CN107341245A - 数据处理方法、装置及服务器 - Google Patents

Abstract

本发明提供了一种数据处理方法、装置及服务器，属于计算机应用领域。该数据处理方法包括：获取用户对预设信息资源库中的信息的历史行为数据；根据所述用户的历史行为数据得到该用户对每个兴趣标签的兴趣度，其中，所述兴趣标签为预设信息资源库中的信息对应的标签；比较所述用户对各个所述兴趣标签的兴趣度，得到所述用户感兴趣的兴趣标签。本方案能够准确地获取用户感兴趣的兴趣标签，以便于向用户推荐该兴趣标签对应的信息，有利于提高向用户推荐信息的准确性。

Description

数据处理方法、装置及服务器

技术领域

本发明涉及计算机应用领域，具体而言，涉及一种数据处理方法、装置及服务器。

背景技术

在视频或新闻等信息的应用运营过程中，主动向用户推荐视频或新闻等信息是提升用户活跃度重要手段。现有的推荐方案推送的信息大多不是用户感兴趣的内容，推送准确性较低。如果推送的信息用户并不感兴趣，不仅不会起到积极的作用，反而会被视为干扰，降低用户的使用体验。因此，为了提高信息推荐的准确性，需要一种能够准确获知用户感兴趣的信息类别的方法。

发明内容

有鉴于此，本发明的目的在于提供一种数据处理方法、装置及服务器，能够较准确地得到用户感兴趣的兴趣标签。

为了实现上述目的，本发明采用的技术方案如下：

第一方面，本发明实施例提供了一种数据处理方法，所述方法包括：获取用户对预设信息资源库中的信息的历史行为数据；根据所述用户的历史行为数据得到该用户对每个兴趣标签的兴趣度，其中，所述兴趣标签为预设信息资源库中的信息对应的标签；比较所述用户对各个所述兴趣标签的兴趣度，得到所述用户感兴趣的兴趣标签。

第二方面，本发明实施例还提供了一种数据处理装置，所述装置包括：数据获取模块、兴趣度获取模块以及比较模块。数据获取模块，用于获取用户对预设信息资源库中的信息的历史行为数据。兴趣度获取模块，用于根据所述用户的历史行为数据得到该用户对每个兴趣标签的兴趣度，其中，所述兴趣标签为预设信息资源库中的信息对应的标签。比较模块，用于比较所述用户对各个所述兴趣标签的兴趣度，得到所述用户感兴趣的兴趣标签。

第三方面，本发明实施例还提供了一种服务器，所述服务器包括处理器以及存储器。所述存储器耦接到所述处理器，所述存储器存储指令。当所述指令由所述处理器执行时使所述服务器执行以下操作：获取用户对预设信息资源库中的信息的历史行为数据；根据所述用户的历史行为数据得到该用户对每个兴趣标签的兴趣度，其中，所述兴趣标签为预设信息资源库中的信息对应的标签；比较所述用户对各个所述兴趣标签的兴趣度，得到所述用户感兴趣的兴趣标签。

相比于现有技术，本发明实施例提供的数据处理方法、装置及服务器，基于用户对预设信息资源库中的信息的历史行为数据，得到用户对每个兴趣标签的兴趣度，然后再通过比较用户对各个兴趣标签的兴趣度，得到用户感兴趣的兴趣标签。本方案能够准确地获取用户感兴趣的兴趣标签，以便于向用户推荐该兴趣标签对应的信息，有利于提高向用户推荐信息的准确性。

为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，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相关的附图。

图1示出了本发明实施例提供的一种服务器与用户终端进行交互的示意图；

图2示出了本发明实施例提供的一种服务器的结构框图；

图3示出了本发明第一实施例提供的一种数据处理方法的方法流程图；

图4示出了本发明第一实施例提供的一种数据处理方法中步骤S120的流程图；

图5示出了本发明第一实施例提供的一种数据处理方法中步骤S121的一种方法流程图；

图6示出了本发明第一实施例提供的一种数据处理方法中播放完成率获取步骤的方法流程图；

图7示出了本发明第一实施例提供的一种数据处理方法中步骤S122的一种方法流程图；

图8示出了本发明第一实施例提供的一种数据处理方法中步骤S122的另一种方法流程图；

图9示出了本发明第二实施例提供的一种数据处理装置的模块框图。

具体实施方式

本发明实施例提供的数据处理方法及装置可应用于如图1所示的应用环境中。如图1所示，服务器200、用户终端100、位于无线网络或有线网络300中，通过该无线网络或有线网络300，用户终端100与服务器200进行数据交互。于本发明实施例中，服务器200可以是网络服务器、数据库服务器等。用户终端100可以是个人电脑(personal computer，PC)、平板电脑、智能手机、穿戴设备等。用户终端100中安装有客户端，该客户端可以是浏览器也可以是第三方应用软件，与服务器(Server)端相对应，为用户提供服务。

图2示出了一种可应用于本发明实施例中的服务器的结构框图。如图2所示，服务器200包括：存储器210、处理器220以及网络模块230。

存储器210可用于存储软件程序以及模块，如本发明实施例中的数据处理方法及装置对应的程序指令/模块，处理器220通过运行存储在存储器210内的软件程序以及模块，从而执行各种功能应用以及数据处理，即实现本发明实施例中的数据处理方法。存储器210可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。进一步地，上述存储器210内的软件程序以及模块还可包括：操作系统211以及服务模块212。其中操作系统211，例如可为LINUX、UNIX、WINDOWS，其可包括各种用于管理系统任务(例如内存管理、存储设备控制、电源管理等)的软件组件和/或驱动，并可与各种硬件或软件组件相互通讯，从而提供其他软件组件的运行环境。服务模块112运行在操作系统211的基础上，并通过操作系统211的网络服务监听来自网络的请求，根据请求完成相应的数据处理，并返回处理结果给客户端。也就是说，服务模块212用于向客户端提供网络服务。

网络模块230用于接收以及发送网络信号。上述网络信号可包括无线信号或者有线信号。

可以理解，图2所示的结构仅为示意，服务器200还可包括比图2中所示更多或者更少的组件，或者具有与图2所示不同的配置。图2中所示的各组件可以采用硬件、软件或其组合实现。

需要说明的是，本发明实施例提供的数据处理方法及装置除了应用于服务器200外，还可以应用于其它终端设备。下面将结合本发明实施例中附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。

图3示出了本发明第一实施例提供的一种数据处理方法的流程图。于本发明实施例中，该数据处理方法应用于服务器200。请参阅图3，所述方法包括：步骤S110、步骤S120和步骤S130。

步骤S110，获取用户对预设信息资源库中的信息的历史行为数据；

本实施例中，预设信息资源库中的信息可以是新闻信息，也可以为视频信息，如短视频信息。其中，短视频为播放时长小于预设时长的视频。预设时长可以根据需求进行设置，例如，10秒，30秒，一分钟等。当然，也可以是除新闻和视频以外的信息，例如，广告信息等。

服务器中记录有用户对预设信息资源库中的信息的行为数据。由于用户对不同种类的信息的行为不同，所记录的用户行为数据也就不同。例如，对于视频信息，服务器会记录每个用户观看每个视频的详细数据，如用户播放视频的时长等；对于新闻信息，服务器会记录每个用户浏览每个新闻的详细数据，如浏览时间、浏览时长、评论数据、分享数据等。本实施例中，可以根据实际的应用需求，获取所需要的用户行为数据。

本实施例中，可以将服务器所记录的每个用户对预设信息资源库中的信息的所有行为数据作为历史行为数据。或者，也可以选取预设时间段内的用户行为数据作为历史行为数据。预设时间段可以根据具体需要设置，例如，可以为以当前时间为截止日期的最近一个月、最近半年、最近一年等，以更准确地反映用户近期的兴趣。

步骤S120，根据所述用户的历史行为数据得到该用户对每个兴趣标签的兴趣度，其中，所述兴趣标签为预设信息资源库中的信息对应的标签；

预设信息资源库中的信息对应有兴趣标签。本实施例中，兴趣标签可以为表示信息所属的类别的标签。例如，可以将军事、篮球、足球等表示信息类别的描述作为兴趣标签。为预设信息资源库中的信息对应兴趣标签的方式可以有多种，例如，可以通过运营人员人工对信息打上标签等方式将信息与兴趣标签对应。又例如，可以预先设置多个标准标签，从信息的标题中提取关键字，获取所提取的关键词与各标准标签的相似度，根据相似度大小，将相似度最大的标准标签作为该信息对应的兴趣标签。

本实施例中，要获取用户对每个兴趣标签的兴趣度，需要先获取每个兴趣标签对应的信息。可以预先记录各信息与兴趣标签的对应关系，以查询每个兴趣标签对应的信息。具体的，可以将兴趣标签与信息资源库中的信息的对应关系以列表的形式存储于数据库中，通过查询该列表获得每个兴趣标签对应的信息。例如，当兴趣标签包括军事、篮球等时，具体存储方式可以参见下表1。

表1

兴趣标签	信息
		军事	军事类信息1、军事类信息2、军事类信息3、…
篮球	篮球类信息1、篮球类信息2、篮球类信息3、…
		…	…

请参阅图4，本实施例中，根据所述用户的历史行为数据得到该用户对每个兴趣标签的兴趣度包括以下步骤S121至步骤S123。

步骤S121，根据用户的历史行为数据得到该用户对每个兴趣标签对应的每个信息的停留时长或者播放完毕率；

步骤S122，根据所述停留时长或者播放完成率，得到所述用户对每个所述兴趣标签对应的所述信息的关注度；

步骤S123，根据所述用户对每个所述兴趣标签对应的所述信息的关注度以及与该关注度对应的参数，得到所述用户对每个所述兴趣标签的兴趣度。

本实施例中，根据用户的历史行为数据得到所述用户对每个所述兴趣标签对应的所述信息的关注度的实施方式有多种。请参阅图5，作为一种实施方式，根据用户的历史行为数据得到所述用户对每个所述兴趣标签对应的所述信息的关注度可以包括以下步骤S201至步骤S205。

步骤S201，根据所述用户的历史行为数据得到该用户对每个所述兴趣标签对应的每个所述信息的停留时长；

用户的历史行为数据包括用户对每个信息的停留时长。例如，对于新闻信息或网页链接信息如淘宝网页链接等，停留时长为用户浏览新闻信息或网页信息的停留时长；对于视频信息，停留时长为用户播放该视频的时长。可以理解，对于用户没有浏览或点击播放过的信息，停留时长为0。

步骤S202，根据所述用户对所有所述信息的所述停留时长，得到所述用户的平均停留时长；

于本步骤中，平均停留时长可以为用户对信息资源库中所有信息的停留时长的平均值，或者，也可以为上述信息资源库中，用户浏览过的信息的停留时长的平均值，具体可以根据需要设置。

步骤S203，根据所述用户对每个所述信息的停留时长以及所述用户的平均停留时长，得到第一关注指数；

本实施例中，根据所述用户对每个所述信息的停留时长以及所述用户的平均停留时长，得到第一关注指数的步骤包括：获取用户对每个信息的停留时长以及用户的平均停留时长的比值，根据该比值得到第一关注指数。根据具体需要，可以直接将用户对每个信息的停留时长以及用户的平均停留时长的比值作为第一关注指数。在本发明的其他实施例中，也可以对该比值进行修正处理如乘以预设的系数后作为第一关注指数。

步骤S204，根据所述用户的历史行为数据得到所述用户对每个所述信息的第二关注指数，所述第二关注指数包括评论指数或分享指数中的至少一个；

用户的历史行为数据除了包括用户对每个信息的停留时长外，还包括用户对该信息的评论指数或分享指数中的至少一个。评论指数用于表示用户是否对信息发表评论。分享指数用于表示用户是否有把信息分享到其他社交圈(如朋友圈、微信好友等)。本实施例中，评论指数和分享指数的具体取值可以根据需要设置。作为一种实施方式，评论指数可以取0或1，其中，评论指数为0时表示用户没有对信息发表评论，评论指数为1时表示用户有对信息发表评论；分享指数也可以取0或1，其中，分享指数为0时表示用户没有分享该信息，分享指数为1时表示用户有分享该信息。作为另一种实施方式，评论指数的取值也可以根据用户对一个信息的评论次数设置，例如，评论次数为0时，评论指数为0，评论次数为一次时，评论指数为1，评论次数为两次时，评论指数为2。同理，分享指数的取值也可以根据用户对一个信息的分享次数设置。

本实施例中，可以将评论指数或分享指数中的至少一个作为第二关注指数。当然，为了更准确地得到用户对信息的关注度，在本发明较佳实施例中，可以将评论指数和分享指数均作为第二关注指数。

步骤S205，根据所述第一关注指数以及所述第二关注指数，得到所述用户对该信息的关注度。

本实施例中，可以将第一关注指数和第二关注指数进行累加，得到用户对该信息的关注度。由于根据实际业务的需要，第一关注指数和第二关注指数对关注度的影响程度可以是相同的，也可以是不同的。因此，在本发明较佳实施例中，可以预先设置第一关注指数对应的影响参数和第二关注指数对应的影响参数，可以理解的是，第一关注指数对应的影响参数和第二关注指数对应的影响参数之和为1。此时，根据所述第一关注指数以及所述第二关注指数，得到所述用户对该信息的关注度，包括：根据所述第一关注指数、所述第二关注指数以及预设参数，得到所述用户对该信息的关注度。此时，可以分别获取第一关注指数与其对应的影响参数的乘积以及第二关注指数与其对应的影响参数的乘积，将第一关注指数与其对应的影响参数的乘积与第二关注指数与其对应的影响参数的乘积相加，得到用户对该信息的关注度。

具体的，当第一关注指数为用户对每个信息的停留时长以及用户的平均停留时长的比值，第二关注指数包括评论指数和分享指数。预设参数包括第一参数、第二参数和第三参数，第一参数、第二参数和第三参数均为大于0的常数，且第一参数、第二参数和第三参数之和等于或近似等于1。第一参数表示第一关注指数对关注度的影响程度，第二参数表示评论指数对关注度的影响程度，第三参数表示分享指数对关注度的影响程度。此时，可以将第一关注指数与第一参数相乘得到第一关注值，将评论指数与第二参数相乘得到第二关注值，将分享指数与第三参数相乘得到第三关注值，根据第一关注值、第二关注值以及第三关注值的累加值，得到用户对信息的关注度。具体的，可以根据以下公式：

计算得到用户对每个信息的关注度。其中，u表示用户唯一标识，用户唯一标识可以采用用户终端的唯一身份标识，或者，也可以采用注册用户的账号信息；i∈I，I表示预设信息资源库中所有信息的集合；focus_u,i表示用户u对信息i的关注度；avg(viewtime_u,i)表示用户u对信息资源库中所有信息的平均浏览时长；表示用户u对信息i的第一关注指数；iscomment_u,i表示用户u对信息i的评论指数；isshare_u,i表示用户u对信息i的分享指数；α表示第一参数，β表示第二参数，γ表示第三参数。例如，当实际业务中，第一关注指数对关注度的影响程度、评论指数对关注度的影响程度以及分享指数对关注度的影响程度相同时，α、β和γ可以均设置为0.333。

需要说明的是，根据上述步骤S201和步骤S202得到用户对每个兴趣标签对应的每个信息的停留时长和用户的平均停留时长后，在本实施例的其他实施方式中，也可以直接根据用户对每个兴趣标签对应的每个信息的停留时长和用户的平均停留时长，得到用户对每个信息的关注度。例如，可以获取用户对每个兴趣标签对应的每个信息的停留时长与用户的平均停留时长的比值，以该比值作为用户对该信息的关注度。

作为另一种实施方式，当预设信息资源库中的信息为需要播放的信息，例如视频信息时，上述的根据用户的历史行为数据得到所述用户对每个所述兴趣标签对应的所述信息的关注度，包括：根据所述用户的历史行为数据得到所述用户对每个所述兴趣标签对应的每个所述信息的播放完成率，将所述播放完成率作为所述用户对该信息的所述关注度。请参阅图6，根据所述用户的历史行为数据得到所述用户对每个所述兴趣标签对应的每个所述信息的播放完成率，包括以下步骤S301和步骤S302。

步骤S301，根据所述用户的历史行为数据得到所述用户播放每个所述兴趣标签对应的每个所述信息的时长以及该信息的总时长；

当预设信息资源库中的信息为需要播放的信息，例如视频信息时，用户对这些信息的行为数据包括：用户点击播放信息的时长以及该信息的总时长。因此，可以从用户对信息资源库中信息的历史行为数据中查找用户点击播放过的信息，并从中获取用户点击播放过的信息的时长以及该信息的总时长。

步骤S302，根据所述用户播放每个所述兴趣标签对应的每个所述信息的时长与该信息的总时长的比值，得到所述用户对每个所述兴趣标签对应的每个所述信息的播放完成率。

具体的，可以根据以下公式：

计算得到用户点击播放过的每个兴趣标签所关联的信息的播放完成率。其中，u表示用户唯一标识，例如，可以采用用户终端的唯一身份标识；i∈I，I表示信息资源库中所有信息的集合；precent_u,i表示用户u点击播放过的信息i的播放完成率；playtime_u,i表示用户u播放信息i的时长；videotime_i表示信息i的总时长。

本实施例中，根据所述用户对每个所述兴趣标签对应的所述信息的关注度，得到所述用户对每个所述兴趣标签的兴趣度的实施方式也有多种。考虑到用户浏览或点击播放信息的时间对用户的感兴趣程度具有一定的影响。请参阅图7，作为一种实施方式，根据所述用户对每个所述兴趣标签对应的所述信息的关注度，得到所述用户对每个所述兴趣标签的兴趣度，具体可以包括以下步骤S401和步骤S402。

步骤S401，根据所述用户的历史行为数据得到该用户对每个所述信息的关注时间指数作为关注度对应的参数；

本实施例中，用户对信息资源库中信息的历史行为数据还包括用户浏览或点击播放每个信息的时间。根据用户浏览或播放每个信息的时间距离当前时间的时长，得到用户对该信息的关注时间指数。例如，对于新闻信息或网页链接信息如淘宝网页链接等，根据用户的历史行为数据可以得到用户浏览新闻信息或网页信息的时间；对于视频信息，根据用户的历史行为数据可以得到用户播放视频的时间。

作为一种实施方式，可以将用户浏览或播放每个信息的时间距离当前时间的时长作为关注时间指数。例如，关注时间指数的单位可以为天，对于用户当天浏览或点击播放过的信息，关注时间指数则取1，对于用户前一天浏览或点击播放过的信息，关注时间指数则取2，以此类推。而对于用户没有浏览或点击播放过的信息，关注时间指数可以用0表示。

作为另一种实施方式，可以根据用户浏览或播放每个信息的时间距离当前时间的时长以及预设的衰减因子，得到用户对该信息的关注时间指数。其中，衰减因子的取值范围为[0，1]，衰减因子的具体值可以根据实际需要配置，例如，在实际业务中，衰减因子可以取1。衰减因子配置的越大表示越重视用户最近浏览或点击播放信息的行为，取0时表示对用户所有时间的浏览或点击播放行为都同等对待。

具体的，可以根据用户浏览或播放每个信息的时间距离当前时间的时长与预设的衰减因子的乘积，得到用户对该信息的关注时间指数。

步骤S402，根据所述用户对每个所述兴趣标签对应的每个所述信息的所述关注度以及所述关注时间指数，得到所述用户对每个所述兴趣标签的兴趣度。

本实施例中，根据所述用户对每个所述兴趣标签对应的每个所述信息的所述关注度以及所述关注时间指数，得到所述用户对每个所述兴趣标签的兴趣度，包括：获取所述用户对每个所述兴趣标签对应的每个所述信息的所述关注度与对该信息的所述关注时间指数的比值；根据所述用户对每个所述兴趣标签对应的所有信息的所述比值，得到所述用户对每个所述兴趣标签的兴趣度。

具体的，可以根据以下公式：

计算得到用户对每个兴趣标签的兴趣度。其中，interest_u,t表示用户u对兴趣标签t的兴趣度；tag_i,t用于表示信息i是否与兴趣标签t关联；tag_i,t＝0表示不关联，tag_i,t＝1表示关联；viewdays_u,i表示用户u浏览或播放信息i的时间距离当前时间的时长，例如，对于用户当天浏览或点击播放过的信息，viewdays_u,i可以取1，对于用户前一天浏览或点击播放过的信息，viewdays_u,i可以取2，以此类推。而对于用户没有浏览或点击播放过的信息，viewdays_u,i可以取0；lapse表示上述的衰减因子；lapse·viewdays_u,i+1表示上述的关注时间指数。

也就是说，关注时间指数决定了计算用户对每个兴趣标签的兴趣度时，该兴趣标签对应的信息中用户对每个浏览或点击播放过的信息的关注度的权重。用户对每个浏览或点击播放过的信息的关注度的权重为1/关注时间指数。例如，当lapse·viewdays_u,i+1表示上述的关注时间指数，且lapse＝1时，对于用户当天浏览或点击播放的信息，关注度的权重为对于用户一天前浏览的新闻，关注度的权重为对于用户两天前浏览的新闻，关注度的权重为对于用户三天前浏览的新闻，关注度的权重为

请参阅图8，作为另一种实施方式，根据所述用户对每个所述兴趣标签对应的所述信息的关注度，得到所述用户对每个所述兴趣标签的兴趣度，具体可以包括以下步骤S501和步骤S502。

步骤S501，获取所述信息资源库对应的各个所述兴趣标签的分辨率；

本实施例中，获取信息资源库对应的各个兴趣标签的分辨率，包括：根据信息资源库包括的信息数量以及与每个所述兴趣标签对应的信息数量，得到每个所述兴趣标签的分辨率。具体的，可以根据信息资源库包括的信息数量与每个所述兴趣标签对应的信息数量的比值，得到每个所述兴趣标签的分辨率。例如，可以根据以下公式：

计算得到每个兴趣标签的分辨率。其中，t表示兴趣标签的标识，rp_t表示兴趣标签t的分辨率，I表示所述预设信息资源库中所有信息的集合，i∈I，|I|表示信息资源库中包括的信息的数量；tag_i,t用于表示信息i是否与兴趣标签t关联，tag_i,t＝0表示不关联，tag_i,t＝1表示关联。

步骤S502，根据每个所述兴趣标签的分辨率以及所述用户对每个所述兴趣标签对应的所述信息的关注度，得到所述用户对该兴趣标签的兴趣度。

具体的，可以将所述用户对每个所述兴趣标签对应的每个所述信息的关注度与该兴趣标签的所述分辨率的乘积进行累加，得到所述用户对该兴趣标签的兴趣度。例如，可以根据以下公式：

得到用户对每个兴趣标签的兴趣度。其中，interest_u,t表示用户u对兴趣标签t的兴趣度。focus_u,i为用户u对信息i的关注度，可以通过上述步骤S121的任意一种实施方式得到，例如，当信息i为视频信息时，在本实施例的一种具体实施方式中，focus_u,i可以等于上述的播放完成率precent_u,i。

步骤S130，比较所述用户对各个所述兴趣标签的兴趣度，得到所述用户感兴趣的兴趣标签。

具体的，比较用户对各个所述兴趣标签的兴趣度，得到用户感兴趣的兴趣标签，包括：根据用户对各个兴趣标签的兴趣度大小，将兴趣度满足预设条件的兴趣标签作为用户感兴趣的兴趣标签。其中，预设条件可以根据具体业务需要设置。本实施例中，将兴趣度满足预设条件的兴趣标签作为用户感兴趣的兴趣标签具体包括：将兴趣度最大的兴趣标签作为用户感兴趣的兴趣标签，该兴趣标签为用户最感兴趣的兴趣标签。当然，在本发明的其他实施例中，也可以根据具体情况设置兴趣度阈值，将兴趣度超过该兴趣度阈值的兴趣标签作为用户感兴趣的兴趣标签。或者，也可以将用户对各兴趣标签的兴趣度大小由大到小进行排序，将兴趣度排在前预设位数的兴趣标签作为该用户感兴趣的兴趣标签。例如，前预设位数可以为前两位或前三位等。

本发明实施例提供的数据处理方法，基于用户对预设信息资源库中的信息的历史行为数据，得到用户对每个兴趣标签的兴趣度，然后再通过比较用户对各个兴趣标签的兴趣度，得到用户感兴趣的兴趣标签。能够准确地从信息资源库中各信息对应的兴趣标签中，获取用户感兴趣的兴趣标签，以便于向用户推荐该兴趣标签对应的信息，有利于提高向用户推荐信息的准确性。

另外，本发明第二实施例提供了一种数据处理装置。于本发明实施例中，该信息推送装置运行于服务器200，用于实现上述第一实施例提出的信数据处理方法。请参阅图9，所述数据处理装置10包括：数据获取模块11、兴趣度获取模块12以及比较模块13。

数据获取模块11，用于获取用户对预设信息资源库中的信息的历史行为数据。

兴趣度获取模块12，用于根据所述用户的历史行为数据得到该用户对每个兴趣标签的兴趣度，其中，所述兴趣标签为预设信息资源库中的信息对应的标签。

比较模块13，用于比较所述用户对各个所述兴趣标签的兴趣度，得到所述用户感兴趣的兴趣标签。

进一步地，如图9所示，兴趣度获取模块12包括：第一获取子模块121和第二获取子模块122。第一获取子模块121，用于根据用户的历史行为数据得到所述用户对每个所述兴趣标签对应的所述信息的关注度。第二获取子模块122，用于根据所述用户对每个所述兴趣标签对应的所述信息的关注度，得到所述用户对每个所述兴趣标签的兴趣度。

作为一种实施方式，第一获取子模块121，具体用于根据所述用户的历史行为数据得到该用户对每个所述兴趣标签对应的每个所述信息的停留时长；根据所述用户对所有所述信息的所述停留时长，得到所述用户的平均停留时长；根据所述用户对每个所述信息的停留时长以及所述用户的所述平均停留时长，得到所述用户对该信息的关注度。

进一步地，根据所述用户对每个所述信息的停留时长以及所述用户的所述平均停留时长，得到所述用户对该信息的关注度，包括：根据所述用户对每个所述信息的停留时长以及所述用户的平均停留时长，得到第一关注指数；根据所述用户的历史行为数据得到所述用户对每个所述信息的第二关注指数，所述第二关注指数包括评论指数或分享指数中的至少一个；根据所述第一关注指数以及所述第二关注指数，得到所述用户对该信息的关注度。

作为另一种实施方式，第一获取子模块121，具体用于根据所述用户的历史行为数据得到所述用户对每个所述兴趣标签对应的每个所述信息的播放完成率，将所述播放完成率作为所述用户对该信息的所述关注度。

进一步地，作为一种实施方式，第二获取子模块122，具体用于根据所述用户的历史行为数据得到该用户对每个所述信息的关注时间指数；根据所述用户对每个所述兴趣标签对应的每个所述信息的所述关注度以及所述关注时间指数，得到所述用户对每个所述兴趣标签的兴趣度。

作为另一种实施方式，第二获取子模块122，具体用于获取所述信息资源库对应的各个所述兴趣标签的分辨率；根据每个所述兴趣标签的分辨率以及所述用户对每个所述兴趣标签对应的所述信息的关注度，得到所述用户对该兴趣标签的兴趣度。

本实施例中，各模块可以是由软件代码实现，此时，上述的各模块可存储于服务器200的存储器210内。以上各模块同样可以由硬件例如集成电路芯片实现。

本实施例所提供的数据处理装置10，其实现原理及产生的技术效果和前述方法实施例相同，为简要描述，装置实施例部分未提及之处，可参考前述方法实施例中相应内容。

另外，本发明第三实施例提供了一种服务器，所述服务器包括存储器及处理器，所述存储器耦接到所述处理器，所述存储器存储指令。当所述指令由所述处理器执行时以使所述处理器执行以下操作：

获取用户对预设信息资源库中的信息的历史行为数据；

根据所述用户的历史行为数据得到该用户对每个兴趣标签的兴趣度，其中，所述兴趣标签为预设信息资源库中的信息对应的标签；

比较所述用户对各个所述兴趣标签的兴趣度，得到所述用户感兴趣的兴趣标签。

需要说明的是，本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。

在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本发明的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

另外，在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。

所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述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，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。

Claims (15)

1.一种数据处理方法，其特征在于，所述方法包括：

获取用户对预设信息资源库中的信息的历史行为数据；

根据所述用户的历史行为数据得到该用户对每个兴趣标签的兴趣度，其中，所述兴趣标签为预设信息资源库中的信息对应的标签；

比较所述用户对各个所述兴趣标签的兴趣度，得到所述用户感兴趣的兴趣标签。

2.根据权利要求1所述的方法，其特征在于，所述的根据所述用户的历史行为数据得到该用户对每个兴趣标签的兴趣度，包括：

根据用户的历史行为数据得到该用户对每个所述兴趣标签对应的每个所述信息的停留时长或者播放完成率；

根据所述停留时长或者播放完成率，得到所述用户对每个所述兴趣标签对应的所述信息的关注度；

根据所述用户对每个所述兴趣标签对应的所述信息的关注度以及与该关注度对应的参数，得到所述用户对每个所述兴趣标签的兴趣度。

3.根据权利要求2所述的方法，其特征在于，所述根据所述停留时长，得到所述用户对每个所述兴趣标签对应的所述信息的关注度，包括：

根据所述用户对所有所述信息的所述停留时长，得到所述用户的平均停留时长；

根据所述用户对每个所述信息的停留时长以及所述用户的所述平均停留时长，得到所述用户对该信息的关注度。

4.根据权利要求3所述的方法，其特征在于，所述的根据所述用户对每个所述信息的停留时长以及所述用户的所述平均停留时长，得到该用户对该信息的关注度，包括：

根据所述用户对每个所述信息的停留时长以及所述用户的平均停留时长，得到第一关注指数；

根据所述用户的历史行为数据得到所述用户对每个所述信息的第二关注指数，所述第二关注指数包括评论指数或分享指数中的至少一个；

根据所述第一关注指数以及所述第二关注指数，得到所述用户对该信息的关注度。

5.根据权利要求4所述的方法，其特征在于，所述的根据所述用户对每个所述信息的停留时长以及所述用户的平均停留时长，得到第一关注指数，包括：

获取所述用户对每个所述信息的停留时长以及所述用户的平均停留时长的比值，根据该比值得到所述第一关注指数。

6.根据权利要求2所述的方法，其特征在于，所述的根据所述用户对每个所述兴趣标签对应的所述信息的关注度以及与该关注度对应的参数，得到所述用户对每个所述兴趣标签的兴趣度，包括：

根据所述用户的历史行为数据得到该用户对每个所述信息的关注时间指数作为与该关注度对应的参数；

根据所述用户对每个所述兴趣标签对应的每个所述信息的所述关注度以及所述关注时间指数，得到所述用户对每个所述兴趣标签的兴趣度。

7.根据权利要求6所述的方法，其特征在于，所述的根据所述用户对每个所述兴趣标签对应的每个所述信息的所述关注度以及所述关注时间指数，得到所述用户对每个所述兴趣标签的兴趣度，包括：

获取所述用户对每个所述兴趣标签对应的每个所述信息的所述关注度与对该信息的所述关注时间指数的比值；

根据所述用户对每个所述兴趣标签对应的所有信息的所述比值，得到所述用户对每个所述兴趣标签的兴趣度。

8.根据权利要求2所述的方法，其特征在于，将所述播放完成率作为所述用户对该信息的所述关注度。

9.根据权利要求8所述的方法，其特征在于，所述根据用户的历史行为数据得到该用户对每个所述兴趣标签对应的播放完成率，包括：

根据所述用户的历史行为数据得到所述用户播放每个所述兴趣标签对应的每个所述信息的时长以及该信息的总时长；

根据所述用户播放每个所述兴趣标签对应的每个所述信息的时长与该信息的总时长的比值，得到所述用户对每个所述兴趣标签对应的每个所述信息的播放完成率。

10.根据权利要求2所述的方法，其特征在于，所述的根据所述用户对每个所述兴趣标签对应的所述信息的关注度以及与该关注度对应的参数，得到所述用户对每个所述兴趣标签的兴趣度，包括：

获取所述信息资源库对应的各个所述兴趣标签的分辨率；

根据每个所述兴趣标签的分辨率以及所述用户对每个所述兴趣标签对应的所述信息的关注度，得到所述用户对该兴趣标签的兴趣度。

11.根据权利要求10所述的方法，其特征在于，所述的获取所述信息资源库对应的各个所述兴趣标签的分辨率，包括：

根据所述信息资源库包括的信息数量以及与每个所述兴趣标签对应的信息数量，得到每个所述兴趣标签的分辨率。

12.根据权利要求10所述的方法，其特征在于，所述的根据每个所述兴趣标签的分辨率以及所述用户对每个所述兴趣标签对应的所述信息的关注度，得到所述用户对该兴趣标签的兴趣度，包括：

将所述用户对每个所述兴趣标签对应的每个所述信息的关注度与该兴趣标签的所述分辨率的乘积进行累加，得到所述用户对该兴趣标签的兴趣度。

13.根据权利要求1所述的方法，其特征在于，所述的比较所述用户对各个所述兴趣标签的兴趣度，得到所述用户感兴趣的兴趣标签，包括：

根据所述用户对各个所述兴趣标签的兴趣度大小，将兴趣度满足预设条件的兴趣标签作为所述用户感兴趣的兴趣标签。

14.一种数据处理装置，其特征在于，所述装置包括：

数据获取模块，用于获取用户对预设信息资源库中的信息的历史行为数据；

兴趣度获取模块，用于根据所述用户的历史行为数据得到该用户对每个兴趣标签的兴趣度，其中，所述兴趣标签为预设信息资源库中的信息对应的标签；

比较模块，用于比较所述用户对各个所述兴趣标签的兴趣度，得到所述用户感兴趣的兴趣标签。

15.一种服务器，其特征在于，所述服务器包括处理器以及存储器，所述存储器耦接到所述处理器，所述存储器存储指令，当所述指令由所述处理器执行时使所述服务器执行以下操作：

获取用户对预设信息资源库中的信息的历史行为数据；

根据所述用户的历史行为数据得到该用户对每个兴趣标签的兴趣度，其中，所述兴趣标签为预设信息资源库中的信息对应的标签；

比较所述用户对各个所述兴趣标签的兴趣度，得到所述用户感兴趣的兴趣标签。