[发明专利]群组推荐方法、存储介质和服务器在审
申请号: | 201711446425.5 | 申请日: | 2017-12-27 |
公开(公告)号: | CN108460073A | 公开(公告)日: | 2018-08-28 |
发明(设计)人: | 蔡圻钊;谭淼清;黄勇;张金芹 | 申请(专利权)人: | 广州市百果园信息技术有限公司 |
主分类号: | G06F17/30 | 分类号: | G06F17/30;G06Q50/00 |
代理公司: | 北京市立方律师事务所 11330 | 代理人: | 刘延喜 |
地址: | 511442 广东省广州市番禺区南村*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 群组 特征向量 存储介质 行为数据 整体特征 映射 向量 服务器 个性化推荐 群组内容 用户访问 用户推荐 精准度 种群 | ||
1.一种群组推荐方法,其特征在于,包括步骤:
收集用户访问群组的行为数据;
根据所述行为数据,得到所述用户的特征向量;
根据同一群组内各用户的特征向量,得到该群组的整体特征向量;
计算所述用户的特征向量与各群组的整体特征向量的距离,得到所述用户与各群组的距离的映射列表;
根据所述映射列表,得到向所述用户推荐的群组列表。
2.根据权利要求1所述的群组推荐方法,其特征在于,所述用户访问群组的行为数据包括:用户有效访问群组的群组内容的分词及其频次计数累加值。
3.根据权利要求2所述的群组推荐方法,其特征在于,所述用户有效访问群组为用户访问时长超过预设阈值的群组;所述群组内容包括标题、正文。
4.根据权利要求2所述的群组推荐方法,其特征在于,所述根据所述行为数据,得到所述用户的特征向量,包括步骤:
按预设分类规则,对所述分词进行归类,每个类别对应一个标签;
统计同一标签内,预设时间段内所有分词的频次计数累加值的总和,得到该标签的频次特征向量;
对各标签的频次特征向量进行归一化计算,得到所述用户的特征向量。
5.根据权利要求1所述的群组推荐方法,其特征在于,所述根据同一群组内各用户的特征向量,得到该群组的整体特征向量,包括步骤:
获取同一群组内各用户的特征向量,将各用户的特征向量相加后除以所述同一群组内的用户数量,得到该群组的整体特征向量。
6.根据权利要求1所述的群组推荐方法,其特征在于,所述计算所述用户的特征向量与各群组的整体特征向量的距离,包括步骤:
通过向量距离算法,计算所述用户的特征向量与各群组的整体特征向量的距离。
7.根据权利要求1所述的群组推荐方法,其特征在于,所述根据所述映射列表,得到向所述用户推荐的群组列表,包括步骤:
对所述映射列表进行逆序排序,获取预置数量的排在映射列表前面的群组,根据所述获取的群组生成向所述用户推荐的群组列表。
8.根据权利要求7所述的群组推荐方法,其特征在于,所述根据所述获取的群组生成向所述用户推荐的群组列表,包括步骤:
把所述获取的群组作为列表的内容,把预设数量的新创建或活跃的其他群组随机插入所述列表中,生成向所述用户推荐的群组列表。
9.根据权利要求1所述的群组推荐方法,其特征在于,所述得到向所述用户推荐的群组列表之后,还包括:
向所述用户推送所述群组列表中的群组。
10.一种计算机可读的存储介质,其上存储有计算机程序,其特征在于:
所述计算机程序被处理器执行时实现如权利要求1-9中任意一项所述的群组推荐方法。
11.一种服务器,其特征在于,包括:
一个或多个处理器;
存储器;
以及一个或多个计算机程序,所述一个或多个计算机程序存储在所述存储器中;所述一个或多个计算机程序被所述一个或多个处理器执行时实现如权利要求1-9中任意一项所述的群组推荐方法。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于广州市百果园信息技术有限公司,未经广州市百果园信息技术有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201711446425.5/1.html,转载请声明来源钻瓜专利网。