信息推荐方法及系统技术方案

本发明专利技术提供信息推荐方法及系统，包括：按照预设时间间隔切割读入的多个采样数据流以得到多个采样数据切片；定义用户行为场景，所述用户行为场景包括至少一个和/或至少一类用户行为事件；分别从每个采样数据切片的数据中甄选出符合用户行为场景的部分以组成场景快照；将场景快照作为场景模拟模型的输入，从而得到场景模拟模型输出的场景画像；将场景画像与预设推荐结果进行匹配，若匹配成功，则将预设推荐结果确定为推荐信息。本发明专利技术实现了流式数据读入的动态交互式个性化推荐，基于用户行为数据实现即时读入采样数据、即时个性化推荐，在保证时效性的同时，又能兼顾不同用户个体的个性化需求。

Information recommendation method and system

The invention provides a system and method, information recommendation includes: according to the preset time interval cutting read multiple sampling data stream to obtain a plurality of data sampling sections; definition of user behavior scenarios, the user behavior scene includes at least one and / or at least one user behavior event respectively; sampling data from each data section the selection of the user behavior in line with the parts of the scene to scene scene as snapshot snapshot; scene simulation model input, so as to get the scene portrait scene simulation model output; the scene portrait with the preset recommendation results, if the matching is successful, it will default to determine the recommended information recommendation results. The invention realizes the dynamic interactive personalized streaming data reading recommendation, user behavior data to achieve real-time read sample data, real-time personalized recommendation based on, in ensuring the timeliness and at the same time, can take into account the individual needs of different users of the individual.

【技术实现步骤摘要】
信息推荐方法及系统
本专利技术涉及信息推荐领域，特别是涉及信息推荐方法及系统。
技术介绍
社会覆盖面极广、在线活跃用户数量庞大的流式信息服务称为公众性流式信息服务，公众性流式信息服务的典型代表为各类媒体直播服务。公众性流式信息服务的推荐面临以下问题：1)必须在内容的在线周期内推荐，从而避免将下线内容推荐给用户；2)必须将内容推荐给合适的用户个体，从而避免对其他用户群体造成干扰。可见，对于公众性流式信息服务的推荐，需要能够同时保证时效性和兼顾不同用户个体的个性化需求的新技术。
技术实现思路
鉴于以上所述现有技术的缺点，本专利技术的目的在于提供信息推荐方法及系统，用于解决现有技术中公众性流式信息服务的推荐无法保证时效性，以及无法兼顾不同用户个体的个性化需求等问题。为实现上述目的及其他相关目的，本专利技术提供一种信息推荐方法，包括：按照预设时间间隔切割读入的多个采样数据流以得到多个采样数据切片；定义一个或多个用户行为场景，所述每个用户行为场景包括至少一个和/或至少一类用户行为事件；分别从每个所述采样数据切片的数据中甄选出符合所述用户行为场景的部分以组成场景快照；将所述场景快照作为场景模拟模型的输入，从而得到所述场景模拟模型输出的场景画像；将所述场景画像与预设推荐结果进行匹配，若匹配成功，则将所述预设推荐结果确定为推荐信息。于本专利技术一实施例中，当定义了一个或多个用户行为场景时，所述一个或多个用户行为场景构成行为模式，所述行为模式中的某个用户行为场景的场景画像是由所述某个用户行为场景的场景快照和前一个用户行为场景的场景画像共同作为所述场景模拟模型的输入，并经所述场景模拟模型的输出得到的，所述方法还包括：将最终得到的场景画像与所述预设推荐结果进行匹配，若匹配成功，则将所述预设推荐结果确定为推荐信息。于本专利技术一实施例中，所述场景模拟模型包括多个，每个用于针对一种特征信息进行场景模拟。于本专利技术一实施例中，所述场景模拟模型包括：有监督学习模型、和/或无监督学习模型。于本专利技术一实施例中，所述无监督学习模型包括：深度学习模型。于本专利技术一实施例中，所述深度学习模型是根据反向传播算法建立的。于本专利技术一实施例中，每个所述采样数据流包括一类用户行为事件数据，所述多个采样数据切片包括与所述多个采样数据流分别一一对应的多个所述用户行为事件的部分数据。于本专利技术一实施例中，每类所述用户行为事件数据包括多个所述用户行为事件数据，每个所述用户行为事件数据包括：时间戳、用于标识产生相应的行为事件的对象的用户标识、及相应的行为事件的采样数据。于本专利技术一实施例中，在将所述场景快照输入所述场景模拟模型之前，所述方法还包括：将所述场景快照包含的各个用户行为事件数据按照时间顺序排序，并依序输入所述场景模拟模型。于本专利技术一实施例中，所述预设推荐结果包括多个，所述匹配包括：分别计算所述场景画像与每个所述预设推荐结果的相关度，将所述相关度最大的预设推荐结果确定为推荐信息。为实现上述目的及其他相关目的，本专利技术提供一种信息推荐系统，包括：数据切片模块，用于按照预设时间间隔切割读入的多个采样数据流以得到多个采样数据切片；场景定义模块，用于定义一个或多个用户行为场景，每个用户行为场景包括至少一个和/或至少一类用户行为事件；快照甄选模块，用于分别从每个所述采样数据切片的数据中甄选出符合所述用户行为场景的部分以组成场景快照；场景模拟模块，用于将所述场景快照作为场景模拟模型的输入，从而得到所述场景模拟模型输出的场景画像；匹配模块，用于将所述场景画像与预设推荐结果进行匹配，若匹配成功，则将所述预设推荐结果确定为推荐信息。于本专利技术一实施例中，当定义了一个或多个用户行为场景时，所述一个或多个用户行为场景构成行为模式，所述行为模式中的某个用户行为场景的场景画像是由所述某个用户行为场景的场景快照和前一个用户行为场景的场景画像共同作为所述场景模拟模型的输入，并经所述场景模拟模型的输出得到的，所述匹配模块还用于：将最终得到的场景画像与所述预设推荐结果进行匹配，若匹配成功，则将所述预设推荐结果确定为推荐信息。于本专利技术一实施例中，所述场景模拟模型包括多个，每个用于针对一种特征信息进行场景模拟。于本专利技术一实施例中，所述场景模拟模型包括：有监督学习模型、和/或无监督学习模型。于本专利技术一实施例中，所述无监督学习模型包括：深度学习模型。于本专利技术一实施例中，所述深度学习模型是根据反向传播算法建立的。于本专利技术一实施例中，每个所述采样数据流包括一类用户行为事件数据，所述多个采样数据切片包括与所述多个采样数据流分别一一对应的多个所述用户行为事件的部分数据。于本专利技术一实施例中，每类所述用户行为事件数据包括多个所述用户行为事件数据，每个所述用户行为事件数据包括：时间戳、用于标识产生相应的行为事件的对象的用户标识、及相应的行为事件的采样数据。于本专利技术一实施例中，所述系统还包括：排序模块，用于在将所述场景快照输入所述场景模拟模型之前，将所述场景快照包含的各个用户行为事件数据按照时间顺序排序，并依序输入所述场景模拟模型。于本专利技术一实施例中，所述预设推荐结果包括多个，所述匹配包括：分别计算所述场景画像与每个所述预设推荐结果的相关度，将所述相关度最大的预设推荐结果确定为推荐信息。如上所述，本专利技术的信息推荐方法及系统，实现了基于用户行为数据即时读入采样数据、即时个性化推荐的技术方案，具有以下有益效果：1)推荐结果更新的时间周期短，以分钟或秒或更小的时间单位计算；2)读入采样数据后，采样数据对推荐结果的影响在几分钟/几秒钟之后显现出来，能够形成一种“行为采样—推荐反馈”的交互式推荐；3)推荐结果基于用户行为数据采样，是用户个体行为历史演进的概率结果，具有个性化特质。附图说明图1显示为本专利技术一实施例的信息推荐方法流程图。图2显示为本专利技术一实施例的切割采样数据流以生成采样数据切片的示意图。图3显示为本专利技术一实施例的A类行为采样数据流的内部组成示意图。图4显示为本专利技术一实施例的定义的用户行为场景的示意图。图5A～5B显示为本专利技术一实施例的快照甄选过程示意图。图6A～6B显示为本专利技术一实施例的场景模拟过程示意图。图7显示为本专利技术一实施例的多个用户行为场景串联形成行为模式的模拟过程示意图。图8显示为本专利技术一实施例的选择最终推荐结果的过程示意图。图9显示为本专利技术一实施例的信息推荐系统模块图。具体实施方式以下通过特定的具体实例说明本专利技术的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本专利技术的其他优点与功效。本专利技术还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本专利技术的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。需要说明的是，以下实施例中所提供的图示仅以示意方式说明本专利技术的基本构想，遂图式中仅显示与本专利技术中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。随着大数据时代的到来，通过挖掘用户的历史行为来预测用户未来的行为，建立起用户和内容的关系，才能提高信息推荐的准确性。请参阅图1，本专利技术提供一种信息推荐方法，在保证时效性的基础上，兼本文档来自技高网...

【技术保护点】
一种信息推荐方法，其特征在于，包括：按照预设时间间隔切割读入的多个采样数据流以得到多个采样数据切片；定义一个或多个用户行为场景，每个用户行为场景包括至少一个和/或至少一类用户行为事件；分别从每个所述采样数据切片的数据中甄选出符合所述用户行为场景的部分以组成场景快照；将所述场景快照作为场景模拟模型的输入，从而得到所述场景模拟模型输出的场景画像；将所述场景画像与预设推荐结果进行匹配，若匹配成功，则将所述预设推荐结果确定为推荐信息。

【技术特征摘要】
2016.11.16 CN 20161103083231.一种信息推荐方法，其特征在于，包括：按照预设时间间隔切割读入的多个采样数据流以得到多个采样数据切片；定义一个或多个用户行为场景，每个用户行为场景包括至少一个和/或至少一类用户行为事件；分别从每个所述采样数据切片的数据中甄选出符合所述用户行为场景的部分以组成场景快照；将所述场景快照作为场景模拟模型的输入，从而得到所述场景模拟模型输出的场景画像；将所述场景画像与预设推荐结果进行匹配，若匹配成功，则将所述预设推荐结果确定为推荐信息。2.根据权利要求1所述的信息推荐方法，其特征在于，当定义了一个或多个用户行为场景时，所述一个或多个用户行为场景构成行为模式，所述行为模式中的某个用户行为场景的场景画像是由所述某个用户行为场景的场景快照和前一个用户行为场景的场景画像共同作为所述场景模拟模型的输入，并经所述场景模拟模型的输出得到的，所述方法还包括：将最终得到的场景画像与所述预设推荐结果进行匹配，若匹配成功，则将所述预设推荐结果确定为推荐信息。3.根据权利要求1所述的信息推荐方法，其特征在于，所述场景模拟模型包括多个，每个用于针对一种特征信息进行场景模拟。4.根据权利要求1所述的信息推荐方法，其特征在于，所述场景模拟模型包括：有监督学习模型、和/或无监督学习模型。5.根据权利要求4所述的信息推荐方法，其特征在于，所述无监督学习模型包括：深度学习模型。6.根据权利要求5所述的信息推荐方法，其特征在于，所述深度学习模型是根据反向传播算法建立的。7.根据权利要求1所述的信息推荐方法，其特征在于，每个所述采样数据流包括一类用户行为事件数据，所述多个采样数据切片包括与所述多个采样数据流分别一一对应的多个所述用户行为事件的部分数据。8.根据权利要求7所述的信息推荐方法，其特征在于，每类所述用户行为事件数据包括多个所述用户行为事件数据，每个所述用户行为事件数据包括：时间戳、用于标识产生相应的行为事件的对象的用户标识、及相应的行为事件的采样数据。9.根据权利要求8所述的信息推荐方法，其特征在于，在将所述场景快照输入所述场景模拟模型之前，还包括：将所述场景快照包含的各个用户行为事件数据按照时间顺序排序，并依序输入所述场景模拟模型。10.根据权利要求1所述的信息推荐方法，其特征在于，所述预设推荐结果包括多个，所述匹配包括：分别计算所述场景画像与每个所述预设推荐结果的相关度，将所述相关度最大的预设推荐结果确定为推荐信息。11.一种信息推...

【专利技术属性】
技术研发人员：许春玲，李明齐，
申请(专利权)人：中国科学院上海高等研究院，
类型：发明
国别省市：上海,31