资源推荐方法、服务器及存储介质技术

本发明专利技术涉及数据处理技术，提供了一种资源推荐方法、服务器及存储介质。该方法从数据库中读取用户的相关信息，根据用户的历史操作行为信息构建用户偏好矩阵，计算出用户行为与资源信息的相似度值生成第一推荐列表，根据用户的社交信息构建该用户与预设用户群的社交关系树，计算该用户与预设用户群中各用户的社交相似度，根据用户的特征关键词及预设用户群中各用户的特征关键词生成词袋，计算词袋之间的相似度，基于社交相似度与词袋相似度计算该用户与预设用户群中各用户的偏好程度值生成第二推荐列表，从第一推荐列表及第二推荐列表中获取用户具有读取权限的资源信息，推荐给该用户。本发明专利技术可以提高资源推荐的精准性。

Resource recommendation methods, servers and storage media

【技术实现步骤摘要】
资源推荐方法、服务器及存储介质
本专利技术涉及数据处理领域，尤其涉及一种资源推荐方法、服务器及存储介质。
技术介绍
在信息过载的时代，推荐系统能够帮助用户找到符合其个性化需求的内容，因而在电子商务、社交网站中得到了广泛的应用。现有的推荐主要通过问卷或者问答的方式，进行专业能力的评估，从而基于能力评估模型为用户生成特定的能力评估结果，最终依据计算结果进行相应资源的推送，但这种方式无法在用户无感知的情况下进行，且推荐参考的信息单一，并不能够代表用户的实际需求，导致推荐的准确率低。
技术实现思路
鉴于以上内容，本专利技术提供一种资源推荐方法、服务器及存储介质，其目的在于提高资源推荐的精准性。为实现上述目的，本专利技术提供一种资源推荐方法，该方法包括：读取步骤：从数据库中读取用户的相关信息，其中，所述相关信息包括用户的特征文本、特征关键词、历史操作行为信息及社交信息；第一生成步骤：根据所述用户的历史操作行为信息构建用户偏好矩阵，将用户偏好矩阵分解为用户行为矩阵和资源信息矩阵，基于用户行为矩阵和资源信息矩阵，利用交替最小二乘法计算出用户与所述数据库存储的资源信息的第一相似度值，筛选出第一相似度值大于第一预设值对应的资源信息生成第一推荐列表；第二生成步骤：根据所述用户的社交信息构建该用户与预设用户群的社交关系树，基于所述社交关系树，利用预设算法计算该用户与预设用户群中各用户的社交相似度，根据用户的特征关键词生成该用户的第一词袋，并根据预设用户群中各用户的特征关键词生成多个第二词袋，计算第一词袋与每个第二词袋的词袋相似度，基于所述社交相似度与所述词袋相似度计算得到该用户与预设用户群中各用户的偏好程度值，筛选出偏好程度值大于第二预设值的用户对应的资源信息生成第二推荐列表；及推荐步骤：从所述第一推荐列表及第二推荐列表中读取所述用户具有读取权限的资源信息，推荐给该用户。优选的，在所述推荐步骤之前，所述方法还包括：利用预设的分词规则对所述用户的特征文本作分词处理，将得到的每个分词转换为词向量；利用余弦相似度算法计算每个词向量与预设关键词库中每个关键词词向量的第二相似度值，其中，每个关键词词向量对应不同的资源信息；筛选出第二相似度值大于第三预设值的关键词词向量对应的资源信息添加至所述第二推荐列表。优选的，所述第二生成步骤包括：利用预设算法根据所述社交关系树的深度及其各节点之间的关联权重，计算得到所述用户与所述预设用户群中各用户的社交相似度，所述预设算法的公式为：其中，Stree,ab表示用户a与用户b的社交相似度，N表示叶子节点到根节点的深度，Kab表示用户a与用户b之间的深度，ω表示权重系数，ω默认取值为1。优选的，所述偏好程度值的计算公式为：Simab＝θ0+θ1Stree,ab+θ2Sfield,ab，其中，Simab表示用户a与用户b的偏好程度值，Stree,ab表示用户a与用户b的社交相似度，Sfield,ab表示用户a与用户b的词袋相似度，θ0、θ1、θ2表示参数值。优选的，所述推荐步骤包括：从预设数据库中获取用户权限列表，所述用户权限列表中包括多个用户对应的资源信息的读取权限；查询所述用户权限列表，确定第一推荐列表及第二推荐列表中用户具有读取权限的资源信息，并将该用户具有读取权限的资源信息推荐给该用户；若查询到用户不具有读取第一推荐列表及第二推荐列表中的资源信息的权限，则向该用户发送预设类型的提示信息。为实现上述目的，本专利技术还提供一种服务器，该服务器包括：存储器及处理器，其特征在于，所述存储器上存储资源推荐程序，所述资源推荐程序被所述处理器执行，实现如下步骤：读取步骤：从数据库中读取用户的相关信息，其中，所述相关信息包括用户的特征文本、特征关键词、历史操作行为信息及社交信息；第一生成步骤：根据所述用户的历史操作行为信息构建用户偏好矩阵，将用户偏好矩阵分解为用户行为矩阵和资源信息矩阵，基于用户行为矩阵和资源信息矩阵，利用交替最小二乘法计算出用户与所述数据库存储的资源信息的第一相似度值，筛选出第一相似度值大于第一预设值对应的资源信息生成第一推荐列表；第二生成步骤：根据所述用户的社交信息构建该用户与预设用户群的社交关系树，基于所述社交关系树，利用预设算法计算该用户与预设用户群中各用户的社交相似度，根据用户的特征关键词生成该用户的第一词袋，并根据预设用户群中各用户的特征关键词生成多个第二词袋，计算第一词袋与每个第二词袋的词袋相似度，基于所述社交相似度与所述词袋相似度计算得到该用户与预设用户群中各用户的偏好程度值，筛选出偏好程度值大于第二预设值的用户对应的资源信息生成第二推荐列表；及推荐步骤：从所述第一推荐列表及第二推荐列表中读取所述用户具有读取权限的资源信息，推荐给该用户。优选的，所述资源推荐程序被所述处理器执行，在所述推荐步骤之前还实现以下步骤：利用预设的分词规则对所述用户的特征文本作分词处理，将得到的每个分词转换为词向量；利用余弦相似度算法计算每个词向量与预设关键词库中每个关键词词向量的第二相似度值，其中，每个关键词词向量对应不同的资源信息；筛选出第二相似度值大于第三预设值的关键词词向量对应的资源信息添加至所述第二推荐列表。优选的，所述第二生成步骤包括：利用预设算法根据所述社交关系树的深度及其各节点之间的关联权重，计算得到所述用户与所述预设用户群中各用户的社交相似度，所述预设算法的公式为：其中，Stree,ab表示用户a与用户b的社交相似度，N表示叶子节点到根节点的深度，Kab表示用户a与用户b之间的深度，ω表示权重系数，ω默认取值为1。优选的，所述推荐步骤包括：从预设数据库中获取用户权限列表，所述用户权限列表中包括多个用户对应的资源信息的读取权限；查询所述用户权限列表，确定第一推荐列表及第二推荐列表中用户具有读取权限的资源信息，并将该用户具有读取权限的资源信息推荐给该用户；若查询到用户不具有读取第一推荐列表及第二推荐列表中的资源信息的权限，则向该用户发送预设类型的提示信息。为实现上述目的，本专利技术还提供一种计算机可读存储介质，所述计算机可读存储介质中包括资源推荐程序，所述资源推荐程序被处理器执行时，可实现如上所述资源推荐方法中的任意步骤。相比现有技术的信息推荐方法，本专利技术提出的资源推荐方法、服务器及存储介质，通过从数据库中读取用户的相关信息，根据用户的历史操作行为信息构建用户偏好矩阵，计算出用户行为与资源信息的相似度值生成第一推荐列表，根据用户的社交信息构建该用户与预设用户群的社交关系树，计算该用户与预设用户群中各用户的社交相似度，根据用户的特征关键词及预设用户群中各用户的特征关键词生成词袋，计算词袋之间的相似度，基于社交相似度与词袋相似度计算该用户与预设用户群中各用户的偏好程度值生成第二推荐列表，从第一推荐列表及第二推荐列表中获取用户具有本文档来自技高网...

【技术保护点】
1.一种资源推荐方法，应用于服务器，其特征在于，所述方法包括：/n读取步骤：从数据库中读取用户的相关信息，其中，所述相关信息包括用户的特征文本、特征关键词、历史操作行为信息及社交信息；/n第一生成步骤：根据所述用户的历史操作行为信息构建用户偏好矩阵，将用户偏好矩阵分解为用户行为矩阵和资源信息矩阵，基于用户行为矩阵和资源信息矩阵，利用交替最小二乘法计算出用户与所述数据库存储的资源信息的第一相似度值，筛选出第一相似度值大于第一预设值对应的资源信息生成第一推荐列表；/n第二生成步骤：根据所述用户的社交信息构建该用户与预设用户群的社交关系树，基于所述社交关系树，利用预设算法计算该用户与预设用户群中各用户的社交相似度，根据用户的特征关键词生成该用户的第一词袋，并根据预设用户群中各用户的特征关键词生成多个第二词袋，计算第一词袋与每个第二词袋的词袋相似度，基于所述社交相似度与所述词袋相似度计算得到该用户与预设用户群中各用户的偏好程度值，筛选出偏好程度值大于第二预设值的用户对应的资源信息生成第二推荐列表；及/n推荐步骤：从所述第一推荐列表及第二推荐列表中读取所述用户具有读取权限的资源信息，推荐给该用户。/n...

【技术特征摘要】
1.一种资源推荐方法，应用于服务器，其特征在于，所述方法包括：
读取步骤：从数据库中读取用户的相关信息，其中，所述相关信息包括用户的特征文本、特征关键词、历史操作行为信息及社交信息；
第一生成步骤：根据所述用户的历史操作行为信息构建用户偏好矩阵，将用户偏好矩阵分解为用户行为矩阵和资源信息矩阵，基于用户行为矩阵和资源信息矩阵，利用交替最小二乘法计算出用户与所述数据库存储的资源信息的第一相似度值，筛选出第一相似度值大于第一预设值对应的资源信息生成第一推荐列表；
第二生成步骤：根据所述用户的社交信息构建该用户与预设用户群的社交关系树，基于所述社交关系树，利用预设算法计算该用户与预设用户群中各用户的社交相似度，根据用户的特征关键词生成该用户的第一词袋，并根据预设用户群中各用户的特征关键词生成多个第二词袋，计算第一词袋与每个第二词袋的词袋相似度，基于所述社交相似度与所述词袋相似度计算得到该用户与预设用户群中各用户的偏好程度值，筛选出偏好程度值大于第二预设值的用户对应的资源信息生成第二推荐列表；及
推荐步骤：从所述第一推荐列表及第二推荐列表中读取所述用户具有读取权限的资源信息，推荐给该用户。


2.如权利要求1所述的资源推荐方法，其特征在于，在所述推荐步骤之前，所述方法还包括：
利用预设的分词规则对所述用户的特征文本作分词处理，将得到的每个分词转换为词向量；
利用余弦相似度算法计算每个词向量与预设关键词库中每个关键词词向量的第二相似度值，其中，每个关键词词向量对应不同的资源信息；
筛选出第二相似度值大于第三预设值的关键词词向量对应的资源信息添加至所述第二推荐列表。


3.如权利要求1所述的资源推荐方法，其特征在于，所述第二生成步骤包括：
利用预设算法根据所述社交关系树的深度及其各节点之间的关联权重，计算得到所述用户与所述预设用户群中各用户的社交相似度，所述预设算法的公式为：



其中，Stree,ab表示用户a与用户b的社交相似度，N表示叶子节点到根节点的深度，Kab表示用户a与用户b之间的深度，ω表示权重系数，ω默认取值为1。


4.如权利要求1所述的资源推荐方法，其特征在于，所述偏好程度值的计算公式为：
Simab＝θ0+θ1Stree,ab+θ2Sfield,ab，
其中，Simab表示用户a与用户b的偏好程度值，Stree,ab表示用户a与用户b的社交相似度，Sfield,ab表示用户a与用户b的词袋相似度，θ0、θ1、θ2表示参数值。


5.如权利要求1至4任意一项所述的资源推荐方法，其特征在于，所述推荐步骤包括：
从预设数据库中获取用户权限列表，所述用户权限列表中包括多个用户对应的资源信息的读取权限；
查询所述用户权限列表，确定第一推荐列表及第二推荐列表中用户具有读取权限的资源信息，并将该用户具有读取权限的资源信息推荐给该用户；
若查询到用户不具有读取第一推荐列表及第二推荐列表中的资源信息的权限，则...

【专利技术属性】
技术研发人员：陆园丽，
申请(专利权)人：平安国际智慧城市科技股份有限公司，
类型：发明
国别省市：广东;44