[发明专利]信息推荐方法及服务器

说明书

技术领域

本发明实施例涉及通信技术，尤其涉及一种信息推荐方法及服务器。

背景技术

互联网技术的出现和普及，给用户带来了大量的信息，满足用户在信息时代对信息的需求，但随着网络的迅速发展而带来的信息大幅增长，使得用户在面对大量信息时无法从中找到对自己有用的部分信息，对信息的使用效率反而降低，从而产生信息超载(information overload)问题。信息推荐技术便是为解决该问题而产生的。

常用的信息推荐技术，实际是针对大用户群体确定推荐算法，并根据该推荐算法为大用户群体确定推荐信息，继而向大用户群体发送该推荐信息。

由于该信息推荐技术中，根据该推荐算法为大用户群体确定相同的推荐信息，因而，该推荐信息无法体现用户个性，信息推荐的准确率较低。

发明内容

本发明实施例提供一种信息推荐方法及服务器，以提高信息推荐的准确率度。

第一方面，提供一种信息推荐方法，包括：

对多个用户进行分组，获得至少两个用户组；其中，每个用户组包括至少一个用户；

确定每个用户组对应的推荐策略；其中，推荐策略可包括每个用户组对应的推荐算法；

根据每个用户组对应的推荐策略生成每个用户组的推荐信息；

向至少一个用户对应的终端发送推荐信息。

可选的，对多个用户进行分组，获得至少两个用户组，可包括：

根据该多个用户中每个用户的数据特征，对该多个用户进行分组，获得 该至少两个用户组。

可选的，每个用户的数据特征包括：至少一种数据特征；

根据多个用户中每个用户的数据特征，对多个用户进行分组，获得至少两个用户组，可包括：

根据每个用户的至少一种数据特征，按照预设的数据特征顺序，对多个用户进行分组，得到至少两个用户组。

本发明实施例提供的信息推荐算法，可根据用户的至少一种数据特征，按照预设的数据特征顺序对该多个用户进行分组，可使得用户的分组更精确，使得对每个用户组内的用户采用的推荐算法相同，提高信息推荐的准确度。

可选的，每个用户的数据特征包括以下至少一种：

每个用户的历史记录数据、每个用户的标签数据、每个用户的属性数据和每个用户的社交数据。

其中，每个用户的历史记录数据包括：每个用户的所有历史记录数据和每个用户在预设时间段内的历史记录数据中的至少一种；每个用户的标签数据包括：每个用户的有效标签数量和每个用户的突出标签数量中的至少一种；每个用户的属性数据包括每个用户的性别、每个用户的年龄段、每个用户的身份中的至少一种；每个用户的社交数据包括每个用户的联系人数量、每个用户的紧密联系人数量、每个用户的主动联系次数中的至少一种；每个用户的紧密联系人为与每个用户的联系次数大于或等于预设次数阈值的联系人。

可选的，确定每个用户组对应的推荐策略，包括：

确定每个用户组的数据特征值所属的特征值范围；

将特征值范围对应的推荐算法作为每个用户组对应的推荐算法。

可选的，在确定每个用户组的数据特征值所属的特征值范围之前，该方法还可包括：

确定每个用户组的数据特征值。

可选的，每个用户组的数据特征包括以下至少一种：每个用户组的历史记录数据、每个用户组的标签数据、每个用户组的属性数据和每个用户组的社交数据；每个用户组的数据特征值包括：每个用户组的每种数据特征对应的特征值。

可选的，将特征值范围对应的推荐算法作为每个用户组对应的推荐算法 包括：

根据每个用户组的数据特征值所属的特征值范围，确定预设的推荐算法库中特征值范围对应的推荐算法，将确定的推荐算法作为每个用户组对应的推荐算法。

可选的，若每个用户组对应的推荐算法包括多个推荐算法；推荐策略包括：每个用户组对应的N种融合推荐算法；其中，每种融合推荐算法包括多个推荐算法和多个推荐算法对应的一个融合方式；

确定每个用户组对应的推荐策略，可包括：

根据每个用户组对应的推荐算法，和，预设的融合方式库中每个融合方式对推荐算法的使用条件，从推荐算法库中确定符合每个用户组对应的推荐算法的使用条件的N个融合方式为多个推荐算法对应的N个融合方式；

根据N个融合方式，分别对多个推荐算法进行融合，获得N种融合推荐算法。

可选的，根据每个用户组对应的推荐策略生成每个用户组的推荐信息，包括：