CN106339469A - 数据推荐方法及装置 - Google Patents
数据推荐方法及装置 Download PDFInfo
- Publication number
- CN106339469A CN106339469A CN201610751240.4A CN201610751240A CN106339469A CN 106339469 A CN106339469 A CN 106339469A CN 201610751240 A CN201610751240 A CN 201610751240A CN 106339469 A CN106339469 A CN 106339469A
- Authority
- CN
- China
- Prior art keywords
- user
- data
- content recommendation
- recommendation
- recommending
- 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
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
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种数据推荐方法及装置,包括:接收用户的推荐请求;获取所述用户的用户权限;提取与所述用户权限相关联的第一推荐内容;根据所述第一推荐内容,向所述用户返回推荐数据。本发明提出的数据推荐方法及装置,能够针对不同用户或不同类型的用户进行数据推荐。
Description
技术领域
本发明涉及数据处理技术领域,特别是指一种数据推荐方法及装置。
背景技术
在日常生活中,利用电脑、移动终端等通过互联网或移动互联网观看视频、查看新闻、浏览论坛等等,都是现代人在大多数闲暇时间中的一项重要的娱乐、休闲活动。在网站或APP的首页中,通常会推荐一些近期的最新的或热门的新闻、视频或者话题等内容,从而引导用户进行选择并观看(或查看)。但是,在实现本发明的过程中,发明人发现现有技术至少存在以下问题:
在首页中推荐的内容或者显示的排版,对于每个用户来说都是相同的。这样,由于网站或APP不能根据用户的身份或权限向其推荐内容,导致推荐内容不具有针对性。
发明内容
有鉴于此,本发明实施例的目的在于提出一种数据推荐方法及装置,能够针对不同用户或不同类型的用户进行数据推荐。
基于上述目的本发明实施例提供的数据推荐方法,包括:
接收用户的推荐请求;
获取所述用户的用户权限;
提取与所述用户权限相关联的第一推荐内容;
根据所述第一推荐内容,向所述用户返回推荐数据。
在一些可选实施方式中,所述方法还包括:
获取所述用户在第一预设时间内的用户日志;
根据所述用户日志计算得到用户兴趣特征;
计算所述第一推荐内容中的待推荐数据的第一数据特征;
所述根据所述第一推荐内容,向所述用户返回推荐数据包括:
将所述用户兴趣特征与所述第一数据特征进行匹配;
将匹配度高于第一预设匹配度的待推荐数据作为第二推荐内容;
根据所述第一推荐内容和第二推荐内容,向所述用户返回推荐数据。
在一些可选实施方式中,所述方法还包括:
获取所述用户在第二预设时间内的用户活跃度;
若所述用户活跃度高于或等于预设活跃度,获取第三推荐内容;所述第三推荐内容所关联的用户权限高于所述用户的用户权限;
根据所述第一推荐内容和第三推荐内容,向所述用户返回推荐数据。
在一些可选实施方式中,所述方法还包括:
计算所述第三推荐内容中的待推荐数据的第二数据特征;
所述根据所述第一推荐内容和第三推荐内容,向所述用户返回推荐数据包括:
将所述用户兴趣特征与所述第二数据特征进行匹配;
将匹配度高于第二预设匹配度的待推荐数据作为第四推荐内容;
根据所述第一推荐内容和第四推荐内容,向所述用户返回推荐数据。
在一些可选实施方式中,所述根据所述第一推荐内容和第三推荐内容,向所述用户返回推荐数据包括:
提取所述第三推荐内容中热度高于预设热度的待推荐数据,作为第五推荐内容;
根据所述第一推荐内容和第五推荐内容,向所述用户返回推荐数据。
本发明实施例的另一方面,还提供了一种数据推荐装置,包括:
接收模块,用于接收用户的推荐请求;
权限获取模块,用于获取所述用户的用户权限;
内容提取模块,用于提取与所述用户权限相关联的第一推荐内容;
推荐模块,用于根据所述第一推荐内容,向所述用户返回推荐数据。
在一些可选实施方式中,所述装置还包括:
日志获取模块,用于获取所述用户在第一预设时间内的用户日志;
第一特征计算模块,用于根据所述用户日志计算得到用户兴趣特征;以及,用于计算所述第一推荐内容中的待推荐数据的第一数据特征;
所述推荐模块,具体用于:
将所述用户兴趣特征与所述第一数据特征进行匹配;
将匹配度高于第一预设匹配度的待推荐数据作为第二推荐内容;
根据所述第一推荐内容和第二推荐内容,向所述用户返回推荐数据。
在一些可选实施方式中,所述推荐模块,具体用于:
获取所述用户在第二预设时间内的用户活跃度;
若所述用户活跃度高于或等于预设活跃度,获取第三推荐内容;所述第三推荐内容所关联的用户权限高于所述用户的用户权限;
根据所述第一推荐内容和第三推荐内容,向所述用户返回推荐数据。
在一些可选实施方式中,所述装置还包括:
第二特征计算模块,用于计算所述第三推荐内容中的待推荐数据的第二数据特征;
所述推荐模块,具体用于:
将所述用户兴趣特征与所述第二数据特征进行匹配;
将匹配度高于第二预设匹配度的待推荐数据作为第四推荐内容;
根据所述第一推荐内容和第四推荐内容,向所述用户返回推荐数据。
在一些可选实施方式中,所述推荐模块,具体用于:
提取所述第三推荐内容中热度高于预设热度的待推荐数据,作为第五推荐内容;
根据所述第一推荐内容和第五推荐内容,向所述用户返回推荐数据。
从上面所述可以看出,本发明实施例提供的数据推荐方法及装置,通过获取用户权限并提取用户权限直接关联的第一推荐内容,再根据第一推荐内容向用户返回该推荐数据,使得每个用户所接收到的推荐数据都与自己的用户权限所关联的第一推荐内容相关,从而让不同用户权限的用户的首页展示不同或不完全相同的数据,而相同用户权限的用户的首页展示基本相同的数据,一方面实现了首页推荐的个性化,使得推荐数据更加具有针对性,另一方面也体现了用户权限所具有的规制特性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明提供的数据推荐方法的第一个实施例的流程示意图;
图2为本发明提供的数据推荐方法的第二个实施例的流程示意图;
图3为本发明提供的数据推荐方法的第三个实施例的流程示意图;
图4为本发明提供的数据推荐方法的第四个实施例的流程示意图;
图5为本发明提供的数据推荐方法的第五个实施例的流程示意图;
图6为本发明提供的数据推荐装置的第一个实施例的模块结构示意图;
图7为本发明提供的数据推荐装置的第二个实施例的模块结构示意图;
图8为本发明提供的数据推荐装置的第三个实施例的模块结构示意图;
图9为本发明提供的执行所述数据推荐方法的装置的一个实施例的硬件结构示意图。
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,对本发明实施例进一步详细说明。
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。
基于上述目的,本发明实施例的第一个方面,提出了一种能够针对不同用户或不同类型的用户进行数据推荐的数据推荐方法的第一个实施例。如图1所示,为本发明提供的数据推荐方法的第一个实施例的流程示意图。
所述数据推荐方法,可选的,应用于服务器,包括:
步骤101:接收用户的推荐请求。
可选的,所述推荐请求可以是用户在打开网站主页或打开APP时自动发出的,从而无需用户自己主动发出推荐请求以获得推荐数据,这样可以较为及时地向用户反馈相应的推荐数据;当然,用户也可以选择主动发出推荐请求,或者通过自己进行设置,调整推荐请求的发送方式(用户主动或软件自动)。这里的用户,是发出了所述推荐请求的用户,可以是指特定用户,也可以是指任意用户,根据所述数据推荐方法的应用范围,用户的范围可以相应进行调整,从而应用于不同场景。
步骤102:获取所述用户的用户权限。
可选的,所述用户权限可以是存储在本地的(例如服务器的数据库中),也可以是用户发出的推荐请求中携带的,存储在本地时,便于调用,而推荐请求中携带时,能够节省系统资源,实际应用时,可以根据需求进行选择。所述用户权限,可以是指用户身份对应的权限,例如论坛的普通会员、高级会员、管理员、坛主等;又比如是门户网站中具有不同身份的用户,例如,普通用户、管理员、具有在特定版块进行页面或新闻编辑的用户等等;还可以是视频网站的不同等级的会员等,例如普通会员、高级会员、VIP会员等等。
步骤103:提取与所述用户权限相关联的第一推荐内容。
可选的,所述第一推荐内容是与用户权限直接关联的推荐内容,即具有这种用户权限的用户,其用户权限所关联的推荐内容为同一个,从而能够将不同用户权限的用户能够接收到的推荐内容进行区别;
步骤104:根据所述第一推荐内容,向所述用户返回推荐数据.
可选的,所述推荐数据可以是第一推荐内容中包含的全部或部分推荐数据;若向用户返回的推荐数据包括全部第一推荐内容,则所述第一推荐内容仅包含的是首页中能够显示的数据,例如,首页中能够显示的数据为10个,那么所述第一推荐内容也就只包含10个,所述推荐数据也只包含10个,这样,同一个用户权限所关联的第一推荐内容,其具有确定性,能够保证具有该用户权限的用户接收到的数据都是一样的;若向用户返回的推荐数据仅包括第一推荐内容的一部分,则所述第一推荐内容包含的数据则多于首页中能够显示的数据,例如,首页中能够显示的数据为10个,那么所述第一推荐内容中的数据就会大于10个,而所述推荐数据则只包含10个,这样,同一个用户权限的用户所能接收到的推荐数据,除了可以是一样的以外,还可以是不一样的;同一个用户权限的用户接收不一样的推荐数据的实现方法可以是:根据用户自身的特性来选取第一推荐内容中的数据,将选出的数据作为推荐数据发送给用户,从而一方面基于用户权限进行了推荐数据的区分,另一方面还基于用户特性实现了推荐数据的个性化。
从上述实施例可以看出,本发明实施例提供的数据推荐方法,通过获取用户权限并提取用户权限直接关联的第一推荐内容,再根据第一推荐内容向用户返回该推荐数据,使得每个用户所接收到的推荐数据都与自己的用户权限所关联的第一推荐内容相关,从而让不同用户权限的用户的首页展示不同或不完全相同的数据,而相同用户权限的用户的首页展示基本相同的数据,一方面实现了首页推荐的个性化,使得推荐数据更加具有针对性,另一方面也体现了用户权限所具有的规制特性。
本发明实施例还提出了一种能够针对不同用户或不同类型的用户进行数据推荐的数据推荐方法的第二个实施例。如图2所示,为本发明提供的数据推荐方法的第二个实施例的流程示意图。
所述数据推荐方法,可选的,应用于服务器,包括:
步骤101:接收用户的推荐请求。
步骤201:获取所述用户在第一预设时间内的用户日志;
其中,可选的,所述第一预设时间可以是用户设定的时间段或者系统默认的时间段,在步骤201中所获取的用户日志则是产生在这个时间段内的用户日志。具体的第一预设时间的选择可以是基于当前时刻往前追溯一段时间而得到的时间段,例如从今天起往前追溯一个月内所产生的用户日志,从而可以保证获取到的用户日志可以较好地反映用户在最近的喜好,这种方式可适合于对用户日志进行实时地获取并处理;又比如,所述第一预设时间的选择还可以是固定的,例如,若第一预设时间是前一个月,则假设今天是本月5号,在获取所述用户在第一预设时间内的用户日志时,则是获取上一个月的一整个月的用户日志,而不是从上个月的4号统计到本月的4号。同理,若第一预设时间是前一周,则假设今天是本周的周三,在获取所述用户在第一预设时间内的用户日志时,则是获取上一周的一整周的用户日志,而不是从上周的周二统计到本周的周二,这种统计方式因为具有定时性能,因此可以定期进行数据获取并处理,可适用于用户日志进行线下的处理;在定期获取用户日志时,所述第一预设时间可以根据需要进行设置,例如每天都重新获取并更新用户日志,或者考虑到服务器的负载量,也可以每周或每30天(或每月)获取并更新一次数据。
可选的,所述用户日志是指能够反映用户对网站或APP进行使用的一些记录,例如,用户曾经观看过的视频、新闻、文章、图片等内容的记录,还可以包括用户的评论、点赞、发送弹幕等记录。
步骤202:根据所述用户日志计算得到用户兴趣特征;
可选的,这里的用户兴趣特征,可以通过提取用户日志中在第一预设时间内的出现频率较高的关键词而得到,并且可以相应地根据时间的早晚赋予不同权值;具体地,可以采用以下方法:
从第一预设时间内得到的用户日志中分析得到相应的多媒体文件(例如音乐、电影等)、网页中的新闻或者论坛中的帖子的分类信息和标签信息;所述分类信息可以是多媒体文件、新闻或帖子的一级分类信息、二级分类信息,所述标签信息可以是多媒体文件的运营商、网站管理员或论坛管理员预先打上的标签,也可以是用户为其打上的标签,等等,但并不限于这些数据;
根据提取得到的分类信息和标签信息的时间远近,为相应的分类信息和标签信息赋予不同的权值;即,时间越久远的,权值越低,时间越近期的,权值越高;
结合所述第一预设时间内得到的分类信息、标签信息及相应的权值,计算得到所述用户兴趣特征;这里,所述用户兴趣特征可以是以所述分类信息、标签信息为参量,且各参量具有各自权值的特征向量,在后续的基于用户兴趣特征进行数据匹配时,可直接将该特征向量与待推荐数据的特征向量进行匹配,从而得到相匹配的推荐数据。
采用上述方法进行第一用户兴趣特征的计算,能够较好地反映用户的兴趣点,从而在后续进行数据推荐时,能够更加具有针对性;但是,可以想到,上述的用户兴趣特征的计算方法只是一种实现方式,除了上述实施例外,所述用户兴趣特征中还可以加入其他参数,例如,从多媒体文件(例如音乐、电影等)、网页中的新闻或者论坛中的帖子的评论中提取得到的关键词,或者多媒体文件的相关弹幕中提取得到的关键词等等,这样,能够更加完整地对用户兴趣点进行分析,使得推荐数据更加具有针对性。此外,除了上述例举的用户兴趣特征的计算方法,还可以采用其他本领域常用的技术来实现,需要明白,这些常用的技术也应当属于本发明的保护范围。
在一些可选实施方式中,所述步骤201和步骤202所完成的用户兴趣特征的计算步骤,可以采用线下完成的方式,而不采用实时完成的方式,从而能够节约系统资源,提高响应速度。需要指出的是,在线下进行时,步骤201、202和步骤101之间的先后顺序则可能不确定,例如,在接收到某一个用户的推荐请求之前或之后,都有可能刚好到达了需要进行线下的用户兴趣特征计算的时刻,从而使得步骤201、202可能刚好在步骤101之前进行或刚好在其之后进行。
步骤102:获取所述用户的用户权限。
步骤103:提取与所述用户权限相关联的第一推荐内容;可选的,所述第一推荐内容是与用户权限直接关联的推荐内容,即具有这种用户权限的用户,其用户权限所关联的推荐内容为同一个,从而能够将不同用户权限的用户能够接收到的推荐内容进行区别。
步骤203:计算所述第一推荐内容中的待推荐数据的第一数据特征;
所述第一推荐内容中包括多个待推荐数据,而每个待推荐数据都可以采用特征提取的方式来得到其第一数据特征,第一数据特征的计算方式可以采用上述所述用户兴趣特征的计算方式实施例中的任意一种,在此不再赘述,但是提取特征的时间段可以不选择在所述第一预设时间内,而可以另行选择时间段,可以比第一预设时间更长或更短,根据实际需要可以进行调整。
步骤204:将所述用户兴趣特征与所述第一数据特征进行匹配;
可选的,上述特征匹配步骤可以采用计算余弦相似度的方式来实现。其中,余弦相似度,又称为余弦相似性,是通过计算两个向量的夹角余弦值来评估他们的相似度;此余弦值就可以用来表征这两个向量的相似性;夹角越小,余弦值越接近于1,它们的方向更加吻合,则越相似。当然,可以知道,除了这种特征匹配方式外,本领域技术人员还能想到其他的计算方式,这些计算方式也应当属于本发明的保护范围,在此不再赘述。
步骤205:将匹配度高于第一预设匹配度的待推荐数据作为第二推荐内容;
可选的,这里所述的匹配度可以是指前一步骤中的余弦相似度的值,而第一预设匹配度则可以是一个在0~1之间的取值,例如0.9,当余弦相似度大于09时,则将该待推荐数据归入到第二推荐内容,采用这种计算方式,计算过程较为快捷,响应时间较短;当然,除此之外还可以采用其他常规的技术手段来实现匹配度的计算和第一预设匹配度的选择,这些方式都应属于本发明的保护范围,在此不再赘述。此外,还可以看出,这里的第二推荐内容是由第一推荐内容中匹配度高于第一预设匹配度的待推荐数据组成的,可以知道,第二推荐内容是属于第一推荐内容的。
步骤206:根据所述第一推荐内容和第二推荐内容,向所述用户返回推荐数据;
这里,所述推荐数据是根据所述第一推荐内容和第二推荐内容进行选择的,可以知道,推荐数据的选择方式有很多种,例如,从所述第一推荐内容中选择一定数量的数据并布置在首页的相应位置,然后将首页中显眼位置(例如首页的顶部位置或者中心位置)的数据替换为从第二推荐内容中选取的数据,从而使得首页推荐内容更加符合用户的兴趣,更加具有针对性;再比如,从第二推荐内容中选取的数据可以不用直接展示在首页的特定位置,而可以在首页的角落或边缘部位生成气泡等提示标记,当用户点击气泡时,再弹出相应的展示框,展示框中显示所述从第二推荐内容中选取的数据,可选的,展示框可以采用浮于首页图层的另一图层来实现,通过这种方式,可以使得首页中还是正常显示第一推荐内容,而更优选的第二推荐内容采用提示方式实现,既保证了首页展示的统一,又增加了推荐内容的个性化因素。
其中,所述步骤203~206都可以是属于步骤104的具体化步骤,但是,所述步骤203中对所述第一推荐内容中的待推荐数据的第一数据特征的计算步骤,实际上也可以采用线下完成的实现方式,因为待推荐数据本身本来就存在于本地数据库中,是可以随时进行第一数据特征计算的,在考虑提高响应速度的前提下,所述步骤203可以提前到步骤202之后进行计算,而不再属于步骤104的一部分,当然,具体的实现方式需要根据实际需要进行设计,因此不应以此作为限定本发明保护范围的依据。
从上述实施例可以看出,本发明实施例提供的数据推荐方法,通过获取用户权限并提取用户权限直接关联的第一推荐内容,再将第一推荐内容中的待推荐数据与表征用户兴趣点的用户兴趣特征进行匹配,以得到匹配度较高的第二推荐内容,从而根据第一推荐内容和第二推荐内容向用户返回该推荐数据,使得每个用户所接收到的推荐数据都与自己的用户权限所关联的第一推荐内容相关,但是又从中找出了更符合用户兴趣点的数据进行优先或特殊推荐,从而让不同用户权限的用户的首页展示不同或不完全相同的数据,而相同用户权限的用户的首页在展示相同数据的基础上也能展示一些不同个性化数据,一方面体现了用户权限所具有的规制特性,另一方面也实现了首页推荐的个性化,使得推荐数据更加具有针对性。
本发明实施例还提出了一种能够针对不同用户或不同类型的用户进行数据推荐的数据推荐方法的第三个实施例。如图3所示,为本发明提供的数据推荐方法的第三个实施例的流程示意图。
所述数据推荐方法,可选的,应用于服务器,包括:
步骤101:接收用户的推荐请求;
步骤102:获取所述用户的用户权限;
步骤103:提取与所述用户权限相关联的第一推荐内容;
可选的,所述第一推荐内容是与用户权限直接关联的推荐内容,即具有这种用户权限的用户,其用户权限所关联的推荐内容为同一个,从而能够将不同用户权限的用户能够接收到的推荐内容进行区别。
步骤104:根据所述第一推荐内容,向所述用户返回推荐数据;
其中,所述根据所述第一推荐内容,向所述用户返回推荐数据的步骤104还可以进一步包括以下步骤:
步骤301:获取所述用户在第二预设时间内的用户活跃度;
其中,可选的,所述第二预设时间可以是用户设定的时间段或者系统默认的时间段,所述用户活跃度则基于这个时间段内产生的用户数据而计算得出;这里,所述第二预设时间可以选择与第一预设时间相同的时间段,也可以跟第一预设时间不同,具体选择可根据实际情况确定;另外,所述第二预设时间的选择方法可以采用跟第一预设时间的选择方法相类似的方法,只要这种时间段的选择能够使得所采集的用户数据在一定程度上足够表征所述用户的活跃度即可,在此不再赘述。所述用户活跃度是指用于表征用户在使用网站或APP时的活跃程度的衡量标准;具体地,所述用户活跃度可以根据用户的在线时长、登录次数、点击次数等来进行计算,从而能够较为准确地表征用户的活跃程度。
步骤302:若所述用户活跃度高于或等于预设活跃度,获取第三推荐内容;所述第三推荐内容所关联的用户权限高于所述用户的用户权限,这里,可选的,所述第三推荐内容所关联的用户权限可以是高于所述用户的用户权限1级或2级或更高,例如,若用户的用户权限对应的是第1级,那么所述第三推荐内容所关联的用户权限可以是第2级、第3级……第n级,具体选择哪一级的用户权限所关联的第三推荐内容,可以根据实际情况进行设定,从而保证在用户的用户活跃度较高时,直接对应相应更高级别用户权限所能看到的推荐内容。
可选的,除了设定在用户的用户活跃度较高时直接对应的所述第三推荐内容外,还可以采用根据用户活跃度的实际高出的数值的大小来选择高1级或者高更多级的用户权限所对应的第三推荐内容;例如,将预设活跃度分为多个数值范围,例如1~2为第一个数值范围,当用户活跃度在这个范围时,所述第三推荐内容所关联的用户权限则只比用户的用户权限高1级,2~5为第二个数值范围,当用户活跃度在这个范围时,所述第三推荐内容所关联的用户权限则比用户的用户权限高2级,后续的依次类推,使得不同用户活跃度的用户能够对应查看到不同级别用户权限对应的第三推荐内容,从而能够正面地调动用户使用相关产品的积极性。
步骤303:根据所述第一推荐内容和第三推荐内容,向所述用户返回推荐数据;
这里,所述推荐数据是根据所述第一推荐内容和第三推荐内容进行选择的,可以知道,推荐数据的选择方式有很多种,例如,从所述第一推荐内容中选择一定数量的数据并布置在首页的相应位置,然后将首页中显眼位置的数据替换为从第三推荐内容中选取的数据,从而使得首页推荐内容中展示出用户因为活跃程度较高而获得的特殊待遇(更高级别的推荐内容);再比如,从第三推荐内容中选取的数据可以不用直接展示在首页的特定位置,而可以在首页的角落或边缘部位生成气泡等提示标记,当用户点击气泡时,再弹出相应的展示框,展示框中显示所述从第三推荐内容中选取的数据,可选的,展示框可以采用浮于首页图层的另一图层来实现,通过这种方式,可以使得首页中还是正常显示第一推荐内容,而更高级的第三推荐内容采用提示方式实现,既保证了首页展示的统一,又增加了推荐内容的特殊待遇因素。
这里,可选的,第三推荐内容关联的是更高的用户权限,但是再向用户返回数据时,并不是把第三推荐内容中所有的推荐数据都返回给用户,而只是返回一部分,一方面能够将不同用户权限的用户进行区分,另一方面该功能能够起到试用的作用,使得用户在接触到第三推荐内容中的推荐数据后,能够有动力想办法对自己的用户权限进行提升。
步骤304:若所述用户活跃度低于预设活跃度,根据所述第一推荐内容,向所述用户返回推荐数据。
从上述实施例可以看出,本发明实施例提供的数据推荐方法,通过获取用户权限并提取用户权限直接关联的第一推荐内容,再根据较高的用户活跃度提取用户权限更高的第三推荐内容,在用户活跃度较高时,向用户返回第一推荐内容和第三推荐内容的结合,在用户活跃度较低时,向用户返回其用户权限直接关联的第一推荐内容,使得每个用户所接收到的推荐数据都与自己的用户权限所关联的第一推荐内容相关,但是又在其中根据用户活跃度增加了用户权限本身不应当看到的数据,从而能够调动用户的积极性,增加用户对产品的粘性,一方面体现了用户权限所具有的规制特性,另一方面也实现了首页推荐的特殊化,使得推荐数据更加具有针对性。
本发明实施例还提出了一种能够针对不同用户或不同类型的用户进行数据推荐的数据推荐方法的第四个实施例。如图4所示,为本发明提供的数据推荐方法的第四个实施例的流程示意图。
所述数据推荐方法,包括:
步骤101:接收用户的推荐请求。
步骤201:获取所述用户在第一预设时间内的用户日志。
步骤202:根据所述用户日志计算得到用户兴趣特征;
在一些可选实施方式中,所述步骤201和步骤202所完成的用户兴趣特征的计算步骤,可以采用线下完成的方式,而不采用实时完成的方式,从而能够节约系统资源,提高响应速度。需要指出的是,在线下进行时,步骤201、202和步骤101之间的先后顺序则可能不确定,例如,在接收到某一个用户的推荐请求之前或之后,都有可能刚好到达了需要进行线下的第二用户兴趣特征计算的时刻,从而使得步骤201、202可能刚好在步骤101之前进行或刚好在其之后进行。
步骤102:获取所述用户的用户权限。
步骤103:提取与所述用户权限相关联的第一推荐内容;可选的,所述第一推荐内容是与用户权限直接关联的推荐内容,即具有这种用户权限的用户,其用户权限所关联的推荐内容为同一个,从而能够将不同用户权限的用户能够接收到的推荐内容进行区别。
步骤401:获取所述用户在第二预设时间内的用户活跃度;
其中,可选的,所述第二预设时间可以是用户设定的时间段或者系统默认的时间段,所述用户活跃度则基于这个时间段内产生的用户数据而计算得出;并且,可选的,在第二预设时间内的用户活跃度的计算过程可以是线下的或者线上的,可根据实际情况进行设置;这里,所述第二预设时间可以选择与第一预设时间相同的时间段,也可以跟第一预设时间不同,具体选择可根据实际情况确定;另外,所述第二预设时间的选择方法可以采用跟第一预设时间的选择方法相类似的方法,只要这种时间段的选择能够使得所采集的用户数据在一定程度上足够表征所述用户的活跃度即可,在此不再赘述。所述用户活跃度是指用于表征用户在使用网站或APP时的活跃程度的衡量标准;具体地,所述用户活跃度可以根据用户的在线时长、登录次数、点击次数等来进行计算,从而能够较为准确地表征用户的活跃程度。
步骤402:若所述用户活跃度高于或等于预设活跃度,获取第三推荐内容;所述第三推荐内容所关联的用户权限高于所述用户的用户权限;
所述第三推荐内容所关联的用户权限高于所述用户的用户权限,这里,可选的,所述第三推荐内容所关联的用户权限可以是高于所述用户的用户权限1级或2级或更高,例如,若用户的用户权限对应的是第1级,那么所述第三推荐内容所关联的用户权限可以是第2级、第3级……第n级,具体选择哪一级的用户权限所关联的第三推荐内容,可以根据实际情况进行设定,从而保证在用户的用户活跃度较高时,直接对应相应级别用户权限所能看到的推荐内容。
可选的,除了设定在用户的用户活跃度较高时直接对应的所述第三推荐内容外,还可以采用根据用户活跃度的实际高出的数值的大小来选择高1级或者高更多级的用户权限所对应的第三推荐内容;例如,将预设活跃度分为多个数值范围,例如1~2为第一个数值范围,当用户活跃度在这个范围时,所述第三推荐内容所关联的用户权限则只比用户的用户权限高1级,2~5为第二个数值范围,当用户活跃度在这个范围时,所述第三推荐内容所关联的用户权限则比用户的用户权限高2级,后续的依次类推,使得不同用户活跃度的用户能够对应查看到不同级别用户权限对应的第三推荐内容,从而能够正面地调动用户使用相关产品的积极性。
步骤403:计算所述第三推荐内容中的待推荐数据的第二数据特征;
所述第三推荐内容中包括多个待推荐数据,而每个待推荐数据都可以采用特征提取的方式来得到其第二数据特征,第二数据特征的计算方式可以采用上述所述第二用户兴趣特征的计算方式实施例中的任意一种,在此不再赘述,但是提取特征的时间段可以不选择在所述第三预设时间内,而可以另行选择时间段,可以比第三预设时间更长或更短,根据实际需要可以进行调整。
步骤404:将所述用户兴趣特征与所述第二数据特征进行匹配;
可选的,上述特征匹配步骤可以采用计算余弦相似度的方式来实现。其中,余弦相似度,又称为余弦相似性,是通过计算两个向量的夹角余弦值来评估他们的相似度;此余弦值就可以用来表征这两个向量的相似性;夹角越小,余弦值越接近于1,它们的方向更加吻合,则越相似。当然,可以知道,除了这种特征匹配方式外,本领域技术人员还能想到其他的计算方式,这些计算方式也应当属于本发明的保护范围,在此不再赘述。
步骤405:将匹配度高于第二预设匹配度的待推荐数据作为第四推荐内容;
可选的,这里所述的匹配度可以是指前一步骤中的余弦相似度的值,而第二预设匹配度则可以是一个在0~1之间的取值,例如0.9,当余弦相似度大于09时,则将该待推荐数据归入到第四推荐内容,采用这种计算方式,计算过程较为快捷,响应时间较短;当然,除此之外还可以采用其他常规的技术手段来实现匹配度的计算和第二预设匹配度的选择,这些方式都应属于本发明的保护范围,在此不再赘述。可选的,所述第二预设匹配度可以与第一预设匹配度相同或不同,可根据实际情况进行设置。此外,还可以看出,这里的第四推荐内容是由第三推荐内容中匹配度高于第二预设匹配度的待推荐数据组成的,可以知道,第四推荐内容是属于第三推荐内容的。
步骤406:根据所述第一推荐内容和第四推荐内容,向所述用户返回推荐数据;
这里,所述推荐数据是根据所述第一推荐内容和第四推荐内容进行选择的,可以知道,推荐数据的选择方式有很多种,例如,从所述第一推荐内容中选择一定数量的数据并布置在首页的相应位置,然后将首页中显眼位置的数据替换为从第四推荐内容中选取的数据,从而使得首页推荐内容更加符合用户的兴趣,更加具有针对性;再比如,从第四推荐内容中选取的数据可以不用直接展示在首页的特定位置,而可以在首页的角落或边缘部位生成气泡等提示标记,当用户点击气泡时,再弹出相应的展示框,展示框中显示所述从第四推荐内容中选取的数据,可选的,展示框可以采用浮于首页图层的另一图层来实现,通过这种方式,可以使得首页中还是正常显示第一推荐内容,而更优选的第四推荐内容采用提示方式实现,既保证了首页展示的统一,又增加了推荐内容的个性化因素。
步骤407:若所述用户活跃度低于预设活跃度,根据所述第一推荐内容,向所述用户返回推荐数据。
其中,所述步骤401~407都可以是属于步骤104的具体化步骤,但是,所述步骤401中对所述用户在第二预设时间内的用户活跃度的计算步骤,实际上也可以采用线下完成的实现方式,因为第二预设时间可以采用规定的时间段,例如每个月、每周等等,到达相应时间节点,对用户活跃度进行计算即可,因此可以采用线下计算的方式,在考虑提高响应速度的前提下,所述步骤401可以提前到步骤202之后进行线下计算,而不再属于步骤104的一部分,当然,具体的实现方式需要根据实际需要进行设计,因此不应以此作为限定本发明保护范围的依据。并且,所述步骤403中对所述第三推荐内容中的待推荐数据的第二数据特征的计算步骤,实际上也可以采用线下完成的实现方式,因为待推荐数据本身本来就存在于本地数据库中,是可以随时进行第二数据特征计算的,在考虑提高响应速度的前提下,所述步骤403也可以提前到步骤202之后进行计算,而不再属于步骤104的一部分,当然,具体的实现方式需要根据实际需要进行设计,因此不应以此作为限定本发明保护范围的依据。
从上述实施例可以看出,本发明实施例提供的数据推荐方法,通过获取用户权限并提取用户权限直接关联的第一推荐内容,再根据用户活跃度提取第三推荐内容,接着将第三推荐内容中的待推荐数据与表征用户兴趣点的用户兴趣特征进行匹配,以得到匹配度较高的第四推荐内容,从而根据第一推荐内容和第四推荐内容向用户返回该推荐数据,使得每个用户所接收到的推荐数据都与自己的用户权限所关联的第一推荐内容相关,但是又从中找出了更符合用户兴趣点的数据进行优先或特殊推荐,从而让不同用户权限的用户的首页展示不同或不完全相同的数据,而相同用户权限的用户的首页在展示相同数据的基础上也能展示一些不同个性化数据,一方面体现了用户权限所具有的规制特性,另一方面也实现了首页推荐的个性化,使得推荐数据更加具有针对性。
本发明实施例还提出了一种能够针对不同用户或不同类型的用户进行数据推荐的数据推荐方法的第五个实施例。如图5所示,为本发明提供的数据推荐方法的第五个实施例的流程示意图。
所述数据推荐方法,包括:
步骤101:接收用户的推荐请求;
步骤102:获取所述用户的用户权限;
步骤103:提取与所述用户权限相关联的第一推荐内容;
步骤104:根据所述第一推荐内容,向所述用户返回推荐数据;
其中,所述根据所述第一推荐内容,向所述用户返回推荐数据的步骤104还可以进一步包括以下步骤:
步骤501:获取所述用户在第二预设时间内的用户活跃度;
步骤502:若所述用户活跃度高于或等于预设活跃度,获取第三推荐内容;所述第三推荐内容所关联的用户权限高于所述用户的用户权限;
步骤503:提取所述第三推荐内容中热度高于预设热度的待推荐数据,作为第五推荐内容;
可选的,所述待推荐数据的热度的计算方式可以采用相应的推荐数据的被点击次数、被评论次数、被点赞次数和/或被发送弹幕次数等来进行计算,所述预设热度则可以是表征推荐数据的热度较高的一个热度阈值,具体的数值可以根据实际情况进行选择,当带推荐数据的热度高于预设热度时,说明该待推荐数据的受欢迎程度较高,则将其作为第五推荐内容,这样向用户返回的推荐数据则可能更符合大众的兴趣习惯;
步骤504:根据所述第一推荐内容和第五推荐内容,向所述用户返回推荐数据;
步骤505:若所述用户活跃度低于预设活跃度,根据所述第一推荐内容,向所述用户返回推荐数据。
从上述实施例可以看出,本发明实施例提供的数据推荐方法,通过获取用户权限并提取用户权限直接关联的第一推荐内容,再根据用户活跃度提取第三推荐内容,接着将第三推荐内容中热度较高的待推荐数据作为第五推荐内容,从而根据第一推荐内容和第五推荐内容向用户返回该推荐数据,使得每个用户所接收到的推荐数据都与自己的用户权限所关联的第一推荐内容相关,但是又从中找出了更符合用户兴趣点的数据进行优先或特殊推荐,从而让不同用户权限的用户的首页展示不同或不完全相同的数据,而相同用户权限的用户的首页在展示相同数据的基础上也能展示一些不同个性化数据,一方面体现了用户权限所具有的规制特性,另一方面也实现了首页推荐的个性化,使得推荐数据更加具有针对性。
在一些可选实施方式中,上述任意一个实施例中的所述用户活跃度的计算公式可以采用以下公式:
用户活跃度=a×登录次数+b×点击次数+c×在线时长+d×评论个数+e×点赞个数+f×弹幕个数;
其中,a、b、c、d、e、f分别为登录次数(即用户登录网站或APP的次数)、点击次数(即用户点击网站或APP中的任意数据的总合次数)、在线时长(即用户在网站或APP上处于在线状态的时间长度)、评论个数(即用户在网站或APP中对任意数据进行评论的总合个数)、点赞个数(即用户在网站或APP中对任意数据进行点赞的总合个数)和弹幕个数(即用户在网站或APP中在任意数据(可选的,通常是视频或音频)中发送弹幕的总合个数)的权重系数,且a、b、c、d、e、f均大于或等于0。根据实际需要,所述权重系数可以进行相应选择,在此不做限定。
通过上述实施例可以看出,所述数据推荐方法中采用的用户活跃度的计算公式,通过加入了用户的评论、点赞、发送弹幕等参数,使得其计算得到的用户活跃度的表达更加全面,更能体现用户的活跃程度。
可选的,上述任意方法实施例中的用户的用户权限所直接关联的第一推荐内容可以随着时间的变化而变化。例如,一开始用户不能查看的高级资源,在一段时间后对于用户可以解禁,从而用户可以查看。
例如,论坛中的一些高级用户才能查看的内容,普通用户一开始不能查看,而在经过一段时间后,论坛对该内容进行解禁后,普通用户则可以查看,此时,所述用户的用户权限对应的第一推荐内容则发生了更新。再比如,视频网站中一些一开始仅供VIP会员观看的视频,在一段时间后可变为普通会员可以观看的资源,此时,所述用户的用户权限对应的第一推荐内容则发生了更新。
通过上述实施例,则可以对用户相对应的第一推荐内容进行一些更新,从而保持资源新鲜度。
可选的,上述实施例中的根据推荐内容选择的推荐数据的展示,可以通过修改与界面相应位置的展示内容相关的界面配置文件来实现,从而能够在相应的首页位置展示相应的推荐数据。
需要特别指出的是,上述数据推荐方法的各个实施例中的各个步骤均可以相互交叉、替换、增加、删减,因此,这些合理的排列组合变换之于数据推荐方法也应当属于本发明的保护范围,并且不应将本发明的保护范围局限在所述实施例之上。
基于上述目的,本发明实施例的第二个方面,提出了一种能够针对不同用户或不同类型的用户进行数据推荐的数据推荐装置的第一个实施例。如图6所示,为本发明提供的数据推荐装置的第一个实施例的模块结构示意图。
参照附图6,所述数据推荐装置,包括:
接收模块601,用于接收用户的推荐请求;
可选的,所述推荐请求可以是用户在打开网站主页或打开APP时自动发出的,从而无需用户自己主动发出推荐请求以获得推荐数据,这样可以较为及时地向用户反馈相应的推荐数据;当然,用户也可以选择主动发出推荐请求,或者通过自己进行设置,调整推荐请求的发送方式(用户主动或软件自动)。这里的用户,是发出了所述推荐请求的用户,可以是指特定用户,也可以是指任意用户,根据所述数据推荐方法的应用范围,用户的范围可以相应进行调整,从而应用于不同场景。
权限获取模块602,用于获取所述用户的用户权限;
可选的,所述用户权限可以是存储在本地的(例如服务器的数据库中),也可以是用户发出的推荐请求中携带的,存储在本地时,便于调用,而推荐请求中携带时,能够节省系统资源,实际应用时,可以根据需求进行选择。所述用户权限,可以是指用户身份对应的权限,例如论坛的普通会员、高级会员、管理员、坛主等;又比如是门户网站中具有不同身份的用户,例如,普通用户、管理员、具有在特定版块进行页面或新闻编辑的用户等等;还可以是视频网站的不同等级的会员等,例如普通会员、高级会员、VIP会员等等。
内容提取模块603,用于根据所述用户权限,提取与所述用户权限相关联的第一推荐内容;可选的,所述第一推荐内容是与用户权限直接关联的推荐内容,即具有这种用户权限的用户,其用户权限所关联的推荐内容为同一个,从而能够将不同用户权限的用户能够接收到的推荐内容进行区别;
推荐模块604,用于根据所述第一推荐内容,向所述用户返回推荐数据;可选的,所述推荐数据可以是第一推荐内容中包含的全部或部分推荐数据;若向用户返回的推荐数据包括全部第一推荐内容,则所述第一推荐内容仅包含的是首页中能够显示的数据,例如,首页中能够显示的数据为10个,那么所述第一推荐内容也就只包含10个,所述推荐数据也只包含10个,这样,同一个用户权限所关联的第一推荐内容,其具有确定性,能够保证具有该用户权限的用户接收到的数据都是一样的;若向用户返回的推荐数据仅包括第一推荐内容的一部分,则所述第一推荐内容包含的数据则多于首页中能够显示的数据,例如,首页中能够显示的数据为10个,那么所述第一推荐内容中的数据就会大于10个,而所述推荐数据则只包含10个,这样,同一个用户权限的用户所能接收到的推荐数据,除了可以是一样的以外,还可以是不一样的;同一个用户权限的用户接收不一样的推荐数据的实现方法可以是:根据用户自身的特性来选取第一推荐内容中的数据,将选出的数据作为推荐数据发送给用户,从而一方面基于用户权限进行了推荐数据的区分,另一方面还基于用户特性实现了推荐数据的个性化。
从上述实施例可以看出,本发明实施例提供的数据推荐装置,通过获取用户权限并提取用户权限直接关联的第一推荐内容,再根据第一推荐内容向用户返回该推荐数据,使得每个用户所接收到的推荐数据都与自己的用户权限所关联的第一推荐内容相关,从而让不同用户权限的用户的首页展示不同或不完全相同的数据,而相同用户权限的用户的首页展示基本相同的数据,一方面实现了首页推荐的个性化,使得推荐数据更加具有针对性,另一方面也体现了用户权限所具有的规制特性。
本发明实施例还提出了一种能够针对不同用户或不同类型的用户进行数据推荐的数据推荐方法的第二个实施例。如图7所示,为本发明提供的数据推荐装置的第二个实施例的流程示意图。
所述数据推荐装置,包括:
接收模块601,用于接收用户的推荐请求;
权限获取模块602,用于获取所述用户的用户权限;
日志获取模块701,用于获取所述用户在第一预设时间内的第一用户日志;
其中,可选的,所述第一预设时间可以是用户设定的时间段或者系统默认的时间段,所述第一日志获取模块701所获取的用户日志则是产生在这个时间段内的用户日志。具体的第一预设时间的选择可以是距离当前时刻往前追溯一段时间而得到的时间段,例如从今天起往前追溯一个月内所产生的用户日志,从而可以保证获取到的用户日志可以较好地反映用户在最近的喜好,这种方式可适合于对用户日志进行实时地获取并处理;又比如,所述第一预设时间的选择还可以是固定的,例如,若第一预设时间是前一个月,则假设今天是本月5号,在获取所述用户在第一预设时间内的用户日志时,则是获取上一个月的一整个月的用户日志,而不是从上个月的4号统计到本月的4号。同理,若第一预设时间是前一周,则假设今天是本周的周三,在获取所述用户在第一预设时间内的用户日志时,则是获取上一周的一整周的用户日志,而不是从上周的周二统计到本周的周二,这种统计方式因为具有定时性能,因此可以定期进行数据获取并处理,可适用于用户日志进行线下的处理;在定期获取用户日志时,所述第一预设时间可以根据需要进行设置,例如每天都重新获取并更新用户日志,或者考虑到服务器的负载量,也可以每周或每30天(或每月)获取并更新一次数据。
可选的,所述用户日志是指能够反映用户对网站或APP进行使用的一些记录,例如,用户曾经观看过的视频、新闻、文章、图片等内容的记录,还可以包括用户的评论、点赞、发送弹幕等记录。
第一特征计算模块702,用于根据所述用户日志计算得到用户兴趣特征;以及,用于计算所述第一推荐内容中的待推荐数据的第一数据特征;所述第一推荐内容中包括多个待推荐数据,而每个待推荐数据都可以采用特征提取的方式来得到其第一数据特征,第一数据特征的计算方式可以采用上述所述用户兴趣特征的计算方式实施例中的任意一种,在此不再赘述,但是提取特征的时间段可以不选择在所述第一预设时间内,而可以另行选择时间段,可以比第一预设时间更长或更短,根据实际需要可以进行调整;
可选的,这里的用户兴趣特征,可以通过提取用户日志中在第一预设时间内的出现频率较高的关键词而得到,并且可以相应地根据时间的早晚赋予不同权值;具体地,可以采用以下方法:
从第一预设时间内得到的用户日志中分析得到相应的多媒体文件(例如音乐、电影等)、网页中的新闻或者论坛中的帖子的分类信息和标签信息;所述分类信息可以是多媒体文件、新闻或帖子的一级分类信息、二级分类信息,所述标签信息可以是多媒体文件的运营商、网站管理员或论坛管理员预先打上的标签,也可以是用户为其打上的标签,等等,但并不限于这些数据;
根据提取得到的分类信息和标签信息的时间远近,为相应的分类信息和标签信息赋予不同的权值;即,时间越久远的,权值越低,时间越近期的,权值越高;
结合所述第一预设时间内得到的分类信息、标签信息及相应的权值,计算得到所述用户兴趣特征;这里,所述用户兴趣特征可以是以所述分类信息、标签信息为参量,且各参量具有各自权值的特征向量,在后续的基于用户兴趣特征进行数据匹配时,可直接将该特征向量与待推荐数据的特征向量进行匹配,从而得到相匹配的推荐数据。
采用上述方法进行用户兴趣特征的计算,能够较好地反映用户的兴趣点,从而在后续进行数据推荐时,能够更加具有针对性;但是,可以想到,上述的用户兴趣特征的计算方法只是一种实现方式,除了上述实施例外,所述用户兴趣特征中还可以加入其他参数,例如,从多媒体文件(例如音乐、电影等)、网页中的新闻或者论坛中的帖子的评论中提取得到的关键词,或者多媒体文件的相关弹幕中提取得到的关键词等等,这样,能够更加完整地对用户兴趣点进行分析,使得推荐数据更加具有针对性。此外,除了上述例举的用户兴趣特征的计算方法,还可以采用其他本领域常用的技术来实现,需要明白,这些常用的技术也应当属于本发明的保护范围。
在一些可选实施方式中,所述日志获取模块701和第一特征计算模块702所完成的用户兴趣特征的计算步骤,可以采用线下完成的方式,而不采用实时完成的方式,从而能够节约系统资源,提高响应速度。需要指出的是,在线下进行时,所述日志获取模块701和第一特征计算模块702所完成的计算步骤和所述接收模块601接收推荐请求之间的先后顺序则可能不确定,例如,在接收到某一个用户的推荐请求之前或之后,都有可能刚好到达了需要进行线下的第一用户兴趣特征计算的时刻,从而使得所述日志获取模块701和第一特征计算模块702所完成的计算步骤可能刚好在所述接收模块601接收推荐请求的步骤之前进行或刚好在其之后进行。
内容提取模块603,用于根据所述用户权限,提取与所述用户权限相关联的第一推荐内容;可选的,所述第一推荐内容是与用户权限直接关联的推荐内容,即具有这种用户权限的用户,其用户权限所关联的推荐内容为同一个,从而能够将不同用户权限的用户能够接收到的推荐内容进行区别;
推荐模块604,具体用于:
将所述用户兴趣特征与所述第一数据特征进行匹配;
可选的,上述特征匹配步骤可以采用计算余弦相似度的方式来实现。其中,余弦相似度,又称为余弦相似性,是通过计算两个向量的夹角余弦值来评估他们的相似度;此余弦值就可以用来表征这两个向量的相似性;夹角越小,余弦值越接近于1,它们的方向更加吻合,则越相似;当然,可以知道,除了这种特征匹配方式外,本领域技术人员还能想到其他的计算方式,这些计算方式也应当属于本发明的保护范围,在此不再赘述;
将匹配度高于第一预设匹配度的待推荐数据作为第二推荐内容;
可选的,这里所述的匹配度可以是指前一步骤中的余弦相似度的值,而第一预设匹配度则可以是一个在0~1之间的取值,例如0.9,当余弦相似度大于09时,则将该待推荐数据归入到第二推荐内容,采用这种计算方式,计算过程较为快捷,响应时间较短;当然,除此之外还可以采用其他常规的技术手段来实现匹配度的计算和第一预设匹配度的选择,这些方式都应属于本发明的保护范围,在此不再赘述;此外,还可以看出,这里的第二推荐内容是由第一推荐内容中匹配度高于第一预设匹配度的待推荐数据组成的,可以知道,第二推荐内容是属于第一推荐内容的;
根据所述第一推荐内容和第二推荐内容,向所述用户返回推荐数据;
这里,所述推荐数据是根据所述第一推荐内容和第二推荐内容进行选择的,可以知道,推荐数据的选择方式有很多种,例如,从所述第一推荐内容中选择一定数量的数据并布置在首页的相应位置,然后将首页中显眼位置的数据替换为从第二推荐内容中选取的数据,从而使得首页推荐内容更加符合用户的兴趣,更加具有针对性;再比如,从第二推荐内容中选取的数据可以不用直接展示在首页的特定位置,而可以在首页的角落或边缘部位生成气泡等提示标记,当用户点击气泡时,再弹出相应的展示框,展示框中显示所述从第二推荐内容中选取的数据,可选的,展示框可以采用浮于首页图层的另一图层来实现,通过这种方式,可以使得首页中还是正常显示第一推荐内容,而更优选的第二推荐内容采用提示方式实现,既保证了首页展示的统一,又增加了推荐内容的个性化因素。
从上述实施例可以看出,本发明实施例提供的数据推荐装置,通过获取用户权限并提取用户权限直接关联的第一推荐内容,再将第一推荐内容中的待推荐数据与表征用户兴趣点的用户兴趣特征进行匹配,以得到匹配度较高的第二推荐内容,从而根据第一推荐内容和第二推荐内容向用户返回该推荐数据,使得每个用户所接收到的推荐数据都与自己的用户权限所关联的第一推荐内容相关,但是又从中找出了更符合用户兴趣点的数据进行优先或特殊推荐,从而让不同用户权限的用户的首页展示不同或不完全相同的数据,而相同用户权限的用户的首页在展示相同数据的基础上也能展示一些不同个性化数据,一方面体现了用户权限所具有的规制特性,另一方面也实现了首页推荐的个性化,使得推荐数据更加具有针对性。
在一些可选实施方式中,可继续参照附图6和附图7,所述推荐模块604,还可具体用于:
获取所述用户在第二预设时间内的用户活跃度;
其中,可选的,所述第二预设时间可以是用户设定的时间段或者系统默认的时间段,所述用户活跃度则基于这个时间段内产生的用户数据而计算得出;并且,可选的,在第二预设时间内的用户活跃度的计算过程可以是线下的或者线上的,可根据实际情况进行设置;这里,所述第二预设时间可以选择与第一预设时间相同的时间段,也可以跟第一预设时间不同,具体选择可根据实际情况确定;另外,所述第二预设时间的选择方法可以采用跟第一预设时间的选择方法相类似的方法,只要这种时间段的选择能够使得所采集的用户数据在一定程度上足够表征所述用户的活跃度即可,在此不再赘述。所述用户活跃度是指用于表征用户在使用网站或APP时的活跃程度的衡量标准;具体地,所述用户活跃度可以根据用户的在线时长、登录次数、点击次数等来进行计算,从而能够较为准确地表征用户的活跃程度。
若所述用户活跃度高于或等于预设活跃度,获取第三推荐内容;所述第三推荐内容所关联的用户权限高于所述用户的用户权限;
所述第三推荐内容所关联的用户权限高于所述用户的用户权限,这里,可选的,所述第三推荐内容所关联的用户权限可以是高于所述用户的用户权限1级或2级或更高,例如,若用户的用户权限对应的是第1级,那么所述第三推荐内容所关联的用户权限可以是第2级、第3级……第n级,具体选择哪一级的用户权限所关联的第三推荐内容,可以根据实际情况进行设定,从而保证在用户的用户活跃度较高时,直接对应相应级别用户权限所能看到的推荐内容。
可选的,除了设定在用户的用户活跃度较高时直接对应的所述第三推荐内容外,还可以采用根据用户活跃度的实际高出的数值的大小来选择高1级或者高更多级的用户权限所对应的第三推荐内容;例如,将预设活跃度分为多个数值范围,例如1~2为第一个数值范围,当用户活跃度在这个范围时,所述第三推荐内容所关联的用户权限则只比用户的用户权限高1级,2~5为第二个数值范围,当用户活跃度在这个范围时,所述第三推荐内容所关联的用户权限则比用户的用户权限高2级,后续的依次类推,使得不同用户活跃度的用户能够对应查看到不同级别用户权限对应的第三推荐内容,从而能够正面地调动用户使用相关产品的积极性。
根据所述第一推荐内容和第三推荐内容,向所述用户返回推荐数据。
通过上述实施例,所述数据推荐装置还能够根据用户的活跃程度选择用户权限较高的推荐数据来推送给用户,从而使得不同活跃程度的用户所接收到的推荐数据因为其自身的活跃程度的不同而不同,并且,可以鼓励用户更多地使用本网站或APP,从而增加用户粘度。
本发明实施例还提出了一种能够针对不同用户或不同类型的用户进行数据推荐的数据推荐方法的第三个实施例。如图8所示,为本发明提供的数据推荐装置的第三个实施例的流程示意图。
所述数据推荐装置,包括:
接收模块601,用于接收用户的推荐请求;
权限获取模块602,用于获取所述用户的用户权限;
日志获取模块701,用于获取所述用户在第一预设时间内的第一用户日志;
第一特征计算模块702,用于根据所述用户日志计算得到用户兴趣特征;
第二特征计算模块801,用于计算所述第三推荐内容中的待推荐数据的第二数据特征;所述第三推荐内容中包括多个待推荐数据,而每个待推荐数据都可以采用特征提取的方式来得到其第二数据特征,第二数据特征的计算方式可以采用上述所述第二用户兴趣特征的计算方式实施例中的任意一种,在此不再赘述,但是提取特征的时间段可以不选择在所述第三预设时间内,而可以另行选择时间段,可以比第三预设时间更长或更短,根据实际需要可以进行调整。
在一些可选实施方式中,所述第二特征计算模块801所完成的第二数据特征的计算步骤,可以采用线下完成的方式,而不采用实时完成的方式,从而能够节约系统资源,提高响应速度。需要指出的是,在线下进行时,所述第二特征计算模块801所完成的步骤和所述接收模块601接收到推荐请求的步骤之间的先后顺序则可能不确定,例如,在接收到某一个用户的推荐请求之前或之后,都有可能刚好到达了需要进行线下的第二数据特征计算的时刻,从而使得所述第二特征计算模块801所完成的第二数据特征的计算步骤可能刚好在所述接收模块601接收到推荐请求的步骤之前进行或刚好在其之后进行。
所述内容提取模块603,用于提取与所述用户权限相关联的第一推荐内容;
所述推荐模块604,具体用于:
将所述用户兴趣特征与所述第二数据特征进行匹配;
可选的,上述特征匹配步骤可以采用计算余弦相似度的方式来实现;其中,余弦相似度,又称为余弦相似性,是通过计算两个向量的夹角余弦值来评估他们的相似度;此余弦值就可以用来表征这两个向量的相似性;夹角越小,余弦值越接近于1,它们的方向更加吻合,则越相似;当然,可以知道,除了这种特征匹配方式外,本领域技术人员还能想到其他的计算方式,这些计算方式也应当属于本发明的保护范围,在此不再赘述;
将匹配度高于第二预设匹配度的待推荐数据作为第四推荐内容;
可选的,这里所述的匹配度可以是指前一步骤中的余弦相似度的值,而第二预设匹配度则可以是一个在0~1之间的取值,例如0.9,当余弦相似度大于09时,则将该待推荐数据归入到第四推荐内容,采用这种计算方式,计算过程较为快捷,响应时间较短;当然,除此之外还可以采用其他常规的技术手段来实现匹配度的计算和第二预设匹配度的选择,这些方式都应属于本发明的保护范围,在此不再赘述;可选的,所述第二预设匹配度可以与第一预设匹配度相同或不同,可根据实际情况进行设置;此外,还可以看出,这里的第四推荐内容是由第三推荐内容中匹配度高于第二预设匹配度的待推荐数据组成的,可以知道,第四推荐内容是属于第三推荐内容的;
根据所述第一推荐内容和第四推荐内容,向所述用户返回推荐数据;
这里,所述推荐数据是根据所述第一推荐内容和第四推荐内容进行选择的,可以知道,推荐数据的选择方式有很多种,例如,从所述第一推荐内容中选择一定数量的数据并布置在首页的相应位置,然后将首页中显眼位置的数据替换为从第四推荐内容中选取的数据,从而使得首页推荐内容更加符合用户的兴趣,更加具有针对性;再比如,从第四推荐内容中选取的数据可以不用直接展示在首页的特定位置,而可以在首页的角落或边缘部位生成气泡等提示标记,当用户点击气泡时,再弹出相应的展示框,展示框中显示所述从第四推荐内容中选取的数据,可选的,展示框可以采用浮于首页图层的另一图层来实现,通过这种方式,可以使得首页中还是正常显示第一推荐内容,而更优选的第四推荐内容采用提示方式实现,既保证了首页展示的统一,又增加了推荐内容的个性化因素。
从上述实施例可以看出,本发明实施例提供的数据推荐装置,通过获取用户权限并提取用户权限直接关联的第一推荐内容,再根据用户活跃度提取第三推荐内容,接着将第三推荐内容中的待推荐数据与表征用户兴趣点的用户兴趣特征进行匹配,以得到匹配度较高的第四推荐内容,从而根据第一推荐内容和第四推荐内容向用户返回该推荐数据,使得每个用户所接收到的推荐数据都与自己的用户权限所关联的第一推荐内容相关,但是又从中找出了更符合用户兴趣点的数据进行优先或特殊推荐,从而让不同用户权限的用户的首页展示不同或不完全相同的数据,而相同用户权限的用户的首页在展示相同数据的基础上也能展示一些不同个性化数据,一方面体现了用户权限所具有的规制特性,另一方面也实现了首页推荐的个性化,使得推荐数据更加具有针对性。
在一些可选实施方式中,可继续参照附图6至附图8,所述推荐模块604,还可具体用于:
提取所述第三推荐内容中热度高于预设热度的待推荐数据,作为第五推荐内容;可选的,所述待推荐数据的热度的计算方式可以采用相应的推荐数据的被点击次数、被评论次数、被点赞次数和/或被发送弹幕次数等来进行计算,所述预设热度则可以是表征推荐数据的热度较高的一个热度阈值,具体的数值可以根据实际情况进行选择,当带推荐数据的热度高于预设热度时,说明该待推荐数据的受欢迎程度较高,则将其作为第五推荐内容,这样向用户返回的推荐数据则可能更符合大众的兴趣习惯;
根据所述第一推荐内容和第五推荐内容,向所述用户返回推荐数据。
通过上述实施例,所述数据推荐装置还能够根据待推荐数据的热度高低来选择一些较为热点的数据进行推荐,从而使得推荐数据中的一部分更加符合大众的使用习惯。
在一些可选实施方式中,上述任意一个实施例中的所述用户活跃度的计算公式可以采用以下公式:
用户活跃度=a×登录次数+b×点击次数+c×在线时长+d×评论个数+e×点赞个数+f×弹幕个数;
其中,a、b、c、d、e、f分别为登录次数(即用户登录网站或APP的次数)、点击次数(即用户点击网站或APP中的任意数据的总合次数)、在线时长(即用户在网站或APP上处于在线状态的时间长度)、评论个数(即用户在网站或APP中对任意数据进行评论的总合个数)、点赞个数(即用户在网站或APP中对任意数据进行点赞的总合个数)和弹幕个数(即用户在网站或APP中在任意数据(可选的,通常是视频或音频)中发送弹幕的总合个数)的权重系数,且a、b、c、d、e、f均大于或等于0。根据实际需要,所述权重系数可以进行相应选择,在此不做限定。
通过上述实施例可以看出,所述数据推荐装置中采用的用户活跃度的计算公式,通过加入了用户的评论、点赞、发送弹幕等参数,使得其计算得到的用户活跃度的表达更加全面,更能体现用户的活跃程度。
可选的,上述任意装置实施例中的用户的用户权限所直接关联的第一推荐内容可以随着时间的变化而变化。例如,一开始用户不能查看的高级资源,在一段时间后对于用户可以解禁,从而用户可以查看。
例如,论坛中的一些高级用户才能查看的内容,普通用户一开始不能查看,而在经过一段时间后,论坛对该内容进行解禁后,普通用户则可以查看,此时,所述用户的用户权限对应的第一推荐内容则发生了更新。再比如,视频网站中一些一开始仅供VIP会员观看的视频,在一段时间后可变为普通会员可以观看的资源,此时,所述用户的用户权限对应的第一推荐内容则发生了更新。
通过上述实施例,则可以对用户相对应的第一推荐内容进行一些更新,从而保持资源新鲜度。
可选的,上述实施例中的根据推荐内容选择的推荐数据的展示,可以通过修改与界面相应位置的展示内容相关的界面配置文件来实现,从而能够在相应的首页位置展示相应的推荐数据。
需要特别指出的是,上述数据推荐装置的实施例采用了所述数据推荐方法的实施例来具体说明各模块的工作过程,本领域技术人员能够很容易想到,将这些模块应用到所述数据推荐方法的其他实施例中。当然,由于所述数据推荐方法实施例中的各个步骤均可以相互交叉、替换、增加、删减,因此,这些合理的排列组合变换之于所述数据推荐装置也应当属于本发明的保护范围,并且不应将本发明的保护范围局限在所述实施例之上。
基于上述目的,本发明实施例的第三个方面,提出了一种执行所述数据推荐方法的装置的一个实施例。如图9所示,为本发明提供的执行所述数据推荐方法的装置的一个实施例的硬件结构示意图。
如图9所示,所述装置包括:
一个或多个处理器901以及存储器902,图9中以一个处理器901为例。
所述执行所述数据推荐方法的装置还可以包括:输入装置903和输出装置904。
处理器901、存储器902、输入装置903和输出装置904可以通过总线或者其他方式连接,图9中以通过总线连接为例。
存储器902作为一种非易失性计算机可读存储介质,可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块,如本申请实施例中的所述数据推荐方法对应的程序指令/模块(例如,附图6所示的接收模块601、权限获取模块602、内容提取模块603和推荐模块604)。处理器901通过运行存储在存储器1002中的非易失性软件程序、指令以及模块,从而执行服务器的各种功能应用以及数据处理,即实现上述方法实施例的数据推荐方法。
存储器902可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储数据区可存储根据数据推荐装置的使用所创建的数据等。此外,存储器902可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实施例中,存储器902可选包括相对于处理器901远程设置的存储器,这些远程存储器可以通过网络连接至会员用户行为监控装置。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置903可接收输入的数字或字符信息,以及产生与数据推荐装置的用户设置以及功能控制有关的键信号输入。输出装置904可包括显示屏等显示设备。
所述一个或者多个模块存储在所述存储器902中,当被所述一个或者多个处理器901执行时,执行上述任意方法实施例中的数据推荐方法。
本申请实施例提供了一种非暂态计算机存储介质,所述计算机存储介质存储有计算机可执行指令,该计算机可执行指令可执行上述任意方法实施例中的列表项操作的处理方法。
最后需要说明的是,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硬件来完成,所述的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,所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)或随机存储记忆体(Random Access Memory,RAM)等。
此外,典型地,本公开所述的装置、设备等可为各种电子终端设备,例如手机、个人数字助理(PDA)、平板电脑(PAD)、智能电视等,也可以是大型终端设备,如服务器等,因此本公开的保护范围不应限定为某种特定类型的装置、设备。本公开所述的客户端可以是以电子硬件、计算机软件或两者的组合形式应用于上述任意一种电子终端设备中。
此外,根据本公开的方法还可以被实现为由CPU执行的计算机程序,该计算机程序可以存储在计算机可读存储介质中。在该计算机程序被CPU执行时,执行本公开的方法中限定的上述功能。
此外,上述方法步骤以及系统单元也可以利用控制器以及用于存储使得控制器实现上述步骤或单元功能的计算机程序的计算机可读存储介质实现。
此外,应该明白的是,本文所述的计算机可读存储介质(例如,存储器)可以是易失性存储器或非易失性存储器,或者可以包括易失性存储器和非易失性存储器两者。作为例子而非限制性的,非易失性存储器可以包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦写可编程ROM(EEPROM)或快闪存储器。易失性存储器可以包括随机存取存储器(RAM),该RAM可以充当外部高速缓存存储器。作为例子而非限制性的,RAM可以以多种形式获得,比如同步RAM(DRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据速率SDRAM(DDR SDRAM)、增强SDRAM(ESDRAM)、同步链路DRAM(SLDRAM)以及直接RambusRAM(DRRAM)。所公开的方面的存储设备意在包括但不限于这些和其它合适类型的存储器。
本领域技术人员还将明白的是,结合这里的公开所描述的各种示例性逻辑块、模块、电路和算法步骤可以被实现为电子硬件、计算机软件或两者的组合。为了清楚地说明硬件和软件的这种可互换性,已经就各种示意性组件、方块、模块、电路和步骤的功能对其进行了一般性的描述。这种功能是被实现为软件还是被实现为硬件取决于具体应用以及施加给整个系统的设计约束。本领域技术人员可以针对每种具体应用以各种方式来实现所述的功能,但是这种实现决定不应被解释为导致脱离本公开的范围。
结合这里的公开所描述的各种示例性逻辑块、模块和电路可以利用被设计成用于执行这里所述功能的下列部件来实现或执行:通用处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或其它可编程逻辑器件、分立门或晶体管逻辑、分立的硬件组件或者这些部件的任何组合。通用处理器可以是微处理器,但是可替换地,处理器可以是任何传统处理器、控制器、微控制器或状态机。处理器也可以被实现为计算设备的组合,例如,DSP和微处理器的组合、多个微处理器、一个或多个微处理器结合DSP核、或任何其它这种配置。
结合这里的公开所描述的方法或算法的步骤可以直接包含在硬件中、由处理器执行的软件模块中或这两者的组合中。软件模块可以驻留在RAM存储器、快闪存储器、ROM存储器、EPROM存储器、EEPROM存储器、寄存器、硬盘、可移动盘、CD-ROM、或本领域已知的任何其它形式的存储介质中。示例性的存储介质被耦合到处理器,使得处理器能够从该存储介质中读取信息或向该存储介质写入信息。在一个替换方案中,所述存储介质可以与处理器集成在一起。处理器和存储介质可以驻留在ASIC中。ASIC可以驻留在用户终端中。在一个替换方案中,处理器和存储介质可以作为分立组件驻留在用户终端中。
在一个或多个示例性设计中,所述功能可以在硬件、软件、固件或其任意组合中实现。如果在软件中实现,则可以将所述功能作为一个或多个指令或代码存储在计算机可读介质上或通过计算机可读介质来传送。计算机可读介质包括计算机存储介质和通信介质,该通信介质包括有助于将计算机程序从一个位置传送到另一个位置的任何介质。存储介质可以是能够被通用或专用计算机访问的任何可用介质。作为例子而非限制性的,该计算机可读介质可以包括RAM、ROM、EEPROM、CD-ROM或其它光盘存储设备、磁盘存储设备或其它磁性存储设备,或者是可以用于携带或存储形式为指令或数据结构的所需程序代码并且能够被通用或专用计算机或者通用或专用处理器访问的任何其它介质。此外,任何连接都可以适当地称为计算机可读介质。例如,如果使用同轴线缆、光纤线缆、双绞线、数字用户线路(DSL)或诸如红外线、无线电和微波的无线技术来从网站、服务器或其它远程源发送软件,则上述同轴线缆、光纤线缆、双绞线、DSL或诸如红外先、无线电和微波的无线技术均包括在介质的定义。如这里所使用的,磁盘和光盘包括压缩盘(CD)、激光盘、光盘、数字多功能盘(DVD)、软盘、蓝光盘,其中磁盘通常磁性地再现数据,而光盘利用激光光学地再现数据。上述内容的组合也应当包括在计算机可读介质的范围内。
公开的示例性实施例,但是应当注公开的示例性实施例,但是应当注意,在不背离权利要求限定的本公开的范围的前提下,可以进行多种改变和修改。根据这里描述的公开实施例的方法权利要求的功能、步骤和/或动作不需以任何特定顺序执行。此外,尽管本公开的元素可以以个体形式描述或要求,但是也可以设想多个,除非明确限制为单数。
应当理解的是,在本文中使用的,除非上下文清楚地支持例外情况,单数形式“一个”(“a”、“an”、“the”)旨在也包括复数形式。还应当理解的是,在本文中使用的“和/或”是指包括一个或者一个以上相关联地列出的项目的任意和所有可能组合。
上述本公开实施例序号仅仅为了描述,不代表实施例的优劣。
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计算机可读存储介质中,上述提到的存储介质可以是只读存储器,磁盘或光盘等。
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;在本发明实施例的思路下,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实施例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,凡在本发明实施例的精神和原则之内,所做的任何省略、修改、等同替换、改进等,均应包含在本发明实施例的保护范围之内。
Claims (10)
1.一种数据推荐方法,其特征在于,包括:
接收用户的推荐请求;
获取所述用户的用户权限;
提取与所述用户权限相关联的第一推荐内容;
根据所述第一推荐内容,向所述用户返回推荐数据。
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:
获取所述用户在第一预设时间内的用户日志;
根据所述用户日志计算得到用户兴趣特征;
计算所述第一推荐内容中的待推荐数据的第一数据特征;
所述根据所述第一推荐内容,向所述用户返回推荐数据包括:
将所述用户兴趣特征与所述第一数据特征进行匹配;
将匹配度高于第一预设匹配度的待推荐数据作为第二推荐内容;
根据所述第一推荐内容和第二推荐内容,向所述用户返回推荐数据。
3.根据权利要求2所述的方法,其特征在于,所述方法还包括:
获取所述用户在第二预设时间内的用户活跃度;
若所述用户活跃度高于或等于预设活跃度,获取第三推荐内容;所述第三推荐内容所关联的用户权限高于所述用户的用户权限;
根据所述第一推荐内容和第三推荐内容,向所述用户返回推荐数据。
4.根据权利要求3所述的方法,其特征在于,所述方法还包括:
计算所述第三推荐内容中的待推荐数据的第二数据特征;
所述根据所述第一推荐内容和第三推荐内容,向所述用户返回推荐数据包括:
将所述用户兴趣特征与所述第二数据特征进行匹配;
将匹配度高于第二预设匹配度的待推荐数据作为第四推荐内容;
根据所述第一推荐内容和第四推荐内容,向所述用户返回推荐数据。
5.根据权利要求3所述的方法,其特征在于,所述根据所述第一推荐内容和第三推荐内容,向所述用户返回推荐数据包括:
提取所述第三推荐内容中热度高于预设热度的待推荐数据,作为第五推荐内容;
根据所述第一推荐内容和第五推荐内容,向所述用户返回推荐数据。
6.一种数据推荐装置,其特征在于,包括:
接收模块,用于接收用户的推荐请求;
权限获取模块,用于获取所述用户的用户权限;
内容提取模块,用于提取与所述用户权限相关联的第一推荐内容;
推荐模块,用于根据所述第一推荐内容,向所述用户返回推荐数据。
7.根据权利要求6所述的装置,其特征在于,所述装置还包括:
日志获取模块,用于获取所述用户在第一预设时间内的用户日志;
第一特征计算模块,用于根据所述用户日志计算得到用户兴趣特征;以及,用于计算所述第一推荐内容中的待推荐数据的第一数据特征;
所述推荐模块,具体用于:
将所述用户兴趣特征与所述第一数据特征进行匹配;
将匹配度高于第一预设匹配度的待推荐数据作为第二推荐内容;
根据所述第一推荐内容和第二推荐内容,向所述用户返回推荐数据。
8.根据权利要求7所述的装置,其特征在于,所述推荐模块,具体用于:
获取所述用户在第二预设时间内的用户活跃度;
若所述用户活跃度高于或等于预设活跃度,获取第三推荐内容;所述第三推荐内容所关联的用户权限高于所述用户的用户权限;
根据所述第一推荐内容和第三推荐内容,向所述用户返回推荐数据。
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:
第二特征计算模块,用于计算所述第三推荐内容中的待推荐数据的第二数据特征;
所述推荐模块,具体用于:
将所述用户兴趣特征与所述第二数据特征进行匹配;
将匹配度高于第二预设匹配度的待推荐数据作为第四推荐内容;
根据所述第一推荐内容和第四推荐内容,向所述用户返回推荐数据。
10.根据权利要求8所述的装置,其特征在于,所述推荐模块,具体用于:
提取所述第三推荐内容中热度高于预设热度的待推荐数据,作为第五推荐内容;
根据所述第一推荐内容和第五推荐内容,向所述用户返回推荐数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610751240.4A CN106339469A (zh) | 2016-08-29 | 2016-08-29 | 数据推荐方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610751240.4A CN106339469A (zh) | 2016-08-29 | 2016-08-29 | 数据推荐方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106339469A true CN106339469A (zh) | 2017-01-18 |
Family
ID=57823493
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610751240.4A Pending CN106339469A (zh) | 2016-08-29 | 2016-08-29 | 数据推荐方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106339469A (zh) |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107222470A (zh) * | 2017-05-25 | 2017-09-29 | 深圳众厉电力科技有限公司 | 一种认证信息全面的互联网用户认证系统 |
CN107239694A (zh) * | 2017-05-27 | 2017-10-10 | 武汉大学 | 一种基于用户评论的Android应用权限推理方法及装置 |
CN107784071A (zh) * | 2017-09-18 | 2018-03-09 | 维沃移动通信有限公司 | 一种消息推送方法、装置和移动终端 |
CN108347626A (zh) * | 2018-03-06 | 2018-07-31 | 深圳春沐源控股有限公司 | 一种种植视频推送的方法及系统 |
CN108399565A (zh) * | 2017-10-09 | 2018-08-14 | 平安科技(深圳)有限公司 | 金融产品推荐装置、方法及计算机可读存储介质 |
CN109523288A (zh) * | 2017-09-19 | 2019-03-26 | 富士施乐株式会社 | 信息处理装置 |
CN109710751A (zh) * | 2018-12-13 | 2019-05-03 | 平安科技(深圳)有限公司 | 法律文件的智能推荐方法、装置、设备及存储介质 |
CN109960442A (zh) * | 2017-12-14 | 2019-07-02 | 腾讯科技(深圳)有限公司 | 提示信息的传输方法、装置、存储介质及电子装置 |
WO2019127845A1 (zh) * | 2017-12-28 | 2019-07-04 | 平安科技(深圳)有限公司 | 一种录音推荐方法、装置、设备及计算机可读存储介质 |
CN110489641A (zh) * | 2019-07-16 | 2019-11-22 | 阿里巴巴集团控股有限公司 | 一种信息推荐数据处理方法及装置 |
CN110728387A (zh) * | 2019-09-16 | 2020-01-24 | 武汉安诠加信息技术有限公司 | 预约体验美容院项目的方法、装置、设备及介质 |
CN111209513A (zh) * | 2020-01-08 | 2020-05-29 | 西安电子科技大学 | 基于图链接分析的网络用户分类方法 |
CN111460308A (zh) * | 2020-04-07 | 2020-07-28 | 贵阳块数据城市建设有限公司 | 一种基于互联网的app推送系统 |
CN111475721A (zh) * | 2020-03-31 | 2020-07-31 | 百度在线网络技术(北京)有限公司 | 信息推送方法、装置、设备及存储介质 |
CN113365148A (zh) * | 2021-06-11 | 2021-09-07 | 北京百度网讯科技有限公司 | 分数调整方法、装置、电子设备、存储介质和程序产品 |
CN114173199A (zh) * | 2021-11-24 | 2022-03-11 | 深圳Tcl新技术有限公司 | 一种视频输出方法、装置、智能设备及存储介质 |
US11669530B2 (en) | 2020-03-31 | 2023-06-06 | Baidu Online Network Technology (Beijing) Co., Ltd. | Information push method and apparatus, device, and storage medium |
CN117539638A (zh) * | 2024-01-04 | 2024-02-09 | 江西拓荒者科技有限公司 | 一种用于工业大数据平台的数据处理方法及系统 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102130933A (zh) * | 2010-01-13 | 2011-07-20 | 中国移动通信集团公司 | 一种基于移动互联网的推荐方法、系统和设备 |
CN102999509A (zh) * | 2011-09-13 | 2013-03-27 | 腾讯科技(北京)有限公司 | 信息匹配方法和装置 |
CN103116588A (zh) * | 2011-11-17 | 2013-05-22 | 腾讯科技(深圳)有限公司 | 一种个性化推荐方法及系统 |
CN103942317A (zh) * | 2014-04-25 | 2014-07-23 | 江西迈思科技有限公司 | 一种推荐方法及系统 |
CN104572852A (zh) * | 2014-12-16 | 2015-04-29 | 百度在线网络技术(北京)有限公司 | 资源的推荐方法及装置 |
CN105320738A (zh) * | 2015-09-15 | 2016-02-10 | 北京金山安全软件有限公司 | 信息推荐方法和装置 |
CN105488233A (zh) * | 2016-01-25 | 2016-04-13 | 广东顺德中山大学卡内基梅隆大学国际联合研究院 | 阅读信息推荐方法和系统 |
CN105630878A (zh) * | 2015-12-17 | 2016-06-01 | 小米科技有限责任公司 | 显示应用程序服务信息的方法和装置 |
CN105868259A (zh) * | 2015-12-29 | 2016-08-17 | 乐视致新电子科技(天津)有限公司 | 一种基于人脸识别的视频推荐方法和装置 |
-
2016
- 2016-08-29 CN CN201610751240.4A patent/CN106339469A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102130933A (zh) * | 2010-01-13 | 2011-07-20 | 中国移动通信集团公司 | 一种基于移动互联网的推荐方法、系统和设备 |
CN102999509A (zh) * | 2011-09-13 | 2013-03-27 | 腾讯科技(北京)有限公司 | 信息匹配方法和装置 |
CN103116588A (zh) * | 2011-11-17 | 2013-05-22 | 腾讯科技(深圳)有限公司 | 一种个性化推荐方法及系统 |
CN103942317A (zh) * | 2014-04-25 | 2014-07-23 | 江西迈思科技有限公司 | 一种推荐方法及系统 |
CN104572852A (zh) * | 2014-12-16 | 2015-04-29 | 百度在线网络技术(北京)有限公司 | 资源的推荐方法及装置 |
CN105320738A (zh) * | 2015-09-15 | 2016-02-10 | 北京金山安全软件有限公司 | 信息推荐方法和装置 |
CN105630878A (zh) * | 2015-12-17 | 2016-06-01 | 小米科技有限责任公司 | 显示应用程序服务信息的方法和装置 |
CN105868259A (zh) * | 2015-12-29 | 2016-08-17 | 乐视致新电子科技(天津)有限公司 | 一种基于人脸识别的视频推荐方法和装置 |
CN105488233A (zh) * | 2016-01-25 | 2016-04-13 | 广东顺德中山大学卡内基梅隆大学国际联合研究院 | 阅读信息推荐方法和系统 |
Cited By (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107222470A (zh) * | 2017-05-25 | 2017-09-29 | 深圳众厉电力科技有限公司 | 一种认证信息全面的互联网用户认证系统 |
CN107239694A (zh) * | 2017-05-27 | 2017-10-10 | 武汉大学 | 一种基于用户评论的Android应用权限推理方法及装置 |
CN107239694B (zh) * | 2017-05-27 | 2020-03-10 | 武汉大学 | 一种基于用户评论的Android应用权限推理方法及装置 |
CN107784071A (zh) * | 2017-09-18 | 2018-03-09 | 维沃移动通信有限公司 | 一种消息推送方法、装置和移动终端 |
CN109523288A (zh) * | 2017-09-19 | 2019-03-26 | 富士施乐株式会社 | 信息处理装置 |
CN108399565A (zh) * | 2017-10-09 | 2018-08-14 | 平安科技(深圳)有限公司 | 金融产品推荐装置、方法及计算机可读存储介质 |
CN109960442A (zh) * | 2017-12-14 | 2019-07-02 | 腾讯科技(深圳)有限公司 | 提示信息的传输方法、装置、存储介质及电子装置 |
WO2019127845A1 (zh) * | 2017-12-28 | 2019-07-04 | 平安科技(深圳)有限公司 | 一种录音推荐方法、装置、设备及计算机可读存储介质 |
CN108347626A (zh) * | 2018-03-06 | 2018-07-31 | 深圳春沐源控股有限公司 | 一种种植视频推送的方法及系统 |
CN109710751A (zh) * | 2018-12-13 | 2019-05-03 | 平安科技(深圳)有限公司 | 法律文件的智能推荐方法、装置、设备及存储介质 |
CN110489641A (zh) * | 2019-07-16 | 2019-11-22 | 阿里巴巴集团控股有限公司 | 一种信息推荐数据处理方法及装置 |
CN110728387A (zh) * | 2019-09-16 | 2020-01-24 | 武汉安诠加信息技术有限公司 | 预约体验美容院项目的方法、装置、设备及介质 |
CN111209513A (zh) * | 2020-01-08 | 2020-05-29 | 西安电子科技大学 | 基于图链接分析的网络用户分类方法 |
CN111209513B (zh) * | 2020-01-08 | 2022-04-19 | 西安电子科技大学 | 基于图链接分析的网络用户分类方法 |
CN111475721A (zh) * | 2020-03-31 | 2020-07-31 | 百度在线网络技术(北京)有限公司 | 信息推送方法、装置、设备及存储介质 |
US11669530B2 (en) | 2020-03-31 | 2023-06-06 | Baidu Online Network Technology (Beijing) Co., Ltd. | Information push method and apparatus, device, and storage medium |
CN111475721B (zh) * | 2020-03-31 | 2023-12-29 | 百度在线网络技术(北京)有限公司 | 信息推送方法、装置、设备及存储介质 |
CN111460308A (zh) * | 2020-04-07 | 2020-07-28 | 贵阳块数据城市建设有限公司 | 一种基于互联网的app推送系统 |
CN113365148A (zh) * | 2021-06-11 | 2021-09-07 | 北京百度网讯科技有限公司 | 分数调整方法、装置、电子设备、存储介质和程序产品 |
CN113365148B (zh) * | 2021-06-11 | 2022-11-11 | 北京百度网讯科技有限公司 | 分数调整方法、装置、电子设备、存储介质和程序产品 |
CN114173199A (zh) * | 2021-11-24 | 2022-03-11 | 深圳Tcl新技术有限公司 | 一种视频输出方法、装置、智能设备及存储介质 |
CN114173199B (zh) * | 2021-11-24 | 2024-02-06 | 深圳Tcl新技术有限公司 | 一种视频输出方法、装置、智能设备及存储介质 |
CN117539638A (zh) * | 2024-01-04 | 2024-02-09 | 江西拓荒者科技有限公司 | 一种用于工业大数据平台的数据处理方法及系统 |
CN117539638B (zh) * | 2024-01-04 | 2024-03-22 | 江西拓荒者科技有限公司 | 一种用于工业大数据平台的数据处理方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106339469A (zh) | 数据推荐方法及装置 | |
CN110958493B (zh) | 一种弹幕调整方法、装置、电子设备和存储介质 | |
CN102316130B (zh) | 一种基于用户的行为判断其与好友的亲疏度的方法与设备 | |
CN107292412A (zh) | 一种问题预测方法及预测系统 | |
CN104038788A (zh) | 一种小区社交网络系统及内容推荐方法 | |
CN104216965A (zh) | 信息推荐方法和装置 | |
CN108073659A (zh) | 一种婚恋对象推荐方法及装置 | |
CN103647800A (zh) | 推荐应用资源的方法及系统 | |
CN107256428A (zh) | 数据处理方法、数据处理装置、存储设备及网络设备 | |
CN101354721A (zh) | 服务器、数据处理装置及其中的数据处理方法 | |
DE202017104849U1 (de) | Systeme und Medien zum Darstellen einer Benutzerschnittstelle, die für eine vorhergesagte Benutzeraktivität kundenspezifisch ist | |
CN106372847A (zh) | 基于移动互联网的招聘或应聘系统 | |
CN103945430A (zh) | 一种移动终端类型推荐方法及装置 | |
CN107592296A (zh) | 垃圾账户的识别方法和装置 | |
CN107295377A (zh) | 影片制作方法、装置及系统 | |
CN107851244A (zh) | 信息处理装置、信息处理方法以及程序 | |
CN105376199A (zh) | 一种信息处理方法及系统、服务器、客户端 | |
CN110502702A (zh) | 用户行为预测方法以及装置 | |
CN106815284A (zh) | 新闻视频的推荐方法及推荐装置 | |
Cela et al. | Returning to the country of origin in later life: Longitudinal evidence from the German Socio‐Economic Panel | |
CN103220582B (zh) | 一种视频文件管理方法 | |
CN103327036A (zh) | 互联网浏览设备的标识方法以及Cookie服务器 | |
CN110297942A (zh) | 一种视频探索方法、装置、设备及存储介质 | |
CN105653674A (zh) | 智能终端的文件管理方法及系统 | |
CN110515940A (zh) | 基于数据共享的查询方法、设备、存储介质及装置 |
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: 20170118 |