一種用戶推薦的方法和設(shè)備技術(shù)

本申請涉及計算機網(wǎng)絡(luò)技術(shù)領(lǐng)域，特別涉及一種用戶推薦的方法和設(shè)備，用以解決現(xiàn)有技術(shù)在進行用戶推薦時，推薦理由較為單一，推薦結(jié)果不夠準確的問題。本申請實施例確定第一類用戶中的目標用戶；從第二類用戶中確定與目標用戶相關(guān)的特定用戶；確定每個特定用戶的特征參數(shù)，將確定的每個特定用戶的特征參數(shù)進行整合處理，并將處理后的每個特定用戶的特征參數(shù)輸入到信任模型中；獲取信任模型輸出的為所述目標用戶推薦的特定用戶。由于本申請實施例在為目標用戶推薦第二類用戶時，采用基于信任特征的推薦方法，為目標用戶進行準確推薦。

Method and device recommended by user

The invention relates to the technical field of computer network, especially relates to a method and a device to recommend a user, used to solve the user recommended, recommended reason is single. The recommended results are not accurate enough problems. The embodiment of the invention is to determine the first user in the target user; determining specific users associated with target users from second types of users; to determine the characteristic parameters of each particular user, the characteristic parameters of each specific user to determine the integration process, and each specific user input parameters after the treatment to the trust model; to obtain the specific user recommendation for the target user's trust model output. Since the application example recommends second types of users for the target user, the recommendation method based on the trust characteristic is adopted to accurately recommend the target user.

【技術(shù)實現(xiàn)步驟摘要】
一種用戶推薦的方法和設(shè)備
本申請涉及計算機網(wǎng)絡(luò)
，特別涉及一種用戶推薦的方法和設(shè)備。
技術(shù)介紹
隨著互聯(lián)網(wǎng)技術(shù)的發(fā)展，越來越多的用戶通過第三方電子交易平臺進行交易。為了進一步為買賣雙方用戶提供更為優(yōu)質(zhì)的服務，交易平臺在實現(xiàn)基本功能的基礎(chǔ)上也在不斷地完善其自身的功能。在用戶通過第三方電子交易平臺進行交易時，尤其在B類電子商務場景中，用戶往往希望能夠在眾多的交易對象中，快速發(fā)現(xiàn)更加符合用戶要求的交易對象。為了更加方便用戶通過第三方電子交易平臺進行交易，現(xiàn)有技術(shù)是在用戶瀏覽網(wǎng)頁時，根據(jù)用戶的歷史行為記錄為用戶推薦交易對象。例如，在用戶為買家時，為買家推薦賣家的方法如圖1所示，首先，在第三方電子交易平臺的眾多的賣中獲取買家曾經(jīng)有過行為的賣家，根據(jù)買家不同行為的權(quán)重對獲取的賣家進行排序，排序結(jié)果如：A、B、……、M；然后確定與獲取的每個賣家相似的其它賣家，經(jīng)過協(xié)同過濾算法計算出賣家之間的相似度，如與賣家A相似的賣家按照相似度從高到低排序為：A1、A2、……、An；從而根據(jù)上述方法得到為買家推薦的賣家的推薦排序為A1、A2、……、An、B1、B2……但是，現(xiàn)有技術(shù)中根據(jù)買家和賣家之間的行為強度，以及買家之間的相似度進行推薦的方法，推薦的理由較為單一；并且現(xiàn)有的推薦方法沒有考慮B類電商環(huán)境中用戶更為注重的推薦因素，使得目前僅僅根據(jù)行為強度和相似度進行推薦，推薦結(jié)果不夠準確。綜上所述，目前在進行用戶推薦時，推薦理由較為單一，推薦結(jié)果不夠準確。
技術(shù)實現(xiàn)思路
本申請?zhí)峁┮环N用戶推薦的方法和設(shè)備，用以解決現(xiàn)有技術(shù)在進行用戶推薦時，推薦理由較為單一，推薦結(jié)果不夠準確的問題。基于上述問題，本申請實施例提供一種用戶推薦的方法，包括：確定第一類用戶中的目標用戶；從第二類用戶中確定與所述目標用戶相關(guān)的特定用戶；確定每個特定用戶的特征參數(shù)，其中所述特征參數(shù)包括用于表征用戶信用度的信任特征參數(shù)和用于表征與其它同類用戶相似信息的信任擴展特征參數(shù)中的至少一者；將確定的每個特定用戶的特征參數(shù)進行整合處理，并將處理后的每個特定用戶的特征參數(shù)輸入到信任模型中；獲取所述信任模型輸出的為所述目標用戶推薦的特定用戶。由于本申請實施例在為目標用戶推薦第二類用戶時，需要首先確定第二類用戶中與目標用戶相關(guān)的特定用戶，基于選定的特定用戶，確定每個特定用戶的信任特征參數(shù)和信任擴展特征參數(shù)中的至少一者，并將每個特定用戶的特征參數(shù)通過信任模型，從而確定為目標用戶推薦的特定用戶。本申請實施例在為目標用戶推薦第二類用戶時，采用基于信任特征的推薦方法，為目標用戶進行準確推薦。可選的，所述特征參數(shù)還包括用于表征用戶行為的行為特征參數(shù)。由于本申請實施例在進行用戶推薦時，選用的用戶的特征參數(shù)還包括行為特征參數(shù)，將行為特征參數(shù)和信任特征參數(shù)結(jié)合，從而更加準確的為用戶進行推薦。可選的，根據(jù)下列方式獲得所述信任模型：確定第一類用戶和第二類用戶之間的歷史行為數(shù)據(jù)，以及確定每個第一類用戶和每個第二類用戶的所述特征參數(shù)；將所述歷史行為數(shù)據(jù)和所述特征參數(shù)進行整合處理，并將處理后的所述歷史行為數(shù)據(jù)和特征參數(shù)輸入到初始信任模型中進行訓練；保存訓練后的所述初始信任模型作為所述信任模型。由于本申請實施例根據(jù)第一類用戶和第二類用戶之間的歷史行為數(shù)據(jù)，以及每個用戶的特征參數(shù)，對初始信任模型進行訓練，得到信任模型，以使在推薦過程中利用信任模型進行用戶推薦。可選的，所述第一類用戶為賣家，所述第二類用戶為買家；所述第一類用戶為買家，所述第二類用戶為賣家。由于本申請實施例既可以為買家推薦賣家，又可以為賣家推薦買家，從而本申請實施例的用戶推薦的方法更加靈活。可選的，從所有第二類用戶中確定與所述目標用戶相關(guān)的所有特定用戶，包括：若所述第一類用戶為賣家，從所有第二類用戶中，確定第二類用戶的偏好類目與所述目標用戶的主營類目有交集的第二類用戶作為特定用戶；若所述第一類用戶為買家，從所有第二類用戶中，確定第二類用戶的主營類目與所述目標用戶的偏好類目有交集的第二類用戶作為特定用戶。由于本申請實施例根據(jù)買家的偏好類目和賣家的主營類目確定特定用戶，大大提升了召回的特定用戶的數(shù)量，從而更加準確地為目標用戶進行推薦。可選的，所述將確定的每個特定用戶的特征參數(shù)進行整合處理，包括：根據(jù)所述信任模型的元素，將所述特定用戶的特征參數(shù)整合處理為與所述元素同類型的特征參數(shù)；所述將所述歷史行為數(shù)據(jù)和所述特征參數(shù)進行整合處理，包括：根據(jù)所述初始信任模型的元素，將所述歷史行為數(shù)據(jù)整合處理為與所述元素同類型的歷史行為數(shù)據(jù)，以及將所述特征參數(shù)整合處理為與所述元素同類型的特征參數(shù)。由于本申請實施例在將特征參數(shù)輸入信任模型之前，以及將歷史行為數(shù)據(jù)和特征參數(shù)輸入初始信任模型之前，需要根據(jù)模型的元素對特征參數(shù)、歷史行為數(shù)據(jù)進行整合處理，以使信任模型和初始信任模型準確識別特征參數(shù)和歷史行為數(shù)據(jù)，從而保證了推薦的準確性。可選的，所述信任模型為LambdaMART信任模型；所述初始信任模型為LambdaMART初始信任模型。由于本申請實施例采用LambdaMART信任模型作為信任模型，采用LambdaMART初始信任模型作為初始信任模型，從而使得用戶推薦的方法更為準確。另一方面，本申請實施例還提供一種用戶推薦的設(shè)備，包括：第一確定模塊，用于確定第一類用戶中的目標用戶；第二確定模塊，用于從第二類用戶中確定與所述目標用戶相關(guān)的特定用戶；第三確定模塊，用于確定每個特定用戶的特征參數(shù)，其中所述特征參數(shù)包括用于表征用戶信用度的信任特征參數(shù)和用于表征與其它同類用戶相似信息的信任擴展特征參數(shù)中的至少一者；處理模塊，用于將確定的每個特定用戶的特征參數(shù)進行整合處理，并將處理后的每個特定用戶的特征參數(shù)輸入到信任模型中；獲取模塊，用于獲取所述信任模型輸出的為所述目標用戶推薦的特定用戶。可選的，所述特征參數(shù)還包括用于表征用戶行為的行為特征參數(shù)。可選的，所述處理模塊，還用于：確定第一類用戶和第二類用戶之間的歷史行為數(shù)據(jù)，以及確定每個第一類用戶和每個第二類用戶的所述特征參數(shù)；將所述歷史行為數(shù)據(jù)和所述特征參數(shù)進行整合處理，并將處理后的所述歷史行為數(shù)據(jù)和特征參數(shù)輸入到初始信任模型中進行訓練；保存訓練后的所述初始信任模型作為所述信任模型。可選的，所述第一類用戶為賣家，所述第二類用戶為買家；所述第一類用戶為買家，所述第二類用戶為賣家。可選的，所述第二確定模塊，具體用于：若所述第一類用戶為賣家，從所有第二類用戶中，確定第二類用戶的偏好類目與所述目標用戶的主營類目有交集的第二類用戶作為特定用戶；若所述第一類用戶為買家，從所有第二類用戶中，確定第二類用戶的主營類目與所述目標用戶的偏好類目有交集的第二類用戶作為特定用戶。可選的，所述處理模塊，具體用于：根據(jù)所述信任模型的元素，將所述特定用戶的特征參數(shù)整合處理為與所述元素同類型的特征參數(shù)；根據(jù)所述初始信任模型的元素，將所述歷史行為數(shù)據(jù)整合處理為與所述元素同類型的歷史行為數(shù)據(jù)，以及將所述特征參數(shù)整合處理為與所述元素同類型的特征參數(shù)。可選的，所述信任模型為LambdaMART信任模型；所述初始信任模型為LambdaMART初始信任模型。附圖說明圖1為
技術(shù)介紹
中為買家推薦賣家的方法；圖2為本申請實施例用戶推薦的方法的流程圖；圖3為本申請本文檔來自技高網(wǎng)...

【技術(shù)保護點】
一種用戶推薦的方法，其特征在于，該方法包括：確定第一類用戶中的目標用戶；從第二類用戶中確定與所述目標用戶相關(guān)的特定用戶；確定每個特定用戶的特征參數(shù)，其中所述特征參數(shù)包括用于表征用戶信用度的信任特征參數(shù)和用于表征與其它同類用戶相似信息的信任擴展特征參數(shù)中的至少一者；將確定的每個特定用戶的特征參數(shù)進行整合處理，并將處理后的每個特定用戶的特征參數(shù)輸入到信任模型中；獲取所述信任模型輸出的為所述目標用戶推薦的特定用戶。

【技術(shù)特征摘要】
1.一種用戶推薦的方法，其特征在于，該方法包括：確定第一類用戶中的目標用戶；從第二類用戶中確定與所述目標用戶相關(guān)的特定用戶；確定每個特定用戶的特征參數(shù)，其中所述特征參數(shù)包括用于表征用戶信用度的信任特征參數(shù)和用于表征與其它同類用戶相似信息的信任擴展特征參數(shù)中的至少一者；將確定的每個特定用戶的特征參數(shù)進行整合處理，并將處理后的每個特定用戶的特征參數(shù)輸入到信任模型中；獲取所述信任模型輸出的為所述目標用戶推薦的特定用戶。2.如權(quán)利要求1所述的方法，其特征在于，所述特征參數(shù)還包括用于表征用戶行為的行為特征參數(shù)。3.如權(quán)利要求1所述的方法，其特征在于，根據(jù)下列方式獲得所述信任模型：確定第一類用戶和第二類用戶之間的歷史行為數(shù)據(jù)，以及確定每個第一類用戶和每個第二類用戶的所述特征參數(shù)；將所述歷史行為數(shù)據(jù)和所述特征參數(shù)進行整合處理，并將處理后的所述歷史行為數(shù)據(jù)和特征參數(shù)輸入到初始信任模型中進行訓練；保存訓練后的所述初始信任模型作為所述信任模型。4.如權(quán)利要求1所述的方法，其特征在于，所述第一類用戶為賣家，所述第二類用戶為買家；所述第一類用戶為買家，所述第二類用戶為賣家。5.如權(quán)利要求4所述的方法，其特征在于，從所有第二類用戶中確定與所述目標用戶相關(guān)的所有特定用戶，包括：若所述第一類用戶為賣家，從所有第二類用戶中，確定第二類用戶的偏好類目與所述目標用戶的主營類目有交集的第二類用戶作為特定用戶；若所述第一類用戶為買家，從所有第二類用戶中，確定第二類用戶的主營類目與所述目標用戶的偏好類目有交集的第二類用戶作為特定用戶。6.如權(quán)利要求3所述的方法，其特征在于，所述將確定的每個特定用戶的特征參數(shù)進行整合處理，包括：根據(jù)所述信任模型的元素，將所述特定用戶的特征參數(shù)整合處理為與所述元素同類型的特征參數(shù)；所述將所述歷史行為數(shù)據(jù)和所述特征參數(shù)進行整合處理，包括：根據(jù)所述初始信任模型的元素，將所述歷史行為數(shù)據(jù)整合處理為與所述元素同類型的歷史行為數(shù)據(jù)，以及將所述特征參數(shù)整合處理為與所述元素同類型的特征參數(shù)。7.如權(quán)利要求1～6任一所述的方法，其特征在于，所述信任模型為Lambd...

【專利技術(shù)屬性】
技術(shù)研發(fā)人員：魏溪含，李博，
申請(專利權(quán))人：阿里巴巴集團控股有限公司，
類型：發(fā)明
國別省市：開曼群島,KY