CN110474944B - 网络信息的处理方法、装置及存储介质 - Google Patents

Abstract

本发明公开了一种网络信息的处理方法、装置及存储介质，该方法包括：获取待推荐网络信息；根据待推荐网络信息，在评审用户集合中匹配出至少两个对应的评审用户，评审用户集合为根据第一预设条件，从用户中筛选出具有评审资格的评审用户组成的集合；将待推荐网络信息发送给上述匹配出的至少两个评审用户，以使至少两个评审用户分别对待推荐网络信息进行评审；获取至少两个评审用户的评审内容，并根据评审内容生成评审结果，在评审结果满足预设条件时，将待推荐网络信息发送至目标用户集合中的目标用户，目标用户集合为根据第二预设条件，从用户中筛选出具有接收待推荐网络信息资格的目标用户组成的集合。该方案提高了网络信息处理的准确性。

Description

网络信息的处理方法、装置及存储介质

技术领域

本发明涉及信息技术领域，尤其涉及一种网络信息的处理方法、装置及存 储介质。

背景技术

随着互联网技术的发展和终端的不断普及，用户可以通过终端获取越来越 多的网络信息，同时网络信息过载的情况也日益严重。

现有的网络信息推荐算法的核心是基于用户点击的兴趣来推荐的，网络信 息获得的点击越多，其获得的推荐次数也就越多，这样导致质量较差的网络信 息被推荐给用户，并造成恶性循环。

故，有必要提供一种网络信息的处理方法来提高网络信息处理的准确性。

发明内容

本发明实施例提供一种网络信息的处理方法、装置及存储介质，可以提高 网络信息的处理方法的准确率。

本发明实施例提供一种网络信息的处理方法，包括：

获取待推荐网络信息；

根据所述待推荐网络信息，在评审用户集合中匹配出至少两个对应的评审 用户，所述评审用户集合为根据第一预设条件，从用户中筛选出具有评审资格 的评审用户组成的集合；

将所述待推荐网络信息发送给上述匹配出的至少两个评审用户，以使所述 至少两个评审用户分别对所述待推荐网络信息进行评审；以及

获取所述至少两个评审用户的评审内容，并根据所述评审内容生成评审结 果，在所述评审结果满足预设条件时，将所述待推荐网络信息发送至目标用户 集合中的目标用户，所述目标用户集合为根据第二预设条件，从用户中筛选出 具有接收所述待推荐网络信息资格的目标用户组成的集合。

本发明实施例还提供一种网络信息的处理方法装置，包括：

第一获取模块，用于获取待推荐网络信息；

匹配模块，用于根据所述待推荐网络信息，在评审用户集合中匹配出至少 两个对应的评审用户，所述评审用户集合为根据第一预设条件，从用户中筛选 出具有评审资格的评审用户组成的集合；

第一发送模块，用于将所述待推荐网络信息发送给上述匹配出的至少两个 评审用户，以使所述至少两个评审用户分别对所述待推荐网络信息进行评审； 以及

第二发送模块，用于获取所述至少两个评审用户的评审内容，并根据所述 评审内容生成评审结果，在所述评审结果满足预设条件时，将所述待推荐网络 信息发送至目标用户集合中的目标用户，所述目标用户集合为根据第二预设条 件，从用户中筛选出具有接收所述待推荐网络信息资格的目标用户组成的集合。

本发明实施例还提供一种存储介质，其内存储有处理器可执行指令，该处 理器通过执行所述指令提供如上述的网络信息的处理方法。

本发明实施例的网络信息的处理方法、装置及存储介质，通过从评审用户 集合中匹配出至少两个评审用户，然后根据该至少两个评审用户的评审内容， 生成评审结果，最后根据评审结果确定待推荐网络信息的处理方式，提高了网 络信息处理的准确性。

附图说明

下面结合附图，通过对本发明的具体实施方式详细描述，将使本发明的技 术方案及其它有益效果显而易见。

图1为本发明实施例提供的网络信息的处理方法的第一场景示意图。

图2为本发明实施例提供的网络信息的处理方法的第一流程示意图。

图3为本发明实施例提供的网络信息的处理方法的第二场景示意图。

图4为本发明实施例提供的网络信息的处理方法的第三场景示意图。

图5为本发明实施例提供的网络信息的处理方法的第二流程示意图。

图6为本发明实施例提供的网络信息的处理方法的第四场景示意图。

图7为本发明实施例提供的评审用户的标签信息的生成示意图。

图8为本发明实施例提供的网络信息的处理方法的第三流程示意图。

图9为本发明实施例提供的标签与可审网络信息的类别之间的预设映射关 系示意图。

图10为本发明实施例提供的网络信息的处理装置的结构示意图。

图11为本发明实施例提供的第二获取模块的结构示意图。

图12为本发明实施例提供的匹配模块的结构示意图。

图13为本发明实施例提供的电子设备的结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清 楚、完整地描述，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。

参见图1，该图为本发明实施例提供的网络信息的处理方法的场景示意图， 该场景中，网络信息的处理装置可以作为实体来实现，也可以集成在终端或服 务器等电子设备来实现，该电子设备可以包括智能手机、平板电脑和个人计算 机等。

如图1所示，该场景中可以包括终端a、终端b、服务器c、服务器d、客 户端e以及客户端f。其中，服务器c用于存储待推荐网络信息。服务器d先从 服务器c中获取待推荐网络信息，然后根据该待推荐网络信息，在评审用户集 合中匹配出对应的评审用户--用户A和用户B，其中，该评审用户集合为根据 第一预设条件，从用户中筛选出具有评审资格的评审用户组成的集合。接着服 务器d将待推荐网络信息分别发送给用户A和用户B，具体的，如图1所示， 服务器d将待推荐网络信息分别发送给终端a和终端b，终端a和终端b分别 将该待推荐网络信息展示给用户A和用户B。用户A和用户B分别操作终端a 和终端b，生成评审内容。服务器d获取该评审内容，并根据该评审内容生成 评审结果，在该评审结果满足预设条件时，将该待推荐网络信息发送至目标用 户集合中的目标用户，其中，目标用户集合为根据第二预设条件，从用户中筛 选出具有接收所述待推荐网络信息资格的目标用户组成的集合。具体的，如图 1所示，假设目标用户集合中的目标用户包括用户C和用户D，则可以将待推 荐网络信息发送至客户端e和客户端f，通过客户端e和客户端f分别展示给用 户C和用户D。

本发明实施例提供一种网络信息的处理方法、装置及存储介质，以下将分 别进行详细说明。

在本发明实施例中，将从网络信息的处理方法装置的角度进行描述，该网 络信息的处理方法装置具体可以集成在电子设备中。

一种网络信息的处理方法，包括：获取待推荐网络信息；根据该待推荐网 络信息，在评审用户集合中匹配出至少两个对应的评审用户，评审用户集合为 根据第一预设条件，从用户中筛选出具有评审资格的评审用户组成的集合；将 该待推荐网络信息发送给上述匹配出的至少两个评审用户，以使该至少两个评 审用户分别对该待推荐网络信息进行评审；获取该至少两个评审用户的评审内 容，并根据该评审内容生成评审结果，在该评审结果满足预设条件时，将该待 推荐网络信息发送至目标用户集合中的目标用户，目标用户集合为根据第二预 设条件，从用户中筛选出具有接收待推荐网络信息资格的目标用户组成的集合。

请参照图2，图2为本发明实施例提供的网络信息的处理方法的流程图， 该方法可以包括：

步骤S101，获取待推荐网络信息。

待推荐网络信息是指推送至客户端，展示给用户之前的网络信息，具体可 以包括音频、视频、文本、图片等格式的网络信息。

步骤S102，根据待推荐网络信息，在评审用户集合中匹配出至少两个对应 的评审用户，评审用户集合为根据第一预设条件，从用户中筛选出具有评审资 格的评审用户组成的集合。

上述待推荐网络信息中可能存在内容质量较差的网络信息，因此，在推送 该待推荐网络信息之前，需要对待推荐网络信息进行审核。由于网络信息的内 容具有复杂性和多样性，尤其是受视频内容和语义理解能力的限制，除了借助 机器模型来对网络信息内容进行筛选外，还需要大量具有评审资格的人员来辅 助审核。

故，可以预先从用户中，根据第一预设条件筛选出具有评审资格的多个用 户，作为评审用户，并将该评审用户存入评审用户集合中，便于后续从评审用 户集合中选取至少两个对应的评审用户，对待推荐网络信息进行评审。

在一些实施例中，可以根据用户的活跃度这第一预设条件，来筛选评审用 户。其中，用户的活跃度是指预设时间段内，网站内用户对网络信息进行某项 操作的次数或频率。其中操作包括文章阅读、视频浏览、话题发布以及详情页 负反馈等操作行为。当活跃度高于预设活跃值的时候，将该活跃度对应的多个 用户作为评审用户。

在获取到待推荐网络信息后，可以从评审用户集合中，任意挑选出至少两 个评审用户，作为对应的评审用户。在一些实施例中，在建立评审用户集合的 过程中，还可以对评审用户建立评审优先级，即评审用户集合中不仅仅包括评 审用户，还包括评审用户对应的评审优先级。具体的，可以根据活跃度从高到 低，建立从高到低的评审优先级。这样在获取到待推荐网络信息后，可以选取 具有较高优先级的至少两个评审用户，作为对应的评审用户。

在一些实施例中，在建立评审用户集合的过程中，还可以对评审用户设置 其可以审核的网络信息的类别，即评审用户集合还包括评审用户、可审网络信 息的类别以及二者的关联关系。待推荐网络信息的类别，是指根据待推荐网络 信息的内容对其进行的类别划分。比如，待推荐网络信息为一篇新闻，则可以 根据新闻标题、新闻正文生成标签，再根据标签来判断该新闻的类别。如图3 所示，基于预设短语模板，从新闻标题、正文中提取名词性短语：汽车品牌1、 汽车品牌2作为标签，再根据图3所示的预先设置的映射关系，将标签汽车品 牌1、汽车品牌2映射到对应的汽车类别中,从而得出该待推荐网络信息的类别 为汽车。

如下表1-1所示，评审用户集合中的评审用户包括评审用户M、评审用户 N以及评审用户K，其中，评审用户M的可审网络信息的类别包括互联网、娱 乐以及汽车，评审用户N的可审网络信息的类别包括互联网、娱乐以及女性， 评审用户K的可审网络信息的类别包括手机、互联网以及女性。

表1-1

假设待推荐网络信息的类别为“女性”，则根据表1-1所示的评审用户集合， 存在与该待推荐网络信息的类别匹配的可审网络信息的类别--“女性”，从而获取 可审网络信息的类别“女性”对应的评审用户--评审用户N和评审用户K，并将 评审用户N和评审用户K设置为评审用户。

步骤S103，将待推荐网络信息发送给上述匹配出的至少两个评审用户，以 使至少两个评审用户分别对待推荐网络信息进行评审。

具体的，如图4所示，可以在终端界面上，将待推荐网络信息展示给上述 匹配评审用户N和评审用户K。同时，终端界面上还提供“推荐”、“不推荐”以 及“不确定”三个评审按钮，供评审用户选择。如果评审用户认为该待推荐网络 信息优质，则可以点击“推荐”评审按钮，生成推荐该待推荐的评审内容。

步骤S104，获取至少两个评审用户的评审内容，并根据评审内容生成评审 结果，在评审结果满足预设条件时，将待推荐网络信息发送至目标用户集合中 的目标用户，目标用户集合为根据第二预设条件，从用户中筛选出具有接收待 推荐网络信息资格的目标用户组成的集合。

通过至少两个评审用户进行评审的方式，可以提高待推荐网络信息评审的 准确性。不同的评审用户对同一待推荐网络信息进行评审后，生成的评审内容 可能不同，也可能相同。因此，需要对评审内容进行进一步分析，确定最终的 评审结果。

承接步骤S103，如果评审用户N和评审用户K均点击“推荐”评审按钮， 即生成两个推荐的评审内容，显然可以得到推荐的评审结果；如果评审用户N 和评审用户K均点击“不推荐”评审按钮，即生成两个不推荐的评审内容，也可 以理所应当的得到不推荐的评审结果。然而，如果评审用户N和评审用户K发 生了分歧，比如一人点击“推荐”评审，另一人点击“不推荐”，此时可以依据“只 要存在推荐的评审内容，就无条件得到推荐的评审结果”的原则得到推荐的评 审结果，也可以依据“只要存在不推荐的评审内容，就无条件得到不推荐的评 审结果”的原则得到不推荐的评审结果，在此不对根据评审内容生成评审结果 的方式做具体限定。

最终，当对评审内容进行进一步分析，确定最终的评审结果满足推荐的预 设条件时，将该待推荐网络信息发送给用户。在一些实施例中，为了有针对性 的将待推荐网络信息发送给感兴趣的用户，还可以只发给目标用户集合中的目 标用户。预先的，可以根据第二预设条件，从用户中筛选出具有接收待推荐网 络信息资格的目标用户，并组成目标用户集合。具体的，可以根据用户的兴趣 分类这一第二预设条件，筛选出目标用户。比如，将对文娱信息感兴趣的用户， 组成文娱用户集合。当待推荐网络信息为文娱信息时，在文娱信息的评审结果， 满足预设条件时，将该文娱信息类推送给文娱用户集合中的用户。

由上述可知，本发明实施例提供的网络信息的处理方法，通过从评审用户 集合中匹配出至少两个评审用户，然后根据该至少两个评审用户的评审内容， 生成评审结果，最后根据评审结果确定待推荐网络信息的处理方式，提高了网 络信息处理的准确性。

根据上述实施例描述的网络信息的处理方法，以下将举例作进一步说明。 在本发明实施例中，将从网络信息的处理方法装置的角度进行描述，该网络信 息的处理方法装置具体可以集成在电子设备中。

请参照图5，图5为本发明实施例提供的网络信息的处理方法的另一流程 图，该方法可以包括：

步骤S201，从用户群中选取活跃度高于预设活跃值的多个用户，作为评审 用户。

随着移动互联网的迅猛发展，网友在阅读习惯上也逐步发生变化，获取信 息的方式也越来越多。比如，在一些网站上，可以由自媒体以公众号的形式编 辑发布文章、视频以及图片等网络信息。不同于专业媒体机构主导的信息传播 方式，上述自媒体信息传播方式，为了追求高点击率，会在标题上挖空心思， 却对内容的质量要求很低。由于网络信息的内容具有复杂性和多样性，尤其是 受视频内容和语义理解能力的限制，除了借助机器模型来对网络信息内容进行 筛选外，还需要大量具有评审资格的人员来辅助审核。

具体的，先根据用户的活跃度来挑选评审用户。其中，用户的活跃度是指 预设时间段内，网站内用户对网络信息进行某项操作的次数或频率。其中操作 包括文章阅读、视频浏览、话题发布以及详情页负反馈等操作行为。假设，预 设时间段的起始时间为t₁，终止时间为t₂，操作为m，则用户的活跃度A可以 为

也可以为

具体的，一个月内，用户阅读文章的数量为500篇， 则可认为用户在该月内的活跃度为500次。又如一个星期内，用户发布了20 个话题，则可认为用户在该星期内的活跃度为20次/星期。

在一些实施例中，可以直接根据上述活跃度的计算方法计算用户的活跃度， 然后将该活跃度与预设活跃值进行比较，在该活跃度高于预设活跃值时，将该 活跃度对应的多个用户作为评审用户。比如，以一个星期内发布的话题个数为 活跃度为例，假设预设活跃值为30，则只要某个用户在一个星期内发布的话题 个数大于30，即用户的活跃度大于30，就可将该用户作为评审用户。

在一些实施例中，还可以在获取到活跃度高于预设活跃值的多个用户后， 如图6所示，向该多个用户分别发送邀请信息，邀请该多个用户参与待推荐网 络信息的审核操作。用户收到邀请信息后，如根据邀请信息开通了审核权限， 则给该用户生成一审核专区进行审核。同时，还给该多个用户设置一考察期， 在用户通过考察期后，再将该用户设置为评审用户，这样可以有效把控评审用 户的品质。在此过程中，可以根据如下公式推算能够获取到的评审用户的数目： A_{评审用户数目}＝B_邀请人数*C_{同意邀请比例}*D_流失率，其中，同意邀请比例以及流失率可以根据 大量的实验统计数据分析得到。

综上，在本发明实施例中，从网站的用户群中筛选出具有专业知识、专业 判断的用户，引入到对待推荐网络信息的审核过程中，以提高网络信息处理的 准确性。

相应的，还可以给评审用户建立评估机制。具体的，可以定期对评审用户 评审网络信息的准确率进行评估，如果评审用户评审的准确率未达到预设准确 率，则可以取消其评审用户的身份。如果评审用户评审的准确率达到预设准确 率，则可以对其设置奖赏机制，以提高其评审积极性。

步骤S202，获取该评审用户的静态信息和动态行为信息。

评审用户的静态信息包括评审用户的人口属性、商业属性、消费特征、生 活形态以及CRM(Customer Relationship Management，客户关系管理)等信 息。其中，人口属性是指人在自然规律作用下的生物特性，以及在社会环境和 条件作用下的社会属性，其体现的是人的固有性质和特点。具体的，人口属性 包括评审用户的性别、年龄以及地域等信息；商业属性是指用户在经济活动中 的特性。具体的，商业属性包括评审用户的收入、职业以及所属行业等信息； 消费特征是指人满足个人物质和文化需要的消费行为。具体的，消费特征包括 汽车购买、快消购买以及美妆购买等信息；生活形态是指人们遵循的一种生活 方式，包括使用时间、花费金钱的方式。具体的，生活形态包括娱乐爱好以及 社交方式等信息；CRM是指企业利用信息技术以及互联网技术，协调企业与顾 客在销售、营销和服务上的交互。具体的，CRM包括评审用户的状态以及生命 价值等，比如根据用户是否购买企业产品或服务，将用户分为现实用户和潜在 用户，根据用户是否对企业创造价值，将用户分为有价值客户和无价值客户。

评审用户的动态行为信息是指评审用户在不同场景下的不同访问轨迹，具 体可以采用场景、网络信息的类型以及路径三个维度表示。其中，场景指用户 互联网活动的过程。具体的，场景包括网络信息访问的时间、使用的访问设备 等；网络信息的类型是指根据一定规则，对网络信息进行划分，具体的，网络 信息包括视频类、文本类或音频类等类别；路径是指评审用户进入或离开网络 信息的方式，比如直接通过打开相关应用进入或通过搜索导航打开，离开时是 直接关闭应用还是站内跳转到其他网页。

上述静态信息和动态行为信息，可以反映该评审用户的兴趣偏好，进一步 对这些信息进行分析，可以得出该评审用户在哪些领域具有专业知识。

步骤S203，根据该静态信息和该动态行为信息，生成该评审用户的标签信 息。

接着，根据该静态信息和该动态行为信息，将评审用户标签化，得到评审 用户的标签信息。比如，基于评审用户的性别属性，可以给评审用户打标签分 为男人和女人；又如，基于评审用户的职业属性，可以给评审用户打标签分为 学生和老师。

如图7所示，可以采用多级标签的方式来描述评审用户。在图的中心，可 以使用唯一身份标识来标注评审用户，接着向外扩散，有汽车、科技、娱乐以 及女性等多个一级标签，继续向外扩散，有汽车品牌、驾驶技能、科技品牌等 二级标签，再向外扩散，有互联网产品1、互联网产品2、互联网风云人物1、 科技品牌1等三级标签。同时，还可以标注标签对应的标签权重，比如手机的 标签权重为0.26，女性的标签权重为0.32。

步骤S204，根据该标签信息，生成该评审用户的可审网络信息的类别，并 根据该标签信息，生成该评审用户在该可审网络信息的类别上的该审核权重。

其中该标签信息包括多个标签，如图8所示，具体根据标签信息生成可审 网络信息的类别，并根据标签信息，生成评审用户在可审网络信息的类别上的 该审核权重的步骤包括：

步骤S2041，获取该评审用户的每一标签对应的标签权重，并基于预设映 射关系，将该每一标签映射至对应的可审网络信息的类别。

其中，标签对应的标签权重计算公式如下：

W_T＝W_B×T_(t)×TF_(P,T)×IDF_(P,T)×F_B

其中，

TF_(P,T)表示标签T用于标记评审用户P的次数，

IDF_(P,T)表示标签T的出现几率，其中，n>＝i>＝1，n表 示标记用户P的标签的个数，i,n均为正整数，m>＝j>＝1,j表示评审用户的个数， j,m均为正整数，该W_B表示网络信息操作类型B的权重，该F_B表示网络信息 操作B的次数，

T_(t)表示该网络信息操作B的衰减度，k表示 衰减系数，t₀表示起始时间，t表示衰减时间。

需要说明的是，网络信息操作包括对网络信息进行的阅读、点赞、评论、 转发或收藏等多种操作。其中，W_B×T_(t)表示标签T的客观重要程度，而 TF_(P,T)×IDF_(P,T)×F_B表示标签T对用户P的重视程度。

假设，多个标签和可审网络信息的类别之间的预设映射关系如图9所示， 每一可审网络信息的类别对应的多个标签，围绕在该可审网络信息的类别的周 围，比如可审网络信息的类别--女性，与其对应的标签包括半身裙、马甲、风 衣等。对于评审用户M来说，如果其标签信息包括互联网产品2、互联网产品 1、互联网风云人物2、互联网风云人物1、明星1、明星2、电视剧1、驾驶技 巧、汽车以及汽车品牌1。则如下表1-2所示，可以获取到每一标签对应的标 签权重，比如互联网产品2的标签权重为0.1，互联网产品1的标签权重为0.35等。并基于如图9所示的预设映射关系，将每一标签映射到对应的可审网络信 息的类别中，如表1-2所示，标签互联网产品2、互联网产品1、互联网风云人 物2、互联网风云人物1映射到互联网类别中，明星1、明星2、电视剧1映射 到娱乐类别中。

表1-2

步骤S2042，获取映射到同一可审网络信息的类别的全部标签，并获取该 全部标签的标签权重之和。

如表1-2所示，映射到汽车类别的全部标签包括驾驶技巧、汽车以及汽车 品牌1，其中驾驶技巧的标签权重为0.25，汽车品牌2的标签权重为0.05，汽 车品牌1的标签权重为0.1，这些标签的标签权重之和为0.4。同理的，映射到 娱乐类别的全部标签包括明星1、明星2以及电视剧1，这些标签的标签权重之 和为0.08，映射到互联网类别的全部标签包括互联网产品2、互联网产品1、互 联网风云人物2以及互联网风云人物1，这些标签的标签权重为0.52。

步骤S2043，将该标签权重之和，设置为该评审用户在该可审网络信息的 类别上的该审核权重。

如表1-2所示，根据上述分析，对于评审用户M来说，其汽车类别的审核 权重为0.4，娱乐类别的审核权重为0.08，互联网类别的审核权重为0.52。

步骤S205，将该评审用户、该可审网络信息的类别以及该审核权重建立关 联关系，生成该评审用户集合。

将上述步骤S201-S204获取到的评审用户、可审网络信息的类别以及审核 权重，建立关联关系，生成如下表1-3所示的评审用户集合。

表1-3

步骤S206，获取待推荐网络信息，以及待推荐网络信息的类别。

待推荐网络信息是指推送至客户端，展示给用户之前的网络信息，具体可 以包括音频、视频、文本、图片等格式的网络信息。

待推荐网络信息的类别，是指根据待推荐网络信息的内容对其进行的类别 划分。比如，待推荐网络信息为一篇新闻，则可以根据新闻标题、新闻正文生 成标签，再根据标签来判断该新闻的类别。如图3所示，基于预设短语模板， 从新闻标题、正文中提取名词性短语：汽车品牌1、汽车品牌2作为标签，再 根据图3所示的预先设置的映射关系，将标签汽车品牌1、汽车品牌2映射到 对应的汽车类别中,从而得出该待推荐网络信息的类别为汽车。

步骤S207，从该评审用户集合中，获取与该待推荐网络信息的类别匹配的 可审网络信息的类别。

假设待推荐网络信息的类别为互联网类别，则从如表1-3所示的评审用户 集合中，可以获取到匹配的可审网络信息的类别为互联网。

步骤S208，基于该可审网络信息的类别，获取该多个评审用户对应的审核 权重。

根据步骤S207中匹配到的可审网络信息的类别--互联网，可以获取到评审 用户M、评审用户N以及评审用户K均具有审核互联网类别网络信息的权限。 因此，进一步获取到评审用户M在互联网类别网络信息的审核权重为0.52，评 审用户N在互联网类别网络信息的审核权重为0.51，以及评审用户K在互联网 类别网络信息的审核权重为0.38。

步骤S209，根据该审核权重，从该多个评审用户中选取至少两个评审用户 作为评审用户。

接着，可以将评审用户M、评审用户N以及评审用户K都作为评审用户， 也可以将该多个评审用户按审核权重从大到小排列，从中选取审核权重最大的 两位--评审用户M和评审用户N作为评审用户。

步骤S210，将该待推荐网络信息发送给上述匹配出的至少两个评审用户， 以使该至少两个评审用户分别对该待推荐网络信息进行评审。

假设在步骤S209中，将评审用户M、评审用户N以及评审用户K都作为 评审用户，则在本步骤中，将该待推荐网络信息发送给评审用户M、评审用户 N以及评审用户K。评审用户M、评审用户N以及评审用户K分别对该待推荐 网络信息进行评审，生成评审内容。

在一些实施例中，可以在终端界面上将待推荐网络信息展示给评审用户， 同时，终端界面上还提供“推荐”、“不推荐”以及“不确定”三个评审按钮，供评 审用户选择。如果评审用户认为该待推荐网络信息优质，则可以点击“推荐”评 审按钮，生成评审内容。

步骤S211，获取该至少两个评审用户的评审内容，并根据该评审内容生成 评审结果，在该评审结果满足预设条件时，将该待推荐网络信息发送至目标用 户集合。

不同的评审用户对同一待推荐网络信息进行评审后，生成的评审内容可能 不同，也可能相同。因此，需要对评审内容进行进一步分析，确定最终的评审 结果。

承接步骤S210，如果评审用户M、评审用户N以及评审用户K均点击“推 荐”评审按钮，即生成三个推荐的评审内容，显然可以得到推荐的评审结果；如 果评审用户M、评审用户N以及评审用户K均点击“不推荐”评审按钮，即生成 三个不推荐的评审内容，也可以理所应当的得到不推荐的评审结果。然而，如 果评审用户M、评审用户N以及评审用户K发生了分歧，则可以根据评审用 户的历史审核准确程度，结合评审内容，确定评审结果。

具体的，可以对评审用户的历史评审内容进行分析，确定评审用户的历史 审核准确程度。如果某评审用户的历史审核准确程度越高，则给该评审用户在 步骤S210中的审核内容设置越高的权重。假设，评审用户M的审核内容的权 重为0.5，评审用户N的审核内容的权重为0.8，评审用户K的审核内容的权重 为0.9，则当评审用户M的审核内容为“推荐”，评审用户N的审核内容为“不确 定”，评审用户K的审核内容为“不推荐”时，由于“不推荐”的比例最大，因此可 以得到评审结果为“不推荐”。

综上，当对评审内容进行进一步分析，确定最终的评审结果满足推荐的预 设条件时，将该待推荐网络信息发送给用户。在一些实施例中，为了有针对性 的将待推荐网络信息发送给感兴趣的用户，还可以只发给目标用户集合中的目 标用户。预先的，可以根据第二预设条件，从用户中筛选出具有接收待推荐网 络信息资格的目标用户，并组成目标用户集合。具体的，可以根据用户的兴趣 分类这一第二预设条件，筛选出目标用户。比如，将对文娱信息感兴趣的用户， 组成文娱用户集合。当待推荐网络信息为文娱信息时，在文娱信息的评审结果， 满足预设条件时，将该文娱信息类推送给文娱用户集合中的用户。

由上述可知，本发明实施例的网络信息的处理方法，从评审用户集合中匹 配出至少两个评审用户，然后根据该至少两个评审用户的评审内容，生成评审 结果，最后根据评审结果确定待推荐网络信息的处理方式，提高了网络信息处 理的准确性。

根据上述实施例所描述的方法，本实施例将从网络信息的处理方法装置的 角度进一步进行描述，该网络信息的处理方法装置可以集成在电子设备中

请参照图10，图10为本发明实施例提供的网络信息的处理方法装置的结 构图，该装置30包括第一获取模块301、匹配模块302、第一发送模块303以 及第二发送模块304。

(1)第一获取模块301

第一获取模块301用于获取待推荐网络信息。其中，待推荐网络信息是指 推送至客户端，展示给用户之前的网络信息，具体可以包括音频、视频、文本、 图片等格式的网络信息。

(2)匹配模块302

匹配模块302用于根据待推荐网络信息，在评审用户集合中匹配出至少两 个对应的评审用户，评审用户集合为根据第一预设条件，从用户中筛选出具有 评审资格的评审用户组成的集合。

上述待推荐网络信息中可能存在内容质量较差的网络信息，因此，在推送 该待推荐网络信息之前，需要对待推荐网络信息进行审核。由于网络信息的内 容具有复杂性和多样性，尤其是受视频内容和语义理解能力的限制，除了借助 机器模型来对网络信息内容进行筛选外，还需要大量具有评审资格的人员来辅 助审核。

故，可以预先从用户中，根据第一预设条件筛选出具有评审资格的多个用 户，作为评审用户，并将该评审用户存入评审用户集合中，便于后续从评审用 户集合中选取至少两个对应的评审用户，对待推荐网络信息进行评审。

在一些实施例中，可以根据用户的活跃度这第一预设条件，来筛选评审用 户。其中，用户的活跃度是指预设时间段内，网站内用户对网络信息进行某项 操作的次数或频率。其中操作包括文章阅读、视频浏览、话题发布以及详情页 负反馈等操作行为。当活跃度高于预设活跃值的时候，将该活跃度对应的多个 用户作为评审用户。

在获取到待推荐网络信息后，匹配模块302可以从评审用户集合中，任意 挑选出至少两个评审用户，作为对应的评审用户。在一些实施例中，在建立评 审用户集合的过程中，还可以对评审用户建立评审优先级，即评审用户集合中 不仅仅包括评审用户，还包括评审用户对应的评审优先级。具体的，可以根据 活跃度从高到低，建立从高到低的评审优先级。这样在获取到待推荐网络信息 后，匹配模块302可以选取具有较高优先级的至少两个评审用户，作为对应的 评审用户。

在一些实施例中，如图12所示，匹配模块302包括类别子模块3021以及 匹配子模块3022。类别子模块3021用于获取待推荐网络信息的类别；匹配子 模块3022于根据待推荐网络信息的类别，在评审用户集合中匹配出至少两个对 应的评审用户。

在建立评审用户集合的过程中，还可以对评审用户设置其可以审核的网络 信息的类别，即评审用户集合还包括评审用户、可审网络信息的类别以及二者 的关联关系。待推荐网络信息的类别，是指根据待推荐网络信息的内容对其进 行的类别划分。比如，待推荐网络信息为一篇新闻，则可以根据新闻标题、新 闻正文生成标签，再根据标签来判断该新闻的类别。如图3所示，基于预设短 语模板，第一获取模块301从新闻标题、正文中提取名词性短语：汽车品牌1、 汽车品牌2作为标签，再根据图3所示的预先设置的映射关系，将标签汽车品 牌1、汽车品牌2映射到对应的汽车类别中,从而得出该待推荐网络信息的类别为汽车。

如表1-1所示，评审用户集合中的评审用户包括评审用户M、评审用户N 以及评审用户K，其中，评审用户M的可审网络信息的类别包括互联网、娱乐 以及汽车，评审用户N的可审网络信息的类别包括互联网、娱乐以及女性，评 审用户K的可审网络信息的类别包括手机、互联网以及女性。假设类别子模块 3021获取到的待推荐网络信息的类别为“女性”，则根据表1-1所示的评审用户 集合，存在与该待推荐网络信息的类别匹配的可审网络信息的类别--“女性”，从 而匹配子模块3022获取可审网络信息的类别“女性”对应的评审用户--评审用户 N和评审用户K，并将评审用户N和评审用户K设置为评审用户。

在一些实施例中，评审用户集合包括评审用户、该可审网络信息的类别、 该审核权重以及三者之间的关联关系。相应的，装置30还包括选取模块305、 第二获取模块306以及生成模块307，以用于建立上述评审用户集合。

其中，选取模块305用于从用户群中选取活跃度高于预设活跃值的多个用 户，作为评审用户。

其中，用户的活跃度是指预设时间段内，网站内用户对网络信息进行某项 操作的次数或频率。其中操作包括文章阅读、视频浏览、话题发布以及详情页 负反馈等操作行为。假设，预设时间段的起始时间为t₁，终止时间为t₂，操作 为m，则用户的活跃度A可以为

也可以为

具体的，一个月内，用 户阅读文章的数量为500篇，则可认为用户在该月内的活跃度为500次。又如 一个星期内，用户发布了20个话题，则可认为用户在该星期内的活跃度为20 次/星期。

在一些实施例中，选取模块305可以直接根据上述活跃度的计算方法计算 用户的活跃度，然后将该活跃度与预设活跃值进行比较，在该活跃度高于预设 活跃值时，将该活跃度对应的多个用户作为评审用户。比如，以一个星期内发 布的话题个数为活跃度为例，假设预设活跃值为30，则只要某个用户在一个星 期内发布的话题个数大于30，即用户的活跃度大于30，就选取模块305可将该 用户作为评审用户。

在一些实施例中，还可以在获取到活跃度高于预设活跃值的多个用户后， 如图6所示，选取模块305向该多个用户分别发送邀请信息，邀请该多个用户 参与待推荐网络信息的审核操作。用户收到邀请信息后，如根据邀请信息开通 了审核权限，则选取模块305给该用户生成一审核专区进行审核。同时，选取 模块305还给该多个用户设置一考察期，在用户通过考察期后，选取模块305 再将该用户设置为评审用户，这样可以有效把控评审用户的品质。在此过程中， 可以根据如下公式推算能够获取到的评审用户的数目：A_{评审用户数目}＝B_邀请人数*C_{同意邀请比例}*D_流失率，其中，同意邀请比例以及流失率可以根据大量的实验统计数据分 析得到。

综上，在本发明实施例中，从网站的用户群中筛选出具有专业知识、专业 判断的用户，引入到对待推荐网络信息的审核过程中，以提高网络信息处理的 准确性。

相应的，还可以给评审用户建立评估机制。具体的，选取模块305可以定 期对评审用户评审网络信息的准确率进行评估，如果评审用户评审的准确率未 达到预设准确率，则选取模块305可以取消其评审用户的身份。如果评审用户 评审的准确率达到预设准确率，则选取模块305可以对其设置奖赏机制，以提 高其评审积极性。

第二获取模块306用于获取评审用户的可审网络信息的类别，以及可审网 络信息的类别的审核权重。在一些实施例中，如图11所示，第二获取模块306 包括第一获取子模块3061、第一生成子模块3062以及第二生成子模块3063。

第一获取子模块3061用于获取评审用户的静态信息和动态行为信息。其中， 人口属性是指人在自然规律作用下的生物特性，以及在社会环境和条件作用下 的社会属性，其体现的是人的固有性质和特点。具体的，人口属性包括评审用 户的性别、年龄以及地域等信息。商业属性是指用户在经济活动中的特性。具 体的，商业属性包括评审用户的收入、职业以及所属行业等信息；消费特征是 指人满足个人物质和文化需要的消费行为。具体的，消费特征包括汽车购买、 快消购买以及美妆购买等信息；生活形态是指人们遵循的一种生活方式，包括 使用时间、花费金钱的方式。具体的，生活形态包括娱乐爱好以及社交方式等信息；CRM是指企业利用信息技术以及互联网技术，协调企业与顾客在销售、 营销和服务上的交互。具体的，CRM包括评审用户的状态以及生命价值等，比 如根据用户是否购买企业产品或服务，将用户分为现实用户和潜在用户，根据 用户是否对企业创造价值，将用户分为有价值客户和无价值客户。

评审用户的动态行为信息是指评审用户在不同场景下的不同访问轨迹，具 体可以采用场景、网络信息的类型以及路径三个维度表示。其中，场景指用户 互联网活动的过程。具体的，场景包括网络信息访问的时间、使用的访问设备 等；网络信息的类型是指根据一定规则，对网络信息进行划分，具体的，网络 信息包括视频类、文本类或音频类等类别；路径是指评审用户进入或离开网络 信息的方式，比如直接通过打开相关应用进入或通过搜索导航打开，离开时是 直接关闭应用还是站内跳转到其他网页。

通过第一获取子模块3061获取到的上述静态信息和动态行为信息，可以反 映该评审用户的兴趣偏好，进一步对这些信息进行分析，可以得出该评审用户 在哪些领域具有专业知识。

第一生成子模块3062用于根据静态信息和动态行为信息，生成评审用户的 标签信息。具体的，第一生成子模块3062根据该静态信息和该动态行为信息， 将评审用户标签化，得到评审用户的标签信息。比如，基于评审用户的性别属 性，第一生成子模块3062可以给评审用户打标签分为男人和女人；又如，基于 评审用户的职业属性，第一生成子模块3062可以给评审用户打标签分为学生和 老师。

如图7所示，第一生成子模块3062可以采用多级标签的方式来描述评审用 户。在图的中心，可以使用唯一身份标识来标注评审用户，接着向外扩散，有 汽车、科技、娱乐以及女性等多个一级标签，继续向外扩散，有汽车品牌、驾 驶技能、科技品牌等二级标签，再向外扩散，有互联网产品1、互联网产品2、 互联网风云人物1、科技品牌1等三级标签。

第二生成子模块3063用于根据标签信息，生成评审用户的可审网络信息的 类别，以及根据标签信息，生成可审网络信息的类别的审核权重。在一些实施 例中，标签信息包括多个标签；如图8所示，第二生成子模块3063具体用于：

首先，获取每一标签对应的标签权重，并基于预设映射关系，将该每一标 签映射至对应的可审网络信息的类别。

其中，标签对应的标签权重计算公式如下：

W_T＝W_B×T_(t)×TF_(P,T)×IDF_(P,T)×F_B

其中，

TF_(P,T)表示标签T用于标记评审用户P的次数，

IDF_(P,T)表示标签T的出现几率，其中，n>＝i>＝1，n表 示标记用户P的标签的个数，i,n均为正整数，m>＝j>＝1,j表示评审用户的个数， j,m均为正整数，该W_B表示网络信息操作类型B的权重，该F_B表示网络信息 操作B的次数，

T_(t)表示该网络信息操作B的衰减度，k表示 衰减系数，t₀表示起始时间，t表示衰减时间。

需要说明的是，网络信息操作包括对网络信息进行的阅读、点赞、评论、 转发或收藏等多种操作。其中，W_B×T_(t)表示标签T的客观重要程度，而 TF_(P,T)×IDF_(P,T)×F_B表示标签T对用户P的重视程度。

假设，多个标签和可审网络信息的类别之间的预设映射关系如图9所示， 每一可审网络信息的类别对应的多个标签，围绕在该可审网络信息的类别的周 围，比如可审网络信息的类别--女性，与其对应的标签包括半身裙、马甲、风 衣等。对于评审用户M来说，如果其标签信息包括互联网产品2、互联网产品 1、互联网风云人物2、互联网风云人物1、明星1、明星2、电视剧1、驾驶技 巧、汽车以及汽车品牌1。则如表1-2所示，第二生成子模块3063可以获取到 每一标签对应的标签权重，比如互联网产品2的标签权重为0.1，互联网产品1 的标签权重为0.35等。并基于如图9所示的预设映射关系，第二生成子模块3063 将每一标签映射到对应的可审网络信息的类别中，如表1-2所示，标签互联网 产品2、互联网产品1、互联网风云人物2、互联网风云人物1映射到互联网类 别中，明星1、明星2、电视剧1映射到娱乐类别中。

接着，第二生成子模块3063获取映射到同一可审网络信息的类别的全部标 签，并获取该全部标签的标签权重之和。

如表1-2所示，第二生成子模块3063可以获取到映射到汽车类别的全部标 签包括驾驶技巧、汽车以及汽车品牌1，其中驾驶技巧的标签权重为0.25，汽 车品牌2的标签权重为0.05，汽车品牌1的标签权重为0.1，进一步的，第二生 成子模块3063可以获取到这些标签的标签权重之和为0.4。同理的，第二生成 子模块3063可以获取到映射到娱乐类别的全部标签包括明星1、明星2以及电 视剧1，进一步的，第二生成子模块3063可以获取到这些标签的标签权重之和 为0.08。第二生成子模块3063可以获取到映射到互联网类别的全部标签包括互 联网产品2、互联网产品1、互联网风云人物2以及互联网风云人物1，进一步 的，第二生成子模块3063可以获取到这些标签的标签权重为0.52。

最后，第二生成子模块3063将该标签权重之和，设置为该可审网络信息的 类别的该审核权重。

如表1-2所示，根据上述分析，对于评审用户M来说，第二生成子模块3063 可以获取到其汽车类别的审核权重为0.4，娱乐类别的审核权重为0.08，互联网 类别的审核权重为0.52。

生成模块307，用于将评审用户、可审网络信息的类别以及审核权重建立 关联关系，生成评审用户集合。综上，根据第二获取模块306获取到的评审用 户的可审网络信息的类别，以及可审网络信息的类别的审核权重,生成模块307 将上述三者建立关联关系，生成如表1-3所示的评审用户集合。

在一些实施例中，匹配子模块3022首先用于从评审用户集合中，获取与待 推荐网络信息的类别匹配的可审网络信息的类别。具体的，假设待推荐网络信 息的类别为互联网类别，则从如表1-3所示的评审用户集合中，匹配子模块3022 可以获取到匹配的可审网络信息的类别为互联网。

接着，匹配子模块3022用于基于可审网络信息的类别，获取多个评审用户 对应的审核权重。根据匹配到的可审网络信息的类别--互联网，匹配子模块3022 可以获取到评审用户M、评审用户N以及评审用户K均具有审核互联网类别 网络信息的权限。因此，匹配子模块3022进一步获取到评审用户M在互联网 类别网络信息的审核权重为0.52，评审用户N在互联网类别网络信息的审核权 重为0.51，以及评审用户K在互联网类别网络信息的审核权重为0.38。

最后，匹配子模块3022用于根据审核权重，从多个评审用户中选取至少两 个评审用户作为评审用户。因此，匹配子模块3022可以将评审用户M、评审 用户N以及评审用户K都作为评审用户，也可以将该多个评审用户按审核权重 从大到小排列，从中选取审核权重最大的两位--评审用户M和评审用户N作为 评审用户。

(3)第一发送模块303

第一发送模块303用于将待推荐网络信息发送给上述匹配出的至少两个评 审用户，以使至少两个评审用户分别对待推荐网络信息进行评审。

具体的，如图4所示，第一发送模块303可以在终端界面上，将待推荐网 络信息展示给上述匹配评审用户N和评审用户K。同时，终端界面上还提供“推 荐”、“不推荐”以及“不确定”三个评审按钮，供评审用户选择。如果评审用户认 为该待推荐网络信息优质，则可以点击“推荐”评审按钮，生成推荐该待推荐的 评审内容。

(4)第二发送模块304

第二发送模块304用于获取至少两个评审用户的评审内容，并根据评审内 容生成评审结果，在评审结果满足预设条件时，将待推荐网络信息发送至目标 用户集合中的目标用户，目标用户集合为根据第二预设条件，从用户中筛选出 具有接收待推荐网络信息资格的目标用户组成的集合。

不同的评审用户对同一待推荐网络信息进行评审后，生成的评审内容可能 不同，也可能相同。因此，需要对评审内容进行进一步分析，确定最终的评审 结果。

如果第一发送模块303在终端界面上，将待推荐网络信息展示给上述匹配 评审用户N和评审用户K后，评审用户N和评审用户K均点击“推荐”评审按 钮，即生成两个推荐的评审内容，显然第二发送模块304可以生成推荐的评审 结果；如果评审用户N和评审用户K均点击“不推荐”评审按钮，即生成两个不 推荐的评审内容，第二发送模块304也可以理所应当的生成不推荐的评审结果。 然而，如果评审用户N和评审用户K发生了分歧，比如一人点击“推荐”评审， 另一人点击“不推荐”，此时第二发送模块304可以依据“只要存在推荐的评审 内容，就无条件得到推荐的评审结果”的原则得到推荐的评审结果，也可以依 据“只要存在不推荐的评审内容，就无条件得到不推荐的评审结果”的原则得 到不推荐的评审结果，在此不对根据评审内容生成评审结果的方式做具体限定

具体的，第二发送模块304可以对评审用户的历史评审内容进行分析，确 定评审用户的历史审核准确程度。如果某评审用户的历史审核准确程度越高， 则给该评审用户的审核内容设置越高的权重。假设，评审用户M的审核内容的 权重为0.5，评审用户N的审核内容的权重为0.8，评审用户K的审核内容的权 重为0.9，则当评审用户M的审核内容为“推荐”，评审用户N的审核内容为“不 确定”，评审用户K的审核内容为“不推荐”时，由于“不推荐”的比例最大，因此 第二发送模块304可以得到评审结果为“不推荐”。

综上，当对评审内容进行进一步分析，确定最终的评审结果满足推荐的预 设条件时，第二发送模块304将该待推荐网络信息发送给用户。在一些实施例 中，为了有针对性的将待推荐网络信息发送给感兴趣的用户，第二发送模块304 还可以只发给目标用户集合中的目标用户。预先的，可以根据第二预设条件， 从用户中筛选出具有接收待推荐网络信息资格的目标用户，并组成目标用户集 合。具体的，可以根据用户的兴趣分类这一第二预设条件，筛选出目标用户。 比如，将对文娱信息感兴趣的用户，组成文娱用户集合。当待推荐网络信息为 文娱信息时，在文娱信息的评审结果，满足预设条件时，第二发送模块304将该文娱信息类推送给文娱用户集合中的用户。

本发明实施例的网络信息的处理方法装置，通过从评审用户集合中匹配出 至少两个评审用户，然后根据该至少两个评审用户的评审内容，生成评审结果， 最后根据评审结果确定待推荐网络信息的处理方式，提高了网络信息处理的准 确性。

相应的，本发明实施例还提供一种电子设备，如图13所示，其示出了本发 明实施例所涉及的电子设备的结构示意图，具体来讲：

该电子设备可以包括一个或者一个以上处理核心的处理器401、一个或一 个以上计算机可读存储介质的存储器402、电源403和输入单元404等部件。 本领域技术人员可以理解，图13中示出的电子设备结构并不构成对电子设备的 限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部 件布置。其中：

处理器401是该电子设备的控制中心，利用各种接口和线路连接整个电子 设备的各个部分，通过运行或执行存储在存储器402内的软件程序和/或模块， 以及调用存储在存储器402内的数据，执行电子设备的各种功能和处理数据， 从而对电子设备进行整体监控。可选的，处理器401可包括一个或多个处理核 心；优选的，处理器401可集成应用处理器和调制解调处理器，其中，应用处 理器主要处理操作系统、用户界面和应用程序等，调制解调处理器主要处理无 线通信。可以理解的是，上述调制解调处理器也可以不集成到处理器401中。

存储器402可用于存储软件程序以及模块，处理器401通过运行存储在存 储器402的软件程序以及模块，从而执行各种功能应用以及数据处理。存储器 402可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、 至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存 储数据区可存储根据电子设备的使用所创建的数据等。此外，存储器402可以 包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存 储器件、闪存器件、或其他易失性固态存储器件。相应地，存储器402还可以 包括存储器控制器，以提供处理器401对存储器402的访问。

电子设备还包括给各个部件供电的电源403，优选的，电源403可以通过 电源管理系统与处理器401逻辑相连，从而通过电源管理系统实现管理充电、 放电、以及功耗管理等功能。电源403还可以包括一个或一个以上的直流或交 流电源、再充电系统、电源故障检测电路、电源转换器或者逆变器、电源状态 指示器等任意组件。

该电子设备还可包括输入单元404，该输入单元404可用于接收输入的数 字或字符信息，以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆、 光学或者轨迹球信号输入。

尽管未示出，电子设备还可以包括显示单元等，在此不再赘述。具体在本 实施例中，电子设备中的处理器401会按照如下的指令，将一个或一个以上的 应用程序的进程对应的可执行文件加载到存储器402中，并由处理器401来运 行存储在存储器402中的应用程序，从而实现各种功能，如下：

获取待推荐网络信息；

根据待推荐网络信息，在评审用户集合中匹配出至少两个对应的评审用户， 评审用户集合为根据第一预设条件，从用户中筛选出具有评审资格的评审用户 组成的集合；

将待推荐网络信息发送给上述匹配出的至少两个评审用户，以使至少两个 评审用户分别对待推荐网络信息进行评审；

获取至少两个评审用户的评审内容，并根据评审内容生成评审结果，在评 审结果满足预设条件时，将待推荐网络信息发送至目标用户集合中的目标用户， 目标用户集合为根据第二预设条件，从用户中筛选出具有接收待推荐网络信息 资格的目标用户组成的集合。

该电子设备可以实现本发明实施例所提供的任一种网络信息的处理方法装 置所能实现的有效效果，详见前面的实施例，在此不再赘述。

本发明实施例的电子设备，从评审用户集合中匹配出至少两个评审用户， 然后根据该至少两个评审用户的评审内容，生成评审结果，最后根据评审结果 确定待推荐网络信息的处理方式，提高了网络信息处理的准确性。

本文提供了实施例的各种操作。在一个实施例中，所述的一个或多个操作 可以构成一个或多个计算机可读介质上存储的计算机可读指令，其在被电子设 备执行时将使得计算设备执行所述操作。描述一些或所有操作的顺序不应当被 解释为暗示这些操作必需是顺序相关的。本领域技术人员将理解具有本说明书 的益处的可替代的排序。而且，应当理解，不是所有操作必需在本文所提供的 每个实施例中存在。

而且，尽管已经相对于一个或多个实现方式示出并描述了本公开，但是本 领域技术人员基于对本说明书和附图的阅读和理解将会想到等价变型和修改。 本公开包括所有这样的修改和变型，并且仅由所附权利要求的范围限制。特别 地关于由上述组件(例如元件、资源等)执行的各种功能，用于描述这样的组 件的术语旨在对应于执行所述组件的指定功能(例如其在功能上是等价的)的 任意组件(除非另外指示)，即使在结构上与执行本文所示的本公开的示范性实 现方式中的功能的公开结构不等同。此外，尽管本公开的特定特征已经相对于 若干实现方式中的仅一个被公开，但是这种特征可以与如可以对给定或特定应 用而言是期望和有利的其他实现方式的一个或多个其他特征组合。而且，就术 语“包括”、“具有”、“含有”或其变形被用在具体实施方式或权利要求中而言， 这样的术语旨在以与术语“包含”相似的方式包括。

本发明实施例中的各功能单元可以集成在一个处理模块中，也可以是各个 单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成 的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所 述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时， 也可以存储在一个计算机可读取存储介质中。上述提到的存储介质可以是只读 存储器，磁盘或光盘等。上述的各装置或系统，可以执行相应方法实施例中的 方法。

综上所述，虽然本发明已以实施例揭露如上，实施例前的序号仅为描述方 便而使用，对本发明各实施例的顺序不造成限制。并且，上述实施例并非用以 限制本发明，本领域的普通技术人员，在不脱离本发明的精神和范围内，均可 作各种更动与润饰，因此本发明的保护范围以权利要求界定的范围为准。

Claims (15)

1.一种网络信息的处理方法，其特征在于，包括：

获取待推荐网络信息；

根据所述待推荐网络信息，在评审用户集合中匹配出至少两个对应的评审用户，所述评审用户集合为根据第一预设条件，从用户中筛选出具有评审资格的评审用户组成的集合；所述评审用户为活跃度高于预设活跃值、且通过设置的考察期的用户；所述评审用户评审网络信息的准确率被定期评估，若所述准确率未达到预设准确率，则取消其作为评审用户的身份；若所述准确率达到所述预设准确率，则对所述评审用户进行奖赏；所述至少两个对应的评审用户为基于所述待推荐网络信息的类别获取多个评审用户分别对应的审核权重，并按照多个所述审核权重的从大到小的顺序，匹配出的至少两个的评审用户；

将所述待推荐网络信息发送给上述匹配出的至少两个评审用户，以使所述至少两个评审用户分别对所述待推荐网络信息进行评审；以及

获取所述至少两个评审用户的评审内容，并根据所述评审内容生成评审结果，在所述评审结果满足预设条件时，将所述待推荐网络信息发送至目标用户集合中的目标用户，所述目标用户集合为根据第二预设条件，从用户中筛选出具有接收所述待推荐网络信息资格的目标用户组成的集合；所述评审内容为表示是否推荐所述待推荐网络信息过审的内容。

2.根据权利要求1所述的网络信息的处理方法，其特征在于，所述根据所述待推荐网络信息，在评审用户集合中匹配出至少两个对应的评审用户，所述评审用户集合为根据第一预设条件，从用户中筛选出具有评审资格的评审用户组成的集合步骤包括：

获取所述待推荐网络信息的类别；

根据所述待推荐网络信息的类别，在评审用户集合中匹配出至少两个对应的评审用户。

3.根据权利要求2所述的网络信息的处理方法，其特征在于，所述根据所述待推荐网络信息的类别，在评审用户集合中匹配出至少两个对应的评审用户步骤之前还包括：

从用户群中选取活跃度高于预设活跃值的多个用户，作为评审用户；

获取所述评审用户的可审网络信息的类别，以及所述可审网络信息的类别的审核权重；

将所述评审用户、所述可审网络信息的类别以及所述审核权重建立关联关系，生成所述评审用户集合。

4.根据权利要求3所述的网络信息的处理方法，其特征在于，所述获取所述评审用户的可审网络信息的类别，以及所述可审网络信息的类别的审核权重步骤包括：

获取所述评审用户的静态信息和动态行为信息；

根据所述静态信息和所述动态行为信息，生成所述评审用户的标签信息；

根据所述标签信息，生成所述评审用户的可审网络信息的类别，并根据所述标签信息，生成所述评审用户在所述可审网络信息的类别上的所述审核权重。

5.根据权利要求4所述的网络信息的处理方法，其特征在于，所述标签信息包括多个标签；所述根据所述标签信息，生成所述评审用户的可审网络信息的类别，并根据所述标签信息，生成所述评审用户在所述可审网络信息的类别上的所述审核权重步骤包括：

获取所述评审用户的每一标签对应的标签权重，并基于预设映射关系，将每一标签映射至对应的可审网络信息的类别；

获取映射到同一可审网络信息的类别的全部标签，并获取所述全部标签的标签权重之和；

将所述全部标签的标签权重之和，设置为所述评审用户在所述可审网络信息的类别上的所述审核权重。

6.根据权利要求5所述的网络信息的处理方法，其特征在于，所述标签权重的计算公式如下：

W_T＝W_B×T_(t)×TF_(P,T)×IDF_(P,T)×F_B

其中，

TF_(P,T)表示标签T用于标记评审用户P的次数，

IDF_(P,T)表示标签T的出现几率，其中，n>＝i>＝1，n表示标记用户P的标签的个数，i,n均为正整数，m>＝j>＝1,j表示评审用户的个数，j,m均为正整数，所述W_B表示网络信息操作B的权重，所述F_B表示网络信息操作B的次数，

T_(t)表示所述网络信息操作B的衰减度，k表示衰减系数，t₀表示起始时间，t表示衰减时间。

7.根据权利要求4-6任意一项所述的网络信息的处理方法，其特征在于，所述根据所述待推荐网络信息的类别，在评审用户集合中匹配出至少两个对应的评审用户步骤包括：

从所述评审用户集合中，获取与所述待推荐网络信息的类别匹配的可审网络信息的类别；

基于所述可审网络信息的类别，获取所述多个评审用户对应的审核权重；

根据所述审核权重，从所述多个评审用户中选取至少两个评审用户作为评审用户。

8.一种网络信息的处理装置，其特征在于，包括：

第一获取模块，用于获取待推荐网络信息；

匹配模块，用于根据所述待推荐网络信息，在评审用户集合中匹配出至少两个对应的评审用户，所述评审用户集合为根据第一预设条件，从用户中筛选出具有评审资格的评审用户组成的集合；所述评审用户为活跃度高于预设活跃值、且通过设置的考察期的用户；所述评审用户评审网络信息的准确率被定期评估，若所述准确率未达到预设准确率，则取消其作为评审用户的身份；若所述准确率达到所述预设准确率，则对所述评审用户进行奖赏；所述至少两个对应的评审用户为基于所述待推荐网络信息的类别获取多个评审用户分别对应的审核权重，并按照多个所述审核权重的从大到小的顺序，匹配出的至少两个的评审用户；

第一发送模块，用于将所述待推荐网络信息发送给上述匹配出的至少两个评审用户，以使所述至少两个评审用户分别对所述待推荐网络信息进行评审；以及

第二发送模块，用于获取所述至少两个评审用户的评审内容，并根据所述评审内容生成评审结果，在所述评审结果满足预设条件时，将所述待推荐网络信息发送至目标用户集合中的目标用户，所述目标用户集合为根据第二预设条件，从用户中筛选出具有接收所述待推荐网络信息资格的目标用户组成的集合；所述评审内容为表示是否推荐所述待推荐网络信息过审的内容。

9.根据权利要求8所述的网络信息的处理装置，其特征在于，所述匹配模块包括：

类别子模块，用于获取所述待推荐网络信息的类别；

匹配子模块，用于根据所述待推荐网络信息的类别，在评审用户集合中匹配出至少两个对应的评审用户。

10.根据权利要求9所述的网络信息的处理装置，其特征在于，所述装置还包括：

选取模块，用于从用户群中选取活跃度高于预设活跃值的多个用户，作为评审用户；

第二获取模块，用于获取所述评审用户的可审网络信息的类别，以及所述可审网络信息的类别的审核权重；

生成模块，用于将所述评审用户、所述可审网络信息的类别以及所述审核权重建立关联关系，生成所述评审用户集合。

11.根据权利要求10所述的网络信息的处理装置，其特征在于，所述第二获取模块包括：

第一获取子模块，用于获取所述评审用户的静态信息和动态行为信息；

第一生成子模块，用于根据所述静态信息和所述动态行为信息，生成所述评审用户的标签信息；

第二生成子模块，用于根据所述标签信息，生成所述评审用户的可审网络信息的类别，并根据所述标签信息，生成所述评审用户在所述可审网络信息的类别上的所述审核权重。

12.根据权利要求11所述的网络信息的处理装置，其特征在于，所述标签信息包括多个标签；所述第二生成子模块具体用于：

获取所述评审用户的每一标签对应的标签权重，并基于预设映射关系，将每一标签映射至对应的可审网络信息的类别；

获取映射到同一可审网络信息的类别的全部标签，并获取所述全部标签的标签权重之和；

将所述全部标签的标签权重之和，设置为所述评审用户在所述可审网络信息的类别上的所述审核权重。

13.根据权利要求12所述的网络信息的处理装置，其特征在于，所述标签权重的计算公式如下：

W_T＝W_B×T_(t)×TF_(P,T)×IDF_(P,T)×F_B

其中，

TF_(P,T)表示标签T用于标记评审用户P的次数，

IDF_(P,T)表示标签T的出现几率，其中，n>＝i>＝1，n表示标记用户P的标签的个数，i,n均为正整数，m>＝j>＝1,j表示评审用户的个数，j,m均为正整数，所述W_B表示网络信息操作B的权重，所述F_B表示网络信息操作B的次数，

T_(t)表示所述网络信息操作B的衰减度，k表示衰减系数，t₀表示起始时间，t表示衰减时间。

14.根据权利要求11-13任意一项所述的网络信息的处理装置，其特征在于，所述匹配子模块具体用于：

从所述评审用户集合中，获取与所述待推荐网络信息的类别匹配的可审网络信息的类别；

基于所述可审网络信息的类别，获取所述多个评审用户对应的审核权重；

根据所述审核权重，从所述多个评审用户中选取至少两个评审用户作为评审用户。

15.一种存储介质，其内存储有处理器可执行指令，该处理器通过执行所述指令提供如权利要求1-7中任一的网络信息的处理方法。

Images