一種基于吸引力模型的信息精準(zhǔn)推送方法和系統(tǒng)的制作方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及到內(nèi)容推送領(lǐng)域，尤其涉及到一種基于吸引力模型的信息精準(zhǔn)推送方 法和系統(tǒng)。
【背景技術(shù)】
[0002] 現(xiàn)有推送系統(tǒng)的實現(xiàn)方案通常可以劃分為兩大類：一種是電子商務(wù)系統(tǒng)中商品的 推薦方法，另一種是社交網(wǎng)絡(luò)中好友的推薦方法。它們的共同點是基于用戶在網(wǎng)站中的歷 史行為數(shù)據(jù)進(jìn)行分析，從而選出用戶可能感興趣的商品或者人物，推薦給用戶。但是這些推 送方法存在以下幾點問題：
[0003] 1、實現(xiàn)推送的算法過于簡單，缺乏對用戶偏好的準(zhǔn)確評估。例如許多網(wǎng)站是根據(jù) 用戶對站點上展示的特定物品或特定人物信息的瀏覽歷史將備選的產(chǎn)品或人物信息推薦 給用戶。在許多情況下，這類推送方式是基于網(wǎng)站累積的用戶瀏覽歷史記錄或操作歷史的 數(shù)據(jù)，比如購買了第一產(chǎn)品的用戶還可能購買第二相關(guān)產(chǎn)品的數(shù)據(jù)，瀏覽了 A人物的用戶 還可能關(guān)注相關(guān)的B人物。
[0004] 2、一般只應(yīng)用于推薦商品或者人物上，適用范圍偏窄。
[0005] 3、許多推送實際上是遵循粗暴型的網(wǎng)絡(luò)廣播模型，針對性不強，容易造成信息的 泛濫和浪費。比如說一篇文章或者一件突發(fā)新聞事件的分享和傳播，就是遵循簡單的網(wǎng)絡(luò) 廣播模型。這造成了信息的泛濫，有很大一部分信息被直接浪費掉，因為它們引不起用戶的 興趣和關(guān)注。
[0006] 4、不適用于在移動互聯(lián)網(wǎng)時代向用戶推薦內(nèi)容。當(dāng)下流行的線上線下模式需要推 薦系統(tǒng)有很強的區(qū)域性分析技術(shù)。例如，一個用戶在北京和廣州兩個城市移動，晚飯時間需 要通過移動互聯(lián)網(wǎng)給他推薦吃飯的地點。而現(xiàn)有的推送方法通常不能根據(jù)用戶所在的位置 進(jìn)行分析和推薦，缺乏區(qū)域性分析技術(shù)，因而不適用于這種線上線下模式。
[0007] 因此，現(xiàn)有技術(shù)有待進(jìn)一步的改進(jìn)。

【發(fā)明內(nèi)容】

[0008] 本發(fā)明所要解決的問題在于，針對現(xiàn)有技術(shù)的上述缺陷，提供一種基于吸引力模 型的信息精準(zhǔn)推送方法和系統(tǒng)，解決現(xiàn)有推送方法缺乏對用戶偏好的準(zhǔn)確評估、適用范圍 窄以及缺乏區(qū)域性分析技術(shù)的問題。
[0009] 本發(fā)明解決技術(shù)問題所采用的技術(shù)方案如下：一種基于吸引力模型的信息精準(zhǔn)推 送方法，包括如下步驟：
[0010] A、系統(tǒng)按照預(yù)定規(guī)則對被推薦客體進(jìn)行歸類；
[0011] B、分別根據(jù)預(yù)先定義的興趣參數(shù)計算用戶對一類被推薦客體的感興趣程度、以及 預(yù)先定義的關(guān)注參數(shù)計算所述類中被推薦客體的可推薦程度，并獲取所述類中被推薦客體 發(fā)生地點與用戶間的距離；
[0012] C、利用用戶對所述類被推薦客體的感興趣程度、所述類中被推薦客體的可推薦程 度和與用戶間的距離，按照吸引力模型計算所述類中被推薦客體對用戶的吸引力；
[0013] D、按照對用戶的吸引力的大小順序?qū)⑺鲱愔斜煌扑]客體推薦給用戶。
[0014] 進(jìn)一步地，所述步驟B具體包括：
[0015] B1、將系統(tǒng)時段劃分為若干離散時間段，并記錄用戶注冊時間段和被推薦客體產(chǎn) 生時間段。
[0016] 進(jìn)一步地，所述步驟B具體還包括：
[0017]B21、所述興趣參數(shù)包括興趣衰退因子a、興趣增量指數(shù)0和用戶對一類被推薦 客體關(guān)注頻率T，并按照以下公式計算用戶u對一類被推薦客體的感興趣程度I u,x:
【主權(quán)項】
1. 一種基于吸引力模型的信息精準(zhǔn)推送方法，其特征在于，包括如下步驟： A、 系統(tǒng)按照預(yù)定規(guī)則對被推薦客體進(jìn)行歸類； B、 分別根據(jù)預(yù)先定義的興趣參數(shù)計算用戶對一類被推薦客體的感興趣程度、以及預(yù)先 定義的關(guān)注參數(shù)計算所述類中被推薦客體的可推薦程度，并獲取所述類中被推薦客體發(fā)生 地點與用戶間的距離； C、 利用用戶對所述類被推薦客體的感興趣程度、所述類中被推薦客體的可推薦程度和 與用戶間的距離，按照吸引力模型計算所述類中被推薦客體對用戶的吸引力； D、 按照對用戶的吸引力的大小順序?qū)⑺鲱愔斜煌扑]客體推薦給用戶。
2. 根據(jù)權(quán)利要求1所述的基于吸引力模型的信息精準(zhǔn)推送方法，其特征在于，所述步 驟B具體包括： B1、將系統(tǒng)時段劃分為若干離散時間段，并記錄用戶注冊時間段和被推薦客體產(chǎn)生時 間段。
3. 根據(jù)權(quán)利要求2所述的基于吸引力模型的信息精準(zhǔn)推送方法，其特征在于，所述步 驟B具體還包括： B21、所述興趣參數(shù)包括興趣衰退因子α、興趣增量指數(shù)β和用戶對一類被推薦客體 關(guān)注頻率Τ，并按照以下公式計算用戶u對一類被推薦客體的感興趣程度Iu, χ:
其中，用戶u在tu時間段注冊，C 常數(shù)，T u+i為用戶u在t "+1時間段對一類被推薦客 體關(guān)注頻率，〇 < α < 1，β彡1 ; Β22、所述關(guān)注參數(shù)包括被推薦客體的隨時間衰退因子γ、密集度增量指數(shù)δ和被推 薦客體的被關(guān)注頻率F，并按照以下公式計算所述類中被推薦客體在tx時間段的可推薦程 度 Ra，x:
其中，被推薦客體在ta時間段產(chǎn)生，C2為常數(shù)，F(xiàn) 被推薦客體在各時間段的被關(guān)注頻 率，O < γ彡1，δ彡1 ; 所述步驟C具體還包括： 根據(jù)以下吸引力模型計算所述類中被推薦客體對用戶的吸引力：
其中，Gaux為被推薦客體對用戶u的吸引力，C 3為常數(shù)，L為所述類中被推薦客體發(fā)生 地點與用戶間的距離，(：3和η均為常數(shù)η。
4. 根據(jù)權(quán)利要求3所述的基于吸引力模型的信息精準(zhǔn)推送方法，其特征在于， 當(dāng)系統(tǒng)檢測到用戶關(guān)注新的被推薦客體時，系統(tǒng)通過公式（1)更新用戶對該新被推薦 客體所屬類別的感興趣程度； 當(dāng)系統(tǒng)檢測到新的被推薦客體引起用戶關(guān)注時，系統(tǒng)通過公式（2)更新被推薦客體的 可推薦程度。
5. -種基于吸引力模型的信息精準(zhǔn)推送系統(tǒng)，其特征在于，所述系統(tǒng)包括： 歸類模塊，用于按照預(yù)定規(guī)則對被推薦客體進(jìn)行歸類； 第一計算模塊，用于分別根據(jù)預(yù)先定義的興趣參數(shù)計算用戶對一類被推薦客體的感興 趣程度、以及預(yù)先定義的關(guān)注參數(shù)計算所述類中被推薦客體的可推薦程度，并獲取所述類 中被推薦客體發(fā)生地點與用戶間的距離； 第二計算模塊，用于利用第一計算模塊得出的用戶對所述類被推薦客體的感興趣程 度、所述類中被推薦客體的可推薦程度和與用戶間的距離，按照吸引力模型計算所述類中 被推薦客體對用戶的吸引力； 推送模塊，用于按照對用戶的吸引力的大小順序?qū)⑺鲱愔斜煌扑]客體推薦給用戶。
6. 根據(jù)權(quán)利要求5所述的基于吸引力模型的信息精準(zhǔn)推送系統(tǒng)，其特征在于，所述系 統(tǒng)還包括存儲模塊，用于存儲用戶信息、被推薦客體信息、用戶對各類被推薦客體的感興趣 程度和被推薦客體的可推薦程度。
7. 根據(jù)權(quán)利要求5所述的基于吸引力模型的信息精準(zhǔn)推送系統(tǒng)，其特征在于，所述第 一計算模塊還包括感興趣程度計算模塊和可推薦程度計算模塊，其中， 感興趣程度計算模塊，用于調(diào)用算法公式
：計算用戶對一類 被推薦客體的感興趣程度，其中，所述興趣參數(shù)包括興趣衰退因子α、興趣增量指數(shù)β和 用戶對一類被推薦客體關(guān)注頻率Τ，用戶u在tu時間段注冊，C 常數(shù)，T u+i為用戶u在t U+1 時間段對一類被推薦客體關(guān)注頻率，〇 < α < 1，β多1 ; 可推薦程度計算模塊，用于調(diào)用算法公式
所述類中被推薦 客體的可推薦程度，其中，所述關(guān)注參數(shù)包括被推薦客體的隨時間衰退因子γ、密集度增量 指數(shù)S和被推薦客體的被關(guān)注頻率F，被推薦客體在ta時間段產(chǎn)生，C2為常數(shù)，F(xiàn)i為被推 薦客體在各時間段的被關(guān)注頻率，〇 < γ < 1，S多1 ; 第二計算模塊，還用于調(diào)用算法公式
計算所述類中被推薦客體對用戶 的吸引力，其中，Gaux為被推薦客體對用戶u的吸引力，C 2為常數(shù)，L為所述類中被推薦客體 發(fā)生地點與用戶間的距離，(：2和Tl均為常數(shù)II。
8. 根據(jù)權(quán)利要求7所述的基于吸引力模型的信息精準(zhǔn)推送系統(tǒng)，其特征在于，所述系 統(tǒng)還包括更新模塊，用于當(dāng)系統(tǒng)檢測到用戶關(guān)注新的被推薦客體時，調(diào)用所述感興趣程度 計算模塊更新用戶對該新被推薦客體所屬類別的感興趣程度；當(dāng)系統(tǒng)檢測到新的被推薦客 體引起用戶關(guān)注時，調(diào)用可推薦程度計算模塊更新被推薦客體的可推薦程度。
【專利摘要】本發(fā)明公開了一種基于吸引力模型的信息精準(zhǔn)推送方法，包括如下步驟：系統(tǒng)按照預(yù)定規(guī)則對被推薦客體進(jìn)行歸類；分別根據(jù)預(yù)先定義的興趣參數(shù)計算用戶對一類被推薦客體的感興趣程度、以及預(yù)先定義的關(guān)注參數(shù)計算所述類中被推薦客體的可推薦程度，并獲取所述類中被推薦客體發(fā)生地點與用戶間的距離；利用用戶對所述類被推薦客體的感興趣程度、所述類中被推薦客體的可推薦程度和與用戶間的距離，按照吸引力模型計算所述類中被推薦客體對用戶的吸引力；按照對用戶的吸引力的大小順序?qū)⑺鲱愔斜煌扑]客體推薦給用戶。推送方式更加精準(zhǔn)，保證了用戶獲得更精準(zhǔn)的符合需求的信息，減少用戶對不必要信息的關(guān)注，保證用戶獲得的信息的價值更大。
【IPC分類】G06F17-30
【公開號】CN104537095
【申請?zhí)枴緾N201510009726
【發(fā)明人】吳錦鋒
【申請人】吳錦鋒
【公開日】2015年4月22日
【申請日】2015年1月8日