信息所指向的信息的喜好評(píng)分求解出用戶對(duì)信息的喜好SVD模型，由此通過(guò)用戶對(duì)已有信息的喜好評(píng)分來(lái)評(píng)估用戶對(duì)整個(gè)網(wǎng)絡(luò)中的信息的喜好程度，其相對(duì)于現(xiàn)有技術(shù)通過(guò)用戶歷史記錄進(jìn)行關(guān)鍵詞匹配的方式，得出的用戶喜好結(jié)果更準(zhǔn)確，由此向用戶推薦信息，可靠性更高，更能滿足用戶的興趣要求。
[0050]具體實(shí)現(xiàn)中，是否滿足推薦要求可預(yù)先根據(jù)需求任意設(shè)定，比如，可設(shè)定:當(dāng)所述用戶對(duì)所述待推薦信息的喜好評(píng)分大于設(shè)定的閾值時(shí)，確定滿足推薦要求；或者，當(dāng)用戶對(duì)所述待推薦信息的喜好評(píng)分相對(duì)用戶對(duì)其他待推薦信息的喜好評(píng)分為最高時(shí)，確定滿足推薦要求。
[0051]圖2為本發(fā)明的信息推薦設(shè)備的一實(shí)施例的結(jié)構(gòu)示意圖。如圖2所示，其可包括用戶數(shù)據(jù)提取模塊21、獲取模塊22、信息提取模塊23、模型生成模塊24、評(píng)分模塊25以及推薦模塊26，其中:
[0052]用戶數(shù)據(jù)提取模塊21，用于從用戶和/或用戶好友的社交媒體中提取特征因子，所述社交媒體為供用戶撰寫(xiě)和分享信息的網(wǎng)絡(luò)虛擬平臺(tái)。
[0053]具體實(shí)現(xiàn)中，本發(fā)明實(shí)施例的社交媒體可包括:微博、微信、facebook等供用戶撰寫(xiě)和分享信息的網(wǎng)絡(luò)虛擬平臺(tái)。
[0054]具體實(shí)現(xiàn)中，本發(fā)明實(shí)施例的用戶數(shù)據(jù)提取模塊21從用戶和/或用戶好友的社交媒體中提取特征因子可為可從社交媒體中獲取的任何信息，作為一種可行的實(shí)施方式，所述用戶和/或用戶好友的社交媒體中提取的特征因子可包括用戶ID(可用于唯一標(biāo)識(shí)一個(gè)用戶的身份)，社交媒體中的字詞(比如，出現(xiàn)頻率超過(guò)預(yù)定次數(shù)的字詞、當(dāng)前流行的網(wǎng)絡(luò)用語(yǔ)等)、作者、社交媒體中的文章的轉(zhuǎn)發(fā)數(shù)、所述社交媒體中的文章的評(píng)論數(shù)等中至少一種。
[0055]獲取模塊22，用于根據(jù)所述用戶和/或所述用戶好友的社交媒體中的索引信息獲取所述索引信息所指向的信息。
[0056]具體實(shí)現(xiàn)中，社交媒體中的索引信息可包括網(wǎng)址、標(biāo)題、字詞(比如，出現(xiàn)頻率超過(guò)預(yù)定次數(shù)的字詞、當(dāng)前流行的網(wǎng)絡(luò)用語(yǔ)等)等等。則獲取模塊22可以根據(jù)這些索引信息進(jìn)一步獲取所述索引信息所指向的內(nèi)容，比如，可以打開(kāi)網(wǎng)址所鏈接的新聞網(wǎng)頁(yè)、打開(kāi)網(wǎng)址所鏈接的好友的微博文章；再如，可以打開(kāi)微信標(biāo)題進(jìn)入標(biāo)題的具體文章；再如，可以以字詞作為索引搜索字詞相關(guān)的更多信息。
[0057]信息提取模塊23，用于從所述獲取模塊所獲取的信息中提取特征因子。
[0058]具體實(shí)現(xiàn)中，信息提取模塊23從所述索引信息所指向的信息中提取的特征因子可為可從所述信息中獲取的任何信息，作為一種可行的實(shí)施方式，從所述索引信息所指向的信息中提取的特征因子可包括:信息來(lái)源、信息內(nèi)容(比如，出現(xiàn)頻率超過(guò)預(yù)定次數(shù)的字詞、當(dāng)前流行的網(wǎng)絡(luò)用語(yǔ)等)、信息的類型、信息被訪問(wèn)次數(shù)、信息被訪問(wèn)時(shí)間中至少一種。以網(wǎng)址所打開(kāi)的新聞為例，在步驟S112可提取新聞的信息來(lái)源，比如為新華社發(fā)布的新聞，提取新聞中的信息內(nèi)容，比如，GDP、房?jī)r(jià)調(diào)控；提取新聞的類型:比如，金融，經(jīng)濟(jì)；新聞被訪問(wèn)的次數(shù)，比如，3000次等特征因子。
[0059]模型生成模塊24，用于根據(jù)所述用戶數(shù)據(jù)提取模塊21提取的特征因子及所述信息提取模塊23提取的特征因子以及所述用戶對(duì)所述索引信息所指向的信息的喜好評(píng)分得到用戶的喜好奇異值SVD模型。
[0060]具體實(shí)現(xiàn)中，在生成SVD模型時(shí)，假設(shè)用戶對(duì)所述索引信息所指向的信息都是感興趣的，因此給予這些信息滿足推薦要求的喜好評(píng)分。
[0061]評(píng)分模塊25，用于將所述用戶數(shù)據(jù)提取模塊21提取的特征因子以及待推薦信息的特征因子輸入所述SVD模型，得到所述用戶對(duì)所述待推薦信息的喜好評(píng)分。
[0062]推薦模塊26，用于當(dāng)所述用戶對(duì)所述待推薦信息的喜好評(píng)分滿足推薦要求時(shí)，向所述用戶推薦所述待推薦信息。
[0063]具體實(shí)現(xiàn)中，SVD算法的實(shí)現(xiàn)方式有很多種，本發(fā)明實(shí)施例利用社交媒體中的特征因子及社交媒體中的索引信息所指向的信息中的特征因子及用戶預(yù)先對(duì)所述索引信息所指向的信息的喜好評(píng)分求解出用戶對(duì)信息的喜好SVD模型，由此通過(guò)用戶對(duì)已有信息的喜好評(píng)分來(lái)評(píng)估用戶對(duì)整個(gè)網(wǎng)絡(luò)中的信息的喜好程度，其相對(duì)于現(xiàn)有技術(shù)通過(guò)用戶歷史記錄進(jìn)行關(guān)鍵詞匹配的方式，得出的用戶喜好結(jié)果更準(zhǔn)確，由此向用戶推薦信息，可靠性更高，更能滿足用戶的興趣要求。
[0064]具體實(shí)現(xiàn)中，是否滿足推薦要求可預(yù)先根據(jù)需求任意設(shè)定，比如，可設(shè)定:當(dāng)所述用戶對(duì)所述待推薦信息的喜好評(píng)分大于設(shè)定的閾值時(shí)，確定滿足推薦要求；或者，當(dāng)用戶對(duì)所述待推薦信息的喜好評(píng)分相對(duì)用戶對(duì)其他待推薦信息的喜好評(píng)分為最高時(shí)，確定滿足推薦要求。
[0065]圖3為本發(fā)明的信息推薦設(shè)備的另一實(shí)施例的結(jié)構(gòu)示意圖。本實(shí)施例與圖2所述的實(shí)施例的不同之處在于展示的是設(shè)備的硬件模塊組成結(jié)構(gòu)。如圖3所示，本發(fā)明的信息推薦設(shè)備在硬件組成上可包括:存儲(chǔ)器31、處理器32以及顯示器33，其中:所述存儲(chǔ)器31存儲(chǔ)有程序，所述處理器32用于調(diào)用所述存儲(chǔ)器31中存儲(chǔ)的程序并用于執(zhí)行圖2所示的用戶數(shù)據(jù)提取模塊21、獲取模塊22、信息提取模塊23、模型生成模塊24、評(píng)分模塊25所實(shí)現(xiàn)的功能，所述顯示器33用于當(dāng)所述用戶對(duì)所述待推薦信息的喜好評(píng)分滿足推薦要求時(shí)，向所述用戶推薦所述待推薦信息。
[0066]以上所列舉的僅為本發(fā)明較佳實(shí)施例而已，當(dāng)然不能以此來(lái)限定本發(fā)明之權(quán)利范圍，因此依本發(fā)明權(quán)利要求所作的等同變化，仍屬本發(fā)明所涵蓋的范圍。
【主權(quán)項(xiàng)】
1.一種信息推薦方法，其特征在于，包括: 從用戶和/或用戶好友的社交媒體中提取特征因子，所述社交媒體為供用戶撰寫(xiě)和分享信息的網(wǎng)絡(luò)虛擬平臺(tái)； 根據(jù)所述用戶和/或所述用戶好友的社交媒體中的索引信息獲取所述索引信息所指向的信息； 從所述索引信息所指向的信息中提取特征因子； 根據(jù)所述社交媒體中的提取的特征因子及所述索引信息所指向的信息中的特征因子以及所述用戶對(duì)所述索引信息所指向的信息的喜好評(píng)分得到用戶對(duì)信息的喜好奇異值SVD模型； 將所述社交媒體中的特征因子及待推薦信息的特征因子輸入所述SVD模型，得到所述用戶對(duì)所述待推薦信息的喜好評(píng)分； 當(dāng)所述用戶對(duì)所述待推薦信息的喜好評(píng)分滿足推薦要求時(shí)，向所述用戶推薦所述待推薦信息。
2.如權(quán)利要求1所述的信息推薦方法，其特征在于，所述社交媒體中的索引信息包括網(wǎng)址、標(biāo)題、字詞中至少一種。
3.如權(quán)利要求1所述的信息推薦方法，其特征在于，所述從用戶和/或用戶好友的社交媒體中提取特征因子包括:用戶ID、社交媒體中的字詞、作者、社交媒體中的文章的轉(zhuǎn)發(fā)數(shù)、所述社交媒體中的文章的評(píng)論數(shù)中至少一種。
4.如權(quán)利要求1所述的信息推薦方法，其特征在于，所述從所述索引信息所指向的信息中提取特征因子以及待推薦信息的特征因子包括:信息來(lái)源、信息內(nèi)容、信息的類型、信息被訪問(wèn)次數(shù)、信息被訪問(wèn)時(shí)間中至少一種。
5.如權(quán)利要求1-4中任一項(xiàng)所述的信息推薦方法，其特征在于，所述用戶對(duì)所述待推薦信息的喜好評(píng)分滿足推薦要求，包括: 當(dāng)所述用戶對(duì)所述待推薦信息的喜好評(píng)分大于設(shè)定的閾值時(shí)，確定滿足推薦要求；或者，當(dāng)用戶對(duì)所述待推薦信息的喜好評(píng)分相對(duì)用戶對(duì)其他待推薦信息的喜好評(píng)分為最高時(shí)，確定滿足推薦要求。
6.一種信息推薦設(shè)備，其特征在于，包括: 用戶數(shù)據(jù)提取模塊，用于從用戶和/或用戶好友的社交媒體中提取特征因子，所述社交媒體為供用戶撰寫(xiě)和分享信息的網(wǎng)絡(luò)虛擬平臺(tái)； 獲取模塊，用于根據(jù)所述用戶和/或所述用戶好友的社交媒體中的索引信息獲取所述索引信息所指向的信息； 信息提取模塊，用于從所述索引信息所指向的信息中提取特征因子； 模型生成模塊，用于根據(jù)所述用戶數(shù)據(jù)提取模塊提取的特征因子及所述信息提取模塊提取的特征因子以及所述用戶對(duì)所述索引信息所指向的信息的喜好評(píng)分得到用戶的喜好奇異值SVD模型； 評(píng)分模塊，用于將所述社交媒體中的特征因子以及待推薦信息的特征因子輸入所述SVD模型，得到所述用戶對(duì)所述待推薦信息的喜好評(píng)分； 推薦模塊，用于當(dāng)所述用戶對(duì)所述待推薦信息的喜好評(píng)分滿足推薦要求時(shí)，向所述用戶推薦所述待推薦信息。
7.如權(quán)利要求6所述的信息推薦設(shè)備，其特征在于，所述社交媒體中的索引信息包括網(wǎng)址、標(biāo)題、字詞中至少一種。
8.如權(quán)利要求6所述的信息推薦設(shè)備，其特征在于，所述從用戶和/或用戶好友的社交媒體中提取特征因子包括:用戶ID、社交媒體中的詞語(yǔ)、作者、社交媒體中的文章的轉(zhuǎn)發(fā)數(shù)、所述社交媒體中的文章的評(píng)論數(shù)中至少一種。
9.如權(quán)利要求6所述的信息推薦設(shè)備，其特征在于，所述從所述索引信息所指向的信息中提取特征因子以及待推薦信息的特征因子包括:信息來(lái)源、信息內(nèi)容、信息的類型、信息被訪問(wèn)次數(shù)、信息被訪問(wèn)時(shí)間中至少一種。
10.如權(quán)利要求6-9中任一項(xiàng)所述的信息推薦設(shè)備，其特征在于，所述用戶對(duì)所述待推薦信息的喜好評(píng)分滿足推薦要求，包括: 當(dāng)所述用戶對(duì)所述待推薦信息的喜好評(píng)分大于設(shè)定的閾值時(shí)，確定滿足推薦要求； 或者，當(dāng)用戶對(duì)所述待推薦信息的喜好評(píng)分相對(duì)用戶對(duì)其他待推薦信息的喜好評(píng)分為最高時(shí)，確定滿足推薦要求。
【專利摘要】本發(fā)明實(shí)施例公開(kāi)了信息推薦方法及設(shè)備，其中所述方法，包括：從用戶和/或用戶好友的社交媒體中提取特征因子；根據(jù)用戶和/或用戶好友的社交媒體中的索引信息獲取所述索引信息所指向的信息；從索引信息所指向的信息中提取特征因子；根據(jù)社交媒體中的提取的特征因子及索引信息所指向的信息中的特征因子及用戶對(duì)所述索引信息所指向的信息的喜好評(píng)分得到用戶的喜好奇異值SVD模型；將社交媒體中的特征因子以及待推薦信息的特征因子輸入所述SVD模型，得到用戶對(duì)待推薦信息的喜好評(píng)分；當(dāng)用戶對(duì)待推薦信息的喜好評(píng)分滿足推薦要求時(shí)，向用戶推薦所述待推薦信息。其可靠性較高，更能滿足用戶的興趣要求。
【IPC分類】G06Q30-02, G06F17-30
【公開(kāi)號(hào)】CN104636371
【申請(qǐng)?zhí)枴緾N201310557764
【發(fā)明人】臧文陽(yáng), 張軼博
【申請(qǐng)人】華為技術(shù)有限公司
【公開(kāi)日】2015年5月20日
【申請(qǐng)日】2013年11月11日