CN113630429A - 信息推荐方法、装置、计算机设备和计算机可读存储介质 - Google Patents
信息推荐方法、装置、计算机设备和计算机可读存储介质 Download PDFInfo
- Publication number
- CN113630429A CN113630429A CN202010380160.9A CN202010380160A CN113630429A CN 113630429 A CN113630429 A CN 113630429A CN 202010380160 A CN202010380160 A CN 202010380160A CN 113630429 A CN113630429 A CN 113630429A
- Authority
- CN
- China
- Prior art keywords
- user
- information
- target
- attribute
- terminal
- 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 59
- 238000004590 computer program Methods 0.000 claims description 25
- 238000001514 detection method Methods 0.000 claims description 13
- 210000000577 adipose tissue Anatomy 0.000 description 16
- 208000033748 Device issues Diseases 0.000 description 6
- 238000004891 communication Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 230000036541 health Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 230000037213 diet Effects 0.000 description 1
- 235000005911 diet Nutrition 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/50—Network services
- H04L67/55—Push-based network services
-
- 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
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/50—Network services
- H04L67/52—Network services specially adapted for the location of the user terminal
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请涉及一种信息推荐方法、装置、计算机设备和计算机可读存储介质。所述信息推荐方法包括:确定待推荐的推荐信息对应的目标用户属性信息;根据所述目标用户属性信息对应的目标属性标签,在多个用户集中查找与所述目标属性标签对应的目标用户集;所述目标用户集包括至少一个具有所述目标属性标签的终端标识;将所述待推荐的推荐信息下发至所述目标用户集中的终端标识对应的用户终端。采用本方法能够提升信息推荐的准确率。
Description
技术领域
本发明涉及健康管理技术领域,特别是涉及一种信息推荐方法、装置、计算机设备和计算机可读存储介质。
背景技术
随着人们生活质量的提高和健康意识的增强,越来越多的按摩设备出现在人们的日常生活中,如颈部按摩仪、眼部按摩仪等。
目前,部分智能按摩设备可以通过蓝牙等无线连接的方式与用户终端连接,以便于进行用户健康管理。当有信息推荐需求时,如宣传广告对应的推荐信息等,厂家服务器则可以将推荐信息推送至这些用户终端。
但是,传统的信息推荐方法,推荐准确率较低,导致推送资源的浪费。
发明内容
基于此,有必要针对上述技术问题,提供一种能够提升信息推荐准确率的信息推荐方法、装置、计算机设备和计算机可读存储介质。
第一方面,本申请实施例提供了一种信息推荐方法,所述方法包括:
确定待推荐的推荐信息对应的目标用户属性信息;
根据所述目标用户属性信息对应的目标属性标签,在多个用户集中查找与所述目标属性标签对应的目标用户集;所述目标用户集包括至少一个具有所述目标属性标签的终端标识;
将所述待推荐的推荐信息下发至所述目标用户集中的终端标识对应的用户终端。
在其中一个实施例中,所述在多个用户集中查找与所述目标属性标签对应的目标用户集之前,还包括:
获取各用户的用户属性信息;
确定各用户属性信息分别对应的属性标签,并将各属性标签和所述各属性标签分别对应的用户终端的终端标识关联;
按照所述各属性标签的标签类别设置所述多个用户集;每个用户集包括同一类属性标签对应的至少一个终端标识。
在其中一个实施例中,所述获取各用户的用户属性信息,包括:
从各用户终端获取各用户输入的用户属性信息;
或者,从云服务器获取各用户的用户属性信息,所述各用户的用户属性信息是对应的各用户终端上传至所述云服务器的。
在其中一个实施例中,所述方法还包括:
按照预设的时间周期,获取各用户的更新用户属性信息;
根据各更新用户属性信息,对所述多个用户集进行更新。
在其中一个实施例中,所述目标用户属性信息包括用户身份信息、用户年龄信息、用户位置信息、用户使用时段信息、用户体征信息、用户运动习惯信息中的任意一个。
在其中一个实施例中,所述目标用户属性信息包括用户身份信息、用户年龄信息、用户位置信息、用户使用时段信息、用户体征信息、用户运动习惯信息中的至少两个;所述根据所述目标用户属性信息对应的目标属性标签,在多个用户集中查找与所述目标属性标签对应的目标用户集,包括:
根据所述目标用户属性信息对应的多个目标属性标签,在所述多个用户集中查找与各目标属性标签对应的目标用户集;
对应地,所述将所述待推荐的推荐信息下发至所述目标用户集中的终端标识对应的用户终端,包括:
获取各目标用户集的用户集交集;
将所述待推荐的推荐信息下发至所述用户集交集中的终端标识对应的用户终端。
在其中一个实施例中,所述方法还包括:
发送在线检测指令至所述用户终端;所述在线检测指令用于指示所述用户终端检测按摩设备是否在线;
对应地,所述将所述待推荐的推荐信息下发至所述目标用户集中的终端标识对应的用户终端,包括:
若接收到所述用户终端返回的按摩设备在线结果,则将所述待推荐的推荐信息下发至所述目标用户集中的终端标识对应的用户终端。
第二方面,本申请实施例提供一种信息推荐装置,装置包括:
确定模块,用于确定待推荐的推荐信息对应的目标用户属性信息;
查找模块,用于根据所述目标用户属性信息对应的目标属性标签,在多个用户集中查找与所述目标属性标签对应的目标用户集;所述目标用户集包括至少一个具有所述目标属性标签的终端标识;
信息推荐模块,用于将所述待推荐的推荐信息下发至所述目标用户集中的终端标识对应的用户终端。
第三方面,本申请实施例提供一种计算机设备,包括存储器和处理器,存储器存储有计算机程序,处理器执行计算机程序时实现如上述第一方面的方法的步骤。
第四方面,本申请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,计算机程序被处理器执行时实现如上述第一方面的方法的步骤。
本申请实施例提供的技术方案带来的有益效果至少包括:
通过确定待推荐的推荐信息对应的目标用户属性信息;根据所述目标用户属性信息对应的目标属性标签,在多个用户集中查找与所述目标属性标签对应的目标用户集;所述目标用户集包括至少一个具有所述目标属性标签的终端标识;将所述待推荐的推荐信息下发至所述目标用户集中的终端标识对应的用户终端;由此,对于需要推荐的推荐信息,筛选与推荐信息的目标用户属性信息对应的目标用户集,再将该推荐信息下发至目标用户集中终端标识对应的用户终端;避免了传统技术中,将需要推荐的推荐信息统一推送至各个用户终端,造成的推荐准确率较低及推送资源浪费的问题,本申请提升了信息推荐的准确性,节约了推送资源。
附图说明
图1为一个实施例提供的信息推荐方法的应用环境图;
图2为一个实施例提供的信息推荐方法的流程示意图;
图3为另一个实施例提供的信息推荐方法的流程示意图;
图4为另一个实施例提供的信息推荐方法的流程示意图;
图5为另一个实施例提供的信息推荐方法的流程示意图;
图6为另一个实施例提供的信息推荐方法的流程示意图;
图7为一个实施例提供的信息推荐装置的结构框图;
图8为一个实施例提供的计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请实施例提供的信息推荐方法、装置、计算机设备和计算机可读存储介质,旨在解决传统技术中,将推荐信息统一推送至各个用户终端,造成的推荐准确率较低及推送资源浪费的技术问题。下面将通过实施例并结合附图具体地对本申请的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。下面这几个具体地实施例可以相互结合,对于相同或相似的概念或过程可能在某些实施例中不再赘述。
本申请实施例提供的信息推荐方法,可以应用于如图1所示的应用环境中,具体是应用在服务器101中。如图1所示,服务器101确定待推荐的推荐信息对应的目标用户属性信息;服务器101根据目标用户属性信息对应的目标属性标签,在多个用户集中查找与目标属性标签对应的目标用户集;目标用户集包括至少一个具有目标属性标签的终端标识;服务器101将待推荐的推荐信息下发至目标用户集中的终端标识对应的用户终端102。其中,服务器101可以采用独立的服务器或者是多个服务器组成的服务器集群来实现;用户终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备。
需要说明的是,本申请实施例提供的信息推荐方法,其执行主体可以是信息推荐装置,该信息推荐装置可以通过软件、硬件或者软硬件结合的方式实现成为计算机设备的部分或者全部。下述方法实施例中,均以执行主体是计算机设备为例来进行说明。
请参考图2,其示出了本申请实施例提供的一种信息推荐方法的流程示意图。本实施例涉及的是计算机设备根据推荐信息对应的目标用户属性信息,确定目标用户集来下发推荐信息的具体实现过程。如图2所示,本实施例信息推荐方法可以包括以下步骤:
步骤S100,确定待推荐的推荐信息对应的目标用户属性信息。
具体地,待推荐的推荐信息可以是需求方提供的广告推荐信息,该推荐信息可以携带需求方所期望投放的用户属性。例如,期望投放的用户属性为用户年龄为20岁,或者用户身份为学生,或者用户使用按摩设备的使用时段为晚上22点以后,等等。计算机设备识别该推荐信息中携带的期望投放的用户属性,即得到推荐信息对应的目标用户属性信息。
本实施例中,作为一种实施方式,目标用户属性信息可以包括用户身份信息、用户年龄信息、用户位置信息、用户使用时段信息、用户体征信息、用户运动习惯信息中的任意一个;在其它实施例中,目标用户属性信息还可以包括用户身份信息、用户年龄信息、用户位置信息、用户使用时段信息、用户体征信息、用户运动习惯信息中的任意两个或两个以上的用户信息,在此不做具体限制。
在其它实施例中,计算机设备确定待推荐的推荐信息对应的目标用户属性信息,还可以是将推荐信息输入至用户属性预测模型中,得到推荐信息对应的目标用户属性信息。例如,待推荐的推荐信息为推荐针对学生的外语学习软件,计算机设备通过用户属性预测模型则得到目标用户属性信息为用户身份信息是学生。作为一种实施方式,用户属性预测模型在训练过程中,计算机设备可以首先对各样本推荐信息添加用户属性信息标签,并将添加了用户属性信息标签的各样本推荐信息作为模型输入,将各样本推荐信息对应的用户属性信息作为模型输出,训练网络模型最终得到用户属性预测模型。
在其它实施例中,目标用户属性信息也可以包括用户身份信息、用户年龄信息、用户位置信息、用户使用时段信息、用户体征信息、用户运动习惯信息中的任意多个,或者还可以包括其它的用户属性信息,在此均不做具体限制。
在其它实施例中,待推荐的推荐信息也可以是其它具有推荐需求的信息等等,在此不做具体限制。
步骤S200,根据目标用户属性信息对应的目标属性标签,在多个用户集中查找与目标属性标签对应的目标用户集。
其中,目标用户集包括至少一个具有目标属性标签的终端标识。
本实施例中,计算机设备中预置有多个用户集,每个用户集包括同一类属性标签对应的至少一个终端标识。其中,多个用户集可以是两个用户集或者两个以上的用户集。例如,多个用户集可以是两个用户集,其中,第一用户集包括的终端标识对应的用户身份均为学生,即第一用户集中各终端标识关联的属性标签均为“学生”;第二用户集包括的终端标识对应的用户身份均为教师,即第二用户集中各终端标识关联的属性标签均为“教师”。例如,多个用户集可以是三个用户集,其中,一个用户集包括的终端标识对应的用户年龄均为20岁,即该用户集中各终端标识关联的属性标签均为“年龄20岁”;第二个用户集包括的终端标识对应的用户年龄均为30岁,即该用户集中各终端标识关联的属性标签均为“年龄30岁”;最后一个用户集包括的终端标识对应的用户年龄均为40岁,即该用户集中各终端标识关联的属性标签均为“年龄40岁”,等等。可以理解的是,多个用户集在实际实施时并不局限于上述举例,还可以包括更多数量以及更多形式的用户集,本实施例在此不做具体限制。
计算机设备根据目标用户属性信息对应的目标属性标签,在多个用户集中查找与目标属性标签对应的目标用户集。计算机设备确定待推荐的推荐信息对应的目标用户属性信息后,得到目标用户属性信息对应的目标属性标签,例如,推荐信息对应的目标用户属性信息为用户身份信息是学生,则该目标用户属性信息对应的目标属性标签为“学生”。计算机设备在多个用户集中查找终端标识关联有“学生”目标属性标签的用户集,则得到目标用户集。该目标用户集中包括至少一个具有目标属性标签“学生”的终端标识,可以理解的是,目标用户集可以包括一个、两个或者更多的终端标识,且目标用户集中包括的终端标识均关联有目标属性标签。
作为一种实施方式,计算机设备还可以对多个用户集分别添加对应的属性标签,即一个用户集的属性标签和该用户集中各终端标识关联的属性标签一致。计算机设备则可以在多个用户集中,查找属性标签为“学生”的目标用户集,从而得到目标用户集。
步骤S300,将待推荐的推荐信息下发至目标用户集中的终端标识对应的用户终端。
计算机设备将待推荐的推荐信息下发至目标用户集中的终端标识对应的用户终端。
作为一种实施方式,若待推荐的推荐信息对应的目标属性标签为地理位置标签或位置范围标签,则计算机设备查找的目标用户集中的终端标识均关联有该目标属性标签,计算机设备则将该推荐信息下发至目标用户集中的各用户终端。推荐信息可以是推荐某一位置的健身房或者餐厅,等等。
作为一种实施方式,若待推荐的推荐信息对应的目标属性标签为使用时段标签,则计算机设备查找的目标用户集中的终端标识均关联有该目标属性标签,计算机设备则将该推荐信息下发至目标用户集中的各用户终端。推荐信息可以是针对该使用时段标签的用户终端推荐对应的健身信息,等等。
作为一种实施方式,若待推荐的推荐信息对应的目标属性标签为高强度运动习惯标签或低强度运动习惯标签,则计算机设备查找的目标用户集中的终端标识均关联有该目标属性标签,计算机设备则将该推荐信息下发至目标用户集中的各用户终端。推荐信息可以是针对不同强度运动习惯标签的用户终端推荐不同的健身信息,等等。
作为一种实施方式,若待推荐的推荐信息对应的目标属性标签为高体脂体征标签或低体脂体征标签,则计算机设备查找的目标用户集中的终端标识均关联有该目标属性标签,计算机设备则将该推荐信息下发至目标用户集中的各用户终端。推荐信息可以是针对不同体脂体征标签的用户终端推荐减肥信息或推荐健康饮食指导,等等。
本实施例通过确定待推荐的推荐信息对应的目标用户属性信息;根据目标用户属性信息对应的目标属性标签,在多个用户集中查找与目标属性标签对应的目标用户集;目标用户集包括至少一个具有目标属性标签的终端标识;将待推荐的推荐信息下发至目标用户集中的终端标识对应的用户终端;由此,对于需要推荐的推荐信息,筛选与推荐信息的目标用户属性信息对应的目标用户集,再将该推荐信息下发至目标用户集中终端标识对应的用户终端;避免了传统技术中,将需要推荐的推荐信息统一推送至各个用户终端,造成的推荐准确率较低及推送资源浪费的问题,本实施例提升了信息推荐的准确性,节约了推送资源。
图3为另一个实施例提供的信息推荐方法的流程示意图。在上述图2所示实施例的基础上,如图3所示,本实施例信息推荐方法还包括步骤S410、步骤S420和步骤S430,具体地:
步骤S410,获取各用户的用户属性信息。
作为一种实施方式,步骤S410可以通过下述步骤a或者下述步骤b来具体实现:
步骤a,从各用户终端获取各用户输入的用户属性信息。
本实施例中,用户可以是使用按摩设备的用户。用户购买按摩设备后,在用户终端绑定个人账户,并输入姓名、性别、年龄、身份等用户属性信息,计算机设备从用户终端获取该用户属性信息。
作为一种实施方式,按摩设备可以和用户终端进行通信连接,在用户使用按摩设备的过程中,按摩设备采集用户的使用时段信息、体脂数据和运动心率数据,并发送至用户终端。计算机设备获取该用户使用时段信息、用户体脂数据和用户运动心率数据,等等。作为一种实施方式,计算机设备根据用户体脂数据,将高于体脂阈值的确定为高体脂体征信息,将低于体脂阈值的确定为低体脂体征信息;计算机设备根据用户运动心率数据,将高于心率阈值的确定为高强度运动习惯信息,将低于心率阈值的确定为低强度运动习惯信息。
作为一种实施方式,计算机设备可以通过用户终端中的定位模块获取用户位置信息。
或者,步骤b,从云服务器获取各用户的用户属性信息,各用户的用户属性信息是对应的各用户终端上传至云服务器的。
作为一种实施方式,为了减少用户属性信息对用户终端存储空间的占用,用户终端获取用户属性信息后,可以上传至云服务器存储,并删除本地存储的用户属性信息。在各用户终端将各用户的用户属性信息上传至云服务器后,计算机设备可以从云服务器下载各用户的用户属性信息。
步骤S420,确定各用户属性信息分别对应的属性标签,并将各属性标签和各属性标签分别对应的用户终端的终端标识关联。
计算机设备确定各用户属性信息分别对应的属性标签。例如,用户属性信息为年龄20岁,则对应的属性标签为“年龄20岁”;用户属性信息为身份是学生,则对应的属性标签为“学生”;用户属性信息为高体脂体征信息,则对应的属性标签为“高体脂体征”,等等。
计算机设备将各属性标签和各属性标签分别对应的用户终端的终端标识关联。例如,A用户的用户属性信息为年龄20岁,则该用户属性信息对应的属性标签为“年龄20岁”,计算机设备则将该属性标签“年龄20岁”和A用户的用户终端的终端标识相关联。可以理解的是,一个用户终端的终端标识可以关联多个不同标签类别的属性标签,例如,一个用户终端的终端标识可以既关联属性标签“年龄20岁”,又关联属性标签“学生”。
步骤S430,按照各属性标签的标签类别设置多个用户集。
每个用户集包括同一类属性标签对应的至少一个终端标识。
计算机设备按照各属性标签的标签类别设置多个用户集,具体是将具有相同一类属性标签的终端标识放置在一个用户集中。例如,划分第一用户集包括的终端标识对应的用户身份均为学生,即第一用户集中各终端标识关联的属性标签均为“学生”;划分第二用户集包括的终端标识对应的用户身份均为教师,即第二用户集中各终端标识关联的属性标签均为“教师”;划分第三用户集包括的终端标识对应的用户年龄均为20岁,即第三用户集中各终端标识关联的属性标签均为“年龄20岁”。
计算机设备确定待推荐的推荐信息对应的目标用户属性信息后,根据该目标用户属性信息对应的目标属性标签,在设置的多个用户集中查找与目标属性标签对应的目标用户集,计算机设备查找到的目标用户集包括至少一个终端标识,且该目标用户集包括的一个或者多个终端标识均关联有该目标属性标签。
本实施例中,作为一种实施方式,可以对划分的多个用户集分别添加对应的属性标签,即一个用户集的属性标签和该用户集中各终端标识关联的属性标签一致,以便于计算机设备根据目标用户属性信息对应的目标属性标签,在多个用户集中查找用户集标签与目标属性标签一致的目标用户集。
由此,通过将各用户终端的终端标识与对应的属性标签关联,并将各终端标识按照各属性标签的标签类别划分为多个用户集,在计算机设备确定待推荐的推荐信息对应的目标用户属性信息后;根据目标用户属性信息对应的目标属性标签,在划分的多个用户集中查找与目标属性标签对应的目标用户集,并将待推荐的推荐信息下发至目标用户集中的终端标识对应的用户终端,本实施例在提升信息推荐准确性的同时,提升了计算机设备查找需要下发推荐信息的用户终端的速度。
图4为另一个实施例提供的信息推荐方法的流程示意图。在上述图3所示实施例的基础上,如图4所示,本实施例信息推荐方法还包括步骤S510和步骤S520,具体地:
步骤S510,按照预设的时间周期,获取各用户的更新用户属性信息。
由于用户属性信息,如用户身份信息、用户年龄信息、用户位置信息、用户使用时段信息、用户体征信息、用户运动习惯信息等是不断变化的,为了避免由于用户属性信息发生变化,所导致的降低信息推荐准确率的问题,本实施例中,计算机设备按照预设的时间周期,获取各用户的更新用户属性信息。
预设的时间周期在实施时可以自行设置。例如,对于变化频率较高的用户位置信息、用户使用时段信息、用户体征信息、用户运动习惯信息,可以设置较短的时间周期;而对于变化频率较低的用户身份信息、用户年龄信息,则可以设置较长的时间周期,有利于节约计算机设备的计算资源。
步骤S520,根据各更新用户属性信息,对多个用户集进行更新。
计算机设备获取各用户的更新用户属性信息后,确定各更新用户属性信息分别对应的更新属性标签,并将各更新属性标签和各更新属性标签分别对应的用户终端的终端标识关联,计算机设备按照各更新属性标签的标签类别重新划分多个更新后的用户集。
由此,计算机设备确定待推荐的推荐信息对应的目标用户属性信息后,根据目标用户属性信息对应的目标属性标签,在更新后的多个用户集中查找与目标属性标签对应的目标用户集,将待推荐的推荐信息下发至目标用户集中的终端标识对应的用户终端,提升了目标用户集中终端标识与推荐信息的匹配程度,进而提升了信息推荐的准确性。
图5为另一个实施例提供的信息推荐方法的流程示意图。在上述图2所示实施例的基础上,如图5所示,本实施例信息推荐方法中,步骤S200包括步骤S210:
步骤S210,根据目标用户属性信息对应的多个目标属性标签,在多个用户集中查找与各目标属性标签对应的目标用户集。
本实施例中,目标用户属性信息包括用户身份信息、用户年龄信息、用户位置信息、用户使用时段信息、用户体征信息、用户运动习惯信息中的至少两个。本实施例中,多个目标属性标签为两个或两个以上数量的目标属性标签。例如,目标用户属性信息包括用户身份信息是学生,且用户年龄信息为20岁,计算机设备则根据目标用户属性信息对应的两个目标属性标签:“学生”和“年龄20岁”,在多个用户集中查找与其中一个目标属性标签“学生”对应的目标用户集、与另一个目标属性标签“年龄20岁”对应的目标用户集。例如,目标用户属性信息包括用户身份信息是学生、用户年龄信息为20岁且用户体征信息为高体脂体征,计算机设备则根据目标用户属性信息对应的三个目标属性标签:“学生”、“年龄20岁”和“高体脂体征”,在多个用户集中查找与其中一个目标属性标签“学生”对应的目标用户集、与另一个目标属性标签“年龄20岁”对应的目标用户集以及与最后一个目标属性标签“高体脂体征”对应的目标用户集。
对应地,本实施例中,步骤S300包括步骤S310和步骤S320:
步骤S310,获取各目标用户集的用户集交集。
步骤S320,将待推荐的推荐信息下发至用户集交集中的终端标识对应的用户终端。
计算机设备获取各目标用户集的用户集交集。例如,若待推荐的推荐信息对应的目标用户属性信息,包括用户身份信息为学生且用户年龄信息为20岁,则计算机设备需要对目标属性标签“学生”对应的目标用户集和目标属性标签“年龄20岁”对应的目标用户集求交集,得到用户身份信息是学生并且用户年龄信息为20岁的用户集交集。
计算机设备将待推荐的推荐信息下发至用户集交集中的终端标识对应的用户终端。由此,对于目标用户属性信息对应多个目标属性标签的情况下,本实施例给出了一种实施方式,有利于本实施例信息推荐方法的应用推广,适用于各种不同推荐需求的信息推荐场景。
图6为另一个实施例提供的信息推荐方法的流程示意图。在上述图2所示实施例的基础上,如图6所示,本实施例信息推荐方法中,步骤S300之前还包括步骤S600:
步骤S600,发送在线检测指令至用户终端。
其中,在线检测指令用于指示用户终端检测按摩设备是否在线。
本实施例中,计算机设备在将待推荐的推荐信息下发至目标用户集中的终端标识对应的用户终端之前,首先发送在线检测指令至用户终端,以检测按摩设备是否在线。对应地,步骤S300包括步骤S330:
步骤S330,若接收到用户终端返回的按摩设备在线结果,则将待推荐的推荐信息下发至目标用户集中的终端标识对应的用户终端。
计算机设备若接收到用户终端返回的按摩设备在线结果,则表示用户终端处于正常使用状态,计算机设备则将待推荐的推荐信息下发至目标用户集中的终端标识对应的用户终端,由此,可以提升信息推荐的成功率。
进一步地,若计算机设备若接收到用户终端返回的按摩设备在线结果,则表示用户保持使用按摩设备,计算机设备将待推荐的推荐信息下发至目标用户集中的终端标识对应的用户终端,若待推荐的推荐信息为按摩相关或健康相关的推荐信息,则有利于提升推荐信息的推荐效果。
应该理解的是,虽然上述流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,上述流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,如图7所示,提供了一种信息推荐装置,包括:
确定模块10,用于确定待推荐的推荐信息对应的目标用户属性信息;
查找模块20,用于根据所述目标用户属性信息对应的目标属性标签,在多个用户集中查找与所述目标属性标签对应的目标用户集;所述目标用户集包括至少一个具有所述目标属性标签的终端标识;
信息推荐模块30,用于将所述待推荐的推荐信息下发至所述目标用户集中的终端标识对应的用户终端。
可选地,所述装置还包括:
第一获取模块,用于获取各用户的用户属性信息;
关联模块,用于确定各用户属性信息分别对应的属性标签,并将各属性标签和所述各属性标签分别对应的用户终端的终端标识关联;
用户集划分模块,用于按照所述各属性标签的标签类别设置所述多个用户集;每个用户集包括同一类属性标签对应的至少一个终端标识。
可选地,所述第一获取模块包括:
第一获取子模块,用于从各用户终端获取各用户输入的用户属性信息;
或者包括,第二获取子模块,用于从云服务器获取各用户的用户属性信息,所述各用户的用户属性信息是对应的各用户终端上传至所述云服务器的。
可选地,所述装置还包括:
第二获取模块,用于按照预设的时间周期,获取各用户的更新用户属性信息;
更新模块,用于根据各更新用户属性信息,对所述多个用户集进行更新。
可选地,所述目标用户属性信息包括用户身份信息、用户年龄信息、用户位置信息、用户使用时段信息、用户体征信息、用户运动习惯信息中的任意一个。
可选地,所述目标用户属性信息包括用户身份信息、用户年龄信息、用户位置信息、用户使用时段信息、用户体征信息、用户运动习惯信息中的至少两个;所述查找模块20包括:
查找子模块,用于根据所述目标用户属性信息对应的多个目标属性标签,在所述多个用户集中查找与各目标属性标签对应的目标用户集;
对应地,所述信息推荐模块30包括:
第三获取子模块获取各目标用户集的用户集交集;
第一信息推荐子模块,用于将所述待推荐的推荐信息下发至所述用户集交集中的终端标识对应的用户终端。
可选地,所述装置还包括:
发送模块,用于发送在线检测指令至所述用户终端;所述在线检测指令用于指示所述用户终端检测按摩设备是否在线;
对应地,所述信息推荐模块30包括:
第二信息推荐子模块,用于若接收到所述用户终端返回的按摩设备在线结果,则将所述待推荐的推荐信息下发至所述目标用户集中的终端标识对应的用户终端。
本实施例提供的信息推荐装置,可以执行上述信息推荐方法实施例,其实现原理和技术效果类似,在此不再赘述。关于信息推荐装置的具体限定可以参见上文中对于信息推荐方法的限定,在此不再赘述。上述信息推荐装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,还提供了一种如图8所示的计算机设备,该计算机设备可以是服务器,其内部结构图可以如图8所示。该计算机设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信,无线方式可通过WIFI、运营商网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种信息推荐方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图8中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现以下步骤:
确定待推荐的推荐信息对应的目标用户属性信息;
根据所述目标用户属性信息对应的目标属性标签,在多个用户集中查找与所述目标属性标签对应的目标用户集;所述目标用户集包括至少一个具有所述目标属性标签的终端标识;
将所述待推荐的推荐信息下发至所述目标用户集中的终端标识对应的用户终端。
在一个实施例中,该处理器执行计算机程序时实现以下步骤:
获取各用户的用户属性信息;
确定各用户属性信息分别对应的属性标签,并将各属性标签和所述各属性标签分别对应的用户终端的终端标识关联;
按照所述各属性标签的标签类别设置所述多个用户集;每个用户集包括同一类属性标签对应的至少一个终端标识。
在一个实施例中,该处理器执行计算机程序时实现以下步骤:
从各用户终端获取各用户输入的用户属性信息;
或者,从云服务器获取各用户的用户属性信息,所述各用户的用户属性信息是对应的各用户终端上传至所述云服务器的。
在一个实施例中,该处理器执行计算机程序时实现以下步骤:
按照预设的时间周期,获取各用户的更新用户属性信息;
根据各更新用户属性信息,对所述多个用户集进行更新。
在一个实施例中,所述目标用户属性信息包括用户身份信息、用户年龄信息、用户位置信息、用户使用时段信息、用户体征信息、用户运动习惯信息中的任意一个。
在一个实施例中,所述目标用户属性信息包括用户身份信息、用户年龄信息、用户位置信息、用户使用时段信息、用户体征信息、用户运动习惯信息中的至少两个;该处理器执行计算机程序时实现以下步骤:
根据所述目标用户属性信息对应的多个目标属性标签,在所述多个用户集中查找与各目标属性标签对应的目标用户集;
对应地,所述将所述待推荐的推荐信息下发至所述目标用户集中的终端标识对应的用户终端,包括:
获取各目标用户集的用户集交集;
将所述待推荐的推荐信息下发至所述用户集交集中的终端标识对应的用户终端。
在一个实施例中,该处理器执行计算机程序时实现以下步骤:
发送在线检测指令至所述用户终端;所述在线检测指令用于指示所述用户终端检测按摩设备是否在线;
对应地,所述将所述待推荐的推荐信息下发至所述目标用户集中的终端标识对应的用户终端,包括:
若接收到所述用户终端返回的按摩设备在线结果,则将所述待推荐的推荐信息下发至所述目标用户集中的终端标识对应的用户终端。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Ramb微秒)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
确定待推荐的推荐信息对应的目标用户属性信息;
根据所述目标用户属性信息对应的目标属性标签,在多个用户集中查找与所述目标属性标签对应的目标用户集;所述目标用户集包括至少一个具有所述目标属性标签的终端标识;
将所述待推荐的推荐信息下发至所述目标用户集中的终端标识对应的用户终端。
在一个实施例中,计算机程序被处理器执行时实现以下步骤:
获取各用户的用户属性信息;
确定各用户属性信息分别对应的属性标签,并将各属性标签和所述各属性标签分别对应的用户终端的终端标识关联;
按照所述各属性标签的标签类别设置所述多个用户集;每个用户集包括同一类属性标签对应的至少一个终端标识。
在一个实施例中,计算机程序被处理器执行时实现以下步骤:
从各用户终端获取各用户输入的用户属性信息;
或者,从云服务器获取各用户的用户属性信息,所述各用户的用户属性信息是对应的各用户终端上传至所述云服务器的。
在一个实施例中,计算机程序被处理器执行时实现以下步骤:
按照预设的时间周期,获取各用户的更新用户属性信息;
根据各更新用户属性信息,对所述多个用户集进行更新。
在一个实施例中,计算机程序被处理器执行时实现以下步骤:
所述目标用户属性信息包括用户身份信息、用户年龄信息、用户位置信息、用户使用时段信息、用户体征信息、用户运动习惯信息中的任意一个。
在一个实施例中,所述目标用户属性信息包括用户身份信息、用户年龄信息、用户位置信息、用户使用时段信息、用户体征信息、用户运动习惯信息中的至少两个;计算机程序被处理器执行时实现以下步骤:
根据所述目标用户属性信息对应的多个目标属性标签,在所述多个用户集中查找与各目标属性标签对应的目标用户集;
对应地,所述将所述待推荐的推荐信息下发至所述目标用户集中的终端标识对应的用户终端,包括:
获取各目标用户集的用户集交集;
将所述待推荐的推荐信息下发至所述用户集交集中的终端标识对应的用户终端。
在一个实施例中,计算机程序被处理器执行时实现以下步骤:
发送在线检测指令至所述用户终端;所述在线检测指令用于指示所述用户终端检测按摩设备是否在线;
对应地,所述将所述待推荐的推荐信息下发至所述目标用户集中的终端标识对应的用户终端,包括:
若接收到所述用户终端返回的按摩设备在线结果,则将所述待推荐的推荐信息下发至所述目标用户集中的终端标识对应的用户终端。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种信息推荐方法,其特征在于,所述方法包括:
确定待推荐的推荐信息对应的目标用户属性信息;
根据所述目标用户属性信息对应的目标属性标签,在多个用户集中查找与所述目标属性标签对应的目标用户集;所述目标用户集包括至少一个具有所述目标属性标签的终端标识;
将所述待推荐的推荐信息下发至所述目标用户集中的终端标识对应的用户终端。
2.根据权利要求1所述的方法,其特征在于,所述在多个用户集中查找与所述目标属性标签对应的目标用户集之前,还包括:
获取各用户的用户属性信息;
确定各用户属性信息分别对应的属性标签,并将各属性标签和所述各属性标签分别对应的用户终端的终端标识关联;
按照所述各属性标签的标签类别设置所述多个用户集;每个用户集包括同一类属性标签对应的至少一个终端标识。
3.根据权利要求2所述的方法,其特征在于,所述获取各用户的用户属性信息,包括:
从各用户终端获取各用户输入的用户属性信息;
或者,从云服务器获取各用户的用户属性信息,所述各用户的用户属性信息是对应的各用户终端上传至所述云服务器的。
4.根据权利要求2或3所述的方法,其特征在于,所述方法还包括:
按照预设的时间周期,获取各用户的更新用户属性信息;
根据各更新用户属性信息,对所述多个用户集进行更新。
5.根据权利要求1所述的方法,其特征在于,所述目标用户属性信息包括用户身份信息、用户年龄信息、用户位置信息、用户使用时段信息、用户体征信息、用户运动习惯信息中的任意一个。
6.根据权利要求1所述的方法,其特征在于,所述目标用户属性信息包括用户身份信息、用户年龄信息、用户位置信息、用户使用时段信息、用户体征信息、用户运动习惯信息中的至少两个;所述根据所述目标用户属性信息对应的目标属性标签,在多个用户集中查找与所述目标属性标签对应的目标用户集,包括:
根据所述目标用户属性信息对应的多个目标属性标签,在所述多个用户集中查找与各目标属性标签对应的目标用户集;
对应地,所述将所述待推荐的推荐信息下发至所述目标用户集中的终端标识对应的用户终端,包括:
获取各目标用户集的用户集交集;
将所述待推荐的推荐信息下发至所述用户集交集中的终端标识对应的用户终端。
7.根据权利要求1所述的方法,其特征在于,所述方法还包括:
发送在线检测指令至所述用户终端;所述在线检测指令用于指示所述用户终端检测按摩设备是否在线;
对应地,所述将所述待推荐的推荐信息下发至所述目标用户集中的终端标识对应的用户终端,包括:
若接收到所述用户终端返回的按摩设备在线结果,则将所述待推荐的推荐信息下发至所述目标用户集中的终端标识对应的用户终端。
8.一种信息推荐装置,其特征在于,所述装置包括:
确定模块,用于确定待推荐的推荐信息对应的目标用户属性信息;
查找模块,用于根据所述目标用户属性信息对应的目标属性标签,在多个用户集中查找与所述目标属性标签对应的目标用户集;所述目标用户集包括至少一个具有所述目标属性标签的终端标识;
信息推荐模块,用于将所述待推荐的推荐信息下发至所述目标用户集中的终端标识对应的用户终端。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010380160.9A CN113630429A (zh) | 2020-05-08 | 2020-05-08 | 信息推荐方法、装置、计算机设备和计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010380160.9A CN113630429A (zh) | 2020-05-08 | 2020-05-08 | 信息推荐方法、装置、计算机设备和计算机可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113630429A true CN113630429A (zh) | 2021-11-09 |
Family
ID=78376987
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010380160.9A Pending CN113630429A (zh) | 2020-05-08 | 2020-05-08 | 信息推荐方法、装置、计算机设备和计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113630429A (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102043781A (zh) * | 2009-10-23 | 2011-05-04 | 华为技术有限公司 | 一种网页资源推荐方法及装置 |
CN109493199A (zh) * | 2019-01-04 | 2019-03-19 | 深圳壹账通智能科技有限公司 | 产品推荐方法、装置、计算机设备和存储介质 |
CN110135257A (zh) * | 2019-04-12 | 2019-08-16 | 深圳壹账通智能科技有限公司 | 业务推荐数据生成、装置、计算机设备和存储介质 |
CN110968780A (zh) * | 2018-09-30 | 2020-04-07 | 腾讯科技(深圳)有限公司 | 页面内容推荐方法、装置、计算机设备和存储介质 |
-
2020
- 2020-05-08 CN CN202010380160.9A patent/CN113630429A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102043781A (zh) * | 2009-10-23 | 2011-05-04 | 华为技术有限公司 | 一种网页资源推荐方法及装置 |
CN110968780A (zh) * | 2018-09-30 | 2020-04-07 | 腾讯科技(深圳)有限公司 | 页面内容推荐方法、装置、计算机设备和存储介质 |
CN109493199A (zh) * | 2019-01-04 | 2019-03-19 | 深圳壹账通智能科技有限公司 | 产品推荐方法、装置、计算机设备和存储介质 |
CN110135257A (zh) * | 2019-04-12 | 2019-08-16 | 深圳壹账通智能科技有限公司 | 业务推荐数据生成、装置、计算机设备和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112632385B (zh) | 课程推荐方法、装置、计算机设备及介质 | |
CN111209474A (zh) | 在线课程的推荐方法、装置、计算机设备和存储介质 | |
CN110853750A (zh) | 健康管理设备的控制方法、装置、计算机设备和存储介质 | |
CN110727860A (zh) | 基于互联网美容平台的用户画像方法、装置、设备及介质 | |
CN112084413B (zh) | 一种信息推荐的方法、装置及存储介质 | |
CN111651570A (zh) | 文本语句处理方法、装置、电子设备以及存储介质 | |
CN110233879A (zh) | 智能推送界面方法、装置、计算机设备及存储介质 | |
CN115544241B (zh) | 一种线上作业的智能推送方法及装置 | |
CN114461871B (zh) | 推荐模型训练方法、对象推荐方法、装置及存储介质 | |
CN110221835A (zh) | 在前端页面中增加控件的方法及装置 | |
CN113204659A (zh) | 多媒体资源的标签分类方法、装置、电子设备及存储介质 | |
CN114386386B (zh) | 基于增量学习的评论生成方法、系统、设备及存储介质 | |
CN112259078A (zh) | 一种音频识别模型的训练和非正常音频识别的方法和装置 | |
CN113704511B (zh) | 多媒体资源的推荐方法、装置、电子设备及存储介质 | |
CN114201626B (zh) | 多媒体推荐方法、装置、电子设备及存储介质 | |
CN111506596A (zh) | 信息检索方法、装置、计算机设备和存储介质 | |
CN113468402B (zh) | 目标对象确定方法、装置及存储介质 | |
JP2018205978A (ja) | 情報抽出装置及び情報抽出方法 | |
CN112765241B (zh) | 召回数据确定方法、装置及存储介质 | |
JP2019053558A (ja) | 学習装置、学習方法、学習プログラム、第1のモデルおよび第2のモデル | |
CN114360674A (zh) | 基于医疗健康大数据的慢性病诊疗方案预测方法 | |
CN112069782B (zh) | 文档模板生成方法、装置、电子设备及存储介质 | |
WO2018024222A1 (zh) | 应用推荐方法、装置及服务器 | |
CN113630429A (zh) | 信息推荐方法、装置、计算机设备和计算机可读存储介质 | |
CN111291868A (zh) | 网络模型训练方法、装置、设备及计算机可读存储介质 |
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 |