一种推荐方法及服务器技术

本发明专利技术实施例公开了一种推荐方法及服务器，包括：获取目标用户数据和待推荐产品数据；根据所述目标用户数据和所述待推荐产品数据，计算所述目标用户对所述待推荐产品的预测评分；根据所述预测评分，向所述目标用户推荐所述待推荐产品。本发明专利技术实施例还公开了一种服务器。采用本发明专利技术，可以实现有针对性地对目标用户推荐适合目标用户的待推荐产品，提升产品推荐的精准性，贴近用户的实际需求。

【技术实现步骤摘要】

本专利技术涉及网络，尤其涉及一种推荐方法及服务器。
技术介绍
随着互联网的普及和电子商务的迅速发展，推荐系统已经被广泛用到各种领域，成为信息技术的一个重要研究内容，得到越来越多的关注。目前，几乎所有的大型电子商务系统，如Amazon、CDNOW、eBay、当当网上书店等，都不同程度的运用了各种形式的推荐系统，现有的推荐系统根据部分用户对某一个产品的评分信息，以得到所有用户对这个产品的兴趣值，若该兴趣值高于预设的阈值，则向所有用户推荐该产品，这种推荐方法没有针对性，无法提升产品推荐的精准性。
技术实现思路
本专利技术实施例提供一种推荐方法及服务器，可有针对性地对目标用户推荐适合目标用户的待推荐产品，提升产品推荐的精准性，贴近用户的实际需求。本专利技术第一方面提供一种推荐方法，可包括：获取目标用户数据和待推荐产品数据；根据所述目标用户数据和所述待推荐产品数据，计算所述目标用户对所述待推荐产品的预测评分；根据所述预测评分，向所述目标用户推荐所述待推荐产品。基于本专利技术第一方面，在第一种可行的实施方式中，所述目标用户数据包括以下数据中的任一种或多种：所述目标用户的个人资料数据、所述目标用户对至少一个领域的产品的评分数据以及所述目标用户进行评分的时间戳数据；所述待推荐产品包括至少一个领域的物品和/或应用。所述待推荐产品数据包括以下数据中的任一种或多种：所述待推荐产品所属领域数据、所述待推荐产品的资料数据、所述待推荐产品的使用情况数据、对所述待推荐产品的评分数据。基于第一方面或第一方面的第一种可行的实施方式，在第二种可行的实施方式中，所述获取目标用户数据和待推荐产品数据，包括：从推荐系统任务数据库中获取至少一个目标用户的用户信息，所述用户信息包括所述目标用户的用户标识；从用户字典中获取与所述目标用户的用户标识对应的用户数据，所述用户字典中存储了所有用户标识对应的用户数据；从推荐系统任务数据库中获取至少一个待推荐产品的产品信息，所述产品信息包括所述待推荐产品的产品标识；所述待推荐产品包括至少一个领域的产品；从产品字典中获取与所述待推荐产品的产品标识对应的产品数据，所述产品字典中存储了至少一个领域的所有产品数据。基于第一方面或第一方面的第一种可行的实施方式或第一方面第二种可行的实施方式，在第三种可行的实施方式中，所述根据所述目标用户数据和所述待推荐产品数据，计算所述目标用户对所述待推荐产品的预测评分，包括：依次提取所获取的至少一个目标用户标识中每一个目标用户标识对应的用户数据；依次提取所获取的至少一个待推荐产品标识中每一个待推荐产品标识对应的产品数据；分别将所提取的每一个目标用户标识对应的用户数据和所提取的每一个待推荐产品标识对应的产品数据进行运算，获得每一个所述目标用户对每一个所述待推荐产品的预测评分；其中，一个目标用户标识对应的用户数据与一个待推荐产品标识对应的产品数据进行运算，获得一个预测评分，所述预测评分分别与参与运算的所述目标用户和参与运算的所述待推荐产品相关联。基于第一方面或第一方面的第一种可行的实施方式或第一方面的第二种可行的实施方式或第一方面的第三种可行的实施方式，在第一方面的第四种可行的实施方式中，所述根据所述预测评分，向所述目标用户推荐所述待推荐产品，包括：若所述预测评分高于预设阈值，则向所述预测评分相关联的目标用户推荐所述预测评分相关联的待推荐产品。基于第一方面或第一方面的第一种可行的实施方式或第一方面的第二种可行的实施方式或第一方面的第三种可行的实施方式或第一方面的第四种可行的实施方式，在第一方面的第五种可行的实施方式中，所述获取目标用户数据和待推荐产品数据之前，还包括：向所述用户字典中存储所有用户数据；向所述产品字典中存储至少一个领域的所有产品数据。基于第一方面的第五种可行的实施方式，在第一方面的第六种可行的实施方式中，所述向用户字典中存储所有用户数据；包括：从推荐系统数据库中获取所有用户信息；所述用户信息包含用户标识；将所述所有用户信息按照预设顺序进行数值量化处理，形成用户数据，一个用户标识对应至少一个用户数据；所述数值量化处理方法基于终生机器学习技术；将所述所有用户标识中各个用户标识对应的用户数据存储至所述用户字典。基于第一方面的第五种可行的实施方式，在第一方面的第七种可行的实施方式中，所述向所述产品字典中存储至少一个领域的所有产品数据，包括：从所述推荐系统数据库中获取至少一个领域的所有产品信息；所述产品信息包含产品标识；将所述所有产品信息按照预设顺序进行数值量化处理，形成产品数据，一个产品标识对应至少一个产品数据；所述数值量化处理方法基于终生机器学习技术；将所述所有产品标识中各个产品标识对应的产品数据存储至所述产品字典。基于第一方面的第六种可行的实施方式或第一方面第七种可行的实施方式，在第八中可行的实施方式中，当所述推荐系统数据库中存储新信息时，所述新信息包括以下信息中的任一种或多种：新用户标识对应的用户信息、新产品标识对应的产品信息、所述所有用户标识中任一个用户标识对应的用户信息的更新信息和所述至少一个领域的所有产品标识中任一个产品标识对应的产品信息的更新信息，所述方法还包括：根据所述新信息优化形成所述用户数据的数值量化处理方法，以对所述用户字典中所有用户标识中各个用户标识对应的用户数据进行更新；和/或，根据所述新信息优化形成所述产品数据的数值量化处理方法，以对所述产品字典中所有产品标识中各个产品标识对应的产品数据进行更新。本专利技术第二方面提供一种服务器，可包括：获取模块，用于获取目标用户数据和待推荐产品数据；计算模块，用于根据所述目标用户数据和所述待推荐产品数据，计算所述目标用户对所述待推荐产品的预测评分；推荐模块，用于根据所述预测评分，向所述目标用户推荐所述待推荐产品。基于第二专利技术，在第二专利技术的第一种可行的实施方式中，所述目标用户数据包括以下数据中的任一种或多种：所述目标用户的个人资料数据、所述目标用户对至少一个领域的产品的评分数据以及所述目标用户进行评分的时间戳数据；所述待推荐产品包括至少一个领域的物品和/或应用。所述待推荐产品数据包括以下数据中的任一种或多种：所述待推荐产品所属领域数据、所述待推荐产品的资料数据、所述待推荐产品的使用情况数据、对所述待推荐产品的评分数据。...

【技术保护点】
一种推荐方法，其特征在于，所述方法包括:获取目标用户数据和待推荐产品数据；根据所述目标用户数据和所述待推荐产品数据，计算所述目标用户对所述待推荐产品的预测评分；根据所述预测评分，向所述目标用户推荐所述待推荐产品。

【技术特征摘要】
1.一种推荐方法，其特征在于，所述方法包括:
获取目标用户数据和待推荐产品数据；
根据所述目标用户数据和所述待推荐产品数据，计算所述目标用户对所述
待推荐产品的预测评分；
根据所述预测评分，向所述目标用户推荐所述待推荐产品。
2.如权利要求1所述的方法，其特征在于，所述目标用户数据包括以下数
据中的任一种或多种：所述目标用户的个人资料数据、所述目标用户对至少一
个领域的产品的评分数据以及所述目标用户进行评分的时间戳数据；
所述待推荐产品包括至少一个领域的物品和/或应用；
所述待推荐产品数据包括以下数据中的任一种或多种：所述待推荐产品所
属领域数据、所述待推荐产品的资料数据、所述待推荐产品的使用情况数据、
对所述待推荐产品的评分数据。
3.如权利要求1或2所述的方法，其特征在于，所述获取目标用户数据和
待推荐产品数据，包括：
从推荐系统任务数据库中获取至少一个目标用户的用户信息，所述用户信
息包括所述目标用户的用户标识；
从用户字典中获取与所述目标用户的用户标识对应的用户数据，所述用户
字典中存储了所有用户标识对应的用户数据；
从推荐系统任务数据库中获取至少一个待推荐产品的产品信息，所述产品
信息包括所述待推荐产品的产品标识；所述待推荐产品包括至少一个领域的产
品；
从产品字典中获取与所述待推荐产品的产品标识对应的产品数据，所述产
品字典中存储了至少一个领域的所有产品数据。
4.如权利要求1至3任一项所述的方法，其特征在于，所述根据所述目标
用户数据和所述待推荐产品数据，计算所述目标用户对所述待推荐产品的预测

\t评分，包括：
依次提取所获取的至少一个目标用户标识中每一个目标用户标识对应的用
户数据；
依次提取所获取的至少一个待推荐产品标识中每一个待推荐产品标识对应
的产品数据；
分别将所提取的每一个目标用户标识对应的用户数据和所提取的每一个待
推荐产品标识对应的产品数据进行运算，获得每一个所述目标用户对每一个所
述待推荐产品的预测评分；其中，一个目标用户标识对应的用户数据与一个待
推荐产品标识对应的产品数据进行运算，获得一个预测评分，所述预测评分分
别与参与运算的所述目标用户和参与运算的所述待推荐产品相关联。
5.如权利要求1至4任一项所述的方法，其特征在于，所述根据所述预测
评分，向所述目标用户推荐所述待推荐产品，包括：
若所述预测评分高于预设阈值，则向所述预测评分相关联的目标用户推荐
所述预测评分相关联的待推荐产品。
6.如权利要求1至5任一项所述的方法，其特征在于，所述获取目标用户
数据和待推荐产品数据之前，还包括：
向所述用户字典中存储所有用户数据；
向所述产品字典中存储至少一个领域的所有产品数据。
7.如权利要求6所述的方法，其特征在于，所述向用户字典中存储所有用
户数据；包括：
从推荐系统数据库中获取所有用户信息；所述用户信息包含用户标识；
将所述所有用户信息按照预设顺序进行数值量化处理，形成用户数据，一
个用户标识对应至少一个用户数据；所述数值量化处理方法基于终生机器学习
技术；
将所述所有用户标识中各个用户标识对应的用户数据存储至所述用户字
典。
8.如权利要求6所述的方法，其特征在于，所述向所述产品字典中存储至
少一个领域的所有产品数据，包括：
从所述推荐系统数据库中获取至少一个领域的所有产品信息；所述产品信
息包含产品标识；
将所述所有产品信息按照预设顺序进行数值量化处理，形成产品数据，一
个产品标识对应至少一个产品数据；所述数值量化处理方法基于终生机器学习
技术；
将所述所有产品标识中各个产品标识对应的产品数据存储至所述产品字
典。
9.如权利要求7或8所述的方法，其特征在于，当所述推荐系统数据库中
存储新信息时，所述新信息包括以下信息中的任一种或多种：新用户标识对应
的用户信息、新产品标识对应的产品信息、所述所有用户标识中任一个用户标
识对应的用户信息的更新信息和所述至少一个领域的所有产品标识中任一个产
品标识对应的产品信息的更新信息，所述方法还包括：
根据所述新信息优化形成所述用户数据的数值量化处理方法，以对所述用
户字典中所有用户标识中各个用户标识对应的用户数据进行更新；和/或，
根据所述新信息优化形成所述产品数据的数值量化处理方法，以对所述产
品字典中所有产品标识中各个产品标识对应的产品数据进行更新。
10.一种服务器，其特征在于，所述服...

【专利技术属性】
技术研发人员：杨强，甄毅，江焯林，
申请(专利权)人：华为技术有限公司，
类型：发明
国别省市：广东;44