[发明专利]信息推荐方法和装置

说明书

本发明实施例提供一种信息推荐方法和装置，方法包括：通过第一网络平台的开放接口获取与第二网络平台中的各用户相关联的用户的关系数据信息，关系数据信息包括各用户之间交互的用户交互信息和表示用户自身行为的用户行为信息；根据用户的关系数据信息分别对根据预设的划分策略划分得到的各好友圈进行划分，将一个好友圈划分为多个不同的社交圈；根据获取的各用户在第二网络平台中的行为记录，采用预设的推荐策略在各所述社交圈中分别进行信息推荐。本发明实施例还提供了一种信息推荐装置。本实施例能够利用社交网站开放的接口和用户数据进行信息推荐，提高了信息推荐的准确度。

技术领域

本发明涉及互联网技术领域，尤其涉及一种信息推荐方法和装置。

背景技术

在电子商务领域中，随着电子商务规模的不断扩大，商品个数和种类快速增长，顾客需要花费大量的时间才能找到自己想买的商品，这种浏览大量无关信息和产品的过程无疑会使淹没在信息过载问题中的消费者不断流失。在互联网领域中，随着博客、维基、微博的发展，大量的网络信息由用户个人产生，信息组织散乱，质量和可信度参差不齐，使得用户需要花费大量时间才能找到自己感兴趣的信息。为了解决上述问题，个性化推荐技术和个性化推荐引擎应运而生。个性化推荐技术是互联网领域，特别是电子商务中的重要技术，其能根据用户的兴趣特点和购买能力，向用户推荐用户感兴趣的信息和商品。个性化推荐引擎是建立在海量数据挖掘基础上的一种智能平台，以帮助电子商务网站、互联网信息供应网站为其用户提供完全个性化的决策支持和信息服务。

当前最主要的个性化推荐技术为基于内容的推荐和协同推荐。基于内容的推荐是指根据推荐物品或内容的元数据，发现物品或信息的相关性，给用户推荐与其历史兴趣相关的物品或信息。例如，电子商务网站通过用户购买记录发现，用户A在历史上总购买历史类书籍，且用户A还未购买当前很畅销的历史书“物品3”，因此推测用户A为“物品3”的潜在用户，则将“物品3”推荐给用户A。协同推荐是指通过用户的历史行为记录发现用户的相关性，根据与用户相关的其他用户的兴趣做出的推荐。例如，电子商务网站通过用户购买记录发现，用户A和用户C在历史上总是购买相同的商品，因此推断用户A和用户C的兴趣爱好相似；通过用户购买记录还发现用户A购买过“物品1”，而用户C尚未购买，因此推测用户C是“物品1”的潜在用户，则将“物品1”推荐给用户C。

然而，现有技术的推荐方法只适用于利用电子商务网站自身的用户数据和历史数据进行推荐的场景，信息推荐的准确度较低。

发明内容

本发明实施例提供一种信息推荐方法和装置，能够利用社交网站开放的接口和用户数据进行信息推荐，提高信息推荐的准确度，为用户提供极大便利。

本发明实施例的第一个方面是提供一种信息推荐方法，包括：

通过第一网络平台的开放接口获取与第二网络平台中的各用户相关联的用户的关系数据信息，所述关系数据信息包括各用户之间交互的用户交互信息和表示用户自身行为的用户行为信息；

根据所述用户的关系数据信息分别对根据预设的划分策略划分得到的各好友圈进行划分，将一个好友圈划分为多个不同的社交圈；

根据获取的各用户在所述第二网络平台中的行为记录，采用预设的推荐策略在各所述社交圈中分别进行信息推荐。

本发明实施例的另一个方面是提供一种信息推荐装置，包括：

获取模块，用于通过第一网络平台的开放接口获取与第二网络平台中的各用户相关联的用户的关系数据信息，所述关系数据信息包括各用户之间交互的用户交互信息和表示用户自身行为的用户行为信息；

划分模块，用于根据所述用户的关系数据信息分别对根据预设的划分策略划分得到的各好友圈进行划分，将一个好友圈划分为多个不同的社交圈；

推荐模块，用于根据获取的各用户在所述第二网络平台中的行为记录，采用预设的推荐策略在各所述社交圈中分别进行信息推荐。