基于机器学习的网页信息推荐方法及推荐系统技术方案

本发明专利技术提供了一种基于机器学习的网页信息推荐方法，其特征在于：方法包括：构建用户历史信息数据库；将用户历史信息数据库中的用户历史信息发送给应用服务器；应用服务器根据用户历史信息，基于第一算法生成第一推荐结果，其中，应用服务器中存储有多个算法，并且其中，第一算法在多个算法中具有最高的优先级；应用服务器将第一推荐结果发送给客户端；如果用户认为第一推荐结果是错误的，则用户经由客户端向应用服务器发送第一消息；应用服务器在接收到第一消息之后，根据用户历史信息，并基于第二算法生成第二推荐结果，其中，第二算法的优先级低于第一算法的优先级；以及应用服务器将第二推荐结果发送给客户端。

Webpage information recommendation method and recommendation system based on machine learning

The invention provides a web page information recommendation method based on machine learning, which is characterized in that the method comprises: constructing a user history information database; sending the user history information in the user history information database to the application server; and the application server generates the first push based on the first algorithm according to the user history information. Recommended results, where multiple algorithms are stored in the application server, and the first algorithm has the highest priority among multiple algorithms; the application server sends the first recommendation result to the client; and if the user thinks the first recommendation result is wrong, the user sends the first recommendation to the application server via the client. After receiving the first message, the application server generates the second recommendation based on the user history information and the second algorithm, where the second algorithm has a lower priority than the first algorithm, and the application server sends the second recommendation to the client.

【技术实现步骤摘要】
基于机器学习的网页信息推荐方法及推荐系统
本专利技术涉及通信领域，特别涉及基于机器学习的网页信息推荐方法及推荐系统。
技术介绍
随着互联网规模的进一步扩大，为用户提供越来越多信息的同时，其结构也变得更加复杂。一方面，用户面对大量的网络信息束手无策，用户经常会迷失在大量的信息空间中，无法顺利找到自己需要的信息；另一方面，网络服务提供商也失去了与消费者的联系。推荐系统模拟销售人员向用户提供商品推荐，帮助用户找到所需商品，因此可以有效地为用户提供所需信息。为了能够准确的向用户推荐用户真正需要的网页信息，现有技术开发出了多种算法，但是目前现有技术中的算法大都存在如下缺陷：1、收集大量用户信息(例如有的现有技术收集了将网页另存为本地文件、打印网页、以及将网页以电子邮件的方式发送给好友、包括剪切、复制、粘贴等编辑操作、在网页中搜索文本、下拉滚动条等操作、用户在某个网页上重复某些操作行为)，并以所有信息为基础进行预测，导致特征向量维数过高，运算缓慢；而各个特征之间往往不满足正交性；此外，上述某些特征实际上与用户感兴趣的内容之间无关，加入上述特征只会加大数据中的噪音；2、只能使用单个算法，有时预测结果不满意并非是输入数据不合适导致的，有可能是算法不合适导致的，但是现有技术中的推荐系统只能使用单个算法进行计算，大大限制了推荐成功的概率；3、多算法系统缺少根据优先级进行运算的设计，这导致每次运算都需要用户进行初始设置，或者每次运算都要穷举所有内存中的算法，这显然是低效且浪费计算资源的。公开于该
技术介绍
部分的信息仅仅旨在增加对本专利技术的总体背景的理解，而不应当被视为承认或以任何形式暗示该信息构成已为本领域一般技术人员所公知的现有技术。
技术实现思路
本专利技术的目的在于提供基于机器学习的网页信息推荐方法及推荐系统，从而克服现有技术的缺点。为实现上述目的，本专利技术提供了一种基于机器学习的网页信息推荐方法，其特征在于：方法包括：构建用户历史信息数据库；将用户历史信息数据库中的用户历史信息发送给应用服务器；应用服务器根据用户历史信息，基于第一算法生成第一推荐结果，其中，应用服务器中存储有多个算法，并且其中，第一算法在多个算法中具有最高的优先级；应用服务器将第一推荐结果发送给客户端；如果用户认为第一推荐结果是错误的，则用户经由客户端向应用服务器发送第一消息；应用服务器在接收到第一消息之后，根据用户历史信息，并基于第二算法生成第二推荐结果，其中，第二算法的优先级低于第一算法的优先级；以及应用服务器将第二推荐结果发送给客户端。优选地，上述技术方案中，方法还包括：如果用户认为第二推荐结果是正确的，则用户经由客户端向应用服务器发送第二消息；以及当应用服务器接收到第二消息之后，提升第二算法的优先级，使得第二算法的优先级高于第一算法的优先级。优选地，上述技术方案中，方法还包括：如果用户认为第二推荐结果是错误的，则用户经由客户端向应用服务器发送第三消息；当应用服务器接收到第三消息之后，根据用户历史信息，并基于第三算法生成第三推荐结果；应用服务器从第一推荐结果、第二推荐结果以及第三推荐结果中各抽取多个推荐条目以形成第四推荐结果；以及应用服务器将第四推荐结果发送给客户端。优选地，上述技术方案中，用户历史信息由以下各项中的一项或多项组成：网页搜索记录、粘贴操作记录、在新窗口中的网页打开记录、网页保存记录以及将网页添加到收藏夹中的记录。优选地，上述技术方案中，第一算法是关联规则算法，第二算法是协同过滤推荐算法。还提供了一种基于机器学习的网页信息推荐系统，其特征在于：系统包括：用户历史信息数据库模块；第一发送模块，其用于将用户历史信息数据库模块中的用户历史信息发送给应用服务器；第一推荐结果生成模块，其用于根据用户历史信息，基于第一算法生成第一推荐结果，其中，应用服务器中存储有多个算法，并且其中，第一算法在多个算法中具有最高的优先级；第二发送模块，其用于将第一推荐结果发送给客户端；第三发送模块，其用于当用户认为第一推荐结果是错误的时，从客户端接收第一消息；第二推荐结果生成模块，其用于在接收到第一消息之后，根据用户历史信息，并基于第二算法生成第二推荐结果，其中，第二算法的优先级低于第一算法的优先级；第四发送模块，其用于将第二推荐结果发送给客户端。优选地，上述技术方案中，系统还包括：第五发送模块，其用于当用户认为第二推荐结果是正确的时，向应用服务器发送第二消息；优先级提升模块，其用于接收到第二消息之后，提升第二算法的优先级，使得第二算法的优先级高于第一算法的优先级。优选地，上述技术方案中，系统还包括：第六发送模块，其用于当用户认为第二推荐结果是错误的时，向应用服务器发送第三消息；第三推荐结果生成模块，其用于在应用服务器接收到第三消息之后，根据用户历史信息，并基于第三算法生成第三推荐结果；第四推荐结果生成模块，其用于从第一推荐结果、第二推荐结果以及第三推荐结果中各抽取多个推荐条目以形成第四推荐结果；第七发送模块，其用于将第四推荐结果发送给客户端。优选地，上述技术方案中，用户历史信息由以下各项中的一项或多项组成：网页搜索记录、粘贴操作记录、在新窗口中的网页打开记录、网页保存记录以及将网页添加到收藏夹中的记录。优选地，上述技术方案中，第一算法是关联规则算法，第二算法是协同过滤推荐算法。与现有技术相比，本专利技术具有如下有益效果：本专利技术的方法并不收集收集大量用户信息特征向量维数低，运算快，节省计算资源；经过统计分析，本专利技术选择的各个特征之间基本能够满足正交性；2、使用多种算法进行内容推荐，大大增加了推荐成功的概率；3、多算法系统优先级设置，首先根据统计结果进行优先级统计，然后根据每个用户的反馈进行个性化的优先级设置，使得首次推荐的结果更加符合用户实际情况，本专利技术的系统非常高效。附图说明图1是根据本专利技术的方法的流程图。具体实施方式下面结合附图，对本专利技术的具体实施方式进行详细描述，但应当理解本专利技术的保护范围并不受具体实施方式的限制。除非另有其它明确表示，否则在整个说明书和权利要求书中，术语“包括”或其变换如“包含”或“包括有”等等将被理解为包括所陈述的元件或组成部分，而并未排除其它元件或其它组成部分。本专利技术的墙体与保温层的具体制造方法是本领域公知的方法。各层胶黏剂层例如可以是环氧树脂胶黏剂。图1是根据本专利技术的方法的流程图。本专利技术的方法包括：步骤101：构建用户历史信息数据库；步骤102：将用户历史信息数据库中的用户历史信息发送给应用服务器；步骤103：应用服务器根据用户历史信息，基于第一算法生成第一推荐结果，其中，应用服务器中存储有多个算法，并且其中，第一算法在多个算法中具有最高的优先级；步骤104：应用服务器将第一推荐结果发送给客户端；步骤105：如果用户认为第一推荐结果是错误的，则用户经由客户端向应用服务器发送第一消息；步骤106：应用服务器在接收到第一消息之后，根据用户历史信息，并基于第二算法生成第二推荐结果，其中，第二算法的优先级低于第一算法的优先级；步骤107：以及应用服务器将第二推荐结果发送给客户端。优选地，本专利技术的方法还包括：如果用户认为第二推荐结果是正确的，则用户经由客户端向应用服务器发送第二消息，确定用户是否认为各个推荐结果是正确的方法有多种，例如可以在推荐结本文档来自技高网...

【技术保护点】
1.一种基于机器学习的网页信息推荐方法，其特征在于：所述方法包括：构建用户历史信息数据库；将所述用户历史信息数据库中的用户历史信息发送给应用服务器；所述应用服务器根据所述用户历史信息，基于第一算法生成第一推荐结果，其中，所述应用服务器中存储有多个算法，并且其中，所述第一算法在所述多个算法中具有最高的优先级；所述应用服务器将所述第一推荐结果发送给客户端；如果用户认为所述第一推荐结果是错误的，则所述用户经由所述客户端向所述应用服务器发送第一消息；所述应用服务器在接收到所述第一消息之后，根据所述用户历史信息，并基于第二算法生成第二推荐结果，其中，所述第二算法的优先级低于所述第一算法的优先级；以及所述应用服务器将所述第二推荐结果发送给所述客户端。

【技术特征摘要】
1.一种基于机器学习的网页信息推荐方法，其特征在于：所述方法包括：构建用户历史信息数据库；将所述用户历史信息数据库中的用户历史信息发送给应用服务器；所述应用服务器根据所述用户历史信息，基于第一算法生成第一推荐结果，其中，所述应用服务器中存储有多个算法，并且其中，所述第一算法在所述多个算法中具有最高的优先级；所述应用服务器将所述第一推荐结果发送给客户端；如果用户认为所述第一推荐结果是错误的，则所述用户经由所述客户端向所述应用服务器发送第一消息；所述应用服务器在接收到所述第一消息之后，根据所述用户历史信息，并基于第二算法生成第二推荐结果，其中，所述第二算法的优先级低于所述第一算法的优先级；以及所述应用服务器将所述第二推荐结果发送给所述客户端。2.根据权利要求1的网页信息推荐方法，其特征在于：所述方法还包括：如果所述用户认为所述第二推荐结果是正确的，则所述用户经由所述客户端向所述应用服务器发送第二消息；以及当所述应用服务器接收到所述第二消息之后，提升所述第二算法的优先级，使得所述第二算法的优先级高于所述第一算法的优先级。3.根据权利要求1的网页信息推荐方法，其特征在于：所述方法还包括：如果所述用户认为所述第二推荐结果是错误的，则所述用户经由所述客户端向所述应用服务器发送第三消息；当所述应用服务器接收到所述第三消息之后，根据所述用户历史信息，并基于第三算法生成第三推荐结果；所述应用服务器从所述第一推荐结果、第二推荐结果以及第三推荐结果中各抽取多个推荐条目以形成第四推荐结果；以及所述应用服务器将所述第四推荐结果发送给客户端。4.根据权利要求1的网页信息推荐方法，其特征在于：所述用户历史信息由以下各项中的一项或多项组成：网页搜索记录、粘贴操作记录、在新窗口中的网页打开记录、网页保存记录以及将网页添加到收藏夹中的记录。5.根据权利要求1的网页信息推荐方法，其特征在于：所述第一算法是关联规则算法，所述第二算法是协同过滤推荐算法。6.一种基于机器学习的网页信息推荐系统，其特征...

【专利技术属性】
技术研发人员：王子芹，
申请(专利权)人：北京光宇之勋科技有限公司，
类型：发明
国别省市：北京,11