基于熟悉度的信息推薦方法及裝置的制造方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及計(jì)算機(jī)技術(shù)，尤其涉及一種基于熟悉度的信息推薦方法及裝置。
【背景技術(shù)】
[0002] 隨著信息技術(shù)的發(fā)展，信息的創(chuàng)建和分享變得越來(lái)越容易，致使各類信息呈爆炸 式增長(zhǎng)，用戶面臨著沉重的篩選負(fù)擔(dān)。如何幫助用戶在最短的時(shí)間內(nèi)準(zhǔn)確獲得對(duì)自己有價(jià) 值的信息成了一個(gè)重要問(wèn)題。例如，在求職過(guò)程中，越來(lái)越多的人通過(guò)網(wǎng)絡(luò)尋找工作，求職 網(wǎng)站具有招聘信息發(fā)布、簡(jiǎn)歷下載、定制招聘專區(qū)、求職簡(jiǎn)歷生成、職位搜索和薪酬查詢等 功能，滿足用戶的需求。為了幫助用戶在短時(shí)間內(nèi)獲取到對(duì)自己有價(jià)值的求職信息，求職網(wǎng) 站會(huì)推薦就業(yè)信息給用戶。
[0003] 現(xiàn)有的就業(yè)信息推薦通過(guò)以下方法進(jìn)行：求職網(wǎng)站將用戶的簡(jiǎn)歷和企業(yè)招聘要求 中的職位信息進(jìn)行匹配，例如，通過(guò)從用戶的簡(jiǎn)歷和企業(yè)的職位信息中分別提取關(guān)鍵字進(jìn) 行匹配，如果匹配度較高，則將該職位推薦給用戶。
[0004] 但是，由于用戶的簡(jiǎn)歷中包括的信息有限，從簡(jiǎn)歷中提取的關(guān)鍵字并不能準(zhǔn)確地 反應(yīng)用戶對(duì)職位的偏好程度，因此，上述推薦方法的推薦精度不高。

【發(fā)明內(nèi)容】

[0005] 本發(fā)明提供一種基于熟悉度的信息推薦方法及裝置，以解決推薦精度不高的問(wèn) 題。
[0006] 本發(fā)明提供一種基于熟悉度的信息推薦方法，包括：
[0007] 根據(jù)M個(gè)用戶對(duì)N個(gè)目標(biāo)對(duì)象的操作行為，建立第一交互矩陣，所述第一交互矩 陣中的元素 Flj表示第i個(gè)用戶對(duì)第j個(gè)目標(biāo)對(duì)象的操作行為，其中，1彡i彡M且為整數(shù)， I < j < N且為整數(shù)，所述M為大于等于2的整數(shù)，所述N為大于等于2的整數(shù)；根據(jù)每個(gè) 用戶的特征模型向量和每個(gè)目標(biāo)對(duì)象的特征模型向量，確定每個(gè)用戶對(duì)不同的目標(biāo)對(duì)象的 熟悉度，其中，每個(gè)用戶的特征模型向量表示每個(gè)用戶與不同標(biāo)簽的關(guān)系，每個(gè)目標(biāo)對(duì)象的 特征模型向量表示每個(gè)目標(biāo)對(duì)象與不同標(biāo)簽的關(guān)系；根據(jù)所述第一交互矩陣和每個(gè)用戶對(duì) 不同的目標(biāo)對(duì)象的熟悉度確定向每個(gè)用戶推薦的目標(biāo)對(duì)象。
[0008] 本發(fā)明還提供一種基于熟悉度的信息推薦裝置，包括：
[0009] 建立模塊，用于根據(jù)M個(gè)用戶對(duì)N個(gè)目標(biāo)對(duì)象的操作行為，建立第一交互矩陣， 所述第一交互矩陣中的元素表示第i個(gè)用戶對(duì)第j個(gè)目標(biāo)對(duì)象的操作行為，其中， I < i < M且為整數(shù)，I < j < N且為整數(shù)，所述M為大于等于2的整數(shù)，所述N為大于等于 2的整數(shù)；第一確定模塊，用于根據(jù)每個(gè)用戶的特征模型向量和每個(gè)目標(biāo)對(duì)象的特征模型 向量，確定每個(gè)用戶對(duì)不同的目標(biāo)對(duì)象的熟悉度，其中，每個(gè)用戶的特征模型向量表示每個(gè) 用戶與不同標(biāo)簽的關(guān)系，每個(gè)目標(biāo)對(duì)象的特征模型向量表示每個(gè)目標(biāo)對(duì)象與不同標(biāo)簽的關(guān) 系；第二確定模塊，用于根據(jù)所述第一交互矩陣和每個(gè)用戶對(duì)不同的目標(biāo)對(duì)象的熟悉度確 定向每個(gè)用戶推薦的目標(biāo)對(duì)象。
[0010] 本發(fā)明提供的基于熟悉度的信息推薦方法及裝置，通過(guò)根據(jù)M個(gè)用戶對(duì)N個(gè)目標(biāo) 對(duì)象的操作行為，建立第一交互矩陣，根據(jù)每個(gè)用戶的特征模型向量和每個(gè)目標(biāo)對(duì)象的特 征模型向量，確定每個(gè)用戶對(duì)不同的目標(biāo)對(duì)象的熟悉度，其中，每個(gè)用戶的特征模型向量表 示每個(gè)用戶與不同標(biāo)簽的關(guān)系，每個(gè)目標(biāo)對(duì)象的特征模型向量表示每個(gè)目標(biāo)對(duì)象與不同標(biāo) 簽的關(guān)系，根據(jù)第一交互矩陣和每個(gè)用戶對(duì)不同的目標(biāo)對(duì)象的熟悉度確定向每個(gè)用戶推薦 的目標(biāo)對(duì)象，在向用戶推薦目標(biāo)對(duì)象時(shí)，考慮到了用戶對(duì)目標(biāo)對(duì)象的操作行為，以及，基于 用戶對(duì)目標(biāo)對(duì)象添加標(biāo)簽的行為，考慮到了由表示用戶與不同標(biāo)簽的關(guān)系的用戶特征模型 向量和表示目標(biāo)對(duì)象與不同標(biāo)簽關(guān)系的目標(biāo)對(duì)象特征模型向量確定的用戶對(duì)不同目標(biāo)對(duì) 象的熟悉度，從而，提高了向用戶推薦目標(biāo)對(duì)象的精度。
【附圖說(shuō)明】
[0011] 為了更清楚地說(shuō)明本發(fā)明或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對(duì)實(shí)施例或現(xiàn)有技術(shù) 描述中所需要使用的附圖作一簡(jiǎn)單地介紹，顯而易見(jiàn)地，下面描述中的附圖是本發(fā)明的一 些實(shí)施例，對(duì)于本領(lǐng)域普通技術(shù)人員來(lái)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。
[0012] 圖1為本發(fā)明基于熟悉度的信息推薦方法實(shí)施例一的流程圖；
[0013] 圖2為本發(fā)明基于熟悉度的信息推薦方法實(shí)施例二的流程圖；
[0014] 圖3為圖2的一種實(shí)現(xiàn)方式的流程示意圖；
[0015] 圖4為本發(fā)明基于熟悉度的信息推薦裝置實(shí)施例一的結(jié)構(gòu)示意圖；
[0016] 圖5為本發(fā)明基于熟悉度的信息推薦裝置實(shí)施例二的結(jié)構(gòu)示意圖。
【具體實(shí)施方式】
[0017] 為使本發(fā)明實(shí)施例的目的、技術(shù)方案和優(yōu)點(diǎn)更加清楚，下面將結(jié)合本發(fā)明實(shí)施例 中的附圖，對(duì)本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施例是 本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例?；诒景l(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員 在沒(méi)有付出創(chuàng)造性勞動(dòng)前提下所獲得的所有其他實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。
[0018] 圖1為本發(fā)明基于熟悉度的信息推薦方法實(shí)施例一的流程圖。如圖1所示，本實(shí) 施例提供的基于熟悉度的信息推薦方法包括：
[0019] SlO :根據(jù)M個(gè)用戶對(duì)N個(gè)目標(biāo)對(duì)象的操作行為，建立第一交互矩陣，第一交互矩 陣中的元素 Flj表示第i個(gè)用戶對(duì)第j個(gè)目標(biāo)對(duì)象的操作行為，其中，1彡i彡M且為整數(shù)， I < j < N且為整數(shù)，M為大于等于2的整數(shù)，N為大于等于2的整數(shù)。
[0020] 具體地，本實(shí)施例提供的基于熟悉度的信息推薦方法可用于就業(yè)信息推薦、購(gòu)物 信息推薦或觀看視頻推薦等場(chǎng)景中。在不同的應(yīng)用場(chǎng)景中，目標(biāo)對(duì)象表示不同的事物。例 如，在就業(yè)信息推薦場(chǎng)景中，目標(biāo)對(duì)象就是職位信息；在購(gòu)物信息推薦場(chǎng)景中，目標(biāo)對(duì)象就 是物品信息。本實(shí)施例的執(zhí)行主體可以是相應(yīng)的提供就業(yè)信息、提供購(gòu)物信息或提供視頻 服務(wù)網(wǎng)站的服務(wù)器。
[0021] 服務(wù)器中用戶的集合為K，u2, ...，U1, ...，％}，目標(biāo)對(duì)象的集合為 {Cl，c2, . . .，C]，. . .，cN}。M表示所有用戶的總數(shù)量，M為大于等于2的整數(shù)。N表示所有目 標(biāo)對(duì)象的總數(shù)量，N為大于等于2的整數(shù)。在服務(wù)器運(yùn)行期間，用戶對(duì)目標(biāo)對(duì)象會(huì)有操作行 為，這里的操作行為指的是用戶與目標(biāo)對(duì)象之間的交互行為，例如，用戶對(duì)目標(biāo)對(duì)象進(jìn)行評(píng) 分，或用戶點(diǎn)擊目標(biāo)對(duì)象。
[0022] 根據(jù)服務(wù)器中M個(gè)用戶對(duì)N個(gè)目標(biāo)對(duì)象的操作行為，建立第一交互矩陣。統(tǒng)計(jì)服務(wù) 器中用戶對(duì)目標(biāo)對(duì)象的操作行為，將操作行為按照一定的規(guī)則抽象表示為數(shù)字，用數(shù)字的 數(shù)值大小表示用戶對(duì)目標(biāo)對(duì)象不同的操作行為。本實(shí)施例中以大的數(shù)值表示用戶對(duì)該目標(biāo) 對(duì)象感興趣程度高或該目標(biāo)對(duì)象與用戶的相關(guān)性高。由于有M個(gè)用戶和N個(gè)目標(biāo)對(duì)象，根據(jù) 每一個(gè)用戶對(duì)每一個(gè)目標(biāo)對(duì)象的操作行為建立的第一交互矩陣是一個(gè)MXN維的矩陣。第 一交互矩陣中的元素表示第i個(gè)用戶對(duì)第j個(gè)目標(biāo)對(duì)象的操作行為，I < i < M且為整 數(shù)，I < j < N且為整數(shù)。需要說(shuō)明的是，由于服務(wù)器中用戶的數(shù)量很多，目標(biāo)對(duì)象的數(shù)量也 很多，每一個(gè)用戶不可能對(duì)所有的目標(biāo)對(duì)象有操作行為，用戶對(duì)很多目標(biāo)對(duì)象的操作行為 是未知的，本實(shí)施例中以〇表示第一交互矩陣中的未知元素，因此，第一交互矩陣是一個(gè)稀 疏矩陣。
[0023] S20:根據(jù)每個(gè)用戶的特征模型向量和每個(gè)目標(biāo)對(duì)象的特征模型向量，確定每個(gè)用 戶對(duì)不同的目標(biāo)對(duì)象的熟悉度，其中，每個(gè)用戶的特征模型向量表示每個(gè)用戶與不同標(biāo)簽 的關(guān)系，每個(gè)目標(biāo)對(duì)象的