信息推荐方法、装置、存储介质及处理器制造方法及图纸

本发明专利技术公开了一种信息推荐方法、装置、存储介质及处理器。其中，该方法包括：采集用户在访问目标网站时所产生的行为数据和目标网站的第一属性数据，其中，行为数据包括第一当前行为数据和第一历史行为数据；对第一历史行为数据和第一属性数据分别进行处理得到第二历史行为数据和第二属性数据，进而根据第二历史行为数据和第二属性数据生成用户信息数据库，其中，用户信息数据库中包含多个数据样本；根据数据样本对预设信息推荐模型进行训练，得到第一信息推荐模型；根据第一信息推荐模型对第一当前行为数据进行处理，从而生成目标网站的推荐信息。本发明专利技术解决了现有技术中存在的网络信息推荐准确度和效率较低的技术问题。

Information recommendation method, apparatus, storage medium, and processor

The invention discloses an information recommendation method, a device, a storage medium and a processor. Among them, the method includes: a first attribute data collection user generated in the target web site access behavior data and the target site of the behavioral data includes a first current data and history data of the first; the first historical data and the attribute data are first processed by second history data and second attribute data, and according to the second history data and second attribute data to generate user information database, the user information database contains multiple data sample; according to the sample data of the preset information recommendation model for training, get the first information recommendation model; information recommendation model based on the first processing of the first current data, thereby generating the recommended information of the target site. The invention solves the technical problems of low accuracy and low efficiency of network information recommendation in the prior art.

【技术实现步骤摘要】
信息推荐方法、装置、存储介质及处理器
本专利技术涉及互联网领域，具体而言，涉及一种信息推荐方法、装置、存储介质及处理器。
技术介绍
随着大数据时代的来临，网络中的信息量呈现指数式增长，随之带来了信息过载的问题。智能推荐系统是解决信息过载最有效的方式之一，基于大数据的推荐系统通过采集用户的行为信息，分析研究海量数据并从中挖掘有用的信息，进而得出用户的兴趣偏好并向用户推送与其兴趣偏好相关联的信息。智能推荐系统已经逐渐成为信息领域的研究热点之一。在智能推荐系统中，推荐数据的有效性、准确性、实时性是系统性能的重要指标。现有的智能推荐系统所采用的方案主要分为以下三类：一、基于群体的推荐，采用协同过滤技术，收集用户的信息和与用户有相似行为的群体的信息，根据相应的群体信息实现单个用户的推荐。二、基于内容的推荐，收集用户的信息和商品的显性相关属性信息，为用户推荐其购买过或浏览过的商品相似的产品。三、混合方案，收集多方数据，结合基于群体的推荐、基于内容的推荐等多种机制，采用多种技术进行共同推荐。其中，基于群体的推荐机制解释性差，且面临着数据稀疏问题，而基于内容的推荐机制其性能受到产品显性属性的限制，对于属性标签不完整或缺乏的情况无法进行有效推荐。此外，上述三种方案中的推荐算法均存在冷启动问题，对于没有购买行为的新用户推荐结果精度很低。综上，现有技术中存在网络信息推荐准确度和效率较低的技术问题。针对上述的问题，目前尚未提出有效的解决方案。
技术实现思路
本专利技术实施例提供了一种信息推荐方法、装置、存储介质及处理器，以至少解决现有技术中存在的网络信息推荐准确度和效率较低的技术问题。根据本专利技术实施例的一个方面，提供了一种信息推荐方法，该方法包括：采集用户在访问目标网站时所产生的行为数据和上述目标网站的第一属性数据，其中，上述行为数据包括第一当前行为数据和第一历史行为数据；对上述第一历史行为数据和上述第一属性数据分别进行处理得到第二历史行为数据和第二属性数据，进而根据上述第二历史行为数据和上述第二属性数据生成用户信息数据库，其中，上述用户信息数据库中包含多个数据样本；根据上述数据样本对预设信息推荐模型进行训练，得到第一信息推荐模型，其中，上述第一信息推荐模型为收敛后的上述预设信息推荐模型；根据上述第一信息推荐模型对上述第一当前行为数据进行处理，从而生成上述目标网站的推荐信息。进一步地，上述对上述第一历史行为数据和上述第一属性数据进行处理得到第二历史行为数据和第二属性数据包括：对上述第一历史行为数据和上述第一属性数据进行数据清洗，得到第三历史行为数据和第三属性数据；对上述第三历史行为数据和上述第三属性数据进行数据预处理，得到上述第二历史行为数据和上述第二属性数据，其中，上述数据预处理的方式至少包括下述之一：数据抽取、数据转换和数据加载。进一步地，上述根据上述数据样本对预设信息推荐模型进行训练，得到第一信息推荐模型包括：根据预设训练算法对上述数据样本进行处理，得到用户特征向量，其中，上述预设训练算法至少包括下述之一：基于矩阵分解的协同过滤算法、数据并行算法和模型并行算法；根据上述用户特征向量得到上述第一信息推荐模型。进一步地，上述方法还包括：对上述第一当前行为数据进行处理，得到第二当前行为数据；根据上述第二当前行为数据更新上述用户信息数据库；根据更新后的上述用户信息数据库中包含的上述数据样本对上述第一信息推荐模型进行训练，得到第二信息推荐模型，其中，上述第二信息推荐模型为收敛后的上述第一信息推荐模型。进一步地，在上述根据上述数据样本对预设信息推荐模型进行训练之前，上述方法还包括：对上述预设信息推荐模型的模型参数进行初始化处理。根据本专利技术实施例的另一方面，还提供了一种信息推荐装置，该装置包括：采集单元，用于采集用户在访问目标网站时所产生的行为数据和上述目标网站的第一属性数据，其中，上述行为数据包括第一当前行为数据和第一历史行为数据；第一处理单元，用于对上述第一历史行为数据和上述第一属性数据分别进行处理得到第二历史行为数据和第二属性数据，进而根据上述第二历史行为数据和上述第二属性数据生成用户信息数据库，其中，上述用户信息数据库中包含多个数据样本；第二处理单元，用于根据上述数据样本对预设信息推荐模型进行训练，得到第一信息推荐模型，其中，上述第一信息推荐模型为收敛后的上述预设信息推荐模型；第三处理单元，用于根据上述第一信息推荐模型对上述第一当前行为数据进行处理，从而生成上述目标网站的推荐信息。进一步地，上述第一处理单元包括：第一处理子单元，用于对上述第一历史行为数据和上述第一属性数据进行数据清洗，得到第三历史行为数据和第三属性数据；第二处理子单元，用于对上述第三历史行为数据和上述第三属性数据进行数据预处理，得到上述第二历史行为数据和上述第二属性数据，其中，上述数据预处理的方式至少包括下述之一：数据抽取、数据转换和数据加载。进一步地，上述第二处理单元包括：第三处理子单元，用于根据预设训练算法对上述数据样本进行处理，得到用户特征向量，其中，上述预设训练算法至少包括下述之一：基于矩阵分解的协同过滤算法、数据并行算法和模型并行算法；获取子单元，用于根据上述用户特征向量得到上述第一信息推荐模型。根据本专利技术实施例的又一方面，还提供了一种存储介质，上述存储介质包括存储的程序，其中，在上述程序运行时控制上述存储介质所在设备执行上述的信息推荐方法。根据本专利技术实施例的又一方面，还提供了一种处理器，上述处理器用于运行程序，其中，上述程序运行时执行上述的信息推荐方法。在本专利技术实施例中，采用采集用户在访问目标网站时所产生的行为数据和目标网站的第一属性数据的方式，其中，行为数据包括第一当前行为数据和第一历史行为数据，通过对第一历史行为数据和第一属性数据分别进行处理得到第二历史行为数据和第二属性数据，进而根据第二历史行为数据和第二属性数据生成用户信息数据库，其中，用户信息数据库中包含多个数据样本，进而根据数据样本对预设信息推荐模型进行训练，得到第一信息推荐模型，其中，第一信息推荐模型为收敛后的预设信息推荐模型，达到了根据第一信息推荐模型对第一当前行为数据进行处理从而生成目标网站的推荐信息的目的，从而实现了提高网络信息推荐的准确度和效率、提升用户体验的技术效果，进而解决了现有技术中存在的网络信息推荐准确度和效率较低的技术问题。附图说明此处所说明的附图用来提供对本专利技术的进一步理解，构成本申请的一部分，本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定。在附图中：图1是根据本专利技术实施例的一种可选的信息推荐方法的流程示意图；图2是根据本专利技术实施例的另一种可选的信息推荐方法的流程示意图；图3是根据本专利技术实施例的又一种可选的信息推荐方法的流程示意图；图4是根据本专利技术实施例的又一种可选的信息推荐方法的流程示意图；图5是根据本专利技术实施例的一种可选的信息推荐装置的结构示意图。具体实施方式为了使本
的人员更好地理解本专利技术方案，下面将结合本专利技术实施例中的附图，对本专利技术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专利技术一部分的实施例，而不是全部的实施例。基于本专利技术中的实施例，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本文档来自技高网...

【技术保护点】
一种信息推荐方法，其特征在于，包括：采集用户在访问目标网站时所产生的行为数据和所述目标网站的第一属性数据，其中，所述行为数据包括第一当前行为数据和第一历史行为数据；对所述第一历史行为数据和所述第一属性数据分别进行处理得到第二历史行为数据和第二属性数据，进而根据所述第二历史行为数据和所述第二属性数据生成用户信息数据库，其中，所述用户信息数据库中包含多个数据样本；根据所述数据样本对预设信息推荐模型进行训练，得到第一信息推荐模型，其中，所述第一信息推荐模型为收敛后的所述预设信息推荐模型；根据所述第一信息推荐模型对所述第一当前行为数据进行处理，从而生成所述目标网站的推荐信息。

【技术特征摘要】
1.一种信息推荐方法，其特征在于，包括：采集用户在访问目标网站时所产生的行为数据和所述目标网站的第一属性数据，其中，所述行为数据包括第一当前行为数据和第一历史行为数据；对所述第一历史行为数据和所述第一属性数据分别进行处理得到第二历史行为数据和第二属性数据，进而根据所述第二历史行为数据和所述第二属性数据生成用户信息数据库，其中，所述用户信息数据库中包含多个数据样本；根据所述数据样本对预设信息推荐模型进行训练，得到第一信息推荐模型，其中，所述第一信息推荐模型为收敛后的所述预设信息推荐模型；根据所述第一信息推荐模型对所述第一当前行为数据进行处理，从而生成所述目标网站的推荐信息。2.根据权利要求1所述的方法，其特征在于，所述对所述第一历史行为数据和所述第一属性数据进行处理得到第二历史行为数据和第二属性数据包括：对所述第一历史行为数据和所述第一属性数据进行数据清洗，得到第三历史行为数据和第三属性数据；对所述第三历史行为数据和所述第三属性数据进行数据预处理，得到所述第二历史行为数据和所述第二属性数据，其中，所述数据预处理的方式至少包括下述之一：数据抽取、数据转换和数据加载。3.根据权利要求1所述的方法，其特征在于，所述根据所述数据样本对预设信息推荐模型进行训练，得到第一信息推荐模型包括：根据预设训练算法对所述数据样本进行处理，得到用户特征向量，其中，所述预设训练算法至少包括下述之一：基于矩阵分解的协同过滤算法、数据并行算法和模型并行算法；根据所述用户特征向量得到所述第一信息推荐模型。4.根据权利要求1所述的方法，其特征在于，所述方法还包括：对所述第一当前行为数据进行处理，得到第二当前行为数据；根据所述第二当前行为数据更新所述用户信息数据库；根据更新后的所述用户信息数据库中包含的所述数据样本对所述第一信息推荐模型进行训练，得到第二信息推荐模型，其中，所述第二信息推荐模型为收敛后的所述第一信息推荐模型。5.根据权利要求1所述的方法，其特征在于，在所述根据所述数据样本对预设信息...

【专利技术属性】
技术研发人员：王志鹏，周文明，唐海波，
申请(专利权)人：珠海习悦信息技术有限公司，
类型：发明
国别省市：广东,44