CN114969493A

CN114969493A - 一种内容推荐方法和相关装置

Info

Publication number: CN114969493A
Application number: CN202110197236.9A
Authority: CN
Inventors: 向俊奇
Original assignee: Tencent Technology Beijing Co Ltd
Current assignee: Tencent Technology Beijing Co Ltd
Priority date: 2021-02-22
Filing date: 2021-02-22
Publication date: 2022-08-30

Abstract

本申请实施例公开了一种内容推荐方法和相关装置，至少涉及人工智能中的机器学习，通过获取内容平台中用户的内容查看历史数据，得到用户的耗时占比数据，该耗时占比数据可以客观、可量化的体现出用户对内容平台中不同内容的喜好程度，成为体现用户喜好的用户特征。通过耗时占比数据对用户进行分类得到多个用户类别，同一个用户类别中的用户对内容具有相似的喜好。在为目标用户推送目标内容时，基于前述用户分类确定目标用户所属的目标用户类别，由于内容平台中属于该目标用户类别的用户的内容喜好较为相似，可以根据属于该目标用户类别的用户确定向目标用户推荐的目标内容，避免了用户标签、内容标签在推荐中的各类问题，保证内容推荐的准确性。

Description

一种内容推荐方法和相关装置

技术领域

本申请涉及数据处理领域，特别是涉及一种内容推荐方法和相关装置。

背景技术

为了提高用户对内容平台的使用体验，内容平台会为用户推荐内容平台中的内容例如视频、直播间等，以期提高用户对内容平台使用粘性。

相关技术中，主要采用标签匹配的方式进行内容推荐，首先会确定用户的标签和平台中内容的标签，用户的标签是根据用户注册时选择的喜好确定的，内容的标签是根据内容本身涉及的内容类型确定的。然后基于用户与内容的标签相似度来确定推荐哪些内容给用户。

然而，标签本身的准确性实际上并不高，例如用户注册时随便选择自身喜好，或者手滑点错等情况都会导致用户标签不准确，而且标签的标识维度是人为规定的，随着内容类型的推陈出新，导致标签难以全面覆盖所有可能的内容类型。

基于上述标签的准确性和全面性问题，导致了以此进行内容推荐的效果并不理想。

发明内容

为了解决上述技术问题，本申请提供了一种内容推荐方法和相关装置，用于解决基于标签相似度为用户推荐内容效果不理想的问题。

本申请实施例公开了如下技术方案：

一方面，本申请提供一种内容推荐方法，所述方法包括：

获取内容平台中用户的内容查看历史数据；

根据所述内容查看历史数据中所标识内容的查看时长，确定所述用户的耗时占比数据，所述耗时占比数据用于标识所述内容平台中用户通过所述内容平台查看不同内容的耗时分布；

基于所述耗时占比数据对所述内容平台中用户进行分类，得到多个用户类别；

确定所述内容平台中的目标用户，所述目标用户属于所述多个用户类别中的目标用户类别；

根据所述内容平台中属于所述目标用户类别的用户，确定向所述目标用户推荐的目标内容。

另一方面，本申请提供一种内容推荐装置，所述装置包括：获取单元、第一确定单元、分类单元、第二确定单元和第三确定单元；

所述获取单元，用于获取内容平台中用户的内容查看历史数据；

所述第一确定单元，用于根据所述内容查看历史数据中所标识内容的查看时长，确定所述用户的耗时占比数据，所述耗时占比数据用于标识所述内容平台中用户通过所述内容平台查看不同内容的耗时分布；

所述分类单元，用于基于所述耗时占比数据对所述内容平台中用户进行分类，得到多个用户类别；

所述第二确定单元，用于确定所述内容平台中的目标用户，所述目标用户属于所述多个用户类别中的目标用户类别；

所述第三确定单元，用于根据所述内容平台中属于所述目标用户类别的用户，确定向所述目标用户推荐的目标内容。

另一方面，本申请提供一种计算机设备，所述设备包括处理器以及存储器：

所述存储器用于存储程序代码，并将所述程序代码传输给所述处理器；

所述处理器用于根据所述程序代码中的指令执行上述方面所述的方法。

另一方面，本申请实施例提供了一种计算机可读存储介质，所述计算机可读存储介质用于存储计算机程序，所述计算机程序用于执行上述方面所述的方法。

另一方面，本申请实施例提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述方面所述的方法。

由上述技术方案可以看出，通过获取内容平台中用户的内容查看历史数据，可以确定用户在该内容平台上查看不同内容的时长，根据内容查看历史数据得到用户的耗时占比数据，该耗时占比数据用于标识用户查看不同内容的耗时分布，即用户在内容平台的时间被不同内容消耗的比例，由于时间的消耗可以客观、可量化的体现出用户对内容平台中不同内容的喜好程度，从而基于该耗时占比数据可以从时间维度表征用户的内容喜好，能够代替相关技术中的用户标签作为体现用户喜好的用户特征。通过耗时占比数据对用户进行分类得到多个用户类别，以此得到的同一个用户类别中的用户对内容具有相似的喜好。在为目标用户推荐目标内容时，基于前述用户分类，能够确定目标用户所属的目标用户类别，由于内容平台中属于该目标用户类别的用户的内容喜好较为相似，由此可以根据该目标用户类别的用户作为内容推荐的依据，这种基于耗时占比数据这类客观数据进行的推荐方式中不需要考虑相关技术中的各类用户标签、内容标签，从而跳出了原标签带来的束缚，不仅避免了标签在推荐中的各类问题，而且目标用户类别的一些用户喜好的内容符合目标用户的喜好可能性较大，可以保证内容推荐的准确性。

附图说明

为了更清楚地说明本申请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申请的一些实施例，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，还可以根据这些附图获得其他的附图。

图1为本申请实施例提供的一种内容推荐方法的应用场景示意图；

图2为本申请实施例提供的一种内容推荐方法的流程图；

图3为本申请实施例提供的一种内容推荐方法的应用场景实施例的示意图；

图4为本申请实施例提供的一种内容推荐系统的示意图；

图5为本申请实施例提供的一种内容推荐装置的示意图；

图6为本申请实施例提供的服务器的结构示意图；

图7为本申请实施例提供的终端设备的结构示意图。

具体实施方式

下面结合附图，对本申请的实施例进行描述。

鉴于相关技术中基于用户和内容的标签相似度的内容推荐方式导致的内容推荐效果不理想的问题，本申请实施例提供一种内容推荐方法和相关装置，避免了基于标签的内容推荐方式的各类问题，提高了内容推荐的准确性。

本申请实施例提供的内容推荐方法是基于人工智能实现的，人工智能(Artificial Intelligence，AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。换句话说，人工智能是计算机科学的一个综合技术，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器。人工智能也就是研究各种智能机器的设计原理与实现方法，使机器具有感知、推理与决策的功能。

人工智能技术是一门综合学科，涉及领域广泛，既有硬件层面的技术也有软件层面的技术。人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。

在本申请实施例中，主要涉及的人工智能技术包括上述机器学习/深度学习等方向。

本申请提供的内容推荐方法可以应用于具有数据处理能力的内容推荐设备，如终端设备、服务器。其中，终端设备具体可以为智能手机、台式计算机、笔记本电脑、平板电脑、智能音箱、智能手表、智能电视、机顶盒等，但并不局限于此；服务器可以是独立的物理服务器，也可以是多个物理服务器构成的服务器集群或者分布式系统，还可以是提供云计算服务的云服务器。终端设备以及服务器可以通过有线或无线通信方式进行直接或间接地连接，本申请在此不做限制。

该内容推荐设备可以具备机器学习能力。机器学习是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。机器学习是人工智能的核心，是使计算机具有智能的根本途径，其应用遍及人工智能的各个领域。机器学习和深度学习通常包括人工神经网络等技术。

在本申请实施例提供的内容推荐方法中，采用的人工智能模型主要涉及对机器学习的应用，通过机器学习中例如聚类方法等对内容平台中的用户进行分类。

此外，本申请实施例提供的内容推荐设备还具备云计算能力，利用云计算能力对内容平台中用户的内容查看历史数据进行大数据处理，为目标用户推荐目标内容。其中，大数据(Big data)是指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。随着云时代的来临，大数据也吸引了越来越多的关注，大数据需要特殊的技术，以有效地处理大量的容忍经过时间内的数据。适用于大数据的技术，包括大规模并行处理数据库、数据挖掘、分布式文件系统、分布式数据库、云计算平台、互联网和可扩展的存储系统。

为了便于理解本申请的技术方案，下面结合实际应用场景，以服务器作为内容推荐设备对本申请实施例提供的内容推荐方法进行介绍。

参见图1，图1为本申请实施例提供的一种内容推荐方法的应用场景示意图。在图1所示的应用场景中，内容平台包括服务器100，用于为目标用户推荐目标内容。

服务器100获取内容平台中用户的内容查看历史数据。内容平台获取各类内容并分发给用户，以便用户查看不同的内容。其中，内容为创作者展现给用户的信息或者经验。例如，内容可以为直播间、新闻、视频、文章、有声读物等。在图1所示的场景中，内容平台为直播平台，该直播平台中共有100个用户，服务器100获取该直播平台中100个用户的内容查看历史数据。其中，内容查看历史数据主要为用户在该直播平台中产生的一些行为数据，例如查看时长、分享收藏、充值等数据。

服务器100根据获取的内容查看历史数据中所标识的查看时长，确定用户的耗时占比数据。其中，耗时占比数据用于标识内容平台中用户在该内容平台中查看不同内容的耗时分布。例如，用户通过图1所示的直播平台对不同直播间的查看时长是不同的，查看时长的耗时占比也是不同的。以只查看两个直播间的两个用户为例，用户i在A直播间的耗时占比数据为70％，在B直播间的耗时占比数据为30％；用户j在A直播间的耗时占比数据为30％，在B直播间的耗时占比数据为70％。

不同用户在直播平台中消耗的总时间是不同的，采用耗时占比数据可以客观的体现出不同用户在该直播平台中消耗的总时长不同的前提下，对不同直播间的喜好程度，从而不会被绝对时长影响，量化出用户对不同直播间的喜好程度，进而可以基于耗时占比数据表征用户的喜好。例如，在图1所示的场景中，基于耗时占比数据可知，用户i更喜欢A直播间，用户j更喜欢B直播间。

由于耗时占比数据可以表征用户的喜好，故服务器100可以基于耗时占比数据对用户进行分类，得到多个用户类别，属于同一个用户类别的用户对同一个直播间具有相似的喜好。例如，在图1所示的场景中，基于耗时占比数据将100个用户划分为两类，包括用户i的60个用户被划分为类型I；包括用户j的40个用户被划分为类型II。

在为目标用户推荐目标内容时，以用户i为目标用户为例，基于前述的用户分类结果，用户i属于的目标用户类别为类型I。由于属于同一个用户类别的用户对同一个直播间的喜好较为相似，因此可以依据属于类型I的用户，确定向用户i推荐的目标内容。例如，在图1所示的场景中，该直播平台中还具有C直播间和D直播间，正在查看C直播间的用户中属于类型I的用户为90％，正在查看D直播间的用户中属于类型I的用户为10％，属于类型I的用户可能更喜欢C直播间，由此可以将C直播间作为目标内容推荐给用户i。

由上述可知，基于耗时占比数据这类客观数据进行的推荐方式中不需要考虑相关技术中的各类用户标签、内容标签，从而跳出了原标签带来的束缚，不仅避免了标签在推荐中的各类问题，而且目标用户类别的一些用户喜好的内容符合目标用户的喜好可能性较大，可以保证内容推荐的准确性。

下面结合附图，以服务器作为内容推荐设备，对本申请实施例提供的一种内容推荐方法进行介绍。

参见图2，图2为本申请实施例提供的一种内容推荐方法的流程图。如图2所示，该内容推荐方法包括以下步骤：

S201：获取内容平台中用户的内容查看历史数据。

内容平台是获取各类内容并将内容分发给用户的互联网平台。其中，内容为创造者展现给用户的信息或者经验，例如，内容可以为直播间、新闻、视频、文章、有声读物等。

内容平台中的内容可以分为两大类，第一类为内容类型固定的内容，例如视频、有声读物、文章等。第二类为内容类型不固定的内容，例如直播间等。对于内容类型不固定的内容，以直播间为例，同一个直播间今天直播游戏内容，明天直播唱歌内容等，导致固定的标签无法全面覆盖该直播间的直播内容。同时，用户可能出于对主播的喜爱，不论该直播间的直播内容是什么，均会查看该直播间，导致通过多种多样的标签来体现用户特征也不是特别准确。由此，根据用户与内容的标签相似度来确定目标内容推荐给目标用户的推荐效果不理想。

可以理解的是，内容平台中的内容均会消耗用户的查看时间，用户在一个内容消耗的时间越多，对该内容的兴趣度越高，由此可以基于用户对内容的消耗时间挖掘用户喜好的用户特征，找到与被推荐用户喜好相似的用户，根据喜好相似的用户确定推荐内容，从而无需关注用户的标签，也无需关注内容平台中内容类型具体是什么，即无需关注内容的标签，适用于内容平台中内容类型不固定的内容，避免了用户标签与内容标签带来的问题，提高了内容推荐的效果。

在实际应用中，用户可以通过终端设备登录内容平台，通过内容平台查看不同的内容。用户在使用内容平台的过程中会产生内容查看历史数据，内容查看历史数据主要为用户在内容平台中产生的一些行为数据，例如查看时长、分享收藏、充值等数据。

服务器获取内容平台中用户的内容查看历史数据，并执行下述步骤，以便根据内容查看历史数据挖掘用户喜好的用户特征，为用户推荐其可能感兴趣的内容。

S202：根据所述内容查看历史数据中所标识内容的查看时长，确定所述用户的耗时占比数据。

内容查看历史数据中包括了用户在该内容平台中查看不同内容对应的查看时长，根据内容查看历史数据可以得到用户的耗时占比数据，其中，该耗时占比数据用于标识内容平台中用户通过内容平台查看不同内容的耗时分布，一个用户的耗时占比数据可以体现出该用户在内容平台上所消耗时间在不同内容的分配情况。例如，将用户在该内容平台查看的每一个内容对应的查看时长除以该用户在该内容平台中查看所有内容的总时长，便可获得该用户查看每一个内容的耗时占比数据。

以图1所示场景的用户i和用户j为例，用户i在A直播间查看时间为7个小时，在B直播间的查看时间为3个小时，分别对应的耗时占比数据为70％和30％。用户j在A直播间的查看时间为30个小时，在B直播间的查看时间为70个小时，分别对应的耗时占比数据为30％和70％。

耗时占比数据体现出用户在内容平台的时间被不同内容消耗的比例，用户对一个内容的耗时分布占比越大，被该内容消耗用户的时间越多，表征该用户对该内容越感兴趣。由此，可以利用耗时占比数据代替相关技术中用户标签作为体现用户喜好的用户特征。

本申请通过耗时占比数据挖掘用户喜好的用户特征，相当于“用户的客观标签”，耗时占比数据的确定过程无需人工干预，避免了相关技术中用户注册时随便选择自身喜好，或者手滑点错等情况导致的用户标签不准确的问题，可以较为客观的量化用户对内容平台中不同内容的喜好程度。

下面以两个示例对耗时占比数据的确定过程进行进一步说明。

示例一：

在该示例中，以内容平台中的内容为直播间为例。随着该内容平台中的直播间的数量不断增加，用户可进行查看的直播间的选择不断增加，用户的内容查看历史数据会逐渐增长，根据内容查看历史数据确定用户的耗时占比数据的计算量较大。为了降低服务器的计算量，可以筛选用户的内容查看历史数据中的部分数据确定用户的耗时占比数据。

不同直播间的直播评级是不同的，其中，直播评级是对直播间的评价级别，例如，直播评级可以是当前查看的用户数量、用户送礼物的金额、弹幕数量等因素的一种或多种组合。将内容平台中直播评级达到预设条件的直播间作为目标直播间，根据内容查看历史数据中目标直播间对应的查看时长，确定用户的耗时占比数据。

其中，目标直播间为内容平台中较多的用户较为喜好的直播间。例如，将内容平台中热度排名靠前，例如热度前1000的直播间均作为目标直播间。可以理解的是，热度较高的直播间是内容平台中被用户查看较多的直播间，这类直播间中查看用户的情况与内容平台的总体查看规律比较相符，故通过这类直播间的用户查看数据就可以代表内容平台，作为在该内容平台中进行内容推荐的依据。而且，通过依据目标直播间而非内容平台中所有的直播间挖掘用户喜好的用户特征，可以在保证内容推荐的准确性的同时，降低服务器的计算量。

示例二：

在该示例中，考虑到内容平台中内容的量级较大，根据内容查看历史数据确定用户针对于每个内容的耗时占比数据，该耗时占比数据数量较多，导致后续用户分类可能会消耗大量的计算资源。

基于此，为了降低计算资源的消耗，可以降低耗时占比数据的数量。例如，由于同一个类型的内容之间具有相似性，可以确定内容平台中内容的类型，根据内容查看历史数据确定属于同一类型内容的总查看时长，根据总查看时长确定用户针对于每一类型内容对应的耗时占比数据。由此，根据内容历史查看数据确定用户针对于同一类型内容的耗时占比数据，该耗时占比数据数量较少，基于此进行后续用户分类会减少计算量。在减少计算量的同时，还全面考虑了内容查看历史数据，提高了内容推荐的准确性。

S203：基于所述耗时占比数据对所述内容平台中用户进行分类，得到多个用户类别。

由前述可知，用户对一个内容的耗时分布占比越大，表征该用户对该内容越感兴趣，可以将耗时占比数据作为体现用户喜好的用户特征。若多个用户均针对一个内容的耗时分布占比较大，则该多个用户均对该对内容较为感兴趣，由此可以依据耗时占比数据对内容平台中的用户进行分类，获得多个用户类别，属于同一个类别的用户的喜好较为相似。

需要说明的是，由于不同用户在内容平台中查看内容的总时间不同，如图1所示场景的用户i和用户j，虽然用户i在A直播间查看时间为7个小时，用户j在A直播间的查看时间为30个小时，但是用户i更喜欢查看A直播间，用户j更喜欢查看B直播间，也就是说通过绝对时长只能体现出用户查看了该内容，通过相对时长，即耗时占比数据才可以体现出用户对该内容的喜好程度，消除了不同用户在内容平台中查看内容的总时间不同带来的影响。由此，相比于基于绝对时长对内容平台中的用户进行分类，基于耗时占比数据对用户进行分类更为准确，后续向目标用户推荐目标内容也会更加准确。

本领域技术人员不限定基于耗时占比数据对用户进行分类的方式，下面介绍一种基于耗时占比数据确定用户相似度，通过用户相似度对用户进行分类的方式。

根据耗时占比数据中表示同一内容维度下的占比数据，确定内容平台中用户间的用户相似度，用户相似度可以通过欧式距离公式获得，参见公式(1)：

其中，Distance(i,j)表示内容平台中用户i和用户j之间的欧式距离，i和j为大于0的整数；N为大于0的整数，表示内容平台中用于确定耗时占比数据的内容的数量，例如内容平台中所有内容的数量、目标直播间的数量等；T_ix表示用户i查看内容x的耗时占比数据，T_jx表示用户j查看内容x的耗时占比数据。如图1所示场景的用户i，当内容x为A直播间时，T_ix＝70％，当内容x为B直播间时，T_ix＝30％。

由此可知，用户i和用户j针对内容x的耗时占比差值越小，则用户i和用户j针对内容x感兴趣程度越相似，进一步，用户i和用户j对内容平台中N个内容的耗时占比差值和越小，用户i和用户j的用户相似度越小，则表示用户i和用户j的喜好越相似。

确定用户相似度后，基于用户相似度对内容平台中用户进行分类，得到多个用户类别，属于同一个类别的用户相似度接近，用户之间的喜好也较为相似。

本领域技术人员不具体限定基于用户相似度对内容平台中用户进行分类的方式，例如，基于用户相似度，通过聚类方法中K均值聚类或层次聚类等方式将内容平台中的用户划分为多个类别。

S204：确定所述内容平台中的目标用户。

在实际应用中，内容平台为了提高用户的粘性，可以在任何时候为该内容平台在线的用户推荐其可能感兴趣的内容。例如，用户登陆内容平台后，在首页的位置向用户推荐其可能感兴趣的内容。又如，在用户搜索某一内容的位置向用户推荐其可能感兴趣的内容。服务器在内容平台需要向目标用户推荐其感兴趣的内容的时候，将目标用户可能会感兴趣的内容作为目标内容。

需要说明的是，S203与S204没有必然的联系。例如，S201-S203可以进行离线处理，服务器得到多个用户类别后，将内容平台中每个用户及其对应的用户类别进行保存。S204和S205可以进行在线处理，当确定目标用户后，从预先保存的多个用户类别中获取目标用户所属的目标用户类别。

本申请实施例不具体限定获取目标用户所属的目标用户类别的方式。例如，目标用户登录内容平台后，服务器会获取到该目标用户的用户身份标识，例如平台ID等，然后根据用户身份标识在预先存储的每个用户及其所属的用户类别的对应关系中，获取用户身份标识对应的用户类别作为目标用户类别。

S205：根据所述内容平台中属于所述目标用户类别的用户，确定向所述目标用户推荐的目标内容。

确定目标用户所属的目标用户类别后，在内容平台中，属于该目标用户类别的用户与目标用户对内容平台中的内容喜好较为相似，由此可以将属于该目标用户类别的用户作为内容推荐的依据，确定向目标用户推荐的目标内容。从而无需关注内容平台中内容类型具体是什么，也无需根据内容类型设置对应的标签，避免了相关技术中内容标签难以全面覆盖所有可能的内容类型的问题，提高了内容推荐的效果。

此外，基于用户与内容的标签相似度来确定推荐哪些内容给用户，由于标签是一个固化的概念，使得内容无法跳出标签的束缚，只能在有限内容的类型范围中向目标用户推荐目标内容。而基于与目标用户属于同一个目标用户类型的用户为依据，确定向目标用户推荐的内容不是固化在特定标签范围内的内容，而是与目标用户具有类似喜好的一群用户(同属目标用户类型的用户)所查看的内容，该内容有可能是目标用户未曾看过却感兴趣的内容，也有可能是目标用户尚且不知道属于自身喜好的内容，由此扩大了推荐内容的类型范围，提高用户看到推荐内容时的惊喜感，甚至可以起到开发用户潜在兴趣的作用。

例如，用户i为目标用户，用户j为与用户i同属于目标用户类别的用户，用户i喜欢A内容，用户j不仅喜欢A内容还喜欢B内容。用户i虽然没看过B内容，但是由于用户i与用户j同属于目标用户类别，二者对内容平台中内容的喜好相似，由此，用户i也有可能喜欢B内容，只是用户i不知道自己会喜欢B内容，进而起到了开发用户i潜在兴趣的作用。

本申请不具体限定以相同目标用户类别的用户为依据确定目标内容的方式，下面以三个示例为例进行说明。

示例一：

用户查看内容的类别占比数据可以体现该内容的类别。例如，查看该内容的用户共有10人，其中属于用户类别为A的用户有8人，属于用户类别B的用户有2人，用户类别为A的占比较高，因此该内容受用户类别为A的用户喜好的可能性较大。由此，可以以与目标用户同属于目标用户类别的用户查看不同内容对应的占比为依据，确定目标内容，以便提高为目标用户推荐的目标内容的准确性。

先获取内容平台中内容的类别占比数据。该类别占比数据能够较为实时的体现出查看内容的用户中属于目标用户类别的占比。从而可以在确定目标用户时，基于该类别占比数据确定出的目标内容更符合内容平台中的当前实际内容查看情况，这种方式能够适应于内容平台中的内容可能在不同时段具有不同展示信息的情况，例如直播平台(内容平台)的直播间(内容)在同一天的不同时段或者不同天所直播的信息有所不同甚至大相径庭。

在一种可能的实现方式中，该类别占比数据是在确定目标用户时的类别占比数据，用于标识查看内容的用户中属于目标用户类别的占比。例如，查看一个内容的人数有10人，属于目标用户类别为A的用户有8人，则类别占比数据为80％。

可以理解的是，内容平台中，对于同一个内容，查看该内容的用户数量会实时变化，查看该内容的类别占比数据也会实时变化。例如，当一个内容新增一个查看用户，则在该查看用户所属的用户类别对应的数量加1，当一个内容减少一个查看用户，则在该查看用户所属的用户类别对应的数量减1。例如，查看一个内容的人数有10人，其中，属于用户类别为A的用户有8人，类别占比数据为80％，若新增用户i查看该内容，用户i所属的用户类别为A，此时，属于用户类别为A的用户有9人，类别占比数据由80％变为82％。同理，若用户j不再查看该内容，用户j所属的用户类别为A，此时，属于用户类别为A的用户有7人，类别占比数据由80％变为78％。由此可以实时获得内容平台中每个内容的类别占比数据，以便利用该类比占比数据确定为目标用户推荐的目标内容。

由前述可知，服务器不会为内容平台中所有用户推荐目标内容，例如，当用户并未登陆内容平台时，服务器不会为该用户推荐目标内容。由此，可以在确定目标用户的同时，获取内容平台中内容的类别占比数据，该类别占比数据体现内容平台中用户成为目标用户时对应的类别占比数据，以保证基于类别占比数据确定目标内容的准确性。

在获取类别占比数据后，可以将类别占比数据达到预设条件的内容确定为待定内容，根据待定内容确定向目标用户推荐的目标内容，以进一步通过类别占比数据筛选出目标用户喜好程度较高的内容。例如，将目标用户类别占比进行排序，一个内容对应的目标用户类别的占比较高，则该内容受属于目标用户类别的用户的喜好的可能性越大，由此，可以将排名前n个目标用户类别占比确定的内容作为待定内容，根据待定内容确定目标内容。本领域技术人员可以根据实际情况设置n的数值，例如，可以将n的数值设置在20-50之间。

例如，查看A内容的用户数量为100，其中查看A内容中属于目标用户类别的用户数量为20，则A内容的类别占比数据为20％。查看B内容的用户数量为10，其中查看B内容中属于目标用户类别的用户数量为8，则B内容的类别占比数据为80％。预设条件为将类别占比数据中排序最高的内容确定为待定内容，由此B内容确定为待定内容，也可以将B内容作为目标内容推荐给目标用户。可以看出，虽然与目标用户同属于目标用户类别的用户数量，A内容对应的用户数量高于B内容对应的用户数量，但是查看B内容的目标用户类别的占比较高，相比于A内容B内容对属于目标用户类别的用户的吸引力更大，B内容可能更符合目标用户的喜好。

由此，可以将类别占比数据作为确定目标内容的依据，以便进一步提高为目标用户推荐目标内容的准确性。

示例二：

在该示例中，以内容平台中的内容为直播间为例。当目标用户进入内容平台中的第一直播间，例如，目标用户登陆内容平台后进入其经常观看的直播间中。获取在第一直播间中与目标用户同属于目标用户类别的第一用户，其中，第一用户与目标用户不仅属于同一个目标用户类别，还在同一时间段查看同一个直播间。

需要说明的是，同一个直播间在不同时段播出的内容可能有所不同，可能会出现用户i与用户j虽然都喜欢同一个直播间，但是喜欢的内容稍微有所差别。例如，该直播间播出与“二次元”有关的内容，用户i与用户j均喜欢查看该直播间，但是该直播间在上午播放X动漫的内容，在下午播放Y动漫的内容，用户i喜欢在上午查看该直播间，用户j喜欢在下午查看该直播间，用户i与用户j喜欢不同的动漫。

由此，通过确定与目标用户属于同一个目标用户类别，还在同一时间段查看同一个直播间的第一用户，第一用户与目标用户喜欢相同内容的可能性再次被提高，将第一用户的耗时占比数据作为推荐依据，确定出第一用户对内容平台中不同直播间的喜好，通过第一用户的喜好确定向目标用户推荐的目标内容，提高目标内容推荐的准确性。例如，将第一用户对内容平台中不同直播间的喜好进行排序，将排名前n个直播间推荐给目标用户，以便目标用户进行选择。

示例三：

获取内容平台中与目标用户同属于目标用户类别、且当前在线的用户，根据上述用户查看不同内容的数量，确定为目标用户推荐的目标内容。例如，内容平台中与目标用户同属于目标用户类别、且当前在线的用户共有31人，分别在查看A内容和B内容，其中查看A内容的用户有30人，查看B内容的用户有1人，由此可以将A内容作为目标内容推荐给目标用户。

需要说明的是，虽然内容查看历史数据是实时变化的，每次内容查看历史数据变化后均对内容平台中的用户进行分类，会获得较为准确的用户类别，但是用户在一段时间内的感兴趣的内容的是相似的，每次计算获得的用户类别变化不大，且内容查看历史数据的数量较多，如果实时计算用户类别会消耗大量的计算资源。基于此，为了在保证用户类别划分较为准确的前提下减少计算量，可以离线存储内容查看历史数据，基于预设周期或推荐条件，获取内容查看历史数据，当确定内容查看历史数据更新时，再执行S202。其中，推荐条件为影响内容查看历史数据的数据量的因素。例如，推荐条件可以为内容查看历史数据达到两千万数量、内容查看历史数据增长了一千等，预设周期可以为一天、一周等。

用户登录内容平台后，服务器会接收用户发送的请求，可以对该请求进行预处理，下面介绍三种预处理的方式，需要说明的是，三种方式可以仅采用一种，也可以组合使用。

方式一：请求校验。

根据请求中包括的参数，例如，用户身份标识(ID)列表user_ids、QUA参数、客户端版本号等参数对请求进行校验，以保证请求的合法性，对于恶意或者非法请求可以直接屏蔽或者拉黑，合法的请求可以继续上报，进行后续分析处理。例如，校验该用户ID列表user_ids是否为空，以保证该请求来自于内容平台的用户。其中，QUA参数是用于标识客户端信息的参数，例如为key-value对形式，key-value之间以&连接，服务端可根据QUA信息给出响应的适配内容。例如，校验QUA参数是否正确，以便可以实现目标内容的推送。

方式二：频率限制。

根据请求次数确定目标用户，通过限制请求的频率以保证服务器不会宕机。例如，接收用户登录内容平台的登陆请求后，判断当前请求数量是否处于服务器能够承载的最大负载量，即是否在预设时段内获取的登陆请求数量小于预设阈值，若是，说明服务器可处理当前数量的登陆请求，则确定发送请求的用户为内容平台中的目标用户，若否，说明当前数量的登陆请求超过服务器的负荷，为了保证服务器的可靠性，则舍弃超过预设阈值的登陆请求，不为发送该请求的用户推荐目标内容，避免服务器资源被超负荷的登陆请求耗尽，出现宕机的问题，使服务器一直处于可用状态，保证服务器的可靠性。

方式三：请求预处理。

对请求进行处理，以便该请求为有效请求，可以进行后续步骤的处理。例如将请求中缺失、非法的数据条目剔除，以便后续步骤可以识别该请求中的数据结构。又如，获取内容平台中每个内容对应的查看用户数量，以便获取所述内容平台中内容的类别占比数据，例如将内容平台中所有用户分为A、B、C三个用户类别，当属于A类别的用户查看内容时，将该内容的查看人数加1，由此可以实时获得内容平台中不同内容的类别占比数据。

出于内容平台的运营需求，可以在为目标用户推荐目标内容时，增加干预规则，将符合干预规则的内容插入到向目标用户推荐的目标内容中，以便内容平台可以推荐一些符合运营需求的内容给目标用户。例如，符合运营需求的内容可以为广告主的内容。

出于内容平台的管理需求，可以在为目标用户推荐目标内容时，增加过滤规则，将符合过滤规则的内容从向目标用户推荐的目标内容中删除，过滤规则可以实现对某些用户或者某些内容不进行推荐，以便内容平台推荐给目标用户的目标内容均能够满足内容平台的管理要求。例如，在基于开放互联网的视频服务(Over the top，OTT)场景中，存在牌照管控的概念，对于一些未经过某个牌照审核(多个牌照方存在，只有部分过审)的内容，不对未过审的牌照方所属用户进行推荐。

接下来，将结合图3和图4，以内容平台为直播平台、内容为直播间为例对本申请实施例提供的内容推荐方法进行说明。参见图3，该图为本申请实施例提供的一种内容推荐方法的应用场景实施例的示意图。

S301：客户端被触发，登陆直播平台。

直播平台可以以客户端的形式，安装在用户的手机中，用户通过打开手机中的直播平台客户端登陆直播平台，此时，服务器接收直播平台发送的该用户登陆的登陆请求。该请求中至少包括该用户ID，以便通过用户ID可以在数据库中获取该用户对应的用户类别。

S302：服务器对所述请求进行预处理。

请求预处理中包括三个步骤，分别是采用前述方式一进行请求校验、采用前述方式二进行频率限制、采用方式三进行数据预处理，在此不再赘述。

S303：服务器获取所述直播平台中直播间的类别占比数据。

由S302数据预处理步骤可知，类别占比数据是已知数据，可以从用户划分类别数据库300中获取，该用户划分类别数据库300存储用户的耗时占比数据，通过类别占比数据可以获取属于目标用户类别的用户正在查看对应直播间的人数。

S304：服务器确定所述直播平台中的目标用户。

例如，用户登陆直播平台后的请求通过预处理处理后，确定该用户为目标用户，目标用户为多个用户类别中的目标用户类别，可以从用户划分类别数据库300中获取，该用户划分类别数据库300用于存储用户及其所述用户类别的对应关系。

需要说明的是，服务器会预先将直播平台中的所有用户划分为多个用户类别，参见S310-S330。根据服务器通过离线方式预先确定的用户及其所属的用户类别，可以在多个用户类别中确定出目标用户所属的目标用户类别。

S305：服务器将所述类别占比数据中所述目标用户类别的占比前n个直播间确定为待定直播间。

由前述可知，与目标用户属于同一目标用户类别的用户，二者喜好相似，通过属于目标用户类别的用户确定出的直播间目标用户也会较为感兴趣。同时，查看直播间的人数越多表征该直播间的人气越高，故从前述属于目标用户类别的用户确定出的直播间中筛选出目标用户类别的占比前n个直播间，进一步提高了推荐的准确性。

例如，对目标用户i进行直播间推荐时，其用户类别属于A，则按照A类用户从类别占比数据中将直播间由高到低选取n个直播间作为待定直播间。

S306：服务器确定所述待定直播间是否符合过滤规则。

在待定直播间中删除符合过滤规则的直播间，不进行推荐。

S307：服务器将符合干预规则的直播间插入至所述待定直播间。

可以进一步将符合干预规则的直播间插入到待定直播间中，以便推荐给目标用户。本申请实施例不具体限定S306和S307执行的先后顺序，例如，S306和S307可以同时执行。

S308：服务器根据所述待定直播间确定向所述目标用户推荐的所述目标直播间。

最后将通过S305-S307确定出的直播间推荐给目标用户，将所述目标直播间通过客户端推荐给用户。

需要说明的是，在S308之后还可以进一步为用户推荐直播间，例如，若确定所述目标用户进入所述内容平台中的第一直播间，获取在所述第一直播间中属于所述目标用户类别的第一用户。

当目标用户进入上述推荐的直播间中的第一直播间后，获取此时在第一直播间中查看，且与目标用户同属于目标用户类别的第一用户。

根据所述第一用户的耗时占比数据，确定在所述第一直播间中向所述目标用户推荐的目标直播间，将目标直播间展示在直播平台客户端的界面上。

下面对服务器预先将直播平台中用户划分为多个用户类别进行说明。需要说明的是S310-S330可以进行离线处理。

S310：服务器计算用户的耗时占比数据。

可以从用户观看直播数据库中获取内容平台中用户的内容查看历史数据，根据所述内容查看历史数据中所标识内容的查看时长，确定所述用户的耗时占比数据。例如，可以基于预设周期或推荐条件，获取内容查看历史数据。当确定所述内容查看历史数据更新时，执行下述步骤。根据内容查看历史数据可以确定用户的耗时占比数据，下面介绍两种方式，分别对应于方式一和方式二，采用任意一种方式均可以获得用户的耗时占比数据。

方式一：

首先，确定所述内容平台中的目标直播间。

将直播评级达到预设条件的直播间确定为直播平台中的目标直播间。例如，直播平台中热度排名为前k个直播间可以确定为目标直播间。

其次，根据所述内容查看历史数据中所述目标直播间对应的查看时长，确定所述用户的耗时占比数据，将获得的耗时占比数据存储到用户特征数据库100中。

方式二：

首先，确定所述直播平台中直播间的类型。

例如，直播间可以划分为游戏直播间、才艺直播间、生活直播间等。

然后，根据所述内容查看历史数据确定属于同一类型直播间的总查看时长。

对属于同一类型的直播间对应的查看时长求和。例如，直播平台中有m个游戏直播间，对内容查看历史数据中m个游戏直播间对应的查看时长求和，获得游戏直播间的总查看时长。

最后，根据所述总查看时长确定所述用户的耗时占比数据，将获得的耗时占比数据存储到用户特征数据库200中。

S320：服务器计算用户相似度。

从用户特征数据库中获取用户的耗时占比数据，根据所述耗时占比数据中标识同一内容维度下的占比数据，利用公式(1)获得所述直播平台中用户间的用户相似度。

S330：服务器划分用户类别。

基于所述用户相似度对所述直播平台中用户进行分类，得到多个用户类别，并将用户相似度、用户及其所属的用户类别的对应关系存储到用户划分类别数据库300中。

由公式(1)可以获得用户之间的欧式距离，欧式距离大小可以体现出用户之间是否相似，通过K均值聚类算法将直播平台中用户划分为多个用户类别，将每个用户及其所属的用户类别保存在数据库中。

参见图4，该图为本申请实施例提供的一种内容推荐系统的示意图。在图4中，包括输入模块401、推荐模块402、干预模块403和输出模块404。

其中，输入模块401用于接收直播平台产生的直播数据，例如，内容查看历史数据、用户的耗时占比数据、用户ID等，对直播数据进行预处理，执行图3中S302。

推荐模块402用于为目标用户确定待推荐的直播间，执行图3中S303-S305和S310-S330。

干预模块403用于插入和删除待推荐的直播间，执行图3中S306-S307。

输出模块404用于输出目标直播间的推荐结果，执行图3中S308。

针对上述实施例提供的内容推荐方法，本申请实施例还提供了一种内容推荐装置。

参见图5，该图为本申请实施例提供的一种内容推荐装置的示意图。如图5所示，该内容推荐装置500包括：获取单元501、第一确定单元502、分类单元503、第二确定单元504和第三确定单元505；

所述获取单元501，用于获取内容平台中用户的内容查看历史数据；

所述第一确定单元502，用于根据所述内容查看历史数据中所标识内容的查看时长，确定所述用户的耗时占比数据，所述耗时占比数据用于标识所述内容平台中用户通过所述内容平台查看不同内容的耗时分布；

所述分类单元503，用于基于所述耗时占比数据对所述内容平台中用户进行分类，得到多个用户类别；

所述第二确定单元504，用于确定所述内容平台中的目标用户，所述目标用户属于所述多个用户类别中的目标用户类别；

所述第三确定单元505，用于根据所述内容平台中属于所述目标用户类别的用户，确定向所述目标用户推荐的目标内容。

作为一种可能的实现方式，所述内容平台中的内容为直播间，所述第一确定单元502，用于：

确定所述内容平台中的目标直播间，所述目标直播间为直播评级达到预设条件的直播间；

根据所述内容查看历史数据中所述目标直播间对应的查看时长，确定所述用户的耗时占比数据。

作为一种可能的实现方式，第一确定单元502，用于：

确定所述内容平台中内容的类型；

根据所述内容查看历史数据确定属于同一类型内容的总查看时长；

根据所述总查看时长确定所述用户的耗时占比数据。

作为一种可能的实现方式，第三确定单元505，用于：

获取所述内容平台中内容的类别占比数据，所述类别占比数据用于标识查看所述内容的用户中属于所述目标用户类别的占比；

将所述类别占比数据达到预设条件的内容确定为待定内容；

根据所述待定内容确定向所述目标用户推荐的所述目标内容。

作为一种可能的实现方式，所述内容平台中的内容为直播间，所述第三确定单元505，用于：

若确定所述目标用户进入所述内容平台中的第一直播间，获取在所述第一直播间中属于所述目标用户类别的第一用户；

根据所述第一用户的耗时占比数据，确定在所述第一直播间中向所述目标用户推荐的目标直播间。

作为一种可能的实现方式，所述分类单元503，用于：

根据所述耗时占比数据中标识同一内容维度下的占比数据，确定所述内容平台中用户间的用户相似度；

基于所述用户相似度对所述内容平台中用户进行分类，得到多个用户类别。

作为一种可能的实现方式，所述装置500，还用于：

基于预设周期或推荐条件，获取所述内容查看历史数据；

当确定所述内容查看历史数据更新时，执行所述根据所述内容查看历史数据中所标识内容的查看时长，确定所述用户的耗时占比数据的步骤。

作为一种可能的实现方式，所述第二确定单元504，用于：

接收用户登录所述内容平台的登录请求；

若预设时段内获取的登录请求的数量小于预设阈值，则将所述登录请求对应的用户确定为所述内容平台中的所述目标用户。

上述实施例提供的内容推荐装置，通过获取内容平台中用户的内容查看历史数据，可以确定用户在该内容平台上查看不同内容的时长，根据内容查看历史数据得到用户的耗时占比数据，该耗时占比数据用于标识用户查看不同内容的耗时分布，即用户在内容平台的时间被不同内容消耗的比例，由于时间的消耗可以客观、可量化的体现出用户对内容平台中不同内容的喜好程度，从而基于该耗时占比数据可以从时间维度表征用户的内容喜好，能够代替相关技术中的用户标签作为体现用户喜好的用户特征。通过耗时占比数据对用户进行分类得到多个用户类别，以此得到的同一个用户类别中的用户对内容具有相似的喜好。在为目标用户推荐目标内容时，基于前述用户分类，能够确定目标用户所属的目标用户类别，由于内容平台中属于该目标用户类别的用户的内容喜好较为相似，由此可以根据该目标用户类别的用户作为内容推荐的依据，这种基于耗时占比数据这类客观数据进行的推荐方式中不需要考虑相关技术中的各类用户标签、内容标签，从而跳出了原标签带来的束缚，不仅避免了标签在推荐中的各类问题，而且目标用户类别的一些用户喜好的内容符合目标用户的喜好可能性较大，可以保证内容推荐的准确性。

前述所述的内容推荐设备可以为一种计算机设备，该计算机设备可以为服务器，还可以为终端设备，下面将从硬件实体化的角度对本申请实施例提供的计算机设备进行介绍。其中，图6所示为服务器的结构示意图，图7所示为终端设备的结构示意图。

参见图6，图6是本申请实施例提供的一种服务器的结构示意图，该服务器1400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(centralprocessing units，CPU)1422(例如，一个或一个以上处理器)和存储器1432，一个或一个以上存储应用程序1442或数据1444的存储介质1430(例如一个或一个以上海量存储设备)。其中，存储器1432和存储介质1430可以是短暂存储或持久存储。存储在存储介质1430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1422可以设置为与存储介质1430通信，在服务器1400上执行存储介质1430中的一系列指令操作。

服务器1400还可以包括一个或一个以上电源1426，一个或一个以上有线或无线网络接口1450，一个或一个以上输入输出接口1458，和/或，一个或一个以上操作系统1441，例如Windows ServerTM，Mac OS XTM，UnixTM,LinuxTM，FreeBSDTM等等。

上述实施例中由服务器所执行的步骤可以基于该图6所示的服务器结构。

其中，CPU 1422用于执行如下步骤：

获取内容平台中用户的内容查看历史数据；

可选的，CPU 1422还可以执行本申请实施例中内容推荐方法任一具体实现方式的方法步骤。

参见图7，图7为本申请实施例提供的一种终端设备的结构示意图。示出的是与本申请实施例提供的终端设备相关的智能手机的部分结构的框图，参考图7，该智能手机包括：射频(Radio Frequency，简称RF)电路1510、存储器1520、输入单元1530、显示单元1540、传感器1550、音频电路1560、无线保真(wireless fidelity，简称WiFi)模块1570、处理器1580、以及电源1590等部件。本领域技术人员可以理解，图7中示出的智能手机结构并不构成对智能手机的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

下面结合图7对智能手机的各个构成部件进行具体的介绍：

RF电路1510可用于收发信息或通话过程中，信号的接收和发送，特别地，将基站的下行信息接收后，给处理器1580处理；另外，将设计上行的数据发送给基站。通常，RF电路1510包括但不限于天线、至少一个放大器、收发信机、耦合器、低噪声放大器(Low NoiseAmplifier，简称LNA)、双工器等。此外，RF电路1510还可以通过无线通信与网络和其他设备通信。上述无线通信可以使用任一通信标准或协议，包括但不限于全球移动通讯系统(Global System of Mobile communication，简称GSM)、通用分组无线服务(GeneralPacket Radio Service，简称GPRS)、码分多址(Code Division Multiple Access，简称CDMA)、宽带码分多址(Wideband Code Division Multiple Access，简称WCDMA)、长期演进(Long Term Evolution，简称LTE)、电子邮件、短消息服务(Short Messaging Service，简称SMS)等。

存储器1520可用于存储软件程序以及模块，处理器1580通过运行存储在存储器1520的软件程序以及模块，从而实现智能手机的各种功能应用以及数据处理。存储器1520可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据智能手机的使用所创建的数据(比如音频数据、电话本等)等。此外，存储器1520可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。

输入单元1530可用于接收输入的数字或字符信息，以及产生与智能手机的用户设置以及功能控制有关的键信号输入。具体地，输入单元1530可包括触控面板1531以及其他输入设备1532。触控面板1531，也称为触摸屏，可收集用户在其上或附近的触摸操作(比如用户使用手指、触笔等任何适合的物体或附件在触控面板1531上或在触控面板1531附近的操作)，并根据预先设定的程式驱动相应的连接装置。可选的，触控面板1531可包括触摸检测装置和触摸控制器两个部分。其中，触摸检测装置检测用户的触摸方位，并检测触摸操作带来的信号，将信号传送给触摸控制器；触摸控制器从触摸检测装置上接收触摸信息，并将它转换成触点坐标，再送给处理器1580，并能接收处理器1580发来的命令并加以执行。此外，可以采用电阻式、电容式、红外线以及表面声波等多种类型实现触控面板1531。除了触控面板1531，输入单元1530还可以包括其他输入设备1532。具体地，其他输入设备1532可以包括但不限于物理键盘、功能键(比如音量控制按键、开关按键等)、轨迹球、鼠标、操作杆等中的一种或多种。

显示单元1540可用于显示由用户输入的信息或提供给用户的信息以及智能手机的各种菜单。显示单元1540可包括显示面板1541，可选的，可以采用液晶显示器(LiquidCrystal Display，简称LCD)、有机发光二极管(Organic Light-Emitting Diode，简称OLED)等形式来配置显示面板1541。进一步的，触控面板1531可覆盖显示面板1541，当触控面板1531检测到在其上或附近的触摸操作后，传送给处理器1580以确定触摸事件的类型，随后处理器1580根据触摸事件的类型在显示面板1541上提供相应的视觉输出。虽然在图7中，触控面板1531与显示面板1541是作为两个独立的部件来实现智能手机的输入和输入功能，但是在某些实施例中，可以将触控面板1531与显示面板1541集成而实现智能手机的输入和输出功能。

智能手机还可包括至少一种传感器1550，比如光传感器、运动传感器以及其他传感器。具体地，光传感器可包括环境光传感器及接近传感器，其中，环境光传感器可根据环境光线的明暗来调节显示面板1541的亮度，接近传感器可在智能手机移动到耳边时，关闭显示面板1541和/或背光。作为运动传感器的一种，加速计传感器可检测各个方向上(一般为三轴)加速度的大小，静止时可检测出重力的大小及方向，可用于识别智能手机姿态的应用(比如横竖屏切换、相关游戏、磁力计姿态校准)、振动识别相关功能(比如计步器、敲击)等；至于智能手机还可配置的陀螺仪、气压计、湿度计、温度计、红外线传感器等其他传感器，在此不再赘述。

音频电路1560、扬声器1561，传声器1562可提供用户与智能手机之间的音频接口。音频电路1560可将接收到的音频数据转换后的电信号，传输到扬声器1561，由扬声器1561转换为声音信号输出；另一方面，传声器1562将收集的声音信号转换为电信号，由音频电路1560接收后转换为音频数据，再将音频数据输出处理器1580处理后，经RF电路1510以发送给比如另一智能手机，或者将音频数据输出至存储器1520以便进一步处理。

WiFi属于短距离无线传输技术，智能手机通过WiFi模块1570可以帮助用户收发电子邮件、浏览网页和访问流式媒体等，它为用户提供了无线的宽带互联网访问。虽然图7示出了WiFi模块1570，但是可以理解的是，其并不属于智能手机的必须构成，完全可以根据需要在不改变发明的本质的范围内而省略。

处理器1580是智能手机的控制中心，利用各种接口和线路连接整个智能手机的各个部分，通过运行或执行存储在存储器1520内的软件程序和/或模块，以及调用存储在存储器1520内的数据，执行智能手机的各种功能和处理数据，从而对智能手机进行整体监控。可选的，处理器1580可包括一个或多个处理单元；优选的，处理器1580可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作系统、用户界面和应用程序等，调制解调处理器主要处理无线通信。可以理解的是，上述调制解调处理器也可以不集成到处理器1580中。

智能手机还包括给各个部件供电的电源1590(比如电池)，优选的，电源可以通过电源管理系统与处理器1580逻辑相连，从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。

尽管未示出，智能手机还可以包括摄像头、蓝牙模块等，在此不再赘述。

在本申请实施例中，该智能手机所包括的存储器1520可以存储程序代码，并将所述程序代码传输给所述处理器。

该智能手机所包括的处理器1580可以根据所述程序代码中的指令执行上述实施例提供的内容推荐方法。

本申请实施例还提供一种计算机可读存储介质，用于存储计算机程序，该计算机程序用于执行上述实施例提供的内容推荐方法。

本申请实施例还提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述方面的各种可选实现方式中提供的内容推荐方法。

本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述程序可以存储于一计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质可以是下述介质中的至少一种：只读存储器(英文：read-only memory，缩写：ROM)、RAM、磁碟或者光盘等各种可以存储程序代码的介质。

需要说明的是，本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于设备及系统实施例而言，由于其基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。以上所描述的设备及系统实施例仅仅是示意性的，其中作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。

以上所述，仅为本申请的一种具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应该以权利要求的保护范围为准。

Claims

1.一种内容推荐方法，其特征在于，所述方法包括：

获取内容平台中用户的内容查看历史数据；

2.根据权利要求1所述的方法，其特征在于，所述内容平台中的内容为直播间，所述根据所述内容查看历史数据中所标识内容的查看时长，确定所述用户的耗时占比数据，包括：

3.根据权利要求1所述的方法，其特征在于，所述根据所述内容查看历史数据中所标识内容的查看时长，确定所述用户的耗时占比数据，包括：

确定所述内容平台中内容的类型；

根据所述总查看时长确定所述用户的耗时占比数据。

4.根据权利要求1所述的方法，其特征在于，所述根据所述内容平台中属于所述目标用户类别的用户，确定向所述目标用户推荐的目标内容，包括：

将所述类别占比数据达到预设条件的内容确定为待定内容；

5.根据权利要求1-3任意一项所述的方法，其特征在于，所述内容平台中的内容为直播间，所述根据所述内容平台中属于所述目标用户类别的用户，确定向所述目标用户推荐的目标内容，包括：

6.根据权利要求1所述的方法，其特征在于，所述基于所述耗时占比数据对所述内容平台中用户进行分类，得到多个用户类别，包括：

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：

基于预设周期或推荐条件，获取所述内容查看历史数据；

8.根据权利要求1所述的方法，其特征在于，所述确定所述内容平台中的目标用户，包括：

接收用户登录所述内容平台的登录请求；

9.一种内容推荐装置，其特征在于，所述装置包括：获取单元、第一确定单元、分类单元、第二确定单元和第三确定单元；

10.根据权利要求9所述的装置，其特征在于，所述内容平台中的内容为直播间，所述第一确定单元，用于：

11.根据权利要求9所述的装置，其特征在于，所述第一确定单元，用于：

确定所述内容平台中内容的类型；

根据所述总查看时长确定所述用户的耗时占比数据。

12.根据权利要求9所述的装置，其特征在于，所述第三确定单元，用于：

将所述类别占比数据达到预设条件的内容确定为待定内容；

13.根据权利要求9-11任意一项所述的装置，其特征在于，所述内容平台中的内容为直播间，所述第三确定单元，用于：

14.一种计算机设备，其特征在于，所述设备包括处理器以及存储器：

所述处理器用于根据所述程序代码中的指令执行权利要求1-8任意一项所述的方法。

15.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质用于存储计算机程序，所述计算机程序用于执行权利要求1-8任意一项所述的方法。