CN111666485B - 一种信息推荐方法、装置及终端 - Google Patents
一种信息推荐方法、装置及终端 Download PDFInfo
- Publication number
- CN111666485B CN111666485B CN201910172272.2A CN201910172272A CN111666485B CN 111666485 B CN111666485 B CN 111666485B CN 201910172272 A CN201910172272 A CN 201910172272A CN 111666485 B CN111666485 B CN 111666485B
- Authority
- CN
- China
- Prior art keywords
- information
- clicked
- channel
- user
- target
- 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
- 238000000034 method Methods 0.000 title claims abstract description 55
- 230000006399 behavior Effects 0.000 claims description 23
- 230000000875 corresponding effect Effects 0.000 description 21
- 230000006870 function Effects 0.000 description 11
- 238000010586 diagram Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 7
- 230000009471 action Effects 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000001960 triggered effect Effects 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000005484 gravity Effects 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 238000010295 mobile communication Methods 0.000 description 2
- 239000000047 product Substances 0.000 description 2
- 230000005236 sound signal Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000007795 chemical reaction product Substances 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000005693 optoelectronics Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种信息推荐方法、装置及终端,属于计算机技术领域,其中,信息推荐方法包括:接收用户在第一信息频道的刷新请求;根据所述用户在第一信息频道的刷新请求,获取所述用户在第二信息频道的浏览信息;根据所述用户在第二信息频道的浏览信息,从所述第一信息频道的信息库中获取目标信息;将所述目标信息推荐给所述用户。本发明可以将用户在第二信息频道的行为实时地反馈到第一信息频道的信息推荐中,提高了第一信息频道的信息推荐准确性,进而有利于提升用户点击访问量和底层阅读时长。
Description
技术领域
本发明涉及计算机技术领域,特别涉及一种信息推荐方法、装置及终端。
背景技术
为了使得用户更加快速、方便地获取到需要的信息如新闻,大多数信息网站或者客户端会在主要页面或者主要频道上向用户进行信息推荐。现有技术在向用户进行信息推荐时,一般需要将所有信息按照一定规则进行分类,并需要记录用户在信息网站或者客户端的所有行为数据,选取主要行为数据表征该用户,形成用户画像,最后再根据生成的用户画像对信息按类进行兴趣匹配召回。
在实现本发明的过程中,发明人发现现有技术中至少存在以下缺陷:
相关技术中,用户画像是基于用户在信息网站或者客户端的行为数据生成的,画像的数据计算离线进行,因此,用户画像的更新并不及时,存在一定的时延,并且在画像时基于主要行为特征作为用户画像,权重小的行为特征被忽略,使得用户画像刻画不完备,从而导致基于用户画像推荐的信息与用户当前的浏览行为数据存在一定的偏差,降低了信息推荐的准确性,进而降低了用户的点击概率。
发明内容
为了解决现有技术的问题,本发明实施例提供了一种信息推荐方法、装置及终端。所述技术方案如下:
一方面,提供了一种信息推荐方法,所述方法包括:
接收用户在第一信息频道的刷新请求;
根据所述用户在第一信息频道的刷新请求,获取所述用户在第二信息频道的浏览信息;
根据所述用户在第二信息频道的浏览信息,从所述第一信息频道的信息库中获取目标信息;
将所述目标信息推荐给所述用户。
另一方面,提供了一种信息推荐装置,所述装置包括:
接收模块,用于接收用户在第一信息频道的刷新请求;
第一获取模块,用于根据所述用户在第一信息频道的刷新请求,获取所述用户在第二信息频道的浏览信息;
第二获取模块,用于根据所述用户在第二信息频道的浏览信息,从所述第一信息频道的信息库中获取目标信息;
推荐模块,用于将所述目标信息推荐给所述用户。
另一方面,提供了一种终端,包括处理器和存储器,所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集,所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现上述的信息推荐方法。
本发明实施例提供的技术方案带来的有益效果是:
本发明实施例通过接收用户在第一信息频道的刷新请求,根据用户在第一信息频道的刷新请求,获取所述用户在第二信息频道的浏览信息,并根据所述用户在第二信息频道的浏览信息,从所述第一信息频道的信息库中获取目标信息,将所述目标信息推荐给所述用户,从而可以将用户在第二信息频道的行为实时地反馈到第一信息频道的信息推荐中,提高了第一信息频道的信息推荐准确性,进而有利于提升用户点击访问量和底层阅读时长。
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,还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的一种信息推荐方法的流程示意图;
图2是本发明实施例提供的预先建立每个信息频道中被点击信息与第一信息频道的信息库中的信息间的对应关系的方法的一种流程示意图;
图3是本发明实施例提供的采用预设相似算法,基于被点击信息的历史点击次数计算被点击信息之间的相似度的方法的一种流程示意图;
图4是本发明实施例提供的一种信息推荐装置的结构示意图;
图5是本发明实施例提供的另一种信息推荐装置的结构示意图;
图6是本发明实施例提供的另一种信息推荐装置的结构示意图;
图7是本发明实施例提供的一种终端的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明实施方式作进一步地详细描述。
请参考图1,其所示为本发明实施例提供的一种信息推荐方法的流程示意图。需要说明的是,本发明实施例的信息推荐方法可应用于本发明实施例的信息推荐装置,该信息推荐装置可配置于终端中的新闻客户端或者专门的信息推荐应用中,其中,该终端可以是手机、平板电脑、掌上电脑及个人数字助理等具有各种操作系统的硬件设备。
此外,本说明书提供了如实施例或流程图所述的方法操作步骤,但基于常规或者无创造性的劳动可以包括更多或者更少的操作步骤。实施例中列举的步骤顺序仅仅为众多步骤执行顺序中的一种方式,不代表唯一的执行顺序。在实际中的系统或终端产品执行时,可以按照实施例或者附图所示的方法顺序执行或者并行执行(例如并行处理器或者多线程处理的环境)。具体的如图1所示,所述方法包括:
S101,接收用户在第一信息频道的刷新请求。
在本说明书实施例中,用户可以为终端设备的新闻客户端用户或者专门的信息推荐应用用户。第一信息频道可以为新闻客户端或者专门的信息推荐应用中的任意信息频道,优选的,第一信息频道为用于向用户推荐其他信息频道中的精选信息或者热门信息的频道,通常该第一信息频道具有较高的用户关注度。例如,第一信息频道可以为新闻客户端中的要闻频道、推荐频道或者精选频道等等。第一信息频道的信息存储在对应的第一信息频道的信息库中。
用户在第一信息频道的刷新请求可以是用户通过新闻客户端或者专门的信息推荐应用在第一信息频道执行调出信息的相应操作所触发的请求,具体的,可以是用户执行打开新闻客户端或者专门的信息推荐应用的操作所触发的在第一信息频道的刷新请求,或者,还可以是用户在已打开的第一信息频道页面上执行下拉操作所触发的刷新请求等,本发明实施例对此不作限定。
需要说明的是,所述刷新请求中携带有用户标识,该用户标识可以在新闻客户端或者专门的信息推荐应用中唯一标识该用户,例如,用户标识可以是用户在新闻客户端或者专门的信息推荐应用的账号信息等。
S103,根据所述用户在第一信息频道的刷新请求,获取所述用户在第二信息频道的浏览信息。
在本说明书实施例中,第二信息频道可以是新闻客户端或者专门的信息推荐应用中除第一信息频道之外的任意信息频道,通常第二信息频道的用户关注度相对于第一信息频道来说要低。例如,第二信息频道可以为娱乐、体育、军事、汽车等新闻客户端中的二级新闻频道。
所述用户在第二信息频道的浏览信息可以是用户最近浏览过的第二信息频道中的信息如用户最近浏览过的二级新闻频道中的新闻,可以以信息列表形式将所述浏览信息存储在数据库中,并与用户标识相对应。具体的,新闻客户端或者专门的信息推荐应用的每个信息都具有唯一的身份标识,在根据用户最近浏览过的第二信息频道中的信息生成浏览信息的列表时,可以对每个浏览信息打上标签,其中,标签可以包括但不限于信息所属的信息频道(如要闻频道、娱乐频道、体育频道等等)、信息主题等,在对浏览信息打上标签后,将浏览信息保存为key-value形式,key表示标签,value表示信息的身份标识,该浏览信息的列表可以存储在Redis中,并与相应的用户标识对应。Redis是一个开源、支持网络、可基于内存亦可持久化的日志型、Key-Value数据库,列表中浏览信息的数量可以根据需要设置为最近浏览的信息中的50条信息、100条信息等等。
在本说明书实施例中,通过Spark分布式计算平台接入用户在第二信息频道的实时点击行为数据流,并通过分布式发布订阅消息系统Kafka与Spark Streaming的结合来处理用户在第二信息频道的实时点击行为。Spark Streaming为支持实时数据流的可扩展、高吞吐、容错的流处理,它可以接受来自Kafka、Flume、Twitter、ZeroMQ和TCP Socket的数据源,使用简单的api函数比如map、reduce、join、window等操作,还可以直接使用内置的机器学习算法、图算法包来处理数据,处理后的数据可以推送到文件系统、数据库等。应理解的,本发明实施例并不限于使用Spark分布式计算平台进行数据流的统计处理,还可以采用其他可以实现类似Spark分布式计算平台功能的平台,例如Hadoop分布式计算平台等等。
具体的,当用户点击第二信息频道中的信息时,Spark分布式计算平台可以获取所述用户针对所述信息的浏览行为,判断所述浏览行为是否满足预设浏览条件,并在判断的结果为所述浏览行为满足预设浏览条件时,记录所述信息为浏览信息。
所述预设浏览条件用于表征用户是否喜欢当前浏览的信息,具体的,所述预设浏览条件可以是用户在预设浏览时间内未操作页面上的预设按键,该预设按键可以是退出键或者返回键等,或者,该预设浏览条件还可以是用户对于信息的浏览时间大于预设时间阈值等,本发明实施例对此不作限定。所述用户针对所述信息的浏览行为与所述预设浏览条件相对应,可以包括用户针对所述信息的浏览时间,或者还可以包括用户在浏览所述信息时是否有操作页面上的预设按键等等。
本说明书实施例通过将浏览行为满足预设浏览条件的信息记录为浏览信息,从而可以过滤掉用户不太喜欢的信息,进而可以提高基于该浏览信息推荐的目标信息的准确性。
S105,根据所述用户在第二信息频道的浏览信息,从所述第一信息频道的信息库中获取目标信息。
在本说明书实施例中,可以根据用户在第二信息频道的浏览信息查找预先建立的每个信息频道中被点击信息与第一信息频道的信息库中的信息间的对应关系,以从第一信息频道的信息库中获得目标信息。
在一具体实施方式中,可以采用图2所示的方法预先建立每个信息频道中被点击信息与第一信息频道的信息库中的信息间的对应关系,该方法可以包括:
S201,获取预设时间间隔内,多个信息频道中被点击信息的历史点击数据。
具体的,所有用户在新闻客户端或者专门的信息推荐应用中的操作行为数据会以日志的形式进行存储,通过日志可以根据所有用户在预设时间间隔内的操作行为数据,获取预设时间间隔内所有信息频道中被点击信息的历史点击数据,例如可以获取最近7天内,所有信息频道中被点击信息的历史点击次数。
S203,根据所述多个信息频道中被点击信息的历史点击数据,计算被点击信息之间的相似度。
具体的,可以根据多个信息频道中被点击信息的历史点击数据,确定每个被点击信息的历史点击次数,然后采用预设相似算法,基于所述被点击信息的历史点击次数,计算被点击信息之间的相似度。
在本说明书实施例中,所述采用预设相似算法,基于所述被点击信息的历史点击次数,计算被点击信息之间的相似度可以采用图3所示的方法,如图3所示,该方法可以包括:
S301,从所述被点击信息中选取目标被点击信息。
具体的,目标被点击信息可以是被点击信息中的任意一个被点击信息。
S303,根据所述目标被点击信息的历史点击次数与待关联被点击信息的历史点击次数,计算所述目标被点击信息的关联基础相似度。
待关联被点击信息为除所述目标被点击信息之外的任一被点击信息。在一具体实施方式中,关联基础相似度可以采用基于物品的协同过滤策略,具体的,关联基础相似度可以采用如下公式计算:
其中,a表示目标被点击信息,b表示待关联被点击信息;sim(a,b)表示关联基础相似度;N(a)表示目标被点击信息的历史点击次数;N(b)表示待关联被点击信息的历史点击次数。
在另一具体实施方式中,关联基础相似度还可以采用Google提出的word2vec思想来构建用户对信息的行为序列,得到特定维度的信息embedding向量,利用余弦相似度计算得到目标被点击信息和待关联被点击信息的关联基础相似度。
S305,根据所述目标被点击信息的历史点击次数与待关联被点击信息的历史点击次数,计算所述目标被点击信息的关联相似系数。
由于第一信息频道通常为用于向用户推荐其他信息频道中的精选信息或者热门信息的频道,具有较高的用户关注度,第一信息频道中的信息被点击次数较多,而通常第二信息频道的用户关注度相对于第一信息频道来说要低,第二信息频道中的信息被点击次数相对较少。例如,第一信息频道为新闻客户端的要闻频道,第二信息频道为新闻客户端的二级频道时,一般要闻频道是新闻客户端的主入口,几乎所有的用户都会在要闻频道浏览新闻,一半左右的用户会去各个二级频道(如娱乐、体育等)浏览新闻,另外要闻频道的新闻文章是从各个二级频道精选的新闻文章,通过分析用户行为数据可以发现,要闻频道的新闻文章的平均点击次数要远远高于二级频道的新闻文章的平均点击次数。如果直接使用上述关联基础相似度表征被点击新闻之间的相似程度,其结果大部分是二级频道的新闻文章与二级频道的新闻文章相似,只能得到较少的二级频道的新闻文章与要闻频道的新闻文章的相似关系。
为了实现通过使用点击次数少、相对冷门的二级频道的新闻文章找到点击次数多、热门的要闻频道的新闻文章,在本说明书实施例中,还根据目标被点击信息的历史点击次数与待关联被点击信息的历史点击次数计算所述目标被点击信息的关联相似系数。具体的,将所述目标被点击信息的历史点击次数除以所述目标被点击信息的历史点击次数与所述待关联被点击信息的历史点击次数之和,得到所述目标被点击信息的关联相似系数,如下公式所示:
其中,a表示目标被点击信息,b表示待关联被点击信息;f(a)表示目标被点击信息的关联相似系数;N(a)表示目标被点击信息的历史点击次数;N(b)表示待关联被点击信息的历史点击次数。
S307,将所述关联基础相似度与所述关联相似系数的乘积记为所述目标被点击信息与所述待关联被点击信息之间的相似度。
具体的,目标被点击信息与待关联被点击信息之间的相似度可以通过如下公式计算:
其中,p(a|b)表示目标被点击信息与待关联被点击信息之间的相似度。
通过上述相似度的计算公式可知,信息α与信息β的相似度为:
而信息β与信息α的相似度为:
即在本说明书实施例中,信息α与信息β的相似度不同于信息β与信息α的相似度,从而可以实现根据点击次数较少的冷门信息召回点击次数较多的热门信息,而不会出现热门信息召回冷门信息的情形。
S205,根据所述相似度,确定每个被点击信息的相似信息集合。
具体的,可以设定相似度阈值,判断所述相似度是否超过相似度阈值,当判断的结果为所述相似度超过相似度阈值时,可以确定待关联被点击信息为所述目标被点击信息的相似信息,最后可以根据目标被点击信息的所有相似信息生成该目标被点击信息的相似信息集合,例如,目标被点击信息为a1,生成的与该目标被点击信息a1对应的相似信息集合为{b11,b12,b13……b1n}。
所述相似度阈值可以根据实际应用中对于推荐信息的准确性要求进行设定,一般,对于推荐信息的准确性要求越高,相似度阈值可以设定的越高;反之,可以设定的越低。
在本说明书实施例中,新闻客户端或者专门的信息推荐应用的每个信息都具有唯一的身份标识,在生成目标被点击信息的相似信息集合时,可以对每个相似信息打上标签,其中,标签可以包括但不限于信息所属的信息频道(如要闻频道、娱乐频道、体育频道等等)、信息主题等,在对相似信息打上标签后,将相似信息保存为key-value形式,key表示标签,value表示信息的身份标识。
S207,获取所述相似信息集合中属于第一信息频道的信息库中的信息,得到待推荐相似信息集合。
在本说明书实施例中,由于需要推荐的信息为第一信息频道的信息库中的信息,而上述得到的相似信息集合中除了包含第一信息频道的信息库中的信息,还有可能包含其他信息频道中的信息,因此需要对相似信息集合中的信息进行过滤处理,具体的,可以获取相似信息集合中属于第一信息频道的信息库中信息,得到推荐相似信息集合。
实际应用中,第一信息频道的信息库中的信息也以key-value的形式存储,其中,key表示标签,value表示信息的身份标识,标签可以包括但不限于信息所属的信息频道(如要闻频道、娱乐频道、体育频道等等)、信息主题等,身份标识用于唯一标识一信息,从而可以根据相似信息集合中信息的key-value判断该信息是否是第一信息频道的信息库中的信息,当key-value相匹配时,可以确定该相似信息为第一信息频道的信息库中的信息,将该相似信息对应的key-value存入推荐相似信息集合。当然,还可以通过其他方式确定相似信息集合中的信息是否为第一信息频道的信息库中的信息,例如通过判断信息内容的一致性方式等,本发明实施例对此不作限定。
S209,建立每个信息频道中被点击信息与相对应的所述待推荐相似信息集合之间的对应关系。
实际应用中,可以将每个信息频道中被点击信息与相对应的所述待推荐相似信息集合之间的对应关系存储在数据库中,如Redis数据库,对应关系中每个信息频道中被点击信息与待推荐相似信息集合中的信息类似,采用key-value的形式。
在本说明书实施例中,可以读取数据库中每个信息频道中被点击信息与相对应的所述待推荐相似信息集合之间的对应关系,然后基于用户在第二信息频道的浏览信息查找该对应关系,以确定与浏览信息相对应的待推荐相似信息集合,并获取与浏览信息相对应的推荐相似信息集合中的信息,得到目标信息。
在本说明书实施例中,浏览信息以及对应关系均以key-value的形式存储,能够根据用户在第二信息频道的实时点击行为快速查找到对应的第一信息频道的信息库中的信息,提高了信息推荐的时效性。
S107,将所述目标信息推荐给所述用户。
具体的,可以根据目标信息在推荐相似信息集合中的相似度对所述目标信息进行降序排列,然后按照排序后的顺序将目标信息推荐给用户,从而实现将用户在第二信息频道的点击行为实时反馈到第一信息频道的信息推荐中。当然,在目标信息的数量较庞大时,还可以取排序后的前预设数量的目标信息而非全部信息推荐给用户等等,本发明实施例对此不作限定。
由以上方案可知,本发明实施例提供的信息推荐方法,可以将用户在第二信息频道的点击行为实时地反馈到第一信息频道的信息推荐中,重点在第一信息频道的信息库中召回与用户在第二信息频道浏览信息相似度高的信息,提高了第一信息频道的信息推荐准确性,进而有利于提升用户点击访问量和底层阅读时长。
与上述几种实施例提供的信息推荐方法相对应,本发明实施例还提供一种信息推荐装置,由于本发明实施例提供的信息推荐装置与上述几种实施例提供的信息推荐方法相对应,因此前述信息推荐方法的实施方式也适用于本实施例提供的信息推荐装置,在本实施例中不再详细描述。
请参阅图4,其所示为本发明实施例提供的一种信息推荐装置的结构示意图,如图4所示,该装置可以包括:接收模块410,第一获取模块420,第二获取模块430,推荐模块440,其中,
接收模块410,可以用于接收用户在第一信息频道的刷新请求;
第一获取模块420,可以用于根据所述用户在第一信息频道的刷新请求,获取所述用户在第二信息频道的浏览信息;
第二获取模块430,可以用于根据所述用户在第二信息频道的浏览信息,从所述第一信息频道的信息库中获取目标信息;
推荐模块440,可以用于将所述目标信息推荐给所述用户。
在一具体实施方式中,如图5提供的另一种信息推荐装置的结构示意图,所述装置还可以包括:
第三获取模块510,可以用于在所述用户点击所述第二信息频道中的信息时,获取所述用户针对所述信息的浏览行为;
判断模块520,可以用于判断所述浏览行为是否满足预设浏览条件;
记录模块530,可以用于在判断的结果为是时,记录所述信息为浏览信息。
在另一具体实施方式中,如图6提供的另一种信息推荐装置的结构示意图,所述装置还可以包括:
第四获取模块610,可以用于获取预设时间间隔内,多个信息频道中被点击信息的历史点击数据;
第一计算模块620,可以用于根据所述多个信息频道中被点击信息的历史点击数据,计算被点击信息之间的相似度;
第一确定模块630,可以用于根据所述相似度,确定每个被点击信息的相似信息集合;
第五获取模块640,可以用于获取所述相似信息集合中属于第一信息频道的信息库中的信息,得到待推荐相似信息集合;
对应关系建立模块650,可以用于建立每个信息频道中被点击信息与相对应的所述待推荐相似信息集合之间的对应关系。
可选的,所述第一计算模块620,具体可以用于:根据所述多个信息频道中被点击信息的历史点击数据,确定每个被点击信息的历史点击次数;采用预设相似算法,基于所述被点击信息的历史点击次数,计算被点击信息之间的相似度。
可选的,所述第一计算模块620采用预设相似算法,基于所述被点击信息的历史点击次数,计算被点击信息之间的相似度,具体可以包括:从所述被点击信息中选取目标被点击信息;根据所述目标被点击信息的历史点击次数与待关联被点击信息的历史点击次数,计算所述目标被点击信息的关联基础相似度;所述待关联被点击信息为除所述目标被点击信息之外的任一被点击信息;根据所述目标被点击信息的历史点击次数与待关联被点击信息的历史点击次数,计算所述目标被点击信息的关联相似系数;将所述关联基础相似度与所述关联相似系数的乘积记为所述目标被点击信息与所述待关联被点击信息之间的相似度。
可选的,第一计算模块620根据所述目标被点击信息的历史点击次数与待关联被点击信息的历史点击次数,计算所述目标被点击信息的关联相似系数,具体可以包括:将所述目标被点击信息的历史点击次数除以所述目标被点击信息的历史点击次数与所述待关联被点击信息的历史点击次数之和,得到所述目标被点击信息的关联相似系数。
可选的,所述第一确定模块630,具体可以用于:判断所述相似度是否超过相似度阈值;在判断的结果为是时,确定所述待关联被点击信息为所述目标被点击信息的相似信息;根据所述目标被点击信息的所有相似信息生成所述目标被点击信息的相似信息集合。
可选的,所述第二获取模块430,具体可以用于:根据所述每个信息频道中被点击信息与相对应的待推荐相似信息集合之间的对应关系,确定与所述浏览信息相对应的待推荐相似信息集合;获取与所述浏览信息相对应的待推荐相似信息集合中的信息,得到目标信息。
由以上方案可知,本发明实施例提供的信息推荐装置,可以将用户在第二信息频道的点击行为实时地反馈到第一信息频道的信息推荐中,重点在第一信息频道的信息库中召回与用户在第二信息频道浏览信息相似度高的信息,提高了第一信息频道的信息推荐准确性,进而有利于提升用户点击访问量和底层阅读时长。
需要说明的是,上述实施例提供的装置,在实现其功能时,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将设备的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。
请参阅图7,其所示为本发明实施例提供的一种终端的结构示意图,该终端用于实施上述实施例中提供的信息推荐方法。具体来讲:
终端700可以包括RF(Radio Frequency,射频)电路710、包括有一个或一个以上计算机可读存储介质的存储器720、输入单元730、显示单元740、视频传感器750、音频电路760、WiFi(wireless fidelity,无线保真)模块770、包括有一个或者一个以上处理核心的处理器780、以及电源70等部件。本领域技术人员可以理解,图7中示出的终端结构并不构成对终端的限定,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:
RF电路710可用于收发信息或通话过程中,信号的接收和发送,特别地,将基站的下行信息接收后,交由一个或者一个以上处理器780处理;另外,将涉及上行的数据发送给基站。通常,RF电路710包括但不限于天线、至少一个放大器、调谐器、一个或多个振荡器、用户身份模块(SIM)卡、收发信机、耦合器、LNA(Low Noise Amplifier,低噪声放大器)、双工器等。此外,RF电路710还可以通过无线通信与网络和其他设备通信。所述无线通信可以使用任一通信标准或协议,包括但不限于GSM(Global System of Mobile communication,全球移动通讯系统)、GPRS(General Packet Radio Service,通用分组无线服务)、CDMA(CodeDivision Multiple Access,码分多址)、WCDMA(Wideband Code Division MultipleAccess,宽带码分多址)、LTE(Long Term Evolution,长期演进)、电子邮件、SMS(ShortMessaging Service,短消息服务)等。
存储器720可用于存储软件程序以及模块,处理器780通过运行存储在存储器720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720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终端700的使用所创建的数据(比如视频数据、电话本等)等。此外,存储器720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720还可以包括存储器控制器,以提供处理器780和输入单元730对存储器720的访问。
输入单元730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。具体地,输入单元730可包括图像输入设备731以及其他输入设备732。图像输入设备731可以是摄像头,也可以是光电扫描设备。除了图像输入设备731,输入单元730还可以包括其他输入设备732。具体地,其他输入设备732可以包括但不限于物理键盘、功能键(比如音量控制按键、开关按键等)、轨迹球、鼠标、操作杆等中的一种或多种。
显示单元740可用于显示由用户输入的信息或提供给用户的信息以及终端700的各种图形用户接口,这些图形用户接口可以由图形、文本、图标、视频和其任意组合来构成。显示单元740可包括显示面板741,可选的,可以采用LCD(Liquid Crystal Display,液晶显示器)、OLED(Organic Light-Emitting Diode,有机发光二极管)等形式来配置显示面板741。
终端700可包括至少一种视频传感器750,视频传感器用于获取用户的视频信息。终端700还可以包括其它传感器(未示出),比如光传感器、运动传感器以及其他传感器。具体地,光传感器可包括环境光传感器及接近传感器,其中,环境光传感器可根据环境光线的明暗来调节显示面板741的亮度,接近传感器可在终端700移动到耳边时,关闭显示面板741和/或背光。作为运动传感器的一种,重力加速度传感器可检测各个方向上(一般为三轴)加速度的大小,静止时可检测出重力的大小及方向,可用于识别手机姿态的应用(比如横竖屏切换、相关游戏、磁力计姿态校准)、振动识别相关功能(比如计步器、敲击)等;至于终端700还可配置的陀螺仪、气压计、湿度计、温度计、红外线传感器等其他传感器,在此不再赘述。
视频电路760、扬声器761,传声器762可提供用户与终端700之间的视频接口。音频电路760可将接收到的音频数据转换后的电信号,传输到扬声器761,由扬声器761转换为声音信号输出;另一方面,传声器762将收集的声音信号转换为电信号,由音频电路760接收后转换为音频数据,再将音频数据输出处理器780处理后,经RF电路711以发送给比如另一终端,或者将音频数据输出至存储器720以便进一步处理。音频电路760还可能包括耳塞插孔,以提供外设耳机与终端700的通信。
WiFi属于短距离无线传输技术,终端700通过WiFi模块770可以帮助用户收发电子邮件、浏览网页和访问流式媒体等,它为用户提供了无线的宽带互联网访问。虽然图7示出了WiFi模块770,但是可以理解的是,其并不属于终端700的必须构成,完全可以根据需要在不改变发明的本质的范围内而省略。
处理器780是终端700的控制中心,利用各种接口和线路连接整个手机的各个部分,通过运行或执行存储在存储器720内的软件程序和/或模块,以及调用存储在存储器720内的数据,执行终端700的各种功能和处理数据,从而对手机进行整体监控。可选的,处理器780可包括一个或多个处理核心;优选的,处理器780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780中。
终端700还包括给各个部件供电的电源70(比如电池),优选的,电源可以通过电源管理系统与处理器780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70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。
尽管未示出,终端700还可以包括蓝牙模块等,在此不再赘述。
具体在本实施例中,终端700还包括有存储器,以及一个或者一个以上的程序,其中一个或者一个以上程序存储于存储器中,且经配置以由一个或者一个以上处理器执行。上述一个或者一个以上程序包含用于执行上述方法实施例提供的信息推荐方法的指令。
本发明的实施例还提供了一种存储介质,所述存储介质可设置于终端之中以保存用于实现方法实施例中的一种信息推荐方法相关的至少一条指令、至少一段程序、代码集或指令集,该至少一条指令、该至少一段程序、该代码集或指令集可由终端的处理器加载并执行以实现上述方法实施例提供的信息推荐方法。
可选地,在本实施例中,上述存储介质可以包括但不限于:U盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者装置中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
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,也可以通过程序来指令相关的硬件完成,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。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (9)
1.一种信息推荐方法,其特征在于,所述方法包括:
接收用户在第一信息频道的刷新请求;
根据所述用户在第一信息频道的刷新请求,获取所述用户在第二信息频道的浏览信息;
根据所述用户在第二信息频道的浏览信息查找预先建立的每个信息频道中被点击信息与所述第一信息频道的信息库中的信息之间的对应关系,以从所述第一信息频道的信息库中获取目标信息,所述对应关系基于多个所述信息频道中被点击信息之间的相似度得到;将所述目标信息推荐给所述用户;
其中,所述多个所述信息频道中被点击信息之间的相似度通过以下方式确定:
根据所述多个信息频道中被点击信息的历史点击数据,确定每个被点击信息的历史点击次数;
从所述被点击信息中选取目标被点击信息;
根据所述目标被点击信息的历史点击次数与待关联被点击信息的历史点击次数,计算所述目标被点击信息的关联基础相似度和关联相似系数;所述待关联被点击信息为除所述目标被点击信息之外的任一被点击信息;
将所述关联基础相似度与所述关联相似系数的乘积记为所述目标被点击信息与所述待关联被点击信息之间的相似度。
2.根据权利要求1所述的信息推荐方法,其特征在于,在根据所述用户在第一信息频道的刷新请求,获取所述用户在第二信息频道的浏览信息之前,所述方法还包括:
当所述用户点击所述第二信息频道中的信息时,获取所述用户针对所述信息的浏览行为;
判断所述浏览行为是否满足预设浏览条件;
在判断的结果为是时,记录所述信息为浏览信息。
3.根据权利要求1所述的信息推荐方法,其特征在于,在根据所述用户在第二信息频道的浏览信息,从所述第一信息频道的信息库中获取目标信息之前,所述方法还包括:
获取预设时间间隔内,多个信息频道中被点击信息的历史点击数据;
根据所述多个信息频道中被点击信息的历史点击数据,计算被点击信息之间的相似度;
根据所述相似度,确定每个被点击信息的相似信息集合;
获取所述相似信息集合中属于第一信息频道的信息库中的信息,得到待推荐相似信息集合;
建立每个信息频道中被点击信息与相对应的所述待推荐相似信息集合之间的对应关系。
4.根据权利要求1所述的信息推荐方法,其特征在于,所述根据所述目标被点击信息的历史点击次数与待关联被点击信息的历史点击次数,计算所述目标被点击信息的关联相似系数包括:
将所述目标被点击信息的历史点击次数除以所述目标被点击信息的历史点击次数与所述待关联被点击信息的历史点击次数之和,得到所述目标被点击信息的关联相似系数。
5.根据权利要求3所述的信息推荐方法,其特征在于,所述根据所述用户在第二信息频道的浏览信息,从所述第一信息频道的信息库中获取目标信息包括:
根据所述每个信息频道中被点击信息与相对应的待推荐相似信息集合之间的对应关系,确定与所述浏览信息相对应的待推荐相似信息集合;
获取与所述浏览信息相对应的待推荐相似信息集合中的信息,得到目标信息。
6.根据权利要求3所述的信息推荐方法,其特征在于,所述根据所述相似度,确定每个被点击信息的相似信息集合包括:
判断所述相似度是否超过相似度阈值;
在判断的结果为是时,确定所述待关联被点击信息为所述目标被点击信息的相似信息;
根据所述目标被点击信息的所有相似信息生成所述目标被点击信息的相似信息集合。
7.一种信息推荐装置,其特征在于,所述装置包括:
接收模块,用于接收用户在第一信息频道的刷新请求;
第一获取模块,用于根据所述用户在第一信息频道的刷新请求,获取所述用户在第二信息频道的浏览信息;
第二获取模块,用于根据所述用户在第二信息频道的浏览信息查找预先建立的每个信息频道中被点击信息与所述第一信息频道的信息库中的信息之间的对应关系,以从所述第一信息频道的信息库中获取目标信息,所述对应关系基于多个所述信息频道中被点击信息之间的相似度得到;
推荐模块,用于将所述目标信息推荐给所述用户;
其中,所述多个所述信息频道中被点击信息之间的相似度通过以下方式确定:
根据所述多个信息频道中被点击信息的历史点击数据,确定每个被点击信息的历史点击次数;
从所述被点击信息中选取目标被点击信息;
根据所述目标被点击信息的历史点击次数与待关联被点击信息的历史点击次数,计算所述目标被点击信息的关联基础相似度和关联相似系数;所述待关联被点击信息为除所述目标被点击信息之外的任一被点击信息;
将所述关联基础相似度与所述关联相似系数的乘积记为所述目标被点击信息与所述待关联被点击信息之间的相似度。
8.一种终端,其特征在于,包括处理器和存储器,所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集,所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现如权利要求1至6任一所述的信息推荐方法。
9.一种存储介质,其特征在于,所述存储介质中存储有至少一条指令或者至少一段程序,所述至少一条指令或者所述至少一段程序由处理器加载并执行以实现如权利要求1至6任一项所述的信息推荐方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910172272.2A CN111666485B (zh) | 2019-03-07 | 2019-03-07 | 一种信息推荐方法、装置及终端 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910172272.2A CN111666485B (zh) | 2019-03-07 | 2019-03-07 | 一种信息推荐方法、装置及终端 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111666485A CN111666485A (zh) | 2020-09-15 |
CN111666485B true CN111666485B (zh) | 2024-01-09 |
Family
ID=72381826
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910172272.2A Active CN111666485B (zh) | 2019-03-07 | 2019-03-07 | 一种信息推荐方法、装置及终端 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111666485B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112634531A (zh) * | 2020-12-11 | 2021-04-09 | 深圳市智莱科技股份有限公司 | 智能书柜的预约借书方法、服务器和计算机可读存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103365842A (zh) * | 2012-03-26 | 2013-10-23 | 阿里巴巴集团控股有限公司 | 一种页面浏览推荐方法及装置 |
CN103763361A (zh) * | 2014-01-13 | 2014-04-30 | 北京奇虎科技有限公司 | 一种基于用户行为推荐应用的方法、系统及推荐服务器 |
CN106294830A (zh) * | 2016-08-17 | 2017-01-04 | 合智能科技(深圳)有限公司 | 多媒体资源的推荐方法及装置 |
WO2017071464A1 (zh) * | 2015-10-29 | 2017-05-04 | 广州神马移动信息科技有限公司 | 推荐活动信息方法和装置、计算设备及机器可读存储介质 |
CN108763502A (zh) * | 2018-05-30 | 2018-11-06 | 腾讯科技(深圳)有限公司 | 信息推荐方法和系统 |
-
2019
- 2019-03-07 CN CN201910172272.2A patent/CN111666485B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103365842A (zh) * | 2012-03-26 | 2013-10-23 | 阿里巴巴集团控股有限公司 | 一种页面浏览推荐方法及装置 |
CN103763361A (zh) * | 2014-01-13 | 2014-04-30 | 北京奇虎科技有限公司 | 一种基于用户行为推荐应用的方法、系统及推荐服务器 |
WO2017071464A1 (zh) * | 2015-10-29 | 2017-05-04 | 广州神马移动信息科技有限公司 | 推荐活动信息方法和装置、计算设备及机器可读存储介质 |
CN106294830A (zh) * | 2016-08-17 | 2017-01-04 | 合智能科技(深圳)有限公司 | 多媒体资源的推荐方法及装置 |
CN108763502A (zh) * | 2018-05-30 | 2018-11-06 | 腾讯科技(深圳)有限公司 | 信息推荐方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
CN111666485A (zh) | 2020-09-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10411945B2 (en) | Time-distributed and real-time processing in information recommendation system, method and apparatus | |
US10783206B2 (en) | Method and system for recommending text content, and storage medium | |
CN108334539B (zh) | 对象推荐方法、移动终端及计算机可读存储介质 | |
CN104866505B (zh) | 一种应用的推荐方法及装置 | |
US20100241663A1 (en) | Providing content items selected based on context | |
US20190188275A1 (en) | Method, device, storage medium, terminal for serching and retrieving applications | |
CN104239535A (zh) | 一种为文字配图的方法、服务器、终端及系统 | |
CN110245293B (zh) | 一种网络内容召回方法和装置 | |
CN108363817B (zh) | 文件处理方法、装置、移动终端及计算机可读存储介质 | |
CN110309357B (zh) | 应用数据推荐的方法、模型训练的方法、装置及存储介质 | |
CN107315487B (zh) | 一种输入处理方法、装置及电子设备 | |
CN109948090B (zh) | 网页加载方法及装置 | |
CN108874827B (zh) | 一种搜索方法及相关装置 | |
CN110633438B (zh) | 一种新闻事件处理的方法、终端、服务器及存储介质 | |
CN104281610B (zh) | 过滤微博的方法和装置 | |
CN108549681B (zh) | 数据处理方法和装置、电子设备、计算机可读存储介质 | |
CN109521888B (zh) | 一种输入方法、装置和介质 | |
CN111090877B (zh) | 数据生成、获取方法及对应的装置、存储介质 | |
KR102239616B1 (ko) | 메시지 통지 방법 및 단말기 | |
CN106844572B (zh) | 搜索结果处理方法及装置、用于搜索结果处理的装置 | |
US11269845B1 (en) | Techniques to configure media packages | |
CN110555155A (zh) | 物品信息推荐方法、设备和存储介质 | |
CN111666485B (zh) | 一种信息推荐方法、装置及终端 | |
CN106034065B (zh) | 信息展示方法及装置 | |
CN108616637B (zh) | 信息处理方法和装置、电子设备、计算机可读存储介质 |
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 | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20221115 Address after: 1402, Floor 14, Block A, Haina Baichuan Headquarters Building, No. 6, Baoxing Road, Haibin Community, Xin'an Street, Bao'an District, Shenzhen, Guangdong 518100 Applicant after: Shenzhen Yayue Technology Co.,Ltd. Address before: 518057 Tencent Building, No. 1 High-tech Zone, Nanshan District, Shenzhen City, Guangdong Province, 35 floors Applicant before: TENCENT TECHNOLOGY (SHENZHEN) Co.,Ltd. |
|
TA01 | Transfer of patent application right | ||
GR01 | Patent grant | ||
GR01 | Patent grant |