本發(fā)明涉及通信
技術(shù)領(lǐng)域：
，尤其涉及一種基于用戶行為的信息推薦方法及裝置。
背景技術(shù)：
：個(gè)性化推薦是根據(jù)用戶的興趣特點(diǎn)和購(gòu)買行為，向用戶推薦用戶感興趣的信息和商品。隨著電子商務(wù)規(guī)模的不斷擴(kuò)大，商品個(gè)數(shù)和種類快速增長(zhǎng)，顧客需要花費(fèi)大量的時(shí)間才能找到自己想買的商品。這種瀏覽大量無關(guān)的信息和產(chǎn)品過程無疑會(huì)使淹沒在信息過載問題中的消費(fèi)者不斷流失。為了解決這些問題，個(gè)性化推薦系統(tǒng)應(yīng)運(yùn)而生?，F(xiàn)有的一些信息網(wǎng)站如招聘網(wǎng)站提供的信息數(shù)據(jù)量大，用戶從信息網(wǎng)站提供的大量數(shù)據(jù)中，找到自己需要和喜好的數(shù)據(jù)或內(nèi)容，逐漸變得越來越難，以招聘網(wǎng)站為例，如何在用戶進(jìn)入某個(gè)職位詳情頁面后，可以為其推薦與當(dāng)前職位可能存在關(guān)聯(lián)關(guān)系的其他職位信息，是一個(gè)亟需解決的問題。技術(shù)實(shí)現(xiàn)要素：本發(fā)明提供一種基于用戶行為的信息推薦方法及裝置，以解決如何為用戶推薦與用戶當(dāng)前瀏覽職位存在關(guān)聯(lián)關(guān)系的其他職位信息的問題。第一方面，本發(fā)明提供一種基于用戶行為的信息推薦方法，包括：從網(wǎng)站的流量日志中獲取預(yù)設(shè)時(shí)間內(nèi)的瀏覽日志信息，并從所述瀏覽日志信息中提取出瀏覽職位信息，所述瀏覽職位信息包括用戶標(biāo)識(shí)和用戶所瀏覽的職位的職位標(biāo)識(shí)和瀏覽時(shí)間；根據(jù)所述瀏覽時(shí)間從所述瀏覽職位信息中確定每一用戶標(biāo)識(shí)對(duì)應(yīng)的職位標(biāo)識(shí)集合，所述職位標(biāo)識(shí)集合中的職位標(biāo)識(shí)按照時(shí)間先后順序連續(xù)；根據(jù)關(guān)聯(lián)分析算法和所有用戶標(biāo)識(shí)對(duì)應(yīng)的職位標(biāo)識(shí)集合生成推薦信息，所述推薦信息包括每一職位標(biāo)識(shí)對(duì)應(yīng)的關(guān)聯(lián)職位標(biāo)識(shí)集合。進(jìn)一步地，所述根據(jù)所述瀏覽時(shí)間從所述瀏覽職位信息中確定每一用戶標(biāo)識(shí)對(duì)應(yīng)的職位標(biāo)識(shí)集合之前，還包括：將所述瀏覽職位信息中日平均職位標(biāo)識(shí)數(shù)量小于預(yù)設(shè)值的用戶數(shù)據(jù)刪除，所述用戶數(shù)據(jù)包括用戶標(biāo)識(shí)、職位標(biāo)識(shí)和瀏覽時(shí)間?？蛇x的，所述關(guān)聯(lián)分析算法為fp-growth算法，所述根據(jù)關(guān)聯(lián)分析算法和所有用戶標(biāo)識(shí)對(duì)應(yīng)的職位標(biāo)識(shí)集合生成推薦信息，包括：將所有用戶標(biāo)識(shí)對(duì)應(yīng)的職位標(biāo)識(shí)集合轉(zhuǎn)換為fp-growth算法所需格式的數(shù)據(jù)；將轉(zhuǎn)換格式后的數(shù)據(jù)輸入到fp-growth算法中，通過fp-growth算法生成每一職位標(biāo)識(shí)對(duì)應(yīng)的初始關(guān)聯(lián)職位標(biāo)識(shí)集合；將同一職位標(biāo)識(shí)對(duì)應(yīng)的初始關(guān)聯(lián)職位標(biāo)識(shí)集合合并，對(duì)合并后的每一集合按照職位標(biāo)識(shí)重復(fù)出現(xiàn)次數(shù)從大到小進(jìn)行排序，生成最終的關(guān)聯(lián)職位標(biāo)識(shí)集合。可選的，還包括：接收用戶的職位訪問請(qǐng)求；根據(jù)所述職位訪問請(qǐng)求攜帶的職位標(biāo)識(shí)從所述推薦信息中確定所述職位標(biāo)識(shí)對(duì)應(yīng)的關(guān)聯(lián)職位標(biāo)識(shí)集合，展示所獲取的關(guān)聯(lián)職位標(biāo)識(shí)集合。第二方面，本發(fā)明提供一種基于用戶行為的信息推薦裝置，包括：信息獲取模塊，用于從網(wǎng)站的流量日志中獲取預(yù)設(shè)時(shí)間內(nèi)的瀏覽日志信息，并從所述瀏覽日志信息中提取出瀏覽職位信息，所述瀏覽職位信息包括用戶標(biāo)識(shí)和用戶所瀏覽的職位的職位標(biāo)識(shí)和瀏覽時(shí)間；確定模塊，用于根據(jù)所述瀏覽時(shí)間從所述瀏覽職位信息中確定每一用戶標(biāo)識(shí)對(duì)應(yīng)的職位標(biāo)識(shí)集合，所述職位標(biāo)識(shí)集合中的職位標(biāo)識(shí)按照時(shí)間先后順序連續(xù)；處理模塊，用于根據(jù)關(guān)聯(lián)分析算法和所有用戶標(biāo)識(shí)對(duì)應(yīng)的職位標(biāo)識(shí)集合生成推薦信息，所述推薦信息包括每一職位標(biāo)識(shí)對(duì)應(yīng)的關(guān)聯(lián)職位標(biāo)識(shí)集合。進(jìn)一步地，還包括：刪除模塊，用于在所述確定模塊根據(jù)所述瀏覽時(shí)間從所述瀏覽職位信息中確定每一用戶標(biāo)識(shí)對(duì)應(yīng)的職位標(biāo)識(shí)集合之前，將所述瀏覽職位信息中日平均職位標(biāo)識(shí)數(shù)量小于預(yù)設(shè)值的用戶數(shù)據(jù)刪除，所述用戶數(shù)據(jù)包括用戶標(biāo)識(shí)、職位標(biāo)識(shí)和瀏覽時(shí)間?？蛇x的，所述關(guān)聯(lián)分析算法為fp-growth算法，所述處理模塊具體用于：將所有用戶標(biāo)識(shí)對(duì)應(yīng)的職位標(biāo)識(shí)集合轉(zhuǎn)換為fp-growth算法所需格式的數(shù)據(jù)；將轉(zhuǎn)換格式后的數(shù)據(jù)輸入到fp-growth算法中，通過fp-growth算法生成每一職位標(biāo)識(shí)對(duì)應(yīng)的初始關(guān)聯(lián)職位標(biāo)識(shí)集合；將同一職位標(biāo)識(shí)對(duì)應(yīng)的初始關(guān)聯(lián)職位標(biāo)識(shí)集合合并，對(duì)合并后的每一集合按照職位標(biāo)識(shí)重復(fù)出現(xiàn)次數(shù)從大到小進(jìn)行排序，生成最終的關(guān)聯(lián)職位標(biāo)識(shí)集合。可選的，還包括：接收模塊，用于接收用戶的職位訪問請(qǐng)求；展示模塊，用于根據(jù)所述職位訪問請(qǐng)求攜帶的職位標(biāo)識(shí)從所述推薦信息中確定所述職位標(biāo)識(shí)對(duì)應(yīng)的關(guān)聯(lián)職位標(biāo)識(shí)集合，展示所獲取的關(guān)聯(lián)職位標(biāo)識(shí)集合。本發(fā)明提供的基于用戶行為的信息推薦方法及裝置，通過從網(wǎng)站的流量日志中獲取預(yù)設(shè)時(shí)間內(nèi)的瀏覽日志信息，并從瀏覽日志信息中提取出瀏覽職位信息，瀏覽職位信息包括用戶標(biāo)識(shí)和用戶所瀏覽的職位的職位標(biāo)識(shí)和瀏覽時(shí)間，根據(jù)瀏覽時(shí)間從瀏覽職位信息中確定每一用戶標(biāo)識(shí)對(duì)應(yīng)的職位標(biāo)識(shí)集合，職位標(biāo)識(shí)集合中的職位標(biāo)識(shí)按照時(shí)間先后順序連續(xù)，最后根據(jù)關(guān)聯(lián)分析算法和所有用戶標(biāo)識(shí)對(duì)應(yīng)的職位標(biāo)識(shí)集合生成每一職位標(biāo)識(shí)對(duì)應(yīng)的關(guān)聯(lián)職位標(biāo)識(shí)集合，從而，可實(shí)現(xiàn)為用戶推薦與用戶當(dāng)前瀏覽職位存在關(guān)聯(lián)關(guān)系的其他職位信息，使用戶能夠快速的找到點(diǎn)了某一職位的人還點(diǎn)擊過哪些其他的職位，幫助用戶快速找尋找相關(guān)職位，從而根本上提高職位的曝光幾率，增加網(wǎng)站的職位投遞率。附圖說明為了更清楚地說明本發(fā)明或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對(duì)實(shí)施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作一簡(jiǎn)單地介紹，顯而易見地，下面描述中的附圖是本發(fā)明的一些實(shí)施例，對(duì)于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動(dòng)性的前提下，還可以根據(jù)這些附圖獲得其他的附圖。圖1為本發(fā)明基于用戶行為的信息推薦方法實(shí)施例一的流程圖；圖2為本發(fā)明基于用戶行為的信息推薦方法實(shí)施例二的流程圖；圖3為本發(fā)明基于用戶行為的信息推薦裝置實(shí)施例一的結(jié)構(gòu)示意圖；圖4為本發(fā)明基于用戶行為的信息推薦裝置實(shí)施例二的結(jié)構(gòu)示意圖；圖5為本發(fā)明基于用戶行為的信息推薦裝置實(shí)施例三的結(jié)構(gòu)示意圖。具體實(shí)施方式為使本發(fā)明的目的、技術(shù)方案和優(yōu)點(diǎn)更加清楚，下面將結(jié)合本發(fā)明中的附圖，對(duì)本發(fā)明中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施例是本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例。基于本發(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，都屬于本發(fā)明保護(hù)的范圍。圖1為本發(fā)明基于用戶行為的信息推薦方法實(shí)施例一的流程圖，本實(shí)施例中的執(zhí)行主體可以為客戶端，如圖1所示，本實(shí)施例的方法可以包括：s101、從網(wǎng)站的流量日志中獲取預(yù)設(shè)時(shí)間內(nèi)的瀏覽日志信息，并從瀏覽日志信息中提取出瀏覽職位信息，瀏覽職位信息包括用戶標(biāo)識(shí)和用戶所瀏覽的職位的職位標(biāo)識(shí)和瀏覽時(shí)間。具體來說，一般從網(wǎng)站的流量日志中可以獲取所有用戶的招聘業(yè)務(wù)線的職位詳情頁點(diǎn)擊行為，即就是瀏覽日志信息，但是用戶的點(diǎn)擊瀏覽行為是按照時(shí)間順序累計(jì)的，從業(yè)務(wù)角度出發(fā)，考慮到用戶一般會(huì)在一個(gè)周期內(nèi)連續(xù)的進(jìn)行相關(guān)職位的查看，且職位有效期一般最多為半年，所以在選取瀏覽日志信息時(shí)，只選取預(yù)設(shè)時(shí)間內(nèi)的，例如選取1個(gè)月內(nèi)的瀏覽日志信息，時(shí)間周期為當(dāng)日起一個(gè)月。從瀏覽日志信息中提取出瀏覽職位信息，瀏覽職位信息包括用戶標(biāo)識(shí)和用戶所瀏覽的職位的職位標(biāo)識(shí)和瀏覽時(shí)間，例如有兩個(gè)用戶a和b，用戶a和用戶b在不同日期瀏覽的職位的職位標(biāo)識(shí)如下表一所示。表一瀏覽職位信息s102、根據(jù)瀏覽時(shí)間從瀏覽職位信息中確定每一用戶標(biāo)識(shí)對(duì)應(yīng)的職位標(biāo)識(shí)集合，職位標(biāo)識(shí)集合中的職位標(biāo)識(shí)按照時(shí)間先后順序連續(xù)。具體地，以表一所示為例，根據(jù)瀏覽時(shí)間先后順序確定出用戶a的職位標(biāo)識(shí)集合為[1，2，3，4，6，9，10，11，2，7，4，7，8，9，10，19，22，32]，據(jù)瀏覽時(shí)間先后順序確定出用戶b的職位標(biāo)識(shí)集合為[1，3，5，6，5]。可選的，在根據(jù)瀏覽時(shí)間從瀏覽職位信息中確定每一用戶標(biāo)識(shí)對(duì)應(yīng)的職位標(biāo)識(shí)集合之前，還可以包括：將瀏覽職位信息中日平均職位標(biāo)識(shí)數(shù)量小于預(yù)設(shè)值的用戶數(shù)據(jù)刪除，用戶數(shù)據(jù)包括用戶標(biāo)識(shí)、職位標(biāo)識(shí)和瀏覽時(shí)間，預(yù)設(shè)值例如為5。通過數(shù)據(jù)分析可以得出，大多進(jìn)行投遞簡(jiǎn)歷的用戶，每天平均的正常瀏覽職位會(huì)在5個(gè)以上，因此，可以從瀏覽職位信息中，進(jìn)行二次清洗，將平均日瀏覽量低于5的用戶數(shù)據(jù)刪除掉，可進(jìn)一步提高推薦信息的準(zhǔn)確度。例如，進(jìn)行了該刪除處理后，用戶b的平均日瀏覽量低于5，用戶b的數(shù)據(jù)被刪除掉。s103、根據(jù)關(guān)聯(lián)分析算法和所有用戶標(biāo)識(shí)對(duì)應(yīng)的職位標(biāo)識(shí)集合生成推薦信息，推薦信息包括每一職位標(biāo)識(shí)對(duì)應(yīng)的關(guān)聯(lián)職位標(biāo)識(shí)集合。具體來說，在一個(gè)連續(xù)的瀏覽周期內(nèi)，用戶點(diǎn)擊的所有職位之間都具有相互的關(guān)聯(lián)性，因此可選擇一關(guān)聯(lián)分析算法，根據(jù)關(guān)聯(lián)分析算法和所有用戶標(biāo)識(shí)對(duì)應(yīng)的職位標(biāo)識(shí)集合生成推薦信息，推薦信息包括每一職位標(biāo)識(shí)對(duì)應(yīng)的關(guān)聯(lián)職位標(biāo)識(shí)集合，在其他用戶(或者該用戶再次)點(diǎn)擊推薦信息中的任一職位標(biāo)識(shí)對(duì)應(yīng)的職位時(shí)，可從推薦信息中確定職位標(biāo)識(shí)對(duì)應(yīng)的關(guān)聯(lián)職位標(biāo)識(shí)集合，展示給用戶。進(jìn)一步地，在s103之后還包括：接收用戶的職位訪問請(qǐng)求，根據(jù)職位訪問請(qǐng)求攜帶的職位標(biāo)識(shí)從推薦信息中確定職位標(biāo)識(shí)對(duì)應(yīng)的關(guān)聯(lián)職位標(biāo)識(shí)集合，展示所獲取的關(guān)聯(lián)職位標(biāo)識(shí)集合。例如，用戶進(jìn)入某個(gè)職位詳情頁時(shí)，可對(duì)用戶展示名為“看了此職位的人還看了哪些職位”的推薦位，其中推薦位中的數(shù)據(jù)應(yīng)用最終生成的關(guān)聯(lián)職位標(biāo)識(shí)集合中的數(shù)據(jù)即可。從而使用戶能夠快速的找到點(diǎn)了某一職位的人還點(diǎn)擊過哪些其他的職位，幫助用戶快速找尋找相關(guān)職位，從而根本上提高職位的曝光幾率，增加網(wǎng)站的職位投遞率?？蛇x的，關(guān)聯(lián)分析算法可選擇fp-growth算法，fp-growth算法是一種關(guān)聯(lián)分析算法，它采取如下分治策略：將提供頻繁項(xiàng)集的數(shù)據(jù)庫(kù)壓縮到一棵頻繁模式樹(fp-tree)，但仍保留項(xiàng)集關(guān)聯(lián)信息。在算法中使用了一種稱為頻繁模式樹(frequentpatterntree)的數(shù)據(jù)結(jié)構(gòu)。fp-tree是一種特殊的前綴樹，由頻繁項(xiàng)頭表和項(xiàng)前綴樹構(gòu)成。fp-growth算法基于以上的結(jié)構(gòu)加快整個(gè)挖掘過程，相應(yīng)地，s103具體可以包括：s1031、將所有用戶標(biāo)識(shí)對(duì)應(yīng)的職位標(biāo)識(shí)集合轉(zhuǎn)換為fp-growth算法所需格式的數(shù)據(jù)。例如，轉(zhuǎn)換格式后的數(shù)據(jù)如下表二所示：表二職位標(biāo)識(shí)集合1，2，3，4，6，9，10，11，2，7，4，7，8，9，10，19，22，321，2，3，5，7，9，78，3，13，34，124s1032、將轉(zhuǎn)換格式后的數(shù)據(jù)輸入到fp-growth算法中，通過fp-growth算法生成每一職位標(biāo)識(shí)對(duì)應(yīng)的初始關(guān)聯(lián)職位標(biāo)識(shí)集合。本實(shí)施例中，可以使用sparkmllib作為算法模型的運(yùn)行平臺(tái)，在將轉(zhuǎn)換格式后的數(shù)據(jù)輸入到fp-growth算法中之前，需要對(duì)算法計(jì)算模型進(jìn)行參數(shù)設(shè)置，需要設(shè)置最小支持度(minsupport)和最小置信度(minconfidence)，最終的數(shù)據(jù)結(jié)果需要完全符合支持度和置信度要求。置信度是指在出現(xiàn)了物品集a的事務(wù)t中，物品集b也同時(shí)出現(xiàn)的概率有多大，置信度的取值為0～1區(qū)間的任意數(shù)值，支持度反映了“物品集a的出現(xiàn)”對(duì)物品集b的出現(xiàn)概率發(fā)生了多大的變化。通過fp-growth算法生成每一職位標(biāo)識(shí)對(duì)應(yīng)的初始關(guān)聯(lián)職位標(biāo)識(shí)集合例如如下表三所示，其中的置信度都為1。表三s1033、將同一職位標(biāo)識(shí)對(duì)應(yīng)的初始關(guān)聯(lián)職位標(biāo)識(shí)集合合并，對(duì)合并后的每一集合按照職位標(biāo)識(shí)重復(fù)出現(xiàn)次數(shù)從大到小進(jìn)行排序，生成最終的關(guān)聯(lián)職位標(biāo)識(shí)集合。以表三所示的為例，職位1的初始關(guān)聯(lián)集合為[2，3，4]，職位2的初始關(guān)聯(lián)集合為[1，3，4]，職位3的初始關(guān)聯(lián)集合為[1，2，4]，這種情況會(huì)降低職位的曝光，且過多的推薦位會(huì)出現(xiàn)雷同的職位信息，為了優(yōu)化這種問題，將同一職位標(biāo)識(shí)對(duì)應(yīng)的初始關(guān)聯(lián)職位標(biāo)識(shí)集合合并，對(duì)合并后的每一集合按照職位標(biāo)識(shí)重復(fù)出現(xiàn)次數(shù)從大到小進(jìn)行排序，生成最終的關(guān)聯(lián)職位標(biāo)識(shí)集合。以表三所示職位標(biāo)識(shí)為“1”為例，職位標(biāo)識(shí)為“1”的職位對(duì)應(yīng)有3個(gè)初始關(guān)聯(lián)職位標(biāo)識(shí)集合，將這3個(gè)初始關(guān)聯(lián)職位標(biāo)識(shí)集合合并，合并后的集合按照職位標(biāo)識(shí)重復(fù)出現(xiàn)次數(shù)從大到小進(jìn)行排序，合并后的結(jié)合如表四所示表四職位標(biāo)識(shí)關(guān)聯(lián)職位標(biāo)識(shí)集合及出現(xiàn)次數(shù)17：2，2：1，3：1，4：1，6：1其中職位標(biāo)識(shí)“7”出現(xiàn)2次，職位標(biāo)識(shí)“2”、“3”、“4”、“6”均出現(xiàn)1次，生成最終的關(guān)聯(lián)職位標(biāo)識(shí)集合為[7，2，3，4，6]。本實(shí)施例提供的基于用戶行為的信息推薦方法，通過從網(wǎng)站的流量日志中獲取預(yù)設(shè)時(shí)間內(nèi)的瀏覽日志信息，并從瀏覽日志信息中提取出瀏覽職位信息，瀏覽職位信息包括用戶標(biāo)識(shí)和用戶所瀏覽的職位的職位標(biāo)識(shí)和瀏覽時(shí)間，根據(jù)瀏覽時(shí)間從瀏覽職位信息中確定每一用戶標(biāo)識(shí)對(duì)應(yīng)的職位標(biāo)識(shí)集合，職位標(biāo)識(shí)集合中的職位標(biāo)識(shí)按照時(shí)間先后順序連續(xù)，最后根據(jù)關(guān)聯(lián)分析算法和所有用戶標(biāo)識(shí)對(duì)應(yīng)的職位標(biāo)識(shí)集合生成每一職位標(biāo)識(shí)對(duì)應(yīng)的關(guān)聯(lián)職位標(biāo)識(shí)集合，從而，可實(shí)現(xiàn)為用戶推薦與用戶當(dāng)前瀏覽職位存在關(guān)聯(lián)關(guān)系的其他職位信息，使用戶能夠快速的找到點(diǎn)了某一職位的人還點(diǎn)擊過哪些其他的職位，幫助用戶快速找尋找相關(guān)職位，從而根本上提高職位的曝光幾率，增加網(wǎng)站的職位投遞率。下面采用一個(gè)具體的實(shí)施例，對(duì)圖1所示方法實(shí)施例的技術(shù)方案進(jìn)行詳細(xì)說明。圖2為本發(fā)明基于用戶行為的信息推薦方法實(shí)施例二的流程圖，如圖2所示，本實(shí)施例的方法可以包括：s201、從網(wǎng)站的流量日志中獲取預(yù)設(shè)時(shí)間內(nèi)的瀏覽日志信息，并從瀏覽日志信息中提取出瀏覽職位信息，瀏覽職位信息包括用戶標(biāo)識(shí)和用戶所瀏覽的職位的職位標(biāo)識(shí)和瀏覽時(shí)間。s202、將瀏覽職位信息中日平均職位標(biāo)識(shí)數(shù)量小于預(yù)設(shè)值的用戶數(shù)據(jù)刪除，用戶數(shù)據(jù)包括用戶標(biāo)識(shí)、職位標(biāo)識(shí)和瀏覽時(shí)間。s203、根據(jù)瀏覽時(shí)間從瀏覽職位信息中確定每一用戶標(biāo)識(shí)對(duì)應(yīng)的職位標(biāo)識(shí)集合，職位標(biāo)識(shí)集合中的職位標(biāo)識(shí)按照時(shí)間先后順序連續(xù)。s204、將所有用戶標(biāo)識(shí)對(duì)應(yīng)的職位標(biāo)識(shí)集合轉(zhuǎn)換為fp-growth算法所需格式的數(shù)據(jù)。s205、將轉(zhuǎn)換格式后的數(shù)據(jù)輸入到fp-growth算法中，通過fp-growth算法生成每一職位標(biāo)識(shí)對(duì)應(yīng)的初始關(guān)聯(lián)職位標(biāo)識(shí)集合。s206、將同一職位標(biāo)識(shí)對(duì)應(yīng)的初始關(guān)聯(lián)職位標(biāo)識(shí)集合合并，對(duì)合并后的每一集合按照職位標(biāo)識(shí)重復(fù)出現(xiàn)次數(shù)從大到小進(jìn)行排序，生成最終的關(guān)聯(lián)職位標(biāo)識(shí)集合。圖3為本發(fā)明基于用戶行為的信息推薦裝置實(shí)施例一的結(jié)構(gòu)示意圖，如圖3所示，本實(shí)施例的裝置可以包括：信息獲取模塊11，用于從網(wǎng)站的流量日志中獲取預(yù)設(shè)時(shí)間內(nèi)的瀏覽日志信息，并從瀏覽日志信息中提取出瀏覽職位信息，瀏覽職位信息包括用戶標(biāo)識(shí)和用戶所瀏覽的職位的職位標(biāo)識(shí)和瀏覽時(shí)間。確定模塊12，用于根據(jù)瀏覽時(shí)間從瀏覽職位信息中確定每一用戶標(biāo)識(shí)對(duì)應(yīng)的職位標(biāo)識(shí)集合，職位標(biāo)識(shí)集合中的職位標(biāo)識(shí)按照時(shí)間先后順序連續(xù)。處理模塊13，用于根據(jù)關(guān)聯(lián)分析算法和所有用戶標(biāo)識(shí)對(duì)應(yīng)的職位標(biāo)識(shí)集合生成推薦信息，推薦信息包括每一職位標(biāo)識(shí)對(duì)應(yīng)的關(guān)聯(lián)職位標(biāo)識(shí)集合。本實(shí)施例的裝置，可以用于執(zhí)行圖1所示方法實(shí)施例的技術(shù)方案，其實(shí)現(xiàn)原理類似，此處不再贅述。本實(shí)施例提供的基于用戶行為的信息推薦裝置，通過從網(wǎng)站的流量日志中獲取預(yù)設(shè)時(shí)間內(nèi)的瀏覽日志信息，并從瀏覽日志信息中提取出瀏覽職位信息，瀏覽職位信息包括用戶標(biāo)識(shí)和用戶所瀏覽的職位的職位標(biāo)識(shí)和瀏覽時(shí)間，根據(jù)瀏覽時(shí)間從瀏覽職位信息中確定每一用戶標(biāo)識(shí)對(duì)應(yīng)的職位標(biāo)識(shí)集合，職位標(biāo)識(shí)集合中的職位標(biāo)識(shí)按照時(shí)間先后順序連續(xù)，最后根據(jù)關(guān)聯(lián)分析算法和所有用戶標(biāo)識(shí)對(duì)應(yīng)的職位標(biāo)識(shí)集合生成每一職位標(biāo)識(shí)對(duì)應(yīng)的關(guān)聯(lián)職位標(biāo)識(shí)集合，從而，可實(shí)現(xiàn)為用戶推薦與用戶當(dāng)前瀏覽職位存在關(guān)聯(lián)關(guān)系的其他職位信息，使用戶能夠快速的找到點(diǎn)了某一職位的人還點(diǎn)擊過哪些其他的職位，幫助用戶快速找尋找相關(guān)職位，從而根本上提高職位的曝光幾率，增加網(wǎng)站的職位投遞率。圖4為本發(fā)明基于用戶行為的信息推薦裝置實(shí)施例二的結(jié)構(gòu)示意圖，如圖4所示，本實(shí)施例的裝置在圖3所示的裝置的基礎(chǔ)上，進(jìn)一步地，還可以包括：刪除模塊14，該刪除模塊14用于在確定模塊12根據(jù)瀏覽時(shí)間從瀏覽職位信息中確定每一用戶標(biāo)識(shí)對(duì)應(yīng)的職位標(biāo)識(shí)集合之前，將瀏覽職位信息中日平均職位標(biāo)識(shí)數(shù)量小于預(yù)設(shè)值的用戶數(shù)據(jù)刪除，用戶數(shù)據(jù)包括用戶標(biāo)識(shí)、職位標(biāo)識(shí)和瀏覽時(shí)間。在上述實(shí)施例中，可選的，關(guān)聯(lián)分析算法為fp-growth算法，處理模塊13具體用于：將所有用戶標(biāo)識(shí)對(duì)應(yīng)的職位標(biāo)識(shí)集合轉(zhuǎn)換為fp-growth算法所需格式的數(shù)據(jù)，將轉(zhuǎn)換格式后的數(shù)據(jù)輸入到fp-growth算法中，通過fp-growth算法生成每一職位標(biāo)識(shí)對(duì)應(yīng)的初始關(guān)聯(lián)職位標(biāo)識(shí)集合，將同一職位標(biāo)識(shí)對(duì)應(yīng)的初始關(guān)聯(lián)職位標(biāo)識(shí)集合合并，對(duì)合并后的每一集合按照職位標(biāo)識(shí)重復(fù)出現(xiàn)次數(shù)從大到小進(jìn)行排序，生成最終的關(guān)聯(lián)職位標(biāo)識(shí)集合。本實(shí)施例的裝置，可以用于執(zhí)行圖1所示方法實(shí)施例的技術(shù)方案，其實(shí)現(xiàn)原理類似，此處不再贅述。圖5為本發(fā)明基于用戶行為的信息推薦裝置實(shí)施例三的結(jié)構(gòu)示意圖，如圖5所示，本實(shí)施例的裝置在圖4所示的裝置的基礎(chǔ)上，進(jìn)一步地，還可以包括：接收模塊15和展示模塊16，其中，接收模塊15用于接收用戶的職位訪問請(qǐng)求。展示模塊16用于根據(jù)職位訪問請(qǐng)求攜帶的職位標(biāo)識(shí)從推薦信息中確定職位標(biāo)識(shí)對(duì)應(yīng)的關(guān)聯(lián)職位標(biāo)識(shí)集合，展示所獲取的關(guān)聯(lián)職位標(biāo)識(shí)集合。本實(shí)施例的裝置，可以用于執(zhí)行圖1所示方法實(shí)施例的技術(shù)方案，其實(shí)現(xiàn)原理類似，此處不再贅述。本領(lǐng)域普通技術(shù)人員可以理解：實(shí)現(xiàn)上述各方法實(shí)施例的全部或部分步驟可以通過程序指令相關(guān)的硬件來完成。前述的程序可以存儲(chǔ)于一計(jì)算機(jī)可讀取存儲(chǔ)介質(zhì)中。該程序在執(zhí)行時(shí)，執(zhí)行包括上述各方法實(shí)施例的步驟；而前述的存儲(chǔ)介質(zhì)包括：rom、ram、磁碟或者光盤等各種可以存儲(chǔ)程序代碼的介質(zhì)。最后應(yīng)說明的是：以上各實(shí)施例僅用以說明本發(fā)明的技術(shù)方案，而非對(duì)其限制；盡管參照前述各實(shí)施例對(duì)本發(fā)明進(jìn)行了詳細(xì)的說明，本領(lǐng)域的普通技術(shù)人員應(yīng)當(dāng)理解：其依然可以對(duì)前述各實(shí)施例所記載的技術(shù)方案進(jìn)行修改，或者對(duì)其中部分或者全部技術(shù)特征進(jìn)行等同替換；而這些修改或者替換，并不使相應(yīng)技術(shù)方案的本質(zhì)脫離本發(fā)明各實(shí)施例技術(shù)方案的范圍。當(dāng)前第1頁12