本發(fā)明涉及計算機技術(shù)領(lǐng)域，特別是涉及一種信息推薦的方法和裝置。

背景技術(shù)：

隨著計算機技術(shù)的發(fā)展，人們越來越多的通過網(wǎng)絡(luò)應(yīng)用進行交流和獲取各種信息，如通過微博瀏覽新聞、通過社交應(yīng)用獲取朋友信息等。

為了便于用戶的查看，網(wǎng)絡(luò)應(yīng)用可以主動地向用戶推薦信息，如向用戶推薦其他用戶或運營方等發(fā)布、分享的信息，包括但不限于新聞、段子、文章、視頻鏈接地址等?，F(xiàn)有的信息推薦的方法往往通過信息的發(fā)布時間或隨機推薦信息，導(dǎo)致推薦的信息往往不是用戶關(guān)注的，推薦的有效性很低。

技術(shù)實現(xiàn)要素：

基于此，有必要針對上述技術(shù)問題，提供一種信息推薦的方法和裝置，能提高信息推薦的有效性。

一種信息推薦的方法，所述方法包括：

獲取用戶的用戶興趣標(biāo)簽及各個用戶興趣標(biāo)簽的活躍度；

解析待推薦信息，得到所述待推薦信息對應(yīng)的信息標(biāo)簽及各個信息標(biāo)簽的活躍度；

根據(jù)所述信息標(biāo)簽與所述用戶興趣標(biāo)簽的匹配度、所述用戶興趣標(biāo)簽的活躍度、信息標(biāo)簽的活躍度計算所述待推薦信息與所述用戶的匹配分?jǐn)?shù)；

根據(jù)所述匹配分?jǐn)?shù)推薦所述待推薦信息。

一種信息推薦的裝置，所述裝置包括：

用戶興趣標(biāo)簽獲取模塊，用于獲取用戶的用戶興趣標(biāo)簽及各個用戶興趣標(biāo)簽的活躍度；

待推薦信息解析模塊，用于解析待推薦信息，得到所述待推薦信息對應(yīng)的信息標(biāo)簽及各個信息標(biāo)簽的活躍度；

匹配分?jǐn)?shù)計算模塊，用于根據(jù)所述信息標(biāo)簽與所述用戶興趣標(biāo)簽的匹配度、所述用戶興趣標(biāo)簽的活躍度、信息標(biāo)簽的活躍度計算所述待推薦信息與所述用戶的匹配分?jǐn)?shù)；

推薦模塊，用于根據(jù)所述匹配分?jǐn)?shù)推薦所述待推薦信息。

上述信息推薦的方法和裝置，通過獲取用戶的用戶興趣標(biāo)簽及各個用戶興趣標(biāo)簽的活躍度，解析待推薦信息，得到待推薦信息對應(yīng)的信息標(biāo)簽及各個信息標(biāo)簽的活躍度，根據(jù)信息標(biāo)簽與用戶興趣標(biāo)簽的匹配度、用戶興趣標(biāo)簽的活躍度、信息標(biāo)簽的活躍度計算待推薦信息與所述用戶的匹配分?jǐn)?shù)，根據(jù)匹配分?jǐn)?shù)推薦待推薦信息，匹配分?jǐn)?shù)的計算綜合考慮了信息標(biāo)簽與用戶興趣標(biāo)簽的匹配度、用戶興趣標(biāo)簽的活躍度、信息標(biāo)簽的活躍度使得信息的推薦更符合用戶的興趣，推薦的更精準(zhǔn)，提高了信息推薦的有效性。

附圖說明

圖1為一個實施例中信息推薦的方法的應(yīng)用環(huán)境圖；

圖2為一個實施例中圖1中服務(wù)器的內(nèi)部結(jié)構(gòu)圖；

圖3為一個實施例中信息推薦的方法的流程圖；

圖4為一個實施例中解析行為文本的流程圖；

圖5為一個實施例中得到用戶興趣標(biāo)簽及活躍度的流程圖；

圖6為一個實施例中得到信息標(biāo)簽及活躍度的流程圖；

圖7為一個實施例中計算匹配分?jǐn)?shù)的流程圖；

圖8為一個實施例中推薦信息的流程圖；

圖9為一個實施例中信息推薦的裝置的結(jié)構(gòu)框圖；

圖10為另一個實施例中信息推薦的裝置的結(jié)構(gòu)框圖；

圖11為一個實施例中用戶的行為文本解析模塊的結(jié)構(gòu)框圖；

圖12為一個實施例中待推薦信息解析模塊的結(jié)構(gòu)框圖；

圖13為一個實施例中匹配分?jǐn)?shù)計算模塊的結(jié)構(gòu)框圖；

圖14為一個實施例中推薦模塊的結(jié)構(gòu)框圖。

具體實施方式

圖1為一個實施例中信息推薦的方法運行的應(yīng)用環(huán)境圖。如圖1所示，該應(yīng)用環(huán)境包括終端110、服務(wù)器120，其中終端110和服務(wù)器120通過網(wǎng)絡(luò)進行通信。

終端110可為智能手機、平板電腦、筆記本電腦、臺式計算機等，但并不局限于此。終端110通過網(wǎng)絡(luò)向服務(wù)器120發(fā)送信息發(fā)布請求和信息查看請求，服務(wù)器120可以響應(yīng)終端110發(fā)送的請求，服務(wù)器120可以主動向終端110推薦信息。

在一個實施例中，圖1中的服務(wù)器120的內(nèi)部結(jié)構(gòu)如圖2所示，該服務(wù)器120包括通過系統(tǒng)總線連接的處理器、存儲介質(zhì)、內(nèi)存和網(wǎng)絡(luò)接口。其中，該服務(wù)器120的存儲介質(zhì)存儲有操作系統(tǒng)、數(shù)據(jù)庫和信息推薦的裝置，數(shù)據(jù)庫用于存儲數(shù)據(jù)，如用戶的行為文本，信息推薦的裝置用于實現(xiàn)一種適用于服務(wù)器120的信息推薦的方法。該服務(wù)器120的處理器用于提供計算和控制能力，支撐整個服務(wù)器120的運行。該服務(wù)器120的內(nèi)存為存儲介質(zhì)中的信息推薦的裝置的運行提供環(huán)境。該服務(wù)器120的網(wǎng)絡(luò)接口用于與外部的終端110通過網(wǎng)絡(luò)連接通信，比如向終端110推薦信息等。

如圖3所示，在一個實施例中，提供了一種信息推薦的方法，以應(yīng)用于上述應(yīng)用環(huán)境中的服務(wù)器來舉例說明，包括如下步驟：

步驟S210，獲取用戶的用戶興趣標(biāo)簽及各個用戶興趣標(biāo)簽的活躍度。

具體的，用戶興趣標(biāo)簽反映了用戶感興趣的內(nèi)容，是通過解析用戶的行為數(shù)據(jù)挖掘得到的，用戶的行為數(shù)據(jù)包括：用戶分享及閱讀的行為數(shù)據(jù)，包括文字信息、圖片信息、視頻信息等，如用戶發(fā)布的分享信息、用戶轉(zhuǎn)發(fā)的分享信息、用戶點擊閱讀的分享信息。用戶興趣標(biāo)簽可由用戶自行設(shè)置，可提供預(yù)設(shè)的候選興趣標(biāo)簽供用戶選擇，預(yù)設(shè)的候選興趣標(biāo)簽可根據(jù)網(wǎng)絡(luò)應(yīng)用的類別和待推薦信息的內(nèi)容自行設(shè)置，如網(wǎng)絡(luò)應(yīng)用的類別為社交類，待推薦信息為用戶資料，則可提供社交類候選興趣標(biāo)簽，如性別、愛好、地區(qū)等，通過預(yù)設(shè)的候選興趣標(biāo)簽?zāi)芴岣吲d趣標(biāo)簽的針對性和有效性。用戶興趣標(biāo)簽也可由用戶的行為數(shù)據(jù)產(chǎn)生的行為文本中提取得到，如統(tǒng)計用戶分享的文本中出現(xiàn)率高的詞語作為用戶興趣標(biāo)簽，如將行為文本與預(yù)設(shè)類別匹配度最高的類別作為信息標(biāo)簽。 用戶興趣標(biāo)簽的活躍度反映了用戶興趣的大小，對于從用戶行為數(shù)據(jù)中提取的用戶興趣標(biāo)簽，可根據(jù)提取的用戶興趣標(biāo)簽在用戶行為數(shù)據(jù)對應(yīng)的行為文本中出現(xiàn)的頻率大小計算。對于用戶自定義的興趣標(biāo)簽，可通過用戶的行為數(shù)據(jù)與自定義的興趣標(biāo)簽的匹配度，增加或減少自定義的興趣標(biāo)簽的活躍度，如設(shè)定用戶自定義的興趣標(biāo)簽初始活躍度相同，隨著時間的推移，如果用戶分享的文檔與其中一個用戶興趣標(biāo)簽匹配，則將此用戶興趣標(biāo)簽的活躍度加1。用戶興趣標(biāo)簽的數(shù)量可以為1個或多個。

步驟S220，解析待推薦信息，得到待推薦信息對應(yīng)的信息標(biāo)簽及各個信息標(biāo)簽的活躍度。

具體的，待推薦信息是指在由用戶或運營方等發(fā)布、分享的數(shù)據(jù)，包括文字信息、圖片信息、視頻信息等，如新聞、段子、文章、感想等。待推薦信息對應(yīng)的信息標(biāo)簽可由運營方自行設(shè)定，設(shè)定的信息標(biāo)簽可與供用戶選擇設(shè)定的候選用戶興趣標(biāo)簽一致，從而便于后續(xù)的標(biāo)簽匹配。待推薦信息對應(yīng)的信息標(biāo)簽可由待推薦信息對應(yīng)的信息文本中提取得到，如統(tǒng)計待推薦信息對應(yīng)的信息文本中出現(xiàn)率高的詞語作為信息標(biāo)簽，如將待推薦信息與預(yù)設(shè)類別匹配度最高的類別作為信息標(biāo)簽。信息標(biāo)簽的活躍度反映了信息內(nèi)容與信息標(biāo)簽的匹配程度，活躍度越大，說明此信息標(biāo)簽越能代表信息的內(nèi)容。對于從待推薦信息對應(yīng)的信息文本中提取的信息標(biāo)簽，可根據(jù)提取的信息標(biāo)簽在信息文本中出現(xiàn)的頻率大小計算。對于運營方自定義的信息標(biāo)簽，可通過用戶的反饋行為，增加或減少自定義的信息標(biāo)簽的活躍度，如自定義的信息標(biāo)簽初始活躍度相同，將給用戶推薦的信息的各個信息標(biāo)簽展示給用戶以接收用戶對各個信息標(biāo)簽的反饋行為信息，包括正反饋和負反饋，如果是正反饋，則將此信息標(biāo)簽的活躍度加1，如果是負反饋，則將此信息標(biāo)簽的活躍度減1。待推薦信息對應(yīng)的信息標(biāo)簽的數(shù)量可以為一個或多個。

步驟S230，根據(jù)信息標(biāo)簽與用戶興趣標(biāo)簽的匹配度、用戶興趣標(biāo)簽的活躍度、信息標(biāo)簽的活躍度計算待推薦信息與所述用戶的匹配分?jǐn)?shù)。

具體的，信息標(biāo)簽與用戶興趣標(biāo)簽的匹配度，可根據(jù)需要自定義，如信息標(biāo)簽與用戶興趣標(biāo)簽完全相同，則匹配度為1，信息標(biāo)簽與用戶興趣標(biāo)簽不相同， 但是它們同屬于同一主題，則匹配度為小于1的第一預(yù)設(shè)值，信息標(biāo)簽與用戶興趣標(biāo)簽不相同，但是它們同屬于同一類別，則匹配度為小于1的第二預(yù)設(shè)值，其中主題為比類別精細的詞，如類別為球類，主題可為籃球。用戶興趣標(biāo)簽的活躍度、信息標(biāo)簽的活躍度為步驟S230中對應(yīng)的值，可為歸一化后的值，便于計算匹配分?jǐn)?shù)。匹配分?jǐn)?shù)的計算公式可根據(jù)需要自定義，如將匹配度、用戶興趣標(biāo)簽的活躍度、信息標(biāo)簽的活躍度直接相乘等。當(dāng)用戶興趣標(biāo)簽的數(shù)量、待推薦信息對應(yīng)的信息標(biāo)簽的數(shù)量為多個時，可分別計算各個用戶興趣標(biāo)簽與各個信息標(biāo)簽的匹配分?jǐn)?shù)，然后累加得到總的匹配分?jǐn)?shù)。

步驟S240，根據(jù)匹配分?jǐn)?shù)推薦待推薦信息。

具體的，可設(shè)定分?jǐn)?shù)閾值，當(dāng)待推薦信息與用戶的匹配分?jǐn)?shù)超過分?jǐn)?shù)閾值時，則將待推薦信息推薦給用戶。當(dāng)待推薦信息有多個時，可根據(jù)匹配分?jǐn)?shù)的從大到小的順序，對各個待推薦信息排序，將排序靠前的預(yù)設(shè)數(shù)目的待推薦信息推薦給用戶。還可根據(jù)匹配分?jǐn)?shù)的大小為待推薦信息分配不同的顯示參數(shù)，顯示參數(shù)決定了待推薦信息的顯示形態(tài)，包括顯示位置、顯示大小，動態(tài)顯示或靜態(tài)顯示，顯示模糊度等，如匹配分?jǐn)?shù)超高，則顯示位置越靠前，顯示越清晰，匹配分?jǐn)?shù)高的待推薦信息可設(shè)定動畫效果等。

本實施例中，通過獲取用戶的用戶興趣標(biāo)簽及各個用戶興趣標(biāo)簽的活躍度，解析待推薦信息，得到待推薦信息對應(yīng)的信息標(biāo)簽及各個信息標(biāo)簽的活躍度，根據(jù)信息標(biāo)簽與用戶興趣標(biāo)簽的匹配度、用戶興趣標(biāo)簽的活躍度、信息標(biāo)簽的活躍度計算待推薦信息與所述用戶的匹配分?jǐn)?shù)，根據(jù)匹配分?jǐn)?shù)推薦待推薦信息，匹配分?jǐn)?shù)的計算綜合考慮了信息標(biāo)簽與用戶興趣標(biāo)簽的匹配度、用戶興趣標(biāo)簽的活躍度、信息標(biāo)簽的活躍度使得信息的推薦更符合用戶的興趣，推薦的更精準(zhǔn)，提高了信息推薦的有效性。

在一個實施例中，如圖4所示，在步驟S210之前，還包括：

步驟S310，獲取用戶的行為數(shù)據(jù)對應(yīng)的行為文本。

具體的，可根據(jù)用戶的行為數(shù)據(jù)的類別獲取對應(yīng)的行為文本，如用戶的行為數(shù)據(jù)為文字類，則行為文本為行為數(shù)據(jù)本身，如文章、新聞等。如用戶的行為數(shù)據(jù)為圖像類，則行為數(shù)據(jù)對應(yīng)的行為文本可為對圖像的描述類文字，如照 片說明，還可對圖像進行識別而得到圖像對應(yīng)的行為文本，如為人像圖像，則對應(yīng)的行為文本為人類、人臉、人手等，根據(jù)圖像的內(nèi)容確定。如用戶的行為數(shù)據(jù)為視頻，則對應(yīng)的行為文本可為視頻的描述性文字，如果視頻存在對應(yīng)的音頻，還可為臺詞對應(yīng)的文字等。如用戶的行為數(shù)據(jù)為音頻，則可為音頻的描述性文字，或音頻對應(yīng)的詞語等。

步驟S320，解析行為文本，得到用戶的用戶興趣標(biāo)簽及各個用戶興趣標(biāo)簽的活躍度。

具體的，可統(tǒng)計行為文本中出現(xiàn)頻率高的詞語作為用戶的用戶興趣標(biāo)簽，也可獲取出現(xiàn)頻率高的詞語所屬的類別作為用戶興趣標(biāo)簽，用戶興趣標(biāo)簽的個數(shù)可根據(jù)需要自定義，還可自定義用戶興趣標(biāo)簽的候選集，當(dāng)出現(xiàn)頻率高的詞語為候選集中的近似詞時，將候選集中的詞語作為用戶興趣標(biāo)簽，通過候選集可使用戶興趣標(biāo)簽的確定更統(tǒng)一。用戶興趣標(biāo)簽的活躍度可通過出現(xiàn)的頻率計算，出現(xiàn)的頻率高，則活躍度高。由于用戶的興趣一般會隨時時間的變化而變化，但在一定時間內(nèi)變化不會太大，所以用戶興趣標(biāo)簽可在預(yù)設(shè)時間段到達時更新，如一個月更新一次，用于更新用戶興趣標(biāo)簽的行為文本，也是近期產(chǎn)生的行為文本，與用戶興趣標(biāo)簽更新時的時間相對應(yīng)。

在一個實施例中，如圖5所示，步驟S320包括：

步驟S321，對行為文本進行分詞。

具體的，將行為文本進行分詞后就得到了各個詞語。

步驟S322，根據(jù)各個分詞出現(xiàn)的頻率計算各個分詞的活躍度。

具體的，統(tǒng)計各個分詞出現(xiàn)的次數(shù)，并將各個分詞出現(xiàn)的次數(shù)相加得到總的分詞次數(shù)，將各個分詞出現(xiàn)的次數(shù)除于總次數(shù)，得到各個分詞的活躍度。如通過公式計算得到分詞x的活躍度Ins(x)，其中pv(x)為分詞x在行為文本中出現(xiàn)的次數(shù)，pv(all)為行為文本中所有分詞出現(xiàn)的總次數(shù)。

步驟S323，根據(jù)各個分詞的活躍度篩選得到作為用戶的用戶興趣標(biāo)簽的分詞及其對應(yīng)的活躍度。

具體的，可自定義篩選規(guī)則得到用戶興趣標(biāo)簽，如將活躍度大于預(yù)設(shè)閾值的分詞作為用戶興趣標(biāo)簽，或?qū)⒒钴S度按從大到小的順序排序，排序位置靠前的預(yù)設(shè)數(shù)目個活躍度對應(yīng)的分詞作為用戶興趣標(biāo)簽。通過各個分詞出現(xiàn)的頻率大小篩選得到用戶興趣標(biāo)簽簡單方便。

在一個實施例中，如圖6所示，步驟S220包括：

步驟S221，獲取待推薦信息，對待推薦信息對應(yīng)的信息文本進行分詞。

具體的，可根據(jù)待推薦信息的類別獲取對應(yīng)的信息文本，如待推薦信息為文字類，則信息文本為待推薦信息本身，如文章、新聞等。如待推薦信息為圖像類，則待推薦信息對應(yīng)的信息文本可為對圖像的描述類文字，如照片說明，還可對圖像進行識別而得到圖像對應(yīng)的文本，如為人像圖像，則對應(yīng)的信息文本為人類、人臉、人手等，根據(jù)圖像的內(nèi)容確定。如待推薦信息為視頻，則對應(yīng)的信息文本可為視頻的描述性文字，如果視頻存在對應(yīng)的音頻，還可為臺詞對應(yīng)的文字等。如待推薦信息為音頻，則可為音頻的描述性文字，或音頻對應(yīng)的詞語等。得到待推薦信息對應(yīng)的信息文本后，對其進行分詞得到各個詞語。

步驟S222，根據(jù)各個分詞出現(xiàn)的頻率計算各個分詞的活躍度。

具體的，統(tǒng)計各個分詞出現(xiàn)的次數(shù)，并將各個分詞出現(xiàn)的次數(shù)相加得到總的分詞次數(shù)，將各個分詞出現(xiàn)的次數(shù)除于總次數(shù)，得到各個分詞的活躍度。如通過公式計算得到待推薦信息分詞y的活躍度Expert(y)，其中ev(y)為分詞x在信息文本中出現(xiàn)的次數(shù)，ev(all)為信息文本中所有分詞出現(xiàn)的總次數(shù)。

步驟S223，根據(jù)各個分詞的活躍度篩選得到作為信息標(biāo)簽的分詞及其對應(yīng)的活躍度。

具體的，可自定義篩選規(guī)則得到信息標(biāo)簽，如將活躍度大于預(yù)設(shè)閾值的分詞作為信息標(biāo)簽，或?qū)⒒钴S度按從大到小的順序排序，排序位置靠前的預(yù)設(shè)數(shù)目個活躍度對應(yīng)的分詞作為信息標(biāo)簽。通過各個分詞出現(xiàn)的頻率大小篩選得到信息標(biāo)簽簡單方便。

在一個實施例中，如圖7所示，步驟S230包括：

步驟S231，判斷信息標(biāo)簽與用戶興趣標(biāo)簽是否相同，如果相同，則為匹配。

具體的，本實施例中只有完全相同的信息標(biāo)簽與用戶興趣標(biāo)簽才算匹配，采用match(x,y)表示信息標(biāo)簽與用戶興趣標(biāo)簽的匹配度，如果匹配，則match(x,y)為1，否則match(x,y)為0。

步驟S232，篩選出匹配的有效信息標(biāo)簽與有效用戶興趣標(biāo)簽。

具體的，假設(shè)有多條待推薦信息如信息B、信息C、信息D，每條信息可能有多個信息標(biāo)簽，如信息B的信息標(biāo)簽組成集合b＝{b1,b2,b3,….bn}，用戶興趣標(biāo)簽也可能有多個，如用戶興趣標(biāo)簽組成集合a＝{a1,a2,a3,….an}，找出集合a和集合b中相同的標(biāo)簽，組成匹配的集合對，如a1和b2相同，則{a1,b2}為匹配的有效信息標(biāo)簽與有效用戶興趣標(biāo)簽，并獲取它們分別對應(yīng)的活躍度Ins(a1)和Expert(b2)。

步驟S233，根據(jù)匹配的有效信息標(biāo)簽的活躍度與有效用戶興趣標(biāo)簽的活躍度計算得到待推薦信息與用戶的匹配分?jǐn)?shù)。

具體的，可根據(jù)匹配的有效信息標(biāo)簽的活躍度與有效用戶興趣標(biāo)簽的活躍度自定義公式計算得到匹配分?jǐn)?shù)，在一個實施例中，待推薦信息B與用戶A的匹配分?jǐn)?shù)為其中n為用戶A的興趣標(biāo)簽的總個數(shù)，m為待推薦信息B的信息標(biāo)簽的總個數(shù)，如果ai和bj相同，則match(ai,bj)＝1，否則match(ai,bj)＝0，其中Ins_(ai)表示用戶興趣標(biāo)簽ai的活躍度，Expert_(bj)表示信息標(biāo)簽bj的活躍度，α、β為大于0的常數(shù)，且α+β＝1。

在一個實施例中，如圖8所示，步驟S240包括：

步驟S241，獲取待推薦信息的發(fā)布時間和當(dāng)前推薦時間。

具體的，待推薦信息的發(fā)布時間是指待推薦信息的產(chǎn)生時間，如新聞可以是新聞發(fā)生時間，待推薦信息如果是用戶分享的文章，則為用戶將文章分享出來的時間。當(dāng)前推薦時間是指當(dāng)前向用戶推薦信息的時間。

步驟S242，根據(jù)發(fā)布時間、當(dāng)前推薦時間和匹配分?jǐn)?shù)得到推薦分?jǐn)?shù)，根據(jù) 推薦分?jǐn)?shù)推薦待推薦信息。

具體的，根據(jù)發(fā)布時間、當(dāng)前推薦時間得到時間分?jǐn)?shù)，其中發(fā)布時間距離當(dāng)前推薦時間越遠得到的時間分?jǐn)?shù)越小，可自定義時間分?jǐn)?shù)的公式，在一個實施例中時間分?jǐn)?shù)Time(x)＝1440-minute(x)當(dāng)minute(x)>1440時，Time(x)＝0，minute(x)為當(dāng)前推薦時間與待推薦信息發(fā)布時間的時間差，以分鐘為單位。推薦分?jǐn)?shù)Fin_score(x)＝γ*match_score(x)+λ*time(x)，其中match_score(x)為待推薦信息與用戶的匹配分?jǐn)?shù)，γ和λ為常數(shù)，且γ+λ＝1。在計算時，可篩選出匹配分?jǐn)?shù)高的待推薦信息計算最終的推薦分?jǐn)?shù)，加快待推薦信息的推薦速度。最后根據(jù)推薦分?jǐn)?shù)推薦待推薦信息，如將推薦分?jǐn)?shù)大于預(yù)設(shè)閾值的待推薦信息推薦給用戶，如將待推薦信息按照大小排序，推薦排在前面的待推薦信息。并根據(jù)推薦分?jǐn)?shù)的大小設(shè)置推薦顯示參數(shù)。一般信息的價值隨著發(fā)布時間的推移減小，比如太長時間以前的信息可能信息內(nèi)容已經(jīng)過期了，不實用，最終的推薦分?jǐn)?shù)考慮了時間，進一步加強了信息推薦的有效性。

在一個實施例中，如圖9所示，提供了一種信息推薦的裝置，包括：

用戶興趣標(biāo)簽獲取模塊310，用于獲取用戶的用戶興趣標(biāo)簽及各個用戶興趣標(biāo)簽的活躍度。

待推薦信息解析模塊320，用于解析待推薦信息，得到待推薦信息對應(yīng)的信息標(biāo)簽及各個信息標(biāo)簽的活躍度。

匹配分?jǐn)?shù)計算模塊330，用于根據(jù)信息標(biāo)簽與用戶興趣標(biāo)簽的匹配度、用戶興趣標(biāo)簽的活躍度、信息標(biāo)簽的活躍度計算待推薦信息與用戶的匹配分?jǐn)?shù)。

推薦模塊340，用于根據(jù)匹配分?jǐn)?shù)推薦待推薦信息。

在一個實施例中，如圖10所示，裝置還包括：

用戶的行為文本解析模塊350，用于獲取用戶的行為數(shù)據(jù)對應(yīng)的行為文本，解析行為文本，得到用戶的用戶興趣標(biāo)簽及各個用戶興趣標(biāo)簽的活躍度。

在一個實施例中，如圖11所示，用戶的行為文本解析模塊350包括：

第一分詞單元351，用于對行為文本進行分詞。

第一活躍度計算單元352，用于根據(jù)各個分詞出現(xiàn)的頻率計算各個分詞的活 躍度。

第一篩選單元353，用于根據(jù)各個分詞的活躍度篩選得到作為用戶的用戶興趣標(biāo)簽的分詞及其對應(yīng)的活躍度。

在一個實施例中，如圖12所示，待推薦信息解析模塊320包括：

第二分詞單元321，用于獲取待推薦信息，對待推薦信息對應(yīng)的信息文本進行分詞。

第二活躍度計算單元322，用于根據(jù)各個分詞出現(xiàn)的頻率計算各個分詞的活躍度。

第二篩選單元323，用于根據(jù)各個分詞的活躍度篩選得到作為信息標(biāo)簽的分詞及其對應(yīng)的活躍度。

在一個實施例中，如圖13所示，匹配分?jǐn)?shù)計算模塊330包括：

匹配處理單元331，用于判斷信息標(biāo)簽與用戶興趣標(biāo)簽是否相同，如果相同，則為匹配，篩選出匹配的有效信息標(biāo)簽與有效用戶興趣標(biāo)簽。

計算單元332，用于根據(jù)匹配的有效信息標(biāo)簽的活躍度與有效用戶興趣標(biāo)簽的活躍度計算得到待推薦信息與用戶的匹配分?jǐn)?shù)。

在一個實施例中，如圖14所示，推薦模塊340包括：

時間獲取單元341，用于獲取待推薦信息的發(fā)布時間和當(dāng)前推薦時間。

推薦單元342，用于根據(jù)發(fā)布時間、當(dāng)前推薦時間和匹配分?jǐn)?shù)得到推薦分?jǐn)?shù)，根據(jù)推薦分?jǐn)?shù)推薦待推薦信息。

本領(lǐng)域普通技術(shù)人員可以理解實現(xiàn)上述實施例方法中的全部或部分流程，是可以通過計算機程序來指令相關(guān)的硬件來完成，所述程序可存儲于一計算機可讀取存儲介質(zhì)中，如本發(fā)明實施例中，該程序可存儲于計算機系統(tǒng)的存儲介質(zhì)中，并被該計算機系統(tǒng)中的至少一個處理器執(zhí)行，以實現(xiàn)包括如上述各方法的實施例的流程。其中，所述存儲介質(zhì)可為磁碟、光盤、只讀存儲記憶體(Read-Only Memory，ROM)或隨機存儲記憶體(Random Access Memory，RAM)等。

以上所述實施例的各技術(shù)特征可以進行任意的組合，為使描述簡潔，未對 上述實施例中的各個技術(shù)特征所有可能的組合都進行描述，然而，只要這些技術(shù)特征的組合不存在矛盾，都應(yīng)當(dāng)認為是本說明書記載的范圍。

以上所述實施例僅表達了本發(fā)明的幾種實施方式，其描述較為具體和詳細，但并不能因此而理解為對發(fā)明專利范圍的限制。應(yīng)當(dāng)指出的是，對于本領(lǐng)域的普通技術(shù)人員來說，在不脫離本發(fā)明構(gòu)思的前提下，還可以做出若干變形和改進，這些都屬于本發(fā)明的保護范圍。因此，本發(fā)明專利的保護范圍應(yīng)以所附權(quán)利要求為準(zhǔn)。