所述不同类别用户所在聚簇的连接边缘的用户。
实施例四
图5为本发明实施例四提供的一种设备的结构示意图。图5示出了适于用来实现本发明实施方式的示例性设备12的框图。图5显示的设备12仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图5所示,设备12以通用计算设备的形式表现。设备12的组件可以包括但不限于:一个或者多个处理器或者处理单元16,***存储器28,连接不同***组件(包括***存储器28和处理单元16)的总线18。
总线18表示几类总线结构中的一种或多种,包括存储器总线或者存储器控制器,***总线,图形加速端口,处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说,这些体系结构包括但不限于工业标准体系结构(ISA)总线,微通道体系结构(MAC)总线,增强型ISA总线、视频电子标准协会(VESA)局域总线以及***组件互连(PCI)总线。
设备12典型地包括多种计算机***可读介质。这些介质可以是任何能够被设备12访问的可用介质,包括易失性和非易失性介质,可移动的和不可移动的介质。
***存储器28可以包括易失性存储器形式的计算机***可读介质,例如随机存取存储器(RAM)30和/或高速缓存存储器32。设备12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机***存储介质。仅作为举例,存储***34可以用于读写不可移动的、非易失性磁介质(图5未显示,通常称为“硬盘驱动器”)。尽管图5中未示出,可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器,以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下,每个驱动器可以通过一个或者多个数据介质接口与总线18相连。存储器28可以包括至少一个程序产品,该程序产品具有一组(例如至少一个)程序模块,这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块42的程序/实用工具40,可以存储在例如存储器28中,这样的程序模块42包括但不限于操作***、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本发明所描述的实施例中的功能和/或方法。
设备12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信,还可与一个或者多个使得用户能与该设备12交互的设备通信,和/或与使得该设备12能与一个或多个其它计算设备进行通信的任何设备(例如网卡,调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口22进行。并且,设备12还可以通过网络适配器20与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器20通过总线18与设备12的其它模块通信。应当明白,尽管图中未示出,可以结合设备12使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID***、磁带驱动器以及数据备份存储***等。
处理单元16通过运行存储在***存储器28中的程序,从而执行各种功能应用以及数据处理,例如实现本发明实施例所提供的信息推荐方法。
实施例五
本发明实施例五还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如上述实施例中任一所述的信息推荐方法,该方法包括:
依据用户的行为数据对用户进行聚类;
基于聚类结果和用户之间的关系,根据一类别中一用户的信息,对与该用户通过同一弱关系用户间接关联的,且属于其他类别的用户进行信息的推荐,其中弱关系用户是与属于不同类别的至少两个用户存在关系的用户。
本发明实施例的计算机存储介质,可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的***、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行***、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括——但不限于无线、电线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如”C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (10)
1.一种信息推荐方法,其特征在于,包括:
依据用户的行为数据对用户进行聚类;
基于聚类结果和用户之间的关系,根据一类别中一用户的信息,对与该用户通过同一弱关系用户间接关联的,且属于其他类别的用户进行信息的推荐,其中弱关系用户是与属于不同类别的至少两个用户存在关系的用户;
其中,所述弱关系用户是与属于不同类别的至少两个用户存在关系,且位于所述不同类别用户所在聚簇的连接边缘的用户,位于所述不同类别所在聚簇的连接边缘表示,该用户存在兴趣度相当的所述不同类别的特征。
2.根据权利要求1所述的信息推荐方法,其特征在于,在基于聚类结果和用户之间的关系,根据一类别中一用户的信息,对与该用户通过同一弱关系用户间接关联的,且属于其他类别的用户进行信息的推荐,其中弱关系用户是与属于不同类别的至少两个用户存在关系的用户之前,还包括:
基于所述行为数据,对每个用户关联至少一个标签;
根据用户关联的至少一个标签之间的相似度,确定用户之间的关系。
3.根据权利要求2所述的信息推荐方法,其特征在于,基于所述行为数据,对每个所述用户关联至少一个标签包括:
根据用户对阅读内容的点读和/或评论操作,将所述阅读内容对应的标签与所述用户关联。
4.根据权利要求2所述的信息推荐方法,其特征在于,依据用户的行为数据对用户进行聚类包括:
根据用户关联的至少一个标签,对所述用户进行聚类;或者
根据用户之间的关系的权重,对所述用户进行聚类。
5.根据权利要求1所述的信息推荐方法,其特征在于,基于聚类结果和用户之间的关系,根据一类别中一用户的信息,对与该用户通过同一弱关系用户间接关联的,且属于其他类别的用户进行信息的推荐,其中弱关系用户是与属于不同类别的至少两个用户存在关系的用户,包括:
若一用户与属于不同类别的至少两个用户存在关系,则将该用户确定为弱关系用户;
将与所述弱关系用户连接的任一用户确定为信息来源用户;
将与所述弱关系用户存在关系的用户中,除所述信息来源用户所属类别用户以外的用户作为待推荐用户;
根据所述信息来源用户的信息,对所述待推荐用户进行信息推荐。
6.一种信息推荐装置,其特征在于,包括:
聚类模块,用于依据用户的行为数据对用户进行聚类;
推荐模块,用于基于聚类结果和用户之间的关系,根据一类别中一用户的信息,对与该用户通过同一弱关系用户间接关联的,且属于其他类别的用户进行信息的推荐,其中弱关系用户是与属于不同类别的至少两个用户存在关系的用户;
其中,所述弱关系用户是与属于不同类别的至少两个用户存在关系,且位于所述不同类别用户所在聚簇的连接边缘的用户,位于所述不同类别所在聚簇的连接边缘表示,该用户存在兴趣度相当的所述不同类别的特征。
7.根据权利要求6所述的信息推荐装置,其特征在于,还包括:
标签确定模块,用于在基于聚类结果和用户之间的关系,根据一类别中一用户的信息,对与该用户通过同一弱关系用户间接关联的,且属于其他类别的用户进行信息的推荐,其中弱关系用户是与属于不同类别的至少两个用户存在关系的用户之前,基于所述行为数据,对每个用户关联至少一个标签;
关系确定模块,用于根据用户关联的至少一个标签之间的相似度,确定用户之间的关系。
8.根据权利要求6所述的信息推荐装置,其特征在于,推荐模块包括:
弱关系确定单元,用于若一用户与属于不同类别的至少两个用户存在关系,则将该用户确定为弱关系用户;
信息确定单元,用于将与所述弱关系用户连接的任一用户确定为信息来源用户;
待推荐确定单元,用于将与所述弱关系用户存在关系的用户中,除所述信息来源用户所属类别用户以外的用户作为待推荐用户;
信息推荐单元,用于根据所述信息来源用户的信息,对所述待推荐用户进行信息推荐。
9.一种信息推荐设备,其特征在于,所述设备包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-5中任一所述的信息推荐方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-5中任一所述的信息推荐方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711346196.XA CN108108419B (zh) | 2017-12-15 | 2017-12-15 | 一种信息推荐方法、装置、设备和介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711346196.XA CN108108419B (zh) | 2017-12-15 | 2017-12-15 | 一种信息推荐方法、装置、设备和介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108108419A CN108108419A (zh) | 2018-06-01 |
CN108108419B true CN108108419B (zh) | 2021-01-26 |
Family
ID=62216135
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711346196.XA Active CN108108419B (zh) | 2017-12-15 | 2017-12-15 | 一种信息推荐方法、装置、设备和介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108108419B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109862069B (zh) * | 2018-12-13 | 2020-06-09 | 百度在线网络技术(北京)有限公司 | 消息处理方法和装置 |
CN109886300A (zh) * | 2019-01-17 | 2019-06-14 | 北京奇艺世纪科技有限公司 | 一种用户聚类方法、装置及设备 |
CN112711699B (zh) * | 2019-10-24 | 2023-04-07 | 上海哔哩哔哩科技有限公司 | 用户划分方法、***、计算机设备及可读存储介质 |
CN110866183B (zh) * | 2019-11-06 | 2023-06-13 | 北京字节跳动网络技术有限公司 | 一种社交界面的推荐方法、装置、电子设备及存储介质 |
CN112148984B (zh) * | 2020-09-30 | 2023-11-10 | 微梦创科网络科技(中国)有限公司 | 一种捕捉用户即时兴趣的方法及*** |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105335363A (zh) * | 2014-05-28 | 2016-02-17 | 华为技术有限公司 | 一种对象推送方法及*** |
CN106228371A (zh) * | 2016-07-18 | 2016-12-14 | 南京坦道信息科技有限公司 | 一种基于交往频度和交往指数的超大规模用户的社交网络分析及家庭关系识别算法 |
CN107220328A (zh) * | 2017-05-23 | 2017-09-29 | 南京大学 | 基于社交网络的弱关系和强关系的视频推荐方法 |
CN107220902A (zh) * | 2017-06-12 | 2017-09-29 | 东莞理工学院 | 在线社会网络的级联规模预测方法 |
CN107301181A (zh) * | 2016-04-14 | 2017-10-27 | 腾讯科技(深圳)有限公司 | 账号推荐方法及装置 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160163223A1 (en) * | 2014-11-20 | 2016-06-09 | Dharma Systems Inc. | System and method to enable pursuit of happiness |
WO2016165058A1 (en) * | 2015-04-13 | 2016-10-20 | Hewlett-Packard Development Company,L.P. | Social prediction |
CN106168953B (zh) * | 2016-06-02 | 2019-12-20 | 中国人民解放军国防科学技术大学 | 面向弱关系社交网络的博文推荐方法 |
CN107180073B (zh) * | 2017-03-31 | 2021-03-19 | 百度在线网络技术(北京)有限公司 | Poi推荐方法、装置、设备及计算机可读存储介质 |
-
2017
- 2017-12-15 CN CN201711346196.XA patent/CN108108419B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105335363A (zh) * | 2014-05-28 | 2016-02-17 | 华为技术有限公司 | 一种对象推送方法及*** |
CN107301181A (zh) * | 2016-04-14 | 2017-10-27 | 腾讯科技(深圳)有限公司 | 账号推荐方法及装置 |
CN106228371A (zh) * | 2016-07-18 | 2016-12-14 | 南京坦道信息科技有限公司 | 一种基于交往频度和交往指数的超大规模用户的社交网络分析及家庭关系识别算法 |
CN107220328A (zh) * | 2017-05-23 | 2017-09-29 | 南京大学 | 基于社交网络的弱关系和强关系的视频推荐方法 |
CN107220902A (zh) * | 2017-06-12 | 2017-09-29 | 东莞理工学院 | 在线社会网络的级联规模预测方法 |
Non-Patent Citations (2)
Title |
---|
Exploiting Fine-Grained Co-Authorship for Personalized Citation Recommendation;LANTIAN GUO 等;《IEEE Access》;20170630;第5卷;12714-12725页 * |
基于用户聚类的异构社交网络推荐算法;陈克寒 等;《计算机学报》;20130228;第36卷(第2期);349-359页 * |
Also Published As
Publication number | Publication date |
---|---|
CN108108419A (zh) | 2018-06-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108108419B (zh) | 一种信息推荐方法、装置、设备和介质 | |
US20200334676A1 (en) | Information recommendation method and apparatus, and medium | |
US11381861B2 (en) | Method and device for pushing a barrage, and electronic device | |
CN107292365B (zh) | 商品标签的绑定方法、装置、设备及计算机可读存储介质 | |
CN109299316B (zh) | 音乐推荐方法、装置和计算机设备 | |
CN108573393B (zh) | 评论信息处理方法、装置、服务器及存储介质 | |
US20130124191A1 (en) | Microblog summarization | |
CN108920649B (zh) | 一种信息推荐方法、装置、设备和介质 | |
US20150339616A1 (en) | System for real-time suggestion of a subject matter expert in an authoring environment | |
CN108845806B (zh) | 小程序分发方法、装置、服务器和存储介质 | |
US20140095345A1 (en) | Data analysis method and system thereof | |
US10956470B2 (en) | Facet-based query refinement based on multiple query interpretations | |
US20140324965A1 (en) | Recommending media items based on purchase history | |
US20180012237A1 (en) | Inferring user demographics through categorization of social media data | |
CN111400600A (zh) | 一种消息推送方法、装置、设备和存储介质 | |
WO2020151548A1 (zh) | 关注页面的排序方法及装置 | |
CN111179007A (zh) | 展示信息的处理方法及装置、电子设备 | |
CN112989050A (zh) | 一种表格分类方法、装置、设备及存储介质 | |
CN110377891B (zh) | 事件分析文章的生成方法、装置、设备及计算机可读存储介质 | |
US11222143B2 (en) | Certified information verification services | |
CN115017385A (zh) | 一种物品搜索方法、装置、设备和存储介质 | |
US11120204B2 (en) | Comment-based article augmentation | |
CN114155051A (zh) | 一种物品展示方法、装置、电子设备和存储介质 | |
CN111694951A (zh) | 兴趣主题生成方法、装置、设备及存储介质 | |
CN112131484A (zh) | 一种多人会话建立方法、装置、设备和存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |