实施例均采用相关的方式描述，各个实施例之间相同相似的部 分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置实 施例而言，由于其基本相似于方法实施例，所W描述的比较简单，相关之处参见方法实施例 的部分说明即可。
[0187] 本领域普通技术人员可W理解实现上述方法实施方式中的全部或部分步骤是可 W通过程序来指令相关的硬件来完成，所述的程序可W存储于计算机可读取存储介质中， 该里所称得的存储介质，如；ROM/RAM、磁碟、光盘等。
[0188] W上所述仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在 本发明的精神和原则之内所作的任何修改、等同替换、改进等，均包含在本发明的保护范围 内。
【主权项】
1. 一种待推荐对象的确定方法，其特征在于，包括： 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； 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； 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； 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； 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； 将所述热点推荐对象的集合与所述个性推荐对象的集合进行合并，得到针对所述目标 用户的待推荐对象的集合。2. 根据权利要求1所述的方法，其特征在于，所述第一时间段由相等的多个子时间段 构成，所述方法还包括： 从所述目标用户的关注行为数据中提取所述目标用户在各个子时间段内关注的对象 的个数； 根据提取的所述目标用户在各个子时间段内关注的对象的个数，确定针对所述目标用 户的待推荐对象的个数； 针对各个子时间段： 获得该子时间段内每一个对象被所述多个用户关注的总关注次数；根据获得的总关注 次数，确定该子时间段的热点对象，并进一步确定所述目标用户在该子时间段的个性率，所 述目标用户在该子时间段的个性率为所述目标用户在该子时间段内关注的个性化对象的 个数与所述目标用户在该子时间段内关注的对象的总个数的比值，所述个性化对象为所述 目标用户关注的对象中非热点对象的对象； 将所述目标用户在各个子时间段内的个性率进行平均，得到所述目标用户在所述第一 时间段内的个性率； 根据确定的针对所述目标用户的待推荐对象的个数和所述目标用户在所述第一时间 段内的个性率，确定待推荐对象中热点推荐对象的个数及个性推荐对象的个数； 所述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，包括： 根据确定的每一个对象的总关注次数，确定对象个数为所确定的热点推荐对象的个数 的热点推荐对象的集合； 所述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，包括： 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，确定对象个数为所确定的个性推荐对象的个数的个性推 荐对象的集合。3. 根据权利要求1所述的方法，其特征在于，所述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，包括： 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； 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 高于预设第一阈值，如果是，则将该用户确定为所述目标用户的兴趣相似用户； 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。4. 根据权利要求2所述的方法，其特征在于，还包括： 获得包含所述目标用户在内的多个用户在第二时间段内的关注行为数据，所述第二时 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； 获得所述第二时间段内每一个对象被所述多个用户关注的总关注次数； 根据获得的第二时间段内每一个对象的总关注次数，确定所述第二时间段的热点对 象，并进一步确定所述目标用户在所述第二时间段的个性率； 将所述第一时间段的个性率与所述第二时间段的个性率进行比较，如果二者差值的绝 对值高于预设第二阈值，则对所述第一时间段的个性率进行调整。5. 根据权利要求1或4所述的方法，其特征在于，还包括： 获得所述目标用户在第三时间段内的关注行为数据，所述第三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三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三阈值，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。6. -种待推荐对象的确定装置，其特征在于，包括： 行为数据获得模块，用于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； 关注次数提取模块，用于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； 关注次数确定模块，用于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； 热点推荐对象确定模块，用于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； 个性推荐对象获得模块，用于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； 待推荐对象确定模块，用于将所述热点推荐对象的集合与所述个性推荐对象的集合进 行合并，得到针对所述目标用户的待推荐对象的集合。7. 根据权利要求6所述的装置，其特征在于，所述第一时间段由相等的多个子时间段 构成，所述装置还包括： 待推荐对象个数确定模块，用于从所述目标用户的关注行为数据中提取所述目标用户 在各个子时间段内关注的对象的个数；根据提取的所述目标用户在各个子时间段内关注的 对象的个数，确定针对所述目标用户的待推荐对象的个数； 个性率确定模块，用于针对各个子时间段：获得该子时间段内每一个对象被所述多个 用户关注的总关注次数；根据获得的总关注次数，确定该子时间段的热点对象，并进一步确 定所述目标用户在该子时间段的个性率，所述目标用户在该子时间段的个性率为所述目标 用户在该子时间段内关注的个性化对象的个数与所述目标用户在该子时间段内关注的对 象的总个数的比值，所述个性化对象为所述目标用户关注的对象中非热点对象的对象；将 所述目标用户在各个子时间段内的个性率进行平均，得到所述目标用户在所述第一时间段 内的个性率； 热点推荐对象个数及个性推荐对象个数确定模块，用于根据确定的针对所述目标用户 的待推荐对象的个数和所述目标用户在所述第一时间段内的个性率，确定待推荐对象中热 点推荐对象的个数及个性推荐对象的个数； 所述热点推荐对象确定模块，具体用于： 根据确定的每一个对象的总关注次数，确定对象个数为所确定的热点推荐对象的个数 的热点推荐对象的集合； 所述个性推荐对象获得模块，具体用于： 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，确定对象个数为所确定的个性推荐对象的个数的个性推 荐对象的集合。8. 根据权利要求6所述的装置，其特征在于，所述个性推荐对象获得模块，具体用于： 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； 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 高于预设第一阈值，如果是，则将该用户确定为所述目标用户的兴趣相似用户； 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。9. 根据权利要求7所述的装置，其特征在于，还包括个性率调整模块： 所述个性率调整模块，用于获得包含所述目标用户在内的多个用户在第二时间段内的 关注行为数据，所述第二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；获得所述第二时间段内每一个对象被所述多个用户关注的总关注次数；根据 获得的第二时间段内每一个对象的总关注次数，确定所述第二时间段的热点对象，并进一 步确定所述目标用户在所述第二时间段的个性率；将所述第一时间段的个性率与所述第二 时间段的个性率进行比较，如果二者差值的绝对值高于预设第二阈值，则对所述第一时间 段的个性率进行调整。10. 根据权利要求6或9所述的装置，其特征在于，还包括第一时间段调整模块： 所述第一时间段调整模块，用于获得所述目标用户在第三时间段内的关注行为数据， 所述第三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三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三阈值，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。
【专利摘要】本发明实施例公开了一种待推荐对象的确定方法及装置。一种待推荐对象的确定方法，可以包括以下步骤：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；确定热点推荐对象的集合；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；将所述热点推荐对象的集合与所述个性推荐对象的集合进行合并，得到针对所述目标用户的待推荐对象的集合。应用本发明实施例所提供的技术方案，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，可以提升用户体验。
【IPC分类】G06F17/30
【公开号】CN104951563
【申请号】CN201510398896
【发明人】刘驰, 张桢, 丁刚毅, 高广宇
【申请人】北京理工大学
【公开日】2015年9月30日
【申请日】2015年7月8日