CN108984756B - 信息处理方法、介质、装置和计算设备 - Google Patents

Abstract

本发明的实施方式提供了一种信息处理方法、介质、装置和计算设备。该信息处理方法包括：获取与各个目标文章类别相关联的用户行为数据；根据与所述各个目标文章类别相关联的用户行为数据，确定各个用户在所述目标文章类别下的阅读得分；根据所述各个用户在所述目标文章类别下的阅读得分，确定在所述目标文章类别下的阅读得分排在前N位的目标用户；向所述目标用户分配与所述目标文章类别对应的特定标识。本发明实施例的技术方案能够提高用户使用资讯类软件的活跃度，提升了用户对文章的阅读兴趣，进而能够提高用户对资讯类软件的依赖感和留存率。

Description

信息处理方法、介质、装置和计算设备

技术领域

本发明的实施方式涉及通信及计算机技术领域，更具体地，本发明的实施方式涉及信息处理方法、介质、装置和计算设备。

背景技术

本部分旨在为权利要求书中陈述的本发明的实施方式提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。

目前，移动终端(如手机、平板电脑等)中的资讯类软件种类繁多，用户在使用资讯类软件时，可以通过点击资讯类软件提供的信息流列表中的资讯进入内容详情页来浏览和查看相应的资讯内容。

发明内容

但是，如何能够根据用户在使用资讯类软件过程中的行为数据来提升用户对资讯类软件的依赖感和留存率是业内亟待解决的技术问题。

为此，非常需要一种改进的信息处理方案，可以提高用户使用资讯类软件的活跃度，进而提高用户对资讯类软件的依赖感和留存率。

在本上下文中，本发明的实施方式期望提供一种信息处理方法、介质、装置和计算设备。

在本发明实施方式的第一方面中，提供了一种信息处理方法，包括：获取与各个目标文章类别相关联的用户行为数据；根据与所述各个目标文章类别相关联的用户行为数据，确定各个用户在所述目标文章类别下的阅读得分；根据所述各个用户在所述目标文章类别下的阅读得分，确定在所述目标文章类别下的阅读得分排在前N位的目标用户；向所述目标用户分配与所述目标文章类别对应的特定标识。

在本发明的一些实施例中，基于前述方案，所述目标文章类别为用户的行为数据评估量大于或等于预定阈值的文章类别。

在本发明的一些实施例中，基于前述方案，所述行为数据评估量包括以下至少之一：有效阅读量、阅读完成度、文章收藏量、文章分享量、跟帖量。

在本发明的一些实施例中，基于前述方案，所述的方法还包括：若检测到第一用户对第二用户拥有的特定标识的触发操作，则向所述第一用户展示所述第二用户拥有的特定标识所对应的文章类型，和/或所述第二用户推荐的文章，和/或各个用户拥有的特定标识的数量排行榜。

在本发明的一些实施例中，基于前述方案，所述的方法还包括：若检测到所述第一用户对展示出的指定文章类型的触发操作，则向所述第一用户展示在所述指定文章类型下阅读得分排名前M位的用户，并展示所述第二用户在所述指定文章类型下的阅读得分排名。

在本发明的一些实施例中，基于前述方案，所述的方法还包括：若检测到第一用户对所述第一用户拥有的特定标识的触发操作，则向所述第一用户展示所述第一用户拥有的特定标识所对应的文章类型，和/或与所述第一用户相似的其它用户，和/或各个用户拥有的特定标识的数量排行榜。

在本发明的一些实施例中，基于前述方案，所述的方法还包括：若检测到所述第一用户对展示出的指定文章类型的触发操作，则向所述第一用户展示在所述指定文章类型下阅读得分排名前M位的用户，并展示所述第一用户在所述指定文章类型下的阅读得分排名。

在本发明的一些实施例中，基于前述方案，所述的方法还包括：若检测到第一用户对所述目标用户中的指定用户的关注指令，则将所述第一用户与所述指定用户进行关联。

在本发明的一些实施例中，基于前述方案，所述的方法还包括：若检测到所述指定用户推荐了文章，则将所述指定用户推荐的文章推送给所述第一用户。

在本发明的一些实施例中，基于前述方案，所述的方法还包括：在将所述指定用户推荐的文章推送给所述第一用户时，向所述第一用户展示推送的理由。

在本发明的一些实施例中，基于前述方案，所述的方法还包括：根据所述目标用户中对所述目标文章类别下的各个文章的推荐人数，确定所述各个文章在投放时的推送权重；其中，所述推送权重与所述推荐人数成正相关关系。

在本发明的一些实施例中，基于前述方案，所述的方法还包括：接收指定用户对与其关联的文章推荐模型的修改指令；根据所述修改指令，调整与所述指定用户相关联的文章推荐模型。

在本发明的一些实施例中，基于前述方案，接收指定用户对与其关联的文章推荐模型的修改指令，包括：接收所述指定用户针对多个文章类别中的每个文章类别设置的推荐分值。

在本发明的一些实施例中，基于前述方案，接收所述指定用户针对多个文章类别中的每个文章类别设置的推荐分值，包括：显示所述多个文章类别对应的推荐分值雷达图；接收所述指定用户在所述推荐分值雷达图中针对所述多个文章类别分别设置的推荐分值。

在本发明的一些实施例中，基于前述方案，所述多个文章类别包括：预设的至少一个文章类别；和/或根据所述指定用户的阅读行为确定的与所述指定用户相关联的至少一个文章类别；和/或根据所述指定用户输入的关键词确定的至少一个文章类别。

在本发明的一些实施例中，基于前述方案，所述的方法还包括：记录各个用户在预定时间段内的行为数据；根据所述各个用户在所述预定时间段内的行为数据，确定具有关联关系的多个用户；基于所述多个用户之间的关联关系推送文章。

在本发明的一些实施例中，基于前述方案，基于所述多个用户之间的关联关系推送文章，包括：将所述多个用户中的部分用户已阅读的文章推送给所述多个用户中的其它用户。

在本发明的一些实施例中，基于前述方案，所述的方法还包括：在将所述已阅读的文章推送给所述多个用户中的其它用户时，向所述其它用户展示推送的理由。

在本发明的一些实施例中，基于前述方案，所述的方法还包括：根据所述各个用户在所述预定时间段内的行为数据，和/或根据所述各个用户对设定任务的完成情况，向所述各个用户分配虚拟碎片；根据所述各个用户获得的虚拟碎片的数量，确定向所述各个用户分发的奖励。

在本发明实施方式的第二方面中，提供了一种介质，其上存储有程序，该程序被处理器执行时实现如上述实施例中所述的方法。

在本发明实施方式的第三方面中，提供了一种信息处理装置，包括：获取单元，用于获取与各个目标文章类别相关联的用户行为数据；第一确定单元，用于根据与所述各个目标文章类别相关联的用户行为数据，确定各个用户在所述目标文章类别下的阅读得分；第二确定单元，用于根据所述各个用户在所述目标文章类别下的阅读得分，确定在所述目标文章类别下的阅读得分排在前N位的目标用户；第一分配单元，用于向所述目标用户分配与所述目标文章类别对应的特定标识。

在本发明的一些实施例中，基于前述方案，所述目标文章类别为用户的行为数据评估量大于或等于预定阈值的文章类别。

在本发明的一些实施例中，基于前述方案，所述行为数据评估量包括以下至少之一：有效阅读量、阅读完成度、文章收藏量、文章分享量、跟帖量。

在本发明的一些实施例中，基于前述方案，所述的装置还包括：第一展示单元，用于在检测到第一用户对第二用户拥有的特定标识的触发操作时，向所述第一用户展示所述第二用户拥有的特定标识所对应的文章类型，和/或所述第二用户推荐的文章，和/或各个用户拥有的特定标识的数量排行榜。

在本发明的一些实施例中，基于前述方案，所述第一展示单元还用于：在检测到所述第一用户对展示出的指定文章类型的触发操作时，向所述第一用户展示在所述指定文章类型下阅读得分排名前M位的用户，并展示所述第二用户在所述指定文章类型下的阅读得分排名。

在本发明的一些实施例中，基于前述方案，所述的装置还包括：第二展示单元，用于在检测到第一用户对所述第一用户拥有的特定标识的触发操作时，向所述第一用户展示所述第一用户拥有的特定标识所对应的文章类型，和/或与所述第一用户相似的其它用户，和/或各个用户拥有的特定标识的数量排行榜。

在本发明的一些实施例中，基于前述方案，所述第二展示单元还用于：在检测到所述第一用户对展示出的指定文章类型的触发操作时，向所述第一用户展示在所述指定文章类型下阅读得分排名前M位的用户，并展示所述第一用户在所述指定文章类型下的阅读得分排名。

在本发明的一些实施例中，基于前述方案，所述的装置还包括：关联单元，用于在检测到第一用户对所述目标用户中的指定用户的关注指令时，将所述第一用户与所述指定用户进行关联。

在本发明的一些实施例中，基于前述方案，所述的装置还包括：推荐单元，用于在检测到所述指定用户推荐了文章时，将所述指定用户推荐的文章推送给所述第一用户。

在本发明的一些实施例中，基于前述方案，所述推荐单元还用于：在将所述指定用户推荐的文章推送给所述第一用户时，向所述第一用户展示推送的理由。

在本发明的一些实施例中，基于前述方案，所述的装置还包括：第三确定单元，用于根据所述目标用户中对所述目标文章类别下的各个文章的推荐人数，确定所述各个文章在投放时的推送权重；其中，所述推送权重与所述推荐人数成正相关关系。

在本发明的一些实施例中，基于前述方案，所述的装置还包括：接收单元，用于接收指定用户对与其关联的文章推荐模型的修改指令；调整单元，用于根据所述修改指令，调整与所述指定用户相关联的文章推荐模型。

在本发明的一些实施例中，基于前述方案，所述接收单元配置为：接收所述指定用户针对多个文章类别中的每个文章类别设置的推荐分值。

在本发明的一些实施例中，基于前述方案，所述接收单元配置为：显示所述多个文章类别对应的推荐分值雷达图；接收所述指定用户在所述推荐分值雷达图中针对所述多个文章类别分别设置的推荐分值。

在本发明的一些实施例中，基于前述方案，所述多个文章类别包括：预设的至少一个文章类别；和/或根据所述指定用户的阅读行为确定的与所述指定用户相关联的至少一个文章类别；和/或根据所述指定用户输入的关键词确定的至少一个文章类别。

在本发明的一些实施例中，基于前述方案，所述的装置还包括：记录单元，用于记录各个用户在预定时间段内的行为数据；第四确定单元，用于根据所述各个用户在所述预定时间段内的行为数据，确定具有关联关系的多个用户；推送单元，用于基于所述多个用户之间的关联关系推送文章。

在本发明的一些实施例中，基于前述方案，所述推送单元配置为：将所述多个用户中的部分用户已阅读的文章推送给所述多个用户中的其它用户。

在本发明的一些实施例中，基于前述方案，所述推送单元还用于：在将所述已阅读的文章推送给所述多个用户中的其它用户时，向所述其它用户展示推送的理由。

在本发明的一些实施例中，基于前述方案，所述的装置还包括：第二分配单元，用于根据所述各个用户在所述预定时间段内的行为数据，和/或根据所述各个用户对设定任务的完成情况，向所述各个用户分配虚拟碎片；第五确定单元，用于根据所述各个用户获得的虚拟碎片的数量，确定向所述各个用户分发的奖励。

在本发明实施方式的第四方面中，提供了一种计算设备，包括：处理器和存储器，所述存储器存储有可执行指令，所述处理器用于调用所述存储器存储的可执行指令执行如上述实施例中所述的方法。

根据本发明实施方式的信息处理方法、介质、装置和计算设备，通过根据与各个目标文章类别相关联的用户行为数据，确定各个用户在目标文章类别下的阅读得分，并根据各个用户在目标文章类别下的阅读得分，确定在目标文章类别下的阅读得分排在前N位的目标用户，以向目标用户分配与目标文章类别对应的特定标识，使得能够通过分配特定标识来激励用户对资讯类软件的使用，并且能够提高用户使用资讯类软件的活跃度，提升了用户对文章的阅读兴趣，进而能够提高用户对资讯类软件的依赖感和留存率。

附图说明

通过参考附图阅读下文的详细描述，本发明示例性实施方式的上述以及其他目的、特征和优点将变得易于理解。在附图中，以示例性而非限制性的方式示出了本发明的若干实施方式，其中：

图1示意性示出了根据本发明的第一个实施例的信息处理方法的流程图；

图2示意性示出了根据本发明的第二个实施例的信息处理方法的流程图；

图3示意性示出了根据本发明的第三个实施例的信息处理方法的流程图；

图4示出了根据本发明的一个实施例的以雷达图的形式展示文章类别对应的数值的示意图；

图5示意性示出了根据本发明的一个实施例的后台逻辑的处理流程图；

图6示意性示出了根据本发明的一个实施例的信息处理装置的框图。

在附图中，相同或对应的标号表示相同或对应的部分。

具体实施方式

下面将参考若干示例性实施方式来描述本发明的原理和精神。应当理解，给出这些实施方式仅仅是为了使本领域技术人员能够更好地理解进而实现本发明，而并非以任何方式限制本发明的范围。相反，提供这些实施方式是为了使本发明更加透彻和完整，并且能够将本发明的范围完整地传达给本领域的技术人员。

本领域技术人员知道，本发明的实施方式可以实现为一种系统、装置、设备、方法或计算机程序产品。因此，本发明可以具体实现为以下形式，即：完全的硬件、完全的软件(包括固件、驻留软件、微代码等)，或者硬件和软件结合的形式。

根据本发明的实施方式，提出了一种信息处理方法、介质、装置和计算设备。

在本文中，需要理解的是，所涉及的术语“文章类别”是指各个文章所属的领域，比如文章类别可以包括：娱乐、体育、军事、科技、财经、游戏等。

术语“雷达图”又叫戴布拉图、蜘蛛网图。雷达图被认为是一种表现多维(4维以上)数据的图表，它将多个维度的数据量映射到坐标轴上，这些坐标轴起始于同一个圆心点，通常结束于圆周边缘，将同一组的点使用线连接起来就称为了雷达图。

术语“行为数据”是关于机体的行为和行为发生时环境的观察报告，在本发明的实施例中，行为数据是指用户对文章操作的相关行为数据，比如阅读文章的行为数据、收藏文章的行为数据、分享文章的行为数据、评论文章的行为数据等。

此外，附图中的任何元素数量均用于示例而非限制，以及任何命名都仅用于区分，而不具有任何限制含义。

下面参考本发明的若干代表性实施方式，详细阐释本发明的原理和精神。

发明概述

本发明人发现，由于资讯类软件的种类较多，用户的选择性也就较大，因此用户在使用资讯类软件过程中对资讯类软件的依赖感和留存率并不高。

因此，本发明的实施例提供了信息处理方法、介质、装置和计算设备，可以提高用户使用资讯类软件的活跃度，进而提高用户对资讯类软件的依赖感和留存率。

在介绍了本发明的基本原理之后，下面具体介绍本发明的各种非限制性实施方式。

应用场景总览

需要注意的是，下述应用场景仅是为了便于理解本发明的精神和原理而示出，本发明的实施方式在此方面不受任何限制。相反，本发明的实施方式可以应用于适用的任何场景。

应用场景：用户在使用资讯类软件的过程中，服务器可以获取到与各个文章类别相关联的用户行为数据，进而根据与各个文章类别相关联的用户行为数据，确定各个用户在各个文章类别下的阅读得分，然后根据各个用户在各个文章类别下的阅读得分，确定在各个文章类别下的阅读得分排在前N位的目标用户，并向该目标用户分配与文章类别对应的虚拟徽章，这种方式可以激励用户对资讯类软件的使用，并且能够提高用户使用资讯类软件的活跃度，进而能够提高用户对资讯类软件的依赖感和留存率。

示例性方法

下面结合上述的应用场景，参考图1至图5来描述根据本发明示例性实施方式的信息处理方法。

图1示意性示出了根据本发明的第一个实施例的信息处理方法的流程图。

参照图1所示，根据本发明的第一个实施例的信息处理方法，包括如下步骤S110至步骤S140，详细介绍如下：

在步骤S110中，获取与各个目标文章类别相关联的用户行为数据。

在本发明的一个实施例中，目标文章类别为用户的行为数据评估量大于或等于预定阈值的文章类别。其中，行为数据评估量包括以下至少之一：有效阅读量、阅读完成度、文章收藏量、文章分享量、跟帖量。比如，若行为数据评估量为有效阅读量，那么目标文章类型为有效阅读量大于或等于一定值的文章类别。

在本发明的一个实施例中，文章类别可以包括：娱乐、体育、军事、科技、财经、游戏等。当用户使用资讯类软件阅读文章时，可以统计用户在阅读过程中的行为数据，然后基于统计到的用户的行为数据来确定上述的目标文章类别。

在步骤S120中，根据与所述各个目标文章类别相关联的用户行为数据，确定各个用户在所述目标文章类别下的阅读得分。

在本发明的一个实施例中，在根据与各个目标文章类别相关联的用户行为数据确定各个用户在目标文章类别下的阅读得分时，可以考虑用户对各个目标文章类别下的文章的有效阅读量、阅读完成度、收藏量、分享量、跟帖量等计算因子，进而基于这些计算因子来确定各个用户在目标文章类别下的阅读得分。比如可以针对每个计算因子设置计算得分的规则，然后根据每个计算因子的实际值来确定每个计算因子对应的得分，进而将各个计算因子对应的得分进行求和(或者加权求和)来得到最终的阅读得分。

在步骤S130中，根据所述各个用户在所述目标文章类别下的阅读得分，确定在所述目标文章类别下的阅读得分排在前N位的目标用户。

在本发明的一个实施例中，可以将各个用户在目标文章类别下的阅读得分按照大小进行排序，然后确定在目标文章类别下的阅读得分排在前N位的目标用户。

在步骤S140中，向所述目标用户分配与所述目标文章类别对应的特定标识。

在本发明的一个实施例中，与目标文章类别对应的特定标识可以是虚拟徽章。

图1所示实施例的技术方案使得能够通过分配特定标识来激励用户对资讯类软件的使用，并且能够提高用户使用资讯类软件的活跃度，提升了用户对文章的阅读兴趣，进而能够提高用户对资讯类软件的依赖感和留存率。

在本发明的一个实施例中，在向用户分配上述的特定标识之后，若检测到第一用户对第二用户拥有的特定标识的触发操作，则向该第一用户展示该第二用户拥有的特定标识所对应的文章类型，和/或所述第二用户推荐的文章，和/或各个用户拥有的特定标识的数量排行榜。

在该实施例中，比如第二用户拥有科技类文章对应的特定标识，那么在第一用户触发该特定标识时，可以向第一用户展示科技类文章，和/或展示第二用户推荐的文章(如推荐的科技类文章等)，和/或展示用户(包括第一用户及第二用户)拥有的特定标识的数量排行榜。

在本发明的一个实施例中，若向第一用户展示了第二用户拥有的特定标识所对应的文章类型，那么在检测到第一用户对展示出的指定文章类型的触发操作时，可以向该第一用户展示在该指定文章类型下阅读得分排名前M位的用户，并展示该第二用户在该指定文章类型下的阅读得分排名，以便于该第一用户了解该指定文章类型下的相关信息。

在本发明的一个实施例中，在向用户分配上述的特定标识之后，若检测到第一用户对第一用户拥有的特定标识的触发操作，则向第一用户展示第一用户拥有的特定标识所对应的文章类型，和/或与第一用户相似的其它用户，和/或各个用户拥有的特定标识的数量排行榜。

在该实施例中，比如第一用户拥有科技类文章对应的特定标识，那么在第一用户触发该特定标识时，可以向第一用户展示科技类文章，和/或展示与第一用户相似的其它用户(如同样拥有科技类文章对应的特定标识的用户)，和/或展示用户(包括第一用户及第二用户)拥有的特定标识的数量排行榜。

在本发明的一个实施例中，若向第一用户展示了第一用户拥有的特定标识所对应的文章类型，则在检测到第一用户对展示出的指定文章类型的触发操作时，可以向该第一用户展示在该指定文章类型下阅读得分排名前M位的用户，并展示该第一用户在该指定文章类型下的阅读得分排名。

在本发明的一个实施例中，当检测到第一用户对目标用户中的指定用户的关注指令，则将所述第一用户与所述指定用户进行关联。该实施例的技术方案使得用户能够关注阅读得分较高的目标用户，进而能够通过该目标用户带动其他用户来阅读文章，提高了用户使用资讯类软件的活跃度，提升了用户对文章的阅读兴趣。

在本发明的一个实施例中，若检测到第一用户关注的指定用户推荐了文章，则将该指定用户推荐的文章推送给该第一用户，并且在将该指定用户推荐的文章推送给该第一用户时，还可以向该第一用户展示推送的理由。

在本发明的一个实施例中，还可以统计各个目标用户对上述目标文章类别下的各个文章的推荐人数，进而根据目标用户中对目标文章类别下的各个文章的推荐人数，确定各个文章在投放时的推送权重；其中，该推送权重与该推荐人数成正相关关系。换句话说，若一篇文章的推荐人数越多，那么该文章在向其他人推送时的权重也越大。

图2示意性示出了根据本发明的第二个实施例的信息处理方法的流程图。

参照图2所示，根据本发明的第二个实施例的信息处理方法，包括如下步骤S210至步骤S220，详细介绍如下：

在步骤S210中，接收指定用户对与其关联的文章推荐模型的修改指令。

在本发明的一个实施例中，文章推荐模型是用于向用户推荐文章时采用的模型，比如可以是神经网络模型等。

在本发明的一个实施例中，接收指定用户对与其关联的文章推荐模型的修改指令可以是接收该指定用户针对多个文章类别中的每个文章类别设置的推荐分值，比如可以显示多个文章类别对应的推荐分值雷达图，然后接收该指定用户在该推荐分值雷达图中针对各个文章类别设置的推荐分值。

在本发明的一个实施例中，显示出的多个文章类别可以是预设的至少一个文章类别；和/或根据该指定用户的阅读行为确定的与该指定用户相关联的至少一个文章类别；和/或根据该指定用户输入的关键词确定的至少一个文章类别。

继续参照图2所示，在步骤S220中，根据所述修改指令，调整与所述指定用户相关联的文章推荐模型。

图2所示实施例的技术方案使得能够将与用户相关联的文章推荐模型展示给用户，一方面使得用户能够直观查看到与自身相关的文章推荐模型，另一方面也可以直接对该文章推荐模型进行修改，提高了文章推荐模型的修改灵活性，并且也能够提升用户的体验。

图3示意性示出了根据本发明的第三个实施例的信息处理方法的流程图。

参照图3所示，根据本发明的第三个实施例的信息处理方法，包括如下步骤S310至步骤S330，详细介绍如下：

在步骤S310中，记录各个用户在预定时间段内的行为数据。

在本发明的一个实施例中，用户的行为数据包括以下至少之一：对文章的有效阅读情况、对文章的阅读完成情况、对文章的收藏情况、对文章的分享情况、跟帖情况等。

在步骤S320中，根据各个用户在所述预定时间段内的行为数据，确定具有关联关系的多个用户。

在本发明的一个实施例中，可以根据各个用户在预定时间段内的行为数据，确定相似的用户，并将相似的用户作为具有关联关系的用户。

在步骤S330中，基于所述多个用户之间的关联关系推送文章。

在本发明的一个实施例中，在推送文章时，可以将该多个用户中的部分用户已阅读的文章推送给多个用户中的其它用户。此外，在将部分用户已阅读的文章推送给多个用户中的其它用户时，还可以向其它用户展示推送的理由。

在本发明的一个实施例中，还可以根据各个用户在预定时间段内的行为数据，和/或根据各个用户对设定任务的完成情况，向各个用户分配虚拟碎片，并根据各个用户获得的虚拟碎片的数量，确定向各个用户分发的奖励。该实施例的技术方案可以通过对用户的激励来提高用户的积极性及归属感，进而能够提高用户使用资讯类软件的活跃度，提高用户对资讯类软件的依赖感和留存率。

综上，本发明实施例的技术方案是将用户激励体系更加具象化、可视化，提供了新的用户成长体系，既让用户得到即时的激励，又有长期的荣誉奖励和规则玩法，进而能够提升用户在资讯类应用内的归属感，促进普通用户向活跃用户的转化。同时，可以在前端展示与用户画像相关的文章推荐模型，以加深用户和应用之间的联系。具体的解决方案分为功能化方案、活动化方案和后台逻辑方案三大部分，其中，功能化方案解决长期问题，即老用户的留存和体验问题，通过功能将后台数据与前端用户相连接，帮助用户理解应用的推荐逻辑；活动化方案解决短期问题，即新用户的留存问题，通过一定天数的连续任务养成用户的使用习惯。后台逻辑方案主要用于为老用户增加新的激励机制，提高用户的留存率。以下针对上述的功能化方案、活动化方案和后台逻辑方案详细进行阐述：

功能化方案：

功能化方案的主要目的是向用户提供调整文章推荐模型的入口，以便于用户修正自己的兴趣喜好，帮助推荐系统更准确的把握用户偏好。

具体的方案可以是在资讯类软件的设置选项中添加一项仅对用户自身可见的功能，当用户触发该项功能时，可以以雷达图的形式给出预定数量个文章类型，进而用户可以调整每个类别的数值。其中，该预定数量个文章类型可以是固定的若干个(如8个)文章类型，也可以是根据用户的阅读行为确定的与该用户相关联的若干个文章类别，还可以是根据该用户输入的关键词确定的若干个文章类别。图4示出了以雷达图展示5个文章类别，以便于用户调整各个类别对应的数值。

功能化方案的优点是可以让用户直观了解资讯类软件的推荐逻辑，同时便于用户根据自己的需求进行调整，有利于提升用户的使用体验。

活动化方案：

活动化方案的目的是通过短期的活动提升资讯类软件的影响力，扩大站外影响，尝试拉新用户。

具体的方案可以是设定一个时间段，根据这段时间内用户的阅读行为、使用习惯等给用户发放不同的虚拟碎片(或生成雷达图)，对于单项指标(如有效阅读量、完成度等)靠前的若干个用户(或者雷达图面积达到一定数值的用户)发放更多的虚拟碎片，甚至可以发放实物奖品。

同时，可以设置任务要求，例如分享或拉新等，并根据任务的完成情况向用户发放碎片。此外，可以根据用户的阅读行为及使用习惯等确定相似的用户，进而在相似的用户之间互相推荐文章，并且在推荐时还可以提示推送理由，该推送理由可以是“相似用户在读”。

活动化方案的优点在于可玩性较强、易于传播，同时也易于吸引新用户，提高转化率。

后台逻辑方案：

后台逻辑方案的目的是提高用户的留存率，提升用户对平台的归属感。

具体的方案可以是针对用户有效阅读数达到X的文章类别，通过因子计算阅读分值，因子包括：有效阅读量(达到最低阈值才计算)、完成度、收藏量、分享量、跟贴量等，然后根据近30天的阅读分数给前20的用户发放虚拟徽章，成为领域专家，同一用户可以成为多个领域的专家，领域即为文章类别。

当用户A点击用户B在某一文章类别下的虚拟徽章时，可以显示该文章类别及用户B在该文章类别下推荐的文章，并且可以显示获取到的虚拟徽章数量的排行榜。

当用户A点击自身在某一文章类别下的虚拟徽章时，可以显示该文章类别及与用户A相似的其它用户，并且可以显示各个用户拥有的虚拟徽章的数量排行榜。

此外，当任一用户点击某一文章类别时，可以显示该文章类别下阅读得分排名前N位的用户，也可以显示该任一用户在该文章类别下的阅读得分排名情况。

在本发明的一个实施例中，用户可以关注领域专家，领域专家推荐的文章可以推送给关注该领域专家的用户。同时，当同一篇文章被多个领域专家推荐时，提高该文章的推荐权重。

后台逻辑方案的优点在于能够抓住用户的心理，给用户足够的荣誉感，进而能够提升用户的留存率，提升品牌价值。

上述过程具体如图5所示，包括如下步骤：

步骤S501，阅读分计算。

在本发明的一个实施例中，当近30天总的有效阅读数≥X时，计算阅读分。具体地，可以基于以下规则来计算阅读分：

1、平均完成度至少高于60％；

2、每收藏或喜欢一篇文章加1分；

3、每分享一篇文章加10分；

4、每在文章下发表评论/跟帖加2分，每有一篇跟帖点赞大于50加5分。

步骤S502，确定领域专家身份。

在本发明的一个实施例中，若某一用户对某一领域近30天阅读得分排名前N位(每30天更新一次)，则可以确定其为该领域的领域专家。

步骤S503，分配特权。

在本发明的一个实施例中，向领域专家分配的特权包括：展示特权、推荐特权和增值特权。

其中，展示特权包括：1、徽章展示(如在用户个人页、跟帖页上展示)；2、排行榜展示(即在排行榜中展示领域专家信息)；3、关注展示(如有用户关注时进行展示)。

推荐特权包括：1、文章增加推荐按钮(即在领域专家所属领域内的文章增加推荐按钮，便于领域专家点击进行推荐)；2、文章显示推荐理由(即在推荐文章时显示推荐理由)。

增值特权包括：1、获得金币(即虚拟币奖励)；2、永久专家称号。

在分配特权的同时，还需要进行展示限制及推荐限制。展示限制包括：1、最大获得数限制(如徽章的最大获得数限制、金币的最大获得数限制等)；2、最大展示数限制(如徽章的最大展示数限制等)。

推荐限制包括每日总推荐数的限制，即限制每日推荐文章的数量。

步骤S504，推荐规则调整。

在本发明的一个实施例中，推荐规则调整包括符合规定的调整及违反规定的调整。

其中，符合规定的调整包括：1、基于质量分及投诉结果进行调整；2、给具有相同POI(Point of Interest，兴趣点)的用户推荐时提高推荐权重；3、提高多人推荐的文章的权重；4、文章对粉丝的推荐权重更高；5、推荐的文章按质量和粉丝关系选取；6、推送的文章显示推荐理由。

违反规定的调整包括：多次质量不合格或文章被投诉，则取消领域专家的资格。

本发明上述实施例的技术方案能够提高用户使用资讯类软件的活跃度，提升了用户对文章的阅读兴趣，进而能够提高用户对资讯类软件的依赖感和留存率。

示例性介质

在介绍了本发明示例性实施方式的方法之后，接下来，对本发明示例性实施方式的介质进行说明。

在一些可能的实施方式中，本发明的各个方面还可以实现为一种介质，其上存储有程序代码，当所述程序代码被设备的处理器执行时用于实现本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施方式的信息处理方法中的步骤。

具体地，所述设备的处理器执行所述程序代码时用于实现如下步骤：获取与各个目标文章类别相关联的用户行为数据；根据与所述各个目标文章类别相关联的用户行为数据，确定各个用户在所述目标文章类别下的阅读得分；根据所述各个用户在所述目标文章类别下的阅读得分，确定在所述目标文章类别下的阅读得分排在前N位的目标用户；向所述目标用户分配与所述目标文章类别对应的特定标识。

在本发明的一些实施例中，所述目标文章类别为用户的行为数据评估量大于或等于预定阈值的文章类别。

在本发明的一些实施例中，所述行为数据评估量包括以下至少之一：有效阅读量、阅读完成度、文章收藏量、文章分享量、跟帖量。

在本发明的一些实施方式中，所述设备的处理器执行所述程序代码时还用于实现如下步骤：若检测到第一用户对第二用户拥有的特定标识的触发操作，则向所述第一用户展示所述第二用户拥有的特定标识所对应的文章类型，和/或所述第二用户推荐的文章，和/或各个用户拥有的特定标识的数量排行榜。

在本发明的一些实施方式中，所述设备的处理器执行所述程序代码时还用于实现如下步骤：若检测到所述第一用户对展示出的指定文章类型的触发操作，则向所述第一用户展示在所述指定文章类型下阅读得分排名前M位的用户，并展示所述第二用户在所述指定文章类型下的阅读得分排名。

在本发明的一些实施方式中，所述设备的处理器执行所述程序代码时还用于实现如下步骤：若检测到第一用户对所述第一用户拥有的特定标识的触发操作，则向所述第一用户展示所述第一用户拥有的特定标识所对应的文章类型，和/或与所述第一用户相似的其它用户，和/或各个用户拥有的特定标识的数量排行榜。

在本发明的一些实施方式中，所述设备的处理器执行所述程序代码时还用于实现如下步骤：若检测到所述第一用户对展示出的指定文章类型的触发操作，则向所述第一用户展示在所述指定文章类型下阅读得分排名前M位的用户，并展示所述第一用户在所述指定文章类型下的阅读得分排名。

在本发明的一些实施方式中，所述设备的处理器执行所述程序代码时还用于实现如下步骤：若检测到第一用户对所述目标用户中的指定用户的关注指令，则将所述第一用户与所述指定用户进行关联。

在本发明的一些实施方式中，所述设备的处理器执行所述程序代码时还用于实现如下步骤：若检测到所述指定用户推荐了文章，则将所述指定用户推荐的文章推送给所述第一用户。

在本发明的一些实施方式中，所述设备的处理器执行所述程序代码时还用于实现如下步骤：在将所述指定用户推荐的文章推送给所述第一用户时，向所述第一用户展示推送的理由。

在本发明的一些实施方式中，所述设备的处理器执行所述程序代码时还用于实现如下步骤：根据所述目标用户中对所述目标文章类别下的各个文章的推荐人数，确定所述各个文章在投放时的推送权重；其中，所述推送权重与所述推荐人数成正相关关系。

在本发明的一些实施方式中，所述设备的处理器执行所述程序代码时还用于实现如下步骤：接收指定用户对与其关联的文章推荐模型的修改指令；根据所述修改指令，调整与所述指定用户相关联的文章推荐模型。

在本发明的一些实施方式中，所述设备的处理器执行所述程序代码时用于实现如下步骤：接收所述指定用户针对多个文章类别中的每个文章类别设置的推荐分值。

在本发明的一些实施方式中，所述设备的处理器执行所述程序代码时用于实现如下步骤：显示所述多个文章类别对应的推荐分值雷达图；接收所述指定用户在所述推荐分值雷达图中针对所述多个文章类别分别设置的推荐分值。

在本发明的一些实施例中，所述多个文章类别包括：预设的至少一个文章类别；和/或根据所述指定用户的阅读行为确定的与所述指定用户相关联的至少一个文章类别；和/或根据所述指定用户输入的关键词确定的至少一个文章类别。

在本发明的一些实施方式中，所述设备的处理器执行所述程序代码时还用于实现如下步骤：记录各个用户在预定时间段内的行为数据；根据所述各个用户在所述预定时间段内的行为数据，确定具有关联关系的多个用户；基于所述多个用户之间的关联关系推送文章。

在本发明的一些实施方式中，所述设备的处理器执行所述程序代码时用于实现如下步骤：将所述多个用户中的部分用户已阅读的文章推送给所述多个用户中的其它用户。

在本发明的一些实施方式中，所述设备的处理器执行所述程序代码时还用于实现如下步骤：在将所述已阅读的文章推送给所述多个用户中的其它用户时，向所述其它用户展示推送的理由。

在本发明的一些实施方式中，所述设备的处理器执行所述程序代码时还用于实现如下步骤：根据所述各个用户在所述预定时间段内的行为数据，和/或根据所述各个用户对设定任务的完成情况，向所述各个用户分配虚拟碎片；根据所述各个用户获得的虚拟碎片的数量，确定向所述各个用户分发的奖励。

需要说明的是：上述的介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以是但不限于：电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。

可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于：电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。

可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、有线、光缆、RF等，或者上述的任意合适的组合。

可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。

示例性装置

在介绍了本发明示例性实施方式的介质之后，接下来，参考图6对本发明示例性实施方式的信息处理装置进行说明。

图6示意性示出了根据本发明的一个实施例的信息处理装置的框图。

参照图6所示，根据本发明的一个实施例的信息处理装置600，包括：获取单元601、第一确定单元602、第二确定单元603和第一分配单元604。

其中，获取单元601用于获取与各个目标文章类别相关联的用户行为数据；第一确定单元602用于根据与所述各个目标文章类别相关联的用户行为数据，确定各个用户在所述目标文章类别下的阅读得分；第二确定单元603用于根据所述各个用户在所述目标文章类别下的阅读得分，确定在所述目标文章类别下的阅读得分排在前N位的目标用户；第一分配单元604用于向所述目标用户分配与所述目标文章类别对应的特定标识。

在本发明的一些实施例中，基于前述方案，所述目标文章类别为用户的行为数据评估量大于或等于预定阈值的文章类别。

在本发明的一些实施例中，基于前述方案，所述行为数据评估量包括以下至少之一：有效阅读量、阅读完成度、文章收藏量、文章分享量、跟帖量。

在本发明的一些实施例中，基于前述方案，所述的装置600还包括：第一展示单元605，用于在检测到第一用户对第二用户拥有的特定标识的触发操作时，向所述第一用户展示所述第二用户拥有的特定标识所对应的文章类型，和/或所述第二用户推荐的文章，和/或各个用户拥有的特定标识的数量排行榜。

在本发明的一些实施例中，基于前述方案，所述第一展示单元605还用于：在检测到所述第一用户对展示出的指定文章类型的触发操作时，向所述第一用户展示在所述指定文章类型下阅读得分排名前M位的用户，并展示所述第二用户在所述指定文章类型下的阅读得分排名。

在本发明的一些实施例中，基于前述方案，所述的装置600还包括：第二展示单元606，用于在检测到第一用户对所述第一用户拥有的特定标识的触发操作时，向所述第一用户展示所述第一用户拥有的特定标识所对应的文章类型，和/或与所述第一用户相似的其它用户，和/或各个用户拥有的特定标识的数量排行榜。

在本发明的一些实施例中，基于前述方案，所述第二展示单元606还用于：在检测到所述第一用户对展示出的指定文章类型的触发操作时，向所述第一用户展示在所述指定文章类型下阅读得分排名前M位的用户，并展示所述第一用户在所述指定文章类型下的阅读得分排名。

在本发明的一些实施例中，基于前述方案，所述的装置600还包括：关联单元607，用于在检测到第一用户对所述目标用户中的指定用户的关注指令时，将所述第一用户与所述指定用户进行关联。

在本发明的一些实施例中，基于前述方案，所述的装置600还包括：推荐单元608，用于在检测到所述指定用户推荐了文章时，将所述指定用户推荐的文章推送给所述第一用户。

在本发明的一些实施例中，基于前述方案，所述推荐单元608还用于：在将所述指定用户推荐的文章推送给所述第一用户时，向所述第一用户展示推送的理由。

在本发明的一些实施例中，基于前述方案，所述的装置600还包括：第三确定单元609，用于根据所述目标用户中对所述目标文章类别下的各个文章的推荐人数，确定所述各个文章在投放时的推送权重；其中，所述推送权重与所述推荐人数成正相关关系。

在本发明的一些实施例中，基于前述方案，所述的装置600还包括：接收单元610，用于接收指定用户对与其关联的文章推荐模型的修改指令；调整单元611，用于根据所述修改指令，调整与所述指定用户相关联的文章推荐模型。

在本发明的一些实施例中，基于前述方案，所述接收单元610配置为：接收所述指定用户针对多个文章类别中的每个文章类别设置的推荐分值。

在本发明的一些实施例中，基于前述方案，所述接收单元610配置为：显示所述多个文章类别对应的推荐分值雷达图；接收所述指定用户在所述推荐分值雷达图中针对所述多个文章类别分别设置的推荐分值。

在本发明的一些实施例中，基于前述方案，所述多个文章类别包括：预设的至少一个文章类别；和/或根据所述指定用户的阅读行为确定的与所述指定用户相关联的至少一个文章类别；和/或根据所述指定用户输入的关键词确定的至少一个文章类别。

在本发明的一些实施例中，基于前述方案，所述的装置600还包括：记录单元612，用于记录各个用户在预定时间段内的行为数据；第四确定单元613，用于根据所述各个用户在所述预定时间段内的行为数据，确定具有关联关系的多个用户；推送单元614，用于基于所述多个用户之间的关联关系推送文章。

在本发明的一些实施例中，基于前述方案，所述推送单元614配置为：将所述多个用户中的部分用户已阅读的文章推送给所述多个用户中的其它用户。

在本发明的一些实施例中，基于前述方案，所述推送单元614还用于：在将所述已阅读的文章推送给所述多个用户中的其它用户时，向所述其它用户展示推送的理由。

在本发明的一些实施例中，基于前述方案，所述的装置600还包括：第二分配单元615，用于根据所述各个用户在所述预定时间段内的行为数据，和/或根据所述各个用户对设定任务的完成情况，向所述各个用户分配虚拟碎片；第五确定单元616，用于根据所述各个用户获得的虚拟碎片的数量，确定向所述各个用户分发的奖励。

示例性计算设备

在介绍了本发明示例性实施方式的方法、介质和装置之后，接下来，介绍根据本发明的另一示例性实施方式的计算设备。

所属技术领域的技术人员能够理解，本发明的各个方面可以实现为系统、方法或程序产品。因此，本发明的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等)，或硬件和软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“系统”。

在一些可能的实施方式中，根据本发明实施方式的计算设备可以至少包括至少一个处理器、以及至少一个存储器。其中，所述存储器存储有程序代码，当所述程序代码被所述处理器执行时，使得所述处理器执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施方式的信息处理方法中的步骤。例如，所述处理器可以执行如图1中所示的步骤S110，获取与各个目标文章类别相关联的用户行为数据；步骤S120，根据与所述各个目标文章类别相关联的用户行为数据，确定各个用户在所述目标文章类别下的阅读得分；步骤S130，根据所述各个用户在所述目标文章类别下的阅读得分，确定在所述目标文章类别下的阅读得分排在前N位的目标用户；步骤S140，向所述目标用户分配与所述目标文章类别对应的特定标识。又如，所述处理器也可以执行如图2和图3中所示的步骤。

应当注意，尽管在上文详细描述中提及了信息处理装置的若干单元或子单元，但是这种划分仅仅是示例性的，并非是强制性的。实际上，根据本发明的实施方式，上文描述的两个或更多模块或单元的特征和功能可以在一个模块或单元中具体化。反之，上文描述的一个模块或单元的特征和功能可以进一步划分为由多个模块或单元来具体化。

此外，尽管在附图中以特定顺序描述了本发明方法的操作，但是，这并非要求或者暗示必须按照该特定顺序来执行这些操作，或是必须执行全部所示的操作才能实现期望的结果。附加地或备选地，可以省略某些步骤，将多个步骤合并为一个步骤执行，和/或将一个步骤分解为多个步骤执行。

虽然已经参考若干具体实施方式描述了本发明的精神和原理，但是应该理解，本发明并不限于所发明的具体实施方式，对各方面的划分也不意味着这些方面中的特征不能组合以进行受益，这种划分仅是为了表述的方便。本发明旨在涵盖所附权利要求的精神和范围内所包括的各种修改和等同布置。

Claims (26)

1.一种信息处理方法，包括：

获取与各个目标文章类别相关联的用户行为数据；

根据与所述各个目标文章类别相关联的用户行为数据，确定各个用户在所述目标文章类别下的阅读得分；

根据所述各个用户在所述目标文章类别下的阅读得分，确定在所述目标文章类别下的阅读得分排在前N位的目标用户；

向所述目标用户分配与所述目标文章类别对应的特定标识；

若检测到第一用户对所述目标用户中的指定用户的关注指令，则将所述第一用户与所述指定用户进行关联；

若检测到所述指定用户推荐了文章，则将所述指定用户推荐的文章推送给所述第一用户；

在将所述指定用户推荐的文章推送给所述第一用户时，向所述第一用户展示推送的理由；

若检测到第一用户对第二用户拥有的特定标识的触发操作，则向所述第一用户展示所述第二用户拥有的特定标识所对应的文章类型，和/或所述第二用户推荐的文章，和/或各个用户拥有的特定标识的数量排行榜；

若检测到所述第一用户对展示出的指定文章类型的触发操作，则向所述第一用户展示在所述指定文章类型下阅读得分排名前M位的用户，并展示所述第二用户在所述指定文章类型下的阅读得分排名；

若检测到第一用户对所述第一用户拥有的特定标识的触发操作，则向所述第一用户展示所述第一用户拥有的特定标识所对应的文章类型，和/或与所述第一用户相似的其它用户，和/或各个用户拥有的特定标识的数量排行榜；

若检测到所述第一用户对展示出的指定文章类型的触发操作，则向所述第一用户展示在所述指定文章类型下阅读得分排名前M位的用户，并展示所述第一用户在所述指定文章类型下的阅读得分排名。

2.根据权利要求1所述的方法，其中，所述目标文章类别为用户的行为数据评估量大于或等于预定阈值的文章类别。

3.根据权利要求2所述的方法，其中，所述行为数据评估量包括以下至少之一：

有效阅读量、阅读完成度、文章收藏量、文章分享量、跟帖量。

4.根据权利要求1所述的方法，还包括：

根据所述目标用户中对所述目标文章类别下的各个文章的推荐人数，确定所述各个文章在投放时的推送权重；

其中，所述推送权重与所述推荐人数成正相关关系。

5.根据权利要求1所述的方法，还包括：

接收指定用户对与其关联的文章推荐模型的修改指令；

根据所述修改指令，调整与所述指定用户相关联的文章推荐模型。

6.根据权利要求5所述的方法，其中，接收指定用户对与其关联的文章推荐模型的修改指令，包括：

接收所述指定用户针对多个文章类别中的每个文章类别设置的推荐分值。

7.根据权利要求6所述的方法，其中，接收所述指定用户针对多个文章类别中的每个文章类别设置的推荐分值，包括：

显示所述多个文章类别对应的推荐分值雷达图；

接收所述指定用户在所述推荐分值雷达图中针对所述多个文章类别分别设置的推荐分值。

8.根据权利要求7所述的方法，其中，所述多个文章类别包括：

预设的至少一个文章类别；和/或

根据所述指定用户的阅读行为确定的与所述指定用户相关联的至少一个文章类别；和/或

根据所述指定用户输入的关键词确定的至少一个文章类别。

9.根据权利要求1所述的方法，还包括：

记录各个用户在预定时间段内的行为数据；

根据所述各个用户在所述预定时间段内的行为数据，确定具有关联关系的多个用户；

基于所述多个用户之间的关联关系推送文章。

10.根据权利要求9所述的方法，其中，基于所述多个用户之间的关联关系推送文章，包括：

将所述多个用户中的部分用户已阅读的文章推送给所述多个用户中的其它用户。

11.根据权利要求10所述的方法，还包括：

在将所述已阅读的文章推送给所述多个用户中的其它用户时，向所述其它用户展示推送的理由。

12.根据权利要求9所述的方法，还包括：

根据所述各个用户在所述预定时间段内的行为数据，和/或根据所述各个用户对设定任务的完成情况，向所述各个用户分配虚拟碎片；

根据所述各个用户获得的虚拟碎片的数量，确定向所述各个用户分发的奖励。

13.一种介质，其上存储有程序，该程序被处理器执行时实现如权利要求1至12中任一项所述的方法。

14.一种信息处理装置，包括：

获取单元，用于获取与各个目标文章类别相关联的用户行为数据；

第一确定单元，用于根据与所述各个目标文章类别相关联的用户行为数据，确定各个用户在所述目标文章类别下的阅读得分；

第二确定单元，用于根据所述各个用户在所述目标文章类别下的阅读得分，确定在所述目标文章类别下的阅读得分排在前N位的目标用户；

第一分配单元，用于向所述目标用户分配与所述目标文章类别对应的特定标识；

关联单元，用于在检测到第一用户对所述目标用户中的指定用户的关注指令时，将所述第一用户与所述指定用户进行关联；

推荐单元，用于在检测到所述指定用户推荐了文章时，将所述指定用户推荐的文章推送给所述第一用户；

在将所述指定用户推荐的文章推送给所述第一用户时，向所述第一用户展示推送的理由；

第一展示单元，用于在检测到第一用户对第二用户拥有的特定标识的触发操作时，向所述第一用户展示所述第二用户拥有的特定标识所对应的文章类型，和/或所述第二用户推荐的文章，和/或各个用户拥有的特定标识的数量排行榜；

在检测到所述第一用户对展示出的指定文章类型的触发操作时，向所述第一用户展示在所述指定文章类型下阅读得分排名前M位的用户，并展示所述第二用户在所述指定文章类型下的阅读得分排名；

第二展示单元，用于在检测到第一用户对所述第一用户拥有的特定标识的触发操作时，向所述第一用户展示所述第一用户拥有的特定标识所对应的文章类型，和/或与所述第一用户相似的其它用户，和/或各个用户拥有的特定标识的数量排行榜；

在检测到所述第一用户对展示出的指定文章类型的触发操作时，向所述第一用户展示在所述指定文章类型下阅读得分排名前M位的用户，并展示所述第一用户在所述指定文章类型下的阅读得分排名。

15.根据权利要求14所述的装置，其中，所述目标文章类别为用户的行为数据评估量大于或等于预定阈值的文章类别。

16.根据权利要求15所述的装置，其中，所述行为数据评估量包括以下至少之一：

有效阅读量、阅读完成度、文章收藏量、文章分享量、跟帖量。

17.根据权利要求14所述的装置，还包括：

第三确定单元，用于根据所述目标用户中对所述目标文章类别下的各个文章的推荐人数，确定所述各个文章在投放时的推送权重；

其中，所述推送权重与所述推荐人数成正相关关系。

18.根据权利要求14所述的装置，还包括：

接收单元，用于接收指定用户对与其关联的文章推荐模型的修改指令；

调整单元，用于根据所述修改指令，调整与所述指定用户相关联的文章推荐模型。

19.根据权利要求18所述的装置，其中，所述接收单元配置为：接收所述指定用户针对多个文章类别中的每个文章类别设置的推荐分值。

20.根据权利要求19所述的装置，其中，所述接收单元配置为：显示所述多个文章类别对应的推荐分值雷达图；接收所述指定用户在所述推荐分值雷达图中针对所述多个文章类别分别设置的推荐分值。

21.根据权利要求20所述的装置，其中，所述多个文章类别包括：

预设的至少一个文章类别；和/或

根据所述指定用户的阅读行为确定的与所述指定用户相关联的至少一个文章类别；和/或

根据所述指定用户输入的关键词确定的至少一个文章类别。

22.根据权利要求14所述的装置，还包括：

记录单元，用于记录各个用户在预定时间段内的行为数据；

第四确定单元，用于根据所述各个用户在所述预定时间段内的行为数据，确定具有关联关系的多个用户；

推送单元，用于基于所述多个用户之间的关联关系推送文章。

23.根据权利要求22所述的装置，其中，所述推送单元配置为：将所述多个用户中的部分用户已阅读的文章推送给所述多个用户中的其它用户。

24.根据权利要求23所述的装置，所述推送单元还用于：在将所述已阅读的文章推送给所述多个用户中的其它用户时，向所述其它用户展示推送的理由。

25.根据权利要求22所述的装置，还包括：

第二分配单元，用于根据所述各个用户在所述预定时间段内的行为数据，和/或根据所述各个用户对设定任务的完成情况，向所述各个用户分配虚拟碎片；

第五确定单元，用于根据所述各个用户获得的虚拟碎片的数量，确定向所述各个用户分发的奖励。

26.一种计算设备，包括：处理器和存储器，所述存储器存储有可执行指令，所述处理器用于调用所述存储器存储的可执行指令执行如权利要求1至12中任一项所述的方法。

Images