CN105872629A - 内容推荐方法、装置及系统 - Google Patents

内容推荐方法、装置及系统 Download PDF

Info

Publication number
CN105872629A
CN105872629A CN201610158871.5A CN201610158871A CN105872629A CN 105872629 A CN105872629 A CN 105872629A CN 201610158871 A CN201610158871 A CN 201610158871A CN 105872629 A CN105872629 A CN 105872629A
Authority
CN
China
Prior art keywords
content
probability
sequence
recommendation
feedback information
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
Application number
CN201610158871.5A
Other languages
English (en)
Other versions
CN105872629B (zh
Inventor
沈世星
王必尧
尹玉宗
姚键
潘柏宇
王冀
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Alibaba China Co Ltd
Youku Network Technology Beijing Co Ltd
Original Assignee
1Verge Internet Technology Beijing Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 1Verge Internet Technology Beijing Co Ltd filed Critical 1Verge Internet Technology Beijing Co Ltd
Priority to CN201610158871.5A priority Critical patent/CN105872629B/zh
Publication of CN105872629A publication Critical patent/CN105872629A/zh
Priority to PCT/CN2016/099365 priority patent/WO2017156995A1/zh
Priority to US15/759,902 priority patent/US11481657B2/en
Priority to EP16894154.0A priority patent/EP3346397A4/en
Priority to TW106107715A priority patent/TW201734914A/zh
Application granted granted Critical
Publication of CN105872629B publication Critical patent/CN105872629B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/25—Management operations performed by the server for facilitating the content distribution or administrating data related to end-users or client devices, e.g. end-user or client device authentication, learning user preferences for recommending movies
    • H04N21/258—Client or end-user data management, e.g. managing client capabilities, user preferences or demographics, processing of multiple end-users preferences to derive collaborative data
    • H04N21/25866—Management of end-user data
    • H04N21/25891—Management of end-user data being end-user preferences
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N7/00—Computing arrangements based on specific mathematical models
    • G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—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
    • 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
    • H04L67/1396—Protocols specially adapted for monitoring users' activity
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/25—Management operations performed by the server for facilitating the content distribution or administrating data related to end-users or client devices, e.g. end-user or client device authentication, learning user preferences for recommending movies
    • H04N21/251—Learning process for intelligent management, e.g. learning user preferences for recommending movies
    • H04N21/252—Processing of multiple end-users' preferences to derive collaborative data
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/25—Management operations performed by the server for facilitating the content distribution or administrating data related to end-users or client devices, e.g. end-user or client device authentication, learning user preferences for recommending movies
    • H04N21/258—Client or end-user data management, e.g. managing client capabilities, user preferences or demographics, processing of multiple end-users preferences to derive collaborative data
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/45—Management operations performed by the client for facilitating the reception of or the interaction with the content or administrating data related to the end-user or to the client device itself, e.g. learning user preferences for recommending movies, resolving scheduling conflicts
    • H04N21/4508—Management of client data or end-user data
    • H04N21/4532—Management of client data or end-user data involving end-user characteristics, e.g. viewer profile, preferences
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/45—Management operations performed by the client for facilitating the reception of or the interaction with the content or administrating data related to the end-user or to the client device itself, e.g. learning user preferences for recommending movies, resolving scheduling conflicts
    • H04N21/466—Learning process for intelligent management, e.g. learning user preferences for recommending movies
    • H04N21/4668—Learning process for intelligent management, e.g. learning user preferences for recommending movies for recommending content, e.g. movies
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Signal Processing (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Multimedia (AREA)
  • Computer Graphics (AREA)
  • Computing Systems (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Artificial Intelligence (AREA)
  • Algebra (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Evolutionary Computation (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Probability & Statistics with Applications (AREA)
  • Pure & Applied Mathematics (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)
  • Information Transfer Between Computers (AREA)

Abstract

本发明涉及内容推荐方法、装置及系统，所述方法包括：基于平均推荐概率将内容集合中的内容推荐给用户；收集来自用户的客户端的对所推荐内容的反馈信息，所述反馈信息包括展示信息和点击信息，其中展示信息包括所推荐的内容在客户端上被展示的次数和展示时间，点击信息包括所推荐的内容在客户端上被点击的次数和点击时间；以及根据所述反馈信息从所述内容集合的内容中确定优选内容的序列，以便基于所述优选内容的序列向该用户推荐内容。本发明各方面基于用户的反馈进行内容推荐，使得对于点击行为少的随机用户也能够合理有效地进行内容推荐。

Description

内容推荐方法、装置及系统
技术领域
本发明涉及互联网技术领域，尤其涉及一种内容推荐方法、装置及系统。
背景技术
对于为用户提供视频、音频、广告等各种内容的网络平台，其研究的一个重点是如何有效地预估用户的需求，以向用户推荐可能感兴趣的内容。
现有方法通常是从用户点击历史数据中提取用户的兴趣标签等反应用户偏好的信息，来进行内容推荐。然而，对于占用户大多数的随机用户来说，他们点击行为很少，点击历史数据中包含的信息量不足，因此难以通过上述方式进行推荐。
发明内容
有鉴于此，本发明提出了一种内容推荐方法及装置，基于用户的反馈进行内容推荐，使得对于点击行为少的随机用户也能够合理有效地进行内容推荐。
一方面，提出了一种内容推荐方法，包括：基于平均推荐概率将内容集合中的内容推荐给用户；收集来自用户的客户端的对所推荐内容的反馈信息，所述反馈信息包括展示信息和点击信息，以及根据所述反馈信息从所述内容集合的内容中确定优选内容的序列，以便基于所述优选内容的序列向该用户推荐内容。
另一方面，提出了一种内容推荐方法，包括：建立内容池，所述内容池包括多个内容集合，各内容集合分别包含相应类型的内容；以及针对内容池中的各内容集合，执行上述一方面的方法，以生成针对各内容集合的优选内容的序列。
另一方面，提出了一种内容推荐装置，包括：第一推荐部件，用于基于平均推荐概率将内容集合中的内容推荐给用户；收集部件，用于收集来自用户的客户端的对所推荐内容的反馈信息；以及确定部件，用于根据所述反馈信息从所述内容集合的内容中确定优选内容的序列，以便基于所述优选内容的序列向该用户推荐内容。
另一方面，提出了一种内容推荐装置，包括：建立部件，用于建立内容池，所述内容池包括多个内容集合，各内容集合分别包含相应类型的内容；以及序列生成部件，用于针对内容池中的各内容集合，运行根据上述一方面所述的内容推荐装置，以生成针对各内容集合的优选内容的序列。
另一方面，提出了一种内容推荐系统，包括：服务器设备，所述服务器设备配置有根据上述方面所述的内容推荐装置；以及客户端设备，所述客户端设备包括：信息采集部件，用于采集所述反馈信息；信息传送部件，用于将所述反馈信息传送至服务器设备；序列存储部件，用于存储来自服务器设备的优选内容的序列；以及内容推荐部件，用于基于所述优选内容的序列向该用户推荐内容。
本发明各方面基于用户的反馈进行内容推荐，使得对于点击行为少的随机用户也能够合理有效地进行内容推荐。
根据下面参考附图对示例性实施例的详细说明，本发明的其它特征及方面将变得清楚。
附图说明
包含在说明书中并且构成说明书的一部分的附图与说明书一起示出了本发明的示例性实施例、特征和方面，并且用于解释本发明的原理。
图1示出根据本发明一实施例的内容推荐方法的流程图。
图2示出了轮盘算法的原理的示意图。
图3示出了根据反馈信息确定优选内容的序列的过程的一个示例的流程图。
图4示出根据本发明另一实施例的内容推荐方法的流程图。
图5示出根据本发明另一实施例的内容推荐装置的结构图。
图6示出根据本发明另一实施例的内容推荐装置的结构图。
图7示出根据本发明另一实施例的内容推荐系统的结构图。
图8示出根据本发明另一实施例的内容推荐设备的结构图。
具体实施方式
以下将参考附图详细说明本发明的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面，但是除非特别指出，不必按比例绘制附图。
在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。
另外，为了更好的说明本发明，在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解，没有某些具体细节，本发明同样可以实施。在一些实例中，对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述，以便于凸显本发明的主旨。
实施例1
图1示出根据本发明一实施例的内容推荐方法的流程图。该实施例可在服务器端实施。如图1所示，该方法主要包括：
步骤101，基于平均推荐概率将内容集合中的内容推荐给用户；
步骤102，收集来自用户的客户端的对所推荐内容的反馈信息；
步骤103，根据所述反馈信息从所述内容集合的内容中确定优选内容的序列，以便基于所述优选内容的序列向该用户推荐内容。
该实施例基于用户的反馈进行内容推荐，使得对于点击行为少的随机用户也能够合理有效地进行内容推荐。
本文中的“内容集合”，是指由多个内容构成的集合，同一内容集合中的内容可具有相同的类型，例如为视频、音频和广告中的一种。内容集合中的内容可以是人工挑选或通过某种规则筛选的、有推荐给用户的可能性的内容，例如一段时间内比较热门的视频、刚推出的新视频等，本发明对此不作限制。内容集合可在服务器端存储并维护，其中的内容可以定期更新。
本文中的“用户”，可以是广义上的所有类型的用户，也可以是某类特定用户，例如已经通过某种规则选定的、对某种内容特别感兴趣的用户，或者已经被判断为历史点击数量较少的随机用户等，本发明对此不作限制。
本文中的某一内容的“推荐概率”，是指从内容集合中随机选取一个内容进行推荐的情况下，该内容被推荐的概率。内容集合中所有内容被推荐的概率的总和为1。例如，假设内容集合中共有100个内容，则每个内容的平均推荐概率为1/100。
以下结合具体例子，详细说明本实施例各步骤的示例性的具体实施方式，本领域技术人员应理解，这些具体实施方式仅为了便于理解，并不以任何方式限制本发明。
1、步骤101，基于平均推荐概率将内容集合中的内容推荐给用户
步骤101可以做是“初始化”的过程。在内容集合建立之初，或者在内容集合刚经过更新，尚未得到足够的客户反馈时，可以基于平均推荐概率将内容集合中的内容推荐给用户，以通过这些内容的展示和点击得到后续的反馈信息。步骤101的可在方法开始执行的预定时间段(例如5秒)内执行，该预定时间段过后，可不再执行步骤101，而仅实时地执行后续的步骤102-103。
在一个示例中，基于平均推荐概率的推荐可利用轮盘算法来实现。图2示出了轮盘算法的原理的示意图。其中圆形中的每个扇形代表每个内容被推荐的概率，所有概率的总和为1，在随机转动轮盘的情况下会得到一个选定的内容，扇形面积大(即推荐概率高)的内容被选定的概率更大，反之，扇形面积小(即推荐概率低)的内容被选定的概率更小。在步骤101中，以平均推荐概率进行推荐，即每个内容对应扇形的面积相等，被选中的概率相等。
利用轮盘算法进行推荐的一种示例性的具体实现方式如下：可为每个推荐概率指定一个对应的数值范围，还以上述100个内容为例，在平均推荐概率的情况下，每个内容所对应的数值范围可以相同，例如第1个内容对应数值范围1-2，第2个内容对应数值范围3-4……第100个内容对应数值范围199-200，这相当于在图2的圆形上划分了100个面积相等的扇形。生成一个1-200之间的随机数(相当于转动轮盘)，随机数落在哪个数值范围内，就相当于选定了相对应的哪个内容，可将此内容推荐给用户。
步骤101可以定期进行，例如以一定的时间间隔执行轮盘算法进行推荐，也可以响应于来自客户端的请求而进行，例如，在方法开始执行的预定时间段(例如5秒)内，每当有用户通过客户端登陆网络平台或打开网络平台中特定网页等适当时机，即可向服务器端发送请求，响应于该请求，服务器端可执行一次推荐(即转动一次轮盘)，以向该用户推荐内容集合中的一个内容。
执行步骤101后，用户的客户端上会展示所推荐内容的信息，例如链接、内容ID、摘要等信息，用户可通过客户端对该信息进行点击以收看或收听该内容，并产生反馈信息。
2、步骤102，收集来自用户的客户端的对所推荐内容的反馈信息
在一个示例中，反馈信息可包括展示信息和点击信息，其中展示信息可包括所推荐的内容在客户端上被展示的次数和展示时间，即某个内容在各客户端上被展示了多少次(例如某个视频的链接在各客户端界面上出现多少次)，每次是在什么时间被展示的，点击信息可包括所推荐的内容在客户端上被点击的次数和点击时间，即某个内容在各客户端上被点击了多少次，每次是在什么时间被点击的。
可以通过用户的客户端采集这些反馈信息，再由服务器从各客户端收集这些信息。在服务器中，反馈信息可存放于统一的信息队列，由多线程处理反馈信息。反馈信息可存放于视频反馈对象中。
这里对反馈信息的收集可以是在方法执行过程中持续地、实时地收集，及一旦反馈信息在客户端产生，客户端就将其采集下来，并将其立即传送给服务器，或者在客户端经由缓冲后再传送给服务器，以减轻服务器的处理压力。这种收集使得后续的推荐不再依赖于历史点击数据，而是依赖于用户的实时反馈，从而实现对历史点击数据不足的随机用户的推荐。
3、步骤103，根据所述反馈信息从所述内容集合的内容中确定优选内容的序列
步骤103可以定期进行，即以一定的时间间隔来定期确定优选内容的序列，也可以响应于客户请求来进行，即每当用户通过客户端登陆网络平台或打开网络平台中特定网页等适当时机，客户端即可向服务器端发送请求，响应于该请求，服务器端可根据以上所收集的反馈信息，从内容集合的内容中确定优选内容的序列。
在一个示例中，考虑到用户反馈信息可能存在延时较长、具有特定的有效时间段等特征，可以采用时间窗口的方法对收集到的反馈信息进行处理。例如可以对展示时间和点击时间在指定时间段内的反馈信息进行统计处理，以确定优选内容的序列。其中指定时间段可以根据统计的需要、用户反馈的特点、内容的特征等来选取，本发明对此不作限制。例如，如果内容为实时热点新闻，则可以以半小时的时间作为指定时间段，相应地，可每隔半小时执行一次步骤103。也可以以当前时间(例如收到用户请求的时间)作为起点，向前追溯某个时间段作为指定时间段。
优选内容的序列可以基于指定时间段内的反馈信息来确定。以下结合图3给出一个确定优选内容的序列的具体示例，在该示例中，根据反馈信息重新确定内容集合中各内容的推荐概率，并利用轮盘算法，基于该重新确定的推荐概率来确定优选内容的序列。
图3示出了根据反馈信息确定优选内容的序列的过程的一个示例的流程图，该示例对展示时间和点击时间在指定时间段内的反馈信息进行处理，主要包括以下步骤301-303：
步骤301，从展示次数超过预定阈值的内容中，确定具有最高关注度的内容，其中所述关注度与该内容的点击次数和展示次数的比值相关联。
举例来说，假设预定阈值为20次(该阈值的具体数值可以根据情况适当确定)，收集到指定时间段内展示次数超过该阈值的内容有5个，即A1，A2，A3，A4，A5，可以计算这5个内容各自的关注度。这里所说的关注度反应了该内容被用户关注的程度，或者说“热度”，可以以反馈信息中该内容的点击次数和展示次数的比值(也称为点击率)作为关注度。关注度的计算还可引入其他因素，例如该内容原有的反应其热度的属性信息等，该信息可以是人工赋予的，也可以是基于内容的历史点击率等统计得到的。
可确定这5个内容中，具有最高关注度的内容，例如A1，以待后续步骤的处理。
步骤302，对展示次数低于阈值的内容赋予指定推荐概率，并用1减去所有指定推荐概率之和，得到的结果作为优选推荐概率赋予所述具有最高关注度的内容。
这一步骤的作用，是重新确定各个内容对应的推荐概率，就是上文中所述的“扇形的面积”，以为后续执行轮盘算法做准备。
对展示次数低于阈值的内容，可以理解为这部分内容在步骤101的以平均推荐概率推荐的环节中没有得到“公平对待”，或者说没有得到充分的展示。为了对这种情况进行补偿，步骤302将这部分内容也纳入了“轮盘”之中，对其赋予指定推荐概率。
在一个示例中，所述指定推荐概率可为上述平均推荐概率，这种方式相对比较简单。在另一示例中，所述指定推荐概率可为该内容的补偿推荐概率，“补偿推荐概率”为所述平均推荐概率减去该内容的实际展示概率(即该内容的展示次数与所有内容的总展示次数的比值)。也就是说，用补偿推荐概率来弥补这部分内容的展示不足。这种方式相对比较复杂，但补偿的精度更高。
接下来，可用1减去所有指定推荐概率之和，得到的结果作为优选推荐概率赋予所述具有最高关注度的内容。
仍以上述例子来说明，设展示次数的预定阈值为20，假设展示次数低于阈值的内容有20个，即B1～B20，则可以将它们分别赋予平均推荐概率1/100，并将1-20*1/100＝0.8作为优选推荐概率赋予上面选定的具有最高关注度的内容A1。其他内容的推荐概率为0。
这样，在“轮盘”上就得到了21个扇形，其中面积最大的一个对应具有最高关注度的内容A1，其面积占轮盘总面积的80％，另外20个扇形对应B1～B20，其每个的面积占轮盘总面积的1％。
步骤303，基于上述指定推荐概率和优选推荐概率，利用轮盘算法从具有最高关注度的内容和展示次数低于阈值的内容中选择一个内容作为第一优选内容放入优选内容的序列。
轮盘算法的原理如上文所描述的。可定期执行步骤301-303，以定期生成优选内容的序列。在一种替代方式中，步骤301和步骤302可以是定期进行的，步骤303可以是响应于客户请求而执行得，即定期重新确定各内容的推荐概率，一旦接收到来自客户端的请求(例如是客户端响应于用户登录网络平台或打开指定网页而发出的请求)，即可“转动”步骤302中所形成的轮盘，这样即可得到一个第一优选内容，例如是A1，并将其放入优选内容的序列。在另一种替代方式中，也可以响应于客户的请求，来执行步骤301、302、303。
可以直接将该第一优选内容推荐给该发出请求的用户。此外，在一个示例中，本实施例还可通过以下手段来避免向用户发送重复的内容。可从展示次数超过预定阈值的内容中，选取关注度低于最高关注度的预定数量的内容作为候选内容，例如预定数量为4，则选择选取候选内容A2-A5，此预定数量可以根据需要任意选择。可以对这些候选内容进行随机排序，并排列在所述第一优选内容之后。举例来说，通过这种方式可得到优选内容的序列A1，A3，A4，A2，A5，其中A1是第一优选内容，A3，A4，A2，A5是随机排列的候选内容。服务器可将该优选内容的序列传送至客户端，客户端可对该序列进行“过滤”，找到未向用户推荐过的内容，例如可将优选内容的序列中排列在最前面的、不在针对该用户的已推荐内容的列表中的内容推荐给该用户，并将所推荐的该内容的信息加入针对该用户的已推荐内容的列表中。举例来说，如果内容A1已经在客户端所存储或获取的针对该用户的已推荐内容的列表中了(即已经向该用户推荐过内容A1)，那么可以依次考察序列中的A3，A4，A2，A5，直到找到一个不在已推荐内容的列表的内容为止，并将该内容推荐给该用户。
在一种可能的实施方式中，可由服务器端定期生成优选内容的列表提供给客户端，客户端可响应于用户的请求基于以上过程从中选择最终推荐给用户的内容，以避免重复推荐。此外，客户端还可缓存来自服务器设备的优选内容的序列。例如，当用户向客户端请求推荐内容时，如果客户端缓存模块为空，则可向服务器设备发送请求以获取优选内容的序列，缓存计时器清零；如果缓存模块不为空且缓存计时器超过阈值，则可向服务器请求刷新优选内容的序列的数据。
将内容推荐给客户可以是以推荐的方式向该用户展示该内容的链接(例如URL)、ID、摘要等信息。序列中的其他内容也可以列表的方式展示给用户，以供用户备选。
实施例2
图4示出了根据本发明另一实施例的内容推荐方法的流程图，该实施例可在服务器端实施。如图4所示，该实施例的方法主要包括：步骤401，建立内容池，所述内容池包括多个内容集合，各内容集合分别包含相应类型的内容；步骤402，针对内容池中的各内容集合，执行实施例1所述的方法，以生成针对各内容集合的优选内容的序列。
在该实施例中，可以以多个内容集合组成内容池，每个内容集合可包含一类内容。可按业务类型分类，例如第一内容集合中为视频内容，第二内容集合中为广告内容等等，也可以按更加细化的分类原则进行分类，例如第一内容集合中为时事新闻视频、第二内容集合中为影视视频等等。可以针对各个内容集合分别执行实施例1的方法，从而独立地生成针对各内容集合的优选内容的序列。
该方法还可包括对内容池进行管理的步骤，包括判断内容池是否存在、建立内容池、设置内容池有效时间、加载内容池对象等操作。该方法还可包括对内容池的增删改查和过期操作处理。
实施例3
图5示出根据本发明一实施例的内容推荐装置的结构图。该实施例的装置可在配置在服务器设备中。如图5所示，该内容推荐装置500主要包括：第一推荐部件501，用于基于平均推荐概率将内容集合中的内容推荐给用户；收集部件502，用于收集来自用户的客户端的对所推荐内容的反馈信息；确定部件503，用于根据所述反馈信息从所述内容集合的内容中确定优选内容的序列，以便基于所述优选内容的序列向该用户推荐内容。
该实施例基于用户的反馈进行内容推荐，使得对于点击行为少的随机用户也能够合理有效地进行内容推荐。
在一个示例中，所述反馈信息可包括展示信息和点击信息，其中展示信息可包括所推荐的内容在客户端上被展示的次数和展示时间，点击信息可包括所推荐的内容在客户端上被点击的次数和点击时间。
在一个示例中，确定部件可包括：推荐概率确定部件，用于根据反馈信息重新确定内容集合中各内容的推荐概率，以及序列确定部件，用于利用轮盘算法，基于重新确定的推荐概率来确定优选内容的序列。
在一个示例中，所述推荐概率确定部件可包括：最高关注度内容确定部件，用于针对展示时间和点击时间在指定时间段内的反馈信息，从展示次数超过预定阈值的内容中，确定具有最高关注度的内容，其中所述关注度与该内容的点击次数和展示次数的比值相关联；推荐概率赋予部件，用于对展示次数低于阈值的内容赋予指定推荐概率，并用1减去所有指定推荐概率之和，得到的结果作为优选推荐概率赋予所述具有最高关注度的内容。所述序列确定部件可包括：选择部件，用于基于上述指定推荐概率和优选推荐概率，利用轮盘算法从具有最高关注度的内容和展示次数低于阈值的内容中选择一个内容作为第一优选内容放入优选内容的序列。
在一个示例中，所述指定推荐概率可为所述平均推荐概率。在另一个示例中，其中所述指定推荐概率可为该内容的补偿推荐概率，所述补偿推荐概率为所述平均推荐概率减去该内容的实际展示概率。
在一个示例中，所述序列确定部件还可包括：候选内容选取部件，用于从展示次数超过预定阈值的内容中，选取关注度低于最高关注度的预定数量的内容作为候选内容，排列部件，用于将所述候选内容排列在所述第一优选内容之后。
在一个示例中，所述排列部件可用于将所述候选内容随机排序后，排列在所述第一优选内容之后。
在一个示例中，所述内容集合中的内容可为视频、音频、广告中的一种。
实施例4
图6示出根据本发明一实施例的内容推荐装置的结构图。该实施例的装置可配置于服务器设备中。该实施例的内容推荐装置600主要包括：建立部件601，用于建立内容池，所述内容池包括多个内容集合，各内容集合分别包含相应类型的内容；序列生成部件602，用于针对内容池中的各内容集合，运行实施例3中的内容推荐装置，以生成针对各内容集合的优选内容的序列。
该装置还可包括用于对内容池进行管理的部件，其中，管理可包括判断内容池是否存在、建立内容池、设置内容池有效时间、加载内容池对象等。该装置还可包括用于对内容池的增删改查和过期操作处理的部件。
实施例5
图7示出根据本发明一实施例的内容推荐系统的结构图，如图7所示，该系统主要包括：服务器设备701和客户端设备702。服务器设备701配置有实施例3或4的内容推荐装置。客户端设备702包括：信息采集部件7021，用于采集所述反馈信息；信息传送部件7022，用于将所述反馈信息传送至服务器设备；序列存储部件7023，用于存储来自服务器设备的优选内容的序列；内容推荐部件7024，用于基于所述优选内容的序列向该用户推荐内容。
客户端设备可为智能手机、个人电脑等终端设备。
在一个示例中，客户端设备中的内容推荐部件可用于对优选内容的序列进行过滤，以避免向用户推荐重复的内容。例如，内容推荐部件可具体用于将所述优选内容的序列中排列在最前面的、不在针对该用户的已推荐内容的列表中的内容推荐给该用户，并将所推荐的该内容的信息加入针对该用户的已推荐内容的列表中。
在一个示例中，客户端设备还可包括缓存部件，以对信息采集部件采集到的反馈信息进行缓存后再传送给服务器设备，减轻服务器设备的压力。举例来说，缓存部件可以采用如下缓存策略：如果缓存部件中当前缓存数据量超过阈值，则将反馈信息合并后发送至服务器设备，缓存计时器清零；如果当前缓存计时器计时超过阈值，则将反馈信息合并后发送至服务器设备，缓存计时器清零。由于反馈信息的量可能高达每秒超过10万条，将反馈缓存合并后发送至服务器设备，能够有效的减轻服务器的压力。
在一个示例中，序列存储部件7023可以包括缓存模块，用于缓存来自服务器设备的优选内容的序列。当用户向客户端请求推荐内容时，如果缓存模块为空，则可向服务器设备发送请求以获取优选内容的序列，缓存计时器清零；如果缓存模块不为空且缓存计时器超过阈值，则可向服务器请求刷新优选内容的序列的数据。
在一个示例中，服务器设备701还可包括内容池管理模块，用于对内容池进行管理操作，包括判断内容池是否存在、建立内容池、设置内容池有效时间、加载内容池对象等操作。内容池管理模块还可用于内容池的增删改查和过期操作处理。
在服务器设备中，反馈信息可存放于统一的信息队列，由多线程处理反馈信息。反馈信息可存放于视频反馈对象中。
实施例6
图8示出了本发明的另一个实施例的一种内容优选设备的结构框图。所述内容优选设备1100可以是具备计算能力的主机服务器、个人计算机PC、或者可携带的便携式计算机或终端等。本发明具体实施例并不对计算节点的具体实现做限定。
所述内容优选设备1100包括处理器(processor)1110、通信接口(Communications Interface)1120、存储器(memory)1130和总线1140。其中，处理器1110、通信接口1120、以及存储器1130通过总线1140完成相互间的通信。
通信接口1120用于与网络设备通信，其中网络设备包括例如虚拟机管理中心、共享存储等。
处理器1110用于执行程序。处理器1110可能是一个中央处理器CPU，或者是专用集成电路ASIC(Application Specific Integrated Circuit)，或者是被配置成实施本发明实施例的一个或多个集成电路。
存储器1130用于存放文件。存储器1130可能包含高速RAM存储器，也可能还包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。存储器1130也可以是存储器阵列。存储器1130还可能被分块，并且所述块可按一定的规则组合成虚拟卷。
在一种可能的实施方式中，上述程序可为包括计算机操作指令的程序代码。该程序具体可用于执行实施例1或2所述的方法的各步骤。
本领域普通技术人员可以意识到，本文所描述的实施例中的各示例性单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件形式来实现，取决于技术方案的特定应用和设计约束条件。专业技术人员可以针对特定的应用选择不同的方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
如果以计算机软件的形式来实现所述功能并作为独立的产品销售或使用时，则在一定程度上可认为本发明的技术方案的全部或部分(例如对现有技术做出贡献的部分)是以计算机软件产品的形式体现的。该计算机软件产品通常存储在计算机可读取的非易失性存储介质中，包括若干指令用以使得计算机设备(可以是个人计算机、服务器、或者网络设备等)执行本发明各实施例方法的全部或部分步骤。而前述的存储介质包括U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，RandomAccess Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。

Claims (20)

1.一种内容推荐方法，包括：
基于平均推荐概率将内容集合中的内容推荐给用户；
收集来自用户的客户端的对所推荐内容的反馈信息；以及
根据所述反馈信息从所述内容集合的内容中确定优选内容的序列，以便基于所述优选内容的序列向该用户推荐内容。
2.根据权利要求1所述的方法，其中，根据所述反馈信息从所述内容集合的内容中确定优选内容的序列包括：
根据反馈信息重新确定内容集合中各内容的推荐概率，并利用轮盘算法，基于重新确定的推荐概率来确定优选内容的序列。
3.根据权利要求1或2所述的方法，其中，所述反馈信息包括展示信息和点击信息，其中展示信息包括所推荐的内容在客户端上被展示的次数和展示时间，点击信息包括所推荐的内容在客户端上被点击的次数和点击时间。
4.根据权利要求3所述的方法，其中，根据所述反馈信息从所述内容集合的内容中确定优选内容的序列包括：对展示时间和点击时间在指定时间段内的反馈信息进行如下处理，以得到优选内容的序列：
从展示次数超过预定阈值的内容中，确定具有最高关注度的内容，其中所述关注度与该内容的点击次数和展示次数的比值相关联；
对展示次数低于阈值的内容赋予指定推荐概率，并用1减去所有指定推荐概率之和，得到的结果作为优选推荐概率赋予所述具有最高关注度的内容；以及
基于上述指定推荐概率和优选推荐概率，利用轮盘算法从具有最高关注度的内容和展示次数低于阈值的内容中选择一个内容作为第一优选内容放入优选内容的序列。
5.根据权利要求4所述的方法，其中，所述指定推荐概率为所述平均推荐概率。
6.根据权利要求4所述的方法，其中所述指定推荐概率为该内容的补偿推荐概率，所述补偿推荐概率为所述平均推荐概率减去该内容的实际展示概率。
7.根据权利要求4所述的方法，其中，根据所述反馈信息从所述内容集合的内容中确定优选内容的序列还包括：
从展示次数超过预定阈值的内容中，选取关注度低于最高关注度的预定数量的内容作为候选内容，排列在所述第一优选内容之后。
8.根据权利要求1所述的方法，其中所述内容集合中的内容为视频、音频、广告中的一种。
9.一种内容推荐方法，包括：
建立内容池，所述内容池包括多个内容集合，各内容集合分别包含相应类型的内容；以及
针对内容池中的各内容集合，执行权利要求1-8中任意一项所述的方法，以生成针对各内容集合的优选内容的序列。
10.一种内容推荐装置，包括：
第一推荐部件，用于基于平均推荐概率将内容集合中的内容推荐给用户；
收集部件，用于收集来自用户的客户端的对所推荐内容的反馈信息；以及
确定部件，用于根据所述反馈信息从所述内容集合的内容中确定优选内容的序列，以便基于所述优选内容的序列向该用户推荐内容。
11.根据权利要求10所述的装置，其中，所述确定部件包括：
推荐概率确定部件，用于根据反馈信息重新确定内容集合中各内容的推荐概率；以及
序列确定部件，用于利用轮盘算法，基于重新确定的推荐概率来确定优选内容的序列。
12.根据权利要求10或11所述的装置，其中，所述反馈信息包括展示信息和点击信息，其中展示信息包括所推荐的内容在客户端上被展示的次数和展示时间，点击信息包括所推荐的内容在客户端上被点击的次数和点击时间。
13.根据权利要求12所述的装置，其中，
所述推荐概率确定部件包括：
最高关注度内容确定部件，用于针对展示时间和点击时间在指定时间段内的反馈信息，从展示次数超过预定阈值的内容中，确定具有最高关注度的内容，其中所述关注度与该内容的点击次数和展示次数的比值相关联；以及
推荐概率赋予部件，用于对展示次数低于阈值的内容赋予指定推荐概率，并用1减去所有指定推荐概率之和，得到的结果作为优选推荐概率赋予所述具有最高关注度的内容；
所述序列确定部件包括：
选择部件，用于基于上述指定推荐概率和优选推荐概率，利用轮盘算法从具有最高关注度的内容和展示次数低于阈值的内容中选择一个内容作为第一优选内容放入优选内容的序列。
14.根据权利要求13所述的装置，其中，所述指定推荐概率为所述平均推荐概率。
15.根据权利要求13所述的装置，其中所述指定推荐概率为该内容的补偿推荐概率，所述补偿推荐概率为所述平均推荐概率减去该内容的实际展示概率。
16.根据权利要求13所述的装置，其中，所述序列确定部件还包括：
候选内容选取部件，用于从展示次数超过预定阈值的内容中，选取关注度低于最高关注度的预定数量的内容作为候选内容；以及
排列部件，用于将所述候选内容排列在所述第一优选内容之后。
17.根据权利要求10所述的装置，其中所述内容集合中的内容为视频、音频、广告中的一种。
18.一种内容推荐装置，包括：
建立部件，用于建立内容池，所述内容池包括多个内容集合，各内容集合分别包含相应类型的内容；以及
序列生成部件，用于针对内容池中的各内容集合，运行根据权利要求10-17中任意一项所述的内容推荐装置，以生成针对各内容集合的优选内容的序列。
19.一种内容推荐系统，包括：
服务器设备，所述服务器设备配置有根据权利要求10-18中任意一项所述的内容推荐装置；以及
客户端设备，所述客户端设备包括：
信息采集部件，用于采集所述反馈信息；
信息传送部件，用于将所述反馈信息传送至服务器设备；
序列存储部件，用于存储来自服务器设备的优选内容的序列；以及
内容推荐部件，用于基于所述优选内容的序列向该用户推荐内容。
20.根据权利要求19所述的系统，其中，所述内容推荐部件具体用于：
将所述优选内容的序列中排列在最前面的、不在针对该用户的已推荐内容的列表中的内容推荐给该用户，并将所推荐的该内容的信息加入针对该用户的已推荐内容的列表中。
CN201610158871.5A 2016-03-18 2016-03-18 内容推荐方法、装置及系统 Active CN105872629B (zh)

Priority Applications (5)

Application Number Priority Date Filing Date Title
CN201610158871.5A CN105872629B (zh) 2016-03-18 2016-03-18 内容推荐方法、装置及系统
PCT/CN2016/099365 WO2017156995A1 (zh) 2016-03-18 2016-09-19 内容推荐方法、装置及系统
US15/759,902 US11481657B2 (en) 2016-03-18 2016-09-19 Content recommendation method, apparatus and system
EP16894154.0A EP3346397A4 (en) 2016-03-18 2016-09-19 Content recommendation method, apparatus and system
TW106107715A TW201734914A (zh) 2016-03-18 2017-03-09 內容推薦方法、裝置及系統

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610158871.5A CN105872629B (zh) 2016-03-18 2016-03-18 内容推荐方法、装置及系统

Publications (2)

Publication Number Publication Date
CN105872629A true CN105872629A (zh) 2016-08-17
CN105872629B CN105872629B (zh) 2019-08-27

Family

ID=56625696

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610158871.5A Active CN105872629B (zh) 2016-03-18 2016-03-18 内容推荐方法、装置及系统

Country Status (5)

Country Link
US (1) US11481657B2 (zh)
EP (1) EP3346397A4 (zh)
CN (1) CN105872629B (zh)
TW (1) TW201734914A (zh)
WO (1) WO2017156995A1 (zh)

Cited By (23)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106412106A (zh) * 2016-11-07 2017-02-15 腾讯科技（深圳）有限公司 消息发送方法和装置
CN106488267A (zh) * 2016-11-21 2017-03-08 武汉斗鱼网络科技有限公司 一种直播间推荐策略的评估方法、用户设备和服务器系统
CN106604044A (zh) * 2016-11-21 2017-04-26 武汉斗鱼网络科技有限公司 一种直播间推荐策略的评估方法、用户设备和服务器系统
CN106658074A (zh) * 2016-11-21 2017-05-10 武汉斗鱼网络科技有限公司 一种直播间推荐策略的评估方法、用户设备和服务器系统
CN106651509A (zh) * 2016-11-15 2017-05-10 福建天泉教育科技有限公司 在线展品评选方法与系统
WO2017156995A1 (zh) * 2016-03-18 2017-09-21 合一网络技术(北京)有限公司 内容推荐方法、装置及系统
CN107196999A (zh) * 2017-05-03 2017-09-22 网易传媒科技（北京）有限公司 用于下发信息流推送数据的方法及设备
CN107193891A (zh) * 2017-05-02 2017-09-22 百度在线网络技术（北京）有限公司 内容推荐方法及装置
CN107341172A (zh) * 2017-05-12 2017-11-10 广州优视网络科技有限公司 视频收益计算建模装置与方法及视频推荐装置与方法
CN107368533A (zh) * 2017-06-15 2017-11-21 北京奇艺世纪科技有限公司 一种内容项推荐方法、装置及电子设备
CN107679236A (zh) * 2017-10-26 2018-02-09 北京麒麟合盛网络技术有限公司 一种热门内容池维护方法和装置
CN108052671A (zh) * 2017-12-29 2018-05-18 北京奇虎科技有限公司 一种基于动态匹配进行内容项推送的方法及系统
CN108259546A (zh) * 2017-01-16 2018-07-06 广州市动景计算机科技有限公司 消息推送方法、设备及可编程设备
TWI631523B (zh) * 2016-12-29 2018-08-01 人因設計所股份有限公司 使用者日誌儲存及其廣告推播之方法
CN108710635A (zh) * 2018-04-08 2018-10-26 达而观信息科技（上海）有限公司 一种内容推荐方法及装置
CN109213933A (zh) * 2018-08-14 2019-01-15 腾讯科技（深圳）有限公司 内容项推荐方法、装置、设备及存储介质
CN109299351A (zh) * 2018-09-21 2019-02-01 北京百度网讯科技有限公司 内容推荐方法和装置、电子设备及计算机可读介质
CN110097397A (zh) * 2019-04-04 2019-08-06 北京字节跳动网络技术有限公司 基于反馈的信息推送方法、装置及电子设备
CN110473000A (zh) * 2019-07-17 2019-11-19 深圳市元征科技股份有限公司 一种信息推荐方法、服务器及存储介质
CN111079000A (zh) * 2019-11-25 2020-04-28 腾讯科技（深圳）有限公司 内容处理方法、装置、设备及存储介质
CN112100558A (zh) * 2020-09-02 2020-12-18 北京字节跳动网络技术有限公司 用于对象推荐的方法、装置、设备和存储介质
CN112395505A (zh) * 2020-12-01 2021-02-23 中国计量大学 一种基于协同注意力机制的短视频点击率预测方法
CN112786175A (zh) * 2021-01-29 2021-05-11 四川急客方便科技有限公司 一种基于无水厕所的信息推荐方法及系统

Families Citing this family (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111263229B (zh) * 2018-11-30 2023-06-16 南京超聚通信科技有限公司 一种视频分发方法、装置及电子设备
US11449536B2 (en) 2019-05-16 2022-09-20 Microsoft Technology Licensing, Llc Generating electronic summary documents for landing pages
WO2020252751A1 (zh) * 2019-06-20 2020-12-24 深圳市欢太科技有限公司 资源推送方法、装置、服务器以及存储介质
JP2021022243A (ja) * 2019-07-29 2021-02-18 富士通株式会社 推薦システム、推薦制御プログラム、および、推薦制御方法
CN110413893A (zh) * 2019-07-31 2019-11-05 腾讯科技（北京）有限公司 对象推送方法、装置、计算机设备及存储介质
US11076185B2 (en) * 2019-09-05 2021-07-27 Rovi Guides, Inc. Evolutionary parameter optimization for selecting optimal personalized screen carousels
CN110809177B (zh) * 2019-10-22 2021-11-05 腾讯科技（深圳）有限公司 内容的处理方法、装置、服务器及存储介质
CN110942376B (zh) * 2019-12-02 2023-09-01 上海麦克风文化传媒有限公司 一种音频类产品的实时多召回策略的融合方法
US11593340B2 (en) * 2019-12-12 2023-02-28 Fmr Llc Normalizing digital content across databases and generating personalized content recommendations
CN111339416A (zh) * 2020-02-25 2020-06-26 咪咕文化科技有限公司 热度召回方法、装置、电子设备及存储介质
CN111651704B (zh) * 2020-04-14 2024-01-12 北京齐尔布莱特科技有限公司 一种内容推荐方法、计算设备以及存储介质
CN111523041B (zh) * 2020-04-30 2023-03-24 掌阅科技股份有限公司 热度数据的推荐方法、计算设备及计算机存储介质
CN111597443A (zh) * 2020-05-13 2020-08-28 北京达佳互联信息技术有限公司 内容推荐方法、装置、电子设备及存储介质
CN111767429B (zh) * 2020-06-29 2023-06-02 北京奇艺世纪科技有限公司 一种视频推荐方法、装置及电子设备
CN111651679B (zh) * 2020-07-09 2023-07-11 支付宝(杭州)信息技术有限公司 基于强化学习的推荐方法及装置
CN112182397A (zh) * 2020-10-12 2021-01-05 北京自如信息科技有限公司 物品推荐方法、装置、电子设备及可读存储介质
CN112597388B (zh) * 2020-12-18 2022-10-14 南京邮电大学 一种缓存使能的d2d通信联合推荐与缓存方法
CN113468431B (zh) * 2021-07-22 2024-06-04 咪咕数字传媒有限公司 基于用户行为的内容推荐方法及装置
US11914663B2 (en) 2021-12-29 2024-02-27 Microsoft Technology Licensing, Llc Generating diverse electronic summary documents for a landing page
CN114662008B (zh) * 2022-05-26 2022-10-21 上海二三四五网络科技有限公司 基于点击位置因素改进的ctr热门内容计算方法及装置

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040040040A1 (en) * 2002-08-23 2004-02-26 Daniel Danker Media recommendations based on negative feedback
CN102043781A (zh) * 2009-10-23 2011-05-04 华为技术有限公司 一种网页资源推荐方法及装置
CN103309866A (zh) * 2012-03-09 2013-09-18 华为技术有限公司 生成推荐结果的方法和装置
CN104268187A (zh) * 2014-09-17 2015-01-07 合一网络技术(北京)有限公司 基于用户反馈的支持多场景的在线内容优选系统

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8996530B2 (en) * 2012-04-27 2015-03-31 Yahoo! Inc. User modeling for personalized generalized content recommendations
CN103714084B (zh) * 2012-10-08 2018-04-03 腾讯科技（深圳）有限公司 推荐信息的方法和装置
US20140136554A1 (en) * 2012-11-14 2014-05-15 National Public Radio, Inc. System and method for recommending timely digital content
US20140280120A1 (en) * 2013-03-15 2014-09-18 Highspot, Inc. Interest graph-powered browsing
US10165069B2 (en) * 2014-03-18 2018-12-25 Outbrain Inc. Provisioning personalized content recommendations
CN105872629B (zh) 2016-03-18 2019-08-27 合一网络技术(北京)有限公司 内容推荐方法、装置及系统

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040040040A1 (en) * 2002-08-23 2004-02-26 Daniel Danker Media recommendations based on negative feedback
CN102043781A (zh) * 2009-10-23 2011-05-04 华为技术有限公司 一种网页资源推荐方法及装置
CN103309866A (zh) * 2012-03-09 2013-09-18 华为技术有限公司 生成推荐结果的方法和装置
CN104268187A (zh) * 2014-09-17 2015-01-07 合一网络技术(北京)有限公司 基于用户反馈的支持多场景的在线内容优选系统

Cited By (34)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017156995A1 (zh) * 2016-03-18 2017-09-21 合一网络技术(北京)有限公司 内容推荐方法、装置及系统
US11481657B2 (en) 2016-03-18 2022-10-25 Alibaba Group Holding Limited Content recommendation method, apparatus and system
CN106412106B (zh) * 2016-11-07 2020-02-07 腾讯科技（深圳）有限公司 消息发送方法和装置
CN106412106A (zh) * 2016-11-07 2017-02-15 腾讯科技（深圳）有限公司 消息发送方法和装置
CN106651509A (zh) * 2016-11-15 2017-05-10 福建天泉教育科技有限公司 在线展品评选方法与系统
CN106658074A (zh) * 2016-11-21 2017-05-10 武汉斗鱼网络科技有限公司 一种直播间推荐策略的评估方法、用户设备和服务器系统
CN106604044A (zh) * 2016-11-21 2017-04-26 武汉斗鱼网络科技有限公司 一种直播间推荐策略的评估方法、用户设备和服务器系统
CN106488267A (zh) * 2016-11-21 2017-03-08 武汉斗鱼网络科技有限公司 一种直播间推荐策略的评估方法、用户设备和服务器系统
TWI631523B (zh) * 2016-12-29 2018-08-01 人因設計所股份有限公司 使用者日誌儲存及其廣告推播之方法
CN108259546A (zh) * 2017-01-16 2018-07-06 广州市动景计算机科技有限公司 消息推送方法、设备及可编程设备
CN107193891A (zh) * 2017-05-02 2017-09-22 百度在线网络技术（北京）有限公司 内容推荐方法及装置
CN107196999A (zh) * 2017-05-03 2017-09-22 网易传媒科技（北京）有限公司 用于下发信息流推送数据的方法及设备
CN107196999B (zh) * 2017-05-03 2020-01-24 网易传媒科技（北京）有限公司 用于下发信息流推送数据的方法及设备
CN107341172B (zh) * 2017-05-12 2020-06-19 阿里巴巴（中国）有限公司 视频收益计算建模装置与方法及视频推荐装置与方法
WO2018205642A1 (zh) * 2017-05-12 2018-11-15 广州优视网络科技有限公司 视频收益计算建模装置、方法和视频推荐装置、方法和服务器及存储介质
CN107341172A (zh) * 2017-05-12 2017-11-10 广州优视网络科技有限公司 视频收益计算建模装置与方法及视频推荐装置与方法
CN107368533A (zh) * 2017-06-15 2017-11-21 北京奇艺世纪科技有限公司 一种内容项推荐方法、装置及电子设备
CN107368533B (zh) * 2017-06-15 2020-04-03 北京奇艺世纪科技有限公司 一种内容项推荐方法、装置及电子设备
CN107679236B (zh) * 2017-10-26 2020-12-29 麒麟合盛网络技术股份有限公司 一种热门内容池维护方法和装置
CN107679236A (zh) * 2017-10-26 2018-02-09 北京麒麟合盛网络技术有限公司 一种热门内容池维护方法和装置
CN108052671B (zh) * 2017-12-29 2021-01-08 北京奇元科技有限公司 一种基于动态匹配进行内容项推送的方法及系统
CN108052671A (zh) * 2017-12-29 2018-05-18 北京奇虎科技有限公司 一种基于动态匹配进行内容项推送的方法及系统
CN108710635A (zh) * 2018-04-08 2018-10-26 达而观信息科技（上海）有限公司 一种内容推荐方法及装置
CN109213933B (zh) * 2018-08-14 2023-03-21 腾讯科技（深圳）有限公司 内容项推荐方法、装置、设备及存储介质
CN109213933A (zh) * 2018-08-14 2019-01-15 腾讯科技（深圳）有限公司 内容项推荐方法、装置、设备及存储介质
CN109299351B (zh) * 2018-09-21 2022-04-12 北京百度网讯科技有限公司 内容推荐方法和装置、电子设备及计算机可读介质
CN109299351A (zh) * 2018-09-21 2019-02-01 北京百度网讯科技有限公司 内容推荐方法和装置、电子设备及计算机可读介质
CN110097397A (zh) * 2019-04-04 2019-08-06 北京字节跳动网络技术有限公司 基于反馈的信息推送方法、装置及电子设备
CN110097397B (zh) * 2019-04-04 2022-09-13 北京字节跳动网络技术有限公司 基于反馈的信息推送方法、装置及电子设备
CN110473000A (zh) * 2019-07-17 2019-11-19 深圳市元征科技股份有限公司 一种信息推荐方法、服务器及存储介质
CN111079000A (zh) * 2019-11-25 2020-04-28 腾讯科技（深圳）有限公司 内容处理方法、装置、设备及存储介质
CN112100558A (zh) * 2020-09-02 2020-12-18 北京字节跳动网络技术有限公司 用于对象推荐的方法、装置、设备和存储介质
CN112395505A (zh) * 2020-12-01 2021-02-23 中国计量大学 一种基于协同注意力机制的短视频点击率预测方法
CN112786175A (zh) * 2021-01-29 2021-05-11 四川急客方便科技有限公司 一种基于无水厕所的信息推荐方法及系统

Also Published As

Publication number Publication date
US20180240030A1 (en) 2018-08-23
EP3346397A1 (en) 2018-07-11
WO2017156995A1 (zh) 2017-09-21
US11481657B2 (en) 2022-10-25
EP3346397A4 (en) 2018-11-07
TW201734914A (zh) 2017-10-01
CN105872629B (zh) 2019-08-27

Similar Documents

Publication Publication Date Title
CN105872629A (zh) 内容推荐方法、装置及系统
US11823291B2 (en) Predictive segmentation of customers
CN104956365B (zh) 基于在线系统中的用户动作询问特征
Nojavan et al. A hybrid approach based on IGDT–MPSO method for optimal bidding strategy of price-taker generation station in day-ahead electricity market
CN106294830A (zh) 多媒体资源的推荐方法及装置
CN107066476A (zh) 一种基于物品相似度的实时推荐方法
CN105975641A (zh) 视频推荐方法及装置
TW201923675A (zh) 資訊推薦方法及裝置、設備
CN106875027A (zh) 资源请求值的预测方法及装置、交易量的预测方法
US20100257058A1 (en) Advertising bids based on user interactions
CN101727643A (zh) 用来在发布馈送中提供广告列表变化的方法
CN106796527A (zh) 基于价格和性能优化云服务的选择的系统和方法
CN107608862A (zh) 监控告警方法、监控告警装置及计算机可读存储介质
CN108536721A (zh) 在评估与在线资源的未来用户交互时，利用在线资源的使用数据
CN103678518A (zh) 一种推荐列表调整方法和装置
CN110880127B (zh) 消费水平的预测方法、装置、电子设备及存储介质
JP6247775B2 (ja) 時系列予測装置、及び時系列予測方法
CN109213802A (zh) 用户画像构建方法、装置、终端和计算机可读存储介质
Nojavan et al. Information gap decision theory-based risk-constrained bidding strategy of price-taker GenCo in joint energy and reserve markets
Tian et al. A practical model to predict the repeat purchasing pattern of consumers in the C2C e-commerce
CN113222720B (zh) 一种基于信誉的隐私保护激励机制方法、装置及存储介质
CN107247720A (zh) 表情排行榜单生成方法及装置、计算机设备
JP2023011143A (ja) 事業計画管理のための装置、方法及びシステム
US20150127306A1 (en) Apparatus and method for creating a power consumption model and non-transitory computer readable storage medium thereof
CN107273538A (zh) 资讯推荐方法、装置及服务器

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
REG Reference to a national code

Ref country code: HK

Ref legal event code: DE

Ref document number: 1228140

Country of ref document: HK

GR01 Patent grant
GR01 Patent grant
CP01 Change in the name or title of a patent holder
CP01 Change in the name or title of a patent holder

Address after: 100080 Beijing Haidian District city Haidian street A Sinosteel International Plaza No. 8 block 5 layer A, C

Patentee after: Youku network technology (Beijing) Co.,Ltd.

Address before: 100080 Beijing Haidian District city Haidian street A Sinosteel International Plaza No. 8 block 5 layer A, C

Patentee before: 1VERGE INTERNET TECHNOLOGY (BEIJING) Co.,Ltd.

TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20200522

Address after: 310052 room 508, floor 5, building 4, No. 699, Wangshang Road, Changhe street, Binjiang District, Hangzhou City, Zhejiang Province

Patentee after: Alibaba (China) Co.,Ltd.

Address before: 100080 Beijing Haidian District city Haidian street A Sinosteel International Plaza No. 8 block 5 layer A, C

Patentee before: Youku network technology (Beijing) Co.,Ltd.