[发明专利]一种兴趣推荐方法、装置、服务器及存储介质

说明书

本发明涉及一种兴趣推荐方法、装置、服务器及存储介质，所述方法包括：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编码混合线性算法实现；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，并为所述目标用户创建推荐列表。本发明解决了传统协同过滤算法的冷启动问题，即当用户没有足够的观看历史时的推荐问题，提高了推荐结果的准确性，带来点击率上的明显提升，实现了个性化推荐的“千人千面”。

技术领域

本发明涉及互联网技术领域，尤其涉及一种兴趣推荐方法、装置、服务器及存储介质。

背景技术

视频推荐已经成为在线视频服务中不可或缺的一部分。现有的视频推荐算法主要分为非个性化推荐算法和个性化推荐算法，请参见图1，这些算法用到的数据主要有用户画像，用户观影记录，以及视频属性等信息。其中，非个性化推荐算法包括基于流行度(Popularity)视频推荐算法和基于人工统计学信息的用户分群配合基于流行度的视频推荐。个性化推荐主要包括基于用户当前观看视频的相关推荐以及基于用户历史偏好(即历史观看记录)的个性化推荐。对于个性化推荐来说，其中相关推荐是基于关联规则(Association Rule,AR)的方式；而基于历史偏好的个性化推荐包括协同过滤推荐(Collaborative Filtering,CF)和基于内容的推荐(Content-Based,CB)。

目前比较流行的视频推荐算法包括基于内容的推荐、协同过滤推荐和社交化推荐(social recommendation)。这些算法共同的不足之处是面对冷启动(cold start)和数据稀疏(data sparsity)的难题，即当用户没有足够的观看历史时，传统的视频推荐算法往往不能够满足用户的需求。

对于协同过滤和基于内容的推荐，需要用到用户的历史观影行为数据，这些方法对于新用户或者行为较少用户无法使用或者效果差，这些问题都会影响到用户的体验从而影响用户粘性和视频服务的长远发展。

传统的解决冷启动的方法是对用户进行聚类，比如寻找相似年龄、相同性别、相近地域或者同一社群的用户。

发明内容

本发明所要解决的技术问题在于，提供了一种兴趣推荐方法、装置、服务器及存储介质，本发明通过有监督机器算法进行学习和预测用户的兴趣相似度，从而可以准确地寻找到兴趣相似的用户来做推荐。

为了解决上述技术问题，第一方面，本发明提供了一种兴趣推荐方法，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编码混合线性算法实现；

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。

第二方面，本发明提供了一种兴趣推荐装置，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编码混合线性算法实现；

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。