一种推荐方法及网络设备技术

本发明专利技术公开了一种推荐方法及网络设备，通过主题模型算法建立待推荐对象的主题模型，该主题模型包括待推荐对象的主题类型及待推荐对象在该主题类型下的权重，主题类型包括至少两个具有语义关联关系的元素；计算待推荐对象的主题模型与用户的偏好特征模型的相似度，其中用户的偏好特征模型基于用户在该待推荐对象的所属平台下的历史操作记录计算得到；在待推荐对象的主题模型与用户的偏好特征模型的相似度达到预设阈值时，将该待推荐对象推荐给该用户。解决了现有的基于关键词进行推荐时，提取的关键词很难准确全面地反映用户行为偏好的问题，能够更加全面地契合用户需求、满足用户偏好，提升了用户体验。

【技术实现步骤摘要】
一种推荐方法及网络设备
本专利技术涉及通信
，更具体地说，涉及一种推荐方法及网络设备。
技术介绍
近年来随着移动互联网、电子商务、物联网技术的蓬勃发展，各种数据平台或者数据库中存储有海量的各种数据信息，几乎可以包括人们希望获取的各种信息。尽管如此庞大的数据量为用户获取使用提供了可能，但如何在如此海量的数据信息中筛选出用户真正需要的信息也是一个十分棘手且急需解决的问题，因为用户可能需要花费大量的时间精力进行分析筛选，甚至很有可能由于用户搜索方法不当错过用户真正需要或者感兴趣的内容信息，严重影响用户使用体验。为了解决上述问题，现有技术基于用户历史操作对象，通过关键词提取算法获取这些用户浏览操作过的对象之相应的关键词，并利用这些关键词来表征用户的行为偏好，然后通过相似度算法计算其他对象相对于该用户的偏好行为之间的相似度，在满足一定的相似度阈值后推荐给该用户。解决了用户手动获取筛选自己感兴趣的对象需要耗费大量时间精力的问题。但是，现有的推荐方法由于算法本身或者其他方面的限制，导致其存在如下技术问题：首先，由于关键词提取算法自身限制，可能导致提取的关键词并不准确；其次，提取的关键词仅仅只是所述对象中的一小部分内容，因此提取的关键词很有可能无法很好地反映该对象的中心思想，将其作为用户行为偏好也无法准确反映用户行为偏好，因此推荐精度不高，盲目性大，长此以往反而增加用户反感情绪；以关键词的方式表征用户行为偏好，并基于此进行推荐，推荐的对象往往是包含该关键词的相应对象，并不能有效推荐其他与用户偏好相关的其他对象，也即推荐方式比较单一，不灵活。下面以一则简短的新闻信息“韩国军方不顾中国及其民众反对执意与乐天集团签署了萨德用地交换合约”为例进行简要说明，现有的关键词提取算法(TF-IDF为例)提取出的关键词可能是“韩国”，仅仅以提取的该关键词来表征这则新闻信息的中心思想，可能并不是十分准确；进一步的，若基于这则新闻信息提取的关键词表示用户行为偏好时，用该关键词也很难真实反映用户行为偏好，仅仅基于关键词“韩国”进行推荐时，推荐的对象很有可能只包含有“韩国”相关的信息，并不会包括与“萨德”和/或“乐天集团”相关的信息，这样将导致推荐的对象单一，无法对潜在的且用户感兴趣的对象进行有效推荐。
技术实现思路
本专利技术要解决的技术问题在于：现有的基于关键词进行推荐的方式很难真实完整反映用户行为偏好，导致其推荐的对象单一，无法对潜在的且用户感兴趣的对象进行有效推荐的问题，针对该技术问题，本专利技术提供一种推荐方法及网络设备。为解决上述技术问题，本专利技术提供一种推荐方法，所述推荐方法包括：通过主题模型算法建立待推荐对象的主题模型，所述主题模型包括所述待推荐对象的主题类型及所述待推荐对象在该主题类型下的权重，所述主题类型包括至少两个具有语义关联关系的元素；计算所述待推荐对象的主题模型与用户的偏好特征模型的相似度，所述偏好特征模型基于用户在所述待推荐对象的所属平台下的历史操作记录计算得到；在所述相似度达到预设阈值时，将所述待推荐对象推荐给所述用户。进一步地，所述计算所述待推荐对象的主题模型与用户的偏好特征模型的相似度包括：根据余弦相似度算法计算所述待推荐对象的主题模型与用户的偏好特征模型的相似度。进一步地，所述将所述待推荐对象推荐给所述用户包括：当相似度大于预设阈值的待推荐对象超过一个时，按照相似度大小依次推荐给所述用户。进一步地，所述计算所述待推荐对象的主题模型与用户的偏好特征模型的相似度之前，所述方法还包括：基于用户在所述平台下的历史操作记录计算所述用户对各主题类型的偏好权重；根据计算结果将所述用户对各主题类型的偏好权重组合生成该用户的偏好特征模型。进一步地，所述基于用户在所述平台下的历史操作记录计算所述用户对各主题类型的偏好权重包括：从所述历史操作记录中获取用户有效操作次数，所述用户有效操作次数为所述用户对包含有所述主题类型下至少一个元素的对象的有效操作次数；获取所述平台下的用户总数以及所述平台下包含有所述主题类型下至少一个元素的对象之对象总数；根据所述用户有效操作次数、所述用户总数以及所述对象总数计算所述用户对所述主题类型的偏好权重。进一步地，所述根据所述有效操作次数、所述用户总数以及所述对象总数计算所述用户对所述主题类型的偏好权重包括通过如下公式进行计算：其中，所述wij为用户Ui对主题类型tj的偏好权重，tfik表示用户Ui对包含有主题类型tj下的至少一个元素的所有对象进行的有效操作次数，分子中的n为对包含该主题类型tj下的至少一个元素的对象进行有效操作的用户数，分母中的n为对包含该主题类型tk下的至少一个元素的对象进行有效操作的用户数，Di表示用户Ui进行有效操作过的所有主题类型的集合；x大于0，且小于等于预设数值阈值。本专利技术还提供了一种网络设备，所述网络设备包括：模型建立模块，用于建立待推荐对象的主题模型，所述主题模型包括所述待推荐对象的主题类型及所述待推荐对象在该主题类型下的权重，所述主题类型包括至少两个具有语义关联关系的元素；权重计算模块，用于基于用户在所述平台下的历史操作记录计算所述用户的偏好特征模型；相似度计算模块，用于计算所述待推荐对象的主题模型与用户的偏好特征模型的相似度；推荐模块，用于根据所述相似度计算模块计算出的待推荐对象的主题模型与用户的偏好特征模型的相似度，将相似度达到预设阈值的待推荐对象推荐给所述用户。进一步地，所述推荐模块用于当相似度大于预设阈值的待推荐对象超过一个时，按照相似度大小依次推荐给所述用户。进一步地，所述权重计算模块用于基于用户在所述平台下的历史操作记录计算所述用户对各主题类型的偏好权重；并根据计算结果将所述用户对各主题类型的偏好权重组合生成该用户的偏好特征模型。进一步地，所述权重计算模块用于从所述历史操作记录中获取用户有效操作次数、所述平台下的用户总数以及所述平台下包含有所述主题类型下至少一个元素的对象之对象总数，并根据获取的所述用户有效操作次数、所述用户总数以及所述对象总数计算所述用户对所述主题类型的偏好权重，所述用户有效操作次数为所述用户对包含有所述主题类型下至少一个元素的对象的有效操作次数。有益效果本专利技术提供一种推荐方法及网络设备，通过主题模型算法建立待推荐对象的主题模型，该主题模型包括待推荐对象的主题类型及待推荐对象在该主题类型下的权重，主题类型包括至少两个具有语义关联关系的元素；计算待推荐对象的主题模型与用户的偏好特征模型的相似度，其中用户的偏好特征模型基于用户在该待推荐对象的所属平台下的历史操作记录计算得到；在待推荐对象的主题模型与用户的偏好特征模型的相似度达到预设阈值时，将该待推荐对象推荐给该用户。由于一个主题类型下的各元素具有语义关联关系，所以，当用户对包含该主题类型下的一个或多个元素的操作对象感兴趣时，用户也极有可能对包含该主题类型下其他至少一个元素的待推荐对象感兴趣。而本专利技术提供的方案能够向用户推荐这些用户很有可能比较感兴趣的对象，相对于现有技术基于单个的关键词进行推荐的方式，能够更加全面地契合用户需求、满足用户偏好，解决了现有的基于关键词进行推荐时，提取的关键词很难准确全面地反映用户行为偏好的问题，从而有效避免了现有的基于关键词进行推荐时推荐对象单一的问题，提升了本文档来自技高网...

【技术保护点】
一种推荐方法，其特征在于，包括：通过主题模型算法建立待推荐对象的主题模型，所述主题模型包括所述待推荐对象的主题类型及所述待推荐对象在该主题类型下的权重，所述主题类型包括至少两个具有语义关联关系的元素；计算所述待推荐对象的主题模型与用户的偏好特征模型的相似度，所述偏好特征模型基于用户在所述待推荐对象的所属平台下的历史操作记录计算得到；在所述相似度达到预设阈值时，将所述待推荐对象推荐给所述用户。

【技术特征摘要】
1.一种推荐方法，其特征在于，包括：通过主题模型算法建立待推荐对象的主题模型，所述主题模型包括所述待推荐对象的主题类型及所述待推荐对象在该主题类型下的权重，所述主题类型包括至少两个具有语义关联关系的元素；计算所述待推荐对象的主题模型与用户的偏好特征模型的相似度，所述偏好特征模型基于用户在所述待推荐对象的所属平台下的历史操作记录计算得到；在所述相似度达到预设阈值时，将所述待推荐对象推荐给所述用户。2.根据权利要求1所述的推荐方法，其特征在于，所述计算所述待推荐对象的主题模型与用户的偏好特征模型的相似度包括：根据余弦相似度算法计算所述待推荐对象的主题模型与用户的偏好特征模型的相似度。3.根据权利要求1所述的推荐方法，其特征在于，所述将所述待推荐对象推荐给所述用户包括：当相似度大于预设阈值的待推荐对象超过一个时，按照相似度大小依次推荐给所述用户。4.根据权利要求1-3任一项所述的推荐方法，其特征在于，所述计算所述待推荐对象的主题模型与用户的偏好特征模型的相似度之前，所述方法还包括：基于用户在所述平台下的历史操作记录计算所述用户对各主题类型的偏好权重；根据计算结果将所述用户对各主题类型的偏好权重组合生成该用户的偏好特征模型。5.根据权利要求4所述的推荐方法，其特征在于，所述基于用户在所述平台下的历史操作记录计算所述用户对各主题类型的偏好权重包括：从所述历史操作记录中获取用户有效操作次数，所述用户有效操作次数为所述用户对包含有所述主题类型下至少一个元素的对象的有效操作次数；获取所述平台下的用户总数以及所述平台下包含有所述主题类型下至少一个元素的对象之对象总数；根据所述用户有效操作次数、所述用户总数以及所述对象总数计算所述用户对所述主题类型的偏好权重。6.根据权利要求5所述的推荐方法，其特征在于，所述根据所述有效操作次数、所述用户总数以及所述对象总数计算所述用户对所述主题类型的偏好权重包括通过如下公式进行计算：

【专利技术属性】
技术研发人员：姬晨，杨玉林，
申请(专利权)人：努比亚技术有限公司，
类型：发明
国别省市：广东,44