CN105827690A - 根据用户喜好进行信息推送的方法及服务器 - Google Patents
根据用户喜好进行信息推送的方法及服务器 Download PDFInfo
- Publication number
- CN105827690A CN105827690A CN201610126011.3A CN201610126011A CN105827690A CN 105827690 A CN105827690 A CN 105827690A CN 201610126011 A CN201610126011 A CN 201610126011A CN 105827690 A CN105827690 A CN 105827690A
- Authority
- CN
- China
- Prior art keywords
- hobby
- label
- user
- hobby label
- targeted customer
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000012552 review Methods 0.000 claims description 29
- 230000013011 mating Effects 0.000 claims description 4
- 208000028160 Delpire-McNeill syndrome Diseases 0.000 description 4
- 238000004140 cleaning Methods 0.000 description 4
- 238000013480 data collection Methods 0.000 description 4
- 238000012217 deletion Methods 0.000 description 4
- 230000037430 deletion Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000003203 everyday effect Effects 0.000 description 4
- 230000000366 juvenile effect Effects 0.000 description 4
- 230000000737 periodic effect Effects 0.000 description 4
- 239000000126 substance Substances 0.000 description 4
- 230000003442 weekly effect Effects 0.000 description 4
- 238000000205 computational method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
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
- H04L67/50—Network services
- H04L67/55—Push-based network services
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种根据用户喜好进行信息推送的方法及服务器,包括:获取预设范围内的用户的喜好标签;接收到目标用户发出的喜好信息推送请求;将所述目标用户的喜好标签与所述预设范围内的除所述目标用户以外的其他用户的喜好标签进行匹配;将匹配成功的其他用户的喜好标签推送给所述目标用户。本发明提出的喜好推送方法及服务器,扩大了推送内容的范围,同时又能够有针对性地向用户推送内容。
Description
技术领域
本发明涉及数据统计与处理技术领域,特别是指一种根据用户喜好进行信息推送的方法及服务器。
背景技术
随着网络技术的不断发展,现如今,用户通过网络寻找资源、观看视频越来越频繁,但是,随着网络中数据量越来越庞大,用户寻找针对自己偏好的资源、视频等也就越来越难。同时,由于每个人的喜好不同,显眼位置的资源、视频等并不能保证满足每个人的个性化需求。
现有的推荐技术,举例来说,通常采用查找与用户当前观看或已看完的视频或者用户经常点击的视频相类似的视频推荐给用户,但这样的推荐方法因为仅仅以用户的喜好为出发点,因此其推荐范围较小,难以真正满足用户的个性化需求。
有的时候,用户在长时间观看某一类的视频后,需要换到另一类自己同样感兴趣的视频时,则只能重新查找其他视频,比如看久了足球视频想要看些足球明星的趣闻,就必须重新选择趣闻类;或者,用户在长时间观看某一类的视频后,需要换一类视频,但又不知自己的目标时,则只能无奈地关掉软件,停止观看视频,这样就损失了用户对软件的粘性。
发明内容
有鉴于此,本发明实施例的目的在于提出一种根据用户喜好进行信息推送的方法及服务器,扩大了推送内容的范围,同时又能够有针对性地向用户推送内容。
基于上述目的本发明实施例提供的根据用户喜好进行信息推送的方法,应用于服务器,包括:
获取预设范围内的用户的喜好标签;
接收到目标用户发出的喜好信息推送请求;
将所述目标用户的喜好标签与所述预设范围内的除所述目标用户以外的其他用户的喜好标签进行匹配;
将匹配成功的其他用户的喜好标签推送给所述目标用户。
在一些实施方式中,所述匹配成功是指目标用户的喜好标签与其他用户的喜好标签有至少一个喜好标签是相同的。
在一些实施方式中,所述将匹配成功的其他用户的喜好标签推送给目标用户的步骤包括:
根据相同喜好标签的数量多少,对匹配成功的其他用户的喜好标签进行排序;
根据排序结果,向目标用户依次推送匹配成功的其他用户的喜好标签。
在一些实施方式中,所述获取预设范围内的用户的喜好标签的步骤包括:
获取预设范围内的用户的历史观看记录和/或喜好记录;所述喜好记录包括用户的点赞记录和/或评论记录;
根据预设范围内的用户的所述历史观看记录和/或喜好记录,分析得到各用户的喜好标签。
在一些实施方式中,所述根据预设范围内的用户的所述历史观看记录和/或喜好记录,分析得到各用户的喜好标签的步骤具体为:
从各用户的历史观看记录和/或喜好记录中,分析得出相应用户的喜好标签及所述喜好标签的喜好程度大小;
根据各用户的喜好标签的喜好程度大小对各用户的喜好标签进行排序,得到各用户的按照喜好程度大小排序的喜好标签;
所述将匹配成功的其他用户的喜好标签推送给目标用户的步骤包括:
对于相同喜好标签的数量相等的两个以上匹配成功的其他用户的喜好标签,将所述两个以上匹配成功的其他用户的喜好标签中与目标用户的喜好标签相同的喜好标签,对比目标用户的喜好标签的排序,并得到该喜好标签在目标用户的喜好标签中的排名;
按照相同喜好标签在目标用户的喜好标签中的排名先后,将相同喜好标签的数量相等的多个用户的喜好标签依次推送给目标用户。
在一些实施方式中,所述根据预设范围内的用户的所述历史观看记录和/或喜好记录,分析得到各用户的喜好标签的步骤具体为:从各用户的历史观看记录和/或喜好记录中,分析得出相应用户的喜好标签及所述喜好标签的喜好程度大小;
根据喜好程度大小对该用户的喜好标签进行排序,得到按照喜好程度大小排序的喜好标签;
所述将匹配成功的其他用户的喜好标签推送给目标用户的步骤包括:
删除匹配成功的其他用户的喜好标签中与目标用户的喜好标签相同的喜好标签;
将删除后的其他用户的喜好标签中喜好程度大小排序靠前的多个喜好标签推送给目标用户。
本发明实施例的另一方面还提供了一种根据用户喜好进行信息推送的服务器,包括:
喜好标签获取模块,用于获取预设范围内的用户喜好标签;
推送请求接收模块,用于接收目标用户发出的喜好信息推送请求;
标签匹配模块,用于将目标用户的喜好标签与预设范围内的除目标用户以外的其他用户的喜好标签进行匹配;
标签推送模块,用于将匹配成功的其他用户的喜好标签推送给目标用户。
在一些实施方式中,所述匹配成功是指目标用户的喜好标签与其他用户的喜好标签中有至少一个喜好标签是相同的。
在一些实施方式中,所述标签推送模块,具体用于:
根据相同喜好标签的数量多少,对匹配成功的其他用户的喜好标签进行排序;
根据排序结果,向目标用户依次推送匹配成功的其他用户的喜好标签。
在一些实施方式中,所述喜好标签获取模块,具体用于:
获取预设范围内的用户的历史观看记录和/或喜好记录;所述喜好记录包括用户的点赞记录和/或评论记录;
根据预设范围内的用户的所述历史观看记录和/或喜好记录,分析得到各用户的喜好标签。
在一些实施方式中,所述喜好标签获取模块,具体用于:从各用户的历史观看记录和/或喜好记录中,分析得出相应用户的喜好标签及所述喜好标签的喜好程度大小;
根据各用户的喜好标签的喜好程度大小对各用户的喜好标签进行排序,得到各用户的按照喜好程度大小排序的喜好标签;
所述标签推送模块,具体用于:
对于相同喜好标签的数量相等的两个以上匹配成功的其他用户的喜好标签,将所述两个以上匹配成功的其他用户的喜好标签中与目标用户的喜好标签相同的喜好标签,对比目标用户的喜好标签的排序,并得到该喜好标签在目标用户的喜好标签中的排名;
按照相同喜好标签在目标用户的喜好标签中的排名先后,将相同喜好标签的数量相等的多个用户的喜好标签依次推送给目标用户。
在一些实施方式中,所述喜好标签获取模块,具体用于:从各用户的历史观看记录和/或喜好记录中,分析得出相应用户的喜好标签及所述喜好标签的喜好程度大小;
根据喜好程度大小对该用户的喜好标签进行排序,得到按照喜好程度大小排序的喜好标签;
所述标签推送模块,具体用于:
删除匹配成功的其他用户的喜好标签中与目标用户的喜好标签相同的喜好标签;
将删除后的其他用户的喜好标签中喜好程度大小排序靠前的多个喜好标签推送给目标用户。
从上面所述可以看出,本发明实施例提供的根据用户喜好进行信息推送的方法及服务器,通过将预设范围内的用户的历史观看记录和喜好记录处理为用户喜好标签列表后,在目标用户发出推送请求后,向目标用户推送与其用户喜好标签列表相匹配的其他用户的用户喜好标签列表,从而使得目标用户可以体验到大范围推荐,看到与自己有相同爱好的一类人喜爱的视频、新闻等内容,给用户的视频观看提供极大的便利,提升了用户体验。
附图说明
图1为本发明提供的根据用户喜好进行信息推送的方法的一个实施例的流程示意图;
图2为本发明提供的根据用户喜好进行信息推送的方法的另一个实施例的流程示意图;
图3为本发明提供的根据用户喜好进行信息推送的方法的又一个实施例的流程示意图;
图4为本发明提供的根据用户喜好进行信息推送的服务器的一个实施例的模块结构示意图;
图5为本发明提供的根据用户喜好进行信息推送的服务器的另一个实施例的模块结构示意图。
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明白,以下结合具体实施例,并参照附图,对本发明进一步详细说明。
需要说明的是,本发明实施例中所有使用“第一”和“第二”的表述均是为了区分两个相同名称非相同的实体或者非相同的参量,可见“第一”“第二”仅为了表述的方便,不应理解为对本发明实施例的限定,后续实施例对此不再一一说明。
本发明的第一个方面提供了一种既扩大了推送内容的范围又能够有针对性地向用户推送内容的根据用户喜好进行信息推送的方法。如图1所示,为本发明提供的根据用户喜好进行信息推送的方法的一个实施例的流程示意图。
所述根据用户喜好进行信息推送的方法,应用于服务器,包括以下步骤:
步骤101:获取预设范围内的用户的喜好标签;这里,所述喜好标签是指,根据各用户的历史观看记录以及喜好记录,可以处理得到该用户对哪一些的内容感兴趣,对应的感兴趣内容所包含的标签内容即为所述喜好标签;所述喜好标签的数量通常是2个以上;
步骤102:接收到目标用户发出的喜好信息推送请求;
这里的目标用户是指需要被推送用户喜好标签列表的用户;所述喜好信息推送请求,可以是用户通过点击用户终端中的推送按钮而向服务器发出的,也可以是用户通过打开终端的某一界面而自动向服务器发出的,或者是用户在观看完某一内容后终端自动向服务器发出的,例如视频看完后或新闻浏览到页面底部后向服务器发出的推送请求,等等;
步骤103:将所述目标用户的喜好标签与所述预设范围内的除所述目标用户以外的其他用户的喜好标签进行匹配;
步骤104:将匹配成功的其他用户的喜好标签推送给所述目标用户。
例如,预设范围内共4个用户,分别是A、B、C、D,A发出了喜好信息推送请求,即为目标用户,而B、C、D即为预设范围内的除目标用户以外的其他用户,然后将A的喜好标签分别与B、C、D的喜好标签进行匹配,假设B和C与A匹配成功,则将B和C的喜好标签推送给A。在目标用户A接收到推送的B和C的喜好标签后,其终端可根据B和C的喜好标签向用户推送相应的内容,例如在终端屏幕上显示“与您同样喜好的人还喜欢”的字样,并在下方列出一些与用户A具有相同喜好的B或C喜好的视频、新闻、文章、图片等内容。
从上述实施例可以看出,本发明提供的根据用户喜好进行信息推送的方法,通过获取预设范围内的用户的喜好标签后,在目标用户发出推送请求后,向目标用户推送与其喜好标签相匹配的其他用户的喜好标签,从而使得目标用户可以体验到大范围推荐,看到与自己有相同爱好的一类人喜爱的视频、新闻等内容,给用户的视频观看提供极大的便利,提升了用户体验。
可选的,在一些实施方式中,所述匹配成功是指目标用户的喜好标签与其他用户的喜好标签有至少一个喜好标签是相同的。例如用户A的喜好标签和用户B的喜好标签之间具有3个相同的喜好标签,则用户A和用户B即为匹配成功,二者在请求喜好信息推送时,均能接收到对方的喜好标签。
较佳的,在一些可选实施方式中,所述将匹配成功的其他用户的喜好标签推送给目标用户的步骤104还可进一步包括以下步骤:
根据相同喜好标签的数量多少,对匹配成功的其他用户的喜好标签进行排序;例如,目标用户A与用户B、用户C、用户D的相同喜好标签的个数分别是4个、3个、2个,则用户B、用户C、用户D的排序结果则为B→C→D;
根据排序结果,可根据需要选择按照相同喜好标签的数量从多到少的顺序,向目标用户依次推送匹配成功的其他用户的喜好标签;即先推送用户B的喜好标签,再推送用户C的喜好标签,再推送用户D的喜好标签;此外,根据不同需求,也可以是按照从少到多的顺序或其他顺序,进行推送。
通过上述实施例,使得首先目标用户接收的喜好标签是与其兴趣更接近的其他用户的喜好标签,从而更能贴近用户的使用习惯和兴趣。这里,在目标用户的终端上,可以先按照首先推送的喜好标签进行内容推荐,然后再依次按照推送顺序中的其他用户的喜好标签进行内容推荐,从而能够延长用户使用时间,增加用户对产品的粘度。
进一步的,在一些实施方式中,所述获取预设范围内的用户的喜好标签的步骤101还可进一步包括以下步骤:
获取预设范围内的用户的历史观看记录和/或喜好记录;所述喜好记录包括用户的点赞记录和/或评论记录;
其中,所述预设范围是指预先设定的用户数据的收集范围,同时也是在这个预设范围内的用户之间进行信息推送;所述预设范围可以采取不同的方式进行划分,例如基于年龄层划分为老年人范围、中年人范围、青年人范围、少儿范围等,或者,基于地域划分为不同省份的范围或不同市的范围,还可在市范围内划分为不同区的范围等等,或者,基于性别划分为男性范围和女性范围,等等,每一种划分方式所得出的各种范围,都可以作为所述预设范围,此外,还可以将划分规则结合起来划分范围,例如将基于年龄层划分的范围中再次划分男性和女性,等等;当然,为了数据收集范围更广,还可以将所有用户都纳入预设范围中;
所述历史观看记录是指,某一用户曾经观看过的视频、新闻、文章、图片等内容的记录,所述喜好记录是指能够代表用户喜好的记录,所述点赞记录是指,用户在某一视频、新闻、文章、图片等内容所对应设置的喜欢按钮或不喜欢按钮上进行点击所产生的记录;所述评论记录是指,用户在某一视频、新闻、文章、图片等内容所对应设置的评论区中进行了评论而产生的记录;
这里,获取预设范围内的用户的历史观看记录和/或喜好记录的步骤可以是在经推送请求触发后再进行获取数据的步骤,也可以是服务器定期获取数据并进行定期清理陈旧数据的步骤;在定期获取数据时,该周期可以根据需要进行设置,例如每天都重新获取并更新用户数据,或者考虑到服务器的负载量,也可以每周或每30天获取并更新一次数据;
根据预设范围内的用户的所述历史观看记录和/或喜好记录,分析得到各用户的喜好标签。
较佳的,在一些实施方式中,所述根据预设范围内的用户的所述历史观看记录和/或喜好记录,分析得到各用户的喜好标签的步骤具体为:
从各用户的历史观看记录和/或喜好记录中,分析得出相应用户的喜好标签及所述喜好标签的喜好程度大小;所述喜好程度大小是指,用户对于不同喜好标签的喜好程度,其衡量标准从历史观看记录以及喜好记录中分析得出,根据历史观看次数,点赞或评论记录,综合得出喜好程度大小;
根据各用户的喜好标签的喜好程度大小对各用户的喜好标签进行排序,得到各用户的按照喜好程度大小排序的喜好标签;
据此,可选的,在一些实施方式中,所述将匹配成功的其他用户的喜好标签推送给目标用户的步骤104则包括:
对于相同喜好标签的数量相等的两个以上匹配成功的其他用户的喜好标签,将所述两个以上匹配成功的其他用户的喜好标签中与目标用户的喜好标签相同的喜好标签,对比目标用户的喜好标签的排序,并得到该喜好标签在目标用户的喜好标签中的排名;
按照相同喜好标签在目标用户的喜好标签中的排名先后,将相同喜好标签的数量相等的多个用户的喜好标签依次推送给目标用户。
例如,目标用户A的按喜好程度大小排序的喜好标签顺序是abcde,而用户B的按喜好程度大小排序的喜好标签顺序是bcfgh,用户C的按喜好程度大小排序的喜好标签顺序是cdijk,用户D的按喜好程度大小排序的喜好标签顺序是delmn,很明显,用户B的bc标签位于用户A的喜好标签中的第2、3位,用户C的cd标签位于用户A的喜好标签中的第3、4位,用户D的de标签位于用户A的喜好标签中的第4、5位,因此,则依照B→C→D顺序,依次将用户B、C、D的喜好标签推送给目标用户A。
通过上述实施例,使得首先向目标用户推荐的喜好标签,由于二者更感兴趣的内容更相近,因此更贴近于目标用户喜好,根据该喜好标签向目标用户推荐的内容则更能符合目标用户的要求,提升了用户体验。
此外,可选的,在另一些实施方式中,所述根据预设范围内的用户的所述历史观看记录和/或喜好记录,分析得到各用户的喜好标签的步骤具体为:从各用户的历史观看记录和/或喜好记录中,分析得出相应用户的喜好标签及所述喜好标签的喜好程度大小;
根据喜好程度大小对该用户的喜好标签进行排序,得到按照喜好程度大小排序的喜好标签;
所述将匹配成功的其他用户的喜好标签推送给目标用户的步骤104包括:
删除匹配成功的其他用户的喜好标签中与目标用户的喜好标签相同的喜好标签;
将删除后的其他用户的喜好标签中喜好程度大小排序靠前的多个喜好标签推送给目标用户。
例如,目标用户A的按喜好程度大小排序的喜好标签顺序是abcdefghij,而用户B的按喜好程度大小排序的喜好标签顺序是bcdklmnopq,则在推送用户B的喜好标签给目标用户A时,首先将相同的喜好标签bcd去掉,然后推荐例如排名考前的前四个喜好标签klmn给目标用户A。
通过上述实施例,去掉了目标用户已经有的喜好标签,从而能够将更新鲜的内容推送给目标用户,扩大了推荐范围,能够延伸目标用户兴趣面,增加用户粘度;此外,为了不将过多内容推送给目标用户,选择每个用户的喜好标签中排名靠前的几个喜好标签给客户,既能满足扩大推荐范围的需求,又能排除掉目标用户可能不感兴趣的内容。
同时,上述的删除相同喜好后再进行推送的实施例,还可跟其他方案相结合,例如按相同喜好标签的喜好程度大小在目标用户的喜好标签中的排名依次推送喜好标签之前,还可将其中相同的喜好标签删除,并选择排名靠前的几个喜好标签推送给目标用户。
较佳的,在一些可选实施方式中,上述的从各用户的历史观看记录以及喜好记录中,分析得出相应用户的喜好标签及其喜好程度大小的步骤中的喜好标签的喜好程度大小的计算方法可包括以下步骤:
从历史观看记录中提取出相应的标签;
根据历史观看记录以及喜好记录对标签进行评分,得到每个标签的喜好程度大小;
所述根据历史观看记录以及喜好记录对标签进行评分,得到每个标签的喜好程度大小的步骤包括:
分别根据历史观看记录、点赞记录、评论记录,对每个标签进行单独记分;
其中,基于历史观看记录的记分为第一评分值I,其计算公式为:
第一评分值I=历史观看记录次数×第一系数;
基于点赞记录的记分为第二评分值II,其计算公式为:
第二评分值II=点赞值×第二系数+1,其中,所述点赞值包括第一点赞值、第二点赞值和第三点赞值,所述第一点赞值记为1,指代用户点击了喜欢按钮,所述第二点赞值记为-1,指代用户点击了不喜欢按钮,所述第三点赞值记为0,指代用户既没点击喜欢按钮也没点击不喜欢按钮;
评论字数多少,在一定程度上反应了该用户对相应内容的感兴趣程度,因此,基于评论记录的记分为第三评分值III,其计算公式为:
第三评分值III=评论记录中的字数÷允许评论字数最大值+1;
每个标签的评分S的计算公式为:
标签评分S=第一评分值I×第二评分值II×第三评分值III×100;
将标签评分高于标签评分喜好阈值的标签归类为喜好标签,所述喜好标签的标签评分高低即为所述喜好程度大小。
通过上述实施例,能够较好地将历史观看记录以及喜好记录综合起来对用户行为进行评价,从而能够得到较为科学的用户对喜好标签的喜好程度大小。
本发明还提供了所述根据用户喜好进行信息推送的方法的另一个实施例。如图2所示,为所述根据用户喜好进行信息推送的方法的另一个实施例的流程示意图。
所述根据用户喜好进行信息推送的方法,应用于服务器,包括:
步骤201:获取预设范围内的用户的历史观看记录以及喜好记录;所述喜好记录包括用户的点赞记录和评论记录;
其中,所述预设范围是指预先设定的用户数据的收集范围,同时也是在这个预设范围内的用户之间进行信息推送;所述预设范围可以采取不同的方式进行划分,例如基于年龄层划分为老年人范围、中年人范围、青年人范围、少儿范围等,或者,基于地域划分为不同省份的范围或不同市的范围,还可在市范围内划分为不同区的范围等等,或者,基于性别划分为男性范围和女性范围,等等,每一种划分方式所得出的各种范围,都可以作为所述预设范围,此外,还可以将划分规则结合起来划分范围,例如将基于年龄层划分的范围中再次划分男性和女性,等等;当然,为了数据收集范围更广,还可以将所有用户都纳入预设范围中;
所述历史观看记录是指,某一用户曾经观看过的视频、新闻、文章、图片等内容的记录,所述点赞记录是指,用户在某一视频、新闻、文章、图片等内容所对应设置的喜欢按钮或不喜欢按钮上进行点击所产生的记录;所述评论记录是指,用户在某一视频、新闻、文章、图片等内容所对应设置的评论区中进行了评论而产生的记录;
这里,获取预设范围内的用户的历史观看记录以及喜好记录的步骤可以是在经推送请求触发后再进行获取数据的步骤,也可以是服务器定期获取数据并进行定期清理陈旧数据的步骤;在定期获取数据时,该周期可以根据需要进行设置,例如每天都重新获取并更新用户数据,或者考虑到服务器的负载量,也可以每周或每30天获取并更新一次数据;
步骤202:根据预设范围内的用户的所述历史观看记录以及喜好记录,分析得到各用户的喜好标签;
这里,所述喜好标签是指,根据各用户的历史观看记录以及喜好记录,可以处理得到该用户对哪一些的内容感兴趣,对应的感兴趣内容所包含的标签内容即为所述喜好标签;
步骤203:将分析得到的各用户的喜好标签,相应地生成各用户的用户喜好标签列表;
所述的步骤201-203可以是实时进行的,也可以是服务器定期进行后,再将用户喜好标签列表保存,在需要的时候直接调用已经生成的用户喜好标签列表;
步骤204:接收到目标用户发出的喜好信息推送请求;
这里的目标用户是指需要被推送用户喜好标签列表的用户;所述喜好信息推送请求,可以是用户通过点击用户终端中的推送按钮而向服务器发出的,也可以是用户通过打开终端的某一界面而自动向服务器发出的,或者是用户在观看完某一内容后终端自动向服务器发出的,例如视频看完后或新闻浏览到页面底部后向服务器发出的推送请求,等等;
步骤205:将目标用户的用户喜好标签列表与预设范围内的除目标用户以外的其他用户的用户喜好标签列表进行匹配;
步骤206:将匹配成功的其他用户的用户喜好标签列表推送给目标用户;
例如,预设范围内共4个用户,分别是A、B、C、D,A发出了喜好信息推送请求,即为目标用户,而B、C、D即为预设范围内的除目标用户以外的其他用户,然后将A的用户喜好标签列表分别与B、C、D的用户喜好标签列表进行匹配,假设B和C与A匹配成功,则将B和C的用户喜好标签列表推送给A。在目标用户A接收到推送的B和C的用户喜好标签列表后,其终端可根据B和C的用户喜好标签列表向用户推送相应的内容,例如在终端屏幕上显示“与您同样喜好的人还喜欢”的字样,并在下方列出一些与用户A具有相同喜好的B或C喜好的视频、新闻、文章、图片等内容。
从上述实施例可以看出,本发明提供的根据用户喜好进行信息推送的方法,通过将预设范围内的用户的历史观看记录和喜好记录处理为用户喜好标签列表后,在目标用户发出推送请求后,向目标用户推送与其用户喜好标签列表相匹配的其他用户的用户喜好标签列表,从而使得目标用户可以体验到大范围推荐,看到与自己有相同爱好的一类人喜爱的视频、新闻等内容,给用户的视频观看提供极大的便利,提升了用户体验。
可选的,在一些实施方式中,所述匹配成功是指目标用户的用户喜好标签列表与其他用户的用户喜好标签列表中有至少一个喜好标签是相同的。例如用户A的用户喜好标签列表和用户B的用户喜好标签列表具有3个相同的喜好标签,则用户A的用户喜好标签列表和用户B的用户喜好标签列表即为匹配成功。
较佳的,在一些可选实施方式中,所述将匹配成功的其他用户的用户喜好标签列表推送给目标用户的步骤206还可进一步包括以下步骤:
根据相同喜好标签的数量多少,对匹配成功的其他用户的用户喜好标签列表进行排序;例如,目标用户A与用户B、用户C、用户D的相同喜好标签的个数分别是4个、3个、2个,则用户B、用户C、用户D的排序结果则为B→C→D;
根据排序结果,可根据需要选择按照相同喜好标签的数量从多到少的顺序,向目标用户依次推送匹配成功的其他用户的用户喜好标签列表;即先推送用户B的用户喜好标签列表,再推送用户C的用户喜好标签列表,再推送用户D的用户喜好标签列表;此外,根据不同需求,也可以是按照从少到多的顺序或其他顺序,进行推送。
通过上述实施例,使得首先目标用户接收的用户喜好标签列表是与其兴趣更接近的其他用户的用户喜好标签列表,从而更能贴近用户的使用习惯和兴趣。这里,在目标用户的终端上,可以先按照首先推送的用户喜好标签列表进行内容推荐,然后再依次按照推送顺序中的其他用户喜好标签列表进行内容推荐,从而能够延长用户使用时间,增加用户对产品的粘度。
较佳的,在一些实施方式中,所述根据预设范围内的用户的所述历史观看记录以及喜好记录,分析得到各用户的喜好标签的步骤202具体为:从各用户的历史观看记录以及喜好记录中,分析得出相应用户的喜好标签及其喜好程度大小;所述喜好程度大小是指,用户对于不同喜好标签的喜好程度,其衡量标准从历史观看记录以及喜好记录中分析得出,根据历史观看次数,点赞或评论记录,综合得出喜好程度大小;
所述将分析得到的各用户的喜好标签,相应地生成各用户的用户喜好标签列表的步骤203具体为:根据各用户的喜好标签的喜好程度大小对各用户的喜好标签进行排序,得到各用户的按照喜好程度大小排序的用户喜好标签列表。
据此,可选的,在一些实施方式中,所述将匹配成功的其他用户的用户喜好标签列表推送给目标用户的步骤206还可进一步包括以下步骤:
对于相同喜好标签的数量相等的多个用户喜好标签列表,将其中与目标用户的用户喜好标签列表中的喜好标签相同的喜好标签,对比目标用户的用户喜好标签列表,并得到该喜好标签在目标用户的用户喜好标签列表中的排名;
按照相同喜好标签在目标用户的用户喜好标签列表中排名先后,将相同喜好标签的数量相等的多个用户喜好标签列表依次推送给目标用户;
例如,目标用户A的按喜好程度大小排序的用户喜好标签列表中的喜好标签顺序是abcde,而用户B的按喜好程度大小排序的用户喜好标签列表中的喜好标签顺序是bcfgh,用户C的按喜好程度大小排序的用户喜好标签列表中的喜好标签顺序是cdijk,用户D的按喜好程度大小排序的用户喜好标签列表中的喜好标签顺序是delmn,很明显,用户B的bc标签位于用户A的用户喜好标签列表中的第2、3位,用户C的cd标签位于用户A的用户喜好标签列表中的第3、4位,用户D的de标签位于用户A的用户喜好标签列表中的第4、5位,因此,则依照B→C→D顺序,依次将用户B、C、D的用户喜好标签列表推送给目标用户A。
通过上述实施例,使得首先向目标用户推荐的用户喜好标签列表,由于二者更感兴趣的内容更相近,因此更贴近于目标用户喜好,根据该用户喜好标签列表向目标用户推荐的内容则更能符合目标用户的要求,提升了用户体验。
此外,可选的,在另一些实施方式中,所述将匹配成功的其他用户的用户喜好标签列表推送给目标用户的步骤206还可进一步包括以下步骤:
删除匹配成功的其他用户的用户喜好标签列表中与目标用户的用户喜好标签列表相同的喜好标签;
将删除后的其他用户的用户喜好标签列表中喜好程度大小排序靠前的多个喜好标签组成的定向用户喜好标签列表推送给目标用户。
例如,目标用户A的按喜好程度大小排序的用户喜好标签列表中的喜好标签顺序是abcdefghij,而用户B的按喜好程度大小排序的用户喜好标签列表中的喜好标签顺序是bcdklmnopq,则再推送用户B的用户喜好标签列表给目标用户A时,首先将相同的喜好标签bcd去掉,然后推荐例如排名考前的前四个喜好标签构成的定向用户喜好标签列表klmn给目标用户A。
通过上述实施例,去掉了目标用户已经有的喜好标签,从而能够将更新鲜的内容推送给目标用户,扩大了推荐范围,能够延伸目标用户兴趣面,增加用户粘度;此外,为了不将过多内容推送给目标用户,选择每个用户的用户喜好标签列表中排名靠前的几个喜好标签构成的定向用户喜好标签列表给客户,既能满足扩大推荐范围的需求,又能排除掉目标用户可能不感兴趣的内容。
同时,上述的删除相同喜好后再进行推送的实施例,还可跟其他方案相结合,例如按相同喜好标签的喜好程度大小在目标用户的用户喜好标签列表中的排名依次推送用户喜好标签列表之前,还可将其中相同的喜好标签删除,并选择排名靠前的几个喜好标签构成的定向用户喜好标签列表推送给目标用户。
较佳的,在一些可选实施方式中,上述的从各用户的历史观看记录以及喜好记录中,分析得出相应用户的喜好标签及其喜好程度大小的步骤中的喜好标签的喜好程度大小的计算方法可包括以下步骤:
从历史观看记录中提取出相应的标签;
根据历史观看记录以及喜好记录对标签进行评分,得到每个标签的喜好程度大小;
所述根据历史观看记录以及喜好记录对标签进行评分,得到每个标签的喜好程度大小的步骤包括:
分别根据历史观看记录、点赞记录、评论记录,对每个标签进行单独记分;
其中,基于历史观看记录的记分为第一评分值I,其计算公式为:
第一评分值I=历史观看记录次数×第一系数;
基于点赞记录的记分为第二评分值II,其计算公式为:
第二评分值II=点赞值×第二系数+1,其中,所述点赞值包括第一点赞值、第二点赞值和第三点赞值,所述第一点赞值记为1,指代用户点击了喜欢按钮,所述第二点赞值记为-1,指代用户点击了不喜欢按钮,所述第三点赞值记为0,指代用户既没点击喜欢按钮也没点击不喜欢按钮;
评论字数多少,在一定程度上反应了该用户对相应内容的感兴趣程度,因此,基于评论记录的记分为第三评分值III,其计算公式为:
第三评分值III=评论记录中的字数÷允许评论字数最大值+1;
每个标签的评分S的计算公式为:
标签评分S=第一评分值I×第二评分值II×第三评分值III×100;
将标签评分高于标签评分喜好阈值的标签归类为喜好标签,所述喜好标签的标签评分高低即为所述喜好程度大小。
通过上述实施例,能够较好地将历史观看记录以及喜好记录综合起来对用户行为进行评价,从而能够得到较为科学的用户对喜好标签的喜好程度大小。
本发明还提供了根据用户喜好进行信息推送的方法的又一个实施例。如图3所示,为本发明提供的根据用户喜好进行信息推送的方法的另一个实施例的流程示意图。
所述根据用户喜好进行信息推送的方法,包括以下步骤:
步骤301:获取预设范围内的用户的历史观看记录以及喜好记录;所述喜好记录包括用户的点赞记录和评论记录;
步骤302:从各用户的历史观看记录以及喜好记录中,分析得出相应用户的喜好标签及其喜好程度大小;
步骤303:根据各用户的喜好标签的喜好程度大小对各用户的喜好标签进行排序,得到各用户的按照喜好程度大小排序的用户喜好标签列表;
步骤304:接收到目标用户发出的喜好信息推送请求;
步骤305:将目标用户的用户喜好标签列表与预设范围内的除目标用户以外的其他用户的用户喜好标签列表进行匹配;
步骤306:得到匹配成功的其他用户的用户喜好标签列表;
步骤307:根据相同喜好标签的数量多少,对匹配成功的其他用户的用户喜好标签列表进行排序;
步骤308:对于相同喜好标签的数量相等的多个用户喜好标签列表,将其中与目标用户的用户喜好标签列表中的喜好标签相同的喜好标签,对比目标用户的用户喜好标签列表,并得到该喜好标签在目标用户的用户喜好标签列表中的排名;
步骤309:删除匹配成功的其他用户的用户喜好标签列表中与目标用户的用户喜好标签列表相同的喜好标签;
步骤310:将删除后的其他用户的用户喜好标签列表中喜好程度大小排序靠前的多个喜好标签组成的定向用户喜好标签列表;
步骤311:根据排序结果,按照相同喜好标签的数量从多到少的顺序,对于相同喜好标签的数量相等的多个用户喜好标签列表,按照相同喜好标签在目标用户的用户喜好标签列表中排名先后,向目标用户依次推送匹配成功的其他用户的定向用户喜好标签列表。
从上述实施例可以看出,本发明提供的根据用户喜好进行信息推送的方法,通过将预设范围内的用户的历史观看记录和喜好记录处理为用户喜好标签列表后,在目标用户发出推送请求后,向目标用户推送与其用户喜好标签列表相匹配的其他用户的用户喜好标签列表,从而使得目标用户可以体验到大范围推荐,看到与自己有相同爱好的一类人喜爱的视频、新闻等内容,给用户的视频观看提供极大的便利,提升了用户体验。
本发明的第二个方面提供了一种既扩大了推送内容的范围又能够有针对性地向用户推送内容的根据用户喜好进行信息推送的服务器。如图4所示,为本发明提供的根据用户喜好进行信息推送的服务器的一个实施例的模块结构示意图。
所述根据用户喜好进行信息推送的服务器,包括:
喜好标签获取模块401,用于获取预设范围内的用户喜好标签;这里,所述喜好标签是指,根据各用户的历史观看记录以及喜好记录,可以处理得到该用户对哪一些的内容感兴趣,对应的感兴趣内容所包含的标签内容即为所述喜好标签;所述喜好标签的数量通常是2个以上;
推送请求接收模块402,用于接收目标用户发出的喜好信息推送请求;
这里的目标用户是指需要被推送用户喜好标签列表的用户;所述喜好信息推送请求,可以是用户通过点击用户终端中的推送按钮而向服务器发出的,也可以是用户通过打开终端的某一界面而自动向服务器发出的,或者是用户在观看完某一内容后终端自动向服务器发出的,例如视频看完后或新闻浏览到页面底部后向服务器发出的推送请求,等等;
标签匹配模块403,用于将目标用户的喜好标签与预设范围内的除目标用户以外的其他用户的喜好标签进行匹配;
标签推送模块404,用于将匹配成功的其他用户的喜好标签推送给目标用户。
例如,预设范围内共4个用户,分别是A、B、C、D,A发出了喜好信息推送请求,即为目标用户,而B、C、D即为预设范围内的除目标用户以外的其他用户,然后将A的喜好标签分别与B、C、D的喜好标签进行匹配,假设B和C与A匹配成功,则将B和C的喜好标签推送给A。在目标用户A接收到推送的B和C的喜好标签后,其终端可根据B和C的喜好标签向用户推送相应的内容,例如在终端屏幕上显示“与您同样喜好的人还喜欢”的字样,并在下方列出一些与用户A具有相同喜好的B或C喜好的视频、新闻、文章、图片等内容。
从上述实施例可以看出,本发明提供的根据用户喜好进行信息推送的服务器,通过获取预设范围内的用户的喜好标签后,在目标用户发出推送请求后,向目标用户推送与其喜好标签相匹配的其他用户的喜好标签,从而使得目标用户可以体验到大范围推荐,看到与自己有相同爱好的一类人喜爱的视频、新闻等内容,给用户的视频观看提供极大的便利,提升了用户体验。
可选的,在一些实施方式中,所述匹配成功是指目标用户的喜好标签与其他用户的喜好标签中有至少一个喜好标签是相同的。例如用户A的喜好标签和用户B的喜好标签之间具有3个相同的喜好标签,则用户A和用户B即为匹配成功,二者在请求喜好信息推送时,均能接收到对方的喜好标签。
较佳的,在一些可选实施方式中,所述标签推送模块404,具体用于:
根据相同喜好标签的数量多少,对匹配成功的其他用户的喜好标签进行排序;例如,目标用户A与用户B、用户C、用户D的相同喜好标签的个数分别是4个、3个、2个,则用户B、用户C、用户D的排序结果则为B→C→D;
根据排序结果,可根据需要选择按照相同喜好标签的数量从多到少的顺序,向目标用户依次推送匹配成功的其他用户的喜好标签;即先推送用户B的喜好标签,再推送用户C的喜好标签,再推送用户D的喜好标签;此外,根据不同需求,也可以是按照从少到多的顺序或其他顺序,进行推送。
通过上述实施例,使得首先目标用户接收的喜好标签是与其兴趣更接近的其他用户的喜好标签,从而更能贴近用户的使用习惯和兴趣。这里,在目标用户的终端上,可以先按照首先推送的喜好标签进行内容推荐,然后再依次按照推送顺序中的其他用户的喜好标签进行内容推荐,从而能够延长用户使用时间,增加用户对产品的粘度。
进一步的,在一些实施方式中,所述喜好标签获取模块401,具体用于:
获取预设范围内的用户的历史观看记录和/或喜好记录;所述喜好记录包括用户的点赞记录和/或评论记录;
其中,所述预设范围是指预先设定的用户数据的收集范围,同时也是在这个预设范围内的用户之间进行信息推送;所述预设范围可以采取不同的方式进行划分,例如基于年龄层划分为老年人范围、中年人范围、青年人范围、少儿范围等,或者,基于地域划分为不同省份的范围或不同市的范围,还可在市范围内划分为不同区的范围等等,或者,基于性别划分为男性范围和女性范围,等等,每一种划分方式所得出的各种范围,都可以作为所述预设范围,此外,还可以将划分规则结合起来划分范围,例如将基于年龄层划分的范围中再次划分男性和女性,等等;当然,为了数据收集范围更广,还可以将所有用户都纳入预设范围中;
所述历史观看记录是指,某一用户曾经观看过的视频、新闻、文章、图片等内容的记录,所述喜好记录是指能够代表用户喜好的记录,所述点赞记录是指,用户在某一视频、新闻、文章、图片等内容所对应设置的喜欢按钮或不喜欢按钮上进行点击所产生的记录;所述评论记录是指,用户在某一视频、新闻、文章、图片等内容所对应设置的评论区中进行了评论而产生的记录;
这里,获取预设范围内的用户的历史观看记录和/或喜好记录的步骤可以是在经推送请求触发后再进行获取数据的步骤,也可以是服务器定期获取数据并进行定期清理陈旧数据的步骤;在定期获取数据时,该周期可以根据需要进行设置,例如每天都重新获取并更新用户数据,或者考虑到服务器的负载量,也可以每周或每30天获取并更新一次数据;
根据预设范围内的用户的所述历史观看记录和/或喜好记录,分析得到各用户的喜好标签。
较佳的,在一些实施方式中,所述喜好标签获取模块401,具体用于:从各用户的历史观看记录和/或喜好记录中,分析得出相应用户的喜好标签及所述喜好标签的喜好程度大小;所述喜好程度大小是指,用户对于不同喜好标签的喜好程度,其衡量标准从历史观看记录以及喜好记录中分析得出,根据历史观看次数,点赞或评论记录,综合得出喜好程度大小;
根据各用户的喜好标签的喜好程度大小对各用户的喜好标签进行排序,得到各用户的按照喜好程度大小排序的喜好标签;
据此,可选的,在一些实施方式中,所述标签推送模块404,具体用于:
对于相同喜好标签的数量相等的两个以上用户的喜好标签,将其中与目标用户的喜好标签相同的喜好标签,对比目标用户的喜好标签的排序,并得到该喜好标签在目标用户的喜好标签中的排名;
按照相同喜好标签在目标用户的喜好标签中的排名先后,将相同喜好标签的数量相等的多个用户的喜好标签依次推送给目标用户。
例如,目标用户A的按喜好程度大小排序的喜好标签顺序是abcde,而用户B的按喜好程度大小排序的喜好标签顺序是bcfgh,用户C的按喜好程度大小排序的喜好标签顺序是cdijk,用户D的按喜好程度大小排序的喜好标签顺序是delmn,很明显,用户B的bc标签位于用户A的喜好标签中的第2、3位,用户C的cd标签位于用户A的喜好标签中的第3、4位,用户D的de标签位于用户A的喜好标签中的第4、5位,因此,则依照B→C→D顺序,依次将用户B、C、D的喜好标签推送给目标用户A。
通过上述实施例,使得首先向目标用户推荐的喜好标签,由于二者更感兴趣的内容更相近,因此更贴近于目标用户喜好,根据该喜好标签向目标用户推荐的内容则更能符合目标用户的要求,提升了用户体验。
此外,可选的,在另一些实施方式中,所述喜好标签获取模块401,具体用于:从各用户的历史观看记录和/或喜好记录中,分析得出相应用户的喜好标签及所述喜好标签的喜好程度大小;
根据喜好程度大小对该用户的喜好标签进行排序,得到按照喜好程度大小排序的喜好标签;
所述标签推送模块404,具体用于:
删除匹配成功的其他用户的喜好标签中与目标用户的喜好标签相同的喜好标签;
将删除后的其他用户的喜好标签中喜好程度大小排序靠前的多个喜好标签推送给目标用户。
例如,目标用户A的按喜好程度大小排序的喜好标签顺序是abcdefghij,而用户B的按喜好程度大小排序的喜好标签顺序是bcdklmnopq,则在推送用户B的喜好标签给目标用户A时,首先将相同的喜好标签bcd去掉,然后推荐例如排名考前的前四个喜好标签klmn给目标用户A。
通过上述实施例,去掉了目标用户已经有的喜好标签,从而能够将更新鲜的内容推送给目标用户,扩大了推荐范围,能够延伸目标用户兴趣面,增加用户粘度;此外,为了不将过多内容推送给目标用户,选择每个用户的喜好标签中排名靠前的几个喜好标签给客户,既能满足扩大推荐范围的需求,又能排除掉目标用户可能不感兴趣的内容。
同时,上述的删除相同喜好后再进行推送的实施例,还可跟其他方案相结合,例如按相同喜好标签的喜好程度大小在目标用户的喜好标签中的排名依次推送喜好标签之前,还可将其中相同的喜好标签删除,并选择排名靠前的几个喜好标签推送给目标用户。
较佳的,在一些可选实施方式中,所述喜好标签获取模块401,还具体用于:
从历史观看记录中提取出相应的标签;
根据历史观看记录以及喜好记录对标签进行评分,得到每个标签的喜好程度大小;
所述根据历史观看记录以及喜好记录对标签进行评分,得到每个标签的喜好程度大小的步骤包括:
分别根据历史观看记录、点赞记录、评论记录,对每个标签进行单独记分;
其中,基于历史观看记录的记分为第一评分值I,其计算公式为:
第一评分值I=历史观看记录次数×第一系数;
基于点赞记录的记分为第二评分值II,其计算公式为:
第二评分值II=点赞值×第二系数+1,其中,所述点赞值包括第一点赞值、第二点赞值和第三点赞值,所述第一点赞值记为1,指代用户点击了喜欢按钮,所述第二点赞值记为-1,指代用户点击了不喜欢按钮,所述第三点赞值记为0,指代用户既没点击喜欢按钮也没点击不喜欢按钮;
评论字数多少,在一定程度上反应了该用户对相应内容的感兴趣程度,因此,基于评论记录的记分为第三评分值III,其计算公式为:
第三评分值III=评论记录中的字数÷允许评论字数最大值+1;
每个标签的评分S的计算公式为:
标签评分S=第一评分值I×第二评分值II×第三评分值III×100;
将标签评分高于标签评分喜好阈值的标签归类为喜好标签,所述喜好标签的标签评分高低即为所述喜好程度大小。
通过上述实施例,能够较好地将历史观看记录以及喜好记录综合起来对用户行为进行评价,从而能够得到较为科学的用户对喜好标签的喜好程度大小。
本发明还公开了所述根据用户喜好进行信息推送的服务器的另一个实施例。如图5所示,为本发明提供的根据用户喜好进行信息推送的服务器的另一个实施例的模块结构示意图。
所述根据用户喜好进行信息推送的服务器,包括:
记录获取模块501,用于获取预设范围内的用户的历史观看记录以及喜好记录;所述喜好记录包括用户的点赞记录和评论记录;
其中,所述预设范围是指预先设定的用户数据的收集范围,同时也是在这个预设范围内的用户之间进行信息推送;所述预设范围可以采取不同的方式进行划分,例如基于年龄层划分为老年人范围、中年人范围、青年人范围、少儿范围等,或者,基于地域划分为不同省份的范围或不同市的范围,还可在市范围内划分为不同区的范围等等,或者,基于性别划分为男性范围和女性范围,等等,每一种划分方式所得出的各种范围,都可以作为所述预设范围,此外,还可以将划分规则结合起来划分范围,例如将基于年龄层划分的范围中再次划分男性和女性,等等;当然,为了数据收集范围更广,还可以将所有用户都纳入预设范围中;
所述历史观看记录是指,某一用户曾经观看过的视频、新闻、文章、图片等内容的记录,所述点赞记录是指,用户在某一视频、新闻、文章、图片等内容所对应设置的喜欢按钮或不喜欢按钮上进行点击所产生的记录;所述评论记录是指,用户在某一视频、新闻、文章、图片等内容所对应设置的评论区中进行了评论而产生的记录;
这里,获取预设范围内的用户的历史观看记录以及喜好记录的步骤可以是在经推送请求触发后再进行获取数据的步骤,也可以是服务器定期获取数据并进行定期清理陈旧数据的步骤;在定期获取数据时,该周期可以根据需要进行设置,例如每天都重新获取并更新用户数据,或者考虑到服务器的负载量,也可以每周或每30天获取并更新一次数据;
喜好标签分析模块502,用于根据预设范围内的用户的所述历史观看记录以及喜好记录,分析得到各用户的喜好标签;
这里,所述喜好标签是指,根据各用户的历史观看记录以及喜好记录,可以处理得到该用户对哪一些的内容感兴趣,对应的感兴趣内容所包含的标签内容即为所述喜好标签;
列表生成模块503,用于将分析得到的各用户的喜好标签,相应地生成各用户的用户喜好标签列表;
所述记录获取模块501、喜好标签分析模块502和列表生成模块503所进行的步骤可以是实时进行的,也可以是服务器定期进行后,再将用户喜好标签列表保存,在需要的时候直接调用已经生成的用户喜好标签列表;
推送请求接收模块504,用于接收目标用户发出的喜好信息推送请求;
这里的目标用户是指需要被推送用户喜好标签列表的用户;所述喜好信息推送请求,可以是用户通过点击用户终端中的推送按钮而向服务器发出的,也可以是用户通过打开终端的某一界面而自动向服务器发出的,或者是用户在观看完某一内容后终端自动向服务器发出的,例如视频看完后或新闻浏览到页面底部后向服务器发出的推送请求,等等;
列表匹配模块505,用于将目标用户的用户喜好标签列表与预设范围内的除目标用户以外的其他用户的用户喜好标签列表进行匹配;
列表推送模块506,用于将匹配成功的其他用户的用户喜好标签列表推送给目标用户。
例如,预设范围内共4个用户,分别是A、B、C、D,A发出了喜好信息推送请求,即为目标用户,而B、C、D即为预设范围内的除目标用户以外的其他用户,然后将A的用户喜好标签列表分别与B、C、D的用户喜好标签列表进行匹配,假设B和C与A匹配成功,则将B和C的用户喜好标签列表推送给A。在目标用户A接收到推送的B和C的用户喜好标签列表后,其终端可根据B和C的用户喜好标签列表向用户推送相应的内容,例如在终端屏幕上显示“与您同样喜好的人还喜欢”的字样,并在下方列出一些与用户A具有相同喜好的B或C喜好的视频、新闻、文章、图片等内容。
从上述实施例可以看出,本发明提供的根据用户喜好进行信息推送的服务器,通过将预设范围内的用户的历史观看记录和喜好记录处理为用户喜好标签列表后,在目标用户发出推送请求后,向目标用户推送与其用户喜好标签列表相匹配的其他用户的用户喜好标签列表,从而使得目标用户可以体验到大范围推荐,看到与自己有相同爱好的一类人喜爱的视频、新闻等内容,给用户的视频观看提供极大的便利,提升了用户体验。
可选的,在一些实施方式中,所述匹配成功是指目标用户的用户喜好标签列表与其他用户的用户喜好标签列表中有至少一个喜好标签是相同的。例如用户A的用户喜好标签列表和用户B的用户喜好标签列表具有3个相同的喜好标签,则用户A的用户喜好标签列表和用户B的用户喜好标签列表即为匹配成功。
较佳的,在一些可选实施方式中,所述列表推送模块306,具体用于:
根据相同喜好标签的数量多少,对匹配成功的其他用户的用户喜好标签列表进行排序;例如,目标用户A与用户B、用户C、用户D的相同喜好标签的个数分别是4个、3个、2个,则用户B、用户C、用户D的排序结果则为B→C→D;
根据排序结果,可根据需要选择按照相同喜好标签的数量从多到少的顺序,向目标用户依次推送匹配成功的其他用户的用户喜好标签列表;即先推送用户B的用户喜好标签列表,再推送用户C的用户喜好标签列表,再推送用户D的用户喜好标签列表;此外,根据不同需求,也可以是按照从少到多的顺序或其他顺序,进行推送。
通过上述实施例,使得首先目标用户接收的用户喜好标签列表是与其兴趣更接近的其他用户的用户喜好标签列表,从而更能贴近用户的使用习惯和兴趣。这里,在目标用户的终端上,可以先按照首先推送的用户喜好标签列表进行内容推荐,然后再依次按照推送顺序中的其他用户喜好标签列表进行内容推荐,从而能够延长用户使用时间,增加用户对产品的粘度。
较佳的,在一些可选实施方式中,所述喜好标签分析模块502,具体用于:从各用户的历史观看记录以及喜好记录中,分析得出相应用户的喜好标签及其喜好程度大小;所述喜好程度大小是指,用户对于不同喜好标签的喜好程度,其衡量标准从历史观看记录以及喜好记录中分析得出,根据历史观看次数,点赞或评论记录,综合得出喜好程度大小;
所述列表生成模块503,具体用于:根据各用户的喜好标签的喜好程度大小对各用户的喜好标签进行排序,得到各用户的按照喜好程度大小排序的用户喜好标签列表;
据此,可选的,在一些实施方式中,所述列表推送模块506,具体用于:
对于相同喜好标签的数量相等的多个用户喜好标签列表,将其中与目标用户的用户喜好标签列表中的喜好标签相同的喜好标签,对比目标用户的用户喜好标签列表,并得到该喜好标签在目标用户的用户喜好标签列表中的排名;
按照相同喜好标签在目标用户的用户喜好标签列表中排名先后,将相同喜好标签的数量相等的多个用户喜好标签列表依次推送给目标用户。
例如,目标用户A的按喜好程度大小排序的用户喜好标签列表中的喜好标签顺序是abcde,而用户B的按喜好程度大小排序的用户喜好标签列表中的喜好标签顺序是bcfgh,用户C的按喜好程度大小排序的用户喜好标签列表中的喜好标签顺序是cdijk,用户D的按喜好程度大小排序的用户喜好标签列表中的喜好标签顺序是delmn,很明显,用户B的bc标签位于用户A的用户喜好标签列表中的第2、3位,用户C的cd标签位于用户A的用户喜好标签列表中的第3、4位,用户D的de标签位于用户A的用户喜好标签列表中的第4、5位,因此,则依照B→C→D顺序,依次将用户B、C、D的用户喜好标签列表推送给目标用户A。
通过上述实施例,使得首先向目标用户推荐的用户喜好标签列表,由于二者更感兴趣的内容更相近,因此更贴近于目标用户喜好,根据该用户喜好标签列表向目标用户推荐的内容则更能符合目标用户的要求,提升了用户体验。
此外,可选的,在另一些实施方式中,所述列表推送模块506,具体用于:
删除匹配成功的其他用户的用户喜好标签列表中与目标用户的用户喜好标签列表相同的喜好标签;
将删除后的其他用户的用户喜好标签列表中喜好程度大小排序靠前的多个喜好标签组成的定向用户喜好标签列表推送给目标用户。
例如,目标用户A的按喜好程度大小排序的用户喜好标签列表中的喜好标签顺序是abcdefghij,而用户B的按喜好程度大小排序的用户喜好标签列表中的喜好标签顺序是bcdklmnopq,则再推送用户B的用户喜好标签列表给目标用户A时,首先将相同的喜好标签bcd去掉,然后推荐例如排名考前的前四个喜好标签构成的定向用户喜好标签列表klmn给目标用户A。
通过上述实施例,去掉了目标用户已经有的喜好标签,从而能够将更新鲜的内容推送给目标用户,扩大了推荐范围,能够延伸目标用户兴趣面,增加用户粘度;此外,为了不将过多内容推送给目标用户,选择每个用户的用户喜好标签列表中排名靠前的几个喜好标签构成的定向用户喜好标签列表给客户,既能满足扩大推荐范围的需求,又能排除掉目标用户可能不感兴趣的内容。
同时,上述的删除相同喜好后再进行推送的实施例,还可跟其他方案相结合,例如按相同喜好标签的喜好程度大小在目标用户的用户喜好标签列表中的排名依次推送用户喜好标签列表之前,还可将其中相同的喜好标签删除,并选择排名靠前的几个喜好标签构成的定向用户喜好标签列表推送给目标用户。
较佳的,在一些可选实施方式中,所述喜好标签分析模块502,还具体用于:
从历史观看记录中提取出相应的标签;
根据历史观看记录以及喜好记录对标签进行评分,得到每个标签的喜好程度大小;
所述根据历史观看记录以及喜好记录对标签进行评分,得到每个标签的喜好程度大小的步骤包括:
分别根据历史观看记录、点赞记录、评论记录,对每个标签进行单独记分;
其中,基于历史观看记录的记分为第一评分值I,其计算公式为:
第一评分值I=历史观看记录次数×第一系数;
基于点赞记录的记分为第二评分值II,其计算公式为:
第二评分值II=点赞值×第二系数+1,其中,所述点赞值包括第一点赞值、第二点赞值和第三点赞值,所述第一点赞值记为1,指代用户点击了喜欢按钮,所述第二点赞值记为-1,指代用户点击了不喜欢按钮,所述第三点赞值记为0,指代用户既没点击喜欢按钮也没点击不喜欢按钮;
评论字数多少,在一定程度上反应了该用户对相应内容的感兴趣程度,因此,基于评论记录的记分为第三评分值III,其计算公式为:
第三评分值III=评论记录中的字数÷允许评论字数最大值+1;
每个标签的评分S的计算公式为:
标签评分S=第一评分值I×第二评分值II×第三评分值III×100;
将标签评分高于标签评分喜好阈值的标签归类为喜好标签,所述喜好标签的标签评分高低即为所述喜好程度大小。
通过上述实施例,能够较好地将历史观看记录以及喜好记录综合起来对用户行为进行评价,从而能够得到较为科学的用户对喜好标签的喜好程度大小。
所属领域的普通技术人员应当理解:以上任何实施例的讨论仅为示例性的,并非旨在暗示本公开的范围(包括权利要求)被限于这些例子;在本发明的思路下,以上实施例或者不同实施例中的技术特征之间也可以进行组合,并存在如上所述的本发明的不同方面的许多其它变化,为了简明它们没有在细节中提供。因此,凡在本发明的精神和原则之内,所做的任何省略、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)
1.一种根据用户喜好进行信息推送的方法,其特征在于,应用于服务器,包括:
获取预设范围内的用户的喜好标签;
接收到目标用户发出的喜好信息推送请求;
将所述目标用户的喜好标签与所述预设范围内的除所述目标用户以外的其他用户的喜好标签进行匹配;
将匹配成功的其他用户的喜好标签推送给所述目标用户。
2.根据权利要求1所述的方法,其特征在于,所述匹配成功是指目标用户的喜好标签与其他用户的喜好标签有至少一个喜好标签是相同的。
3.根据权利要求1所述的方法,其特征在于,所述将匹配成功的其他用户的喜好标签推送给目标用户的步骤包括:
根据相同喜好标签的数量多少,对匹配成功的其他用户的喜好标签进行排序;
根据排序结果,向目标用户依次推送匹配成功的其他用户的喜好标签。
4.根据权利要求1所述的方法,其特征在于,所述获取预设范围内的用户的喜好标签的步骤包括:
获取预设范围内的用户的历史观看记录和/或喜好记录;所述喜好记录包括用户的点赞记录和/或评论记录;
根据预设范围内的用户的所述历史观看记录和/或喜好记录,分析得到各用户的喜好标签。
5.根据权利要求4所述的方法,其特征在于,所述根据预设范围内的用户的所述历史观看记录和/或喜好记录,分析得到各用户的喜好标签的步骤具体为:
从各用户的历史观看记录和/或喜好记录中,分析得出相应用户的喜好标签及所述喜好标签的喜好程度大小;
根据各用户的喜好标签的喜好程度大小对各用户的喜好标签进行排序,得到各用户的按照喜好程度大小排序的喜好标签;
所述将匹配成功的其他用户的喜好标签推送给目标用户的步骤包括:
对于相同喜好标签的数量相等的两个以上匹配成功的其他用户的喜好标签,将所述两个以上匹配成功的其他用户的喜好标签中与目标用户的喜好标签相同的喜好标签,对比目标用户的喜好标签的排序,并得到该喜好标签在目标用户的喜好标签中的排名;
按照相同喜好标签在目标用户的喜好标签中的排名先后,将相同喜好标签的数量相等的多个用户的喜好标签依次推送给目标用户。
6.根据权利要求4所述的方法,其特征在于,所述根据预设范围内的用户的所述历史观看记录和/或喜好记录,分析得到各用户的喜好标签的步骤具体为:从各用户的历史观看记录和/或喜好记录中,分析得出相应用户的喜好标签及所述喜好标签的喜好程度大小;
根据喜好程度大小对该用户的喜好标签进行排序,得到按照喜好程度大小排序的喜好标签;
所述将匹配成功的其他用户的喜好标签推送给目标用户的步骤包括:
删除匹配成功的其他用户的喜好标签中与目标用户的喜好标签相同的喜好标签;
将删除后的其他用户的喜好标签中喜好程度大小排序靠前的多个喜好标签推送给目标用户。
7.一种根据用户喜好进行信息推送的服务器,其特征在于,包括:
喜好标签获取模块,用于获取预设范围内的用户喜好标签;
推送请求接收模块,用于接收目标用户发出的喜好信息推送请求;
标签匹配模块,用于将目标用户的喜好标签与预设范围内的除目标用户以外的其他用户的喜好标签进行匹配;
标签推送模块,用于将匹配成功的其他用户的喜好标签推送给目标用户。
8.根据权利要求7所述的服务器,其特征在于,所述匹配成功是指目标用户的喜好标签与其他用户的喜好标签中有至少一个喜好标签是相同的。
9.根据权利要求7所述的服务器,其特征在于,所述标签推送模块,具体用于:
根据相同喜好标签的数量多少,对匹配成功的其他用户的喜好标签进行排序;
根据排序结果,向目标用户依次推送匹配成功的其他用户的喜好标签。
10.根据权利要求7所述的方法,其特征在于,所述喜好标签获取模块,具体用于:
获取预设范围内的用户的历史观看记录和/或喜好记录;所述喜好记录包括用户的点赞记录和/或评论记录;
根据预设范围内的用户的所述历史观看记录和/或喜好记录,分析得到各用户的喜好标签。
11.根据权利要求10所述的服务器,其特征在于,所述喜好标签获取模块,具体用于:从各用户的历史观看记录和/或喜好记录中,分析得出相应用户的喜好标签及所述喜好标签的喜好程度大小;
根据各用户的喜好标签的喜好程度大小对各用户的喜好标签进行排序,得到各用户的按照喜好程度大小排序的喜好标签;
所述标签推送模块,具体用于:
对于相同喜好标签的数量相等的两个以上匹配成功的其他用户的喜好标签,将所述两个以上匹配成功的其他用户的喜好标签中与目标用户的喜好标签相同的喜好标签,对比目标用户的喜好标签的排序,并得到该喜好标签在目标用户的喜好标签中的排名;
按照相同喜好标签在目标用户的喜好标签中的排名先后,将相同喜好标签的数量相等的多个用户的喜好标签依次推送给目标用户。
12.根据权利要求10所述的服务器,其特征在于,所述喜好标签获取模块,具体用于:从各用户的历史观看记录和/或喜好记录中,分析得出相应用户的喜好标签及所述喜好标签的喜好程度大小;
根据喜好程度大小对该用户的喜好标签进行排序,得到按照喜好程度大小排序的喜好标签;
所述标签推送模块,具体用于:
删除匹配成功的其他用户的喜好标签中与目标用户的喜好标签相同的喜好标签;
将删除后的其他用户的喜好标签中喜好程度大小排序靠前的多个喜好标签推送给目标用户。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610126011.3A CN105827690A (zh) | 2016-03-04 | 2016-03-04 | 根据用户喜好进行信息推送的方法及服务器 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610126011.3A CN105827690A (zh) | 2016-03-04 | 2016-03-04 | 根据用户喜好进行信息推送的方法及服务器 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105827690A true CN105827690A (zh) | 2016-08-03 |
Family
ID=56987538
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610126011.3A Pending CN105827690A (zh) | 2016-03-04 | 2016-03-04 | 根据用户喜好进行信息推送的方法及服务器 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105827690A (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106294818A (zh) * | 2016-08-16 | 2017-01-04 | 陈银芳 | 个性化实现app排序方法及系统 |
CN106331779A (zh) * | 2016-08-22 | 2017-01-11 | 暴风集团股份有限公司 | 在播放视频过程中基于用户喜好推送主播的方法及系统 |
WO2018027400A1 (zh) * | 2016-08-06 | 2018-02-15 | 柳柏宏 | 根据分组状态停止广告推送的方法以及推送系统 |
CN107979624A (zh) * | 2016-10-24 | 2018-05-01 | 腾讯科技(深圳)有限公司 | 一种信息推送方法、装置及具有快捷访问功能的客户端 |
CN108681919A (zh) * | 2018-05-10 | 2018-10-19 | 苏州跃盟信息科技有限公司 | 一种内容推送方法及装置 |
CN108876517A (zh) * | 2018-05-31 | 2018-11-23 | 周国俊 | 基于人工智能的用户喜好分析方法及系统 |
CN108897592A (zh) * | 2018-06-22 | 2018-11-27 | 珠海市君天电子科技有限公司 | 一种软件展示方法及相关设备 |
CN109783724A (zh) * | 2018-12-14 | 2019-05-21 | 深圳壹账通智能科技有限公司 | 社交网络信息的管理方法、终端设备及介质 |
CN109933700A (zh) * | 2019-03-07 | 2019-06-25 | 王芃翰 | 基于大数据的学生阅读建议生成方法及相关设备 |
WO2019144847A1 (zh) * | 2018-01-26 | 2019-08-01 | 北京一览科技有限公司 | 提供视频流的方法和装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103309967A (zh) * | 2013-06-05 | 2013-09-18 | 清华大学 | 基于相似性传递的协同过滤方法及系统 |
CN103488714A (zh) * | 2013-09-11 | 2014-01-01 | 杭州东信北邮信息技术有限公司 | 一种基于社交网络的图书推荐方法和系统 |
CN104537115A (zh) * | 2015-01-21 | 2015-04-22 | 北京字节跳动科技有限公司 | 用户兴趣的探索方法和装置 |
-
2016
- 2016-03-04 CN CN201610126011.3A patent/CN105827690A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103309967A (zh) * | 2013-06-05 | 2013-09-18 | 清华大学 | 基于相似性传递的协同过滤方法及系统 |
CN103488714A (zh) * | 2013-09-11 | 2014-01-01 | 杭州东信北邮信息技术有限公司 | 一种基于社交网络的图书推荐方法和系统 |
CN104537115A (zh) * | 2015-01-21 | 2015-04-22 | 北京字节跳动科技有限公司 | 用户兴趣的探索方法和装置 |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018027400A1 (zh) * | 2016-08-06 | 2018-02-15 | 柳柏宏 | 根据分组状态停止广告推送的方法以及推送系统 |
CN106294818A (zh) * | 2016-08-16 | 2017-01-04 | 陈银芳 | 个性化实现app排序方法及系统 |
CN106331779B (zh) * | 2016-08-22 | 2019-07-26 | 暴风集团股份有限公司 | 在播放视频过程中基于用户喜好推送主播的方法及系统 |
CN106331779A (zh) * | 2016-08-22 | 2017-01-11 | 暴风集团股份有限公司 | 在播放视频过程中基于用户喜好推送主播的方法及系统 |
CN107979624A (zh) * | 2016-10-24 | 2018-05-01 | 腾讯科技(深圳)有限公司 | 一种信息推送方法、装置及具有快捷访问功能的客户端 |
WO2019144847A1 (zh) * | 2018-01-26 | 2019-08-01 | 北京一览科技有限公司 | 提供视频流的方法和装置 |
US11689757B2 (en) | 2018-01-26 | 2023-06-27 | Beijing Allook Technologies Co., Ltd. | Method and apparatus for providing video streams |
CN108681919A (zh) * | 2018-05-10 | 2018-10-19 | 苏州跃盟信息科技有限公司 | 一种内容推送方法及装置 |
CN108876517A (zh) * | 2018-05-31 | 2018-11-23 | 周国俊 | 基于人工智能的用户喜好分析方法及系统 |
CN108876517B (zh) * | 2018-05-31 | 2022-06-17 | 周国俊 | 基于人工智能的用户喜好分析方法及系统 |
CN108897592A (zh) * | 2018-06-22 | 2018-11-27 | 珠海市君天电子科技有限公司 | 一种软件展示方法及相关设备 |
CN109783724A (zh) * | 2018-12-14 | 2019-05-21 | 深圳壹账通智能科技有限公司 | 社交网络信息的管理方法、终端设备及介质 |
CN109933700A (zh) * | 2019-03-07 | 2019-06-25 | 王芃翰 | 基于大数据的学生阅读建议生成方法及相关设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105827690A (zh) | 根据用户喜好进行信息推送的方法及服务器 | |
US9495592B2 (en) | Image-based information providing device and method using object recognition | |
US10805252B2 (en) | Prioritizing messages within a message network | |
CN107087235B (zh) | 媒体内容推荐方法、服务器及客户端 | |
JP6482172B2 (ja) | レコメンド装置、レコメンド方法、およびプログラム | |
CA2686601C (en) | Providing personalized resources on-demand over a broadband network to consumer device applications | |
US20080215583A1 (en) | Ranking and Suggesting Candidate Objects | |
CN102630052B (zh) | 面向实时流的电视节目推荐系统 | |
US8700554B2 (en) | Using a degree-of-unexpectedness to provide unexpected recommendations | |
CN105976161A (zh) | 一种基于时间轴上的智能推荐日历及基于用户的呈现方法 | |
CN110059256B (zh) | 用于展示信息的系统、方法及装置 | |
US10051044B2 (en) | Community space for sharing content | |
CN104216885B (zh) | 静态和动态推荐理由自动结合的推荐系统及方法 | |
US20140129634A1 (en) | Social media-based content recommendation apparatus | |
CN110929139A (zh) | 搜索推荐方法及装置 | |
CN113297468B (zh) | 信息展示、推荐及处理方法、信息推荐系统、电子设备 | |
CN113849682A (zh) | 视频搜索方法、装置、设备及介质 | |
JP5778626B2 (ja) | アイテム利用促進装置、アイテム利用促進装置の動作方法およびコンピュータプログラム | |
CN109213933B (zh) | 内容项推荐方法、装置、设备及存储介质 | |
US20230254521A1 (en) | Video distribution device, video distribution method, and recording media | |
JP5882262B2 (ja) | 端末装置およびプログラム | |
CN113051481B (zh) | 内容推荐方法、装置、电子设备和介质 | |
JP6103813B2 (ja) | 情報処理装置、情報処理方法およびプログラム | |
CN114846812A (zh) | 摘要视频的生成方法、装置和服务器 | |
JP5938002B2 (ja) | コンテンツ推薦装置およびその動作方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20160803 |