專利名稱：一種特征信息的個(gè)性化推薦方法及裝置的制作方法
技術(shù)領(lǐng)域：
本申請(qǐng)涉及信息處理技術(shù)領(lǐng)域，特別是涉及一種特征信息的個(gè)性化推薦方法和一種特征信息的個(gè)性化推薦裝置。
背景技術(shù)：
互聯(lián)網(wǎng)是人們獲取信息的一個(gè)重要途徑，傳統(tǒng)互聯(lián)網(wǎng)的主要特點(diǎn)在于用戶尋找自己感興趣的事物時(shí)，需要通過(guò)瀏覽器進(jìn)行大量的搜索，同時(shí)需要人工地過(guò)濾掉大量不相關(guān)的結(jié)果，操作繁瑣，且耗費(fèi)時(shí)間和精力。以電子商務(wù)為例，傳統(tǒng)電子商務(wù)的主要特點(diǎn)在于用戶登陸各個(gè)電子商務(wù)平臺(tái)，尋找自己感興趣的商品，然后進(jìn)行購(gòu)買(mǎi)。但是隨著電子商務(wù)規(guī)模的不斷擴(kuò)大，商家通過(guò)購(gòu)物網(wǎng)站提供了大量的商品，使用戶無(wú)法快速了解所有的商品，也無(wú)法直接檢查商品的質(zhì)量，用戶 需要花費(fèi)大量的時(shí)間與精力才能找到自己需要的商品。這種瀏覽大量無(wú)關(guān)的信息和產(chǎn)品過(guò)程，無(wú)疑會(huì)使淹沒(méi)在海量信息中的消費(fèi)者因?yàn)闆](méi)有發(fā)現(xiàn)在自己需要或者感興趣的商品而不斷流失，不僅僅使用戶購(gòu)物的時(shí)間成本大幅增加，同時(shí)使電子商務(wù)平臺(tái)的商品購(gòu)買(mǎi)的轉(zhuǎn)化率非常低?，F(xiàn)有技術(shù)中，提出了根據(jù)用戶購(gòu)買(mǎi)或者瀏覽行為，運(yùn)用某一種推薦算法進(jìn)行特征信息(如商品信息)的個(gè)性化推薦方法，例如，首先根據(jù)圖書(shū)類別、內(nèi)容對(duì)圖書(shū)進(jìn)行聚類，建立圖書(shū)聚類體系，比如A與B為一類圖書(shū)。然后根據(jù)用戶的瀏覽行為和購(gòu)買(mǎi)記錄，分析用戶感興趣圖書(shū)，比如用戶目前瀏覽商品為A或者歷史購(gòu)買(mǎi)過(guò)A，即可將同類的B圖書(shū)推薦給A。這些現(xiàn)有技術(shù)由于采用的推薦算法單一，從而使用戶行為信息利用率低，導(dǎo)致推薦商品單一，例如針對(duì)平臺(tái)上數(shù)百萬(wàn)中商品，僅僅能推薦出與用戶瀏覽產(chǎn)品相近商品，無(wú)法滿足用戶多樣化需求。因此，目前需要本領(lǐng)域技術(shù)人員迫切解決的一個(gè)技術(shù)問(wèn)題就是提出一種特征信息的個(gè)性化推薦機(jī)制，以滿足用戶多樣的個(gè)性化需求，減少用戶的網(wǎng)上購(gòu)物時(shí)間成本，提高電子商務(wù)商品購(gòu)買(mǎi)的轉(zhuǎn)化率。

發(fā)明內(nèi)容
本申請(qǐng)所要解決的技術(shù)問(wèn)題是提供一種特征信息的個(gè)性化推薦方法，用以滿足用戶的個(gè)性化需求，并提高推薦效率和覆蓋率。本申請(qǐng)還提供了一種特征信息的個(gè)性化推薦裝置，用以保證上述方法在實(shí)際中的應(yīng)用及實(shí)現(xiàn)。為了解決上述問(wèn)題，本申請(qǐng)實(shí)施例公開(kāi)了一種特征信息的個(gè)性化推薦方法，包括接收客戶端提交的特征信息獲取請(qǐng)求，所述請(qǐng)求中包括用戶標(biāo)識(shí)；根據(jù)所述用戶標(biāo)識(shí)獲取用戶行為傾向信息；采用所述用戶行為傾向信息按預(yù)置規(guī)則提取當(dāng)前關(guān)聯(lián)的特征信息；
提取滿足預(yù)設(shè)要求的當(dāng)前關(guān)聯(lián)的特征信息返回給客戶端。優(yōu)選地，所述特征信息包括團(tuán)購(gòu)商品信息，電子商務(wù)平臺(tái)的商品信息，和/或，應(yīng)用APP信息。優(yōu)選地，所述根據(jù)用戶標(biāo)識(shí)獲取用戶行為傾向信息的步驟包括獲取所述用戶在在先的預(yù)設(shè)時(shí)間段內(nèi)，針對(duì)特征信息的操作信息，所述特征信息具有對(duì)應(yīng)的URL,所述操作信息包括點(diǎn)擊操作信息；按照時(shí)間戳的大小分別設(shè)置各特征信息的權(quán)重大??；按預(yù)置的特征信息的URL與分類標(biāo)簽的對(duì)應(yīng)關(guān)系，確定所述用戶在先操作的特征信息的分類標(biāo)簽；記錄所述用戶標(biāo)識(shí)，對(duì)應(yīng)特征信息的分類標(biāo)簽及權(quán)重為用戶行為傾向信息。 優(yōu)選地，所述采用用戶行為傾向信息按預(yù)置規(guī)則提取當(dāng)前關(guān)聯(lián)的特征信息的步驟包括獲取當(dāng)前的特征信息及對(duì)應(yīng)的分類標(biāo)簽；將所述當(dāng)前特征信息的分類標(biāo)簽，與所述用戶標(biāo)識(shí)對(duì)應(yīng)的特征信息分類標(biāo)簽進(jìn)行匹配；提取匹配的特征信息為當(dāng)前關(guān)聯(lián)的特征信息。優(yōu)選地，所述的方法，還包括生成第一特征信息數(shù)據(jù)集，所述第一特征信息數(shù)據(jù)集中包括特征信息的主分類標(biāo)簽及對(duì)應(yīng)的子分類標(biāo)簽；所述采用用戶行為傾向信息按預(yù)置規(guī)則提取當(dāng)前關(guān)聯(lián)的特征信息的步驟包括將所述用戶標(biāo)識(shí)對(duì)應(yīng)的特征信息分類標(biāo)簽與所述第一特征信息數(shù)據(jù)集中的主分類標(biāo)簽進(jìn)行匹配；提取所述主分類標(biāo)簽及對(duì)應(yīng)子分類標(biāo)簽關(guān)聯(lián)的特征信息為當(dāng)前關(guān)聯(lián)的特征信息。優(yōu)選地，所述生成第一特征信息數(shù)據(jù)集的步驟包括將各用戶對(duì)應(yīng)的特征信息分類標(biāo)簽按其權(quán)重降序排序；提取排序在前的N個(gè)特征信息特征信息分類標(biāo)簽，所述N為正整數(shù)；將所述特征信息分類標(biāo)簽分別兩兩組合，計(jì)算各兩兩組合的特征信息分類標(biāo)簽的頻繁2項(xiàng)集，所述頻繁2項(xiàng)集包括兩兩組合的特征信息的分類標(biāo)簽以及對(duì)應(yīng)的出現(xiàn)次數(shù)；將各用戶對(duì)應(yīng)的特征信息分類標(biāo)簽進(jìn)行歸類，計(jì)算各特征信息分類標(biāo)簽的頻繁I項(xiàng)集，所述頻繁項(xiàng)集包括各特征信息的分類標(biāo)簽以及對(duì)應(yīng)的出現(xiàn)次數(shù)；根據(jù)所述頻繁2項(xiàng)集和頻繁I項(xiàng)集，計(jì)算各特征信息分類標(biāo)簽的支持度和置信度，其中，所述支持度是指某兩個(gè)特征信息分類標(biāo)簽同時(shí)出現(xiàn)的概率；所述置信度是指在出現(xiàn)某一特征信息分類標(biāo)簽的情況下，出現(xiàn)另一特征信息分類標(biāo)簽的概率；按照預(yù)置的支持度閾值和置信度閾值對(duì)所述特征信息分類標(biāo)簽進(jìn)行過(guò)濾；按照所述置信度對(duì)所述特征信息分類標(biāo)簽進(jìn)行排序；將排序在首的特征信息的分類標(biāo)簽作為主分類標(biāo)簽，將其后的特征信息的分類標(biāo)簽作為子分類標(biāo)簽，保存生成第一特征信息數(shù)據(jù)集。優(yōu)選地，所述的方法，還包括將各用戶對(duì)應(yīng)的特征信息分類標(biāo)簽按其權(quán)重降序排序；
提取排序在前的M個(gè)特征信息分類標(biāo)簽，其中，所述M為正整數(shù)；將各用戶標(biāo)識(shí)對(duì)應(yīng)的M個(gè)特征信息分類標(biāo)簽進(jìn)行組合；提取具有所述特征信息分類標(biāo)簽組合的候選用戶標(biāo)識(shí)；匯總所述候選用戶標(biāo)識(shí)對(duì)應(yīng)的特征信息分類標(biāo)簽，保存生成第二特征信息數(shù)據(jù)集;所述采用用戶行為傾向信息按預(yù)置規(guī)則提取當(dāng)前關(guān)聯(lián)的特征信息的步驟包括將當(dāng)前用戶標(biāo)識(shí)在第二特征信息數(shù)據(jù)集中，提取對(duì)應(yīng)的特征信息分類標(biāo)簽為當(dāng)前關(guān)聯(lián)的特征信息。優(yōu)選地，所述滿足預(yù)設(shè)要求的當(dāng)前關(guān)聯(lián)的特征信息為滿足預(yù)設(shè)數(shù)量的當(dāng)前關(guān)聯(lián)的特征信息；或?yàn)?，特征信息?quán)重大于某預(yù)設(shè)閾值的當(dāng)前關(guān)聯(lián)的特征信息；或?yàn)?，按特征信?權(quán)重降序排序在前的K個(gè)當(dāng)前關(guān)聯(lián)的特征信息，其中，所述K為正整數(shù)。本申請(qǐng)實(shí)施例還公開(kāi)了一種特征信息的個(gè)性化推薦裝置，包括請(qǐng)求模塊，用于接收客戶端提交的特征信息獲取請(qǐng)求，所述請(qǐng)求中包括用戶標(biāo)識(shí)；用戶興趣識(shí)別模塊，用于根據(jù)所述用戶標(biāo)識(shí)獲取用戶行為傾向信息；特征信息匹配模塊，用于采用所述用戶行為傾向信息按預(yù)置規(guī)則提取當(dāng)前關(guān)聯(lián)的特征信息；目標(biāo)信息提取模塊，用于提取滿足預(yù)設(shè)要求的當(dāng)前關(guān)聯(lián)的特征信息返回給客戶端。優(yōu)選地，所述特征信息包括團(tuán)購(gòu)商品信息，電子商務(wù)平臺(tái)的商品信息，和/或，應(yīng)用APP信息。優(yōu)選地，所述用戶興趣識(shí)別模塊包括用戶在先操作信息獲取子模塊，用于獲取所述用戶在在先的預(yù)設(shè)時(shí)間段內(nèi)，針對(duì)特征信息的操作信息，所述特征信息具有對(duì)應(yīng)的URL，所述操作信息包括點(diǎn)擊操作信息；權(quán)重設(shè)置子模塊，用于按照所述時(shí)間的遠(yuǎn)近分別設(shè)置各特征信息的權(quán)重；特征信息分類確定子模塊，用于按預(yù)置的特征信息的URL與分類標(biāo)簽的對(duì)應(yīng)關(guān)系，確定所述用戶在先操作的特征信息的分類標(biāo)簽；記錄子模塊，用于記錄所述用戶標(biāo)識(shí)，對(duì)應(yīng)特征信息的分類標(biāo)簽及權(quán)重為用戶行為傾向信息。優(yōu)選地，所述特征信息匹配模塊包括當(dāng)前信息獲取子模塊，用于獲取當(dāng)前的特征信息及對(duì)應(yīng)的分類標(biāo)簽；第一匹配子模塊，用于將所述當(dāng)前特征信息的分類標(biāo)簽，與所述用戶標(biāo)識(shí)對(duì)應(yīng)的特征信息分類標(biāo)簽進(jìn)行匹配；第一提取子模塊，用于提取匹配的特征信息為當(dāng)前關(guān)聯(lián)的特征信息。優(yōu)選地，所述的裝置，還包括第一數(shù)據(jù)集生成模塊，用于生成第一特征信息數(shù)據(jù)集，所述第一特征信息數(shù)據(jù)集中包括特征信息的主分類標(biāo)簽及對(duì)應(yīng)的子分類標(biāo)簽；所述特征信息匹配模塊包括第二匹配子模塊，用于將所述用戶標(biāo)識(shí)對(duì)應(yīng)的特征信息分類標(biāo)簽與所述第一特征信息數(shù)據(jù)集中的主分類標(biāo)簽進(jìn)行匹配；第二提取子模塊，用于提取所述主分類標(biāo)簽及對(duì)應(yīng)子分類標(biāo)簽關(guān)聯(lián)的特征信息為當(dāng)前關(guān)聯(lián)的特征信息。優(yōu)選地，所述第一數(shù)據(jù)集生成模塊包括排序子模塊，用于將各用戶對(duì)應(yīng)的特征信息分類標(biāo)簽按其權(quán)重降序排序；分類提取子模塊，用于提取排序在前的N個(gè)特征信息特征信息分類標(biāo)簽，所述N為正整數(shù)；頻繁2項(xiàng)集計(jì)算子模塊，用于將所述特征信息分類標(biāo)簽分別兩兩組合，計(jì)算各兩 兩組合的特征信息分類標(biāo)簽的頻繁2項(xiàng)集，所述頻繁2項(xiàng)集包括兩兩組合的特征信息的分類標(biāo)簽以及對(duì)應(yīng)的出現(xiàn)次數(shù)； 頻繁I項(xiàng)集計(jì)算子模塊，用于將各用戶對(duì)應(yīng)的特征信息分類標(biāo)簽進(jìn)行歸類，計(jì)算各特征信息分類標(biāo)簽的頻繁I項(xiàng)集，所述頻繁項(xiàng)集包括各特征信息的分類標(biāo)簽以及對(duì)應(yīng)的出現(xiàn)次數(shù)；支持度和置信度計(jì)算子模塊，用于根據(jù)所述頻繁2項(xiàng)集和頻繁I項(xiàng)集，計(jì)算各特征信息分類標(biāo)簽的支持度和置信度，其中，所述支持度是指某兩個(gè)特征信息分類標(biāo)簽同時(shí)出現(xiàn)的概率；所述置信度是指在出現(xiàn)某一特征信息分類標(biāo)簽的情況下，出現(xiàn)另一特征信息分類標(biāo)簽的概率；過(guò)濾子模塊，用于按照預(yù)置的支持度閾值和置信度閾值對(duì)所述特征信息分類標(biāo)簽進(jìn)行過(guò)濾；置信度排序子模塊，用于按照所述置信度對(duì)所述特征信息分類標(biāo)簽進(jìn)行排序；保存子模塊，用于將排序在首的特征信息的分類標(biāo)簽作為主分類標(biāo)簽，將其后的特征信息的分類標(biāo)簽作為子分類標(biāo)簽，保存生成第一特征信息數(shù)據(jù)集。優(yōu)選地，所述的裝置，還包括排序模塊，用于將各用戶對(duì)應(yīng)的特征信息分類標(biāo)簽按其權(quán)重降序排序；分類提取模塊，用于提取排序在前的M個(gè)特征信息分類標(biāo)簽，其中，所述M為正整數(shù)；組合模塊，用于將各用戶標(biāo)識(shí)對(duì)應(yīng)的M個(gè)特征信息分類標(biāo)簽進(jìn)行組合；候選用戶提取模塊，用于提取具有所述特征信息分類標(biāo)簽組合的候選用戶標(biāo)識(shí)；匯總模塊，用于匯總所述候選用戶標(biāo)識(shí)對(duì)應(yīng)的特征信息分類標(biāo)簽，保存生成第二特征信息數(shù)據(jù)集；所述特征信息匹配模塊包括第三提取子模塊，用于將當(dāng)前用戶標(biāo)識(shí)在第二特征信息數(shù)據(jù)集中，提取對(duì)應(yīng)的特征信息分類標(biāo)簽為當(dāng)前關(guān)聯(lián)的特征信息。優(yōu)選地，所述滿足預(yù)設(shè)要求的當(dāng)前關(guān)聯(lián)的特征信息為滿足預(yù)設(shè)數(shù)量的當(dāng)前關(guān)聯(lián)的特征信息；或?yàn)?，特征信息?quán)重大于某預(yù)設(shè)閾值的當(dāng)前關(guān)聯(lián)的特征信息；或?yàn)?，按特征信息?quán)重降序排序在前的K個(gè)當(dāng)前關(guān)聯(lián)的特征信息，其中，所述K為正整數(shù)。與現(xiàn)有技術(shù)相比，本申請(qǐng)具有以下優(yōu)點(diǎn)I)將電子商務(wù)網(wǎng)站的瀏覽者轉(zhuǎn)變?yōu)橘?gòu)買(mǎi)者電子商務(wù)系統(tǒng)的訪問(wèn)者在瀏覽過(guò)程中經(jīng)常并沒(méi)有購(gòu)買(mǎi)欲望，個(gè)性化推薦系統(tǒng)能夠向用戶推薦他們感興趣的商品，從而促成購(gòu)買(mǎi)過(guò)程。2)提高電子商務(wù)網(wǎng)站的交叉銷售能力個(gè)性化推薦系統(tǒng)在用戶購(gòu)買(mǎi)過(guò)程中向用戶提供其他有價(jià)值的商品推薦，用戶能夠從系統(tǒng)提供的推薦列表中購(gòu)買(mǎi)自己確實(shí)需要但在購(gòu)買(mǎi)過(guò)程中沒(méi)有想到的商品，從而有效提高電子商務(wù)系統(tǒng)的交叉銷售。3)提高客戶對(duì)電子商務(wù)網(wǎng)站的忠誠(chéng)度與傳統(tǒng)的商務(wù)模式相比，電子商務(wù)系統(tǒng)使得用戶擁有越來(lái)越多的選擇，用戶更換商家極其方便，只需要點(diǎn)擊一兩次鼠標(biāo)就可以在不同的電子商務(wù)系統(tǒng)之間跳轉(zhuǎn)。個(gè)性化推薦系統(tǒng)分析用戶的購(gòu)買(mǎi)習(xí)慣，根據(jù)用戶需求向用戶提供有價(jià)值的商品推薦。如果推薦系統(tǒng)的推薦質(zhì)量很高，那么用戶會(huì)對(duì)該推薦系統(tǒng)產(chǎn)生依賴。因此，個(gè)性化推薦系統(tǒng)不僅能夠?yàn)橛脩籼峁﹤€(gè)性化的推薦服務(wù)，而且能與用戶建立長(zhǎng)期穩(wěn)定的關(guān)系，從而有效保留客戶，提聞客戶的忠誠(chéng)度，防止客戶流失。


圖I是本申請(qǐng)的一種特征信息的個(gè)性化推薦方法實(shí)施例的步驟流程圖；圖2是本申請(qǐng)的一種特征信息的個(gè)性化推薦裝置實(shí)施例的結(jié)構(gòu)框圖。
具體實(shí)施例方式為使本申請(qǐng)的上述目的、特征和優(yōu)點(diǎn)能夠更加明顯易懂，下面結(jié)合附圖和具體實(shí)施方式
對(duì)本申請(qǐng)作進(jìn)一步詳細(xì)的說(shuō)明。參考圖1，示出了本申請(qǐng)的一種特征信息的個(gè)性化推薦方法實(shí)施例的步驟流程圖，具體可以包括如下步驟步驟101，接收用戶提交的特征信息獲取請(qǐng)求，所述請(qǐng)求中包括用戶標(biāo)識(shí)；步驟102，根據(jù)所述用戶標(biāo)識(shí)獲取該用戶的行為傾向信息；步驟103，采用所述用戶的行為傾向信息按預(yù)置規(guī)則提取當(dāng)前關(guān)聯(lián)的特征信息；步驟104，提取滿足預(yù)設(shè)要求的當(dāng)前關(guān)聯(lián)的特征信息返回給用戶。個(gè)性化推薦是根據(jù)用戶的興趣特點(diǎn)和行為，向用戶推薦用戶感興趣的信息和商品。以電子商務(wù)為例，隨著電子商務(wù)規(guī)模的不斷擴(kuò)大，商品個(gè)數(shù)和種類快速增長(zhǎng)，用戶需要花費(fèi)大量的時(shí)間才能找到自己想買(mǎi)的商品。這種瀏覽大量無(wú)關(guān)的信息和產(chǎn)品過(guò)程無(wú)疑會(huì)使淹沒(méi)在信息過(guò)載問(wèn)題中的消費(fèi)者不斷流失。為了解決這些問(wèn)題，個(gè)性化推薦機(jī)制應(yīng)運(yùn)而生。個(gè)性化推薦是建立在海量數(shù)據(jù)挖掘基礎(chǔ)上，可以幫助網(wǎng)站為其用戶提供完全個(gè)性化的決策支持和信息服務(wù)，使用戶能根據(jù)自己的興趣愛(ài)好獲得感興趣或者滿意的信息。本申請(qǐng)實(shí)施例涉及客戶端與服務(wù)器交互的過(guò)程，在實(shí)際中，用戶通過(guò)安裝在設(shè)備(PC，手機(jī)等)中的客戶端，向服務(wù)器提交特征信息獲取請(qǐng)求，服務(wù)器接收所述特征信息獲取請(qǐng)求，并根據(jù)請(qǐng)求中的用戶標(biāo)識(shí)獲取該用戶的行為傾向信息，然后采用所述用戶的行為傾向信息按預(yù)置規(guī)則提取當(dāng)前關(guān)聯(lián)的特征信息，再提取滿足預(yù)設(shè)要求的當(dāng)前關(guān)聯(lián)的特征信息后返回給客戶端，用戶從客戶端即可獲知所述滿足預(yù)設(shè)要求的當(dāng)前關(guān)聯(lián)的特征信息。作為本申請(qǐng)實(shí)施例的具體示例，所述特征信息可以為團(tuán)購(gòu)商品信息，即本申請(qǐng)實(shí)施例可以提供一種團(tuán)購(gòu)平臺(tái)的團(tuán)購(gòu)商品信息個(gè)性化推薦的方法；所述特征信息還可以為電子商務(wù)平臺(tái)或交易平臺(tái)的商品信息，即本申請(qǐng)實(shí)施例可以提供一種電子商務(wù)平臺(tái)或交易平臺(tái)的商品信息個(gè)性化推薦的方法；所述特征信息也可以為應(yīng)用信息，即本申請(qǐng)實(shí)施例可以提供一種應(yīng)用的個(gè)性化推薦方法。本申請(qǐng)實(shí)施例中所指的應(yīng)用(Application)是指用戶在網(wǎng)絡(luò)上所使用的各種服務(wù)，如應(yīng)用程序、網(wǎng)頁(yè)、視頻、小說(shuō)、音樂(lè)、游戲、新聞、購(gòu)物和郵箱等。應(yīng)用數(shù)據(jù)集包含多個(gè)應(yīng)用，來(lái)源于各個(gè)開(kāi)放平臺(tái)。在本申請(qǐng)的一種優(yōu)選實(shí)施例中，所述步驟102可以包括如下子步驟子步驟S11、獲取所述用戶在在先的預(yù)設(shè)時(shí)間段內(nèi)，針對(duì)特征信息的操作信息，所述特征信息具有對(duì)應(yīng)的URL,所述操作信息包括點(diǎn)擊操作信息；子步驟S12、按照所述時(shí)間戳的大小分別設(shè)置各特征信息的權(quán)重大?。辉诰唧w實(shí)現(xiàn)中，時(shí)間戳的大小可以表征時(shí)間的遠(yuǎn)近，即時(shí)間戳較大，表示離當(dāng)前時(shí)間比較近，時(shí)間戳較小，表示離當(dāng)前時(shí)間比較遠(yuǎn)。子步驟S13、按預(yù)置的特征信息的URL與分類標(biāo)簽的對(duì)應(yīng)關(guān)系，確定所述用戶在先操作的特征信息的分類標(biāo)簽； 子步驟S14、記錄所述用戶標(biāo)識(shí)，對(duì)應(yīng)特征信息的分類標(biāo)簽及權(quán)重為該用戶的行為傾向信息。以特征信息為團(tuán)購(gòu)商品信息為例，假設(shè)讀取某用戶最近30天點(diǎn)擊的團(tuán)購(gòu)商品信息的原始日志內(nèi)容如下I. 80. 229. 242—
" GET/clk. gif f = http %3A% 2F% 2Ftuan. 360. cn% 2Frd. php% 3Fgurl% 3Dhttp% 253A% 252F% 252Fxa. nuomi.com% 252Fdeal% 252F20120117124546341. html% 253Futm_source% 253D360 % 2526utm_medium % 253Dneiye-pic % 2526utm_campaign %253Ddaohang% 2526cid% 253D000302% 26site% 3Dnuo_mi% 26sign% 3D5f32bbcac90134dc08eadd594clec4b6&cld = A&ct = xi_an&s = nuo_mi&ui = 189144973. 29521434872916069115922. 536444175950 2. 6696&C = &cn = l&o = 1&&v =I. l&t = 1328191203984&U = http://tuan. 360. cn/index.html&cr = http %3A % 2F % 2Ftuan. 360. cn % 2Fxi_an % 2Fc_l. html % 3F % 26pageno %3D2HTTP/1. I" 20043" http://tuan.#/xi_an/c_l.html &pageno = 2 " " Mozilla/4. 0 (compatible ；MSIE 7. 0 ；ffindows NT 6. I ；Trident/4. 0 ；SLCC2 ；. NET CLR2. 0. 50727 ；. NET CLR3. 5. 30729 ；. NET CLR 3. 0. 30729 ；Media Center PC6. 0 ；. NET4. OC Jablet PC 2. 0 ；360SE)"預(yù)置的特征信息的URL與分類標(biāo)簽的對(duì)應(yīng)關(guān)系如下http://26ju.com/team.php id = 619網(wǎng)上購(gòu)物運(yùn)動(dòng)戶外運(yùn)動(dòng)裝備登山鞋http://26ju.com/team.php id = 621網(wǎng)上購(gòu)物運(yùn)動(dòng)戶外運(yùn)動(dòng)裝備登山鞋http://26ju. com/team, php id = 622 網(wǎng)上購(gòu)物羽絨服棉服http://26ju.com/team.php id = 625網(wǎng)上購(gòu)物運(yùn)動(dòng)戶外運(yùn)動(dòng)裝備登山鞋解析上述原始日志的內(nèi)容提取特征信息的URL，在所述預(yù)置的特征信息的URL與分類標(biāo)簽的對(duì)應(yīng)關(guān)系中進(jìn)行映射，可以獲得用戶及其對(duì)應(yīng)的分類標(biāo)簽為100014244. 27477386632359579457470. 8715899197171.1284 http://26ju.com/team, php id = 619 I100015805.34222151880745854218985. 3531362193024. 3210 http://26ju.com/team, php id = 625 I100015805.34222151880745854218985. 3531362193024. 3210 http://26ju.com/team, php id = 622 I需要說(shuō)明的是，上例中的“I”為初始權(quán)重，在實(shí)際中，可以對(duì)該權(quán)重可以按時(shí)間遞減的原則(因?yàn)槿〉脑紨?shù)據(jù)是最近30天的用戶點(diǎn)擊數(shù)據(jù)，所以取離現(xiàn)在點(diǎn)擊最遠(yuǎn)權(quán)重最小，距現(xiàn)在最近的點(diǎn)擊權(quán)重最大)進(jìn)行修正后累加，具體而言，所述權(quán)重修正公式可以為
權(quán)利要求
1.一種特征信息的個(gè)性化推薦方法，其特征在于，包括 接收客戶端提交的特征信息獲取請(qǐng)求，所述請(qǐng)求中包括用戶標(biāo)識(shí)； 根據(jù)所述用戶標(biāo)識(shí)獲取用戶行為傾向信息； 采用所述用戶行為傾向信息按預(yù)置規(guī)則提取當(dāng)前關(guān)聯(lián)的特征信息； 提取滿足預(yù)設(shè)要求的當(dāng)前關(guān)聯(lián)的特征信息返回給客戶端。
2.如權(quán)利要求I所述的方法，其特征在于，所述特征信息包括團(tuán)購(gòu)商品信息，電子商務(wù)平臺(tái)的商品彳目息，和/或，應(yīng)用APP /[目息。
3.如權(quán)利要求I所述的方法，其特征在于，所述根據(jù)用戶標(biāo)識(shí)獲取用戶行為傾向信息的步驟包括 獲取所述用戶在在先的預(yù)設(shè)時(shí)間段內(nèi)，針對(duì)特征信息的操作信息，所述特征信息具有對(duì)應(yīng)的URL,所述操作信息包括點(diǎn)擊操作信息； 按照時(shí)間戳的大小分別設(shè)置各特征信息的權(quán)重大??； 按預(yù)置的特征信息的URL與分類標(biāo)簽的對(duì)應(yīng)關(guān)系，確定所述用戶在先操作的特征信息的分類標(biāo)簽； 記錄所述用戶標(biāo)識(shí)，對(duì)應(yīng)特征信息的分類標(biāo)簽及權(quán)重為用戶行為傾向信息。
4.如權(quán)利要求3所述的方法，其特征在于，所述采用用戶行為傾向信息按預(yù)置規(guī)則提取當(dāng)前關(guān)聯(lián)的特征信息的步驟包括 獲取當(dāng)前的特征信息及對(duì)應(yīng)的分類標(biāo)簽； 將所述當(dāng)前特征信息的分類標(biāo)簽，與所述用戶標(biāo)識(shí)對(duì)應(yīng)的特征信息分類標(biāo)簽進(jìn)行匹配； 提取匹配的特征信息為當(dāng)前關(guān)聯(lián)的特征信息。
5.如權(quán)利要求3或4所述的方法，其特征在于，還包括 生成第一特征信息數(shù)據(jù)集，所述第一特征信息數(shù)據(jù)集中包括特征信息的主分類標(biāo)簽及對(duì)應(yīng)的子分類標(biāo)簽； 所述采用用戶行為傾向信息按預(yù)置規(guī)則提取當(dāng)前關(guān)聯(lián)的特征信息的步驟包括 將所述用戶標(biāo)識(shí)對(duì)應(yīng)的特征信息分類標(biāo)簽與所述第一特征信息數(shù)據(jù)集中的主分類標(biāo)簽進(jìn)行匹配； 提取所述主分類標(biāo)簽及對(duì)應(yīng)子分類標(biāo)簽關(guān)聯(lián)的特征信息為當(dāng)前關(guān)聯(lián)的特征信息。
6.如權(quán)利要求5所述的方法，其特征在于，所述生成第一特征信息數(shù)據(jù)集的步驟包括 將各用戶對(duì)應(yīng)的特征信息分類標(biāo)簽按其權(quán)重降序排序； 提取排序在前的N個(gè)特征信息特征信息分類標(biāo)簽，所述N為正整數(shù)； 將所述特征信息分類標(biāo)簽分別兩兩組合，計(jì)算各兩兩組合的特征信息分類標(biāo)簽的頻繁2項(xiàng)集，所述頻繁2項(xiàng)集包括兩兩組合的特征信息的分類標(biāo)簽以及對(duì)應(yīng)的出現(xiàn)次數(shù)； 將各用戶對(duì)應(yīng)的特征信息分類標(biāo)簽進(jìn)行歸類，計(jì)算各特征信息分類標(biāo)簽的頻繁I項(xiàng)集，所述頻繁項(xiàng)集包括各特征信息的分類標(biāo)簽以及對(duì)應(yīng)的出現(xiàn)次數(shù)； 根據(jù)所述頻繁2項(xiàng)集和頻繁I項(xiàng)集，計(jì)算各特征信息分類標(biāo)簽的支持度和置信度，其中，所述支持度是指某兩個(gè)特征信息分類標(biāo)簽同時(shí)出現(xiàn)的概率；所述置信度是指在出現(xiàn)某一特征信息分類標(biāo)簽的情況下，出現(xiàn)另一特征信息分類標(biāo)簽的概率； 按照預(yù)置的支持度閾值和置信度閾值對(duì)所述特征信息分類標(biāo)簽進(jìn)行過(guò)濾；按照所述置信度對(duì)所述特征信息分類標(biāo)簽進(jìn)行排序； 將排序在首的特征信息的分類標(biāo)簽作為主分類標(biāo)簽，將其后的特征信息的分類標(biāo)簽作為子分類標(biāo)簽，保存生成第一特征信息數(shù)據(jù)集。
7.如權(quán)利要求3或4或6所述的方法，其特征在于，還包括 將各用戶對(duì)應(yīng)的特征信息分類標(biāo)簽按其權(quán)重降序排序； 提取排序在前的M個(gè)特征信息分類標(biāo)簽，其中，所述M為正整數(shù)； 將各用戶標(biāo)識(shí)對(duì)應(yīng)的M個(gè)特征信息分類標(biāo)簽進(jìn)行組合； 提取具有所述特征信息分類標(biāo)簽組合的候選用戶標(biāo)識(shí)； 匯總所述候選用戶標(biāo)識(shí)對(duì)應(yīng)的特征信息分類標(biāo)簽，保存生成第二特征信息數(shù)據(jù)集； 所述采用用戶行為傾向信息按預(yù)置規(guī)則提取當(dāng)前關(guān)聯(lián)的特征信息的步驟包括 將當(dāng)前用戶標(biāo)識(shí)在第二特征信息數(shù)據(jù)集中，提取對(duì)應(yīng)的特征信息分類標(biāo)簽為當(dāng)前關(guān)聯(lián)的特征信息。
8.如權(quán)利要求7所述的方法，其特征在于，所述滿足預(yù)設(shè)要求的當(dāng)前關(guān)聯(lián)的特征信息為滿足預(yù)設(shè)數(shù)量的當(dāng)前關(guān)聯(lián)的特征信息；或?yàn)?，特征信息?quán)重大于某預(yù)設(shè)閾值的當(dāng)前關(guān)聯(lián)的特征信息；或?yàn)?，按特征信息?quán)重降序排序在前的K個(gè)當(dāng)前關(guān)聯(lián)的特征信息，其中，所述K為正整數(shù)。
9.一種特征信息的個(gè)性化推薦裝置，其特征在于，包括 請(qǐng)求模塊，用于接收客戶端提交的特征信息獲取請(qǐng)求，所述請(qǐng)求中包括用戶標(biāo)識(shí)； 用戶興趣識(shí)別模塊，用于根據(jù)所述用戶標(biāo)識(shí)獲取用戶行為傾向信息； 特征信息匹配模塊，用于采用所述用戶行為傾向信息按預(yù)置規(guī)則提取當(dāng)前關(guān)聯(lián)的特征信息； 目標(biāo)信息提取模塊，用于提取滿足預(yù)設(shè)要求的當(dāng)前關(guān)聯(lián)的特征信息返回給客戶端。
10.如權(quán)利要求9所述的裝置，其特征在于，所述特征信息包括團(tuán)購(gòu)商品信息，電子商務(wù)平臺(tái)的商品息，和/或，應(yīng)用APP信息。
11.如權(quán)利要求9所述的裝置，其特征在于，所述用戶興趣識(shí)別模塊包括 用戶在先操作信息獲取子模塊，用于獲取所述用戶在在先的預(yù)設(shè)時(shí)間段內(nèi)，針對(duì)特征信息的操作信息，所述特征信息具有對(duì)應(yīng)的URL,所述操作信息包括點(diǎn)擊操作信息； 權(quán)重設(shè)置子模塊，用于按照所述時(shí)間的遠(yuǎn)近分別設(shè)置各特征信息的權(quán)重； 特征信息分類確定子模塊，用于按預(yù)置的特征信息的URL與分類標(biāo)簽的對(duì)應(yīng)關(guān)系，確定所述用戶在先操作的特征信息的分類標(biāo)簽； 記錄子模塊，用于記錄所述用戶標(biāo)識(shí)，對(duì)應(yīng)特征信息的分類標(biāo)簽及權(quán)重為用戶行為傾向信息。
12.如權(quán)利要求11所述的裝置，其特征在于，所述特征信息匹配模塊包括 當(dāng)前信息獲取子模塊，用于獲取當(dāng)前的特征信息及對(duì)應(yīng)的分類標(biāo)簽； 第一匹配子模塊，用于將所述當(dāng)前特征信息的分類標(biāo)簽，與所述用戶標(biāo)識(shí)對(duì)應(yīng)的特征信息分類標(biāo)簽進(jìn)行匹配； 第一提取子模塊，用于提取匹配的特征信息為當(dāng)前關(guān)聯(lián)的特征信息。
13.如權(quán)利要求11或12所述的裝置，其特征在于，還包括 第一數(shù)據(jù)集生成模塊，用于生成第一特征信息數(shù)據(jù)集，所述第一特征信息數(shù)據(jù)集中包括特征信息的主分類標(biāo)簽及對(duì)應(yīng)的子分類標(biāo)簽； 所述特征信息匹配模塊包括 第二匹配子模塊，用于將所述用戶標(biāo)識(shí)對(duì)應(yīng)的特征信息分類標(biāo)簽與所述第一特征信息數(shù)據(jù)集中的主分類標(biāo)簽進(jìn)行匹配； 第二提取子模塊，用于提取所述主分類標(biāo)簽及對(duì)應(yīng)子分類標(biāo)簽關(guān)聯(lián)的特征信息為當(dāng)前關(guān)聯(lián)的特征信息。
14.如權(quán)利要求13所述的裝置，其特征在于，所述第一數(shù)據(jù)集生成模塊包括 排序子模塊，用于將各用戶對(duì)應(yīng)的特征信息分類標(biāo)簽按其權(quán)重降序排序； 分類提取子模塊，用于提取排序在前的N個(gè)特征信息特征信息分類標(biāo)簽，所述N為正整 數(shù)； 頻繁2項(xiàng)集計(jì)算子模塊，用于將所述特征信息分類標(biāo)簽分別兩兩組合，計(jì)算各兩兩組合的特征信息分類標(biāo)簽的頻繁2項(xiàng)集，所述頻繁2項(xiàng)集包括兩兩組合的特征信息的分類標(biāo)簽以及對(duì)應(yīng)的出現(xiàn)次數(shù)； 頻繁I項(xiàng)集計(jì)算子模塊，用于將各用戶對(duì)應(yīng)的特征信息分類標(biāo)簽進(jìn)行歸類，計(jì)算各特征信息分類標(biāo)簽的頻繁I項(xiàng)集，所述頻繁項(xiàng)集包括各特征信息的分類標(biāo)簽以及對(duì)應(yīng)的出現(xiàn)次數(shù)； 支持度和置信度計(jì)算子模塊，用于根據(jù)所述頻繁2項(xiàng)集和頻繁I項(xiàng)集，計(jì)算各特征信息分類標(biāo)簽的支持度和置信度，其中，所述支持度是指某兩個(gè)特征信息分類標(biāo)簽同時(shí)出現(xiàn)的概率；所述置信度是指在出現(xiàn)某一特征信息分類標(biāo)簽的情況下，出現(xiàn)另一特征信息分類標(biāo)簽的概率； 過(guò)濾子模塊，用于按照預(yù)置的支持度閾值和置信度閾值對(duì)所述特征信息分類標(biāo)簽進(jìn)行過(guò)濾； 置信度排序子模塊，用于按照所述置信度對(duì)所述特征信息分類標(biāo)簽進(jìn)行排序； 保存子模塊，用于將排序在首的特征信息的分類標(biāo)簽作為主分類標(biāo)簽，將其后的特征信息的分類標(biāo)簽作為子分類標(biāo)簽，保存生成第一特征信息數(shù)據(jù)集。
15.如權(quán)利要求11或12或14所述的裝置，其特征在于，還包括 排序模塊，用于將各用戶對(duì)應(yīng)的特征信息分類標(biāo)簽按其權(quán)重降序排序； 分類提取模塊，用于提取排序在前的M個(gè)特征信息分類標(biāo)簽，其中，所述M為正整數(shù)； 組合模塊，用于將各用戶標(biāo)識(shí)對(duì)應(yīng)的M個(gè)特征信息分類標(biāo)簽進(jìn)行組合； 候選用戶提取模塊，用于提取具有所述特征信息分類標(biāo)簽組合的候選用戶標(biāo)識(shí)； 匯總模塊，用于匯總所述候選用戶標(biāo)識(shí)對(duì)應(yīng)的特征信息分類標(biāo)簽，保存生成第二特征信息數(shù)據(jù)集； 所述特征信息匹配模塊包括 第三提取子模塊，用于將當(dāng)前用戶標(biāo)識(shí)在第二特征信息數(shù)據(jù)集中，提取對(duì)應(yīng)的特征信息分類標(biāo)簽為當(dāng)前關(guān)聯(lián)的特征信息。
16.如權(quán)利要求15所述的裝置，其特征在于，所述滿足預(yù)設(shè)要求的當(dāng)前關(guān)聯(lián)的特征信息為滿足預(yù)設(shè)數(shù)量的當(dāng)前關(guān)聯(lián)的特征信息；或?yàn)椋卣餍畔?quán)重大于某預(yù)設(shè)閾值的當(dāng)前關(guān)聯(lián)的特征信息；或?yàn)?，按特征信息?quán)重降序排序在前的K個(gè)當(dāng)前關(guān)聯(lián)的特征信息，其中，所述K為正整數(shù)。
全文摘要
本申請(qǐng)?zhí)峁┝艘环N特征信息的個(gè)性化推薦方法和裝置，其中，所述方法包括接收客戶端提交的特征信息獲取請(qǐng)求，所述請(qǐng)求中包括用戶標(biāo)識(shí)；根據(jù)所述用戶標(biāo)識(shí)獲取用戶行為傾向信息；采用所述用戶行為傾向信息按預(yù)置規(guī)則提取當(dāng)前關(guān)聯(lián)的特征信息；提取滿足預(yù)設(shè)要求的當(dāng)前關(guān)聯(lián)的特征信息返回給客戶端。本申請(qǐng)可以滿足用戶多樣的個(gè)性化需求，減少用戶的網(wǎng)上購(gòu)物時(shí)間成本，提高電子商務(wù)商品購(gòu)買(mǎi)的轉(zhuǎn)化率。
文檔編號(hào)G06F17/30GK102760163SQ201210193550
公開(kāi)日2012年10月31日 申請(qǐng)日期2012年6月12日 優(yōu)先權(quán)日2012年6月12日
發(fā)明者常富洋, 李少偉, 秦吉?jiǎng)?申請(qǐng)人:奇智軟件(北京)有限公司