[发明专利]基于用户之间相似度进行信息推送的方法及装置

说明书

本发明提出一种基于用户之间相似度进行信息推送的方法及装置。其中，该方法包括：获得多个用户的历史操作信息，对历史操作信息中包含的业务对象进行聚类处理，获得业务对象集合；根据用户对业务对象集合中的业务对象的操作信息，获得不同用户对不同业务对象集合的关注度；根据关注度，计算用户之间的相似度；接收当前用户的登录请求，并获取当前用户的属性信息；根据属性信息和用户之间的相似度，获得当前用户对应的相似用户；以及根据相似用户的历史操作信息向当前用户推荐对应的业务对象。上述方法及装置，可以覆盖更多的相似用户，为用户提供更多的业务对象推荐信息，方便用户根据业务对象推荐信息查看相关的业务对象。

技术领域

本发明涉及互联网技术领域，尤其涉及一种基于用户之间相似度进行信息推送的方法及装置。

背景技术

在互联网技术中，网站经常需要向用户推荐各种产品信息，例如电子商务网站在网页上向用户推荐用户可能感兴趣的产品等。通过这种推荐的方式，来缩短用户寻找所需要产品的路径，提升用户体验。

目前电子商务推荐系统中多采用基于用户的协同过滤推荐算法来向用户推荐产品信息。该算法通过分析不同用户对同一个产品的评分来评测用户之间的相似性，基于用户之间的相似性做出推荐。在用户数远远大于产品数大的情况下，基于该算法的推荐方式可以产生不错的推荐效果。然而现在的电子商务网站例如淘宝网，不仅每天访问的用户数非常大，产品数也非常大，用户到产品上的行为是非常稀疏的。每天有大量没有建立直接关系的用户在电子商务网站(例如淘宝网)上产生点击、收藏、购买等行为，他们有着不同的年龄、性别、地域等特征，也可能互相都不认识，但是他们有可能和其中的某些用户的购物习惯和购物行为有着惊人的相似。此外，虽然现在的产品数非常大，但是有很多产品实际上是非常相似的。

目前，基于用户(user base)的协同过滤推荐算法来向用户推荐产品信息的方式，即使有两个用户购买了两个非常相似的产品，这两个用户的相似度贡献也是零。也就是说，这两个用户无法建立相似性关系。由此，可以看出，传统的基于用户的协同过滤算法能够覆盖到的相似用户是非常有限的，用户相似性的计算不够准确，因而，无法有效地向用户推荐产品。

发明内容

本发明旨在至少在一定程度上解决相关技术中的技术问题之一。

为此，本发明的第一个目的在于提出一种基于用户之间相似度进行信息推送的方法，该方法可以覆盖更多的相似用户，为用户提供更多的业务对象推荐信息，方便用户根据业务对象推荐信息查看相关的业务对象。

本发明的第二个目的在于提出一种基于用户之间相似度进行信息推送的装置。

为达上述目的，本发明第一方面实施例提出了一种基于用户之间相似度进行信息推送的方法，包括：获得多个用户的历史操作信息，对所述历史操作信息中包含的业务对象进行聚类处理，获得业务对象集合；根据用户对业务对象集合中的业务对象的操作信息，获得不同用户对不同业务对象集合的关注度；根据所述不同用户对不同业务对象集合的关注度，计算用户之间的相似度；接收当前用户的登录请求，并获取所述当前用户的属性信息；根据所述当前用户的属性信息和用户之间的相似度，获得所述当前用户对应的相似用户；以及根据所述当前用户对应的相似用户的历史操作信息向所述当前用户推荐对应的业务对象。

本发明实施例的基于用户之间相似度进行信息推送的方法，获得多个用户的历史操作信息，并根据历史操作信息获得业务对象集合，根据业务对象集合获得不同用户对不同业务对象集合的关注度，计算用户之间的相似度，接收当前用户的登录请求，获得当前用户的属性信息，并根据属性信息获得当前用户对应的相似用户，以及根据相似用户的历史操作信息向当前用户推荐对应的业务对象，由此，可以覆盖更多的相似用户，为用户提供更多的业务对象推荐信息，提高了业务对象推荐信息的精度，方便了用户根据业务对象推荐信息查看相关的业务对象。