[发明专利]基于大数据的终端信息推荐方法

说明书

本发明提供了一种基于大数据的终端信息推荐方法，所述方法包括：移动终端接收第一行为信息；基于接收自所述移动终端的所述第一行为信息来标识内容；计算所述内容的候选相关度；仅当所述候选相关度高于预设相关度阈值时，发送所述内容至所述移动终端；基于接收自所述移动终端的所述第一行为信息来标识第二内容；计算与所述第二内容相关联的偏好相关度；基于所述候选相关度与所述偏好相关度来确定所述第一内容与所述第二内容的顺序；仅当所述偏好相关度高于所述预设阈值时，发送所述第二内容与排序标识至所述移动终端。本发明提出了一种基于大数据的终端信息推荐方法，在用户行为意图不具有明显特征时，特别是在待推荐小程序存在多个候选项的情况下，采用有效的策略和顺序对用户进行精准推荐，并采用关联规则算法提高了指标命中率。

技术领域

本发明涉及大数据，特别涉及一种基于大数据的终端信息推荐方法。

背景技术

伴随着互联网的迅速发展，信息过载成为了用户不得不面对的问题。在大量的信息中查询自己感兴趣的信息是一个耗时的过程，由于用户自身信息处理能力的限制，会降低体验的满意度。通过收集用户相关行为信息，可智能地向用户推荐最可能需要的信息，或向提供商推荐潜在用户。例如通过收集用户的网页浏览记录、商品购买记录和社交聊天记录，向用户推荐可能感兴趣的小程序，或向内容提供商推荐潜在的下载者。然而，对于小程序等内容推荐，传统的推荐系统的原理主要是根据用户对小程序的主观评价，结合不同用户间评价分值的相似性或信息内容的相似性为目标为用户推荐可能感兴趣的内容。随着移动终端的增加，数据库与数据分析技术也有显著的发展。但已有的推荐算法对于小程序推荐结果的准确率的提高作用有限，而且片面地追求推荐结果的准确率对于用户和内容提供商而言并不一定就是有用的推荐结果。传统方法通常使用关系数据库信息中的基本类型进行规则推荐，在不同使用场景下或没有用户行为的数据时，无法进行小程序推荐。而用户当前使用行为特征不明确时，传统方法也存在命中率低或用户召回率低的问题。另一方面，用户的兴趣集合是在独立的场景中检测的，因此在单个场景中的终端描述记录无法准确捕捉大范围的用户总体兴趣，难以将其整合以生成更能代表所述用户多个兴趣的一致性数据。

发明内容

为解决上述现有技术所存在的问题，本发明提出了一种基于大数据的终端信息推荐方法，包括：

移动终端接收第一行为信息，所述第一行为信息与所述移动终端用户相关；

基于接收自所述移动终端的所述第一行为信息来标识内容；计算所述内容的候选相关度；

仅当所述候选相关度高于预设相关度阈值时，发送所述内容至所述移动终端；

基于接收自所述移动终端的所述第一行为信息来标识第二内容；

计算与所述第二内容相关联的偏好相关度；

基于所述候选相关度与所述偏好相关度来确定所述第一内容与所述第二内容的顺序；仅当所述偏好相关度高于所述预设阈值时，发送所述第二内容与排序标识至所述移动终端，所述排序标识用于表示所述移动终端的内容呈现顺序；

其中，计算所述候选相关度和偏好相关度包括：

基于接收自所述移动终端的所述行为信息来标识一个或多个特征，所述一个或多个特征匹配于所述内容的一个或多个查询语句，其中每个查询语句具有独立的权重；以及

基于匹配于所述一个或多个特征的所述一个或多个查询语句的所述一个或多个权重来计算所述相关度。

优选地，所述方法还包括：

如果判断被发送至所述移动终端的内容不再和所述移动终端相关，则发送回收标识至所述移动终端，所述回收标识用于表示所述内容不再被推荐。

优选地，所述内容为小程序。

优选地，所述方法还包括：