本申请涉及信息推荐技术领域，具体而言，本申请涉及一种信息推荐方法、装置、电子设备及计算机可读存储介质。
背景技术：
随着移动互联网技术的发展，人人都可以成为信息的制作者与传播者，如人们可通过拍摄短视频并上传至相应的短视频平台进行信息的制作与传播，我们生活的这个世界每天都会产生大量的信息，我们进入了“信息大爆炸”的时代，为了能够从海量的信息中确定出用户感兴趣的或需要的信息，解决“信息大爆炸”所带来的信息过载问题，信息推荐系统应运而生。
目前，信息推荐系统是基于历史用户相关信息进行信息推荐，即基于历史用户相关信息从海量的信息中确定出一定数量的用户可能感兴趣的候选信息，并将确定出的用户可能感兴趣的候选信息推荐给用户。然而，根据现有的信息推荐系统，其进行信息推荐依据的是历史用户相关信息，由于用户相关信息存在时效性(如在不同时期根据用户相关信息分析得到的用户画像或用户兴趣并不相同)，如果仍然仅依据历史用户相关信息进行信息的推荐，将导致出现用户对推荐的信息不感兴趣的问题。因此，现有的信息推荐系统存在由于用户相关信息的时效性原因而导致用户对推荐的信息不感兴趣的问题。
技术实现要素：
本申请提供了一种信息推荐方法、装置、电子设备及计算机可读存储介质，用于提升信息推荐的时效性，本申请采用的技术方案如下：
第一方面，提供了一种基于用户行为信息的信息推荐方法，该方法包括，
当监控到满足预设的条件时获取已展示的推荐信息对应的用户行为信息；
根据用户行为信息，基于预定的信息推荐方法进行信息推荐，以从包含多个信息的信息库中确定出至少一个候选推荐信息；
基于预定的排序方法对包括至少一个候选推荐信息的待推荐信息进行排序，得到排序后的推荐信息。
进一步地，预定的信息推荐方法包括协同过滤方法，根据用户行为信息，基于预定的信息推荐方法进行信息推荐，以从包含多个信息的信息库中确定出至少一个候选推荐信息，包括：
根据用户行为信息，基于协同过滤方法确定用户的信息偏好矩阵；
基于得到的用户的信息偏好矩阵计算用户与其他用户之间的相似度，并根据得到的相似度计算结果确定用户所属的用户群组；
根据用户所属的用户群组，从用户群组对应的多个信息中确定出至少一个候选推荐信息。
进一步地，预定的信息推荐方法还包括基于内容的信息推荐方法，根据用户行为信息，基于预定的信息推荐方法进行信息推荐，以从包含多个信息的信息库中确定出至少一个候选推荐信息，包括：
分别依据基于内容的信息推荐方法以及协同过滤方法，确定相应的候选推荐信息，基于内容的信息推荐方法包括基于信息热度值进行信息推荐的方法和/或基于信息之间相似度进行信息推荐的方法；
将依据基于内容的信息推荐方法确定的相应的候选推荐信息以及依据协同过滤方法确定的相应的候选推荐信息进行整合处理，确定至少一个候选推荐信息。
进一步地，基于预定的排序方法对包括至少一个候选推荐信息的待推荐信息进行排序，得到排序后的推荐信息，包括：
根据已展示推荐信息的标识信息，对各个候选推荐信息进行去重处理；
基于预定的排序方法对包括去除已展示推荐信息的候选推荐信息的待推荐信息进行排序，得到排序后的推荐信息。
其中，预设的条件包括以下任一项：
当前时间达到预设的时间周期；
响应于信息展示请求发送了预设阈值数量的展示信息。
进一步地，该方法还包括：
基于用户行为信息对用户行为信息库进行更新。
第二方面，提供了一种基于用户行为信息的信息推荐装置，该装置包括：
获取模块，用于当监控到满足预设的条件时获取已展示的推荐信息对应的用户行为信息；
确定模块，根据获取模块获取的用户行为信息，基于预定的信息推荐方法进行信息推荐，以从包含多个信息的信息库中确定出至少一个候选推荐信息；
排序模块，用于基于预定的排序方法对包括确定模块确定的至少一个候选推荐信息的待推荐信息进行排序，得到排序后的推荐信息。
进一步地，预定的信息推荐方法包括协同过滤方法，确定模块包括第一确定单元、第二确定单元以及第三确定单元；
第一确定单元，用于根据用户行为信息，基于协同过滤方法确定用户的信息偏好矩阵；
第二确定单元，用于基于第一确定单元确定得到的用户的信息偏好矩阵计算用户与其他用户之间的相似度，并根据得到的相似度计算结果确定用户所属的用户群组；
第三确定单元，用于根据第二确定单元确定的用户所属的用户群组，从用户群组对应的多个信息中确定出至少一个候选推荐信息。
进一步地，预定的信息推荐方法还包括基于内容的信息推荐方法，确定模块包括第四确定单元以及第五确定单元；
第四确定单元，用于分别依据基于内容的信息推荐方法以及协同过滤方法，确定相应的候选推荐信息，基于内容的信息推荐方法包括基于信息热度值进行信息推荐的方法和/或基于信息之间相似度进行信息推荐的方法；
第五确定单元，用于将第四确定单元依据基于内容的信息推荐方法确定的相应的候选推荐信息以及依据协同过滤方法确定的相应的候选推荐信息进行整合处理，确定至少一个候选推荐信息。
进一步地，排序模块包括去重单元与排序单元；
去重单元，用于根据已展示推荐信息的标识信息，对各个候选推荐信息进行去重处理；
排序单元，用于基于预定的排序方法对包括去重单元去除已展示推荐信息的候选推荐信息的待推荐信息进行排序，得到排序后的推荐信息。
其中，预设的条件包括以下任一项：
当前时间达到预设的时间周期；
响应于信息展示请求发送了预设阈值数量的展示信息。
进一步地，该装置还包括更新模块；
更新模块，用于基于用户行为信息对用户行为信息库进行更新。
第三方面，提供了一种电子设备，该电子设备包括：
一个或多个处理器；
存储器；
一个或多个应用程序，其中一个或多个应用程序被存储在存储器中并被配置为由一个或多个处理器执行，一个或多个程序配置用于：执行第一方面所示的基于用户行为信息的信息推荐方法。
第四方面，提供了一种计算机可读存储介质，计算机存储介质用于存储计算机指令，当其在计算机上运行时，使得计算机可以执行第一方面所示的基于用户行为信息的信息推荐方法。
本申请提供了一种信息推荐方法、装置、电子设备及计算机可读存储介质，与现有技术基于历史用户相关信息进行信息推荐相比，本申请中当监控到满足预设的条件时获取已展示的推荐信息对应的用户行为信息，然后根据用户行为信息，基于预定的信息推荐方法进行信息推荐，以从包含多个信息的信息库中确定出至少一个候选推荐信息，继而基于预定的排序方法对包括至少一个候选推荐信息的待推荐信息进行排序，得到排序后的推荐信息，即基于实时反馈的已展示的推荐信息对应的用户行为信息进行信息的推荐，解决了由于用户相关信息存在时效性的原因而导致出现用户对推荐的信息不感兴趣的问题，从而提升了信息推荐的时效性。
本申请附加的方面和优点将在下面的描述中部分给出，这些将从下面的描述中变得明显，或通过本申请的实践了解到。
附图说明
本申请上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：
图1为本申请实施例的一种基于用户行为信息的信息推荐方法的流程示意图；
图2为本申请实施例的一种基于用户行为信息的信息推荐装置的结构示意图；
图3为本申请实施例的另一种基于用户行为信息的信息推荐装置的结构示意图；
图4为本申请实施例的一种电子设备的结构示意图。
具体实施方式
下面详细描述本申请的实施例，各实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本申请，而不能解释为对本申请的限制。
本技术领域技术人员可以理解，除非特意声明，这里使用的单数形式“一”、“一个”和“该”也可包括复数形式。应该进一步理解的是，本申请的说明书中使用的措辞“包括”是指存在特征、整数、步骤、操作、元件和/或组件，但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的全部或任一单元和全部组合。
为使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请实施方式作进一步地详细描述。
下面以具体地实施例对本申请的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图，对本申请的实施例进行描述。
本实施例提供了一种基于用户行为信息的信息推荐方法，如图1所示，该方法包括，
步骤s101，当监控到满足预设的条件时获取已展示的推荐信息对应的用户行为信息；
对于本实施例，预先设定相应的条件，当监控到预先设定的条件满足时，建立与相应终端设备(如手机、pad)的连接，通过获取用户的行为日志数据从而得到已展示的推荐信息对应的用户行为信息。
步骤s102，根据用户行为信息，基于预定的信息推荐方法进行信息推荐，以从包含多个信息的信息库中确定出至少一个候选推荐信息；
对于本实施例，包含推荐信息的信息库中有多个信息，对获取的用户行为信息进行分析，基于预定的信息推荐方法从信息库中确定出至少一个候选推荐信息，其中如果确定出的候选推荐信息数量仍然很大，可以基于一定的规则(如基于信息的生成时间)对确定出的候选推荐信息进行粗排序，然后基于粗排序结果确定待展示的候选推荐信息。
步骤s103，基于预定的排序方法对包括至少一个候选推荐信息的待推荐信息进行排序，得到排序后的推荐信息。
对于本实施例，不同的候选推荐信息其对应的用户点击可能性概率不同，基于预定的排序方法对包括至少一个候选推荐信息的待推荐信息进行排序，得到排序后的推荐信息，其中排序后的推荐序列是按照预测的用户点击可能性概率排序的序列。其中，还可以预先对候选推荐信息进行过滤处理，过滤掉“三俗”、违反法律法规等的信息，然后对过滤后的候选推荐信息进行排序，其中，也可以是对候选推荐信息进行排序之后再进行过滤，此处不做限定。
其中，预定的排序方法可以是非线性模型(如gradientboostingdecisiontree，梯度提升决策树)或线性模型(如logisticregression，逻辑回归算法)，其中，非线性模型能较好的捕捉特征中的非线性关系，但训练和预测的代价相对线性模型要高一些，这也导致了非线性模型的更新周期相对要长，反之，线性模型对特征的处理要求比较高，需要凭借领域知识和经验人工对特征做一些先期处理，但因为线性模型简单，在训练和预测时效率较高，在更新周期上也可以做的更短，还可以结合业务做一些在线学习。因此可以根据不同的应用需求选择确定使用非线性模型或线性模型。
本实施例提供了一种基于用户行为信息的信息推荐方法，与现有技术基于用户历史相关信息进行信息推荐相比，本实施例中通过当监控到满足预设的条件时获取已展示的推荐信息对应的用户行为信息，然后根据用户行为信息，基于预定的信息推荐方法进行信息推荐，以从包含多个信息的信息库中确定出至少一个候选推荐信息，继而基于预定的排序方法对包括至少一个候选推荐信息的待推荐信息进行排序，得到排序后的推荐信息，即基于实时反馈的已展示的推荐信息对应的用户行为信息进行信息的推荐，解决了由于用户相关信息存在时效性的原因而导致出现用户对推荐的信息不感兴趣的问题，从而提升了信息推荐的时效性。
本实施例提供了一种可能的实现方式，具体地，预定的信息推荐方法包括协同过滤方法，步骤s102包括：
步骤s1021(图中未示出)，根据用户行为信息，基于协同过滤方法确定用户的信息偏好矩阵；
对于本实施例，协同过滤(collaborativefiltering，简称cf)的原理是在海量的用户中确定出一定数量与特定用户品位或喜好类似的用户，特定的用户与确定出的用户归属一个群组，然后将群组中其他用户感兴趣的其他信息推荐给特定用户。例如，假设用户a对信息a、c感兴趣，用户b对信息b感兴趣，用户c对信息a、c及d感兴趣，从用户a、b、c的偏好信息中，可以发现用户a和用户c的偏好类似，同时用户c还对信息d感兴趣，那么我们可以推断用户a可能也对信息d感兴趣，因此可以将信息d推荐给用户a。
对于本实施例，根据用户的行为信息，如用户的点赞、评论、打分等行为信息，基于协同过滤方法得到用户的信息偏好矩阵，其中用户的信息偏好矩阵可以是用户-偏好的二维矩阵，如用户a对信息a、b、c、d中的信息a、c感兴趣，用户a的信息偏好矩阵可以用(1，0，1，0)表示，其中1代表喜欢，0代表目前无行为。
步骤s1022(图中未示出)，基于得到的用户的信息偏好矩阵计算用户与其他用户之间的相似度，并根据得到的相似度计算结果确定用户所属的用户群组；
对于本实施例，基于用户的信息偏好矩阵计算用户与其他用户之间的欧几里德距离或皮尔逊相关度，或者其他方法，得到用户与其他用户的相似度计算结果，然后根据得到的相似度计算结果确定用户所属的用户群组。
步骤s1023(图中未示出)，根据用户所属的用户群组，从用户群组对应的多个信息中确定出至少一个候选推荐信息。
对于本实施例，用户所属的用户群组对应有多个信息，从该多个信息中确定至少一个候选推荐信息，其中候选推荐信息可以是用户群组中所有用户对应的信息的并集除去用户对应的信息得到的。
例如，用户a对信息a、b感兴趣，用户b对信息a感兴趣，用户c对信息a、b、c感兴趣，用户d对信息a、b、d感兴趣，通过计算用户a、用户b、用户c、用户d之间的相似度，确定用户a与用户c、用户d所属同一个用户群组，从用户群组对应的信息a、b、c、d中确定出c、d推荐给用户a。
对于本实施例，通过用户行为信息确定用户的信息偏好矩阵，并进一步基于确定的用户的信息偏好矩阵确定用户所属的用户群组，然后从用户群组对应的多个信息中确定出至少一个候选推荐信息，从而解决了如何根据反馈的用户行为信息确定候选推荐信息的问题，进而提升了信息推荐的时效性。
本实施例提供了一种可能的实现方式，具体地，预定的信息推荐方法还包括基于内容的信息推荐方法，步骤s102包括：
步骤s1024(图中未示出)，分别依据基于内容的信息推荐方法以及协同过滤方法，确定相应的候选推荐信息，基于内容的信息推荐方法包括基于信息热度值进行信息推荐的方法和/或基于信息之间相似度进行信息推荐的方法；
对于本实施例，预定的信息推荐方法不限于一种信息推荐方法，还可以包括基于内容的信息推荐方法，在进行信息推荐时，分别依据基于内容的信息推荐方法以及协同过滤方法确定相应的候选推荐信息，其中基于内容的信息推荐方法包括基于信息热度值进行信息推荐的方法和/或基于信息之间相似度进行信息推荐的方法。其中，基于信息热度值进行信息推荐的方法可以是选取一定数量点击量比较高或评分比较高等的信息；基于信息之间相似度进行信息推荐的方法可以是选取与反馈的用户感兴趣的信息相似的信息。
步骤s1025(图中未示出)，将依据基于内容的信息推荐方法确定的相应的候选推荐信息以及依据协同过滤方法确定的相应的候选推荐信息进行整合处理，确定至少一个候选推荐信息。
对于本实施例，将依据基于内容的信息推荐方法确定的相应的候选推荐信息以及依据协同过滤方法确定的相应的候选推荐信息进行整合处理，确定至少一个候选推荐信息，其中，整合处理可以是依据一定的比例关系确定每种信息推荐方法对应的候选推荐信息的数量，也可以是其他的方法，此处不做限定。
对于本实施例，预定的信息推荐方法还包括基于内容的信息推荐方法，从而提升了确定的候选推荐信息的多样性或丰富性。
本实施例提供了一种可能的实现方式，具体地，步骤s103包括：
步骤s1031(图中未示出)，根据已展示推荐信息的标识信息，对各个候选推荐信息进行去重处理；
对于本实施例，获取已展示推荐信息的标识信息，将各个候选推荐信息的标识信息与已展示推荐信息的标识信息进行比对，将比对结果相同的候选推荐信息去除，不再向用户进行展示，从而对各个候选推荐信息进行去重处理。
步骤s1032(图中未示出)，基于预定的排序方法对包括去除已展示推荐信息的候选推荐信息的待推荐信息进行排序，得到排序后的推荐信息。
对于本实施例，基于预定的排序方法对去重处理后的包括候选推荐信息的待推荐信息进行排序，得到排序后的推荐信息，其中，为了避免推荐结果中高度相似的信息扎堆出现，可以将这些高度相似的信息进行打散处理，其中，可以按照信息的类目层级进行打散。
对于本实施例，通过对确定的候选推荐信息进行去重处理，不再向用户展示已经展示过的信息，从而避免了重复推荐，提升了用户体验。
本实施例提供了一种可能的实现方式，其中，预设的条件包括以下任一项：
当前时间达到预设的时间周期；
响应于信息展示请求发送了预设阈值数量的展示信息。
对于本实施例，预设的条件包括当前时间达到预设的时间周期或响应于信息展示请求发送了预设阈值数量的展示信息，其中，可基于不同的应用场景需求选择设定相应的预设条件。
对于本实施例，设定不同的预设条件可供选择，从而实现可基于不同的应用场景需求选择设定相应的预设条件。
本实施例提供了另外一种可能的实现方式，进一步地，该方法还包括：
步骤s104(图中未示出)，基于用户行为信息对用户行为信息库进行更新。
对于本实施例，基于获取的用户行为信息对用户行为信息库进行更新，其中，对用户行为信息库的更新包括相应用户行为信息的删除与添加。
对于本实施例，基于获取的用户行为信息对用户行为信息库进行更新，从而保证了用户行为信息库中用户行为信息的时效性，进而提升了利用用户行为信息库中的用户行为信息进行信息推荐的时效性。
图2为本实施例提供的一种基于用户行为信息的信息推荐装置，该装置20包括：获取模块201、确定模块202、排序模块203；
获取模块201，用于当监控到满足预设的条件时获取已展示的推荐信息对应的用户行为信息；
确定模块202，根据获取模块201获取的用户行为信息，基于预定的信息推荐方法进行信息推荐，以从包含多个信息的信息库中确定出至少一个候选推荐信息；
排序模块203，用于基于预定的排序方法对包括确定模块202确定的至少一个候选推荐信息的待推荐信息进行排序，得到排序后的推荐信息。
本实施例提供了一种基于用户行为信息的信息推荐装置，与现有技术基于历史用户相关信息进行信息推荐相比，本实施例中当监控到满足预设的条件时获取已展示的推荐信息对应的用户行为信息，然后根据用户行为信息，基于预定的信息推荐方法进行信息推荐，以从包含多个信息的信息库中确定出至少一个候选推荐信息，继而基于预定的排序方法对包括至少一个候选推荐信息的待推荐信息进行排序，得到排序后的推荐信息，即基于实时反馈的已展示的推荐信息对应的用户行为信息进行信息的推荐，解决了由于用户相关信息存在时效性的原因而导致出现用户对推荐的信息不感兴趣的问题，从而提升了信息推荐的时效性。
本实施例的基于用户行为信息的信息推荐装置可执行本申请上述实施例中提供的一种基于用户行为信息的信息推荐方法，其实现原理相类似，此处不再赘述。
本实施例提供了另一种基于用户行为信息的信息推荐装置，如图3所示，本实施例的装置30包括：获取模块301、确定模块302、排序模块303；
获取模块301，用于当监控到满足预设的条件时获取已展示的推荐信息对应的用户行为信息；
其中，图3中的获取模块301与图2中的获取模块201的功能相同或者相似。
确定模块302，根据获取模块301获取的用户行为信息，基于预定的信息推荐方法进行信息推荐，以从包含多个信息的信息库中确定出至少一个候选推荐信息；
其中，图3中的确定模块302与图2中的确定模块202的功能相同或者相似。
排序模块303，用于基于预定的排序方法对包括确定模块302确定的至少一个候选推荐信息的待推荐信息进行排序，得到排序后的推荐信息。
其中，图3中的排序模块303与图2中的排序模块203的功能相同或者相似。
本实施例提供了一种可能的实现方式，具体地，预定的信息推荐方法包括协同过滤方法，确定模块302包括第一确定单元3021、第二确定单元3022以及第三确定单元3023；
第一确定单元3021，用于根据用户行为信息，基于协同过滤方法确定用户的信息偏好矩阵；
第二确定单元3022，用于基于第一确定单元3021确定得到的用户的信息偏好矩阵计算用户与其他用户之间的相似度，并根据得到的相似度计算结果确定用户所属的用户群组；
第三确定单元3023，用于根据第二确定单元3022确定的用户所属的用户群组，从用户群组对应的多个信息中确定出至少一个候选推荐信息。
对于本实施例，通过用户行为信息确定用户的信息偏好矩阵，并进一步基于确定的用户的信息偏好矩阵确定用户所属的用户群组，然后从用户群组对应的多个信息中确定出至少一个候选推荐信息，从而解决了如何根据反馈的用户行为信息确定候选推荐信息的问题，进而提升了信息推荐的时效性。
本实施例提供了一种可能的实现方式，具体地，预定的信息推荐方法还包括基于内容的信息推荐方法，确定模块302包括第四确定单元3024以及第五确定单元3025；
第四确定单元3024，用于分别依据基于内容的信息推荐方法以及协同过滤方法，确定相应的候选推荐信息，基于内容的信息推荐方法包括基于信息热度值进行信息推荐的方法和/或基于信息之间相似度进行信息推荐的方法；
第五确定单元3025，用于将第四确定单元3024依据基于内容的信息推荐方法确定的相应的候选推荐信息以及依据协同过滤方法确定的相应的候选推荐信息进行整合处理，确定至少一个候选推荐信息。
对于本实施例，预定的信息推荐方法还包括基于内容的信息推荐方法，从而提升了确定的候选推荐信息的多样性或丰富性。
本实施例提供了一种可能的实现方式，具体地，排序模块303包括去重单元3031与排序单元3032；
去重单元3031，用于根据已展示推荐信息的标识信息，对各个候选推荐信息进行去重处理；
排序单元3032，用于基于预定的排序方法对包括去重单元3031去除已展示推荐信息的候选推荐信息的待推荐信息进行排序，得到排序后的推荐信息。
对于本实施例，通过对确定的候选推荐信息进行去重处理，不再向用户展示已经展示过的信息，从而避免了重复推荐，提升了用户体验。
本实施例提供了一种可能的实现方式，其中，预设的条件包括以下任一项：
当前时间达到预设的时间周期；
响应于信息展示请求发送了预设阈值数量的展示信息。
对于本实施例，设定不同的预设条件可供选择，从而实现可基于不同的应用场景需求选择设定相应的预设条件。
本实施例提供了一种可能的实现方式，进一步地，该装置还包括：更新模块304；
更新模块304，用于基于用户行为信息对用户行为信息库进行更新。
对于本实施例，基于获取的用户行为信息对用户行为信息库进行更新，从而保证了用户行为信息库中用户行为信息的时效性，进而提升了利用用户行为信息库中的用户行为信息进行信息推荐的时效性。
本实施例提供了一种基于用户行为信息的信息推荐装置，与现有技术基于历史用户相关信息进行信息推荐相比，本实施例中通过当监控到满足预设的条件时获取已展示的推荐信息对应的用户行为信息，然后根据用户行为信息，基于预定的信息推荐方法进行信息推荐，以从包含多个信息的信息库中确定出至少一个候选推荐信息，继而基于预定的排序方法对包括至少一个候选推荐信息的待推荐信息进行排序，得到排序后的推荐信息，即基于实时反馈的已展示的推荐信息对应的用户行为信息进行信息的推荐，解决了由于用户相关信息存在时效性的原因而导致出现用户对推荐的信息不感兴趣的问题，从而提升了信息推荐的时效性。
本实施例的基于用户行为信息的信息推荐装置可执行本申请上述实施例中提供的一种基于用户行为信息的信息推荐方法，其实现原理相类似，此处不再赘述。
本实施例提供了一种电子设备，如图4所示，图4所示的电子设备40包括：处理器4001和存储器4003。其中，处理器4001和存储器4003相连，如通过总线4002相连。进一步地，电子设备40还可以包括收发器4004。需要说明的是，实际应用中收发器4004不限于一个，该电子设备400的结构并不构成对本申请实施例的限定。
其中，处理器4001应用于本申请实施例中，用于实现图2或图3所示的获取模块、确定模块、排序模块的功能，以及用于实现图3所示的更新模块的功能。收发器4004包括接收机和发射机。
处理器4001可以是cpu，通用处理器，dsp，asic，fpga或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本申请公开内容所描述的各种示例性的逻辑方框，模块和电路。处理器4001也可以是实现计算功能的组合，例如包含一个或多个微处理器组合，dsp和微处理器的组合等。
总线4002可包括一通路，在上述组件之间传送信息。总线4002可以是pci总线或eisa总线等。总线4002可以分为地址总线、数据总线、控制总线等。为便于表示，图4中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
存储器4003可以是rom或可存储静态信息和指令的其他类型的静态存储设备，ram或者可存储信息和指令的其他类型的动态存储设备，也可以是eeprom、cd-rom或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质，但不限于此。
存储器4003用于存储执行本申请方案的应用程序代码，并由处理器4001来控制执行。处理器4001用于执行存储器4003中存储的应用程序代码，以实现图2或图3所示实施例提供的基于用户行为信息的信息推荐装置的功能。
本实施例提供了一种电子设备适用于上述方法实施例。在此不再赘述。
本实施例提供了一种电子设备，与现有技术基于历史用户相关信息进行信息推荐相比，本实施例中当监控到满足预设的条件时获取已展示的推荐信息对应的用户行为信息，然后根据用户行为信息，基于预定的信息推荐方法进行信息推荐，以从包含多个信息的信息库中确定出至少一个候选推荐信息，继而基于预定的排序方法对包括至少一个候选推荐信息的待推荐信息进行排序，得到排序后的推荐信息，即基于实时反馈的已展示的推荐信息对应的用户行为信息进行信息的推荐，解决了由于用户相关信息存在时效性的原因而导致出现用户对推荐的信息不感兴趣的问题，从而提升了信息推荐的时效性。
本实施例提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该程序被处理器执行时实现上述实施例中所示的方法。
本实施例提供了一种计算机可读存储介质，与现有技术基于历史用户相关信息进行信息推荐相比，本实施例中当监控到满足预设的条件时获取已展示的推荐信息对应的用户行为信息，然后根据用户行为信息，基于预定的信息推荐方法进行信息推荐，以从包含多个信息的信息库中确定出至少一个候选推荐信息，继而基于预定的排序方法对包括至少一个候选推荐信息的待推荐信息进行排序，得到排序后的推荐信息，即基于实时反馈的已展示的推荐信息对应的用户行为信息进行信息的推荐，解决了由于用户相关信息存在时效性的原因而导致出现用户对推荐的信息不感兴趣的问题，从而提升了信息推荐的时效性。
本实施例提供了一种计算机可读存储介质适用于上述方法实施例。在此不再赘述。
应该理解的是，虽然附图的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，其可以以其他的顺序执行。而且，附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，其执行顺序也不必然是依次进行，而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
以上仅是本申请的部分实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本申请的保护范围。
1.一种基于用户行为信息的信息推荐方法，其特征在于，包括：
当监控到满足预设的条件时获取已展示的推荐信息对应的用户行为信息；
根据所述用户行为信息，基于预定的信息推荐方法进行信息推荐，以从包含多个信息的信息库中确定出至少一个候选推荐信息；
基于预定的排序方法对包括所述至少一个候选推荐信息的待推荐信息进行排序，得到排序后的推荐信息。
2.根据权利要求1所述的方法，其特征在于，所述预定的信息推荐方法包括协同过滤方法，所述根据所述用户行为信息，基于预定的信息推荐方法进行信息推荐，以从包含多个信息的信息库中确定出至少一个候选推荐信息，包括：
根据所述用户行为信息，基于所述协同过滤方法确定用户的信息偏好矩阵；
基于得到的用户的信息偏好矩阵计算所述用户与其他用户之间的相似度，并根据得到的相似度计算结果确定所述用户所属的用户群组；
根据所述用户所属的用户群组，从用户群组对应的多个信息中确定出至少一个候选推荐信息。
3.根据权利要求2所述的方法，其特征在于，所述预定的信息推荐方法还包括基于内容的信息推荐方法，所述根据所述用户行为信息，基于预定的信息推荐方法进行信息推荐，以从包含多个信息的信息库中确定出至少一个候选推荐信息，包括：
分别依据所述基于内容的信息推荐方法以及所述协同过滤方法，确定相应的候选推荐信息，所述基于内容的信息推荐方法包括基于信息热度值进行信息推荐的方法和/或基于信息之间相似度进行信息推荐的方法；
将依据所述基于内容的信息推荐方法确定的相应的候选推荐信息以及依据所述协同过滤方法确定的相应的候选推荐信息进行整合处理，确定所述至少一个候选推荐信息。
4.根据权利要求1所述的方法，其特征在于，所述基于预定的排序方法对包括所述至少一个候选推荐信息的待推荐信息进行排序，得到排序后的推荐信息，包括：
根据已展示推荐信息的标识信息，对各个候选推荐信息进行去重处理；
基于预定的排序方法对包括去除已展示推荐信息的候选推荐信息的待推荐信息进行排序，得到排序后的推荐信息。
5.根据权利要求1所述的方法，其特征在于，所述预设的条件包括以下任一项：
当前时间达到预设的时间周期；
响应于信息展示请求发送了预设阈值数量的展示信息。
6.根据权利要求1所述的方法，其特征在于，该方法还包括：
基于所述用户行为信息对用户行为信息库进行更新。
7.一种基于用户行为信息的信息推荐装置，其特征在于，包括：
获取模块，用于当监控到满足预设的条件时获取已展示的推荐信息对应的用户行为信息；
确定模块，根据所述获取模块获取的所述用户行为信息，基于预定的信息推荐方法进行信息推荐，以从包含多个信息的信息库中确定出至少一个候选推荐信息；
排序模块，用于基于预定的排序方法对包括所述确定模块确定的所述至少一个候选推荐信息的待推荐信息进行排序，得到排序后的推荐信息。
8.根据权利要求7所述的装置，其特征在于，所述预定的信息推荐方法包括协同过滤方法，所述确定模块包括第一确定单元、第二确定单元以及第三确定单元；
所述第一确定单元，用于根据所述用户行为信息，基于所述协同过滤方法确定用户的信息偏好矩阵；
所述第二确定单元，用于基于所述第一确定单元确定得到的用户的信息偏好矩阵计算所述用户与其他用户之间的相似度，并根据得到的相似度计算结果确定所述用户所属的用户群组；
所述第三确定单元，用于根据所述第二确定单元确定的所述用户所属的用户群组，从用户群组对应的多个信息中确定出至少一个候选推荐信息。
9.一种电子设备，其特征在于，包括：
一个或多个处理器；
存储器；
一个或多个应用程序，其中所述一个或多个应用程序被存储在所述存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个程序配置用于：执行根据权利要求1至6任一项所述的基于用户行为信息的信息推荐方法。
10.一种计算机可读存储介质，其特征在于，所述计算机存储介质用于存储计算机指令，当其在计算机上运行时，使得计算机可以执行上述权利要求1至6中任一项所述的基于用户行为信息的信息推荐方法。
技术总结