CN114817366A - 一种推荐内容确定方法、装置、电子设备及存储介质 - Google Patents

Abstract

本发明公开了一种推荐内容确定方法、装置、电子设备及存储介质。基于多个用户在预定文件传输系统的传输关系，确定多个所述用户的用户传输关系图；根据所述用户传输关系图，确定多个所述用户中第一用户的传输关系用户特征表达，其中，传输关系用户特征表达，采用多个所述用户中的至少一个第二用户的用户特征表达所述第一用户的用户特征；至少基于所述传输关系用户特征表达，采用预定模型，确定对应于所述第一用户的推荐内容。实现对第一用户的用户特征进行补充，丰富第一用户的用户特征，提高推荐系统确定第一用户推荐内容的准确性。

Description

一种推荐内容确定方法、装置、电子设备及存储介质

技术领域

本发明涉及信息技术领域，尤其涉及一种推荐内容确定方法、装置、电子设备及存储介质。

背景技术

推荐系统的工作原理是分析并挖掘用户特征数据，如历史行为等数据，通过预先训练的模型去预测推荐内容，如用户可能感兴趣的物品或者信息，并推荐给用户。推荐系统不需要用户准确地描述出自己的需求，而是根据用户特征等数据进行建模，主动提供满足用户感兴趣的物品或者信息。推荐系统工作的前提是需要一定量的用户特征数据，因此当用户特征数据不足的时候，推荐系统的预测准确性会收到影响。

发明内容

本发明提供一种推荐内容确定方法、装置、电子设备及存储介质。

根据本发明实施例的第一方面，提供一种推荐内容确定方法，所述方法包括：

基于多个用户在预定文件传输系统的传输关系，确定多个所述用户的用户传输关系图；

根据所述用户传输关系图，确定多个所述用户中第一用户的传输关系用户特征表达，其中，传输关系用户特征表达，采用多个所述用户中的至少一个第二用户的用户特征表达所述第一用户的用户特征；

至少基于所述传输关系用户特征表达，采用预定模型，确定对应于所述第一用户的推荐内容。

在一个实施例中，所述根据所述用户传输关系图，确定多个所述用户中第一用户的传输关系用户特征表达，包括：

根据所述用户传输关系图，采用图形采样与聚合graphSAGE算法确定所述第一用户的所述传输关系用户特征表达。

在一个实施例中，所述至少基于所述传输关系用户特征表达，采用预定模型，确定对应于所述第一用户的推荐内容，包括：

基于所述传输关系用户特征表达和所述第一用户的已知用户特征，采用预定模型，确定对应于所述第一用户的所述推荐内容。

在一个实施例中，所述传输关系用户特征表达包括：所述传输关系用户特征嵌入表达；

所述至少基于所述传输关系用户特征表达，采用预定模型，确定对应于所述第一用户的推荐内容，包括：

比较所述第二用户的用户特征的嵌入表达，与所述传输关系用户特征嵌入表达的差异；

将所述差异值小于差异阈值的至少一个所述第二用户的用户特征作为所述预定模型的输入，确定所述第一用户的推荐内容。

在一个实施例中，所述用户特征包括以下至少之一：

用户属性特征；

用户行为特征。

根据本发明实施例的第二方面，提供一种推荐内容确定装置，所述装置包括：

第一处理模块，用于基于多个用户在预定文件传输系统的传输关系，确定多个所述用户的用户传输关系图；

第二处理模块，用于根据所述用户传输关系图，确定多个所述用户中第一用户的传输关系用户特征表达，其中，传输关系用户特征表达，采用多个所述用户中的至少一个第二用户的用户特征表达所述第一用户的用户特征；

第三处理模块，用于至少基于所述传输关系用户特征表达，采用预定模型，确定对应于所述第一用户的推荐内容。

在一个实施例中，所述第二处理模块，具体用于：

根据所述用户传输关系图，采用图形采样与聚合graphSAGE算法确定所述第一用户的所述传输关系用户特征表达。

在一个实施例中，所述第三处理模块，具体用于：

基于所述传输关系用户特征表达和所述第一用户的已知用户特征，采用预定模型，确定对应于所述第一用户的所述推荐内容。

在一个实施例中，所述传输关系用户特征表达包括：所述传输关系用户特征嵌入表达；

所述第三处理模块，具体用于：

比较所述第二用户的用户特征的嵌入表达，与所述传输关系用户特征嵌入表达的差异；

将所述差异值小于差异阈值的至少一个所述第二用户的用户特征作为所述预定模型的输入，确定所述第一用户的推荐内容。

在一个实施例中，所述用户特征包括以下至少之一：

用户属性特征；

用户行为特征。

根据本发明实施例的第三方面，提供一种电子设备，包括：处理器、收发器、存储器及存储在存储器上并能够有所述处理器运行的可执行程序，所述处理器运行所述可执行程序时执行如第一方面所述推荐内容确定方法的步骤。

根据本发明实施例的第四方面，提供一种存储介质，其上存储由可执行程序，所述可执行程序被处理器执行时实现如第四方面所述推荐内容确定方法的步骤。

本发明的实施例提供的推荐内容确定方法、装置及存储介质，基于多个用户在预定文件传输系统的传输关系，确定多个所述用户的用户传输关系图；根据所述用户传输关系图，确定多个所述用户中第一用户的传输关系用户特征表达，其中，传输关系用户特征表达，采用多个所述用户中的至少一个第二用户的用户特征表达所述第一用户的用户特征；至少基于所述传输关系用户特征表达，采用预定模型，确定对应于所述第一用户的推荐内容。如此，采用与第一用户具有传输关系的第二用户的用户特征，确定第一用户的传输关系用户特征表达，进而至少通过传输关系用户特征表达确定第一用户的推荐内容，实现对第一用户的用户特征进行补充，丰富第一用户的用户特征，提高推荐系统确定第一用户推荐内容的准确性。

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，并不能限制本发明。

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，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。

图1是根据一示例性实施例示出一种推荐内容确定方法的流程示意图；

图2是根据一示例性实施例示出的一种传输关系示意图；

图3是根据一示例性实施例示出另一种推荐内容确定方法的流程示意图；

图4是根据一示例性实施例示出又一种推荐内容确定方法的流程示意图；

图5是根据一示例性实施例示出的一种推荐内容确定装置的组成结构示意图；

图6是根据一示例性实施例示出的一种用于推荐内容确定的装置的框图。

具体实施方式

这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本发明实施例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、本发明实施例的一些方面相一致的装置和方法的例子。

在本发明实施例使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本发明实施例。在本发明实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。

应当理解，尽管在本发明实施例可能采用术语第一、第二、第三等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本发明实施例范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。

本发明实施例涉及的执行主体包括但不限于：手机、电脑、服务器、算力设备、平板电脑和具有触摸功能的人际交互设备等终端。

广告投放系统是推荐系统中的一类。智能创意是广告投放系统中很重要的一个模块，提供广告主进行广告投放所需的千人千面的个性化广告素材，从而达到广告产品形态呈现多样式、多物料组合形态，而个性化广告素材生成时需要使用用户特征。当广告场景用户特征为比较稀疏，甚至为新用户创意生成时，会引起推荐系统推理的偏差，导致推荐内容，如个性化创意不是最优和素材生成样式不足的情况。

因此，广告投放系统等推荐系统中，针对用户特征不足的情况，如何丰富用户的用户特征，提高推荐系统确定推荐内容的准确性，是亟待解决的问题。

图1是根据一示例性实施例示出的一种推荐内容确定方法的流程图，如图1所示，包括以下步骤：

步骤101：基于多个用户在预定文件传输系统的传输关系，确定多个所述用户的用户传输关系图；

步骤102：根据所述用户传输关系图，确定多个所述用户中第一用户的传输关系用户特征表达，其中，传输关系用户特征表达，采用多个所述用户中的至少一个第二用户的用户特征表达所述第一用户的用户特征；

步骤103：至少基于所述传输关系用户特征表达，采用预定模型，确定对应于所述第一用户的推荐内容。

可以由具有数据处理能力的计算设备，如推荐系统所在的电脑系统等执行推荐内容确定方法。

这里，推荐内容包括但不限于：广告投放系统中针对不同用户的个性化广告素材、物料、广告创意方式等。

传输关系可以包括但不限于：预定文件传输系统中的数据传输关系。其中，数据可以包括：文件形式的数据。

在一个实施例中，预定文件传输系统可以包括：短距离文件传输系统。如：面对面文件传输系统。

传输关系可以包括但不限于：直接的传输关系，和/或间接的传输关系。

用户包括：实体用户和/或虚体用户等。虚体用户可以包括但不限于：ip地址、经纬度、设备指纹、账户、联系人等相关信息。虚体用户可以表征实体用户。例如，可以认为一个IP地址可以对应于一个实体用户。

用户传输关系图可以各用户进行传输的关联图谱，在用户传输关系图中用户是图谱的节点，用户和用户之间的关系构成了图谱中的边，用户传输关系图基于预定文件传输系统中的历史传输数据建立关系网络图。

可以基于预定文件传输系统中各用户相互之间的数据传输，确定用户的传输关系，可以通过数据抽取和转换，采用图计算引擎对预定文件传输系统中的数据进行查询和分析，确定用户传输关系图。

可以建立如图2所示的用户传输关系图，用户A和用户D具有直接的传输关系，用户D和用户C具有直接的传输关系，那么，用户C和用户A具有间接的传输关系。其中，用户A和用户C之间可以通过用户D间接进行过文件传输，用户A和用户C之间也可以未通过用户D间接进行过文件传输。

用户D可以称为用户A的第一层传输对象，用户B和用户C可以称为用户A的第二层传输对象，以此类推，用户E、用户F、用户G可以称为用户A的第三次传输对象。

在一个实施例中，所述用户特征包括以下至少之一：

用户属性特征；

用户行为特征。

用户特征可以是关联与推荐内容的特征。用户特征可以与用户的兴趣点具有一定的关联性，进而与推荐内容实现关联。

用户特征可以是预先存储在推荐系统中。用户特征也可以是用户在进行关联于推荐系统和/或预定文件传输系统等系统的操作时，由推荐系统和/或预定文件传输系统等系统收集的。例如，，关联于预定文件传输系统的操作可以包括但不限于：注册预定文件传输系统、登录预定文件传输系统、访问预定文件传输系统和/或通过文件传输系统进行文件传输等。

用户属性特征，可以包括但不限于：用户的性别属性用户的职业属性等。用户属性特征与推荐内容具有关联性。例如，职业属性为教师的用户对教育相关的推荐内容感兴趣几率较大。

用户行为特征，可以包括但不限于：用户访问网页类型、用户传输数据类型、用户在某类型网络的停留时间等。用户行为特征与推荐内容具有关联性。例如，用户访问网页类型中体育相关网页较多，那么用户对体育相关的推荐内容感兴趣的几率较大。

结合用户属性特征和用户行为特征，可以进一步体现用户的兴趣点。进而提高推荐系统推荐准确性。

针对单个用户，用户特征越丰富，对于用户的描述越准确，推荐系统确定的推荐内容越准确。用户特征越稀疏，对于用户的描述越模糊，推荐系统确定的推荐内容越不准确。

在一个实施例中，推荐系统可以基于用户特征，确定用户感兴趣的推荐内容。

例如，广告投放系统中，可以基于用户的用户特征，采用机器学习模型等，确定针对该用户的个性化广告素材、物料、广告创意方式等。

在预定文件传输系统具有传输关系的多个用户，可以认为具有一定的相关性，进而确定该多个用户的用户特征存在有关联关系。

传输关系用户特征表达可以是采用与第一用户具有传输关系的第二用户的用户特征，表征第一用户的用户特征。

例如，在短距离文件传输系统进行相互传输文件的两个用户，可以认为两者之间存在有关联关系的几率较大：如可以确定两者为朋友、同事、相互认识的几率较大，进而可以推断两者用户特征存在相似或相同点的几率较大。

因此，针对用户特征稀疏或者用户特征缺失的第一用户，可以采用与第一用户具有传输关系的第二用户的用户特征进行补充。针对一个第一用户，第二用户的数量可以有一个或多个。

示例性的，可以基于第二用户的权重，将第二用户的用户特征补充给第一用户。

第二用户的权重，可以基于第二用户与第一用户的关联性确定的。针对具有较强关联性的第二用户的权重越大，具有较弱关联性的第二用户的权重越小。

第二用户与第一用户的关联性，可以基于第二用户与第一用户的传输方式、传输次数、传输数据量、传输频次等确定。

例如：如果第二用户为第一用户的第一层传输对象，那么该第二用户的权重较大。如果第二用户为第一用户的第二层传输对象，那么该第二用户的权重较小。以此类推。

再例如，如果两个第二用户均为第一用户的第一层传输对象，并且其中一个第二用户与第一用户的传输频次较密，那么该第二用户的权重较另一个用户的权重大。

可以采用传输关系用户特征表达来表征基于第一用户的传输关系确定的第户的用户特征。

示例性的，传输关系用户特征表达可以是与第一用户关联的第二用户的用户特征与对应权重的计算结果。与第一用户关联的第二用户包括：与第一用户具有传输关系的第二用户。

在一个实施例中，传输关系用户特征表达，采用一个第二用户的用户特征表达所述第一用户的用户特征。

示例性的，以广告投放为例，如图2所示，用户G为新用户，推荐系统中不具有用户C的用户特征，如广告行为特征。用户G与用户C具有强关联性，例如：用户G仅与用户C发生传输关系，并且传输频率较高。则可以故可以使用C的用户特征作为用户特征表达对G进行补充，丰富用户G的用户特征。

确定传输关系用户特征表达，即确定第一用户的用户特征后，推荐系统利用预定模型可以确定用户感兴趣的推荐内容。

预定模型可以是CNN等深度学习模型。例如，预定模型可以采用已知用户的用户特征和用户感兴趣的内容进行训练。预定模型可以基于传输关系用户特征表达，确定用户的推荐内容。

例如，广告投放系统中，可以基于第一用户的传输关系用户特征表达，采用机器学习模型，如智能创意模型等，确定针对第一用户的个性化广告素材、物料、广告创意方式等。

如此，采用与第一用户具有传输关系的第二用户的用户特征，确定第一用户的传输关系用户特征表达，进而至少通过传输关系用户特征表达确定第一用户的推荐内容，实现对第一用户的用户特征进行补充，丰富第一用户的用户特征，提高推荐系统确定第一用户推荐内容的准确性。

在一个实施例中，所述根据所述用户传输关系图，确定多个所述用户中第一用户的传输关系用户特征表达，包括：

根据所述用户传输关系图，采用图形采样与聚合graphSAGE算法确定所述第一用户的所述传输关系用户特征表达。

图形采样与聚合(graphSAGE，Graph SAmple and aggreGatE)包含针对用户传输关系图的采样和聚合，首先使用用户传输关系图节点(用户)之间连接信息，对相邻节点(相邻用户)进行采样，然后通过多层聚合函数不断地将相邻节点的信息融合在一起。用融合后的信息预测节点(第一用户)标签。

graphSAGE算法通过邻节点采样的方式解决了图卷积网络对大量内存的需求，适用于大规模用户传输关系图；将直推式学习转化为归纳式学习，避免节点的特征每次都需要重训的情况，支持增量特征；引入邻居采样，会将直推式节点只表示一种局部结构转变为对应多种局部结构的节点归纳表示，可有效防止训练过拟合，增强泛化能力。

在一个实施例中，所述至少基于所述传输关系用户特征表达，采用预定模型，确定对应于所述第一用户的推荐内容，包括：

基于所述传输关系用户特征表达和所述第一用户的已知用户特征，采用预定模型，确定对应于所述第一用户的所述推荐内容。

第一用户的已知用户特征，可以是第一用户在进行关联于预定文件传输系统等系统的操作时，由预定文件传输系统等系统收集的。例如，关联于预定文件传输系统的操作可以包括但不限于：注册预定文件传输系统、登录预定文件传输系统、访问预定文件传输系统和/或通过文件传输系统进行文件传输等。用户特征也可以是预先存储在推荐系统中。

示例性的，由于不同用户关联于预定文件传输系统的操作的频次、次数以及每次操作的持续时长等均不一定相同，不同用户上传到预定文件传输系统中用户特征也不同。因此，推荐系统能够获取的不同用户的用户特征不同。

第一用户可以是具有稀疏用户特征的用户。仅采用第一用户已知的用户特征，推荐系统的推荐准确程度小于预定的准确度阈值。

在确定第一用户的传输关系用户特征表达后，可以结合采用第一用户已知的用户特征，得到第一用户最终的用户特征。推荐系统利用预定模型，根据第一用户最终的用户特征确定第一用户的推荐内容。

在一个实施例中，结合第一用户的传输关系用户特征表达与第一用户已知的用户特征，得到第一用户最终的用户特征，可以包括：基于传输关系用户特征表达与第一用户已知的用户特征各自对应的权重，确定第一用户最终的用户特征。

在一个实施例中，结合第一用户的传输关系用户特征表达与第一用户已知的用户特征，得到第一用户最终的用户特征，可以包括：剔除传输关系用户特征表达中与第一用户已知的用户特征不一致的用户特征，结合剔除不一致的用户特征的传输关系用户特征表达，与第一用户已知的用户特征，得到第一用户最终的用户特征。

由于第一用户最终的用户特征，由传输关系用户特征表达与第一用户已知的用户特征，相对第一用户已知的用户特征，第一用户的用户特征得到了丰富，如此，可以提高推荐系统确定推荐内容的准确性。

示例性的，如图3所示，广告投放系统中，确定推荐内容(用户个性化素材)的具体步骤包括：

步骤301：基于预定文件传输系统的用户传输关系构建关联与第一用户的用户传输关系图。

步骤302：使用图挖掘算法，例如，使用的graphSAGE算法对用户传输关系图进行挖掘，生成第一用户对应的传输关系用户特征表达。

步骤303：将graphSAGE算法生成的传输关系用户特征表达与第一用户本身的用户特征作为智能创意的输入，为用户生成个性化素材。

在一个实施例中，所述传输关系用户特征表达包括：所述传输关系用户特征嵌入表达；

所述至少基于所述传输关系用户特征表达，采用预定模型，确定对应于所述第一用户的推荐内容，包括：

比较所述第二用户的用户特征的嵌入表达，与所述传输关系用户特征嵌入表达的差异；

将所述差异值小于差异阈值的至少一个所述第二用户的用户特征作为所述预定模型的输入，确定所述第一用户的推荐内容。

这里，可以基于传输关系用户特征表达，确定一个或多个与第一用户具有相似性的第二用户，直接以第二用户的用户特征作为预定模型的输入，确定第一用户的推荐内容。

直接采用第二用户的用户特征，更具真实性，采用第二用户的用户特征更贴近第一用户的真实情况，使得推荐系统确定的推荐内容更准确。

可以将确定的传输关系用户特征嵌入表达，与第二用户的用户特征的嵌入表达进行比较，将比较差异值小于差异阈值的第二用户的用户特征作为所述预定模型的输入。

传输关系用户特征表达可以通过深度学习模型等进行向量表达。采用传输关系用户特征嵌入表达来表示将传输关系用户特征表达，传输关系用户特征嵌入表达可以使得相似的用户特征表达在多维空间中也同样相似；不同的用户特征表达在多维空间内要保持得足够远，如此，一方面，通过嵌入表达进行比较，提高比较的便捷性，另一方面，通过嵌入表达进行比较，可以提高传输关系用户特征表达与第二用户的用户特征比较的准确性。进而提高推荐系统推荐内容的准确性。

示例性的，如图2所示，广告投放系统中，对于新用户G是没有站内广告行为用户特征的，可以使用用户C的用户特征表达对用户G进行补充，丰富用户特征。这里，用户C的用户特征的嵌入表达，与用户G的传输关系用户特征嵌入表达的差异值可以小于差异阈值。

以下结合上述任意实施例提供1个具体示例：

针对广告场景用户行为特征不足问题和新用户个性化创意生成问题，提出了基于“Shareit”用户传输关系使用图挖掘算法，来挖掘用户之间的图关系。根据用户关系来解决用户行为特征不足和新用户没有用户行为特征问题，从而达到为用户更好的生成展示素材。

“Shareit”是一款文件传输app，用户会使用“Shareit”和好友进行文件传输，形成用户间的文件传输关系，“Shareit”用户进行文件传输具有距离限制，所以线下是好友关系的几率较大，“Shareit”传输关系图谱如图2所示。

本示例方案的核心思想是通过图挖掘算法对用户在“Shareit”上的用户传输关系进行挖掘，使用传输关系加上用户特征，来丰富智能创意模型所需要的用户特征。

方案的优势：

针对新用户，可以进行个性化素材生成，新用户在经过用户传输图挖掘后，可以匹配到相似的老用户，使用老用户的特征作为新用户的特征，智能创意生成时就可以获取到新用户的特征，从而到底对新用户生成个性化素材的效果

针对行为稀疏的用户，可以通过用户传输关系，汇总用户之间的行为特征，从而到底丰度用户行为特征的目的。

如图2所示，用户B与用户A、用户C、用户D发生过传输行为，故是线下好友的几率较大，当用户A在“Shareit”站内对广告行为比较稀疏的情况下，线上使用的graphSAGE算法对用户A传输关系进行挖掘，生成用户A对应的特征表达，使用用户B、用户C、用户D的传输关系用户特征表达，对A进行特征补充。

对于新用户G是没有站内广告行为特征的，故可以使用C的用户特征表达对G进行补充，丰富用户特征。

如图4所示，基于用户图挖掘的智能创意算法具体流程是：

1.基于用户传输关系构建用户传输关系图。

2.使用图挖掘算法，线上使用的graphSAGE算法对传输关系进行挖掘，生成用户对应的特征表达。

3.将graphSAGE算法生成的用户传输关系特征与用户本身特征作为智能创意的输入，为用户生成个性化素材

4.智能创意模型会根据用户的传输关系特征的嵌入(embedding)表达，找到与该用户最相似的N个用户作为模型特征的用户传输特征进行输入，从而丰富用户特征，提高模型对用户个性化素材的理解与生成。

图5是根据一示例性实施例示出的一种推荐内容确定装置100，所述装置100包括：

第一处理模块110，用于基于多个用户在预定文件传输系统的传输关系，确定多个所述用户的用户传输关系图；

第二处理模块120，用于根据所述用户传输关系图，确定多个所述用户中第一用户的传输关系用户特征表达，其中，传输关系用户特征表达，采用多个所述用户中的至少一个第二用户的用户特征表达所述第一用户的用户特征；

第三处理模块130，用于至少基于所述传输关系用户特征表达，采用预定模型，确定对应于所述第一用户的推荐内容。

在一个实施例中，所述第二处理模块120，具体用于：

根据所述用户传输关系图，采用图形采样与聚合graphSAGE算法确定所述第一用户的所述传输关系用户特征表达。

在一个实施例中，所述第三处理模块130，具体用于：

基于所述传输关系用户特征表达和所述第一用户的已知用户特征，采用预定模型，确定对应于所述第一用户的所述推荐内容。

在一个实施例中，所述传输关系用户特征表达包括：所述传输关系用户特征嵌入表达；

所述第三处理模块130，具体用于：

比较所述第二用户的用户特征的嵌入表达，与所述传输关系用户特征嵌入表达的差异；

将所述差异值小于差异阈值的至少一个所述第二用户的用户特征作为所述预定模型的输入，确定所述第一用户的推荐内容。

在一个实施例中，所述用户特征包括以下至少之一：

用户属性特征；

用户行为特征。

图6根据一示例性实施例示出的一种推荐内容确定装置800的框图。例如，装置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6，装置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通常控制装置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。处理组件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，处理组件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装置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。

电源组件806为装置800的各种组件提供电力。电源组件806可以包括电源管理系统，一个或多个电源，及其他与为装置800生成、管理和分配电力相关联的组件。

多媒体组件808包括在所述装置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)，当装置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，用于为装置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，例如所述组件为装置800的显示器和小键盘，传感器组件814还可以检测装置800或装置800一个组件的位置改变，用户与装置800接触的存在或不存在，装置800方位或加速/减速和装置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被配置为便于装置800和其他设备之间有线或无线方式的通信。装置800可以接入基于通信标准的无线网络，如Wi-Fi，2G或3G，或它们的组合。在一个示例性实施例中，通信组件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，所述通信组件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，装置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，上述指令可由装置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。

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终端的处理器执行时，使得终端能够执行上述一种推荐内容确定方法的步骤。

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。本申请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发明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。

Claims (12)

1.一种推荐内容确定方法，其特征在于，所述方法包括：

基于多个用户在预定文件传输系统的传输关系，确定多个所述用户的用户传输关系图；

根据所述用户传输关系图，确定多个所述用户中第一用户的传输关系用户特征表达，其中，传输关系用户特征表达，采用多个所述用户中的至少一个第二用户的用户特征表达所述第一用户的用户特征；

至少基于所述传输关系用户特征表达，采用预定模型，确定对应于所述第一用户的推荐内容。

2.根据权利要求1所述的方法，其特征在于，所述根据所述用户传输关系图，确定多个所述用户中第一用户的传输关系用户特征表达，包括：

根据所述用户传输关系图，采用图形采样与聚合graphSAGE算法确定所述第一用户的所述传输关系用户特征表达。

3.根据权利要求1所述的方法，其特征在于，所述至少基于所述传输关系用户特征表达，采用预定模型，确定对应于所述第一用户的推荐内容，包括：

基于所述传输关系用户特征表达和所述第一用户的已知用户特征，采用预定模型，确定对应于所述第一用户的所述推荐内容。

4.根据权利要求1所述的方法，其特征在于，

所述传输关系用户特征表达包括：所述传输关系用户特征嵌入表达；

所述至少基于所述传输关系用户特征表达，采用预定模型，确定对应于所述第一用户的推荐内容，包括：

比较所述第二用户的用户特征的嵌入表达，与所述传输关系用户特征嵌入表达的差异；

将所述差异值小于差异阈值的至少一个所述第二用户的用户特征作为所述预定模型的输入，确定所述第一用户的推荐内容。

5.根据权利要求1至4任一项所述的方法，其特征在于，所述用户特征包括以下至少之一：

用户属性特征；

用户行为特征。

6.一种推荐内容确定装置，其特征在于，所述装置包括：

第一处理模块，用于基于多个用户在预定文件传输系统的传输关系，确定多个所述用户的用户传输关系图；

第二处理模块，用于根据所述用户传输关系图，确定多个所述用户中第一用户的传输关系用户特征表达，其中，传输关系用户特征表达，采用多个所述用户中的至少一个第二用户的用户特征表达所述第一用户的用户特征；

第三处理模块，用于至少基于所述传输关系用户特征表达，采用预定模型，确定对应于所述第一用户的推荐内容。

7.根据权利要求6所述的装置，其特征在于，所述第二处理模块，具体用于：

根据所述用户传输关系图，采用图形采样与聚合graphSAGE算法确定所述第一用户的所述传输关系用户特征表达。

8.根据权利要求6所述的装置，其特征在于，所述第三处理模块，具体用于：

基于所述传输关系用户特征表达和所述第一用户的已知用户特征，采用预定模型，确定对应于所述第一用户的所述推荐内容。

9.根据权利要求6所述的装置，其特征在于，

所述传输关系用户特征表达包括：所述传输关系用户特征嵌入表达；

所述第三处理模块，具体用于：

比较所述第二用户的用户特征的嵌入表达，与所述传输关系用户特征嵌入表达的差异；

将所述差异值小于差异阈值的至少一个所述第二用户的用户特征作为所述预定模型的输入，确定所述第一用户的推荐内容。

10.根据权利要求6至9任一项所述的装置，其特征在于，所述用户特征包括以下至少之一：

用户属性特征；

用户行为特征。

11.一种电子设备，包括：处理器、收发器、存储器及存储在存储器上并能够有所述处理器运行的可执行程序，其特征在于，所述处理器运行所述可执行程序时执行如权利要求1至5任一项所述推荐内容确定方法的步骤。

12.一种存储介质，其上存储由可执行程序，其特征在于，所述可执行程序被处理器执行时实现如权利要求1至5任一项所述推荐内容确定方法的步骤。

Images