CN112199584A - 个性化推荐方法及终端设备、推荐设备、存储介质 - Google Patents

Abstract

本发明涉及数据处理技术领域，公开了一种个性化推荐方法及终端设备、推荐设备、计算机可读存储介质。本发明通过终端设备获取用户的历史操作行为数据，并由推荐设备基于该历史操作行为数据进行人口统计学中预设目标内容的概率分布，从而确定推荐内容，以使得终端设备获取到该推荐内容；解决了相关技术中个性化推荐不合理，存在用户个人隐私数据泄露的风险的问题。

Description

个性化推荐方法及终端设备、推荐设备、存储介质

技术领域

本发明涉及数据处理技术领域，尤其涉及一种个性化推荐方法及终端设备、推荐设备、计算机可读存储介质。

背景技术

当前个性化推荐服务越来越受用户的欢迎，但是用户接受个性化推荐服务的同时，用户的个人隐私数据如身份证号、手机号、姓名等会被收集、存储，此在很大程度上增大了用户个人隐私数据泄露的风险，降低了用户的使用体验感。

由此可见，相关技术中个性化推荐并不合理，存在用户个人隐私数据泄露的风险。

发明内容

本发明的主要目的在于提供个性化推荐方法及终端设备、推荐设备、计算机可读存储介质，旨在提升个性化推荐的合理性以保护用户个人隐私数据。

为实现上述目的，本发明提供一种个性化推荐方法，应用于终端设备，个性化推荐方法包括：

获取用户的历史操作行为数据；其中，历史操作行为数据包括观看内容数据以及终端设备登录数据；

发送历史操作行为数据至推荐设备，以使推荐设备基于历史操作行为数据，确定人口统计学中预设目标内容对应的概率分布信息，并根据概率分布信息确定推荐内容；

接收推荐设备发送的推荐内容。

可选地，获取用户的历史操作行为数据的步骤之前，个性化推荐方法还包括：

在接收到用户的操作指令时，根据操作指令确定用户的操作行为；

记录操作行为至历史操作记录表中。

可选地，获取用户历史操作行为数据的步骤包括：

从历史操作记录表中，获取当前时间点之前预设时间段内的历史操作行为数据；

发送历史操作行为数据至推荐设备的步骤包括：

在设定时间到达时，发送历史操作行为数据至推荐设备。

此外，为实现上述目的，本发明还提供一种个性化推荐方法，应用于推荐设备，个性化推荐方法包括：

接收终端设备发送的历史操作行为数据；其中，历史操作行为数据包括观看内容数据以及终端设备登录数据；

基于历史操作行为数据，确定人口统计学中预设目标内容对应的概率分布信息；

根据概率分布信息确定推荐内容；

发送推荐内容至终端设备。

可选地，基于历史操作行为数据，确定人口统计学中预设目标内容对应的概率分布信息的步骤包括：

对历史操作行为数据进行预处理得到特征数据；

根据特征数据确定人口统计学中预设目标内容对应的概率分布信息。

可选地，观看内容数据包括观看内容所属路径以及观看内容所属类型，对历史操作行为数据进行预处理得到特征数据的步骤包括：

利用词向量对观看内容所属路径进行序列化处理，生成第一特征数据；

对观看内容所属类型以及终端设备登录数据进行统计，生成第二特征数据。

可选地，根据特征数据确定人口统计学中预设目标内容对应的概率分布信息的步骤包括：

将第一特征数据和第二特征数据输入至深度学习模型中，得到人口统计学中预设目标内容对应的概率分布信息。

可选地，根据特征数据确定人口统计学中预设目标内容对应的概率分布信息的步骤之后，个性化推荐方法还包括：

对概率分布信息进行干扰运算处理，生成干扰概率分布信息；

根据概率分布信息确定推荐内容的步骤包括：

对干扰人口统计概率分布信息进行干扰逆运算处理，确定推荐内容。

可选地，基于历史操作行为数据，确定人口统计学中预设目标内容对应的概率分布信息的步骤之后，个性化推荐方法还包括：

将此次确定出的人口统计学中预设目标内容对应的概率分布信息作为第一概率分布信息；

根据概率分布信息确定推荐内容的步骤之前，个性化推荐方法还包括：

获取上一次确定的人口统计学中预设目标内容对应的概率分布信息，将其作为第二概率分布信息；

判断第一概率分布信息是否与第二概率分布信息相同；

若是，获取根据第二概率分布信息确定出的推荐内容，作为此次的推荐内容；

若否，将第一概率分布信息作为目标概率分布信息，并根据目标概率分布信息确定推荐内容。

此外，为实现上述目的，本发明还提供一种终端设备，终端设备包括：

第一获取模块，用于获取用户历史操作行为数据；其中，历史操作行为数据包括观看内容数据以及终端设备登录数据；

第一发送模块，用于发送历史操作行为数据至推荐设备，以使推荐设备基于历史操作行为数据，确定人口统计学中预设目标内容对应的概率分布信息，并根据预设目标内容对应的概率分布信息确定推荐内容；

第一接收模块，用于接收推荐设备发送的推荐内容。

此外，为实现上述目的，本发明还提供一种推荐设备，推荐设备包括：

第二接收模块，用于接收终端设备发送的历史操作行为数据；其中，历史操作行为数据包括观看内容数据以及终端设备登录数据；

第一确定模块，基于历史操作行为数据，确定人口统计学中预设目标内容对应的概率分布信息；

第二确定模块，用于根据概率分布信息确定推荐内容；

第二发送模块，用于发送推荐内容至终端设备。

此外，为实现上述目的，本发明还提供一种终端设备，终端设备包括：存储器、处理器及存储在存储器上并在处理器上运行个性化推荐程序，个性化推荐程序被处理器执行时实现如上文的个性化推荐方法的步骤。

此外，为实现上述目的，本发明还提供一种推荐设备，推荐设备包括：存储器、处理器及存储在存储器上并在处理器上运行个性化推荐程序，个性化推荐程序被处理器执行时实现如上文的个性化推荐方法的步骤。

此外，为实现上述目的，本发明还提出一种计算机可读存储介质，计算机可读存储介质上存储有个性化推荐程序，个性化推荐程序被处理器执行时实现如上文的个性化推荐方法的步骤。

本发明提供的技术方案，通过终端设备获取用户的历史操作行为数据并将其发送至推荐设备，其中历史操作行为数据包括内容数据观看内容数据以及终端设备登录数据；然后推荐设备基于接收到的历史操作行为数据，确定人口统计学中预设目标内容对应的概率分布信息，并根据概率分布信息确定推荐内容发送至终端设备；解决了相关技术中个性化推荐不合理，存在用户个人隐私数据泄露的风险的问题。

也即本发明提供的技术方案，通过终端设备获取用户的历史操作行为数据，并由推荐设备基于该历史操作行为数据进行人口统计学中预设目标内容的概率分布，从而确定推荐内容，以使得终端设备获取到该推荐内容；这样，通过对用户的观看内容数据以及终端设备登录数据等历史操作行为数据进行收集、存储以实现个性化推荐，而不用对用户的身份证号、手机号、姓名等隐私个人数据进行收集、存储以实现个性化推荐，避免了个性化推荐过程中造成用户个人隐私数据泄露的风险的现象发生，提升了对用户个人隐私数据的保护。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图示出的结构获得其他的附图。

图1是本发明实施例方案涉及的硬件运行环境的终端设备和/或推荐设备结构示意图；

图2为本发明个性化推荐方法第一实施例的流程示意图；

图3为本发明终端设备第一实施例的结构框图；

图4为本发明推荐设备第一实施例的结构框图。

本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

参照图1，图1为本发明实施例方案涉及的硬件运行环境的终端设备和/或推荐设备结构示意图。

终端设备和/或推荐设备包括：至少一个处理器101、存储器102以及存储在所述存储器上并可在所述处理器上运行的个性化推荐程序，所述个性化推荐程序配置为实现如下任一实施例所述的个性化推荐方法的步骤。

处理器101可以包括一个或多个处理核心，比如4核心处理器、8核心处理器等。处理器101可以采用DSP(Digital Signal Processing，数字信号处理)、FPGA(Field－Programmable Gate Array，现场可编程门阵列)、PLA(Programmable Logic Array，可编程逻辑阵列)中的至少一种硬件形式来实现。处理器101也可以包括主处理器和协处理器，主处理器是用于对在唤醒状态下的数据进行处理的处理器，也称CPU(CentralProcessingUnit，中央处理器)；协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。在一些实施例中，处理器101可以在集成有GPU(Graphics Processing Unit，图像处理器)，GPU用于负责显示屏所需要显示的内容的渲染和绘制。处理器101还可以包括AI(Artificial Intelligence，人工智能)处理器，该AI处理器用于处理有关个性化推荐方法操作，使得个性化推荐方法模型可以自主训练学习，提高效率和准确度。

存储器102可以包括一个或多个计算机可读存储介质，该计算机可读存储介质可以是非暂态的。存储器102还可包括高速随机存取存储器，以及非易失性存储器，比如一个或多个磁盘存储推荐设备、闪存存储推荐设备。在一些实施例中，存储器102中的非暂态的计算机可读存储介质用于存储至少一个指令，该至少一个指令用于被处理器101所执行以实现本申请中方法实施例提供的个性化推荐方法。

在一些实施例中，终端设备和/或推荐设备还可选包括有：通信接口103和至少一个外围推荐设备。处理器101、存储器102和通信接口103之间可以通过总线或信号线相连。各个外围推荐设备可以通过总线、信号线或电路板与通信接口103相连。具体地，外围推荐设备包括：射频电路104、显示屏105和电源106中的至少一种。

通信接口103可被用于将I/O(Input/Output，输入/输出)相关的至少一个外围推荐设备连接到处理器101和存储器102。在一些实施例中，处理器101、存储器102和通信接口103被集成在同一芯片或电路板上；在一些其他实施例中，处理器101、存储器102和通信接口103中的任意一个或两个可以在单独的芯片或电路板上实现，本实施例对此不加以限定。

射频电路104用于接收和发射RF(Radio Frequency，射频)信号，也称电磁信号。射频电路104通过电磁信号与通信网络以及其他通信推荐设备进行通信。射频电路104将电信号转换为电磁信号进行发送，或者，将接收到的电磁信号转换为电信号。可选地，射频电路104包括：天线系统、RF收发器、一个或多个放大器、调谐器、振荡器、数字信号处理器、编解码芯片组、用户身份模块卡等等。射频电路104可以通过至少一种无线通信协议来与其它终端进行通信。该无线通信协议包括但不限于：城域网、各代移动通信网络(2G、3G、4G及5G)、无线局域网和/或WiFi(Wireless Fidelity，无线保真)网络。在一些实施例中，射频电路104还可以包括NFC(Near Field Communication，近距离无线通信)有关的电路，本申请对此不加以限定。

显示屏105用于显示UI(User Interface，用户界面)。该UI可以包括图形、文本、图标、视频及其它们的任意组合。当显示屏105是触摸显示屏时，显示屏105还具有采集在显示屏105的表面或表面上方的触摸信号的能力。该触摸信号可以作为控制信号输入至处理器101进行处理。此时，显示屏105还可以用于提供虚拟按钮和/或虚拟键盘，也称软按钮和/或软键盘。在一些实施例中，显示屏105可以为一个，终端设备和/或推荐设备的前面板；在另一些实施例中，显示屏105可以为至少两个，分别设置在终端设备和/或推荐设备的不同表面或呈折叠设计；在再一些实施例中，显示屏105可以是柔性显示屏，设置在终端设备和/或推荐设备的弯曲表面上或折叠面上。甚至，显示屏105还可以设置成非矩形的不规则图形，也即异形屏。显示屏105可以采用LCD(LiquidCrystal Display，液晶显示屏)、OLED(Organic Light-Emitting Diode，有机发光二极管)等材质制备。

电源106用于为终端设备和/或推荐设备中的各个组件进行供电。电源106可以是交流电、直流电、一次性电池或可充电电池。当电源106包括可充电电池时，该可充电电池可以支持有线充电或无线充电。该可充电电池还可以用于支持快充技术。

本领域技术人员可以理解，图1中示出的结构并不构成对终端设备和/或推荐设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

基于上述硬件结构，提出本发明的各实施例。

参照图2，图2为本发明个性化推荐方法第一实施例的流程示意图，个性化推荐方法包括以下步骤：

步骤S20：终端设备获取用户的历史操作行为数据；其中，历史操作行为数据包括观看内容数据以及终端设备登录数据。

本实施例中的历史操作行为数据包括但不限于观看内容数据以及终端设备登录数据；其中：

观看内容数据包括但不限于观看内容所属路径以及观看内容所属类型；其中，观看内容所属路径表征的是观看内容的变化路径，例如用户当前在观看腾讯新闻，其观看内容变化路径由新闻a1—>新闻b1—>新闻b2—>新闻a2—>新闻a3；观看内容所属类型表征的是观看内容属于的类型，例如新闻a1、新闻a2以及新闻a3均属于A类型新闻，新闻b1以及新闻b2均属于B类型新闻。

观看内容数据还可以包括观看内容所属时间；其中，观看内容所属时间表征的是观看内容的时间点，例如用户在时间点1观看了新闻a1，在时间点2观看了新闻b1，在时间点3观看了新闻b2，在时间点4观看了新闻a2，在时间点5观看了新闻a3。其中，在一般情况下获取观看新闻的第一时间即可，即获取用户观看新闻a1的时间点1。

终端设备登录数据表征的是终端设备登录信息，其与观看记录相关，其包括但不限于登录时间以及登录地址，例如用户在时间点0、地址深圳登录腾讯新闻。

由此可见，本实施例中历史操作行为数据包括的观看内容数据以及终端设备登录数据涉及到的是用户用何种设备进行观看的观看记录，其并不涉及用户的隐私数据，如用户的身份证号、手机号以及姓名等；也即，终端设备获取的是用户用何种设备进行观看的观看记录，并非隐私数据，由此降低了用户的隐私泄露风险。

步骤S21：终端设备发送历史操作行为数据至推荐设备。

本实施例中终端设备获取到用户的历史操作行为数据，便将其发送至推荐设备；其中，本实施例中可以预先设置定时器，在定时器设定时间到达时，终端设备将历史操作行为数据发送至推荐设备，例如定时器设定时间为每天12:00，则终端设备在每天12:00将历史操作行为数据发送至推荐设备。

可以理解的是，定时器设定时间越长，则终端设备获取的历史操作行为数据越多，即批量发送的历史操作行为数据也就越多；在实际应用中，定时器设定时间可以进行灵活调整。

步骤S22：推荐设备接收终端设备发送的历史操作行为数据。

本实施例中推荐设备接收终端设备发送的历史操作行为数据，其中接收到的历史操作行为数据可以是终端设备在定时器设定时间到达时发送的。

步骤S23：推荐设备基于历史操作行为数据，确定人口统计学中预设目标内容对应的概率分布信息。

在本实施例中，推荐设备基于历史操作行为数据，确定人口统计学中预设目标内容对应的概率分布信息的步骤，包括至少以下步骤：

首先，对历史操作行为数据进行预处理得到特征数据；

然后，根据特征数据确定人口统计学中预设目标内容对应的概率分布信息。

本实施例中推荐设备获取到历史操作行为数据后，便对历史操作行为数据进行预处理从而得到对应的特征数据，并进一步地，根据该特征数据确定人口统计学中预设目标内容对应的概率分布信息。

可以理解的是，人口统计学是研究人口现象的数量特征及其关系、人口再生产过程及其模式以及人口发展趋势的一门科学；它包括从静态的、动态的和未来人口发展趋势这样三个方面去进行观察、研究人口现象的数量特征及其内在联系；在一定地区一定时点条件下，人口的总量规模，人口性别结构，年龄结构，行业与职业结构，文化结构和民族结构等所显示的人口现象的数量特征，即谓之静态人口特征；人口统计学并不仅仅在于孤立地去描述这些人口现象的数量特征，而是尚要进一步去探明这些人口现象的各种内在联系，以揭示某一人口的性质与特点。

其中，本实施例中的人口统计学中预设目标内容包括但不限于性别、年龄；在实际应用中，预设目标内容可以进行灵活调整，为了更好地理解，本实施例中后续以预设目标内容包括性别以及年龄为示例进行说明。

其中，本实施例中推荐设备对历史操作行为数据进行预处理得到特征数据的步骤包括：

首先，利用词向量对观看内容所属路径进行序列化处理，生成第一特征数据；

然后，对观看内容所属类型以及终端设备登录数据进行统计，生成第二特征数据。

可以理解的是，词向量(word embedding)是一种合理的对词用向量的表达方式；具体地，利用词向量对浏览内容观看内容所属路径进行序列化处理可以通过Word2Vector实现，其中Word2Vector是一种高效实现词向量的工具，其可以看作是一个将高维空间映射到低维空间的过程。

应当明确的是，Word2Vector涉及到两种方法；其中方法一是CBOW(ContinuousBag-of-Words)，其是将一个词所在的上下文中的词作为输入，而这个词本身作为输出；其中方法二是Skip-Gram，其是将一个词所在的上下文中的词作为输出，而这个词本身作为输入。

因此，本实施例中可以采用Word2Vector的CBOW方法对观看内容所属路径进行序列化处理，从而生成第一特征数据；例如对观看新闻所属路径新闻a1—>新闻b1—>新闻b2—>新闻a2—>新闻a3分别进行序列化处理，将每个新闻转换为300维的embedding向量信息，如新闻a1转换为[0.1，0.15，0.08，……0.07]，其他新闻类推，这里不再赘述，进一步地，还可以对每个新闻300维的embedding向量信息进行求平均值，从而得到用户该观看内容所属路径的行为序列对应的300维的embedding向量信息，此称之为第一特征数据。

本实施例中可以对观看内容所属类型以及终端设备登录数据进行统计，生成第二特征数据；其中对观看内容所属类型进行统计，例如新闻A类型的累计观看次数，新闻B类型的累计观看次数；其中对终端设备登录数据进行统计，例如终端设备在时间段15:00-18:00累计登录腾讯新闻的次数，在广东省累计登录腾讯新闻的次数等。可以理解的是，本实施例中将对观看内容所属类型以及终端设备登录数据进行统计后的数据称之为第二特征数据。

其中，本实施例中推荐设备根据特征数据确定人口统计学中预设目标内容对应的概率分布信息的步骤，包括：

将第一特征数据和第二特征数据输入至深度学习模型中，得到人口统计学中预设目标内容对应的概率分布信息。

可以理解的是，本实施例中的深度学习模型包括但不限于深度神经网络(DeepNeural Networks，DNN)，循环神经网络(Recurrent Neural Network，RNN)。

其中，本实施例中将第一特征数据和第二特征数据输入至深度学习模型中，得到人口统计学中预设目标内容对应的概率分布信息的步骤，包括：

首先，将第一特征数据输入至DNN模型中，得到第一概率分布信息；

然后，将第二特征数据输入至RNN模型中，得到第二概率分布信息；

再，求取第一概率分布信息和第二概率分布信息平均值，得到概率分布信息。

为了更好理解，这里以一个具体示例进行说明；例如将第一特征数据和第二特征数据输入至深度学习模型中，得到人口统计学中性别和年龄对应的概率分布信息，其中性别概率分布信息为(0.7，0.3)，即男性的概率为70％，女性的概率为30％，其中年龄概率分布信息为(0.1，0.2，0.3，0.2，0.2)，即0-18岁的概率为10％，18-30岁的概率为20％，30-40岁的概率为30％，40-50岁的概率为20％，50岁以上的概率为20％。

步骤S24：推荐设备根据概率分布信息确定推荐内容。

本实施例中推荐设备确定出人口统计学中预设目标内容对应的概率分布信息后，便可以根据该概率分布信息确定推荐内容，以满足用户需求；例如当确定出的男性的概率为70％，女性的概率为30％时，推荐内容70％可以是男性的喜好内容，推荐内容30％可以是女性的喜好内容。

步骤S25：推荐设备发送推荐内容至终端设备。

本实施例中推荐设备确定好推荐内容后便将其发送至终端设备；例如将70％的男性喜好内容以及30％的女性喜好内容分别发送至终端设备。

步骤S26：终端设备接收推荐设备发送的推荐内容。

本实施例中终端设备接收推荐设备发送的推荐内容；例如终端设备接收推荐设备发送的70％的男性喜好内容以及30％的女性喜好内容，并将其进行显示以供用户选择。

本实施例中，通过终端设备获取用户的历史操作行为数据，并由推荐设备基于该历史操作行为数据进行人口统计学中预设目标内容的概率分布，从而确定推荐内容，以使得终端设备获取到该推荐内容；解决了相关技术中个性化推荐不合理，存在用户个人隐私数据泄露的风险的问题。也即，通过对用户的观看内容数据以及终端设备登录数据等历史操作行为数据进行收集、存储以实现个性化推荐，而不用对用户的身份证号、手机号、姓名等隐私个人数据进行收集、存储以实现个性化推荐，避免了个性化推荐过程中造成用户个人隐私数据泄露的风险的现象发生，提升了对用户个人隐私数据的保护。

基于第一实施例，提出本发明个性化推荐方法的第二实施例；在本实施例中，终端设备获取用户的历史操作行为数据的步骤之前，个性化推荐方法还可以包括以下步骤：

终端设备在接收到用户的操作指令时，根据操作指令确定用户的操作行为；

终端设备记录操作行为至历史操作记录表中。

本实施例中终端设备在接收到用户的操作指令时，可以对该操作指令进行解析，从而以确定用户的操作行为，进一步地，再将该确定出的操作行为记录至历史操作记录表中；其中，可以参见表一所示，为一种示例的历史操作记录表。

表一

观看内容所属路径	观看内容所属类型	终端登录数据
			a1—>b1—>b2—>a2—>a3	A、B	时间点1、地点1
a1—>a2—>a3	A	时间点2、地点2
			c1—>c2—>a3—>a4	C、A	时间点3、地点1
b1—>b2—>c1—>c2	B、C	时间点4、地点1
			……	……	……

值得注意的是，表一所示为一种示例的历史操作记录表，在实际应用中，可以根据具体应用场景做灵活调整。

可以理解的是，用户的操作指令包括但不限于通过点击、滑动、语音等方式下发，其中点击包括但不限于单击、双击等。

具体地，本实施例中终端设备获取用户历史操作行为数据的步骤包括：从历史操作记录表中，获取当前时间点之前预设时间段内的历史操作行为数据；也即，本实施例中终端设备是从存储的历史操作记录表中获取历史操作行为数据，其中获取的历史操作行为数据是最新的历史操作行为数据，即确定当前时间点，获取当前时间点预设时间段内的历史操作行为数据，例如获取一周内的历史操作行为数据；当然，也可以是终端设备从存储的历史操作记录表中获取用户的所有历史操作行为数据，只要定时对历史操作记录表进行更新即可。

具体地，本实施例中终端设备发送历史操作行为数据至推荐设备的步骤包括：在设定时间到达时，发送历史操作行为数据至推荐设备；也即，本实施例中终端设备是从存储的历史操作记录表中获取批量的历史操作行为数据，并在设定时间到达时，进行批量发送。

本实施例中，终端设备通过将最新的历史操作行为数据发送至推荐设备，使得推荐设备获取到的是最新的历史操作行为数据，这样确定出的人口统计学中预设目标内容对应的概率分布信息更为准确，从而使得确定出的推荐内容更为准确；且终端设备还通过定时、批量地将历史操作行为数据发送至推荐设备，在一定程度上节省了终端设备以及推荐设备的资源消耗，并使得推荐设备定时接收到历史操作行为数据对概率分布信息进行更新，从而实现了对推荐内容的更新，更加满足用户需求，符合应用场景。

基于上述各实施例，提出本发明个性化推荐方法的第三实施例；在本实施例中，推荐设备根据特征数据确定人口统计学中预设目标内容对应的概率分布信息的步骤之后，个性化推荐方法还可以包括以下步骤：

推荐设备对概率分布信息进行干扰运算处理，生成干扰概率分布信息。

本实施例中推荐设备在根据特征数据确定人口统计学中预设目标内容对应的概率分布信息之后，可以对概率分布信息进行干扰运算处理，进而生成干扰概率分布信息。

具体地，本实施例中推荐设备进行干扰运算处理可以是指进行取对数操作，从而生成干扰概率分布信息；例如设确定出男性的概率为90％，女性的概率为10％，此时对每个概率进行以E为底取对数，即得到干扰隐私信息的概率分布为[In(0.9)，In(0.1)]＝[-0.10536，-2.30258]。

具体地，本实施例中推荐设备根据概率分布信息确定推荐内容的步骤包括：对干扰人口统计概率分布信息进行干扰逆运算处理，确定推荐内容；也即，本实施例中推荐设备可以先对概率分布信息进行干扰运算处理，然后在要根据该概率分布信息确定推荐内容时，再对概率分布信息进行干扰逆运算处理；其中，可以理解的是，干扰逆运算处理与干扰运算处理为相反方向的运算。

本实施例中，推荐设备通过对确定出的概率分布信息进行干扰运算处理，提升了对概率分布信息的保护，即使外部设备获取到该概率分布信息也是经过干扰运算处理后的，其并无法得知真实的概率分布信息。

基于上述各实施例，提出本发明个性化推荐方法的第四实施例；在本实施例中，推荐设备基于历史操作行为数据，确定人口统计学中预设目标内容对应的概率分布信息的步骤之后，个性化推荐方法还可以包括以下步骤：

推荐设备将此次确定出的人口统计学中预设目标内容对应的概率分布信息作为第一概率分布信息。

其中，本实施例中根据概率分布信息确定推荐内容的步骤之前，个性化推荐方法还可以还包括：

推荐设备获取上一次确定的人口统计学中预设目标内容对应的概率分布信息，将其作为第二概率分布信息；

推荐设备判断第一概率分布信息是否与第二概率分布信息相同；

若是，推荐设备获取根据第二概率分布信息确定出的推荐内容；

若否，推荐设备将第一概率分布信息作为目标概率分布信息，并根据目标概率分布信息确定推荐内容。

为了更好地理解，这里以一个具体示例进行说明；例如推荐设备基于获取到的历史操作行为数据确定出人口统计学中性别、年龄对应的概率分布信息，将其称之为第一概率分布信息，同时获取上一次得到的性别、年龄对应的概率分布信息，将其称之为第二概率分布信息；此时判断第一概率分布信息和第二概率分布信息是否相同，如果第一概率分布信息与第二概率分布信息相同，则可以直接获取根据第二概率分布信息确定的推荐内容，如果第一概率分布信息与第二概率分布信息不相同，则需将第一概率分布信息作为目标概率分布信息，并根据目标概率分布信息确定推荐内容。

本实施例中，推荐设备通过比较此次确定出的概率分布信息与上一次确定出的概率分布信息是否相同，在两者相同时，则可以直接获取根据上一次的概率分布信息确定出推荐内容，而无需再根据此次的概率分布信息确定推荐内容，在一定程度上提升了推荐内容的确定效率，并节省了推荐设备的资源消耗。

此外，参照图3所示，本发明实施例在前述个性化推荐方法的基础上，还提出一种终端设备，终端设备包括：

第一获取模块30，用于获取用户历史操作行为数据；其中，历史操作行为数据包括观看内容数据以及终端设备登录数据；

第一发送模块31，用于发送历史操作行为数据至推荐设备，以使推荐设备基于历史操作行为数据，确定人口统计学中预设目标内容对应的概率分布信息，并根据预设目标内容对应的概率分布信息确定推荐内容；

第一接收模块32，用于接收推荐设备发送的推荐内容。

需要说明的是，本实施例中终端设备还可选的包括有对应的其他模块，以实现前述个性化推荐方法的步骤。

本发明的终端设备采用了上述所有实施例的全部技术方案，因此至少具有上述实施例的技术方案所带来的所有有益效果，在此不再一一赘述。

此外，参照图4所示，本发明实施例在前述个性化推荐方法的基础上，还提出一种推荐设备，推荐设备包括：

第二接收模块40，用于接收终端设备发送的历史操作行为数据；其中，历史操作行为数据包括观看内容数据以及终端设备登录数据；

第一确定模块41，基于历史操作行为数据，确定人口统计学中预设目标内容对应的概率分布信息；

第二确定模块42，用于根据概率分布信息确定推荐内容；

第二发送模块43，用于发送推荐内容至终端设备。

需要说明的是，本实施例中推荐设备还可选的包括有对应的其他模块，以实现前述个性化推荐方法的步骤。

本发明的推荐设备采用了上述所有实施例的全部技术方案，因此至少具有上述实施例的技术方案所带来的所有有益效果，在此不再一一赘述。

此外，本发明实施例还提出一种计算机可读存储介质，计算机可读存储介质上存储有个性化推荐程序，个性化推荐程序被处理器执行时实现如前述的个性化推荐方法的步骤。

该计算机可读存储介质包括在用于存储信息(诸如计算机可读指令、数据结构、计算机程序模块或其他数据)的任何方法或技术中实施的易失性或非易失性、可移除或不可移除的介质。计算机可读存储介质包括但不限于RAM(Random Access Memory，随机存取存储器)，ROM(Read-Only Memory，只读存储器),EEPROM(Electrically EraableProgrammable read only memory，带电可擦可编程只读存储器)、闪存或其他存储器技术、CD-ROM(Compact Disc Read-Only Memory，光盘只读存储器)，数字多功能盘(DVD)或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储终端设备、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。

可见，本领域的技术人员应该明白，上文中所公开方法中的全部或某些步骤、系统、终端设备中的功能模块/单元可以被实施为软件(可以用计算终端设备可执行的计算机程序代码来实现)、固件、硬件及其适当的组合。在硬件实施方式中，在以上描述中提及的功能模块/单元之间的划分不一定对应于物理组件的划分；例如，一个物理组件可以具有多个功能，或者一个功能或步骤可以由若干物理组件合作执行。某些物理组件或所有物理组件可以被实施为由处理器，如中央处理器、数字信号处理器或微处理器执行的软件，或者被实施为硬件，或者被实施为集成电路，如专用集成电路。

以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (14)

1.一种个性化推荐方法，其特征在于，应用于终端设备，所述个性化推荐方法包括：

获取用户的历史操作行为数据；其中，所述历史操作行为数据包括观看内容数据以及终端设备登录数据；

发送所述历史操作行为数据至推荐设备，以使所述推荐设备基于所述历史操作行为数据，确定人口统计学中预设目标内容对应的概率分布信息，并根据所述概率分布信息确定推荐内容；

接收所述推荐设备发送的推荐内容。

2.如权利要求1所述的个性化推荐方法，其特征在于，所述获取用户的历史操作行为数据的步骤之前，所述个性化推荐方法还包括：

在接收到用户的操作指令时，根据所述操作指令确定用户的操作行为；

记录所述操作行为至历史操作记录表中。

3.如权利要求2所述的个性化推荐方法，其特征在于，所述获取用户历史操作行为数据的步骤包括：

从所述历史操作记录表中，获取当前时间点之前预设时间段内的历史操作行为数据；

所述发送所述历史操作行为数据至推荐设备的步骤包括：

在设定时间到达时，发送所述历史操作行为数据至所述推荐设备。

4.一种个性化推荐方法，其特征在于，应用于推荐设备，所述个性化推荐方法包括：

接收所述终端设备发送的历史操作行为数据；其中，所述历史操作行为数据包括观看内容数据以及终端设备登录数据；

基于所述历史操作行为数据，确定人口统计学中预设目标内容对应的概率分布信息；

根据所述概率分布信息确定推荐内容；

发送所述推荐内容至所述终端设备。

5.如权利要求4所述的个性化推荐方法，其特征在于，所述基于所述历史操作行为数据，确定人口统计学中预设目标内容对应的概率分布信息的步骤包括：

对所述历史操作行为数据进行预处理得到特征数据；

根据所述特征数据确定人口统计学中预设目标内容对应的概率分布信息。

6.如权利要求5所述的个性化推荐方法，其特征在于，所述观看内容数据包括观看内容所属路径以及观看内容所属类型，所述对所述历史操作行为数据进行预处理得到特征数据的步骤包括：

利用词向量对所述观看内容所属路径进行序列化处理，生成第一特征数据；

对所述观看内容所属类型以及所述终端设备登录数据进行统计，生成第二特征数据。

7.如权利要求6所述的个性化推荐方法，其特征在于，所述根据所述特征数据确定人口统计学中预设目标内容对应的概率分布信息的步骤包括：

将所述第一特征数据和所述第二特征数据输入至深度学习模型中，得到人口统计学中预设目标内容对应的概率分布信息。

8.如权利要求4-7中任一项所述的个性化推荐方法，其特征在于，所述根据所述特征数据确定人口统计学中预设目标内容对应的概率分布信息的步骤之后，所述个性化推荐方法还包括：

对所述概率分布信息进行干扰运算处理，生成干扰概率分布信息；

所述根据所述概率分布信息确定推荐内容的步骤包括：

对所述干扰人口统计概率分布信息进行干扰逆运算处理，确定推荐内容。

9.如权利要求4-7中任一项所述的个性化推荐方法，其特征在于，所述基于所述历史操作行为数据，确定人口统计学中预设目标内容对应的概率分布信息的步骤之后，所述个性化推荐方法还包括：

将此次确定出的人口统计学中预设目标内容对应的概率分布信息作为第一概率分布信息；

所述根据所述概率分布信息确定推荐内容的步骤之前，所述个性化推荐方法还包括：

获取上一次确定的所述人口统计学中预设目标内容对应的概率分布信息，将其作为第二概率分布信息；

判断所述第一概率分布信息是否与所述第二概率分布信息相同；

若是，获取根据所述第二概率分布信息确定出的推荐内容，作为此次的推荐内容；

若否，将所述第一概率分布信息作为目标概率分布信息，并根据所述目标概率分布信息确定推荐内容。

10.一种终端设备，其特征在于，所述终端设备包括：

第一获取模块，用于获取用户历史操作行为数据；其中，所述历史操作行为数据包括观看内容数据以及终端设备登录数据；

第一发送模块，用于发送所述历史操作行为数据至推荐设备，以使所述推荐设备基于所述历史操作行为数据，确定人口统计学中预设目标内容对应的概率分布信息，并根据所述预设目标内容对应的概率分布信息确定推荐内容；

第一接收模块，用于接收所述推荐设备发送的推荐内容。

11.一种推荐设备，其特征在于，所述推荐设备包括：

第二接收模块，用于接收所述终端设备发送的历史操作行为数据；其中，所述历史操作行为数据包括观看内容数据以及终端设备登录数据；

第一确定模块，基于所述历史操作行为数据，确定人口统计学中预设目标内容对应的概率分布信息；

第二确定模块，用于根据所述概率分布信息确定推荐内容；

第二发送模块，用于发送所述推荐内容至所述终端设备。

12.一种终端设备，其特征在于，所述终端设备包括：存储器、处理器及存储在所述存储器上并在所述处理器上运行个性化推荐程序，所述个性化推荐程序被所述处理器执行时实现如权利要求1-3中任一项所述的个性化推荐方法的步骤。

13.一种推荐设备，其特征在于，所述推荐设备包括：存储器、处理器及存储在所述存储器上并在所述处理器上运行个性化推荐程序，所述个性化推荐程序被所述处理器执行时实现如权利要求4-9中任一项所述的个性化推荐方法的步骤。

14.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有个性化推荐程序，所述个性化推荐程序被处理器执行时实现如权利要求1-3或权利要求4-9中任一项所述的个性化推荐方法的步骤。

Images