CN113326434A - 一种信息推荐方法、设备及存储介质 - Google Patents
一种信息推荐方法、设备及存储介质 Download PDFInfo
- Publication number
- CN113326434A CN113326434A CN202110660814.8A CN202110660814A CN113326434A CN 113326434 A CN113326434 A CN 113326434A CN 202110660814 A CN202110660814 A CN 202110660814A CN 113326434 A CN113326434 A CN 113326434A
- Authority
- CN
- China
- Prior art keywords
- target
- identification information
- determining
- user
- tag
- 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.)
- Granted
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
- 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
- G06F16/955—Retrieval from the web using information identifiers, e.g. uniform resource locators [URL]
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 Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请实施例公开了一种信息推荐方法,该方法包括:确定当前预设周期内目标用户标识信息所操作的分享链接对应的至少一个第一目标标签;统计所述当前预设周期内所述目标用户标识信息的每一第一目标标签对应的第一用户行为次数;基于每一所述第一用户行为次数,确定对应的所述第一目标标签的时间衰减系数;基于每一所述第一用户行为次数和对应的所述时间衰减系数进行用户画像,得到所述目标用户标识信息的画像结果;基于所述画像结果,确定需推荐给所述目标用户标识信息的目标推荐链接。本申请实施例还公开了一种信息推荐设备和存储介质。
Description
技术领域
本申请涉及互联网应用技术领域,尤其涉及一种信息推荐方法、设备及存储介质。
背景技术
随着计算机技术的飞速发展,越来越多的技术应用在金融领域,传统金融业正在逐步向金融科技(Fintech)转变,但由于金融行业的安全性和实时性要求,也对技术提出了更高的要求。随着互联网技术的飞速发展,互联网对人们的生活、学习、娱乐等方面均造成了重大影响,人们在互联网上看到感兴趣内容后,可以将感兴趣内容进行转发等操作。而一些商家可以对其发布内容的转发次数和阅读次数等数据进行统计后,通过简单的推荐方法对用户行为进行针对性内容推荐。
但是目前常用的推荐方法较为简单和单一,存在推荐过程不能准确统计用户的偏好的问题,导致推荐内容常常不符合用户期望的内容,造成推荐内容准确率较低。
申请内容
为解决上述技术问题,本申请实施例期望提供一种信息推荐方法、设备及存储介质,解决了目前推荐方法较为简单和单一,导致推荐内容不符合用户期望内容的问题,实现了一种推荐方法,能够准确对用户行为进行画像,针对目标用户进行准确推荐内容,提高推荐准确率。
本申请的技术方案是这样实现的:
第一方面,一种信息推荐方法,所述方法包括:
确定当前预设周期内目标用户标识信息所操作的分享链接对应的至少一个第一目标标签;
统计所述当前预设周期内所述目标用户标识信息的每一第一目标标签对应的第一用户行为次数;其中,所述第一用户行为次数用于表示所述目标用户标识信息对目标分享链接进行操作的估算次数;
基于每一所述第一用户行为次数,确定对应的所述第一目标标签的时间衰减系数;
基于每一所述第一用户行为次数和对应的所述时间衰减系数进行用户画像,得到所述目标用户标识信息的画像结果;
基于所述画像结果,确定需推荐给所述目标用户标识信息的目标推荐链接。
第二方面,一种信息推荐设备,所述设备包括:存储器、处理器和通信总线;其中:
所述存储器,用于存储可执行指令;
所述通信总线,用于实现所述处理器和所述存储器之间的通信连接;
所述处理器,用于执行所述存储器中存储的信息推荐程序,实现如上述任一项所述的信息推荐方法的步骤。
第三方面,一种存储介质,所述存储介质上存储有信息推荐程序,所述信息推荐程序被处理器执行时实现如上述任一项所述的信息推荐方法的步骤。
本申请实施例中,信息推荐设备确定当前预设周期内目标用户标识信息所操作的分享链接对应的至少一个第一目标标签后,统计当前预设周期内目标用户标识信息的每一第一目标标签对应的第一用户行为次数,并基于每一第一用户行为次数,来确定对应的每一第一目标标签的时间衰减系数,然后根据每一第一用户行为次数和对应的时间衰减系数进行用户画像,得到目标用户标识信息的画像结果,并基于画像结果,确定需推荐给目标用户标识信息的目标推荐链接,这样,在充分考虑随着时间的变化,用户喜好推荐内容会发生改变的情况下,根据用户在当前预设周期内所对应的至少一个第一目标标签对应的第一用户行为次数和时间衰减系数,对用户进行用户画像并根据用户的画像结果来确定将要推荐的目标推荐链接,解决了目前推荐方法较为简单和单一,导致推荐内容不符合用户期望内容的问题,实现了一种推荐方法,能够准确对用户行为进行画像,针对目标用户进行准确推荐内容,提高推荐准确率。
附图说明
图1为本申请实施例提供的一种信息推荐方法的流程示意图;
图2为本申请实施例提供的另一种信息推荐方法的流程示意图;
图3为本申请实施例提供的又一种信息推荐方法的流程示意图;
图4为本申请另一实施例提供的一种信息推荐方法的流程示意图;
图5为本申请实施例提供的一种信息推荐设备的结构示意图;
图6为本申请实施例提供的一种应用实现流程示意图;
图7为本申请实施例提供的一种用户画像雷达示意图;
图8为本申请实施例提供的另一种信息推荐设备的结构示意图。
具体实施方式
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。
本申请的实施例提供一种信息推荐方法,参照图1所示,方法应用于信息推荐设备,该方法包括以下步骤:
步骤101、确定当前预设周期内目标用户标识信息所操作的分享链接对应的至少一个第一目标标签。
在本申请实施例中,信息推荐设备可以与用户终端设备具有通信连接关系的管理服务器,用户终端设备为用户可以查阅分享链接对应的内容的设备,例如可以是用户的智能移动终端或者计算机设备等。分享链接可以是购物链接、或者一些文章连接等。预设周期可以是根据实际需求进行确定得到的一个经验值,可以通过该预设周期进行统计分析,可以确定得到用户的喜好变化情况,例如可以是以时、天、月、年等为单位。第一目标标签是用于标识分享链接所属的类别标签,例如在分享链接为购物链接时,第一目标标签可以是男装、女装、童装、鞋帽等等,在分享链接为文章连接时,第一目标标签可以是经济、娱乐、军事、文化等。
步骤102、统计当前预设周期内目标用户标识信息的每一第一目标标签对应的第一用户行为次数。
其中,第一用户行为次数用于表示目标用户标识信息对目标分享链接进行操作的估算次数。
在本申请实施例中,目标用户标识信息指的是用于唯一标识目标用户的标识信息,例如信息推荐设备时某一即时通信应用程序对应的服务器时,目标用户标识信息为信息推荐设备为目标用户分配的目标账号信息。由于已确定当前预设周期内目标用户标识信息对应的至少一个第一目标标签,因此,可以统计得到当前周期内目标用户标识信息对应的用户针对每一第一目标标签对应的第一用户行为次数。
统计当前周期内目标用户标识信息对应的用户针对每一第一目标标签对应的第一用户行为次数可以通过以下步骤来实现估算过程:首先统计当前周期内目标用户标识信息对应的用户对标签为第一目标标签的目标分享链接,然后统计当前周期内目标用户标识信息对应的用户针对目标分享链接的不同的操作类型以及不同的操作类型的操作次数,最后,根据不同的操作类型对应的量化次数以及不同的操作类型的操作次数进行量化估算,得到估算次数,并将估算次数记为第一用户行为次数。
步骤103、基于每一第一用户行为次数,确定对应的第一目标标签的时间衰减系数。
在本申请实施例中,第一目标标签的时间衰减系数用于表示用户随着时间的变化,对第一目标标签对应的内容的喜爱程度随时间的变化情况。
步骤104、基于每一第一用户行为次数和对应的时间衰减系数进行用户画像,得到目标用户标识信息的画像结果。
在本申请实施例中,对每一第一用户行为次数和对应的时间衰减系数进行用户画像分析,从而可以得到包括至少一个第一目标标签对应的分析结果的画像结果。
步骤105、基于画像结果,确定需推荐给目标用户标识信息的目标推荐链接。
在本申请实施例中,在确定目标用户标识信息对应的画像结果后,可以根据目标用户标识信息对应的画像结果,来确定可以推荐给目标用户标识信息的目标推荐链接,由于目标推荐链接时根据目标用户标识信息的画像结果来确定得到的,且画像结果充分考虑了用户对某一类型推荐内容的喜爱程度对应的时间衰减系数,因此,目标推荐链接推荐给目标用户标识信息对应的用户后,用户接受目标推荐链接的内容的程度较高,提高看推荐效率,并保证了用户的使用体验效果。
本申请实施例中,通过确定当前预设周期内目标用户标识信息所操作的分享链接对应的至少一个第一目标标签后,统计当前预设周期内目标用户标识信息的每一第一目标标签对应的第一用户行为次数,并基于每一第一用户行为次数,来确定对应的每一第一目标标签的时间衰减系数,然后根据每一第一用户行为次数和对应的时间衰减系数进行用户画像,得到目标用户标识信息的画像结果,并基于画像结果,确定需推荐给目标用户标识信息的目标推荐链接,这样,在充分考虑随着时间的变化,用户喜好推荐内容会发生改变的情况下,根据用户在当前预设周期内所对应的至少一个第一目标标签对应的第一用户行为次数和时间衰减系数,对用户进行用户画像并根据用户的画像结果来确定将要推荐的目标推荐链接,解决了目前推荐方法较为简单和单一,导致推荐内容不符合用户期望内容的问题,实现了一种推荐方法,能够准确对用户行为进行画像,针对目标用户进行准确推荐内容,提高推荐准确率。
基于前述实施例,本申请的实施例提供一种信息推荐方法,参照图2所示,方法应用于信息推荐设备,该方法包括以下步骤:
步骤201、确定当前预设周期内目标用户标识信息所操作的分享链接对应的至少一个第一目标标签。
在本申请实施例中,以预设周期为7天为例进行说明,当前预设周期为距离当前时刻最近的一个完整时间周期,例如当前预设周期为当前时刻之前的7天时间,信息推荐设备统计当前时刻之前的7天内的目标用户标识信息所操作过的分享链接对应的至少一个第一目标标签,假设目标用户标识信息所操作过的分享链接为链接1、链接2和链接3,对应的,链接1对应的标签包括标签1,链接2对应的标签包括标签1和标签2,链接3对应的标签包括标签3,因此,可以确定目标用户标识信息所操作的分享链接对应的3个第一目标标签为:标签1、标签2和标签3。
步骤202、确定当前预设周期内每一第一目标标签对应的目标用户标识信息所操作的至少一个目标分享链接。
在本申请实施例中,确定标签1对应的至少一个目标分享链接为链接1和链接2,标签2对应的至少一个目标分享链接为链接2,标签3对应的至少一个目标分享链接为链接3。
步骤203、确定目标用户标识信息对每一目标分享链接进行操作的操作参数。
在本申请实施例中,确定用户针对链接1、链接2和链接3进行操作的操作参数。
步骤204、基于每一目标分享链接的操作参数和预设权重系数,确定目标用户标识信息对每一目标分享链接的子行为次数,得到至少一个子行为次数。
在本申请实施例中,预设权重系数为不同操作参数对应的权重值,是根据大量实验得到的经验值。确定每一目标分享链接的操作参数后,若某一个目标分享链接的操作参数包括一个参数,将该目标分量链接的操作参数与操作参数对应的预设权重系数相乘,得到该目标分享链接的子行为次数,若某一个目标分享链接的操作参数包括至少两个参数,将每一参数与对应的预设参数相乘,得到乘积值,然后将至少两个参数对应的乘积值进行累加,得到该目标分享链接的子行为次数。需说明的是,在同一目标分享链接包括至少两个标签的情况下,计算该目标分享链接不同标签的子行为次数时,还需乘以对应的不同标签的权重。
示例性的,针对链接1对应的操作参数包括参数1和参数2,链接2对应的操作参数包括参数3,链接3对应的操作参数包括参数1、参数2和参数3,其中,参数1对应的预设权重系数为系数1,参数3对应的预设权重系数为系数3,因此,可以确定得到链接1对应的子行为次数为:参数1*系数1+参数2*系数2,链接3对应的子行为次数为:参数1*系数1+参数2*系数2+参数3*系数3,由于链接2对应的标签包括标签1和标签2,对应的标签1的权重为30%,标签2的权重为70%,因此,针对链接2的标签1时,对应的子行为次数为30%*参数3*系数3,针对链接2的标签2时,对应的子行为次数为70%*参数3*系数3。
步骤205、确定至少一个子行为次数的累加和值,得到第一用户行为次数。
在本申请其他实施例中,对目标用户标识信息对应的至少一个子行为次数进行累加计算处理,得到目标用户标识信息对应的第一用户行为次数。示例性的,第一用户行为次数=链接1对应的子行为次数+链接2对应的子行为次数+链接3对应的子行为次数=参数1*系数1+参数2*系数2+30%*参数3*系数3+参数1*系数1+参数2*系数2+参数3*系数3。
步骤206、基于每一第一用户行为次数,确定对应的第一目标标签的时间衰减系数。
在本申请实施例中,对每一第一用户行为次数进行分析,来确定用户在当前预设周期内对对应的第一目标标签的内容的感兴趣程度是否出现衰减的时间衰减系数。示例性的,根据标签1对应的第一用户行为次数,确定标签1对应的时间衰减系数,根据标签2对应的第一用户行为次数,确定标签2对应的时间衰减系数,根据标签3对应的第一用户行为次数,确定标签3对应的时间衰减系数。
步骤207、基于每一第一用户行为次数和对应的时间衰减系数进行用户画像,得到目标用户标识信息的画像结果。
在本申请实施例中,对目标用户标识信息对应的每一第一用户行为次数和对应的时间衰减系数进行用户画像处理,得到目标用户标识信息对应的画像结果。示例性的,对标签1对应的第一用户行为次数和标签1对应的时间衰减系数进行分析,得到目标用户标识信息对应的标签1的子画像结果,对标签2对应的第一用户行为次数和标签2对应的时间衰减系数进行分析,确定得到目标用户标识信息对应的标签2的子画像结果,对标签3对应的第一用户行为次数和标签3对应的时间衰减系数进行分析,确定得到目标用户标识信息对应的标签3的子画像结果,确定标签1的子画像结果、标签2的子画像结果和标签3的子画像结果为目标用户标识信息对应的画像结果。其中,画像结果可以采用用户画像雷达图来表示。
步骤208、基于画像结果,确定需推荐给目标用户标识信息的目标推荐链接。
在本申请实施例中,根据目标用户标识信息对应的画像结果,选择与画像结果匹配的链接,得到目标推荐链接,并将目标推荐链接推送至目标用户标识信息对应的用户终端设备,这样,用户终端设备接收到目标推荐链接后,可以显示目标推荐链接对应的内容,目标用户标识信息对应的用户可以通过点击目标推荐链接对应的内容,进行阅读、转发、点赞和/或评论等操作。
这样,将用户对每一目标分享链接进行操作的操作参数进行量化处理,来确定得到用户对每一目标标签所对应的目标分享链接进行操作的子行为次数,有效提高了对用户进行用户画像的准确率,保证了推荐给用户的目标推荐链接的准确性。
基于前述实施例,在本申请其他实施例中,操作参数至少包括以下参数之一:阅读操作参数、阅读时长参数、转发操作参数、点赞操作参数和评论操作参数,对应的,操作参数为阅读时长参数时,对应的预设权重系数为阅读时长参数与预设时长之间的余数与1的和值和标准权重系数之间的最小值。
在本申请实施例中,在一些情况中,转发操作参数包括分享操作。在操作参数为阅读时长参数时,确定阅读时长参数对应的预设权重系数的过程为:计算阅读时长参数/预设时长的余数与1的和值,从阅读时长参数/预设时长的余数+1和标准权重系数中确定最小值,这样,能够有效将不同阅读时长参数对应的预设权重系数进行标准统一化,提高不同阅读时长参数对应的预设权重系数的可靠性。标准权重系数可以是一个根据经验确定得到的经验值,也可以是运维开发人员根据实际经验确定得到的。对应的,除阅读时长参数外的其他操作参数对应的预设权重系数均是预先设定的一个经验值。
基于前述实施例,在本申请其他实施例中,步骤206可以由以下步骤来实现:统计与当前预设周期相邻的前一周期内目标用户标识信息的每一第一目标标签对应的第二用户行为次数;基于每一第一目标标签对应的第一用户行为次数与对应的第二用户行为次数之间的比值,得到对应的第一目标标签的时间衰减系数。
在本申请实施例中,计算得到每一第一目标标签对应的第一用户行为次数与对应的第二用户行为次数之间的比值后,还可以对每一第一目标标签对应的第一用户行为次数与对应的第二用户行为次数之间的比值进行例如对数计算等方法进行处理,来得到对应的第一目标标签的时间衰减系数。
基于前述实施例,在本申请其他实施例中,步骤206还可以由步骤206a~206d来实现:
步骤206a、统计与当前预设周期相邻的前一周期内目标用户标识信息的每一第一目标标签对应的第二用户行为次数。
在本申请实施例中,统计与当前预设周期相邻的前一周期内目标用户标识信息的每一第一目标标签对应的第二用户行为次数的实现方法,与实现确定当前预设周期内目标用户标识信息的每一第一目标标签对应的第一用户行为次数的实现方法相同,此处不再详细赘述。
示例性的,根据统计得到目标用户标识信息的标签1的第一用户行为次数、标签2的第一用户行为次数和标签3的第一用户行为次数的方法,统计得到与当前预设周期相邻的前一周期内,目标用户标识信息的标签1对应的第二用户行为次数,标签2对应的第二用户行为次数和标签3对应的第二用户行为次数。
步骤206b、确定每一第一目标标签对应的第一用户行为次数与第二用户行为次数的比值的对数,得到每一第一目标标签对应的第一数值。
在本申请实施例中,对每一第一目标标签对应的第一用户行为次数与第二用户行为次数的比值的进行对数计算时,可以采用自然对数的计算方法来实现对数计算过程,即计算以常数e为底数,每一第一目标标签对应的第一用户行为次数与第二用户行为次数的比值为真数的对数值。示例性的,针对标签1的第一数值=ln(标签1的第一用户行为次数/标签1的第二用户行为次数),针对标签2的第一数值=ln(标签2的第一用户行为次数/标签2的第二用户行为次数),针对标签3的第一数值=ln(标签3的第一用户行为次数/标签3的第二行为次数)。
步骤206c、确定每一第一目标标签对应的第一数值与当前预设周期对应的周期间隔时长的第一比值。
在本申请实施例中,第一比值=每一第一目标标签对应的第一数值/周期间隔时长。示例性的,由于周期间隔时长为7天,因此,标签1的第一比值=标签1的第一数值/周期间隔时长=标签1的第一数值/7,标签2的第一比值=标签2的第一数值/周期间隔时长=标签2的第一数值/7,标签3的第一数值/周期间隔时长=标签3的第一数值/7。
步骤206d、确定每一第一目标标签对应的第一比值与1的和值,得到每一第一目标标签对应的时间衰减系数。
在本申请实施例中,每一第一目标标签对应的时间衰减系数=每一第一目标标签对应的第一比值+1。示例性的,目标用户标识信息的标签1对应的时间衰减系数=标签1的第一比值+1=标签1的第一数值/7+1=[ln(标签1的第一用户行为次数/标签1的第二用户行为次数)]/7+1,目标用户标识信息的标签2对应的时间衰减系数=标签2的第一比值+1=标签2的第一数值/7+1=[ln(标签2的第一用户行为次数/标签2的第二用户行为次数)]/7+1,目标用户标识信息的标签3对应的时间衰减系数=标签3的第一比值+1=标签3的第一数值/7+1=[ln(标签3的第一用户行为次数/标签3的第二用户行为次数)]/7+1。
这样,通过当前预设周期中每一第一目标标签的第一用户行为次数与对应的前一周期的第一目标标签的第二用户行为次数来进行分析得到时间衰减系数,充分考虑了随着时间变化用户的喜好变化情况,有效提高了后续对目标用户标识信息对应的用户推荐的内容的准确性。
基于前述实施例,在本申请其他实施例中,步骤207可以由以下步骤来实现:确定至少一个第一用户行为次数的累加和值,得到第一和值;确定每一第一用户行为次数与第一和值的比值,得到每一第一目标标签对应的第二比值;统计当前预设周期内标记为每一第一目标标签的用户数量;确定每一第一用户行为次数与相同第一目标标签的用户数量的第三比值;确定每一第三比值的目标对数;确定每一目标对数、相同第一目标标签对应的第二比值和相同第一目标标签对应的时间衰减系数的乘积,得到至少一个第一乘积;确定每一目标标签对应的画像结果为对应的第一乘积。
基于前述实施例,在本申请其他实施例中,步骤207可以由步骤207a~207g来实现:
步骤207a、确定至少一个第一用户行为次数的累加和值,得到第一和值。
在本申请实施例中,确定目标用户标识信息对应的至少一个第一用户行为次数的累加和值,得到第一和值。示例性的,第一和值=标签1的第一用户行为次数+标签2的第一用户行为次数+标签3的第一用户行为次数。
步骤207b、确定每一第一用户行为次数与第一和值的比值,得到每一第一目标标签对应的第二比值。
在本申请实施例中,每一第一目标标签对应的第二比值=每一目标标签对应的第一用户行为次数/第一和值。示例性的,标签1对应的第二比值=标签1对应的第一用户行为次数/第一和值=标签1对应的第一用户行为次数/(标签1的第一用户行为次数+标签2的第一用户行为次数+标签3的第一用户行为次数);标签2对应的第二比值=标签2对应的第一用户行为次数/第一和值=标签2对应的第一用户行为次数/(标签1的第一用户行为次数+标签2的第一用户行为次数+标签3的第一用户行为次数);标签3对应的第二比值=标签3对应的第一用户行为次数/第一和值=标签3对应的第一用户行为次数/(标签1的第一用户行为次数+标签2的第一用户行为次数+标签3的第一用户行为次数)。
步骤207c、统计当前预设周期内标记为每一第一目标标签的用户数量。
在本申请实施例中,对当前预设周期内标记为与目标用户标识信息对应的每一第一目标标签的全部用户的用户数量,其中,全部用户包括目标标识信息对应的用户。示例性的,统计当前预设周期内标记有标签1的用户数量、标记为标签2的用户数量和标记有标签3的用户数量。
步骤207d、确定每一第一用户行为次数与相同第一目标标签的用户数量的第三比值。
在本申请实施例中,第三比值为每一第一目标标签的第一用户行为次数与对应的第一目标标签的用户数量的比值。示例性的,标签1对应的第三比值=标签1对应的第一用户行为次数/标签1对应的用户数量,标签2对应的第三比值=标签2对应的第一用户行为次数/标签2对应的用户数量,标签3对应的第三比值=标签3对应的第一用户行为次数/标签3对应的用户数量。
步骤207e、确定每一第三比值的目标对数。
在本申请实施例中,确定每一第三比值的目标对数可以是通过计算以10为底数,真数为每一第三比值的对数得到的。示例性的,标签1的目标对数=lg标签1对应的第三比值=lg(标签1对应的第一用户行为次数/标签1对应的用户数量),标签2的目标对数=lg标签2对应的第三比值=lg(标签2对应的第一用户行为次数/标签2对应的用户数量),标签3的目标对数=lg标签3对应的第三比值=lg(标签3对应的第一用户行为次数/标签3对应的用户数量)。
步骤207f、确定每一目标对数、相同第一目标标签对应的第二比值和相同第一目标标签对应的时间衰减系数的乘积,得到至少一个第一乘积。
在本申请实施例,每一第一目标标签对应的第一乘积=每一目标标签对应的目标对数*相同第一目标标签对应的第二比值*相同第一目标标签对应的时间衰减系数。至少一个第一乘积与至少一个第一目标标签的数量相同,每一第一乘积对应一个第一目标标签。示例性的,针对标签1对应的第一乘积=标签1对应的目标对数*标签1对应的第二比值*标签2对应的时间衰减系数。
步骤207g、基于至少一个第一乘积进行用户画像,得到目标用户标识信息的画像结果。
在本申请实施例中,对至少一个第一目标标签对应的至少一个第一乘积进行用户画像,得到目标用户标识信息的画像结果。
这样,对目标用户标识信息对应的每一第一目标标签对应的操作参数进行具体量化,实现了用户画像的可方便移植的实现过程,考虑了时间衰减系数的影响,提高了对用户画像的画像结果的准确性,进而保证了针对目标用户标识信息对应的用户进行推荐的准确性。
基于前述实施例,在本申请其他实施例中,步骤207g可以由步骤a11~a14来实现:
步骤a11、确定至少一个第一乘积的累加和值,得到第二和值。
在本申请实施例中,将至少一个第一目标标签对应的至少一个第一乘积进行累加,得到第二和值。示例性的,针对目标用户标识信息的第二和值=标签1对应的第一乘积+标签2对应的第一乘积+标签3对应的第一乘积。
步骤a12、确定每一第一乘积与第二和值的第四比值。
在本申请实施例中,每一第一目标标签对应的第四比值=每一第一目标标签对应的第一乘积/第二和值。示例性的,标签1对应的第四比值=标签1对应的第一乘积/第二和值=标签1对应的目标对数*标签1对应的第二比值*标签2对应的时间衰减系数/(标签1对应的第一乘积+标签2对应的第一乘积+标签3对应的第一乘积)。
步骤a13、确定每一第四比值与预设放大倍数的乘积,得到至少一个第二乘积。
在本身申请实施例中,预设放大倍数可以是根据实际需求需对第四比值进行放大的倍数,例如可以1、10或100等。这样,将每一第一目标标签的第四比值根据需求进行相应的放大,能够减少小数点后的位数,使用户能够快速对至少一个第二乘积进行快速比较,便于用户对至少一个第二乘积的使用,提高用户的使用体验。
步骤a14、确定画像结果为至少一个第二乘积。
在本申请实施例中,得到目标用户标识信息对应的画像结果为至少一个第二乘积。这样,通过得到目标用户标识信息对应的每一第一目标标签的画像结果进行数字量化,有效通过数字化分析来确定针对目标用户标识信息对应的目标推荐链接。
基于前述实施例,在本申请其他实施例中,步骤208可以由步骤208a~208d或者步骤208a~208c和步骤208e~208k来实现。其中,若第一参考标签包括1个标签,选择执行步骤208a~208d,若第一参考标签包括至少两个标签,选择执行步骤208a~208c和步骤208e~208k:
步骤208a、从至少一个第二乘积中,确定大于或等于画像阈值的目标乘积。
在本申请实施例中,画像阈值为根据大量实验得到的一个经验值。其中,至少一个第二乘积中,大于或等于画像阈值的第二乘积可能一个也没有,也可能有一个或一个以上第二乘积大于或等于画像阈值,即目标乘积可以为空,也可以包括至少一个大于或等于画像阈值的第二乘积。
步骤208b、从至少一个第一目标标签中,确定目标乘积对应的第二目标标签。
在本申请实施例中,从至少一个第二乘积中确定大于或等于画像阈值的目标乘积,并从至少一个第一目标标签中确定目标乘积对应的第二目标标签,表示确定目标用户标识信息对应的用户可能在当前预设周期内可能更感兴趣的内容。
步骤208c、确定待分享链接的内容所对应的第一参考标签。
在本申请实施例中,待分享链接的内容所对应的第一参考标签可以是待分享链接的发布者对其进行标注得到的,在一些应用场景下,待分享链接的内容对应的第一参考标签也可以是对待分享链接的内容进行自动分析后,确定得到的。
步骤208d、若第一参考标签包括1个标签,且第一参考标签属于第二目标标签,确定目标推荐链接为待分享链接。
在本申请实施例中,在第一参考标签只包括1个标签,且第一参考标识属于第二目标标签的情况下,可以确定目标用户标识信息对应的目标推荐链接包括待分享链接。
步骤208e、若第一参考标签包括至少两个标签,确定第一参考标签中每一标签的标签权重。
在本申请实施例中,在第一参考标签包括至少两个标签,即待分享链接的内容包括多个标签时,第一参考标签中每一标签的标签权重可以是待分享链接的内容的发布者预先针对每一标签进行权重设置得到的,也可以是在对待分享链接的内容进行自动标签标记过程中确定得到的。
步骤208f、确定第一参考标签包括的每一标签的标签权重之间的比例关系。
在本申请实施例中,假设第一参考标签中包括参考标签1、参考标签2和参考标签3,对应的每一标签的标签权重依次为标签权重1、标签权重2和标签权重3,对应的比例关系可以记为标签权重1:标签权重2:标签权重3。
在本申请实施例中,信息推荐设备执行步骤208f之后,可以选择执行步骤208g,或者选择执行步骤208h~208i,或者选择执行步骤208j~208k。其中,若比例关系在第一比例范围内,且第一参考标签中的至少一个标签属于第二目标标签,选择执行步骤208g;若比例关系在第二比例范围内,从第一参考标签中确定标签权重所占比例最大的前预设数量个第二参考标签时,可以选择执行步骤208h~208i;若比例关系在第二比例范围内,从第一参考标签中确定标签权重大于权重阈值的至少一个第二参考标签时,可以选择执行步骤208j~208k:
步骤208g、若比例关系在第一比例范围内,且第一参考标签中的至少一个标签属于第二目标标签,确定目标推荐链接为待分享链接。
其中,第一比例范围用于标识第一参考标签包括的标签之前的标签权重差别较小。
在本申请实施例中,第一比例范围用于表示第一参考标签包括标签权重几乎相同,例如第一比例范围为接近1:1:1的范围。示例性的,假设标签权重1:标签权重2:标签权重3=0.3:0.31:0.33时,属于第一比例范围,且参考标签1为目标用户标识信息对应的标签1时,可以确定目标推荐链接为待分享链接。若比例关系在第一比例范围内,但第一参考标签中的全部标签均不属于第二目标标签,则确定待分享链接不推送给目标用户标识信息对应的用户。
步骤208h、若比例关系在第二比例范围内,从第一参考标签中确定标签权重所占比例最大的前预设数量个第二参考标签。
其中,第二比例范围与第一比例范围不同。
在本申请实施例中,第二比例范围用于表示除第一比例范围外的比例范围,即每一标签的标签权重之间的差别较大。预设数量可以是根据第一参考标签包括的标签的数量来确定得到的,具体确定方法可以是根据数量的比例来确定的,例如第一参考标签包括的标签的数量的30%向上取整,例如第一参考标签包括的标签的数量为2时,对应的预设数量为1,第一参考标签包括的标签的数量为3时,对应的预设数量为1,第一参考标签包括的标签的数量为4时,对应的预设数量为2。
步骤208i、若预设数量个第二参考标签中有至少一个标签属于第二目标标签,确定目标推荐链接为待分享链接。
步骤208j、若比例关系在第二比例范围内,从第一参考标签中确定标签权重大于权重阈值的至少一个第二参考标签。
其中,第二比例范围与第一比例范围不同。
在本申请实施例中,权重阈值可以是用户自己设定的,也可以是根据大量实验得到的一个用于表示超过该权重阈值,用户喜欢该标签的内容的概率较高的经验值。
步骤208k、若至少一个第二参考标签中有至少一个标签属于第二目标标签,确定目标推荐链接为待分享链接。
这样,通过针对性确定目标推荐链接,即通过待分享链接中的一个标签来确定是否分享给目标用户标识信息对应的用户,或者从待分享链接中的至少两个标签来大范围的帅选目标用户标识信息,实现更广泛的推荐,但又保持了推荐内容的相对符合用户的喜好,有效保证了用户的使用体验效果。
基于前述实施例,在本申请其他实施例中,参照图3所示,信息推荐设备执行步骤201之前,还可以选择执行步骤209~213:
步骤209、若检测到目标用户标识信息对当前显示链接内容的目标操作,且目标操作为允许操作,确定目标操作对应的目标参数。
其中,目标参数属于操作参数。
在本申请实施例中,检测到目标用户标识信息对当前显示链接内容的目标操作时,对应的允许操作可以是目标用户标识信息在白名单用户库中,或者目标用户标识信息不在黑名单用户信息库中,或者,目标操作为阅读操作时,当前阅读次数低于允许阅读上限,或者目标操作为转发操作时,当前转发次数低于允许转发上限。
步骤210、生成用于标识目标操作的操作标识信息,并存储操作标识信息至目标用户标识信息对应的目标存储区域。
在本申请实施例中,目标存储区域可以是用于存储数据的数据库,例如可以是分布式文件存储数据库,还可以数据仓库工具(Hive)库。操作便是信息用于对目标用户标识信息对应的用户对当前显示链接内容的操作进行唯一标识,并将目标操作对应的操作标识信息存储至目标存储区域中,防止被不法分子进行修改。
步骤211、若确定得到参考用户标识信息,存储参考用户标识信息至目标用户标识信息对应的目标存储区域。
其中,参考用户标识信息为分享当前显示链接内容给目标用户标识信息的用户的标识信息。
步骤212、标识目标用户标识信息的父节点为参考用户标识信息。
步骤213、若未确定得到参考用户标识信息,标识目标用户标识信息的父节点为空。
在本申请实施例中,可以根据存储的父节点的信息,确定针对当前显示链接内容进行转发链路过程。
这样,在目标存储区域中将每一操作进行记录,可以根据操作记录来精确知道谁点击阅读了或者转发了,缩小潜在用户范围,以便后续进行精确1对1推广营销,并且可以随时同态配置链接点击次数和阅读或转发权限,达到拉黑用户的作用,并且发布者可以看到分享链接的所有操作参数,并根据操作参数做推广分析,观看分享链接效果,在效果不好可以及时更换产品文案或者产品种类等。
基于前述实施例,在本申请其他实施例中,参照图4所示,信息推荐设备执行步骤211之后,还用于执行步骤214和/或步骤215;其中,针对当前显示链接内容,用户只执行了阅读操作时,选择执行步骤214,用户只执行了转发操作时,选择执行步骤215,用户执行了阅读操作的同时还执行了转发操作时,选择执行步骤214和步骤215:
步骤214、若目标操作包括阅读操作参数,确定当前显示链接内容的阅读次数为当前显示链接内容的当前阅读次数加1。
在本申请实施例中,对阅读次数进行更新,有效保证阅读权限的可靠性。
步骤215、若目标操作包括转发操作参数,确定当前显示链接内容的转发次数为当前显示链接内容的当前转发次数加1。
在本申请实施例中,对转发此处进行更新,有效保证转发权重的可靠性。
基于前述实施例,本申请实施例提供一种信息推荐设备的结构示意图,参照图5所示,信息推荐设备包括:轨迹记录模块31、用户画像模块32和智能推荐模块33;其中:
轨迹记录模块31实现流程可以参照图6所示,包括以下步骤:
步骤41、信息推荐设备检测到发布者发布分享链接。
其中,发布者发布分享链接后,信息推荐设备会将针对分享链接的分享轨迹标识信息,分享链接标识信息,分享用户的用户标识信息,父节点信息,操作参数类型(例如,用1表示分享操作,2表示阅读操作,3表示转发操作),并创建每一操作的操作时间等信息存储至数据库中。其中:初次分享没有父节点,在其它用户点击和转发分享链接后,会通过网页授权获取点击用户的相关信息,除可以包括用户的用户标识信息(Identity Document,ID)、用户昵称、性别、省份、国家、头像图片等信息中的一个或多个的组合信息外,还可以包括如表1中所示的信息。
表1
需说明的是,在数据库中进行存储处理时,当前点击用户的父节点ID为分享给当前点击用户的用户ID,若当前点击用户将分享链接进行分享或阅读操作时,信息推荐设备会根据当前点击用户的操作生成一个对应的操作ID,例如当前点击用户对分享链接进行分享时,新生成一个分享轨迹ID,每一个操作轨迹点的轨迹ID都唯一的。
步骤42、信息推荐设备检测到用户A点击分享链接。
其中,信息推荐设备检测到用户A点击分享链接,可以是信息推荐设备对用户A的用户终端设备的通信操作进行监测得到的。
步骤43、信息推荐设备判断用户A是否有阅读权限,若用户A有阅读权限,执行步骤44,若用户A没有阅读权限,执行步骤411。
其中,信息推荐设备可以通过判断用户A的用户ID是否在黑名单中确定用户A是否有阅读权限。或者还可以是根据当前阅读次数与允许阅读上限之间的关系来确定的。
步骤44、信息推荐设备判断分享链接是否还有剩余点击次数,若还有剩余点击次数,执行步骤45,若没有剩余点击次数,执行步骤411。
步骤45、信息推荐设备响应用户A的点击操作,允许用户A的用户终端设备访问分享链接对应的详情页。
步骤46、信息推荐设备检测到用户A点击分享按键。
步骤47、信息推荐设备判断用户A是否具有分享权限,若用户A具有分享权限,执行步骤48,若用户A不具有分享权限,执行步骤49。
其中,信息推荐设备判断用户A是否具有分享权限可以通过分享黑名单来实现,或者也可以根据当前分享次数与允许分享上限之间的关系来确定。
步骤48、信息推荐设备响应用户A点击分享按键的操作,使用户A成功分享链接对应的内容进行分享。
步骤49、信息推荐设备向用户终端设备发送无分享权限的指示信息。
步骤410、信息推荐设备检测到用户B点击用户A分享的分享链接时,重复执行步骤43。
步骤411、信息推荐设备引导用户终端设备显示跳转空白页或抱歉页面。
其中,信息推荐设备在进行权限控制时,可以通过表2中的信息来实现。用户画像模块32,假设用于对用户A进行用户画像时,可以通过步骤201~208、步骤206a~206d、步骤207a~207g、步骤a11~a14和步骤208a~208i对应的过程。示例性的,操作参数对应的预设权重系数可以参照表3所示,其中,阅读时长参数对应的预设权重系数,T表示阅读时长参数,单位为秒(s),预设时长为20s,min(T/20+1,3)表示从T/20+1和标准权重系数3之间确定一个最小值。
表2
分享轨迹ID | 细粒度配置,只针对单个分享限制 |
资源ID | 粗粒度配置,针对某个资源都限制次数和黑名单 |
阅读限次 | 该分享的最大阅读次数,达到后就不能再阅读 |
转发限次 | 该分享的最大转发次数,达到后就不能再转发 |
黑名单 | 拉黑名单 |
表3
示例性的,假设统计得到当前预设周期内,针对整个数据库对应的用户数据可以如表4所示,其中,第一列表示用户的用户标识信息,第一行表示标签标识信息,第2至4列表示不同标签下对应的第一用户行为次数,是根据前述实施例步骤204至204的具体实现过程来计算得到的,此处不再详细赘述。
表4
标签T1 | 标签T2 | 标签T3 | 标签T4 | …… | |
用户P1 | 5 | 2 | 1 | 0 | …… |
用户P2 | 10 | 3 | 0 | 0 | …… |
用户P3 | 0 | 0 | 5 | 4 | …… |
用户P4 | 0 | 20 | 0 | 0 | …… |
用户P5 | 0 | 15 | 2 | 4 | …… |
对应的,以用户P1为例,针对标签1的第二比值TF(用户P1,标签T1)=5/(5+2+1+0)=0.625;对应的目标对象IDF(用户P1,标签T1)=lg(5/(2+1))=0.222;利用大数据每天凌晨分析前一天的用户行为数据,以最近一周的数据为时间间隔,其中,时间间隔可随业务场景或随机微调,假设用户P1前7天对于标签T1的行为次数为40,到了第二天,又通过大数据统计得到前7天对于标签T1的行为次数为50,此时,对应的时间衰减系数λ=1+ln(50/40)/7=1+1.223/7=1.17;最后可以确定得到标签T1对于用户P1的当前真实权重即前述第一乘积θ1=TF×IDF×λ=0.625×0.222×1.17=0.163。
针对用户P1,会得到4个第一乘积,即θ1,θ2,θ3,θ4个标签权重,假设预设方法倍数为10,则对应的针对用户P1的每一标签对应的第二乘积依次为 示例性的,假设用户P1包括5个标签,通过上述公式依次计算得到用户P1的标签1对应的α1=0.4,用户P1的标签2对应的α2=3.1,用户P1的标签3对应的α3=1.8,用户P1的标签4对应的α4=2.9,用户P1的标签5对应的α5=1.8,可以采用如图7所示的用户雷达图像来表示用户P1的5个第二乘积。
智能推荐模块33,用于实现步骤208对应的具体实现过程,此处不再详细赘述。
需要说明的是,本实施例中与其它实施例中相同步骤和相同内容的说明,可以参照其它实施例中的描述,此处不再赘述。
本申请实施例中,通过确定当前预设周期内目标用户标识信息所操作的分享链接对应的至少一个第一目标标签后,统计当前预设周期内目标用户标识信息的每一第一目标标签对应的第一用户行为次数,并基于每一第一用户行为次数,来确定对应的每一第一目标标签的时间衰减系数,然后根据每一第一用户行为次数和对应的时间衰减系数进行用户画像,得到目标用户标识信息的画像结果,并基于画像结果,确定需推荐给目标用户标识信息的目标推荐链接,这样,在充分考虑随着时间的变化,用户喜好推荐内容会发生改变的情况下,根据用户在当前预设周期内所对应的至少一个第一目标标签对应的第一用户行为次数和时间衰减系数,对用户进行用户画像并根据用户的画像结果来确定将要推荐的目标推荐链接,解决了目前推荐方法较为简单和单一,导致推荐内容不符合用户期望内容的问题,实现了一种推荐方法,能够准确对用户行为进行画像,针对目标用户进行准确推荐内容,提高推荐准确率。
基于前述实施例,本申请的实施例提供一种信息推荐设备,参照图8所示,该信息推荐设备5可以包括:处理器51、存储器52和通信总线53,其中:
存储器52,用于存储可执行指令;
通信总线53,用于实现处理器51和存储器52之间的通信连接;
处理器51,用于执行存储器52中存储的信息推荐程序,以实现以下步骤:
确定当前预设周期内目标用户标识信息所操作的分享链接对应的至少一个第一目标标签;
统计当前预设周期内目标用户标识信息的每一第一目标标签对应的第一用户行为次数;其中,第一用户行为次数用于表示目标用户标识信息对目标分享链接进行操作的估算次数;
基于每一第一用户行为次数,确定对应的第一目标标签的时间衰减系数;
基于每一第一用户行为次数和对应的时间衰减系数进行用户画像,得到目标用户标识信息的画像结果;
基于画像结果,确定需推荐给目标用户标识信息的目标推荐链接。
在本申请其他实施例中,处理器51执行步骤统计当前预设周期内目标用户标识信息的每一第一目标标签对应的第一用户行为次数时,可以通过以下步骤来实现:
确定当前预设周期内每一第一目标标签对应的目标用户标识信息所操作的至少一个目标分享链接;
确定目标用户标识信息对每一目标分享链接进行操作的操作参数;
基于每一目标分享链接的操作参数和预设权重系数,确定目标用户标识信息对每一目标分享链接的子行为次数,得到至少一个子行为次数;
确定至少一个子行为次数的累加和值,得到第一用户行为次数。
在本申请其他实施例中,操作参数至少包括以下参数之一:阅读操作参数、阅读时长参数、转发操作参数、点赞操作参数和评论操作参数,对应的,操作参数为阅读时长参数时,对应的预设权重系数为阅读时长参数与预设时长之间的余数与1的和值和标准权重系数之间的最小值。
在本申请其他实施例中,处理器51执行步骤基于每一第一用户行为次数,确定对应的第一目标标签的时间衰减系数时,可以通过以下步骤来实现:
统计与当前预设周期相邻的前一周期内目标用户标识信息的每一第一目标标签对应的第二用户行为次数;
确定每一第一目标标签对应的第一用户行为次数与第二用户行为次数的比值的对数,得到每一第一目标标签对应的第一数值;
确定每一第一目标标签对应的第一数值与当前预设周期对应的周期间隔时长的第一比值;
确定每一第一目标标签对应的第一比值与1的和值,得到每一第一目标标签对应的时间衰减系数。
在本申请其他实施例中,处理器51执行步骤基于每一第一用户行为次数和对应的时间衰减系数进行用户画像,得到目标用户标识信息的画像结果时,可以通过以下步骤来实现:
确定至少一个第一用户行为次数的累加和值,得到第一和值;
确定每一第一用户行为次数与第一和值的比值,得到每一第一目标标签对应的第二比值;
统计当前预设周期内标记为每一第一目标标签的用户数量;
确定每一第一用户行为次数与相同第一目标标签的用户数量的第三比值;
确定每一第三比值的目标对数;
确定每一目标对数、相同第一目标标签对应的第二比值和相同第一目标标签对应的时间衰减系数的乘积,得到至少一个第一乘积;
基于至少一个第一乘积进行用户画像,得到目标用户标识信息的画像结果。
在本申请其他实施例中,处理器51执行步骤基于至少一个第一乘积进行用户画像,得到目标用户标识信息的画像结果时,可以通过以下步骤来实现:
确定至少一个第一乘积的累加和值,得到第二和值;
确定每一第一乘积与第二和值的第四比值;
确定每一第四比值与预设放大倍数的乘积,得到至少一个第二乘积;
确定画像结果为至少一个第二乘积。
在本申请其他实施例中,处理器51执行步骤基于画像结果,确定推荐给目标用户标识信息的目标推荐链接时,可以通过以下步骤来实现:
从至少一个第二乘积中,确定大于或等于画像阈值的目标乘积;
从至少一个第一目标标签中,确定目标乘积对应的第二目标标签;
确定待分享链接的内容所对应的第一参考标签;
若第一参考标签包括1个标签,且第一参考标签属于第二目标标签,确定目标推荐链接为待分享链接。
在本申请其他实施例中,处理器51执行步骤确定待分享链接的内容所对应的第一参考标签之后,还用于执行以下步骤:
若第一参考标签包括至少两个标签,确定第一参考标签中每一标签的标签权重;
确定第一参考标签包括的每一标签的标签权重之间的比例关系;
若比例关系在第一比例范围内,且第一参考标签中的至少一个标签属于第二目标标签,确定目标推荐链接为待分享链接;其中,第一比例范围用于标识第一参考标签包括的标签之前的标签权重差别较小;
若比例关系在第二比例范围内,从第一参考标签中确定标签权重所占比例最大,且标签权重大于权重阈值的至少一个第二参考标签;其中,第二比例范围与第一比例范围不同;
若至少一个第二参考标签中有至少一个标签属于第二目标标签,确定目标推荐链接为待分享链接。
在本申请其他实施例中,处理器51执行步骤确定当前预设周期内目标用户标识信息所操作的分享链接对应的至少一个第一目标标签之前,还用于执行以下步骤:
若检测到目标用户标识信息对当前显示链接内容的目标操作,且目标操作为允许操作,确定目标操作对应的目标参数;其中,目标参数属于操作参数;
生成用于标识目标操作的操作标识信息,并存储操作标识信息至目标用户标识信息对应的目标存储区域;
若确定得到参考用户标识信息,存储参考用户标识信息至目标用户标识信息对应的目标存储区域;其中,参考用户标识信息为分享当前显示链接内容给目标用户标识信息的用户的标识信息;
标识目标用户标识信息的父节点为参考用户标识信息;
若未确定得到参考用户标识信息,标识目标用户标识信息的父节点为空。
在本申请其他实施例中,处理器51执行步骤若确定得到参考用户标识信息,存储参考用户标识信息至目标用户标识信息对应的目标存储区域之后,还用于执行以下步骤:
若目标操作包括阅读操作参数,确定当前显示链接内容的阅读次数为当前显示链接内容的当前阅读次数加1;
和/或,若目标操作包括转发操作参数,确定当前显示链接内容的转发次数为当前显示链接内容的当前转发次数加1。
需要说明的是,本申请实施例中个或者多个程序可被一个或者多个处理器的步骤的解释说明,可以参照图1~4对应的实施例提供的方法实现过程,此处不再赘述。
本申请实施例中,信息推荐设备确定当前预设周期内目标用户标识信息所操作的分享链接对应的至少一个第一目标标签后,统计当前预设周期内目标用户标识信息的每一第一目标标签对应的第一用户行为次数,并基于每一第一用户行为次数,来确定对应的每一第一目标标签的时间衰减系数,然后根据每一第一用户行为次数和对应的时间衰减系数进行用户画像,得到目标用户标识信息的画像结果,并基于画像结果,确定需推荐给目标用户标识信息的目标推荐链接,这样,在充分考虑随着时间的变化,用户喜好推荐内容会发生改变的情况下,根据用户在当前预设周期内所对应的至少一个第一目标标签对应的第一用户行为次数和时间衰减系数,对用户进行用户画像并根据用户的画像结果来确定将要推荐的目标推荐链接,解决了目前推荐方法较为简单和单一,导致推荐内容不符合用户期望内容的问题,实现了一种推荐方法,能够准确对用户行为进行画像,针对目标用户进行准确推荐内容,提高推荐准确率。
基于前述实施例,本申请的实施例提供一种计算机可读存储介质,简称为存储介质,该计算机可读存储介质存储有一个或者多个程序,该一个或者多个程序可被一个或者多个处理器执行,以实现如图1~4对应的实施例提供的信息推荐方法实现过程,此处不再赘述。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用硬件实施例、软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述,仅为本申请的较佳实施例而已,并非用于限定本申请的保护范围。
Claims (12)
1.一种信息推荐方法,其特征在于,所述方法包括:
确定当前预设周期内目标用户标识信息所操作的分享链接对应的至少一个第一目标标签;
统计所述当前预设周期内所述目标用户标识信息的每一第一目标标签对应的第一用户行为次数;
基于每一所述第一用户行为次数,确定对应的所述第一目标标签的时间衰减系数;
基于每一所述第一用户行为次数和对应的所述时间衰减系数进行用户画像,得到所述目标用户标识信息的画像结果;
基于所述画像结果,确定需推荐给所述目标用户标识信息的目标推荐链接。
2.根据权利要求1所述的方法,其特征在于,所述统计所述当前预设周期内所述目标用户标识信息的每一第一目标标签对应的第一用户行为次数,包括:
确定所述当前预设周期内每一所述第一目标标签对应的所述目标用户标识信息所操作的至少一个目标分享链接;
确定所述目标用户标识信息对每一所述目标分享链接进行操作的操作参数;
基于每一所述目标分享链接的所述操作参数和预设权重系数,确定所述目标用户标识信息对每一所述目标分享链接的子行为次数,得到至少一个子行为次数;
确定所述至少一个子行为次数的累加和值,得到所述第一用户行为次数。
3.根据权利要求2所述的方法,其特征在于,所述操作参数至少包括以下参数之一:阅读操作参数、阅读时长参数、转发操作参数、点赞操作参数和评论操作参数,对应的,操作参数为阅读时长参数时,对应的预设权重系数为阅读时长参数与预设时长之间的余数与1的和值和标准权重系数之间的最小值。
4.根据权利要求1所述的方法,其特征在于,所述基于每一所述第一用户行为次数,确定对应的所述第一目标标签的时间衰减系数,包括:
统计与所述当前预设周期相邻的前一周期内所述目标用户标识信息的每一所述第一目标标签对应的第二用户行为次数;
确定每一所述第一目标标签对应的所述第一用户行为次数与所述第二用户行为次数的比值的对数,得到每一所述第一目标标签对应的第一数值;
确定每一所述第一目标标签对应的所述第一数值与所述当前预设周期对应的周期间隔时长的第一比值;
确定每一所述第一目标标签对应的所述第一比值与1的和值,得到每一所述第一目标标签对应的所述时间衰减系数。
5.根据权利要求1至4任一所述的方法,其特征在于,所述基于每一所述第一用户行为次数和对应的所述时间衰减系数进行用户画像,得到所述目标用户标识信息的画像结果,包括:
确定至少一个所述第一用户行为次数的累加和值,得到第一和值;
确定每一所述第一用户行为次数与所述第一和值的比值,得到每一所述第一目标标签对应的第二比值;
统计所述当前预设周期内标记为每一所述第一目标标签的用户数量;
确定每一所述第一用户行为次数与相同所述第一目标标签的所述用户数量的第三比值;
确定每一所述第三比值的目标对数;
确定每一所述目标对数、相同所述第一目标标签对应的所述第二比值和相同所述第一目标标签对应的所述时间衰减系数的乘积,得到至少一个第一乘积;
基于至少一个所述第一乘积进行用户画像,得到所述目标用户标识信息的画像结果。
6.根据权利要求5所述的方法,其特征在于,所述基于至少一个所述第一乘积进行用户画像,得到所述目标用户标识信息的画像结果,包括:
确定所述至少一个所述第一乘积的累加和值,得到第二和值;
确定每一所述第一乘积与所述第二和值的第四比值;
确定每一所述第四比值与预设放大倍数的乘积,得到至少一个第二乘积;
确定所述画像结果为所述至少一个第二乘积。
7.根据权利要求6所述的方法,其特征在于,所述基于所述画像结果,确定推荐给所述目标用户标识信息的目标推荐链接,包括:
从所述至少一个第二乘积中,确定大于或等于画像阈值的目标乘积;
从所述至少一个第一目标标签中,确定目标乘积对应的第二目标标签;
确定待分享链接的内容所对应的第一参考标签;
若所述第一参考标签包括1个标签,且所述第一参考标签属于所述第二目标标签,确定所述目标推荐链接为所述待分享链接。
8.根据权利要求7所述的方法,其特征在于,所述确定待分享链接的内容所对应的第一参考标签之后,所述方法还包括:
若所述第一参考标签包括至少两个标签,确定所述第一参考标签中每一标签的标签权重;
确定所述第一参考标签包括的每一标签的标签权重之间的比例关系;
若所述比例关系在第一比例范围内,且所述第一参考标签中的至少一个标签属于所述第二目标标签,确定所述目标推荐链接为所述待分享链接;其中,所述第一比例范围用于标识所述第一参考标签包括的标签之前的标签权重差别较小;
若所述比例关系在第二比例范围内,从所述第一参考标签中确定标签权重所占比例最大的前预设数量个第二参考标签;
若所述预设数量个所述第二参考标签中有至少一个标签属于所述第二目标标签,确定所述目标推荐链接为所述待分享链接;
或者,若所述比例关系在第二比例范围内,从所述第一参考标签中确定标签权重大于权重阈值的至少一个第二参考标签;其中,所述第二比例范围与所述第一比例范围不同;
若所述至少一个第二参考标签中有至少一个标签属于所述第二目标标签,确定所述目标推荐链接为所述待分享链接。
9.根据权利要求3或4所述的方法,其特征在于,所述确定当前预设周期内目标用户标识信息所操作的分享链接对应的至少一个第一目标标签之前,所述方法还包括:
若检测到所述目标用户标识信息对当前显示链接内容的目标操作,且所述目标操作为允许操作,确定所述目标操作对应的目标参数;其中,所述目标参数属于所述操作参数;
生成用于标识所述目标操作的操作标识信息,并存储所述操作标识信息至所述目标用户标识信息对应的目标存储区域;
若确定得到参考用户标识信息,存储所述参考用户标识信息至所述目标用户标识信息对应的目标存储区域;其中,所述参考用户标识信息为分享所述当前显示链接内容给所述目标用户标识信息的用户的标识信息;
标识所述目标用户标识信息的父节点为所述参考用户标识信息;
若未确定得到所述参考用户标识信息,标识所述目标用户标识信息的父节点为空。
10.根据权利要求9所述的方法,其特征在于,所述若确定得到参考用户标识信息,存储所述参考用户标识信息至所述目标用户标识信息对应的目标存储区域之后,所述方法还包括:
若所述目标操作包括所述阅读操作参数,确定所述当前显示链接内容的阅读次数为所述当前显示链接内容的当前阅读次数加1;
和/或,若所述目标操作包括转发操作参数,确定所述当前显示链接内容的转发次数为所述当前显示链接内容的当前转发次数加1。
11.一种信息推荐设备,其特征在于,所述设备包括:存储器、处理器和通信总线;其中:
所述存储器,用于存储可执行指令;
所述通信总线,用于实现所述处理器和所述存储器之间的通信连接;
所述处理器,用于执行所述存储器中存储的信息推荐程序,实现如权利要求1至10中任一项所述的信息推荐方法的步骤。
12.一种存储介质,其特征在于,所述存储介质上存储有信息推荐程序,所述信息推荐程序被处理器执行时实现如权利要求1至10中任一项所述的信息推荐方法的步骤。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110660814.8A CN113326434B (zh) | 2021-06-15 | 2021-06-15 | 一种信息推荐方法、设备及存储介质 |
PCT/CN2021/136326 WO2022262216A1 (zh) | 2021-06-15 | 2021-12-08 | 一种信息推荐方法、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110660814.8A CN113326434B (zh) | 2021-06-15 | 2021-06-15 | 一种信息推荐方法、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113326434A true CN113326434A (zh) | 2021-08-31 |
CN113326434B CN113326434B (zh) | 2023-03-03 |
Family
ID=77420842
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110660814.8A Active CN113326434B (zh) | 2021-06-15 | 2021-06-15 | 一种信息推荐方法、设备及存储介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN113326434B (zh) |
WO (1) | WO2022262216A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022262216A1 (zh) * | 2021-06-15 | 2022-12-22 | 深圳前海微众银行股份有限公司 | 一种信息推荐方法、设备及存储介质 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116523545B (zh) * | 2023-06-28 | 2023-09-15 | 大汉电子商务有限公司 | 基于大数据的用户画像构建方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103164804A (zh) * | 2011-12-16 | 2013-06-19 | 阿里巴巴集团控股有限公司 | 一种个性化的信息推送方法及装置 |
WO2017181612A1 (zh) * | 2016-04-18 | 2017-10-26 | 乐视控股(北京)有限公司 | 个性化视频推荐方法及装置 |
CN108012196A (zh) * | 2017-10-26 | 2018-05-08 | 天脉聚源(北京)科技有限公司 | 在电视节目中实时显示用户照片的方法和装置 |
CN109145210A (zh) * | 2018-08-17 | 2019-01-04 | 腾讯科技(深圳)有限公司 | 一种信息推荐的方法、装置及存储介质 |
CN109213802A (zh) * | 2018-08-16 | 2019-01-15 | 北京百度网讯科技有限公司 | 用户画像构建方法、装置、终端和计算机可读存储介质 |
CN111339429A (zh) * | 2020-03-27 | 2020-06-26 | 上海景域智能科技有限公司 | 一种资讯推荐方法 |
CN111444158A (zh) * | 2020-03-03 | 2020-07-24 | 中国平安人寿保险股份有限公司 | 长短期用户画像生成方法、装置、设备及可读存储介质 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9569547B2 (en) * | 2013-12-31 | 2017-02-14 | Google Inc. | Generating a news timeline |
CN107437203A (zh) * | 2017-08-07 | 2017-12-05 | 北京京东尚科信息技术有限公司 | 信息推送方法、装置、电子装置及计算机可读介质 |
CN109961311B (zh) * | 2017-12-26 | 2023-04-18 | 中国移动通信集团四川有限公司 | 客户推荐方法、装置、计算设备及存储介质 |
CN111178950B (zh) * | 2019-12-19 | 2023-08-29 | 车智互联(北京)科技有限公司 | 一种用户画像构建方法、装置及计算设备 |
CN113326434B (zh) * | 2021-06-15 | 2023-03-03 | 深圳前海微众银行股份有限公司 | 一种信息推荐方法、设备及存储介质 |
-
2021
- 2021-06-15 CN CN202110660814.8A patent/CN113326434B/zh active Active
- 2021-12-08 WO PCT/CN2021/136326 patent/WO2022262216A1/zh unknown
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103164804A (zh) * | 2011-12-16 | 2013-06-19 | 阿里巴巴集团控股有限公司 | 一种个性化的信息推送方法及装置 |
WO2017181612A1 (zh) * | 2016-04-18 | 2017-10-26 | 乐视控股(北京)有限公司 | 个性化视频推荐方法及装置 |
CN108012196A (zh) * | 2017-10-26 | 2018-05-08 | 天脉聚源(北京)科技有限公司 | 在电视节目中实时显示用户照片的方法和装置 |
CN109213802A (zh) * | 2018-08-16 | 2019-01-15 | 北京百度网讯科技有限公司 | 用户画像构建方法、装置、终端和计算机可读存储介质 |
CN109145210A (zh) * | 2018-08-17 | 2019-01-04 | 腾讯科技(深圳)有限公司 | 一种信息推荐的方法、装置及存储介质 |
CN111444158A (zh) * | 2020-03-03 | 2020-07-24 | 中国平安人寿保险股份有限公司 | 长短期用户画像生成方法、装置、设备及可读存储介质 |
CN111339429A (zh) * | 2020-03-27 | 2020-06-26 | 上海景域智能科技有限公司 | 一种资讯推荐方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022262216A1 (zh) * | 2021-06-15 | 2022-12-22 | 深圳前海微众银行股份有限公司 | 一种信息推荐方法、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113326434B (zh) | 2023-03-03 |
WO2022262216A1 (zh) | 2022-12-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107016026B (zh) | 一种用户标签确定、信息推送方法和设备 | |
CN113326434B (zh) | 一种信息推荐方法、设备及存储介质 | |
US20160285672A1 (en) | Method and system for processing network media information | |
CN111126495B (zh) | 模型训练方法、信息预测方法、装置、存储介质及设备 | |
CN106469202A (zh) | 一种影视大数据平台的数据分析方法 | |
US20140095345A1 (en) | Data analysis method and system thereof | |
CN113535454B (zh) | 一种日志数据异常检测的方法及设备 | |
WO2020258773A1 (zh) | 确定推送用户群的方法、装置、设备及存储介质 | |
CN110163683B (zh) | 价值用户关键指标确定方法、广告投放方法及装置 | |
CN114330752A (zh) | 排序模型训练方法和排序方法 | |
CN106919692B (zh) | 一种推送消息的方法和装置 | |
CN111368138A (zh) | 视频类别标签的排序方法、装置、电子设备及存储介质 | |
CN113222653A (zh) | 一种程序化广告用户受众扩展方法、系统、设备及存储介质 | |
CN115775163A (zh) | 一种基于大数据的程序化广告投放方法、设备及介质 | |
CN110717788A (zh) | 一种目标用户的筛选方法及装置 | |
CN111191999B (zh) | 产品研发管理方法、装置、计算机设备及存储介质 | |
CN112330426A (zh) | 一种产品推荐方法、装置及存储介质 | |
CN109451332B (zh) | 一种用户属性标记方法、装置、计算机设备及介质 | |
CN113327146A (zh) | 一种信息追踪方法和装置 | |
CN110968487A (zh) | 异常数据的分析方法及装置 | |
CN115659045A (zh) | 用户操作的识别方法、装置、存储介质以及电子设备 | |
Post et al. | Active anomaly detection for key item selection in process auditing | |
CN115187330A (zh) | 基于用户标签的产品推荐方法、装置、设备和介质 | |
CN114881695A (zh) | 业务数据处理方法、业务系统及计算机存储介质 | |
CN111125514B (zh) | 用户行为分析的方法、装置、电子设备和存储介质 |
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 |