靜態(tài)和動態(tài)推薦理由自動結(jié)合的推薦系統(tǒng)及方法
靜態(tài)和動態(tài)推薦理由自動結(jié)合的推薦系統(tǒng)及方法
【專利摘要】本發(fā)明公開了一種靜態(tài)和動態(tài)推薦理由自動結(jié)合的推薦系統(tǒng)及方法，系統(tǒng)包括：內(nèi)容信息庫建立模組，用于對當(dāng)前用戶正瀏覽的內(nèi)容生成推薦結(jié)果并存儲；靜態(tài)推薦理由挖掘模塊，根據(jù)當(dāng)前用戶正瀏覽的內(nèi)容，為待推薦對象生成與推薦上下文無關(guān)的靜態(tài)推薦理由；動態(tài)推薦理由挖掘模塊，對每個待推薦對象根據(jù)傳入的推薦上下文自動進(jìn)行運(yùn)算，給出動態(tài)推薦理由；推薦理由組合模塊，對每個待推薦內(nèi)容根據(jù)一合并原則對待推薦對象的靜態(tài)和動態(tài)推薦理由進(jìn)行合并，獲得待推薦對象最終的推薦理由；推薦結(jié)果顯示模塊，將待推薦對象及對應(yīng)的推薦理由進(jìn)行顯示，本發(fā)明通過對生成靜態(tài)推薦理由和動態(tài)推薦理由進(jìn)行合并，進(jìn)行自動融合和展現(xiàn)，大大提高推薦系統(tǒng)的最終效果。
【專利說明】靜態(tài)和動態(tài)推薦理由自動結(jié)合的推薦系統(tǒng)及方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明關(guān)于一種推薦系統(tǒng)及方法，特別是涉及一種靜態(tài)和動態(tài)推薦理由自動結(jié)合 的推薦系統(tǒng)及方法。
【背景技術(shù)】
[0002] 在互聯(lián)網(wǎng)上，信息的數(shù)量越來越大。用戶可以選擇的面也越來越廣，推薦系統(tǒng)的任 務(wù)是，要從眾多的資訊中，過濾并挑選出符合每個用戶口味的內(nèi)容，推薦給不同用戶。在這 個過程中，推薦效果尤為重要。以電子商務(wù)網(wǎng)站為例（如淘寶、京東），推薦的商品需要契合 用戶的個性化的需求，讓用戶愿意點(diǎn)擊瀏覽，并最終付費(fèi)購買。在內(nèi)容型的網(wǎng)站（如視頻網(wǎng) 站：酷6網(wǎng)、優(yōu)酷網(wǎng)，文學(xué)網(wǎng)站：起點(diǎn)中文網(wǎng)、小說閱讀網(wǎng)）中，類似的需求也大量存在，即網(wǎng) 站需要將內(nèi)容更有效的推薦給用戶，讓用戶愿意點(diǎn)擊進(jìn)行瀏覽，并最終完成一次有效的推 薦。
[0003] 傳統(tǒng)的推薦系統(tǒng)，一般都是通過后臺的推薦算法生成推薦結(jié)果列表，并按指定的 順序展現(xiàn)給用戶。但這種方式展示結(jié)果比較單調(diào)（如圖1所示），可見，僅僅是相關(guān)推薦結(jié) 果的羅列，無法引起用戶足夠的興趣，而且用戶在觀看推薦結(jié)果時，也不明白為什么會把這 個結(jié)果推薦給他，導(dǎo)致推薦效果不佳。
【發(fā)明內(nèi)容】
[0004] 為克服上述現(xiàn)有技術(shù)存在的不足，本發(fā)明之目的在于提供一種靜態(tài)和動態(tài)推薦理 由自動結(jié)合的推薦系統(tǒng)及方法，通過對生成靜態(tài)推薦理由和動態(tài)推薦理由進(jìn)行合并，進(jìn)行 自動融合和展現(xiàn)，大大提高推薦系統(tǒng)的最終效果
[0005] 為達(dá)上述及其它目的，本發(fā)明提出一種靜態(tài)和動態(tài)推薦理由自動結(jié)合的推薦系 統(tǒng)，至少包括：
[0006] 內(nèi)容信息庫建立模組，用于對當(dāng)前用戶正在瀏覽的內(nèi)容生成推薦結(jié)果并存儲；
[0007] 靜態(tài)推薦理由挖掘模塊，根據(jù)當(dāng)前用戶正在瀏覽的內(nèi)容，從該內(nèi)容信息庫中，為每 個待推薦對象生成對應(yīng)的與推薦上下文無關(guān)的靜態(tài)推薦理由；
[0008] 動態(tài)推薦理由挖掘模塊，對每個待推薦對象根據(jù)傳入的推薦上下文自動進(jìn)行運(yùn) 算，并給出相應(yīng)的動態(tài)推薦理由；
[0009] 推薦理由組合模塊，對每個待推薦內(nèi)容根據(jù)一合并原則對待推薦對象對應(yīng)的靜態(tài) 推薦理由和動態(tài)推薦理由進(jìn)行合并，獲得待推薦對象最終的推薦理由；以及
[0010] 推薦結(jié)果顯示模塊，將待推薦對象及其對應(yīng)的最終的推薦理由進(jìn)行顯示。
[0011] 進(jìn)一步地，該靜態(tài)推薦理由挖掘模塊根據(jù)當(dāng)前用戶正在瀏覽的內(nèi)容的作者信息或 欄目信息或編輯人工撰寫的理由獲得靜態(tài)推薦理由。
[0012] 進(jìn)一步地，該靜態(tài)推薦理由挖掘模塊通過分析數(shù)據(jù)統(tǒng)計(jì)系統(tǒng)的內(nèi)容，將每個待推 薦對象各種統(tǒng)計(jì)數(shù)據(jù)生成用戶可直觀理解的靜態(tài)推薦理由。
[0013] 進(jìn)一步地，該靜態(tài)推薦理由包括排行榜信息構(gòu)成理由、點(diǎn)擊/收藏/轉(zhuǎn)發(fā)總量構(gòu)成 理由、點(diǎn)擊/收藏/轉(zhuǎn)發(fā)增量構(gòu)成理由。
[0014] 該靜態(tài)推薦理由挖掘模塊將靜態(tài)推薦理由存儲于靜態(tài)理由緩存中。
[0015] 進(jìn)一步地，該動態(tài)推薦理由包括按地域或時間生成的推薦理由、按傳入的當(dāng)前用 戶歷史的瀏覽行為生成的推薦理由以及按當(dāng)前用戶正在瀏覽的內(nèi)容的關(guān)鍵詞、屬性、類別 生成的推薦理由。
[0016] 進(jìn)一步地，該合并原則為：
[0017] 利用一個隨機(jī)數(shù)生成器，該生成器每次隨機(jī)生成一個0到1之間的隨機(jī)數(shù)X，若 0. 5 < = X < 1,則選擇靜態(tài)推薦理由為最終的推薦理由；當(dāng)0 < = X < 0. 5,則選擇動態(tài)推 薦理由為最終的推薦理由。
[0018] 為達(dá)到上述及其他目的，本發(fā)明還提供一種靜態(tài)和動態(tài)推薦理由自動結(jié)合的推薦 方法，包括如下步驟：
[0019] 步驟一，對當(dāng)前用戶正瀏覽的內(nèi)容通過推薦算法獲得推薦結(jié)果，建立推薦結(jié)果的 內(nèi)容信息庫；
[0020] 步驟二，根據(jù)當(dāng)前用戶正在瀏覽的內(nèi)容，為內(nèi)容信息庫中的每個待推薦對象生成 對應(yīng)的不依賴推薦上下文的靜態(tài)推薦理由；
[0021] 步驟三，對每個待推薦內(nèi)容根據(jù)傳入的推薦上下文自動進(jìn)行運(yùn)算，并給出相應(yīng)的 動態(tài)推薦理由；
[0022] 步驟四，對每個待推薦內(nèi)容根據(jù)一合并原則將待推薦內(nèi)容對應(yīng)的靜態(tài)推薦理由和 動態(tài)推薦理由進(jìn)行合并，獲得待推薦內(nèi)容最終的推薦理由；以及
[0023] 步驟五，將待推薦內(nèi)容及其對應(yīng)的最終的推薦理由進(jìn)行顯示。
[0024] 進(jìn)一步地，于步驟二中，分析數(shù)據(jù)統(tǒng)計(jì)系統(tǒng)的內(nèi)容，將每個待推薦對象各種統(tǒng)計(jì)數(shù) 據(jù)生成用戶可直觀理解的靜態(tài)推薦理由。
[0025] 進(jìn)一步地，，該合并原則為：
[0026] 利用一個隨機(jī)數(shù)生成器，該生成器每次隨機(jī)生成一個0到1之間的隨機(jī)數(shù)X，若 0. 5 < = X < 1,則選擇靜態(tài)推薦理由為最終的推薦理由；當(dāng)0 < = X < 0. 5,則選擇動態(tài)推 薦理由為最終的推薦理由。
[0027] 與現(xiàn)有技術(shù)相比，本發(fā)明一種靜態(tài)和動態(tài)推薦理由自動結(jié)合的推薦系統(tǒng)及方法， 對待推薦內(nèi)容通過靜態(tài)推薦理由挖掘模塊生成靜態(tài)推薦理由，動態(tài)推薦理由挖掘模塊生成 動態(tài)推薦理由，并由推薦理由組合模塊對靜態(tài)推薦理由和動態(tài)推薦理由進(jìn)行合并，進(jìn)行自 動融合和展現(xiàn)，大大提高推薦系統(tǒng)的最終效果。
【專利附圖】
【附圖說明】
[0028] 圖1為現(xiàn)有技術(shù)中推薦效果的示意圖；
[0029] 圖2為本發(fā)明中靜態(tài)推薦理由的示意圖；
[0030] 圖3為本發(fā)明中動態(tài)推薦理由的示意圖；
[0031] 圖4為本發(fā)明一種靜態(tài)和動態(tài)推薦理由自動結(jié)合的推薦系統(tǒng)的系統(tǒng)架構(gòu)圖；
[0032] 圖5為本發(fā)明一種靜態(tài)和動態(tài)推薦理由自動結(jié)合的推薦方法的步驟流程圖；
[0033] 圖6為本發(fā)明較佳實(shí)施例的推薦效果示意圖。
【具體實(shí)施方式】
[0034] 以下通過特定的具體實(shí)例并結(jié)合【專利附圖】
【附圖說明】本發(fā)明的實(shí)施方式，本領(lǐng)域技術(shù)人員可 由本說明書所揭示的內(nèi)容輕易地了解本發(fā)明的其它優(yōu)點(diǎn)與功效。本發(fā)明亦可通過其它不同 的具體實(shí)例加以施行或應(yīng)用，本說明書中的各項(xiàng)細(xì)節(jié)亦可基于不同觀點(diǎn)與應(yīng)用，在不背離 本發(fā)明的精神下進(jìn)行各種修飾與變更。
[0035] 在介紹本發(fā)明之前，首先對本發(fā)明設(shè)計(jì)的名詞和基本概念作一簡單介紹。在本 發(fā)明中，當(dāng)前用戶稱之為user，當(dāng)前用戶正在瀏覽的內(nèi)容記為item，待推薦的結(jié)果記為： candidatel, candidate2, candidate3......推薦上下文，記為 context, context 包括 user, item,當(dāng)前訪問的時間（timestamp),用戶的ip地址（ip address),用戶終端類型 (android, iOS，臺式機(jī)瀏覽器等）等信息。靜態(tài)推薦理由是指所生成的理由不依賴于"推 薦上下文"，獨(dú)立存在的理由，如圖2所示。動態(tài)推薦理由是指所生成的推薦依賴于"推薦 上下文"，每次根據(jù)上下文不同，動態(tài)變化的理由，如圖3所示。
[0036] 圖4為本發(fā)明一種靜態(tài)和動態(tài)推薦理由自動結(jié)合的推薦系統(tǒng)的系統(tǒng)架構(gòu)圖。如圖 4所不，本發(fā)明一種靜態(tài)和動態(tài)推薦理由自動結(jié)合的推薦系統(tǒng)，至少包括：內(nèi)容信息庫建立 模組401、靜態(tài)推薦理由挖掘模塊402、動態(tài)推薦理由挖掘模塊403、推薦理由組合模塊404 以及推薦結(jié)果顯示模塊405。
[0037] 其中內(nèi)容信息庫建立模組401為用于對當(dāng)前用戶正在瀏覽的內(nèi)容生成推薦結(jié)果 并存儲，即存儲當(dāng)前用戶正在瀏覽的內(nèi)容（item)的推薦結(jié)果；靜態(tài)推薦理由挖掘模塊402 根據(jù)當(dāng)前用戶正在瀏覽的內(nèi)容（item)，從內(nèi)容信息庫401中，為每個待推薦對象生成對應(yīng) 的靜態(tài)推薦理由。靜態(tài)推薦理由包括作者信息構(gòu)成的理由，2、item的欄目信息構(gòu) 成的理由，3、編輯人工為item撰寫的理由。上述靜態(tài)推薦理由，生成以后將存放在靜態(tài)理 由緩存（static reason cache)中。由于靜態(tài)推薦理由和推薦展示的上下文無關(guān),所以對 特定的item，其靜態(tài)理由完全相同，因此無需重復(fù)生成，只需要將生成好的靜態(tài)理由存放在 緩存中，供后面的模塊進(jìn)行調(diào)用。這樣處理的好處是大大降低了重復(fù)計(jì)算的任務(wù)，緩存機(jī)制 對提升推薦理由的生成速度有很好的幫助
[0038] 較佳的靜態(tài)推薦理由挖掘模塊402還可以通過分析數(shù)據(jù)統(tǒng)計(jì)系統(tǒng)的內(nèi)容，將每個 待推薦對象各種統(tǒng)計(jì)數(shù)據(jù)生成用戶可直觀理解的推薦理由，這些統(tǒng)計(jì)數(shù)據(jù)包括：
[0039] 1、item的排行榜信息構(gòu)成理由
[0040] 2、item的點(diǎn)擊/收藏/轉(zhuǎn)發(fā)總量構(gòu)成理由
[0041] 3、item的點(diǎn)擊/收藏/轉(zhuǎn)發(fā)增量構(gòu)成理由（如按日統(tǒng)計(jì)的信息）
[0042] 動態(tài)推薦理由挖掘模塊403,對每個待推薦內(nèi)容（candidate)根據(jù)傳入的推薦上 下文自動進(jìn)行運(yùn)算，并給出相應(yīng)的動態(tài)推薦理由。根據(jù)每次輸入的參數(shù)不同，給出的推薦理 由也各不相同。在本發(fā)明較佳實(shí)施例中，動態(tài)推薦理由包括：
[0043] 1、按地域或時間生成的推薦理由
[0044] 2、按傳入的user歷史的瀏覽行為生成的推薦理由
[0045] 3、按item的關(guān)鍵詞、屬性、類別等生成的推薦理由
[0046] 例如，動態(tài)推薦理由"來自北京的觀眾最喜歡看"、"趙本山相關(guān)熱播視頻"、" 看過了 XXX書的用戶也愛看"等這些理由和傳入的11861'、；^61]1、1口、1：；[1]168丨311^1等緊密相關(guān)。
[0047] 動態(tài)推薦理由對同一個待推薦內(nèi)容candidate，其結(jié)果可能各不相同，因此每次都 需要進(jìn)行計(jì)算。
[0048] 推薦理由組合模塊404對每個待推薦內(nèi)容根據(jù)一合并原則對待推薦內(nèi)容對應(yīng)的 靜態(tài)推薦理由和動態(tài)推薦理由進(jìn)行合并，獲得待推薦內(nèi)容最終的推薦理由。在本發(fā)明較佳 實(shí)施例中，合并原則采用的方法是利用一個隨機(jī)數(shù)生成器rand(0，1)，該生成器每次隨機(jī)生 成一個0到1之間的隨機(jī)數(shù)X，如果0. 5 <= X < 1，則選擇靜態(tài)推薦理由為最終的推薦理 由；當(dāng)0 <= x < 〇. 5,則選擇動態(tài)推薦理由為最終的推薦理由。推薦結(jié)果顯示模塊405則 用于將待推薦內(nèi)容及其對應(yīng)的最終的推薦理由進(jìn)行顯示。為了讓推薦理由起到闡述推薦原 因，并且吸引用戶的目的，推薦結(jié)果顯示模塊405在頁面呈現(xiàn)時采用相對醒目的顏色，在待 推薦內(nèi)容附近展示推薦理由。
[0049] 圖5為本發(fā)明一種靜態(tài)和動態(tài)推薦理由自動結(jié)合的推薦方法的步驟流程圖。如圖 5所示，本發(fā)明一種靜態(tài)和動態(tài)推薦理由自動接合的推薦方法，包括如下步驟：
[0050] 步驟501，對當(dāng)前用戶正瀏覽的內(nèi)容通過推薦算法獲得推薦結(jié)果，建立推薦結(jié)果的 內(nèi)容信息庫；
[0051] 步驟502,根據(jù)當(dāng)前用戶正在瀏覽的內(nèi)容，為內(nèi)容信息庫中的每個待推薦對象生成 對應(yīng)的不依賴推薦上下文的靜態(tài)推薦理由。在本發(fā)明較佳實(shí)施例中，靜態(tài)推薦理由包括：1、 item作者信息構(gòu)成的理由，2、item的欄目信息構(gòu)成的理由，3、編輯人工為item撰寫的理 由。如圖2中，編輯人工為item撰寫的理由"軍事欄目"精選。
[0052] 較佳的，在步驟502中，還可以通過分析數(shù)據(jù)統(tǒng)計(jì)系統(tǒng)的內(nèi)容，將每個待推薦對象 各種統(tǒng)計(jì)數(shù)據(jù)生成用戶可直觀理解的靜態(tài)推薦理由。這些統(tǒng)計(jì)數(shù)據(jù)包括：
[0053] 1、item的排行榜信息構(gòu)成理由
[0054] 2、item的點(diǎn)擊/收藏/轉(zhuǎn)發(fā)總量構(gòu)成理由
[0055] 3、item的點(diǎn)擊/收藏/轉(zhuǎn)發(fā)增量構(gòu)成理由（如按日統(tǒng)計(jì)的信息）
[0056] 如圖2中，靜態(tài)推薦理由"累計(jì)點(diǎn)擊超100萬次"。
[0057] 步驟503,對每個待推薦內(nèi)容（candidate)根據(jù)傳入的推薦上下文自動進(jìn)行運(yùn)算， 并給出相應(yīng)的動態(tài)推薦理由。根據(jù)每次輸入的參數(shù)不同，給出的推薦理由也各不相同。在 本發(fā)明較佳實(shí)施例中，動態(tài)推薦理由包括：
[0058] 1、按地域或時間生成的推薦理由
[0059] 2、按傳入的user歷史的瀏覽行為生成的推薦理由
[0060] 3、按item的關(guān)鍵詞、屬性、類別等生成的推薦理由
[0061] 例如，動態(tài)推薦理由"來自北京的觀眾最喜歡看"、"趙本山相關(guān)熱播視頻"、" 看過了 XXX書的用戶也愛看"等這些理由和傳入的11861'、；^61]1、1口、1：；[1]168丨311^1等緊密相關(guān)。
[0062] 步驟504,對每個待推薦內(nèi)容根據(jù)一合并原則將待推薦內(nèi)容對應(yīng)的靜態(tài)推薦理由 和動態(tài)推薦理由進(jìn)行合并，獲得待推薦內(nèi)容最終的推薦理由。在本發(fā)明較佳實(shí)施例中，合并 原則采用的方法是利用一個隨機(jī)數(shù)生成器rand(0,1)，該生成器每次隨機(jī)生成一個0到1 之間的隨機(jī)數(shù)X，如果0. 5 <= X < 1,則選擇靜態(tài)推薦理由為最終的推薦理由；當(dāng)0 <= X < 0. 5,則選擇動態(tài)推薦理由為最終的推薦理由。
[0063] 步驟505,將待推薦內(nèi)容及其對應(yīng)的最終的推薦理由進(jìn)行顯示。為了讓推薦理由起 到闡述推薦原因，并且吸引用戶的目的，本發(fā)明之推薦理由在頁面呈現(xiàn)時采用相對醒目的 顏色，在待推薦內(nèi)容附近展示推薦理由，如圖6所示。
[0064] 綜上所述，本發(fā)明一種靜態(tài)和動態(tài)推薦理由自動結(jié)合的推薦系統(tǒng)及方法，對待推 薦內(nèi)容通過靜態(tài)推薦理由挖掘模塊生成靜態(tài)推薦理由，動態(tài)推薦理由挖掘模塊生成動態(tài)推 薦理由，并由推薦理由組合模塊對靜態(tài)推薦理由和動態(tài)推薦理由進(jìn)行合并，進(jìn)行自動融合 和展現(xiàn)，大大提高推薦系統(tǒng)的最終效果。
[0065]自動發(fā)現(xiàn)內(nèi)容上相關(guān)的其它視頻，并通過共現(xiàn)挖掘模塊對用戶的播放記錄進(jìn)行分 析，挖掘用戶的偏好，同時還通過編輯列表推薦模塊整理編輯播放列表，獲得候選視頻結(jié) 合，并結(jié)合視頻的質(zhì)量評分來生成最終的相關(guān)視頻推薦列表，可以更好地為用戶推薦適合 每個用戶自身的視頻。
[0066] 與現(xiàn)有技術(shù)相比，本發(fā)明具有以下幾個優(yōu)點(diǎn)：
[0067] 1、本發(fā)明為待推薦內(nèi)容自動生成推薦理由，并將推薦理由細(xì)分為動態(tài)理由和靜態(tài) 理由，分別由不同模塊發(fā)起挖掘。
[0068] 2、靜態(tài)推薦理由挖掘模塊掛載緩存系統(tǒng)，用戶提高性能，避免重復(fù)計(jì)算。
[0069] 3、為了滿足推薦理由展示時的多樣性，本發(fā)明通過一個隨機(jī)策略確定最終展現(xiàn)的 推薦理由。這樣能保證用戶在觀看結(jié)果時，每次都有所不同。
[0070] 上述實(shí)施例僅例示性說明本發(fā)明的原理及其功效，而非用于限制本發(fā)明。任何本 領(lǐng)域技術(shù)人員均可在不違背本發(fā)明的精神及范疇下，對上述實(shí)施例進(jìn)行修飾與改變。因此， 本發(fā)明的權(quán)利保護(hù)范圍，應(yīng)如權(quán)利要求書所列。
【權(quán)利要求】
1. 一種靜態(tài)和動態(tài)推薦理由自動結(jié)合的推薦系統(tǒng)，至少包括： 內(nèi)容信息庫建立模組，用于對當(dāng)前用戶正在瀏覽的內(nèi)容生成推薦結(jié)果并存儲； 靜態(tài)推薦理由挖掘模塊，根據(jù)當(dāng)前用戶正在瀏覽的內(nèi)容，從該內(nèi)容信息庫中，為每個待 推薦對象生成對應(yīng)的與推薦上下文無關(guān)的靜態(tài)推薦理由； 動態(tài)推薦理由挖掘模塊，對每個待推薦對象根據(jù)傳入的推薦上下文自動進(jìn)行運(yùn)算，并 給出相應(yīng)的動態(tài)推薦理由； 推薦理由組合模塊，對每個待推薦內(nèi)容根據(jù)一合并原則對待推薦對象對應(yīng)的靜態(tài)推薦 理由和動態(tài)推薦理由進(jìn)行合并，獲得待推薦對象最終的推薦理由；以及 推薦結(jié)果顯示模塊，將待推薦對象及其對應(yīng)的最終的推薦理由進(jìn)行顯示。
2. 如權(quán)利要求1所述的一種靜態(tài)和動態(tài)推薦理由自動結(jié)合的推薦系統(tǒng)，其特征在于： 該靜態(tài)推薦理由挖掘模塊根據(jù)當(dāng)前用戶正在瀏覽的內(nèi)容的作者信息或欄目信息或編輯人 工撰寫的理由獲得靜態(tài)推薦理由。
3. 如權(quán)利要求1所述的一種靜態(tài)和動態(tài)推薦理由自動結(jié)合的推薦系統(tǒng)，其特征在于： 該靜態(tài)推薦理由挖掘模塊通過分析數(shù)據(jù)統(tǒng)計(jì)系統(tǒng)的內(nèi)容，將每個待推薦對象各種統(tǒng)計(jì)數(shù)據(jù) 生成用戶可直觀理解的靜態(tài)推薦理由。
4. 如權(quán)利要求3所述的一種靜態(tài)和動態(tài)推薦理由自動結(jié)合的推薦系統(tǒng)，其特征在于： 該靜態(tài)推薦理由包括排行榜信息構(gòu)成理由、點(diǎn)擊/收藏/轉(zhuǎn)發(fā)總量構(gòu)成理由、點(diǎn)擊/收藏/ 轉(zhuǎn)發(fā)增量構(gòu)成理由。
5. 如權(quán)利要求1所述的一種靜態(tài)和動態(tài)推薦理由自動結(jié)合的推薦系統(tǒng)，其特征在于： 該靜態(tài)推薦理由挖掘模塊將靜態(tài)推薦理由存儲于靜態(tài)理由緩存中。
6. 如權(quán)利要求1所述的一種靜態(tài)和動態(tài)推薦理由自動結(jié)合的推薦系統(tǒng)，其特征在于： 該動態(tài)推薦理由包括按地域或時間生成的推薦理由、按傳入的當(dāng)前用戶歷史的瀏覽行為生 成的推薦理由以及按當(dāng)前用戶正在瀏覽的內(nèi)容的關(guān)鍵詞、屬性、類別生成的推薦理由。
7. 如權(quán)利要求1所述的一種靜態(tài)和動態(tài)推薦理由自動結(jié)合的推薦系統(tǒng)，其特征在于， 該合并原則為： 利用一個隨機(jī)數(shù)生成器，該生成器每次隨機(jī)生成一個〇到1之間的隨機(jī)數(shù)X，若〇. 5 <=X < 1，則選擇靜態(tài)推薦理由為最終的推薦理由；當(dāng)〇 <= X < 〇. 5,則選擇動態(tài)推薦理 由為最終的推薦理由。
8. -種靜態(tài)和動態(tài)推薦理由自動結(jié)合的推薦方法，包括如下步驟： 步驟一，對當(dāng)前用戶正瀏覽的內(nèi)容通過推薦算法獲得推薦結(jié)果，建立推薦結(jié)果的內(nèi)容 信息庫； 步驟二，根據(jù)當(dāng)前用戶正在瀏覽的內(nèi)容，為內(nèi)容信息庫中的每個待推薦對象生成對應(yīng) 的不依賴推薦上下文的靜態(tài)推薦理由； 步驟三，對每個待推薦內(nèi)容根據(jù)傳入的推薦上下文自動進(jìn)行運(yùn)算，并給出相應(yīng)的動態(tài) 推薦理由； 步驟四，對每個待推薦內(nèi)容根據(jù)一合并原則將待推薦內(nèi)容對應(yīng)的靜態(tài)推薦理由和動態(tài) 推薦理由進(jìn)行合并，獲得待推薦內(nèi)容最終的推薦理由；以及 步驟五，將待推薦內(nèi)容及其對應(yīng)的最終的推薦理由進(jìn)行顯示。
9. 如權(quán)利要求8所述的一種靜態(tài)和動態(tài)推薦理由自動結(jié)合的推薦方法，其特征在于： 于步驟二中，分析數(shù)據(jù)統(tǒng)計(jì)系統(tǒng)的內(nèi)容，將每個待推薦對象各種統(tǒng)計(jì)數(shù)據(jù)生成用戶可直觀 理解的靜態(tài)推薦理由。
10.如權(quán)利要求8所述的一種靜態(tài)和動態(tài)推薦理由自動結(jié)合的推薦方法，其特征在于， 該合并原則為： 利用一個隨機(jī)數(shù)生成器，該生成器每次隨機(jī)生成一個〇到1之間的隨機(jī)數(shù)X，若〇. 5 <=X < 1，則選擇靜態(tài)推薦理由為最終的推薦理由；當(dāng)〇 <= X < 〇. 5,則選擇動態(tài)推薦理 由為最終的推薦理由。
【文檔編號】G06F17/30GK104216885SQ201310206888
【公開日】2014年12月17日 申請日期:2013年5月29日 優(yōu)先權(quán)日:2013年5月29日
【發(fā)明者】陳運(yùn)文, 姜迅 申請人:酷盛(天津）科技有限公司
【專利摘要】本發(fā)明公開了一種靜態(tài)和動態(tài)推薦理由自動結(jié)合的推薦系統(tǒng)及方法，系統(tǒng)包括：內(nèi)容信息庫建立模組，用于對當(dāng)前用戶正瀏覽的內(nèi)容生成推薦結(jié)果并存儲；靜態(tài)推薦理由挖掘模塊，根據(jù)當(dāng)前用戶正瀏覽的內(nèi)容，為待推薦對象生成與推薦上下文無關(guān)的靜態(tài)推薦理由；動態(tài)推薦理由挖掘模塊，對每個待推薦對象根據(jù)傳入的推薦上下文自動進(jìn)行運(yùn)算，給出動態(tài)推薦理由；推薦理由組合模塊，對每個待推薦內(nèi)容根據(jù)一合并原則對待推薦對象的靜態(tài)和動態(tài)推薦理由進(jìn)行合并，獲得待推薦對象最終的推薦理由；推薦結(jié)果顯示模塊，將待推薦對象及對應(yīng)的推薦理由進(jìn)行顯示，本發(fā)明通過對生成靜態(tài)推薦理由和動態(tài)推薦理由進(jìn)行合并，進(jìn)行自動融合和展現(xiàn)，大大提高推薦系統(tǒng)的最終效果。
【專利說明】靜態(tài)和動態(tài)推薦理由自動結(jié)合的推薦系統(tǒng)及方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明關(guān)于一種推薦系統(tǒng)及方法，特別是涉及一種靜態(tài)和動態(tài)推薦理由自動結(jié)合 的推薦系統(tǒng)及方法。
【背景技術(shù)】
[0002] 在互聯(lián)網(wǎng)上，信息的數(shù)量越來越大。用戶可以選擇的面也越來越廣，推薦系統(tǒng)的任 務(wù)是，要從眾多的資訊中，過濾并挑選出符合每個用戶口味的內(nèi)容，推薦給不同用戶。在這 個過程中，推薦效果尤為重要。以電子商務(wù)網(wǎng)站為例（如淘寶、京東），推薦的商品需要契合 用戶的個性化的需求，讓用戶愿意點(diǎn)擊瀏覽，并最終付費(fèi)購買。在內(nèi)容型的網(wǎng)站（如視頻網(wǎng) 站：酷6網(wǎng)、優(yōu)酷網(wǎng)，文學(xué)網(wǎng)站：起點(diǎn)中文網(wǎng)、小說閱讀網(wǎng)）中，類似的需求也大量存在，即網(wǎng) 站需要將內(nèi)容更有效的推薦給用戶，讓用戶愿意點(diǎn)擊進(jìn)行瀏覽，并最終完成一次有效的推 薦。
[0003] 傳統(tǒng)的推薦系統(tǒng)，一般都是通過后臺的推薦算法生成推薦結(jié)果列表，并按指定的 順序展現(xiàn)給用戶。但這種方式展示結(jié)果比較單調(diào)（如圖1所示），可見，僅僅是相關(guān)推薦結(jié) 果的羅列，無法引起用戶足夠的興趣，而且用戶在觀看推薦結(jié)果時，也不明白為什么會把這 個結(jié)果推薦給他，導(dǎo)致推薦效果不佳。
【發(fā)明內(nèi)容】
[0004] 為克服上述現(xiàn)有技術(shù)存在的不足，本發(fā)明之目的在于提供一種靜態(tài)和動態(tài)推薦理 由自動結(jié)合的推薦系統(tǒng)及方法，通過對生成靜態(tài)推薦理由和動態(tài)推薦理由進(jìn)行合并，進(jìn)行 自動融合和展現(xiàn)，大大提高推薦系統(tǒng)的最終效果
[0005] 為達(dá)上述及其它目的，本發(fā)明提出一種靜態(tài)和動態(tài)推薦理由自動結(jié)合的推薦系 統(tǒng)，至少包括：
[0006] 內(nèi)容信息庫建立模組，用于對當(dāng)前用戶正在瀏覽的內(nèi)容生成推薦結(jié)果并存儲；
[0007] 靜態(tài)推薦理由挖掘模塊，根據(jù)當(dāng)前用戶正在瀏覽的內(nèi)容，從該內(nèi)容信息庫中，為每 個待推薦對象生成對應(yīng)的與推薦上下文無關(guān)的靜態(tài)推薦理由；
[0008] 動態(tài)推薦理由挖掘模塊，對每個待推薦對象根據(jù)傳入的推薦上下文自動進(jìn)行運(yùn) 算，并給出相應(yīng)的動態(tài)推薦理由；
[0009] 推薦理由組合模塊，對每個待推薦內(nèi)容根據(jù)一合并原則對待推薦對象對應(yīng)的靜態(tài) 推薦理由和動態(tài)推薦理由進(jìn)行合并，獲得待推薦對象最終的推薦理由；以及
[0010] 推薦結(jié)果顯示模塊，將待推薦對象及其對應(yīng)的最終的推薦理由進(jìn)行顯示。
[0011] 進(jìn)一步地，該靜態(tài)推薦理由挖掘模塊根據(jù)當(dāng)前用戶正在瀏覽的內(nèi)容的作者信息或 欄目信息或編輯人工撰寫的理由獲得靜態(tài)推薦理由。
[0012] 進(jìn)一步地，該靜態(tài)推薦理由挖掘模塊通過分析數(shù)據(jù)統(tǒng)計(jì)系統(tǒng)的內(nèi)容，將每個待推 薦對象各種統(tǒng)計(jì)數(shù)據(jù)生成用戶可直觀理解的靜態(tài)推薦理由。
[0013] 進(jìn)一步地，該靜態(tài)推薦理由包括排行榜信息構(gòu)成理由、點(diǎn)擊/收藏/轉(zhuǎn)發(fā)總量構(gòu)成 理由、點(diǎn)擊/收藏/轉(zhuǎn)發(fā)增量構(gòu)成理由。
[0014] 該靜態(tài)推薦理由挖掘模塊將靜態(tài)推薦理由存儲于靜態(tài)理由緩存中。
[0015] 進(jìn)一步地，該動態(tài)推薦理由包括按地域或時間生成的推薦理由、按傳入的當(dāng)前用 戶歷史的瀏覽行為生成的推薦理由以及按當(dāng)前用戶正在瀏覽的內(nèi)容的關(guān)鍵詞、屬性、類別 生成的推薦理由。
[0016] 進(jìn)一步地，該合并原則為：
[0017] 利用一個隨機(jī)數(shù)生成器，該生成器每次隨機(jī)生成一個0到1之間的隨機(jī)數(shù)X，若 0. 5 < = X < 1,則選擇靜態(tài)推薦理由為最終的推薦理由；當(dāng)0 < = X < 0. 5,則選擇動態(tài)推 薦理由為最終的推薦理由。
[0018] 為達(dá)到上述及其他目的，本發(fā)明還提供一種靜態(tài)和動態(tài)推薦理由自動結(jié)合的推薦 方法，包括如下步驟：
[0019] 步驟一，對當(dāng)前用戶正瀏覽的內(nèi)容通過推薦算法獲得推薦結(jié)果，建立推薦結(jié)果的 內(nèi)容信息庫；
[0020] 步驟二，根據(jù)當(dāng)前用戶正在瀏覽的內(nèi)容，為內(nèi)容信息庫中的每個待推薦對象生成 對應(yīng)的不依賴推薦上下文的靜態(tài)推薦理由；
[0021] 步驟三，對每個待推薦內(nèi)容根據(jù)傳入的推薦上下文自動進(jìn)行運(yùn)算，并給出相應(yīng)的 動態(tài)推薦理由；
[0022] 步驟四，對每個待推薦內(nèi)容根據(jù)一合并原則將待推薦內(nèi)容對應(yīng)的靜態(tài)推薦理由和 動態(tài)推薦理由進(jìn)行合并，獲得待推薦內(nèi)容最終的推薦理由；以及
[0023] 步驟五，將待推薦內(nèi)容及其對應(yīng)的最終的推薦理由進(jìn)行顯示。
[0024] 進(jìn)一步地，于步驟二中，分析數(shù)據(jù)統(tǒng)計(jì)系統(tǒng)的內(nèi)容，將每個待推薦對象各種統(tǒng)計(jì)數(shù) 據(jù)生成用戶可直觀理解的靜態(tài)推薦理由。
[0025] 進(jìn)一步地，，該合并原則為：
[0026] 利用一個隨機(jī)數(shù)生成器，該生成器每次隨機(jī)生成一個0到1之間的隨機(jī)數(shù)X，若 0. 5 < = X < 1,則選擇靜態(tài)推薦理由為最終的推薦理由；當(dāng)0 < = X < 0. 5,則選擇動態(tài)推 薦理由為最終的推薦理由。
[0027] 與現(xiàn)有技術(shù)相比，本發(fā)明一種靜態(tài)和動態(tài)推薦理由自動結(jié)合的推薦系統(tǒng)及方法， 對待推薦內(nèi)容通過靜態(tài)推薦理由挖掘模塊生成靜態(tài)推薦理由，動態(tài)推薦理由挖掘模塊生成 動態(tài)推薦理由，并由推薦理由組合模塊對靜態(tài)推薦理由和動態(tài)推薦理由進(jìn)行合并，進(jìn)行自 動融合和展現(xiàn)，大大提高推薦系統(tǒng)的最終效果。
【專利附圖】
【附圖說明】
[0028] 圖1為現(xiàn)有技術(shù)中推薦效果的示意圖；
[0029] 圖2為本發(fā)明中靜態(tài)推薦理由的示意圖；
[0030] 圖3為本發(fā)明中動態(tài)推薦理由的示意圖；
[0031] 圖4為本發(fā)明一種靜態(tài)和動態(tài)推薦理由自動結(jié)合的推薦系統(tǒng)的系統(tǒng)架構(gòu)圖；
[0032] 圖5為本發(fā)明一種靜態(tài)和動態(tài)推薦理由自動結(jié)合的推薦方法的步驟流程圖；
[0033] 圖6為本發(fā)明較佳實(shí)施例的推薦效果示意圖。
【具體實(shí)施方式】
[0034] 以下通過特定的具體實(shí)例并結(jié)合【專利附圖】
【附圖說明】本發(fā)明的實(shí)施方式，本領(lǐng)域技術(shù)人員可 由本說明書所揭示的內(nèi)容輕易地了解本發(fā)明的其它優(yōu)點(diǎn)與功效。本發(fā)明亦可通過其它不同 的具體實(shí)例加以施行或應(yīng)用，本說明書中的各項(xiàng)細(xì)節(jié)亦可基于不同觀點(diǎn)與應(yīng)用，在不背離 本發(fā)明的精神下進(jìn)行各種修飾與變更。
[0035] 在介紹本發(fā)明之前，首先對本發(fā)明設(shè)計(jì)的名詞和基本概念作一簡單介紹。在本 發(fā)明中，當(dāng)前用戶稱之為user，當(dāng)前用戶正在瀏覽的內(nèi)容記為item，待推薦的結(jié)果記為： candidatel, candidate2, candidate3......推薦上下文，記為 context, context 包括 user, item,當(dāng)前訪問的時間（timestamp),用戶的ip地址（ip address),用戶終端類型 (android, iOS，臺式機(jī)瀏覽器等）等信息。靜態(tài)推薦理由是指所生成的理由不依賴于"推 薦上下文"，獨(dú)立存在的理由，如圖2所示。動態(tài)推薦理由是指所生成的推薦依賴于"推薦 上下文"，每次根據(jù)上下文不同，動態(tài)變化的理由，如圖3所示。
[0036] 圖4為本發(fā)明一種靜態(tài)和動態(tài)推薦理由自動結(jié)合的推薦系統(tǒng)的系統(tǒng)架構(gòu)圖。如圖 4所不，本發(fā)明一種靜態(tài)和動態(tài)推薦理由自動結(jié)合的推薦系統(tǒng)，至少包括：內(nèi)容信息庫建立 模組401、靜態(tài)推薦理由挖掘模塊402、動態(tài)推薦理由挖掘模塊403、推薦理由組合模塊404 以及推薦結(jié)果顯示模塊405。
[0037] 其中內(nèi)容信息庫建立模組401為用于對當(dāng)前用戶正在瀏覽的內(nèi)容生成推薦結(jié)果 并存儲，即存儲當(dāng)前用戶正在瀏覽的內(nèi)容（item)的推薦結(jié)果；靜態(tài)推薦理由挖掘模塊402 根據(jù)當(dāng)前用戶正在瀏覽的內(nèi)容（item)，從內(nèi)容信息庫401中，為每個待推薦對象生成對應(yīng) 的靜態(tài)推薦理由。靜態(tài)推薦理由包括作者信息構(gòu)成的理由，2、item的欄目信息構(gòu) 成的理由，3、編輯人工為item撰寫的理由。上述靜態(tài)推薦理由，生成以后將存放在靜態(tài)理 由緩存（static reason cache)中。由于靜態(tài)推薦理由和推薦展示的上下文無關(guān),所以對 特定的item，其靜態(tài)理由完全相同，因此無需重復(fù)生成，只需要將生成好的靜態(tài)理由存放在 緩存中，供后面的模塊進(jìn)行調(diào)用。這樣處理的好處是大大降低了重復(fù)計(jì)算的任務(wù)，緩存機(jī)制 對提升推薦理由的生成速度有很好的幫助
[0038] 較佳的靜態(tài)推薦理由挖掘模塊402還可以通過分析數(shù)據(jù)統(tǒng)計(jì)系統(tǒng)的內(nèi)容，將每個 待推薦對象各種統(tǒng)計(jì)數(shù)據(jù)生成用戶可直觀理解的推薦理由，這些統(tǒng)計(jì)數(shù)據(jù)包括：
[0039] 1、item的排行榜信息構(gòu)成理由
[0040] 2、item的點(diǎn)擊/收藏/轉(zhuǎn)發(fā)總量構(gòu)成理由
[0041] 3、item的點(diǎn)擊/收藏/轉(zhuǎn)發(fā)增量構(gòu)成理由（如按日統(tǒng)計(jì)的信息）
[0042] 動態(tài)推薦理由挖掘模塊403,對每個待推薦內(nèi)容（candidate)根據(jù)傳入的推薦上 下文自動進(jìn)行運(yùn)算，并給出相應(yīng)的動態(tài)推薦理由。根據(jù)每次輸入的參數(shù)不同，給出的推薦理 由也各不相同。在本發(fā)明較佳實(shí)施例中，動態(tài)推薦理由包括：
[0043] 1、按地域或時間生成的推薦理由
[0044] 2、按傳入的user歷史的瀏覽行為生成的推薦理由
[0045] 3、按item的關(guān)鍵詞、屬性、類別等生成的推薦理由
[0046] 例如，動態(tài)推薦理由"來自北京的觀眾最喜歡看"、"趙本山相關(guān)熱播視頻"、" 看過了 XXX書的用戶也愛看"等這些理由和傳入的11861'、；^61]1、1口、1：；[1]168丨311^1等緊密相關(guān)。
[0047] 動態(tài)推薦理由對同一個待推薦內(nèi)容candidate，其結(jié)果可能各不相同，因此每次都 需要進(jìn)行計(jì)算。
[0048] 推薦理由組合模塊404對每個待推薦內(nèi)容根據(jù)一合并原則對待推薦內(nèi)容對應(yīng)的 靜態(tài)推薦理由和動態(tài)推薦理由進(jìn)行合并，獲得待推薦內(nèi)容最終的推薦理由。在本發(fā)明較佳 實(shí)施例中，合并原則采用的方法是利用一個隨機(jī)數(shù)生成器rand(0，1)，該生成器每次隨機(jī)生 成一個0到1之間的隨機(jī)數(shù)X，如果0. 5 <= X < 1，則選擇靜態(tài)推薦理由為最終的推薦理 由；當(dāng)0 <= x < 〇. 5,則選擇動態(tài)推薦理由為最終的推薦理由。推薦結(jié)果顯示模塊405則 用于將待推薦內(nèi)容及其對應(yīng)的最終的推薦理由進(jìn)行顯示。為了讓推薦理由起到闡述推薦原 因，并且吸引用戶的目的，推薦結(jié)果顯示模塊405在頁面呈現(xiàn)時采用相對醒目的顏色，在待 推薦內(nèi)容附近展示推薦理由。
[0049] 圖5為本發(fā)明一種靜態(tài)和動態(tài)推薦理由自動結(jié)合的推薦方法的步驟流程圖。如圖 5所示，本發(fā)明一種靜態(tài)和動態(tài)推薦理由自動接合的推薦方法，包括如下步驟：
[0050] 步驟501，對當(dāng)前用戶正瀏覽的內(nèi)容通過推薦算法獲得推薦結(jié)果，建立推薦結(jié)果的 內(nèi)容信息庫；
[0051] 步驟502,根據(jù)當(dāng)前用戶正在瀏覽的內(nèi)容，為內(nèi)容信息庫中的每個待推薦對象生成 對應(yīng)的不依賴推薦上下文的靜態(tài)推薦理由。在本發(fā)明較佳實(shí)施例中，靜態(tài)推薦理由包括：1、 item作者信息構(gòu)成的理由，2、item的欄目信息構(gòu)成的理由，3、編輯人工為item撰寫的理 由。如圖2中，編輯人工為item撰寫的理由"軍事欄目"精選。
[0052] 較佳的，在步驟502中，還可以通過分析數(shù)據(jù)統(tǒng)計(jì)系統(tǒng)的內(nèi)容，將每個待推薦對象 各種統(tǒng)計(jì)數(shù)據(jù)生成用戶可直觀理解的靜態(tài)推薦理由。這些統(tǒng)計(jì)數(shù)據(jù)包括：
[0053] 1、item的排行榜信息構(gòu)成理由
[0054] 2、item的點(diǎn)擊/收藏/轉(zhuǎn)發(fā)總量構(gòu)成理由
[0055] 3、item的點(diǎn)擊/收藏/轉(zhuǎn)發(fā)增量構(gòu)成理由（如按日統(tǒng)計(jì)的信息）
[0056] 如圖2中，靜態(tài)推薦理由"累計(jì)點(diǎn)擊超100萬次"。
[0057] 步驟503,對每個待推薦內(nèi)容（candidate)根據(jù)傳入的推薦上下文自動進(jìn)行運(yùn)算， 并給出相應(yīng)的動態(tài)推薦理由。根據(jù)每次輸入的參數(shù)不同，給出的推薦理由也各不相同。在 本發(fā)明較佳實(shí)施例中，動態(tài)推薦理由包括：
[0058] 1、按地域或時間生成的推薦理由
[0059] 2、按傳入的user歷史的瀏覽行為生成的推薦理由
[0060] 3、按item的關(guān)鍵詞、屬性、類別等生成的推薦理由
[0061] 例如，動態(tài)推薦理由"來自北京的觀眾最喜歡看"、"趙本山相關(guān)熱播視頻"、" 看過了 XXX書的用戶也愛看"等這些理由和傳入的11861'、；^61]1、1口、1：；[1]168丨311^1等緊密相關(guān)。
[0062] 步驟504,對每個待推薦內(nèi)容根據(jù)一合并原則將待推薦內(nèi)容對應(yīng)的靜態(tài)推薦理由 和動態(tài)推薦理由進(jìn)行合并，獲得待推薦內(nèi)容最終的推薦理由。在本發(fā)明較佳實(shí)施例中，合并 原則采用的方法是利用一個隨機(jī)數(shù)生成器rand(0,1)，該生成器每次隨機(jī)生成一個0到1 之間的隨機(jī)數(shù)X，如果0. 5 <= X < 1,則選擇靜態(tài)推薦理由為最終的推薦理由；當(dāng)0 <= X < 0. 5,則選擇動態(tài)推薦理由為最終的推薦理由。
[0063] 步驟505,將待推薦內(nèi)容及其對應(yīng)的最終的推薦理由進(jìn)行顯示。為了讓推薦理由起 到闡述推薦原因，并且吸引用戶的目的，本發(fā)明之推薦理由在頁面呈現(xiàn)時采用相對醒目的 顏色，在待推薦內(nèi)容附近展示推薦理由，如圖6所示。
[0064] 綜上所述，本發(fā)明一種靜態(tài)和動態(tài)推薦理由自動結(jié)合的推薦系統(tǒng)及方法，對待推 薦內(nèi)容通過靜態(tài)推薦理由挖掘模塊生成靜態(tài)推薦理由，動態(tài)推薦理由挖掘模塊生成動態(tài)推 薦理由，并由推薦理由組合模塊對靜態(tài)推薦理由和動態(tài)推薦理由進(jìn)行合并，進(jìn)行自動融合 和展現(xiàn)，大大提高推薦系統(tǒng)的最終效果。
[0065]自動發(fā)現(xiàn)內(nèi)容上相關(guān)的其它視頻，并通過共現(xiàn)挖掘模塊對用戶的播放記錄進(jìn)行分 析，挖掘用戶的偏好，同時還通過編輯列表推薦模塊整理編輯播放列表，獲得候選視頻結(jié) 合，并結(jié)合視頻的質(zhì)量評分來生成最終的相關(guān)視頻推薦列表，可以更好地為用戶推薦適合 每個用戶自身的視頻。
[0066] 與現(xiàn)有技術(shù)相比，本發(fā)明具有以下幾個優(yōu)點(diǎn)：
[0067] 1、本發(fā)明為待推薦內(nèi)容自動生成推薦理由，并將推薦理由細(xì)分為動態(tài)理由和靜態(tài) 理由，分別由不同模塊發(fā)起挖掘。
[0068] 2、靜態(tài)推薦理由挖掘模塊掛載緩存系統(tǒng)，用戶提高性能，避免重復(fù)計(jì)算。
[0069] 3、為了滿足推薦理由展示時的多樣性，本發(fā)明通過一個隨機(jī)策略確定最終展現(xiàn)的 推薦理由。這樣能保證用戶在觀看結(jié)果時，每次都有所不同。
[0070] 上述實(shí)施例僅例示性說明本發(fā)明的原理及其功效，而非用于限制本發(fā)明。任何本 領(lǐng)域技術(shù)人員均可在不違背本發(fā)明的精神及范疇下，對上述實(shí)施例進(jìn)行修飾與改變。因此， 本發(fā)明的權(quán)利保護(hù)范圍，應(yīng)如權(quán)利要求書所列。
【權(quán)利要求】
1. 一種靜態(tài)和動態(tài)推薦理由自動結(jié)合的推薦系統(tǒng)，至少包括： 內(nèi)容信息庫建立模組，用于對當(dāng)前用戶正在瀏覽的內(nèi)容生成推薦結(jié)果并存儲； 靜態(tài)推薦理由挖掘模塊，根據(jù)當(dāng)前用戶正在瀏覽的內(nèi)容，從該內(nèi)容信息庫中，為每個待 推薦對象生成對應(yīng)的與推薦上下文無關(guān)的靜態(tài)推薦理由； 動態(tài)推薦理由挖掘模塊，對每個待推薦對象根據(jù)傳入的推薦上下文自動進(jìn)行運(yùn)算，并 給出相應(yīng)的動態(tài)推薦理由； 推薦理由組合模塊，對每個待推薦內(nèi)容根據(jù)一合并原則對待推薦對象對應(yīng)的靜態(tài)推薦 理由和動態(tài)推薦理由進(jìn)行合并，獲得待推薦對象最終的推薦理由；以及 推薦結(jié)果顯示模塊，將待推薦對象及其對應(yīng)的最終的推薦理由進(jìn)行顯示。
2. 如權(quán)利要求1所述的一種靜態(tài)和動態(tài)推薦理由自動結(jié)合的推薦系統(tǒng)，其特征在于： 該靜態(tài)推薦理由挖掘模塊根據(jù)當(dāng)前用戶正在瀏覽的內(nèi)容的作者信息或欄目信息或編輯人 工撰寫的理由獲得靜態(tài)推薦理由。
3. 如權(quán)利要求1所述的一種靜態(tài)和動態(tài)推薦理由自動結(jié)合的推薦系統(tǒng)，其特征在于： 該靜態(tài)推薦理由挖掘模塊通過分析數(shù)據(jù)統(tǒng)計(jì)系統(tǒng)的內(nèi)容，將每個待推薦對象各種統(tǒng)計(jì)數(shù)據(jù) 生成用戶可直觀理解的靜態(tài)推薦理由。
4. 如權(quán)利要求3所述的一種靜態(tài)和動態(tài)推薦理由自動結(jié)合的推薦系統(tǒng)，其特征在于： 該靜態(tài)推薦理由包括排行榜信息構(gòu)成理由、點(diǎn)擊/收藏/轉(zhuǎn)發(fā)總量構(gòu)成理由、點(diǎn)擊/收藏/ 轉(zhuǎn)發(fā)增量構(gòu)成理由。
5. 如權(quán)利要求1所述的一種靜態(tài)和動態(tài)推薦理由自動結(jié)合的推薦系統(tǒng)，其特征在于： 該靜態(tài)推薦理由挖掘模塊將靜態(tài)推薦理由存儲于靜態(tài)理由緩存中。
6. 如權(quán)利要求1所述的一種靜態(tài)和動態(tài)推薦理由自動結(jié)合的推薦系統(tǒng)，其特征在于： 該動態(tài)推薦理由包括按地域或時間生成的推薦理由、按傳入的當(dāng)前用戶歷史的瀏覽行為生 成的推薦理由以及按當(dāng)前用戶正在瀏覽的內(nèi)容的關(guān)鍵詞、屬性、類別生成的推薦理由。
7. 如權(quán)利要求1所述的一種靜態(tài)和動態(tài)推薦理由自動結(jié)合的推薦系統(tǒng)，其特征在于， 該合并原則為： 利用一個隨機(jī)數(shù)生成器，該生成器每次隨機(jī)生成一個〇到1之間的隨機(jī)數(shù)X，若〇. 5 <=X < 1，則選擇靜態(tài)推薦理由為最終的推薦理由；當(dāng)〇 <= X < 〇. 5,則選擇動態(tài)推薦理 由為最終的推薦理由。
8. -種靜態(tài)和動態(tài)推薦理由自動結(jié)合的推薦方法，包括如下步驟： 步驟一，對當(dāng)前用戶正瀏覽的內(nèi)容通過推薦算法獲得推薦結(jié)果，建立推薦結(jié)果的內(nèi)容 信息庫； 步驟二，根據(jù)當(dāng)前用戶正在瀏覽的內(nèi)容，為內(nèi)容信息庫中的每個待推薦對象生成對應(yīng) 的不依賴推薦上下文的靜態(tài)推薦理由； 步驟三，對每個待推薦內(nèi)容根據(jù)傳入的推薦上下文自動進(jìn)行運(yùn)算，并給出相應(yīng)的動態(tài) 推薦理由； 步驟四，對每個待推薦內(nèi)容根據(jù)一合并原則將待推薦內(nèi)容對應(yīng)的靜態(tài)推薦理由和動態(tài) 推薦理由進(jìn)行合并，獲得待推薦內(nèi)容最終的推薦理由；以及 步驟五，將待推薦內(nèi)容及其對應(yīng)的最終的推薦理由進(jìn)行顯示。
9. 如權(quán)利要求8所述的一種靜態(tài)和動態(tài)推薦理由自動結(jié)合的推薦方法，其特征在于： 于步驟二中，分析數(shù)據(jù)統(tǒng)計(jì)系統(tǒng)的內(nèi)容，將每個待推薦對象各種統(tǒng)計(jì)數(shù)據(jù)生成用戶可直觀 理解的靜態(tài)推薦理由。
10.如權(quán)利要求8所述的一種靜態(tài)和動態(tài)推薦理由自動結(jié)合的推薦方法，其特征在于， 該合并原則為： 利用一個隨機(jī)數(shù)生成器，該生成器每次隨機(jī)生成一個〇到1之間的隨機(jī)數(shù)X，若〇. 5 <=X < 1，則選擇靜態(tài)推薦理由為最終的推薦理由；當(dāng)〇 <= X < 〇. 5,則選擇動態(tài)推薦理 由為最終的推薦理由。
【文檔編號】G06F17/30GK104216885SQ201310206888
【公開日】2014年12月17日 申請日期:2013年5月29日 優(yōu)先權(quán)日:2013年5月29日
【發(fā)明者】陳運(yùn)文, 姜迅 申請人:酷盛(天津）科技有限公司
相關(guān)技術(shù)
網(wǎng)友詢問留言
已有0條留言
- 還沒有人留言評論。精彩留言會獲得點(diǎn)贊！
1