【技术实现步骤摘要】
推荐信息生成方法与装置
本公开涉及机器学习
，具体而言，涉及一种推荐信息生成方法与装置。
技术介绍
随着互联网尤其是移动互联网的兴起，在海量的信息和数据中挖掘有价值的信息呈献给用户，成为电商、社交、新闻、影音等各大主流应用的核心功能。推荐系统是为用户推荐所需物品的软件工具和技术，对于在线用户处理信息过载是一个非常有价值的方法，并且是电子商务领域最强大和流行的工具。现有的推荐系统一般都采用单一推荐算法来实现整个系统，包括基于协同过滤的推荐算法和基于内容的推荐算法等。现有的协同过滤推荐算法是在海量的用户数据中找到和某用户兴趣一致的数据，收集用户的打分数据，将与打分高的商品相似度较大的用户或者物品作为推荐结果。基于内容的推荐算法是根据用户历史浏览记录向其推荐未浏览过的物品。现有的基于内容的推荐算法一般采用的是TF-IDF算法，TF指词频(TermFrequency)，IDF指逆向文件频率(InverseDocumentFrequency)，即如果某个词或短语在一篇文章中出现的频率TF高，并且在其他文章中很少出现，则认为此词或者短语具有很好的类别区分能力，适合用来分...
【技术保护点】
1.一种推荐信息生成方法，其特征在于，包括：设置多个推荐算法的多个权重值；根据用户行为数据获取所述多个推荐算法输出的多组待推荐对象，所述用户行为数据包括用户对多个对象的行为种类以及行为次数；根据所述多个权重值以及所述多组待推荐对象生成对所述用户的推荐信息。
【技术特征摘要】
1.一种推荐信息生成方法，其特征在于，包括：设置多个推荐算法的多个权重值；根据用户行为数据获取所述多个推荐算法输出的多组待推荐对象，所述用户行为数据包括用户对多个对象的行为种类以及行为次数；根据所述多个权重值以及所述多组待推荐对象生成对所述用户的推荐信息。2.如权利要求1所述的推荐信息生成方法，其特征在于，所述根据用户行为数据获取所述多个推荐算法输出的多组待推荐对象包括：使用第一组描述文档训练LDA模型，所述描述文档用于描述对象；使用所述LDA模型获取第二组描述文档中每个描述文档的主题向量，所述主题向量包括每个所述描述文档中多个主题的评分；根据所述用户行为数据获取用户偏好主题向量；将主题向量与所述用户偏好主题向量的相似度大于预设值的描述文档所对应的描述对象作为待推荐对象。3.如权利要求2所述的推荐信息生成方法，其特征在于，所述根据所述用户行为数据获取用户偏好主题向量包括：为每个所述行为种类设置权重值；获取每个所述行为种类涉及的多个对象对应的多个描述文档；使用所述LDA模型获取所述多个描述文档对应的多个主题向量；根据所述权重值对所述多个主题向量进行按位加权求和，将计算结果作为所述用户偏好主题向量。4.如权利要求1所述的推荐信息生成方法，其特征在于，所述根据用户行为数据获取所述多个推荐算法输出的多组待推荐对象包括：为每个所述行为种类设置分值；根据所述用户对一个对象的每个行为种类的分值及对应的行为次数获取所述对象的第一评分；将所述第一评分满足预设条件的对象作为待推荐对象。5.如权利要求4所述的推荐信息生成方法，其特征在于，还包括：获取所述用户对所述对象的第二评分；根据所述第一评分以及所述第二评分获取所述对象的第三评分；将所述第三评分满足预设条件的对象作为待推荐对象。6.如权利要求1所述的推荐信息生成方法，其特征在于，所述根据所述多个权重值以及所述多组待推荐对象生成对所述用户的推荐信息包括：根据预设推荐信息数量以及所述多个权重值对所述多组待推荐对象进行选取；对选取结果进行去重处理后确定多个待推荐对象；根据按预设条件排序后的所述多个待推荐对象生成所述推荐信息。7.如权利要求1所述的推荐信息生成方法，其特征在于，还包括：循环读取用户列表，对每个用户生成推荐信息。8.一种推荐信息生成装置，其特征在于，包括：权重设置模块，设置为设置多个推荐算法的多个权重值；信息获取模块，设置为根据用户行为数据获取所述多个推荐算法...
【专利技术属性】
技术研发人员：李伟，孙俊，叶璐，黄正元，徐文文，龚杰，
申请(专利权)人：北京京东金融科技控股有限公司，
类型：发明
国别省市：北京,11
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。