信息列表生成方法及装置、存储介质、电子设备

技术领域

本发明实施例涉及大数据处理技术领域，具体而言，涉及一种信息列表生成方法、信息列表生成装置、计算机可读存储介质以及电子设备。

背景技术

近年来，随着互联网产品中信息过载问题的愈发严重，许多产品中都迫切需要提供个性化推荐的功能。同时，产品推荐系统已经被广泛的应用于各种不同的场景中，例如歌曲推荐、信息推荐、应用程序推荐以及各种物品推荐等等。

在传统的推荐系统中，采用的是基于用户的协同过滤算法来实现的。具体的，基于用户的协同过滤算法的思想是用户可能会喜欢兴趣相似的其他用户喜欢的产品，该算法首先计算各用户之间的兴趣相似度，然后对于目标用户，选取与其具有最高相似度的一些用户，称为近邻用户，通过近邻用户对产品的评分计算出目标用户对其未有过行为的产品的预测评分，最后根据预测评分生成对目标用户的推荐列表。

但是，上述方法存在如下缺陷：在上述用户相似度计算方法中，仅仅考虑到了用户喜欢的产品之间的相似度，并未考虑到用户不喜欢的产品之间的相似度，进而存在着用户相似度区分不够以及用户相似度不够准确等问题，进而导致生成的产品列表的精确度较低。

因此，需要提供一种新的产品列表生成方法及装置。

需要说明的是，在上述背景技术部分发明的信息仅用于加强对本发明的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

发明内容

本发明的目的在于提供一种信息列表生成方法、信息列表生成装置、计算机可读存储介质以及电子设备，进而至少在一定程度上克服由于相关技术的限制和缺陷而导致的产品列表的精确度较低的问题。

根据本公开的一个方面，提供一种信息列表生成方法，包括：

对用户行为日志进行分析，得到第一产品信息列表，并根据所述第一产品信息列表计算用户喜欢产品矩阵、用户不喜欢产品矩阵以及冲突产品矩阵；

根据用户喜欢产品矩阵、用户不喜欢产品矩阵以及冲突产品矩阵，计算用户之间的相似性矩阵；

根据所述相似性矩阵以及除目标用户以外的其他用户对待预测产品的兴趣度，计算与所述目标用户对应的第二产品信息列表，并根据所述第二产品信息列表生成目标产品信息列表。

在本公开的一种示例性实施例中，对所述用户行为日志进行分析，得到第一产品信息列表，包括：

基于预设的HTTP接口，从预设的数据存储集群中获取用户行为日志；其中，所述用户行为日志是通过对应用程序中包括的原始产品进行预设操作行为产生的；

根据所述预设操作行为的行为类别，对所述用户行为日志进行分类，得到感兴趣产品以及不感兴趣产品；

根据所述感兴趣产品以及不感兴趣产品生成所述第一产品信息列表。

在本公开的一种示例性实施例中，根据所述第一产品信息列表计算用户喜欢产品矩阵、用户不喜欢产品矩阵以及冲突产品矩阵，包括：

计算所述第一产品信息列表中所包括的感兴趣产品之间的交集得到第一交集计算结果，并根据第一交集计算结果生成用户喜欢产品矩阵；

计算所述第一产品信息列表中所包括的不感兴趣产品之间的交集得到第二交集计算结果，并根据第二交集计算结果生成用户不喜欢产品矩阵；

计算所述感兴趣产品以及不感兴趣产品之间的交集得到第三交集计算结果，并根据第三交集计算结果生成冲突产品矩阵。

在本公开的一种示例性实施例中，根据用户喜欢产品矩阵、用户不喜欢产品矩阵以及冲突产品矩阵，计算用户之间的相似性矩阵，包括：

为所述用户喜欢产品矩阵、用户不喜欢产品矩阵以及冲突产品矩阵分别配置第一权重系数、第二权重系数以及第三权重系数；

分别对所述第一权重系数以及用户喜欢产品矩阵、第二权重系数以及用户不喜欢产品矩阵、第三权重系数以及冲突产品矩阵进行求积运算，得到第一积运算结果、第二积运算结果以及第三积运算结果；

对所述第一积运算结果以及第二积运算结果进行求和运算，并对和运算结果以及第三积运算结果进行求差运算，以根据差运算结果生成用户之间的相似性矩阵。

在本公开的一种示例性实施例中，根据所述相似性矩阵以及除目标用户以外的其他用户对待预测产品的兴趣度，计算与所述目标用户对应的第二产品信息列表，包括：

根据所述相似性矩阵以及感兴趣产品的数量，计算用户之间的相似度，并根据用户之间的相似度生成相似度矩阵；

在确定所述相似度矩阵中所包括的相似度大于第一预设阈值时，确定与该相似度对应的其他用户为与所述目标用户对应的相似用户；

根据所述目标用户与所述相似用户之间的相似度，以及所述相似用户对所述待预测产品的兴趣度，得到所述目标用户对所述待预测产品的兴趣度；

在确定所述目标用户对所述待预测产品的兴趣度大于第二预设阈值时，确定该待预测产品为目标产品，并根据目标产品生成所述第二产品信息列表。

在本公开的一种示例性实施例中，根据所述第二产品信息列表生成目标产品信息列表，包括：

从所述第二产品信息列表中依次选取预设数量的待预测产品；

在确定被选中的预设数量的待预测产品不属于所述目标用户的不感兴趣产品时，根据所述预设数量的待预测产品，生成所述目标产品信息列表。

在本公开的一种示例性实施例中，在根据所述第二产品信息列表生成目标产品信息列表之后，所述信息列表生成方法还包括：

将所述目标产品信息列表发送至所述目标用户所在的终端设备，以使得所述目标用户通过所述终端设备选取所需要的产品。

根据本公开的一个方面，提供一种信息列表生成装置，包括：

日志分析模块，用于对用户行为日志进行分析，得到第一产品信息列表，并根据所述第一产品信息列表计算用户喜欢产品矩阵、用户不喜欢产品矩阵以及冲突产品矩阵；

第一计算模块，用于根据用户喜欢产品矩阵、用户不喜欢产品矩阵以及冲突产品矩阵，计算用户之间的相似性矩阵；

信息列表生成模块，用于根据所述相似性矩阵以及除目标用户以外的其他用户对待预测产品的兴趣度，计算与所述目标用户对应的第二产品信息列表，并根据所述第二产品信息列表生成目标产品信息列表。

根据本公开的一个方面，提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任意一项所述的信息列表生成方法。

根据本公开的一个方面，提供一种电子设备，包括：

处理器；以及

存储器，用于存储所述处理器的可执行指令；

其中，所述处理器配置为经由执行所述可执行指令来执行上述任意一项所述的信息列表生成方法。

本发明实施例提供的一种信息列表生成方法，一方面，通过对用户行为日志进行分析，得到第一产品信息列表，并根据第一产品信息列表计算用户喜欢产品矩阵、用户不喜欢产品矩阵以及冲突产品矩阵；然后根据用户喜欢产品矩阵、用户不喜欢产品矩阵以及冲突产品矩阵，计算用户之间的相似性矩阵；最后根据相似性矩阵以及除目标用户以外的其他用户对待预测产品的兴趣度，计算与目标用户对应的第二产品信息列表，并根据第二产品信息列表生成目标产品信息列表，由于在计算用户之间的相似性矩阵时，同时考虑到了用户喜欢产品矩阵、用户不喜欢产品矩阵冲突产品矩阵，无需采用余弦相似度以及皮尔逊相似度对该相似性矩阵进行计算，进而解决了现有技术中用户相似度区分度不够、用户相似度不够准确，进而导致生成的产品列表的精确度较低的问题；另一方面，由于在对相似性矩阵计算的过程中，同时考虑到了用户喜欢产品矩阵、用户不喜欢产品矩阵冲突产品矩阵，进而避免了具有较高相似度的用户对同一产品具有完全不同态度，进而导致出现产品推荐冲突的问题，进一步的提高了推荐结果的准确率。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本发明。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1示意性示出根据本公开示例实施例的一种信息列表生成方法的流程图。

图2、图3、图4、图5示意性示出根据本公开示例实施例的一种海德平衡理论原理图。

图6示意性示出示意性示出根据本公开示例实施例的一种根据所述第一产品信息列表计算用户喜欢产品矩阵、用户不喜欢产品矩阵以及冲突产品矩阵的方法流程图。

图7示意性示出根据本公开示例实施例的一种根据用户喜欢产品矩阵、用户不喜欢产品矩阵以及冲突产品矩阵，计算用户之间的相似性矩阵的方法流程图。

图8示意性示出根据本公开示例实施例的一种根据所述相似性矩阵以及除目标用户以外的其他用户对待预测产品的兴趣度，计算与所述目标用户对应的第二产品信息列表的方法流程图。

图9示意性示出根据本公开示例实施例的一种信息列表生成装置的框图。

图10示意性示出根据本公开示例实施例的一种用于实现上述信息列表生成方法的电子设备。

具体实施方式

现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本发明将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。在下面的描述中，提供许多具体细节从而给出对本发明的实施方式的充分理解。然而，本领域技术人员将意识到，可以实践本发明的技术方案而省略所述特定细节中的一个或更多，或者可以采用其它的方法、组元、装置、步骤等。在其它情况下，不详细示出或描述公知技术方案以避免喧宾夺主而使得本发明的各方面变得模糊。

此外，附图仅为本发明的示意性图解，并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。

本示例实施方式中首先提供了一种信息列表生成方法，该方法可以运行于服务器、服务器集群或云服务器等；当然，本领域技术人员也可以根据需求在其他平台运行本发明的方法，本示例性实施例中对此不做特殊限定。参考图1所示，该信息列表生成方法可以包括以下步骤：

步骤S110.对用户行为日志进行分析，得到第一产品信息列表，并根据所述第一产品信息列表计算用户喜欢产品矩阵、用户不喜欢产品矩阵以及冲突产品矩阵；

步骤S120.根据用户喜欢产品矩阵、用户不喜欢产品矩阵以及冲突产品矩阵，计算用户之间的相似性矩阵；

步骤S130.根据所述相似性矩阵以及除目标用户以外的其他用户对待预测产品的兴趣度，计算与所述目标用户对应的第二产品信息列表，并根据所述第二产品信息列表生成目标产品信息列表。

上述信息列表生成方法中，一方面，通过对用户行为日志进行分析，得到第一产品信息列表，并根据第一产品信息列表计算用户喜欢产品矩阵、用户不喜欢产品矩阵以及冲突产品矩阵；然后根据用户喜欢产品矩阵、用户不喜欢产品矩阵以及冲突产品矩阵，计算用户之间的相似性矩阵；最后根据相似性矩阵以及除目标用户以外的其他用户对待预测产品的兴趣度，计算与目标用户对应的第二产品信息列表，并根据第二产品信息列表生成目标产品信息列表，由于在计算用户之间的相似性矩阵时，同时考虑到了用户喜欢产品矩阵、用户不喜欢产品矩阵冲突产品矩阵，无需采用余弦相似度以及皮尔逊相似度对该相似性矩阵进行计算，进而解决了现有技术中用户相似度区分度不够、用户相似度不够准确，进而导致生成的产品列表的精确度较低的问题；另一方面，由于在对相似性矩阵计算的过程中，同时考虑到了用户喜欢产品矩阵、用户不喜欢产品矩阵冲突产品矩阵，进而避免了具有较高相似度的用户对同一产品具有完全不同态度，进而导致出现产品推荐冲突的问题，进一步的提高了推荐结果的准确率。

以下，将结合附图对本公开示例实施例信息列表生成方法进行详细的解释以及说明。

首先，对本公开示例实施例中所用到的海德平衡理论进行解释以及说明。

具体的，1958年，心理学家海德(F.Heider)提出了改变态度的“平衡理论”，又被称为“P-O-X理论”，P代表认知主体，O为与P发生联系的另一个人；X则为P与O发生联系的另一个任意对象。平衡理论假定P-O-X之间的平衡状态是稳定的，排斥外界的影响，不平衡状态是不稳定的，并会使个人产生心理上的紧张。

在推荐系统中，可以认为两个用户分别表示为P和O，X表示物品，实线表示喜欢，虚线表示不喜欢，如图2所示，P-O之间如果是相似关系，P-X是喜欢，O-X是不喜欢，那么形成的这个三角形就是非平衡三角形；同理，在图3中，如果P-X是不喜欢，P-O也是不喜欢，那么则满足平衡理论；进一步的，图4就是传统基于用户的协同过滤，P和O都喜欢X，认为P和O之间是相似的。

同时，为了平衡图2中的三角形，由于无法改变用户的喜好边，即P-X，O-X，因此需要改变用户之间的关系，如图5所示，这种情况下，可以认为用户P和O之间是不相似的。

其次，对本公开示例实施例的发明目的进行解释以及说明。具体的，目前的基于用户的协同过滤，仅仅考虑用户喜欢的产品。根据海德平衡理论，如果两个用户都不喜欢一个产品，那么这两个人在某些程度上也是相似的，其次，如果，相似的两个人，对一个产品的态度是相反的，那么也会产生认知上的不平衡。那么，基于的平衡理论思想来解决将负相连接的边，进一步加强了基于用户的推荐系统的准确性。

本技术发明旨在改进基于用户的推荐系统方案，基于用户的协同过滤推荐系统主要就是根据用户共同喜欢的产品，找到相似的人，做到“人以群分”的目的，将产品推荐给相似的人。

在本公开示例实施例的一种产品信息列表生成方法中，参考图1所示：

在步骤S110中，对用户行为日志进行分析，得到第一产品信息列表，并根据所述第一产品信息列表计算用户喜欢产品矩阵、用户不喜欢产品矩阵以及冲突产品矩阵。

在本示例实施例中，首先，对用户行为日志进行分析，得到第一产品信息列表。具体的可以包括：首先，基于预设的HTTP接口，从预设的数据存储集群中获取用户行为日志；其中，所述用户行为日志是通过对应用程序中包括的原始产品进行预设操作行为产生的；其次，根据所述预设操作行为的行为类别，对所述用户行为日志进行分类，得到感兴趣产品以及不感兴趣产品；最后，根据所述感兴趣产品以及不感兴趣产品生成所述第一产品信息列表。

具体的，首先，可以基于HTTP(Hyper Text Transfer Protocol，超文本传输协议)接口，从数据存储集群中获取用户行为日志，该数据存储集群可以包括ElasticSearch集群、Hive集群以及Mysql等等。进一步的，可以从数据存储集群中获取一段时间内(例如三个月或者是半年)的用户行为日志，该用户行为日志可以是多个用户在该时间段内对某一应用程序中包括的原始产品进行一定操作行为产生的；其中，该原始产品可以包括歌曲、信息、物品(生活用品、鞋子以及衣物等等)、文章、视频等等，操作行为可以包括点击、浏览、删除、收藏以及购买等等。

以某一音乐类的应用程序来举例，用户行为日志中可以包括用户对某一歌曲和/或歌单的点击、浏览、试听、删除、收藏以及购买(歌曲收费)等行为；又或者，以某一时事新闻阅读类的应用程序来举例，用户行为日志中可以包括用户对某一类时事新闻或者某一个特定人物的时事新闻或者某一条时事新闻的点击、浏览、删除、收藏以及购买(需要付费阅读)等行为；当然，不同的应用程序可以对应不同的产品，在实际应用中，可以选取自己需要的产品对应的用户行为日志进行分析，本示例对此不做特殊限制。

其次，以用户A、B、C、D(当然也可以是其他数量的用户，本示例仅仅是对其进行示例性说明，不做其他限制)为例，对上述用户行为日志进行分析，可以得到如下表1所示的第一产品信息列表。其中，表1中大写的字母ABCD表示不同的用户，小写的字母abcdefg表示不同的产品，同样也适用于全文。

表1

此处需要补充说明的是，当上述预设操作行为的行为类别为点击、浏览、收藏以及购买中的任意一种或多种时，可以认为与该操作行为对应的产品为该用户喜欢的产品，如果预设操作行为的行为类别为删除或者跳过中的至少一种时，可以认为与该操作行为对应的产品为该用户不喜欢的产品。当然，也可以通过其他分类手段进行分类，本示例对此不做特殊限制。

其次，根据所述第一产品信息列表计算用户喜欢产品矩阵、用户不喜欢产品矩阵以及冲突产品矩阵。具体的，参考图6所示，可以包括以下步骤：

步骤S610，计算所述第一产品信息列表中所包括的感兴趣产品之间的交集得到第一交集计算结果，并根据第一交集计算结果生成用户喜欢产品矩阵；

步骤S620，计算所述第一产品信息列表中所包括的不感兴趣产品之间的交集得到第二交集计算结果，并根据第二交集计算结果生成用户不喜欢产品矩阵；

步骤S630，计算所述感兴趣产品以及不感兴趣产品之间的交集得到第三交集计算结果，并根据第三交集计算结果生成冲突产品矩阵。

以下，将对步骤S610-步骤S630进行解释以及说明。具体的，首先，从第一产品信息列表中提取用户对各原始产品的喜好情况，具体可以如下所示：

一方面，原始产品被用户喜欢的情况，具体可以如下表2所示：

表2

另一方面，原始产品不被用户喜欢的情况，具体可以如下表3所示：

表3

再一方面，各用户对原始产品产生冲突的情况，具体可以如下表4所示：

表4

因此，基于上述表2-表4，首先，可以计算各用户之间共同喜欢的产品的个数，计算用户喜欢产品矩阵，该矩阵可以被称为Balance_like矩阵。具体可以如下所示：

用户喜欢产品矩阵：

其次，计算各用户之间共同不喜欢物品的个数，进而计算用户不喜欢产品矩阵，该矩阵可以被称为Banlance_unlike矩阵。具体可以如下所示：

用户不喜欢产品矩阵：

进一步的，计算感兴趣产品以及不感兴趣产品之间的交集得到第三交集计算结果，并根据该第三交集计算结果计算冲突产品矩阵，该矩阵可以被称为Unbalance矩阵。具体可以如下所示：

冲突产品矩阵：

在步骤S120中，根据用户喜欢产品矩阵、用户不喜欢产品矩阵以及冲突产品矩阵，计算之间的相似性矩阵。

在本示例实施例中，参考图7所示，根据用户喜欢产品矩阵、用户不喜欢产品矩阵以及冲突产品矩阵，计算用户之间的相似性矩阵，可以包括以下步骤：

步骤S710，为所述用户喜欢产品矩阵、用户不喜欢产品矩阵以及冲突产品矩阵分别配置第一权重系数、第二权重系数以及第三权重系数；

步骤S720，分别对所述第一权重系数以及用户喜欢产品矩阵、第二权重系数以及用户不喜欢产品矩阵、第三权重系数以及冲突产品矩阵进行求积运算，得到第一积运算结果、第二积运算结果以及第三积运算结果；

步骤S730，对所述第一积运算结果以及第二积运算结果进行求和运算，并对和运算结果以及第三积运算结果进行求差运算，以根据差运算结果生成用户之间的相似性矩阵。

以下，将对步骤S710-步骤S730进行解释以及说明。具体的，相似性矩阵的计算过程具体可以参考如下公式(1)所示：

adj

其中，adj

基于上述计算方法，可以得到相似性矩阵具体如下所示：

相似性矩阵：

在步骤S130中，根据所述相似性矩阵以及除目标用户以外的其他用户对待预测产品的兴趣度，计算与所述目标用户对应的第二产品信息列表，并根据所述第二产品信息列表生成目标产品信息列表。

首先，根据所述相似性矩阵以及所述其他用户对待预测产品的兴趣度，计算与所述目标用户对应的第二产品信息列表。具体的，参考图8所示，可以包括以下步骤：

步骤S810，根据所述相似性矩阵以及感兴趣产品的数量，计算用户之间的相似度，并根据用户之间的相似度生成相似度矩阵；

步骤S820，在确定所述相似度矩阵中所包括的相似度大于第一预设阈值时，确定与该相似度对应的其他用户为与所述目标用户对应的相似用户；

步骤S830，根据所述目标用户与所述相似用户之间的相似度，以及所述相似用户对所述待预测产品的兴趣度，得到所述目标用户对所述待预测产品的兴趣度；

步骤S840，在确定所述目标用户对所述待预测产品的兴趣度大于第二预设阈值时，确定该待预测产品为目标产品，并根据目标产品生成所述第二产品信息列表。

以下，将对步骤S810-步骤S840进行解释以及说明。首先，当得到相似性矩阵以后，为了可以生成第二产品信息列表，还需要计算目标用户与其他用户的相似度矩阵。其中，具体的方法可以参考如下公式(2)所示：

其中，similar为目标用户与其他用户之间的相似度，当然也可以是其他用户与其他用户之间的相似度，N(u)表示目标用户喜欢的产品的数量，N(v)表示其他用户喜欢的产品的数量。基于上述计算方法，可以得到相似度矩阵具体如下所示：

相似度矩阵：

其次，在上述相似度矩阵中，选取相似度大于0.5(第一预设阈值)的B用户以及C用户作为相似用户，当然，在实际的应用过程中，也可以根据实际需要选取其他的第一预设阈值，本示例对此不做特殊限制；其次，计算目标用户对待预测产品的兴趣度，具体计算方式可以参考如下公式(3)所示：

其中，p(u,i)为目标用户对产品i的兴趣度，W

基于此，可以计算得到目标用户A对产品c以及产品e的兴趣度，具体计算过程可以参考如下公式(4)以及公式(5)所示：

p(A,c)＝W

p(A,e)＝W

由此可以得出，物品c的重要程度要高于物品e。此处需要补充说明的是，在实际的应用过程中，所选取的原始产品以及待预测产品的数量远远大于本示例实施例中所示出的数量，且其他用户的数量也不仅限于此，本示例仅起到示例性的说明作用，并无其他特殊含义。同时，基于上述列举的方法，在推荐的过程中，充分的考虑到了用户不喜欢物品的相似性对比项且引入了非相似性的对比项(冲突产品)，进而进一步的提高了第二产品信息列表的准确性。

其次，当得到第二产品信息列表以后，可以根据所述第二产品信息列表生成目标产品信息列表，具体的可以包括：从所述第二产品信息列表中依次选取预设数量的待预测产品；在确定被选中的预设数量的待预测产品不属于所述目标用户的不感兴趣产品时，根据所述预设数量的待预测产品，生成所述目标产品信息列表。

例如，可以将第二产品信息列表中兴趣度过小的产品删除，仅保留兴趣度较大的产品作为上述目标产品信息列表，同时，如果第二产品信息列表中所包括的产品数量过多，则选取排在前三的产品作为目标产品信息列表，如果小于三个，则全部推送；并且，在所选出的目标产品信息列表中所包括的待预测产品中，必须不能包括目标用户不感兴趣的产品。通过该方法，可以使得用户可以根据自己的需要，选取合适的产品，提升用户体验。

本公开示例实施例还提供了一种信息列表生成装置。参考图9所示，该信息列表生成装置可以包括日志分析模块910、第一计算模块920以及信息列表生成模块930。其中：

日志分析模块910可以用于对用户行为日志进行分析，得到第一产品信息列表，并根据所述第一产品信息列表计算用户喜欢产品矩阵、用户不喜欢产品矩阵以及冲突产品矩阵；

第一计算模块920可以用于根据用户喜欢产品矩阵、用户不喜欢产品矩阵以及冲突产品矩阵，计算用户之间的相似性矩阵；

信息列表生成模块930可以用于根据所述相似性矩阵以及除目标用户以外的其他用户对待预测产品的兴趣度，计算与所述目标用户对应的第二产品信息列表，并根据所述第二产品信息列表生成目标产品信息列表。

在本公开的一种示例性实施例中，对所述用户行为日志进行分析，得到第一产品信息列表，包括：

基于预设的HTTP接口，从预设的数据存储集群中获取用户行为日志；其中，所述用户行为日志是通过对应用程序中包括的原始产品进行预设操作行为产生的；

根据所述预设操作行为的行为类别，对所述用户行为日志进行分类，得到感兴趣产品以及不感兴趣产品；

根据所述感兴趣产品以及不感兴趣产品生成所述第一产品信息列表。

在本公开的一种示例性实施例中，根据所述第一产品信息列表计算用户喜欢产品矩阵、用户不喜欢产品矩阵以及冲突产品矩阵，包括：

计算所述第一产品信息列表中所包括的感兴趣产品之间的交集得到第一交集计算结果，并根据第一交集计算结果生成用户喜欢产品矩阵；

计算所述第一产品信息列表中所包括的不感兴趣产品之间的交集得到第二交集计算结果，并根据第二交集计算结果生成用户不喜欢产品矩阵；

计算所述感兴趣产品以及不感兴趣产品之间的交集得到第三交集计算结果，并根据第三交集计算结果生成冲突产品矩阵。

在本公开的一种示例性实施例中，根据用户喜欢产品矩阵、用户不喜欢产品矩阵以及冲突产品矩阵，计算用户之间的相似性矩阵，包括：

为所述用户喜欢产品矩阵、用户不喜欢产品矩阵以及冲突产品矩阵分别配置第一权重系数、第二权重系数以及第三权重系数；

分别对所述第一权重系数以及用户喜欢产品矩阵、第二权重系数以及用户不喜欢产品矩阵、第三权重系数以及冲突产品矩阵进行求积运算，得到第一积运算结果、第二积运算结果以及第三积运算结果；

对所述第一积运算结果以及第二积运算结果进行求和运算，并对和运算结果以及第三积运算结果进行求差运算，以根据差运算结果生成用户之间的相似性矩阵。

在本公开的一种示例性实施例中，根据所述相似性矩阵以及除目标用户以外的其他用户对待预测产品的兴趣度，计算与所述目标用户对应的第二产品信息列表，包括：

根据所述相似性矩阵以及感兴趣产品的数量，计算用户之间的相似度，并根据用户之间的相似度生成相似度矩阵；

在确定所述相似度矩阵中所包括的相似度大于第一预设阈值时，确定与该相似度对应的其他用户为与所述目标用户对应的相似用户；

根据所述目标用户与所述相似用户之间的相似度，以及所述相似用户对所述待预测产品的兴趣度，得到所述目标用户对所述待预测产品的兴趣度；

在确定所述目标用户对所述待预测产品的兴趣度大于第二预设阈值时，确定该待预测产品为目标产品，并根据目标产品生成所述第二产品信息列表。

在本公开的一种示例性实施例中，根据所述第二产品信息列表生成目标产品信息列表，包括：

从所述第二产品信息列表中依次选取预设数量的待预测产品；

在确定被选中的预设数量的待预测产品不属于所述目标用户的不感兴趣产品时，根据所述预设数量的待预测产品，生成所述目标产品信息列表。

在本公开的一种示例性实施例中，所述信息列表生成装置还包括：

目标产品信息列表发送模块，可以用于将所述目标产品信息列表发送至所述目标用户所在的终端设备，以使得所述目标用户通过所述终端设备选取所需要的产品。

上述信息列表生成装置中各模块的具体细节已经在对应的信息列表生成方法中进行了详细的描述，因此此处不再赘述。

应当注意，尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本发明的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。

此外，尽管在附图中以特定顺序描述了本发明中方法的各个步骤，但是，这并非要求或者暗示必须按照该特定顺序来执行这些步骤，或是必须执行全部所示的步骤才能实现期望的结果。附加的或备选的，可以省略某些步骤，将多个步骤合并为一个步骤执行，以及/或者将一个步骤分解为多个步骤执行等。

在本发明的示例性实施例中，还提供了一种能够实现上述方法的电子设备。

所属技术领域的技术人员能够理解，本发明的各个方面可以实现为系统、方法或程序产品。因此，本发明的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等)，或硬件和软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“系统”。

下面参照图10来描述根据本发明的这种实施方式的电子设备1000。图10显示的电子设备1000仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。

如图10所示，电子设备1000以通用计算设备的形式表现。电子设备1000的组件可以包括但不限于：上述至少一个处理单元1010、上述至少一个存储单元1020、连接不同系统组件(包括存储单元1020和处理单元1010)的总线1030以及显示单元1040。

其中，所述存储单元存储有程序代码，所述程序代码可以被所述处理单元1010执行，使得所述处理单元1010执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施方式的步骤。例如，所述处理单元1010可以执行如图1中所示的步骤S110：对用户行为日志进行分析，得到第一产品信息列表，并根据所述第一产品信息列表计算用户喜欢产品矩阵、用户不喜欢产品矩阵以及冲突产品矩阵；步骤S120：根据用户喜欢产品矩阵、用户不喜欢产品矩阵以及冲突产品矩阵，计算用户之间的相似性矩阵；步骤S130：根据所述相似性矩阵以及除目标用户以外的其他用户对待预测产品的兴趣度，计算与所述目标用户对应的第二产品信息列表，并根据所述第二产品信息列表生成目标产品信息列表。

存储单元1020可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(RAM)10201和/或高速缓存存储单元10202，还可以进一步包括只读存储单元(ROM)10203。

存储单元1020还可以包括具有一组(至少一个)程序模块10205的程序/实用工具10204，这样的程序模块10205包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。

总线1030可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。

电子设备1000也可以与一个或多个外部设备1100(例如键盘、指向设备、蓝牙设备等)通信，还可与一个或者多个使得用户能与该电子设备1000交互的设备通信，和/或与使得该电子设备1000能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口1050进行。并且，电子设备1000还可以通过网络适配器1060与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器1060通过总线1030与电子设备1000的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备1000使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。

通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本发明实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、终端装置、或者网络设备等)执行根据本发明实施方式的方法。

在本发明的示例性实施例中，还提供了一种计算机可读存储介质，其上存储有能够实现本说明书上述方法的程序产品。在一些可能的实施方式中，本发明的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当所述程序产品在终端设备上运行时，所述程序代码用于使所述终端设备执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施方式的步骤。

根据本发明的实施方式的用于实现上述方法的程序产品，其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码，并可以在终端设备，例如个人电脑上运行。然而，本发明的程序产品不限于此，在本文件中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。

所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。

计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。

可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、RF等等，或者上述的任意合适的组合。

可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。

此外，上述附图仅是根据本发明示例性实施例的方法所包括的处理的示意性说明，而不是限制目的。易于理解，上述附图所示的处理并不表明或限制这些处理的时间顺序。另外，也易于理解，这些处理可以是例如在多个模块中同步或异步执行的。

本领域技术人员在考虑说明书及实践这里发明的发明后，将容易想到本发明的其他实施例。本申请旨在涵盖本发明的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本发明未发明的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本发明的真正范围和精神由权利要求指出。