一种推荐对象的处理方法和电子设备与流程

本发明涉及对象推荐技术领域，更具体的说是涉及一种推荐对象的处理方法和电子设备。

背景技术：

随着电子商务的迅速发展，为用户推荐针对性物品成为提升用户消费体验的保障。那么，在推荐过程中，主要需要考虑的就是用户对哪些物品感兴趣。

而现有技术提供的推荐方法一般均是根据单一用户来确定相关联的物品，进而推荐给用户。例如，根据某一用户的历史数据或某一用户的用户属性来确定与该历史数据对应的或者与该用户属性对应的物品，进而推荐给用户。

由此可以看出，现有技术的推荐方法中，物品和用户的关联性较为单一，那么使用这种方式推荐给用户的物品可能并不是用户所感兴趣的物品，导致推荐准确率降低，用户体验差。

技术实现要素：

有鉴于此，本发明提供一种推荐对象的处理方法和电子设备，以解决现有技术的推荐方法使得推荐准确率低的技术问题。

为实现上述目的，本发明提供如下技术方案：

一种推荐对象的处理方法，该方法包括：

在预构建的第一网络中确定训练对象；其中，所述第一网络用于表征待训练对象和所述待训练对象的对象属性之间的关联关系；

在预构建的第二网络中确定与所述训练对象相关联的训练用户；其中，所述第二网络用于表征待训练用户和所述待训练用户的用户属性之间的关联关系；

依据所述训练用户针对所述训练对象的反馈信息调整所述对象属性和所述用户属性之间的关联权重。

优选的，所述在预构建的第一网络中确定训练对象之前，还包括：

确定待训练对象；

获取与所述待训练对象相关联的对象历史数据；

基于所述对象历史数据构建用于表征待训练对象和所述待训练对象的对象属性的第一网络。

优选的，所述基于所述对象历史数据构建用于表征待训练对象和所述待训练对象的对象属性的第一网络，具体为：

提取所述对象历史数据中的所述待训练对象的属性标识以及所述属性标识的属性值；

基于所述属性标识和所述属性值确定所述待训练对象的对象属性；

构建所述待训练对象和所述对象属性的第一网络。

优选的，所述提取所述对象历史数据中的所述待训练对象的属性标识以及所述属性标识的属性值之后，还包括：

确定所述对象历史数据中的第二对象；

提取所述对象历史数据中所述第二对象的第二属性标识、所述第二属性标识的第二属性值以及与所述待训练对象相关的比对标识；

所述基于所述属性标识和所述属性值确定所述待训练对象的对象属性之后，还包括：

基于所述第二属性标识、所述第二属性值和所述比对标识调整所述待训练对象的对象属性。

优选的，所述构建所述待训练对象和所述对象属性的第一网络之后，还包括：

确定所述第二对象为待训练对象，返回所述获取与所述待训练对象相关联的对象历史数据的步骤。

优选的，所述在预构建的第二网络中确定与所述训练对象相关联的训练用户之前，还包括：

确定待训练用户；

获取与所述待训练用户相关联的用户历史数据；

基于所述用户历史数据构建用于表征待训练用户和所述待训练用户的用户属性的第二网络。

优选的，所述获取与所述待训练用户相关联的用户历史数据包括：

获取所述待训练用户的第一用户历史数据；

确定与所述待训练用户相关联的第二用户；

获取所述第二用户的第二用户历史数据；

确定所述第一用户历史数据和所述第二用户历史数据为所述用户历史数据。

优选的，所述依据所述训练用户针对所述训练对象的关联信息调整所述对象属性和所述用户属性之间的关联权重之后，还包括：

确定第一目标用户；

获取与所述第一目标用户相关联的第一目标用户历史数据；

基于所述第一目标用户历史数据确定所述第一目标用户属性；

基于所述对象属性和所述用户属性之间的关联权重确定与所述第一目标用户属性相关联的第一目标对象属性；

在所述第一网络中确定与所述第一目标对象属性连接的第一目标对象；

为所述第一目标用户推荐所述第一目标对象。

优选的，所述依据所述训练用户针对所述训练对象的关联信息调整所述对象属性和所述用户属性之间的管理权重之后，还包括：

确定第二目标对象；

获取与所述第二目标对象相关联的第二目标对象历史数据；

基于所述第二目标对象历史数据确定所述第二目标对象属性；

基于所述对象属性和所述用户属性之间的关联权重确定与所述第二目标对象属性相关联的第二目标用户属性；

在所述第二网络中确定与所述第二目标用户属性连接的第二目标用户；

为所述第二目标用户推荐所述第二目标对象。

一种电子设备，该电子设备包括：

第一确定单元，用于在预构建的第一网络中确定训练对象；其中，所述第一网络用于表征待训练对象和所述待训练对象的对象属性之间的关联关系；

第二确定单元，用于在预构建的第二网络中确定与所述训练对象相关联的训练用户；其中，所述第二网络用于表征待训练用户和所述待训练用户的用户属性之间的关联关系；

第一调整单元，用于依据所述训练用户针对所述训练对象的反馈信息调整所述对象属性和所述用户属性之间的关联权重。

优选的，还包括：

第三确定单元，用于确定待训练对象；

第一获取单元，用于获取与所述待训练对象相关联的对象历史数据；

第一构建单元，用于基于所述对象历史数据构建用于表征待训练对象和所述待训练对象的对象属性的第一网络。

优选的，所述第一构建单元，包括：

第一提取模块，用于提取所述对象历史数据中的所述待训练对象的属性标识以及所述属性标识的属性值；

第一确定模块，用于基于所述属性标识和所述属性值确定所述待训练对象的对象属性；

第一构建模块，用于构建所述待训练对象和所述对象属性的第一网络。

优选的，所述第一构建单元还包括：

第二确定模块，用于确定所述对象历史数据中的第二对象；

第二提取模块，用于提取所述对象历史数据中所述第二对象的第二属性标识、所述第二属性标识的第二属性值以及与所述待训练对象相关的比对标识；

第一调整模块，用于在所述第一确定模块基于所述属性标识和所述属性值确定所述待训练对象的对象属性之后，基于所述第二属性标识、所述第二属性值和所述比对标识调整所述待训练对象的对象属性。

优选的，还包括：

确定控制单元，用于确定所述第二对象为待训练对象，并控制所述第一获取单元执行所述获取与所述待训练对象相关联的对象历史数据的步骤。

优选的，还包括：

第四确定单元，用于确定待训练用户；

第二获取单元，用于获取与所述待训练用户相关联的用户历史数据；

第二构建单元，用于基于所述用户历史数据构建用于表征待训练用户和所述待训练用户的用户属性的第二网络。

优选的，所述第二获取单元包括：

第一获取模块，用于获取所述待训练用户的第一用户历史数据；

第三确定模块，用于确定与所述待训练用户相关联的第二用户；

第二获取模块，用于获取所述第二用户的第二用户历史数据；

第四确定模块，用于确定所述第一用户历史数据和所述第二用户历史数据为所述用户历史数据。

优选的，还包括：

第五确定单元，用于确定第一目标用户；

第三获取单元，用于获取与所述第一目标用户相关联的第一目标用户历史数据；

第六确定单元，用于基于所述第一目标用户历史数据确定所述第一目标用户属性；

第七确定单元，用于基于所述对象属性和所述用户属性之间的关联权重确定与所述第一目标用户属性相关联的第一目标对象属性；

第八确定单元，用于在所述第一网络中确定与所述第一目标对象属性连接的第一目标对象；

第一推荐单元，用于为所述第一目标用户推荐所述第一目标对象。

优选的，还包括：

第九确定单元，用于确定第二目标对象；

第四获取单元，用于获取与所述第二目标对象相关联的第二目标对象历史数据；

第十确定单元，用于基于所述第二目标对象历史数据确定所述第二目标对象属性；

第十一确定单元，用于基于所述对象属性和所述用户属性之间的关联权重确定与所述第二目标对象属性相关联的第二目标用户属性；

第十二确定单元，用于在所述第二网络中确定与所述第二目标用户属性连接的第二目标用户；

第二推荐单元，用于为所述第二目标用户推荐所述第二目标对象。

经由上述的技术方案可知，与现有技术相比，本发明实施例公开了一种推荐对象的处理方法，预构建的第一网络能够表征待训练对象和待训练对象的对象属性之间的关联关系，预构建的第二网络能够表征待训练和待训练用户的用户属性之间的关联关系，当依据训练用户针对训练对象的反馈信息调整对象属性和用户属性之间的关联权重后，使得训练对象和训练用户之间的联系更加贴合实际情况，并且，第一网络和第二网络也相应的建立了关联，丰富了对象和用户之间的关联性，那么，基于该关联所进行的用户或对象的推荐会相应的提高推荐的准确率，提升了用户体验。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。

图1为本发明实施例一提供的一种推荐对象的处理方法的流程示意图；

图2为本发明实施例二提供的一种推荐对象的处理方法的部分流程示意图；

图3为本发明实施例三提供的一种推荐对象的处理方法的部分流程示意图；

图4为本发明实施例四提供的一种推荐对象的处理方法的部分流程示意图；

图5为本发明实施例六提供的一种推荐对象的处理方法的部分流程示意图；

图6为本发明实施例七提供的一种推荐对象的处理方法的部分流程示意图；

图7为本发明提供的一种针对第一网络和第二网络连接关系的结构示意图；

图8为本发明实施例八提供的一种推荐对象的处理方法的流程示意图；

图9为本发明实施例九提供的一种推荐对象的处理方法的流程示意图；

图10为本发明实施例十提供的一种电子设备的结构示意图；

图11为本发明实施例十一提供的一种电子设备的结构示意图；

图12为本发明实施例十二提供的第一构建单元的结构示意图；

图13为本发明实施例十三提供的第一构建单元的结构示意图；

图14为本发明实施例十五提供的一种电子设备的结构示意图；

图15为本发明实施例十六提供的第二获取单元的结构示意图；

图16为本发明实施例十七提供的一种电子设备的结构示意图；

图17为本发明实施例十八提供的一种电子设备的结构示意图。

具体实施方式

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做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。

本发明实施例一公开了一种推荐对象的处理方法，其中，该方法的执行主体可以为电子设备也可以为服务器，如图1所示，该方法可以包括以下步骤：

步骤101：在预构建的第一网络中确定训练对象；

第一网络为用于表征待训练对象和待训练对象的对象属性之间的关联关系。

待训练对象可以为能够推荐给用户的对象，本发明并不做具体限定，如电子设备、家用电器，儿童用品等等，具体可以为手机、平板电脑、洗衣机、冰箱、儿童玩具等等。

待训练对象的对象属性为待训练对象所具有的特征属性，具体可以根据实际情况预训练。如待训练对象为A品牌的手机，该A品牌的手机的待训练对象的对象属性可以包括：性价比高、外观漂亮、待机时间短等等。那么，相应的，第一网络中A品牌的手机可以分别与性价比高、外观漂亮、待机时间短关联。

需说明的是，对象属性的具体体现在本发明并没有限定，以性价比为例，对象属性可以分为性价比高、中、低等所表征的等级方式划分；当然对象属性也可以以详细的属性值进行划分，仍以性价比为例，可以将性价比进行量 化，对象属性可以分为性价比处于80～100之间，性价比处于60～80之间，性价比处于40～60之间，性价比处于0～40之间等等。也就是说，对象属性的具体划分方式可以根据实际情况进行确定，对于其他能够表征待训练对象所具有的特征属性的方式均在本发明的保护范围之内。

其中，第一网络中待训练对象的数量以及待训练对象的对象属性的数量在本发明也没有具体限定，待训练对象可以有一个也可以为几十个、几百个甚至更多，当然，待训练对象之间也可以通过对象属性之间的关联性建立连接，如不同待训练对象之间的对象属性相同，那么，不同待训练对象之间也可以建立关联关系。

具体的如何构建第一网络会在后文中详细论述。

其中，可以随机的在预构建的第一网络中确定一训练对象，当然，也可以遵循预先设定的某一标准在与预构建的第一网络中确定一训练对象，具体的确定方式本发明并没有限定，可以根据实际情况进行设定。

步骤102：在预构建的第二网络中确定与所述训练对象相关联的训练用户；

第二网络为用于表征待训练用户和待训练用户的用户属性之间的关联关系的网络。

待训练用户为能够接收推荐对象的用户，本发明所指的待训练用户可以为具有用户标识的用户，以进行区分。具体的，待训练用户的确定范围在本发明并没有限定，如，待训练用户可以为某一社交网站所注册的用户，当然，该社交网络上所注册的用户可以具有是否允许成为待训练用户的选择权限，如可以在新浪微博上注册的用户中确定待训练用户。

待训练用户的用户属性为待训练用户所具有的特征属性，具体可以根据实际情况预训练。如某一待训练用户S1的用户属性可以为收入水平中等、青年人、IT行业。那么，待训练用户S1可以分别与收入水平中等、年轻人、IT行业关联。

需说明的是，待训练用户的用户属性的具体体现在本发明没有限定，可以根据实际情况进行设定。如年龄为例，待训练用户的用户属性可以以中年人、青年人、少年、儿童等进行划分；作为另一种方式，待训练用户的用户属性也可以以具体的年龄段进行划分，如处于18岁以下、18岁～30岁、30 岁～45岁、45岁以上等等。当然，对于其他能够表征待训练用户所具有的特征属性的方式均在本发明的保护范围之内。

其中，第二网络中待训练用户的数量以及待训练用户的用户属性的数量在本发明并没有具体限定，待训练用户可以有一个也可以为几十个、几百个甚至更多，当然，待训练用户之间也可以通过用户属性之间的关联性建立连接，如不同待训练用户之间的用户属性相同，那么，不同待训练用户之间也可以建立关联关系。

具体的如何构建第二网络会在后文中详细论述。

与训练对象相关联的训练用户具体可以指以浏览、评论该训练对象等方式与该训练对象相关联的训练用户。具体的，当确定了训练对象后，可以在待训练用户的范围内生成与该训练对象相关的对象数据，以在浏览或评论过该对象数据中的用户中确定训练用户。如在社交网络内生成一条与该训练对象相关的购物信息，以评论该训练对象的用户中确定一训练用户。

步骤103：依据训练用户针对训练对象的反馈信息调整对象属性和用户属性之间的关联权重。

其中，训练用户针对训练对象的反馈信息具体可以包括训练用户对该训练对象的评论内容、训练用户仅浏览了该训练对象、训练用户购买了该训练对象或者训练用户对该训练对象进行的评分等等。这些反馈信息均会影响到对象属性和用户属性之间的关联权重。

例如，某一训练用户的用户属性为收入水平一般、学生，训练对象的对象属性为：性价比高、外观一般、待机时间短。而该训练用户对该训练对象的评论为“性价比挺高，值得购买”，那么，可以为对象属性“性价比高”与用户属性“收入水平一般”以及“学生”之间的关联权重值加1。

当然，这只是一个简单的实例，在实际应用过程中，可以依据训练用户对训练对象的各种反馈信息来调整对象属性和用户属性之间的关联权重，再比如，训练对象仅浏览了该训练对象，那么，可以为训练对象的对象属性和训练用户的用户属性之间的关联权重分别加0.5；但是，如果训练对象购买了该训练对象，但是提出某一对象属性严重不符合要求，则用户属性和该对象属性之间的关联权重减一定的值，如减2。具体的实现方式均可以根据实际情况进行调整，本发明并不做限定。

在本发明实施例中，预构建的第一网络能够表征待训练对象和待训练对象的对象属性之间的关联关系，预构建的第二网络能够表征待训练和待训练用户的用户属性之间的关联关系，当依据训练用户针对训练对象的反馈信息调整对象属性和用户属性之间的关联权重后，使得训练对象和训练用户之间的联系更加贴合实际情况，并且，第一网络和第二网络也相应的建立了关联，丰富了对象和用户之间的关联性，那么，基于该关联所进行的用户或对象的推荐会相应的提高推荐的准确率，提升了用户体验。

本发明实施例二公开了一种推荐对象的处理方法，与实施例一不同之处在于，本实施例主要描述如何构建第一网络，即如图2所示，在预构建的第一网络中确定训练对象之前，还包括以下步骤：

步骤201：确定待训练对象；

其中，待训练对象可以为欲推荐给用户的对象。

步骤202：获取与待训练对象相关联的对象历史数据；

获取与该待训练对象相关联的对象历史数据，具体可以为：在互联网的第一范围内搜集与该训练对象相关的所有对象历史数据，该范围在本发明并没有限定，如在网络的某一购物网站或者多个购物网站搜集针对该训练对象的所有评论内容，所搜集的所有评论内容均是与该待训练对象相关联的对象历史数据。

步骤203：基于对象历史数据构建用于表征待训练对象和待训练对象的对象属性的第一网络。

对象历史数据中会有关于该训练对象的对象属性的描述，因此，基于该对象历史数据可以构建出用于表征待训练对象和待训练对象的对象属性的第一网络。

相应的，本发明实施例三公开了如何基于对象历史数据构建用于表征待训练对象和待训练对象的对象属性的第一网络的一种实现方式，具体可参见图3，如图3所示，该方法可以包括以下步骤：

步骤301：提取对象历史数据中待训练对象的属性标识以及属性标识的属性值；

具体的，可以预构建有数据库，数据库中存储有与待训练对象相关联的关键字，基于数据库中所存储的与待训练对象相关联的关键字来提取对象历史数据中待训练对象的属性标识以及属性标识的属性值。

以某一款手机的一条对象历史数据为例，如某一条对象历史数据为“该手机的外观挺好看的，就是待机时间短”，那么，所提取的该款手机的属性标识以及属性标识的属性值，可以包括：“外观”以及“好看”、“待机时间”以及“短”。

具体的提取方法可以基于数据库根据语义分析算法进行提取。

步骤302：基于所述属性标识和所述属性值确定待训练对象的对象属性；

当提取输出待训练对象的属性标识以及属性标识的属性值后，可以依据属性标识的属性值对属性标识进行量化统计，从而确定出待训练对象的对象属性。

需要说明的是，为了提高确定待训练对象的对象属性的准确性，可以从大量对象历史数据中来提取属性标识以及属性标识的属性值，相应的，针对某一属性标识就会存在大量该属性标识的属性值，从而使得所确定的待训练对象的对象属性更加贴合实际情况。

其中，基于属性标识和属性值确定待训练对象的对象属性的方式在本发明并没有具体限定，可以根据实际情况进行设定。

例如，属性标识为外观，相应的属性值有“好”、“不错”、“非常好”、“差”，如属性值为“好”和“不错”则为外观属性加1，属性值为“非常好”则为外观属性加2，而属性值为“差”则为外观属性减1，假设最终量化后的外观属性为88，而外观属性88位于外观漂亮的区间80以上，因此，可以确定该训练对象的对象属性为外观漂亮。

步骤303：构建待训练对象和对象属性的第一网络。

当确定了待训练的对象属性后，则可以建立训练对象和对象属性的连接关系，从而形成第一网络。

在实际应用中，待训练对象的对象历史数据一般不完全是与待训练对象相关的数据，还可能包含其他针对其他对象的数据，而其他对象的数据也会影响到待训练对象的对象属性；基于这种情况，本发明实施例四还公开如何 基于对象历史数据构建用于表征待训练对象和待训练对象的对象属性的第一网络的另一种实现方式，如图4所示，该方法可以包括以下步骤：

步骤401：提取对象历史数据中的待训练对象的属性标识以及属性标识的属性值；

步骤402：基于属性标识和属性值确定待训练对象的对象属性；

步骤403：确定对象历史数据中的第二对象；

具体的，当待训练对象的对象历史数据中包含其他关于其他对象的数据时，可以从对象历史数据中确定出第二对象。

如关于A品牌的手机的对象历史数据中包含了关于B品牌的手机的数据，那么，可以从关于A品牌的手机的对象历史数据中确定出B品牌的手机。

例如，某一针对A品牌的手机的评论内容为“该手机的待机时间不如B品牌的手机的待机时间长”，那么，从该评论内容中可以确定出B品牌的手机。

步骤404：提取对象历史数据中第二对象的第二属性标识、第二属性标识的第二属性值以及与待训练对象相关的比对标识；

其中，步骤402和步骤403～404之间的先后执行顺序在本发明并没有具体限定，作为另一种实现方式，可以在步骤401之后执行步骤403和步骤404，再执行步骤402。

当确定了第二对象后，进而可以待训练对象的对象历史数据中确定出第二对象的第二属性标识、第二属性标识的第二属性值以及与待训练对象相关的比对标识。

仍以“该手机的待机时间不如B品牌的手机的待机时间长”为例，从该对象历史数据中可以提取出第二对象“B品牌的手机”的第二属性标识为“待机时间”、第二属性标识的第二属性值为“长”，以及比对标识“A品牌的手机不如B品牌的手机”

需说明的是，具体的提取方式基于数据库根据语义分析算法进行提取，其中数据库中可以存储有与第二对象相关的关键字。

步骤405：基于第二属性标识、第二属性值和比对标识调整待训练对象的对象属性；

其中，基于第二属性标识、第二属性值和比对标识调整待训练对象的对象属性时，所调整的是与第二属性标识相关的对象属性。

例如，第二属性标识为“待机时间”、第二属性标识的第二属性值为“长”，以及比对标识“A品牌的手机不如B品牌的手机”，而与第二属性标识对应的待训练对象的对象属性为待机时间长(所确定的量化后的待机时间为80，处于待机时间长的区间80以上的范围)，那么，基于第二属性标识、第二属性值和比对标识可以确定需要对待机时间80减去一定的值，如减去2，使得待机时间变为78，而待机时间78处于“待机时间一般”的区间60～80之间，因此，调整后的待训练对象的对象属性为待机时间一般。

步骤406：构建待训练对象和对象属性的第一网络。

本发明实施例五还公开一种推荐对象的处理方法，与实施例四不同的是，当构建待训练对象和对象属性的第一网络之后，还可以包括：确定第二对象为待训练对象，返回获取与待训练对象相关的对象历史数据的步骤。

也就是说，在本发明所构建的第一网络中，并不是仅包含一个待训练对象与对象属性的关联关系，还可以包括其他待训练对象与对象属性的关联关系，具体的，不同的待训练对象也可以与同一对象属性具有关联关系，或者与不同的对象属性具有关联关系。即，本发明所构建的第一网络可以包含大量网络节点，而网络节点间的关联关系也可以多种多样，具体均可以根据实际情况进行确定。

本发明实施例六公开了一种推荐对象的处理方法，与实施例一不同之处在于，本实施例主要描述如何构建第二网络，即如图5所示，在预构建的第二网络中确定与训练对象相关联的训练用户之前，还可以包括以下步骤：

步骤501：确定待训练用户；

其中，待训练用户为可以接收所推荐的训练对象的用户。

具体可以在互谅网上的一定范围内确定待训练用户，如在某一社交网络所注册的用户中确定待训练用户。

步骤502：获取与待训练用户相关联的用户历史数据；

其中，与待训练用户相关联的用户历史数据可以包括待训练用户所发表的文章、待训练用户的简历、待训练用户的好友对待训练用户的评论等等。

步骤503：基于用户历史数据构建用于表征待训练用户和待训练用户的用户属性的第二网络。

用户历史数据中会有关于待训练用户的用户属性的描述，如关于待训练用户的职业、喜好、年龄、婚姻状况等等，因此，基于用户历史数据可以构建出表征待训练用户和待训练用户的用户属性的第二网络。

需说明的是，在基于用户历史数据构建第二网络过程中，可以基于预建立的数据库中所存储与待训练用户相关的关键字来提取用户历史数据中的用户属性标识以及用户属性标识的属性值，进而依据用户属性标识以及用户属性标识的属性值来确定待训练用户的用户属性，从而建立待训练用户和待训练用户的用户属性的第二网络。

如提取用户历史数据中的用户属性标识为年龄，用户属性标识的属性值为20岁，那么，基于年龄和20可以待训练用户的用户属性处于年轻人20～30之间，从而确定待训练用户的用户属性为年轻人。

具体的提取方法基于数据库根据语义分析算法进行提取。

相应的，本发明实施例七公开了如何获取与待训练用户相关联的用户历史数据的一种实现方式，具体可参见图6，如图6所示，该方法可以包括以下步骤：

步骤601：获取待训练用户的第一用户历史数据；

其中，待训练用户的第一用户历史数据具体可以指待训练用户本身所具有的历史数据。

以该待训练用户为新浪微博中所注册的会员为例，那么，待训练用户的第一用户历史数据可以包括待训练用户的简介、待训练用户在微博中发表的文章等等。当然，对于其他能够获取到待训练用户的第一用户历史数据的实现方式也均在本发明的保护范围之内。

步骤602：确定与待训练用户相关联的第二用户；

其中，与待训练用户相关联的第二用户可以包括与待训练用户直接关联的第二用户，当然也可以包括与待训练用户间接关联的第二用户。具体包括 哪些与待训练相关联的第二用户可以根据实际情况进行设定，本发明并不做限定。

仍以待训练用户为新浪微博中所注册的会员为例，那么，与待训练用户直接关联的第二用户可以包括关注待训练用户的用户，如待训练用户的好友；与待训练用户间接关联的第二用户可以包括关注待训练用户的好友的用户。

步骤603：获取第二用户的第二用户历史数据；

具体的，第二用户的第二用户历史数据也会对确定第一用户的用户属性具有一定作用，因此，可以获取第二用户的第二用户历史数据，第二用户的第二用户历史数据至少可以包括第二用户对待训练用户所发表的文章的评论内容；当然，还可以包括其他数据，具体可以根据实际情况进行设定，本发明并不做限定。

步骤604：确定第一用户历史数据和第二用户历史数据为用户历史数据。

以第一用户历史数据和第二用户历史数据来作为用户历史数据会使得确定待训练用户的用户属性更加准确。

为了便于理解，本发明提供一种针对第一网络和第二网络的结构示意图，具体请参见图7，由图7可以看出，在第一网络中，训练对象和对象属性之间具有一定的关联关系；在第二网络中，训练用户和用户属性之间具有一定的关联关系；而用户属性和对象属性之间也相应的建立有一定的关联关系。那么，依据该关联关系，无论是将某一对象推荐给用户，还是为某一用户推荐对象，均能够使得推荐结果更加准确。

本发明实施例八还公开了一种推荐对象的处理方法，如图8所示，该方法可以包括以下步骤：

步骤801：在预构建的第一网络中确定训练对象；

其中，第一网络可以为用于表征待训练对象和待训练对象的对象属性之间的关联关系的网络。

步骤802：在预构建的第二网络中确定与训练对象相关联的训练用户；

其中，第二网络可以为用于表征待训练用户和待训练用户的用户属性之间的关联关系的网络。

步骤803：依据训练用户针对训练对象的反馈信息调整对象属性和用户属性之间的关联权重；

步骤804：确定第一目标用户；

当欲为某一用户推荐对象时，可以确定该用户为第一目标用户。其中，所确定的第一目标用户可以为互联网上一定范围内的某一用户，如确定第一目标用户的范围可以与之前训练用户的范围属于同一范围，也可以属于不同范围。

如训练用户的确定范围为新浪微博，那么，第一目标用户也可以为新浪微博上所注册的会员；当然，第一目标用户也可以为腾讯微博或者其他社交网站或者其他类型的网站上所注册的会员。

步骤805：获取与第一目标用户相关联的第一目标用户历史数据；

其中，与第一目标用户相关联的第一目标用户历史数据可以包括第一目标用户所发表的文章，所发表的评论、第一目标用户的简历等等。

步骤806：基于第一目标用户历史数据确定第一目标用户属性；

其中，确定第一目标用户属性的方式与前文所述的确定待训练用户的用户属性的方式的实现方式一致，在此不再详细描述。

步骤807：基于对象属性和用户属性之间的关联权重确定与第一目标用户属性相关联的第一目标对象属性；

当确定了第一目标用户属性后，可以依据对象属性和用户属性之间的关联权重确定第一目标对象属性。如，确定与第一目标用户属性关联权重最高的第一目标对象属性；再如，确定与第一目标用户属性关联权重达到预设值的第一目标对象属性。

例如，第一目标用户属性包括年轻人、收入水平低、学生；而年轻人、收入水平低和年轻人均与性价比高相关联，年轻人还与外观漂亮相关联，那么，可以确定与第一目标用户的用户属性的关联权重最高的第一目标对象属性为性价比高。

步骤808：在第一网络中确定与第一目标对象属性连接的第一目标对象；

当确定了第一目标对象属性后，那么，与第一目标对象属性相关联的第一目标对象则为符合第一目标用户实际情况的对象。

如与第一目标对象属性为性价比高相连的第一目标对象为A品牌的手机。需说明的是，本实施例所描述的实例只是为了便于理解所列举的简单实例，在实际应用中，第一目标用户属性、第一目标对象属性以及第一目标对象均可以有多个。

步骤809：为第一目标用户推荐第一目标对象。

第一目标对象为贴合第一目标用户实际情况所推荐的对象，因此，通过本发明提高了推荐对象的准确性。

上述实施例描述了确定第一目标用户，从而为其推荐第一目标对象的方法，那么，当出现一目标对象时，也可以确定出与符合该目标对象的目标用户，从而进行推荐。具体的，本发明实施例九还公开了一种推荐对象的处理方法，如图9所示，该方法可以包括以下步骤：

步骤901：在预构建的第一网络中确定训练对象；

其中，第一网络可以为用于表征待训练对象和待训练对象的对象属性之间的关联关系的网络。

步骤902：在预构建的第二网络中确定与训练对象相关联的训练用户；

其中，第二网络可以为用于表征待训练用户和待训练用户的用户属性之间的关联关系的网络。

步骤903：依据训练用户针对训练对象的反馈信息调整对象属性和用户属性之间的关联权重；

步骤904：确定第二目标对象；

当欲将某一对象推荐给用户时，则可以确定该对象为第二目标对象。

例如，欲将某一品牌的手机推荐给用户，那么该手机则为第二目标对象。

步骤905：获取与第二目标对象相关联的第二目标对象历史数据；

获取与该第二目标对象相关联的第二目标对象历史数据，具体可以为：在互联网的第一范围内搜集与该第二目标对象相关的第二目标对象历史数据，该范围在本发明并没有限定，如在网络的某一购物网站或者该第二目标对象的官方网站搜集第二目标对象的所有评论内容，所搜集的所有评论内容均是与该第二目标对象相关联的第二目标对象历史数据。

步骤906：基于第二目标对象历史数据确定第二目标对象属性；

其中，确定第二目标对象属性的方式与前文所描述的确定待训练对象的对象属性的方式的实现方式一致，在此不再详细描述。

步骤907：基于对象属性和所述用户属性之间的关联权重确定与第二目标对象属性相关联的第二目标用户属性；

当确定了第二目标对象属性后，可以依据对象属性和用户属性之间的关联权重确定第二目标用户属性。如，确定与第二目标对象属性关联权重最高的第二目标用户属性；再如，确定与第二目标对象属性关联权重达到预设值的第二目标用户属性。

例如，第二目标对象属性包括外观漂亮、性价比低，待机时间短；而外观漂亮、性价比低，待机时间短均与用户属性收入水平高相关联，那么，可以确定与第二目标对象属性的关联权重最高的第二目标用户属性为收入水平高。

步骤908：在第二网络中确定与第二目标用户属性连接的第二目标用户；

当确定了第二目标用户属性后，那么，与第二目标用户属性相关联的第二目标用户则为符合被推荐第二目标对象的用户。

需说明的是，本实施例所描述的实例只是为了便于理解所列举的简单实例，在实际应用中，第二目标用户属性、第二目标对象属性以及第二目标用户均可以有多个。

步骤909：为第二目标用户推荐第二目标对象。

第二目标用户为符合被推荐第二目标对象的用户，因此，通过本发明提高了推荐对象的准确性。

与上述实施例所描述的方法相对应的，本发明实施例十公开了一种电子设备，如图10所示，该电子设备可以包括：第一确定单元1001、第二确定单元1002以及第一调整单元1003，其中：

第一确定单元1001，可以用于在预构建的第一网络中确定训练对象；其中，所述第一网络用于表征待训练对象和所述待训练对象的对象属性之间的关联关系；

第二确定单元1002，可以用于在预构建的第二网络中确定与所述训练对象相关联的训练用户；其中，所述第二网络用于表征待训练用户和所述待训练用户的用户属性之间的关联关系；

第一调整单元1003，可以用于依据所述训练用户针对所述训练对象的反馈信息调整所述对象属性和所述用户属性之间的关联权重。

在本发明实施例中，预构建的第一网络能够表征待训练对象和待训练对象的对象属性之间的关联关系，预构建的第二网络能够表征待训练和待训练用户的用户属性之间的关联关系，当依据训练用户针对训练对象的反馈信息调整对象属性和用户属性之间的关联权重后，使得训练对象和训练用户之间的联系更加贴合实际情况，并且，第一网络和第二网络也相应的建立了关联，丰富了对象和用户之间的关联性，那么，基于该关联所进行的用户或对象的推荐会相应的提高推荐的准确率，提升了用户体验。

本发明实施例十一还公开了一种电子设备，如图11所示，该电子设备可以包括：第三确定单元1101、第一获取单元1102、第一构建单元1103、第一确定单元1104、第二确定单元1105以及第一调整单元1106；其中：

第三确定单元1101，可以用于确定待训练对象；

第一获取单元1102，可以用于获取与待训练对象相关联的对象历史数据；

第一构建单元1103，可以用于基于对象历史数据构建用于表征待训练对象和待训练对象的对象属性的第一网络；

第一确定单元1104，可以用于在预构建的第一网络中确定训练对象；其中，所述第一网络用于表征待训练对象和所述待训练对象的对象属性之间的关联关系；

第二确定单元1105，可以用于在预构建的第二网络中确定与所述训练对象相关联的训练用户；其中，所述第二网络用于表征待训练用户和所述待训练用户的用户属性之间的关联关系；

第一调整单元1106，可以用于依据所述训练用户针对所述训练对象的反馈信息调整所述对象属性和所述用户属性之间的关联权重。

相应的，本发明实施例十二公开了第一构建单元的一种实现方式，如图12所示，第一构建单元可以包括：第一提取模块1203A、第一确定模块1203B以及第一构建模块1203C；其中：

第一提取模块1203A，可以用于提取对象历史数据中的待训练对象的属性标识以及属性标识的属性值；

第一确定模块1203B，可以用于基于属性标识和属性值确定待训练对象的对象属性；

第一构建模块1203C，可以用于构建待训练对象和对象属性的第一网络。

在实际应用中，待训练对象的对象历史数据一般不完全是与待训练对象相关的数据，还可能包含其他针对其他对象的数据，而其他对象的数据也会影响到待训练对象的对象属性；基于这种情况，本发明实施例十三还公开第一构建单元的另一种实现方式，如图13所示，第一构建单元可以包括：第一提取模块1303A、第一确定模块1303B、第二确定模块1303C、第二提取模块1303D、第一调整模块1303E以及第一构建模块1303F；其中：

第一提取模块1303A，可以用于提取对象历史数据中的待训练对象的属性标识以及属性标识的属性值；

第一确定模块1303B，可以用于基于属性标识和属性值确定待训练对象的对象属性；

第二确定模块1303C，可以用于确定对象历史数据中的第二对象；

第二提取模块1303D，可以用于提取对象历史数据中第二对象的第二属性标识、第二属性标识的第二属性值以及与待训练对象相关的比对标识；

第一调整模块1303E，可以用于基于第二属性标识、第二属性值和比对标识调整待训练对象的对象属性；

第一构建模块1303F，可以用于构建待训练对象和对象属性的第一网络。

本发明实施例十四还公开一种电子设备，与实施例十三不同的是，该电子设备还包括：确定控制单元，可以用于确定第二对象为待训练对象，并控制第一获取单元执行获取与待训练对象相关联的对象历史数据的步骤。

本发明实施例十五还公开了一种电子设备，如图14所示，该电子设备可以包括：第四确定单元1401、第二获取单元1402、第二构建单元1403、第一确定单元1404、第二确定单元1405以及第一调整单元1406，其中：

第四确定单元1401，可以用于确定待训练用户；

第二获取单元1402，可以用于获取与待训练用户相关联的用户历史数据；

第二构建单元1403，可以用于基于用户历史数据构建用于表征待训练用户和待训练用户的用户属性的第二网络；

第一确定单元1404，可以用于在预构建的第一网络中确定训练对象；

其中，所述第一网络用于表征待训练对象和所述待训练对象的对象属性之间的关联关系。

第二确定单元1405，可以用于在预构建的第二网络中确定与所述训练对象相关联的训练用户；其中，所述第二网络用于表征待训练用户和所述待训练用户的用户属性之间的关联关系；

第一调整单元1406，可以用于依据所述训练用户针对所述训练对象的反馈信息调整所述对象属性和所述用户属性之间的关联权重。

相应的，本发明实施例十六公开了第二获取单元的一种实现方式，如图15所示，第二获取单元可以包括：第一获取模块1502A、第三确定模块1502B、第二获取模块1502C以及第四确定模块1502D；其中：

第一获取模块1502A，可以用于获取待训练用户的第一用户历史数据；

第三确定模块1502B，可以用于确定与待训练用户相关联的第二用户；

第二获取模块1502C，可以用于获取第二用户的第二用户历史数据；

第四确定模块1502D，可以用于确定第一用户历史数据和第二用户历史数据为所述用户历史数据。

本发明实施例十七还公开一种电子设备，如图16所示，该电子设备可以包括：第一确定单元1601、第二确定单元1602、第一调整单元1603、第五确定单元1604、第三获取单元1605、第六确定单元1606、第七确定单元1607、第八确定单元1608以及第一推荐单元1609；

其中：

第一确定单元1601，可以用于在预构建的第一网络中确定训练对象；其中，所述第一网络用于表征待训练对象和所述待训练对象的对象属性之间的关联关系；

第二确定单元1602，可以用于在预构建的第二网络中确定与所述训练对象相关联的训练用户；其中，所述第二网络用于表征待训练用户和所述待训练用户的用户属性之间的关联关系；

第一调整单元1603，可以用于依据所述训练用户针对所述训练对象的反馈信息调整所述对象属性和所述用户属性之间的关联权重；

第五确定单元1604，可以用于确定第一目标用户；

第三获取单元1605，可以用于获取与第一目标用户相关联的第一目标用户历史数据；

第六确定单元1606，可以用于基于第一目标用户历史数据确定第一目标用户属性；

第七确定单元1607，可以用于基于对象属性和用户属性之间的关联权重确定与第一目标用户属性相关联的第一目标对象属性；

第八确定单元1608，可以用于在第一网络中确定与第一目标对象属性连接的第一目标对象；

第一推荐单元1609，可以用于为第一目标用户推荐第一目标对象。

第一目标对象为贴合第一目标用户实际情况所推荐的对象，因此，通过本发明提高了推荐对象的准确性。

上述实施例描述了确定第一目标用户，从而为其推荐第一目标对象的方法，那么，当出现一目标对象时，也可以确定出与符合该目标对象的目标用户，从而进行推荐。具体的，本发明实施例十八还公开了一种电子设备，如图17所示，该电子设备可以包括：第一确定单元1701、第二确定单元1702、第一调整单元1703、第九确定单元1704、第四获取单元1705、第十确定单元1706、第十一确定单元1707、第十二确定单元1708以及第二推荐单元1709；其中：

第一确定单元1701，可以用于在预构建的第一网络中确定训练对象；其中，所述第一网络用于表征待训练对象和所述待训练对象的对象属性之间的关联关系；

第二确定单元1702，可以用于在预构建的第二网络中确定与所述训练对象相关联的训练用户；其中，所述第二网络用于表征待训练用户和所述待训练用户的用户属性之间的关联关系；

第一调整单元1703，可以用于依据所述训练用户针对所述训练对象的反馈信息调整所述对象属性和所述用户属性之间的关联权重；

第九确定单元1704，可以用于确定第二目标对象；

第四获取单元1705，可以用于获取与第二目标对象相关联的第二目标对象历史数据；

第十确定单元1706，可以用于基于第二目标对象历史数据确定第二目标对象属性；

第十一确定单元1707，可以用于基于对象属性和用户属性之间的关联权重确定与第二目标对象属性相关联的第二目标用户属性；

第十二确定单元1708，可以用于在第二网络中确定与第二目标用户属性连接的第二目标用户；

第二推荐单元1709，可以用于为第二目标用户推荐第二目标对象。

第二目标用户为符合被推荐第二目标对象的用户，因此，通过本发明提高了推荐对象的准确性。

本说明书中各个实施例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部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下， 在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。