本发明涉及数据分析领域，尤其是一种基于知识库的产品订阅推荐方法。
背景技术：
随着互联网的发展，尤其是大数据计算的发展，各种基于互联网和大数据的应用也相应地陆续诞生。其中，很大一部分涉及到内容的应用，比如包含新闻或技术资料产品。
对于内容和种类日益丰富的产品，哪怕是属于同一主题下的产品，其发布的内容也大相径庭，而对于用户来说，不可能逐一浏览，因此，如何保证用户能浏览到特定主题下，相关性高的，内容丰富的产品，是一个符合信息发展需求的，也是亟待解决的问题。
技术实现要素：
本发明的发明目的在于：针对上述存在的问题，提供一种基于用户对其历史浏览的内容产品数据，自动推送相关性高的、符合其浏览习惯的其它内容产品的方案，以供用户进行选择，从而解决用户对内容产品获取的覆盖问题，以及保证其浏览的产品的内容为符合其浏览需求的问题。
本发明采用的技术方案如下：
基于知识库的产品订阅推荐方法，包括以下步骤：
s10：构建包含产品的若干知识库；
s20：获取用户对产品的浏览习惯信息，根据所述浏览习惯信息，从s10构建的知识库中，查找相应的知识库；
s30：向用户推送包含查找出的知识库的知识库信息的知识库列表；
s40：接收用户对所述知识库列表的反馈信息；
s50：向用户推荐所述反馈信息对应的知识库所包含的产品列表，接收用户对所述产品列表中，若干产品的订阅。
通过获取用户的浏览习惯信息，在构建的知识库中筛选出满足用户浏览习惯的知识库，进而供用户选取；进一步，在用户选取知识库后，将其内的内容产品推荐给用户，供其对产品进行选择，在接收到用户的选择后，推送选择的产品给用户，以达到产品订阅的结果。
上述方案通过用户浏览习惯向其推送知识库/产品，避免了用户需逐一排查产品的问题，一方面，节省了用户选择产品的时间，另一方面，也保证了推荐产品的知识覆盖面，保证了良好的产品订阅效果。
作为优选，上述s10根据产品携带的标识信息对产品进行分类，以此构建包含产品的若干知识库。
进一步的，上述s20具体为：
s201：获取用户对产品的历史浏览数据，根据所述历史浏览数据构建浏览模型；
s202：根据所述浏览模型，分析出浏览习惯信息，所述浏览习惯信息包括：对知识库属性的偏好信息；根据所述浏览习惯信息，从s10构建的知识库中，查找出相应的知识库。
上述浏览模型为虚拟的用户对匹配于用户对各产品进行浏览的模型，以此从客观数据中，推测出该用户的浏览习惯信息。
作为优选，上述历史浏览数据为：用户对产品的所有历史浏览数据，或用户对产品的预定时段的历史浏览数据。
该方案保证了依据用户长期/短期需求推荐相应产品的效果。
作为优选，历史浏览数据包括：用户对产品的点击量、用户对产品的浏览时长、用户浏览产品的属性信息或用户对浏览产品的标注信息中的一项或多项。
作为优选，上述知识库信息为对知识库的简介或知识库的属性信息，所述属性信息包括：知识库的分类信息、知识库的作者信息或知识库的构建历史信息。
进一步，用户对浏览产品的标志信息为：用户对浏览产品的收藏信息。
作为优选，上述s201通过回归分析法构建浏览模型。
作为优选，在s50后，还包括：
s60：接收用户对订阅产品的取消订阅请求，不再推送取消订阅的产品。
进一步，取消订阅请求为：对所述s40的反馈信息对应知识库的取消订阅请求，或对所述s50中所订阅的产品的取消订阅请求。以此实现对整个知识库中的全部产品或个别产品的直接取关。
综上所述，由于采用了上述技术方案，本发明的有益效果是：
通过本发明的方法，实现了依据用户浏览历史数据，向其推荐相关产品的效果，以避免了用户自行逐一排查内容产品的问题，节省了产品查找时间和经历，用户体验好。进一步的，在推荐过程中，还实现用户对产品的自主选择和随时取消，从而达到人性化的产品推荐效果。
附图说明
本发明将通过例子并参照附图的方式说明，其中：
图1是基于知识库的产品订阅推荐方法。
具体实施方式
本说明书中公开的所有特征，或公开的所有方法或过程中的步骤，除了互相排斥的特征和/或步骤以外，均可以以任何方式组合。
本说明书（包括任何附加权利要求、摘要）中公开的任一特征，除非特别叙述，均可被其他等效或具有类似目的的替代特征加以替换。即，除非特别叙述，每个特征只是一系列等效或类似特征中的一个例子而已。
如图1所示，本实施例公开了一种基于知识库的产品订阅推荐方法，包括以下步骤：
s10：构建包含产品的若干知识库；
s20：获取用户对产品的浏览习惯信息，根据所述浏览习惯信息，从s10构建的知识库中，查找相应的知识库；
s30：向用户推送包含查找出的知识库的知识库信息的知识库列表；
s40：接收用户对所述知识库列表的反馈信息；
s50：向用户推荐所述反馈信息对应的知识库所包含的产品列表，接收用户对所述产品列表中，若干产品的订阅。
s60：接收用户对订阅产品的取消订阅请求，不再推送取消订阅的产品。
进一步，本实施例具体公开了上述实施例中，各步骤的具体实施步骤：
s10根据产品携带的标识信息对产品进行分类，以此构建包含产品的若干知识库。如名为“体育新闻”、“nba直播”的产品，其产品标识均为“体育”，则两个产品均构建如“体育”类知识库，以此类推构建出如“财经”、“科技”、“设计”等若干知识库。
s20具体为：
s201：获取用户对产品的历史浏览数据，根据所述历史浏览数据构建浏览模型；
s202：根据所述浏览模型，分析出浏览习惯信息，所述浏览习惯信息包括：对知识库属性的偏好信息；根据所述浏览习惯信息，从s10构建的知识库中，查找出相应的知识库。
上述历史浏览数据为：用户对产品的所有历史浏览数据，或用户对产品的预定时段的历史浏览数据。如自安装产品首次使用起的流量数据，或近一周对产品的浏览数据。
上述历史浏览数据包括：用户对产品的点击量、用户对产品的浏览时长、用户浏览产品的属性信息或用户对浏览产品的标注信息中的一项或多项。
上述知识库信息为对知识库的简介或知识库的属性信息，所述属性信息包括：知识库的分类信息、知识库的作者信息或知识库的构建历史信息。
其中，用户对浏览产品的标志信息为：用户对浏览产品的收藏信息。如是否将产品加入收藏夹。
作为优选，s201通过回归分析法构建浏览模型。也可通过其他现有技术构建模型。
在s60中，取消订阅请求为：对所述s40的反馈信息对应知识库的取消订阅请求，或对所述s50中所订阅的产品的取消订阅请求。
本发明并不局限于前述的具体实施方式。本发明扩展到任何在本说明书中披露的新特征或任何新的组合，以及披露的任一新的方法或过程的步骤或任何新的组合。