CN109299384B - 场景推荐方法、装置及系统、存储介质 - Google Patents
场景推荐方法、装置及系统、存储介质 Download PDFInfo
- Publication number
- CN109299384B CN109299384B CN201811303609.0A CN201811303609A CN109299384B CN 109299384 B CN109299384 B CN 109299384B CN 201811303609 A CN201811303609 A CN 201811303609A CN 109299384 B CN109299384 B CN 109299384B
- Authority
- CN
- China
- Prior art keywords
- scene
- recommendation
- target
- recommended
- account
- 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
Abstract
本公开是关于一种场景推荐方法、装置及系统、存储介质,属于电子技术应用领域。该方法包括:获取目标账号的目标账号标签,所述目标账号标签用于标识所述目标账号的个性化信息;基于所述目标账号标签,获取向所述目标账号推荐的目标推荐列表,所述目标推荐列表中记载有至少一个待推荐场景的信息,每个所述待推荐场景的信息包括对多个目标设备进行控制的控制方式;向所述目标账号所登陆的客户端发送携带有所述目标推荐列表的推荐指令。本公开提高了场景设定的效率。
Description
技术领域
本公开涉及电子技术应用领域,特别涉及一种场景推荐方法、装置及系统、存储介质。
背景技术
随着网络技术的不断发展,出现了越来越多的设备。通过对设备进行控制,可为用户提供不同场景,以满足用户的不同需求。其中,通过设定多个设备中每个设备的工作状态,使得该多个设备呈现的联合工作状态为场景。例如,“起床”场景可以为:打开音响,然后关闭空调,并使用微波炉热早餐。但是,随着设备的种类和功能的增多,如何根据该设备的种类和功能进行场景设定存在一定的难度。
相关技术中,可以将用户需求或期望使用的场景的相关描述输入搜索引擎(例如谷歌或百度),以便搜索引擎根据其在数据库中进行查找并输出查找结果,用户可根据该查找结果进行场景设定。
但是,由于搜索引擎的归一化特性,对于相同或相似的输入信息,该搜索引擎输出的查找结果通常为相同的结果,且由于对用户需求或场景的描述能力有限,输入搜索引擎的内容通常无法准确表达用户的需求,导致根据搜索引擎的查找结果进行场景设定的效率较低。
发明内容
本公开实施例提供了一种场景推荐方法、装置及系统、存储介质,可以解决相关技术中场景设定的效率较低的问题。所述技术方案如下:
根据本公开实施例的第一方面,提供一种场景推荐方法,所述方法包括:
获取目标账号的目标账号标签,所述目标账号标签用于标识所述目标账号的个性化信息;
基于所述目标账号标签,获取向所述目标账号推荐的目标推荐列表,所述目标推荐列表中记载有至少一个待推荐场景的信息,每个所述待推荐场景的信息包括对多个目标设备进行控制的控制方式;
向所述目标账号所登陆的客户端发送携带有所述目标推荐列表的推荐指令。
可选地,所述基于所述目标账号标签,获取向所述目标账号推荐的目标推荐列表,包括:
基于账号标签与场景信息的映射关系,查询与所述目标账号标签存在映射关系的至少一个待推荐场景的信息;
基于至少一个所述待推荐场景的信息生成所述目标推荐列表。
可选地,所述基于至少一个所述待推荐场景的信息生成所述目标推荐列表,包括:
获取候选推荐集合,所述候选推荐集合中包括:至少一个候选推荐场景的信息;
基于至少一个所述待推荐场景的信息和至少一个候选推荐场景的信息,生成所述目标推荐列表。
可选地,当待推荐场景为多个时,所述基于至少一个所述待推荐场景的信息生成所述目标推荐列表,包括:
获取每个所述待推荐场景的推荐得分;
基于多个所述待推荐场景的推荐得分,对多个所述待推荐场景的信息进行排序,得到所述目标推荐列表。
可选地,所述获取每个所述待推荐场景的推荐得分,包括:
获取已向所述目标账号推荐的至少一个历史场景的信息;
获取第一目标设备与第二目标设备的第一关联值,所述第一目标设备为每个所述历史场景所涉及的目标设备中的任一个,所述第二目标设备为每个所述待推荐场景所涉及的目标设备中的任一个;
基于每个所述待推荐场景对应的第一关联值,确定每个所述待推荐场景的推荐得分。
可选地,所述基于每个所述待推荐场景对应的第一关联值,确定每个所述待推荐场景的推荐得分,包括:
获取所述目标账号与所述第二目标设备的第二关联值;
基于所述第二关联值与所述第一关联值确定所述推荐得分。
可选地,所述基于所述第二关联值与所述第一关联值确定所述推荐得分,包括:
获取每个所述历史场景的推荐时间;
基于所述推荐时间,确定每个所述历史场景对应的第一关联值的权值,所述权值与目标时间差负相关,所述目标时间差为当前时间与所述推荐时间之差;
基于所述第二关联值、所述第一关联值和所述权值,确定所述推荐得分。
可选地,所述基于每个所述待推荐场景对应的第一关联值,确定每个所述待推荐场景的推荐得分,包括:
获取对每个所述待推荐场景的使用反馈信息;
基于所述待推荐场景的使用反馈信息和所述第一关联值,确定每个所述待推荐场景的推荐得分。
可选地,所述使用反馈信息包括:所述待推荐场景被推荐后,所述待推荐场景被使用的频率和/或使用得分。
可选地,当待推荐场景为多个时,所述方法还包括:
在所述基于至少一个所述待推荐场景的信息生成所述目标推荐列表之前,对多个所述待推荐场景的信息进行筛选;
所述基于至少一个所述待推荐场景的信息生成所述目标推荐列表,包括:
基于经过筛选的至少一个待推荐场景的信息生成所述目标推荐列表。
可选地,所述对多个所述待推荐场景的信息进行筛选,包括:
获取禁止推荐场景列表,所述禁止推荐场景列表中记载有禁止向所述目标账号推荐的至少一个禁止推荐场景的信息;
从多个所述待推荐场景的信息中删除所述禁止推荐场景列表中所记载的禁止推荐场景的信息。
可选地,所述方法还包括:
在所述获取禁止推荐场景列表之前,接收禁止推荐指令,所述禁止推荐指令中携带有禁止向所述目标账号推荐的至少一个禁止推荐场景的信息;
将至少一个所述禁止推荐场景的信息存储至所述禁止推荐场景列表中。
可选地,所述目标账号标签包括多个子标签,所述基于所述目标账号标签,获取向所述目标账号推荐的目标推荐列表,包括:
将多个所述子标签划分至多个标签组,每个所述标签组包括至少一个子标签,每两个所述标签组中包括有不同的子标签;
分别基于每个标签组,获取向所述目标账号推荐的子推荐列表;
基于多个所述标签组对应的子推荐列表,获取所述目标推荐列表。
可选地,所述基于多个所述标签组对应的子推荐列表,获取所述目标推荐列表,包括:
按照不同权重对多个所述子推荐列表进行组合,得到所述目标推荐列表。
可选地,所述方法还包括:
在所述基于账号标签与场景信息的映射关系,查询与所述目标账号标签存在映射关系的至少一个待推荐场景的信息之前,接收多个登陆有账号的客户端发送的行为数据上报指令,所述行为数据上报指令携带有对应账号对设备进行操作时的至少一个行为数据;
基于每个所述行为数据,获取至少一个账号标签;
基于至少一个所述账号标签建立所述映射关系。
可选地,所述方法还包括:
在所述接收多个登陆有账号的客户端发送的行为数据上报指令之后,获取每个所述行为数据与目标设备的关联程度;
基于所述关联程度对所述行为数据进行筛选;
所述基于每个所述行为数据,获取至少一个账号标签,包括:
基于每个筛选后的行为数据,获取至少一个所述账号标签。
可选地,所述方法还包括:
在所述接收多个登陆有账号的客户端发送的行为数据上报指令之后,获取每个所述行为数据的产生时刻;
基于所述产生时刻与当前时刻的时间差,对所述行为数据进行筛选;
所述基于每个所述行为数据,获取至少一个账号标签,包括:
基于每个筛选后的行为数据,获取至少一个所述账号标签。
可选地,所述行为数据为所述账号通过所述客户端向所述目标设备发送的操作命令;
或者,所述行为数据为在所述客户端上注册所述账号时填写的信息;
或者,所述行为数据为在安装有所述客户端的终端中产生的其他操作命令。
可选地,所述基于每个所述行为数据,获取至少一个账号标签,包括:
将每个所述行为数据输入分类模型,所述分类模型用于基于所述行为数据分别确定所述行为数据属于每个预设标签的得分,所述得分用于标识所述行为数据所表征的个性化信息符合对应预设标签的可能性;
获取每个所述行为数据属于每个所述预设标签的得分;
对于每个所述行为数据,在所述行为数据属于每个预设标签的得分中,确定最高得分;
基于每个所述行为数据对应的最高得分所对应的预设标签,确定所述行为数据的账号标签。
可选地,所述基于至少一个所述账号标签建立所述映射关系,包括:
对于每个所述账号标签,获取与所述账号标签存在关联关系的多个待选设备;
基于多个所述待选设备的功能信息,对多个所述待选设备进行组合,得到至少一个场景;
将每个所述场景与对应账号标签之间的对应关系确定为所述映射关系。
可选地,所述方法还包括:
接收推荐反馈响应,所述推荐反馈响应中携带有向所述目标账号推荐第一待推荐场景后,所述目标账号对所述第一待推荐场景的使用反馈信息,所述第一待推荐场景为所述目标推荐列表中的任一待推荐场景;
基于所述使用反馈信息更新所述映射关系。
可选地,所述向所述目标账号所登陆的客户端发送携带有所述目标推荐列表的推荐指令,包括:
在接收到所述目标账号的登陆请求后,向所述客户端发送所述推荐指令;
或者,在检测到所述目标账号通过所述客户端对预设设备发送操作命令后,向所述客户端发送所述推荐指令。
可选地,所述获取目标账号的目标账号标签,包括:
基于所述目标账号,在账号标签库中查找所述目标账号标签,所述账号标签库中存储有至少一个账号的账号标签。
根据本公开实施例的第二方面,提供一种场景推荐装置,所述装置包括:
第一获取模块,被配置为获取目标账号的目标账号标签,所述目标账号标签用于标识所述目标账号的个性化信息;
第二获取模块,被配置为基于所述目标账号标签,获取向所述目标账号推荐的目标推荐列表,所述目标推荐列表中记载有至少一个待推荐场景的信息,每个所述待推荐场景的信息包括对多个目标设备进行控制的控制方式;
发送模块,被配置为向所述目标账号所登陆的客户端发送携带有所述目标推荐列表的推荐指令。
可选地,所述第二获取模块,包括:
查询子模块,被配置为基于账号标签与场景信息的映射关系,查询与所述目标账号标签存在映射关系的至少一个待推荐场景的信息;
生成子模块,被配置为基于至少一个所述待推荐场景的信息生成所述目标推荐列表。
可选地,所述生成子模块,被配置为:
获取候选推荐集合,所述候选推荐集合中包括:至少一个候选推荐场景的信息;
基于至少一个所述待推荐场景的信息和至少一个候选推荐场景的信息,生成所述目标推荐列表。
可选地,当待推荐场景为多个时,所述生成子模块,被配置为:
获取每个所述待推荐场景的推荐得分;
基于多个所述待推荐场景的推荐得分,对多个所述待推荐场景的信息进行排序,得到所述目标推荐列表。
可选地,所述生成子模块,被配置为:
获取已向所述目标账号推荐的至少一个历史场景的信息;
获取第一目标设备与第二目标设备的第一关联值,所述第一目标设备为每个所述历史场景所涉及的目标设备中的任一个,所述第二目标设备为每个所述待推荐场景所涉及的目标设备中的任一个;
基于每个所述待推荐场景对应的第一关联值,确定每个所述待推荐场景的推荐得分。
可选地,所述生成子模块,被配置为:
获取所述目标账号与所述第二目标设备的第二关联值;
基于所述第二关联值与所述第一关联值确定所述推荐得分。
可选地,所述生成子模块,被配置为:
获取每个所述历史场景的推荐时间;
基于所述推荐时间,确定每个所述历史场景对应的第一关联值的权值,所述权值与目标时间差负相关,所述目标时间差为当前时间与所述推荐时间之差;
基于所述第二关联值、所述第一关联值和所述权值,确定所述推荐得分。
可选地,所述生成子模块,被配置为:
获取对每个所述待推荐场景的使用反馈信息;
基于所述待推荐场景的使用反馈信息和所述第一关联值,确定每个所述待推荐场景的推荐得分。
可选地,所述使用反馈信息包括:所述待推荐场景被推荐后,所述待推荐场景被使用的频率和/或使用得分。
可选地,当待推荐场景为多个时,所述装置还包括:
第一筛选模块,被配置为在所述基于至少一个所述待推荐场景的信息生成所述目标推荐列表之前,对多个所述待推荐场景的信息进行筛选;
所述生成子模块,被配置为:
基于经过筛选的至少一个待推荐场景的信息生成所述目标推荐列表。
可选地,所述第一筛选模块,被配置为:
获取禁止推荐场景列表,所述禁止推荐场景列表中记载有禁止向所述目标账号推荐的至少一个禁止推荐场景的信息;
从多个所述待推荐场景的信息中删除所述禁止推荐场景列表中所记载的禁止推荐场景的信息。
可选地,所述装置还包括:
第一接收模块,被配置为在所述获取禁止推荐场景列表之前,接收禁止推荐指令,所述禁止推荐指令中携带有禁止向所述目标账号推荐的至少一个禁止推荐场景的信息;
存储模块,被配置为将至少一个所述禁止推荐场景的信息存储至所述禁止推荐场景列表中。
可选地,所述目标账号标签包括多个子标签,所述第二获取模块,被配置为:
将多个所述子标签划分至多个标签组,每个所述标签组包括至少一个子标签,每两个所述标签组中包括有不同的子标签;
分别基于每个标签组,获取向所述目标账号推荐的子推荐列表;
基于多个所述标签组对应的子推荐列表,获取所述目标推荐列表。
可选地,所述第二获取模块,被配置为:
按照不同权重对多个所述子推荐列表进行组合,得到所述目标推荐列表。
可选地,所述装置还包括:
第二接收模块,被配置为在所述基于账号标签与场景信息的映射关系,查询与所述目标账号标签存在映射关系的至少一个待推荐场景的信息之前,接收多个登陆有账号的客户端发送的行为数据上报指令,所述行为数据上报指令携带有对应账号对设备进行操作时的至少一个行为数据;
第三获取模块,被配置为基于每个所述行为数据,获取至少一个账号标签;
建立模块,被配置为基于至少一个所述账号标签建立所述映射关系。
可选地,所述装置还包括:
第四获取模块,被配置为在所述接收多个登陆有账号的客户端发送的行为数据上报指令之后,获取每个所述行为数据与目标设备的关联程度;
第二筛选模块,被配置为基于所述关联程度对所述行为数据进行筛选;
所述第三获取模块,被配置为:
基于每个筛选后的行为数据,获取至少一个所述账号标签。
可选地,所述装置还包括:
第四获取模块,被配置为在所述接收多个登陆有账号的客户端发送的行为数据上报指令之后,获取每个所述行为数据的产生时刻;
第二筛选模块,被配置为基于所述产生时刻与当前时刻的时间差,对所述行为数据进行筛选;
所述第三获取模块,被配置为:
基于每个筛选后的行为数据,获取至少一个所述账号标签。
可选地,所述行为数据为所述账号通过所述客户端向所述目标设备发送的操作命令;
或者,所述行为数据为在所述客户端上注册所述账号时填写的信息;
或者,所述行为数据为在安装有所述客户端的终端中产生的其他操作命令。
可选地,所述第三获取模块,被配置为:
将每个所述行为数据输入分类模型,所述分类模型用于基于所述行为数据分别确定所述行为数据属于每个预设标签的得分,所述得分用于标识所述行为数据所表征的个性化信息符合对应预设标签的可能性;
获取每个所述行为数据属于每个所述预设标签的得分;
对于每个所述行为数据,在所述行为数据属于每个预设标签的得分中,确定最高得分;
基于每个所述行为数据对应的最高得分所对应的预设标签,确定所述行为数据的账号标签。
可选地,所述建立模块,被配置为:
对于每个所述账号标签,获取与所述账号标签存在关联关系的多个待选设备;
基于多个所述待选设备的功能信息,对多个所述待选设备进行组合,得到至少一个场景;
将每个所述场景与对应账号标签之间的对应关系确定为所述映射关系。
可选地,所述装置还包括:
第三接收模块,被配置为接收推荐反馈响应,所述推荐反馈响应中携带有向所述目标账号推荐第一待推荐场景后,所述目标账号对所述第一待推荐场景的使用反馈信息,所述第一待推荐场景为所述目标推荐列表中的任一待推荐场景;
建立模块,被配置为基于所述使用反馈信息更新所述映射关系。
可选地,所述发送模块,被配置为:
在接收到所述目标账号的登陆请求后,向所述客户端发送所述推荐指令;
或者,在检测到所述目标账号通过所述客户端对预设设备发送操作命令后,向所述客户端发送所述推荐指令。
可选地,所述第一获取模块,被配置为:
基于所述目标账号,在账号标签库中查找所述目标账号标签,所述账号标签库中存储有至少一个账号的账号标签。
根据本公开实施例的第三方面,提供一种场景推荐系统,所述系统包括:第二方面任一所述的场景推荐装置。
根据本公开实施例的第四方面,提供一种场景推荐装置,所述装置包括:
处理组件;
用于存储所述处理组件的可执行指令的存储器;
其中,所述处理组件被配置为:
获取目标账号的目标账号标签,所述目标账号标签用于标识所述目标账号的个性化信息;
基于所述目标账号标签,获取向所述目标账号推荐的目标推荐列表,所述目标推荐列表中记载有至少一个待推荐场景的信息,每个所述待推荐场景的信息包括对多个目标设备进行控制的控制方式;
向所述目标账号所登陆的客户端发送携带有所述目标推荐列表的推荐指令。
根据本公开实施例的第五方面,提供一种存储介质,当所述存储介质中的指令由终端的处理组件执行时,使得所述终端能够执行第一方面任一所述的场景推荐方法。
本公开的实施例提供的技术方案可以包括以下有益效果:
通过获取目标账号的目标账号标签,基于该目标账号标签获取向目标账号推荐的目标推荐列表,并向目标账号所登录的客户端发送携带有目标推荐列表的推荐指令,相较于相关技术,能够根据目标账号标签所标识的个性化信息向目标账号推荐场景,以向目标账号推荐更符合用户需求的场景,使得用户能够根据该推荐的场景进行场景设定,有效地提高了场景设定的效率。
本公开实施例提供的应当理解的是,以上的一般描述和后文的细节描述仅是示例性的,并不能限制本公开。
附图说明
为了更清楚地说明本公开的实施例,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公开的一些实施例,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是根据一示例性实施例示出的一种场景推荐方法所涉及的场景推荐系统的结构示意图。
图2是根据一示例性实施例示出的一种场景推荐方法的流程图。
图3是根据一示例性实施例示出的另一种场景推荐方法的流程图。
图4是根据一示例性实施例示出的一种对至少一个待推荐场景的信息和至少一个候选推荐场景的信息进行筛选的方法流程图。
图5是根据一示例性实施例示出的一种获取经过筛选的至少一个待推荐场景的信息中每个场景的推荐得分的方法流程图。
图6是根据一示例性实施例示出的一种用户对设备的感兴趣程度与设备的使用频率的关系示意图。
图7是根据一示例性实施例示出的一种基用户映射关系矩阵的示意图。
图8是根据一示例性实施例示出的一种确定每个待推荐场景的推荐得分的方法流程图。
图9是根据一示例性实施例示出的另一种确定每个待推荐场景的推荐得分的方法流程图。
图10是根据一示例性实施例示出的又一种确定每个待推荐场景的推荐得分的方法流程图。
图11是根据一示例性实施例示出的一种通过多个推荐引擎生成目标推荐列表的方法流程图。
图12是根据一示例性实施例示出的一种建立账号标签与场景信息的映射关系的方法流程图。
图13是根据一示例性实施例示出的一种行为数据进行分析的方法流程图。
图14是根据一示例性实施例示出的一种对行为数据进行筛选的方法流程图。
图15是根据一示例性实施例示出的另一种对行为数据进行筛选的方法流程图。
图16是根据一示例性实施例示出的一种基于每个筛选后的行为数据,获取至少一个账号标签的方法流程图。
图17是根据一示例性实施例示出的一种基于至少一个账号标签建立映射关系的方法流程图。
图18是根据一示例性实施例示出的一种更新映射关系的方法流程图。
图19是根据一示例性实施例示出的一种场景推荐装置的结构示意图。
图20是根据一示例性实施例示出的一种第二获取模块的结构示意图。
图21是根据一示例性实施例示出的另一种场景推荐装置的结构示意图。
图22是根据一示例性实施例示出的一种场景推荐装置的结构框图。
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理。
具体实施方式
为了使本公开的目的、技术方案和优点更加清楚,下面将结合附图对本公开作进一步地详细描述,显然,所描述的实施例仅仅是本公开一部份实施例,而不是全部的实施例。基于本公开中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例,都属于本公开保护的范围。
请参见图1,其示出了本公开部分实施例中提供的场景推荐方法所涉及的场景推荐系统的结构示意图。该场景推荐系统可以包括:服务器110和终端120。
该服务器可以是一台服务器,或者由若干台服务器组成的服务器集群,或者是一个云计算服务中心。终端120可以为智能手机、电脑、多媒体播放器、电子阅读器、可穿戴式设备等。该终端120上安装有用于进行场景设定的应用软件。例如,终端120上可以安装有米家应用(米家APP)客户端。
其中,服务器110和终端120之间可以通过有线网络或无线网络建立连接,服务器110可以向该终端发送携带有推荐列表的推荐指令,使该终端向该终端中安装的应用软件推荐该推荐列表,以便于用户在该推荐列表中选择场景,并根据该选择的场景进行场景设定。
图2是本公开实施例提供的一种场景推荐方法的流程图。如图2所示,该方法可以包括:
步骤201、获取目标账号的目标账号标签,目标账号标签用于标识目标账号的个性化信息。
其中,该个性化信息用于表征该目标账号的使用者的兴趣和爱好。
步骤202、基于目标账号标签,获取向目标账号推荐的目标推荐列表。
其中,目标推荐列表中记载有至少一个待推荐场景的信息,每个待推荐场景的信息包括对多个目标设备进行控制的控制方式。
步骤203、向目标账号所登陆的客户端发送携带有目标推荐列表的推荐指令。
综上所述,本公开实施例提供的场景推荐方法,通过获取目标账号的目标账号标签,基于该目标账号标签获取向目标账号推荐的目标推荐列表,并向目标账号所登录的客户端发送携带有目标推荐列表的推荐指令,相较于相关技术,能够根据目标账号标签所标识的个性化信息向目标账号推荐场景,以向目标账号推荐更符合用户需求的场景,使得用户能够根据该推荐的场景进行场景设定,有效地提高了场景设定的效率。
图3是本公开实施例提供的另一种场景推荐方法的流程图,该方法可以用应用于图1所示的服务器。如图3所示,该方法可以包括:
步骤301、获取目标账号的目标账号标签,该目标账号标签用于标识目标账号的个性化信息。
其中,该个性化信息用于表征该目标账号的使用者的兴趣和爱好。例如,根据目标账号A的使用者经常浏览军事类文章的行为数据,可以确定该目标账号的目标账号标签为军迷,此时,其个性化信息可以表征该使用者是一个军事爱好者。或者,根据目标账号A的使用者经常浏览智能家居产品的相关信息,可以确定该目标账号的目标账号标签为智能硬件迷,此时,其个性化信息可以表征该使用者是一个智能硬件爱好者。
可选地,服务器中可以存储有账号标签库,该账号标签库中存储有至少一个账号与账号标签的对应关系。相应的,在执行该步骤301时,可以基于该目标账号,在该账号标签库中查找与该目标账号存在对应关系的目标账号标签。
表1
账号 | 账号标签 |
账号A | 军迷、智能硬件迷、房地产迷 |
账号B | 房地产迷、金融迷、旅游迷 |
....... | ....... |
账号× | 军迷、电视迷 |
示例地,假设服务器中存储的部分账号标签库中存储的账号与账号标签的对应关系如表1所示,当目标账号为账号A时,根据该表1可以确定该目标账号A的目标账号标签为军迷、智能硬件迷和房地产迷,其中,军迷用于表征该目标账号的使用者为一个军事爱好者,智能硬件迷用于表征该目标账号的使用者是一个智能硬件爱好者,房地产迷用于表征该目标账号的使用者喜欢关注房地产动态。
其中,该账号标签库可以根据获取的用户行为数据确定。该行为数据可以为:用户在客户端的每次点击、浏览、搜索、设备的连接、分享、添加场景和设备联动等操作所产生的数据。可选地,该行为数据可以为对应账号通过该账号使用者所持终端上安装的客户端向目标设备发送的操作命令。例如,该行为数据可以包括:账号使用者通过米家APP向设备发送的设置设备定时启动的操作命令,或者,对目标设备的评价、点赞、问题的反馈和分享等操作指令。或者,该行为数据可以为在该账号使用者所持终端上安装的客户端上注册该账号时所填写的信息。例如,该行为数据可以为在米家APP上注册账号时所填写的兴趣爱好等信息。或者,该行为数据可以为在安装有客户端的终端中产生的其他操作命令。例如,该行为数据可以为在安装有米家APP的终端中产生的网页搜索或看新闻等其他操作命令。
步骤302、基于账号标签与场景信息的映射关系,查询与目标账号标签存在映射关系的至少一个待推荐场景的信息。
其中,场景可以为设定多个设备中每个设备的工作状态后,该多个设备所呈现的联合工作状态。例如,通过设定打开音响,然后关闭空调,并使用微波炉热早餐,该音响、空调和微波炉所呈现的联合工作状态为“起床”场景。
可选地,服务器中可以存储有账号标签与场景信息的映射关系库,该映射关系库中存储有至少一个账号标签与场景信息的映射关系。相应的,在执行该步骤302时,可以基于该目标账号标签,在该映射关库中查找与该目标账号标签存在映射关系的至少一个待推荐场景的信息。
示例地,假设服务器中存储的部分账号标签与场景信息的如表2所示,当目标账号A的目标账号标签为军迷、智能硬件迷和房地产迷时,根据该表2所示的映射关系,可以确定与军迷标签存在映射关系的待推荐场景的信息为场景信息1和场景信息2,与智能硬件迷标签存在映射关系的待推荐场景的信息为场景信息3,与房地产迷标签存在映射关系的待推荐场景的信息为场景信息4。则该至少一个待推荐场景的信息为场景信息1、场景信息2、场景信息3和场景信息4。
表2
步骤303、获取候选推荐集合,该候选推荐集合中包括:至少一个候选推荐场景的信息。
其中,该候选推荐集合可以基于指定的内容项目生成,给指定的内容项目可以根据实际需要进行确定。示例地,该候选推荐集合可以根据运营需求生成。例如,可以根据广告生成。根据运营需求进行确定的实现方式至少可以包括:在推出一款新的设备时,可以将包括该设备的场景的信息添加至该候选推荐集合中。例如,在推出支持摇头扇风的电风扇时,可以将包括该电风扇的场景的信息添加至该候选推荐集合中,以增加该电风扇的购买量。或者,根据步骤302中确定的至少一个待推荐场景的信息,可以将与该至少一个待推荐场景相关的设备的场景的信息添加至该候选推荐集合中。例如,根据步骤302中确定的至少一个待推荐场景包括空气净化器的儿童锁的场景的信息时,可以将与该儿童锁相关的音响的场景的信息添加至该候选推荐集合中,以增加该音响的购买量。
需要说明的是,在确定对推荐场景时,除了考虑根据账号标签和候选推荐集合确定待推荐场景,也可以根据场景之间的相关性,将与用户使用过的相似场景添加确定为待推荐场景。例如,可以根据用户使用过的场景,获取与该使用过的场景类似的场景,并将该类似的场景添加至推荐列表中。
步骤304、对至少一个待推荐场景的信息和至少一个候选推荐场景的信息进行筛选。
在确定至少一个待推荐场景的信息和至少一个候选推荐场景的信息后,可以根据预设策略对其进行筛选,以便于提高用户体验。可选地,如图4所示,步骤304的实现过程可以包括:
步骤3041、获取禁止推荐场景列表,该禁止推荐场景列表中记载有禁止向目标账号推荐的至少一个禁止推荐场景的信息。
该禁止推荐列表可以根据实际需要进行确定。可选地,该禁止推荐场景可以根据目标账号的使用者的使用反馈信息确定。示例地,可以在客户端中设置反馈机制,当用户使用某款设备后,可以根据使用感受发送使用反馈信息(例如,对该设备的评价、点赞、分享使用和问题的反馈等信息),服务器在收到目标账号发送的使用反馈信息后,可以根据该用户的使用感受调节向其推荐的场景,以向用户推荐更符合用户需求的场景。并且,当该使用反馈信息中携带有禁止向其推荐的场景时,可以在至少一个待推荐场景的信息和至少一个候选推荐场景的信息中删除该禁止推荐的场景。同时,当服务器接收到该携带有禁止向其推荐的场景的使用反馈信息后,可以将该禁止推荐的场景记载在该用户的账号对应的禁止推荐场景列表中,以便于根据该禁止推荐列表对向该目标账号推荐的场景进行筛选。
或者,该禁止推荐场景可以根据运营需要确定。示例地,当根据运营需要确定不向用户推荐包含某设备的场景时,可以将该设备记载在禁止推荐场景列表中,以便于在对至少一个待推荐场景的信息和至少一个候选推荐场景的信息进行筛选时,可以根据该禁止推荐场景列表删除包含该设备的场景的信息。
步骤3042、从多个待推荐场景的信息中删除禁止推荐场景列表中所记载的禁止推荐场景的信息。
若禁止推荐列表为根据用户的使用反馈信息确定的,在根据禁止推荐列表删除禁止推荐场景列表中所记载的禁止推荐场景的信息后,再向该用户推荐场景时,向其推荐的场景中不会包括其指定的禁止推荐的场景,可以提高用户的使用感受,以保留较好的用户留存和用户粘性。
若禁止推荐列表为根据运营需要确定的,由于根据运营需要确定的禁止推荐场景通常是使用效果较差的场景,在根据禁止推荐列表删除禁止推荐场景列表中所记载的禁止推荐场景的信息后,再向该用户推荐场景时,向其推荐的场景中不会包括其指定的禁止推荐的场景,可以使用户有较好的使用体验。并且,由于该禁止推荐场景具有较差的使用效果,若将其推荐给用户,且用户使用该场景,会造成非常不好的使用体验,因此,在确定禁止推荐场景后,需要及时地将该禁止推荐场景记载在禁止推荐列表中,以及时更新禁止推荐列表。
需要说明的是,由于在场景推荐系统建立时,该禁止推荐场景列表通常为空表,或者,该禁止推荐场景列表中仅记载有根据运营需要确定的禁止推荐场景,因此,该禁止推荐场景列表列表通常是在场景推荐系统的使用过程中逐渐完善的。相应的,在该步骤304之前,该场景推荐方法还可以包括:接收禁止推荐指令,该禁止推荐指令中携带有禁止向目标账号推荐的至少一个禁止推荐场景的信息,并将至少一个禁止推荐场景的信息存储至该禁止推荐场景列表中。其中,禁止推荐指令可以为用户发送的携带有使用反馈信息的指令,也可以是场景推荐系统的运营商发送的携带有禁止推荐产品的指令。
步骤305、获取经过筛选的至少一个待推荐场景的信息中每个场景的推荐得分。
在经过步骤302至步骤304后,通常可以确定向目标账号推荐的多个待推荐场景。若将该多个待推荐场景的信息直接无序地推荐至目标账号,用户还需要根据该多个待推荐场景的信息进行筛选,以确定需要使用哪个场景。但是,由于该多场景是无序的推荐给用户的,因此,无法为用户筛选提供依据,需要用户在大量的信息中进行筛选,使得用户进行场景设定的效率仍然较低。因此,在经过步骤302至步骤304确定了多个待推荐场景后,还可以对该多个待推荐场景进行排序,以便于向用户推荐该经过排序后的多个待推荐场景,使用户根据该排序后的多个待推荐场景选择需要使用的场景,进而提高用户设定场景的效率。
可选地,如图5所示,该步骤305的实现过程可以包括:
步骤3051、获取已向目标账号推荐的至少一个历史场景的信息。
已向目标账号推荐的历史场景通常与待推荐场景之间具有关联关系,通过获取该关联关系,可以根据该关联关系向目标账号推荐之前使用(或产生过行为)且贴合用户需求的设备,因此,可以获取已向目标账号推荐的至少一个历史场景的信息,并根据该历史场景的信息与待推荐场景之间的关联关系对多个待推荐场景进行排序。
步骤3052、获取第一目标设备与第二目标设备的第一关联值,该第一目标设备为每个历史场景所涉及的目标设备中的任一个,该第二目标设备为每个待推荐场景所涉及的目标设备中的任一个。
可选地,该第一关联值可以表现为第一目标设备和第二目标设备被喜爱的关联程度,该第一关联值可以根据第一关联值确定公式确定,该第一关联值确定公式为:
其中,i表示第二目标设备,j表示第一目标设备,Wij为该第一目标设备与该第二目标设备的第一关联值,|N(i)|是对第二目标设备感兴趣的用户的集合,|N(j)|是对第一目标设备感兴趣的用户的集合,根号下的部分是对该第一目标设备和第二目标设备均感兴趣的用户的集合。通过该第一关联值公式可以得知:对于两个目标设备的感兴趣用户集合,如果该两个目标设备对应的用户集合的交集中的用户数越大,则两个目标设备的关联性越强。
需要说明的是,当向用户推荐场景时,若推荐的场景为用户已知的场景,会降低用户的使用体验,因此,在向用户推荐场景时,可以从满足用户好奇心的角度出发,向用户推荐具有新奇性的场景,进而提高用户对推荐的场景的选择概率。此时,可以获取待推荐场景当前被使用的使用频率,并根据该使用频率对待推荐场景进行排序。因此,在该步骤3052中,还可以根据该使用频率确定该第一关联值,该根据使用频率确定第一关联值的公式如下:
该公式为对上述第一关联值确定公式的变换公式,在该变换公式中,popularity为根据对应目标设备的使用频率确定的热度值,α为新奇性控制系数,该α的取值可以根据实际需要进行确定。
请参考图6,该图6中横轴代表用户对设备的感兴趣程度,且1表示没兴趣,纵轴代表设备的使用频率,1代表一个月以内只使用了一次。从图6可以看出,用户对设备的感兴趣程度与设备的使用频率正相关。因此,由于历史场景中的第一目标设备通常已被用户了解,当第二目标设备的热度(或使用频率)大于第一目标设备的热度(或使用频率)时,用户应该也了解该第二目标设备,所以,可以通过该变换公式降低热度大于对应第一目标设备的第二目标设备在推荐列表中的排序,进而降低该第二目标设备出现在推荐列表中的可能性,以提高用户体验。
其中,根据第一目标设备与第二目标设备的第一关联值对待推荐场景进行排序,是基于物品(ItemCollaborationFilter,ItemCF)的协同过滤算法,为便于理解,下面对该基于ItemCF的协同过滤算法进行说明。
基于ItemCF的协同过滤算法的基本思想是:获取推荐目的物两者之间的联系,从而向用户推荐与之前使用或者是产生行为的设备相关的场景,以提高向用户推荐场景与其个人需求之间的符合度。示例地,表3为用户与其使用过(或产生过行为)的设备的对应关系,表4为根据该表3所示的对应关系进行变换后的关系,即每个设备与对应使用过(或产生过行为)的该设备的用户的对应关系。根据该表3和表4可以得到如图7所示的用户映射关系矩阵,其中,中间一列的矩阵表示同时对设备i和设备j感兴趣的用户数,最后一列矩阵表示设备间的相关性矩阵。根据该设备间的相关性,可以向用户推荐与之前使用或者是产生行为的设备相关的场景。
表3
表4
步骤3053、基于每个待推荐场景对应的第一关联值,确定每个待推荐场景的推荐得分。
根据不同需要,该步骤3053的实现方式可以包括多种,本公开实施例以以下几种为例进行说明:
在步骤3053的第一种可实现方式中,如图8所示,其实现过程可以包括:
步骤3053a1、获取目标账号与第二目标设备的第二关联值。
可选地,可以根据第二关联值确定公式确定该第二关联值,该第二关联值确定公式为:
并且,为了保证向用户推荐的场景的新奇性,可以采用下式对该第二关联值进行更新:
其中,rui为该用户u与该第二目标设备i的第二关联值,r1ui为更新后的该用户u与该第二目标设备i的第二关联值,popularity为根据对应目标设备的使用频率确定的热度值,α为新奇性控制系数,该α的取值可以根据实际需要进行确定。通过该更新后的第二关联值可以降低热度大于p1的第二目标设备在推荐列表中的排序,进而降低该第二目标设备出现在推荐列表中的可能性,以提高用户体验。
步骤3053a2、基于第二关联值与第一关联值确定推荐得分。
可选地,可以根据下式确定该推荐得分:
N(u)表示用户对所感兴趣的所有设备的集合,S(i,k)表示与设备i关联程度最高的设备集合,且该设备集合中包括的设备的数量为k。通过该公式可以看出,由于用户在之前使用过很多产品,当待推荐场景中的目标设备与历史推荐场景中的目标设备的关联性越大,该推荐得分越高,用户对其的期望值越高,因此,当根据该推荐得分对多个待推荐场景排序时,该目标设备对应的场景的排序越靠前,可以提高用户选择对应场景的可能性。
在步骤3053的第二种可实现方式中,如图9所示,其实现过程可以包括:
步骤3053b1、获取目标账号与第二目标设备的第二关联值。
该步骤3053b1的实现过程请相应参考步骤3053a1的实现过程。
步骤3053b2、获取每个历史场景的推荐时间。
对目标账号推荐场景后,服务器中通常会记录该次推荐的相关信息,例如,会记载该次推荐的推荐时间,因此,可以在服务器中查询对应历史场景的推荐时间。
步骤3053b3、基于推荐时间,确定每个历史场景对应的第一关联值的权值,权值与目标时间差负相关,目标时间差为当前时间与推荐时间之差。
当当前时间与对应历史场景的推荐时间越近时,对于该目标账号,该第一关联值对应的第二目标设备的新奇性越差,因此,可以根据该目标时间差确定该第一关联值的权值,且该权值与该目标时间差负相关。其中,该权值与该目标时间差负相关的实现方式可以根据实际需要进行设置,例如,该权值与该目标时间差可以按照一次函数线性负相关,或者,该权值与该目标时间差可以按照二次函数负相关,本公开实施例对其不做具体限定。
步骤3053b4、基于第二关联值、第一关联值和权值,确定推荐得分。
该步骤3053b4的实现过程请相应参考步骤3053a2的实现过程。
在步骤3053的第三种可实现方式中,如图10所示,其实现过程可以包括:
步骤3053c1、获取对每个待推荐场景的使用反馈信息。
可选地,使用反馈信息可以包括:待推荐场景被推荐后,该待推荐场景被使用的频率和/或使用得分。其中,使用的频率可以根据该待推荐场景在单位时间内被使用的次数确定。该使用得分可以根据用户在使用该待推荐场景后的评价分数确定。并且,该使用反馈信息还可以包括:设备的评价、点赞、问题的反馈和场景的分享使用操作等。并且,服务器中还可以创建有反馈信息数据库,在获取该使用反馈信息后,可将该使用反馈信息保存在该反馈数据库中。
步骤3053c2、基于待推荐场景的使用反馈信息和第一关联值,确定每个待推荐场景的推荐得分。
在该步骤3053c2的一种可实现方式中,当使用反馈信息包括:待推荐场景被推荐后,该待推荐场景被使用的频率时,为了保证推荐的场景的新奇性,可以根据该使用的频率降低热度较高的待推荐场景的推荐得分。相应的,可以按照下式确定该推荐得分:
其中,Pui为未考虑使用反馈信息时的推荐得分,该Pui的确定过程请相应参考步骤3053的第一种可实现方式和第二种可实现方式。P1ui为考虑使用反馈信息后的推荐得分,popularity为根据对应目标设备的使用频率确定的热度值,α为新奇性控制系数,该α的取值可以根据实际需要进行确定。通过考虑使用反馈信息,可以降低热度大于预设阈值p2的第二目标设备在推荐列表中的排序,进而降低该第二目标设备出现在推荐列表中的可能性,以提高用户体验。
在该步骤3053c2的另一种可实现方式中,当使用反馈信息包括:使用得分、设备的评价、点赞、问题的反馈和场景的分享使用操作等不可量化的信息时,可以根据预设策略对推荐得分进行加分或减分。例如,对于某一待推荐场景,若使用反馈信息包括对该待推荐场景的分享使用时,可以为该待推荐场景的推荐得分加分。对于某一待推荐场景,若使用反馈信息包括对该待推荐场景的差评时,可以为该待推荐场景的推荐得分减分。
步骤306、基于多个待推荐场景的推荐得分,对多个待推荐场景的信息进行排序,得到目标推荐列表。
在确定多个待推荐场景的推荐得分后,可以根据推荐得分由高到低的顺序,对该多个待推荐场景进行排序,以得到记载有至少一个待推荐场景的信息的目标推荐列表。
需要说明的是,在得到目标推荐列表后,通常还会根据使用反馈信息对该目标推荐列表进行优化,以较好地满足用户的动态需求。且在该优化过程中,可以将该目标推荐列表存储在数据库中,在本公开实施例中可以构建MySQL数据库,以在该MySQL数据库中存储该目标推荐列表。其中,在该MySQL数据库中,目标推荐列表中的待推荐场景、每个待推荐场景对应的账号标签和每个待推荐场景在目标推荐列表中的排序的存储格式可以参考表5,。
表5
账号标签标识(ID) | 待推荐场景ID | 排序 |
可选地,为了满足推荐的场景的新奇性,还可以在确定待推荐场景时,把服务器中所存储的场景中,不常用的长尾场景添加至推荐列表中。例如,可以对该所有场景按照使用频率由高到低的顺序排序,并将使用频率排在后20%的场景添加至目标推荐列表中,以保证推荐场景的新奇性。或者,当多个待推荐场景中包括该使用频率排在后20%的场景时,可以增加该待推荐场景的推荐得分。
需要说明的是,在生成目标推荐列表后,对于目标推荐列表中的待推荐场景,还可以根据待推荐场景的产生依据向对应的待推荐场景添加推荐备注,例如,若根据用户用户总是在看电影的时候将氛围灯设为暖色调的行为数据,确定向用户推荐相关的待推荐场景时,可以在对应的待推荐场景上添加“根据用户历史行为推荐”的推荐备注,为用户判断是否需要使用该对推荐场景提供选择依据。并且,还可以将该对应待推荐场景的推荐备注保存在服务器中,为映射关系提供更多的参考依据。
在上述步骤301至步骤306中,主要是以基于UserCF的协同过滤算法为例,对生成目标推荐列表的过程进行说明的。在使用时,也可以采用基于用户(UserCF)的协同过滤算法生成目标推荐列表。或者,也可以根据基于UserCF的协同过滤算法生成一个推荐列表,同时,根据基于ItemCF的协同过滤算法生成一个推荐列表,然后对该对该两个推荐列表中包括的待推荐场景进行处理。例如,可以对该两个推荐列表中包括的待推荐场景进行一次排重处理,并根据已推荐的场景对一次排重处理后的待推荐场景进行二次排重处理,然后,根据对二次排重处理后的推荐列表进行排序,以得到目标推荐列表。
步骤307、向目标账号所登陆的客户端发送携带有目标推荐列表的推荐指令。
可选地,可以在接收到目标账号的登陆请求后,向客户端发送推荐指令。或者,在检测到目标账号通过客户端对预设设备发送操作命令后,向客户端发送推荐指令。例如,在服务器检测到目标账号通过米家APP对电视发送了开始播放电影的操作指令,且确定该发送操作指令的时刻产生在晚上时,可以向该目标账号发送携带有灯光推荐的场景的推荐指令。或者,也可以通过终端监测目标账号的使用者的状态,向其发送该推荐指令。例如,当用户的睡眠监测仪识别到用户起床了,可以向目标账号发送携带有“打开窗帘,收音机播放用户最近喜欢的音乐”的推荐指令。或者,也可以周期性地根据用户的历史行为数据,向目标账号发送推荐指令。例如,根据用户总是在看电影的时候,将氛围灯调成暖色调的历史行为数据,向目标账号发送携带有灯光推荐的推荐指令。
需要说明的是,上述步骤302至步骤306为以根据一个账号标签生成一个目标推荐列表的实现过程为例,对该生成目标推荐列表的实现方式进行说明的。其中,该根据一个账号标签生成一个目标推荐列表的实现过程可以由一组推荐引擎执行。
在一种可实现方式中,由于目标账号标签通常包括多个子标签,因此,在生成目标推荐列表时,可以根据多个子标签分别生成多个子推荐列表,然后根据多个子列表生成目标推荐列表,且可以采用一个推荐引擎生成一个子推荐列表。如图11所示,该实现过程可以包括:
步骤401、将多个子标签划分至多个标签组,该每个标签组包括至少一个子标签,且每两个标签组中包括有不同的子标签。
该将多个子标签划分至多个标签组的实现方式可以根据实际需要确定,例如,可以按照数量将该多个子标签平均地划分至多个标签组,本公开实施例对其不作具体限定。
步骤402、分别基于每个标签组,获取向目标账号推荐的子推荐列表。
该步骤402的实现过程请相应参考上述步骤302至步骤306的实现过程。
步骤403、基于多个标签组对应的子推荐列表,获取目标推荐列表。
可选地,该步骤403的实现过程可以包括:按照不同权重对多个子推荐列表进行组合,得到目标推荐列表。其中,该每个子推荐列表对应的权重可以根据业务需求确定,并且,可以在不同的业务方向上添加不同的权重。例如:对应营销商主推的设备,可以设置包括有该设备的子推荐列表具有较大的权重。
在另一种可实现方式中,可以设置多组推荐引擎,每组推荐引擎之间逻辑隔离,且每组搜索引擎负责一个维度的用户标签和一种推荐方式。多组推荐引擎生成多个子推荐列表可以按照预设方式进行组合,以得到目标推荐列表。其中,利用每个推荐引擎生成子推荐列表的实现过程可以相应参考步骤302至步骤306的实现过程。且该多个子推荐列表之间的组合方式可以根据业务需求确定。
通过设置多个推荐引擎,可以利用较小的系统资源实现较多的业务种类,可以实现引擎的优化。并且,该多个推荐引擎的设置,可以保证系统的弹性,当需要扩张或缩小业务范围时,可以弹性地通过管理引擎的数量来实现。同时,当通过多个推荐引擎生成目标推荐列表,且每个推荐引擎负责至少一个维度的数据时,还能够更有效地利用使用反馈数据。例如,假设由甲乙丙三个推荐引擎生成目标推荐列表,且每个推荐引擎负责一个维度的数据时,当根据使用反馈信息确定目标账号对丙引擎推荐的内容不感兴趣时,可以通过修改甲乙丙三个引擎的推荐权重来改善推荐效果。同时推荐还能再次获得用户的反馈信息,从而优化系统,也方便了维护。进一步地,当通过多个推荐引擎生成目标推荐列表时,由于每个推荐引擎可以仅负责自己维度上的数据,可以降低系统的复杂度,进而方便系统维护并降低系统成本。
还需要说明的是,若目标推荐列表能够覆盖更多的场景类别,对于推荐系统来说也是极其重要的。例如,当推荐系统向用户推荐了10个场景,但是该10个场景均是关于智能灯泡的操作时,用户在查看到该目标推荐列表时会觉得很单调乏味,导致用户体验较差。实现目标推荐列表覆盖更多的场景类别可以有多种可实现方式,本公开实施例以以下几种可实现方式为例,对其进行说明:
在第一种可实现方式中,可以将对设备的操作进行分类,在生成目标推荐列表时,可以分别从多个类中提取待推荐场景,使生成的目标推荐列表包括多个类的待推荐场景。例如,可以根据操作目标可以分成灯具类、娱乐类和卫生厨具类等等,在生成目标推荐列表时,可以从该每个类中提取场景,以保证目标推荐列表能够覆盖更多的场景类别,进而保证目标推荐列表的广泛性。
在第二种可实现方式中,可以增大生成目标推荐列表的生成频率,以使生成的较多的目标推荐列表能够覆盖更多的场景类别。
在第三种可实现方式中,可以根据历史场景的信息,当生成的目标推荐列表中包括有已推荐或已使用的场景时,可降低该场景在目标推荐列表中的排序,使得排序在前的待推荐场景覆盖更多的场景类别。其中,降低场景在目标推荐列表中的排序的实现方式可以为:将该场景的推荐得分除以预设倍数。该预设倍数可以根据实际需要确定,例如,预设倍数的取值可以为[1.5,3]。
还需要说明的是,推荐列表的时域丰富性也是影响用户体验的一种重要特征。若在用户一天连续几次查看推荐列表时,推荐列表中的场景都是一样的,会让用户有非常不好的体验。本公开实施例中提供以下几种保证时域丰富性的可实现方式:
在第一种可实现方式中,可以在向目标账号发送携带有目标推荐列表的推荐指令之前,获取在该目标推荐列表之前向该目标账号推荐的预设次数次历史推荐列表,并检测每个历史推荐列表所包含的场景与该目标推荐列表所包含的场景的场景重复率,且当场景重复率大于预设重复率时,重新生成该场景推荐列表。
在第二种可实现中,可以实时采集并处理用户的行为数据,以根据该行为数据实时地生成目标推荐列表。例如,可以采集并将用户的行为数据保存在缓存中,实时地根据用户的行为数据生成目标推荐列表,以保证用户查看的推荐列表的时域丰富性。
在第三种可实现中,用户在预设时长内没有产生行为数据的情况下,可以根据时域属性刷新推荐列表。例如,可以记录用户之前产生的行为数据和向其推荐的推荐列表,并将之前向其推荐的推荐列表保存在日志(log)文件中,然后在想目标账号发送目标推荐列表之前,降低目标推荐列表中已推荐的场景的权重和排名,进而保证用户查看的推荐列表的时域丰富性。其中,将推荐列表保存在日志文件中操作可以离线处理。且保存时长可以根据实际需要确定,例如,若需要每天更新一次推荐列表时,将推荐列表保存在日志文件中的保存时长可以为一天。
在上述步骤302中,至少一个待推荐场景的信息是根据账号标签与场景信息的映射关系确定的,因此,在执行该步骤302之前,该场景推荐方法还可以包括建立账号标签与场景信息的映射关系的过程。可选地,请参考图12,该建立账号标签与场景信息的映射关系的实现过程可以包括:
步骤501、接收多个登陆有账号的客户端发送的行为数据上报指令,该行为数据上报指令携带有对应账号对设备进行操作时的至少一个行为数据。
行为数据可以为账号通过客户端向目标设备发送的操作命令。或者,行为数据可以为在客户端上注册账号时填写的信息。或者,行为数据可以为在安装有客户端的终端中产生的其他操作命令。用户在使用终端的过程中,终端会将用户产生的行为数据保存在设备的日志文件中。例如,用户每次浏览网页、打开的每个app、使用设备的时间和时长都会被记录在日志文件中。并且,终端可将该日志文件中记载的行为数据携带在行为数据上报指令中,向服务器发送该行为数据上报指令,以使服务器获取该行为数据。
在服务器接收该行为数据后,还可以按照图13所示的流程对该行为数据进行分析。如图13所示,该分析过程可以包括:获取对应账号的使用者所拥有的设备的列表,以及,获取记载用户对设备的使用过程的日志文件。并判断日志文件是否有效,当日志文件无效时重新获取日志文件,当日志文件有效时,对日志文件进行解析并分类,以得到被执行操作的设备的设备名称、操作行为和操作时间,然后将该分类得到的分类内容与账号信息进行映射,并将其保存在行为数据库中。
并且,为了保证场景推荐方法的可用性,在获取行为数据时,还需要保证获取的数据的时效性。只有在获取到具有较高时效性的数据时,才能够为用户及时地推荐适用的场景。例如,对于订外卖相关的场景,由于订外卖的需求通常产生在每天的一些特殊时段,只有及时地获取相关的数据,才能为用户推荐适用的场景,若不能及时获取相关数据,就会错失当天的推荐机会。
从行为数据保存角度看,与设备的评价、点赞、问题的反馈和分享等相关的实时性的行为数据通常与其他用户的行为相关联,因此,该行为数据需要体现在客户端的页面上,可将该行为数据存储在服务器的缓存中,以向用户提供判别标准,以助于设备的良性发展。而对于数据量较大,且没有实时性需求的行为数据,例如,设备日志和用户操作等数据,可以先将数据保存在设备缓存中,并通过固定的设备心跳或上报时间发送至服务器,并保存在服务器的文件系统中。在本公开实施例中,服务器的文件系统可以为Hadoop分布式文件系统(Hadoop Distributed Filesystem,HDFS)。
步骤502、对行为数据进行筛选。
当行为数据为在客户端上注册账号时所填写的信息时,由于该信息是用户主动填写的,因此,该行为数据通常具有较高的准确性,即具有较高的数据质量。从客户端设置的角度看,用户在注册账号时填写的信息保证了该具有较高质量的数据的采集的客观性。
当该行为数据为对应账号通过该账号使用者所持终端上安装的客户端向目标设备发送的操作命令,或者,当行为数据为在安装有客户端的终端中产生的其他操作命令时,由于该数据时在用户对设备的长期使用过程中产生的数据,因此,该数据的数据量通常较大,为了保证该数据的可用性,通常还需要对该数据进行筛选。
可选地,该步骤502至少存在以下几种可实现方式:
第一种可实现方式,如图14所示,基于行为数据与目标设备的关联度进行筛选,该目标设备为待建立的映射关系中涉及的任一个设备。
步骤5021a、获取每个行为数据与目标设备的关联程度。
该行为数据域目标设备的关联程度可以理解为:通过该行为数据对目标设备进行操作的概率。且当行为数据域目标设备的关联程度越大时,根据该行为数据建立的映射关系的参考价值越高。例如,当行为数据为对目标设备进行场景的设定所产生的数据时,该行为数据与该目标设备的关联程度越大,此时,根据该行为数据建立的映射关系的参考价值较大。或者,当行为数据为用户在终端上看时间所产生的行为数据时,该行为数据域目标设备几乎没有关联性,此时,根据该行为数据建立的映射关系几乎没有参考价值。
步骤5022a、基于关联程度对行为数据进行筛选。
在执行该步骤5022a时,可以将关联程度较大的行为数据保留,将关联程度较小的行为数据删除,以保证行为数据的质量。或者,可以对关联程度较大的行为数据添加较大的权重,减小关联程度较小的行为数据的权重。
第二种可实现方式,如图15所示,基于行为数据的产生时间进行筛选。
步骤5021b、获取每个行为数据的产生时刻。
由于用户在使用终端的过程中,终端会将用户产生的行为数据保存在设备的日志文件中。该日志文件中通常会记载对应行为数据的产生时刻,因此,在执行该步骤5021b时,可以查询该日志文件,以获取对应行为数据的产生时刻。
步骤5022b、基于产生时刻与当前时刻的时间差,对行为数据进行筛选。
行为数据通常是有时效性的,当行为数据的时效性不同时,其所反映的用户与设备之间的关联关系的参考价值不同,且用户在近期对设备的操作是比以往历史数据更有参考价值。例如,对于用户在上一周和这一周对设备的操作行为,这一周的操作行为通常比上一周的操作行为更能反映用户近期的行为偏好。因此,在对行为数据进行筛选时,可以根据行为数据的产生时刻与当前时刻的时间差,对行为数据进行筛选。
并且,在根据该时间差对行为数据进行筛选时,可以对时间差较小的行为数据添加较大的权重,对时间差较大的行为数据添加较小的权重。
步骤503、基于每个筛选后的行为数据,获取至少一个账号标签。
可选地,可以采用数据挖掘的方法获取账号标签。且该数据挖掘方法有多种可实现方式。下面以通过分类实现数据挖掘的实现过程为例,对其进行说明,如图16所示,该步骤503的实现过程可以包括:
步骤5031、将每个行为数据输入分类模型。
该分类模型可以为预先训练完成的分类模型,在完成对该分类模型的训练过程后,可确定该分类模型的输入与输出之间的映射关系,即确定用于训练的行为数据与预设标签之间的映射关系。在将行为数据输入至训练完成的分类模型后,该训练完成的分类模型可以根据该映射关系确定每个行为数据属于分类信息所指示的多预设标签中每个预设标签的得分,该得分用于标识行为数据所表征的个性化信息符合对应预设标签的可能性。
可选地,根据运营需求该预设标签可以为多个种类的标签。示例地,分类模型对应的标签可以为表6所示的多类标签,其中,按照标签的基础属性进行分类,预设标签可以有消费信息标签、资产信息标签和基础信息标签;按照标签标识的兴趣爱好进行分类,预设标签可以有汽车类标签、房地产类标签、金融类标签和旅游类标签等。
表6
并且,由于用户的标签维度和种类繁多,在推荐系统建立的初期,标签类别可以根据运营情况从最基础的开始建设,并在推荐系统的使用过程中逐渐丰富标签类别。
步骤5032、获取每个行为数据属于每个预设标签的得分。
将每个行为数据输入分类模型后,该分类模型会输出该每个行为数据属于每个预设标签的得分,此时,服务器可以获取该分类模型的输出,以得到每个行为数据属于每个预设标签的得分。
步骤5033、对于每个行为数据,在行为数据属于每个预设标签的得分中,确定最高得分。
行为数据属于预设标签的得分越高,表明该行为数据所表征的个性化信息符合对应预设标签的可能性越大,因此,可以在行为数据属于每个预设标签的得分中确定最高得分,以便于根据该最高得分对应的预设标签确定为对应行为数据的账号标签。
步骤5034、基于每个行为数据对应的最高得分所对应的预设标签,确定行为数据的账号标签。
在确定行为数据属于预设标签的最高得分后,属于同一预设标签的至少一个行为数据可以视为属于一个行为数据类别。对于每个行为数据类别,可以采用决策树算法对该行为数据类别所包含的至少一个行为数据进行决策树处理,使决策树算法按照时间轨迹,将该至少一个行为数据映射成一个标签,以得到行为数据的账号标签。
需要说明的是,在基于行为数据获取账号标签时,还可以考虑从行为数据上反应的对单个行为数据类别的触发次数和用户对某条行为数据的集中体现。示例地,对于单个行为数据类别的触发次数,若单个行为数据的出现频率较高,那么该行为数据应该是对较常用的设备或功能进行操作时产生的数据,则该行为数据可以直接作为标签体现在映射关系中。类似的,对于用户某条行为数据的集中体现,若用户均执行同一个操作,那么,该行为数据为能够体现一类人的行为特征的行为数据,则该行为数据也可以作为标签直接体现在映射关系中,以体现操作的共性特征。因此,在接收到行为数据之后,还可以判断行为数据是否为标签类数据,当行为数据为标签类数据时,可将该行为数据之间添加至账号标签库中,当该行为数据不是标签类数据时,可对该行为数据执行还步骤503,以根据该行为数据获取对应的标签。
在获取账号标签后,还可以采用Reach/CTR曲线对账号标签进行评估,以保证账号标签的准确性,以进一步提高根据账号标签进行场景推荐的准确性。
步骤504、基于至少一个账号标签建立映射关系。
可选地,如图17所示,该步骤504的实现过程,可以包括:
步骤5041、获取与每个账号标签存在关联关系的多个待选设备。
由于账号标签用于标识对应账号的个性化信息,且根据设备的功能,当运行设备能够实现个性化信息所指示的个性化需求时,可以建立该设备与对应账号标签的关联关系。因此,在执行该步骤5041时,可以根据该关联关系,获取与账号标签存在关联关系的多个待选设备。
步骤5042、基于多个待选设备的功能信息,对多个待选设备进行组合,得到至少一个场景。
在获取多个待选设备后,可以根据每个待选设备的功能信息,例如:根据每个待选设备能够实现的功能,及每个设备的开启方式和控制方式等信息,对多个待选设备的控制顺序和工作时长等进行组合,以得到至少一个场景。并且,根据待选设备的功能信息,待选设备通常有多种控制方式,因此,对多个待选设备进行组合后通常能够得到多个场景。
示例地,假设多个待选设备包括:音响、空调和微波炉时,根据该音响、空调和微波炉的功能信息,可以确定该音响、空调和微波炉的控制顺序为:立即开启音响、并在开启音响十分钟后关闭空调,并在关闭空调半小时后开启微波炉热早餐,以及,该音响、空调和微波炉的控制时长为:音响开启两小时、空调保持关闭状态,微波炉开启两分钟。根据该控制顺序和工作时长对该音响、空调和微波炉的控制方式进行组合,可以得到该音响、空调和微波炉的一个场景,即立即开启音响,并保持开启两小时,在开启音响十分钟后关闭空调,且保持其关闭状态,然后在关闭空调半小时后开启微波炉热早餐两分钟。
步骤5043、将每个场景与对应账号标签之间的对应关系确定为映射关系。
由于账号标签与多个待选设备存在关联关系,且对该多个待选设备进行组合后,可以得到至少一个场景,因此,该账号标签与组合得到的场景之间也存在对应关系,此时,可以将每个场景的场景信息与对应账号标签之间的对应关系确定为一组映射关系,以得到账号标签与场景信息的映射关系。
步骤505、更新映射关系。
在根据步骤501至步骤504建立账号标签与场景信息的映射关系后,还可以根据该映射关系的使用情况,不断地对该映射关系进行更新。例如,可以在客户端中设置反馈机制,当用户使用推荐的场景后,可以根据使用感受发送使用反馈信息,服务器可以根据该使用反馈信息更新该映射关系。或者,在有新设备发布时,可以根据该新设备的功能信息更新该映射关系。
下面以根据使用反馈信息更新映射关系为例,对该更新映射关系的实现过程进行说明,如图18所示,步骤505的实现过程可以包括:
步骤5051、接收推荐反馈响应,该推荐反馈响应中携带有向目标账号推荐第一待推荐场景后,该目标账号对第一待推荐场景的使用反馈信息,该第一待推荐场景为该目标推荐列表中的任一待推荐场景。
在向账号所登陆的客户端发送携带有待推荐场景的信息的推荐指令后,用户可以根据使用的待推荐场景,对其使用的待推荐场景发送使用反馈信息(例如对场景的评价、点赞、问题的反馈和分享等信息),并通过其使用的账号所登陆的客户端向服务器发送推荐反馈响应,该推荐反馈响应中携带有该使用反馈信息,以便于该服务器获取该使用反馈信息。
在想步骤5052、基于使用反馈信息更新映射关系。
在更新映射关系的一种可实现方式中,可以获取用户对每个映射关系所指示的场景的使用反馈信息,并根据该使用反馈信息确定该场景的综合评分,并在综合评分低于预设分数阈值时,删除映射关系库中记载的该映射关系。其中,根据反馈信息确定综合评分的评分策略可以根据实际需要确定,
在更新映射关系的另一种可实现方式中,可以为每个映射关系设置推荐指数,并设置映射关系的推荐指数和根据使用反馈信息确定的场景的综合评分正相关。在映射关系建立时,每个映射关系的推荐指数均设置为默认值。在更新映射关系时,可以根据使用反馈信息确定场景的综合评分,并根据该综合评分重置该映射关系的推荐指数。其中,推荐指数用于在基于目标账号标签获取向目标账号推荐的目标推荐列表时,根据该推荐指数决策是否将对应的映射关系所指示的场景添加至目标推荐列表中。其中,根据该综合评分重置该映射关系的推荐指数的策略,以及,根据该推荐指数决策是否将对应的映射关系所指示的场景添加至目标推荐列表的策略,可以根据实际需要确定。
通过更新映射关系,可以使得在根据该映射关系进行场景推荐时,能够向用户推荐更符合用户需求的场景,进一步体改用户的使用体验。
综上所述,本公开实施例提供的场景推荐方法,通过获取目标账号的目标账号标签,基于该目标账号标签获取向目标账号推荐的目标推荐列表,并向目标账号所登录的客户端发送携带有目标推荐列表的推荐指令,相较于相关技术,能够根据目标账号标签所标识的个性化信息向目标账号推荐场景,以向目标账号推荐更符合用户需求的场景,使得用户能够根据该推荐的场景进行场景设定,有效地提高了场景设定的效率。
并且,通过根据目标账号标签向目标账号推荐场景,在用户有限的承载能力下,增加了用户对场景信息和设备的硬件信息的采集效率,并提高了用户的使用体验,解决了相关技术中由于设备间的联合工作逻辑复杂,导致的作为客户端功能亮点的场景功能的使用次数很少、造成的资源浪费和用户数量增长存在瓶颈等问题。
需要说明的是,本公开实施例提供的场景推荐方法步骤的先后顺序可以进行适当调整,步骤也可以根据情况进行相应增减,任何熟悉本技术领域的技术人员在本公开揭露的技术范围内,可轻易想到变化的方法,都应涵盖在本公开的保护范围之内,因此不再赘述。
本公开实施例还提供了一种场景推荐装置,如图19所示,装置600可以包括:
第一获取模块601,被配置为获取目标账号的目标账号标签,目标账号标签用于标识目标账号的个性化信息。
第二获取模块602,被配置为基于目标账号标签,获取向目标账号推荐的目标推荐列表,目标推荐列表中记载有至少一个待推荐场景的信息,每个待推荐场景的信息包括对多个目标设备进行控制的控制方式。
发送模块603,被配置为向目标账号所登陆的客户端发送携带有目标推荐列表的推荐指令。
综上所述,本公开实施例提供的场景推荐装置,通过第一获取模块获取目标账号的目标账号标签,第二获取模块基于该目标账号标签获取向目标账号推荐的目标推荐列表,发送模块向目标账号所登录的客户端发送携带有目标推荐列表的推荐指令,相较于相关技术,能够根据目标账号标签所标识的个性化信息向目标账号推荐场景,以向目标账号推荐更符合用户需求的场景,使得用户能够根据该推荐的场景进行场景设定,有效地提高了场景设定的效率。
可选地,如图20所示,第二获取模块602,可以包括:
查询子模块6021,被配置为基于账号标签与场景信息的映射关系,查询与目标账号标签存在映射关系的至少一个待推荐场景的信息。
生成子模块6022,被配置为基于至少一个待推荐场景的信息生成目标推荐列表。
可选地,生成子模块6022,被配置为:
获取候选推荐集合,候选推荐集合中可以包括:至少一个候选推荐场景的信息。
基于至少一个待推荐场景的信息和至少一个候选推荐场景的信息,生成目标推荐列表。
可选地,当待推荐场景为多个时,生成子模块6022,被配置为:
获取每个待推荐场景的推荐得分。
基于多个待推荐场景的推荐得分,对多个待推荐场景的信息进行排序,得到目标推荐列表。
可选地,生成子模块6022,被配置为:
获取已向目标账号推荐的至少一个历史场景的信息。
获取第一目标设备与第二目标设备的第一关联值,第一目标设备为每个历史场景所涉及的目标设备中的任一个,第二目标设备为每个待推荐场景所涉及的目标设备中的任一个。
基于每个待推荐场景对应的第一关联值,确定每个待推荐场景的推荐得分。
可选地,生成子模块6022,被配置为:
获取目标账号与第二目标设备的第二关联值。
基于第二关联值与第一关联值确定推荐得分。
可选地,生成子模块6022,被配置为:
获取每个历史场景的推荐时间。
基于推荐时间,确定每个历史场景对应的第一关联值的权值,权值与目标时间差负相关,目标时间差为当前时间与推荐时间之差。
基于第二关联值、第一关联值和权值,确定推荐得分。
可选地,生成子模块6022,被配置为:
获取对每个待推荐场景的使用反馈信息。
基于待推荐场景的使用反馈信息和第一关联值,确定每个待推荐场景的推荐得分。
可选地,使用反馈信息可以包括:待推荐场景被推荐后,待推荐场景被使用的频率和/或使用得分。
可选地,如图21所示,当待推荐场景为多个时,装置600还可以包括:
第一筛选模块604,被配置为在基于至少一个待推荐场景的信息生成目标推荐列表之前,对多个待推荐场景的信息进行筛选。
生成子模块6022,被配置为:基于经过筛选的至少一个待推荐场景的信息生成目标推荐列表。
可选地,第一筛选模块604,被配置为:
获取禁止推荐场景列表,禁止推荐场景列表中记载有禁止向目标账号推荐的至少一个禁止推荐场景的信息。
从多个待推荐场景的信息中删除禁止推荐场景列表中所记载的禁止推荐场景的信息。
可选地,如图21所示,装置600还可以包括:
第一接收模块605,被配置为在获取禁止推荐场景列表之前,接收禁止推荐指令,禁止推荐指令中携带有禁止向目标账号推荐的至少一个禁止推荐场景的信息。
存储模块606,被配置为将至少一个禁止推荐场景的信息存储至禁止推荐场景列表中。
可选地,目标账号标签可以包括多个子标签,第二获取模块602,被配置为:
将多个子标签划分至多个标签组,每个标签组可以包括至少一个子标签,每两个标签组中可以包括有不同的子标签。
分别基于每个标签组,获取向目标账号推荐的子推荐列表。
基于多个标签组对应的子推荐列表,获取目标推荐列表。
可选地,第二获取模块602,被配置为:按照不同权重对多个子推荐列表进行组合,得到目标推荐列表。
可选地,如图21所示,装置600还可以包括:
第二接收模块607,被配置为在基于账号标签与场景信息的映射关系,查询与目标账号标签存在映射关系的至少一个待推荐场景的信息之前,接收多个登陆有账号的客户端发送的行为数据上报指令,行为数据上报指令携带有对应账号对设备进行操作时的至少一个行为数据。
第三获取模块608,被配置为基于每个行为数据,获取至少一个账号标签。
建立模块609,被配置为基于至少一个账号标签建立映射关系。
可选地,如图21所示,装置600还可以包括:
第四获取模块610,被配置为在接收多个登陆有账号的客户端发送的行为数据上报指令之后,获取每个行为数据与目标设备的关联程度。
第二筛选模块611,被配置为基于关联程度对行为数据进行筛选。
第三获取模块608,被配置为:基于每个筛选后的行为数据,获取至少一个账号标签。
可选地,如图21所示,装置600还可以包括:
第四获取模块610,被配置为在接收多个登陆有账号的客户端发送的行为数据上报指令之后,获取每个行为数据的产生时刻。
第二筛选模块611,被配置为基于产生时刻与当前时刻的时间差,对行为数据进行筛选。
第三获取模块608,被配置为:基于每个筛选后的行为数据,获取至少一个账号标签。
可选地,行为数据为账号通过客户端向目标设备发送的操作命令。
或者,行为数据为在客户端上注册账号时填写的信息。
或者,行为数据为在安装有客户端的终端中产生的其他操作命令。
可选地,第三获取模块608,被配置为:
将每个行为数据输入分类模型,分类模型用于基于行为数据分别确定行为数据属于每个预设标签的得分,得分用于标识行为数据所表征的个性化信息符合对应预设标签的可能性。
获取每个行为数据属于每个预设标签的得分。
对于每个行为数据,在行为数据属于每个预设标签的得分中,确定最高得分。
基于每个行为数据对应的最高得分所对应的预设标签,确定行为数据的账号标签。
可选地,建立模块609,被配置为:
对于每个账号标签,获取与账号标签存在关联关系的多个待选设备。
基于多个待选设备的功能信息,对多个待选设备进行组合,得到至少一个场景。
将每个场景与对应账号标签之间的对应关系确定为映射关系。
可选地,如图21所示,装置600还可以包括:
第三接收模块612,被配置为接收推荐反馈响应,推荐反馈响应中携带有向目标账号推荐第一待推荐场景后,目标账号对第一待推荐场景的使用反馈信息,第一待推荐场景为目标推荐列表中的任一待推荐场景。
建立模块609,被配置为基于使用反馈信息更新映射关系。
可选地,发送模块603,被配置为:
在接收到目标账号的登陆请求后,向客户端发送推荐指令。
或者,在检测到目标账号通过客户端对预设设备发送操作命令后,向客户端发送推荐指令。
可选地,第一获取模块601,被配置为:
基于目标账号,在账号标签库中查找目标账号标签,账号标签库中存储有至少一个账号的账号标签。
综上所述,本公开实施例提供的场景推荐装置,通过第一获取模块获取目标账号的目标账号标签,第二获取模块基于该目标账号标签获取向目标账号推荐的目标推荐列表,发送模块向目标账号所登录的客户端发送携带有目标推荐列表的推荐指令,相较于相关技术,能够根据目标账号标签所标识的个性化信息向目标账号推荐场景,以向目标账号推荐更符合用户需求的场景,使得用户能够根据该推荐的场景进行场景设定,有效地提高了场景设定的效率。
并且,通过根据目标账号标签向目标账号推荐场景,在用户有限的承载能力下,增加了用户对场景信息和设备的硬件信息的采集效率,并提高了用户的使用体验,解决了相关技术中由于设备间的联合工作逻辑复杂,导致的作为客户端功能亮点的场景功能的使用次数很少、造成的资源浪费和用户数量增长存在瓶颈等问题。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的装置、模块和子模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
本公开实施例还提供了一种场景推荐系统,该系统包括:本公开实施例提供的场景推荐装置。
图22是根据一示例性实施例示出的一种场景推荐装置700的框图。例如,装置700可以是移动电话,计算机,数字广播终端,消息收发设备,游戏控制台,平板设备,医疗设备,健身设备,个人数字助理等。
参照图22,装置700可以包括以下一个或多个组件:处理组件702,存储器704,电源组件706,多媒体组件708,音频组件710,输入/输出(I/O)的接口712,传感器组件714,以及通信组件716。
处理组件702通常控制装置700的整体操作,诸如与显示,电话呼叫,数据通信,相机操作和记录操作相关联的操作。处理组件702可以包括一个或多个处理器720来执行指令,以完成上述的方法的全部或部分步骤。例如,该处理组件可以被配置为:获取目标账号的目标账号标签,目标账号标签用于标识目标账号的个性化信息;基于目标账号标签,获取向目标账号推荐的目标推荐列表,目标推荐列表中记载有至少一个待推荐场景的信息,每个待推荐场景的信息包括对多个目标设备进行控制的控制方式;向目标账号所登陆的客户端发送携带有目标推荐列表的推荐指令。此外,处理组件702可以包括一个或多个模块,便于处理组件702和其他组件之间的交互。例如,处理组件702可以包括多媒体模块,以方便多媒体组件708和处理组件702之间的交互。
存储器704被配置为存储各种类型的数据以支持在装置700的操作。这些数据的示例包括用于在装置700上操作的任何应用程序或方法的指令,联系人数据,电话簿数据,消息,图片,视频等。存储器704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,如静态随机存取存储器(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。
电源组件706为装置700的各种组件提供电力。电源组件706可以包括电源管理系统,一个或多个电源,及其他与为装置700生成、管理和分配电力相关联的组件。
多媒体组件708包括在所述装置700和用户之间的提供一个输出接口的屏幕。在一些实施例中,屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板,屏幕可以被实现为触摸屏,以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界,而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中,多媒体组件708包括一个前置摄像头和/或后置摄像头。当装置700处于操作模式,如拍摄模式或视频模式时,前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
音频组件710被配置为输出和/或输入音频信号。例如,音频组件710包括一个麦克风(MIC),当装置700处于操作模式,如呼叫模式、记录模式和语音识别模式时,麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器704或经由通信组件716发送。在一些实施例中,音频组件710还包括一个扬声器,用于输出音频信号。
I/O接口712为处理组件702和外围接口模块之间提供接口,上述外围接口模块可以是键盘,点击轮,按钮等。这些按钮可包括但不限于:主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件714包括一个或多个传感器,用于为装置700提供各个方面的状态评估。例如,传感器组件714可以检测到装置700的打开/关闭状态,组件的相对定位,例如所述组件为装置700的显示器和小键盘,传感器组件714还可以检测装置700或装置700一个组件的位置改变,用户与装置700接触的存在或不存在,装置700方位或加速/减速和装置700的温度变化。传感器组件714可以包括接近传感器,被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件714还可以包括光传感器,如CMOS或CCD图像传感器,用于在成像应用中使用。在一些实施例中,该传感器组件714还可以包括加速度传感器,陀螺仪传感器,磁传感器,压力传感器或温度传感器。
通信组件716被配置为便于装置700和其他设备之间有线或无线方式的通信。装置700可以接入基于通信标准的无线网络,如WiFi,2G或3G,或它们的组合。在一个示例性实施例中,通信组件716经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中,所述通信组件716还包括近场通信(NFC)模块,以促进短程通信。例如,在NFC模块可基于射频识别(RFID)技术,红外数据协会(IrDA)技术,超宽带(UWB)技术,蓝牙(BT)技术和其他技术来实现。
在示例性实施例中,装置700可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现,用于执行上述方法。
在示例性实施例中,还提供了一种包括指令的非临时性计算机可读存储介质,例如包括指令的存储器704,上述指令可由装置700的处理器720执行以完成上述方法。例如,所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由下面的权利要求指出。
应当理解的是,本公开并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。
Claims (43)
1.一种场景推荐方法,其特征在于,所述方法包括:
获取目标账号的目标账号标签,所述目标账号标签用于标识所述目标账号的个性化信息;
基于所述目标账号标签,获取向所述目标账号推荐的目标推荐列表,所述目标推荐列表中记载有至少一个待推荐场景的信息,每个所述待推荐场景的信息包括对多个目标设备进行控制的控制方式;
向所述目标账号所登陆的客户端发送携带有所述目标推荐列表的推荐指令;
所述基于所述目标账号标签,获取向所述目标账号推荐的目标推荐列表,包括:
基于账号标签与场景信息的映射关系,查询与所述目标账号标签存在映射关系的至少一个待推荐场景的信息;
基于至少一个所述待推荐场景的信息生成所述目标推荐列表;
当待推荐场景为多个时,所述基于至少一个所述待推荐场景的信息生成所述目标推荐列表,包括:
获取已向所述目标账号推荐的至少一个历史场景的信息;
获取第一目标设备与第二目标设备的第一关联值,所述第一目标设备为每个所述历史场景所涉及的目标设备中的任一个,所述第二目标设备为每个所述待推荐场景所涉及的目标设备中的任一个;
基于每个所述待推荐场景对应的第一关联值,确定每个所述待推荐场景的推荐得分;
基于多个所述待推荐场景的推荐得分,对多个所述待推荐场景的信息进行排序,得到所述目标推荐列表。
2.根据权利要求1所述的方法,其特征在于,所述基于至少一个所述待推荐场景的信息生成所述目标推荐列表,包括:
获取候选推荐集合,所述候选推荐集合中包括:至少一个候选推荐场景的信息;
基于至少一个所述待推荐场景的信息和至少一个候选推荐场景的信息,生成所述目标推荐列表。
3.根据权利要求1所述的方法,其特征在于,所述基于每个所述待推荐场景对应的第一关联值,确定每个所述待推荐场景的推荐得分,包括:
获取所述目标账号与所述第二目标设备的第二关联值;
基于所述第二关联值与所述第一关联值确定所述推荐得分。
4.根据权利要求3所述的方法,其特征在于,所述基于所述第二关联值与所述第一关联值确定所述推荐得分,包括:
获取每个所述历史场景的推荐时间;
基于所述推荐时间,确定每个所述历史场景对应的第一关联值的权值,所述权值与目标时间差负相关,所述目标时间差为当前时间与所述推荐时间之差;
基于所述第二关联值、所述第一关联值和所述权值,确定所述推荐得分。
5.根据权利要求1至4任一所述的方法,其特征在于,所述基于每个所述待推荐场景对应的第一关联值,确定每个所述待推荐场景的推荐得分,包括:
获取对每个所述待推荐场景的使用反馈信息;
基于所述待推荐场景的使用反馈信息和所述第一关联值,确定每个所述待推荐场景的推荐得分。
6.根据权利要求5所述的方法,其特征在于,所述使用反馈信息包括:所述待推荐场景被推荐后,所述待推荐场景被使用的频率和/或使用得分。
7.根据权利要求1至4任一所述的方法,其特征在于,当待推荐场景为多个时,所述方法还包括:
在所述基于至少一个所述待推荐场景的信息生成所述目标推荐列表之前,对多个所述待推荐场景的信息进行筛选;
所述基于至少一个所述待推荐场景的信息生成所述目标推荐列表,包括:
基于经过筛选的至少一个待推荐场景的信息生成所述目标推荐列表。
8.根据权利要求7所述的方法,其特征在于,所述对多个所述待推荐场景的信息进行筛选,包括:
获取禁止推荐场景列表,所述禁止推荐场景列表中记载有禁止向所述目标账号推荐的至少一个禁止推荐场景的信息;
从多个所述待推荐场景的信息中删除所述禁止推荐场景列表中所记载的禁止推荐场景的信息。
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:
在所述获取禁止推荐场景列表之前,接收禁止推荐指令,所述禁止推荐指令中携带有禁止向所述目标账号推荐的至少一个禁止推荐场景的信息;
将至少一个所述禁止推荐场景的信息存储至所述禁止推荐场景列表中。
10.根据权利要求1至4任一所述的方法,其特征在于,所述目标账号标签包括多个子标签,所述基于所述目标账号标签,获取向所述目标账号推荐的目标推荐列表,包括:
将多个所述子标签划分至多个标签组,每个所述标签组包括至少一个子标签,每两个所述标签组中包括有不同的子标签;
分别基于每个标签组,获取向所述目标账号推荐的子推荐列表;
基于多个所述标签组对应的子推荐列表,获取所述目标推荐列表。
11.根据权利要求10所述的方法,其特征在于,所述基于多个所述标签组对应的子推荐列表,获取所述目标推荐列表,包括:
按照不同权重对多个所述子推荐列表进行组合,得到所述目标推荐列表。
12.根据权利要求1至4任一所述的方法,其特征在于,所述方法还包括:
在所述基于账号标签与场景信息的映射关系,查询与所述目标账号标签存在映射关系的至少一个待推荐场景的信息之前,接收多个登陆有账号的客户端发送的行为数据上报指令,所述行为数据上报指令携带有对应账号对设备进行操作时的至少一个行为数据;
基于每个所述行为数据,获取至少一个账号标签;
基于至少一个所述账号标签建立所述映射关系。
13.根据权利要求12所述的方法,其特征在于,所述方法还包括:
在所述接收多个登陆有账号的客户端发送的行为数据上报指令之后,获取每个所述行为数据与目标设备的关联程度;
基于所述关联程度对所述行为数据进行筛选;
所述基于每个所述行为数据,获取至少一个账号标签,包括:
基于每个筛选后的行为数据,获取至少一个所述账号标签。
14.根据权利要求12所述的方法,其特征在于,所述方法还包括:
在所述接收多个登陆有账号的客户端发送的行为数据上报指令之后,获取每个所述行为数据的产生时刻;
基于所述产生时刻与当前时刻的时间差,对所述行为数据进行筛选;
所述基于每个所述行为数据,获取至少一个账号标签,包括:
基于每个筛选后的行为数据,获取至少一个所述账号标签。
15.根据权利要求12所述的方法,其特征在于,
所述行为数据为所述账号通过所述客户端向所述目标设备发送的操作命令;
或者,所述行为数据为在所述客户端上注册所述账号时填写的信息;
或者,所述行为数据为在安装有所述客户端的终端中产生的其他操作命令。
16.根据权利要求12所述的方法,其特征在于,所述基于每个所述行为数据,获取至少一个账号标签,包括:
将每个所述行为数据输入分类模型,所述分类模型用于基于所述行为数据分别确定所述行为数据属于每个预设标签的得分,所述得分用于标识所述行为数据所表征的个性化信息符合对应预设标签的可能性;
获取每个所述行为数据属于每个所述预设标签的得分;
对于每个所述行为数据,在所述行为数据属于每个预设标签的得分中,确定最高得分;
基于每个所述行为数据对应的最高得分所对应的预设标签,确定所述行为数据的账号标签。
17.根据权利要求12所述的方法,其特征在于,所述基于至少一个所述账号标签建立所述映射关系,包括:
对于每个所述账号标签,获取与所述账号标签存在关联关系的多个待选设备;
基于多个所述待选设备的功能信息,对多个所述待选设备进行组合,得到至少一个场景;
将每个所述场景与对应账号标签之间的对应关系确定为所述映射关系。
18.根据权利要求1至4任一所述的方法,其特征在于,所述方法还包括:
接收推荐反馈响应,所述推荐反馈响应中携带有向所述目标账号推荐第一待推荐场景后,所述目标账号对所述第一待推荐场景的使用反馈信息,所述第一待推荐场景为所述目标推荐列表中的任一待推荐场景;
基于所述使用反馈信息更新所述映射关系。
19.根据权利要求1至4任一所述的方法,其特征在于,所述向所述目标账号所登陆的客户端发送携带有所述目标推荐列表的推荐指令,包括:
在接收到所述目标账号的登陆请求后,向所述客户端发送所述推荐指令;
或者,在检测到所述目标账号通过所述客户端对预设设备发送操作命令后,向所述客户端发送所述推荐指令。
20.根据权利要求1至4任一所述的方法,其特征在于,所述获取目标账号的目标账号标签,包括:
基于所述目标账号,在账号标签库中查找所述目标账号标签,所述账号标签库中存储有至少一个账号的账号标签。
21.一种场景推荐装置,其特征在于,所述装置包括:
第一获取模块,被配置为获取目标账号的目标账号标签,所述目标账号标签用于标识所述目标账号的个性化信息;
第二获取模块,被配置为基于所述目标账号标签,获取向所述目标账号推荐的目标推荐列表,所述目标推荐列表中记载有至少一个待推荐场景的信息,每个所述待推荐场景的信息包括对多个目标设备进行控制的控制方式;
发送模块,被配置为向所述目标账号所登陆的客户端发送携带有所述目标推荐列表的推荐指令;
所述第二获取模块,包括:
查询子模块,被配置为基于账号标签与场景信息的映射关系,查询与所述目标账号标签存在映射关系的至少一个待推荐场景的信息;
生成子模块,被配置为基于至少一个所述待推荐场景的信息生成所述目标推荐列表;
当待推荐场景为多个时,所述生成子模块,被配置为:
获取已向所述目标账号推荐的至少一个历史场景的信息;
获取第一目标设备与第二目标设备的第一关联值,所述第一目标设备为每个所述历史场景所涉及的目标设备中的任一个,所述第二目标设备为每个所述待推荐场景所涉及的目标设备中的任一个;
基于每个所述待推荐场景对应的第一关联值,确定每个所述待推荐场景的推荐得分;
基于多个所述待推荐场景的推荐得分,对多个所述待推荐场景的信息进行排序,得到所述目标推荐列表。
22.根据权利要求21所述的装置,其特征在于,所述生成子模块,被配置为:
获取候选推荐集合,所述候选推荐集合中包括:至少一个候选推荐场景的信息;
基于至少一个所述待推荐场景的信息和至少一个候选推荐场景的信息,生成所述目标推荐列表。
23.根据权利要求21所述的装置,其特征在于,所述生成子模块,被配置为:
获取所述目标账号与所述第二目标设备的第二关联值;
基于所述第二关联值与所述第一关联值确定所述推荐得分。
24.根据权利要求23所述的装置,其特征在于,所述生成子模块,被配置为:
获取每个所述历史场景的推荐时间;
基于所述推荐时间,确定每个所述历史场景对应的第一关联值的权值,所述权值与目标时间差负相关,所述目标时间差为当前时间与所述推荐时间之差;
基于所述第二关联值、所述第一关联值和所述权值,确定所述推荐得分。
25.根据权利要求21至24任一所述的装置,其特征在于,所述生成子模块,被配置为:
获取对每个所述待推荐场景的使用反馈信息;
基于所述待推荐场景的使用反馈信息和所述第一关联值,确定每个所述待推荐场景的推荐得分。
26.根据权利要求25所述的装置,其特征在于,所述使用反馈信息包括:所述待推荐场景被推荐后,所述待推荐场景被使用的频率和/或使用得分。
27.根据权利要求21至24任一所述的装置,其特征在于,当待推荐场景为多个时,所述装置还包括:
第一筛选模块,被配置为在所述基于至少一个所述待推荐场景的信息生成所述目标推荐列表之前,对多个所述待推荐场景的信息进行筛选;
所述生成子模块,被配置为:
基于经过筛选的至少一个待推荐场景的信息生成所述目标推荐列表。
28.根据权利要求27所述的装置,其特征在于,所述第一筛选模块,被配置为:
获取禁止推荐场景列表,所述禁止推荐场景列表中记载有禁止向所述目标账号推荐的至少一个禁止推荐场景的信息;
从多个所述待推荐场景的信息中删除所述禁止推荐场景列表中所记载的禁止推荐场景的信息。
29.根据权利要求28所述的装置,其特征在于,所述装置还包括:
第一接收模块,被配置为在所述获取禁止推荐场景列表之前,接收禁止推荐指令,所述禁止推荐指令中携带有禁止向所述目标账号推荐的至少一个禁止推荐场景的信息;
存储模块,被配置为将至少一个所述禁止推荐场景的信息存储至所述禁止推荐场景列表中。
30.根据权利要求21至24任一所述的装置,其特征在于,所述目标账号标签包括多个子标签,所述第二获取模块,被配置为:
将多个所述子标签划分至多个标签组,每个所述标签组包括至少一个子标签,每两个所述标签组中包括有不同的子标签;
分别基于每个标签组,获取向所述目标账号推荐的子推荐列表;
基于多个所述标签组对应的子推荐列表,获取所述目标推荐列表。
31.根据权利要求30所述的装置,其特征在于,所述第二获取模块,被配置为:
按照不同权重对多个所述子推荐列表进行组合,得到所述目标推荐列表。
32.根据权利要求21至24任一所述的装置,其特征在于,所述装置还包括:
第二接收模块,被配置为在所述基于账号标签与场景信息的映射关系,查询与所述目标账号标签存在映射关系的至少一个待推荐场景的信息之前,接收多个登陆有账号的客户端发送的行为数据上报指令,所述行为数据上报指令携带有对应账号对设备进行操作时的至少一个行为数据;
第三获取模块,被配置为基于每个所述行为数据,获取至少一个账号标签;
建立模块,被配置为基于至少一个所述账号标签建立所述映射关系。
33.根据权利要求32所述的装置,其特征在于,所述装置还包括:
第四获取模块,被配置为在所述接收多个登陆有账号的客户端发送的行为数据上报指令之后,获取每个所述行为数据与目标设备的关联程度;
第二筛选模块,被配置为基于所述关联程度对所述行为数据进行筛选;
所述第三获取模块,被配置为:
基于每个筛选后的行为数据,获取至少一个所述账号标签。
34.根据权利要求32所述的装置,其特征在于,所述装置还包括:
第四获取模块,被配置为在所述接收多个登陆有账号的客户端发送的行为数据上报指令之后,获取每个所述行为数据的产生时刻;
第二筛选模块,被配置为基于所述产生时刻与当前时刻的时间差,对所述行为数据进行筛选;
所述第三获取模块,被配置为:
基于每个筛选后的行为数据,获取至少一个所述账号标签。
35.根据权利要求32所述的装置,其特征在于,
所述行为数据为所述账号通过所述客户端向所述目标设备发送的操作命令;
或者,所述行为数据为在所述客户端上注册所述账号时填写的信息;
或者,所述行为数据为在安装有所述客户端的终端中产生的其他操作命令。
36.根据权利要求32所述的装置,其特征在于,所述第三获取模块,被配置为:
将每个所述行为数据输入分类模型,所述分类模型用于基于所述行为数据分别确定所述行为数据属于每个预设标签的得分,所述得分用于标识所述行为数据所表征的个性化信息符合对应预设标签的可能性;
获取每个所述行为数据属于每个所述预设标签的得分;
对于每个所述行为数据,在所述行为数据属于每个预设标签的得分中,确定最高得分;
基于每个所述行为数据对应的最高得分所对应的预设标签,确定所述行为数据的账号标签。
37.根据权利要求32所述的装置,其特征在于,所述建立模块,被配置为:
对于每个所述账号标签,获取与所述账号标签存在关联关系的多个待选设备;
基于多个所述待选设备的功能信息,对多个所述待选设备进行组合,得到至少一个场景;
将每个所述场景与对应账号标签之间的对应关系确定为所述映射关系。
38.根据权利要求21至24任一所述的装置,其特征在于,所述装置还包括:
第三接收模块,被配置为接收推荐反馈响应,所述推荐反馈响应中携带有向所述目标账号推荐第一待推荐场景后,所述目标账号对所述第一待推荐场景的使用反馈信息,所述第一待推荐场景为所述目标推荐列表中的任一待推荐场景;
建立模块,被配置为基于所述使用反馈信息更新所述映射关系。
39.根据权利要求21至24任一所述的装置,其特征在于,所述发送模块,被配置为:
在接收到所述目标账号的登陆请求后,向所述客户端发送所述推荐指令;
或者,在检测到所述目标账号通过所述客户端对预设设备发送操作命令后,向所述客户端发送所述推荐指令。
40.根据权利要求21至24任一所述的装置,其特征在于,所述第一获取模块,被配置为:
基于所述目标账号,在账号标签库中查找所述目标账号标签,所述账号标签库中存储有至少一个账号的账号标签。
41.一种场景推荐系统,其特征在于,所述系统包括:权利要求21至40任一所述的场景推荐装置。
42.一种场景推荐装置,其特征在于,所述装置包括:
处理组件;
用于存储所述处理组件的可执行指令的存储器;
其中,所述处理组件被配置为:
获取目标账号的目标账号标签,所述目标账号标签用于标识所述目标账号的个性化信息;
基于所述目标账号标签,获取向所述目标账号推荐的目标推荐列表,所述目标推荐列表中记载有至少一个待推荐场景的信息,每个所述待推荐场景的信息包括对多个目标设备进行控制的控制方式;
向所述目标账号所登陆的客户端发送携带有所述目标推荐列表的推荐指令;
所述基于所述目标账号标签,获取向所述目标账号推荐的目标推荐列表,包括:
基于账号标签与场景信息的映射关系,查询与所述目标账号标签存在映射关系的至少一个待推荐场景的信息;
基于至少一个所述待推荐场景的信息生成所述目标推荐列表;
当待推荐场景为多个时,所述基于至少一个所述待推荐场景的信息生成所述目标推荐列表,包括:
获取已向所述目标账号推荐的至少一个历史场景的信息;
获取第一目标设备与第二目标设备的第一关联值,所述第一目标设备为每个所述历史场景所涉及的目标设备中的任一个,所述第二目标设备为每个所述待推荐场景所涉及的目标设备中的任一个;
基于每个所述待推荐场景对应的第一关联值,确定每个所述待推荐场景的推荐得分;
基于多个所述待推荐场景的推荐得分,对多个所述待推荐场景的信息进行排序,得到所述目标推荐列表。
43.一种存储介质,其特征在于,当所述存储介质中的指令由终端的处理组件执行时,使得所述终端能够执行权利要求1至20任一所述的场景推荐方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811303609.0A CN109299384B (zh) | 2018-11-02 | 2018-11-02 | 场景推荐方法、装置及系统、存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811303609.0A CN109299384B (zh) | 2018-11-02 | 2018-11-02 | 场景推荐方法、装置及系统、存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109299384A CN109299384A (zh) | 2019-02-01 |
CN109299384B true CN109299384B (zh) | 2021-05-04 |
Family
ID=65145626
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811303609.0A Active CN109299384B (zh) | 2018-11-02 | 2018-11-02 | 场景推荐方法、装置及系统、存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109299384B (zh) |
Families Citing this family (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110094554B (zh) * | 2019-04-26 | 2020-07-24 | 江苏圣泰阀门有限公司 | 一种双阀瓣止回阀 |
CN113412457B (zh) * | 2019-05-16 | 2023-08-18 | 深圳市欢太科技有限公司 | 场景推送方法、装置、系统、电子设备以及存储介质 |
CN110232591A (zh) * | 2019-05-24 | 2019-09-13 | 深圳市轱辘汽车维修技术有限公司 | 一种页面推广方法、页面推广系统及服务器 |
CN110532472B (zh) * | 2019-08-28 | 2022-09-27 | 百度在线网络技术(北京)有限公司 | 内容同步推荐方法、装置、电子设备和存储介质 |
CN110825973A (zh) * | 2019-11-15 | 2020-02-21 | 珠海格力电器股份有限公司 | 场景和联动的推荐方法及系统、存储介质和网络侧设备 |
CN111159556B (zh) * | 2019-12-31 | 2023-04-21 | 华南理工大学 | 一种基于用户好奇心的贝叶斯个性化排序推荐方法 |
CN111580417B (zh) * | 2020-06-12 | 2021-03-09 | 浙江中液机械设备有限公司 | 一种固废处理履带智能控制方法 |
CN111931091B (zh) * | 2020-07-06 | 2021-07-23 | 广东技术师范大学 | 页面内容展示方法、装置、计算机设备及存储介质 |
CN112017027B (zh) * | 2020-08-28 | 2023-08-11 | 中国银行股份有限公司 | 对公账户的联系对象推荐方法及装置 |
CN114595372A (zh) * | 2020-12-03 | 2022-06-07 | 青岛海尔智能技术研发有限公司 | 场景推荐方法、装置、计算机设备和存储介质 |
CN112612949A (zh) * | 2020-12-15 | 2021-04-06 | 北京达佳互联信息技术有限公司 | 推荐数据集合的建立方法及装置 |
CN113194155A (zh) * | 2021-05-20 | 2021-07-30 | 青岛海信智慧生活科技股份有限公司 | 一种物联网中场景智能推荐的方法及装置 |
CN113433832A (zh) * | 2021-06-29 | 2021-09-24 | 青岛海尔科技有限公司 | 场景应用方法和装置、存储介质及电子设备 |
CN114827705A (zh) * | 2021-12-17 | 2022-07-29 | 北京达佳互联信息技术有限公司 | 一种对象标识处理方法、装置、电子设备及存储介质 |
CN115167161A (zh) * | 2022-06-27 | 2022-10-11 | 青岛海尔科技有限公司 | 灯具关联关系的确定方法和装置、存储介质及电子装置 |
CN115361247B (zh) * | 2022-07-05 | 2023-12-08 | 芜湖美的厨卫电器制造有限公司 | 场景推荐方法、装置、存储介质及电子设备 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103001994A (zh) * | 2011-09-19 | 2013-03-27 | 腾讯科技(深圳)有限公司 | 好友推荐方法及装置 |
CN105634881A (zh) * | 2014-10-30 | 2016-06-01 | 腾讯科技(深圳)有限公司 | 应用场景推荐方法及装置 |
CN105868255A (zh) * | 2015-12-25 | 2016-08-17 | 乐视网信息技术(北京)股份有限公司 | 查询推荐方法及装置 |
CN106464682A (zh) * | 2014-05-22 | 2017-02-22 | 谷歌公司 | 使用登录到在线服务的状态以用于内容项推荐 |
CN107741817A (zh) * | 2017-09-29 | 2018-02-27 | 联想(北京)有限公司 | 处理方法及处理装置 |
CN108242016A (zh) * | 2018-01-25 | 2018-07-03 | 阿里巴巴集团控股有限公司 | 一种产品推荐的方法和装置 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10419317B2 (en) * | 2013-09-16 | 2019-09-17 | Microsoft Technology Licensing, Llc | Identifying and targeting devices based on network service subscriptions |
CN104394045B (zh) * | 2014-10-29 | 2018-02-02 | 小米科技有限责任公司 | 针对智能设备的场景模式推荐方法和装置 |
US20160147954A1 (en) * | 2014-11-26 | 2016-05-26 | General Electric Company | Apparatus and methods to recommend medical information |
CN105956009B (zh) * | 2016-04-21 | 2019-09-06 | 深圳大数点科技有限公司 | 一种实时应景内容匹配与推送的方法 |
-
2018
- 2018-11-02 CN CN201811303609.0A patent/CN109299384B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103001994A (zh) * | 2011-09-19 | 2013-03-27 | 腾讯科技(深圳)有限公司 | 好友推荐方法及装置 |
CN106464682A (zh) * | 2014-05-22 | 2017-02-22 | 谷歌公司 | 使用登录到在线服务的状态以用于内容项推荐 |
CN105634881A (zh) * | 2014-10-30 | 2016-06-01 | 腾讯科技(深圳)有限公司 | 应用场景推荐方法及装置 |
CN105868255A (zh) * | 2015-12-25 | 2016-08-17 | 乐视网信息技术(北京)股份有限公司 | 查询推荐方法及装置 |
CN107741817A (zh) * | 2017-09-29 | 2018-02-27 | 联想(北京)有限公司 | 处理方法及处理装置 |
CN108242016A (zh) * | 2018-01-25 | 2018-07-03 | 阿里巴巴集团控股有限公司 | 一种产品推荐的方法和装置 |
Non-Patent Citations (1)
Title |
---|
关联规则评分预测的协同过滤推荐算法;王竹婷;《合肥学院学报(自然科学版)》;20160524(第1期);第65-69页 * |
Also Published As
Publication number | Publication date |
---|---|
CN109299384A (zh) | 2019-02-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109299384B (zh) | 场景推荐方法、装置及系统、存储介质 | |
US9979994B2 (en) | Contextual based information aggregation system | |
KR101351199B1 (ko) | 컨텍스트 확장 메시징을 위한 시스템 및 방법 | |
US8856167B2 (en) | System and method for context based query augmentation | |
KR101123217B1 (ko) | 네트워크 및 기기 기능성으로의 액세스를 단순화하는스케일러블 시각 검색 시스템 | |
CN106874308B (zh) | 一种推荐方法和装置、一种用于推荐的装置 | |
CN110710190B (zh) | 一种生成用户画像的方法、终端、电子设备以及计算机可读存储介质 | |
US11025583B2 (en) | Recommendation system based on common interests in social networks | |
US20150178282A1 (en) | Fast and dynamic targeting of users with engaging content | |
CN107992604B (zh) | 一种任务条目的分发方法及相关装置 | |
US20120209839A1 (en) | Providing applications with personalized and contextually relevant content | |
US11729470B2 (en) | Predictive media routing based on interrupt criteria | |
KR20110084413A (ko) | 콘텍스트 강화 광고를 생성하는 시스템 및 방법 | |
CN109783656B (zh) | 音视频数据的推荐方法、系统及服务器和存储介质 | |
CN112131410A (zh) | 多媒体资源展示方法、装置、系统和存储介质 | |
CN107315487B (zh) | 一种输入处理方法、装置及电子设备 | |
CN110688527A (zh) | 视频推荐方法、装置、存储介质及电子设备 | |
KR102141674B1 (ko) | 모델을 이용한 콘텐츠 분포의 최적화 | |
CN106126570B (zh) | 信息服务系统 | |
US9177066B2 (en) | Method and system for displaying comments associated with a query | |
WO2015182064A1 (en) | Information processing device, information processing method, and program | |
CN105574182A (zh) | 一种新闻推荐方法和装置、一种用于新闻推荐的装置 | |
CN112307315A (zh) | 智能推荐服务的方法及装置 | |
CN110162691B (zh) | 在线内容服务中的话题推荐、运营方法、装置和机器设备 | |
CN105843865B (zh) | 媒体文件播放方法及装置 |
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 |