资源推荐的方法、装置及存储介质制造方法及图纸

本发明专利技术涉及一种数据分析技术，揭露了一种资源推荐的方法、装置及存储介质，该方法包括：获取用户的第一用户信息，获取与用户显性关联的第一资源信息，生成用户显式向量；获取第二资源信息，获取与第二资源信息显性关联的用户的第二用户信息，生成资源显式向量；获取用户的隐性行为特征，获取与隐性行为特征关联的第三用户信息、第三资源信息，构建三元组关系矩阵，对三元组关系矩阵进行分解计算，得到用户的用户隐式向量、资源隐式向量；计算用户的用户显式向量与对应的资源显式向量的第一相似度，计算用户隐式向量与对应的资源隐式向量的第二相似度；进行加权求和，基于加权求和的结果选取资源信息并推荐。本发明专利技术能够提高资源推荐的准确性。

Recommended methods, devices and storage media of resources

【技术实现步骤摘要】
资源推荐的方法、装置及存储介质
本专利技术涉及数据分析
，尤其涉及一种资源推荐的方法、装置及存储介质。
技术介绍
用户画像及资源画像是提高推荐系统准确性的重要方式，全面精准的标签可以充分体现用户特征及资源特征，依据画像形成的特征可为用户生成个性化资源池，从而实现千人千面的效果，提高推荐的精准度，同时，提升用户满意度。目前，画像在推荐系统应用中，采用两种方法进行资源的筛选及并形成预测：一种是采用显性特征(例如，内容和/或属性等相似的特征)进行资源筛选，这种方法一般需要进行大量的特征工程找到合适的特征组合，特征组合的效果在一定程度决定着最终筛选及预测效果的好坏，准确性有待提高；另一种是为采用机器学习算法计算隐式特征(例如，内容和/或属性等不相似，但存在一定关联的特征)进行资源筛选，在数据量很大的情况下，这种方法在一定程度能缓解数据稀疏性，但是存在资源更新慢、结果的可解释性低的特点，准确性也有待提高。
技术实现思路
本专利技术的目的在于提供一种资源推荐的方法、装置及存储介质，旨在提高资源推荐的准确性。为实现上述目的，本专利技术提供一种资源推荐的方法，所述资源推荐的方法包括：获取用户的第一用户信息，获取与所述用户显性关联的第一资源信息，基于所述第一用户信息、第一资源信息生成用户显式向量；获取第二资源信息，获取与所述第二资源信息显性关联的用户的第二用户信息，基于所述第二资源信息、第二用户信息生成与所述用户显式向量维度相同的资源显式向量；获取用户的隐性行为特征，获取与所述隐性行为特征关联的第三用户信息、第三资源信息，基于所述第三用户信息、第三资源信息构建三元组关系矩阵，利用预定的算法对所述三元组关系矩阵进行分解计算，得到所述用户的用户隐式向量、资源隐式向量；计算所述用户的用户显式向量与对应的资源显式向量的第一相似度，计算所述用户隐式向量与对应的资源隐式向量的第二相似度；对所述第一相似度及第二相似度进行加权求和，基于加权求和的结果选取资源信息并向所述用户进行推荐。优选地，所述第一用户信息包括用户的基本信息及行为信息，所述第一资源信息中包括具有相同或不同业务属性的各资源信息，所述基于所述第一用户信息、第一资源信息生成用户显式向量的步骤，具体包括：获取预先定义的多维向量，所述多维向量包括基础信息及业务属性；基于所述基本信息为所述多维向量中的基础信息赋值，基于所述第一资源信息中的各资源信息、基本信息及行为信息为所述多维向量中的业务属性赋值，以赋值后的多维向量作为所述用户显式向量。优选地，所述行为信息包括显性行为特征及隐性行为特征，所述基于所述第一资源信息中的各资源信息、基本信息及行为信息为所述多维向量中的业务属性赋值的步骤，具体包括：获取所述用户对所述第一资源信息中的各资源信息操作时产生的显性行为特征及时间信息，基于所述显性行为特征及时间信息计算所述用户对相应的资源信息的偏好程度，以该偏好程度作为对应的业务属性的值；或者基于所述基本信息对用户进行分组，通过群组内关联规则预测每个分组内用户对所述第一资源信息中的各资源信息的偏好程度，以该偏好程度作为对应的业务属性的值。优选地，所述对所述第一相似度及第二相似度进行加权求和，基于加权求和的结果选取资源信息并向所述用户进行推荐的步骤，具体包括：分别将所述第一相似度及第二相似度归一化，获取预定的权值，基于归一化后的第一相似度、归一化后的第二相似度及权值进行加权求和，得到总相似度；获取各资源信息的上架时间及热度，基于所述总相似度、各资源信息的上架时间及热度选取多个资源信息并向所述用户进行推荐。优选地，所述基于所述总相似度、各资源信息的上架时间及热度选取多个资源信息并向所述用户进行推荐的步骤，具体包括：基于所述总相似度、各资源信息的上架时间及热度计算各资源信息的优先级，根据所述各资源信息的优先级选取多个资源信息并向所述用户进行推荐。为实现上述目的，本专利技术还提供一种资源推荐的装置，所述资源推荐的装置包括存储器及与所述存储器连接的处理器，所述存储器中存储有可在所述处理器上运行的处理系统，所述处理系统被所述处理器执行时实现如下步骤：获取用户的第一用户信息，获取与所述用户显性关联的第一资源信息，基于所述第一用户信息、第一资源信息生成用户显式向量；获取第二资源信息，获取与所述第二资源信息显性关联的用户的第二用户信息，基于所述第二资源信息、第二用户信息生成与所述用户显式向量维度相同的资源显式向量；获取用户的隐性行为特征，获取与所述隐性行为特征关联的第三用户信息、第三资源信息，基于所述第三用户信息、第三资源信息构建三元组关系矩阵，利用预定的算法对所述三元组关系矩阵进行分解计算，得到所述用户的用户隐式向量、资源隐式向量；计算所述用户的用户显式向量与对应的资源显式向量的第一相似度，计算所述用户隐式向量与对应的资源隐式向量的第二相似度；对所述第一相似度及第二相似度进行加权求和，基于加权求和的结果选取资源信息并向所述用户进行推荐。优选地，所述第一用户信息包括用户的基本信息及行为信息，所述第一资源信息中包括具有相同或不同业务属性的各资源信息，所述基于所述第一用户信息、第一资源信息生成用户显式向量的步骤，具体包括：获取预先定义的多维向量，所述多维向量包括基础信息及业务属性；基于所述基本信息为所述多维向量中的基础信息赋值，基于所述第一资源信息中的各资源信息、基本信息及行为信息为所述多维向量中的业务属性赋值，以赋值后的多维向量作为所述用户显式向量。优选地，所述行为信息包括显性行为特征及隐性行为特征，所述基于所述第一资源信息中的各资源信息、基本信息及行为信息为所述多维向量中的业务属性赋值的步骤，具体包括：获取所述用户对所述第一资源信息中的各资源信息操作时产生的显性行为特征及时间信息，基于所述显性行为特征及时间信息计算所述用户对相应的资源信息的偏好程度，以该偏好程度作为对应的业务属性的值；或者基于所述基本信息对用户进行分组，通过群组内关联规则预测每个分组内用户对所述第一资源信息中的各资源信息的偏好程度，以该偏好程度作为对应的业务属性的值。优选地，所述对所述第一相似度及第二相似度进行加权求和，基于加权求和的结果选取资源信息并向所述用户进行推荐的步骤，具体包括：分别将所述第一相似度及第二相似度归一化，获取预定的权值，基于归一化后的第一相似度、归一化后的第二相似度及权值进行加权求和，得到总相似度；获取各资源信息的上架时间及热度，基于所述总相似度、各资源信息的上架时间及热度选取多个资源信息并向所述用户进行推荐。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上存储有处理系统，所述处理系统被处理器执行时实现上述的资源推荐的方法的步骤。本专利技术的有益效果是：本专利技术首先生成用户显式向量、资源显式向量，然后基于用户的隐性行为特征构建三元组关系矩阵，分解该三元组关系矩阵得到用户隐式向量、本文档来自技高网...

【技术保护点】
1.一种资源推荐的方法，其特征在于，所述资源推荐的方法包括：/n获取用户的第一用户信息，获取与所述用户显性关联的第一资源信息，基于所述第一用户信息、第一资源信息生成用户显式向量；/n获取第二资源信息，获取与所述第二资源信息显性关联的用户的第二用户信息，基于所述第二资源信息、第二用户信息生成与所述用户显式向量维度相同的资源显式向量；/n获取用户的隐性行为特征，获取与所述隐性行为特征关联的第三用户信息、第三资源信息，基于所述第三用户信息、第三资源信息构建三元组关系矩阵，利用预定的算法对所述三元组关系矩阵进行分解计算，得到所述用户的用户隐式向量、资源隐式向量；/n计算所述用户的用户显式向量与对应的资源显式向量的第一相似度，计算所述用户隐式向量与对应的资源隐式向量的第二相似度；/n对所述第一相似度及第二相似度进行加权求和，基于加权求和的结果选取资源信息并向所述用户进行推荐。/n

【技术特征摘要】
1.一种资源推荐的方法，其特征在于，所述资源推荐的方法包括：
获取用户的第一用户信息，获取与所述用户显性关联的第一资源信息，基于所述第一用户信息、第一资源信息生成用户显式向量；
获取第二资源信息，获取与所述第二资源信息显性关联的用户的第二用户信息，基于所述第二资源信息、第二用户信息生成与所述用户显式向量维度相同的资源显式向量；
获取用户的隐性行为特征，获取与所述隐性行为特征关联的第三用户信息、第三资源信息，基于所述第三用户信息、第三资源信息构建三元组关系矩阵，利用预定的算法对所述三元组关系矩阵进行分解计算，得到所述用户的用户隐式向量、资源隐式向量；
计算所述用户的用户显式向量与对应的资源显式向量的第一相似度，计算所述用户隐式向量与对应的资源隐式向量的第二相似度；
对所述第一相似度及第二相似度进行加权求和，基于加权求和的结果选取资源信息并向所述用户进行推荐。


2.根据权利要求1所述的资源推荐的方法，其特征在于，所述第一用户信息包括用户的基本信息及行为信息，所述第一资源信息中包括具有相同或不同业务属性的各资源信息，所述基于所述第一用户信息、第一资源信息生成用户显式向量的步骤，具体包括：
获取预先定义的多维向量，所述多维向量包括基础信息及业务属性；
基于所述基本信息为所述多维向量中的基础信息赋值，基于所述第一资源信息中的各资源信息、基本信息及行为信息为所述多维向量中的业务属性赋值，以赋值后的多维向量作为所述用户显式向量。


3.根据权利要求2所述的资源推荐的方法，其特征在于，所述行为信息包括显性行为特征及隐性行为特征，所述基于所述第一资源信息中的各资源信息、基本信息及行为信息为所述多维向量中的业务属性赋值的步骤，具体包括：
获取所述用户对所述第一资源信息中的各资源信息操作时产生的显性行为特征及时间信息，基于所述显性行为特征及时间信息计算所述用户对相应的资源信息的偏好程度，以该偏好程度作为对应的业务属性的值；或者
基于所述基本信息对用户进行分组，通过群组内关联规则预测每个分组内用户对所述第一资源信息中的各资源信息的偏好程度，以该偏好程度作为对应的业务属性的值。


4.根据权利要求1至3任一项所述的资源推荐的方法，其特征在于，所述对所述第一相似度及第二相似度进行加权求和，基于加权求和的结果选取资源信息并向所述用户进行推荐的步骤，具体包括：
分别将所述第一相似度及第二相似度归一化，获取预定的权值，基于归一化后的第一相似度、归一化后的第二相似度及权值进行加权求和，得到总相似度；
获取各资源信息的上架时间及热度，基于所述总相似度、各资源信息的上架时间及热度选取多个资源信息并向所述用户进行推荐。


5.根据权利要求4所述的资源推荐的方法，其特征在于，所述基于所述总相似度、各资源信息的上架时间及热度选取多个资源信息并向所述用户进行推荐的步骤，具体包括：
基于所述总相似度、各资源信息的上架时间及热度计算各资源信息的优先级，根据所述各资源信息的优先级选取多个资源信息并向所述用户进行推荐。
<...

【专利技术属性】
技术研发人员：陆园丽，余玉霞，
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