CN112084399A - 信息推荐方法、装置、设备以及存储介质 - Google Patents

Abstract

本公开提供了一种信息推荐方法、装置、设备及存储介质，所述方法包括：获取用户的文章浏览历史记录；根据所述文章浏览历史记录包括的各个已浏览文章，对预先构建的文章与对象关联数据库进行检索，得到多个目标对象；根据所述多个目标对象各自的属性值，从所述多个目标对象中确定候选推荐对象；输出针对所述候选推荐对象的推荐信息。采用本公开的技术方案，可以提高向用户推荐信息的准确度。

Description

信息推荐方法、装置、设备以及存储介质

技术领域

本申请涉及信息处理技术领域，特别是涉及一种信息推荐方法、装置、设备及存储介质。

背景技术

随着互联网的广泛应用，为了发挥互联网在商品营销中的巨大作用，一般会利用互联网向用户推荐一些商品信息，以吸引客户。这些商品信息针对的商品可以称为目标对象。例如，目标对象可以是旅游地、美食、书籍、家具等。

相关技术中，在向某个用户推荐一些商品信息时，一般是根据大众喜好向用户推荐商品信息，例如将点击量最高的商品的营销信息推荐给用户。但是，此种推荐方式较为粗糙，造成向用户推荐的信息的准确度不高。

发明内容

为了解决上述问题，本申请提供了一种信息推荐方法、装置、设备及存储介质，旨在提高向用户推荐信息的准确度。

本公开实施例的第一方面，提供了一种信息推荐方法，获取用户的文章浏览历史记录；

根据所述文章浏览历史记录包括的各个已浏览文章，对预先构建的文章与对象关联数据库进行检索，得到多个目标对象；

根据所述多个目标对象各自的属性值，从所述多个目标对象中确定候选推荐对象；

输出针对所述候选推荐对象的推荐信息。

可选地，在对预先构建的文章与对象关联数据库进行检索之前，所述方法还包括：

获得预设文章库和目标对象库；

将所述预设文章库中的各个文章分别与所述目标对象库中的各个目标对象比较，确定所述预设文章库中的各个文章分别包含的目标对象；

基于所述预设文章库中的各个文章分别包含的目标对象，构建所述文章与对象关联数据库。

可选地，在确定所述预设文章库中的各个文章分别包含的目标对象之后，所述方法还包括：

针对所述预设文章库中的每个文章，根据目标对象在该文章中的分布信息，确定该文章包含的目标对象的热度值；

将所述预设文章库中的各个文章分别包含的目标对象的热度值，存储到所述文章与对象关联数据库中。

可选地，根据目标对象在该文章中的分布信息，确定该文章包含的目标对象的热度值，包括：

根据目标对象在该文章包括的所述用户正在浏览的章节中的分布信息，确定该文章包含的目标对象的热度值；或

根据目标对象在该文章包括的所有用户已浏览章节中的分布信息，确定该文章包含的目标对象的热度值。

可选地，根据所述多个目标对象各自的属性值，确定候选推荐对象，包括：

从所述文章与对象关联数据库中，查询所述多个目标对象各自的热度值；

根据所述多个目标对象各自的热度值，对所述多个目标对象进行排序；

将排序靠前的预设数量个目标对象确定为所述候选推荐对象。

可选地，所述方法还包括：

确定所述多个目标对象各自在所述各个已浏览文章中出现的频率；

根据所述各个已浏览文章的来源信息，确定所述多个目标对象各自的优先级权重；

根据所述多个目标对象各自的优先级权重和频率，确定所述多个目标对象各自的优先级；

根据所述多个目标对象各自的属性值，确定候选推荐对象，包括：

从所述文章与对象关联数据库中，查询所述多个目标对象各自的热度值；

根据所述多个目标对象各自的热度值、优先级以及是否属于用户已到访目标对象中的至少一者，对所述多个目标对象进行排序；

将排序靠前的预设数量个目标对象确定为所述候选推荐对象。

可选地，根据所述各个已浏览文章的来源信息，确定所述多个目标对象各自的优先级权重，包括：

针对所述多个目标对象中的每个目标对象：

确定包含该目标对象的多个已浏览文章来源于第一数据源还是第二数据源，其中，所述第一数据源的可信度高于所述第二数据源的可信度；

根据来源于所述第一数据源的已浏览文章中该目标对象出现的次数，以及该目标对象在所有已浏览文章中出现的次数，确定该目标对象的优先级权重。

可选地，输出针对所述候选推荐对象的推荐信息，包括：

根据所述候选推荐对象，对预先构建的对象与POI关联数据库进行检索，得到待推荐POI；

输出针对所述待推荐POI的推荐信息。

可选地，获取用户的文章浏览历史记录，包括：

在检测到所述用户对客户端内与所述目标对象关联的应用模块的触发操作时，从多个数据源中获取所述用户的文章浏览历史记录；

在输出针对所述候选推荐对象的推荐信息之后，所述方法还包括：

将所述推荐信息发送给所述客户端，以使所述客户端将所述推荐信息显示在所述应用模块中。

本公开实施例的第二方面，提供了一种信息推荐装置，所述装置包括：

记录获得模块，用于获取用户的文章浏览历史记录；

对象检索模块，用于根据所述文章浏览历史记录包括的各个已浏览文章，对预先构建的文章与对象关联数据库进行检索，得到多个目标对象；

推荐模块，用于根据所述多个目标对象各自的属性值，从所述多个目标对象中确定候选推荐对象；

输出模块，用于输出针对所述候选推荐对象的推荐信息。

本公开实施例的第三方面，提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行时实现如第一方面所述的信息推荐方法。

本公开实施例的第四方面，提供了一种非临时性计算机可读存储介质，当所述存储介质中的指令由处理器执行时，能够执行上述第一方面中任一项所述的信息推荐方法所执行的操作。

本申请实施例中，可以获取用户的文章浏览历史记录，根据文章浏览历史记录包括的各个已浏览文章，对预先构建的文章与对象关联数据库进行检索，得到多个目标对象；继而，根据多个目标对象各自的属性值，从多个目标对象中确定候选推荐对象；之后，输出针对候选推荐对象的推荐信息。

本申请实施例公开的信息推荐方法中，由于可以依据用户的文章浏览历史记录，检索出与用户已浏览的文章浏览历史记录中所包括的多个目标对象，从而使得向用户推荐的推荐信息是基于单个用户的读书浏览记录，由于单个用户的读书浏览记录反映了用户已浏览过的一些目标对象，因此，向用户推荐这些浏览过的目标对象所针对的推荐信息，可以实现信息的定向推荐，从而提高向用户推荐商品信息的准确率。相比现有技术的方案，采用本实施例的技术方案，能挖掘出用户因已浏览过的文章而产生的一些服务需求，从而提高向用户推荐信息的准确性。

附图说明

为了更清楚地说明本申请实施例的技术方案，下面将对实施例或相关技术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性的前提下，还可以根据这些附图获得其他的附图。

图1是本申请一实施例示出的一种信息推荐方法的通信架构图；

图2是本申请一实施例示出的一种信息推荐方法的步骤流程图；

图3是本申请一实施例示出的构建文章与对象关联数据库的步骤流程图；

图4是本申请一实施例示出的确定目标对象的优先级权重和频率的步骤流程图；

图5是本申请一实施例示出的又一种信息推荐方法的步骤流程图；

图6是本申请根据一实施例示出的一种信息推荐装置的结构示意图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请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申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。

需要说明的是，本公开的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本公开的实施例能够以除了在这里图示或描述的那些以外的顺序实施。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。

相关技术中，为了提高向用户推荐信息的准确度，一般是依据用户的喜好或者采取同类人推荐的方式。以向用户推荐旅游地为例，为了推荐给用户较为准确的旅游地，一种方式是依据用户对旅游地的喜好向用户推荐旅游地，比如，用户喜好去风景名胜区，则向用户推荐风景区，用户喜好宗教古迹，则向用户推荐宗教类旅游地。但是，此种方式下，仅凭用户的喜好太过单一，忽略了对用户兴趣点的挖掘，因而准确率也较低。另一种方式是根据同类人推荐，比如，针对一个同类型的集群用户，向该集群用户推荐该集群用户共同偏好的旅游地。但是，此种方式虽然以社群喜好为依据，但是社群的喜好也不足以准确反映单个用户的真实需求。

采用上述两种方式，均不能得到准确度较高的信息推荐。

有鉴于此，本申请人提出了以下技术构思：以用户已经浏览过的文章历史记录为依据，从用户已经浏览过的文章历史记录中提取出用户近期的需求兴趣点，从而向用户推荐相应的信息。由于依据的是用户真实浏览过的文章记录，而用户近期浏览过的文章与用户近期的需求兴趣点存在密切的关联，因此，从文章历史记录中挖掘出的目标对象可以较为真实反映用户近期的喜好，提高了向用户推荐信息的准确度。

参照图1所示，示出了本实施例中信息推荐方法的通信架构图，包括服务器及终端，终端上可以安装有多个客户端，图1中仅示出了3个客户端。其中，服务器可以从多个数据渠道获取不同数据源中的文章浏览历史记录，多个数据渠道可以是多个客户端与服务器之间的数据接口通路，例如，客户端1是某旅游APP、客户端2是读书APP、客户端3是购书APP，而客户端1也有文章阅读功能模块，则客户端1中也可以有文章浏览记录，则服务器可以分别从与客户端2、客户端3和客户端1之间的数据接口获取终端上用户的文章浏览历史记录。

为了实现上述技术构思，以解决上述信息推荐的准确度较低的问题，参照图2所示，示出了一种信息推荐方法的步骤流程图，该信息推荐方法可以应用于服务器中，具体可以包括以下步骤：

步骤S201：获取用户的文章浏览历史记录。

本实施例中，用户是指需要接受推荐信息的单个用户，在需要向单个用户推荐信息时，服务器可以从不同的数据源获取该用户的文章浏览历史记录。其中，数据源可以是指记录有用户浏览文章的读书APP，实际中，服务器可以预先获取多个读书APP的数据读取权限，服务器可以从多个读书APP中获取用户的文章浏览历史记录，其中，文章浏览历史记录可以是指用户对某些文章进行阅读、购买、收藏等的记录。

本实施例中，可以获取用户在当前时间之前的一个指定时间段内的文章浏览历史记录，这样，便可以获取到用户在近期浏览或阅读过的文章。

步骤S202：根据所述文章浏览历史记录包括的各个已浏览文章，对预先构建的文章与对象关联数据库进行检索，得到多个目标对象。

本实施例中，文章浏览历史记录中可以是用户对多个文章进行浏览的记录，其中，已浏览文章可以不限于书籍、论文、新闻报道、评论、纪实、小说或自传等类型的文章。

在一种具体实现中，文章浏览历史记录中可以包括多个已浏览文章各自的文章名或文章ID，其中，文章名或文章ID可以唯一表征已浏览文章。在文章与对象关联数据库中可以包括多个文章、以及每个文章中所包含的目标对象。这样，则可以根据该已浏览文章的文章ID或文章名，从文章与对象关联数据库中检索出包含在多个已浏览文章中的多个目标对象。

本实施例中，检索出的多个目标对象属于同一类别，例如，均属于旅游地类别或均属于美食类别。其中，目标对象是指已浏览文章中出现的具有某一类属性的词语或句子，可以提前设置需要检索出的目标对象的属性，例如，需要检索出的目标对象的属性是旅游地，则在该文章与对象关联数据库中检索出已浏览文章中所包含的旅游地的词语所对应的目标对象。

步骤S203：根据所述多个目标对象各自的属性值，从所述多个目标对象中确定候选推荐对象。

本实施例中，多个目标对象中每个目标对象可以均具有自身的属性值，其中，每个目标对象的属性值可以包括在文章与对象关联数据库中。该属性值可以是表征该目标对象在多个已浏览文章中被推荐的热度，属性值越大，可以表征被推荐的热度越高。则在一种实施方式中，可以从多个目标对象中筛选出属性值较大的至少一个目标对象作为候选推荐对象。

步骤S204：输出针对所述候选推荐对象的推荐信息。

本实施例中，在确定出候选推荐对象后，便可以输出该候选推荐对象所对应的推荐信息，该推荐信息可以是该候选推荐对象的营销信息，例如，可以是促销信息。以及，可以将该推荐信息发送给用户，以使用户获知该推荐信息。

具体实施时，可以根据实际需求建立针对多个目标对象的推荐信息库，在该推荐信息库中可以预先存储每个目标对象对应的推荐信息，其中，该推荐信息可以是文本信息、图片信息或包括视频数据的信息，则在确定候选推荐对象后，可以从推荐信息库中获取与候选推荐对象对应的推荐信息。

当然，在一种示例中，当候选推荐对象是某旅游地时，输出的推荐信息可以是某旅游地的热点信息。或者，当候选推荐对象是某家具时，输出的推荐信息可以是该家具的促销信息。

采用本发明实施例，可以获取用户的文章浏览历史记录，根据文章浏览历史记录包括的各个已浏览文章，对预先构建的文章与对象关联数据库进行检索，得到多个目标对象；继而，根据多个目标对象各自的属性值，从多个目标对象中确定候选推荐对象；之后，输出针对候选推荐对象的推荐信息。

由于可以依据用户的文章浏览历史记录，检索出与用户已浏览的文章浏览历史记录中所包括的多个目标对象，从而使得向用户推荐的推荐信息是基于单个用户的读书浏览记录，由于单个用户的读书浏览记录反映了用户已浏览过的一些目标对象。而用户已浏览过的一些目标对象一般情况下会引起用户更高的兴趣，因此，本申请实施例可以挖掘出用户近期的兴趣点，从而根据挖掘出的兴趣点向用户推荐信息，可以实现信息的定向推荐，提高向用户推荐商品信息的准确率。相比现有技术的方案，采用本实施例的技术方案，能挖掘出用户因已浏览过的文章而产生的一些服务需求，从而提高向用户推荐信息的准确性。

在本申请的一实施例中，可以先构建用于进行目标对象检索的文章与对象关联数据库，该文章与对象关联数据库中存储有多个文章、以及每个文章中包含的一指定类别的对象的名称，这样，便可以依据用户的浏览文章历史记录，从该文章与对象关联数据库检索出用户已浏览文章中的目标对象，进而推荐针对目标对象的推荐信息。

上述陈述中，指定类别可以理解为是商品或服务的类别，例如，旅游地、美食、书籍、家具、服装等，当然，实际中，也可以不限于上述类别。

参照图3所示，示出了本公开实施例中构建文章与对象关联数据库的步骤流程图，如图3所示，具体可以包括以下步骤：

步骤S301：获得预设文章库和目标对象库。

本实施例中，预设文章库中可以存储数量尽可能多且类目尽可能齐全的文章，且也可以存储每篇文章中的全部章节名称或者全部章节内容。目标对象库中可以存储类别众多的目标对象，例如，可以存储尽可能多的旅游地名称、尽可能多的美食名称等。

步骤S302：将所述预设文章库中的各个文章分别与所述目标对象库中的各个目标对象比较，确定所述预设文章库中的各个文章分别包含的目标对象。

本实施例中，可以将预设文章库中每个文章的章节名称或全部章节内容分别与目标对象库中的各个目标对象比较，以从该文章中确定出在其章节名称或全部章节内容中所包含的目标对象。在比较时，可以在章节名称中具有与目标对象一致的内容和/或具有与目标对象的部分字段一致的内容时，将该一致的目标对象作为该文章所包含的目标对象。如此，便可以得到预设文章库中各个文章所包含的目标对象。

示例地，以文章为《中国地理未解之谜》为例，该书具有29个章节，在将文章的章节名称与目标对象库中的各个目标对象比较时，其中一个章节参名称为“自贡何以成大批恐龙的集体墓地”，在目标对象库中包含有目标对象“自贡”、“恐龙博物馆”。其中，自贡在二者中表述一致，则可以将“自贡”作为该文章包含的目标对象，而“恐龙博物馆”包含章节名称中的“恐龙”，则也可以将“恐龙博物馆”作为该文章包含的目标对象。

步骤S303：基于所述预设文章库中的各个文章分别包含的目标对象，构建所述文章与对象关联数据库。

本实施例中，在得到预设文章库中各个文章所包含的目标对象后，便可以将每个文章的文章ID或文章名与该文章所包括的目标对象进行对应存储，从而构建文章与对象关联数据库，如此，在文章与对象关联数据库便存储有多个文章的文章ID或文章名，以及与各文章ID对应的多个目标对象或者与各文章名对应的多个目标对象。

这样，在根据文章浏览历史记录包括的各个已浏览文章，对文章与对象关联数据库进行检索时，便可以将已浏览文章的文章ID或文章名作为查询语句，从文章与对象关联数据库中检索出包含在多个已浏览文章中的目标对象。

采用本构建文章与对象关联数据库的方式，只需将已浏览文章的文章ID输入到该数据库中进行查询，便可以获取候选推荐对象，从而提高了确定候选推荐对象的效率，以提高向用户推荐信息的效率。

在一种实施方式中，文章与对象关联数据库中包含的目标对象可以具有各自的热度值，该热度值后续可以作为向用户推荐信息的参考因子。

具体地，该热度值的获得过程可以是如下过程：

步骤S1021：针对所述预设文章库中的每个文章，根据目标对象在该文章中的分布信息，确定该文章包含的目标对象的热度值。

本实施例中，由于可以获得预设文章库中每个文章所包含的目标对象，则进一步，可以获取到该目标对象在该文章中的分布信息，该分布信息可以是指该目标对象在该文章中出现的次数。则目标对象的热度值可以是指该目标对象在该文章中出现的次数，出现的次数越多，该目标对象的热度值越高。

当然，在一种可选示例中，为了使得目标对象的热度值与用户的浏览进度相匹配，以更加准确反映用户的读书进度，也可以是根据目标对象在该文章包括的所述用户正在浏览的章节中的分布信息，确定该文章包含的目标对象的热度值；或者，可以是根据目标对象在该文章包括的所有用户已浏览章节中的分布信息，确定该文章包含的目标对象的热度值。

其中，在根据目标对象在该文章包括的用户正在浏览的章节中的分布信息，确定该文章包含的目标对象的热度值时，该正在浏览的章节可以是指用户近期正在阅读的章节，则目标对象的热度值可以是指该目标对象在用户正在阅读的章节中出现的次数。例如，用户正在阅读“自贡何以成大批恐龙的集体墓地”，其中，自贡出现了3次，“恐龙”出现了“10次”，则目标对象“自贡”的热度值可以为3，“恐龙博物馆”的热度值可以为10。

其中，在根据目标对象在该文章包括的所有用户已浏览章节中的分布信息，确定该文章包含的目标对象的热度值时，该所有用户已浏览章节中的分布信息可以是指用户以完成阅读的章节，则目标对象的热度值可以是指该目标对象在所有已浏览章节中出现的次数。

例如，用户已阅读到“自贡何以成大批恐龙的集体墓地”，其中，“自贡何以成大批恐龙的集体墓地”是第11章节，则在11个章节中，包含的目标对象包括了“自贡”、“恐龙博物馆”以及“黄果树大瀑布”等。其中，目标对象“自贡”在11个章节中出现的次数为4次，“恐龙博物馆”出现的次数是10次，“黄果树大瀑布”出现的次数为5次，则目标对象“自贡”的热度值可以为4，“恐龙博物馆”的热度值可以为10、“黄果树大瀑布”的热度值为5。

采用此种热度值的确定方式时，可以使得每个目标对象的热度值与用户的真实阅读进度相匹配，即每个目标对象的热度值均是根据用户已阅读的章节所确定出的，可以更加准确反映用户的读书进度，使得后续候选推荐对象是基于用户的已阅读章节而挖掘出的，从而进一步提高后续向用户推荐信息的准确度。

步骤S1022：将所述预设文章库中的各个文章分别包含的目标对象的热度值，存储到所述文章与对象关联数据库中。

本实施例中，在文章与对象关联数据库也可以存储各个文章所包含的目标对象的热度值，则在根据文章浏览历史记录包括的各个已浏览文章，对预先构建的文章与对象关联数据库进行检索，得到多个目标对象时，也可以同时得到多个目标对象各自的热度值。

在目标对象具有热度值的情况下，该热度值可以作为目标对象的属性值，具体地，在根据所述多个目标对象各自的属性值，确定候选推荐对象时，可以按照以下步骤确定候选推荐对象：

S2031：从所述文章与对象关联数据库中，查询所述多个目标对象各自的热度值。

本实施例中，可以在根据文章浏览历史记录包括的各个已浏览文章，对预先构建的文章与对象关联数据库进行检索，得到多个目标对象的同时，也可以查询多个目标对象各自的热度值；当然，也可以在检索得到多个目标对象之后，再从文章与对象关联数据库中，查询该多个目标对象各自的热度值。

S2032：根据所述多个目标对象各自的热度值，对所述多个目标对象进行排序。

S2033：将排序靠前的预设数量个目标对象确定为所述候选推荐对象。

本实施例中，可以按照热度值从高到低的顺序，对多个目标对象进行排序，从而将排列靠前的预设数量个目标对象确定为所述候选推荐对象。其中，预设数量可以根据实际需求预先确定，例如，确定为10，则可以将排列在前的10个目标对象确定为候选推荐对象。

采用本实施例的技术方案时，由于热度值可以反映目标对象在文章中的分布信息，进一步，可以反映目标对象在用户已阅读章节中的分布信息。因此，热度值较高可以理解为是在用户已阅读的章节中，该目标对象出现的频率较高，实际中，出现频率较高便可更能引起用户的兴趣。因此，将热度值较高的目标对象确定为候选待推荐对象时，便是将大概率可以引起用户兴趣的目标对象筛选出来，这样，向用户推荐的信息便可以是用户更感兴趣的信息，从而提高推荐信息的准确率。

在本申请实施例的又一实施方式中，由于已浏览文章可以是分为线上阅读文章以及线上购买文章，而线上阅读文章可以真实反映用户阅读文章的进度。而线上购买文章则可以表示用户购买了该文章，但是用户对该文章的阅读进度服务器却是无法获取的，此种情况下，可以对线上阅读文章以及线上购买文章分别设置不同的优先级权重，以进一步优化信息推荐方式。

其中，一个文章是线上阅读文章还是线下购买文章，即可以称为该文章具有不同的来源信息。本实施方式中，可以为具有不同来源信息的文章中的目标对象设置不同的优先级权重，这样，在确定出候选推荐对象时，也可以综合考虑目标对象的优先级权重。

参照图4所示，示出了本实施方式中确定目标对象的优先级权重和频率的步骤流程图，其中，确定目标对象的优先级权重和频率的过程可以在根据文章浏览历史记录包括的各个已浏览文章，对预先构建的文章与对象关联数据库进行检索，得到多个目标对象后进行，具体可以包括以下步骤：

步骤S401：确定所述多个目标对象各自在所述各个已浏览文章中出现的频率。

本实施例中，多个目标对象各自在所述各个已浏览文章中出现的频率可以是指：目标对象在各个已浏览文章中出现的次数与已浏览文章的总数量之间的比值。例如，对于目标对象A而言，目标对象A在各个已浏览文章中出现的次数为N，已浏览文章的总数量为M，则目标对象A的频率f为N/M。

步骤S402：根据所述各个已浏览文章的来源信息，确定所述多个目标对象各自的优先级权重。

本实施例中，已浏览文章的来源信息可以表征该已浏览文章是线上阅读还是线上购买，实际中，一个目标对象可能在线上阅读的文章中出现，也可以同时在线上购买的文章中出现，则此种情况下，可以综合该目标对象在线上阅读的文章中的分布信息、在线上购买的文章中的分布信息，确定该目标对象的优先级权重。

具体地，在一种可选的示例中，针对所述多个目标对象中的每个目标对象，可以按照以下步骤确定该目标对象各自的优先级权重：

步骤S4021：确定包含该目标对象的多个已浏览文章来源于第一数据源还是第二数据源，其中，所述第一数据源的可信度高于所述第二数据源的可信度。

本实施例中，第一数据源可以是指线上阅读的数据源，第二数据源可以是指线上购书的数据源，实际中，可以为第一数据源和第二数据源分别设置可信度，第一数据源的可信度高于所述第二数据源的可信度。该可信度可以反映文章已浏览记录中用户对各个已浏览文章的真实阅读进度的可信任程度。

可以理解的是，对于在线阅读而言，获取到的阅读进度是用户真实的阅读进度，而对于在线购书而言，获取到的是用户的购书记录，而对于用户的真实阅读进度并不易获得，因此，可以默认用户读完了所购书籍。此种情况下，在线阅读时用户的阅读进度的可信度显然高于在线购书时用户的阅读进度的可信度。

步骤S4022：根据来源于所述第一数据源的已浏览文章中该目标对象出现的次数，以及该目标对象在所有已浏览文章中出现的次数，确定该目标对象的优先级权重。

本实施例中，由于一个目标对象可能在线上阅读的文章中出现，也可能同时在线上购买的文章中出现，则针对每一个被检索出的目标对象，可以将该目标对象在第一数据源的已浏览文章中出现的次数与在所有已浏览文章中出现的次数之间的比值，作为该目标对象的优先级权重。如此，便可以确定出每个检索出的目标对象各自的优先级权重。

示例地，以用户在线上阅读《中国地理未解之谜》、线上购买《世界地理未解之谜》和《三体》为例，对于检索出的目标对象“自贡”，该自贡在《中国地理未解之谜》的已阅读章节中出现了4次，在所有三本书中出现的次数为5次，则自贡的优先级权重为0.8。

采用本实施方式时，一个目标对象的优先级权重可以反映该目标对象在用户真实已浏览的章节占全部已浏览文章的比重，比重越大，则优先级权重越高。

步骤S403：根据所述多个目标对象各自的优先级权重和频率，确定所述多个目标对象各自的优先级。

本实施例中，可以将多个目标对象各自的优先级权重和频率的乘积，作为多个目标对象各自的优先级，这样，一个目标对象的优先级便可以综合反映该目标对象占用户实际已阅读的章节的比重以及该目标对象在所有已浏览文章中出现的频率。

本实施方式中，在确定出了目标对象的热度值和优先级的情况下，可以将目标对象的热度值以及优先级作为目标对象的属性，进而根据目标对象的热度值以及优先级中的至少一者，向用户推荐信息。相应地，在根据所述多个目标对象各自的属性值，确定候选推荐对象时，可以包括以下步骤：

步骤S2031'：从所述文章与对象关联数据库中，查询所述多个目标对象各自的热度值。

本实施例中，可以在根据文章浏览历史记录包括的各个已浏览文章，对预先构建的文章与对象关联数据库进行检索，得到多个目标对象的同时，也可以查询多个目标对象各自的热度值；当然，也可以在检索得到多个目标对象之后，再从文章与对象关联数据库中，查询该多个目标对象各自的热度值。

步骤S2032'：根据所述多个目标对象各自的热度值、优先级以及是否属于用户已到访目标对象中的至少一者，对所述多个目标对象进行排序。

本实施例中，可以按照热度值从高到低的顺序，对多个目标对象进行排序；也可以按照优先级从高到低的顺序，对多个目标对象进行排序；当然，也可以按照用户是否到访过目标对象，对所述多个目标对象进行排序，其中，用户到访过的目标对象排列在后，而用户未到访过的目标对象排列在前。

在实际中，也可以综合上述三者，对多个目标对象进行排序。在一种实施方式中，可以先按照用户是否到访过目标对象，对多个目标对象进行排序，筛选出用户未到访过的目标对象；之后，按照热度值从高到低的顺序，对用户未到访过的目标对象进行排序，筛选出热度值高于预设热度值的目标对象；之后，按照优先级从高到低的顺序，对热度值高于预设热度值的目标对象进行排序。

示例地，以检索出的目标对象有20个为例，其中筛选出用户未到访过的目标对象15个，按照15个目标对象各自的热度值从高到低的顺序排序，筛选出12目标对象，之后，再按照这12个目标对象各自的优先级从高到低的顺序，对12目标对象进行排序。最终这12个目标对象可以被认为是热度值较高且用户未到访的目标对象。

当然，实际中，在综合上述三者对多个目标对象进行排序时，也可以按照其他的排序策略，对目标对象进行排序。例如，先按照优先级从高到低的顺序排序，筛选出一批目标对象后，再按照热度值从高到低的顺序进行排序，之后，再按照用户是否到访过目标对象进行筛选。

采用此种方式时，可以综合考虑用户是否到访、优先级及热度值，筛选出候选推荐对象，实现了从多个维度筛选候选推荐对象。

步骤S2033'：将排序靠前的预设数量个目标对象确定为所述候选推荐对象。

采用本实施方式时，可以排序靠前的预设数量个目标对象确定为所述候选推荐对象。具体地，在按照优先级从高到低的顺序，对热度值高于预设热度值的目标对象进行排序后，便可以从热度值高于预设热度值的目标对象中筛选出排序靠前的预设数量个目标对象，作为候选推荐对象。

采用此种实施方式中，由于可以根据来源于第一数据源的已浏览文章中目标对象出现的次数，以及目标对象在所有已浏览文章中出现的次数，确定目标对象的优先级权重，并根据目标对象的优先级权重和频率确定目标对象的优先级，并可以根据目标对象的优先级、热度值、用户是否到访过目标对象的至少一者确定候选推荐对象，因此，可以从多个维度筛选出候选推荐对象。

由于目标对象的优先级可以反映该目标对象占用户实际已阅读的章节的比重，因此，目标对象可以随着用户已阅读章节的增多而出现的次数越多，则其优先级越高，因此，结合目标对象的优先级筛选候选推荐对象时，筛选出的目标对象便更大程度是用户已阅读过的目标对象，表示用户已熟悉该目标对象，则实际中，向用户推荐该目标对象时，便大概率能引起用户的兴趣，从而更大程度地提高了向用户推荐信息的准确度。

结合图1所示的通信架构，参照图5所示，示出了本实施例的又一信息推荐方法的步骤流程图，如图5所示，具体可以包括以下步骤：

步骤S501：在检测到所述用户对客户端内与所述目标对象关联的应用模块的触发操作时，从多个数据源中获取所述用户的文章浏览历史记录。

本实施例中，客户端可以是指安装在终端内的应用程序，例如，可以是APP，该应用程序可以包括多个应用模块，不同应用模块对应不同的功能。当用户打开其中一个应用模块时，客户端便根据用户触发应用模块的操作，向服务器发出打开应用模块的页面的请求，在该请求中可以携带应用模块的标识。此时，服务器可以根据该请求中携带的应用模块的标识，确定该应用模块是否是与目标对象关联所属类别关联的模块，若是，则表示需要向用户推荐信息，则服务器可以从多个数据源中获取所述用户的文章浏览历史记录。

示例地，用户打开美团客户端，并触发了美团客户端中的“周边游/旅游”的应用模块，则服务器在接收到客户端发送的页面请求时，则可以确定需要向该用户推荐旅游地信息，因此，可以自动获取用户的文章浏览历史记录，以向用户推荐旅游地。

当然，上述仅为示例性说明，实际中，用户触发了“美食”模块，也可以表示需要向用户推荐“美食”，则也可以自动获取用户的文章浏览历史记录，以向给用户推荐美食。

其中，获取用户的文章浏览历史记录的过程与上述步骤S201的过程类似，相关过程参见步骤S201即可，在此不再赘述。

步骤S502：根据所述文章浏览历史记录包括的各个已浏览文章，对预先构建的文章与对象关联数据库进行检索，得到多个目标对象。

本步骤S502与上述步骤S202的过程类似，相关过程参见步骤S202即可，在此不再赘述。

步骤S503：根据所述多个目标对象各自的属性值，从所述多个目标对象中确定候选推荐对象。

本步骤S503与上述步骤S203的过程类似，相关过程参见步骤S203即可，在此不再赘述。

步骤S504：根据所述候选推荐对象，对预先构建的对象与POI关联数据库进行检索，得到待推荐POI。

本实施例中，对象与POI关联数据库中存储有多个对象，以及与每个对象对应的待推荐POI。该待推荐POI可以理解为是对象的热点标签，一个对象可以对应一个待推荐POI也可以对一个对应多个待推荐POI。

本实施例中，可以从对象与POI关联数据库中查找与待推荐对象对应的待推荐POI，当待推荐对象对应有多个待推荐POI时，可以从多个待推荐PO中随机筛选一个待推荐POI，或从多个待推荐PO中筛选出点击量最高的POI。

步骤S505：输出针对所述待推荐POI的推荐信息。

该推荐信息可以包括针对待推荐POI的文本信息、图片、视频。以旅游地为例，旅游地为自贡，则推荐信息可以包括自贡的地理位置、热门景点介绍、门票价格、旅游攻略指南等。

步骤S506：将所述推荐信息发送给所述客户端，以使所述客户端将所述推荐信息显示在所述应用模块中。

本实施例中，服务器可以在向客户端返回应用模块的界面数据时，一并将推荐信息发送给客户端，这样，客户端便可以将推荐信息显示在应用模块的界面中，这样，便可以不用用户在搜索栏中搜索目标对象，而只需从显示的多个推荐信息中选择一个目标对象即可。例如，用户触发了美团客户端中的“周边游/旅游”的应用模块，则服务器向用户的美团客户端发送的是“自贡”、“敦煌”的推荐信息，则美团客户端可以将“自贡”、“敦煌”的推荐信息显示在“周边游/旅游”应用模块的界面中。用户可以根据需求点击任一推荐信息，以查看更为详细的信息。

需要说明的是，在实际应用中，可以不仅限于上述的信息推荐场景以及上述的美团客户端，实际上，只要需要通过互联网向用户推荐信息，都可以采用本实施例的信息推荐方法。

采用本实施例的技术方案时，服务器可以通过客户端被触发的应用模块，自动感知是否需要向用户推荐信息，以及在需要向用户推荐信息时，依据用户的文章浏览历史记录向客户端发送推荐信息，客户端可以将推荐信息显示在应用模块的界面中，在提高向单个用户推荐信息的准确度的同时，可以避免用户在搜索栏主动录入需要的推荐信息，实现了信息推荐的智能感知，从而优化了用户体验。

基于与上述实施例同一发明构思，本公开实施例的第二方面，提供了一种信息推荐装置600，如图6所示，该信息推荐装置600可以应用于服务器，当然，也可以应用于客户端内，具体可以包括以下模块：

记录获得模块601，用于获取用户的文章浏览历史记录；

对象检索模块602，用于根据所述文章浏览历史记录包括的各个已浏览文章，对预先构建的文章与对象关联数据库进行检索，得到多个目标对象；

推荐模块603，用于根据所述多个目标对象各自的属性值，从所述多个目标对象中确定候选推荐对象；

输出模块604，用于输出针对所述候选推荐对象的推荐信息。

可选地，所述信息推荐装置600还可以包括以下模块：

获得模块，用于获得预设文章库和目标对象库；

比较模块，用于将所述预设文章库中的各个文章分别与所述目标对象库中的各个目标对象比较，确定所述预设文章库中的各个文章分别包含的目标对象；

构建模块，用于基于所述预设文章库中的各个文章分别包含的目标对象，构建所述文章与对象关联数据库。

可选地，所述信息推荐装置600还可以包括以下模块：

热度值确定模块，用于针对所述预设文章库中的每个文章，根据目标对象在该文章中的分布信息，确定该文章包含的目标对象的热度值；

存储模块，用于将所述预设文章库中的各个文章分别包含的目标对象的热度值，存储到所述文章与对象关联数据库中。

可选地，所述热度值确定模块，具体可以用于根据目标对象在该文章包括的所述用户正在浏览的章节中的分布信息，确定该文章包含的目标对象的热度值；或根据目标对象在该文章包括的所有用户已浏览章节中的分布信息，确定该文章包含的目标对象的热度值。

可选地，所述推荐模块603，具体可以包括以下单元：

第一查询单元，用于从所述文章与对象关联数据库中，查询所述多个目标对象各自的热度值；

第一排序单元，用于根据所述多个目标对象各自的热度值，对所述多个目标对象进行排序；

第一筛选单元，用于将排序靠前的预设数量个目标对象确定为所述候选推荐对象。

可选地，所述信息推荐装置600还可以包括以下模块：

频率确定模块，用于确定所述多个目标对象各自在所述各个已浏览文章中出现的频率；

权重确定模块，用于根据所述各个已浏览文章的来源信息，确定所述多个目标对象各自的优先级权重；

优先级确定模块，用于根据所述多个目标对象各自的优先级权重和频率，确定所述多个目标对象各自的优先级；

所述推荐模块603，具体可以包括以下单元：

第二查询单元，用于从所述文章与对象关联数据库中，查询所述多个目标对象各自的热度值；

第二排序单元，用于根据所述多个目标对象各自的热度值、优先级以及是否属于用户已到访目标对象中的至少一者，对所述多个目标对象进行排序；

第二筛选单元，用于将排序靠前的预设数量个目标对象确定为所述候选推荐对象。

可选地，所述权重确定模块，具体可以用于针对所述多个目标对象中的每个目标对象，执行以下步骤：

确定包含该目标对象的多个已浏览文章来源于第一数据源还是第二数据源，其中，所述第一数据源的可信度高于所述第二数据源的可信度；

根据来源于所述第一数据源的已浏览文章中该目标对象出现的次数，以及该目标对象在所有已浏览文章中出现的次数，确定该目标对象的优先级权重。

可选地，所述输出模块604，具体可以包括以下单元：

检索单元，用于根据所述候选推荐对象，对预先构建的对象与POI关联数据库进行检索，得到待推荐POI；

信息输出单元，用于输出针对所述待推荐POI的推荐信息。

可选地，所述记录获得模块601，具体可以用于在检测到所述用户对客户端内与所述目标对象关联的应用模块的触发操作时，从多个数据源中获取所述用户的文章浏览历史记录；

所述信息推荐装置600还可以包括以下模块：

发送模块，用于将所述推荐信息发送给所述客户端，以使所述客户端将所述推荐信息显示在所述应用模块中。

需要说明的是，装置实施例与方法实施例相近，故描述的较为简单，相关之处参见方法实施例即可。

本发明实施例还提供了一种电子设备，该电子设备可以用于执行视频流处理方法，可以包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器被配置为执行所述的信息推荐方法。

本公开实施例还提供了一种非临时性计算机可读存储介质，当所述存储介质中的指令由处理器执行时，使得所述处理器能够执行一种以实现本公开上述的信息推荐方法所执行的操作。

本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。

本领域内的技术人员应明白，本发明实施例的实施例可提供为方法、装置、或计算机程序产品。因此，本发明实施例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，本发明实施例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(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本发明实施例是参照根据本发明实施例的方法、终端设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理终端设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理终端设备上，使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

尽管已描述了本发明实施例的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明实施例范围的所有变更和修改。

最后，还需要说明的是，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、物品或者终端设备不仅包括那些要素，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、物品或者终端设备所固有的要素。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、物品或者终端设备中还存在另外的相同要素。

以上对本发明所提供的一种信息推荐方法、装置、设备以及存储介质，进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (12)

1.一种信息推荐方法，其特征在于，所述方法包括：

获取用户的文章浏览历史记录；

根据所述文章浏览历史记录包括的各个已浏览文章，对预先构建的文章与对象关联数据库进行检索，得到多个目标对象；

根据所述多个目标对象各自的属性值，从所述多个目标对象中确定候选推荐对象；

输出针对所述候选推荐对象的推荐信息。

2.根据权利要求1所述的方法，其特征在于，在对预先构建的文章与对象关联数据库进行检索之前，所述方法还包括：

获得预设文章库和目标对象库；

将所述预设文章库中的各个文章分别与所述目标对象库中的各个目标对象比较，确定所述预设文章库中的各个文章分别包含的目标对象；

基于所述预设文章库中的各个文章分别包含的目标对象，构建所述文章与对象关联数据库。

3.根据权利要求2所述的方法，其特征在于，在确定所述预设文章库中的各个文章分别包含的目标对象之后，所述方法还包括：

针对所述预设文章库中的每个文章，根据目标对象在该文章中的分布信息，确定该文章包含的目标对象的热度值；

将所述预设文章库中的各个文章分别包含的目标对象的热度值，存储到所述文章与对象关联数据库中。

4.根据权利要求3所述的方法，其特征在于，根据目标对象在该文章中的分布信息，确定该文章包含的目标对象的热度值，包括：

根据目标对象在该文章包括的所述用户正在浏览的章节中的分布信息，确定该文章包含的目标对象的热度值；或

根据目标对象在该文章包括的所有用户已浏览章节中的分布信息，确定该文章包含的目标对象的热度值。

5.根据权利要求3或4所述的方法，其特征在于，根据所述多个目标对象各自的属性值，确定候选推荐对象，包括：

从所述文章与对象关联数据库中，查询所述多个目标对象各自的热度值；

根据所述多个目标对象各自的热度值，对所述多个目标对象进行排序；

将排序靠前的预设数量个目标对象确定为所述候选推荐对象。

6.根据权利要求3或4所述的方法，其特征在于，所述方法还包括：

确定所述多个目标对象各自在所述各个已浏览文章中出现的频率；

根据所述各个已浏览文章的来源信息，确定所述多个目标对象各自的优先级权重；

根据所述多个目标对象各自的优先级权重和频率，确定所述多个目标对象各自的优先级；

根据所述多个目标对象各自的属性值，确定候选推荐对象，包括：

从所述文章与对象关联数据库中，查询所述多个目标对象各自的热度值；

根据所述多个目标对象各自的热度值、优先级以及是否属于用户已到访目标对象中的至少一者，对所述多个目标对象进行排序；

将排序靠前的预设数量个目标对象确定为所述候选推荐对象。

7.根据权利要求6所述的方法，其特征在于，根据所述各个已浏览文章的来源信息，确定所述多个目标对象各自的优先级权重，包括：

针对所述多个目标对象中的每个目标对象：

确定包含该目标对象的多个已浏览文章来源于第一数据源还是第二数据源，其中，所述第一数据源的可信度高于所述第二数据源的可信度；

根据来源于所述第一数据源的已浏览文章中该目标对象出现的次数，以及该目标对象在所有已浏览文章中出现的次数，确定该目标对象的优先级权重。

8.根据权利要求1-7任一所述的方法，其特征在于，输出针对所述候选推荐对象的推荐信息，包括：

根据所述候选推荐对象，对预先构建的对象与POI关联数据库进行检索，得到待推荐POI；

输出针对所述待推荐POI的推荐信息。

9.根据权利要求1-7任一所述的方法，其特征在于，获取用户的文章浏览历史记录，包括：

在检测到所述用户对客户端内与所述目标对象关联的应用模块的触发操作时，从多个数据源中获取所述用户的文章浏览历史记录；

在输出针对所述候选推荐对象的推荐信息之后，所述方法还包括：

将所述推荐信息发送给所述客户端，以使所述客户端将所述推荐信息显示在所述应用模块中。

10.一种信息推荐装置，其特征在于，所述装置包括：

记录获得模块，用于获取用户的文章浏览历史记录；

对象检索模块，用于根据所述文章浏览历史记录包括的各个已浏览文章，对预先构建的文章与对象关联数据库进行检索，得到多个目标对象；

推荐模块，用于根据所述多个目标对象各自的属性值，从所述多个目标对象中确定候选推荐对象；

输出模块，用于输出针对所述候选推荐对象的推荐信息。

11.一种电子设备，其特征在于，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行时实现如权利要求1-9任一项所述的信息推荐方法。

12.一种计算机可读存储介质，其特征在于，其存储的计算机程序使得处理器执行如权利要求1-9任一项所述的信息推荐方法。

Images