[发明专利]一种构建兴趣模型的方法、装置及电子设备

说明书

本发明的实施例公开一种构建兴趣模型的方法、装置及电子设备，涉及信息推荐技术，能够提升信息推荐效率。所述构建兴趣模型的方法包括：在预先设置的时间周期内，获取具有隐式行为反馈的信息集；对所述信息集中的信息进行维度划分，得到一个或多个维度信息集；以维度为单位，统计维度信息集中各信息包含的信息标签，对统计的信息标签进行向量权重系数赋值，得到当前维度上的信息标签向量；基于预先设置的时间衰减参数，计算对所述信息标签向量中各信息标签的兴趣值；依据计算得到的各维度上信息标签的兴趣向量，构建兴趣模型。本发明适用于基于构建的兴趣模型进行信息推荐。

技术领域

本发明涉及信息推荐技术，尤其涉及一种构建兴趣模型的方法、装置及电子设备。

背景技术

当今社会，越来越多的用户使用电子设备，通过互联网络获取所需的信息，例如，通过移动电话，进行网上新闻、幽默笑话等阅读，以了解基于自己兴趣爱好的各种时事动态，借以缓解生活以及工作压力。

以新闻为例，随着互联网上信息的爆炸式发展，每天发生的新闻数量庞大、新闻类型繁多，用户从如此海量的新闻中找到符合自己兴趣爱好的新闻，需要花费大量的时间，导致新闻浏览效率较低。为了提升用户浏览信息的效率，现有技术中，提出了一种基于用户兴趣模型的信息推荐方法，用以基于用户的兴趣，通过将用户兴趣和信息联系起来，例如，通过统计用户对信息的行为反馈，提取用户对信息中包含的各标签的偏好，例如，提取用户对信息标签的偏好，进而为用户搜索到与用户信息标签具有相似标签的信息，从而从海量的信息中挑选出符合每个用户独特兴趣的信息，向对应的用户进行推荐，可以提升信息推荐效果，增强用户的信息浏览体验。其中，

用户的行为反馈包括：显式行为反馈以及隐式行为反馈，其中，获取用户对信息的显式行为反馈(例如，评分)的成本较高，因而，一般基于用户的隐式行为反馈，例如，点击、分享、收藏等，基于用户的隐式行为反馈次数，提取用户对信息中包含的各信息标签的偏好，得到用户对信息中包含的各信息标签的偏好程度，构建兴趣模型，利用构建的兴趣模型中的信息标签分布，结合待推荐信息包含的信息标签，为用户推荐与其兴趣相吻合的信息。

但该兴趣模型构建方法，由于基于用户的隐式行为反馈次数进行构建，一些热门信息的大量曝光，给该信息中包含的信息标签带来了大量的点击机会，使得用户的隐式行为反馈次数集中在对应的这些热门信息标签上，而每个用户感兴趣的独特信息中包含的信息标签，由于其较少的展示机会和点击量，相对于热门信息标签的点击量，往往可以被忽略，因而，容易被大众化的热门信息标签淹没。使得基于隐式行为反馈次数构建的兴趣模型进行信息推荐时，偏向于普遍流行的热点信息中包含的热点信息标签，削弱了用户感兴趣的信息标签的“个性化”，导致用户兴趣误偏向少数热门信息标签，并不能很好地突出用户的个性化兴趣；进而，基于该兴趣模型生成的推荐信息易集中在热点信息，使得真正符合用户个性化兴趣的长尾优质信息得不到展示，信息推荐效率还是较低。例如，在利用上述兴趣模型得到的类别维度标签的分布中，其中，“娱乐”、“社会”、“时尚”类别维度下的信息属于热门信息，占据了主要的展示和点击流量，约占据总流量的50％，从而使得真正符合用户个性化兴趣的信息标签的流量较少，导致得到的用户兴趣分布也向热门信息标签严重偏移，使得依据该热门信息标签推荐的信息与用户兴趣不够吻合，用户阅读兴趣偏低，使得信息推荐效率低。

发明内容

有鉴于此，本发明实施例提供一种构建兴趣模型的方法、装置及电子设备，能够提升信息推荐效率，以解决现有的构建兴趣模型的方法中，依据热门信息标签推荐的信息与用户兴趣不够吻合，使得信息推荐效率低的问题。

第一方面，本发明实施例提供一种构建兴趣模型的方法，包括：

在预先设置的时间周期内，获取具有隐式行为反馈的信息集；

对所述信息集中的信息进行维度划分，得到一个或多个维度信息集；

以维度为单位，统计维度信息集中各信息包含的信息标签，对统计的信息标签进行向量权重系数赋值，得到当前维度上的信息标签向量组；