CN111143698B - 一种内容推荐的方法及系统 - Google Patents

Abstract

本发明公开了一种内容推荐的方法及系统，本发明实施例的移动终端获取用户信息及设备信息后，输入到训练得到的神经网络中处理，输出得到紧急通知类、即时推送类及组合推荐类三个类别的内容，其中，对于紧急通知类的内容和即时推送类的内容，直接且即时推荐给用户；组合推荐类的内容根据用户信息在设定时间段内生成对应的任务推荐给用户。这样，在移动终端推荐给用户内容时，对内容进行分类并根据分类的结果确定内容推荐的时间及对应的推荐方式，就可以对推送到移动终端的内容准确筛选，使得移动终端准确且及时地推荐内容给用户，提高用户内容浏览的效率并进行有效地时间管理，提高用户的体验度。

Description

一种内容推荐的方法及系统

技术领域

本发明涉及计算机网络技术，特别涉及一种内容推荐的方法及系统。

背景技术

随着计算机网络技术的发展，用户通过移动终端随时随地获取信息成为了可能。提供应用的各个网络服务商会将各种不同应用内容通过网络推送到用户使用的移动终端中，供用户查看；移动终端检测的设备信息也会推送到移动终端的前端，供用户查看。因此，用户使用的移动终端每天会收到大量内容，包括一些无用的内容，如果用户对这些内容都进行查看及处理，会给用户带来很多不便，用户体验度不高。

具体地说，面向商业的网络服务商通过网络向移动终端进行内容的重复推送，这增加了用户使用移动终端处理内容的负担，混淆了用户对其中重要内容的优先处理选项，且根据推送内容的不间断时间，用户将不断处理类似的内容，影响了用户处理内容的效率。当用户处于碎片化时间，面向大量内容的推送时，很容易不知所措，并且无法选择适合其当前状态的内容进行处理。在此同时，容易遗漏未完全处理的内容，并且不可能在有效时间根据内容进行有效的安排，影响用户的内容处理效率和有效时间管理。

为了解决这个问题，可以对推送到移动终端的内容进行筛选后推荐给用户，采用的方式可以基于智能文本分类方式、智能推荐算法方式、用户行为习惯分析、深度学习技术方式或全球定位系统(GPS)定位技术方式等。

智能文本分类方式是基于强大的机器学习技术和海量数据支撑，实现多层树状类目结构，融合主动学习的迭代算法，可快速实现文本的自动分类，并提取文本中的内容标签，实现内容、类目及标签间的关联，从而对推送到移动终端的内容进行分类及设置标签，供用户查看内容时选择查看。

智能推荐算法方式是通过设备和预测用户的兴趣或偏好，以加权、串联或并联等方式融合内容的推荐算法、协同过滤算法及基于知识的推荐算法的方式，对推送到移动终端的内容进行过滤后，有针对性地、及时地向用户主动推荐其中的用户所需信息，以满足不同用户的个性化需求。

用户行为习惯分析方式过程为：结合用户日常行为数据，通过数据分析方式了解用户，提前预测用户当前可能的行为。该方式可以根据用户日常浏览点击的内容。判断用户感兴趣的内容，根据识别的用户日常作息时间，判断用户当前所处时间段是否适合处理内容。从而当有推送到移动终端的内容时，根据预先设置的用户行为规则在设置的时间段推荐其中用户感兴趣的内容。

深度学习技术方式过程为：通过学习样本内容的内在规律及表示层次，使得机器模仿人脑进行分析学习，以发现内容的分布式特征表示。对推送到移动终端的内容进行推荐时，根据该内容的分布式特征表示，确定为用户推荐的内容。

GPS定位技术方式过程为：利用GPS定位卫星获取当前用户坐标，同时通过用户行为时的速度、或/和重心变化来判定用户的当前行为。对推送到移动终端的内容进行推荐时，根据所确定的用户当前行为对内容进行筛选后，推荐给用户。

可以看出，采用上述方式对推送到移动终端的内容推荐给用户时，仅仅针对诸如内容属性或用户信息的单一条件筛选，使得最终推荐给用户的内容很大可能并不是用户在当前状态可以处理的，影响了用户处理推荐内容的效率及有效时间管理，降低用户的体验度。

发明内容

有鉴于此，本发明实施例提供一种内容推荐的方法，该方法能够使得移动终端准确且及时地推荐内容给用户。

本发明实施例还提供一种内容推荐的系统，该系统能够使得移动终端准确且及时地推荐内容给用户。

本发明实施例是这样实现的：

一种内容推荐的方法，该方法包括：

移动终端获取用户信息及设备信息，输入到训练得到的神经网络中处理后，输出得到紧急通知类、即时推送类及组合推荐类三个类别的内容；

移动终端对于紧急通知类的内容和即时推送类的内容，直接且即时地推荐给用户；

移动终端对于组合推荐类的内容根据用户信息在设定时间段内生成对应的任务推荐给用户。

所述用户信息包括：用户的应用使用偏好信息、对于内容的偏好信息、用户地理位置信息及规划信息、和应用内用户偏好信息中的一种或多种组合；

所述用户信息还包括用户状态信息；

所述设备信息包括：设备应用属性及来自设备或者应用的所有推送信息。

所述获取用户信息及设备信息，输入到训练得到的神经网络中处理之前，还包括：

对用户信息及设备信息进行预处理。

还包括：

移动终端将组合推荐类的内容设置在推荐列表中，推荐列表根据时间顺序将组合推荐类的内容对应的任务推荐给用户。

所述紧急通知类的内容采用弹窗方式推荐给用户；

所述即时推送类的内容采用通知中心、横幅或/和锁屏方式推荐给用户。

一种内容推荐的系统，该系统包括：信息获取单元、智能分类单元及智能推送单元，其中，

信息获取单元，用于获取用户信息及设备信息；

智能分类单元，用于将用户信息及设备信息输入到训练得到的神经网络中处理后，输出得到紧急通知类、即时推送类及组合推荐类三个类别的内容；

智能推送单元，用于对于紧急通知类的内容和即时推送类的内容，直接且即时地推荐给用户；对于组合推荐类的内容根据用户信息在设定时间段内生成对应的任务推荐给用户。

所述信息获取单元包括：设备信息获取模块、用户信息获取模块及用户状态识别模块，其中，

设备信息获取模块，用于获取设备应用属性及来自设备或者应用的所有推送信息；

用户信息获取模块，用于获取用户的应用使用偏好信息、对于内容的偏好信息、用户地理位置信息及规划信息、和应用内用户偏好信息中的一种或多种组合；

用户状态识别模块，用于获取用户状态信息。

所述智能分类单元包括：预处理模块及神经网络模块，其中，

预处理模块，用于对用户信息及设备信息进行预处理；

神经网络模块，用于将经过了预处理的用户信息及设备信息输入到训练得到的神经网络中处理后，输出得到紧急通知类、即时推送类及组合推荐类三个类别的内容。

所述智能推送单元包括用户习惯分析模块及自产内容生成模块，其中，

用户习惯分析模块，用于对用户信息进行分析；

自产内容生成模块，用于根据分析的用户信息对组合推荐类的内容进行对应的任务建立及设定时间段，在设定时间段内将所建立的对应任务推荐给用户。

如上所见，本发明实施例的移动终端获取用户信息及设备信息后，输入到训练得到的神经网络中处理，输出得到紧急通知类、即时推送类及组合推荐类三个类别的内容，其中，对于紧急通知类的内容和即时推送类的内容，直接且即时推荐给用户；组合推荐类的内容根据用户信息在设定时间段内生成对应的任务推荐给用户。这样，在移动终端推荐给用户内容时，对内容进行分类并根据分类的结果确定内容推荐的时间及对应的推荐方式，就可以对推送到移动终端的内容准确筛选，使得移动终端准确且及时地推荐内容给用户，提高用户内容浏览的效率并进行有效地时间管理，提高用户的体验度。

附图说明

图1为本发明实施例提供的一种内容推荐的方法流程图；

图2为本发明实施例提供的内容推荐的方法实施过程示意图

图3为本发明实施例提供的一种内容推荐的装置结构示意图；

图4为本发明实施例提供的信息获取单元结构示意图；

图5为本发明实施例提供的信息获取单元的处理过程示意图；

图6为本发明实施例提供的智能分类单元的结构示意图；

图7为本发明实施例提供的智能分类单元的处理过程示意图；

图8为本发明实施例提供的智能推送单元的结构示意图；

图9为本发明实施例提供的智能推送单元的处理过程示意图；

图10为本发明实施例提供的自产内容生成模块的处理过程示意图；

图11为本发明实施例提供的机场活动场景下的内容推荐过程示意图；

图12a～12b为本发明实施例提供的机场活动场景下的内容推荐的展示示意图；

图13为本发明实施例提供的商场活动推送场景下的内容推送展示示意图；

图14为本发明实施例提供的一般生活场景下的内容推送展示示意图；

图15为本发明实施例提供的休息或睡眠场景下的内容推送展示示意图。

具体实施方式

为使本发明的目的、技术方案及优点更加清楚明白，以下参照附图并举实施例，对本发明进一步详细说明。

为了使得移动终端准确且及时地推荐内容给用户，本发明实施例中的移动终端获取用户信息及设备信息后，输入到训练得到的神经网络中处理，输出得到紧急通知类、即时推送类及组合推荐类三个类别的内容，其中，对于紧急通知类的内容和即时推送类的内容，直接且即时推荐给用户；组合推荐类的内容根据用户信息在设定时间段内生成对应的任务推荐给用户。

这样，在移动终端推荐给用户内容时，对内容进行分类并根据分类的结果确定内容推荐的时间及对应的推荐方式，就可以对推送到移动终端的内容准确筛选，使得移动终端准确且及时地推荐内容给用户，提高用户内容浏览的效率并进行有效地时间管理，提高用户的体验度。

图1为本发明实施例提供的一种内容推荐的方法流程图，其具体步骤为：

步骤101、移动终端获取用户信息及设备信息，输入到训练得到的神经网络中处理后，输出得到紧急通知类、即时推送类及组合推荐类三个类别的内容；

步骤102、移动终端对于紧急通知类的内容和即时推送类的内容，直接且即时地推荐给用户；

步骤103、移动终端对于组合推荐类的内容根据用户信息在设定时间段内生成对应的任务推荐给用户。

在该方法中，所述用户信息包括：用户的应用使用偏好信息、对于内容的偏好信息、用户地理位置信息及规划信息、和应用内用户偏好信息中的一种或多种组合；

所述用户信息还包括用户状态信息；

所述设备信息包括：设备应用属性及来自设备或者应用的所有推送信息。

在该方法中，所述获取用户信息及设备信息，输入到训练得到的神经网络中处理之前，还包括：对用户信息及设备信息进行预处理。

在该方法中，还包括：

移动终端将组合推荐类的内容设置在推荐列表中，推荐列表根据时间顺序将组合推荐类的内容对应的任务推荐给用户。

图2为本发明实施例提供的内容推荐的方法实施过程示意图，整个处理过程为：

第一步骤，获取用户信息及设备信息；

第二步骤，对所获取的用户信息及设备信息进行预处理；

第三步骤，输入到采用神经网络构建的分类器，进行特征提取、结构分析、变形变换、短串分析及情绪分析后，输出得到紧急通知类、即时推送类及组合推荐类三个类别的内容；

第四步骤，对于紧急通知类的内容，采用弹窗方式直接且即时地推荐给用户；

第五步骤，对于即时推送类的内容，采用通知中心、横幅及锁屏方式直接且即时地推荐给用户；

第六步骤，对于组合推荐类的内容根据用户信息在设定时间段内生成对应的任务推荐给用户。

图3为本发明实施例提供的一种内容推荐的装置结构示意图，包括：信息获取单元、智能分类单元及智能推送单元，其中，

信息获取单元，用于获取用户信息及设备信息；

智能分类单元，用于将用户信息及设备信息输入到训练得到的神经网络中处理后，输出得到紧急通知类、即时推送类及组合推荐类三个类别的内容；

智能推送单元，用于对于紧急通知类的内容和即时推送类的内容，直接且即时地推荐给用户；对于组合推荐类的内容根据用户信息在设定时间段内生成对应的任务推荐给用户。

在该装置中，信息获取单元主要用户获取设备信息和用户信息，如图4所示，图4为本发明实施例提供的信息获取单元结构示意图，结合图5所示的本发明实施例提供的信息获取单元的处理过程示意图，进行详细说明。信息获取单元主要包括：设备信息获取模块、用户信息获取模块及用户状态识别模块，其中，

设备信息获取模块，用于获取设备应用属性及来自设备或者应用的所有推送信息；在这里，设备应用属性，例如：游戏或聊天工具等；

用户信息获取模块，用于获取用户的应用使用偏好信息及对于内容的兴趣点偏好、用户地理位置信息及规划信息等或/和应用内用户偏好信息；在这里，用户的应用使用偏好信息包括不同应用的使用习惯，比如时长或/和时间点等；采用图像识别方式获取应用内用户偏好信息获取，比如通过检测移动终端的屏幕内容，获取用户感兴趣的例如娱乐新闻的新闻类型，诸如字体大小的阅读偏好，诸如游戏类型的游戏偏好，诸如打开单目或聊天首选项的视频观看偏好，及诸如喜欢音乐的音乐首选项等；

用户状态识别模块，用于识别用户工作或休息等日常行为记录等。

在该装置中，智能分类单元的结构如图6所示，包括预处理模块及神经网络模块，其中，

预处理模块，用于对用户信息及设备信息进行预处理，预处理模块主要完成分词、去停用词或低频词等，并标记信息等流程；

神经网络模块，用于将经过了预处理的用户信息及设备信息输入到训练得到的神经网络中处理后，输出得到紧急通知类、即时推送类及组合推荐类三个类别的内容。

在这里，神经网络模块会实现推荐内容的精准分类，通过机器学习的方式训练神经网络得到训练好的分类模型，通过模型对推送内容进行特征提取，输出内容的类别信息。

图7为本发明实施例提供的智能分类单元的处理过程示意图，包括：

第一步骤，预处理模块对用户信息及设备信息，进行分词、去停用词、去低频词及标记信息等预处理；

第二步骤，神经网络模块进行特征提取，包括结构分析、变形变换、短串分析及情绪分析等；

第三步骤，神经网络模块采用分类器进行分类，输出得到紧急通知类、即时推送类及组合推荐类三个类别的内容。

本发明实施例将需要展现给用户的内容分为紧急通知类、即时推送类及组合推荐类三个类别，其中紧急通知类内容及即时推送类内容直接通过移动终端的弹出窗口和通知栏直接推送。组合推荐类的内容为非即时推送内容，移动终端根据用户习惯、位置和时间计划，在一定时间内自动为用户生成对应的任务，移动终端还会根据时间的流逝实时动态调整设置的推荐列表中推荐的任务。表一为三个类别的内容定义。

表1

在本发明实施例中，智能推送单元包括用户习惯分析模块及自产内容生成模块，其结构如图8所示，

用户习惯分析模块，分析的内容为：

分析不同应用的用户使用习惯，包括，用户分类：新闻、阅读、游戏、视频、聊天或/和音乐等；应用使用时长：平均每天使用时间、每次阅读时间、每轮游戏时间或视频观看时间等；常用时间段内或地点：早中晚常用时间段、公司或家等常用地点；社交关系：好友关系或互动频率；

分析同一应用内的用户关注兴趣点，主要通过图像识别方式搜集，包括，

内容兴趣点：新闻类型或形式偏好，比如娱乐视频新闻；阅读偏好，比如字体大小；游戏偏好，比如模式；视频观看偏好，比如打开弹幕；聊天偏好，比如常用联系人；音乐偏好，比如喜爱的音乐等。

自产内容生成模块，具体执行过程为：

根据位置、任务、时间、用户习惯和用户内容偏好，对生成的推荐列表进行全面分析，内容对应的任务根据时间和事件的更新实时进行智能调整。在处理时，按照当前最近任务的剩余时间或时间属性进行推算，以自产内容生成模块生成的任务进行推荐。例如：通勤路上建议新闻浏览，比如看5分钟新闻；在机场显示目的地的天气情况，方便提前准备；推荐浏览的视频或音频内容，比如刷30分钟抖音应用；推荐的阅读内容，比如20分钟小说；软件升级，比如晚间谁先充电状态下推荐；基于地点的商店折扣信息，比如广告等。

图9为本发明实施例提供的智能推送单元的处理过程示意图，其过程为：

智能推送模块，对于紧急通知类的内容，不管用户当前状态如何，采用弹窗方式直接且即时地推荐给用户；

智能推送模块，对于即时推送类的内容，以传统通知栏的方式呈现，比如采用通知中心、横幅及锁屏方式直接且即时地推荐给用户；

智能推送模块，对于组合推荐类的内容，通过人工智能组合成适合用户当前场景的任务推送给用户，即根据用户信息在设定时间段内生成对应的任务推荐给用户，这是自产型内容，由自产内容生成模块生成。

图10为本发明实施例提供的自产内容生成模块的处理过程示意图，当移动终端获取到任务信息时，自产内容生成过程如图10所示。自产内容生成模块结合当前信息，包括任务、时间及位置等，应用程序推送和辅助属性内容，包括用户状态及历史应用程序使用习惯等进行内容推荐，以创建自定义的活动计划，内容将根据时间和事件的更新实时进行智能调整。如果获取不到任务信息，移动终端根据用户历史记录，结合当前时间和位置生成一个当前生活场景下的常规任务。

举几个具体例子进行详细说明

例子1：机场活动场景下的内容推荐方案例子

图11为本发明实施例提供的机场活动场景下的内容推荐过程示意图，结合图12a～12 b 所示的本发明实施例提供的机场活动场景下的内容推荐展示示意图，进行详细说明。在这里，移动终端为手机。

步骤一：手机提取用户的机票信息，包括航班号及登记口信息；

步骤二：当用户到达机场时，该信息显示在屏幕上的任务基本信息提醒栏中；

步骤三：在活动推荐栏中，手机将根据用户当前的地理位置和登机前的时间，智能地为用户在机场规划最佳的活动和休息安排。

例子2：商场活动推送场景下的内容推荐方案例子

图13为本发明实施例提供的商场活动推送场景下的内容推送展示示意图。其具体步骤为：

步骤一：如果用户在线购买电影票，购票信息将发送到用户手机，手机系统可以获取相关信息；

步骤二：当用户到达电影所在的购物中心时，电影信息将显示在任务级别信息提醒栏汇总，包括从电影开始的倒数时间，电影名称、时间或座位号等；

步骤三：在活动推荐栏中，手机整合了商场的活动信息，包括购物信息及休闲区等，并根据用户的喜好推送给用户。

如图13所示，如果用户是一个喜欢购物并经常购买快速零售品牌的女性，则建议她在电影开始前去附近的快速零售品牌购物，并向其推销折扣信息或/和热门促销产品。手机系统预估用户当前位置与电影院实际位置之间的距离，并及时提醒用户去电影院。如果手机识别出需要步行5分钟才能到达电影院到当前位置，它将提前10分钟询问用户您应该去电影院并显示票证号码，票证二维码和电影院导航。

例子3：一般生活场景下的内容推荐方案例子

没有获取到任务时，根据个人数据生成一般生活场景进行内容推荐，其具体步骤为：

步骤一：当以偶多功能终端无法获取到任务信息时，移动终端根据用户历史记录、用户状态、当前时间和位置、生成任务和其他推荐活动；

步骤二：在任务级别的信息提醒栏中，将自动生成需要在该场景中提示的内容，例如当天的天气状况和公共交通状况；

步骤三：在活动推荐栏中，根据用户的习惯和活动路径，提供所需的内容推荐。

图14为本发明实施例提供的一般生活场景下的内容推送展示示意图，如图所示：星期一上午8:30，该去上班了。如果当前没有任何人，根据当前场景生成任务列表。如果用户习惯分析显示用户每天乘坐地铁去上班，则生成一个工作任务列表并显示最近一班地铁出发时间，以帮助用户计算出门时间。上下班途中可以根据用户的习惯推荐用户可以查看的信息。例如，如果用户喜欢在途中观看小型视频，则推送短视频应用。还可以为用户提供订购早餐或/和咖啡的功能，提高早晨的效率。

例子4：休息或睡眠场景下的内容推荐方案例子

图15为本发明实施例提供的休息或睡眠场景下的内容推送展示示意图，其具体步骤为：

步骤一：通过可穿戴设备获取用户状态信息，比如活动或休息；

步骤二，在任务级别的信息提醒栏中，自动生成睡前或起床或午休任务；

步骤三：结合时间、用户状态和用户习惯生成睡眠场景推荐列表。

睡前：建议就寝时间、物联网设备控制信息(比如关灯)、睡前应用推荐(比如瑜伽冥想)等；

起床：闹钟、推荐音乐或电台、今日天气或空气质量、日程、交通信息、早餐食谱或显示睡眠质量报告等；

午休：闹钟、应用通知待处理提示或下午代办任务提醒等。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，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，均应包含在本发明保护的范围之内。

Claims (8)

1.一种内容推荐的方法，其特征在于，该方法包括：

移动终端获取用户信息及设备信息，输入到训练得到的神经网络中处理后，输出得到紧急通知类、即时推送类及组合推荐类三个类别的内容；

移动终端对于紧急通知类的内容和即时推送类的内容，直接且即时地推荐给用户；

移动终端对于组合推荐类的内容根据用户信息在设定时间段内生成对应的任务推荐给用户；

移动终端将组合推荐类的内容设置在推荐列表中，推荐列表根据时间顺序将组合推荐类的内容对应的任务推荐给用户。

2.如权利要求1所述的方法，其特征在于，所述用户信息包括：用户的应用使用偏好信息、对于内容的偏好信息、用户地理位置信息及规划信息、和应用内用户偏好信息中的一种或多种组合；

所述用户信息还包括用户状态信息；

所述设备信息包括：设备应用属性及来自设备或者应用的所有推送信息。

3.如权利要求1所述的方法，其特征在于，所述获取用户信息及设备信息，输入到训练得到的神经网络中处理之前，还包括：

对用户信息及设备信息进行预处理。

4.如权利要求1所述的方法，其特征在于，所述紧急通知类的内容采用弹窗方式推荐给用户；

所述即时推送类的内容采用通知中心、横幅或/和锁屏方式推荐给用户。

5.一种内容推荐的系统，其特征在于，该系统包括：信息获取单元、智能分类单元及智能推送单元，其中，

信息获取单元，用于获取用户信息及设备信息；

智能分类单元，用于将用户信息及设备信息输入到训练得到的神经网络中处理后，输出得到紧急通知类、即时推送类及组合推荐类三个类别的内容；

智能推送单元，用于对于紧急通知类的内容和即时推送类的内容，直接且即时地推荐给用户；对于组合推荐类的内容根据用户信息在设定时间段内生成对应的任务推荐给用户；

所述智能分类单元，还用于将组合推荐类的内容设置在推荐列表中，推荐列表根据时间顺序将组合推荐类的内容对应的任务推荐给用户。

6.如权利要求5所述的系统，其特征在于，所述信息获取单元包括：设备信息获取模块、用户信息获取模块及用户状态识别模块，其中，

设备信息获取模块，用于获取设备应用属性及来自设备或者应用的所有推送信息；

用户信息获取模块，用于获取用户的应用使用偏好信息、对于内容的偏好信息、用户地理位置信息及规划信息、和应用内用户偏好信息中的一种或多种组合；

用户状态识别模块，用于获取用户状态信息。

7.如权利要求5所述的系统，其特征在于，所述智能分类单元包括：预处理模块及神经网络模块，其中，

预处理模块，用于对用户信息及设备信息进行预处理；

神经网络模块，用于将经过了预处理的用户信息及设备信息输入到训练得到的神经网络中处理后，输出得到紧急通知类、即时推送类及组合推荐类三个类别的内容。

8.如权利要求5所述的系统，其特征在于，所述智能推送单元包括用户习惯分析模块及自产内容生成模块，其中，

用户习惯分析模块，用于对用户信息进行分析；

自产内容生成模块，用于根据分析的用户信息对组合推荐类的内容进行对应的任务建立及设定时间段，在设定时间段内将所建立的对应任务推荐给用户。

Images