【技术实现步骤摘要】
一种基于用户行为的实时个性化信息流推荐方法
本专利技术属于智能推荐领域，具体涉及一种基于用户行为的实时个性化信息流推荐方法。
技术介绍
随着互联网的发展和智能手机的普及，人们已经从纸质阅读时代步入了电子化阅读时代，人们更多的是利用智能手机通过互联网从各大信息流软件上获得各种资讯，用户会在软件上进行点击、订阅、分享、评论等操作，产生大量的用户行为。各大软件，也会利用这些行为，对用户进行个性化推荐。用户在和这一类信息流软件交互的时候会产生很多行为，例如点赞、分享、喜欢、评论等。这些行为从用户的情感可以分为正向行为和负向行为。那些能体现出用户喜欢该内容的行为即为正向行为，而一些行为进行分析后，会反应出用户并不喜欢该内容。例如用户的评论，评论反应了用户的主观感受，有的评论是积极的，积极的评论是正向行为，而有些评论是消极，这些消极的评论则是负向行为，表明用户不喜欢，甚至是讨厌这个内容。因此这一类的内容不应该再给用户推荐。但是大多数软件和主流的信息流推荐算法只会从这些行为中挑选一小部分或者将所有的用户行为都视为正向行为，...
【技术保护点】
1.一种基于用户行为的实时个性化信息流推荐方法，其特征在于，所述推荐方法包括如下步骤：/n收集针对内容的用户行为；/n将所述用户行为分类为正向行为和负向行为；/n获取与用户点击过的内容相似的内容，并按照相似度进行排序获得初步推荐结果；/n基于所述正向行为和负向行为对所述初步推荐结果中的内容排序做加权处理获得最终推荐结果。/n
【技术特征摘要】
1.一种基于用户行为的实时个性化信息流推荐方法，其特征在于，所述推荐方法包括如下步骤：
收集针对内容的用户行为；
将所述用户行为分类为正向行为和负向行为；
获取与用户点击过的内容相似的内容，并按照相似度进行排序获得初步推荐结果；
基于所述正向行为和负向行为对所述初步推荐结果中的内容排序做加权处理获得最终推荐结果。
2.根据权利要求1所述的基于用户行为的实时个性化信息流推荐方法，其特征在于，所述用户行为包括评论，将评论分类为正向行为和负向行为基于利用Word2vec词向量和长短期记忆模型所搭建的评论情感分类模型。
3.根据权利要求2所述的基于用户行为的实时个性化信息流推荐方法，其特征在于，所述评论情感分类模型的搭建方法包括如下步骤：
通过分词工具jieba将评论预处理为多个词语的有序组合；
将所述有序组合放入Word2vec模型中，采用skip-gram方法进行词向量的训练；
将评论中包含的词语的词向量进行累加，得到评论的句向量；
将向量化后的评论和预先标注的结果放入LSTM模型中，进行有监督的训练。
4.根据权利要求1所述的基于用户行为的实时个性化信息流推荐方法，其特征在于，所述用户行为包括点击，将点击分类为正向行为和负向行为包括：
基于点击后用户停留在所点击的内容页面的时间，所述时间大于等于预定值，所述点击分类为正向行为；所述时间小于预定值，所述点击分类为负向行为。<...
【专利技术属性】
技术研发人员：柳凯，陈运文，于敬，刘文海，陈雨，赵圆方，纪达麒，
申请(专利权)人：达而观信息科技上海有限公司，
类型：发明
国别省市：上海;31
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。