本發(fā)明涉及計(jì)算機(jī)數(shù)據(jù)處理技術(shù)領(lǐng)域，具體涉及一種信息推薦方法及系統(tǒng)。

背景技術(shù)：

現(xiàn)有的一些網(wǎng)絡(luò)系統(tǒng)需要利用推薦算法向用戶推薦物品?，F(xiàn)在的常用推薦算法多為基于協(xié)同過濾方法。在協(xié)同過濾方法中常用的基于鄰域的算法主要分為兩大類：一類是基于用戶的協(xié)同過濾算法(usercf)，另一類是基于物品的協(xié)同過濾算法(itemcf)。usercf給用戶推薦那些和他有同樣興趣愛好的用戶喜歡的物品，其推薦結(jié)果著重于反映和用戶興趣相似的小群體的熱點(diǎn)，這種推薦顯得更社會(huì)化，反映了某一個(gè)特定群體中一些物品的熱門程度。itemcf給用戶推薦那些和他之前喜歡的物品類似的物品，其推薦結(jié)果著重于維系用戶的歷史興趣，這中推薦更加個(gè)性化，反映了用戶自己的興趣傳承。

實(shí)踐發(fā)現(xiàn)，傳統(tǒng)的做法難以處理只有物品信息沒有行為數(shù)據(jù)的推薦場(chǎng)景。沒有行為數(shù)據(jù)時(shí)，傳統(tǒng)的方法難以建立從用戶到物品的關(guān)系，這樣既無法構(gòu)建具有相同興趣的用戶群體，又無法建立某一個(gè)用戶的歷史興趣體系。這種問題在推薦系統(tǒng)中也常稱為推薦系統(tǒng)的冷啟動(dòng)問題。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明實(shí)施例提供一種信息推薦方法及系統(tǒng)，以便在沒有獲得用戶的操作行為數(shù)據(jù)時(shí)也可以對(duì)用戶進(jìn)行信息推薦，以解決推薦系統(tǒng)的冷啟動(dòng)問題。

本發(fā)明第一方面提供一種信息推薦方法，包括：根據(jù)歷史數(shù)據(jù)中用戶對(duì)物品信息的操作行為數(shù)據(jù)預(yù)先構(gòu)建向量空間，所述向量空間中包括分別用于表示所述用戶的用戶屬性和所述物品信息的物品標(biāo)簽的向量；獲取目標(biāo)用戶的用戶屬性和目標(biāo)物品信息的物品標(biāo)簽在所述向量空間中各自對(duì)應(yīng)的向量，通過計(jì)算向量間的相似性獲得所述目標(biāo)用戶的用戶屬性與所述目標(biāo)物品信息的物品標(biāo)簽的關(guān)聯(lián)關(guān)系；根據(jù)所述關(guān)聯(lián)關(guān)系向任一目標(biāo)用戶推薦一種或多種目標(biāo)物品。

本發(fā)明第二方面提供一種用戶和物品信息的關(guān)聯(lián)系統(tǒng)，包括：構(gòu)建模塊，用于根據(jù)歷史數(shù)據(jù)中用戶對(duì)物品信息的操作行為數(shù)據(jù)預(yù)先構(gòu)建向量空間，所述向量空間中包括分別用于表示所述用戶的用戶屬性和所述物品信息的物品標(biāo)簽的向量；關(guān)聯(lián)模塊，用于獲取目標(biāo)用戶的用戶屬性和目標(biāo)物品信息的物品標(biāo)簽在所述向量空間中各自對(duì)應(yīng)的向量，通過計(jì)算向量間的相似性獲得所述目標(biāo)用戶的用戶屬性與所述目標(biāo)物品信息的物品標(biāo)簽的關(guān)聯(lián)關(guān)系；推薦模塊，用于根據(jù)所述關(guān)聯(lián)關(guān)系向任一目標(biāo)用戶推薦一種或多種目標(biāo)物品。

由上可見，在本發(fā)明的一些可行的實(shí)施方式中，根據(jù)歷史數(shù)據(jù)中用戶對(duì)物品信息的操作行為數(shù)據(jù)預(yù)先構(gòu)建向量空間，該向量空間包括分別表示用戶屬性和物品標(biāo)簽的向量，利用該向量空間，通過獲取目標(biāo)用戶的用戶屬性和目標(biāo)物品信息的物品標(biāo)簽在所述向量空間中各自對(duì)應(yīng)的向量，就可以通過計(jì)算向量間的相似性獲得目標(biāo)用戶的用戶屬性與目標(biāo)物品信息的物品標(biāo)簽的關(guān)聯(lián)關(guān)系，根據(jù)該關(guān)聯(lián)關(guān)系就可以進(jìn)行信息推薦?？梢?，由于該信息推薦方法建立了用戶屬性與物品標(biāo)簽的關(guān)聯(lián)關(guān)系，因而，不需要獲取目標(biāo)用戶的操作行為數(shù)據(jù)，僅僅基于歷史數(shù)據(jù)中的其它用戶的操作行為數(shù)據(jù)，就可以實(shí)現(xiàn)物品信息的推薦，從而可以解決推薦系統(tǒng)的冷啟動(dòng)問題。

附圖說明

圖1是本發(fā)明一個(gè)實(shí)施例提供的一種信息推薦方法的流程示意圖；

圖2是訓(xùn)練基礎(chǔ)訓(xùn)練語料映射向量空間的示意圖；

圖3是本發(fā)明一個(gè)實(shí)施例提供的一種信息推薦系統(tǒng)的結(jié)構(gòu)示意圖；

圖4是本發(fā)明一個(gè)實(shí)施例提供的一種計(jì)算機(jī)設(shè)備的結(jié)構(gòu)示意圖。

具體實(shí)施方式

為了使本技術(shù)領(lǐng)域的人員更好地理解本發(fā)明方案，下面將結(jié)合本發(fā)明實(shí)施例中的附圖，對(duì)本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施例僅僅是本發(fā)明一部分的實(shí)施例，而不是全部的實(shí)施例?；诒景l(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動(dòng)前提下所獲得的所有其他實(shí)施例，都應(yīng)當(dāng)屬于本發(fā)明保護(hù)的范圍。

本發(fā)明實(shí)施例技術(shù)方案應(yīng)用于推薦系統(tǒng)，該推薦系統(tǒng)可以部署于計(jì)算機(jī)設(shè)備或分布式部署于計(jì)算機(jī)網(wǎng)絡(luò)中。針對(duì)現(xiàn)有技術(shù)中推薦系統(tǒng)的冷啟動(dòng)問題，本發(fā)明實(shí)施例提供一種信息推薦方法及系統(tǒng)，下面通過具體實(shí)施例，分別進(jìn)行詳細(xì)的說明。

(實(shí)施例一、)

請(qǐng)參考圖1，本發(fā)明一個(gè)實(shí)施例提供一種信息推薦方法，可包括：

110、根據(jù)歷史數(shù)據(jù)中用戶對(duì)物品信息的操作行為數(shù)據(jù)預(yù)先構(gòu)建向量空間，所述向量空間中包括分別用于表示所述用戶的用戶屬性和所述物品信息的物品標(biāo)簽的向量。

針對(duì)龐大的用戶群體對(duì)物品信息的大量點(diǎn)擊行為，一些網(wǎng)絡(luò)服務(wù)提供商會(huì)存儲(chǔ)有大量的歷史數(shù)據(jù)，歷史數(shù)據(jù)中包括了用戶對(duì)物品信息的操作行為數(shù)據(jù)。本發(fā)明實(shí)施例中，可以根據(jù)該歷史數(shù)據(jù)構(gòu)建出了一個(gè)容納豐富的用戶屬性和廣泛的物品標(biāo)簽的向量空間，向量空間中包括分別用于表示所述用戶和所述物品信息的向量。其中，所說的物品例如可以是手機(jī)，鋼筆等實(shí)物商品，也可以是廣告，視頻等虛擬物品，本文對(duì)此不作限制。

其中，根據(jù)歷史數(shù)據(jù)中的用戶對(duì)物品信息的操作行為數(shù)據(jù)，例如某用戶購買某物品的信息，可以獲取用戶的用戶屬性以及物品信息的物品標(biāo)簽?？蛇x的，可以從操作行為數(shù)據(jù)中獲取物品信息的標(biāo)題信息，可通過對(duì)物品信息的標(biāo)題分詞等手段，得到物品標(biāo)簽。然后可以根據(jù)算法例如word2vec算法，將獲取的用戶屬性和物品標(biāo)簽映射到同一個(gè)向量空間中，其中，每個(gè)用戶屬性用所述向量空間中的一個(gè)用戶屬性向量表示，每個(gè)物品標(biāo)簽用所述向量空間中的一個(gè)物品標(biāo)簽向量表示。

舉例來說，用戶屬性例如可以包括職業(yè)屬性，年齡屬性，身高屬性，性別屬性等等，物品標(biāo)簽例如包括物品的名稱，類別，產(chǎn)地，材質(zhì)，價(jià)格等等。

word2vec是2013年google推出的，是一個(gè)將單詞轉(zhuǎn)換成向量形式的工具。word2vec可以利用大量的文本段落內(nèi)容，將文本中的任意詞表征為一個(gè)向量空間的向量。通過向量空間上的關(guān)聯(lián)度計(jì)算，就可以計(jì)算出兩個(gè)詞的關(guān)聯(lián)度。輸出的詞向量可以做一些自然語言處理的工作，如將詞聚類，找同義詞等等。

請(qǐng)參考圖2，在一些實(shí)施例中，利用例如word2vec算法將獲取的用戶屬性和物品標(biāo)簽映射到同一個(gè)向量空間中的步驟可以包括如下過程：

1、基于獲取用戶屬性以及物品標(biāo)簽，可以將歷史數(shù)據(jù)中用戶對(duì)物品信息的操作行為數(shù)據(jù)，轉(zhuǎn)換為用戶屬性對(duì)物品標(biāo)簽的操作行為數(shù)據(jù)；例如，將用戶q購買物品p的操作行為數(shù)據(jù)，轉(zhuǎn)換為用戶屬性y1，y2，y3對(duì)物品標(biāo)簽b1，b2，b3的操作行為數(shù)據(jù)，其中，用戶屬性y1例如可以是指青年用戶，y2例如可以是指時(shí)尚型用戶，物品標(biāo)簽b1例如可以是指國產(chǎn)，b2例如可以是指手機(jī)，等等，此處不再一一列舉。這種轉(zhuǎn)換將操作行為數(shù)據(jù)表示的用戶對(duì)物品信息的行為，轉(zhuǎn)換為用戶屬性對(duì)物品標(biāo)簽的操作行為數(shù)據(jù)，得到的操作行為數(shù)據(jù)中，降低了特征的粒度(從用戶降至用戶屬性，從物品降至物品標(biāo)簽)，可以稱為細(xì)粒度轉(zhuǎn)換。通過細(xì)粒度轉(zhuǎn)換，得到的信息就不再局限于表示某個(gè)用戶或者某個(gè)物品，而是通過用戶屬性和物品標(biāo)簽可以適用于所有的用戶和所有的物品。

2、從轉(zhuǎn)換后的操作行為數(shù)據(jù)中可以提取用戶屬性和物品標(biāo)簽組成基礎(chǔ)訓(xùn)練語料；其中，在每一條操作行為數(shù)據(jù)中提取用戶屬性和物品標(biāo)簽，并將這些用戶屬性和物品標(biāo)簽進(jìn)行打亂(可以是隨機(jī)打亂)，組成一條基礎(chǔ)訓(xùn)練語料。舉例來說，一條某用戶對(duì)某物品信息的操作行為數(shù)據(jù)中，可以提取得到多個(gè)用戶屬性例如y1，y2，y3，y4，y5，以及多個(gè)物品標(biāo)簽例如b1，b2，b3，b4，b5，b6，然后進(jìn)行隨機(jī)打亂，打亂后后的基于語料例如可以是【b1，y5，y3，b4，y1，b5，y2，b2，y4，b6，b3】。

3、利用word2vec算法對(duì)獲取的基礎(chǔ)訓(xùn)練語料進(jìn)行學(xué)習(xí)，就可以得到表征每個(gè)用戶屬性和每個(gè)物品標(biāo)簽的向量，從而實(shí)現(xiàn)將每個(gè)用戶屬性和每個(gè)物品標(biāo)簽分別映射為同一個(gè)向量空間中的向量。

需要說明的是，word2vec是tomasmikolov等人提出的一種兩層的神經(jīng)網(wǎng)絡(luò)模型，該模型根據(jù)文本的上下文(即假設(shè)每個(gè)詞與其周圍的詞比較接近)，利用大量的文本內(nèi)容，將文本中的任意詞表征為同一個(gè)向量空間的向量。通過向量空間上的相似度就算，就可以計(jì)算出兩個(gè)詞的相似性。輸出的詞向量可以做一些自然語言處理的工作，如將詞聚類，找同義詞等等。2013年google推出了開源的word2vec的代碼，得到了廣泛的應(yīng)用。

word2vec算法的設(shè)計(jì)初衷是對(duì)有序的文本來訓(xùn)練，利用word2vec算法對(duì)文本進(jìn)行訓(xùn)練，就可以得到表征文本中的每次詞的向量，但是，word2vec算法一般用于對(duì)較長的文本例如一些文章等進(jìn)行訓(xùn)練，訓(xùn)練學(xué)習(xí)時(shí)會(huì)考慮到上下文詞語的含義，不考慮緊鄰的若干個(gè)詞之間的關(guān)聯(lián)關(guān)系。而本發(fā)明中用于訓(xùn)練的語料通常是短文本，只是幾個(gè)物品標(biāo)簽和用戶屬性的組合，為了達(dá)到較好的訓(xùn)練效果，需要將這些用戶屬性和物品標(biāo)簽進(jìn)行混合打亂。

通過實(shí)驗(yàn)，將用戶屬性和商品標(biāo)簽進(jìn)行混合打亂確實(shí)可以得到比較好的訓(xùn)練效果。一個(gè)原因是，本文訓(xùn)練的短文本只是幾個(gè)物品標(biāo)簽和用戶屬性的組合，短文本下word2vec的窗口可以覆蓋整個(gè)訓(xùn)練的基礎(chǔ)訓(xùn)練語料的一部分。另一個(gè)原因是，大量數(shù)據(jù)下可以從隨機(jī)打亂的短文本語料獲取信息。

其中，打亂用戶屬性和物品標(biāo)簽是處理訓(xùn)練數(shù)據(jù)的，對(duì)于在線獲取的用戶屬性或物品標(biāo)簽則不需要打亂。

120、獲取目標(biāo)用戶的用戶屬性和目標(biāo)物品信息的物品標(biāo)簽在所述向量空間中各自對(duì)應(yīng)的向量，通過計(jì)算向量間的相似性獲得所述目標(biāo)用戶的用戶屬性與所述目標(biāo)物品信息的物品標(biāo)簽的關(guān)聯(lián)關(guān)系。

在上一步驟中，任意用戶屬性和任意物品標(biāo)簽都被映射到了同一個(gè)向量空間當(dāng)中，每個(gè)用戶屬性和物品標(biāo)簽都可以通過該空間中的向量進(jìn)行表示，于是，在沒有獲得目標(biāo)用戶的操作行為數(shù)據(jù)等情況下，針對(duì)目標(biāo)用戶和目標(biāo)物品，就可以利用該向量空間，通過計(jì)算向量間的相似性獲得所述目標(biāo)用戶的用戶屬性與所述目標(biāo)物品信息的物品標(biāo)簽的關(guān)聯(lián)關(guān)系。

其中，獲得關(guān)聯(lián)關(guān)系的具體過程可包括：

1、獲取目標(biāo)用戶的用戶屬性和目標(biāo)物品信息的物品標(biāo)簽，以及獲取的用戶屬性和物品標(biāo)簽在所述向量空間中各自對(duì)應(yīng)的向量；

2、計(jì)算所述向量空間中的所述目標(biāo)用戶的用戶屬性向量與所述目標(biāo)物品信息的物品標(biāo)簽向量的相似性，得到所述目標(biāo)用戶的用戶屬性與所述目標(biāo)物品信息的物品標(biāo)簽的關(guān)聯(lián)度，從而建立起所述目標(biāo)用戶的用戶屬性到所述目標(biāo)物品信息的物品標(biāo)簽的關(guān)聯(lián)關(guān)系，該關(guān)聯(lián)關(guān)系用關(guān)聯(lián)度表示。

需要說明的是，計(jì)算向量間相似性的方法有多種，一些實(shí)施方式中，可以 計(jì)算所述向量空間中所述目標(biāo)用戶的用戶屬性向量與所述目標(biāo)物品信息的物品標(biāo)簽向量的余弦相似性，余弦相似性具有計(jì)算簡單的優(yōu)點(diǎn)。并且，余弦相似性得到的結(jié)果是一個(gè)介于0～1之間的值，不需要再進(jìn)行歸一化等處理，相似度的值越大表示用戶屬性向量與物品標(biāo)簽向量的關(guān)聯(lián)度越高。

本發(fā)明實(shí)施例中，通過計(jì)算向量間的相似性獲得所述目標(biāo)用戶的用戶屬性與所述目標(biāo)物品信息的物品標(biāo)簽的關(guān)聯(lián)度，建立起所述目標(biāo)用戶到所述目標(biāo)物品信息的關(guān)聯(lián)關(guān)系。

130、根據(jù)所述關(guān)聯(lián)關(guān)系向任一目標(biāo)用戶推薦一種或多種目標(biāo)物品。

在推薦系統(tǒng)中，用戶屬性和物品標(biāo)簽的關(guān)聯(lián)度就可以作為推薦的一個(gè)重要指標(biāo)。這個(gè)關(guān)聯(lián)度體現(xiàn)了物品標(biāo)簽和用戶屬性共現(xiàn)的程度，向量越相似，說明用戶屬性和物品標(biāo)簽更相似。

進(jìn)行信息推薦時(shí)，可以設(shè)定一個(gè)閾值，對(duì)于任一目標(biāo)用戶，將與該目標(biāo)用戶的用戶屬性的關(guān)聯(lián)度超過設(shè)定閾值的一種或多種物品標(biāo)簽表示的目標(biāo)信息推薦給該目標(biāo)用戶。

下面舉例說明：在線推薦的場(chǎng)景中，當(dāng)推薦系統(tǒng)擁有一部分新用戶，一個(gè)待推薦的物品池。其中，知道新用戶的一些基礎(chǔ)的用戶屬性，如年齡、性別、地域、學(xué)歷等。并且，可將物品池中的物品信息轉(zhuǎn)換為可用的物品標(biāo)簽，這些物品標(biāo)簽可以為物品信息的類目，或標(biāo)題分詞等。獲取了用戶屬性，物品標(biāo)簽，還有word2vec訓(xùn)練得到的向量空間，就可以給用戶推薦物品了。推薦過程包括：通過使用該向量空間中的各個(gè)用戶屬性向量與各個(gè)物品標(biāo)簽向量進(jìn)行的余弦關(guān)聯(lián)度計(jì)算，就可以獲得任意用戶屬性與任意物品標(biāo)簽之間的關(guān)聯(lián)度。從而推薦系統(tǒng)就可以給任意新用戶推薦物品池中的物品了，從而解決了推薦系統(tǒng)的冷啟動(dòng)過問題。

舉例來說，某目標(biāo)用戶的一個(gè)用戶屬性是手機(jī)型號(hào)，假設(shè)該手機(jī)型號(hào)為p1，假設(shè)某手機(jī)保護(hù)套的一個(gè)物品標(biāo)簽為保護(hù)套類型，假設(shè)該保護(hù)套類型為t1，如果該t1類型的手機(jī)保護(hù)套與該p1型號(hào)的手機(jī)的關(guān)聯(lián)度超過閾值，則可以把該t1類型的手機(jī)保護(hù)套作為待推薦物品推薦給目標(biāo)用戶。可見，該種推薦方法不需要知道目標(biāo)用戶的歷史操作行為數(shù)據(jù)。

需要說明的是，本發(fā)明實(shí)施例中，任意用戶屬性和物品標(biāo)簽只需要一個(gè)k維向量就可以表示，若推薦系統(tǒng)含有|u|個(gè)用戶屬性和|i|個(gè)物品標(biāo)簽，那么本發(fā)明實(shí)施例構(gòu)建的向量空間模型，需要|u|×k個(gè)參數(shù)表示用戶屬性，需要|i|×k個(gè)參數(shù)表示物品標(biāo)簽，一共只需要(|u|+|i|)×k個(gè)參數(shù)就可以表征整個(gè)全部用戶屬性和物品標(biāo)簽?？梢姡景l(fā)明實(shí)施例建立了一種簡單，可靠，參數(shù)少，可擴(kuò)展的泛關(guān)聯(lián)用戶和物品關(guān)系的向量空間模型。

值得說明的是，上述方法的某些過程存在多種可能的替代方案。例如，用戶對(duì)物品信息的點(diǎn)擊行為，也可以是用戶對(duì)物品信息的點(diǎn)贊，評(píng)分，購買等行為。本文中，所說的物品含義廣泛，不僅包括電商中的物品，還可以包含廣告，文章，視頻等。另外，向量相似性的計(jì)算不限于余弦相似性，還可以利用其它相似性計(jì)算方法。

可以理解，本發(fā)明實(shí)施例上述方案例如可以在計(jì)算機(jī)設(shè)備具體實(shí)施。

由上可見，在本發(fā)明的一些可行的實(shí)施方式中，提供了一種信息推薦方法，該方法可以根據(jù)歷史數(shù)據(jù)中用戶對(duì)物品信息的操作行為數(shù)據(jù)，預(yù)先構(gòu)建包括分別表示用戶屬性和物品標(biāo)簽的向量的向量空間，利用該向量空間，通過獲取目標(biāo)用戶的用戶屬性和目標(biāo)物品信息的物品標(biāo)簽在所述向量空間中各自對(duì)應(yīng)的向量，就可以通過計(jì)算向量間的相似性獲得目標(biāo)用戶的用戶屬性與目標(biāo)物品信息的物品標(biāo)簽的關(guān)聯(lián)關(guān)系，根據(jù)該關(guān)聯(lián)關(guān)系就可以進(jìn)行物品信息推薦。

可見，由于該信息推薦方法建立了用戶屬性與物品標(biāo)簽的關(guān)聯(lián)關(guān)系進(jìn)行物品信息推薦，不再是直接依賴于用戶和物品信息的關(guān)系進(jìn)行推薦，因而，不需要獲取目標(biāo)用戶的行為數(shù)據(jù)，僅僅基于歷史數(shù)據(jù)中的其它用戶的操作行為數(shù)據(jù)，就可以實(shí)現(xiàn)信息推薦，從而可以解決推薦系統(tǒng)的冷啟動(dòng)問題。

(實(shí)施例二、)為了更好的實(shí)施本發(fā)明實(shí)施例的上述方案，下面還提供用于配合實(shí)施上述方案的相關(guān)裝置。

請(qǐng)參考圖3，本發(fā)明一個(gè)實(shí)施例提供一種用戶和物品信息的關(guān)聯(lián)系統(tǒng)300，該系統(tǒng)300可包括：

構(gòu)建模塊310，用戶根據(jù)歷史數(shù)據(jù)中用戶對(duì)物品信息的操作行為數(shù)據(jù)預(yù)先構(gòu)建向量空間，所述向量空間中包括分別用于表示所述用戶的用戶屬性和所述 物品信息的物品標(biāo)簽的向量；

關(guān)聯(lián)模塊320，用于獲取目標(biāo)用戶的用戶屬性和目標(biāo)物品信息的物品標(biāo)簽在所述向量空間中各自對(duì)應(yīng)的向量，通過計(jì)算向量間的相似性獲得所述目標(biāo)用戶的用戶屬性與所述目標(biāo)物品信息的物品標(biāo)簽的關(guān)聯(lián)關(guān)系；

推薦模塊330，用于根據(jù)所述關(guān)聯(lián)關(guān)系向任一目標(biāo)用戶推薦一種或多種目標(biāo)物品信息。

在一些實(shí)施例中，所述構(gòu)建模塊310具體用于：根據(jù)歷史數(shù)據(jù)中用戶對(duì)物品信息的操作行為數(shù)據(jù)，獲取所述用戶的用戶屬性和所述物品信息的物品標(biāo)簽，將獲取的用戶屬性和物品標(biāo)簽映射到同一個(gè)向量空間中，其中，每個(gè)用戶屬性用所述向量空間中的一個(gè)用戶屬性向量表示，每個(gè)物品標(biāo)簽用所述向量空間中的一個(gè)物品標(biāo)簽向量表示。

在一些實(shí)施例中，所述構(gòu)建模塊310包括：

獲取單元3101，用于根據(jù)歷史數(shù)據(jù)中用戶對(duì)物品信息的操作行為數(shù)據(jù)，獲取所述用戶的用戶屬性和所述物品信息的物品標(biāo)簽；

轉(zhuǎn)換單元3102，用于將歷史數(shù)據(jù)中用戶對(duì)物品信息的操作行為數(shù)據(jù)，轉(zhuǎn)換為用戶屬性對(duì)物品標(biāo)簽的操作行為數(shù)據(jù)；

提取單元3103，用于從所述操作行為數(shù)據(jù)中提取用戶屬性和物品標(biāo)簽，并將提取的用戶屬性和物品標(biāo)簽打亂，組成基礎(chǔ)訓(xùn)練語料；

映射單元3104，用于利用word2vec算法對(duì)獲取的基礎(chǔ)訓(xùn)練語料進(jìn)行學(xué)習(xí)，得到表征每個(gè)用戶屬性和每個(gè)物品標(biāo)簽的向量。

在一些實(shí)施例中，所述關(guān)聯(lián)模塊320包括：

獲取單元3201，用于獲取目標(biāo)用戶的用戶屬性和目標(biāo)物品信息的物品標(biāo)簽在所述向量空間中各自對(duì)應(yīng)的向量；

計(jì)算單元3202，用于計(jì)算所述向量空間中的所述目標(biāo)用戶的用戶屬性向量與所述目標(biāo)物品信息的物品標(biāo)簽向量的相似性，得到所述目標(biāo)用戶的用戶屬性與所述目標(biāo)物品信息的物品標(biāo)簽的關(guān)聯(lián)度。

在一些實(shí)施例中，所述計(jì)算單元3202，具體用于計(jì)算所述向量空間中的所述目標(biāo)用戶的用戶屬性向量與所述目標(biāo)物品信息的物品標(biāo)簽向量的余弦相似 性。

在一些實(shí)施例中，所述建立單元3203，具體用于在目標(biāo)用戶沒有針對(duì)目標(biāo)物品信息的操作行為數(shù)據(jù)時(shí)，根據(jù)所述向量空間建立所述目標(biāo)用戶到所述目標(biāo)物品信息的關(guān)聯(lián)關(guān)系。

在一些實(shí)施例中，所述推薦模塊330，具體用于對(duì)于任一目標(biāo)用戶，將與該目標(biāo)用戶的用戶屬性的關(guān)聯(lián)度超過設(shè)定閾值的一種或多種物品標(biāo)簽表示的目標(biāo)物品信息推薦給該目標(biāo)用戶。

可以理解，本發(fā)明實(shí)施例系統(tǒng)的各個(gè)功能模塊的功能可根據(jù)上述方法實(shí)施例中的方法具體實(shí)現(xiàn)，其具體實(shí)現(xiàn)過程可參照上述方法實(shí)施例中的相關(guān)描述，此處不再贅述。

由上可見，在本發(fā)明的一些可行的實(shí)施方式中，可以根據(jù)歷史數(shù)據(jù)中用戶對(duì)物品信息的操作行為數(shù)據(jù)，構(gòu)建包括分別表示用戶屬性和物品標(biāo)簽的向量的向量空間，利用該向量空間，通過獲取目標(biāo)用戶的用戶屬性和目標(biāo)物品信息的物品標(biāo)簽在所述向量空間中各自對(duì)應(yīng)的向量，就可以通過計(jì)算向量間的相似性獲得目標(biāo)用戶的用戶屬性與目標(biāo)物品信息的物品標(biāo)簽的關(guān)聯(lián)關(guān)系，根據(jù)該關(guān)聯(lián)關(guān)系就可以進(jìn)行物品信息推薦。

可見，由于建立了用戶屬性與物品標(biāo)簽的關(guān)聯(lián)關(guān)系進(jìn)行信息推薦，不再是直接依賴于用戶和物品信息的關(guān)系進(jìn)行推薦，因而，不需要獲取目標(biāo)用戶的行為數(shù)據(jù)，僅僅基于歷史數(shù)據(jù)中的其它用戶的操作行為數(shù)據(jù)，就可以實(shí)現(xiàn)信息推薦，從而可以解決推薦系統(tǒng)的冷啟動(dòng)問題。

(實(shí)施例三、)請(qǐng)參考圖4，本發(fā)明實(shí)施例還提供一種計(jì)算機(jī)設(shè)備400；

該計(jì)算機(jī)設(shè)備400可包括：處理器401和存儲(chǔ)器402，所述存儲(chǔ)器402用于存儲(chǔ)程序403，所述處理器401與所述存儲(chǔ)器402通過總線404連接，當(dāng)所述計(jì)算機(jī)設(shè)備400運(yùn)行時(shí)，所述處理器401執(zhí)行所述存儲(chǔ)器402存儲(chǔ)的所述程序403，以使所述計(jì)算機(jī)設(shè)備400執(zhí)行如上文方法實(shí)施例所述的信息推薦方法。

(實(shí)施例四、)本發(fā)明實(shí)施例還提供一種計(jì)算機(jī)存儲(chǔ)介質(zhì)，該計(jì)算機(jī)存儲(chǔ)介質(zhì)可存儲(chǔ)有程序，該程序執(zhí)行時(shí)包括上述方法實(shí)施例中記載的信息推薦方法 的部分或全部步驟。

在上述實(shí)施例中，對(duì)各個(gè)實(shí)施例的描述都各有側(cè)重，某個(gè)實(shí)施例中沒有詳細(xì)描述的部分，可以參見其它實(shí)施例的相關(guān)描述。

需要說明的是，對(duì)于前述的各方法實(shí)施例，為了簡單描述，故將其都表述為一系列的動(dòng)作組合，但是本領(lǐng)域技術(shù)人員應(yīng)該知悉，本發(fā)明并不受所描述動(dòng)作順序的限制，因?yàn)橐罁?jù)本發(fā)明，某些步驟可以采用其它順序或者同時(shí)進(jìn)行。其次，本領(lǐng)域技術(shù)人員也應(yīng)該知悉，說明書中所描述的實(shí)施例均屬于優(yōu)選實(shí)施例，所涉及的動(dòng)作和模塊并不一定是本發(fā)明所必須的。

本領(lǐng)域普通技術(shù)人員可以理解上述實(shí)施例的各種方法中的全部或部分步驟是可以通過程序來指令相關(guān)的硬件來完成，該程序可以存儲(chǔ)于一計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)中，存儲(chǔ)介質(zhì)可以包括：rom、ram、磁盤或光盤等。

以上對(duì)本發(fā)明實(shí)施例所提供的信息推薦方法及系統(tǒng)進(jìn)行了詳細(xì)介紹，本文中應(yīng)用了具體個(gè)例對(duì)本發(fā)明的原理及實(shí)施方式進(jìn)行了闡述，以上實(shí)施例的說明只是用于幫助理解本發(fā)明的方法及其核心思想；同時(shí)，對(duì)于本領(lǐng)域的一般技術(shù)人員，依據(jù)本發(fā)明的思想，在具體實(shí)施方式及應(yīng)用范圍上均會(huì)有改變之處，綜上所述，本說明書內(nèi)容不應(yīng)理解為對(duì)本發(fā)明的限制。