CN111506816A - 推荐方法、装置、设备及存储介质 - Google Patents

Abstract

本发明公开了一种推荐方法、装置、设备及存储介质，该方法包括：根据目标用户的历史行为，确定目标用户的历史喜欢物品集合，根据历史喜欢物品集合以及预先确定的每个物品的相关物品集合，确定历史喜欢物品集合对应的第一预推荐物品集合，根据第一预推荐物品集合以及每个物品的相关物品集合，确定第一预推荐物品集合对应的第二预推荐物品集合，将第一预推荐物品集合与第二预推荐物品集合的交集物品，确定为向目标用户推荐的目标推荐物品。一方面，相较于目前只采用一阶信息推荐的方式，本实施例的推荐精度较高，另一方面，这种推荐方式在保证推荐精度的前提下可以提高推荐的多样性。

Description

推荐方法、装置、设备及存储介质

技术领域

本发明实施例涉及大数据处理技术领域，尤其涉及一种推荐方法、装置、设备及存储介质。

背景技术

随着大数据处理技术的不断发展，向用户推荐物品的推荐系统的应用越来越广泛。这里的物品可以是影视、音乐、专辑等多媒体物品。

目前，推荐系统常常使用协同过滤的方法来进行推荐：计算物品的相关物品，再通过用户喜欢的物品来推荐与该用户最喜欢的物品最相关的物品。

但是，上述推荐方法只使用了用户最喜欢的物品的相关物品的信息，考虑到的信息较为单一，导致推荐精度较低。

发明内容

本发明提供一种推荐方法、装置、设备及存储介质，以解决目前的推荐方法中推荐精度较低的技术问题。

第一方面，本发明实施例提供一种推荐方法，包括：

根据目标用户的历史行为，确定所述目标用户的历史喜欢物品集合；

根据所述历史喜欢物品集合以及预先确定的每个物品的相关物品集合，确定所述历史喜欢物品集合对应的第一预推荐物品集合；

根据所述第一预推荐物品集合以及所述每个物品的相关物品集合，确定所述第一预推荐物品集合对应的第二预推荐物品集合；

将所述第一预推荐物品集合与所述第二预推荐物品集合的交集物品，确定为向所述目标用户推荐的目标推荐物品。

第二方面，本发明实施例提供一种推荐装置，包括：

第一确定模块，用于根据目标用户的历史行为，确定所述目标用户的历史喜欢物品集合；

第二确定模块，用于根据所述历史喜欢物品集合以及预先确定的每个物品的相关物品集合，确定所述历史喜欢物品集合对应的第一预推荐物品集合；

第三确定模块，用于根据所述第一预推荐物品集合以及所述每个物品的相关物品集合，确定所述第一预推荐物品集合对应的第二预推荐物品集合；

第四确定模块，用于将所述第一预推荐物品集合与所述第二预推荐物品集合的交集物品，确定为向所述目标用户推荐的目标推荐物品。

第三方面，本发明实施例还提供了一种计算机设备，所述计算机设备包括：

一个或多个处理器；

存储器，用于存储一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如第一方面提供的推荐方法。

第四方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如第一方面提供的推荐方法。

本实施例提供一种推荐方法、装置、设备及存储介质，该方法包括：根据目标用户的历史行为，确定目标用户的历史喜欢物品集合，根据历史喜欢物品集合以及预先确定的每个物品的相关物品集合，确定历史喜欢物品集合对应的第一预推荐物品集合，根据第一预推荐物品集合以及每个物品的相关物品集合，确定第一预推荐物品集合对应的第二预推荐物品集合，将第一预推荐物品集合与第二预推荐物品集合的交集物品，确定为向目标用户推荐的目标推荐物品。其具有以下技术效果：在对目标用户进行推荐时，结合用户的历史喜欢物品集合对应的第一预推荐物品集合，以及，第一预推荐物品集合对应的第二预推荐物品集合，确定目标推荐物品，换句话说，结合了用户的一阶信息与二阶信息进行推荐，一方面，相较于目前只采用一阶信息推荐的方式，本实施例的推荐精度较高，另一方面，这种推荐方式在保证推荐精度的前提下可以提高推荐的多样性。

附图说明

图1为本发明一个实施例提供的推荐方法的流程示意图；

图2A为一种确定历史喜欢物品集合对应的第一预推荐物品集合过程的流程示意图；

图2B为一种确定第一预推荐物品集合对应的第二预推荐物品集合过程的流程示意图；

图3为本发明一个实施例提供的推荐装置的结构示意图；

图4为本发明一个实施例提供的计算机设备的结构示意图。

具体实施方式

下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。

图1为本发明一个实施例提供的推荐方法的流程示意图。本实施例适用于根据目标用户的历史行为，确定向该目标用户推荐的目标推荐物品的场景中。本实施例可以由推荐装置来执行，该推荐装置可以由软件和/或硬件的方式实现，该推荐装置可以集成于计算机设备中。如图1所示，本实施例提供的推荐方法包括如下步骤：

步骤101：根据目标用户的历史行为，确定目标用户的历史喜欢物品集合。

具体地，本实施例中的计算机设备可以为服务器，也可以为终端设备。这里的终端设备可以为手持设备、车载设备、可穿戴设备，以及各种形式的用户设备(User Equipment；简称：UE)，移动台(Mobile Station；简称：MS)及终端(terminal)等。示例性地，本发明实施例的终端设备可以是智能手机、平板电脑、智能电视等。本实施例中的物品可以为音乐、专辑、影视、图片、文章等多媒体物品，也可以为购物网站中可以被购买的实体物品。本实施例对此不作限制。本实施例中的目标用户指的是需要向其推荐物品的用户。

可选地，当物品为多媒体物品时，用户的历史行为为播放行为。当物品为购物网站中的可以被购买的实体物品时，用户的历史行为为浏览行为或者购买行为。

一种实现方式中，可以将预设时间段内，目标用户进行了播放、进行了浏览或者进行了购买的物品，确定为该目标用户的历史喜欢物品。

另一实现方式中，可以将预设时间段内，目标用户的播放次数、浏览次数或者购买次数大于预设次数阈值的物品，确定为该目标用户的历史喜欢物品。

再一实现方式中，可以将预设时间段内，目标用户的播放时间或者浏览时间大于预设时长阈值的物品，确定为该目标用户的历史喜欢物品。

目标用户的历史喜欢物品组成的集合为该目标用户的历史喜欢物品集合。

步骤102：根据历史喜欢物品集合以及预先确定的每个物品的相关物品集合，确定历史喜欢物品集合对应的第一预推荐物品集合。

具体地，本实施例中可以预先确定出每个物品的相关物品集合。本实施例中的物品的相关物品集合指的是与该物品相关的物品组成的集合。与该物品相关的物品指的是与该物品具有某种共性的物品。这里的共性可以为物品的类型及风格等相同或者类似。

一实现方式中，推荐装置可以根据数据库中除第一物品之外的每个其他物品与第一物品的相关系数，确定第一物品的相关物品集合。其中，相关物品集合中相关物品的数量为第一预设数量，第一物品为数据库中的任一物品。

为了描述方便，本实施例中，将数据库中的任一物品称为第一物品。在计算第一物品的相关物品集合时，可以先计算数据库中除第一物品之外的每个其他物品与第一物品的相关系数，再根据相关系数，确定第一物品的相关物品集合。具体过程可以为：计算每个其他物品与第一物品的杰卡德系数或者余弦相似度，将杰卡德系数或者余弦相似度作为相关系数；按照从大到小的顺序排列相关系数，将对应的相关系数排在前第一预设数量的物品的集合确定为第一物品的相关物品集合。示例性地，这里的第一预设数量可以为30。

执行上述过程就可以得到数据库中每个第一物品的相关物品集合，即，每个物品的相关物品集合。本实施例中的数据库中包括所有物品。

更具体地，在物品为多媒体物体时，可以根据播放第一物品的用户数量与播放其他物品中的第二物品的用户数量，确定第二物品与第一物品的杰卡德系数。其中，第二物品为其他物品中的任一物品。

示例性地，根据公式

确定第二物品与第一物品的杰卡德系数。其中，w_ij表示第二物品与第一物品的杰卡德系数，N(j)表示播放第二物品的用户数量，|N(i)∩N(j)|表示同时播放第一物品和第二物品的用户数量，|N(i)∪N(j)|表示播放第一物品或第二物品的用户数量，α为第一预设参数，β为第二预设参数。

可选地，α的取值可以在0.1～0.3之间，α的作用为抑制热门物品。β的取值可以在5～100之间，β的作用为抑制冷门物品。

示例性地，也可以根据公式

确定第二物品与第一物品的杰卡德系数。

图2A为一种确定历史喜欢物品集合对应的第一预推荐物品集合过程的流程示意图。如图2A所示，步骤102的一种可能的实现方式为包括如下步骤：

步骤1021：根据历史喜欢物品集合以及每个物品的相关物品集合，确定历史喜欢物品集合中，每个历史喜欢物品的第一相关物品集合及第一相关物品集合中每个第一相关物品与历史喜欢物品的相关系数。

如前文所示，已经预先确定出每个物品的相关物品集合。在确定出目标用户的历史喜欢物品集合后，可以确定出历史喜欢物品集合中，每个历史喜欢物品的第一相关物品集合。目标用户的历史喜欢物品有多少个，这里就可以确定出多少个第一相关物品集合。

对于每个第一相关物品集合，第一相关物品集合中每个第一相关物品与历史喜欢物品具有相关系数。

步骤1022：将所有历史喜欢物品的第一相关物品集合中，相同的第一相关物品对应的相关系数相加，不同的第一相关物品对应的相关系数保持不变，确定每个第一相关物品与历史喜欢物品的更新后的相关系数。

由于多个第一相关物品集合中，可能存在相同的第一相关物品，在步骤1022中，将所有第一相关物品集合中，相同的第一相关物品对应的相关系数相加，不同的第一相关物品对应的相关系数保持不变，进而，可以确定出每个第一相关物品与历史喜欢物品的更新后的相关系数。

步骤1023：按照从大到小的顺序排列所有第一相关物品与历史喜欢物品的更新后的相关系数，将对应的更新后的相关系数排在前第二预设数量的第一相关物品的集合，确定为历史喜欢物品集合对应的第一预推荐物品集合。

以下以一个具体的例子说明上述过程。假设目标用户的历史喜欢物品集合为{A,B,C}。

预先确定出的A的相关物品集合为{H，I，J，K}，且H与A的相关系数为0.1，I与A的相关系数为0.2，J与A的相关系数为0.8，K与A的相关系数为0.78。预先确定出的B的相关物品集合为{M，N，J，K}，且M与B的相关系数为0.3，N与B的相关系数为0.4，J与B的相关系数为0.8，K与B的相关系数为0.7。预先确定出的C的相关物品集合为{M，H，S，Y}，且M与C的相关系数为0.3，H与C的相关系数为0.1，S与C的相关系数为0.5，Y与C的相关系数为0.6。

基于历史喜欢物品集合，确定出的每个历史喜欢物品的第一相关物品集合分别为：A的第一相关物品集合为{H，I，J，K}，并且，每个第一相关物品与A的相关系数分别为：{0.1，0.2，0.8，0.78}；B的第一相关物品集合为{M，N，J，K}，并且，每个第一相关物品与B的相关系数分别为：{0.3，0.4，0.8，0.7}；C的第一相关物品集合为{M，H，S，Y}，并且，每个第一相关物品与C的相关系数分别为：{0.3，0.1，0.5，0.6}。

可以看出，这三个第一相关物品集合中，存在相同的第一相关物品H、J、K、M。将相同的第一相关物品对应的相关系数相加，即，将H与A的相关系数0.1与H与C的相关系数0.1相加，得到0.2；将J与A的相关系数0.8与J与B的相关系数0.8相加，得到1.6；将K与A的相关系数0.78与K与B的相关系数0.7相加，得到1.48；将M与B的相关系数0.3与M与C的相关系数0.3相加，得到0.6。其他的第一相关物品I、N、S、Y的相关系数保持不变，可以确定出每个第一相关物品与历史喜欢物品的更新后的相关系数如下：H与历史喜欢物品的更新后的相关系数为0.2，J与历史喜欢物品的更新后的相关系数为1.6，K与历史喜欢物品的更新后的相关系数为1.48，M与历史喜欢物品的更新后的相关系数为0.6，I与历史喜欢物品的更新后的相关系数为0.2，N与历史喜欢物品的更新后的相关系数为0.4，S与历史喜欢物品的更新后的相关系数为0.5，Y与历史喜欢物品的更新后的相关系数为0.6。

之后，按照从大到小的顺序排列所有所述第一相关物品与所述历史喜欢物品的更新后的相关系数，排列后的顺序为{1.6，1.48，0.6，0.6，0.5，0.4，0.2，0.2}，对应的第一相关物品为{J，K，M，Y，S，N，H，I}。将对应的更新后的相关系数排在前第二预设数量，例如，前5个的第一相关物品的集合{J，K，M，Y，S}确定为历史喜欢物品集合对应的第一预推荐物品集合。

步骤103：根据第一预推荐物品集合以及每个物品的相关物品集合，确定第一预推荐物品集合对应的第二预推荐物品集合。

具体地，图2B为一种确定第一预推荐物品集合对应的第二预推荐物品集合过程的流程示意图。如图2B所示，在步骤103中，一种可能的实现方式包括如下步骤：

步骤1031：根据第一预推荐物品集合以及每个物品的相关物品集合，确定第一预推荐物品集合中，每个第一预推荐物品的第二相关物品集合及第二相关物品集合中每个第二相关物品与第一预推荐物品的相关系数。

在确定出第一预推荐物品集合后，可以确定出第一预推荐物品集合中，每个第一预推荐物品的第二相关物品集合。第一预推荐物品有多少个，这里就可以确定出多少个第二相关物品集合。

对于每个第二相关物品集合，第二相关物品集合中的每个第二相关物品与第一预推荐物品具有相关系数。

步骤1032：将所有第一预推荐物品的第二相关物品集合中，相同的第二相关物品对应的相关系数相加，不同的第二相关物品对应的相关系数保持不变，确定每个第二物品与第一预推荐物品的更新后的相关系数。

由于多个第二相关物品集合中，可能存在相同的第二相关物品，在步骤1032中，将所有第二相关物品集合中，相同的第二相关物品对应的相关系数相加，不同的第二相关物品对应的相关系数保持不变，进而，可以确定出每个第二相关物品与第一预推荐物品的更新后的相关系数。

步骤1033：按照从大到小的顺序排列所有第二相关物品与第一预推荐物品的更新后的相关系数，将对应的更新后的相关系数排在前第三预设数量的第二相关物品的集合，确定为第一预推荐物品集合对应的第二预推荐物品集合。

以下接着步骤102中的例子，具体说明上述过程。基于步骤102，第一预推荐物品集合为{J，K，M，Y，S}。

为了描述方便，假设J的第二相关物品集合为{O，P，L，K}，并且，每个第二相关物品与J的相关系数分别为：{0.1，0.2，0.3，0.4}；假设K的第二相关物品集合为{X，P，N，L}，并且，每个第二相关物品与K的相关系数分别为：{0.3，0.5，0.8，0.78}；假设M的第二相关物品集合为{O，X，N，K}，并且，每个第二相关物品与M的相关系数分别为：{0.32，0.2，0.8，0.6}；假设Y的第二相关物品集合为{H，I，S，T}，并且，每个第二相关物品与Y的相关系数分别为：{0.1，0.3，0.8，0.5}；假设S的第二相关物品集合为{O，P，J，K}，并且，每个第二相关物品与S的相关系数分别为：{0.4，0.2，0.3，0.5}。

这五个第二相关物品集合中，存在相同的第二相关物品O、P、L、K、X、N。将相同的第一相关物品对应的相关系数相加。其他的第二相关物品H、I、S、T、J的相关系数保持不变，可以确定出每个第二相关物品与第一预推荐物品的更新后的相关系数如下：O、P、L、K、X、N、H、I、S、T、J与第一预推荐物品的更新后的相关系数分别为：{0.82，0.9，1.08，1.5，0.5，1.6，0.1，0.3，0.8，0.5，0.3}。

之后，按照从大到小的顺序排列所有第二相关物品与第一预推荐物品的更新后的相关系数，排列的顺序为{1.6，1.5，1.08，0.9，0.82，0.8，0.5，0.5，0.3，0.3，0.1}，对应的第二相关物品为{N，K，L，P，O，S，T，X，I，J，H}。将对应的更新后的相关系数排在前第三预设数量，例如，前5个的第二相关物品的集合{N，K，L，P，O}确定为第一预推荐物品集合对应的第二预推荐物品集合。

步骤104：将第一预推荐物品集合与第二预推荐物品集合的交集物品，确定为向目标用户推荐的目标推荐物品。

具体地，在确定出第一预推荐物品集合与第二预推荐物品集合之后，将这两个集合中的交集物品，确定为向目标用户推荐的目标推荐物品。

继续参照步骤102与步骤103中的例如，第一预推荐物品集合为{J，K，M，Y，S}，第二预推荐物品集合为{N，K，L，P，O}，其中的交集物品为K。则将K确定为向目标用户推荐的目标推荐物品。

可选地，在确定出目标推荐物品之后，可以将该目标推荐物品推荐给该目标用户。

本实施例中，目标用户的历史喜欢物品集合为该目标用户的零阶信息。根据目标用户的零阶信息和相关物品集合，得到的第一预推荐物品集合为该目标用户的一阶信息。根据第一预推荐物品集合和相关物品集合，得到的第二预推荐物品集合为该目标用户的二阶信息。最后，将目标用户的一阶信息和二阶信息取交集，优先推荐交集里面的物品。

需要说明的是，为了避免向用户推荐用户已经喜欢的物品，若第一预推荐物品集合与第二预推荐物品集合的交集物品为用户的历史喜欢物品，则将该历史喜欢物品过滤掉。

本实施例提供的推荐方法，包括：根据目标用户的历史行为，确定目标用户的历史喜欢物品集合，根据历史喜欢物品集合以及预先确定的每个物品的相关物品集合，确定历史喜欢物品集合对应的第一预推荐物品集合，根据第一预推荐物品集合以及每个物品的相关物品集合，确定第一预推荐物品集合对应的第二预推荐物品集合，将第一预推荐物品集合与第二预推荐物品集合的交集物品，确定为向目标用户推荐的目标推荐物品。其具有以下技术效果：在对目标用户进行推荐时，结合用户的历史喜欢物品集合对应的第一预推荐物品集合，以及，第一预推荐物品集合对应的第二预推荐物品集合，确定目标推荐物品，换句话说，结合了用户的一阶信息与二阶信息进行推荐，一方面，相较于目前只采用一阶信息推荐的方式，本实施例的推荐精度较高，另一方面，这种推荐方式在保证推荐精度的前提下可以提高推荐的多样性。

图3为本发明一个实施例提供的推荐装置的结构示意图。如图3所示，本实施例提供的推荐装置包括：第一确定模块31、第二确定模块32、第三确定模块33以及第四确定模块34。

第一确定模块31，用于根据目标用户的历史行为，确定目标用户的历史喜欢物品集合。

可选地，该装置还包括：第五确定模块，用于根据数据库中除第一物品之外的每个其他物品与第一物品的相关系数，确定第一物品的相关物品集合。其中，相关物品集合中相关物品的数量为第一预设数量，第一物品为数据库中的任一物品。

一实现方式中，第五确定模块具体用于：计算每个其他物品与第一物品的杰卡德系数或者余弦相似度，将杰卡德系数或者余弦相似度作为相关系数；按照从大到小的顺序排列相关系数，将对应的相关系数排在前第一预设数量的物品的集合确定为第一物品的相关物品集合。

更具体地，在计算每个其他物品与第一物品的杰卡德系数的方面，第五确定模块具体包括确定子模块，用于根据播放第一物品的用户数量与播放其他物品中的第二物品的用户数量，确定第二物品与第一物品的杰卡德系数。其中，第二物品为其他物品中的任一物品。

可选地，该确定子模块具体用于根据公式

确定第二物品与第一物品的杰卡德系数。其中，w_ij表示第二物品与第一物品的杰卡德系数，N(j)表示播放第二物品的用户数量，|N(i)∩N(j)|表示同时播放第一物品和第二物品的用户数量，|N(i)∪N(j)|表示播放第一物品或第二物品的用户数量，α为第一预设参数，β为第二预设参数。

第二确定模块32，用于根据历史喜欢物品集合以及预先确定的每个物品的相关物品集合，确定历史喜欢物品集合对应的第一预推荐物品集合。

一实现方式中，第二确定模块32具体用于：根据历史喜欢物品集合以及每个物品的相关物品集合，确定历史喜欢物品集合中，每个历史喜欢物品的第一相关物品集合及第一相关物品集合中每个第一相关物品与历史喜欢物品的相关系数；将所有历史喜欢物品的第一相关物品集合中，相同的第一相关物品对应的相关系数相加，不同的第一相关物品对应的相关系数保持不变，确定每个第一相关物品与历史喜欢物品的更新后的相关系数；按照从大到小的顺序排列所有第一相关物品与历史喜欢物品的更新后的相关系数，将对应的更新后的相关系数排在前第二预设数量的第一相关物品的集合，确定为历史喜欢物品集合对应的第一预推荐物品集合。

第三确定模块33，用于根据第一预推荐物品集合以及每个物品的相关物品集合，确定第一预推荐物品集合对应的第二预推荐物品集合。

一实现方式中，第三确定模块33具体用于：根据第一预推荐物品集合以及每个物品的相关物品集合，确定第一预推荐物品集合中，每个第一预推荐物品的第二相关物品集合及第二相关物品集合中每个第二相关物品与第一预推荐物品的相关系数；将所有第一预推荐物品的第二相关物品集合中，相同的第二相关物品对应的相关系数相加，不同的第二相关物品对应的相关系数保持不变，确定每个第二物品与第一预推荐物品的更新后的相关系数；按照从大到小的顺序排列所有第二相关物品与第一预推荐物品的更新后的相关系数，将对应的更新后的相关系数排在前第三预设数量的第二相关物品的集合，确定为第一预推荐物品集合对应的第二预推荐物品集合。

第四确定模块34，用于将第一预推荐物品集合与第二预推荐物品集合的交集物品，确定为向目标用户推荐的目标推荐物品。

本发明实施例所提供的推荐装置可执行本发明任意实施例所提供的推荐方法，具备执行方法相应的功能模块和有益效果。

图4为本发明一个实施例提供的计算机设备的结构示意图。如图4所示，该计算机设备包括处理器40和存储器41。该计算机设备中处理器40的数量可以是一个或多个，图4中以一个处理器40为例；该计算机设备的处理器40和存储器41可以通过总线或其他方式连接，图4中以通过总线连接为例。

存储器41作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序以及模块，如本发明实施例中的推荐方法对应的程序指令以及模块(例如，推荐装置中的第一确定模块31、第二确定模块32、第三确定模块33以及第四确定模块34)。处理器40通过运行存储在存储器41中的软件程序、指令以及模块，从而执行计算机设备的各种功能应用以及推荐，即实现上述的推荐方法。

存储器41可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据计算机设备的使用所创建的数据等。此外，存储器41可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实施例中，存储器41可进一步包括相对于处理器40远程设置的存储器，这些远程存储器可以通过网络连接至计算机设备。上述网络的实施例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

本发明还提供一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行一种推荐方法，该方法包括：

根据目标用户的历史行为，确定所述目标用户的历史喜欢物品集合；

根据所述历史喜欢物品集合以及预先确定的每个物品的相关物品集合，确定所述历史喜欢物品集合对应的第一预推荐物品集合；

根据所述第一预推荐物品集合以及所述每个物品的相关物品集合，确定所述第一预推荐物品集合对应的第二预推荐物品集合；

将所述第一预推荐物品集合与所述第二预推荐物品集合的交集物品，确定为向所述目标用户推荐的目标推荐物品。

当然，本发明实施例所提供的一种包含计算机可执行指令的存储介质，其计算机可执行指令不限于如上所述的方法操作，还可以执行本发明任意实施例所提供的推荐方法中的相关操作。

通过以上关于实施方式的描述，所属领域的技术人员可以清楚地了解到，本发明可借助软件及必需的通用硬件来实现，当然也可以通过硬件实现，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如计算机的软盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、闪存(FLASH)、硬盘或光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，计算机设备，或者网络设备等)执行本发明各个实施例所述的推荐方法。

值得注意的是，上述推荐装置的实施例中，所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。

注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。

Claims (10)

1.一种推荐方法，其特征在于，包括：

根据目标用户的历史行为，确定所述目标用户的历史喜欢物品集合；

根据所述历史喜欢物品集合以及预先确定的每个物品的相关物品集合，确定所述历史喜欢物品集合对应的第一预推荐物品集合；

根据所述第一预推荐物品集合以及所述每个物品的相关物品集合，确定所述第一预推荐物品集合对应的第二预推荐物品集合；

将所述第一预推荐物品集合与所述第二预推荐物品集合的交集物品，确定为向所述目标用户推荐的目标推荐物品。

2.根据权利要求1所述的方法，其特征在于，所述根据所述历史喜欢物品集合以及预先确定的每个物品的相关物品集合，确定所述历史喜欢物品集合对应的第一预推荐物品集合之前，所述方法还包括：

根据数据库中除第一物品之外的每个其他物品与第一物品的相关系数，确定所述第一物品的相关物品集合；其中，所述相关物品集合中相关物品的数量为第一预设数量，所述第一物品为所述数据库中的任一物品。

3.根据权利要求2所述的方法，其特征在于，所述根据数据库中除第一物品之外的每个其他物品与第一物品的相关系数，确定所述第一物品的相关物品集合，包括：

计算每个所述其他物品与所述第一物品的杰卡德系数或者余弦相似度，将所述杰卡德系数或者余弦相似度作为所述相关系数；

按照从大到小的顺序排列所述相关系数，将对应的相关系数排在前第一预设数量的物品的集合确定为所述第一物品的相关物品集合。

4.根据权利要求2所述的方法，其特征在于，所述根据所述历史喜欢物品集合以及预先确定的每个物品的相关物品集合，确定所述历史喜欢物品集合对应的第一预推荐物品集合，包括：

根据所述历史喜欢物品集合以及所述每个物品的相关物品集合，确定所述历史喜欢物品集合中，每个历史喜欢物品的第一相关物品集合及所述第一相关物品集合中每个第一相关物品与所述历史喜欢物品的相关系数；

将所有所述历史喜欢物品的第一相关物品集合中，相同的第一相关物品对应的相关系数相加，不同的第一相关物品对应的相关系数保持不变，确定每个第一相关物品与所述历史喜欢物品的更新后的相关系数；

按照从大到小的顺序排列所有所述第一相关物品与所述历史喜欢物品的更新后的相关系数，将对应的更新后的相关系数排在前第二预设数量的第一相关物品的集合，确定为所述历史喜欢物品集合对应的第一预推荐物品集合。

5.根据权利要求2所述的方法，其特征在于，所述根据所述第一预推荐物品集合以及所述每个物品的相关物品集合，确定所述第一预推荐物品集合对应的第二预推荐物品集合，包括：

根据所述第一预推荐物品集合以及所述每个物品的相关物品集合，确定所述第一预推荐物品集合中，每个第一预推荐物品的第二相关物品集合及所述第二相关物品集合中每个第二相关物品与所述第一预推荐物品的相关系数；

将所有所述第一预推荐物品的第二相关物品集合中，相同的第二相关物品对应的相关系数相加，不同的第二相关物品对应的相关系数保持不变，确定每个第二物品与所述第一预推荐物品的更新后的相关系数；

按照从大到小的顺序排列所有所述第二相关物品与所述第一预推荐物品的更新后的相关系数，将对应的更新后的相关系数排在前第三预设数量的第二相关物品的集合，确定为所述第一预推荐物品集合对应的第二预推荐物品集合。

6.根据权利要求3所述的方法，其特征在于，所述物品为多媒体物品；

所述计算每个所述其他物品与所述第一物品的杰卡德系数，包括：

根据播放第一物品的用户数量与播放其他物品中的第二物品的用户数量，确定所述第二物品与所述第一物品的杰卡德系数；其中，所述第二物品为所述其他物品中的任一物品。

7.根据权利要求6所述的方法，其特征在于，所述根据播放第一物品的用户数量与播放其他物品中的第二物品的用户数量，确定所述第二物品与所述第一物品的杰卡德系数，包括：

根据公式

确定所述第二物品与所述第一物品的杰卡德系数；其中，w_ij表示所述第二物品与所述第一物品的杰卡德系数，N(j)表示播放第二物品的用户数量，|N(i)∩N(j)|表示同时播放第一物品和第二物品的用户数量，|N(i)∪N(j)|表示播放第一物品或第二物品的用户数量，α为第一预设参数，β为第二预设参数。

8.一种推荐装置，其特征在于，包括：

第一确定模块，用于根据目标用户的历史行为，确定所述目标用户的历史喜欢物品集合；

第二确定模块，用于根据所述历史喜欢物品集合以及预先确定的每个物品的相关物品集合，确定所述历史喜欢物品集合对应的第一预推荐物品集合；

第三确定模块，用于根据所述第一预推荐物品集合以及所述每个物品的相关物品集合，确定所述第一预推荐物品集合对应的第二预推荐物品集合；

第四确定模块，用于将所述第一预推荐物品集合与所述第二预推荐物品集合的交集物品，确定为向所述目标用户推荐的目标推荐物品。

9.一种计算机设备，其特征在于，所述计算机设备包括：

一个或多个处理器；

存储器，用于存储一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-7中任一所述的推荐方法。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-7中任一所述的推荐方法。

Images