CN110704677B - 一种节目推荐方法、装置、可读存储介质及终端设备 - Google Patents

一种节目推荐方法、装置、可读存储介质及终端设备 Download PDF

Info

Publication number
CN110704677B
CN110704677B CN201910782675.9A CN201910782675A CN110704677B CN 110704677 B CN110704677 B CN 110704677B CN 201910782675 A CN201910782675 A CN 201910782675A CN 110704677 B CN110704677 B CN 110704677B
Authority
CN
China
Prior art keywords
program
candidate
programs
user
list
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201910782675.9A
Other languages
English (en)
Other versions
CN110704677A (zh
Inventor
陆显松
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Ud Network Co ltd
Original Assignee
Ud Network Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Ud Network Co ltd filed Critical Ud Network Co ltd
Priority to CN201910782675.9A priority Critical patent/CN110704677B/zh
Publication of CN110704677A publication Critical patent/CN110704677A/zh
Application granted granted Critical
Publication of CN110704677B publication Critical patent/CN110704677B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9535—Search customisation based on user profiles and personalisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
    • G06F16/74—Browsing; Visualisation therefor
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
    • G06F16/78—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/7867—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using information manually generated, e.g. tags, keywords, comments, title and artist information, manually generated time, location and usage information, user ratings

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Multimedia (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Library & Information Science (AREA)
  • Human Computer Interaction (AREA)
  • Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本申请适用于节目推荐技术领域，尤其涉及一种节目推荐方法、装置、计算机可读存储介质及终端设备。所述节目推荐方法包括：获取用户的节目推荐请求，并根据所述节目推荐请求生成预推荐节目列表；确定所述用户对应的用户标签，并根据所述用户标签和所述预推荐节目列表生成候选节目列表；基于预设确定方式确定所述候选节目列表中各候选节目的推荐指数，并选取推荐指数高的前N个候选节目作为推荐节目推荐给所述用户，N为大于或等于1的整数，以解决现有推荐方法中占用存储空间大、节目推荐准确度较低的问题。

Description

一种节目推荐方法、装置、可读存储介质及终端设备
技术领域
本申请属于节目推荐技术领域，尤其涉及一种节目推荐方法、装置、计算机可读存储介质及终端设备。
背景技术
目前的视频服务站点或者视频APP均具有智能的节目推荐系统，以根据用户请求为用户推荐节目。目前的节目推荐系统通常是预先为每个用户计算出一个预推荐列表，然后在用户请求时，从预推荐列表中获取推荐节目，这种推荐方式虽然使得节目推荐系统可快速反应用户请求，但也存在如下缺点：一、需要为每一个用户存储一个列表，即需要比较大的存储空间；二、预推荐列表里的数据往往存在数据倾斜，即符合某些条件的数据很多而符合其他组合条件的数据很少或几乎没有，导致在某些用户请求下无法做出有效推荐，降低了节目推荐准确度。
发明内容
本申请实施例提供了一种节目推荐方法、装置、计算机可读存储介质及终端设备，可以解决现有推荐方法中占用存储空间大、节目推荐准确度较低的问题。
第一方面，本申请实施例提供了一种节目推荐方法，包括：
获取用户的节目推荐请求，并根据所述节目推荐请求生成预推荐节目列表；
确定所述用户对应的用户标签，并根据所述用户标签和所述预推荐节目列表生成候选节目列表；
基于预设确定方式确定所述候选节目列表中各候选节目的推荐指数，并选取推荐指数高的前N个候选节目作为推荐节目推荐给所述用户，N为大于或等于1的整数。
在一种可能的实现方式中，所述确定所述用户对应的用户标签，包括：
获取所述用户在预设时间内的收视日志，所述收视日志包括所述用户已观看的收视节目和各所述收视节目对应的收视时间；
根据所述收视时间确定各所述收视节目对应的收视时长，并根据所述收视时长和所述收视时间对所述收视节目进行降序排列；
从降序排列的收视节目中选取前M个目标收视节目，并根据各所述目标收视节目对应的第一节目标签确定所述用户对应的用户标签，M为大于或等于1的整数；
按照预设计算方式计算各所述目标收视节目对应的收视值，并分别根据各所述收视值确定各所述目标收视节目中各第一节目标签的第一标签值；
根据各所述第一节目标签的第一标签值确定各所述用户标签的第二标签值。
可选地，所述基于预设确定方式确定所述候选节目列表中各候选节目的推荐指数，包括：
获取所述候选节目列表中各候选节目对应的第二节目标签以及各所述第二节目标签的第三标签值，并分别根据下式确定各所述候选节目的推荐指数：
Figure BDA0002177077660000021
其中，similarity为候选节目的推荐指数，k为候选节目的第二节目标签与用户标签中的相同标签的个数，m为用户标签的个数，n为候选节目的第二节目标签的个数，ai为第i个用户标签的第二标签值，bi为候选节目的第i个第二节目标签的第三标签值。
在一种可能的实现方式中，所述基于预设确定方式确定所述候选节目列表中各候选节目的推荐指数，包括：
获取所述候选节目列表中各候选节目对应的第二节目标签以及各所述第二节目标签的第三标签值；
根据各所述目标收视节目对应的第一节目标签和各所述第一节目标签的第一标签值以及各所述候选节目对应的第二节目标签以及各所述第二节目标签的第三标签值，分别确定各所述候选节目与各所述目标收视节目之间的相似度；
根据各所述候选节目与各所述目标收视节目之间的相似度分别确定各所述候选节目的推荐指数。
可选地，所述根据所述用户标签和所述预推荐节目列表生成候选节目列表，包括：
分别确定所述预推荐节目列表中的各预推荐节目与所述用户标签之间所存在的相同标签数；
获取相同标签数大于第一预设阈值的第一预推荐节目，并根据所述第一预推荐节目构建精选节目列表；
获取相同标签数大于第二预设阈值、且小于所述第一预设阈值的第二预推荐节目，并根据所述第二预推荐节目构建备选节目列表；
根据所述精选节目列表和所述备选节目列表生成所述候选节目列表。
在一种可能的实现方式中，所述根据所述精选节目列表和所述备选节目列表生成所述候选节目列表，包括：
确定所述精选节目列表中精选节目的节目数量；
若所述节目数量大于或等于第三预设阈值，则从所述精选节目列表中抽取第一预设数量的精选节目生成所述候选节目列表；
若所述节目数量小于所述第三预设阈值，则从所述精选节目列表中抽取第二预设数量的精选节目，并获取所述备选节目列表中各备选节目的节目上架时间；
根据所述节目上架时间从所述备选节目列表中抽取第三预设数量的备选节目，并根据所述第二预设数量的精选节目和所述第三预设数量的备选节目生成所述候选节目列表。
在另一种可能的实现方式中，所述根据所述精选节目列表和所述备选节目列表生成所述候选节目列表，包括：
确定所述精选节目列表中精选节目的节目数量；
若所述节目数量大于或等于第三预设阈值，则从所述精选节目列表中抽取第一预设数量的精选节目生成所述候选节目列表；
若所述节目数量小于所述第三预设阈值，则从所述精选节目列表中抽取第二预设数量的精选节目，并从所述备选节目中抽取第四预设数量的初始备选节目；
根据各所述初始备选节目对应的节目标签和所述用户标签分别确定各所述初始备选节目对应的初始推荐指数，并计算所述初始推荐指数对应的平均推荐指数；
基于所述平均推荐指数从所述备选节目列表中抽取第三预设数量的备选节目，并根据所述第二预设数量的精选节目和所述第三预设数量的备选节目生成所述候选节目列表。
第二方面，本申请实施例提供了一种节目推荐装置，包括：
推荐请求获取模块，用于获取用户的节目推荐请求，并根据所述节目推荐请求生成预推荐节目列表；
候选列表生成模块，用于确定所述用户对应的用户标签，并根据所述用户标签和所述预推荐节目列表生成候选节目列表；
节目推荐模块，用于基于预设确定方式确定所述候选节目列表中各候选节目的推荐指数，并选取推荐指数高的前N个候选节目作为推荐节目推荐给所述用户，N为大于或等于1的整数。
第三方面，本申请实施例提供了一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述第一方面所述的节目推荐方法。
第四方面，本申请实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上述第一方面所述的节目推荐方法。
第五方面，本申请实施例提供了一种计算机程序产品，当计算机程序产品在终端设备上运行时，使得终端设备执行上述第一方面中任一项所述的节目推荐方法。
可以理解的是，上述第二方面至第五方面的有益效果可以参见上述第一方面中的相关描述，在此不再赘述。
本申请实施例与现有技术相比存在的有益效果是：
本申请实施例中，在获取用户的节目推荐请求，可根据所述节目推荐请求生成预推荐节目列表；确定所述用户对应的用户标签，并根据所述用户标签和所述预推荐节目列表生成候选节目列表；基于预设确定方式确定所述候选节目列表中各候选节目的推荐指数，并选取推荐指数高的前N个候选节目作为推荐节目推荐给所述用户，N为大于或等于1的整数。即本申请实施例是在获取到用户的节目推荐请求时，才根据节目推荐请求构建预推荐节目列表，而不需要事先为每一个用户进行列表的存储，可极大地减少存储空间的占用，另外通过用户的节目推荐请求来进行预推荐节目列表的筛选，可有效确保预推荐节目的全面性，避免预推荐节目推荐数量不足的问题，同时通过用户标签来进行候选节目列表的生成，不仅可有效提高节目推荐的推荐准确性，还可使得在基于预设确定方式确定候选节目的推荐指数时，可减少推荐指数的确定量，提高节目推荐的推荐效率。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是本申请一实施例提供的节目推荐方法的流程示意图；
图2是本申请一实施例提供的节目推荐方法在一个应用场景下确定用户标签的流程示意图；
图3是本申请一实施例提供的节目推荐方法在一个应用场景下生成候选节目列表的流程示意图；
图4是本申请一实施例提供的节目推荐方法在另一个应用场景下生成候选节目列表的流程示意图；
图5是本申请实施例提供的节目推荐装置的结构示意图；
图6是本申请实施例提供的终端设备的结构示意图。
具体实施方式
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。
应当理解，当在本申请说明书和所附权利要求书中使用时，术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解，在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
如在本申请说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
另外，在本申请说明书和所附权利要求书的描述中，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
在本申请说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本申请的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此，在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例，而是意味着“一个或多个但不是所有的实施例”，除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”，除非是以其他方式另外特别强调。
图1示出了本申请实施例提供的节目推荐方法的示意性流程图，所述节目推荐方法包括：
步骤S101、获取用户的节目推荐请求，并根据所述节目推荐请求生成预推荐节目列表；
本申请实施例的执行主体可以为视频服务站点或者视频APP所对应的服务器或终端设备，优选为终端设备。在用户需要进行节目推荐时，所述用户可向所述终端设备发送节目推荐请求，所述节目推荐请求可以为所述用户根据自己的喜好或偏好作为条件的请求，其中，所述条件可以为包含或不包含某些关键字或关键词的条件，和/或者可以为属于或者不属于某些节目类别的条件，等等。所述终端设备获取到所述节目推荐请求后，则可根据所述节目推荐请求从所述终端设备存储的节目池中筛选出符合所述节目推荐请求的预推荐节目，比如从节目池中筛选出包含用户指定的关键字、关键词和/或节目类别的节目来作为预推荐节目，以此构建所述预推荐节目列表。即本申请实施例是在获取到用户的节目推荐请求时，才根据节目推荐请求来构建预推荐节目列表，而不需要事先为每一个用户进行列表的存储，可极大地减少列表的存储占用空间。
应理解，在从节目池中筛选出符合所述节目推荐请求的预推荐节目后，还可以根据所述用户的收视日志获取所述用户已观看的节目，然后可从预推荐节目中剔除所述用户已观看的节目，并可根据剔除了所述用户已观看的节目后的预推荐节目构建所述预推荐节目列表。
步骤S102、确定所述用户对应的用户标签，并根据所述用户标签和所述预推荐节目列表生成候选节目列表；
在此，所述终端在获取所述用户的节目推荐请求后，还可以确定所述用户对应的用户标签。具体地，如图2所示，所述确定所述用户对应的用户标签可以包括：
步骤S201、获取所述用户在预设时间内的收视日志，所述收视日志包括所述用户已观看的收视节目和各所述收视节目对应的收视时间；
应理解，所述收视日志为所述用户观看节目的记录，即每一条收视日志可包括所述用户已观看的收视节目和各收视节目对应的收视时间，也就是说在所述用户观看节目时，所述终端设备可实时记录并保存所述用户的观看记录。示例性的，所述预设时间可以为最近的3天、5天或一周内，等等，以根据最新的收视日志来进行节目的精确推荐。
步骤S202、根据所述收视时间确定各所述收视节目对应的收视时长，并根据所述收视时长和所述收视时间对所述收视节目进行降序排列；
本申请实施例中，所述收视时间可以包括每一个收视节目所对应的收视起始时间和收视结束时间，所述终端设备在获取到各收视节目对应的收视起始时间和收视结束时间后，即可确定各收视节目对应的收视时长，如可根据收视节目A对应的收视起始时间和收视结束时间确定收视节目A对应的收视时长，可根据收视节目B对应的收视起始时间和收视结束时间确定收视节目B对应的收视时长，等等。在此，所述终端设备在获取到各收视节目对应的收视时长和收视时间后，则可根据收视时长和收视时间对各收视节目进行降序排列。具体地，可首先获取收视时长大于预设时长的收视节目，并可根据收视时间的先后顺序对所获取的收视节目进行降序排列，例如可获取收视时长大于30分钟的收视节目，并可根据收视时间的先后顺序对这些收视时长大于30分钟的收视节目进行降序排列，其中，收视时间离当前时间越近的收视节目的排序越靠前，而收视时间离当前时间越远的收视节目的排序则越靠后。
在一种可能的实现方式中，还可预先设置收视时长对应的第一权重和收视时间对应的第二权重，然后通过收视时长、第一权重、收视时间和第二权重来计算各收视节目的得分，并根据得分大小来对收视节目进行降序排列，即得分越高的收视节目的排序越靠前，得分越低的收视节目的排序则越靠后。
步骤S203、从降序排列的收视节目中选取前M个目标收视节目，并根据各所述目标收视节目对应的第一节目标签确定所述用户对应的用户标签，M为大于或等于1的整数；
应理解，M的具体值可根据实际情况进行确定。示例性的，所述终端设备可首先选取出排序在前的M个目标收视节目构成所述用户对应的收视序列，随后可获取所述收视序列中各目标收视节目对应的第一节目标签，并可将所述第一节目标签确定为所述用户对应的用户标签，即将各目标收视节目对应的第一节目标签进行综合得到所述用户对应的用户标签。
步骤S204、按照预设计算方式计算各所述目标收视节目对应的收视值，并分别根据各所述收视值确定各所述目标收视节目中各第一节目标签的第一标签值；
步骤S205、根据各所述第一节目标签的第一标签值确定各所述用户标签的第二标签值。
对于步骤S204和步骤S205，所述预设计算方式可以为等比计算方式或者为等差计算方式等，即所述收视序列中的M个目标收视节目对应的收视值可为等比序列或者等差序列，当所述收视值为等比序列时，所述等比序列的公比值q小于1，例如q可以为0.95，使得等比序列的首项值最大、末项值最小，即所述收视序列的M个目标收视节目中排序第一的目标收视节目对应的收视值最大，排序最后的目标收视节目对应的收视值最小。相应地，当所述收视值为等差序列时，所述等差序列的公差值d小于0，使得等差序列的首项值最大、末项值最小，即所述收视序列的M个目标收视节目中排序第一的目标收视节目对应的收视值最大，排序最后的目标收视节目对应的收视值最小。
应理解，上述通过等比序列或者等差序列来确定各目标收视节目对应的收视值仅作示意性解释，不应理解为对本申请实施例的限制。
在此，在得到各目标收视节目对应的收视值后，可根据各目标收视节目对应的收视值确定各目标收视节目中各第一节目标签的第一标签值，如可将各目标收视节目对应的收视值确定为该目标收视节目中各第一节目标签的第一标签值，比如目标收视节目A具有第一节目标签a、b、c，而目标收视节目A对应的收视值为0.95，则可将目标收视节目A中的第一节目标签a、b和c的第一标签值均确定为0.95。
本申请实施例中，所述终端设备在得到各目标收视节目中各第一节目标签的第一标签值后，即可根据各第一节目标签的第一标签值确定各所述用户标签的第二标签值，如可将各目标收视节目中相同的第一节目标签的第一标签值进行累加得到的累加值来作为该第一节目标签所对应的用户标签的第二标签值。
在一种可能的实现方式中，所述根据所述用户标签和所述预推荐节目列表生成候选节目列表，可以包括：
步骤a、分别确定所述预推荐节目列表中的各预推荐节目与所述用户标签之间所存在的相同标签数；
步骤b、获取相同标签数大于第一预设阈值的第一预推荐节目，并根据所述第一预推荐节目构建精选节目列表；
步骤c、获取相同标签数大于第二预设阈值、且小于所述第一预设阈值的第二预推荐节目，并根据所述第二预推荐节目构建备选节目列表；
步骤d、根据所述精选节目列表和所述备选节目列表生成所述候选节目列表。
对于上述步骤a至步骤d，所述终端设备在确定所述用户对应的用户标签后，可首先获取所述预推荐节目列表中的各预推荐节目对应的节目标签，并可分别确定各预推荐节目对应的节目标签与所述用户标签之间所存在的相同标签数；然后可获取相同标签数大于第一预设阈值的第一预推荐节目，并可根据各所述第一预推荐节目构建精选节目列表，其中，所述第一预推荐节目为所述预推荐节目列表中的任意一个预推荐节目，所述第一预设阈值可根据具体情况进行设置，示例性的，可将所述第一预设阈值设置为1，即可从所述预推荐节目列表中获取与所述用户标签之间存在2个或2个以上的相同标签的预推荐节目来构建所述精选节目列表。进一步地，所述终端设备还可获取相同标签数大于第二预设阈值、且小于所述第一预设阈值的第二预推荐节目，并可根据各所述第二预推荐节目构建备选节目列表，其中，所述第二预设阈值小于所述第一预设阈值，示例性的，所述第二预设阈值可设置为0，所述第二预推荐节目也为所述预推荐节目列表中的任意一个预推荐节目，即可从所述预推荐节目列表中获取与所述用户标签之间存在1个相同标签的预推荐节目来构建所述备选节目列表；最后可根据所述精选节目列表和所述备选节目列表来确定所述候选节目列表，例如，可将所述精选节目列表和所述备选节目列表全部一起确定为所述候选节目列表。
在一种可能的实现方式中，为减少候选节目对应的推荐指数的计算量，如图3所示，所述根据所述精选节目列表和所述备选节目列表生成所述候选节目列表，可以包括：
步骤S301、确定所述精选节目列表中精选节目的节目数量；
步骤S302、判断所述节目数量是否小于第三预设阈值；
步骤S303、若所述节目数量大于或等于所述第三预设阈值，则从所述精选节目列表中抽取第一预设数量的精选节目生成所述候选节目列表；
步骤S304、若所述节目数量小于所述第三预设阈值，则从所述精选节目列表中抽取第二预设数量的精选节目，并获取所述备选节目列表中各备选节目的节目上架时间；
步骤S305、根据所述节目上架时间从所述备选节目列表中抽取第三预设数量的备选节目，并根据所述第二预设数量的精选节目和所述第三预设数量的备选节目生成所述候选节目列表。
对于上述步骤S301至步骤S305，所述终端设备可首先确定所述精选节目列表中精选节目的节目数量，并判断所述精选节目的节目数量是否大于第三预设阈值，其中，所述第三预设阈值可根据实际情况具体设置，且所述第三预设阈值大于或等于最终所推荐的推荐节目的数量N，例如，当最终所推荐的推荐节目的数量N为10个时，所述第二预设阈值则可以为10、20或者30等。若所述精选节目的节目数量大于所述第三预设阈值，所述终端设备则可直接从所述精选节目列表中抽取第一预设数量的精选节目来组成所述候选节目列表，其中，所述第一预设数量也大于或等于最终所推荐的推荐节目的数量N，以确保所推荐节目的准确性。若所述精选节目列表的节目数量小于或者等于所述第三预设阈值，所述终端设备则可分别对所述精选节目列表和所述备选节目列表进行节目抽取，具体地，可分别从所述精选节目列表中抽取第二预设数量的精选节目，并可根据所述备选节目列表中各备选节目的节目上架时间从所述备选节目列表中抽取第三预设数量的备选节目，其中，所述第二预设数量可以为精选节目的节目数量，即抽取所有的精选节目，所述第三预设数量可基于所述第二预设数量和最终所推荐的推荐节目的数量N确定，例如所述第三预设数量可以为|N-第二预设数量|*10。最后可以将所述第二预设数量的精选节目和所述第三预设数量的备选节目组合得到所述候选节目列表，以通过节目抽取来减少候选节目的数量，从而可减少推荐指数的计算量，提高节目推荐的推荐效率。
如图4所示，在一种可能的实现方式中，所述根据所述精选节目列表和所述备选节目列表生成所述候选节目列表，还可以包括：
步骤S401、确定所述精选节目列表中精选节目的节目数量；
在此，步骤S401与上述步骤S301的内容相似，原理基本相同，此处不再赘述。
步骤S402、判断所述节目数量是否小于第三预设阈值；
在此，步骤S402与上述步骤S302的内容相似，原理基本相同，此处不再赘述。
步骤S403、若所述节目数量大于或等于所述第三预设阈值，则从所述精选节目列表中抽取第一预设数量的精选节目生成所述候选节目列表；
在此，步骤S403与上述步骤S303的内容相似，原理基本相同，此处不再赘述。
步骤S404、若所述节目数量小于所述第三预设阈值，则从所述精选节目列表中抽取第二预设数量的精选节目，并从所述备选节目中抽取第四预设数量的初始备选节目；
应理解，所述若所述节目数量小于或等于所述第三预设阈值，则从所述精选节目列表中抽取第二预设数量的精选节目与上述步骤S303中描述的“若所述节目数量小于或等于所述第三预设阈值，则从所述精选节目列表中抽取第二预设数量的精选节目”的内容相似，原理基本相同，此处不再赘述。在此，所述终端设备在确定所述节目数量小于所述第三预设阈值时，则可首先从所述备选节目中抽取第四预设数量的初始备选节目，其中，所述第四预设数量可基于所述第二预设数量和最终所推荐的推荐节目的数量N确定，例如所述第四预设数量可以为|N-第二预设数量|。
步骤S405、根据各所述初始备选节目对应的节目标签和所述用户标签分别确定各所述初始备选节目对应的初始推荐指数，并计算所述初始推荐指数对应的平均推荐指数；
步骤S406、基于所述平均推荐指数从所述备选节目列表中抽取第三预设数量的备选节目，并根据所述第二预设数量的精选节目和所述第三预设数量的备选节目生成所述候选节目列表。
对于上述步骤S405和步骤S406，所述终端设备在抽取出各所述初始备选节目后，即可根据所述初始备选节目对应的节目标签和所述用户标签分别确定各所述初始备选节目对应的初始推荐指数，并计算所述初始推荐指数对应的平均推荐指数，其中，所述初始推荐指数的计算方式与下述所述的候选节目的推荐指数的计算方式相同，将下后续内容进行详细描述。在此，在确定出所述平均推荐指数后，所述终端设备则可根据节目上架时间依次从所述备选节目列表中获取备选节目，并计算所获取的备选节目的推荐指数，若该备选节目的推荐指数大于所述平均推荐指数，则从所述备选节目列表中抽取该备选节目，并继续计算下一个备选节目的推荐指数，依次类推，直到抽取出所述第三预设数量的备选节目为止。
步骤S103、基于预设确定方式确定所述候选节目列表中各候选节目的推荐指数，并选取推荐指数高的前N个候选节目作为推荐节目推荐给所述用户，N为大于或等于1的整数。
应理解，所述终端设备在将所选取的N个候选节目作为推荐节目推荐给所述用户时，可根据这N个候选节目的推荐指数进行节目先后顺序的推荐。
具体地，所述基于预设确定方式确定所述候选节目列表中各候选节目的推荐指数，可以包括：
获取所述候选节目列表中各候选节目对应的第二节目标签以及各所述第二节目标签的第三标签值，并分别根据下式确定各所述候选节目的推荐指数：
Figure BDA0002177077660000141
其中，similarity为候选节目的推荐指数，k为候选节目的第二节目标签与用户标签中的相同标签的个数，m为用户标签的个数，n为候选节目的第二节目标签的个数，ai为第i个用户标签的第二标签值，bi为候选节目的第i个第二节目标签的第三标签值。
需要说明的是，所述候选节目列表中各候选节目的第二节目标签对应的第三标签值以及各所述初始备选节目对应的节目标签的标签值均可以预设为统一的固定值。
在一种可能的实现方式中，所述基于预设确定方式确定所述候选节目列表中各候选节目的推荐指数，可以包括：
步骤e、获取所述候选节目列表中各候选节目对应的第二节目标签以及各所述第二节目标签的第三标签值；
步骤f、根据各所述目标收视节目对应的第一节目标签和各所述第一节目标签的第一标签值以及各所述候选节目对应的第二节目标签以及各所述第二节目标签的第三标签值，分别确定各所述候选节目与各所述目标收视节目之间的相似度；
步骤g、根据各所述候选节目与各所述目标收视节目之间的相似度分别确定各所述候选节目的推荐指数。
对于上述步骤e至步骤g，本申请实施例也可以通过计算各候选节目与各所述目标收视节目之间的相似度来确定各候选节目的推荐指数。即首先可获取所述候选节目列表中各候选节目对应的第二节目标签以及各所述第二节目标签的第三标签值；然后可根据各所述目标收视节目对应的第一节目标签和各所述第一节目标签的第一标签值以及各所述候选节目对应的第二节目标签以及各所述第二节目标签的第三标签值，分别确定各所述候选节目与各所述目标收视节目之间的相似度，其中，所述相似度的计算公式可直接为前述所述的候选节目的推荐指数对应的计算公式；最后，对于每一个候选节目，可将该候选节目与各目标收视节目之间的相似度进行求平均值或者进行累加，并将所得到的平均值或者累加值确定该候选节目对应的推荐指数。
本申请实施例中，在获取用户的节目推荐请求，可根据所述节目推荐请求生成预推荐节目列表；确定所述用户对应的用户标签，并根据所述用户标签和所述预推荐节目列表生成候选节目列表；基于预设确定方式确定所述候选节目列表中各候选节目的推荐指数，并选取推荐指数高的前N个候选节目作为推荐节目推荐给所述用户，N为大于或等于1的整数。即本申请实施例是在获取到用户的节目推荐请求时，才根据节目推荐请求构建预推荐节目列表，而不需要事先为每一个用户进行列表的存储，可极大地减少存储空间的占用，另外通过用户的节目推荐请求来进行预推荐节目列表的筛选，可有效确保预推荐节目的全面性，避免预推荐节目推荐数量不足的问题，同时通过用户标签来进行候选节目列表的生成，不仅可有效提高节目推荐的推荐准确性，还可使得在基于预设确定方式确定候选节目的推荐指数时，可减少推荐指数的确定量，提高节目推荐的推荐效率。
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。
对应于上文实施例所述的节目推荐方法，图5示出了本申请实施例提供的节目推荐装置的结构框图，为了便于说明，仅示出了与本申请实施例相关的部分。
参照图5，所述节目推荐装置，包括：
推荐请求获取模块501，用于获取用户的节目推荐请求，并根据所述节目推荐请求生成预推荐节目列表；
候选列表生成模块502，用于确定所述用户对应的用户标签，并根据所述用户标签和所述预推荐节目列表生成候选节目列表；
节目推荐模块503，用于基于预设确定方式确定所述候选节目列表中各候选节目的推荐指数，并选取推荐指数高的前N个候选节目作为推荐节目推荐给所述用户，N为大于或等于1的整数。
在一种可能的实现方式中，所述候选列表生成模块502，包括：
收视日志获取单元，用于获取所述用户在预设时间内的收视日志，所述收视日志包括所述用户已观看的收视节目和各所述收视节目对应的收视时间；
收视时长确定单元，用于根据所述收视时间确定各所述收视节目对应的收视时长，并根据所述收视时长和所述收视时间对所述收视节目进行降序排列；
用户标签确定单元，用于从降序排列的收视节目中选取前M个目标收视节目，并根据各所述目标收视节目对应的第一节目标签确定所述用户对应的用户标签，M为大于或等于1的整数；
收视值计算单元，用于按照预设计算方式计算各所述目标收视节目对应的收视值，并分别根据各所述收视值确定各所述目标收视节目中各第一节目标签的第一标签值；
第二标签值确定单元，用于根据各所述第一节目标签的第一标签值确定各所述用户标签的第二标签值。
可选地，所节目推荐模块503，包括：
第三标签值获取单元，用于获取所述候选节目列表中各候选节目对应的第二节目标签以及各所述第二节目标签的第三标签值，并分别根据下式确定各所述候选节目的推荐指数：
Figure BDA0002177077660000171
其中，similarity为候选节目的推荐指数，k为候选节目的第二节目标签与用户标签中的相同标签的个数，m为用户标签的个数，n为候选节目的第二节目标签的个数，ai为第i个用户标签的第二标签值，bi为候选节目的第i个第二节目标签的第三标签值。
在一种可能的实现方式中，所述节目推荐模块503，还包括：
第二节目标签获取单元，用于获取所述候选节目列表中各候选节目对应的第二节目标签以及各所述第二节目标签的第三标签值；
相似度确定单元，用于根据各所述目标收视节目对应的第一节目标签和各所述第一节目标签的第一标签值以及各所述候选节目对应的第二节目标签以及各所述第二节目标签的第三标签值，分别确定各所述候选节目与各所述目标收视节目之间的相似度；
推荐指数确定单元，用于根据各所述候选节目与各所述目标收视节目之间的相似度分别确定各所述候选节目的推荐指数。
可选地，所述候选列表生成模块502，包括：
相同标签数确定单元，用于分别确定所述预推荐节目列表中的各预推荐节目与所述用户标签之间所存在的相同标签数；
精选列表构建单元，用于获取相同标签数大于第一预设阈值的第一预推荐节目，并根据所述第一预推荐节目构建精选节目列表；
备选列表构建单元，用于获取相同标签数大于第二预设阈值、且小于所述第一预设阈值的第二预推荐节目，并根据所述第二预推荐节目构建备选节目列表；
候选列表生成单元，用于根据所述精选节目列表和所述备选节目列表生成所述候选节目列表。
在一种可能的实现方式中，所述候选列表生成单元，包括：
节目数量确定第一分单元，用于确定所述精选节目列表中精选节目的节目数量；
精选节目抽取第一分单元，用于若所述节目数量大于或等于第三预设阈值，则从所述精选节目列表中抽取第一预设数量的精选节目生成所述候选节目列表；
上架时间获取分单元，用于若所述节目数量小于所述第三预设阈值，则从所述精选节目列表中抽取第二预设数量的精选节目，并获取所述备选节目列表中各备选节目的节目上架时间；
备选节目抽取第一分单元，用于根据所述节目上架时间从所述备选节目列表中抽取第三预设数量的备选节目，并根据所述第二预设数量的精选节目和所述第三预设数量的备选节目生成所述候选节目列表。
在另一种可能的实现方式中，所述候选列表生成单元，包括：
节目数量确定第二分单元，用于确定所述精选节目列表中精选节目的节目数量；
精选节目抽取第二分单元，用于若所述节目数量大于或等于第三预设阈值，则从所述精选节目列表中抽取第一预设数量的精选节目生成所述候选节目列表；
初始备选节目抽取分单元，用于若所述节目数量小于所述第三预设阈值，则从所述精选节目列表中抽取第二预设数量的精选节目，并从所述备选节目中抽取第四预设数量的初始备选节目；
平均推荐指数计算单元，用于根据各所述初始备选节目对应的节目标签和所述用户标签分别确定各所述初始备选节目对应的初始推荐指数，并计算所述初始推荐指数对应的平均推荐指数；
备选节目抽取第二分单元，用于基于所述平均推荐指数从所述备选节目列表中抽取第三预设数量的备选节目，并根据所述第二预设数量的精选节目和所述第三预设数量的备选节目生成所述候选节目列表。
需要说明的是，上述装置/单元之间的信息交互、执行过程等内容，由于与本申请方法实施例基于同一构思，其具体功能及带来的技术效果，具体可参见方法实施例部分，此处不再赘述。
图6为本申请一实施例提供的终端设备的结构示意图。如图6所示，该实施例的终端设备6包括：至少一个处理器60(图6中仅示出一个)处理器、存储器61以及存储在所述存储器61中并可在所述至少一个处理器60上运行的计算机程序62，所述处理器60执行所述计算机程序62时实现上述任意各个节目推荐方法实施例中的步骤。
所述终端设备6可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。该终端设备可包括，但不仅限于，处理器60、存储器61。本领域技术人员可以理解，图6仅仅是终端设备6的举例，并不构成对终端设备6的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如还可以包括输入输出设备、网络接入设备等。
所称处理器60可以是中央处理单元(Central Processing Unit，CPU)，该处理器60还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器61在一些实施例中可以是所述终端设备6的内部存储单元，例如终端设备6的硬盘或内存。所述存储器61在另一些实施例中也可以是所述终端设备6的外部存储设备，例如所述终端设备6上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(FlashCard)等。进一步地，所述存储器61还可以既包括所述终端设备6的内部存储单元也包括外部存储设备。所述存储器61用于存储操作系统、应用程序、引导装载程序(BootLoader)、数据以及其他程序等，例如所述计算机程序的程序代码等。所述存储器61还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
本申请实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现可实现上述各个方法实施例中的步骤。
本申请实施例提供了一种计算机程序产品，当计算机程序产品在终端设备上运行时，使得终端设备执行时实现可实现上述各个方法实施例中的步骤。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请实现上述实施例方法中的全部或部分流程，可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质至少可以包括：能够将计算机程序代码携带到拍照装置/终端设备的任何实体或装置、记录介质、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，RandomAccess Memory)、电载波信号、电信信号以及软件分发介质。例如U盘、移动硬盘、磁碟或者光盘等。在某些司法管辖区，根据立法和专利实践，计算机可读介质不可以是电载波信号和电信信号。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
在本申请所提供的实施例中，应该理解到，所揭露的装置/终端设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/终端设备实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
以上所述实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内。

Claims (8)

1.一种节目推荐方法，其特征在于，包括：
获取用户的节目推荐请求，并根据所述节目推荐请求生成预推荐节目列表，所述节目推荐请求为所述用户根据自己的喜好或偏好作为条件的请求，所述条件为包含或不包含某些关键字或关键词的条件，和/或者可以为属于或者不属于某些节目类别的条件；
确定所述用户对应的用户标签，并根据所述用户标签和所述预推荐节目列表生成候选节目列表；
基于预设确定方式确定所述候选节目列表中各候选节目的推荐指数，并选取推荐指数高的前N个候选节目作为推荐节目推荐给所述用户，N为大于或等于1的整数；
其中，所述基于预设确定方式确定所述候选节目列表中各候选节目的推荐指数，包括：获取所述候选节目列表中各候选节目对应的第二节目标签以及各所述第二节目标签的第三标签值，并分别根据下式确定各所述候选节目的推荐指数：
Figure FDA0003775352640000011
其中，similarity为候选节目的推荐指数，k为候选节目的第二节目标签与用户标签中的相同标签的个数，m为用户标签的个数，n为候选节目的第二节目标签的个数，ai为第i个用户标签的第二标签值，bi为候选节目的第i个第二节目标签的第三标签值；
所述确定所述用户对应的用户标签，包括：
获取所述用户在预设时间内的收视日志，所述收视日志包括所述用户已观看的收视节目和各所述收视节目对应的收视时间；
根据所述收视时间确定各所述收视节目对应的收视时长，并根据所述收视时长和所述收视时间对所述收视节目进行降序排列；
从降序排列的收视节目中选取前M个目标收视节目，并根据各所述目标收视节目对应的第一节目标签确定所述用户对应的用户标签，M为大于或等于1的整数；
按照预设计算方式计算各所述目标收视节目对应的收视值，并分别根据各所述收视值确定各所述目标收视节目中各第一节目标签的第一标签值；
根据各所述第一节目标签的第一标签值确定各所述用户标签的第二标签值。
2.如权利要求1所述的节目推荐方法，其特征在于，所述基于预设确定方式确定所述候选节目列表中各候选节目的推荐指数，包括：
获取所述候选节目列表中各候选节目对应的第二节目标签以及各所述第二节目标签的第三标签值；
根据各所述目标收视节目对应的第一节目标签和各所述第一节目标签的第一标签值以及各所述候选节目对应的第二节目标签以及各所述第二节目标签的第三标签值，分别确定各所述候选节目与各所述目标收视节目之间的相似度；
根据各所述候选节目与各所述目标收视节目之间的相似度分别确定各所述候选节目的推荐指数。
3.如权利要求1至2中任一项所述的节目推荐方法，其特征在于，所述根据所述用户标签和所述预推荐节目列表生成候选节目列表，包括：
分别确定所述预推荐节目列表中的各预推荐节目与所述用户标签之间所存在的相同标签数；
获取相同标签数大于第一预设阈值的第一预推荐节目，并根据所述第一预推荐节目构建精选节目列表；
获取相同标签数大于第二预设阈值、且小于所述第一预设阈值的第二预推荐节目，并根据所述第二预推荐节目构建备选节目列表；
根据所述精选节目列表和所述备选节目列表生成所述候选节目列表。
4.如权利要求3所述的节目推荐方法，其特征在于，所述根据所述精选节目列表和所述备选节目列表生成所述候选节目列表，包括：
确定所述精选节目列表中精选节目的节目数量；
若所述节目数量大于或等于第三预设阈值，则从所述精选节目列表中抽取第一预设数量的精选节目生成所述候选节目列表；
若所述节目数量小于所述第三预设阈值，则从所述精选节目列表中抽取第二预设数量的精选节目，并获取所述备选节目列表中各备选节目的节目上架时间；
根据所述节目上架时间从所述备选节目列表中抽取第三预设数量的备选节目，并根据所述第二预设数量的精选节目和所述第三预设数量的备选节目生成所述候选节目列表。
5.如权利要求3所述的节目推荐方法，其特征在于，所述根据所述精选节目列表和所述备选节目列表生成所述候选节目列表，包括：
确定所述精选节目列表中精选节目的节目数量；
若所述节目数量大于或等于第三预设阈值，则从所述精选节目列表中抽取第一预设数量的精选节目生成所述候选节目列表；
若所述节目数量小于所述第三预设阈值，则从所述精选节目列表中抽取第二预设数量的精选节目，并从所述备选节目中抽取第四预设数量的初始备选节目；
根据各所述初始备选节目对应的节目标签和所述用户标签分别确定各所述初始备选节目对应的初始推荐指数，并计算所述初始推荐指数对应的平均推荐指数；
基于所述平均推荐指数从所述备选节目列表中抽取第三预设数量的备选节目，并根据所述第二预设数量的精选节目和所述第三预设数量的备选节目生成所述候选节目列表。
6.一种节目推荐装置，其特征在于，包括：
推荐请求获取模块，用于获取用户的节目推荐请求，并根据所述节目推荐请求生成预推荐节目列表，所述节目推荐请求为所述用户根据自己的喜好或偏好作为条件的请求，所述条件为包含或不包含某些关键字或关键词的条件，和/或者可以为属于或者不属于某些节目类别的条件；
候选列表生成模块，用于确定所述用户对应的用户标签，并根据所述用户标签和所述预推荐节目列表生成候选节目列表；
节目推荐模块，用于基于预设确定方式确定所述候选节目列表中各候选节目的推荐指数，并选取推荐指数高的前N个候选节目作为推荐节目推荐给所述用户，N为大于或等于1的整数；
其中，所述基于预设确定方式确定所述候选节目列表中各候选节目的推荐指数，包括：获取所述候选节目列表中各候选节目对应的第二节目标签以及各所述第二节目标签的第三标签值，并分别根据下式确定各所述候选节目的推荐指数：
Figure FDA0003775352640000041
其中，similarity为候选节目的推荐指数，k为候选节目的第二节目标签与用户标签中的相同标签的个数，m为用户标签的个数，n为候选节目的第二节目标签的个数，ai为第i个用户标签的第二标签值，bi为候选节目的第i个第二节目标签的第三标签值；
其中，所述候选列表生成模块，包括：
收视日志获取单元，用于获取所述用户在预设时间内的收视日志，所述收视日志包括所述用户已观看的收视节目和各所述收视节目对应的收视时间；
收视时长确定单元，用于根据所述收视时间确定各所述收视节目对应的收视时长，并根据所述收视时长和所述收视时间对所述收视节目进行降序排列；
用户标签确定单元，用于从降序排列的收视节目中选取前M个目标收视节目，并根据各所述目标收视节目对应的第一节目标签确定所述用户对应的用户标签，M为大于或等于1的整数；
收视值计算单元，用于按照预设计算方式计算各所述目标收视节目对应的收视值，并分别根据各所述收视值确定各所述目标收视节目中各第一节目标签的第一标签值；
第二标签值确定单元，用于根据各所述第一节目标签的第一标签值确定各所述用户标签的第二标签值。
7.一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至5任一项所述的节目推荐方法。
8.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至5任一项所述的节目推荐方法。
CN201910782675.9A 2019-08-23 2019-08-23 一种节目推荐方法、装置、可读存储介质及终端设备 Active CN110704677B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910782675.9A CN110704677B (zh) 2019-08-23 2019-08-23 一种节目推荐方法、装置、可读存储介质及终端设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910782675.9A CN110704677B (zh) 2019-08-23 2019-08-23 一种节目推荐方法、装置、可读存储介质及终端设备

Publications (2)

Publication Number Publication Date
CN110704677A CN110704677A (zh) 2020-01-17
CN110704677B true CN110704677B (zh) 2023-03-17

Family

ID=69193929

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910782675.9A Active CN110704677B (zh) 2019-08-23 2019-08-23 一种节目推荐方法、装置、可读存储介质及终端设备

Country Status (1)

Country Link
CN (1) CN110704677B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111339357A (zh) * 2020-02-21 2020-06-26 广州欢网科技有限责任公司 基于直播用户行为的推荐方法及装置
CN111935204A (zh) * 2020-06-11 2020-11-13 杭州情咖网络技术有限公司 一种节目推荐方法、装置及电子设备
CN111669654B (zh) * 2020-06-15 2022-05-13 未来电视有限公司 节目推荐方法、装置、电子设备及可读存储介质
CN112423131B (zh) * 2020-11-20 2022-09-30 广州欢网科技有限责任公司 一种节目推荐方法、系统、设备及存储介质
CN112561636A (zh) * 2020-12-14 2021-03-26 深圳市傲天科技股份有限公司 一种推荐方法、装置、终端设备及介质

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108734587A (zh) * 2018-05-22 2018-11-02 深圳壹账通智能科技有限公司 金融产品的推荐方法及终端设备

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103186550A (zh) * 2011-12-27 2013-07-03 盛乐信息技术（上海）有限公司 一种视频的相关视频列表的生成方法及系统
CN103440335B (zh) * 2013-09-06 2016-11-09 北京奇虎科技有限公司 视频推荐方法及装置
CN106656741A (zh) * 2016-09-30 2017-05-10 北京奇虎科技有限公司 一种信息推送方法和系统
CN110059221B (zh) * 2019-03-11 2023-10-20 咪咕视讯科技有限公司 视频推荐方法、电子设备及计算机可读存储介质

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108734587A (zh) * 2018-05-22 2018-11-02 深圳壹账通智能科技有限公司 金融产品的推荐方法及终端设备

Also Published As

Publication number Publication date
CN110704677A (zh) 2020-01-17

Similar Documents

Publication Publication Date Title
CN110704677B (zh) 一种节目推荐方法、装置、可读存储介质及终端设备
US10277480B2 (en) Method, apparatus, and system for determining a location corresponding to an IP address
US20100067867A1 (en) System and method for searching video scenes
CN109525647B (zh) 消息推送徽章值控制方法、电子装置及存储介质
CN114817651B (zh) 数据存储方法、数据查询方法、装置和设备
CN107748801B (zh) 新闻推荐方法、装置、终端设备及计算机可读存储介质
CN111198961A (zh) 商品搜索方法、装置及服务器
CN111143660A (zh) 知识平台的智能推荐方法、装置及计算机可读存储介质
CN110719367A (zh) 一种云手机好友推荐方法、装置、设备及存储介质
CN112182107B (zh) 名单数据获取方法、装置、计算机设备及存储介质
CN110223108B (zh) 点击通过率的预测方法、装置及设备
CN110929207B (zh) 数据处理方法、装置和计算机可读存储介质
CN110801630B (zh) 作弊程序确定方法、装置、设备和存储介质
CN114528321A (zh) 数据检索方法及装置、电子设备及可读存储介质
CN105991400B (zh) 一种群组搜索方法及其设备
CN110263137B (zh) 主题关键词的提取方法和装置、电子设备
CN110688223B (zh) 数据处理方法及相关产品
CN114169451A (zh) 行为数据分类处理方法、装置、设备及存储介质
CN110839167B (zh) 一种视频推荐方法、装置及终端设备
CN114513686A (zh) 视频信息的确定方法、装置以及存储介质
CN111191056A (zh) 一种多媒体推荐方法及装置
CN111694982A (zh) 一种歌曲推荐方法及系统
CN111831130A (zh) 输入内容的推荐方法、终端设备以及存储介质
CN104219580A (zh) 一种数据展示方法和装置
CN110263188B (zh) 媒体数据评分方法、装置及设备

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant