一种信息推荐方法及网络设备与流程

本发明涉及互联网技术领域，尤其涉及一种信息推荐方法及网络设备。

背景技术：

面对互联网上的海量信息，越来越多的用户希望找到其感兴趣的信息，并期望获得愉悦的浏览体验。例如，用户通过互联网浏览关注的新闻、观看感兴趣的视频、购买需求的商品等。为了方便用户获取个人感兴趣的信息和内容，近年来，对于个性化推荐技术的研究获得了越来越多的关注，成为了一个热门的研究领域。

在传统的推荐系统中，需要对每个待推荐项目进行关键词提取，并将提取的关键词生成待推荐项目的特征向量；另外，还需要利用用户之前浏览的项目的关键词来建立用户兴趣模型，当对目标用户进行信息推荐时，系统需要计算该用户兴趣模型与每个待推荐项目的特征向量的相似度，然后再通过相似度比较来进行信息推荐。虽然该推荐系统达到了信息推荐的目的，但是，由于用户兴趣模型以及待推荐项目的特征向量的生成都是基于提取项目中的关键词实现的，如此，带来了如下问题：(1)传统的推荐系统难以按照用户对信息的喜好程度为用户推荐信息，即推荐相关项目；(2)由于用户兴趣模型的建立需要大量的关键词，所以用户兴趣模型的计算量较大，复杂度较高，从而难以实时完成信息的推荐；(3)系统无法识别词与词之间的相近关系，因此难以从用户实时的行为数据中提取出能够准确反映用户特征的关键词，进一步地，也无法精准地为用户推荐符合用户当前需求的信息。

技术实现要素：

本发明的主要目的在于提出一种信息推荐方法及网络设备，旨在能够快速识别用户的喜好，及时地为用户推荐当前较为感兴趣的信息。

为达到上述目的，本发明的技术方案是这样实现的：

第一方面，本发明实施例提供了一种信息推荐的方法，所述方法包括：

利用预设的主题模型获取待推荐项目的主题分布，并将所述待推荐项目的主题分布作为所述待推荐项目的特征向量；

获取用户的实时兴趣向量；所述用户的实时兴趣向量包括预设时间内用户对各个主题的喜好程度；

利用预设的相似度算法获取所述用户的实时兴趣向量与所述待推荐项目的特征向量之间的相似度；

当所述用户的实时兴趣向量与所述待推荐项目的特征向量之间的相似度大于或等于预设的阈值时，推荐所述待推荐项目。

在上述方案中，所述获取用户的实时兴趣向量，具体包括：

获取预设时间内用户对已操作项目的兴趣度；

利用所述主题模型获取所述已操作项目的主题分布，并将所述已操作项目的主题分布作为所述已操作项目的特征向量；

根据所述用户对已操作项目的兴趣度和所述已操作项目的特征向量获取用户的实时兴趣向量。

在上述方案中，所述获取预设时间内用户对已操作项目的兴趣度，具体包括：

根据预设时间内用户对已操作项目ii的操作类型获取所述用户对已操作项目ii的偏好值h(ii)；其中，i＝1,2,…,n，n表示所述预设时间内已操作项目的数目；

根据式(1)获取所述预设时间内用户对已操作项目ii的浏览时长ti与预设的时间阈值r之间的比值duration(ii)；

duration(ii)＝ti/r(1)

根据式(2)获取所述预设时间内用户对已操作项目ii的兴趣度interest(ii)。

interest(ii)＝[1-h(ii)]×duration(ii)+h(ii)(2)

在上述方案中，所述根据预设时间内用户对已操作项目ii的操作类型获取所述用户对已操作项目ii的偏好值h(ii)，具体包括：

当所述用户对已操作项目ii的操作类型为浏览时，所述用户对已操作项目ii的偏好值h(ii)＝0；

当所述用户对已操作项目ii的操作类型为点赞、收藏、评论、分享、下载、加入购物或购买时，所述用户对已操作项目ii的偏好值h(ii)＝1。

在上述方案中，所述根据所述用户对已操作项目的兴趣度和所述已操作项目的特征向量获取用户的实时兴趣向量，具体包括：

根据式(3)获取用户的实时兴趣向量t；

其中，n表示预设时间内已操作项目的数目；表示所述已操作项目ii的特征向量。

第二方面，本发明实施例提供了一种网络设备，所述网络设备包括：主题分布获取模块、实时兴趣向量获取模块、相似度获取模块和信息推荐模块；其中，

所述主题分布获取模块，用于利用预设的主题模型获取待推荐项目的主题分布，并将所述待推荐项目的主题分布作为所述待推荐项目的特征向量；

所述实时兴趣向量获取模块，用于获取用户的实时兴趣向量；所述用户的实时兴趣向量包括预设时间内用户对各个主题的喜好程度；

所述相似度获取模块，用于利用预设的相似度算法获取所述用户的实时兴趣向量与所述待推荐项目的特征向量之间的相似度；

所述信息推荐模块，用于当所述用户的实时兴趣向量与所述待推荐项目的特征向量之间的相似度大于或等于预设的阈值时，推荐所述待推荐项目。

在上述方案中，所述实时兴趣向量获取模块，具体包括：兴趣度获取子模块、主题分布获取子模块、实时兴趣向量获取子模块；其中，

所述兴趣度获取子模块，用于获取预设时间内用户对已操作项目的兴趣度；

所述主题分布获取子模块，用于利用所述主题模型获取所述已操作项目的主题分布，并将所述已操作项目的主题分布作为所述已操作项目的特征向量；

所述实时兴趣向量获取子模块，用于根据所述用户对已操作项目的兴趣度和所述已操作项目的特征向量获取用户的实时兴趣向量。

在上述方案中，所述兴趣度获取子模块，具体用于：

根据预设时间内用户对已操作项目ii的操作类型获取所述用户对已操作项目ii的偏好值h(ii)；其中，i＝1,2,…,n，n表示所述预设时间内已操作项目的数目；

根据式(4)获取所述预设时间内用户对已操作项目ii的浏览时长ti与预设的时间阈值r之间的比值duration(ii)；

duration(ii)＝ti/r(4)

根据式(5)获取所述预设时间内用户对已操作项目ii的兴趣度interest(ii)。

interest(ii)＝[1-h(ii)]×duration(ii)+h(ii)(5)

在上述方案中，所述兴趣度获取子模块，具体用于：

当所述用户对已操作项目ii的操作类型为浏览时，获取所述用户对已操作项目ii的偏好值h(ii)＝0；

当所述用户对已操作项目ii的操作类型为点赞、收藏、评论、分享、下载、加入购物或购买时，获取所述用户对已操作项目ii的偏好值h(ii)＝1。

在上述方案中，所述实时兴趣向量获取子模块，具体用于：

根据式(6)获取用户的实时兴趣向量t；

其中，n表示预设时间内已操作项目的数目；表示所述已操作项目ii的特征向量。

本发明实施例所提供的一种信息方法及网络设备，该方法获取的用户的实时兴趣向量包括预设时间内用户对各个主题的喜好程度，并根据用户的实时兴趣向量找出并推荐与该实时兴趣向量较为相似的待推荐项目给用户。该方法实现了按照用户对信息的喜好程度为用户推荐信息的技术效果。由于用户的实时兴趣向量的获取过程简单，计算量较小，复杂度较低，所以能够实时地完成信息的推荐。另外，由于该方法是根据用户对各个主题的喜好程度来为用户推荐信息的，因此该方法能够精准地为用户推荐符合用户当前需求的信息。

附图说明

图1为本发明实施例提供的一种移动终端的硬件结构示意图；

图2为本发明实施例提供的一种信息推荐的方法示意图；

图3为本发明实施例提供的一种信息推荐的具体实施过程示意图；

图4为本发明实施例提供的一种浏览新闻的界面示意图；

图5为本发明实施例提供的一种信息推荐的终端界面图；

图6为本发明实施例提供的另一种信息推荐的具体实施过程示意图；

图7为本发明实施例提供的一种浏览网购信息的界面示意图；

图8为本发明实施例提供的另一种信息推荐的终端界面图；

图9为本发明实施例提供的一种网络设备结构示意图；

图10为本发明实施例提供的另一种网络设备结构示意图。

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。

现在将参考附图1来描述实现本发明各个实施例的移动终端。在后续的描述中，使用用于表示元件的诸如“模块”、“部件”或“单元”的后缀仅为了有利于本发明的说明，其本身并没有特定的意义。因此，"模块"与"部件"可以混合地使用。

移动终端可以以各种形式来实施。例如，本发明中描述的终端可以包括诸如移动电话、智能电话、笔记本电脑、数字广播接收器、个人数字助理(pda)、平板电脑(pad)、便携式多媒体播放器(pmp)、导航装置等等的移动终端以及诸如数字tv、台式计算机等等的固定终端。下面，假设终端是移动终端。然而，本领域技术人员将理解的是，除了特别用于移动目的的元件之外，根据本发明的实施方式的构造也能够应用于固定类型的终端。

图1为实现本发明各个实施例的移动终端的硬件结构示意。

移动终端100可以包括无线通信单元110、用户输入单元130、输出单元150、存储器160、接口单元170、控制器180和电源单元190等等。图1示出了具有各种组件的移动终端，但是应理解的是，并不要求实施所有示出的组件，可以替代地实施更多或更少的组件，将在下面详细描述移动终端的元件。

无线通信单元110通常包括一个或多个组件，其允许移动终端100与无线通信系统或网络之间的无线电通信。例如，无线通信单元可以包括广播接收模块111、移动通信模块112和无线互联网模块113中的至少一个。

广播接收模块111经由广播信道从外部广播管理服务器接收广播信号和/或广播相关信息。广播信道可以包括卫星信道和/或地面信道。广播管理服务器可以是生成并发送广播信号和/或广播相关信息的服务器或者接收之前生成的广播信号和/或广播相关信息并且将其发送给终端的服务器。广播信号可以包括tv广播信号、无线电广播信号、数据广播信号等等。而且，广播信号可以进一步包括与tv或无线电广播信号组合的广播信号。广播相关信息也可以经由移动通信网络提供，并且在该情况下，广播相关信息可以由移动通信模块112来接收。广播信号可以以各种形式存在，例如，其可以以数字多媒体广播(dmb)的电子节目指南(epg)、数字视频广播手持(dvb-h)的电子服务指南(esg)等等的形式而存在。广播接收模块111可以通过使用各种类型的广播系统接收信号广播。特别地，广播接收模块111可以通过使用诸如多媒体广播-地面(dmb-t)、数字多媒体广播-卫星(dmb-s)、数字视频广播-手持(dvb-h)，前向链路媒体(mediaflo@)的数据广播系统、地面数字广播综合服务(isdb-t)等等的数字广播系统接收数字广播。广播接收模块111可以被构造为适合提供广播信号的各种广播系统以及上述数字广播系统。经由广播接收模块111接收的广播信号和/或广播相关信息可以存储在存储器160(或者其它类型的存储介质)中。

移动通信模块112将无线电信号发送到基站(例如，接入点、节点b等等)、外部终端以及服务器中的至少一个和/或从其接收无线电信号。这样的无线电信号可以包括语音通话信号、视频通话信号、或者根据文本和/或多媒体消息发送和/或接收的各种类型的数据。

无线互联网模块113支持移动终端的无线互联网接入。该模块可以内部或外部地耦接到终端。该模块所涉及的无线互联网接入技术可以包括wlan(无线lan)(wi-fi)、wibro(无线宽带)、wimax(全球微波互联接入)、hsdpa(高速下行链路分组接入)等等。

用户输入单元130可以根据用户输入的命令生成键输入数据以控制移动终端的各种操作。用户输入单元130允许用户输入各种类型的信息，并且可以包括键盘、锅仔片、触摸板(例如，检测由于被接触而导致的电阻、压力、电容等等的变化的触敏组件)、滚轮、摇杆等等。特别地，当触摸板以层的形式叠加在显示单元151上时，可以形成触摸屏。

接口单元170用作至少一个外部装置与移动终端100连接可以通过的接口。例如，外部装置可以包括有线或无线头戴式耳机端口、外部电源(或电池充电器)端口、有线或无线数据端口、存储卡端口、用于连接具有识别模块的装置的端口、音频输入/输出(i/o)端口、视频i/o端口、耳机端口等等。识别模块可以是存储用于验证用户使用移动终端100的各种信息并且可以包括用户识别模块(uim)、客户识别模块(sim)、通用客户识别模块(usim)等等。另外，具有识别模块的装置(下面称为"识别装置")可以采取智能卡的形式，因此，识别装置可以经由端口或其它连接装置与移动终端100连接。接口单元170可以用于接收来自外部装置的输入(例如，数据信息、电力等等)并且将接收到的输入传输到移动终端100内的一个或多个元件或者可以用于在移动终端和外部装置之间传输数据。

另外，当移动终端100与外部底座连接时，接口单元170可以用作允许通过其将电力从底座提供到移动终端100的路径或者可以用作允许从底座输入的各种命令信号通过其传输到移动终端的路径。从底座输入的各种命令信号或电力可以用作用于识别移动终端是否准确地安装在底座上的信号。输出单元150被构造为以视觉、音频和/或触觉方式提供输出信号(例如，音频信号、视频信号、警报信号、振动信号等等)。输出单元150可以包括显示单元151、音频输出模块152等等。

显示单元151可以显示在移动终端100中处理的信息。例如，当移动终端100处于电话通话模式时，显示单元151可以显示与通话或其它通信(例如，文本消息收发、多媒体文件下载等等)相关的用户界面(ui)或图形用户界面(gui)。当移动终端100处于视频通话模式或者图像捕获模式时，显示单元151可以显示捕获的图像和/或接收的图像、示出视频或图像以及相关功能的ui或gui等等。

同时，当显示单元151和触摸板以层的形式彼此叠加以形成触摸屏时，显示单元151可以用作输入装置和输出装置。显示单元151可以包括液晶显示器(lcd)、薄膜晶体管lcd(tft-lcd)、有机发光二极管(oled)显示器、柔性显示器、三维(3d)显示器等等中的至少一种。这些显示器中的一些可以被构造为透明状以允许用户从外部观看，这可以称为透明显示器，典型的透明显示器可以例如为toled(透明有机发光二极管)显示器等等。根据特定想要的实施方式，移动终端100可以包括两个或更多显示单元(或其它显示装置)，例如，移动终端可以包括外部显示单元(未示出)和内部显示单元(未示出)。触摸屏可用于检测触摸输入压力以及触摸输入位置和触摸输入面积。

音频输出模块152可以在移动终端处于呼叫信号接收模式、通话模式、记录模式、语音识别模式、广播接收模式等等模式下时，将无线通信单元110接收的或者在存储器160中存储的音频数据转换音频信号并且输出为声音。而且，音频输出模块152可以提供与移动终端100执行的特定功能相关的音频输出(例如，呼叫信号接收声音、消息接收声音等等)。音频输出模块152可以包括扬声器、蜂鸣器等等。

存储器160可以存储由控制器180执行的处理和控制操作的软件程序等等，或者可以暂时地存储已经输出或将要输出的数据(例如，电话簿、消息、静态图像、视频等等)。而且，存储器160可以存储关于当触摸施加到触摸屏时输出的各种方式的振动和音频信号的数据。

存储器160可以包括至少一种类型的存储介质，所述存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如，sd或dx存储器等等)、随机访问存储器(ram)、静态随机访问存储器(sram)、只读存储器(rom)、电可擦除可编程只读存储器(eeprom)、可编程只读存储器(prom)、磁性存储器、磁盘、光盘等等。而且，移动终端100可以与通过网络连接执行存储器160的存储功能的网络存储装置协作。

控制器180通常控制移动终端的总体操作。例如，控制器180执行与语音通话、数据通信、视频通话等等相关的控制和处理。另外，控制器180可以包括用于再现(或回放)多媒体数据的多媒体模块181，多媒体模块181可以构造在控制器180内，或者可以构造为与控制器180分离。控制器180可以执行模式识别处理，以将在触摸屏上执行的手写输入或者图片绘制输入识别为字符或图像。

电源单元190在控制器180的控制下接收外部电力或内部电力并且提供操作各元件和组件所需的适当的电力。

这里描述的各种实施方式可以以使用例如计算机软件、硬件或其任何组合的计算机可读介质来实施。对于硬件实施，这里描述的实施方式可以通过使用特定用途集成电路(asic)、数字信号处理器(dsp)、数字信号处理装置(dspd)、可编程逻辑装置(pld)、现场可编程门阵列(fpga)、处理器、控制器、微控制器、微处理器、被设计为执行这里描述的功能的电子单元中的至少一种来实施，在一些情况下，这样的实施方式可以在控制器180中实施。对于软件实施，诸如过程或功能的实施方式可以与允许执行至少一种功能或操作的单独的软件模块来实施。软件代码可以由以任何适当的编程语言编写的软件应用程序(或程序)来实施，软件代码可以存储在存储器160中并且由控制器180执行。

至此，已经按照其功能描述了移动终端。下面，为了简要起见，将描述诸如折叠型、直板型、摆动型、滑动型移动终端等等的各种类型的移动终端中的滑动型移动终端作为示例。因此，本发明能够应用于任何类型的移动终端，并且不限于滑动型移动终端。

如图1中所示的移动终端100可以被构造为利用经由帧或分组发送数据的诸如有线和无线通信系统以及基于卫星的通信系统来操作。

基于上述移动终端硬件结构，提出本发明方法各个实施例。

实施例一

如图2所示，该图给出了本发明实施例提供的一种信息推荐方法，从图中可以看出，该方法可以包括：

s210、利用预设的主题模型获取待推荐项目的主题分布，并将所述待推荐项目的主题分布作为所述待推荐项目的特征向量；

需要说明的是，待推荐项目指的是信息库中所包含的所有项目，例如，如果信息库是一个新闻库，那么待推荐项目就是新闻库中所包含的所有新闻；如果信息库是一个网购信息库，那么待推荐项目就是网购信息库中所包含的所有网购信息；如果信息库是一个视频库，那么待推荐项目就是视频库中所包含的所有视频。这里对所述待推荐项目的项目类型不做任何限制。

另外，还需要说明的是，主题模型是一种使用概率的产生式模型来对文字中隐含的主题进行建模的一种方法。它能够将文档集中每篇文档的主题以概率分布的形式给出，也就是说，主题模型能够根据给定的一篇文档，推测出该文档的主题分布。例如，待推荐项目是一篇自然语言处理的文章，利用预设的主题模型可以推测出该文章有40％涉及到语言学，30％涉及到概率统计，20％涉及到计算机，还有10％涉及到其它主题；也就是说，这篇文章中有40％的词汇与语言学相关联，如语法、句子、句法分析、主语、谓语等；有30％的词汇与概率统计相关联，如概率、模型、均值、方差、证明、独立、马尔科夫链等；有20％的词汇计算机相关联，如内存、硬盘、编程、二进制、对象、算法、复杂度等；还有10％的词汇涉及到其它主题；由此可以看出，一项待推荐项目通常由多个主题构成，而每一个主题可以用与该主题相关的频率较高的词汇来描述。待推荐项目的主题分布指的是待推荐项目中各个主题出现的概率，即每个主题在该待推荐项目中所占的比例。

s220、获取用户的实时兴趣向量；所述用户的实时兴趣向量包括预设时间内用户对各个主题的喜好程度；

这里，之所以所述用户的实时兴趣向量包括的是预设时间内用户对各个主题的喜好程度，是为了能够优先为用户推荐与用户主题偏好相关的项目。

s230、利用预设的相似度算法获取所述用户的实时兴趣向量与所述待推荐项目的特征向量之间的相似度；

需要说明的是，常见的相似度算法有基于欧氏距离的相似度算法、余弦相似度算法等，这里对于采用哪种相似度算法不做限制，只要能够获取到所述用户的实时兴趣向量与所述待推荐项目的特征向量之间的相似度即可。

s240、当所述用户的实时兴趣向量与所述待推荐项目的特征向量之间的相似度大于或等于预设的阈值时，推荐所述待推荐项目。

这里，可以将相似度大于或等于预设的阈值的所有待推荐项目按照相似度的大小顺序依次推荐给用户。例如，预设的阈值为50％，用户的实时兴趣向量与待推荐项目1的特征向量之间的相似度为60％，用户的实时兴趣向量与待推荐项目2的特征向量之间的相似度为50％，用户的实时兴趣向量与待推荐项目3的特征向量之间的相似度为90％，此时，便可以按照时间的先后顺序将待推荐项目3、待推荐项目1、待推荐项目2依次推荐给用户。

示例性地，对于步骤s220，所述获取用户的实时兴趣向量，具体可以包括如下步骤：

s2201、获取预设时间内用户对已操作项目的兴趣度；

这里，为了保证最终推荐的项目的时效性，只需要获取预设时间内用户对已操作项目的兴趣度。例如，预设的时间为30分钟，用户在这30分钟内操作了10条项目，如用户对这10条项目进行了浏览、点赞、收藏、评论或分享等操作，此时，只需要获取这30分钟内这10条项目各自对应的兴趣度即可。

s2202、利用所述主题模型获取所述已操作项目的主题分布，并将所述已操作项目的主题分布作为所述已操作项目的特征向量；

s2203、根据所述用户对已操作项目的兴趣度和所述已操作项目的特征向量获取用户的实时兴趣向量。

具体地，对于步骤s2201，所述获取预设时间内用户对已操作项目的兴趣度，可以包括如下步骤：

s2201a、根据预设时间内用户对已操作项目ii的操作类型获取所述用户对已操作项目ii的偏好值h(ii)；其中，i＝1,2,…,n，n表示所述预设时间内已操作项目的数目；

这里，需要说明的是，当所述用户对已操作项目ii的操作类型仅为浏览时，所述用户对已操作项目ii的偏好值h(ii)＝0；当所述用户对已操作项目ii的操作类型为点赞、收藏、评论、分享、下载、加入购物或购买时，所述用户对已操作项目ii的偏好值h(ii)＝1。

例如，用户在浏览某条新闻时，可能会为该新闻点赞、收藏、评论或分享等；用户在浏览某条网购信息时，可能会将该网购信息中的宝贝加入购物车、购买、收藏或分享等；用户在观看某个视频时，可能会将该视频分享、下载或收藏等。

s2201b、根据式(7)获取所述预设时间内用户对已操作项目ii的浏览时长ti与预设的时间阈值r之间的比值duration(ii)；

duration(ii)＝ti/r(7)

s2201c、根据式(8)获取所述预设时间内用户对已操作项目ii的兴趣度interest(ii)。

interest(ii)＝[1-h(ii)]×duration(ii)+h(ii)(8)

这里，需要说明的是，当用户对已操作项目ii的浏览时长ti大于预设的时间阈值r，且ti与r之间的差值超出一定数值时，说明用户可能忘记关闭该项目的页面，此时可以默认所述用户对已操作项目ii的偏好值h(ii)＝0。

具体地，对于步骤s2203，所述根据所述用户对已操作项目的兴趣度和所述已操作项目的特征向量获取用户的实时兴趣向量，可以包括：

根据式(9)获取用户的实时兴趣向量t；

其中，n表示预设时间内已操作项目的数目；表示所述已操作项目ii的特征向量。

这里，假设用户在30分钟内操作了10条项目ii，i＝1,2,…,10，则每条项目的特征向量可以表示为其中，表示主题t1在项目ii中所占的比例，类似地，表示主题tm在项目ii中所占的比例。因此，此时用户的实时兴趣向量其中，类似地，且

本发明实施例提供了一种信息推荐方法，该方法能够依据获取的用户的实时兴趣向量找出并推荐与该实时兴趣向量较为相似的待推荐项目给用户。由于所述用户的实时兴趣向量包括了预设时间内用户对各个主题的喜好程度，所以该方法实现了按照用户对信息的喜好程度为用户推荐信息的目标。由于用户的实时兴趣向量的获取过程简单，所以能够实时地完成信息的推荐。另外，由于该方法是根据用户对各个主题的喜好程度来为用户推荐信息的，因此该方法能够精准地为用户推荐符合用户当前需求的信息。

实施例二

为了方便对上述技术方案的理解，本发明实施例将以具体的应用场景为例，对上述技术方案的具体实施过程进行详细的描述。

具体实施例一

以新闻推荐为应用场景，上述实施例一所提供的一种信息推荐方法的具体实施过程如图3所示，从图中可以看出，该实施过程包括如下步骤：

s301、利用预设的主题模型获取待推荐新闻的主题分布，并将所述待推荐新闻的主题分布作为所述待推荐新闻的特征向量；

这里，可以利用预设的主题模型获取新闻库中所有待推荐新闻的主题分布，通常情况下，为了避免最终推荐的待推荐新闻与用户已浏览的新闻出现重复，获取的是新闻库中所有用户还未浏览的新闻的主题分布。例如，新闻库中有1000条用户没有浏览过的待推荐新闻，此处便可以利用主题模型分别获取这1000条待推荐新闻各自的主题分布。例如，待推荐新闻rnew1的主题分布即待推荐新闻rnew1中主题t1占该待推荐新闻rnew1的比例为30％，主题t2占该待推荐新闻rnew1的比例为40％，主题t3占该待推荐新闻rnew1的比例为20％，主题t4占该待推荐新闻rnew1的比例为10％。

s302、获取预设时间内用户对已浏览新闻的兴趣度；

这里，可以根据式(10)获取所述预设时间内用户对已浏览新闻ii的兴趣度interest(ii)。

interest(ii)＝[1-h(ii)]×duration(ii)+h(ii)(10)

其中，h(ii)表示预设时间内用户对已浏览新闻ii的偏好值，当所述用户对已浏览新闻ii的操作类型为浏览时，所述用户对已浏览新闻ii的偏好值h(ii)＝0；当所述用户对已浏览新闻ii的操作类型为点赞、收藏、评论或分享时，所述用户对已浏览新闻ii的偏好值h(ii)＝1。duration(ii)表示所述预设时间内用户对已浏览新闻ii的浏览时长ti与预设的时间阈值r之间的比值。

例如，如图4所示，用户在10分钟内浏览了10条新闻，其中，用户在浏览新闻i1时，对该新闻i1进行了评论，说明用户对该新闻非常感兴趣，此时用户对该新闻i1的偏好值h(i1)＝1，进一步地，根据上式(2)可以得到用户对该新闻i1的兴趣度interest(i1)为1。又如，用户在浏览新闻i3时，在打开该新闻的链接后，在该新闻界面停留了10秒钟，且并未对该新闻进行点赞、收藏、评论或分享等，因此用户对该新闻i3的偏好值h(i3)＝0，设r＝60s，则此时进一步地，根据上式(2)可以得到用户对该新闻i3的兴趣度interest(i3)为

s303、利用所述主题模型获取所述已浏览新闻的主题分布，并将所述已浏览新闻的主题分布作为所述已浏览新闻的特征向量；

例如，用户在10分钟内浏览的10条新闻中，用户已浏览的新闻i1中的主题分布即用户已浏览的新闻i1中主题t1占该新闻i1的比例为50％，主题t2占该新闻i1的比例为20％，主题t4占该新闻i1的比例为10％，主题t6占该新闻i1的比例为20％。这里，需要说明的是，新闻中未涉及到的主题，可以默认为该主题在该新闻中所占的比例为0。

s304、根据所述用户对已浏览新闻的兴趣度和所述已浏览新闻的特征向量获取用户的实时兴趣向量；

这里，可以根据式(11)获取用户的实时兴趣向量t；

其中，n表示预设时间内已浏览新闻的数目；表示所述已浏览新闻ii的特征向量。

例如，用户在10分钟内浏览了10条新闻，则此时用户的实时兴趣向量其中，j＝1,2,…m，表示主题t1在已浏览新闻ii中所占的比例，类似地，表示主题tm在已浏览新闻ii中所占的比例，因此，类似地，

s305、利用预设的相似度算法获取所述用户的实时兴趣向量与所述待推荐新闻的特征向量之间的相似度；

例如，用户在10分钟内浏览了10条新闻，假设这10条新闻涉及到的主题有t1,t2,t3,t5,t6,t8,t12，经实施上述步骤s302至s304之后，获取到的此时的用户的实时兴趣向量为在实施上述步骤s302至s304之前，在步骤s301中已经获取到的待推荐新闻rnew1的主题分布为此时，便可以利用预设的相似度算法获取到用户的实时兴趣向量t与待推荐新闻rnew1之间的相似度了。例如，利用余弦相似度算法来计算用户的实时兴趣向量t与待推荐新闻rnew1之间的相似度，将与代入下式(12)中即可得到用户的实时兴趣向量t与待推荐新闻rnew1之间的相似度。

s306、当所述用户的实时兴趣向量与所述待推荐新闻的特征向量之间的相似度大于或等于预设的阈值时，推荐所述待推荐新闻。

例如，这里可以将阈值设为50％，而所述用户的实时兴趣向量与待推荐新闻rnew5的特征向量之间的相似度为70％，该值大于或等于50％，因此，如图5所示，将待推荐新闻rnew5以窗口弹出的方式推荐给用户。

具体实施例二

以网购信息推荐为应用场景，上述实施例一所提供的一种信息推荐方法的具体实施过程如图6所示，从图中可以看出，该实施过程包括如下步骤：

s501、利用预设的主题模型获取待推荐网购信息的主题分布，并将所述待推荐网购信息的主题分布作为所述待推荐网购信息的特征向量；

这里，可以利用预设的主题模型获取网购信息库中的所有待推荐网购信息的主题分布。通常情况下，待推荐网购信息也包括用户近期已浏览的网购信息。

s502、获取预设时间内用户对已浏览网购信息的兴趣度；

这里，可以根据式(13)获取所述预设时间内用户对已浏览网购信息ii的兴趣度interest(ii)。

interest(ii)＝[1-h(ii)]×duration(ii)+h(ii)(13)

其中，h(ii)表示预设时间内用户对已浏览网购信息ii的偏好值，当所述用户对已浏览网购信息ii的操作类型为浏览时，所述用户对已浏览网购信息ii的偏好值h(ii)＝0；当所述用户对已浏览网购信息ii的操作类型为加入购物车、收藏、分享或购买时，所述用户对已浏览网购信息ii的偏好值h(ii)＝1。duration(ii)表示所述预设时间内用户对已浏览网购信息ii的浏览时长ti与预设的时间阈值r之间的比值。

例如，如图7所示，用户通过网购软件浏览关于“连衣裙女春”方面的网购信息，在30分钟内共浏览了20条网购信息，其中，用户在浏览网购信息i1时，将该网购信息i1中的宝贝加入了购物车，说明用户想要购买该网购信息i1中的宝贝，此时用户对该网购信息i1的偏好值h(i1)＝1，进一步地，根据上式(2)可以得到用户对该网购信息i1的兴趣度interest(i1)为1。又如，用户在浏览网购信息i3时，在打开该网购信息的链接后，在该网购信息界面停留了10秒钟，且并未对该网购信息进行收藏、分享，也没有将该网购信息中的宝贝加入购车、或购买等，因此用户对该网购信息i3的偏好值h(i3)＝0，设r＝60s，则此时进一步地，根据上式(2)可以得到用户对该网购信息i3的兴趣度interest(i3)为

s503、利用所述主题模型获取所述已浏览网购信息的主题分布，并将所述已浏览网购信息的主题分布作为所述已浏览网购信息的特征向量；

s504、根据所述用户对已浏览网购信息的兴趣度和所述已浏览网购信息的特征向量获取用户的实时兴趣向量；

这里，可以根据式(14)获取用户的实时兴趣向量t；

其中，n表示预设时间内已浏览网购信息的数目；表示所述已浏览网购信息ii的特征向量。

s505、利用预设的相似度算法获取所述用户的实时兴趣向量与所述待推荐网购信息的特征向量之间的相似度；

这里，可以采用基于欧氏距离的相似度算法或余弦相似度算法或其它相似度算法来获取所述用户的实时兴趣向量与所述待推荐网购信息的特征向量之间的相似度，但是此处对于采用哪种相似度算法不做限制，只要能够获取到所述用户的实时兴趣向量与所述待推荐项目的特征向量之间的相似度即可。

s506、当所述用户的实时兴趣向量与所述待推荐网购信息的特征向量之间的相似度大于或等于预设的阈值时，推荐所述待推荐网购信息。

例如，这里可以将阈值设为70％，所述用户的实时兴趣向量与待推荐网购信息ri1、ri2、ri3、ri4、ri5、ri6的特征向量之间的相似度分别为50％、78％、80％、90％、67％、92％，则当用户再次打开网购软件时，如图8所示，可以将待推荐网购信息ri2、ri3、ri4、ri6按照相似度的大小顺序依次呈现给用户。

通过以上几种具体的应用场景可以看出，本发明实施例提供的一种信息推荐的方法，能够根据用户对各个主题的喜好程度，来为用户推荐与用户喜好主题相关的待推荐项目推荐给用户。该方法实现了按照用户对信息的喜好程度为用户推荐信息的技术效果。由于用户的实时兴趣向量的获取过程简单，计算量较小，复杂度较低，所以能够实时地完成信息的推荐。另外，由于该方法是根据用户对各个主题的喜好程度来为用户推荐信息的，因此该方法能够精准地为用户推荐符合用户当前需求的信息。

实施例三

基于前述相同的技术构思，如图9所示，该图给出了本发明实施例提供的一种网络设备70，从图中可以看出，该网络设备70可以包括：主题分布获取模块710、实时兴趣向量获取模块720、相似度获取模块730和信息推荐模块740；其中，

所述主题分布获取模块710，用于利用预设的主题模型获取待推荐项目的主题分布，并将所述待推荐项目的主题分布作为所述待推荐项目的特征向量；

所述实时兴趣向量获取模块720，用于获取用户的实时兴趣向量；所述用户的实时兴趣向量包括预设时间内用户对各个主题的喜好程度；

所述相似度获取模块730，用于利用预设的相似度算法获取所述用户的实时兴趣向量与所述待推荐项目的特征向量之间的相似度；

所述信息推荐模块740，用于当所述用户的实时兴趣向量与所述待推荐项目的特征向量之间的相似度大于或等于预设的阈值时，推荐所述待推荐项目。

在上述方案中，所述实时兴趣向量获取模块720，如图10所示，具体可以包括：兴趣度获取子模块7201、主题分布获取子模块7202、实时兴趣向量获取子模块7203；其中，

所述兴趣度获取子模块7201，用于获取预设时间内用户对已操作项目的兴趣度；

所述主题分布获取子模块7202，用于利用所述主题模型获取所述已操作项目的主题分布，并将所述已操作项目的主题分布作为所述已操作项目的特征向量；

所述实时兴趣向量获取子模块7203，用于根据所述用户对已操作项目的兴趣度和所述已操作项目的特征向量获取用户的实时兴趣向量。

在上述方案中，所述兴趣度获取子模块7201，具体用于：

根据预设时间内用户对已操作项目ii的操作类型获取所述用户对已操作项目ii的偏好值h(ii)；其中，i＝1,2,…,n，n表示所述预设时间内已操作项目的数目；

根据式(15)获取所述预设时间内用户对已操作项目ii的浏览时长ti与预设的时间阈值r之间的比值duration(ii)；

duration(ii)＝ti/r(15)

根据式(16)获取所述预设时间内用户对已操作项目ii的兴趣度interest(ii)。

interest(ii)＝[1-h(ii)]×duration(ii)+h(ii)(16)

在上述方案中，所述兴趣度获取子模块7201，具体用于：

当所述用户对已操作项目ii的操作类型为浏览时，获取所述用户对已操作项目ii的偏好值h(ii)＝0；

当所述用户对已操作项目ii的操作类型为点赞、收藏、评论、分享、下载、加入购物或购买时，获取所述用户对已操作项目ii的偏好值h(ii)＝1。

在上述方案中，所述实时兴趣向量获取子模块7203，具体用于：

根据式(17)获取用户的实时兴趣向量t；

其中，n表示预设时间内已操作项目的数目；表示所述已操作项目ii的特征向量。

另外，在本实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。

所述集成的单元如果以软件功能模块的形式实现并非作为独立的产品进行销售或使用时，可以存储在一个计算机可读取存储介质中，基于这样的理解，本实施例的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)或处理器(processor)执行本实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，readonlymemory)、随机存取存储器(ram，randomaccessmemory)、磁碟或者光盘等各种可以存储程序代码的介质。

具体来讲，本实施例中的一种信息推荐方法对应的计算机程序指令可以被存储在光盘，硬盘，u盘等存储介质上，当存储介质中的与一种信息推荐方法对应的计算机程序指令被一电子设备读取或被执行时，包括如下步骤：

利用预设的主题模型获取待推荐项目的主题分布，并将所述待推荐项目的主题分布作为所述待推荐项目的特征向量；

获取用户的实时兴趣向量；所述用户的实时兴趣向量包括预设时间内用户对各个主题的喜好程度；

利用预设的相似度算法获取所述用户的实时兴趣向量与所述待推荐项目的特征向量之间的相似度；

当所述用户的实时兴趣向量与所述待推荐项目的特征向量之间的相似度大于或等于预设的阈值时，推荐所述待推荐项目。

可选的，存储介质中存储的与步骤：所述获取用户的实时兴趣向量，具体包括：

获取预设时间内用户对已操作项目的兴趣度；

利用所述主题模型获取所述已操作项目的主题分布，并将所述已操作项目的主题分布作为所述已操作项目的特征向量；

根据所述用户对已操作项目的兴趣度和所述已操作项目的特征向量获取用户的实时兴趣向量。

可选的，存储介质中存储的与步骤：所述获取预设时间内用户对已操作项目的兴趣度，具体包括：

根据预设时间内用户对已操作项目ii的操作类型获取所述用户对已操作项目ii的偏好值h(ii)；其中，i＝1,2,…,n，n表示所述预设时间内已操作项目的数目；

根据式(18)获取所述预设时间内用户对已操作项目ii的浏览时长ti与预设的时间阈值r之间的比值duration(ii)；

duration(ii)＝ti/r(18)

根据式(19)获取所述预设时间内用户对已操作项目ii的兴趣度interest(ii)。

interest(ii)＝[1-h(ii)]×duration(ii)+h(ii)(19)

可选的，存储介质中存储的与步骤：所述根据预设时间内用户对已操作项目ii的操作类型获取所述用户对已操作项目ii的偏好值h(ii)，具体包括：

当所述用户对已操作项目ii的操作类型为浏览时，所述用户对已操作项目ii的偏好值h(ii)＝0；

当所述用户对已操作项目ii的操作类型为点赞、收藏、评论、分享、下载、加入购物或购买时，所述用户对已操作项目ii的偏好值h(ii)＝1。

可选的，存储介质中存储的与步骤：所述根据所述用户对已操作项目的兴趣度和所述已操作项目的特征向量获取用户的实时兴趣向量，具体包括：

根据式(20)获取用户的实时兴趣向量t；

其中，n表示预设时间内已操作项目的数目；表示所述已操作项目ii的特征向量。

需要说明的是，在本文中，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、物品或者装置不仅包括那些要素，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、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如rom/ram、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所描述的方法。

以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。