一种用户喜好信息推送方法和服务器及系统的制作方法

文档序号:10616107
一种用户喜好信息推送方法和服务器及系统的制作方法
【专利摘要】本发明涉及一种用户喜好信息推送方法和服务器及系统,通过在向某一用户进行信息推送时,考察该用户的相关历史评价信息,计算出用户对商品的喜好度;再预判用户对未评价商品的喜好,进行相关喜好信息的推送。这样一来,向用户推送的信息就有较大的概率符合用户的需求,提高了推送的准确性,也提高了网络资源的利用率。
【专利说明】
-种用户喜好信息推送方法和服务器及系统
技术领域
[0001] 本发明设及信息推送领域,尤其设及一种用户喜好信息推送方法和服务器及系 统。
【背景技术】
[0002] 推荐系统(Recommendation System)是通过分析比较用户的兴趣爱好,从互联网 的海量信息中挖掘用户可能感兴趣或需要的信息或商品,从而对用户做出相应的推荐。推 荐实质上就是通过分析用户已选择的资源来预测用户对未选择资源的喜好程度,并将预测 的结果W某种有效的形式展现给用户。和捜索引擎不同,推荐系统不仅要提供与用户之前 品味爱好一致的推荐,而且要在用户没有明确目的的时候,帮助他们发现感兴趣的新内容。 例如,当用户在移动终端的加油APP中查看加油站的信息时,并不能获得符合用户喜好的加 油站信息,比如用户对加油站的油品、加油环境和价格比较关屯、,而现有的推荐系统并不能 很好的结合上述信息对用户进行推荐,如何能推送用户喜好的加油站等信息是需要解决的 技术问题。所W推荐的内容不仅要精准,而且要具有多样性,覆盖率足够高。目前的推荐系 统忽视了推荐结果的多样性、新颖性、覆盖率等指标。只注重精确性的推荐方法获得的用户 体验并不一定好。所W,如何有效提高推荐的多样性和准确性,是亟待解决的问题。

【发明内容】

[0003] 本发明实施例所要解决的技术问题在于,提供一种用户喜好信息推送方法和服务 器及系统。在信息推送过程中考虑用户历史评价的特点,有针对性的对用户进行信息推送。
[0004] 解决上述技术问题,本发明实施例提供了一种用户喜好信息推送方法,包括:
[0005] SI:服务器获取当前用户的用户信息和用户对所有商品的历史评价信息;
[0006] S2:根据用户信息和用户对所有商品的历史评价信息,获取用户对商品的喜好度;
[0007] S3:服务器端根据用户对商品的喜好度,对其他的商品进行喜好度预判,当预判值 大于预设的阔值后,则获取商品对应的相关内容,将获取到的内容信息推送到终端。
[000引具体的,步骤S2具体包括:
[0009] S21 .将用户U的所有评分商品分成两类:Ulike和Udislike,其中化ike表示用户U喜欢的 商品集合,Udislike表示用户U不喜欢的商品集合;
[0010] S22.统计用户U喜欢的商品集合Uiike中每个特征值nil出现的次数,用户U不喜欢的 商品集合Udislike中每个特征值Hlj出现的次数;
[001 U S23.为用户U建立两个哈希表,HAS出ike和HAS出isiike,HAS出ike表示用户U喜欢的商 品集合,HAS出ISlike表示用户U不喜欢的商品集合,每个表中分别存储每个特征值及其在对 应的集合中出现次数的映射关系;
[0012] S24.计算哈希表中各个特征值HU在集合中出现的概率;
[0013] S25.计算商品A具有特征值Hii时,用户U喜欢的概率Pu(Almi);并建立一个新的哈希 表HASHp存储每个特征值Hii到Pu (AI Hii)的映射。
[0014] 具体的,所述S21步骤中用户喜欢和不喜欢是通过判断预设的评分阔值确定的,当 大于所述评分阔值时,判定用户喜欢此商品;当小于所述评分阔值时,判定用户不喜欢此商 品。
[0015] 优选的,所述评分阔值为:商品满分*0.6。
[0016] 具体的,所述计算哈希表中各个特征值HU在集合中出现的概率,具体为通过如下 公式进行计算:
[0017]
其中Hii表示商品中的特征值,Mi表示特征值Hii出现的次数,Lhash 表示对应的HASH表的长度,A表示商品A。
[001引具体的,所述计算商品A具有据佈估Hii时,巧户U畜欢的概率Pu(Almi),具体为通过 如下公式进行计算:利用贝叶斯公式
计算,其中P(A)为商品A在n 个总商品存在的概率,P (mi)为特征值Hii出现的概率。
[0019] 具体的,步骤S3具体包括:根据建立的哈希表HASHp,计算一个未评分商品是用户U 喜欢的商品的可能性,首先通过查表找到此商品具有的特征值,然后计算此商品同时具有 运些特征值时,用户U喜欢的概率P(A I mi.. .mn);如果此概率超过预设的阔值,则判定用户U 喜欢此商品。
[0020] 优选的,所述预设的阔值为0.5。
[0021] 再一方面,本发明还提供了一种用户喜好信息推送服务器,包括:
[0022] 信息获取模块,获取当前用户的用户信息和用户对所有商品的历史评价信息;
[0023] 喜好度计算模块,根据用户信息和用户对所有商品的历史评价信息,获取用户对 商品的喜好度;
[0024] 推送模块,根据用户对商品的喜好度,对其他的商品进行喜好度预判,当预判值大 于预设的阔值后,则获取商品对应的相关内容,将获取到的内容信息推送到终端。
[0025] 具体的,所述喜好度计算模块包括:
[0026] 分类模块,将用户U的所有评分商品分成两类:Ulike和Udislike,其中化Ike表示用户U 喜欢的商品集合,Udislike表示用户U不喜欢的商品集合;
[0027] 统计模块,统计用户U喜欢的商品集合化Ike中每个特征值HH出现的次数,用户U不喜 欢的商品集合Udislike中每个特征值Hlj出现的次数;
[0028] 哈希表建立模块,为用户U建立两个哈希表,HA細like和HA甜dislike, HA細like表示用 户U喜欢的商品集合,HAS出islike表示用户U不喜欢的商品集合,每个表中分别存储每个特征 值及其在对应的集合中出现次数的映射关系;
[0029] 哈希表计算模块,计算哈希表中各个特征值mi在集合中出现的概率;
[0030] 商品喜好计算模块,计算商品A具有特征值Hii时,用户U喜欢的概率Pu(A ImO ;并建 立一个新的哈希表HASHp存储每个特征值Hii到Pu (AI Hii)的映射。
[0031] 具体的,分类模块还包括,评分判定模块,判定用户评分大于所述评分阔值时,判 定用户喜欢此商品;当小于所述评分阔值时,判定用户不喜欢此商品。
[0032] 具体的,所述哈希表计算模块具体还用于,计算
其中HU表示商品 中的特征值,M康示特征值mi出现的次数,Lhash表示对应的HASH表的麽.A亲^商品A "
[0033] 具体的,所述商品喜好计算模块具体还用于,利用贝叶斯公式
计算,其中P(A)为商品A在n个总商品存在的概率,P(HU)为特征值HH出现的概率。
[0034] 具体的,推送模块具体包括:未评商品计算模块,根据建立的哈希表HASHp,计算一 个未评分商品是用户U喜欢的商品的可能性,通过查表找到此商品具有的特征值,计算此商 品同时具有运些特征值时,用户U喜欢的概率P(AImi. . .mn)。
[0035] 本发明还提供了一种用户喜好信息推送系统,包括:上述的服务器;和移动终端, 用于接收所述服务器推送的喜好信息,向用户显示。
[0036] 实施本发明实施例,具有如下有益效果:在向某一用户进行信息推送时,考察该用 户的相关历史评价信息,计算出用户对商品的喜好度;再预判用户对未评价商品的喜好,进 行相关喜好信息的推送。运样一来,向用户推送的信息就有较大的概率符合用户的需求,提 高了推送的准确性,也提高了网络资源的利用率。
【附图说明】
[0037] 图1为本发明实施例中的用户喜好信息推送方法的一个具体流程示意图;
[0038] 图2为本发明实施例中的一种用户喜好信息推送服务器的结构框图;
[0039] 图3为本发明实施例中的喜好度计算模块的结构框图;
[0040] 图4为本发明实施例的一种用户喜好信息推送系统的结构框图。
【具体实施方式】
[0041] 下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完 整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于 本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他 实施例,都属于本发明保护的范围。
[0042] 在本发明实施例中基于一基本思路,即当用户对商品进行浏览时,服务器便获取 用户之前对商品的评价信息,对每个商品的特征值概率进行计算,形成用户的喜好行为表, 此过程属于学习的过程,最后W此来预测用户未评价过的商品对于用户的喜好度,形成推 送信息。
[0043] 此推送方法具体可W应用于包括但不限于手机终端或PC端中的加油站、售卖车品 的推送中。
[0044] W下则对本发明的各具体实施例进行描述。
[0045] 如图1所示,为本发明实施例中的用户喜好信息推送方法的一个具体流程示意图。 该流程包括如下步骤。
[0046] SI:服务器获取当前用户的用户信息和用户对所有商品的历史评价信息。
[0047] 例如,当用户在手机终端中浏览加油站的信息时,服务器将获取用户对使用过的 加油站的历史评价信息,评价信息中可包括对加油站环境、人员服务环境、油品质量、价格、 周边配套等进行的评价分数。
[004引S2:根据用户信息和用户对所有商品的历史评价信息,获取用户对商品的喜好度。
[0049] 此步骤具体包括:
[0050] S21 .将用户U的所有评分商品分成两类:Ulike和Udislike,其中化ike表示用户U喜欢的 商品集合,Udislike表不用户U不昔欢的商品集合。
[0051 ]用户喜欢和不喜欢是通过判断预设的评分阔值确定的,当大于所述评分阔值时, 判定用户喜欢此商品;当小于所述评分阔值时,判定用户不喜欢此商品。
[0052] 评分阔值可W设定为:商品满分*0.6。例如,评分满分为5分,那么可设置3分为此 阔值。
[0053] S22.统计用户U喜欢的商品集合化Ike中每个特征值HU出现的次数,用户U不喜欢的 商品集合Udislike中每个特征值Hlj出现的次数。
[0054] 其中特征值可W为加油站环境、人员服务环境、油品质量、价格、周边配套等的特 征值。
[00对 S23.为用户U建立两个哈希表,HAS出ike和HAS出isiike,HAS出ike表示用户U喜欢的商 品集合,HAS出ISlike表示用户U不喜欢的商品集合,每个表中分别存储每个特征值及其在对 应的集合中出现次数的映射关系。
[0056] S24.计算哈希表中各个特征值HU在集合中出现的概率。
[0化7]
其中IIii表示商品中的特征值,Mi表示特征值mi出现的次数,Lhash 表示对应的HASH表的长度,A表示商品A。
[005引S25.计算商品A具有特征值Hii时,用户U喜欢的概率Pu(A I mi);并建立一个新的哈希 表HASHp存储每个特征值Hii到Pu (AI Hii)的映射。
[0化9]具体为通过如下公式进行计算:利用贝叶斯公式。 计算,其 中P(A)为商品A在n个总商品存在的概率,P(Hii)为特征值HH出现的概率。
[0060] S3:服务器端根据用户对商品的喜好度,对其他的商品进行喜好度预判,当预判值 大于预设的阔值后,则获取商品对应的相关内容,将获取到的内容信息推送到终端。
[0061] 具体步骤:根据建立的哈希表HASHp,计算一个未评分商品是用户U喜欢的商品的 可能性,首先通过查表找到此商品具有的特征值,然后计算此商品同时具有运些特征值时, 用户U喜欢的概率P(A|mi. . .mn);如果此概率超过预设的阔值,则判定用户U喜欢此商品。其 中所述预设的阔值为0.5。
[0062] 本发明还提供了一种用户喜好信息推送服务器,如图2所示,为本发明实施例中的 一种用户喜好信息推送服务器的一个具体的结构图,具体包括:
[0063] 信息获取模块,获取当前用户的用户信息和用户对所有商品的历史评价信息。
[0064] 喜好度计算模块,根据用户信息和用户对所有商品的历史评价信息,获取用户对 商品的喜好度。
[0065] 具体的,参考图3所示的喜好度计算模块的组成结构图,喜好度计算模块包括:
[0066] 分类模块,将用户U的所有评分商品分成两类:Ulike和Udislike,其中Ulike表示用户U 昔欢的商品集合,Udislike表不用户U不昔欢的商品集合。
[0067] 分类模块还包括,评分判定模块,判定用户评分大于所述评分阔值时,判定用户喜 欢此商品;当小于所述评分阔值时,判定用户不喜欢此商品。
[0068] 统计模块,统计用户U喜欢的商品集合化Ike中每个特征值mi出现的次数,用户U不喜 欢的商品集合Udislike中每个特征值Hlj出现的次数。
[0069] 哈希表建立模块,为用户U建立两个哈希表,HA細like和HA甜dislike, HA細like表示用 户U喜欢的商品集合,HAS出ISlike表示用户U不喜欢的商品集合,每个表中分别存储每个特征 值及其在对应的集合中出现次数的映射关系。
[0070] 哈希表计算模块,计算哈希表中各个特征值nil在集合中出现的概率。
[0071] 哈希表计算模块具体还用于,计算
其中HU表示商品中的特征值, Mi表示特征值mi出现的次数,Lhash表示对应的HASH表的长度,A表示商品A。
[0072] 商品喜好计算模块,计算商品A具有特征值HU时,用户U喜欢的概率Pu(Almi);并建 立一个新的哈希表HASHp存储每个特征值Hii到Pu(A I mi)的睐拥?-
[0073] 商品喜好计算模块具体还用于,利用贝叶斯公^! 计算,其 中P(A)为商品A在n个总商品存在的概率,P(Hii)为特征值Hii出现的概率。
[0074] 推送模块,根据用户对商品的喜好度,对其他的商品进行喜好度预判,当预判值大 于预设的阔值后,则获取商品对应的相关内容,将获取到的内容信息推送到终端。
[0075] 推送模块具体还包括:未评商品计算模块,根据建立的哈希表HASHp,计算一个未 评分商品是用户U喜欢的商品的可能性,通过查表找到此商品具有的特征值,计算此商品同 时具有运些特征值时,用户U喜欢的概率P(AImi. . .mn)。
[0076] 本发明还提供了另一实施例,如图4所示的一种用户喜好信息推送系统的结构图, 包括:如上述实施例的服务器;和移动终端,用于接收所述服务器推送的喜好信息,向用户 显不。
[0077] 例如,用户可W通过手机等移动终端获取服务器关于加油站和相关车品的信息, 比如向用户推荐符合用户要求的环境好、油品好的加油站;向用户推荐关键用户关屯、的电 子车载饰品等商品信息。
[0078] 流程图中或在此W其他方式描述的任何过程或方法描述可W被理解为,表示包括 一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部 分,并且本发明的优选实施方式的范围包括另外的实现,其中可W不按所示出或讨论的顺 序,包括根据所设及的功能按基本同时的方式或按相反的顺序,来执行功能,运应被本发明 的实施例所属技术领域的技术人员所理解。
[0079] 应当理解,本发明的各部分可W用硬件、软件、固件或它们的组合来实现。在上述 实施方式中,多个步骤或方法可W用存储在存储器中且由合适的指令执行系统执行的软件 或固件来实现。例如,如果用硬件来实现,和在另一实施方式中一样,可用本领域公知的下 列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑口电路 的离散逻辑电路,具有合适的组合逻辑口电路的专用集成电路,可编程口阵列(PGA),现场 可编程口阵列(FPGA)等。
[0080] 本技术领域的普通技术人员可W理解实现上述实施例方法携带的全部或部分步 骤是可W通过程序来指令相关的硬件完成,所述的程序可W存储于一种计算机可读存储介 质中,该程序在执行时,包括方法实施例的步骤之一或其组合。
[0081 ]此外,在本发明各个实施例中的各功能单元可W集成在一个处理模块中,也可W 是各个单元单独物理存在,也可W两个或两个W上单元集成在一个模块中。上述集成的模 块既可W采用硬件的形式实现,也可W采用软件功能模块的形式实现。所述集成的模块如 果W软件功能模块的形式实现并作为独立的产品销售或使用时,也可W存储在一个计算机 可读取存储介质中。
[0082] 上述提到的存储介质可W是只读存储器,磁盘或光盘等。
[0083] 尽管上面已经示出和描述了本发明的实施例,可W理解的是,上述实施例是示例 性的,不能理解为对本发明的限制,本领域的普通技术人员在不脱离本发明的原理和宗旨 的情况下在本发明的范围内可W对上述实施例进行变化、修改、替换和变型。本发明的范围 由所附权利要求及其等同限定。
【主权项】
1. 一种用户喜好信息推送的方法,其特征在于,包括步骤: S1:服务器获取当前用户的用户信息和用户对所有商品的历史评价信息; S2:根据用户信息和用户对所有商品的历史评价信息,获取用户对商品的喜好度; S3:服务器端根据用户对商品的喜好度,对其他的商品进行喜好度预判,当预判值大于 预设的阔值后,则获取商品对应的相关内容,将获取到的内容信息推送到终端。2. 如权利要求1所述的一种用户喜好信息推送的方法,其特征在于,步骤S2具体包括:521. 将用户U的所有评分商品分成两类:Ulike和Udislike,其中化ike表示用户U喜欢的商品 集合,Udislike表示用户U不喜欢的商品集合;522. 统计用户U喜欢的商品集合化Ike中每个特征值ΠΗ出现的次数,用户U不喜欢的商品 集合Udislike中每个特征值mj出现的次数; S23 .为用户U建立两个哈希表,HA甜like和HA甜dislike,HA細like表示用户U喜欢的商品集 合,HAS出islike表示用户U不喜欢的商品集合,每个表中分别存储每个特征值及其在对应的 集合中出现次数的映射关系;524. 计算哈希表中各个特征值ΠΗ在集合中出现的概率;525. 计算商品A具有特征值mi时,用户U喜欢的概率Pu(A| mi);并建立一个新的哈希表 HASHp存储每个特征值ΠΗ至化U (AI mi)的映射。3. 如权利要求2所述的一种用户喜好信息推送的方法,其特征在于,所述S21步骤中用 户喜欢和不喜欢是通过判断预设的评分阔值确定的,当大于所述评分阔值时,判定用户喜 欢此商品;当小于所述评分阔值时,判定用户不喜欢此商品。4. 如权利要求3所述的一种用户喜好信息推送的方法,其特征在于,所述评分阔值为: 商品满分*0.6。5. 如权利要求2所述的一种用户喜好信息推送的方法,其特征在于,所述计算哈希表中 各个特征值mi在集合中出现的概率,具体为通过如下公式进行计算:'其中ΠΗ表示商品中的特征值,Mi表示特征值ΠΗ出现的次数,Lhash表示对 应的HASH表的长度,A表示商品A。6. 如权利要求2所述的一种用户喜好信息推送的方法,其特征在于,所述计算商品A具 有特征值ΠΗ时,用户U喜欢的概率Pu(A Imi),具体为通过如下公式进行计算:利用贝叶斯公式计算,其中P(A)为商品A在η个总商品存在的概率,P(mi)为特征值 mi出现的概率。7. 如权利要求1所述的一种用户喜好信息推送的方法,其特征在于,步骤S3具体包括: 根据建立的哈希表HASHp,计算一个未评分商品是用户U喜欢的商品的可能性,首先通过查 表找到此商品具有的特征值,然后计算此商品同时具有运些特征值时,用户U喜欢的概率P (A|mi. . .mn);如果此概率超过预设的阔值,则判定用户U喜欢此商品。8. 如权利要求7所述的一种用户喜好信息推送的方法,其特征在于,所述预设的阔值为 0.5。9. 一种用户喜好信息推送服务器,其特征在于,所述服务器包括: 信息获取模块,获取当前用户的用户信息和用户对所有商品的历史评价信息; 喜好度计算模块,根据用户信息和用户对所有商品的历史评价信息,获取用户对商品 的喜好度; 推送模块,根据用户对商品的喜好度,对其他的商品进行喜好度预判,当预判值大于预 设的阔值后,则获取商品对应的相关内容,将获取到的内容信息推送到终端。10. 如权利要求9所述的一种用户喜好信息推送服务器,其特征在于,所述喜好度计算 模块包括: 分类模块,将用户U的所有评分商品分成两类:Ulike和Udislike,其中化Ike表示用户U喜欢 的商品集合,Udislike表不用户U不昔欢的商品集合; 统计模块,统计用户U喜欢的商品集合化Ike中每个特征值mi出现的次数,用户U不喜欢的 商品集合Udislike中每个特征值mj出现的次数; 哈希表建立模块,为用户U建立两个哈希表,HA甜like和HAS出islike,HA細like表示用户U喜 欢的商品集合,HAS出islike表示用户U不喜欢的商品集合,每个表中分别存储每个特征值及 其在对应的集合中出现次数的映射关系; 哈希表计算模块,计算哈希表中各个特征值ΠΗ在集合中出现的概率; 商品喜好计算模块,计算商品A具有特征值mi时,用户U喜欢的概率Pu(A|mi);并建立一 个新的哈希表HASHp存储每个特征值ΠΗ到Pu (AI mi)的映射。11. 如权利要求10所述的一种用户喜好信息推送服务器,其特征在于,分类模块还包 括,评分判定模块,判定用户评分大于所述评分阔值时,判定用户喜欢此商品;当小于所述 评分阔值时,判定用户不喜欢此商品。12. 如权利要求10所述的一种用户喜好信息推送服务器,其特征在于,所述哈希表计算 模块具体还用于,计j其中mi表示商品中的特征值,Ml表示特征值mi出现 的次数,Lhas康示对应的HA甜表的长度,A表示商品A。13. 如权利要求10所述的一种用户喜好信息推送服务器,其特征在于,所述商品喜好计 算模块具体还用于,利用贝叶斯公??计算,其中Ρ(Α)为商品A在η 个总商品存在的概率,Ρ (mi)为特征值mi出现的概率。14. 如权利要求10所述的一种用户喜好信息推送服务器,其特征在于,推送模块具体还 包括:未评商品计算模块,根据建立的哈希表HASHp,计算一个未评分商品是用户U喜欢的商 品的可能性,通过查表找到此商品具有的特征值,计算此商品同时具有运些特征值时,用户 U喜欢的概率P(A|mi...血)。15. -种用户喜好信息推送系统,其特征在于,包括:如权利要求9-14所述的服务器;和 移动终端,用于接收所述服务器推送的用户喜好商品信息,向用户显示。
【文档编号】G06Q30/02GK105979013SQ201610543048
【公开日】2016年9月28日
【申请日】2016年7月11日
【发明人】唐爱华, 郝波
【申请人】汇通宝支付有限责任公司
再多了解一些
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1