網(wǎng)絡(luò)服務(wù)推薦方法和裝置的制造方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及網(wǎng)絡(luò)數(shù)據(jù)分析技術(shù)，特別涉及一種網(wǎng)絡(luò)服務(wù)推薦方法和裝置。
【背景技術(shù)】
[0002] 隨著網(wǎng)絡(luò)時(shí)代的發(fā)展，網(wǎng)絡(luò)服務(wù)遍及人們?nèi)粘Ｉ钪?，網(wǎng)絡(luò)服務(wù)至少包括：在線 視頻、在線音樂、在線新聞以及在線購(gòu)物。
[0003] 其中，以在線視頻為例，目前的視頻推薦策略包括：AR(Association Rules,關(guān)聯(lián) 規(guī)則挖掘策略）和CF (Collaborative Filtering，協(xié)同過濾策略），其中，AR與CF均假設(shè)： 整個(gè)用戶群體有相同的觀影興趣，當(dāng)為其中一個(gè)用戶推薦視頻時(shí)，推薦其他用戶看過的同 類型視頻的前N個(gè)給該用戶，N>1，且N為整數(shù)，例如，由于假設(shè)整個(gè)用戶群體的觀影興趣均 為動(dòng)作類的電影，則在為用戶A推薦視頻時(shí)，推薦其他用戶觀看過的動(dòng)作類電影中的前10 部電影給用戶A。
[0004] 在實(shí)現(xiàn)本發(fā)明的過程中，發(fā)明人發(fā)現(xiàn)上述技術(shù)至少存在以下問題：由于實(shí)際運(yùn)行 過程中，各個(gè)用戶對(duì)網(wǎng)絡(luò)服務(wù)的主觀興趣之間存在差異，而根據(jù)整個(gè)用戶群體的興趣標(biāo)準(zhǔn) 所推薦的網(wǎng)絡(luò)服務(wù)，不一定符合單一用戶對(duì)網(wǎng)絡(luò)服務(wù)的興趣，進(jìn)而降低了后臺(tái)系統(tǒng)根據(jù)整 個(gè)用戶群體的興趣標(biāo)準(zhǔn)所推薦的網(wǎng)絡(luò)服務(wù)是否符合用戶對(duì)網(wǎng)絡(luò)服務(wù)的興趣的準(zhǔn)確率。

【發(fā)明內(nèi)容】

[0005] 為了解決由于后臺(tái)系統(tǒng)根據(jù)整個(gè)用戶群體的興趣標(biāo)準(zhǔn)向單一用戶推薦網(wǎng)絡(luò)服務(wù)， 從而降低了向單一用戶推薦網(wǎng)絡(luò)服務(wù)的準(zhǔn)確率的問題，本發(fā)明實(shí)施例提供了一種網(wǎng)絡(luò)服務(wù) 推薦方法和裝置。所述技術(shù)方案如下：
[0006] 根據(jù)本發(fā)明的第一方面，提供一種網(wǎng)絡(luò)服務(wù)推薦方法，所述方法包括：
[0007] 根據(jù)用戶在使用網(wǎng)絡(luò)服務(wù)時(shí)的歷史瀏覽記錄，提取所述用戶所使用的每個(gè)網(wǎng)絡(luò)服 務(wù)所對(duì)應(yīng)的標(biāo)簽；
[0008] 根據(jù)標(biāo)簽-主題對(duì)應(yīng)關(guān)系，通過所述用戶所使用的每個(gè)網(wǎng)絡(luò)服務(wù)所對(duì)應(yīng)的標(biāo)簽， 確定出所述用戶對(duì)應(yīng)的前η個(gè)主題，所述前η個(gè)主題是按照所述用戶的瀏覽概率由高到低 排序的最前η個(gè)主題，η為正整數(shù)；
[0009] 根據(jù)主題-網(wǎng)絡(luò)服務(wù)對(duì)應(yīng)關(guān)系，獲取所述前η個(gè)主題各自對(duì)應(yīng)的推薦網(wǎng)絡(luò)服務(wù)列 表，每個(gè)主題的所述推薦網(wǎng)絡(luò)服務(wù)列表包括至少一個(gè)網(wǎng)絡(luò)服務(wù)；
[0010] 根據(jù)所述前η個(gè)主題各自對(duì)應(yīng)的所述推薦網(wǎng)絡(luò)服務(wù)列表為所述用戶推薦所述網(wǎng) 絡(luò)服務(wù)。
[0011] 根據(jù)本發(fā)明的第二方面，提供一種網(wǎng)絡(luò)服務(wù)推薦裝置，所述裝置包括：
[0012] 提取模塊，用于根據(jù)用戶在使用網(wǎng)絡(luò)服務(wù)時(shí)的歷史瀏覽記錄，提取所述用戶所使 用的每個(gè)網(wǎng)絡(luò)服務(wù)所對(duì)應(yīng)的標(biāo)簽；
[0013] 主題確定模塊，用于根據(jù)標(biāo)簽-主題對(duì)應(yīng)關(guān)系，通過所述提取模塊提取的所述用 戶所使用的每個(gè)網(wǎng)絡(luò)服務(wù)所對(duì)應(yīng)的標(biāo)簽，確定出所述用戶對(duì)應(yīng)的前η個(gè)主題，所述前η個(gè)主 題是按照所述用戶的瀏覽概率由高到低排序的最前η個(gè)主題，η為正整數(shù)；
[0014] 獲取模塊，用于根據(jù)主題-網(wǎng)絡(luò)服務(wù)對(duì)應(yīng)關(guān)系，獲取所述主題確定模塊確定的所 述前η個(gè)主題各自對(duì)應(yīng)的推薦網(wǎng)絡(luò)服務(wù)列表，每個(gè)主題的所述推薦網(wǎng)絡(luò)服務(wù)列表包括至少 一個(gè)網(wǎng)絡(luò)服務(wù)；
[0015] 推薦模塊，用于根據(jù)所述獲取模塊獲取的所述前η個(gè)主題各自對(duì)應(yīng)的所述推薦網(wǎng) 絡(luò)服務(wù)列表為所述用戶推薦所述網(wǎng)絡(luò)服務(wù)。
[0016] 本發(fā)明實(shí)施例提供的技術(shù)方案帶來的有益效果是：
[0017] 由于根據(jù)用戶的歷史瀏覽記錄得到用戶對(duì)應(yīng)的前η個(gè)主題，前η個(gè)主題是按照用 戶的瀏覽概率由高到低排序的最前η個(gè)主題，能夠反映用戶使用網(wǎng)絡(luò)服務(wù)時(shí)的興趣，進(jìn)一 步通過前η個(gè)主題對(duì)應(yīng)的推薦網(wǎng)絡(luò)服務(wù)列表，根據(jù)前η個(gè)主題對(duì)應(yīng)的推薦網(wǎng)絡(luò)服務(wù)列表向 用戶推薦網(wǎng)絡(luò)服務(wù)；解決了由于后臺(tái)系統(tǒng)根據(jù)整個(gè)用戶群體的興趣標(biāo)準(zhǔn)向單一用戶推薦網(wǎng) 絡(luò)服務(wù)，從而降低了向單一用戶推薦網(wǎng)絡(luò)服務(wù)的準(zhǔn)確率的問題；提高了向單一用戶推薦網(wǎng) 絡(luò)服務(wù)的準(zhǔn)確率。
【附圖說明】
[0018] 為了更清楚地說明本發(fā)明實(shí)施例中的技術(shù)方案，下面將對(duì)實(shí)施例描述中所需要使 用的附圖作簡(jiǎn)單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些實(shí)施例，對(duì)于 本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動(dòng)的前提下，還可以根據(jù)這些附圖獲得其他 的附圖。
[0019] 圖1是本發(fā)明一個(gè)實(shí)施例提供的網(wǎng)絡(luò)服務(wù)推薦方法的方法流程圖；
[0020] 圖2是本發(fā)明另一個(gè)實(shí)施例提供的網(wǎng)絡(luò)服務(wù)推薦方法的方法流程圖；
[0021] 圖3是本發(fā)明另一個(gè)實(shí)施例提供的一種主題生成模型的輸出效果圖；
[0022] 圖4是本發(fā)明另一個(gè)實(shí)施例提供的另一種網(wǎng)絡(luò)服務(wù)推薦方法的方法流程圖；
[0023] 圖5是本發(fā)明另一個(gè)實(shí)施例提供的又一種網(wǎng)絡(luò)服務(wù)推薦方法的方法流程圖；
[0024] 圖6是本發(fā)明另一個(gè)實(shí)施例提供的再一種網(wǎng)絡(luò)服務(wù)推薦方法的方法流程圖；
[0025] 圖7是本發(fā)明一個(gè)實(shí)施例提供的網(wǎng)絡(luò)服務(wù)推薦裝置的結(jié)構(gòu)方框圖；
[0026] 圖8是本發(fā)明另一個(gè)實(shí)施例提供的網(wǎng)絡(luò)服務(wù)推薦裝置的結(jié)構(gòu)方框圖；
[0027] 圖9是本發(fā)明一個(gè)實(shí)施例提供的服務(wù)器的結(jié)構(gòu)示意圖。
【具體實(shí)施方式】
[0028] 為使本發(fā)明的目的、技術(shù)方案和優(yōu)點(diǎn)更加清楚，下面將結(jié)合附圖對(duì)本發(fā)明實(shí)施方 式作進(jìn)一步地詳細(xì)描述。
[0029] 本發(fā)明實(shí)施例提供的網(wǎng)絡(luò)服務(wù)推薦方法中，網(wǎng)絡(luò)服務(wù)至少包括：在線視頻、在線 音樂、在線閱讀以及在線購(gòu)物。其中，在線視頻中的視頻可以為：電影、電視劇、MV(Music Video,音樂視頻）、微電影或網(wǎng)友上傳視頻；在線閱讀可以為：瀏覽新聞和在線閱讀小說。 下文中主要以在線視頻來舉例說明。
[0030] 請(qǐng)參考圖1，其示出了本發(fā)明一個(gè)實(shí)施例提供的網(wǎng)絡(luò)服務(wù)推薦方法的方法流程圖。 該網(wǎng)絡(luò)服務(wù)推薦方法，包括：
[0031] 步驟101，根據(jù)用戶在使用網(wǎng)絡(luò)服務(wù)時(shí)的歷史瀏覽記錄，提取該用戶所使用的每個(gè) 網(wǎng)絡(luò)服務(wù)所對(duì)應(yīng)的標(biāo)簽。
[0032] 步驟102,根據(jù)預(yù)設(shè)的標(biāo)簽-主題對(duì)應(yīng)關(guān)系，通過該用戶所使用的每個(gè)網(wǎng)絡(luò)服務(wù)所 對(duì)應(yīng)的標(biāo)簽，確定出用戶對(duì)應(yīng)的前η個(gè)主題。
[0033] 其中，前η個(gè)主題是按照用戶的瀏覽概率由高到低排序的最前η個(gè)主題，η為正整 數(shù)。
[0034] 步驟103,根據(jù)預(yù)設(shè)的主題-網(wǎng)絡(luò)服務(wù)對(duì)應(yīng)關(guān)系，獲取前η個(gè)主題各自對(duì)應(yīng)的推薦 網(wǎng)絡(luò)服務(wù)列表。
[0035] 其中，每個(gè)主題的推薦網(wǎng)絡(luò)服務(wù)列表包括至少一個(gè)網(wǎng)絡(luò)服務(wù)。
[0036] 步驟104,根據(jù)前η個(gè)主題各自對(duì)應(yīng)的推薦網(wǎng)絡(luò)服務(wù)列表為用戶推薦網(wǎng)絡(luò)服務(wù)。
[0037] 綜上所述，本實(shí)施例提供的的網(wǎng)絡(luò)服務(wù)推薦方法，通過根據(jù)用戶的歷史瀏覽記錄 得到用戶對(duì)應(yīng)的前η個(gè)主題，前η個(gè)主題是按照用戶的瀏覽概率由高到低排序的最前η個(gè) 主題，能夠反映用戶使用網(wǎng)絡(luò)服務(wù)時(shí)的興趣，進(jìn)一步通過前η個(gè)主題對(duì)應(yīng)的推薦網(wǎng)絡(luò)服務(wù) 列表，根據(jù)前η個(gè)主題對(duì)應(yīng)的推薦網(wǎng)絡(luò)服務(wù)列表向用戶推薦網(wǎng)絡(luò)服務(wù)；解決了由于后臺(tái)系 統(tǒng)根據(jù)整個(gè)用戶群體的興趣標(biāo)準(zhǔn)向單一用戶推薦網(wǎng)絡(luò)服務(wù)，從而降低了向單一用戶推薦網(wǎng) 絡(luò)服務(wù)的準(zhǔn)確率的問題；提高了向單一用戶推薦網(wǎng)絡(luò)服務(wù)的準(zhǔn)確率。
[0038] 本發(fā)明實(shí)施例提供的網(wǎng)絡(luò)服務(wù)推薦方法主要包括2大過程：
[0039] 第一，挖掘主題的預(yù)處理過程；
[0040] 服務(wù)器通過該預(yù)處理過程，得到：
[0041] 1、主題-標(biāo)簽之間的對(duì)應(yīng)關(guān)系，以及每個(gè)標(biāo)簽屬于對(duì)應(yīng)主題的概率；
[0042] 2、主題-網(wǎng)絡(luò)服務(wù)之間的對(duì)應(yīng)關(guān)系，以及每個(gè)網(wǎng)絡(luò)服務(wù)屬于對(duì)應(yīng)主題的概率。
[0043] 第二，通過用戶的歷史瀏覽記錄和挖掘好的兩個(gè)對(duì)應(yīng)關(guān)系進(jìn)行網(wǎng)絡(luò)服務(wù)推薦的過 程。
[0044] 也即，服務(wù)器通過用戶的歷史瀏覽記錄、預(yù)先挖掘好的主題-標(biāo)簽之間的對(duì)應(yīng)關(guān) 系，以及主題-網(wǎng)絡(luò)服務(wù)之間的對(duì)應(yīng)關(guān)系，進(jìn)行網(wǎng)絡(luò)服務(wù)推薦的過程。具體請(qǐng)見圖2實(shí)施 例：
[0045] 請(qǐng)參考圖2,其示出了本發(fā)明另一實(shí)施例提供的網(wǎng)絡(luò)服務(wù)推薦方法的方法流程圖。 本實(shí)施例以該網(wǎng)絡(luò)服務(wù)推薦方法應(yīng)用于服務(wù)器中來舉例說明。該網(wǎng)絡(luò)服務(wù)推薦方法，包 括：
[0046] 步驟201，預(yù)先提取各個(gè)網(wǎng)絡(luò)服務(wù)的標(biāo)簽序列。
[0047] 其中，每個(gè)網(wǎng)絡(luò)服務(wù)的標(biāo)簽序列包括與網(wǎng)絡(luò)服務(wù)對(duì)應(yīng)的至少一個(gè)標(biāo)簽。
[0048] 這里網(wǎng)絡(luò)服務(wù)以在線視頻為例進(jìn)行說明，其中，服務(wù)器提取各個(gè)用戶觀看的在 線視頻對(duì)應(yīng)的標(biāo)簽，得到每個(gè)在線視頻對(duì)應(yīng)的標(biāo)簽序列。在線視頻包括：電影、電視劇、 MV(Music Video,音樂視頻）、微電影或網(wǎng)友上傳視頻。
[0049] 如，在線視頻以電影為例，其中電影可以為：《美國(guó)隊(duì)長(zhǎng)》、《兩桿大煙槍》、《暗 戰(zhàn)》、《無間道》和《桃姐》，對(duì)應(yīng)每部電影的標(biāo)簽序列可以為：
[0050] 《美國(guó)隊(duì)長(zhǎng)》{克里斯?埃文斯，動(dòng)作};
[0051] 《兩桿大煙槍》{杰森·斯坦森，喜劇};
[0052] 《暗戰(zhàn)》{劉德華，動(dòng)作};
[0053] 《無間道》{劉德華，動(dòng)作};
[0054] 《桃姐》{劉德華，文藝}。
[0055] 這里標(biāo)簽序列中的標(biāo)簽包括：主演、電影類型、導(dǎo)演、制片地區(qū)、語(yǔ)言。除此之外，該 標(biāo)簽序列中的標(biāo)簽還可以包括但不限于：觀影感受、角色技能、大眾評(píng)價(jià)、劇情看點(diǎn)，視聽看 點(diǎn)，每位主演曾演過的熟知角色，例如，電影《無間道》的標(biāo)簽序列中的標(biāo)簽可以包括：I:劉 德華，動(dòng)作，劉偉強(qiáng)，中國(guó)香港，粵語(yǔ)，國(guó)語(yǔ)，觀影感受：敵我雙方的較量，角色技能：臥底，大 眾評(píng)價(jià)：劇情緊扣，劇情看點(diǎn)：警匪雙方的互相較量，視聽看點(diǎn)：畫面拼接與背景音樂很棒， 劉德華曾主演過的角色：《投名狀》中的趙二虎}。
[0056] 本發(fā)明提供的實(shí)施例中標(biāo)簽序列中的內(nèi)容以能夠?qū)崿F(xiàn)網(wǎng)絡(luò)服務(wù)推薦方法為準(zhǔn)，具 體不做限定。
[0057] 步驟202,將各個(gè)網(wǎng)絡(luò)服務(wù)的標(biāo)簽序列輸入主題生成模型中，得到標(biāo)簽-主題對(duì)應(yīng) 關(guān)系和主題-網(wǎng)絡(luò)服務(wù)對(duì)應(yīng)關(guān)系。
[0058] 其中，服務(wù)器將各個(gè)網(wǎng)絡(luò)服務(wù)的標(biāo)簽序列輸入主題生成模型中，得到標(biāo)簽-主題 對(duì)應(yīng)關(guān)系和主題-網(wǎng)絡(luò)服務(wù)對(duì)應(yīng)關(guān)系，具體包括：
[0059] 步驟202a，服務(wù)器將各個(gè)網(wǎng)絡(luò)服務(wù)的標(biāo)簽序列輸入LDA(Latent Dirichlet Allocation，潛在狄利克雷分配模型）中，得到標(biāo)簽-主題概率矩陣和主題-網(wǎng)絡(luò)服務(wù)概率 矩陣。
[0060] 其中，該標(biāo)簽-主題概率矩陣包括至少一個(gè)主題、與每個(gè)主題所對(duì)應(yīng)的標(biāo)簽和每 個(gè)標(biāo)簽屬于對(duì)應(yīng)主題的概率；
[0061] 該主題-網(wǎng)絡(luò)服務(wù)概率矩陣包括至少一個(gè)主題、與每個(gè)主題所對(duì)應(yīng)的網(wǎng)絡(luò)服務(wù)和 每個(gè)網(wǎng)絡(luò)服務(wù)屬于對(duì)應(yīng)主題的概率。
[0062] 步驟202b，服務(wù)器根據(jù)標(biāo)簽-主題概率矩陣生成標(biāo)簽-主題對(duì)應(yīng)關(guān)系；
[0063] 步驟202c，服務(wù)器根據(jù)主題-網(wǎng)絡(luò)服務(wù)概率矩陣生成主題-網(wǎng)絡(luò)服務(wù)對(duì)應(yīng)關(guān)系。
[0064] 比如：請(qǐng)參照?qǐng)D3,將步驟201中電影《美國(guó)隊(duì)長(zhǎng)》、《兩桿大煙槍》、《無間道》、《暗 戰(zhàn)》和《桃姐》的標(biāo)簽序列輸入主題生成模型中，其中，如圖3箭頭左側(cè)所示，電影《美國(guó)隊(duì) 長(zhǎng)》、《兩桿大煙槍》、《暗戰(zhàn)》、《無間道》和《桃姐》的標(biāo)簽序列與對(duì)應(yīng)的電影以"6*5型"矩陣 形式表示，即，矩陣的行分別表示標(biāo)簽：克里斯?埃文斯、杰森?斯坦森、劉德華、喜劇、動(dòng)作 和文藝；矩陣的列分別表示電影：《美國(guó)隊(duì)長(zhǎng)》、《兩桿大煙槍》、《暗戰(zhàn)》、《無間道》和《桃姐》， 通過輸入主題生成模型，分離得到圖3箭頭右側(cè)的兩個(gè)矩陣，"6*4型"矩陣A和"4*5型"矩 陣B。其中：
[0065] 矩陣A包括：至少一個(gè)主題、與每個(gè)主題對(duì)應(yīng)的標(biāo)簽和每個(gè)標(biāo)簽對(duì)應(yīng)主題的概率， 艮P，矩陣A的行分別表示標(biāo)簽：步驟201中每部電影對(duì)應(yīng)的標(biāo)簽序列中的標(biāo)簽，矩陣A的列 分別表示挖掘出的主題：topicl至topic4,矩陣A中的數(shù)據(jù)為每個(gè)標(biāo)簽對(duì)應(yīng)主題的概率。
[0066] 矩陣B包括：至少一個(gè)主題、與每個(gè)主題對(duì)應(yīng)的在線視頻和每個(gè)在線視頻屬于