[发明专利]一种数字资源推荐方法及装置

说明书

技术领域

本发明涉及信息推荐领域，具体涉及一种数字资源推荐方法及装置。

背景技术

随着移动互联网服务的不断普及和深入，互联网和人们的生活越来越密不可分，而人们对互联网的参与度也变得越来越高，随着自媒体的兴起，人们已经可以轻而易举地作为信息的生产者加入到网络活动中去了。如今信息资源不再贫乏，反而以一种爆炸性的姿态，不断飞速膨胀着，而如何快速的检索到需要的资源成了摆在用户面前的一大难题。

一般的搜索引擎虽然能够满足日常使用，但是在专业资源搜索方面就显得力不从心了，而专业数据库虽然能做到精确的搜索，但是要想搜的准，用户需要使用复杂的高级检索语句，这给用户带来的学习代价是无疑是巨大的。

用户需要一种高效的资源推荐系统来提高检索效率。现在资源推荐有两种主要的方法：基于用户行为分析和基于资源相似度。但这两种方法都有各自的缺陷：首先，用户行为分析的效果具有滞后性。“通过分析用户过去干了什么来预测用户未来可能会干什么”这样的逻辑明显缺乏说服力。也有通过大数据分析得到类似“多数浏览过该资源的用户还喜欢另一个资源”这样的推荐方法，这种方法在一定程度上弥补了前者的缺陷，但是在用户没有访问任何资源时该策略就不起作用了，而且容易产生马太效应即被推荐的资源利用率远高于一般资源，从而使得被推荐的资源长期占据推荐列表，这样资源总体的利用率会很低。而资源相似度计算也同样有明显的缺陷，资源推荐不够个性化，推荐算法优化困难，准确度也不尽如人意。资源本身也在不断的精细化，这使得用户对推荐结果可用性的要求进一步提高，而传统的资源推荐技术已经无法满足当前用户增长的需求。

在现有技术中也公开了一种基于用户动机倾向性的标签推荐方法，该方案中根据用户三元组，计算用户的动机倾向性、每个已标注资源的动机倾向性的待标注资源的动机倾向性，在已标注资源中选择与待标注资源的动机倾向性相似的资源，得到非用户以来相似资源，在非用户以来相似资源中选择与用户的动机倾向性相似的资源，得到标签推荐候选资源；在非用户依赖相似资源中选择与用户的动机倾向性相似的资源，得到标签推荐候选资源，将标签推荐候选资源中的所有标签合并，得到合并标签集；计算合并标签集中每个标签的推荐重要性，最后按照每个标签的推荐重要性从大到小，进行标签推荐。但是，该方案中所描述的用户动机倾向是根据用户三元组计算得到的一套抽象的数值，没有具体的动机倾向信息，如：具体标签名称，在这种情况下，可能导致不同用户在标签的使用上差异很大，但是动机倾向相似的情况，从而使得推荐的结果准确性降低。

发明内容

因此，本发明要解决的技术问题在于克服现有技术中的资源推荐方法资源总体利用率低、针对性差的缺陷，从而提供一种资源推荐方法及装置。

本发明提供一种数字资源推荐方法，包括如下步骤：

设置一个或多个动机标签；

为第一数字资源标注所述动机标签，获得每篇数字资源的动机向量；

根据所述第一数字资源及其动机向量为第二数字资源推荐动机标签，确定所述第二数字资源的动机向量；

根据用户浏览的数字资源的动机向量确定用户动机向量，所述部分或全部数字资源属于所述第一数字资源或第二数字资源；

根据每件数字资源的动机向量和所述用户动机向量推荐数字资源。

优选地，根据所述第一数字资源及其动机向量为第二数字资源推荐动机标签，确定所述第二数字资源的动机向量的步骤包括：

从所述第一数字资源的动机标签中选择一个或多个动机标签作为推荐策略；

计算该推荐策略和所述第二数字资源的文本相似度；

将所述推荐策略和多数文本相似度的乘积作为该推荐策略对应的动机向量。

优选地，根据所述第一数字资源及其动机向量为第二数字资源推荐动机标签，确定所述第二数字资源的动机向量的步骤还包括：

计算所有推荐策略对应的动机向量；

将不同推荐策略下的动机向量对应累加后取均值，作为最终的第二数字资源的动机向量。

优选地，根据用户浏览的数字资源的动机向量确定用户动机向量的过程，包括

获取用户浏览的数字资源的动机向量；

将所述用户浏览的数字资源的动机向量累加，作为用户动机向量。

优选地，根据用户浏览的数字资源的动机向量确定用户动机向量的过程，包括

用户每增加浏览一件数字资源，获取该数字资源的动机向量，将其增加到用户动机向量中，对用户动机向量进行更新。

优选地，根据每件数字资源的动机向量和所述用户动机向量推荐数字资源的过程，包括