一种信息推荐的方法及装置

1.一种信息推荐的方法，其特征在于，包括：
获得客户端的访问信息后，从存储记录中获得与所述访问信息关联的各类关联信息，其中，所述从存储记录中获得与所述访问信息关联的各类关联信息的方法包括：从存储记录中获取使用过所述访问信息的其他客户端，从所述存储记录中获取所述其他客户端使用过的各类信息；
获得所述各类关联信息中含有至少两类关联信息的关联信息组合的出现属性，分别根据每一种关联信息组合的出现属性计算该种关联信息组合与所述访问信息的关联度，其中，所述出现属性包括出现次数，出现时间和出现平台中的一个或多个；
选择满足条件的关联度对应的关联信息组合，将所述关联信息组合转换为对应要求的超文本格式，并发送给所述客户端，其中，所述选择满足条件的关联度对应的关联信息组合包括：
按照所述关联度由高到低进行排序，选择排序后的前设定数量个关联度对应的关联信息组合；或将所述关联度与设定值进行比较，当所述关联度超过设定值时，选择所述关联度对应的关联信息组合。
2.如权利要求1所述的方法，其特征在于，所述访问信息包括：
博客信息、圈子信息、帖子信息、产品信息、资讯信息、关键字信息和广告信息中的一个或多个。
3.如权利要求1所述的方法，其特征在于，所述获得各类关联信息中含有至少两类关联信息的关联信息组合的出现属性包括：
根据客户端的应用场景在所述各类关联信息中选择含有至少两类关联信息的关联信息组合；
统计每一种关联信息组合的出现属性。
4.如权利要求1所述的方法，其特征在于，所述根据每一种关联信息组合的出现属性计算该种关联信息组合与所述访问信息的关联度之前，还包括：
获得本地客户端的用户信息和使用过所述访问信息的客户端的用户信息；
则所述根据每一种关联信息组合的出现属性计算该种关联信息组合与所述访问信息的关联度还包括：
根据所述本地客户端的用户信息和使用过所述访问信息的客户端的用户信息给所述每一种关联信息组合的出现属性设置权重系数；
根据所述每一种关联信息组合的出现属性以及对应的权重系数计算该种关联信息组合与所述访问信息的关联度。
5.如权利要求4所述的方法，其特征在于，所述用户信息包括：
用户年龄信息、用户学历信息、用户职业信息和用户家庭结构信息中的一种或多种。
6.如权利要求1所述的方法，其特征在于，所述发送给所述客户端之后，还包括：
所述客户端展示接收到的所述关联信息组合。
7.一种信息推荐的装置，其特征在于，包括：
获取单元，用于获得客户端的访问信息后，从存储记录中获得与所述访问信息关联的各类关联信息，其中，所述从存储记录中获得与所述访问信息关联的各类关联信息的方法包括：从存储记录中获取使用过所述访问信息的其他客户端，从所述存储记录中获取所述其他客户端使用过的各类信息；
计算单元，用于获得所述各类关联信息中含有至少两类关联信息的关联信息组合的出现属性，分别根据每一种关联信息组合的出现属性计算该种关联信息组合与所述访问信息的关联度，其中，所述出现属性包括出现次数，出现时间和出现平台中的一个或多个；
推荐单元，用于选择满足条件的关联度对应的关联信息组合，将所述关联信息组合转换为对应要求的超文本格式，并发送给所述客户端；
其中，所述推荐单元包括：
第一选择子单元，按照所述关联度由高到低进行排序，选择排序后的前设定数量个关联度对应的关联信息组合；或，
第二选择子单元，用于将所述关联度与设定值进行比较，当所述关联度超过设定值时，选择所述关联度对应的关联信息组合。
8.如权利要求7所述的装置，其特征在于，所述装置还包括：
存储单元，用于存储每一个客户端使用过的各类信息。
9.如权利要求7所述的装置，其特征在于，所述计算单元包括：
选择子单元，用于根据客户端的应用场景在所述各类关联信息中选择含有至少两类关联信息的关联信息组合；
统计子单元，用于统计每一种关联信息组合的出现属性。
10.如权利要求7所述的装置，其特征在于，所述装置还包括：
用户信息单元，用于获得本地客户端的用户信息和使用过所述访问信息的客户端的用户信息；
则所述计算单元还包括：
保存子单元，用于保存根据所述本地客户端的用户信息和所述使用过所述访问信息的客户端的用户信息给每一种关联信息组合的出现属性设置的权重系数；
计算子单元，用于根据所述每一种关联信息组合的出现属性以及对应的权重系数计算该种关联信息组合与所述访问信息的关联度。
11.一种服务器，其特征在于，包括：如权利要求7～10任一所述的装置。

一种信息推荐的方法及装置\n技术领域\n[0001] 本发明涉及网络技术领域，尤指一种信息推荐的方法及装置。\n背景技术\n[0002] 随着互联网的普及，互联网上的信息资源呈指数膨胀，从而带来了“信息过载”和“信息迷向”的问题，用户经常会迷失在大量的信息空间中，无法顺利找到自己需要的信息。\n因此出现了面向互联网的信息检索、信息过滤和协同过滤等技术，例如一些电子商务推荐系统，这些电子商务推荐系统直接与用户交互，模拟商店销售人员向用户提供商品推荐，帮助用户找到所需要商品，从而顺利完成购买过程。目前的这些推荐系统是基于一种实例基础上的，也就是通过商品推荐商品，资讯推荐资讯，圈子推荐圈子等等，但是这些推荐系统的覆盖面不够宽，精确度不够高，在日趋激烈的竞争环境下，由于以上这些问题，现有的推荐系统可能会导致用户流失，从而降低了网站的销售额度和浏览量。\n发明内容\n[0003] 有鉴于此，本发明实施例提供了一种信息推荐的方法，用以提高推荐系统的精确度。\n[0004] 本发明实施例提供了一种信息推荐的方法，包括：\n[0005] 获得客户端的访问信息后，从存储记录中获得与所述访问信息关联的各类关联信息；\n[0006] 获取所述各类关联信息中含有至少两类关联信息的关联信息组合的出现属性，分别根据每一种关联信息组合的出现属性计算该种关联信息组合与所述访问信息的关联度；\n[0007] 选择满足条件的关联度对应的关联信息组合，将所述关联信息组合推荐给所述客户端。\n[0008] 本发明实施例提供了一种信息推荐的装置，包括：\n[0009] 获取单元，用于获得本地客户端的访问信息后，从存储记录中获得与所述访问信息关联的各类关联信息；\n[0010] 计算单元，用于获取所述各类关联信息中含有至少两类关联信息的关联信息组合的出现属性，分别根据每一种关联信息组合的出现属性计算该种关联信息组合与所述访问信息的关联度；\n[0011] 推荐单元，用于选择满足条件的关联度对应的关联信息组合，将所述关联信息组合推荐给所述客户端。\n[0012] 本发明实施例提供了一种服务器，包括：\n[0013] 获取单元，用于获得客户端的访问信息后，从存储记录中获得与所述访问信息关联的各类关联信息；\n[0014] 计算单元，用于获得所述各类关联信息中含有至少两类关联信息的关联信息组合的出现属性，分别根据每一种关联信息组合的出现属性计算该种关联信息组合与所述访问信息的关联度；\n[0015] 推荐单元，用于选择满足条件的关联度对应的关联信息组合，将所述关联信息组合推荐给所述客户端。\n[0016] 本发明实施例中服务器得到客户端的访问信息后，从存储记录中获取与所述访问信息关联的各类关联信息，获取所述各类关联信息中含有至少两类关联信息的关联信息组合的出现属性，分别根据每一种关联信息组合的出现属性计算该种关联信息组合与所述访问信息的关联度，选择满足条件的关联度对应的关联信息组合，将所述关联信息组合推荐给所述客户端，从而实现各种信息流之间的交互和个性化推荐，提高推荐系统的精确度。\n附图说明\n[0017] 图1是本发明实施例信息推荐的方法的流程图；\n[0018] 图2是本发明实施例信息推荐的方法的具体流程图；\n[0019] 图3是本发明实施例信息推荐的装置结构图。\n具体实施方式\n[0020] 本发明实施例提供了一种信息推荐的方法，该方法包括：服务器得到客户端的访问信息后，从存储记录中获取与所述访问信息关联的各类关联信息，获得所述各类关联信息中含有至少两类关联信息的关联信息组合的出现属性，分别根据每一种关联信息组合的出现属性计算该种关联信息组合与所述访问信息的关联度，选择满足条件的关联度对应的两类关联信息组合，将所述关联信息组合推荐给所述客户端。\n[0021] 参见图1所示，本发明实施例的方法包括以下步骤：\n[0022] 步骤101：客户端将访问信息发送给服务器，例如客户端将商品信息，或者博客(blog)信息发送给服务器。本发明实施例中的访问信息可以包括但不限于商品信息、blog信息、圈子信息、帖子信息、产品信息、资讯信息、关键字信息和广告信息等互联网实体信息中的一个或多个。\n[0023] 本步骤中客户端还可以将客户端的用户信息发送给服务器，如客户端用户的注册名返回给服务器，服务器可根据返回的客户端用户的注册名调取例如用户的学历信息、职业信息、年龄信息等用户信息，为根据该客户端的用户信息进行二次挖掘做准备。\n[0024] 步骤102：服务器从存储记录中获取与步骤101中的访问信息关联的各类关联信息。这里，服务器首先从存储记录中获取使用过该访问信息的客户端的记录，其中，使用包括：浏览、收藏、购买、评论、处理、加入、推荐等这些对信息的执行动作，但不限于此。然后从所述记录中获取这些客户端使用过的各类信息，也就是这些客户端使用过的商品信息、blog信息、圈子信息、帖子信息、产品信息、资讯信息、关键字信息和广告信息等这些类别的信息，从而获得了与访问信息关联的各类关联信息。\n[0025] 步骤103：服务器从步骤102获取到各类关联信息中获取含有至少两类关联信息的关联信息组合的出现属性，分别根据每一种关联信息组合的出现属性计算该种关联信息组合与所述访问信息的关联度。所述出现属性可以是出现次数，出现时间和出现平台中的一个或多个。\n[0026] 这里服务器可以首先根据客户端的应用场景在步骤102获取到各类关联信息中选择含有至少两类关联信息的关联信息组合，即可以根据客户端的应用场景在商品信息、blog信息、圈子信息、帖子信息、产品信息、资讯信息、关键字信息和广告信息等这些类别的关联信息中，选择含有两类以上的关联信息的关联信息组合，比如，选择含有商品信息和资讯信息的关联信息组合，或者选择含有blog信息、圈子信息和帖子信息的关联信息组合。\n然后统计每一种关联信息组合的出现属性，最后分别根据每一种关联信息的出现属性计算该关联信息组合与所述访问信息的关联度。\n[0027] 其中，可以首先获取每一种关联信息的出现次数，然后根据每一种关联信息组合的出现次数计算该种关联信息组合与所述访问信息的关联度。也可以首先获取每一种关联信息的出现次数和出现时间这两种出现属性，然后根据每一种关联信息组合的出现次数和出现时间计算该种关联信息组合与所述访问信息的关联度。\n[0028] 这里还可以根据步骤101中得到的客户端的用户信息进行二次挖掘，服务器从步骤102获取到各类关联信息中获取满足客户端的应用场景的含有至少两类关联信息的关联信息的出现属性，比如获取含有blog信息、圈子信息和帖子信息的每一种关联信息组合的出现属性，在得到客户端的用户信息和使用过所述访问信息的客户端的用户信息之后，根据所述客户端的信息和所述使用过所述访问信息的客户端的信息给每一种关联信息组合的出现属性设置权重系数，最后根据每一种关联信息组合的出现属性以及对应的权重系数计算该种关联信息组合与所述访问信息的关联度。\n[0029] 步骤104：服务器将满足条件的关联度对应的关联信息组合推荐给客户端。\n[0030] 这里，可以将步骤103中计算出的关联度进行排序，根据排序结果将一个或多个排序较高的关联度对应的关联信息组合推荐给客户端。另外还可以将步骤103中计算出的关联度与设定值进行比较，当所述关联度超过设定值时，选择所述关联度对应的关联信息组合，将所述关联信息组合推荐给本地客户端。\n[0031] 本步骤中，还需要根据本地客户端的应用场景，将上述被推荐的关联信息组合转换为其对应要求的超文本格式后发送给本地客户端，也就是服务器发送给本地客户端包括关联信息组合以及其对应的超文本格式。\n[0032] 步骤105：客户端将接收到的关联信息组合显示出来，也就是将步骤104中被推荐的关联信息组合和其对应的超文本格式展现给用户。\n[0033] 下面结合说明书附图对本发明实施例作进一步详细描述。\n[0034] 参见图2，本发明实施例中访问信息为商品信息，但是并不能因此而认为本发明实施例仅能用于商品信息的推荐，blog信息、圈子信息、帖子信息、产品信息、资讯信息、关键字信息或广告信息等互联网实体信息均可通过本发明实施例实现推荐。具体执行过程如下：\n[0035] 步骤201：用户通过本地客户端访问具有商品信息的网页，比如用户需要购买商品A。\n[0036] 步骤202：本地客户端将商品A信息和用户信息发送给服务器。\n[0037] 步骤203：服务器接收到商品A信息和用户信息后，在存储记录中调取一段时间内与商品A信息关联的用户，可以是一个月内与商品A信息关联的用户，也就是获得一个月内购买、浏览或收藏商品A的用户，具体包括用户M1、用户M2、用户M3、用户M4和用户M5。然后进一步调取M1、M2、M3、M4和M5使用过的各类信息，例如M1还购买了商品B、商品C和商品D，浏览blog1、blog2和blog3，浏览广告1、广告2、广告3和广告4，加入圈子1和圈子\n2。而M2还购买了商品B、商品C和商品E，浏览blog1、blog2和blog4，浏览广告1、广告2和广告5，发了帖子1和帖子2。M3还浏览了商品B、商品D和商品F，浏览blog1、blog4和blog5，加入圈子1，发了帖子1和帖子3。M4还收藏了商品B、商品F和商品G，浏览blog2，浏览资讯1、资讯2和资讯3，加入圈子2，发了帖子3和帖子4。M5还购买了商品B和商品F，浏览blog2和blog6，浏览广告4，加入圈子1和圈子3，浏览资讯1和资讯4。上述这些各类信息就是与商品A信息关联的各类关联信息。本步骤服务器还可以得到用户M1、用户M2、用户M3、用户M4和用户M5的年龄信息、学历信息、职业信息和家庭结构信息等这些用户信息中的一种或多种。\n[0038] 步骤204：根据用户登录网页的应用平台，选择满足该应用平台的关联信息组合，如果访问的网页只具有商品信息和资讯信息这两类信息的组合，那么选择的关联信息组合为商品信息和资讯信息的组合。如果访问的网页具有商品信息、blog信息、广告信息和资讯信息等这几类信息，那么选择对应的关联信息组合为商品信息、blog信息、广告信息和资讯信息的组合，这里根据用户登录网页的应用环境，选择满足应用环境的含有商品信息、博客信息、圈子信息、帖子信息、产品信息、资讯信息、关键字信息和广告信息等中的至少两类信息的关联信息组合。本发明实施例以访问的网页具有商品信息和资讯信息这两类信息为例进行描述，那么选择对应的关联信息组合为商品信息和资讯信息的组合。\n[0039] 步骤205：统计每一种商品信息和资讯信息的组合的出现属性，本发明实施例以出现次数为例进行描述，但并不限如此。在步骤203中，购买、浏览或收藏商品A的用户中，购买、浏览或收藏商品B且又浏览资讯1的有2人，即商品B和资讯1的出现次数为2；购买、浏览或收藏商品F且又浏览资讯1的有2人，即商品F和资讯1的出现次数为2；购买、浏览或收藏商品B且又浏览资讯2的有1人，即商品B和资讯2的出现次数为1；购买、浏览或收藏商品B且又浏览资讯3的有1人，即商品B和资讯3的出现次数为1；购买、浏览或收藏商品B且又浏览资讯4的有1人，即商品B和资讯4的出现次数为1；购买、浏览或收藏商品F且又浏览资讯2的有1人，即商品F和资讯2的出现次数为1；购买、浏览或收藏商品F又浏览资讯3的有1人，即商品F和资讯3的出现次数为1；购买、浏览或收藏商品F且又浏览资讯4的有1人，即商品F和资讯4的出现次数为1；购买、浏览或收藏商品G且又浏览资讯1的有1人，即商品G和资讯1的出现次数为1；购买、浏览或收藏商品G且又浏览资讯2的有1人，即商品G和资讯2的出现次数为1；购买、浏览或收藏商品G且又浏览资讯3的有1人，即商品G和资讯3的出现次数为2。\n[0040] 步骤206：服务器根据步骤205统计的结果，通过相应的关联算法计算每一种商品信息和资讯信息的组合与所述访问信息的关联度，也就是与购买商品A的关联度。这里可以采用协同过滤推荐算法，也可以采用加入设定商业规则的推荐算法。商品B和资讯1的组合以及商品F和资讯1的组合与商品的出现次数最高，根据出现次数计算出的关联度为\n2，那么依次计算出商品B和资讯2的组合与商品A的关联度为1，商品B和资讯3的组合与商品A的关联度为1，商品B和资讯4的组合与商品A的关联度为1，商品F和资讯2的组合与商品A的关联度为1，商品F和资讯3的组合与商品A的关联度为1，商品F和资讯\n4的组合与商品A的关联度为1。\n[0041] 本发明实施例还可根据客户端返回的用户信息进行二次挖掘。例如根据用户的学历对上述计算出的关联度再次进行挖掘，统计购买、浏览或收藏商品A的用户的学历，发现高学历的用户可能会对商品B和资讯1比较感兴趣，而且本地客户端返回的用户信息也是高学历，因此可将商品B和资讯1的出现次数的权重系数设为1，而将商品F和资讯1的出现次数的权重系数设为0.6，这样最终根据该用户信息挖掘后的结果可能就会是商品B和资讯1与当前访问的商品A关联度最高，关联度为2，而商品F和资讯1与当前访问的商品A的关联度为1.2。这样依次对各种商品信息和资讯信息的组合的出现次数设置权重系数，根据商品信息和资讯信息的组合的出现次数以及对应的权重系数得到各种商品信息和资讯信息组合与商品A的关联度。\n[0042] 步骤207：将步骤206计算出来的关联度与设定值进行比较，当所述关联度超过设定值时，获取所述关联度对应的关联信息组合。本发明实施例中，关联度的设定值为1，在步骤205中，关联度大于1的关联信息组合为商品B和资讯1的组合以及商品F和资讯1的组合。\n[0043] 本发明实施例中，还可以按照关联信息组合与访问信息的关联度的大小进行排序，获取设定数量N个关联度对应的关联信息组合，比如获取排名靠前的两组关联信息组合。\n[0044] 步骤208：服务器将步骤207中获取到的关联信息组合发送给客户端。服务器将商品B和资讯1的组合以及商品F和资讯1的组合转换为商品B和资讯1的组合以及商品F和资讯1的组合对应要求的超文本格式，然后将所述商品B和资讯1的组合，商品F和资讯1的组合，以及对应要求的超文本格式发送给本地客户端。\n[0045] 或者，服务器将N个关联度对应的关联信息组合以及对应要求的超文本格式发送给本地客户端。\n[0046] 步骤209：本地客户端将接收到的商品B和资讯1的组合，商品F和资讯1的组合，以及对应要求的超文本格式展示给用户，或者将N个关联度对应的关联信息组合以及对应要求的超文本格式展示给用户。\n[0047] 根据本发明上述方法可以构建一种信息推荐的装置，位于后台服务器中，参见图\n3，包括：获取单元100，计算单元200和推荐单元300。\n[0048] 获取单元100，用于获得客户端的访问信息后，从存储记录中获取与所述访问信息关联的各类关联信息。\n[0049] 计算单元200，用于获得所述各类关联信息中含有至少两类关联信息的关联信息组合的出现属性，分别根据每一种关联信息组合的出现属性计算该种关联信息组合与所述访问信息的关联度。\n[0050] 推荐单元300，用于选择满足条件的关联度对应的关联信息组合，将所述关联信息组合推荐给所述客户端。\n[0051] 本发明实施例所述装置还包括：存储单元。\n[0052] 存储单元，用于存储客户端、以及每一个客户端使用过的各类信息。\n[0053] 其中，获取单元包括：第一获取子单元110和第二获取子单元120.[0054] 第一获取子单元110，用于从存储记录中获取使用过所述访问信息的其他客户端；\n[0055] 第二获取子单元120，用于从所述存储记录中获取所述其他客户端使用过的各类关联信息。\n[0056] 计算单元200还包括：选择子单元210和统计子单元220。\n[0057] 选择子单元210，用于根据客户端的应用场景在所述各类关联信息中选择含有至少两类关联信息的关联信息组合。\n[0058] 统计子单元220，用于统计每一种关联信息组合的出现属性。\n[0059] 推荐单元300还包括：第一选择子单元310和第二选择子单元320。\n[0060] 第一选择子单元310，按照所述关联度进行排序，选择排序较高的关联度对应的关联信息组合。\n[0061] 第二选择子单元320，用于将所述关联度与设定值进行比较，当所述关联度超过设定值时，选择所述关联度对应的关联信息组合。\n[0062] 本发明实施例所述装置还包括：转换单元和发送单元。\n[0063] 转换单元，用于将所述关联信息组合转换为所述关联信息组合对应要求的超文本格式。\n[0064] 发送单元，用于将所述超文本格式发送给所述客户端。\n[0065] 当本发明实施中该装置包括用户信息单元时，计算单元还可以包括保存子单元和计算子单元。其中，\n[0066] 用户信息单元，用于得到所述客户端的用户信息和使用过所述访问信息的客户端的用户信息。\n[0067] 保存子单元，用于保存根据所述客户端的用户信息和所述浏览过所述访问信息的客户端的用户信息给每一种关联信息组合的出现属性设置的权重系数。\n[0068] 计算子单元，用于根据所述每一种关联信息组合的出现属性以及对应的权重系数计算该种关联信息组合与所述访问信息的关联度。\n[0069] 本发明实施例中服务器得到客户端的访问信息后，从存储记录中获取与所述访问信息关联的各类关联信息，获取所述各类关联信息中含有至少两类关联信息的关联信息组合的出现属性，分别根据每一种关联信息组合的出现属性计算该种关联信息组合与所述访问信息的关联度，将满足条件的关联度对应的关联信息组合推荐给客户端，并且能根据客户端的用户信息进行二次挖掘，这样能够为用户推荐最适合的信息，根据用户的任一输入，输出不同的推荐结果，输入可以是一群人、一个圈子、一件商品、一个blog、一个帖子、一个产品描述或一个资讯等，输出结果可以是一群人、一个圈子、一件商品、一个blog、一个帖子、一个产品描述或一个资讯等的任意组合，能够覆盖互联网上所有的实体，从而实现各种信息流之间的交互和个性化推荐，提高了推荐的精确度和推荐信息的覆盖面，这样也就提高网站的销售额和浏览量。\n[0070] 虽然通过实施例描绘了本发明，但本领域普通技术人员知道，在不脱离本发明的精神和实质的情况下，就可使本发明有许多变形和变化，本发明的范围由所附的权利要求来限定。