对应已读缓存中的已推荐信息进行清理，清理掉过期的已推荐信息。
[0030]当然，在本申请中，也可为所有的用户建立一个公用的已读缓存，并预先为每个用户建立唯一一个标识，服务器在将用户已经浏览过的已推荐信息存储到已读缓存之前，先在该信息上添加用户对应的标识，再将添加标识的已推荐信息存储在已读缓存中，后续，月艮务器给该用户推荐信息时，只需要在已读缓存中找到包含该用户标识的已推荐信息，并与从物料数据库中获取到信息进行对比，确定出从物料数据库中获取到的该用户标识对应的用户未浏览过的信息。
[0031]延续上例，假设用户对应的已读缓存中存储了新闻信息1、新闻信息2、新闻信息5，服务器从物料数据库中获取到新闻信息1、新闻信息3、新闻信息4，则将获取到的新闻信息
1、新闻信息3、新闻信息4与已读缓存中存储的新闻信息1、新闻信息2、新闻信息5进行对比，确定出不存于已读缓存中的新闻信息(即，用户未浏览过的信息)为:新闻信息3、新闻信息4。
[0032]在本申请实施例中，服务器每次给用户推荐的信息的数量有可能比较多，也就使得通过终端无法一次性的将服务器推荐的所有信息展示给用户，因此，服务器可针对每个用户建立一个未读缓存，将确定出的信息作为待推荐信息添加到该未读缓存中，再从未读缓存中选择设定数量(如，10条)的待推荐信息推荐给用户，也就是说，后续，当服务器在监测到用户已经浏览过已推荐信息时，可继续从未读缓存中选择设定数量的待推荐信息推荐给用户，只要未读缓存中存储有待推荐信息，就直接将未读缓存中存储的待推荐信息推荐给用户。但是，如果用户一直没有浏览未读缓存中的待推荐信息，也会导致未读缓存中的待推荐信息量越来越多，从而增加了未读缓存的负荷，因此，服务器同样也可对未读缓存进行定期的删除。
[0033]另外，在本申请中，可对未读缓存中的各待推荐信息设定一个清理期限(如，10天)，将未读缓存中超过清理期限的待推荐信息直接删除掉，当然这不是唯一的清理方式，也可以直接一次性将所有的待推荐信息删除掉。
[0034]通过上述方法，由于服务器在向用户推荐信息之前已经与已读缓存中的信息进行过对比排重，因此，不会将信息重复推荐给用户，从而使得用户可以获取新的信息，提高推荐信息的效率。
[0035]在实际应用中，为了给用户推荐尽量全面的信息，S卩，给用户推荐的信息中包含不同类型的信息，如，推荐的信息中包含有新闻信息、娱乐信息、体育信息、游戏信息，因此，在本申请中，服务器在物料数据库中获取到信息后，可将获取到的信息按照预设的类型进行归类，根据预设的规则，在每一类型的信息中抽取出信息，并将抽取出的信息作为从物料数据库中获取到的信息，后续再将获取到的信息与已读缓存中的已推荐信息进行对比，并将抽取出的各类型的信息中用户未浏览过的信息作为待推荐信息添加到未读缓存中，并从未读缓存中选择设定数量的待推荐信息推荐给该用户。所述预设的规则可以是:根据用户的兴趣来确定不同类型信息的抽取数量，并且在抽取每种类型的信息时，按照浏览频率由高到低进行抽取，当然也可以根据其他的规则来抽取信息。
[0036]例如，假设微博服务器预先建立了存储有体育信息、社会信息、游戏信息的物料数据库，并且预设的规则为:抽取的体育信息、社会信息和游戏信息的数量是相同的。则服务器从物料数据库中获取到2000条信息(假设服务器每次需要向用户推荐600条信息)，确定出体育信息有500条，社会信息有1000条，游戏信息有500条信息，则需要从体育信息中抽取出200条，从社会信息中抽取出200条，从游戏信息中抽取出200条，将抽取出的信息作为从物料数据库中获取到的信息。后续则可将抽取出的这600条信息与用户对应的已读缓存中的已推荐信息进行对比，确定出不存在于已读缓存中的信息，并将该信息添加到未读缓存中，后续从未读缓存中选择设定数量的待推荐信息推荐给用户。
[0037]另外，在本申请实施例中，还可直接将不同类型的信息分别保存在不同的物料数据库中，或者保存在同一物料数据库中的不同存储区域内，服务器可直接根据预设的规则，在每一类型的信息中抽取出信息，并将抽取出的信息作为从物料数据库中获取到的信息，后续再将获取到的信息与已读缓存中的已推荐信息进行对比，确定出获取到的信息中不存在于已读缓存中的信息，将确定出的信息作为待推荐信息添加到未读缓存中，这里就不再--赘述。
[0038]在本申请中，服务器在将信息推荐给用户后，可将已经推荐的信息(S卩，用户已经浏览过的信息)同步到该用户对应的已读缓存中，并将推荐给用户的已推荐信息从未读缓存中删除，这样就可以使得后续服务器不会再将用户浏览过的已推荐信息推荐给用户了。
[0039]例如，假设服务器将确定出新闻信息3、新闻信息4存储在未读缓存中，并将未读缓存中存储的新闻信息3、新闻信息4推荐给用户，后续，服务器将新闻信息3、新闻信息4同步到已读缓存中，并将新闻信息3、新闻信息4从未读缓存中删除，也就是说，同步后的已读缓存中存储的新闻信息有:新闻信息1、新闻信息2、新闻信息3、新闻信息4、新闻信息5，而未读缓存中没有存储任何的新闻信息。只要已读缓存中的信息不被清理，服务器就不会再将新闻信息1、新闻信息2、新闻信息3、新闻信息4、新闻信息5中的任意一个或几个推荐给用户。
[0040]考虑到在实际应用中，服务器通常都是基于历史数据，确定出每次向用户推荐的信息的数量，而有的用户浏览推荐的信息会比较快，因此，当用户浏览完当前推荐的信息后，可继续通过在终端上进行指定操作(如，向下拖动网页)，来触发服务器重复执行步骤SlOl?S103，用以将更多的该用户未浏览过的信息推荐给用户。
[0041]在本申请实施例中，上述所述的待推荐信息具体可以是微博信息，当然，也可以是在即时通信应用或网页中的广告信息、评论信息等。
[0042]以上为本申请实施例提供的信息推荐方法，基于同样的思路，本申请实施例还提供一种信息推荐装置，如图2所示。
[0043]图2为本申请实施例提供的信息推荐装置结构示意图，所述装置包括:
[0044]监测判断模块201，用于在监测到用户已经浏览过已推荐信息时，判断未读缓存中是否包含有待推荐信息；
[0045]推荐模块202，用于在所述监测判断模块201为是时，将未读缓存中设定数量的待推荐信息推荐给所述用户，在所述监测判断模块201为否时，获取物料数据库中的信息，将获取到的信息与所述用户对应的已读缓存中的信息进行对比，确定出获取到的信息中不存在于所述已读缓存中的信息，将确定出的信息作为待推荐信息添加到所述未读缓存中，并从所述未读缓存中选择设定数量的待推荐信息推荐给所述用户。
[0046]所述推荐模块202具体用于，获取物料数据库中的信息，将获取到的信息按照预设的类型进行归类，根据预设的规则，在每一类型的信息中抽取出信息，将抽取出的信息作为从所述物料数据库中获取到的信息。
[0047]所述装置还包括:
[0048]定期清理模块203，用于对未读缓存中的待推荐信息按照设定时间间隔进行删除，以及对已读缓存中的已推荐信息按照设定时间间隔进行删除。