[发明专利]用户兴趣信息推荐方法、存储介质

权利要求书

1.一种用户兴趣信息推荐方法，其特征在于，包括：

定期采集多个用户各自对应的行为信息；

对行为信息进行分析处理，获取各用户对应的用户画像；

对所述用户画像进行聚类处理，获取各集群类及其对应的信息集；

依据一用户的用户画像，确定与其匹配的集群类。

2.如权利要求1所述的用户兴趣信息推荐方法，其特征在于，所述依据一用户的用户画像，确定与其匹配的集群类，具体为：

采集一用户的行为信息；

若数据库中已存储有所述一用户的在先行为信息，则通过合并获取所述一用户对应的所有行为信息；

对所述所有行为信息进行分析处理，得到所述一用户的用户画像；

获取与所述一用户的用户画像匹配的集群类；

推荐所述匹配的集群类对应的信息集中相应的信息给所述一用户。

3.如权利要求1所述的用户兴趣信息推荐方法，其特征在于，通过在终端埋点的方式收集得到所述行为信息；所述行为信息包括对应一信息的至少一个的具体行为。

4.如权利要求1所述的用户兴趣信息推荐方法，其特征在于，所述分析处理包括采用分值叠加法进行量化处理。

5.如权利要求4所述的用户兴趣信息推荐方法，其特征在于，所述分析处理还包括在量化处理后进行归一化处理。

6.如权利要求4所述的用户兴趣信息推荐方法，其特征在于，所述分析处理包括：

对行为信息中包含的每个具体行为进行权重划分，获取每个具体行为的权重；

根据各个用户的行为信息中每个具体行为的次数进行权重分值叠加，获取各个用户各自对应的一维矩阵；

获取由所述多个用户各自的一维矩阵构成的多维矩阵。

7.如权利要求6所述的用户兴趣信息推荐方法，其特征在于，对所述多维矩阵中的每个特征值进行归一化处理。

8.如权利要求7所述的用户兴趣信息推荐方法，其特征在于，所述对所述用户画像进行聚类处理，获取各集群类及其对应的信息集，具体为：

对归一化处理后的所述多维矩阵依据聚类算法进行分类，获取包含多个集群类的密集数据矩阵；

依据所述每个具体行为的权重，计算获取每个用户相应各信息的兴趣值；

依据所述兴趣值计算获取各个集群类中用户对相应信息的兴趣评分。

9.如权利要求8所述的用户兴趣信息推荐方法，其特征在于，所述确定与其匹配的集群类，具体为：

计算所述一用户的用户画像与所述各个集群类的距离；

匹配与所述一用户的用户画像距离最近的集群类；

推荐所述集群类对应的信息集中兴趣评分前N名次的信息给所述一用户。

10.一种计算机存储介质，其上存储有计算机程序，其特征在于，所述程序在被计算机读取时，能执行上述权利要求1-9任意一项所述的用户兴趣信息推荐方法中的步骤。