CN112417263A - 数据推荐方法、装置及存储介质 - Google Patents
数据推荐方法、装置及存储介质 Download PDFInfo
- Publication number
- CN112417263A CN112417263A CN201910786489.2A CN201910786489A CN112417263A CN 112417263 A CN112417263 A CN 112417263A CN 201910786489 A CN201910786489 A CN 201910786489A CN 112417263 A CN112417263 A CN 112417263A
- Authority
- CN
- China
- Prior art keywords
- data
- target
- recommendation
- recommended
- account
- 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 66
- 238000013507 mapping Methods 0.000 claims description 40
- 230000015654 memory Effects 0.000 claims description 14
- 230000000694 effects Effects 0.000 abstract description 19
- 238000012545 processing Methods 0.000 description 12
- 238000010586 diagram Methods 0.000 description 10
- 230000002093 peripheral effect Effects 0.000 description 10
- 230000001133 acceleration Effects 0.000 description 9
- 238000004891 communication Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 238000001914 filtration Methods 0.000 description 5
- 230000006399 behavior Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000012163 sequencing technique Methods 0.000 description 4
- 238000004590 computer program Methods 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 239000000919 ceramic Substances 0.000 description 2
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 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
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)
Abstract
本公开是关于一种数据推荐方法、装置及存储介质,属于计算机技术领域。方法包括:获取至少一个参考账户的历史数据记录;对于获取到的每个展示数据,根据展示数据对应的推荐数据的数量和展示数据对应的操作推荐数据的数量,确定展示数据的操作率;从获取到的至少一个展示数据中选取目标数据,基于目标数据为至少一个参考账户以外的目标账户进行数据推荐。将操作率较大的展示数据推荐给目标账户,扩展了向目标账户推荐的数据的范围,打破了所推荐的数据的局限性,即使多次向目标账户进行推荐,也不会出现推荐的数据范围越来越窄的问题,提高了扩展性,将该目标数据作为优质内容推荐给目标账户,提高了推荐效果。
Description
技术领域
本公开涉及计算机技术领域,尤其涉及一种数据推荐方法、装置及存储介质。
背景技术
随着互联网的快速发展和广泛普及,越来越多的数据在互联网中传播,互联网的数据规模逐渐扩大,导致用户很难筛选感兴趣的数据,因此如何向用户推荐感兴趣的数据成为亟待解决的问题。
相关技术中,获取用户已执行操作的展示数据,获取与该展示数据相似的至少一个推荐数据,由于用户对该展示数据执行了操作,表示用户对该展示数据感兴趣,因此将该至少一个推荐数据推荐给该用户。
但是,上述方案仅可以向用户推荐与已执行操作的展示数据相似的数据,所推荐的数据较为局限。如果多次采用上述方案进行推荐,会导致向用户推荐的数据范围越来越窄,扩展性不佳。并且,所推荐的数据不一定是用户感兴趣的数据,导致推荐效果不佳。
发明内容
本公开提供了一种数据推荐方法、装置及存储介质,可以克服相关技术中推荐的数据较为局限,推荐的数据范围越来越窄,推荐效果不佳的问题。
根据本公开实施例的第一方面,提供一种数据推荐方法,所述方法包括:
获取至少一个参考账户的历史数据记录,所述参考账户的历史数据记录包括所述参考账户的展示数据、至少一个推荐数据及至少一个操作推荐数据,所述展示数据为所述参考账户展示过的数据,所述至少一个推荐数据在所述参考账户对所述展示数据执行操作时推荐给所述参考账户,所述至少一个操作推荐数据为所述至少一个推荐数据中所述参考账户已执行操作的数据;
根据所述展示数据对应的推荐数据的数量和所述展示数据对应的操作推荐数据的数量,确定所述展示数据的操作率,所述操作率用于表征用户对基于所述展示数据推荐的数据的正向反馈;
从获取到的至少一个展示数据中选取目标数据,基于所述目标数据为所述至少一个参考账户以外的目标账户进行数据推荐,所述目标数据的操作率大于所述至少一个展示数据中除所述目标数据以外的其他展示数据的操作率。
在一种可能实现方式中,所述根据所述展示数据对应的推荐数据的数量和所述展示数据对应的操作推荐数据的数量,确定所述展示数据的操作率,包括:
获取至少一个历史数据记录中,所述展示数据对应的推荐数据的数量,作为第一数量;
获取所述至少一个历史数据记录中,所述展示数据对应的操作推荐数据的数量,作为第二数量;
获取所述第一数量与所述第二数量的比例,作为所述展示数据的操作率。
在另一种可能实现方式中,所述历史数据记录还包括所述至少一个操作推荐数据对应的操作类型,所述操作推荐数据对应的操作类型用于表征所述参考账户对所述操作推荐数据执行的操作类型;
所述根据所述展示数据对应的推荐数据的数量和所述展示数据对应的操作推荐数据的数量,确定所述展示数据的操作率,包括:
对于获取到的每个展示数据和每个操作类型,根据所述展示数据对应的推荐数据的数量,以及所述展示数据和所述操作类型对应的操作推荐数据的数量,确定所述展示数据和所述操作类型对应的操作率。
在另一种可能实现方式中,所述从获取到的至少一个展示数据中选取目标数据,包括:
对于所述每个操作类型,根据所述每个展示数据和所述操作类型对应的操作率,从所述至少一个展示数据中选取目标数据,所述目标数据和所述操作类型对应的操作率大于所述其他展示数据和所述操作类型对应的操作率。
在另一种可能实现方式中,所述从获取到的至少一个展示数据中选取目标数据,包括:
从所述至少一个展示数据中,选取操作率大于预设操作率的展示数据,作为目标数据;
或者,所述至少一个展示数据包括多个展示数据,按照所述多个展示数据的操作率对所述多个展示数据进行排序,根据排序结果选取操作率较大的预设数量的展示数据,作为目标数据。
在另一种可能实现方式中,所述从获取到的至少一个展示数据中选取目标数据,基于所述目标数据为所述至少一个参考账户以外的目标账户进行数据推荐,包括:
所述至少一个展示数据包括多个展示数据,从所述多个展示数据中选取多个第一目标数据,所述多个第一目标数据的操作率大于所述至少一个展示数据中除所述多个第一目标数据以外的其他展示数据的操作率;
从所述多个第一目标数据中选取第二目标数据,基于所述第二目标数据为所述目标账户进行数据推荐,所述第二目标数据的优先级大于所述多个第一目标数据中除所述第二目标数据以外的其他数据的优先级。
在另一种可能实现方式中,所述方法还包括:
当接收到任一账户对展示数据执行操作的操作信号时,根据已建立的映射关系,获取所述展示数据的相似数据,作为推荐数据,所述映射关系中包括至少一个数据的相似数据;
将获取的推荐数据推荐给所述账户;
生成所述账户的数据记录,所述数据记录包括所述展示数据和所述推荐数据;
当接收到所述账户对所述推荐数据执行操作的操作信号时,将所述推荐数据作为操作推荐数据,添加至所述数据记录。
在另一种可能实现方式中,所述方法还包括:
获取预设数据集合中的任两个数据之间的相似度,所述预设数据集合包括待推荐的多个数据;
对于所述预设数据集合中的每个指定数据,从所述预设数据集合中获取所述指定数据的相似数据,所述相似数据与所述指定数据的相似度大于所述预设数据集合中除所述相似数据以外的其他数据与所述指定数据的相似度;
建立所述指定数据与所述相似数据之间的映射关系。
在另一种可能实现方式中,所述基于所述目标数据为所述至少一个参考账户以外的目标账户进行数据推荐,包括:
将所述目标数据推荐给所述目标账户;
当接收到所述目标账户对所述目标数据执行操作的操作信号时,查询获取到的历史数据记录,得到所述目标数据对应的至少一个推荐数据;
将所述至少一个推荐数据推荐给所述目标账户。
根据本公开实施例的第二方面,提供一种数据推荐装置,所述装置包括:
记录获取模块,用于获取至少一个参考账户的历史数据记录,所述参考账户的历史数据记录包括所述参考账户的展示数据、至少一个推荐数据及至少一个操作推荐数据,所述展示数据为所述参考账户展示过的数据,所述至少一个推荐数据在所述参考账户对所述展示数据执行操作时推荐给所述参考账户,所述至少一个操作推荐数据为所述至少一个推荐数据中所述参考账户已执行操作的数据;
确定模块,用于根据所述展示数据对应的推荐数据的数量和所述展示数据对应的操作推荐数据的数量,确定所述展示数据的操作率,所述操作率用于表征用户对基于所述展示数据推荐的数据的正向反馈;
选取模块,用于从获取到的至少一个展示数据中选取目标数据;
推荐模块,用于基于所述目标数据为所述至少一个参考账户以外的目标账户进行数据推荐,所述目标数据的操作率大于所述至少一个展示数据中除所述目标数据以外的其他展示数据的操作率。
在一种可能实现方式中,所述确定模块,包括:
数量获取单元,用于获取所述至少一个历史数据记录中,所述展示数据对应的推荐数据的数量,作为第一数量;
所述数量获取单元,还用于获取所述至少一个历史数据记录中,所述展示数据对应的操作推荐数据的数量,作为第二数量;
比例获取单元,用于获取所述第一数量与所述第二数量的比例,作为所述展示数据的操作率。
在另一种可能实现方式中,所述历史数据记录还包括所述至少一个操作推荐数据对应的操作类型,所述操作推荐数据对应的操作类型用于表征所述参考账户对所述操作推荐数据执行的操作类型;
所述确定模块,包括:
确定单元,用于对于获取到的每个展示数据和每个操作类型,根据所述展示数据对应的推荐数据的数量,以及所述展示数据和所述操作类型对应的操作推荐数据的数量,确定所述展示数据和所述操作类型对应的操作率。
在另一种可能实现方式中,所述选取模块,包括:
第一选取单元,用于对于所述每个操作类型,根据所述每个展示数据和所述操作类型对应的操作率,从所述至少一个展示数据中选取目标数据,所述目标数据和所述操作类型对应的操作率大于所述其他展示数据和所述操作类型对应的操作率。
在另一种可能实现方式中,所述选取模块还用于执行以下任一项:
从所述至少一个展示数据中,选取操作率大于预设操作率的展示数据,作为目标数据;
所述至少一个展示数据包括多个展示数据,按照所述多个展示数据的操作率对所述多个展示数据进行排序,根据排序结果选取操作率较大的预设数量的展示数据,作为目标数据。
在另一种可能实现方式中,所述选取模块,包括:
第二选取单元,用于所述至少一个展示数据包括多个展示数据,从所述多个展示数据中选取多个第一目标数据,所述多个第一目标数据的操作率大于所述至少一个展示数据中除所述多个第一目标数据以外的其他展示数据的操作率;
所述第二选取单元,还用于从所述多个第一目标数据中选取第二目标数据,所述第二目标数据的优先级大于所述多个第一目标数据中除所述第二目标数据以外的其他数据的优先级;
所述推荐模块,包括:
第一推荐单元,用于基于所述第二目标数据为所述目标账户进行数据推荐。
在另一种可能实现方式中,所述装置还包括:
第一数据获取模块,用于当接收到任一账户对展示数据执行操作的操作信号时,根据已建立的映射关系,获取所述展示数据的相似数据,作为推荐数据,所述映射关系中包括至少一个数据的相似数据;
所述推荐模块,还用于将获取的推荐数据推荐给所述账户;
生成模块,用于生成所述账户的数据记录,所述数据记录包括所述展示数据和所述推荐数据;
添加模块,用于当接收到所述账户对所述推荐数据执行操作的操作信号时,将所述推荐数据作为操作推荐数据,添加至所述数据记录。
在另一种可能实现方式中,所述装置还包括:
相似度获取模块,用于获取预设数据集合中的任两个数据之间的相似度,所述预设数据集合包括待推荐的多个数据;
第二数据获取模块,用于对于所述预设数据集合中的每个指定数据,从所述预设数据集合中获取所述指定数据的相似数据,所述相似数据与所述指定数据的相似度大于所述预设数据集合中除所述相似数据以外的其他数据与所述指定数据的相似度;
建立模块,用于建立所述指定数据与所述相似数据之间的映射关系。
在另一种可能实现方式中,所述推荐模块,包括:
第二推荐单元,用于将所述目标数据推荐给所述目标账户;
查询单元,用于当接收到所述目标账户对所述目标数据执行操作的操作信号时,查询获取到的历史数据记录,得到所述目标数据对应的至少一个推荐数据;
所述第二推荐单元,还用于将所述至少一个推荐数据推荐给所述目标账户。
根据本公开实施例的第三方面,提供一种数据推荐装置,所述装置包括:
一个或多个处理器;
用于存储所述一个或多个处理器可执行命令的易失性或非易失性存储器;
其中,所述一个或多个处理器被配置为执行如第一方面所述的数据推荐方法。
根据本公开实施例提供的第四方面,提供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数据推荐装置的处理器执行时,使得数据推荐装置能够执行如第一方面所述的数据推荐方法。
根据本公开实施例的第五方面,提供一种计算机程序产品,当所述计算机程序产品中的指令由数据推荐装置的处理器执行时,使得数据推荐装置能够执行如第一方面所述的数据推荐方法。
本公开的实施例提供的技术方案可以包括以下有益效果:
获取至少一个参考账户的历史数据记录,对于获取到的每个展示数据,根据该展示数据对应的推荐数据的数量和展示数据对应的操作推荐数据的数量,确定展示数据的操作率,该操作率能够表征用户对基于展示数据推荐的数据的正向反馈,且从获取到的至少一个展示数据中选取目标数据,基于目标数据为至少一个参考账户以外的目标账户进行数据推荐,且目标数据的操作率大于至少一个展示数据中除目标数据以外的其他展示数据的操作率。本公开实施例提供了一种新的数据探索方式,能够根据至少一个参考账户的历史数据记录,将操作率较大的展示数据推荐给目标账户,扩展了向目标账户推荐的数据的范围,打破了所推荐的数据的局限性,即使多次向目标账户进行推荐,也不会出现推荐的数据范围越来越窄的问题,提高了扩展性。用户对基于目标数据推荐的数据喜好程度较高,将该目标数据作为优质内容推荐给目标账户,提高了推荐效果。后续能够将目标数据作为后续推荐数据的基础,根据目标账户对目标数据执行的操作继续进行推荐,持续地推荐较高质量的数据,间接提升了推荐能力,为目标账户带来持续提升的推荐效果。
并且,将目标数据推荐给目标账户后,当接收到目标账户对目标数据执行操作的操作信号时,查询获取到的历史数据记录,得到目标数据对应的至少一个推荐数据,将该至少一个推荐数据推荐给目标账户。由于用户对目标数据对应的至少一个推荐数据的喜好程度较高,因此向目标账户推荐目标数据对应的至少一个推荐数据,能够根据目标账户对目标数据执行的操作继续进行推荐,持续地推荐较高质量的数据,进一步提升了推荐能力。
并且,通过获取预设集合中任两个数据之间的相似度,建立该预设数据集合中任一个数据与其他数据之间的映射关系,且还可以根据账户已执行操作的展示数据,向账户推荐该展示数据的相似数据,且根据账户对相似数据的操作,生成该账户的数据记录。由于账户已经对展示数据执行操作,表示用户对该展示数据感兴趣,而推荐数据与展示数据相似,可以认为用户很可能对相似数据感兴趣,因此根据展示数据与相似数据的映射关系,向用户推荐,提高了推荐效果。且还可以生成账户的数据记录,该数据记录中包括展示数据和向账户推荐的推荐数据,且还包括账户执行过操作的操作推荐数据,后续可以根据该账户的数据记录,向除该账户以外的其他账户推荐数据,也即是实现了向除该用户以外的其他用户推荐数据的效果,扩展了向其他账户推荐的数据的范围,打破了所推荐的数据的局限性,即使多次向其他账户进行推荐,也不会出现推荐的数据范围越来越窄的问题,提高了扩展性。
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,并不能限制本公开。
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,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理。
图1是根据一示例性实施例示出的一种实施环境的结构示意图。
图2是根据一示例性实施例示出的一种数据推荐方法的流程图。
图3是根据一示例性实施例示出的一种生成数据记录方法的流程图。
图4是根据一示例性实施例示出的一种生成数据记录方法的流程图。
图5是根据一示例性实施例示出的一种数据推荐方法的流程图。
图6是根据一示例性实施例示出的一种数据推荐装置的结构示意图。
图7是根据一示例性实施例示出的另一种数据推荐装置的结构示意图。
图8是根据一示例性实施例示出的一种终端的框图。
图9是根据一示例性实施例示出的一种服务器的结构示意图。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。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。
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。
本公开实施例提供的数据推荐方法应用于推荐设备,该推荐设备用于根据至少一个参考账户的历史数据记录,从该历史数据记录中包括的至少一个展示数据中选取目标数据,基于选取的目标数据为除该至少一个参考账户以外的目标账户进行数据推荐。
其中,该推荐设备可以为服务器、终端或者其他具有处理功能的设备。该终端可以为手机、平板电脑、计算机等多种类型的终端,该服务器可以为一台服务器,或者由若干服务器组成的服务器集群,或者是一个云计算服务中心。
图1是根据一示例性实施例示出的一种实施环境的结构示意图。参见图1,该实施环境包括服务器101和终端102,该服务器101和终端102通过通信网络连接。
在一种可能实现方式中,该推荐设备为服务器101。至少一个参考账户的终端102根据展示数据、推荐给参考账户的推荐数据和参考账户操作的推荐数据,生成参考账户的数据记录,将生成的数据记录发送给服务器101,由服务器101存储至少一个参考账户的数据记录。或者,服务器101根据展示数据、推荐给参考账户的推荐数据和参考账户操作的推荐数据,生成参考账户的数据记录。
服务器101根据存储的历史数据记录选取目标数据,从目标数据中获取待推荐的数据,后续将待推荐的数据发送给除该至少一个参考账户以外的目标账户的终端102,由目标账户的终端102展示待推荐的数据,从而实现为目标账户推荐数据。
在另一种可能实现方式中,该推荐设备为目标账户的终端102,至少一个参考账户的终端102根据展示数据、推荐给参考账户的推荐数据和参考账户操作的推荐数据,生成该参考账户的数据记录,根据获取的数据记录选取目标数据,再从目标数据中获取待推荐的数据,后续展示待推荐的数据,从而实现为目标账户推荐数据。
本公开实施例提供的数据推荐方法,可以应用于播放视频场景中,当用户通过视频播放应用观看视频后,可以生成该用户的历史视频记录,采用本公开实施例提供的方法,可以从用户的历史视频记录中获取目标视频,基于该目标视频,向除该用户以外的其他用户进行视频推荐。
或者,本公开实施例提供的数据推荐方法,还可以应用于购买物品场景中,当用户通过购物应用购买物品后,可以生成该用户的历史购物记录,采用本公开实施例提供的方法,可以从该用户的历史购物记录中获取目标物品,基于该目标物品,向除该用户以外的其他用户进行物品推荐。
图2是根据一示例性实施例示出的一种数据推荐方法的流程图,参见图2,该方法包括:
在步骤201中,获取至少一个参考账户的历史数据记录。
其中,参考账户的历史数据记录包括参考账户的展示数据、至少一个推荐数据及至少一个操作推荐数据,展示数据为参考账户展示过的数据,至少一个推荐数据在参考账户对展示数据执行操作时推荐给参考账户,至少一个操作推荐数据为至少一个推荐数据中参考账户已执行操作的数据。
在步骤202中,根据展示数据对应的推荐数据的数量和展示数据对应的操作推荐数据的数量,确定展示数据的操作率。
其中,操作率用于表征用户对基于展示数据推荐的数据的正向反馈。
在步骤203中,从获取到的至少一个展示数据中选取目标数据,基于目标数据为至少一个参考账户以外的目标账户进行数据推荐。
其中,目标数据的操作率大于至少一个展示数据中除目标数据以外的其他展示数据的操作率。
本公开实施例提供的方法,获取至少一个参考账户的历史数据记录,对于获取到的每个展示数据,根据该展示数据对应的推荐数据的数量和展示数据对应的操作推荐数据的数量,确定展示数据的操作率,该操作率能够表征用户对基于展示数据推荐的数据的正向反馈,且从获取到的至少一个展示数据中选取目标数据,基于目标数据为至少一个参考账户以外的目标账户进行数据推荐,且目标数据的操作率大于至少一个展示数据中除目标数据以外的其他展示数据的操作率。本公开实施例提供了一种新的数据探索方式,能够根据至少一个参考账户的历史数据记录,将操作率较大的展示数据推荐给目标账户,扩展了向目标账户推荐的数据的范围,打破了所推荐的数据的局限性,即使多次向目标账户进行推荐,也不会出现推荐的数据范围越来越窄的问题,提高了扩展性。用户对基于目标数据推荐的数据喜好程度较高,将该目标数据作为优质内容推荐给目标账户,提高了推荐效果。后续能够将目标数据作为后续推荐数据的基础,根据目标账户对目标数据执行的操作继续进行推荐,持续地推荐较高质量的数据,间接提升了推荐能力,为目标账户带来持续提升的推荐效果。
在一种可能实现方式中,根据展示数据对应的推荐数据的数量和展示数据对应的操作推荐数据的数量,确定展示数据的操作率,包括:
获取至少一个历史数据记录中,展示数据对应的推荐数据的数量,作为第一数量;
获取至少一个历史数据记录中,展示数据对应的操作推荐数据的数量,作为第二数量;
获取第一数量与第二数量的比例,作为展示数据的操作率。
在另一种可能实现方式中,历史数据记录还包括至少一个操作推荐数据对应的操作类型,操作推荐数据对应的操作类型用于表征参考账户对操作推荐数据执行的操作类型;
根据展示数据对应的推荐数据的数量和展示数据对应的操作推荐数据的数量,确定展示数据的操作率,包括:
对于获取到的每个展示数据和每个操作类型,根据展示数据对应的推荐数据的数量,以及展示数据和操作类型对应的操作推荐数据的数量,确定展示数据和操作类型对应的操作率。
在另一种可能实现方式中,从获取到的至少一个展示数据中选取目标数据,包括:
对于每个操作类型,根据每个展示数据和操作类型对应的操作率,从至少一个展示数据中选取目标数据,目标数据和操作类型对应的操作率大于其他展示数据和操作类型对应的操作率。
在另一种可能实现方式中,从获取到的至少一个展示数据中选取目标数据,包括:
从至少一个展示数据中,选取操作率大于预设操作率的展示数据,作为目标数据;
或者,至少一个展示数据包括多个展示数据,按照多个展示数据的操作率对多个展示数据进行排序,根据排序结果选取操作率较大的预设数量的展示数据,作为目标数据。
在另一种可能实现方式中,从获取到的至少一个展示数据中选取目标数据,基于目标数据为至少一个参考账户以外的目标账户进行数据推荐,包括:
至少一个展示数据包括多个展示数据,从多个展示数据中选取多个第一目标数据,多个第一目标数据的操作率大于至少一个展示数据中除多个第一目标数据以外的其他展示数据的操作率;
从多个第一目标数据中选取第二目标数据,基于第二目标数据为目标账户进行数据推荐,第二目标数据的优先级大于多个第一目标数据中除第二目标数据以外的其他数据的优先级。
在另一种可能实现方式中,方法还包括:
当接收到任一账户对展示数据执行操作的操作信号时,根据已建立的映射关系,获取展示数据的相似数据,作为推荐数据,映射关系中包括至少一个数据的相似数据;
将获取的推荐数据推荐给账户;
生成账户的数据记录,数据记录包括展示数据和推荐数据;
当接收到账户对推荐数据执行操作的操作信号时,将推荐数据作为操作推荐数据,添加至数据记录。
在另一种可能实现方式中,方法还包括:
获取预设数据集合中的任两个数据之间的相似度,预设数据集合包括待推荐的多个数据;
对于预设数据集合中的每个指定数据,从预设数据集合中获取指定数据的相似数据,相似数据与指定数据的相似度大于预设数据集合中除相似数据以外的其他数据与指定数据的相似度;
建立指定数据与相似数据之间的映射关系。
在另一种可能实现方式中,基于目标数据为至少一个参考账户以外的目标账户进行数据推荐,包括:
将目标数据推荐给目标账户;
当接收到目标账户对目标数据执行操作的操作信号时,查询获取到的历史数据记录,得到目标数据对应的至少一个推荐数据;
将至少一个推荐数据推荐给目标账户。
图3是根据一示例性实施例示出的一种生成数据记录方法的流程图,参见图3,应用于服务器中,该方法包括:
在步骤301中,获取预设数据集合中的任两个数据之间的相似度。
其中,该预设数据集合包括待推荐的多个数据。该多个数据中包括多种类型的数据,且该多个数据的类型可以包括视频类型、音频类型、物品类型或者其他类型。
在一种可能实现方式中,该预设数据集合中包括多种类型的数据,或者,对于每种类型的数据,均设置有一个预设数据集合,也即是不同的预设数据集合中包括不同类型的数据。
另外,每个数据具有对应的数据标识,该数据标识用于指示对应的数据,按照每个数据的数据标识进行存储,通过该数据标识即可确定对应的数据,减少了数据量,节省了存储空间。例如,该数据标识可以为序列号、名称或者其他类型的标识。
该预设数据集合为服务器预先设置的数据集合,或者为用户终端发给服务器的数据组成的数据集合,或者还可以为由操作人员预先设置的数据集合。
对于该预设数据集合中的任两个数据,可以获取这两个数据之间的相似度,该相似度用于表示这两个数据之间的相似程度,也即是两个数据之间的相似度越高,表示这两个数据的相似程度越大。
在一种可能实现方式中,在获取该预设数据集合中的任两个数据之间的相似度时,可以采用余弦距离算法、欧式距离算法计算任两个数据之间的相似度,或者还可以采用其他算法计算任两个数据之间的相似度。
在步骤302中,对于预设数据集合中的每个指定数据,从预设数据集合中获取指定数据的相似数据。
将预设数据集合中的任一数据作为指定数据,由于获取到了该预设数据集合中的任两个数据的相似度,因此可以从该预设数据集合中获取与指定数据对应的相似数据,且相似数据与指定数据的相似度大于预设数据集合中除相似数据以外的其他数据与指定数据的相似度。由于该相似数据与指定数据的相似度大于其他数据与该指定数据的相似度,也即是该相似数据与指定数据的相似程度较高。
在一种可能实现方式中,在从预设数据集合中获取指定数据对应的相似数据时,获取该指定数据与该预设数据集合中除该指定数据以外的其他数据的相似度,根据获取的相似度,确定与指定数据的相似度大于预设相似度的数据,作为指定数据的相似数据。
该预设相似度可以为0.5、0.6、0.7或者其他数值。例如,当该指定数据与数据A的相似度为0.2,与数据B的相似度为0.7,与数据C的相似度为0.9,且预设相似度为0.6,则将数据B和数据C作为指定数据的相似数据。
在另一种可能实现方式中,在从预设数据集合中获取指定数据对应的相似数据时,获取该指定数据与该预设数据集合中除该指定数据以外的其他数据的相似度,将获取的相似度按照由大到小的顺序进行排列,从得到的排列顺序中获取前预设数量的相似度对应的数据作为该指定数据的相似数据。或者,将获取的相似度按照由小到大的顺序进行排列,从得到的排列顺序中获取后预设数量的相似度对应的数据作为指定数据的相似数据。其中,该预设数量可以根据推荐策略的需求进行设置,可以为3、5等数量。
在步骤303中,建立指定数据与相似数据之间的映射关系。
通过步骤301和302即可获取指定数据的相似数据,建立该指定数据与对应的相似数据之间的映射关系,将该映射关系保存,后续过程中即可根据该映射关系,获取与指定数据对应的相似数据。
对于预设数据集合中的每一个数据,通过执行上述步骤均可建立每个数据与对应的相似数据之间的映射关系。
在一种可能实现方式中,对于每个数据,该数据包括多个相似数据时,可以根据该数据与对应的一个相似数据创建一个条目,从而得到多个条目,添加至已建立的映射关系中,每个条目中包括一个指定数据和该指定数据的一个相似数据。或者,还可以根据该数据与对应的多个相似数据创建一个条目,添加至已建立的映射关系中,每个条目中包括一个指定数据和该指定数据的多个相似数据。
由于预设数据集合中包括多个数据,且根据指定数据和其他数据的相似度,获取了与指定数据相似度较高的数据作为指定数据的相似数据,因此,在建立映射关系的过程中,对于该预设数据集合的多个数据中的每个数据,获取与该数据相似度较高的数据作为相似数据,建立每个数据与对应的相似数据之间的映射关系。
在一种可能实现方式中,直接将生成的映射关系保存至服务器,后续服务器可以直接从存储中的映射关系确定数据对应的相似数据。或者,可以将该映射关系发送至终端,由终端存储接收的映射关系,后续服务器可以从终端中获取终端存储的映射关系。
在步骤304中,当接收到任一账户对展示数据执行操作的操作信号时,根据已建立的映射关系,获取展示数据的相似数据,作为推荐数据,映射关系中包括至少一个数据的相似数据。
在步骤305中,将获取的推荐数据推荐给账户。
终端基于用户所使用的账户登录,该终端登录的账户用于表征终端的用户身份,也即是每个终端对应一个账户,该账户可以为用户账号、用户昵称、手机号码等。
服务器向基于账户登录的终端发送数据,终端展示服务器发送的数据,该数据即可作为账户的展示数据,用户即可通过终端查看展示数据,当用户对展示数据执行操作时,终端检测到用户执行的操作,即可生成该账户对该展示数据执行操作的操作信号,将该操作信号发送给服务器,服务器接收到该操作信号,从映射关系中获取展示数据对应的相似数据,将该相似数据作为推荐数据,将获取的推荐数据推荐给账户,也即是实现了向用户推荐数据的效果。
其中,向账户推荐的推荐数据的数量为至少一个,也即是该推荐数据的数量为一个或多个。
由于用户对终端的展示数据执行了操作,可以认为该用户对该展示数据感兴趣,服务器中还存储有与该展示数据对应的相似数据,且该相似数据与展示数据的相似程度较高,可以认为该用户很可能对该展示数据的相似数据感兴趣,因此可以将该展示数据的相似数据推荐给该账户,后续用户可以对该相似数据执行操作。
可选地,用户所使用的终端中安装有目标应用,该目标应用可以为视频播放应用、购物应用或者其他类型的应用,服务器为与该目标应用关联的服务器,能够通过终端安装的目标应用,为用户推荐数据。
其中,用户对展示数据执行的操作可以包括点击操作、点赞操作、收藏操作、关注操作、购买操作等。
在一种可能实现方式中,获取该映射关系中该展示数据对应的所有相似数据,作为推荐数据,推荐给账户,用户即可查看该推荐数据,根据该推荐数据执行后续操作。
在另一种可能实现方式中,获取该映射关系中该展示数据对应的所有相似数据,获取账户的用户画像,根据用户画像,对获取到的相似数据进行筛选,从而获取到与用户画像匹配的至少一个相似数据,作为推荐数据,将推荐数据推荐给账户。
其中,该用户画像用于描述用户。服务器获取账户的行为数据以及账户的资料信息,根据行为数据和资料信息构建出该账户的用户画像。该用户画像中可以包括用户的性别、年龄、爱好等。
当向账户推荐数据时,可以根据账户的用户画像选取与用户更为匹配的推荐数据,从而向账户推荐该用户更可能感兴趣的数据,提高了推荐效果。
在步骤306中,生成账户的数据记录,数据记录包括展示数据和推荐数据。
将展示数据对应的推荐数据推荐给账户后,还可以生成该账户的数据记录,该数据记录用于存储账户所执行操作的展示数据和根据该展示数据推荐给该账户的推荐数据,也即是该数据记录中包括展示数据和推荐数据。
在一种可能实现方式中,终端基于账户登录,服务器向账户指示的终端发送展示数据,用户通过该终端对展示数据执行操作,终端检测到该操作,生成账户执行操作的操作信号,向服务器发送该操作信号,服务器接收到该操作信号,确定展示数据对应的推荐数据,将该推荐数据发送给账户指示的终端,且服务器还可以根据账户生成对应的数据记录。
在步骤307中,当接收到账户对任一推荐数据执行操作的操作信号时,将推荐数据作为操作推荐数据,添加至数据记录。
服务器将推荐数据推荐给终端,终端显示该推荐数据,用户通过该终端查看推荐数据,且还可以对该推荐数据执行操作,终端检测到该推荐数据的执行操作,生成账户对推荐数据执行操作的操作信号,发送给服务器,当服务器接收到账户对推荐数据执行操作的操作信号时,将该推荐数据作为操作推荐数据,添加至该账户的数据记录,因此该账户的数据记录中包括展示数据、至少一个推荐数据和至少一个操作推荐数据,且该至少一个操作推荐数据属于该至少一个推荐数据。
在一种可能实现方式中,服务器中设置有预设操作,当用户对推荐数据已执行的操作为预设操作时,将该推荐数据作为操作推荐数据,而当用户对推荐数据已执行的操作不为预设操作时,则不将该推荐数据作为操作推荐数据。
其中,该预设操作可以为服务器设置的操作,或者还可以为操作人员设置的操作。该预设操作可以为点击操作、点赞操作、收藏操作等。
需要说明的第一点是,在推荐系统中,可以采用多种推荐算法获取待推荐的数据,本公开实施例提供的方法可以作为该推荐系统中的一种算法,且该推荐系统中还可以包括热门推荐算法,协同过滤推荐算法等。每种算法获取的数据中均可携带算法标识,该算法标识用于指示待推荐数据采用的算法的种类,以区分采用不同的算法获取的数据。
针对当前参考账户操作的任一数据,如果该数据携带的算法标识为预设算法标识,表示该数据为采用协同过滤推荐算法推荐的目标数据,则允许加入数据记录中,如果该数据携带的算法标识不是预设算法标识,表示该数据为不是采用协同过滤推荐算法推荐的目标数据,则不允许加入数据记录中。
需要说明的第二点是,本公开实施例仅是以通过服务器生成数据记录为例进行说明。在另一实施例中,本公开实施例可以由终端生成数据记录,当通过终端生成数据记录时,与通过服务器生成数据记录的步骤类似,在此不再赘述。
本公开实施例提供的方法,通过获取预设集合中任两个数据之间的相似度,建立该预设数据集合中任一个数据与其他数据之间的映射关系,且还可以根据账户已执行操作的展示数据,向账户推荐该展示数据的相似数据,且根据用户对相似数据的操作,生成该账户的数据记录。由于账户已经对展示数据执行操作,表示用户对该展示数据感兴趣,而推荐数据与展示数据相似,可以认为用户很可能对相似数据感兴趣,因此根据展示数据与相似数据的映射关系,向用户推荐,提高了推荐效果。且还可以生成账户的数据记录,该数据记录中包括展示数据和向账户推荐的推荐数据,且还包括账户执行过操作的操作推荐数据,后续可以根据该账户的数据记录,向除该账户以外的其他账户推荐数据,也即是实现了向除该用户以外的其他用户推荐数据的效果,扩展了向其他账户推荐的数据的范围,打破了所推荐的数据的局限性,即使多次向其他账户进行推荐,也不会出现推荐的数据范围越来越窄的问题,提高了扩展性。
图4是根据一示例性实施例示出的一种生成数据记录的方法流程图,参见图4,该方法包括:
1、获取预设数据集合中任两个数据之间的相似度,该预设数据集合中包括数据1、数据2、数据3和数据4,且任两个数据之间的相似度如表1所示:
表1
数据1 | 数据2 | 数据3 | 数据4 | |
数据1 | - | 0.4 | 0.7 | 0.3 |
数据2 | - | - | 0.5 | 0.9 |
数据3 | - | - | - | 0.4 |
数据4 | - | - | - | - |
2、获取相似度大于预设相似度0.5的相似度对应的数据,建立如表2所示的映射关系:
表2
指定数据 | 相似数据 | - |
数据1 | 数据3 | - |
数据2 | 数据4 | - |
数据3 | 数据1、数据2 | - |
数据4 | 数据2 | - |
3、显示数据1、数据2、数据3和数据4,当账户对数据1和数据2执行操作时,根据上述映射关系,获取数据1对应的数据3、数据2对应的数据4。
4、将数据3以及数据4推荐给账户。
5、生成该账户的数据记录,该数据记录如表3所示:
表3
6、当账户对数据3和数据4执行操作时,将数据3和数据4作为操作推荐数据添加至数据记录中。添加操作推荐数据后的数据记录如表4所示:
表4
展示数据 | 推荐数据 | 操作推荐数据 |
数据1 | 数据3 | 数据3 |
数据2 | 数据4 | 数据4 |
图5是根据一示例性实施例示出的一种数据推荐方法的流程图,参见图5,应用于服务器中,该方法包括:
在步骤501中,获取至少一个参考账户的历史数据记录。
其中,参考账户的历史数据记录包括参考账户的展示数据、至少一个推荐数据及至少一个操作推荐数据,该展示数据为参考用户展示过的数据,该至少一个推荐数据在参考账户对展示数据执行操作时推荐给参考账户,该至少一个操作推荐数据为至少一个推荐数据中参考账户已执行操作的数据。
服务器可以选取至少一个账户,作为参考账户,该至少一个参考账户的历史数据记录可以体现参考账户展示过的数据(展示数据)、向参考账户推荐过的数据(推荐数据)、向参考账户推荐过的数据中参考账户操作过的数据(操作推荐数据)。因此该历史数据记录可以体现参考用户感兴趣的数据。因此根据该至少一个参考账户的历史数据记录,可以为目标账户进行数据推荐。
在步骤502中,获取至少一个历史数据记录中,展示数据对应的推荐数据的数量,作为第一数量。
在步骤503中,获取至少一个历史数据记录中,展示数据对应的操作推荐数据的数量,作为第二数量。
在步骤504中,获取第一数量与第二数量的比例,作为展示数据的操作率。
对于获取到的每个展示数据,根据展示数据对应的推荐数据的数量和展示数据对应的操作推荐数据的数量,确定展示数据的操作率,操作率用于表征用户对基于展示数据推荐的数据的正向反馈,也即是展示数据的操作率越高,表征用户对基于展示数据推荐的数据的正向反馈越强,即用户对基于展示数据推荐的数据的喜好程度越高,从而可以向目标账户推荐参考用户感兴趣的数据。
可选地,对于每个展示数据,获取该展示数据对应的推荐数据的数量,作为第一数量,获取该展示数据对应的操作推荐数据的数量,作为第二数量,获取该第一数量与第二数量的比例,作为该展示数据和该操作类型对应的操作率。
从该至少一个历史数据记录中,获取该展示数据对应的推荐数据的数量,作为第一数量,该第一数量即为根据该展示数据向每个参考账户推荐的推荐数据的总数量。并且,获取该展示数据对应的操作推荐数据的数量,作为第二数量,该第二数量即为根据该展示数据向每个参考账户推荐的推荐数据中,每个参考账户执行操作的推荐数据的总数量,后续即可根据该第一数量和该第二数量确定该展示数据的操作率,通过该操作率来表征参考账户对根据展示数据推荐的数据的正向反馈。
例如,该至少一个参考账户中包括参考账户A、参考账户B和参考账户C,且参考账户A、参考账户B和参考账户C均对数据1执行了操作,且将数据2和数据3推荐给参考账户A、参考账户B和参考账户C,而参考账户A对数据2和数据3均执行了操作,参考账户B对数据2执行了操作,参考账户C未对数据2和数据3执行操作,则第一数量为3,第二数量为6,计算得到的数据1的操作率为0.5。
在一种可能实现方式中,历史数据记录还包括至少一个操作推荐数据对应的操作类型,则步骤502-504还可以包括:
对于获取到的每个展示数据和每个操作类型,根据该展示数据对应的推荐数据的数量,以及该展示数据和该操作类型对应的操作推荐数据的数量,确定展示数据和操作类型对应的操作率。
其中,操作推荐数据对应的操作类型用于表征参考账户对操作推荐数据执行的操作类型,该操作类型可以包括点击操作、点赞操作类型、收藏操作类型、关注操作类型、购买操作类型等。
账户的历史数据记录中包括操作推荐数据对应的操作类型,则在确定展示数据的操作率时,按照操作类型确定展示数据的操作率,对于每种操作类型,均可根据该种类型的操作获取该操作类型的操作率,如按照点击操作可以获取展示数据的点击率,按照点赞操作可以获取展示数据的点赞率。
例如,当按照点击操作确定操作率时,则获取操作类型为点击操作的操作推荐数据的数量,作为第二数量,获取第一数量和第二数量的比例,作为该展示数据的点击率。而按照点赞操作确定操作率时,则获取操作类型为点赞操作的操作推荐数据的数量,作为第二数量,获取第一数量和第二数量的比例,作为该展示数据的点赞率。
在步骤505中,从获取到的至少一个展示数据中选取目标数据,基于目标数据为至少一个参考账户以外的目标账户进行数据推荐。
终端基于用户所使用的账户登录,该终端登录的账户用于表征终端的用户身份,也即是每个终端对应一个账户,该账户可以为用户账号、用户昵称、手机号码等。
本公开实施例中,终端基于目标用户所使用的目标账户登录。由于操作率表征用户对基于展示数据推荐的数据的正向反馈,且该操作率根据推荐数据的数量和操作推荐数据的数量确定,因此,该操作率还可以表示根据展示数据而向账户推荐数据的准确程度,且还表示参考用户对该展示数据的感兴趣程度,因此,按照展示数据的操作率的大小,可以从获取到的至少一个展示数据中选取目标数据,基于该目标数据即可为至少一个参考账户以外的目标账户进行数据推荐。从参考账户的展示数据中获取目标数据,将目标数据推荐给目标账户,这些展示数据为参考用户感兴趣的数据,也即是这些数据可以作为优质内容推荐给目标账户,这些数据具有探索性,因此扩展了推荐的数据的范围。
当从至少一个展示数据中选取目标数据时,目标数据的操作率大于至少一个展示数据中除目标数据以外的其他展示数据的操作率,由于目标数据的操作率相较于其他展示数据的操作率较大,因此基于该目标数据为目标账户进行数据推荐,该目标数据更可能是目标用户感兴趣的数据,推荐效果更好。
步骤505中从获取到的至少一个展示数据中选取目标数据的过程包括步骤5051-5054中的任一项:
5051、从至少一个展示数据中,选取操作率大于预设操作率的展示数据,作为目标数据。
其中,该预设操作率可以为服务器预先设置的操作率,或者还可以为操作人员预先设置的操作率。该预设操作率可以为0.6、0.7或者其他数值。
5052、至少一个展示数据包括多个展示数据,按照多个展示数据的操作率对多个展示数据进行排序,根据排序结果选取操作率较大的预设数量的展示数据,作为目标数据。
其中,该预设数量可以为服务器预先设置的数量,或者还可以为操作人员预先设置的数量。该预设数量可以为5、10、15或者其他数值。
在一种可能实现方式中,按照该多个展示数据的操作率从大到小进行排序,按照排序结果选取前预设数量的展示数据,作为目标数据。
在另一种可能实现方式中,按照该多个展示数据的操作率从小到大进行排序,按照排序结果选取后预设数量的展示数据,作为目标数据。
5053、至少一个展示数据包括多个展示数据,从多个展示数据中选取多个第一目标数据,多个第一目标数据的操作率大于至少一个展示数据中除多个第一目标数据以外的其他展示数据的操作率,从多个第一目标数据中选取第二目标数据,基于第二目标数据为目标账户进行数据推荐,第二目标数据的优先级大于多个第一目标数据中除第二目标数据以外的其他数据的优先级。
从该多个展示数据中选取多个第一目标数据时,该多个第一目标数据的操作率大于其他展示数据的操作率,选取的步骤与上述步骤5051-5052类似,在此不再赘述。
从多个展示数据中选取出该多个第一目标数据后,由于该第一目标数据的数量多,因此获取该多个第一目标数据的优先级,按照该多个第一目标数据的优先级,选取第二目标数据,且该第二目标数据的优先级大于多个第一目标数据中除第二目标数据以外的其他数据的优先级,基于该第二目标数据为目标账户进行数据推荐。根据该多个第一目标数据的优先级,选取出优先级较高的第一目标数据,还能降低数据的数量,提高推荐效果。
其中,当按照第一目标数据的优先级选取第二目标数据时,可以包括以下任一种:
1、从多个第一目标数据中,选取优先级大于预设优先级的第二目标数据。
其中,该预设优先级可以为服务器预先设置的优先级,或者还可以为操作人员预先设置的优先级。该预设优先级可以为0.6、0.7或者其他数值。
2、按照多个第一目标数据的优先级对多个第一目标数据进行排序,根据排序结果选取优先级较大的预设数量的第一目标数据,作为目标数据。
其中,该预设数量可以为服务器预先设置的数量,或者还可以为操作人员预先设置的数量。该预设数量可以为5、10、15或者其他数值。
在一种可能实现方式中,按照该多个第一目标数据的优先级从大到小进行排序,按照排序结果选取前预设数量的第一目标数据,作为第二目标数据。
在另一种可能实现方式中,按照该多个第一目标数据的优先级从小到大进行排序,按照排序结果选取后预设数量的第一目标数据,作为第二目标数据。
在历史数据记录还包括至少一个操作推荐数据对应的操作类型的基础上,该步骤505还可以包括:5054、对于每个操作类型,根据每个展示数据和操作类型对应的操作率,从至少一个展示数据中选取目标数据,目标数据和操作类型对应的操作率大于其他展示数据和操作类型对应的操作率。
其中,从至少一个展示数据中选取目标数据的过程与上述步骤5051-5052类似,在此不再赘述。
当按照操作类型选择目标数据时,按照第一操作类型的操作率,从至少一个展示数据中选取第一目标数据,按照第二操作类型的操作率,从至少一个展示数据中选取第二目标数据,以此类推,按照每个操作类型的操作率,从至少一个展示数据中选取出目标数据即可。
在一种可能实现方式中,由于按照多个操作类型多次选取目标数据时,选取出来的目标数据中可能存在重复的数据,因此,将获取到的目标数据进行去重处理,得到去重处理后的目标数据,基于得到的目标数据向目标账户进行数据推荐。
在步骤506中,将目标数据推荐给目标账户。
在一种可能实现方式中,直接将获取的目标数据推荐给目标账户。
在另一种可能实现方式中,获取目标账户的用户画像,根据目标账户的用户画像,对获取的目标数据进行筛选,得到与用户画像匹配的至少一个目标数据,将该至少一个目标数据推荐给目标账户。
其中,该用户画像用于描述用户。服务器通过获取目标账户的行为数据以及目标账户的资料信息,根据行为数据和资料信息构建出该目标账户的用户画像。该用户画像中可以包括目标用户的性别、年龄、爱好等。
当向目标账户推荐数据时,可以根据目标账户的用户画像选取与目标账户更为匹配的推荐数据,从而向目标账户推荐该目标用户更可能感兴趣的数据,提高了推荐效果
在另一种可能实现方式中,服务器获取到目标数据之后,将目标数据发送给目标用户所使用的终端,终端接收该目标数据,即可显示目标数据,目标用户即可通过终端查看该目标数据,还可以对目标数据执行操作。
在步骤507中,当接收到目标账户对目标数据执行操作的操作信号时,查询获取到的历史数据记录,得到目标数据对应的至少一个推荐数据。
由于向目标账户推荐的目标数据是从至少一个展示数据中选取的数据,也属于展示数据,历史数据记录中也存储有该目标数据对应的推荐数据和操作推荐数据。因此,当目标用户对目标数据中的任一个目标数据感兴趣时,可以对该任一个目标数据执行操作,终端检测到目标用户的操作,生成目标账户对目标数据执行操作的操作信号,服务器接收到该操作信号,查询获取到的历史数据记录,从历史数据记录中获取该目标数据对应的至少一个推荐数据。
为目标账户推荐目标数据之后,如果目标用户对目标数据执行了操作,还可以继续向目标账户推荐数据,因此能够持续为目标账户提供优质的推荐数据,提高推荐的续航能力。
在步骤508中,将至少一个推荐数据推荐给目标账户。
由于该目标数据是该至少一个参考账户操作过的展示数据,表示该至少一个参考用户对该目标数据感兴趣。并且该目标数据还是操作率较高的展示数据,表示根据该目标数据为该至少一个参考账户推荐数据时,该至少一个参考用户对推荐的数据也很感兴趣。因此,也可以认为目标用户也会对这些推荐的数据感兴趣。因此,将该目标数据对应的至少一个推荐数据推荐给目标账户,目标账户可以继续查看该至少一个推荐数据,对该至少一个推荐数据进行操作。
后续还可以生成该目标账户的数据记录,且目标用户还可以对该至少一个推荐数据执行操作,将执行过操作的推荐数据作为操作推荐数据,将操作推荐数据添加到该目标账户的数据记录中。
需要说明的第一点是,本公开实施例仅是以执行主体为服务器为例进行说明。在另一实施例中,还可以由终端执行上述步骤501-508,执行过程与服务器的执行过程类似,在此不再赘述。
需要说明的第二点是,在推荐系统中,可以采用多种推荐算法获取待推荐的数据,本公开实施例提供的方法可以作为该推荐系统中的一种算法,且该推荐系统中还可以包括热门推荐算法,协同过滤推荐算法等。每种算法获取的数据中均可携带算法标识,该算法标识用于指示待推荐数据采用的算法的种类,以区分采用不同的算法获取的数据。
采用该推荐系统中的每种算法分别获取待推荐的数据,后续该推荐系统还可以对获取的待推荐数据进行过滤,得到过滤后的数据,将过滤后的数据推荐给目标账户。其中,过滤时采用的算法可以为个性化粗排算法、个性化精排算法或者其他算法。
并且,针对当前目标账户操作的任一数据,如果该数据携带的算法标识为预设算法标识,表示该数据为采用本公开实施例提供的算法推荐的目标数据,则允许执行上述步骤507-508,如果该数据携带的算法标识不是预设算法标识,表示该数据不是采用本公开实施例提供的算法推荐的目标数据,而是采用其他算法推荐的数据,因此不再执行上述步骤507-508。
本公开实施例提供的方法,获取至少一个参考账户的历史数据记录,对于获取到的每个展示数据,根据该展示数据对应的推荐数据的数量和展示数据对应的操作推荐数据的数量,确定展示数据的操作率,该操作率能够表征用户对基于展示数据推荐的数据的正向反馈,且从获取到的至少一个展示数据中选取目标数据,基于目标数据为至少一个参考账户以外的目标账户进行数据推荐,且目标数据的操作率大于至少一个展示数据中除目标数据以外的其他展示数据的操作率。本公开实施例提供了一种新的数据探索方式,能够根据至少一个参考账户的历史数据记录,将操作率较大的展示数据推荐给目标账户,扩展了向目标账户推荐的数据的范围,打破了所推荐的数据的局限性,即使多次向目标账户进行推荐,也不会出现推荐的数据范围越来越窄的问题,提高了扩展性。用户对基于目标数据推荐的数据喜好程度较高,将该目标数据作为优质内容推荐给目标账户,提高了推荐效果。后续能够将目标数据作为后续推荐数据的基础,根据目标账户对目标数据执行的操作继续进行推荐,持续地推荐较高质量的数据,间接提升了推荐能力,为目标账户带来持续提升的推荐效果。
并且,将目标数据推荐给目标账户后,当接收到目标账户对目标数据执行操作的操作信号时,查询获取到的历史数据记录,得到目标数据对应的至少一个推荐数据,将该至少一个推荐数据推荐给目标账户。由于用户对目标数据对应的至少一个推荐数据的喜好程度较高,因此向目标账户推荐目标数据对应的至少一个推荐数据,能够根据目标账户对目标数据执行的操作继续进行推荐,持续地推荐较高质量的数据,进一步提升了推荐能力。
图6是根据一示例性实施例示出的一种数据推荐装置的结构示意图。参见图6,该装置包括:
记录获取模块601,用于获取至少一个参考账户的历史数据记录,参考账户的历史数据记录包括参考账户的展示数据、至少一个推荐数据及至少一个操作推荐数据,展示数据为参考账户展示过的数据,至少一个推荐数据在参考账户对展示数据执行操作时推荐给参考账户,至少一个操作推荐数据为至少一个推荐数据中参考账户已执行操作的数据;
确定模块602,用于根据展示数据对应的推荐数据的数量和展示数据对应的操作推荐数据的数量,确定展示数据的操作率,操作率用于表征用户对基于展示数据推荐的数据的正向反馈;
选取模块603,用于从获取到的至少一个展示数据中选取目标数据;
推荐模块604,用于基于目标数据为至少一个参考账户以外的目标账户进行数据推荐,目标数据的操作率大于至少一个展示数据中除目标数据以外的其他展示数据的操作率。
本公开实施例提供的装置,获取至少一个参考账户的历史数据记录,对于获取到的每个展示数据,根据该展示数据对应的推荐数据的数量和展示数据对应的操作推荐数据的数量,确定展示数据的操作率,该操作率能够表征用户对基于展示数据推荐的数据的正向反馈,且从获取到的至少一个展示数据中选取目标数据,基于目标数据为至少一个参考账户以外的目标账户进行数据推荐,且目标数据的操作率大于至少一个展示数据中除目标数据以外的其他展示数据的操作率。本公开实施例提供了一种新的数据探索方式,能够根据至少一个参考账户的历史数据记录,将操作率较大的展示数据推荐给目标账户,扩展了向目标账户推荐的数据的范围,打破了所推荐的数据的局限性,即使多次向目标账户进行推荐,也不会出现推荐的数据范围越来越窄的问题,提高了扩展性。用户对基于目标数据推荐的数据喜好程度较高,将该目标数据作为优质内容推荐给目标账户,提高了推荐效果。后续能够将目标数据作为后续推荐数据的基础,根据目标账户对目标数据执行的操作继续进行推荐,持续地推荐较高质量的数据,间接提升了推荐能力,为目标账户带来持续提升的推荐效果。
在一种可能实现方式中,参见图7,确定模块602,包括:
数量获取单元6021,用于获取至少一个历史数据记录中,展示数据对应的推荐数据的数量,作为第一数量;
数量获取单元6021,还用于获取至少一个历史数据记录中,展示数据对应的操作推荐数据的数量,作为第二数量;
比例获取单元6022,用于获取第一数量与第二数量的比例,作为展示数据的操作率。
在另一种可能实现方式中,历史数据记录还包括至少一个操作推荐数据对应的操作类型,操作推荐数据对应的操作类型用于表征参考账户对操作推荐数据执行的操作类型;
参见图7,确定模块602,包括:
确定单元6023,用于对于获取到的每个展示数据和每个操作类型,根据展示数据对应的推荐数据的数量,以及展示数据和操作类型对应的操作推荐数据的数量,确定展示数据和操作类型对应的操作率。
在另一种可能实现方式中,参见图7,选取模块603,包括:
第一选取单元6031,用于对于每个操作类型,根据每个展示数据和操作类型对应的操作率,从至少一个展示数据中选取目标数据,目标数据和操作类型对应的操作率大于其他展示数据和操作类型对应的操作率。
在另一种可能实现方式中,选取模块603还用于执行以下任一项:
从至少一个展示数据中,选取操作率大于预设操作率的展示数据,作为目标数据;
至少一个展示数据包括多个展示数据,按照多个展示数据的操作率对多个展示数据进行排序,根据排序结果选取操作率较大的预设数量的展示数据,作为目标数据。
在另一种可能实现方式中,参见图7,选取模块603,包括:
第二选取单元6032,用于至少一个展示数据包括多个展示数据,从多个展示数据中选取多个第一目标数据,多个第一目标数据的操作率大于至少一个展示数据中除多个第一目标数据以外的其他展示数据的操作率;
第二选取单元6032,还用于从多个第一目标数据中选取第二目标数据,第二目标数据的优先级大于多个第一目标数据中除第二目标数据以外的其他数据的优先级;
参见图7,推荐模块604,包括:
第一推荐单元6041,用于基于第二目标数据为目标账户进行数据推荐。
在另一种可能实现方式中,参见图7,装置还包括:
第一数据获取模块605,用于当接收到任一账户对展示数据执行操作的操作信号时,根据已建立的映射关系,获取展示数据的相似数据,作为推荐数据,映射关系中包括至少一个数据的相似数据;
推荐模块604,还用于将获取的推荐数据推荐给账户;
生成模块606,用于生成账户的数据记录,数据记录包括展示数据和推荐数据;
添加模块607,用于当接收到账户对推荐数据执行操作的操作信号时,将推荐数据作为操作推荐数据,添加至数据记录。
在另一种可能实现方式中,参见图7,装置还包括:
相似度获取模块608,用于获取预设数据集合中的任两个数据之间的相似度,预设数据集合包括待推荐的多个数据;
第二数据获取模块609,用于对于预设数据集合中的每个指定数据,从预设数据集合中获取指定数据的相似数据,相似数据与指定数据的相似度大于预设数据集合中除相似数据以外的其他数据与指定数据的相似度;
建立模块610,用于建立指定数据与相似数据之间的映射关系。
在另一种可能实现方式中,参见图7,推荐模块604,包括:
第二推荐单元6042,用于将目标数据推荐给目标账户;
查询单元6043,用于当接收到目标账户对目标数据执行操作的操作信号时,查询获取到的历史数据记录,得到目标数据对应的至少一个推荐数据;
第二推荐单元6042,还用于将至少一个推荐数据推荐给目标账户。
图8是根据一示例性实施例示出的一种终端的框图。该终端800可以是便携式移动终端,比如:智能手机、平板电脑、MP3播放器(Moving Picture Experts Group AudioLayer III,动态影像专家压缩标准音频层面3)、MP4(Moving Picture Experts GroupAudio Layer IV,动态影像专家压缩标准音频层面4)播放器、笔记本电脑或台式电脑。终端800还可能被称为用户设备、便携式终端、膝上型终端、台式终端等其他名称。
通常,终端800包括有:一个或多个处理器801和一个或多个存储器802。
处理器801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801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801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(Central ProcessingUnit,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801可以在集成有GPU(Graphics Processing Unit,数据推荐器),GPU用于负责显示屏所需要显示的内容的渲染和绘制。一些实施例中,处理器801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机器学习的计算操作。
存储器802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802还可包括易失性存储器或非易失性存储器,比如一个或多个磁盘存储设备、闪存存储设备。在一些实施例中,存储器802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801所具有以实现本申请中方法实施例提供的数据推荐方法。
在一些实施例中,终端800还可选包括有:外围设备接口803和至少一个外围设备。处理器801、存储器802和外围设备接口803之间可以通过总线或信号线相连。各个外围设备可以通过总线、信号线或电路板与外围设备接口803相连。具体地,外围设备包括:射频电路804、触摸显示屏805、摄像头806、音频电路807、定位组件808和电源809中的至少一种。
外围设备接口803可被用于将I/O(Input/Output,输入/输出)相关的至少一个外围设备连接到处理器801和存储器802。在一些实施例中,处理器801、存储器802和外围设备接口803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801、存储器802和外围设备接口803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804用于接收和发射RF(Radio Frequency,射频)信号,也称电磁信号。射频电路804通过电磁信号与通信网络以及其他通信设备进行通信。射频电路804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804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804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13G)、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804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805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805是触摸显示屏时,显示屏805还具有采集在显示屏805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801进行处理。此时,显示屏805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805可以为一个,设置终端800的前面板;在另一些实施例中,显示屏805可以为至少两个,分别设置在终端800的不同表面或呈折叠设计;在再一些实施例中,显示屏805可以是柔性显示屏,设置在终端800的弯曲表面上或折叠面上。甚至,显示屏805还可以设置成非矩形的不规则图形,也即异形屏。显示屏805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。
摄像头组件806用于采集图像或视频。可选地,摄像头组件806包括前置摄像头和后置摄像头。通常,前置摄像头设置在终端的前面板,后置摄像头设置在终端的背面。在一些实施例中,后置摄像头为至少两个,分别为主摄像头、景深摄像头、广角摄像头、长焦摄像头中的任意一种,以实现主摄像头和景深摄像头融合实现背景虚化功能、主摄像头和广角摄像头融合实现全景拍摄以及VR(Virtual Reality,虚拟现实)拍摄功能或者其它融合拍摄功能。在一些实施例中,摄像头组件806还可以包括闪光灯。闪光灯可以是单色温闪光灯,也可以是双色温闪光灯。双色温闪光灯是指暖光闪光灯和冷光闪光灯的组合,可以用于不同色温下的光线补偿。
音频电路807可以包括麦克风和扬声器。麦克风用于采集用户及环境的声波,并将声波转换为电信号输入至处理器801进行处理,或者输入至射频电路804以实现语音通信。出于立体声采集或降噪的目的,麦克风可以为多个,分别设置在终端800的不同部位。麦克风还可以是阵列麦克风或全向采集型麦克风。扬声器则用于将来自处理器801或射频电路804的电信号转换为声波。扬声器可以是传统的薄膜扬声器,也可以是压电陶瓷扬声器。当扬声器是压电陶瓷扬声器时,不仅可以将电信号转换为人类可听见的声波,也可以将电信号转换为人类听不见的声波以进行测距等用途。在一些实施例中,音频电路807还可以包括耳机插孔。
定位组件808用于定位终端800的当前地理位置,以实现导航或LBS(LocationBased Service,基于位置的服务)。定位组件808可以是基于美国的GPS(GlobalPositioning System,全球定位系统)、中国的北斗系统、俄罗斯的格雷纳斯系统或欧盟的伽利略系统的定位组件。
电源809用于为终端800中的各个组件进行供电。电源809可以是交流电、直流电、一次性电池或可充电电池。当电源809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。
在一些实施例中,终端800还包括有一个或多个传感器810。该一个或多个传感器810包括但不限于:加速度传感器811、陀螺仪传感器812、压力传感器813、指纹传感器814、光学传感器815以及接近传感器816。
加速度传感器811可以检测以终端800建立的坐标系的三个坐标轴上的加速度大小。比如,加速度传感器811可以用于检测重力加速度在三个坐标轴上的分量。处理器801可以根据加速度传感器811采集的重力加速度信号,控制触摸显示屏805以横向视图或纵向视图进行用户界面的显示。加速度传感器811还可以用于游戏或者用户的运动数据的采集。
陀螺仪传感器812可以检测终端800的机体方向及转动角度,陀螺仪传感器812可以与加速度传感器811协同采集用户对终端800的3D动作。处理器801根据陀螺仪传感器812采集的数据,可以实现如下功能:动作感应(比如根据用户的倾斜操作来改变UI)、拍摄时的图像稳定、游戏控制以及惯性导航。
压力传感器813可以设置在终端800的侧边框和/或触摸显示屏805的下层。当压力传感器813设置在终端800的侧边框时,可以检测用户对终端800的握持信号,由处理器801根据压力传感器813采集的握持信号进行左右手识别或快捷操作。当压力传感器813设置在触摸显示屏805的下层时,由处理器801根据用户对触摸显示屏805的压力操作,实现对UI界面上的可操作性控件进行控制。可操作性控件包括按钮控件、滚动条控件、图标控件、菜单控件中的至少一种。
指纹传感器814用于采集用户的指纹,由处理器801根据指纹传感器814采集到的指纹识别用户的身份,或者,由指纹传感器814根据采集到的指纹识别用户的身份。在识别出用户的身份为可信身份时,由处理器801授权该用户具有相关的敏感操作,该敏感操作包括解锁屏幕、查看加密信息、下载软件、支付及更改设置等。指纹传感器814可以被设置终端800的正面、背面或侧面。当终端800上设置有物理按键或厂商Logo时,指纹传感器814可以与物理按键或厂商标志集成在一起。
光学传感器815用于采集环境光强度。在一个实施例中,处理器801可以根据光学传感器815采集的环境光强度,控制触摸显示屏805的显示亮度。具体地,当环境光强度较高时,调高触摸显示屏805的显示亮度;当环境光强度较低时,调低触摸显示屏805的显示亮度。在另一个实施例中,处理器801还可以根据光学传感器815采集的环境光强度,动态调整摄像头组件806的拍摄参数。
接近传感器816,也称距离传感器,通常设置在终端800的前面板。接近传感器816用于采集用户与终端800的正面之间的距离。在一个实施例中,当接近传感器816检测到用户与终端800的正面之间的距离逐渐变小时,由处理器801控制触摸显示屏805从亮屏状态切换为息屏状态;当接近传感器816检测到用户与终端800的正面之间的距离逐渐变大时,由处理器801控制触摸显示屏805从息屏状态切换为亮屏状态。
本领域技术人员可以理解,图8中示出的结构并不构成对终端800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9是根据一示例性实施例示出的一种服务器的结构示意图,该服务器900可因配置或性能不同而产生比较大的差异,可以包括一个或一个以上处理器(centralprocessing units,CPU)901和一个或一个以上的存储器902,其中,所述存储器902中存储有至少一条指令,所述至少一条指令由所述处理器901加载并执行以实现上述各个方法实施例提供的方法。当然,该服务器还可以具有有线或无线网络接口、键盘以及输入输出接口等部件,以便进行输入输出,该服务器还可以包括其他用于实现设备功能的部件,在此不做赘述。
服务器900可以用于执行上述数据推荐方法中数据推荐装置所执行的步骤。
在示例性实施例中,还提供了一种非临时性计算机可读存储介质,当存储介质中的指令由数据推荐装置的处理器执行时,使得数据推荐装置能够执行上述数据推荐方法中数据推荐装置所执行的步骤。
在示例性实施例中,还提供了一种计算机程序产品,当计算机程序产品中的指令由数据推荐装置的处理器执行时,使得数据推荐装置能够执行上述数据推荐方法中数据推荐装置所执行的步骤。
本领域技术人员在考虑说明书及实践这里的公开后,将容易想到本公开的其它实施方案。本申请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)
1.一种数据推荐方法,其特征在于,所述方法包括:
获取至少一个参考账户的历史数据记录,所述参考账户的历史数据记录包括所述参考账户的展示数据、至少一个推荐数据及至少一个操作推荐数据,所述展示数据为所述参考账户展示过的数据,所述至少一个推荐数据在所述参考账户对所述展示数据执行操作时推荐给所述参考账户,所述至少一个操作推荐数据为所述至少一个推荐数据中所述参考账户已执行操作的数据;
根据所述展示数据对应的推荐数据的数量和所述展示数据对应的操作推荐数据的数量,确定所述展示数据的操作率,所述操作率用于表征用户对基于所述展示数据推荐的数据的正向反馈;
从获取到的至少一个展示数据中选取目标数据,基于所述目标数据为所述至少一个参考账户以外的目标账户进行数据推荐,所述目标数据的操作率大于所述至少一个展示数据中除所述目标数据以外的其他展示数据的操作率。
2.根据权利要求1所述的方法,其特征在于,所述根据所述展示数据对应的推荐数据的数量和所述展示数据对应的操作推荐数据的数量,确定所述展示数据的操作率,包括:
获取至少一个历史数据记录中,所述展示数据对应的推荐数据的数量,作为第一数量;
获取所述至少一个历史数据记录中,所述展示数据对应的操作推荐数据的数量,作为第二数量;
获取所述第一数量与所述第二数量的比例,作为所述展示数据的操作率。
3.根据权利要求1所述的方法,其特征在于,所述历史数据记录还包括所述至少一个操作推荐数据对应的操作类型,所述操作推荐数据对应的操作类型用于表征所述参考账户对所述操作推荐数据执行的操作类型;
所述根据所述展示数据对应的推荐数据的数量和所述展示数据对应的操作推荐数据的数量,确定所述展示数据的操作率,包括:
对于获取到的每个展示数据和每个操作类型,根据所述展示数据对应的推荐数据的数量,以及所述展示数据和所述操作类型对应的操作推荐数据的数量,确定所述展示数据和所述操作类型对应的操作率。
4.根据权利要求3所述的方法,其特征在于,所述从获取到的至少一个展示数据中选取目标数据,包括:
对于所述每个操作类型,根据所述每个展示数据和所述操作类型对应的操作率,从所述至少一个展示数据中选取目标数据,所述目标数据和所述操作类型对应的操作率大于所述其他展示数据和所述操作类型对应的操作率。
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:
当接收到任一账户对展示数据执行操作的操作信号时,根据已建立的映射关系,获取所述展示数据的相似数据,作为推荐数据,所述映射关系中包括至少一个数据的相似数据;
将获取的推荐数据推荐给所述账户;
生成所述账户的数据记录,所述数据记录包括所述展示数据和所述推荐数据;
当接收到所述账户对所述推荐数据执行操作的操作信号时,将所述推荐数据作为操作推荐数据,添加至所述数据记录。
6.根据权利要求5所述的方法,其特征在于,所述方法还包括:
获取预设数据集合中的任两个数据之间的相似度,所述预设数据集合包括待推荐的多个数据;
对于所述预设数据集合中的每个指定数据,从所述预设数据集合中获取所述指定数据的相似数据,所述相似数据与所述指定数据的相似度大于所述预设数据集合中除所述相似数据以外的其他数据与所述指定数据的相似度;
建立所述指定数据与所述相似数据之间的映射关系。
7.根据权利要求1所述的方法,其特征在于,所述基于所述目标数据为所述至少一个参考账户以外的目标账户进行数据推荐,包括:
将所述目标数据推荐给所述目标账户;
当接收到所述目标账户对所述目标数据执行操作的操作信号时,查询获取到的历史数据记录,得到所述目标数据对应的至少一个推荐数据;
将所述至少一个推荐数据推荐给所述目标账户。
8.一种数据推荐装置,其特征在于,所述装置包括:
记录获取模块,用于获取至少一个参考账户的历史数据记录,所述参考账户的历史数据记录包括所述参考账户的展示数据、至少一个推荐数据及至少一个操作推荐数据,所述展示数据为所述参考账户展示过的数据,所述至少一个推荐数据在所述参考账户对所述展示数据执行操作时推荐给所述参考账户,所述至少一个操作推荐数据为所述至少一个推荐数据中所述参考账户已执行操作的数据;
确定模块,用于根据所述展示数据对应的推荐数据的数量和所述展示数据对应的操作推荐数据的数量,确定所述展示数据的操作率,所述操作率用于表征用户对基于所述展示数据推荐的数据的正向反馈;
选取模块,用于从获取到的至少一个展示数据中选取目标数据;
推荐模块,用于基于所述目标数据为所述至少一个参考账户以外的目标账户进行数据推荐,所述目标数据的操作率大于所述至少一个展示数据中除所述目标数据以外的其他展示数据的操作率。
9.一种数据推荐装置,其特征在于,所述装置包括:
一个或多个处理器;
用于存储所述一个或多个处理器可执行命令的易失性或非易失性存储器;
其中,所述一个或多个处理器被配置为执行如权利要求1-7任一项权利要求所述的数据推荐方法。
10.一种非临时性计算机可读存储介质,其特征在于,当所述存储介质中的指令由数据推荐装置的处理器执行时,使得数据推荐装置能够执行如权利要求1-7任一项权利要求所述的数据推荐方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910786489.2A CN112417263B (zh) | 2019-08-23 | 2019-08-23 | 数据推荐方法、装置及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910786489.2A CN112417263B (zh) | 2019-08-23 | 2019-08-23 | 数据推荐方法、装置及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112417263A true CN112417263A (zh) | 2021-02-26 |
CN112417263B CN112417263B (zh) | 2024-01-09 |
Family
ID=74779433
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910786489.2A Active CN112417263B (zh) | 2019-08-23 | 2019-08-23 | 数据推荐方法、装置及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112417263B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114968246A (zh) * | 2022-08-01 | 2022-08-30 | 深圳市明源云科技有限公司 | 数据分析组件生成方法、设备及计算机可读存储介质 |
Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102317941A (zh) * | 2011-07-30 | 2012-01-11 | 华为技术有限公司 | 信息推荐方法、推荐引擎及网络系统 |
CN103686237A (zh) * | 2013-11-19 | 2014-03-26 | 乐视致新电子科技(天津)有限公司 | 推荐视频资源的方法及系统 |
CN106294497A (zh) * | 2015-06-09 | 2017-01-04 | 深圳市腾讯计算机系统有限公司 | 信息推荐方法和装置 |
WO2017101734A1 (zh) * | 2015-12-15 | 2017-06-22 | 腾讯科技(深圳)有限公司 | 内容项推荐方法及装置 |
CN107203530A (zh) * | 2016-03-16 | 2017-09-26 | 北大方正集团有限公司 | 信息推荐方法 |
CN107766547A (zh) * | 2017-10-31 | 2018-03-06 | 掌阅科技股份有限公司 | 电子书推荐方法、电子设备及计算机存储介质 |
CN108012162A (zh) * | 2017-12-04 | 2018-05-08 | 北京小米移动软件有限公司 | 内容推荐方法及装置 |
CN109033443A (zh) * | 2018-08-17 | 2018-12-18 | 腾讯科技(深圳)有限公司 | 推荐对象确定方法、装置、存储介质及计算机设备 |
CN109522426A (zh) * | 2018-12-05 | 2019-03-26 | 北京达佳互联信息技术有限公司 | 多媒体数据推荐方法、装置、设备及计算机可读存储介质 |
CN109559208A (zh) * | 2019-01-04 | 2019-04-02 | 平安科技(深圳)有限公司 | 一种信息推荐方法、服务器及计算机可读介质 |
CN109740068A (zh) * | 2019-01-29 | 2019-05-10 | 腾讯科技(北京)有限公司 | 媒体数据推荐方法、装置及存储介质 |
CN109740047A (zh) * | 2018-12-11 | 2019-05-10 | 东软集团股份有限公司 | 样本推荐方法、装置、计算机可读存储介质和电子设备 |
CN109753601A (zh) * | 2018-11-28 | 2019-05-14 | 北京奇艺世纪科技有限公司 | 推荐信息点击率确定方法、装置及电子设备 |
WO2019109976A1 (zh) * | 2017-12-08 | 2019-06-13 | 腾讯科技(深圳)有限公司 | 多媒体文件播放记录保存方法、终端及存储介质 |
CN110020176A (zh) * | 2017-12-29 | 2019-07-16 | 中国移动通信集团公司 | 一种资源推荐方法、电子设备以及计算机可读存储介质 |
CN110046965A (zh) * | 2019-04-18 | 2019-07-23 | 北京百度网讯科技有限公司 | 信息推荐方法、装置、设备和介质 |
-
2019
- 2019-08-23 CN CN201910786489.2A patent/CN112417263B/zh active Active
Patent Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102317941A (zh) * | 2011-07-30 | 2012-01-11 | 华为技术有限公司 | 信息推荐方法、推荐引擎及网络系统 |
CN103686237A (zh) * | 2013-11-19 | 2014-03-26 | 乐视致新电子科技(天津)有限公司 | 推荐视频资源的方法及系统 |
CN106294497A (zh) * | 2015-06-09 | 2017-01-04 | 深圳市腾讯计算机系统有限公司 | 信息推荐方法和装置 |
WO2017101734A1 (zh) * | 2015-12-15 | 2017-06-22 | 腾讯科技(深圳)有限公司 | 内容项推荐方法及装置 |
CN107203530A (zh) * | 2016-03-16 | 2017-09-26 | 北大方正集团有限公司 | 信息推荐方法 |
CN107766547A (zh) * | 2017-10-31 | 2018-03-06 | 掌阅科技股份有限公司 | 电子书推荐方法、电子设备及计算机存储介质 |
CN108012162A (zh) * | 2017-12-04 | 2018-05-08 | 北京小米移动软件有限公司 | 内容推荐方法及装置 |
WO2019109976A1 (zh) * | 2017-12-08 | 2019-06-13 | 腾讯科技(深圳)有限公司 | 多媒体文件播放记录保存方法、终端及存储介质 |
CN110020176A (zh) * | 2017-12-29 | 2019-07-16 | 中国移动通信集团公司 | 一种资源推荐方法、电子设备以及计算机可读存储介质 |
CN109033443A (zh) * | 2018-08-17 | 2018-12-18 | 腾讯科技(深圳)有限公司 | 推荐对象确定方法、装置、存储介质及计算机设备 |
CN109753601A (zh) * | 2018-11-28 | 2019-05-14 | 北京奇艺世纪科技有限公司 | 推荐信息点击率确定方法、装置及电子设备 |
CN109522426A (zh) * | 2018-12-05 | 2019-03-26 | 北京达佳互联信息技术有限公司 | 多媒体数据推荐方法、装置、设备及计算机可读存储介质 |
CN109740047A (zh) * | 2018-12-11 | 2019-05-10 | 东软集团股份有限公司 | 样本推荐方法、装置、计算机可读存储介质和电子设备 |
CN109559208A (zh) * | 2019-01-04 | 2019-04-02 | 平安科技(深圳)有限公司 | 一种信息推荐方法、服务器及计算机可读介质 |
CN109740068A (zh) * | 2019-01-29 | 2019-05-10 | 腾讯科技(北京)有限公司 | 媒体数据推荐方法、装置及存储介质 |
CN110046965A (zh) * | 2019-04-18 | 2019-07-23 | 北京百度网讯科技有限公司 | 信息推荐方法、装置、设备和介质 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114968246A (zh) * | 2022-08-01 | 2022-08-30 | 深圳市明源云科技有限公司 | 数据分析组件生成方法、设备及计算机可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112417263B (zh) | 2024-01-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112162671B (zh) | 直播数据处理方法、装置、电子设备及存储介质 | |
CN107885533B (zh) | 管理组件代码的方法及装置 | |
CN111079012A (zh) | 直播间推荐方法、装置、存储介质及终端 | |
CN109068160B (zh) | 链接视频的方法、装置和系统 | |
WO2022048398A1 (zh) | 多媒体数据拍摄方法及终端 | |
CN110147503B (zh) | 信息发布方法、装置、计算机设备和存储介质 | |
WO2022095465A1 (zh) | 信息显示方法及装置 | |
CN111836069A (zh) | 虚拟礼物赠送方法、装置、终端、服务器及存储介质 | |
CN112052354A (zh) | 视频推荐方法、视频展示方法、装置及计算机设备 | |
CN111796990A (zh) | 资源显示方法、装置、终端及存储介质 | |
CN109547847B (zh) | 添加视频信息的方法、装置及计算机可读存储介质 | |
CN111327819A (zh) | 选择图像的方法、装置、电子设备及介质 | |
CN111192072A (zh) | 用户分群方法及装置、存储介质 | |
CN113609358A (zh) | 内容分享方法、装置、电子设备以及存储介质 | |
CN112699268A (zh) | 训练评分模型的方法、设备及存储介质 | |
CN110853124B (zh) | 生成gif动态图的方法、装置、电子设备及介质 | |
CN111563201A (zh) | 内容推送方法、装置、服务器及存储介质 | |
CN108495183B (zh) | 显示专辑信息的方法和装置 | |
CN112417263B (zh) | 数据推荐方法、装置及存储介质 | |
CN113535039B (zh) | 更新页面的方法、装置、电子设备及计算机可读存储介质 | |
CN110717110B (zh) | 多媒体资源过滤方法、装置、电子设备及存储介质 | |
CN112364244A (zh) | 多媒体数据推荐方法、装置、服务器及存储介质 | |
CN109618018B (zh) | 用户头像显示方法、装置、终端、服务器及存储介质 | |
CN110543862B (zh) | 数据获取方法、装置及存储介质 | |
CN114071119B (zh) | 资源的测试方法、装置、电子设备及存储介质 |
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 |