信息推薦方法及裝置的制造方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明實(shí)施例設(shè)及互聯(lián)網(wǎng)技術(shù)領(lǐng)域，尤其設(shè)及一種信息推薦方法及裝置。
【背景技術(shù)】
[0002] 隨著互聯(lián)網(wǎng)的飛速發(fā)展，互聯(lián)網(wǎng)上的信息每年都在W幾何級(jí)數(shù)增長(zhǎng)。如何在運(yùn)個(gè) 海量信息庫中精確獲取所需信息已成為人們?cè)絹碓疥P(guān)注的問題。個(gè)性化捜索引擎就是在運(yùn) 個(gè)背景下應(yīng)運(yùn)而生，并且迅速發(fā)展起來。
[0003] 目前，個(gè)性化捜索引擎的推薦方法大都是基于場(chǎng)景的個(gè)性化推薦模型的，即捜索 結(jié)果受用戶所處的場(chǎng)景的影響。具體的，預(yù)先根據(jù)統(tǒng)計(jì)的場(chǎng)景信息（包括用戶所在的時(shí)間 和地點(diǎn)等）訓(xùn)練得到個(gè)性化推薦模型，所述個(gè)性化推薦模型中包含與所述場(chǎng)景相關(guān)的推薦 結(jié)果。在檢測(cè)到用戶所處的當(dāng)前場(chǎng)景之后，提取當(dāng)前場(chǎng)景信息，計(jì)算當(dāng)前場(chǎng)景信息與所述個(gè) 性化推薦模型中包含場(chǎng)景的相關(guān)性，根據(jù)相關(guān)性將推薦結(jié)果推送給用戶。
[0004] 但是，上述基于場(chǎng)景的個(gè)性化推薦模型的推薦方法，主要存在W下問題：一些用戶 的行為并不顯著的由于場(chǎng)景的轉(zhuǎn)換而變化，因此，上述場(chǎng)景信息的統(tǒng)計(jì)并不具備統(tǒng)計(jì)顯著 性，將運(yùn)些場(chǎng)景信息加入個(gè)性化推薦模型會(huì)影響推薦結(jié)果的準(zhǔn)確性；第二，每個(gè)場(chǎng)景沒有 明確的定義，單層模型依賴模型特征在訓(xùn)練模型中的權(quán)重對(duì)場(chǎng)景進(jìn)行建模，運(yùn)樣，從模型層 面，場(chǎng)景對(duì)分布的影響沒法顯式的表達(dá)出來，不利于模型正確性的驗(yàn)證和模型的優(yōu)化迭代。

【發(fā)明內(nèi)容】

[0005] 本發(fā)明實(shí)施例提供一種信息推薦方法及裝置，能夠過濾無效場(chǎng)景特征的干擾，使 信息推薦的準(zhǔn)確率得到提升。
[0006] 第一方面，本發(fā)明實(shí)施例提供了一種信息推薦方法，包括：
[0007] 獲取登錄用戶的當(dāng)前場(chǎng)景信息；
[0008] 提取所述當(dāng)前場(chǎng)景信息中的第一特征信息和第二特征信息；
[0009] 根據(jù)所述第一特征信息查詢所述當(dāng)前場(chǎng)景信息對(duì)應(yīng)的推薦模型；
[0010] 根據(jù)所述第二特征信息從所述推薦模型中確定與所述當(dāng)前場(chǎng)景信息匹配的推薦 場(chǎng)景；
[0011] 將所述匹配的推薦場(chǎng)景對(duì)應(yīng)的推薦結(jié)果返回給用戶。
[0012] 第二方面，本發(fā)明實(shí)施例還提供一種信息推薦裝置，包括：
[0013] 當(dāng)前場(chǎng)景獲取模塊，用于獲取登錄用戶的當(dāng)前場(chǎng)景信息；
[0014] 特征信息提取模塊，用于提取所述當(dāng)前場(chǎng)景信息中的第一特征信息和第二特征信 息；
[0015] 推薦模型查詢模塊，用于根據(jù)所述第一特征信息查詢所述當(dāng)前場(chǎng)景信息對(duì)應(yīng)的推 薦模型；
[0016] 推薦場(chǎng)景匹配模塊，用于根據(jù)所述第二特征信息從所述推薦模型中確定與所述當(dāng) 前場(chǎng)景信息匹配的推薦場(chǎng)景；
[0017] 推薦結(jié)果返回模塊，用于將所述匹配的推薦場(chǎng)景對(duì)應(yīng)的推薦結(jié)果返回給用戶。
[0018] 本發(fā)明實(shí)施例首先通過當(dāng)前場(chǎng)景信息中的第一特征信息確定當(dāng)前場(chǎng)景信息對(duì)應(yīng) 的推薦模型，然后根據(jù)當(dāng)前場(chǎng)景信息中的第二特征信息從所述推薦模型中確定與所述當(dāng) 前場(chǎng)景信息匹配的推薦場(chǎng)景，進(jìn)一步將匹配的推薦場(chǎng)景對(duì)應(yīng)的推薦結(jié)果返回給用戶，能夠 過濾無效場(chǎng)景特征的干擾，使信息推薦的準(zhǔn)確率得到提升。
【附圖說明】
[0019]圖1A為本發(fā)明實(shí)施例一提供的信息推薦方法流程示意圖；
[0020] 圖1B為本發(fā)明實(shí)施例一提供的信息推薦方法中所述的推薦模型的結(jié)構(gòu)示意圖；
[0021] 圖2為本發(fā)明實(shí)施例二提供的信息推薦裝置的結(jié)構(gòu)示意圖。
【具體實(shí)施方式】
[0022] 下面結(jié)合附圖和實(shí)施例對(duì)本發(fā)明作進(jìn)一步的詳細(xì)說明?？蒞理解的是，此處所描 述的具體實(shí)施例僅僅用于解釋本發(fā)明，而非對(duì)本發(fā)明的限定。另外還需要說明的是，為了便 于描述，附圖中僅示出了與本發(fā)明相關(guān)的部分而非全部結(jié)構(gòu)。
[0023] 本發(fā)明實(shí)施例提供的信息推薦方法的執(zhí)行主體，可為安裝在服務(wù)器上的信息推薦 裝置，或者為集成于服務(wù)器上的信息推薦裝置，該信息推薦裝置可W采用硬件或軟件實(shí)現(xiàn)。
[0024] 實(shí)施例一
[00巧]圖1A為本發(fā)明實(shí)施例一提供的信息推薦方法流程示意圖，如圖1A所示，具體包 括：
[0026]S11、獲取登錄用戶的當(dāng)前場(chǎng)景信息；
[0027] 其中，登錄用戶為通過用戶名和密碼成功登錄到本發(fā)明實(shí)施例提供的信息推薦裝 置或集成了信息推薦裝置的服務(wù)器的用戶。所述當(dāng)前場(chǎng)景信息為能夠描述當(dāng)前場(chǎng)景的信 息，典型的如包括用戶當(dāng)前登錄的IP地址、當(dāng)前登錄時(shí)間和當(dāng)前關(guān)注對(duì)象等信息中的至少 一種。
[0028]S12、提取所述當(dāng)前場(chǎng)景信息中的第一特征信息和第二特征信息；
[0029] 其中，所述第一特征信息反映用戶在當(dāng)前場(chǎng)景下所使用的網(wǎng)絡(luò)的網(wǎng)絡(luò)地址信息， 包括使用網(wǎng)卡的物理地址和網(wǎng)絡(luò)對(duì)應(yīng)的IP地址。當(dāng)用戶處于不同的場(chǎng)所，所使用的網(wǎng)卡的 物理地址和網(wǎng)絡(luò)IP都是固定且唯一的。本發(fā)明實(shí)施例中具體W第一特征信息為IP地址為 例進(jìn)行說明，本發(fā)明實(shí)施例同樣適用于第一特征信息為網(wǎng)卡的物理地址。例如，當(dāng)用戶在家 時(shí)，通常使用家里的無線WiFi上網(wǎng)，此時(shí)對(duì)于一個(gè)IP地址，當(dāng)用戶在公司時(shí)，通常使用公司 的網(wǎng)絡(luò)，又對(duì)應(yīng)一個(gè)IP地址，因此不同的IP地址來區(qū)分不同的場(chǎng)景。第二特征信息，可為 用戶當(dāng)前登錄時(shí)間和當(dāng)前關(guān)注對(duì)象等信息。
[0030]S13、根據(jù)所述第一特征信息查詢所述當(dāng)前場(chǎng)景信息對(duì)應(yīng)的推薦模型；
[0031]具體的，本發(fā)明實(shí)施例提供的信息推薦裝置的數(shù)據(jù)庫中預(yù)先存儲(chǔ)了各種場(chǎng)景下的 第一特征信息和推薦模型的對(duì)應(yīng)關(guān)系，具體如下表一所示：
[0032] 表一
[0033]
[0034]
[00對(duì)通過查詢上述表一即可得到所述當(dāng)前場(chǎng)景對(duì)應(yīng)的推薦模型。
[0036]S14、根據(jù)所述第二特征信息從所述推薦模型中確定與所述當(dāng)前場(chǎng)景信息匹配的 推薦場(chǎng)景；S15、將所述匹配的推薦場(chǎng)景對(duì)應(yīng)的推薦結(jié)果返回給用戶。
[0037] 例如，可預(yù)先建立如表二所示的推薦場(chǎng)景與推薦結(jié)果的對(duì)應(yīng)關(guān)系列表，通過查詢 所述列表得到對(duì)應(yīng)的推薦結(jié)果返回給用戶。
[0038] 示例性的，在建立所述推薦模型時(shí)，可將上述推薦場(chǎng)景與推薦結(jié)果的對(duì)應(yīng)關(guān)系存 儲(chǔ)在所述推薦模型中。具體的，如圖1B所示，所述推薦模型中包含推薦場(chǎng)景與推薦結(jié)果的 對(duì)應(yīng)關(guān)系。所述推薦模型可根據(jù)用戶的歷史登錄場(chǎng)景信息進(jìn)行建立。所述推薦場(chǎng)景的第二 特征信息與所述推薦場(chǎng)景一一對(duì)應(yīng)。
[0039]表二
[0040]
[0041] 具體的，假設(shè)獲取的當(dāng)前場(chǎng)景信息的第一特征信息為IP1，則查詢表一可知，當(dāng)前 場(chǎng)景信息對(duì)應(yīng)的推薦模型為推薦模型1。假設(shè)獲取的當(dāng)前場(chǎng)景信息的第二特征信息為8 : 00,假設(shè)表二為當(dāng)前場(chǎng)景對(duì)應(yīng)的推薦模型，則查詢表二可知當(dāng)前場(chǎng)景信息對(duì)應(yīng)的推薦場(chǎng)景 為推薦場(chǎng)景1，則從互聯(lián)網(wǎng)上捜索獲取得到早間新聞，將早間新聞連接W列表的形式推薦給 用戶。
[0042] 或者，在根據(jù)所述第二特征信息從所述推薦模型中確定與所述當(dāng)前場(chǎng)景信息匹配 的推薦場(chǎng)景之后，直接查詢上述預(yù)先建立的類似如表二所示的推薦場(chǎng)景與推薦結(jié)果對(duì)應(yīng)關(guān) 系列表，得到對(duì)應(yīng)的推薦結(jié)果返回給用戶。
[0043] 本發(fā)明實(shí)施例首先通過當(dāng)前場(chǎng)景信息中的第一特征信息確定當(dāng)前場(chǎng)景信息對(duì)應(yīng) 的推薦模型，然后根據(jù)當(dāng)前場(chǎng)景信息中的第二特征信息從所述推薦模型中確定與所述當(dāng)前 場(chǎng)景信息匹配的推薦場(chǎng)景，進(jìn)一步將匹配的推薦場(chǎng)景對(duì)應(yīng)的推薦結(jié)果返回給用戶，能夠過 濾無效場(chǎng)景特征的干擾，使信息推薦的準(zhǔn)確率得到提升。
[0044] 示例性的，在上述實(shí)施例的基礎(chǔ)上，所述方法還包括建立推薦模型的操作，具體包 括：
[0045] 根據(jù)用戶的歷史行為分布確定至少一個(gè)目標(biāo)場(chǎng)景；
[0046] 提取目標(biāo)場(chǎng)景的場(chǎng)景信息，基于所述目標(biāo)場(chǎng)景的場(chǎng)景信息訓(xùn)練得到所述各場(chǎng)景的 推薦模型。
[0047] 其中，所述歷史行