[发明专利]一种数据处理、信息推荐方法及装置

说明书

本发明公开了一种数据处理、信息推荐方法及装置，所述数据处理方法包括：将第一数量用户的用户标识进行聚合分桶，得到第二数量的用户分桶，所述第一数量大于第二数量；基于各用户分桶所对应用户的展点信息确定所述各用户分桶的特征信息；利用所述第二数量的用户分桶的特征信息进行用户分桶的特征学习训练，得到用户分桶特征模型；基于所述用户分桶特征模型确定所述各用户分桶的特征向量；根据各用户分桶的特征向量间的相似度确定各用户分桶的关联用户分桶。利用本发明实施例提供的技术方案可以降低用户间相关性的计算量，提高数据处理效率；在信息推荐处理时，可以快速全面的覆盖更多的用户。

技术领域

本发明涉及互联网通信技术领域，尤其涉及一种数据处理、信息推荐方法及装置。

背景技术

互联网和计算机技术随着社会发展越来越普及。人们通过互联网获取各种信息，以满足不同的需求。互联网系统往往需要向用户推荐其关注的、感兴趣的信息，以便提高用户的点击查看率。

目前，常用的信息推荐方法可以包括基于用户的协同过滤(User CollaborativeFiltering，UCF)信息推荐方法，具体的，可以获取用户的浏览信息，根据两个用户的共同点击过的信息数量来确定两个用户之间的相关性，然后，向用户推荐与其相关性高的用户所点击过的信息。但上述现有的方法需要依赖用户大量的历史点击信息，目前大量网站用户规模往往是亿级，导致计算量巨大，且只能覆盖点击信息较多的活跃用户，无法覆盖大量的非活跃用户。因此，需要提供更可靠或更有效的方案，以快速全面的覆盖更多的用户。

发明内容

本发明提供了一种数据处理、信息推荐方法及装置，可以降低用户间相关性的计算量，提高数据处理效率；在信息推荐处理时，可以快速全面的覆盖更多的用户。

一方面，本发明提供了一种数据处理方法，所述方法包括：

将第一数量用户的用户标识进行聚合分桶，得到第二数量的用户分桶，所述第一数量大于第二数量；

基于各用户分桶所对应用户的展点信息确定所述各用户分桶的特征信息；

利用所述第二数量的用户分桶的特征信息进行用户分桶的特征学习训练，得到用户分桶特征模型；

基于所述用户分桶特征模型确定所述各用户分桶的特征向量；

根据各用户分桶的特征向量间的相似度确定各用户分桶的关联用户分桶。

另一方面提供了一种数据处理装置，所述装置包括：

聚合分桶模块，用于将第一数量用户的用户标识进行聚合分桶，得到第二数量的用户分桶，所述第一数量大于第二数量；

特征信息确定模块，用于基于各用户分桶所对应用户的展点信息确定所述各用户分桶的特征信息；

特征学习训练模块，用于利用所述第二数量的用户分桶的特征信息进行用户分桶的特征学习训练，得到用户分桶特征模型；

特征向量确定模块，用于基于所述用户分桶特征模型确定所述各用户分桶的特征向量；

第一关联用户分桶确定模块，用于根据各用户分桶的特征向量间的相似度确定各用户分桶的关联用户分桶。

另一方面提供了一种数据处理服务器，所述服务器包括处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现如上述的数据处理方法。

另一方面提供了一种计算机可读存储介质，所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由处理器加载并执行以实现如上述的数据处理方法。

另一方面提供了一种信息推荐方法，所述方法包括：