CN112115169B - 用户画像生成、对象分发、内容推荐方法、装置及介质 - Google Patents

Abstract

本发明实施例提供了一种用户画像生成、对象分发、内容推荐方法、装置及介质，该方法包括：根据第一算法模型得到的中间结果数据，生成第二算法模型的中间结果数据，基于第二算法模型的中间结果数据，通过第二算法模型对当前时刻获取到的账户的历史交互数据进行处理，得到账户的用户画像。第二算法模型上线运行后，直接根据第一算法模型产生的中间结果数据开始对用户的历史交互数据进行处理，可以避免第二算法模型上线后，经过较长时间的积累才能获取到大量的历史交互数据，生成用户画像，可以缩短用户画像的生成时间，提高用户画像的生成效率。

Description

用户画像生成、对象分发、内容推荐方法、装置及介质

技术领域

本发明属于计算机技术领域，特别是涉及一种用户画像生成、对象分发、内容推荐方法、装置及介质。

背景技术

在计算机领域，为了便于为用户提供精准的服务，通常会根据用户的历史交互数据，通过预设的算法模型生成用户的用户画像，根据用户画像为用户提供精准的服务。

现有技术中，由于用户的数量较大，并且每个用户的历史交互数据(历史交互数据可以表征用户的行为)在不断的生成，在存储空间有限的情况下，用户的历史交互数据无法大量存储。当某个新的算法模型上线运行后，需要经过较长时间，才能累积大量的历史交互数据，通过对大量历史交互数据的处理，才能得到准确的用户画像。因此，当新的算法模型上线运行后，需要经过较长的时间才能生成准确的用户画像，用户画像的生成时间较长、效率较低。

发明内容

本发明实施例的目的在于提供一种用户画像生成、对象分发、内容推荐方法、装置及介质，以缩短用户画像的生成时间、提高生成效率。

在本发明实施例的第一方面，提供了一种用户画像生成方法，包括：

获取预先存储的账户的多个中间结果数据；所述中间结果数据为第一算法模型在根据当前时刻之前获取的所述账户的历史交互数据生成用户画像的过程中，得到的中间结果数据；

根据所述多个中间结果数据，生成第二算法模型的中间结果数据；

基于所述第二算法模型的中间结果数据，通过所述第二算法模型对当前时刻获取到的所述账户的历史交互数据进行处理，得到所述账户的用户画像。

在本发明实施例的第二方面，提供了一种对象分发方法，适用于灰度测试服务器，包括：

获取账户的实时用户画像，所述实时用户画像是基于第一方面所述的用户画像生成方法得到的；

当所述实时用户画像符合预设用户画像类型时，发送向所述账户提供第一软件版本的指示；

当所述实时用户画像不符合所述预设用户画像类型时，发送向所述账户提供第二软件版本的指示。

在本发明实施例的第三方面，提供了一种内容推荐方法，适用于内容推荐服务器，包括：

响应于客户端发送的内容获取请求，获取账户的实时用户画像；所述实时用户画像是基于第一方面所述的用户画像生成方法得到的；

基于所述实时用户画像，向所述客户端推送与所述实时用户画像匹配的内容。

在本发明实施例的第四方面，提供了一种用户画像生成装置，包括：

获取模块，用于获取预先存储的账户的多个中间结果数据；所述中间结果数据为第一算法模型在根据当前时刻之前获取的所述账户的历史交互数据生成用户画像的过程中，得到的中间结果数据；

生成模块，用于根据所述多个中间结果数据，生成第二算法模型的中间结果数据；

处理模块，用于基于所述第二算法模型的中间结果数据，通过所述第二算法模型对当前时刻获取到的所述账户的历史交互数据进行处理，得到所述账户的用户画像。

在本发明实施例的第五方面，提供了一种对象分发装置，设置于灰度测试服务器，包括：

获取模块，用于获取账户的实时用户画像，所述实时用户画像是基于第一方面所述的用户画像生成方法得到的；

第一发送模块，用于当所述实时用户画像符合预设用户画像类型时，发送向所述账户提供第一软件版本的指示；

第二发送模块，用于当所述实时用户画像不符合所述预设用户画像类型时，发送向所述账户提供第二软件版本的指示。

在本发明实施例的第六方面，提供了一种内容推荐装置，设置于内容推荐服务器，包括：

获取模块，用于响应于客户端发送的内容获取请求，获取账户的实时用户画像；所述实时用户画像是基于第一方面所述的用户画像生成方法得到的；

推送模块，用于基于所述实时用户画像，向所述客户端推送与所述实时用户画像匹配的内容。

在本发明实施的第七方面，还提供了一种服务器，包括处理器、通信接口、存储器和通信总线，其中，所述处理器，所述通信接口，所述存储器通过所述通信总线完成相互间的通信；

所述存储器，用于存放计算机程序；

所述处理器，用于执行所述存储器上所存放的所述计算机程序时，实现如本发明实施例第一方面所述的方法。

在本发明实施的第八方面，还提供了一种计算机可读存储介质，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本发明实施例第一方面所述的方法。

本发明实施例提供的用户画像生成方法，获取预先存储的账户的多个中间结果数据，中间结果数据为第一算法模型在根据当前时刻之前获取的账户的历史交互数据生成用户画像的过程中，得到的中间结果数据，根据多个中间结果数据，生成第二算法模型的中间结果数据，基于第二算法模型的中间结果数据，通过第二算法模型对当前时刻获取到的账户的历史交互数据进行处理，得到账户的用户画像。第二算法模型上线运行后，直接根据第一算法模型产生的中间结果数据开始对用户的历史交互数据进行处理，可以避免第二算法模型上线后，经过较长时间的积累才能获取到大量的历史交互数据，生成用户画像，可以缩短用户画像的生成时间，提高用户画像的生成效率。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍。

图1为本发明实施例中的一种用户画像生成系统的结构示意图；

图2为本发明实施例中的一种用户画像生成方法的步骤流程图；

图3为本发明实施例中的另一种用户画像生成方法的步骤流程图；

图4为本发明实施例中的另一种用户画像生成系统的结构示意图；

图5为本发明实施例中的一种对象分发方法的步骤流程图；

图6为本发明实施例中的一种内容推荐方法的步骤流程图；

图7为本发明实施例中的一种用户画像生成装置的结构框图；

图8为本发明实施例中的一种对象分发装置的结构框图；

图9为本发明实施例中的一种内容推荐装置；

图10为本发明实施例中的一种服务器的结构示意图。

具体实施方式

为了更清楚的介绍本发明，首先对流计算场景中历史交互数据的处理过程进行简单介绍。参照图1，图1为本发明实施例中的一种用户画像生成系统的结构示意图，如图1所示，用户画像生成系统可以包括第一服务器、消息中间件和第二服务器。在用户画像生成过程中，第一服务器用于获取用户日志，根据用户日志生成表征用户行为的历史交互数据，并将历史交互数据发送给消息中间件进行存储。第二服务器可以从消息中间件中获取用户的历史交互数据，并通过预先设置的算法模型对获取到的历史交互数据进行处理，得到用户的用户画像。例如，在提供多媒体数据的网站中，用户可以通过客户端获取多媒体数据，客户端可以记录用户点击、查询和观看多媒体数据时产生的用户日志，并将用户日志发送至第一服务器。第一服务器可以根据用户日志生成表征用户行为的历史交互数据，例如用户A使用客户端观看了关于篮球的视频，客户端可以将用户A观看关于篮球的视频的用户日志发送至第一服务器，第一服务器可以根据用户A的用户日志，生成表征用户A的观看行为(用户A观看了与篮球相关的视频)的历史交互数据，并将该历史交互数据发送至消息中间件存储，用户日志和历史交互数据的具体生成过程和形式可参考现有技术。

由于用户的数量较大，并且每个用户的历史交互数据在不断的生成，在消息中间件的存储空间有限的情况下，第一服务器发送给消息中间件的每个历史交互数据只能存储一段时间，无法长时间存储。例如，用户A在通过客户端获取多媒体数据的过程中，不断的产生用户日志，第一服务器不断的根据用户A的用户日志生成并向消息中间件发送新的历史交互数据，消息中间件只存储靠近当前时刻的部分历史交互数据，如消息中间件只能存储用户A最近2天的历史交互数据，以使消息中间件中的历史交互数据不断更新变化。消息中间件存储历史交互数据的原理可参考现有技术，本实施例对此不作详细赘述。

第二服务器实时的从消息中间件中获取当前存储的用户A的历史交互数据，通过算法模型对用户A的历史交互数据进行处理，生成用户A的用户画像，如生成用户画像“体育”(篮球属于体育项目)。用户画像的具体生成过程可以参考现有技术，本实施例对此不做详细赘述。

在用户画像的生成过程中，开发人员可以根据需求对当前运行的算法模型进行调整，得到新的算法模型。当新的算法模型上线运行后，第二服务器需要依次从消息中间件中获取当前存储的用户A的历史交互数据，并通过新的算法模型对用户A的历史交互数据进行处理，生成用户A的用户画像。每个用户画像的生成需要大量的历史交互数据(例如需要超过100个历史交互数据)，而消息中间件中只能存储用户A的少量历史交互数据(例如用户A在最近2天内的历史交互数据数量小于20)，因此第二服务器需要经过较长的时间(例如5天以上)的积累，才能从消息中间件中获取到用户A的大量历史交互数据，生成用户A的用户画像。导致新的算法模型上线运行后，需要经过较长时间的积累，才能生成用户A的用户画像，用户画像的生成时间较长、效率较低。

参照图2，图2为本发明实施例中的一种用户画像生成方法的步骤流程图，如图2所示，本实施例提供的用户画像生成方法适用于用户画像的生成，以缩短用户画像的生成时间。本实施例提供的用户画像生成方法可以由用户画像生成装置执行，用户画像生成装置可以设置于服务器。用户画像生成装置通常以软件和/或硬件的方式实现，该方法可以包括：

步骤201、获取预先存储的账户的多个中间结果数据。

其中，中间结果数据为第一算法模型在根据当前时刻之前获取的账户的历史交互数据生成用户画像的过程中，得到的中间结果数据。

其中，账户与用户对应，账户例如可以是用户通过客户端注册申请的，用于唯一标识用户身份的身份证标识号(Identity document，ID)。第一算法模型为当前版本的算法模型，第一算法模型用于根据用户的历史交互数据，生成用户的用户画像。

本实施例中，第二服务器可以在第一算法模型的运行过程中，存储第一算法模型产生的中间结果数据。示例的，以用户A为例，第二服务器在运行第一算法模型的过程中，可以依次获取消息中间件中存储的与账户A(账户A为用户A的账户)对应的每个历史交互数据，通过第一算法模型确定每个历史交互数据对应的关键词，统计每个关键词的出现次数，如确定用户A点击关于篮球的视频的历史交互数据对应的关键词为“体育”，并统计得到“体育”的出现次数为12次。然后通过第一算法模型根据“体育”的出现次数确定“体育”的标签分值，若每次点击对应的分值为5，可以计算得到“体育”的标签分值为60。最后通过标签分值乘以衰减系数，得到“体育”的兴趣度，如果衰减系数为0.9，则可以得到“体育”的兴趣度为54。其中，第二服务器可以在“体育”的兴趣度大于或等于60时将关键词“体育”作为用户A的用户画像。关键词“体育”，以及“体育”的出现次数、标签分值和兴趣度为第一算法模型根据用户A的历史交互数据生成的中间结果数据，第二服务器可以根据账户A，存储账户A对应的关键词“体育”，以及“体育”的出现次数、标签分值和兴趣度等中间结果数据。存储中间结果数据的具体方法可以根据需求设置，本实施例对此不做限制。

需要说明的是，为便于理解，本实施例仅以简单的算法模型为例对用户画像的生成过程进行举例说明，算法模型的具体处理过程可以参考现有技术，第一算法模型生成的中间结果数据的种类和数量可以根据算法模型的具体处理过程确定，本实施对此不做限制。

步骤202、根据多个中间结果数据，生成第二算法模型的中间结果数据。

其中，第二算法模型为对第一算法模型进行调整之后，得到的新的算法模型。示例的，开发人员可以将第一算法模型中每次点击对应的分值调整为6，衰减系数调整为0.8，得到新的算法模型，即第二算法模型。在得到第二算法模型后，开发人员可以将第二算法模型上传至第二服务器，第二服务器可以运行第二算法模型，并从消息中间件中获取用户的历史交互数据，通过第二算法模型对用户的历史交互数据进行处理，得到用户的用户画像。

本实施例中，在第二算法模型上传至第二服务器并开始运行之后，第二服务器首先可以获取预先存储账户的多个中间结果数据，然后根据获取到的中间结果数据，生成符合第二算法模型的中间结果数据。结合步骤201，第二服务器可以获取预先存储的账户A的“体育”、体育的“出现次数”、“标签分值”和“兴趣度”等中间结果数据。在获取到预先存储的中间结果数据之后，第二服务器可以直接将获取到的中间结果数据中的部分或全部作为第二算法模型的中间结果数据。结合步骤201，第二服务器在获取到账户A的中间结果数据之后，可以将“体育”作为第二算法模型的一个关键词，并将“体育”的出现次数12作为第二算法模型中关键词“体育”的出现次数。

实际应用中，可以直接将获取到的中间结果数据作为第二算法模型的中间结果数据，也可以对获取到的中间结果数据进行处理之后，得到第二算法模型的中间结果数据。

步骤203、基于第二算法模型的中间结果数据，通过第二算法模型对当前时刻获取到的账户的历史交互数据进行处理，得到账户的用户画像。

本实施例中，在生成第二算法模型的中间结果数据之后，可以以生成的中间结果数据作为第二算法模型的中间结果数据，并运行第二算法模型，对当前时刻获取的账户的历史交互数据进行处理，生成用户的用户画像。

示例的，在将“体育”作为第二算法模型的一个关键词，并将“体育”的出现次数12作为第二算法模型中的关键词“体育”的出现次数之后，第二服务器可以开始从消息中间件中获取当前存储的账户A的历史交互数据，通过第二算法模型对获取到的用户A的历史交互数据进行处理，确定用户A的用户画像。例如，若当前时刻获取到的用户A的历史交互数据对应的关键词为体育，则可以统计得到“体育”的出现次数为13，标签分值为78，兴趣度为62.4。此时，可以将“体育”作为用户A的用户画像(兴趣度大于60)。

由上述举例可知，第二算法模型开始运行时，直接根据第一算法模型生成的中间结果数据开始运行，只需要获取少量历史交互数据，通过对少量历史交互数据的处理即可生成用户画像。具体的，如果通过第二算法模型生成用户画像“体育”需要获取用户A在5天内的历史交互数据(从5天内的历史交互数据中可以确定10个与关键词“体育”对应的历史交互数据)，在已经获取到10个与关键词“体育”对应的历史交互数据的情况下，只需再次获取用户A在2天内的历史交互数据(从2天内的历史交互数据中可以确定4个与关键词“体育”对应的历史交互数据)，即可生成用户画像“体育”。避免了现有技术中通过获取用户A的大量历史交互数据(5天内的历史交互数据)生成用户画像“体育”的过程，缩短了用户画像的生成时间。

本实施例中，获取预先存储的账户的多个中间结果数据，中间结果数据为第一算法模型在根据当前时刻之前获取的账户的历史交互数据生成用户画像的过程中，得到的中间结果数据，根据多个中间结果数据，生成第二算法模型的中间结果数据，基于第二算法模型的中间结果数据，通过第二算法模型对当前时刻获取到的账户的历史交互数据进行处理，得到账户的用户画像。第二算法模型上线运行后，直接根据第一算法模型产生的中间结果数据开始对用户的历史交互数据进行处理，可以避免第二算法模型上线后，经过较长时间的积累才能获取到大量的历史交互数据，生成用户画像，可以缩短用户画像的生成时间，提高用户画像的生成效率。

参照图3，图3为本发明实施例中的另一种用户画像生成方法的步骤流程图，该方法可以包括：

步骤301、获取预先存储的账户的多个中间结果数据。

本实施例中，第二服务器在通过第一算法模型对用户的历史交互数据进行处理的过程中，可以对处理过程中生成中间结果数据进行存储。

示例的，如图4所示，图4为本发明实施例中的另一种用户画像生成系统的结构示意图，第二服务器在通过第一算法模型生成关键词“体育”的过程中，首先可以将关键词“体育”，“体育”的出现次数、标签分值和兴趣度存储在缓存中，然后通过缓存将关键词“体育”，“体育”的出现次数、标签分值和兴趣度存储在分布式文件系统(HDFS，Distributed FileSystem)中，HDFS的使用方法可以参考现有技术。实际应用时，也可以通过其他方式存储中间结果数据，本实施例对此不做限制。

步骤302、根据多个中间结果数据，生成第二算法模型的中间结果数据。

本实施例中，在第二算法模型上传至第二服务器并开始运行之后，第二服务器可以通过缓存直接从HDFS中存储的与账户A对应的多个中间结果数据中，获取用户A的中间结果数据。

可选的，步骤302可以通过如下方式实现：

通过自定义函数从多个中间结果数据中确定第一目标中间结果数据，并将第一目标中间结果数据作为第二算法模型的中间结果数据。

其中，第一目标中间结果数为可以直接应用在第二算法模型中的中间结果数据。

本实施例中，可以预先设置与第二算法模型对应的自定义函数，通过自定义函数从获取到的多个中间结果数据中确定第一目标中间结果数据，将第一目标中间结果数据作为第二算法模型的中间结果数据。示例的，结合步骤201至步骤203，在获取到中间结果数据关键词“体育”、“体育”的出现次数、标签分值和兴趣度后，可以通过自定义函数从关键词“体育”、“体育”的出现次数、标签分值和兴趣度中确定关键词“体育”和“体育”的出现次数为第一目标中间结果数据，直接将关键词“体育”和“体育”的出现次数作为第二算法模型的中间结果数据。

可选的，步骤302还可以通过如下方式实现：

通过自定义函数从多个中间结果数据中确定第二目标中间结果数据，并对第二目标中间结果数据进行转换，得到第二算法模型的中间结果数据。

本实施例中，可以通过自定义函数从获取到的多个中间结果数据中确定第二目标中间结果数据，并对第二目标中间结果数据进行转换处理，得到第二算法模型的中间结果数据。

其中，在通过第一算法模型生成用户画像的过程中，在一些情况下，中间结果数据并不可以直接作为第二算法模型的中间结果数据。结合上述举例，若开发人员并未对第一算法模型中每次点击对应的分值进行调整，即第一算法模型和第二算法模型中每次点击对应的分值都为5，则可以直接将第一算法模型产生的中间结果数据标签分值60作为第二算法模型的中间结果数据。相反的，若开发人员对第一算法模型中每次点击对应的分值进行了调整(将分值5调整为分值6)，通过分值5计算得到的标签分值为60，通过分值6计算得到的标签分值72，二者并不相同，此时并不能直接将标签分值72作为第二算法模型的中间结果数据，同理并不能直接将标签分值72对应的兴趣度作为第二算法模型的中间结果数据。

实际应用中，开发人员可以预先设置与第二算法模型对应的自定义函数，通过自定义函数从多个中间结果数据中确定需要进行转换处理的的中间结果数据(第二目标中间结果数据)，对第二目标中间结果数据进行转换处理，得到可以应用于第二算法模型的中间结果数据。例如，参照图4，第二服务器可以从HDFS中获取关键词“体育”，“体育”的出现次数、标签分值和兴趣度，通过预先设置的自定义函数确定标签分值为第二目标中间结果数据，对标签分值60进行转换，如对标签分值60除以5并乘以6得到标签分值72，将标签分值72作为第二算法模型中关键词“体育”的标签分值。

需要说明的是，第二服务器通过自定义函数确定第二目标中间结果数据，得到第二算法模型的中间结果数据之后，可以将第二算法模型的中间结果数据存储在HDFS中，以通过缓存从HDFS中获取第二算法模型的中间结果数据，进行后续处理。

其中，开发人员在对第一算法模型进行调整时，可以对第一算法模型中的一个或多个参数进行调整，例如对每次点击对应的分值和衰减系数进行调整。此时，可以设置对应的自定义函数，通过自定义函数从多个中间结果数据中确定第一目标中间结果数据和第二目标中间结果数据，将第一目标中间结果数据作为第二算法模型的中间结果数据，同时对每个第二目标中间结果数据进行处理，得到第二算法模型的中间结果数据。具体对第二目标中间结果数据进行处理的过程可以根据需求设置，本实施对此不做限制。

在实际应用中，开发人员可以对第一算法模型进行多次调整，得到多个第二算法模型，并设置每个第二算法模型分别对应的自定义函数。此时，如图4所示，可以通过自定义函数库存储每个第二算法模型分别对应的自定义函数，第二服务器可以从自定义函数库中获取每个第二算法模型分别对应的自定义函数，通过每个第二算法模型分别对应的自定义函数，确定每个第二算法模型对应的中间结果数据中的第一目标中间结果数据和第二目标中间结果数据。

步骤303、基于第二算法模型的中间结果数据，通过第二算法模型对当前时刻获取到的账户的历史交互数据进行处理，得到账户的用户画像。

可选的，该方法还可以包括：

获取预先存储的账户的多个历史交互数据；

根据获取的多个历史交互数据，生成第三目标中间结果数据，将第三目标中间结果数据作为第二算法模型的中间结果数据。

本实施例中，可以预先对用户多个历史交互数据进行存储，以根据用户的多个历史交互数据生成第二算法模型的中间结果数据。示例的，如图4所示，第一服务器可以将每个用户的多个历史交互数据存储在HDFS中，当第二算法模型上线运行后，第二服务器可以从HDFS中获取账户的多个历史交互数据，根据获取的多个历史交互数据生成中间结果数据。以用户A为例，第一服务器可以在生成用户A的历史交互数据后，直接将用户A的历史交互数据存储在HDFS中，或者第二服务器在从消息中间件中获取到用户A的历史交互数据后，可以直接将从消息中间件获取的用户A的历史交互数据存储到HDFS中。当第二算法模型上线后，第二服务器可以直接从HDFS中获取用户A的多个历史交互数据，进而生成用户A的多个中间结果数据，具体生成中间结果数据的过程可参考上述实施例。其中，存储每个用户的多个历史交互数据的方法，以及多个历史交互数据的存储位置可以根据需求设置，本实施例对此不做限制。

实际应用中，预先存储用户的多个历史交互数据，当第二算法模型上线运行时，可以直接从HDFS中获取多个历史交互数据，生成第二算法模型的中间结果数据，可以避免经过较长的时间从消息中间件中获取大量的用户历史交互数据，缩短用户画像的生成时间。

本实施例中，获取预先存储的账户的多个中间结果数据，中间结果数据为第一算法模型在根据当前时刻之前获取的账户的历史交互数据生成用户画像的过程中，得到的中间结果数据，根据多个中间结果数据，生成第二算法模型的中间结果数据，基于第二算法模型的中间结果数据，通过第二算法模型对当前时刻获取到的账户的历史交互数据进行处理，得到账户的用户画像。第二算法模型上线运行后，直接根据第一算法模型产生的中间结果数据开始对用户的历史交互数据进行处理，可以避免第二算法模型上线后，经过较长时间的积累才能获取到大量的历史交互数据，生成用户画像，可以缩短用户画像的生成时间，提高用户画像的生成效率。

参照图5，图5为本发明实施例中的一种对象分发方法的步骤流程图，如图5所示，该方法适用于灰度测试服务器，可以包括：

步骤501、获取账户的实时用户画像。

其中，实时用户画像是基于图2或图3所述的用户画像生成方法得到的。

本实施例中，灰度测试服务器用于将不同软件版本的应用程序分别发送给不同的用户，以对不同软件版本的应用程序进行测试。在测试过程中，灰度测试服务器首先可以获取与用户的账户对应的实时用户画像，灰度测试服务器可以执行图2或图3所述的方法，以获取用户的实时用户画像，或者灰度测试服务器可以直接从第二服务器获取用户的实时用户画像。

步骤502、当实时用户画像符合预设用户画像类型时，发送向账户提供第一软件版本的指示。

步骤503、当实时用户画像不符合预设用户画像类型时，发送向账户提供第二软件版本的指示。

其中，预设用户画像类型可以根据实际需求设置，结合步骤201至步骤203，预设用户画像类型可以为“体育”，或者其他用户画像类型。第一软件版本的指示用于指示向用户发送第一软件版本的应用程序，第二软件版本的指示用于指示向用户发送第二软件版本的应用程序。

本实施例中，灰度测试服务器在实时用户画像符合预设用户画像类型时，例如实时用户画像为“体育”时，可以向账户A使用的客户端发送提供第一软件版本的指示，向账户提供第一软件版本的指示可以为包括第一软件版本的版本信息和下载链接的通知信息。电子设备在接收到通知信息之后，可以通过显示屏幕输出通知信息，方便用户获取第一软件版本的版本信息。同时，用户可以根据下载链接，从灰度测试服务器下载第一软件版本的应用程序。

相反的，灰度测试服务器在实时用户画像不符合预设用户画像类型时，例如实时用户画像不为“体育”时，可以向账户A的客户端发送提供第二软件版本的指示，向账户提供第二软件版本的指示可以为包括第二软件版本的版本信息和下载链接的通知信息。电子设备在接收到通知信息之后，可以通过显示屏幕输出通知信息，方便用户获取第二软件版本的版本信息。同时，用户可以根据下载链接，从灰度测试服务器下载第二软件版本的应用程序。

本实施例中，灰度测试服务器在测试过程中，可以根据图2或图3所述的用户画像生成方法快速生成用户画像，或者直接从第二服务器获取用户的用户画像，根据用户画像向不同用户发送不同的指示信息，将不同软件版本的应用程序发送给不同的用户进行测试，可以提高测试效率。

参照图6，图6为本发明实施例中的一种内容推荐方法的步骤流程图，如图6所示，该方法适用于内容推荐服务器，可以包括：

步骤601、响应于客户端发送的内容获取请求，获取账户的实时用户画像。

其中，实时用户画像是基于图2或图3所述的用户画像生成方法得到的。内容获取请求例如客户端向内容推荐服务器发送的获取视频、音频和图片等多媒体内容的请求信息。

本实施例中，内容推荐服务器用于向不同的用户推送不同的内容，例如向不同的用户推送不同的视频、音乐和图片等多媒体数据。内容推荐服务器在接收到客户端发送的内容获取请求之后，首先可以获取账户的实时用户画像。示例的，针对用户A，内容推荐服务器可以采用图2或图3所示的方法，生成与用户A的账户A对应的实时用户画像，在接收到用户A通过客户端发送的内容获取请求之后，可以确定账户A对应的实时用户画像。

实际应用中，内容推荐服务器也可以是与第二服务器不同的服务器，内容推荐服务器可以直接从第二服务器获取账户的实时用户画像。

步骤602、基于实时用户画像，向客户端推送与实时用户画像匹配的内容。

本实施例中，内容推荐服务器在获取到实时用户画像之后，可以确定与实时用户画像匹配的内容。例如，内容推荐服务器在获取到用户画像“体育”之后，可以确定与“体育”匹配的视频、音频和图片，并向用户A的客户端发送与“体育”相关的视频、音频和图片。内容推荐服务器根据用户画像向客户端推送内容的方法可参考现有技术，本实施例对此不做赘述。

本实施例中，内容推荐服务器在向用户推送内容的过程中，可以根据图2或图3所述的用户画像生成方法快速生成用户画像，或者直接从第二服务器获取用户画像，根据不同的用户画像向客户端推送不同的内容，可以提高推送效率。

参照图7，图7为本发明实施例中的一种用户画像生成装置的结构框图，如图7所示，本实施例提供的用户画像生成装置适用于用户画像的生成，以缩短用户画像的生成时间。本实施例提供的用户画像生成装置可以设置于服务器。用户画像生成装置通常以软件和/或硬件的方式实现，该装置700可以包括：获取模块701、生成模块702和处理模块703。

获取模块701用于获取预先存储的账户的多个中间结果数据；中间结果数据为第一算法模型在根据当前时刻之前获取的账户的历史交互数据生成用户画像的过程中，得到的中间结果数据。

生成模块702用于根据多个中间结果数据，生成第二算法模型的中间结果数据。

处理模块703用于基于第二算法模型的中间结果数据，通过第二算法模型对当前时刻获取到的账户的历史交互数据进行处理，得到账户的用户画像。

本实施例中，获取预先存储的账户的多个中间结果数据，中间结果数据为第一算法模型在根据当前时刻之前获取的账户的历史交互数据生成用户画像的过程中，得到的中间结果数据，根据多个中间结果数据，生成第二算法模型的中间结果数据，基于第二算法模型的中间结果数据，通过第二算法模型对当前时刻获取到的账户的历史交互数据进行处理，得到账户的用户画像。第二算法模型上线运行后，直接根据第一算法模型产生的中间结果数据开始对用户的历史交互数据进行处理，可以避免第二算法模型上线后，经过较长时间的积累才能获取到大量的历史交互数据，生成用户画像，可以缩短用户画像的生成时间，提高用户画像的生成效率。

可选的，生成模块702具体用于通过自定义函数从多个中间结果数据中确定第一目标中间结果数据，并将第一目标中间结果数据作为第二算法模型的中间结果数据。

可选的，生成模块702具体用于通过自定义函数从多个中间结果数据中确定第二目标中间结果数据，并对第二目标中间结果数据进行转换，得到第二算法模型的中间结果数据。

可选的，获取模块701还用于获取预先存储的账户的多个历史交互数据。

生成模块702还用于根据获取的多个历史交互数据，生成第三目标中间结果数据，将第三目标中间结果数据作为第二算法模型的中间结果数据。

参照图8，图8为本发明实施例中的一种对象分发装置的结构框图，该装置800设置于灰度测试服务器，可以包括：获取模块801、第一发送模块802和第二发送模块803。

获取模块801用于获取账户的实时用户画像，实时用户画像是基于图2或图3所述的用户画像生成方法得到的。

第一发送模块802用于当实时用户画像符合预设用户画像类型时，发送向账户提供第一软件版本的指示。

第二发送模块803用于当实时用户画像不符合预设用户画像类型时，发送向账户提供第二软件版本的指示。

本实施例中，灰度测试服务器在测试过程中，可以根据图2或图3所述的用户画像生成方法快速生成用户画像，或者直接从第二服务器获取用户的用户画像，根据用户画像向用户发送不同的指示信息，将不同软件版本的应用程序发送给不同的用户进行测试，可以提高测试效率。

参照图9，图9为本发明实施例中的一种内容推荐装置，该装置900设置于内容推荐服务器，可以包括：获取模块901和推送模块902。

获取模块901用于响应于客户端发送的内容获取请求，获取账户的实时用户画像；实时用户画像是基于图2或图3所述的用户画像生成方法得到的。

推送模块902用于基于实时用户画像，向客户端推送与实时用户画像匹配的内容。

本实施例中，内容推荐服务器在向用户推送内容的过程中，可以根据图2或图3所述的用户画像生成方法快速生成用户画像，或者直接从第二服务器获取用户画像，根据不同的用户画像向客户端推送不同的内容，可以提高推送效率。

参照图10，图10为本发明实施例中的一种服务器的结构示意图，如图10所示，包括处理器1001、通信接口1002、存储器1003和通信总线1004，其中，处理器1001，通信接口1002，存储器1003通过通信总线1004完成相互间的通信；

存储器1003，用于存放计算机程序；

处理器1001，用于执行存储器1003上所存放的程序时，实现如下步骤：

获取预先存储的账户的多个中间结果数据；中间结果数据为第一算法模型在根据当前时刻之前获取的账户的历史交互数据生成用户画像的过程中，得到的中间结果数据；

根据多个中间结果数据，生成第二算法模型的中间结果数据；

基于第二算法模型的中间结果数据，通过第二算法模型对当前时刻获取到的账户的历史交互数据进行处理，得到账户的用户画像。

上述电子设备提到的通信总线可以是外设部件互连标准(Peripheral ComponentInterconnect，简称PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture，简称EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。

通信接口用于上述电子设备与其他设备之间的通信。

存储器可以包括随机存取存储器(Random Access Memory，简称RAM)，也可以包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。可选的，存储器还可以是至少一个位于远离前述处理器的存储装置。

上述的处理器可以是通用处理器，包括中央处理器(Central Processing Unit，简称CPU)、网络处理器(Network Processor，简称NP)等；还可以是数字信号处理器(Digital Signal Processing，简称DSP)、专用集成电路(Application SpecificIntegrated Circuit，简称ASIC)、现场可编程门阵列(Field－ProgrammA/Ble GateArray，简称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。

在本发明提供的又一实施例中，还提供了一种计算机可读存储介质，该计算机可读存储介质中存储有指令，当其在计算机上运行时，使得计算机执行上述实施例中任一实施例所述的方法。

在本发明提供的又一实施例中，还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述实施例中任一实施例所述的方法。

在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘Solid State Disk(SSD))等。

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、物品或者设备中还存在另外的相同要素。

本说明书中的各个实施例均采用相关的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

以上所述仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。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，均包含在本发明的保护范围内。

Claims (10)

1.一种用户画像生成方法，其特征在于，包括：

获取预先存储的账户的多个中间结果数据；所述中间结果数据为第一算法模型在根据当前时刻之前获取的所述账户的历史交互数据生成用户画像的过程中，得到的中间结果数据；

通过自定义函数从所述多个中间结果数据中确定第一目标中间结果数据，并将所述第一目标中间结果数据作为第二算法模型的中间结果数据；或，

通过自定义函数从所述多个中间结果数据中确定第二目标中间结果数据，并对所述第二目标中间结果数据进行转换，得到第二算法模型的中间结果数据；

基于所述第二算法模型的中间结果数据，通过所述第二算法模型对当前时刻获取到的所述账户的历史交互数据进行处理，得到所述账户的用户画像。

2.根据权利要求1所述的方法，其特征在于，还包括：

获取预先存储的所述账户的多个历史交互数据；

根据获取的所述多个历史交互数据，生成第三目标中间结果数据，将所述第三目标中间结果数据作为所述第二算法模型的中间结果数据。

3.一种对象分发方法，其特征在于，所述方法适用于灰度测试服务器，包括：

获取账户的实时用户画像，所述实时用户画像是基于权利要求1-2任一项所述的用户画像生成方法得到的；

当所述实时用户画像符合预设用户画像类型时，发送向所述账户提供第一软件版本的指示；

当所述实时用户画像不符合所述预设用户画像类型时，发送向所述账户提供第二软件版本的指示。

4.一种内容推荐方法，其特征在于，所述方法适用于内容推荐服务器，包括：

响应于客户端发送的内容获取请求，获取账户的实时用户画像；所述实时用户画像是基于权利要求1-2任一项所述的用户画像生成方法得到的；

基于所述实时用户画像，向所述客户端推送与所述实时用户画像匹配的内容。

5.一种用户画像生成装置，其特征在于，包括：

获取模块，用于获取预先存储的账户的多个中间结果数据；所述中间结果数据为第一算法模型在根据当前时刻之前获取的所述账户的历史交互数据生成用户画像的过程中，得到的中间结果数据；

生成模块，用于根据所述多个中间结果数据，生成第二算法模型的中间结果数据；

处理模块，用于基于所述第二算法模型的中间结果数据，通过所述第二算法模型对当前时刻获取到的所述账户的历史交互数据进行处理，得到所述账户的用户画像；

所述生成模块，具体用于：通过自定义函数从所述多个中间结果数据中确定第一目标中间结果数据，并将所述第一目标中间结果数据作为所述第二算法模型的中间结果数据；或，通过自定义函数从所述多个中间结果数据中确定第二目标中间结果数据，并对所述第二目标中间结果数据进行转换，得到所述第二算法模型的中间结果数据。

6.根据权利要求5所述的装置，其特征在于，

所述获取模块，还用于获取预先存储的所述账户的多个历史交互数据；

所述生成模块，还用于根据获取的所述多个历史交互数据，生成第三目标中间结果数据，将所述第三目标中间结果数据作为所述第二算法模型的中间结果数据。

7.一种对象分发装置，其特征在于，所述装置设置于灰度测试服务器，包括：

获取模块，用于获取账户的实时用户画像，所述实时用户画像是基于权利要求1-2任一项所述的用户画像生成方法得到的；

第一发送模块，用于当所述实时用户画像符合预设用户画像类型时，发送向所述账户提供第一软件版本的指示；

第二发送模块，用于当所述实时用户画像不符合所述预设用户画像类型时，发送向所述账户提供第二软件版本的指示。

8.一种内容推荐装置，其特征在于，所述装置设置于内容推荐服务器，包括：

获取模块，用于响应于客户端发送的内容获取请求，获取账户的实时用户画像；所述实时用户画像是基于权利要求1-2任一项所述的用户画像生成方法得到的；

推送模块，用于基于所述实时用户画像，向所述客户端推送与所述实时用户画像匹配的内容。

9.一种服务器，包括处理器、通信接口、存储器和通信总线，其中，所述处理器，所述通信接口，所述存储器通过所述通信总线完成相互间的通信；

所述存储器，用于存放计算机程序；

所述处理器，用于执行所述存储器上所存放的所述计算机程序时，实现如权利要求1-2任一项所述的方法。

10.一种计算机可读存储介质，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权利要求1-2任一项所述的方法。