CN110191171A - 气象信息传播方法 - Google Patents

Abstract

本发明实施例涉及一种气象信息传播方法，包括：获取用户基本信息；根据用户行为数据进行气象视频数据的数据过滤处理生成用户兴趣点标签；根据用户基本属性信息和用户兴趣点标签生成用户标签；根据气象综合数据的类别标签和地理位置标签在视频源数据库中匹配气象视频数据的视频特征标签，得到每个气象综合数据与各气象视频数据的第一匹配度；根据用户标签和位置分布参数匹配视频特征标签，得到各用户与各气象视频数据的第二匹配度；将用户环境位置参数、地理位置标签、第一匹配度和第二匹配度作为相似度计算函数的自变量，计算用户信息‑气象数据‑视频数据的相似度；根据用户信息‑气象数据‑视频数据的相似度，确定向每个用户推送的气象信息。

Description

气象信息传播方法

技术领域

本发明涉及气象信息服务技术领域，尤其涉及一种气象信息传播方法。

背景技术

随着技术革新，气象信息传播渠道不断变化。从娓娓道来的电台播报、报纸版面的“豆腐块”、定时收看的电视节目，到如今随时随地在互联网、手机上获取，气象部门始终紧跟技术发展的步伐，让天气信息传播渠道不断丰富、融合，信息量越来越多，发布也越来越及时。

查看天气是人们日常不可缺少生活服务，基于数字电视网络的天气预报，大多是以偏传统的视频播报方式进行气象服务的展示，内容形式过于正统，不利于在新媒体平台进行传播。而目前移动互联网市面上的气象产品大多以数字、图片、文字等进行服务呈现。

但无论采用上述那种方式，都没有真正实现面向用户个性化定制推送的综合性气象服务。

发明内容

本发明的目的是针对现有技术的不足，提供一种气象信息传播方法，提供了一种真正实现面向用户个性化定制推送的综合性气象服务。

为实现上述目的，本发明提供了一种气象信息传播方法，包括：

获取用户基本信息；所述用户基本信息包括用户ID、用户基本属性信息和位置分布参数；所述用户基本属性信息包括用户的性别、年龄、职业信息中的一种或多种；所述位置分布参数包括所述用户的位置信息和位置信息对应的位置标签；

获取用户行为数据，根据所述用户行为数据进行用户行为对象的数据过滤处理，并根据所述数据过滤处理的结果生成用户兴趣点标签；所述用户行为对象为气象视频数据；

根据所述用户基本属性信息和所述用户兴趣点标签生成用户标签；

根据气象指数数据、气象预报数据、气象预警数据和地域信息生成气象综合数据；所述气象综合数据具有类别标签和地理位置标签；

根据所述类别标签和地理位置标签在视频源数据库中匹配各气象视频数据的视频特征标签，得到每个气象综合数据与各气象视频数据的第一匹配度；

根据用户标签和位置分布参数在视频源数据库中匹配各气象视频数据的视频特征标签，得到各用户与各气象视频数据的第二匹配度；

获取用户信息-气象数据-视频数据相似度计算函数，将用户环境位置参数、地理位置标签、第一匹配度和第二匹配度作为相似度计算函数的自变量，计算用户信息-气象数据-视频数据的相似度；每个相似度计算结果对应一组关联数据，包括用户ID和气象信息；所述气象信息包括气象综合数据和气象视频数据；

根据用户信息-气象数据-视频数据的相似度，确定向每个用户推送的气象信息。

优选的，所述获取用户基本信息中的位置分布信息具体包括:

根据用户授权访问的位置信息确定其中出现频次超过预设阈值的一个或多个常驻地点的信息；

结合用户所在所述常驻地点的统计参数生成所述常驻地点的位置标签；所述统计参数包括用户处在所述常驻地点的时间和频次的信息；

根据所述常驻地点的信息和所述常驻地点的位置标签生成所述位置分布信息中的用户的位置信息和位置信息对应的位置标签。

优选的，所述根据所述用户行为数据进行用户行为对象的数据过滤处理具体包括：

获取所述用户在所述气象视频数据的页面停留时间，并根据所述页面停留时间生成所述气象视频数据的噪声因子；和/或

获取所述用户查看的气象视频数据的累计播放次数，并根据所述累积播放次数生成所述气象视频数据的热度因子；和/或

确定所述用户最后一次查看的气象视频数据的动作时间与当前时间之间的时间差，并根据所述时间差生成所述气象视频数据的衰减因子；和/或

根据用户对被推送视频气象数据的点击播放成功率生成所述气象视频数据的惩罚因子；所述被推送视频气象数据的点击播放成功率为100％或0；

根据所述气象视频数据的噪声因子、衰减因子、热度因子和惩罚因子中的一个或多个计算所述气象视频数据的用户喜好系数。

进一步优选的，所述根据所述数据过滤处理的结果生成用户兴趣点标签具体包括：

根据所述用户喜好系数，确定用户兴趣度超过设定兴趣度阈值的气象视频数据的集合，根据所述集合中气象视频数据的视频特征标签生成所述用户兴趣点标签。

进一步优选的，所述根据所述数据过滤处理的结果生成用户兴趣点标签具体包括：

对所述集合中气象视频数据的视频特征标签进行汇总，并对汇总结果进行排序；

根据排序顺序为前第一数量内的视频特征标签生成所述用户兴趣点标签。

优选的，所述方法还包括：

当第一用户的用户行为数据为空或者少于设定数量阈值时，根据所述用户基本属性信息和位置分布参数在用户管理数据库中查询与所述第一用户匹配度高的第一参考用户集合；所述第一参考用户集合包括一个或多个第一参考用户；

根据所述第一参考用户的用户兴趣点标签，生成所述第一用户的用户兴趣点标签。

优选的，所述方法还包括：

监听用户行为数据；

当产生新的用户行为数据时，相应更新所述用户兴趣点标签和用户标签。

优选的，所述方法还包括：

当用户的所述用户基本属性信息发生变更时，相应更新所述用户标签。

本发明实施例提供的气象信息传播方法，通过对用户基本信息、用户行为数据、气象综合数据和气象视频数据进行分析处理，通过科学合理的计算方式对它们进行准确有效的相似度评估，以确定它们之间的关联性的紧密程度，从而向用户准确的提供与之关注点和需求相符的气象信息。通过本发明的方法真正实现面向用户个性化定制推送的综合性气象服务。

附图说明

图1为本发明实施例提供的气象信息传播方法流程图。

具体实施方式

下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。

为实现面向用户个性化定制推送的综合性气象服务，本发明实施例提供了一种气象信息传播方法，下面结合图1所示的气象信息传播方法流程图，对本实施例的气象信息传播方法进行说明。

本发明实施例提供的主要包括如下步骤：

步骤110，获取用户基本信息；

具体的，用户是指访问气象信息传播服务的用户，用户的用户设备可以通过无线网络接入服务。用户设备可以包括加载有该应用的智能电子设备。

用户基本信息包括用户ID、用户基本属性信息和位置分布参数；用户基本属性信息包括用户的性别、年龄、职业信息中的一种或多种；位置分布参数包括用户的位置信息和位置信息对应的位置标签；

其中，可以根据用户授权访问的位置信息确定其中出现频次超过预设阈值的一个或多个常驻地点的信息；然后结合用户所在常驻地点的统计参数生成所述常驻地点的位置标签；这其中的统计参数包括用户处在所述常驻地点的时间和频次的信息；根据所述常驻地点的信息和所述常驻地点的位置标签生成所述位置分布信息中的用户的位置信息和位置信息对应的位置标签。

步骤120，获取用户行为数据，根据用户行为数据进行用户行为对象的数据过滤处理，并根据所述数据过滤处理的结果生成用户兴趣点标签；

具体的，用户行为对象是指气象视频数据；用户行为可以包括对气象视频数据的点击查看动作、在气象视频数据页面的停留时间，以及对于推送的气象视频数据是否进行了查看的状态。

用户行为对象的数据过滤处理可以具体是指根据气象视频数据的噪声因子、衰减因子、热度因子和惩罚因子中的一个或多个来计算气象视频数据的用户喜好系数。当然在优选的例子中，是根据上述四个因子综合考虑计算用户喜好系数的。一个视频气象数据的用户喜好系数可以量化的表明了用户对于该视频气象数据的喜好程度。

噪声因子、衰减因子、热度因子和惩罚因子分别可以根据以下方式获得。

获取用户在气象视频数据的页面停留时间，并根据页面停留时间生成气象视频数据的噪声因子；例如对停留时间短的点击操作进行过滤。

获取用户查看的气象视频数据的累计播放次数，并根据累积播放次数生成气象视频数据的热度因子；例如对用户在一些热门视频上的动作做降权处理。因为理论上，传播范围较大的内容，置信度会下降。

确定用户最后一次查看的气象视频数据的动作时间与当前时间之间的时间差，并根据时间差生成气象视频数据的衰减因子；因为考虑到用户兴趣会发生偏移，因此策略更偏向新的用户行为。因此，随着用户动作的增加，老的特征权重会随时间衰减，新动作贡献的特征权重会更大。

根据用户对被推送视频气象数据的点击播放成功率生成气象视频数据的惩罚因子；如果一篇推荐给用户的视频没有被点击、播放，相关特征(类别，关键词)权重会被惩罚。当然同时，也要考虑全局背景，是不是相关内容推送比较多影响用户查看等因素。优选的，被推送视频气象数据的点击播放成功率为100％或0；为0时表示未被播放，为100％时表示被播放了。

在确定了用户对各视频数据的喜好程度之后，就可以根据用户喜好系数，确定用户兴趣度超过设定兴趣度阈值的气象视频数据的集合，根据集合中气象视频数据的视频特征标签生成用户兴趣点标签。

当然，可能存在用户兴趣点标签过多的情况，针对此为问题，可以对集合中气象视频数据的视频特征标签进行汇总，并对汇总结果进行排序；根据排序顺序为前第一数量内的视频特征标签生成用户兴趣点标签。

对于用户行为数据累积量较少的用户，比如新用户或者非经常性使用气象信息服务的用户，比较难以通过已有的用户行为数据来准确生成用户兴趣点标签，这时可以参考与其相似的其他用户的用户兴趣点标签。相似度的判别可以参考用户基本属性信息和位置分布参数。具体的，当第一用户的用户行为数据为空或者少于设定数量阈值时，可以根据用户基本属性信息和位置分布参数在用户管理数据库中查询与第一用户匹配度高的第一参考用户集合；在得到的第一参考用户集合可以包括一个或多个第一参考用户；然后根据第一参考用户的用户兴趣点标签，生成第一用户的用户兴趣点标签。

步骤130，根据用户基本属性信息和用户兴趣点标签生成用户标签；

在上述获得了用户基本属性信息和用户兴趣点标签的情况下，就可以生成用户标签。用户标签既可以反映出用户的基本属性，又可以表明用户的兴趣点。

当用户行为数据发生变化时，即监听到有新的用户行为数据产生的情况下，会相应更新用户兴趣点标签和用户标签。

同样的，当用户的所述用户基本属性信息发生变更时，也会相应更新用户标签。

在具体的应用中，可以通过视频web展示前端收集用户的各种行为，如对某视频点赞、收藏、播放、播放时长、分享等数据，通过进行分析建模建立用户感兴趣的主题、以及各种垂直的兴趣特征(服装、气象知识、旅游)的各种兴趣标签，另外也可以通过注册和第三方公司开放平台或者商业合作获取用户职业、年龄、性别等基本信息。用户年龄信息也可以通过用户使用的机型、播放视频的时间分布等预估，另外还通过爬虫抓取相关视频网站信息来建立用户的偏好。

因为考虑到用户在工作场合、通勤、旅游等不同的场景，信息偏好有所偏移，因此用户基本信息中的位置分布参数也是着重影响气象信息传播输出的一个重要因素。可以通过对用户请求气象信息传播服务的位置定位确认用户所处的位置信息和位置标签。利用用户可以将一些地点设定为常驻点。常驻点也可以是通过定位数据结合其他信息推定的，如可以推测用户的工作地点、出差地点、旅游地点。

当用户的位置分布参数发生变化的时候，例如监测到用户从北京市东城区某街道某建筑，位置标签为工作单位，移动到南京某街道某建筑，位置标签为出差地点，那么就可以根据这个信息相应的更新用户标签，从而对给用户的信息推送产生影响。

常用的用户标签可以包括用户感兴趣的类别和主题、关键词、来源、基于兴趣的用户聚类以及各种垂直兴趣特征，还有性别、年龄、地点等，这些用户标签非常有助于推荐。

步骤140，根据气象指数数据、气象预报数据、气象预警数据和地域信息生成气象综合数据；

气象综合数据具有类别标签和地理位置标签；类别标签是指气象综合数据属于那种类别，如日常播报、极端天气预警等等，地理位置标签用于方便对气象综合数据的位置定位，有了这个标签，就可以准确的匹配到位置分布参数在同一区域的用户，提高信息推送的准确性和有效性。

步骤150，根据类别标签和地理位置标签在视频源数据库中匹配各气象视频数据的视频特征标签，得到每个气象综合数据与各气象视频数据的第一匹配度；

可以理解，匹配度与所能匹配上的标签数量成正比。

步骤160，根据用户标签和位置分布参数在视频源数据库中匹配各气象视频数据的视频特征标签，得到各用户与各气象视频数据的第二匹配度；

步骤170，获取用户信息-气象数据-视频数据相似度计算函数，将用户环境位置参数、地理位置标签、第一匹配度和第二匹配度作为相似度计算函数的自变量，计算用户信息-气象数据-视频数据的相似度；

每个相似度计算结果对应一组关联数据，包括用户ID和气象信息；气象信息包括气象综合数据和气象视频数据。

也就是说在本发明气象信息传播服务的系统中，会根据气象相关数据建模，比如指数、预报、节气等数据。同时根据用户的信息建模，比如用户的年龄，性别，兴趣等信息。然后根据这些特征计算用户信息-气象数据-视频数据的相似度。从而能够根据这些计算得出一个推荐的方案。

用户信息-气象数据-视频数据相似度计算函数通过模型训练得到，在后面对本发明具体实现的阐述中会进行说明。

步骤180，根据用户信息-气象数据-视频数据的相似度，确定向每个用户推送的气象信息。

在本发明的具体实现过程中，我们采用了如下方式进行本发明的实现。

首先，我们首先采用批量计算框架进行用户标签的计算。这种方法流程比较简单，通过每天抽取前一天的有效活跃用户过去两个月的动作数据，在Hadoop集群上批量计算结果。为了避免随着用户高速增长，兴趣模型种类和其他批量处理任务都在增加，涉及到的计算量太大的问题，我们在采用Storm集群流式计算系统之后，只要有用户动作更新就更新标签，CPU代价比较小，可以节省80％的CPU时间，大大降低了计算资源的消耗。同时，只需几十台处理设备就可以支撑每天数千万用户的兴趣模型更新，即用户标签的更新，并且更新速度非常快，基本可以做到准实时。当然，并非所有用户标签都需要流式系统。像用户的性别、年龄、常驻地点这些信息，不需要实时重复计算的就仍然保留定期(如每日)更新。

对于气象视频的推荐主要可以根据不同场景支持协同过滤模型、逻辑回归(LR)和深度神经网络(DNN)等多种算法组合。主要有四类特征会对推荐起到比较重要的作用。

第一类是相关性特征，就是评估内容的属性和与用户是否匹配。显性的匹配包括关键词匹配、分类匹配、主题匹配等。像FM模型中也有一些隐性匹配，从用户向量与内容向量的距离可以得出。

第二类是环境特征，包括地理位置、时间。这些既是偏置(bias)特征，也能以此构建一些匹配特征。

第三类是热度特征。包括全局热度、分类热度，主题热度，以及关键词热度等。内容热度信息在大的推荐系统特别在用户冷启动的时候非常有效。

第四类是协同特征，它可以在部分程度上帮助解决所谓算法越推越窄的问题。协同特征并非考虑用户已有历史。而是通过用户行为分析不同用户间相似性，比如点击相似、兴趣分类相似、主题相似、兴趣词相似，甚至向量相似，从而扩展模型的探索能力。

在模型的训练上，气象视频数据的推荐采用实时训练。实时训练省资源并且反馈快，这对要求时效性高的气象相关视频产品非常重要。在我们具体的实现中，首先用户的各种动作类型的数据如浏览、点击、播放、分享、收藏等行为信息导入Kafka消息队列，然后Kafka消费端从Kafka拉取数据到Storm集群,Storm集群进行实时计算后得到样本数据，随后根据最新样本进行在线训练更新模型参数，最终线上模型得到更新。这个过程中主要的延迟在用户的动作反馈延时，因为视频推荐后用户不一定马上看，不考虑这部分时间，整个系统是几乎实时的。

本发明实施例提供的气象信息传播方法，通过对用户基本信息、用户行为数据、气象综合数据和气象视频数据进行分析处理，通过科学合理的计算方式对它们进行准确有效的相似度评估，以确定它们之间的关联性的紧密程度，从而向用户准确的提供与之关注点和需求相符的气象信息。本发明能够按照不同的天气状况、不同的地域、不同的人群，匹对提供适合的气象服务内容，因此通过本发明的方法真正实现面向用户个性化定制推送的综合性气象服务。

此外，本发明通过视频数据的传播，也可以扩展商业上的应用，因为视频内容碎片化，也意味着具有很强的关联性，除了将用户所在地的天气预报、天气预警、空气质量、生活指数、气象科普、气象新闻等气象服务内容向用户进行展示传播，以及根据用户的需求特点进行定制化的气象服务内容的提供之外，还可以集合其他相关信息，所涉及的商品种类可以很广泛，包括运动用品、健康美食、服饰搭配、美妆护肤、日常用品、旅游出行等等都能轻松涉猎，易于为品牌、平台、卖场等进行冠名广告、品牌营销等盛业宣传，所以也拥有较高的商业价值。

专业人员应该还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

结合本文中所公开的实施例描述的方法或算法的步骤可以用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。

以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种气象信息传播方法，其特征在于，所述方法包括：

获取用户基本信息；所述用户基本信息包括用户ID、用户基本属性信息和位置分布参数；所述用户基本属性信息包括用户的性别、年龄、职业信息中的一种或多种；所述位置分布参数包括所述用户的位置信息和位置信息对应的位置标签；

获取用户行为数据，根据所述用户行为数据进行用户行为对象的数据过滤处理，并根据所述数据过滤处理的结果生成用户兴趣点标签；所述用户行为对象为气象视频数据；

根据所述用户基本属性信息和所述用户兴趣点标签生成用户标签；

根据气象指数数据、气象预报数据、气象预警数据和地域信息生成气象综合数据；所述气象综合数据具有类别标签和地理位置标签；

根据所述类别标签和地理位置标签在视频源数据库中匹配各气象视频数据的视频特征标签，得到每个气象综合数据与各气象视频数据的第一匹配度；

根据用户标签和位置分布参数在视频源数据库中匹配各气象视频数据的视频特征标签，得到各用户与各气象视频数据的第二匹配度；

获取用户信息-气象数据-视频数据相似度计算函数，将用户环境位置参数、地理位置标签、第一匹配度和第二匹配度作为相似度计算函数的自变量，计算用户信息-气象数据-视频数据的相似度；每个相似度计算结果对应一组关联数据，包括用户ID和气象信息；所述气象信息包括气象综合数据和气象视频数据；

根据用户信息-气象数据-视频数据的相似度，确定向每个用户推送的气象信息。

2.根据权利要求1所述的气象信息传播方法，其特征在于，所述获取用户基本信息中的位置分布信息具体包括:

根据用户授权访问的位置信息确定其中出现频次超过预设阈值的一个或多个常驻地点的信息；

结合用户所在所述常驻地点的统计参数生成所述常驻地点的位置标签；所述统计参数包括用户处在所述常驻地点的时间和频次的信息；

根据所述常驻地点的信息和所述常驻地点的位置标签生成所述位置分布信息中的用户的位置信息和位置信息对应的位置标签。

3.根据权利要求1所述的气象信息传播方法，其特征在于，所述根据所述用户行为数据进行用户行为对象的数据过滤处理具体包括：

获取所述用户在所述气象视频数据的页面停留时间，并根据所述页面停留时间生成所述气象视频数据的噪声因子；和/或

获取所述用户查看的气象视频数据的累计播放次数，并根据所述累积播放次数生成所述气象视频数据的热度因子；和/或

确定所述用户最后一次查看的气象视频数据的动作时间与当前时间之间的时间差，并根据所述时间差生成所述气象视频数据的衰减因子；和/或

根据用户对被推送视频气象数据的点击播放成功率生成所述气象视频数据的惩罚因子；所述被推送视频气象数据的点击播放成功率为100％或0；

根据所述气象视频数据的噪声因子、衰减因子、热度因子和惩罚因子中的一个或多个计算所述气象视频数据的用户喜好系数。

4.根据权利要求3所述的气象信息传播方法，其特征在于，所述根据所述数据过滤处理的结果生成用户兴趣点标签具体包括：

根据所述用户喜好系数，确定用户兴趣度超过设定兴趣度阈值的气象视频数据的集合，根据所述集合中气象视频数据的视频特征标签生成所述用户兴趣点标签。

5.根据权利要求4所述的气象信息传播方法，其特征在于，所述根据所述数据过滤处理的结果生成用户兴趣点标签具体包括：

对所述集合中气象视频数据的视频特征标签进行汇总，并对汇总结果进行排序；

根据排序顺序为前第一数量内的视频特征标签生成所述用户兴趣点标签。

6.根据权利要求1所述的气象信息传播方法，其特征在于，所述方法还包括：

当第一用户的用户行为数据为空或者少于设定数量阈值时，根据所述用户基本属性信息和位置分布参数在用户管理数据库中查询与所述第一用户匹配度高的第一参考用户集合；所述第一参考用户集合包括一个或多个第一参考用户；

根据所述第一参考用户的用户兴趣点标签，生成所述第一用户的用户兴趣点标签。

7.根据权利要求1所述的气象信息传播方法，其特征在于，所述方法还包括：

监听用户行为数据；

当产生新的用户行为数据时，相应更新所述用户兴趣点标签和用户标签。

8.根据权利要求1所述的气象信息传播方法，其特征在于，所述方法还包括：

当用户的所述用户基本属性信息发生变更时，相应更新所述用户标签。