基于用戶之間相似度進行信息推送的方法及裝置的制造方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及互聯(lián)網(wǎng)技術(shù)領(lǐng)域，尤其涉及一種基于用戶之間相似度進行信息推送的 方法及裝置。
【背景技術(shù)】
[0002] 在互聯(lián)網(wǎng)技術(shù)中，網(wǎng)站經(jīng)常需要向用戶推薦各種產(chǎn)品信息，例如電子商務(wù)網(wǎng)站在 網(wǎng)頁上向用戶推薦用戶可能感興趣的產(chǎn)品等。通過這種推薦的方式，來縮短用戶尋找所需 要產(chǎn)品的路徑，提升用戶體驗。
[0003] 目前電子商務(wù)推薦系統(tǒng)中多采用基于用戶的協(xié)同過濾推薦算法來向用戶推薦產(chǎn) 品信息。該算法通過分析不同用戶對同一個產(chǎn)品的評分來評測用戶之間的相似性，基于用 戶之間的相似性做出推薦。在用戶數(shù)遠遠大于產(chǎn)品數(shù)大的情況下，基于該算法的推薦方式 可以產(chǎn)生不錯的推薦效果。然而現(xiàn)在的電子商務(wù)網(wǎng)站例如淘寶網(wǎng)，不僅每天訪問的用戶數(shù) 非常大，產(chǎn)品數(shù)也非常大，用戶到產(chǎn)品上的行為是非常稀疏的。每天有大量沒有建立直接關(guān) 系的用戶在電子商務(wù)網(wǎng)站（例如淘寶網(wǎng)）上產(chǎn)生點擊、收藏、購買等行為，他們有著不同的 年齡、性別、地域等特征，也可能互相都不認識，但是他們有可能和其中的某些用戶的購物 習(xí)慣和購物行為有著驚人的相似。此外，雖然現(xiàn)在的產(chǎn)品數(shù)非常大，但是有很多產(chǎn)品實際上 是非常相似的。
[0004] 目前，基于用戶（user base)的協(xié)同過濾推薦算法來向用戶推薦產(chǎn)品信息的方式， 即使有兩個用戶購買了兩個非常相似的產(chǎn)品，這兩個用戶的相似度貢獻也是零。也就是說， 這兩個用戶無法建立相似性關(guān)系。由此，可以看出，傳統(tǒng)的基于用戶的協(xié)同過濾算法能夠覆 蓋到的相似用戶是非常有限的，用戶相似性的計算不夠準確，因而，無法有效地向用戶推薦 產(chǎn)品。

【發(fā)明內(nèi)容】

[0005] 本發(fā)明旨在至少在一定程度上解決相關(guān)技術(shù)中的技術(shù)問題之一。
[0006] 為此，本發(fā)明的第一個目的在于提出一種基于用戶之間相似度進行信息推送的方 法，該方法可以覆蓋更多的相似用戶，為用戶提供更多的業(yè)務(wù)對象推薦信息，方便用戶根據(jù) 業(yè)務(wù)對象推薦信息查看相關(guān)的業(yè)務(wù)對象。
[0007] 本發(fā)明的第二個目的在于提出一種基于用戶之間相似度進行信息推送的裝置。
[0008] 為達上述目的，本發(fā)明第一方面實施例提出了一種基于用戶之間相似度進行信息 推送的方法，包括：獲得多個用戶的歷史操作信息，對所述歷史操作信息中包含的業(yè)務(wù)對象 進行聚類處理，獲得業(yè)務(wù)對象集合；根據(jù)用戶對業(yè)務(wù)對象集合中的業(yè)務(wù)對象的操作信息，獲 得不同用戶對不同業(yè)務(wù)對象集合的關(guān)注度；根據(jù)所述不同用戶對不同業(yè)務(wù)對象集合的關(guān)注 度，計算用戶之間的相似度；接收當前用戶的登錄請求，并獲取所述當前用戶的屬性信息； 根據(jù)所述當前用戶的屬性信息和用戶之間的相似度，獲得所述當前用戶對應(yīng)的相似用戶； 以及根據(jù)所述當前用戶對應(yīng)的相似用戶的歷史操作信息向所述當前用戶推薦對應(yīng)的業(yè)務(wù) 對象。
[0009] 本發(fā)明實施例的基于用戶之間相似度進行信息推送的方法，獲得多個用戶的歷史 操作信息，并根據(jù)歷史操作信息獲得業(yè)務(wù)對象集合，根據(jù)業(yè)務(wù)對象集合獲得不同用戶對不 同業(yè)務(wù)對象集合的關(guān)注度，計算用戶之間的相似度，接收當前用戶的登錄請求，獲得當前用 戶的屬性信息，并根據(jù)屬性信息獲得當前用戶對應(yīng)的相似用戶，以及根據(jù)相似用戶的歷史 操作信息向當前用戶推薦對應(yīng)的業(yè)務(wù)對象，由此，可以覆蓋更多的相似用戶，為用戶提供更 多的業(yè)務(wù)對象推薦信息，提高了業(yè)務(wù)對象推薦信息的精度，方便了用戶根據(jù)業(yè)務(wù)對象推薦 信息查看相關(guān)的業(yè)務(wù)對象。
[0010] 為達上述目的，本發(fā)明第二方面實施例提出了一種基于用戶之間相似度進行信息 推送的裝置，包括：第一處理模塊，用于獲得多個用戶的歷史操作信息，對所述歷史操作信 息中包含的業(yè)務(wù)對象進行聚類處理，獲得業(yè)務(wù)對象集合；第二處理模塊，用于根據(jù)用戶對業(yè) 務(wù)對象集合中的業(yè)務(wù)對象的操作信息，獲得不同用戶對不同業(yè)務(wù)對象集合的關(guān)注度；以及 計算模塊，用于根據(jù)所述不同用戶對不同業(yè)務(wù)對象集合的關(guān)注度，計算用戶之間的相似度； 接收模塊，用于在所述計算模塊計算用戶之間的相似度之后，接收當前用戶的登錄請求，并 獲取所述當前用戶的屬性信息；獲得模塊，用于根據(jù)所述當前用戶的屬性信息和用戶之間 的相似度，獲得所述當前用戶對應(yīng)的相似用戶；以及推薦模塊，用于根據(jù)所述當前用戶對應(yīng) 的相似用戶的歷史操作信息向所述當前用戶推薦對應(yīng)的業(yè)務(wù)對象。
[0011] 本發(fā)明實施例的基于用戶之間相似度進行信息推送的裝置，通過第一處理模塊獲 得多個用戶的歷史操作信息，對歷史操作信息中包含的業(yè)務(wù)對象進行聚類處理，獲得業(yè)務(wù) 對象集合，并通過第二處理模塊根據(jù)業(yè)務(wù)對象集合獲得不同用戶對不同業(yè)務(wù)對象集合的關(guān) 注度，以及通過計算模塊根據(jù)不同用戶對不同業(yè)務(wù)對象集合的關(guān)注度計算用戶之間的相似 度，通過接收模塊接收當前用戶的登錄請求，獲得當前用戶的屬性信息，并通過獲取模塊根 據(jù)屬性信息獲得當前用戶對應(yīng)的相似用戶，以及通過推薦模塊根據(jù)相似用戶的歷史操作信 息向當前用戶推薦對應(yīng)的業(yè)務(wù)對象，由此，可以為用戶提供更多的業(yè)務(wù)對象推薦信息，提供 了業(yè)務(wù)對象推薦信息的精度，方便了用戶根據(jù)業(yè)務(wù)對象推薦信息查看相關(guān)的業(yè)務(wù)對象，提 1? 了用戶的體驗。
【附圖說明】
[0012] 本發(fā)明上述的和/或附加的方面和優(yōu)點從下面結(jié)合附圖對實施例的描述中將變 得明顯和容易理解，其中，
[0013] 圖1是根據(jù)本發(fā)明一個實施例的計算用戶之間的相似度的方法的流程圖；
[0014] 圖2是根據(jù)本發(fā)明另一個實施例的計算用戶之間的相似度的方法的流程圖；
[0015] 圖3是根據(jù)本發(fā)明又一個實施例的計算用戶之間的相似度的方法的流程圖；
[0016] 圖4是根據(jù)本發(fā)明一個實施例的基于用戶之間相似度進行信息推送的方法的流 程圖；以及
[0017] 圖5是根據(jù)本發(fā)明一個實施例的基于用戶之間相似度進行信息推送的裝置的結(jié) 構(gòu)示意圖。
【具體實施方式】
[0018] 下面詳細描述本發(fā)明的實施例，所述實施例的示例在附圖中示出，其中自始至終 相同或類似的標號表示相同或類似的元件或具有相同或類似功能的元件。下面通過參考附 圖描述的實施例是示例性的，旨在用于解釋本發(fā)明，而不能理解為對本發(fā)明的限制。
[0019] 在本發(fā)明的描述中，需要理解的是，術(shù)語"第一"、"第二"等僅用于描述目的，而不 能理解為指示或暗示相對重要性。在本發(fā)明的描述中，需要說明的是，除非另有明確的規(guī)定 和限定，術(shù)語"相連"、"連接"應(yīng)做廣義理解，例如，可以是固定連接，也可以是可拆卸連接， 或一體地連接；可以是機械連接，也可以是電連接；可以是直接相連，也可以通過中間媒介 間接相連。對于本領(lǐng)域的普通技術(shù)人員而言，可以具體情況理解上述術(shù)語在本發(fā)明中的具 體含義。此外，在本發(fā)明的描述中，除非另有說明，"多個"的含義是兩個或兩個以上。
[0020] 流程圖中或在此以其他方式描述的任何過程或方法描述可以被理解為，表示包括 一個或更多個用于實現(xiàn)特定邏輯功能或過程的步驟的可執(zhí)行指令的代碼的模塊、片段或部 分，并且本發(fā)明的優(yōu)選實施方式的范圍包括另外的實現(xiàn)，其中可以不按所示出或討論的順 序，包括根據(jù)所涉及的功能按基本同時的方式或按相反的順序，來執(zhí)行功能，這應(yīng)被本發(fā)明 的實施例所屬技術(shù)領(lǐng)域的技術(shù)人員所理解。
[0021] 下面參考附圖描述本發(fā)明實施例的基于用戶之間相似度進行信息推送的方法及 裝置。
[0022] 圖1是根據(jù)本發(fā)明一個實施例的獲取用戶之間相似度的方法的流程圖。如圖1所 示，該獲取用戶之間相似度的方法包括：
[0023] S101，獲得多個用戶的歷史操作信息，對歷史操作信息中包含的業(yè)務(wù)對象進行聚 類處理，獲得業(yè)務(wù)對象集合。
[0024] 其中，上述業(yè)務(wù)對象可以包括但不限于商品信息、內(nèi)容數(shù)據(jù)和社交網(wǎng)絡(luò)信息；具體 地，內(nèi)容數(shù)據(jù)可以為音視頻內(nèi)容，社交網(wǎng)絡(luò)信息可以為社交網(wǎng)絡(luò)中的用戶信息，也可以為用 戶發(fā)布或者關(guān)注的帖子等。
[0025] 具體地，可獲得預(yù)定時間段內(nèi)多個用戶的歷史操作信息，使用降維算法對歷史操 作信息中包含的業(yè)務(wù)對象進行降維處理，并根據(jù)預(yù)設(shè)維數(shù)的向量表示每個業(yè)務(wù)對象；以及 使用聚類算法對表示業(yè)務(wù)對象的向量進行聚類處理，獲得業(yè)務(wù)對象集合，即業(yè)務(wù)對象簇。
[0026] 其中，歷史操作信息是指用戶在登錄后，操作業(yè)務(wù)對象所產(chǎn)生的信息。例如，用戶 在登錄電子商務(wù)網(wǎng)站之后進行點擊、收藏或者購買商品所產(chǎn)生的數(shù)據(jù)信息。降維算法可包 括但不限于：單詞轉(zhuǎn)換成向量算法、概率潛在語義分析（PLSA)算法和主成分分析（PCA)算 法，聚類算法可包括但不限于：硬聚類（K-means)算法和譜聚類算法。
[0027] 具體而言，可獲取預(yù)設(shè)時間段內(nèi)多個用戶的歷史操作信息，例如，在預(yù)設(shè)時間段內(nèi) 獲得多個登錄用戶在電子商務(wù)網(wǎng)站上所點擊、購買、收藏商品的數(shù)據(jù)信息。其中，預(yù)設(shè)時間 段可以是系統(tǒng)中默認的，還可以是管理員根據(jù)不同的