[发明专利]一种兴趣推荐方法、装置、服务器及存储介质

权利要求书

1.一种兴趣推荐方法，其特征在于，包括：

获取目标用户的特征信息；

根据所述特征信息，采用兴趣相似度预测模型预测所述目标用户与用户群体之间的兴趣相似度；其中，所述兴趣相似度预测模型基于树模型混合线性模型算法实现；所述树模型混合线性模型算法包括：采用树模型对样本集合的特征进行编码，得到编码后的二值特征；将所述样本集合的特征和所述二值特征作为输入特征，通过线性模型进行训练；所述样本集合的特征为在所述兴趣相似度预测模型的生成过程中，对获取的用户历史观影记录的样本集合进行特征构造得到的；

根据所述兴趣相似度，确定所述用户群体中与所述目标用户兴趣相似的推荐用户；

获取所述推荐用户的兴趣列表，并根据所述兴趣列表为所述目标用户创建推荐列表。

2.根据权利要求1所述的一种兴趣推荐方法，其特征在于，所述特征信息包括人口统计学特征、社交软件使用特征、网络行为特征、社会文化背景特征和历史兴趣相似度特征中的至少一种特征信息。

3.根据权利要求1所述的一种兴趣推荐方法，其特征在于，所述兴趣相似度预测模型通过如下步骤生成：

获取用户历史观影记录的样本集合；

构造所述样本集合的特征；

根据余弦相似度公式

计算所述样本集合中每对用户的兴趣相似度，其中，u表示第一用户，v表示第二用户，I_u和I_v分别是所述第一用户和所述第二用户的历史视频观看列表集合；

将所述样本集合的特征作为所述树模型混合线性模型算法的输入，将所述每对用户的兴趣相似度作为预测目标值，采用树模型混合线性模型算法对所述样本集合的特征进行训练。

4.根据权利要求1所述的一种兴趣推荐方法，其特征在于，根据所述兴趣相似度，确定所述用户群体中与所述目标用户兴趣相似的推荐用户包括：

将所述目标用户与所述用户群体中的每个用户之间的兴趣相似度按从高到低进行排序，并选择排名靠前的若干位用户作为推荐用户。

5.根据权利要求1所述的一种兴趣推荐方法，其特征在于，所述获取所述推荐用户的兴趣列表，并根据所述兴趣列表为所述目标用户创建推荐列表包括：

获取所述推荐用户的兴趣列表，对所述兴趣列表中的项目进行评分与相似度加权，并对所述评分与相似度加权的结果进行排序得到排序结果，根据所述排序结果为所述目标用户创建推荐列表；

所述推荐列表包括所述推荐用户感兴趣的而所述目标用户没有观看过的视频列表。

6.一种兴趣推荐装置，其特征在于，包括：

特征信息获取模块，用于获取目标用户的特征信息；

兴趣相似度预测模块，用于根据所述特征信息，采用兴趣相似度预测模型预测所述目标用户与用户群体之间的兴趣相似度；其中，所述兴趣相似度预测模型基于树模型混合线性模型算法实现；所述树模型混合线性模型算法包括：采用树模型对样本集合的特征进行编码，得到编码后的二值特征；将所述样本集合的特征和所述二值特征作为输入特征，通过线性模型进行训练；所述样本集合的特征为在所述兴趣相似度预测模型的生成过程中，对获取的用户历史观影记录的样本集合进行特征构造得到的；

推荐用户确定模块，用于根据所述兴趣相似度，确定所述用户群体中与所述目标用户兴趣相似的推荐用户；

推荐列表创建模块，用于获取所述推荐用户的兴趣列表，并根据所述兴趣列表为所述目标用户创建推荐列表。

7.根据权利要求6所述的一种兴趣推荐装置，其特征在于，所述兴趣相似度预测模块包括预测模型生成模块，所述预测模型生成模块用于生成基于所述特征信息的兴趣相似度预测模型。