CN110765373A - 一种信息推荐方法、服务器及计算机可读存储介质 - Google Patents
一种信息推荐方法、服务器及计算机可读存储介质 Download PDFInfo
- Publication number
- CN110765373A CN110765373A CN201910935616.0A CN201910935616A CN110765373A CN 110765373 A CN110765373 A CN 110765373A CN 201910935616 A CN201910935616 A CN 201910935616A CN 110765373 A CN110765373 A CN 110765373A
- Authority
- CN
- China
- Prior art keywords
- user
- live
- target
- server
- geographic area
- 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
- 238000000034 method Methods 0.000 title claims abstract description 51
- 238000004590 computer program Methods 0.000 claims description 13
- 238000010586 diagram Methods 0.000 description 20
- 238000012545 processing Methods 0.000 description 11
- 230000002452 interceptive effect Effects 0.000 description 10
- 238000004891 communication Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 8
- 230000003993 interaction Effects 0.000 description 7
- 230000006870 function Effects 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000003068 static effect Effects 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Images
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
- G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请实施例公开了一种信息推荐方法、服务器及计算机可读存储介质,所述服务器存储有多个地理区域内的用户直播数据,且不同的地理区域具有不同的标识信息;其中方法包括:服务器获取目标用户当前所在的位置信息;所述服务器根据所述位置信息确定所述目标用户所处的目标地理区域;所述服务器根据所述目标地理区域内包含的直播用户数据生成用户推荐列表;所述服务器将所述用户推荐列表推荐给所述目标用户。实施本申请,可以提高服务器的推荐效率。
Description
技术领域
本申请涉及信息处理技术领域,尤其涉及一种信息推荐方法、服务器及计算机可读存储介质。
背景技术
随着网络的快速发展,如何在庞大的信息库中准确找到自己需要的信息是本领域技术人员的研究热点。
现有技术中,传统的推荐技术主要包括以下两大类推荐方法:第一类为基于内容的推荐方法;第二类为基于协同过滤的推荐方法。具体来说,基于内容的推荐方法是指,根据用户过去的浏览记录来向用户推荐用户没有接触过的推荐物品;基于协同过滤的推荐方法是指,基于"跟你喜好相似的人喜欢的物品你也很有可能喜欢"这一假设,找出用户的最近邻居,从而根据最近邻居的喜好做出未知项的评分预测。以最近邻的方式为例,该方式通过寻找其他与自己行为最相近的用户,通过这些用户曾经消费过或看过的物品来给自己推荐。
总的来说,从推荐方法的实质来看,现有的这两大类推荐方法更多的是一种全局范围内的静态推荐方式,容易导致服务器的推荐效率不高的问题。
发明内容
本申请实施例提供一种信息推荐方法、服务器及计算机可读存储介质,可以提高服务器的推荐效率。
第一方面,本申请实施例提供了一种信息推荐方法,所述方法应用于服务器,所述服务器存储有多个地理区域内的用户直播数据,且不同的地理区域具有不同的标识信息;该方法包括:
服务器获取目标用户当前所在的位置信息;
所述服务器根据所述位置信息确定所述目标用户所处的目标地理区域;
所述服务器根据所述目标地理区域内包含的直播用户数据生成用户推荐列表;
所述服务器将所述用户推荐列表推荐给所述目标用户。
实施本申请实施例,由于服务器按区域分块存储直播用户的数据,当服务器获取到目标用户当前所在的位置信息之后,服务器将该位置信息所在的目标地理区域内满足预设规则的直播用户推荐给目标用户,可以提高服务器的推荐效率。可以理解的是,这是一个动态推荐的过程,而非在全局范围内向用户推荐同一个用户推荐列表。在目标用户所处的区域不同的情况下,服务器向目标用户推荐的用户推荐列表往往不同。通过这一实现方式,可以提高服务器推荐的针对性。在实际应用中,对被推荐的目标用户来说,可以提高目标用户与推荐用户进行互动的几率,从而可以提高目标用户的交互体验。
在一种可能的实现方式中,所述服务器根据所述目标地理区域内包含的直播用户数据生成用户推荐列表,包括:
获取所述目标地理区域内包含的直播用户各自对应的数据;
根据所述直播用户各自对应的数据确定每个直播用户的评分;
将符合预设规则的所述评分对应的直播用户生成所述用户推荐列表。
在一种可能的实现方式中,所述根据所述直播用户各自对应的数据确定每个直播用户的评分,包括:
根据第一用户与所述目标用户的距离、所述第一用户的在线状态值、所述第一用户的直播在线时长、接通率以及好评率,来确定所述第一用户的评分;其中,所述第一用户为所述目标地理区域内包含的直播用户中的任意一个用户。
在一种可能的实现方式中,所述获取所述目标地理区域内包含的直播用户各自对应的数据之后,所述根据所述直播用户各自对应的数据确定每个直播用户的评分之前,还包括:
在满足所述目标地理区域内包含的直播用户的数量小于第一预设阈值的情况下,以所述目标地理区域为中心,将与所述目标地理区域相邻的区域内包含的直播用户加入所述目标地理区域内,以使所述目标地理区域内包含的直播用户的数量大于或等于所述第一预设阈值。
在一种可能的实现方式中,所述将与所述目标地理区域相邻的区域内包含的直播用户加入所述目标地理区域内,包括:
将与所述目标地理区域相邻的区域内包含的好评率大于第二预设阈值和/或接通率大于第三预设阈值的直播用户加入所述目标地理区域内。
第二方面,本申请实施例提供了一种服务器,该服务器包括用于执行上述第一方面的方法的单元。具体地,该服务存储有多个地理区域内的用户直播数据,且不同的地理区域具有不同的标识信息,所述服务器可以包括:
第一获取单元,用于获取目标用户当前所在的位置信息;
第一确定单元,用于根据所述位置信息确定所述目标用户所处的目标地理区域;
第一生成单元,用于根据所述目标地理区域内包含的直播用户数据生成用户推荐列表;
推荐单元,用于将所述用户推荐列表推荐给所述目标用户。
在一种可能的实现方式中,所述第一生成单元包括第二获取单元、第二确定单元和第二生成单元;其中,
所述第二获取单元,用于获取所述目标地理区域内包含的直播用户各自对应的数据;
所述第二确定单元,用于根据所述直播用户各自对应的数据确定每个直播用户的评分;
所述第二生成单元,用于将符合预设规则的所述评分对应的直播用户生成所述用户推荐列表。
在一种可能的实现方式中,所述第二确定单元具体用于:
根据第一用户与所述目标用户的距离、所述第一用户的在线状态值、所述第一用户的直播在线时长、接通率以及好评率,来确定所述第一用户的评分;其中,所述第一用户为所述目标地理区域内包含的直播用户中的任意一个用户。
在其中一种可能的实现方式中,所述第一生成单元还包括:
处理单元,用于在满足所述目标地理区域内包含的直播用户的数量小于第一预设阈值的情况下,以所述目标地理区域为中心,将与所述目标地理区域相邻的区域内包含的直播用户加入所述目标地理区域内,以使所述目标地理区域内包含的直播用户的数量大于或等于所述第一预设阈值。
在一种可能的实现方式中,所述处理单元具体用于:
将与所述目标地理区域相邻的区域内包含的好评率大于第二预设阈值和/或接通率大于第三预设阈值的直播用户加入所述目标地理区域内。
第三方面,本申请实施例提供了另一种服务器,包括处理器和存储器,所述处理器和存储器相互连接,其中,所述存储器用于存储支持服务器执行上述方法的计算机程序,所述计算机程序包括程序指令,所述处理器被配置用于调用所述程序指令,执行上述第一方面的方法。
第四方面,本申请实施例提供了一种计算机可读存储介质,所述计算机存储介质存储有计算机程序,所述计算机程序包括程序指令,所述程序指令当被处理器执行时使所述处理器执行上述第一方面的方法。
第五方面,本申请实施例还提供了一种计算机程序,所述计算机程序包括程序指令,所述程序指令当被处理器执行时使所述处理器执行上述第一方面的方法。
实施本申请实施例,当服务器获取到目标用户当前所在的位置信息之后,服务器将该位置信息所在的目标地理区域内满足预设规则的直播用户推荐给目标用户,可以提高服务器的推荐效率。可以理解的是,这是一个动态推荐的过程,而非在全局范围内向用户推荐同一个用户推荐列表。在目标用户所处的区域不同的情况下,服务器向目标用户推荐的用户推荐列表往往不同。通过这一实现方式,可以提高服务器推荐的针对性。在实际应用中,对被推荐的目标用户来说,可以提高目标用户与推荐用户进行互动的几率,从而可以提高目标用户的交互体验。
附图说明
为了更清楚地说明本申请实施例技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍。
图1是本申请实施例提供的一种网络架构的结构示意图;
图2是本申请实施例提供的一种信息推荐方法的流程示意图;
图3A是本申请实施例提供的一种服务器的分区示意图;
图3B是本申请实施例提供的一种对直播用户进行扩充的示意图;
图3C是本申请实施例提供的另一种对直播用户进行扩充的示意图;
图4是本申请实施例提供的一种信息推荐装置的结构示意图;
图5是本申请实施例提供的一种服务器的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行描述。
应当理解,当在本说明书和所附权利要求书中使用时,术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在此本申请说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本申请。如在本申请说明书和所附权利要求书中所使用的那样,除非上下文清楚地指明其它情况,否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解,在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
如在本说明书和所附权利要求书中所使用的那样,术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地,短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
首先,介绍下本申请可以适用的应用场景。
参见图1,是本申请实施例提供的一种网络架构示意图。如图1所示,该信息推荐系统的架构包括多个用户终端和服务器。具体实现中,多个用户终端可以通过网络与服务器进行通信连接。用户终端1上运行有交互客户端,用户A可以通过第一账号登录该交互客户端。
在一种可能的实现方式中,服务器在存储数据时,按物理存储区域分块存储,不同的物理存储区域内存储有不同的地理区域的用户数据。例如,服务器包含n个物理存储区域,其中,物理存储区域1存储有地理区域1内直播用户的数据、物理存储区域2内存储有地理区域2内直播用户的数据、......、物理存储区域n内存储有地理区域n内直播用户的数据。可以理解的是,由于每个物理存储区域均有各自对应的标识信息,从而可以实现直播用户的分块存储。
在另一种可能的实现方式中,服务器在存储数据时,将不同地理区域内的直播用户数据存储在同一个物理存储区域内,但是,每个地理区域均有各自对应的标识信息,从而可以实现直播用户的分块存储。
在本申请实施例中,通过对直播用户数据按区域分块存储,可以提高服务器的推荐速度。
在实际应用中,在第一时间段内,用户A通过第一账号在地理位置1登录交互客户端,此时,服务器获取用户A第一时间段内所在的位置信息,并根据位置信息确定用户A所处的地理区域,然后在该区域内根据用户的在线状态值,距离、当前直播在线时间、接通率、好评率等参数确定用户推荐列表1,之后,将确定好的用户推荐列表1推荐给用户A。由于用户推荐列表中包含的用户为当前区域内的优质用户,在用户A与推荐用户列表中的用户进行互动时,可以提高用户A的交互体验。
又例如,在第二时间段内,用户A通过第一账号在地理位置2登录交互客户端,服务器获取用户A在第二时间段内所在的位置信息,并根据位置信息确定用户A所处的地理区域,然后在该地理区域根据用户的在线状态值,距离、当前直播在线时间、接通率、好评率等参数确定用户推荐列表2,之后,将确定好的用户推荐列表2推荐给用户A。同样地,由于用户推荐列表中包含的用户为当前区域内的优质用户,在用户A与推荐用户列表中的用户进行互动时,可以提高用户A的交互体验。
需要说明的是,若用户A在第一时间段内所在的位置信息与用户A在第二时间段内所在的位置信息属于同一个地理区域的话,在这种情况下,服务器推荐的用户推荐列表相同。若用户A在第一时间段内所在的位置信息与用户A在第二时间段内所在的位置信息不属于同一个地理区域的话,在这种情况下,服务器推荐的用户推荐列表往往不同。
在本申请实施例中,服务器通过实时获取目标用户当前所在的位置信息,并根据位置信息确定目标用户所处的地理区域,从而在该地理区域内确定用户推荐列表。可以理解的是,这是一个动态推荐的过程,而非在全局范围内向用户推荐同一个用户推荐列表。在目标用户所处的地理区域不同的情况下,服务器根据本申请所描述的方法推荐的用户推荐列表往往不同。通过这一实现方式,可以提高服务器推荐的针对性。
基于图1所示的网络架构示意图,下面结合图2所示的本申请实施例提供的一种信息推荐方法的流程示意图,具体说明在本申请实施例中是如何实现信息推荐的,该方法可以包括但不限于如下步骤:
步骤S200、服务器获取目标用户当前所在的位置信息。
在本申请实施例中,服务器可以具体通过基站定位服务(Location BasedService,LBS)或卫星定位系统(例如,全球定位系统(Global Positioning System,GPS)、北斗卫星导航系统(BeiDou Navigation Satellite System,BDS)、伽利略定位系统(Galileo Positioning System,GPS)等)、重力传感器和陀螺仪中至少一项来获取目标用户的位置信息,当然,用来获取目标用户的位置信息的也不局限于已经列举出的这几类元件。
在本申请实施例中,目标用户当前所在的位置信息,可以是客户端主动上报的,也可以是客户端定时向服务器发送的,本申请实施例不作具体限定。
步骤S202、所述服务器根据所述位置信息确定所述目标用户所处的目标地理区域。
在本申请实施例中,如图3A所示,服务器中包含6个物理存储区域,可以表示为物理存储区域1-物理存储区域6。其中,物理存储区域1用于存储地理区域1内的用户数据;物理存储区域2用于存储地理区域2内的用户数据;物理存储区域3用于存储地理区域3内的用户数据;......;物理存储区域6内用于存储地理区域6内的用户数据。
在本申请实施例中,当服务器获取到目标用户当前所在的位置信息之后,根据该位置信息确定目标用户所处的目标地理区域,例如,目标用户A在第一时间段内的位置信息为地理位置1,服务器根据该位置信息确定目标用户A所处的目标地理区域为地理区域2。又例如,目标用户A在第二时间段内的位置信息为地理位置2,服务器根据该位置信息确定目标用户A所处的目标地理区域为地理区域3。
步骤S204、所述服务器根据所述目标地理区域内包含的直播用户数据生成用户推荐列表。
在本申请实施例中,目标地理区域内包含的直播用户数据是实时发生变化的,例如,在第一时间节点,该目标区域内包含的直播用户数量为10001个,在第二时间节点,该目标地理区域内包含的直播用户的数量为10010个。那么,可以理解的是,根据目标地理区域内包含的直播用户实时数据生成的用户推荐列表应该理解为某个具体时间节点下的推荐列表。
在实际应用中,根据不同的时间节点内的直播用户数据生成的用户推荐列表可以相同,也可以不同,本申请实施例不作具体限定。
在本申请实施例中,所述服务器根据所述目标地理区域内包含的直播用户生成用户推荐列表,包括:
获取所述目标地理区域内包含的直播用户各自对应的数据;
根据所述直播用户各自对应的数据确定每个直播用户的评分;
将符合预设规则的所述评分对应的直播用户生成所述用户推荐列表。
如前所述,目标用户A在第一时间段内的位置信息为地理位置1,服务器根据该位置信息确定目标用户所处的目标地理区域为地理区域2。在这种情况下,服务器获取地理区域2内的用户数据。如前所述,由于物理存储区域2用于存储地理区域2内的用户数据。此时,服务器直接从物理存储区域2内获取地理区域2内的用户数据,并根据该地理区域内包含的用户数据确定每个直播用户的评分。
具体实现中,所述根据所述直播用户各自对应的数据确定每个直播用户的评分,包括:
根据第一用户与所述目标用户的距离、所述第一用户的在线状态值、所述第一用户的直播在线时长、接通率以及好评率,来确定所述第一用户的评分;其中,所述第一用户为所述目标地理区域内包含的直播用户中的任意一个用户。
在本申请实施例中,服务器可以根据如下公式确定每个直播用户的评分:
P=A+lgD+n/10+lg(t0-t)-p0-p1
其中,A表示常量,例如,A=2;n表示用户在线状态值;t0表示当前时刻;t表示用户直播在线时长;p0表示接通率;p1表示好评率。
在本申请实施例中,n可以为任意数值,例如,n=1;又例如,n=8。需要说明的是,用户在线状态值n用于表征用户的在线状态的质量的好坏。这里,n的取值越大,表示用户在线状态的质量越好。
在本申请实施例中,p0越大,表示接通率越高。
在本申请实施例中,p1越大,表示好评率越高。
例如,目标用户A在第一时间段内的位置信息为地理位置1,服务器根据该位置信息确定目标用户所处的目标地理区域为地理区域2。在这种情况下,服务器可以直接获取物理存储区域2内存储的用户数据,具体地,物理存储区域2内存储了10个用户数据。之后,服务器根据上述公式确定每个用户的评分,例如,服务器确定用户1的评分为90.23;用户2的评分为88.20;用户3的评分为77.86;用户4的评分为89.65;用户5的评分为77.92;用户6的评分为65.45;用户7的评分为79.38;用户8的评分为85.36;用户9的评分为89.59;用户10的评分为76.12。
那么,在确定好了每个直播用户的评分之后,服务器将符合预设规则的所述评分对应的直播用户生成所述用户推荐列表,可以包括:
将排名前M位的所述评分对应的直播用户生成所述用户推荐列表。
在推荐的过程中,服务器可以将上述评分由大到小进行排序,可以得到排序结果为:用户1的评分>用户4的评分>用户9的评分>用户2的评分>用户8的评分>用户7的评分>用户5的评分>用户3的评分>用户10的评分>用户6的评分。
在实际应用中,服务器可以将排名前6位的评分所对应的直播用户生成用户推荐列表。即,服务器生成的用户推荐列表中包含有用户1、用户4、用户9、用户2、用户8、用户7。
这里,服务器将评分由大到小进行排序只是作为一种示例,还可以将评分由小到大进行排序等等,本申请实施例不作具体限定。
在本申请实施例中,服务器将符合预设规则的所述评分对应的直播用户生成所述用户推荐列表,还可以包括:
将所述评分大于第四预设阈值对应的直播用户生成所述用户推荐列表。
在本申请实施例中,第四预设阈值可以是服务器自主设置的,也可以是服务器根据用户的需求设置的,本申请实施例不作具体限定。
如前所述,用户1的评分为90.23;用户2的评分为88.20;用户3的评分为77.86;用户4的评分为89.65;用户5的评分为77.92;用户6的评分为65.45;用户7的评分为79.38;用户8的评分为85.36;用户9的评分为89.59;用户10的评分为76.12。在推荐的过程中,服务器依次判断上述计算得到的每个用户的评分是否大于第四预设阈值(例如,第四预设阈值为80),从而可以获知用户1、用户4、用户2、用户9、用户8各自对应的评分大于第四预设阈值,那么,在这种情况下,服务器生成的用户推荐列表中包含有用户1、用户4、用户2、用户9、用户8。
通过这一实现方式,可以保证服务器向目标用户推荐的用户为优质用户,从而避免了推荐的用户中存在劣质用户。对被推荐的目标用户来说,可以提高目标用户与推荐用户进行互动的几率,从而可以提高目标用户的交互体验。
在本申请实施例中,考虑到根据目标用户当前的位置信息确定的目标地理区域内包含的直播用户的数量小于第一预设阈值,服务器可以采用如下方法对目标地理区域内包含的直播用户进行扩充:
在一种可能的实现方式中,服务器以目标地理区域为中心,将与目标地理区域相邻的区域内包含的直播用户加入目标地理区域内,以使目标地理区域内包含的直播用户的数量大于或等于第一预设阈值。此时,服务器可以根据上述公式确定每个直播用户各自对应的评分,然后将符合预设规则的直播用户生成用户推荐列表。
在一种可能的实现方式中,服务器以目标地理区域为中心,将与目标地理区域相邻的区域内包含的好评率大于第二预设阈值和/或接通率大于第三预设阈值的直播用户加入目标地理区域内,以使目标地理区域内包含的直播用户的数量大于或等于第一预设阈值。这里,在一种情形下,服务器将与目标地理区域相邻的区域内包含的好评率大于第二预设阈值的直播用户加入目标地理区域内。在另一种情形下,服务器将与目标地理区域相邻的区域内包含的接通率大于第三预设阈值的直播用户加入目标地理区域内。在另一种情形下,服务器将与目标地理区域相邻的区域内包含的好评率大于第二预设阈值和接通率大于第三预设阈值的直播用户加入目标地理区域内。那么,在这种情况下,服务器可以根据上述公式确定每个直播用户各自对应的评分,然后将符合预设规则的直播用户生成用户推荐列表。
例如,如图3B所示,以目标地理区域为中心,服务器基于“九宫格”的扩展规则对直播用户进行扩充。这里,与目标地理区域相邻的区域包括:区域1、区域2、区域3、区域4、区域5、区域6、区域7、区域8。在实际应用中,服务器可以选择8个区域中的任意一个区域中的直播用户进行扩充,也可以选择8个区域中的至少一个区域中的直播用户进行扩充等等,本申请实施例不作具体限定。
又例如,如图3C所示,以目标地理区域为中心,服务器基于“十字架”的扩展规则对直播用户进行扩充。这里,与目标地理区域相邻的区域包括:区域1、区域2、区域3、区域4。在实际应用中,服务器可以选择4个区域中的任意一个区域中的直播用户进行扩充,也可以选择4个区域中的至少一个区域中的直播用户进行扩充等等,本申请实施例不作具体限定。
步骤S206、所述服务器将所述用户推荐列表推荐给所述目标用户。
在本申请实施例中,服务器可以在客户端的首页输出用户推荐列表,以供目标用户选择自己喜欢的用户进行交互。
实施本申请实施例,当服务器获取到目标用户当前所在的位置信息之后,服务器将该位置信息所在的目标地理区域内满足预设规则的直播用户推荐给目标用户,可以提高服务器的推荐效率。可以理解的是,这是一个动态推荐的过程,而非在全局范围内向用户推荐同一个用户推荐列表。在目标用户所处的地理区域不同的情况下,服务器向目标用户推荐的用户推荐列表往往不同。通过这一实现方式,可以提高服务器推荐的针对性。在实际应用中,对被推荐的目标用户来说,可以提高目标用户与推荐用户进行互动的几率,从而可以提高目标用户的交互体验。
在本申请实施例中,服务器获取第一目标用户的移动轨迹信息和第二目标用户的移动轨迹信息;在所述第一目标用户的移动轨迹信息和第二目标用户的移动轨迹信息的相似度大于预设阈值的情况下,将推荐给第二目标用户的用户推荐列表推荐给第一目标用户。
在实际应用中,服务器可以实时获取第一目标用户的位置信息,假设第一目标用户在第一时间点的位置信息为A位置,在第二时间点移动至B位置,在第三时间点移动至C位置,也即,该移动轨迹信息为A位置到B位置再到C位置。若第二目标用户的移动轨迹信息为A位置到B位置再到C位置,由于这两个移动轨迹信息相同,在这种情况下,服务器将推荐给第二目标用户的用户推荐列表推荐给第一目标用户,可以提高推荐效率。
在本申请实施例中,在移动轨迹信息匹配的情况下,服务器还可以进一步判断时间点信息(例如,该时间点信息包括某天某时到某个区域)是否匹配,当第一目标用户与第二目标用户的各自对应的时间点信息均匹配的情况下,完成针对第一目标用户的推荐。
在本申请实施例中,服务器还可以结合地图,通过移动轨迹信息和时间,分析目标用户的移动方式,例如,该移动方式可以包括乘坐地铁、公交、汽车、步行等等,通过判断第一目标用户和第二目标用户各自对应的移动方式是否匹配,在匹配的情况下,完成针对第一目标用户的推荐。
再或者/和,移动轨迹信息包括通过深度学习算法对历史移动数据预测出的未来的移动趋势,通过判断第一目标用户的移动趋势和第二目标用户的移动趋势是否匹配来实现推荐。
需要说明的是,上述所描述的匹配分析也可以在本地理区域内数据量不够的情况下,需要通过9宫格或十字架进行扩展时才执行。
需要说明的是,对于前述的各方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本披露并不受所描述的动作顺序的限制,因为依据本披露,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于可选实施例,所涉及的动作和模块并不一定是本披露所必须的。
进一步需要说明的是,虽然图2的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图2中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
为了便于更好的实施本申请实施例的上述方法,本申请实施例还描述了与上述图2所述的方法实施例属于同一发明构思下的一种服务器的结构示意图。下面结合附图来进行详细说明:
如图4所示,该服务器40可以包括:
第一获取单元400,用于获取目标用户当前所在的位置信息;
第一确定单元402,用于根据所述位置信息确定所述目标用户所处的目标地理区域;
第一生成单元404,用于根据所述目标地理区域内包含的直播用户数据生成用户推荐列表;
推荐单元406,用于将所述用户推荐列表推荐给所述目标用户。
在一种可能的实现方式中,所述第一生成单元404包括第二获取单元、第二确定单元和第二生成单元;其中,
所述第二获取单元,用于获取所述目标地理区域内包含的直播用户各自对应的数据;
所述第二确定单元,用于根据所述直播用户各自对应的数据确定每个直播用户的评分;
所述第二生成单元,用于将符合预设规则的所述评分对应的直播用户生成所述用户推荐列表。
在其中一种可能的实现方式中,所述第二确定单元具体用于:
根据第一用户与所述目标用户的距离、所述第一用户的在线状态值、所述第一用户的直播在线时长、接通率以及好评率,来确定所述第一用户的评分;其中,所述第一用户为所述目标地理区域内包含的直播用户中的任意一个用户。
在其中一种可能的实现方式中,所述第一生成单元404还包括:
处理单元,用于在满足所述目标地理区域内包含的直播用户的数量小于第一预设阈值的情况下,以所述目标地理区域为中心,将与所述目标地理区域相邻的区域内包含的直播用户加入所述目标地理区域内,以使所述目标地理区域内包含的直播用户的数量大于或等于所述第一预设阈值。
在其中一种可能的实现方式中,所述处理单元具体用于:
将与所述目标地理区域相邻的区域内包含的好评率大于第二预设阈值和/或接通率大于第三预设阈值的直播用户加入所述目标地理区域内。
实施本申请实施例,当服务器获取到目标用户当前所在的位置信息之后,服务器将该位置信息所在的目标地理区域内满足预设规则的直播用户推荐给目标用户,可以提高服务器的推荐效率。可以理解的是,这是一个动态推荐的过程,而非在全局范围内向用户推荐同一个用户推荐列表。在目标用户所处的地理区域不同的情况下,服务器向目标用户推荐的用户推荐列表往往不同。通过这一实现方式,可以提高服务器推荐的针对性。在实际应用中,对被推荐的目标用户来说,可以提高目标用户与推荐用户进行互动的几率,从而可以提高目标用户的交互体验。
为了便于更好地实施本申请实施例的上述方案,本申请还对应提供了另一种服务器的结构示意图,下面结合附图来进行详细说明:
如图5示出的本申请实施例提供的另一种服务器的结构示意图,该服务器50可以包括至少一个处理器501,通信总线502,存储器503以及至少一个通信接口504。
处理器501可以是一个通用中央处理器(Central Processing Unit,CPU),微处理器,特定应用集成电路(Application-Specific Integrated Circuit,ASIC),或一个或多个用于控制本申请方案程序执行的集成电路。
通信总线502可包括一通路,在上述组件之间传送信息。所述通信接口504,使用任何收发器一类的装置,用于与其他设备或通信网络通信,如以太网,无线接入网(RadioAccess Technology,RAN),无线局域网(Wireless Local Area Networks,WLAN)等。
存储器503可以是只读存储器(Read-Only Memory,ROM)或可存储静态信息和指令的其他类型的静态存储设备,随机存取存储器(Random Access Memory,RAM)或者可存储信息和指令的其他类型的动态存储设备,也可以是电可擦可编程只读存储器(ElectricallyErasable Programmable Read-Only Memory,EEPROM)、只读光盘(Compact Disc Read-Only Memory,CD-ROM)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质,但不限于此。存储器可以是独立存在,通过总线与处理器相连接。存储器也可以和处理器集成在一起。
其中,所述存储器503用于存储执行本申请方案的程序代码,并由处理器501来控制执行。所述处理器501用于执行所述存储器503中存储的程序代码,执行以下步骤:
获取目标用户当前所在的位置信息;
根据所述位置信息确定所述目标用户所处的目标地理区域;
根据所述目标地理区域内包含的直播用户数据生成用户推荐列表;
将所述用户推荐列表推荐给所述目标用户。
其中,所述处理器501根据所述目标地理区域内包含的直播用户数据生成用户推荐列表,可以包括:
获取所述目标地理区域内包含的直播用户各自对应的数据;
根据所述直播用户各自对应的数据确定每个直播用户的评分;
将符合预设规则的所述评分对应的直播用户生成所述用户推荐列表。
其中,所述处理器501根据所述直播用户各自对应的数据确定每个直播用户的评分,可以包括:
根据第一用户与所述目标用户的距离、所述第一用户的在线状态值、所述第一用户的直播在线时长、接通率以及好评率,来确定所述第一用户的评分;其中,所述第一用户为所述目标地理区域内包含的直播用户中的任意一个用户。
其中,所述处理器501获取所述目标地理区域内包含的直播用户各自对应的数据之后,所述根据所述直播用户各自对应的数据确定每个直播用户的评分之前,还可以包括:
在满足所述目标地理区域内包含的直播用户的数量小于第一预设阈值的情况下,以所述目标地理区域为中心,将与所述目标地理区域相邻的区域内包含的直播用户加入所述目标地理区域内,以使所述目标地理区域内包含的直播用户的数量大于或等于所述第一预设阈值。
其中,所述处理器501将与所述目标地理区域相邻的区域内包含的直播用户加入所述目标地理区域内,可以包括:
将与所述目标地理区域相邻的区域内包含的好评率大于第二预设阈值和/或接通率大于第三预设阈值的直播用户加入所述目标地理区域内。
在具体实现中,作为一种可选的实施例,处理器501可以包括一个或多个CPU,例如图5中的CPU0和CPU1。
在具体实现中,作为一种可选的实施例,服务器50可以包括多个处理器,例如图5中的处理器501和处理器508。这些处理器中的每一个可以是一个单核(single-CPU)处理器,也可以是一个多核(multi-CPU)处理器。这里的处理器可以指一个或多个设备、电路、和/或用于处理数据(例如计算机程序指令)的处理核。
在具体实现中,作为一种可选的实施例,服务器50还可以包括输出设备505和输入设备506。输出设备505和处理器501通信,可以以多种方式来显示信息。例如,输出设备505可以是液晶显示器(Liquid Crystal Display,LCD),发光二极管(Light Emitting Diode,LED)显示设备,阴极射线管(Cathode Ray Tube,CRT)显示设备,或投影仪(projector)等。输入设备506和处理器501通信,可以以多种方式接受用户的输入。例如,输入设备506可以是鼠标、键盘、触摸屏设备或传感设备等。
在具体实现中,服务器50可以是台式机、便携式电脑、网络服务器。本申请实施例不限定服务器50的类型。
本申请实施例还提供了一种计算机存储介质,用于存储为上述图2所示的服务器所用的计算机软件指令,其包含用于执行上述方法实施例所涉及的程序。通过执行存储的程序,可以实现信息的推荐。
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。
显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样,倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内,则本申请也意图包含这些改动和变型在内。
Claims (10)
1.一种信息推荐方法,其特征在于,所述方法应用于服务器,所述服务器存储有多个地理区域内的用户直播数据,且不同的地理区域具有不同的标识信息;所述方法包括:
服务器获取目标用户当前所在的位置信息;
所述服务器根据所述位置信息确定所述目标用户所处的目标地理区域;
所述服务器根据所述目标地理区域内包含的直播用户数据生成用户推荐列表;
所述服务器将所述用户推荐列表推荐给所述目标用户。
2.根据权利要求1所述的方法,其特征在于,所述服务器根据所述目标地理区域内包含的直播用户数据生成用户推荐列表,包括:
获取所述目标地理区域内包含的直播用户各自对应的数据;
根据所述直播用户各自对应的数据确定每个直播用户的评分;
将符合预设规则的所述评分对应的直播用户生成所述用户推荐列表。
3.根据权利要求2所述的方法,其特征在于,所述根据所述直播用户各自对应的数据确定每个直播用户的评分,包括:
根据第一用户与所述目标用户的距离、所述第一用户的在线状态值、所述第一用户的直播在线时长、接通率以及好评率,来确定所述第一用户的评分;其中,所述第一用户为所述目标地理区域内包含的直播用户中的任意一个用户。
4.根据权利要求2所述的方法,其特征在于,所述获取所述目标地理区域内包含的直播用户各自对应的数据之后,所述根据所述直播用户各自对应的数据确定每个直播用户的评分之前,还包括:
在满足所述目标地理区域内包含的直播用户的数量小于第一预设阈值的情况下,以所述目标地理区域为中心,将与所述目标地理区域相邻的区域内包含的直播用户加入所述目标地理区域内,以使所述目标地理区域内包含的直播用户的数量大于或等于所述第一预设阈值。
5.根据权利要求4所述的方法,其特征在于,所述将与所述目标地理区域相邻的区域内包含的直播用户加入所述目标地理区域内,包括:
将与所述目标地理区域相邻的区域内包含的好评率大于第二预设阈值和/或接通率大于第三预设阈值的直播用户加入所述目标地理区域内。
6.一种服务器,其特征在于,所述服务器存储有多个地理区域内的用户直播数据,且不同的地理区域具有不同的标识信息,所述服务器包括:
第一获取单元,用于获取目标用户当前所在的位置信息;
第一确定单元,用于根据所述位置信息确定所述目标用户所处的目标地理区域;
第一生成单元,用于根据所述目标地理区域内包含的直播用户数据生成用户推荐列表;
推荐单元,用于将所述用户推荐列表推荐给所述目标用户。
7.根据权利要求6所述的服务器,其特征在于,所述第一生成单元包括第二获取单元、第二确定单元和第二生成单元;其中,
所述第二获取单元,用于获取所述目标地理区域内包含的直播用户各自对应的数据;
所述第二确定单元,用于根据所述直播用户各自对应的数据确定每个直播用户的评分;
所述第二生成单元,用于将符合预设规则的所述评分对应的直播用户生成所述用户推荐列表。
8.根据权利要求7所述的服务器,其特征在于,所述第二确定单元具体用于:
根据第一用户与所述目标用户的距离、所述第一用户的在线状态值、所述第一用户的直播在线时长、接通率以及好评率,来确定所述第一用户的评分;其中,所述第一用户为所述目标地理区域内包含的直播用户中的任意一个用户。
9.一种服务器,其特征在于,包括处理器和存储器,所述处理器和存储器相互连接,其中,所述存储器用于存储计算机程序,所述计算机程序包括程序指令,所述处理器被配置用于调用所述程序指令,执行如权利要求1-5任一项所述的方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机程序,所述计算机程序包括程序指令,所述程序指令当被处理器执行时使所述处理器执行如权利要求1-5任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910935616.0A CN110765373A (zh) | 2019-09-29 | 2019-09-29 | 一种信息推荐方法、服务器及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910935616.0A CN110765373A (zh) | 2019-09-29 | 2019-09-29 | 一种信息推荐方法、服务器及计算机可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110765373A true CN110765373A (zh) | 2020-02-07 |
Family
ID=69329254
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910935616.0A Pending CN110765373A (zh) | 2019-09-29 | 2019-09-29 | 一种信息推荐方法、服务器及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110765373A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112860988A (zh) * | 2021-01-18 | 2021-05-28 | 中国联合网络通信集团有限公司 | 业务产品推荐方法和装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106528813A (zh) * | 2016-11-18 | 2017-03-22 | 腾讯科技(深圳)有限公司 | 一种多媒体推荐方法和装置 |
CN107526811A (zh) * | 2017-08-24 | 2017-12-29 | 广东欧珀移动通信有限公司 | 信息推荐方法、装置、终端设备及存储介质 |
CN109284448A (zh) * | 2018-09-28 | 2019-01-29 | Oppo广东移动通信有限公司 | 信息推荐方法、装置、终端及存储介质 |
-
2019
- 2019-09-29 CN CN201910935616.0A patent/CN110765373A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106528813A (zh) * | 2016-11-18 | 2017-03-22 | 腾讯科技(深圳)有限公司 | 一种多媒体推荐方法和装置 |
CN107526811A (zh) * | 2017-08-24 | 2017-12-29 | 广东欧珀移动通信有限公司 | 信息推荐方法、装置、终端设备及存储介质 |
CN109284448A (zh) * | 2018-09-28 | 2019-01-29 | Oppo广东移动通信有限公司 | 信息推荐方法、装置、终端及存储介质 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112860988A (zh) * | 2021-01-18 | 2021-05-28 | 中国联合网络通信集团有限公司 | 业务产品推荐方法和装置 |
CN112860988B (zh) * | 2021-01-18 | 2023-06-16 | 中国联合网络通信集团有限公司 | 业务产品推荐方法和装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6608957B2 (ja) | リンクされたデバイスに基づいてコンテンツを選択するためのシステムおよび方法 | |
CN106462627B (zh) | 根据多个位置数据报告分析语义地点和相关数据 | |
US20120295639A1 (en) | Discovering nearby places based on automatic query | |
KR20200003106A (ko) | 정보 검색 방법, 장치 및 시스템 | |
US20130054647A1 (en) | Information processing apparatus, information processing method, and program | |
US20160034968A1 (en) | Method and device for determining target user, and network server | |
US9524337B2 (en) | Apparatus, system, and method for detecting complex issues based on social media analysis | |
CN111651685A (zh) | 一种兴趣点获取方法、装置、电子设备及存储介质 | |
Huang et al. | Using trajectories for collaborative filtering-based POI recommendation | |
CN113094521A (zh) | 一种多媒体资源搜索方法、装置、系统、设备及存储介质 | |
US20180165708A1 (en) | Notification Control based on Location, Activity, and Temporal Prediction | |
US20130262457A1 (en) | Location name suggestion | |
WO2018227773A1 (zh) | 地点推荐方法、装置、计算机设备和存储介质 | |
US11783215B2 (en) | Information processing apparatus and recommendation control method | |
CN108733692A (zh) | 一种社交信息推荐方法和装置 | |
CN110866178B (zh) | 一种数据处理方法、装置和机器可读介质 | |
CN110765373A (zh) | 一种信息推荐方法、服务器及计算机可读存储介质 | |
CN105119743B (zh) | 用户行为意图的获取方法及装置 | |
CN104598585A (zh) | 信息搜索方法及装置 | |
CN115204889A (zh) | 文本处理方法、装置、计算机设备及存储介质 | |
CN111278105B (zh) | 无线网络定位方法和相关装置 | |
RU2746872C1 (ru) | Способ и система для предоставления рекомендуемого элемента цифрового контента | |
CN113761398B (zh) | 信息推荐方法、装置、电子设备以及存储介质 | |
JP2013040908A (ja) | 経路案内装置及び経路案内方法 | |
JP2019053434A (ja) | 推定装置、推定方法および推定プログラム |
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 |
Application publication date: 20200207 |
|
RJ01 | Rejection of invention patent application after publication |