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 ...
【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
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。