CN110008403B

CN110008403B - 目标信息的排序方法、排序系统、推荐方法及推荐系统

Info

Publication number: CN110008403B
Application number: CN201910164875.8A
Authority: CN
Inventors: 刘峰
Original assignee: Beijing Baidu Netcom Science and Technology Co Ltd
Current assignee: Beijing Baidu Netcom Science and Technology Co Ltd
Priority date: 2019-03-05
Filing date: 2019-03-05
Publication date: 2021-05-28
Anticipated expiration: 2039-03-05
Also published as: CN110008403A

Abstract

本发明实施例提供一种目标信息的排序方法、排序系统、推荐方法及推荐系统，属于信息搜索领域。所述排序方法包括：基于多个用户中的每一者的包含所述目标信息的会话，计算该目标信息的平均阅读时长；基于多个会话中的包含被点击且被阅读的所述目标信息的第一会话组及所述会话中的包含被展示但未被阅读的所述目标信息的第二会话组，分别计算第一后续平均阅读时长及第二后续平均阅读时长；基于所计算的所述目标信息的平均阅读时长、所述第一后续平均阅读时长及所述第二后续平均阅读时长，计算所述目标信息的权重；以及根据所述目标信息的权重，对该目标信息进行排序。该方法可提升用户在会话中的总阅读时长。

Description

目标信息的排序方法、排序系统、推荐方法及推荐系统

技术领域

本发明涉及信息搜索领域，具体地涉及一种目标信息的排序方法、排序系统、推荐方法及推荐系统。

背景技术

传统推荐系统只考虑点击率，即用户在看到文章的标题和图片时是否会点击进去阅读文章内容。然而，由于不同的文章具有不同的长度和质量，故用户阅读所述文章的时长也各不相同。特别是，对于馈送(Feed)产品，用户的阅读满意度并不只体现在点击率上，更体现在阅读的时长上。用户越喜欢，阅读的时长也就越长。一般情况下，排序权重W可采用如下方式计算获得：W＝CTR*DT或者W＝CTR*log(DT)，其中，CTR(click through rate)是文章的点击率预估，DT(dwelling time)是文章的阅读时长预估。也就是说，将用户的点击率和点击进落地页后的阅读时长结合在一起进行排序。

上述排序权重W只考虑了文章当前的阅读价值(即该文章本身的阅读时长)，却忽视了用户阅读该文章后对后续阅读时长(或用户阅读session总时长)的影响。

发明内容

本发明实施例的目的是提供一种目标信息的排序方法、排序系统、推荐方法及推荐系统，该排序方法可提升用户在会话中的总阅读时长。

为了实现上述目的，本发明实施例提供一种目标信息的排序方法，该排序方法包括：基于多个用户中的每一者的包含所述目标信息的会话，计算该目标信息的平均阅读时长；基于多个会话中的包含被阅读的所述目标信息的第一会话组及所述会话中的包含被展示但未被阅读的所述目标信息的第二会话组，分别计算第一后续平均阅读时长及第二后续平均阅读时长；基于所计算的所述目标信息的平均阅读时长、所述第一后续平均阅读时长及所述第二后续平均阅读时长，计算所述目标信息的权重；以及根据所述目标信息的权重，对该目标信息进行排序，其中，所述第一后续平均阅读时长为所述第一会话组中被展示在所述目标信息后的一个信息或多个信息的平均阅读时长；以及所述第二后续平均阅读时长为所述第二会话组中被展示在所述目标信息后的一者或多者的平均阅读时长。

可选的，所述排序方法还包括：在所述计算该目标信息的平均阅读时长之前，按照预设规则对多个用户中的每一者的历史阅读数据进行切分以获得所述会话。

可选的，所述预设规则为相邻的会话中的后一者的起始活跃时刻与前一者的末尾活跃时刻之差大于预设时间，其中，所述起始活跃时刻为每个会话中第一个信息被展示的时刻，所述末尾活跃时刻为每个会话中最后一个信息被展示的时刻或特定信息最终被阅读完的时刻中的最大值。

可选的，所述基于多个会话中的包含被阅读的所述目标信息的第一会话组及所述会话中的包含被展示但未被阅读的所述目标信息的第二会话组，分别计算第一后续平均阅读时长及第二后续平均阅读时长包括：针对所述第一会话组或所述第二会话组中的每一会话，计算后续阅读时长；对所述每一会话的后续阅读时长进行求和以求取所述第一会话组或所述第二会话组中的多个会话的总后续阅读时长；以及将所述总后续阅读时长除以所述多个会话的个数，以求得所述第一后续平均阅读时长或所述第二后续平均阅读时长，其中，所述后续阅读时长为被展示在所述目标信息后的一者或多者的阅读时长。

可选的，所述基于所计算的所述目标信息的平均阅读时长、所述第一后续平均阅读时长及所述第二后续平均阅读时长，计算所述目标信息的权重包括：按照以下公式计算得到所述目标信息的权重W，W＝CTR*(DT^cur+DT^post)，其中，CTR为所述目标信息的点击率；DT^cur为所述目标信息的平均阅读时长；以及DT^post＝DT₁ ^post(doc)-DT₂ ^post(doc)，DT₁ ^post(doc)为所述第一后续平均阅读时长，DT₂ ^post(doc)为所述第二后续平均阅读时长。

可选的，所述基于所计算的所述目标信息的平均阅读时长、所述第一后续平均阅读时长及所述第二后续平均阅读时长，计算所述目标信息的权重包括：按照以下公式计算得到所述目标信息的权重W，W＝CTR*log(DT^cur+DT^post)，其中，CTR为所述目标信息的点击率；DT^cur为所述目标信息的平均阅读时长；以及DT^post＝DT₁ ^post(doc)-DT₂ ^post(doc)，DT₁ ^post(doc)为所述第一后续平均阅读时长，DT₂ ^post(doc)为所述第二后续平均阅读时长。

相应地，本发明实施例还提供一种目标信息的推荐方法，该推荐方法包括：根据所述的目标信息的排序方法对多个信息进行排序；以及按照所排序的顺序向用户推荐所述多个信息。

相应地，本发明实施例还提供一种目标信息的排序系统，所述排序系统包括：平均阅读时长计算装置，用于基于多个用户中的每一者的包含所述目标信息的会话，计算该目标信息的平均阅读时长；后续平均阅读时长计算装置，用于基于多个会话中的包含被阅读的所述目标信息的第一会话组及所述会话中的包含被展示但未被阅读的所述目标信息的第二会话组，分别计算第一后续平均阅读时长及第二后续平均阅读时长；权重计算装置，用于基于所计算的所述目标信息的平均阅读时长、所述第一后续平均阅读时长及所述第二后续平均阅读时长，计算所述目标信息的权重；以及排序装置，用于根据所述目标信息的权重，对该目标信息进行排序，其中，所述第一后续平均阅读时长为所述第一会话组中被展示在所述目标信息后的一个信息或多个信息的平均阅读时长；及所述第二后续平均阅读时长为所述第二会话组中被展示在所述目标信息后的一者或多者的平均阅读时长。

可选的，所述排序系统还包括：切分装置，用于按照预设规则对多个用户中的每一者的历史阅读数据进行切分以获得所述会话。。

可选的，所述后续平均阅读时长计算装置包括：后续阅读时长计算单元，用于针对所述第一会话组或所述第二会话组中的每一会话，计算后续阅读时长；总后续阅读时长计算单元，用于对所述每一会话的后续阅读时长进行加和以求取所述第一会话组或所述第二会话组中的多个会话的总后续阅读时长；以及后续平均阅读时长计算单元，用于将所述总后续阅读时长除以所述多个会话的个数，以求得所述第一后续平均阅读时长或所述第二后续平均阅读时长，其中，所述后续阅读时长被展示在所述目标信息后的一者或多者的阅读时长。

可选的，所述权重计算装置用于基于所计算的所述目标信息的平均阅读时长、所述第一后续平均阅读时长及所述第二后续平均阅读时长，计算所述目标信息的权重包括：按照以下公式计算得到所述目标信息的权重W，W＝CTR*(DT^cur+DT^post)，其中，CTR为所述目标信息的点击率；DT^cur为所述目标信息的平均阅读时长；以及DT^post＝DT₁ ^post(doc)-DT₂ ^post(doc)，DT₁ ^post(doc)为所述第一后续平均阅读时长，DT₂ ^post(doc)为所述第二后续平均阅读时长。

可选的，所述权重计算装置用于基于所计算的所述目标信息的平均阅读时长、所述第一后续平均阅读时长及所述第二后续平均阅读时长，计算所述目标信息的权重包括：按照以下公式计算得到所述目标信息的权重W，W＝CTR*log(DT^cur+DT^post)，其中，CTR为所述目标信息的点击率；DT^cur为所述目标信息的平均阅读时长；以及DT^post＝DT₁ ^post(doc)-DT₂ ^post(doc)，DT₁ ^post(doc)为所述第一后续平均阅读时长，DT₂ ^post(doc)为所述第二后续平均阅读时长。

相应地，本发明实施例还提供一种目标信息的推荐系统，该推荐系统包括：所述的目标信息的排序系统，用于对多个信息进行排序；以及推荐装置，用于按照所排序的顺序向用户推荐所述多个信息。

相应地，本发明实施例还提供一种机器可读存储介质，该机器可读存储介质上存储有指令，该指令用于使得机器执行所述的目标信息的排序方法和/或所述的目标信息的推荐方法。

相应地，本发明实施例还提供一种处理器，用于运行程序，其中，所述程序被运行时用于执行所述的目标信息的排序方法和/或所述的目标信息的推荐方法。

通过上述技术方案，本发明创造性地通过根据目标信息的平均阅读时长、包含被阅读的所述目标信息的第一会话组的第一后续平均阅读时长及包含被展示但未被阅读的所述目标信息的第二会话组的第二后续平均阅读时长，计算所述目标信息的权重；并根据所计算的权重，对该目标信息进行排序。该排序方法不仅考虑了目标信息的平均阅读时长，还考虑了该目标信息对后续阅读的其他信息的影响，从而可提升用户在会话中的总阅读时长。

本发明实施例的其它特征和优点将在随后的具体实施方式部分予以详细说明。

附图说明

附图是用来提供对本发明实施例的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本发明实施例，但并不构成对本发明实施例的限制。在附图中：

图1是本发明一实施例提供的目标信息的排序方法的流程图；

图2是本发明一实施例提供的目标信息的推荐方法的流程图；

图3是本发明一实施例提供的目标信息的排序系统的结构图；以及

图4是本发明一实施例提供的目标信息的推荐系统的结构图。

附图标记说明

20 平均阅读时长计算装置 30 后续平均阅读时长计算装置

40 权重计算装置 50 排序装置

100 排序系统 200 推荐装置

具体实施方式

以下结合附图对本发明实施例的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本发明实施例，并不用于限制本发明实施例。

某个文章的阅读时长很长，如果按照现有技术的排序方式，大概率会把这个文章排到前面。然而，用户的行为却经常是在阅读一篇很长的文章之后，产生了疲惫感，继而不再进行后续的阅读。因此，如果把这篇文章排在靠前的位置，单从这一篇文章来说，阅读时长确实较长，但是对于用户在会话(session)中的总阅读时长来说，很可能是减少的，关于会话的概念将于下文进行详细的说明。而本发明旨在提升用户在会话中的总阅读时长，而不仅仅是让用户在某一篇文章上花费较长时间。

图1是本发明实施例提供的目标信息的排序方法的流程图。如图1所示，该目标信息的排序方法可包括如下步骤：步骤S101，基于多个用户中的每一者的包含所述目标信息的会话(session)，计算该目标信息的平均阅读时长；步骤S102，基于多个会话中的包含被阅读的所述目标信息的第一会话组及所述会话中的包含被展示但未被阅读的所述目标信息的第二会话组，分别计算第一后续平均阅读时长及第二后续平均阅读时长；步骤S103，基于所计算的所述目标信息的平均阅读时长、所述第一后续平均阅读时长及所述第二后续平均阅读时长，计算所述目标信息的权重；以及步骤S104，根据所述目标信息的权重，对该目标信息进行排序，其中，所述第一后续平均阅读时长为所述第一会话组中被展示在所述目标信息后的一个信息或多个信息的平均阅读时长；以及所述第二后续平均阅读时长为所述第二会话组中被展示在所述目标信息后的一者或多者的平均阅读时长。

在优选的实施例中，所述排序方法还可包括：在执行所述步骤S101之前，按照预设规则对多个用户中的每一者的历史阅读数据进行切分以获得所述会话。所述预设规则为相邻的会话中的后一者的起始活跃时刻与前一者的末尾活跃时刻之差大于预设时间，其中，所述起始活跃时刻为每个会话中第一个信息被展示的时刻，所述末尾活跃时刻为每个会话中最后一个信息被展示的时刻或特定信息最终被阅读完的时刻中的最大值。

具体地，对于一个用户，设所有展示给他的文章序列是doc₁、doc₂、…、doc_n，这些文章是按照展示时间(设为ShowTime(doc_i))从小到大排序的，即：ShowTime(doc₁)<ShowTime(doc₂)<…<ShowTime(doc_n)。设该用户点击并阅读了一个子集：doc_i、doc_i1、doc_i2、…、doc_im(其中i1<i2<…<im)，用户的点击时刻分别为：ClickTime(doc_i)、ClickTime(doc_i1)、ClickTime(doc_i2)、…、ClickTime(doc_im)，用户阅读这些文章的时间分别为：DT(doc_i)、DT(doc_i1)、DT(doc_i2)、…、DT(doc_im)。一个用户的会话(session)就是展示序列中的一个连续的片段，这个会话需要与前后的会话有较大的间隔。“session切分”就是将所有展示给用户的文章序列切成若干个具有较大间隔的片段。也就是说，我们定义一个session_i的起始活跃时刻BeginTime(session_i)＝min{ShowTime(doc_i)}，末尾活跃时刻为EndTime(session_i)＝max{max{ShowTime(doc_i)},max{ClickTime(doc_ik)+DT(doc_ik)}}。session切分的预设规则是：EndTime(session_t)+30min<BeginTime(session_t+1)，其中t表示当前session，t+1表示相邻的下一个session。当然，本发明中的所述预设时间并不限于上述的30min，其他合理的时间也是可行的。

对于所述步骤S101，所述基于多个用户中的每一者的包含所述目标信息的会话，计算该目标信息的平均阅读时长。具体地，所述目标信息doc_i的平均阅读时长DT^cur(doc_i)可按照以下公式计算得到，DT^cur(doc_i)＝sum{DT(doc_i)}/count(doc_i))，其中，count(doc_i))是所有用户对于该doc_i的阅读次数；sum{DT(doc_i)}是所有用户对该doc_i的总阅读时长。

对于所述步骤S102，可具体包括：针对所述第一会话组或所述第二会话组中的每一会话，计算后续阅读时长；对所述每一会话的后续阅读时长进行求和以求取所述第一会话组或所述第二会话组中的多个会话的总后续阅读时长；以及将所述总后续阅读时长除以所述多个会话的个数，以求得所述第一后续平均阅读时长或所述第二后续平均阅读时长，其中，所述后续阅读时长为被展示在所述目标信息后的一者或多者的阅读时长。

具体地，对于一个目标信息doc_i，包含了该doc_i的所有用户session被分成两组，第一组是包含被阅读的doc_i的session，第二组是包含被展示给用户但未被阅读的doc_i的session。对于第一组中每个session：doc₁、doc₂、…、doc_i、doc_i+1、…、doc_n，统计阅读了这篇目标信息(例如，目标文章)之后的doc_i+1到doc_n中的阅读时长，即后续阅读时长；然后对第一组中的所有session求和，即总后续阅读时长；接着，将总后续阅读时长除以session个数以求取后续阅读时长的平均值，即第一后续平均阅读时长，记为DT₁ ^post(doc)。对于第二组中的每个session：doc₁、doc₂、…、doc_i、doc_i+1、…、doc_n，执行与上述类似的过程，以求取针对包含被展示但未被阅的所述目标信息(例如，目标文章)的第二组会话的第二后续平均阅读时长，记为DT₂ ^post(doc)。

对于所述步骤S103，在一个优选的实施例中，可具体包括：按照以下公式计算得到所述目标信息的权重W，W＝CTR*(DT^cur+DT^post)，其中，CTR为所述目标信息的点击率；DT^cur为所述目标信息的平均阅读时长；以及DT^post＝DT₁ ^post(doc)-DT₂ ^post(doc)，DT₁ ^post(doc)为所述第一后续平均阅读时长，DT₂ ^post(doc)为所述第二后续平均阅读时长。

或者，在另一个优选的实施例中，步骤S103可具体包括：按照以下公式计算得到所述目标信息的权重W，W＝CTR*log(DT^cur+DT^post)，其中，CTR为所述目标信息的点击率；DT^cur为所述目标信息的平均阅读时长；以及DT^post＝DT₁ ^post(doc)-DT₂ ^post(doc)，DT₁ ^post(doc)为所述第一后续平均阅读时长，DT₂ ^post(doc)为所述第二后续平均阅读时长。

也就是说，针对所有用户的session，统计了“阅读了某篇目标信息”和“展示但未阅读该目标信息”的后续阅读时长的平均值，再求取该两者之差，所述两者之差代表这篇目标信息会增加或者缩减多少后续阅读时长。当然，本发明中的计算所述目标信息的权重W并不限于上述两个公式，其他合理的公式均是可行的。

对于所述步骤S104，所述根据所述目标信息的权重，对该目标信息进行排序可包括：计算得到的所述目标信息的权重越大，将该目标信息的展示位置排在越靠前的位置。最终，可按照上述排序方法获取的先后顺序对多个目标信息进行推荐。

这种排序方法的优点在于，可以通过大规模用户的历史阅读数据，自动学习每个信息(例如，文章)对于后续阅读时长的影响，从而使得信息排序更加合理，用户更加愿意花时间阅读信息。

综上所述，所述排序方法创造性地通过根据目标信息的平均阅读时长、包含被点击且被阅读的所述目标信息的第一会话组的第一后续平均阅读时长及包含被展示但未被阅读的所述目标信息的第二会话组的第二后续平均阅读时长，计算所述目标信息的权重；并根据所计算的权重，对该目标信息进行排序。该排序方法不仅考虑了目标信息的平均阅读时长，还考虑了该目标信息对后续阅读的其他信息的影响，从而可提升用户在会话中的总阅读时长。

相应地，本发明一实施例还提供一种目标信息的推荐方法。如图2所示，该推荐方法可包括如下步骤：步骤S201，根据上述实施例中所述的目标信息的排序方法对多个信息进行排序；以及步骤S202，按照所排序的顺序向用户推荐所述多个信息。所述推荐方法创造性地在通过所述的目标信息的排序方法对多个信息进行排序之后，按照所排序的顺序向用户推荐所述多个信息。该推荐方法不仅考虑了目标信息的平均阅读时长，还考虑了该目标信息对后续阅读的其他信息的影响，从而可提升用户在会话中的总阅读时长。

相应地，本发明另一实施例还提供一种目标信息的排序系统。如图3所示，所述排序系统100可包括：平均阅读时长计算装置20，用于基于多个用户中的每一者的包含所述目标信息的会话，计算该目标信息的平均阅读时长；后续平均阅读时长计算装置30，用于基于多个会话中的包含被点击且被阅读的所述目标信息的第一会话组及所述会话中的包含被展示但未被阅读的所述目标信息的第二会话组，分别计算第一后续平均阅读时长及第二后续平均阅读时长；权重计算装置40，用于基于所计算的所述目标信息的平均阅读时长、所述第一后续平均阅读时长及所述第二后续平均阅读时长，计算所述目标信息的权重；以及排序装置50，用于根据所述目标信息的权重，对该目标信息进行排序，其中，所述第一后续平均阅读时长为所述第一会话组中被展示在所述目标信息后的一个信息或多个信息的平均阅读时长；及所述第二后续平均阅读时长为所述第二会话组中被展示在所述目标信息后的一者或多者的平均阅读时长。

其中，所述平均阅读时长计算装置20、所述后续平均阅读时长计算装置30及所述权重计算装置40可为同一处理器，也可为相互独立的两个或三个处理器。

有关本发明提供的目标信息的排序系统的具体细节及益处可参阅上述针对目标信息的排序方法的描述，于此不再赘述。

相应地，本发明又一实施例还提供一种目标信息的推荐系统。如图4所示，所述推荐系统可包括：所述的目标信息的排序系统100，用于对多个信息进行排序；以及推荐装置200，用于按照所排序的顺序向用户推荐所述多个信息。

有关本发明提供的目标信息的推荐系统的具体细节及益处可参阅上述针对目标信息的推荐方法的描述，于此不再赘述。

相应地，本发明实施例还提供一种机器可读存储介质，该机器可读存储介质上存储有指令，该指令可用于使得机器执行所述的目标信息的排序方法和/或所述的目标信息的推荐方法。

相应地，本发明实施例还提供一种处理器，用于运行程序，其中，所述程序被运行时可用于执行所述的目标信息的排序方法和/或所述的目标信息的推荐方法。

本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请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，本申请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。

本申请是参照根据本申请实施例的方法、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。

在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。

存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。存储器是计算机可读介质的示例。

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目标信息存储。目标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目标信息。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。

本领域技术人员应明白，本申请的实施例可提供为方法、系统或计算机程序产品。因此，本申请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，本申请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。

以上仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理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权利要求范围之内。

Claims

1.一种目标信息的排序方法，其特征在于，所述排序方法包括：

基于多个用户中的每一者的包含所述目标信息的会话，计算该目标信息的平均阅读时长；

基于多个会话中的包含被阅读的所述目标信息的第一会话组及所述会话中的包含被展示但未被阅读的所述目标信息的第二会话组，分别计算第一后续平均阅读时长及第二后续平均阅读时长；

基于所计算的所述目标信息的平均阅读时长、所述第一后续平均阅读时长及所述第二后续平均阅读时长，计算所述目标信息的权重；以及

根据所述目标信息的权重，对该目标信息进行排序，

其中，所述第一后续平均阅读时长为所述第一会话组中被展示在所述目标信息后的一个信息或多个信息的平均阅读时长；以及所述第二后续平均阅读时长为所述第二会话组中被展示在所述目标信息后的一者或多者的平均阅读时长。

2.根据权利要求1所述的排序方法，其特征在于，所述排序方法还包括：

在所述计算该目标信息的平均阅读时长之前，按照预设规则对多个用户中的每一者的历史阅读数据进行切分以获得所述会话。

3.根据权利要求2所述的排序方法，其特征在于，所述预设规则为相邻的会话中的后一者的起始活跃时刻与前一者的末尾活跃时刻之差大于预设时间，

其中，所述起始活跃时刻为每个会话中第一个信息被展示的时刻，所述末尾活跃时刻为每个会话中最后一个信息被展示的时刻或特定信息最终被阅读完的时刻中的最大值。

4.根据权利要求1所述的排序方法，其特征在于，所述基于多个会话中的包含被阅读的所述目标信息的第一会话组及所述会话中的包含被展示但未被阅读的所述目标信息的第二会话组，分别计算第一后续平均阅读时长及第二后续平均阅读时长包括：

针对所述第一会话组或所述第二会话组中的每一会话，计算后续阅读时长；

对所述每一会话的后续阅读时长进行求和以求取所述第一会话组或所述第二会话组中的多个会话的总后续阅读时长；以及

将所述总后续阅读时长除以所述多个会话的个数，以求得所述第一后续平均阅读时长或所述第二后续平均阅读时长，

其中，所述后续阅读时长为被展示在所述目标信息后的一者或多者的阅读时长。

5.根据权利要求1所述的排序方法，其特征在于，所述基于所计算的所述目标信息的平均阅读时长、所述第一后续平均阅读时长及所述第二后续平均阅读时长，计算所述目标信息的权重包括：

按照以下公式计算得到所述目标信息的权重W，

W＝CTR*(DT^cur+DT^post)，

其中，CTR为所述目标信息的点击率；DT^cur为所述目标信息的平均阅读时长；以及DT^post＝DT₁ ^post(doc)-DT₂ ^post(doc)，DT₁ ^post(doc)为所述第一后续平均阅读时长，DT₂ ^post(doc)为所述第二后续平均阅读时长。

6.根据权利要求1所述的排序方法，其特征在于，所述基于所计算的所述目标信息的平均阅读时长、所述第一后续平均阅读时长及所述第二后续平均阅读时长，计算所述目标信息的权重包括：

按照以下公式计算得到所述目标信息的权重W，

W＝CTR*log(DT^cur+DT^post)，

7.一种目标信息的推荐方法，其特征在于，该推荐方法包括：

根据权利要求1-6中任一项权利要求所述的目标信息的排序方法对多个信息进行排序；以及

按照所排序的顺序向用户推荐所述多个信息。

8.一种目标信息的排序系统，其特征在于，所述排序系统包括：

平均阅读时长计算装置，用于基于多个用户中的每一者的包含所述目标信息的会话，计算该目标信息的平均阅读时长；

后续平均阅读时长计算装置，用于基于多个会话中的包含被阅读的所述目标信息的第一会话组及所述会话中的包含被展示但未被阅读的所述目标信息的第二会话组，分别计算第一后续平均阅读时长及第二后续平均阅读时长；

权重计算装置，用于基于所计算的所述目标信息的平均阅读时长、所述第一后续平均阅读时长及所述第二后续平均阅读时长，计算所述目标信息的权重；以及

排序装置，用于根据所述目标信息的权重，对该目标信息进行排序，

其中，所述第一后续平均阅读时长为所述第一会话组中被展示在所述目标信息后的一个信息或多个信息的平均阅读时长；及所述第二后续平均阅读时长为所述第二会话组中被展示在所述目标信息后的一者或多者的平均阅读时长。

9.根据权利要求8所述的排序系统，其特征在于，所述排序系统还包括：

切分装置，用于按照预设规则对多个用户中的每一者的历史阅读数据进行切分以获得所述会话。

10.根据权利要求9所述的排序系统，其特征在于，所述预设规则为相邻的会话中的后一者的起始活跃时刻与前一者的末尾活跃时刻之差大于预设时间，

11.根据权利要求8所述的排序系统，其特征在于，所述后续平均阅读时长计算装置包括：

后续阅读时长计算单元，用于针对所述第一会话组或所述第二会话组中的每一会话，计算后续阅读时长；

总后续阅读时长计算单元，用于对所述每一会话的后续阅读时长进行加和以求取所述第一会话组或所述第二会话组中的多个会话的总后续阅读时长；以及

后续平均阅读时长计算单元，用于将所述总后续阅读时长除以所述多个会话的个数，以求得所述第一后续平均阅读时长或所述第二后续平均阅读时长，

其中，所述后续阅读时长被展示在所述目标信息后的一者或多者的阅读时长。

12.根据权利要求8所述的排序系统，其特征在于，所述权重计算装置用于基于所计算的所述目标信息的平均阅读时长、所述第一后续平均阅读时长及所述第二后续平均阅读时长，计算所述目标信息的权重包括：

按照以下公式计算得到所述目标信息的权重W，

W＝CTR*(DT^cur+DT^post)，

13.根据权利要求8所述的排序系统，其特征在于，所述权重计算装置用于基于所计算的所述目标信息的平均阅读时长、所述第一后续平均阅读时长及所述第二后续平均阅读时长，计算所述目标信息的权重包括：

按照以下公式计算得到所述目标信息的权重W，

W＝CTR*log(DT^cur+DT^post)，

14.一种目标信息的推荐系统，其特征在于，该推荐系统包括：

根据权利要求8-13中任一项权利要求所述的目标信息的排序系统，用于对多个信息进行排序；以及

推荐装置，用于按照所排序的顺序向用户推荐所述多个信息。

15.一种机器可读存储介质，其特征在于，该机器可读存储介质上存储有指令，该指令用于使得机器执行根据权利要求1-6中任一项权利要求所述的目标信息的排序方法和/或根据权利要求7所述的目标信息的推荐方法。

16.一种处理器，其特征在于，用于运行程序，其中，所述程序被运行时用于执行根据权利要求1-6中任一项权利要求所述的目标信息的排序方法和/或根据权利要求7所述的目标信息的推荐方法。