本公开提供了一种资讯推荐方法，可以应用于人工智能技术领域。该资讯推荐方法，包括：获取对不同类型的资讯信息进行随机访问生成的随机访问数据集，其中，随机访问数据集包括至少一条随机访问数据；获取针对真实用户生成的第一初始推荐数据和针对N个虚拟用户生成的第二初始推荐数据，其中，N个虚拟用户是根据真实用户的属性特征虚构得到的，N为大于等于1的整数；根据随机访问数据集与初始推荐数据集，确定目标推荐数据，其中，初始推荐数据集包括第一初始推荐数据和第二初始推荐数据；以及根据目标推荐数据，对真实用户进行资讯推荐。本公开还提供了一种资讯推荐装置、电子设备、存储介质和程序产品。介质和程序产品。介质和程序产品。
【技术实现步骤摘要】
资讯推荐方法、资讯推荐装置、电子设备及存储介质
[0001]本公开涉及人工智能领域，具体涉及一种资讯推荐方法、资讯推荐装置、电子设备、存储介质和程序产品。
技术介绍
[0002]随着互联网时代的迅速发展，现在已经身处信息大爆炸的时代，人们越来越离不开网络，看时事新闻、行业热点、资讯视频图片等各式各样的内容，每天接触的信息数以万计，已经从信息匮乏时代进入到信息过载的时代，大量的信息流平台通过算法偏好来迎合用户想要从众多信息中获取自己感兴趣的信息。
[0003]在实施本公开的过程中发现，现有算法推荐仍然存在信息茧房和数字鸿沟的问题，导致用户容易陷入知识获取单一化，甚至可能陷入“习惯的周边三公里”。
技术实现思路
[0004]鉴于上述问题，本公开提供了一种资讯推荐方法、资讯推荐装置、电子设备、存储介质和程序产品。
[0005]根据本公开的第一个方面，提供了一种资讯推荐方法，包括：
[0006]获取对不同类型的资讯信息进行随机访问生成的随机访问数据集，其中，随机访问数据集包括至少一条随机访问数据；
[0007]获取针对真实用户生成的第一初始推荐数据和针对N个虚拟用户生成的第二初始推荐数据，其中，N个虚拟用户是根据真实用户的属性特征虚构得到的，N为大于等于1的整数；
[0008]根据随机访问数据集与初始推荐数据集，确定目标推荐数据，其中，初始推荐数据集包括第一初始推荐数据和第二初始推荐数据；以及
[0009]根据目标推荐数据，对真实用户进行资讯推荐。
[0010]根据本公开的实施例，根据随机访问数据集与初始推荐数据集，确定目标推荐数据，包括：
[0011]计算随机访问数据与第一初始推荐数据和第二初始推荐数据的相似度，得到相似度值；
[0012]在确定相似度值超过第一阈值的情况下，确定初始数据组群；
[0013]根据第二阈值，将初始数据组群划分为M个目标数据组群，其中，M为大于等于1的整数；以及
[0014]分别从M个目标数据组群中进行筛选，得到目标推荐数据。
[0015]根据本公开的实施例，根据随机访问数据集与初始推荐数据集，确定目标推荐数据，还包括：
[0016]根据随机访问数据集与初始推荐数据集，确定热点信息数据；
[0017]利用初始推荐数据集，确定热点信息数据的用户访问标签；
[0018]根据热点信息数据、用户访问标签以及相似度值，确定第一阈值；以及
[0019]根据第一阈值，确定第二阈值。
[0020]根据本公开的实施例，计算随机访问数据与第一初始推荐数据和第二初始推荐数据的相似度，得到相似度值，包括：
[0021]从随机访问数据与第一初始推荐数据和第二初始推荐数据中获取算法关键词；以及
[0022]根据算法关键词，计算相似度，得到相似度值。
[0023]根据本公开的实施例，真实用户的属性特征包括真实用户的用户行为特征；
[0024]N个虚拟用户是根据真实用户的属性特征虚构得到的，包括：
[0025]获取真实用户的用户行为特征；以及
[0026]根据用户行为特征，虚构得到N个虚拟用户。
[0027]根据本公开的实施例，真实用户的属性特征还包括真实用户的用户属性特征；
[0028]N个虚拟用户是根据真实用户的属性特征虚构得到的，还包括：
[0029]通过更改真实用户的用户属性特征，虚构虚拟用户。
[0030]根据本公开的实施例，在获取N个虚拟用户与真实用户的初始推荐数据之前，还包括：
[0031]对真实用户的真实访问数据进行预处理，得到预处理后的真实访问数据；
[0032]根据真实访问数据，生成第一初始推荐数据；
[0033]根据N个虚拟用户的属性特征，生成第二初始推荐数据。
[0034]本公开的第二方面提供了一种资讯推荐装置，包括：
[0035]第一获取模块，用于获取对不同类型的资讯信息进行随机访问生成的随机访问数据集，其中，随机访问数据集包括至少一条随机访问数据；
[0036]第二获取模块，用于获取针对真实用户生成的第一初始推荐数据和针对N个虚拟用户生成的第二初始推荐数据，其中，N个虚拟用户是根据真实用户的属性特征虚构得到的，N为大于等于1的整数；
[0037]确定模块，用于根据随机访问数据集与初始推荐数据集，确定目标推荐数据，其中，初始推荐数据集包括第一初始推荐数据和第二初始推荐数据；以及
[0038]推荐模块，用于根据目标推荐数据，对真实用户进行资讯推荐。
[0039]本公开的第三方面提供了一种电子设备，包括：一个或多个处理器；存储器，用于存储一个或多个程序，其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得一个或多个处理器执行上述资讯推荐方法。
[0040]本公开的第四方面还提供了一种计算机可读存储介质，其上存储有可执行指令，该指令被处理器执行时使处理器执行上述资讯推荐方法。
[0041]本公开的第五方面还提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述资讯推荐方法。
[0042]根据本公开的实施例，通过对不同类型的资讯信息的随机访问数据的获取，以及对真实和虚拟用户的初始推荐数据的获取，从多维度获取了推荐数据，并且通过随机访问数据集与初始推荐数据集来确定目标推荐数据，不仅能够保留一定程度的推荐优势，还能够解决信息茧房的问题，避免陷入信息同质化、片面性，甚至避免了因沉迷于周围“三公
里”，而对用户主动思考能力以及对社会认知的局限性。
附图说明
[0043]通过以下参照附图对本公开实施例的描述，本公开的上述内容以及其他目的、特征和优点将更为清楚，在附图中：
[0044]图1示意性示出了根据本公开实施例的资讯推荐方法、资讯推荐装置、电子设备、存储介质和程序产品的应用场景图；
[0045]图2示意性示出了根据本公开实施例的资讯推荐方法的流程图；
[0046]图3示意性示出了根据本公开实施例的根据随机访问数据集与初始推荐数据集，确定目标推荐数据的方法流程图；
[0047]图4示意性示出了根据本公开实施例的资讯推荐系统架构图；
[0048]图5示意性示出了根据本公开实施例的资讯推荐装置的结构框图；以及
[0049]图6示意性示出了根据本公开实施例的适于实现资讯推荐方法的电子设备的方框图。
具体实施方式
[0050]以下，将参照附图来描述本公开的实施例。但是应该理解，这些描述只是示例性的，而并非要限制本公开的范围。在下面的详细描述中，为便于解释，阐述了许多具体的细节以提供对本公开实施例的全面理解。然而，明显地，一个或多个实施例在没有这些具体细节的情况下也可以被实施。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本公开的概念。
[0051]在此使用的术语仅仅是为了描述具体实施例，而本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种资讯推荐方法，包括：获取对不同类型的资讯信息进行随机访问生成的随机访问数据集，其中，所述随机访问数据集包括至少一条随机访问数据；获取针对真实用户生成的第一初始推荐数据和针对N个虚拟用户生成的第二初始推荐数据，其中，N个所述虚拟用户是根据所述真实用户的属性特征虚构得到的，N为大于等于1的整数；根据所述随机访问数据集与初始推荐数据集，确定目标推荐数据，其中，所述初始推荐数据集包括所述第一初始推荐数据和所述第二初始推荐数据；以及根据所述目标推荐数据，对所述真实用户进行资讯推荐。2.根据权利要求1所述的方法，其中，所述根据所述随机访问数据集与所述初始推荐数据集，确定目标推荐数据，包括：计算所述随机访问数据与所述第一初始推荐数据和所述第二初始推荐数据的相似度，得到相似度值；在确定所述相似度值超过第一阈值的情况下，确定初始数据组群；根据第二阈值，将所述初始数据组群划分为M个目标数据组群，其中，M为大于等于1的整数；以及分别从M个所述目标数据组群中进行筛选，得到目标推荐数据。3.根据权利要求2所述的方法，还包括：根据所述随机访问数据集与所述初始推荐数据集，确定热点信息数据；利用所述初始推荐数据集，确定所述热点信息数据的用户访问标签；根据所述热点信息数据、所述用户访问标签以及所述相似度值，确定所述第一阈值；以及根据所述第一阈值，确定所述第二阈值。4.根据权利要求2所述的方法，其中，所述计算所述随机访问数据与所述第一初始推荐数据和所述第二初始推荐数据的相似度，得到相似度值，包括：从所述随机访问数据与所述第一初始推荐数据和所述第二初始推荐数据中获取算法关键词；以及根据所述算法关键词，计算所述相似度，得到所述相似度值。5.根据权利要求1所述的方法，其中，所述真实用户的属性特征包括真实用户的用户行为特征；所述N个所述虚拟用户是根据所述真实用户的属性特征虚构得到的，...
【专利技术属性】
技术研发人员：迟爽，李保昌，高建华，骆更，
申请(专利权)人：中国工商银行股份有限公司，
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。