本发明专利技术实施例提供内容推荐方法和装置、电子设备、存储介质，涉及人工智能技术领域。该内容推荐方法包括：通过获取用户行为信息，对用户行为信息进行特征加工，得到用户行为因子数据，对用户行为因子数据进行特征分析，得到兴趣内容，根据兴趣内容生成用户兴趣相关性矩阵，根据用户兴趣相关性矩阵计算得到用户相似性，根据用户相似性选取候选内容，进行内容推荐。本发明专利技术实施例获取包含无线数据信息和轨迹数据信息在内的用户行为信息，将多种类型用户数据结合起来进行特征提取，从而通过获取不同数据之间隐含的相关信息得到兴趣内容，利用该兴趣内容进行对应的内容推荐，提高内容推荐的准确性以及推荐的内容与用户需求的相关性。准确性以及推荐的内容与用户需求的相关性。准确性以及推荐的内容与用户需求的相关性。
【技术实现步骤摘要】
内容推荐方法和装置、电子设备、存储介质
[0001]本专利技术涉及人工智能
，尤其涉及内容推荐方法和装置、电子设备和存储介质。
技术介绍
[0002]随着互联网技术和移动终端的发展，信息呈现出爆发式的膨胀，人们正从信息匮乏时代走进信息过载时代，获取信息的途径也更加多样、更加便捷。作为信息消费者，如何从大量信息中找到自己感兴趣的信息，作为信息生产者，如何让自己投放的信息脱颖而出备受关注，都是现如今需要解决的问题。内容推荐系统就是用于缓解上述问题的方法，其任务是联系用户和信息，帮助用户发现对自己有价值的兴趣点，让信息精准地展现在对它感兴趣的用户面前，从而实现信息消费者和信息生产者的共赢。
[0003]相关技术中，内容推荐系统多是抓取用户某一方面的历史数据，例如浏览历史或搜索关键词等进行相关的内容推荐，或者结合用户的定位信息获取用户的地理位置，进行周边搜索、优惠券搜索或打卡等功能的推荐，但是相关技术并没有将多种类型用户数据结合起来，获取其中隐含的相关信息，以进行对应的内容推荐，导致内容推荐的准确性不高，推荐的内容与用户需求的相关性较低。
技术实现思路
[0004]本专利技术实施例的主要目的在于提出一种内容推荐方法和装置、电子设备和存储介质，能够提高内容推荐的准确性以及推送内容与用户需求的相关性。
[0005]为实现上述目的，本专利技术实施例的一方面提出了一种内容推荐方法，包括：
[0006]获取用户行为信息，所述用户行为信息包括：无线数据信息和轨迹数据信息；
[0007]对所述用户行为信息进行特征加工，得到用户行为因子数据，所述用户行为因子数据包括：无线因子数据和轨迹因子数据；
[0008]对所述用户行为因子数据进行特征分析，得到兴趣内容；
[0009]根据所述兴趣内容生成用户兴趣相关性矩阵；
[0010]根据所述用户兴趣相关性矩阵计算得到用户相似性；
[0011]根据所述用户相似性选取候选内容，进行内容推荐。
[0012]在一些实施例，所述对所述用户行为信息进行特征加工，得到用户行为因子数据，包括：
[0013]对所述无线数据信息进行特征加工，得到所述无线因子数据，所述无线因子数据包括以下至少之一：局域网名称因子数据、浏览内容因子数据、浏览时长因子数据、浏览频率因子数据和浏览时间因子数据；
[0014]对所述轨迹数据信息进行特征加工，得到所述轨迹因子数据。
[0015]在一些实施例，所述对所述用户行为因子数据进行特征分析，得到兴趣内容，包括：
[0016]根据所述用户行为因子数据进行特征分析，得到地点相关性内容、浏览内容相关性内容和浏览时长相关性内容；
[0017]根据所述地点相关性内容、所述浏览内容相关性内容和所述浏览时长相关性内容生成所述兴趣内容。
[0018]在一些实施例，所述根据所述兴趣内容生成用户兴趣相关性矩阵之前，所述内容推荐方法还包括：
[0019]对所述兴趣内容进行特征选择，得到兴趣筛选内容；
[0020]对所述兴趣筛选内容进行数值化操作，得到数值化兴趣内容，以便能够根据所述数值化兴趣内容生成所述用户兴趣相关性矩阵。
[0021]在一些实施例，所述根据所述兴趣内容生成用户兴趣相关性矩阵，包括：
[0022]按照使用频次生成用户针对所述兴趣内容的相关性值；
[0023]根据所述相关性值生成所述用户兴趣相关性矩阵。
[0024]在一些实施例，所述根据所述用户兴趣相关性矩阵计算得到用户相似性，包括：
[0025]将所述用户兴趣相关性矩阵输入推荐系统，计算不同用户间的相关系数；
[0026]根据所述相关系数计算得到不同用户间的用户相似性。
[0027]在一些实施例，所述根据所述用户相似性选取候选内容，进行内容推荐，包括：
[0028]根据所述用户相似性进行用户排序；
[0029]选取预设数量的用户作为候选用户集合；
[0030]获取候选兴趣内容；
[0031]根据所述候选用户集合获取所述候选兴趣内容的评分排序结果；
[0032]根据所述评分排序结果，按照预设推荐数量，选取所述候选内容进行内容推荐。
[0033]为实现上述目的，本专利技术的又一方面提出了一种内容推荐装置，包括：
[0034]用户行为信息获取模块，用于获取用户行为信息；
[0035]特征加工模块，用于对所述用户行为信息进行特征加工，得到用户行为因子数据；
[0036]特征分析模块，用于对所述用户行为因子数据进行特征分析，得到兴趣内容；
[0037]兴趣相关性计算模块，用于根据所述兴趣内容生成用户兴趣相关性矩阵；
[0038]用户相似性计算模块，用于根据所述用户兴趣相关性矩阵计算得到用户相似性；
[0039]内容推荐模块，用于根据所述用户相似性选取候选内容，进行内容推荐。
[0040]为实现上述目的，本专利技术的又一方面提出了一种电子设备，包括：
[0041]至少一个存储器；
[0042]至少一个处理器；
[0043]至少一个程序；
[0044]所述程序被存储在存储器中，处理器执行所述至少一个程序以实现本专利技术如上述所述的内容推荐方法。
[0045]为实现上述目的，本专利技术的又一方面提出了一种存储介质，该存储介质是计算机可读存储介质，所述计算机可读存储介质存储有计算机可执行指令，所述计算机可执行指令用于使计算机执行：
[0046]如上述所述的内容推荐方法。
[0047]本专利技术实施例提出的内容推荐方法和装置、电子设备、存储介质，通过获取用户行
为信息，用户行为信息包括：无线数据信息和轨迹数据信息，对用户行为信息进行特征加工，得到用户行为因子数据，用户行为因子数据包括：无线因子数据和轨迹因子数据，对用户行为因子数据进行特征分析，得到兴趣内容，根据兴趣内容生成用户兴趣相关性矩阵，根据用户兴趣相关性矩阵计算得到用户相似性，根据用户相似性选取候选内容，进行内容推荐。本专利技术实施例获取包含无线数据信息和轨迹数据信息在内的用户行为信息，将多种类型用户数据结合起来进行特征提取，从而通过获取不同数据之间隐含的相关信息得到兴趣内容，利用该兴趣内容进行对应的内容推荐，提高内容推荐的准确性以及推荐的内容与用户需求的相关性。
附图说明
[0048]图1是本专利技术实施例提供的内容推荐方法的流程图。
[0049]图2是本专利技术又一实施例提供的内容推荐方法的部分流程图。
[0050]图3是本专利技术又一实施例提供的内容推荐方法的部分流程图。
[0051]图4是本专利技术又一实施例提供的内容推荐方法的部分流程图。
[0052]图5是本专利技术又一实施例提供的内容推荐方法的部分流程图。
[0053]图6是本专利技术又一实施例提供的内容推荐方法的部分流程图。
[0054]图7是本专利技术实施例提供的内容推荐装置的结构框图。
本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种内容推荐方法，其特征在于，包括：获取用户行为信息，所述用户行为信息包括：无线数据信息和轨迹数据信息；对所述用户行为信息进行特征加工，得到用户行为因子数据；对所述用户行为因子数据进行特征分析，得到兴趣内容；根据所述兴趣内容生成用户兴趣相关性矩阵；根据所述用户兴趣相关性矩阵计算得到用户相似性；根据所述用户相似性选取候选内容，进行内容推荐。2.根据权利要求1所述的内容推荐方法，其特征在于，所述用户行为因子数据包括：无线因子数据和轨迹因子数据；所述对所述用户行为信息进行特征加工，得到用户行为因子数据，包括：对所述无线数据信息进行特征加工，得到所述无线因子数据，所述无线因子数据包括以下至少之一：局域网名称因子数据、浏览内容因子数据、浏览时长因子数据、浏览频率因子数据和浏览时间因子数据；对所述轨迹数据信息进行特征加工，得到所述轨迹因子数据。3.根据权利要求1所述的内容推荐方法，其特征在于，所述对所述用户行为因子数据进行特征分析，得到兴趣内容，包括：根据所述用户行为因子数据进行特征分析，得到地点相关性内容、浏览内容相关性内容和浏览时长相关性内容；根据所述地点相关性内容、所述浏览内容相关性内容和所述浏览时长相关性内容生成所述兴趣内容。4.根据权利要求1所述的内容推荐方法，其特征在于，所述根据所述兴趣内容生成用户兴趣相关性矩阵之前，所述内容推荐方法还包括：对所述兴趣内容进行特征选择，得到兴趣筛选内容；对所述兴趣筛选内容进行数值化操作，得到数值化兴趣内容，以便能够根据所述数值化兴趣内容生成所述用户兴趣相关性矩阵。5.根据权利要求1所述的内容推荐方法，其特征在于，所述根据所述兴趣内容生成用户兴趣相关性矩阵，包括：按照使用频次...
【专利技术属性】
技术研发人员：陶醉，徐宁，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：
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。