CN112148984B - 一种捕捉用户即时兴趣的方法及系统 - Google Patents
一种捕捉用户即时兴趣的方法及系统 Download PDFInfo
- Publication number
- CN112148984B CN112148984B CN202011064411.9A CN202011064411A CN112148984B CN 112148984 B CN112148984 B CN 112148984B CN 202011064411 A CN202011064411 A CN 202011064411A CN 112148984 B CN112148984 B CN 112148984B
- Authority
- CN
- China
- Prior art keywords
- user
- material label
- label
- weight
- coefficient
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 31
- 239000000463 material Substances 0.000 claims abstract description 462
- 238000012544 monitoring process Methods 0.000 claims abstract description 4
- 230000006399 behavior Effects 0.000 claims description 189
- 230000003993 interaction Effects 0.000 claims description 141
- 238000004364 calculation method Methods 0.000 claims description 48
- 230000002452 interceptive effect Effects 0.000 claims description 41
- 238000012790 confirmation Methods 0.000 claims description 2
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
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
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/958—Organisation or management of web site content, e.g. publishing, maintaining pages or automatic linking
Abstract
本发明实施例提供一种捕捉用户即时兴趣的方法及系统，包括：实时监控网站中各用户对物料的刷新情况，当监控到用户对物料进行刷新时，形成用户反馈信息；当接收到任一用户发起的刷新请求或者需要向该用户推送与其兴趣相匹配的物料时，根据该用户的用户ID从Redis中查询并获取预设时间段内该用户对应的用户反馈信息，所述预设时间段包括当前时间；根据获取到的用户反馈信息确定该用户的即时兴趣所对应的物料标签；根据确定出的该用户的即时兴趣所对应的物料标签，选取相应物料标签所对应的物料推送给该用户。通过用户预设时间段内的用户反馈信息进行计算，得到用户即时兴趣物料标签，提高推送物料的准确性和精度。
Description
技术领域
本发明涉及信息推送领域，具体涉及一种捕捉用户即时兴趣的方法及系统。
背景技术
近年来，内容推荐技术快速发展，极大的提高了人们获取信息的效率。内容推荐的目的就是从冗余的网络信息中获取到用户感兴趣的信息，其中的难点在于，如何准确的捕捉到用户的兴趣。因为用户兴趣并不是保持不变的，会随着所处环境、位置等发生改变，而且这种改变往往会很快，所以这就要求推荐系统具备捕获用户即时兴趣的能力，从而实现更好的推荐效果。
在实现本发明过程中，申请人发现现有技术中至少存在如下问题：
利用用户的全站行为数据进行建模，得到预测用户即时兴趣的模型，用来预测用户下次可能感兴趣的内容。但是具有如下缺点：由于模型的准确性和它本身的复杂程度有一定正相关关系，为了保持精度，模型就需要很复杂，这就带来很大的计算量。所以在实际应用中，为了保证最后结果的准确性，采用模型预测一般会采用离线计算的方式，以牺牲即时性来换取准确性。而用户的即时兴趣是随着时间变化的，这种方法较高的时延注定在预测用户即时兴趣上慢半拍。
发明内容
本发明实施例提供一种捕捉用户即时兴趣的方法及系统，通过用户预设时间段内的用户反馈信息进行计算，得到用户即时兴趣物料标签，提高推送物料的准确性和精度。
为达上述目的，一方面，本发明实施例提供一种捕捉用户即时兴趣的方法，包括：
实时监控网站中各用户对物料的刷新情况，当监控到用户对物料进行刷新时，将用户在刷新物料时所产生的相关信息实时记录到分布式发布订阅消息系统Kafka队列当中，通过Kafka队列将用户在刷新物料时所产生的相关信息存入到数据库Redis中，形成用户反馈信息；其中，每条用户反馈信息包括：用户标识ID、物料所对应的物料标签、对物料标签产生的互动行为、互动行为的产生时间；所述物料是指网站中供用户查看的相关内容，物料标签用于标记物料所属类别；
当接收到任一用户发起的刷新请求或者需要向该用户推送与其兴趣相匹配的物料时，根据该用户的用户ID从Redis中查询并获取预设时间段内该用户对应的用户反馈信息，所述预设时间段包括当前时间；根据获取到的用户反馈信息确定该用户的即时兴趣所对应的物料标签；
根据确定出的该用户的即时兴趣所对应的物料标签，选取相应物料标签所对应的物料推送给该用户。
另一方面，本发明实施例提供一种捕捉用户即时兴趣的系统，包括：
信息收集单元，用户实时监控网站中各用户对物料的刷新情况，当监控到用户对物料进行刷新时，将用户在刷新物料时所产生的相关信息实时记录到分布式发布订阅消息系统Kafka队列当中，通过Kafka队列将用户在刷新物料时所产生的相关信息存入到数据库Redis中，形成用户反馈信息；其中，每条用户反馈信息包括：用户标识ID、物料所对应的物料标签、对物料标签产生的互动行为、互动行为的产生时间；所述物料是指网站中供用户查看的相关内容，物料标签用于标记物料所属类别；
即时兴趣计算单元，用于当接收到任一用户发起的刷新请求或者需要向该用户推送与其兴趣相匹配的物料时，根据该用户的用户ID从Redis中查询并获取预设时间段内该用户对应的用户反馈信息，所述预设时间段包括当前时间；根据获取到的用户反馈信息确定该用户的即时兴趣所对应的物料标签；
即时兴趣推送单元，用于根据确定出的该用户的即时兴趣所对应的物料标签，选取相应物料标签所对应的物料推送给该用户。
上述技术方案具有如下有益效果：通过用户预设时间段内的用户反馈信息进行计算，得到用户即时兴趣物料标签，提高推送物料的准确性和精度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，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是本发明实施例的捕捉用户即时兴趣的方法流程图；
图2是本发明实施例的捕捉用户即时兴趣的系统结构图；
图3是本发明实施例的另一捕捉用户即时兴趣的系统结构图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
如图1所示，结合本发明的实施例，提供一种捕捉用户即时兴趣的方法，包括：
S101：实时监控网站中各用户对物料的刷新情况，当监控到用户对物料进行刷新时，将用户在刷新物料时所产生的相关信息实时记录到分布式发布订阅消息系统Kafka队列当中，通过Kafka队列将用户在刷新物料时所产生的相关信息存入到数据库Redis中，形成用户反馈信息；其中，每条用户反馈信息包括：用户标识ID、物料所对应的物料标签、对物料标签产生的互动行为、互动行为的产生时间；所述物料是指网站中供用户查看的相关内容，物料标签用于标记物料所属类别；
S102：当接收到任一用户发起的刷新请求或者需要向该用户推送与其兴趣相匹配的物料时，根据该用户的用户ID从Redis中查询并获取预设时间段内该用户对应的用户反馈信息，所述预设时间段包括当前时间；根据获取到的用户反馈信息确定该用户的即时兴趣所对应的物料标签；
S103：根据确定出的该用户的即时兴趣所对应的物料标签，选取相应物料标签所对应的物料推送给该用户。
优选地，所述步骤102具体包括：
S1021：根据该用户在预设时间段内的用户反馈信息计算得到用户反馈信息中所涉及的每种物料标签的权重系数，根据每种物料标签的权重系数分别得到相应物料标签的权重得分，所述物料标签的权重得分用于表示该种物料标签在用户的所有互动行为所涉及的物料标签中出现的频率；
S1022：将每种物料标签的权重得分自大至小排序，将权重得分处于预设排序名次之前的物料标签确定为该用户的即时兴趣所对应的物料标签。
优选地，步骤102具体包括：
所述物料标签的权重系数通过时间衰减系数表示，所述时间衰减是指预设时间段内该用户刷新请求次数的衰减；
根据每种物料标签的时间衰减系数计算相应物料标签的权重得分，根据物料标签的权重系数计算该种物料标签的权重得分的公式为：
其中，ST表示物料标签T的权重得分；i表示该用户反馈信息中第i种物料标签；n表示互动行为所涉及的物料标签的总个数；表示用户产生互动行为的第i种物料标签是否包含物料标签T，包含时/>为1，不包含时/>为0；
γr表示时间衰减系数，γr的计算公式为：λ是第一超参数，用于控制衰减的速度；r表示预设时间段内该用户的刷新请求次数。
优选地，步骤102具体包括：
所述物料标签的权重系数通过时间衰减系数和互动行为权重系数共同表示；
将每种物料标签的互动行为权重系数与该种物料标签的时间衰减系数之积作为该种物料标签的权重系数，根据物料标签的权重系数计算该种物料标签的权重得分的公式为：
其中，ST表示物料标签T的权重得分；i表示该用户反馈信息中的第i种物料标签；n表示互动行为所涉及的物料标签的总个数；表示用户产生互动行为的第i种物料是否包含物料标签T，包含时/>为1，不包含/>为0；
γr表示时间衰减系数，γr的计算公式为：λ是第一超参数，用于控制衰减的速度；r表示预设时间段内该用户的刷新请求次数；wi表示第i种物料标签的互动行为权重系数。
优选地，步骤102具体包括：
通过物料标签的曝光系数、互动行为权重系数、时间衰减系数共同表示该种物料标签的权重系数；
通过物料标签的曝光系数、互动行为权重系数、时间衰减系数之积作为该种物料标签的权重系数，根据物料标签的权重系数计算该种物料标签的权重得分的公式为：
其中，ST表示物料标签T的权重得分；i表示该用户反馈信息中的第i种物料标签；n表示互动行为所涉及的物料标签的总个数；表示用户产生互动行为的第i种物料标签是否包含物料标签T，包含时/>为1，不包含/>为0；
γr表示时间衰减系数，γr的计算公式为：λ是第一超参数，用于控制衰减的速度；r表示预设时间段内该用户的刷新请求次数；wi为第i种物料标签的互动行为权重系数；Tweight表示第i种物料标签的曝光系数；所述物料标签的曝光系数通过该种物料标签在预设时间段内的曝光次数与所有物料标签的曝光总次数之间的关系确定，该种物料标签的曝光系数Tweight的计算公式为：/>式中，pT表示物料标签T在预设时间段内的曝光次数，ptotal表示预设时间段内所有物料标签的曝光总次数，Norm()表示对所有物料标签的曝光总次数与物料标签T在预设时间段内的曝光次数之比进行归一化。
优选地，所述物料标签的互动行为权重系数通过对物料标签的某一互动行为进行分级并对分级后的互动行为进行计算得到；将某一互动行为按照操作步骤进行分级，每个操作步骤对应一个分级，根据互动行为的分级数量计算得到物料标签的该种互动行为权重系数，所述物料标签的该种互动行为权重系数wi的计算公式为：wi＝ka，k是第二超参数，表示每个分级的权重；a为互动行为的操作步骤的步数；
或者，
所述物料标签的互动行为权重系数根据该用户针对该种物料标签的互动行为在全站所有物料标签的互动行为中的占比得到；通过用户反馈信息内对物料标签产生的互动行为统计该用户针对同一种物料标签的互动行为的出现次数，获取全站所有物料标签的互动行为总次数，计算该用户针对同一种物料标签的互动行为的出现次数在全站所有物料标签的互动行为总次数中的占比，将该占比进行归一化处理得出该种物料标签的互动行为权重系数，所述该种物料标签的互动行为权重系数wi的计算公式为：式中，acttotal表示全站所有物料标签的互动行为总次数，acti表示该用户针对第i种物料标签的互动行为的出现次数，Norm()表示对该种物料标签的互动行为在全站所有物料标签的互动行为占比进行归一化。
如图2所示，结合本发明的实施例，提供一种捕捉用户即时兴趣的系统，包括：
信息收集单元21，用户实时监控网站中各用户对物料的刷新情况，当监控到用户对物料进行刷新时，将用户在刷新物料时所产生的相关信息实时记录到分布式发布订阅消息系统Kafka队列当中，通过Kafka队列将用户在刷新物料时所产生的相关信息存入到数据库Redis中，形成用户反馈信息；其中，每条用户反馈信息包括：用户标识ID、物料所对应的物料标签、对物料标签产生的互动行为、互动行为的产生时间；所述物料是指网站中供用户查看的相关内容，物料标签用于标记物料所属类别；
即时兴趣计算单元22，用于当接收到任一用户发起的刷新请求或者需要向该用户推送与其兴趣相匹配的物料时，根据该用户的用户ID从Redis中查询并获取预设时间段内该用户对应的用户反馈信息，所述预设时间段包括当前时间；根据获取到的用户反馈信息确定该用户的即时兴趣所对应的物料标签；
即时兴趣推送单元23，用于根据确定出的该用户的即时兴趣所对应的物料标签，选取相应物料标签所对应的物料推送给该用户。
优选地，所述即时兴趣计算单元22包括：
物料权重计算子单元221，用于根据该用户在预设时间段内的用户反馈信息计算得到用户反馈信息中所涉及的每种物料标签的权重系数，根据每种物料标签的权重系数分别得到相应物料标签的权重得分，所述物料标签的权重得分用于表示该种物料标签在用户的所有互动行为所涉及的物料标签中出现的频率；
即时兴趣确认子单元222，用于将每种物料标签的权重得分自大至小排序，将权重得分处于预设排序名次之前的物料标签确定为该用户的即时兴趣所对应的物料标签。
优选地，所述物料权重计算子单元221，具体用于：
所述物料标签的权重系数通过时间衰减系数表示，所述时间衰减是指预设时间段内该用户刷新请求次数的衰减；
根据每种物料标签的时间衰减系数计算相应物料标签的权重得分，根据物料标签的权重系数计算该种物料标签的权重得分的公式为：
其中，ST表示物料标签T的权重得分；i表示该用户反馈信息中第i种物料标签；n表示互动行为所涉及的物料标签的总个数；表示用户产生互动行为的第i种物料标签是否包含物料标签T，包含时/>为1，不包含时/>为0；
γr表示时间衰减系数，γr的计算公式为：λ是第一超参数，用于控制衰减的速度；r表示预设时间段内该用户的刷新请求次数。
优选地，所述物料权重计算子单元221，具体用于：
所述物料标签的权重系数通过时间衰减系数和互动行为权重系数共同表示；
将每种物料标签的互动行为权重系数与该种物料标签的时间衰减系数之积作为该种物料标签的权重系数，根据物料标签的权重系数计算该种物料标签的权重得分的公式为：
其中，ST表示物料标签T的权重得分；i表示该用户反馈信息中的第i种物料标签；n表示互动行为所涉及的物料标签的总个数；表示用户产生互动行为的第i种物料是否包含物料标签T，包含时/>为1，不包含/>为0；
γr表示时间衰减系数，γr的计算公式为：λ是第一超参数，用于控制衰减的速度；r表示预设时间段内该用户的刷新请求次数；wi表示第i种物料标签的互动行为权重系数。
优选地，所述物料权重计算子单元221，具体用于：
通过物料标签的曝光系数、互动行为权重系数、时间衰减系数共同表示该种物料标签的权重系数；
通过物料标签的曝光系数、互动行为权重系数、时间衰减系数之积作为该种物料标签的权重系数，根据物料标签的权重系数计算该种物料标签的权重得分的公式为：
其中，ST表示物料标签T的权重得分；i表示该用户反馈信息中的第i种物料标签；n表示互动行为所涉及的物料标签的总个数；表示用户产生互动行为的第i种物料标签是否包含物料标签T，包含时/>为1，不包含/>为0；
γr表示时间衰减系数，γr的计算公式为：λ是第一超参数，用于控制衰减的速度；r表示预设时间段内该用户的刷新请求次数；wi为第i种物料标签的互动行为权重系数；Tweight表示第i种物料标签的曝光系数；所述物料标签的曝光系数通过该种物料标签在预设时间段内的曝光次数与所有物料标签的曝光总次数之间的关系确定，该种物料标签的曝光系数Tweight的计算公式为：/>式中，pT表示物料标签T在预设时间段内的曝光次数，ptotal表示预设时间段内所有物料标签的曝光总次数，Norm()表示对所有物料标签的曝光总次数与物料标签T在预设时间段内的曝光次数之比进行归一化。
优选地，所述物料标签的互动行为权重系数通过对物料标签的某一互动行为进行分级并对分级后的互动行为进行计算得到；将某一互动行为按照操作步骤进行分级，每个操作步骤对应一个分级，根据互动行为的分级数量计算得到物料标签的该种互动行为权重系数，所述物料标签的该种互动行为权重系数wi的计算公式为：wi＝ka，k是第二超参数，表示每个分级的权重；a为互动行为的操作步骤的步数；
或者，
所述物料标签的互动行为权重系数根据该用户针对该种物料标签的互动行为在全站所有物料标签的互动行为中的占比得到；通过用户反馈信息内对物料标签产生的互动行为统计该用户针对同一种物料标签的互动行为的出现次数，获取全站所有物料标签的互动行为总次数，计算该用户针对同一种物料标签的互动行为的出现次数在全站所有物料标签的互动行为总次数中的占比，将该占比进行归一化处理得出该种物料标签的互动行为权重系数，所述该种物料标签的互动行为权重系数wi的计算公式为：式中，acttotal表示全站所有物料标签的互动行为总次数，acti表示该用户针对第i种物料标签的互动行为的出现次数，Norm()表示对该种物料标签的互动行为在全站所有物料标签的互动行为占比进行归一化。
本发明所取得的有益效果如下：
通过用户最近(预设时间段)反馈的物料标签、有强反馈互动行为的物料标签以及标识更细化的标签信息(曝光系数)来得到加权，而用户很久之前的、弱的反馈以及比较宽泛的标签信息被降权，这保证了计算结果的准确性和精度。
而且本发明采用了实时流技术，即客户端回传的用户反馈信息存入到分布式发布订阅消息系统Redis中，这使得整个系统的响应时间达到了毫秒级别，这也保证了整个系统对用户兴趣具备很好的实时捕捉能力。
下面结合具体的应用实例对本发明实施例上述技术方案进行详细说明，实施过程中没有介绍到的技术细节，可以参考前文的相关描述。
本发明提供了一种捕捉用户即时兴趣的方法，也可以称为一种即时捕获用户兴趣的方法，包括内容消费者感兴趣行为的实时获取，以及根据获取的多个感兴趣内容进行建模分析，从而获取用户更准确即时兴趣。本发明首先获取用户有反馈(产生互动行为)的物料标签、互动行为产生的时间等信息，然后根据互动行为产生的时间、物料标签等级以及互动行为分级计算反馈物料的权重，从而得出用户最感兴趣的内容。本发明除了引入时间衰减系数外，还从标签曝光量(用户信息量)、用户互动行为成本这两方面引入权重系数。
不同权重系数的计算如下：
一、时间衰减系数计算
用户的反馈行为反映的是用户某段时间(预设时间段内)的兴趣，具有一定的时效性，针对这一点本发明引入了时间衰减的概念，即距离用户当前刷新请求越近的反馈权重越高，距离越远的反馈权重越低。本发明采用的物料权重得分计算公式是：
其中ST表示计算的物料标签T的权重得分，n表示用户反馈物料标签(互动行为所涉及的物料标签)的总个数，γr值表示时间衰减系数，表示用户互动的第i种物料标签是否包含标签T，包含时为1，否则为0。上述公式的物理意义是，统计用户过去产生互动行为的物料中各个标签出现的频率作为其权重得分，然后取排名靠前的标签(权重得分处于预设排序名次之前的物料)作为表达用户即时兴趣的结果。
本发明中γr值的计算并不是用户互动的物理时间来进行衰减，而是采用用户距离当前的刷新次数，衰减系数的计算公式如下：
其中λ是第一超参数，用于控制衰减的速度，r表示预设时间段内该用户的刷新请求次数(距离当前的刷新次数)。这样处理有效避免了调整时间衰减系数的麻烦，同时也保证了不同时间互动物料的区分度，使最后计算结果更准确。
二、用户互动行为权重系数
本发明还对用户的行为进行了分级，用于在最后的物料权重得分计算中赋予不同的权重。采用互动行为权重系数的原理是用户不同的反馈行为所表达的用户感兴趣程度是不同的，需要付出成本越多的反馈行为代表用户的感兴趣程度越高，如分享相对于点赞来说需要进行更多的操作，这也代表用户对该物料有更高的兴趣。
本发明量化不同互动行为权重系数的两种方法：
1.第一种：根据不同行为的复杂程度来量化权重
比如在微博场景中，点赞需要一步，评论需要两步，而分享最为复杂，需要三步。在实际应用中，可以对一步赋予一个权重wi，从而得出不同互动行为的权重。其中wi的计算公式为：
wi＝λa (3)
其中λ为每一步互动行为(分级)的权重，是第二超参数(与前面的λ不同，为区别公式3可以写成wi＝ka，k是第二超参数)，a为用户互动行为的操作步骤的步数。
当同一物料标签下具有多个互动行为时，将各互动行为权重系数相加得到该物料标签互动行为权重系数。
2.根据全站用户的行为比例来量化权重
另一种量化互动行为权重系数的方法是通过统计全站用户不同行为的比例(占比)，以该比例为依据，计算出不同行为之间的价值关系，行为越少，说明该行为价值越高(物以稀为贵)，从而得出不同互动行为的权重系数。互动行为权重系数的具体量化公式为：
其中acttotal表示全站总的行为(所有互动行为的总次数)，acti表示第i种物料标签的互动行为的出现次数，Norm()表示对最后的结果进行归一化。
引入行为权重后，本发明提取用户兴趣的物料标签得分的计算公式为：
三、物料标签曝光系数
用户对推荐物料进行互动的原因是物料本身的内容而进行，而物料的内容可以通过物料标签来进行刻画。比如在微博场景中，物料会打上不同的标签，这些标签本身表示信息的能力是有区别的，有些标签表示的内容很明确，如马云、雷军等，而有的标签表示的范围则很宽泛，如运动健身、时尚等。
考虑到物料标签本身的差异性，本发明在计算用户即时兴趣的时候，对物料标签曝光赋予了不同权重。对物料标签曝光系数进行量化方法是，统计过去两个月中各物料标签的曝光次数，而物料标签的重要程度则与其曝光次数成反比。引入物料标签曝光系数后，本发明用户即时兴趣的物料权重得分的计算公式为：
其中Tweight表示物料曝光系数，具体计算公式为：
其中pT表示物料标签T的曝光次数，ptotal表示所有物料标签的曝光总次数，Norm()表示对最后的结果进行归一化，方便同一用户的不同标签进行比较。
三个权重系数(时间衰减系数、互动行为权重系数、物料标签曝光系数)相乘得到某种物料标签的权重得分，如果用户对某个物料标签有多个行为，则按上述方式分别计算该物料标签权重得分后相加来得到最后的权重得分。
结合前述各权重系数的计算，本发明的系统流程如图3所示，图3是本发明的整体架构图。用户在客户端的一系列请求会实时记录到Kafka队列当中，信息经过处理后存入到Redis中，可供快速查询。本发明中的用户反馈信息包括：用户ID、对物料标签的具体互动行为、互动行为产生的时间以及物料标签(物料ID)等。当用户下次发出新的刷新请求的时候或者需要向该用户推送与其兴趣相匹配的物料时，系统中的前端机首先会从Redis中查询用户的反馈信息，然后将这个信息传给即时兴趣计算服务(即时兴趣计算服务此时相当于即时兴趣计算单元)，该即时兴趣计算服务会通过物料标签(物料ID)从物料库中获取物料标签，然后通过公前述式公式(1)、(5)或(6)计算得到最后的结果(物料权重得分)，从而得到用户即时兴趣物料标签，并将与即时兴趣物料标签相应的物料返回给客户端。
本发明所取得的有益效果如下：
通过本发明的流程架构，用户最近(预设时间段)反馈的物料标签、有强反馈互动行为的物料标签以及标识更细化的标签信息(曝光系数)来得到加权，而用户很久之前的、弱的反馈以及比较宽泛的标签信息被降权，这保证了计算结果的准确性和精度。避免通过“统计用户反馈的物料中各个标签的出现频率，并根据互动时间赋予不同权重，以此作为标准进行评分，得出用户的即时兴趣”的缺陷“时间的衰减系数不好控制，如果衰减过快，将会使用户最近互动的几个权重占比过大；如果衰减过慢，不同时间段的区分度会减小，这些都会导致最后计算结果不准、准确性较差”。
而且本发明采用了实时流技术，即客户端回传的用户反馈信息存入到分布式发布订阅消息系统Redis中，这使得整个系统的响应时间达到了毫秒级别，这也保证了整个系统对用户兴趣具备很好的实时捕捉能力。
应该明白，公开的过程中的步骤的特定顺序或层次是示例性方法的实例。基于设计偏好，应该理解，过程中的步骤的特定顺序或层次可以在不脱离本公开的保护范围的情况下得到重新安排。所附的方法权利要求以示例性的顺序给出了各种步骤的要素，并且不是要限于所述的特定顺序或层次。
在上述的详细描述中，各种特征一起组合在单个的实施方案中，以简化本公开。不应该将这种公开方法解释为反映了这样的意图，即，所要求保护的主题的实施方案需要比清楚地在每个权利要求中所陈述的特征更多的特征。相反，如所附的权利要求书所反映的那样，本发明处于比所公开的单个实施方案的全部特征少的状态。因此，所附的权利要求书特此清楚地被并入详细描述中，其中每项权利要求独自作为本发明单独的优选实施方案。
为使本领域内的任何技术人员能够实现或者使用本发明，上面对所公开实施例进行了描述。对于本领域技术人员来说；这些实施例的各种修改方式都是显而易见的，并且本文定义的一般原理也可以在不脱离本公开的精神和保护范围的基础上适用于其它实施例。因此，本公开并不限于本文给出的实施例，而是与本申请公开的原理和新颖性特征的最广范围相一致。
上文的描述包括一个或多个实施例的举例。当然，为了描述上述实施例而描述部件或方法的所有可能的结合是不可能的，但是本领域普通技术人员应该认识到，各个实施例可以做进一步的组合和排列。因此，本文中描述的实施例旨在涵盖落入所附权利要求书的保护范围内的所有这样的改变、修改和变型。此外，就说明书或权利要求书中使用的术语“包含”，该词的涵盖方式类似于术语“包括”，就如同“包括，”在权利要求中用作衔接词所解释的那样。此外，使用在权利要求书的说明书中的任何一个术语“或者”是要表示“非排它性的或者”。
本领域技术人员还可以了解到本发明实施例列出的各种说明性逻辑块(illustrative logical block)，单元，和步骤可以通过电子硬件、电脑软件，或两者的结合进行实现。为清楚展示硬件和软件的可替换性(interchangeability)，上述的各种说明性部件(illustrative components)，单元和步骤已经通用地描述了它们的功能。这样的功能是通过硬件还是软件来实现取决于特定的应用和整个系统的设计要求。本领域技术人员可以对于每种特定的应用，可以使用各种方法实现所述的功能，但这种实现不应被理解为超出本发明实施例保护的范围。
本发明实施例中所描述的各种说明性的逻辑块，或单元都可以通过通用处理器，数字信号处理器，专用集成电路(ASIC)，现场可编程门阵列或其它可编程逻辑装置，离散门或晶体管逻辑，离散硬件部件，或上述任何组合的设计来实现或操作所描述的功能。通用处理器可以为微处理器，可选地，该通用处理器也可以为任何传统的处理器、控制器、微控制器或状态机。处理器也可以通过计算装置的组合来实现，例如数字信号处理器和微处理器，多个微处理器，一个或多个微处理器联合一个数字信号处理器核，或任何其它类似的配置来实现。
本发明实施例中所描述的方法或算法的步骤可以直接嵌入硬件、处理器执行的软件模块、或者这两者的结合。软件模块可以存储于RAM存储器、闪存、ROM存储器、EPROM存储器、EEPROM存储器、寄存器、硬盘、可移动磁盘、CD-ROM或本领域中其它任意形式的存储媒介中。示例性地，存储媒介可以与处理器连接，以使得处理器可以从存储媒介中读取信息，并可以向存储媒介存写信息。可选地，存储媒介还可以集成到处理器中。处理器和存储媒介可以设置于ASIC中，ASIC可以设置于用户终端中。可选地，处理器和存储媒介也可以设置于用户终端中的不同的部件中。
在一个或多个示例性的设计中，本发明实施例所描述的上述功能可以在硬件、软件、固件或这三者的任意组合来实现。如果在软件中实现，这些功能可以存储与电脑可读的媒介上，或以一个或多个指令或代码形式传输于电脑可读的媒介上。电脑可读媒介包括电脑存储媒介和便于使得让电脑程序从一个地方转移到其它地方的通信媒介。存储媒介可以是任何通用或特殊电脑可以接入访问的可用媒体。例如，这样的电脑可读媒体可以包括但不限于RAM、ROM、EEPROM、CD-ROM或其它光盘存储、磁盘存储或其它磁性存储装置，或其它任何可以用于承载或存储以指令或数据结构和其它可被通用或特殊电脑、或通用或特殊处理器读取形式的程序代码的媒介。此外，任何连接都可以被适当地定义为电脑可读媒介，例如，如果软件是从一个网站站点、服务器或其它远程资源通过一个同轴电缆、光纤电缆、双绞线、数字用户线(DSL)或以例如红外、无线和微波等无线方式传输的也被包含在所定义的电脑可读媒介中。所述的碟片(disk)和磁盘(disc)包括压缩磁盘、镭射盘、光盘、DVD、软盘和蓝光光盘，磁盘通常以磁性复制数据，而碟片通常以激光进行光学复制数据。上述的组合也可以包含在电脑可读媒介中。
以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (12)
1.一种捕捉用户即时兴趣的方法，其特征在于，包括：
实时监控网站中各用户对物料的刷新情况，当监控到用户对物料进行刷新时，将用户在刷新物料时所产生的相关信息实时记录到分布式发布订阅消息系统Kafka队列当中，通过Kafka队列将用户在刷新物料时所产生的相关信息存入到数据库Redis中，形成用户反馈信息；其中，每条用户反馈信息包括：用户标识ID、物料所对应的物料标签、对物料标签产生的互动行为、互动行为的产生时间；所述物料是指网站中供用户查看的相关内容，物料标签用于标记物料所属类别；
当接收到任一用户发起的刷新请求或者需要向该用户推送与其兴趣相匹配的物料时，根据该用户的用户ID从Redis中查询并获取预设时间段内该用户对应的用户反馈信息，所述预设时间段包括当前时间；根据获取到的用户反馈信息确定该用户的即时兴趣所对应的物料标签；
根据确定出的该用户的即时兴趣所对应的物料标签，选取相应物料标签所对应的物料推送给该用户。
2.根据权利要求1所述的捕捉用户即时兴趣的方法，其特征在于，所述根据获取到的用户反馈信息确定该用户的即时兴趣所对应的物料标签，具体包括：
根据该用户在预设时间段内的用户反馈信息计算得到用户反馈信息中所涉及的每种物料标签的权重系数，根据每种物料标签的权重系数分别得到相应物料标签的权重得分，所述物料标签的权重得分用于表示该种物料标签在用户的所有互动行为所涉及的物料标签中出现的频率；
将每种物料标签的权重得分自大至小排序，将权重得分处于预设排序名次之前的物料标签确定为该用户的即时兴趣所对应的物料标签。
3.根据权利要求2所述的捕捉用户即时兴趣的方法，其特征在于，所述根据该用户在预设时间段内的用户反馈信息计算得到用户反馈信息中所涉及的每种物料标签的权重系数，根据每种物料标签的权重系数分别得到相应物料标签的权重得分，具体包括：
所述物料标签的权重系数通过时间衰减系数表示，所述时间衰减是指预设时间段内该用户刷新请求次数的衰减；
根据每种物料标签的时间衰减系数计算相应物料标签的权重得分，根据物料标签的权重系数计算该种物料标签的权重得分的公式为：
其中，ST表示物料标签T的权重得分；i表示该用户反馈信息中第i种物料标签；n表示互动行为所涉及的物料标签的总个数；表示用户产生互动行为的第i种物料标签是否包含物料标签T，包含时/>为1，不包含时/>为0；
γr表示时间衰减系数，γr的计算公式为：λ是第一超参数，用于控制衰减的速度；r表示预设时间段内该用户的刷新请求次数。
4.根据权利要求2所述的捕捉用户即时兴趣的方法，其特征在于，所述根据该用户在预设时间段内的用户反馈信息计算得到用户反馈信息中所涉及的每种物料标签的权重系数，根据每种物料标签的权重系数分别得到相应物料标签的权重得分，具体包括：
所述物料标签的权重系数通过时间衰减系数和互动行为权重系数共同表示；
将每种物料标签的互动行为权重系数与该种物料标签的时间衰减系数之积作为该种物料标签的权重系数，根据物料标签的权重系数计算该种物料标签的权重得分的公式为：
其中，ST表示物料标签T的权重得分；i表示该用户反馈信息中的第i种物料标签；n表示互动行为所涉及的物料标签的总个数；表示用户产生互动行为的第i种物料是否包含物料标签T，包含时/>为1，不包含/>为0；
γr表示时间衰减系数，γr的计算公式为：λ是第一超参数，用于控制衰减的速度；r表示预设时间段内该用户的刷新请求次数；wi表示第i种物料标签的互动行为权重系数。
5.根据权利要求2所述的捕捉用户即时兴趣的方法，其特征在于，所述根据该用户在预设时间段内的反馈信息计算得到反馈信息中所涉及的每种物料标签的权重系数，根据每种物料标签的权重系数分别得到相应物料标签的权重得分，具体包括：
通过物料标签的曝光系数、互动行为权重系数、时间衰减系数共同表示该种物料标签的权重系数；
通过物料标签的曝光系数、互动行为权重系数、时间衰减系数之积作为该种物料标签的权重系数，根据物料标签的权重系数计算该种物料标签的权重得分的公式为：
其中，ST表示物料标签T的权重得分；i表示该用户反馈信息中的第i种物料标签；n表示互动行为所涉及的物料标签的总个数；表示用户产生互动行为的第i种物料标签是否包含物料标签T，包含时/>为1，不包含/>为0；
γr表示时间衰减系数，γr的计算公式为：λ是第一超参数，用于控制衰减的速度；r表示预设时间段内该用户的刷新请求次数；wi为第i种物料标签的互动行为权重系数；Tweight表示第i种物料标签的曝光系数；所述物料标签的曝光系数通过该种物料标签在预设时间段内的曝光次数与所有物料标签的曝光总次数之间的关系确定，该种物料标签的曝光系数Tweight的计算公式为：/>式中，pT表示物料标签T在预设时间段内的曝光次数，ptotal表示预设时间段内所有物料标签的曝光总次数，Norm()表示对所有物料标签的曝光总次数与物料标签T在预设时间段内的曝光次数之比进行归一化。
6.根据权利要求4或5所述的捕捉用户即时兴趣的方法，其特征在于，
所述物料标签的互动行为权重系数通过对物料标签的某一互动行为进行分级并对分级后的互动行为进行计算得到；将某一互动行为按照操作步骤进行分级，每个操作步骤对应一个分级，根据互动行为的分级数量计算得到物料标签的该种互动行为权重系数，所述物料标签的该种互动行为权重系数wi的计算公式为：wi＝ka，k是第二超参数，表示每个分级的权重；a为互动行为的操作步骤的步数；
或者，
所述物料标签的互动行为权重系数根据该用户针对该种物料标签的互动行为在全站所有物料标签的互动行为中的占比得到；通过用户反馈信息内对物料标签产生的互动行为统计该用户针对同一种物料标签的互动行为的出现次数，获取全站所有物料标签的互动行为总次数，计算该用户针对同一种物料标签的互动行为的出现次数在全站所有物料标签的互动行为总次数中的占比，将该占比进行归一化处理得出该种物料标签的互动行为权重系数，所述该种物料标签的互动行为权重系数wi的计算公式为：式中，acttotal表示全站所有物料标签的互动行为总次数，acti表示该用户针对第i种物料标签的互动行为的出现次数，Norm()表示对该种物料标签的互动行为在全站所有物料标签的互动行为占比进行归一化。
7.一种捕捉用户即时兴趣的系统，其特征在于，包括：
信息收集单元，用户实时监控网站中各用户对物料的刷新情况，当监控到用户对物料进行刷新时，将用户在刷新物料时所产生的相关信息实时记录到分布式发布订阅消息系统Kafka队列当中，通过Kafka队列将用户在刷新物料时所产生的相关信息存入到数据库Redis中，形成用户反馈信息；其中，每条用户反馈信息包括：用户标识ID、物料所对应的物料标签、对物料标签产生的互动行为、互动行为的产生时间；所述物料是指网站中供用户查看的相关内容，物料标签用于标记物料所属类别；
即时兴趣计算单元，用于当接收到任一用户发起的刷新请求或者需要向该用户推送与其兴趣相匹配的物料时，根据该用户的用户ID从Redis中查询并获取预设时间段内该用户对应的用户反馈信息，所述预设时间段包括当前时间；根据获取到的用户反馈信息确定该用户的即时兴趣所对应的物料标签；
即时兴趣推送单元，用于根据确定出的该用户的即时兴趣所对应的物料标签，选取相应物料标签所对应的物料推送给该用户。
8.根据权利要求7所述的捕捉用户即时兴趣的系统，其特征在于，所述即时兴趣计算单元包括：
物料权重计算子单元，用于根据该用户在预设时间段内的用户反馈信息计算得到用户反馈信息中所涉及的每种物料标签的权重系数，根据每种物料标签的权重系数分别得到相应物料标签的权重得分，所述物料标签的权重得分用于表示该种物料标签在用户的所有互动行为所涉及的物料标签中出现的频率；
即时兴趣确认子单元，用于将每种物料标签的权重得分自大至小排序，将权重得分处于预设排序名次之前的物料标签确定为该用户的即时兴趣所对应的物料标签。
9.根据权利要求8所述的捕捉用户即时兴趣的系统，其特征在于，所述物料权重计算子单元，具体用于：
所述物料标签的权重系数通过时间衰减系数表示，所述时间衰减是指预设时间段内该用户刷新请求次数的衰减；
根据每种物料标签的时间衰减系数计算相应物料标签的权重得分，根据物料标签的权重系数计算该种物料标签的权重得分的公式为：
其中，ST表示物料标签T的权重得分；i表示该用户反馈信息中第i种物料标签；n表示互动行为所涉及的物料标签的总个数；表示用户产生互动行为的第i种物料标签是否包含物料标签T，包含时/>为1，不包含时/>为0；
γr表示时间衰减系数，γr的计算公式为：λ是第一超参数，用于控制衰减的速度；r表示预设时间段内该用户的刷新请求次数。
10.根据权利要求8所述的捕捉用户即时兴趣的系统，其特征在于，所述物料权重计算子单元，具体用于：
所述物料标签的权重系数通过时间衰减系数和互动行为权重系数共同表示；
将每种物料标签的互动行为权重系数与该种物料标签的时间衰减系数之积作为该种物料标签的权重系数，根据物料标签的权重系数计算该种物料标签的权重得分的公式为：
其中，ST表示物料标签T的权重得分；i表示该用户反馈信息中的第i种物料标签；n表示互动行为所涉及的物料标签的总个数；表示用户产生互动行为的第i种物料是否包含物料标签T，包含时/>为1，不包含/>为0；
γr表示时间衰减系数，γr的计算公式为：λ是第一超参数，用于控制衰减的速度；r表示预设时间段内该用户的刷新请求次数；wi表示第i种物料标签的互动行为权重系数。
11.根据权利要求8所述的捕捉用户即时兴趣的系统，其特征在于，所述物料权重计算子单元，具体用于：
通过物料标签的曝光系数、互动行为权重系数、时间衰减系数共同表示该种物料标签的权重系数；
通过物料标签的曝光系数、互动行为权重系数、时间衰减系数之积作为该种物料标签的权重系数，根据物料标签的权重系数计算该种物料标签的权重得分的公式为：
其中，ST表示物料标签T的权重得分；i表示该用户反馈信息中的第i种物料标签；n表示互动行为所涉及的物料标签的总个数；表示用户产生互动行为的第i种物料标签是否包含物料标签T，包含时/>为1，不包含/>为0；
γr表示时间衰减系数，γr的计算公式为：λ是第一超参数，用于控制衰减的速度；r表示预设时间段内该用户的刷新请求次数；wi为第i种物料标签的互动行为权重系数；Tweight表示第i种物料标签的曝光系数；所述物料标签的曝光系数通过该种物料标签在预设时间段内的曝光次数与所有物料标签的曝光总次数之间的关系确定，该种物料标签的曝光系数Tweight的计算公式为：/>式中，pT表示物料标签T在预设时间段内的曝光次数，ptotal表示预设时间段内所有物料标签的曝光总次数，Norm()表示对所有物料标签的曝光总次数与物料标签T在预设时间段内的曝光次数之比进行归一化。
12.根据权利要求10或11所述的捕捉用户即时兴趣的系统，其特征在于，
所述物料标签的互动行为权重系数通过对物料标签的某一互动行为进行分级并对分级后的互动行为进行计算得到；将某一互动行为按照操作步骤进行分级，每个操作步骤对应一个分级，根据互动行为的分级数量计算得到物料标签的该种互动行为权重系数，所述物料标签的该种互动行为权重系数wi的计算公式为：wi＝ka，k是第二超参数，表示每个分级的权重；a为互动行为的操作步骤的步数；
或者，
所述物料标签的互动行为权重系数根据该用户针对该种物料标签的互动行为在全站所有物料标签的互动行为中的占比得到；通过用户反馈信息内对物料标签产生的互动行为统计该用户针对同一种物料标签的互动行为的出现次数，获取全站所有物料标签的互动行为总次数，计算该用户针对同一种物料标签的互动行为的出现次数在全站所有物料标签的互动行为总次数中的占比，将该占比进行归一化处理得出该种物料标签的互动行为权重系数，所述该种物料标签的互动行为权重系数wi的计算公式为：式中，acttotal表示全站所有物料标签的互动行为总次数，acti表示该用户针对第i种物料标签的互动行为的出现次数，Norm()表示对该种物料标签的互动行为在全站所有物料标签的互动行为占比进行归一化。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011064411.9A CN112148984B (zh) | 2020-09-30 | 2020-09-30 | 一种捕捉用户即时兴趣的方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011064411.9A CN112148984B (zh) | 2020-09-30 | 2020-09-30 | 一种捕捉用户即时兴趣的方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112148984A CN112148984A (zh) | 2020-12-29 |
| CN112148984B true CN112148984B (zh) | 2023-11-10 |
Family
ID=73951942
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011064411.9A Active CN112148984B (zh) | 2020-09-30 | 2020-09-30 | 一种捕捉用户即时兴趣的方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112148984B (zh) |
Citations (19)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102547374A (zh) * | 2010-12-07 | 2012-07-04 | 华录文化产业有限公司 | 一种基于播放时间点的视频图像的预览方法和装置 |
| CN102999500A (zh) * | 2011-09-09 | 2013-03-27 | 深圳市快播科技有限公司 | 一种点击量统计方法及系统 |
| CN103870512A (zh) * | 2012-12-18 | 2014-06-18 | 腾讯科技（深圳）有限公司 | 一种生成用户兴趣标签的方法及装置 |
| CN103886090A (zh) * | 2014-03-31 | 2014-06-25 | 北京搜狗科技发展有限公司 | 基于用户喜好的内容推荐方法及装置 |
| CN104516920A (zh) * | 2013-10-08 | 2015-04-15 | 北大方正集团有限公司 | 数据查询方法和数据查询系统 |
| CN106067897A (zh) * | 2016-06-16 | 2016-11-02 | 百度在线网络技术（北京）有限公司 | 基于用户终端位置的信息推送方法和装置 |
| CN106231393A (zh) * | 2016-08-08 | 2016-12-14 | 腾讯科技（深圳）有限公司 | 视频信息的处理方法、装置和系统 |
| CN106454430A (zh) * | 2016-10-13 | 2017-02-22 | 重庆邮电大学 | Ndn/ccn中针对自治域内视频业务预先发布方法 |
| CN106776380A (zh) * | 2016-11-28 | 2017-05-31 | 清华大学 | 终端内容缓存替换方法及替换装置 |
| CN106802941A (zh) * | 2016-12-30 | 2017-06-06 | 网易（杭州）网络有限公司 | 一种答复信息的生成方法和设备 |
| CN107404530A (zh) * | 2017-07-27 | 2017-11-28 | 北京邮电大学 | 基于用户兴趣相似度的社交网络协作缓存方法及装置 |
| CN107925673A (zh) * | 2015-08-11 | 2018-04-17 | 电子湾有限公司 | 交互式产品评价界面 |
| CN108108419A (zh) * | 2017-12-15 | 2018-06-01 | 百度在线网络技术（北京）有限公司 | 一种信息推荐方法、装置、设备和介质 |
| CN108537596A (zh) * | 2018-04-16 | 2018-09-14 | 北京车慧互动广告有限公司 | 搜索框内车型推荐的方法、装置、系统及存储器 |
| CN109325171A (zh) * | 2018-08-08 | 2019-02-12 | 微梦创科网络科技（中国）有限公司 | 基于领域知识的用户兴趣分析方法及系统 |
| CN109376313A (zh) * | 2018-09-28 | 2019-02-22 | Oppo广东移动通信有限公司 | 信息推荐方法、装置、终端及存储介质 |
| CN109859002A (zh) * | 2019-01-04 | 2019-06-07 | 平安科技（深圳）有限公司 | 产品推送方法、装置、计算机设备及存储介质 |
| CN110263189A (zh) * | 2019-06-24 | 2019-09-20 | 腾讯科技（深圳）有限公司 | 媒体内容的推荐方法、装置、存储介质和计算机设备 |
| CN111680254A (zh) * | 2020-06-11 | 2020-09-18 | 京东方科技集团股份有限公司 | 一种内容推荐方法及装置 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9213744B2 (en) * | 2013-03-15 | 2015-12-15 | Ifwe Inc. | Perturbing search results |
| US10521481B2 (en) * | 2016-07-15 | 2019-12-31 | Tribune Broadcasting Company, Llc | Video-production system with social-media features |
-
2020
- 2020-09-30 CN CN202011064411.9A patent/CN112148984B/zh active Active
Patent Citations (19)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102547374A (zh) * | 2010-12-07 | 2012-07-04 | 华录文化产业有限公司 | 一种基于播放时间点的视频图像的预览方法和装置 |
| CN102999500A (zh) * | 2011-09-09 | 2013-03-27 | 深圳市快播科技有限公司 | 一种点击量统计方法及系统 |
| CN103870512A (zh) * | 2012-12-18 | 2014-06-18 | 腾讯科技（深圳）有限公司 | 一种生成用户兴趣标签的方法及装置 |
| CN104516920A (zh) * | 2013-10-08 | 2015-04-15 | 北大方正集团有限公司 | 数据查询方法和数据查询系统 |
| CN103886090A (zh) * | 2014-03-31 | 2014-06-25 | 北京搜狗科技发展有限公司 | 基于用户喜好的内容推荐方法及装置 |
| CN107925673A (zh) * | 2015-08-11 | 2018-04-17 | 电子湾有限公司 | 交互式产品评价界面 |
| CN106067897A (zh) * | 2016-06-16 | 2016-11-02 | 百度在线网络技术（北京）有限公司 | 基于用户终端位置的信息推送方法和装置 |
| CN106231393A (zh) * | 2016-08-08 | 2016-12-14 | 腾讯科技（深圳）有限公司 | 视频信息的处理方法、装置和系统 |
| CN106454430A (zh) * | 2016-10-13 | 2017-02-22 | 重庆邮电大学 | Ndn/ccn中针对自治域内视频业务预先发布方法 |
| CN106776380A (zh) * | 2016-11-28 | 2017-05-31 | 清华大学 | 终端内容缓存替换方法及替换装置 |
| CN106802941A (zh) * | 2016-12-30 | 2017-06-06 | 网易（杭州）网络有限公司 | 一种答复信息的生成方法和设备 |
| CN107404530A (zh) * | 2017-07-27 | 2017-11-28 | 北京邮电大学 | 基于用户兴趣相似度的社交网络协作缓存方法及装置 |
| CN108108419A (zh) * | 2017-12-15 | 2018-06-01 | 百度在线网络技术（北京）有限公司 | 一种信息推荐方法、装置、设备和介质 |
| CN108537596A (zh) * | 2018-04-16 | 2018-09-14 | 北京车慧互动广告有限公司 | 搜索框内车型推荐的方法、装置、系统及存储器 |
| CN109325171A (zh) * | 2018-08-08 | 2019-02-12 | 微梦创科网络科技（中国）有限公司 | 基于领域知识的用户兴趣分析方法及系统 |
| CN109376313A (zh) * | 2018-09-28 | 2019-02-22 | Oppo广东移动通信有限公司 | 信息推荐方法、装置、终端及存储介质 |
| CN109859002A (zh) * | 2019-01-04 | 2019-06-07 | 平安科技（深圳）有限公司 | 产品推送方法、装置、计算机设备及存储介质 |
| CN110263189A (zh) * | 2019-06-24 | 2019-09-20 | 腾讯科技（深圳）有限公司 | 媒体内容的推荐方法、装置、存储介质和计算机设备 |
| CN111680254A (zh) * | 2020-06-11 | 2020-09-18 | 京东方科技集团股份有限公司 | 一种内容推荐方法及装置 |
Non-Patent Citations (4)
| Title |
|---|
| 基于Redis的水务云系统缓存替换策略设计;张审问;吴海燕;李星;涂国庆;;水利信息化(04);第20-25页 * |
| 基于兴趣分簇的MP2P环境下的缓存放置策略;宋人杰;曲振娜;;鄂州大学学报(04);第101-103+113页 * |
| 智能检索系统中用户兴趣模型构建技术研究;宋琦;薛建武;;情报杂志(第01期);第59-62页 * |
| 门户个性化兴趣获取与迁移模式发现;吴晶;张品;罗辛;盛浩;熊璋;;计算机研究与发展(08);第14-22页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112148984A (zh) | 2020-12-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11763200B2 (en) | Method and system for creating a predictive model for targeting web-page to a surfer | |
| CN110781321B (zh) | 一种多媒体内容推荐方法及装置 | |
| CN109145210B (zh) | 一种信息推荐的方法、装置及存储介质 | |
| CN103716338B (zh) | 一种信息推送方法和装置 | |
| CN111126495B (zh) | 模型训练方法、信息预测方法、装置、存储介质及设备 | |
| CN109993627B (zh) | 推荐方法、推荐模型的训练方法、装置和存储介质 | |
| CN111460264B (zh) | 语义相似度匹配模型的训练方法及装置 | |
| CN106649681B (zh) | 一种数据处理方法、装置及设备 | |
| WO2013121181A1 (en) | Method of machine learning classes of search queries | |
| CN111858969B (zh) | 多媒体数据推荐方法、装置、计算机设备和存储介质 | |
| CN107623862B (zh) | 多媒体信息推送控制方法、装置及服务器 | |
| WO2022042157A1 (zh) | 视频数据的制作方法、装置、计算机设备和存储介质 | |
| CN113656681B (zh) | 一种对象评价方法、装置、设备及存储介质 | |
| CN112749330B (zh) | 信息推送方法、装置、计算机设备和存储介质 | |
| CN112487283A (zh) | 训练模型的方法、装置、电子设备及可读存储介质 | |
| CN113297486B (zh) | 一种点击率预测方法及相关装置 | |
| CN112148984B (zh) | 一种捕捉用户即时兴趣的方法及系统 | |
| KR102223640B1 (ko) | 클라우드 기반 개인화 콘텐츠 구독 서비스 제공 시스템 및 방법 | |
| CN116932549A (zh) | 基于智能模型的平台数据存储方法、系统、介质及设备 | |
| CN110796505B (zh) | 一种业务对象推荐方法以及装置 | |
| CN115525831A (zh) | 推荐模型训练方法、推荐方法、装置及计算机可读存储介质 | |
| CN115600017A (zh) | 特征编码模型训练方法及装置、媒体对象推荐方法及装置 | |
| CN114297478A (zh) | 一种页面推荐方法、装置、设备以及存储介质 | |
| CN112948602A (zh) | 一种内容显示方法、装置、系统、设备及存储介质 | |
| AU2020335019A1 (en) | Evaluation method based on mobile news client and system thereof |
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 |