鬼佬大哥大
  • / 18
  • 下載費用:30 金幣  

信息推薦方法及系統.pdf

摘要
申請專利號:

CN201510264609.4

申請日:

2015.05.21

公開號:

CN104899265A

公開日:

2015.09.09

當前法律狀態:

授權

有效性:

有權

法律詳情: 授權|||實質審查的生效IPC(主分類):G06F 17/30申請日:20150521|||公開
IPC分類號: G06F17/30 主分類號: G06F17/30
申請人: 廣東小天才科技有限公司
發明人: 王小煥
地址: 523859廣東省東莞市長安鎮烏沙步步高大道126號二樓
優先權:
專利代理機構: 深圳市隆天聯鼎知識產權代理有限公司44232 代理人: 萬振雄; 劉耿
PDF完整版下載: PDF下載
法律狀態
申請(專利)號:

CN201510264609.4

授權公告號:

||||||

法律狀態公告日:

2018.07.20|||2015.10.07|||2015.09.09

法律狀態類型:

授權|||實質審查的生效|||公開

摘要

本發明公開一種信息推薦方法及系統,其中,信息推薦方法包括:接收應用觸發的應用登錄操作;根據所述應用登錄操作判斷所述應用觸發前的登錄是否為所述應用在預設周期內的首次登錄;若為是,則按照當前的賬戶信息向服務器發起推薦信息獲取請求,將所述服務器返回的推薦信息顯示于應用界面;其中,所述推薦信息是所述賬戶信息所屬用戶的相似用戶的歷史搜索結果;若為否,則提取保存的推薦信息,并顯示于應用界面。信息推薦系統包括:登錄操作接收模塊、登錄判斷模塊、請求發起模塊及提取推薦信息模塊。本發明實現了主動對賬戶信息所屬用戶推薦相似用戶的歷史搜索結果,避免了用戶瀏覽時間過長且學習興趣不高的問題。

權利要求書

權利要求書
1.   一種信息推薦方法,其特征在于,包括:
接收應用觸發的應用登錄操作;
根據所述應用登錄操作判斷所述應用觸發前的登錄是否為所述應用在預設周期內的首次登錄;
若為是,則按照當前的賬戶信息向服務器發起推薦信息獲取請求,將所述服務器返回的推薦信息顯示于應用界面;其中,所述推薦信息是所述賬戶信息所屬用戶的相似用戶的歷史搜索結果;
若為否,則提取保存的推薦信息,并顯示于應用界面。

2.  如權利要求1所述的信息推薦方法,其特征在于,所述按照當前的賬戶信息向服務器發起推薦信息獲取請求的步驟之后,所述信息推薦方法還包括:
從接收到的所述推薦信息獲取請求中獲取所述賬戶信息;
根據所述賬戶信息獲取所述賬戶信息所屬用戶的人口統計學信息;及
以所述人口統計學信息為特征進行匹配計算得到所述相似用戶,并將所述相似用戶的歷史搜索結果返回給發起推薦信息獲取請求的所述應用。

3.  根據權利要求2所述的信息推薦方法,其特征在于,所述根據所述賬戶信息獲取所述賬戶信息所屬用戶的人口統計學信息的步驟之后,所述信息推薦方法還包括:
當獲取不到所述賬戶信息所屬用戶的人口統計學信息,則以所述賬戶信息所屬用戶的所屬地區為特征得到所述相似用戶,并將所述相似用戶的歷史搜索結果返回給發起推薦信息獲取請求的所述應用。

4.  如權利要求2所述的信息推薦方法,其特征在于,所述根據所述賬戶信息獲取所述賬戶信息所屬用戶的人口統計學信息的步驟包括:
判斷所述賬戶信息所屬用戶的人口統計學信息是否存儲于預存的人口統計學信息中;
若為是,則從所述預存的人口統計學信息中直接獲取所述賬戶信息所屬用戶的人口統計學信息;
若為否,則根據所述賬戶信息從行為數據庫中收集所述賬戶信息所屬用戶的用戶行為數據,對收集到的所述用戶行為數據進行處理,以獲取所述賬戶信息所屬用戶的人口統計學信息。

5.  如權利要求4所述的信息推薦方法,其特征在于,所述對收集到的所述用戶行為數據進行處理,以獲取所述賬戶信息所屬用戶的人口統計學信息的步驟包括:
對收集到的所述用戶行為數據進行一致性比較,以得到所述賬戶信息所屬用戶的行為信息;
對存儲于所述行為數據庫的所述賬戶信息所屬用戶的個人信息進行一致性比較,以得到所述賬戶信息所屬用戶的用戶信息;及
將所述行為信息與用戶信息進行一致性比較,比較結果即為獲取到的所述賬戶信息所屬用戶的人口統計學信息。

6.  如權利要求1所述的信息推薦方法,其特征在于,所述接收應用觸發的應用登錄操作的步驟之前,所述信息推薦方法還包括:
預先收集用戶的人口統計學信息與搜索行為數據;
根據所述用戶的人口統計學信息對搜索行為數據進行數據抽取處理,得到抽取信息;
對所述抽取信息進行篩選處理,得到篩選信息;及
將所述篩選信息存儲于預定空間,得到所述用戶的歷史搜索結果。

7.  一種信息推薦系統,其特征在于,包括與服務器交互的終端,所述終端包括:
登錄操作接收模塊,用于接收應用觸發的應用登錄操作;
登錄判斷模塊,用于根據所述應用登錄操作判斷所述應用觸發前的登錄是否為所述應用在預設周期內的首次登錄;若為是,通知請求發起模塊;若為否,通知提取推薦信息模塊;
所述請求發起模塊用于按照當前的賬戶信息向服務器發起推薦信息獲取請求,將所述服務器返回的推薦信息顯示于應用界面;其中,所述推薦信息是所述賬戶信息所屬用戶的相似用戶的歷史搜索結果;及
所述提取推薦信息模塊用于提取保存的推薦信息,并顯示于應用界面。

8.  如權利要求7所述的信息推薦系統,其特征在于,還包括與所述終端交互的所述服務器,所述服務器包括:
賬戶信息獲取模塊,用于從接收到的所述推薦信息獲取請求中獲取所述賬戶信息;
人口統計學信息獲取模塊,用于根據所述賬戶信息獲取所述賬戶信息所屬用戶的人口統計學信息;及
匹配計算模塊,用于以所述人口統計學信息為特征進行匹配計算得到所述相似用戶,并將所述相似用戶的歷史搜索結果返回給發起推薦信息獲取請求的所述應用。

9.  如權利要求8所述的信息推薦系統,其特征在于,所述服務器還包括:
    所屬地區模塊,用于當獲取不到所述賬戶信息所屬用戶的人口統計學信息,則以所述賬戶信息所屬用戶的所屬地區為特征得到所述相似用戶,并將所述相似用戶的歷史搜索結果返回給發起推薦信息獲取請求的所述應用。

10.  如權利要求8所述的信息推薦系統,其特征在于,所述人口統計學信息獲取模塊包括:
存儲判斷子模塊,用于判斷所述賬戶信息所屬用戶的人口統計學信息是否存儲于預存的人口統計學信息中;若為是,通知獲取子模塊;若為否,通知行為數據處理子模塊;
所述獲取子模塊用于從所述預存的人口統計學信息中直接獲取所述賬戶信息所屬用戶的人口統計學信息;及
所述行為數據處理子模塊用于根據所述賬戶信息從行為數據庫中收集所述賬戶信息所屬用戶的用戶行為數據,對收集到的所述用戶行為數據進行處理,以獲取所述賬戶信息所屬用戶的人口統計學信息。

11.  如權利要求10所述的信息推薦系統,其特征在于,所述行為數據處理子模塊包括:
行為信息獲取單元,用于對收集到的所述用戶行為數據進行一致性比較,以得到所述賬戶信息所屬用戶的行為信息;
用戶信息獲取單元,用于對存儲于所述行為數據庫的所述賬戶信息所屬用戶的個人信息進行一致性比較,以得到所述賬戶信息所屬用戶的用戶信息;及
比較單元,用于將所述行為信息與用戶信息進行一致性比較,比較結果即為獲取到的所述賬戶信息所屬用戶的人口統計學信息。

12.  如權利要求7所述的信息推薦系統,其特征在于,還包括與所述服務器交互的結果預存平臺,所述結果預存平臺包括:
收集模塊,用于預先收集用戶的人口統計學信息與搜索行為數據;
抽取模塊,用于根據所述用戶的人口統計學信息對搜索行為數據進行數據抽取處理,得到抽取信息;
篩選模塊,用于對所述抽取信息進行篩選處理,得到篩選信息;及
存儲模塊,用于將所述篩選信息存儲于預定空間,得到所述用戶的歷史搜索結果。

說明書

說明書信息推薦方法及系統
技術領域
本發明涉及互聯網技術領域,尤其涉及一種信息推薦方法及系統。
背景技術
互聯網的出現與普及給用戶帶來了大量的信息,滿足了用戶在信息時代對信息的需求,但隨著網絡的迅速發展而帶來的信息的種類與數量的大幅增長,使得用戶在面對大量信息時無法從中獲得對自己真正有用的那部分信息,對信息的使用效率反而下降了,這也就是所謂的信息過載(Information Overload)問題。
為了解決該問題,個性化推薦應運而生。個性化推薦是根據用戶的信息需求、興趣特點等,向用戶推薦其感興趣的信息、產品等。個性化推薦已廣泛應用于很多領域,例如,最典型并具有良好的發展和應用前景的領域就是電子商務領域。
目前,市面上還沒有在智能家教機領域上應用個性化推薦,尤其未應用于智能家教機中的搜題答疑系統,使得用戶需要在茫茫題海中尋找自己所需要的題目信息。這種瀏覽大量無關的信息的過程不僅會使得淹沒在信息過載問題中的用戶無端地浪費過多不必要的時間,而且還無法提高用戶的學習興趣,違背了智能家教機的初衷,從而必將導致消費智能家教機的用戶的不斷流失。
發明內容
為了解決現有技術中存在的上述問題,本發明的目的在于提供一種可以節省用戶瀏覽時間且激發用戶學習興趣的信息推薦方法及系統。
一種信息推薦方法,其包括:接收應用觸發的應用登錄操作;根據所述應用登錄操作判斷所述應用觸發前的登錄是否為所述應用在預設周期內的首次登錄;若為是,則按照當前的賬戶信息向服務器發起推薦信息獲取請求,將所述服務器返回的推薦信息顯示于應用界面;其中,所述推薦信息是所述賬戶信息所屬用戶的相似用戶的歷史搜索結果;若為否,則提取保存的推薦信息,并顯示于應用界面。
在一實施例中,所述按照當前的賬戶信息向服務器發起推薦信息獲取請求的步驟之后,所述信息推薦方法還包括:從接收到的所述推薦信息獲取請求中獲取所述賬戶信息;根據所述賬戶信息獲取所述賬戶信息所屬用戶的人口統計學信息;及以所述人口統計學信息為特征進行匹配計算得到所述相似用戶,并將所述相似用戶的歷史搜索結果返回給發起推薦信息獲取請求的所述應用。
在一實施例中,所述根據所述賬戶信息獲取所述賬戶信息所屬用戶的人口統計學信息的步驟之后,所述信息推薦方法還包括:當獲取不到所述賬戶信息所屬用戶的人口統計學信息,則以所述賬戶信息所屬用戶的所屬地區為特征得到所述相似用戶,并將所述相似用戶的歷史搜索結果返回給發起推薦信息獲取請求的所述應用。
在一實施例中,所述根據所述賬戶信息獲取所述賬戶信息所屬用戶的人口統計學信息的步驟包括:判斷所述賬戶信息所屬用戶的人口統計學信息是否存儲于預存的人口統計學信息中;若為是,則從所述預存的人口統計學信息中直接獲取所述賬戶信息所屬用戶的人口統計學信息;若為否,則根據所述賬戶信息從行為數據庫中收集所述賬戶信息所屬用戶的用戶行為數據,對收集到的所述用戶行為數據進行處理,以獲取所述賬戶信息所屬用戶的人口統計學信息。
在一實施例中,所述對收集到的所述用戶行為數據進行處理,以獲取所述賬戶信息所屬用戶的人口統計學信息的步驟包括:對收集到的所述用戶行為數據進行一致性比較,以得到所述賬戶信息所屬用戶的行為信息;對存儲于所述行為數據庫的所述賬戶信息所屬用戶的個人信息進行一致性比較,以得到所述賬戶信息所屬用戶的用戶信息;及將所述行為信息與用戶信息進行一致性比較,比較結果即為獲取到的所述賬戶信息所屬用戶的人口統計學信息。
在一實施例中,所述接收應用觸發的應用登錄操作的步驟之前,所述信息推薦方法還包括:預先收集用戶的人口統計學信息與搜索行為數據;根據所述用戶的人口統計學信息對搜索行為數據進行數據抽取處理,得到抽取信息;對所述抽取信息進行篩選處理,得到篩選信息;及將所述篩選信息存儲于預定空間,得到所述用戶的歷史搜索結果。
一種信息推薦系統,其包括與服務器交互的終端,所述終端包括:登錄操作接收模塊,用于接收應用觸發的應用登錄操作;登錄判斷模塊,用于根據所述應用登錄操作判斷所述應用觸發前的登錄是否為所述應用在預設周期內的首次登錄;;若為是,通知請求發起模塊;若為否,通知提取推薦信息模塊;所述請求發起模塊用于按照當前的賬戶信息向服務器發起推薦信息獲取請求,將所述服務器返回的推薦信息顯示于應用界面;其中,所述推薦信息是所述賬戶信息所屬用戶的相似用戶的歷史搜索結果;及所述提取推薦信息模塊用于提取保存的推薦信息,并顯示于應用界面。
在一實施例中,所述信息推薦系統還包括與所述終端交互的所述服務器,所述服務器包括:賬戶信息獲取模塊,用于從接收到的所述推薦信息獲取請求中獲取所述賬戶信息;人口統計學信息獲取模塊,用于根據所述賬戶信息獲取所述賬戶信息所屬用戶的人口統計學信息;及匹配計算模塊,用于以所述人口統計學信息為特征進行匹配計算得到所述相似用戶,并將所述相似用戶的歷史搜索結果返回給發起推薦信息獲取請求的所述應用。
在一實施例中,所述服務器還包括:所屬地區模塊,用于當獲取不到所述賬戶信息所屬用戶的人口統計學信息,則以所述賬戶信息所屬用戶的所屬地區為特征得到所述相似用戶,并將所述相似用戶的歷史搜索結果返回給發起推薦信息獲取請求的所述應用。
在一實施例中,所述人口統計學信息獲取模塊包括:存儲判斷子模塊,用于判斷所述賬戶信息所屬用戶的人口統計學信息是否存儲于預存的人口統計學信息中;若為是,通知獲取子模塊;若為否,通知行為數據處理子模塊;所述獲取子模塊用于從所述預存的人口統計學信息中直接獲取所述賬戶信息所屬用戶的人口統計學信息;及所述行為數據處理子模塊用于根據所述賬戶信息從行為數據庫中收集所述賬戶信息所屬用戶的用戶行為數據,對收集到的所述用戶行為數據進行處理,以獲取所述賬戶信息所屬用戶的人口統計學信息。
在一實施例中,所述行為數據處理子模塊包括:行為信息獲取單元,用于對收集到的所述用戶行為數據進行一致性比較,以得到所述賬戶信息所屬用戶的行為信息;用戶信息獲取單元,用于對存儲于所述行為數據庫的所述賬戶信息所屬用戶的個人信息進行一致性比較,以得到所述賬戶信息所屬用戶的用戶信息;及比較單元,用于將所述行為信息與用戶信息進行一致性比較,比較結果即為獲取到的所述賬戶信息所屬用戶的人口統計學信息。
在一實施例中,所述信息推薦系統還包括與所述服務器交互的結果預存平臺,所述結果預存平臺包括:收集模塊,用于預先收集用戶的人口統計學信息與搜索行為數據;抽取模塊,用于根據所述用戶的人口統計學信息對搜索行為數據進行數據抽取處理,得到抽取信息;篩選模塊,用于對所述抽取信息進行篩選處理,得到篩選信息;及存儲模塊,用于將所述篩選信息存儲于預定空間,得到所述用戶的歷史搜索結果。
與現有技術相比,本發明具有以下有益效果:
當判斷到應用觸發前的登錄是該應用在預設周期內的首次登錄時,根據當前的賬戶信息向服務器發起推薦信息獲取請求,從而將服務器中相似用戶的歷史搜索結果返回給發起推薦信息獲取請求的該應用。也就是說,在服務器中匹配計算與當前用戶的賬戶信息相似的用戶,并將該服務器中存儲的與相似用戶對應的歷史搜索結果返回給當前用戶。利用服務器進行的匹配計算,獲取服務器中原有的歷史搜索結果,從而實現了主動對賬戶信息所屬用戶推薦相似用戶的歷史搜索結果,不僅節省了用戶的瀏覽時間,而且提高了用戶的學習興趣。
附圖說明
圖1為一實施例的信息推薦方法的流程圖。
圖2為另一實施例的信息推薦方法的流程圖。
圖3為圖2的獲取賬戶信息所屬用戶的人口統計學信息的步驟的流程圖。
圖4為圖3的對收集到的所述用戶行為數據進行處理的步驟的流程圖。
圖5為另一實施例的信息推薦方法的流程圖。
圖6為另一實施例的信息推薦方法的應用場景圖。
圖7為一實施例的信息推薦系統的結構框圖。
圖8為另一實施例的信息推薦系統的結構框圖。
圖9為圖8的人口統計學信息獲取模塊的結構框圖。
圖10為圖9的行為數據處理子模塊的結構框圖。
圖11為另一實施例的信息推薦系統的結構框圖。
具體實施方式
以下參考附圖,對本發明予以進一步地詳盡闡述。
請參閱圖1,在一實施例中,一種信息推薦方法包括以下步驟:
步驟110,接收應用觸發的應用登錄操作。
本實施例中,應用隸屬于終端,應用登錄操作則是由用戶登錄該終端上的應用而觸發的。例如,終端為智能家教機,相應的,應用可以為終端上的智能答疑應用或者搜題答疑應用。
用戶的登錄形式可以有多種,例如,最常用的登錄形式就是在應用界面中輸入該用戶的賬戶信息。其中,賬戶信息中至少包含可唯一標識出該用戶的賬戶名。
步驟130,根據應用登錄操作判斷應用觸發前的登錄是否為應用在預設周期內的首次登錄。
本實施例中,應用觸發前的登錄為用戶以輸入賬戶信息的登錄形式進行的登錄。只要是用戶在預設周期內的第一次賬戶信息的輸入,即認為是該用戶首次登錄該應用。也就是說,如果用戶擁有多個賬戶名,當用戶輸入的賬戶名a是第一次出現在該應用中,則認為是用戶以該賬戶名a進行的首次登錄;當用戶輸入的賬戶名b也是第一次出現在該應用中,也認為用戶以該賬戶名b進行的登錄是首次登錄。
優選地,預設周期為24小時,當然,也可以根據實際的應用場景來對該預設周期進行相應的設置,以更好地滿足市場需求,本實施例并未對此加以限制。
步驟150,若為是,則按照當前的賬戶信息向服務器發起推薦信息獲取請求,將服務器返回的推薦信息顯示于應用界面。其中,推薦信息是賬戶信息所屬用戶的相似用戶的歷史搜索結果。
本實施例中,當前的賬戶信息包含有用戶首次登錄時所輸入的賬戶名、密碼以及其他個人信息,例如,其他個人信息可以包括用戶的所屬地區、年齡、性別、職業、興趣愛好等等。
若判斷到用戶進行的登錄是首次登錄,則向服務器發起推薦信息獲取請求,該推薦信息獲取請求中至少包含當前的賬戶信息,以利于服務器得到該賬戶信息所屬用戶的相似用戶。其中,相似用戶可以是與該賬戶信息所屬用戶的其他個人信息類似的用戶,例如,二者的年齡類似、或者興趣愛好類似。
通過服務器從預存的用戶的歷史搜索結果中將相似用戶的歷史搜索結果作為推薦信息返回給終端,由終端將該推薦信息顯示于應用界面,實現了主動對賬戶信息所屬用戶推薦相似用戶的歷史搜索結果。
進一步地,當相似用戶的歷史搜索結果為該相似用戶在智能家教機中曾經學習過的題目,就可以幫助用戶在茫茫題海中找到其感興趣的題目,激發用戶的學習興趣,從而實現對用戶的個性化熱門題目推薦,實現根據用戶的集體智慧來幫助用戶提高學習成績,進而達到用戶之間相互學習的目的。
步驟170,若為否,則提取保存的推薦信息,并顯示于應用界面。
本實施例中,若判斷到用戶進行的登錄并非首次登錄,則直接從服務器或者發起推薦信息獲取請求的應用上提取保存的推薦信息,并顯示于應用界面。其中,該推薦信息是用戶首次登錄后相應地保存于服務器或者發起推薦信息獲取請求的應用中的,以避免服務器的重復推薦,提高服務器的推薦效率。也就是說,在預設周期內,無論哪次登錄,用戶得到的推薦信息都是與其首次登錄時服務器所返回的推薦信息相同。
請參閱圖2,在一實施例中,步驟150中按照當前的賬戶信息向服務器發起推薦信息獲取請求之后,信息推薦方法還包括以下步驟:
步驟210,從接收到的推薦信息獲取請求中獲取賬戶信息。
本實施例中,服務器接收到的推薦信息獲取請求中至少包含有用戶首次登錄終端上的發起推薦信息獲取請求的應用所輸入的賬戶信息。該服務器與終端的交互方式可以采用網絡傳輸協議,也可以根據傳輸需求采用其他傳輸協議,采用何種協議將取決于服務器與終端的交互方式。例如,服務器與終端同處于同一局域網時,二者可以通過網絡傳輸協議中的TCP/IP協議進行數據傳輸。
步驟230,根據賬戶信息獲取賬戶信息所屬用戶的人口統計學信息。
本實施例中,賬戶信息至少包含有用戶登錄時所輸入的個人信息,例如,個人信息可以包括用戶的所屬地區、年齡、性別、職業、興趣愛好等等。而用戶每次登錄時所輸入的個人信息可能不完全相同,人口統計學信息即是基于統計學原理以其中出現頻率高的個人信息為基準統計而得。也就是說,人口統計學信息是與賬戶信息中包含的個人信息基本一致的,根據賬戶信息可以相應地從預存的人口統計學信息中獲取到賬戶信息所屬用戶的人口統計學信息。
步驟250,以人口統計學信息為特征進行匹配計算得到相似用戶,并將相似用戶的歷史搜索結果返回給發起推薦信息獲取請求的應用。
本實施例中,服務器以人口統計學信息為特征,將賬戶信息所屬用戶的人口統計學信息與預存于服務器的其他用戶的人口統計學信息進行匹配計算,得到人口統計學信息與賬戶信息所屬用戶的人口統計學信息類似的用戶,該用戶即為相似用戶。例如,二者的年齡類似、或者興趣愛好類似。
在一實施例中,步驟230之后,信息推薦方法還包括以下步驟:
當獲取不到賬戶信息所屬用戶的人口統計學信息,則以賬戶信息所屬用戶的所屬地區為特征得到相似用戶,并將相似用戶的歷史搜索結果返回給發起推薦信息獲取請求的應用。
本實施例中,當獲取不到賬戶信息所屬用戶的人口統計學信息,則從賬戶信息中包含的個人信息中提取用戶的所屬地區,作為賬戶信息所屬用戶的所屬地區。服務器以該賬戶信息所屬用戶的所屬地區為特征,將該所屬地區搜索次數多的歷史搜索結果返回給發起推薦信息獲取請求的應用,而該些歷史搜索結果所屬用戶則作為得到的相似用戶。
當然,在其他實施例中,考慮到人口統計學信息中包含有其他用戶的所屬地區,服務器也可以是以該所屬地區為特征,將賬戶信息所屬用戶的所屬地區與預存于服務器的其他用戶的人口統計學信息中的所屬地區進行匹配計算,得到所屬地區與賬戶信息所屬用戶的所屬地區類似的用戶,該用戶即為相似用戶。例如,二者屬于同一市區,或者,二者雖不屬于同一縣市,但屬于同一省份。
請參閱圖3,在一實施例中,步驟230包括以下步驟:
步驟231,判斷賬戶信息所屬用戶的人口統計學信息是否存儲于預存的人口統計學信息中。
本實施例中,預存的人口統計學信息存儲于服務器,是由服務器對不同賬戶信息所屬用戶的人口統計學信息進行定期收集而得到的。例如,服務器可以在預設周期內僅對該些人口統計學信息進行一次收集,既保證了服務器中存儲內容的新穎性,也可以避免服務器因過于頻繁的收集而影響其他方面的服務性能。
不同賬戶信息對應于不同用戶登錄發起推薦信息獲取請求的應用時的輸入信息,或者,對應于相同用戶以不同賬戶名進行的登錄。也就是說,預存的人口統計學信息與曾經登錄過該應用的用戶的賬戶信息相對應,即曾經登錄過該應用的用戶的人口統計學信息會被存儲于服務器中作為預存的人口統計學信息。
步驟233,若為是,則從預存的人口統計學信息中直接獲取賬戶信息所屬用戶的人口統計學信息。
本實施例中,若判斷到賬戶信息所屬用戶的人口統計學信息存儲于服務器中,則直接從該服務器中獲取。
步驟235,若為否,則根據賬戶信息從行為數據庫中收集賬戶信息所屬用戶的用戶行為數據,對收集到的用戶行為數據進行處理,以獲取賬戶信息所屬用戶的人口統計學信息。
本實施例中,若判斷到賬戶信息所屬用戶的人口統計學信息未存儲于服務器中,即表示該賬戶信息所屬用戶不曾登錄過發起推薦信息獲取請求的應用,則從行為數據庫中對賬戶信息所屬用戶的用戶行為數據進行收集。
其中,該行為數據庫中至少保存有曾經登錄過終端上的其他應用的用戶的用戶行為數據,該用戶行為數據表示用戶在其他應用中的使用行為,通過用戶行為數據可以反應出該用戶的個人信息。例如,使用行為包括搜索行為,而通過該搜索行為可以反應出該用戶的興趣愛好甚至年齡。
也就是說,該賬戶信息所屬用戶雖然不曾登錄過發起推薦信息獲取請求的應用,但是可能登錄過終端上的其他應用,從而在該終端上的其他應用中留下使用痕跡,而能夠被行為數據庫保存為相應地用戶行為數據。因此,通過該行為數據庫則有可能收集到賬戶信息所屬用戶的用戶行為數據,以獲取賬戶信息所屬用戶的人口統計學信息,進而得到相似用戶,并將相似用戶的歷史搜索結果返回給發起推薦信息獲取請求的應用。
當然,如果賬戶信息所屬用戶也不曾登錄過終端上的其他應用,那么根據賬戶信息從行為數據庫中勢必收集不到相應的用戶行為數據,也就獲取不到賬戶信息所屬用戶的人口統計學信息,此時,服務器將以其他方式得到相似用戶。例如,服務器將以賬戶信息所屬用戶的所屬地區為特征得到相似用戶,并將相似用戶的歷史搜索結果返回給發起推薦信息獲取請求的應用。
請參閱圖4,在一實施例中,步驟235包括以下步驟:
步驟2351,對收集到的用戶行為數據進行一致性比較,以得到賬戶信息所屬用戶的行為信息。
本實施例中,由于收集到的用戶行為數據可能來源于終端上的不同應用,或者,來源于終端上同一應用的多次不同的使用行為,必然存在著用戶行為差異,因此對該些用戶行為數據需要進行一致性比較,以出現頻率高的用戶行為數據為基準,得出賬戶信息所屬用戶的行為信息。
步驟2353,對存儲于行為數據庫的賬戶信息所屬用戶的個人信息進行一致性比較,以得到賬戶信息所屬用戶的用戶信息。
本實施例中,該行為數據庫中還包含有曾經登錄過終端上的其他應用的用戶的賬戶信息,該賬戶信息是用戶在登錄應用時所輸入的,其至少包含有用戶的個人信息,例如,個人信息可以包括用戶的所屬地區、年齡、性別、職業、興趣愛好等等。
由于該些賬戶信息中的個人信息可能來源于終端上的不同應用,或者,來源于終端上同一應用的多次不同的輸入行為,必然存在著用戶信息差異,因此對該些個人信息需要進行一致性比較,以出現頻率高的個人信息為基準,得出賬戶信息所屬用戶的用戶信息。
步驟2355,將行為信息與用戶信息進行一致性比較,比較結果即為獲取到的賬戶信息所屬用戶的人口統計學信息。
本實施例中,行為信息與用戶信息又進行進一步的一致性比較,當行為信息與用戶信息完全一致時,以用戶信息作為獲取到的賬戶信息所屬用戶的人口統計學信息;當行為信息與用戶信息不完全一致時,以行為信息作為獲取到的賬戶信息所屬用戶的人口統計學信息。
此外,在其他實施例中,還可以對比較結果進行可信度設置,以提高信息推薦的準確性。例如,當步驟2351、2353及2355中的一致性比較結果均為完全一致時,以得出的用戶信息作為獲取到的賬戶信息所屬用戶的人口統計學信息,此時的信息推薦準確性最高,將可信度設置為A級。當步驟2351、2353及2355中的一致性比較結果均為不完全一致時,以得出的行為信息作為獲取到的賬戶信息所屬用戶的人口統計學信息,此時的信息推薦準確性最低,將可信度設置為C級。其余情況下則認為信息推薦準確性介于上述二者之間,將可信度設置為B級。
請參閱圖5,在一實施例中,步驟110之前,信息推薦方法還包括以下步驟:
步驟510,預先收集用戶的人口統計學信息與搜索行為數據。
本實施例中,人口統計學信息表示曾經登錄過終端上的任意應用的用戶的賬戶信息,該賬戶信息中至少包含有該用戶在登錄時所輸入的個人信息。搜索行為數據表示曾經登錄過終端上的任意應用的用戶的搜索行為,例如,該搜索行為可以是對某一熱門話題的搜索,也可以是對某一道數學題目的搜索。
服務器對用戶的人口統計學信息與搜索行為數據的收集可以是定期的,例如,在預設周期內僅收集一次,既保證了服務器所收集內容的新穎性,也可以避免服務器因過于頻繁的收集而影響其他方面的服務性能。
步驟530,根據用戶的人口統計學信息對搜索行為數據進行數據抽取處理,得到抽取信息。
本實施例中,數據抽取包括利用人口統計學信息對搜索行為數據進行清洗、轉換并加載至數據倉庫中,使收集到的分散、零亂的搜索行為數據得以整合,形成抽取信息,以為后續的信息篩選提供篩選依據。
步驟550,對抽取信息進行篩選處理,得到篩選信息。
本實施例中,篩選處理包括評估、過濾、排序以及推薦解釋等。其中,評估是對抽取信息的新穎性、準確性進行評估,過濾則是從評估后的結果中將已經推薦過的信息過濾掉,然后根據搜索次數的從多到少對過濾后的結果進行重新排序。
步驟570,將篩選信息存儲于預定空間,得到用戶的歷史搜索結果。
本實施例中,篩選信息存儲于服務器的預定空間,以形成用戶的歷史搜索結果,其中,該用戶包括了與賬戶信息所屬用戶的相似用戶及不相似用戶。當服務器接收到終端上的應用發起的推薦信息獲取請求,則相應地從該預定空間中提取與賬戶信息所屬用戶的相似用戶的歷史搜索結果,并將其作為推薦信息返回給發起推薦信息獲取請求的應用。
當然,在其他實施例中,篩選信息也可以被存儲于獨立于服務器的預定空間內,本實施例并不以此為限。當服務器接收到終端上的應用發起的推薦信息獲取請求,同時根據獲取到的賬戶信息向獨立的預定空間發送歷史搜索結果獲取請求,以獲取該預定空間響應的與賬戶信息所屬用戶的相似用戶的歷史搜索結果,并將其作為推薦信息返回給發起推薦信息獲取請求的應用。
請參閱圖6,在一實施例中,采用上述信息推薦方法的系統架構600包括:數據采集庫610、BDP平臺(Business Data Platform,商業數據平臺)630、推薦系統650、redis緩存庫670以及用戶所在的與緩存庫670交互的終端690。其中,推薦系統650包括:推薦引擎組651、評估模塊653及結果處理模塊655。
本實施例中,預先收集用戶的人口統計學信息與搜索行為數據由數據采集庫610完成。
BDP平臺630負責從數據采集庫610中提取人口統計學信息與搜索行為數據,調用MapReduce(映射規約)程序根據該人口統計學信息對該搜索行為數據進行數據抽取(ETL,Extraction-Transformation-Loading)處理。同時,該BDP平臺630還負責根據賬戶信息獲取賬戶信息所屬用戶的人口統計學信息。通過該BDP平臺630的設置,使得海量的用戶的相關數據能夠被快速、及時的處理。
由BDP平臺630處理得到的抽取信息經過推薦引擎組651提取后,被發送至評估模塊653進行評估,同時經結果處理模塊655進行過濾、排序及推薦解釋等篩選處理,以得到篩選信息。
該篩選信息被推薦系統650輸出存儲于redis緩存庫670中,形成用戶的歷史搜索結果,通過該redis緩存庫670與終端690的交互,使得redis緩存庫670能夠快速的響應終端上的應用發起的推薦信息獲取請求,將與賬戶信息所屬用戶的相似用戶的歷史搜索結果作為推薦信息返回至發起推薦信息獲取請求的應用。
請參閱圖7,在一實施例中,一種信息推薦系統700包括:與服務器80交互的終端70,終端70包括:
登錄操作接收模塊710,用于接收應用觸發的應用登錄操作。
登錄判斷模塊730,用于根據應用登錄操作判斷應用觸發前的登錄是否為應用在預設周期內的首次登錄。若為是,通知請求發起模塊750;若為否,通知提取推薦信息模塊770。
請求發起模塊750,用于按照當前的賬戶信息向服務器發起推薦信息獲取請求,將服務器返回的推薦信息顯示于應用界面。其中,推薦信息是賬戶信息所屬用戶的相似用戶的歷史搜索結果。
提取推薦信息模塊770,用于提取保存的推薦信息,并顯示于應用界面。
請參閱圖8,在一實施例中,信息推薦系統700還包括:與終端70交互的服務器80,服務器80包括:
賬戶信息獲取模塊810,用于從接收到的推薦信息獲取請求中獲取賬戶信息。
人口統計學信息獲取模塊830,用于根據賬戶信息獲取賬戶信息所屬用戶的人口統計學信息。
匹配計算模塊850,用于以人口統計學信息為特征進行匹配計算得到相似用戶,并將相似用戶的歷史搜索結果返回給發起推薦信息獲取請求的應用。
在一實施例中,服務器80還包括:
所屬地區模塊,用于當獲取不到賬戶信息所屬用戶的人口統計學信息,則以賬戶信息所屬用戶的所屬地區為特征得到相似用戶,并將相似用戶的歷史搜索結果返回給發起推薦信息獲取請求的應用。
請參閱圖9,在一實施例中,人口統計學信息獲取模塊830包括:
存儲判斷子模塊831,用于判斷賬戶信息所屬用戶的人口統計學信息是否存儲于預存的人口統計學信息中。若為是,通知獲取子模塊833;若為否,通知行為數據處理子模塊835。
獲取子模塊833,用于從預存的人口統計學信息中直接獲取賬戶信息所屬用戶的人口統計學信息。
行為數據處理子模塊835,用于根據賬戶信息從行為數據庫中收集賬戶信息所屬用戶的用戶行為數據,對收集到的用戶行為數據進行處理,以獲取賬戶信息所屬用戶的人口統計學信息。
請參閱圖10,在一實施例中,行為數據處理子模塊835包括:
行為信息獲取單元8351,用于對收集到的用戶行為數據進行一致性比較,以得到賬戶信息所屬用戶的行為信息。
用戶信息獲取單元8353,用于對存儲于行為數據庫的賬戶信息所屬用戶的個人信息進行一致性比較,以得到賬戶信息所屬用戶的用戶信息。
比較單元8355,用于將行為信息與用戶信息進行一致性比較,比較結果即為獲取到的賬戶信息所屬用戶的人口統計學信息。
請參閱圖11,在一實施例中,信息推薦系統700還包括:與服務器80交互的結果預存平臺90,結果預存平臺90包括:
收集模塊910,用于預先收集用戶的人口統計學信息與搜索行為數據。
抽取模塊930,用于根據用戶的人口統計學信息對搜索行為數據進行數據抽取處理,得到抽取信息。
篩選模塊950,用于對抽取信息進行篩選處理,得到篩選信息。
存儲模塊970,用于將篩選信息存儲于預定空間,得到用戶的歷史搜索結果。
上述內容,僅為本發明的較佳實施例,并非用于限制本發明的實施方案,本領域普通技術人員根據本發明的主要構思和精神,可以十分方便地進行相應的變通或修改,故本發明的保護范圍應以權利要求書所要求的保護范圍為準。

關 鍵 詞:
信息 推薦 方法 系統
  專利查詢網所有資源均是用戶自行上傳分享,僅供網友學習交流,未經上傳用戶書面授權,請勿作他用。
關于本文
本文標題:信息推薦方法及系統.pdf
鏈接地址:http://www.wwszu.club/p-6373795.html
關于我們 - 網站聲明 - 網站地圖 - 資源地圖 - 友情鏈接 - 網站客服客服 - 聯系我們

[email protected] 2017-2018 zhuanlichaxun.net網站版權所有
經營許可證編號:粵ICP備17046363號-1 
 


收起
展開
鬼佬大哥大