发明内容
本申请的目的在于提供一种信息推荐方法、装置和电子设备,提高向用户推荐的信息的丰富程度。
为解决上述技术问题,本申请实施例是这样实现的:
第一方面,提供了一种信息推荐方法,包括:
在用户进行搜索输入时,获取所述用户的用户上下文信息,并根据所述用户上下文信息获取第一推荐信息;
获取所述用户在进行搜索输入时输入的搜索关键词,并根据所述搜索关键词获取第二推荐信息;
基于所述第一推荐信息和所述第二推荐信息,确定推荐给所述用户的目标推荐信息。
第二方面,提供一种信息推荐装置,包括:
第一获取单元,在用户进行搜索输入时,获取所述用户的用户上下文信息,并根据所述用户上下文信息获取第一推荐信息;
第二获取单元,获取所述用户在进行搜索输入时输入的搜索关键词,并根据所述搜索关键词获取第二推荐信息;
处理单元,基于所述第一推荐信息和所述第二推荐信息,确定推荐给所述用户的目标推荐信息。
第三方面,提供一种电子设备,包括:
处理器;以及
被安排成存储计算机可执行指令的存储器,所述可执行指令在被执行时使用所述处理器执行以下操作:
在用户进行搜索输入时,获取所述用户的用户上下文信息,并根据所述用户上下文信息获取第一推荐信息;
获取所述用户在进行搜索输入时输入的搜索关键词,并根据所述搜索关键词获取第二推荐信息;
基于所述第一推荐信息和所述第二推荐信息,确定推荐给所述用户的目标推荐信息。
第四方面,提供一种计算机可读介质,所述计算机可读介质存储一个或多个程序,所述一个或多个程序当被包括多个应用程序的电子设备执行时,使得所述电子设备执行以下操作:
在用户进行搜索输入时,获取所述用户的用户上下文信息,并根据所述用户上下文信息获取第一推荐信息;
获取所述用户在进行搜索输入时输入的搜索关键词,并根据所述搜索关键词获取第二推荐信息;
基于所述第一推荐信息和所述第二推荐信息,确定推荐给所述用户的目标推荐信息。
由以上本申请实施例提供的技术方案可见,本申请实施例在用户进行搜索输入时,获取并根据用户上下文信息获取第一推荐信息,并且进一步获取并根据用户输入的搜索关键词获取第二推荐信息,之后基于第一推荐信息和第二推荐信息确定推荐给用户的目标推荐信息。本申请实施例的方法结合基于用户上下文信息获取的第一推荐信息和基于用户的搜索关键词获取的第二推荐信息向用户推荐信息,能够提高用户推荐的信息的丰富程度。
具体实施方式
为了使本技术领域的人员更好地理解本申请中的技术方案,下面将结合本申请实施例中的附图,对本申请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申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都应当属于本申请保护的范围。
图1是根据本申请的一个实施例的信息推荐方法的流程图。图1的方法由信息推荐装置执行。
如图1所示出的,在S102处,在用户进行搜索输入时,获取所述用户的用户上下文信息,并根据所述用户上下文信息获取第一推荐信息。
可选地,在一些实施例中,用户上下文信息包括用户兴趣标签信息和/或用户社交关系信息。在这里,用户兴趣标签信息用于标识用户的兴趣,用户兴趣标签信息可以是基于用户的历史行为数据和兴趣标签模型确定的,兴趣标签模型可以是基于训练数据训练得到的。用户社交关系信息包括但不限于社交关系类型、社交关系的持续时长,社交关系的类型例如可以是债务关系或聊天朋友关系。
作为一个例子,用户上下文信息包括用户兴趣标签信息,则根据用户上下文信息获取第一推荐信息,包括:将与用户兴趣标签信息相匹配的信息确定为所述第一推荐信息。将与用户的用户兴趣标签信息相匹配的信息确定为第一推荐信息,能够有利于为用户提供用户感兴趣的内容,提高用户体验。
举例来说,用户兴趣标签信息标识用户对“火锅”感兴趣,则第一推荐信息包括火锅店铺的名称。或者用户兴趣标签信息标识用户对A类产品感兴趣,则第一推荐信息包括与A类产品具有某些共性(例如,外形、原材料等)的B类产品的相关信息。
作为另一个例子,用户上下文信息包括用户社交关系信息,则根据用户上下文信息获取第一推荐信息,包括:根据用户社交关系信息,确定与用户的社交关系强度高于预设强度阈值的目标用户,根据目标用户的用户兴趣,获取第一推荐信息。
可以理解的是,与用户的社交关系强度高于预设强度阈值的目标用户一般为该用户的朋友,两者可能有共同的兴趣爱好,因此可以基于用户的朋友的兴趣确定向用户推荐的信息。举例来说,假设目标用户对“滑冰”感兴趣,则第一推荐信息中包括滑冰场相关的信息。或者目标用户对“红酒”感兴趣,则第一推荐信息中包括红酒店铺信息。
具体地,在一些实施例中,在确定一个用户与所述用户的社交关系强度时,可以根据与所述用户具有普通聊天关系的用户与所述用户的社交关系强度高于与所述用户具有债务关系的用户与所述用户的社交关系强度的规则进行确定。或者可以根据与所述用户的社交关系的持续时间越长的用户与所述用户的社交关系的强度越强的规则进行确定。
进一步地,可以对不同的社交关系类型赋予不同的社交关系强度值,例如,债务关系的社交关系强度值为20,聊天朋友关系的社交关系强度值为80。可以对社交关系不同的持续时间赋予不同的社交关系强度值,例如,持续时间低于一年的社交关系的社交关系强度值为10,持续时间在一年至三年的社交关系的社交关系强度值为30,持续时间在三年以上的社交关系的社交关系强度值为60。如果预设强度阈值为50,则如果用户与另一个用户为聊天朋友关系且社交关系持续时间为2年,则该另一个用户与该用户的社交关系强度为110,由于该另一个用户与该用户的社交关系强度大于预设强度阈值,因此可以将该另一个用户确定为目标用户,并根据该另一个用户的兴趣获取第一推荐信息。
在S104处,获取所述用户在进行搜索输入时输入的搜索关键词,并根据所述搜索关键词获取第二推荐信息。
举例来说,用户在进行搜索输入时输入的搜索关键词是“五道口”,则第二推荐信息中包括“五道口”附近的店铺信息。或者用户在进行搜索输入时输入的搜索关键词是“连衣裙”,则第二推荐信息中包括“连衣裙”相关的购物网站信息。
进一步地,在一些实施例中,图1所示的方法还包括:在用户进行搜索输入时,确定用户的搜索意图;则在S102处,根据用户上下文信息获取第一推荐信息包括:根据所述搜索意图和所述用户上下文信息获取的第一推荐信息;在S104处,根据所述搜索关键词获取第二推荐信息,包括:根据所述搜索意图和所述搜索关键词获取所述第二推荐信息。
同样以用户在进行搜索输入时输入的搜索关键词是“五道口”为例,如果通过分析用户的历史行为得出该用户在1天前通过购票软件购买了一张火车票,并判断出用户的搜索意图为查找去火车站的路线,则第一推荐信息中不再是包括店铺信息,而是包括“五道口”附近的地铁站或公交站信息。或者第一推荐信中同时包括“五道口”附近的地铁或公交站信息以及“五道口”附近的店铺信息,但在第一推荐信息中的呈现顺序为地铁或公交站信息在店铺信息之前。可以看出,在考虑用户的搜索意图时,能够使得获取到的推荐信息更加符合用户的需求,提高用户体验。
需要说明的是,虽然上述实施例为了表述方便,将S104置于S102之后。但是,根据实际情况,这两个步骤的执行顺序可以调换,即获取所述用户在进行搜索输入时输入的搜索关键词,并根据所述搜索关键词获取第二推荐信息,再获取所述用户的用户上下文信息,并根据所述用户上下文信息获取第一推荐信息。或者,S104和S102可以同时执行,即在获取用户输入的搜索关键词的同时获取用户的用户上下文信息,在根据搜索关键词获取第二推荐信息的同时根据用户上下文信息获取第一推荐信息。
在S106处,基于所述第一推荐信息和所述第二推荐信息,确定推荐给所述用户的目标推荐信息。
可选地,在一些实施例中,如图2所示出的,S106具体包括:
S1061,对所述第一推荐信息和所述第二推荐信息进行整合处理。
S1062,基于整合处理后的结果,确定所述目标推荐信息。
举例来说,对第一推荐信息和第二推荐信息进行整合处理可以是进行去重操作。例如,第一推荐信息中包括“店铺A”,第二推荐信息也包括“店铺A”,则可以删除第一推荐信息或第二推荐信息中包括的“店铺A”,保证目标推荐信息中只包括一个“店铺A”。基于整合处理后的结果确定目标推荐信息,可以是从整合处理后的结果中选择出预设数量的信息作为目标推荐信息。例如,整合处理后的结果中包括50个店铺的名称,而预设数量为20,则从这50个店铺中选择20个店铺作为目标推荐信息。
可选地,在一些实施例中,第一推荐信息包括至少一个第一子推荐信息,第二推荐信息包括至少一个第二子推荐信息;则在S1061中对所述第一推荐信息和所述第二推荐信息进行整合处理,包括:根据预设规则,对至少一个第一子推荐信息和至少一个第二子推荐信息进行排序处理。可以理解的是,在排序完成后,可以选择排序靠前的预设数量的子推荐信息作为目标推荐信息。
作为一个例子,预设规则包括:用户感兴趣的程度越高的子推荐信息的排序越靠前;和/或,预测点击率越高的子推荐信息的排序越靠前。在这种情况下,可以通过点击率预测模型确定每个子推荐信息的预测点击率,点击率预测模型可以是基于用户的历史点击数据训练得到的。
举例来说,假设对于用户来讲,饮食类信息的预测点击率高于购物类信息的预测点击率,且在饮食类信息中火锅类信息的预测点击率高于快餐类信息的预测点击率,在购物类信息中服饰类信息的预测点击率高于化妆品类信息的预测点击率。在第一推荐信息中包括的第一子推荐信息包括:A1火锅店、B1火锅店和C1服装店,第二推荐信息中包括的第二子推荐信息包括:A2快餐店、B2火锅店和C2化妆品店。则根据上述的排序规则对第一子推荐信息和第二子推荐信息进行排序的结果为:A1火锅店、A2火锅店、B2火锅店、A2快餐店、C1服装店和C2化妆品店。如果推荐给用户的目标推荐信息中可以包括大于或等于6个子推荐信息,则将上述排序的结果作为目标推荐信息推荐给用户。如果推荐给用户的目标推荐信息只允许包括4个子推荐信息在,则将上述排序结果中排在权4位的子推荐信息作为目标推荐信息推荐给用户。
以上结合图1和图2详细描述了根据本申请实施例的信息推荐方法。下面将结合图3详细描述根据本申请实施例的电子设备。参考图3,在硬件层面,电子设备包括处理器,可选地,包括内部总线、网络接口、存储器。其中,存储器可能包含内存,例如高速随机存取存储器(Random-Access Memory,RAM),也可能还包括非易失性存储器(non-volatilememory),例如至少1个磁盘存储器等。当然,该电子设备还可能包括其他业务所需要的硬件。
处理器、网络接口和存储器可以通过内部总线相互连接,该内部总线可以是工业标准体系结构(Industry Standard Architecture,ISA)总线、外设部件互连标准(Peripheral Component Interconnect,PCI)总线或扩展工业标准结构(ExtendedIndustry Standard Architecture,EISA)总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示,图3中仅用一个双向箭头表示,但并不表示仅有一根总线或一种类型的总线。
存储器,用于存放程序。具体地,程序可以包括程序代码,所述程序代码包括计算机操作指令。存储器可以包括内存和非易失性存储器,并向处理器提供指令和数据。
处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行,在逻辑层面上形成信息推荐装置。处理器,执行存储器所存放的程序,并具体用于执行以下操作:
在用户进行搜索输入时,获取所述用户的用户上下文信息,并根据所述用户上下文信息获取第一推荐信息;
获取所述用户在进行搜索输入时输入的搜索关键词,并根据所述搜索关键词获取第二推荐信息;
基于所述第一推荐信息和所述第二推荐信息,确定推荐给所述用户的目标推荐信息。
上述如本申请图1和图2所示实施例揭示的信息推荐装置执行的方法可以应用于处理器中,或者由处理器实现。处理器可能是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器,包括中央处理器(Central Processing Unit,CPU)、网络处理器(Network Processor,NP)等;还可以是数字信号处理器(Digital SignalProcessor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器,处理器读取存储器中的信息,结合其硬件完成上述方法的步骤。
当然,除了软件实现方式之外,本申请的电子设备并不排除其他实现方式,比如逻辑器件抑或软硬件结合的方式等等,也就是说以下处理流程的执行主体并不限定于各个逻辑单元,也可以是硬件或逻辑器件。
本申请实施例还提出了一种计算机可读存储介质,该计算机可读存储介质存储一个或多个程序,该一个或多个程序包括指令,该指令当被包括多个应用程序的电子设备执行时,能够使该电子设备执行图1和图2所示实施例的方法,并具体用于执行以下方法:
在用户进行搜索输入时,获取所述用户的用户上下文信息,并根据所述用户上下文信息获取第一推荐信息;
获取所述用户在进行搜索输入时输入的搜索关键词,并根据所述搜索关键词获取第二推荐信息;
基于所述第一推荐信息和所述第二推荐信息,确定推荐给所述用户的目标推荐信息。
图4是本申请的一个实施例的信息推荐装置的结构示意图。请参考图4,在一种软件实施方式中,信息推荐装置400可包括:第一获取单元401、第二获取单元402和处理单元403,其中,
第一获取单元401,在用户进行搜索输入时,获取所述用户的用户上下文信息,并根据所述用户上下文信息获取第一推荐信息;
第二获取单元402,获取所述用户在进行搜索输入时输入的搜索关键词,并根据所述搜索关键词获取第二推荐信息;
处理单元403,基于所述第一推荐信息和所述第二推荐信息,确定推荐给所述用户的目标推荐信息。
本申请实施例的信息推荐装置,在用户进行搜索输入时,获取并根据用户上下文信息获取第一推荐信息,并且进一步获取并根据用户输入的搜索关键词获取第二推荐信息,之后基于第一推荐信息和第二推荐信息确定推荐给用户的目标推荐信息。本申请实施例的信息的推荐装置结合基于用户上下文信息获取的第一推荐信息和基于用户的搜索关键词获取的第二推荐信息向用户推荐信息,能够提高用户推荐的信息的丰富程度。
可选地,作为一个实施例,所述处理单元403:
对所述第一推荐信息和所述第二推荐信息进行整合处理;
基于整合处理后的结果,确定所述目标推荐信息。
可选地,作为一个实施例,所述第一推荐信息包括至少一个第一子推荐信息,所述第二推荐信息包括至少一个第二子推荐信息;
其中,所述处理单元403:
根据预设规则,对所述至少一个第一子推荐信息和至少一个第二子推荐信息进行排序处理。
可选地,作为一个实施例,所述预设规则包括:
用户感兴趣的程度越高的子推荐信息的排序越靠前;和/或,
预测点击率越高的子推荐信息的排序越靠。
可选地,作为一个实施例,所述用户上下文信息包括用户兴趣标签信息和/或用户社交关系信息。
可选地,作为一个实施例,所述用户上下文信息包括用户兴趣标签信息;
其中,所述第一获取单元401:
将与所述用户兴趣标签信息相匹配的信息确定为所述第一推荐信息。
可选地,作为一个实施例,所述用户上下文信息包括用户社交关系信息;
其中,所述第一获取单元401:
根据所述用户社交关系信息,确定与所述用户的社交关系强度高于预设强度阈值的目标用户;
根据所述目标用户的用户兴趣,获取所述第一推荐信息。
可选地,作为一个实施例,所述处理单元403:
在用户进行搜索输入时,确定所述用户的搜索意图;
其中,所述第一获取单元401:根据所述搜索意图和所述用户上下文信息获取所述第一推荐信息;
所述第二获取单元402:根据所述搜索意图和所述搜索关键词获取所述第二推荐信息。
信息推荐装置400还可执行图1和图2所示实施例的方法,并实现信息推荐装置在图1和图2所示实施例的功能,本申请实施例在此不再赘述。
图5是根据本申请的一个实施例的信息推荐系统的示意图。请参考图5,信息推荐系统包括客户端、第一服务器(推荐服务器)和第二服务器(搜索服务器),客户端与第一服务器和第二服务器之间建立通信连接。当客户端确定用户在该客户端上进行搜索输入时,向第一服务器发送推荐请求信息,向第二服务器发送搜索请求信息,推荐请求信息中携带用户的标识信息,搜索请求信息中携带用户输入的搜索关键词。第一服务器接收到第一服务器发送的推荐请求信息时,获取用户的用户上下文信息,并基于用户的用户上下文信息获取第一推荐信息。第二服务器接收到搜索请求信息时,基于搜索关键词获取第二推荐信息。之后第一服务器将第一推荐信息反馈给客户端,第二服务器将第二推荐信息反馈给客户端,客户端将第一推荐信息和第二推荐信息进行整合处理,并根据整合处理的结果向用户推荐信息。
可以理解的是,图5中将第一服务器和第二服务器作为独立的服务器进行描述仅仅是一种示例。第一服务器和第二服务器还可以是同一个服务器的不同服务部分,在这种情况下,服务器可以将第一推荐信息和第二推荐信息进行整合处理,并将整合处理的结果反馈给客户端,由客户端直接根据整合处理的结果向用户推荐信息。
需要说明的是,图5中的第一服务器根据用户上下文信息获取第一推荐信息的方法,以及第二服务器根据搜索关键词获取第二推荐信息的方法与图1中所示的相应方法相类似,在此不再赘述。并且图5中所示的客户端或服务器对第一推荐信息和第二推荐信息进行整合处理的方法与图1中所示的相应方法相类似,在此也不再赘述。
总之,以上所述仅为本申请的较佳实施例而已,并非用于限定本申请的保护范围。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。
上述实施例阐明的系统、装置、模块或单元,具体可以由计算机芯片或实体实现,或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的,计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,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、商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、商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、商品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于系统实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。