CN111683154B - 一种内容推送的方法、装置、介质及电子设备 - Google Patents
一种内容推送的方法、装置、介质及电子设备 Download PDFInfo
- Publication number
- CN111683154B CN111683154B CN202010555292.0A CN202010555292A CN111683154B CN 111683154 B CN111683154 B CN 111683154B CN 202010555292 A CN202010555292 A CN 202010555292A CN 111683154 B CN111683154 B CN 111683154B
- Authority
- CN
- China
- Prior art keywords
- object group
- interest
- class
- objects
- labels
- 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 58
- 239000013598 vector Substances 0.000 claims description 22
- 238000004590 computer program Methods 0.000 claims description 12
- 238000001914 filtration Methods 0.000 claims description 6
- 230000007704 transition Effects 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 abstract description 7
- 238000010586 diagram Methods 0.000 description 29
- 230000008569 process Effects 0.000 description 15
- 238000012545 processing Methods 0.000 description 12
- 230000006870 function Effects 0.000 description 8
- 230000005012 migration Effects 0.000 description 8
- 238000013508 migration Methods 0.000 description 8
- 230000006854 communication Effects 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 4
- 238000001514 detection method Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000013139 quantization Methods 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000001788 irregular Effects 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
- 239000013307 optical fiber Substances 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/50—Network services
- H04L67/55—Push-based network services
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23211—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with adaptive number of clusters
Abstract
本申请的实施例提供了一种内容推送的方法、装置、计算机可读介质及电子设备。该内容推送的方法包括:获取系统中注册的新增对象的兴趣标签,对兴趣标签与各聚类中心对应的类标签进行相似度匹配,确定兴趣标签匹配的目标对象群,将新增对象添加至目标对象群中,以基于目标对象群的类标签,向目标对象群中的对象推送内容。本申请实施例通过将对象兴趣标签与预聚类的对象群的类标签进行匹配的方式,高效确定新增对象对应的对象群,提高了对象聚类的效率;并且只通过针对一个对象群的类标签便可以推送对应的内容至对象群中所有的对象,使得推送的内容更加符合对象的偏好兴趣,增加了内容推送的效率和准确率,进而提高内容的推送成功率和转化率。
Description
技术领域
本申请涉及计算机技术领域,具体而言,涉及一种内容推送的方法、装置、计算机可读介质及电子设备。
背景技术
在很多对象管理过程中,由于各对象具有不同的偏好,针对不同对象的不同偏好很难做到统一的管理。尤其是在系统中不停的有新注册的对象时,将新注册的对象添加管理之后,往往影响到之前预先构建的群体,而导致对象群体管理不够统一和精确。
发明内容
本申请的实施例提供了一种内容推送的方法、装置、计算机可读介质及电子设备,进而至少在一定程度上可以增加内容推送的效率和准确率,进而提高内容的推送成功率和转化率。
本申请的其他特性和优点将通过下面的详细描述变得显然,或部分地通过本申请的实践而习得。
根据本申请实施例的一个方面,提供了一种内容推送的方法,包括:获取系统中注册的新增对象的兴趣标签;对所述兴趣标签与各聚类中心对应的类标签进行相似度匹配,确定所述兴趣标签匹配的目标对象群,其中,所述聚类中心为对各对象进行预聚类得到的对象群的中心;将所述新增对象添加至所述目标对象群中;基于所述目标对象群的类标签,向所述目标对象群中的对象推送内容。
根据本申请实施例的一个方面,提供了一种内容推送的装置,包括:获取单元,用于获取系统中注册的新增对象的兴趣标签;匹配单元,用于对所述兴趣标签与各聚类中心对应的类标签进行相似度匹配,确定所述兴趣标签匹配的目标对象群,其中,所述聚类中心为对各对象进行预聚类得到的对象群的中心;添加单元,用于将所述新增对象添加至所述目标对象群中;推送单元,用于基于所述目标对象群的类标签,向所述目标对象群中的对象推送内容。
在本申请的一些实施例中,基于前述方案,所述匹配单元包括:查找单元,用于根据所述各聚类中心对应的类标签中的标签特征,查找与所述兴趣标签的前n个标签特征相同的类标签,作为目标类标签;其中,n为大于1的整数,且小于或者等于所述兴趣标签中标签特征的总数;识别单元,用于将所述目标类标签对应的对象群识别为所述目标对象群。
在本申请的一些实施例中,基于前述方案,所述匹配单元包括:第一确定单元,用于基于所述兴趣标签确定所述兴趣标签对应的第一向量,基于所述对象群的类标签确定所述类标签对应的第二向量;第二确定单元,用于根据所述第一向量和所述第二向量之间的余弦距离,确定所述兴趣标签对应的目标对象群。
在本申请的一些实施例中,基于前述方案,所述推送单元包括:过滤单元,用于根据所述目标对象群对应的类标签,对推送内容进行过滤,得到所述类标签对应的目标内容;排序单元,用于基于所述目标对象群的类标签中的标签特征、以及所述标签特征对应的权重,对各所述类标签对应的目标内容进行排序,得到推送序列;第一推送单元,用于基于所述推送序列,推送所述目标内容至所述目标对象群中的对象。
在本申请的一些实施例中,基于前述方案,所述内容推送的装置还包括:第一获取单元,用于获取所述系统中指定对象的兴趣标签;第三确定单元,用于基于所述指定对象的兴趣标签与所述各对象群的类标签,确定与所述指定对象匹配的第一对象群;第一迁移单元,用于若所述第一对象群与所述指定对象当前所属的第二对象群不同,则将所述指定对象从所述第二对象群迁移至所述第一对象群。
在本申请的一些实施例中,基于前述方案,所述内容推送的装置还包括:第一检测单元,用于基于预设数据峰值,检测系统的数据低峰期;第二获取单元,用于在所述数据低峰期时,获取系统中的对象的兴趣标签;第一匹配单元,用于将所述对象的兴趣标签与所述各对象群的类标签进行相似度匹配,确定与所述对象匹配的对象群;第二迁移单元,用于将所述对象迁移至与其匹配的对象群,得到更新对象群。
在本申请的一些实施例中,基于前述方案,所述第二迁移单元包括:第三迁移单元,用于将所述对象迁移至与其匹配的对象群,得到即时对象群;第四确定单元,用于若所述即时对象群中的对象数目小于数据阈值,则在预聚类得到的各对象群的类标签中,确定与所述即时对象群的类标签对应的目标标签;合并单元,用于将所述即时对象群中的对象合并至所述目标标签对应的对象群中,得到对象数量大于或等于所述数目阈值的更新对象群。
在本申请的一些实施例中,基于前述方案,所述内容推送的装置还包括:第二检测单元,用于检测新加入所述对象群的流动对象;第三获取单元,用于获取所述流动对象的历史兴趣标签;分析单元,用于基于所述历史兴趣标签,对所述流动对象的偏好进行分析,得到偏好走向信息;第三推送单元,用于基于所述偏好走向信息,向所述流动对象推送所述偏好走向信息对应的内容。
在本申请的一些实施例中,基于前述方案,所述第三推送单元,包括:预测单元,用于基于所述偏好走向信息,预测所述流动对象在下一次变迁时的预测兴趣标签;标签查找单元,用于在所述各聚类中心对应的类标签中,查找与所述预测兴趣标签对应的预测类标签;第四推送单元,用于推送所述预测类标签对应内容至所述流动对象对应的终端设备。
在本申请的一些实施例中,基于前述方案,所述分析单元包括:量化单元,用于将所述历史兴趣标签进行量化,得到所述历史兴趣标签对应的兴趣特征;关联单元,用于将各所述历史兴趣标签对应的兴趣特征进行关联,得到表示所述偏好走向信息的特征向量。
在本申请的一些实施例中,基于前述方案,所述内容推送的装置还包括:第三获取单元,用于获取所述对象基于所述推送内容生成的反馈信息;更新单元,用于根据所述反馈信息更新所述对象的兴趣标签、以及所述对象所在的对象群。
根据本申请实施例的一个方面,提供了一种内容推送的装置,包括:第一发送单元,用于发送注册请求至管理节点;第二发送单元,用于在注册完成时,发送兴趣标签至管理节点;内容获取单元,用于获取所述管理节点基于目标对象群的类标签推送的内容,其中,所述目标对象群为所述管理节点对预聚类得到各对象群的类标签与所述兴趣标签进行相似度匹配确定的。
根据本申请实施例的一个方面,提供了一种计算机可读介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如上述实施例中所述的内容推送的方法。
根据本申请实施例的一个方面,提供了一种电子设备,包括:一个或多个处理器;存储装置,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现如上述实施例中所述的内容推送的方法。
在本申请的一些实施例所提供的技术方案中,通过将对象兴趣标签与预聚类的对象群的类标签进行匹配的方式,高效确定新增对象的兴趣标签匹配的类标签及其对应的目标对象群,提高了对象聚类的效率;并且只针对一个对象群的类标签便可以推送对应的内容至对象群中的所有对象,使得推送的内容更加符合对象的偏好兴趣,增加了内容推送的效率和准确率,进而提高内容的推送成功率和转化率。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本申请。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本申请的实施例,并与说明书一起用于解释本申请的原理。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。在附图中:
图1示出了可以应用本申请实施例的技术方案的示例性系统架构的示意图;
图2示意性示出了根据本申请的一个实施例的内容推送的方法的流程图;
图3示意性示出了根据本申请的一个实施例的获取新增对象的兴趣标签的示意图;
图4示意性示出了根据本申请的一个实施例的类标签匹配的示意图;
图5示意性示出了根据本申请的一个实施例的类标签匹配的示意图;
图6示意性示出了根据本申请的一个实施例的全量更新的流程图;
图7示意性示出了根据本申请的一个实施例的全量更新的示意图;
图8示意性示出了根据本申请的一个实施例的海量新闻召回的示意图;
图9示意性示出了根据本申请的一个实施例的基于群体的海量新闻召回的示意图;
图10示意性示出了根据本申请的一个实施例的全量更新的示意图;
图11示意性示出了根据本申请的一个实施例的内容推送的方法的流程图;
图12示意性示出了根据本申请的一个实施例的内容推送的装置的框图;
图13示出了适于用来实现本申请实施例的电子设备的计算机系统的结构示意图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而,示例实施方式能够以多种形式实施,且不应被理解为限于在此阐述的范例;相反,提供这些实施方式使得本申请将更加全面和完整,并将示例实施方式的构思全面地传达给本领域的技术人员。
此外,所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中,提供许多具体细节从而给出对本申请的实施例的充分理解。然而,本领域技术人员将意识到,可以实践本申请的技术方案而没有特定细节中的一个或更多,或者可以采用其它的方法、组元、装置、步骤等。在其它情况下,不详细示出或描述公知方法、装置、实现或者操作以避免模糊本申请的各方面。
附图中所示的方框图仅仅是功能实体,不一定必须与物理上独立的实体相对应。即,可以采用软件形式来实现这些功能实体,或在一个或多个硬件模块或集成电路中实现这些功能实体,或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
附图中所示的流程图仅是示例性说明,不是必须包括所有的内容和操作/步骤,也不是必须按所描述的顺序执行。例如,有的操作/步骤还可以分解,而有的操作/步骤可以合并或部分合并,因此实际执行的顺序有可能根据实际情况改变。
图1示出了可以应用本申请实施例的技术方案的示例性系统架构的示意图。
如图1所示,系统架构可以包括终端设备(如图1中所示智能手机101、平板电脑102和便携式计算机103中的一种或多种,当然也可以是台式计算机等等)、网络104和服务器105。网络104用以在终端设备和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线通信链路、无线通信链路等等。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。比如服务器105可以是多个服务器组成的服务器集群等。
本实施例中的对象可以使用终端设备通过网络104与服务器105交互,以接收或发送消息等。服务器105可以是提供各种服务的服务器。例如注册的新增对象利用终端设备103(也可以是终端设备101或102)向服务器105上传了兴趣标签,服务器105通过获取系统中注册的新增对象的兴趣标签,对兴趣标签与各聚类中心对应的类标签进行相似度匹配,确定兴趣标签匹配的目标对象群,其中,聚类中心为对各对象进行预聚类得到的对象群的中心;将新增对象添加至目标对象群中,以基于目标对象群的类标签,向目标对象群中的对象推送内容。本实施例中通过将对象兴趣标签与预聚类的对象群的类标签进行匹配的方式,高效确定新增对象的兴趣标签匹配的类标签及其对应的目标对象群,提高了对象聚类的效率;并且只通过针对一个对象群的类标签便可以推送对应的内容至对象群中所有的对象,使得推送的内容更加符合对象的偏好兴趣,增加了内容推送的效率和准确率,进而提高内容的推送成功率和转化率。
需要说明的是,本申请实施例所提供的内容推送的方法一般由服务器105执行,相应地,内容推送的装置一般设置于服务器105中。但是,在本申请的其它实施例中,终端设备也可以与服务器具有相似的功能,从而执行本申请实施例所提供的内容推送的方案。
以下对本申请实施例的技术方案的实现细节进行详细阐述:
图2示出了根据本申请的一个实施例的内容推送的方法的流程图,该内容推送的方法可以由服务器来执行,该服务器可以是图1中所示的服务器。参照图2所示,该内容推送的方法至少包括步骤S210至步骤S240,详细介绍如下:
在步骤S210中,获取系统中注册的新增对象的兴趣标签。
在本申请的一个实施例中,系统可以为一个应用程序或者一个网络等。通过对一个系统中新注册的对象进行监控,便可以确定出该系统中注册的新增对象。以实现对系统中各对象的监管,提高对象的管控效率。
本实施例中,对象可以包括以人为代表的用户,也可以包括机器人、虚拟设备等装置。在系统中,会随时有新的对象注册进来,此时,通过识别新注册的对象,作为新增对象,以针对新增对象做相应的处理。
本实施例中,新增对象的兴趣标签用于表示对象的偏好信息,例如关注点、兴趣点等等。在本申请的一个实施例中,在获取新增对象的偏好信息时,可以在新增对象注册过程中、或者在新增对象注册时,获取到该新增对象的兴趣标签。
图3为本申请实施例提供的一种获取新增对象的兴趣标签的示意图。
如图3所示,在终端设备的软件程序的应用场景中,本实施例中在终端设备中通过输入用户名和密码,完成注册。然后点击下一步,进入兴趣标签选取的页面,选取至少两个兴趣标签。
需要说明的是,本实施例中获取兴趣标签的过程可以是在对象注册过程中,也可以是在对象注册完成之后等等。
在本申请的一个实施例中,获取兴趣标签的方式可以是周期性的检测新增对象,以在某一时刻统一的获取这一部分的新增对象的兴趣标签,以提高兴趣标签的获取效率和处理效率。
在步骤S220中,对兴趣标签与各聚类中心对应的类标签进行相似度匹配,确定兴趣标签匹配的目标对象群,其中,聚类中心为对各对象进行预聚类得到的对象群的中心。
在本申请的一个实施例中,预先对系统中的各个对象进行聚类,得到各个对象群。其中每个对象群中包含一个聚类中心,以及该聚类中心对应的类标签。
在本申请的一个实施例中,在获取到新增对象的兴趣标签之后,将兴趣标签与各聚类中心对应的类标签进行相似度匹配,以确定得到与该新增对象的兴趣标签对应的对象群。
在本申请的一个实施例中,兴趣标签包含至少两个标签特征;步骤S220中对兴趣标签与各聚类中心对应的类标签进行相似度匹配,确定兴趣标签匹配的目标对象群的过程,包括如下步骤:
根据各聚类中心对应的类标签中的标签特征,查找与兴趣标签的前n个标签特征相同的类标签,作为目标类标签;其中,n为大于1的整数,且小于或者等于兴趣标签中标签特征的总数;
将目标类标签对应的对象群识别为目标对象群。
具体的,本实施例中的每个兴趣标签中包含至少两个标签特征。例如,对象A的兴趣标签为:体育-军事-娱乐,其中体育、军事、娱乐分别为兴趣特征;对象B的兴趣标签为:娱乐-萌宠,其中娱乐、萌宠分别为兴趣特征。本实施例中通过基于兴趣特征对各个对象进行标签管理,能更加清楚、便捷的实现对对象的管理。
在本申请的一个实施例中,在对新增对象的兴趣标签和各聚类中心对应的类标签进行相似度匹配时,本实施例中通过对类标签和兴趣标签中所包含标签特征进行直接对比,确定兴趣标签匹配的目标类标签。
图4是本申请实施例提供的一种类标签匹配的示意图。
如图4所示,本实施例中的兴趣标签为a-b-c-h(410),在各对象群对应的类标签中,基于该兴趣标签查找与其匹配的类标签。例如,各聚类中心对应的类标签分别为a-t-d(420)、a-b(430)、j-b-d(440)。在进行匹配时,将兴趣标签a-b-c-h与各个类标签进行对比,查找与兴趣标签的前n个标签特征相同的类标签,作为目标类标签。
示例性的,当类标签为a-t-d(420)时,与兴趣标签a-b-c-h中存在相同的特征,不与兴趣标签的前n个标签特征相同,因此,不作为目标类标签。当类标签为j-b-d(440)时,完全与兴趣标签a-b-c-h不同,也不作为目标类标签。当类标签为a-b(430)时,与兴趣标签a-b-c-h的前2个标签特征a-b相同,将类标签a-b作为目标类标签450。
进一步的,本实施例中的兴趣标签中的各个标签特征有其对应的权重因素,标签特征靠前的具有较高的权重。例如,a-b-c-h的兴趣标签中,标签特征a的权重大于标签特征b的权重。本实施例中将类标签和兴趣标签进行相似性对比时,是将类标签看成一个整体,从兴趣标签的第一标签特征开始,查找与前n个标签特征相同的类标签。
在本申请的一个实施例中,通过直接将兴趣标签中的特征与各类标签进行相似性对比,避免了一一计算对比造成的效率较低的问题,提高了标签匹配的效率。并且,本实施例中通过将对象的兴趣标签直接与类标签进行对比,提高了标签匹配的精确度,进而可以提高新增对象聚类的精确性。
在本申请的一个实施例中,步骤S220中对兴趣标签与各聚类中心对应的类标签进行相似度匹配,确定兴趣标签匹配的目标对象群的过程,通过计算向量之间余弦距离的方式来确定兴趣标签匹配的目标对象群。具体的,基于兴趣标签确定兴趣标签对应的第一向量,基于对象群的类标签确定类标签对应的第二向量;根据第一向量和第二向量之间的余弦距离,确定兴趣标签对应的目标对象群。
在步骤S230中,将新增对象添加至目标对象群中。
在本申请的一个实施例中,在确定了新增对象对应的目标对象群之后,将新增对象添加至目标对象群中,以针对目标对象群的类标签,对该目标对象群中的所有对象进行相应的处理。
图5为本申请实施例提供的将新增对象添加至目标对象群的示意图。
如图5所示,本实施例中针对各个对象群记录其包含的各对象的对象标识,以及各个对象对应的兴趣标签。例如,图5中类标签a-b(530)对应的目标对象群540中包含了多个对象,其中,各对象的兴趣标签分别为(a,b,c)(a,b,g)、(a,b)、(a,b,m,j)、(a,b,i)、(a,b,d,c)以及(a,b,s)等。在基于新增对象520的兴趣标签510(a,b,d,h)确定对应的目标对象群540之后,将该新增对象520添加到目标对象群540中,得到更新对象群550中。具体的,该新增对象的对象标识和兴趣标签添加到该目标对象群的记录中,以实现对新增对象和其它对象的管理。
在本申请的一个实施例中,除上述方法之外,本申请实施例中还包括如下步骤,详细介绍如下:
获取系统中指定对象的兴趣标签;
基于指定对象的兴趣标签与各对象群的类标签,确定与指定对象匹配的第一对象群;
若第一对象群与指定对象当前所属的第二对象群不同,则将指定对象从第二对象群迁移至第一对象群。
在本申请的一个实施例中,当系统运行一段时间之后,随着社会事态的发展,对象的兴趣标签可能发生变化。本实施例中通过获取系统中指定对象的兴趣标签,以针对指定对象的兴趣标签对该对象所对应的对象群进行变迁,以将该指定对象调整至其当前兴趣标签对应的对象群中。
示例性的,本实施例的指定对象可以为某一个对象。例如,在设定的周期时段之内,检测各对象的应用数据,根据应用数据确定其对应的兴趣标签。若检测到某个对象的兴趣标签变化次数较多,则确定该对象为指定对象。并且,基于该对象的应用数据,确定当前对象对应的兴趣标签,以将该兴趣标签与各对象群的类标签,确定与指定对象匹配的第一对象群;若第一对象群与指定对象当前所属的第二对象群不同,则将指定对象从第二对象群迁移至第一对象群,以保证对象所对应的对象群与其兴趣标签对应,进而获取到与其偏好信息一致的推送内容。
示例性的,在新闻推送的应用场景中,本实施例的指定对象可以为某一区域、或者某一年龄段的用户。通过提取用户的地理位置信息,将某一地理区域对应的用户作为指定对象。然后,基于各对象群的类标签,将这些指定对象的兴趣标签和对象群进行调整,以针对该对象群推送类标签对应的内容。
比如,A市举办市运动会,则检测位置信息为A市的用户,并根据这些用户的兴趣标签将其调整至“运动”对应用户群中,以在该用户群中推送关于市运动会的内容,进而提高内容的可视化和转化率。
在本申请的一个实施例中,指定对象的特征根据实际的应用环境确定。除上述示例之外,指定对象还是可以是某一性别的对象、某一年龄段的对象,或者某一兴趣标签对应的对象等。
在本申请的一个实施例中,如图6所示,本实施例中还包括如下步骤S610至步骤S640,详细介绍如下:
在步骤S610中,基于预设数据峰值,检测系统的数据低峰期。
在本申请的一个实施例中,在系统运行过程中,由于对象活跃数量高低起伏,因此,存在数据高峰期或者数据低峰期。例如,在非工作时段,用户比较活跃时,产生了大量的数据,非数据高峰期;在工作时段,用户不活跃,为数据低峰期。
本实施例中通过设定一个数据峰值,基于该数据峰值来衡量系统是否进入数据低峰期。具体的,若当前的数据流通量小于该数据峰值,则判定当前系统处于数据低峰期。
在步骤S620中,在数据低峰期时,获取系统中的对象的兴趣标签。
在本申请的一个实施例中,当系统处于数据低峰期时,说明用户活跃量不多,且系统中的服务器较为空闲,数据带宽的占有量不是很多,在这种时候,获取系统中对象的兴趣标签数据。本实施例中在数据低峰期时获取对象的兴趣标签,既不会影响系统的正常运行,也可以高效的获取到对象的兴趣标签。
具体的,本实施例中在获取对象的兴趣标签时,可以直接获取对象的兴趣标签;也可以采集对象的应用数据,将对象的应用数据进行分析,得到对象的偏好信息,以基于偏好信息生成对象当前的兴趣标签。
在步骤S630中,将对象的兴趣标签与各对象群的类标签进行相似度匹配,确定与对象匹配的对象群。
在本申请的一个实施例中,在得到对象当前的兴趣标签之后,将兴趣标签与各对象群的类标签进行相似度匹配,确定与对象的兴趣标签匹配的目标类标签。以基于目标类标签确定与对象匹配的对象群。
图7为本申请实施例提供的一种全量更新的示意图。
如图7所示,在本申请的一个实施例中,通过将对象710的兴趣标签与各聚类中心750对应的对象群(如图7中的720、730和740)进行相似度匹配,确定与对象匹配的对象群之后。以将各个对象迁移至其对应的对象群中,得到更新对象群。例如,通过相似度匹配得到与对象710匹配的对象群730。
需要说明的是,本实施例中基于对象的兴趣标签确定其对应的类标签的方式与步骤S220中的方式相同,具体请见步骤S220中相关技术的说明,此处不做赘述。
在步骤S640中,将对象迁移至与其匹配的对象群,得到更新对象群。
本实施例中通过在数据低峰期时,计算系统中全部对象的兴趣标签,以基于兴趣标签确定各个对象实时对应对象群,并将对象迁移至与其当前偏好对应的对象群中,实现了系统中对象的全量更新,提高了对象聚类的准确性和实时性,进而提高了内容推送的精确性。
在本申请的一个实施例中,步骤S640中将对象迁移至与其匹配的对象群,得到更新对象群的过程,包括如下步骤:
将对象迁移至与其匹配的对象群,得到即时对象群;
若即时对象群中的对象数目小于数据阈值,则在预聚类得到的各对象群的类标签中,确定与即时对象群的类标签对应的目标标签;
将即时对象群中的对象合并至目标标签对应的对象群中,得到对象数量大于或等于数目阈值的更新对象群。
在本申请的一个实施例中,在将对象迁移至与其匹配的对象群之后,得到了即时对象群。由于即时对象群是将系统中所有对象进行全量更新之后得到的对象群,其中的数量可能存在参差不齐的情况。因此,本实施例中在得到即时对象群之后,根据即时对象群中的对象数量,对即时对象群做以调整。
具体的,若即时对象群中的对象数目小于数据阈值,则在预聚类得到的各对象群的类标签中,确定与即时对象群的类标签对应的目标标签;将即时对象群中的对象合并至目标标签对应的对象群中,得到对象数量大于或等于数目阈值的更新对象群。通过将对象数量较小的即时对象群合并至其关联的其它对象群中,避免了对象群中数量较少的情况,并防止全量更新导致的对象群混乱。既保证对象群中对象的实时性更新,又提高了各个对象群大小的统一性。
在本申请的一个实施例中,步骤S640中将对象迁移至与其匹配的对象群,得到更新对象群之后,还包括如下步骤:检测新加入对象群的流动对象;获取流动对象的历史兴趣标签;基于历史兴趣标签,对流动对象的偏好进行分析,得到偏好走向信息;基于偏好走向信息,向流动对象推送偏好走向信息对应的内容。
在实际应用中,存在兴趣标签和对象群随时发生变化的对象,本实施例中将这些对象作为流动对象。流动对象具有的特点是,兴趣标签变化频繁、偏好关注点较广泛,因此单纯的一个对象群中的信息往往不能满足该对象。本实施例中通过检测系统中所在对象群发生变化的流动对象,以基于流动对象的历史兴趣标签确定流动对象的偏好走向信息,通过偏好走向信息确定该对象的喜好走向,以在之后基于流动对象的偏好走向信息,向流动对象推送偏好走向信息对应的内容。使得推送的内容更加符合对象的偏好兴趣,提高内容的推送成功率和转化率。
在本申请的一个实施例中,本实施例中在基于偏好走向信息向流动对象推送偏好走向信息对应的内容时,具体包括:基于偏好走向信息,预测流动对象在下一次变迁时的预测兴趣标签;在各聚类中心对应的类标签中,查找与预测兴趣标签对应的预测类标签;推送预测类标签对应内容至流动对象对应的终端设备。
示例性的,若本实施例中确定得到对象的偏好走向信息为:娱乐-运动-时尚,则预测流动对象在下一次变迁时的预测兴趣标签可能为“旅行”;在各聚类中心对应的类标签中,查找与“旅行”对应的类标签。推送该类标签对应内容至流动对象对应的终端设备,以使得对象可以获取到当前标签之外的其它内容,拓宽内容推送的范围。
在本申请的一个实施例中,基于历史兴趣标签,对流动对象的偏好进行分析,得到偏好走向信息,具体包括:将历史兴趣标签进行量化,得到历史兴趣标签对应的兴趣特征;将各历史兴趣标签对应的兴趣特征进行关联,得到表示偏好走向信息的特征向量。
示例性的,某对象的历史兴趣标签进行量化分别得到对应的兴趣特征为:a-b、a-e、b-d,将这些兴趣特征进行关联,得到表示偏好走向信息的特征向量为:a-b-e-d。通过上述历史兴趣标签的关联,可以通过一个数据链的方式表示对象的偏好走向信息,以直接根据偏好走向信息预测对象的隐含兴趣偏好。
在步骤S240中,基于目标对象群的类标签,向目标对象群中的对象推送内容。
在本申请的一个实施例中,在将新增对象添加到目标对象群之后,根据目标对象群的类标签,从所有的内容中对目标对象群偏好的内容进行过滤或召回。同时,根据目标对象群中各类标签中的标签特征及其对应的权重,对类标签对应的目标内容进行排序,得到内容的推送序列,以基于推送序列,推送目标内容至目标对象群中的对象。
在本申请的一个实施例中,步骤S240中基于目标对象群的类标签,向目标对象群中的对象推送内容的过程,包括如下步骤:
根据目标对象群对应的类标签,对推送内容进行过滤,得到类标签对应的目标内容;
基于目标对象群的类标签中的标签特征、以及标签特征对应的权重,对各类标签对应的目标内容进行排序,得到推送序列;
基于推送序列,推送目标内容至目标对象群中的对象。
图8为本申请实施例提供的一种海量新闻召回的示意图。
如图8所示,在个性化新闻推荐的应用场景中,个性化新闻推荐总体来说分为召回和排序两个阶段,两个阶段各司其职,分别完成不同的任务。在召回820阶段中,基于海量用户画像840,对海量新闻810进行过滤,得到目标对象群偏好的内容。
之后,基于目标对象群的类标签中的标签特征、以及标签特征对应的权重对这些内容进行优先级的排序830。具体的,在本申请的一个实施例中,类标签包括至少两个标签特征以及标签特征对应的权重。通过基于类标签中的各标签特征,确定各标签特征对应的内容;基于各标签特征对应的权重,按照权重由高到低的顺序,确定各标签特征对应的内容的推送序列。将目标对象群偏好的内容按照推送序列推送至目标对象群对应的终端。通过这种方式,可以使得用户端根据自己的偏好程度,按顺序浏览到对应的内容,进而提高内容的接受率和转化率。
图9为本申请实施例提供的一种基于群体的海量新闻召回的示意图。
如图9所示,在个性化新闻推荐的应用场景中,在个性化新闻推荐召回,通常需要实现为每一用户都召回最符合其兴趣偏好的新闻,但是在用户量较大的场景,计算资源和存储资源的消耗很大,因此完全实现1对1的召回是不现实的。本实施例中通过分群召回,通过海量用户画像910对用户进行聚类920,得到多个对象群,以基于各个对象群进行群处理,将1对1的实时过程转化为n对1的过程,从而降低计算复杂度,且避免了针对各种对象进行分别处理的过程,只需要针对各个对象群进行处理即可,提高了对象分类处理的效率。
具体的,本申请实施例通过聚类把1对1转化为n对1,也就是把兴趣相同或相似的用户聚为一类,再为这一类用户推荐相同的新闻。本实施例根据用户的兴趣偏好,将用户聚成若个类或群。然后再根据类大小,将类小于一定阈值的类合并到与其最相似的类,经过多次迭代后聚类过程完成。将最后得到的群体生成群画像930,以基于群画像930对新闻进行群画像召回940;或者获取群点击历史950,对新闻进行协同召回960。实现基于用户群对新闻数据的统一处理,提高新闻推送的效率。
在本申请的一个实施例中,步骤S240中基于目标对象群的类标签,向目标对象群中的对象推送内容之后,还包括:获取对象基于推送内容生成的反馈信息;根据反馈信息更新对象的兴趣标签、以及对象所在的对象群。
具体的,在向对象推送内容之后,对象会基于该内容做以相应的处理。例如点击、长按、通过终端界面浏览内容或者置之不理等,本实施例中将对象的这些行为作为反馈信息,通过获取对象基于推送内容的反馈信息,以根据反馈信息确定对象对推送内容的偏好情况,进而基于反馈信息更新各个对象的兴趣标签,以及对象所在的对象群。
图10为本申请实施例提供的一种全量更新的示意图。
如图10所示,本实施例中,在步骤S1010中对系统中的所有的对象进行预聚类,得到各个对象群对应的聚类中心;在步骤S1020中保存各个聚类中心;在步骤S1030中当检测到出现新增点Xnew时;在步骤S1040中计算Xnew到各聚类中心的距离;在步骤S1050中基于Xnew到各聚类中心的距离确定Xnew所属的类,并将Xnew添加至该类;在步骤S1060中进行周期性的全量更新,实现系统中对象的兴趣标签与其所属对象群的类标签的一致性。
图11示出了根据本申请的一个实施例的内容推送的方法的流程图,该内容推送的方法可以由服务器来执行,该服务器可以是图1中所示的终端设备。参照图11所示,该内容推送的方法至少包括步骤S1110至步骤S1030,详细介绍如下:
在步骤S1110中,发送注册请求至管理节点。
在本申请的一个实施例中,在第一次登陆系统时,需要进行注册。发送注册请求至系统中的管理节点。以使管理节点基于注册请求验证对象的注册信息。
在步骤S1120中,在注册完成时,发送兴趣标签至管理节点。
在本申请的一个实施例中,在注册完成时,发送兴趣标签至管理节点。发送兴趣标签的方式可以是选择兴趣标签的方式等等。
在步骤S1130中,获取管理节点基于目标对象群的类标签推送的内容,其中,目标对象群为管理节点对预聚类得到各对象群的类标签与兴趣标签进行相似度匹配确定的。
在本申请的一个实施例中,在发送兴趣标签至管理节点之后,管理节点基于该兴趣标签与各对象群的类标签进行匹配,以确定该对象对应的对象群,并将该对象添加到对象群中,以使得该对象可以获取到管理节点基于目标对象群的类标签推送的内容。
需要说明的是,图11对应的实施例中的具体实施方式与图2实施例中的实施方式对应,具体可参考图2中的说明,此处不做赘述。
以下介绍本申请的装置实施例,可以用于执行本申请上述实施例中的内容推送的方法。可以理解的是,装置可以是运行于计算机设备中的一个计算机程序(包括程序代码),例如该装置为一个应用软件;该装置可以用于执行本申请实施例提供的方法中的相应步骤。对于本申请装置实施例中未披露的细节,请参照本申请上述的内容推送的方法的实施例。
图12示出了根据本申请的一个实施例的内容推送的装置的框图。
参照图12所示,根据本申请的一个实施例的内容推送的装置1200,包括:获取单元1210,用于获取系统中注册的新增对象的兴趣标签;匹配单元1220,用于对兴趣标签与各聚类中心对应的类标签进行相似度匹配,确定兴趣标签匹配的目标对象群,其中,聚类中心为对各对象进行预聚类得到的对象群的中心;添加单元1230,用于将新增对象添加至目标对象群中;推送单元1240,用于基于目标对象群的类标签,向目标对象群中的对象推送内容。
在本申请的一些实施例中,基于前述方案,匹配单元1220包括:查找单元,用于根据各聚类中心对应的类标签中的标签特征,查找与兴趣标签的前n个标签特征相同的类标签,作为目标类标签;其中,n为大于1的整数,且小于或者等于兴趣标签中标签特征的总数;识别单元,用于将目标类标签对应的对象群识别为目标对象群。
在本申请的一些实施例中,基于前述方案,匹配单元1220包括:第一确定单元,用于基于兴趣标签确定兴趣标签对应的第一向量,基于对象群的类标签确定类标签对应的第二向量;第二确定单元,用于根据第一向量和第二向量之间的余弦距离,确定兴趣标签对应的目标对象群。
在本申请的一些实施例中,基于前述方案,推送单元1240包括:过滤单元,用于根据目标对象群对应的类标签,对推送内容进行过滤,得到类标签对应的目标内容;排序单元,用于基于目标对象群的类标签中的标签特征、以及标签特征对应的权重,对各类标签对应的目标内容进行排序,得到推送序列;第一推送单元,用于基于推送序列,推送目标内容至目标对象群中的对象。
在本申请的一些实施例中,基于前述方案,内容推送的装置1200还包括:第一获取单元,用于获取系统中指定对象的兴趣标签;第三确定单元,用于基于指定对象的兴趣标签与各对象群的类标签,确定与指定对象匹配的第一对象群;第一迁移单元,用于若第一对象群与指定对象当前所属的第二对象群不同,则将指定对象从第二对象群迁移至第一对象群。
在本申请的一些实施例中,基于前述方案,内容推送的装置1200还包括:第一检测单元,用于基于预设数据峰值,检测系统的数据低峰期;第二获取单元,用于在数据低峰期时,获取系统中的对象的兴趣标签;第一匹配单元,用于将对象的兴趣标签与各对象群的类标签进行相似度匹配,确定与对象匹配的对象群;第二迁移单元,用于将对象迁移至与其匹配的对象群,得到更新对象群。
在本申请的一些实施例中,基于前述方案,第二迁移单元包括:第三迁移单元,用于将对象迁移至与其匹配的对象群,得到即时对象群;第四确定单元,用于若即时对象群中的对象数目小于数据阈值,则在预聚类得到的各对象群的类标签中,确定与即时对象群的类标签对应的目标标签;合并单元,用于将即时对象群中的对象合并至目标标签对应的对象群中,得到对象数量大于或等于数目阈值的更新对象群。
在本申请的一些实施例中,基于前述方案,内容推送的装置1200还包括:第二检测单元,用于检测新加入对象群的流动对象;第三获取单元,用于获取流动对象的历史兴趣标签;分析单元,用于基于历史兴趣标签,对流动对象的偏好进行分析,得到偏好走向信息;第三推送单元,用于基于偏好走向信息,向流动对象推送偏好走向信息对应的内容。
在本申请的一些实施例中,基于前述方案,第三推送单元,包括:预测单元,用于基于偏好走向信息,预测流动对象在下一次变迁时的预测兴趣标签;标签查找单元,用于在各聚类中心对应的类标签中,查找与预测兴趣标签对应的预测类标签;第四推送单元,用于推送预测类标签对应内容至流动对象对应的终端设备。
在本申请的一些实施例中,基于前述方案,分析单元包括:量化单元,用于将历史兴趣标签进行量化,得到历史兴趣标签对应的兴趣特征;关联单元,用于将各历史兴趣标签对应的兴趣特征进行关联,得到表示偏好走向信息的特征向量。
在本申请的一些实施例中,基于前述方案,内容推送的装置1200还包括:第三获取单元,用于获取对象基于推送内容生成的反馈信息;更新单元,用于根据反馈信息更新对象的兴趣标签、以及对象所在的对象群。
图13示出了适于用来实现本申请实施例的电子设备的计算机系统的结构示意图。
需要说明的是,图13示出的电子设备的计算机系统1300仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。
如图13所示,计算机系统1300包括中央处理单元(Central Processing Unit,CPU)1301,其可以根据存储在只读存储器(Read-Only Memory,ROM)1302中的程序或者从存储部分1308加载到随机访问存储器(Random Access Memory,RAM)1303中的程序而执行各种适当的动作和处理,例如执行上述实施例中的方法。在RAM 1303中,还存储有系统操作所需的各种程序和数据。CPU 1301、ROM 1302以及RAM 1303通过总线1304彼此相连。输入/输出(Input/Output,I/O)接口1305也连接至总线1304。
以下部件连接至I/O接口1305:包括键盘、鼠标等的输入部分1306;包括诸如阴极射线管(Cathode Ray Tube,CRT)、液晶显示器(Liquid Crystal Display,LCD)等以及扬声器等的输出部分1307;包括硬盘等的存储部分1308;以及包括诸如LAN(Local AreaNetwork,局域网)卡、调制解调器等的网络接口卡的通信部分1309。通信部分1309经由诸如因特网的网络执行通信处理。驱动器1310也根据需要连接至I/O接口1305。可拆卸介质1311,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器1310上,以便于从其上读出的计算机程序根据需要被安装入存储部分1308。
特别地,根据本申请的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本申请的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的计算机程序。在这样的实施例中,该计算机程序可以通过通信部分1309从网络上被下载和安装,和/或从可拆卸介质1311被安装。在该计算机程序被中央处理单元(CPU)1301执行时,执行本申请的系统中限定的各种功能。
需要说明的是,本申请实施例所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(Erasable Programmable Read Only Memory,EPROM)、闪存、光纤、便携式紧凑磁盘只读存储器(Compact Disc Read-Only Memory,CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的计算机程序。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的计算机程序可以用任何适当的介质传输,包括但不限于:无线、有线等等,或者上述的任意合适的组合。
附图中的流程图和框图,图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。其中,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图或流程图中的每个方框、以及框图或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本申请实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现,所描述的单元也可以设置在处理器中。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定。
作为另一方面,本申请还提供了一种计算机可读介质,该计算机可读介质可以是上述实施例中描述的电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被一个该电子设备执行时,使得该电子设备实现上述实施例中所述的方法。
应当注意,尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元,但是这种划分并非强制性的。实际上,根据本申请的实施方式,上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之,上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
通过以上的实施方式的描述,本领域的技术人员易于理解,这里描述的示例实施方式可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本申请实施方式的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台计算设备(可以是个人计算机、服务器、触控终端、或者网络设备等)执行根据本申请实施方式的方法。
本领域技术人员在考虑说明书及实践这里公开的实施方式后,将容易想到本申请的其它实施方案。本申请旨在涵盖本申请的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本申请未公开的本技术领域中的公知常识或惯用技术手段。
应当理解的是,本申请并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本申请的范围仅由所附的权利要求来限制。
Claims (10)
1.一种内容推送的方法,其特征在于,包括:
获取系统中注册的新增对象的兴趣标签;
对所述兴趣标签与各聚类中心对应的类标签进行相似度匹配,确定所述兴趣标签匹配的目标对象群,其中,所述聚类中心为对各对象进行预聚类得到的对象群的中心;
将所述新增对象添加至所述目标对象群中;
基于所述目标对象群的类标签,向所述目标对象群中的对象推送内容;
基于预设数据峰值,检测系统的数据低峰期;
在所述数据低峰期时,获取系统中的对象的兴趣标签;
将所述对象的兴趣标签与所述各对象群的类标签进行相似度匹配,确定与所述对象匹配的对象群;
将所述对象迁移至与其匹配的对象群,得到即时对象群,所述即时对象群是将系统中所有对象进行全量更新之后得到的对象群;若所述即时对象群中的对象数目小于数目阈值,则在预聚类得到的各对象群的类标签中,确定与所述即时对象群的类标签对应的目标标签;将所述即时对象群中的对象合并至所述目标标签对应的对象群中,得到对象数量大于或等于所述数目阈值的更新对象群;
检测新加入对象群的流动对象,所述流动对象为兴趣标签和对象群随时发生变化的对象;
获取所述流动对象的历史兴趣标签;
基于所述历史兴趣标签,对所述流动对象的偏好进行分析,得到偏好走向信息;
基于所述偏好走向信息,预测所述流动对象在下一次变迁时的预测兴趣标签;在所述各聚类中心对应的类标签中,查找与所述预测兴趣标签对应的预测类标签;推送所述预测类标签对应内容至所述流动对象对应的终端设备。
2.根据权利要求1所述的方法,其特征在于,所述兴趣标签包含至少两个标签特征;
对所述兴趣标签与各聚类中心对应的类标签进行相似度匹配,确定所述兴趣标签匹配的目标对象群,包括:
根据所述各聚类中心对应的类标签中的标签特征,查找与所述兴趣标签的前n个标签特征相同的类标签,作为目标类标签;其中,n为大于1的整数,且小于或者等于所述兴趣标签中标签特征的总数;
将所述目标类标签对应的对象群识别为所述目标对象群。
3.根据权利要求1所述的方法,其特征在于,对所述兴趣标签与各聚类中心对应的类标签进行相似度匹配,确定所述兴趣标签匹配的目标对象群,包括:
基于所述兴趣标签确定所述兴趣标签对应的第一向量,基于所述对象群的类标签确定所述类标签对应的第二向量;
根据所述第一向量和所述第二向量之间的余弦距离,确定所述兴趣标签对应的目标对象群。
4.根据权利要求1所述的方法,其特征在于,基于所述目标对象群的类标签,向所述目标对象群中的对象推送内容,包括:
根据所述目标对象群对应的类标签,对推送内容进行过滤,得到所述类标签对应的目标内容;
基于所述目标对象群的类标签中的标签特征、以及所述标签特征对应的权重,对各所述类标签对应的目标内容进行排序,得到推送序列;
基于所述推送序列,推送所述目标内容至所述目标对象群中的对象。
5.根据权利要求1所述的方法,其特征在于,所述方法还包括:
获取所述系统中指定对象的兴趣标签;
基于所述指定对象的兴趣标签与所述各对象群的类标签,确定与所述指定对象匹配的第一对象群;
若所述第一对象群与所述指定对象当前所属的第二对象群不同,则将所述指定对象从所述第二对象群迁移至所述第一对象群。
6.根据权利要求1所述的方法,其特征在于,基于所述历史兴趣标签,对所述流动对象的偏好进行分析,得到偏好走向信息,包括:
将所述历史兴趣标签进行量化,得到所述历史兴趣标签对应的兴趣特征;
将各所述历史兴趣标签对应的兴趣特征进行关联,得到表示所述偏好走向信息的特征向量。
7.根据权利要求1所述的方法,其特征在于,基于所述目标对象群的类标签,向所述目标对象群中的对象推送内容之后,还包括:
获取所述对象基于所述推送内容生成的反馈信息;
根据所述反馈信息更新所述对象的兴趣标签、以及所述对象所在的对象群。
8.一种内容推送的装置,其特征在于,包括:
获取单元,用于获取系统中注册的新增对象的兴趣标签;
匹配单元,用于对所述兴趣标签与各聚类中心对应的类标签进行相似度匹配,确定所述兴趣标签匹配的目标对象群,其中,所述聚类中心为对各对象进行预聚类得到的对象群的中心;
添加单元,用于将所述新增对象添加至所述目标对象群中;
推送单元,用于基于所述目标对象群的类标签,向所述目标对象群中的对象推送内容;基于预设数据峰值,检测系统的数据低峰期;在所述数据低峰期时,获取系统中的对象的兴趣标签;将所述对象的兴趣标签与所述各对象群的类标签进行相似度匹配,确定与所述对象匹配的对象群;将所述对象迁移至与其匹配的对象群,得到即时对象群,所述即时对象群是将系统中所有对象进行全量更新之后得到的对象群;若所述即时对象群中的对象数目小于数目阈值,则在预聚类得到的各对象群的类标签中,确定与所述即时对象群的类标签对应的目标标签;将所述即时对象群中的对象合并至所述目标标签对应的对象群中,得到对象数量大于或等于所述数目阈值的更新对象群;检测新加入所述对象群的流动对象,所述流动对象为兴趣标签和对象群随时发生变化的对象;获取所述流动对象的历史兴趣标签;基于所述历史兴趣标签,对所述流动对象的偏好进行分析,得到偏好走向信息;基于所述偏好走向信息,预测所述流动对象在下一次变迁时的预测兴趣标签;在所述各聚类中心对应的类标签中,查找与所述预测兴趣标签对应的预测类标签;推送所述预测类标签对应内容至所述流动对象对应的终端设备。
9.一种计算机可读介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的内容推送的方法。
10.一种电子设备,其特征在于,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现如权利要求1至7中任一项所述的内容推送的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010555292.0A CN111683154B (zh) | 2020-06-17 | 2020-06-17 | 一种内容推送的方法、装置、介质及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010555292.0A CN111683154B (zh) | 2020-06-17 | 2020-06-17 | 一种内容推送的方法、装置、介质及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111683154A CN111683154A (zh) | 2020-09-18 |
CN111683154B true CN111683154B (zh) | 2023-11-14 |
Family
ID=72455371
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010555292.0A Active CN111683154B (zh) | 2020-06-17 | 2020-06-17 | 一种内容推送的方法、装置、介质及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111683154B (zh) |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6996577B1 (en) * | 2002-02-25 | 2006-02-07 | Novell, Inc. | Method and system for automatically grouping objects in a directory system based on their access patterns |
CN104050258A (zh) * | 2014-06-15 | 2014-09-17 | 中国传媒大学 | 一种基于兴趣群组的群体推荐方法 |
CN104111946A (zh) * | 2013-04-19 | 2014-10-22 | 腾讯科技(深圳)有限公司 | 基于用户兴趣的聚类方法和装置 |
JP2017134838A (ja) * | 2016-01-29 | 2017-08-03 | ネイバー コーポレーションNAVER Corporation | コンテンツサービスで個人化された通知を提供する方法およびシステム |
CN107222566A (zh) * | 2017-07-06 | 2017-09-29 | 广州优视网络科技有限公司 | 信息推送方法、装置及服务器 |
CN107784066A (zh) * | 2017-08-25 | 2018-03-09 | 上海壹账通金融科技有限公司 | 信息推荐方法、装置、服务器及存储介质 |
CN108108451A (zh) * | 2017-12-27 | 2018-06-01 | 合肥美的智能科技有限公司 | 群体的群体用户画像获取方法和装置 |
CN109345348A (zh) * | 2018-09-30 | 2019-02-15 | 重庆誉存大数据科技有限公司 | 基于旅行社用户的多维信息画像的推荐方法 |
CN109885748A (zh) * | 2019-02-22 | 2019-06-14 | 新疆大学 | 基于语意特征的优化推荐方法 |
CN110110237A (zh) * | 2017-12-19 | 2019-08-09 | 福建天泉教育科技有限公司 | 用户兴趣信息推荐方法、存储介质 |
CN110209947A (zh) * | 2019-06-10 | 2019-09-06 | 莫毓昌 | 一种基于偏好时态相关的最优选择方法 |
CN110298029A (zh) * | 2019-05-22 | 2019-10-01 | 平安科技(深圳)有限公司 | 基于用户语料的好友推荐方法、装置、设备及介质 |
WO2019214336A1 (zh) * | 2018-05-10 | 2019-11-14 | 苏州跃盟信息科技有限公司 | 一种内容推送方法、装置及机器可读存储介质 |
US10521824B1 (en) * | 2014-01-02 | 2019-12-31 | Outbrain Inc. | System and method for personalized content recommendations |
CN110753247A (zh) * | 2019-10-18 | 2020-02-04 | 重庆空间视创科技有限公司 | 一种信息推送策略生成系统及方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108197330B (zh) * | 2014-11-10 | 2019-10-29 | 北京字节跳动网络技术有限公司 | 基于社交平台的数据挖掘方法及装置 |
US10091327B2 (en) * | 2015-08-10 | 2018-10-02 | Paypal, Inc. | Processing available user data to determine a user profile for use in anticipating changing user interests |
-
2020
- 2020-06-17 CN CN202010555292.0A patent/CN111683154B/zh active Active
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6996577B1 (en) * | 2002-02-25 | 2006-02-07 | Novell, Inc. | Method and system for automatically grouping objects in a directory system based on their access patterns |
CN104111946A (zh) * | 2013-04-19 | 2014-10-22 | 腾讯科技(深圳)有限公司 | 基于用户兴趣的聚类方法和装置 |
US10521824B1 (en) * | 2014-01-02 | 2019-12-31 | Outbrain Inc. | System and method for personalized content recommendations |
CN104050258A (zh) * | 2014-06-15 | 2014-09-17 | 中国传媒大学 | 一种基于兴趣群组的群体推荐方法 |
JP2017134838A (ja) * | 2016-01-29 | 2017-08-03 | ネイバー コーポレーションNAVER Corporation | コンテンツサービスで個人化された通知を提供する方法およびシステム |
CN107222566A (zh) * | 2017-07-06 | 2017-09-29 | 广州优视网络科技有限公司 | 信息推送方法、装置及服务器 |
CN107784066A (zh) * | 2017-08-25 | 2018-03-09 | 上海壹账通金融科技有限公司 | 信息推荐方法、装置、服务器及存储介质 |
CN110110237A (zh) * | 2017-12-19 | 2019-08-09 | 福建天泉教育科技有限公司 | 用户兴趣信息推荐方法、存储介质 |
CN108108451A (zh) * | 2017-12-27 | 2018-06-01 | 合肥美的智能科技有限公司 | 群体的群体用户画像获取方法和装置 |
WO2019214336A1 (zh) * | 2018-05-10 | 2019-11-14 | 苏州跃盟信息科技有限公司 | 一种内容推送方法、装置及机器可读存储介质 |
CN109345348A (zh) * | 2018-09-30 | 2019-02-15 | 重庆誉存大数据科技有限公司 | 基于旅行社用户的多维信息画像的推荐方法 |
CN109885748A (zh) * | 2019-02-22 | 2019-06-14 | 新疆大学 | 基于语意特征的优化推荐方法 |
CN110298029A (zh) * | 2019-05-22 | 2019-10-01 | 平安科技(深圳)有限公司 | 基于用户语料的好友推荐方法、装置、设备及介质 |
CN110209947A (zh) * | 2019-06-10 | 2019-09-06 | 莫毓昌 | 一种基于偏好时态相关的最优选择方法 |
CN110753247A (zh) * | 2019-10-18 | 2020-02-04 | 重庆空间视创科技有限公司 | 一种信息推送策略生成系统及方法 |
Non-Patent Citations (3)
Title |
---|
Recommending Items via Interest-Similar Cluster Identification in Online Social Networks;Jianwei Ma等;《2013 Third International Conference on Instrumentation, Measurement, Computer, Communication and Control》;全文 * |
个性化搜索用户兴趣更新学习及评价研究;宋毅;徐志明;;《计算机技术与发展》(06);全文 * |
基于混合隐Markov链浏览模型的WEB用户聚类与个性化推荐;林文龙等;《万方》;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN111683154A (zh) | 2020-09-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108520470B (zh) | 用于生成用户属性信息的方法和装置 | |
CN111898578B (zh) | 人群密度的获取方法、装置、电子设备 | |
CN110413867B (zh) | 用于内容推荐的方法及系统 | |
CN114422267B (zh) | 流量检测方法、装置、设备及介质 | |
CN111405030B (zh) | 一种消息推送方法、装置、电子设备和存储介质 | |
US20220121633A1 (en) | Learning-based workload resource optimization for database management systems | |
CN112241327A (zh) | 分享信息处理方法、装置、存储介质与电子设备 | |
CN116057518A (zh) | 使用机器学习模型的自动查询谓词选择性预测 | |
CN111552835A (zh) | 文件推荐方法、装置及服务器 | |
CN114780338A (zh) | 主机信息处理方法、装置、电子设备和计算机可读介质 | |
CN111667018B (zh) | 一种对象聚类的方法、装置、计算机可读介质及电子设备 | |
EP4158556A1 (en) | Collaborative machine learning | |
CN111683154B (zh) | 一种内容推送的方法、装置、介质及电子设备 | |
CN114584627B (zh) | 一种具有网络监控功能的中台调度系统及方法 | |
CN111435381A (zh) | 请求分发方法和装置 | |
CN112131468A (zh) | 推荐系统中的数据处理方法、装置 | |
CN112148461A (zh) | 应用的调度方法、装置 | |
CN117235535B (zh) | 异常供应端断电方法、装置、电子设备和介质 | |
CN113342998B (zh) | 一种多媒体资源推荐方法、装置、电子设备及存储介质 | |
CN111507734B (zh) | 作弊请求识别方法、装置、电子设备及计算机存储介质 | |
CN116800834B (zh) | 虚拟礼物合并方法、装置、电子设备和计算机可读介质 | |
CN113362097B (zh) | 一种用户确定方法和装置 | |
CN115208831B (zh) | 请求处理方法、装置、设备及存储介质 | |
CN117041665A (zh) | 一种视频指标预测方法、装置、设备和存储介质 | |
CN114510638A (zh) | 信息处理方法、装置、设备、存储介质及程序产品 |
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 |