1.一种信息推荐方法，其特征在于：采集用户与产品的历史交互信息，抽取出用户的集合U={u1,u2,…,uN}，以及产品的集合O={o1,o2,…,oM}；将用户与产品的历史交互记录利用一个邻接矩阵来表示，记作A={auo}N×M ；

将共同选择过某两个产品 i 和 j 的用户的数量，作为这两个产品信息的相似度；

在目标用户未选择的所有产品中找到L个其最有可能感兴趣的产品信息作为推荐列表；

针对一个目标用户的包含ku个产品的历史选择记录Hu，计算ku个产品中两两产品之间的平均相似度，作为用户u的个体兴趣多样性divu；

通过对比一个用户u的历史兴趣多样性divu，与协同过滤算法对其提供的推荐列表的多样性 ，确定是否存在过滤气泡的效应；对于协同过滤算法带来的过滤气泡效应，提出一种相似度惩罚算法。

2.根据权利要求1所述的信息推荐方法，其特征在于：针对一个目标用户的包含ku个产品的历史选择记录Hu，计算其所包含的所有产品两两之间的平均相似度，作为用户u的个体兴趣多样性，即

(3)

其中，max(s)表示所有两两产品对中相似度的最大值；一个用户的个体兴趣多样性divu的取值范围为[0, 1]。

3.根据权利要求1所述的信息推荐方法，其特征在于：对于一个针对目标用户u的长度为L的推荐列表Ru，其多样性也可以采取相同的方式计算：    (4)。

4.根据权利要求1所述的信息推荐方法，其特征在于：通过对比一个用户u的历史兴趣多样性divu，与协同过滤算法对其提供的推荐列表的多样性 ，确定是否存在过滤气泡的效应；通过两者之间的差值对过滤气泡的效应进行量化，记作： （5）

∆divu的取值范围是[‑1,1]，其中负值表示推荐列表比用户兴趣更为同质化，也就是算法具有过滤气泡的效应，而正值则表示推荐列表比用户兴趣更为多样。

5.根据权利要求1所述的信息推荐方法，其特征在于：对于协同过滤算法带来的过滤气泡效应，提出一种相似度惩罚算法；

根据每个目标用户的选择记录计算每个产品的相似度得分wuo，相似度惩罚算法则是在此相似度得分wuo基础上，采取迭代的方式产生推荐列表；在每一次的迭代中，相似度惩罚算法只从所有产品中选取得分wuo最高的一个产品，将其加入推荐列表，而随后对其余所有产品的得分进行更新；设在一次迭代步中所确认的推荐产品为r，则任一产品的得分更新为： (8)

其中，ku为目标用户u历史记录中所选择的产品数量。

6.根据权利要求1所述的信息推荐方法，其特征在于：对于协同过滤算法带来的过滤气泡效应，提出一种相似度惩罚算法；

根据每个目标用户的选择记录计算每个产品的相似度得分wuo，相似度惩罚算法则是在此相似度得分wuo基础上，采取迭代的方式产生推荐列表；在每一次的迭代中，相似度惩罚算法只从所有产品中选取得分wuo最高的一个产品，将其加入推荐列表，而随后对其余所有产品的得分进行更新；设在一次迭代步中所确认的推荐产品为r，则任一产品的得分更新为：  (9)

其中，ku为目标用户u历史记录中所选择的产品数量，惩罚系数α的取值范围为[0,1]。

7.一种信息推荐系统，其特征在于：包括信息采集模块、协同过滤模块、多样性度量模块、和相似度惩罚模块；

所述信息采集模块采集用户与产品的历史交互信息，抽取出用户信息的集合U={u1,u2,…,uN}，以及产品信息的集合O={o1,o2,…,oM}；将用户与产品的历史交互记录信息利用一个邻接矩阵来表示，记作A={auo}N×M，其中，如果一个用户u与产品o之间有过交互记录信息则有auo=1，否则auo=0；

所述协同过滤模块，将共同选择过某两个产品i和j的用户的数量，作为这两个产品信息的相似度，在目标用户未选择的所有产品中找到L个其最有可能感兴趣的产品信息作为推荐；

所述多样性度量模块对用户历史兴趣信息以及推荐列表的多样性进行度量；针对一个目标用户的包含ku个产品的历史选择记录Hu，计算其所包含的所有产品信息两两之间的平均相似度，作为用户u的个体兴趣多样性；通过对比一个用户u的历史兴趣多样性divu，与协同过滤算法对其提供的推荐列表的多样性 ，判断算法是否存在过滤气泡的效应；通过两者之间的差值对过滤气泡的效应进行量化，差值的取值范围是[‑1,1]，其中负值表示推荐列表比用户兴趣更为同质化，也就是算法具有过滤气泡的效应，而正值则表示推荐列表比用户兴趣更为多样；

所述相似度惩罚模块使用共同邻居的方式度量产品之间的相似度，并根据每个目标用户的选择记录计算每个产品的得分wuo，在此得分的基础上，采取迭代的方式产生推荐列表；

在每一次的迭代中，相似度惩罚算法只从所有产品中选取得分wuo最高的一个产品，将其加入推荐列表，而随后对其余所有产品的得分进行更新；假设在一次迭代步中所确认的推荐产品为r，则任一产品i的得分更新为：  (8)

其中，nu为目标用户u历史记录中所选择的产品数量。

8.根据权利要求7所述的信息推荐系统，其特征在于：所述相似度惩罚模块中引入一个惩罚系数，对推荐的准确性和多样性进行平衡、调优；引入惩罚系数α后，迭代步中的产品得分更新公式变为：

(9)。

9.一种计算机设备，其特征在于：该计算机设备包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行上述计算机程序时实现如权利要求1‑6中任一项所述的信息推荐方法。

10.一种计算机可读存储介质，其特征在于：该计算机可读存储介质存储有执行如权利要求1‑6中任一项所述的信息推荐方法的计算机程序。