用户移动端个性化推荐的及时反馈优化方法和装置制造方法
【专利摘要】本发明公开了一种用户移动端个性化推荐的及时反馈优化方法、装置及设备。该方法包括获取用户对于向用户推荐的项目的兴趣行为的历史；基于所述兴趣行为的历史，产生向用户推荐的项目的调整信息；基于所述调整信息调整向用户推荐的项目。本发明根据用户的行为即时调整推荐结果，提高推荐准确率。通过用户的反馈机制与反馈机制的调稳，调整推荐结果，并预估合理的推荐结果，给用户即时调整的结果，反馈机制的调稳使得根据即时反馈对原有推荐的影响趋于稳定，以免异常调动给用户带来的困扰，使得即时反馈整体收益最大。
【专利说明】用户移动端个性化推荐的及时反馈优化方法和装置
【技术领域】
[0001]本发明涉及移动互联网【技术领域】，具体涉及一种用户移动端个性化推荐的及时反馈优化方法和装置。
【背景技术】
[0002]互联网飞速发展的今天，信息量非常丰富，大大超过了人们所能接受、处理和利用的范围。大量冗余的信息充斥网络，严重干扰了用户对有用信息的选择，信息过载已经成为一个亟待解决的问题。推荐系统是信息过滤的重要手段，能够有效的缓解信息过载问题。
[0003]移动推荐系统是应用在移动互联网领域的推荐系统，是传统推荐系统的延伸。移动推荐系统与传统推荐系统的思想基本一致，采用的方法和算法也可以通用，根据调查显示，目前针对移动互联网的推荐系统多对位置和环境以及购买行为、收藏行为进行推荐，尚无专门对用户的行为即时调整推荐结果的推荐系统。而且移动终端设备的处理能力较差、输入和输出能力有限、无线网络带宽窄等因素使其对推荐的精确度有更高的要求，因此，传统的个性化推荐系统不适用于移动推荐时代的个性化推荐领域。
【发明内容】
[0004]本发明的目的是提供一种用户移动端个性化推荐的及时反馈优化方法及装置。
[0005]根据本发明的一个方面移动端实现的一种用户移动端个性化推荐的及时反馈优化方法，其中，该方法包括以下步骤:
[0006]获取用户对于向用户推荐的项目的兴趣行为的历史；
[0007]基于所述兴趣行为的历史，产生向用户推荐的项目的调整信息；
[0008]基于所述调整信息调整向用户推荐的项目。
[0009]可选地，所述兴趣行为包括以下中的至少一项:点击、浏览、停留、最终选择。
[0010]可选地，所述产生向用户推荐的项目的调整信息包括:
[0011]如果用户历史上对于向用户推荐的第一项目发生过兴趣行为，则产生与第一项目相关的第二项目的调整信息。
[0012]可选的，所述如果满足以下条件中的至少一项，则第二项目与第一项目相关:
[0013]第二项目是第一项目的配套项目；
[0014]第二项目是第一项目的同类项目；
[0015]第二项目是从用户兴趣行为的历史统计出的经常与第一项目伴随的项目。
[0016]可选地，所述与第一项目相关的第二项目的调整信息基于以下中的至少一项产生:第二项目与第一项目的相关度、第一项目的兴趣行为的种类、频率、持续时间。
[0017]可选地，所述基于所述调整信息调整向用户推荐的项目包括以下中的至少一项:将项目由向用户推荐调整为不向用户推荐、将项目由不向用户推荐调整为向用户推荐、调整向用户推荐的显示位置。
[0018]可选地，所述调整信息包括显示位置增减信息和调整分数中的至少一个。
[0019]可选地，所述还包括:
[0020]接受用户对于基于所述调整信息调整后的向用户推荐的项目的反馈；
[0021]基于所述反馈，修正调整信息的产生。
[0022]可选地，所述修正调整信息的产生包括修正以下中的至少一项:
[0023]第二项目与第一项目的相关度；
[0024]第二项目与第一项目的相关度、第一项目的兴趣行为的种类、频率、持续时间中至少一项在产生调整信息中的重要性。
[0025]可选地，所述还包括:将调整后的向用户推荐的项目与未调整的向用户推荐的项目不同地推荐给用户。
[0026]根据本发明的另一个方面，还提供了一种用户移动端个性化推荐的及时反馈优化的装置。其中，该装置包括:
[0027]获取单元，被配置为获取用户对于向用户推荐的项目的兴趣行为的历史；
[0028]产生单元，被配置为基于所述兴趣行为的历史，产生向用户推荐的项目的调整信息；
[0029]调整单元，被配置为基于所述调整信息调整向用户推荐的项目。
[0030]可选地，所述兴趣行为包括以下中的至少一项:点击、浏览、停留、最终选择。
[0031]可选地，所述产生单元被配置为:
[0032]如果用户历史上对于向用户推荐的第一项目发生过兴趣行为，则产生与第一项目相关的第二项目的调整信息。
[0033]可选地，所述如果满足以下条件中的至少一项，则第二项目与第一项目相关:
[0034]第二项目是第一项目的配套项目；
[0035]第二项目是第一项目的同类项目；
[0036]第二项目是从用户兴趣行为的历史统计出的经常与第一项目伴随的项目。
[0037]可选地，所述与第一项目相关的第二项目的调整信息基于以下中的至少一项产生:第二项目与第一项目的相关度、第一项目的兴趣行为的种类、频率、持续时间。
[0038]可选地，所述基于所述调整信息调整向用户推荐的项目包括以下中的至少一项:将项目由向用户推荐调整为不向用户推荐、将项目由不向用户推荐调整为向用户推荐、调整向用户推荐的显示位置。
[0039]可选地，所述调整信息包括显示位置增减信息和调整分数中的至少一个。
[0040]可选地，所述还包括:
[0041]接受单元，被配置为接受用户对于基于所述调整信息调整后的向用户推荐的项目的反馈；
[0042]修正单元，被配置为基于所述反馈，修正调整信息的产生。
[0043]可选地，所述修正单元被配置为修正以下中的至少一项:
[0044]第二项目与第一项目的相关度；
[0045]第二项目与第一项目的相关度、第一项目的兴趣行为的种类、频率、持续时间中至少一项在产生调整信息中的重要性。
[0046]可选地，所述还包括:推荐单元，被配置为将调整后的向用户推荐的项目与未调整的向用户推荐的项目不同地推荐给用户。
[0047]根据本发明的另一方面的一个实施例，还提供了一种移动终端设备，包括前述向用户推荐的项目的装置。
[0048]与现有技术相比，本发明具有以下优点:1)根据用户的行为即时调整推荐结果，提高推荐准确率。例如:在推荐中我们根据用户的点击、浏览、停留时长、购买…等行为判断用户对被推荐物的喜好程度，不同的行为被赋予特定的权重值代表不同的喜好；2)通过用户的反馈机制与反馈机制的调稳，调整推荐结果，并预估合理的推荐结果，给用户即时调整的结果，反馈机制的调稳使得根据即时反馈对原有推荐的影响趋于稳定，以免异常调动给用户带来的困扰，使得即时反馈整体收益最大。
[0049]本领域普通技术人员将了解，虽然下面的详细说明将参考图示实施例、附图进行，但本发明并不仅限于这些实施例。而是，本发明的范围是广泛的，且意在仅通过后附的权利要求限定本发明的范围。
【专利附图】
【附图说明】
[0050]通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显:
[0051]图1示出根据本发明一个实施例的个性化推荐的及时反馈优化的示意性框图；
[0052]图2示出了根据本发明另一个实施例的个性化推荐的及时反馈优化的示意图；
[0053]图3示出了根据本发明另一个实施例的个性化推荐的及时反馈优化的示意图；
[0054]图4示出了根据本发明一个实施例的个性化推荐的及时反馈优化向用户推荐项目的装置的框图；
[0055]图5示出了根据本发明另一个实施例的个性化推荐的及时反馈优化向用户推荐项目的装置的框图；
[0056]图6示出了根据本发明的另一个实施例的个性化推荐的及时反馈优化向用户推荐项目的装置的框图；
[0057]附图中相同或相似的附图标记代表相同或相似的部件。
【具体实施方式】
[0058]下面结合附图对本发明作进一步详细描述。
[0059]图1示出了根据本发明一个方面的用户移动端个性化推荐的及时反馈优化方法的流程图。其中本发明的方法主要通过移动端的操作系统来完成，其中，该移动端操作系统包括但不限于1s和android等；目前体现在移动终端上的百度发现频道。
[0060]项目是指抽象的或具体的实体，包括以下中的至少一个:信息、物品、服务等。
[0061]在项目是信息的情况下，向用户推荐项目例如向用户推荐生活小常识、地理名胜介绍等实用信息。在本发明考虑向用户推荐的项目的兴趣行为的历史来推荐项目的背景下，例如，当用户早上起来在家时，且用户查询过天气预报时，可以向用户推荐天气预报。当用户走到XX书店附近、且用户是一位学生时，而且用户浏览过XX书店时，向用户推荐信息“附近有XX书店，要不要进去逛一逛？ ”。
[0062]在项目是物品的情况下，向用户推荐项目指向用户推荐用户可能会需要的物品。在本发明考虑向用户推荐的项目的兴趣行为的历史来推荐项目的背景下，例如，用户旅游到了亚布力，且用户浏览过有关去亚布力旅游的信息，可以向用户推荐滑雪用品。如果用户是老年人且正在泰山附近，且用户浏览过有关泰山的信息，可以向用户推荐登山杖。如果用户是电子产品爱好者且当前是周末，且用户浏览过电子产品，可以向用户推荐新出的手机、电脑等。
[0063]在项目是服务的情况下，向用户推荐项目指向用户推荐用户可能会需要的服务。在本发明考虑向用户推荐的项目的兴趣行为的历史来推荐项目的背景下，例如，用户在妇产医院且用户刚生了小孩，且用户浏览过妊娠方面的信息，可以向用户推荐保姆等服务。用户从学校出来且已经晚上10点了，且用户经常打出租车回家，可以向用户推荐租车服务坐寸。
[0064]具体的，在步骤S11中，所述推荐装置获取用户对于向用户推荐的项目的兴趣行为的历史。
[0065]具体的，我们根据用户的点击、浏览、停留时长、购买…等行为判断用户对被推荐物的喜好程度，不同的行为被赋予不同的权重值代表不同的喜好。
[0066]用户对推荐项目的各种操作一般都可以留下记录，所述操作信息即用户在操作各推荐项目时所产生的记录信息，对于一个推荐项目来讲，该推荐项目的操作信息可以记录下用户对该推荐项目进行了何种兴趣行为。
[0067]其中，所述兴趣行为包括但不限于以下至少一项:
[0068]1)点击，指向用户推荐了项目的链接后，用户点开了链接。
[0069]2)浏览，指用户点开了链接后阅读该项目的内容。如果用户点开了项目的链接后再很短时间内推出，可以认为用户没有浏览。
[0070]3)停留，指用户在点开的网页停留。用户在点开的网页停留时间越长，代表用户对该项目更感兴趣。
[0071]4)最终选择。在向用户推荐的项目是信息时，如果用户选择收藏，则认为用户作出了最终选择。在向用户推荐的项目是物品或服务时，如果用户选择购买，可以认为用户作出了最终选择。
[0072]需要说明的是，点击、浏览、停留、最终选择等兴趣行为可以从站内获得也可以从站外获得，处理不同的站外行为的方式也与前述处理不同的站外行为的方式也是基本一致的。
[0073]从站外行为中获得用户信息与从站内行为获得用户信息的区别在于，由于站内行为是用户在用户终端上打开与本发明功能相关的应用后的行为，因此都记录在本发明实施例的推荐装置中，而站外行为是用户在浏览其它应用或其它网站时的行为，需要通过从用户终端的cookie或其它应用的使用记录中爬取。
[0074]应当注意，上述举例仅是为了更好地说明本发明的技术方案，而非对本发明的限制。本领域技术人员应当理解，任何用户在使用与本发明功能相关的应用时对于曾经推荐给用户的项目的反应，均包含在本发明站内行为的范围内。
[0075]需要说明的是，上述兴趣行为之间并不一定是等价关系，例如:最终选择的项目比停留的项目更受用户的喜爱。浏览的项目比点击的项目更受用户的喜爱，对于上述不同的兴趣行为可以赋予不同的权重值来表示用户对被推荐项目的喜爱程度。
[0076]接着，在步骤S12中，所述推送装置基于所述兴趣行为的历史，产生向用户推荐的项目的调整信息。
[0077]用户对推荐项目的各种兴趣行为在一定程度体现了用户的喜好或关注点，所以获取到了兴趣行为之后，便可以根据兴趣行为生成推荐信息。生成推荐项目的具体过程可以视场景而定，本实施例并不进行限制。
[0078]其中，所述产生向用户推荐的项目的调整信息包括:
[0079]如果用户历史上对于向用户推荐的第一项目发生过兴趣行为，则产生与第一项目相关的第二项目的调整信息。
[0080]其中如果满足以下条件中的至少一项，则第二项目与第一项目相关:
[0081]a)第二项目是第一项目的配套项目；
[0082]b)第二项目是第一项目的同类项目；
[0083]c)第二项目是从用户兴趣行为的历史统计出的经常与第一项目伴随的项目。
[0084]其中与第一项目相关的第二项目的调整信息基于以下中的至少一项产生:
[0085]a)第二项目与第一项目的相关度；
[0086]b)第一项目的兴趣行为的种类、频率、持续时间。
[0087]可通过创建一个合理的协议规则，对数据进行标准化处理，获取所关联的项目的推荐度。
[0088]在本实施例中，兴趣行为的历史，可直接标准化为数字型数据，如1、2、3等；或者为一定范围的数字，如1至5的评分，1至100的满意度等。对数据进行标准化处理，有利于后续流程的执行。
[0089]例如:在本实施例中，所述兴趣行为可以包括一个或多个属性，那么所述获取所关联项目的推荐度，可以包括:
[0090]a)获取所述兴趣行为各属性的权重；
[0091]b)根据所述操作信息中各属性的权重计算获得所关联项目的推荐度。
[0092]第二项目与第一项目的相关度、第一项目的兴趣行为的种类、频率、持续时间，可设置相关度占权重20 %、兴趣行为的种类占20 %、频率占30 %，持续时间占30 %。当然也可以都设置为25%或其他数值。然后根据这些属性各自的权重计算出每个项目的推荐度数值。为此，在排序之前还可以先做一些过滤工作，如推荐度值过低的可以不再推荐。举例来说，用户近期买了一台戴尔笔记本电脑，那么便可以根据兴趣行为中记录下来的信息等获取到相关的项目，在某些情况下，可设置相关度占权重20%、兴趣行为的种类占20%、频率占30%，持续时间占30%。然后根据这些属性各自的权重计算出每个项目的推荐度数值。进一步分析可能得到相关的配件项目，如“鼠标”、“鼠标垫”等；也可能根据操作信息中记录下来的名称获取相似的项目，如“苹果笔记本电脑”。当然也可能获得如“电视机”等既非相关也非相似的项目。故某种程度上可以认为用户喜欢该推荐项目，所以可以选择将其推荐排名上升几个等级，作为推荐的对象。
[0093]应当注意，上述举例仅是为了更好地说明本发明的技术方案，而非对本发明的限制。本领域技术人员应当理解，任何其它从用户兴趣行为中获得调整信息的方式，均包含在本发明根据用户兴趣行为调整推荐信息的范围内。
[0094]接着，在步骤S13中，所述推送装置基于所述调整信息调整向用户推荐的项目。
[0095]其中基于所述调整信息调整向用户推荐的项目包括以下中的至少一项:
[0096]a)将项目由向用户推荐调整为不向用户推荐；
[0097]b)将项目由不向用户推荐调整为向用户推荐；
[0098]c)调整向用户推荐的显示位置。
[0099]其中所述调整信息包括显示位置增减信息和调整分数中的至少一个。
[0100]具体地说，调整向用户推荐的显示位置。以下的至少一种方式来实现:
[0101]a)将所有确定向用户推荐的候选推荐项目按照匹配分数排序，匹配分数越高的显示在越前面。
[0102]b)将所有确定向用户推荐的候选推荐项目按照匹配等级数排序，匹配等级数越低的显示在越前面。
[0103]c)将所有确定向用户推荐的候选推荐项目按照匹配分数排序，匹配分数越高的越加重显示，加重显示包括但不限于加大字体、提高字体的黑度、变换字体的颜色中的至少一项。
[0104]d)将所有确定向用户推荐的候选推荐项目按照匹配等级数排序，匹配等级数越低的越加重显示，加重显示包括但不限于加大字体、提高字体的黑度、变换字体的颜色中的至少一项。
[0105]候选推荐项目是指作为候选为用户推荐的信息、物品、服务等。在某一时刻，候选推荐项目在推荐装置端可能对所有的用户是相同的，例如推荐装置端有4000个信息、4000个物品、2000项服务，因此对所有用户都有10000个候选推荐项目。但是，由于每个用户兴趣行为不同，推荐给每个用户的最终推荐的项目可能又是不同的。例如，考虑了用户A的兴趣行为，可能最终给用户A推荐了 5个项目；考虑了用户B的兴趣行为，可能最终给用户B推荐了 8个项目。
[0106]当然，也有另一种做法，就是将所有候选推荐项目都向所有用户推荐，但推荐项目的显示位置不同，这样，尽管每个用户都能接受到所有候选推荐项目，但基于每个用户各自的兴趣行为历史，确定每个候选推荐项目对于该用户来说的推荐强烈度，对每个用户按照各候选推荐项目的推荐强烈度给各候选推荐项目排序，这样用户最先看到的仍然是哪些强烈推荐给其的候选推荐条目。
[0107]例如，如果候选推荐项目的名称是“打印机”，用户的兴趣行为主要发生在“打印机、计算机、手机”项目上，则相关分数为5或相关等级为一级，则调整上述项目的显示位置和调整分数中的至少一个，由不向用户推荐调整为向用户推荐。如果候选推荐项目的名称是“帽子”，用户的兴趣行为主要发生在是“打印机、计算机、手机”，则相关分数为0或相关等级为五级，则调整上述项目的显示位置和调整分数中的至少一个，由向用户推荐调整为不向用户推荐。
[0108]需要说明的是，上述举例仅为更好地说明本发明的技术方案，而非对本发明的限制，本领域技术人员应该理解，任何基于所述调整信息调整向用户推荐的项目。均应包含在本发明的范围内。
[0109]本公开实施例以获取用户兴趣行为产生推荐项目的方式生成推荐信息，从而可以针对不同用户进行个性化推荐，提高了推荐项目的效率和准确度，减少了时间的浪费，此外也满足了用户对未知项目进行发现的潜在需求，改善了用户体验。
[0110]图2示出了本发明一个优选实施例的用于机器实现的调整向用户推荐的项目的方法的流程图。在上一实施例中，所采用的办法是获取用户兴趣行为产生调整信息调整向用户推荐的项目。其可以看成是一种针对不同用户进行的个性化推荐。而在本实施例中，不仅对用户行为进行识别，还将对用户的推荐项目进行反馈。具体的，根据第一步的分析，调整推荐结果，并预估合理的推荐结果，给用户即时调整的结果。
[0111]具体的，步骤S11已在图1所示的实施例中予以详述，并以引用的方式包含于此，不再赘述。
[0112]接着，在步骤S12已在图1所示的实施例中予以详述，并以引用的方式包含于此，不再赘述。
[0113]接着，在步骤S13已在图1所示的实施例中予以详述，并以引用的方式包含于此，不再赘述。
[0114]接着，在步骤S14中，所述接受用户对于基于所述调整信息调整后的向用户推荐的项目的反馈；
[0115]具体的，根据上述对用户行为的分析，调整推荐结果，并预估合理的推荐结果，给用户即时调整的结果。
[0116]基于所述反馈，修正调整信息的产生。
[0117]其中，所述修正调整信息的产生包括修正以下中的至少一项:
[0118]a)第二项目与第一项目的相关度；
[0119]将第二项目与第一项目的信息进行比较，从而获得相关度。
[0120]相关度可以通过以下方式进行:
[0121]获得第二项目的每一维与候选推荐项目的相应维的相关分数和/或相关等级，再求所有维的相关分数和/或相关等级的统计值。
[0122]例如:对于第二项目的某一维是字符串变量，第一项的相应维也是字符串变量的情况，根据字符串变量之间是否完全一样、字符串之间的含义相似度、或字符串的实际距离确定相关分数和/或相关等级。
[0123]所有维的相关分数和/或相关等级的统计值包括但不限于以下中的至少一项:
[0124]A)所有维的相关分数和/或相关等级的平均值；
[0125]B)所有维的相关分数和/或相关等级的加权平均值；
[0126]C)所有维的相关分数和/或相关等级的和；
[0127]D)所有维的相关分数和/或相关等级的加权和；
[0128]E)所有维的相关分数和/或相关等级的平方和；
[0129]F)所有维的相关分数和/或相关等级的加权平方和。
[0130]应当注意，上述举例仅是为了更好地说明本发明的技术方案，而非对本发明的限制。本领域技术人员应当理解，其它除上述六种情况的统计值，也包含在本发明统计值的范围内。
[0131]b)第二项目与第一项目的相关度、第一项目的兴趣行为的种类、频率、持续时间中至少一项在产生调整信息中的重要性。
[0132]例如，用户近期买了一台戴尔笔记本电脑，那么便可以根据兴趣行为中记录下来的名称等获取到相关的配件，如配件“鼠标”、“鼠标垫”等，也可以根据操作信息中记录下来的名称获取相似的项目，如“苹果笔记本电脑”。从而获得更多的关联项目。在某些情况下，进一步分析可知兴趣行为中记录的用户对鼠标的点击量为1次，则通过点击量对其排名进行修正，故某种程度上可以认为用户并不喜欢该推荐项目，所以也可以选择将其推荐排名降几个等级，不作为推荐的对象。又在某种情况下，进一步分析可知兴趣行为中记录的用户对音响的点击量为10次，则通过点击量对其排名进行修正，故某种程度上可以认为用户喜欢该项目，所以可以将该项目从向用户推荐的较低位置调整增加几个等级到向用户推荐的较高位置。
[0133]需要说明的是，上述举例仅为更好地说明本发明的技术方案，而非对本发明的限制，本领域技术人员应该理解，任何基于所述调整信息调整向用户推荐的项目。均应包含在本发明推荐项目的范围内。
[0134]本公开实施例以获取用户兴趣行为产生推荐项目的方式生成推荐信息并即时对用户的行为进行反馈，从而可以针对不同用户进行个性化推荐，提高了推荐项目的效率和准确度，减少了时间的浪费，此外也满足了用户对未知项目进行发现的潜在需求，改善了用户体验。
[0135]图3示出了本发明一个优选实施例的用于机器实现的调整向用户推荐的项目的方法的流程图。在上一实施例中，所采用的办法是对用户行为进行识别后进行用户行为的反馈。其可以看成是一种针对不同用户进行的个性化推荐及即时调整。而在本实施例中，不仅对用户行为进行反馈，还将调整后的向用户推荐的项目与未调整的向用户推荐的项目不同地推荐给用户。具体的，根据第一二步的循环执行，使得根据即时反馈对原有推荐的影响趋于稳定，以免异常调动给用户带来的困扰，使得即时反馈整体收益最大。
[0136]作为优选方案之一,参照图1和图2所示的实施例还包括步骤S15。如图3所示。
[0137]具体的，步骤S11已在图1所示的实施例中予以详述，并以引用的方式包含于此，不再赘述。
[0138]接着，在步骤S12已在图1所示的实施例中予以详述，并以引用的方式包含于此，不再赘述。
[0139]接着，在步骤S13已在图1所示的实施例中予以详述，并以引用的方式包含于此，不再赘述。
[0140]接着，在步骤S14已在图2所示的实施例中予以详述，并以引用的方式包含于此，不再赘述。
[0141]接着，在步骤S15中，将调整后的向用户推荐的项目与未调整的向用户推荐的项目不同地推荐给用户。
[0142]具体的，根据对用户行为的识别和反馈的循环执行，使得根据即时反馈对原有推荐的影响趋于稳定，以免异常调动给用户带来困扰，使得即时反馈整体收益最大。
[0143]需要说明的是，上述举例仅为更好地说明本发明的技术方案，而非对本发明的限制，本领域技术人员应该理解，任何基于所述调整信息调整向用户推荐的项目。均应包含在本发明的范围内。
[0144]本公开实施例以获取用户兴趣行为产生推荐项目的方式生成推荐信息并即时对用户的行为进行反馈，从而可以针对不同用户进行个性化推荐，提高了推荐项目的效率和准确度，减少了时间的浪费，此外也满足了用户对未知项目进行发现的潜在需求，改善了用户体验。
[0145]图4为本公开实施例提供的一种用户移动端个性化推荐的及时反馈优化装置的结构示意图。参见图4,所述装置包括:获取单元401、产生单元402、调整单元403 ；
[0146]获取单元401被配置为获取用户对于向用户推荐的项目的兴趣行为的历史；产生单元402与获取单元401相连，产生单元402被配置为基于所述兴趣行为的历史，产生向用户推荐的项目的调整信息；调整单元403与产生单元402相连，调整单元403，被配置为基于所述调整信息调整向用户推荐的项目。
[0147]项目是指抽象的或具体的实体，包括以下中的至少一个:信息、物品、服务等。
[0148]在项目是信息的情况下，向用户推荐项目例如向用户推荐生活小常识、地理名胜介绍等实用信息。在本发明考虑向用户推荐的项目的兴趣行为的历史来推荐项目的背景下，例如，当用户早上起来在家时，且用户查询过天气预报时，可以向用户推荐天气预报。当用户走到XX书店附近、且用户是一位学生时，而且用户浏览过XX书店时，向用户推荐信息“附近有XX书店，要不要进去逛一逛？ ”。
[0149]在项目是物品的情况下，向用户推荐项目指向用户推荐用户可能会需要的物品。在本发明考虑向用户推荐的项目的兴趣行为的历史来推荐项目的背景下，例如，用户旅游到了亚布力，且用户浏览过有关去亚布力旅游的信息，可以向用户推荐滑雪用品。如果用户是老年人且正在泰山附近，且用户浏览过有关泰山的信息，可以向用户推荐登山杖。如果用户是电子产品爱好者且当前是周末，且用户浏览过电子产品，可以向用户推荐新出的手机、电脑等。
[0150]在项目是服务的情况下，向用户推荐项目指向用户推荐用户可能会需要的服务。在本发明考虑向用户推荐的项目的兴趣行为的历史来推荐项目的背景下，例如，用户在妇产医院且用户刚生了小孩，且用户浏览过妊娠方面的信息，可以向用户推荐保姆等服务。用户从学校出来且已经晚上10点了，且用户经常打出租车回家，可以向用户推荐租车服务坐寸。
[0151]具体的，所述获取单元401被配置为获取用户对于向用户推荐的项目的兴趣行为的历史。
[0152]其中，所述兴趣行为包括但不限于以下至少一项:
[0153]1)点击，指向用户推荐了项目的链接后，用户点开了链接。
[0154]2)浏览，指用户点开了链接后阅读该项目的内容。如果用户点开了项目的链接后再很短时间内推出，可以认为用户没有浏览。
[0155]3)停留，指用户在点开的网页停留。用户在点开的网页停留时间越长，代表用户对该项目更感兴趣。
[0156]4)最终选择。在向用户推荐的项目是信息时，如果用户选择收藏，则认为用户作出了最终选择。在向用户推荐的项目是物品或服务时，如果用户选择购买，可以认为用户作出了最终选择。
[0157]需要说明的是，点击、浏览、停留、最终选择等兴趣行为可以从站内获得也可以从站外获得，处理不同的站外行为的方式也与前述处理不同的站外行为的方式也是基本一致的。
[0158]从站外行为中获得用户信息与从站内行为获得用户信息的区别在于，由于站内行为是用户在用户终端上打开与本发明功能相关的应用后的行为，因此都记录在本发明实施例的推荐装置中，而站外行为是用户在浏览其它应用或其它网站时的行为，需要通过从用户终端的cookie或其它应用的使用记录中爬取。
[0159]应当注意，上述举例仅是为了更好地说明本发明的技术方案，而非对本发明的限制。本领域技术人员应当理解，任何用户在使用与本发明功能相关的应用时对于曾经推荐给用户的项目的反应，均包含在本发明站内行为的范围内。
[0160]需要说明的是，上述兴趣行为之间并不一定是等价关系，例如:最终选择的项目比停留的项目更受用户的喜爱。浏览的项目比点击的项目更受用户的喜爱，对于上述不同的兴趣行为可以赋予不同的权重值来表示用户对被推荐项目的喜爱程度。
[0161]接着，所述产生单元402被配置为被配置为基于所述兴趣行为的历史，产生向用户推荐的项目的调整信息。
[0162]具体的，所述产生单元402被配置为如果用户历史上对于向用户推荐的第一项目发生过兴趣行为，则产生与第一项目相关的第二项目的调整信息。
[0163]其中，如果满足以下条件中的至少一项，则第二项目与第一项目相关:
[0164]第二项目是第一项目的配套项目；
[0165]第二项目是第一项目的同类项目；
[0166]第二项目是从用户兴趣行为的历史统计出的经常与第一项目伴随的项目。
[0167]其中与第一项目相关的第二项目的调整信息基于以下中的至少一项产生:
[0168]a)第二项目与第一项目的相关度；
[0169]b)第一项目的兴趣行为的种类、频率、持续时间。
[0170]可通过创建一个合理的协议规则，对数据进行标准化处理，获取所关联的项目的推荐度。
[0171]在本实施例中，兴趣行为的历史，可直接标准化为数字型数据，如1、2、3等；或者为一定范围的数字，如1至5的评分，1至100的满意度等。对数据进行标准化处理，有利于后续流程的执行。
[0172]在本实施例中，所述兴趣行为可以包括一个或多个属性，那么所述获取所关联项目的推荐度，可以包括:
[0173]a)获取所述兴趣行为各属性的权重；
[0174]b)根据所述操作信息中各属性的权重计算获得所关联项目的推荐度。
[0175]例如，第二项目与第一项目的相关度、第一项目的兴趣行为的种类、频率、持续时间，可设置相关度占权重20 %、兴趣行为的种类占20 %、频率占30 %，持续时间占30 %。当然也可以都设置为25%或其他数值。然后根据这些属性各自的权重计算出每个项目的推荐度数值。为此，在排序之前还可以先做一些过滤工作，如推荐度值过低的可以不再推荐。举例来说，用户近期买了一台戴尔笔记本电脑，那么便可以根据兴趣行为中记录下来的信息等获取到相关的项目，在某些情况下，可设置相关度占权重20%、兴趣行为的种类占20%、频率占30%，持续时间占30%。然后根据这些属性各自的权重计算出每个项目的推荐度数值。进一步分析可能得到相关的配件项目，如“鼠标”、“鼠标垫”等，也可能根据操作信息中记录下来的名称获取相似的项目，如“苹果笔记本电脑”。当然也可能获得如“电视机”等既非相关也非相似的项目。故某种程度上可以认为用户喜欢该推荐项目，所以可以选择将其推荐排名上升几个等级，作为推荐的对象。
[0176]需要说明的是，上述举例仅为更好地说明本发明的技术方案，而非对本发明的限制，本领域技术人员应该理解，任何根据兴趣行为产生的向用户推荐的项目的调整信息，均应包含在本发明的范围内。
[0177]接着，所述调整单元403，被配置为基于所述调整信息调整向用户推荐的项目。
[0178]其中基于所述调整信息调整向用户推荐的项目包括以下中的至少一项:
[0179]a)将项目由向用户推荐调整为不向用户推荐；
[0180]b)将项目由不向用户推荐调整为向用户推荐；
[0181]c)调整向用户推荐的显示位置。
[0182]其中所述调整信息包括显示位置增减信息和调整分数中的至少一个。
[0183]具体地说，调整向用户推荐的显示位置。以下的至少一种方式来实现:
[0184]a)将所有确定向用户推荐的候选推荐项目按照匹配分数排序，匹配分数越高的显示在越前面。
[0185]b)将所有确定向用户推荐的候选推荐项目按照匹配等级数排序，匹配等级数越低的显示在越前面。
[0186]c)将所有确定向用户推荐的候选推荐项目按照匹配分数排序，匹配分数越高的越加重显示，加重显示包括但不限于加大字体、提高字体的黑度、变换字体的颜色中的至少一项。
[0187]d)将所有确定向用户推荐的候选推荐项目按照匹配等级数排序，匹配等级数越低的越加重显示，加重显示包括但不限于加大字体、提高字体的黑度、变换字体的颜色中的至少一项。
[0188]候选推荐项目是指作为候选为用户推荐的信息、物品、服务等。在某一时刻，候选推荐项目在推荐装置端可能对所有的用户是相同的，例如推荐装置端有4000个信息、4000个物品、2000项服务，因此对所有用户都有10000个候选推荐项目。但是，由于每个用户兴趣行为不同，推荐给每个用户的最终推荐的项目可能又是不同的。例如，考虑了用户A的兴趣行为，可能最终给用户A推荐了 5个项目；考虑了用户B的兴趣行为，可能最终给用户B推荐了 8个项目。
[0189]当然，也有另一种做法，就是将所有候选推荐项目都向所有用户推荐，但推荐项目的显示位置不同，这样，尽管每个用户都能接受到所有候选推荐项目，但基于每个用户各自的兴趣行为历史，确定每个候选推荐项目对于该用户来说的推荐强烈度，对每个用户按照各候选推荐项目的推荐强烈度给各候选推荐项目排序，这样用户最先看到的仍然是哪些强烈推荐给其的候选推荐条目。
[0190]例如，如果候选推荐项目的名称是“打印机”，用户的兴趣行为主要发生在“打印机、计算机、手机”项目上，则相关分数为5或相关等级为一级，则调整上述项目的显示位置和调整分数中的至少一个，由不向用户推荐调整为向用户推荐。如果候选推荐项目的名称是“帽子”，用户的兴趣行为主要发生在是“打印机、计算机、手机”，则相关分数为0或相关等级为五级，则调整上述项目的显示位置和调整分数中的至少一个，由向用户推荐调整为不向用户推荐。
[0191]需要说明的是，上述举例仅为更好地说明本发明的技术方案，而非对本发明的限制，本领域技术人员应该理解，任何基于所述调整信息调整向用户推荐的项目。均应包含在本发明的范围内。
[0192]对于装置实施例而言，由于其基本对应于方法实施例，所以相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的，可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。
[0193]本公开实施例以获取用户兴趣行为产生推荐项目的方式生成推荐信息，从而可以针对不同用户进行个性化推荐，提高了推荐项目的效率和准确度，减少了时间的浪费，此外也满足了用户对未知项目进行发现的潜在需求，改善了用户体验。
[0194]图5示出了本发明另一个优选实施例的一种用户移动端个性化推荐的及时反馈优化装置的结构示意图。参见图5，所述装置包括:获取单元401、产生单元402、调整单元403、接受单元404、修正单元405 ；
[0195]获取单元401被配置为获取用户对于向用户推荐的项目的兴趣行为的历史；产生单元402与获取单元401相连，产生单元402被配置为基于所述兴趣行为的历史，产生向用户推荐的项目的调整信息；调整单元403与产生单元402相连，调整单元403，被配置为基于所述调整信息调整向用户推荐的项目；接受单元404，被配置为接受用户对于基于所述调整信息调整后的向用户推荐的项目的反馈；修正单元405，被配置为基于所述反馈，修正调整信息的产生。
[0196]其中，获取单元401、产生单元402、调整单元403、已在图4所示的实施例中予以详述，以引用的方式包含于此，不再赘述。
[0197]所述接受单元404，被配置为接受用户对于基于所述调整信息调整后的向用户推荐的项目的反馈；
[0198]所述修正单元405，被配置为基于所述反馈，修正调整信息的产生。
[0199]其中，所述修正调整信息的产生包括修正以下中的至少一项:
[0200]a)第二项目与第一项目的相关度；
[0201]将第二项目与第一项目的信息进行比较，从而获得相关度。
[0202]相关度可以通过以下中的至少一项进行:
[0203]1)获得第二项目的每一维与候选推荐项目的相应维的相关分数和/或相关等级，再求所有维的相关分数和/或相关等级的统计值。
[0204]例如:对于第二项目的某一维是字符串变量，第一项目的相应维也是字符串变量的情况，根据字符串变量之间是否完全一样、字符串之间的含义相似度、或字符串的实际距离确定相关分数和/或相关等级。
[0205]所有维的相关分数和/或相关等级的统计值包括但不限于以下中的至少一项:
[0206]A)所有维的相关分数和/或相关等级的平均值；
[0207]B)所有维的相关分数和/或相关等级的加权平均值；
[0208]C)所有维的相关分数和/或相关等级的和；
[0209]D)所有维的相关分数和/或相关等级的加权和；
[0210]E)所有维的相关分数和/或相关等级的平方和；
[0211]F)所有维的相关分数和/或相关等级的加权平方和。
[0212]应当注意，上述举例仅是为了更好地说明本发明的技术方案，而非对本发明的限制。本领域技术人员应当理解，其它除上述六种情况的统计值，也包含在本发明统计值的范围内。
[0213]b)第二项目与第一项目的相关度、第一项目的兴趣行为的种类、频率、持续时间中至少一项在产生调整信息中的重要性。
[0214]例如，用户近期买了一台戴尔笔记本电脑，那么便可以根据兴趣行为中记录下来的名称等获取到相关的配件，如配件“鼠标”、“鼠标垫”等，也可以根据操作信息中记录下来的名称获取相似的项目，如“苹果笔记本电脑”。从而获得更多的关联项目。在某些情况下，进一步分析可知兴趣行为中记录的用户对鼠标的点击量为1次，故某种程度上可以认为用户并不喜欢该推荐项目，则通过点击量对其排名进行修正，所以可以选择将其推荐排名降几个等级，不作为推荐的对象。又在某种情况下，进一步分析可知兴趣行为中记录的用户对音响的点击量为10次，故某种程度上可以认为用户喜欢该项目，则通过点击量对其排名进行修正，所以可以将该项目从向用户推荐的较低位置调整增加几个等级到向用户推荐的较高位置。
[0215]需要说明的是，上述举例仅为更好地说明本发明的技术方案，而非对本发明的限制，本领域技术人员应该理解，任何基于所述调整信息调整向用户推荐的项目。均应包含在本发明推荐项目的范围内。
[0216]对于装置实施例而言，由于其基本对应于方法实施例，所以相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的，可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。
[0217]本公开实施例以获取用户兴趣行为产生推荐项目的方式生成推荐信息并即时对用户的行为进行反馈，从而可以针对不同用户进行个性化推荐，提高了推荐项目的效率和准确度，减少了时间的浪费，此外也满足了用户对未知项目进行发现的潜在需求，改善了用户体验。
[0218]图6示出了本发明另一个优选实施例的一种用户移动端个性化推荐的及时反馈优化装置的结构示意图。参见图6，所述装置包括:获取单元401、产生单元402、调整单元403、接受单元404、修正单元405、推荐单元406 ；
[0219]获取单元401被配置为获取用户对于向用户推荐的项目的兴趣行为的历史；产生单元402与获取单元401相连，产生单元402被配置为基于所述兴趣行为的历史，产生向用户推荐的项目的调整信息；调整单元403与产生单元402相连，调整单元403，被配置为基于所述调整信息调整向用户推荐的项目；接受单元404，被配置为接受用户对于基于所述调整信息调整后的向用户推荐的项目的反馈；修正单元405，被配置为基于所述反馈，修正调整信息的产生。推荐单元406，被配置为将调整后的向用户推荐的项目与未调整的向用户推荐的项目不同地推荐给用户。
[0220]其中，获取单元401、产生单元402、调整单元403、接受单元404、修正单元405已在图4、图5所示的实施例中予以详述，以引用的方式包含于此，不再赘述。
[0221]所述推荐单元406，被配置为将调整后的向用户推荐的项目与未调整的向用户推荐的项目不同地推荐给用户。
[0222]对于装置实施例而言，由于其基本对应于方法实施例，所以相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的，可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。
[0223]本公开实施例以获取用户兴趣行为产生推荐项目的方式生成推荐信息并即时对用户的行为进行反馈，从而可以针对不同用户进行个性化推荐，提高了推荐项目的效率和准确度，减少了时间的浪费，此外也满足了用户对未知项目进行发现的潜在需求，改善了用户体验。
【权利要求】
1.一种调整向用户推荐的项目的方法，包括: 获取用户对于向用户推荐的项目的兴趣行为的历史； 基于所述兴趣行为的历史，产生向用户推荐的项目的调整信息； 基于所述调整信息调整向用户推荐的项目。
2.根据权利要求1的方法，其中所述兴趣行为包括以下中的至少一项:点击、浏览、停留、最终选择。
3.根据权利要求1的方法，其中产生向用户推荐的项目的调整信息包括: 如果用户历史上对于向用户推荐的第一项目发生过兴趣行为，则产生与第一项目相关的第二项目的调整信息。
4.根据权利要求3的方法，其中如果满足以下条件中的至少一项，则第二项目与第一项目相关: 第二项目是第一项目的配套项目； 第二项目是第一项目的同类项目； 第二项目是从用户兴趣行为的历史统计出的经常与第一项目伴随的项目。
5.根据权利要求3的方法，其中与第一项目相关的第二项目的调整信息基于以下中的至少一项产生:第二项目与第一项目的相关度、第一项目的兴趣行为的种类、频率、持续时间。
6.根据权利要求1的方法，其中基于所述调整信息调整向用户推荐的项目包括以下中的至少一项:将项目由向用户推荐调整为不向用户推荐、将项目由不向用户推荐调整为向用户推荐、调整向用户推荐项目的显示位置。
7.根据权利要求1的方法，其中所述调整信息包括显示位置增减信息和调整分数中的至少一个。
8.根据权利要求3的方法，还包括: 接受用户对于基于所述调整信息调整后的向用户推荐的项目的反馈； 基于所述反馈，修正调整信息的产生。
9.根据权利要求8的方法，其中修正调整信息的产生包括修正以下中的至少一项: 第二项目与第一项目的相关度； 第二项目与第一项目的相关度、第一项目的兴趣行为的种类、频率、持续时间中至少一项在产生调整信息中的重要性。
10.根据权利要求1或8的方法，还包括:将调整后的向用户推荐的项目与未调整的向用户推荐的项目不同地推荐给用户。
11.一种调整向用户推荐的项目的装置，包括: 获取单元，被配置为获取用户对于向用户推荐的项目的兴趣行为的历史； 产生单元，被配置为基于所述兴趣行为的历史，产生向用户推荐的项目的调整信息； 调整单元，被配置为基于所述调整信息调整向用户推荐的项目。
12.根据权利要求11的装置，其中所述兴趣行为包括以下中的至少一项:点击、浏览、停留、最终选择。
13.根据权利要求11的装置，其中产生单元被配置为: 如果用户历史上对于向用户推荐的第一项目发生过兴趣行为，则产生与第一项目相关的第二项目的调整信息。
14.根据权利要求13的装置，其中如果满足以下条件中的至少一项，则第二项目与第一项目相关: 第二项目是第一项目的配套项目； 第二项目是第一项目的同类项目； 第二项目是从用户兴趣行为的历史统计出的经常与第一项目伴随的项目。
15.根据权利要求13的装置，其中与第一项目相关的第二项目的调整信息基于以下中的至少一项产生:第二项目与第一项目的相关度、第一项目的兴趣行为的种类、频率、持续时间。
16.根据权利要求11的装置，其中基于所述调整信息调整向用户推荐的项目包括以下中的至少一项:将项目由向用户推荐调整为不向用户推荐、将项目由不向用户推荐调整为向用户推荐、调整向用户推荐的显示位置。
17.根据权利要求11的装置，其中所述调整信息包括显示位置增减信息和调整分数中的至少一个。
18.根据权利要求13的装置，还包括: 接受单元，被配置为接受用户对于基于所述调整信息调整后的向用户推荐的项目的反馈； 修正单元，被配置为基于所述反馈，修正调整信息的产生。
19.根据权利要求18的装置，其中修正单元被配置为修正以下中的至少一项: 第二项目与第一项目的相关度； 第二项目与第一项目的相关度、第一项目的兴趣行为的种类、频率、持续时间中至少一项在产生调整信息中的重要性。
20.根据权利要求11或18的装置，还包括:推荐单元，被配置为将调整后的向用户推荐的项目与未调整的向用户推荐的项目不同地推荐给用户。
21.一种计算机设备，包括根据权利要求11-20中任一个的调整向用户推荐的项目的>j-U ρ?α装直。
【文档编号】G06F17/30GK104268155SQ201410443534
【公开日】2015年1月7日 申请日期:2014年9月2日 优先权日:2014年9月2日
【发明者】兰田, 黄平春, 苟剑飞 申请人:百度在线网络技术（北京）有限公司