一种协同过滤推荐资讯的方法与流程

本发明涉及大数据分析领域，尤其涉及一种协同过滤推荐资讯的方法。
背景技术：
：现有资讯提供都是按照板块划分，比较流行的一些新闻资讯app,都是按照大众口味推荐新闻与资讯，行业观察员还需要自我把一些网址加入收藏，然后自我去打开去浏览，寻找自己想要的资讯，导致效率极为低下，严重影响体验感。在现有技术中，行业观察员需要登录多个网站搜寻相关的资讯，每个行业门户网的资讯非常杂乱，想找到符合的资讯需要仔细寻找，耗时耗力，也容易错过一些资讯。正因如此，目前急需一种解决对行业观察人员提供资讯推荐，让他们快速找到想要的行业资讯，而不用自我打开特定网站搜寻的方法。技术实现要素：本发明提供了一种协同过滤推荐资讯的方法，以解决行业观察人员需要手动寻找行业资讯而不能自动获取推荐爱好资讯的技术问题，从而自动获取行业的推荐爱好资讯，进而实现提高寻找行业资讯的效率。为了解决上述技术问题，本发明实施例提供了一种协同过滤推荐资讯的方法，包括：获取目标用户的注册信息，根据所述注册信息查找行业内相似用户；通过计算得到相似用户之间的相似度；获取相似度最相近的用户信息数据；提取上述相似度最相近的用户信息数据的爱好资讯，推送给目标用户。作为优选方案，所述获取目标用户的注册信息，根据所述注册信息查找行业内相似用户，包括：获取目标用户的注册信息，判断该目标用户是否为新用户；如果是新用户，则根据所述的注册信息查找同一行业内的行业信息，获取相邻用户；如果是旧用户，则根据该目标用户以往的资讯数据通过计算查找一定数量的相似用户。作为优选方案，所述提取上述相似度最相近的用户信息数据的爱好资讯，推送给目标用户，还包括：从提取的所述爱好资讯中去除目标用户已经喜欢的资讯，减少计算量，提高推送效率。作为优选方案，所述行业信息，包括所在的行业领域、行业涉及的相关政策和行业内的相关岗位属性。作为优选方案，所述通过计算得到相似用户之间的相似度的计算算法为相似度算法。作为优选方案，所述推送资讯包括推送相似用户的购物爱好信息和浏览爱好信息。作为优选方案，所述将爱好资讯推送给目标用户中，推送的资讯可以通过图片或者文字或者链接进行推送。作为优选方案，所述一定数量的相似用户可以为五名相似用户。作为优选方案，所述注册信息包括个人名称、个人性别、所属行业和个人爱好。作为优选方案，所述获取目标用户的注册信息，根据所述注册信息查找相似用户，还包括：过滤与目标用户行业不一致的其余用户，减少计算量，提高计算效率。相比于现有技术，本发明实施例具有如下有益效果：通过获取行业内的相似用户数据，解决行业观察人员需要手动寻找行业资讯而不能自动获取推荐爱好资讯的技术问题，从而自动获取行业的推荐爱好资讯，进而实现提高寻找行业资讯的效率。附图说明图1：为本发明方法实施例中的具体实施流程示意图；图2：为本发明方法实施例中的协同过滤推荐的原理示意图。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。请参照图1，本发明优选实施例提供了一种协同过滤推荐资讯的方法，包括：获取目标用户的注册信息，根据所述注册信息查找行业内相似用户；通过计算得到相似用户之间的相似度；获取相似度最相近的用户信息数据；提取上述相似度最相近的用户信息数据的爱好资讯，推送给目标用户。在本实施例中，所述获取目标用户的注册信息，根据所述注册信息查找行业内相似用户，包括：获取目标用户的注册信息，判断该目标用户是否为新用户；如果是新用户，则根据所述的注册信息查找同一行业内的行业信息，获取相邻用户；如果是旧用户，则根据该目标用户以往的资讯数据通过计算查找一定数量的相似用户。在本实施例中，所述提取上述相似度最相近的用户信息数据的爱好资讯，推送给目标用户，还包括：从提取的所述爱好资讯中去除目标用户已经喜欢的资讯，减少计算量，提高推送效率。在本实施例中，所述行业信息，包括所在的行业领域、行业涉及的相关政策和行业内的相关岗位属性。在本实施例中，所述通过计算得到相似用户之间的相似度的计算算法为相似度算法。在本实施例中，所述推送资讯包括推送相似用户的购物爱好信息和浏览爱好信息。在本实施例中，所述将爱好资讯推送给目标用户中，推送的资讯可以通过图片或者文字或者链接进行推送。在本实施例中，所述一定数量的相似用户可以为五名相似用户。在本实施例中，所述注册信息包括个人名称、个人性别、所属行业和个人爱好。在本实施例中，所述获取目标用户的注册信息，根据所述注册信息查找相似用户，还包括：过滤与目标用户行业不一致的其余用户，减少计算量，提高计算效率。下面结合实施例，对本发明进行详细说明。请参照图2，图中示意出协同过滤推荐的基本原理，假设用户a喜欢资讯a、资讯c，用户b喜欢资讯b，用户c喜欢资讯a、资讯c和资讯d；从这些用户的历史喜好信息中，我们可以发现用户a和用户c的口味和偏好是比较类似的，同时用户c还喜欢资讯d，那么我们可以推断用户a可能也喜欢资讯d，因此可以将资讯d推荐给用户a。在用户没有喜欢记录的时候，利用其注册信息找出与用户同一行业的用户，推荐相似用户共同喜好的资讯，例如用户b是新用户没有浏览与收藏记录的时候，推荐用户a与用户b共同喜欢的资讯a与资讯c。下表为描述示例：用户/资讯资讯a资讯b资讯c资讯d用户a√√用户b推荐推荐用户c√√√a.相似度计算根据上述描述设定用户i与用户j，n(i)是用户i喜欢的资讯列表，n(j)是用户j喜欢的资讯列表，则wij为户i与用户j的相似度。b.推荐行业资讯首先需要从计算相似度中找出与目标用户u最相似的k个用户，用集合s(u,k)表示，其中rvi表示用户v对资讯i的喜欢程度。将s中用户喜欢的物品全部提取出来，并去除u已经喜欢的资讯。对于每个候选资讯i，用户u对它感兴趣的程度用如下公式计算：假如用户u是新用户，还没有喜好的资讯记录则公式应为：p(u,i)＝∑v∈(u,k)∩n(i)wv×rvi最后，提取上述相似度最相近的用户信息数据的爱好资讯，推送给目标用户。在本实施例中，推送资讯包括推送相似用户的购物爱好信息和浏览爱好信息；推送的资讯可以通过图片或者文字或者链接进行推送。本发明过获取行业内的相似用户数据，解决行业观察人员需要手动寻找行业资讯而不能自动获取推荐爱好资讯的技术问题，从而自动获取行业的推荐爱好资讯，进而实现提高寻找行业资讯的效率。以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步的详细说明，应当理解，以上所述仅为本发明的具体实施例而已，并不用于限定本发明的保护范围。特别指出，对于本领域技术人员来说，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。当前第1页12