CN111680254A - 一种内容推荐方法及装置 - Google Patents

一种内容推荐方法及装置 Download PDF

Info

Publication number
CN111680254A
CN111680254A CN202010527602.8A CN202010527602A CN111680254A CN 111680254 A CN111680254 A CN 111680254A CN 202010527602 A CN202010527602 A CN 202010527602A CN 111680254 A CN111680254 A CN 111680254A
Authority
CN
China
Prior art keywords
content
recommended
recommendation
user
queue
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.)
Granted
Application number
CN202010527602.8A
Other languages
English (en)
Other versions
CN111680254B (zh
Inventor
周希波
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
BOE Technology Group Co Ltd
Original Assignee
BOE Technology Group Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by BOE Technology Group Co Ltd filed Critical BOE Technology Group Co Ltd
Priority to CN202010527602.8A priority Critical patent/CN111680254B/zh
Publication of CN111680254A publication Critical patent/CN111680254A/zh
Priority to PCT/CN2021/097758 priority patent/WO2021249249A1/zh
Application granted granted Critical
Publication of CN111680254B publication Critical patent/CN111680254B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06F16/958—Organisation or management of web site content, e.g. publishing, maintaining pages or automatic linking
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Information Transfer Between Computers (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明实施例提供了一种内容推荐方法装置，涉及数据处理技术领域，用于提高内容推荐的灵活性。该方法包括：接收终端设备发送的请求信息，所述请求信息用于请求推荐内容；根据推荐控制参数确定推荐内容；所述推荐控制参数由管理人员配置，包括：各推荐场景的开启状态、各推荐场景对应的各推荐策略的权重、各推荐策略对应的各推荐算法的权重以及各推荐算法对应的各推荐维度的权重；将所述推荐内容发送至所述终端设备。本发明实施例用于内容推荐。

Description

一种内容推荐方法及装置
技术领域
本发明涉及数据处理技术领域，尤其涉及一种内容推荐方法及装置。
背景技术
内容推荐是一种建立在海量数据挖掘上的精确内容提供方式，用于向用户提供个性化的信息服务和决策支持。
现有的内容推荐应用程序(Application，APP)向用户推荐内容的方式为：基于用户和内容开发人员的需求通过迭代的方式确定要向用户推荐的推荐内容，然后将推荐内容实时显示于推荐页面中，以实现内容的推荐。然而这种通过迭代确定的推荐内容的方式的灵活性较低，随着内容推荐技术的发展，这种通过迭代确定的推荐内容的方式已然无法适应当前内容推荐的灵活性需求。
发明内容
有鉴于此，本发明提供了一种内容推荐方法、装置及系统，用于提高内容推荐的灵活性。
为了实现上述目的，本发明实施例提供技术方案如下：
第一方面，本发明实施例提供一种内容推荐方法，包括：
接收终端设备发送的请求信息，所述请求信息用于请求推荐内容；
根据推荐控制参数确定推荐内容；所述推荐控制参数由管理人员配置，包括：各推荐场景的开启状态、各推荐场景对应的各推荐策略的权重、各推荐策略对应的各推荐算法的权重以及各推荐算法对应的各推荐维度的权重；
将所述推荐内容发送至所述终端设备。
作为本发明实施例一种可选的实施方式，所述请求信息携带有标识信息，所述标识信息包括以下标识中的至少一个：
目标推荐场景的标识、目标用户的标识以及目标内容的标识；
所述根据推荐控制参数确定推荐内容，包括：
根据所述推荐控制参数和所述标识信息确定所述推荐内容。
作为本发明实施例一种可选的实施方式，所述根据推荐控制参数确定推荐内容，包括：
根据所述推荐控制参数和中间推荐结果确定所述推荐内容；
其中，所述中间推荐结果包括以下集合中的至少一个：
指定内容集合，所述指定内容集合为管理人员指定的内容组成的集合；
热门内容集合，所述热门内容集合为热度值最大的N个内容组成的集合，任一内容的热度值为全部用户对该内容的正向反馈累计次数，N为正整数；
相似内容集合，所述相似内容集合为各内容的相似内容队列组成的集合，任一内容的相似内容队列包括与该内容的相似度最大的M个内容，M为正整数；
标签喜好度集合，所述标签喜好度集合为各用户对各内容包含的标签的喜好度组成的集合；
用户内容集合，所述用户内容集合为各用户对应的内容队列组成的集合。
作为本发明实施例一种可选的实施方式，所述中间推荐结果包括：所述相似内容集合；
在根据所述推荐控制参数和所述中间推荐结果确定所述推荐内容之前，所述方法还包括：
基于内容和内容包含的标签之间的关系构建知识图谱；
基于所述知识图谱中各内容与其他内容的最短连接路径的子路径数量、各内容与其他内容的连接路径的数量以及如下公式计算各内容与其他内容的相似度：
Figure BDA0002534198810000021
其中，distAB为内容A与内容B的相似度，nAB为所述知识图谱中内容A与内容B的连接路径的数量，hAB为所述知识图谱中内容A与内容B的最短连接路径的长度
根据与各内容的相似度最大的M个各内容生成各内容的相似内容队列；
根据各内容的相似内容队列生成所述相似内容集合。
作为本发明实施例一种可选的实施方式，所述中间推荐结果还包括：所述标签喜好度集合，在根据所述推荐控制参数和所述中间推荐结果确定所述推荐内容之前，所述方法还包括：
确定各用户浏览过的全部内容中产生正向反馈的内容和产生负向反馈的内容；
根据各用户浏览过的全部内容中个内容产生的正向反馈和负向反馈，对各内容包含的标签进行加权累计，获取各用户对各内容包含的标签的喜好度；
根据各用户对各内容包含的标签的喜好度生成所述标签喜好度集合。
作为本发明实施例一种可选的实施方式，所述终端设备采用沉浸式瀑布流的方式输出所述推荐内容，所述确定各用户浏览过的全部内容中产生正向反馈的内容和产生负向反馈的内容，包括：
获取各用户浏览过的全部内容中每个内容的浏览时长；
根据各用户浏览过的全部内容中每个内容的浏览时长和如下公式计算获取各用户对应的时长阈值：
Fi＝emean(∑lnt)；
其中，Fi为用户i对应的时长阈值，mean()为均值计算，lnt为用户i浏览过的内容的浏览时长的对数；e为自然常数；
确定各用户浏览过的全部内容中浏览时长大于该用户对应的时长阈值的内容为产生正向反馈的内容，确定各用户浏览过的全部内容中浏览时长小于或等于该用户对应的时长阈值的内容为产生负向反馈的内容。
作为本发明实施例一种可选的实施方式，所述中间推荐结果还包括：所述用户内容集合；在根据所述推荐控制参数和所述中间推荐结果确定所述推荐内容之前，所述方法还包括：
基于所述标签喜好度集合和各内容包含的标签，获取各用户对各内容的喜好度；
获取各用户喜好度最大的Q个内容生成各用户对应的内容队列，Q为正整数；
根据各用户对应的内容队列生成所述用户内容集合；
当第一用户对第一内容产生正向反馈时，获取第一相似内容队列，所述第一相似内容队列为所述第一内容的相似内容队列；
判断是否存在重复内容，所述重复内容为所述一相似内容队列和第一内容队列中均包含的内容；
若是，则按照所述重复内容在所述第一内容队列中的顺序，将所述重复内容设置于所述第一内容队列的首端；
判断内容数量之和是否大于队列长度阈值，所述内容数量之和为所述第一内容队列中内容的数量与所述第一相似内容队列中除所述重复内容以外的内容的数量的和；
若所述内容数量之和大于所述队列长度阈值，则逐一对所述第一内容队列尾端的内容进行删除；
若所述内容数量之和小于或等于所述队列长度阈值，则按照与所述第一内容的相似度降序排序将所述第一相似内容队列中除所述重复内容以外的其它内容设置于所述第一内容队列的尾端。
第二方面，本发明实施例提供一种内容推荐装置，包括：
接收单元，用于接收终端设备发送的请求信息，所述请求信息用于请求推荐内容；
处理单元，用于根据推荐控制参数确定推荐内容；所述推荐控制参数由管理人员配置，包括：各推荐场景的开启状态、各推荐场景对应的各推荐策略的权重、各推荐策略对应的各推荐算法的权重以及各推荐算法对应的各推荐维度的权重；
发送单元，用于将所述推荐内容发送至所述终端设备。
作为本发明实施例一种可选的实施方式，所述请求信息携带有标识信息，所所述标识信息包括以下标识中的至少一个：
目标推荐场景的标识、目标用户的标识以及目标内容的标识；
所述处理单元，具体用于根据所述推荐控制参数和所述标识信息确定所述推荐内容。
作为本发明实施例一种可选的实施方式，所述处理单元，具体用于根据所述推荐控制参数和中间推荐结果确定所述推荐内容；
其中，所述中间推荐结果包括以下集合中的至少一个：
指定内容集合，所述指定内容集合为管理人员指定的内容组成的集合；
热门内容集合，所述热门内容集合为热度值最大的N个内容组成的集合，任一内容的热度值为全部用户对该内容的正向反馈累计次数，N为正整数；
相似内容集合，所述相似内容集合为各内容的相似内容队列组成的集合，任一内容的相似内容队列包括与该内容的相似度最大的M个内容，M为正整数；
标签喜好度集合，所述标签喜好度集合为各用户对各内容包含的标签的喜好度组成的集合；
用户内容集合，所述用户内容集合为各用户对应的内容队列组成的集合。
作为本发明实施例一种可选的实施方式，所述中间推荐结果包括：所述相似内容集合；
所述处理单元，还用于在根据所述推荐控制参数和所述中间推荐结果确定所述推荐内容之前，基于内容和内容包含的标签之间的关系构建知识图谱；
基于所述知识图谱中各内容与其他内容的最短连接路径的子路径数量、各内容与其他内容的连接路径的数量以及如下公式计算各内容与其他内容的相似度：
Figure BDA0002534198810000051
其中，distAB为内容A与内容B的相似度，nAB为所述知识图谱中内容A与内容B的连接路径的数量，hAB为所述知识图谱中内容A与内容B的最短连接路径的长度；
根据与各内容的相似度最大的M个各内容生成各内容的相似内容队列；
根据各内容的相似内容队列生成所述相似内容集合。
作为本发明实施例一种可选的实施方式，所述中间推荐结果还包括：所述标签喜好度集合，所述处理单元，还用于确定各用户浏览过的全部内容中产生正向反馈的内容和产生负向反馈的内容；
根据各用户浏览过的全部内容中个内容产生的正向反馈和负向反馈，对各内容包含的标签进行加权累计，获取各用户对各内容包含的标签的喜好度；
根据各用户对各内容包含的标签的喜好度生成所述标签喜好度集合。
作为本发明实施例一种可选的实施方式，所述处理单元具体用于，
获取各用户浏览过的全部内容中每个内容的浏览时长；
根据各用户浏览过的全部内容中每个内容的浏览时长和如下公式计算获取各用户对应的时长阈值：
Fi＝emean(∑lnt)；
其中，Fi为用户i对应的时长阈值，mean()为均值计算，lnt为用户i浏览过的内容的浏览时长的对数；e为自然常数；
确定各用户浏览过的全部内容中浏览时长大于该用户对应的时长阈值的内容为产生正向反馈的内容，确定各用户浏览过的全部内容中浏览时长小于或等于该用户对应的时长阈值的内容为产生负向反馈的内容。
作为本发明实施例一种可选的实施方式，所述中间推荐结果还包括：所述用户内容集合；所述处理单元，还用于在根据所述推荐控制参数和所述中间推荐结果确定所述推荐内容之前，基于所述标签喜好度集合和各内容包含的标签，获取各用户对各内容的喜好度；
获取各用户喜好度最大的Q个内容生成各用户对应的内容队列，Q为正整数；
根据各用户对应的内容队列生成所述用户内容集合；
当第一用户对第一内容产生正向反馈时，获取第一相似内容队列，所述第一相似内容队列为所述第一内容的相似内容队列；
判断是否存在重复内容，所述重复内容为所述一相似内容队列以及第一内容队列中均包含的内容；
若是，则按照所述重复内容在所述第一内容队列中的顺序，将所述重复内容设置于所述第一内容队列的首端；
判断内容数量之和是否大于队列长度阈值，所述内容数量之和为所述第一内容队列中内容的数量与所述第一相似内容队列中除所述重复内容以外的内容的数量的和；
若所述内容数量之和大于所述队列长度阈值，则逐一对所述第一内容队列尾端的内容进行删除；
若所述内容数量之和小于或等于所述队列长度阈值，则按照与所述第一内容的相似度降序排序将所述第一相似内容队列中除所述重复内容以外的其它内容设置于所述第一内容队列的尾端。
第三方面，本发明实施例提供一种电子设备，包括：存储器和处理器，存储器用于存储计算机程序；处理器用于在调用计算机程序时执行上述第一方面或第一方面任一种可选的实施例方式所述的内容推荐方法。
第四方面，本发明实施例还提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，计算机程序被处理器实现上述第一方面或第一方面任一种可选的实施例方式所述的内容推荐方法。
本发明实施例提供的内容推荐方法在接收到终端设备发送的用于请求推荐内容的请求信息时，根据推荐控制参数确定推荐内容，并将所述推荐内容发送至所述终端设备，由于本发明实施例中的所述推荐控制参数由管理人员配置，且包括：各推荐场景的开启状态、各推荐场景对应的各推荐策略的权重、各推荐策略对应的各推荐算法的权重以及各推荐算法对应的各推荐维度的权重；因此管理人员可以基于需求对各推荐场景的开启状态、各推荐场景对应的各推荐策略的权重、各推荐策略对应的各推荐算法的权重以及各推荐算法对应的各推荐维度的权重配置，从而现实满足任意推荐需求，相比于现有技术中通过迭代的方式确定推荐内容，本发明实施例中可以管理人员仅需要根据推荐需求对推荐控制参数进行配置，即可实现向用户推荐想要推荐的内容，因此本发明实施例可以提高内容推荐的灵活性。
附图说明
通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。
图1为本发明实施例提供的内容推荐系统的示意性结构图；
图2为本发明实施例提供的内容推荐方法的步骤流程图；
图3为本发明实施例提供的内容推荐装置的示意性结构图之一；
图4为本发明实施例提供的内容推荐装置的示意性结构图之二；
图5为本发明实施例提供的电子设备的硬件结构图。
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，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明实施例中的实施例，本领域普通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。
本发明的说明书和权利要求书中的术语“第一”和“第二”等是用于区别同步的对象，而不是用于描述对象的特定顺序。例如，第一用户和第二用户是用于区别不同的用户，而不是用于描述用户的特定顺序。
在本发明实施例中，“示例性的”或者“例如”等词用于表示作例子、例证或说明。本发明实施例中被描述为“示例性的”或者“例如”的任何实施例或设计方案不应被解释为比其它实施例或设计方案更优选或更具优势。确切而言，使用“示例性的”或者“例如”等词旨在以具体方式呈现相关概念。此外，在本发明实施例的描述中，除非另有说明，“多个”的含义是指两个或两个以上。
以下首先对用于实现本发明实施例提供的内容推荐方法的内容推荐系统进行说明。参照图1所示，本发明实施例提供的内容推荐系统包括：终端设备100和服务器200。
终端设备100上安装有输出(显示、语音播报等)推荐内容的应用程序(APP)，用于通过应用程序接口(Application Programming Interface，API)从服务器200中获取推荐内容，在APP的推荐界面中将推荐内容展示给用户，以及将用户行为埋点数据反馈给服务器200。其中，终端设备可以手机、掌上电脑(Personal Digital Assistant，PDA)、个人计算机(Personal Computer，PC)、智能手表/手环、智能眼睛等电子设备，输出推荐内容的APP可以为线上购物类应用程序、视听娱乐类应用程序、即时通信类应用程序等，推荐内容具体可以画作、影视、商品等。
服务器200可以包括中台21、业务数据库22、流处理通道23、运营交互API 24以及远程字典服务(Remote Dictionary Server，REDIS)数据库25。服务器200用于基于终端设备100发送的请求信息和请求信息携带的标识信息(场景标识、用户标识信息、内容标识信息中的一项或多项)，向终端设备100发送推荐内容；接收终端设备100发送的用户行为埋点数据，并将用户行为埋点数据导入业务数据库22和流处理通道23中进行处理；接收管理人员通过运营交互API提交的用于修改或配置推荐控制参数的指令，根据指令修改或配置推荐控制参数(包括修改或/或配置任意推荐场景的开启状态、任意推荐场景对应的各推荐策略的权重、任意推荐策略对应的各推荐算法的权重以及任意推荐算法对应的各推荐维度的权重)，并将修改和/或配置的推荐控制参数存储在Redis数据库25中。其中，服务器200将用户行为埋点数据导入业务数据库22中进行处理具体包括：定期从业务数据库22中提取内容数据、用户数据、以及用户行为数据，进行内容热度统计、内容相似度计算，并将热门内容集合、相似内容集合存入REDIS数据库25中。服务器200将用户行为埋点数据流处理通道23中进行处理具体包括：实时地收集流处理通道23中的用户埋点数据，进行日志分析，针对用户对内容的操作行为更新用户对内容包含标签的喜好度，并针对用户产生的正向反馈调用基于知识图谱的推荐算法，将标签喜好度集合、用户内容集合存入REDIS数据库25中。服务器200还用于接收管理人员指定的内容，根据管理人员指定的内容生成指定内容集合，并将指定内容集合存入REDIS数据库25中。
随着内容推荐技术的发展，在推荐场景方面，常见的推荐系统往往包含首页推荐、猜你喜欢推荐、相似物品推荐等多种推荐场景；在推荐策略方面，运营人员为了推广APP、相关活动或者定制化的内容，常常需要动态地调整推荐策略；在推荐算法方面，随着内容的不断扩充、APP交互方式的演变，推荐系统采用的推荐算法、推荐算法的维度也有可能发生变化，然而通过迭代的方式确定的推荐内容的方式的灵活性较低，已然无法适应当前内容推荐的灵活性需求，基于上述问题，本发明实施例提供了一种内容推荐方法，具体的，参照图2所示，本发明实施例提供的内容推荐方法包括如下步骤：
S11、服务器接收终端设备发送的请求信息。
其中，所述请求信息用于请求推荐内容。
具体的，请求信息可以在用户在终端设备上执行预设操作时被触发，例如：首次启动运行APP或控制APP跳转至指定页面等时被触发，进而将请求信息发送至服务器。
S12、服务器根据推荐控制参数确定推荐内容。
所述推荐控制参数由管理人员配置，包括：各推荐场景的开启状态、各推荐场景对应的各推荐策略的权重、各推荐策略对应的各推荐算法的权重以及各推荐算法对应的各推荐维度的权重。
具体的，推荐控制参数可以由管理人员通过API配置，并以键值形式存储于服务器的本地数据库中，当接收终端设备发送的请求信息时，从数据库中读取推荐控制参数。
本发明实施例中的推荐场景可以包括：运营推荐场景、个性化推荐场景、相似内容推荐场景等推荐场景。其中，运营推荐场景是指向用户推荐指定推荐内容的推荐场景，具体内容可以为由管理人员、运营人员或内容团队指定的专栏、活动相关内容、精品内容、带多媒体解说的内容等。个性化推荐场景是指：针对用户生成定制化结果的推荐场景，对不同用户对应的推荐内容一般会有区别。相似内容推荐场景是指：对内容生成定制化结果的推荐场景，需要指定目标内容。推荐场景的开启状态用于控制APP是否包含上述场景，若任一推荐场景处于开启状态，则APP包含该推荐场景，若任一推荐场景处于关闭状态，则APP不包含该推荐场景。
本发明实施例中的推荐策略包括：基于热门内容的推荐策略、基于用户喜好度的推荐策略、基于内容作相似度的推荐策略、基于新颖性的推荐策略等。基于热门内容的推荐策略优先推荐热度高的内容，基于用户喜好度的推荐策略优先推荐用户更感兴趣的内容，基于内容相似度的推荐策略优先推荐与指定内容相似度高的内容，基于新颖性的推荐策略优先推荐用户没有浏览过的内容。推荐策略的权重用于控制各推荐场景中是否使用上述推荐策略，以及当多种推荐策略在同一推荐场景中被使用时，多种推荐策的推荐结果数量在该推荐场景对应的推荐内容中的比例。具体的，某一推荐场景的某一推荐策略的权重为0，则表示，该推荐场景不使用该推荐策略，某一推荐场景的某一推荐策略的权重为大于0且小于1，则表示该推荐策略的推荐结果数量为该推荐场景对应的推荐内容的一部分，某一推荐场景的某一推荐策略的权重为等于1，则表示该推荐策略的推荐结果即为该推荐场景对应的推荐内容。
推荐算法是指推荐策略所采用的算法。同一种推荐策略可能包含多种推荐算法。例如，基于内容相似度的推荐策略中可以包含基于矩阵相似度的推荐算法和基于知识图谱的推荐算法；基于用户喜好度的推荐策略中可以包含协同过滤算法和基于标签喜好度的排序算法。推荐算法权重用于控制推荐策略是否使用对应的推荐算法，以及多种推荐算法在同一种推荐策略中被使用时，推荐算法权重控制各种算法生成的推荐结果数量在该推荐策略中的比例。具体的，某一推荐策略的某一推荐算法的权重为0，则表示该推荐策略不使用该推荐算法，某一推荐策略的某一推荐算法的权重为大于0且小于1，则表示该推荐算法的推荐结果数量为该推荐策略的推荐推荐结果的一部分；某一推荐策略的某一推荐算法的权重为等于1，则表示该推荐算法的推荐结果即为该推荐策略的推荐结果。
推荐维度是指推荐算法中参数推荐结果计算的各中维度的指标。例如，内容热度的统计和基于用户喜好度的推荐算法可能涉及到多种用户操作，如推送、收藏、点赞、评论、搜索等；基于内容相似度的推荐策略中可能涉及到多种内容属性，如作者、国家、类别、流派、主题关键词等。推荐维度用于控制上述各种对应的维度是否在计算中被使用，当多种维度被应用于同一种推荐算法中时，推荐维度权重用于控制各维度在指标计算中的权重。具体的，某一推荐算法的某一推荐维度的权重为0，则表示，该推荐算法不使用该推荐维度；某一推荐算法的某一推荐维度的权重为大于0且小于1，则表示该推荐算法会使用该推荐维度进行推荐结果计算；某一推荐算法的某一推荐维度的权重为等于1，则表示该推荐算法仅使用该推荐维度进行推荐结果的计算。
可选的，在管理人员配置推荐控制参数之后，本发明实施例提供的内容推荐方法还可以包括：
接收推荐控制参数修改指令，所述推荐控制参数修改指令用于修改所述推荐控制参数；
根据所述推荐控制参数修改指令对所述推荐控制参数进行修改。
具体的，根据所述推荐控制参数修改指令对所述推荐控制参数进行修改包括：
对一个或多个推荐场景的开启状态进行修改；
对一个或多个推荐场景的一个或多个推荐策略的权重进行修改；
对一个或多个推荐策略的一个或多个推荐算法的权重进行修改；
对一个或多个推荐算法的一个或多个推荐维度的权重进行修改。
由于管理人员可以通过服务器的API向服务器输入推荐控制参数修改指令，从而实现推荐控制参数的修改，避免每一次需要调整推荐控制参数时都需要重新对全部的推荐控制参数进行配置，因此上述实施例可以简化推荐控制参数的录入过程。
S13、服务器将所述推荐内容发送至所述终端设备。
需要说明的是，当推荐内容为基于同一推荐场景的多种推荐策略和/或同一推荐策略的多种推荐算法确定的推荐结果时，在将所述推荐内容发送至所述终端设备之前，本发明实施例提供的内容推荐方法，还包括：
删除同一推荐场景的多种推荐策略和/或同一推荐策略的多种推荐算法确定的推荐结果中重复的推荐内容。
例如：基于推荐策略1得到的推荐结果包括：内容A、内容B和内容C，基于推荐策略2得到的推荐结果包括：内容D、内容F和内容C，则删除重复的推荐美容C，得到最终的推荐内容包括：内容A、内容B、推荐美容C、内容D以及内容F。
需要说明的是，在服务器将所述推荐内容发送至所述终端设备之后，所述方法还包括：
终端设备在推荐页面中显示所述推荐内容。
具体的，终端设备在推荐页面中显示推荐内容的方式可以包括如下两种：
第一种：采用瀑布流或Feed流的形式将推荐内容以缩略图、标签、简介等形式显示于推荐页面中，当用户对某一推荐内容产生兴趣后可以点击进入浏览该推荐内容的完整内容。
第二种：采用沉浸式瀑布流形式将推荐内容显示于推荐页面。不同于采用瀑布流或Feed流的形式将推荐内容以缩略图、标签、简介等形式显示于推荐页面中，沉浸式瀑布流在推荐页面后推荐页面上就是完整的内容，可以通过一定操作切换到其它推荐内容，高效直观，更加适合画作、视频等视觉观赏性的内容推荐。
本发明实施例提供的内容推荐方法在接收到终端设备发送的用于请求推荐内容的请求信息时，根据推荐控制参数确定推荐内容，并将所述推荐内容发送至所述终端设备，由于本发明实施例中的所述推荐控制参数由管理人员配置，且包括：各推荐场景的开启状态、各推荐场景对应的各推荐策略的权重、各推荐策略对应的各推荐算法的权重以及各推荐算法对应的各推荐维度的权重；因此管理人员可以基于需求对各推荐场景的开启状态、各推荐场景对应的各推荐策略的权重、各推荐策略对应的各推荐算法的权重以及各推荐算法对应的各推荐维度的权重配置，从而现实满足任意推荐需求，相比于现有技术中通过迭代的方式确定推荐内容，本发明实施例中可以管理人员仅需要根据推荐需求对推荐控制参数进行配置，即可实现向用户推荐想要推荐的内容，因此本发明实施例可以提高内容推荐的灵活性。
进一步的，上述实施例中的所述请求信息携带有标识信息，所述标识信息包括以下标识中的至少一个：
目标推荐场景的标识、目标用户的标识以及目标内容的标识。
具体的，推荐场景的标识可以为当前用户打开或用于展示推荐内容的页面的统一资源定位符(Uniform Resource Locator，URL)，基于当前用户打开或用于展示推荐内容的页面的URL可以确定当前的推荐场景。目标用户的标识可以用户登录APP的账号信息，用户的ID等。目标内容的标识信息可以为目标内容的ID、哈希码等。
在所述请求信息携带有所述标识信息的情况下，所述根据推荐控制参数确定推荐内容，包括：
根据所述推荐控制参数和所述标识信息确定所述推荐内容。
示例性的，根据所述推荐控制参数和所述标识信息确定所述推荐内容可以包括：
根据所述推荐控制参数和目标推荐场景的标识，确定所述目标场景对应的推荐内容；
或者，根据所述推荐控制参数和目标用户的标识，确定目标用户感兴趣的推荐内容；
或者，根据所述推荐控制参数和目标内容的标识，确定与目标内容相似的推荐内容；
或者，根据所述推荐控制参数、目标用户的标识以及目标内容的标识，确定目标用户感兴趣且与目标内容相似的推荐内容。
在请求信息中携带标识信息可以使推荐内容更加准确，进而提升内容推荐的效率。
进一步的，当标识信息还包括目标用户的标识的情况下，在将所述推荐内容发送至所述终端设备之前，本发明实施例提供的方法还包括：
确定所述推荐内容中是否包含所述目标用户在预设时间长度内浏览过的内容；
若是，则在删除所述目标用户在预设时间长度内浏览过的内容后，将所述推荐内容发送至所述终端设备。
将用户在预设时间长度内浏览过的内容删除可以避免向用户重复推荐，进而进一步提升内容推荐的效率。
作为本发明实施例一种可选的实施方式，上述实施例中所述根据推荐控制参数确定推荐内容，包括：根据所述推荐控制参数和中间推荐结果确定所述推荐内容；
其中，所述中间推荐结果包括以下集合中的至少一个：
指定内容集合，所述指定内容集合为管理人员指定的内容组成的集合；
热门内容集合，所述热门内容集合为热度值最大的N个内容组成的集合，任一内容的热度值为全部用户对该内容的正向反馈累计次数，N为正整数；
相似内容集合，所述相似内容集合为各内容的相似内容队列组成的集合，任一内容的相似内容队列包括与该内容的相似度最大的M个内容，M为正整数；
标签喜好度集合，所述标签喜好度集合为各用户对各内容包含的标签的喜好度组成的集合；
用户内容集合，所述用户内容集合为各用户对应的内容队列组成的集合。
上述实施例先获取中间推荐结果，并在需要获取推荐内容时，根据推荐控制参数和中间推荐结果确定推荐内容，相比于在需要获取推荐内容时，根据内容的属性、内容的标签、用户的行为数据等信息确定所述推荐内容，本发明实施例可提高确定推荐内容的速度，进而减少输出推荐内容的时延。
以下对获取所述中间结果中的各个集合的方式进行说明。
1、指定内容集合的获取方式：
当所述中间推荐结果包括：指定内容集合；在根据所述推荐控制参数和所述中间推荐结果确定所述推荐内容之前，所述方法还包括：
接收管理人员指定的内容，根据管理人员输入的内容生成所述指定内容集合。
具体的，管理人员输入的内容可以包括：专栏内容、活动相关内容、精品内容、带多媒体解说的内容等内容。
2、热门内容集合的获取方式：
当所述中间推荐结果包括：热门内容集合；在根据所述推荐控制参数和所述中间推荐结果确定所述推荐内容之前，所述方法还包括如下步骤21至步骤23：
步骤21、统计全部用户对各内容产生的正反馈的累计次数，作为各推荐内容的热度值。
其中，用户产生的正向反馈包括：点赞、分享、收藏、推送等点击按钮操作、评论、搜索等文本输入操作、对内容的缩放操作、拖动查看细节操作、点击显示介绍操作中的一种或多种。
步骤22、按照热度值对各内容进行降序排序。
步骤23、根据排序为位于前N的内容生成所述热门内容集合。
3、相似内容集合的获取方式：
当所述中间推荐结果包括：所述相似内容集合；在根据所述推荐控制参数和所述中间推荐结果确定所述推荐内容之前，所述方法还包括如下步骤31至步骤34。
步骤31、基于内容和内容包含的标签之间的关系构建知识图谱。
示例性的，内容包含的标签的种类可以包括：内容的作者的国籍、内容的类别、内容的作者、内容的主色等。
例如：内容1包含标签1、标签2和标签3，内容2包含标签1、标签2和标签4，则基于内容1、内容2以及标签1、标签2、标签3、标签4构建知识图谱。
步骤32、基于所述知识图谱中各内容与其他内容的最短连接路径的子路径数量、各内容与其他内容的连接路径的数量以及如下公式计算各内容与其他内容的相似度：
Figure BDA0002534198810000161
其中，distAB为内容A与内容B的相似度，nAB为所述知识图谱中内容A与内容B的连接路径的数量，hAB为所述知识图谱中内容A与内容B的最短连接路径的长度。
具体的，任意路径的长度为该路径所包含的子路径的熟练，例如：路径1由子路径A、子路径B以及子路径C组成，则路径1的长度为3。两个内容的最短连接路径的长度，即为该两个内容的所有连接路径中长度最短的一条路径的长度。
步骤33、根据与各内容的相似度最大的M个各内容生成各内容的相似内容队列。
具体的，对于某一内容，可以按照与该内容的相似度对其它内容进行降序排序，根据排序为位于前M的内容生成该内容的相似内容队列。
步骤34、根据各内容的相似内容队列生成所述相似内容集合。
示例性的，相似内容集合可以如下表1所示：
表1
Figure BDA0002534198810000171
4、标签喜好度集合的获取方式：
所述中间推荐结果还包括：所述标签喜好度集合，所述终端设备采用沉浸式瀑布流的方式输出所述推荐内容，在根据所述推荐控制参数和所述中间推荐结果确定所述推荐内容之前，所述方法还包括如下步骤41至44：
步骤41、确定各用户浏览过的全部内容中产生正向反馈的内容和产生负向反馈的内容。
其中，产生正向反馈的内容为该用户浏览过的全部内容中产生正向反馈的内容，产生负向反馈的内容为该用户浏览过的全部内容中产生负向反馈的内容。
步骤42、根据各用户浏览过的全部内容中个内容产生的正向反馈和负向反馈，对各内容包含的标签进行加权累计，获取各用户对各内容包含的标签的喜好度。
例如：用户1户浏览过的全部内容包括内容A和内容B，内容A包括标签1、标签2以及标签3，内容B包括标签1、标签2以及标签4，内容A为产生正向反馈的内容，内容B为产生负向反馈的内容，则用户1对标签1的喜好度为a1*(X-Y)，用户1对标签2的喜好度为a2*(X-Y)，用户1对标签3的喜好度为a3*X，用户1对标签4的喜好度为a4*Y。其中，a1、a2、a3以及a4分别为标签1、标签2、标签3、标签4的权重值，X和Y分别为产生正向反馈的内容包含的标签的权重和产生负向反馈的内容包含的标签的权重。
步骤43、根据各用户对各内容包含的标签的喜好度生成所述标签喜好度集合。
示例性的，标签喜好度集合可以如下表2所示：
表2
Figure BDA0002534198810000181
进一步的，当终端设备采用沉浸式瀑布流的方式输出所述推荐内容时，由于沉浸式瀑布流的特性，用户产生上述正向反馈的频率非常低，为了挖掘用户对内容包含的标签的喜好度可以采用如下方式确定各用户浏览过的全部内容中产生正向反馈的内容和产生负向反馈的内容：
获取各用户浏览过的全部内容中每个内容的浏览时长；
根据各用户浏览过的全部内容中每个内容的浏览时长和如下公式计算获取各用户对应的时长阈值：
Fi＝emean(∑lnt)；
其中，Fi为用户i对应的时长阈值，mean()为均值计算，lnt为用户i浏览过的内容的浏览时长的对数；e为自然常数；
确定各用户浏览过的全部内容中浏览时长大于该用户对应的时长阈值的内容为产生正向反馈的内容，确定各用户浏览过的全部内容中浏览时长小于或等于该用户对应的时长阈值的内容为产生负向反馈的内容。
5、用户内容集合的获取方式：
所述中间推荐结果还包括：所述用户内容集合；在根据所述推荐控制参数和所述中间推荐结果确定所述推荐内容之前，所述方法还包括如下步骤51至步骤59：
步骤51、基于所述标签喜好度集合和各内容包含的标签，获取各用户对各内容的喜好度。
例如：用户1对标签A的喜好度为x、对标签B的喜好度为y、对标签C的喜好度为z，内容1包含标签A，标签B以及标签C，则用户1对内容1的喜好度等于ay+by+cz，其中，a、b、c分别为标签A，标签B以及标签C的权重值。
步骤52、获取各用户喜好度最大的Q个内容生成各用户对应的内容队列。
步骤53、根据各用户对应的内容队列生成所述用户内容集合。
步骤54、当第一用户对第一内容产生正向反馈时，获取第一相似内容队列，所述第一相似内容队列为所述第一内容的相似内容队列。
我本发明实施例中的第一用户可以为任一用户。
步骤55、判断是否存在重复内容，所述重复内容为所述一相似内容队列以及第一内容队列中均包含的内容。
在上述步骤55中，若存在重复内容，则执行如下步骤56，若不存在重复内容，则执行如下步骤57。
步骤56、按照所述重复内容在所述第一内容队列中的顺序，将所述重复内容设置于所述第一内容队列的首端。
步骤57、判断内容数量之和是否大于队列长度阈值。
其中，所述内容数量之和为所述第一内容队列中内容的数量与所述第一相似内容队列中除所述重复内容以外的内容的数量的和。
在上述步骤57中，若所述内容数量之和大于所述队列长度阈值，则执行如下步骤58，若所述内容数量之和小于或等于所述队列长度阈值，则执行如下步骤59。
步骤58、逐一对所述第一内容队列尾端的内容进行删除。
步骤59、按照与所述第一内容的相似度降序排序将所述第一相似内容队列中除所述重复内容以外的其它内容设置于所述第一内容队列的尾端。
上述实施例进一步实时根据用户对内容产生的正向反馈对用户的对应的内容队列进行更新，因此可以更加及时的对用户喜好行为进行响应，进而提升内容推荐的时效性。
进一步的，在根据各用户对应的内容队列生成所述用户内容集合之后，本发明实施例提供的内容推荐方法还包括：
当接收当第一用户对第一内容队列中的某一内容产生负向反馈时，将该内容从所述第一内容队列中删除。
示例性的，用户内容集合可以如下表3所示：
表3
Figure BDA0002534198810000201
基于同一发明构思，作为对上述方法的实现，本发明实施例还提供了一种执行上述方法实施例提供的内容推荐方法的内容推荐装置，该实施例与前述方法实施例对应，为便于阅读，本实施例不再对前述方法实施例中的细节内容进行逐一赘述，但应当明确，本实施例中的内容推荐装置能够对应实现前述方法实施例中的全部内容。
图3为本发明实施例提供的内容推荐装置的结构示意图，参照图3所示，本发明实施例提供的内容推荐装置300包括：
接收单元31，用于接收终端设备发送的请求信息，所述请求信息用于请求推荐内容；
处理单元32，用于根据推荐控制参数确定推荐内容；所述推荐控制参数由管理人员配置，包括：各推荐场景的开启状态、各推荐场景对应的各推荐策略的权重、各推荐策略对应的各推荐算法的权重以及各推荐算法对应的各推荐维度的权重；
发送单元33，用于将所述推荐内容发送至所述终端设备。
作为本发明实施例一种可选的实施方式，所述请求信息携带有标识信息，所述标识信息包括以下标识中的至少一个：
目标推荐场景的标识、目标用户的标识以及目标内容的标识；
所述处理单元32，具体用于根据所述推荐控制参数和所述标识信息确定所述推荐内容。
作为本发明实施例一种可选的实施方式，参照图4所示，所述内容推荐装置300还包括：
用户输入单元34，用于接收推荐控制参数修改指令，所述推荐控制参数修改指令用于修改所述推荐控制参数；
所述处理单元32，还用于根据所述推荐控制参数修改指令对所述推荐控制参数进行修改。
作为本发明实施例一种可选的实施方式，所述处理单元32，具体用于根据所述推荐控制参数和中间推荐结果确定所述推荐内容；
其中，所述中间推荐结果包括以下集合中的至少一个：
指定内容集合，所述指定内容集合为管理人员指定的内容组成的集合；
热门内容集合，所述热门内容集合为热度值最大的N个内容组成的集合，任一内容的热度值为全部用户对该内容的正向反馈累计次数，N为正整数；
相似内容集合，所述相似内容集合为各内容的相似内容队列组成的集合，任一内容的相似内容队列包括与该内容的相似度最大的M个内容，M为正整数；
标签喜好度集合，所述标签喜好度集合为各用户对各内容包含的标签的喜好度组成的集合；
用户内容集合，所述用户内容集合为各用户对应的内容队列组成的集合。
作为本发明实施例一种可选的实施方式，所述中间推荐结果包括：所述相似内容集合；
所述处理单元32，还用于在根据所述推荐控制参数和所述中间推荐结果确定所述推荐内容之前，基于内容和内容包含的标签之间的关系构建知识图谱；
基于所述知识图谱中各内容与其他内容的最短连接路径的子路径数量、各内容与其他内容的连接路径的数量以及如下公式计算各内容与其他内容的相似度：
Figure BDA0002534198810000221
其中，distAB为内容A与内容B的相似度，nAB为所述知识图谱中内容A与内容B的连接路径的数量，hAB为所述知识图谱中内容A与内容B的最短连接路径的长度；
根据与各内容的相似度最大的M个各内容生成各内容的相似内容队列；
根据各内容的相似内容队列生成所述相似内容集合。
作为本发明实施例一种可选的实施方式，所述中间推荐结果还包括：所述标签喜好度集合，所述处理单元32，还用于确定各用户浏览过的全部内容中产生正向反馈的内容和产生负向反馈的内容；
根据各用户浏览过的全部内容中个内容产生的正向反馈和负向反馈，对各内容包含的标签进行加权累计，获取各用户对各内容包含的标签的喜好度；
根据各用户对各内容包含的标签的喜好度生成所述标签喜好度集合。
作为本发明实施例一种可选的实施方式，所述处理单元具体用于，
获取各用户浏览过的全部内容中每个内容的浏览时长；
根据各用户浏览过的全部内容中每个内容的浏览时长和如下公式计算获取各用户对应的时长阈值：
Fi＝emean(∑lnt)；
其中，Fi为用户i对应的时长阈值，mean()为均值计算，lnt为用户i浏览过的内容的浏览时长的对数；e为自然常数；
确定各用户浏览过的全部内容中浏览时长大于该用户对应的时长阈值的内容为产生正向反馈的内容，确定各用户浏览过的全部内容中浏览时长小于或等于该用户对应的时长阈值的内容为产生负向反馈的内容。
作为本发明实施例一种可选的实施方式，所述中间推荐结果还包括：所述用户内容集合；所述处理单元32，还用于在根据所述推荐控制参数和所述中间推荐结果确定所述推荐内容之前，基于所述标签喜好度集合和各内容包含的标签，获取各用户对各内容的喜好度；
获取各用户喜好度最大的Q个内容生成各用户对应的内容队列，Q为正整数；
根据各用户对应的内容队列生成所述用户内容集合。
作为本发明实施例一种可选的实施方式，所述处理单元32，还用于在根据各用户对应的内容队列生成所述用户内容集合之后，当第一用户对第一内容产生正向反馈时，获取第一相似内容队列，所述第一相似内容队列为所述第一内容的相似内容队列；
判断是否存在重复内容，所述重复内容为所述一相似内容队列以及第一内容队列中均包含的内容；
若是，则按照所述重复内容在所述第一内容队列中的顺序，将所述重复内容设置于所述第一内容队列的首端；
判断内容数量之和是否大于队列长度阈值，所述内容数量之和为所述第一内容队列中内容的数量与所述第一相似内容队列中除所述重复内容以外的内容的数量的和；
若所述内容数量之和大于所述队列长度阈值，则逐一对所述第一内容队列尾端的内容进行删除；
若所述内容数量之和小于或等于所述队列长度阈值，则按照与所述第一内容的相似度降序排序将所述第一相似内容队列中除所述重复内容以外的其它内容设置于所述第一内容队列的尾端。
上述实施例提供的内容推荐装置可以执行上述方法实施例提供的内容推荐方法，其实现原理与技术效果类似，此处不再赘述。
基于同一发明构思，本发明实施例还提供了一种电子设备。图5为本发明实施例提供的电子设备的结构示意图，如图5所示，本实施例提供的电子设备包括：存储器51和处理器52，存储器51用于存储计算机程序；处理器52用于在调用计算机程序时执行上述内容推荐方法。
本发明实施例还提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时实现上述方法实施例所述的内容推荐方法。
本领域技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质上实施的计算机程序产品的形式。
处理器可以是中央处理单元(CentralProcessingUnit，CPU)，还可以是其他通用处理器、数字信号处理器(DigitalSignalProcessor，DSP)、专用集成电路(ApplicationSpecificIntegratedCircuit，ASIC)、现成可编程门阵列(Field-ProgrammableGateArray，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flashRAM)。存储器是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动存储介质。存储介质可以由任何方法或技术来实现信息存储，信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。根据本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitorymedia)，如调制的数据信号和载波。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

Claims (10)

1.一种内容推荐方法，其特征在于，包括：
接收终端设备发送的请求信息，所述请求信息用于请求推荐内容；
根据推荐控制参数确定推荐内容；所述推荐控制参数由管理人员配置，包括：各推荐场景的开启状态、各推荐场景对应的各推荐策略的权重、各推荐策略对应的各推荐算法的权重以及各推荐算法对应的各推荐维度的权重；
将所述推荐内容发送至所述终端设备。
2.根据权利要求1所述的方法，其特征在于，所述请求信息携带有标识信息，所述标识信息包括以下标识中的至少一个：
目标推荐场景的标识、目标用户的标识以及目标内容的标识；
所述根据推荐控制参数确定推荐内容，包括：
根据所述推荐控制参数和所述标识信息确定所述推荐内容。
3.根据权利要求1或2所述的方法，其特征在于，所述根据推荐控制参数确定推荐内容，包括：根据所述推荐控制参数和中间推荐结果确定所述推荐内容；
其中，所述中间推荐结果包括以下集合中的至少一个：
指定内容集合，所述指定内容集合为管理人员指定的内容组成的集合；
热门内容集合，所述热门内容集合为热度值最大的N个内容组成的集合，任一内容的热度值为全部用户对该内容的正向反馈累计次数，N为正整数；
相似内容集合，所述相似内容集合为各内容的相似内容队列组成的集合，任一内容的相似内容队列包括与该内容的相似度最大的M个内容，M为正整数；
标签喜好度集合，所述标签喜好度集合为各用户对各内容包含的标签的喜好度组成的集合；
用户内容集合，所述用户内容集合为各用户对应的内容队列组成的集合。
4.根据权利要求3所述的方法，其特征在于，所述中间推荐结果包括：所述相似内容集合；
在根据所述推荐控制参数和所述中间推荐结果确定所述推荐内容之前，所述方法还包括：
基于内容和内容包含的标签之间的关系构建知识图谱；
基于所述知识图谱中各内容与其他内容的最短连接路径的子路径数量、各内容与其他内容的连接路径的数量以及如下公式计算各内容与其他内容的相似度：
Figure FDA0002534198800000021
其中，distAB为内容A与内容B的相似度，nAB为所述知识图谱中内容A与内容B的连接路径的数量，hAB为所述知识图谱中内容A与内容B的最短连接路径的长度；
根据与各内容的相似度最大的M个各内容生成各内容的相似内容队列；
根据各内容的相似内容队列生成所述相似内容集合。
5.根据权利要求4所述的方法，其特征在于，所述中间推荐结果还包括：所述标签喜好度集合，在根据所述推荐控制参数和所述中间推荐结果确定所述推荐内容之前，所述方法还包括：
确定各用户浏览过的全部内容中产生正向反馈的内容和产生负向反馈的内容；
根据各用户浏览过的全部内容中个内容产生的正向反馈和负向反馈，对各内容包含的标签进行加权累计，获取各用户对各内容包含的标签的喜好度；
根据各用户对各内容包含的标签的喜好度生成所述标签喜好度集合。
6.根据权利要求5所述的方法，其特征在于，所述终端设备采用沉浸式瀑布流的方式输出所述推荐内容，所述确定各用户浏览过的全部内容中产生正向反馈的内容和产生负向反馈的内容，包括：
获取各用户浏览过的全部内容中每个内容的浏览时长；
根据各用户浏览过的全部内容中每个内容的浏览时长和如下公式计算获取各用户对应的时长阈值：
Fi＝emean(∑lnt)；
其中，Fi为用户i对应的时长阈值，mean()为均值计算，lnt为用户i浏览过的内容的浏览时长的对数；e为自然常数；
确定各用户浏览过的全部内容中浏览时长大于该用户对应的时长阈值的内容为产生正向反馈的内容，确定各用户浏览过的全部内容中浏览时长小于或等于该用户对应的时长阈值的内容为产生负向反馈的内容。
7.根据权利要求5所述的方法，其特征在于，所述中间推荐结果还包括：所述用户内容集合；在根据所述推荐控制参数和所述中间推荐结果确定所述推荐内容之前，所述方法还包括：
基于所述标签喜好度集合和各内容包含的标签，获取各用户对各内容的喜好度；
获取各用户喜好度最大的Q个内容生成各用户对应的内容队列，Q为正整数；
根据各用户对应的内容队列生成所述用户内容集合；
当第一用户对第一内容产生正向反馈时，获取第一相似内容队列，所述第一相似内容队列为所述第一内容的相似内容队列；
判断是否存在重复内容，所述重复内容为所述一相似内容队列和第一内容队列中均包含的内容，所述第一内容队列为所述第一用户对应的内容队列；
若是，则按照所述重复内容在所述第一内容队列中的顺序，将所述重复内容设置于所述第一内容队列的首端；
判断内容数量之和是否大于队列长度阈值，所述内容数量之和为所述第一内容队列中内容的数量与所述第一相似内容队列中除所述重复内容以外的内容的数量的和；
若所述内容数量之和大于所述队列长度阈值，则逐一对所述第一内容队列尾端的内容进行删除；
若所述内容数量之和小于或等于所述队列长度阈值，则按照与所述第一内容的相似度降序排序将所述第一相似内容队列中除所述重复内容以外的其它内容设置于所述第一内容队列的尾端。
8.一种内容推荐装置，其特征在于，包括：
接收单元，用于接收终端设备发送的请求信息，所述请求信息用于请求推荐内容；
处理单元，用于根据推荐控制参数确定推荐内容；所述推荐控制参数由管理人员配置，包括：各推荐场景的开启状态、各推荐场景对应的各推荐策略的权重、各推荐策略对应的各推荐算法的权重以及各推荐算法对应的各推荐维度的权重；
发送单元，用于将所述推荐内容发送至所述终端设备。
9.一种电子设备，其特征在于，包括：存储器和处理器，存储器用于存储计算机程序；处理器用于在调用计算机程序时执行权利要求1-7任一项所述的内容推荐方法。
10.一种计算机可读存储介质，其特征在于，该计算机可读存储介质上存储有计算机程序，计算机程序被处理器实现权利要求1-7任一项所述的内容推荐方法。
CN202010527602.8A 2020-06-11 2020-06-11 一种内容推荐方法及装置 Active CN111680254B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202010527602.8A CN111680254B (zh) 2020-06-11 2020-06-11 一种内容推荐方法及装置
PCT/CN2021/097758 WO2021249249A1 (zh) 2020-06-11 2021-06-01 内容推荐方法、装置及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010527602.8A CN111680254B (zh) 2020-06-11 2020-06-11 一种内容推荐方法及装置

Publications (2)

Publication Number Publication Date
CN111680254A true CN111680254A (zh) 2020-09-18
CN111680254B CN111680254B (zh) 2024-04-09

Family

ID=72454609

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010527602.8A Active CN111680254B (zh) 2020-06-11 2020-06-11 一种内容推荐方法及装置

Country Status (2)

Country Link
CN (1) CN111680254B (zh)
WO (1) WO2021249249A1 (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112148984A (zh) * 2020-09-30 2020-12-29 微梦创科网络科技（中国）有限公司 一种捕捉用户即时兴趣的方法及系统
CN113536111A (zh) * 2021-06-11 2021-10-22 北京十一贝科技有限公司 保险知识内容的推荐方法、装置和终端设备
WO2021249249A1 (zh) * 2020-06-11 2021-12-16 京东方科技集团股份有限公司 内容推荐方法、装置及系统
CN114049161A (zh) * 2021-12-07 2022-02-15 哈尔滨连祥科技有限公司 基于电商大数据反馈的推送优化方法及电商大数据系统
CN115079903A (zh) * 2022-06-29 2022-09-20 上海掌门科技有限公司 一种选项卡显示方法、计算机设备及计算机可读存储介质
WO2023165410A1 (zh) * 2022-03-02 2023-09-07 北京字节跳动网络技术有限公司 内容推荐方法及装置

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114579850A (zh) * 2022-02-25 2022-06-03 北京百度网讯科技有限公司 模型训练方法、数据推荐方法、装置、电子设备及存储介质
CN116431895A (zh) * 2023-02-15 2023-07-14 武汉博晟安全技术股份有限公司 安全生产知识个性化推荐方法及系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107609198A (zh) * 2017-10-20 2018-01-19 咪咕互动娱乐有限公司 一种推荐方法、装置及计算机可读存储介质
CN107948326A (zh) * 2017-12-29 2018-04-20 暴风集团股份有限公司 内容推荐调试方法和装置、电子设备、存储介质、程序
CN111125497A (zh) * 2018-10-29 2020-05-08 北京国双科技有限公司 一种信息推荐方法、装置、处理器以及存储介质

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111680254B (zh) * 2020-06-11 2024-04-09 京东方科技集团股份有限公司 一种内容推荐方法及装置

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107609198A (zh) * 2017-10-20 2018-01-19 咪咕互动娱乐有限公司 一种推荐方法、装置及计算机可读存储介质
CN107948326A (zh) * 2017-12-29 2018-04-20 暴风集团股份有限公司 内容推荐调试方法和装置、电子设备、存储介质、程序
CN111125497A (zh) * 2018-10-29 2020-05-08 北京国双科技有限公司 一种信息推荐方法、装置、处理器以及存储介质

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021249249A1 (zh) * 2020-06-11 2021-12-16 京东方科技集团股份有限公司 内容推荐方法、装置及系统
CN112148984A (zh) * 2020-09-30 2020-12-29 微梦创科网络科技（中国）有限公司 一种捕捉用户即时兴趣的方法及系统
CN112148984B (zh) * 2020-09-30 2023-11-10 微梦创科网络科技（中国）有限公司 一种捕捉用户即时兴趣的方法及系统
CN113536111A (zh) * 2021-06-11 2021-10-22 北京十一贝科技有限公司 保险知识内容的推荐方法、装置和终端设备
CN113536111B (zh) * 2021-06-11 2024-06-07 北京十一贝科技有限公司 保险知识内容的推荐方法、装置和终端设备
CN114049161A (zh) * 2021-12-07 2022-02-15 哈尔滨连祥科技有限公司 基于电商大数据反馈的推送优化方法及电商大数据系统
CN114049161B (zh) * 2021-12-07 2022-06-21 广州市贝法易信息科技有限公司 基于电商大数据反馈的推送优化方法及电商大数据系统
WO2023165410A1 (zh) * 2022-03-02 2023-09-07 北京字节跳动网络技术有限公司 内容推荐方法及装置
CN115079903A (zh) * 2022-06-29 2022-09-20 上海掌门科技有限公司 一种选项卡显示方法、计算机设备及计算机可读存储介质

Also Published As

Publication number Publication date
CN111680254B (zh) 2024-04-09
WO2021249249A1 (zh) 2021-12-16

Similar Documents

Publication Publication Date Title
CN111680254B (zh) 一种内容推荐方法及装置
US11974019B2 (en) Identifying related videos based on relatedness of elements tagged in the videos
US11588767B2 (en) System and interface that facilitate selecting videos to share in a messaging application
US10853415B2 (en) Systems and methods of classifying content items
US9819999B2 (en) Interactive media display across devices
US9467504B2 (en) Techniques and systems for supporting podcasting
US11361015B2 (en) Apparatus and method for clipping and sharing content at a portable terminal
US9967628B2 (en) Rating videos based on parental feedback
US7761399B2 (en) Recommendation networks for ranking recommendations using trust rating for user-defined topics and recommendation rating for recommendation sources
US9699490B1 (en) Adaptive filtering to adjust automated selection of content using weightings based on contextual parameters of a browsing session
US20160179971A1 (en) System For Generating Media Recommendations In A Distributed Environment Based On Seed Information
US9369514B2 (en) Systems and methods of selecting content items
US20130268513A1 (en) Annotations based on hierarchical categories and groups
WO2015191803A1 (en) System and method for providing related digital content
US20200394234A1 (en) Enhanced browser tab management
RU2714594C1 (ru) Способ и система определения параметра релевантность для элементов содержимого
CN112307315A (zh) 智能推荐服务的方法及装置
CN111723289A (zh) 信息推荐方法及装置
Hoyt et al. PodcastRE Analytics: Using RSS to Study the Cultures and Norms of Podcasting.
Shapira et al. ePaper: A personalized mobile newspaper
CN115244941A (zh) 用于改进视频组包的用户界面
US20230081938A1 (en) Digital video analysis
Haugen Mobile News: Design, User Experience and Recommendation
Lee et al. Cloud Media DJ Platform: Functional Perspective
CN117992660A (zh) 搜索方法、装置、设备及存储介质

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
GR01 Patent grant
GR01 Patent grant