一種基于用戶(hù)群體行為數(shù)據(jù)挖掘智能推薦的方法
【專(zhuān)利摘要】本發(fā)明公開(kāi)了一種根據(jù)用戶(hù)群體行為計(jì)算資訊相似度并對(duì)用戶(hù)進(jìn)行數(shù)據(jù)挖掘智能推薦的解決方法，通過(guò)收集用戶(hù)行為數(shù)據(jù)并進(jìn)行權(quán)重處理，把用戶(hù)進(jìn)行區(qū)間劃分，通過(guò)大量的矩陣計(jì)算獲取任意資訊之間的相似度，結(jié)合歷史最近的點(diǎn)擊資訊列表，從相關(guān)資訊庫(kù)中選取和其歷史偏好相似度高、時(shí)效性好的資訊實(shí)時(shí)推薦，同時(shí)對(duì)離線(xiàn)、緩存資訊進(jìn)行分析，如此即可快速推薦相似的和相關(guān)度極高的資訊給用戶(hù)。
【專(zhuān)利說(shuō)明】一種基于用戶(hù)群體行為數(shù)據(jù)挖掘智能推薦的方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及智能手機(jī)資訊軟件的資訊相關(guān)度推薦，特別地涉及一種互聯(lián)網(wǎng)應(yīng)用軟 件的用戶(hù)興趣推薦的技術(shù)方法。
[0002]

【背景技術(shù)】
[0003] 隨著互聯(lián)網(wǎng)技術(shù)的發(fā)展，每天在我們都生活在大量的信息中，新聞、廣告、科技、銷(xiāo) 售等等。大多都不是用戶(hù)想看的，也無(wú)法接受那么多的信息量，更加無(wú)法有效的找到自身感 興趣的內(nèi)容。
[0004] 互聯(lián)網(wǎng)時(shí)代資訊更新極快，海量的資訊展示到不同的用戶(hù)面前，采用傳統(tǒng)的曝光 形式很難引起用戶(hù)的興趣，一般的將資訊進(jìn)行分門(mén)別類(lèi)的方法難以確定用戶(hù)感興趣的類(lèi) 別。
[0005] 我們需要把資訊過(guò)濾，排序，最終展示給用戶(hù)的是優(yōu)質(zhì)的內(nèi)容，否則用戶(hù)就會(huì)很難 在海量的資訊里，找到自己感興趣的、熱點(diǎn)的內(nèi)容。目前應(yīng)用市場(chǎng)有很多適用于智能手機(jī)的 資訊軟件，但能根據(jù)用戶(hù)的行為結(jié)合群體行為，針對(duì)不同的用戶(hù)提供不同側(cè)重點(diǎn)的資訊的 應(yīng)用還未有先例。
[0006] 基于用戶(hù)群體數(shù)據(jù)挖掘的資訊智能推薦技術(shù)方法，解決了目前市場(chǎng)上無(wú)法進(jìn)行海 量資訊過(guò)濾和推薦的問(wèn)題，效果明顯，大大吸引了用戶(hù)的閱讀興趣，給用戶(hù)更好的體驗(yàn)。


【發(fā)明內(nèi)容】

[0007] 本發(fā)明的主要目的是提供一種用戶(hù)群體行為計(jì)算資訊相似度并對(duì)用戶(hù)進(jìn)行數(shù)據(jù) 挖掘智能推薦的方法，以解決現(xiàn)有智能設(shè)備無(wú)法進(jìn)行海量資訊過(guò)濾和推薦的問(wèn)題，從而實(shí) 現(xiàn)個(gè)性化精準(zhǔn)推薦問(wèn)題。
[0008] 為解決上述問(wèn)題，提供如下解決方案： 1、收集用戶(hù)的點(diǎn)擊行為、贊、收藏、分享、打開(kāi)原文、瀏覽時(shí)長(zhǎng)等海量用戶(hù)行為數(shù)據(jù)，通 過(guò)對(duì)這些不同行為數(shù)據(jù)進(jìn)行權(quán)重處理，整合成用戶(hù)對(duì)資訊的評(píng)分值。特別的針對(duì)用戶(hù)的活 躍度不同，喜好點(diǎn)擊的偏重不同，使得用戶(hù)對(duì)資訊的單次行為產(chǎn)生的評(píng)分值權(quán)重是不一致 的，整體原則采用隨之用戶(hù)活躍度增加單次行為分值遞減。同時(shí)由于資訊的熱度會(huì)大量影 響資訊的被評(píng)分次數(shù)，采用和用戶(hù)行為相一致的反遞減原則進(jìn)行綜合評(píng)分計(jì)算。
[0009] 2、在評(píng)分計(jì)算時(shí)將所有點(diǎn)擊用戶(hù)分成20個(gè)區(qū)間，賦值 (1，2, 3, ...，19, 20)使得絕大部分的用戶(hù)在7-15分區(qū)間，對(duì)資訊根據(jù)其被點(diǎn) 擊數(shù)據(jù)獲得資訊熱度值，采用TF-IDF的思想，對(duì)這兩個(gè)分?jǐn)?shù)進(jìn)行綜合計(jì)算：

【權(quán)利要求】
1. 一種基于用戶(hù)群體行為數(shù)據(jù)挖掘的資訊智能推薦技術(shù)方法，其特征在于： 根據(jù)用戶(hù)行為數(shù)據(jù)計(jì)算用戶(hù)對(duì)資訊的感興趣程度評(píng)分值，收集群體用戶(hù)行為評(píng)分?jǐn)?shù)據(jù) 建立資訊-用戶(hù)評(píng)分值矩陣，資訊相似度計(jì)算步驟，計(jì)算所有有關(guān)聯(lián)的資訊向量間的相關(guān) 性值P (X，y)，計(jì)算獲取所有資訊的相關(guān)資訊庫(kù)，計(jì)算獲得任一條資訊最相似的N條資訊，收 集所有資訊的最相似資訊存放到在線(xiàn)Server，根據(jù)用戶(hù)當(dāng)前不同的瀏覽行為，推薦最相似 或最可能感興趣的資訊信息給用戶(hù)。
2. 根據(jù)權(quán)利要求1所述，其特征還在于，還包括： 用戶(hù)無(wú)直接評(píng)分?jǐn)?shù)據(jù)，通過(guò)采集用戶(hù)對(duì)資訊的點(diǎn)擊、贊、收藏、分享、打開(kāi)原文、瀏覽時(shí) 長(zhǎng)等行為數(shù)據(jù)來(lái)推測(cè)用戶(hù)的感興趣分值。
3. 根據(jù)權(quán)利要求1所述，其特征還在于，還包括： 通過(guò)獲得用戶(hù)的整體點(diǎn)擊數(shù)，結(jié)合資訊的總體熱度來(lái)平滑不同用戶(hù)習(xí)慣下的評(píng)分?jǐn)?shù) 據(jù)，特別的采用了自創(chuàng)公5
t的計(jì)算方式，同時(shí)使用了結(jié)合資訊內(nèi)容量的 瀏覽時(shí)長(zhǎng)數(shù)據(jù)平滑方法自創(chuàng)公另
根據(jù)權(quán)利要求1所述其特征還在于，還包括：
度值時(shí)采用群體用戶(hù)對(duì)資訊的評(píng)分向量間的相關(guān)性值來(lái)表示， ，計(jì)算兩個(gè)向量的協(xié)方差除以?xún)蓚€(gè)變量的標(biāo)準(zhǔn)差。
4. 根據(jù)權(quán)利要求1所述其特征還在于，還包括： 根據(jù)當(dāng)前用戶(hù)的瀏覽行為智能的推薦資訊給用戶(hù)，在用戶(hù)刷新拉取時(shí)根據(jù)用戶(hù)歷史 最近的點(diǎn)擊記錄來(lái)獲取推薦資訊，在用戶(hù)點(diǎn)擊操作值獲取和當(dāng)前選擇資訊最相似的資訊推 薦。
【文檔編號(hào)】G06F17/30GK104281718SQ201410611460
【公開(kāi)日】2015年1月14日 申請(qǐng)日期:2014年11月4日 優(yōu)先權(quán)日:2014年11月4日
【發(fā)明者】不公告發(fā)明人 申請(qǐng)人:深圳市英威諾科技有限公司