微博推薦方法和終端的制作方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明實(shí)施例涉及信息技術(shù)領(lǐng)域，尤其涉及一種微博推薦方法和終端。
【背景技術(shù)】
[0002] 微博已成為人們?nèi)粘Ｉ畹囊徊糠郑梢詽M足人們各方面的需求，如信息、社交和 休閑等。對(duì)于微博來(lái)說(shuō)，及時(shí)恰當(dāng)?shù)赝扑]滿足用戶需求的微博產(chǎn)品，如微博話題、微博音樂(lè) 和微博商品等，可以極大地提高用戶對(duì)微博的依賴性。
[0003] 現(xiàn)有技術(shù)中，為了找到滿足用戶需求的產(chǎn)品，微博會(huì)對(duì)用戶網(wǎng)頁(yè)端的數(shù)據(jù)進(jìn)行簡(jiǎn) 單規(guī)則的統(tǒng)計(jì)，進(jìn)而提供用戶個(gè)性化的微博產(chǎn)品的推薦，但由于用戶網(wǎng)頁(yè)端的數(shù)據(jù)類型單 一，對(duì)其進(jìn)行簡(jiǎn)單的統(tǒng)計(jì)并不能準(zhǔn)確的得出比較能滿足用戶需求的微博產(chǎn)品，導(dǎo)致用戶體 驗(yàn)性差。

【發(fā)明內(nèi)容】

[0004] 本發(fā)明實(shí)施例提供一種微博推薦方法和終端，用以實(shí)現(xiàn)向用戶推送比較能滿足用 戶需求的微博產(chǎn)品，使用戶獲得更好的體驗(yàn)。
[0005] 第一方面，本發(fā)明實(shí)施例提供了一種微博推薦方法，包括：
[0006] 獲取終端的第一狀態(tài)感知數(shù)據(jù)；
[0007] 將所述第一狀態(tài)感知數(shù)據(jù)按照數(shù)據(jù)類別模型進(jìn)行分類，并獲得分類結(jié)果；
[0008] 根據(jù)預(yù)設(shè)的計(jì)算規(guī)則對(duì)所述分類結(jié)果進(jìn)行統(tǒng)計(jì)，確定第一興趣狀態(tài)數(shù)據(jù)；
[0009] 根據(jù)微博推薦模型，確定所述第一興趣狀態(tài)數(shù)據(jù)對(duì)應(yīng)的微博產(chǎn)品，并向用戶推薦 所述微博產(chǎn)品。
[0010] 結(jié)合第一方面，在第一方面的第一種實(shí)施方式中，所述將所述第一狀態(tài)感知數(shù)據(jù) 按照數(shù)據(jù)類別模型進(jìn)行分類之前還包括：
[0011] 按照預(yù)設(shè)的采集頻率對(duì)第一交互數(shù)據(jù)進(jìn)行采集，獲得第二交互數(shù)據(jù)，所述第一交 互數(shù)據(jù)為從微博服務(wù)提供商與所述終端交互的數(shù)據(jù)；
[0012] 采用降低維度技術(shù)或者矩陣分解技術(shù)對(duì)所述第二交互數(shù)據(jù)進(jìn)行過(guò)濾，獲得第一數(shù) 量的第三交互數(shù)據(jù)；
[0013] 按照所述數(shù)據(jù)類別模型獲取第二數(shù)量的所述第三交互數(shù)據(jù)并進(jìn)行標(biāo)注，所述第二 數(shù)量小于或等于第一數(shù)量；
[0014] 采用終生機(jī)器學(xué)習(xí)方法對(duì)標(biāo)注后的第三交互數(shù)據(jù)進(jìn)行訓(xùn)練，獲得所述數(shù)據(jù)類別模 型。
[0015] 結(jié)合第一方面或第一方面的第一種實(shí)施方式，在第一方面的第二種實(shí)施方式中， 所述將所述第一狀態(tài)感知數(shù)據(jù)按照數(shù)據(jù)類別模型進(jìn)行分類之前，還包括：
[0016] 采用降低維度技術(shù)或者矩陣分解技術(shù)對(duì)所述第一狀態(tài)感知數(shù)據(jù)進(jìn)行過(guò)濾，獲得第 二狀態(tài)感知數(shù)據(jù)；
[0017] 所述將所述第一狀態(tài)感知數(shù)據(jù)按照數(shù)據(jù)類別模型進(jìn)行分類，并獲得分類結(jié)果包 括：
[0018] 將所述第二狀態(tài)感知數(shù)據(jù)按照所述數(shù)據(jù)類別模型進(jìn)行分類，并獲得分類結(jié)果。
[0019] 結(jié)合第一方面或第一方面的第一種實(shí)施方式或第一方面的第二種實(shí)施方式，在第 一方面的第三種實(shí)施方式中，所述根據(jù)微博推薦模型，確定所述第一興趣狀態(tài)數(shù)據(jù)對(duì)應(yīng)的 微博產(chǎn)品之前，還包括：
[0020] 按照微博產(chǎn)品的類別獲取第三數(shù)量的歷史興趣狀態(tài)數(shù)據(jù)，并對(duì)所述歷史興趣狀態(tài) 數(shù)據(jù)進(jìn)行標(biāo)注；
[0021] 利用終生機(jī)器學(xué)習(xí)方法對(duì)所述標(biāo)注后的歷史興趣狀態(tài)數(shù)據(jù)進(jìn)行訓(xùn)練，確定所述微 博推薦模型。
[0022] 結(jié)合第一方面或第一方面的第一種實(shí)施方式或第一方面的第二種實(shí)施方式或第 一方面的第三種實(shí)施方式，在第一方面的第四種實(shí)施方式中，所述向用戶推薦所述微博產(chǎn) 品之后，還包括：
[0023] 獲取用戶反饋的微博推薦信息；
[0024] 根據(jù)所述微博推薦信息，更新所述微博推薦模型。
[0025] 結(jié)合第一方面或第一方面的第一種實(shí)施方式或第一方面的第二種實(shí)施方式或第 一方面的第三種實(shí)施方式或第一方面的第四種實(shí)施方式，在第一方面的第五種實(shí)施方式 中，根據(jù)預(yù)設(shè)的計(jì)算規(guī)則對(duì)所述分類結(jié)果進(jìn)行統(tǒng)計(jì)，確定第一興趣狀態(tài)數(shù)據(jù)之前，還包括： 確定所述分類結(jié)果對(duì)應(yīng)的權(quán)重；
[0026] 所述根據(jù)預(yù)設(shè)的計(jì)算規(guī)則對(duì)所述分類結(jié)果進(jìn)行統(tǒng)計(jì)包括：
[0027] 根據(jù)所述分類結(jié)果對(duì)應(yīng)的權(quán)重對(duì)所述第一狀態(tài)感知數(shù)據(jù)進(jìn)行整合計(jì)算，得到所述 第一興趣狀態(tài)數(shù)據(jù)。
[0028] 第二方面，本發(fā)明實(shí)施例提供了一種終端，包括：
[0029] 獲取模塊，用于獲取所述終端的第一狀態(tài)感知數(shù)據(jù)；
[0030] 分類模塊，用于將所述第一狀態(tài)感知數(shù)據(jù)按照數(shù)據(jù)類別模型進(jìn)行分類，并獲得分 類結(jié)果；
[0031] 計(jì)算模塊，用于根據(jù)預(yù)設(shè)的計(jì)算規(guī)則對(duì)所述分類結(jié)果進(jìn)行統(tǒng)計(jì)，確定第一興趣狀 態(tài)數(shù)據(jù)；
[0032] 確定模塊，用于根據(jù)微博推薦模型，確定所述第一興趣狀態(tài)數(shù)據(jù)對(duì)應(yīng)的微博產(chǎn)品， 并向用戶推薦所述微博產(chǎn)品。
[0033] 結(jié)合第二方面，在第二方面的第一種實(shí)施方式中，所述的終端還包括采集模塊、第 一過(guò)濾模塊、第一標(biāo)記模塊以及第一訓(xùn)練模塊，
[0034] 所述采集模塊，具體用于按照預(yù)設(shè)的采集頻率對(duì)第一交互數(shù)據(jù)進(jìn)行采集，獲得第 二交互數(shù)據(jù)，所述第一交互數(shù)據(jù)為微博服務(wù)提供商與所述終端交互的數(shù)據(jù)；
[0035] 所述第一過(guò)濾模塊，具體用于采用降低維度技術(shù)或者矩陣分解技術(shù)對(duì)所述第二交 互數(shù)據(jù)進(jìn)行過(guò)濾，獲得第一數(shù)量的第三交互數(shù)據(jù)；
[0036] 所述第一標(biāo)記模塊，具體用于按照所述數(shù)據(jù)類別模型獲取第二數(shù)量的所述第三交 互數(shù)據(jù)并進(jìn)行標(biāo)注；
[0037] 所述第一訓(xùn)練模塊，具體用于采用終生機(jī)器學(xué)習(xí)方法對(duì)標(biāo)注后的第三交互數(shù)據(jù)進(jìn) 行訓(xùn)練，獲得所述數(shù)據(jù)類別模型；
[0038] 所述分類模塊，具體用于將所述第一狀態(tài)感知數(shù)據(jù)按照所述第一訓(xùn)練模塊訓(xùn)練出 的數(shù)據(jù)類別模型進(jìn)行分類，并獲得分類結(jié)果。結(jié)合第二方面或第二方面的第一種實(shí)施方式， 在第二方面的第二種實(shí)施方式中，所述終端還包括第二過(guò)濾模塊，
[0039] 所述第二過(guò)濾模塊，具體用于采用降低維度技術(shù)或者矩陣分解技術(shù)對(duì)所述第一狀 態(tài)感知數(shù)據(jù)進(jìn)行過(guò)濾，獲得第二狀態(tài)感知數(shù)據(jù)；
[0040] 所述分類模塊，具體用于將所述第二狀態(tài)感知數(shù)據(jù)按照所述數(shù)據(jù)類別模型進(jìn)行分 類，并獲得分類結(jié)果。
[0041] 結(jié)合第二方面或第二方面的第一種實(shí)施方式或第二方面的第二種實(shí)施方式，在第 二方面的第三種實(shí)施方式中，所述終端還包括第二訓(xùn)練模塊，
[0042] 所述獲取模塊，還用于按照微博產(chǎn)品的類別獲取第三數(shù)量的歷史興趣狀態(tài)數(shù)據(jù)進(jìn) 行標(biāo)注；
[0043] 所述第二訓(xùn)練模塊，具體用于利用終生機(jī)器學(xué)習(xí)方法對(duì)所述標(biāo)注后的歷史興趣狀 態(tài)數(shù)據(jù)進(jìn)行訓(xùn)練，確定所述微博推薦模型。
[0044] 結(jié)合第二方面或第二方面的第一種實(shí)施方式或第二方面的第二種實(shí)施方式或第 二方面的第三種實(shí)施方式，在第二方面的第四種實(shí)施方式中，所述終端還包括更新模塊，
[0045] 所述獲取模塊，還用于獲取用戶反饋的微博推薦信息；
[0046]所述更新模塊，具體用于根據(jù)所述微博推薦信息，更新所述微博推薦模型。
[0047] 結(jié)合第二方面或第二方面的第一種實(shí)施方式或第二方面的第二種實(shí)施方式或第 二方面的第三種實(shí)施方式或第二方面的第四種實(shí)施方式，在第二方面的第五種實(shí)施方式 中，
[0048] 所述確定模塊，還用于確定所述分類結(jié)果對(duì)應(yīng)的權(quán)重；
[0049] 所述計(jì)算模塊，具體用于根據(jù)所述分類結(jié)果對(duì)應(yīng)的權(quán)重對(duì)所述第一狀態(tài)感知數(shù)據(jù) 進(jìn)行整合計(jì)算，得到所述第一興趣狀態(tài)數(shù)據(jù)。
[0050] 本發(fā)明提供的微博推薦方法和終端，通過(guò)獲取終端的第一狀態(tài)感知數(shù)據(jù)；將該第 一狀態(tài)感知數(shù)據(jù)按照數(shù)據(jù)類別模型進(jìn)行分類，并獲得分類結(jié)果；根據(jù)預(yù)設(shè)的計(jì)算規(guī)則對(duì)分 類結(jié)果進(jìn)行計(jì)算，確定第一興趣狀態(tài)數(shù)據(jù)；根據(jù)預(yù)設(shè)的微博推薦模型，確定該第一興趣狀態(tài) 數(shù)據(jù)對(duì)應(yīng)的微博產(chǎn)品，并向用戶推薦所述微博產(chǎn)品。本發(fā)明通過(guò)針對(duì)每個(gè)用戶獲取數(shù)據(jù)類 別模型和預(yù)設(shè)的微博推薦模型，實(shí)現(xiàn)向每個(gè)用戶推送比較能滿足用戶需求的微博產(chǎn)品，使 用戶獲得更好的體驗(yàn)。
【附圖說(shuō)明】
[0051] 為了更清楚地說(shuō)明本發(fā)明實(shí)施例中的技術(shù)方案，下面將對(duì)實(shí)施例描述中所需要使 用的附圖作一簡(jiǎn)單地介紹，顯而易見(jiàn)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(lái)講，在不付出創(chuàng)造性勞動(dòng)的前提下，還可以根據(jù)這些附圖獲得其他的 附圖。
[0052] 圖1為本發(fā)明微博推薦方法一個(gè)實(shí)施例的流程圖；
[0053] 圖2為本發(fā)明微博推薦方法又一個(gè)實(shí)施例的流程圖；
[0054] 圖3為本發(fā)明終端一個(gè)實(shí)施例的結(jié)構(gòu)示意圖；
[0055] 圖4為本發(fā)明終端的另一個(gè)實(shí)施例的結(jié)構(gòu)示意圖；
[0056] 圖5為本發(fā)明終端的另一個(gè)實(shí)施例的結(jié)構(gòu)示意圖。
【具體實(shí)施方式】
[0057] 為使本發(fā)明實(shí)施例的目的、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(méi)有做出創(chuàng)造性勞動(dòng)的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。
[0058] 圖1為本發(fā)明微博推薦方法的一個(gè)實(shí)施例的流程圖，如圖1所示，本實(shí)施例的執(zhí) 行主體是終端，具體可以通過(guò)軟件、硬件，或者軟件和硬件相結(jié)合的方式實(shí)現(xiàn)。則該方法包 括：
[0059] 步驟101，獲取終端的第一狀態(tài)感知數(shù)據(jù)。
[0060] 本實(shí)施例中，第一狀態(tài)感知數(shù)據(jù)為微博服務(wù)提供商與當(dāng)前狀態(tài)下終端交互的數(shù) 據(jù)。第一狀態(tài)感知數(shù)據(jù)包括服務(wù)請(qǐng)求數(shù)據(jù)、該用戶的個(gè)性化數(shù)據(jù)和地理位置數(shù)據(jù)中至少一 種。
[0061] 其中，服務(wù)請(qǐng)求數(shù)據(jù)包括該請(qǐng)求的接收的時(shí)間、終端的IP地址、服務(wù)類型、語(yǔ)言類 型、關(guān)鍵字段等數(shù)據(jù)，如一個(gè)服務(wù)請(qǐng)求數(shù)據(jù)為：2013年09月20日上午9點(diǎn)192. 168. 1. 3瀏 覽網(wǎng)頁(yè)中文體育-羽毛球比賽。根據(jù)服務(wù)請(qǐng)求數(shù)據(jù)中的服務(wù)類型，服務(wù)請(qǐng)求數(shù)據(jù)可為網(wǎng)頁(yè) 瀏覽請(qǐng)求數(shù)據(jù)，撥打電話請(qǐng)求數(shù)據(jù)，多媒體請(qǐng)求數(shù)據(jù)，網(wǎng)上購(gòu)物請(qǐng)求數(shù)據(jù)等。
[0062] 其中，用戶個(gè)性化數(shù)據(jù)可以為該用戶的基本信息數(shù)據(jù)，該終端的軟件參數(shù)、硬件參 數(shù)等。上述的用戶基本信息數(shù)據(jù)包含該用戶的性別，年齡等信息，如用戶的基本信息數(shù)據(jù) 為：性別：女，年齡：25歲。軟件參數(shù)為該終端所使用的操作系統(tǒng)信息，如該終端所使用的操 作系統(tǒng)為安卓操作系統(tǒng)。硬件參數(shù)為該終端的網(wǎng)卡地址數(shù)據(jù)。
[0063] 其中，地理位置數(shù)據(jù)為在該終端和微博服務(wù)提供商交互時(shí)該終端所處的具體位置 數(shù)據(jù)。
[0064] 步驟102,將第一狀態(tài)感知數(shù)據(jù)按照數(shù)據(jù)類別模型進(jìn)行分類，并獲得分類結(jié)果。 [0065] 具體地，數(shù)據(jù)類別模型包括用戶基本信息模型，用戶語(yǔ)言模型，用戶興趣模型和用 戶活動(dòng)模型。
[0066] 對(duì)應(yīng)于數(shù)據(jù)類別模型，對(duì)第一狀態(tài)感知數(shù)據(jù)進(jìn)行特征抽取處理，得到的第一狀態(tài) 感知數(shù)據(jù)可分為：用戶基本信息數(shù)據(jù)，用戶語(yǔ)言數(shù)據(jù)，用戶興趣數(shù)據(jù)和用戶活動(dòng)數(shù)據(jù)。
[0067] 具體地，在將第一狀態(tài)感知數(shù)據(jù)按照數(shù)據(jù)類別模型進(jìn)行分類前，首先對(duì)第一對(duì)狀 態(tài)感知數(shù)據(jù)進(jìn)行特征抽取的處理方法描述如下：
[0068] 將第一狀態(tài)感知數(shù)據(jù)進(jìn)行線性及非線性的組合