CN108038001A - 垃圾文件清理策略生成方法、装置及服务器 - Google Patents

垃圾文件清理策略生成方法、装置及服务器 Download PDF

Info

Publication number
CN108038001A
CN108038001A CN201711326016.1A CN201711326016A CN108038001A CN 108038001 A CN108038001 A CN 108038001A CN 201711326016 A CN201711326016 A CN 201711326016A CN 108038001 A CN108038001 A CN 108038001A
Authority
CN
China
Prior art keywords
recommendation
target
items
cleaning
rubbish
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
CN201711326016.1A
Other languages
English (en)
Other versions
CN108038001B (zh
Inventor
周远远
吴春成
邱泰生
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.)
Tencent Technology Shenzhen Co Ltd
Original Assignee
Tencent Technology Shenzhen 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 Tencent Technology Shenzhen Co Ltd filed Critical Tencent Technology Shenzhen Co Ltd
Priority to CN201711326016.1A priority Critical patent/CN108038001B/zh
Publication of CN108038001A publication Critical patent/CN108038001A/zh
Application granted granted Critical
Publication of CN108038001B publication Critical patent/CN108038001B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/46—Multiprogramming arrangements
    • G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
    • G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
    • G06F9/5011—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resources being hardware resources other than CPUs, Servers and Terminals
    • G06F9/5022—Mechanisms to release resources
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/10—File systems; File servers
    • G06F16/16—File or folder operations, e.g. details of user interfaces specifically adapted to file systems
    • G06F16/162—Delete operations

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Software Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Human Computer Interaction (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请公开了一种垃圾文件清理策略生成方法、装置及服务器，属于垃圾数据清理技术领域。该方法包括：根据各个终端上报的垃圾文件生成推荐池，推荐池中包含多个候选推荐项；根据目标终端上报的操作信息，确定操作信息对应的目标推荐项，操作信息指对已曝光推荐项执行的操作，目标推荐项位于推荐池；根据操作信息更新目标推荐项的推荐评分；根据各个目标推荐项的推荐评分，生成垃圾清理策略；向目标终端发送垃圾清理策略。本申请中，由于操作信息是目标终端对已曝光推荐项执行操作时生成，因此垃圾清理策略中的推荐项符合目标终端的实际垃圾清理习惯，用户根据目标终端的垃圾文件清理推荐结果进行垃圾清理的概率更高，进而提高了垃圾清理策略的清理转化率。

Description

垃圾文件清理策略生成方法、装置及服务器
技术领域
本申请实施例涉及垃圾数据清理技术领域，特别涉及一种垃圾文件清理策略生成方法、装置及服务器。
背景技术
应用程序在使用过程中会产生大量无用或无效的垃圾文件，导致终端存储空间不足。为了避免这一问题，越来越多的管家类应用程序提供垃圾清理功能，提醒用户清除终端中的垃圾文件。
相关技术中，管家类应用程序将不同用户的垃圾清理记录上报给服务器，由服务器统计不同类型垃圾文件的清理率，并按照清理率从高到低的顺序生成清理推荐列表，从而在用户使用管家类应用程序时，将清理推荐列表推送给用户，以便根据用户选择对指定的垃圾文件进行清理。
然而，不同用户定义垃圾文件的标准不同，因此服务器统一推送的清理推荐列表无法满足不同用户的垃圾文件清理需求，导致清理推荐列表的清理转化率较低。
发明内容
本申请实施例提供了一种垃圾文件清理策略生成方法、装置及服务器，可以解决相关技术中服务器统一推送的清理推荐列表无法满足不同用户的垃圾文件清理需求，导致清理推荐列表的清理转化率较低的问题。所述技术方案如下：
第一方面，提供了一种垃圾文件清理策略生成方法，所述方法包括：
根据各个终端上报的垃圾文件生成推荐池，所述推荐池中包含多个候选推荐项；
根据目标终端上报的操作信息，确定所述操作信息对应的目标推荐项，所述操作信息指对已曝光推荐项执行的操作，所述目标推荐项位于所述推荐池；
根据所述操作信息更新所述目标推荐项的推荐评分；
根据各个目标推荐项的所述推荐评分，生成垃圾清理策略；
向所述目标终端发送所述垃圾清理策略，所述目标终端用于基于所述垃圾清理策略进行垃圾文件清理推荐。
第二方面，提供了一种垃圾文件清理策略生成装置，所述装置包括：
推荐池生成模块，用于根据各个终端上报的垃圾文件生成推荐池，所述推荐池中包括多个候选推荐项；
确定模块，用于根据目标终端上报的操作信息，确定所述操作信息对应的目标推荐项，所述操作信息指对已曝光推荐项执行的操作，所述目标推荐项位于所述推荐池；
更新模块，用于根据所述操作信息更新所述目标推荐项的推荐评分；
策略生成模块，用于根据各个目标推荐项的所述推荐评分，生成垃圾清理策略；
发送模块，用于向所述目标终端发送所述垃圾清理策略，所述目标终端用于基于所述垃圾清理策略进行垃圾文件清理推荐。
第三方面，提供了一种服务器，所述终端包括处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器执行以实现如第一方面所述的垃圾文件清理策略生成方法。
第四方面，提供了一种计算机可读存储介质，所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器执行以实现如第一方面所述的垃圾文件清理策略生成方法。
本申请实施例提供的技术方案带来的有益效果包括：
根据目标终端上报的操作信息，确定推荐池中该操作信息对应的目标推荐项，从而基于操作信息对该目标推荐项的推荐评分进行更新，后续进行清理推荐时，即根据各个目标推荐项对应的推荐评分，生成垃圾清理策略，并提供给目标终端，以便目标终端基于该垃圾清理策略进行垃圾文件清理推荐。由于操作信息是目标终端对已曝光推荐项执行操作时生成，因此垃圾清理策略中的推荐项符合目标终端的实际垃圾清理习惯，相应的，用户根据目标终端的垃圾文件清理推荐结果进行垃圾清理的概率更高，进而提高了垃圾清理策略的清理转化率。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例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申请的一些实施例，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示出了本申请一个实施例提供的垃圾文件清理策略生成方法所涉及实施环境的示意图；
图2示出了本申请一个实施例提供的垃圾文件清理策略生成方法的流程图；
图3示出了本申请另一个实施例提供的垃圾文件清理策略生成方法的流程图；
图4是垃圾文件清理界面的界面示意图；
图5示出了本申请另一个实施例提供的垃圾文件清理策略生成方法的流程图；
图6示出了本申请另一个实施例提供的垃圾文件清理策略生成方法的流程图；
图7是本申请实施例提供的方案与热门推荐方案的清理转化率对比图；
图8示出了本申请一个实施例提供的垃圾文件清理策略生成装置的框图；
图9示出了本申请一个示例性实施例所涉及的服务器的结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请实施方式作进一步地详细描述。
相关技术中，服务器采用热门推荐方法向不同终端统一推送清理推荐策略。采用此方法进行清理推荐时，由于不同用户对垃圾文件的定义标准不同，导致垃圾清理策略并非适用于所有用户。比如，用户A认为即时通信应用中存储的聊天记录为垃圾文件，可以删除，而用户B人为聊天记录是重要文件，不可删除，服务器同时向用户A和用户B推荐清理聊天记录时，用户A会根据服务器推荐清理聊天记录，而用户B则不会清理聊天记录。
显然，采用热门推荐方法进行推荐，推荐结果无法满足不同用户的垃圾文件清理需求，垃圾清理策略的清理转化率(推荐项清理次数/推荐项曝光次数)较低；并且，多次推送的垃圾清理策略不符合用户需求时，将对用户造成骚扰，不利于增加用户粘性。
在其他推荐方式中，终端按照文件大小对垃圾文件进行降序排序，并将排名前列的垃圾文件作为推荐项进行推送。然而，用户实际想要清理的垃圾文件可能并排名靠前的垃圾文件，当推送的推荐项数量较多时，用户需要花费大量时间定位想要清理的垃圾文件，影响垃圾文件清理效率；当推送的推荐项数量较少时，用户无法从推荐结果中定位想要清理的垃圾文件，导致清理无法完成。
为了实现个性化垃圾清理推荐，本申请实施例中，目标终端向服务器上报对已曝光推荐项进行操作时产生的操作信息，以便服务器基于该操作信息，对推荐池中相应目标推荐项的推荐评分进行更新。后续进行垃圾清理推荐时，服务器基于各个目标推荐项各自对应的推荐评分生成垃圾清理策略，由于该垃圾清理策略是基于用户的历史垃圾清理行为生成，因此，目标终端根据该垃圾清理策略进行推荐后，用户对推荐项对应垃圾文件进行清理的概率较高，从而提高了垃圾清理策略的清理转化率，并提高了垃圾文件清理的效率。
请参考图1，其示出了本申请一个实施例提供的垃圾文件清理策略生成方法所涉及实施环境的示意图。该实施环境中包括终端110和服务器120。
终端110是具有垃圾清理推荐功能的电子设备，该电子设备为智能手机、平板电脑、台式计算机或个人便携式计算机等等。在一种可能的实施方式中，终端的垃圾清理推荐功能通过安装的应用程序实现，该应用程序为垃圾清理类应用程序、存储空间管理类应用程序或管家类应用程序。
在实现垃圾清理推荐功能时，终端110显示若干推荐清理的垃圾文件，并根据用户选择对指定垃圾文件进行清理。本申请实施例中，对于已曝光推荐项(即已显示的推荐清理的垃圾文件)，终端110根据已曝光推荐项接收到的操作，向服务器120上报相应的操作信息，以便服务器120基于操作信息进行个性化的垃圾清理推荐。
终端110与服务器120之间通过有线或无线网络相连。
服务器120是一台服务器、若干台服务器构成的服务器集群或云计算中心。在一种可能的实施方式中，服务器120是终端110中应用程序(实现垃圾清理推荐功能)的后台服务器。
本申请实施例中，服务器120接收终端110上报的操作信息，并基于该操作信息更新推荐池中目标推荐项的推荐评分，进而基于推荐评分生成针对终端110的垃圾清理策略，并将其发送给终端110。
需要说明的是，当服务器120接收到不同终端110上报的操作信息时，服务器120将操作信息存储在不同存储区域，并根据操作信息生成个性化的垃圾清理策略，最终下发给相应的终端。
可选地，上述的无线网络或有线网络使用标准通信技术和/或协议。网络通常为因特网、但也可以是任何网络，包括但不限于局域网(Local Area Network，LAN)、城域网(Metropolitan Area Network，MAN)、广域网(Wide Area Network，WAN)、移动、有线或者无线网络、专用网络或者虚拟专用网络的任何组合)。在一些实施例中，使用包括超文本标记语言(Hyper Text Mark-up Language，HTML)、可扩展标记语言(Extensible MarkupLanguage，XML)等的技术和/或格式来代表通过网络交换的数据。此外还可以使用诸如安全套接字层(Secure Socket Layer，SSL)、传输层安全(Transport Layer Security，TLS)、虚拟专用网络(Virtual Private Network，VPN)、网际协议安全(Internet ProtocolSecurity，IPsec)等常规加密技术来加密所有或者一些链路。在另一些实施例中，还可以使用定制和/或专用数据通信技术取代或者补充上述数据通信技术。
本申请各个实施例提供的垃圾文件清理策略生成方法用于图1所示的服务器120，下面采用示意性的实施例进行说明。
请参考图2，其示出了本申请一个实施例提供的垃圾文件清理策略生成方法的流程图。本实施例以该垃圾文件清理策略生成方法应用于服务器来举例说明，该方法可以包括以下几个步骤：
步骤201，根据各个终端上报的垃圾文件生成推荐池，推荐池中包含多个候选推荐项。
为了达到较好的推荐效果，避免终端根据服务器下发的垃圾清理策略推荐体积过小或过分小众的垃圾文件(推荐清理此类垃圾文件的清理效果不佳)，服务器预先根据各个终端上报的垃圾文件生成包含若干候选推荐项的推荐池。
在一种可能的实施方式中，终端每隔预定时间间隔向服务器上报垃圾文件，其中，终端上报的内容包括垃圾文件的文件路径和文件大小等信息。服务器将每个终端上报的信息作为一条样本，并过滤文件大小小于阈值的样本(即过滤体积过小的垃圾文件)；通过统计相同文件路径下样本的样本数量，服务器过滤包含样本数量较少的文件路径(即过滤过分小众的垃圾文件)。进一步的，服务器根据文件路径(因为相同文件路径下的垃圾文件属于同类)，生成不同的候选推荐项。
可选的，根据文件路径划分出候选推荐项后，服务器根据同一文件路径下垃圾文件的大小分布情况，进一步将该候选推荐项划分粒度更小的多个候选推荐项。
步骤202，根据目标终端上报的操作信息，确定操作信息对应的目标推荐项，操作信息指对已曝光推荐项执行的操作，目标推荐项位于推荐池。
其中，已曝光推荐项指已在垃圾清理页面显示过的推荐项。
可选的，该操作信息中包含已曝光推荐项所指示垃圾文件的文件路径。相应的，当推荐池中候选推荐项包含文件路径时，服务器即根据操作信息中包含的文件路径确定出对应的候选推荐项，并将该候选推荐项确定为目标推荐项。
可选的，该操作信息中包含已曝光推荐项所指示垃圾文件的文件路径和文件大小。相应的，当推荐池中候选推荐项包含文件路径和文件大小范围时，服务器即根据操作信息中包含的文件路径和文件大小确定出对应的候选推荐项，并将该候选推荐项确定为目标推荐项。
进一步的，该操作信息还可以包括已曝光推荐项的垃圾清理场景、对已曝光推荐项进行操作的操作时间以及操作类型中的至少一种。
步骤203，根据操作信息更新目标推荐项的推荐评分。
对于确定出的目标推荐项，服务器进一步根据该操作信息对目标推荐项的推荐评分进行更新，其中，推荐评分与被推荐概率呈正相关关系。
可选的，当操作信息中包含垃圾清理场景、操作时间和操作类型时，服务器即根据垃圾清理场景、操作时间和操作类型中的至少一项更新推荐评分。
步骤204，根据各个目标推荐项的推荐评分，生成垃圾清理策略。
可选的，该垃圾清理策略可以采用清理推荐列表的形式，清理推荐列表中即包含多个推荐项。
目标终端用户不断进行垃圾文件清理的过程中，服务器接收到的操作信息越来越多，相应的，确定出的目标推荐项也越多，对于目标终端用户经常清理的垃圾文件，其对应推荐项的推荐评分较高；而对于目标终端用户不清理的垃圾文件，其对应推荐项的推荐评分较低。
在一种可能的实施方式中，服务器每隔预定时间间隔根据推荐评分的降序对各个目标推荐项进行排序，并根据前k个目标推荐项生成垃圾清理策略。
步骤205，向目标终端发送垃圾清理策略，目标终端用于基于垃圾清理策略进行垃圾文件清理推荐。
可选的，目标终端使用垃圾文件清理功能时，即向服务器发送包含终端标识的清理策略获取请求，服务器接收到请求后，即根据终端标识查找对应的垃圾清理策略，并将该垃圾清理策略发送至目标终端。
目标终端接收到垃圾清理策略后，即根据垃圾清理策略中的推荐项进行垃圾文件清理推荐，进而根据用户选择对指定垃圾文件进行清理。每次完成清理后，目标终端向服务器上报相应的操作信息，以便服务器时刻更新相应目标推荐项的推荐评分。
目标终端不断进行垃圾文件清理的过程中，服务器生成的垃圾清理策略与用户的实际垃圾清理习惯的契合度不断提高，垃圾清理策略的清理转化率也不断提高。
综上所述，本实施例中，服务器根据目标终端上报的操作信息，确定推荐池中该操作信息对应的目标推荐项，从而基于操作信息对该目标推荐项的推荐评分进行更新，后续进行清理推荐时，即根据各个目标推荐项对应的推荐评分，生成垃圾清理策略，并提供给目标终端，以便目标终端基于该垃圾清理策略进行垃圾文件清理推荐。由于操作信息是目标终端对已曝光推荐项执行操作时生成，因此垃圾清理策略中的推荐项符合目标终端的实际垃圾清理习惯，相应的，用户根据目标终端的垃圾文件清理推荐结果进行垃圾清理的概率更高，进而提高了垃圾清理策略的清理转化率。。
通过数据分析发现，不同用户清理同类垃圾文件的习惯不同。比如，有些用户在垃圾文件的体积较大时才会进行清理，而有些用户在垃圾文件的体积较小时就会进行清理。
在构建推荐池阶段，若仅根据垃圾文件的文件路径生成候选推荐项，即将相同文件路径下的垃圾文件作为一个候选推荐项，根据终端上报的操作信息确定目标推荐项时，确定出的目标推荐项将无法从文件大小这一维度体现用户的垃圾文件清理习惯，导致后续生成的垃圾清理策略的准确性降低。
在一种可能的实施方式中，在构建推荐池阶段，服务器根据各个终端上报的垃圾文件，从文件路径和文件大小这两个维度生成候选推荐项，相应的，后续即从这两个维度确定目标推荐项，使得确定出的目标推荐项能够从垃圾文件类型和垃圾文件体积这两方面体现用户的垃圾文件清理习惯，从而进一步提高生成的垃圾清理策略的准确性。下面采用示意性的实施例进行说明。
请参考图3，其示出了本申请另一个实施例提供的垃圾文件清理策略生成方法的流程图。本实施例以该垃圾文件清理策略生成方法应用于服务器来举例说明，该方法可以包括以下几个步骤：
步骤301，获取各个终端上报的垃圾文件的文件路径和文件大小。
终端在上报垃圾文件时，上报的内容包括垃圾文件的文件路径和文件大小，相应的，服务器将获取到的文件路径和文件大小作为一条样本进行存储。在一种可能的实施方式中，终端进行垃圾文件扫描后，即向服务器上报扫描得到的文件路径和文件大小。
可选的，该文件路径为垃圾文件的根目录，文件大小为该文件路径下垃圾文件的总大小。
示意性，服务器获取到终端A上报的垃圾文件的文件路径为“/android/data/com.xxx.live”，文件大小为15.2MB。
在一种可能的实施方式中，服务器根据文件大小进行样本过滤，过滤掉文件大小过小的样本(即便清理此类垃圾文件，由于体积过小，清理效果不佳)确保最终构建的推荐池中，各个候选推荐项所指示垃圾文件的文件大小均大于阈值，比如，该阈值为1MB。
步骤302，根据各个文件路径下垃圾文件的数量，筛选出m个文件路径。
获取到终端上报的文件路径和文件大小后，服务器对相同文件路径下的垃圾文件进行聚合，统计各个文件路径下垃圾文件下的数量，并根据数量从中筛选出m个文件路径。
在一种可能的实施方式中，服务器根据文件路径下垃圾文件的数量(即样本数量)对文件路径进行降序排序，并筛选前m个文件路径。比如，服务器筛选出排序后前400个文件路径。
通过本步骤，服务器对样本数量较少的文件路径进行过滤，确保最终构建的推荐池符合大盘用户。
步骤303，根据文件大小，将同一文件路径下的垃圾文件划分到n个垃圾文件组，n≥2，n为整数。
进一步的，对于同一文件路径下的垃圾文件，服务器根据垃圾文件的文件大小，将垃圾文件划分到相应的垃圾文件组，经过划分后，每个垃圾文件组中垃圾文件的文件大小在预定文件大小范围内，且同一文件路径下，不同垃圾文件组对应的文件大小范围不同。
在一种可能的实施方式中，为了确保同一文件路径下，各个垃圾文件组中垃圾文件数量的一致性，服务器按照文件大小，对同一文件路径下的垃圾文件进行升序(或降序)排序，并按照垃圾路径下总垃圾文件数量的1/n进行划分，从而划分得到n个垃圾文件组，且各个垃圾文件组对应各自的文件大小范围，其中，该文件大小范围由垃圾文件组中第一以及最后一个垃圾文件的文件大小确定。
在一个示意性的例子中，“/android/data/com.xxx.live”这一文件路径下包含3000个样本(对应垃圾文件)，3000个样本按照文件大小升序排序后，服务器即将前1000个样本划分至第一垃圾文件组，将第1001至2000个样本划分至第二垃圾文件组，将第2001至3000个样本划分至第三垃圾文件组。其中，第一垃圾文件组中第1个样本对应的文件大小为1.1MB，第1000个样本对应的文件大小为15MB，服务器即确定第一垃圾文件组对应的文件大小范围为1.1-15MB。
步骤304，将划分出的各个垃圾文件组确定为候选推荐项，得到推荐池，推荐池中包含m×n个候选推荐项。
在各个文件路径下划分出若干垃圾文件组后，服务器进一步将划分出的各个垃圾文件组确定为候选推荐项，从而构建得到包含m×n个候选推荐项的推荐池。
示意性的，服务器构建推荐池的部分候选推荐项如表一所示。
表一
经过上述步骤301至304构建得到的推荐池中，各个候选推荐项均能够从文件路径和文件大小两个维度反映出不同终端中垃圾文件的存储情况。
步骤305，接收目标终端上报的操作信息。
在一种可能的实施方式中，目标终端运行管家类应用程序，并对已曝光推荐项进行垃圾文件清理后，即向服务器上报操作信息。相应的，服务器接收目标终端上报的操作信息。
步骤306，根据操作信息确定已曝光推荐项的目标文件路径以及目标文件大小。
本实施例中，服务器获取的操作信息中至少包含已曝光推荐项的目标文件路径和目标文件大小。
比如，服务器获取到的操作信息中包含目标文件路径“/android/data/com.xxx.live”以及目标文件大小50MB。
步骤307，将与目标文件路径以及目标文件大小匹配的候选推荐项确定为目标推荐项。
上述步骤301至304中，服务器构建的推荐池中，各个候选推荐项对应各自的文件路径和文件大小范围，当获取到目标终端上报的操作信息时，服务器即将目标文件路径与各个候选推荐项对应的文件路径进行匹配，筛选出部分候选推荐项，并进一步将目标文件大小与筛选出的候选推荐项对应的文件大小范围进行匹配，最终确定出目标推荐项。
结合表一的示例，服务器首先根据目标文件路径“/android/data/com.xxx.live”筛选出候选推荐项101、102以及103，然后确定目标文件大小50MB属于候选推荐项102对应的文件大小范围，从而将候选推荐项102确定为目标推荐项。
确定出操作信息对应的目标推荐项后，服务器进一步更新目标推荐项的推荐评分。本实施例中，目标终端上报的操作信息中不仅包括目标文件路径和文件大小，还包括垃圾清理场景、操作时间和操作类型等信息，相应的，服务器即根据上述信息中至少一种更新推荐评分。
步骤308，根据操作信息中包含的垃圾清理场景更新目标推荐项的推荐评分，垃圾清理场景指显示已曝光推荐项的场景。
通常情况下，用户可以通过不同的场景入口使用管家类应用程序的垃圾文件清理功能。比如，管家类应用程序中设置有一键清理页面、智能清理页面和手动清理页面，垃圾清理策略中的推荐项即显示(曝光)在各个页面中。
然而，用户在不同场景下的垃圾清理行为所能表达的垃圾清理意愿的强度不同。比如，在一键清理页面进行垃圾文件清理时，用户只需要点击一键清理按钮即可完成清理，用户可能未感知清理的具体垃圾文件，因此，该清理操作所能反映的清理意愿较弱；而在手动清理页面进行垃圾文件清理时，用户需要手动选择需要清理的垃圾文件，用户知悉清理的具体垃圾文件，因此，该清理操作所能反映的清理意愿较强。
为了提高推荐评分的准确性，在一种可能的实施方式中，目标终端上报的操作信息中包含垃圾清理场景，相应的，服务器即根据垃圾清理场景更新目标推荐项的推荐评分。本步骤包括如下步骤。
一、确定垃圾清理场景对应的场景权重。
可选的，服务器预先为不同的垃圾清理场景配置相应的场景权重，该场景权重与垃圾清理场景下清理垃圾文件的意愿强度呈正比。在一种可能的实施方式中，手动垃圾清理场景的场景权重大于自动垃圾清理场景的场景权重。比如，服务器为“一键清理页面”设置的权重为0.01，为“手动清理页面”设置的权重为0.2。
可选的，目标终端在垃圾清理场景下接收到对已曝光推荐项的操作后，上报包含场景标识的操作信息，服务器即根据该场景标识确定对应垃圾清理场景的场景权重。
二、根据场景权重更新推荐评分，场景权重与推荐评分呈正相关关系。
进一步的，服务器根据确定出的场景权重，对目标推荐项的推荐评分进行更新。其中，场景权重越大，推荐评分的更新幅度越大。
在一种可能的实施方式中，服务器根据场景权重，对目标推荐项对应的推荐评分进行加操作，其中，加操作的幅度与场景权重呈正比。
比如，当用户在“一键清理页面”对目标推荐项进行了清理时，推荐评分的增加幅度为0.01，当用户在“手动清理页面”对目标推荐项进行了清理时，推荐评分的增加幅度为0.2。
步骤309，根据操作信息中包含的操作时间更新目标推荐项的推荐评分。
相较于早期的垃圾清理行为，用户近期的垃圾清理行为更能反应其垃圾清理的意愿，因此，为了提高推荐评分的准确性，目标终端上报的操作信息中还包括操作时间，相应的，服务器根据操作时间，为不同时期的操作行为设置不同的时间衰减权重，从而根据该时间衰减权重更新推荐评分(即利用时间权重对历史垃圾清理行为进行时间衰减修正)。本步骤包括如下步骤。
一、计算操作时间与当前时间的时间差值。
在一种可能的实施方式中，服务器每隔预定时间间隔(比如每天)对推荐评分进行更新，在更新推荐评分时，服务器计算当前时间与操作信息中操作时间的时间差值，进而根据该时间差值对历史清理行为进行时间衰减修正。可选的，该时间差值以小时或天为单位。
比如，服务器在2017.12.1更新推荐评分时，根据历史操作信息中包含的操作时间2017.11.29，计算得到与当前时间的时间差值为2天。
二、根据时间差值和预设时间衰减系数更新推荐评分，时间差值与推荐评分呈负相关关系。
进一步的，服务器根据计算得到的时间差值以及时间衰减系数，对推荐评分进行更新，其中，时间差值越大，推荐评分的更新幅度越小。
在一种可能的实施方式中，服务器根据时间差值(df)和时间衰减系数(γ<1.0)确定时间衰减权重γdf，从而根据时间衰减权重更新目标推荐项的推荐评分。
步骤310，根据操作信息中包含的操作类型更新目标推荐项的推荐评分，操作类型包括清理操作和保留操作。
如图4所示，垃圾清理页面41中显示有若干推荐项42，用户选中相应的推荐项42，并点击清理按钮43后，即可完成垃圾文件清理。
其中，被选中的推荐项接收到操作的操作类型为清理操作(曝光且处理)，而未被选中的推荐项接收到操作的操作类型则是保留操作(曝光未处理)。
在一种可能的实施方式中，目标终端上报的操作信息中，不仅包括已曝光推荐项接收到的清理操作，还包括已曝光推荐项接收到的保留操作。
相应的，服务器根据操作类型，采用相应的方式对推荐评分进行更新。可选的，本步骤包括以下两种可能的实施方式。
第一种可能的实施方式、当操作类型为清理操作时，正向更新推荐评分，正向更新时，推荐评分提高。
当目标推荐项(即已曝光推荐项)接收到清理操作时，表明该目标推荐项符合用户的垃圾清理意愿，因此，服务器对目标推荐项的推荐评分进行正向更新，提高其推荐评分，以便后续优先推送该目标推荐项。
可选的，当操作类型为清理操作时，服务器根据第一操作权重更新推荐评分，第一操作权重＞0，比如，第一操作权重为1。
第二种可能的实施方式、当操作类型为保留操作时，反向更新推荐评分，反向更新时，推荐评分降低。
相反的，当目标推荐项接收到保留操作时，表明该目标推荐项不符合用户的垃圾清理意愿，因此，服务器对目标推荐项的推荐评分进行反向更新，降低其推荐评分，避免后续推送该目标推荐项。
可选的，当操作类型为保留操作时，服务器根据第二操作权重更新推荐评分，第二操作权重＞0，比如，第二操作权重为-1。
步骤311，按照推荐评分的降序对目标推荐项进行排序。
可选的，服务器每隔预定时间间隔根据推荐评分的降序对各个目标推荐项进行排序。
步骤312，若目标推荐项的数量大于k，则根据前k个目标推荐项生成垃圾清理策略。
进一步的，服务器基于排序后的前k个目标推荐项生成垃圾清理策略，即将与用户垃圾清理意愿匹配度最高的k个目标推荐项推送至目标终端。其中，k可以取20。
步骤313，向目标终端发送垃圾清理策略，目标终端用于基于垃圾清理策略进行垃圾文件清理推荐。
本步骤的实施方式与上述步骤205相似，本实施例在此不再赘述。
本实施例中，服务器收集各个终端上报的垃圾文件后，从文件路径和文件大小这两个维度生成候选推荐项，从而构建出推荐池，使得后续根据操作信息确定出的目标推荐项能够从垃圾文件类型和垃圾文件体积这两方面体现用户的垃圾文件清理习惯，进而提高了后续生成的垃圾清理策略的准确性。
进一步的，目标终端上报的操作信息中包含垃圾清理场景、操作时间和操作类型，后续服务器即结合场景权重、时间衰减权重和操作权重更新推荐评分，确保推荐评分能够从多维度反映出用户的垃圾清理需求，提高了推荐评分的准确性，进一步提高生成的垃圾清理策略的准确性以及清理转化率。
上述实施例中，服务器在构建推荐池时，将同一文件路径下的垃圾文件分为了n个垃圾文件组，即推荐池中包含n个文件路径相同但文件大小范围不同的候选推荐项。
而用户对某一文件路径下某个范围大小的垃圾文件进行清理后，后续可能会对该文件路径下对另一个范围大小的垃圾清理进行清理。比如，用户此次对100MB的聊天记录进行清理后，下一次可能会对产生的50MB聊天记录进行清理。
因此，为了提高推荐评分更新的全面性，在一种可能的实施方式中，服务器根据操作信息更新目标推荐项的推荐评分时，还会更新目标推荐项对应关联推荐项的推荐评分。如图5所示，上述步骤307之后还包括如下步骤。
步骤314，确定目标推荐项对应的关联推荐项，目标推荐项与关联推荐项各自对应的文件路径相同，且各自对应的文件大小范围不同。
确定出目标推荐项后，从推荐池中查找与目标推荐项具有相同文件路径，但是对应文件大小范围不同的(n-1)个候选推荐项，并将查找到的候选推荐项确定为关联推荐项。
结合表一的示例，当服务器确定目标推荐项为候选推荐项102时，服务器将候选推荐项101和103确定为关联推荐项。
步骤315，根据操作信息和预设关联权重更新关联推荐项的推荐评分。
进一步的，服务器根据操作信息以及预设关联权重，对各个关联推荐项的推荐评分进行更新。其中，各个关联推荐项对应的预设关联权重可以相同，也可以不同。
在一种可能的实施方式中，当服务器同时根据场景权重、时间衰减权重和操作权重以及关联权重计算推荐评分时，采用如下公式：
其中，j为操作信息条数(即j条清理记录)，n为关联推荐项数量，t为操作权重(清理操作为1，保留操作为-1)，wm为场景权重，η为关联权重，γdf为时间衰减权重，df为时间差值，γ为时间衰减系数。
示意性的，一键清理页面、智能清理页面和手动清理页面对应的场景权重分别为w1、w2和w3，候选推荐项I1、I2和I3互为关联推荐项，且对应的文件大小范围分别是1-10MB、10-15MB和15-100MB。当用户在一天前在智能清理页面清理了20MB的聊天文件，在两天前未清理手动清理页面中的14MB的聊天文件时，通过上述公式计算候选推荐项I1、I2和I3的推荐评分分别为：
SCORE(I1)＝w2*1*γ1*(η)+w3*(-1)*(η)*γ2
SCORE(I2)＝w2*1*γ1*(η)+w3*(-1)*(1.0)*γ2
SCORE(I3)＝w2*1*γ1*(1.0)+w3*(-1)*(η)*γ2
需要说明的是，后续进行根据推荐评分进行推荐项排序时，服务器同时对目标推荐项和候选推荐项进行排序，并基于排序结果生成垃圾清理策略。
本实施例中，更新目标推荐项的推荐评分时，服务器同步更新相同文件路径下各个关联推荐的推荐评分，从而提高推荐评分更新的全面性，进而提高生成的垃圾清理策略的全面性。
上述实施例中，服务器基于排序后的前k个推荐项生成垃圾清理策略，然而，在推荐阶段前期，由于目标终端上报的操作信息较少，目标推荐项的数量不足k，导致生成的垃圾清理策略覆盖不足。
为了解决推荐阶段前期，垃圾清理策略覆盖不足的问题，服务器预先计算各个推荐项之间的相似度，并基于相似度召回与目标推荐项相似的候选推荐项(即下文中的相似推荐项)，进而根据目标推荐项和相似推荐项生成垃圾清理策略。
在一种可能的实施方式中，如图6所示，上述步骤307之后还包括步骤316，上述步骤311之后还包括步骤317至320。
步骤316，根据推荐池中各个候选推荐项的清理记录，计算目标推荐项与其他候选推荐项的相似度。
在一种可能的实施方式中，服务器根据I2I(Item to Item)矩阵计算推荐池中各个候选推荐项之间的推荐相似度。具体的，服务器收集预定时长内各个终端上报的操作信息，统计得到用户总数T，并分别计算对候选推荐项A进行清理操作的用户数C1，对候选推荐项B进行清理操作的用户数C2，以及同时对候选推荐项A和B进行清理操作的用户数Cox，进而通过公式(Cox/C2)/(C1/T)计算得到候选推荐项A和B的相似度lift。
可选的，服务器还可以通过其他方式计算候选推荐项之间的相似度，本实施例并不对此进行限定。
步骤317，若目标推荐项的数量小于k，则获取各个目标推荐项对应的相似推荐项，相似推荐项与目标推荐项的相似度大于相似度阈值。
在生成垃圾清理策略阶段，当目标推荐项的数量小于k时(即用户的清理行为较少时)，服务器根据相似度，获取目标推荐项对应的至少一个相似推荐项。
步骤318，根据目标推荐项对应的推荐评分，计算相似推荐项的推荐评分，相似推荐项的推荐评分低于目标推荐项对应的推荐评分。
进一步的，服务器根据目标推荐项的推荐评分，以及与相似推荐项的相似度，计算该相似推荐项的推荐评分，其中，相似度越高，相似推荐项的推荐评分越高，且相似推荐项的评分均小于对应目标推荐项的推荐评分。
在一种可能的实施方式中，服务器采用如下公式计算相似推荐项的推荐评分：
S相似＝(1/(1+elog(5,lift))-0.5)×S
其中，lift为相似度，S为目标推荐项的推荐评分。
步骤319，按照推荐评分的降序对目标推荐项和相似推荐项进行排序。
进一步的，服务器对目标推荐项以及召回的相似推荐项进行融合，并按照推荐评分的降序进行排序，从而得到推荐评分由大到小的推荐项序列。
步骤320，根据前k个推荐项生成垃圾清理策略，垃圾清理策略中包括目标推荐项和相似推荐项。
进一步的，服务器基于排序后的前k个推荐项生成垃圾清理策略，即将与用户垃圾清理意愿匹配度最高的k个推荐项推送至目标终端，该垃圾清理策略中即包含目标推荐项和召回的相似推荐项。
本实施例中，服务器根据候选推荐项之间的相似度，根据目标推荐项召回部分相似推荐项，并基于目标推荐项和相似推荐项生成垃圾清理策略，从而解决了推荐阶段前期，因终端上报操作信息不足所导致的垃圾清理策略覆盖不足的问题。
在实际应用过程中，如图7所示，相较于传统的热门推荐方式，采用本申请实施例提供的方法进行垃圾文件推荐时，近10天的清理转化率效果提高了20％左右。
下述为本申请装置实施例，可以用于执行本申请方法实施例。对于本申请装置实施例中未披露的细节，请参照本申请方法实施例。
请参考图8，其示出了本申请一个实施例提供的垃圾文件清理策略生成装置的框图。该装置具有执行上述方法示例的功能，功能可以由硬件实现，也可以由硬件执行相应的软件实现。该装置可以包括：
推荐池生成模块810，用于根据各个终端上报的垃圾文件生成推荐池，所述推荐池中包括多个候选推荐项；
确定模块820，用于根据目标终端上报的操作信息，确定所述操作信息对应的目标推荐项，所述操作信息指对已曝光推荐项执行的操作，所述目标推荐项位于所述推荐池；
更新模块830，用于根据所述操作信息更新所述目标推荐项的推荐评分；
策略生成模块840，用于根据各个目标推荐项的所述推荐评分，生成垃圾清理策略；
发送模块850，用于向所述目标终端发送所述垃圾清理策略，所述目标终端用于基于所述垃圾清理策略进行垃圾文件清理推荐。
可选的，更新模块830，用于：
根据所述操作信息中包含的垃圾清理场景更新所述推荐评分，所述垃圾清理场景指显示所述已曝光推荐项的场景；和/或，
根据所述操作信息中包含的操作时间更新所述推荐评分；和/或，
根据所述操作信息中包含的操作类型更新所述推荐评分，所述操作类型包括清理操作和保留操作。
可选的，更新模块830根据所述曝光信息中包含的垃圾清理场景更新所述推荐评分时，用于：
确定所述垃圾清理场景对应的场景权重；
根据所述场景权重更新所述推荐评分，所述场景权重与所述推荐评分呈正相关关系。
可选的，更新模块830根据所述操作信息中包含的操作时间更新所述推荐评分时，用于：
计算所述操作时间与当前时间的时间差值；
根据所述时间差值和预设时间衰减系数更新所述推荐评分，所述时间差值与所述推荐评分呈负相关关系。
可选的，更新模块830根据所述操作信息中包含的操作类型更新所述推荐评分时，用于：
当所述操作类型为所述清理操作时，正向更新所述推荐评分，正向更新时，所述推荐评分提高；
当所述操作类型为所述保留操作时，反向更新所述推荐评分，反向更新时，所述推荐评分降低。
可选的，推荐池生成模块810，用于：
获取各个终端上报的垃圾文件的文件路径和文件大小；
根据各个文件路径下垃圾文件的数量，筛选出m个文件路径；
根据所述文件大小，将同一文件路径下的垃圾文件划分到n个垃圾文件组，n≥2，n为整数，其中，同一文件路径下，不同垃圾文件组对应的文件大小范围不同；
将划分出的各个垃圾文件组确定为所述候选推荐项，得到所述推荐池，所述推荐池中包含m×n个所述候选推荐项；
确定模块820，用于：
根据所述操作信息确定所述已曝光推荐项的目标文件路径以及目标文件大小；
将与所述目标文件路径以及所述目标文件大小匹配的候选推荐项确定为所述目标推荐项。
可选的，该装置还包括：
关联推荐项确定模块，用于确定所述目标推荐项对应的关联推荐项，所述目标推荐项与所述关联推荐项各自对应的所述文件路径相同，且各自对应的所述文件大小范围不同；
关联推荐项更新模块，用于根据所述操作信息和预设关联权重更新所述关联推荐项的推荐评分。
可选的，策略生成模块840用于：
按照所述推荐评分的降序对所述目标推荐项进行排序；
若所述目标推荐项的数量大于k，则根据前k个所述目标推荐项生成所述垃圾清理策略。
可选的，所述装置，还包括：
计算模块，用于根据所述推荐池中各个候选推荐项的清理记录，计算所述目标推荐项与其他候选推荐项的相似度；
所述策略生成模块840，还用于：
若所述目标推荐项的数量小于k，则获取各个目标推荐项对应的相似推荐项，所述相似推荐项与所述目标推荐项的相似度大于相似度阈值；
根据所述目标推荐项对应的推荐评分，计算所述相似推荐项的推荐评分，所述相似推荐项的推荐评分低于所述目标推荐项对应的推荐评分；
按照所述推荐评分的降序对所述目标推荐项和所述相似推荐项进行排序；
根据前k个推荐项生成所述垃圾清理策略，所述垃圾清理策略中包括所述目标推荐项和所述相似推荐项。
综上所述，本实施例中，服务器根据目标终端上报的操作信息，确定推荐池中该操作信息对应的目标推荐项，从而基于操作信息对该目标推荐项的推荐评分进行更新，后续进行清理推荐时，即根据各个目标推荐项对应的推荐评分，生成垃圾清理策略，并提供给目标终端，以便目标终端基于该垃圾清理策略进行垃圾文件清理推荐。由于操作信息是目标终端对已曝光推荐项执行操作时生成，因此垃圾清理策略中的推荐项符合目标终端的实际垃圾清理习惯，相应的，用户根据目标终端的垃圾文件清理推荐结果进行垃圾清理的概率更高，进而提高了垃圾清理策略的清理转化率。
进一步的，服务器收集各个终端上报的垃圾文件后，从文件路径和文件大小这两个维度生成候选推荐项，从而构建出推荐池，使得后续根据操作信息确定出的目标推荐项能够从垃圾文件类型和垃圾文件体积这两方面体现用户的垃圾文件清理习惯，进而提高了后续生成的垃圾清理策略的准确性。
进一步的，目标终端上报的操作信息中包含垃圾清理场景、操作时间和操作类型，后续服务器即结合场景权重、时间衰减权重和操作权重更新推荐评分，确保推荐评分能够从多维度反映出用户的垃圾清理需求，提高了推荐评分的准确性，进一步提高生成的垃圾清理策略的准确性以及清理转化率。
进一步的，更新目标推荐项的推荐评分时，服务器同步更新相同文件路径下各个关联推荐的推荐评分，从而提高推荐评分更新的全面性，进而提高生成的垃圾清理策略的全面性。
进一步的，服务器根据候选推荐项之间的相似度，根据目标推荐项召回部分相似推荐项，并基于目标推荐项和相似推荐项生成垃圾清理策略，从而解决了推荐阶段前期，因终端上报操作信息不足所导致的垃圾清理策略覆盖不足的问题。
图9示出了本申请一个示例性实施例所涉及的服务器的结构示意图。该服务器包括：处理器911、存储器914和总线919。
处理器911包括一个或者一个以上处理核心，存储器914通过总线919与处理器911相连，存储器914用于存储程序指令，处理器911执行存储器914中的程序指令时实现上述各个方法实施例提供的垃圾文件清理策略生成方法。
可选地，存储器914可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随时存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。
上述结构示意仅为对服务器的示意性说明，服务器可以包括更多或更少的部件，比如服务器可以包括发送器以及接收器，或者，服务器还包括显示屏、电源等其它部件，本实施例不再赘述。
本申请还提供一种计算机可读存储介质，所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现上述方法实施例提供的垃圾文件清理策略生成方法。
可选地，本申请还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述各方面所述的垃圾文件清理策略生成方法。
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。
以上所述仅为本申请的较佳实施例，并不用以限制本申请，凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims (12)

1.一种垃圾文件清理策略生成方法，其特征在于，所述方法包括：
根据各个终端上报的垃圾文件生成推荐池，所述推荐池中包含多个候选推荐项；
根据目标终端上报的操作信息，确定所述操作信息对应的目标推荐项，所述操作信息指对已曝光推荐项执行的操作，所述目标推荐项位于所述推荐池；
根据所述操作信息更新所述目标推荐项的推荐评分；
根据各个目标推荐项的所述推荐评分，生成垃圾清理策略；
向所述目标终端发送所述垃圾清理策略，所述目标终端用于基于所述垃圾清理策略进行垃圾文件清理推荐。
2.根据权利要求1所述的方法，其特征在于，所述根据所述操作信息更新所述目标推荐项的推荐评分，包括：
根据所述操作信息中包含的垃圾清理场景更新所述推荐评分，所述垃圾清理场景指显示所述已曝光推荐项的场景；和/或，
根据所述操作信息中包含的操作时间更新所述推荐评分；和/或，
根据所述操作信息中包含的操作类型更新所述推荐评分，所述操作类型包括清理操作和保留操作。
3.根据权利要求2所述的方法，其特征在于，所述根据所述曝光信息中包含的垃圾清理场景更新所述推荐评分，包括：
确定所述垃圾清理场景对应的场景权重；
根据所述场景权重更新所述推荐评分，所述场景权重与所述推荐评分呈正相关关系。
4.根据权利要求2所述的方法，其特征在于，所述根据所述操作信息中包含的操作时间更新所述推荐评分，包括：
计算所述操作时间与当前时间的时间差值；
根据所述时间差值和预设时间衰减系数更新所述推荐评分，所述时间差值与所述推荐评分呈负相关关系。
5.根据权利要求2所述的方法，其特征在于，所述根据所述操作信息中包含的操作类型更新所述推荐评分，包括：
当所述操作类型为所述清理操作时，正向更新所述推荐评分，正向更新时，所述推荐评分提高；
当所述操作类型为所述保留操作时，反向更新所述推荐评分，反向更新时，所述推荐评分降低。
6.根据权利要求1至5任一所述的方法，其特征在于，所述根据各个终端上报的垃圾文件生成推荐池，包括：
获取各个终端上报的垃圾文件的文件路径和文件大小；
根据各个文件路径下垃圾文件的数量，筛选出m个文件路径；
根据所述文件大小，将同一文件路径下的垃圾文件划分到n个垃圾文件组，n≥2，n为整数，其中，同一文件路径下，不同垃圾文件组对应的文件大小范围不同；
将划分出的各个垃圾文件组确定为所述候选推荐项，得到所述推荐池，所述推荐池中包含m×n个所述候选推荐项；
所述根据目标终端上报的操作信息，确定所述操作信息对应的目标推荐项，包括：
根据所述操作信息确定所述已曝光推荐项的目标文件路径以及目标文件大小；
将与所述目标文件路径以及所述目标文件大小匹配的候选推荐项确定为所述目标推荐项。
7.根据权利要求6所述的方法，其特征在于，所述根据目标终端上报的操作信息，确定所述操作信息对应的目标推荐项之后，所述方法还包括：
确定所述目标推荐项对应的关联推荐项，所述目标推荐项与所述关联推荐项各自对应的所述文件路径相同，且各自对应的所述文件大小范围不同；
根据所述操作信息和预设关联权重更新所述关联推荐项的推荐评分。
8.根据权利要求1所述的方法，其特征在于，所述根据各个目标推荐项的所述推荐评分，生成垃圾清理策略，包括：
按照所述推荐评分的降序对所述目标推荐项进行排序；
若所述目标推荐项的数量大于k，则根据前k个所述目标推荐项生成所述垃圾清理策略。
9.根据权利要求8所述的方法，其特征在于，所述方法，还包括：
根据所述推荐池中各个候选推荐项的清理记录，计算所述目标推荐项与其他候选推荐项的相似度；
所述根据各个目标推荐项的所述推荐评分，生成垃圾清理策略，还包括：
若所述目标推荐项的数量小于k，则获取各个目标推荐项对应的相似推荐项，所述相似推荐项与所述目标推荐项的相似度大于相似度阈值；
根据所述目标推荐项对应的推荐评分，计算所述相似推荐项的推荐评分，所述相似推荐项的推荐评分低于所述目标推荐项对应的推荐评分；
按照所述推荐评分的降序对所述目标推荐项和所述相似推荐项进行排序；
根据前k个推荐项生成所述垃圾清理策略，所述垃圾清理策略中包括所述目标推荐项和所述相似推荐项。
10.一种垃圾文件清理策略生成装置，其特征在于，所述装置包括：
推荐池生成模块，用于根据各个终端上报的垃圾文件生成推荐池，所述推荐池中包括多个候选推荐项；
确定模块，用于根据目标终端上报的操作信息，确定所述操作信息对应的目标推荐项，所述操作信息指对已曝光推荐项执行的操作，所述目标推荐项位于所述推荐池；
更新模块，用于根据所述操作信息更新所述目标推荐项的推荐评分；
策略生成模块，用于根据各个目标推荐项的所述推荐评分，生成垃圾清理策略；
发送模块，用于向所述目标终端发送所述垃圾清理策略，所述目标终端用于基于所述垃圾清理策略进行垃圾文件清理推荐。
11.一种服务器，其特征在于，所述服务器包括处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器执行以实现如权利要求1至9任一所述的垃圾文件清理策略生成方法。
12.一种计算机可读存储介质，其特征在于，所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器执行以实现如权利要求1至9任一所述的垃圾文件清理策略生成方法。
CN201711326016.1A 2017-12-13 2017-12-13 垃圾文件清理策略生成方法、装置及服务器 Active CN108038001B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711326016.1A CN108038001B (zh) 2017-12-13 2017-12-13 垃圾文件清理策略生成方法、装置及服务器

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711326016.1A CN108038001B (zh) 2017-12-13 2017-12-13 垃圾文件清理策略生成方法、装置及服务器

Publications (2)

Publication Number Publication Date
CN108038001A true CN108038001A (zh) 2018-05-15
CN108038001B CN108038001B (zh) 2022-10-14

Family

ID=62102960

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711326016.1A Active CN108038001B (zh) 2017-12-13 2017-12-13 垃圾文件清理策略生成方法、装置及服务器

Country Status (1)

Country Link
CN (1) CN108038001B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110543451A (zh) * 2019-07-30 2019-12-06 华为技术有限公司 一种高效清理设备文件的方法及装置
CN111523944A (zh) * 2020-04-26 2020-08-11 北京深演智能科技股份有限公司 浏览数据处理方法、装置、非易失性存储介质和处理
CN112131189A (zh) * 2020-09-29 2020-12-25 珠海海鸟科技有限公司 一种清理垃圾文件的方法、装置及电子设备

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080140781A1 (en) * 2006-12-06 2008-06-12 Microsoft Corporation Spam filtration utilizing sender activity data
US7877413B1 (en) * 2002-06-12 2011-01-25 Symantec Corporation Path variablizing layered system
CN103365882A (zh) * 2012-03-30 2013-10-23 网秦无限（北京）科技有限公司 一种移动终端上垃圾文件清理的方法和系统
CN105074673A (zh) * 2012-12-26 2015-11-18 西部数据技术公司 用于数据存储系统的基于优先级的垃圾收集
CN106708426A (zh) * 2016-11-11 2017-05-24 努比亚技术有限公司 垃圾文件识别装置和方法
US9678968B1 (en) * 2010-05-03 2017-06-13 Panzura, Inc. Deleting a file from a distributed filesystem
CN107168787A (zh) * 2017-07-03 2017-09-15 赵桂银 一种移动终端运行性能改善方法与装置

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7877413B1 (en) * 2002-06-12 2011-01-25 Symantec Corporation Path variablizing layered system
US20080140781A1 (en) * 2006-12-06 2008-06-12 Microsoft Corporation Spam filtration utilizing sender activity data
US9678968B1 (en) * 2010-05-03 2017-06-13 Panzura, Inc. Deleting a file from a distributed filesystem
CN103365882A (zh) * 2012-03-30 2013-10-23 网秦无限（北京）科技有限公司 一种移动终端上垃圾文件清理的方法和系统
CN105074673A (zh) * 2012-12-26 2015-11-18 西部数据技术公司 用于数据存储系统的基于优先级的垃圾收集
CN106708426A (zh) * 2016-11-11 2017-05-24 努比亚技术有限公司 垃圾文件识别装置和方法
CN107168787A (zh) * 2017-07-03 2017-09-15 赵桂银 一种移动终端运行性能改善方法与装置

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110543451A (zh) * 2019-07-30 2019-12-06 华为技术有限公司 一种高效清理设备文件的方法及装置
CN111523944A (zh) * 2020-04-26 2020-08-11 北京深演智能科技股份有限公司 浏览数据处理方法、装置、非易失性存储介质和处理
CN112131189A (zh) * 2020-09-29 2020-12-25 珠海海鸟科技有限公司 一种清理垃圾文件的方法、装置及电子设备

Also Published As

Publication number Publication date
CN108038001B (zh) 2022-10-14

Similar Documents

Publication Publication Date Title
Cheng et al. Using multiple criteria decision analysis for supporting decisions of solid waste management
CN103988203B (zh) 根据协作的和/或基于内容的节点相互关系提供推荐的系统和方法
Glowacka et al. A hybrid data mining/simulation approach for modelling outpatient no-shows in clinic scheduling
CN111506801B (zh) 一种应用App中子应用的排序方法及装置
CN105898209A (zh) 视频平台监控分析系统
CN110060090A (zh) 推荐商品组合的方法、装置、电子设备及可读存储介质
CN106557639A (zh) 挂号方法和系统
CN106294830A (zh) 多媒体资源的推荐方法及装置
CN106326391A (zh) 多媒体资源推荐方法及装置
CN106951435A (zh) 新闻推荐方法、设备及可编程设备
CN110110221A (zh) 政务数据智能推荐方法和系统
CN108038001A (zh) 垃圾文件清理策略生成方法、装置及服务器
CN104756444A (zh) 云中的cdn负载平衡
CN108259546A (zh) 消息推送方法、设备及可编程设备
CN107886366A (zh) 性别分类模型的生成方法、性别填充方法、终端及存储介质
CN109767269A (zh) 一种游戏数据的处理方法和装置
CN103136253A (zh) 获取信息的方法和装置
CN108132963A (zh) 资源推荐方法和装置、计算设备和存储介质
CN103201756A (zh) 利用元数据优化归档电子邮件的效率
CN106227834A (zh) 多媒体资源的推荐方法及装置
CN107909038A (zh) 一种社交关系分类模型训练方法、装置、电子设备及介质
CN110032678A (zh) 业务资源推送方法和装置、存储介质和电子装置
CN108416627A (zh) 一种基于互联网数据的品牌影响力监控方法及系统
CN107908796A (zh) 电子政务查重方法、装置以及计算机可读存储介质
CN109582852A (zh) 一种全文检索结果的排序方法及系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant