信息推荐方法和系统技术方案

本发明专利技术公开了一种信息推荐方法，该方法包括终端采集用户的操作数据发送给服务器，服务器根据预置时长内的操作数据，得到用户的行为特征，服务器实时构建与行为特征对应的各应用场景的实时推荐模型，并向终端发送实时推荐模型，当满足触发条件时，终端调用与当前应用场景的特征相匹配的实时推荐模型，得到推荐信息并展示推荐信息。本发明专利技术还公开了一种信息推荐系统，可提高推荐准确度，可实现基于用户个人的推荐。

Information recommendation method and system

The invention discloses an information recommendation method, which includes terminal collecting user's operation data and sending it to server. Server obtains user's behavior characteristics according to operation data in preset time. Server builds real-time recommendation model of each application scenario corresponding to behavior characteristics in real time, and sends real-time recommendation to terminal. When the trigger condition is satisfied, the terminal calls the real-time recommendation model matching the features of the current application scenario to get the recommendation information and display the recommendation information. The invention also discloses an information recommendation system, which can improve the accuracy of recommendation and realize recommendation based on users'individual.

【技术实现步骤摘要】
信息推荐方法和系统
本专利技术属于终端
，尤其涉及一种信息推荐方法和系统。
技术介绍
随着大数据时代来临，各大应用商店或应用市场都陆续引入基于大数据的个性化推荐算法来提升用户体验。但由于技术和成本限制，这些方案大都利用的是离线挖掘算法生成的用户画像属性进行推荐，例如根据用户的性别、年龄、学历、职业、收入等特点，向用户推荐应用。上述现有技术的缺陷是用户画像数据基本都是按天级时间粒度更新，仅能够反映用户的长期兴趣，而用户大量的信息需求却具有即时的、短暂的、快速变化的特征，造成推荐不准确；受限于用户隐私保护和某些属性数据本身收集困难等因素的影响，数据的准确率和覆盖率都很难提升，造成推荐不准确；只能细化到对一类人的推荐，不能精确到针对个人的推荐，推荐个性化效果差；因为无法新用户未产生历史数据，推荐不适用新用户群体，适用性不足。
技术实现思路
本专利技术实施例提供一种信息推荐方法和系统，可以解决人工线上巡检应用内容，导致的发现有问题的应用内容时间太长，以及应用下载量低、活跃度低的问题。本专利技术实施例提供的一种信息推荐方法，包括：终端采集用户的操作数据发送给服务器；所述服务器根据预置时长内的所述操作数据，得到所述用户的行为特征；所述服务器实时构建与所述行为特征对应的各应用场景的实时推荐模型，并向所述终端发送所述实时推荐模型；当满足触发条件时，所述终端调用与当前应用场景的特征相匹配的实时推荐模型，得到推荐信息并展示所述推荐信息。本专利技术实施例提供的一种信息推荐系统，包括：终端和服务器；所述终端，用于采集用户的操作数据发送给所述服务器；所述服务器，用于根据预置时长内的所述操作数据，得到所述用户的行为特征；所述服务器，用于实时构建与所述行为特征对应的各应用场景的实时推荐模型，并向所述终端发送所述实时推荐模型；所述终端，用于当满足触发条件时，调用与当前应用场景的特征相匹配的实时推荐模型，得到推荐信息并展示所述推荐信息。从上述本专利技术实施例可知，终端通过客户端实时采集用户的操作数据，并将该操作数据发送给服务器，该服务器根据预置时长内的该操作数据，得到该用户的行为特征，该服务器构建与该行为特征对应的各应用场景的实时推荐模型，并向该终端发送该实时推荐模型，当满足触发条件时，该终端调用与当前应用场景的特征相匹配的实时推荐模型，得到推荐信息并展示该推荐信息，可实现针对用户个人的信息推荐，提高客户体验，提高信息推荐效率，推荐模型多样化且可组合，适合应用到不同的推荐应用场景，可循环获取用户的操作数据，不断实现推荐模型的更新，实现信息推荐的自我完善。附图说明为了更清楚地说明本专利技术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简单地介绍。图1为本专利技术实施例中提供的信息推荐方法的应用场景示意图；图2为本专利技术第一实施例提供的信息推荐方法的流程示意图；图3为本专利技术第二实施例提供的信息推荐方法的流程示意图；图4(a)、图4(b)、图4(c)为本专利技术实施例提供的信息推荐方法的一个实例界面示意图；图5为本专利技术第三实施例提供的信息推荐系统的结构示意图；图6为本专利技术第四实施例提供的终端结构示意图。具体实施方式为使得本专利技术的专利技术目的、特征、优点能够更加的明显和易懂，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实施例，而非全部实施例。基于本专利技术中的实施例，本领域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，都属于本专利技术保护的范围。本专利技术实施例提供的信息推荐方法，可应用在电子商务、新闻、阅读的首页、搜索页，也可以应用在应用市场或应用商店的首页、软件页、游戏页等应用场景下。用户在浏览、点击、下载或者搜索任何一个应用、商品、新闻或者文章后，通过下拉刷新或者页面切换即可体验到与刚才操作相关的实时个性化推荐结果。下面以用户在应用市场或应用商店中对应用的操作数据为例描述本专利技术实施例提供的信息推荐方法。图1为本专利技术各实施例中信息推荐方法的典型应用场景示意图，移动终端10与服务器20在同一网络中，移动终端10通过内置的客户端(如应用商城、应用市场)实时采集用户的操作数据，具体采集用户在客户端的各应用场景下的操作数据，采集的操作数据类型包括曝光数据、搜索数据、点击数据、下载数据等，采集的操作数据具体包括：用户标识、操作标识、应用标识、内容标识、操作时间等，具体地，用户标识、操作标识、应用标识、内容标识可以分别为用户ID(identity)、操作ID、操作对象ID、操作对象的内容ID。采集到的操作数据以单条或者多条打包的形式发往服务器20中进行下一步的处理。应用场景是指客户端的首页、软件页、游戏页、搜索页等应用场景。服务器20是分布式服务器集群，包括接入服务器和业务服务器，接入服务器即接入层，用于接收移动终端上报的操作数据，接入服务器接收移动终端上报的操作数据，然后按照预设的分发规则，将操作数据分门别类的分发给对应的业务服务器进行处理。服务器20中设置有实时流式计算系统对客户端上报的百亿级别数据量进行实时清洗和计算。具体地，实时流式计算系统由接入层接收客户端实时上报的操作数据后，根据操作数据类型进行分布式统计，即分别将曝光数据、搜索数据、点击数据、下载数据等不同类型的操作数据，按不同的类别由不同的服务器统计，通过最后的汇总统计出用户的行为特征，行为特征是用于评价用户行为特点的指标，如点击数，下载数、实时下载转化率(RCVR，RealtimeClickValueRate)等，该实时下载转化率为在该时间窗口曝光量与下载量的比例。具体根据该用户的用户ID、操作ID、应用ID等获取该用户对应的统计相关数据。实时流式计算系统利用滑动时间窗口保存用户近期的一段时长的实时操作数据，并通过定时器或者数据阈值等触发方式，不断把实时操作数据处理成行为特征，发往实时模型构建系统。服务器20中设置离线模型系统，离线模型系统中存储有多个离线数据模型，这些离线数据模型是通过传统的数据挖掘算法生成的。离线数据模型包括应用的相似模型、应用的相关模型、内容的相似模型、内容的相关模型、用户的中长期兴趣模型等，模型是指通过数据挖掘算法生成的处理逻辑。其中，应用的相似模型，是指召回同类应用的模型，即当用户对一个应用操作时，与该应用同类型的应用不被推荐。如，用户点击第一新闻APP，则第二新闻APP不被推荐，应用的相似模型用于排除同类型应用的推荐。应用的相关模型，是指召回有内在联系的应用的模型，即当用户对一个应用操作时，与该应用相关联的应用不被推荐。如，用户点击第一新闻APP，则与第一新闻APP同一运营商的第一阅读APP不被推荐，应用的相关模型用于排除相关联应用的推荐。内容的相似模型，是指召回同类内容的模型，即当用户对一个应用的内容操作时，与该内容同类型的内容不被推荐。如，用户搜索第一新闻，则与第一新闻类似的第二新闻不被推荐，内容的相似模型用于排除同类型内容的推荐。内容的相关模型，是指召回有内在联系的内容的模型，即当用户对一个应用的内容操作时，与该内容相关联的内容不被推荐。如，用户搜索第一图书，则与第一图书同一作者的第二图书不被推荐，内容的相关模型用于排除相关联内容的推荐。用户的中长期兴趣模型，是指一类本文档来自技高网...

【技术保护点】
1.一种信息推荐方法，其特征在于，包括：终端采集用户的操作数据发送给服务器；所述服务器根据预置时长内的所述操作数据，得到所述用户的行为特征；所述服务器实时构建与所述行为特征对应的各应用场景的实时推荐模型，并向所述终端发送所述实时推荐模型；当满足触发条件时，所述终端调用与当前应用场景的特征相匹配的实时推荐模型，得到推荐信息并展示所述推荐信息。

【技术特征摘要】
1.一种信息推荐方法，其特征在于，包括：终端采集用户的操作数据发送给服务器；所述服务器根据预置时长内的所述操作数据，得到所述用户的行为特征；所述服务器实时构建与所述行为特征对应的各应用场景的实时推荐模型，并向所述终端发送所述实时推荐模型；当满足触发条件时，所述终端调用与当前应用场景的特征相匹配的实时推荐模型，得到推荐信息并展示所述推荐信息。2.如权利要求1所述的方法，其特征在于，所述服务器根据预置时长内的所述操作数据，得到所述用户的行为特征，包括：所述服务器通过滑动时间窗口确定所述预置时长；将所述预置时长内的所述操作数据，分别按照所述操作数据类型进行分布式统计；汇总统计结果得到所述用户的行为特征。3.如权利要求1所述的方法，其特征在于，所述触发条件为检测到页面翻页或页面刷新，所述当满足触发条件时，所述终端调用与当前应用场景的特征相匹配的实时推荐模型，得到推荐信息并展示所述推荐信息包括：当检测到页面翻页或页面刷新时，获取与当前应用场景的特征相匹配的目标推荐模型；当所述目标推荐模型包括所述实时推荐模型和离线模型时，所述终端调用所述离线模型，对与页面翻页或页面刷新前的操作数据对应的备选数据进行预处理，并基于预处理的备选数据，调用与当前应用场景的特征相匹配的实时推荐模型，得到推荐信息并展示所述推荐信息；当所述目标推荐模型包括所述实时推荐模型时，调用与当前应用场景的特征相匹配的实时推荐模型，得到推荐信息并展示所述推荐信息。4.如权利要求3所述的方法，其特征在于，所述获取与当前应用场景的特征相匹配的目标推荐模型包括：获取当前应用场景的特征以及获取所述页面翻页或页面刷新前的操作数据，并根据所述当前应用场景的特征，确认当前应用场景，所述当前应用场景包括当前客户端的首页、软件页、游戏页或搜索页，所述页面翻页或页面刷新前的操作数据包括：用户所述当前应用场景中浏览、点击、下载或者搜索的内容；获取与所述当前应用场景相匹配的目标推荐模型。5.如权利要求1所述的方法，其特征在于，所述方法还包括：在客户端初次启动时，所述服务器向所述终端发送离线模型，所述离线模型通过分析多个用户的长期行为特征得到；所述终端调用所述离线模型，得到推荐信息并展示所述推荐信息。6.如权利要求1所述的方法，其特征在于，所述终端调用与当前应用场景的特征相匹配的实时推荐模型，得到推荐信息包括：当与当前应用场景的特征相匹配的实时推荐模型为多个时，所述终端按照预设的调用顺序，依次调用与当前应用场景的特征相匹配的各实时推荐模型，从备选数据中得到所述推荐信息。7.如权利要求1所述的方法，其特征在于，所述终端调用与当前应用场景的特征相匹配的实时推荐模型，得到推荐信息包括：当与当前应用场景的特征相匹配的实时推荐模型为多个时，...

【专利技术属性】
技术研发人员：张强，岳利军，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：广东,44