基于资源特征和用户喜好的资源匹配推荐方法和系统

技术领域

本发明涉及数据处理技术领域，具体属于一种网络系统中基于资源特征和用户喜好的资源匹配推荐方法和系统。

背景技术

随着互联网技术的发展越来越多资源(包括信息、内容、服务等)通过互联网进行传播，越来越多的传统行业也开始拥抱互联网，特别是近几年移动互联网的高速发展，更进一步拉近了人与人，人与服务的距离。不过，互联网和移动互联网的高速发展，除了给我们的工作生活带来便例外，也存在着各类资源爆炸性增长带来的困惑问题，如何在海量的信息、内容、服务中找到适合自己的资源，是一个值得研究的课题。

当前各种资源的获取方式，除了主动获取外，一般有三种方式：(1)由服务方无差异的推送内容给用户。这种方式一般是定期或者不定期的将资源通过短信、邮件或者app来推送给用户，这种方式推送的资源要么是随机资源，要么是最新资源，要么是人工筛选的资源，结果就是要么准确度不高，对用户形成骚扰，要么就需要的大量的人力投入。(2)基于用户之间的喜好关联推送资源给用户。这种方式一般是先看看与目标用户有相似喜好的用户选择了哪些资源，再把这些资源推荐给目标用户。这种方式首先要判定用户的相似度，一般通过N维空间中两个向量的夹角来判定，由于相似喜好的人一般有相似的选择，所以这种方法的准确度会比较高，但是这种方法需要计算两个用户之间的向量夹角，所以运算量非常巨大。(3)基于资源的特征关联推送资源给用户。这种方式一般是通过用户的行为或者资源的内在关系找到资源之间的关联性，比如A资源和B资源的相似度比较高，选择A资源的用户大多会选择B资源，那么如果用户选择A资源就可以把B资源一起推送过去。这种方式的算法比较简单，但是因为没有考虑用户之间的差异，所以精准度也会稍差。

现有的资源推送方式，要么是无差异推荐，推送精度差，要么是人工推荐，费时费力，要么是提取用户喜好特征，算法复杂效率低下，要么是提取资源间的关联特征，精准度稍差。在资源推送的数量方面，没有充分考虑用户的需求能力，过多过少的推送要么形成垃圾信息要么无法满足用户对资源的需求量.

发明内容

本发明的目的是提供了基于资源特征和用户喜好的资源匹配推荐方法和系统，克服了现有技术的不足，设计结构合理，根据资源特征和用户喜好关联的数据分析方法，能够基于资源不同维度的特征以及用户历史上的喜好进行关联，很好的兼顾了算法和精准度，基于用户的历史行为分析的方法，可以根据用户历史行为特征来进行动态的推送。

本发明采用的技术方案如下：

基于资源特征和用户喜好的资源匹配推荐方法和系统，包括资源信息、用户系统和用户，其特征在于：所述的用户系统包括提取系统模块、决策系统模块和推送系统模块，所述的提取系统模块包括用户行为特征提取模块、用户喜好提取模块和资源信息特征提取模块，所述的提取系统模块将信息提取后输送至决策系统模块，所述的决策系统模块对信息进行分析后通过推送系统模块推送给用户。

所述的推荐方法是将每个不同的场景定义成A维度，B维度，C维度，每个维度分别AN，BN，CN种特征，依此形成总的特征集合，

所述的用户喜好提取模块主要负责根据用户的历史行为信息，分析用户的历史喜好特征。

所述的资源特征提取模块抓取每个资源的特征。

所述的用户行为特征提取模块可以根据用户对资源的需求量确定推送基数。

所述的决策系统模块根据上述3个模块的信息进行计算，计算各类特征信息的推送量，资源推送模块负责根据预设的推送通道将信息推送给用户。

所述的推送的方式包括但不限于邮件、短信、和app。

与已有技术相比，本发明的有益效果如下：

(1)针对资源的特点进行特征维度的梳理，这个特征维度与用户的选择所考虑的特征维度一致，也可以代表用户的喜好。

(2)分析用户选择资源的历史数据，找到用户在不同维度上的喜好集合，这个喜好集合决定了推送资源需要具备的特征。

(3)通过资源的特征和用户喜好特征集合的匹配，将匹配的资源推送给用户。

(4)分析用户选择资源的历史数据，找到用户在一个时间窗口内对资源的需求量，这个需求量决定了资源推送的基数。

(5)分析用户在特征集合内选择不同特征的比例情况，该比例决定了各喜好特征的权重。

附图说明

图1为本发明的结构示意图。

具体实施方式

参见附图，一种基于资源特征和用户喜好的资源匹配推荐方法和系统，包括资源信息、用户系统和用户，所述的用户系统包括提取系统模块、决策系统模块和推送系统模块，所述的提取系统模块包括用户行为特征提取模块、用户喜好提取模块和资源信息特征提取模块，所述的提取系统模块将信息提取后输送至决策系统模块，所述的决策系统模块对信息进行分析后通过推送系统模块推送给用户。

所述的推荐方法是将每个不同的场景定义成A维度，B维度，C维度，每个维度分别AN，BN，CN种特征，依此形成总的特征集合；所述的用户喜好提取模块主要负责根据用户的历史行为信息，分析用户的历史喜好特征，比如【A1，B1，C1】，权重M，【A2，B3，C5】，权重为N，其中M和N可以直接使用频度比例或者结合其他行为特征进行确定；所述的资源特征提取模块抓取每个资源的特征，比如【A1，B1，C1】；所述的用户行为特征提取模块可以根据用户对资源的需求量确定推送基数，比如X；所述的决策系统模块根据上述3个模块的信息进行计算，计算各类特征信息的推送量，资源推送模块负责根据预设的推送通道将信息推送给用户；所述的推送的方式包括但不限于邮件、短信、和app。