CN105740473A - 用户生成内容展示方法和装置 - Google Patents
用户生成内容展示方法和装置 Download PDFInfo
- Publication number
- CN105740473A CN105740473A CN201610143760.7A CN201610143760A CN105740473A CN 105740473 A CN105740473 A CN 105740473A CN 201610143760 A CN201610143760 A CN 201610143760A CN 105740473 A CN105740473 A CN 105740473A
- Authority
- CN
- China
- Prior art keywords
- user
- generated content
- content
- scoring
- generated
- 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.)
- Granted
Links
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
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/048—Interaction techniques based on graphical user interfaces [GUI]
- G06F3/0484—Interaction techniques based on graphical user interfaces [GUI] for the control of specific functions or operations, e.g. selecting or manipulating an object, an image or a displayed text element, setting a parameter value or selecting a range
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Human Computer Interaction (AREA)
- Information Transfer Between Computers (AREA)
Abstract
本发明涉及一种用户生成内容展示方法和装置,所述方法包括:获取在用于展示用户生成内容的页面触发的刷新指令;根据所述刷新指令获取推荐的用户生成内容;其中,推荐的用户生成内容是从按评分降序排序的用户生成内容序列中随机选中的,且评分越大的用户生成内容被选中的概率越大;将所述推荐的用户生成内容按照评分降序在所述页面中进行展示。本发明提供的用户生成内容展示方法和装置,可避免马太效应。而且展示用户生成内容时按照评分降序展示,可通过展示顺序反映出各个展示的用户生成内容之间的评分差异,为用户选择需查看的用户生成内容提供依据。
Description
技术领域
本发明涉及互联网技术领域,尤其涉及用户生成内容处理的技术领域,特别是涉及一种用户生成内容展示方法和装置。
背景技术
用户生成内容(UGC,UserGeneratedContent)是由用户参与生成的可独立传播、展示并播放的数据,比如用户自制的视频或者音频等。用户生成内容的数量是庞大的,而且不断会有新的用户生成内容生成,如何向用户展示这些数量庞大且不断更新的用户生成内容便是一个需要克服的问题。
目前,用户生成内容的一种展示方式是按照评论量将用户生成内容进行评分,并按照评分从高到低的顺序展示用户生成内容。然而,目前的用户生成内容展示方式会导致马太效应,热门的用户生成内容被优先展示并且会进一步增加评分,进而导致热门的用户生成内容一直排在前面,其它用户生成内容很难有机会被展示。
发明内容
基于此,有必要针对目前的用户生成内容展示方式会导致马太效应的问题,提供一种用户生成内容展示方法和装置。
一种用户生成内容展示方法,所述方法包括:
获取在用于展示用户生成内容的页面触发的刷新指令;
根据所述刷新指令获取推荐的用户生成内容;其中,推荐的用户生成内容是从按评分降序排序的用户生成内容序列中随机选中的,且评分越大的用户生成内容被选中的概率越大;
将所述推荐的用户生成内容按照评分降序在所述页面中进行展示。
一种用户生成内容展示装置,所述装置包括:
刷新指令获取模块,用于获取在用于展示用户生成内容的页面触发的刷新指令;
用户生成内容获取模块,用于根据所述刷新指令获取推荐的用户生成内容;其中,推荐的用户生成内容是从按评分降序排序的用户生成内容序列中随机选中的,且评分越大的用户生成内容被选中的概率越大;
展示模块,用于将所述推荐的用户生成内容按照评分降序在所述页面中进行展示。
上述用户生成内容展示方法和装置,每次在用于展示用户生成内容的页面触发刷新指令后,从按评分降序排序的用户生成内容序列中随机选中用户生成内容进行展示。评分高的用户生成内容被选中的概率大,被展示的机会大;评分低的用户生成内容被选中的概率小,但仍然有机会被展示,可避免马太效应。而且展示用户生成内容时按照评分降序展示,可通过展示顺序反映出各个展示的用户生成内容之间的评分差异,为用户选择需查看的用户生成内容提供依据。
附图说明
图1为一个实施例中推荐系统的应用环境图;
图2为一个实施例中终端的内部结构示意图;
图3为一个实施例中服务器的内部结构示意图;
图4为一个实施例中用户生成内容展示方法的流程示意图;
图5为一个实施例中终端显示的用户生成内容推荐页面的示意图;
图6为一个实施例中推荐用户生成内容的步骤的流程示意图;
图7为一个实施例中对用户生成内容的评分步骤的流程示意图;
图8为一个实施例中用户生成内容展示装置的结构框图;
图9为另一个实施例中用户生成内容展示装置的结构框图;
图10为再一个实施例中用户生成内容展示装置的结构框图;
图11为一个实施例中用户生成内容展示装置的结构框图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
如图1所示,在一个实施例中,提供了一种推荐系统,包括终端110和服务器120,其中终端110包括移动终端、车载设备和个人计算机等,移动终端包括手机、平板电脑、智能手表或者个人数字助理(PDA)等中的至少一种。服务器120可以是独立的物理服务器也可以是物理服务器集群。
如图2所示,在一个实施例中,提供了一种终端110,包括通过系统总线连接的处理器、非易失性存储介质、内存储器、网络接口、显示屏和输入设备。其中处理器具有计算功能和控制终端110工作的功能,该处理器被配置为执行一种用户生成内容展示方法。非易失性存储介质包括磁存储介质、光存储介质和闪存式存储介质中的至少一种。非易失性存储介质存储有操作系统,还存储有用户生成内容展示装置。该用户生成内容展示装置用于实现一种用户生成内容展示方法。网络接口用于通过网络连接到服务器120。输入设备可以是物理按键或者与显示屏重叠的触控层,触控层和显示屏构成触控屏。
如图3所示,在一个实施例中,提供了一种服务器120,包括通过系统总线连接的处理器、非易失性存储介质、内存储器和网络接口。其中处理器具有计算功能和控制服务器120工作的功能,该处理器被配置为执行一种用户生成内容推荐方法。非易失性存储介质包括磁存储介质、光存储介质和闪存式存储介质中的至少一种。非易失性存储介质存储有操作系统,还存储有用户生成内容推荐装置。该用户生成内容推荐装置用于实现一种用户生成内容推荐方法。网络接口用于通过网络连接到终端110。
如图4所示,在一个实施例中,提供了一种用户生成内容展示方法,本实施例以该方法应用于上述图1和图2中的终端110来举例说明,该终端110上运行有应用程序,通过该应用程序来实施该用户生成内容展示方法。该方法具体包括如下步骤:
步骤402,获取在用于展示用户生成内容的页面触发的刷新指令。
其中,用于展示用户生成内容的页面可以是专门展示推荐的用户生成内容的页面,如图5所示的用户生成内容推荐页面;用于展示用户生成内容的页面也可以是具有展示用户生成内容的局部区域的多功能页面。
具体地,终端可检测作用于页面的刷新操作,从而触发该刷新操作对应的刷新指令。刷新操作具体比如可以是点击刷新按钮的操作、从页面顶部下拉的操作或者在页面中的横向滑动操作等,刷新操作可通过应用程序预先定义。终端也可以在进入用于展示用户生成内容的页面时触发刷新指令,终端还可以定期在用于展示用户生成内容的页面触发刷新指令。
步骤404,根据刷新指令获取推荐的用户生成内容;其中,推荐的用户生成内容是从按评分降序排序的用户生成内容序列中随机选中的,且评分越大的用户生成内容被选中的概率越大。
其中,用户生成内容序列是在收集到已有的用户生成内容后,将各用户生成内容按照评分从大到小的顺序排序后获得的表示各用户生成内容的排序顺序的数据。该用户生成内容序列中的用户生成内容可用相应的用户生成内容标识来表示,用户生成内容标识是一串唯一的字符串。
具体地,终端可根据刷新指令生成推荐请求,将该推荐请求发送至服务器,由服务器根据该推荐请求从用户生成内容序列中随机选中指定数量的用户生成内容,将该指定数量的用户生成内容反馈给终端,终端则接收服务器所反馈的用户生成内容。其中指定数量可以是预先设定的,也可以是根据当前页面可容纳用户生成内容的区域的尺寸确定的。
终端也可以接收服务器推送的用户生成内容序列并在本地缓存该用户生成内容序列,从而在获取到刷新指令后,从本地缓存的用户生成内容序列中随机选中指定数量的用户生成内容。
在一个实施例中,用户生成内容序列中的用户生成内容可按照评分被映射为相应的数值区间,不同的用户生成内容所映射的数值区间之间没有交集,且评分越大相应数值区间的长度越长。终端或者服务器在获取推荐的用户生成内容时,可从确定用户生成内容序列所映射的所有数值区间的并集构成的取值范围内,在该取值范围内生成随机数,将该随机数所在数值区间所对应的用户生成内容作为推荐的用户生成内容。本实施例中,可从用户生成内容序列中随机选中推荐的用户生成内容,且评分越大的用户生成内容被选中的概率越大。
在一个实施例中,终端或者服务器可在取值范围内逐个生成随机数并获取相应数值区间对应的用户生成内容;若生成的随机数与已生成的随机数属于相同数值区间则重新生成随机数,直至获得指定数量的用户生成内容。
步骤406,将推荐的用户生成内容按照评分降序在页面中进行展示。
具体地,推荐的用户生成内容取自用户生成内容序列,推荐的用户生成内容可按照其在用户生成内容序列的位置进行组织排列,将推荐的用户生成内容按照该组织排列进行展示后,推荐的用户生成内容自然按照评分从高到低的顺序展示。
在一个实施例中,推荐的用户生成内容携带有相应的评分,则终端可获取各推荐的用户生成内容所携带的评分,按照评分从高到低的顺序将推荐的用户生成内容排序后进行展示。
上述用户生成内容展示方法,每次在用于展示用户生成内容的页面触发刷新指令后,从按评分降序排序的用户生成内容序列中随机选中用户生成内容进行展示。评分高的用户生成内容被选中的概率大,被展示的机会大;评分低的用户生成内容被选中的概率小,但仍然有机会被展示,可避免马太效应。而且展示用户生成内容时按照评分降序展示,可通过展示顺序反映出各个展示的用户生成内容之间的评分差异,为用户选择需查看的用户生成内容提供依据。
如图6所示,在一个实施例中,推荐的用户生成内容通过推荐用户生成内容的步骤生成,该推荐用户生成内容的步骤可由终端或者服务器执行,本实施例以该步骤在服务器执行来举例说明。该推荐用户生成内容的步骤具体包括如下步骤:
步骤602,按照排序顺序遍历用户生成内容序列。
具体地,服务器可在接收到终端发起的推荐请求后,从按评分降序排序的用户生成内容序列中排第一位的用户生成内容起逐个遍历,针对每个遍历的用户生成内容进行步骤604以及步骤606的处理。
步骤604,根据配置的随机选中概率判断遍历的用户生成内容是否被选中。
具体地,服务器可获取预先配置的随机选中概率,并在遍历用户生成内容序列中的每个用户生成内容时,根据该随机选中概率计算当前遍历的用户生成内容是否被选中。比如若随机选中概率为20%,则当前遍历的用户生成内容有20%的概率被判定为被选中。随机选中概率可由运营人员根据需要设置,该随机选中概率可被配置为大于用户生成内容序列中用户生成内容总数的倒数。
步骤606,获取判断为被选中的用户生成内容,直至获取到指定数量的用户生成内容时停止遍历。
具体地,若当前遍历的用户生成内容被选中,则服务器可将当前遍历的用户生成内容加入已选中用户生成内容集合,并继续遍历用户生成内容序列;若当前遍历的用户生成内容未被选中,则直接继续遍历用户生成内容序列。如果已选中用户生成内容集合中用户生成内容的数量达到指定数量,服务器停止遍历,并反馈已选中用户生成内容集合至终端。
本实施例中,通过遍历用户生成内容序列,也就是按照评分从高到低的顺序遍历用户生成内容,逐个判断遍历的用户生成内容是否被选中来获取推荐的用户生成内容,优先处理评分高的用户生成内容,保证评分高的用户生成内容被优先选中,在随机选择用户生成内容的同时保留评分高低的特性。
在一个实施例中,该用户生成内容展示方法还包括:根据刷新指令获取曝光次数小于预设次数的置顶数据。且步骤406具体包括:在页面中置顶区域处展示置顶数据,并在展示的置顶数据之后将推荐的用户生成内容按照评分降序进行展示。
具体地,终端可在获取到刷新指令后生成推荐请求,并将推荐请求发送至服务器,由服务器根据推荐请求获取置顶数据以及推荐的用户生成内容,并将置顶数据和推荐的用户生成内容反馈至终端。终端则在接收到服务器反馈的置顶数据和推荐的用户生成内容后,将置顶数据置顶展示,并在置顶展示的置顶数据之后继续展示推荐的用户生成内容,且推荐的用户生成内容按照评分从高到低的顺序排序展示。
其中,置顶数据可以包括通知消息、第三方广告信息以及用户生成内容中的至少一种。置顶数据的曝光次数是指置顶数据被展示的次数,可通过设置预设次数来控制置顶数据的展示机会。置顶数据可从曝光次数小于预设次数的置顶数据集合中按顺序或者随机选择。页面的置顶区域是专门展示置顶数据的区域,可以位于页面的顶端,也可以位于页面左端等显著部位。
本实施例中,在推荐用户生成内容的同时可推荐置顶数据,且置顶数据与用户生成内容的推荐策略不同,可向用户展示更加丰富的内容,传达更多有用信息量。
如图7所示,在一个实施例中,用户生成内容序列中各用户生成内容的评分通过对用户生成内容的评分步骤获得,该对用户生成内容的评分步骤具体包括如下步骤:
步骤702,收集已有的用户生成内容和相应的质量量化数据。
具体地,服务器可从多个渠道收集已有的用户生成内容以及每个用户生成内容对应的质量量化数据,比如可通过应用程序自身、网页CGI(CommonGatewayInterface,通用网关接口)以及服务器后台等多个渠道。
其中,质量量化数据是指衡量用户生成内容质量的量化数据。在一个实施例中,质量量化数据包括相应用户生成内容的曝光量、播放量以及评论量等。用户生成内容的曝光量是指用户生成内容被展示的次数,播放量则是指用户生成内容被播放的次数,评论量是指用户生成内容被评论的次数。评论量包括点赞量和留言评论量等。
在一个实施例中,质量量化数据包括封面质量量化数据和内容质量量化数据。其中,封面质量量化数据是指用户生成内容被展示时显示的信息的质量量化数据,如视频截图和/或内容介绍等信息。内容质量量化数据则是展示的用户生成内容的内含内容的质量量化数据,一般在用户生成内容被播放后才能获得相应的内容质量量化数据。
步骤704,根据质量量化数据获得收集的用户生成内容的基础分值。
具体地,服务器可采用预设函数对质量量化数据进行运算而获得相应用户生成内容的基础分值,该基础分值反映了用户生成内容本省的质量好坏。服务器具体可定期执行步骤704,也可以在收集的用户生成内容的质量量化数据满足预设数量条件时执行步骤704。其中预设数量条件可以是收集的一种或几种质量量化数据的数量达到预设数量。
在一个实施例中,质量量化数据包括封面质量量化数据和内容质量量化数据。步骤704具体包括:将封面质量量化数据和内容质量量化数据按照相应的正权重加权求和,获得相应的用户生成内容的基础分值。本实施例中,将封面质量量化数据和内容质量量化数据按照相应的正权重加权求和,获得相应的用户生成内容的基础分值,使得基础分值可以反映出用户生成内容在展示形式和内含内容不同方面的质量,从而使得最终评分更加精确。
具体地,服务器可采用以下公式(1)来计算收集的用户生成内容的基础分值:
BaseScore=a*(PlayNum/ExposureNum)+b*(CommentNum/PlayNum)+c*(LikeNum/PlayNum)公式(1)
其中,BaseScore为用户生成内容的基础分值,PlayNum为用户生成内容对应的播放量,ExposureNum为用户生成内容对应的曝光量,CommentNum为用户生成内容对应的他人留言评论量,LikeNum为用户生成内容对应的点赞量,a、b和c是正的权重。
在一个实施例中,封面质量量化数据包括相应用户生成内容对应的播放量和曝光量之间的比值,如上述公式(1)中的PlayNum/ExposureNum。内容质量量化数据包括相应用户生成内容对应的评论量和播放量之间的比值,如上述公式(1)中的CommentNum/PlayNum和LikeNum/PlayNum。
步骤706,根据基础分值获得收集的用户生成内容的评分。
具体地,服务器可将基础分值直接作为相应的用户生成内容的评分,也可以将用户生成内容的基础分值乘以正的系数作为相应的用户生成内容的评分。
在一个实施例中,步骤706具体包括:将基础分值按照相应用户生成内容发起方的用户类型和/或相应用户生成内容的时间衰减系数进行加权处理,获得相应用户生成内容的评分。
在一个实施例中,服务器具体可根据以下公式(2)来计算用户生成内容的评分:
LastScore=BaseScore*StarScore公式(2)
其中,LastScore表示用户生成内容的评分,BaseScore为用户生成内容的基础分值,StarScore为用户生成内容发起方的用户类型,且StarScore=3(达人用户)或者10(明星用户)或者1(普通用户)。
本实施例中,在计算评分时考虑了用户生成内容发起方的用户类型,对不同类型的用户发起的用户生成内容进行不同的加权处理,使得最终的评分可以反映出用户类型的不同。
如公式(2)中,明星用户是根据现实世界身份认定的用户类型,达人用户则是根据用户的网络行为认定的用户类型,普通用户则是默认的用户类型。明星用户和达人用户本身具有号召力,其发起的用户生成内容会更受关注,因此赋予更高的评分。
在一个实施例中,服务器具体可根据以下公式(3)来计算用户生成内容的评分:
LastScore=BaseScore/TimeScore公式(3)
其中,LastScore表示用户生成内容的评分,BaseScore为用户生成内容的基础分值,1/TimeScore表示相应用户生成内容的时间衰减系数,TimeScore则是用户生成内容的时间系数。
TimeScore与用户生成内容的发起时间到当前时间的时间长度T正相关,比如若T<=12小时,则TimeScore=1;若12小时<T<=24小时,则TimeScore=12;若24小时<T<=72小时,则TimeScore=24;若72小时<T<=168小时,则TimeScore=72;若T>168小时,则TimeScore=168。
本实施例中,利用时间衰减系数来对基础分值进行加权处理,获得相应的评分,使得评分能够反映出用户生成内容的更新,避免马太效应。而且用户能够不断看到新的用户生成内容,直观感受到用户活跃度。
在一个实施例中,服务器具体可根据以下公式(4)来计算用户生成内容的评分:
LastScore=BaseScore*StarScore/TimeScore公式(4)
其中,LastScore表示用户生成内容的评分,BaseScore为用户生成内容的基础分值,StarScore为用户生成内容发起方的用户类型,1/TimeScore表示相应用户生成内容的时间衰减系数,TimeScore则是用户生成内容的时间系数。
本实施例中,通过时间衰减系数的加权处理,使得评分可以反映出用户生成内容的更新,用户每次可刷新到不同的新的用户生成内容,有新鲜感,而且新的用户生成内容都有曝光机会。通过用户类型的加权处理,使得最终的评分可以反映出用户类型的不同,明星用户或者达人用户等的用户生成内容有更大概率被展示。而且,结合上述公式(1),即使是普通用户,若发起的用户生成内容较新而且曝光量较大,也能获得很高的评分,普通用户的优秀用户生成内容也能够脱颖而出,成为热门用户生成内容。
在一个实施例中,提供了一种用户生成内容推荐方法,包括:接收推荐请求;根据推荐请求获取推荐的用户生成内容;其中,推荐的用户生成内容是从按评分降序排序的用户生成内容序列中随机选中的,且评分越大的用户生成内容被选中的概率越大;反馈推荐的用户生成内容。
在一个实施例中,根据推荐请求获取推荐的用户生成内容包括:根据推荐请求,按照排序顺序遍历用户生成内容序列;根据配置的随机选中概率判断遍历的用户生成内容是否被选中;获取判断为被选中的用户生成内容,直至获取到指定数量的用户生成内容时停止遍历。
在一个实施例中,该用户生成内容推荐方法还包括:根据推荐请求获取曝光次数小于预设次数的置顶数据并反馈。
在一个实施例中,该用户生成内容推荐方法还包括:收集已有的用户生成内容和相应的质量量化数据;根据质量量化数据获得收集的用户生成内容的基础分值;根据基础分值获得收集的用户生成内容的评分。
在一个实施例中,质量量化数据包括封面质量量化数据和内容质量量化数据;根据质量量化数据获得收集的用户生成内容的基础分值,包括:将封面质量量化数据和内容质量量化数据按照相应的正权重加权求和,获得相应的用户生成内容的基础分值。
在一个实施例中,封面质量量化数据包括相应用户生成内容对应的播放量和曝光量之间的比值;内容质量量化数据包括相应用户生成内容对应的评论量和播放量之间的比值。
在一个实施例中,根据基础分值获得收集的用户生成内容的评分,包括:将基础分值按照相应用户生成内容发起方的用户类型和/或相应用户生成内容的时间衰减系数进行加权处理,获得相应用户生成内容的评分。
上述用户生成内容推荐方法,推荐用户生成内容时,评分高的用户生成内容被选中的概率大,被展示的机会大;评分低的用户生成内容被选中的概率小,但仍然有机会被展示,可避免马太效应。
如图8所示,在一个实施例中,提供了一种用户生成内容展示装置800,包括:刷新指令获取模块801、用户生成内容获取模块802和展示模块803。
刷新指令获取模块801,用于获取在用于展示用户生成内容的页面触发的刷新指令。
其中,用于展示用户生成内容的页面可以是专门展示推荐的用户生成内容的页面,如图5所示的用户生成内容推荐页面;用于展示用户生成内容的页面也可以是具有展示用户生成内容的局部区域的多功能页面。
具体地,刷新指令获取模块801可检测作用于页面的刷新操作,从而触发该刷新操作对应的刷新指令。刷新操作具体比如可以是点击刷新按钮的操作、从页面顶部下拉的操作或者在页面中的横向滑动操作等,刷新操作可通过应用程序预先定义。刷新指令获取模块801也可以在进入用于展示用户生成内容的页面时触发刷新指令,刷新指令获取模块801还可以定期在用于展示用户生成内容的页面触发刷新指令。
用户生成内容获取模块802,用于根据刷新指令获取推荐的用户生成内容;其中,推荐的用户生成内容是从按评分降序排序的用户生成内容序列中随机选中的,且评分越大的用户生成内容被选中的概率越大。
其中,用户生成内容序列是在收集到已有的用户生成内容后,将各用户生成内容按照评分从大到小的顺序排序后获得的表示各用户生成内容的排序顺序的数据。该用户生成内容序列中的用户生成内容可用相应的用户生成内容标识来表示,用户生成内容标识是一串唯一的字符串。
具体地,用户生成内容获取模块802可根据刷新指令生成推荐请求,将该推荐请求发送至服务器,当服务器根据该推荐请求从用户生成内容序列中随机选中指定数量的用户生成内容并将该指定数量的用户生成内容反馈后,用户生成内容获取模块802则接收服务器所反馈的用户生成内容。其中指定数量可以是预先设定的,也可以是根据当前页面可容纳用户生成内容的区域的尺寸确定的。
用户生成内容获取模块802也可以接收服务器推送的用户生成内容序列并在本地缓存该用户生成内容序列,从而在获取到刷新指令后,从本地缓存的用户生成内容序列中随机选中指定数量的用户生成内容。
在一个实施例中,用户生成内容序列中的用户生成内容可按照评分被映射为相应的数值区间,不同的用户生成内容所映射的数值区间之间没有交集,且评分越大相应数值区间的长度越长。用户生成内容获取模块802在获取推荐的用户生成内容时,可从确定用户生成内容序列所映射的所有数值区间的并集构成的取值范围内,在该取值范围内生成随机数,将该随机数所在数值区间所对应的用户生成内容作为推荐的用户生成内容。本实施例中,可从用户生成内容序列中随机选中推荐的用户生成内容,且评分越大的用户生成内容被选中的概率越大。
在一个实施例中,用户生成内容获取模块802可在取值范围内逐个生成随机数并获取相应数值区间对应的用户生成内容;若生成的随机数与已生成的随机数属于相同数值区间则重新生成随机数,直至获得指定数量的用户生成内容。
展示模块803,用于将推荐的用户生成内容按照评分降序在页面中进行展示。
具体地,推荐的用户生成内容取自用户生成内容序列,推荐的用户生成内容可按照其在用户生成内容序列的位置进行组织排列,将推荐的用户生成内容按照该组织排列进行展示后,推荐的用户生成内容自然按照评分从高到低的顺序展示。
在一个实施例中,推荐的用户生成内容携带有相应的评分,则展示模块803可获取各推荐的用户生成内容所携带的评分,按照评分从高到低的顺序将推荐的用户生成内容排序后进行展示。
上述用户生成内容展示装置800,每次在用于展示用户生成内容的页面触发刷新指令后,从按评分降序排序的用户生成内容序列中随机选中用户生成内容进行展示。评分高的用户生成内容被选中的概率大,被展示的机会大;评分低的用户生成内容被选中的概率小,但仍然有机会被展示,可避免马太效应。而且展示用户生成内容时按照评分降序展示,可通过展示顺序反映出各个展示的用户生成内容之间的评分差异,为用户选择需查看的用户生成内容提供依据。
如图9所示,在一个实施例中,用户生成内容展示装置800还包括用户生成内容序列遍历模块804、判断模块805和选中用户生成内容处理模块806。
用户生成内容序列遍历模块804,用于根据刷新指令,按照排序顺序遍历用户生成内容序列。
判断模块805,用于根据配置的随机选中概率判断遍历的用户生成内容是否被选中。
具体地,判断模块805可获取预先配置的随机选中概率,并在遍历用户生成内容序列中的每个用户生成内容时,根据该随机选中概率计算当前遍历的用户生成内容是否被选中。比如若随机选中概率为20%,则当前遍历的用户生成内容有20%的概率被判定为被选中。随机选中概率可由运营人员根据需要设置,该随机选中概率可被配置为大于用户生成内容序列中用户生成内容总数的倒数。
选中用户生成内容处理模块806,用于获取判断为被选中的用户生成内容,直至获取到指定数量的用户生成内容时停止遍历。
具体地,若当前遍历的用户生成内容被选中,则选中用户生成内容处理模块806可将当前遍历的用户生成内容加入已选中用户生成内容集合,用户生成内容序列遍历模块804继续遍历用户生成内容序列;若当前遍历的用户生成内容未被选中,则用户生成内容序列遍历模块804直接继续遍历用户生成内容序列。如果已选中用户生成内容集合中用户生成内容的数量达到指定数量,用户生成内容序列遍历模块804停止遍历,获取到指定数量的用户生成内容。
本实施例中,通过遍历用户生成内容序列,也就是按照评分从高到低的顺序遍历用户生成内容,逐个判断遍历的用户生成内容是否被选中来获取推荐的用户生成内容,优先处理评分高的用户生成内容,保证评分高的用户生成内容被优先选中,在随机选择用户生成内容的同时保留评分高低的特性。
如图10所示,在一个实施例中,用户生成内容展示装置800还包括:置顶数据获取模块807,用于根据刷新指令获取曝光次数小于预设次数的置顶数据。
展示模块803具体用于在页面中置顶区域处展示置顶数据,并在展示的置顶数据之后将推荐的用户生成内容按照评分降序进行展示。
具体地,置顶数据获取模块807可在获取到刷新指令后生成推荐请求,并将推荐请求发送至服务器,由服务器根据推荐请求获取置顶数据以及推荐的用户生成内容,并将置顶数据和推荐的用户生成内容反馈至终端。展示模块803则在接收到服务器反馈的置顶数据和推荐的用户生成内容后,将置顶数据置顶展示,并在置顶展示的置顶数据之后继续展示推荐的用户生成内容,且推荐的用户生成内容按照评分从高到低的顺序排序展示。
其中,置顶数据可以包括通知消息、第三方广告信息以及用户生成内容中的至少一种。置顶数据的曝光次数是指置顶数据被展示的次数,可通过设置预设次数来控制置顶数据的展示机会。置顶数据可从曝光次数小于预设次数的置顶数据集合中按顺序或者随机选择。页面的置顶区域是专门展示置顶数据的区域,可以位于页面的顶端,也可以位于页面左端等显著部位。
本实施例中,在推荐用户生成内容的同时可推荐置顶数据,且置顶数据与用户生成内容的推荐策略不同,可向用户展示更加丰富的内容,传达更多有用信息量。
如图11所示,在一个实施例中,用户生成内容展示装置800还包括:收集模块808、基础分值获取模块809和评分模块810。
收集模块808,用于收集已有的用户生成内容和相应的质量量化数据。
具体地,收集模块808可从多个渠道收集已有的用户生成内容以及每个用户生成内容对应的质量量化数据,比如可通过应用程序自身、网页CGI(CommonGatewayInterface,通用网关接口)以及服务器后台等多个渠道。
其中,质量量化数据是指衡量用户生成内容质量的量化数据。在一个实施例中,质量量化数据包括相应用户生成内容的曝光量、播放量以及评论量等。用户生成内容的曝光量是指用户生成内容被展示的次数,播放量则是指用户生成内容被播放的次数,评论量是指用户生成内容被评论的次数。评论量包括点赞量和留言评论量等。
在一个实施例中,质量量化数据包括封面质量量化数据和内容质量量化数据。其中,封面质量量化数据是指用户生成内容被展示时显示的信息的质量量化数据,如视频截图和/或内容介绍等信息。内容质量量化数据则是展示的用户生成内容的内含内容的质量量化数据,一般在用户生成内容被播放后才能获得相应的内容质量量化数据。
基础分值获取模块809,用于根据质量量化数据获得收集的用户生成内容的基础分值。
具体地,服务器可采用预设函数对质量量化数据进行运算而获得相应用户生成内容的基础分值,该基础分值反映了用户生成内容本省的质量好坏。基础分值获取模块809可定期根据质量量化数据获得收集的用户生成内容的基础分值,也可以在收集的用户生成内容的质量量化数据满足预设数量条件时根据质量量化数据获得收集的用户生成内容的基础分值。其中预设数量条件可以是收集的一种或几种质量量化数据的数量达到预设数量。
在一个实施例中,质量量化数据包括封面质量量化数据和内容质量量化数据。基础分值获取模块809具体用于将封面质量量化数据和内容质量量化数据按照相应的正权重加权求和,获得相应的用户生成内容的基础分值。本实施例中,将封面质量量化数据和内容质量量化数据按照相应的正权重加权求和,获得相应的用户生成内容的基础分值,使得基础分值可以反映出用户生成内容在展示形式和内含内容不同方面的质量,从而使得最终评分更加精确。
具体地,基础分值获取模块809可采用以下公式(1)来计算收集的用户生成内容的基础分值:
BaseScore=a*(PlayNum/ExposureNum)+b*(CommentNum/PlayNum)+c*(LikeNum/PlayNum)公式(1)
其中,BaseScore为用户生成内容的基础分值,PlayNum为用户生成内容对应的播放量,ExposureNum为用户生成内容对应的曝光量,CommentNum为用户生成内容对应的他人留言评论量,LikeNum为用户生成内容对应的点赞量,a、b和c是正的权重。
在一个实施例中,封面质量量化数据包括相应用户生成内容对应的播放量和曝光量之间的比值,如上述公式(1)中的PlayNum/ExposureNum。内容质量量化数据包括相应用户生成内容对应的评论量和播放量之间的比值,如上述公式(1)中的CommentNum/PlayNum和LikeNum/PlayNum。
评分模块810,用于根据基础分值获得收集的用户生成内容的评分。
具体地,评分模块810可将基础分值直接作为相应的用户生成内容的评分,也可以将用户生成内容的基础分值乘以正的系数作为相应的用户生成内容的评分。
在一个实施例中,评分模块810具体用于将基础分值按照相应用户生成内容发起方的用户类型和/或相应用户生成内容的时间衰减系数进行加权处理,获得相应用户生成内容的评分。
在一个实施例中,评分模块810具体可根据以下公式(2)来计算用户生成内容的评分:
LastScore=BaseScore*StarScore公式(2)
其中,LastScore表示用户生成内容的评分,BaseScore为用户生成内容的基础分值,StarScore为用户生成内容发起方的用户类型,且StarScore=3(达人用户)或者10(明星用户)或者1(普通用户)。
本实施例中,在计算评分时考虑了用户生成内容发起方的用户类型,对不同类型的用户发起的用户生成内容进行不同的加权处理,使得最终的评分可以反映出用户类型的不同。
如公式(2)中,明星用户是根据现实世界身份认定的用户类型,达人用户则是根据用户的网络行为认定的用户类型,普通用户则是默认的用户类型。明星用户和达人用户本身具有号召力,其发起的用户生成内容会更受关注,因此赋予更高的评分。
在一个实施例中,评分模块810具体可根据以下公式(3)来计算用户生成内容的评分:
LastScore=BaseScore/TimeScore公式(3)
其中,LastScore表示用户生成内容的评分,BaseScore为用户生成内容的基础分值,1/TimeScore表示相应用户生成内容的时间衰减系数,TimeScore则是用户生成内容的时间系数。
TimeScore与用户生成内容的发起时间到当前时间的时间长度T正相关,比如若T<=12小时,则TimeScore=1;若12小时<T<=24小时,则TimeScore=12;若24小时<T<=72小时,则TimeScore=24;若72小时<T<=168小时,则TimeScore=72;若T>168小时,则TimeScore=168。
本实施例中,利用时间衰减系数来对基础分值进行加权处理,获得相应的评分,使得评分能够反映出用户生成内容的更新,避免马太效应。而且用户能够不断看到新的用户生成内容,直观感受到用户活跃度。
在一个实施例中,评分模块810具体可根据以下公式(4)来计算用户生成内容的评分:
LastScore=BaseScore*StarScore/TimeScore公式(4)
其中,LastScore表示用户生成内容的评分,BaseScore为用户生成内容的基础分值,StarScore为用户生成内容发起方的用户类型,1/TimeScore表示相应用户生成内容的时间衰减系数,TimeScore则是用户生成内容的时间系数。
本实施例中,通过时间衰减系数的加权处理,使得评分可以反映出用户生成内容的更新,用户每次可刷新到不同的新的用户生成内容,有新鲜感,而且新的用户生成内容都有曝光机会。通过用户类型的加权处理,使得最终的评分可以反映出用户类型的不同,明星用户或者达人用户等的用户生成内容有更大概率被展示。而且,结合上述公式(1),即使是普通用户,若发起的用户生成内容较新而且曝光量较大,也能获得很高的评分,普通用户的优秀用户生成内容也能够脱颖而出,成为热门用户生成内容。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,该计算机程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,前述的存储介质可为磁碟、光盘、只读存储记忆体(Read-OnlyMemory,ROM)等非易失性存储介质,或随机存储记忆体(RandomAccessMemory,RAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (14)
1.一种用户生成内容展示方法,所述方法包括:
获取在用于展示用户生成内容的页面触发的刷新指令;
根据所述刷新指令获取推荐的用户生成内容;其中,推荐的用户生成内容是从按评分降序排序的用户生成内容序列中随机选中的,且评分越大的用户生成内容被选中的概率越大;
将所述推荐的用户生成内容按照评分降序在所述页面中进行展示。
2.根据权利要求1所述的方法,其特征在于,所述推荐的用户生成内容通过以下步骤获得,包括:
按照排序顺序遍历所述用户生成内容序列;
根据配置的随机选中概率判断遍历的用户生成内容是否被选中;
获取判断为被选中的用户生成内容,直至获取到指定数量的用户生成内容时停止遍历。
3.根据权利要求1所述的方法,其特征在于,所述方法还包括:
根据所述刷新指令获取曝光次数小于预设次数的置顶数据;
所述将所述推荐的用户生成内容按照评分降序在所述页面中进行展示,包括:
在所述页面中置顶区域处展示所述置顶数据,并在展示的置顶数据之后将所述推荐的用户生成内容按照评分降序进行展示。
4.根据权利要求1所述的方法,其特征在于,所述用户生成内容序列中各用户生成内容的评分通过以下步骤获得:
收集已有的用户生成内容和相应的质量量化数据;
根据所述质量量化数据获得收集的用户生成内容的基础分值;
根据所述基础分值获得所述收集的用户生成内容的评分。
5.根据权利要求4所述的方法,其特征在于,所述质量量化数据包括封面质量量化数据和内容质量量化数据;所述根据所述质量量化数据获得收集的用户生成内容的基础分值,包括:
将所述封面质量量化数据和内容质量量化数据按照相应的正权重加权求和,获得相应的用户生成内容的基础分值。
6.根据权利要求5所述的方法,其特征在于,所述封面质量量化数据包括相应用户生成内容对应的播放量和曝光量之间的比值;所述内容质量量化数据包括相应用户生成内容对应的评论量和播放量之间的比值。
7.根据权利要求4所述的方法,其特征在于,所述根据所述基础分值获得所述收集的用户生成内容的评分,包括:
将所述基础分值按照相应用户生成内容发起方的用户类型和/或相应用户生成内容的时间衰减系数进行加权处理,获得相应用户生成内容的评分。
8.一种用户生成内容展示装置,其特征在于,所述装置包括:
刷新指令获取模块,用于获取在用于展示用户生成内容的页面触发的刷新指令;
用户生成内容获取模块,用于根据所述刷新指令获取推荐的用户生成内容;其中,推荐的用户生成内容是从按评分降序排序的用户生成内容序列中随机选中的,且评分越大的用户生成内容被选中的概率越大;
展示模块,用于将所述推荐的用户生成内容按照评分降序在所述页面中进行展示。
9.根据权利要求8所述的装置,其特征在于,所述装置还包括:
用户生成内容序列遍历模块,用于根据所述刷新指令,按照排序顺序遍历所述用户生成内容序列;
判断模块,用于根据配置的随机选中概率判断遍历的用户生成内容是否被选中;
选中用户生成内容处理模块,用于获取判断为被选中的用户生成内容,直至获取到指定数量的用户生成内容时停止遍历。
10.根据权利要求8所述的装置,其特征在于,所述装置还包括:
置顶数据获取模块,用于根据所述刷新指令获取曝光次数小于预设次数的置顶数据;
所述展示模块具体用于在所述页面中置顶区域处展示所述置顶数据,并在展示的置顶数据之后将所述推荐的用户生成内容按照评分降序进行展示。
11.根据权利要求8所述的装置,其特征在于,所述装置还包括:
收集模块,用于收集已有的用户生成内容和相应的质量量化数据;
基础分值获取模块,用于根据所述质量量化数据获得收集的用户生成内容的基础分值;
评分模块,用于根据所述基础分值获得所述收集的用户生成内容的评分。
12.根据权利要求11所述的装置,其特征在于,所述质量量化数据包括封面质量量化数据和内容质量量化数据;所述基础分值获取模块具体用于将所述封面质量量化数据和内容质量量化数据按照相应的正权重加权求和,获得相应的用户生成内容的基础分值。
13.根据权利要求12所述的装置,其特征在于,所述封面质量量化数据包括相应用户生成内容对应的播放量和曝光量之间的比值;所述内容质量量化数据包括相应用户生成内容对应的评论量和播放量之间的比值。
14.根据权利要求11所述的装置,其特征在于,所述评分模块具体用于将所述基础分值按照相应用户生成内容发起方的用户类型和/或相应用户生成内容的时间衰减系数进行加权处理,获得相应用户生成内容的评分。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610143760.7A CN105740473B (zh) | 2016-03-14 | 2016-03-14 | 用户生成内容展示方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610143760.7A CN105740473B (zh) | 2016-03-14 | 2016-03-14 | 用户生成内容展示方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105740473A true CN105740473A (zh) | 2016-07-06 |
CN105740473B CN105740473B (zh) | 2021-03-02 |
Family
ID=56250508
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610143760.7A Active CN105740473B (zh) | 2016-03-14 | 2016-03-14 | 用户生成内容展示方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105740473B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106649740A (zh) * | 2016-12-23 | 2017-05-10 | 北京奇虎科技有限公司 | 基于搜索的3c类ugc数据的推荐方法及装置 |
CN107807936A (zh) * | 2016-09-09 | 2018-03-16 | 腾讯科技(深圳)有限公司 | 评论信息排序方法及装置 |
CN109992729A (zh) * | 2019-04-09 | 2019-07-09 | 深圳市活力天汇科技股份有限公司 | 一种旅游攻略推荐方法 |
CN111523944A (zh) * | 2020-04-26 | 2020-08-11 | 北京深演智能科技股份有限公司 | 浏览数据处理方法、装置、非易失性存储介质和处理 |
CN111737567A (zh) * | 2020-05-29 | 2020-10-02 | 北京宜搜天下科技有限公司 | 一种网络文学新书推荐的方法 |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101251850A (zh) * | 2008-01-04 | 2008-08-27 | 杨虡 | 基于用户威望的互联网主题排名系统和方法 |
CN101853470A (zh) * | 2010-05-28 | 2010-10-06 | 浙江大学 | 一种基于社会化标签的协同过滤方法 |
CN101944218A (zh) * | 2010-01-27 | 2011-01-12 | 北京大学 | 社会网络下的基于图的个性化推荐方法及其系统 |
CN103049440A (zh) * | 2011-10-11 | 2013-04-17 | 腾讯科技(深圳)有限公司 | 一种相关文章的推荐处理方法和处理系统 |
US20130097056A1 (en) * | 2011-10-13 | 2013-04-18 | Xerox Corporation | Methods and systems for recommending services based on an electronic social media trust model |
CN103136330A (zh) * | 2013-01-04 | 2013-06-05 | 武汉大学 | 基于微博平台的用户可信度评估方法 |
CN103714130A (zh) * | 2013-12-12 | 2014-04-09 | 深圳先进技术研究院 | 视频推荐系统及方法 |
US20140282709A1 (en) * | 2013-03-14 | 2014-09-18 | Echostar Technologies L.L.C. | Relevant video content pushed to a mobile phone |
US20140304106A1 (en) * | 2013-03-15 | 2014-10-09 | LogiPref, Inc. | Systems and methods for determining attribute-based user preferences and applying them to make recommendations |
CN104156436A (zh) * | 2014-08-13 | 2014-11-19 | 福州大学 | 一种社交云媒体协同过滤推荐方法 |
CN104166663A (zh) * | 2014-01-20 | 2014-11-26 | 广东工业大学 | 一种基于多维度的打车位置推荐系统及其推荐方法 |
CN104391853A (zh) * | 2014-09-25 | 2015-03-04 | 深圳大学 | Poi推荐方法、poi信息处理方法及服务器 |
CN104935963A (zh) * | 2015-05-29 | 2015-09-23 | 中国科学院信息工程研究所 | 一种基于时序数据挖掘的视频推荐方法 |
CN105095258A (zh) * | 2014-05-08 | 2015-11-25 | 腾讯科技(北京)有限公司 | 一种媒体信息排序方法、装置和媒体信息推荐系统 |
CN105095431A (zh) * | 2015-07-22 | 2015-11-25 | 百度在线网络技术(北京)有限公司 | 根据用户的行为信息推送视频的方法和装置 |
-
2016
- 2016-03-14 CN CN201610143760.7A patent/CN105740473B/zh active Active
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101251850A (zh) * | 2008-01-04 | 2008-08-27 | 杨虡 | 基于用户威望的互联网主题排名系统和方法 |
CN101944218A (zh) * | 2010-01-27 | 2011-01-12 | 北京大学 | 社会网络下的基于图的个性化推荐方法及其系统 |
CN101853470A (zh) * | 2010-05-28 | 2010-10-06 | 浙江大学 | 一种基于社会化标签的协同过滤方法 |
CN103049440A (zh) * | 2011-10-11 | 2013-04-17 | 腾讯科技(深圳)有限公司 | 一种相关文章的推荐处理方法和处理系统 |
US20130097056A1 (en) * | 2011-10-13 | 2013-04-18 | Xerox Corporation | Methods and systems for recommending services based on an electronic social media trust model |
CN103136330A (zh) * | 2013-01-04 | 2013-06-05 | 武汉大学 | 基于微博平台的用户可信度评估方法 |
US20140282709A1 (en) * | 2013-03-14 | 2014-09-18 | Echostar Technologies L.L.C. | Relevant video content pushed to a mobile phone |
US20140304106A1 (en) * | 2013-03-15 | 2014-10-09 | LogiPref, Inc. | Systems and methods for determining attribute-based user preferences and applying them to make recommendations |
CN103714130A (zh) * | 2013-12-12 | 2014-04-09 | 深圳先进技术研究院 | 视频推荐系统及方法 |
CN104166663A (zh) * | 2014-01-20 | 2014-11-26 | 广东工业大学 | 一种基于多维度的打车位置推荐系统及其推荐方法 |
CN105095258A (zh) * | 2014-05-08 | 2015-11-25 | 腾讯科技(北京)有限公司 | 一种媒体信息排序方法、装置和媒体信息推荐系统 |
CN104156436A (zh) * | 2014-08-13 | 2014-11-19 | 福州大学 | 一种社交云媒体协同过滤推荐方法 |
CN104391853A (zh) * | 2014-09-25 | 2015-03-04 | 深圳大学 | Poi推荐方法、poi信息处理方法及服务器 |
CN104935963A (zh) * | 2015-05-29 | 2015-09-23 | 中国科学院信息工程研究所 | 一种基于时序数据挖掘的视频推荐方法 |
CN105095431A (zh) * | 2015-07-22 | 2015-11-25 | 百度在线网络技术(北京)有限公司 | 根据用户的行为信息推送视频的方法和装置 |
Non-Patent Citations (3)
Title |
---|
尹柱平等: "基于用户角色与行为的协同过滤推荐算法", 《桂林电子科技大学学报》 * |
朱郁筱等: "推荐系统评价指标综述", 《电子科技大学学报》 * |
李振鹏: "针对UGC数据进行的数据挖掘的研究与实现", 《中国优秀硕士学位论文全文数据库》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107807936A (zh) * | 2016-09-09 | 2018-03-16 | 腾讯科技(深圳)有限公司 | 评论信息排序方法及装置 |
CN106649740A (zh) * | 2016-12-23 | 2017-05-10 | 北京奇虎科技有限公司 | 基于搜索的3c类ugc数据的推荐方法及装置 |
CN109992729A (zh) * | 2019-04-09 | 2019-07-09 | 深圳市活力天汇科技股份有限公司 | 一种旅游攻略推荐方法 |
CN111523944A (zh) * | 2020-04-26 | 2020-08-11 | 北京深演智能科技股份有限公司 | 浏览数据处理方法、装置、非易失性存储介质和处理 |
CN111737567A (zh) * | 2020-05-29 | 2020-10-02 | 北京宜搜天下科技有限公司 | 一种网络文学新书推荐的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN105740473B (zh) | 2021-03-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105740473A (zh) | 用户生成内容展示方法和装置 | |
Vaish et al. | Twitch crowdsourcing: crowd contributions in short bursts of time | |
CN104965773B (zh) | 终端、卡顿检测方法、装置及游戏卡顿检测方法、装置 | |
CN106464758B (zh) | 利用用户信号来发起通信 | |
CN104182516B (zh) | 信息推荐方法、装置和移动终端 | |
CN109478142B (zh) | 呈现为预测的用户活动定制的用户界面的方法、系统和介质 | |
CN104077339A (zh) | 多媒体数据的用户偏好度获取的方法、装置和系统 | |
AU2013368884A1 (en) | Method and system for analyzing the level of user engagement within an electronic document | |
CN103092923A (zh) | 搜索引擎的基于菜单的登广告 | |
CN102957949A (zh) | 为用户推荐视频的装置及方法 | |
CN110489655A (zh) | 热门内容确定、推荐方法、装置、设备及可读存储介质 | |
CN106954086A (zh) | 一种信息推荐方法与装置 | |
CN109275047A (zh) | 视频信息处理方法及装置、电子设备、存储介质 | |
CN105608121A (zh) | 一种个性化推荐方法及装置 | |
WO2019047850A1 (zh) | 标识的显示方法和装置、请求的响应方法和装置 | |
CN104102733B (zh) | 搜索内容提供方法和搜索引擎 | |
CN112328136A (zh) | 评论信息的显示方法、装置、设备及存储介质 | |
CN111708948A (zh) | 内容项推荐方法、装置、服务器及计算机可读存储介质 | |
CN109299290A (zh) | 一种基于知识图谱的配乐推荐方法及电子设备 | |
CN103108289B (zh) | 一种群发消息方法 | |
CN106598411A (zh) | 一种信息处理方法及电子设备 | |
CN108830636A (zh) | 一种活跃用户的询量方法和装置 | |
CN111552867B (zh) | 一种业务信息的推荐方法和装置 | |
CN106612229A (zh) | 对ugc进行反馈以及展示反馈信息的方法和装置 | |
WO2014111781A1 (en) | System and methods of cloud based file sharing |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | 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 |