r>[0化9] 在本发明的一种【具体实施方式】中，还包括第一时间段调整模块：
[0060] 所述第一时间段调整模块，用于获得所述目标用户在第S时间段内的关注行为数 据，所述第=时间段为将所述待推荐对象的集合中的对象推荐给所述目标用户后的时间 段；根据所述目标用户在所述第=时间段内的关注行为数据，确定所述目标用户关注的对 象为所述待推荐对象的集合中的对象的个数；判断推荐准确率是否低于预设第=阔值，所 述推荐准确率为：所述目标用户关注的对象为所述待推荐对象的集合中的对象的个数与所 述待推荐对象的集合中的对象的总个数的比值；如果是，则调整所述第一时间段。
[0061] 应用本发明实施例所提供的技术方案，根据获得的包含目标用户在内的多个用户 的关注行为数据，确定出目标用户对于热点对象的喜好，得到热点推荐对象的集合，并将目 标用户与其他用户的关注行为数据进行协同过滤，得到个性推荐对象的集合，合并热点推 荐对象的集合与个性推荐对象的集合，得到待推荐对象的集合，充分考虑了用户对于热点 对象的喜好，避免了推荐对象的单一性，推荐的准确率较高，可W提升用户体验。
【附图说明】
[0062] 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 发明的一些实施例，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W 根据该些附图获得其他的附图。
[0063] 图1为本发明实施例中待推荐对象的确定方法的一种实施流程图；
[0064] 图2为本发明实施例所基于的系统框架的结构示意图；
[00化]图3为本发明实施例中待推荐对象的确定方法的另一种流程图；
[0066] 图4为本发明实施例中一种实验结果的示意图；
[0067] 图5为本发明实施例中另一种实验结果的示意图；
[0068] 图6为本发明实施例中待推荐对象的确定装置的一种结构示意图。
【具体实施方式】
[0069] 为了使本领域技术人员更好地理解本发明实施例中的技术方案，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。
[0070] 参见图1所示，为本发明实施例所提供的一种待推荐对象的确定方法的实施流程 图，该方法可W包括W下步骤：
[0071] S110;获得预设的第一时间段内包含目标用户在内的多个用户针对预设关注对象 组中各对象的关注行为数据。
[0072] 在互联网上，网站上的用户在网站上的行为都可W被记录下来，形成用户行为数 据。用户对网站中对象的关注行为所形成的用户行为数据即为关注行为数据。
[0073] 可W理解的是，用户对对象的关注行为可W是对对象的观看行为，点击行为，收藏 行为、分享行为等行为中的一种或多种行为。当然，在不同网站中，用户的关注行为的具体 形式可能不同，本发明对此不做限制。
[0074] 每个网站都有与其相对应的对象，比如视频网站对应的对象为视频文件，购物网 站对应的对象为商品。可W根据实际情况，预先设置关注对象组，该关注对象组中的对象可 W是网站中的全部对象，还可W是网站中的部分对象，如具有一定推广意义的对象。
[0075] 目标用户可W是网站中的任一个用户，或者是会员用户，也就是说网站可W针对 全部用户或者某一类型的用户进行相应的对象的推荐。在多个用户中，除目标用户外的其 他用户可W是网站中除目标用户外的所有用户或者是根据一定的要求确定的用户，如网站 中的活跃用户、会员用户等。网站中的活跃用户或会员用户的关注行为数据对于推荐的参 考意义较大。
[0076] 在预设的第一时间段内，包含目标用户在内的多个用户对于预设关注对象组中的 对象的关注行为，可W形成关注行为数据。获得该多个用户的关注行为数据后，可W继续执 行步骤S120或步骤S150的操作。
[0077] S120;分别从所述多个用户的关注行为数据中提取所述多个用户中每一个用户对 所述预设关注对象组中每一个对象的关注次数。
[007引在不同网站中，用户对于对象的关注行为的具体形式可能不同，W视频网站为例， 关注行为可W是观看行为、收藏行为等。用户对于某一对象的关注次数可W通过不同关注 行为的总次数确定，还可W通过某一具体关注行为的次数确定。
[0079] 在用户的关注行为数据中，记录有用户对与每一个关注对象的关注行为，可W从 用户的关注行为数据中提取该用户对于预设关注对象组中每一个对象的关注次数。比如， 在视频网站中，用户观看某一视频文件的次数为5次，在该用户的关注行为数据中可W得 到该次数，从而可W确定该用户对于该视频文件的关注次数为5次，如果该用户的关注行 为数据中同时记录有该用户对该视频文件的收藏行为，则可w确定该用户对于该视频文件 的关注次数可W为6次。在实际应用中，对于不同用户对于对象的关注次数的统计使用相 同的具体关注行为即可。
[0080] 对于步骤S110所述的多个用户中的每一个用户，都可W从该用户的行为数据中 提取该用户对预设关注对象组中每一个对象的关注次数。
[0081] S130;确定所述第一时间段内每一个对象被所述多个用户关注的总关注次数。
[0082] 步骤S110获得的是在预设的第一时间段内包含目标用户在内的多个用户针对预 设关注对象组中各对象的关注行为数据，当步骤S120分别从所述多个用户的关注行为数 据中提取所述多个用户中每一个用户对所述预设关注对象组中每一个对象的关注次数后， 可W计算得到在第一时间段内每一个对象被该多个用户关注的总关注次数。
[0083] 比如，在第一时间段内，从用户1、用户2、用户3、用户4的关注行为数据中提取到 的该四个用户对预设关注组中的对象A、对象B、对象C的关注次数为表1所示：
[0084]
阳0化]表1
[0086] 从表1可W得到，对象A被该四个用户关注的总关注次数为5+3+6+2 = 16 (次）， 对象B被该四个用户关注的总关注次数为1+3巧巧=13 (次），对象C被该四个用户关注的 总关注次数为0+化1+5 = 8 (次）。
[0087] S140;根据确定的每一个对象的总关注次数，确定热点推荐对象的集合。
[008引可W理解的是，在网站中，如果较多用户均对某一对象发生了关注行为，那么，可 W该对象可能为热点对象，是在第一时间段内较多用户均比较感兴趣的对象。在步骤S130， 确定了每一个对象的总关注次数，可W根据确定的每一个对象的总关注次数，按照总关注 次数从大到小的顺序对该些对象进行排序，选取预设数量的对象作为热点推荐对象，或者 选取符合预设比例要求的对象作为热点推荐对象。所确定的多个热点推荐对象构成热点推 荐对象的集合。
[0089] S150;对所述目标用户的关注行为数据与所述多个用户中除所述目标用户外的其 他用户的关注行为数据进行协同过滤处理，获得个性推荐对象的集合。
[0090] 所谓协同过滤，是指协同过滤分析用户的兴趣，在用户群中查找与指定用户的兴 趣相似的用户，综合该些兴趣相似的用户对某一信息的评价，形成系统对该指定用户对此 信息的喜好程度的预测。
[0091] 在本发明的一种【具体实施方式】中，步骤S150可W包括W下步骤：
[0092] 步骤一；根据所述多个用户的关注行为数据，构建评分矩阵，所述评分矩阵的元素 至少包含用户的标识、用户关注的对象的标识和用户对所关注对象的隐式评分；
[0093] 步骤二：针对所述多个用户中除所述目标用户外的各个用户，根据所述目标用户 关注的对象的标识，确定该用户关注的对象与所述目标用户关注的对象的相似度，判断所 述相似度是否高于预设第一阔值，如果是，则将该用户确定为所述目标用户的兴趣相似用 户；
[0094] 步骤根据所述评分矩阵中兴趣相似用户对所关注对象的隐式评分，确定针对 所述目标用户的个性推荐对象。
[0095] 为方便理解，将上述=个步骤结合起来进行说明。
[0096] 在步骤S110获得预设的第一时间段内包含目标用户在内的多个用户针对预设关 注对象组中各对象的关注行为数据后，可W先对该些原始关注行为数据进行噪声去除处 理，然后在进行去噪处理后的关注行为数据中进行特征提取，提取结果可元组 <用 户、对象、用户对对象的隐式评分〉呈现，通过该=元组可W构建评分矩阵，评分矩阵中的 元素至少包含用户的标识、用户关注的对象的标识和用户对所关注对象的隐式评分。
[0097] 对于用户对所关注对象的隐式评分，可W通过用户的级别及用户对所关注对象的 关注次数获得，如果用户在网站中的级别越高，在进行对其所关注的对象的隐式评分时可 W给予较高的权重。比如，用户为会员用户，其对某对象的关注次数高于某一预设阔值，贝U 将该用户对该对象的隐式评分确定为预设的分数，如果其对某对象的关注次数低于另一预 设阔值，则可W将该用户对该对象的隐式评分确定为另一预设的分数。也就是，利用用户对 所关注对象的关注次数可W模拟用户对该对象的隐式评分。
[009引从目标用户的关注行为数据中，可W得到目标用户关注的对象的标识，对于多个 用户中除目标用户外的各个用户而言，可W根据目标用户关注的对象的标识，确定该用户 关注的对象与所述目标用户关注的对象的相似度。具体相似度的计算方法可W有多种，如 根据共同关注对象的个数进行确定，或者根据共同关注对象的个数与关注对象的总个数的 比值进行确定。W后一种方法为例，目标用户关注的对象共有10个，对于多个用户中除目 标用户外的任一个用户来说，如果该用户关注的对象与目标用户关注的对象相同的对象的 个数为8个，则可W计算该用户与目标用户之间的相似度为8/10 = 0. 8。
[0099] 对于多个用户中除目标用户外的任一个用户来说，计算得到的相似度越高，表明 该用户与目标用户的兴趣越相似。可W判断相似度是否高于预设第一阔值，如果是，则将该 用户确定为目标用户的兴趣相似用户。
[0100] 需要说明的是，本发明实施例对步骤S120和步骤S150没有执行顺序的限制，执行 步骤S110后可W先顺序执行步骤S120、步骤S130和步骤S140,再执行步骤S150,或者执行 步骤S110后先执行步骤S150,再顺序执行步骤S120、步骤