CN108228873B - 对象推荐、发布内容推送方法、装置、存储介质和设备 - Google Patents
对象推荐、发布内容推送方法、装置、存储介质和设备 Download PDFInfo
- Publication number
- CN108228873B CN108228873B CN201810045050.XA CN201810045050A CN108228873B CN 108228873 B CN108228873 B CN 108228873B CN 201810045050 A CN201810045050 A CN 201810045050A CN 108228873 B CN108228873 B CN 108228873B
- Authority
- CN
- China
- Prior art keywords
- sub
- application
- page
- user
- recommendation
- 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.)
- Active
Links
Images
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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/50—Network services
- H04L67/55—Push-based network services
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Information Transfer Between Computers (AREA)
Abstract
本发明涉及一种对象推荐、发布内容推送方法、装置、存储介质和设备,该对象推荐方法包括:获取与用户标识和子应用程序页面标识共同对应的页面访问请求;当所述子应用程序页面标识所对应的页面中包括通过推荐插件指定的页面区域时,查询与所述用户标识对应的用户数据;获取通过与所述推荐插件对应的应用程序接口上传的、且与所述子应用程序页面标识关联的子应用程序页面展示对象;根据所述用户数据确定所述子应用程序页面展示对象所对应的推荐顺序;按照所述推荐顺序推荐所述子应用程序页面展示对象。本申请提供的方案能够有针对性地准确推荐出用户想要的内容。
Description
技术领域
本发明涉及计算机技术领域,特别是涉及一种对象推荐、发布内容推送方法、装置、存储介质和设备。
背景技术
随着计算机技术的发展,出现了各种类型的终端,这些终端上可以运行各种各样的应用程序,通过应用程序生成页面,从而通过该页面展示对象、传递信息并与用户交互,方便了人们的生活和工作。
然而,应用程序的页面中展示的内容通常较多,对于很多普通用户来说,他们很难在页面的海量信息中找到自己喜欢或需要的内容,这样导致用户需要选择时,需要花费较多的时间去查找,且可能无法找到自己想要的内容。
发明内容
基于此,有必要针对目前页面中不能有针对性地准确反映出用户想要的内容的问题,提供一种对象推荐、发布内容推送方法、装置、存储介质和设备。
一种对象推荐方法,包括:
获取与用户标识和子应用程序页面标识共同对应的页面访问请求;
当所述子应用程序页面标识所对应的页面中包括通过推荐插件指定的页面区域时,查询与所述用户标识对应的用户数据;
获取通过与所述推荐插件对应的应用程序接口上传的、且与所述子应用程序页面标识关联的子应用程序页面展示对象;
根据所述用户数据确定所述子应用程序页面展示对象所对应的推荐顺序;
按照所述推荐顺序推荐所述子应用程序页面展示对象。
一种对象推荐装置,包括:
请求获取模块,用于获取与用户标识和子应用程序页面标识共同对应的页面访问请求;
查询模块,用于当所述子应用程序页面标识所对应的页面中包括通过推荐插件指定的页面区域时,查询与所述用户标识对应的用户数据;
对象获取模块,用于获取通过与所述推荐插件对应的应用程序接口上传的、且与所述子应用程序页面标识关联的子应用程序页面展示对象;
确定模块,用于根据所述用户数据确定所述子应用程序页面展示对象所对应的推荐顺序;
推荐模块,用于按照所述推荐顺序推荐所述子应用程序页面展示对象。
一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时,使得所述处理器执行以下步骤:
获取与用户标识和子应用程序页面标识共同对应的页面访问请求;
当所述子应用程序页面标识所对应的页面中包括通过推荐插件指定的页面区域时,查询与所述用户标识对应的用户数据;
获取通过与所述推荐插件对应的应用程序接口上传的、且与所述子应用程序页面标识关联的子应用程序页面展示对象;
根据所述用户数据确定所述子应用程序页面展示对象所对应的推荐顺序;
按照所述推荐顺序推荐所述子应用程序页面展示对象。
一种计算机设备,包括存储器和处理器,所述存储器中储存有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行以下步骤:
获取与用户标识和子应用程序页面标识共同对应的页面访问请求;
当所述子应用程序页面标识所对应的页面中包括通过推荐插件指定的页面区域时,查询与所述用户标识对应的用户数据;
获取通过与所述推荐插件对应的应用程序接口上传的、且与所述子应用程序页面标识关联的子应用程序页面展示对象;
根据所述用户数据确定所述子应用程序页面展示对象所对应的推荐顺序;
按照所述推荐顺序推荐所述子应用程序页面展示对象。
上述对象推荐方法、装置、存储介质和计算机设备,在获取到与用户标识和子应用程序页面标识共同对应的页面访问请求后,即自动判别子应用程序页面标识所对应的页面中是否包括通过推荐插件指定的页面区域,并在判定包括时通过推荐插件指定的页面区域,即查询与用户标识对应的用户数据,并获取通过与推荐插件对应的应用程序接口上传的、且与子应用程序页面标识关联的子应用程序页面展示对象,进而根据用户数据确定子应用程序页面展示对象所对应的推荐顺序,从而按照该推荐顺序推荐子应用程序页面展示对象,以实现对该用户有针对性地推荐子应用程序页面展示对象,使得用户在后续进行对象选择时提高用户的选择效率。
一种发布内容推送方法,包括:
获取与公众标识对应的内容发布请求;
提取所述内容发布请求所指定的发布内容和目标用户标识;
查找与所述用户标识对应的用户数据;
根据所述用户数据,确定所述发布内容所对应的排列顺序;
将所述发布内容及所述排列顺序推送至所述目标用户标识所对应的用户终端;所述排列顺序用于指示所述用户终端按照所述排列顺序展示所述发布内容。
一种发布内容推送装置,包括:
获取模块,用于获取与公众标识对应的内容发布请求;
提取模块,用于提取所述内容发布请求所指定的发布内容和目标用户标识;
查找模块,用于查找与所述用户标识对应的用户数据;
确定模块,用于根据所述用户数据,确定所述发布内容所对应的排列顺序;
推送模块,用于将所述发布内容及所述排列顺序推送至所述目标用户标识所对应的用户终端;所述排列顺序用于指示所述用户终端按照所述排列顺序展示所述发布内容。
一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时,使得所述处理器执行以下步骤:
获取与公众标识对应的内容发布请求;
提取所述内容发布请求所指定的发布内容和目标用户标识;
查找与所述用户标识对应的用户数据;
根据所述用户数据,确定所述发布内容所对应的排列顺序;
将所述发布内容及所述排列顺序推送至所述目标用户标识所对应的用户终端;所述排列顺序用于指示所述用户终端按照所述排列顺序展示所述发布内容。
一种计算机设备,包括存储器和处理器,所述存储器中储存有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行以下步骤:
获取与公众标识对应的内容发布请求;
提取所述内容发布请求所指定的发布内容和目标用户标识;
查找与所述用户标识对应的用户数据;
根据所述用户数据,确定所述发布内容所对应的排列顺序;
将所述发布内容及所述排列顺序推送至所述目标用户标识所对应的用户终端;所述排列顺序用于指示所述用户终端按照所述排列顺序展示所述发布内容。
上述发布内容推送方法、装置、存储介质和计算机设备,在获取到与公众标识对应的内容发布请求后,即确定该内容发布请求所指定的发布内容和目标用户标识,继而根据目标用户标识查找用户数据,继而根据查找到的用户数据,确定发布内容所对应的排列顺序,从而将发布内容及排列顺序推送至目标用户标识所对应的用户终端。这样用户终端即按照该排列顺序展示发布内容,从而实现对不同的目标用户有针对性地推送发布内容,继而使得用户在后续进行发布内选择时提高用户的选择效率。
附图说明
图1为一个实施例中对象推荐方法的应用环境图;
图2为一个实施例中对象推荐方法的流程示意图;
图3为一个实施例中操作系统、母应用程序、子应用程序以及子应用程序页面之间关系的示意图;
图4为一个实施例中子应用程序页面的界面示意图;
图5为一个实施例中机器学习模型训练的原理示意图;
图6为一个实施例中子应用程序页面展示对象推荐的时序图;
图7为一个实施例中发布内容推送方法的流程示意图;
图8为一个实施例中发布内容展示页面的示意图;
图9为一个实施例中发布内容推送的时序图;
图10为一个实施例中对象推荐装置的模块结构图;
图11为另一个实施例中对象推荐装置的模块结构图;
图12为一个实施例中发布内容推送装置的模块结构图;
图13为一个实施例中计算机设备的内部结构图;
图14为另一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
图1为一个实施例中对象推荐方法的应用环境图。参照图1,该对象推荐方法应用于对象推荐系统。该对象推荐系统包括用户终端110、与母应用程序对应的服务器120和与子应用程序对应的服务器130。用户终端110和服务器120通过网络连接,服务器120和服务器130通过网络连接。用户终端110上运行操作系统,操作系统上运行母应用程序,用户终端110可通过该母应用程序执行对象推荐方法。与母应用程序对应的服务器120也可用于执行该对象推荐方法。用户终端110具体可以是台式终端或移动终端,移动终端具体可以手机、平板电脑、笔记本电脑等中的至少一种。服务器120与服务器130具体可以是独立的服务器,也可以是多个独立的服务器组成的服务器集群。本领域技术人员可以理解,图1中示出的应用环境,仅仅是与本申请方案一种应用环境,并不构成对本申请方案应用环境的限定,其他的应用环境还可以包括比图中所示更多或更少的计算机设备,或者计算机设备网络连接关系。
在一个实施例中,发布内容推送方法也可以应用于如图1所示的应用环境。参照图1,服务器120用于执行该发布内容推送方法。
图2为一个实施例中对象推荐方法的流程示意图。本实施例主要以该方法应用于上述图1中的用户终端110来举例说明。参照图2,该对象推荐方法具体包括如下步骤:
S202,获取与用户标识和子应用程序页面标识共同对应的页面访问请求。
其中,用户标识用于唯一标识一个用户。子应用程序页面标识用于唯一标识一个子应用程序页面。用户标识和子应用程序页面标识均可以是包括数字、字母和符号中的至少一种字符的字符串。页面访问请求是用于访问子应用程序页面的请求。
具体地,用户终端上运行有操作系统,并在操作系统上运行了母应用程序。操作系统(Operating System,简称OS)是管理和控制终端硬件与软件资源的计算机程序,是直接运行在用户终端裸机上的最基本的系统软件,应用程序需要在操作系统的支持下运行。操作系统可以是视窗(Windows)操作系统或Linux操作系统或者Mac OS(苹果桌面操作系统)等桌面操作系统,也可以是iOS(苹果移动终端操作系统)或者安卓(Android)操作系统等移动操作系统。
母应用程序是原生应用程序。原生应用程序是可直接运行于操作系统的应用程序。母应用程序可以是社交应用程序、邮件应用程序或者游戏应用程序等。社交应用程序包括即时通信应用、SNS(Social Network Service,社交网站)应用或者直播应用等。母应用程序具体可以是微信程序(WeChat)。
子应用程序则是可在母应用程序提供的环境中运行的应用程序。子应用程序具体可以是社交应用程序、文件管理应用程序、邮件应用程序或者游戏应用程序等。母应用程序具体可以是微信程序(WeChat),相应的子应用程序可以称之为小程序。
在一个实施例中,用户终端上运行有母应用程序,母应用程序可在用户通过用户标识登录后,获取用户针对展示的子应用程序标识列表中子应用程序标识触发的选择指令,或者获取用户在子应用程序搜索框中输入关键字进行搜索后选择的子应用程序标识,或者提取会话消息中携带的子应用程序标识等,进而加载该子应用程序标识对应的子应用程序。
可以理解,母应用程序加载子应用程序后,子应用程序需呈现页面,子应用程序所呈现页面称为子应用程序页面,子应用程序可以包括一个或多个子应用程序页面,从而母应用程序则获取与用户标识和子应用程序页面标识共同对应的页面访问请求。其中,页面访问请求中的子应用程序页面标识所标识的是当前加载的子应用程序所需呈现的页面。子应用程序所需呈现的页面可以是针对子应用程序统一选定的页面,也可以是指定的页面。统一选定的页面比如子应用程序的首页,子应用程序的首页是子应用程序被加载后直接显示的页面。
在一个实施例中,用户终端上运行有母应用程序,母应用程序中运行有子应用程序并显示有子应用程序页面。母应用程序可检测用户针对该子应用程序页面的变化操作,比如页面滑动操作或者页面跳转操作等,进而获取到与用户标识和子应用程序页面标识共同对应的页面访问请求。这里子应用程序页面标识所标识的页面是意图变化至的子应用程序页面。其中,变化操作也可由子应用程序检测,在检测到后通知母应用程序。
S204,当子应用程序页面标识所对应的页面中包括通过推荐插件指定的页面区域时,查询与用户标识对应的用户数据。
其中,推荐插件是由母应用程序所提供的通用的子应用程序页面开发插件。通过推荐插件开发的子应用程序页面在渲染时,需在该页面中渲染的子应用程序页面展示对象按照特定的推荐顺序渲染。这里特定的推荐顺序与用户相关。不同的用户数据对应不同的推荐顺序,从而可以实现针对不同的用户进行不同顺序的子应用程序页面展示对象渲染。
在一个实施例中,对于子应用程序的子应用程序页面,该页面的全部页面区域均可通过推荐插件开发,也可仅部分页面区域通过推荐插件开发。
用户数据是反映用户特征的数据。比如,用户数据可以是反映用户兴趣特征的数据。在一个实施例中,用户数据包括母应用程序用户数据和子应用程序用户数据。母应用程序用户数据包括母应用程序用户个人数据和母应用程序用户阅读数据。子应用程序用户数据包括子应用程序用户行为数据。
母应用程序用户个人数据是使用母应用程序所客观存在的基本数据。母应用程序用户个人数据比如年龄、性别、经常居住地或者终端类型等。不同的母应用程序用户个人数据可以反映不同的用户特征,比如女性用户更多关注服饰或者美食等,男性用户更多关注运动或者游戏等。
母应用程序用户阅读数据是通过母应用程序浏览已发表内容所形成的阅读行为数据。母应用程序用户阅读数据比如关注的公众标识类型、该类型公众标识的关注量、阅读的公众文章类型、该类型公众文章的阅读量、浏览的商品类型以及该类型商品的点击量等。母应用程序用户阅读数据可直观反映用户兴趣特征。
子应用程序用户行为数据,是通过子应用程序查看子应用程序页面展示对象所产生的浏览行为数据。举例说明,子应用程序如商品交易应用程序,子应用程序用户行为数据如用户查看的商品类型、商品标题、商品价格或者商品销量等。
具体地,用户终端可通过母应用程序在用户使用母应用程序或子应用程序时,收集用户数据并将收集的用户数据对应于用户标识存储。这样,母应用程序在获取到与用户标识和子应用程序页面标识共同对应的页面访问请求后,检测子应用程序页面标识所对应的页面中是否包括通过推荐插件指定的页面区域。当母应用程序判定子应用程序页面标识所对应的页面中包括通过推荐插件指定的页面区域,则查询与用户标识对应的用户数据,从而根据查询到的用户数据来执行后续操作。
在一个实施例中,子应用程序页面标识也可用于标识一个子应用程序页面的一个页面区域。也就是说,一个子应用程序页面可以分为多个页面区域,不同的页面区域用不同的子应用程序页面标识来进行标识。此时,S204包括:当子应用程序页面标识所对应的页面区域为通过推荐插件指定的页面区域时,查询与用户标识对应的用户数据。
S206,获取通过与推荐插件对应的应用程序接口上传的、且与子应用程序页面标识关联的子应用程序页面展示对象。
其中,应用程序接口(Application Programming Interface,API)用于进行子应用程序页面展示对象上传。通过推荐插件开发的子应用程序页面中渲染的子应用程序页面展示对象,是通过与推荐插件对应的应用程序接口上传的子应用程序页面展示对象。
子应用程序页面展示对象具体可以是页面数据。这里的页面数据可以理解为单元页面元素的页面数据。不同单元页面元素的页面数据是相互独立的页面数据。子应用程序页面展示对象可以包括文本、图片、音频或者视频等媒体数据。举例说明,假设子应用程序为商品交易应用程序,商品列表中的每个列表项为单元页面元素。子应用程序页面展示对象具体可以是在列表项中展示的商品类目、商品图像、商品价格以及商品销量等。
具体地,子应用程序所对应的服务器(子应用程序服务器)在开发子应用程序页面时,可事先通过应用程序接口上传子应用程序页面展示对象至母应用程序所对应的服务器(母应用程序服务器),指定通过推荐插件开发的页面区域,并指定在该指定区域渲染的子应用程序页面展示对象。在该指定区域渲染的子应用程序页面展示对象包括于子应用程序服务器事先上传至母应用程序服务器的子应用程序页面展示对象。
这样,母应用程序服务器即可建立子应用程序页面标识与上传的这些子应用程序页面展示对象之间的关联关系。进而,母应用程序服务器可将子应用程序页面展示对象和建立的关联关系封装于子应用程序代码中下发至用户终端。这样用户终端即可通过母应用程序获取通过与推荐插件对应的应用程序接口上传的、且与子应用程序页面标识关联的子应用程序页面展示对象。
S208,根据用户数据确定子应用程序页面展示对象所对应的推荐顺序。
其中,推荐顺序是子应用程序页面展示对象在子应用程序中的渲染顺序。子应用程序页面展示对象在推荐顺序中的排序位置越靠前,表示子应用程序页面展示对象在子应用程序页面中的渲染位置越靠前。这样根据用户数据确定的推荐顺序更能反映用户的个人兴趣特征,后续即可跟根据该推荐顺序将用户更感兴趣的子应用程序页面展示对象展示在靠前且用户容易关注到的地方。
具体地,母应用程序可直接通过预先训练得到的预测模型,根据用户数据来预测该用户标识与子应用程序页面展示对象的匹配概率。用户标识与子应用程序页面展示对象的匹配概率,表示用户标识对应的用户对子应用程序页面展示对象感兴趣的程度。用户标识与子应用程序页面展示对象的匹配概率越大,表示用户标识对应的用户对子应用程序页面展示对象感兴趣的程度越高。其中,预测模型是用于预测用户标识与子应用程序页面展示对象匹配程度的机器学习模型。机器学习模型可采用神经网络模型、支持向量机、决策树或者逻辑回归模型等。决策树比如梯度提升决策树(Gradient Boosting Decision Tree,GBDT)等。
进一步地,母应用程序即可按照用户标识与子应用程序页面展示对象的匹配概率的降序,对子应用程序页面展示对象进行排序,得到子应用程序页面展示对象所对应的推荐顺序。排序越靠前的子应用程序页面展示对象与用户标识的匹配概率越大。
S210,按照推荐顺序推荐子应用程序页面展示对象。
具体地,母应用程序即可在子应用程序页面标识所对应的页面中通过推荐插件指定的页面区域上,按照推荐顺序渲染子应用程序页面展示对象。
参照图3,用户终端上运行操作系统,并在操作系统上运行母应用程序,在母应用程序提供的环境中生成子应用程序,子应用程序包括子应用程序页面。用户终端可通过母应用程序在母应用程序提供的环境中显示子应用程序的子应用程序页面。
图4示出了一个实施例中子应用程序页面的界面示意图。参考图4,该子应用程序页面包括通过推荐插件指定的页面区域410,该页面区域410包括多个单元页面元素411,及单元页面元素411中渲染的子应用程序页面展示对象412。
上述对象推荐方法,在获取到与用户标识和子应用程序页面标识共同对应的页面访问请求后,即自动判别子应用程序页面标识所对应的页面中是否包括通过推荐插件指定的页面区域,并在判定包括时通过推荐插件指定的页面区域,即查询与用户标识对应的用户数据,并获取通过与推荐插件对应的应用程序接口上传的、且与子应用程序页面标识关联的子应用程序页面展示对象,进而根据用户数据确定子应用程序页面展示对象所对应的推荐顺序,从而按照该推荐顺序推荐子应用程序页面展示对象,以实现对该用户有针对性地推荐子应用程序页面展示对象,使的用户在后续进行对象选择时提高用户的选择效率。
在一个实施例中,该对象推荐方法应用于上述图1中的与母应用程序对应的服务器120。其中,S202包括:获取与用户标识对应的用户终端发起的页面访问请求;页面访问请求携带子应用程序页面标识。S210包括:将推荐顺序反馈至用户终端;推荐顺序用于指示用户终端在页面区域按照推荐顺序渲染子应用程序页面展示对象。
具体地,用户终端在通过母应用程序检测到子应用程序运行指令或者子应用程序页面跳转指令后,可获取子应用程序运行时首次加载页面的子应用程序页面标识或者意图跳转至的页面的子应用程序页面标识,进而生成页面访问请求,并将子应用程序页面标识携带在页面访问请求中发送至母应用程序服务器。
母应用程序服务器在接收到页面访问请求后,检测子应用程序页面标识所对应的页面中是否包括通过推荐插件指定的页面区域。当母应用程序服务器判定子应用程序页面标识所对应的页面中包括通过推荐插件指定的页面区域,则查询与用户标识对应的用户数据,并获取通过与推荐插件对应的应用程序接口上传的、且与子应用程序页面标识关联的子应用程序页面展示对象,进而根据用户数据确定子应用程序页面展示对象所对应的推荐顺序。
母应用程序服务器在确定子应用程序页面展示对象所对应的推荐顺序后,可将推荐顺序对应于子应用程序页面展示对象反馈至用户终端,这样用户终端即可通过母应用程序在子应用程序页面标识所对应的页面中通过推荐插件指定的页面区域上按照推荐顺序渲染子应用程序页面展示对象。
在本实施例中,在用户终端发起页面访问请求后,即可在本地确定子应用程序页面展示对象所对应的推荐顺序,并直接将推荐顺序反馈至用户终端来渲染,避免了需要从子应用程序服务器拉取数据所带来的耗时。而且,在本地自动对子应用程序页面展示对象进行排序,减少了子应用程序页面开发人员的工作量,降低了开发成本。
在一个实施例中,子应用程序页面展示对象由子应用程序服务器通过与推荐插件对应的应用程序接口上传;子应用程序服务器与子应用程序页面标识所对应的子应用程序相对应。该对象推荐方法还包括:监听由子应用程序服务器发起的页面展示对象更新请求;在监听到页面展示对象更新请求时,将本地的子应用程序页面展示对象更新至与子应用程序服务器上的子应用程序页面展示对象一致。
其中,页面展示对象更新请求是用于请求更新子应用程序页面展示对象的计算机指令。子应用程序页面展示对象随时间的变化会发生变化。比如,子应用程序页面展示对象具体是在列表项中展示的商品类目、商品图像、商品价格以及商品销量时,商品图像、商品价格以及商品销量都可能随时间的变化会发生变化,因此,母应用程序服务器上的子应用程序页面展示对象需要通过更新至与子应用程序服务器上的一致,以保证数据的准确性。
具体地,子应用程序服务器在开发子应用程序页面前,即可先通过母应用程序服务器提供的应用程序接口,将子应用程序页面展示对象上传至母应用程序服务器。这样,子应用程序服务器在开发子应用程序页面时,即可在指定需要通过推荐插件开发的页面区域时,指定该页面区域中展示的子应用程序页面展示对象为在先上传至母应用程序服务器的子应用程序页面展示对象。这样,母应用程序服务器在接收到页面访问请求,并判定子应用程序页面标识所对应的页面中包括通过推荐插件指定的页面区域时,获取通过与推荐插件对应的应用程序接口上传的、且与子应用程序页面标识关联的子应用程序页面展示对象,进而根据用户数据确定子应用程序页面展示对象所对应的推荐顺序。
进一步地,母应用程序服务器可监听由子应用程序服务器发起的页面展示对象更新请求,在监听到页面展示对象更新请求时,将本地的子应用程序页面展示对象更新至与子应用程序服务器上的子应用程序页面展示对象一致。其中,子应用程序服务器可定期发起对象更新请求子应用程序服务器也可在子应用程序页面展示对象发送变化时发起对象更新请求。
在一个实施例中,母应用程序服务器也可向子应用程序服务器发起对象更新请求,子应用程序服务器在接收到对象更新请求时,检测子应用程序页面展示对象是否发送变化,在检测到有变化时,将变化同步至母应用程序。若没有检测到变化,则等待下一次对象更新请求。
在一个实施例中,母应用程序服务器在更新子应用程序页面展示对象后,可将更新同步到用户终端,使得用户终端在执行对象推荐方法时,所用到的数据为更新后的准确的数据。
上述实施例中,提供了数据更新的方式,在监听到页面展示对象更新请求时,将本地的子应用程序页面展示对象更新至与子应用程序服务器上的子应用程序页面展示对象一致,保证了数据的准确性。
在一个实施例中,该对象推荐方法还包括:接收子应用程序服务器与子应用程序页面标识对应上传的页面文件;查询页面访问请求携带的子应用程序页面标识所对应的页面文件;当查询的页面文件中存在通过推荐插件指定的页面区域时,则判定子应用程序页面标识所对应的页面中包括通过推荐插件指定的页面区域。
其中,页面文件是对子应用程序所呈现的页面进行配置的文件。页面文件包括页面结构数据、页面样式数据和页面区域标记数据。页面结构数据是定义页面组成的数据。页面结构数据可包括页面所包括的组件的标识。页面样式数据是定义页面样式的数据。页面区域标记数据是标记页面区域开发途径的数据。这样,母应用程序便可从页面文件中获取组件标识和组件标识对应的组件样式数据,继而根据组件标识对应的组件和相应的组件样式数据构建子应用程序页面,再在通过推荐插件指定的页面区域的组件中填充子应用程序页面展示对象。
具体地,子应用程序服务器在开发子应用程序页面后,可将子应用程序页面的页面文件上传至母应用程序服务器,使得母应用程序服务器将页面文件与子应用程序页面标识对应存储。这样,母应用程序服务器在接收到页面访问请求后,即可查询与页面访问请求携带的子应用程序页面标识对应的页面文件,进而查询该页面文件中是否存在通过推荐插件指定的页面区域。若存在则判定子应用程序页面标识所对应的页面中包括通过推荐插件指定的页面区域。
其中,母应用程序服务器在接收子应用程序服务器与子应用程序页面标识对应上传的页面文件后,可将页面文件封装在子应用程序代码包中下发至用户终端;也可在用户终端发起页面访问请求时,再响应于该页面访问请求反馈页面文件。
在本实施例中,子应用程序服务器在页面文件中指定哪些页面区域由推荐插件所开发,这样本地即可直接根据页面文件判断是否需要对子应用程序页面展示对象进行推荐排序,从而提高了页面展示效率。
在一个实施例中,S208包括:将用户数据中的各数据字段分别编码为相应的特征向量;将各特征向量输入相应数据字段所对应的机器学习模型,得到各机器学习模型输出的、对应至各子应用程序页面展示对象的分类概率;根据各特征向量分别对应至各子应用程序页面展示对象的分类概率,得到各子应用程序页面展示对象所对应的推荐概率;按照推荐概率降序对子应用程序页面展示对象排序得到推荐顺序。
其中,数据字段用于数据的分类。数据字段比如:年龄、性别或者兴趣等。特征向量是用于将文本的特征表示成数学形式的向量。比如,“年龄”表示为(0-20,21-25),就是一种将文本表示为特征向量的方式。可以理解,这里不限定将文本转换为何种表示的向量,只要能够将语言文本中的特征进行数学化表示即可。向量元素可以是字符或者数值。
具体地,用户数据包括多个数据字段的数据,母应用程序服务器可将用户数据中的各数据字段的数据分别编码为相应的特征向量,从而得到各个字段对应的特征向量。比如,年龄表示为X1:(0-20,21-25),性别表示为X2:(男1,女0),兴趣表示为X3:(时尚a1,美食b2,科技c3)等。
进一步地,母应用程序服务器可再将各特征向量输入相应数据字段所对应的机器学习模型,得到各机器学习模型输出的、对应至各子应用程序页面展示对象的分类概率。其中,特征向量对应至各子应用程序页面展示对象的分类概率用于反映当前用户对子应用程序页面展示对象的目标兴趣程度。特征向量对应至子应用程序页面展示对象的分类概率越大,表示当前用户对该子应用程序页面展示对象的目标兴趣程度。其中,目标兴趣比如点击兴趣或者交易兴趣等。
更进一步地,不同机器学习模型的输出对应不同的权重。母应用程序服务器可对应于每个子应用程序页面展示对象,根据各特征向量分别对应至该子应用程序页面展示对象的分类概率按照相应的权重加权求和,得到该子应用程序页面展示对象所对应的推荐概率,再按照推荐概率降序对子应用程序页面展示对象排序得到推荐顺序。
其中,权重用于反映相应机器学习模型所对应的数据字段对推荐概率的影响程度。推荐概率用于反映用户对子应用程序页面展示对象的感兴趣程度。
各数据字段所对应的机器学习模型可以是相同的机器学习模型,也可以是不同的机器学习模型。机器学习模型可以是线性模型也可以是非线性模型,具体可根据输入数据与输出数据的关系进行选择,以保证机器学习模型训练完成后的预测效果。
在本实施例中,通过机器学习模型对用户数据进行处理,最终得到子应用程序页面展示对象的推荐概率,利用机器学习模型强大的学习能力,保证了子应用程序页面展示对象推荐排序的准确性。
在一个实施例中,该对象推荐方法还包括:收集多个用户标识所对应的用户数据;对收集到的用户数据进行清洗;将清洗后的用户数据按数据字段分别编码为样本向量,得到各数据字段相应的样本向量集;根据各样本向量集训练得到相应数据字段所对应的机器学习模型。
其中,数据清洗是发现并纠正数据中可识别的错误,包括检查数据一致性,处理无效值和缺失值等。对残缺数据进行填补、对错误数据的更正以及对重复数据的删除等。
具体地,母应用程序服务器可收集与大量用户标识对应的用户数据。对收集的用户数据进行数据清洗,并在数据清洗完成后,将清洗后的用户数据按数据字段分类,得到各数据字段下的样本集。也就是每个数据字段对应一个样本集,该样本集中仅包括清洗后的、该数据字段的用户数据。比如,用户年龄字段的样本集中仅包括清洗后的、年龄字段的用户数据。
进一步地,母应用程序服务器将各样本集中的各样本编码为样本向量,得到各数据字段相应的样本向量集,从而根据各样本向量集训练得到相应数据字段所对应的机器学习模型。
在一个实施例中,母应用程序服务器在将根据机器学习模型得到的推荐顺序反馈至用户终端,使得用户终端在页面区域按照推荐顺序渲染子应用程序页面展示对象后,可获取与用户标识对应的、且对应于当前展示的子应用程序页面展示对象形成的新的用户数据。母应用程序服务器进而将该新的用户数据作为样本数据继续训练机器学习模型,形成正向循环。
图5示出了一个实施例中机器学习模型训练的原理示意图。参考图5,母应用程序服务器可收集多个用户标识所对应的用户数据。用户数据包括母应用程序用户个人数据、母应用程序用户阅读数据和子应用程序用户行为数据。母应用程序服务器可继续对收集到的用户数据进行清洗,将清洗后的用户数据按数据字段分别编码为样本向量,得到各数据字段相应的样本向量集,再根据各样本向量集训练得到相应数据字段所对应的机器学习模型。母应用程序服务器在将根据机器学习模型得到的推荐顺序反馈至用户终端,使得用户终端在页面区域按照推荐顺序渲染子应用程序页面展示对象后,可再获取与用户标识对应的、且对应于当前展示的子应用程序页面展示对象形成的新的用户数据。母应用程序服务器进而将该新的用户数据作为样本数据继续训练机器学习模型,形成正向循环。
举例说明,机器学习模型比如GBDT模型,母应用程序服务器可对该对GBDT进行参数配置。参数包括树的个数、树深度、shrinkage、抽样正负比例、样本采样率以及特征采样率等。其中树的个数表示算法模型中决策树的个数,算法模型中决策树越多,学习效果越好,但是过多的数目会存在过拟合现象,且算法耗时过高。母应用程序服务器可依照默认参数配置的建议,选取200作为初始值,通过算法模型不断缩减。shrinkage代表决策树算法中步长,通常尽可能的小,可设置为0.15。对模型的训练可以通过多次迭代实现,可将样本向量集中的样本向量分为多个训练集,对每个训练集采用单独的GBDT分类器进行迭代,每个训练集迭代完成后,生成预测数据,通过预测数据构成预测集再次输入GBDT分类器进行迭代,得到最后的训练模型。
在一个实施例中,模型训练完成后,可采用ROC曲线进行模型校验,校验通过后得到机器学习模型用于预测。
上述实施例中,在将收集到的用户数据作为样本进行训练时,先进行数据清洗,这样可以保证进行训练的用户数据的准确性,以便通过准确的用户数据来真实反映用户真实的喜好情况。而且分别针对不同的数据字段训练不同的机器学习模型,使得后续对用户真实的喜好情况的预测更准确。
图6示出了一个实施例中子应用程序页面展示对象推荐的时序图。参考图6,子应用程序服务器可通过与推荐插件对应的应用程序接口(API),将子应用程序页面展示对象上传至母应用程序服务器,并在通过推荐插件开发子应用程序页面后将相应的页面文件上传至母应用程序服务器。
用户终端在通过母应用程序检测到用户触发的页面访问操作后,向母应用程序服务器发起页面访问请求,该请求中携带用户标识和子应用程序页面标识。母应用程序服务器查询页面访问请求携带的子应用程序页面标识所对应的页面文件;当查询的页面文件中存在通过推荐插件指定的页面区域时,则判定子应用程序页面标识所对应的页面中包括通过推荐插件指定的页面区域。
母应用程序服务器继而获取通过与推荐插件对应的应用程序接口上传的、且与子应用程序页面标识关联的子应用程序页面展示对象,并查询与用户标识对应的用户数据,将用户数据中的各数据字段分别编码为相应的特征向量,将各特征向量输入相应数据字段所对应的机器学习模型,得到各机器学习模型输出的、对应至各子应用程序页面展示对象的分类概率,从而得到各子应用程序页面展示对象所对应的推荐概率,按照推荐概率降序对子应用程序页面展示对象排序得到推荐顺序。
母应用程序服务器在确定子应用程序页面展示对象所对应的推荐顺序后,将该推荐顺序反馈至用户终端,用户终端从而在推荐插件指定的页面区域上按照推荐顺序渲染子应用程序页面展示对象。
其中,母应用程序还可监听由子应用程序服务器发起的页面展示对象更新请求;在监听到页面展示对象更新请求时,将本地的子应用程序页面展示对象更新至与子应用程序服务器上的子应用程序页面展示对象一致。
在一个实施例中,该对象推荐方法还包括:获取与公众标识对应的内容发布请求;确定内容发布请求所指定的发布内容和目标用户标识;对于每个目标用户标识,根据该目标用户标识所对应的母应用程序用户数据,相应确定发布内容所对应的排列顺序;对于每个目标用户标识,将发布内容及相应确定的排列顺序推送至该目标用户标识所对应的用户终端;排列顺序用于指示用户终端按照排列顺序展示发布内容。
其中,公众标识可以是公众服务账号,也可以是与公众服务账号相关联的第三方账号。公众标识是唯一标识公众服务账号的字符串。内容发布请求是请求根据目标用户标识推送发布内容的计算机指令。发布内容可以是文本、图片、音频或者视频等媒体数据中的至少一种。比如文本和图片组成的文章等。目标用户标识用于标识发布内容的推送对象。比如关于公众标识的用户所对应的用户标识。
具体地,通过公众标识登录的用户终端,可获取公众标识运营者所选取的发布内容和针对该发布内容指定的目标用户标识,从而生成内容发布请求发送至母应用程序服务器。母应用程序服务器在获取与公众标识对应的内容发布请求后,确定该内容发布请求所指定的发布内容和目标用户标识,进而获取各目标用户标识所对应的母应用程序用户数据。
进一步地,对于每一个目标用户标识,母应用程序服务器可将该目标用户标识对应的用户数据中的各数据字段分别编码为相应的特征向量,将各特征向量输入相应数据字段所对应的机器学习模型,得到各机器学习模型输出的、对应至各发布内容的分类概率,从而得到各发布内容所对应的推荐概率,按照推荐概率降序对发布内容排序得到针对该目标用户标识的排列顺序。母应用程序服务器从而对于每个目标用户标识,将发布内容及相应确定的排列顺序推送至该目标用户标识所对应的用户终端,使得该用户终端按照接收到的排列顺序展示接收到的发布内容。
在一个实施例中,母应用程序服务器可以统一对于所有目标用户标识,将发布内容及相应确定的排列顺序推送至各目标用户标识所对应的用户终端,使得各用户终端按照接收到的排列顺序展示接收到的发布内容。。母应用程序服务器也可以对目标用户标识划分批次,按批次分别将各发布内容和对于该批次的目标用户标识确定的排列顺序,推送至该目标用户标识所对应的用户终端。推送发布内容的时机可以是用户使用母应用程序的高峰期。
在一个实施例中,对于每个目标用户标识,母应用程序服务器可将各发布内容按照对于该目标用户标识确定的排列顺序组织为推送消息后推送至用户终端。母应用程序服务器也将各发布内容,及各发布内容按照对于该目标用户标识确定的排列顺序发送至用户终端,由用户终端按照该排列顺序组织各发布内容后进行显示。
上述实施例中,在获取到与公众标识对应的内容发布请求后,即确定该内容发布请求所指定的发布内容和目标用户标识,继而对于每个目标用户标识,根据该目标用户标识所对应的母应用程序用户数据,确定各发布内容的排列顺序,从而按照该排列顺序推送发布内容,以实现对该不同的目标用户有针对性地推送发布内容,使的用户在后续进行发布内选择时提高用户的选择效率。
图7为一个实施例中发布内容推送方法的流程示意图。本实施例主要以该方法应用于上述图1中的服务器120来举例说明。参照图7,该发布内容推送方法具体包括如下步骤:
S702,获取与公众标识对应的内容发布请求。
其中,公众标识可以是公众服务账号,也可以是与公众服务账号相关联的第三方账号。公众标识是唯一标识公众服务账号的字符串。内容发布请求是请求发布特定内容的计算机指令。
具体地,通过公众标识登录的用户终端,可获取公众标识运营者所选取的发布内容和针对该发布内容所指定的发布对象,从而根据该发布内容和发布对象生成内容发布请求以发送至服务器。
在一个实施例中,公众标识登录的用户终端上运行有应用程序,该公众标识为与该应用程序对应的公众服务账号。该应用程序可提供内容发布请求生成页面,用户可通过该页面选取发布内容及指定发布对象。用户终端在生成内容发布请求后,将该生成内容发布请求发送至应用程序所对应的服务器,使得该服务器根据该内容发布请求来进行发布内容推送。
举例说明,该应用程序具体可以是微信。公众标识具体可以是微信公众号。内容发布请求具体可以是公众号文章发布请求。
S704,提取内容发布请求所指定的发布内容和目标用户标识。
其中,发布内容是待针对发布对象发布的具体内容。发布内容具体可以是文本、图片、音频或者视频等媒体数据中的至少一种。发布内容比如文本和图片组成的文章等。目标用户标识用于标识发布内容的发布对象。比如关于公众标识的用户等。
具体地,服务器在获取与公众标识对应的内容发布请求后,确定该内容发布请求所指定的发布内容和目标用户标识。其中,发布内容和目标用户标识可以封装于内容发布请求中,也可以是不同于内容发布请求另外发送的数据。目标用户标识的数量可以是一个或者多个。发布内容的数量多于一个。
S706,查找与用户标识对应的用户数据。
其中,用户数据是反映用户特征的数据。比如,用户数据可以是反映用户兴趣特征的数据。用户数据可以仅包括本应用程序的用户数据,也可以包括多个应用程序的用户数据。比如,假设公众标识为微信公众号时,应用程序为微信,那么用户数据可以仅包括微信用户数据,也可以包括京东用户数据和微信用户数据等。用户数据包括用户个人数据和用户阅读数据等。
用户个人数据是使用应用程序所客观存在的基本数据。用户个人数据比如年龄、性别、经常居住地或者终端类型等。不同的用户个人数据可以反映不同的用户特征,比如女性用户更多关注服饰或者美食等,男性用户更多关注运动或者游戏等。
用户阅读数据是通过应用程序浏览已发表内容所形成的阅读行为数据。用户阅读数据比如关注的公众标识类型、该类型公众标识的关注量、阅读的公众文章类型、该类型公众文章的阅读量、浏览的商品类型以及该类型商品的点击量等。用户阅读数据可直观反映用户兴趣特征。
具体地,服务器在确定目标用户标识后,即查找与该目标用户标识对应的用户数据。当目标用户标识为多个时,服务器则对于每个目标用户标识,查找各个目标用户标识各自对应的用户数据。
S708,根据用户数据,确定发布内容所对应的排列顺序。
具体地,服务器可将查找到的用户数据中的各数据字段分别编码为相应的特征向量,将各特征向量输入相应数据字段所对应的机器学习模型,得到各机器学习模型输出的、对应至各发布内容的分类概率,从而得到各发布内容所对应的推荐概率。服务器继而按照推荐概率降序对发布内容排序得到针对该目标用户标识的、发布内容所对应的排列顺序。
当目标用户标识为多个时,服务器会分别对于每一个目标用户标识,根据该目标用户标识所对应的用户数据,相应确定发布内容所对应的排列顺序。
可以理解,这里所使用的机器学习模型,与前述对象推荐方法中所使用的机器学习模型训练过程和使用过程类似,在此不再赘述。
S710,将发布内容及排列顺序推送至目标用户标识所对应的用户终端;排列顺序用于指示用户终端按照排列顺序展示发布内容。
具体地,服务器可将发布内容及相应确定的排列顺序推送至各目标用户标识所对应的用户终端,使得个用户终端按照接收到的排列顺序展示接收到的发布内容。
当目标用户标识为多个时,服务器可以统一对于所有目标用户标识,将发布内容及相应确定的排列顺序推送至各目标用户标识所对应的用户终端,使得各用户终端按照接收到的排列顺序展示接收到的发布内容。母应用程序服务器也可以对目标用户标识划分批次,按批次分别将各发布内容和对于该批次的目标用户标识确定的排列顺序,推送至相应目标用户标识所对应的用户终端。推送发布内容的时机可以是用户使用母应用程序的高峰期。
在一个实施例中,对于每个目标用户标识,母应用程序服务器可将各发布内容按照对于该目标用户标识确定的排列顺序组织为推送消息后推送至用户终端。母应用程序服务器也将各发布内容,及各发布内容按照对于该目标用户标识确定的排列顺序发送至用户终端,由用户终端按照该排列顺序组织各发布内容后进行显示。
举例说明,图8为一个实施例中发布内容展示页面的示意图。参照图8,假设发布内容为4篇公众文章:W1、W2、W3和W4。对于目标用户标识A,母应用程序服务器按照A所对应的母应用程序用户数据,确定各发布内容的排列顺序为:W2→W1→W3→W4,那么A所对应的用户终端上显示的推送消息如图8左图所示。对于目标用户标识B,母应用程序服务器按照B所对应的母应用程序用户数据,确定各发布内容的排列顺序为:W3→W4→W2→W1,那么B所对应的用户终端上显示的推送消息如图8右图所示。
上述发布内容推送方法,在获取到与公众标识对应的内容发布请求后,即确定该内容发布请求所指定的发布内容和目标用户标识,继而根据目标用户标识查找用户数据,继而根据查找到的用户数据,确定发布内容所对应的排列顺序,从而将发布内容及排列顺序推送至目标用户标识所对应的用户终端。这样用户终端即按照该排列顺序展示发布内容,从而实现对不同的目标用户有针对性地推送发布内容,继而使得用户在后续进行发布内选择时提高用户的选择效率。
图9为一个实施例中发布内容推送的时序图。公众标识运营者在公众标识登录的用户终端上选择发布内容,并为选择的发布内容指定目标用户标识。公众标识对应的用户终端生成内容发布请求后发送至母应用程序服务器。母应用程序服务器确定内容发布请求所指定的发布内容和目标用户标识,继而对于每个目标用户标识,根据该目标用户标识所对应的母应用程序用户数据,确定各发布内容的排列顺序,再对目标用户标识分批次。对于每个批次的每个目标用户标识,将各发布内容按照对于该目标用户标识确定的排列顺序,推送至该目标用户标识所对应的用户终端。
应该理解的是,虽然上述各实施例的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,上述各实施例中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
如图10所示,在一个实施例中,提供了一种对象推荐装置1000。参照图10,该对象推荐装置1000包括:请求获取模块1001、查询模块1002、对象获取模块1003、确定模块1004和推荐模块1005。
请求获取模块1001,用于获取与用户标识和子应用程序页面标识共同对应的页面访问请求。
查询模块1002,用于当子应用程序页面标识所对应的页面中包括通过推荐插件指定的页面区域时,查询与用户标识对应的用户数据。
对象获取模块1003,用于获取通过与推荐插件对应的应用程序接口上传的、且与子应用程序页面标识关联的子应用程序页面展示对象。
确定模块004,用于根据用户数据确定子应用程序页面展示对象所对应的推荐顺序。
推荐模块1005,用于按照推荐顺序推荐子应用程序页面展示对象。
在一个实施例中,请求获取模块1001还用于获取与用户标识对应的用户终端发起的页面访问请求;页面访问请求携带子应用程序页面标识。推荐模块905还用于将推荐顺序反馈至用户终端;推荐顺序用于指示用户终端在页面区域按照推荐顺序渲染子应用程序页面展示对象。
在一个实施例中,子应用程序页面展示对象由子应用程序服务器通过与推荐插件对应的应用程序接口上传;子应用程序服务器与子应用程序页面标识所对应的子应用程序相对应。
对象推荐装置1000还包括更新模块1006,用于监听由子应用程序服务器发起的页面展示对象更新请求;在监听到页面展示对象更新请求时,将本地的子应用程序页面展示对象更新至与子应用程序服务器上的子应用程序页面展示对象一致。
在一个实施例中,对象推荐装置1000还包括接收模块1007用于接收子应用程序服务器与子应用程序页面标识对应上传的页面文件。查询模块1002还用于查询页面访问请求携带的子应用程序页面标识所对应的页面文件;当查询的页面文件中存在通过推荐插件指定的页面区域时,则判定子应用程序页面标识所对应的页面中包括通过推荐插件指定的页面区域。
在一个实施例中,确定模块1004还用于将用户数据中的各数据字段分别编码为相应的特征向量;将各特征向量输入相应数据字段所对应的机器学习模型,得到各机器学习模型输出的、对应至各子应用程序页面展示对象的分类概率;根据各特征向量分别对应至各子应用程序页面展示对象的分类概率,得到各子应用程序页面展示对象所对应的推荐概率;按照推荐概率降序对子应用程序页面展示对象排序得到推荐顺序。
在一个实施例中,对象推荐装置1000还包括模型训练模块1008用于收集多个用户标识所对应的用户数据;对收集到的用户数据进行清洗;将清洗后的用户数据按数据字段分别编码为样本向量,得到各数据字段相应的样本向量集;根据各样本向量集训练得到相应数据字段所对应的机器学习模型。
在一个实施例中,用户数据包括母应用程序用户数据和子应用程序用户数据;母应用程序用户数据包括母应用程序用户个人数据和母应用程序用户阅读数据;子应用程序用户数据包括子应用程序用户行为数据。
如图11所示,在一个实施例中,对象推荐装置1000还包括:更新模块1006、接收模块1007、模型训练模块1008和推送模块1009。
推送模块1009,用于获取与公众标识对应的内容发布请求;确定内容发布请求所指定的发布内容和目标用户标识;对于每个目标用户标识,根据该目标用户标识所对应的母应用程序用户数据,相应确定发布内容所对应的排列顺序;对于每个目标用户标识,将发布内容及相应确定的排列顺序推送至该目标用户标识所对应的用户终端;排列顺序用于指示用户终端按照排列顺序展示发布内容。
如图12所示,在一个实施例中,提供了一种发布内容推送装置1200。参照图12,该发布内容推送装置1200包括:获取模块1201、确定模块1202、查找模块1203、确定模块1204和推送模块1205。
获取模块1201,用于获取与公众标识对应的内容发布请求。
提取模块1202,用于提取所述内容发布请求所指定的发布内容和目标用户标识。
查找模块1203,用于查找与所述用户标识对应的用户数据。
确定模块1204,用于根据所述用户数据,确定所述发布内容所对应的排列顺序。
推送模块1205,用于将所述发布内容及所述排列顺序推送至所述目标用户标识所对应的用户终端;所述排列顺序用于指示所述用户终端按照所述排列顺序展示所述发布内容。
上述发布内容推送装置1200,在获取到与公众标识对应的内容发布请求后,即确定该内容发布请求所指定的发布内容和目标用户标识,继而根据目标用户标识查找用户数据,继而根据查找到的用户数据,确定发布内容所对应的排列顺序,从而将发布内容及排列顺序推送至目标用户标识所对应的用户终端。这样用户终端即按照该排列顺序展示发布内容,从而实现对不同的目标用户有针对性地推送发布内容,继而使得用户在后续进行发布内选择时提高用户的选择效率。
图13示出了一个实施例中计算机设备的内部结构图。该计算机设备具体可以是图1中的用户终端110。如图13所示,该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、输入设备和显示屏。其中,存储器包括非易失性存储介质和内存储器。该计算机设备的非易失性存储介质存储有操作系统,还可存储有计算机程序,该计算机程序被处理器执行时,可使得处理器实现对象推荐方法。该内存储器中也可储存有计算机程序,该计算机程序被处理器执行时,可使得处理器执行对象推荐方法。计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏等,输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,也可以是外接的键盘、触控板或鼠标等。本领域技术人员可以理解,图13中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
图14示出了一个实施例中计算机设备的内部结构图。该计算机设备具体可以是图1中的与母应用程序对应的服务器120。如图14所示,该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中,存储器包括非易失性存储介质和内存储器。该计算机设备的非易失性存储介质存储有操作系统,还可存储有计算机程序,该计算机程序被处理器执行时,可使得处理器实现对象推荐方法。该内存储器中也可储存有计算机程序,该计算机程序被处理器执行时,可使得处理器执行对象推荐方法。本领域技术人员可以理解,图14中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,本申请提供的对象推荐装置可以实现为一种计算机程序的形式,计算机程序可在如图13或图14所示的计算机设备上运行,计算机设备的非易失性存储介质可存储组成该对象推荐装置的各个程序模块,比如,图10所示的请求获取模块1001、查询模块1002、对象获取模块1003、确定模块1004和推荐模块1005等。各个程序模块组成的计算机程序使得处理器执行本说明书中描述的本申请各个实施例的对象推荐方法中的步骤。
例如,图13或图14所示的计算机设备可以通过如图10所示的对象推荐装置1000中的请求获取模块1001获取与用户标识和子应用程序页面标识共同对应的页面访问请求。通过查询模块1002当子应用程序页面标识所对应的页面中包括通过推荐插件指定的页面区域时,查询与用户标识对应的用户数据。通过对象获取模块1003获取通过与推荐插件对应的应用程序接口上传的、且与子应用程序页面标识关联的子应用程序页面展示对象。通过确定模块1004根据用户数据确定子应用程序页面展示对象所对应的推荐顺序。通过推荐模块1005按照推荐顺序推荐子应用程序页面展示对象。
在一个实施例中,本申请提供的发布内容推送装置也可以实现为一种计算机程序的形式,计算机程序可在如图14所示的计算机设备上运行,计算机设备的非易失性存储介质可存储组成该发布内容推送装置的各个程序模块,比如,图12所示的获取模块1201、确定模块1202、查找模块1203、确定模块1204和推送模块1205等。各个程序模块组成的计算机程序使得处理器执行本说明书中描述的本申请各个实施例的发布内容推送方法中的步骤。
例如,图14所示的计算机设备可以通过如图12所示的发布内容推送装置1200中的获取模块1201获取与公众标识对应的内容发布请求。提取模块1202提取所述内容发布请求所指定的发布内容和目标用户标识。查找模块1203查找与所述用户标识对应的用户数据。确定模块1204根据所述用户数据,确定所述发布内容所对应的排列顺序。推送模块1205将所述发布内容及所述排列顺序推送至所述目标用户标识所对应的用户终端;所述排列顺序用于指示所述用户终端按照所述排列顺序展示所述发布内容。
在一个实施例中,提供了一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器执行时,使得处理器执行以下步骤:获取与用户标识和子应用程序页面标识共同对应的页面访问请求;当子应用程序页面标识所对应的页面中包括通过推荐插件指定的页面区域时,查询与用户标识对应的用户数据;获取通过与推荐插件对应的应用程序接口上传的、且与子应用程序页面标识关联的子应用程序页面展示对象;根据用户数据确定子应用程序页面展示对象所对应的推荐顺序;按照推荐顺序推荐子应用程序页面展示对象。
在一个实施例中,获取与用户标识和子应用程序页面标识共同对应的页面访问请求,包括:获取与用户标识对应的用户终端发起的页面访问请求;页面访问请求携带子应用程序页面标识。按照推荐顺序推荐多个子应用程序页面展示对象,包括:将推荐顺序反馈至用户终端;推荐顺序用于指示用户终端在页面区域按照推荐顺序渲染子应用程序页面展示对象。
在一个实施例中,子应用程序页面展示对象由子应用程序服务器通过与推荐插件对应的应用程序接口上传;子应用程序服务器与子应用程序页面标识所对应的子应用程序相对应。该计算机程序被处理器执行时,还使得处理器执行以下步骤:监听由子应用程序服务器发起的页面展示对象更新请求;在监听到页面展示对象更新请求时,将本地的子应用程序页面展示对象更新至与子应用程序服务器上的子应用程序页面展示对象一致。
在一个实施例中,该计算机程序被处理器执行时,还使得处理器执行以下步骤:接收子应用程序服务器与子应用程序页面标识对应上传的页面文件;查询页面访问请求携带的子应用程序页面标识所对应的页面文件;当查询的页面文件中存在通过推荐插件指定的页面区域时,则判定子应用程序页面标识所对应的页面中包括通过推荐插件指定的页面区域。
在一个实施例中,根据用户数据确定子应用程序页面展示对象所对应的推荐顺序,包括:将用户数据中的各数据字段分别编码为相应的特征向量;将各特征向量输入相应数据字段所对应的机器学习模型,得到各机器学习模型输出的、对应至各子应用程序页面展示对象的分类概率;根据各特征向量分别对应至各子应用程序页面展示对象的分类概率,得到各子应用程序页面展示对象所对应的推荐概率;按照推荐概率降序对子应用程序页面展示对象排序得到推荐顺序。
在一个实施例中,该计算机程序被处理器执行时,还使得处理器执行以下步骤:收集多个用户标识所对应的用户数据;对收集到的用户数据进行清洗;将清洗后的用户数据按数据字段分别编码为样本向量,得到各数据字段相应的样本向量集;根据各样本向量集训练得到相应数据字段所对应的机器学习模型。
在一个实施例中,用户数据包括母应用程序用户数据和子应用程序用户数据;母应用程序用户数据包括母应用程序用户个人数据和母应用程序用户阅读数据;子应用程序用户数据包括子应用程序用户行为数据。
在一个实施例中,该计算机程序被处理器执行时,还使得处理器执行以下步骤:获取与公众标识对应的内容发布请求;确定内容发布请求所指定的发布内容和目标用户标识;对于每个目标用户标识,根据该目标用户标识所对应的母应用程序用户数据,确定各发布内容的排列顺序;对于每个目标用户标识,将各发布内容按照对于该目标用户标识确定的排列顺序,推送至该目标用户标识所对应的用户终端。
在一个实施例中,提供了一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器执行时,使得处理器执行以下步骤:获取与公众标识对应的内容发布请求;提取内容发布请求所指定的发布内容和目标用户标识;查找与用户标识对应的用户数据;根据用户数据,确定发布内容所对应的排列顺序;将发布内容及排列顺序推送至目标用户标识所对应的用户终端;排列顺序用于指示用户终端按照排列顺序展示发布内容。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中储存有计算机程序,计算机程序被处理器执行时,使得处理器执行以下步骤:获取与用户标识和子应用程序页面标识共同对应的页面访问请求;当子应用程序页面标识所对应的页面中包括通过推荐插件指定的页面区域时,查询与用户标识对应的用户数据;获取通过与推荐插件对应的应用程序接口上传的、且与子应用程序页面标识关联的子应用程序页面展示对象;根据用户数据确定子应用程序页面展示对象所对应的推荐顺序;按照推荐顺序推荐子应用程序页面展示对象。
在一个实施例中,获取与用户标识和子应用程序页面标识共同对应的页面访问请求,包括:获取与用户标识对应的用户终端发起的页面访问请求;页面访问请求携带子应用程序页面标识。按照推荐顺序推荐多个子应用程序页面展示对象,包括:将推荐顺序反馈至用户终端;推荐顺序用于指示用户终端在页面区域按照推荐顺序渲染子应用程序页面展示对象。
在一个实施例中,子应用程序页面展示对象由子应用程序服务器通过与推荐插件对应的应用程序接口上传;子应用程序服务器与子应用程序页面标识所对应的子应用程序相对应。该计算机程序被处理器执行时,还使得处理器执行以下步骤:监听由子应用程序服务器发起的页面展示对象更新请求;在监听到页面展示对象更新请求时,将本地的子应用程序页面展示对象更新至与子应用程序服务器上的子应用程序页面展示对象一致。
在一个实施例中,该计算机程序被处理器执行时,还使得处理器执行以下步骤:接收子应用程序服务器与子应用程序页面标识对应上传的页面文件;查询页面访问请求携带的子应用程序页面标识所对应的页面文件;当查询的页面文件中存在通过推荐插件指定的页面区域时,则判定子应用程序页面标识所对应的页面中包括通过推荐插件指定的页面区域。
在一个实施例中,根据用户数据确定子应用程序页面展示对象所对应的推荐顺序,包括:将用户数据中的各数据字段分别编码为相应的特征向量;将各特征向量输入相应数据字段所对应的机器学习模型,得到各机器学习模型输出的、对应至各子应用程序页面展示对象的分类概率;根据各特征向量分别对应至各子应用程序页面展示对象的分类概率,得到各子应用程序页面展示对象所对应的推荐概率;按照推荐概率降序对子应用程序页面展示对象排序得到推荐顺序。
在一个实施例中,该计算机程序被处理器执行时,还使得处理器执行以下步骤:收集多个用户标识所对应的用户数据;对收集到的用户数据进行清洗;将清洗后的用户数据按数据字段分别编码为样本向量,得到各数据字段相应的样本向量集;根据各样本向量集训练得到相应数据字段所对应的机器学习模型。
在一个实施例中,用户数据包括母应用程序用户数据和子应用程序用户数据;母应用程序用户数据包括母应用程序用户个人数据和母应用程序用户阅读数据;子应用程序用户数据包括子应用程序用户行为数据。
在一个实施例中,该计算机程序被处理器执行时,还使得处理器执行以下步骤:获取与公众标识对应的内容发布请求;确定内容发布请求所指定的发布内容和目标用户标识;对于每个目标用户标识,根据该目标用户标识所对应的母应用程序用户数据,确定各发布内容的排列顺序;对于每个目标用户标识,将各发布内容按照对于该目标用户标识确定的排列顺序,推送至该目标用户标识所对应的用户终端。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中储存有计算机程序,计算机程序被处理器执行时,使得处理器执行以下步骤:获取与公众标识对应的内容发布请求;提取内容发布请求所指定的发布内容和目标用户标识;查找与用户标识对应的用户数据;根据用户数据,确定发布内容所对应的排列顺序;将发布内容及排列顺序推送至目标用户标识所对应的用户终端;排列顺序用于指示用户终端按照排列顺序展示发布内容。
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的硬件来完成,所述的程序可存储于一非易失性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,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (20)
1.一种对象推荐方法,包括:
获取与用户标识和子应用程序页面标识共同对应的页面访问请求;
当所述子应用程序页面标识所对应的页面中包括通过推荐插件指定的页面区域时,查询与所述用户标识对应的用户数据;所述推荐插件是由母应用程序所提供的子应用程序页面开发插件,通过所述推荐插件开发的子应用程序页面在渲染时,需在所述子应用程序页面渲染的子应用程序页面展示对象是按照与用户相关的推荐顺序渲染的;
获取通过与所述推荐插件对应的应用程序接口上传的、且与所述子应用程序页面标识关联的子应用程序页面展示对象;
根据所述用户数据确定所述子应用程序页面展示对象所对应的推荐顺序;
按照所述推荐顺序推荐所述子应用程序页面展示对象。
2.根据权利要求1所述的方法,其特征在于,所述获取与用户标识和子应用程序页面标识共同对应的页面访问请求,包括:
获取与用户标识对应的用户终端发起的页面访问请求;所述页面访问请求携带子应用程序页面标识;
按照所述推荐顺序推荐多个子应用程序页面展示对象,包括:
将所述推荐顺序反馈至所述用户终端;所述推荐顺序用于指示所述用户终端在所述页面区域按照所述推荐顺序渲染所述子应用程序页面展示对象。
3.根据权利要求2所述的方法,其特征在于,所述子应用程序页面展示对象由子应用程序服务器通过与所述推荐插件对应的应用程序接口上传;所述子应用程序服务器与所述子应用程序页面标识所对应的子应用程序相对应;
所述方法还包括:
监听由所述子应用程序服务器发起的页面展示对象更新请求;
在监听到所述页面展示对象更新请求时,将本地的子应用程序页面展示对象更新至与所述子应用程序服务器上的子应用程序页面展示对象一致。
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:
接收所述子应用程序服务器与子应用程序页面标识对应上传的页面文件;
查询所述页面访问请求携带的子应用程序页面标识所对应的页面文件;
当查询的所述页面文件中存在通过推荐插件指定的页面区域时,则判定所述子应用程序页面标识所对应的页面中包括通过推荐插件指定的页面区域。
5.根据权利要求1所述的方法,其特征在于,所述根据所述用户数据确定所述子应用程序页面展示对象所对应的推荐顺序,包括:
将所述用户数据中的各数据字段分别编码为相应的特征向量;
将各所述特征向量输入相应数据字段所对应的机器学习模型,得到各所述机器学习模型输出的、对应至各子应用程序页面展示对象的分类概率;
根据各所述特征向量分别对应至各子应用程序页面展示对象的分类概率,得到各子应用程序页面展示对象所对应的推荐概率;
按照推荐概率降序对所述子应用程序页面展示对象排序得到推荐顺序。
6.根据权利要求5所述的方法,其特征在于,所述方法还包括:
收集多个用户标识所对应的用户数据;
对收集到的所述用户数据进行清洗;
将清洗后的所述用户数据按数据字段分别编码为样本向量,得到各数据字段相应的样本向量集;
根据各所述样本向量集训练得到相应数据字段所对应的机器学习模型。
7.根据权利要求1-6中任一项所述的方法,其特征在于,所述用户数据包括母应用程序用户数据和子应用程序用户数据;所述母应用程序用户数据包括母应用程序用户个人数据和母应用程序用户阅读数据;所述子应用程序用户数据包括子应用程序用户行为数据。
8.根据权利要求1-6中任一项所述的方法,其特征在于,所述方法还包括:
获取与公众标识对应的内容发布请求;
确定所述内容发布请求所指定的发布内容和目标用户标识;
对于每个目标用户标识,根据该目标用户标识所对应的母应用程序用户数据,相应确定所述发布内容所对应的排列顺序;
对于每个目标用户标识,将所述发布内容及相应确定的排列顺序推送至该目标用户标识所对应的用户终端;所述排列顺序用于指示所述用户终端按照所述排列顺序展示所述发布内容。
9.一种发布内容推送方法,包括:
获取与公众标识对应的内容发布请求;
提取所述内容发布请求所指定的发布内容和目标用户标识;
查找与所述用户标识对应的用户数据;所述用户数据是反映用户特征的数据,包括与所述公众标识对应的应用程序的用户数据或者其他应用程序的用户数据;
根据所述用户数据,确定所述发布内容所对应的排列顺序;
将所述发布内容及所述排列顺序推送至所述目标用户标识所对应的用户终端;所述排列顺序用于指示所述用户终端在通过推荐插件指定的页面区域按照所述排列顺序展示所述发布内容;所述推荐插件是由母应用程序所提供的子应用程序页面开发插件,通过所述推荐插件开发的子应用程序页面在渲染时,需在所述子应用程序页面渲染的子应用程序页面展示对象是按照与用户相关的推荐顺序渲染的。
10.一种对象推荐装置,包括:
请求获取模块,用于获取与用户标识和子应用程序页面标识共同对应的页面访问请求;
查询模块,用于当所述子应用程序页面标识所对应的页面中包括通过推荐插件指定的页面区域时,查询与所述用户标识对应的用户数据;所述推荐插件是由母应用程序所提供的子应用程序页面开发插件,通过所述推荐插件开发的子应用程序页面在渲染时,需在所述子应用程序页面渲染的子应用程序页面展示对象是按照与用户相关的推荐顺序渲染的;
对象获取模块,用于获取通过与所述推荐插件对应的应用程序接口上传的、且与所述子应用程序页面标识关联的子应用程序页面展示对象;
确定模块,用于根据所述用户数据确定所述子应用程序页面展示对象所对应的推荐顺序;
推荐模块,用于按照所述推荐顺序推荐所述子应用程序页面展示对象。
11.根据权利要求10所述的装置,其特征在于,所述请求获取模块还用于获取与用户标识对应的用户终端发起的页面访问请求;所述页面访问请求携带子应用程序页面标识;
所述推荐模块还用于将所述推荐顺序反馈至所述用户终端;所述推荐顺序用于指示所述用户终端在所述页面区域按照所述推荐顺序渲染所述子应用程序页面展示对象。
12.根据权利要求11所述的装置,其特征在于,所述子应用程序页面展示对象由子应用程序服务器通过与所述推荐插件对应的应用程序接口上传;所述子应用程序服务器与所述子应用程序页面标识所对应的子应用程序相对应;
所述装置还包括更新模块:
所述更新模块,用于监听由所述子应用程序服务器发起的页面展示对象更新请求;在监听到所述页面展示对象更新请求时,将本地的子应用程序页面展示对象更新至与所述子应用程序服务器上的子应用程序页面展示对象一致。
13.根据权利要求12所述的装置,其特征在于,所述装置还包括接收模块:
所述接收模块,用于接收所述子应用程序服务器与子应用程序页面标识对应上传的页面文件;
所述查询模块,还用于查询所述页面访问请求携带的子应用程序页面标识所对应的页面文件;
当查询的所述页面文件中存在通过推荐插件指定的页面区域时,则判定所述子应用程序页面标识所对应的页面中包括通过推荐插件指定的页面区域。
14.根据权利要求10所述的装置,其特征在于,所述确定模块还用于将所述用户数据中的各数据字段分别编码为相应的特征向量;将各所述特征向量输入相应数据字段所对应的机器学习模型,得到各所述机器学习模型输出的、对应至各子应用程序页面展示对象的分类概率;根据各所述特征向量分别对应至各子应用程序页面展示对象的分类概率,得到各子应用程序页面展示对象所对应的推荐概率;按照推荐概率降序对所述子应用程序页面展示对象排序得到推荐顺序。
15.根据权利要求14所述的装置,其特征在于,所述装置还包括模型训练模块:
所述模型训练模块,用于收集多个用户标识所对应的用户数据;对收集到的所述用户数据进行清洗;将清洗后的所述用户数据按数据字段分别编码为样本向量,得到各数据字段相应的样本向量集;根据各所述样本向量集训练得到相应数据字段所对应的机器学习模型。
16.根据权利要求10-15中任一项所述的装置,其特征在于,所述用户数据包括母应用程序用户数据和子应用程序用户数据;所述母应用程序用户数据包括母应用程序用户个人数据和母应用程序用户阅读数据;所述子应用程序用户数据包括子应用程序用户行为数据。
17.根据权利要求10-15中任一项所述的装置,其特征在于,所述装置还包括更新模块、接收模块、模型训练模块和推送模块:
所述推送模块,用于获取与公众标识对应的内容发布请求;确定所述内容发布请求所指定的发布内容和目标用户标识;对于每个目标用户标识,根据该目标用户标识所对应的母应用程序用户数据,相应确定所述发布内容所对应的排列顺序;对于每个目标用户标识,将所述发布内容及相应确定的排列顺序推送至该目标用户标识所对应的用户终端;所述排列顺序用于指示所述用户终端按照所述排列顺序展示所述发布内容。
18.一种发布内容推送装置,包括:
获取模块,用于获取与公众标识对应的内容发布请求;
提取模块,用于提取所述内容发布请求所指定的发布内容和目标用户标识;
查找模块,用于查找与所述用户标识对应的用户数据;所述用户数据是反映用户特征的数据,包括与所述公众标识对应的应用程序的用户数据或者其他应用程序的用户数据;
确定模块,用于根据所述用户数据,确定所述发布内容所对应的排列顺序;
推送模块,用于将所述发布内容及所述排列顺序推送至所述目标用户标识所对应的用户终端;所述排列顺序用于指示所述用户终端在通过推荐插件指定的页面区域按照所述排列顺序展示所述发布内容;所述推荐插件是由母应用程序所提供的子应用程序页面开发插件,通过所述推荐插件开发的子应用程序页面在渲染时,需在所述子应用程序页面渲染的子应用程序页面展示对象是按照与用户相关的推荐顺序渲染的。
19.一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时,使得所述处理器执行如权利要求1至9中任一项所述的方法的步骤。
20.一种计算机设备,包括存储器和处理器,所述存储器中储存有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行如权利要求1至9中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810045050.XA CN108228873B (zh) | 2018-01-17 | 2018-01-17 | 对象推荐、发布内容推送方法、装置、存储介质和设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810045050.XA CN108228873B (zh) | 2018-01-17 | 2018-01-17 | 对象推荐、发布内容推送方法、装置、存储介质和设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108228873A CN108228873A (zh) | 2018-06-29 |
CN108228873B true CN108228873B (zh) | 2022-02-18 |
Family
ID=62641334
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810045050.XA Active CN108228873B (zh) | 2018-01-17 | 2018-01-17 | 对象推荐、发布内容推送方法、装置、存储介质和设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108228873B (zh) |
Families Citing this family (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110737691B (zh) * | 2018-07-03 | 2022-11-04 | 百度在线网络技术(北京)有限公司 | 用于处理访问行为数据的方法和装置 |
CN109271239A (zh) * | 2018-08-10 | 2019-01-25 | 北京达佳互联信息技术有限公司 | 数据处理的方法、装置、系统、设备及介质 |
CN109447685A (zh) * | 2018-09-26 | 2019-03-08 | 中国平安人寿保险股份有限公司 | 基于机器学习的产品数据推送方法、装置和计算机设备 |
CN109144615B (zh) * | 2018-09-29 | 2022-05-10 | 北京城市网邻信息技术有限公司 | 一种信息发布方法、装置、设备及存储介质 |
CN109521938B (zh) * | 2018-11-26 | 2020-12-25 | 北京达佳互联信息技术有限公司 | 数据评价信息的确定方法、装置、电子设备及存储介质 |
CN111294368A (zh) * | 2018-12-06 | 2020-06-16 | 上海博泰悦臻电子设备制造有限公司 | 云服务器、智能客户端及其车主服务方法 |
CN109559313B (zh) * | 2018-12-06 | 2021-11-12 | 网易(杭州)网络有限公司 | 图像处理方法、介质、装置和计算设备 |
CN109670117B (zh) * | 2018-12-28 | 2023-03-31 | 北京百度网讯科技有限公司 | 信息列表的推荐方法及其装置 |
CN109688227B (zh) * | 2019-01-11 | 2021-02-02 | 腾讯科技(深圳)有限公司 | 信息推送方法 |
CN109871501B (zh) * | 2019-03-11 | 2021-04-20 | 腾讯科技(深圳)有限公司 | 页面展示方法、装置、计算机可读存储介质和计算机设备 |
CN110458646A (zh) * | 2019-07-05 | 2019-11-15 | 深圳壹账通智能科技有限公司 | 页面展示方法、装置、计算机设备及存储介质 |
CN110516147A (zh) * | 2019-07-22 | 2019-11-29 | 平安科技(深圳)有限公司 | 页面数据生成方法、装置、计算机设备及存储介质 |
CN110728370B (zh) * | 2019-09-16 | 2020-08-14 | 北京达佳互联信息技术有限公司 | 训练样本的生成方法、装置、服务器及存储介质 |
CN110659098B (zh) * | 2019-09-23 | 2021-01-29 | 北京城市网邻信息技术有限公司 | 数据更新方法、装置、终端设备及存储介质 |
CN112702375B (zh) * | 2019-10-23 | 2022-06-24 | 腾讯科技(深圳)有限公司 | 信息推送方法、装置、计算机设备以及存储介质 |
CN111859196B (zh) * | 2020-07-29 | 2023-11-28 | 北京达佳互联信息技术有限公司 | 信息推荐方法、装置、电子设备及存储介质 |
CN111881356A (zh) * | 2020-07-30 | 2020-11-03 | 北京奇艺世纪科技有限公司 | 内容推荐方法、装置、电子设备及存储介质 |
CN112883303A (zh) * | 2021-02-25 | 2021-06-01 | 北京有竹居网络技术有限公司 | 页面跳转方法、装置、电子设备及存储介质 |
CN113065061A (zh) * | 2021-03-08 | 2021-07-02 | 北京达佳互联信息技术有限公司 | 信息展示方法、装置及服务器 |
CN113807914A (zh) * | 2021-08-30 | 2021-12-17 | 北京达佳互联信息技术有限公司 | 一种商品信息的显示方法、装置、设备及存储介质 |
CN114329187B (zh) * | 2021-12-08 | 2023-01-24 | 北京五八信息技术有限公司 | 内容对象的推荐方法、装置、电子设备以及可读介质 |
CN115988238A (zh) * | 2022-12-19 | 2023-04-18 | 北京奇艺世纪科技有限公司 | 视频信息的显示方法、装置、系统、电子设备及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105516270A (zh) * | 2015-11-30 | 2016-04-20 | 小米科技有限责任公司 | 信息推送方法及装置 |
CN106528813A (zh) * | 2016-11-18 | 2017-03-22 | 腾讯科技(深圳)有限公司 | 一种多媒体推荐方法和装置 |
CN106547808A (zh) * | 2015-09-23 | 2017-03-29 | 阿里巴巴集团控股有限公司 | 图片更新方法、类目排序方法及装置 |
-
2018
- 2018-01-17 CN CN201810045050.XA patent/CN108228873B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106547808A (zh) * | 2015-09-23 | 2017-03-29 | 阿里巴巴集团控股有限公司 | 图片更新方法、类目排序方法及装置 |
CN105516270A (zh) * | 2015-11-30 | 2016-04-20 | 小米科技有限责任公司 | 信息推送方法及装置 |
CN106528813A (zh) * | 2016-11-18 | 2017-03-22 | 腾讯科技(深圳)有限公司 | 一种多媒体推荐方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN108228873A (zh) | 2018-06-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108228873B (zh) | 对象推荐、发布内容推送方法、装置、存储介质和设备 | |
CN111199428B (zh) | 商品推荐方法、装置、存储介质及计算机设备 | |
CN108763502B (zh) | 信息推荐方法和系统 | |
CN110909182B (zh) | 多媒体资源搜索方法、装置、计算机设备及存储介质 | |
TWI436292B (zh) | Information processing devices, information processing methods and information processing products | |
CN108334632B (zh) | 实体推荐方法、装置、计算机设备和计算机可读存储介质 | |
CN109582876B (zh) | 旅游行业用户画像构造方法、装置和计算机设备 | |
CN110543598B (zh) | 信息推荐方法、装置及终端 | |
CN112115363A (zh) | 一种推荐方法、计算设备及存储介质 | |
US20150066586A1 (en) | Evaluation calculating device, evaluation calculating method, and recording medium | |
CN112837106A (zh) | 商品推荐方法、装置、计算机设备 | |
CN110008397B (zh) | 一种推荐模型训练方法及装置 | |
CN110827112B (zh) | 深度学习的商品推荐方法、装置、计算机设备及存储介质 | |
CN110413867B (zh) | 用于内容推荐的方法及系统 | |
US11568011B2 (en) | System and method for improved searching across multiple databases | |
CN111400613A (zh) | 物品推荐方法、装置、介质及计算机设备 | |
CN113032668A (zh) | 基于用户画像的产品推荐方法、装置、设备及存储介质 | |
CN112989169A (zh) | 目标对象识别方法、信息推荐方法、装置、设备及介质 | |
CN111695041B (zh) | 用于推荐信息的方法和装置 | |
CN115329131A (zh) | 素材标签推荐方法、装置、电子设备及存储介质 | |
CN111552835A (zh) | 文件推荐方法、装置及服务器 | |
CN111737584B (zh) | 行为预测系统的更新方法及装置 | |
CN112000326A (zh) | 一种服务提供方法、装置、电子设备及存储介质 | |
CN115239421A (zh) | 商品推荐方法、装置、设备及介质 | |
KR20220053398A (ko) | 인공지능을 활용한 의류상품 실시간 연결 및 추천 서비스 시스템 |
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 |