CN112269918A - 信息推荐方法、装置、设备及存储介质 - Google Patents
信息推荐方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN112269918A CN112269918A CN202011075584.0A CN202011075584A CN112269918A CN 112269918 A CN112269918 A CN 112269918A CN 202011075584 A CN202011075584 A CN 202011075584A CN 112269918 A CN112269918 A CN 112269918A
- Authority
- CN
- China
- Prior art keywords
- account
- information
- candidate
- data
- accounts
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 70
- 230000003993 interaction Effects 0.000 claims abstract description 25
- 230000006399 behavior Effects 0.000 claims description 62
- 238000013461 design Methods 0.000 description 20
- 238000012545 processing Methods 0.000 description 20
- 238000004891 communication Methods 0.000 description 15
- 238000012549 training Methods 0.000 description 14
- 238000010586 diagram Methods 0.000 description 11
- 230000006870 function Effects 0.000 description 7
- 230000003287 optical effect Effects 0.000 description 6
- 230000002452 interceptive effect Effects 0.000 description 5
- 238000002372 labelling Methods 0.000 description 5
- 238000007477 logistic regression Methods 0.000 description 4
- 230000003068 static effect Effects 0.000 description 4
- 238000004590 computer program Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000003542 behavioural effect Effects 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000012552 review Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
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
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- 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
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9536—Search customisation based on social or collaborative filtering
-
- 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
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9538—Presentation of query results
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本公开关于信息推荐方法、装置、设备及存储介质,涉及软件应用领域,以解决现有技术中由于通过统计与用户查看过的媒体资源类型类似的其他媒体资源的作者,作为该用户可能感兴趣的人推荐给用户,导致无推荐重点的问题。该信息推荐方法包括:获取第一账户与至少一个第二账户的行为数据,并根据行为数据,确定第一账户与各第二账户之间的关联信息;之后,根据关联信息,获得预设数目的第二账户作为候选账户。行为数据包括用于表征第一账户与各第二账户间互动行为的互动数据。
Description
技术领域
本公开涉及数据处理技术领域,尤其涉及信息推荐方法、装置、设备及存储介质。
背景技术
如今,用户在浏览客户端或者应用程序的过程中,为了获取更丰富的关系链,会给用户推荐其可能感兴趣的人,来促成用户间关注的达成。现有技术中,在为每个用户推荐其可能感兴趣的人时,主要是通过统计与用户查看过的媒体资源类型类似的其他媒体资源的作者,作为该用户可能感兴趣的人推荐给用户。这样,在为用户同时推荐很多可能感兴趣的人,并无推荐重点,导致关注的达成率不理想。
发明内容
本公开实施例提供信息推荐方法、装置、设备及存储介质,以至少解决相关技术中无推荐重点的问题。本公开实施例的技术方案如下:
根据本公开实施例的第一方面,提供一种信息推荐方法,包括:获取第一账户与至少一个第二账户的行为数据,并根据行为数据,确定第一账户与各第二账户之间的关联信息;之后,根据关联信息,获得预设数目的第二账户作为候选账户。行为数据包括用于表征第一账户与各第二账户间互动行为的互动数据。
结合第一方面,在另一种可能的设计方式中,上述行为数据还包括用于表征第一账户与各第二账户间社交关系的社交数据。
结合第一方面,在另一种可能的设计方式中,上述“根据行为数据,确定第一账户与各第二账户之间的关联信息”的方法包括:将行为数据,输入预先训练的亲密度模型中,得到第一账户与各第二账户之间的关联信息。
结合第一方面,在另一种可能的设计方式中,本公开提供的信息推荐方法还包括:获取第一基础数据和第二基础数据。其中,第一基础数据包括第一账户的媒体资源历史浏览信息。第二基础数据包括第二账户中媒体资源的状态信息,第二账户包括至少一个媒体资源。相应的,上述“根据关联信息,获得预设数目的第二账户作为候选账户”之前,将第一基础数据、第二基础数据以及行为数据,输入至预先训练的点击率模型中,得到第一账户对各第二账户的预测点击率。
结合第一方面,在另一种可能的设计方式中,上述“根据关联信息,获得预设数目的第二账户作为候选账户”的方法包括:根据关联信息和预测点击率,获取预设数目的第二账户作为候选账户。
结合第一方面,在另一种可能的设计方式中,本公开提供的信息推荐方法还包括:获取第一账户在预设时间段内,浏览候选账户中的媒体资源的时长、频率的统计数据,之后,根据统计数据,排序候选账户。
结合第一方面,在另一种可能的设计方式中,本公开提供的信息推荐方法还包括:根据候选账户中的媒体资源的状态,排序候选账户中的媒体资源。其中,候选账户包括至少一个媒体资源。
根据本公开实施例的第二方面,提供一种信息推荐方法,包括:响应于第一账户的推荐请求,获取用于向第一账户推荐的候选账户,并向第一账户推荐候选账户。这里的候选账户基于本公开实施例的第一方面所述的信息推荐方法得到的。
结合第二方面,在另一种可能的设计方式中,本公开实施例提供的信息推荐方法还包括:展示推荐页面,该推荐页面用于显示候选账户以及候选账户对应的媒体资源。
根据本公开实施例的第三方面,提供一种信息推荐装置,包括获取单元和确定单元。具体的,获取单元,被配置为获取第一账户与至少一个第二账户的行为数据,行为数据包括用于表征第一账户与各第二账户间互动行为的互动数据。确定单元,被配置为根据获取单元获取到的行为数据,确定第一账户与各第二账户之间的关联信息。获取单元,还被配置为根据确定单元确定出的关联信息,获得预设数目的第二账户作为候选账户。
结合第三方面,在另一种可能的设计方式中,行为数据还包括用于表征第一账户与各第二账户间社交关系的社交数据。
结合第三方面,在另一种可能的设计方式中,确定单元,具体被配置为将获取单元获取到的行为数据,输入预先训练的亲密度模型中,得到第一账户与各第二账户之间的关联信息。
结合第三方面,在另一种可能的设计方式中,获取单元,还被配置为获取第一基础数据和第二基础数据,第一基础数据包括第一账户的媒体资源历史浏览信息;第二基础数据包括第二账户中媒体资源的状态信息,第二账户包括至少一个媒体资源。获取单元,还被配置为在根据关联信息,获得预设数目的第二账户作为候选账户之前,将第一基础数据、第二基础数据以及行为数据,输入预先训练的点击率模型中,得到第一账户对各第二账户的预测点击率。
结合第三方面,在另一种可能的设计方式中,获取单元,具体被配置为根据关联信息和预测点击率,获取预设数目的第二账户作为候选账户。
结合第三方面,在另一种可能的设计方式中,获取单元,还被配置为获取第一账户在预设时间段内,浏览候选账户中的媒体资源的时长、频率的统计数据。信息推荐装置还包括排序单元。该排序单元,被配置为根据获取单元获取到的统计数据,排序候选账户。
结合第三方面,在另一种可能的设计方式中,信息推荐装置还包括排序单元。该排序单元,被配置为根据候选账户中的媒体资源的状态,排序候选账户中的媒体资源;候选账户包括至少一个媒体资源。
根据本公开实施例的第四方面,提供一种信息推荐装置,包括获取单元和推荐单元。获取单元,被配置为响应于第一账户的推荐请求,获取用于向所述第一账户推荐的候选账户;其中,所述候选账户基于本公开第一方面所述的信息推荐装置得到的。推荐单元,被配置为向所述第一账户推荐所述获取单元获取到的所述候选账户。
结合第四方面,在另一种可能的设计方式中,信息推荐装置还包括展示单元。该展示单元,被配置为展示推荐页面,所述推荐页面用于显示所述候选账户以及所述候选账户对应的媒体资源。
根据本公开实施例的第五方面,提供一种电子设备,其特征在于,包括:处理器;用于存储处理器可执行指令的存储器;其中,处理器被配置为执行指令,以实现如上述第一方面所提供的信息推荐方法,或者实现如上述第一方面所提供的信息推荐方法。
根据本公开实施例的第六方面,提供一种电子设备,其特征在于,包括:处理器;用于存储处理器可执行指令的存储器;其中,处理器被配置为执行指令,以实现如上述第二方面所提供的信息推荐方法。
根据本公开实施例的第七方面,提供一种计算机可读存储介质,包括指令,当指令由处理器执行时,使得处理器执行如上述第一方面所提供的信息推荐方法。或者,当指令由处理器执行时,使得处理器执行如上述第二方面所提供的信息推荐方法。
本公开实施例所提供的上述技术方案中,根据第一账户与各第二账户的行为数据(该行为数据包括用于表征第一账户与各第二账户之间互动行为的互动数据),确定出该第一账户与第二账户之间的关联信息。可以看出,该关联信息是结合第一账户与各第二账户之间的互动行为确定出的。因此,根据该关联信息能够更准确的在第二账户中确定候选账户。进一步地,在为第一账户推荐其可能感兴趣的人时,提供更好的依据。另外,根据关联信息确定候选账户,不仅能够增加第一账户对第二账户的页面内容的点击量;而且还能提高关注的达成率。
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,示出了符合本公开实施例的实施例,并与说明书一起用于解释本公开实施例的原理,并不构成对本公开实施例的不当限定。
图1为本公开实施例提供的一种网络结构示意图;
图2为本公开实施例提供的一种信息推荐方法的流程示意图之一;
图3为本公开实施例提供的一种信息推荐方法的流程示意图之二;
图4为本公开实施例提供的一种信息推荐方法的流程示意图之三;
图5为本公开实施例提供的一种信息推荐方法的流程示意图之四;
图6为本公开实施例提供的一种信息推荐方法的流程示意图之五;
图7为本公开实施例提供的一种信息推荐方法的流程示意图之六;
图8为本公开实施例提供的一种信息推荐方法的效果示意图;
图9为本公开实施例提供的一种信息推荐装置的结构示意图之一;
图10为本公开实施例提供的一种信息推荐装置的结构示意图之二;
图11为本公开实施例提供的一种电子设备的结构示意图之一;
图12为本公开实施例提供的一种电子设备的结构示意图之二。
具体实施方式
为了使本领域普通人员更好地理解本公开实施例的技术方案,下面将结合附图,对本公开实施例中的技术方案进行清楚、完整地描述。
需要说明的是,本公开实施例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实施例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实施例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、本公开实施例的一些方面相一致的装置和方法的例子。
另外,在本公开实施例的描述中,除非另有说明,“/”表示或的意思,例如,A/B可以表示A或B;本文中的“和/或”仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,在本公开实施例的描述中,“多个”是指两个或多于两个。
本公开所涉及的数据可以为经用户授权或者经过各方充分授权的数据。
目前,由于现有技术中,在为每个用户推荐其可能感兴趣的人时,主要是通过统计与用户查看过的媒体资源类型类似的其他媒体资源的作者,作为该用户可能感兴趣的人推荐给用户。这样,在为用户同时推荐很多可能感兴趣的人,并无推荐重点,导致关注的达成率不理想。
针对上述技术问题,本公开实施例提供一种信息推荐方法,考虑在为第一账户推荐可能感兴趣的账户时,确定该第一账户与第二账户之间的关联信息,进而根据关联信息准确的确定能够为第一账户推荐的候选账户,从而提高关注的达成率。
下面首先对本公开实施例提供的一种信息推荐方法以及的应用场景进行介绍。
图1是根据一示例性实施例示出的一种信息推荐方法的实施环境示意图。如图1所示,该实施环境可以包括服务器101和多个终端设备,如终端设备102a和终端设备102b。
其中,本公开所述涉及的信息推荐方法可以应用于服务器101中,也可以应用于终端设备中;在一种实现方式中,当应用于终端设备中时,服务器101可以为终端设备第二账户的行为记录;例如,当在终端设备102a的某应用程序的第一账户,需要获取该第一账户与在终端设备102b中该应用程序中登录的第二账户的行为记录时,终端设备102a可以接收来自服务器101的该第一账户与该第二账户的行为记录,并进行后续操作。
示例性的,本公开实施例中的终端设备可以是手机、平板电脑、桌面型、膝上型、手持计算机、笔记本电脑、超级移动个人计算机(ultra-mobile personal computer,UMPC)、上网本,以及蜂窝电话、个人数字助理(personal digital assistant,PDA)、增强现实(augmented reality,AR)\虚拟现实(virtual reality,VR)设备等可以安装即时通讯应用,并使用即时通讯应用通信的设备,本公开实施例对该终端设备的具体形态不作特殊限制。
其中,服务器101可以是向终端设备发送数据或者接收终端设备发送的数据的服务器。例如,服务器101将任务数据通过有线或者无线的方式发送至多个终端设备,以及多个终端设备执行任务数据对应的任务。如,服务器101将某软件的安装文件发送至终端设备102a,终端设备102a接收该安装文件,并执行安装该软件的任务。再例如,终端设备将任务数据发送至服务器,服务器执行任务数据对应的任务。如,终端设备将某业务的更新文件发送至服务器,服务器接收更新文件后执行更新服务器中程序的任务。
在一些实施例中,服务器可以是一台服务器,也可以是由多台服务器组成的服务器集群,本公开对此不做限定。
本公开实施例所提供的信息推荐方法可以应用于上述图1中多个终端设备中的一个或者应用于服务器101中,以至少解决相关技术中,由于通过统计与用户查看过的媒体资源类型类似的其他媒体资源的作者,作为该用户可能感兴趣的人推荐给用户,导致无推荐重点的问题。以下结合具体实施例,以信息推荐装置为执行主体来介绍本公开实施例所提供的信息推荐方法进行详细介绍。
如图2所示,该方法可以包括以下S201-S203。
S201、信息推荐装置获取第一账户与至少一个第二账户的行为数据。
其中,该行为数据包括用于表征第一账户与各第二账户间互动行为的互动数据。互动行为是指第一账户与第二账户之间的交互操作。
示例性的,互动行为可以包括第一账户与第二账户间的主页的点击操作、媒体资源的点击操作、媒体资源的点赞操作、媒体资源的评论操作以及媒体资源的转发操作等中的至少一项。当然,互动行为并不局限于上述行为。
可选的,行为数据还包括用于表征第一账户与各第二账户之间社交关系的社交数据。例如,该社交数据包括第一账户与各第二账户间的关注关系,第一账户的好友、常看的人与各第二账户间的关注关系,第一账户的好友、常看的人与各第二账户间的互动行为等。本公开实施例通过在行为数据中增加社交数据,增加了行为数据的参数类型,以便确定的候选账户更符合用户的兴趣。
另外,行为数据还可以包括用于表征第二账户的账户状态的基本信息数据。例如,该基本信息数据可以包括该第二账户的账户认证等级(如,是否为大V账户)、是否为高频生成者等数据中的至少一项。
进一步的,行为数据还可以包括第一账户对之前推荐过的候选账户的历史交互数据(例如,第一账户在最近几天对推荐的候选账户的主页或者作品的点击次数)。可以根据第一账户历史交互数据来判断第一账户对于推荐的内容是否满意,如果判断出第一账户对之前为其推荐的候选账户不满意时,则将该候选账户以及与该候选账户作品类似的其他账户进行标记,排除在下次推荐的候选账户之外;避免在下次为第一账户推荐候选账户时,带给用户不好的体验。
S202、信息推荐装置根据行为数据,确定第一账户与各第二账户之间的关联信息。
具体的,信息推荐装置可以将获取到的行为数据,输入预先训练的亲密度模型中,得到第一账户与各第二账户之间的关联信息。
示例性的,信息推荐装置可以将包括第一账户浏览的各第二账户的媒体资源、分享的各第二账户的媒体资源、点赞的各第二账户的媒体资源、评论的各第二账户的媒体资源、浏览的各第二账户媒体资源的时长中的一种或多种行为数据输入到预先训练的亲密度模型中,以得到第一账户与各第二账户之间的亲密度指数,并根据亲密度指数确定第一账户与各第二账户之间的关联信息。
在计算亲密度指数时,不同的行为数据对应不同的权重。例如,第一账户浏览的各第二账户的媒体资源对应的权重为1,分享的各第二账户的媒体资源对应的权重为2,点赞的各第二账户的媒体资源为2,评论的各第二账户的媒体资源对应的权重为2,浏览的各第二账户媒体资源的时长(比如5分钟)对应的权重为4。
可以看出,本实施例中的关联信息可以用于表示第一账户与各第二账户之间的亲密程度。
S203、信息推荐装置根据关联信息,获得预设数目的第二账户作为候选账户。
从上述描述可知,关联信息用于表征用于表示第一账户与各第二账户之间的亲密程度。这样,某一第二账户与第一账户的亲密程度越高,表示为第一账户推荐该第二账户的概率越大。基于这一原理,信息推荐装置根据关联信息,获得预设数目的第二账户作为候选账户。
可选的,候选账户可以为:至少一个第二账户中,与第一账户的关联信息所表示的亲密程度高于预设程度的账户。
本公开实施例所提供的上述技术方案中,根据第一账户与各第二账户的行为数据(该行为数据包括用于表征第一账户与各第二账户之间互动行为的互动数据),确定出该第一账户与第二账户之间的关联信息。可以看出,该关联信息是结合第一账户与各第二账户之间的互动行为确定出的。因此,根据该关联信息能够更准确的在第二账户中确定候选账户。进一步地,在为第一账户推荐其可能感兴趣的人时,提供更好的依据。
在一种实现方式中,结合图2,参照图3,S202具体有S202a实现,具体为:
S202a、信息推荐装置将媒体资源行为数据,输入预先训练的亲密度模型中,得到第一账户与各第二账户之间的关联信息。
本公开实施例中的亲密度模型的可以采用以下步骤预先训练得到:
步骤一:获取第一训练样本以及对第一训练样本的第一标注结果。
其中,第一训练样本包括第一预设历史时间段的第一账户与至少一个第二账户的行为数据。
示例性的,在步骤一之后,还可以通过建立一个存储不含噪声的干净数据的干净数据库,对第一训练样本中的数据进行清洗。对待清洗第一训练样本中的数据进行预处理以获取结构化数据,其中结构化数据组成文本数据的词的集合,具体为:将待清洗第一训练样本中的数据进行分词,并将所有词转换为统一的编码形式;将具有统一编码形式的数据根据数据字典消除不一致的数据、获得标准化数据。对该标准化数据进行一致性校验,将内容上的明显错误进行修改。以实现对第一训练样本中的数据进行清洗的目的。
步骤二:将该第一训练样本输入至逻辑回归模型中。
步骤三:基于第一目标损失函数,确定逻辑回归模型输出的对第一训练样本的第一预测比对结果与第一标注结果是否匹配。
步骤四:当第一预测比对结果与第一标注结果不匹配时,反复循环地迭代更新逻辑回归模型的网络参数,直至模型收敛,得到亲密度模型。
这样,本公开实施例将统计的第一账户与各第二账户的行为数据通过输入到预先训练好的亲密度模型中,能够直接获取亲密度指数。从而更加方便快捷的确定关联参数。另外,根据第一预设历史时间段的第一账户与各第二账户的作品的交互操作训练逻辑回归模型,以获取亲密度模型。对获取亲密度模型的过程,具有实现简单,计算量小,且运算速度快等优势。
在一种实现方式中,本公开实施例中的信息推荐装置在根据关联关系,获得候选账户之前,还可以获取第一基础数据(包括第一账户的媒体资源历史浏览信息)和第二基础数据(包括第二账户中媒体资源的状态信息,第二账户包括至少一个媒体资源),并根据第一基础数据、第二基础数据和上述行为数据,确定第一账户对各第二账户的预测点击率。
具体的,结合图2,如图4所示,S203之前还包括:
S301、信息推荐装置获取第一基础数据和第二基础数据。
其中,第一基础数据包括第一账户的媒体资源历史浏览信息。第二基础数据包括所述第二账户中媒体资源的状态信息,第二账户包括至少一个媒体资源。
示例性的,第一账户的媒体资源历史浏览信息可以是第一账户在历史的某段时间内经常浏览的账户的类型、在历史的某段时间内经常浏览的账户所发布的媒体资源的类型、所关注的人的类型、第一账户对关注账户的媒体资源的行为数据等数据中的一项或多项。当然,第一账户的媒体资源历史浏览信息不限于上述的示例。
另外,第二账户中媒体资源的状态信息可以是第二账户中的媒体资源中当前是否存在直播、最新发布的第一账户未读的作品、该最新发布的第一账户未读的作品热度等数据中的一项或多项。
S302、信息推荐装置将第一基础数据、第二基础数据以及行为数据,输入至预先训练的点击率模型中,得到第一账户对各第二账户的预测点击率。
可选的,点击率模型的生成方式可以包括以下步骤:
步骤一:获取第二训练样本以及对第二训练样本的第二标注结果。
其中,第一训练样本包括第二预设时间段的第一基础数据、第二基础数据以及行为数据。
步骤二:将第二训练样本输入至深度神经网络模型中。
步骤三:基于第二目标损失函数,确定深度神经网络输出的对第二训练样本的第二预测比对结果与第二标注结果是否匹配。
步骤四:当第二预测比对结果与第二标注结果不匹配时,反复循环地迭代更新深度神经网络的网络参数,直至模型收敛,以得到点击率模型。
在本实现方式中,本公开实施例将第一基础数据、第二基础数据以及行为数据通过输入到预先训练好的点击率模型中,以便更加方便快捷的确定预测点击率。另外,通过预测点击率能够推断出用户的兴趣所在,以便更准确的为用户推荐候选账户。此外,根据第二预设时间段的第一基础数据、第二基础数据以及行为数训练深度神经网络模型,完成点击率的挖掘,使得获取点击率模型在计算预测点击率的结果更为准确。
在一种实现方式中,在确定候选账户时,为了更贴合用户兴趣,在确定候选账户时,增加预测点击率。在此情况下,结合图4,参照图5,S203还可以包括S203a。
S203a、信息推荐装置根据关联信息和预测点击率,获取预设数目的第二账户作为候选账户。
示例性的,可以通过对关联信息和预测点击率进行算术平均处理或者加权处理或者加权平均处理等方式生成的数值;将该数值作为各第二账户的关联参数。可选的,还可以对该数值进行归一化处理,以得到各第二账户的关联参数。进而根据各第二账户的关联参数,将关联参数满足预设阈值的第二账户作为候选账户。可以理解的是,本领域技术人员可以根据实际情况对上述的数值进行其他的处理,如将该数值乘以某个设定好的系数。
本实施方式中,通过关联信息和预测点击率两重数据的结合,能够更加准确的获取第二账户;进而使得获取的候选账户更加贴合用户的兴趣。
在一种实现方式中,结合图2,参照图6,本公开实施例还可以对确定的候选账户进行下述处理:
S204、信息推荐装置获取第一账户在预设时间段内,浏览候选账户中的媒体资源的时长、频率的统计数据。
示例性的,可以针对第一账户浏览候选账户中的媒体资源的时长和频率,分别设定对应的分数。比如,时长在区间0min-10min对应的分数为1,11min-20min对应的分数为2;以此类推。需要说明的是,时长的区间可以根据需要任意调整。另外,频率对应的分数可以为预设时间段内的浏览次数;如,3h之内浏览了10次,那么频率的则分数为10;则可以将时长的分数与频率的分数进行加权求和,来获取统计数据。
S205、信息推荐装置根据统计数据,排序候选账户。
基于上述示例,根据统计数据的值按照预设顺序,对候选账户进行排序,并按照排序在第一账户中展示。
本实现方式中,由于第一账户在浏览候选账户中的媒体资源时的时长、频率能够充分的体现出用户对候选账户的兴趣程度。因此基于浏览候选账户中的媒体资源的时长、频率来确定统计数据;并根据该统计数据对候选账户进行排序。使得为第一账户推荐的候选账户更加贴合用户兴趣,同时,利用统计数据方便快捷的特点,根据浏览候选账户中的媒体资源的时长、频率的变化进行随时调整统计数据的数值。并且,基于统计数据能够增加对候选账户排序的灵活性。
最后,结合图2,参照图6,本公开实施例还可以对确定的候选账户中的媒体资源进行下述处理:
S206、信息推荐装置根据候选账户中的媒体资源的状态,排序候选账户中的媒体资源。
其中,候选账户包括至少一个媒体资源。
示例性的,由于直播的实时性,一般情况下,在候选账户的媒体资源包括直播时,将在对应的媒体资源置顶显示该直播的封面,方便用户能够及时查看该候选账户的直播。
可选的,在候选账户中有直播时,首先为用户推荐该直播。另外,按照媒体资源的状态确定其他作品的优先级,并按照优先级顺序,从高至低在该直播之后,依次显示至少一个作品的封面。另外,在候选账户中没有直播的情况下,最先推荐优先级最高的作品。并按照优先级顺序,在该作品之后,依次推荐其他作品。通过上述方式,可以提高第一账户对候选账户关注的概率。
可选的,候选账户中的媒体资源的状态可以包括媒体资源发布的时间、点击量、点赞量、评论量、转发量等数据的一个或多个。根据候选账户中的媒体资源的状态,排序候选账户中的媒体资源,具体可以是基于该视频发布的时间、点击量、点赞量、评论量、转发量等一个或多个数据的进行加权或者加权平均进行计算确定。
本实现方式中,通过候选账户中的媒体资源的状态对候选账户中的媒体资源进行排序,使得用户通过第一账户查看候选账户的媒体资源时,更加吸引用户查看对该候选账户,从而提高用户的对该候选账户媒体资源查看的概率。以便增加第一账户与该候选账户进行社交的概率。
另外,参照图7,本公开实施例还提供一种信息推荐方法,以便将上述确定的候选账户推荐至第一账户。该方法具体包括:
S701、信息推荐装置响应于第一账户的推荐请求,获取用于向第一账户推荐的候选账户。
其中,候选账户基于上述的图2-图6任一图对应的信息推荐方法得到的。
示例性,第一账户的推荐请求可以是用户通过对终端设备中某应用程序或者客户端的展示第二账户封面的触发操作生成,或者通过滑动当前的显示页面生成。触发操作可以包括但不限于上下滑动操作、双击操作、左右滑动操作、单击操作。也可以是在终端设备中退出某应用程序或者客户端后,生成的推荐请求,通过该推荐请求获取候选账户,以便在用户下次通过第一账户登录该应用程序或者客户端时,直接向第一账户推荐候选账户。
S702、信息推荐装置向第一账户推荐候选账户。
示例性的,当信息推荐装置为终端设备或终端设备中的芯片时,上述步骤由终端设备执行,终端设备在接收到第一账户的推荐请求,可以根据该推荐请求直接读取候选账户,并向第一账户推荐该候选账户。在向第一账户推荐该候选账户时,可以通过如图8所示的直接由终端设备的显示界面中在包含“你可能感兴趣的人”的字样的封面中向用户显示部分候选账户的标识。
另外,当信息推荐装置为服务器或服务器中的芯片时,上述步骤由服务器执行,用户可以通过操作终端设备,终端设备生成推荐请求,并将该推荐请求发送至服务器,服务器响应于该推荐请求,根据该推荐请求直接读取候选账户,并向终端设备中的第一账户推荐该候选账户。之后,可以通过如图8所示的直接由终端设备的显示界面中在包含“你可能感兴趣的人”的字样的封面中向用户显示部分候选账户的标识。
本公开实施例所提供的上述技术方案中,通过对第一账户的推荐请求的响应,为用户推荐候选账户。解决现有技术中在为用户同时推荐很多可能感兴趣的人,并无推荐重点,导致关注的达成率不理想的问题。从而更好的引导用户消费内容;同时,增加第一账户与当前选中的第二账户进行社交的概率。
另外,参照图7,本公开实施例所提供的上述技术方案还可以包括:
S703、信息推荐装置展示推荐页面。
其中,推荐页面用于显示候选账户以及候选账户对应的媒体资源。
示例性的,在实际应用中,推荐页面可以是如图8所示的显示界面中在包含“你可能感兴趣的人”的字样的封面中显示的部分候选账户的标识。也可以是包括当前选中的候选账户的媒体资源以及至少一个候选账户的标识信息列表。
其中,当前选中的候选账户的媒体资源可以包括当前选中的候选账户发布的作品,当前选中的候选账户的媒体资源可以是提前录制好的短视频和/或者直播等作品。用户可以通过触发推荐页面显示的当前选中的候选账户发布的作品的封面进入该作品,并查看作品内容。
上述技术方案,通过向用户展示推荐页面,以便用户能够查看为其推荐的候选账户,从而更好的引导用户消费内容;同时,增加第一账户与当前选中的第二账户进行社交的概率。
本公开实施例可以根据上述方法实施例对信息推荐装置进行功能模块的划分,例如,可以对应各个功能划分各个功能模块,也可以将两个或两个以上的功能集成在一个处理模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。需要说明的是,本公开实施例中对模块的划分是示意性的,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。
参照图9,为本公开实施例提供的一种信息推荐装置的结构示意图。其中,该信息推荐装置90包括:获取单元901、确定单元902。其中:
获取单元901,被配置为获取第一账户与至少一个第二账户的行为数据,行为数据包括用于表征第一账户与各第二账户间互动行为的互动数据。例如,参照图2所示,获取单元901,被配置为执行S201。
确定单元902,被配置为根据获取单元901获取到的行为数据,确定第一账户与各第二账户之间的关联信息。例如,参照图2所示,确定单元902,被配置为执行S202。
获取单元901,还被配置为根据确定单元902确定出的关联信息,获得预设数目的第二账户作为候选账户。例如,参照图2所示,获取单元901,被配置为执行S203。
在另一种可能的设计方式中,行为数据还包括用于表征第一账户与各第二账户间社交关系的社交数据。
在另一种可能的设计方式中,确定单元902,具体被配置为将获取单元901获取到的行为数据,输入预先训练的亲密度模型中,得到第一账户与各第二账户之间的关联信息。
在另一种可能的设计方式中,获取单元901,还被配置为获取第一基础数据和第二基础数据,第一基础数据包括第一账户的媒体资源历史浏览信息;第二基础数据包括第二账户中媒体资源的状态信息,第二账户包括至少一个媒体资源。获取单元901,还被配置为在根据关联信息,获得预设数目的第二账户作为候选账户之前,将第一基础数据、第二基础数据以及行为数据,输入预先训练的点击率模型中,得到第一账户对各第二账户的预测点击率。
在另一种可能的设计方式中,获取单元901,具体被配置为根据关联信息和预测点击率,获取预设数目的第二账户作为候选账户。
在另一种可能的设计方式中,获取单元901,还被配置为获取第一账户在预设时间段内,浏览候选账户中的媒体资源的时长、频率的统计数据。
信息推荐装置90还包括排序单元903。排序单元903,被配置为根据获取单元901获取到的统计数据,排序候选账户。
在另一种可能的设计方式中,信息推荐装置90还包括排序单元903。排序单元903,被配置为根据候选账户中的媒体资源的状态,排序候选账户中的媒体资源;候选账户包括至少一个媒体资源。
当然,本公开实施例提供的信息推荐装置90包括但不限于上述模块,例如信息推荐装置90还可以包括发送单元905和存储单元904。发送单元905可以用于将信息推荐装置90中的相关数据发送至其他设备,实现与其他设备之间的数据交互。存储单元904可以用于存储该信息推荐装置90的程序代码,还可以用于存储信息推荐装置90在运行过程中生成的数据,如写请求中的数据等。
参照图10,为本公开实施例提供的一种信息推荐装置的结构示意图。其中,该信息推荐装置100包括:获取单元1001、推荐单元1002。
获取单元1001,被配置为响应于第一账户的推荐请求,获取用于向所述第一账户推荐的候选账户;其中,所述候选账户基于上述的图9对应的信息推荐装置得到的。例如,参照图7所示,获取单元1001,被配置为执行S701。
推荐单元1002,被配置为向第一账户推荐获取单元1001获取到的候选账户。例如,参照图7所示,推荐单元1002,被配置为执行S702。
在另一种可能的设计方式中,信息推荐装置100还包括展示单元1003。
展示单元1003,被配置为展示推荐页面,所述推荐页面用于显示所述候选账户以及所述候选账户对应的媒体资源。例如,参照图7所示,获取单元1001,被配置为执行S703。
当然,本公开实施例提供的信息推荐装置100包括但不限于上述模块,例如信息推荐装置100还可以包括发送单元1005和存储单元1004。接收单元1005可以用于接收来自其他设备的相关数据,实现与其他设备之间的数据交互。存储单元1004可以用于存储该信息推荐装置100的程序代码,还可以用于存储信息推荐装置100在运行过程中生成的数据,如写请求中的数据等。
参照图11,为本公开实施例提供的一种电子设备110的结构示意图。其中,该电子设备110包括至少一个处理器1101以及用于存储处理器可执行指令的存储器1103。其中,处理器1101被配置为执行存储器1103中的指令,以实现上述实施例中图2-图6任一附图所示的信息推荐方法。
另外,电子设备110还可以包括通信总线1102以及至少一个通信接口1104。
处理器1101可以是一个处理器(central processing units,CPU),微处理单元,ASIC,或一个或多个用于控制本公开实施例方案程序执行的集成电路。
通信总线1102可包括一通路,在上述组件之间传送信息。
通信接口1104,使用任何收发器一类的装置,用于与其他设备或通信网络通信,如以太网,无线接入网(radio access network,RAN),无线局域网(wireless local areanetworks,WLAN)等。
存储器1103可以是只读存储器(read-only memory,ROM)或可存储静态信息和指令的其他类型的静态存储设备,随机存取存储器(random access memory,RAM)或者可存储信息和指令的其他类型的动态存储设备,也可以是电可擦可编程只读存储器(electrically erasable programmable read-only memory,EEPROM)、只读光盘(compactdisc read-only memory,CD-ROM)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质,但不限于此。存储器可以是独立存在,通过总线与处理单元相连接。存储器也可以和处理单元集成在一起。
其中,存储器1103用于存储执行本公开实施例方案的指令,并由处理器1101来控制执行。处理器1101用于执行存储器1103中存储的指令,从而实现本公开实施例方法中的功能。
在具体实现中,作为一种实施例,处理器1101可以包括一个或多个CPU,例如图11中的CPU0和CPU1。
在具体实现中,作为一种实施例,电子设备110可以包括多个处理器,例如图11中的处理器1101和处理器1107。这些处理器中的每一个可以是一个单核(single-CPU)处理器,也可以是一个多核(multi-CPU)处理器。这里的处理器可以指一个或多个设备、电路、和/或用于处理数据(例如计算机程序指令)的处理核。
在具体实现中,作为一种实施例,电子设备110还可以包括输出设备1105和输入设备1106。输出设备1105和处理器1101通信,可以以多种方式来显示信息。例如,输出设备1105可以是液晶显示器(liquid crystal display,LCD),发光二级管(light emittingdiode,LED)电子设备110,阴极射线管(cathode ray tube,CRT)电子设备110,或投影仪(projector)等。输入设备1106和处理器1101通信,可以以多种方式接受用户的输入。例如,输入设备1106可以是鼠标、键盘、触摸屏设备或传感设备等。
本领域技术人员可以理解,图11中示出的结构并不构成对电子设备110的限定,可以包括比图示更多或更少的组件,或者组合某些组件,或者采用不同的组件布置。
图12是本公开实施例提供的一种电子设备120的结构示意图。如图12所示,该电子设备120可以包括至少一个处理器1201以及用于存储处理器可执行指令的存储器1203。其中,处理器1201被配置为执行存储器1203中的指令,以实现上述实施例中图7所示的信息推荐方法。
另外,电子设备120还可以包括通信总线1202以及至少一个通信接口1204。
处理器1201可以是一个处理器(central processing units,CPU),微处理单元,ASIC,或一个或多个用于控制本公开实施例方案程序执行的集成电路。
通信总线1202可包括一通路,在上述组件之间传送信息。
通信接口1204,使用任何收发器一类的装置,用于与其他设备或通信网络通信,如以太网,无线接入网(radio access network,RAN),无线局域网(wireless local areanetworks,WLAN)等。
存储器1203可以是只读存储器(read-only memory,ROM)或可存储静态信息和指令的其他类型的静态存储设备,随机存取存储器(random access memory,RAM)或者可存储信息和指令的其他类型的动态存储设备,也可以是电可擦可编程只读存储器(electrically erasable programmable read-only memory,EEPROM)、只读光盘(compactdisc read-only memory,CD-ROM)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质,但不限于此。存储器可以是独立存在,通过总线与处理单元相连接。存储器也可以和处理单元集成在一起。
其中,存储器1203用于存储执行本公开实施例方案的指令,并由处理器1201来控制执行。处理器1201用于执行存储器1203中存储的指令,从而实现本公开实施例方法中的功能。
在具体实现中,作为一种实施例,处理器1201可以包括一个或多个CPU,例如图12中的CPU0和CPU1。
在具体实现中,作为一种实施例,电子设备120可以包括多个处理器,例如图12中的处理器1201和处理器1207。这些处理器中的每一个可以是一个单核(single-CPU)处理器,也可以是一个多核(multi-CPU)处理器。这里的处理器可以指一个或多个设备、电路、和/或用于处理数据(例如计算机程序指令)的处理核。
在具体实现中,作为一种实施例,电子设备120还可以包括输出设备1205和输入设备1206。输出设备1205和处理器1201通信,可以以多种方式来显示信息。例如,输出设备1205可以是液晶显示器(liquid crystal display,LCD),发光二级管(light emittingdiode,LED)电子设备120,阴极射线管(cathode ray tube,CRT)电子设备120,或投影仪(projector)等。输入设备1206和处理器1201通信,可以以多种方式接受用户的输入。例如,输入设备1206可以是鼠标、键盘、触摸屏设备或传感设备等。
本领域技术人员可以理解,图12中示出的结构并不构成对电子设备120的限定,可以包括比图示更多或更少的组件,或者组合某些组件,或者采用不同的组件布置。
另外,本公开实施例还提供一种计算机可读存储介质,包括指令,当指令由处理器执行时,使得处理器执行如上述图2-图7中任一附图所示的信息推荐方法。
另外,本公开实施例还提供一种计算机程序产品,包括指令,当指令由处理器执行时,使得处理器执行如上述图2-图7中任一附图所示的信息推荐方法。
关于上述实施例中的装置,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本公开的其它实施方案。本公开旨在涵盖本公开的任何变型、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公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由下面的权利要求指出。
应当理解的是,本公开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。本公开的范围仅由所附的权利要求来限制。
Claims (10)
1.一种信息推荐方法,其特征在于,包括:
获取第一账户与至少一个第二账户的行为数据,所述行为数据包括用于表征所述第一账户与各所述第二账户间互动行为的互动数据;
根据所述行为数据,确定所述第一账户与各所述第二账户之间的关联信息;
根据所述关联信息,获得预设数目的第二账户作为候选账户。
2.根据权利要求1所述的信息推荐方法,其特征在于,所述行为数据还包括用于表征所述第一账户与各所述第二账户间社交关系的社交数据。
3.根据权利要求1所述的信息推荐方法,其特征在于,所述根据所述关联信息,获得预设数目的第二账户作为第一候选账户之前,还包括:
获取第一基础数据和第二基础数据;所述第一基础数据包括所述第一账户的媒体资源历史浏览信息;所述第二基础数据包括所述第二账户中媒体资源的状态信息,所述第二账户包括至少一个媒体资源;
将所述第一基础数据、所述第二基础数据以及所述行为数据,输入至预先训练的点击率模型中,得到所述第一账户对各所述第二账户的预测点击率。
4.根据权利要求3所述的信息推荐方法,其特征在于,所述根据所述关联信息,获得预设数目的第二账户作为候选账户,包括:
根据所述关联信息和所述预测点击率,获取所述预设数目的第二账户作为所述候选账户。
5.一种信息推荐方法,其特征在于,应用于终端设备,包括:
响应于第一账户的推荐请求,获取用于向所述第一账户推荐的候选账户;其中,所述候选账户基于上述的权利要求1-4任一项所述的信息推荐方法得到的;
向所述第一账户推荐所述候选账户。
6.一种信息推荐装置,其特征在于,包括:
获取单元,被配置为获取第一账户与至少一个第二账户的行为数据,所述行为数据包括用于表征所述第一账户与各所述第二账户间互动行为的互动数据;
确定单元,被配置为根据所述获取单元获取到的所述行为数据,确定所述第一账户与各所述第二账户之间的关联信息;
所述获取单元,还被配置为根据所述确定单元确定出的所述关联信息,获得预设数目的第二账户作为候选账户。
7.一种信息推荐装置,其特征在于,包括:
获取单元,被配置为响应于第一账户的推荐请求,获取用于向所述第一账户推荐的候选账户;其中,所述候选账户基于上述的权利要求1-4任一项所述的信息推荐方法得到的;
推荐单元,被配置为向所述第一账户推荐所述获取单元获取到的所述候选账户。
8.一种电子设备,其特征在于,包括:
处理器;
用于存储所述处理器可执行指令的存储器;
其中,所述处理器被配置为执行所述指令,以实现如权利要求1至4中任一项所述的信息推荐方法。
9.一种电子设备,其特征在于,包括:
处理器;
用于存储所述处理器可执行指令的存储器;
其中,所述处理器被配置为执行所述指令,以实现如权利要求5所述的信息推荐方法。
10.一种计算机可读存储介质,其特征在于,包括指令,当所述指令由处理器执行时,使得所述处理器执行如权利要求1至4中任一项所述的信息推荐方法;
或者,
当所述指令由处理器执行时,使得所述处理器执行如权利要求5所述的信息推荐方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011075584.0A CN112269918B (zh) | 2020-10-09 | 2020-10-09 | 信息推荐方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011075584.0A CN112269918B (zh) | 2020-10-09 | 2020-10-09 | 信息推荐方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112269918A true CN112269918A (zh) | 2021-01-26 |
CN112269918B CN112269918B (zh) | 2024-03-12 |
Family
ID=74338508
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011075584.0A Active CN112269918B (zh) | 2020-10-09 | 2020-10-09 | 信息推荐方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112269918B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113362109A (zh) * | 2021-05-31 | 2021-09-07 | 北京达佳互联信息技术有限公司 | 媒介资源的推荐方法、装置、电子设备、存储介质 |
CN114218410A (zh) * | 2021-12-08 | 2022-03-22 | 北京达佳互联信息技术有限公司 | 信息推荐方法、装置、电子设备及存储介质 |
CN114860363A (zh) * | 2022-04-22 | 2022-08-05 | 北京达佳互联信息技术有限公司 | 内容项的显示方法、装置及电子设备 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107205178A (zh) * | 2017-04-25 | 2017-09-26 | 北京潘达互娱科技有限公司 | 直播间推荐方法及装置 |
CN109246483A (zh) * | 2018-09-30 | 2019-01-18 | 武汉斗鱼网络科技有限公司 | 一种直播间推荐方法、装置、设备及存储介质 |
CN110049079A (zh) * | 2018-01-16 | 2019-07-23 | 阿里巴巴集团控股有限公司 | 信息推送及模型训练方法、装置、设备及存储介质 |
CN110730385A (zh) * | 2018-07-16 | 2020-01-24 | 武汉斗鱼网络科技有限公司 | 一种直播间推荐方法、装置、服务器及存储介质 |
CN110769270A (zh) * | 2019-11-08 | 2020-02-07 | 网易(杭州)网络有限公司 | 直播互动的方法及装置、电子设备、存储介质 |
CN111198956A (zh) * | 2019-12-24 | 2020-05-26 | 北京达佳互联信息技术有限公司 | 一种多媒体资源的互动方法、装置、电子设备及存储介质 |
CN111556327A (zh) * | 2020-04-02 | 2020-08-18 | 北京达佳互联信息技术有限公司 | 直播间推荐方法、装置、终端、服务器、系统及存储介质 |
CN111581521A (zh) * | 2020-04-29 | 2020-08-25 | 北京达佳互联信息技术有限公司 | 群组成员的推荐方法、装置、服务器、存储介质及系统 |
-
2020
- 2020-10-09 CN CN202011075584.0A patent/CN112269918B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107205178A (zh) * | 2017-04-25 | 2017-09-26 | 北京潘达互娱科技有限公司 | 直播间推荐方法及装置 |
CN110049079A (zh) * | 2018-01-16 | 2019-07-23 | 阿里巴巴集团控股有限公司 | 信息推送及模型训练方法、装置、设备及存储介质 |
CN110730385A (zh) * | 2018-07-16 | 2020-01-24 | 武汉斗鱼网络科技有限公司 | 一种直播间推荐方法、装置、服务器及存储介质 |
CN109246483A (zh) * | 2018-09-30 | 2019-01-18 | 武汉斗鱼网络科技有限公司 | 一种直播间推荐方法、装置、设备及存储介质 |
CN110769270A (zh) * | 2019-11-08 | 2020-02-07 | 网易(杭州)网络有限公司 | 直播互动的方法及装置、电子设备、存储介质 |
CN111198956A (zh) * | 2019-12-24 | 2020-05-26 | 北京达佳互联信息技术有限公司 | 一种多媒体资源的互动方法、装置、电子设备及存储介质 |
CN111556327A (zh) * | 2020-04-02 | 2020-08-18 | 北京达佳互联信息技术有限公司 | 直播间推荐方法、装置、终端、服务器、系统及存储介质 |
CN111581521A (zh) * | 2020-04-29 | 2020-08-25 | 北京达佳互联信息技术有限公司 | 群组成员的推荐方法、装置、服务器、存储介质及系统 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113362109A (zh) * | 2021-05-31 | 2021-09-07 | 北京达佳互联信息技术有限公司 | 媒介资源的推荐方法、装置、电子设备、存储介质 |
CN113362109B (zh) * | 2021-05-31 | 2023-09-26 | 北京达佳互联信息技术有限公司 | 媒介资源的推荐方法、装置、电子设备、存储介质 |
CN114218410A (zh) * | 2021-12-08 | 2022-03-22 | 北京达佳互联信息技术有限公司 | 信息推荐方法、装置、电子设备及存储介质 |
CN114860363A (zh) * | 2022-04-22 | 2022-08-05 | 北京达佳互联信息技术有限公司 | 内容项的显示方法、装置及电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN112269918B (zh) | 2024-03-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10614077B2 (en) | Computer system for automated assessment at scale of topic-specific social media impact | |
EP3244312A1 (en) | A personal digital assistant | |
CN112269918B (zh) | 信息推荐方法、装置、设备及存储介质 | |
US10937060B2 (en) | Intelligent location based notification | |
CN107222526B (zh) | 推送推广信息的方法、装置、设备和计算机存储介质 | |
US9674128B1 (en) | Analyzing distributed group discussions | |
WO2014193399A1 (en) | Influence score of a brand | |
WO2016196526A1 (en) | Viewport-based implicit feedback | |
TW201443812A (zh) | 社群媒體影響性評估(二) | |
US20190087828A1 (en) | Method, apparatus, and computer-readable media for customer interaction semantic annotation and analytics | |
WO2020258773A1 (zh) | 确定推送用户群的方法、装置、设备及存储介质 | |
CN111405030A (zh) | 一种消息推送方法、装置、电子设备和存储介质 | |
CN110866040A (zh) | 用户画像生成方法、装置和系统 | |
US20210357553A1 (en) | Apparatus and method for option data object performance prediction and modeling | |
CN112767045B (zh) | 流失用户的挽回方法、装置和电子设备 | |
US11206236B2 (en) | Systems and methods to prioritize chat rooms using machine learning | |
CN116955817A (zh) | 内容推荐方法、装置、电子设备以及存储介质 | |
US20200311761A1 (en) | System and method for analyzing the effectiveness and influence of digital online content | |
CN113076395B (zh) | 语义模型训练、搜索显示方法、装置、设备及存储介质 | |
CN114722300A (zh) | 消息提醒方法、装置、电子设备及存储介质 | |
CN114547116A (zh) | 一种数据推送方法、装置、设备和介质 | |
CN114925275A (zh) | 产品推荐方法、装置、计算机设备及存储介质 | |
CN109299351B (zh) | 内容推荐方法和装置、电子设备及计算机可读介质 | |
US10795896B2 (en) | Systems and methods for automatically identifying specific teams of users to solve specific and real-time problems | |
CN113312554A (zh) | 用于评价推荐系统的方法及装置、电子设备和介质 |
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 |