CN110297982B - 一种推荐方法、装置、设备及介质 - Google Patents

Abstract

本发明实施例公开了一种推荐方法、装置、设备及介质，所述方法包括：确定基于网络平台进行第一网上行为的样本用户集合；确定所述样本用户集合中每个样本用户基于所述网络平台进行第二网上行为的历史信息；基于所述每个样本用户进行第二网上行为的历史信息以及进行第一网上行为的历史信息建立所述第一网上行为与所述第二网上行为之间的关联关系；根据所述关联关系为进行所述第二网上行为的目标用户推荐进行第一网上行为的入口；其中，所述第二网上行为所述网络平台的主营业务，所述第一网上行为为所述网络平台的次营业务。通过采用上述技术方案，实现了向用户推荐操作入口的目的。

Description

一种推荐方法、装置、设备及介质

技术领域

本发明实施例涉及计算机技术领域，尤其涉及一种推荐方法、装置、设备及介质。

背景技术

在现有的直播平台上，游戏联运项目一直是重点业务，因此直播平台通常均设置有游戏中心，专门为用户提供游戏app(Application，应用)下载。

目前的游戏app个性化推荐方法，主要是基于用户的历史下载行为，向用户推荐与其历史下载的app相似的app。这种方法存在如下不足：由于直播平台的游戏中心的信息留存率极低，导致绝大部分用户没有历史下载行为，进而无法对每个观看直播间的用户有针对性的推荐游戏app，导致用户有可能下载其不需要的app。

发明内容

本发明实施例提供一种推荐方法、装置、设备及介质，以实现向用户推荐操作入口。

第一方面，本发明实施例提供了一种推荐方法，所述方法包括：

确定基于网络平台进行第一网上行为的样本用户集合；

确定所述样本用户集合中每个样本用户基于所述网络平台进行第二网上行为的历史信息；

基于所述每个样本用户进行第二网上行为的历史信息以及进行第一网上行为的历史信息建立所述第一网上行为与所述第二网上行为之间的关联关系；

根据所述关联关系为进行所述第二网上行为的目标用户推荐进行第一网上行为的入口；其中，所述第二网上行为为所述网络平台的主营业务，所述第一网上行为为所述网络平台的次营业务。

第二方面，本发明实施例提供了一种推荐装置，所述装置包括：

样本用户集合确定模块，用于确定基于网络平台进行第一网上行为的样本用户集合；

历史信息确定模块，用于确定所述样本用户集合中每个样本用户基于所述网络平台进行第二网上行为的历史信息；

关联关系建立模块，用于基于所述每个样本用户进行第二网上行为的历史信息以及进行第一网上行为的历史信息建立所述第一网上行为与所述第二网上行为之间的关联关系；

推荐模块，用于根据所述关联关系为进行所述第二网上行为的目标用户推荐进行第一网上行为的入口；

其中，所述第二网上行为为所述网络平台的主营业务，所述第一网上行为为所述网络平台的次营业务。

第三方面，本发明实施例提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述第一方面所述的推荐方法。

第四方面，本发明实施例提供了一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时实现如上述第一方面所述的推荐方法。

本发明实施例提供的一种推荐方法，通过确定基于网络平台进行第一网上行为的样本用户集合；确定所述样本用户集合中每个样本用户基于所述网络平台进行第二网上行为的历史信息；基于所述每个样本用户进行第二网上行为的历史信息以及进行第一网上行为的历史信息建立所述第一网上行为与所述第二网上行为之间的关联关系；根据所述关联关系为进行所述第二网上行为的目标用户推荐进行第一网上行为的入口的技术手段，实现了为用户推荐操作入口的目的。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对本发明实施例描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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，还可以根据本发明实施例的内容和这些附图获得其他的附图。

图1为本发明实施例一提供的一种推荐方法流程示意图；

图2为本发明实施例二提供的一种推荐方法流程示意图；

图3为本发明实施例三提供的一种推荐装置结构示意图；

图4为本发明实施例四提供的一种电子设备的结构示意图。

具体实施方式

为使本发明解决的技术问题、采用的技术方案和达到的技术效果更加清楚，下面将结合附图对本发明实施例的技术方案作进一步的详细描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

实施例一

图1为本发明实施例一提供的一种推荐方法流程示意图。本实施例公开的推荐方法可适用于向用户推荐用户需要的应用或者操作入口的情况。本实施例公开的推荐方法可以由推荐装置来执行，其中，该装置可由软件和/或硬件实现，并一般集成在服务器中。具体参见图1所示，该方法包括如下步骤：

步骤110、确定基于网络平台进行第一网上行为的样本用户集合。

其中，所述网络平台为用户进行特定网上行为的平台，例如具体可以是购物平台或者直播平台等，所述购物平台的主营业务是购物，用户在购物平台主要是进行购物行为；所述直播平台的主营业务是直播，用户在直播平台主要是进行直播行为或者观看直播间行为。然而，目前很多网络平台除了主营业务之外，还重点发展一些次营业务，例如一些购物平台还发展理财业务，直播平台除了直播业务外还发展游戏下载业务等次营业务。

在本实施例中，所述第一网上行为为所述网络平台的次营业务，下述第二网上行为为所述网络平台的主营业务。以所述网络平台为直播平台为例，所述第一网上行为包括基于直播平台下载游戏app的行为，所述第二网上行为包括直播间观看行为。

步骤120、确定所述样本用户集合中每个样本用户基于所述网络平台进行第二网上行为的历史信息。

其中，若所述网络平台为购物平台，则所述第二网上行为的历史信息具体可以包括：用户所购物品的类别、数量、价格以及购物频次等；若所述网络平台为直播平台，则所述第二网上行为的历史信息具体可以包括：用户观看过的直播间标识号、观看每个直播间的次数、每个直播间的热度以及每个直播间的播放时长等。

步骤130、基于所述每个样本用户进行第二网上行为的历史信息以及进行第一网上行为的历史信息建立所述第一网上行为与所述第二网上行为之间的关联关系。

具体的，以所述网络平台为直播平台为例，若用户a基于直播平台下载过游戏app1，同时用户a又观看过直播间room1，则建立游戏app1与直播间room1之间的关联关系，表示下载过游戏app1的用户习惯观看直播间room1，或者习惯观看直播间room1的用户习惯游戏app1。

为了提高推荐精度，通常需要考虑多维度的历史信息，例如以所述网络平台为购物平台为例，通过分析用户a的购物习惯以及理财习惯，向与用户a具有相同购物习惯的用户自动推荐理财产品。而为了得到用户较为准确的购物习惯，则可对用户所购物品的类别、数量以及价位等多维度信息进行分析。同样的，为了得到较为准确的用户观看直播间的习惯，可对用户所观看过的直播间的热度、观看时间以及直播间的播放时长等多维度信息进行分析。

步骤140、根据所述关联关系为进行所述第二网上行为的目标用户推荐进行第一网上行为的入口；其中，所述第二网上行为所述网络平台的主营业务，所述第一网上行为为所述网络平台的次营业务。

可以理解的是，所述目标用户与所述样本用户集合中的样本用户不同，

具体的，继续以上述网络平台为直播平台为例，若用户b观看过直播间room1，则系统自动为用户b推荐游戏app1的下载入口，认为用户b也习惯使用游戏app1，从而提高用户的体验度。

需要说明的是，本实施例所提供的推荐方法由与所述网络平台对应的服务器执行。

本实施例提供的一种推荐方法，通过确定基于网络平台进行第一网上行为的样本用户集合；确定所述样本用户集合中每个样本用户基于所述网络平台进行第二网上行为的历史信息；基于所述每个样本用户进行第二网上行为的历史信息以及进行第一网上行为的历史信息建立所述第一网上行为与所述第二网上行为之间的关联关系；根据所述关联关系为进行所述第二网上行为的目标用户推荐进行第一网上行为的入口的技术手段，实现了为用户推荐操作入口。

实施例二

图2为本发明实施例二提供的一种推荐方法流程示意图。在上述实施例的基础上，本实施例以所述网络平台为直播平台，所述第一网上行为为下载游戏应用的行为，所述第二网上行为为观看直播间的行为为例对所述推荐方法进行说明。具体参见图2所示，该方法包括如下步骤：

步骤210、确定基于直播平台下载应用的样本用户集合。

其中，观看直播间为所述直播平台的主营业务，下载应用为直播平台的次营业务。具体的，可通过直播平台的用户日志获取基于直播平台下载应用的样本用户集合，所述应用例如具体可为游戏app。

示例性的，考虑到直播平台游戏中心的日志信息留存率较低，可确定最近的一个月内基于直播平台下载游戏应用的样本用户集合。

步骤220、确定所述样本用户集合中每个样本用户的历史观看直播间信息。

进一步的，为了提高推荐精度，可确定所述样本用户集合中每个样本用户在下载所述应用(例如游戏app)之前的历史观看直播间信息。或者，确定所述样本用户集合中每个样本用户在下载所述应用(例如游戏app)之前的历史观看游戏直播间信息，即确定样本用户在下载所述应用之前、观看过的、与样本用户所下载的应用相关联的直播间信息。例如所述应用为游戏app，则确定的历史观看直播间信息具体为样本用户在下载游戏app之前、观看过的、直播游戏的直播间信息。

优选的，所述历史观看直播间信息包括观看的直播间标识号、观看每个直播间的次数、观看每个直播间的时长、每个直播间的热度以及每个直播间的播放时长。可以理解的是，所述历史观看直播间信息还可以包括其它信息，例如：发弹幕、参与直播间抽奖等用户的历史行为信息，或者直播间播放内容信息等。并不限定上述所列信息。之所以将上述所列信息作为优选信息，是因为上述所列信息更能体现用户观看直播间的观看习惯。其中，发弹幕和参与直播间抽奖等用户历史行为信息取决于直播间当时的直播内容，不同用户的区分度不高，故其属于对评价用户观看直播间习惯影响因子较小且关联用户行为度较低的因素。故为了降低计算量，同时保证推荐精度，本实施例只对上述所列出的优选信息进行考量。

进一步的，为了确保用户观看直播间的客观有效性，将观看时长小于设定值(例如300s)的直播间过滤掉，以避免用户误操作的情况，进而提高推荐精度。

考虑到用户对同一个直播间会多次重复观看，因此分用户统计观看各直播间的次数，具体参见如下表1所示的样本用户的历史行为数据。

表1：样本用户的历史行为数据

上述表1中样本用户的历史行为数据的含义为：以样本用户User1为例，样本用户User1下载过应用app1，在下载应用app1之前，样本用户User1观看过直播间room1三次，观看过直播间room2一次，观看过直播间room3四次。

步骤230、基于所述每个样本用户的历史观看直播间信息以及历史下载应用信息建立直播间与应用之间的关联关系。

具体的，基于所述每个样本用户的历史观看直播间信息以及历史下载应用信息建立直播间与应用之间的关联关系，包括：

S231、基于所述每个样本用户的历史观看直播间信息确定每个所述直播间被用户观看的权重。

不同直播间的观看频次不同，需要赋予不同的权重，以反映不同直播间的热度。考虑到热门直播间对观看频次的影响，在计算直播间权重时需要加入直播间的热度衰减系数，直播间的热度越高，对于的热度衰减系数越小，以有效剔除热门直播间的干扰。同时，对于录播、回播等播放时间较长的直播间，对观看频次也有干扰，故还需加入播放时长衰减系数，播放时间越长的直播间，对于的播放时长衰减系数越小，以剔除播放时长的干扰。

示例性的，按照如下公式计算每个所述直播间的所述权重：

其中，room_weight表示直播间比重，hot_decay表示热度衰减系数，show_decay表示播放时长衰减系数，w_i表示直播间i的权重，n表示样本用户集合中的用户个数，m表示直播间的个数，U_ki表示用户k观看直播间i的次数，R_i表示观看直播间i的总人数，T_i表示直播间i的播放时长。上述公式分为三部分，第一部分表示直播间的比重，直播间的观看频次越大，对应的比重越大；第二部分表示热度的衰减，直播间热度越大，则该衰减系数越小，该部分在直播间热度较小的时候，近似为线性变换，根据热度做线性衰减，当热度大于某一阈值后，进入饱和区，衰减逐渐变慢；第三部分表示播放时间的衰减，对于录播等播放时间越长的直播间，该系数越小，相对于第二部分，第三部分的衰减系数收敛的更快，这个主要是符合大部分直播间的播放时长分布集中在小时间段的分布现状。

上述公式(1)的计算目的是为了基于每个样本用户的历史观看直播间信息确定每个直播间被任意用户观看的可能性，本实施例将所述可能性定义为直播间被用户观看的权重，直播间的权重越大，则表示该直播间被用户观看的可能性越大。但是一些高热度直播间，以及播放时长较长的录播直播间会对用户观看直播间的可能性造成干扰，例如一些高热度直播间，由于其热度较高，显示靠前，会使用户观看此类高热度直播间的可能性较大，但这并不能较客观地表示用户期望观看此类直播间，而是受到了干扰(例如排序靠前，容易被用户看到等因素)。因此，为了较客观地评价每个直播间被任意用户观看的可能性，本实施例的技术方案中直播间观看权重计算公式(1)由三部分组成，分别为：第一部分

第二部分

和第三部分

其中，第一部分表示直播间比重，用户观看直播间的频次越大，对应直播间的比重越大，这符合观看频次越大，则观看可能性越大的客观规律，该规律可通过数据项

进行数学表示。同时，考虑到实际中绝大部分直播间的观看频次集中在低频次，少量高热度直播间的观看频次较高，这样的客观现实致使数据项

的分布状态呈现偏前向的，故本实施例对数据项

进行了取ln处理，对数据项

进行了对数变换，将其分布状态转化为正态分布，以保证数据分布更符合客观现实。所述客观现实具体是绝大部分直播间的观看频次集中在低频次，少量高热度直播间的观看频次集中在较高频次，这样的客观现实是符合正态分布的。需要说明是，在数据项

的前面进行加1处理的目的是为了避免对数据项

取对数变换后出现负值的情况。

第二部分表示直播间的热度衰减系数，期望达到的效果是：

(1)直播间的热度越大，则对应的热度衰减系数越小，以降低直播间热度对用户观看直播间的可能性所造成的干扰。

(2)不同热度的直播间的衰减系数有一定的差异，以使不同热度的直播间之间的区分度较高。

(3)直播间的热度衰减系数的取值范围需落在[0，1]之间。

综合考虑上述要求，sigmoid函数

的值域在[0，1]之间，且在0附近呈线性变化，远离0的数据域上函数的整体变化趋势趋于饱和，可见sigmoid函数可以满足上述要求(2)和(3)，但其无法满足上述要求(1)，因此需要对sigmoid函数进行适当变形，以使其同时满足上述要求(1)、(2)和(3)。基于sigmoid函数以及上述要求，本实施例提供了上述第二部分，通过将sigmoid函数分母1+e^-x修改为1-e^1-x得到函数

可满足上述要求(1)直播间的热度越大，则对应的热度衰减系数越小。进一步将分母中的1变形为e得到函数

是为了避免直播间的热度衰减系数出现负数的情况，同时将变量x适应修改为本实施所涉及的场景参数

得到上述公式(1)第二部分的数据项

场景参数

表示直播间i的热度。本实施例设定直播间i的热度通过观看直播间i的人数占观看被关注的所有直播间总人数的百分比进行体现，利用观看直播间i的人数占观看被关注的所有直播间总人数的百分比体现直播间i的热度，是遵循观看直播间i的人数越多，则表示直播间i的热度越高的客观现实的，因此上述设定成立。观看直播间i的人数以及观看被关注的所有直播间的总人数可通过直播平台的日志文件获取。本实施例中所述被关注的所有直播间包括上述每个样本用户的历史观看直播间。

可见，数据项

同时满足上述要求(1)、(2)和(3)。在直播间热度较小的时候，近似为线性变换，根据热度做线性衰减，此时，虽然热度值较小，但直播间与直播间的区分度较高；当直播间热度大于某一阈值(例如直播间热度/全部直播间热度>0.5)后，热度衰减系数进入饱和区，衰减逐渐变慢，虽然直播间热度值较大，但直播间与直播间的区分度降低。

上述公式(1)的第三部分表示播放时长衰减系数，与第二部分所述的热度衰减系数类似，其要达到的目的是：若直播间的播放时长越长，则对应的播放时长的衰减系数越小，以降低播放时长对用户观看直播间的可能性所造成的干扰。第三部分的设计思想与第二部分的设计思想类似，两者的不同点在于，相对于所述第二部分，第三部分的衰减系数需收敛的更快，这样设计的目的主要是为了符合大部分直播间的播放时长均集中分布在小时间段的分布现状，第三部分相对第二部分，在0附近的变化更大，区分度更高，符合播放时长分布前倾的趋势，在播放时长较小的样本上区分粒度更细化。基于上述设计思想，本实施例的第三部分参考tanh函数

tanh函数在0附近，整个变化趋势会更明显、更陡峭，可以更快速的达到饱和，符合本实施例期望的播放时长衰减系数的要求。进一步的，本实施例上述第三部分

对tanh函数进行了1/e的衰减，这样设计的原因是因为相对第一部分和第二部分，第三部分

的绝对值过大，导致第三部分

在直播间权重的占据比重过大，因此需要进行全局衰减，降低其在三部分中的占比，如此便得到上述第三部分

不同直播间的观看频次不同，需要为不同直播间赋予不同的权重，以反映用户观看直播间的可能性。考虑到热门直播间对用户观看直播间可能性的影响，本实施例的技术方案加入了直播间的热度衰减(即上述公式(1)中的第二部分)，由此可有效降低热门直播间对用户观看直播间可能性的干扰。同时，对于录播回播等进行长时间播放的直播间，用户观看此类直播间的频次也会高于播放时长较短的直播间，因此，也会对用户观看直播间的可能性产生干扰，因此，上述公式(1)还加入了播放时长的衰减(即上述公式(1)中的第三部分)。上述公式(1)想要得到这样一种效果，若当前直播间的观看频次最多，观看人数最多，理论上，当前直播间应具有较高的权重，但由于当前直播间为热度直播间，热度直播间会导致该直播间的观看频次增多，观看人数增多，因此，为了为当前直播间赋予一个较客观的权重，本实施例通过针对当前直播间加入较小的热度衰减系数，从而拉低当前直播间的权重，且同时保证最终权重结果落在[0,1]的范围内，上述公式(1)设置为上述三个部分的乘积。通过综合考虑多种影响用户观看直播间可能性的因素，本实施例巧妙的设计了上述公式(1)，实现了对用户观看直播间可能性进行较客观的评价。

表2：各直播间对应的播放时长数据

参考表1所示的样本用户的历史行为数据和表2所示的各直播间对应的播放时长数据，按照上述公式(1)计算各直播间的权重过程如下：

w_i＝room_weight*hot_decay*show_decay

w₁＝0.18*0.93*0.5＝0.0837

w₂＝0.18*0.69*0.38＝0.0472

w₃＝0.34*0.69*0.5＝0.1173

w₄＝0.18*1.67*0.37＝0.1112

可以看出，虽然直播间room3的观看频次最大，观看人数最多，但由于其为热度房间，所以热度衰减最大，即热度衰减系数最小，直播间room4的播放时长最大，其对应播放时长衰减最大，即播放时长衰减系数最小。

S232、基于设定项集出现的次数、以及各项集出现的次数和确定所述设定项集出现的概率；其中，所述项集由样本用户观看过的直播间以及该样本用户下载过的应用组合生成。

其中，所述项集由样本用户观看过的直播间以及该样本用户下载过的应用组合生成，例如以上述表1所列的样本用户的历史行为数据为例，其组合生成的项集包括：{room1、app1}、{room2、app1}、{room2、app2}、{room2、app3}、{room3、app1}、{room3、app2}、{room3、app3}、{room4、app1}、{room1、room2、app1}、{room1、room3、app1}、{room1、room4、app1}、{room2、room3、app1}、{room2、room3、app2}、{room2、room3、app3}、{room1、room2、room3、app1}、{room1、room3、room4、app1}和{room2,room3,app2,app3}。

其中，项集{room1、app1}出现的次数为2次，{room2、app1}出现的次数为1次，{room2、app2}出现的次数为2次，{room2、app3}出现的次数为1次，{room3、app1}出现的次数为2次，{room3、app2}出现的次数为1次，{room3、app3}出现的次数为1次，{room4、app1}出现的次数为1次，{room1、room2、app1}出现的次数为1次，{room1、room3、app1}出现的次数为2次，{room1、room4、app1}出现的次数为1次，{room2、room3、app1}出现的次数为1次，{room2、room3、app2}出现的次数为1次，{room2、room3、app3}出现的次数为1次，{room1、room2、room3、app1}出现的次数为1次，{room1、room3、room4、app1}出现的次数为1次，{room2,room3,app2,app3}出现的次数为1次。上述各项集出现的次数和为2+1+2+1+2+1+1+1+1+2+1+1+1+1+1+1+1＝21。

具体的，按照如下公式确定所述设定项集出现的概率：

其中，p(set)表示设定项集set出现的概率，count(set)表示设定项集set出现的次数，Dataset表示各项集出现的次数和；

对应的，根据设定项集中所包括的直播间的权重、以及所述设定项集出现的概率确定所述设定项集的推荐度，包括：

其中，S(set)表示项集set的推荐度，w(set)表示项集set的权重，p(set)表示项集set出现的概率，N表示项集set中包括的直播间个数，w_i表示直播间i的权重。

其中，本实施例的技术方案为：通过根据样本用户的观看直播间行为以及下载应用行为，建立直播间与应用之间的关联关系，进一步向与样本用户具有相同直播间观看习惯的用户推荐样本用户下载过的应用，从而实现向用户推荐应用的目的。所述直播间与应用之间的关联关系具体指，例如用户观看过直播间a，同时该用户还下载过应用b，则直播间a与应用b之间具有关联关系，直播间a与应用b定义为项集，基于上述公式(2)可计算得到各项集出现的概率。若项集中包含的直播间被用户观看的可能性越大，即项集中包含的直播间的权重越大，则表示该直播间与项集中的应用同时被用户操作的可能性越大，故根据该直播间向用户推荐与该直播间出现在同一项集中的应用的推荐度越高，表示用户若习惯观看所述该直播间，则用户习惯下载所述应用的可能性越大，故可通过将直播间的权重与项集出现的概率进行相乘计算所述项集的推荐度。

以项集set是上述的{room1、room2、room3、app1}为例，p(set)＝1/17，项集set中包括的直播间个数N为3，项集set的推荐度为：

其中，w₁表示直播间room1的权重，w₂表示直播间room2的权重，w₃表示直播间room3的权重，可通过上述公式(1)计算得到。

S233、根据设定项集中所包括的直播间的权重、以及所述设定项集出现的概率确定所述设定项集的推荐度。

进一步的，为了降低数据量，提高推荐效率，仅保留推荐度达到阈值的设定项集。

S234、将具有推荐度的设定项集确定为直播间与应用之间的关联关系。

步骤240、根据所述关联关系为观看直播间的目标用户推荐目标应用的下载入口。

示例性的，根据所述关联关系为观看直播间的目标用户推荐目标应用的下载入口，包括：

确定所述目标用户所观看过的直播间；

确定与所述目标用户所观看过的直播间匹配的目标项集；

依据各所述目标项集的推荐度将目标项集中的应用推荐给所述目标用户。

假设通过上述步骤S231-步骤S234得到的直播间与应用之间的关联关系为表2所示的项集与对应的推荐度表：

表2：项集与对应的推荐度表

项集	推荐度
		{room1,app1}	0.0419
{room2,app1}	0.0118
		{room3,app1}	0.0293
{room2,app2}	0.0236
		{room4,app1}	0.0278
{room3,app2}	0.0293
		{room1,room2,app1}	0.0163
{room1,room3,app1}	0.1005
		{room2,room3,app1}	0.021
{room3,room4,app1}	0.0285
		{room1,room4,app1}	0.0243
{room2,room3,app2}	0.021
		{room2,room3,app3}	0.021
{room2,room3,app2,app3}	0.021

假设目标用户所观看过的直播间为room2和room4，与直播间room2和room4匹配的目标项集包括：{room2,app1}、{room2,app2}和{room4,app1}，依据各目标项集的推荐度从高到底对各目标项集排序，项集{room4,app1}的推荐度最高为0.0278，其次是项集{room2,app2}，故可仅将app1的下载入口推荐给所述目标用户；还可将app1与app2的下载入口均推荐给所述目标用户，其中，app1的下载入口排在app2的下载入口的前面，优先将app1的下载入口推荐给目标用户。

本实施例提供的一种推荐方法，通过根据样本用户的观看直播间行为以及下载应用行为，建立直播间与应用之间的关联关系，进一步向与样本用户具有相同直播间观看习惯的用户推荐样本用户下载过的应用，实现了向用户推荐应用的目的，提高了推荐精度以及用户体验度。

实施例三

图3为本发明实施例三提供的一种推荐装置结构示意图。参见图3所示，所述装置包括：样本用户集合确定模块310、历史信息确定模块320、关联关系建立模块330和推荐模块340；其中，所述第二网上行为所述网络平台的主营业务，所述第一网上行为为所述网络平台的次营业务。

其中，样本用户集合确定模块310，用于确定基于网络平台进行第一网上行为的样本用户集合；历史信息确定模块320，用于确定所述样本用户集合中每个样本用户基于所述网络平台进行第二网上行为的历史信息；关联关系建立模块330，用于基于所述每个样本用户进行第二网上行为的历史信息以及进行第一网上行为的历史信息建立所述第一网上行为与所述第二网上行为之间的关联关系；推荐模块340，用于根据所述关联关系为进行所述第二网上行为的目标用户推荐进行第一网上行为的入口；其中，所述第二网上行为所述网络平台的主营业务，所述第一网上行为为所述网络平台的次营业务。

进一步的，样本用户集合确定模块310具体用于：确定基于直播平台下载应用的样本用户集合。

对应的，历史信息确定模块320具体用于确定所述样本用户集合中每个样本用户的历史观看直播间信息；关联关系建立模块330具体用于：基于所述每个样本用户的历史观看直播间信息以及历史下载应用信息建立直播间与应用之间的关联关系；推荐模块340具体用于：根据所述关联关系为观看直播间的目标用户推荐目标应用的下载入口；其中，观看直播间为所述直播平台的主营业务，下载应用为直播平台的次营业务；所述历史观看直播间信息包括观看的直播间标识号、观看每个直播间的次数、每个直播间的热度以及每个直播间的播放时长。

进一步的，关联关系建立模块330包括：

权重确定单元，用于基于所述每个样本用户的历史观看直播间信息确定每个所述直播间被用户观看的权重；

概率确定单元，用于基于设定项集出现的次数、以及各项集出现的次数和确定所述设定项集出现的概率；其中，所述项集由样本用户观看过的直播间以及该样本用户下载过的应用组合生成；

推荐度确定单元，用于根据设定项集中所包括的直播间的权重、以及所述设定项集出现的概率确定所述设定项集的推荐度；

关联关系确定单元，用于将具有推荐度的设定项集确定为直播间与应用之间的关联关系。

进一步的，推荐模块340包括：

直播间确定单元，用于确定所述目标用户所观看过的直播间；

目标项集确定单元，用于确定与所述目标用户所观看过的直播间匹配的目标项集；

推荐单元，用于依据各所述目标项集的推荐度将目标项集中的应用推荐给所述目标用户。

进一步的，权重确定单元具体用于：

其中，room_weight表示直播间比重，hot_decay表示热度衰减系数，show_decay表示播放时长衰减系数，w_i表示直播间i的权重，n表示样本用户集合中的用户个数，m表示直播间的个数，U_ki表示用户k观看直播间i的次数，R_i表示观看直播间i的总人数，T_i表示直播间i的播放时长。

进一步的，概率确定单元具体用于：

按照如下公式确定所述设定项集出现的概率：

其中，p(set)表示设定项集set出现的概率，count(set)表示设定项集set出现的次数，Dataset表示各项集出现的次数和；

对应的，根据设定项集中所包括的直播间的权重、以及所述设定项集出现的概率确定所述设定项集的推荐度，包括：

按照如下公式确定所述设定项集的推荐度：

其中，S(set)表示项集set的推荐度，w(set)表示项集set的权重，p(set)表示项集set出现的概率，N表示项集set中包括的直播间个数，w_i表示直播间i的权重。

进一步的，样本用户集合确定模块310具体用于：确定设定时间段内基于直播平台下载游戏应用的样本用户集合。

本实施例提供的推荐装置，通过根据样本用户的观看直播间行为以及下载应用行为，建立直播间与应用之间的关联关系，进一步向与样本用户具有相同直播间观看习惯的用户推荐样本用户下载过的应用，实现了向用户推荐应用的目的，提高了推荐精度以及用户体验度。

本发明实施例所提供的推荐装置可执行本发明任意实施例所提供的推荐方法，具备执行方法相应的功能模块和有益效果。未在上述实施例中详尽描述的技术细节，可参见本发明任意实施例所提供的推荐方法。

实施例四

图4为本发明实施例四提供的一种电子设备的结构示意图。图4示出了适于用来实现本发明实施方式的示例性电子设备12的框图。图4显示的电子设备12仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。

如图4所示，电子设备12以通用计算设备的形式表现。电子设备12的组件可以包括但不限于：一个或者多个处理器或者处理单元16，系统存储器28，连接不同系统组件(包括系统存储器28和处理单元16)的总线18。

总线18表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(ISA)总线，微通道体系结构(MAC)总线，增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。

电子设备12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被电子设备12访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。

系统存储器28可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(RAM)30和/或高速缓存存储器32。电子设备12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统34可以用于读写不可移动的、非易失性磁介质(图4未显示，通常称为“硬盘驱动器”)。尽管图4中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线18相连。存储器28可以包括至少一个程序产品，该程序产品具有一组(例如推荐装置的样本用户集合确定模块310、历史信息确定模块320、关联关系建立模块330和推荐模块340)程序模块，这些程序模块被配置以执行本发明各实施例的功能。

具有一组(例如推荐装置的样本用户集合确定模块310、历史信息确定模块320、关联关系建立模块330和推荐模块340)程序模块42的程序/实用工具40，可以存储在例如存储器28中，这样的程序模块42包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本发明所描述的实施例中的功能和/或方法。

电子设备12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信，还可与一个或者多个使得用户能与该电子设备12交互的设备通信，和/或与使得该电子设备12能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口22进行。并且，电子设备12还可以通过网络适配器20与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器20通过总线18与电子设备12的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备12使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。

处理单元16通过运行存储在系统存储器28中的程序，从而执行各种功能应用以及数据处理，例如实现本发明实施例所提供的推荐方法，该方法包括：

确定基于网络平台进行第一网上行为的样本用户集合；

确定所述样本用户集合中每个样本用户基于所述网络平台进行第二网上行为的历史信息；

基于所述每个样本用户进行第二网上行为的历史信息以及进行第一网上行为的历史信息建立所述第一网上行为与所述第二网上行为之间的关联关系；

根据所述关联关系为进行所述第二网上行为的目标用户推荐进行第一网上行为的入口；其中，所述第二网上行为所述网络平台的主营业务，所述第一网上行为为所述网络平台的次营业务。

处理单元16通过运行存储在系统存储器28中的程序，从而执行各种功能应用以及数据处理，例如实现本发明实施例所提供的推荐方法。

当然，本领域技术人员可以理解，处理器还可以实现本发明任意实施例所提供的推荐方法的技术方案。

实施例五

本发明实施例五还提供了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所提供的推荐方法，该方法包括：

确定基于网络平台进行第一网上行为的样本用户集合；

确定所述样本用户集合中每个样本用户基于所述网络平台进行第二网上行为的历史信息；

基于所述每个样本用户进行第二网上行为的历史信息以及进行第一网上行为的历史信息建立所述第一网上行为与所述第二网上行为之间的关联关系；

根据所述关联关系为进行所述第二网上行为的目标用户推荐进行第一网上行为的入口；其中，所述第二网上行为所述网络平台的主营业务，所述第一网上行为为所述网络平台的次营业务。

当然，本发明实施例所提供的一种计算机可读存储介质，其上存储的计算机程序不限于如上所述的方法操作，还可以执行本发明任意实施例所提供的推荐方法中的相关操作。

本发明实施例的计算机存储介质，可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机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。计算机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、便携式计算机磁盘、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、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。

计算机可读的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，其中承载了计算机可读的程序代码。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。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、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。

计算机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、电线、光缆、RF等等，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或其组合来编写用于执行本发明操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，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机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。

Claims (8)

1.一种推荐方法，其特征在于，包括：

确定基于网络平台进行第一网上行为的样本用户集合；

确定所述样本用户集合中每个样本用户基于所述网络平台进行第二网上行为的历史信息；

基于所述每个样本用户进行第二网上行为的历史信息以及进行第一网上行为的历史信息建立所述第一网上行为与所述第二网上行为之间的关联关系；

根据所述关联关系为进行所述第二网上行为的目标用户推荐进行第一网上行为的入口；其中，所述第二网上行为为所述网络平台的主营业务，所述第一网上行为为所述网络平台的次营业务；

所述确定基于网络平台进行第一网上行为的样本用户集合，包括：

确定基于直播平台下载应用的样本用户集合；

对应的，确定所述样本用户集合中每个样本用户基于所述网络平台进行第二网上行为的历史信息，包括：

确定所述样本用户集合中每个样本用户的历史观看直播间信息；

基于所述每个样本用户进行第二网上行为的历史信息以及进行第一网上行为的历史信息建立所述第一网上行为与所述第二网上行为之间的关联关系，包括：

基于所述每个样本用户的历史观看直播间信息以及历史下载应用信息建立直播间与应用之间的关联关系；

根据所述关联关系为进行所述第二网上行为的目标用户推荐进行第一网上行为的入口，包括：

根据所述关联关系为观看直播间的目标用户推荐目标应用的下载入口；

其中，观看直播间为所述直播平台的主营业务，下载应用为直播平台的次营业务；所述历史观看直播间信息包括观看的直播间标识号、观看每个直播间的次数、每个直播间的热度以及每个直播间的播放时长；

基于所述每个样本用户的历史观看直播间信息以及历史下载应用信息建立直播间与应用之间的关联关系，包括：

基于所述每个样本用户的历史观看直播间信息确定每个所述直播间被用户观看的权重；

基于设定项集出现的次数、以及各项集出现的次数和确定所述设定项集出现的概率；其中，所述项集由样本用户观看过的直播间以及该样本用户下载过的应用组合生成；

根据设定项集中所包括的直播间的权重、以及所述设定项集出现的概率确定所述设定项集的推荐度；

将具有推荐度的设定项集确定为直播间与应用之间的关联关系。

2.根据权利要求1所述的方法，其特征在于，根据所述关联关系为观看直播间的目标用户推荐目标应用的下载入口，包括：

确定所述目标用户所观看过的直播间；

确定与所述目标用户所观看过的直播间匹配的目标项集；

依据各所述目标项集的推荐度将目标项集中的应用推荐给所述目标用户。

3.根据权利要求1所述的方法，其特征在于，基于所述每个样本用户的历史观看直播间信息确定每个所述直播间被用户观看的权重，包括：

按照如下公式计算每个所述直播间的所述权重：

其中，room_weight表示直播间比重，hot_decay表示热度衰减系数，show_decay表示播放时长衰减系数，w_i表示直播间i的权重，n表示样本用户集合中的用户个数，m表示直播间的个数，U_ki表示用户k观看直播间i的次数，R_i表示观看直播间i的总人数，T_i表示直播间i的播放时长。

4.根据权利要求1所述的方法，其特征在于，基于设定项集出现的次数、以及各项集出现的次数和确定所述设定项集出现的概率，包括：

按照如下公式确定所述设定项集出现的概率：

其中，p(set)表示设定项集set出现的概率，count(set)表示设定项集set出现的次数，Dataset表示各项集出现的次数和；

对应的，根据设定项集中所包括的直播间的权重、以及所述设定项集出现的概率确定所述设定项集的推荐度，包括：

按照如下公式确定所述设定项集的推荐度：

其中，S(set)表示项集set的推荐度，w(set)表示项集set的权重，p(set)表示项集set出现的概率，N表示项集set中包括的直播间个数，w_i表示直播间i的权重。

5.根据权利要求1所述的方法，其特征在于，所述确定基于直播平台下载应用的样本用户集合，包括：

确定设定时间段内基于直播平台下载游戏应用的样本用户集合。

6.一种推荐装置，其特征在于，所述装置包括：

样本用户集合确定模块，用于确定基于网络平台进行第一网上行为的样本用户集合；

历史信息确定模块，用于确定所述样本用户集合中每个样本用户基于所述网络平台进行第二网上行为的历史信息；

关联关系建立模块，用于基于所述每个样本用户进行第二网上行为的历史信息以及进行第一网上行为的历史信息建立所述第一网上行为与所述第二网上行为之间的关联关系；

推荐模块，用于根据所述关联关系为进行所述第二网上行为的目标用户推荐进行第一网上行为的入口；

其中，所述第二网上行为为所述网络平台的主营业务，所述第一网上行为为所述网络平台的次营业务；

样本用户集合确定模块具体用于：确定基于直播平台下载应用的样本用户集合；

对应的，历史信息确定模块具体用于确定所述样本用户集合中每个样本用户的历史观看直播间信息；关联关系建立模块具体用于：基于所述每个样本用户的历史观看直播间信息以及历史下载应用信息建立直播间与应用之间的关联关系；推荐模块具体用于：根据所述关联关系为观看直播间的目标用户推荐目标应用的下载入口；其中，观看直播间为所述直播平台的主营业务，下载应用为直播平台的次营业务；所述历史观看直播间信息包括观看的直播间标识号、观看每个直播间的次数、每个直播间的热度以及每个直播间的播放时长；

关联关系建立模块包括：

权重确定单元，用于基于所述每个样本用户的历史观看直播间信息确定每个所述直播间被用户观看的权重；

概率确定单元，用于基于设定项集出现的次数、以及各项集出现的次数和确定所述设定项集出现的概率；其中，所述项集由样本用户观看过的直播间以及该样本用户下载过的应用组合生成；

推荐度确定单元，用于根据设定项集中所包括的直播间的权重、以及所述设定项集出现的概率确定所述设定项集的推荐度；

关联关系确定单元，用于将具有推荐度的设定项集确定为直播间与应用之间的关联关系。

7.一种电子设备，包括存储器、处理器及存储在存储器上并可在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计算机程序时实现如权利要求1-5中任一项所述的推荐方法。

8.一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时实现如权利要求1-5中任一项所述的推荐方法。

Images