[发明专利]一种基于多元协同的内容智能推荐与分发方法及其系统

说明书

本发明提供了一种基于多元协同的内容智能推荐与分发方法及其系统，所述系统包括人工协同单元、算法协同单元和社交协同单元。与现有技术相比，本发明通过构建人工协同、社交协同、算法协同的三元协同体系，创建了全量、完备的属性特征库，实现内容和用户的精准匹配，其中，人工协同帮助内容平台建立内容调性，社交协同帮助提高内容曝光量，算法协同帮助内容平台向用户精准分发其感兴趣的内容。通过创建“用户+内容”的打分矩阵，利用统计数据对用户向量和内容向量进行相似度计算，预测用户喜好，实现内容的智能推荐与分发，通过设置内容质量影响因子定义内容评分公式为用户提供最优的推荐结果，扩大用户的兴趣域，节省人力和物力成本。

技术领域

本发明涉及互联网应用技术领域，尤其涉及一种基于多元协同的内容智能推荐与分发方法及其系统。

背景技术

过去的十年，随着移动设备的普及，内容行业发生了翻天覆地的变化，尤其是社交媒体和新闻资讯等内容生产行业呈现爆炸式增长，由单一业务模式逐步扩展到多元业务模式。群众对于媒体内容生产的热情空前高涨，内容行业进入众媒时代，每一天都有大量的UGC、PGC内容被生产出来。那么如何从海量内容报道中挑选出高质量、高价值的内容，并将其精准地分发给对它感兴趣的用户，同时又避免用户进入兴趣孤岛，这成为了内容行业需要重点研究的问题。

当前的内容推荐系统一般是基于物属性的相似性推荐或是基于用户属性的相似性推荐，这种推荐方式存在的问题是：推荐质量的优劣完全取决于物或用户的属性特征是否完备，而构建全量、完备的属性特征库又往往会消耗大量的人力、物力成本。

发明内容

本发明为了弥补现有技术的不足，提供一种基于多元协同的内容智能推荐与分发方法及其系统，通过构建人工协同、社交协同、算法协同的三元协同体系，创建了全量、完备的属性特征库，实现内容和用户的精准匹配。通过创建“用户+内容”的打分矩阵，利用统计数据对用户向量和内容向量进行相似度计算，预测用户喜好，实现内容的智能推荐与分发，通过设置内容质量影响因子定义内容评分公式为用户提供最优的推荐结果，扩大用户的兴趣域，节省人力和物力成本。

为实现上述目的，本发明提供了一种基于多元协同的内容智能推荐与分发方法，包括如下步骤：系统通过外部源系统接口获取全量内容，人工设置或系统自动设置过滤条件，对全量内容中存在缺陷或问题的内容进行过滤，汇聚过滤后内容并入库，构建算法协同单元，根据入库内容绘制内容画像和用户画像，建立多种算法模型，设置内容质量影响因子定义内容得分公式，计算内容得分并最优排序，制定推荐规则并智能推荐，构建人工协同单元，对入库内容进行人工排序和人工发布；构建社交协同单元，用户自行分享入库内容。

进一步地，所述绘制内容画像是获取和记录内容属性字段绘制内容画像，内容属性字段包括内容体裁、内容所属领域标签、内容作者和内容质量。

进一步地，所述绘制用户画像是获取和记录用户属性字段绘制用户画像，用户属性字段包括用户位置信息、用户所用移动终端型号、用户性别、年龄、学历和行为数据。

进一步地，所述设置内容质量影响因子是从内容、互动和自媒体多重角度衡量和设置内容质量影响因子。

进一步地，所述定义内容评分公式是选择评分最高的内容画像TopN推荐给当前用户画像，TopN的计算方法是基于算法模型为内容质量影响因子赋予不同的权重。

进一步地，所述制定推荐规则是由匹配用户画像和内容画像来制定。

进一步地，所述推荐规则包括记录某用户浏览的全量内容画像，推测该全量内容画像都相似，若当前用户喜好其中部分内容，将其他部分内容也推荐给当前用户。

进一步地，所述推荐规则包括记录当前用户画像，归类相似的其他用户画像，将其他相似用户喜好的内容推荐给当前用户。

进一步地，所述推荐规则包括记录当前用户喜好的内容画像，将与该内容画像相似的其他内容推荐给当前用户。