[发明专利]一种数据推荐方法及相关设备

说明书

本申请实施例公开了一种数据推荐方法及相关设备，所述方法应用于数据处理技术领域，包括：基于相似度算法和预构建的用户兴趣矩阵确定待推荐用户与用户兴趣矩阵中各个第一历史用户之间的相似度，从各个第一历史用户中确定出相似度最高的K个第二历史用户，并从各个资源中确定第一资源，依据关联规则挖掘算法确定各个第一资源分别与待推荐用户对应的兴趣资源之间的关联度，从各个第一资源中将关联度最高的N个第一资源确定为待推荐用户对应的推荐资源。采用本申请，可以挖掘各个第一资源分别与待推荐用户对应的兴趣资源之间的关联度，有利于提高资源推荐的准确度。

技术领域

本发明涉及数据处理技术领域，尤其涉及一种数据推荐方法及相关设备。

背景技术

随着web2.0时代的降临，互联网进入了数据爆炸的时代。海量的数据在给用户带来丰富用户体验的同时，也淹没了有效数据。而推荐系统可以分析用户的历史操作行为及其他全局信息，为用户推荐他可能感兴趣的资源，帮助用户在海量资源中快速定位关注点，提高信息匹配效率。

目前，传统的推荐方法主要依赖于“同类型”用户的选择作为推荐基础，例如，针对保险，用户A和B，两个人都浏览了重疾险一类的保险，A还浏览了防癌险一类的保险，传统的推荐算法会直接将防癌险推荐给B，直观来看，这样的推荐还不错，但其实重疾险和防癌险针对的人群、购买的意义都是不同的。可以看出，仅将“同类型”用户的选择作为推荐基础，数据推荐缺乏准确性。

发明内容

本申请实施例提供了一种数据推荐方法及相关设备，可以提高资源推荐的准确度。

第一方面，本申请实施例提供了一种数据推荐方法，所述方法应用于服务器，该方法包括：

基于相似度算法和预构建的用户兴趣矩阵确定待推荐用户与所述用户兴趣矩阵中各个第一历史用户之间的相似度，所述预构建的用户兴趣矩阵中包括各个历史用户对各个资源的兴趣得分，所述第一历史用户为所述用户兴趣矩阵中除所述待推荐用户以外的历史用户；

从所述各个第一历史用户中确定出所述相似度最高的K个第二历史用户，所述K为大于0的整数；

基于所述预构建的用户兴趣矩阵从所述各个资源中确定第一资源，所述K个第二历史用户对所述第一资源的兴趣得分均大于第一预设兴趣得分阈值，且所述待推荐用户对所述第一资源的兴趣得分为0；

依据关联规则挖掘算法确定各个所述第一资源分别与所述待推荐用户对应的兴趣资源之间的关联度，其中，所述待推荐用户对所述兴趣资源的兴趣得分大于第二预设兴趣得分阈值；

从所述各个第一资源中将所述关联度最高的N个第一资源确定为所述待推荐用户对应的推荐资源，其中，所述N为大于0的整数。

在一个实施例中，所述基于相似度算法和预构建的用户兴趣矩阵确定待推荐用户与所述用户兴趣矩阵中各个第一历史用户之间的相似度之前，还可以获取待推荐用户的用户信息；基于所述用户信息确定所述待推荐用户是否为预构建的用户兴趣矩阵中的历史用户；若所述待推荐用户为所述预构建的用户兴趣矩阵中的历史用户，则触发所述基于相似度算法和预构建的用户兴趣矩阵确定待推荐用户与所述用户兴趣矩阵中各个第一历史用户之间的相似度的步骤。

在一个实施例中，所述基于所述用户信息确定所述待推荐用户是否为预构建的用户兴趣矩阵中的历史用户之前，还可以获取各个历史用户对各个资源的操作信息，所述操作信息包括以下至少一种：浏览信息、收藏信息、购买信息和评分信息；基于兴趣度算法和所述操作信息计算所述各个历史用户对各个资源的兴趣得分；根据所述各个历史用户对各个资源的兴趣得分构建用户兴趣矩阵。