CN112966203A

CN112966203A - 一种等级确定方法、装置、电子设备及存储介质

Info

Publication number: CN112966203A
Application number: CN202110268212.8A
Authority: CN
Inventors: 杨虡; 袁敏
Original assignee: Individual
Current assignee: Individual
Priority date: 2021-03-12
Filing date: 2021-03-12
Publication date: 2021-06-15
Anticipated expiration: 2041-03-12
Also published as: CN112966203B

Abstract

本申请提供了一种等级确定方法、装置、电子设备及存储介质，涉及等级评定领域。首先确定与第一目标账户关联的文本数量及每个文本的分值，其中，分值与每个第二目标账户的评分及每个第二目标账户的等级关联，然后依据每个文本的分值确定平均值，并依据平均值与预设的平均值调节系数确定平均值指数，再依据分值中的最大值、最小值以及平均值确定样本参数，再依据平均值指数、样本系数以及样本参数确定第一目标账户对应的等级分，其中，样本系数与文本数量关联，最后依据等级分及预设的等级分与等级的对应关系确定第一目标账户的等级。本申请提供的等级确定方法、装置、电子设备及存储介质具有对用户等级评定更加准确的优点。

Description

一种等级确定方法、装置、电子设备及存储介质

技术领域

本申请涉及等级评定领域，具体而言，涉及一种等级确定方法、装置、电子设备及存储介质。

背景技术

网络文学是随着互联网兴起的以网络为载体的文学形式。互联网因其良好的聚集性、互动性深受广大文学爱好者喜爱，成为其进行以文学为主题的社交活动的重要场所。

对用户等级的评定对于网络文学而言具有重要意义，例如可基于用户等级进行好友推荐、作品推荐等。然而，现有技术中缺乏对用户等级评定的相关技术，或在对用户等级评定时仅依据单一的参数，例如用户登录天数、发表的总作品数等，导致对用户等级评定的结果并不合理。

综上，现有技术中存在无法对用户等级进行评定，或对用户等级评定的结果并不合理的问题。

发明内容

本申请的目的在于提供一种等级确定方法、装置、电子设备及存储介质，以解决现有技术中存在的无法对用户等级进行评定，或对用户等级评定的结果并不合理的问题。

为了实现上述目的，本申请实施例采用的技术方案如下：

第一方面，本申请实施例提供了一种等级确定方法，所述等级确定方法应用于等级确定系统的服务器，所述方法包括；

确定与第一目标账户关联的文本数量及每个文本的分值，其中，所述分值与每个第二目标账户的评分及每个第二目标账户的等级关联；

依据每个文本的分值确定平均值，并依据所述平均值与预设的平均值调节系数确定平均值指数；

确定所有账户关联的所有文本分值中的最大值与第二平均值，并依据所述第一平均值、所述最大值以及所述第二平均值确定样本参数；

依据所述平均值指数、样本系数以及所述样本参数确定所述第一目标账户对应的等级分，其中，所述样本系数与所述文本数量关联；

依据所述等级分及预设的等级分与等级的对应关系确定所述第一目标账户的等级。

第二方面，本申请实施例提供了一种等级确定装置，所述等级确定装置应用于等级确定系统的服务器，所述方法包括；

数据确定单元，用于确定与第一目标账户关联的文本数量及每个文本的分值，其中，所述分值与每个第二目标账户的评分及每个第二目标账户的等级关联；

参数确定单元，用于依据每个文本的分值确定平均值，并依据所述平均值与预设的平均分调节系数确定平均值指数；

参数确定单元，还用于确定所有账户关联的所有文本分值中的最大值与第二平均值，并依据所述第一平均值、所述最大值以及所述第二平均值确定样本参数；

参数确定单元，还用于依据所述平均值指数、样本系数以及所述样本参数确定所述第一目标账户对应的等级分，其中，所述样本系数所述文本数量关联；

等级确定单元，用于依据所述等级分及预设的等级分与等级的对应关系确定所述第一目标账户的等级。

第三方面，本申请实施例提供一种电子设备，所述电子设备包括存储器，用于存储一个或多个程序；处理器。当所述一个或多个程序被所述处理器执行时，实现上述的等级确定方法。

第四方面，本申请实施例提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述的等级确定方法。

相对于现有技术，本申请具有以下有益效果：

本申请提供了一种等级确定方法、装置、电子设备及存储介质，应用于等级确定系统的服务器，首先确定与第一目标账户关联的文本数量及每个文本的分值，其中，分值与每个第二目标账户的评分及每个第二目标账户的等级关联，然后依据每个文本的分值确定平均值，并依据平均值与预设的平均值调节系数确定平均值指数，再依据分值中的最大值、最小值以及平均值确定样本参数，再依据平均值指数、样本系数以及样本参数确定第一目标账户对应的等级分，其中，样本系数与文本数量关联，最后依据等级分及预设的等级分与等级的对应关系确定第一目标账户的等级。由于本申请在确定用户等级时，会基于第一目标账户关联的文本数量及每个文本对应的分值确定，且文本分值与第二目标账户的评分值与等级相关联，因此可通过用户发布的作品的评价确定该用户的等级，等级的评定更加准确。

为使本申请的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。

附图说明

为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它相关的附图。

图1为本申请实施例提供的服务器的模块示意图。

图2为本申请实施例提供的等级确定方法的第一种示例性流程图。

图3为本申请实施例提供的技术架构的一种交互示意图。

图4为本申请实施例提供的等级确定方法的第二种示例性流程图。

图5为本申请实施例提供的等级确定方法的第三种示例性流程图。

图6为本申请实施例提供的映射关系的示意图。

图7为本申请实施例提供的第一目标账户的第一种界面图。

图8为本申请实施例提供的第一目标账户的第二种界面图。

图9为本申请实施例提供的第一目标账户的第三种界面图。

图10为本申请实施例提供的第一目标账户的第四种界面图。

图11为本申请实施例提供的等级确定装置的一种模块示意图。

图中：100-电子设备；101-处理器；102-存储器；103-通信接口；200-等级确定装置；210-数据确定单元；220-参数确定单元。

具体实施方式

为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。

因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本申请的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

在本申请的描述中，需要说明的是，术语“上”、“下”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，或者是该申请产品使用时惯常摆放的方位或位置关系，仅是为了便于描述本申请和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本申请的限制。

在本申请的描述中，还需要说明的是，除非另有明确的规定和限定，术语“设置”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本申请中的具体含义。

下面结合附图，对本申请的一些实施方式作详细说明。在不冲突的情况下，下述的实施例及实施例中的特征可以相互组合。

正如背景技术中所述，现有技术中缺乏对用户等级评定的相关技术，或在对用户等级评定时仅依据单一的参数，例如用户登录天数、发表的总作品数等，导致对用户等级评定的结果并不合理。

有鉴于此，本申请提供了一种等级确定方法，以解决上述问题。

需要说明的是，本申请提供的等级确定方法可以应用于电子设备100中，图1示出本申请实施例提供的电子设备100的一种示意性结构框图，电子设备100包括存储器102、处理器101和通信接口103，该存储器102、处理器101和通信接口103相互之间直接或间接地电性连接，以实现数据的传输或交互。例如，这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。

存储器102可用于存储软件程序及模块，如本申请实施例提供的等级确定装置对应的程序指令或模块，处理器101通过执行存储在存储器102内的软件程序及模块，从而执行各种功能应用以及数据处理，进而执行本申请实施例提供的等级确定方法的步骤。该通信接口103可用于与其他节点设备进行信令或数据的通信。

其中，存储器102可以是，但不限于，随机存取存储器(Random Access Memory，RAM)，只读存储器(Read Only Memory，ROM)，可编程只读存储器(Programmable Read-OnlyMemory，PROM)，可擦除只读存储器(Erasable Programmable Read-Only Memory，EPROM)，电可擦除可编程只读存储器(Electric Erasable Programmable Read-Only Memory，EEPROM)等。

处理器101可以是一种集成电路芯片，具有信号处理能力。该处理器101可以是通用处理器，包括中央处理器(Central Processing Unit，CPU)、网络处理器(NetworkProcessor，NP)等；还可以是数字信号处理器(Digital Signal Processing，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field－Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。

可以理解，图1所示的结构仅为示意，电子设备100还可以包括比图1中所示更多或者更少的组件，或者具有与图1所示不同的配置。图1中所示的各组件可以采用硬件、软件或其组合实现。

下面以等级确定系统中的服务器作为电子设备，对本申请实施例提供的等级确定方法进行示例性说明。其中，等级确定系统中还包括多个客户端，客户端与服务器之间通信连接。

作为一种实现方式，请参阅图2，该方法包括：

S102，确定与第一目标账户关联的文本数量及每个文本的分值，其中，分值与每个第二目标账户的评分及每个第二目标账户的等级关联；

S104，依据每个文本的分值确定平均值，并依据平均值与预设的平均值调节系数确定平均值指数；

S106，依据所有账户关联的所有文本分值中的最大值与第二平均值，并依据第一平均值、最大值以及第二平均值确定样本参数；

S108，依据平均值指数、样本系数以及样本参数确定第一目标账户对应的等级分，其中，样本系数与文本数量关联；

S110，依据等级分及预设的等级分与等级的对应关系确定第一目标账户的等级。

其中，一篇文学作品得到高低不同的评价，表明其作者具备不同的文学水平。而作者的文学水平不同意味着其进行的文学评价参考价值不同。因此一个网络文学社交体系中，作品获得的评价和作者的等级实际上存在互相关性。在此基础上，本申请利用作品获得的评价确定发表该作品的用户的等级，同时，作品获得的评价又与评价者的等级及评分值关联。

需要说明的是，本申请所述的文本可以为一种文学作品类型，例如诗、词、短文作品类型，当然地，也可以为其它类型的文本，例如歌曲等，本申请对此并不做限定。为了便于说明，本申请以诗作为文本类型进行说明。

在所有用户中，当需要对某一用户进行等级确定时，则该用户使用的账户作为第一目标账户。当第一目标账户发布作品后，服务器会统计第一目标账户发送的所有作品的数量，以及每个作品的评分。例如，某用户发布了30首自己创作的诗，其中A的分值为6.5，B的分值为7，C的分值为5…。并且，每首诗的分值与为该诗打分的用户的等级及打分值相关联，例如，对于作品A，某用户X的等级为四级，对作品A的打分为6.5，某用户Y的等级为五级，对作品A的打分为7，某用户Z的等级为六级，对作品A的打分为5，则作品A的最终分值由X、Y以及Z的等级，及每个用户对作品的打分确定。

可以理解地，本申请所述的第二目标账户，指的是为第一目标账户发布作品进行打分的账户。由于本申请在确定用户等级时，利用用户作品的得分进行确定，同时作品的得分又与进行评分的第二目标账户的等级与评分值关联，因此在确定用户等级时更加合理与准确，效果更好。

为了便于叙述，第一目标账户关联的文本数量用K表示，且每篇文本的分值分别为A1、A2…Ak。且第一目标账户关联的文本，即表征用户发布的作品。

在确定第一目标账户关联的所有文本的分值后，即可确定所有文本的第一平均值，该平均值满足公式：

Aavg＝(A1+A2+…+Ak)/k，其中，Aavg表示第一平均值。然后依据平均值与预设的平均值调节系数确定平均值指数，平均值指数满足公式：

Ap＝Aavg^y*P，

其中，Ap表示平均值指数，y与P均表示平均值调节系数，且一般y>1，P>1，以扩大平均分的影响。

此外，从统计学的角度而言，作者发表的作品越多则样本越多，其得分对于评价该作者文学水平的参考价值越大。因此本申请还会依据文本数量与预设的样本调节系数确定样本系数，样本系数满足公式：

Ac＝k^z*Q

其中，Ac表示样本系数，k表示文本数量，Z与Q均为预设的样本调节系数，且一般取z<1，Q<1，以减小作品数量的影响。

同时，服务器还会查询所有账户关联的所有文本分值中的最大值与第二平均值，记为Amaxall和Aavgall，并计算样本参数，记作X。换言之，进行等级确定之前，服务器会将所有账户关联的文本均同一置于数据库中，同时确定数据库中所有文本的最大值与平均值。

作为一种实现方式，样本参数的公式满足：

X＝(Aavg-Aavgall)÷(Amaxall-Aavgall)。

样本系数确定后，样本多且平均分高的用户应进一步加大其等级；而样本多平均分低的用户应进一步降低其等级。通过确定样本参数X，可以达到控制样本系数Ac对最终等级的影响。

作为一种实现方式，本申请采用平均值指数、样本系数以及样本参数共同确定第一目标账户对应的等级分，第一目标账户对应等级分满足公式：

La＝Ap×Ac^X

其中，La表示第一目标账户对应的等级分，Ap表示平均值指数，Ac表示样本系数，X表示样本参数。由该公式可知，等级分同时受某用户所有作品平均分和其作品数量影响。

在确定等级分后，可以依据等级分及预设的等级分与等级的对应关系确定第一目标账户的等级。例如：

当等级分La<30时，对应的等级L＝0；当30<La<50时，L＝1；当50<La<70时，L＝2；当70<La<90时，L＝3；当90<La<110时，L＝4，以此类推。

正如确定样本参数过程中所述，为了便于确定所有用户对应的所有文本的分值，需要首先构建数据库。因此，在一种可能的实现方式中，在S102之前，该方法还包括：

S1101-1，构建数据库。

作为一种实现方式，本申请以内容共享库的方式构建数据库。

现有技术中，基于网络文学的社交网站、应用一般采取的模式主要有三种，分别为：自媒体、众媒体和群媒体。

自媒体是指以个人为中心来进行作品的发布和呈现，每个人可以集中看到自己的作品，自己关注的作品，自己好友的作品，类似QQ空间、新浪微博、微信朋友圈等。众媒体则是指以分类板块为中心，有共同兴趣的爱好者聚集在不同栏目下面，以公众论坛的形式发表和阅读文学作品，类似天涯社区。群媒体则是指各种聊天群，以群体的形式把志同道合的爱好者组织在一起，在群聊天里或群空间发表文学作品并进行文学交流。

除此之外还有各种通过投稿-采编的形式进行的文学交互模式，如微信公众号或起点中文小说等，更接近传统的文学发布方式。

然而，现在技术中的基于网络文学的社交网站主要存在以下缺陷：

1.各社交模式的孤立：现有网络文学社交的各种模式均有自己的一套数据存储和交互手段，在一种模式下发布的信息在另外的模式下往往需要重新发布。无法做到单点发布和信息共享。如天涯社区的博客和论坛、QQ的好友动态和群动态。

2.文学作品的评价和用户等级的孤立。文学作品的评价要么是专家干预要么是用户评价的简单加和。而等级要么决定于作品数量要么决定于访问、点赞人数等。缺乏基于专业性和广泛性的综合评价。更缺乏作品评价和用户等级之间的有效关联。

3.内容和会话的孤立。一般网络文学社交应用都有内容发布和交互的地方，也有聊天会话的地方，但二者往往相互独立，在会话中要探讨某一发布内容，总是需要离开会话空间去访问内容空间，然后再回到会话空间来探讨刚才看到的内容。

基于此，本申请在构建数据库时，请参阅图3，将自媒体、众媒体、群媒体模式进行整合，打通底层数据总线，建立顶层应用关联，提供最佳的网络文学社交体验，形成高度统一的数据共享和信息交互模式。

首先，无论用何种模式发布文学作品，其内容的基本信息结构都是相同的。例如包括题目、作者、文本、类别、风格、可见范围等，为数据的统一管理提供了基础。

按照统一的格式对文学作品的内容进行定义，建立所有模式统一使用的数据结构，并按此构建内容库。

为文学作品提供单点发布接口。作品发布独立于访问模式。任何模式下发布作品均跳转至该接口。通过该接口，作品在发布时用统一的数据格式记录到内容共享库中。

此外，该数据库架构还包括为作品呈现提供的作品筛选器。在不同模式下，通过在同一内容库中对不同的关键信息进行查询、筛选、排序来呈现作品。以满足不同作品组织方式和商业模式的需要。

如在自媒体模式下，可以通过筛选作者为用户本人的作品、作者与用户关注列表匹配的作品、作者与用户好友列表匹配的作品以及其他一些可扩展的自媒体特性(如用户评论过的作品等)来呈现作品，使操作模式和自媒体接近。在众媒体模式下可以通过筛选与作品类别相匹配的作品来呈现。使作品可以划归到不同的栏目，还可以通过对不同信息(如得分、点赞、评论、访问等)的排序来作不同特点的呈现，使操作模式接近于论坛等众媒体模式。在群媒体模式下，可以通过筛选作者与群成员匹配的作品来只显示某一群体的作品。使操作模式接近于微信群、QQ群空间等群媒体模式。

通过本申请提供的共享技术架构，可以使调用文本数据、发布文本更加简单，方便。

作为一种实现方式，请参阅图4，在S102之前，该方法还包括：

S101-2，获取对目标文本进行评分的每个第二目标账户的等级及评分值，其中，目标文本为第一目标账户关联的所有文本中的任意一个；

S101-3，依据每个第二目标账户的等级、评分值及预设的权重指数确定目标文本的分值。

其中，某一作品获得的总体评价由不同用户的评价值及每个评价用户的等级共同决定，而每个评价用户的等级由他发表的所有作品的综合评价决定，设A为作品得分，L为等级，该特征可表示为：

A＝F(A1…An，L1…Ln) L＝F(A1…Am)

其中A表示作品最终评价值，L表示用户的等级，A1…An表示n个用户给予该作品的不同评价，L1…Ln表示做评价的n个用户各自的等级。A1…Am表示某用户发表的m首作品分别的最终评价值。

因此实际在确定每个用户等级时，用户等级与其作品评分关联，且其作品评分又与评价者的评分值与等级关联，实现了依据等级确定评价，同时依据评价又确定出了等级，因此确定的等级更加有效、可靠。

基于上述构建的数据库中，在进行某用户作品的评价时，该作品可以在不同社交模式下呈现，并且提供评价接口，以使其他用户对该作品做出评价。

同时，本申请对评价的方式也不进行限定，且可以为定性评价，也可以为定量评价，当选用定量评价时，用户可直接对作品进行打分，例如用户C对用户A的某个作品X进行评价时，直接打分为6.5分。当选用定性评价时，需要有一个对照表，将不同评价转换为不同评分。例如定性评价可如表一所示：

表一

当然地，在实际操作中，还可以其他方式实现定性评价，例如以10颗星代表10分，用户点亮星的颗数表征了其打分的分值。

然后依据每个第二目标账户的等级、评分值及预设的权重指数确定目标文本的分值，目标文本的分值满足公式：

其中，A表示目标文本的分值，n表示第二目标账户的数量，Li表示第i个第二目标账户的等级，Ai表示第i个第二目标账户对目标文本的评分值，m表示权重指数，其可以设定为不同值。其中，当m＝0时，最终评分等于所有用户评分的算数平均；当m＝1时，最终评分等于所有用户评分基于等级的加权平均，当m>1时，最终评分等于所有用户评分基于用户等级m次方的加权平均，即m越大等级对评分权重的影响越大。

网络文学的社交应用需要良好的人际交互功能，然而无差别的人际交流和海量交互信息总是使人不厌其烦，因此需要更精确的进行人际关系投放。而等级和文学偏好的合理分析和运用有助于向用户提供这种精确高效的人际关系。因此，基于确定的第一目标账户的等级，可以实现不同的交互功能。

作为第一种实现功能，其可以实现用户的偏好分析。作为一种实现方式，在S110之后，请参阅图5，该方法还包括：

S112，获取第一目标账户的访问记录，其中，访问记录中包括多种访问类型；

S114，将访问类型与预设的多种偏好项建立映射关系，其中，映射关系包括广泛映射型、指定映射型以及深度映射型；

S116，依据映射关系匹配预设的基准偏好值，其中，广泛映射型、指定映射型以及深度映射型的基准偏好值依次增大；

S118，依据第一目标账户与目标偏好项之间通过目标映射关系进行映射的次数、目标映射关系对应的基准偏好值以及所有账户与目标偏好项之间的映射次数，确定第一目标账户对目标偏好项的偏好值，其中，目标偏好项为多种偏好项之中的任意一种，目标映射关系为广泛映射型、指定映射型以及深度映射型中的任意一种；

S120，重复执行确定第一目标账户对其它偏好项的偏好值的步骤，以确定第一目标账户对每一偏好项的偏好值。

其中，第一目标账户的访问记录即用户的访问行为，其访问类型包括访问了哪些作品，访问了哪些作者，访问了哪些分类。在哪些作品下面进行了点赞、评论、评价，关注了谁、和谁是好友、加入了哪些群等操作。一般通过用户点击链接或按钮的行为来触发。换言之，当第一目标账户每向服务器发送一次访问请求，服务器均会记录该访问行为。

同时，服务器还会将访问类型与不同的偏好项建立映射关系。如图6所示，其包括了不同的访问行为与偏好项之间的映射关系。这些映射关系分为三类。一类是访问作品时根据作品的各种特征分别映射到较广泛的偏好项，包括浏览作品、评论、点赞和评价。第二类是直接访问指定偏好特征的作品集(一般是点击表示该特征的链接或按钮)，则只映射到该偏好项及少数紧密相关偏好项。第三类是用户进行加好友、加关注等操作进行的映射，表示用户对与此相关的属性有极大兴趣。因此，映射关系可分别广泛映射型、指定映射型以及深度映射型。

针对广泛映射型，其包括：

1)浏览作品：共享内容库中的每首作品都拥有很多属性，如题目、作者、内容、类别、风格标签、内容标签、繁简体等。用户浏览该作品，意味着用户对这些属性可能都有所偏好。除此之外该作品作者的一些属性可能也是用户的偏好。其中作者的等级相关性最大，而性别、地域等用户并不一定感兴趣,因此将其映射到“作者、类别、子类别、作者等级、风格、内容、繁简体”这几个偏好项。

2)评论：用户对作品进行评论，未必是因为喜欢该作品，特别作者对作品持负面意见时。但用户至少对该类别、内容和繁简体的作品可能是有兴趣的，因此将其映射到“类别、子类别、内容、繁简体”这几个偏好项。

3)点赞：点赞和浏览作品的映射规则相同。

4)评价：用户有可能对作品持正面评价，也可能持负面评价。持正面评价时映射规则与浏览作品相同，持负面评价时和评论的映射规则相同。正面或负面评价的判断依据为用户对该作品的评分大于或小于内容共享库中所有作品的平均得分。

针对指定映射型，其包括：

1)访问作者：若用户直接访问该作者(点击作者的名字或头像)，表面用户对该作者感兴趣，同时有可能对该用户的性别感兴趣。因此映射到“作者、性别”两个类别。

2)访问栏目：若用户访问指定的栏目(如古典诗词、散文随笔或七言律诗、抒情散文等)，则该栏目指示什么类别(或子类别)就映射到哪个类别(子类别)的偏好项。

3)访问分类：若用户访问指定的分类，包括不同风格标签、内容标签、繁简体、性别、地域等。则访问哪个分类就直接映射到哪个偏好项。

针对深度映射型，其包括：

1)加关注：加关注表示用户对该作者极感兴趣，同时可能对该用户的性别感兴趣。因此映射到“作者、性别”两个类别。

2)加好友：加好友与加关注的情况相同。

3)用户加入某群，意味着对该群作者的作品感兴趣，映射到“群体”偏好项。

依据映射关系匹配预设的基准偏好值，其中，广泛映射型、指定映射型以及深度映射型的基准偏好值依次增大。

然后依据第一目标账户与目标偏好项之间通过目标映射关系进行映射的次数、目标映射关系对应的基准偏好值以及其它账户与目标偏好项之间的映射次数，确定第一目标账户对目标偏好项的偏好值，其中，目标偏好项为多种偏好项之中的任意一种，目标映射关系为广泛映射型、指定映射型以及深度映射型中的任意一种。

例如，针对广泛映射型的偏好值确定，广泛映射是一种基于可能性的模糊的判断，除非这种映射多次发生。所以其基准偏好值取值应较小，本申请取定一次访问的基准偏好值为0.1。同时，为了使各种偏好项的最终取值有可比性，应进行归一化操作。设某用户的某偏好项因广泛映射而获得映射的次数为n，设所有账户对该偏好项的映射次数为m，则最终偏好值F公式为F＝0.1n/m。

针对指定映射型的偏好值确定，指定映射直接表明用户对这些属性的偏好，取定一次访问的基准偏好值为1，最终偏好值计算公式为F＝1n/m。但除非直接点选“性别”，否则其映射到性别时也是一种猜测，因此在依据指定映射型确定性别偏好项时，公式仍为F＝0.1n/m。

针对深度映射型的偏好值确定，深度映射型表明用户高度关注这些属性的偏好，取定一次访问的偏好值为10，偏好值计算规则为F＝10n/m。但映射到性别时也是一种猜测，因此计算规则同广泛映射型，为F＝0.1n/m。

此外，服务器还会重复执行确定第一目标账户对其它偏好项的偏好值的步骤，以确定第一目标账户对每一偏好项的偏好值。并最终建立偏好信息库，记录偏好值。例如，建立的信息库可以如表二所示：

用户名	偏好项	偏好选项	偏好值
				张三	作者	王五	0.075
张三	作者	李四	0.032
				张三	类别	古典诗词	0.011
张三	类别	散文随笔	0.23
				…	…	…	…

表二

作为第二种实现功能，确定等级还可实现基于等级与偏好的内容推荐，在此基础上，作为一种实现方式，在S110之后，该方法还包括：

S122，获取多个待推荐文本，并获取每一待推荐文本包含的偏好项。S124，确定每一待推荐文本的推荐值，其中，推荐值满足公式：

其中，P1表示待推荐文本的推荐值，E()表示归一化函数，该归一化函数为E(X)＝(X-X_min)/(X_max-X_min)，A表示待推荐文本的分值，Gn表示待推荐文本被点赞的数量，Vn表示待推荐文本的被访问量，Rn表示待推荐文本被评论的数量，T表示待推荐文本的发布时间，L1表示与待推荐文本关联的账户的等级，L2表示第一目标账户的等级，Fi表示第i个偏好项的偏好值，Ni表示第i个偏好项的权重，N1、N2、N3、N4、N5以及N6分别表示对应参数的权重，Rd表示随机数；

S126，依据推荐值向第一目标账户推送待推荐文本。

其中，当向第一目标账户推送诗词散文等文本时，一般需要考虑五个方面的因素：作品本身的好坏，作品受关注的程度，作品发布的时间，第一目标账户的等级以及用户的偏好。反映作品好坏的主要参数是作品获得的评价(评分)A，点赞数量Gn，越好的作品推荐概率越大；反映作品受关注程度的主要是作品访问数Vn，点评数Rn，关注度越高的作品推荐概率越大；作品发布时间为T，越新发布的作品获得推荐的概率越大；作者等级为L1，用户等级为L2，二者越接近推荐的概率越大；第一目标账户对该作品每个偏好项的偏好值为F1,F2……Fn，偏好值越大推荐的概率越高。

推荐作品时，将所有参数进行归一化再加权平均可得到推荐值P，然后排序就能得到推荐的优先顺序。此外加上一个随机数可使结果具有一定的随机性。

需要说明的是，每个偏好项一般会有多个可能的选项，而每篇作品只会是其中一个确定的选项。如类别偏好可能有“古典诗词、散文随笔、现代诗歌、小说”等选项，用户在每个选项下都可能有一个偏好值，但一首确定的作品只可能是其中一种(假设为古典诗词)，因此该用户对该作品的类别偏好值Fi，应仅为其对古典诗词的偏好值。

作为第三种实现功能，基于等级和偏好的评论邀请，在此基础上，在S110的步骤之后，该方法还包括：

S128，依据第一目标账户的等级确定待邀请账户的等级；

S130，基于任一目标文本确定符合等级要求的待邀请账户的邀请值，其中，邀请值满足公式:

其中，P2表示目标文本的推荐值，E()表示归一化函数，该归一化函数为E(X)＝(X-X_min)/(X_max-X_min)，A表示目标文本的分值，Gn表示目标文本被点赞的数量，Vn表示目标文本的被访问量，Rn表示目标文本被评论的数量，T表示目标文本的发布时间，Fi表示第i个偏好项的偏好值，Ui表示第i个偏好项的权重，U1、U2、U3、U4、U5以及U6分别表示对应参数的权重，Rd表示随机数；

S132，将待邀请账户按推荐值推送至第一目标账户。

例如，当用户发布一篇作品时，作者或读者可邀请其他用户来评论，以提高互动性。而哪些用户会被邀请，可以设置为与邀请者的等级、被邀请者的等级以及被邀请者的偏好相关。这样能够精确的邀请到适合评论、愿意评论的用户，也可以促使用户提高自己的等级以邀请更高级别的用户来进行评论。

作为一种实现方式，根据邀请者的等级确定被邀请者的等级。本申请假设第一目标账户作为邀请者，其等级为L1，被邀请者的等级L2，作为一种实现方式，二者等级需满足L1-2<L2<L1+2，提供该方式，可保证邀请者与被邀请者之间的等级相近。

然后依据邀请者确定公式确定每一被邀请用户的邀请值，可选地，可按照邀请值从大到小的顺序进行排序，并将选择前N个用户推荐给邀请者，供选择是否邀请其对作品进行评论。

作为第四种实现功能，基于等级和偏好的好友匹配。即根据不同用户的等级和偏好，可以对等级相近、偏好相近的用户进行好友匹配以提高用户人际交往的精确性和效率。因此，在S110的步骤之后，该方法还包括:

S134，依据预设定的多个维度分别确定第一目标账户与第三目标账户的多个匹配项对应的匹配度，其中，匹配项包括属性匹配项、偏好匹配项以及综合匹配项，多个维度中包括第一目标账户与第三目标账户的等级及对每一偏好项的偏好值，且第三目标账户为除第一目标账户以外的任一账户；

S136,依据多个匹配项对应的匹配度确定第一目标账户与第三目标账户的总匹配度，其中，总匹配度满足公式：

其中，P3表示总匹配度，pi表示第i个匹配项对应的匹配度，n表示匹配项的总数，Wi表示每个匹配项对应的权重，Rd表示随机数。

本申请将匹配项分为三类，分别为属性匹配项、偏好匹配项以及综合匹配项。其中，属性匹配项指两个用户相近或相同的属性意味着二者存在交集。例如年龄、地域、等级。偏好匹配项指两个用户有相近或相同的偏好意味着二者存在交集。例如对类别、子类别、风格、内容、繁简体的偏好。综合匹配项指用户偏好和用户属性匹配：某用户的偏好正好是另一用户的属性意味着二者存在交集。例如作者名、作者性别、作者所属群体。

其中，本申请所述的维度，即表示年龄、地域、等级等维度。然后依据多个维度分别确定第一目标账户与第三目标账户的多个匹配项对应的匹配度，并加上随机数计算总匹配度，排序后选择排名最靠前的用户进行匹配。设需要匹配的第一目标账户的代号为1，与其进行匹配的第三目标账户的代号为2。可以理解地，由于第三目标账户为除第一目标账户以外的任一账户，因此，在一种可能的实现方式中，第二目标账户与第三目标账户可以为同一账户。

1)针对属性匹配项，属性匹配项又包括多个年龄、地域、等级三个子匹配项：年龄、地域、等级的匹配度，记作P1-P3；

等级L匹配度P1＝E(1÷|L1-L2|)(相差越大值越小)；

年龄a匹配度P2＝E(1÷|Ag1-Ag2|)(相差越大值越小)

地域R匹配度P3＝1(如果二者地域相同),P3＝0(如果二者地域不同)；

2)针对偏好匹配项，偏好匹配项包括偏好匹配项5个子匹配项，且类别、子类别、风格、内容、繁简体用同一规则计算匹配度，记作P4-P8；其中，

匹配度Pi满足公式：

Pi＝E(avgf×logf+Rd)

logf＝log₁₀K+2

其中，k表示某一偏好项中二者共有的选项总数。F1i表示针对其中第i个选项用户1的偏好值，F2i表示针对其中第i个选项用户2的偏好值。Fi表示针对第i个选项的匹配度，fi是作倒数处理后的匹配度，avgf是同一偏好项中不同选项匹配度的平均值，logf为对数处理参数，Rd是随机数。

3)针对综合匹配项：

作者名、作者类别、作者所属群体用同一规则计算匹配度P9-P11；

P＝E(Fi)(如果用户属性在偏好选项中)，P＝0(如果用户属性不在偏好选项中)；

总匹配度计算模型为：

其中，Pi表示上述11个匹配项的匹配度，Wi是每个匹配项的权重，Rd是随机数，并且，上述中E()均表示归一化函数。

然后依据总匹配度进行排序，并将前N个账号进行好友推荐。

此外，作为一种实现方式，该方法还包括：

S140，接收第一目标账户发送的分屏请求。

S142，依据分屏请求将第一目标账户对应的界面拆分为文本内容展示区与会话区，其中，文本内容展示区中展示有多个文本。

S144，当接收到第一目标账户基于多个文本中的任一目标文本发送的展示请求时，将目标文本的内容与链接在会话区中展示。

S146，当接收到第一目标账户发送的置顶请求时，将目标文本的内容与链接固定于会话区的顶部展示。

将共享内容和聊天会话在同一界面下分屏展示。建立共享内容向会话空间传递，以及通过会话空间直接访问共享内容的机制可以使聊天者随时就共享内容进行讨论，避免不断退出聊天室进行复制粘贴的操作，大大提升用户感知。该技术既可用于一对一的聊天又可用于群聊天或公共聊天室。

其中，作为一种实现方式，请参阅图7，第一目标账户的界面可设置“展开/收起”按钮(图7中右上角)，当用户点开展开按钮时，则第一目标账户向服务器发送分屏请求。服务器会将第一目标账户对应的界面拆分为文本内容展示区与会话区，作为一种实现方式，文本内容展示区与会话区可分为上下两部分。其中，文本内容展示区可用于显示共享内容，会话区可用于显示聊天会话。设置可方便的对共享内容进行展示和屏蔽。分屏功能可以通过HTML的IFRAME或DIV组件来实现。同时，当用户在此点击收起按钮时，则会将文本内容展示区与会话区合成一个会话区。

并且，作为一种实现方式，在文本内容展示区或会话区单击时可改变两个区的显示比例。两个区的空间总是某一部分占据的窗口更大。在各空间的任意空白位置单击，空间分割线移动，触发空间大小的切换，原来占据较大窗口的空间变为较小，而较小的空间变为较大。以方便对不同空间的使用。例如，如图7所示，文本内容展示区比会话区的空间更大，如图8所示，当用户点击会话区的区域时，例如点击会话区的右下角，则空间分割线上移，更新为如图8所示的界面。

当接收到第一目标账户基于多个文本中的任一目标文本发送的展示请求时，将目标文本的内容与链接在会话区中展示。

例如，请参阅图9，在文本内容展示区中，针对每个展示的文本设置“聊一聊”按钮，当用户点击时，将文本内容和链接写入会话区。使正在聊天的用户均能在会话区看到该内容和链接。在会话空间中点击该链接，则在内容空间中打开该展示项。

同时，当接收到所述第一目标账户发送的置顶请求时，将所述目标文本的内容与链接固定于所述会话区的顶部展示。

例如，请参阅图10，用户或群管理员可通过长按会话区中文本的内容或链接后选择“置顶”，将链接放置于会话区顶部，使该内容或链接不会随着聊天消息的滚动而消失。

通过该实现方式，使得用户能够随时知道当前主要针对哪一文本进行聊天，例如群聊天场景中，任一用户在进入该群聊后，可看到置于会话区顶部的文本内容或链接，进而能够更快地参与到聊天之中，更加方便。

基于上述实现方式，请参阅图11，本申请还提供了一种等级确定装置200，该装置包括：

数据确定单元210，用于确定与第一目标账户关联的文本数量及每个文本的分值，其中，分值与第二目标账户的评分及每个第二目标账户的等级关联。

可以理解地，通过数据确定单元210可以执行S102。

参数确定单元220，用于依据每个文本的分值确定平均值，并依据平均值与预设的平均分调节系数确定平均值指数。

可以理解地，通过参数确定单元220可以执行S104。

参数确定单元220，还用于确定所有账户关联的所有文本分值中的最大值与第二平均值，并依据所述第一平均值、所述最大值以及所述第二平均值确定样本参数。

可以理解地，通过参数确定单元220可以执行S106。

参数确定单元220，还用于依据平均值指数、样本系数以及样本参数确定第一目标账户对应的等级分，其中，样本系数文本数量关联。

可以理解地，通过参数确定单元220可以执行S108。

等级确定单元，用于依据等级分及预设的等级分与等级的对应关系确定第一目标账户的等级。

可以理解地，通过等级确定单元可以执行S110。

当然地，在上述实现方式中的每一步骤均有一对应的功能模块，由于上述实施例已经详细描述，因此在此不再进行赘述。

综上所述，本申请提供了

在本申请所提供的实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本申请实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。

也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。

也要注意的是，框图和或流程图中的每个方框、以及框图和或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

另外，在本申请实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。

所述功能如果以软件功能模块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。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器、随机存取存储器、磁碟或者光盘等各种可以存储程序代码的介质。

虽然本发明披露如上，但本发明并非限定于此。任何本领域技术人员，在不脱离本发明的精神和范围内，均可作各种更动与修改，因此本发明的保护范围应当以权利要求所限定的范围为准。

Claims

1.一种等级确定方法，其特征在于，所述等级确定方法应用于等级确定系统的服务器，所述方法包括；

依据每个文本的分值确定第一平均值，并依据所述平均值与预设的平均值调节系数确定平均值指数；

2.如权利要求1所述的等级确定方法，其特征在于，在所述确定与第一目标账户关联的文本数量及每个文本的分值的步骤之前，所述方法还包括：

获取对目标文本进行评分的每个第二目标账户的等级及评分值，其中，所述目标文本为所述第一目标账户关联的所有文本中的任意一个；

依据所述每个第二目标账户的等级、评分值及预设的权重指数确定所述目标文本的分值；其中，所述目标文本的分值满足公式：

其中，A表示目标文本的分值，n表示第二目标账户的数量，Li表示第i个第二目标账户的等级，Ai表示第i个第二目标账户对目标文本的评分值，m表示权重指数。

3.如权利要求1所述的等级确定方法，其特征在于，所述第一目标账户对应等级分满足公式：

La＝Ap×Ac^X

其中，La表示第一目标账户对应的等级分，Ap表示平均值指数，Ac表示样本系数，X表示样本参数。

4.如权利要求1所述的等级确定方法，其特征在于，在所述依据所述等级分及预设的等级分与等级的对应关系确定所述第一目标账户的等级的步骤之后，所述等级确定方法还包括：

获取所述第一目标账户的访问记录，其中，所述访问记录中包括多种访问类型；

将所述访问类型与预设的多种偏好项建立映射关系，其中，所述映射关系包括广泛映射型、指定映射型以及深度映射型；

依据所述映射关系匹配预设的基准偏好值，其中，所述广泛映射型、所述指定映射型以及所述深度映射型的基准偏好值依次增大；

依据所述第一目标账户与目标偏好项之间通过目标映射关系进行映射的次数、所述目标映射关系对应的基准偏好值以及所有账户与所述目标偏好项之间的映射次数，确定所述第一目标账户对所述目标偏好项的偏好值，其中，所述目标偏好项为所述多种偏好项之中的任意一种，所述目标映射关系为所述广泛映射型、所述指定映射型以及所述深度映射型中的任意一种；

重复执行确定第一目标账户对其它偏好项的偏好值的步骤，以确定所述第一目标账户对每一偏好项的偏好值。

5.如权利要求4所述的等级确定方法，其特征在于，在所述确定所述第一目标账户对每一偏好项的偏好值的步骤之后，所述方法还包括：

依据所述第一目标账户的等级确定待邀请账户的等级；

基于任一目标文本确定符合等级要求的待邀请账户的邀请值，其中，所述邀请值满足公式:

其中，P2表示所述目标文本的推荐值，E()表示归一化函数，该归一化函数为E(X)＝(X-X_min)/(X_max-X_min)，A表示所述目标文本的分值，Gn表示所述目标文本被点赞的数量，Vn表示所述目标文本的被访问量，Rn表示所述目标文本被评论的数量，T表示所述目标文本的发布时间，Fi表示第i个偏好项的偏好值，Ui表示第i个偏好项的权重，U1、U2、U3、U4、U5以及U6分别表示对应参数的权重，Rd表示随机数；

将所述待邀请账户按推荐值推送至所述第一目标账户。

6.如权利要求4所述的等级确定方法，其特征在于，在所述确定所述第一目标账户对每一偏好项的偏好值的步骤之后，所述方法还包括：

依据预设定的多个维度分别确定第一目标账户与第三目标账户的多个匹配项对应的匹配度，其中，所述匹配项包括属性匹配项、偏好匹配项以及综合匹配项，所述多个维度中包括第一目标账户与第三目标账户的等级及对每一偏好项的偏好值，且所述第三目标账户为除所述第一目标账户以外的任一账户；

依据所述多个匹配项对应的匹配度确定所述第一目标账户与第三目标账户的总匹配度，其中，所述总匹配度满足公式：

7.如权利要求1所述的等级确定方法，其特征在于，所述方法还包括：

接收所述第一目标账户发送的分屏请求；

依据所述分屏请求将所述第一目标账户对应的界面拆分为文本内容展示区与会话区，其中，所述文本内容展示区中展示有多个文本；

当接收到所述第一目标账户基于所述多个文本中的任一目标文本发送的展示请求时，将所述目标文本的内容与链接在所述会话区中展示；

当接收到所述第一目标账户发送的置顶请求时，将所述目标文本的内容与链接固定于所述会话区的顶部展示。

8.一种等级确定装置，其特征在于，所述等级确定装置应用于等级确定系统的服务器，所述方法包括；

数据确定单元，用于确定与第一目标账户关联的文本数量及每个文本的分值，其中，所述分值与第二目标账户的评分及每个第二目标账户的等级关联；

9.一种电子设备，其特征在于，包括：

存储器，用于存储一个或多个程序；

处理器；

当所述一个或多个程序被所述处理器执行时，实现如权利要求1-7中任一项所述的方法。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1-7中任一项所述的方法。