一种信息推荐方法及终端技术

本发明专利技术适用于计算机技术领域，提供了一种信息推荐方法及终端，该方法包括：当获取到用户浏览的资讯信息时，对所述资讯信息进行打标签处理，得到目标资讯信息；通过预设的卷积神经网络模型提取所述标签类型的文本特征；通过预设的协同过滤模型对所述文本特征以及目标历史行为数据进行评分，得到评分结果；根据所述评分结果确定待推荐的目标资讯信息，并将所述目标资讯信息推荐给所述用户。本发明专利技术实施例，通过预设的卷积神经网络模型和预设的协同过滤模型对文本特征以及用户历史行为数据进行处理，根据处理结果向用户推荐资讯信息，使得用户能够快速获取到感兴趣、有价值且有针对性的资讯信息。

【技术实现步骤摘要】
一种信息推荐方法及终端
本专利技术属于计算机
，尤其涉及一种信息推荐方法及终端。
技术介绍
随着互联网的快速发展，在这个大数据时代，用户每天都会接触到海量的资讯信息，与此同时，提供高精确度与个性化的信息推荐越来越重要。资讯信息是指用户因为及时地获得它并利用它，而能够在相对短的时间内给自己带来价值的信息。然而传统的资讯信息推荐系统基于时间线向所有用户推荐并展示同类资讯信息(即传统的资讯推荐系统根据时间周期更新资讯信息)。由于资讯信息更新周期长，且推荐的信息对于所有用户都是相同的，导致用户无法快速获取到感兴趣、有价值且有针对性的资讯信息。
技术实现思路
有鉴于此，本专利技术实施例提供了一种信息推荐方法及终端，以解决现有技术中，传统的资讯信息推荐系统基于时间线向所有用户推荐并展示同类资讯信息，由于资讯信息更新周期长，且推荐的信息对于所有用户都是相同的，导致用户无法快速获取到感兴趣、有价值且有针对性的资讯信息的问题。本专利技术实施例的第一方面提供了一种信息推荐方法，包括：当获取到用户浏览的资讯信息时，对本文档来自技高网...

【技术保护点】
1.一种信息推荐方法，其特征在于，包括：/n当获取到用户浏览的资讯信息时，对所述资讯信息进行打标签处理，得到目标资讯信息；所述目标资讯信息包括用于标识所述资讯信息所属类别的标签类型；/n通过预设的卷积神经网络模型提取所述标签类型的文本特征；/n通过预设的协同过滤模型对所述文本特征以及目标历史行为数据进行评分，得到评分结果；所述目标历史行为数据为所述用户的历史行为数据中与所述文本特征关联的历史行为数据；所述评分结果用于表示所述用户对与所述标签类型对应的资讯信息的兴趣度；/n根据所述评分结果确定待推荐的目标资讯信息，并将所述目标资讯信息推荐给所述用户。/n

【技术特征摘要】
1.一种信息推荐方法，其特征在于，包括：
当获取到用户浏览的资讯信息时，对所述资讯信息进行打标签处理，得到目标资讯信息；所述目标资讯信息包括用于标识所述资讯信息所属类别的标签类型；
通过预设的卷积神经网络模型提取所述标签类型的文本特征；
通过预设的协同过滤模型对所述文本特征以及目标历史行为数据进行评分，得到评分结果；所述目标历史行为数据为所述用户的历史行为数据中与所述文本特征关联的历史行为数据；所述评分结果用于表示所述用户对与所述标签类型对应的资讯信息的兴趣度；
根据所述评分结果确定待推荐的目标资讯信息，并将所述目标资讯信息推荐给所述用户。


2.如权利要求1所述的信息推荐方法，其特征在于，所述通过预设的卷积神经网络模型提取所述标签类型的文本特征，包括：
将所述标签类型输入所述卷积神经网络模型进行处理，得到所述标签类型对应的向量矩阵；
提取所述向量矩阵的特征向量；
提取所述特征向量的所述文本特征。


3.如权利要求1所述的信息推荐方法，其特征在于，所述通过预设的协同过滤模型对所述文本特征以及目标历史行为数据进行评分，得到评分结果，包括：
获取所述目标历史行为数据，将所述目标历史行为数据转换为与所述目标历史行为数据对应的向量；
基于所述文本特征以及所述向量构建评分矩阵；
基于所述评分矩阵确定评分结果。


4.如权利要求1所述的信息推荐方法，其特征在于，所述评分结果包括评分数值及其关联的标签类型，所述根据所述评分结果确定待推荐的目标资讯信息，并将所述目标资讯信息推荐给所述用户，包括：
基于所述评分结果中的所述评分数值及其关联的标签类型，将与最高的评分数值关联的标签类型识别为目标标签类型；
查找与所述目标标签类型对应的目标资讯信息，并将所述目标资讯信息推荐给所述用户。


5.如权利要求1至4任一项所述的信息推荐方法，其特征在于，所述通过预设的协同过滤模型对所述文本特征以及目标历史行为数据进行评分，得到评...

【专利技术属性】
技术研发人员：李建新，上官晨寰，石国忠，吴信红，林童，吴宏，刘宇戈，
申请(专利权)人：招商证券股份有限公司，
类型：发明
国别省市：广东;44