CN112559923A - 网址资源推荐方法、装置、电子设备及计算机存储介质 - Google Patents

网址资源推荐方法、装置、电子设备及计算机存储介质 Download PDF

Info

Publication number
CN112559923A
CN112559923A CN202011491781.0A CN202011491781A CN112559923A CN 112559923 A CN112559923 A CN 112559923A CN 202011491781 A CN202011491781 A CN 202011491781A CN 112559923 A CN112559923 A CN 112559923A
Authority
CN
China
Prior art keywords
website
recommended
websites
browsing
user
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.)
Pending
Application number
CN202011491781.0A
Other languages
English (en)
Inventor
李海平
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Ping An Bank Co Ltd
Original Assignee
Ping An Bank Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Ping An Bank Co Ltd filed Critical Ping An Bank Co Ltd
Priority to CN202011491781.0A priority Critical patent/CN112559923A/zh
Publication of CN112559923A publication Critical patent/CN112559923A/zh
Pending legal-status Critical Current

Links

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
    • G06F16/957—Browsing optimisation, e.g. caching or content distillation
    • G06F16/9574—Browsing optimisation, e.g. caching or content distillation of access to content, e.g. by caching
    • 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
    • G06F16/951—Indexing; Web crawling techniques
    • 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
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Computational Linguistics (AREA)
  • Evolutionary Computation (AREA)
  • Biophysics (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Biomedical Technology (AREA)
  • Artificial Intelligence (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Information Transfer Between Computers (AREA)

Abstract

本发明涉及数据分析技术，揭露了一种网址资源推荐方法，包括：获取多个待推荐网址、用户的收藏网址和用户的浏览网址；提取收藏网址的收藏关键词并计算收藏关键词与多个待推荐网址的第一差异值，以根据第一差异值得到第一待推荐列表；提取用户对浏览网址的浏览时长，根据浏览时长选取用户的偏好网址，提取偏好网址的偏好关键词并计算偏好关键词与多个待推荐网址的第二差异值，以根据第二差异值得到第二待推荐列表；向用户推荐第一待推荐列表与第二待推荐列表包含的待推荐网址。本发明还提出了网址资源推荐装置、电子设备及介质。此外，本发明还涉及区块链技术，待推荐网址可存储于区块链节点中。本发明可以实现可以实现个性化的网址推送的目的。

Description

网址资源推荐方法、装置、电子设备及计算机存储介质
技术领域
本发明涉及数据分析技术领域，尤其涉及一种网址资源推荐方法、装置、电子设备及计算机可读存储介质。
背景技术
随着网络的迅速发展，不同网址中随时都可能产生大量的资讯。在向用户进行网址推送时，若将海量的网址都推送至客户端，将消耗较大的网络带宽，占用较大的存储资源，也降低不能满足用户的个性化需求。如何筛选出符合用户需求的网址并推送给用户，成为了越来越重要的需求。
目前市场上主流的网址推送方法是基于热点的网址推送，例如，当某个网址的浏览量较高时，向未浏览过的用户推送该网址。但该方法没有考虑到用户的需求因素，筛选出的网址不能精准的与用户进行匹配，无法实现个性化的网址推送。
发明内容
本发明提供一种网址资源推荐方法、装置、电子设备及计算机可读存储介质，其主要目的在于实现个性化的网址推送的目的。
为实现上述目的，本发明提供的一种网址资源推荐方法，包括：
获取待推荐网址集，所述待推荐网址集包括多个待推荐网址及所述多个待推荐网址对应的类型标签；
将所述多个待推荐网址按照类型标签划分为多个待推荐网址子集；
获取用户的收藏网址，提取所述收藏网址的收藏关键词，根据所述收藏关键词生成所述收藏网址的收藏标签；
分别计算所述收藏标签与所有类型标签的第一差异值，确定所述第一差异值小于第一阈值时的类型标签对应的待推荐网址所在的待推荐网址子集为第一待推荐列表；
获取所述用户的浏览网址集，通过所述浏览网址集获取所述用户对所述浏览网址集中各个浏览网址的浏览时长，将所述浏览时长大于时长阈值的目标浏览网址汇集为偏好网址集；
提取所述偏好网址集中各个偏好网址的偏好关键词；
计算所述偏好关键词与所有类型标签的第二差异值，确定所述第二差异值小于第二阈值时的类型标签对应的待推荐网址所在的待推荐网址子集为第二待推荐列表；
向所述用户推荐所述第一待推荐列表与所述第二待推荐列表包含的待推荐网址。
可选地，所述提取所述收藏网址的收藏关键词，包括：
对所述收藏网址进行数据采样，得到采样数据；
对所述采样数据进行词向量转化，得到词向量集；
计算所述词向量集中各词向量的特征值；
将所述词向量集中各词向量按照所述特征值从大到小进行排序，得到特征序列；
按照从前向后的顺序从所述特征序列中选取预设数量的词向量作为收藏关键词。
可选地，所述获取所述用户的浏览网址集，包括：
查询所述用户的浏览网址集的网络缓存；
检测所述网络缓存的存储环境；
通过与所述存储环境对应的编译器编译得到信息调用语句；
执行所述信息调用语句从所述网络缓存中获取所述浏览数据集。
可选地，所述将所述多个待推荐网址按照类型标签划分为多个待推荐网址子集，包括：
随机从所述待推荐网址集中选取预设数量的待推荐网址作为多个簇心网址；
分别计算未选取待推荐网址子集中的网址与所述多个簇心网址的距离，其中，所述未选取待推荐网址子集是所述待推荐网址集中未被选取的网址的集合；
依次从所述未选取待推荐网址子集中选取目标网址与待汇集簇心网址进行汇集，直至所述未选取网址子集中的所有网址完成汇集，其中，所述待汇集簇心网址为所述多个簇心网址中与所述目标网址之间距离最小的簇心网址。
可选地，所述分别计算未选取待推荐网址子集中的网址与所述多个簇心网址的距离，包括：
利用如下距离算法分别计算所述网址集中未被选取的网址与所述簇心网址的距离值d(A，B)2：
d(A，B)2＝||A-B||2
其中，A为所述未选取待推荐网址子集中任一网址，B为任一簇心网址。
可选地，所述通过所述浏览网址集获取所述用户对所述浏览网址集中各个浏览网址的浏览时长，包括：利用如下时长提取算法提取所述用户对浏览网址集中各个浏览网址的浏览时长：
Figure RE-GDA0002930066720000031
其中，bu(t)为所述浏览网址集中第u个浏览网址的浏览时长，du为所述浏览网址集中第u个浏览网址，i为所述浏览网址集中浏览网址的个数，t0为所述浏览网址集中第u个浏览网址的开始浏览时间，t1为所述浏览网址集中第u 个浏览网址的结束浏览时间。
可选地，所述向所述用户推荐所述第一待推荐列表与所述第二待推荐列表包含的待推荐网址，包括：
向所述用户对应的用户端发送数据传输接口的调用请求，得到数据接口状态；
当所述数据接口状态为可接收数据传输时，利用所述数据传输接口将所述第一待推送列表和所述第二待推荐列表包含的待推荐网址推送至所述用户对应的用户端。
为了解决上述问题，本发明还提供一种网址资源推荐装置，所述装置包括：
网址获取模块，用于获取待推荐网址集，所述待推荐网址集包括多个待推荐网址及所述多个待推荐网址对应的类型标签；
网址划分模块，用于将所述多个待推荐网址按照类型标签划分为多个待推荐网址子集；
收藏标签生成模块，用于获取用户的收藏网址，提取所述收藏网址的收藏关键词，根据所述收藏关键词生成所述收藏网址的收藏标签；
第一待推荐列表生成模块，用于分别计算所述收藏标签与所有类型标签的第一差异值，确定所述第一差异值小于第一阈值时的类型标签对应的待推荐网址所在的待推荐网址子集为第一待推荐列表；
时长提取模块，用于获取所述用户的浏览网址集，通过所述浏览网址集获取所述用户对所述浏览网址集中各个浏览网址的浏览时长，将所述浏览时长大于时长阈值的目标浏览网址汇集为偏好网址集；
偏好提取模块，用于提取所述偏好网址集中各个偏好网址的偏好关键词；
第二待推荐列表生成模块，用于计算所述偏好关键词与所有类型标签的第二差异值，确定所述第二差异值小于第二阈值时的类型标签对应的待推荐网址所在的待推荐网址子集为第二待推荐列表；
网址推送模块，用于向所述用户推荐所述第一待推荐列表与所述第二待推荐列表包含的待推荐网址。
为了解决上述问题，本发明还提供一种电子设备，所述电子设备包括：
存储器，存储至少一个计算机程序；及
处理器，执行所述存储器中存储的计算机程序以实现上述中任意一项所述的网址资源推荐方法。
为了解决上述问题，本发明还提供一种计算机可读存储介质，包括存储数据区和存储程序区，存储数据区存储创建的数据，存储程序区存储有计算机程序；其中，所述计算机程序被处理器执行时实现上述中任意一项所述的网址资源推荐方法。
本发明实施例在获取多个待推荐网址、用户的收藏网址和用户的浏览网址之后；提取收藏网址的收藏关键词并计算收藏关键词与多个待推荐网址的第一差异值以确定第一待推荐列表，由于此时第一待推荐列表中的待推荐网址与用户的收藏网址相匹配，因此实现了根据用户的收藏网址向用户进行网址推荐；同时，提取用户对浏览网址的浏览时长，根据浏览时长确定用户的偏好网址，提取偏好网址的偏好关键词并计算偏好关键词与多个待推荐网址的第二差异值以确定第二待推荐列表，由于此时第二待推荐列表中的待推荐网址是根据用户的浏览偏好选取的，即与用户的浏览偏好相匹配的，因此实现了根据浏览偏好向用户进行个性化推送，因此，向用户推送的第一待推荐列表与第二待推荐列表包含的待推荐网址都是与用户相关的，实现了个性化推送。因此本发明提出的网址资源推荐方法、装置及计算机可读存储介质，可以实现个性化的网址推送的目的。
附图说明
图1为本发明一实施例提供的网址资源推荐方法的流程示意图；
图2为本发明一实施例提供的网址资源推荐装置的模块示意图；
图3为本发明一实施例提供的实现网址资源推荐方法的电子设备的内部结构示意图；
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。
本申请实施例提供的网址资源推荐方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之，所述网址资源推荐方法可以由安装在终端设备或服务端设备的软件或硬件来执行，所述软件可以是区块链平台。所述服务端包括但不限于：单台服务器、服务器集群、云端服务器或云端服务器集群等。
本发明提供一种网址资源推荐方法。参照图1所示，为本发明一实施例提供的网址资源推荐方法的流程示意图。该方法可以由一个装置执行，该装置可以由软件和/或硬件实现。
在本实施例中，网址资源推荐方法包括：
S1、获取待推荐网址集，所述待推荐网址集包括多个待推荐网址及所述多个待推荐网址对应的类型标签。
本发明实施例中，可利用具有数据抓取功能的python语句从互联网(如某行业相关的多个网站，或者与实时新闻有关的多个网站)中抓取待推荐网址集，所述待推荐网址集包括多个待推荐网址及所述多个待推荐网址对应的类型标签，其中，类型标签可由待推荐网址中的关键词生成。
例如，待推荐网址集包括待推荐网址A和待推荐网址B，待推荐网址A 中包括关键词家居、日常用品，则待推荐网址A的类型标签为生活网址；待推荐网址B中包括关键词游戏、游戏发布、玩家评测，则网址B的类型标签为游戏网址。
S2、将所述多个待推荐网址按照类型标签划分为多个待推荐网址子集。
本发明实施例中，所述将所述多个待推荐网址按照类型标签划分为多个待推荐网址子集，包括：
随机从所述待推荐网址集中选取预设数量的待推荐网址作为多个簇心网址；
分别计算未选取待推荐网址子集中的网址与所述多个簇心网址的距离，其中，所述未选取待推荐网址子集是所述待推荐网址集中未被选取的网址的集合；
依次从所述未选取待推荐网址子集中选取目标网址与待汇集簇心网址进行汇集，直至所述未选取网址子集中的所有网址完成汇集，其中，所述待汇集簇心网址为所述多个簇心网址中与所述目标网址之间距离最小的簇心网址。
例如，当所述待推荐网址集中包含a，b，c，d，e，f六个网址，随机选择a和b作为簇心网址，分别计算未选取网址子集中c，d，e，f与a和b的距离，当距离计算完成后，随机从所述未选取网址子集中选取目标网址c，若目标网址c与簇心网址a的距离比目标网址c与簇心网址b的距离更近，则将目标网址c与簇心网址a进行汇集，再随机从所述未选取网址子集中选取目标网址d，若目标网址d与簇心网址a的距离比目标网址d与簇心网址b的距离更近，则将目标网址d与簇心网址a进行汇集。
同时，继续随机地从未选取网址子集选取目标网址e，若目标网址e与簇心网址b的距离比目标网址e与簇心网址a的距离更近，则将目标网址e与簇心网址b进行汇集，再随机从所述未选取网址子集中选取目标网址f，若目标网址f与簇心网址b的距离比目标网址f与簇心网址a的距离更近，则将目标网址f与簇心网址b进行汇集。
详细地，所述分别计算未选取待推荐网址子集中的网址与所述多个簇心网址的距离，包括：
利用如下距离算法分别计算所述网址集中未被选取的网址与所述簇心网址的距离值d(A，B)2：
d(A，B)2＝||A-B||2
其中，A为所述未选取待推荐网址子集中任一网址，B为任一簇心网址。
S3、获取用户的收藏网址，提取所述收藏网址的收藏关键词，根据所述收藏关键词生成所述收藏网址的收藏标签。
本发明实施例中，可利用具有数据抓取功能的python语句从用户的浏览器中获取用户的收藏网址，所述用户的收藏网址是用户收藏在浏览器中的网址。
详细地，所述提取所述收藏网址的收藏关键词，包括：
对所述收藏网址进行数据采样，得到采样数据；
对所述采样数据进行词向量转化，得到词向量集；
计算所述词向量集中各词向量的特征值；
将所述词向量集中各词向量按照所述特征值从大到小进行排序，得到特征序列；
按照从前向后的顺序从所述特征序列中选取预设数量的词向量作为收藏关键词。
本发明实施例中，所述对所述收藏网址进行数据采样是指对收藏网址中的内容进行采样，采样的方法包括但不限于等间距采样法和随机采样法。
进一步地，本发明实施例利用具有词向量转化功能的卷积神经网络对所述采样数据进行词向量转化，得到词向量集。
详细地，所述对所述采样数据进行词向量转化，得到词向量集，包括：
获取训练采样数据，以及所述训练采样数据对应的标准词向量；
利用卷积神经网络对所述训练采样数据进行词向量转化，得到转化词向量；
计算所述转化词向量和所述标准词向量的误差值；
若所述转化词向量与所述标准词向量的误差值大于预设误差，则调整所述卷积神经网络的参数后，再次进行词向量转化；
若所述转化词向量与所述标准词向量的误差值小于所述预设误差，则确认训练完成，获取训练完成的卷积神经网络；
利用所述训练完成的卷积神经网络对所述采样数据进行词向量转化，得到词向量集。
详细地，本发明实施例利用如下损失函数计算所述转化词向量和所述标准词向量的误差值
Figure RE-GDA0002930066720000081
Figure RE-GDA0002930066720000082
其中，
Figure RE-GDA0002930066720000083
表示所述转化词向量，Y表示所述标准词向量，N表示转化词向量的个数，α为预设误差系数。
本发明实施例中，利用梯度下降算法调整所述卷积神经网络的参数，所述梯度下降算法包括但不限批量梯度下降算法、随机梯度下降算法和小批量梯度下降算法。
进一步地，所述计算所述词向量集中各词向量的特征值，包括：
利用如下特征值算法按计算所述词向量集中各词向量的特征值：
Figure RE-GDA0002930066720000084
其中，m为词向量集中词向量的数量，pi为第i个词向量，fi为第i个词向量在词向量集中出现的频率。
本发明实施例将所述词向量集中各词向量按照所述特征值从大到小进行排序，得到特征序列；从所述特征序列中按照从前向后的顺序选取预设数量的词向量作为收藏关键词。
进一步地，本发明实施例根据提取到的收藏关键词生成所述收藏网址生成收藏标签，例如，收藏网址G的收藏关键词为“家居”、“日常用品”，则所述收藏网址G生成“生活网址”的收藏标签。
S4、分别计算所述收藏标签与所有类型标签的第一差异值，确定所述第一差异值小于第一阈值时的类型标签对应的待推荐网址所在的待推荐网址子集为第一待推荐列表。
本发明实施例中，所述分别计算所述收藏标签与所有类型标签的第一差异值，包括：
利用如下差异值算法所述收藏标签与所述所有类型标签的第一差异值：
Figure RE-GDA0002930066720000091
其中，L(m，nk)为所述距离值，m为所述收藏标签，nk为所述多个网址子集中第k个网址子集的类型标签。
在本发明实施例中，将所述第一差异值小于第一阈值时的类型标签对应的待推荐网址所在的待推荐网址子集汇集为第一待推荐列表。
例如，第一阈值为60，多个待推荐网址子集中包含第一待推荐网址子集，第二待推荐网址子集和第三待推荐网址子集，其中，第一待推荐网址子集包含3个待推荐网址，分别对应的类型标签为类型标签1和类型标签2，第二待推荐网址子集包含3个待推荐网址，分别对应的类型标签为类型标签1和类型标签2，第三待推荐网址子集包含3个待推荐网址，分别对应的类型标签为类型标签1和类型标签2和类型标签3；通过计算得到收藏网址G与类型标签1的第一差异值为26，收藏网址G与类型标签2的第一差异值为47，收藏网址G与类型标签3的第一差异值为84，则将类型标签1对应的待推荐网址所在的待推荐网址子集和类型标签2对应的待推荐网址所在的待推荐网址子集汇集为所述第一待推荐列表，即将第一待推荐网址子集和第二待推荐网址子集汇集为第一待推荐列表。
本发明实施例提取收藏网址的收藏关键词并计算收藏关键词与多个待推荐网址的第一差异值以确定第一待推荐列表，由于此时第一待推荐列表中的待推荐网址与用户的收藏网址相匹配，因此实现了根据用户的收藏网址向用户进行网址推荐。
S5、获取所述用户的浏览网址集，通过所述浏览网址集获取所述用户对所述浏览网址集中各个浏览网址的浏览时长，将所述浏览时长大于时长阈值的目标浏览网址汇集为偏好网址集。
本发明实施例中，所述用户的浏览网址集中包括多条浏览数据，例如，用户的浏览网址，用户对不同浏览网址的浏览时长，用户对不同浏览网址的浏览次数等。
具体的，可从网络缓存中获取浏览网址集，其中，所述网络缓存可以为区块链网络的缓存，所述网络缓存是用于存储浏览网址集的缓存。
详细地，所述获取所述用户的浏览网址集，包括：
查询所述用户的浏览网址集的网络缓存；
检测所述网络缓存的存储环境；
通过与所述存储环境对应的编译器编译得到信息调用语句；
执行所述信息调用语句从所述网络缓存中获取所述浏览数据集。
进一步地，所述通过所述浏览网址集获取所述用户对所述浏览网址集中各个浏览网址的浏览时长，包括：
利用如下时长提取算法提取所述用户对浏览网址集中各个浏览网址的浏览时长：
Figure RE-GDA0002930066720000101
其中，bu(t)为所述浏览网址集中第u个浏览网址的浏览时长，du为所述浏览网址集中第u个浏览网址，i为所述浏览网址集中浏览网址的个数，t0为所述浏览网址集中第u个浏览网址的开始浏览时间，t1为所述浏览网址集中第u 个浏览网址的结束浏览时间。
本发明实施例将所述浏览时长大于时长阈值的网址汇集为偏好网址集，例如，时长阈值为55秒，浏览网址集包括网址10、网址20和网址30，用户对网址10的浏览时长为44秒，用户对网址20的浏览时长为66秒，用户对网址30的浏览时长为77秒，则将网址20和网址30汇集为偏好网址集。
S6、提取所述偏好网址集中各个偏好网址的偏好关键词。
本发明实施例中，具体的提取所述偏好网址集中各个偏好网址的偏好关键词的方法与S3中提取所述收藏网址的收藏关键词的方法基本一致，在此不做赘述。
S7、计算所述偏好关键词与所述所有类型标签的第二差异值，确定所述第二差异值小于第二阈值时的类型标签对应的待推荐网址所在的待推荐网址子集为第二待推荐列表。
本发明实施例中，具体的计算所述偏好关键词与所有类型标签的第二差异值的方法与S4中计算第一差异值的方法基本一致，在此不做赘述。
例如，多个待推荐网址子集中包括：待推荐网址子集1、待推荐网址子集 2和待推荐网址子集3，其中，待推荐网址子集1包含网址w、待推荐网址子集2包含网址e，待推荐网址子集3包含网址r，其中，偏好关键词与网址w 的差异值为30，偏好关键词与网址e的差异值为60，偏好关键词与网址r的差异值为80；当第二阈值为50时，则将网址e所在的待推荐网址子集2与网址r所在的待推荐网址子集3汇集为第二待推荐列表。
本发明实施例提取用户对浏览网址的浏览时长，根据浏览时长确定用户的偏好网址，提取偏好网址的偏好关键词并计算偏好关键词与多个待推荐网址的第二差异值以确定第二待推荐列表，由于此时第二待推荐列表中的待推荐网址是根据用户的浏览偏好选取的，即与用户的浏览偏好相匹配的，因此实现了根据浏览偏好向用户进行个性化推送。
S8、向所述用户推荐所述第一待推荐列表与所述第二待推荐列表包含的待推荐网址。
本发明实施例中，所述向所述用户推荐所述第一待推荐列表与所述第二待推荐列表包含的待推荐网址，包括：向所述用户对应的用户端发送数据传输接口的调用请求，得到数据接口状态；
当所述数据接口状态为可接收数据传输时，利用所述数据传输接口将所述第一待推送列表和所述第二待推荐列表包含的待推荐网址推送至所述用户对应的用户端。
其中，所述用户端为用户可接收到推送消息的设备，例如用户的手机，个人电脑或其它可接受信息的电子设备。
具体的，当用户端接收到网址传输接口调用请求时，会返回一个布尔值代表当前的传输接口的状态，所述布尔值为0或1，0表示当前数据传输接口被占用或处于不可以用状态，1表示当前数据传输接口为可接收网址传输状态，则当接收到用户端返回的数据为1时，将第一待推荐列表和第二待推荐列表包含的待推荐网址推送至用户对应的用户端。
通过将所述第一待推送列表和所述第二待推荐列表包含的待推荐网址推送至所述用户对应的用户端，可以使用户快速的查看网址资源。
本发明实施例在获取多个待推荐网址、用户的收藏网址和用户的浏览网址之后；提取收藏网址的收藏关键词并计算收藏关键词与多个待推荐网址的第一差异值以确定第一待推荐列表，由于此时第一待推荐列表中的待推荐网址与用户的收藏网址相匹配，因此实现了根据用户的收藏网址向用户进行网址推荐；同时，提取用户对浏览网址的浏览时长，根据浏览时长确定用户的偏好网址，提取偏好网址的偏好关键词并计算偏好关键词与多个待推荐网址的第二差异值以确定第二待推荐列表，由于此时第二待推荐列表中的待推荐网址是根据用户的浏览偏好选取的，即与用户的浏览偏好相匹配的，因此实现了根据浏览偏好向用户进行个性化推送，因此，向用户推送的第一待推荐列表与第二待推荐列表包含的待推荐网址都是与用户相关的，实现了个性化推送。因此本发明提出的网址资源推荐方法，可以实现个性化的网址推送的目的。
如图2所示，是本发明网址资源推荐装置的模块示意图。
本发明所述网址资源推荐装置100可以安装于电子设备中。根据实现的功能，所述网址资源推荐装置可以包括网址获取模块101、网址划分模块102、收藏标签生成模块103、第一待推荐列表生成模块104、时长提取模块105、偏好提取模块106、第二待推荐列表生成模块107和网址推送模块108。本发明所述模块也可以称之为单元，是指一种能够被电子设备处理器所执行，并且能够完成固定功能的一系列计算机程序段，其存储在电子设备的存储器中。
在本实施例中，关于各模块/单元的功能如下：
所述网址获取模块101，用于获取待推荐网址集，所述待推荐网址集包括多个待推荐网址及所述多个待推荐网址对应的类型标签；
所述网址划分模块102，用于将所述多个待推荐网址按照类型标签划分为多个待推荐网址子集；
所述收藏标签生成模块103，用于获取用户的收藏网址，提取所述收藏网址的收藏关键词，根据所述收藏关键词生成所述收藏网址的收藏标签；
所述第一待推荐列表生成模块104，用于分别计算所述收藏标签与所有类型标签的第一差异值，确定所述第一差异值小于第一阈值时的类型标签对应的待推荐网址所在的待推荐网址子集为第一待推荐列表；
所述时长提取模块105，用于获取所述用户的浏览网址集，通过所述浏览网址集获取所述用户对所述浏览网址集中各个浏览网址的浏览时长，将所述浏览时长大于时长阈值的目标浏览网址汇集为偏好网址集；
所述偏好提取模块106，用于提取所述偏好网址集中各个偏好网址的偏好关键词；
所述第二待推荐列表生成模块107，用于计算所述偏好关键词与所有类型标签的第二差异值，确定所述第二差异值小于第二阈值时的类型标签对应的待推荐网址所在的待推荐网址子集为第二待推荐列表；
所述网址推送模块108，用于向所述用户推荐所述第一待推荐列表与所述第二待推荐列表包含的待推荐网址。
本发明实施例所提供的网址资源推荐装置100中的模块能够在使用时利用上述的图1的网址资源推荐方法的实施例一样的技术手段，并产生一样的技术效果。
如图3所示，图3是本发明实现网址资源推荐方法的电子设备的结构示意图。
所述电子设备1可以包括处理器10、存储器11和总线，还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序，如网址资源推荐程序12。
其中，所述存储器11至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如：SD或DX存储器等)、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备1的内部存储单元，例如该电子设备1的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备1的外部存储设备，例如电子设备1上配备的插接式移动硬盘、智能存储卡(Smart Media Card，SMC)、安全数字 (SecureDigital，SD)卡、闪存卡(Flash Card)等。进一步地，所述存储器 11还可以既包括电子设备1的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备1的应用软件及各类数据，例如网址资源推荐程序12的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。
所述处理器10在一些实施例中可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器(Central Processing unit，CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器 10是所述电子设备的控制核心(Control Unit)，利用各种接口和线路连接整个电子设备的各个部件，通过运行或执行存储在所述存储器11内的程序或者模块(例如执行网址资源推荐程序等)，以及调用存储在所述存储器11内的数据，以执行电子设备1的各种功能和处理数据。
所述总线可以是外设部件互连标准(peripheral component interconnect，简称PCI)总线或扩展工业标准结构(extended industry standard architecture，简称EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。
图3仅示出了具有部件的电子设备，本领域技术人员可以理解的是，图3 示出的结构并不构成对所述电子设备1的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。
例如，尽管未示出，所述电子设备1还可以包括给各个部件供电的电源 (比如电池)，优选地，电源可以通过电源管理装置与所述至少一个处理器 10逻辑相连，从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备1还可以包括多种传感器、蓝牙模块、Wi-Fi模块等，在此不再赘述。
进一步地，所述电子设备1还可以包括网络接口，可选地，所述网络接口可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等)，通常用于在该电子设备1与其他电子设备之间建立通信连接。
可选地，该电子设备1还可以包括用户接口，用户接口可以是显示器 (Display)、输入单元(比如键盘(Keyboard))，可选地，用户接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是 LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode，有机发光二极管)触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备1中处理的信息以及用于显示可视化的用户界面。
应该了解，所述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。
所述电子设备1中的所述存储器11存储的网址资源推荐程序12是多个计算机程序的组合，在所述处理器10中运行时，可以实现：
获取待推荐网址集，所述待推荐网址集包括多个待推荐网址及所述多个待推荐网址对应的类型标签；
将所述多个待推荐网址按照类型标签划分为多个待推荐网址子集；
获取用户的收藏网址，提取所述收藏网址的收藏关键词，根据所述收藏关键词生成所述收藏网址的收藏标签；
分别计算所述收藏标签与所有类型标签的第一差异值，确定所述第一差异值小于第一阈值时的类型标签对应的待推荐网址所在的待推荐网址子集为第一待推荐列表；
获取所述用户的浏览网址集，通过所述浏览网址集获取所述用户对所述浏览网址集中各个浏览网址的浏览时长，将所述浏览时长大于时长阈值的目标浏览网址汇集为偏好网址集；
提取所述偏好网址集中各个偏好网址的偏好关键词；
计算所述偏好关键词与所有类型标签的第二差异值，确定所述第二差异值小于第二阈值时的类型标签对应的待推荐网址所在的待推荐网址子集为第二待推荐列表；
向所述用户推荐所述第一待推荐列表与所述第二待推荐列表包含的待推荐网址。
进一步地，所述电子设备1集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)。
进一步地，所述计算机可用存储介质可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序等；存储数据区可存储根据区块链节点的使用所创建的数据等。
在本发明所提供的几个实施例中，应该理解到，所揭露的设备，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，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。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。
因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图表记视为限制所涉及的权利要求。
本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第二等词语用来表示名称，而并不表示任何特定的顺序。
最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。

Claims (10)

1.一种网址资源推荐方法，其特征在于，所述方法包括：
获取待推荐网址集，所述待推荐网址集包括多个待推荐网址及所述多个待推荐网址对应的类型标签；
将所述多个待推荐网址按照类型标签划分为多个待推荐网址子集；
获取用户的收藏网址，提取所述收藏网址的收藏关键词，根据所述收藏关键词生成所述收藏网址的收藏标签；
分别计算所述收藏标签与所有类型标签的第一差异值，确定所述第一差异值小于第一阈值时的类型标签对应的待推荐网址所在的待推荐网址子集为第一待推荐列表；
获取所述用户的浏览网址集，通过所述浏览网址集获取所述用户对所述浏览网址集中各个浏览网址的浏览时长，将所述浏览时长大于时长阈值的目标浏览网址汇集为偏好网址集；
提取所述偏好网址集中各个偏好网址的偏好关键词；
计算所述偏好关键词与所有类型标签的第二差异值，确定所述第二差异值小于第二阈值时的类型标签对应的待推荐网址所在的待推荐网址子集为第二待推荐列表；
向所述用户推荐所述第一待推荐列表与所述第二待推荐列表包含的待推荐网址。
2.如权利要求1所述的网址资源推荐方法，其特征在于，所述提取所述收藏网址的收藏关键词，包括：
对所述收藏网址进行数据采样，得到采样数据；
对所述采样数据进行词向量转化，得到词向量集；
计算所述词向量集中各词向量的特征值；
将所述词向量集中各词向量按照所述特征值从大到小进行排序，得到特征序列；
按照从前向后的顺序从所述特征序列中选取预设数量的词向量作为收藏关键词。
3.如权利要求1所述的网址资源推荐方法，其特征在于，所述获取所述用户的浏览网址集，包括：
查询所述用户的浏览网址集的网络缓存；
检测所述网络缓存的存储环境；
通过与所述存储环境对应的编译器编译得到信息调用语句；
执行所述信息调用语句从所述网络缓存中获取所述浏览数据集。
4.如权利要求1所述的网址资源推荐方法，其特征在于，所述将所述多个待推荐网址按照类型标签划分为多个待推荐网址子集，包括：
随机从所述待推荐网址集中选取预设数量的待推荐网址作为多个簇心网址；
分别计算未选取待推荐网址子集中的网址与所述多个簇心网址的距离，其中，所述未选取待推荐网址子集是所述待推荐网址集中未被选取的网址的集合；
依次从所述未选取待推荐网址子集中选取目标网址与待汇集簇心网址进行汇集，直至所述未选取网址子集中的所有网址完成汇集，其中，所述待汇集簇心网址为所述多个簇心网址中与所述目标网址之间距离最小的簇心网址。
5.如权利要求4所述的网址资源推荐方法，其特征在于，所述分别计算未选取待推荐网址子集中的网址与所述多个簇心网址的距离，包括：
利用如下距离算法分别计算所述网址集中未被选取的网址与所述簇心网址的距离值d(A,B)2：
d(A,B)2＝||A-B||2
其中，A为所述未选取待推荐网址子集中任一网址，B为任一簇心网址。
6.如权利要求1至5中任一项所述的网址资源推荐方法，其特征在于，所述通过所述浏览网址集获取所述用户对所述浏览网址集中各个浏览网址的浏览时长，包括：
利用如下时长提取算法提取所述用户对浏览网址集中各个浏览网址的浏览时长：
Figure FDA0002840892780000021
其中，bu(t)为所述浏览网址集中第u个浏览网址的浏览时长，du为所述浏览网址集中第u个浏览网址，i为所述浏览网址集中浏览网址的个数，t0为所述浏览网址集中第u个浏览网址的开始浏览时间，t1为所述浏览网址集中第u个浏览网址的结束浏览时间。
7.如权利要求1所述的网址资源推荐方法，其特征在于，所述向所述用户推荐所述第一待推荐列表与所述第二待推荐列表包含的待推荐网址，包括：
向所述用户对应的用户端发送数据传输接口的调用请求，得到数据接口状态；
当所述数据接口状态为可接收数据传输时，利用所述数据传输接口将所述第一待推送列表和所述第二待推荐列表包含的待推荐网址推送至所述用户对应的用户端。
8.一种网址资源推荐装置，其特征在于，所述装置包括：
网址获取模块，用于获取待推荐网址集，所述待推荐网址集包括多个待推荐网址及所述多个待推荐网址对应的类型标签；
网址划分模块，用于将所述多个待推荐网址按照类型标签划分为多个待推荐网址子集；
收藏标签生成模块，用于获取用户的收藏网址，提取所述收藏网址的收藏关键词，根据所述收藏关键词生成所述收藏网址的收藏标签；
第一待推荐列表生成模块，用于分别计算所述收藏标签与所有类型标签的第一差异值，确定所述第一差异值小于第一阈值时的类型标签对应的待推荐网址所在的待推荐网址子集为第一待推荐列表；
时长提取模块，用于获取所述用户的浏览网址集，通过所述浏览网址集获取所述用户对所述浏览网址集中各个浏览网址的浏览时长，将所述浏览时长大于时长阈值的目标浏览网址汇集为偏好网址集；
偏好提取模块，用于提取所述偏好网址集中各个偏好网址的偏好关键词；
第二待推荐列表生成模块，用于计算所述偏好关键词与所有类型标签的第二差异值，确定所述第二差异值小于第二阈值时的类型标签对应的待推荐网址所在的待推荐网址子集为第二待推荐列表；
网址推送模块，用于向所述用户推荐所述第一待推荐列表与所述第二待推荐列表包含的待推荐网址。
9.一种电子设备，其特征在于，所述电子设备包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行如权利要求1至7中任一所述的网址资源推荐方法。
10.一种计算机可读存储介质，包括存储数据区和存储程序区，存储数据区存储创建的数据，存储程序区存储有计算机程序；其中，所述计算机程序被处理器执行时实现如权利要求1至7中任一所述的网址资源推荐方法。
CN202011491781.0A 2020-12-16 2020-12-16 网址资源推荐方法、装置、电子设备及计算机存储介质 Pending CN112559923A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011491781.0A CN112559923A (zh) 2020-12-16 2020-12-16 网址资源推荐方法、装置、电子设备及计算机存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011491781.0A CN112559923A (zh) 2020-12-16 2020-12-16 网址资源推荐方法、装置、电子设备及计算机存储介质

Publications (1)

Publication Number Publication Date
CN112559923A true CN112559923A (zh) 2021-03-26

Family

ID=75064183

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011491781.0A Pending CN112559923A (zh) 2020-12-16 2020-12-16 网址资源推荐方法、装置、电子设备及计算机存储介质

Country Status (1)

Country Link
CN (1) CN112559923A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113051480A (zh) * 2021-04-22 2021-06-29 深圳壹账通智能科技有限公司 资源推送方法、装置、电子设备及存储介质
CN113360803A (zh) * 2021-06-01 2021-09-07 平安银行股份有限公司 基于用户行为的数据缓存方法、装置、设备及存储介质
CN113434660A (zh) * 2021-06-28 2021-09-24 平安银行股份有限公司 基于多领域分类的产品推荐方法、装置、设备及存储介质
CN113793218A (zh) * 2021-09-16 2021-12-14 平安银行股份有限公司 用户账户变更行为分析方法、装置、设备及存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011108034A (ja) * 2009-11-18 2011-06-02 Tokyo Institute Of Technology 複数の属性を利用したＷｅｂページ推薦方法
CN102799662A (zh) * 2012-07-10 2012-11-28 北京奇虎科技有限公司 推荐网址的方法、装置及系统
CN105893581A (zh) * 2016-04-03 2016-08-24 北京设集约科技有限公司 一种有效分享收藏的方法及系统

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011108034A (ja) * 2009-11-18 2011-06-02 Tokyo Institute Of Technology 複数の属性を利用したＷｅｂページ推薦方法
CN102799662A (zh) * 2012-07-10 2012-11-28 北京奇虎科技有限公司 推荐网址的方法、装置及系统
CN105868291A (zh) * 2012-07-10 2016-08-17 北京奇虎科技有限公司 推荐网址的方法、装置及系统
CN105893581A (zh) * 2016-04-03 2016-08-24 北京设集约科技有限公司 一种有效分享收藏的方法及系统

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113051480A (zh) * 2021-04-22 2021-06-29 深圳壹账通智能科技有限公司 资源推送方法、装置、电子设备及存储介质
CN113360803A (zh) * 2021-06-01 2021-09-07 平安银行股份有限公司 基于用户行为的数据缓存方法、装置、设备及存储介质
CN113360803B (zh) * 2021-06-01 2024-06-25 平安银行股份有限公司 基于用户行为的数据缓存方法、装置、设备及存储介质
CN113434660A (zh) * 2021-06-28 2021-09-24 平安银行股份有限公司 基于多领域分类的产品推荐方法、装置、设备及存储介质
CN113793218A (zh) * 2021-09-16 2021-12-14 平安银行股份有限公司 用户账户变更行为分析方法、装置、设备及存储介质
CN113793218B (zh) * 2021-09-16 2023-07-25 平安银行股份有限公司 用户账户变更行为分析方法、装置、设备及存储介质

Similar Documents

Publication Publication Date Title
CN112559923A (zh) 网址资源推荐方法、装置、电子设备及计算机存储介质
CN113449187B (zh) 基于双画像的产品推荐方法、装置、设备及存储介质
CN112380859A (zh) 舆情信息的推荐方法、装置、电子设备及计算机存储介质
CN112733023A (zh) 资讯推送方法、装置、电子设备及计算机可读存储介质
CN114663198A (zh) 基于用户画像的产品推荐方法、装置、设备及存储介质
CN112507230B (zh) 基于浏览器的网页推荐方法、装置、电子设备及存储介质
CN113051480A (zh) 资源推送方法、装置、电子设备及存储介质
CN113592605B (zh) 基于相似产品的产品推荐方法、装置、设备及存储介质
CN115391669A (zh) 一种智能推荐方法、装置、电子设备
CN113886708A (zh) 基于用户信息的产品推荐方法、装置、设备及存储介质
CN111652282B (zh) 基于大数据的用户偏好分析方法、装置及电子设备
CN113360803A (zh) 基于用户行为的数据缓存方法、装置、设备及存储介质
CN114398560B (zh) 基于web平台的营销界面设置方法、装置、设备及介质
CN113506045A (zh) 基于移动设备的风险用户识别方法、装置、设备及介质
CN116362684A (zh) 一种基于图书馆集群的图书管理方法、装置、设备及存储介质
CN113705698B (zh) 基于点击行为预测的信息推送方法及装置
CN113486238A (zh) 基于用户画像的信息推送方法、装置、设备及存储介质
CN114066533A (zh) 产品推荐方法、装置、电子设备及存储介质
CN113707302A (zh) 基于关联信息的服务推荐方法、装置、设备及存储介质
CN113434660A (zh) 基于多领域分类的产品推荐方法、装置、设备及存储介质
CN114780688A (zh) 基于规则匹配的文本质检方法、装置、设备及存储介质
CN113344674A (zh) 基于用户购买力的产品推荐方法、装置、设备及存储介质
CN111383050A (zh) 产品数据整合及分析方法、装置及计算机可读存储介质
CN113592606B (zh) 基于多重决策的产品推荐方法、装置、设备及存储介质
CN115242638B (zh) 可行触达的筛选方法、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