CN113420209A - 基于天气搜索的推荐方法、装置、设备及存储介质 - Google Patents
基于天气搜索的推荐方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN113420209A CN113420209A CN202110688694.2A CN202110688694A CN113420209A CN 113420209 A CN113420209 A CN 113420209A CN 202110688694 A CN202110688694 A CN 202110688694A CN 113420209 A CN113420209 A CN 113420209A
- Authority
- CN
- China
- Prior art keywords
- user
- target
- recommended content
- weather
- search
- 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
- 238000000034 method Methods 0.000 title claims abstract description 63
- 238000012545 processing Methods 0.000 claims description 28
- 238000012216 screening Methods 0.000 claims description 27
- 238000004590 computer program Methods 0.000 claims description 3
- 230000010365 information processing Effects 0.000 claims description 2
- 230000008569 process Effects 0.000 description 14
- 238000004891 communication Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 7
- 230000036541 health Effects 0.000 description 5
- 241000282326 Felis catus Species 0.000 description 4
- 238000001914 filtration Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 230000005236 sound signal Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000013145 classification model Methods 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 230000003796 beauty Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000002354 daily effect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 229960005486 vaccine Drugs 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000002537 cosmetic Substances 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
- UJMBCXLDXJUMFB-UHFFFAOYSA-K trisodium;5-oxo-1-(4-sulfonatophenyl)-4-[(4-sulfonatophenyl)diazenyl]-4h-pyrazole-3-carboxylate Chemical compound [Na+].[Na+].[Na+].[O-]C(=O)C1=NN(C=2C=CC(=CC=2)S([O-])(=O)=O)C(=O)C1N=NC1=CC=C(S([O-])(=O)=O)C=C1 UJMBCXLDXJUMFB-UHFFFAOYSA-K 0.000 description 1
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
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)
- Information Transfer Between Computers (AREA)
Abstract
本发明公开了一种基于天气搜索的推荐方法、装置、设备及存储介质,所述方法包括:在天气搜索需求对应的高频搜索时段内接收到用户针对目标地点的天气搜索请求时,获取与所述目标地点对应的天气信息,其中,所述天气搜索需求对应的高频时段指一天内针对天气搜索的用户流量大于预设流量的时间段;获取所述用户的目标画像,基于所述目标画像,确定目标推荐内容;将与所述目标地点对应的天气信息与所述目标推荐内容推送给所述用户。上述方案中,基于目标画像确定出来的目标推荐内容会更加贴合用户的搜索偏好以及用户需求,在满足用户的天气搜索的需求的同时向用户进行个性化的内容推荐,增加了推荐的多样化。
Description
技术领域
本发明涉及计算机技术领域,尤其涉及一种基于天气搜索的推荐方法、装置、设备及存储介质。
背景技术
随着科学技术的不断发展,互联网技术也得到了飞速提升,用户能够通过互联网搜索感兴趣的内容,其中,天气搜索就是其中的一种。天气搜索作为高频搜索服务,能够快速响应用户的搜索操作,将天气信息呈现给用户。
现有技术中,用户在进行天气搜索时,通常是将对应的天气预报、生活指数、气象指数等推送给用户,推送内容较为单一。
发明内容
本发明实施例通过提供一种基于天气搜索的推荐方法、装置、设备及存储介质,解决了基于天气搜索推荐的内容较为单一的技术问题。
第一方面,本发明实施例提供一种天气搜索的推荐方法,包括:
在天气搜索需求对应的高频搜索时段内接收到用户针对目标地点的天气搜索请求时,获取与所述目标地点对应的天气信息,其中,所述天气搜索需求对应的高频时段指一天内针对天气搜索的用户流量大于预设流量的时间段;
获取所述用户的目标画像,基于所述目标画像,确定目标推荐内容;
将与所述目标地点对应的天气信息与所述目标推荐内容推送给所述用户。
可选的,所述基于所述目标画像,确定目标推荐内容,包括:
获取初始推荐内容集合,确定所述初始推荐内容集合中每个推荐内容的属性信息;
基于所述目标画像以及所述每个推荐内容的属性信息,对所述每个推荐内容与所述目标画像的相关程度进行打分;
选取分值较大的预设数量的推荐内容作为所述目标推荐内容。
可选的,所述属性信息包括以下属性中的至少一种:推荐内容所对应的类别标签、推荐内容的历史点击率、推荐内容的发布来源、推荐内容的发布时间、以及推荐内容的内容价值评分。
可选的,所述将与所述目标地点对应的天气信息与所述目标推荐内容推送给所述用户,包括:
构建目标推送界面,所述目标推送界面包括第一区域以及第二区域;
将所述天气信息填充在所述第一区域内,以及将所述目标推荐内容的简要信息填充在所述第二区域内;
将所述目标推送界面推送给所述用户,以使所述用户的终端设备显示所述目标推送界面。
可选的,所述第二区域内还设置有跳转入口,所述方法还包括:
在接收到针对所述跳转入口的目标操作时,向所述用户推送二级显示界面;其中,所述二级显示界面中用于显示其他推荐内容,所述其他推荐内容与所述第二区域中显示的目标推荐内容不同。
可选的,所述方法还包括:
在天气搜索需求对应的非高频搜索时段内接收到所述天气搜索请求时,获取与所述目标地点对应的天气信息,所述天气搜索需求对应的非高频时段指一天内针对天气搜索的用户流量小于等于所述预设流量的时间段;
向所述用户推送天气显示界面,其中,所述天气显示界面用于显示所述天气信息。
可选的,所述获取所述初始推荐内容集合,包括:
基于所述用户的属性信息,在预设推荐内容库中筛选出所述初始推荐内容集合。
可选的,所述基于所述用户的属性信息,在预设推荐内容库中筛选出所述初始推荐内容集合,包括:
确定所述用户的常驻地点;
若所述目标地点与所述常驻地点不同,在所述预设推荐内容库中筛选出与所述目标地点对应的推荐内容作为所述初始推荐内容集合;
若所述目标地点与所述常驻地点相同,在所述预设推荐内容库中筛选出与所述常驻地点对应的推荐内容作为所述初始推荐内容集合。
可选的,所述基于所述用户的属性信息,在预设推荐内容库中筛选出所述初始推荐内容集合,包括:
确定所述用户的历史高频搜索词,所述历史高频搜索词为在历史时段内,所述用户在搜索天气之前和/或之后的预设时长内搜索频率大于预设频率的关键词;
在所述预设推荐内容库中筛选出与所述历史高频搜索词对应的推荐内容作为所述初始推荐内容集合。
可选的,所述基于所述用户的属性信息,在预设推荐内容库中筛选出所述初始推荐内容集合,包括:
确定所述用户所属的目标用户群体的目标群体标签;
在所述预设推荐内容库中筛选出与所述目标群体标签对应的推荐内容,作为所述初始推荐内容集合。
可选的,所述获取与所述用户对应的目标画像,包括:
获取所述用户对应的目标标识,所述目标标识包括用户标识和设备标识中的至少一种;
基于标识与用户画像的预设对应关系,确定与所述目标标识对应的目标用户画像,作为所述目标画像。
第二方面,本发明实施例提供一种基于天气搜索的推荐装置,包括:
天气信息处理模块,用于在天气搜索需求对应的高频搜索时段内接收到用户针对目标地点的天气搜索请求时,获取与所述目标地点对应的天气信息,其中,所述天气搜索需求对应的高频时段指一天内针对天气搜索的用户流量大于预设流量的时间段;
推荐内容处理模块,用于获取所述用户的目标画像,基于所述目标画像,确定目标推荐内容;
推送模块,用于将与所述目标地点对应的天气信息与所述目标推荐内容推送给所述用户。
可选的,所述推荐内容处理模块,用于:
获取初始推荐内容集合,确定所述初始推荐内容集合中每个推荐内容的属性信息;
基于所述目标画像以及所述每个推荐内容的属性信息,对所述每个推荐内容与所述目标画像的相关程度进行打分;
选取分值较大的预设数量的推荐内容作为所述目标推荐内容。
可选的,所述属性信息包括以下属性中的至少一种:推荐内容所对应的类别标签、推荐内容的历史点击率、推荐内容的发布来源、推荐内容的发布时间、以及推荐内容的内容价值评分。
可选的,所述推送模块,用于:
构建目标推送界面,所述目标推送界面包括第一区域以及第二区域;
将所述天气信息填充在所述第一区域内,以及将所述目标推荐内容的简要信息填充在所述第二区域内;
将所述目标推送界面推送给所述用户,以使所述用户的终端设备显示所述目标推送界面。
可选的,所述第二区域内还设置有跳转入口,所述装置还包括:
二级界面推送模块,用于在接收到针对所述跳转入口的目标操作时,向所述用户推送二级显示界面;其中,所述二级显示界面中用于显示其他推荐内容,所述其他推荐内容与所述第二区域中显示的目标推荐内容不同。
可选的,所述装置还包括:
获取模块,用于在天气搜索需求对应的非高频搜索时段内接收到所述天气搜索请求时,获取与所述目标地点对应的天气信息,所述天气搜索需求对应的非高频时段指一天内针对天气搜索的用户流量小于等于所述预设流量的时间段;
天气推送模块,用于向所述用户推送天气显示界面,其中,所述天气显示界面用于显示所述天气信息。
可选的,所述推荐内容处理模块,用于:
基于所述用户的属性信息,在预设推荐内容库中筛选出所述初始推荐内容集合。
可选的,所述推荐内容处理模块,用于:
确定所述用户的常驻地点;
若所述目标地点与所述常驻地点不同,在所述预设推荐内容库中筛选出与所述目标地点对应的推荐内容作为所述初始推荐内容集合;
若所述目标地点与所述常驻地点相同,在所述预设推荐内容库中筛选出与所述常驻地点对应的推荐内容作为所述初始推荐内容集合。
可选的,所述推荐内容处理模块,用于:
确定所述用户的历史高频搜索词,所述历史高频搜索词为在历史时段内,所述用户在搜索天气之前和/或之后的预设时长内搜索频率大于预设频率的关键词;
在所述预设推荐内容库中筛选出与所述历史高频搜索词对应的推荐内容作为所述初始推荐内容集合。
可选的,所述推荐内容处理模块,用于:
确定所述用户所属的目标用户群体的目标群体标签;
在所述预设推荐内容库中筛选出与所述目标群体标签对应的推荐内容,作为所述初始推荐内容集合。
可选的,所述推荐内容处理模块,用于:
获取所述用户对应的目标标识,所述目标标识包括用户标识和设备标识中的至少一种;
基于标识与用户画像的预设对应关系,确定与所述目标标识对应的目标用户画像,作为所述目标画像。
第三方面,本发明实施例提供一种电子设备,包括有存储器,以及一个或者多个的程序,其中一个或者多个的程序存储于存储器中,且经配置以由一个或者多个的处理器执行所述一个或者多个的程序所包含的用于进行如第一方面提供的基于天气搜索的推荐方法对应的操作指令。
第四方面,本发明实施例提供一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如第一方面提供的基于天气搜索的推荐方法对应的步骤。
本发明实施例提供的一个或多个技术方案,至少实现了如下技术效果或者优点:
本发明实施例提供的方案,在天气搜索需求对应的高频搜索时段内接收到用户针对目标地点的天气搜索请求后,一方面获取与天气搜索请求对应的天气信息,一方面获取与用户对应的目标画像,并基于目标画像,确定目标推荐内容。由于目标画像能够反映用户的搜索习惯以及偏好,因此基于目标画像确定出来的目标推荐内容会更加贴合用户的搜索偏好以及用户需求。将天气信息和目标推荐内容推送给用户,在满足用户的天气搜索的需求的同时向用户进行个性化的内容推荐,提升了推荐的多样化。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图获得其他的附图。
图1为本发明实施例提供的一种基于天气搜索的推荐方法的流程图;
图2为本发明实施例提供的一种推送界面的示意图;
图3为本发明实施例提供的一种基于天气搜索的推荐装置的示意图;
图4为本发明实施例提供的一种电子设备的示意图;
图5为本发明实施例提供的一种服务器的结构示意图。
具体实施方式
本发明提供一种基于天气搜索的推荐方法、装置、设备及存储介质,以解决基于天气搜索推荐的内容较为单一的技术问题,总体思路如下:
在天气搜索需求对应的高频搜索时段内接收到用户针对目标地点的天气搜索请求时,获取与目标地点对应的天气信息,其中,天气搜索需求对应的高频时段指一天内针对天气搜索的用户流量大于预设流量的时间段;获取用户的目标画像,基于目标画像,确定目标推荐内容;将与目标地点对应的天气信息与目标推荐内容推送给用户。
通过上述技术方案,在天气搜索需求对应的高频时段内接收到用户发起的天气搜索请求时,一方面获取与天气搜索请求对应的天气信息,一方面获取与用户对应的目标画像,并基于目标画像,确定目标推荐内容。由于目标画像能够反映用户的搜索习惯以及偏好,因此基于目标画像确定出来的目标推荐内容会更加贴合用户的搜索偏好以及用户需求。将天气信息和目标推荐内容推送给用户,在满足用户的天气搜索的需求的同时向用户进行个性化的内容推荐,提升了推荐的多样化。
请参考图1,为本发明实施例提供的一种基于天气搜索的推荐方法的流程图,该方法包括以下步骤:
步骤S101:在天气搜索需求对应的高频搜索时段内接收到用户针对目标地点的天气搜索请求时,获取与目标地点对应的天气信息,其中,所述天气搜索需求对应的高频搜索时段指一天内针对天气搜索的用户流量大于预设流量的时间段;
步骤S102:获取用户的目标画像,基于目标画像,确定目标推荐内容;
步骤S103:将与所述目标地点对应的天气信息与所述目标推荐内容推送给用户。
本发明实施例提供的方法,可以应用于终端设备中,例如智能手机、平板电脑等,也可以应用于与终端设备建立有数据交互的服务器上,还可以应用于由终端设备以及服务器组成的系统中,这里不做限定。
步骤S101中,用户的终端设备中可以运行有提供天气搜索服务的应用,例如搜索引擎、天气搜索应用、天气搜索小程序等,用户通过对这些应用进行操作来发起天气搜索请求。具体的,用户在使用终端设备时,若通过终端设备的搜索引擎进行天气搜索,则用户可以在搜索引擎提供的搜索框中输入天气搜索的关键字。
其中,针对天气的搜索请求可以是显示请求,即为请求中直接包含了天气搜索需求,例如,用户输入“北京天气”或者直接输入“天气”。对于用户输入了想要查询的地点,则将用户输入的地点作为目标地点。对于用户未输入天气搜索的地点,则默认用户查询的是用户所在地的天气,则可以将用户所在地作为目标地点。若用户在使用天气搜索应用进行天气搜索时,用户可以对多个地点的天气进行管理,例如,用户在天气搜索应用中添加了多个地点,那么可以检测用户针对地点的选择操作,若用户选择了地点A,则将地点A作为目标地点,并发起针对地点A的天气搜索请求。
其中,针对天气的搜索请求也可以是隐式请求,即为请求中没有直接包含对天气搜索的需求,但通过历史搜索数据可以确定该用户的搜索请求中隐含有天气搜索的需求。例如,用户输入“北京”或“张家界景区”,依据历史搜索经验,可以认为该用户具有希望获取对应地点天气情况的可能性,则可以认为该请求为天气搜索请求。
本发明实施例中,天气搜索需求对应的高频搜索时段可以是预先设置好的,也可以通过对天气搜索对应的历史用户流量进行统计分析得到。例如,如果统计结果表明在早上5:30-7:30这个时段内进行天气搜索的用户流量大于预设流量,则将早上5:30-7:30作为高频搜索时段,其中,预设流量可以根据实际需要进行设定,这里不做限定。
若在天气搜索需求对应的高频搜索时段内接收到用户输入的天气搜索请求,响应该天气搜索请求,确定出该请求中包括的目标地点的天气信息。其中,天气信息可以包括最近一周或最近15天的温度信息、空气质量信息、风力风向信息等。另外,考虑到在天气搜索需求对应的高频搜索时段,用户除了进行天气搜索以外,还可能会对其他感兴趣内容进行查询浏览,为了减少用户的查询成本以及实现对用户感兴趣内容的快速推送,本申请说明书实施例中,可以通过步骤S102来获取用户的目标画像,并基于目标画像,确定符合用户偏好的目标推荐内容。
用户画像,即用户信息结构化与标签化,通过刻画用户的各个维度(例如年龄、性别、兴趣偏好等)的数据,对用户各方面的信息进行精准的刻画、分析。因此,基于用户画像,能够准确的进行个性化推荐。
基于目标画像确定目标推荐内容可以通过多种方式实现,例如,通过计算每条推荐内容与用户画像之间的相似度,将相似度大于阈值的推荐内容作为目标推荐内容。或者,根据用户进行天气搜索的目标地点以及用户画像来推荐,若目标地点与用户的常驻地不同,那么用户有可能去目标地点游玩或出差,因此可以筛选出目标地点对应的推荐内容,再综合用户画像确定出用户感兴趣的目标推荐内容。
在本说明书实施例中,为了精准的确定出目标推荐内容,步骤S102可以通过以下方式实现:获取初始推荐内容集合,确定所述初始推荐内容集合中每个推荐内容的属性信息;基于所述用户的目标画像以及所述每个推荐内容的属性信息,对所述每个推荐内容与所述目标画像的相关程度进行打分;选取分值较大的预设数量的推荐内容作为目标推荐内容。
初始推荐内容集合可以是能够作为推荐内容的全部数据,以通过搜索引擎进行天气搜索为例,初始推荐内容集合可以是搜索引擎能够获取到的所有领域的推荐内容,包括文章、视频、音频、图片等。初始推荐内容集合也可以是经过过滤后的数据,例如,基于用户画像对搜索引擎获取到的全部数据进行过滤。举例来讲,若用户画像表明用户对财经类、体育类的内容比较感兴趣,则筛选出财经类、体育类的推荐内容作为预设推荐内容集合。
推荐内容的属性包括但不限于以下属性中的至少一种:推荐内容所对应的类别标签、推荐内容的历史点击率、推荐内容的发布来源、推荐内容的发布时间、以及推荐内容的内容价值评分。
其中,推荐内容所对应的类别标签,用于表征推荐内容所属的类别,例如类别标签可以包括“财经”、“养生”、“健身”、“美容”等。
推荐内容的历史点击率,指的是在历史推送的过程中,向用户推送所述推荐内容所属类别标签下的所有内容时,用户点击了该推荐内容的概率。举例来讲,某个推荐内容的类别标签为“体育”,则该推荐内容的历史点击率是指:历史数据中,向用户推送“体育”类的所有内容时,用户点击该推荐内容的概率。
推荐内容的发布来源,指的是推荐内容的发布机构、发布网站、作者等信息。举例来讲,某个推荐内容的发布网站为东方财富网,那么这个推荐内容的发布来源即为“东方财务网”。
推荐内容的发布时间,指的是推荐内容第一次发表或刊登的时间。
推荐内容的内容价值评分,用于表征推荐内容的质量好坏。例如,推荐内容包含的信息丰富、无效内容少、文字重复率低,则对应的内容质量较好,内容价值评分也较高;如果推荐内容包含的信息量少、内容与标题严重不符、无效内容多、文字重复率高,则对应的内容质量较差,内容价值评分也较低。
本说明书实施例中,在确定了每个推荐内容的属性信息之后,基于推荐内容的属性信息,对每个推荐内容与目标画像的相关程度进行打分,相关程度高的得分高,相关程度低的得分低。在具体实施过程中,对推荐内容进行打分可以通过多种方式实现,例如可以但不限于:分值=(相关性+点击率)×权威性×时效性×内容价值、或者分值=(相关性+点击率)×权威性×时效性等。
具体来讲,相关性,为推荐内容的类别标签与目标画像的相关性;点击率,即为所述推荐内容的历史点击率;权威性,为推荐内容的发布来源的权威性;时效性,即为推荐内容的发布时间对应的时效评估值;内容价值,即为推荐内容的内容价值评分。
其中,对于权威性,可以对推荐内容涉及到的发布来源的权威性进行评估。例如,对于财经类的推荐内容,像东方财富网、同花顺财富网等规模较大的网站权威性较高,而一些不知名的小财经网站权威性较低。权威性可以具体量化为数值,数值越大的权威性越高,数值越小的权威性越低。
对于时效性,可以根据推荐内容的发布时间来确定,发布时间离当前搜索天气的时间越近,时效性越高,发布时间离当前搜索天气的时间越远,时效性越低。时效性也可以具体量化为数值,数值越大说明时效性越好,发布时间离当前搜索天气的时间越接近,数值越小说明时效性越差,发布时间离当前搜索天气的时间越远。
通过上述分值公式,就可以对每个推荐内容进行打分,该分值能够准确的表征推荐内容与用户画像之间的关联程度以及推荐内容的可靠性。因此,在确定最终推送的目标推荐内容时,可以将推荐内容按分值从大到小排序,将排在前面的预设数量的推荐内容作为目标推荐内容。预设数量可以根据实际需要进行设定,这里不做限定。
当然,上面提供的推荐内容的打分公式只是本说明书实施例提供的一种实现方式,本领域技术人员可以根据需要对上述公式进行参数和计算方式的变换,只要能够确定出推荐内容与用户之间的相关程度即可,这里不做限定。
另外,在进行推荐内容的打分时,还可以考虑目标地点是异地还是常驻地点,例如,如果目标地点为异地时,可以对目标地点的推荐内容增加权重,并降低常驻地点的推荐内容的权重。这样,可以实现在异地天气搜索时,优先向用户推荐异地的推荐内容,尽可能满足用户的异地出游的需求。
在确定出天气信息和目标推荐内容后,可以通过步骤S103将天气信息和目标推荐内容推送给用户,以使用户的终端设备对天气信息和目标推荐内容进行显示。具体的,天气信息和目标推荐内容的显示方式可以根据实际需要进行设置,本说明书实施例中,可以通过以下方式实现:构建目标推送界面,所述目标推送界面包括第一区域以及第二区域;将所述天气信息填充在所述第一区域内,以及将所述目标推荐内容的简要信息填充在所述第二区域内;将所述目标推送界面推送给所述用户,以使所述用户的终端设备显示所述目标推送界面。
在具体实施过程中,第一区域以及第二区域的位置关系可以根据实际需要进行设定,这里不做限定。本说明书实施例中,以第二区域位于第一区域的下方为例来进行说明,如图2所示,为本说明书实施例提供的目标推送界面的示意图。图2中,第一区域中的天气信息包括温度、风力等天气信息,以及生活指数等信息;第二区域中为目标推荐内容的简要信息。其中,所述目标推荐内容的简要信息可以但不限于包括所述目标推荐内容的标题、摘要等。
第二区域中的目标推荐内容的显示方式可以根据实际需要进行设置,例如,以热搜的形式进行呈现、以标题加内容相关图片的形式进行呈现等等。如图2所示,为以热搜的形式进行呈现,另外,由于第二区域的显示面积有限,可能无法显示全部的目标推荐内容,因此,在第二区域中,可以设置有用于显示更多目标推荐内容的跳转入口。在具体实施过程中,在接收到针对所述跳转入口的目标操作时,向所述用户推送二级显示界面,其中,所述二级显示界面中用于显示其他推荐内容,所述其他推荐内容与所述第二区域中显示的目标推荐内容不同。
在具体实施过程中,如图2所示,第二显示区域中一共显示了7条目标推荐内容,同时,第二显示区域中还显示了“更多热搜”的跳转入口,用户通过点击“更多热搜”可以查看其他的目标推荐内容。需要说明的是,目标推送界面上的这7条目标推荐内容,可以为最符合用户搜索习惯的推荐内容,点击其中的一条标题,则可以跳转到该标题对应目标推荐内容的详情页,如点击图2中第一条推荐内容“北京海淀黄色大风预警”,则跳转到该推荐内容的详情显示界面。另外,在点击“更多热搜”之后,可以进入二级显示界面,显示其他的目标推荐内容的列表。二级界面中的目标推荐内容的显示方式可以与目标推送界面中的目标推荐内容的显示方式相同,也可以不同,这里不做限定。
本说明书实施例中,还可以为每条目标推荐内容添加标签,例如代表本地内容的标签、代表热议内容的标签、代表推荐阅读的标签等。同时,为每个标签设置对应的显示图标,例如,本地内容标签的显示图标为“本”、热议内容标签的显示图标为“热”、推荐阅读标签的显示图标为“荐”。在显示时,可以将标签的显示图标显示在每条目标推荐内容的后面。
另外,在展示目标推荐内容时,还可以依据目标推荐内容所属类别标签进行分类显示,每个类别标签可以对应有各自的显示选项卡。例如,目标推荐内容所属类别标签可以包括生活早报类、时尚娱乐类、运动体育类等,则目标推荐内容的显示区域内可以包括多个选项卡,通过点击选项卡,可以在不同类别的推荐内容之间进行切换。
本说明书实施例中,个性化的内容推荐可以在天气搜索需求对应的高频搜索时段进行,即,在天气搜索的高频时段时,向用户推送目标推送界面,以同时显示天气信息以及目标推荐内容。而在除上述高频时段以外的其他时段,或者天气搜索需求对应的非高频搜索时段内,如果接收到天气搜索请求,为了节约计算资源,可以仅获取与目标地点对应的天气信息,并向用户推送天气显示界面,其中,天气显示界面仅用于显示天气信息。需要说明的是,天气搜索需求对应的非高频搜索时段,指一天内针对天气搜索的用户流量小于等于预设流量的时间段。
应理解的是,对于像搜索引擎这类能够获取到海量推荐内容的应用来说,为了快速的在海量的推荐内容中确定出符合用户偏好的内容,可以先对海量推荐内容进行初步过滤,过滤掉用户不感兴趣的内容,留下用户感兴趣的内容,从而对用户感兴趣的内容进一步的进行精细筛选。
因此,本说明书实施例中,所述获取所述初始推荐内容集合,可以包括:基于所述用户的属性信息,在预设推荐内容库中筛选出所述初始推荐内容集合。
具体来讲,用户的属性信息可以包括用户的常驻地、用户的搜索习惯、用户的画像标签等信息。预设推荐内容库可以为能够作为推荐内容的全部数据,预设推荐内容库可以包括历史发布以及天气搜索当天发布的各个领域的数据,如新闻类、财经类、体育类、音乐类、电影类、美妆类、养生类等各个领域的文章、视频、音频、图片等。对预设推荐内容库进行初步过滤,筛选出初始推荐内容集合作为待向用户推荐的内容,在筛选出初始推荐内容集合时,可以根据用户的个性化特征以及用户需求来进行筛选。下面,对初始推荐内容集合的几种筛选方式进行具体说明。
第一种方式:确定用户的常驻地点;若目标地点与常驻地点不同,在预设推荐内容库中筛选出与目标地点对应的推荐内容作为初始推荐内容集合;若目标地点与常驻地点相同,在预设推荐内容库中筛选出与常驻地点对应的推荐内容作为初始推荐内容集合。
在具体实施过程中,用户在查询天气时,一种是查询常驻地点的天气,一种是查询异地的天气。用户在查询常驻地点时,其需求通常是为了满足查询日常的出行或生活需求。通常来讲,用户在查询常驻地点的天气之后,对其他关键词的搜索通常与平日的搜索区别不大,因此,在用户查询常驻地点的天气信息时,可以将常驻地点对应的推荐内容筛选出来,例如满足用户日常生活需求的,且符合用户偏好的推荐内容,作为初始推荐内容集合,如同城生活服务、用户感兴趣领域的推荐内容。
而用户在查询异地的天气时,即目标地点与常驻地点不同时,很可能是用户需要去目标地点出差或旅游,此时,用户查询目标地点的天气除了满足出行需求,在很大程度上需要满足出差或旅游需求。因此,可以将目标地点对应的推荐内容作为待向用户推荐的初始推荐内容集合。其中,与目标地点对应的推荐内容可以包括:目标地点的景点推荐、美食推荐、旅游攻略等内容。当然,除了与目标地点对应的推荐内容,还可以筛选出符合用户偏好的推荐内容添加至初始推荐内容集合。
本说明书实施例中,常驻地点的确定可以通过多种方式来获得,下面对其中的几种进行举例说明:
①通过用户画像来获取,在刻画用户画像时,添加用户的常驻地标签,通过获取用户的常驻地标签来确定用户的常驻地点。
②通过统计用户的终端设备在一段时间内的位置信息,位置信息可以通过GPS((Global Positioning System,全球定位系统)来获取。例如,获取用户终端设备最近半年、一年的位置信息,统计出位置信息出现概率最高的地区作为用户的常驻地点。
③将用户手机号的注册地作为用户的常驻地点,例如,用户的手机号注册地为天津,则将天津作为用户的常驻地点。
④通过用户的兴趣点位置来确定常驻地点。具体实施过程为:获取用户的兴趣点位置;基于兴趣点位置,确定用户的常驻地点。
具体来讲,用户通过终端设备执行分享操作时,例如发朋友圈、发微博、发短视频等操作时,可以添加此时的兴趣点(Point Of Interest,POI)位置,如商铺的位置、餐厅的位置等。通过统计一段时间内的兴趣点位置,例如最近3个月、10个月的兴趣点位置,确定每个兴趣点位置的所属区域,将出现次数最多的区域作为用户的常驻地点。
第二种方式:确定用户的历史高频搜索词,历史高频搜索词为在历史时段内,用户在搜索天气之前和/或之后的预设时长内搜索次数大于预设次数的关键词;在预设推荐内容库中筛选出与历史高频搜索词对应的推荐内容作为初始推荐内容集合。
通常来讲,每个用户都有自己的搜索习惯,例如,用户A在搜索完天气之后,继续搜索今日热点新闻、财经新闻、体育新闻,而用户B习惯于先搜索今日的热点新闻,再搜索天气,再搜索交通情况、美食资讯。用户的搜索习惯基本上都是比较稳定的,即用户每天搜索的关键词大概率上是相似的,因此,本说明书实施例,基于用户的搜索习惯,确定出用户的历史高频搜索词,使得历史高频搜索词与用户的搜索习惯更匹配。
在具体实施过程中,历史时段和预设时长可以根据需要进行设定,例如历史时段为过去的三个月、过去的一年等等,预设时长可以为一分钟、三分钟等等,搜索天气之前的预设时长和搜索天气之后的预设时长可以相同也可以不同。例如,历史时段可以为过去的六个月时间,搜索天气之前的预设时长为1分钟,搜索天气之后的预设时长为2分钟。
需要说明的是,本说明书实施例中的预设时长可以选择与天气搜索较为接近的时间段,以体现出搜索天气前后的用户搜索习惯,如果预设时长与天气搜索相隔较远,那么确定出来的高频搜索词可能仅仅表征用户的喜好,而与天气搜索前后的搜索习惯关联不大。举例来讲,用户C通常在早上7:00~8:00进行天气搜索,并且在天气搜索前后习惯于搜索热点新闻和交通情况,但是用户在早上7:00~8:00以外的时间内,最热衷于搜索美食资讯,那么如果将预设时长设置为搜索天气之后的12个小时内,则很有可能确定出来的历史高频搜索词为美食资讯类的关键词,但美食资讯类的关键词显然不符合用户在搜索天气时的搜索习惯,如果在天气搜索时推荐美食内容,则无法满足用户在搜索天气时的搜索需求。
为了确保在天气搜索时准确的推荐符合用户搜索习惯的推荐内容,本说明书实施例中,在统计历史时段内的历史高频搜索词时,可以记录天气搜索之后的第一个搜索的关键词,然后统计这些关键词的搜索次数,将搜索次数大于预设次数的搜索词作为历史高频搜索词。需要说明的是,预设次数可以根据实际需要进行设定,例如预设次数为350次、500次等。或者,可以根据每个关键词对应的搜索次数对关键词进行排序,选择搜索次数最大的一个或多个关键词作为历史高频搜索词,例如,将搜索次数最大的五个关键词作为历史高频搜索词。
在确定出历史高频搜索词后,在预设推荐内容库中筛选出与历史高频搜索词相对应的推荐内容作为初始推荐内容集合。具体的,可以确定出高频搜索词属于哪类推荐内容的分类标签,其中,可以预先设置搜索词与推荐内容的分类标签之间的对应关系,也可以预先训练好分类模型,该模型用于输出搜索词对应的分类标签。进一步的,根据与高频搜索词对应的推荐内容所属的类别标签,在预设推荐内容库中筛选出该类别标签下的内容,作为初始推荐内容集合。
第三种方式:确定用户所属的目标群体标签;在预设推荐内容库中筛选出与所述目标群体标签对应的推荐内容,作为初始推荐内容集合。其中,所述目标群体标签可以为所述用户所属的目标用户群体的群体类别标签,可以用于表征群体用户的搜索喜好。
具体来讲,根据用户的兴趣爱好不同,可以将用户进行群体类别划分。群体类别划分的方式可以分为多种,例如,按照年龄、性别、地区、兴趣爱好等进行划分。在具体实施过程中,可以通过用户画像来进行群体类别划分,举例来讲,用户画像包括年龄标签以及性别标签,那么可以根据年龄以及性别将用户分为以下多个群体:群体A为20~30岁的女性、群体B为30~40岁的女性、群体C为20~30岁的男性、群体D为30~40岁的男性。再如,用户标签中包含有用户的兴趣爱好标签,那么可以根据用户的兴趣爱好将用户分为以下多个群体:群体E为爱好美食的群体、群体F为爱好运动的群体、群体G为爱好时尚的群体。
另外,除了上述通过用户画像的标签来划分群体,还可以直接计算任意两个用户之间的用户画像的相似度,例如,如果两个用户之间的用户画像相似度大于一阈值,则将这两个用户划分为同一群体,阈值的大小可以根据实际需要进行设置,例如90%、95%等,这里不做限定。当然,还可以根据其他方式对用户进行群体划分,并不仅限于通过用户画像来进行划分。
在划分了用户群体之后,可以进一步确定群体标签,其中,群体标签可以用于表征群体用户的搜索喜好。群体标签的确定可以通过以下方式来实现:
①针对每个用户群体,可以通过该用户群体在搜索天气前后的搜索关键词,将出现次数最多的一个或多个关键词的所属类别作为该用户群体的群体标签。举例来讲,统计用户群体K中的每个用户在搜索天气前后的搜索关键词,出现次数最多的关键词为“猫咪”、“柯基”、“宠物狗喂养”、“猫咪、疫苗”。为了确定这些关键词的所属类别,可以预先训练好关键词分类模型,将关键词作为模型的输入,并输出对应的类别,以作为该用户群体的群体标签。例如,将“猫咪”、“柯基”、“宠物狗喂养”、“猫咪、疫苗”输入到关键词分类模型中,得到对应的类别为“萌宠”,那么该用户群体的群体标签即为“萌宠”。
②确定该用户群体中每个用户的用户画像,统计出用户画像中出现次数最多的一个或多个标签,作为用户群体的标签。举例来讲,用户群体S中,用户画像中出现次数最多的标签为“运动”、“户外”,则可以将“运动”、“户外”作为该用户群体的群体标签。
当然,群体标签的确定还可以通过其他方式来确定,这里就不一一列举了。
本说明书实施例中,在确定了用户所属的目标群体标签之后,在预设推荐内容库中筛选出与目标群体标签对应的推荐内容。在具体实施过程中,可以将预设推荐内容库中的内容按照已有的群体标签进行分类,例如,群体标签包含有“实事”、“财经”、“健康”、“时尚”、“娱乐”、“运动”、“萌宠”、“明星”八种标签,那么,可以将预设推荐内容库的每个推荐内容对应映射到其中的至少一个标签上,即,将预设推荐内容库的推荐内容分成了八个类别。这样,在确定了目标群体标签之后,例如,目标群体标签为“财经”和“健康”,便可以将预设推荐内容库中属于“财经”和“健康”这两个类别的推荐内容筛选出来,作为初始推荐内容集合。
需要说明的是,在具体实施过程中,上述提供的几种筛选初始推荐内容集合的方式可以相互结合,也可以单独执行,这里不做限定。
本说明书实施例中,考虑到用户在进行天气搜索时,用户的身份可能是确定的,也有可能无法确定用户的身份,因此,可以为用户创建一个或多个用户画像。具体来讲,用户画像可以包括:与用户标识对应的用户画像,与用户的终端设备对应的用户画像,与用户标识以及终端设备对应的用户画像。
具体来讲,用户在查询天气之前,先登录了搜索引擎,则根据用户的登录信息可以唯一的确定出用于表征用户身份的用户标识,此时,可以选择与用户标识对应的用户画像进行内容推荐。若用户未登录搜索引擎,也无法通过其他方式来确定用户身份,为了能够准确的进行个性化推荐,此时,可以选择用户当前使用的终端设备的用户画像来进行内容推荐。另外,考虑到用户可能登陆了其他用户的账号,为了避免将其他用户的用户画像作为当前用户的画像,可以通过与用户标识和终端设备均对应的用户画像,来确保用户画像的准确性。
基于此,本说明书实施例中的目标画像的获取方式可以为:获取用户对应的目标标识,目标标识包括用户标识和设备标识中的至少一种;基于标识与用户画像的预设对应关系,确定与目标标识对应的目标用户画像,作为目标画像。
在具体实施过程中,获取用户对应的目标标识可以包括三种情况:单独获取用户标识;单独获取设备标识;同时获取用户标识和设备标识。对应的,标识与用户画像的预设对应关系也包括三种:用户标识与用户画像的预设对应关系;设备标识与用户画像的预设对应关系;用户标识、设备标识与用户画像的预设对应关系。下面,分别对这三种情况进行具体说明。
第一种情况:目标标识为用户标识,预设对应关系为用户标识与用户画像的预设对应关系。在具体实施过程中,可以通过以下方式来确定用户的目标画像:获取用户的目标用户标识;基于用户标识与用户画像的预设对应关系,确定与目标用户标识对应的目标用户画像,作为目标画像。
需要说明的是,该情况下的用户身份是可以确定的。用户身份的确定可以通过检测用户的登录状态来确定,该登录状态可以是用户进行天气搜索所使用的当前应用的登录状态,也可以是其他应用的登录状态。例如,以当前应用为搜索引擎为例,用户通过搜索引擎来进行天气搜索,此时,可以检测用户是否登录了该搜索引擎,如果处于登录状态,便可以基于用户的登录信息来确定目标用户标识。目标用户标识可以为用户的登录账号,也可以为每个用户单独分配的用户ID。
如果检测到用户没有登录当前应用,如没有登录搜索引擎,可以进一步的检测用户是否存在与当前应用账号相关联的其他登录信息。举例来讲,用户的终端设备可以对终端设备上运行的各个应用的登录信息进行记录和管理。即,将各个应用的登录信息均与该用户进行关联,当检测到用户登录了其中的一个应用后,便可以对应查找到其他应用的登录信息。例如,用户未登录搜索引擎,但是用户登录了网盘,那么根据网盘的登录信息,以及上述关联好的各个登录信息,则可获知用户的搜索引擎登录信息,继而可以根据搜索引擎登录的信息确定出用户标识。或者,还可以将同一用户在各个应用的登录信息均与该用户的用户标识对应起来,这样,只要检测到用户登录了其中的一个应用后,即可得到该用户的用户标识。
服务器上可以存储有用户标识与用户画像之间的预设对应关系。其中,该预设对应关系中的每个用户标识的用户画像都是预先构建好的。具体来讲,针对一个用户标识,以用户标识为搜索引擎的登录账号为例,在用户处于登录状态下,收集该用户在多个维度的数据,例如,用户属性信息、搜索的关键词、查阅的内容、浏览各个内容的时长等数据,基于这些数据生成该用户的用户标签,并将用户标签与用户标识对应起来,以得到该用户的用户画像。由于这种情况下的用户画像是在用户身份确定的情况下得到的,因此,与用户标识对应的用户画像能够十分准确的刻画出用户的偏好。
在确定了用户的目标用户标识之后,可以通过查询用户标识与用户画像之间的预设对应关系,便可以确定出该用户的目标用户画像,基于目标用户画像进行个性化推荐能够更加符合该用户的搜索习惯和偏好。
第二种情况:目标标识为设备标识,预设对应关系为设备标识与用户画像的预设对应关系。具体来讲,考虑到部分用户倾向于在未登录的情况下使用各种应用提供的功能,为了对这部分用户也能够进行准确的个性化推荐,本说明书实施例中,在用户身份未确定时,可以通过以下方式来确定用户的目标画像:获取接收天气搜索请求的终端设备的目标设备标识;基于设备标识与设备用户画像的预设对应关系,确定与目标设备标识对应的目标设备用户画像,作为目标画像。
具体来讲,设备标识,是用来唯一表征设备的标识。用户的设备,例如智能手机通常都是用户本人在使用,因此,设备的使用情况也能够在一定程度上反映该设备的所属者的偏好和习惯。本说明书实施例中,通过采集设备在使用过程中的多个维度的数据,例如,搜索的关键词、查阅的内容、浏览时长、各个应用的使用频率、各个应用的使用时长等数据,基于这些数据可以生成与该设备对应的画像,即与设备标识对应的设备用户画像。
在用户进行天气搜索时,如果未能确定该用户的身份,则确定接收用户天气搜索输入的设备的目标设备标识,通过查询设备标识与设备用户画像的预设对应关系,确定出目标设备用户画像,进而根据目标设备用户画像执行个性化内容推荐。
第三种情况:目标标识为用户标识和设备标识,预设对应关系为用户标识、设备标识与用户画像的预设对应关系。
具体来讲,在用户处于登录状态时,用户有可能登录的是其他用户的账号,例如,用户A在自己的手机上登录了用户B的搜索引擎账号,并进行天气搜索。如果仅仅通过用户标识来确定用户画像,由于登录的账号为用户B的账号,那么得到的用户画像为用户B的用户画像,而实际使用手机的是用户A,通过用户B的用户画像来对用户A进行个性化推荐,这显然是不合理的。
因此,本说明书实施例中,在能够获取到用户标识的情况下,先判断用户标识是不是执行天气搜索的当前用户的标识。具体的,获取当前处于登录状态的目标用户标识,并根据上述第一种情况中描述的方式确定与目标用户标识对应的第一画像;同时,获取接收天气搜索请求的终端设备的目标设备标识,并根据上述第二种情况中描述的方式确定与目标设备标识对应的第二画像;计算第一画像和第二画像之间的相似度。通常来讲,如果登录的用户为终端设备的所有者,那么第一画像和第二画像之间的相似度是很高的,如果第一画像和第二画像之间的相似度大于预设相似度,则认为用户标识为执行天气搜索的当前用户的标识。需要说明的是,预设相似度可以根据实际需要进行选择,例如90%、95%等,这里不做限定。此时,用户标识、设备标识与用户画像的预设对应关系可以为用户标识与用户画像的预设对应关系,也可以为设备标识与用户画像的预设对应关系,还可以为预先构建好的与用户标识、设备标识均对应的预设对应关系。
具体来讲,预先构建好的与用户标识、设备标识均对应的预设对应关系,可以是在用户处于登录状态下,例如用户在登录搜索引擎的状态下,通过收集用户对搜索引擎使用过程中的多个维度的数据,以及收集设备使用过程中的多个维度的数据,生成与用户标识、设备标识均对应的画像,该画像能够精确的刻画出用户的使用习惯。
另一方面,如果第一画像和第二画像之间的相似度小于预设相似度,则表明用户标识与执行搜索操作的当前用户有可能不对应,此时,可以弹出提示框,询问用户当前登录的账号是否为本人账号,若是,那么用户标识、设备标识与用户画像的预设对应关系可以为用户标识与用户画像的预设对应关系,也可以为上述预先构建好的与用户标识、设备标识均对应的预设对应关系。若否,那么用户标识、设备标识与用户画像的预设对应关系可以为设备标识与用户画像的预设对应关系。或者,如果第一画像和第二画像之间的相似度小于预设相似度,可以默认将用户标识、设备标识与用户画像的预设对应关系为用户标识与用户画像的预设对应关系、设备标识与用户画像的预设对应关系中的其中一种。
综上所述,本说明书实施例提供的方法,基于用户的天气搜索请求,能够基于用户画像向用户进行个性化的内容推荐,一方面,由于用户画像能够反映用户的搜索习惯以及偏好,因此基于目标画像确定出来的目标推荐内容会更加贴合用户的搜索偏好以及用户需求,另一方面,无需用户反复进行关键词的搜索,有效降低了用户的搜索成本。
基于同一发明构思,本说明书实施例还提供一种基于天气搜索的推荐装置,如图3所示,该装置包括:
天气信息确定模块501,用于在天气搜索需求对应的高频搜索时段内接收到用户针对目标地点的天气搜索请求时,获取与所述目标地点对应的天气信息,其中,所述天气搜索需求对应的高频时段指一天内针对天气搜索的用户流量大于预设流量的时间段;
推荐内容确定模块502,用于获取所述用户的目标画像,基于所述目标画像,确定目标推荐内容;
推送模块503,用于将与所述目标地点对应的天气信息与所述目标推荐内容推送给所述用户。
在一种可选的实施方式中,推荐内容确定模块502,用于:获取初始推荐内容集合,确定所述初始推荐内容集合中每个推荐内容的属性信息;基于所述目标画像以及所述每个推荐内容的属性信息,对所述每个推荐内容与所述目标画像的相关程度进行打分;选取分值较大的预设数量的推荐内容作为所述目标推荐内容。
在一种可选的实施方式中,所述属性信息包括以下属性中的至少一种:推荐内容所对应的类别标签、推荐内容的历史点击率、推荐内容的发布来源、推荐内容的发布时间、以及推荐内容的内容价值评分。
在一种可选的实施方式中,推送模块503,用于:构建目标推送界面,所述目标推送界面包括第一区域以及第二区域;将所述天气信息填充在所述第一区域内,以及将所述目标推荐内容的简要信息填充在所述第二区域内;将所述目标推送界面推送给所述用户,以使所述用户的终端设备显示所述目标推送界面。
在一种可选的实施方式中,所述第二区域内还设置有跳转入口,所述装置还包括:
二级界面推送模块,用于在接收到针对所述跳转入口的目标操作时,向所述用户推送二级显示界面;其中,所述二级显示界面中用于显示其他推荐内容,所述其他推荐内容与所述第二区域中显示的目标推荐内容不同。
在一种可选的实施方式中,所述装置还包括:
获取模块,用于在天气搜索需求对应的非高频搜索时段内接收到所述天气搜索请求时,获取与所述目标地点对应的天气信息,所述天气搜索需求对应的非高频时段指一天内针对天气搜索的用户流量小于等于所述预设流量的时间段;
天气推送模块,用于向所述用户推送天气显示界面,其中,所述天气显示界面用于显示所述天气信息。
在一种可选的实施方式中,推荐内容处理模块502,用于:基于所述用户的属性信息,在预设推荐内容库中筛选出所述初始推荐内容集合。
在一种可选的实施方式中,推荐内容处理模块502,用于:确定所述用户的常驻地点;若所述目标地点与所述常驻地点不同,在所述预设推荐内容库中筛选出与所述目标地点对应的推荐内容作为所述初始推荐内容集合;若所述目标地点与所述常驻地点相同,在所述预设推荐内容库中筛选出与所述常驻地点对应的推荐内容作为所述初始推荐内容集合。
在一种可选的实施方式中,推荐内容处理模块502,用于:确定所述用户的历史高频搜索词,所述历史高频搜索词为在历史时段内,所述用户在搜索天气之前和/或之后的预设时长内搜索频率大于预设频率的关键词;在所述预设推荐内容库中筛选出与所述历史高频搜索词对应的推荐内容作为所述初始推荐内容集合。
在一种可选的实施方式中,推荐内容处理模块502,用于:确定所述用户所属的目标用户群体的目标群体标签;在所述预设推荐内容库中筛选出与所述目标群体标签对应的推荐内容,作为所述初始推荐内容集合。
在一种可选的实施方式中,推荐内容处理模块502,用于:获取所述用户对应的目标标识,所述目标标识包括用户标识和设备标识中的至少一种;基于标识与用户画像的预设对应关系,确定与所述目标标识对应的目标用户画像,作为所述目标画像。
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。
基于同一发明构思,本发明实施例提供一种电子设备800,图4是根据一示例性实施例示出的电子设备800的框图。例如,设备800可以是移动电话,计算机,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。
参照图4,设备800可以包括以下一个或多个组件:处理组件802,存储器804,电源组件806,多媒体组件808,音频组件810,输入/输出(I/O)的接口812,传感器组件814,以及通信组件816。
处理组件802通常控制设备800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。处理元件802可以包括一个或多个处理器820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802可以包括一个或多个模块,便于处理组件802和其他组件之间的交互。例如,处理部件802可以包括多媒体模块,以方便多媒体组件808和处理组件802之间的交互。
存储器804被配置为存储各种类型的数据以支持在设备800的操作。这些数据的示例包括用于在设备800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804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。
电力组件806为设备800的各种组件提供电力。电力组件806可以包括电源管理系统,一个或多个电源,及其他与为设备800生成、管理和分配电力相关联的组件。
多媒体组件808包括在所述设备800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808包括一个前置摄像头和/或后置摄像头。当设备800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810被配置为输出和/或输入音频信号。例如,音频组件810包括一个麦克风(MIC),当设备800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804或经由通信组件816发送。在一些实施例中,音频组件810还包括一个扬声器,用于输出音频信号。
I/O接口812为处理组件802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814包括一个或多个传感器,用于为设备800提供各个方面的状态评估。例如,传感器组件814可以检测到设备800的打开/关闭状态,组件的相对定位,例如所述组件为设备800的显示器和小键盘,传感器组件814还可以检测设备800或设备800一个组件的位置改变,用户与设备800接触的存在或不存在,设备800方位或加速/减速和设备800的温度变化。传感器组件814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814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814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816被配置为便于设备800和其他设备之间有线或无线方式的通信。设备800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,通信部件816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,所述通信部件816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)技术和其他技术来实现。
在示例性实施例中,设备800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、微处理器或其他电子元件实现,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804,上述指令可由设备800的处理器820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。
图5是本发明的一些实施例中服务器的结构示意图。该服务器1900可因配置或性能不同而产生比较大的差异,可以包括一个或一个以上中央处理器(central processingunits,CPU)1922(例如,一个或一个以上处理器)和存储器1932,一个或一个以上存储应用程序1942或数据1944的存储介质1930(例如一个或一个以上海量存储设备)。其中,存储器1932和存储介质1930可以是短暂存储或持久存储。存储在存储介质1930的程序可以包括一个或一个以上模块(图示没标出),每个模块可以包括对服务器中的一系列指令操作。更进一步地,中央处理器1922可以设置为与存储介质1930通信,在服务器1900上执行存储介质1930中的一系列指令操作。
服务器1900还可以包括一个或一个以上电源1926,一个或一个以上有线或无线网络接口1950,一个或一个以上输入输出接口1958,一个或一个以上键盘1956,和/或,一个或一个以上操作系统1941,例如Windows ServerTM,Mac OS XTM,UnixTM,LinuxTM,FreeBSDTM等等。
一种非临时性计算机可读存储介质,当所述存储介质中的指令由装置(服务器或者终端)的处理器执行时,使得装置能够执行前述各实施例所述的数据处理方法。
一种非临时性计算机可读存储介质,当所述存储介质中的指令由装置(服务器或者终端)的处理器执行时,使得装置能够执行一种基于天气搜索的推荐方法,所述方法包括:
在天气搜索需求对应的高频搜索时段内接收到用户针对目标地点的天气搜索请求时,获取与所述目标地点对应的天气信息,其中,所述天气搜索需求对应的高频时段指一天内针对天气搜索的用户流量大于预设流量的时间段;
获取所述用户的目标画像,基于所述目标画像,确定目标推荐内容;
将与所述目标地点对应的天气信息与所述目标推荐内容推送给所述用户。
本发明实施例提供的一个或多个技术方案,至少实现了如下技术效果或者优点:
在接收到用户在天气搜索需求对应的高频搜索时段内的天气搜索请求,能够基于用户画像向用户进行个性化的内容推荐,一方面,由于用户画像能够反映用户的搜索习惯以及偏好,因此基于目标画像确定出来的目标推荐内容会更加贴合用户的搜索偏好以及用户需求,另一方面,无需用户反复进行关键词的搜索,有效降低了用户的搜索成本。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本发明的其它实施方案。本发明旨在涵盖本发明的任何变型、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发明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,本发明的真正范围和精神由下面的权利要求指出。
应当理解的是,本发明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。本发明的范围仅由所附的权利要求来限制以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (16)
1.一种基于天气搜索的推荐方法,其特征在于,包括:
在天气搜索需求对应的高频搜索时段内接收到用户针对目标地点的天气搜索请求时,获取与所述目标地点对应的天气信息,其中,所述天气搜索需求对应的高频时段指一天内针对天气搜索的用户流量大于预设流量的时间段;
获取所述用户的目标画像,基于所述目标画像,确定目标推荐内容;
将与所述目标地点对应的天气信息与所述目标推荐内容推送给所述用户。
2.根据权利要求1所述的方法,其特征在于,所述基于所述目标画像,确定目标推荐内容,包括:
获取初始推荐内容集合,确定所述初始推荐内容集合中每个推荐内容的属性信息;
基于所述目标画像以及所述每个推荐内容的属性信息,对所述每个推荐内容与所述目标画像的相关程度进行打分;
选取分值较大的预设数量的推荐内容作为所述目标推荐内容。
3.根据权利要求1所述的方法,其特征在于,所述将与所述目标地点对应的天气信息与所述目标推荐内容推送给所述用户,包括:
构建目标推送界面,所述目标推送界面包括第一区域以及第二区域;
将所述天气信息填充在所述第一区域内,以及将所述目标推荐内容的简要信息填充在所述第二区域内;
将所述目标推送界面推送给所述用户,以使所述用户的终端设备显示所述目标推送界面。
4.根据权利要求2所述的方法,其特征在于,所述获取所述初始推荐内容集合,包括:
基于所述用户的属性信息,在预设推荐内容库中筛选出所述初始推荐内容集合。
5.根据权利要求4所述的方法,其特征在于,所述基于所述用户的属性信息,在预设推荐内容库中筛选出所述初始推荐内容集合,包括:
确定所述用户的常驻地点;
若所述目标地点与所述常驻地点不同,在所述预设推荐内容库中筛选出与所述目标地点对应的推荐内容作为所述初始推荐内容集合;
若所述目标地点与所述常驻地点相同,在所述预设推荐内容库中筛选出与所述常驻地点对应的推荐内容作为所述初始推荐内容集合。
6.根据权利要求4所述的方法,其特征在于,所述基于所述用户的属性信息,在预设推荐内容库中筛选出所述初始推荐内容集合,包括:
确定所述用户的历史高频搜索词,所述历史高频搜索词为在历史时段内,所述用户在搜索天气之前和/或之后的预设时长内搜索频率大于预设频率的关键词;
在所述预设推荐内容库中筛选出与所述历史高频搜索词对应的推荐内容作为所述初始推荐内容集合。
7.根据权利要求4所述的方法,其特征在于,所述基于所述用户的属性信息,在预设推荐内容库中筛选出所述初始推荐内容集合,包括:
确定所述用户所属的目标用户群体的目标群体标签;
在所述预设推荐内容库中筛选出与所述目标群体标签对应的推荐内容,作为所述初始推荐内容集合。
8.一种基于天气搜索的推荐装置,其特征在于,包括:
天气信息处理模块,用于在天气搜索需求对应的高频搜索时段内接收到用户针对目标地点的天气搜索请求时,获取与所述目标地点对应的天气信息,其中,所述天气搜索需求对应的高频时段指一天内针对天气搜索的用户流量大于预设流量的时间段;
推荐内容处理模块,用于获取所述用户的目标画像,基于所述目标画像,确定目标推荐内容;
推送模块,用于将与所述目标地点对应的天气信息与所述目标推荐内容推送给所述用户。
9.根据权利要求8所述的装置,其特征在于,所述推荐内容处理模块,用于:
获取初始推荐内容集合,确定所述初始推荐内容集合中每个推荐内容的属性信息;
基于所述目标画像以及所述每个推荐内容的属性信息,对所述每个推荐内容与所述目标画像的相关程度进行打分;
选取分值较大的预设数量的推荐内容作为所述目标推荐内容。
10.根据权利要求8所述的装置,其特征在于,所述推送模块,用于:
构建目标推送界面,所述目标推送界面包括第一区域以及第二区域;
将所述天气信息填充在所述第一区域内,以及将所述目标推荐内容的简要信息填充在所述第二区域内;
将所述目标推送界面推送给所述用户,以使所述用户的终端设备显示所述目标推送界面。
11.根据权利要求9所述的装置,其特征在于,所述推荐内容处理模块,用于:
基于所述用户的属性信息,在预设推荐内容库中筛选出所述初始推荐内容集合。
12.根据权利要求11所述的装置,其特征在于,所述推荐内容处理模块,用于:
确定所述用户的常驻地点;
若所述目标地点与所述常驻地点不同,在所述预设推荐内容库中筛选出与所述目标地点对应的推荐内容作为所述初始推荐内容集合;
若所述目标地点与所述常驻地点相同,在所述预设推荐内容库中筛选出与所述常驻地点对应的推荐内容作为所述初始推荐内容集合。
13.根据权利要求11所述的装置,其特征在于,所述推荐内容处理模块,用于:
确定所述用户的历史高频搜索词,所述历史高频搜索词为在历史时段内,所述用户在搜索天气之前和/或之后的预设时长内搜索频率大于预设频率的关键词;
在所述预设推荐内容库中筛选出与所述历史高频搜索词对应的推荐内容作为所述初始推荐内容集合。
14.根据权利要求11所述的装置,其特征在于,所述推荐内容处理模块,用于:
确定所述用户所属的目标用户群体的目标群体标签;
在所述预设推荐内容库中筛选出与所述目标群体标签对应的推荐内容,作为所述初始推荐内容集合。
15.一种电子设备,其特征在于,包括有存储器,以及一个或者多个的程序,其中一个或者多个的程序存储于存储器中,且经配置以由一个或者多个的处理器执行所述一个或者多个的程序所包含的用于进行如权利要求1~7任一所述方法对应的操作指令。
16.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1~7任一所述方法对应的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110688694.2A CN113420209A (zh) | 2021-06-21 | 2021-06-21 | 基于天气搜索的推荐方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110688694.2A CN113420209A (zh) | 2021-06-21 | 2021-06-21 | 基于天气搜索的推荐方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113420209A true CN113420209A (zh) | 2021-09-21 |
Family
ID=77789707
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110688694.2A Pending CN113420209A (zh) | 2021-06-21 | 2021-06-21 | 基于天气搜索的推荐方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113420209A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117493677A (zh) * | 2023-11-10 | 2024-02-02 | 成达文化科技(广州)有限公司 | 一种基于用户画像的个性化搜索信息推荐系统及方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106202355A (zh) * | 2016-07-05 | 2016-12-07 | 百度在线网络技术(北京)有限公司 | 基于搜索引擎的天气服务推荐方法、装置和搜索引擎 |
CN107105042A (zh) * | 2017-04-28 | 2017-08-29 | 维沃移动通信有限公司 | 一种活动推荐方法及移动终端 |
CN109688218A (zh) * | 2018-12-24 | 2019-04-26 | 出门问问信息科技有限公司 | 推送信息的方法、装置、电子设备及计算机可读存储介质 |
CN112115293A (zh) * | 2020-09-27 | 2020-12-22 | 广州三星通信技术研究有限公司 | 内容推荐方法及内容推荐装置 |
CN112307339A (zh) * | 2020-10-30 | 2021-02-02 | 中国平安人寿保险股份有限公司 | 基于用户画像的推荐信息生成方法、装置及计算机设备 |
-
2021
- 2021-06-21 CN CN202110688694.2A patent/CN113420209A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106202355A (zh) * | 2016-07-05 | 2016-12-07 | 百度在线网络技术(北京)有限公司 | 基于搜索引擎的天气服务推荐方法、装置和搜索引擎 |
CN107105042A (zh) * | 2017-04-28 | 2017-08-29 | 维沃移动通信有限公司 | 一种活动推荐方法及移动终端 |
CN109688218A (zh) * | 2018-12-24 | 2019-04-26 | 出门问问信息科技有限公司 | 推送信息的方法、装置、电子设备及计算机可读存储介质 |
CN112115293A (zh) * | 2020-09-27 | 2020-12-22 | 广州三星通信技术研究有限公司 | 内容推荐方法及内容推荐装置 |
CN112307339A (zh) * | 2020-10-30 | 2021-02-02 | 中国平安人寿保险股份有限公司 | 基于用户画像的推荐信息生成方法、装置及计算机设备 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117493677A (zh) * | 2023-11-10 | 2024-02-02 | 成达文化科技(广州)有限公司 | 一种基于用户画像的个性化搜索信息推荐系统及方法 |
CN117493677B (zh) * | 2023-11-10 | 2024-05-28 | 成达文化科技(广州)有限公司 | 一种基于用户画像的个性化搜索信息推荐系统及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11055325B2 (en) | System and method for context enhanced mapping | |
US9979994B2 (en) | Contextual based information aggregation system | |
CN109299384B (zh) | 场景推荐方法、装置及系统、存储介质 | |
US20200068034A1 (en) | Method and system for measuring user engagement using click/skip in content stream | |
TWI636416B (zh) | 內容個人化之多相排序方法和系統 | |
CN105701254B (zh) | 一种信息处理方法和装置、一种用于信息处理的装置 | |
US9706008B2 (en) | Method and system for efficient matching of user profiles with audience segments | |
US8386506B2 (en) | System and method for context enhanced messaging | |
US20150112963A1 (en) | Time and location based information search and discovery | |
US20100082427A1 (en) | System and Method for Context Enhanced Ad Creation | |
US20140280550A1 (en) | Method and system for measuring user engagement from stream depth | |
CN107341162B (zh) | 网页处理方法和装置、用于网页处理的装置 | |
WO2012088590A1 (en) | System and method for using a knowledge representation to provide information based on environmental inputs | |
WO2016117382A1 (ja) | 情報処理装置、情報処理方法、及び、プログラム | |
CN110799946B (zh) | 多应用用户兴趣存储器管理 | |
CN111708943A (zh) | 一种搜索结果展示方法、装置和用于搜索结果展示的装置 | |
US20200293787A1 (en) | Media contextual information for a displayed resource | |
WO2016194621A1 (ja) | 情報処理装置、情報処理方法、及び、プログラム | |
CN113239183A (zh) | 排序模型的训练方法、装置、电子设备和存储介质 | |
CN113420209A (zh) | 基于天气搜索的推荐方法、装置、设备及存储介质 | |
KR20190010278A (ko) | 관심 분야별 취향 검색안내 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 |