[发明专利]信息推荐方法、装置和电子设备

说明书

本发明公开了一种信息推荐方法、装置和电子设备，其中，信息推荐方法包括：获取初始的信息相似度、初始的频道相似度以及初始的用户相似度；初始化用户信息相关度和用户频道相关度；根据信息相似度和用户相似度更新用户信息相关度；根据用户相似度和频道相似度更新用户频道相关度；根据更新后的用户信息相关度和更新后的用户频道相关度更新用户相似度；根据更新后的用户相似度，迭代更新用户信息相关度和用户频道相关度；当迭代更新次数达到预设次数时，基于最新更新的用户信息相关度向用户推荐信息。本发明实施例的信息推荐方法、装置和电子设备，充分挖掘用户与信息之间的潜在关系，使得向用户推荐信息时精度更高，更加符合用户需求。

技术领域

本发明涉及信息处理技术领域，尤其涉及一种信息推荐方法、装置和电子设备。

背景技术

随着信息化时代的来临，新闻推荐为用户提供了快速获取感兴趣的信息的途径。目前，信息推荐主要包括以下三种方法。(1)协同过滤。该方法只依赖用户的历史反馈数据。具体可分为两类：基于内存的协同过滤和基于模型的协同过滤。基于内存的协同过滤，通过聚合反馈数据计算用户相似度或产品相似度，推荐相似用户的点击的产品或用户点击的产品的相似产品。基于模型的协同过滤，使用矩阵分解对用户的评分矩阵，将用户和产品映射到一个隐空间中，计算隐空间中用户和产品的内积，将内积作为相关度，在打分排序后，进行推荐。(2)基于内容的推荐。该方法针对在不同的应用场景下，推荐对象的内容进行推荐，需要对推荐对象有非常深入的理解。(3)结合协同过滤和基于内容的推荐。该方法利用损失函数将两者进行结合，形成推荐信息。但是，方法(1)信息来源单一，只依赖用户的历史反馈数据。并且对于大型的信息推荐系统会有数据稀疏的问题；对于没有历史信息的新用户和新产品，存在冷启动问题。方法(2)需要对推荐对象有非常深入的理解，成本高。方案(3)结合了用户的历史反馈数据和推荐对象的内容，在一定程度上能够减轻数据稀疏问题和冷启动问题，但是仍然无法满足当前信息推荐的需求。

发明内容

本发明提供一种信息推荐方法、装置和电子设备，以解决上述技术问题中的至少一个。

本发明实施例提供一种信息推荐方法，包括：获取初始的信息相似度、初始的频道相似度以及初始的用户相似度；

初始化用户信息相关度和用户频道相关度；

根据所述信息相似度和所述用户相似度更新所述用户信息相关度；

根据所述用户相似度和所述频道相似度更新所述用户频道相关度；

根据更新后的所述用户信息相关度和更新后的所述用户频道相关度更新所述用户相似度；

根据更新后的所述用户相似度，迭代更新所述用户信息相关度和所述用户频道相关度；

当迭代更新次数达到预设次数时，基于最新更新的用户信息相关度向用户推荐信息。

可选的，获取初始的信息相似度，包括：

以预设算法计算出两条信息之间的文本相似度。

可选的，以预设算法计算出两条信息之间的文本相似度，包括：

采用文档主题生成模型LDA分别获取两条信息的主题分布；

计算所述两条信息的主题分布的余弦相似度，并将所述余弦相似度作为所述两条信息的文本相似度。

可选的，初始化用户信息相关度，包括：

获取用户历史点击行为，并根据所述用户历史点击行为对所述用户信息相关度进行初始化。

可选的，初始化用户频道相关度，包括：

获取用户历史关注行为，并根据所述用户历史关注行为对所述用户频道相关度进行初始化。

可选的，所述频道相似度通过关注频道的用户数计算得到。