CN112989172B - 内容推荐方法、装置、计算机设备及存储介质 - Google Patents
内容推荐方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN112989172B CN112989172B CN201911216088.XA CN201911216088A CN112989172B CN 112989172 B CN112989172 B CN 112989172B CN 201911216088 A CN201911216088 A CN 201911216088A CN 112989172 B CN112989172 B CN 112989172B
- Authority
- CN
- China
- Prior art keywords
- content
- uploading
- record
- event
- determining
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 54
- 239000000463 material Substances 0.000 claims description 26
- 238000012549 training Methods 0.000 claims description 17
- 238000009825 accumulation Methods 0.000 claims description 15
- 230000006399 behavior Effects 0.000 claims description 9
- 238000012163 sequencing technique Methods 0.000 claims description 9
- 230000001186 cumulative effect Effects 0.000 claims 2
- 238000004519 manufacturing process Methods 0.000 abstract description 4
- 238000004891 communication Methods 0.000 description 10
- 238000012545 processing Methods 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 230000005236 sound signal Effects 0.000 description 4
- 230000001133 acceleration Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 230000001737 promoting effect Effects 0.000 description 2
- 230000003997 social interaction Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
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 Transfer Between Computers (AREA)
Abstract
本公开关于一种内容推荐方法、装置、计算机设备及存储介质,其中,该方法包括:获取一次上传事件,以及所述上传事件对应的上传账户,提取所述上传账户在所述上传事件前的操作记录,基于操作记录中所记录的各项内容与所述上传事件的关联关系为对应的内容累加上传贡献值,确定上传贡献值符合预定义条件的内容用于对账户进行内容推荐,从而实现了从内容生产的角度进行内容推荐,避免了推荐作品类型单一的问题。
Description
技术领域
本公开涉及计算机领域,尤其涉及一种内容推荐方法、装置、计算机设备及存储介质。
背景技术
推荐算法,是基于用户自身特征,为用户推荐精准化内容的算法。常见的推荐系统,大致分为内容和索引(千万到亿级),触发召回(千万级),粗排序(千级),精排序(百级),重排序(数十级)几个模块。当用户使用APP(application,应用)发出观看请求后,推荐系统会按照一定召回策略从内容库中筛选出视频提供备选,之后按照多种排序规则经过若干次排序和截取后,得到返回用户的实际视频观看集合。在现有的推荐系统中,内容推荐方案更偏重用户的浏览偏好,以提升用户浏览量或使用时长为目的。但是,只偏重浏览偏好的内容推荐方法会使推荐维度太过单一,推荐灵活性差。
发明内容
本公开提供一种内容推荐方法、装置、计算机设备及存储介质,如下:
根据本公开实施例的第一方面,提供一种内容推荐方法,包括:
获取一次上传事件,以及所述上传事件对应的上传账户,其中,上传事件用于表征上传账户在指定平台的新内容上传行为;
提取所述上传账户在所述上传事件前的操作记录,所述操作记录中至少包括所述上传账户的符合时间条件的内容点击记录;
基于所述操作记录中,所记录的各项内容与所述上传事件的关联关系为对应的内容累加上传贡献值,所述上传贡献值包括所述内容基于所述上传事件获得的反馈信息;
确定上传贡献值符合预定义条件的内容,用于对账户进行内容推荐。
可选的,所述提取所述上传账户在发生所述上传事件前的操作记录,所述操作记录中至少包括所述上传账户的符合时间条件的内容点击记录,包括:
提取所述上传账户在所述上传事件前的操作记录,并获取所述操作记录中的内容点击记录;
在所述内容点击记录中,获取每次内容点击携带的点击时间,将点击时间与所述上传事件发生时间的时间差小于预定阈值的内容点击加入符合时间条件的内容点击记录中。
可选的,所述基于所述操作记录中,所记录的各项内容与所述上传事件的关联关系为对应的内容累加上传贡献值,包括:
确定所上传的新内容中包含的素材标识;
在所述内容操作记录中获取符合时间条件的内容点击记录,将所述内容点击记录的各项内容中,与所述新内容包含相同素材标识的N个内容确定为有效内容;
为每个有效内容累加上传贡献值,所述每个有效内容累加的上传贡献值的大小与N的数量成反比。
可选的,在所述内容操作记录中获取符合时间条件的内容点击记录后,还包括:
若所述内容点击记录中,不存在与所述新内容包含相同素材标识的内容,则将所述内容点击记录中的各项内容都确定为有效内容。
可选的,所述提取所述上传账户在所述上传事件前的操作记录后,还包括:
确定用于预测标签点击参与率的标签训练模型,所述标签为内容页面包含的用于表征内容信息的标签,所述标签点击参与率为点击所述标签并通过所述标签完成上传事件的概率;
基于所述标签训练模型,以及内容页面包含的标签对操作记录中包含的各项内容进行预测,根据预测结果为所述内容累加上传贡献值。
可选的,所述确定上传贡献值符合预定义条件的内容,用于对账户进行内容推荐,包括:
按照各个所述内容的上传贡献值的大小,对各个所述内容进行排序和截取,得到用于确定所述推荐内容的初始候选集;
按照设定排序规则对所述初始候选集进行排序和截取,得到用于确定所述推荐内容的最终候选集;
根据所述最终候选集确定给用户的推荐内容。
根据本公开实施例的第二方面,提供一种内容推荐装置,包括:
上传事件确定单元,被配置为获取一次上传事件,以及所述上传事件对应的上传账户,其中,上传事件用于表征上传账户在指定平台的新内容上传行为;
操作记录确定单元,被配置为提取所述上传账户在所述上传事件前的操作记录,所述操作记录中至少包括所述上传账户的符合时间条件的内容点击记录;
上传贡献累加单元,被配置为基于所述操作记录中,所记录的各项内容与所述上传事件的关联关系为对应的内容累加上传贡献值,所述上传贡献值包括所述内容基于所述上传事件获得的反馈信息;
内容推荐单元,被配置为确定反馈值符合预定义条件的内容,用于对账户进行内容推荐。
可选的,所述操作记录确定单元,在提取所述上传账户在发生所述上传事件前的操作记录,所述操作记录中至少包括所述上传账户的符合时间条件的内容点击记录时,被配置为:
提取所述上传账户在所述上传事件前的操作记录,并获取所述操作记录中的内容点击记录;
在所述内容点击记录中,获取每次内容点击携带的点击时间,将点击时间与所述上传事件发生时间的时间差小于预定阈值的内容点击加入符合时间条件的内容点击记录中。
可选的,所述上传贡献累加单元,在基于所述操作记录中,所记录的各项内容与所述上传事件的关联关系为对应的内容累加反馈值时,被配置为:
确定所上传的新内容中包含的素材标识;
在所述内容操作记录中获取符合时间条件的内容点击记录,将所述内容点击记录的各项内容中,与所述新内容包含相同素材标识的N个内容确定为有效内容;
为每个有效内容累加上传贡献值,所述每个有效内容累加的上传贡献值的大小与N的数量成反比。
可选的,所述上传贡献累加单元,在所述内容操作记录中获取符合时间条件的内容点击记录后,还被配置为:
若所述内容点击记录中,不存在与所述新内容包含相同素材标识的内容,则将所述内容点击记录中的各项内容都确定为有效内容。
可选的,所述上传贡献累加单元,还被配置为:
确定用于预测标签点击参与率的标签训练模型,所述标签为内容页面包含的用于表征内容信息的标签,所述标签点击参与率为点击所述标签并通过所述标签完成上传事件的概率;
基于所述标签训练模型,以及内容页面包含的标签对操作记录中包含的各项内容进行预测,根据预测结果为所述内容累加上传贡献值。
可选的,所述内容推荐单元,在确定上传贡献值符合预定义条件的内容,用于对账户进行内容推荐时,被配置为:
按照各个所述内容的上传贡献值的大小,对各个所述内容进行排序和截取,得到用于确定所述推荐内容的初始候选集;
按照设定排序规则对所述初始候选集进行排序和截取,得到用于确定所述推荐内容的最终候选集;
根据所述最终候选集确定给用户的推荐内容。
根据本公开实施例的第三方面,提供一种计算机设备,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,以实现如上述第一方面所述的内容推荐方法。
根据本公开实施例的第四方面,提供一种存储介质,当所述存储介质中的指令由内容推荐装置的处理器执行时,使得内容推荐装置能够执行如上述第一方面所述的内容推荐方法。
本公开的实施例提供的技术方案至少带来以下有益效果:
本公开中,获取一次上传事件,以及所述上传事件对应的上传账户,提取所述上传账户在所述上传事件前的操作记录,基于操作记录中所记录的各项内容与所述上传事件的关联关系为对应的内容累加上传贡献值,确定上传贡献值符合预定义条件的内容用于对账户进行内容推荐,从而实现了从内容生产的维度进行内容推荐,促进用户上传作品,以此丰富平台内容。
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,并不构成对本公开的不当限定。
图1是根据一示例性实施例示出的一种内容推荐方法的流程图。
图2是根据一示例性实施例示出的另一种内容推荐方法的流程图。
图3是根据一示例性实施例示出的另一种内容推荐方法的流程图。
图4是根据一示例性实施例示出的上传贡献值确定方法的流程图。
图5是根据一示例性实施例示出的另一种内容推荐方法的流程图。
图6是根据一示例性实施例示出的一种内容推荐装置框图。
图7是根据一示例性实施例示出的一种用于内容推荐装置的一结构示意图。
具体实施方式
为了使本领域普通人员更好地理解本公开的技术方案,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。
图1是根据一示例性实施例示出的一种内容推荐方法的流程图,该内容推荐方法可以用于能够执行内容推荐的平台上。如图1所示,该内容推荐方法包括以下步骤:
在步骤S11中,获取一次上传事件,以及所述上传事件对应的上传账户,其中,上传事件用于表征上传账户在指定平台的新内容上传行为;
在步骤S12中,提取所述上传账户在所述上传事件前的操作记录,所述操作记录中至少包括所述上传账户的符合时间条件的内容点击记录;
本公开实施例中,上传事件中所上传的新内容,以及操作记录中的记录内容可以是视频、图片、音频等多媒体内容。
在一实施例中,在执行步骤S12时,可以采用但不限于以下实现方式:
(1-1)提取所述上传账户在所述上传事件前的操作记录,并获取所述操作记录中的内容点击记录;
(1-2)在所述内容点击记录中,获取每次内容点击携带的点击时间,将点击时间与所述上传事件发生时间的时间差小于预定阈值的内容点击加入符合时间条件的内容点击记录中。
在步骤S13中,基于所述操作记录中,所记录的各项内容与所述上传事件的关联关系为对应的内容累加上传贡献值,所述上传贡献值包括所述内容基于所述上传事件获得的反馈信息;
本公开实施例中,上传贡献值可以是0至1之间的一个概率值。比如:内容1的上传贡献值为0.1,内容2的上传贡献值为0.3。其中,上传事件是在多个因素影响下产生的结果,可以通过数据挖掘和分析,考虑补充其他维度来衡量每个内容的上传贡献值。
上传贡献值包括所述内容基于所述上传事件获得的反馈信息,即,用户上传新内容后,用户在先操作记录中的各项操作内容可以基于与所上传的新内容的关联关系获得一定的反馈,基于该反馈信息为对应的账户累加上传贡献值。
在一实施例中,在执行步骤S13时,可以采用但不限于以下实现方式:
(2-1)确定所上传的新内容中包含的素材标识;
(2-2)在所述内容操作记录中获取符合时间条件的内容点击记录,将所述内容点击记录的各项内容中,与所述新内容包含相同素材标识的N个内容确定为有效内容;
(2-3)为每个有效内容累加上传贡献值,所述每个有效内容累加的上传贡献值的大小与N的数量成反比。
在一实施例中,在执行(2-1)时,新内容中包含的素材标识可以为音乐素材标识,如music_id等。
在一实施例中,在执行(2-2)时,若所述内容点击记录中,不存在与所述新内容包含相同素材标识的内容,则将所述内容点击记录中的各项内容都确定为有效内容。
另外,上述(2-1)至(2-3)的具体实现过程,可见图2所示实施例。
在一实施例中,在执行步骤S13时,还可以采用但不限于以下实现方式:
(3-1)确定用于预测标签点击参与率的标签训练模型,所述标签为内容页面包含的用于表征内容信息的标签,所述标签点击参与率为点击所述标签并通过所述标签完成上传事件的概率;
(3-2)基于所述标签训练模型,以及内容页面包含的标签对操作记录中包含的各项内容进行预测,根据预测结果为所述内容累加上传贡献值。
另外,上述(3-1)至(3-2)的具体实现过程,可见图3所示实施例。
在执行步骤S13时,上述实施例中,(2-1)至(2-3)为基于内容点击和后续的上传事件为该内容累加上传贡献值,即通过内容的点击上传率为该内容累加上传贡献值。(3-1)至(3-2)则为基于内容页面的标签点击参与率为内容累加上传贡献值。通过这两种方式都为内容累加上传贡献值的具体实施过程可详见图4所示实施例。
在以实施例中,除了这两种方式以外,也可基于所记录的各项内容与上传事件的其他关联关系通过其他方式为对应内容累加上传贡献值。
在步骤S14中,确定上传贡献值符合预定义条件的内容,用于对账户进行内容推荐。
本公开实施例中,可以根据各项内容的上传贡献值,对这些内容进行排序和截取,得到给用户的推荐内容。
在一实施例中,在执行步骤S14时,可以采用但不限于以下实现方式:
(4-1)按照各个所述内容的上传贡献值的大小,对各个所述内容进行排序和截取,得到用于确定所述推荐内容的初始候选集;
(4-2)按照设定排序规则对所述初始候选集进行排序和截取,得到用于确定所述推荐内容的最终候选集;
(4-3)根据所述最终候选集确定给用户的推荐内容。
另外,上述(4-1)至(4-3)的具体实现过程,可详见图5所示实施例。
由上述实例可见,在获取一次上传事件,以及所述上传事件对应的上传账户之后,提取所述上传账户在所述上传事件前的操作记录,基于操作记录中所记录的各项内容与所述上传事件的关联关系为对应的内容累加上传贡献值,确定上传贡献值符合预定义条件的内容用于对账户进行内容推荐,从而实现了从内容生产的角度来促进用户上传作品,并以此来丰富平台上的内容。
本公开各实施例中涉及的用户/账户信息均为经用户授权而采集并进行后续处理分析的。
图2是根据一示例性实施例示出的另一种内容推荐方法的流程图,该内容推荐方法可以用于能够执行内容推荐的平台上,并建立在图1所示方法的基础上,如图2所示,在执行步骤S13时,可以包括以下步骤S21-S23:
在步骤S21中,确定所上传的新内容中包含的素材标识;
其中,素材标识可以是音乐标识,如music_id,music_id可以指的是从原声作品中识别出的使用的原声、音乐等声音素材的标识(id),同一种素材的标识(id)是唯一的。
在步骤S22中,在所述内容操作记录中获取符合时间条件的内容点击记录,将所述内容点击记录的各项内容中,与所述新内容包含相同素材标识的N个内容确定为有效内容;
有效内容即可以基于该上传事件获得反馈信息的内容,可以将有效内容视为对上传事件具有促进作用的内容。
本公开实施例中,可以将用户播放若干内容之后,一个时间窗口内,所创作上传的内容归因至用户之前点击浏览过的内容。而浏览过的内容中与上传的新内容具有相同的素材标识,则是归因时的重要原因之一。
在步骤S23中,为每个有效内容累加上传贡献值,所述每个有效内容累加的上传贡献值的大小与N的数量成反比。
例如,用户在观看了若干数量视频的半小时内,上传了一个含有原声的作品,如果该原声作品的音乐标识(music_id)和用户在半小时时间窗口内看过的某个视频的音乐标识(music_id)相同,则将用户的上传事件归因到这个视频上,为该视频累加一个指定的上传贡献值。如果观看的相同的音乐标识(music_id)的视频有n(n>1)个,则归因到这n个视频,同时每个视频对上传事件的上传贡献值乘以权重系数1/n。
如果时间窗口内的N个视频没有和用户上传视频具有相同的音乐标识(music_id)的视频,则归因到这N个视频,同时每个视频的上传贡献值乘以权重系数1/N。
假设用户本身在一次普通点击c之后30分钟内具有p(c)的上传概率,而在一次具有上传贡献值的点击后具有p(c)+Δp(c)的上传概率,则对一个作品所有的点击C求和有:∑(p(c)+Δp(c)),当|C|较大时,这个和应该接近于真实上传量U,此时记录内容的点击上传率应该是平均的Δp,即(U-∑p(c))/|C|。其中,这里的记录内容的点击上传率可以指的是每点击促上传效率。
图3是根据一示例性实施例示出的另一种内容推荐方法的流程图,该内容推荐方法可以用于能够执行内容推荐的平台上,并建立在图1所示方法的基础上,如图3所示,在执行步骤S13时,可以包括以下步骤S31-S32:
在步骤S31中,确定用于预测标签点击参与率的标签训练模型,所述标签为内容页面包含的用于表征内容信息的标签,所述标签点击参与率为点击所述标签并通过所述标签完成上传事件的概率;
在内容页面(如视频页面)中,通常包括一个或多个内容标签,该视频标签用于表征该内容的特定信息,举例说明:在内容为跳舞视频时,该跳舞视频的所在页面会包括跳舞标签,标签形式可以为#跳舞#。
内容标签可以被点击,通过点击标签可以获得标签下的内容上传接口。举例说明;在点击标签#跳舞#后,可以浏览#跳舞#标签下的各个相关视频,同时,用户可能参与该标签,即在#跳舞#标签下上传相似内容的视频。
标签点击参与率即为点击标签并通过所述标签完成上传事件的概率,可以视为该标签的促进上传事件的作用,用于衡量所述内容能够引起上传行为的概率,不同的标签具有不同的点击参与率。
在步骤S32中,基于所述标签训练模型,以及内容页面包含的标签对操作记录中包含的各项内容进行预测,根据预测结果为所述内容累加上传贡献值。
其中,操作记录中的各项内容的内容页面中,均可以包括一个或多个标签,基于内容所包括的标签,可以进一步为该内容累加上传贡献值。
用于训练标签训练模型的训练集可以是上传时间较久,数据较为稳定,标签的点击参与率变化较小的内容。在对于待预测的内容,则不存在该限制。
在上述实施例中,标签可以包括tag_ctr,mf_ctr,上传接口可以包括join_topic。其中,tag_ctr为在视频详情页对音乐/同框/文本等标签的点击率,mf_ctr为魔法表情的标签点击率。
图4是根据一示例性实施例示出的上传贡献值确定方法的流程图,建立在图1所示方法的基础上,如图4所示,可以包括以下步骤S41-S43:
在步骤S41中,确定用于计算所述上传贡献值的上传贡献值公式;
在步骤S42中,基于所述上传贡献值公式、点击上传率、和/或标签点击参与率,确定所述内容的上传贡献值。
其中,上述步骤S41中的上传贡献值公式可以是预先设置的,比如:通过离线数据挖掘出的上传贡献值公式,可以直接用于计算内容的上传贡献值。并且,可以根据内容的类型不同,采用不同的上传贡献值公式。比如:内容可以包括不同类型的视频内容,有的是原声、有的是同框等,此时就可以选取不同的上传贡献值公式进行计算;
上述步骤S42中,由于上传贡献值公式中包括所述点击上传率、和/或所述标签点击参与率这几个参数,这样就可以把这几个参数的数值代入上传贡献值公式中,最后计算得到对应的上传贡献值。
由上述实例可见,在确定各个内容的上传贡献值时,可以确定内容的点击上传率,确定内容的标签点击率和参与率,以及根据内容的点击上传率、和/或内容的标签点击率和参与率,确定内容的上传贡献值,从而显著提升了用户在平台上上传作品的概率,并引导用户持续上传作品、以及提升用户的上传意愿和上传用户在,整个用户群体中的比例,还使得平台的作品量不断提升,有利于整个平台内容生态的丰富和内容的持续产生,以及从社交维度,还可以提升平台的社交属性,增加平台用户的社交互动。
图5是根据一示例性实施例示出的另一种内容推荐方法的流程图,该内容推荐方法可以用于能够执行内容推荐的平台上,并建立在图1所示方法的基础上,如图5所示,在执行步骤S14时,可以包括以下步骤S51-S53:
在步骤S51中,按照各个内容的上传贡献值的大小,对各个内容进行排序和截取,得到用于确定推荐内容的初始候选集。
本公开实施例中,可以按照各个内容的上传贡献值的大小,选取不同策略的排序公式进行排序和截取,得到用于确定推荐内容的初始候选集。
比如:按照各个内容的上传贡献值从大到小的顺序,对对应的各个内容进行排序,并且截取前N个内容加入初始候选集。
在步骤S52中,按照设定排序规则对初始候选集进行排序和截取,得到用于确定推荐内容的最终候选集。
本公开实施例中,通过利用各个内容的上传贡献值的大小得到初始候选集后,还需要考虑其他设定排序规则,来实现对初始候选集中的内容进行精排序和截取,从而得到最终候选集。
在一实施例中,上述步骤S52中的设定排序规则可以包括但不限于双塔模型。
本公开实施例中,双塔模型可以指的是DSSM(Deep Structured Semantic Model,深度语义相似度模型),其主要用途在于计算语义空间的相似度。并且,这里的双塔模型的基本结构可以为一个用户(user)塔和一个项目(item)塔。
通过双塔模型对加入初选候选集的各个内容进行排序,以及根据模型排序结果截取前K(例如,K为1000个左右)个内容加入最终候选集(该最终候选集可以作为实际召回的触发源)。
除了使用双塔模型对加入初选候选集的各项内容进行排序外,也可使用具有其他侧重方向的设定排序规则,比如侧重用户的综合浏览指标,侧重CTR(Click-Through-Rate,点击通过率),LTR(Learning to Rank,学习排序)等的不同模型和公式。来选择不同风格和侧重的候选集。
在步骤S53中,根据最终候选集确定给用户的推荐内容。
本公开实施例中,可以将最终候选集中的所有内容作为推荐内容,也可以根据其他原因从最终候选集选出一部分作为推荐内容,比如:其他原因是为了保护儿童等特殊情况。
由上述实例可见,在根据各个上传贡献值确定用于召回给用户的推荐内容时,除了可以按照各个内容的上传贡献值的大小,对各个内容进行排序和截取,得到用于确定推荐内容的初始候选集之外,还可以按照设定排序规则对初始候选集进行排序和截取,得到用于确定推荐内容的最终候选集,并根据最终候选集确定用于召回给用户的推荐内容,从而实现了不仅可以利用上传贡献值的半个性化召回方式,还可以结合其他以提升用户浏览等行为为目的的个性化召回方式,进而提高了内容推荐的准确性和合理性。
与前述内容推荐方法实施例相对应,本公开还提供了内容推荐装置的实施例。
图6是根据一示例性实施例示出的一种内容推荐装置框图,该内容推荐装置可以用于能够执行内容推荐的平台上,并建立图1所示方法的基础上,如图6所示,该内容推荐装置可以包括:上传事件确定单元61、操作记录确定单元62、上传贡献累加单元63和内容推荐单元64。
上传事件确定单元61,被配置为获取一次上传事件,以及所述上传事件对应的上传账户,其中,上传事件用于表征上传账户在指定平台的新内容上传行为;
操作记录确定单元62,被配置为提取所述上传账户在所述上传事件前的操作记录,所述操作记录中至少包括所述上传账户的符合时间条件的内容点击记录;
上传贡献累加单元63,被配置为基于所述操作记录中,所记录的各项内容与所述上传事件的关联关系为对应的内容累加上传贡献值,所述上传贡献值包括所述内容基于所述上传事件获得的反馈信息;
内容推荐单元64,被配置为确定反馈值符合预定义条件的内容,用于对账户进行内容推荐。
由上述实例可见,在确定第一数量的用于内容推荐的内容后,可以先确定各个内容的上传贡献值,该内容的上传贡献值用于表征该内容能够促进用户上传的效果,再根据各个上传贡献值确定用于召回给用户的推荐内容,从而实现了从内容生产的角度来促进用户上传作品,并以此来丰富平台上的内容。
在一实施例中,建立在图6所示装置的基础上,所述操作记录确定单元,在提取所述上传账户在发生所述上传事件前的操作记录,所述操作记录中至少包括所述上传账户的符合时间条件的内容点击记录时,被配置为:
提取所述上传账户在所述上传事件前的操作记录,并获取所述操作记录中的内容点击记录;
在所述内容点击记录中,获取每次内容点击携带的点击时间,将点击时间与所述上传事件发生时间的时间差小于预定阈值的内容点击加入符合时间条件的内容点击记录中。
在一实施例中,建立在图6所示装置的基础上,所述上传贡献累加单元,在基于所述操作记录中,所记录的各项内容与所述上传事件的关联关系为对应的内容累加反馈值时,被配置为:
确定所上传的新内容中包含的素材标识;
在所述内容操作记录中获取符合时间条件的内容点击记录,将所述内容点击记录的各项内容中,与所述新内容包含相同素材标识的N个内容确定为有效内容;
为每个有效内容累加上传贡献值,所述每个有效内容累加的上传贡献值的大小与N的数量成反比。
由上述实例可见,在确定各个内容的上传贡献值时,可以确定内容的点击上传率,确定内容的标签点击率和参与率,以及根据内容的点击上传率、和/或内容的标签点击率和参与率,确定内容的上传贡献值,从而显著提升了用户在平台上上传作品的概率,并引导用户持续上传作品、以及提升用户的上传意愿和上传用户在,整个用户群体中的比例,还使得平台的作品量不断提升,有利于整个平台内容生态的丰富和内容的持续产生,以及从社交维度,还可以提升平台的社交属性和社交互动。
在一实施例中,建立在图6所示装置的基础上,所述上传贡献累加单元,在所述内容操作记录中获取符合时间条件的内容点击记录后,还被配置为:
若所述内容点击记录中,不存在与所述新内容包含相同素材标识的内容,则将所述内容点击记录中的各项内容都确定为有效内容。
在一实施例中,建立在图6所示装置的基础上,所述上传贡献累加单元,还被配置为:
确定用于预测标签点击参与率的标签训练模型,所述标签为内容页面包含的用于表征内容信息的标签,所述标签点击参与率为点击所述标签并通过所述标签完成上传事件的概率;
基于所述标签训练模型,以及内容页面包含的标签对操作记录中包含的各项内容进行预测,根据预测结果为所述内容累加上传贡献值。
在一实施例中,建立在图6所示装置的基础上,所述内容推荐单元,在确定上传贡献值符合预定义条件的内容,用于对账户进行内容推荐时,被配置为:
按照各个所述内容的上传贡献值的大小,对各个所述内容进行排序和截取,得到用于确定所述推荐内容的初始候选集;
按照设定排序规则对所述初始候选集进行排序和截取,得到用于确定所述推荐内容的最终候选集;
根据所述最终候选集确定给用户的推荐内容。
在一实施例中,建立在图6示装置的基础上,所述设定排序规则可以包括但不限于双塔模型。
由上述实例可见,在根据各个上传贡献值确定用于召回给用户的推荐内容时,除了可以按照各个内容的上传贡献值的大小,对各个内容进行排序和截取,得到用于确定推荐内容的初始候选集之外,还可以按照设定排序规则对初始候选集进行排序和截取,得到用于确定推荐内容的最终候选集,并根据最终候选集确定用于召回给用户的推荐内容,从而实现了不仅可以利用上传贡献值的半个性化召回方式,还可以结合其他以提升用户浏览等行为为目的的个性化召回方式,进而提高了内容推荐的准确性和合理性。
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。
本公开还提供了一种计算机设备,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,以实现如图1至图5任一所述的内容推荐方法。
本公开还提供了一种存储介质,当所述存储介质中的指令由内容推荐装置的处理器执行时,使得内容推荐装置能够执行如如图1至图5任一所述的内容推荐方法。
图7是根据一示例性实施例示出的一种内容推荐装置的结构示意图。如图7所示,根据一示例性实施例示出的一种内容推荐装置700,该装置700可以是计算机,移动电话,数字广播终端,消息收发设备,游戏控制台,平板设备,医疗设备,健身设备,个人数字助理等终端。
参照图7,装置700可以包括以下一个或多个组件:处理组件701,存储器702,电源组件703,多媒体组件704,音频组件705,输入/输出(I/O)的接口706,传感器组件707,以及通信组件708。
处理组件701通常控制装置700的整体操作,诸如与显示,电话呼叫,数据通信,相机操作和记录操作相关联的操作。处理组件701可以包括一个或多个处理器709来执行指令,以完成上述的方法的全部或部分步骤。此外,处理组件701可以包括一个或多个模块,便于处理组件701和其它组件之间的交互。例如,处理组件701可以包括多媒体模块,以方便多媒体组件704和处理组件701之间的交互。
存储器702被配置为存储各种类型的数据以支持在装置700的操作。这些数据的示例包括用于在装置700上操作的任何应用程序或方法的指令,联系人数据,电话簿数据,消息,图片,视频等。存储器702可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。
电源组件703为装置700的各种组件提供电力。电源组件703可以包括电源管理系统,一个或多个电源,及其它与为装置700生成、管理和分配电力相关联的组件。
多媒体组件704包括在所述装置700和用户之间的提供一个输出接口的屏幕。在一些实施例中,屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板,屏幕可以被实现为触摸屏,以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界,而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中,多媒体组件704包括一个前置摄像头和/或后置摄像头。当装置700处于操作模式,如拍摄模式或视频模式时,前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
音频组件705被配置为输出和/或输入音频信号。例如,音频组件705包括一个麦克风(MIC),当装置700处于操作模式,如呼叫模式、记录模式和语音识别模式时,麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器702或经由通信组件708发送。在一些实施例中,音频组件705还包括一个扬声器,用于输出音频信号。
I/O接口706为处理组件701和外围接口模块之间提供接口,上述外围接口模块可以是键盘,点击轮,按钮等。这些按钮可包括但不限于:主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件707包括一个或多个传感器,用于为装置700提供各个方面的状态评估。例如,传感器组件707可以检测到装置700的打开/关闭状态,组件的相对定位,例如所述组件为装置700的显示器和小键盘,传感器组件707还可以检测装置700或装置700一个组件的位置改变,用户与装置700接触的存在或不存在,装置700方位或加速/减速和装置700的温度变化。传感器组件707可以包括接近传感器,被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件707还可以包括光传感器,如CMOS或CCD图像传感器,用于在成像应用中使用。在一些实施例中,该传感器组件707还可以包括加速度传感器,陀螺仪传感器,磁传感器,压力传感器或温度传感器。
通信组件708被配置为便于装置700和其它设备之间有线或无线方式的通信。装置700可以接入基于通信标准的无线网络,如WiFi,2G或3G,或它们的组合。在一个示例性实施例中,通信组件708经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中,所述通信组件708还包括近场通信(NFC)模块,以促进短程通信。例如,在NFC模块可基于射频识别(RFID)技术,红外数据协会(IrDA)技术,超宽带(UWB)技术,蓝牙(BT)技术和其它技术来实现。
在示例性实施例中,装置700可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其它电子元件实现,用于执行上述方法。
在示例性实施例中,还提供了一种包括指令的非临时性计算机可读存储介质,例如包括指令的存储器702,上述指令可由装置700的处理器709执行以完成上述方法。例如,所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
其中,当所述存储介质中的指令由所述处理器执行时,使得装置700能够执行上述任一所述的内容推荐方法。
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 (12)
1.一种内容推荐方法,其特征在于,包括:
获取一次上传事件,以及所述上传事件对应的上传账户,其中,上传事件用于表征上传账户在指定平台的新内容上传行为;
提取所述上传账户在所述上传事件前的操作记录,所述操作记录中至少包括所述上传账户的符合时间条件的内容点击记录;
基于所述操作记录中,所记录的各项内容与所述上传事件的关联关系为对应的内容累加上传贡献值,所述上传贡献值由所述内容基于所述上传事件获得的反馈信息确定;
确定上传贡献值符合预定义条件的内容,用于对账户进行内容推荐;
其中,所述基于所述操作记录中,所记录的各项内容与所述上传事件的关联关系为对应的内容累加上传贡献值,包括:确定所上传的新内容中包含的素材标识;在所述内容操作记录中获取符合时间条件的内容点击记录,将所述内容点击记录的各项内容中,与所述新内容包含相同素材标识的N个内容确定为有效内容;为每个有效内容的上传贡献值进行累加,所述每个有效内容的上传贡献值的累加值的大小与N的数量成反比。
2.根据权利要求1所述的内容推荐方法,其特征在于,所述提取所述上传账户在发生所述上传事件前的操作记录,所述操作记录中至少包括所述上传账户的符合时间条件的内容点击记录,包括:
提取所述上传账户在所述上传事件前的操作记录,并获取所述操作记录中的内容点击记录;
在所述内容点击记录中,获取每次内容点击携带的点击时间,将点击时间与所述上传事件发生时间的时间差小于预定阈值的内容点击加入符合时间条件的内容点击记录中。
3.根据权利要求1所述的内容推荐方法,其特征在于,在所述内容操作记录中获取符合时间条件的内容点击记录后,还包括:
若所述内容点击记录中,不存在与所述新内容包含相同素材标识的内容,则将所述内容点击记录中的各项内容都确定为有效内容。
4.根据权利要求1所述的内容推荐方法,其特征在于,所述提取所述上传账户在所述上传事件前的操作记录后,还包括:
确定用于预测标签点击参与率的标签训练模型,所述标签为内容页面包含的用于表征内容信息的标签,所述标签点击参与率为点击所述标签并通过所述标签完成上传事件的概率;
基于所述标签训练模型,以及内容页面包含的标签对操作记录中包含的各项内容进行预测,根据预测结果为所述内容累加上传贡献值。
5.根据权利要求1所述的内容推荐方法,其特征在于,所述确定上传贡献值符合预定义条件的内容,用于对账户进行内容推荐,包括:
按照各个所述内容的上传贡献值的大小,对各个所述内容进行排序和截取,得到用于确定所述推荐内容的初始候选集;
按照设定排序规则对所述初始候选集进行排序和截取,得到用于确定所述推荐内容的最终候选集;
根据所述最终候选集确定给用户的推荐内容。
6.一种内容推荐装置,其特征在于,包括:
上传事件确定单元,被配置为获取一次上传事件,以及所述上传事件对应的上传账户,其中,上传事件用于表征上传账户在指定平台的新内容上传行为;
操作记录确定单元,被配置为提取所述上传账户在所述上传事件前的操作记录,所述操作记录中至少包括所述上传账户的符合时间条件的内容点击记录;
上传贡献累加单元,被配置为基于所述操作记录中,所记录的各项内容与所述上传事件的关联关系为对应的内容累加上传贡献值,所述上传贡献值由所述内容基于所述上传事件获得的反馈信息确定;
内容推荐单元,被配置为确定反馈值符合预定义条件的内容,用于对账户进行内容推荐;
其中,所述基于所述操作记录中,所记录的各项内容与所述上传事件的关联关系为对应的内容累加上传贡献值,包括:确定所上传的新内容中包含的素材标识;在所述内容操作记录中获取符合时间条件的内容点击记录,将所述内容点击记录的各项内容中,与所述新内容包含相同素材标识的N个内容确定为有效内容;为每个有效内容的上传贡献值进行累加,所述每个有效内容的上传贡献值的累加值的大小与N的数量成反比。
7.根据权利要求6所述的内容推荐装置,其特征在于,所述操作记录确定单元,在提取所述上传账户在发生所述上传事件前的操作记录,所述操作记录中至少包括所述上传账户的符合时间条件的内容点击记录时,被配置为:
提取所述上传账户在所述上传事件前的操作记录,并获取所述操作记录中的内容点击记录;
在所述内容点击记录中,获取每次内容点击携带的点击时间,将点击时间与所述上传事件发生时间的时间差小于预定阈值的内容点击加入符合时间条件的内容点击记录中。
8.根据权利要求6所述的内容推荐装置,其特征在于,所述上传贡献累加单元,在所述内容操作记录中获取符合时间条件的内容点击记录后,还被配置为:
若所述内容点击记录中,不存在与所述新内容包含相同素材标识的内容,则将所述内容点击记录中的各项内容都确定为有效内容。
9.根据权利要求6所述的内容推荐装置,其特征在于,所述上传贡献累加单元,还被配置为:
确定用于预测标签点击参与率的标签训练模型,所述标签为内容页面包含的用于表征内容信息的标签,所述标签点击参与率为点击所述标签并通过所述标签完成上传事件的概率;
基于所述标签训练模型,以及内容页面包含的标签对操作记录中包含的各项内容进行预测,根据预测结果为所述内容累加上传贡献值。
10.根据权利要求6所述的内容推荐装置,其特征在于,所述内容推荐单元,在确定上传贡献值符合预定义条件的内容,用于对账户进行内容推荐时,被配置为:
按照各个所述内容的上传贡献值的大小,对各个所述内容进行排序和截取,得到用于确定所述推荐内容的初始候选集;
按照设定排序规则对所述初始候选集进行排序和截取,得到用于确定所述推荐内容的最终候选集;
根据所述最终候选集确定给用户的推荐内容。
11.一种计算机设备,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5中任一项所述的内容推荐方法。
12.一种存储介质,其特征在于,当所述存储介质中的指令由内容推荐装置的处理器执行时,使得内容推荐装置能够执行如权利要求1至5中任一项所述的内容推荐方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911216088.XA CN112989172B (zh) | 2019-12-02 | 2019-12-02 | 内容推荐方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911216088.XA CN112989172B (zh) | 2019-12-02 | 2019-12-02 | 内容推荐方法、装置、计算机设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112989172A CN112989172A (zh) | 2021-06-18 |
CN112989172B true CN112989172B (zh) | 2024-03-12 |
Family
ID=76331293
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911216088.XA Active CN112989172B (zh) | 2019-12-02 | 2019-12-02 | 内容推荐方法、装置、计算机设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112989172B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105468653A (zh) * | 2014-09-12 | 2016-04-06 | 腾讯科技(北京)有限公司 | 基于社交应用软件的数据推荐方法和装置 |
CN106254218A (zh) * | 2016-08-11 | 2016-12-21 | 成都高合盛科技有限责任公司 | 即时通讯账户关联方法及装置 |
CN108551462A (zh) * | 2018-02-28 | 2018-09-18 | 阿里巴巴集团控股有限公司 | 一种信息推送方法、装置及设备 |
CN108959871A (zh) * | 2018-07-12 | 2018-12-07 | 越信智能科技(深圳)有限公司 | 一种多账户操作和管理的方法及系统 |
CN109063157A (zh) * | 2018-08-10 | 2018-12-21 | 优视科技新加坡有限公司 | 资源推荐方法及其装置、设备/终端/服务器、计算机可读介质 |
CN109242514A (zh) * | 2018-08-28 | 2019-01-18 | 腾讯科技(深圳)有限公司 | 客户标签推荐方法、装置和系统 |
CN109241441A (zh) * | 2018-09-30 | 2019-01-18 | 北京达佳互联信息技术有限公司 | 内容推荐方法、装置、电子设备及存储介质 |
CN110278253A (zh) * | 2019-06-11 | 2019-09-24 | 中国第一汽车股份有限公司 | 一种车辆账户成长的实现方法、装置、服务器和存储介质 |
CN110287412A (zh) * | 2019-06-10 | 2019-09-27 | 腾讯科技(深圳)有限公司 | 内容推荐方法、推荐模型生成方法、设备、和存储介质 |
CN110502648A (zh) * | 2019-07-17 | 2019-11-26 | 北京达佳互联信息技术有限公司 | 用于多媒体信息的推荐模型获取方法及装置 |
-
2019
- 2019-12-02 CN CN201911216088.XA patent/CN112989172B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105468653A (zh) * | 2014-09-12 | 2016-04-06 | 腾讯科技(北京)有限公司 | 基于社交应用软件的数据推荐方法和装置 |
CN106254218A (zh) * | 2016-08-11 | 2016-12-21 | 成都高合盛科技有限责任公司 | 即时通讯账户关联方法及装置 |
CN108551462A (zh) * | 2018-02-28 | 2018-09-18 | 阿里巴巴集团控股有限公司 | 一种信息推送方法、装置及设备 |
CN108959871A (zh) * | 2018-07-12 | 2018-12-07 | 越信智能科技(深圳)有限公司 | 一种多账户操作和管理的方法及系统 |
CN109063157A (zh) * | 2018-08-10 | 2018-12-21 | 优视科技新加坡有限公司 | 资源推荐方法及其装置、设备/终端/服务器、计算机可读介质 |
CN109242514A (zh) * | 2018-08-28 | 2019-01-18 | 腾讯科技(深圳)有限公司 | 客户标签推荐方法、装置和系统 |
CN109241441A (zh) * | 2018-09-30 | 2019-01-18 | 北京达佳互联信息技术有限公司 | 内容推荐方法、装置、电子设备及存储介质 |
CN110287412A (zh) * | 2019-06-10 | 2019-09-27 | 腾讯科技(深圳)有限公司 | 内容推荐方法、推荐模型生成方法、设备、和存储介质 |
CN110278253A (zh) * | 2019-06-11 | 2019-09-24 | 中国第一汽车股份有限公司 | 一种车辆账户成长的实现方法、装置、服务器和存储介质 |
CN110502648A (zh) * | 2019-07-17 | 2019-11-26 | 北京达佳互联信息技术有限公司 | 用于多媒体信息的推荐模型获取方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN112989172A (zh) | 2021-06-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109800325B (zh) | 视频推荐方法、装置和计算机可读存储介质 | |
CN111859020B (zh) | 推荐方法、装置、电子设备及计算机可读存储介质 | |
CN110688527A (zh) | 视频推荐方法、装置、存储介质及电子设备 | |
CN112445970B (zh) | 一种信息推荐方法、装置、电子设备及存储介质 | |
CN112508612B (zh) | 训练广告创意生成模型、生成广告创意的方法及相关装置 | |
CN111127053B (zh) | 页面内容推荐方法、装置及电子设备 | |
CN112148923B (zh) | 搜索结果的排序方法、排序模型的生成方法、装置及设备 | |
CN112000266B (zh) | 页面展示方法、装置、电子设备及存储介质 | |
CN112131466A (zh) | 群组展示方法、装置、系统和存储介质 | |
CN113901241B (zh) | 页面展示方法、装置、电子设备及存储介质 | |
CN112612949B (zh) | 推荐数据集合的建立方法及装置 | |
CN114547421A (zh) | 一种搜索处理方法、装置、电子设备及存储介质 | |
CN111859097B (zh) | 数据处理方法、装置、电子设备及存储介质 | |
CN114722238B (zh) | 视频推荐方法、装置、电子设备、存储介质及程序产品 | |
CN116233554A (zh) | 视频播放方法、装置、电子设备和存储介质 | |
CN112989172B (zh) | 内容推荐方法、装置、计算机设备及存储介质 | |
CN114117058A (zh) | 账户信息的确定方法、装置、电子设备及存储介质 | |
CN114666643A (zh) | 一种信息显示方法、装置、电子设备及存储介质 | |
CN105224336A (zh) | 信息列表生成方法和装置、智能设备 | |
CN111179011A (zh) | 一种保险产品推荐方法及装置 | |
CN112241486A (zh) | 多媒体信息获取方法及装置 | |
CN117350824B (zh) | 电子元件信息上传及展示方法、装置、介质及设备 | |
CN112307353B (zh) | 数据的处理方法、装置、电子设备、存储介质 | |
CN115484471B (zh) | 主播推荐方法及装置 | |
CN112446720B (zh) | 一种广告显示方法及装置 |
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 |