[发明专利]内容关联推荐方法及装置

说明书

技术领域

本发明涉及互联网技术领域，特别涉及一种内容关联推荐方法及装置。

背景技术

互联网的大规模发展使得每个用户均可自由参与到网络信息的创建与传播中，这一方面造就了网络信息的大爆炸，给用户提供了更多的信息；另一方面又造成了网络信息的混乱，为用户发现实际可用信息带来了极大障碍。对于网络数据来说，文本信息是具有一定表达规律的内容，比较容易建立关联以便用户搜索或进行推荐；但其他非文本内容，比如图片、音频、视频等，从数据层面看其表达的随机性很大且细微的更改就会发生极大变化，并无明显的表达规律，很难直接发现相互之间的联系，也很难利用关联方式进行搜索或推荐。

现有技术一般通过文本描述或文本标签来标识非文本内容，以便建立非文本内容之间的关联，然而只有经过专业的人工描述或经过大量统计分析的内容才存在较为详细的文本描述或标签。在实际情况中，简单的描述或标签很难准确表述非文本内容的实际特点。比如广告视频，这类非文本内容需要较强的关联推广才会有显著的效果，由于广告素材本身除了行业信息外并无太多信息可用，而用户对某些具体产品的偏好程度并不仅仅依靠行业信息来区分，因此现有技术很难根据用户偏好进行准确的推荐。举例来说，某个用户近期十分喜爱可口可乐，同时也对平板电脑感兴趣，对该用户来说，可口可乐广告与平板电脑广告是相似的，但现有技术很难将这两类差别较大的广告视为相似的而进行关联推广。

因此现有技术中很难对非文本内容进行专业的分析，标签方式只能简单发现两内容的行业类别是否相似，无法准确把握其内在是否符合了某特定用户的喜好，因而也无法准确地进行非文本内容的搜索与推荐。

发明内容

基于现有技术的缺陷，本发明的目的是提供一种内容关联推荐方法及装置，以高效准确地建立非文本内容与用户之间的关联。

根据本发明的一个方面，提供了一种内容关联推荐方法，包括步骤：

采集用户对非文本内容的访问数据；

根据所述访问数据构建行为矩阵；

将所述行为矩阵进行矩阵分解得到用户兴趣向量和内容类别向量；

根据所述用户兴趣向量和所述内容类别向量所述用户对所述非文本内容的偏好度；

根据所述偏好度进行关联推荐。

优选地，所述方法还包括步骤：

在采集所述访问数据后，根据所述访问数据获得用户与非文本内容的行为关联信息集合；其中所述行为关联信息按所述用户对所述非文本内容的访问行为打分并正规化。

优选地，通过奇异值分解进行所述矩阵分解。

优选地，使用协同过滤算法进行所述奇异值分解。

优选地，通过计算所述用户兴趣向量与所述内容类别向量的内积来计算用户对非文本内容的偏好度。

根据本发明的另一个方面，还提供了一种内容关联推荐装置，包括：

数据采集模块，用于采集用户对非文本内容的访问数据；

矩阵构建模块，用于根据所述访问数据构建行为矩阵；

矩阵分解模块，用于将所述行为矩阵进行矩阵分解得到用户兴趣向量和内容类别向量；

计算模块，用于根据所述用户兴趣向量和所述内容类别向量计算所述用户对所述非文本内容的偏好度；

关联推荐模块，用于根据所述偏好度进行关联推荐。

优选地，所述装置还包括：

数据处理模块，用于在采集所述访问数据后，根据所述访问数据获得用户与非文本内容的行为关联信息集合；其中所述行为关联信息按所述用户对所述非文本内容的访问行为打分并正规化。

优选地，所述矩阵分解模块通过奇异值分解进行所述矩阵分解。

优选地，所述矩阵分解模块包括：

协同过滤模块，用于使用协同过滤算法进行所述奇异值分解。

优选地，所述计算模块包括：

偏好度计算模块，用于通过计算所述用户兴趣向量与所述内容类别向量的内积来计算用户对非文本内容的偏好度。

本发明实施例提供了一种内容关联推荐方法及装置，其技术方案通过用户访问数据的矩阵分解得到规律性极强的用户兴趣向量和内容类别向量，从而可以进行较为规范和严谨的偏好度计算，得到表述清楚、准确、严格的用户与非文本内容之间的关联，从而可进行更加精准的推荐，提升用户体验度。

附图说明

图1是本发明一个实施例中内容关联推荐方法的基本流程示意图；

图2是本发明一个实施例中内容关联推荐装置的模块结构示意图。

具体实施方式