[发明专利]用户兴趣信息推荐方法、存储介质

说明书

本发明提供一种用户兴趣信息推荐方法、存储介质，方法包括：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。本发明通过定时线上对多个用户的行为信息进行采集，线下分析生成数据库；能够基于数据库实时地对应单个用户准确地推荐其感兴趣的信息。

技术领域

本发明涉及大数据技术分析领域，具体说的是用户兴趣信息推荐方法、存储介质。

背景技术

随着大数据时代的来临，极其丰富又多样的网络信息让人应接不暇。面对大数据网络系统，用户寻找实际需求信息的难度大大增加，往往难以准确地获取感兴趣的信息。因此，现有趋势是主动给用户推荐其感兴趣的信息，以尽可能的提高用户对当前环境的驻留时间或推荐信息的点击率。特别是对于第三方应用，非常有必要能够对应特定的用户针对性的推荐其感兴趣的信息，以提高信息关注度和利用率。

例如大数据技术在网络教学中的实用。现有的教学系统学员主要通过以下几种多种进行课程的选择：1、课程排行点播。学员通过课程点播排行榜来选择所要学习的课程。一般来说，在现有的教学系统中，会对点击量最多的N个课程进行排名展示，学员可以直观的看到较为热门的课程。2、课程索引点播。对于学员来说，对于自己所要学习的知识点可以通过一张知识体系图来了解。因此现有的教学系统中有针对各学科的知识体系索引图，学员可以去逐一学习相应的课程。3、自由点播。学员通过自有浏览的方式去选择课程。

上述推荐方式具有以下不足：1、在课程排行点播中，只能展示出较为热门的课程，但是热门的课程不一定是学员需要的，因此增加了学员寻找需求资源的难度。2、对于学员来说，想要学习到的知识体系不一定能够了解的全面，因此即使有知识体系图作为引导也并不能够让其充分的学习到知识。3、自有点播的方式目的性太差，学习效率低下，时间成本过高。

可见，在网络教学领域中，现有推荐方式多为基于关联的方式进行推荐，在该方式下对用户进行推荐结果较为笼统，不能做到对个人的精确推荐。

因此，有必要提供一种用户兴趣信息推荐方法、存储介质，解决难以针对个人精准的推荐其感兴趣信息的问题。

发明内容

本发明所要解决的技术问题是：一种用户兴趣信息推荐方法、存储介质，能够针对个人精准的推荐其感兴趣的信息。

为了解决上述技术问题，本发明采用的技术方案为：

一种用户兴趣信息推荐方法，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。

本发明提供的另一个技术方案为：

一种计算机存储介质，其上存储有计算机程序，所述程序在被计算机读取时，能执行上述用户兴趣信息推荐方法中的步骤。

本发明的有益效果在于：本发明通过定时线上对多个用户的行为信息进行采集，线下分析生成数据库；能够基于数据库实时地对应单个用户准确地推荐其感兴趣的信息。具体的，本发明通过聚类算法将单个用户稀疏的数据，归集到与其相同类特征的群体中去，再基于具有类特征的集群对单个用户进行协同过滤推荐，获取推荐数据，使所推荐的数据更为精准有效。

附图说明

图1为本发明的一种用户兴趣信息推荐方法的流程示意图；

图2为本发明实施例一的用户兴趣信息推荐方法的流程示意图；