CN112883280A - 用户推荐内容的处理系统以及方法 - Google Patents

Abstract

本申请实施例公开了一种用户推荐内容的处理系统以及方法。所述系统包括推荐服务设备、回放查询服务设备以及推荐分析终端设备；推荐服务设备配置为，将基于用户特征行为搜索到的至少两个用户的推荐内容调整为预设数据结构的推荐内容；回放查询服务设备配置为，查询所述至少两个用户中任一用户的预设数据结构的推荐内容；推荐分析终端设备配置为，依据查询到的该用户的预设数据结构的推荐内容对用户一段时间内的推荐情景进行细粒度还原展示。采用本申请方案，能呈现用户操作过程中真实推荐原貌，最细粒度的全面还原全推荐场景覆盖，通过准确还原推荐效果，方便站在使用者角度感知其使用体验和效果。

Description

用户推荐内容的处理系统以及方法

技术领域

本发明实施例涉及互联网技术领域，尤其涉及一种用户推荐内容的处理系统以及方法。

背景技术

基于大数据智能推荐是互联网平台提升用户粘性、提高线上成交以及扩大平台流量的主流方式。为了向用户提供更加精准、有效的信息，因此互联网平台的产品经理、数据分析人员以及运营人员等，需要根据推荐的结果分析和验证新的运营推荐策略的有效性。相关技术中，主要采集推荐结果的具体数据并透过冰冷的数据和数据分析结果来验证推荐策略有效性，但是无法真实感知具体向用户推荐内容时使用效果，导致无法很好地进行有效性分析。

发明内容

本发明实施例中提供了一种用户推荐内容的处理系统以及方法，以实现准确还原推荐效果，不仅仅是数据分析结果同时还呈现用户的使用效果。

第一方面，本申请实施例中提供了一种用户推荐内容的处理系统，所述系统包括：推荐服务设备、回放查询服务设备以及推荐分析终端设备；其中：

推荐服务设备配置为，将基于用户特征行为搜索到的至少两个用户的推荐内容调整为预设数据结构的推荐内容；

回放查询服务设备配置为，查询所述至少两个用户中任一用户的预设数据结构的推荐内容；

推荐分析终端设备配置为，依据查询到的该用户的预设数据结构的推荐内容对用户一段时间内的推荐情景进行细粒度还原展示。

第二方面，本申请实施例中还提供了一种用户推荐内容的处理方法，包括：

推荐服务设备将基于用户特征行为搜索到的至少两个用户的推荐内容调整为预设数据结构的推荐内容；

回放查询服务设备查询所述至少两个用户中任一用户的预设数据结构的推荐内容；

推荐分析终端设备依据查询到的该用户的预设数据结构的推荐内容对用户一段时间内的推荐情景进行细粒度还原展示。

本申请实施例中提供了一种用户推荐内容的处理系统，推荐服务设备将基于用户特征行为搜索到的至少两个用户的推荐内容调整为预设数据结构的推荐内容，回放查询服务设备查询至少两个用户中任一用户的预设数据结构的推荐内容；进而，推荐分析终端设备会依据查询到的该用户的预设数据结构的推荐内容对用户一段时间内的推荐情景进行细粒度还原展示。采用本申请方案，能呈现用户操作过程中真实推荐原貌，最细粒度的全面还原全推荐场景覆盖，通过准确还原推荐效果，方便站在使用者角度感知其使用体验和效果，这样一来同时结合数据分析结果和呈现任一具体用户的使用效果验证推荐策略有效性。

上述申请内容仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。

附图说明

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显。附图仅用于示出优选实施方式的目的，而并不认为是对本申请的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：

图1是本发明实施例中提供的一种用户推荐内容的处理系统的结构框图；

图2是本发明实施例中提供的一种用户推荐内容的处理系统的架构图；

图3是本发明实施例中提供的一种用户推荐内容的处理方法的流程图。

具体实施方式

下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅用于解释本公开，而非对本申请的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本申请相关的部分而非全部结构。

在更加详细地讨论示例性实施例之前，应当提到的是，一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各项操作(或步骤)描述成顺序的处理，但是其中的许多操作(或步骤)可以被并行地、并发地或者同时实施。此外，各项操作的顺序可以被重新安排。当其操作完成时所述处理可以被终止，但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。

图1是本发明实施例中提供的一种用户推荐内容的处理系统的结构框图。本实施例可适用于对用户推荐内容采用的推荐策略进行分析和验证的情况。该系统可以采用软件和/或硬件的方式来实现。如图1所示，本实施例中提供的用户推荐内容的处理系统，可以包括：推荐服务设备110、回放查询服务设备120以及推荐分析终端设备130。其中：

推荐服务设备110配置为，将基于用户特征行为搜索到的至少两个用户的推荐内容调整为预设数据结构的推荐内容；

回放查询服务设备120配置为，查询所述至少两个用户中任一用户的预设数据结构的推荐内容；

推荐分析终端设备130配置为，依据查询到的该用户的预设数据结构的推荐内容对用户一段时间内的推荐情景进行细粒度还原展示。

在智能推荐过程中，可依赖实时的用户行为、特征属性以及衍生数据等向用户推送合适的推荐内容，以便在用户端设备上展示推荐的内容。为了向用户提供更加精准与有效的推荐内容，在向用户提供推荐内容的情况下通常会对提供的推荐内容进行验证，以判断验证推荐策略是否有效。

参见图1与图2，在向用户提供推荐内容进行显示的情况下，可以设置推荐服务设备110基于用户特征行为搜索到的至少两个用户的推荐内容调整为预设数据结构的推荐内容，便于对推荐内容进行统一格式的存储与提取。推荐服务设备110会对多个用户的推荐内容进行数据结构调整，但是并不一定需要同时查询获取所有用户的预设数据结构的推荐内容，而是会对这些预设数据结构的推荐内容进行持久化存储与缓存。

参见图2，回放查询服务设备120可以查询获取需要分析验证的一个或一类用户的预设数据结构的推荐内容，并将查询的预设数据结构的推荐内容返回给推荐分析终端设备130。推荐分析终端设备130会按照用户的预设数据结构的推荐内容对用户一段时间内的推荐情景进行细粒度还原展示，细粒度还原呈现用户操作过程中的真实推荐原貌，方便互联网平台的产品经理、数据分析人员以及运营人员等站在使用者的角度在第一时间感知对用户进行内容推荐的使用体验和效果。

在本实施例的一种可选方案中，可以与上述一个或者多个实施例中各个可选方案结合。其中，对推荐内容进行调整时所采用的预设数据结构包括推荐内容查询键值字段、推荐内容生效时间字段以及推荐内容取值字段；推荐内容查询键值字段基于用户标识与推荐场景标识进行确定。

参见图2，在根据用户特征行为计算搜索得到推荐内容，除了将搜索的结果向用户进行推荐展示以外，还会以用户维度对搜索的对全网用户的推荐内容进行实时存储及离线聚合，通常情况下需要存储的推荐内容数据主要包括用户标识ID、推荐内容、推荐场景ID以及推荐内容时间节点等。为保证数据写入与查询规则一致，推荐服务设备110可按照预设的数据结构对搜索的推荐内容进行调整维护。例如，以key：score-value的数据结构维护搜索到的各用户的推荐内容；key由用户标识ID+推荐场景ID组成，score分数值为推荐内容的生效时间，value为推荐内容的具体取值。

在本实施例的一种可选方案中，可以与上述一个或者多个实施例中各个可选方案结合。其中，推荐服务设备110还配置为，以用户为维度，将调整后的各个用户的预设数据结构的推荐内容持久化存储到MySQL数据库集群；以及将调整后的各个用户的预设数据结构的推荐内容同步到Redis缓存服务。

参见图2，为了验证推荐策略的有效性，通常可对具体用户具体推荐场景进行实时和历史的高度还原，站在使用者角度感受第一时间感知期的使用体验和效果，这样一来就需要推荐服务设备110对所有推荐内容进行高效高实时性查询并存储关键埋点数据。对于历史推荐内容还原情况，以用户为维度，将用户的所有推荐内容实时持久化写入MySQL数据库集群，以便在需要进行及时获取历史推荐内容。对于实时推荐内容还原情况，可将推荐内容同步至缓存Redis集群以解决大量且实时性要求高的回放数据查询性能问题，实现在向用户进行推荐的同时可以在推荐分析终端设备130看到与用户在用户端相同的推荐场景。

作为一种可选方案，参见图2，Redis缓存服务具体可配置为，基于各个用户的预设数据结构的推荐内容使用频率，筛选出部分预设数据结构的推荐内容进行缓存。其中，推荐内容在Redis缓存服务中的缓存优先级与预设数据结构的推荐内容的使用频率成正比。例如，预设数据结构的推荐内容的使用频率越大，推荐内容越容易被存储在Redis缓存服务，预设数据结构的推荐内容的使用频率越小，推荐内容越不容易被存储在Redis缓存服务。

可选地，基于推荐内容在Redis缓存服务中的生效时间可将超过生效时间的预设数据结构的推荐内容进行剔除，实现对无效推荐内容的及时清理，释放Redis缓存服务的缓存空间。其中，预设数据结构的推荐内容在Redis缓存服务中的生效时间与预设数据结构的推荐内容使用频率成正比。例如，预设数据结构的推荐内容使用频率，预设数据结构的推荐内容在Redis缓存服务中的生效时间越长，反之则越短。

作为一种可选方案，回放查询服务设备120具体配置为，从Redis缓存服务中查询实时同步的至少两个用户中任一用户的预设数据结构的推荐内容，用以实现在向用户推荐内容时实时同步细粒度还原展示。

参见图2，运营人员透过冰冷的推荐数据和数据分析结果，很难体会到在真实场景下感知具体用户的使用效果，其原因在于真实推荐场景下用户的特征属性受用户标签、地理位置、操作行为等不可控因素影响，由此影响下无法呈现用户操作过程中的真实原貌，而通过在向用户进行推荐的情况下同步获取缓存在Redis缓存服务中的该用户的推荐内容，使用实时回放技术可通过用户映像回放功能最细粒度的原貌进行全面还原。在实时性的场景下需配合真实的交互场景，保障运营人员等能够更贴近用户直接并立足于用户的视角去看待和使用产品，更有利于洞察和优化满足用户诉求提升用户体验和粘性。

作为另一种可选方案，回放查询服务设备具体还配置为，从MySQL数据库集群中查询历史存储的所述至少两个用户中任一用户的预设数据结构的推荐内容，用以实现在向用户推荐内容之后进行细粒度还原回放展示。

参见图2，运营人员不可能将精力全部关注在实时推荐时间节点关注用户的推荐场景使用原貌，其原因在于用户的展示效果是实时的而数据分析结果则是滞后的，在结果确认上会有所缺失。通过使用实时回放技术可MySQL数据库集群中获取历史的推荐内容进入具体用户的推荐场景，完全复刻展示效果，能够在场景无丢失、保持最高还原度的前提条件下还原用户一段时间的历史使用的推荐内容情景。这样就能通过对历史推荐实现情景再现，基于已操作过场景的历史推荐内容进行二次分析及后续的推荐策略校正。

在本实施例的一种可选方案中，可以与上述一个或者多个实施例中各个可选方案结合。其中，本实施例中提供的用户推荐内容的处理系统还可包括：回放配置服务140；回放配置服务140配置为，对调整后的各个用户的预设数据结构的推荐内容的回放方式模板进行动态配置以及存储。

相应地，回放查询服务设备120还配置为，依据回放配置服务140推送的回放方式模板，查询至少两个用户中任一用户的预设数据结构的推荐内容。

参见图2，可以利用已有Zookeepr框架预设设计封装一个动态化回访配置服务，在动态化回访配置服务动态存储回放方式模板，回放查询服务设备120实时注册监听配置服务，在回放查询时接收回放配置服务140推送的回放方式模板实时规则读取和解析，不依赖服务发布动态调整回放策略。同时通过统一的回放方式模板可以保证数据同步前先解析回放规则模板得到写入规则，实现写入与查询规则一致。

作为一种可选方案，回放查询服务设备具体配置为，通过对回放方式模板解析，将虚拟用户标识一对一映射成为真实用户标识，读取解析结果中推荐场景标识、立即回放以及历史回放时间段参数，以锁定推荐内容的回放范围。

参见图2，动态解析回放方式模板，首先将虚拟用户id按照配置规则一对一映射成为目标真实用户id，再读取解析结果中场景id、立即回放、历史回放时间段这三个参数，通过解析结果最终锁定回放的范围。进而，从MySQL数据库集群或者Redis缓存服务中获取锁定范围内推荐内容并将需要回放的推荐内容返回给推荐分析终端设备130。这样一来，推荐分析终端设备130就能对用户一段时间内的推荐情景进行细粒度还原展示。

可选地，回放方式模板指示可以通过以下字段对推荐内容进行锁定：回放开关、回放场景名称、推荐内容查询键值字段、推荐内容生效时间字段(回放起始时间点与回放结束时间点)、回放模式选择(比如实时回放模式和历史回放模式)、用户镜像规则以及推荐内容取值字段等。

本申请实施例中提供了一种用户推荐内容的处理系统，相对目前智能推荐包括基础行为数据的采集、数据流转与存储、数据汇总报表以及图并进行数据分析生成结论的分析过程而言，本案能呈现用户操作过程中真实推荐原貌，最细粒度的全面还原全推荐场景覆盖，通过准确还原推荐效果，方便站在使用者角度感知其使用体验和效果，这样一来同时结合数据分析结果和呈现任一具体用户的使用效果验证推荐策略有效性。针对平台内部用户，其智能推荐展示的时间可配置可选择，即可以实时还原，也可以对历史效果进行还原。

图3是本发明实施例中提供的一种用户推荐内容的处理方法的流程图。本实施例可适用于对用户推荐内容采用的推荐策略进行分析和验证的情况。该方法可应用于前述实施例中提供的用户推荐内容的处理系统。如图3所示，本实施例中提供的用户推荐内容的处理方法，可以包括以下步骤：

S310、推荐服务设备将基于用户特征行为搜索到的至少两个用户的推荐内容调整为预设数据结构的推荐内容。

在上述实施例的基础上，可选地，所述预设数据结构包括推荐内容查询键值字段、推荐内容生效时间字段以及推荐内容取值字段；所述推荐内容查询键值字段基于用户标识与推荐场景标识进行确定。

S330、回放查询服务设备查询所述至少两个用户中任一用户的预设数据结构的推荐内容。

在上述实施例的基础上，可选地，在推荐服务设备将基于用户特征行为搜索到的至少两个用户的推荐内容调整为预设数据结构的推荐内容之后，还包括：

推荐服务设备还以用户为维度，将调整后的各个用户的预设数据结构的推荐内容持久化存储到MySQL数据库集群并同步到Redis缓存服务。

在上述实施例的基础上，可选地，Redis缓存服务基于各个用户的预设数据结构的推荐内容使用频率，筛选出部分预设数据结构的推荐内容进行缓存。

在上述实施例的基础上，可选地，查询所述至少两个用户中任一用户的预设数据结构的推荐内容，包括：

从Redis缓存服务中查询实时同步的所述至少两个用户中任一用户的预设数据结构的推荐内容，用以实现在向用户推荐内容时实时同步细粒度还原展示；

从MySQL数据库集群中查询历史存储的至少两个用户中任一用户的预设数据结构的推荐内容，用以实现在向用户推荐内容之后进行细粒度还原回放展示。

S330、推荐分析终端设备依据查询到的该用户的预设数据结构的推荐内容对用户一段时间内的推荐情景进行细粒度还原展示。

在上述实施例的基础上，可选地，所述方法还包括；

通过回放配置服务，对调整后的各个用户的预设数据结构的推荐内容的回放方式模板进行动态配置以及存储；

回放查询服务设备，依据回放配置服务推送的回放方式模板，查询所述至少两个用户中任一用户的预设数据结构的推荐内容。

在上述实施例的基础上，可选地，查询所述至少两个用户中任一用户的预设数据结构的推荐内容，包括：

通过对回放方式模板解析，将虚拟用户标识一对一映射成为真实用户标识，读取解析结果中推荐场景标识、立即回放以及历史回放时间段参数，以锁定推荐内容的回放范围。

本发明实施例中所提供的用户推荐内容的处理方法可应用于上述本发明任意实施例中所提供的用户推荐内容的处理系统，具备该用户推荐内容的处理系统相应的功能和有益效果，未在上述实施例中详尽描述的技术细节，具体可参见本申请任意实施例中所提供的用户推荐内容的处理系统。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

注意，上述仅为本申请的较佳实施例及所运用技术原理。本领域技术人员会理解，本申请不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本申请的保护范围。因此，虽然通过以上实施例对本申请进行了较为详细的说明，但是本申请不仅仅限于以上实施例，在不脱离本申请构思的情况下，还可以包括更多其他等效实施例，而本申请的范围由所附的权利要求范围决定。

Claims (10)

1.一种用户推荐内容的处理系统，其特征在于，所述系统包括：推荐服务设备、回放查询服务设备以及推荐分析终端设备；其中：

推荐服务设备配置为，将基于用户特征行为搜索到的至少两个用户的推荐内容调整为预设数据结构的推荐内容；

回放查询服务设备配置为，查询所述至少两个用户中任一用户的预设数据结构的推荐内容；

推荐分析终端设备配置为，依据查询到的该用户的预设数据结构的推荐内容对用户一段时间内的推荐情景进行细粒度还原展示。

2.根据权利要求1所述的系统，其特征在于，所述预设数据结构包括推荐内容查询键值字段、推荐内容生效时间字段以及推荐内容取值字段；所述推荐内容查询键值字段基于用户标识与推荐场景标识进行确定。

3.根据权利要求1所述的系统，其特征在于，

推荐服务设备还配置为，以用户为维度，将调整后的各个用户的预设数据结构的推荐内容持久化存储到MySQL数据库集群并同步到Redis缓存服务。

4.根据权利要求3所述的系统，其特征在于，

所述Redis缓存服务配置为，基于各个用户的预设数据结构的推荐内容使用频率，筛选出部分预设数据结构的推荐内容进行缓存。

5.根据权利要求3所述的系统，其特征在于，

回放查询服务设备具体配置为，从Redis缓存服务中查询实时同步的所述至少两个用户中任一用户的预设数据结构的推荐内容，用以实现在向用户推荐内容时实时同步细粒度还原展示；

回放查询服务设备具体还配置为，从MySQL数据库集群中查询历史存储的所述至少两个用户中任一用户的预设数据结构的推荐内容，用以实现在向用户推荐内容之后进行细粒度还原回放展示。

6.根据权利要求1所述的系统，其特征在于，还包括回放配置服务；

回放配置服务配置为，对调整后的各个用户的预设数据结构的推荐内容的回放方式模板进行动态配置以及存储；

回放查询服务设备还配置为，依据回放配置服务推送的回放方式模板，查询所述至少两个用户中任一用户的预设数据结构的推荐内容。

7.根据权利要求6所述的系统，其特征在于，

回放查询服务设备具体配置为，通过对回放方式模板解析，将虚拟用户标识一对一映射成为真实用户标识，读取解析结果中推荐场景标识、立即回放以及历史回放时间段参数，以锁定推荐内容的回放范围。

8.一种用户推荐内容的处理方法，其特征在于，包括：

推荐服务设备将基于用户特征行为搜索到的至少两个用户的推荐内容调整为预设数据结构的推荐内容；

回放查询服务设备查询所述至少两个用户中任一用户的预设数据结构的推荐内容；

推荐分析终端设备依据查询到的该用户的预设数据结构的推荐内容对用户一段时间内的推荐情景进行细粒度还原展示。

9.根据权利要求8所述的方法，其特征在于，所述方法还包括：

推荐服务设备还以用户为维度，将调整后的各个用户的预设数据结构的推荐内容持久化存储到MySQL数据库集群并同步到Redis缓存服务。

10.根据权利要求9所述的方法，其特征在于，查询所述至少两个用户中任一用户的预设数据结构的推荐内容，包括：

从Redis缓存服务中查询实时同步的所述至少两个用户中任一用户的预设数据结构的推荐内容，用以实现在向用户推荐内容时实时同步细粒度还原展示；

从MySQL数据库集群中查询历史存储的至少两个用户中任一用户的预设数据结构的推荐内容，用以实现在向用户推荐内容之后进行细粒度还原回放展示。

Images