CN113076415B - 一种文章排序方法、装置、计算机设备和可读存储介质 - Google Patents
一种文章排序方法、装置、计算机设备和可读存储介质 Download PDFInfo
- Publication number
- CN113076415B CN113076415B CN202110481046.XA CN202110481046A CN113076415B CN 113076415 B CN113076415 B CN 113076415B CN 202110481046 A CN202110481046 A CN 202110481046A CN 113076415 B CN113076415 B CN 113076415B
- Authority
- CN
- China
- Prior art keywords
- article
- score
- category
- class
- articles
- 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 36
- 238000004364 calculation method Methods 0.000 claims description 17
- 238000004590 computer program Methods 0.000 claims description 8
- 238000005516 engineering process Methods 0.000 abstract description 3
- 238000007405 data analysis Methods 0.000 abstract description 2
- 238000004422 calculation algorithm Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 5
- 230000002452 interceptive effect Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000010295 mobile communication Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000001174 ascending effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000002860 competitive effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 235000019633 pungent taste Nutrition 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
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/335—Filtering based on additional data, e.g. user or group profiles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/10—Text processing
- G06F40/194—Calculation of difference between files
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Audiology, Speech & Language Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明涉及数据分析技术领域,具体公开了一种文章排序方法,该方法包括:获取M篇已曝光文章;确定每篇已曝光文章在预设时间内的操作数据和等级分值;根据操作数据将M篇已曝光文章归类为第一类别文章和第二类别文章;根据所有第二类别文章的等级分值更新每篇第一类别文章的等级分值,获得每篇第一类别文章的第一更新分值;根据所有第一类别文章的等级分值更新每篇第二类别文章的等级分值,获得每篇第二类别文章的第二更新分值;根据所有第一更新分值和所有第二更新分值对M篇已曝光文章进行排序。本发明还涉及区块链技术,将所有第一更新分值和所有第二更新分值存储在区块链中,可保证数据安全性。
Description
技术领域
本发明涉及数据分析技术领域,具体涉及一种文章排序方法、装置、计算机设备和计算机可读存储介质。
背景技术
热门文章推荐算法通常是赋予每一篇文章一个热度值,然后将热度值按照降序排序。现有的一种计算热度值的方案是,预先为用户对文章执行的不同交互操作设置不同的权重值,然后根据权重值计算文章热度值。当用户对文章进行积极交互操作(比如点赞、转发和打赏等)时,热度值会根据操作所对应的权重值增加。
发明人在研究的过程中发现,现有的这种计算方法表面上看上去很公平合理,实际却存在一些问题。比如,热门文章的热度值比普通文章高,排名也比普通文章靠前,曝光率自然也比普通文章多,且曝光率的增加会导致用户对文章的交互操作有所增加,从而进一步增加文章的热度值,提高文章的排名和曝光率,形成正反馈,最终导致热门文章与普通文章的热度值、排名和曝光率差距越来越大。并且,一次交互操作所关联的权重值对文章热度值的影响程度很小,对文章排名自然也影响非常小,假如一篇普通文章的质量优于热门文章,若想提升该普通文章的排名,需要对其进行大量交互操作,实现方式非常繁琐且较为困难。
针对现有技术中普通文章相比于热门文章提升排名难度较大的技术问题,目前未存在有效的解决办法。
发明内容
本发明的目的在于提供了一种文章排序方法、装置、计算机设备和计算机可读存储介质,能够解决现有技术中普通文章相比于热门文章提升排名难度较大的技术问题。
本发明的一个方面提供了一种文章排序方法,所述方法包括:获取M篇已曝光文章;确定每篇所述已曝光文章在预设时间内的操作数据和等级分值;根据所述操作数据将所述M篇已曝光文章归类为第一类别文章和第二类别文章,其中,每篇所述第一类别文章的操作数据表征该第一类别文章在所述预设时间内被执行预设操作,每篇所述第二类别文章的操作数据表征该第二类别文章在所述预设时间内未被执行所述预设操作;根据所有所述第二类别文章的等级分值更新每篇所述第一类别文章的等级分值,获得每篇所述第一类别文章的第一更新分值;根据所有所述第一类别文章的等级分值更新每篇所述第二类别文章的等级分值,获得每篇所述第二类别文章的第二更新分值;根据所有所述第一更新分值和所有所述第二更新分值对所述M篇已曝光文章进行排序。
可选地,所述根据所有所述第二类别文章的等级分值更新每篇所述第一类别文章的等级分值,获得每篇所述第一类别文章的第一更新分值,包括:根据每篇所述第一类别文章的等级分值和每篇所述第二类别文章的等级分值,计算每篇所述第一类别文章相对于每篇所述第二类别文章的第一期望胜率;根据预置分值和所述第一期望胜率,计算每篇所述第一类别文章相对于所有所述第二类别文章的第一偏移分值;根据所述第一偏移分值和每篇所述第一类别文章的等级分值,计算每篇所述第一类别文章的第一更新分值。
可选地,所述根据预置分值和所述第一期望胜率,计算每篇所述第一类别文章相对于所有所述第二类别文章的第一偏移分值,包括:
其中,Δwi为所述第一偏移分值,wi为第i篇第一类别文章的等级分值,lk为第k篇第二类别文章的等级分值,n为第二类别文章的总数量,E(wi,lk)为第i篇第一类别文章相比于第k篇第二类别文章的第一期望胜率,数值1为预置分值,K为分数调整系数。
可选地,根据所有所述第一类别文章的等级分值更新每篇所述第二类别文章的等级分值,获得每篇所述第二类别文章的第二更新分值,包括:根据每篇所述第一类别文章的等级分值和每篇所述第二类别文章的等级分值,计算每篇所述第二类别文章相对于每篇所述第一类别文章的第二期望胜率;根据所述第二期望胜率,计算每篇所述第二类别文章相对于所有所述第一类别文章的第二偏移分值;根据所述第二偏移分值和每篇所述第二类别文章的等级分值,计算每篇所述第二类别文章的第二更新分值。
可选地,所述根据所有所述第二期望胜率计算每篇所述第二类别文章相对于所有所述第一类别文章的第二偏移分值,包括:
其中,Δlk为所述第二偏移分值,lk为第k篇第二类别文章的等级分值,wi为第i篇第一类别文章的等级分值,m为第一类别文章的总数量,E(lk,wi)为第k篇第二类别文章相比于第i篇第一类别文章的第二期望胜率,K为分数调整系数。
可选地,所述方法还包括:将确定出的所有所述第一更新分值和所有所述第二更新分值上传至区块链中。
本发明的另一个方面提供了一种文章排序装置,所述装置包括:获取模块,用于获取M篇已曝光文章;确定模块,用于确定每篇所述已曝光文章在预设时间内的操作数据和等级分值;归类模块,用于根据所述操作数据将所述M篇已曝光文章归类为第一类别文章和第二类别文章,其中,每篇所述第一类别文章的操作数据表征该第一类别文章在所述预设时间内被执行预设操作,每篇所述第二类别文章的操作数据表征该第二类别文章在所述预设时间内未被执行所述预设操作;第一更新模块,用于根据所有所述第二类别文章的等级分值更新每篇所述第一类别文章的等级分值,获得每篇所述第一类别文章的第一更新分值;第二更新模块,用于根据所有所述第一类别文章的等级分值更新每篇所述第二类别文章的等级分值,获得每篇所述第二类别文章的第二更新分值;排序模块,用于根据所有所述第一更新分值和所有所述第二更新分值对所述M篇已曝光文章进行排序。
可选地,所述第一更新模块包括:第一计算单元,用于根据每篇所述第一类别文章的等级分值和每篇所述第二类别文章的等级分值,计算每篇所述第一类别文章相对于每篇所述第二类别文章的第一期望胜率;第二计算单元,用于根据预置分值和所述第一期望胜率,计算每篇所述第一类别文章相对于所有所述第二类别文章的第一偏移分值;第三计算单元,用于根据所述第一偏移分值和每篇所述第一类别文章的等级分值,计算每篇所述第一类别文章的第一更新分值。
本发明的再一个方面提供了一种计算机设备,所述计算机设备包括:存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述任一实施例所述的文章排序方法。
本发明的又一个方面提供了一种计算机可读存储介质,其上存储有计算机程序,上述计算机程序被处理器执行时实现上述任一实施例所述的文章排序方法。进一步地,所述计算机可读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。
本发明提供的文章排序方法,对于M篇已曝光文章,将在预设时间内被执行预设操作的已曝光文章作为第一类别文章,将在预设时间内未被执行预设操作的已曝光文章作为第二类别文章,然后根据每篇第一类别文章和所有第二类别文章的等级分值计算每篇第一类别文章的第一更新分值,根据每篇第二类别文章和所有第一类别文章的等级分值计算每篇第二类别文章的第二更新分值,最后对所有第一更新分值和所有第一更新分值排序可以实现对M篇已曝光文章的排序。本发明的方案,通过“一对多”场景更新等级分值,使得等级分值和更新分值(如第一更新分值、第二更新分值)相差较远,可以快速拉开文章之间等级分值的差距,一旦等级分值较低的文章被列为第一类别文章,则该文章可以通过“一对多”场景快速得到一个分值较高的更新分值,进而提升排名顺序,解决了现有技术中普通文章相比于热门文章提升排名难度较大的技术问题。
附图说明
通过阅读下文优选实施方式的详细描述,各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的,而并不认为是对本发明的限制。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示意性示出了根据本发明实施例一的文章排序方法的流程图;
图2示意性示出了根据本发明实施例一的更新第一类别文章的等级分值的示意图;
图3示意性示出了根据本发明实施例二的文章排序装置的框图;
图4示意性示出了根据本发明实施例三的适于实现文章排序方法的计算机设备的框图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
需要说明的是,在本文中,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、物品或者装置不仅包括那些要素,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、物品或者装置所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
实施例一
经发明人研究发现,现有技术中之所以会存在普通文章相比于热门文章提升排名难度较大的问题,归根结底是由于权重值的设定具有主观随意性,导致热度值的计算也存在主观随意性,缺少统计学上的依据。传统的埃洛等级分算法用于评价对弈活动中双方的水平高低,目前被广泛应用于国际象棋、围棋、足球、篮球和电子竞技等竞技运动中。该算法会赋予每个选手一个等级分,根据比赛双方的等级分可以预测双方的期望胜率,根据实际的比赛结果,可以计算双方等级分如何调整,其特性有:1)比赛的实际结果与比赛的期望结果不一致时,双方分数差距越大,分数调整幅度越大;2)假设选手的水平稳定,则只要进行足够多的比赛,最终选手的等级分可以代表其真实的水平。但是,传统的埃洛等级分算法只适用于“一对一”的比赛中,并且需要多轮比赛才能使选手分数收敛到能代表其真实水平的分值。然而,与上述竞技比赛不同的是,文章排序涉及的文章数量较多,若想使用埃洛等级分算法的上述特性,需要对其进行改进,使得改进后的埃洛等级分算法可以应用于“一对多”场景,并将改进的埃洛等级分算法应用于解决文章排序的场景,可以解决现有技术中普通文章相比于热门文章提升排名难度较大的技术问题。假如一篇质量较高的普通文章刚被发表,其等级分值必然远远低于热门文章,基于传统埃洛等级分算法中当实际结果与预测结果不一致时比赛双方分数差距越大分数调整幅度也越大的特点,只要用户对该篇普通文章执行了预设操作,改进的算法中计算“一对多”的偏移分值,使得最终的更新分值相比于之前的等级分值有很大的提升,因此,即便这篇普通文章的曝光率不大,也要可能通过一次预设操作使其获得很高的分值,大大提升其排名位置。
具体地,如图1所示,图1示意性示出了根据本发明实施例一的文章排序方法的流程图,其中,该文章排序方法可以包括步骤S1~步骤S6,具体地:
步骤S1,获取M篇已曝光文章。
已曝光文章可以是已经发表的电子文章,用户可以通过网络阅读到该文章。M为大于等于3的正整数。
步骤S2,确定每篇所述已曝光文章在预设时间内的操作数据和等级分值。
操作数据可以包括:用户对已曝光文章进行浏览操作、点击操作、评论操作和/或滑动操作等。其中,点击操作可以包括:点赞操作、转发操作、取消点赞操作和/或取消转发操作等。
每篇已曝光文章具有一个等级分值,若首次利用本实施例对已曝光文章进行排序,则可以获取预先为每篇已曝光文章设置的相等初始等级分值,作为每篇文章的等级分值。若非首次利用本实施例对已曝光文章进行排序,则可以获取上一次利用本实施例对已曝光文章进行排序时所依赖的等级分值(即上一次排时计算出的每篇已曝光文章的更新分值,具体计算方式参见下述步骤),作为已曝光文章的等级分值。
步骤S3,根据所述操作数据将所述M篇已曝光文章归类为第一类别文章和第二类别文章,其中,每篇所述第一类别文章的操作数据表征该第一类别文章在所述预设时间内被执行预设操作,每篇所述第二类别文章的操作数据表征该第二类别文章在所述预设时间内未被执行所述预设操作。
预设操作可以为操作数据中涵盖的部分或全部操作,例如预设操作为点击操作和/或浏览文章时长达到预设时长阈值。
本实施例中,设置预设条件为预设时间内被执行预设操作,通过判断M篇已曝光文章的每篇文章是否符合预设条件,将M篇已曝光文章划分为第一类别文章和第二类别文章,其中,第一类别文章和第二类别文章的总数量等于M。
步骤S4,根据所有所述第二类别文章的等级分值更新每篇所述第一类别文章的等级分值,获得每篇所述第一类别文章的第一更新分值。
对于每篇第一类别文章,均可以通过该第一类别文章的等级分值和所有第二类别文章的等级分值计算出该第一类别文章的第一更新分值。本实施例中通过“一对多”的方式实现每篇第一类别文章的等级分值更新机制,充分利用与第一类别文章对立的每篇第二类别文章,使得每篇第一类别文章的最终第一更新分值相比于之前的等级分值有很大的提升。
具体地,步骤S4可以包括步骤S41~步骤S43,其中:
步骤S41,根据每篇所述第一类别文章的等级分值和每篇所述第二类别文章的等级分值,计算每篇所述第一类别文章相对于每篇所述第二类别文章的第一期望胜率;
步骤S42,根据预置分值和所述第一期望胜率,计算每篇所述第一类别文章相对于所有所述第二类别文章的第一偏移分值;
步骤S43,根据所述第一偏移分值和每篇所述第一类别文章的等级分值,计算每篇所述第一类别文章的第一更新分值。
其中,步骤S41的计算公式可以为:
wi为第i篇第一类别文章的等级分值,lk为第k篇第二类别文章的等级分值,E(wi,lk)为第i篇第一类别文章相比于第k篇第二类别文章的第一期望胜率。
步骤S42的计算公可以为:
Δwi为所述第一偏移分值,x为预置分值,K为分数调整系数。其中,x的取值可以为1,K的取值可以为16或32。需知,K的取值越大,等级分值改变越大,已曝光文章的排名变化跨度也就越大。
计算第一类别文章的第一更新分值可以是:计算第一偏移分值和第一类别文章的等级分值之和,作为第一类别文章的第一更新分值;还可以是:计算第一偏移分值和第一类别文章的等级分值的乘积,作为第一类别文章的第一更新分值。
例如,如图2所示,假设i等于1,可以根据步骤S41计算第1篇第一类别文章相对于每篇第二类别文章的第一期望胜率,共有n个第一期望胜率,然后利用步骤S42通过这n个第一期望胜率计算第1篇第一类别文章相对于n个第二类别文章的一个第一偏移分值,利用该第一偏移分值和第1篇第一类别文章的等级分值可以得到第1篇第一类别文章的第一更新分值。
步骤S5,根据所有所述第一类别文章的等级分值更新每篇所述第二类别文章的等级分值,获得每篇所述第二类别文章的第二更新分值。
对于每篇第二类别文章,均可以通过该第二类别文章的等级分值和所有第一类别文章的等级分值计算出该第二类别文章的第二更新分值。本实施例中通过“一对多”的方式实现每篇第二类别文章的等级分值更新机制,充分利用与第二类别文章对立的每篇第一类别文章,使得每篇第二类别文章的最终第二更新分值相比于之前的等级分值有很大的提升。
具体地,步骤S5可以包括步骤S51~步骤S53,其中:
步骤S51,根据每篇所述第一类别文章的等级分值和每篇所述第二类别文章的等级分值,计算每篇所述第二类别文章相对于每篇所述第一类别文章的第二期望胜率;
步骤S52,根据所述第二期望胜率,计算每篇所述第二类别文章相对于所有所述第一类别文章的第二偏移分值;
步骤S53,根据所述第二偏移分值和每篇所述第二类别文章的等级分值,计算每篇所述第二类别文章的第二更新分值。
其中,步骤S51的计算公式为:
lk为第k篇第二类别文章的等级分值,wi为第i篇第一类别文章的等级分值,E(lk,wi)为第k篇第二类别文章相比于第i篇第一类别文章的第二期望胜率。
步骤S52的计算公式为:
Δlk为所述第二偏移分值,m为第一类别文章的总数量,K为分数调整系数。其中,K的取值可以为16或32。
计算第二类别文章的第二更新分值可以是:计算第二偏移分值和第二类别文章的等级分值之和,作为第二类别文章的第二更新分值;还可以是:计算第二偏移分值和第二类别文章的等级分值的乘积,作为第二类别文章的第二更新分值。
需要说明的是,若第一类别文章的数量为0或者第二类别文章的数量为0,则各个第一更新分值和第二更新分值等于相对应的等级分值,即实质上未对等级分值进行更新。
步骤S6,根据所有所述第一更新分值和所有所述第二更新分值对所述M篇已曝光文章进行排序。
其中,排序方式可以包括:按照所有的“第一更新分值和第二更新分值”降序的方式对M篇已曝光文章进行排序;或者,按照所有的“第一更新分值和第二更新分值”升序的方式对M篇已曝光文章进行排序。
可选地,为保证数据的安全性,可以将确定出的所有第一更新分值和所有第二更新分值上传至区块链中,在下次需要使用时可以从区块链中下载第一更新分值和/或第二更新分值,以避免数据被篡改。
实施例二
本发明的实施例二提供了一种文章排序装置,该文章排序装置与上述实施例一相对应,相应的技术特征和技术效果在本实施例中不再详述,相关之处可参考上述实施例一。具体地,图3示意性示出了根据本发明实施例二的文章排序装置的框图,如图3所示,该文章排序装置300可以包括获取模块301、确定模块302、归类模块303、第一更新模块304、第二更新模块305和排序模块306,其中:
获取模块301,用于获取M篇已曝光文章;
确定模块302,用于确定每篇所述已曝光文章在预设时间内的操作数据和等级分值;
归类模块303,用于根据所述操作数据将所述M篇已曝光文章归类为第一类别文章和第二类别文章,其中,每篇所述第一类别文章的操作数据表征该第一类别文章在所述预设时间内被执行预设操作,每篇所述第二类别文章的操作数据表征该第二类别文章在所述预设时间内未被执行所述预设操作;
第一更新模块304,用于根据所有所述第二类别文章的等级分值更新每篇所述第一类别文章的等级分值,获得每篇所述第一类别文章的第一更新分值;
第二更新模块305,用于根据所有所述第一类别文章的等级分值更新每篇所述第二类别文章的等级分值,获得每篇所述第二类别文章的第二更新分值;
排序模块306,用于根据所有所述第一更新分值和所有所述第二更新分值对所述M篇已曝光文章进行排序。
可选地,所述第一更新模块包括:第一计算单元,用于根据每篇所述第一类别文章的等级分值和每篇所述第二类别文章的等级分值,计算每篇所述第一类别文章相对于每篇所述第二类别文章的第一期望胜率;第二计算单元,用于根据预置分值和所述第一期望胜率,计算每篇所述第一类别文章相对于所有所述第二类别文章的第一偏移分值;第三计算单元,用于根据所述第一偏移分值和所述第一类别文章的等级分值,计算所述第一类别文章的第一更新分值。
可选地,所述第二计算单元的计算公式为:
其中,Δwi为所述第一偏移分值,wi为第i篇第一类别文章的等级分值,lk为第k篇第二类别文章的等级分值,n为第二类别文章的总数量,E(wi,lk)为第i篇第一类别文章相比于第k篇第二类别文章的第一期望胜率,数值1为预置分值,K为分数调整系数。
可选地,所述第二更新模块包括:第四计算单元,用于根据每篇所述第一类别文章的等级分值和每篇所述第二类别文章的等级分值,计算每篇所述第二类别文章相对于每篇所述第一类别文章的第二期望胜率;第五计算单元,用于根据所述第二期望胜率,计算每篇所述第二类别文章相对于所有所述第一类别文章的第二偏移分值;第六计算单元,用于根据所述第二偏移分值和所述第二类别文章的等级分值,计算所述第二类别文章的第二更新分值。
可选地,所述第五计算单元的计算公式为:
其中,Δlk为所述第二偏移分值,lk为第k篇第二类别文章的等级分值,wi为第i篇第一类别文章的等级分值,m为第一类别文章的总数量,E(lk,wi)为第k篇第二类别文章相比于第i篇第一类别文章的第二期望胜率,K为分数调整系数。
可选地,所述装置还包括:上传模块,用于将确定出的所有所述第一更新分值和所有所述第二更新分值上传至区块链中。
实施例三
图4示意性示出了根据本发明实施例三的适于实现文章排序方法的计算机设备的框图。本实施例中,计算机设备400可以是执行程序的智能手机、平板电脑、笔记本电脑、台式计算机、机架式服务器、刀片式服务器、塔式服务器或机柜式服务器(包括独立的服务器,或者多个服务器所组成的服务器集群)等。如图4所示,本实施例的计算机设备400至少包括但不限于:可通过系统总线相互通信连接的存储器401、处理器402、网络接口403。需要指出的是,图4仅示出了具有组件401-403的计算机设备400,但是应理解的是,并不要求实施所有示出的组件,可以替代的实施更多或者更少的组件。
本实施例中,存储器403至少包括一种类型的计算机可读存储介质,可读存储介质包括包括闪存、硬盘、多媒体卡、卡型存储器(例如,SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等。在一些实施例中,存储器401可以是计算机设备400的内部存储单元,例如该计算机设备400的硬盘或内存。在另一些实施例中,存储器401也可以是计算机设备400的外部存储设备,例如该计算机设备400上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。当然,存储器401还可以既包括计算机设备400的内部存储单元也包括其外部存储设备。在本实施例中,存储器401通常用于存储安装于计算机设备400的操作系统和各类应用软件,例如文章排序方法的程序代码等。此外,存储器401还可以用于暂时地存储已经输出或者将要输出的各类数据。
处理器402在一些实施例中可以是中央处理器(Central Processing Unit,CPU)、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器402通常用于控制计算机设备400的总体操作。例如执行与计算机设备400进行数据交互或者通信相关的控制和处理等的文章排序方法的程序代码。
在本实施例中,存储于存储器401中的文章排序方法还可以被分割为一个或者多个程序模块,并由一个或多个处理器(本实施例为处理器402)所执行,以完成本发明。
网络接口403可包括无线网络接口或有线网络接口,该网络接口403通常用于在计算机设备400与其他计算机设备之间建立通信链接。例如,网络接口403用于通过网络将计算机设备400与外部终端相连,在计算机设备400与外部终端之间的建立数据传输通道和通信链接等。网络可以是企业内部网(Intranet)、互联网(Internet)、全球移动通讯系统(Global System of Mobile communication,简称为GSM)、宽带码分多址(Wideband CodeDivision Multiple Access,简称为WCDMA)、4G网络、5G网络、蓝牙(Bluetooth)、Wi-Fi等无线或有线网络。
实施例四
本实施例四还提供一种计算机可读存储介质,包括闪存、硬盘、多媒体卡、卡型存储器(例如,SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘、服务器、App应用商城等,其上存储有计算机程序,所述计算机程序被处理器执行时实现文章排序方法。进一步地,所述计算机可读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。
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。
显然,本领域的技术人员应该明白,上述的本发明实施例的各模块或各步骤可以用通用的计算装置来实现,它们可以集中在单个的计算装置上,或者分布在多个计算装置所组成的网络上,可选地,它们可以用计算装置可执行的程序代码来实现,从而,可以将它们存储在存储装置中由计算装置来执行,并且在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样,本发明实施例不限制于任何特定的硬件和软件结合。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (5)
1.一种文章排序方法,其特征在于,所述方法包括:
获取M篇已曝光文章;
确定每篇所述已曝光文章在预设时间内的操作数据和等级分值;
根据所述操作数据将所述M篇已曝光文章归类为第一类别文章和第二类别文章,其中,每篇所述第一类别文章的操作数据表征该第一类别文章在所述预设时间内被执行预设操作,每篇所述第二类别文章的操作数据表征该第二类别文章在所述预设时间内未被执行所述预设操作;
根据所有所述第二类别文章的等级分值更新每篇所述第一类别文章的等级分值,获得每篇所述第一类别文章的第一更新分值;
根据所有所述第一类别文章的等级分值更新每篇所述第二类别文章的等级分值,获得每篇所述第二类别文章的第二更新分值;
根据所有所述第一更新分值和所有所述第二更新分值,对所述M篇已曝光文章进行排序;
所述根据所有所述第二类别文章的等级分值更新每篇所述第一类别文章的等级分值,获得每篇所述第一类别文章的第一更新分值,包括:
根据每篇所述第一类别文章的等级分值和每篇所述第二类别文章的等级分值,计算每篇所述第一类别文章相对于每篇所述第二类别文章的第一期望胜率;其中,第一期望胜率的计算公式为:
其中,wi为第i篇第一类别文章的等级分值,lk为第k篇第二类别文章的等级分值,E(wi,lk)为第i篇第一类别文章相比于第k篇第二类别文章的第一期望胜率;
根据预置分值和所述第一期望胜率,计算每篇所述第一类别文章相对于所有所述第二类别文章的第一偏移分值;其中,第一偏移分值的计算公式为:
其中,Δwi为所述第一偏移分值,n为第二类别文章的总数量,x为预置分值,K为分数调整系数;
根据所述第一偏移分值和每篇所述第一类别文章的等级分值,计算每篇所述第一类别文章的第一更新分值;其中,计算第一偏移分值和第一类别文章的等级分值之和,作为第一类别文章的第一更新分值;或者,计算第一偏移分值和第一类别文章的等级分值的乘积,作为第一类别文章的第一更新分值;
所述根据所有所述第一类别文章的等级分值更新每篇所述第二类别文章的等级分值,获得每篇所述第二类别文章的第二更新分值,包括:
根据每篇所述第一类别文章的等级分值和每篇所述第二类别文章的等级分值,计算每篇所述第二类别文章相对于每篇所述第一类别文章的第二期望胜率;其中,第二期望胜率的计算公式为:
其中,lk为第k篇第二类别文章的等级分值,wi为第i篇第一类别文章的等级分值,E(lk,wi)为第k篇第二类别文章相比于第i篇第一类别文章的第二期望胜率;
根据所述第二期望胜率,计算每篇所述第二类别文章相对于所有所述第一类别文章的第二偏移分值;其中,第二偏移分值的计算公式为:
其中,Δlk为所述第二偏移分值,m为第一类别文章的总数量;
根据所述第二偏移分值和每篇所述第二类别文章的等级分值,计算每篇所述第二类别文章的第二更新分值;其中,计算第二偏移分值和第二类别文章的等级分值之和,作为第二类别文章的第二更新分值;或者,计算第二偏移分值和第二类别文章的等级分值的乘积,作为第二类别文章的第二更新分值。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
将确定出的所有所述第一更新分值和所有所述第二更新分值上传至区块链中。
3.一种用于实现权利要求1至2任一项所述方法的文章排序装置,其特征在于,所述装置包括:
获取模块,用于获取M篇已曝光文章;
确定模块,用于确定每篇所述已曝光文章在预设时间内的操作数据和等级分值;
归类模块,用于根据所述操作数据将所述M篇已曝光文章归类为第一类别文章和第二类别文章,其中,每篇所述第一类别文章的操作数据表征该第一类别文章在所述预设时间内被执行预设操作,每篇所述第二类别文章的操作数据表征该第二类别文章在所述预设时间内未被执行所述预设操作;
第一更新模块,用于根据所有所述第二类别文章的等级分值更新每篇所述第一类别文章的等级分值,获得每篇所述第一类别文章的第一更新分值;
第二更新模块,用于根据所有所述第一类别文章的等级分值更新每篇所述第二类别文章的等级分值,获得每篇所述第二类别文章的第二更新分值;
排序模块,用于根据所有所述第一更新分值和所有所述第二更新分值对所述M篇已曝光文章进行排序。
4.一种计算机设备,所述计算机设备包括:存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至2任一项所述的方法。
5.一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,所述计算机程序被处理器执行时实现权利要求1至2任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110481046.XA CN113076415B (zh) | 2021-04-30 | 2021-04-30 | 一种文章排序方法、装置、计算机设备和可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110481046.XA CN113076415B (zh) | 2021-04-30 | 2021-04-30 | 一种文章排序方法、装置、计算机设备和可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113076415A CN113076415A (zh) | 2021-07-06 |
CN113076415B true CN113076415B (zh) | 2024-04-02 |
Family
ID=76616117
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110481046.XA Active CN113076415B (zh) | 2021-04-30 | 2021-04-30 | 一种文章排序方法、装置、计算机设备和可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113076415B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111214834A (zh) * | 2020-01-03 | 2020-06-02 | 网易(杭州)网络有限公司 | 游戏中的信息处理方法、装置、设备及存储介质 |
CN111318025A (zh) * | 2020-02-07 | 2020-06-23 | 网易(杭州)网络有限公司 | 游戏对象的匹配方法、装置、电子设备及计算机可读介质 |
CN112148946A (zh) * | 2020-09-27 | 2020-12-29 | 深圳壹账通智能科技有限公司 | 基于微博的分析及视图展示方法与系统 |
CN112347254A (zh) * | 2020-11-05 | 2021-02-09 | 中国平安人寿保险股份有限公司 | 新闻文本的分类方法、装置、计算机设备和存储介质 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150324460A1 (en) * | 2011-07-28 | 2015-11-12 | R & R Music Limited | Long tail monetization procedure for music inventories |
US10162864B2 (en) * | 2015-06-07 | 2018-12-25 | Apple Inc. | Reader application system utilizing article scoring and clustering |
-
2021
- 2021-04-30 CN CN202110481046.XA patent/CN113076415B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111214834A (zh) * | 2020-01-03 | 2020-06-02 | 网易(杭州)网络有限公司 | 游戏中的信息处理方法、装置、设备及存储介质 |
CN111318025A (zh) * | 2020-02-07 | 2020-06-23 | 网易(杭州)网络有限公司 | 游戏对象的匹配方法、装置、电子设备及计算机可读介质 |
CN112148946A (zh) * | 2020-09-27 | 2020-12-29 | 深圳壹账通智能科技有限公司 | 基于微博的分析及视图展示方法与系统 |
CN112347254A (zh) * | 2020-11-05 | 2021-02-09 | 中国平安人寿保险股份有限公司 | 新闻文本的分类方法、装置、计算机设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113076415A (zh) | 2021-07-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10729979B2 (en) | Automated tuning of computer-implemented games | |
US9101834B2 (en) | Methods and systems for generating tailored game challenges | |
CN111954564A (zh) | 在球队运动中进行交互的、可说明的且改进的比赛和球员表现预测的方法和系统 | |
Lopez et al. | Building an NCAA men’s basketball predictive model and quantifying its success | |
US20060183548A1 (en) | System and method for predicting performance of fantasy athletes | |
US20150065214A1 (en) | Systems and Methods for Providing Statistical and Crowd Sourced Predictions | |
US20150105134A1 (en) | Systems and methods for a combination lottery and fantasy sports league | |
US20120329542A1 (en) | Method and device for fantasy sports auction recommendations | |
US10592596B2 (en) | Techniques for providing a narrative summary for fantasy games | |
US8812514B2 (en) | Web-based competitions using dynamic preference ballots | |
BR112016029545B1 (pt) | Método para operar uma plataforma para fornecer uma liga esportiva virtual e sistema | |
CN107016569A (zh) | 一种网络产品的目标用户账号获取方法及装置 | |
CN104667511A (zh) | 一种基于大数据的比赛排位晋级系统及其方法 | |
US20170084108A1 (en) | System and method for sporting event wagering | |
JP7344053B2 (ja) | 所定のゲームを提供するためのシステム、方法、及びプログラム、並びに、デッキの分類を作成するための方法 | |
US20090280892A1 (en) | Products and processes for point gaming derivatives | |
CN113076415B (zh) | 一种文章排序方法、装置、计算机设备和可读存储介质 | |
TWI676958B (zh) | 應用程式推薦裝置及應用程式推薦方法 | |
US20140172138A1 (en) | Information types for an app rating system | |
Demers | Riding a probabilistic support vector machine to the Stanley Cup | |
Ekstrøm et al. | Evaluating one-shot tournament predictions | |
CN117414585A (zh) | 游戏技能平衡性的调整方法、装置、电子设备及存储介质 | |
CN112138407A (zh) | 一种信息展示方法及装置 | |
JP2007236769A (ja) | 対戦情報処理システム、ネットワークシステム、サーバー装置、それらを実行するプログラム並びにコンピュータ読み取り可能な記録媒体 | |
KR101966560B1 (ko) | 게임 캐릭터의 능력치 평가를 제공하는 게임 방법 및 시스템 |
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 |