【技术实现步骤摘要】
一种信息推荐方法及系统
本专利技术涉及互联网
，尤其涉及一种信息推荐方法及系统。
技术介绍
随着社会的发展，人们生活在一个发达的互联网信息时代，海量的信息通过互联网展示在人们眼前。用户在互联网浏览信息时，依据自身所喜欢的内容搜索信息。然而，互联网中的信息严重过载，用户进行搜索后会得到大量的信息，其中，只有一小部分信息才是用户所喜爱浏览的。因此，针对用户偏好的信息推荐技术应运而生。目前，传统推荐技术一般通过分布式系统基础架构(HadoopDistributedFileSystem，Hdfs)对用户行为日志每间隔一段时间进行一次离线训练，然后使用训练得到的模型为用户生成信息推荐列表。由于该方案需要间隔一段时间进行离线训练，显然无法根据用户兴趣偏好的实时变化向用户推荐合理的信息，推荐的信息的满意度过低，降低用户体验。
技术实现思路
有鉴于此，本专利技术实施例提供一种信息推荐方法及系统，以解决无法根据用户兴趣偏好的实时变化向用户推荐合理的信息，造成推荐的信息的满意度过低的问题。为实现上述目的...
【技术保护点】
1.一种信息推荐方法，其特征在于，所述方法包括：/n获取并融合用户的最新行为日志和短期行为日志，得到融合用户行为日志，所述最新行为日志包括N个未被读取的用户最新浏览信息，所述短期行为日志包括M个已被读取的用户历史浏览信息，N为正整数，M为正整数；/n基于所述融合用户行为日志，计算用户对所述融合用户行为日志中每一日志信息的喜爱评分；/n获取基于用户历史行为日志进行离线的相似度计算，得到由所述用户历史行为日志中每一日志信息之间的相似度构成的相似度列表，以及预设推荐比例；/n利用所述喜爱评分和所述相似度列表进行类物品过滤计算，得到所述用户历史行为日志中所述用户未浏览的日志信息与所...
【技术特征摘要】
1.一种信息推荐方法，其特征在于，所述方法包括：
获取并融合用户的最新行为日志和短期行为日志，得到融合用户行为日志，所述最新行为日志包括N个未被读取的用户最新浏览信息，所述短期行为日志包括M个已被读取的用户历史浏览信息，N为正整数，M为正整数；
基于所述融合用户行为日志，计算用户对所述融合用户行为日志中每一日志信息的喜爱评分；
获取基于用户历史行为日志进行离线的相似度计算，得到由所述用户历史行为日志中每一日志信息之间的相似度构成的相似度列表，以及预设推荐比例；
利用所述喜爱评分和所述相似度列表进行类物品过滤计算，得到所述用户历史行为日志中所述用户未浏览的日志信息与所述融合用户行为日志中的每一日志信息之间的推荐度，基于所述推荐度构成推荐度列表；
基于所述预设推荐比例，选取所述推荐度列表中待推荐的信息，确定最优推荐度列表并推荐。
2.根据权利要求1所述的方法，其特征在于，所述基于所述融合用户行为日志，计算用户对所述融合用户行为日志中每一日志信息的喜爱评分，包括：
通过计算所述融合用户行为日志中每一日志信息的权重，S指任一日志信息对应的排序位置，S为正整数；
将所述每一日志信息中，包含不同信息的单一日志信息的权重作为所述单一日志信息的喜爱评分，以及将所述每一日志信息中，包含相同信息的重复日志信息的权重进行合并，得到所述重复日志信息的喜爱评分。
3.根据权利要求1所述的方法，其特征在于，所述获取基于用户历史行为日志进行离线的相似度计算，得到由所述用户历史行为日志中每一日志信息之间的相似度构成的相似度列表，以及预设推荐比例，包括：
获取所述用户历史行为日志；
利用预设相似度算法，计算所述用户历史行为日志中的每一日志信息之间的相似度，所述预设相似度算法至少包括物品内容属性的相似度算法、物品协同过滤的相似度算法和word2vec的相似度算法中的一种或多种组合；
获取利用所述预设相似度算法计算得到的所述每一日志信息之间的相似度，构成相似度列表；
基于所述相似度列表中包含的相似度，确定所述预设推荐比例。
4.根据权利要求1-3中任一项所述的方法，其特征在于，所述利用所述喜爱评分和所述相似度列表进行类物品过滤计算，得到所述用户历史行为日志中所述用户未浏览的日志信息与所述融合用户行为日志中的每一日志信息之间的推荐度，基于所述推荐度构成推荐度列表，包括：
获取利用所述预设相似度算法计算得到的所述用户历史行为日志中所述用户未浏览的日志信息与所述融合用户行为日志中的每一日志信息之间的相似度，构成相似度列表；
基于类物品过滤算法，计算所述的融合用户行为日志中的每一日志信息喜爱评分和所述相似度列表，得到所述用户历史行为日志中所述用户未浏览的日志信息与所述融合用户行为日志中的每一日志信息之间的推荐度，并基于所述推荐度构成所述推荐...
【专利技术属性】
技术研发人员：陈果如，董宾，
申请(专利权)人：飞狐信息技术天津有限公司，
类型：发明
国别省市：天津;12
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。