一種信息的推送方法及裝置的制造方法
【專利摘要】本發(fā)明公開了一種信息的推送方法及裝置，該方法包括：獲取用戶標(biāo)識(shí)和與所述用戶標(biāo)識(shí)對(duì)應(yīng)的用戶的活動(dòng)歷史數(shù)據(jù)，針對(duì)任一用戶標(biāo)識(shí)對(duì)應(yīng)的用戶，分別第一概率和根據(jù)所述用戶的好友活動(dòng)歷史數(shù)據(jù)，確定第二概率；并確定所述用戶在不同活動(dòng)場(chǎng)景中參加不同活動(dòng)類型的活動(dòng)的第三概率；根據(jù)所述第一概率、第二概率和第三概率，確定用戶在任一活動(dòng)場(chǎng)景中參加指定類型活動(dòng)的第四概率；根據(jù)第四概率，向所述用戶進(jìn)行信息推送，用以解決基于協(xié)同過(guò)濾推薦方式進(jìn)行信息推送時(shí)，推薦的結(jié)果缺乏多樣性、推薦的結(jié)果有偏差或局限性較大的問(wèn)題。
【專利說(shuō)明】
-種信息的推送方法及裝置
技術(shù)領(lǐng)域
[0001] 本發(fā)明涉及通信技術(shù)領(lǐng)域，尤其是涉及一種信息的推送方法及裝置。
【背景技術(shù)】
[0002] 隨著互聯(lián)網(wǎng)的飛速發(fā)展，互聯(lián)網(wǎng)中的內(nèi)容也呈現(xiàn)著爆炸式的增長(zhǎng)，為了解決用戶 在面臨海量?jī)?nèi)容時(shí)的信息過(guò)載問(wèn)題，推薦技術(shù)應(yīng)運(yùn)而生。作為最早和最成功的推薦技術(shù)之 一，協(xié)同過(guò)濾推薦（英文；Coll油orative Filtering Recommendations,縮寫；CFR)算法已 被成功的運(yùn)用于電子商務(wù)系統(tǒng)中。
[0003] 通常情況下，可W基于協(xié)同過(guò)濾推薦算法對(duì)用戶的活動(dòng)進(jìn)行挖掘，進(jìn)而根據(jù)挖掘 結(jié)果向用戶推送相應(yīng)的信息。其中活動(dòng)是指由共同目的聯(lián)合起來(lái)并完成一定社會(huì)職能的動(dòng) 作的總和。活動(dòng)由目的、動(dòng)機(jī)和動(dòng)作構(gòu)成，具有完整的結(jié)構(gòu)系統(tǒng)。例如，用戶出外就餐，可W 做為一個(gè)活動(dòng)，包括就餐時(shí)間、就餐地點(diǎn)、就餐內(nèi)容等等，又如用戶進(jìn)行商場(chǎng)購(gòu)物等，也可W 作為一個(gè)活動(dòng)。而基于協(xié)同過(guò)濾推薦算法向用戶推送信息的方式主要分為下述兩種方式：
[0004] 第一種方式；基于內(nèi)容的協(xié)同過(guò)濾推薦。
[0005] 基于內(nèi)容的協(xié)同過(guò)濾推薦根據(jù)目標(biāo)用戶對(duì)內(nèi)容的歷史評(píng)價(jià)和喜好，并分析內(nèi)容之 間的相似性，為目標(biāo)用戶推薦和他過(guò)去喜歡的內(nèi)容類似的內(nèi)容。該種方式的缺陷在于基于 內(nèi)容的推薦需要對(duì)內(nèi)容的特征做抽取和處理，而很多情況下很難從內(nèi)容中抽取出能準(zhǔn)確代 表該內(nèi)容的信息，而且推薦的結(jié)果缺乏多樣性，不能挖掘用戶的潛在興趣。
[0006] 第二種方式；基于用戶的協(xié)同過(guò)濾推薦。
[0007] 基于用戶的協(xié)同過(guò)濾推薦則根據(jù)目標(biāo)用戶與其他用戶的相似性，為目標(biāo)用戶推薦 和他最為相似的一些用戶喜歡的內(nèi)容：即根據(jù)用戶的歷史評(píng)價(jià)信息計(jì)算兩用戶的相似性， 選出目標(biāo)用戶的最近鄰居用戶，利用他們對(duì)某一內(nèi)容評(píng)價(jià)的加權(quán)平均值來(lái)預(yù)測(cè)目標(biāo)用戶對(duì) 該內(nèi)容的喜好程度?；谟脩舻耐扑]則需要依賴于其他用戶，由于有用戶評(píng)價(jià)的內(nèi)容往往 只占全部?jī)?nèi)容的少數(shù)，所W能夠用來(lái)計(jì)算用戶相似性的數(shù)據(jù)極端稀疏，導(dǎo)致推薦的結(jié)果有 偏差；而且對(duì)于一個(gè)新的內(nèi)容，缺乏歷史用戶評(píng)價(jià)數(shù)據(jù)，也很難得到推薦，導(dǎo)致可擴(kuò)展性不 足。
[0008] 綜上所述，基于協(xié)同過(guò)濾推薦方式進(jìn)行信息推送時(shí)，推薦的結(jié)果缺乏多樣性、推薦 的結(jié)果有偏差或局限性較大。
【發(fā)明內(nèi)容】
[0009] 本發(fā)明提供了一種信息的推送方法，用W解決基于協(xié)同過(guò)濾推薦方式進(jìn)行信息推 送時(shí)，推薦的結(jié)果缺乏多樣性、推薦的結(jié)果有偏差或局限性較大的問(wèn)題。
[0010] 一種信息的推送方法，包括：
[0011] 獲取用戶標(biāo)識(shí)和與所述用戶標(biāo)識(shí)對(duì)應(yīng)的用戶的活動(dòng)歷史數(shù)據(jù)，其中所述活動(dòng)歷史 數(shù)據(jù)包括用戶參加活動(dòng)的活動(dòng)場(chǎng)景和活動(dòng)類型；
[0012] 針對(duì)任一用戶標(biāo)識(shí)對(duì)應(yīng)的用戶，根據(jù)所述用戶的活動(dòng)歷史數(shù)據(jù)，針對(duì)任一活動(dòng)類 型，分別確定第一概率和第二概率，其中所述第一概率是用戶未參加過(guò)的活動(dòng)的概率，所述 未參加過(guò)的活動(dòng)包含在所述活動(dòng)類型中；所述第二概率是根據(jù)所述用戶的好友活動(dòng)歷史數(shù) 據(jù)，確定出的用戶參加過(guò)的活動(dòng)的概率，所述參加過(guò)的活動(dòng)包含在所述活動(dòng)類型中；并
[0013] 確定所述用戶在不同活動(dòng)場(chǎng)景中參加不同活動(dòng)類型中的活動(dòng)的第Η概率；
[0014] 根據(jù)所述第一概率、第二概率和第Η概率，確定用戶在任一活動(dòng)場(chǎng)景中參加指定 類型活動(dòng)的第四概率；
[0015] 根據(jù)第四概率，向所述用戶進(jìn)行信息推送。
[0016] 針對(duì)任一活動(dòng)類型，確定第一概率，包括：
[0017] 針對(duì)任一活動(dòng)類型，確定所述用戶參加過(guò)的屬于所述活動(dòng)類型的全部活動(dòng)特征組 成的活動(dòng)集合；
[0018] 確定所述活動(dòng)類型中，所述用戶之前未參加過(guò)的活動(dòng)與所述活動(dòng)集合的相似度；
[0019] 所述相似度作為所述用戶參加所述活動(dòng)類型中之前未參加過(guò)的活動(dòng)的第一概率。
[0020] 針對(duì)任一活動(dòng)類型，根據(jù)所述用戶的好友活動(dòng)歷史數(shù)據(jù)，確定第二概率，包括：
[0021] 針對(duì)任一活動(dòng)類型，根據(jù)所述用戶的好友活動(dòng)歷史數(shù)據(jù)，獲得最鄰居節(jié)點(diǎn)集合，其 中所述鄰居節(jié)點(diǎn)集合是在所述活動(dòng)類型中，所述用戶和好友共同參加的活動(dòng)的相似度符合 設(shè)定規(guī)則的用戶；
[0022] 針對(duì)鄰居節(jié)點(diǎn)集合中的任一鄰居節(jié)點(diǎn)，確定所述鄰居節(jié)點(diǎn)參加所述活動(dòng)類型中的 活動(dòng)的比率；
[0023] 根據(jù)所述比率確定鄰居節(jié)點(diǎn)集合的權(quán)重和值；
[0024] 根據(jù)所述權(quán)重和值，確定所述用戶參加所述活動(dòng)類型的活動(dòng)的第二概率。
[0025] 確定所述用戶在不同活動(dòng)場(chǎng)景中參加不同活動(dòng)類型的活動(dòng)的第Η概率，包括：
[0026] 針對(duì)任一活動(dòng)類型，確定所述用戶在不同活動(dòng)場(chǎng)景中參加所述活動(dòng)類型的頻率； W及
[0027] 在任一活動(dòng)場(chǎng)景中參加所述活動(dòng)類型的活動(dòng)占參加全部類型活動(dòng)的比值；
[0028] 所述比值作為用戶在不同活動(dòng)場(chǎng)景中參加不同活動(dòng)類型的活動(dòng)的第Η概率。
[0029] 按照下述公式根據(jù)第一概率、第二概率和第Η概率，確定用戶在任一活動(dòng)場(chǎng)景中 參加指定類型活動(dòng)的第四概率：
[0030] 口4=?3*[5沖1+(1-5)沖2]
[0031] 其中，Ρ4是第四概率，Ρ3是第Η概率，Pi是第一概率，δ是設(shè)定的權(quán)重值，Ρ2是第 二概率。
[0032] 一種信息的推送裝置，包括：
[0033] 獲取單元，用于獲取用戶標(biāo)識(shí)和與所述用戶標(biāo)識(shí)對(duì)應(yīng)的用戶的活動(dòng)歷史數(shù)據(jù)，其 中所述活動(dòng)歷史數(shù)據(jù)包括用戶參加活動(dòng)的活動(dòng)場(chǎng)景和活動(dòng)類型；
[0034] 概率確定單元，用于針對(duì)任一用戶標(biāo)識(shí)對(duì)應(yīng)的用戶，根據(jù)所述用戶的活動(dòng)歷史數(shù) 據(jù)，針對(duì)任一活動(dòng)類型，分別確定第一概率和第二概率，其中所述第一概率是用戶未參加過(guò) 的活動(dòng)的概率，所述未參加過(guò)的活動(dòng)包含在所述活動(dòng)類型中；所述第二概率是根據(jù)所述用 戶的好友活動(dòng)歷史數(shù)據(jù)，確定出的用戶參加過(guò)的活動(dòng)的概率，所述參加過(guò)的活動(dòng)包含在所 述活動(dòng)類型中；并確定所述用戶在不同活動(dòng)場(chǎng)景中參加不同活動(dòng)類型中的活動(dòng)的第Η概 率；根據(jù)所述第一概率、第二概率和第Η概率，確定用戶在任一活動(dòng)場(chǎng)景中參加指定類型活 動(dòng)的第四概率；
[0035] 信息推送單元，用于根據(jù)第四概率，向所述用戶進(jìn)行信息推送。
[0036] 所述概率確定單元，具體用于針對(duì)任一活動(dòng)類型，確定所述用戶參加過(guò)的屬于所 述活動(dòng)類型的全部活動(dòng)特征組成的活動(dòng)集合；確定所述活動(dòng)類型中，所述用戶之前未參加 過(guò)的活動(dòng)與所述活動(dòng)集合的相似度；所述相似度作為所述用戶參加所述活動(dòng)類型中之前未 參加過(guò)的活動(dòng)的第一概率。
[0037] 所述概率確定單元，具體用于針對(duì)任一活動(dòng)類型，根據(jù)所述用戶的好友活動(dòng)歷史 數(shù)據(jù)，獲得最鄰居節(jié)點(diǎn)集合，其中所述鄰居節(jié)點(diǎn)集合是在所述活動(dòng)類型中，所述用戶和好友 共同參加的活動(dòng)的相似度符合設(shè)定規(guī)則的用戶；針對(duì)鄰居節(jié)點(diǎn)集合中的任一鄰居節(jié)點(diǎn)，確 定所述鄰居節(jié)點(diǎn)參加所述活動(dòng)類型中的活動(dòng)的比率；根據(jù)所述比率確定鄰居節(jié)點(diǎn)集合的權(quán) 重和值；根據(jù)所述權(quán)重和值，確定所述用戶參加所述活動(dòng)類型的活動(dòng)的第二概率。
[0038] 所述概率確定單元，具體用于針對(duì)任一活動(dòng)類型，確定所述用戶在不同活動(dòng)場(chǎng)景 中參加所述活動(dòng)類型的頻率；W及在任一活動(dòng)場(chǎng)景中參加所述活動(dòng)類型的活動(dòng)占參加全部 類型活動(dòng)的比值；所述比值作為用戶在不同活動(dòng)場(chǎng)景中參加不同活動(dòng)類型的活動(dòng)的第Η概 率。
[0039] 所述概率確定單元，具體用于按照下述公式根據(jù)第一概率、第二概率和第Η概率， 確定用戶在任一活動(dòng)場(chǎng)景中參加指定類型活動(dòng)的第四概率：
[0040] 口4=?3*[5沖1+(1-5)沖2]
[00川其中，Ρ4是第四概率，Ρ3是第Η概率，Pi是第一概率，δ是設(shè)定的權(quán)重值，Ρ2是第 二概率。
[0042] 通過(guò)上述技術(shù)方案，綜合使用了基于內(nèi)容的協(xié)調(diào)過(guò)濾推薦和基于用戶的協(xié)調(diào)過(guò)濾 推薦兩種方法，并將目標(biāo)用戶所處的活動(dòng)場(chǎng)景作為一個(gè)影響因子，加入到推薦的過(guò)程中，從 而根據(jù)不同的活動(dòng)情景調(diào)整推薦結(jié)果，可W進(jìn)一步滿足用戶的必理需求。解決基于協(xié)同過(guò) 濾推薦方式進(jìn)行信息推送時(shí)，推薦的結(jié)果缺乏多樣性、推薦的結(jié)果有偏差或局限性較大的 問(wèn)題。
【附圖說(shuō)明】
[0043] 圖1為本發(fā)明實(shí)施例一中，提出的信息的推送方法流程圖；
[0044] 圖2為本發(fā)明實(shí)施例二中，提出的信息的推送裝置結(jié)構(gòu)組成示意圖。
【具體實(shí)施方式】
[0045] 針對(duì)一般情況下基于協(xié)同過(guò)濾推薦方式進(jìn)行信息推送時(shí)，推薦的結(jié)果缺乏多樣 性、推薦的結(jié)果有偏差或局限性較大的問(wèn)題，本發(fā)明實(shí)施例提出的技術(shù)方案中，綜合使用了 基于內(nèi)容的協(xié)調(diào)過(guò)濾推薦和基于用戶的協(xié)調(diào)過(guò)濾推薦兩種方法，并將目標(biāo)用戶所處的活動(dòng) 場(chǎng)景作為一個(gè)影響因子，加入到推薦的過(guò)程中，從而根據(jù)不同的活動(dòng)情景調(diào)整推薦結(jié)果，可 W進(jìn)一步滿足用戶的必理需求。解決基于協(xié)同過(guò)濾推薦方式進(jìn)行信息推送時(shí)，推薦的結(jié)果 缺乏多樣性、推薦的結(jié)果有偏差或局限性較大的問(wèn)題。
[0046] 下面將結(jié)合各個(gè)附圖對(duì)本發(fā)明實(shí)施例技術(shù)方案的主要實(shí)現(xiàn)原理、【具體實(shí)施方式】及 其對(duì)應(yīng)能夠達(dá)到的有益效果進(jìn)行詳細(xì)地闡述。
[0047] 實(shí)施例一
[0048] 本發(fā)明實(shí)施例一提出一種信息的推送方法，如圖1所示，其具體處理過(guò)程如下述：
[0049] 步驟101，獲取用戶標(biāo)識(shí)和與用戶標(biāo)識(shí)對(duì)應(yīng)的用戶的活動(dòng)歷史數(shù)據(jù)。
[0050] 其中活動(dòng)歷史數(shù)據(jù)包括用戶參加活動(dòng)的活動(dòng)場(chǎng)景和活動(dòng)類型。
[0051] W-具體實(shí)例來(lái)詳細(xì)闡述本發(fā)明實(shí)施例一提出的技術(shù)方案。
[0052] 用戶標(biāo)識(shí)W U表示，獲取用戶標(biāo)識(shí)，全部用戶標(biāo)識(shí)組成用戶集合。用戶集合W U表 示，具體如下述：
[005引步驟一：用戶Ui及其它用戶共同組成的用戶集合U = {u 1，U2, . . . Ui, . . . 。
[0054] 步驟二：獲得各用戶的活動(dòng)歷史數(shù)據(jù)。
[00巧]首先，確定活動(dòng)集合及活動(dòng)類型。具體如下述：
[0056] A ;所有活動(dòng)的集合作為活動(dòng)集合，W A = {曰1，曰2, . . . aj, . . . a。}表示。
[0057] 其中，本發(fā)明實(shí)施例一提出的技術(shù)方案中，活動(dòng)可W是任何類型的活動(dòng)，例如餐廳 就餐、商場(chǎng)購(gòu)物等。W餐廳就餐為例，例如餐廳1就餐、餐廳2就餐…餐廳η就餐等。
[0058] 具體地，活動(dòng)集合中的每個(gè)元素表示一個(gè)活動(dòng)，元素的值表示該活動(dòng)在不同締度 的平均評(píng)分。
[0059] 例如，活動(dòng)a,的特征向量為α.其中每一個(gè)值都代表該活動(dòng)在不同維度的平均 評(píng)分。W活動(dòng)為餐廳就餐為例，其特征向量可W表示為（口味評(píng)分、價(jià)格評(píng)分、服務(wù)評(píng)分、環(huán) 境評(píng)分、速度評(píng)分等），評(píng)分W 5分為滿分制，例如^ = (2,5,3,1，4) ^
[0060] Β ;確定活動(dòng)類型。W C = {Ci，C2, . . . Ch，. . . Ck}，k < < η表示活動(dòng)類型集合。W 活動(dòng)是餐廳就餐為例，活動(dòng)類型可W分為火鍋、西餐、快餐、燒烤、粵菜等。
[00川 C ;將活動(dòng)集合A =虹，曰2, ... an}中的元素 a浪照所屬活動(dòng)類型進(jìn)行排序，可W
得到新的活動(dòng)集合 其中表示在活動(dòng)集合A中 i 仁屯 屬于活動(dòng)類型Ch的活動(dòng)a，的集合；
[0062] 其次，確定活動(dòng)場(chǎng)景，將活動(dòng)場(chǎng)景進(jìn)行分類。
[0063] 假設(shè)有兩個(gè)維度的活動(dòng)場(chǎng)景，第一維度Ei= {ei,i，ei,2, . . . ei,^ . . . eij，例如早上、 中午、晚上；第二維度E2= {e 2,1，θ2,2, . . . θ2," . . . θ2,,}，例如工作日，節(jié)假日。
[0064] 再次，構(gòu)建用戶標(biāo)識(shí)和活動(dòng)歷史數(shù)據(jù)矩陣。
[00財(cái)用戶Ui在活動(dòng)場(chǎng)景e 參加了活動(dòng)a j的歷史次數(shù)為在活動(dòng)場(chǎng)景e2,r - 9 參加了活動(dòng)Sj的歷史次數(shù)為，《/ .6
[0066] 假設(shè)ei,f表示中午，e 2,f表示晚上，a ,表示火鍋分類下的小肥羊餐廳，用戶Ui在中 午去小肥羊吃飯的次數(shù)為15,工作日去小肥羊吃飯的次數(shù)為12。
[0067] 步驟Η ;對(duì)獲得的活動(dòng)歷史數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析。
[0068] 例如，用戶Ui參加了活動(dòng)a ,的歷史總次數(shù)為在某一維度所有活動(dòng)場(chǎng)景下參加該活 動(dòng)的總和：
[0069] 其中，是用戶Ui參加了活動(dòng)a ,的歷史總次數(shù)為在某一維度所有活動(dòng)場(chǎng)景 下參加該活動(dòng)的總和。
[0070] 用戶Ui參加的屬于活動(dòng)類型C h的活動(dòng)集合為活動(dòng)總次數(shù)
[007。 其中，是活動(dòng)總次數(shù)。
[007引用戶Ui在活動(dòng)場(chǎng)景e 沖參加的屬于活動(dòng)類型C h的活動(dòng)歷史次數(shù)
在活動(dòng)場(chǎng)景e2,f中參加的屬于活動(dòng)類型Ch的活動(dòng)歷史 狹數(shù)為-
[007引其中，f是用戶U迫活動(dòng)場(chǎng)景ei,r中參加的屬于活動(dòng)類型Ch的活動(dòng)歷史 次數(shù)，>62 f是用戶U迫活動(dòng)場(chǎng)景e 2,沖參加的屬于活動(dòng)類型C h的活動(dòng)歷史次數(shù)。
[0074] 步驟102,針對(duì)任一用戶標(biāo)識(shí)對(duì)應(yīng)的用戶，W及針對(duì)任一活動(dòng)類型，根據(jù)該用戶的 活動(dòng)歷史數(shù)據(jù)，分別確定第一概率和第二概率。
[0075] 其中第一概率是用戶未參加過(guò)的活動(dòng)的概率，未參加過(guò)的活動(dòng)包含在所述活動(dòng)類 型中；第二概率是根據(jù)用戶的好友活動(dòng)歷史數(shù)據(jù)，確定出的用戶參加過(guò)的活動(dòng)的概率，所述 參加過(guò)的活動(dòng)包含在所述活動(dòng)類型中。
[0076] 其中，針對(duì)任一活動(dòng)類型，確定用戶參加所述活動(dòng)類型中之前未參加過(guò)的活動(dòng)的 第一概率，包括：
[0077] 步驟一：針對(duì)任一活動(dòng)類型，確定該用戶參加過(guò)的屬于該活動(dòng)類型的全部活動(dòng)特 征組成的活動(dòng)集合。
[0078] 步驟二：確定該活動(dòng)類型中，該用戶之前未參加過(guò)的活動(dòng)與該活動(dòng)集合的相似度。
[0079] 步驟Η ;將確定出的相似度作為該用戶參加該活動(dòng)類型中之前未參加過(guò)的活動(dòng)的 第一概率。
[0080] 下面W-具體實(shí)例來(lái)詳細(xì)闡述第一概率的計(jì)算方法。確定基于用戶Ui歷史活動(dòng) 的記錄，預(yù)測(cè)用戶Ui會(huì)參加活動(dòng)類型C h中該用戶U 1之前未參加過(guò)的活動(dòng)a ,的第一概率，其 具體方法如下述：
[0081] A ;獲取用戶Ui參加過(guò)的屬于活動(dòng)類型C h的所有活動(dòng)特征。
[0082] 對(duì)于用戶Ui，參加過(guò)的屬于活動(dòng)類型Ch的所有活動(dòng)的次數(shù)為 纖/n(A. )活動(dòng)集合記為4 計(jì)算活動(dòng)集合乂 的平均特征向量 !，化 ， Ι'?，L/i
[0083] 其中，該平均特征向量^ 表示該用戶Ui對(duì)于活動(dòng)類型Ch活動(dòng)的喜好特征 -材 i.，Cft 值。
[0084] W火鍋類和（口味評(píng)分、價(jià)格評(píng)分、服務(wù)評(píng)分、環(huán)境評(píng)分、速度評(píng)分）為特征屬性為 例，評(píng)分W 5分為滿分制，針對(duì)用戶張 Η可W計(jì)算出
則 代表張 Η在選擇火鍋時(shí)，更喜歡口味好和價(jià)格實(shí)惠的餐廳，對(duì)環(huán)境要求最低。
[00財(cái) Β ;計(jì)算活動(dòng)類型Ch中新活動(dòng)a，與活動(dòng)集合4,,，C/,的相似度。
[0086] 對(duì)于用戶Ui未參加過(guò)的屬于活動(dòng)類型C h的活動(dòng)的a，，令其和活動(dòng)集合的 相似度為：
[0087]
[0088]其中，沒(méi)論竊.4表示a,和^ ^之間的籠度， I示 UjAq邱 峰，嗎 兩向量夾角的余弦值，即方向相似度，
表示兩向量的長(zhǎng)度相似 性，0 < δ < 1表示權(quán)重，本發(fā)明實(shí)施例一中提出的技術(shù)方案，巧=0.5。
[0089] 針對(duì)任一活動(dòng)類型，根據(jù)該用戶的好友活動(dòng)歷史數(shù)據(jù)，確定該用戶參加所述活動(dòng) 類型的活動(dòng)的第二概率，包括下述流程：
[0090] 步驟一：針對(duì)任一活動(dòng)類型，根據(jù)該用戶的好友活動(dòng)歷史數(shù)據(jù)，獲得鄰居節(jié)點(diǎn)集 厶 口 〇
[0091] 其中鄰居節(jié)點(diǎn)集合是在活動(dòng)類型中，該用戶和好友共同參加的活動(dòng)的相似度符合 設(shè)定規(guī)則的用戶。
[0092] 步驟二：針對(duì)鄰居節(jié)點(diǎn)集合中的任一鄰居節(jié)點(diǎn)，確定該鄰居節(jié)點(diǎn)參加該活動(dòng)類型 中的活動(dòng)的比率。
[0093] 步驟Η ;根據(jù)比率確定鄰居節(jié)點(diǎn)集合的權(quán)重和值。
[0094] 步驟四；根據(jù)得到的權(quán)重和值，確定該用戶參加所述活動(dòng)類型的活動(dòng)的第二概率。
[0095] 下面W-具體實(shí)例來(lái)詳細(xì)闡述第二概率的計(jì)算方法。
[0096] 基于用戶Ui的好友的活動(dòng)歷史數(shù)據(jù)，在當(dāng)前提出的基于用戶協(xié)同過(guò)濾推薦算法的 基礎(chǔ)上，本發(fā)明實(shí)施例一提出的技術(shù)方案中，通過(guò)在某一類中與用戶Ui最為相似的一些用 戶（即用戶Ui關(guān)于活動(dòng)類型C h的鄰居節(jié)點(diǎn)）來(lái)預(yù)測(cè)用戶U 1在活動(dòng)類型C h中會(huì)參加某活動(dòng) a,的第二概率，其具體處理如下述：
[0097] 首先，計(jì)算用戶Ui關(guān)于活動(dòng)類型C h的鄰居節(jié)點(diǎn)。
[0098] 令用戶Ui與用戶U 1.共同參加的屬于活動(dòng)類型C h的活動(dòng)集合為
則可W采用余弦相似性的方法來(lái)計(jì)算用戶Ui與 用戶Ui.在參加活動(dòng)類型Ch的活動(dòng)時(shí)的相似度
[0099]
[0100] 其中，，，(，&是相似度。
[0101] 一種較佳地實(shí)施方式，根據(jù)得到的相似度，取得到的相似度中最 大的m。個(gè)用戶作為用戶Ui關(guān)于活動(dòng)類型Ch的最佳鄰居節(jié)點(diǎn)該得到的最 佳鄰居節(jié)點(diǎn)作為符合設(shè)定規(guī)則的鄰居節(jié)點(diǎn)。
[0102] 在確定符合設(shè)定規(guī)則的鄰居節(jié)點(diǎn)時(shí)，也可采用闊值過(guò)濾的方法，例如可W取
的所有用戶作為符合設(shè)定規(guī)則的鄰居節(jié)點(diǎn)，即最佳鄰居節(jié)點(diǎn) NBUwt 科 〇
[0103] 其次，預(yù)測(cè)用戶Ui參加活動(dòng)類型C h中某活動(dòng)a，的第二概率。
[0104] 步驟一：計(jì)算鄰居節(jié)點(diǎn)用戶Ui.在活動(dòng)類型Ch中參加了活動(dòng)a ,的比率：
[0105]
[0106] 其中，該比率標(biāo)識(shí)用戶Ui.在活動(dòng)類型Ch中對(duì)活動(dòng)a ,的偏好。
[0107] 步驟二：用iVSt/w 中所有用戶的權(quán)重和值，來(lái)預(yù)測(cè)用戶Ui會(huì) 參加活動(dòng)a,的第二概率：
[010 引
[0110] 步驟103,確定該用戶在不同活動(dòng)場(chǎng)景中參加不同活動(dòng)類型的活動(dòng)的第Η概率。
[0111] 確定用戶在不同活動(dòng)場(chǎng)景中參加不同活動(dòng)類型的活動(dòng)的第Η概率，包括：
[0112] 步驟一：針對(duì)任一活動(dòng)類型，確定該用戶在不同活動(dòng)場(chǎng)景中參加該活動(dòng)類型的頻 率。
[0113] 步驟二：在任一活動(dòng)場(chǎng)景中參加該活動(dòng)類型的活動(dòng)占參加全部類型活動(dòng)的比值。
[0114] 步驟Η ;得到的比值作為用戶在不同活動(dòng)場(chǎng)景中參加不同活動(dòng)類型的活動(dòng)的第Η 概率。
[0115] 下面W-具體實(shí)例來(lái)詳細(xì)闡述確定第Η概率的【具體實(shí)施方式】。
[0116] 首先，當(dāng)前活動(dòng)場(chǎng)景為任意活動(dòng)場(chǎng)景和活動(dòng)場(chǎng)景e 2,f的組合，根據(jù)活動(dòng)場(chǎng)景， 情景化的計(jì)算用戶Ui在該活動(dòng)場(chǎng)景下參加屬于活動(dòng)類型C h的活動(dòng)頻率：
[0117]
[0118] 其中^ 是用戶Ui在該活動(dòng)場(chǎng)景下參加屬于活動(dòng)類型Ch的活動(dòng) 頻率。
[0119] 其次，計(jì)算在當(dāng)前活動(dòng)場(chǎng)景下參加該活動(dòng)類型活動(dòng)占全部活動(dòng)類型的活動(dòng)的比 值：
[0120]
[0121] 其中，f 是在當(dāng)前活動(dòng)場(chǎng)景下參加該活動(dòng)類型活動(dòng)占全部活動(dòng) 類型的活動(dòng)的比值。
[0122] 從而針對(duì)用戶當(dāng)前所處的活動(dòng)場(chǎng)景，根據(jù)比值f >62 來(lái)針對(duì)性的推 薦屬于不同活動(dòng)類型的活動(dòng)。
[0123] 下面W-具體實(shí)例來(lái)進(jìn)行詳細(xì)闡述：
[0124] 例如下述表1是某用戶張 Η在活動(dòng)場(chǎng)景為Ei= {中午，晚上}，Ei= {工作日，周 末}兩個(gè)維度，活動(dòng)有C ={火鍋，西餐，快餐} H種情況下的活動(dòng)-活動(dòng)場(chǎng)景分布表格：
[0125] 表 1
[0126]
[0127] 則張 Η在工作日的中午：
[0128] 選擇吃火鍋的次數(shù)：
[0129] R(火鍋 / 工作日 * 中午）=12* 化/30) = 12/5。
[0130] 選擇吃西餐的次數(shù)：
[0131] R(西餐 / 工作日 * 中午）=6*(4/10) = 12/5。
[0132] 選擇吃快餐的次數(shù)：
[0133] R (快餐 / 工作日 * 中午）=40* (30/45) = 80/3。
[0134] 吃火鍋的概率：
[0135] Ρ (火鍋 / 工作日 * 中午）=12/5/(12/5+12/5+80/3) = 9/118。
[0136] 吃西餐的概率：
[0137] Ρ (西餐 / 工作日 * 中午）=12/5/(12/5+12/5+80/3) = 9/118。
[013引吃快餐的概率：
[0139] Ρ (快餐 / 工作日 * 中午）=80/3/(12/5+12/5+80/3) = 50/59。
[0140] 步驟104,根據(jù)第一概率、第二概率和第Η概率，確定用戶在任一活動(dòng)場(chǎng)景中參加 指定類型活動(dòng)的第四概率。
[0141] 按照下述公式根據(jù)第一概率、第二概率和第Η概率，確定用戶在任一活動(dòng)場(chǎng)景中 參加指定類型活動(dòng)的第四概率：
[014引 Ρ*= ?3*[ δ 沖1+(1-δ )沖2]
[0143] 其中，P4是第四概率，P 3是第Η概率，Pi是第一概率，δ是設(shè)定的權(quán)重值，P 2是第 二概率。
[0144] 下面W-具體實(shí)例來(lái)詳細(xì)闡述本發(fā)明實(shí)施例提出的第四概率的確定方法。
[0145] 結(jié)合當(dāng)前用戶所處的活動(dòng)情景，綜合基于活動(dòng)的協(xié)同過(guò)濾和基于用戶的協(xié)同過(guò)濾 兩個(gè)方面，預(yù)測(cè)用戶Ui在當(dāng)前活動(dòng)場(chǎng)景下參加活動(dòng)a ,的概率：
[0146] 假設(shè)當(dāng)前活動(dòng)場(chǎng)景為ei,f、e2,f，則用戶Ui未參加過(guò)的任一活動(dòng)a j，用戶Ui會(huì)參加該 活動(dòng)a,的概率為：
[0147]
[014引其中巧W,.,0/)/(^1 是當(dāng)前活動(dòng)場(chǎng)景為ei,r、e2,r，用戶Ui會(huì)參加未參加過(guò) 的活動(dòng)曰，的概率，Uy .
[0149] δ是設(shè)定的權(quán)重值，〇《σ《1，表示基于活動(dòng)的協(xié)同過(guò)濾在結(jié)果中所占的權(quán)重， 即用戶歷史數(shù)據(jù)對(duì)當(dāng)前推薦結(jié)果的影響程度；δ的取值根據(jù)推薦方法的策略，可動(dòng)態(tài)靈活 調(diào)整；
[0150] 步驟105,根據(jù)第四概率，向該用戶進(jìn)行信息推送。
[0151] 本發(fā)明實(shí)施例提出的技術(shù)方案中，針對(duì)任一用戶，和所有的活動(dòng)類型，對(duì)該用戶未 參加過(guò)的所有活動(dòng)都確定第四概率值。
[0152] 也就是說(shuō)，針對(duì)任一用戶Ui，和所有的活動(dòng)類型，首先對(duì)該用戶Ui未參加過(guò)的所有 P 活動(dòng)a部求概率^ (W/. ) ./ (勺，/.，&，/.) Q
[0153] 其次，針對(duì)活動(dòng)類型集合C = {ci, C2, ... Ch, ... cj進(jìn)行遍歷，對(duì)每個(gè)活動(dòng)類型都執(zhí) 行上述求取過(guò)程，得到用戶Ui在當(dāng)前活動(dòng)場(chǎng)景下，在所有活動(dòng)類型集合中，會(huì)參加活動(dòng)a ,的 P 概率 ^(1《,.，(://.)/'(叫.，，與，，）
[0154] 再次結(jié)合當(dāng)前活動(dòng)情景確定用戶Ui的最佳候選活動(dòng)節(jié)點(diǎn) 辟，r)取。）/k，e )最大的η。個(gè)活動(dòng)作為用戶Ui的候選活動(dòng) 節(jié)點(diǎn)備心知,.，咕,） Ρ
[015引最后，結(jié)合當(dāng)前活動(dòng)場(chǎng)景對(duì)用戶U進(jìn)行活動(dòng)推薦：從>中按 ^斬，apy (句:r媽r )從大到小的順序選出活動(dòng)節(jié)點(diǎn)，為用戶u進(jìn)行推薦。
[0156] 實(shí)施例二
[0157] 本發(fā)明實(shí)施例特提出一種信息的推送裝置，如圖2所示，該裝置包括：
[015引獲取單元201，用于獲取用戶標(biāo)識(shí)和與所述用戶標(biāo)識(shí)對(duì)應(yīng)的用戶的活動(dòng)歷史數(shù)據(jù)， 其中所述活動(dòng)歷史數(shù)據(jù)包括用戶參加活動(dòng)的活動(dòng)場(chǎng)景和活動(dòng)類型。
[0159] 概率確定單元202,用于針對(duì)任一用戶標(biāo)識(shí)對(duì)應(yīng)的用戶，根據(jù)所述用戶的活動(dòng)歷史 數(shù)據(jù)，針對(duì)任一活動(dòng)類型，分別確定第一概率和第二概率，其中所述第一概率是用戶未參加 過(guò)的活動(dòng)的概率，所述未參加過(guò)的活動(dòng)包含在所述活動(dòng)類型中；所述第二概率是根據(jù)所述 用戶的好友活動(dòng)歷史數(shù)據(jù)，確定出的用戶參加過(guò)的活動(dòng)的概率，所述參加過(guò)的活動(dòng)包含在 所述活動(dòng)類型中；并確定所述用戶在不同活動(dòng)場(chǎng)景中參加不同活動(dòng)類型中的活動(dòng)的第Η概 率；根據(jù)所述第一概率、第二概率和第Η概率，確定用戶在任一活動(dòng)場(chǎng)景中參加指定類型活 動(dòng)的第四概率。
[0160] 具體地，上述概率確定單元202,具體用于針對(duì)任一活動(dòng)類型，確定所述用戶參加 過(guò)的屬于所述活動(dòng)類型的全部活動(dòng)特征組成的活動(dòng)集合；確定所述活動(dòng)類型中，所述用戶 之前未參加過(guò)的活動(dòng)與所述活動(dòng)集合的相似度；所述相似度作為所述用戶參加所述活動(dòng)類 型中之前未參加過(guò)的活動(dòng)的第一概率。
[0161] 具體地，上述概率確定單元202,具體用于針對(duì)任一活動(dòng)類型，根據(jù)所述用戶的好 友活動(dòng)歷史數(shù)據(jù)，獲得最鄰居節(jié)點(diǎn)集合，其中所述鄰居節(jié)點(diǎn)集合是在所述活動(dòng)類型中，所述 用戶和好友共同參加的活動(dòng)的相似度符合設(shè)定規(guī)則的用戶；針對(duì)鄰居節(jié)點(diǎn)集合中的任一鄰 居節(jié)點(diǎn)，確定所述鄰居節(jié)點(diǎn)參加所述活動(dòng)類型中的活動(dòng)的比率；根據(jù)所述比率確定鄰居節(jié) 點(diǎn)集合的權(quán)重和值；根據(jù)所述權(quán)重和值，確定所述用戶參加所述活動(dòng)類型的活動(dòng)的第二概 率。
[0162] 具體地，上述概率確定單元202,具體用于針對(duì)任一活動(dòng)類型，確定所述用戶在不 同活動(dòng)場(chǎng)景中參加所述活動(dòng)類型的頻率；W及在任一活動(dòng)場(chǎng)景中參加所述活動(dòng)類型的活動(dòng) 占參加全部類型活動(dòng)的比值；所述比值作為用戶在不同活動(dòng)場(chǎng)景中參加不同活動(dòng)類型的活 動(dòng)的第Η概率。
[0163] 具體地，上述概率確定單元202,具體用于按照下述公式根據(jù)第一概率、第二概率 和第Η概率，確定用戶在任一活動(dòng)場(chǎng)景中參加指定類型活動(dòng)的第四概率：
[0164] 口4=?3*[5沖1+(1-5)沖2]
[0165] 其中，Ρ4是第四概率，Ρ 3是第Η概率，Pi是第一概率，δ是設(shè)定的權(quán)重值，Ρ 2是第 二概率。
[0166] 信息推送單元203,用于根據(jù)第四概率，向所述用戶進(jìn)行信息推送。
[0167] 基于內(nèi)容的協(xié)同過(guò)濾推薦根據(jù)目標(biāo)用戶對(duì)內(nèi)容的歷史評(píng)價(jià)和喜化并分析內(nèi)容之 間的相似性，為目標(biāo)用戶推薦和他過(guò)去喜歡的內(nèi)容類似的內(nèi)容?；趦?nèi)容的推薦不依賴于 其他用戶，可W有效避免有用戶惡意作弊的情況；并且新的內(nèi)容可W及時(shí)得到推薦?；谟?戶的協(xié)同過(guò)濾推薦則根據(jù)目標(biāo)用戶與其他用戶的相似性，為目標(biāo)用戶推薦和他最為相似的 一些用戶喜歡的內(nèi)容：即根據(jù)用戶的歷史評(píng)價(jià)信息計(jì)算兩用戶的相似性，選出目標(biāo)用戶的 最近鄰居用戶，利用他們對(duì)某一內(nèi)容評(píng)價(jià)的加權(quán)平均值來(lái)預(yù)測(cè)目標(biāo)用戶對(duì)該內(nèi)容的喜好程 度。該推薦方法能夠挖掘用戶潛在的喜好，為用戶推薦與其歷史喜好不同的新型內(nèi)容，并且 無(wú)需對(duì)內(nèi)容做復(fù)雜的特征處理。但是基于內(nèi)容的推薦需要對(duì)內(nèi)容的特征做抽取和處理，而 很多情況下很難從內(nèi)容中抽取出能準(zhǔn)確代表該內(nèi)容的信息，且推薦的結(jié)果缺乏多樣性，不 能挖掘用戶的潛在興趣。基于用戶的推薦則需要依賴于其他用戶，由于有用戶評(píng)價(jià)的內(nèi)容 往往只占全部?jī)?nèi)容的少數(shù)，所W能夠用來(lái)計(jì)算用戶相似性的數(shù)據(jù)極端稀疏，導(dǎo)致推薦的結(jié) 果有偏差；而且對(duì)于一個(gè)新的內(nèi)容，缺乏歷史用戶評(píng)價(jià)數(shù)據(jù)，也很難得到推薦，導(dǎo)致可擴(kuò)展 性不足。
[0168] 基于此，本發(fā)明實(shí)施例上述提出的技術(shù)方案中，綜合送兩種協(xié)同過(guò)濾推薦方法，為 每一種推薦方法賦予一定的權(quán)重并進(jìn)行加權(quán)組合，能得到更為準(zhǔn)確和豐富的推薦結(jié)果。
[0169] 并且，W上兩種傳統(tǒng)的協(xié)同過(guò)濾推薦方法只考慮了用戶-內(nèi)容評(píng)分送兩個(gè)維度， 較少考慮到戶當(dāng)前所處的情景會(huì)對(duì)用戶的喜好產(chǎn)生影響，導(dǎo)致推薦結(jié)果無(wú)法完全體現(xiàn)用戶 的意圖。用戶對(duì)一個(gè)內(nèi)容的喜好往往很大程度上依賴于當(dāng)前的環(huán)境（時(shí)間、位置、天氣等）， 但是用戶的選擇會(huì)根據(jù)環(huán)境的不同而發(fā)生變化，例如用戶在中午往往比在晚上更傾向于吃 快餐；所W推薦算法不僅需要采用歷史數(shù)據(jù)和其他用戶的數(shù)據(jù)來(lái)挖掘目標(biāo)用戶的喜好，更 需要根據(jù)目標(biāo)用戶所處的環(huán)境作為輔助判斷。而傳統(tǒng)的協(xié)同過(guò)濾推薦方法也沒(méi)有考慮內(nèi)容 所屬的類別會(huì)對(duì)內(nèi)容的相似性與用戶最近鄰居的選擇產(chǎn)生影響。因?yàn)閮蓚€(gè)用戶的相似性會(huì) 因?yàn)閮?nèi)容的類別而有所不同，例如對(duì)于餐廳送項(xiàng)內(nèi)容，用戶A和用戶B都喜歡吃火鍋類，但 是用戶A還喜歡燒烤類，但是用戶B不喜歡燒烤類，則對(duì)火鍋類內(nèi)容進(jìn)行預(yù)測(cè)時(shí)，選擇用戶 B作為用戶A的鄰居節(jié)點(diǎn)較為合理，但是對(duì)燒烤類內(nèi)容進(jìn)行預(yù)測(cè)時(shí)，則不應(yīng)選擇用戶B作為 用戶A的鄰居節(jié)點(diǎn)。故利用用戶對(duì)同一個(gè)類別內(nèi)容的評(píng)價(jià)計(jì)算用戶對(duì)于該類別的相似性更 為合理。同理，對(duì)屬于同一個(gè)類別的內(nèi)容計(jì)算相似性也更為精確，例如對(duì)同屬于火鍋類的餐 廳來(lái)比較相似性。
[0170] 本發(fā)明綜合使用了基于內(nèi)容的協(xié)調(diào)過(guò)濾推薦和基于用戶的協(xié)調(diào)過(guò)濾推薦兩種方 法，并做了如下優(yōu)化：
[0171] 一、將目標(biāo)用戶所處的情景信息作為一個(gè)影響因子，加入到推薦的過(guò)程中，得到在 當(dāng)前場(chǎng)景下目標(biāo)用戶會(huì)選擇某一類型內(nèi)容的概率；從而根據(jù)不同的情景調(diào)整推薦結(jié)果，可 W進(jìn)一步滿足用戶的必理需求。
[0172] 二、對(duì)每個(gè)類別的內(nèi)容分別進(jìn)行內(nèi)容相似性和用戶相似性的計(jì)算，使得內(nèi)容的最 近鄰居節(jié)點(diǎn)和用戶的最佳鄰居節(jié)點(diǎn)隨著內(nèi)容類別的變化而動(dòng)態(tài)調(diào)整，即得出在某一類別 下，目標(biāo)用戶最可能喜好的內(nèi)容；再結(jié)合在當(dāng)前場(chǎng)景下用戶選擇該類別的概率，最后得到在 當(dāng)面場(chǎng)景下用戶選擇該內(nèi)容的概率，用該概率值為用戶進(jìn)行推薦，能夠提高對(duì)用戶喜好的 預(yù)測(cè)精確度。
[0173] 本發(fā)明實(shí)施例提出的技術(shù)方案，可W避免了單獨(dú)基于內(nèi)容協(xié)同過(guò)濾推薦和單獨(dú)基 于用戶協(xié)同過(guò)濾推薦的不足，而且由于推薦時(shí)考慮了不同類別內(nèi)容的差異，使得推薦結(jié)果 更為準(zhǔn)確；并根據(jù)目標(biāo)用戶所處的當(dāng)前場(chǎng)景對(duì)推薦結(jié)果進(jìn)行了個(gè)性化動(dòng)態(tài)調(diào)整，使得推薦 結(jié)果更符合用戶必理；最終對(duì)目標(biāo)用戶進(jìn)行更精確、更符合當(dāng)前場(chǎng)景的推薦。
[0174] 本領(lǐng)域的技術(shù)人員應(yīng)明白，本發(fā)明的實(shí)施例可提供為方法、裝置（設(shè)備）、或計(jì)算 機(jī)程序產(chǎn)品。因此，本發(fā)明可采用完全硬件實(shí)施例、完全軟件實(shí)施例、或結(jié)合軟件和硬件方 面的實(shí)施例的形式。而且，本發(fā)明可采用在一個(gè)或多個(gè)其中包含有計(jì)算機(jī)可用程序代碼的 計(jì)算機(jī)可用存儲(chǔ)介質(zhì)（包括但不限于磁盤存儲(chǔ)器、只讀光盤、光學(xué)存儲(chǔ)器等）上實(shí)施的計(jì)算 機(jī)程序產(chǎn)品的形式。
[0175] 本發(fā)明是參照根據(jù)本發(fā)明實(shí)施例的方法、裝置（設(shè)備）和計(jì)算機(jī)程序產(chǎn)品的流程 圖和/或方框圖來(lái)描述的。應(yīng)理解可由計(jì)算機(jī)程序指令實(shí)現(xiàn)流程圖和/或方框圖中的每一 流程和/或方框、W及流程圖和/或方框圖中的流程和/或方框的結(jié)合?？商峁┧托┯?jì)算 機(jī)程序指令到通用計(jì)算機(jī)、專用計(jì)算機(jī)、嵌入式處理機(jī)或其他可編程數(shù)據(jù)處理設(shè)備的處理 器W產(chǎn)生一個(gè)機(jī)器，使得通過(guò)計(jì)算機(jī)或其他可編程數(shù)據(jù)處理設(shè)備的處理器執(zhí)行的指令產(chǎn)生 用于實(shí)現(xiàn)在流程圖一個(gè)流程或多個(gè)流程和/或方框圖一個(gè)方框或多個(gè)方框中指定的功能 的裝置。
[0176] 送些計(jì)算機(jī)程序指令也可存儲(chǔ)在能引導(dǎo)計(jì)算機(jī)或其他可編程數(shù)據(jù)處理設(shè)備W特 定方式工作的計(jì)算機(jī)可讀存儲(chǔ)器中，使得存儲(chǔ)在該計(jì)算機(jī)可讀存儲(chǔ)器中的指令產(chǎn)生包括指 令裝置的制造品，該指令裝置實(shí)現(xiàn)在流程圖一個(gè)流程或多個(gè)流程和/或方框圖一個(gè)方框或 多個(gè)方框中指定的功能。
[0177] 送些計(jì)算機(jī)程序指令也可裝載到計(jì)算機(jī)或其他可編程數(shù)據(jù)處理設(shè)備上，使得在計(jì) 算機(jī)或其他可編程設(shè)備上執(zhí)行一系列操作步驟W產(chǎn)生計(jì)算機(jī)實(shí)現(xiàn)的處理，從而在計(jì)算機(jī)或 其他可編程設(shè)備上執(zhí)行的指令提供用于實(shí)現(xiàn)在流程圖一個(gè)流程或多個(gè)流程和/或方框圖 一個(gè)方框或多個(gè)方框中指定的功能的步驟。
[0178] 盡管已描述了本發(fā)明的優(yōu)選實(shí)施例，但本領(lǐng)域內(nèi)的技術(shù)人員一旦得知了基本創(chuàng)造 性概念，則可對(duì)送些實(shí)施例作出另外的變更和修改。所W，所附權(quán)利要求意欲解釋為包括優(yōu) 選實(shí)施例W及落入本發(fā)明范圍的所有變更和修改。
[0179] 顯然，本領(lǐng)域的技術(shù)人員可W對(duì)本發(fā)明進(jìn)行各種改動(dòng)和變型而不脫離本發(fā)明的精 神和范圍。送樣，倘若本發(fā)明的送些修改和變型屬于本發(fā)明權(quán)利要求及其等同技術(shù)的范圍 之內(nèi)，則本發(fā)明也意圖包含送些改動(dòng)和變型在內(nèi)。
【主權(quán)項(xiàng)】
1. 一種信息的推送方法，其特征在于，包括： 獲取用戶標(biāo)識(shí)和與所述用戶標(biāo)識(shí)對(duì)應(yīng)的用戶的活動(dòng)歷史數(shù)據(jù)，其中所述活動(dòng)歷史數(shù)據(jù) 包括用戶參加活動(dòng)的活動(dòng)場(chǎng)景和活動(dòng)類型； 針對(duì)任一用戶標(biāo)識(shí)對(duì)應(yīng)的用戶，根據(jù)所述用戶的活動(dòng)歷史數(shù)據(jù)，針對(duì)任一活動(dòng)類型，分 別確定第一概率和第二概率，其中所述第一概率是用戶未參加過(guò)的活動(dòng)的概率，所述未參 加過(guò)的活動(dòng)包含在所述活動(dòng)類型中；所述第二概率是根據(jù)所述用戶的好友活動(dòng)歷史數(shù)據(jù)， 確定出的用戶參加過(guò)的活動(dòng)的概率，所述參加過(guò)的活動(dòng)包含在所述活動(dòng)類型中；并 確定所述用戶在不同活動(dòng)場(chǎng)景中參加不同活動(dòng)類型中的活動(dòng)的第三概率； 根據(jù)所述第一概率、第二概率和第三概率，確定用戶在任一活動(dòng)場(chǎng)景中參加指定類型 活動(dòng)的第四概率； 根據(jù)第四概率，向所述用戶進(jìn)行信息推送。2. 如權(quán)利要求1所述的方法，其特征在于，針對(duì)任一活動(dòng)類型，確定第一概率，包括： 針對(duì)任一活動(dòng)類型，確定所述用戶參加過(guò)的屬于所述活動(dòng)類型的全部活動(dòng)特征組成的 活動(dòng)集合； 確定所述活動(dòng)類型中，所述用戶之前未參加過(guò)的活動(dòng)與所述活動(dòng)集合的相似度； 所述相似度作為所述用戶參加所述活動(dòng)類型中之前未參加過(guò)的活動(dòng)的第一概率。3. 如權(quán)利要求1所述的方法，其特征在于，針對(duì)任一活動(dòng)類型，根據(jù)所述用戶的好友活 動(dòng)歷史數(shù)據(jù)，確定第二概率，包括： 針對(duì)任一活動(dòng)類型，根據(jù)所述用戶的好友活動(dòng)歷史數(shù)據(jù)，獲得最鄰居節(jié)點(diǎn)集合，其中所 述鄰居節(jié)點(diǎn)集合是在所述活動(dòng)類型中，所述用戶和好友共同參加的活動(dòng)的相似度符合設(shè)定 規(guī)則的用戶； 針對(duì)鄰居節(jié)點(diǎn)集合中的任一鄰居節(jié)點(diǎn)，確定所述鄰居節(jié)點(diǎn)參加所述活動(dòng)類型中的活動(dòng) 的比率； 根據(jù)所述比率確定鄰居節(jié)點(diǎn)集合的權(quán)重和值； 根據(jù)所述權(quán)重和值，確定所述用戶參加所述活動(dòng)類型的活動(dòng)的第二概率。4. 如權(quán)利要求1所述的方法，其特征在于，確定所述用戶在不同活動(dòng)場(chǎng)景中參加不同 活動(dòng)類型的活動(dòng)的第三概率，包括： 針對(duì)任一活動(dòng)類型，確定所述用戶在不同活動(dòng)場(chǎng)景中參加所述活動(dòng)類型的頻率；以及 在任一活動(dòng)場(chǎng)景中參加所述活動(dòng)類型的活動(dòng)占參加全部類型活動(dòng)的比值； 所述比值作為用戶在不同活動(dòng)場(chǎng)景中參加不同活動(dòng)類型的活動(dòng)的第三概率。5. 如權(quán)利要求1所述的方法，其特征在于，按照下述公式根據(jù)第一概率、第二概率和第 三概率，確定用戶在任一活動(dòng)場(chǎng)景中參加指定類型活動(dòng)的第四概率： Ρ4=Ρ3*[δ*Ρ1+(1-δ)*Ρ2] 其中，ρ4是第四概率，ρ3是第三概率，Pi是第一概率，S是設(shè)定的權(quán)重值，？2是第二概 率。6. -種信息的推送裝置，其特征在于，包括： 獲取單元，用于獲取用戶標(biāo)識(shí)和與所述用戶標(biāo)識(shí)對(duì)應(yīng)的用戶的活動(dòng)歷史數(shù)據(jù)，其中所 述活動(dòng)歷史數(shù)據(jù)包括用戶參加活動(dòng)的活動(dòng)場(chǎng)景和活動(dòng)類型； 概率確定單元，用于針對(duì)任一用戶標(biāo)識(shí)對(duì)應(yīng)的用戶，根據(jù)所述用戶的活動(dòng)歷史數(shù)據(jù)，針 對(duì)任一活動(dòng)類型，分別確定第一概率和第二概率，其中所述第一概率是用戶未參加過(guò)的活 動(dòng)的概率，所述未參加過(guò)的活動(dòng)包含在所述活動(dòng)類型中；所述第二概率是根據(jù)所述用戶的 好友活動(dòng)歷史數(shù)據(jù)，確定出的用戶參加過(guò)的活動(dòng)的概率，所述參加過(guò)的活動(dòng)包含在所述活 動(dòng)類型中；并確定所述用戶在不同活動(dòng)場(chǎng)景中參加不同活動(dòng)類型中的活動(dòng)的第三概率；根 據(jù)所述第一概率、第二概率和第三概率，確定用戶在任一活動(dòng)場(chǎng)景中參加指定類型活動(dòng)的 第四概率； 信息推送單元，用于根據(jù)第四概率，向所述用戶進(jìn)行信息推送。7. 如權(quán)利要求6所述的裝置，其特征在于，所述概率確定單元，具體用于針對(duì)任一活動(dòng) 類型，確定所述用戶參加過(guò)的屬于所述活動(dòng)類型的全部活動(dòng)特征組成的活動(dòng)集合；確定所 述活動(dòng)類型中，所述用戶之前未參加過(guò)的活動(dòng)與所述活動(dòng)集合的相似度；所述相似度作為 所述用戶參加所述活動(dòng)類型中之前未參加過(guò)的活動(dòng)的第一概率。8. 如權(quán)利要求6所述的裝置，其特征在于，所述概率確定單元，具體用于針對(duì)任一活動(dòng) 類型，根據(jù)所述用戶的好友活動(dòng)歷史數(shù)據(jù)，獲得最鄰居節(jié)點(diǎn)集合，其中所述鄰居節(jié)點(diǎn)集合是 在所述活動(dòng)類型中，所述用戶和好友共同參加的活動(dòng)的相似度符合設(shè)定規(guī)則的用戶；針對(duì) 鄰居節(jié)點(diǎn)集合中的任一鄰居節(jié)點(diǎn)，確定所述鄰居節(jié)點(diǎn)參加所述活動(dòng)類型中的活動(dòng)的比率； 根據(jù)所述比率確定鄰居節(jié)點(diǎn)集合的權(quán)重和值；根據(jù)所述權(quán)重和值，確定所述用戶參加所述 活動(dòng)類型的活動(dòng)的第二概率。9. 如權(quán)利要求6所述的裝置，其特征在于，所述概率確定單元，具體用于針對(duì)任一活動(dòng) 類型，確定所述用戶在不同活動(dòng)場(chǎng)景中參加所述活動(dòng)類型的頻率；以及在任一活動(dòng)場(chǎng)景中 參加所述活動(dòng)類型的活動(dòng)占參加全部類型活動(dòng)的比值；所述比值作為用戶在不同活動(dòng)場(chǎng)景 中參加不同活動(dòng)類型的活動(dòng)的第三概率。10. 如權(quán)利要求6所述的裝置，其特征在于，所述概率確定單元，具體用于按照下述公 式根據(jù)第一概率、第二概率和第三概率，確定用戶在任一活動(dòng)場(chǎng)景中參加指定類型活動(dòng)的 第四概率： Ρ4=Ρ3*[δ*Ρ1+(1-δ)*Ρ2] 其中，ρ4是第四概率，ρ3是第三概率，Pi是第一概率，S是設(shè)定的權(quán)重值，？2是第二概 率。
【文檔編號(hào)】G06F17/30GK105989005SQ201510041409
【公開日】2016年10月5日
【申請(qǐng)日】2015年1月27日
【發(fā)明人】劉娟
【申請(qǐng)人】中國(guó)移動(dòng)通信集團(tuán)公司