CN113221016A - 资源推荐方法、装置、计算机设备及介质 - Google Patents
资源推荐方法、装置、计算机设备及介质 Download PDFInfo
- Publication number
- CN113221016A CN113221016A CN202110769768.5A CN202110769768A CN113221016A CN 113221016 A CN113221016 A CN 113221016A CN 202110769768 A CN202110769768 A CN 202110769768A CN 113221016 A CN113221016 A CN 113221016A
- Authority
- CN
- China
- Prior art keywords
- user
- user group
- network
- determining
- target network
- 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
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
- G06F16/953—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
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0241—Advertisements
- G06Q30/0277—Online advertisement
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Finance (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- General Engineering & Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Data Mining & Analysis (AREA)
- Economics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本公开关于一种资源推荐方法、装置、计算机设备及介质,属于互联网技术领域,该方法包括:基于第一用户群和多个第二用户群,确定目标网络,基于目标网络中节点之间的边,划分目标网络,得到多个网络社区,基于第一用户群所在的网络社区内的用户群,对媒体资源进行推荐。本公开实施例中,对该目标网络进行社区划分,能够划分得到多个网络社区,由于每个网络社区下的多个用户群之间具有紧密的连接关系,如此,对于种子用户群所在的网络社区,该网络社区包含与种子用户群连接紧密的用户群,实现了基于种子用户群的人群拓展,不仅增加了所确定的用户群的数量,扩大了媒体资源的推荐范围,还实现了媒体资源的定向推荐,提升了媒体资源的推荐效果。
Description
技术领域
本公开涉及互联网技术领域,尤其涉及一种资源推荐方法、装置、计算机设备及介质。
背景技术
随着互联网技术的飞速发展和网络用户规模的逐渐扩大,互联网类型的媒体资源已经渗透到人们生活的方方面面,同时,媒体资源的定向投放作为一种新兴的投放模式也随之迅速发展。
在实际应用中,为了提高媒体资源的投放效果,通常会根据媒体资源的发布者(如广告主)所提供的数据,寻找目标用户,该数据可以是与该媒体资源产生关联关系的用户数据,再向寻找到的目标用户推荐该媒体资源。
上述技术中,由于媒体资源的发布者所提供的数据的数量较少,使得寻找到的目标用户较少,媒体资源的推荐范围较小,导致媒体资源的推荐效果不好。
发明内容
本公开提供一种资源推荐方法、装置、计算机设备及介质,扩大了媒体资源的推荐范围,提升了媒体资源的推荐效果。本公开的技术方案包括以下内容。
根据本公开实施例的第一方面,提供一种资源推荐方法,该方法包括:
基于第一用户群和多个第二用户群,确定目标网络,该第一用户群为待推荐的媒体资源的种子用户群,该多个第二用户群分别对应一个标签,该目标网络包括多个节点,每个该节点代表一个用户群,节点之间的边用于表示对应用户群之间的用户重合情况;
基于该目标网络中该节点之间的边,划分该目标网络,得到多个网络社区,每个网络社区中包括的多个节点的紧密度满足紧密度条件,该紧密度基于该网络社区内的节点连接情况确定;
基于该第一用户群所在的网络社区内的用户群,对该媒体资源进行推荐。
本公开实施例中,基于待推荐媒体资源的种子用户群和多个标签下的用户群,构建目标网络,再对该目标网络进行社区划分,能够划分得到多个网络社区,由于每个网络社区内的多个节点之间的紧密度满足紧密度条件,也就是说,每个网络社区下的多个用户群之间具有紧密的连接关系,如此,对于种子用户群所在的网络社区来说,该网络社区包含有与种子用户群连接紧密的其他用户群,实现了基于种子用户群的人群拓展,再基于所确定的网络社区进行资源推荐,不仅增加了所确定的用户群的数量,扩大了媒体资源的推荐范围,还实现了媒体资源的定向推荐,提升了媒体资源的推荐效果。
在一些实施例中,基于第一用户群和多个第二用户群,确定目标网络包括:
获取初始网络,该初始网络包括该多个第二用户群对应的节点以及节点之间的边;
在该初始网络中,基于该第一用户群与该多个第二用户群之间的用户重合度,建立该第一用户群对应的节点与该多个第二用户群对应的节点之间的边,得到该目标网络。
本公开实施例中,在获取初始网络后,基于第一用户群和各个第二用户群之间的用户重合度,来建立目标网络中各个节点之间的边,能够快速确定目标网络,提高了确定目标网络的效率和准确性。
在一些实施例中,获取初始网络包括:
确定任意两个第二用户群之间相同用户的数量;
若该任意两个第二用户群之间相同用户的数量大于第一阈值,则建立该任意两个第二用户群对应的节点之间的边,得到该初始网络。
本公开实施例中,通过判断两个第二用户群之间相同用户的数量是否大于第一阈值,来确定是否建立节点之间的边,能够快速确定初始网络中节点之间的边,从而能够快速构建初始网络。
在一些实施例中,确定任意两个第二用户群之间相同用户的数量之后,该方法还包括:
确定该任意两个第二用户群之间相同用户的数量的对数;
若该对数大于该第一阈值,执行建立该任意两个第二用户群对应的节点之间的边的步骤。
本公开实施例中,通过对相同用户的数量进行对数处理,使得所确定出的对数的分布相近,能够避免因数量分布差别过大而导致阈值判断的差距较大。
在一些实施例中,第一用户群与该多个第二用户群之间的用户重合度的确定过程包括下述任一项:
对于任一个第二用户群,确定该第一用户群与该第二用户群之间相同用户的数量,确定该第一用户群与该第二用户群的用户总数量,基于该相同用户的数量与该用户总数量,确定该用户重合度;
确定该第一用户群与该第二用户群之间相同用户的数量,确定该第一用户群的用户数量与该第二用户群的用户数量中满足数量条件的用户数量,基于该相同用户的数量与该满足数量条件的用户数量,确定该用户重合度。
本公开实施例中,提供了两种确定用户重合度的方式,提高了确定用户重合度的灵活性,同时,采用该两种确定用户重合度的方式,均能够快速确定出用户重合度,提高了确定用户重合度的效率。
在一些实施例中,在该初始网络中,基于该第一用户群与该多个第二用户群之间的用户重合度,建立该第一用户群对应的节点与该多个第二用户群对应的节点之间的边,得到该目标网络包括:
对于该初始网络中多个第二用户群中的任一个第二用户群,若该第一用户群与该第二用户群之间的用户重合度大于第二阈值,则建立该第一用户群对应的节点和该第二用户群对应的节点之间的边,得到该目标网络。
本公开实施例中,通过判断第一用户群与第二用户群之间的用户重合度是否大于第二阈值,来确定是否建立节点之间的边,能够快速确定目标网络中节点之间的边,从而能够快速构建目标网络。
在一些实施例中,基于该目标网络中该节点之间的边,划分该目标网络,得到多个网络社区包括:
在第i次迭代过程中,基于第i-1次迭代过程对应的目标网络,确定该目标网络中多条边的边参数,删除该边参数最大的边,该边参数用于衡量该边在该目标网络中的重要程度,该i为大于或等于1的正整数;
若该第i次迭代过程对应的目标网络的划分结果满足划分条件,获取该第i次迭代过程对应的该多个网络社区。
本公开实施例中,基于目标网络的社区划分,实现了用户群的人群拓展,以便后续基于拓展后的人群进行资源推荐,扩展了媒体资源的推荐范围,提高了媒体资源的推荐效果。
在一些实施例中,该划分条件为该目标网络的划分参数不再增大或减小,该划分参数用于衡量该目标网络的紧密度,或,该划分条件为该第一用户群所在的网络社区内的用户数量达到目标数量。
在一些实施例中,基于第一用户群和多个第二用户群,确定目标网络之前,该方法还包括下述任一项:
组合至少两个第二用户群,得到该第一用户群;
将该媒体资源的发布者所提供的用户群确定为该第一用户群。
本公开实施例中,提供了两种获取第一用户群的方式,提高了获取第一用户群的灵活性,且通过该两种获取第一用户群的方式,均能够快速获取第一用户群,提高了获取第一用户群的效率。
在一些实施例中,组合至少两个第二用户群,得到该第一用户群包括:
从该多个第二用户群中,选取与其他第二用户群的用户重合度最大的至少两个第二用户群;
基于所选取的至少两个第二用户群,执行该组合至少两个第二用户群,得到该第一用户群的步骤。
本公开实施例中,将重合度最大的至少两个第二用户群的组合,确定为第一用户群,以便于后续基于用户重合度进行人群拓展,能够避免因重合度较小而导致后续人群无法拓展的问题。
在一些实施例中,将该媒体资源的发布者所提供的用户群确定为该第一用户群包括:
若该媒体资源的发布者所提供的用户群的数据量达到数据量阈值,则将该媒体资源的发布者所提供的用户群确定为该第一用户群。
本公开实施例中,通过设置数据量阈值,在数据量达到数据量阈值的情况下,获取发布者所提供的用户群,如此,能够避免因数据量较少而导致后续人群无法拓展的问题。
根据本公开实施例的第二方面,提供一种资源推荐装置,该装置包括:
确定单元,被配置为执行基于第一用户群和多个第二用户群,确定目标网络,该第一用户群为待推荐的媒体资源的种子用户群,该多个第二用户群分别对应一个标签,该目标网络包括多个节点,每个该节点代表一个用户群,节点之间的边用于表示对应用户群之间的用户重合情况;
划分单元,被配置为执行基于该目标网络中该节点之间的边,划分该目标网络,得到多个网络社区,每个网络社区中包括的多个节点的紧密度满足紧密度条件,该紧密度基于该网络社区内的节点连接情况确定;
推荐单元,被配置为执行基于该第一用户群所在的网络社区内的用户群,对该媒体资源进行推荐。
在一些实施例中,该确定单元,包括:
获取子单元,被配置为执行获取初始网络,该初始网络包括该多个第二用户群对应的节点以及节点之间的边;
建立子单元,被配置为执行在该初始网络中,基于该第一用户群与该多个第二用户群之间的用户重合度,建立该第一用户群对应的节点与该多个第二用户群对应的节点之间的边,得到该目标网络。
在一些实施例中,该获取子单元,被配置为执行:
确定任意两个第二用户群之间相同用户的数量;
若该任意两个第二用户群之间相同用户的数量大于第一阈值,则建立该任意两个第二用户群对应的节点之间的边,得到该初始网络。
在一些实施例中,该获取子单元,还被配置为执行:
确定该任意两个第二用户群之间相同用户的数量的对数;
若该对数大于该第一阈值,执行建立该任意两个第二用户群对应的节点之间的边的步骤。
在一些实施例中,该建立子单元包括确定子单元,被配置为执行下述任一项:
对于任一个第二用户群,确定该第一用户群与该第二用户群之间相同用户的数量,确定该第一用户群与该第二用户群的用户总数量,基于该相同用户的数量与该用户总数量,确定该用户重合度;
确定该第一用户群与该第二用户群之间相同用户的数量,确定该第一用户群的用户数量与该第二用户群的用户数量中满足数量条件的用户数量,基于该相同用户的数量与该满足数量条件的用户数量,确定该用户重合度。
在一些实施例中,该建立子单元,被配置为执行:
对于该初始网络中多个第二用户群中的任一个第二用户群,若该第一用户群与该第二用户群之间的用户重合度大于第二阈值,则建立该第一用户群对应的节点和该第二用户群对应的节点之间的边,得到该目标网络。
在一些实施例中,该划分单元,被配置为执行:
在任一次迭代过程中,确定该目标网络中多条边的边参数,删除该边参数最大的边,该边参数用于衡量该边在该目标网络中的重要程度;
在下一次迭代过程中,基于删除该边后的目标网络,重复执行上述确定边参数和删除边的过程,直至该目标网络的划分结果满足划分条件,得到该多个网络社区。
在一些实施例中,该划分条件为该目标网络的划分参数不再增大或减小,该划分参数用于衡量该目标网络的紧密度,或,该划分条件为该第一用户群所在的网络社区内的用户数量达到目标数量。
在一些实施例中,该装置还包括组合单元,被配置为执行组合至少两个第二用户群,得到该第一用户群;
或,该确定单元,还被配置为执行将该媒体资源的发布者所提供的用户群确定为该第一用户群。
在一些实施例中,该组合单元,被配置为执行:
从该多个第二用户群中,选取与其他第二用户群的用户重合度最大的至少两个第二用户群;
基于所选取的至少两个第二用户群,执行该组合至少两个第二用户群,得到该第一用户群的步骤。
在一些实施例中,该确定单元,还被配置为执行:
若该媒体资源的发布者所提供的用户群的数据量达到数据量阈值,则将该媒体资源的发布者所提供的用户群确定为该第一用户群。
根据本公开实施例的第三方面,提供一种计算机设备,该计算机设备包括:
一个或多个处理器;
用于存储所述处理器可执行程序代码的存储器;
其中,所述处理器被配置为执行所述程序代码,以实现上述的资源推荐方法。
根据本公开实施例的第四方面,提供一种计算机可读存储介质,该计算机可读存储介质包括:当所述计算机可读存储介质中的程序代码由计算机设备的处理器执行时,使得计算机设备能够执行上述的资源推荐方法。
根据本公开实施例的第五方面,提供一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现上述的资源推荐方法。
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资源推荐方法的实施环境示意图;
图2是根据一示例性实施例示出的一种资源推荐方法的流程图;
图3是根据一示例性实施例示出的一种资源推荐方法的流程图;
图4是根据一示例性实施例示出的一种网络的示意图;
图5是根据一示例性实施例示出的一种资源推荐方法的流程图;
图6是根据一示例性实施例示出的一种资源推荐装置的框图;
图7是根据一示例性实施例示出的一种服务器的框图。
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。
本公开所涉及的数据可以为经用户授权或者经过各方充分授权的数据。
图1是本公开实施例提供的一种资源推荐方法的实施环境示意图,参见图1,该实施环境中包括:终端101和服务器102。
终端101可以为智能手机、智能手表、台式电脑、手提电脑、虚拟现实终端、增强现实终端、无线终端和膝上型便携计算机等设备中的至少一种。终端101具有通信功能,可以接入有线网络或无线网络。终端101可以泛指多个终端中的一个,本实施例仅以终端101来举例说明。本领域技术人员可以知晓,上述终端的数量可以更多或更少。
终端101可以运行有各种不同类型的应用程序,如视频应用程序、直播应用程序、社交应用程序等。在一些实施例中,用户通过在终端101上进行操作,利用上述应用程序,能够观看广告视频、活动推广视频等媒体资源。
服务器102可以是独立的物理服务器,也可以是多个物理服务器构成的服务器集群或者分布式文件系统,还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、CDN(Content Delivery Network,内容分发网络)、以及大数据和人工智能平台等基础云计算服务的云服务器。服务器102与终端101可以通过有线或无线通信方式进行直接或间接的连接,本公开实施例对此不作限定。可选地,上述服务器102的数量可以更多或更少,本公开实施例对此不加以限定。当然,服务器102还可以包括其他功能服务器,以便提供更全面且多样化的服务。
本公开实施例提供的资源推荐方法由终端101和服务器102执行,其中,终端101用于接收服务器102发送的媒体资源,对接收到的媒体资源进行展示;服务器102用于基于第一用户群和多个第二用户群,确定目标网络,基于该目标网络中该节点之间的边,划分该目标网络,得到多个网络社区,基于该第一用户群所在的网络社区内的用户群,对该媒体资源进行推荐。
图2是根据一示例性实施例示出的一种资源推荐方法的流程图,如图2所示,该方法由服务器执行,包括以下步骤。
在步骤201中,服务器基于第一用户群和多个第二用户群,确定目标网络,该第一用户群为待推荐的媒体资源的种子用户群,该多个第二用户群分别对应一个标签,该目标网络包括多个节点,每个节点代表一个用户群,节点之间的边用于表示对应用户群之间的用户重合情况。
在步骤202中,服务器基于该目标网络中该节点之间的边,划分该目标网络,得到多个网络社区,每个网络社区中包括的多个节点的紧密度满足紧密度条件,该紧密度基于该网络社区内的节点连接情况确定。
在步骤203中,服务器基于该第一用户群所在的网络社区内的用户群,对该媒体资源进行推荐。
本公开实施例提供的技术方案,基于待推荐媒体资源的种子用户群和多个标签下的用户群,构建目标网络,再对该目标网络进行社区划分,能够划分得到多个网络社区,由于每个网络社区内的多个节点之间的紧密度满足紧密度条件,也就是说,每个网络社区下的多个用户群之间具有紧密的连接关系,如此,对于种子用户群所在的网络社区来说,该网络社区包含有与种子用户群连接紧密的其他用户群,实现了基于种子用户群的人群拓展,再基于所确定的网络社区进行资源推荐,不仅增加了所确定的用户群的数量,扩大了媒体资源的推荐范围,还实现了媒体资源的定向推荐,提升了媒体资源的推荐效果。
在一些实施例中,基于第一用户群和多个第二用户群,确定目标网络包括:
获取初始网络,该初始网络包括该多个第二用户群对应的节点以及节点之间的边;
在该初始网络中,基于该第一用户群与该多个第二用户群之间的用户重合度,建立该第一用户群对应的节点与该多个第二用户群对应的节点之间的边,得到该目标网络。
在一些实施例中,获取初始网络包括:
确定任意两个第二用户群之间相同用户的数量;
若该任意两个第二用户群之间相同用户的数量大于第一阈值,则建立该任意两个第二用户群对应的节点之间的边,得到该初始网络。
在一些实施例中,确定任意两个第二用户群之间相同用户的数量之后,该方法还包括:
确定该任意两个第二用户群之间相同用户的数量的对数;
若该对数大于该第一阈值,执行建立该任意两个第二用户群对应的节点之间的边的步骤。
在一些实施例中,第一用户群与该多个第二用户群之间的用户重合度的确定过程包括下述任一项:
对于任一个第二用户群,确定该第一用户群与该第二用户群之间相同用户的数量,确定该第一用户群与该第二用户群的用户总数量,基于该相同用户的数量与该用户总数量,确定该用户重合度;
确定该第一用户群与该第二用户群之间相同用户的数量,确定该第一用户群的用户数量与该第二用户群的用户数量中满足数量条件的用户数量,基于该相同用户的数量与该满足数量条件的用户数量,确定该用户重合度。
在一些实施例中,在该初始网络中,基于该第一用户群与该多个第二用户群之间的用户重合度,建立该第一用户群对应的节点与该多个第二用户群对应的节点之间的边,得到该目标网络包括:
对于该初始网络中多个第二用户群中的任一个第二用户群,若该第一用户群与该第二用户群之间的用户重合度大于第二阈值,则建立该第一用户群对应的节点和该第二用户群对应的节点之间的边,得到该目标网络。
在一些实施例中,基于该目标网络中该节点之间的边,划分该目标网络,得到多个网络社区包括:
在第i次迭代过程中,基于第i-1次迭代过程对应的目标网络,确定该目标网络中多条边的边参数,删除该边参数最大的边,该边参数用于衡量该边在该目标网络中的重要程度,该i为大于或等于1的正整数;
若该第i次迭代过程对应的目标网络的划分结果满足划分条件,获取该第i次迭代过程对应的该多个网络社区。
在一些实施例中,该划分条件为该目标网络的划分参数不再增大或减小,该划分参数用于衡量该目标网络的紧密度,或,该划分条件为该第一用户群所在的网络社区内的用户数量达到目标数量。
在一些实施例中,基于第一用户群和多个第二用户群,确定目标网络之前,该方法还包括下述任一项:
组合至少两个第二用户群,得到该第一用户群;
将该媒体资源的发布者所提供的用户群确定为该第一用户群。
在一些实施例中,组合至少两个第二用户群,得到该第一用户群包括:
从该多个第二用户群中,选取与其他第二用户群的用户重合度最大的至少两个第二用户群;
基于所选取的至少两个第二用户群,执行该组合至少两个第二用户群,得到该第一用户群的步骤。
在一些实施例中,将该媒体资源的发布者所提供的用户群确定为该第一用户群包括:
若该媒体资源的发布者所提供的用户群的数据量达到数据量阈值,则将该媒体资源的发布者所提供的用户群确定为该第一用户群。
上述图2所示仅为本公开的基本流程,下面基于一种具体实施方式,来对本公开提供的方案进行进一步阐述,图3是根据一示例性实施例示出的一种资源推荐方法的流程图,参见图3,该方法包括以下步骤。
在步骤301中,服务器获取第一用户群和多个第二用户群,该第一用户群为待推荐的媒体资源的种子用户群,该多个第二用户群分别对应一个标签。
在一些实施例中,媒体资源为宣传类型的媒体资源。例如,媒体资源可以为广告视频或活动推广视频,相应地,待推荐的媒体资源可以是待推荐的广告视频或者待推荐的活动推广视频。
本公开实施例中,第二用户群为标签下的用户群,一个用户群对应一个标签。其中,标签是指用户的信息标签,用于对用户的基础信息、兴趣爱好及行为特征等进行描述。需要说明的是,本公开实施例所涉及的标签均为经用户授权或者经过各方授权的标签。在一些实施例中,标签包括基础标签、兴趣标签和行为标签中至少一项。示例地,基础标签可以包括性别标签、年龄标签、地域标签等,兴趣标签可以包括业务兴趣标签、内容兴趣标签、圈子兴趣标签、关注用户的类别等,行为标签可以包括购物行为标签、对于某类内容或产品的意向类目等。在该实施例中,通过设置多种类型的标签,使得所设置的标签能够尽可能全面地描述用户的信息,以便后续基于该多种类型的标签,确定出较全面的目标网络。
在一些实施例中,服务器在获取多个第二用户群后,还可以对该多个第二用户群对应的多个标签进行去重处理,以避免对相似(或相同)的标签下的用户群进行重复运算,相应过程为:服务器在多个标签中,确定每两个标签之间的相似度,判断该两个标签之间的相似度是否达到相似度阈值,若该两个标签之间的相似度达到相似度阈值,则删除该两个标签中的任一个标签。其中,相似度阈值为预先设定的固定阈值,如80%。相似度阈值用于判断两个标签是否相似(或相同),若两个标签之间的相似度达到相似度阈值,表示该两个标签相似(或相同);若两个标签之间的相似度未达到相似度阈值,表示该两个标签不相似(或不相同)。如此,通过设置相似度阈值,能够快速确定出相似度高的两个标签,再删除其中任一个标签,使得服务器无需对相似的标签下的用户群进行重复运算,减少了服务器的运算量,提高了服务器的处理速度,从而提高了资源推荐的效率。
本公开实施例中,第一用户群为待推荐的媒体资源的种子用户群。其中,种子用户群也称为种子人群,种子用户群是指待推荐的媒体资源的核心定向人群,也即是,在推荐媒体资源时会优先推荐的用户群。本公开实施例中,以第一用户群(种子用户群)作为参考人群,进行后续人群拓展的过程。在一些实施例中,服务器获取第一用户群的过程包括下述任一项,参见(301A)和(301B)。
(301A)在一些实施例中,服务器将该媒体资源的发布者所提供的用户群确定为该第一用户群。
在一些实施例中,以媒体资源为广告视频为例,媒体资源的发布者可以是广告主。相应地,发布者所提供的用户群可以是广告主所提供的用户群。在一些实施例中,服务器从广告主所提供的数据中,获取第一用户群。其中,广告主所提供的数据可以是与该媒体资源产生关联关系的用户数据,例如,广告主官网的访问数据、携带广告主标签的行为数据、电商订单等等。
在一种可选的实施例中,基于DMP(Data Management Platform,数据管理平台)的上传功能,对该媒体资源的发布者所提供的用户群进行上传,则服务器响应于接收到所上传的用户群,将所接收的用户群确定为第一用户群。如此,采用DMP的上传功能,来上传发布者所提供的用户群,降低了操作成本,提高了数据上传的效率。在一种可选的实施例中,基于该DMP的上传功能,将该媒体资源的发布者所提供的用户群的数据形式转换为服务器所关联平台的ID(Identification,身份标识号码)形式。如此,采用DMP的上传功能,对发布者所提供的用户群的数据形式进行转换,以便于基于统一形式后的数据进行后续过程。
在一种可选的实施例中,服务器判断该媒体资源的发布者所提供的用户群的数据量是否达到数据量阈值,若该媒体资源的发布者所提供的用户群的数据量达到数据量阈值,则服务器将该媒体资源的发布者所提供的用户群确定为该第一用户群。其中,数据量阈值为预先设定的固定阈值。数据量阈值用于判断发布者所提供的用户群的数据量是否充足,若该媒体资源的发布者所提供的用户群的数据量达到数据量阈值,表示发布者所提供的用户群的数据量充足;若该媒体资源的发布者所提供的用户群的数据量未达到数据量阈值,表示发布者所提供的用户群的数据量不充足。在该实施例中,通过设置数据量阈值,在数据量达到数据量阈值的情况下,获取发布者所提供的用户群,如此,能够避免因数据量较少而导致后续人群无法拓展的问题。
(301B)在一些实施例中,服务器组合至少两个第二用户群,得到该第一用户群。
上述实施例中,提供了两种获取第一用户群的方式,提高了获取第一用户群的灵活性,且通过该两种获取第一用户群的方式,均能够快速获取第一用户群,提高了获取第一用户群的效率。
在一种可选的实施例中,服务器从该多个第二用户群中,选取与其他第二用户群的用户重合度最大的至少两个第二用户群,基于所选取的至少两个第二用户群,执行该组合至少两个第二用户群,得到该第一用户群的步骤。在该实施例中,将重合度最大的至少两个第二用户群的组合,确定为第一用户群,以便于后续基于用户重合度进行人群拓展,能够避免因重合度较小而导致后续人群无法拓展的问题。
上述(301A)和(301B)示出了两种获取第一用户群的方式,在一些实施例中,在该媒体资源的发布者提供有用户群的情况下,服务器优先将该媒体资源的发布者所提供的用户群确定为该第一用户群;在该媒体资源的发布者未提供有用户群的情况下,或者该媒体资源的发布者所提供的用户群的数据量不充足的情况下,服务器从该多个第二用户群中,选取至少两个第二用户群,将该至少两个第二用户群的组合确定为该第一用户群。
在步骤302中,服务器基于第一用户群和多个第二用户群,确定目标网络,该目标网络包括多个节点,每个节点代表一个用户群,节点之间的边用于表示对应用户群之间的用户重合情况。
在一些实施例中,服务器确定目标网络的过程参见下述步骤(302A)至步骤(302C)。
(302A)服务器获取初始网络,该初始网络包括该多个第二用户群对应的节点以及节点之间的边。
在一些实施例中,服务器获取初始网络的过程包括:服务器从多个第二用户群中,确定任意两个第二用户群之间相同用户(也即是,重合用户)的数量,判断该两个第二用户群之间相同用户的数量是否大于第一阈值,若该两个第二用户群之间相同用户的数量大于第一阈值,则建立该两个第二用户群对应的节点之间的边,若该两个第二用户群之间相同用户的数量不大于第一阈值,则不建立该两个第二用户群对应的节点之间的边,从而得到该初始网络。其中,第一阈值为预先设定的固定阈值。第一阈值用于判断两个第二用户群之间的用户重合量是否满足连边条件,若两个第二用户群之间相同用户的数量大于第一阈值,表示两个第二用户群之间的用户重合量满足连边条件;若两个第二用户群之间相同用户的数量不大于第一阈值,表示两个第二用户群之间的用户重合量不满足连边条件。在该实施例中,通过判断两个第二用户群之间相同用户的数量是否大于第一阈值,来确定是否建立节点之间的边,能够快速确定初始网络中节点之间的边,从而能够快速构建初始网络。
在一些实施例中,服务器确定两个第二用户群之间相同用户的数量之后,该方法还包括:服务器确定该两个第二用户群之间相同用户的数量的对数,判断该对数是否大于第一阈值,若该对数大于该第一阈值,执行建立该任意两个第二用户群对应的节点之间的边的步骤。在该实施例中,通过对相同用户的数量进行对数处理,使得所确定出的对数的分布相近,能够避免因数量分布差别过大而导致阈值判断的差距较大。
上述过程以获取多个第二用户群之后,基于各个第二用户群之间相同用户的数量,来生成初始网络为例。在一些实施例中,在实施本方案之前,获取多个第二用户群,基于各个第二用户群之间相同用户的数量,生成初始网络,进而在确定目标网络时,获取预先生成的初始网络即可,无需执行获取第二用户群和生成初始网络的过程,减少了服务器的处理内容,提高了服务器的处理效率。
本公开实施例中,通过构建初始网络,能够直观有效地展示各个标签之间的关联关系,以便用户基于该初始网络,能够快速获知各个标签之间的关联关系。
(302B)服务器确定第一用户群与该多个第二用户群之间的用户重合度。
在一种可选的实施例中,对于任一个第二用户群,服务器确定该第一用户群与该第二用户群之间相同用户的数量,确定该第一用户群与该第二用户群的用户总数量,基于该相同用户的数量与该用户总数量,确定该用户重合度。可选地,服务器基于该相同用户的数量与该用户总数量,确定该用户重合度的过程为:服务器确定该相同用户的数量与该用户总数量的比值,将该比值确定为该用户重合度。
在另一种可选的实施例中,服务器确定该第一用户群与该第二用户群之间相同用户的数量,确定该第一用户群的用户数量与该第二用户群的用户数量中满足数量条件的用户数量,基于该相同用户的数量与该满足数量条件的用户数量,确定该用户重合度。
可选地,满足数量条件的用户数量为数值处于预设范围内的用户数量,或者,满足数量条件的用户数量为数值最大的用户数量。本公开实施例对数量条件的设置不作限定。
可选地,服务器基于该相同用户的数量与该满足数量条件的用户数量,确定该用户重合度的过程为:服务器确定该相同用户的数量与该满足数量条件的用户数量的比值,将该比值确定为该用户重合度。
在上述过程中,提供了两种确定用户重合度的方式,提高了确定用户重合度的灵活性,同时,采用该两种确定用户重合度的方式,均能够快速确定出用户重合度,提高了确定用户重合度的效率。
(302C)服务器在该初始网络中,基于该第一用户群与该多个第二用户群之间的用户重合度,建立该第一用户群对应的节点与该多个第二用户群对应的节点之间的边,得到该目标网络。
在一些实施例中,基于用户重合度确定目标网络的过程包括:对于该初始网络中多个第二用户群中的任一个第二用户群,判断该第一用户群与该第二用户群之间的用户重合度是否大于第二阈值,若该第一用户群与该第二用户群之间的用户重合度大于第二阈值,则服务器建立该第一用户群对应的节点和该第二用户群对应的节点之间的边,若该第一用户群与该第二用户群之间的用户重合度不大于第二阈值,则服务器不建立该第一用户群对应的节点和该第二用户群对应的节点之间的边,从而得到该目标网络。其中,第二阈值为预先设定的固定阈值。第二阈值用于判断第一用户群与第二用户群之间的用户重合度是否满足连边条件,若第一用户群与第二用户群之间的用户重合度大于第二阈值,表示第一用户群与第二用户群之间的用户重合度满足连边条件;若第一用户群与第二用户群之间的用户重合度不大于第二阈值,表示第一用户群与第二用户群之间的用户重合度不满足连边条件。在该实施例中,通过判断第一用户群与第二用户群之间的用户重合度是否大于第二阈值,来确定是否建立节点之间的边,能够快速确定目标网络中节点之间的边,从而能够快速构建目标网络。
在上述实施例中,在获取初始网络后,基于第一用户群和各个第二用户群之间的用户重合度,来建立目标网络中各个节点之间的边,能够快速确定目标网络,提高了确定目标网络的效率和准确性。
在步骤303中,服务器基于该目标网络中节点之间的边,划分该目标网络,得到多个网络社区,每个网络社区中包括的多个节点的紧密度满足紧密度条件,该紧密度基于该网络社区内的节点连接情况确定。
本公开实施例中,网络社区也即是多个节点的集合。每个网络社区中包括的多个节点的紧密度满足紧密度条件,其中,紧密度条件是指每个网络社区内的多个节点紧密相连,而与目标网络中其它网络社区内的节点松散相连。可理解地,每个网络社区内的多个节点紧密相连,也即是每个网络社区内的多个节点之间的相似度较高,与目标网络中其它网络社区内的节点松散相连,也即是与目标网络中其他网络社区内的节点之间的相似度较低。
在一些实施例中,服务器基于GN(Girvan-Newman,格文-纽曼)算法,划分目标网络,得到多个网络社区。其中,GN算法是一种基于删除边的算法,其本质是基于聚类的分裂算法。在一些实施例中,服务器基于全局信息的社区划分算法,划分目标网络,得到多个网络社区。相应过程为:服务器在第i次迭代过程中,基于第i-1次迭代过程对应的目标网络,确定该目标网络中多条边的边参数,删除该边参数最大的边,该边参数用于衡量该边在该目标网络中的重要程度,若该第i次迭代过程对应的目标网络的划分结果满足划分条件,获取该第i次迭代过程对应的该多个网络社区,该i为大于或等于1的正整数。例如,服务器在第一次迭代过程中,确定该目标网络中多条边的边参数,删除该边参数最大的边,在第二次迭代过程中,基于第一次迭代过程对应的目标网络,确定该目标网络中多条边的边参数,删除该边参数最大的边,重复执行上述确定边参数和删除边的过程,在第N次迭代过程中,基于第N-1次迭代过程对应的目标网络,确定该目标网络中多条边的边参数,删除该边参数最大的边,若第N次迭代过程对应的目标网络的划分结果满足划分条件,则停止上述迭代过程,获取第N次迭代过程对应的多个网络社区。其中,N为大于等于1的正整数。
在上述实施例中,基于目标网络的社区划分,实现了基于第一用户群(种子用户群)的人群拓展,以便后续基于拓展后的人群进行资源推荐,扩展了媒体资源的推荐范围,提高了媒体资源的推荐效果。
在GN算法中,边参数称为边介数,边介数是指网络中任意两个节点通过一条边的最短路径的数目。在一些实施例中,服务器确定边参数的过程为:对于该目标网络中的任一个节点,确定从该节点到其他节点的最短路径,基于该最短路径,确定该目标网络中所有边的边参数。
示例地,图4是根据一示例性实施例示出的一种网络的示意图,参见图4,图4所示出的网络包括6个节点,分别是节点A、节点B、节点C、节点D、节点E、节点F,以节点A为例,从节点A到节点B的最短路径为A-B,从节点A到节点C的最短路径为A-B-C或A-D-C,从节点A到节点D的最短路径为A-D,从节点A到节点E的最短路径为A-B-E或A-D-E,从节点A到节点F的最短路径为A-B-C-F、A-B-E-F或A-D-E-F。基于节点A对应的多条最短路径可以发现,通过AB边的最短路径的数目为5,通过A-D边的最短路径的数目为4,通过B-C边的最短路径的数目为2,通过B-E的最短路径的数目为2,通过D-E的最短路径的数目为2,通过C-F的最短路径的数目为1,通过E -F的最短路径的数目为2。同理,分别基于节点B、节点C、节点D、节点E、节点F,确定从各个节点到其他节点的最短路径,能够得到每条边对应的以各个节点为起始节点的最短路径的数目,基于该每条边对应的最短路径的数目求和能够得到每条边的边参数。
在一些实施例中,该划分条件为该目标网络的划分参数不再增大或者减小,该划分参数用于衡量该目标网络的紧密度。其中,划分参数的定义为网络社区内的边的数量和目标网络中边的总数量的比例减去一个期望值,该期望值是将目标网络设定为随机网络时,当前网络社区内的边的数量和目标网络中边的总数量的比例的大小。一方面,划分参数基于各个网络社区内的边的数量和目标网络中边的总数量的比例,来衡量目标网络所划分的各个网络社区的紧密度,若该比例较大,表示网络社区内多个节点的紧密度较高。另一方面,划分参数基于实际情况下该网络社区内边的数量和随机情况下边的数量之间的差距,来衡量目标网络所划分的各个网络社区的紧密度,若该差距较大,表示该网络社区内多个节点的紧密度高于随机情况,则表示网络划分的质量较好。
在GN算法中,划分参数为网络模块度Q,具体是目标网络的全局模块度,该全局模块度用于衡量目标网络的划分结果的效果。应理解地,目标网络划分得到的多个网络社区内节点之间的紧密度越高,表示目标网络的划分结果的效果越好。在一些实施例中,服务器确定划分参数(全局模块度)的过程为:服务器基于划分后的多个网络社区内的节点连接情况、目标网络内的边的总数量和下述公式(1),确定划分参数。
式中,为目标网络的划分参数,也即是目标网络的全局模块度;m为目标网络内的边的总数量;i表示节点i,j表示节点j;若节点i和节点j之间存在边,则取值为1,若节点i和节点j之间不存在边,则取值为0;表示节点i的度数,表示节点j的度数;若节点i和节点j处于同一网络社区,则取值为1,若节点i和节点j不处于同一网络社区,则取值为0。
在一些实施例中,该划分条件为该第一用户群所在的网络社区内的用户数量达到目标数量。如此,以发布者所提供的用户群或选定的标签组合作为第一用户群,能够快速拓展挖掘出核心定向人群以外的更多定向人群,扩展了媒体资源的推荐范围,提高了媒体资源的推荐效果。
上述步骤302至步骤303中,是基于各个用户群之间的用户重合情况,来判断是否建立各个用户群对应的节点之间的边,从而构建得到目标网络。在另一些实施例中,服务器在该初始网络中,建立第一用户群对应的节点和多个第二用户群对应的节点之间的边,将该第一用户群与该多个第二用户群之间的用户重合度确定为该边的权重值,得到该目标网络。
在一些实施例中,服务器基于局部信息的社区划分算法,划分目标网络,得到目标网络社区,该目标网络社区为第一用户群对应的节点所在的网络社区。相应过程为:以第一用户群对应的节点为初始节点,以第一用户群所在的网络社区为目标网络社区,在第i次迭代过程中,基于第i-1次迭代过程对应的目标网络,确定该目标网络的目标网络社区内各个节点与该各个节点的邻接点之间的聚集参数,选取聚集参数最大的邻接点,将所选取的邻接点添加至该目标网络社区,若该第i次迭代过程对应的目标网络的划分结果满足划分条件,获取该第i次迭代过程对应的该目标网络社区。其中,邻接点是指与当前节点连接的其他节点。
例如,服务器在第一次迭代过程中,以第一用户群对应的节点为初始节点,以第一用户群所在的网络社区为目标网络社区,基于初始节点与该初始节点的邻接点之间的聚集参数,选取聚集参数最大的邻接点,将所选取的邻接点添加至该目标网络社区,在第二次迭代过程中,基于该初始节点、新添加节点与邻接点之间的聚集参数,选取聚集参数最大的邻接点,将所选取的邻接点添加至该目标网络社区,重复执行上述确定聚集参数和添加邻接点的过程,在第N次迭代过程中,基于第N-1次迭代过程新添加的节点与邻接点之间的聚集参数,选取聚集参数最大的邻接点,将所选取的邻接点添加至该目标网络社区,若第N次迭代过程对应的目标网络的划分结果满足划分条件,则停止上述迭代过程,获取第N次迭代过程对应的目标网络社区。
在上述实施例中,基于目标网络社区的社区划分,实现了基于第一用户群(种子用户群)的人群拓展,以便后续基于拓展后的人群进行资源推荐,扩展了媒体资源的推荐范围,提高了媒体资源的推荐效果。
在GN算法中,聚集参数称为聚集系数,聚集系数用于指示一个点的邻接点之间的聚集程度。在一些实施例中,服务器确定聚集参数的过程为:服务器基于当前节点的邻接点的数量、该当前节点的邻接点之间的边的数量和下述公式(2),确定该当前节点的聚集参数。
式中,C为当前节点的聚集参数,也即是当前节点的聚集系数;k为当前节点的邻接点的数量;n为当前节点的邻接点之间的边的数量。
在一些实施例中,该划分条件为该目标网络的划分参数不再增大或减小,该划分参数用于衡量该目标网络的紧密度。在GN算法中,划分参数为网络模块度Q,具体是网络的局部模块度,该局部模块度用于衡量目标网络社区的划分结果的效果。在一些实施例中,服务器确定划分参数(局部模块度)的过程为:服务器基于划分后的目标网络社区内的节点连接情况、目标网络社区内的节点的邻接点之间边的数量和下述公式(2),确定划分参数。
式中,为目标网络的划分参数,也即是目标网络的局部模块度;m为目标网络社区内的节点以及邻接点之间边的数量;i表示节点i,j表示节点j;若节点i和节点j之间存在边、且存在至少一个节点处于目标网络社区,则取值为1,否则,取值为0;若节点i和节点j处于目标网络社区,则取值为1,若节点i和节点j不处于目标网络社区,则取值为0。
在上述过程中,通过GN算法与局部模块度Q2进行社区划分,能够快速划分得到目标网络社区,提高了社区划分的效率,也就提高了确定第一用户群所在网络社区的效率。上述实施例以基于GN算法进行社区划分为例,在另一些实施例中,服务器还能够基于其它社区划分算法,对目标网络进行社区划分,以实现基于第一用户群的人群拓展,从而基于拓展后的人群进行资源推荐,扩大了媒体资源的推荐范围,提升了媒体资源的推荐效果。
在步骤304中,服务器基于该第一用户群所在的网络社区内的用户群,对该媒体资源进行推荐。
本公开实施例中,第一用户群所在的网络社区,能够直观地展示人群拓展后的标签下用户群与种子用户群的联系,降低了用户的理解成本,并为其提供更精准的定向指导。
在一些实施例中,在资源推荐的测试阶段,基于第一用户群所在的网络社区内的用户群,对该媒体资源进行推荐。在一些实施例中,服务器对该媒体资源进行推荐之后,获取该媒体资源的推荐参数,该推荐参数用于指示媒体资源的推荐情况。可选地,推荐参数包括点击率、曝光率、转化率中至少一项。如此,通过在测试阶段对媒体资源进行推荐,向所确定的一部分用户推荐媒体资源,能够快速获知媒体资源的推荐情况,以便基于媒体资源的推荐情况,来进行后续媒体资源的全面推荐。
在一些实施例中,服务器对目标网络进行社区划分,确定第一用户群所在的网络社区之后,确定该网络社区内的第一用户群(种子用户群)和剩余用户群(也即是非种子用户群),通过测试的方式,分别基于该网络社区内的第一用户群和剩余用户群,对媒体资源进行推荐,也即是,向第一用户群内的用户对应的终端发送该媒体资源,向剩余用户群内的用户对应的终端发送该媒体资源,分别记录第一用户群内的用户和剩余用户群内的用户基于该媒体资源的交互行为,再分别对第一用户群内的用户的交互行为和剩余用户群内的用户的交互行为进行分析,得到该第一用户群对应的推荐参数和剩余用户群对应的推荐参数。如此,通过测试的方式,能够提前评估媒体资源的推荐效果,以便用户快速获知基于种子用户群和非种子用户群的资源推荐效果。
上述步骤301至步骤304是针对一个目标网络进行社区划分,进而进行资源推荐的过程。在一些实施例中,服务器选定不同的标签(也即是选定不同的第二用户群),或者,选定不同的阈值(第一阈值或第二阈值),生成多个网络,分别对该多个网络进行社区划分,并确定该多个网络中第一用户群所在的网络社区,再通过测试的方式,分别基于该多个网络中第一用户群所在的网络社区内的用户群,对媒体资源进行推荐,获取该多个网络对应的推荐参数,基于该多个网络对应的推荐参数,从该多个网络中选取推荐效果最优的网络,再基于该最优的网络进行后续全面推荐的过程。
在一些实施例中,服务器基于媒体资源的推荐参数,周期性获取推荐参数高的用户群,将该推荐参数高的用户群添加到目标网络中,再进行后续资源推荐过程。如此,能够周期性添加推荐效果好的用户群至网络中,提升了人群拓展的精准度。
在一个具体示例中,图5是根据一示例性实施例示出的一种资源推荐方法的流程图,参见图5,资源推荐方法可以分为下述六个步骤,分别是:数据初始化、构建初始网络、选取种子人群、人群拓展、数据评估和全面推荐,其中,数据初始化是指选取多个标签以及该多个标签下的用户群,同时去除一些相似度很高的标签;构建初始网络是指将每个标签作为一个节点,基于各个标签之间相同用户的数量,确定该相同用户的数量的对数,再基于预设的第一阈值和所确定的对数,确定是否建立节点之间的边,也即是判断任意两个标签之间相同用户的数量的对数是否大于第一阈值,若大于则连接两个标签之间的边,若小于则不连接两个标签之间的边,从而构建得到初始网络;选取种子人群是指获取发布者提供的用户群或者选取已有标签的组合下的用户群,进而将所选取的种子人群作为一个节点,添加到初始网络中,再基于当前节点与其他节点之间的用户重合度,建立节点之间的边,从而构建得到目标网络;人群拓展是指基于GN算法和网络模块度对目标网络进行社区划分,得到多个网络社区,确定种子人群节点所在的网络社区;数据评估是指基于测试的方式,向所确定的网络社区内的用户群推荐媒体资源,再基于推荐后的推荐参数来调整目标网络;全面推荐是指构建多个网络,分别基于该多个网络进行资源推荐,基于该多个网络的测试结果,确定推荐效果最优的网络,再基于该最优的网络,对媒体资源进行全面推荐。
本公开实施例提供的技术方案,基于待推荐媒体资源的种子用户群和多个标签下的用户群,构建目标网络,再对该目标网络进行社区划分,能够划分得到多个网络社区,由于每个网络社区内的多个节点之间的紧密度满足紧密度条件,也就是说,每个网络社区下的多个用户群之间具有紧密的连接关系,如此,对于种子用户群所在的网络社区来说,该网络社区包含有与种子用户群连接紧密的其他用户群,实现了基于种子用户群的人群拓展,再基于所确定的网络社区进行资源推荐,不仅增加了所确定的用户群的数量,扩大了媒体资源的推荐范围,还实现了媒体资源的定向推荐,提升了媒体资源的推荐效果。
图6是根据一示例性实施例示出的一种资源推荐装置的框图。参见图6,该装置包括确定单元601,划分单元602和推荐单元603:
确定单元601,被配置为执行基于第一用户群和多个第二用户群,确定目标网络,该第一用户群为待推荐的媒体资源的种子用户群,该多个第二用户群分别对应一个标签,该目标网络包括多个节点,每个该节点代表一个用户群,节点之间的边用于表示对应用户群之间的用户重合情况;
划分单元602,被配置为执行基于该目标网络中该节点之间的边,划分该目标网络,得到多个网络社区,每个网络社区中包括的多个节点的紧密度满足紧密度条件,该紧密度基于该网络社区内的节点连接情况确定;
推荐单元603,被配置为执行基于该第一用户群所在的网络社区内的用户群,对该媒体资源进行推荐。
本公开实施例提供的技术方案,基于待推荐媒体资源的种子用户群和多个标签下的用户群,构建目标网络,再对该目标网络进行社区划分,能够划分得到多个网络社区,由于每个网络社区内的多个节点之间的紧密度满足紧密度条件,也就是说,每个网络社区下的多个用户群之间具有紧密的连接关系,如此,对于种子用户群所在的网络社区来说,该网络社区包含有与种子用户群连接紧密的其他用户群,实现了基于种子用户群的人群拓展,再基于所确定的网络社区进行资源推荐,不仅增加了所确定的用户群的数量,扩大了媒体资源的推荐范围,还实现了媒体资源的定向推荐,提升了媒体资源的推荐效果。
在一些实施例中,该确定单元601,包括:
获取子单元,被配置为执行获取初始网络,该初始网络包括该多个第二用户群对应的节点以及节点之间的边;
建立子单元,被配置为执行在该初始网络中,基于该第一用户群与该多个第二用户群之间的用户重合度,建立该第一用户群对应的节点与该多个第二用户群对应的节点之间的边,得到该目标网络。
在一些实施例中,该获取子单元,被配置为执行:
确定任意两个第二用户群之间相同用户的数量;
若该任意两个第二用户群之间相同用户的数量大于第一阈值,则建立该任意两个第二用户群对应的节点之间的边,得到该初始网络。
在一些实施例中,该获取子单元,还被配置为执行:
确定该任意两个第二用户群之间相同用户的数量的对数;
若该对数大于该第一阈值,执行建立该任意两个第二用户群对应的节点之间的边的步骤。
在一些实施例中,该建立子单元包括确定子单元,被配置为执行下述任一项:
对于任一个第二用户群,确定该第一用户群与该第二用户群之间相同用户的数量,确定该第一用户群与该第二用户群的用户总数量,基于该相同用户的数量与该用户总数量,确定该用户重合度;
确定该第一用户群与该第二用户群之间相同用户的数量,确定该第一用户群的用户数量与该第二用户群的用户数量中满足数量条件的用户数量,基于该相同用户的数量与该满足数量条件的用户数量,确定该用户重合度。
在一些实施例中,该建立子单元,被配置为执行:
对于该初始网络中多个第二用户群中的任一个第二用户群,若该第一用户群与该第二用户群之间的用户重合度大于第二阈值,则建立该第一用户群对应的节点和该第二用户群对应的节点之间的边,得到该目标网络。
在一些实施例中,该划分单元602,被配置为执行:
在第i次迭代过程中,基于第i-1次迭代过程对应的目标网络,确定该目标网络中多条边的边参数,删除该边参数最大的边,该边参数用于衡量该边在该目标网络中的重要程度,该i为大于或等于1的正整数;
若该第i次迭代过程对应的目标网络的划分结果满足划分条件,获取该第i次迭代过程对应的该多个网络社区。
在一些实施例中,该划分条件为该目标网络的划分参数不再增大或减小,该划分参数用于衡量该目标网络的紧密度,或,该划分条件为该第一用户群所在的网络社区内的用户数量达到目标数量。
在一些实施例中,该装置还包括组合单元,被配置为执行组合至少两个第二用户群,得到该第一用户群;
或,该确定单元601,还被配置为执行将该媒体资源的发布者所提供的用户群确定为该第一用户群。
在一些实施例中,该组合单元,被配置为执行:
从该多个第二用户群中,选取与其他第二用户群的用户重合度最大的至少两个第二用户群;
基于所选取的至少两个第二用户群,执行该组合至少两个第二用户群,得到该第一用户群的步骤。
在一些实施例中,该确定单元601,还被配置为执行:
若该媒体资源的发布者所提供的用户群的数据量达到数据量阈值,则将该媒体资源的发布者所提供的用户群确定为该第一用户群。
需要说明的是:上述实施例提供的资源推荐装置在推荐资源时,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将设备的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。另外,上述实施例提供的资源推荐装置与资源推荐方法实施例属于同一构思,其具体实现过程详见方法实施例,这里不再赘述。
本公开实施例提到的计算机设备可以提供为一种服务器。图7是根据一示例性实施例示出的一种服务器的框图,该服务器700可因配置或性能不同而产生比较大的差异,可以包括一个或多个处理器(Central Processing Units,CPU)701和一个或多个的存储器702,其中,该一个或多个存储器702中存储有至少一条程序代码,该至少一条程序代码由该一个或多个处理器701加载并执行以实现上述各个方法实施例提供的资源推荐方法中服务器执行的过程。当然,该服务器700还可以具有有线或无线网络接口、键盘以及输入输出接口等部件,以便进行输入输出,该服务器700还可以包括其他用于实现设备功能的部件,在此不做赘述。
在示例性实施例中,还提供了一种包括程序代码的计算机可读存储介质,例如包括程序代码的存储器702,上述程序代码可由服务器700的处理器701执行以完成上述资源推荐方法。可选地,计算机可读存储介质可以是ROM(Read-Only Memory,只读内存)、RAM(Random Access Memory,随机存取存储器)、CD-ROM(Compact-Disc Read-Only Memory,只读光盘)、磁带、软盘和光数据存储设备等。
在示例性实施例中,还提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现上述的资源推荐方法。
在一些实施例中,本申请实施例所涉及的计算机程序可被部署在一个计算机设备上执行,或者在位于一个地点的多个计算机设备上执行,又或者,在分布在多个地点且通过通信网络互连的多个计算机设备上执行,分布在多个地点且通过通信网络互连的多个计算机设备可以组成区块链系统。
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 (25)
1.一种资源推荐方法,其特征在于,所述方法包括:
基于第一用户群和多个第二用户群,确定目标网络,所述第一用户群为待推荐的媒体资源的种子用户群,所述多个第二用户群分别对应一个标签,所述目标网络包括多个节点,每个所述节点代表一个用户群,节点之间的边用于表示对应用户群之间的用户重合情况;
基于所述目标网络中所述节点之间的边,划分所述目标网络,得到多个网络社区,每个网络社区中包括的多个节点的紧密度满足紧密度条件,所述紧密度基于所述网络社区内的节点连接情况确定;
基于所述第一用户群所在的网络社区内的用户群,对所述媒体资源进行推荐。
2.根据权利要求1所述的资源推荐方法,其特征在于,所述基于第一用户群和多个第二用户群,确定目标网络包括:
获取初始网络,所述初始网络包括所述多个第二用户群对应的节点以及节点之间的边;
在所述初始网络中,基于所述第一用户群与所述多个第二用户群之间的用户重合度,建立所述第一用户群对应的节点与所述多个第二用户群对应的节点之间的边,得到所述目标网络。
3.根据权利要求2所述的资源推荐方法,其特征在于,所述获取初始网络包括:
确定任意两个第二用户群之间相同用户的数量;
若所述任意两个第二用户群之间相同用户的数量大于第一阈值,则建立所述任意两个第二用户群对应的节点之间的边,得到所述初始网络。
4.根据权利要求3所述的资源推荐方法,其特征在于,所述确定任意两个第二用户群之间相同用户的数量之后,所述方法还包括:
确定所述任意两个第二用户群之间相同用户的数量的对数;
若所述对数大于所述第一阈值,执行建立所述任意两个第二用户群对应的节点之间的边的步骤。
5.根据权利要求2所述的资源推荐方法,其特征在于,所述第一用户群与所述多个第二用户群之间的用户重合度的确定过程包括下述任一项:
对于任一个第二用户群,确定所述第一用户群与所述第二用户群之间相同用户的数量,确定所述第一用户群与所述第二用户群的用户总数量,基于所述相同用户的数量与所述用户总数量,确定所述用户重合度;
确定所述第一用户群与所述第二用户群之间相同用户的数量,确定所述第一用户群的用户数量与所述第二用户群的用户数量中满足数量条件的用户数量,基于所述相同用户的数量与所述满足数量条件的用户数量,确定所述用户重合度。
6.根据权利要求2所述的资源推荐方法,其特征在于,所述在所述初始网络中,基于所述第一用户群与所述多个第二用户群之间的用户重合度,建立所述第一用户群对应的节点与所述多个第二用户群对应的节点之间的边,得到所述目标网络包括:
对于所述初始网络中多个第二用户群中的任一个第二用户群,若所述第一用户群与所述第二用户群之间的用户重合度大于第二阈值,则建立所述第一用户群对应的节点和所述第二用户群对应的节点之间的边,得到所述目标网络。
7.根据权利要求1所述的资源推荐方法,其特征在于,所述基于所述目标网络中所述节点之间的边,划分所述目标网络,得到多个网络社区包括:
在第i次迭代过程中,基于第i-1次迭代过程对应的目标网络,确定所述目标网络中多条边的边参数,删除所述边参数最大的边,所述边参数用于衡量所述边在所述目标网络中的重要程度,所述i为大于或等于1的正整数;
若所述第i次迭代过程对应的目标网络的划分结果满足划分条件,获取所述第i次迭代过程对应的所述多个网络社区。
8.根据权利要求7所述的资源推荐方法,其特征在于,所述划分条件为所述目标网络的划分参数不再增大或减小,所述划分参数用于衡量所述目标网络的紧密度,或,所述划分条件为所述第一用户群所在的网络社区内的用户数量达到目标数量。
9.根据权利要求1所述的资源推荐方法,其特征在于,所述基于第一用户群和多个第二用户群,确定目标网络之前,所述方法还包括下述任一项:
组合至少两个第二用户群,得到所述第一用户群;
将所述媒体资源的发布者所提供的用户群确定为所述第一用户群。
10.根据权利要求9所述的资源推荐方法,其特征在于,所述组合至少两个第二用户群,得到所述第一用户群包括:
从所述多个第二用户群中,选取与其他第二用户群的用户重合度最大的至少两个第二用户群;
基于所选取的至少两个第二用户群,执行所述组合至少两个第二用户群,得到所述第一用户群的步骤。
11.根据权利要求9所述的资源推荐方法,其特征在于,所述将所述媒体资源的发布者所提供的用户群确定为所述第一用户群包括:
若所述媒体资源的发布者所提供的用户群的数据量达到数据量阈值,则将所述媒体资源的发布者所提供的用户群确定为所述第一用户群。
12.一种资源推荐装置,其特征在于,所述装置包括:
确定单元,被配置为执行基于第一用户群和多个第二用户群,确定目标网络,所述第一用户群为待推荐的媒体资源的种子用户群,所述多个第二用户群分别对应一个标签,所述目标网络包括多个节点,每个所述节点代表一个用户群,节点之间的边用于表示对应用户群之间的用户重合情况;
划分单元,被配置为执行基于所述目标网络中所述节点之间的边,划分所述目标网络,得到多个网络社区,每个网络社区中包括的多个节点的紧密度满足紧密度条件,所述紧密度基于所述网络社区内的节点连接情况确定;
推荐单元,被配置为执行基于所述第一用户群所在的网络社区内的用户群,对所述媒体资源进行推荐。
13.根据权利要求12所述的资源推荐装置,其特征在于,所述确定单元,包括:
获取子单元,被配置为执行获取初始网络,所述初始网络包括所述多个第二用户群对应的节点以及节点之间的边;
建立子单元,被配置为执行在所述初始网络中,基于所述第一用户群与所述多个第二用户群之间的用户重合度,建立所述第一用户群对应的节点与所述多个第二用户群对应的节点之间的边,得到所述目标网络。
14.根据权利要求13所述的资源推荐装置,其特征在于,所述获取子单元,被配置为执行:
确定任意两个第二用户群之间相同用户的数量;
若所述任意两个第二用户群之间相同用户的数量大于第一阈值,则建立所述任意两个第二用户群对应的节点之间的边,得到所述初始网络。
15.根据权利要求14所述的资源推荐装置,其特征在于,所述获取子单元,还被配置为执行:
确定所述任意两个第二用户群之间相同用户的数量的对数;
若所述对数大于所述第一阈值,执行建立所述任意两个第二用户群对应的节点之间的边的步骤。
16.根据权利要求13所述的资源推荐装置,其特征在于,所述建立子单元包括确定子单元,被配置为执行下述任一项:
对于任一个第二用户群,确定所述第一用户群与所述第二用户群之间相同用户的数量,确定所述第一用户群与所述第二用户群的用户总数量,基于所述相同用户的数量与所述用户总数量,确定所述用户重合度;
确定所述第一用户群与所述第二用户群之间相同用户的数量,确定所述第一用户群的用户数量与所述第二用户群的用户数量中满足数量条件的用户数量,基于所述相同用户的数量与所述满足数量条件的用户数量,确定所述用户重合度。
17.根据权利要求13所述的资源推荐装置,其特征在于,所述建立子单元,被配置为执行:
对于所述初始网络中多个第二用户群中的任一个第二用户群,若所述第一用户群与所述第二用户群之间的用户重合度大于第二阈值,则建立所述第一用户群对应的节点和所述第二用户群对应的节点之间的边,得到所述目标网络。
18.根据权利要求12所述的资源推荐装置,其特征在于,所述划分单元,被配置为执行:
在第i次迭代过程中,基于第i-1次迭代过程对应的目标网络,确定所述目标网络中多条边的边参数,删除所述边参数最大的边,所述边参数用于衡量所述边在所述目标网络中的重要程度,所述i为大于或等于1的正整数;
若所述第i次迭代过程对应的目标网络的划分结果满足划分条件,获取所述第i次迭代过程对应的所述多个网络社区。
19.根据权利要求18所述的资源推荐装置,其特征在于,所述划分条件为所述目标网络的划分参数不再增大或减小,所述划分参数用于衡量所述目标网络的紧密度,或,所述划分条件为所述第一用户群所在的网络社区内的用户数量达到目标数量。
20.根据权利要求12所述的资源推荐装置,其特征在于,所述装置还包括组合单元,被配置为执行组合至少两个第二用户群,得到所述第一用户群;
或,所述确定单元,还被配置为执行将所述媒体资源的发布者所提供的用户群确定为所述第一用户群。
21.根据权利要求20所述的资源推荐装置,其特征在于,所述组合单元,被配置为执行:
从所述多个第二用户群中,选取与其他第二用户群的用户重合度最大的至少两个第二用户群;
基于所选取的至少两个第二用户群,执行所述组合至少两个第二用户群,得到所述第一用户群的步骤。
22.根据权利要求20所述的资源推荐装置,其特征在于,所述确定单元,还被配置为执行:
若所述媒体资源的发布者所提供的用户群的数据量达到数据量阈值,则将所述媒体资源的发布者所提供的用户群确定为所述第一用户群。
23.一种计算机设备,其特征在于,所述计算机设备包括:
一个或多个处理器;
用于存储所述处理器可执行程序代码的存储器;
其中,所述处理器被配置为执行所述程序代码,以实现如权利要求1至11中任一项所述的资源推荐方法。
24.一种计算机可读存储介质,其特征在于,当所述计算机可读存储介质中的程序代码由计算机设备的处理器执行时,使得计算机设备能够执行如权利要求1至11中任一项所述的资源推荐方法。
25.一种计算机程序产品,包括计算机程序,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11中任一项所述的资源推荐方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110769768.5A CN113221016A (zh) | 2021-07-08 | 2021-07-08 | 资源推荐方法、装置、计算机设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110769768.5A CN113221016A (zh) | 2021-07-08 | 2021-07-08 | 资源推荐方法、装置、计算机设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113221016A true CN113221016A (zh) | 2021-08-06 |
Family
ID=77081206
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110769768.5A Pending CN113221016A (zh) | 2021-07-08 | 2021-07-08 | 资源推荐方法、装置、计算机设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113221016A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113641919A (zh) * | 2021-10-12 | 2021-11-12 | 北京达佳互联信息技术有限公司 | 数据处理方法、装置、电子设备及存储介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101887441A (zh) * | 2009-05-15 | 2010-11-17 | 华为技术有限公司 | 一种社会网络建立方法和系统及网络社区挖掘方法和系统 |
CN102779142A (zh) * | 2011-06-28 | 2012-11-14 | 安徽大学 | 基于社区紧密度的快速社区发现方法 |
CN105574541A (zh) * | 2015-12-14 | 2016-05-11 | 天云融创数据科技(北京)有限公司 | 一种基于紧密度排序的网络社区发现方法 |
CN107886112A (zh) * | 2017-10-26 | 2018-04-06 | 腾讯音乐娱乐科技(深圳)有限公司 | 一种对象聚类方法、装置及存储设备 |
CN109428928A (zh) * | 2017-08-31 | 2019-03-05 | 腾讯科技(深圳)有限公司 | 信息推送对象的选择方法、装置及设备 |
US20190364123A1 (en) * | 2017-04-13 | 2019-11-28 | Tencent Technology (Shenzhen) Company Limited | Resource push method and apparatus |
CN112765373A (zh) * | 2021-01-29 | 2021-05-07 | 北京达佳互联信息技术有限公司 | 资源推荐方法、装置、电子设备和存储介质 |
CN112905879A (zh) * | 2021-01-29 | 2021-06-04 | 北京达佳互联信息技术有限公司 | 推荐方法、装置、服务器以及存储介质 |
-
2021
- 2021-07-08 CN CN202110769768.5A patent/CN113221016A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101887441A (zh) * | 2009-05-15 | 2010-11-17 | 华为技术有限公司 | 一种社会网络建立方法和系统及网络社区挖掘方法和系统 |
CN102779142A (zh) * | 2011-06-28 | 2012-11-14 | 安徽大学 | 基于社区紧密度的快速社区发现方法 |
CN105574541A (zh) * | 2015-12-14 | 2016-05-11 | 天云融创数据科技(北京)有限公司 | 一种基于紧密度排序的网络社区发现方法 |
US20190364123A1 (en) * | 2017-04-13 | 2019-11-28 | Tencent Technology (Shenzhen) Company Limited | Resource push method and apparatus |
CN109428928A (zh) * | 2017-08-31 | 2019-03-05 | 腾讯科技(深圳)有限公司 | 信息推送对象的选择方法、装置及设备 |
CN107886112A (zh) * | 2017-10-26 | 2018-04-06 | 腾讯音乐娱乐科技(深圳)有限公司 | 一种对象聚类方法、装置及存储设备 |
CN112765373A (zh) * | 2021-01-29 | 2021-05-07 | 北京达佳互联信息技术有限公司 | 资源推荐方法、装置、电子设备和存储介质 |
CN112905879A (zh) * | 2021-01-29 | 2021-06-04 | 北京达佳互联信息技术有限公司 | 推荐方法、装置、服务器以及存储介质 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113641919A (zh) * | 2021-10-12 | 2021-11-12 | 北京达佳互联信息技术有限公司 | 数据处理方法、装置、电子设备及存储介质 |
CN113641919B (zh) * | 2021-10-12 | 2022-03-25 | 北京达佳互联信息技术有限公司 | 数据处理方法、装置、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109902849B (zh) | 用户行为预测方法及装置、行为预测模型训练方法及装置 | |
CN109919316B (zh) | 获取网络表示学习向量的方法、装置和设备及存储介质 | |
US10789610B2 (en) | Utilizing a machine learning model to predict performance and generate improved digital design assets | |
CN108733706B (zh) | 热度信息的生成方法和装置 | |
JP2019061714A (ja) | クロスプラットフォーム広告ターゲティング | |
US20210056458A1 (en) | Predicting a persona class based on overlap-agnostic machine learning models for distributing persona-based digital content | |
CN107426328B (zh) | 信息推送方法和装置 | |
US11593860B2 (en) | Method, medium, and system for utilizing item-level importance sampling models for digital content selection policies | |
CN104981795A (zh) | 应用程序在移动设备上的安装的转化跟踪 | |
CN109753603B (zh) | 产品推荐信息展示方法、装置、计算机设备和存储介质 | |
US9489638B2 (en) | Method and apparatus for propagating user preference information in a communications network | |
US10853428B2 (en) | Computing a ranked feature list for content distribution in a first categorization stage and second ranking stage via machine learning | |
Stai et al. | A hyperbolic space analytics framework for big network data and their applications | |
CN112989169A (zh) | 目标对象识别方法、信息推荐方法、装置、设备及介质 | |
CN111552835A (zh) | 文件推荐方法、装置及服务器 | |
CN111340522A (zh) | 资源推荐方法、装置、服务器及存储介质 | |
CN113221016A (zh) | 资源推荐方法、装置、计算机设备及介质 | |
US11790404B2 (en) | Methods, apparatuses and computer program products for providing megataxon-based inverted index features for neural networks | |
CN113010775B (zh) | 信息推荐方法、装置和计算机设备 | |
US20190005406A1 (en) | High-capacity machine learning system | |
CN115187330A (zh) | 基于用户标签的产品推荐方法、装置、设备和介质 | |
CN114510627A (zh) | 对象推送方法、装置、电子设备及存储介质 | |
CN115345635A (zh) | 推荐内容的处理方法、装置、计算机设备和存储介质 | |
Ravi et al. | Predicting consumer level brand preferences using persistent mobility patterns | |
US10863316B1 (en) | Predicting a physical location of an online system user from multiple candidate physical locations based on a geographic location of a client device associated with the user |
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 |