CN109978642A - 一种信息推荐方法、装置和通信设备 - Google Patents
一种信息推荐方法、装置和通信设备 Download PDFInfo
- Publication number
- CN109978642A CN109978642A CN201711450995.1A CN201711450995A CN109978642A CN 109978642 A CN109978642 A CN 109978642A CN 201711450995 A CN201711450995 A CN 201711450995A CN 109978642 A CN109978642 A CN 109978642A
- Authority
- CN
- China
- Prior art keywords
- information
- browsing
- weight
- label
- time
- 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.)
- Pending
Links
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0631—Item recommendations
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种信息推荐方法、装置和通信设备,所述方法,包括:在检测到用户对多条信息执行操作时,针对每一条信息,确定对该条信息执行操作产生的行为数据;根据点击操作产生的数据,确定点击操作对该条信息产生的点击权重;根据浏览该条信息时产生的数据,确定浏览该条信息产生的浏览停留权重;基于多条信息分别确定的点击权重、浏览停留权重和多条信息包含的所有标签,确定所有标签中满足预设推荐条件的短时行为标签;将包含所述短时行为标签的信息推荐给用户。这样,根据用户对历史信息执行的点击行为和浏览行为,确定用户感兴趣的短时行为标签,使得将包含短时行为标签的信息推荐给用户,能够满足用户对信息的个性化需求。
Description
技术领域
本发明涉及通信技术领域,尤其涉及一种信息推荐方法、装置和通信设备。
背景技术
图片,作为互联网中不可或缺的组成元素,能够向用户直观的传达所要传达的信息。相对于文字,图片更易引起用户的兴趣。为了迎合用户需求,越来越多的网站采用一些推荐算法,向用户推荐一些认为用户会比较感兴趣的图片,例如一些购物网站会根据用户的历史浏览记录向用户推荐一些相同或相似商品给用户。现有的推荐算法中一般是基于用户标签和用户行为,利用协同过滤算法进行用户感兴趣的图片的预测和推荐,但这种算法不重视用户浏览数据的时间,易产生对用户偶发的兴趣捕捉不及时,故会存在推荐的图片不符合用户的实际需求的情况发生,影响用户的观感,导致用户的体验效果不佳。
因此,如何及时捕捉用户的偶发兴趣,为用户推荐符合用户实际需求的信息,提高用户体验是亟待解决的技术问题之一。
发明内容
本发明实施例提供一种信息推荐方法、装置和通信设备,用以及时捕捉用户的偶发兴趣,为用户推荐符合用户实际需求的信息,提高用户体验。
第一方面,本发明实施例提供一种信息推荐方法,包括:
在检测到用户对多条信息执行操作时,针对每一条信息,确定对该条信息执行操作产生的行为数据,所述行为数据包括对该条信息执行的点击操作产生的数据和浏览该条信息时产生的数据;
根据点击操作产生的数据,确定点击操作对该条信息产生的点击权重;并根据浏览该条信息时产生的数据,确定浏览该条信息产生的浏览停留权重;
基于多条信息分别确定的点击权重、浏览停留权重和所述多条信息包含的所有标签,确定所有标签中满足预设推荐条件的短时行为标签;并
将包含所述短时行为标签的信息推荐给用户。
第二方面,本发明实施例提供一种信息推荐装置,包括:
第一确定单元,用于在检测到用户对多条信息执行操作时,针对每一条信息,确定对该条信息执行操作产生的行为数据,所述行为数据包括对该条信息执行的点击操作产生的数据和浏览该条信息时产生的数据;
第二确定单元,用于根据点击操作产生的数据,确定点击操作对该条信息产生的点击权重;并根据浏览该条信息时产生的数据,确定浏览该条信息产生的浏览停留权重;
第三确定单元,用于基于多条信息分别确定的点击权重、浏览停留权重和所述多条信息包含的所有标签,确定所有标签中满足预设推荐条件的短时行为标签;
推荐单元,用于将包含所述短时行为标签的信息推荐给用户。
第三方面,本发明实施例提供一种通信设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序;所述处理器执行所述程序时实现如本申请提供的任一项所述的信息推荐方法。
第四方面,本发明实施例提供一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如本申请提供的任一项所述的信息推荐方法中的步骤。
本发明有益效果:
本发明实施例提供的信息推荐方法、装置和通信设备,在检测到用户对多条信息执行操作时,针对每一条信息,确定执行操作产生的行为数据,所述行为数据包括对该条信息执行的点击操作产生的数据和浏览该条信息时产生的数据;根据点击操作产生的数据,确定点击操作对该条信息产生的点击权重;并根据浏览该条信息时产生的数据,确定浏览该条信息产生的浏览停留权重;基于多条信息分别确定的点击权重、浏览停留权重和所述多条信息包含的所有标签,确定所有标签中满足预设推荐条件的短时行为标签;并将包含所述短时行为标签的信息推荐给用户。在向用户推荐信息过程中,根据用户对历史信息执行的点击行为和浏览行为确定用户感兴趣的短时行为标签,由此将包含短时行为标签的信息推荐给用户,能够更好的满足用户对信息的个性化需求,提高了用户对应用的粘性。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本发明的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1a为本发明实施例一提供的信息推荐方法的流程示意图;
图1b为本发明实施例一提供的确定点击操作对该条信息产生的点击权重的流程示意图;
图1c为本发明实施例一提供的确定浏览该条信息产生的浏览停留权重的流程示意图;
图1d为本发明实施例一定义的容忍值、超值和无效值的示意图;
图1e为本发明实施例一提供的确定所有标签中满足预设推荐条件的短时行为标签的流程示意图;
图2a为本发明实施例一提供的确定每一标签的匹配度均值的流程示意图;
图2b为本发明实施例一提供的根据多条信息分别确定出的各个标签的匹配度,确定每一标签的匹配度均值的流程示意图;
图3为本发明实施例二提供的信息推荐装置的结构示意图。
具体实施方式
本发明实施例提供的信息推荐方法、装置和通信设备,用以及时捕捉用户的偶发兴趣,为用户推荐符合用户实际需求的信息,提高用户体验。
需要说明的是,本发明提供的信息推荐方法可以应用到各个应用程序的服务器中,由各个应用程序的服务器根据本发明提供的方法,向用户推荐满足用户个性化需求的信息,提高了用户对应用的粘性。
以下结合说明书附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明,并且在不冲突的情况下,本发明中的实施例及实施例中的特征可以相互组合。
实施例一
如图1a所示,为本发明实施例一提供的信息推荐方法的流程示意图,包括以下步骤:
S11、在检测到用户对多条信息执行操作时,针对每一条信息,确定对该条信息执行操作产生的行为数据。
所述行为数据包括对该条信息执行的点击操作产生的数据和浏览该条信息时产生的数据。
具体实施时,用户在移动终端上打开某应用程序时,应用程序会记录下用户对某条信息执行操作产生的行为数据,所述行为数据可以为用户点击该条信息时记录的信息,也可以是用户浏览该条信息时记录的信息。
基于应用程序,以用户打开的信息为图片为例进行说明,若用户对该图片执行点击操作时,则应用程序会记录用户执行的点击操作过程中产生的数据;若用户当前对该图片没有执行点击操作,而是在浏览该图片,则应用程序同样会记录用户浏览该图片产生的数据。
较佳地,所述应用程序可以是头条新闻、微博和腾讯新闻等等。
S12、根据点击操作产生的数据,确定点击操作对该条信息产生的点击权重。
较佳地,所述点击操作产生的数据包括点击该条信息的次数和最后一次点击该条信息的时间;以及可以按照图1b所示的流程确定点击操作对该条信息产生的点击权重,包括以下步骤:
S121、根据所述最后一次点击该条信息的时间和预设的推荐触发时间,确定所述点击权重的时间衰减系数。
具体实施时,通过记录用户最后一次点击该条信息的时间,基于牛顿冷却定律,可以确定出用户对该条信息随时间的衰减变化。
优选地,可以根据所述最后一次点击该条信息的时间和预设的推荐触发时间,按照公式(1)确定所述点击权重的时间衰减系数:
Tclick=ak*(TT-TC) (1)
其中,Tclick为所述点击权重的时间衰减系数;
a为可变常数;
k为衰减因子;
TT为预设的推荐触发时间;
TC为所述最后一次点击该条信息的时间。
具体实施时,可以根据公式(1)确定用户对该条信息执行的点击时间的衰减变化,公式(1)中的TT为预设的推荐触发时间,该推荐触发时间可以由用户触发时间也可以为定时触发时间,若为用户触发时间,则为实时触发时间,即系统当前时间点;若为定时触发时间,则需要确定上一次触发时间,加上预设的时间间隔即为本次的触发时间,例如,上一次的推荐触发时间为10:00,预设的触发时间间隔为1小时,则本次的推荐触发时间即为10:00+1:00=11:00。
此外,公式(1)中a为可变常数,可以为e,即2.718,当然a还可以为其他值,具体可以根据实际经验值确定。k为衰减因子,也可以根据实际情况而定。
S122、根据所述时间衰减系数和所述点击该条信息的次数,确定点击操作对该条信息产生的点击权重。
较佳地,可以根据所述时间衰减系数和所述点击该条信息的次数,按照公式(2)来确定点击操作对该条信息产生的点击权重:
Wclick=Wclick(0)C*Tclick (2)
Wclick为点击操作对该条信息产生的点击权重;
Wclick(0)为初始点击权重;
Tclick为所述点击权重的时间衰减系数;
C为点击该条信息的次数。
具体地,通过利用公式(1)确定出用户点击该条信息产生的点击权重的时间衰减系数,然后在利用公式(2)即可确定出用户点击该条信息产生的点击权重,公式(2)中初始点击权重Wclick(0)可以根据经验值确定。基于公式(2)可以得出,点击权重随着点击该条信息的次数呈指数增长,但随着时间衰减系数呈指数衰减,通过利用公式(2)确定出的点击权重,能够提高后续确定出的短时行为标签的准确性。
S13、根据浏览该条信息时产生的数据,确定浏览该条信息产生的浏览停留权重。
较佳地,所述浏览该条信息时产生的数据包括浏览该条信息的浏览停留时长和最后一次浏览该条信息的时间;以及可以按照图1c所示的流程确定浏览该条信息产生的浏览停留权重,包括以下步骤:
S131、根据所述最后一次浏览该条信息的时间和预设的推荐触发时间,确定所述浏览停留权重的时间衰减系数。
具体实施时,通过记录最后一次浏览该条信息的时间,基于牛顿冷却定律,可以确定出用户浏览该条信息的浏览停留时间的衰减变化。
较佳地,可以根据所述最后一次浏览该条信息的时间和预设的推荐触发时间,按照公式(3)确定所述浏览停留权重的时间衰减系数:
Tstay=bk*(TT-TB) (3)
其中,Tstay为所述点击权重的时间衰减系数;
b为可变常数;
k为衰减因子;
TT为预设的推荐触发时间;
TB为所述最后一次浏览该条信息的时间。
具体地,可以根据公式(1)确定浏览该条信息的浏览停留时间的时间衰减变化,公式(3)中TT为预设的推荐触发时间,与公式(1)中的预设推荐触发时间的定义相同,在此不再详细描述。公式(3)中的最后一次浏览停留时间B可以为瀑布流的浏览停留时长、信息流的浏览停留时长和信息的详情页的浏览停留时长。公式(3)中的可不常数b可以与公式(1)中的可不常数a相同也可以不同,具体视实际情况而定。
S132、根据所述浏览停留权重的时间衰减系数、所述浏览停留时长、预设的容忍值、预设的超值和预设的无效值,确定浏览该条信息产生的浏览停留权重。
较佳地,可以根据所述浏览停留权重的时间衰减系数、所述浏览停留时长、预设的容忍值、预设的超值和预设的无效值,按照公式(4)来确定浏览该条信息产生的浏览停留权重:
其中,Wstay为浏览该条信息产生的浏览停留权重;
Wstay(0)为初始浏览停留权重;
B为所述浏览停留时长;
Minimum为预设的容忍值;
Exceed为预设的超值;
Invalid为预设的无效值;
Tstay为所述浏览停留权重的时间衰减系数。
具体实施时,浏览停留时间的特点是有容忍值Minimum、超值Exceed和无效值Invalid,参考图1d所示,容忍值可以理解为快速划过该条信息的时间,如果用户实际作用到该条信息的时间小于容忍值,则可以定义为用户没有在该条信息上停留。超值Exceed可以理解为用户浏览该条信息的最大值,其为有效值;无效值可以理解为用户的误操作导致一直停留在该条信息上,其值特别大。
基于上述描述,在确定浏览该条信息产生的浏览停留权重时,基于用户浏览该条信息产生的浏览停留时间的大小与容忍值、超值和无效值的比较,可以得出不同的浏览停留权重公式,具体参考公式(4)可知,当浏览停留时间B小于容忍值Minimum或者浏览停留时间B大于等于无效值Invalid时,表示用户未浏览该条信息,则产生的浏览停留权重为0;当浏览停留时间大于超值Exceed小于无效值时,则将超值Exceed作为初始浏览权重的指数来确定浏览停留权重;当浏览停留时间接入容忍值Minimum与超值Exceed之间,则将实际浏览停留时间作为初始浏览权重的指数来确定浏览停留权重。由此基于得到的浏览停留权重,来确定短时行为标签时,及时捕捉了用户的短时兴趣,有效提高了确定出的短时行为标签的准确性,进一步向用户推荐满足用户个性化需求的信息。
较佳地,初始停留权重可以根据经验值确定,本发明对此不进行限定。
S14、基于多条信息分别确定的点击权重、浏览停留权重和所述多条信息包含的所有标签,确定所有标签中满足预设推荐条件的短时行为标签。
较佳地,可以按照图1e所示的流程确定所有标签中满足预设推荐条件的短时行为标签,包括以下步骤:
针对每一标签,均执行以下过程:
S141、基于多条信息分别确定的点击权重、浏览停留权重和所述多条信息包含的所有标签,确定每一标签的匹配度均值。
具体地,可以按照图2a所示的流程确定每一标签的匹配度均值,包括以下步骤:
S21、针对任一条信息,根据确定出的点击权重和浏览停留权重,确定该条信息的综合权重;
具体实施时,将确定出的点击权重和浏览停留权重执行求和处理,得到的求和结果即为该条信息的综合权重。
S22、确定该条信息包括的标签,其中不同的标签具有不同的优先级。
具体实施时,每条信息都包含若干个标签,以图片为例进行说明,应用程序在向用户展示图片之前,已经预先对该图片包含的标签进行了定义,如一张风景图片的标签可以有地理位置标签、时间标签、景物标签和旅游标签等。且每一标签具有不同的优先级,优先级高的标签,表示该风景中该标签越易引起用户的兴趣。
较佳地,图片标签还可以包括自驾游标签、民宿标签和时尚标签等。当信息为新闻时,每一条信息也有自己的标签,如头条标签、热点标签、八卦标签和炒作标签等。
S23、针对该条信息包含的每一标签,确定该标签的优先级与所述综合权重的乘积为该标签的匹配度。
具体地,在确定出该条信息包含的标签后,针对任一标签,将该标签的优先级与该条信息的综合权重的成绩确定为该标签的匹配度;同理可以确定出该条信息包含的各个标签的匹配度。
S24、根据多条信息分别确定出的各个标签的匹配度,确定每一标签的匹配度均值。
例如,在预设时间内,确定出用户针对6条信息执行了操作,则可以根据步骤S21~S24确定出这6条信息分别包含的标签的匹配度,进而确定出每一标签的匹配度均值。
具体地,每条消息都包含若干个标签,若用户对某一标签比较感兴趣,则浏览的多条消息包含的标签可能存在相同的。则基于相同的标签,利用该标签在各条信息中的匹配度来确定该标签的匹配度均值。若多条消息中没有相同的标签,则该标签的匹配度即为该标签的匹配度均值。
较佳地,可以按照图2b所示的流程根据多条信息分别确定出的各个标签的匹配度,确定每一标签的匹配度均值,包括以下步骤:
S241、针对任一标签,基于所述多条信息确定包含该标签的信息的条数。
具体实施时,针对任一标签,基于所述多条新确定包含该标签的信息的条数为N条。
具体地,为了描述方便,以检测到用户在预设时间内针对3条信息执行了操作,分别为信息A、信息B和信息C,信息A包含的标签为标签1、标签2和标签3;信息B包含的标签为标签2、标签3和标签4;信息C包含的标签为标签1和标签3。则针对标签1,基于这3条信息,可以确定出包含标签1的信息的条数为2条;
S242、基于包含该标签的信息分别确定出的该标签的匹配度和所述条数,确定该标签的匹配度均值。
具体地,在确定该标签的匹配度均值时,可以按照公式(5)确定该标签的匹配度均值:
其中,公式(5)中AverageTag为任一标签的匹配度均值;
N为多条信息中包含该标签的信息的条数;
Mi为多条信息中,包含该标签的第i条信息确定出的该标签的匹配度;
i为包含该标签的第i条信息。
具体地,还以3条信息为例进行说明,确定出的标签1的匹配度均值即为:M1即为包含标签1的第1条信息A确定出的标签1的匹配度;M2即为包含标签1的第2条信息C确定出的标签1的匹配度。同理,可以确定出标签2的匹配度均值为此处,M1即为包含标签2的第1条信息A确定出的标签2的匹配度;M2即为包含标签2的第2条信息B确定出的标签2的匹配度。标签3的匹配度均值为此处,M1即为包含标签3的第1条信息A确定出的标签3的匹配度;M2即为包含标签3的第2条信息B确定出的标签3的匹配度;M3即为包含标签3的第3条信息C确定出的标签3的匹配度。同理,标签4的匹配度均值为AverageTag4=M1,由于包含标签4的信息的条数为1,即只要信息B包含标签4,则标签4的匹配度均值即为基于信息B确定出的标签4的匹配度。
S142、将该标签的匹配度均值与预设阈值进行比较。
S143、若确定出该标签的匹配度均值大于预设阈值,则确定该标签为满足预设推荐条件的短时行为标签。
具体地,在确定出各个标签的匹配度均值时,可以分别与预算阈值进行比较。若确定出任一标签的匹配度均值大于预算阈值,则确定出短时间内用户对该标签比较感兴趣,按照此方法,可以确定出用户比较感兴趣的短时行为标签。然后执行步骤S15。
S15、将包含所述短时行为标签的信息推荐给用户。
在确定出用户短时间内比较感兴趣的短时行为标签后,可以将包含确定出的短时行为标签的信息推荐给用户,由此及时捕获了用户的短时兴趣,使得向用户推荐的信息更加符合用户对个性化需求的期待,提高了用户体验。
此外,在向用户推荐信息过程中,将浏览停留时间和行为衰减因子考虑到推荐算法中,使得向用户推荐的信息更加准确。
本发明实施例一提供的信息推荐方法,在检测到用户对多条信息执行操作时,针对每一条信息,确定执行操作产生的行为数据,所述行为数据包括对该条信息执行的点击操作产生的数据和浏览该条信息时产生的数据;根据点击操作产生的数据,确定点击操作对该条信息产生的点击权重;并根据浏览该条信息时产生的数据,确定浏览该条信息产生的浏览停留权重;基于多条信息分别确定的点击权重、浏览停留权重和所述多条信息包含的所有标签,确定所有标签中满足预设推荐条件的短时行为标签;并将包含所述短时行为标签的信息推荐给用户。在向用户推荐信息过程中,根据用户对历史信息执行的点击行为和浏览行为确定用户感兴趣的短时行为标签,由此将包含短时行为标签的信息推荐给用户,能够更好的满足用户对信息的个性化需求,提高了用户对应用的粘性。此外,本发明将用户对信息执行的点击操作和浏览停留时间和时间衰减系数应用到推荐算法中,能够更加精准的完成用户短时行为的预测和推荐,由此向用户推荐的信息更加满足用户的个性化需求,且提高了推荐结果的准确性,有效提高了用户体验。
实施例二
基于同一发明构思,本发明实施例中还提供了一种信息推荐装置,由于上述装置解决问题的原理与信息推荐方法相似,因此上述装置的实施可以参见方法的实施,重复之处不再赘述。
如图3所示,为本发明实施例二提供的信息推荐装置的结构示意图,包括第一确定单元31、第二确定单元32、第三确定单元33和推荐单元34,其中:
第一确定单元31,用于在检测到用户对多条信息执行操作时,针对每一条信息,确定对该条信息执行操作产生的行为数据,所述行为数据包括对该条信息执行的点击操作产生的数据和浏览该条信息时产生的数据;
第二确定单元32,用于根据点击操作产生的数据,确定点击操作对该条信息产生的点击权重;并根据浏览该条信息时产生的数据,确定浏览该条信息产生的浏览停留权重;
第三确定单元33,用于基于多条信息分别确定的点击权重、浏览停留权重和所述多条信息包含的所有标签,确定所有标签中满足预设推荐条件的短时行为标签;
推荐单元34,用于将包含所述短时行为标签的信息推荐给用户。
较佳地,所述点击操作产生的数据包括点击该条信息的次数和最后一次点击该条信息的时间;以及
所述第二确定单元32,具体用于根据所述最后一次点击该条信息的时间和预设的推荐触发时间,确定所述点击权重的时间衰减系数;并根据所述时间衰减系数和所述点击该条信息的次数,确定点击操作对该条信息产生的点击权重。
优选地,所述第二确定单元32,具体用于根据所述最后一次点击该条信息的时间和预设的推荐触发时间,按照下述公式确定所述点击权重的时间衰减系数:
Tclick=ak*(TT-TC)
其中,Tclick为所述点击权重的时间衰减系数;
a为可变常数;
k为衰减因子;
TT为预设的推荐触发时间;
TC为所述最后一次点击该条信息的时间。
较佳地,所述第二确定单元32,具体用于根据所述时间衰减系数和所述点击该条信息的次数,按照下述公式确定点击操作对该条信息产生的点击权重:
Wclick=Wclick(0)C*Tclick
Wclick为点击操作对该条信息产生的点击权重;
Wclick(0)为初始点击权重;
Tclick为所述点击权重的时间衰减系数;
C为点击该条信息的次数。
较佳地,所述浏览该条信息时产生的数据包括浏览该条信息的浏览停留时长和最后一次浏览该条信息的时间;以及
所述第二确定单元32,具体用于根据所述最后一次浏览该条信息的时间和预设的推荐触发时间,确定所述浏览停留权重的时间衰减系数;并根据所述浏览停留权重的时间衰减系数、所述浏览停留时长、预设的容忍值、预设的超值和预设的无效值,确定浏览该条信息产生的浏览停留权重。
优选地,所述第二确定单元32,具体用于根据所述最后一次浏览该条信息的时间和预设的推荐触发时间,按照下述公式确定所述浏览停留权重的时间衰减系数:
Tstay=bk*(TT-TB)
其中,Tstay为所述点击权重的时间衰减系数;
b为可变常数;
k为衰减因子;
TT为预设的推荐触发时间;
TB为所述最后一次浏览该条信息的时间。
优选地,所述第二确定单元32,具体用于根据所述浏览停留权重的时间衰减系数、所述浏览停留时长、预设的容忍值、预设的超值和预设的无效值,按照下述公式确定浏览该条信息产生的浏览停留权重:
其中,Wstay为浏览该条信息产生的浏览停留权重;
Wstay(0)为初始浏览停留权重;
B为所述浏览停留时长;
Minimum为预设的容忍值;
Exceed为预设的超值;
Invalid为预设的无效值;
Tstay为所述浏览停留权重的时间衰减系数。
优选地,所述第三确定单元33,具体用于针对每一标签,均执行以下过程:基于多条信息分别确定的点击权重、浏览停留权重和所述多条信息包含的所有标签,确定每一标签的匹配度均值;将该标签的匹配度均值与预设阈值进行比较;若确定出该标签的匹配度均值大于预设阈值,则确定该标签为满足预设推荐条件的短时行为标签。
优选地,所述第三确定单元33,具体用于针对任一条信息,根据确定出的点击权重和浏览停留权重,确定该条信息的综合权重;并确定该条信息包括的标签,其中不同的标签具有不同的优先级;以及针对该条信息包含的每一标签,确定该标签的优先级与所述综合权重的乘积为该标签的匹配度;根据多条信息分别确定出的各个标签的匹配度,确定每一标签的匹配度均值。
较佳地,所述第三确定单元33,具体用于针对任一标签,基于所述多条信息确定包含该标签的信息的条数;基于包含该标签的信息分别确定出的该标签的匹配度和所述条数,确定该标签的匹配度均值。
为了描述的方便,以上各部分按照功能划分为各模块(或单元)分别描述。当然,在实施本发明时可以把各模块(或单元)的功能在同一个或多个软件或硬件中实现。
实施例三
本发明实施例三提供一种通信设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序;所述处理器执行所述程序时实现如本发明实施例一提供的任一项所述的信息推荐方法。
实施例四
本发明实施例四提供一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如本发明实施例一提供的任一项所述的信息推荐方法中的步骤。
本申请的实施例所提供的信息推荐装置可通过计算机程序实现。本领域技术人员应该能够理解,上述的模块划分方式仅是众多模块划分方式中的一种,如果划分为其他模块或不划分模块,只要信息推荐装置具有上述功能,都应该在本申请的保护范围之内。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例做出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (13)
1.一种信息推荐方法,其特征在于,包括:
在检测到用户对多条信息执行操作时,针对每一条信息,确定对该条信息执行操作产生的行为数据,所述行为数据包括对该条信息执行的点击操作产生的数据和浏览该条信息时产生的数据;
根据点击操作产生的数据,确定点击操作对该条信息产生的点击权重;并根据浏览该条信息时产生的数据,确定浏览该条信息产生的浏览停留权重;
基于多条信息分别确定的点击权重、浏览停留权重和所述多条信息包含的所有标签,确定所有标签中满足预设推荐条件的短时行为标签;并
将包含所述短时行为标签的信息推荐给用户。
2.如权利要求1所述的方法,其特征在于,所述点击操作产生的数据包括点击该条信息的次数和最后一次点击该条信息的时间;以及根据点击操作产生的数据,确定点击操作对该条信息产生的点击权重,具体包括:
根据所述最后一次点击该条信息的时间和预设的推荐触发时间,确定所述点击权重的时间衰减系数;并
根据所述时间衰减系数和所述点击该条信息的次数,确定点击操作对该条信息产生的点击权重。
3.如权利要求2所述的方法,其特征在于,根据所述最后一次点击该条信息的时间和预设的推荐触发时间,按照下述公式确定所述点击权重的时间衰减系数:
Tclick=ak*(TT-TC)
其中,Tclick为所述点击权重的时间衰减系数;
a为可变常数;
k为衰减因子;
TT为预设的推荐触发时间;
TC为所述最后一次点击该条信息的时间。
4.如权利要求3所述的方法,其特征在于,根据所述时间衰减系数和所述点击该条信息的次数,按照下述公式确定点击操作对该条信息产生的点击权重:
Wclick=Wclick(0)C*Tclick
Wclick为点击操作对该条信息产生的点击权重;
Wclick(0)为初始点击权重;
Tclick为所述点击权重的时间衰减系数;
C为点击该条信息的次数。
5.如权利要求1所述的方法,其特征在于,所述浏览该条信息时产生的数据包括浏览该条信息的浏览停留时长和最后一次浏览该条信息的时间;以及根据浏览该条信息时产生的数据,确定浏览该条信息产生的浏览停留权重,具体包括:
根据所述最后一次浏览该条信息的时间和预设的推荐触发时间,确定所述浏览停留权重的时间衰减系数;并
根据所述浏览停留权重的时间衰减系数、所述浏览停留时长、预设的容忍值、预设的超值和预设的无效值,确定浏览该条信息产生的浏览停留权重。
6.如权利要求5所述的方法,其特征在于,根据所述最后一次浏览该条信息的时间和预设的推荐触发时间,按照下述公式确定所述浏览停留权重的时间衰减系数:
Tstay=bk*(TT-TB)
其中,Tstay为所述点击权重的时间衰减系数;
b为可变常数;
k为衰减因子;
TT为预设的推荐触发时间;
TB为所述最后一次浏览该条信息的时间。
7.如权利要求6所述的方法,其特征在于,根据所述浏览停留权重的时间衰减系数、所述浏览停留时长、预设的容忍值、预设的超值和预设的无效值,按照下述公式确定浏览该条信息产生的浏览停留权重:
其中,Wstay为浏览该条信息产生的浏览停留权重;
Wstay(0)为初始浏览停留权重;
B为所述浏览停留时长;
Minimum为预设的容忍值;
Exceed为预设的超值;
Invalid为预设的无效值;
Tstay为所述浏览停留权重的时间衰减系数。
8.如权利要求1~7任一权利要求所述的方法,其特征在于,基于多条信息分别确定的点击权重、浏览停留权重和所述多条信息包含的所有标签,确定所有标签中满足预设推荐条件的短时行为标签,具体包括:
针对每一标签,均执行以下过程:
基于多条信息分别确定的点击权重、浏览停留权重和所述多条信息包含的所有标签,确定每一标签的匹配度均值;
将该标签的匹配度均值与预设阈值进行比较;
若确定出该标签的匹配度均值大于预设阈值,则确定该标签为满足预设推荐条件的短时行为标签。
9.如权利要求8所述的方法,其特征在于,基于多条信息分别确定的点击权重、浏览停留权重和所述多条信息包含的所有标签,确定每一标签的匹配度均值,具体包括:
针对任一条信息,根据确定出的点击权重和浏览停留权重,确定该条信息的综合权重;并
确定该条信息包括的标签,其中不同的标签具有不同的优先级;以及
针对该条信息包含的每一标签,确定该标签的优先级与所述综合权重的乘积为该标签的匹配度;
根据多条信息分别确定出的各个标签的匹配度,确定每一标签的匹配度均值。
10.如权利要求9所述的方法,其特征在于,根据多条信息分别确定出的各个标签的匹配度,确定每一标签的匹配度均值,具体包括:
针对任一标签,基于所述多条信息确定包含该标签的信息的条数;
基于包含该标签的信息分别确定出的该标签的匹配度和所述条数,确定该标签的匹配度均值。
11.一种信息推荐装置,其特征在于,包括:
第一确定单元,用于在检测到用户对多条信息执行操作时,针对每一条信息,确定对该条信息执行操作产生的行为数据,所述行为数据包括对该条信息执行的点击操作产生的数据和浏览该条信息时产生的数据;
第二确定单元,用于根据点击操作产生的数据,确定点击操作对该条信息产生的点击权重;并根据浏览该条信息时产生的数据,确定浏览该条信息产生的浏览停留权重;
第三确定单元,用于基于多条信息分别确定的点击权重、浏览停留权重和所述多条信息包含的所有标签,确定所有标签中满足预设推荐条件的短时行为标签;
推荐单元,用于将包含所述短时行为标签的信息推荐给用户。
12.一种通信设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序;其特征在于,所述处理器执行所述程序时实现如权利要求1~10任一项所述的信息推荐方法。
13.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1~10任一项所述的信息推荐方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711450995.1A CN109978642A (zh) | 2017-12-27 | 2017-12-27 | 一种信息推荐方法、装置和通信设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711450995.1A CN109978642A (zh) | 2017-12-27 | 2017-12-27 | 一种信息推荐方法、装置和通信设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109978642A true CN109978642A (zh) | 2019-07-05 |
Family
ID=67072587
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711450995.1A Pending CN109978642A (zh) | 2017-12-27 | 2017-12-27 | 一种信息推荐方法、装置和通信设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109978642A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110413895A (zh) * | 2019-07-31 | 2019-11-05 | 腾讯科技(深圳)有限公司 | 一种信息推送的方法以及相关装置 |
CN111191124A (zh) * | 2019-12-23 | 2020-05-22 | 东软集团股份有限公司 | 确定兴趣标签权重的方法、装置、存储介质及电子设备 |
CN111447137A (zh) * | 2020-02-29 | 2020-07-24 | 中国平安人寿保险股份有限公司 | 浏览情况数据分析方法、装置、服务器及存储介质 |
CN111967934A (zh) * | 2020-08-12 | 2020-11-20 | 上海辰山植物园 | 在网上商城绿植应用的智能化推荐方法 |
CN112052379A (zh) * | 2020-01-20 | 2020-12-08 | 河南紫联物联网技术有限公司 | 智能终端、智能家居设备的推荐方法及系统 |
CN112148980A (zh) * | 2020-09-28 | 2020-12-29 | 京东数字科技控股股份有限公司 | 基于用户点击的物品推荐方法、装置、设备和存储介质 |
CN114741606A (zh) * | 2022-04-27 | 2022-07-12 | 盐城金堤科技有限公司 | 企业推荐方法、装置、计算机可读介质及电子设备 |
CN117290543A (zh) * | 2023-10-13 | 2023-12-26 | 广东乐阳智能设备有限公司 | 一种基于ar交互的短视频推荐系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102141986A (zh) * | 2010-01-28 | 2011-08-03 | 北京邮电大学 | 基于用户行为的个性化信息提供方法及系统 |
CN102819575A (zh) * | 2012-07-20 | 2012-12-12 | 南京大学 | 一种用于Web服务推荐的个性化搜索方法 |
CN103136289A (zh) * | 2011-12-05 | 2013-06-05 | 腾讯科技(深圳)有限公司 | 资源推荐方法及系统 |
CN103617540A (zh) * | 2013-10-17 | 2014-03-05 | 浙江大学 | 一种追踪用户兴趣变化的电子商务推荐方法 |
CN104102648A (zh) * | 2013-04-07 | 2014-10-15 | 腾讯科技(深圳)有限公司 | 基于用户行为数据的兴趣推荐方法及装置 |
-
2017
- 2017-12-27 CN CN201711450995.1A patent/CN109978642A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102141986A (zh) * | 2010-01-28 | 2011-08-03 | 北京邮电大学 | 基于用户行为的个性化信息提供方法及系统 |
CN103136289A (zh) * | 2011-12-05 | 2013-06-05 | 腾讯科技(深圳)有限公司 | 资源推荐方法及系统 |
CN102819575A (zh) * | 2012-07-20 | 2012-12-12 | 南京大学 | 一种用于Web服务推荐的个性化搜索方法 |
CN104102648A (zh) * | 2013-04-07 | 2014-10-15 | 腾讯科技(深圳)有限公司 | 基于用户行为数据的兴趣推荐方法及装置 |
CN103617540A (zh) * | 2013-10-17 | 2014-03-05 | 浙江大学 | 一种追踪用户兴趣变化的电子商务推荐方法 |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110413895A (zh) * | 2019-07-31 | 2019-11-05 | 腾讯科技(深圳)有限公司 | 一种信息推送的方法以及相关装置 |
CN111191124A (zh) * | 2019-12-23 | 2020-05-22 | 东软集团股份有限公司 | 确定兴趣标签权重的方法、装置、存储介质及电子设备 |
CN112052379A (zh) * | 2020-01-20 | 2020-12-08 | 河南紫联物联网技术有限公司 | 智能终端、智能家居设备的推荐方法及系统 |
CN111447137A (zh) * | 2020-02-29 | 2020-07-24 | 中国平安人寿保险股份有限公司 | 浏览情况数据分析方法、装置、服务器及存储介质 |
CN111967934A (zh) * | 2020-08-12 | 2020-11-20 | 上海辰山植物园 | 在网上商城绿植应用的智能化推荐方法 |
CN111967934B (zh) * | 2020-08-12 | 2022-11-18 | 上海辰山植物园 | 在网上商城绿植应用的智能化推荐方法 |
CN112148980A (zh) * | 2020-09-28 | 2020-12-29 | 京东数字科技控股股份有限公司 | 基于用户点击的物品推荐方法、装置、设备和存储介质 |
CN112148980B (zh) * | 2020-09-28 | 2023-11-03 | 京东科技控股股份有限公司 | 基于用户点击的物品推荐方法、装置、设备和存储介质 |
CN114741606A (zh) * | 2022-04-27 | 2022-07-12 | 盐城金堤科技有限公司 | 企业推荐方法、装置、计算机可读介质及电子设备 |
CN117290543A (zh) * | 2023-10-13 | 2023-12-26 | 广东乐阳智能设备有限公司 | 一种基于ar交互的短视频推荐系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109978642A (zh) | 一种信息推荐方法、装置和通信设备 | |
US20200257718A1 (en) | Methods, systems, and media for presenting recommended content based on social cues | |
US10565771B2 (en) | Automatic video segment selection method and apparatus | |
US11875273B2 (en) | Machine learning classification of digital content for mobile devices | |
KR101869473B1 (ko) | 공유된 관심사를 갖는 메시지들의 갤러리 | |
US10747771B2 (en) | Method and apparatus for determining hot event | |
US9141906B2 (en) | Scoring concept terms using a deep network | |
US9799373B2 (en) | Computerized system and method for automatically extracting GIFs from videos | |
US11582292B2 (en) | Real-time content integration based on machine learned selections | |
US20200081896A1 (en) | Computerized system and method for high-quality and high-ranking digital content discovery | |
CN112534826B (zh) | 基于内容中包括的媒体的属性的最优集合优化用户对内容的参与 | |
CN104053023B (zh) | 一种确定视频相似度的方法及装置 | |
US10402465B1 (en) | Content authority ranking using browsing behavior | |
US20150188971A1 (en) | Data stream monitoring | |
CN104866522A (zh) | 一种为提问者提供回答信息的方法与装置 | |
CA2989398A1 (en) | Systems and methods for creating calls to action for social networking system resources | |
US11250039B1 (en) | Extreme multi-label classification | |
US11049151B2 (en) | Systems and/or methods for constructing online ads using media objects created by generative processes | |
CN114450680A (zh) | 内容项目模块布置 | |
CN111897950A (zh) | 用于生成信息的方法和装置 | |
CN110457610A (zh) | 信息推荐方法、装置、终端、服务器及存储介质 | |
CN108011936A (zh) | 用于推送信息的方法和装置 | |
JP2013196159A (ja) | 情報処理装置、情報処理方法、通信端末および情報処理システム | |
CN114782077A (zh) | 信息筛选方法、模型训练方法、装置、电子设备和介质 | |
US20220358347A1 (en) | Computerized system and method for distilled deep prediction for personalized stream ranking |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190705 |