本发明涉及移动互联网资讯技术领域，尤其涉及一种资讯推荐方法及系统。
背景技术：
目前我国移动互联网资讯行业已经越来越受到业内人士的关注，其发展正处于一个爆发的阶段，海量资讯数据中用户如何快速获取需要的资讯，成为一个资讯系统的关键。
技术实现要素：
为了克服现有技术的不足，本发明的目的之一在于提供一种资讯推荐方法，其能结合用户对各类资讯的兴趣有针对性的给用户推荐资讯，提高用户的体验。
本发明的目的之二在于提供一种资讯推荐系统，其能本发明的目的之一。
本发明的目的之一采用以下技术方案实现：
一种资讯推荐方法，包括如下步骤：
S1：每隔第一预设时间采集用户对推荐的资讯的点击动作以获取用户的操作特征，所述操作特征包括资讯标签和每一个资讯标签的点击率；
S2：根据用户的操作特征从所有资讯中选取预设数量的与用户操作特征相关的资讯，定义该与用户特征相关的资讯为相关资讯，对该相关资讯进行排序，将排序后的相关资讯推送至用户端；
S3：每隔第二预设时间采集用户对所述排序后的相关资讯的点击动作以重新获取新的用户的操作特征，返回S2。
优选的，S2具体包括如下子步骤：
S21：根据用户的操作特征从所有资讯中选取预设数量的与用户操作特征相关的资讯，定义该与用户特征相关的资讯为相关资讯，并将用户的操作特征中的所有资讯标签分为三个级别的标签，记为第一级标签、第二级标签和第三级标签，其中第二级标签为第一级标签的副标签，第三级标签为第二级标签的子标签；
S22：根据用户的操作特征中的点击率获取每一个资讯标签的得分；
S23：根据公式一计算每一个资讯标签的总分数，公式一为：总分数＝当前第一预设时间内的该资讯标签的得分*1+上一次第一预设时间内的该资讯标签的得分*0.6+其他次第一预设时间内的该资讯标签的得分*0.4；
S24：将所有属于同一级别下的资讯标签的总分数进行求和得到该级别的级别标签总分，将该级别下的每一个资讯标签对应的总分数分别除以级别标签总分，得到每一个资讯标签的临时比重；
S25：通过公式二计算每一个资讯标签的标签比重，公式二为：标签比重＝X1.4/Y1.4，其中，X为该资讯标签的临时比重，Y为该资讯标签所对应级标签下的全部资讯标签的临时比重之和；
S26：根据每一个资讯标签的标签比重和点击率计算兴趣度，并根据该兴趣度获取相关资讯排序的最终值以对相关资讯进行排序，将排序后的相关资讯推送至用户端。
优选的，S26中，计算兴趣度的公式为：兴趣度＝a*资讯标签的标签比重+b*资讯标签的点击率，其中，a和b为可变参数。
优选的，所述预设数量为200条。
优选的，S26中，根据公式三计算排序的最终值，公式三为：最终值＝c*兴趣度+d*(1/((T-t)+1))+e*总体点击率，其中，c、d、e为可变参数，T为当前时间，t为资讯的发布时间，总体点击率为所有推荐的资讯的点击率之和。
本发明的目的之二采用以下技术方案实现：
一种资讯推荐系统，包括：
第一获取单元：用于每隔第一预设时间采集用户对推荐的资讯的点击动作以获取用户的操作特征，所述操作特征包括资讯标签和每一个资讯标签的点击率；
选取单元：用于根据用户的操作特征从所有资讯中选取预设数量的与用户操作特征相关的资讯，定义该与用户特征相关的资讯为相关资讯，对该相关资讯进行排序，将排序后的相关资讯推送至用户端；
第二获取单元：用于每隔第二预设时间采集用户对所述排序后的相关资讯的点击动作以重新获取新的用户的操作特征，返回选取单元。
优选的，选取单元包括如下子模块：
定义模块：用于根据用户的操作特征从所有资讯中选取预设数量的与用户操作特征相关的资讯，定义该与用户特征相关的资讯为相关资讯，并将用户的操作特征中的所有资讯标签分为三个级别的标签，记为第一级标签、第二级标签和第三级标签，其中第二级标签为第一级标签的副标签，第三级标签为第二级标签的子标签；
得分模块：用于根据用户的操作特征中的点击率获取每一个资讯标签的得分；
第一计算模块：用于根据公式一计算每一个资讯标签的总分数，公式一为：总分数＝当前第一预设时间内的该资讯标签的得分*1+上一次第一预设时间内的该资讯标签的得分*0.6+其他次第一预设时间内的该资讯标签的得分*0.4；
求和模块：将所有属于同一级别下的资讯标签的总分数进行求和得到该级别的级别标签总分，将该级别下的每一个资讯标签对应的总分数分别除以级别标签总分，得到每一个资讯标签的临时比重；
第二计算模块：用于通过公式二计算每一个资讯标签的标签比重，公式二为：标签比重＝X1.4/Y1.4，其中，X为该资讯标签的临时比重，Y为该资讯标签所对应级标签下的全部资讯标签的临时比重之和；
第三计算模块：用于根据每一个资讯标签的标签比重和点击率计算兴趣度，并根据该兴趣度获取相关资讯排序的最终值以对相关资讯进行排序，将排序后的相关资讯推送至用户端。
优选的，在第三计算模块中，计算兴趣度的公式为：兴趣度＝a*资讯标签的标签比重+b*资讯标签的点击率，其中，a和b为可变参数。
优选的，所述预设数量为200条。
优选的，第三计算模块中，根据公式三计算排序的最终值，公式三为：最终值＝c*兴趣度+d*(1/((T-t)+1))+e*总体点击率，其中，c、d、e为可变参数，T为当前时间，t为资讯的发布时间，总体点击率为所有推荐的资讯的点击率之和。
相比现有技术，本发明的有益效果在于：
本发明通过获取用户的操作特征，有针对性的给用户推荐其感兴趣的资讯，增强用户体验。
附图说明
图1为本发明的一种资讯推荐方法的流程图。
具体实施方式
下面，结合附图以及具体实施方式，对本发明做进一步描述：
参见图1，本发明应用在互联网行业，针对用户对于网页上各种资讯的点击，获取到用户的操作特征，从而有针对性的给该用户进行资讯推荐，具体包括如下步骤：
S1：每隔第一预设时间采集用户对推荐的资讯的点击动作以获取用户的操作特征，所述操作特征包括资讯标签和每一个资讯标签的点击率；
系统每隔一段时间，就会采集这段时间内用户对推荐的资讯的点击动作，例如，一个新闻网页上往往有众多板块，包括娱乐、体育、经济各大类等，每一个大类之下有多条相关的新闻，这里的新闻也就是本发明所述的资讯，用户面对一个网页各类的资讯选取自己感兴趣的点击浏览，系统会自动记录用户的这个点击动作，并记录其点击的是哪一个资讯，也就是获取操作特征。在系统后台，对于每个资讯实际上有相应的标签，也就是资讯标签，也可以理解为关键词。
S2：根据用户的操作特征从所有资讯中选取预设数量的与用户操作特征相关的资讯，定义该与用户特征相关的资讯为相关资讯，对该相关资讯进行排序，将排序后的相关资讯推送至用户端；
对于不同的用户有不同的兴趣爱好，针对用户的兴趣爱好选取适当数量的资讯推荐给用户，方便其快速找到自己感兴趣的资讯进行阅读了解。用户可能同时对多个不同种类的资讯感兴趣，这时候根据该用户的资讯标签的点击率等可以计算到该用户感兴趣的各种种类的资讯中排名先后，也就是对哪一些更为感兴趣，哪一些相对没有那么感兴趣，进行排序之后再推送到用户端，这样可以增强用户体验和直观感受。本发明中，可以优选选取200条相关资讯至用户端。预设数量并不是唯一限定的，可以根据实际情况进行设定。
S3：每隔第二预设时间采集用户对所述排序后的相关资讯的点击动作以重新获取新的用户的操作特征，返回S2。
在S2中，已经给用户推送了相关资讯，为了更进一步的对用户提供更好的体验，每隔一段时间采集用户对相关资讯的点击动作，以了解用户在这些相关资讯中，哪一些更为感兴趣。这里的第二预设时间与第一预设时间可能相等，也可能不等。在S1中，所采集的是用户在所有资讯面前的操作特征，分析出用户的点击率等，而S3中，是更为具体的在相关资讯的基础上进一步分析，例如，S1可能分析出用户对体育类感兴趣，则着重推荐了体育类的资讯，单数体育类下还有很多具体的项目，S3可能是针对体育下的具体的项目再分析用户感兴趣的下属标签，为之后给用户提供更为准确的推荐。
S2具体包括如下子步骤：
S21：根据用户的操作特征从所有资讯中选取预设数量的与用户操作特征相关的资讯，定义该与用户特征相关的资讯为相关资讯，并将用户的操作特征中的所有资讯标签分为三个级别的标签，记为第一级标签、第二级标签和第三级标签，其中第二级标签为第一级标签的副标签，第三级标签为第二级标签的子标签；
例如体育为第一级标签，篮球则为体育中其中一个项目，则为第二级标签，而西部、火箭、姚明、NBA这些都跟篮球相关的，属于第三级标签。
S22：根据用户的操作特征中的点击率获取每一个资讯标签的得分；
例如关于西部的资讯，用户点击了2次，可以记为2分，火箭点击了4次，可以记为4分。
S23：根据公式一计算每一个资讯标签的总分数，公式一为：总分数＝当前第一预设时间内的该资讯标签的得分*1+上一次第一预设时间内的该资讯标签的得分*0.6+其他次第一预设时间内的该资讯标签的得分*0.4；
加入第一预设时间为一天，则当前第一预设时间则为当天，上一次第一预设时间则为昨天，其他次则为记录当中的昨天以前的所以该资讯标签的得分。
S24：将所有属于同一级别下的资讯标签的总分数进行求和得到该级别的级别标签总分，将该级别下的每一个资讯标签对应的总分数分别除以级别标签总分，得到每一个资讯标签的临时比重；
比如火箭、西部都属于第三级别，将第三级别的所有资讯的总分数进行求和，假如该级别标签总分为A，跟西部有关的一条资讯的总分数为B，其临时比重为B/A，跟火箭有关的一条资讯的总分数为C，其临时比重为C/A。
S25：通过公式二计算每一个资讯标签的标签比重，公式二为：标签比重＝X1.4/Y1.4，其中，X为该资讯标签的临时比重，Y为该资讯标签所对应级标签下的全部资讯标签的临时比重之和；
S26：根据每一个资讯标签的标签比重和点击率计算兴趣度，并根据该兴趣度获取相关资讯排序的最终值以对相关资讯进行排序，将排序后的相关资讯推送至用户端。这里计算兴趣度的公式为：兴趣度＝a*资讯标签的标签比重+b*资讯标签的点击率，其中，a和b为可变参数，可以根据实际情况、经验、网络数据等参考确定。
进一步的，根据公式三计算排序的最终值，公式三为：最终值＝c*兴趣度+d*(1/((T-t)+1))+e*总体点击率，其中，c、d、e为可变参数，T为当前时间，t为资讯的发布时间，总体点击率为所有推荐的资讯的点击率之和。例如，西部的最终值大于火箭的最终值，则西部的推荐排名要先于火箭的。这里的c、d、e同时也是根据实际情况、经验、网络数据等参考确定。
另外一方面，本发明还提供一种资讯推荐系统，是资讯推荐方法的虚拟装置，其原理与资讯推荐方法中相同，包括第一获取单元：用于每隔第一预设时间采集用户对推荐的资讯的点击动作以获取用户的操作特征，所述操作特征包括资讯标签和每一个资讯标签的点击率；选取单元：用于根据用户的操作特征从所有资讯中选取预设数量的与用户操作特征相关的资讯，定义该与用户特征相关的资讯为相关资讯，对该相关资讯进行排序，将排序后的相关资讯推送至用户端；第二获取单元：用于每隔第二预设时间采集用户对所述排序后的相关资讯的点击动作以重新获取新的用户的操作特征，返回选取单元。
对于选取单元而言，还包括如下子模块：
定义模块：用于根据用户的操作特征从所有资讯中选取预设数量的与用户操作特征相关的资讯，定义该与用户特征相关的资讯为相关资讯，并将用户的操作特征中的所有资讯标签分为三个级别的标签，记为第一级标签、第二级标签和第三级标签，其中第二级标签为第一级标签的副标签，第三级标签为第二级标签的子标签；得分模块：用于根据用户的操作特征中的点击率获取每一个资讯标签的得分；第一计算模块：用于根据公式一计算每一个资讯标签的总分数，公式一为：总分数＝当前第一预设时间内的该资讯标签的得分*1+上一次第一预设时间内的该资讯标签的得分*0.6+其他次第一预设时间内的该资讯标签的得分*0.4；求和模块：将所有属于同一级别下的资讯标签的总分数进行求和得到该级别的级别标签总分，将该级别下的每一个资讯标签对应的总分数分别除以级别标签总分，得到每一个资讯标签的临时比重；第二计算模块：用于通过公式二计算每一个资讯标签的标签比重，公式二为：标签比重＝X1.4/Y1.4，其中，X为该资讯标签的临时比重，Y为该资讯标签所对应级标签下的全部资讯标签的临时比重之和；第三计算模块：用于根据每一个资讯标签的标签比重和点击率计算兴趣度，并根据该兴趣度获取相关资讯排序的最终值以对相关资讯进行排序，将排序后的相关资讯推送至用户端。
同样，计算兴趣度的公式为：兴趣度＝a*资讯标签的标签比重+b*资讯标签的点击率，其中，a和b为可变参数。计算排序的最终值的公式为：最终值＝c*兴趣度+d*(1/((T-t)+1))+e*总体点击率，其中，c、d、e为可变参数，T为当前时间，t为资讯的发布时间，总体点击率为所有推荐的资讯的点击率之和。
对本领域的技术人员来说，可根据以上描述的技术方案以及构思，做出其它各种相应的改变以及形变，而所有的这些改变以及形变都应该属于本发明权利要求的保护范围之内。