一种把离线算法在线进行计算的方法及装置制造方法
【专利摘要】本发明公开了一种把离线算法在线进行计算的方法及装置，属于互联网领域。所述方法包括：获取用户在第一时间段内操作的每个业务信息对应的历史记录，所述第一时间段为离当前最近且时长为预设时长的时间段；根据所述每个业务信息对应的历史记录，构建第一用户兴趣矩阵；根据所述第一用户兴趣矩阵，对保存的第二用户兴趣矩阵进行修正，得到第三用户兴趣矩阵；根据预设的业务信息矩阵和所述第三用户兴趣矩阵，计算出在线业务推荐矩阵。所述装置包括：获取模块、构建模块、修正模块和计算模块。本发明能够提高推荐业务信息的准确度。
【专利说明】一种把离线算法在线进行计算的方法及装置
【技术领域】
[0001] 本发明涉及互联网通信领域，特别涉及一种把离线算法在线进行计算的方法及装 置。
【背景技术】
[0002] 目前，用户经常在网络上浏览不同类型的业务信息，如视频、广告和商品信息等， 服务器可以根据用户过去浏览的业务信息，预测用户当前可能感兴趣的业务信息，并将预 测的业务信息推荐给用户。
[0003] 服务器推荐业务信息的过程如下所示：
[0004] 服务器在离线的情况下，先获取用户离当前最近且时长为预设时长的时间段内操 作的每个业务信息对应的历史记录，该业务信息的对应的历史记录至少包括该业务信息的 标识，操作该业务信息的操作行为类型和操作该业务信息的操作时间。根据每个业务信息 对应的历史记录离线计算出该用户的用户兴趣矩阵化_，用户兴趣矩阵&_的每一行对应业 务信息的一种属性因子，每一列对应一种操作行为，用户兴趣矩阵中的元素表示该 用户对属性因子i发生操作行为j的兴趣值，并保存在离线情况下计算得到的用户的用户 兴趣矩阵&_。然后服务器每隔预设时长的时间，按上述方法离线计算该用户的用户兴趣矩 阵，并将保存的用户兴趣矩阵更新为新计算的用户兴趣矩阵。
[0005] 当需要推荐业务信息给该用户时，获取预设的业务信息矩阵AM?，业务信息矩阵 amh<k的每一行对应一个业务信息，每一列对应业务信息的一种属性因子，业务信息矩阵amh<k 中的元素表示属性因子j在业务信息i中的权重。根据获取的业务信息矩阵和保存 的离线计算得到的该用户的用户兴趣矩阵，计算出离线业务推荐矩阵W_，离线业务推 荐矩阵W_的每一行对应一个业务信息，每一列对应一种操作行为，离线业务推荐矩阵 中的元素表示该用户对业务信息i发生操作行为j的兴趣程度。根据离线业务推荐矩 阵WMW获取用户发生操作行为的兴趣程度最大的几个业务信息，将获取的业务信息作为用 户当前可能感兴趣的业务信息并推荐给用户。
[0006] 在实现本发明的过程中，发明人发现现有技术至少存在如下问题：
[0007] 服务器每隔预设时长的时间更新一次该用户的用户兴趣矩阵，预设时长往往为半 个月或一个月等。而用户对业务信息的感兴趣程度是时刻变化的，如此根据用户兴趣矩阵 得到的离线业务推荐矩阵中包括的兴趣程度较大的业务信息可能不是当前用户所感兴趣 的业务信息，从而降低了推荐业务信息的准确度。
【发明内容】
[0008] 为了提高推荐业务信息的准确度，本发明提供了一种把离线算法在线进行计算的 方法及装置。所述技术方案如下：
[0009] -种把离线算法在线进行计算的方法，所述方法包括：
[0010] 获取用户在第一时间段内操作的每个业务信息对应的历史记录，所述第一时间段 为离当前最近且时长为预设时长的时间段；
[0011] 根据所述每个业务信息对应的历史记录，构建第一用户兴趣矩阵；
[0012] 根据所述第一用户兴趣矩阵，对保存离线计算得到的第二用户兴趣矩阵进行修 正，得到第三用户兴趣矩阵；
[0013] 根据预设的业务信息矩阵和所述第三用户兴趣矩阵，计算出在线业务推荐矩阵。
[0014] 一种把离线算法在线进行计算的装置，所述装置包括：
[0015] 获取模块，用于获取用户在第一时间段内操作的每个业务信息对应的历史记录， 所述第一时间段为离当前最近且时长为预设时长的时间段；
[0016] 构建模块，用于根据所述每个业务信息对应的历史记录，构建第一用户兴趣矩 阵；
[0017] 修正模块，用于根据所述第一用户兴趣矩阵，对保存离线计算得到的第二用户兴 趣矩阵进行修正，得到第三用户兴趣矩阵；
[0018] 计算模块，用于根据预设的业务信息矩阵和所述第三用户兴趣矩阵，计算出在线 业务推荐矩阵。
[0019] 在本发明实施例中，获取用户在第一时间段内操作的每个业务信息对应的历史记 录，第一时间段为离当前最近且时长为预设时长的时间段；根据每个业务信息对应的历史 记录，构建第一用户兴趣矩阵；根据第一用户兴趣矩阵，对保存离线计算得到的第二用户兴 趣矩阵进行修正，得到第三用户兴趣矩阵；根据预设的业务信息矩阵和第三用户兴趣矩阵， 计算出在线业务推荐矩阵。由于根据用户在第一时间段内操作的每个业务信息对应的历史 记录，构建了第一用户兴趣矩阵，并利用第一用户兴趣矩阵，对保存离线计算得到的第二用 户兴趣矩阵进行修正，得到第三用户兴趣矩阵，如此根据第三用户兴趣矩阵得到的在线业 务推荐矩阵中包括的兴趣程度较大的业务信息更贴近用户当前感兴趣的业务信息，从而提 高了推荐业务信息的准确度。
【专利附图】
【附图说明】
[0020] 图1是本发明实施例1提供的一种把离线算法在线进行计算的流程图；
[0021] 图2是本发明实施例2提供的一种把离线算法在线进行计算的流程图；
[0022] 图3是本发明实施例3提供的一种把离线算法在线进行计算的装置结构示意图。
【具体实施方式】
[0023] 为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明实施方 式作进一步地详细描述。
[0024] 实施例1
[0025] 参见图1，本发明实施例提供了一种把离线算法在线进行计算的方法，包括：
[0026] 步骤101 :获取用户在第一时间段内操作的每个业务信息对应的历史记录，第一 时间段为离当前最近且时长为预设时长的时间段；
[0027] 步骤102 :根据每个业务信息对应的历史记录，构建第一用户兴趣矩阵；
[0028] 步骤103 :根据第一用户兴趣矩阵，对保存离线计算得到的第二用户兴趣矩阵进 行修正，得到第三用户兴趣矩阵；
[0029] 步骤104 :根据预设的业务信息矩阵和第三用户兴趣矩阵，计算出在线业务推荐 矩阵。
[0030] 优选地，获取该用户在第一时间段内操作的每个业务信息对应的历史记录，包 括：
[0031] 从该用户的历史记录文件中获取操作时间在第一时间段内的业务信息对应的历 史记录；
[0032] 如果获取的业务信息对应的历史记录的数目大于预设个数，则从获取的业务信息 对应的历史记录中获取操作时间离当前最近的预设个数个业务信息对应的历史记录。
[0033] 进一步地，获取该用户在第一时间段内操作的每个业务信息对应的历史记录，还 包括：
[0034] 如果获取的业务信息对应的历史记录的数目小于或等于预设个数，则选择获取的 每个业务信息对应的历史记录。
[0035] 优选地，根据每个业务信息对应的历史记录，构建第一用户兴趣矩阵，包括：
[0036] 根据每个业务信息对应的历史记录构建业务行为矩阵，业务行为矩阵的每一行对 应一个业务信息，每一列对应一种操作行为，业务行为矩阵中的元素表示该用户对业务信 息发生操作行为的次数；
[0037] 从预设的业务信息矩阵中获取每个业务信息对应的一行记录并组成第一业务信 息矩阵；
[0038] 根据业务行为矩阵和第一业务信息矩阵，获取第一用户兴趣矩阵。
[0039] 优选地，根据业务行为矩阵和第一业务信息矩阵，获取第一用户兴趣矩阵，包括：
[0040] 根据每个业务信息对应的历史记录，分别计算每个业务信息对应的时间相关系 数；
[0041] 在第一业务信息矩阵中将每个业务信息对应的一行记录分别与每个业务信息对 应的时间相关系数相乘，得到第二业务信息矩阵；
[0042] 根据第二业务信息矩阵的转置矩阵和业务行为矩阵，计算第一用户兴趣矩阵。
[0043] 优选地，根据第二业务信息矩阵的转置矩阵和业务行为矩阵，计算第一用户兴趣 矩阵，包括：
[0044] 根据第二业务信息矩阵的转置矩阵和业务行为矩阵，按如下所示的公式（1 )，计算 第一用户兴趣矩阵；
[0045] BU: (Rm)t*Fx*n……（1)
[0046] 在公式（1)中，为第一用户兴趣矩阵，第一用户兴趣矩阵的行数为K以及 列数为N ; (RM) τ为第二业务兴趣矩阵RM的转置矩阵，第二业务兴趣矩阵RM的行数为X 以及列数为K ;FXW为业务行为矩阵，业务行为矩阵Fxw的行数为X以及列数为N。
[0047] 优选地，根据第一用户兴趣矩阵，对保存的离线计算得到的第二用户兴趣矩阵进 行修正，得到第三用户兴趣矩阵，包括：
[0048] 根据第一用户兴趣矩阵和第二用户矩阵，按如下所示的公式（2)，计算第三用户兴 趣矩阵；
[0049] ……（2)
[0050] 在公式（2)中，B2M为第三用户兴趣矩阵，第三用户兴趣矩阵B2M的行数为K以及 列数为N ;BKW为第二用户兴趣矩阵，第二用户兴趣矩阵BKW的行数为K以及列数为N。
[0051] 优选地，根据预设的业务信息矩阵和第三用户兴趣矩阵，计算出在线业务推荐矩 阵，包括：
[0052] 确定预设的业务信息矩阵包括的列数，构建一个对角矩阵，对角矩阵的行数和列 数与确定的列数相等，以及对角矩阵中的对角线上的元素都为预设数值；
[0053] 根据预设的业务信息矩阵、对角矩阵和第三用户兴趣矩阵，计算在线业务推荐矩 阵。
[0054] 优选地，根据预设的业务信息矩阵、对角矩阵和第三用户兴趣矩阵，计算在线业务 推荐矩阵，包括：
[0055] 根据预设的业务信息矩阵、对角矩阵和第三用户兴趣矩阵，按照如下所示的公式 (3)，计算在线业务推荐矩阵；
[0056] Wm*n=Am*k*Cm*B 2k*n……（3)
[0057] 在公式（3)中，W_为在线业务推荐矩阵，在线业务推荐矩阵W_的行数为Μ以及 列数为Ν ;Αμη<κ为业务信息矩阵，业务信息矩阵ΑΜΗ<Κ的行数为Μ以及列数为K ;CM为对角矩 阵，对角矩阵CM的行数和列数都为K。
[0058] 进一步地，该方法还包括：
[0059] 对于在线业务推荐矩阵中包括的每个业务信息对应的一行记录，根据记录中包括 的该用户对业务信息发生每种操作行为的兴趣程度和每种操作行为对应的权重系数，计算 出该用户对业务信息发生操作行为的总兴趣程度。
[0060] 在本发明实施例中，获取用户在第一时间段内操作的每个业务信息对应的历史记 录，第一时间段为离当前最近且时长为预设时长的时间段；根据每个业务信息对应的历史 记录，构建第一用户兴趣矩阵；根据第一用户兴趣矩阵，对保存离线计算得到的第二用户兴 趣矩阵进行修正，得到第三用户兴趣矩阵；根据预设的业务信息矩阵和第三用户兴趣矩阵， 计算出在线业务推荐矩阵。由于根据用户在第一时间段内操作的每个业务信息对应的历史 记录，构建了第一用户兴趣矩阵，并利用第一用户兴趣矩阵，对保存离线计算得到的第二用 户兴趣矩阵进行修正，得到第三用户兴趣矩阵，如此根据第三用户兴趣矩阵得到的在线业 务推荐矩阵中包括的兴趣程度较大的业务信息更贴近用户当前感兴趣的业务信息，从而提 高了推荐业务信息的准确度。
[0061] 实施例2
[0062] 本发明实施例提供了一种把离线算法在线进行计算的方法。
[0063] 当服务器需要推荐业务信息给用户时，服务器根据通过本发明实施例提供的方法 获取在线业务推荐矩阵，然后再根据在线业务推荐矩阵推荐业务信息给用户。
[0064] 参见图2,该方法具体包括：
[0065] 步骤201 :获取用户在第一时间段内操作的每个业务信息对应的历史记录，第一 时间段为离当前最近且时长为预设时长的时间段；
[0066] 其中，业务信息可以为视频、广告或商品信息等不同信息类型的信息，在此就不 一一举例。当用户操作一个业务信息时，例如，当用户观看、点击或收藏一个业务信息时，月艮 务器会将该业务信息的标识、该用户操作该业务信息的操作行为类型和操作该业务信息的 操作时间组成一条历史记录，并将该条历史记录保存在该用户的历史记录文件中。操作行 为类型包括观看、点击或收藏等。预设时长可以为半个小时、十分钟或两分钟等。
[0067] 本步骤具体为，从该用户的历史记录文件中获取操作时间在第一时间段内的业务 信息对应的历史记录；如果获取的业务信息对应的历史记录的数目大于预设个数，则从获 取的业务信息对应的历史记录中选择操作时间离当前最近的预设个数个业务信息对应的 历史记录；例如，预设个数可以为15、20或30等数值，假设，获取的业务信息对应的历史记 录的数目为30,且预设个数为20,从获取的30个业务信息对应的历史记录中选择操作时间 离当前最近的20个业务信息对应的历史记录。如果获取的业务信息对应的历史记录的数 目小于或等于预设个数，则选择获取的每个业务信息对应的历史记录，假设，获取的业务信 息对应的历史记录的数目为15,且预设个数为20,选择获取的15个业务信息对应的历史记 录。
[0068] 步骤202 :根据每个业务信息对应的历史记录，构建业务行为矩阵；
[0069] 其中，对于每个业务信息，根据该业务信息的历史记录，计算出用户对该业务信息 发生每种操作行为的次数，将用户对该业务信息发生每种操作行为的次数组成该业务信息 对应的一行记录，按上述方式得到每个业务信息对应的一行记录，并将每个业务信息对应 的一行记录组成业务行为矩阵Fxw，且组成的业务行为矩阵F M如下所示。
[0070] 业务行为矩阵Fxw的每一行对应一个业务信息，每一列对应一种操作行为，X为业 务行为矩阵F xw包括的行数且与获取的业务信息的数目相等,N为业务行为矩阵Fxw包括的 列数且与操作行为的数目相等，业务行为矩阵中F M的元素表示用户对业务信息i发生 操作行为j的次数。例如，如下所示的业务行为矩阵Fxw，业务行为矩阵F xw的第一行对应 业务信息1，第二行对应业务信息2,……，第X行对应业务信息X，业务行为矩阵FM的第 一列对应操作行为1,第二列对应操作行为2,......，第N列对应操作行为N,业务行为矩阵 FM的元素 Fn表示用户对业务信息1发生操作行为1的次数，元素 F12表示用户对业务信息 1发生操作行为2的次数，……，元素 FXN表示用户对业务信息X发生操作行为N的次数。
[0071]
【权利要求】
1. 一种把离线算法在线进行计算的方法，其特征在于，所述方法包括： 获取用户在第一时间段内操作的每个业务信息对应的历史记录，所述第一时间段为离 当前最近且时长为预设时长的时间段； 根据所述每个业务信息对应的历史记录，构建第一用户兴趣矩阵； 根据所述第一用户兴趣矩阵，对保存的离线计算得到的第二用户兴趣矩阵进行修正， 得到第三用户兴趣矩阵； 根据预设的业务信息矩阵和所述第三用户兴趣矩阵，计算出在线业务推荐矩阵。
2. 如权利要求1所述的方法，其特征在于，所述获取用户在第一时间段内操作的每个 业务信息对应的历史记录，包括： 从所述用户的历史记录文件中获取操作时间在第一时间段内的业务信息对应的历史 记录； 如果所述获取的业务信息对应的历史记录的数目大于预设个数，则从所述获取的业务 信息对应的历史记录中获取操作时间离当前最近的预设个数个业务信息对应的历史记录。
3. 如权利要求2所述的方法，其特征在于，所述方法还包括： 如果所述获取的业务信息对应的历史记录的数目小于或等于预设个数，则选择获取的 每个业务信息对应的历史记录。
4. 如权利要求1所述的方法，其特征在于，所述根据所述每个业务信息对应的历史记 录，构建第一用户兴趣矩阵，包括： 根据每个业务信息对应的历史记录构建业务行为矩阵，所述业务行为矩阵的每一行对 应一个业务信息，每一列对应一种操作行为，所述业务行为矩阵中的元素表示所述用户对 业务信息发生操作行为的次数； 从预设的业务信息矩阵中获取所述每个业务信息对应的一行记录并组成第一业务信 息矩阵； 根据所述业务行为矩阵和所述第一业务信息矩阵，获取第一用户兴趣矩阵。
5. 如权利要求4所述的方法，其特征在于，所述根据所述业务行为矩阵和所述第一业 务信息矩阵，获取第一用户兴趣矩阵，包括： 根据所述每个业务信息对应的历史记录，分别计算所述每个业务信息对应的时间相关 系数； 在所述第一业务信息矩阵中将所述每个业务信息对应的一行记录分别与所述每个业 务信息对应的时间相关系数相乘，得到第二业务信息矩阵； 根据所述第二业务信息矩阵的转置矩阵和所述业务行为矩阵，计算第一用户兴趣矩 阵。
6. 如权利要求5所述的方法，其特征在于，所述根据所述第二业务信息矩阵的转置矩 阵和所述业务行为矩阵，计算第一用户兴趣矩阵，包括： 根据所述第二业务信息矩阵的转置矩阵和所述业务行为矩阵，按如下所示的公式（1 )， 计算所述第一用户兴趣矩阵； B1脚=(RX*K)T*FX? ⑴ 在公式（1)中，B1^为所述第一用户兴趣矩阵，所述第一用户兴趣矩阵B1^的行数为 K以及列数为N ; (RM) τ为所述第二业务兴趣矩阵RM的转置矩阵，所述第二业务兴趣矩阵 Rx?的行数为X以及列数为K ;FXW为所述业务行为矩阵，所述业务行为矩阵Fxw的行数为X 以及列数为N。
7. 如权利要求1所述的方法，其特征在于，所述根据所述第一用户兴趣矩阵，对保存的 离线计算得到的第二用户兴趣矩阵进行修正，得到第三用户兴趣矩阵，包括： 根据所述第一用户兴趣矩阵和所述第二用户矩阵，按如下所示的公式（2)，计算所述第 三用户兴趣矩阵； Β κ*Ν-Βκ*ν+Β κ*Ν...... (2) 在公式（2)中，Β2Μ为所述第三用户兴趣矩阵，所述第三用户兴趣矩阵Β2Μ的行数为Κ 以及列数为Ν ;ΒΜ为所述第二用户兴趣矩阵，所述第二用户兴趣矩阵ΒΜ的行数为Κ以及 列数为Ν。
8. 如权利要求1所述的方法，其特征在于，所述根据预设的业务信息矩阵和所述第三 用户兴趣矩阵，计算出在线业务推荐矩阵，包括： 确定所述预设的业务信息矩阵包括的列数，构建一个对角矩阵，所述对角矩阵的行数 和列数与所述确定的列数相等，以及所述对角矩阵中的对角线上的元素都为预设数值； 根据所述预设的业务信息矩阵、所述对角矩阵和所述第三用户兴趣矩阵，计算所述在 线业务推荐矩阵。
9. 如权利要求8所述的方法，其特征在于，所述根据所述预设的业务信息矩阵、所述对 角矩阵和所述第三用户兴趣矩阵，计算所述在线业务推荐矩阵，包括： 根据所述预设的业务信息矩阵、所述对角矩阵和所述第三用户兴趣矩阵，按照如下所 示的公式（3)，计算所述在线业务推荐矩阵； WM*N-AM*K*CK* K*B Κ*Ν...... (3) 在公式（3)中，WMW为所述在线业务推荐矩阵，所述在线业务推荐矩阵1_的行数为Μ 以及列数为Ν ;ΑΜ?为所述业务信息矩阵，所述业务信息矩阵ΑΜ?的行数为Μ以及列数为Κ ; CM为所述对角矩阵，所述对角矩阵CM的行数和列数都为Κ。
10. 如权利要求1至9任一项权利要求所述的方法，其特征在于，所述根据预设的业务 信息矩阵和所述第三用户兴趣矩阵，计算出在线业务推荐矩阵之后，还包括： 对于所述在线业务推荐矩阵中包括的每个业务信息对应的一行记录，根据所述记录中 包括的所述用户对所述业务信息发生每种操作行为的兴趣程度和所述每种操作行为对应 的权重系数，计算出所述用户对所述业务信息发生操作行为的总兴趣程度。
11. 一种把离线算法在线进行计算的装置，其特征在于，所述装置包括： 获取模块，用于获取用户在第一时间段内操作的每个业务信息对应的历史记录，所述 第一时间段为离当前最近且时长为预设时长的时间段； 构建模块，用于根据所述每个业务信息对应的历史记录，构建第一用户兴趣矩阵； 修正模块，用于根据所述第一用户兴趣矩阵，对保存的离线计算得到的第二用户兴趣 矩阵进行修正，得到第三用户兴趣矩阵； 计算模块，用于根据预设的业务信息矩阵和所述第三用户兴趣矩阵，计算出在线业务 推荐矩阵。
12. 如权利要求11所述的装置，其特征在于，所述获取模块包括： 第一获取单元，用于从所述用户的历史记录文件中获取操作时间在第一时间段内的业 务信息对应的历史记录； 第二获取单元，用于如果所述获取的业务信息对应的历史记录的数目大于预设个数， 则从所述获取的业务信息对应的历史记录中获取操作时间离当前最近的预设个数个业务 信息对应的历史记录。
13. 如权利要求12所述的装置，其特征在于，所述获取模块，还用于如果所述获取的业 务信息对应的历史记录的数目小于或等于预设个数，则选择获取的每个业务信息对应的历 史记录。
14. 如权利要求11所述的装置，其特征在于，所述构建模块包括： 第一构建单元，用于根据每个业务信息对应的历史记录构建业务行为矩阵，所述业务 行为矩阵的每一行对应一个业务信息，每一列对应一种操作行为，所述业务行为矩阵中的 元素表示所述用户对业务信息发生操作行为的次数； 获取组成单元，用于从预设的业务信息矩阵中获取所述每个业务信息对应的一行记录 并组成第一业务信息矩阵； 第三获取单元，用于根据所述业务行为矩阵和所述第一业务信息矩阵，获取第一用户 兴趣矩阵。
15. 如权利要求14所述的装置，其特征在于，所述第三获取单元包括： 第一计算子单元，用于根据所述每个业务信息对应的历史记录，分别计算所述每个业 务信息对应的时间相关系数； 第二计算子单元，用于在所述第一业务信息矩阵中将所述每个业务信息对应的一行记 录分别与所述每个业务信息对应的时间相关系数相乘，得到第二业务信息矩阵； 第三计算子单元，用于根据所述第二业务信息矩阵的转置矩阵和所述业务行为矩阵， 计算第一用户兴趣矩阵。
16. 如权利要求15所述的装置，其特征在于， 所述第三计算子单元具体用于根据所述第二业务信息矩阵的转置矩阵和所述业务行 为矩阵，按如下所示的公式（1 )，计算所述第一用户兴趣矩阵； B1脚=(RX*K)T*FX?......⑴ 在公式（1)中，B1^为所述第一用户兴趣矩阵，所述第一用户兴趣矩阵B1^的行数为 K以及列数为N ; (RM) τ为所述第二业务兴趣矩阵RM的转置矩阵，所述第二业务兴趣矩阵 Rx?的行数为X以及列数为K ;FXW为所述业务行为矩阵，所述业务行为矩阵Fxw的行数为X 以及列数为N。
17. 如权利要求11所述的装置，其特征在于，所述修正模块，包括： 第一计算单元，用于根据所述第一用户兴趣矩阵和所述第二用户矩阵，按如下所示的 公式（2)，计算所述第三用户兴趣矩阵； Β κ*Ν-Βκ*ν+Β κ*Ν...... (2) 在公式（2)中，Β2Μ为所述第三用户兴趣矩阵，所述第三用户兴趣矩阵Β2Μ的行数为Κ 以及列数为Ν ;ΒΜ为所述第二用户兴趣矩阵，所述第二用户兴趣矩阵ΒΜ的行数为Κ以及 列数为Ν。
18. 如权利要求11所述的装置，其特征在于，所述计算模块，包括： 第二构建单元，用于确定所述预设的业务信息矩阵包括的列数，构建一个对角矩阵，所 述对角矩阵的行数和列数与所述确定的列数相等，以及所述对角矩阵中的对角线上的元素 都为预设数值； 第二计算单元，用于根据所述预设的业务信息矩阵、所述对角矩阵和所述第三用户兴 趣矩阵，计算所述在线业务推荐矩阵。
19. 如权利要求18所述的装置，其特征在于，所述第二计算单元，包括： 第四计算子单元，用于根据根据所述预设的业务信息矩阵、所述对角矩阵和所述第三 用户兴趣矩阵，按照如下所示的公式（3)，计算所述在线业务推荐矩阵； WM*N-AM*K*CK* K*B K*N...... (3) 在公式（3)中，WMW为所述在线业务推荐矩阵，所述在线业务推荐矩阵1_的行数为Μ 以及列数为Ν ;ΑΜ?为所述业务信息矩阵，所述业务信息矩阵ΑΜ?的行数为Μ以及列数为Κ ; CM为所述对角矩阵，所述对角矩阵CM的行数和列数都为Κ。
20. 如权利要求11至19任一项权利要求所述的装置，其特征在于，所述装置，还用于对 于所述在线业务推荐矩阵中包括的每个业务信息对应的一行记录，根据所述记录中包括的 所述用户对所述业务信息发生每种操作行为的兴趣程度和所述每种操作行为对应的权重 系数，计算出所述用户对所述业务信息发生操作行为的总兴趣程度。
【文档编号】G06F17/30GK104090892SQ201310688366
【公开日】2014年10月8日 申请日期:2013年12月16日 优先权日:2013年12月16日
【发明者】罗如海 申请人:深圳市腾讯计算机系统有限公司