一种基于交互事件的网页项目推荐方法和装置与流程

本申请涉及互联网技术领域，特别是涉及一种基于交互事件的网页项目推荐方法和一种基于交互事件的网页项目推荐装置。

背景技术：

随着互联网技术的不断发展，越来越多的用户在网页上浏览各种商品。

为了向用户推荐用户可能会感兴趣的网页项目，网站供应商会收集大量用户对各个商品的评价分，并通过协同过滤算法利用评价分计算出商品之间的相关度矩阵。针对某个用户，利用该用户曾经对部分商品作出的评价分，以及该部分商品与其他商品的相关度，计算出其他商品的推荐度并相应地推荐给该用户。

目前这种商品推荐方法存在三个问题：首先，在实际应用中，用户可能不想花费时间和精力提供商品的评价分，导致因为缺乏评价分而无法进行有效的商品推荐；其次，用户针对商品的评价分带有主观倾向，基于主观的评价分进行商品推荐，无法客观、准确地将符合用户兴趣的商品推荐给用户；最后，随着互联网中的商品的数据量不断增多，通过协同过滤算法进行商品推荐，会使得目前算法中的相关度矩阵的数据量急剧膨胀，导致服务器超储存、计算处理工作超负荷，甚至引起服务器崩溃。

技术实现要素：

鉴于上述问题，提出了本申请实施例以便提供一种克服上述问题或者至少部分地解决上述问题的一种基于交互事件的网页项目推荐方法和相应的一种基于交互事件的网页项目推荐装置。

为了解决上述问题，本申请公开了一种基于交互事件的网页项目推荐方法，包括：

根据多个用户针对网页项目的交互事件的交互信息，生成所述交互事件与所述交互事件中的目标交互事件的相关度；

针对当前用户的交互事件，根据所述交互事件与多个目标交互事件的相关度提取至少一个目标交互事件对应的目标网页项目；

将所述目标网页项目推荐给所述当前用户。

优选地，所述根据多个用户针对网页项目的交互事件的交互信息，生成所述交互事件与所述交互事件中的目标交互事件的相关度的步骤包括：

根据所述交互事件的事件属性生成所述交互事件的兴趣度分值；

根据所述交互事件的兴趣度分值计算所述交互事件与所述目标交互事件的相关度。

优选地，所述交互事件包括对网页项目的浏览事件、和/或收藏事件、和/或添加购物车事件、和/或购买事件，所述根据交互事件的事件属性生成所述交互事件的兴趣度分值的步骤包括：

以所述浏览事件、所述收藏事件、所述添加购物车事件、所述购买事件中的交互事件执行次数N与预置参数的乘积作为则所述交互事件的兴趣度分值为M。

优选地，所述根据交互事件的兴趣度分值计算所述交互事件与所述目标交互事件的相关度的步骤包括：

将同一用户的交互事件与目标交互事件组成事件对，并计算所述事件对中的交互事件和目标交互事件的兴趣度分值的乘积；

根据多个用户的相同的事件对中的交互事件的兴趣度分值、目标交互事件的兴趣度分值、以及交互事件与目标交互事件的兴趣度分值的乘积，计算所述事件对中的交互事件与交目标交互事件的相关度。

优选地，所述根据多个用户的相同的事件对中的交互事件的兴趣度分值、目标交互事件的兴趣度分值、以及交互事件与目标交互事件的兴趣度分值的乘积，计算所述事件对中的交互事件与交目标交互事件的相关度具体为：

针对多个用户的相同的事件对，计算相同的事件对中的交互事件的兴趣度分值的平方之和、目标交互事件的兴趣度分值的平方之和、以及交互事件和目标交互事件的兴趣度分值的乘积之和，并相应形成所述事件对中的交互 事件与目标交互事件分别对应的多维向量值；

计算所述多维向量值之间的余弦值并作为所述相关度。

优选地，所述根据所述交互事件的兴趣度分值计算所述交互事件与所述目标交互事件的相关度的步骤包括：

将同一用户的交互事件与目标交互事件组成事件对，并采用多个用户的相同的事件对中的交互事件与目标交互事件的兴趣度分值分别组成交互事件兴趣度分值集合与目标交互事件兴趣度分值集合；

计算所述交互事件兴趣度分值集合与所述目标交互事件兴趣度分值集合的杰卡德系数并作为所述相关度。

优选地，当所述当前用户发生了一个交互事件时，所述针对当前用户的交互事件，根据所述交互事件与多个目标交互事件的相关度提取至少一个目标交互事件对应的目标网页项目的步骤包括：

当捕捉到所述用户产生的一个交互事件，查找所述一个交互事件与多个目标交互事件的相关度；

提取相关度符合第一预设范围内的目标交互事件对应的网页项目作为目标网页项目。

优选地，当所述当前用户发生了多个交互事件时，所述针对当前用户的交互事件，根据所述交互事件与多个目标交互事件的相关度提取至少一个目标交互事件对应的目标网页项目的步骤包括：

针对各个目标交互事件，查找所述目标交互事件分别与多个交互事件的相关度；

根据所述目标交互事件分别与各个交互事件的相关度，计算标识所述目标交互事件与多个交互事件的相关性的推荐度；

提取推荐度符合第二预设范围内的目标交互事件对应的网页项目作为目标网页项目。

优选地，所述网页项目包括交易对象、和/或视频、和/或音频、和/或电子读物。

本申请还公开了一种基于交互事件的网页项目推荐装置，包括：

相关度生成模块，用于根据多个用户针对网页项目的交互事件的交互信息，生成所述交互事件与所述交互事件中的目标交互事件的相关度；

提取模块，用于针对当前用户的交互事件，根据所述交互事件与多个目标交互事件的相关度提取至少一个目标交互事件对应的目标网页项目；

推荐模块，用于将所述目标网页项目推荐给所述当前用户。

优选地，所述相关度生成模块包括：

兴趣度分值生成子模块，用于根据所述交互事件的事件属性生成所述交互事件的兴趣度分值；

相关度计算子模块，用于根据所述交互事件的兴趣度分值计算所述交互事件与所述目标交互事件的相关度。

优选地，所述交互事件包括对网页项目的浏览事件、和/或收藏事件、和/或添加购物车事件、和/或购买事件，所述兴趣度分值生成子模块包括：

兴趣度分值M生成子单元，用于以所述浏览事件、所述收藏事件、所述添加购物车事件、所述购买事件中的交互事件执行次数N与预置参数的乘积作为则所述交互事件的兴趣度分值为M。

优选地，所述相关度计算子模块包括：

事件对组成子单元，用于将同一用户的交互事件与目标交互事件组成事件对，并计算所述事件对中的交互事件和目标交互事件的兴趣度分值的乘积；

相关度计算子单元，用于根据多个用户的相同的事件对中的交互事件的兴趣度分值、目标交互事件的兴趣度分值、以及交互事件与目标交互事件的兴趣度分值的乘积，计算所述事件对中的交互事件与交目标交互事件的相关度。

优选地，所述相关度计算子单元具体用于：

针对多个用户的相同的事件对，计算相同的事件对中的交互事件的兴趣度分值的平方之和、目标交互事件的兴趣度分值的平方之和、以及交互事件和目标交互事件的兴趣度分值的乘积之和，并相应形成所述事件对中的交互 事件与目标交互事件分别对应的多维向量值；

计算所述多维向量值之间的余弦值并作为所述相关度。

优选地，所述相关度计算子模块包括：

兴趣度分值集合组成子单元，用于将同一用户的交互事件与目标交互事件组成事件对，并采用多个用户的相同的事件对中的交互事件与目标交互事件的兴趣度分值分别组成交互事件兴趣度分值集合与目标交互事件兴趣度分值集合；

杰卡德系数计算子单元，用于计算所述交互事件兴趣度分值集合与所述目标交互事件兴趣度分值集合的杰卡德系数并作为所述相关度。

优选地，当所述当前用户发生了一个交互事件时，所述提取模块包括：

第一相关度查找子模块，用于当捕捉到所述用户产生的一个交互事件，查找所述一个交互事件与多个目标交互事件的相关度；

第一提取子模块，用于提取相关度符合第一预设范围内的目标交互事件对应的网页项目作为目标网页项目。

优选地，当所述当前用户发生了多个交互事件时，所述提取模块包括：

第二相关度查找子模块，用于针对各个目标交互事件，查找所述目标交互事件分别与多个交互事件的相关度；

推荐度计算子模块，用于根据所述目标交互事件分别与各个交互事件的相关度，计算标识所述目标交互事件与多个交互事件的相关性的推荐度；

第二提取子模块，用于提取推荐度符合第二预设范围内的目标交互事件对应的网页项目作为目标网页项目。

优选地，所述网页项目包括交易对象、和/或视频、和/或音频、和/或电子读物。

本申请实施例包括以下优点：

本申请实施例基于用户对网页项目的交互事件进行相关度计算，避免了因为用户没有提供评价分而导致无法进行有效的网页项目推荐的问题；而且，采用针对网页项目的交互事件作为相关度计算的基础，可以客观、准确地将符合用户兴趣的网页项目推荐给用户；进一步，在相关 度计算中只计算目标交互事件与交互事件的相关度，减少了相关度计算中的数据量，节省了服务器的计算资源和存储资源。

附图说明

图1是本申请的一种基于交互事件的网页项目推荐方法实施例1的步骤流程图；

图2是本申请的一种基于交互事件的网页项目推荐方法实施例2的步骤流程图；

图3是本申请的一种基于交互事件的网页项目推荐装置实施例的结构框图；

图4是本申请实施例2利用Map Reduce计算目标交互事件与交互事件的相关度的流程图。

具体实施方式

为使本申请的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本申请作进一步详细的说明。

参照图1，示出了本申请的一种基于交互事件的网页项目推荐方法实施例1的步骤流程图，具体可以包括如下步骤：

步骤101，根据多个用户针对网页项目的交互事件的交互信息，生成所述交互事件与所述交互事件中的目标交互事件的相关度。

需要说明的是，上述的网页项目可以包括网页中的各种交易对象、视频、音频或电子读物等。用户通过不同的网页项目可以获取到相应的资讯或服务。

在实际应用场景中，用户会根据自己感兴趣的程度针对不同的网页项目产生不同的交互事件。例如，用户感兴趣于网页中的某个交易对象，会对该交易对象进行浏览的交互事件，可能经过多次的浏览后，用户对该交易对象的兴趣程度提升，并产生一个将交易对象收藏的交互事件、或者放置于网页提供的虚拟购物车的交互事件，最终用户对该交易对象相当有兴趣，甚至会 进行购买的交互事件。从上述的实际场景中可见，用户针对同一网页项目的不同交互事件可以反映出用户对该网页项目感兴趣的程度，因此，可以将网页项目与用户针对网页项目的交互行为结合在一起形成网页项目的交互事件。

同时，用户针对不同的网页项目的各个交互事件之间也会存在相关性。例如，同一用户对交易对象A进行了浏览的交互事件，对交易对象B进行了购买的交互事件，可以理解为，对交易对象A有一定兴趣并进行浏览的用户，也可能会对交易对象B产生相当强烈的兴趣，并最终进行了购买的交互事件。从该例子可以看出，网页项目的交互事件之间具有隐含的相关性，这种隐含的相关性可以反映出用户对不同的网页项目的兴趣程度是有关联的。

可以利用交互事件的交互信息将用户对网页项目的交互事件所反映出的感兴趣程度量化成具体的兴趣度分值M。上述的交互信息可以包括交互事件的交互事件类别、交互事件执行次数、交互事件发生时间和交互事件持续时间等之中的至少一种。例如，用户对网页项目A的浏览次数为3次，则网页项目A的浏览事件的兴趣度分值M为3。当然，本领域技术人员可以根据实际需要对不同的交互事件设置权重，以区分不同的交互事件的重要性。

可以利用具体的兴趣度分值将交互事件之间的相关性量化成相关度。具体操作中，可以采用大量用户的相同的两个交互事件的兴趣度分值分别构成两个兴趣度分值的多维向量，利用余弦值公式计算两个多维向量之间的余弦值，该余弦值即为两个交互事件之间的相关度。

当然，本领域技术人员也可以根据实际需要采用其他方式计算交互事件之间的相关度，例如，如果某个用户曾经执行过某个交互事件，则兴趣度分值可以定义为1，如果没有执行过，则兴趣度分值可以定义为0，采用大量用户的相同的两个交互事件的兴趣度分值分别构成两个兴趣度分值的多维向量，并计算两个多维向量之间的杰卡德系数，该杰卡德系数即为两个交互事之间的相关度。

然而，并非所有的交互事件之间的相关度都值得关注和计算，因为用户对网页项目的交互事件中，只有部分交互事件代表着用户对其有强烈的兴 趣，例如，购买的交互事件代表着用户对该网页项目的兴趣程度最为强烈，而浏览的交互事件可能只是用户简单地了解，浏览的网页项目并不符合用户的兴趣。网页项目推荐的目的是为了将最有可能引起用户兴趣、最符合用户兴趣的网页项目推荐给用户，因此，只需要关注交互事件中的目标交互事件，计算目标交互事件与其他交互事件的相关度即可。在具体的实现中，可以采用交互事件的交互信息，区分交互事件中的目标交互事件和非目标交互事件，计算目标交互事件与其他交互事件的相关度，从而得到网页项目的目标事件与另一网页项目的目标交互事件或非目标交互事件的相关度。作为本发明的优选示例，可以将计算出的相关度保存在数据库中。

本领域技术人员可以根据实际需要采用交互事件中的一种或多种交互事件作为目标交互事件，本发明实施例对此不作限制。

步骤102，针对当前用户的交互事件，根据所述交互事件与多个目标交互事件的相关度提取至少一个目标交互事件对应的目标网页项目。

步骤103，将所述目标网页项目推荐给所述当前用户。

在实际的应用中，当前用户对某个网页项目的交互事件，具有多个与其他网页项目的目标交互事件的相关度，可以将在预设范围内的一个或多个相关度的目标交互事件对应的目标网页项目提取并推荐给当前用户。

相比起目前的基于用户对网页项目的评价分计算网页项目之间相关度的方法，本申请将网页项目与针对网页项目的交互行为结合在一起形成交互事件，基于交互事件进行相关度计算，避免了因为用户没有提供评价分而导致无法进行有效的网页项目推荐的问题；而且，采用针对网页项目的交互事件作为相关度计算的基础，可以客观、准确地将符合用户兴趣的网页项目推荐给用户；进一步，在相关度计算中只计算目标交互事件与交互事件的相关度，减少了相关度计算中的数据量，节省了服务器的计算资源和存储资源。

参照图2，示出了本申请的一种基于交互事件的网页项目推荐方法实施例2的步骤流程图，具体可以包括如下步骤：

步骤201，根据交互事件的事件属性生成所述交互事件的兴趣度分值。

上述的事件属性可以包括交互事件的交互事件执行次数、交互事件发生时间和交互事件持续时间等之中的至少一种。根据交互事件的各种事件属性，可以生成交互事件的一个具体的兴趣度分值。在实际应用中，当用户不存在某个交互事件，则用户的该交互事件的兴趣度分值可以为0。

作为本发明实施例的优选示例，所述交互事件包括对网页项目的浏览事件、和/或收藏事件、和/或添加购物车事件、和/或购买事件，所述步骤201可以包括以下子步骤：

子步骤S11，以所述浏览事件、所述收藏事件、所述添加购物车事件、所述购买事件中的交互事件执行次数N与预置参数的乘积作为则所述交互事件的兴趣度分值为M。

用户对网页项目的交互事件通常包括浏览、收藏、添加购物车、购买等交互事件。一方面，用户对某个交互事件的执行次数通常反映出对网页项目的兴趣程度。另一方面，不同的交互事件也具有不同的重要程度，例如购买事件是最为重要的事件，添加购物车次之，浏览则是比较平常的事件，针对事件的重要程度赋予预置参数作为事件的权重，可以使得兴趣度分值更合理地反映用户对网页项目的兴趣程度。

步骤202，根据所述交互事件的兴趣度分值计算所述交互事件与所述目标交互事件的相关度。

作为本发明实施例的优选示例一，所述步骤202可以包括以下子步骤：

子步骤S21，将同一用户的交互事件与目标交互事件组成事件对，并计算所述事件对中的交互事件和目标交互事件的兴趣度分值的乘积。

可以将同一用户的交互事件与目标交互事件组成事件对，将事件对中的交互事件的兴趣度分值与目标交互事件的兴趣度分值相乘。当不存在目标交互事件时，即目标交互事件的兴趣度分值为0，则相乘的结果也为0。因为只需要关注目标交互事件与交互事件的相关度，当不存在目标交互事件时，该事件对为0的相乘结果可以节省后续的相关度计算。

子步骤S22，根据多个用户的相同的事件对中的交互事件的兴趣度分值、目标交互事件的兴趣度分值、以及交互事件与目标交互事件的兴趣度分值的 乘积，计算所述事件对中的交互事件与目标交互事件的相关度。

交互事件与目标交互事件的相关度，可以是两者兴趣度分值的余弦值，也可以是两者兴趣度分值的杰卡德系数。本领域技术人员可以根据情况采用任何的可以计算交互事件与目标交互事件的兴趣度分值之间的相似程度的算法计算相关度。

作为本发明实施例的优选示例，所述子步骤S22可以具体包括：

子步骤S22-1，针对多个用户的相同的事件对，计算相同的事件对中的交互事件的兴趣度分值的平方之和、目标交互事件的兴趣度分值的平方之和、以及交互事件和目标交互事件的兴趣度分值的乘积之和，并相应形成所述事件对中的交互事件与目标交互事件分别对应的多维向量值；

子步骤S22-2，计算所述多维向量值之间的余弦值并作为所述相关度。

针对多个用户的相同的事件对，多个对同一个目标交互事件的兴趣度分值，和多个对同一个交互事件的兴趣度分值，形成目标交互事件和交互事件分别对应的多维向量值，采用余弦值公式计算多维向量值之间的余弦值，以此余弦值作为该事件对中目标交互事件与交互事件的相关度。

实际应用中，可以利用Map Reduce结合余弦度公式进行相关度的计算。参照图4的利用Map Reduce计算目标交互事件与交互事件的相关度的流程图，通过5个Map Reduce过程实现相关度的计算。

余弦值公式可以为：其中，S_ij为目标交互事件与交互事件的相关度。

Map Reduce 1，收集同一个用户的所有交互事件，将交互事件与目标交互事件形成事件对，计算事件对中交互事件与目标交互事件的兴趣度分值的乘积。其中，<e_i、e_j>为交互事件与目标交互事件形成的事件对；r_ui为交互 事件的兴趣度分值；r_uj为目标交互事件的兴趣度分值。

Map Reduce 2，计算多个用户相同的事件对中目标交互事件与交互事件的兴趣度分值的乘积之和。其中，为多个用户相同的事件对中目标交互事件与交互事件的兴趣度分值的乘积之和。

Map Reduce 3，计算多个用户相同的事件对中交互事件的兴趣度分值的平方和。其中，为多个用户相同的事件对中交互事件的兴趣度分值平方之和。

Map Reduce 4，计算不同用户相同的事件对中目标交互事件的兴趣度分值的平方和。其中，为多个用户相同的事件对中目标交互事件的兴趣度分值平方之和。

Map Reduce 5，计算多个用户相同的事件对中目标交互事件与交互事件的兴趣度分值的余弦值。其中，为不同的用户相同的事件对中交互事件的兴趣度分值平方之和的开方；为不同的用户相同的事件对中目标交互事件的兴趣度分值平方之和的开方。

作为本发明实施例的优选示例二，所述步骤202可以包括以下子步骤：

子步骤S31，将同一用户的交互事件与目标交互事件组成事件对，并采用多个用户的相同的事件对中的交互事件与目标交互事件的兴趣度分值分别组成交互事件兴趣度分值集合与目标交互事件兴趣度分值集合。

子步骤S32，计算所述交互事件兴趣度分值集合与所述目标交互事件兴趣度分值集合的杰卡德系数并作为所述相关度。

在实际的应用中，当用户对网页项目没有产生某个交互事件，则该交互 事件的兴趣度分值可以为0，如果存在某个交互事件，则该交互事件的兴趣度分值可以为1。利用多个用户相同的事件对中交互事件与目标交互事件为1或0的兴趣度分值，可以构成分别对应于交互事件与目标交互事件的所有维度为1或0的多维向量值，计算维度均为1或0的两个多维向量值之间的杰卡德系数，并将计算得出的杰卡德系数作为交互事件与目标交互事件的相关度。利用杰卡德系数计算相关度适用于计算只需要关注存在与否两种状态的交互事件之间的相关度。

步骤203，针对当前用户的交互事件，根据所述交互事件与多个目标交互事件的相关度提取至少一个目标交互事件对应的目标网页项目。

用户可能会对网页中的网页项目产生一个或多个交互事件，根据用户产生的交互事件，可以将与该交互事件相关的目标交互事件对应的目标网页项目提取。实际应用中，可能会出现相关的目标交互事件的数量较大，而且部分目标交互事件与用户产生的交互事件的相关度较低，因此并不需要悉数提取目标交互事件对应的网页项目，可以将目标交互事件按照与交互事件的相关度的大小进行排序，提取排序靠前的目标交互事件对应的网页项目，也可以预设一个相关度的范围，将相关度符合该范围的的目标交互事件对应的网页项目提取。本领域技术人员也可以采用其他方式提取目标网页项目，例如，通过计算目标交互事件的推荐度，当推荐度符合预设范围时，将该目标交互事件对应的网页项目作为目标网页项目推荐给用户。

作为本发明实施例的优选示例一，当所述当前用户发生了一个交互事件时，所述步骤203可以包括以下子步骤：

子步骤S41，当捕捉到所述用户产生的一个交互事件，查找所述一个交互事件与多个目标交互事件的相关度。

子步骤S42，提取相关度符合第一预设范围内的目标交互事件对应的网页项目作为目标网页项目。

当捕捉到用户对某个网页项目产生了交互事件，具有多个与其他网页项目的目标交互事件的相关度，可以将在预设范围内的一个或多个相关度的目标交互事件对应的目标网页项目提取，以便于后续的网页项目推荐。通过预 设范围可以有针对性地推荐相关度较高的目标交互事件对应的网页项目。

预设范围可以由本领域技术人员根据实际情况进行设置，例如可以可供提取的目标交互事件对应的网页项目的数量调整预设范围，当可供提取的目标交互事件对应的网页项目的数量过少，可以降低预设范围的下限，保证有足够的网页项目可以推荐给当前用户。

实际应用中，可以预先利用分布式文件系统(Hadoop Distributed File System,Hadoop)大型集群计算交互事件与目标交互事件的相关度，当捕捉到用户针对某个网页项目产生了一个交互事件，可以在数据库中查找与该交互事件相关的目标交互事件及其相关度，提取相关度符合预设范围的目标交互事件对应的目标网页项目。

作为本发明实施例的优选示例二，当所述当前用户发生了多个交互事件时，所述步骤203可以包括以下子步骤：

子步骤S51，针对各个目标交互事件，查找所述目标交互事件分别与多个交互事件的相关度。

子步骤S52，根据所述目标交互事件分别与各个交互事件的相关度，计算标识所述目标交互事件与多个交互事件的相关性的推荐度。

子步骤S53，提取推荐度符合第二预设范围内的目标交互事件对应的网页项目作为目标网页项目。

实际应用中，用户可能会产生多个交互事件，该多个交互事件可能与同一个目标交互事件存在相关性，采用多个交互事件的兴趣度分值，以及多个交互事件与上述的目标交互事件的相关度，可以计算出该目标交互事件的推荐度，当推荐度符合预设的范围，可以将该目标交互事件对应的网页项目作为目标网页项目。通过采用相关度作为权重计算目标交互事件的推荐度，以推荐度作为网页项目推荐的基础，推荐给用户的网页项目更符合用户的兴趣。

步骤204，将所述目标网页项目推荐给所述当前用户。

上述的网页项目可以包括交易对象、和/或视频、和/或音频、和/或电子读物。

本申请实施例通过根据交互事件的事件属性生成交互事件的兴趣度分值，可以将用户对网页项目的兴趣程度客观地量化成兴趣度分值，基于兴趣度分值进行网页项目推荐，所推荐的网页项目更符合用户的兴趣。

而且，将相关度在预设范围内的目标交互事件对应的目标网页项目推荐给用户，提升了网页项目推荐的灵活性。

为使本领域技术人员更好地理解本申请，以下通过一个具体的例子说明本申请中根据多个用户针对网页项目的交互事件的交互信息，生成交互事件与所述交互事件中的目标交互事件的相关度的方法：

在一个具有三个用户A、B和C对两个网页项目x和y的应用场景中，针对网页项目x和网页项目y的浏览事件、收藏事件、放置购物车事件、购物事件分别为E₁、E₂、E₃、E₄、E₅、E₆、E₇和E₈。在这个例子中，将购物作为目标交互事件，因此E₄和E₈为该例子中的目标交互事件。

可以浏览事件、收藏事件、添加购物车事件、购买事件中的交互事件执行次数N与预置参数的乘积作为则所述交互事件的兴趣度分值为M。

用户A、B和C针对网页项目x和y的浏览事件、收藏事件、放置购物车事件、购物事件等交互事件的执行次数E分别为E_Ax浏览＝3，E_Ax收藏＝2，E_{Ax放置购物车}＝1，E_Ax购物＝2，E_Ay浏览＝2，E_Ay收藏＝1，E_{Ay放置购物车}＝1，E_Ay购物＝0，E_Bx浏览＝5，E_Bx收藏＝1，E_{Bx放置购物车}＝1，E_Bx购物＝1，E_By浏览＝2，E_By收藏＝2，E_{By放置购物车}＝2，E_By购物＝1，E_Cx浏览＝2，E_Cx收藏＝1，E_{Cx放置购物车}＝1，E_Cx购物＝1，E_Cy浏览＝3，E_Cy收藏＝2，E_{Cy放置购物车}＝1和E_Cy购物＝1。

浏览事件、收藏事件、放置购物车事件、购物事件的预置参数分别为1、2、3、4，以交互事件的执行次数与交互事件的预置参数的乘积作为该交互事件的兴趣度分值，从而得到的各个交互事件的兴趣度分值如下表所示：

将同一用户的交互事件与目标交互事件组成事件对，并计算所述事件对中的交互事件和目标交互事件的兴趣度分值的乘积。为了简便描述，现只需要计算E₄和E₅、E₂和E₈、E₁和E₄的相关度，可以利用余弦度公式计算S₁₄、S₅₄和S₂₈，其中，具体计算过程如下：

将用户A的交互事件E₅和目标交互事件E₄组成事件对<E₅、E₄>，事件对<E₅、E₄>中，E₅和E₄的兴趣度分值的乘积为r_A5*r_A4＝2*8＝16。同样的计算方法可以得到用户A的事件对<E₂、E₈>中，E₂和E₈的兴趣度分值的乘积为r_A2*r_A8＝4*0＝0；也得到用户A的事件对<E₁、E₄>中，E₁和E₄的兴趣度分值的乘积为r_A1*r_A4＝3*8＝24。

按照上述方法，可以得到用户B的事件对<E₅、E₄>、事件对<E₂、E₈>和事件对<E₁、E₄>中，E₅和E₄的兴趣度分值的乘积为8，E₂和E₈的兴趣度分值的乘积为8，E₁和E₄的兴趣度分值的乘积为20。

按照上述方法，可以得到用户C的事件对<E₅、E₄>、事件对<E₂、E₈>和事件对<E₁、E₄>中，E₄和E₅的兴趣度分值的乘积为12，E₂和E₈的兴趣度分值的乘积为8，E₁和E₄的兴趣度分值的乘积为8。

其中，用户A的事件对<E₂、E₈>中，网页项目y的购买事件执行次数为0，即没有发生过该交互事件，购买事件的兴趣度分值为0，因此乘积也为0，可以将该数据在计算时剔除，节省数据量和计算量。

计算多个用户的相同的事件对中交互事件和目标交互事件的兴趣度分值的乘积之和。

计算多个用户的相同的事件对中的交互事件的兴趣度分值的平方之和。

计算多个用户的相同的事件对中的目标交互事件的兴趣度分值的平方之和。

计算多个用户的相同的事件对中的目标交互事件与交互事件之间的相关度。

从而可以得到事件对<E₅、E₄>中交互事件E₅和目标交互事件E₄的相关度约为0.88，事件对<E₂、E₈>中交互事件E₂和目标交互事件E₈的相关度约为0.58，事件对<E₁、E₄>中交互事件E₁和目标交互事件E₄的相关度约为0.86。

实际应用中，存在一种情况是用户只发生了一个交互事件，针对这种情况，当捕捉到用户产生的一个交互事件，查找这一个交互事件与多个目标交互事件的相关度，提取相关度符合第一预设范围内的目标交互事件对应的网页项目作为目标网页项目。

例如，当用户D针对网页项目y进行了收藏事件E₅，查找到E₄与E₅存在相关度S₅₄，而且S₅₄＝0.88，属于预设的S_ij∈[0.8，1]的相关度范围内，提取E₄对应网页项目x，并推荐给当前用户。

当用户E针对网页项目x进行了收藏事件E₂，查找到E₈与E₂存在相关度S₂₈，但S₂₈＝0.58，不属于预设的S_ij∈[0.8，1]的相关度范围内，可以不将E₈对应的网页项目y推荐给当前用户。

另一种情况是当前用户发生了多个交互事件时，可以针对各个目标交互事件，查找所述目标交互事件分别与多个交互事件的相关度；根据所述目标交互事件分别与各个交互事件的相关度，计算标识所述目标交互事件与多个交互事件的相关性的推荐度；提取推荐度符合第二预设范围内的目标交互事件对应的网页项目作为目标网页项目。

例如，用户D针对网页项目x进行了1次的浏览事件E₁，对网页项目y进行了1次的浏览事件E₅；查找到E₁与E₄存在相关度S₁₄，而且S₁₄＝0.86，查找到E₅与E₄存在相关度S₅₄，而且S₅₄＝0.88，则给用户D推荐网页项目x(交互事件E₄对应的网页项目)的推荐度为1*0.86+1*0.88＝1.74，属于预设的R_uj∈[0.8,+∞]的推荐度范围内，所以将网页项目x作为目标网页项目推荐给当前用户。

除了设定推荐度阈值的方式外，也可以按推荐度的排序进行推荐，例如，当可以推荐给用户D的目标交互事件有10个，可以按照推荐度由高到低的排序，将排序前3个的目标交互事件对应的网页项目作为目标网页项目推荐给用户D。

需要说明的是，对于方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本申请实施例并不受所描述的动作顺序的限制，因为依据本申请实施例，某些步骤可以采用其他顺序或 者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作并不一定是本申请实施例所必须的。

参照图3，示出了本申请的一种基于交互事件的网页项目推荐装置实施例的结构框图，具体可以包括如下模块：

相关度生成模块301，用于根据多个用户针对网页项目的交互事件的交互信息，生成所述交互事件与所述交互事件中的目标交互事件的相关度。

作为本发明实施例的优选示例，所述相关度生成模块401可以包括以下子模块：

兴趣度分值生成子模块，用于根据所述交互事件的事件属性生成所述交互事件的兴趣度分值。

作为本发明实施例的优选示例，所述交互事件包括对网页项目的浏览事件、和/或收藏事件、和/或添加购物车事件、和/或购买事件，所述兴趣度分值生成子模块可以包括以下子单元：

兴趣度分值M生成子单元，用于以所述浏览事件、所述收藏事件、所述添加购物车事件、所述购买事件中的交互事件执行次数N与预置参数的乘积作为则所述交互事件的兴趣度分值为M。

相关度计算子模块，用于根据所述交互事件的兴趣度分值计算所述交互事件与所述目标交互事件的相关度。

作为本发明实施例的优选示例一，所述相关度计算子模块可以包括以下子单元：

事件对组成子单元，用于将同一用户的交互事件与目标交互事件组成事件对，并计算所述事件对中的交互事件和目标交互事件的兴趣度分值的乘积。

相关度计算子单元，用于根据多个用户的相同的事件对中的交互事件的兴趣度分值、目标交互事件的兴趣度分值、以及交互事件与目标交互事件的兴趣度分值的乘积，计算所述事件对中的交互事件与交目标交互事件的相关度。

作为本发明实施例的优选示例，所述相关度计算子单元可以具体用于：

针对多个用户的相同的事件对，计算相同的事件对中的交互事件的兴趣度分值的平方之和、目标交互事件的兴趣度分值的平方之和、以及交互事件和目标交互事件的兴趣度分值的乘积之和，并相应形成所述事件对中的交互事件与目标交互事件分别对应的多维向量值；计算所述多维向量值之间的余弦值并作为所述相关度。

作为本发明实施例的优选示例二，所述相关度计算子模块可以包括以下子单元：

兴趣度分值集合组成子单元，用于将同一用户的交互事件与目标交互事件组成事件对，并采用多个用户的相同的事件对中的交互事件与目标交互事件的兴趣度分值分别组成交互事件兴趣度分值集合与目标交互事件兴趣度分值集合。

杰卡德系数计算子单元，用于计算所述交互事件兴趣度分值集合与所述目标交互事件兴趣度分值集合的杰卡德系数并作为所述相关度。

提取模块302，用于针对当前用户的交互事件，根据所述交互事件与多个目标交互事件的相关度提取至少一个目标交互事件对应的目标网页项目。

作为本发明实施例的优选示例一，当所述当前用户发生了一个交互事件时，所述提取模块302可以包括以下子模块：

第一相关度查找子模块，用于当捕捉到所述用户产生的一个交互事件，查找所述一个交互事件与多个目标交互事件的相关度。

第一提取子模块，用于提取相关度符合第一预设范围内的目标交互事件对应的网页项目作为目标网页项目。

作为本发明实施例的优选示例二，当所述当前用户发生了多个交互事件时，所述提取模块302可以包括以下子模块：

第二相关度查找子模块，用于针对各个目标交互事件，查找所述目标交互事件分别与多个交互事件的相关度。

推荐度计算子模块，用于根据所述目标交互事件分别与各个交互事件的相关度，计算标识所述目标交互事件与多个交互事件的相关性的推荐度。

第二提取子模块，用于提取推荐度符合第二预设范围内的目标交互事件对应的网页项目作为目标网页项目。

推荐模块303，用于将所述目标网页项目推荐给所述当前用户。

所述网页项目可以包括交易对象、和/或视频、和/或音频、和/或电子读物。

本申请的装置将网页项目与针对网页项目的交互行为结合在一起形成交互事件，基于交互事件进行相关度计算，避免了因为用户没有提供评价分而导致无法进行有效的网页项目推荐的问题；而且，采用针对网页项目的交互事件作为相关度计算的基础，可以客观、准确地将符合用户兴趣的网页项目推荐给用户；进一步，在相关度计算中只计算目标交互事件与交互事件的相关度，减少了相关度计算中的数据量，节省了服务器的计算资源和存储资源。

对于装置实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。

本领域内的技术人员应明白，本申请实施例的实施例可提供为方法、装置、或计算机程序产品。因此，本申请实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

在一个典型的配置中，所述计算机设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的 示例。计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括非持续性的电脑可读媒体(transitory media)，如调制的数据信号和载波。

本申请实施例是参照根据本申请实施例的方法、终端设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理终端设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理终端设备上，使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

尽管已描述了本申请实施例的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本申请实施例范围的所有变更和修改。

最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。

以上对本申请所提供的一种基于交互事件的网页项目推荐方法和一种基于交互事件的网页项目推荐装置，进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的一般技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。