CN111259245B - 作品推送方法、装置及存储介质 - Google Patents
作品推送方法、装置及存储介质 Download PDFInfo
- Publication number
- CN111259245B CN111259245B CN202010046143.1A CN202010046143A CN111259245B CN 111259245 B CN111259245 B CN 111259245B CN 202010046143 A CN202010046143 A CN 202010046143A CN 111259245 B CN111259245 B CN 111259245B
- Authority
- CN
- China
- Prior art keywords
- work
- target
- grade
- target work
- user
- 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.)
- Active
Links
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
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/40—Information retrieval; Database structures therefor; File system structures therefor of multimedia data, e.g. slideshows comprising image and additional audio data
- G06F16/43—Querying
- G06F16/435—Filtering based on additional data, e.g. user or group profiles
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)
- Multimedia (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开了一种作品推送方法、装置及存储介质,涉及信息处理技术领域。该方法可以根据获取到目标作品的属性信息,以及上传该目标作品的用户的用户信息,确定该目标作品的作品等级。之后,可以根据该作品等级确定该目标作品的曝光量,进而根据该目标作品的曝光量,将该目标作品推送至满足推送条件的至少一个目标客户端。由于该方法可以自动确定目标作品的作品等级,无需人工确定,提高了确定作品等级的效率,从而提高了确定目标作品的曝光量的效率,进而提高了推送目标作品的效率。
Description
技术领域
本申请涉及信息处理技术领域,特别涉及一种作品推送方法、装置及存储介质。
背景技术
用户可以在社交类或资讯类等客户端上发布作品以供终端上安装有该客户端的其他用户查看。其中,用户发布的作品可以为文字、图片、视频或音乐中的至少一种。
相关技术中,用户在该客户端上申请发布作品时,该客户端的后台服务器可以获取到该用户申请发布的作品。工作人员可以根据该后台服务器获取到的作品的内容和质量,确定该作品的作品等级。后台服务器进而可以根据确定出的作品的作品等级,确定作品的曝光量。最后,该后台服务器可以根据该作品的曝光量,将该作品推送至客户端以进行显示。
但是,由于作品的作品等级需要通过人工确定,因此推送作品的效率较低。
发明内容
本申请提供了一种作品推送方法、装置及存储介质,可以解决相关技术中推送作品的效率较低的问题。所述技术方案如下:
一方面,提供了一种作品推送方法,应用于服务器,所述方法包括:
获取目标作品的属性信息,以及上传所述目标作品的用户的用户信息;
将所述属性信息和所述用户信息输入等级检测模型,得到所述等级检测模型确定出的所述目标作品的初始作品等级,其中,所述等级检测模型基于已确定初始作品等级的样本作品的属性信息样本和用户信息样本训练得到;
根据所述目标作品的初始作品等级,确定所述目标作品的曝光量;
按照所述目标作品的曝光量,将所述目标作品推送至满足推送条件的至少一个目标客户端,其中,所述属性信息包括:分类标签,所述用户信息包括:身份信息,所述推送条件包括下述条件中的至少一种:
所述目标客户端上登录的用户的身份信息,与上传所述目标作品的用户的身份信息的相似度大于第一相似度阈值;
所述目标客户端上登录的用户发布的作品的分类标签,与所述目标作品的分类标签的相似度大于第二相似度阈值;
所述目标客户端上登录的用户的兴趣标签,与所述目标作品的分类标签的相似度大于第三相似度阈值。
可选的,在将所述属性信息和所述用户信息输入等级检测模型,得到所述等级检测模型确定出的所述目标作品的初始作品等级之前,所述方法还包括:
对所述目标作品的内容进行检测,得到所述目标作品的内容信息;
所述将所述属性信息和所述用户信息输入等级检测模型,得到所述等级检测模型确定出的所述目标作品的初始作品等级,包括:
将所述属性信息,所述用户信息,以及所述内容信息输入等级检测模型,得到所述等级检测模型确定出的所述目标作品的初始作品等级。
可选的,所述等级检测模型包括:打分子模型和确定等级子模型;所述将所述属性信息和所述用户信息输入等级检测模型,得到所述等级检测模型确定出的所述目标作品的初始作品等级,包括:
采用打分子模型对所述目标作品进行打分,得到所述目标作品的分数;
将所述目标作品的分数输入所述确定等级子模型,得到所述确定等级子模型输出的所述目标作品的初始作品等级。
可选的,在所述按照所述目标作品的曝光量,将所述目标作品推送至满足所述推动条件的至少一个目标客户端之后,所述方法还包括:
获取所述目标作品的互动信息;
将所述目标作品的初始作品等级和所述互动信息输入所述等级更新模型,得到所述等级更新模型确定出的所述目标作品的更新作品等级,其中,所述等级更新模型基于已确定更新作品等级的样本作品的初始作品等级样本和互动信息样本训练得到;
根据更新后的所述目标作品的更新作品等级,确定所述目标作品的曝光增量;
按照所述目标作品的曝光增量,将所述目标作品推送至满足所述推送条件的至少一个目标客户端。
可选的,在所述将所述属性信息和所述用户信息输入等级检测模型,得到所述等级检测模型确定出的所述目标作品的初始作品等级之前,所述方法还包括:
获取多个样本数据,每个所述样本数据包括:所述样本作品的属性信息样本,用户信息样本,以及所述样本作品的初始作品等级;
对所述多个样本数据进行模型训练,得到所述等级检测模型。
另一方面,提供了一种作品推送装置,应用于服务器,所述装置包括:
第一获取模块,用于获取目标作品的属性信息,以及上传所述目标作品的用户的用户信息;
第一确定模块,用于将所述属性信息和所述用户信息输入等级检测模型,得到所述等级检测模型确定出的所述目标作品的初始作品等级,其中,所述等级检测模型基于已确定初始作品等级的样本作品的属性信息样本和用户信息样本训练得到;
第二确定模块,用于根据所述目标作品的初始作品等级,确定所述目标作品的曝光量;
第一推送模块,用于按照所述目标作品的曝光量,将所述目标作品推送至满足推送条件的至少一个目标客户端,其中,所述属性信息包括:分类标签,所述用户信息包括:身份信息,所述推送条件包括下述条件中的至少一种:
所述目标客户端上登录的用户的身份信息,与上传所述目标作品的用户的身份信息的相似度小于第一相似度阈值;
所述目标客户端上登录的用户发布的作品的分类标签,与所述目标作品的分类标签的相似度小于第二相似度阈值;
所述目标客户端上登录的用户的兴趣标签,与所述目标作品的分类标签的相似度小于第三相似度阈值。
可选的,所述装置还包括:
检测确定模块,用于对所述目标作品的内容进行检测,得到所述目标作品的内容信息;
所述第一确定模块,用于:
将所述属性信息,所述用户信息,以及所述内容信息输入等级检测模型,得到所述等级检测模型确定出的所述目标作品的初始作品等级。
可选的,所述等级检测模型包括:打分子模型和确定等级子模型;所述第一确定模块,包括:
第一确定子模块,用于采用打分子模型对所述目标作品进行打分,得到所述目标作品的分数;
第二确定子模块,用于将所述目标作品的分数输入所述确定等级子模型,得到所述确定等级子模型输出的所述目标作品的初始作品等级。
又一方面,提供了一种作品推送装置,所述装置包括:处理器、存储器以及存储在所述存储器上并可在所述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方面所述的作品推送方法。
再一方面,提供了一种计算机可读存储介质,所述计算机可读存储介质中存储有指令,当所述计算机可读存储介质在计算机上运行时,使得所述计算机执行如上述方面所述的作品推送方法。
本申请提供的技术方案带来的有益效果至少包括:
本申请提供了一种作品推送方法、装置及计算机存储介质,该方法可以根据获取到目标作品的属性信息,以及上传该目标作品的用户的用户信息,确定该目标作品的作品等级。之后,可以根据该作品等级确定该目标作品的曝光量,进而根据该目标作品的曝光量,将该目标作品推送至满足推送条件的至少一个目标客户端。由于该方法可以自动确定目标作品的作品等级,无需人工确定,提高了确定作品等级的效率,从而提高了确定目标作品的曝光量的效率,进而提高了推送目标作品的效率。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,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,还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的作品推荐方法的应用场景的示意图;
图2是本申请实施例提供的一种作品推送方法的流程图;
图3是本申请实施例提供的另一种作品推送方法的流程图;
图4是本申请实施例提供的一种确定目标作品的初始作品等级的方法流程图;
图5是本申请实施例提供的一种作品推送装置的结构示意图;
图6是本申请实施例提供的另一种作品推送装置的结构示意图;
图7是本申请实施例提供的一种第一确定模块的结构示意图;
图8是本申请实施例提供的再一种作品推送装置的结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合附图对本申请实施方式作进一步地详细描述。
请参考图1,其示出了本申请实施例提供的作品推荐方法的应用场景的示意图。参考图1,该实施环境可以包括服务器01以及一个或多个终端02(例如图1中示出了2个终端02)。每个终端02均可以通过有线或无线的方式与该服务器02建立通信连接。
其中,该终端02可以为智能手机、平板电脑、MP4(moving picture experts groupaudio layer IV,动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机或者台式计算机等。并且,每个终端02中可以安装有社交类或资讯类等信息交互类的客户端021(该客户端也可以称为应用程序)。该服务器01可以是一台服务器,或者由若干台服务器组成的服务器集群,或者是一个云计算服务中心。并且,该服务器01可以为该终端02中安装的客户端021的后台服务器。
在本申请实施例中,用户可以在客户端上发布作品。用户在客户端上申请发布作品时,服务器01可以先获取到该作品的属性信息,以及用户信息。之后,服务器可以根据该属性信息和用户信息,确定该用户申请发布的作品的作品等级。然后服务器可以根据该作品等级确定出的作品的曝光量,将该作品推送至其他客户端,以供其他客户端上登录的用户查看。
由于可以自动确定获取到的作品的作品等级,无需人工确定,提高了确定作品等级的效率,从而提高了确定作品的曝光量的效率,进而提高了推送作品的效率。
图2是本申请实施例提供的一种作品推送方法的流程图。该作品推送方法可以应用于图1所示的服务器01中。参考图2可以看出,该方法可以包括:
步骤101、获取目标作品的属性信息,以及上传目标作品的用户的用户信息。
该目标作品可以为用户在客户端上申请发布的,该用户在客户端上申请发布该目标作品时,客户端可以将该目标作品发送至服务器。服务器进而可以获取到该目标作品的属性信息,以及上传该目标作品的用户(该上传目标作品的用户也可以称为申请发布目标作品的用户)的用户信息。其中,该目标作品的属性信息可以是客户端发送至服务器的,上传目标作品的用户的用户信息可以是服务器从自身的用户信息数据库中获取的。
可选的,目标作品的属性信息可以包括:分类标签。该分类标签可以用于指示作品的类型。当然,该目标作品的属性信息还可以包括:发布时间,话题标签,以及标题标签中的至少一种。其中,该话题标签可以用于指示该目标作品是否带话题,该标题标签可以用于指示该目标作品是否带标题。
上传目标作品的用户的用户信息可以包括:身份信息。其中,该身份信息可以包括:性别,年龄,国籍以及常驻地中的至少一种。当然,该用户信息还可以包括:用户的关注者(也可以称为粉丝)数量,白名单标签,作品总发布量,以及活跃度中的至少一种。其中,作品总发布量可以用于表示用户发布的作品的总数量。用户的活跃度可以用于表示用户发布作品的频率。该白名单标签可以用于指示用户是否为白名单用户。服务器可以自动配置生成白名单列表,该白名单列表中可以记录有白名单用户的标识。
步骤102、将属性信息和用户信息输入等级检测模型,得到等级检测模型确定出的目标作品的初始作品等级。
该等级检测模型可以基于已确定初始作品等级的样本作品的属性信息样本和用户信息样本训练得到。例如,该等级检测模型可以基于样本作品的属性信息样本,用户信息样本以及该样本作品实际的初始作品等级进行训练得到的。
在本申请实施例中,该目标作品的初始作品等级可以用于表征该目标作品的质量。目标作品的质量越高,则目标作品的初始作品等级越高;目标作品的质量越低,则目标作品的初始作品等级越低。其中,目标作品的初始作品等级也可以称为目标作品的优先级。
服务器在将目标作品的属性信息和用户信息输入等级检测模型之后,该等级检测模型可以根据获取到的该目标作品的属性信息,以及上传该目标作品的用户信息,为该目标作品进行打分。之后,再根据该目标作品的分数确定该目标作品的初始作品等级。其中,目标作品的分数越高,说明目标作品的质量越高,等级检测模型确定出的该目标作品的初始作品等级越高;目标作品的分数越低,说明目标作品的质量越低,等级检测模型确定出的该目标作品的初始作品等级越低。
示例的,等级检测模型中可以预先存储有分数范围与作品等级的关系列表。当等级检测模型根据该目标作品的属性信息,以及上传该目标作品的用户信息,为该目标作品进行打分之后,该等级检测模型可以根据对该目标作品进行打分的分数,确定该目标作品的分数所处的目标分数范围。之后,等级检测模型再根据该分数范围与作品等级的关系列表,将该目标分数范围对应的作品等级确定为该目标作品的初始作品等级。
步骤103、根据目标作品的初始作品等级,确定目标作品的曝光量。
服务器在根据等级检测模型确定出目标作品的初始作品等级之后,可以根据该目标作品的初始作品等级,确定出该目标作品的曝光量。其中,目标作品的曝光量可以等于服务器推送目标作品至目标客户端的目标客户端数量。
通常情况下,目标作品的曝光量与目标作品的初始作品等级正相关。也即是,等级检测模型确定出的目标作品的初始作品等级越高,服务器确定出的该目标作品的曝光量越高;目标作品的初始作品等级越低,服务器确定出的该目标作品的曝光量越低。
步骤104、按照目标作品的曝光量,将目标作品推送至满足推送条件的至少一个目标客户端。
服务器可以根据该目标作品的曝光量,将该目标作品推送至与该目标作品的曝光量相同数量的目标客户端。
在本申请实施例中,目标客户端所需满足的推送条件可以包括下述条件中的至少一种:
目标客户端上登录的用户的身份信息,与上传目标作品的用户的身份信息的相似度大于第一相似度阈值;目标客户端上登录的用户发布的作品的分类标签,与目标作品的分类标签的相似度大于第二相似度阈值;目标客户端上登录的用户的兴趣标签,与目标作品的分类标签的相似度大于第三相似度阈值。
其中,用户的兴趣标签可以用于指示用户感兴趣的作品的类型。该作品的分类标签以及该用户的兴趣标签均可以包括:人物,风景,搞笑,才艺表演,晒娃,聚会,交通工具,电影,以及明星影视中的至少一种。第一相似度阈值,第二相似度阈值,以及第三相似度阈值可以均是服务器预先配置的,也可以是操作人员根据实际情况设置的,本申请实施例对此不做限定。并且,该第二相似度阈值与第三相似度阈值可以相同,也可以不同。
服务器在将目标作品推送至满足推送条件的至少一个目标客户端之前,服务器可以先确定至少一个客户端上登录的用户的身份信息,该至少一个客户端上登录的用户的身份信息也可以包括:性别,年龄,国籍以及常驻地中的至少一种。或者,可以先确定出至少一个客户端上登录的用户发布的作品的分类标签。又或者,可以先确定出至少有一个客户端上登录的用户的兴趣标签。
若服务器确定出某个客户端上登录的用户的身份信息,与上传目标作品的用户的用户信息相似度较高,则服务器可以优先将该目标作品推送至该客户端,该客户端即为目标客户端。若服务器确定出某个客户端上登录的用户发布的作品的分类标签,用于目标作品的分类标签的相似度较高,则服务器可以优先将该目标作品推送至该客户端,该客户端即为目标客户端。又或者,若服务器确定出某个客户端上登录的用户的兴趣标签,与目标作品的分类标签的相似度较高,则服务器可以优先将该目标作品推送至该客户端,该客户端即为目标客户端。
综上所述,本申请实施例提供了一种作品推送方法,该方法可以根据获取到目标作品的属性信息,以及上传该目标作品的用户的用户信息,确定该目标作品的作品等级。之后,可以根据该作品等级确定该目标作品的曝光量,进而根据该目标作品的曝光量,将该目标作品推送至满足推送条件的至少一个目标客户端。由于该方法可以自动确定目标作品的作品等级,无需人工确定,提高了确定作品等级的效率,从而提高了确定目标作品的曝光量的效率,进而提高了推送目标作品的效率。
并且,由于将目标作品推送至的目标客户端上登录的用户的身份信息,与上传目标作品的用户的身份信息相似度较高,和/或,将目标作品推送至的目标客户端上登录的用户发布的作品的分类标签,与目标作品的分类标签的相似度较高,和/或,将目标作品推送至的目标客户端上登录的用户的兴趣标签,与目标作品的分类标签的相似度较高,因此本申请实施例提供的作品推送方法可以提高目标作品被点击的概率,提高了用户体验和用户黏度。
图3是本申请实施例提供的另一种作品推送方法的流程图。该作品推送方法可以应用于图1所示的服务器01中。参考图3可以看出,该方法可以包括:
步骤201、获取多个样本数据。
每个样本数据可以包括:样本作品的属性信息样本,用户信息样本,以及样本作品的初始作品等级。
其中,该样本作品的属性信息样本可以包括:发布时间,话题标签,以及标题标签中的至少一种。其中,该话题标签可以用于指示该样本作品是否带话题,该标题标签可以用于指示样本作品是否带标题。
上传该样本作品的用户的用户信息可以包括:用户的关注者(也可以称为粉丝)数量,白名单标签,作品总发布量,以及活跃度中的至少一种。其中,作品总发布量可以用于表示用户发布的作品的总数量。用户的活跃度可以用于表示用户发布作品的频率。该白名单标签可以用于指示用户是否为白名单用户。服务器可以自动配置生成白名单列表,该白名单列表中可以记录有白名单用户的标识。
通常情况下,样本作品的初始作品等级,与发布时间的早晚负相关,与用户的关注者数量正相关,与用户的作品总发布量正相关,与用户的活跃度正相关。并且,待话题的样本作品相对于不带话题的样本作品的初始作品等级高,带标题的样本作品相对于不带标题的样本作品的初始作品等级高,白名单用户上传的样本作品相对于非白名单用户上传的样本作品的初始作品等级高。
在本申请实施例中,每个样本作品的初始作品等级可以是服务器从其自身的作品数据库中获取的。或者,可以人工确定每个样本作品的初始作品等级,该人工确定出的样本作品的初始作品等级可以存储在服务器中,服务器即可获取到该样本作品的初始作品等级。
步骤202、对多个样本数据进行模型训练,得到等级检测模型。
在本申请实施例中,服务器可以采用神经网络对获取的多个样本作品的样本数据进行模型训练,得到该等级检测模型。例如,服务器可以采用神经网络对获取的样本作品的属性信息,上传该样本作品的用户的用户信息,以及该样本作品实际的初始作品等级进行模型训练,得到该等级检测模型。
可选的,服务器可以将样本作品的属性信息样本和用户信息样本输入至初始模型中,并获取该初始模型输出的初始等级。之后,服务器可以基于该初始等级和该样本作品的初始作品等级构造损失函数,并可以通过反向传递的方式更新该初始模型中的参数,直至该损失函数收敛,即可得到该等级检测模型。
可选的,该等级检测模型可以包括打分子模型和确定等级子模型。相应的,在上述对等级检测模型进行训练的过程中,该初始模型可以包括两个初始子模型。
步骤203、获取目标作品的属性信息,以及上传目标作品的用户的用户信息。
在本申请实施例中,目标作品可以为用户在客户端上申请发布的,用户在客户端上申请发布作品时,服务器可以获取该目标作品的属性信息,以及上传目标作品的用户的用户信息。
可选的,目标作品的属性信息可以包括:分类标签。该分类标签可以用于指示目标作品的类型。当然,该目标作品的属性信息还可以包括:发布时间,话题标签,以及标题标签中的至少一种。其中,该话题标签可以用于指示该目标作品是否带话题,该标题标签可以用于指示该目标作品是否带标题。
上传目标作品的用户的用户信息可以包括:身份信息。该身份信息可以包括:性别,年龄,国籍以及常驻地中的至少一种。当然,上传该目标作品的用户的用户信息还可以包括:用户的关注者数量,白名单标签,作品总发布量,以及活跃度中的至少一种。
示例的,服务器获取到的目标作品的发布时间可以为2019年1月1日,该目标作品带话题,该目标作品不带标题。并且,该服务器还可以获取到申请发布该目标作品的用户的关注者数量为500,该用户为非白名单用户。
步骤204、对目标作品的内容进行检测,得到目标作品的内容信息。
用户在客户端上申请发布目标作品之后,服务器可以获取到该用户申请发布的目标作品,并且,服务器可以对该目标作品的内容进行检测,从而可以得到该目标作品的内容信息。
可选的,若该目标作品为视频,则服务器得到的该目标作品的内容信息可以包括:清晰度,人像占比,文字占比,商标占比,以及场景数量中的至少一种。其中,清晰度可以用于表示目标作品的细节纹理及其边界的清晰程度。人像占比可以用于表示该目标作品包括的多帧图像中,包含人像的图像的帧数与该目标作品的总帧数的比值。文字占比可以用于表示该目标作品包括的多帧图像中,包含文字图像的帧数与该目标作品的总帧数的比值。商标占比可以用于表示该目标作品包括的多帧图像中,包含商标(logo)图像的帧数与该目标作品的总帧数的比值。场景数量可以用于表示目标作品中的场景的数量。
服务器中可以预先存储有对该目标作品的内容进行检测的内容检测算法。该内容检测算法可以包括:人脸识别算法,文字检测算法以及图像处理算法。该人脸识别算法可以用于检测目标作品包括的多帧图像中,每帧图像是否包含人脸,以及用于统计包含人脸的图像的帧数。该文字检测算法可以用于检测目标作品包括的多帧图像中,每帧图像是否包含文字,以及用于统计包含文字的图像的帧数。服务器中可以预先存储有多种商标图片,该图像处理算法可以用于检测目标作品包括的多帧图像中,每帧图像是否包含预先存储的商标图像,以及用于统计包含商标的图像的帧数。该图像处理算法还可以用于检测目标作品包括的多帧图像中,每帧图像的场景,并确定该目标作品的多帧图像包括的场景总数。
当然,该目标作品还可以为文字,图片或音频,本申请实施例对目标作品的类型不做限定。其中,若该目标作品为文字,则服务器得到的该目标作品的内容信息可以包括:文字总数和文字大小中的至少一种。若该目标作品为图片,则服务器得到的该目标作品的内容信息可以包括:清晰度,人像占比,文字占比,以及商标占比中的至少一种。若该目标作品为音频,则服务器得到的该目标作品的内容信息可以包括:音质和频率中的至少一种。
步骤205、将属性信息,用户信息,以及内容信息输入等级检测模型,得到等级检测模型确定出的目标作品的初始作品等级。
在本申请实施例中,等级检测模型确定出的目标作品的初始作品等级,可以与发布时间的早晚负相关,与用户的关注者数量正相关,与用户的作品总发布量正相关,与用户的活跃度正相关。
也即是,目标作品的发布时间越早,等级检测模型确定出的目标作品的初始作品等级越低,目标作品的发布时间越晚,等级检测模型确定出的目标作品的初始作品等级越高。用户的关注者数量越高,等级检测模型确定出的目标作品的初始作品等级越高,用户的关注者数量越低,等级检测模型确定出的目标作品的初始作品等级越低。用户的作品总发布量越高,等级检测模型确定出的目标作品的初始作品等级越高,用户的作品总发布量越低,等级检测模型确定出的目标作品的初始作品等级越低。用户的活跃度越高,等级检测模型确定出的目标作品的初始作品等级越高,用户的活跃度越低,等级检测模型确定出的目标作品的初始作品等级越低。
并且,等级检测模型确定出的带话题的目标作品相对于不带话题的目标作品的初始作品等级高,等级检测模型确定出的带标题的目标作品相对于不带标题的目标作品的初始作品等级高,等级检测模型确定出的白名单用户上传的目标作品相对于非白名单用户上传的目标作品的初始作品等级高。
示例的,用户在客户端上注册账号的当天申请发布的目标作品带话题且带标题,则等级检测模型确定出的该目标作品的初始作品等级较高。用户的关注者数量大于500,则等级检测模型确定出的该用户发布的目标作品的初始作品等级较高。若用户的目标作品发布后被其他用户投诉,则等级检测模型确定出的该目标作品的初始作品等级较低,且该用户后续发布的其他作品的初始作品等级也较低。
当该目标作品为视频时,等级检测模型确定出的目标作品的初始作品等级,还可以与清晰度正相关,与人像占比正相关,与文字占比负相关,与商标占比负相关,与场景数量正相关。也即是,目标作品的清晰度越高,等级检测模型确定出的目标作品的初始作品等级越高,目标作品的清晰度越低,等级检测模型确定出的目标作品的初始作品等级越低。等级检测模型确定出的带人像的目标作品相对于不带人像的目标作品的初始作品等级高。目标作品的文字占比越高,等级检测模型确定出的目标作品的初始作品等级越低,目标作品的文字占比越低,等级检测模型确定出的目标作品的初始作品等级越高。等级检测模型确定出的带商标的目标作品相对于不带商标的目标作品的初始作品等级低。目标作品的场景数量越多,等级检测模型确定出的目标作品的初始作品等级越高,目标作品的场景数量越少,等级检测模型确定出的目标作品的初始作品等级越低。
示例的,等级检测模型确定出的纯文本的目标作品的初始作品等级较低;等级检测模型确定出的高清的视频的相对于模糊的图片的初始作品等级高(一方面,高清的视频的清晰度比模糊的图片的清晰度高,另一方面,高清的视频的场景数量比模糊的图片的场景数量多);等级检测模型确定出的带人像的视频相对于不带人像的视频的初始作品等级低;若目标作品中包含有敏感内容,则等级检测模型确定出的该目标作品的初始作品等级低,且发布该目标作品的用户后续发布的其他作品的初始作品等级低;则等级检测模型确定出的单一场景和单一背景的目标作品相对于多个场景和多个背景的目标作品的初始作品等级低。
需要说明的是,本申请实施例提供的等级检测模型可以包括:打分子模型和确定等级子模型。参考图4,上述步骤205可以包括:
步骤2051、采用打分子模型对目标作品进行打分,得到目标作品的分数。
该打分子模型可以基于已确定初始作品等级的样本作品的属性信息样本,用户信息样本以及内容信息样本训练得到。例如,该打分子模型可以基于样本作品的属性信息样本,用户信息样本,内容信息样本以及样本作品的分数训练得到。其中,可以人工对每个样本作品进行打分,该人工确定出的样本作品的分数存储在服务器中,服务器即可获取该样本作品的分数。
服务器可以将目标作品的属性信息,上传该目标作品的用户的用户信息,以及内容信息输入该打分子模型,该打分子模型可以根据获取到的该目标作品的属性信息,用户信息,以及内容信息,为该目标作品进行打分,得到该目标作品的分数。
示例的,假设作品的总分数为100分,打分子模型可以根据目标作品的发布时间与当前时间的差值,确定该目标作品的分数。例如,目标作品的发布时间与当前时间的差值每多3天扣1分,最多扣100分。
打分子模型还可以根据上传目标作品的用户的活跃度,确定目标作品的分数。例如,若上传目标作品的用户最近一个月每上传一个作品加10分,则确定出的目标作品的分数可以等于10×最近一个月上传作品的总数。
若打分子模型确定出用户在客户端上注册账号的当天发布的目标作品带话题,则该目标作品的分数越高。其中,若话题描述中文字数量大于或等于20个字,则目标作品的分数为100分,若话题描述中文字数量大于或等于10个字且小于20个字,则目标作品的分数为50分,若话题描述中文字数量小于10个字,则目标作品的分数等于5×文字数量。
若打分子模型确定出上传目标作品的用户发布的作品的总数量越多,目标作品的分数越高,其中每个作品为1分,即目标作品的分数可以等于上传该目标作品的用户发布的作品的总数量。
若打分子模型确定出上传目标作品的用户被举报,则该目标作品的分数越低,且被举报一次扣50分。若打分子模型确定出目标作品带标题,且标题描述中文字数量大于或等于20个字,则目标作品的分数为100分。若标题描述中文字数量大于或等于10个字且小于20个字,则目标作品的分数为50分。若标题描述中文字数量小于10个字,则目标作品的分数等于5×文字数量。
若打分子模型确定出上传目标作品的用户的关注者数量越多,则该目标作品的分数越高,其中,上传目标作品的用户每增加10个关注者,该目标作品的分数增加1分。
步骤2052、将目标作品的分数输入确定等级子模型,得到确定等级子模型输出的目标作品的初始作品等级。
该确定等级子模型可以基于已确定初始作品等级的样本作品的分数训练得到。例如,该确定等级子模型可以基于样本作品的分数,以及样本作品实际的初始作品等级训练得到。
在本申请实施例中,该确定等级子模型在获取到目标作品的分数之后,可以根据该目标作品的分数确定该目标作品的初始作品等级。
可选的,确定等级子模型中可以预先存储有分数范围与作品等级的关系列表。当服务器根据打分子模型确定出目标作品的分数之后,确定等级子模型可以根据该目标作品的分数,确定该目标作品的分数所处的目标分数范围。之后,确定等级子模型再根据分数范围与作品等级的关系列表,将该目标分数范围对应的作品等级确定为该目标作品的初始作品等级。
示例的,假设确定等级子模型中预先存储有三个分数范围与三个作品等级的关系列表,其中,分数范围80至100对应的初始作品等级为第一作品等级,分数范围为50至79对应的初始作品等级为第二作品等级,分数范围为20至49对应的初始作品等级为第三作品等级。若打分子模型根据该目标作品的属性信息,上传该目标作品的用户信息,以及目标作品的内容信息,为该目标作品进行打分的分数为45分,则确定等级子模型可以根据分数范围与作品等级的关系列表,确定出该目标作品的初始作品等级为第三作品等级。
步骤206、根据目标作品的作品等级,确定目标作品的曝光量。
在本申请实施例中,服务器在得到该目标作品的初始作品等级之后,可以根据该目标作品的初始作品等级,以及预先存储的作品等级与曝光量的关系列表,确定该目标作品的曝光量。通常情况下,目标作品的曝光量与等级检测模型确定出的目标作品的初始作品等级正相关。也即是,等级检测模型确定出的目标作品的初始作品等级越高,服务器确定出的该目标作品的曝光量越高;等级检测模型确定出的目标作品的初始作品等级越低,服务器确定出的该目标作品的曝光量越低。
示例的,假设服务器中预先存储有三个作品等级与三个曝光量的关系列表,该第一作品等级对应的曝光量为800,第二作品等级对应的曝光量为500,第三作品等级的曝光量为300。若服务器确定出该目标作品的初始作品等级为第三作品等级,则服务器可以根据该目标作品的第三作品等级,确定出该目标作品的曝光量为300。
步骤207、按照目标作品的曝光量,将目标作品推送至满足推送条件的至少一个目标客户端。
服务器可以根据目标作品的曝光量,将该目标作品推送至与该目标作品的曝光量相同数量的目标客户端。
在本申请实施例中,目标客户端所需满足的推送条件可以包括下述条件中的至少一种:
目标客户端上登录的用户的身份信息,与上传目标作品的用户的身份信息的相似度大于第一相似度阈值;目标客户端上登录的用户发布的作品的分类标签,与目标作品的分类标签的相似度大于第二相似度阈值;目标客户端上登录的用户的兴趣标签,与目标作品的分类标签的相似度大于第三相似度阈值。
其中,第一相似度阈值,第二相似度阈值,以及第三相似度阈值可以均是服务器预先配置的,也可以是操作人员根据实际情况设置的,本申请实施例对此不做限定。并且,该第二相似度阈值与第三相似度阈值可以相同,也可以不同。
作为一种可选的实现方式,若服务器获取的用户信息包括:身份信息。则上述步骤207可以包括:根据目标用户的身份信息和目标作品的曝光量,将目标作品推送至至少一个目标客户端。
其中,至少一个目标客户端上登录的用户的身份信息,与上传目标作品的用户的用户信息的相似度大于第一相似度阈值。该用户的身份信息可以包括:性别,年龄,国籍以及常驻地中的至少一种。
服务器在将目标作品推送至至少一个目标客户端之前,服务器可以先确定出至少一个客户端上登录的用户的身份信息,该至少一个客户端上登录的用户的身份信息也可以包括:性别,年龄,国籍以及常驻地中的至少一种。若服务器确定出某个客户端上登录的用户的身份信息,与上传目标作品的用户的用户信息相似度较高,则服务器可以优先将该目标作品推送至该客户端,该客户端即为目标客户端。
由于将目标作品推送至的目标客户端上登录的用户的身份信息,与上传目标作品的用户的身份信息相似度较高,因此可以提高该目标作品被点击的概率,提高了用户体验和用户黏度。
示例的,若服务器获取到的上传目标作品的用户的性别为女,年龄为30岁,国籍为中国,常驻地为北京,则服务器可以将该目标作品推送至少一个目标客户端,该至少一个目标客户端上登录的用户的性别为女,年龄为30岁,国籍为中国,常驻地为北京。
作为另一种可选的实现方式,若服务器获取到的目标作品的属性信息还包括:分类标签。则上述步骤207可以包括:根据目标作品的分类标签和目标作品的曝光量,将目标作品推送至至少一个目标客户端。
其中,目标客户端上登录的用户满足下述条件中的至少一种:用户发布的作品的分类标签,与目标作品分类标签的相似度大于第二相似度阈值;用户的兴趣标签,与目标作品的分类标签的相似度大于第三相似度阈值。
在本申请实施例中,作品的分类标签可以用于指示作品的类型,用户的兴趣标签可以用于指示用户感兴趣的作品的类型。该分类标签可以是用户在发布作品时自行设置的,或者,该分类标签可以是服务器根据作品的内容分配的。该兴趣标签可以是用户自行设置的,或者,该兴趣标签可以是服务器根据该用于历史浏览的作品的类型确定的。并且,该作品的分类标签以及该用户的兴趣标签均可以包括:人物,风景,搞笑,才艺表演,晒娃,聚会,交通工具,电影,以及明星影视中的至少一种。
服务器在将目标作品推送至至少一个目标客户端之前,可以先确定出至少一个客户端上登录的用户发布的作品的分类标签,或者,可以先确定出至少一个客户端上登录的用户的兴趣标签。若服务器确定出某个客户端上登录的用户发布的作品的分类标签,与目标作品的分类标签的相似度较高,则服务器可以优先将该目标作品推送至该客户端,该客户端即为目标客户端。或者,服务器确定出某个客户端上登录的用户的兴趣标签,与目标作品的分类标签的相似度较高,则服务器可以优先将该目标作品推送至该客户端,该客户端即为目标客户端。
由于将目标作品推送至的目标客户端上登录的用户发布的作品的分类标签,与目标作品的分类标签的相似度较高,和/或,将目标作品推送至的目标客户端上登录的用户的兴趣标签,与目标作品的分类标签的相似度较高,因此可以提高该目标作品被点击的概率,提高了用户体验和用户黏度。
需要说明的是,目标作品可以包括一个分类标签,也可以包括多个分类标签,本申请实施例对此不做限定。示例的,假设用户发布的目标作品为萌娃的跳舞视频,则该目标作品的分类标签可以包括:晒娃和才艺表演。
在本发明实施例中,某个客户端上登录的用户发布的作品的分类标签,与目标作品的分类标签的相似度,可以等于该客户端上登录的用户发布的作品的分类标签和目标作品的分类标签中相同标签的个数,与目标作品的分类标签的总数的比值。相应的,某个客户端上登录的用户的兴趣标签,与目标作品的分类标签的相似度,可以等于该客户端上登录的用户的兴趣标签和目标作品的分类标签中相同标签的个数,与目标作品的分类标签的总数的比值。
步骤208、获取目标作品的互动信息。
在本申请实施例中,服务器在将目标作品推送至至少一个目标客户端之后,服务器可以获取该目标作品的互动信息。其中,该互动信息可以包括:总播放量,转发量,评论量,点赞量以及完整播放量中的至少一种。
该目标作品的完整播放量可以用于表示用户完整播放该目标作品的总量。用户播放目标作品的时长与目标作品的总时长的比值大于比值阈值,则可以认为用户完整播放目标作品。可选的,该比值阈值可以为80%。
需要说明的是,服务器可以实时获取目标作品的互动信息,或者服务器可以每隔预设时长获取一次目标作品的互动信息,本申请实施例不做限定。其中,预设时长可以是服务器预先配置的,或者,该预设时长可以是工作人员根据实际情况设置的。服务器每隔预设时长获取一次目标作品的互动信息,相比于实时获取目标作品的互动信息,可以减少服务器的负载,提高获取效率。
步骤209、将目标作品的初始作品等级和互动信息输入等级更新模型,得到等级更新模型确定出的目标作品的更新作品等级。
在本申请实施例中,该等级更新模型可以基于已确定更新作品等级的样本作品的初始作品等级样本和互动信息样本训练得到。例如,该等级更新模型基于样本做的初始作品等级,互动信息,以及更新作品等级训练得到。其中,可以人工确定每个样本作品的更新作品等级,该人工确定出的样本作品的更新作品等级可以存储在服务器中,服务器即可获取到该样本作品的更新作品等级。更新作品等级可以是指对目标作品的初始作品等级更新后的作品等级。并且,等级更新模型的训练过程可以参考上述步骤202中等级检测模型的训练过程,本申请实施例在此不再赘述。
由于该等级更新模型在确定目标作品的更新作品等级时,除了考虑到目标作品的初始作品等级(初始作品等级是基于目标作品的属性信息和上传该目标作品的用户的用户信息确定的),还考虑到该目标作品的互动信息,因此该等级更新模型确定出的该目标作品的更新作品等级更加准确,进而可以提高服务器确定该目标作品的曝光量的准确性。其中,等级更新模型确定出的目标作品的更新作品等级,可以与总播放量正相关,与转发量正相关,与评论量正相关,与点赞量正相关,与完整播放量正相关。
也即是,目标作品的总播放量越高,等级更新模型确定出的目标作品的更新作品等级越高,目标作品的总播放量越低,等级更新模型确定出的目标作品的更新作品等级越低。目标作品的转发量越高,等级更新模型确定出的目标作品的更新作品等级越高,目标作品的转发量越低,等级更新模型确定出的目标作品的更新作品等级越低。目标作品的评论量越高,等级更新模型确定出的目标作品的更新作品等级越高,目标作品的评论量越低,等级更新模型确定出的目标作品的更新作品等级越低。目标作品的完整播放量越高,等级更新模型确定出的目标作品的更新作品等级越高,目标作品的完整播放量越低,等级更新模型确定出的目标作品的更新作品等级越低。
示例的,总播放量与曝光量的比值越高的目标作品,等级更新模型确定出的目标作品的更新作品等级越高。转发量与总播放量的比值越高的目标作品,等级更新模型确定出的目标作品的更新作品等级越高。
在本申请实施例中,目标作品的更新作品等级还与上述步骤205确定出的目标作品的初始作品等级相关。其中,步骤205中的目标作品的初始作品等级可以根据打分子模型对该目标作品进行打分得到的分数确定的。等级更新模型可以包括:重新打分子模型。目标作品的更新作品等级可以根据重新打分子模型重新对该目标作品进行打分得到的分数确定的。其中,该重新打分子模型可以基于打分子模型对样本作品打分的分数样本,样本作品的互动信息样本,以及重新打分的分数进行训练得到的。
可选的,重新打分子模型重新对该目标作品进行打分得到的分数,可以为根据该目标作品的互动信息对该目标作品进行打分得到的加权分数,与打分子模型对该目标作品首次打分得到的分数之和。
其中,目标作品的加权分数可以满足:
目标作品的加权分数=n1×转发率+n2×评论率+n3×点赞率+n4×完整播放率+n5×转发量+n6×评论量+n7×点赞量+n8×完整播发量。该n1可以为转发率的权重,n2可以为评论率的权重,n3可以为点赞率的权重,n4可以为完整播放率的权重,n5可以为转发量的权重,n6可以为评论量的权重,n7可以为点赞量的权重,n8可以为完整播放量的权重。n1至n8的取值可以是服务器预先配置的,或者,该n1至n8的取值是工作人员根据实际情况设置的,本申请实施例对此不做限定。并且,n1至n8可以满足n1>n2>n3>n4,n5>n6>n7>n8。
参考上述目标作品的加权分数的公式可知,在根据该目标作品的互动信息对该目标作品进行打分时,可以在转发率,评论率,点赞率,完整播放率,转发量,评论量,点赞量以及完整播放量分别乘以对应的权重之后求和,将该求和的结果确定为该目标作品的加权分数。
其中,该目标作品的转发率可以是指目标作品的转发量与目标作品的总播放量的比值。目标作品的评论率可以是指目标作品的评论量与目标作品的总播放量的比值。目标作品的点赞率可以是指目标作品的点赞量与目标作品的总播放量的比值。目标作品的完整播放率可以是指目标作品的完整播放量与目标作品的总播放量的比值。
示例的,假设n1=n5=8,n2=n6=4,n3=n7=2,n4==n8=1。则目标作品的加权分数=8×转发率+4×评论率+2×点赞率+1×完整播放率+8×转发量+4×评论量+2×点赞量+1×完整播放量。
在本申请实施例中,等级更新模型还可以包括:重新确定等级子模型。该重新确定等级子模型可以基于已确定更新作品等级的样本作品的重新打分的分数训练得到。例如,该重新确定等级子模型可以基于样本作品的重新打分的分数,以及样本作品实际的更新作品等级训练得到。
当服务器在根据重新打分子模型重新确定该目标作品的分数之后,该重新确定等级子模型可以根据该重新确定的目标作品的分数,确定该目标作品的更新作品等级。
可选的,该重新确定等级子模型中可以预先存储有分数范围与作品等级的关系列表,当服务器根据重新打分子模型确定出目标作品的分数之后,重新确定子模型可以根据该目标作品的分数,确定目标作品的分数所处的目标分数范围。之后,重新确定等级子模型再根据分数范围与作品等级的关系列表,将目标分数范围对应的作品等级确定为该目标作品的更新作品等级。
示例的,若服务器重新确定的目标作品的分数为85分,则重新确定等级子模型可以确定该目标作品的更新作品等级为第一作品等级。
步骤210、根据更新后的目标作品的更新作品等级,确定目标作品的曝光增量。
在本申请实施例中,该曝光增量可以等于更新后的目标作品的更新作品等级的曝光量,与更新前的目标作品的初始作品等级的曝光量的差值。
示例的,步骤205中确定的更新前的目标作品的初始作品等级为第三作品等级,步骤209中确定的更新后的目标作品的初始作品等级为第一作品等级。并且,更新前的目标作品的曝光量为300,更新后的目标作品曝光量为800,则服务器确定出的该目标作品的曝光增量可以等于800-300=500。
需要说明的是,在服务器确定目标作品的曝光增量时,还可以无需先确定该目标作品的更新作品等级,直接根据步骤208中获取到的目标作品的互动信息,确定该目标作品的曝光增量。例如,服务器还可以无需执行步骤209,仅根据步骤208中获取到的互动信息中的完整播放量,确定该目标作品的曝光增量。
示例的,当服务器获取到目标作品的完整播放量大于或等于a时,可以确定该目标作品为受欢迎的作品,服务器直接为该目标作品分配曝光增量b,当服务器获取到的目标作品的完整播放量大于或等于c时,服务器可以继续为该目标作品分配曝光增量d。其中,a可以大于c,b可以大于d。
可选的,a可以等于100,b可以等于50,c可以等于200,d可以等于100。
步骤211、按照目标作品的曝光增量,将目标作品推送至满足推送条件的至少一个目标客户端。
服务器可以根据确定出的目标作品的曝光增量,将目标作品推送至至少一个目标客户端。其中,目标作品的推送方式可以与步骤207中的推送方式相同,本申请实施例在此不再赘述。
需要说明的是,本申请实施例提供的作品推送方法的步骤的先后顺序可以进行适当调整,步骤也可以根据情况进行相应增减,例如,步骤204可以在步骤203之前执行,步骤208至步骤211可以根据实际情况删除。任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化的方法,都应涵盖在本申请的保护范围之内,因此不再赘述。
综上所述,本申请实施例提供了一种作品推送方法,该方法可以根据获取到目标作品的属性信息,以及上传该目标作品的用户的用户信息,确定该目标作品的作品等级。之后,可以根据该作品等级确定该目标作品的曝光量,进而根据该目标作品的曝光量,将该目标作品推送至满足推送条件的至少一个目标客户端。由于该方法可以自动确定目标作品的作品等级,无需人工确定,提高了确定作品等级的效率,从而提高了确定目标作品的曝光量的效率,进而提高了推送目标作品的效率。
并且,由于将目标作品推送至的目标客户端上登录的用户的身份信息,与上传目标作品的用户的身份信息相似度较高,和/或,将目标作品推送至的目标客户端上登录的用户发布的作品的分类标签,与目标作品的分类标签的相似度较高,和/或,将目标作品推送至的目标客户端上登录的用户的兴趣标签,与目标作品的分类标签的相似度较高,因此本申请实施例提供的作品推送方法可以提高目标作品被点击的概率,提高了用户体验和用户黏度。
图5是本申请实施例提供的一种作品推送装置的结构示意图。该装置可以应用于图1所示的服务器01,参考图5可以看出,该装置可以包括:
第一获取模块301,用于获取目标作品的属性信息,以及上传该目标作品的用户的用户信息。
第一确定模块302,用于将属性信息和用户信息输入等级检测模型,得到等级检测模型确定出的目标作品的初始作品等级。其中,该等级检测模型基于已确定初始作品等级的样本作品的属性信息样本和用户信息样本训练得到。
第二确定模块303,用于根据目标作品的初始作品等级,确定目标作品的曝光量。
第一推送模块304,按照目标作品的曝光量,将目标作品推送至满足推送条件的至少一个目标客户端。
其中,该属性信息可以包括:分类标签,该用户信息包括:身份信息。
该推送条件包括下述条件中的至少一种:该目标客户端上登录的用户的身份信息,与上传该目标作品的用户的身份信息的相似度小于第一相似度阈值;该目标客户端上登录的用户发布的作品的分类标签,与该目标作品的分类标签的相似度小于第二相似度阈值;该目标客户端上登录的用户的兴趣标签,与该目标作品的分类标签的相似度小于第三相似度阈值。
图6是本申请实施例提供的另一种作品推送装置的结构示意图。参考图6可以看出,该装置还可以包括:
检测确定模块305,用于对目标作品的内容进行检测,得到目标作品的内容信息。
第一确定模块302,还用于将属性信息,用户信息,以及内容信息输入等级检测模型,得到等级检测模型确定出的目标作品的初始作品等级。
可选的,等级检测模型包括:打分子模型和确定等级子模型。参考图7,第一确定模块302包括:
第一确定子模块3021,用于采用打分子模型对目标作品进行打分,得到目标作品的分数。
第二确定子模块3022,用于将目标作品的分数输入确定等级子模型,得到确定等级子模型输出的目标作品的初始作品等级。
参考图6还可以看出,该装置还可以包括:
第二获取模块306,用于获取目标作品的互动信息。
第三确定模块307,用于将目标作品的初始作品等级和互动信息输入等级更新模型,得到等级更新模型确定出的目标作品的更新作品等级。其中,述等级更新模型基于已确定更新作品等级的样本作品的初始作品等级样本和互动信息样本训练得到。
第四确定模块308,用于根据更新后的目标作品的更新作品等级,确定目标作品的曝光增量。
第二推送模块309,用于按照目标作品的曝光增量,将目标作品推送至满足推送条件的至少一个目标客户端。
可选的,参考图6还可以看出,该装置还可以包括:
第三获取模块310,用于获取多个样本数据。每个样本数据包括:样本作品的属性信息样本,用户信息样本,以及样本作品的初始作品等级。
第五确定模块311,用于对多个样本数据进行模型训练,得到等级检测模型
综上所述,本申请实施例提供了一种作品推送装置,该装置可以根据获取到的多个作品中,每个作品的属性信息,以及上传该作品的用户的用户信息,确定该作品的作品等级。该装置可以根据该作品等级确定该作品的曝光量,该装置进而根据该作品的曝光量,将该作品推送至满足推送条件的至少一个目标客户端。由于该装置可以自动确定作品的作品等级,无需人工确定,提高了确定作品等级的效率,从而提高了确定作品的曝光量的效率,进而提高了推送作品的效率。
并且,由于将目标作品推送至的目标客户端上登录的用户的身份信息,与上传目标作品的用户的身份信息相似度较高,和/或,将目标作品推送至的目标客户端上登录的用户发布的作品的分类标签,与目标作品的分类标签的相似度较高,和/或,将目标作品推送至的目标客户端上登录的用户的兴趣标签,与目标作品的分类标签的相似度较高,因此本申请实施例提供的作品推送装置可以提高目标作品被点击的概率,提高了用户体验和用户黏度。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的装置和模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
图8是本申请实施例提供的又一种作品推送装置的结构示意图,参见图8,该装置400可以包括:处理器401、存储器402以及存储在该存储器402上并可在该处理器上运行的计算机程序,该处理器401执行该计算机程序时可以实现上述方法实施例提供的作品推送方法,例如图2或图3所示的方法。
本申请实施例提供了一种计算机可读存储介质,该计算机可读存储介质中存储有操作,当该计算机可读存储介质在计算机上运行时,使得计算机执行上述方法实施例提供的作品推送方法,例如图2或图3所示的方法。
本申请实施例还提供了一种包含指令的计算机程序产品,当所述计算机程序产品在所述计算机上运行时,使得所述计算机执行上述方法实施例提供的作品推送方法,例如图2或图3所示的方法。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成,也可以通过程序来操作相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,上述提到的存储介质可以是只读存储器,磁盘或光盘等。
需要说明的是,本申请实施例中出现的“至少一个”若无特殊说明,可以指代“一个”或“多个”。本申请实施例出现的“多个”若无特殊说明,可以指代“两个或两个以上”或“至少两个”。本申请实施例中出现的“A和/或B”至少包括“A”、“B”和“A和B”三种情况。
以上所述仅为本申请的可选实施例,并不用以限制本申请,凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (10)
1.一种作品推送方法,其特征在于,应用于服务器,所述方法包括:
获取目标作品的属性信息,以及上传所述目标作品的用户的用户信息;
将所述属性信息和所述用户信息输入等级检测模型,得到所述等级检测模型确定出的所述目标作品的初始作品等级,其中,所述等级检测模型基于已确定初始作品等级的样本作品的属性信息样本和用户信息样本训练得到;
根据所述目标作品的初始作品等级,确定所述目标作品的曝光量;
按照所述目标作品的曝光量,将所述目标作品推送至满足推送条件的至少一个目标客户端,其中,所述属性信息包括:分类标签,所述用户信息包括:身份信息,所述推送条件包括下述条件中的至少一种:
所述目标客户端上登录的用户的身份信息,与上传所述目标作品的用户的身份信息的相似度大于第一相似度阈值;
所述目标客户端上登录的用户发布的作品的分类标签,与所述目标作品的分类标签的相似度大于第二相似度阈值;
所述目标客户端上登录的用户的兴趣标签,与所述目标作品的分类标签的相似度大于第三相似度阈值。
2.根据权利要求1所述的作品推送方法,其特征在于,在将所述属性信息和所述用户信息输入等级检测模型,得到所述等级检测模型确定出的所述目标作品的初始作品等级之前,所述方法还包括:
对所述目标作品的内容进行检测,得到所述目标作品的内容信息;
所述将所述属性信息和所述用户信息输入等级检测模型,得到所述等级检测模型确定出的所述目标作品的初始作品等级,包括:
将所述属性信息,所述用户信息,以及所述内容信息输入等级检测模型,得到所述等级检测模型确定出的所述目标作品的初始作品等级。
3.根据权利要求1所述的作品推送方法,其特征在于,所述等级检测模型包括:打分子模型和确定等级子模型;所述将所述属性信息和所述用户信息输入等级检测模型,得到所述等级检测模型确定出的所述目标作品的初始作品等级,包括:
采用打分子模型对所述目标作品进行打分,得到所述目标作品的分数;
将所述目标作品的分数输入所述确定等级子模型,得到所述确定等级子模型输出的所述目标作品的初始作品等级。
4.根据权利要求1至3任一所述的作品推送方法,其特征在于,在所述按照所述目标作品的曝光量,将所述目标作品推送至满足所述推动条件的至少一个目标客户端之后,所述方法还包括:
获取所述目标作品的互动信息;
将所述目标作品的初始作品等级和所述互动信息输入所述等级更新模型,得到所述等级更新模型确定出的所述目标作品的更新作品等级,其中,所述等级更新模型基于已确定更新作品等级的样本作品的初始作品等级样本和互动信息样本训练得到;
根据更新后的所述目标作品的更新作品等级,确定所述目标作品的曝光增量;
按照所述目标作品的曝光增量,将所述目标作品推送至满足所述推送条件的至少一个目标客户端。
5.根据权利要求1至3任一所述的作品推送方法,其特征在于,在所述将所述属性信息和所述用户信息输入等级检测模型,得到所述等级检测模型确定出的所述目标作品的初始作品等级之前,所述方法还包括:
获取多个样本数据,每个所述样本数据包括:所述样本作品的属性信息样本,用户信息样本,以及所述样本作品的初始作品等级;
对所述多个样本数据进行模型训练,得到所述等级检测模型。
6.一种作品推送装置,其特征在于,应用于服务器,所述装置包括:
第一获取模块,用于获取目标作品的属性信息,以及上传所述目标作品的用户的用户信息;
第一确定模块,用于将所述属性信息和所述用户信息输入等级检测模型,得到所述等级检测模型确定出的所述目标作品的初始作品等级,其中,所述等级检测模型基于已确定初始作品等级的样本作品的属性信息样本和用户信息样本训练得到;
第二确定模块,用于根据所述目标作品的初始作品等级,确定所述目标作品的曝光量;
第一推送模块,用于按照所述目标作品的曝光量,将所述目标作品推送至满足推送条件的至少一个目标客户端,其中,所述属性信息包括:分类标签,所述用户信息包括:身份信息,所述推送条件包括下述条件中的至少一种:
所述目标客户端上登录的用户的身份信息,与上传所述目标作品的用户的身份信息的相似度小于第一相似度阈值;
所述目标客户端上登录的用户发布的作品的分类标签,与所述目标作品的分类标签的相似度小于第二相似度阈值;
所述目标客户端上登录的用户的兴趣标签,与所述目标作品的分类标签的相似度小于第三相似度阈值。
7.根据权利要求6所述的作品推送装置,其特征在于,所述装置还包括:
检测确定模块,用于对所述目标作品的内容进行检测,得到所述目标作品的内容信息;
所述第一确定模块,用于:
将所述属性信息,所述用户信息,以及所述内容信息输入等级检测模型,得到所述等级检测模型确定出的所述目标作品的初始作品等级。
8.根据权利要求6所述的作品推送方法,其特征在于,所述等级检测模型包括:打分子模型和确定等级子模型;所述第一确定模块,包括:
第一确定子模块,用于采用打分子模型对所述目标作品进行打分,得到所述目标作品的分数;
第二确定子模块,用于将所述目标作品的分数输入所述确定等级子模型,得到所述确定等级子模型输出的所述目标作品的初始作品等级。
9.一种作品推送装置,其特征在于,所述装置包括:处理器、存储器以及存储在所述存储器上并可在所述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权利要求1至5任一所述的作品推送方法。
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中存储有指令,当所述计算机可读存储介质在计算机上运行时,使得所述计算机执行如权利要求1至5任一所述的作品推送方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010046143.1A CN111259245B (zh) | 2020-01-16 | 2020-01-16 | 作品推送方法、装置及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010046143.1A CN111259245B (zh) | 2020-01-16 | 2020-01-16 | 作品推送方法、装置及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111259245A CN111259245A (zh) | 2020-06-09 |
CN111259245B true CN111259245B (zh) | 2023-05-02 |
Family
ID=70948863
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010046143.1A Active CN111259245B (zh) | 2020-01-16 | 2020-01-16 | 作品推送方法、装置及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111259245B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111897996B (zh) * | 2020-08-10 | 2023-10-31 | 北京达佳互联信息技术有限公司 | 话题标签推荐方法、装置、设备及存储介质 |
CN112199586A (zh) * | 2020-09-29 | 2021-01-08 | 北京字节跳动网络技术有限公司 | 一种作品分发方法、装置、计算机设备及存储介质 |
CN113836419A (zh) * | 2021-09-28 | 2021-12-24 | 土巴兔集团股份有限公司 | 新作品分发方法以及相关装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107864192A (zh) * | 2017-10-25 | 2018-03-30 | 广东欧珀移动通信有限公司 | 信息推送方法、装置、服务器以及可读存储介质 |
CN109816200A (zh) * | 2018-12-17 | 2019-05-28 | 平安国际融资租赁有限公司 | 任务推送方法、装置、计算机设备和存储介质 |
CN109995799A (zh) * | 2017-12-29 | 2019-07-09 | 广东欧珀移动通信有限公司 | 信息推送方法、装置、终端及存储介质 |
CN110225122A (zh) * | 2019-06-13 | 2019-09-10 | 广州酷狗计算机科技有限公司 | 一种消息推送方法、装置、设备及存储介质 |
CN110489964A (zh) * | 2019-08-21 | 2019-11-22 | 北京达佳互联信息技术有限公司 | 账号检测方法、装置、服务器及存储介质 |
-
2020
- 2020-01-16 CN CN202010046143.1A patent/CN111259245B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107864192A (zh) * | 2017-10-25 | 2018-03-30 | 广东欧珀移动通信有限公司 | 信息推送方法、装置、服务器以及可读存储介质 |
CN109995799A (zh) * | 2017-12-29 | 2019-07-09 | 广东欧珀移动通信有限公司 | 信息推送方法、装置、终端及存储介质 |
CN109816200A (zh) * | 2018-12-17 | 2019-05-28 | 平安国际融资租赁有限公司 | 任务推送方法、装置、计算机设备和存储介质 |
CN110225122A (zh) * | 2019-06-13 | 2019-09-10 | 广州酷狗计算机科技有限公司 | 一种消息推送方法、装置、设备及存储介质 |
CN110489964A (zh) * | 2019-08-21 | 2019-11-22 | 北京达佳互联信息技术有限公司 | 账号检测方法、装置、服务器及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111259245A (zh) | 2020-06-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2020228514A1 (zh) | 内容推荐方法、装置、设备及存储介质 | |
CN108446390B (zh) | 用于推送信息的方法和装置 | |
US9715731B2 (en) | Selecting a high valence representative image | |
CN110740387B (zh) | 一种弹幕编辑方法、智能终端及存储介质 | |
CN109145784B (zh) | 用于处理视频的方法和装置 | |
CN111259245B (zh) | 作品推送方法、装置及存储介质 | |
US9646227B2 (en) | Computerized machine learning of interesting video sections | |
JP6930041B1 (ja) | 検索/作成されたデジタルメディアファイルに基づく潜在的関連のあるトピックの予測 | |
CN109086439A (zh) | 信息推荐方法及装置 | |
CN106776528B (zh) | 一种信息处理方法及装置 | |
US20170235828A1 (en) | Text Digest Generation For Searching Multiple Video Streams | |
CN108959323B (zh) | 视频分类方法和装置 | |
CN111597446B (zh) | 基于人工智能的内容推送方法、装置、服务器和存储介质 | |
CN111444357A (zh) | 内容信息确定方法、装置、计算机设备及存储介质 | |
US20150112814A1 (en) | System and method for an integrated content publishing system | |
US20150142584A1 (en) | Ranking content based on member propensities | |
CN111552884A (zh) | 用于内容推荐的方法和设备 | |
CN113301382B (zh) | 视频处理方法、设备、介质及程序产品 | |
CN110147481B (zh) | 媒体内容推送方法、装置及存储介质 | |
CN116261009B (zh) | 智能转化影视受众的视频检测方法、装置、设备及介质 | |
US9886415B1 (en) | Prioritized data transmission over networks | |
CN112307823A (zh) | 用于对视频中的对象进行标注的方法和设备 | |
CN108600864B (zh) | 一种电影预告生成方法及装置 | |
CN111797765A (zh) | 图像处理方法、装置、服务器及存储介质 | |
CN113076450B (zh) | 一种目标推荐列表的确定方法和装置 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |