本發(fā)明涉及通信技術(shù)領(lǐng)域，具體涉及一種實(shí)時(shí)信息的推薦方法、裝置和系統(tǒng)。

背景技術(shù)：

互聯(lián)網(wǎng)信息的急速增長，使得人們淹沒在資訊的海洋中，如何在浩瀚的信息海洋中快速地找到需要的信息，是一個(gè)極為重要的問題。

為了解決互聯(lián)網(wǎng)海量信息資源出現(xiàn)的“信息過載”問題，協(xié)助用戶從玲瑯滿目的海量信息中快速獲取到自己所需的信息，現(xiàn)有技術(shù)提出了各種信息的推薦方案，所謂信息推薦，指的是根據(jù)用戶的興趣特點(diǎn)和行為，向用戶推薦用戶感興趣的信息，為此，現(xiàn)有的推薦算法主要可分為兩大類，一是基于行為的推薦算法、二是基于內(nèi)容的推薦算法。其中，基于行為的推薦算法主要是通過統(tǒng)計(jì)用戶對信息的行為，以及計(jì)算推薦池中各信息的相似度，然后將與該行為所對應(yīng)的信息相似度較高的信息推薦給用戶。而基于內(nèi)容的推薦算法則主要是通過對各類信息進(jìn)行打關(guān)鍵字，以及對用戶的興趣進(jìn)行挖掘，以確定用戶所感興趣的關(guān)鍵字，然后基于該感興趣的關(guān)鍵字和各類信息的關(guān)鍵字計(jì)算推薦列表，并推薦給用戶。

在對現(xiàn)有技術(shù)的研究和實(shí)踐過程中，本發(fā)明的發(fā)明人發(fā)現(xiàn)，現(xiàn)有的推薦方案或是需要依賴大量的用戶參與，或時(shí)沒有考慮用戶的興趣變化，因此，時(shí)效性較差，而對于實(shí)時(shí)信息，如新聞?lì)惖男畔ⅲ哂幸淮涡韵M(fèi)的特點(diǎn)(即對于相同內(nèi)容的新聞，用戶只會(huì)閱讀一次)，時(shí)效性極為重要，因此，對于實(shí)時(shí)信息而言，現(xiàn)有的推薦方案的推薦效果并不佳。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明實(shí)施例提供一種實(shí)時(shí)信息的推薦方法、裝置和系統(tǒng)，可以提高其時(shí)效性，靈活、準(zhǔn)確且及時(shí)地將用戶當(dāng)前最感興趣的實(shí)時(shí)信息推薦給用戶，大大 改善推薦效果。

本發(fā)明實(shí)施例提供一種實(shí)時(shí)信息的推薦方法，包括：

獲取用戶行為數(shù)據(jù)；

根據(jù)所述用戶行為數(shù)據(jù)分別計(jì)算用戶的短期興趣、長期興趣和實(shí)時(shí)興趣；

根據(jù)所述用戶的短期興趣、長期興趣和實(shí)時(shí)興趣確定用戶興趣；

基于所述用戶興趣向用戶推薦實(shí)時(shí)信息。

相應(yīng)的，本發(fā)明實(shí)施例還提供一種實(shí)時(shí)信息的推薦裝置，包括：

獲取單元，用于獲取用戶行為數(shù)據(jù)；

運(yùn)算單元，用于根據(jù)所述用戶行為數(shù)據(jù)分別計(jì)算用戶的短期興趣、長期興趣和實(shí)時(shí)興趣；

確定單元，用于根據(jù)所述用戶的短期興趣、長期興趣和實(shí)時(shí)興趣確定用戶興趣；

推薦單元，用于基于所述用戶興趣向用戶推薦實(shí)時(shí)信息。

此外，本發(fā)明實(shí)施例還提供一種實(shí)時(shí)信息的推薦系統(tǒng)，包括本發(fā)明實(shí)施例提供的任一種實(shí)時(shí)信息的推薦裝置。

本發(fā)明實(shí)施例采用獲取用戶行為數(shù)據(jù)，根據(jù)該用戶行為數(shù)據(jù)分別計(jì)算用戶的短期興趣、長期興趣和實(shí)時(shí)興趣，然后根據(jù)用戶的短期興趣、長期興趣和實(shí)時(shí)興趣確定用戶興趣，并基于該用戶興趣向用戶推薦實(shí)時(shí)信息；由于該方案在計(jì)算用戶的興趣時(shí)，不僅將用戶的長期興趣作為考量因素，而且，也將用戶的短期興趣與實(shí)時(shí)興趣也作為考量因素，以反映出用戶的興趣隨時(shí)間變化的情況，因此，相對于現(xiàn)在技術(shù)而言，可以更加靈活、準(zhǔn)確且及時(shí)地將用戶當(dāng)前最感興趣的實(shí)時(shí)信息推薦給用戶，在提高時(shí)效性的同時(shí)，大大改善推薦效果。

附圖說明

為了更清楚地說明本發(fā)明實(shí)施例中的技術(shù)方案，下面將對實(shí)施例描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些實(shí)施例，對于本領(lǐng)域技術(shù)人員來講，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。

圖1a是本發(fā)明實(shí)施例提供的實(shí)時(shí)信息的推薦系統(tǒng)的場景示意圖；

圖1b是本發(fā)明實(shí)施例提供的實(shí)時(shí)信息的推薦方法的流程圖；

圖2是本發(fā)明實(shí)施例提供的實(shí)時(shí)信息的推薦方法的另一流程圖；

圖3a是本發(fā)明實(shí)施例提供的實(shí)時(shí)信息的推薦裝置的結(jié)構(gòu)圖；

圖3b是本發(fā)明實(shí)施例提供的實(shí)時(shí)信息的推薦裝置的另一結(jié)構(gòu)圖。

具體實(shí)施方式

下面將結(jié)合本發(fā)明實(shí)施例中的附圖，對本發(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)施例僅僅是本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例?；诒景l(fā)明中的實(shí)施例，本領(lǐng)域技術(shù)人員在沒有作出創(chuàng)造性勞動(dòng)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。

本發(fā)明實(shí)施例提供一種實(shí)時(shí)信息的推薦方法、裝置和系統(tǒng)。

參見圖1a，該實(shí)時(shí)信息的推薦系統(tǒng)包括本發(fā)明實(shí)施例所提供的任一種實(shí)時(shí)信息的推薦裝置，該實(shí)時(shí)信息的推薦裝置具體可以集成在服務(wù)器，比如推薦服務(wù)器中。此外，該實(shí)時(shí)信息的推薦系統(tǒng)還可以包括其他的設(shè)備，比如用戶設(shè)備，以及用于保存用戶行為數(shù)據(jù)的用戶服務(wù)器，以及用于保存原始實(shí)時(shí)信息的信息服務(wù)器等。

例如，以該實(shí)時(shí)信息的推薦裝置集成在推薦服務(wù)器中為例，則當(dāng)需要對實(shí)時(shí)信息進(jìn)行推薦時(shí)，該推薦服務(wù)器可以從用戶服務(wù)器獲取用戶行為數(shù)據(jù)，根據(jù)該用戶行為數(shù)據(jù)分別計(jì)算用戶的短期興趣、長期興趣和實(shí)時(shí)興趣，然后根據(jù)該用戶的短期興趣、長期興趣和實(shí)時(shí)興趣確定用戶興趣，從信息服務(wù)器獲取實(shí)時(shí)信息，并基于該用戶興趣向用戶設(shè)備推薦實(shí)時(shí)信息，比如新聞等。

其中，短期興趣指的是用戶在較短的一個(gè)周期內(nèi)所計(jì)算得到的興趣權(quán)值，具體可以根據(jù)獲取到的用戶行為數(shù)據(jù)計(jì)算用戶在預(yù)置周期(比如30天)中每一天的興趣權(quán)值，得到天興趣權(quán)值，并對該天興趣權(quán)值按照時(shí)間進(jìn)行衰減來得到；長期興趣指的是用戶在較長一個(gè)周期內(nèi)所計(jì)算得到的興趣權(quán)重，比如可以根據(jù) 該用戶行為數(shù)據(jù)計(jì)算用戶在一年內(nèi)的興趣權(quán)值，等等；而實(shí)時(shí)興趣則指的是用戶當(dāng)前興趣權(quán)值，比如用戶當(dāng)前點(diǎn)擊的了某個(gè)關(guān)鍵字或標(biāo)簽，等等。

以下將分別進(jìn)行詳細(xì)說明。

實(shí)施例一、

本實(shí)施例將從實(shí)時(shí)信息的推薦裝置的角度進(jìn)行描述，該實(shí)時(shí)信息的推薦裝置具體可以集成在服務(wù)器，比如推薦服務(wù)器等設(shè)備中。

一種實(shí)時(shí)信息的推薦方法，包括：獲取用戶行為數(shù)據(jù)；根據(jù)該用戶行為數(shù)據(jù)分別計(jì)算用戶的短期興趣、長期興趣和實(shí)時(shí)興趣；根據(jù)該用戶的短期興趣、長期興趣和實(shí)時(shí)興趣確定用戶興趣；基于該用戶興趣向用戶推薦實(shí)時(shí)信息。

如圖1b所示，該實(shí)時(shí)信息的推薦方法的具體流程可以如下：

101、獲取用戶行為數(shù)據(jù)。

其中，用戶行為數(shù)據(jù)指的是可供用戶行為分析的相關(guān)數(shù)據(jù)，比如用戶的瀏覽記錄、點(diǎn)擊記錄和/或下載記錄等數(shù)據(jù)。這些用戶行為數(shù)據(jù)可以存儲(chǔ)在該實(shí)時(shí)信息的推薦裝置中，也可以存儲(chǔ)在其他的設(shè)備，比如用戶服務(wù)器等設(shè)備中。

以存儲(chǔ)在用戶服務(wù)器為例，則此時(shí)，具體可以從用戶服務(wù)器中獲取用戶行為數(shù)據(jù)。

102、根據(jù)該用戶行為數(shù)據(jù)分別計(jì)算用戶的短期興趣、長期興趣和實(shí)時(shí)興趣。例如，具體可以如下：

(1)根據(jù)該用戶行為數(shù)據(jù)計(jì)算用戶在預(yù)置周期中每一天的興趣權(quán)值，得到天興趣權(quán)值，并對該天興趣權(quán)值按照時(shí)間進(jìn)行衰減，得到用戶的短期興趣。

其中，按時(shí)間進(jìn)行衰減的方式可以有多種，例如，具體可以如下：

A、根據(jù)該天興趣權(quán)值確定當(dāng)前需要進(jìn)行衰減的興趣權(quán)值。

B、對該需要進(jìn)行衰減的興趣權(quán)值按照時(shí)間進(jìn)行衰減，得到衰減后的興趣權(quán)值。

比如，可以確定該需要進(jìn)行衰減的興趣權(quán)值所在的日期與當(dāng)前日期的日期差，計(jì)算該日期差與預(yù)置衰減系數(shù)的乘積，并計(jì)算1與該乘積的差，然后將該 需要進(jìn)行衰減的興趣權(quán)值乘以該差，得到衰減后的興趣權(quán)值。

比如，若用μ來表示衰減系數(shù)，用D表示需要進(jìn)行衰減的興趣權(quán)值所在的日期與當(dāng)前日期的日期差，interest_weight_k表示需要進(jìn)行衰減的興趣權(quán)值，則衰減后興趣權(quán)值final_weight_k用公式表示為：

final_weight_k＝interest_weight_k*(1-D*μ)。

其中，衰減系數(shù)可以根據(jù)實(shí)際應(yīng)用的需求進(jìn)行設(shè)置，在此不再贅述。

C、返回執(zhí)行根據(jù)該天興趣權(quán)值確定當(dāng)前需要進(jìn)行衰減的興趣權(quán)值的步驟，直至該天興趣權(quán)值中所有需要進(jìn)行衰減的興趣權(quán)重衰減完畢。

即對每一天的興趣權(quán)值均按照時(shí)間進(jìn)行衰減處理，得到對每一天應(yīng)的衰減后的興趣權(quán)值。

D、對得到的所有衰減后的興趣權(quán)值進(jìn)行統(tǒng)計(jì)，得到用戶的短期興趣。

其中，預(yù)置周期可以根據(jù)實(shí)際應(yīng)用的需求進(jìn)行設(shè)置，比如，一般可以設(shè)置為7天、15天或30天等。

例如，以30天為例，則若當(dāng)前日期為8月10號，則可以以8月10為基準(zhǔn)，獲取30天，即7月12號至8月10號這段日期中每一天的興趣權(quán)值，然后，對該每一天的興趣權(quán)值按照時(shí)間進(jìn)行衰減，比如，以8月8日為例，由于8月8日與8月10號的日期差為兩天，則8月8日這一天的衰減后興趣權(quán)值final_weight₂₈為：

final_weight₂₈＝interest_weight₂₈*(1-2*μ)。

當(dāng)然，也可以采用其他的衰減方式，在此不再贅述。

(2)根據(jù)該用戶行為數(shù)據(jù)計(jì)算用戶在預(yù)置時(shí)間范圍內(nèi)的興趣權(quán)值，得到用戶的長期興趣。

其中，該預(yù)置時(shí)間范圍可以根據(jù)實(shí)際應(yīng)用的需求進(jìn)行設(shè)置，至少大于一天，比如，可以設(shè)置為一個(gè)季度，一年或兩年，等等。

例如，以一年為例，則可以根據(jù)該用戶行為數(shù)據(jù)統(tǒng)計(jì)用戶在當(dāng)前日期的一年內(nèi)每個(gè)月的用戶行為；根據(jù)該每個(gè)月的用戶行為計(jì)算每個(gè)興趣在當(dāng)月的權(quán)重；根據(jù)該每個(gè)興趣在當(dāng)月的權(quán)重計(jì)算一年內(nèi)每個(gè)興趣的平均權(quán)重；對該平均權(quán)重進(jìn)行統(tǒng)計(jì)，得到用戶的長期興趣。

可選的，也可以對每個(gè)興趣在當(dāng)月的權(quán)重按照時(shí)間進(jìn)行衰減，得到衰減后的興趣權(quán)重，然后對這些衰減后的興趣權(quán)重進(jìn)行統(tǒng)計(jì)，得到用戶的長期興趣，等等。

(3)根據(jù)該用戶行為數(shù)據(jù)確定用戶當(dāng)前點(diǎn)擊的興趣權(quán)值，得到用戶的實(shí)時(shí)興趣。

例如，若用戶當(dāng)前點(diǎn)擊的消息包括了“NBA”關(guān)鍵字(或標(biāo)簽)，則確定用戶當(dāng)前的興趣為“NBA”，于是，可以計(jì)算該“NBA”關(guān)鍵字的權(quán)值，以此類推，便可以得到用戶的實(shí)時(shí)興趣。

103、根據(jù)該用戶的短期興趣、長期興趣和實(shí)時(shí)興趣確定用戶興趣。

例如，可以根據(jù)預(yù)置的策略將用戶的短期興趣、長期興趣和實(shí)時(shí)興趣進(jìn)行融合，得到用戶興趣。

其中，融合的方式可以有多種，比如，可以分別為短期興趣、長期興趣和實(shí)時(shí)興趣設(shè)置權(quán)重，然后根據(jù)這些權(quán)重將短期興趣、長期興趣和實(shí)時(shí)興趣融合在一起，又比如，還可以為短期興趣、長期興趣和實(shí)時(shí)興趣之間的關(guān)系設(shè)置一個(gè)函數(shù)，然后通過該函數(shù)將短期興趣、長期興趣和實(shí)時(shí)興趣融合在一起，等等，在此不再贅述。

104、基于該用戶興趣向用戶推薦實(shí)時(shí)信息。其中，該實(shí)時(shí)信息具體可以為新聞等信息。

例如，可以根據(jù)該用戶興趣，從實(shí)時(shí)信息的倒排索引中召回相應(yīng)的實(shí)時(shí)信息，得到候選推薦信息，基于該候選推薦信息推薦實(shí)時(shí)信息給該用戶，具體可以如下：

A、計(jì)算該候選推薦信息中各實(shí)時(shí)信息與該用戶興趣的匹配度，得到實(shí)時(shí)信息的興趣相關(guān)性。

B、確定該候選推薦信息中各實(shí)時(shí)信息的發(fā)布時(shí)間確定各實(shí)時(shí)信息的新鮮度，得到實(shí)時(shí)信息的時(shí)新性。

其中，越新的實(shí)時(shí)信息，比如越新的新聞，其時(shí)新性越高。

C、確定該候選推薦信息中各實(shí)時(shí)信息的點(diǎn)擊率，并根據(jù)該點(diǎn)擊率計(jì)算點(diǎn) 擊模型因子(CM)。

其中，點(diǎn)擊率越大的實(shí)時(shí)信息，其模型因子越大。

D、根據(jù)該興趣相關(guān)性、時(shí)新性和點(diǎn)擊模型因子從該候選推薦信息中確定推薦信息。

比如，可以根據(jù)該興趣相關(guān)性、時(shí)新性和點(diǎn)擊模型因子對該候選推薦信息中的實(shí)時(shí)信息進(jìn)行評分，然后將評分高于預(yù)置閾值的實(shí)時(shí)信息確定為推薦信息。

其中，該預(yù)置閾值可以根據(jù)實(shí)際應(yīng)用的需求進(jìn)行設(shè)置。

E、將該推薦信息推薦給該用戶。

可選的，為了提高推薦的信息質(zhì)量，在確定推薦消息之前，還可以對候選推薦信息中各實(shí)時(shí)信息的信息質(zhì)量進(jìn)行評判，比如，可以通過文本識(shí)別的方式確定一個(gè)新聞的質(zhì)量因子，其中，垃圾文章、廣告文章的質(zhì)量分低。即在步驟“根據(jù)該興趣相關(guān)性、時(shí)新性和點(diǎn)擊模型因子從該候選推薦信息中確定推薦信息”之前，該實(shí)時(shí)信息的推薦方法還可以包括：

確實(shí)該候選推薦信息中各實(shí)時(shí)信息的信息質(zhì)量。

則此時(shí)，步驟“根據(jù)該興趣相關(guān)性、時(shí)新性和點(diǎn)擊模型因子從該候選推薦信息中確定推薦信息”可以包括：根據(jù)上該興趣相關(guān)性、時(shí)新性、點(diǎn)擊模型因子和信息質(zhì)量從該候選推薦信息中確定推薦信息，比如，具可以如下：

根據(jù)該興趣相關(guān)性、時(shí)新性、點(diǎn)擊模型因子和信息質(zhì)量對該候選推薦信息中的實(shí)時(shí)信息進(jìn)行評分；將評分高于預(yù)置閾值的實(shí)時(shí)信息確定為推薦信息。

需說明的是，其中，實(shí)時(shí)信息的倒排索引可以通過對原始實(shí)時(shí)信息進(jìn)行收集和統(tǒng)計(jì)來得到，即在步驟“根據(jù)該用戶興趣，從實(shí)時(shí)信息的倒排索引中召回相應(yīng)的實(shí)時(shí)信息，得到候選推薦信息”之前，該實(shí)時(shí)信息的推薦方法還可以包括：

從原始實(shí)時(shí)信息庫中獲取原始實(shí)時(shí)信息；對獲取到的原始實(shí)時(shí)信息進(jìn)行特征提取；根據(jù)提取到的特征對該原始實(shí)時(shí)信息進(jìn)行分類預(yù)測和話題預(yù)測，以確定原始實(shí)時(shí)信息類目和主題；對獲取到的原始實(shí)時(shí)信息的內(nèi)容進(jìn)行詞性加權(quán)處 理后，進(jìn)行文本域加權(quán)，以確定原始實(shí)時(shí)信息所屬的關(guān)鍵字；根據(jù)原始實(shí)時(shí)信息類目、主題和關(guān)鍵字計(jì)算該原始實(shí)時(shí)信息庫中原始實(shí)時(shí)信息的倒排索引，得到實(shí)時(shí)信息的倒排索引。

則此時(shí)，步驟“根據(jù)該用戶興趣，從實(shí)時(shí)信息的倒排索引中召回相應(yīng)的實(shí)時(shí)信息，得到候選推薦信息”具體可以為：根據(jù)用戶興趣確定用戶所感興趣的類目、主題和/或關(guān)鍵字，從該實(shí)時(shí)信息的倒排索引中獲取與用戶所感興趣的類目、主題和/或關(guān)鍵字相同、相似或相近的原始實(shí)時(shí)信息，得到候選推薦信息。

例如，可以為用戶所感興趣的類目、主題和/或關(guān)鍵字中所涉及的詞語設(shè)置同義詞和/或近義詞，若原始實(shí)時(shí)信息的類目、主題和/或關(guān)鍵字中包括有與這些同義詞和/或近義詞相同的詞語，則確定該原始實(shí)時(shí)信息為與用戶所感興趣的類目、主題和/或關(guān)鍵字相似或相近的原始實(shí)時(shí)信息，等等。

由上可知，本實(shí)施例采用獲取用戶行為數(shù)據(jù)，根據(jù)該用戶行為數(shù)據(jù)分別計(jì)算用戶的短期興趣、長期興趣和實(shí)時(shí)興趣，然后根據(jù)用戶的短期興趣、長期興趣和實(shí)時(shí)興趣確定用戶興趣，并基于該用戶興趣向用戶推薦實(shí)時(shí)信息；由于該方案在計(jì)算用戶的興趣時(shí)，不僅將用戶的長期興趣作為考量因素，而且，也將用戶的短期興趣與實(shí)時(shí)興趣也作為考量因素，以反映出用戶的興趣隨時(shí)間變化的情況，因此，相對于現(xiàn)在技術(shù)而言，可以更加靈活、準(zhǔn)確且及時(shí)地將用戶當(dāng)前最感興趣的實(shí)時(shí)信息推薦給用戶，在提高時(shí)效性的同時(shí)，大大改善推薦效果。

此外，在計(jì)算候選推薦信息的過程中，不僅可以考慮實(shí)時(shí)信息的興趣相關(guān)性，同時(shí)也可以考慮實(shí)時(shí)信息的時(shí)新性，以及關(guān)鍵字的點(diǎn)擊率和信息質(zhì)量等，因此，可以更加準(zhǔn)確的描述這些信息與用戶興趣之間關(guān)系強(qiáng)弱，進(jìn)一步提高了推薦質(zhì)量和推薦效果。

實(shí)施例二、

根據(jù)實(shí)施例一所描述的方法，以下將以該實(shí)時(shí)信息的推薦裝置具體集成在推薦服務(wù)器，且該實(shí)時(shí)信息具體為新聞為例進(jìn)行詳細(xì)說明。

如圖2所示，一種實(shí)時(shí)信息的推薦方法，具體流程可以如下：

201、推薦服務(wù)器從用戶服務(wù)器中獲取用戶行為數(shù)據(jù)。

其中，用戶行為數(shù)據(jù)指的是可供用戶行為分析的相關(guān)數(shù)據(jù)，比如用戶的瀏覽記錄、點(diǎn)擊記錄和/或下載記錄等數(shù)據(jù)。

202、推薦服務(wù)器根據(jù)該用戶行為數(shù)據(jù)計(jì)算用戶在30天內(nèi)每一天的興趣權(quán)值，得到天興趣權(quán)值，并對該天興趣權(quán)值按照時(shí)間進(jìn)行衰減，得到用戶的短期興趣。例如，具體可以如下：

A、根據(jù)該天興趣權(quán)值確定當(dāng)前需要進(jìn)行衰減的興趣權(quán)值。

B、對該需要進(jìn)行衰減的興趣權(quán)值按照時(shí)間進(jìn)行衰減，得到衰減后的興趣權(quán)值。

比如，可以確定該需要進(jìn)行衰減的興趣權(quán)值所在的日期與當(dāng)前日期的日期差，計(jì)算該日期差與預(yù)置衰減系數(shù)的乘積，并計(jì)算1與該乘積的差，然后將該需要進(jìn)行衰減的興趣權(quán)值乘以該差，得到衰減后的興趣權(quán)值，用公式表示即為：

final_weight_k＝interest_weight_k*(1-D*μ)。

其中，μ為衰減系數(shù)，D為需要進(jìn)行衰減的興趣權(quán)值所在的日期與當(dāng)前日期的日期差，interest_weight_k表示需要進(jìn)行衰減的興趣權(quán)值，final_weight_k為衰減后興趣權(quán)值。其中，衰減系數(shù)可以根據(jù)實(shí)際應(yīng)用的需求進(jìn)行設(shè)置，在此不再贅述。

C、返回執(zhí)行根據(jù)該天興趣權(quán)值確定當(dāng)前需要進(jìn)行衰減的興趣權(quán)值的步驟，直至該天興趣權(quán)值中所有需要進(jìn)行衰減的興趣權(quán)重衰減完畢。

即對每一天的興趣權(quán)值均按照時(shí)間進(jìn)行衰減處理，得到對每一天應(yīng)的衰減后的興趣權(quán)值。

D、對得到的所有衰減后的興趣權(quán)值進(jìn)行統(tǒng)計(jì)，得到用戶的短期興趣。

例如，若當(dāng)前日期為8月10號，則可以以8月10為基準(zhǔn)，獲取30天，即7月12號至8月10號這段日期中每一天的興趣權(quán)值，然后，對該每一天的興趣權(quán)值按照時(shí)間進(jìn)行衰減，比如，以8月8日為例，由于8月8日與8月10號的日期差為兩天，則8月8日這一天的衰減后興趣權(quán)值final_weight₂₈為：

final_weight₂₈＝interest_weight₂₈*(1-2*μ)。

當(dāng)然，也可以采用其他的衰減方式，在此不再贅述。

203、推薦服務(wù)器根據(jù)該用戶行為數(shù)據(jù)統(tǒng)計(jì)用戶在當(dāng)前日期的一年內(nèi)的興趣權(quán)值，得到用戶的長期興趣。

例如，具體可以根據(jù)該用戶行為數(shù)據(jù)統(tǒng)計(jì)用戶在當(dāng)前日期的一年內(nèi)每個(gè)月的用戶行為，并根據(jù)該每個(gè)月的用戶行為計(jì)算每個(gè)興趣在當(dāng)月的權(quán)重，根據(jù)該每個(gè)興趣在當(dāng)月的權(quán)重計(jì)算一年內(nèi)每個(gè)興趣的平均權(quán)重，對該平均權(quán)重進(jìn)行統(tǒng)計(jì)，得到用戶的長期興趣。

每個(gè)興趣在當(dāng)月的權(quán)重按照時(shí)間進(jìn)行衰減，得到衰減后的興趣權(quán)重，然后對這些衰減后的興趣權(quán)重進(jìn)行統(tǒng)計(jì)，得到用戶的長期興趣，等等。

204、推薦服務(wù)器根據(jù)該用戶行為數(shù)據(jù)確定用戶當(dāng)前點(diǎn)擊的興趣權(quán)值，得到用戶的實(shí)時(shí)興趣。

例如，若用戶當(dāng)前點(diǎn)擊的消息包括了“NBA”關(guān)鍵字(或標(biāo)簽)，則確定用戶當(dāng)前的興趣為“NBA”，于是，可以計(jì)算該“NBA”關(guān)鍵字的權(quán)值，以此類推，便可以得到用戶的實(shí)時(shí)興趣。

其中，步驟202、203和204的執(zhí)行可以不分先后。

205、推薦服務(wù)器根據(jù)該用戶的短期興趣、長期興趣和實(shí)時(shí)興趣確定用戶興趣。

例如，可以根據(jù)預(yù)置的策略將用戶的短期興趣、長期興趣和實(shí)時(shí)興趣進(jìn)行融合，得到用戶興趣。

其中，融合的方式可以有多種，比如，可以分別為短期興趣、長期興趣和實(shí)時(shí)興趣設(shè)置權(quán)重，然后根據(jù)這些權(quán)重將短期興趣、長期興趣和實(shí)時(shí)興趣融合在一起，又比如，還可以為短期興趣、長期興趣和實(shí)時(shí)興趣之間的關(guān)系設(shè)置一個(gè)函數(shù)，然后通過該函數(shù)將短期興趣、長期興趣和實(shí)時(shí)興趣融合在一起，等等，在此不再贅述。

206、推薦服務(wù)器獲取新聞的倒排索引。例如，具體可以如下：

從原始實(shí)時(shí)信息庫中獲取原始新聞，對獲取到的原始新聞進(jìn)行特征提取， 根據(jù)提取到的特征對該原始新聞進(jìn)行分類預(yù)測和話題預(yù)測，以確定原始新聞的類目和主題；對獲取到的原始新聞的內(nèi)容進(jìn)行詞性加權(quán)處理后，進(jìn)行文本域加權(quán)，以確定原始新聞所屬的關(guān)鍵字；根據(jù)原始新聞的類目、主題和關(guān)鍵字計(jì)算該原始新聞庫中原始新聞的倒排索引，得到新聞的倒排索引。

其中，該原始實(shí)時(shí)信息庫可以存儲(chǔ)在該推薦服務(wù)器中，也可以存儲(chǔ)在其他的設(shè)備，比如信息服務(wù)器中。

其中，可以采用liblinear(一種用來進(jìn)行分類器生成的技術(shù))來對原始新聞的分類進(jìn)行預(yù)測(即分類預(yù)測)，得到原始新聞的類目

其中，可以采用主題模型(LDA，Latent Dirichlet Allocation)來對原始新聞的主題進(jìn)行預(yù)測(即話題預(yù)測)，即可以采用LDA來識(shí)別原始新聞的文檔中潛藏的主題信息，得到原始新聞的主題。

其中，可以采用詞頻-逆向文件頻率(TF-IDF，term frequency–inverse document frequency)來對獲取到的原始新聞的內(nèi)容進(jìn)行詞性加權(quán)處理，其中，TF-IDF是一種用于信息檢索與數(shù)據(jù)挖掘的常用加權(quán)技術(shù)，它也是一種統(tǒng)計(jì)方法，用以評估一字詞對于一個(gè)文件集或一個(gè)語料庫中的其中一份文件的重要程度。

其中，步驟206與步驟201～205的執(zhí)行可以不分先后。

207、推薦服務(wù)器根據(jù)該用戶興趣，從新聞的倒排索引中召回相應(yīng)的新聞，得到候選推薦信息。

例如，具體可以根據(jù)用戶興趣確定用戶所感興趣的類目、主題和/或關(guān)鍵字，從該新聞的倒排索引中獲取與用戶所感興趣的類目、主題和/或關(guān)鍵字相同、相似或相近的原始新聞，得到候選推薦信息。

208、推薦服務(wù)器基于該候選推薦信息推薦新聞給該用戶。例如，具體可以如下：

A、計(jì)算該候選推薦信息中各新聞與該用戶興趣的匹配度，得到新聞與用戶的興趣相關(guān)性。

B、確定該候選推薦信息中各新聞的發(fā)布時(shí)間確定各新聞的新鮮度，得到 新聞的時(shí)新性。其中，越新的新聞，其時(shí)新性越高。

C、確定該候選推薦信息中各新聞的點(diǎn)擊率，并根據(jù)該點(diǎn)擊率計(jì)算點(diǎn)擊模型因子(CM)。其中，點(diǎn)擊率越大的新聞，其模型因子越大。

D、確實(shí)該候選推薦信息中各新聞的信息質(zhì)量。

比如，可以通過文本識(shí)別的方式確定一個(gè)新聞的質(zhì)量因子，其中，垃圾文章、廣告文章的質(zhì)量分低。

E、根據(jù)上該興趣相關(guān)性、時(shí)新性、點(diǎn)擊模型因子和信息質(zhì)量從該候選推薦信息中確定推薦新聞，比如，具可以如下：

根據(jù)該興趣相關(guān)性、時(shí)新性、點(diǎn)擊模型因子和信息質(zhì)量對該候選推薦信息中的新聞進(jìn)行評分；將評分高于預(yù)置閾值的新聞確定為推薦新聞。

F、將該推薦新聞推薦給該用戶。

其中，步驟A、B、C和D的執(zhí)行步驟可以不分先后。

由上可知，本實(shí)施例采用獲取用戶行為數(shù)據(jù)，根據(jù)該用戶行為數(shù)據(jù)分別計(jì)算用戶的短期興趣、長期興趣和實(shí)時(shí)興趣，然后根據(jù)用戶的短期興趣、長期興趣和實(shí)時(shí)興趣確定用戶興趣，并基于該用戶興趣向用戶推薦新聞；由于該方案在計(jì)算用戶的興趣時(shí)，不僅將用戶的長期興趣作為考量因素，而且，也將用戶的短期興趣與實(shí)時(shí)興趣也作為考量因素，以反映出用戶的興趣隨時(shí)間變化的情況，因此，相對于現(xiàn)在技術(shù)而言，可以更加靈活、準(zhǔn)確且及時(shí)地將用戶當(dāng)前最感興趣的新聞推薦給用戶，在提高時(shí)效性的同時(shí)，大大改善推薦效果。

此外，在計(jì)算新聞的過程中，不僅可以考慮新聞與用戶的興趣相關(guān)性，同時(shí)也可以考慮新聞的時(shí)新性，以及關(guān)鍵字的點(diǎn)擊率和新聞質(zhì)量等，因此，可以更加準(zhǔn)確的描述這些信息與用戶興趣之間關(guān)系強(qiáng)弱，進(jìn)一步提高了推薦質(zhì)量和推薦效果。

實(shí)施例三、

為了更好地實(shí)施以上方法，本發(fā)明實(shí)施例還提供一種實(shí)時(shí)信息的推薦裝置，如圖3a所示，該實(shí)時(shí)信息的推薦裝置包括獲取單元301、運(yùn)算單元302、確 定單元303和推薦單元304，如下：

(1)獲取單元301；

獲取單元301，用于獲取用戶行為數(shù)據(jù)。

其中，用戶行為數(shù)據(jù)指的是可供用戶行為分析的相關(guān)數(shù)據(jù)，比如用戶的瀏覽記錄、點(diǎn)擊記錄和/或下載記錄等數(shù)據(jù)。以存儲(chǔ)在用戶服務(wù)器為例，則此時(shí)，具體可以從用戶服務(wù)器中獲取用戶行為數(shù)據(jù)。

(2)運(yùn)算單元302；

運(yùn)算單元302，用于根據(jù)該用戶行為數(shù)據(jù)分別計(jì)算用戶的短期興趣、長期興趣和實(shí)時(shí)興趣。

例如，該運(yùn)算單元302可以包括第一計(jì)算子單元、第二計(jì)算子單元和第三計(jì)算子單元，如下：

第一計(jì)算子單元，用于根據(jù)該用戶行為數(shù)據(jù)計(jì)算用戶在預(yù)置周期中每一天的興趣權(quán)值，得到天興趣權(quán)值，并對該天興趣權(quán)值按照時(shí)間進(jìn)行衰減，得到用戶的短期興趣。

例如，該第一計(jì)算子單元，具體可以用于根據(jù)得到的天興趣權(quán)值確定當(dāng)前需要進(jìn)行衰減的興趣權(quán)值，對該需要進(jìn)行衰減的興趣權(quán)值按照時(shí)間進(jìn)行衰減，得到衰減后的興趣權(quán)值；返回執(zhí)行根據(jù)天興趣權(quán)值確定當(dāng)前需要進(jìn)行衰減的興趣權(quán)值的操作，直至該天興趣權(quán)值中所有需要進(jìn)行衰減的興趣權(quán)重衰減完畢；對得到的所有衰減后的興趣權(quán)值進(jìn)行統(tǒng)計(jì)，得到用戶的短期興趣。

其中，在對需要進(jìn)行衰減的興趣權(quán)值進(jìn)行衰減時(shí)，該第一計(jì)算子單元，具體可以用于確定該需要進(jìn)行衰減的興趣權(quán)值所在的日期與當(dāng)前日期的日期差；計(jì)算該日期差與預(yù)置衰減系數(shù)的乘積，并計(jì)算1與該乘積的差；將該需要進(jìn)行衰減的興趣權(quán)值乘以該差，得到衰減后的興趣權(quán)值，具體可參見前面的方法實(shí)施例，在此不再贅述。

其中，預(yù)置周期可以根據(jù)實(shí)際應(yīng)用的需求進(jìn)行設(shè)置，比如，一般可以設(shè)置為7天、15天或30天等。

第二計(jì)算子單元，用于根據(jù)該用戶行為數(shù)據(jù)計(jì)算用戶在預(yù)置時(shí)間范圍內(nèi)的 興趣權(quán)值，得到用戶的長期興趣。

其中，該預(yù)置時(shí)間范圍可以根據(jù)實(shí)際應(yīng)用的需求進(jìn)行設(shè)置，至少大于一天，比如，可以設(shè)置為一個(gè)季度，一年或兩年，等等。

例如，以一年為例，則該第二計(jì)算子單元，具體可以用于根據(jù)該用戶行為數(shù)據(jù)統(tǒng)計(jì)用戶在當(dāng)前日期的一年內(nèi)每個(gè)月的用戶行為；根據(jù)該每個(gè)月的用戶行為計(jì)算每個(gè)興趣在當(dāng)月的權(quán)重；根據(jù)該每個(gè)興趣在當(dāng)月的權(quán)重計(jì)算一年內(nèi)每個(gè)興趣的平均權(quán)重，對該平均權(quán)重進(jìn)行統(tǒng)計(jì)，得到用戶的長期興趣。

可選的，第二計(jì)算子單元也可以對每個(gè)興趣在當(dāng)月的權(quán)重按照時(shí)間進(jìn)行衰減，得到衰減后的興趣權(quán)重，然后對這些衰減后的興趣權(quán)重進(jìn)行統(tǒng)計(jì)，得到用戶的長期興趣，等等。

第三計(jì)算子單元，用于根據(jù)該用戶行為數(shù)據(jù)確定用戶當(dāng)前點(diǎn)擊的興趣權(quán)值，得到用戶的實(shí)時(shí)興趣。

(3)確定單元303；

確定單元303，用于根據(jù)該用戶的短期興趣、長期興趣和實(shí)時(shí)興趣確定用戶興趣。

例如，確定單元303，具體可以用于根據(jù)預(yù)置的策略將用戶的短期興趣、長期興趣和實(shí)時(shí)興趣進(jìn)行融合，得到用戶興趣。

其中，融合的方式可以有多種，比如，可以分別為短期興趣、長期興趣和實(shí)時(shí)興趣設(shè)置權(quán)重，然后根據(jù)這些權(quán)重將短期興趣、長期興趣和實(shí)時(shí)興趣融合在一起，又比如，還可以為短期興趣、長期興趣和實(shí)時(shí)興趣之間的關(guān)系設(shè)置一個(gè)函數(shù)，然后通過該函數(shù)將短期興趣、長期興趣和實(shí)時(shí)興趣融合在一起，等等，在此不再贅述。

(4)推薦單元304；

推薦單元304，用于基于該用戶興趣向用戶推薦實(shí)時(shí)信息。

其中，該實(shí)時(shí)信息具體可以為新聞等信息。

例如，該推薦單元304可以包括召回子單元和推薦子單元，如下：

該召回子單元，用于根據(jù)該用戶興趣，從實(shí)時(shí)信息的倒排索引中召回相應(yīng) 的實(shí)時(shí)信息，得到候選推薦信息。

該推薦子單元，用于基于該候選推薦信息推薦實(shí)時(shí)信息給該用戶。具體可以如下：

該推薦子單元，具體可以用于計(jì)算該候選推薦信息中各實(shí)時(shí)信息與該用戶興趣的匹配度，得到實(shí)時(shí)信息的興趣相關(guān)性；確定該候選推薦信息中各實(shí)時(shí)信息的發(fā)布時(shí)間確定各實(shí)時(shí)信息的新鮮度，得到實(shí)時(shí)信息的時(shí)新性；確定該候選推薦信息中各實(shí)時(shí)信息的點(diǎn)擊率，并根據(jù)該點(diǎn)擊率計(jì)算點(diǎn)擊模型因子；根據(jù)該興趣相關(guān)性、時(shí)新性和點(diǎn)擊模型因子從該候選推薦信息中確定推薦信息；將該推薦信息推薦給該用戶。

可選的，為了提高推薦的信息質(zhì)量，在確定推薦消息之前，還可以對候選推薦信息中各實(shí)時(shí)信息的信息質(zhì)量進(jìn)行評判，比如，可以通過文本識(shí)別的方式確定一個(gè)新聞的質(zhì)量因子，其中，垃圾文章、廣告文章的質(zhì)量分低。即：

該推薦子單元，具體可以用于計(jì)算該候選推薦信息中各實(shí)時(shí)信息與該用戶興趣的匹配度，得到實(shí)時(shí)信息的興趣相關(guān)性；確定該候選推薦信息中各實(shí)時(shí)信息的發(fā)布時(shí)間確定各實(shí)時(shí)信息的新鮮度，得到實(shí)時(shí)信息的時(shí)新性；確定該候選推薦信息中各實(shí)時(shí)信息的點(diǎn)擊率，并根據(jù)該點(diǎn)擊率計(jì)算點(diǎn)擊模型因子；確實(shí)該候選推薦信息中各實(shí)時(shí)信息的信息質(zhì)量；根據(jù)該興趣相關(guān)性、時(shí)新性、點(diǎn)擊模型因子和信息質(zhì)量從該候選推薦信息中確定推薦信息；將該推薦信息推薦給該用戶。

需說明的是，其中，實(shí)時(shí)信息的倒排索引可以通過對原始實(shí)時(shí)信息進(jìn)行收集和統(tǒng)計(jì)來得到，即如圖3b所示，該實(shí)時(shí)信息的推薦裝置還可以包括倒排索引確定單元305，如下：

倒排索引確定單元305，可以用于從原始實(shí)時(shí)信息庫中獲取原始實(shí)時(shí)信息；對獲取到的原始實(shí)時(shí)信息進(jìn)行特征提?。桓鶕?jù)提取到的特征對該原始實(shí)時(shí)信息進(jìn)行分類預(yù)測和話題預(yù)測，以確定原始實(shí)時(shí)信息類目和主題；對獲取到的原始實(shí)時(shí)信息的內(nèi)容進(jìn)行詞性加權(quán)處理后，進(jìn)行文本域加權(quán)，以確定原始實(shí)時(shí)信息所屬的關(guān)鍵字；根據(jù)原始實(shí)時(shí)信息類目、主題和關(guān)鍵字計(jì)算該原始實(shí)時(shí)信息庫 中原始實(shí)時(shí)信息的倒排索引，得到實(shí)時(shí)信息的倒排索引；

則此時(shí)，召回子單元，具體用于根據(jù)用戶興趣確定用戶所感興趣的類目、主題和/或關(guān)鍵字，從該實(shí)時(shí)信息的倒排索引中獲取與用戶所感興趣的類目、主題和/或關(guān)鍵字相同、相似或相近的原始實(shí)時(shí)信息，得到候選推薦信息。

具體實(shí)施時(shí)，以上各個(gè)單元可以作為獨(dú)立的實(shí)體來實(shí)現(xiàn)，也可以進(jìn)行任意組合，作為同一或若干個(gè)實(shí)體來實(shí)現(xiàn)，以上各個(gè)單元的具體實(shí)施可參見前面的方法實(shí)施例，在此不再贅述。

該實(shí)時(shí)信息的推薦裝置具體可以集成在服務(wù)器，比如推薦服務(wù)器等設(shè)備中。

由上可知，本實(shí)施例的實(shí)時(shí)信息的推薦裝置的獲取單元301可以獲取用戶行為數(shù)據(jù)，然后由運(yùn)算單元302根據(jù)該用戶行為數(shù)據(jù)分別計(jì)算用戶的短期興趣、長期興趣和實(shí)時(shí)興趣，再然后，由確定單元303根據(jù)用戶的短期興趣、長期興趣和實(shí)時(shí)興趣確定用戶興趣，并由推薦單元304基于該用戶興趣向用戶推薦實(shí)時(shí)信息；由于該方案在計(jì)算用戶的興趣時(shí)，不僅將用戶的長期興趣作為考量因素，而且，也將用戶的短期興趣與實(shí)時(shí)興趣也作為考量因素，以反映出用戶的興趣隨時(shí)間變化的情況，因此，相對于現(xiàn)在技術(shù)而言，可以更加靈活、準(zhǔn)確且及時(shí)地將用戶當(dāng)前最感興趣的實(shí)時(shí)信息推薦給用戶，在提高時(shí)效性的同時(shí)，大大改善推薦效果。

此外，在推薦單元304在計(jì)算候選推薦信息的過程中，不僅可以考慮實(shí)時(shí)信息的興趣相關(guān)性，同時(shí)也可以考慮實(shí)時(shí)信息的時(shí)新性，以及關(guān)鍵字的點(diǎn)擊率和信息質(zhì)量等，因此，可以更加準(zhǔn)確的描述這些信息與用戶興趣之間關(guān)系強(qiáng)弱，進(jìn)一步提高了推薦質(zhì)量和推薦效果。

實(shí)施例四、

此外，本發(fā)明實(shí)施例還提供一種實(shí)時(shí)信息的推薦系統(tǒng)，可以包括本發(fā)明實(shí)施例提供的任一種實(shí)時(shí)信息的推薦裝置，具體可參見實(shí)施例三。其中，該實(shí)時(shí)信息的推薦裝置具體可以集成在服務(wù)器，如推薦服務(wù)器中，以集成在推薦服務(wù) 器中，則具體可以如下：

推薦服務(wù)器，用于獲取用戶行為數(shù)據(jù)；根據(jù)該用戶行為數(shù)據(jù)分別計(jì)算用戶的短期興趣、長期興趣和實(shí)時(shí)興趣；根據(jù)該用戶的短期興趣、長期興趣和實(shí)時(shí)興趣確定用戶興趣；基于該用戶興趣向用戶推薦實(shí)時(shí)信息。

其中，計(jì)算用戶的短期興趣、長期興趣和實(shí)時(shí)興趣的操作具體可以如下：

(1)短期興趣；

用戶行為數(shù)據(jù)計(jì)算用戶在預(yù)置周期中每一天的興趣權(quán)值，得到天興趣權(quán)值，并對該天興趣權(quán)值按照時(shí)間進(jìn)行衰減，得到用戶的短期興趣。

其中，預(yù)置周期可以根據(jù)實(shí)際應(yīng)用的需求進(jìn)行設(shè)置，比如，一般可以設(shè)置為7天、15天或30天等。

(2)長期興趣；

根據(jù)該用戶行為數(shù)據(jù)計(jì)算用戶在預(yù)置時(shí)間范圍內(nèi)的興趣權(quán)值，得到用戶的長期興趣。

其中，該預(yù)置時(shí)間范圍可以根據(jù)實(shí)際應(yīng)用的需求進(jìn)行設(shè)置，至少大于一天，比如，可以設(shè)置為一個(gè)季度，一年或兩年，等等。

(3)實(shí)時(shí)興趣；

根據(jù)該用戶行為數(shù)據(jù)確定用戶當(dāng)前點(diǎn)擊的興趣權(quán)值，得到用戶的實(shí)時(shí)興趣。

其中，推薦服務(wù)器在向用戶推薦實(shí)時(shí)信息時(shí)，具體可以根據(jù)該用戶興趣，從實(shí)時(shí)信息的倒排索引中召回相應(yīng)的實(shí)時(shí)信息，得到候選推薦信息，然后基于該候選推薦信息推薦實(shí)時(shí)信息給該用戶，比如，可以計(jì)算實(shí)時(shí)信息的興趣相關(guān)性、時(shí)新性、點(diǎn)擊模型因子和信息質(zhì)量等參數(shù)，然后根據(jù)上該興趣相關(guān)性、時(shí)新性、點(diǎn)擊模型因子和信息質(zhì)量從該候選推薦信息中確定推薦信息。

需說明的是，其中，實(shí)時(shí)信息的倒排索引可以通過對原始實(shí)時(shí)信息進(jìn)行收集和統(tǒng)計(jì)來得到，例如，可以如下：

推薦服務(wù)器，還可以用于從原始實(shí)時(shí)信息庫中獲取原始實(shí)時(shí)信息；對獲取到的原始實(shí)時(shí)信息進(jìn)行特征提?。桓鶕?jù)提取到的特征對該原始實(shí)時(shí)信息進(jìn)行分 類預(yù)測和話題預(yù)測，以確定原始實(shí)時(shí)信息類目和主題；對獲取到的原始實(shí)時(shí)信息的內(nèi)容進(jìn)行詞性加權(quán)處理后，進(jìn)行文本域加權(quán)，以確定原始實(shí)時(shí)信息所屬的關(guān)鍵字；根據(jù)原始實(shí)時(shí)信息類目、主題和關(guān)鍵字計(jì)算該原始實(shí)時(shí)信息庫中原始實(shí)時(shí)信息的倒排索引，得到實(shí)時(shí)信息的倒排索引。

以上各個(gè)操作的具體實(shí)施可參見前面的方法實(shí)施例，在此不再贅述。

此外，該實(shí)時(shí)信息的推薦系統(tǒng)還可以包括其他的設(shè)備，比如用戶設(shè)備，可選的，還可以包括用戶服務(wù)器和信息服務(wù)器等，如下：

用戶設(shè)備，可以用于接收推薦服務(wù)器推薦的實(shí)時(shí)信息。

用戶服務(wù)器，可以用于保存用戶行為數(shù)據(jù)，并向推薦服務(wù)器提供用戶行為數(shù)據(jù)。

信息服務(wù)器，可以用于保存原始實(shí)時(shí)信息，并向推薦服務(wù)器提供保存的原始實(shí)時(shí)信息。

以上各個(gè)設(shè)備的具體實(shí)施，可參見前面的方法實(shí)施例，在此不再贅述。

由于該實(shí)時(shí)信息的推薦系統(tǒng)可以包括本發(fā)明實(shí)施例提供的任一種實(shí)時(shí)信息的推薦裝置，因此，可以實(shí)現(xiàn)本發(fā)明實(shí)施例提供的任一種實(shí)時(shí)信息的推薦裝置所能實(shí)現(xiàn)的有益效果，詳見前面的實(shí)施例，在此不再贅述。

本領(lǐng)域普通技術(shù)人員可以理解上述實(shí)施例的各種方法中的全部或部分步驟是可以通過程序來指令相關(guān)的硬件來完成，該程序可以存儲(chǔ)于一計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)中，存儲(chǔ)介質(zhì)可以包括：只讀存儲(chǔ)器(ROM，Read Only Memory)、隨機(jī)存取記憶體(RAM，Random Access Memory)、磁盤或光盤等。

以上對本發(fā)明實(shí)施例所提供的一種實(shí)時(shí)信息的推薦方法、裝置和系統(tǒng)進(jìn)行了詳細(xì)介紹，本文中應(yīng)用了具體個(gè)例對本發(fā)明的原理及實(shí)施方式進(jìn)行了闡述，以上實(shí)施例的說明只是用于幫助理解本發(fā)明的方法及其核心思想；同時(shí)，對于本領(lǐng)域的技術(shù)人員，依據(jù)本發(fā)明的思想，在具體實(shí)施方式及應(yīng)用范圍上均會(huì)有改變之處，綜上所述，本說明書內(nèi)容不應(yīng)理解為對本發(fā)明的限制。