CN105072139B - 推荐方法和装置 - Google Patents
推荐方法和装置 Download PDFInfo
- Publication number
- CN105072139B CN105072139B CN201510364037.7A CN201510364037A CN105072139B CN 105072139 B CN105072139 B CN 105072139B CN 201510364037 A CN201510364037 A CN 201510364037A CN 105072139 B CN105072139 B CN 105072139B
- Authority
- CN
- China
- Prior art keywords
- algorithm
- algorithm chain
- chain
- terminal
- service request
- 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
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/02—Protocols based on web technology, e.g. hypertext transfer protocol [HTTP]
- H04L67/025—Protocols based on web technology, e.g. hypertext transfer protocol [HTTP] for remote control or remote monitoring of applications
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/50—Network services
- H04L67/55—Push-based network services
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Information Transfer Between Computers (AREA)
Abstract
本发明公开了一种推荐方法和装置,属于通信领域。所述方法包括:接收终端的业务请求;从本地内存获取所述业务请求对应的算法链,所述本地内存中存储的算法链为实时从服务器更新的算法链;根据所述业务请求对应的算法链计算出推荐结果;将所述推荐结果返回给所述终端。所述装置包括:接收模块、获取模块、计算模块和发送模块。本发明通过将算法链保存在内存中且从服务器实时更新,无需每次重新加载配置文件,极大地提高了推荐的效率,也提升了用户满意度。
Description
技术领域
本发明涉及通信领域,特别涉及一种推荐方法和装置。
背景技术
在网络通讯中,对用户进行推荐已经很普遍。推荐的方法通常是预先设置推荐算法,在用户使用业务的过程中根据该推荐算法进行计算得到结果,再将该结果推荐给用户,完成推荐。
但是,在推荐过程中,每次改进推荐算法都必须对代码进行变更,并重新加载写有推荐算法的配置文件,效率很低,不灵活;而且,推荐算法更新不及时,导致推荐的效果差,用户满意度较低。
发明内容
有鉴于此,本发明实施例提供了一种推荐方法和装置,以提高推荐的效率和用户满意度。所述技术方案如下:
第一方面,提供了一种推荐方法,包括:
接收终端的业务请求;
从本地内存获取所述业务请求对应的算法链,所述本地内存中存储的算法链为实时从服务器更新的算法链;
根据所述业务请求对应的算法链计算出推荐结果;
将所述推荐结果返回给所述终端。
其中,所述方法还包括:
接入层监听所述服务器存储的算法链是否更新;
当监听到所述服务器存储的算法链更新时,从所述服务器获取最新的算法链并更新至所述本地内存中。
其中,根据所述业务请求对应的算法链计算出推荐结果,包括:
计算层将所述算法链拆分成算法标识;
任务层获取每一个算法标识对应的推荐算法,使用获取的每一个推荐算法分别计算出各自对应的推荐结果,按照预设的规则将得到的所有推荐结果合并处理为一个推荐结果。
其中,从本地内存获取所述业务请求对应的算法链,包括:
根据所述业务请求判断所述终端的标识或用户的标识是否在预设的白名单内,如果在所述白名单内,则从本地内存获取所述白名单对应的算法链;如果不在所述白名单内,则判断所述终端的标识或用户的标识是否在预设的号码段内,如果在所述号码段内,则从本地内存获取所述号码段对应的算法链。如果不在所述号码段内,则从本地内存获取所述业务请求的广告位对应的算法链。
其中,从本地内存获取所述业务请求对应的算法链,包括:
判断所述业务请求对应的广告位是否存在,如果所述广告位存在,则从本地内存获取所述广告位对应的算法链;如果所述广告位不存在,则根据所述终端请求的业务从本地内存获取所述业务默认的算法链。
第二方面,提供了一种推荐方法,包括:
预先根据流量生成与业务请求对应的算法链;
将所述算法链发送给推荐引擎;
其中,所述算法链用于所述推荐引擎保存在内存中,且在收到终端的业务请求后计算出推荐结果并返回给所述终端。
其中,所述方法还包括:
接收所述推荐引擎监听到所述预先生成的算法链更新时发送的请求,将更新后的算法链通知给所述推荐引擎。
其中,预先根据流量生成与业务请求对应的算法链,包括:
预先根据终端标识或用户标识生成白名单,为每一个白名单配置一个对应的算法链;或者,
预先确定终端标识的范围或用户标识的范围,为每一个范围配置一个对应的算法链。
其中,所述方法还包括:
从数据库中收集用户根据所述推荐引擎返回的推荐结果执行操作的信息;
根据所述信息对已有的算法链进行调整。
第三方面,提供了一种推荐装置,所述装置包括:
接收模块,用于接收终端的业务请求;
获取模块,用于从本地内存获取所述业务请求对应的算法链,所述本地内存中存储的算法链为实时从服务器更新的算法链;
计算模块,用于根据所述业务请求对应的算法链计算出推荐结果;
发送模块,用于将所述推荐结果返回给所述终端。
其中,所述装置还包括:
接入层,用于监听所述服务器存储的算法链是否更新,当监听到所述服务器存储的算法链更新时,从所述服务器获取最新的算法链并更新至所述本地内存中。
其中,所述计算模块包括:
计算层,用于将所述算法链拆分成算法标识;
任务层,用于获取每一个算法标识对应的推荐算法,使用获取的每一个推荐算法分别计算出各自对应的推荐结果,按照预设的规则将得到的所有推荐结果合并处理为一个推荐结果。
其中,所述获取模块包括:
第一获取单元,用于根据所述业务请求判断所述终端的标识或用户的标识是否在预设的白名单内,如果在所述白名单内,则从本地内存获取所述白名单对应的算法链;如果不在所述白名单内,则判断所述终端的标识或用户的标识是否在预设的号码段内,如果在所述号码段内,则从本地内存获取所述号码段对应的算法链。如果不在所述号码段内,则从本地内存获取所述业务请求的广告位对应的算法链。
其中,所述获取模块包括:
第二获取单元,用于判断所述业务请求对应的广告位是否存在,如果所述广告位存在,则从本地内存获取所述广告位对应的算法链;如果所述广告位不存在,则根据所述终端请求的业务从本地内存获取所述业务默认的算法链。
第四方面,提供了一种推荐装置,所述装置包括:
生成模块,用于预先根据流量生成与业务请求对应的算法链;
发送模块,用于将所述算法链发送给推荐引擎;
其中,所述算法链用于所述推荐引擎保存在内存中,且在收到终端的业务请求后计算出推荐结果并返回给所述终端。
其中,所述装置还包括:
通知模块,用于接收所述推荐引擎监听到所述预先生成的算法链更新时发送的请求,将更新后的算法链通知给所述推荐引擎。
其中,所述生成模块包括:
第一生成单元,用于预先根据终端标识或用户标识生成白名单,为每一个白名单配置一个对应的算法链;或者,
第二生成单元,用于预先确定终端标识的范围或用户标识的范围,为每一个范围配置一个对应的算法链。
其中,所述装置还包括:
收集模块,用于从数据库中收集用户根据所述推荐引擎返回的推荐结果执行操作的信息;
调整模块,用于根据所述信息对已有的算法链进行调整。
本发明实施例提供的技术方案带来的有益效果是:通过接收终端的业务请求,从本地内存获取所述业务请求对应的算法链,所述本地内存中存储的算法链为实时从服务器更新的算法链,根据所述业务请求对应的算法链计算出推荐结果,将所述推荐结果返回给所述终端,该过程由于算法链保存在内存中且从服务器实时更新,无需每次重新加载配置文件,极大地提高了推荐的效率,也提升了用户满意度。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例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是本发明一实施例提供的推荐系统架构示意图;
图2是本发明另一实施例提供的推荐方法流程图;
图3是本发明另一实施例提供的推荐方法流程图;
图4是本发明另一实施例提供的推荐方法流程图;
图5是本发明另一实施例提供的推荐引擎监听服务器算法链是否更新的流程示意图;
图6a和图6b是本发明另一实施例提供的配置推荐参数的示意图;
图7是本发明另一实施例提供的配置后得到的推荐参数信息详情示意图;
图8是本发明另一实施例提供的推荐结果的统计示意图;
图9是本发明另一实施例提供的推荐装置结构图;
图10是本发明另一实施例提供的推荐装置结构图;
图11是本发明另一实施例提供的推荐引擎结构图;
图12是本发明另一实施例提供的服务器结构图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明实施方式作进一步地详细描述。
本发明实施例涉及推荐方法和装置,可以应用于如图1所示的系统架构中。参见图1,为本发明一实施例提供的推荐系统架构示意图。该系统至少包括:推荐引擎S1、服务器S2和终端S3。服务器S2用于对推荐算法进行配置并实时更新,可以为zookeeper服务器,即zk服务器,是一个分布式的、开放源码的分布式应用程序协调服务器。推荐引擎S1用于接收终端S3的业务请求,从服务器S2获取算法链并进行计算得出推荐结果返回给终端S3。优选地,推荐引擎S1可以划分为接入层、计算层(compute)和任务层(task),从而可以适应多流量场景,减轻系统负担。其中,接入层负责流量接入,计算层负责流量分发到任务层,任务层进行算法计算。各个层之间可以采用不同的编码协议,如Protobuf等等。
进一步地,该系统还可以包括数据库S4,在终端根据推荐结果执行操作时,可以接收并终端上报的信息,相应的,服务器S2可以从数据库S4获取该信息从而对已有推荐算法进行调整。另外,为了提高推荐的控制能力,还可以在服务器侧单独设置前台设备S5,该前台设备对推荐结果进行统计并进行可视化展示。
参见图2,本发明一实施例提供了一种推荐方法,包括:
101:接收终端的业务请求;
其中,终端请求的业务可以为任意业务,如“新闻”、“我的要闻”等等,本实施例对此不做具体限定。
102:从本地内存获取该业务请求对应的算法链,该本地内存中存储的算法链为实时从服务器更新的算法链;
其中,算法链可以具体为一个字符串,用来标识一个或一组算法,可以由服务器配置并存储,或者由前台设备配置并存储到服务器中,此处不限定。
103:根据该业务请求对应的算法链计算出推荐结果;
104:将该推荐结果返回给该终端。
本实施例提供的上述方法可以由推荐引擎来执行,推荐引擎使用内存来存储算法链,能够保证更新更及时高效,无需重新加载配置文件,极大地提高了效率。上述终端为用户侧设备,包括但不限于:计算机、手机、平板电脑等等。
本实施例中,可选的,该方法还包括:
接入层监听该服务器存储的算法链是否更新;
当监听到该服务器存储的算法链更新时,从该服务器获取最新的算法链并更新至该本地内存中。
本实施例中,可选的,根据该业务请求对应的算法链计算出推荐结果,包括:
计算层将该算法链拆分成算法标识;
任务层获取每一个算法标识对应的推荐算法,使用获取的每一个推荐算法分别计算出各自对应的推荐结果,按照预设的规则将得到的所有推荐结果合并处理为一个推荐结果。
本实施例中,可选的,从本地内存获取所述业务请求对应的算法链,包括:
根据所述业务请求判断所述终端的标识或用户的标识是否在预设的白名单内,如果在所述白名单内,则从本地内存获取所述白名单对应的算法链;如果不在所述白名单内,则判断所述终端的标识或用户的标识是否在预设的号码段内,如果在所述号码段内,则从本地内存获取所述号码段对应的算法链。如果不在所述号码段内,则从本地内存获取所述业务请求的广告位对应的算法链。
本实施例中,可选的,从本地内存获取所述业务请求对应的算法链,包括:
判断所述业务请求对应的广告位是否存在,如果所述广告位存在,则从本地内存获取所述广告位对应的算法链;如果所述广告位不存在,则根据所述终端请求的业务从本地内存获取所述业务默认的算法链。
本实施例提供的上述方法,通过接收终端的业务请求,从本地内存获取所述业务请求对应的算法链,所述本地内存中存储的算法链为实时从服务器更新的算法链,根据所述业务请求对应的算法链计算出推荐结果,将所述推荐结果返回给所述终端,该过程由于算法链保存在内存中且从服务器实时更新,无需每次重新加载配置文件,极大地提高了推荐的效率,也提升了用户满意度。
参见图3,本发明另一实施例提供了一种推荐方法,包括:
201:预先根据流量生成与业务请求对应的算法链;
202:将该算法链发送给推荐引擎;
其中,该算法链用于该推荐引擎保存在内存中,且在收到终端的业务请求后计算出推荐结果并返回给该终端。
本实施例提供的上述方法可以由服务器来执行。
本实施例中,可选的,该方法还包括:
接收该推荐引擎监听到该预先生成的算法链更新时发送的请求,将更新后的算法链通知给该推荐引擎。
本实施例中,可选的,预先根据流量生成与业务请求对应的算法链,包括:
预先根据终端标识或用户标识生成白名单,为每一个白名单配置一个对应的算法链;或者,
预先确定终端标识的范围或用户标识的范围,为每一个范围配置一个对应的算法链。
本实施例中,可选的,该方法还包括:
从数据库中收集用户根据该推荐引擎返回的推荐结果执行操作的信息;
根据该信息对已有的算法链进行调整。
本实施例提供的上述方法,通过预先根据流量生成与业务请求对应的算法链,将该算法链发送给推荐引擎,使得推荐引擎保存在内存中,且在收到终端的业务请求后计算出推荐结果并返回给终端,该过程由于算法链保存在推荐引擎的内存中,直接从内存获取算法链无需每次重新加载配置文件,极大地提高了推荐的效率,也提升了用户满意度。
参见图4,本发明另一实施例提供了一种推荐方法,包括:
301:服务器预先根据流量生成与业务请求对应的算法链;
其中,本步骤可以包括以下步骤:
服务器预先根据终端标识或用户标识生成白名单,为每一个白名单配置一个对应的算法链;或者,
服务预先确定终端标识的范围或用户标识的范围,为每一个范围配置一个对应的算法链。
302:服务器将该算法链发送给推荐引擎;
其中,该算法链用于该推荐引擎保存在内存中,且在收到终端的业务请求后计算出推荐结果并返回给该终端;
303:推荐引擎收到该算法链后将其保存在内存中;
本实施例中,可选的,该方法还包括:
推荐引擎的接入层监听该服务器存储的算法链是否更新,当监听到该服务器存储的算法链更新时,从该服务器获取最新的算法链并更新至该本地内存中。
例如,参见图5,为本发明另一实施例提供的推荐引擎监听服务器算法链是否更新的流程示意图。其中,推荐引擎的接入层的zk线程可以调用一个应用程序接口API来监听服务器的算法链是否更新,当服务器保存的算法链发生更新时,通过该API可以实时将最新的算法链回调至推荐引擎的接入层。
这种推荐引擎监听并及时更新算法链的方式,基本可以达到秒级更新,极大地提高了效率。
本实施例中,服务器在算法链更新时,还可以检测算法链格式的正确性,根据预设的算法链格式检测当前更新的算法链格式是否正确,如果正确再进行更新,如果错误,则不执行更新。例如,算法链的正确格式为如“E#C4001:1:1”所示,其中包括:一个字母,一个#号,一个子算法,以及两个“:”且顺序固定,如果不符合上述格式,则认为算法链格式错误。
304:推荐引擎接收终端的业务请求;
305:推荐引擎从本地内存获取该业务请求对应的算法链;
其中,本步骤可以包括以下步骤:
推荐引擎根据所述业务请求判断所述终端的标识或用户的标识是否在预设的白名单内,如果在所述白名单内,则从本地内存获取所述白名单对应的算法链;如果不在所述白名单内,则判断所述终端的标识或用户的标识是否在预设的号码段内,如果在所述号码段内,则从本地内存获取所述号码段对应的算法链。如果不在所述号码段内,则从本地内存获取所述业务请求的广告位对应的算法链。
或者,本步骤也可以包括:
判断所述业务请求对应的广告位是否存在,如果所述广告位存在,则从本地内存获取所述广告位对应的算法链;如果所述广告位不存在,则根据所述终端请求的业务从本地内存获取所述业务默认的算法链。
通常,在一个业务的执行过程中通常用户会浏览多个页面,其中,每一个页面就是一个广告位,服务器可以根据需要配置广告位对应的算法链,也可以配置业务对应的算法链。例如,用户在终端上进行网上购物,进入首页->购物页面->商品页面->购物车页面......其中,服务器可以分别设置首页、购物页面、商品页面、购物车页面等各个广告位对应的算法链,同时还可以设置网上购物这个业务对应的算法链,此处不限定。
另外,服务器设置多个算法链时,还可以根据需要设置各个算法链的优先级,如上述步骤中预先配置了算法链的优先级如下:白名单>号码段>广告位。当然,也可以配置成其他方式,此处不限定。通常,一个终端标识或者一个用户标识可以请求多个广告位,但是,在每一个广告位中该标识仅对应唯一的一个算法链。
本实施例中,推荐引擎可以支持多个广告位,例如,“要闻”和“我的要闻”两个广告位,分别用“1”和“2”两个数字来标识。当用户点击“要闻”请求推荐时,推荐引擎可以根据收到的业务请求消息中的广告位标识来判断当前请求的广告位是否存在。如果业务请求消息中携带广告位标识为“1”或“2”,则请求的广告位存在,因此,可以直接从内存获取该广告位对应的算法链。但是,如果由于某种错误导致广告位标识为“3”,则可以确定请求的广告位不存在,此时可以根据用户点击的“要闻”来获取该业务默认的算法链,达到了可以容忍一定错误的效果,从而可以提高容错能力。
306:推荐引擎根据该业务请求对应的算法链计算出推荐结果;
其中,本步骤可以具体包括:
推荐引擎的计算层将该算法链拆分成算法标识;
推荐引擎的任务层获取每一个算法标识对应的推荐算法,使用获取的每一个推荐算法分别计算出各自对应的推荐结果,按照预设的规则将得到的所有推荐结果合并处理为一个推荐结果。
其中,计算层可以将算法链进行拆分成若干个字母的形式,并将拆分得到的字母携带在消息中传输至任务层。任务层根据每个字母查找到各自对应的推荐算法,再分别按照各个推荐算法进行计算得到各自对应的推荐结果,然后再合并处理得到一个推荐结果。
例如,算法链拆分后得到字母"A"、“B”和“C”,分别对应推荐算法1、推荐算法2和推荐算法3,则分别计算后得到推荐结果1、推荐结果2和推荐结果3,最终按照预设的规则合并处理后得到一个最终的推荐结果。所述预设的规则可以根据需要设置,本实施例对此不做具体限定。
307:推荐引擎将该推荐结果返回给该终端;
308:服务器从数据库中收集用户根据该推荐引擎返回的推荐结果执行操作的信息,根据该信息对已有的算法链进行调整。
另外,推荐引擎的接入层在发送算法链至计算层时,还可以添加实验ID后一起发送。其中,算法链与实验ID组成实验参数标签一起发送至计算层。并且,该实验参数标签会一直携带至任务层。所述实验ID用于标识当前进行的推荐,具有唯一性,能够唯一标识一个推荐。
进一步地,在推荐引擎返回推荐结果给终端时,也可以携带该实验ID。相应的,在终端进行操作信息上报时,可以将该实验ID上报至数据库。具体地,终端上报的信息可以包括:实验ID、推荐结果、用户ID或终端ID、操作信息等。服务器在收集用户的操作信息时,根据该实验ID可以确定对应的推荐,在统计用户的操作信息后可以对该推荐的原有推荐算法进行调整。其中,对用户操作信息进行的统计,以及调整后的推荐算法等内容都可以展示在前台设备上,以方便查看和管理。
本实施例中,可选的,推荐引擎根据该业务请求对应的算法链计算出推荐结果,包括:
推荐引擎的计算层将该算法链拆分成算法标识,任务层获取每一个算法标识对应的推荐算法,使用获取的每一个推荐算法分别计算出各自对应的推荐结果,按照预设的规则将得到的所有推荐结果合并处理为一个推荐结果。
参见图6,为本发明另一实施例提供的配置推荐参数的示意图。在图6a中所示的界面上,可以在服务器上配置各种推荐参数,包括但不限于:实验业务、实验类型、实验时间、流量范围、分配方式等等。在图6b所示的界面上,可以配置分配方式,包括随机分流、qq白名单、qq号码段等等。参见图7,为经过上述配置后得到的推荐参数信息详情,如图所示各种信息已经列出。
参见图8,为本发明另一实施例提供的推荐结果的统计示意图。其中,各实验流量的统计曲线图中,如果曲线下降,则可以反映用户页面访问量是下降的,因此,可以确定用户可能不喜欢推荐内容,该推荐算法需要改进。如果曲线上升,则用户页面访问量上升,可以确定用户比较喜欢推荐内容,可以推广该推荐算法,加大该推荐算法的比重。
本实施例提供的上述方法,通过接收终端的业务请求,从本地内存获取所述业务请求对应的算法链,所述本地内存中存储的算法链为实时从服务器更新的算法链,根据所述业务请求对应的算法链计算出推荐结果,将所述推荐结果返回给所述终端,该过程由于算法链保存在内存中且从服务器实时更新,无需每次重新加载配置文件,极大地提高了推荐的效率,也提升了用户满意度。另外,可以快速选取不同流量如不同号码段请求的流量来进行推荐。而且,还可以从推荐结果中选取出合理的算法进行配置,保证了用户可以看到最优算法的推荐结果。
参见图9,本发明另一实施例提供了一种推荐装置,包括:
接收模块401,用于接收终端的业务请求;
获取模块402,用于从本地内存获取该业务请求对应的算法链,该本地内存中存储的算法链为实时从服务器更新的算法链;
计算模块403,用于根据该业务请求对应的算法链计算出推荐结果;
发送模块404,用于将该推荐结果返回给该终端。
本实施例中,可选的,该装置还包括:
接入层,用于监听该服务器存储的算法链是否更新,当监听到该服务器存储的算法链更新时,从该服务器获取最新的算法链并更新至该本地内存中。
本实施例中,可选的,该计算模块包括:
计算层,用于将该算法链拆分成算法标识;
任务层,用于获取每一个算法标识对应的推荐算法,使用获取的每一个推荐算法分别计算出各自对应的推荐结果,按照预设的规则将得到的所有推荐结果合并处理为一个推荐结果。
本实施例中,可选的,获取模块包括:
第一获取单元,用于根据所述业务请求判断所述终端的标识或用户的标识是否在预设的白名单内,如果在所述白名单内,则从本地内存获取所述白名单对应的算法链;如果不在所述白名单内,则判断所述终端的标识或用户的标识是否在预设的号码段内,如果在所述号码段内,则从本地内存获取所述号码段对应的算法链。如果不在所述号码段内,则从本地内存获取所述业务请求的广告位对应的算法链。
本实施例中,可选的,获取模块包括:
第二获取单元,用于判断所述业务请求对应的广告位是否存在,如果所述广告位存在,则从本地内存获取所述广告位对应的算法链;如果所述广告位不存在,则根据所述终端请求的业务从本地内存获取所述业务默认的算法链。
本实施例提供的上述装置可以应用于推荐引擎中,可以执行上述实施例提供的可以由推荐引擎执行的方法,此处不再赘述。
本实施例提供的上述装置,通过接收终端的业务请求,从本地内存获取所述业务请求对应的算法链,所述本地内存中存储的算法链为实时从服务器更新的算法链,根据所述业务请求对应的算法链计算出推荐结果,将所述推荐结果返回给所述终端,该过程由于算法链保存在内存中且从服务器实时更新,无需每次重新加载配置文件,极大地提高了推荐的效率,也提升了用户满意度。
参见图10,本发明另一实施例提供了一种推荐装置,包括:
生成模块501,用于预先根据流量生成与业务请求对应的算法链;
发送模块502,用于将该算法链发送给推荐引擎;
其中,该算法链用于该推荐引擎保存在内存中,且在收到终端的业务请求后计算出推荐结果并返回给该终端。
本实施例中,可选的,该装置还包括:
通知模块,用于接收该推荐引擎监听到该预先生成的算法链更新时发送的请求,将更新后的算法链通知给该推荐引擎。
本实施例中,可选的,该生成模块包括:
第一生成单元,用于预先根据终端标识或用户标识生成白名单,为每一个白名单配置一个对应的算法链;或者,
第二生成单元,用于预先确定终端标识的范围或用户标识的范围,为每一个范围配置一个对应的算法链。
本实施例中,可选的,该装置还包括:
收集模块,用于从数据库中收集用户根据该推荐引擎返回的推荐结果执行操作的信息;
调整模块,用于根据该信息对已有的算法链进行调整。
本实施例提供的上述装置可以应用于服务器中,可以执行上述实施例提供的可以由服务器执行的方法,此处不再赘述。
本实施例提供的上述装置,通过预先根据流量生成与业务请求对应的算法链,将该算法链发送给推荐引擎,使得推荐引擎保存在内存中,且在收到终端的业务请求后计算出推荐结果并返回给终端,该过程由于算法链保存在推荐引擎的内存中,直接从内存获取算法链无需每次重新加载配置文件,极大地提高了推荐的效率,也提升了用户满意度。
本发明另一实施例提供了一种推荐引擎,该推荐引擎可以用于执行上述实施例中提供的推荐方法。参见图11,该推荐引擎1900可因配置或性能不同而产生比较大的差异,可以包括一个或一个以上中央处理器(central processing units,CPU)1922(例如,一个或一个以上处理器)和存储器1932,一个或一个以上存储应用程序1942或数据1944的存储介质1930(例如一个或一个以上海量存储设备)。其中,存储器1932和存储介质1930可以是短暂存储或持久存储。存储在存储介质1930的程序可以包括一个或一个以上模块(图示没标出),每个模块可以包括对推荐引擎中的一系列指令操作。更进一步地,中央处理器1922可以设置为与存储介质1930通信,在推荐引擎1900上执行存储介质1930中的一系列指令操作。
推荐引擎1900还可以包括一个或一个以上电源1926,一个或一个以上有线或无线网络接口1950,一个或一个以上输入输出接口1958,和/或,一个或一个以上操作系统1941,例如Windows ServerTM,Mac OS XTM,UnixTM,LinuxTM,FreeBSDTM等等。
具体在本实施例中,经配置以由一个或者一个以上处理器执行所述一个或者一个以上程序包含用于进行以下操作的指令:
接收终端的业务请求;
从本地内存获取所述业务请求对应的算法链,所述本地内存中存储的算法链为实时从服务器更新的算法链;
根据所述业务请求对应的算法链计算出推荐结果;
将所述推荐结果返回给所述终端。
其中,还包括:
接入层监听所述服务器存储的算法链是否更新;
当监听到所述服务器存储的算法链更新时,从所述服务器获取最新的算法链并更新至所述本地内存中。
其中,根据所述业务请求对应的算法链计算出推荐结果,包括:
计算层将所述算法链拆分成算法标识;
任务层获取每一个算法标识对应的推荐算法,使用获取的每一个推荐算法分别计算出各自对应的推荐结果,按照预设的规则将得到的所有推荐结果合并处理为一个推荐结果。
其中,从本地内存获取所述业务请求对应的算法链,包括:
根据所述业务请求判断所述终端的标识或用户的标识是否在预设的白名单内,如果在所述白名单内,则从本地内存获取所述白名单对应的算法链;如果不在所述白名单内,则判断所述终端的标识或用户的标识是否在预设的号码段内,如果在所述号码段内,则从本地内存获取所述号码段对应的算法链。如果不在所述号码段内,则从本地内存获取所述业务请求的广告位对应的算法链。
其中,从本地内存获取所述业务请求对应的算法链,包括:
判断所述业务请求对应的广告位是否存在,如果所述广告位存在,则从本地内存获取所述广告位对应的算法链;如果所述广告位不存在,则根据所述终端请求的业务从本地内存获取所述业务默认的算法链。
本实施例提供的上述推荐引擎,通过接收终端的业务请求,从本地内存获取所述业务请求对应的算法链,所述本地内存中存储的算法链为实时从服务器更新的算法链,根据所述业务请求对应的算法链计算出推荐结果,将所述推荐结果返回给所述终端,该过程由于算法链保存在内存中且从服务器实时更新,无需每次重新加载配置文件,极大地提高了推荐的效率,也提升了用户满意度。
本发明另一实施例提供了一种非易失性可读存储介质,该存储介质中存储有一个或多个模块(programs),该一个或多个模块被应用在设备中时,可以使得该设备执行如下步骤的指令(instructions):
接收终端的业务请求;
从本地内存获取所述业务请求对应的算法链,所述本地内存中存储的算法链为实时从服务器更新的算法链;
根据所述业务请求对应的算法链计算出推荐结果;
将所述推荐结果返回给所述终端。
其中,还包括:
接入层监听所述服务器存储的算法链是否更新;
当监听到所述服务器存储的算法链更新时,从所述服务器获取最新的算法链并更新至所述本地内存中。
其中,根据所述业务请求对应的算法链计算出推荐结果,包括:
计算层将所述算法链拆分成算法标识;
任务层获取每一个算法标识对应的推荐算法,使用获取的每一个推荐算法分别计算出各自对应的推荐结果,按照预设的规则将得到的所有推荐结果合并处理为一个推荐结果。
其中,从本地内存获取所述业务请求对应的算法链,包括:
根据所述业务请求判断所述终端的标识或用户的标识是否在预设的白名单内,如果在所述白名单内,则从本地内存获取所述白名单对应的算法链;如果不在所述白名单内,则判断所述终端的标识或用户的标识是否在预设的号码段内,如果在所述号码段内,则从本地内存获取所述号码段对应的算法链。如果不在所述号码段内,则从本地内存获取所述业务请求的广告位对应的算法链。
其中,从本地内存获取所述业务请求对应的算法链,包括:
判断所述业务请求对应的广告位是否存在,如果所述广告位存在,则从本地内存获取所述广告位对应的算法链;如果所述广告位不存在,则根据所述终端请求的业务从本地内存获取所述业务默认的算法链。
本实施例提供的上述非易失性可读存储介质,通过接收终端的业务请求,从本地内存获取所述业务请求对应的算法链,所述本地内存中存储的算法链为实时从服务器更新的算法链,根据所述业务请求对应的算法链计算出推荐结果,将所述推荐结果返回给所述终端,该过程由于算法链保存在内存中且从服务器实时更新,无需每次重新加载配置文件,极大地提高了推荐的效率,也提升了用户满意度。
本发明另一实施例提供了一种服务器,该服务器可以用于执行上述实施例中提供的推荐方法。参见图12,该服务器1900可因配置或性能不同而产生比较大的差异,可以包括一个或一个以上中央处理器(central processing units,CPU)1922(例如,一个或一个以上处理器)和存储器1932,一个或一个以上存储应用程序1942或数据1944的存储介质1930(例如一个或一个以上海量存储设备)。其中,存储器1932和存储介质1930可以是短暂存储或持久存储。存储在存储介质1930的程序可以包括一个或一个以上模块(图示没标出),每个模块可以包括对服务器中的一系列指令操作。更进一步地,中央处理器1922可以设置为与存储介质1930通信,在服务器1900上执行存储介质1930中的一系列指令操作。
服务器1900还可以包括一个或一个以上电源1926,一个或一个以上有线或无线网络接口1950,一个或一个以上输入输出接口1958,和/或,一个或一个以上操作系统1941,例如Windows ServerTM,Mac OS XTM,UnixTM,LinuxTM,FreeBSDTM等等。
具体在本实施例中,经配置以由一个或者一个以上处理器执行所述一个或者一个以上程序包含用于进行以下操作的指令:
预先根据流量生成与业务请求对应的算法链;
将所述算法链发送给推荐引擎;
其中,所述算法链用于所述推荐引擎保存在内存中,且在收到终端的业务请求后计算出推荐结果并返回给所述终端。
其中,还包括:
接收所述推荐引擎监听到所述预先生成的算法链更新时发送的请求,将更新后的算法链通知给所述推荐引擎。
其中,预先根据流量生成与业务请求对应的算法链,包括:
预先根据终端标识或用户标识生成白名单,为每一个白名单配置一个对应的算法链;或者,
预先确定终端标识的范围或用户标识的范围,为每一个范围配置一个对应的算法链。
其中,还包括:
从数据库中收集用户根据所述推荐引擎返回的推荐结果执行操作的信息;
根据所述信息对已有的算法链进行调整。
本实施例提供的上述服务器,通过预先根据流量生成与业务请求对应的算法链,将该算法链发送给推荐引擎,使得推荐引擎保存在内存中,且在收到终端的业务请求后计算出推荐结果并返回给终端,该过程由于算法链保存在推荐引擎的内存中,直接从内存获取算法链无需每次重新加载配置文件,极大地提高了推荐的效率,也提升了用户满意度。
本发明另一实施例提供了一种非易失性可读存储介质,该存储介质中存储有一个或多个模块(programs),该一个或多个模块被应用在设备中时,可以使得该设备执行如下步骤的指令(instructions):
预先根据流量生成与业务请求对应的算法链;
将所述算法链发送给推荐引擎;
其中,所述算法链用于所述推荐引擎保存在内存中,且在收到终端的业务请求后计算出推荐结果并返回给所述终端。
其中,还包括:
接收所述推荐引擎监听到所述预先生成的算法链更新时发送的请求,将更新后的算法链通知给所述推荐引擎。
其中,预先根据流量生成与业务请求对应的算法链,包括:
预先根据终端标识或用户标识生成白名单,为每一个白名单配置一个对应的算法链;或者,
预先确定终端标识的范围或用户标识的范围,为每一个范围配置一个对应的算法链。
其中,还包括:
从数据库中收集用户根据所述推荐引擎返回的推荐结果执行操作的信息;
根据所述信息对已有的算法链进行调整。
本实施例提供的上述非易失性可读存储介质,通过预先根据流量生成与业务请求对应的算法链,将该算法链发送给推荐引擎,使得推荐引擎保存在内存中,且在收到终端的业务请求后计算出推荐结果并返回给终端,该过程由于算法链保存在推荐引擎的内存中,直接从内存获取算法链无需每次重新加载配置文件,极大地提高了推荐的效率,也提升了用户满意度。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成,也可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种非易失性可读存储介质中,所述非易失性可读存储介质可以是只读存储器,磁盘或光盘等。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (16)
1.一种推荐方法,其特征在于,所述方法包括:
接收终端的业务请求;
根据所述业务请求判断所述终端的标识或用户的标识是否在预设的白名单内,如果在所述白名单内,则从本地内存获取所述白名单对应的算法链;如果不在所述白名单内,则判断所述终端的标识或用户的标识是否在预设的号码段内,如果在所述号码段内,则从所述本地内存获取所述号码段对应的算法链,所述本地内存中存储的算法链为实时从服务器更新的算法链;
根据所述业务请求对应的算法链计算出推荐结果;
将所述推荐结果返回给所述终端。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
接入层监听所述服务器存储的算法链是否更新;
当监听到所述服务器存储的算法链更新时,从所述服务器获取最新的算法链并更新至所述本地内存中。
3.根据权利要求1所述的方法,其特征在于,根据所述业务请求对应的算法链计算出推荐结果,包括:
计算层将所述算法链拆分成算法标识;
任务层获取每一个算法标识对应的推荐算法,使用获取的每一个推荐算法分别计算出各自对应的推荐结果,按照预设的规则将得到的所有推荐结果合并处理为一个推荐结果。
4.根据权利要求1所述的方法,其特征在于,判断所述终端的标识或用户的标识是否在预设的号码段内之后,包括:
如果不在所述号码段内,则从本地内存获取所述业务请求的广告位对应的算法链。
5.根据权利要求1所述的方法,其特征在于,接收终端的业务请求后,包括:
判断所述业务请求对应的广告位是否存在,如果所述广告位存在,则从本地内存获取所述广告位对应的算法链;如果所述广告位不存在,则根据所述终端请求的业务从本地内存获取所述业务默认的算法链。
6.一种推荐方法,其特征在于,所述方法包括:
预先根据终端标识或用户标识生成白名单,为每一个白名单配置一个对应的算法链;或者,
预先确定终端标识的范围或用户标识的范围,为每一个范围配置一个对应的算法链;
将所述算法链发送给推荐引擎;
其中,所述算法链用于所述推荐引擎保存在内存中,且在收到终端的业务请求后计算出推荐结果并返回给所述终端。
7.根据权利要求6所述的方法,其特征在于,所述方法还包括:
接收所述推荐引擎监听到所述预先生成的算法链更新时发送的请求,将更新后的算法链通知给所述推荐引擎。
8.根据权利要求6所述的方法,其特征在于,所述方法还包括:
从数据库中收集用户根据所述推荐引擎返回的推荐结果执行操作的信息;
根据所述信息对已有的算法链进行调整。
9.一种推荐装置,其特征在于,所述装置包括:
接收模块,用于接收终端的业务请求;
获取模块,用于根据所述业务请求判断所述终端的标识或用户的标识是否在预设的白名单内,如果在所述白名单内,则从本地内存获取所述白名单对应的算法链;如果不在所述白名单内,则判断所述终端的标识或用户的标识是否在预设的号码段内,如果在所述号码段内,则从所述本地内存获取所述号码段对应的算法链,所述本地内存中存储的算法链为实时从服务器更新的算法链;
计算模块,用于根据所述业务请求对应的算法链计算出推荐结果;
发送模块,用于将所述推荐结果返回给所述终端。
10.根据权利要求9所述的装置,其特征在于,所述装置还包括:
接入层,用于监听所述服务器存储的算法链是否更新,当监听到所述服务器存储的算法链更新时,从所述服务器获取最新的算法链并更新至所述本地内存中。
11.根据权利要求9所述的装置,其特征在于,所述计算模块包括:
计算层,用于将所述算法链拆分成算法标识;
任务层,用于获取每一个算法标识对应的推荐算法,使用获取的每一个推荐算法分别计算出各自对应的推荐结果,按照预设的规则将得到的所有推荐结果合并处理为一个推荐结果。
12.根据权利要求9所述的装置,其特征在于,所述获取模块还用于:
如果不在所述号码段内,则从本地内存获取所述业务请求的广告位对应的算法链。
13.根据权利要求9所述的装置,其特征在于,所述获取模块,还用于判断所述业务请求对应的广告位是否存在,如果所述广告位存在,则从所述本地内存获取所述广告位对应的算法链;如果所述广告位不存在,则根据所述终端请求的业务从所述本地内存获取所述业务默认的算法链。
14.一种推荐装置,其特征在于,所述装置包括:
第一生成单元,用于预先根据终端标识或用户标识生成白名单,为每一个白名单配置一个对应的算法链;或者,
第二生成单元,用于预先确定终端标识的范围或用户标识的范围,为每一个范围配置一个对应的算法链;
发送模块,用于将所述算法链发送给推荐引擎;
其中,所述算法链用于所述推荐引擎保存在内存中,且在收到终端的业务请求后计算出推荐结果并返回给所述终端。
15.根据权利要求14所述的装置,其特征在于,所述装置还包括:
通知模块,用于接收所述推荐引擎监听到所述预先生成的算法链更新时发送的请求,将更新后的算法链通知给所述推荐引擎。
16.根据权利要求14所述的装置,其特征在于,所述装置还包括:
收集模块,用于从数据库中收集用户根据所述推荐引擎返回的推荐结果执行操作的信息;
调整模块,用于根据所述信息对已有的算法链进行调整。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510364037.7A CN105072139B (zh) | 2015-06-26 | 2015-06-26 | 推荐方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510364037.7A CN105072139B (zh) | 2015-06-26 | 2015-06-26 | 推荐方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105072139A CN105072139A (zh) | 2015-11-18 |
CN105072139B true CN105072139B (zh) | 2018-09-04 |
Family
ID=54501418
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510364037.7A Active CN105072139B (zh) | 2015-06-26 | 2015-06-26 | 推荐方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105072139B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105913273A (zh) * | 2015-12-14 | 2016-08-31 | 乐视网信息技术(北京)股份有限公司 | 智能推荐的全端显示方法及装置 |
CN106777253A (zh) * | 2016-12-27 | 2017-05-31 | 努比亚技术有限公司 | 一种词库的更新方法和装置 |
CN108874531B (zh) * | 2017-05-12 | 2021-08-03 | 北京京东尚科信息技术有限公司 | 用于熔断服务的方法、装置、系统及电子设备 |
CN107729523A (zh) * | 2017-10-27 | 2018-02-23 | 平安科技(深圳)有限公司 | 数据服务方法、电子装置及存储介质 |
CN111080929A (zh) * | 2019-12-31 | 2020-04-28 | 中国银行股份有限公司 | 一种自动柜员机的运行控制方法及装置 |
CN111368206A (zh) * | 2020-03-17 | 2020-07-03 | 深圳市前海随手数据服务有限公司 | 一种业务推荐方法、装置、服务器及存储介质 |
CN111611480B (zh) * | 2020-05-07 | 2024-05-24 | 广州酷狗计算机科技有限公司 | 推荐策略生成方法、装置、计算机设备及存储介质 |
CN113204702A (zh) * | 2021-04-23 | 2021-08-03 | Oppo广东移动通信有限公司 | 推荐方法、推荐系统及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1470014A (zh) * | 2001-01-10 | 2004-01-21 | 皇家菲利浦电子有限公司 | 用于优化视频处理算法链中的控制参数设置的系统和方法 |
CN101094335A (zh) * | 2006-06-20 | 2007-12-26 | 株式会社日立制作所 | 电视节目推荐设备和电视节目推荐方法 |
CN101271558A (zh) * | 2008-05-16 | 2008-09-24 | 华东师范大学 | 基于上下文信息的多策略商品推荐系统 |
CN103300850A (zh) * | 2013-04-19 | 2013-09-18 | 杭州电子科技大学 | 一种中风病人脑电信号采集与处理的方法 |
CN103678647A (zh) * | 2013-12-20 | 2014-03-26 | Tcl集团股份有限公司 | 一种实现信息推荐的方法及系统 |
-
2015
- 2015-06-26 CN CN201510364037.7A patent/CN105072139B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1470014A (zh) * | 2001-01-10 | 2004-01-21 | 皇家菲利浦电子有限公司 | 用于优化视频处理算法链中的控制参数设置的系统和方法 |
CN101094335A (zh) * | 2006-06-20 | 2007-12-26 | 株式会社日立制作所 | 电视节目推荐设备和电视节目推荐方法 |
CN101271558A (zh) * | 2008-05-16 | 2008-09-24 | 华东师范大学 | 基于上下文信息的多策略商品推荐系统 |
CN103300850A (zh) * | 2013-04-19 | 2013-09-18 | 杭州电子科技大学 | 一种中风病人脑电信号采集与处理的方法 |
CN103678647A (zh) * | 2013-12-20 | 2014-03-26 | Tcl集团股份有限公司 | 一种实现信息推荐的方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN105072139A (zh) | 2015-11-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105072139B (zh) | 推荐方法和装置 | |
US11221743B2 (en) | Information processing method, terminal, server, and computer storage medium | |
CN110601922B (zh) | 一种对照实验的实现方法、装置、电子设备和存储介质 | |
CN109729131B (zh) | 一种应用请求的处理方法、装置和路由器 | |
CN104022922B (zh) | 移动终端、心跳转发服务器以及心跳信息发送方法和系统 | |
CN112367345B (zh) | 数据处理方法、服务端设备及计算机可读存储介质 | |
CN103473107B (zh) | 一种基于移动中间件的交互界面动态更新的方法 | |
US20160358208A1 (en) | Method, device, system for displaying media data | |
US20190324794A1 (en) | Real-Time Data Processing Method and Apparatus | |
CN107357890A (zh) | 一种网页文件处理方法、装置及系统和存储设备 | |
CN108960587A (zh) | 置业顾问服务质量的评价方法、装置及可读存储介质 | |
CN105337841A (zh) | 一种信息处理方法和系统、客户端和服务器 | |
US9577900B1 (en) | Application centric network experience monitoring | |
CN104883705B (zh) | 一种数据业务投诉的问题定位方法及装置 | |
CN106294345A (zh) | 应用程序的日志内容的处理方法和装置 | |
CN109828883B (zh) | 任务数据处理方法和装置、存储介质及电子装置 | |
CN104462116B (zh) | 数据选择的方法及装置 | |
CN115951923B (zh) | 订阅事件管理方法、显示系统、设备和存储介质 | |
CN107395377A (zh) | 一种广播列表推送方法 | |
CN112182378A (zh) | 消息推送方法、装置、终端及介质 | |
CN104483880B (zh) | 一种数据采集方法及数据采集服务器 | |
CN110134547B (zh) | 一种基于中间件的重复数据删除方法和相关装置 | |
CN109688432B (zh) | 信息传输方法、装置和系统 | |
CN112711517A (zh) | 一种服务器性能监控方法、装置、存储介质及终端 | |
CN109388546B (zh) | 处理应用程序的故障的方法、装置和系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |