CN115470411A - 一种资讯推荐的方法、装置、设备、存储介质和产品 - Google Patents
一种资讯推荐的方法、装置、设备、存储介质和产品 Download PDFInfo
- Publication number
- CN115470411A CN115470411A CN202211230946.8A CN202211230946A CN115470411A CN 115470411 A CN115470411 A CN 115470411A CN 202211230946 A CN202211230946 A CN 202211230946A CN 115470411 A CN115470411 A CN 115470411A
- Authority
- CN
- China
- Prior art keywords
- information
- current user
- preference
- effective
- different types
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2457—Query processing with adaptation to user needs
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2457—Query processing with adaptation to user needs
- G06F16/24578—Query processing with adaptation to user needs using ranking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2462—Approximate or statistical queries
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Probability & Statistics with Applications (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- Fuzzy Systems (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种资讯推荐的方法、装置、设备、存储介质和产品,其中方法包括:获取当前用户针对目标应用的历史行为信息;对所述当前用户的历史行为信息进行分析筛选,得到当前用户的有效行为信息;根据所述当前用户的有效行为信息,得到当前用户对不同类别资讯的有效偏好程度;根据当前用户的基础信息,确定所述当前用户的所属类别;综合所属类别下所有用户针对目标应用的近期行为信息,得到当前用户对不同类别资讯的可参考偏好程度;综合所述当前用户的有效偏好程度,以及可参考偏好程度,确定所述当前用户的偏好类资讯,将所述偏好类资讯推荐至当前用户。本发明能够提高资讯推荐的针对性,满足用户的需求。
Description
技术领域
本发明涉及移动互联技术领域,尤其涉及一种资讯推荐的方法、装置、设备、存储介质和产品。
背景技术
为了满足大众的需求,不同的平台均进行多种多样的资讯推荐,用户可以通过了解相关的资讯来满足自身的需求,例如银行平台可以推荐政策类资讯、理财类资讯、优惠类资讯等等。但是现有技术中的资讯推荐方法无法针对性推荐给需要的用户,导致用户的需求无法满足。
因此现在亟需一种资讯推荐方法,能够提高资讯推荐的针对性,满足用户的需求。
发明内容
本发明实施例提供一种资讯推荐的方法、装置、设备、存储介质和产品,用以提高资讯推荐的针对性,满足用户的需求,该方法包括:
获取当前用户针对目标应用的历史行为信息;
对所述当前用户的历史行为信息进行分析筛选,得到当前用户的有效行为信息;
根据所述当前用户的有效行为信息,得到当前用户对不同类别资讯的有效偏好程度;
根据当前用户的基础信息,确定所述当前用户的所属类别;
综合所属类别下所有用户针对目标应用的近期行为信息,得到当前用户对不同类别资讯的可参考偏好程度;
综合所述当前用户的有效偏好程度,以及可参考偏好程度,确定所述当前用户的偏好类资讯,将所述偏好类资讯推荐至当前用户。
优选的,所述当前用户的历史行为信息包括:当前用户在设定历史时段内对不同类别资讯的点击总次数和浏览总时长。
优选的,所述对所述当前用户的历史行为信息进行分析筛选,得到当前用户的有效行为信息进一步包括:
分析不同类别资讯的点击总次数,将其中由于当前用户误触而产生的点击次数剔除,筛选出不同类别资讯的有效点击次数;
分析不同类别资讯的浏览总时长,从其中筛选出当前用户实际浏览资讯页面的时长,得到不同类别资讯的有效浏览时长。
优选的,将所述点击总次数中由于当前用户误触而产生的点击次数剔除进一步包括:
获取当前用户在设定历史时段内每次点击资讯页面后的停留时长;
若所述点击资讯页面后的停留时长小于设定时长,则确定该次点击资讯页面为误触,将该次点击次数剔除。
优选的,从所述浏览总时长中筛选出当前用户实际浏览资讯页面的时长进一步包括:
获取当前用户在设定历史时段内每次浏览资讯页面时视线焦点在页面的停留时长,以及每次浏览资讯页面时的眨眼频率;
若所述眨眼频率在设定频率范围内,则将所述视线焦点在页面的停留时长作为该次实际浏览资讯页面的时长。
优选的,所述根据所述当前用户的有效行为信息,得到当前用户对不同类别资讯的有效偏好程度进一步包括:
根据设定历史时段内当前用户对不同类别资讯的有效点击次数,分别得到不同类别资讯的有效偏好值;
对所有类别资讯的有效偏好值求和,得到有效偏好总值;
计算不同类别资讯的有效偏好值在有效偏好总值中的占比,得到不同类别资讯的有效偏好占比;
根据有效偏好占比对所有类别资讯按照由小至大进行排序,得到不同类别资讯的顺序值;
若任意两个类别资讯的有效偏好占比之差的绝对值小于设定阈值,则根据所述有效浏览时长对两个类别资讯的顺序值进行调整;
根据不同类别资讯的顺序值,得到当前用户对不同类别资讯的有效偏好程度。
优选的,综合所有用户的近期行为信息,得到当前用户的可参考偏好程度进一步包括:
根据近期设定时段内所有用户对不同类别资讯的点击总次数,分别得到不同类别资讯的可参考偏好值;
对所有类别资讯的可参考偏好值求和,得到可参考偏好总值;
计算不同类别资讯的可参考偏好值在可参考偏好总值中的占比,得到不同类别资讯的可参考偏好占比;
根据所述不同类别资讯的可参考偏好占比,得到当前用户的可参考偏好程度。
优选的,综合所述当前用户的有效偏好程度,以及可参考偏好程度,确定所述当前用户的偏好类资讯,将所述偏好类资讯推荐至当前用户进一步包括:
将不同类别资讯中顺序值大于设定顺序值且可参考偏好占比大于设定占比的类别资讯作为当前用户的偏好类资讯,将所述偏好类资讯推荐至当前用户。
本发明实施例还提供一种资讯推荐的装置,包括:
获取模块,用于获取当前用户针对目标应用的历史行为信息;
筛选模块,用于对所述当前用户的历史行为信息进行分析筛选,得到当前用户的有效行为信息;
行为分析模块,用于根据所述当前用户的有效行为信息,得到当前用户对不同类别资讯的有效偏好程度;
类别确定模块,用于根据当前用户的基础信息,确定所述当前用户的所属类别;
可参考分析模块,用于综合所属类别下所有用户针对目标应用的近期行为信息,得到当前用户对不同类别资讯的可参考偏好程度;
综合模块,用于综合所述当前用户的有效偏好程度,以及可参考偏好程度,确定所述当前用户的偏好类资讯,将所述偏好类资讯推荐至当前用户。
本发明实施例还提供一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述方法。
本发明实施例还提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述方法。
本发明实施例还提供一种计算机程序产品,所述计算机程序产品包括计算机程序,所述计算机程序被处理器执行时实现上述方法。
通过本文的方法,可以获取当前用户针对目标应用的历史行为信息,依次得到当前用户的有效行为信息,进而得到当前用户对不同类别资讯的有效偏好程度。还可以综合当前用户所属类别下所有用户针对目标应用的近期行为信息,得到当前用户对不同类别资讯的可参考偏好程度。根据不同类别当前用户的有效偏好程度,以及可参考偏好程度,确定当前用户的偏好类资讯,由此有计划的向当前用户推荐其偏好的资讯,使得资讯推荐更有针对性,也更好的满足用户需求。
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。在附图中:
图1为本发明实施例中提供的一种资讯推荐的方法的流程示意图;
图2为本发明实施例中提供的用于对当前用户的历史行为信息进行分析筛选,得到当前用户的有效行为信息的流程示意图;
图3为本发明实施例中提供的用于将点击总次数中由于当前用户误触而产生的点击次数剔除的流程示意图;
图4为本发明实施例中提供的从浏览总时长中筛选出当前用户实际浏览资讯页面的时长的流程示意图;
图5为本发明实施例中提供的用于根据当前用户的有效行为信息,得到当前用户对不同类别资讯的有效偏好程度的流程示意图;
图6为本发明实施例中提供的用于综合所有用户的近期行为信息,得到当前用户的可参考偏好程度的流程示意图;
图7为本发明实施例中提供的一种资讯推荐的装置的结构示意图;
图8为本发明实施例中提供的计算机设备的结构示意图。
附图符号说明:
100、获取模块;
200、筛选模块;
300、行为分析模块;
400、类别确定模块;
500、可参考分析模块;
600、综合模块;
802、计算机设备;
804、处理器;
806、存储器;
808、驱动机构;
810、输入/输出模块;
812、输入设备;
814、输出设备;
816、呈现设备;
818、图形用户接口;
820、网络接口;
822、通信链路;
824、通信总线。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚明白,下面结合附图对本发明实施例做进一步详细说明。在此,本发明的示意性实施例及其说明用于解释本发明,但并不作为对本发明的限定。
为了满足大众的需求,不同的平台均进行多种多样的资讯推荐,用户可以通过了解相关的资讯来满足自身的需求,例如银行平台可以推荐政策类资讯、理财类资讯、优惠类资讯等等。但是现有技术中的资讯推荐方法无法针对性推荐给需要的用户,导致用户的需求无法满足。
为了解决上述问题,本发明提供了一种资讯推荐的方法。图1是本发明实施例提供的一种资讯推荐的方法的流程示意图,本说明书提供了如实施例或流程图所述的方法操作步骤,但基于常规或者无创造性的劳动可以包括更多或者更少的操作步骤。实施例中列举的步骤顺序仅仅为众多步骤执行顺序中的一种方式,不代表唯一的执行顺序。在实际中的系统或装置产品执行时,可以按照实施例或者附图所示的方法顺序执行或者并行执行。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、装置、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
参照图1,本发明示出了一种资讯推荐的方法,包括:
S101:获取当前用户针对目标应用的历史行为信息;
S102:对所述当前用户的历史行为信息进行分析筛选,得到当前用户的有效行为信息;
S103:根据所述当前用户的有效行为信息,得到当前用户对不同类别资讯的有效偏好程度;
S104:根据当前用户的基础信息,确定所述当前用户的所属类别;
S105:综合所属类别下所有用户针对目标应用的近期行为信息,得到当前用户对不同类别资讯的可参考偏好程度;
S106:综合所述当前用户的有效偏好程度,以及可参考偏好程度,确定所述当前用户的偏好类资讯,将所述偏好类资讯推荐至当前用户。
目标应用指的是需要向用户进行资讯推荐的应用,当前用户的历史行为信息包括:当前用户在设定历史时段内对不同类别资讯的点击总次数和浏览总时长。其中对不同类别资讯的点击总次数和浏览总时长特指:当前用户针对目标应用中不同类别资讯的点击总次数和浏览总时长。
当前用户的历史行为信息中存在部分无效的行为信息,需要对其进行筛选,将有效行为信息筛选出来,有效行为信息才是真正能够反映用户偏好的信息,根据有效行为信息可以得到当前用户对不同类别资讯的有效偏好程度。
此外,根据当前用户的基础信息,可以确定当前用户的所属类别。一般来说,基础信息可以包括年龄、性别、籍贯、学历等等,可以依据基础信息对用户进行分类,例如年龄在25-35之间,性别为女,籍贯是城市甲,学历是本科以上的用户是属于同一类别,根据当前用户的基础信息可以确定其所属类别。
综合所属类别下所有用户针对目标应用的近期行为信息,可以得到当前用户的可参考偏好程度。需要说明的是,本文实施例中的历史行为信息与近期行为信息是两个相对的概念,其中近期行为信息指的是相对于历史行为信息来说时间更晚的一段时间内的行为信息。
本文实施例中以后续的一个例子来说明区分当前用户针对目标应用的历史行为信息,以及所有用户针对目标应用的近期行为信息的目的:例如2022年9月28日目标应用A需要向当前用户推荐资讯,用户之前距今最近一次登录目标应用A进行资讯浏览和点击是在2022年9月1日,则可以获取9月1日时当前用户针对目标应用的历史行为信息,得到当前用户对不同类别资讯的有效偏好程度。此外还可以获取2022年9月27日时,当前用户的所属类别下所有用户针对目标应用A的近期行为信息,得到当前用户对不同类别资讯的可参考偏好程度,依据有效偏好程度和可参考偏好程度得到当前用户的偏好类资讯。因为当前用户长时间未通过目标应用A进行资讯浏览和点击,其偏好可能发生了些许变化,因此需要获取距今较近的所属类别下所有用户的近期行为信息,来提高后续推荐的准确度。
通过本文的方法,可以获取当前用户针对目标应用的历史行为信息,依次得到当前用户的有效行为信息,进而得到当前用户对不同类别资讯的有效偏好程度。还可以综合当前用户所属类别下所有用户针对目标应用的近期行为信息,得到当前用户对不同类别资讯的可参考偏好程度。根据不同类别当前用户的有效偏好程度,以及可参考偏好程度,确定当前用户的偏好类资讯,由此有计划的向当前用户推荐其偏好的资讯,使得资讯推荐更有针对性,也更好的满足用户需求。
在本文实施例中,参照图2,所述对所述当前用户的历史行为信息进行分析筛选,得到当前用户的有效行为信息进一步包括:
S201:分析不同类别资讯的点击总次数,将其中由于当前用户误触而产生的点击次数剔除,筛选出不同类别资讯的有效点击次数;
S202:分析不同类别资讯的浏览总时长,从其中筛选出当前用户实际浏览资讯页面的时长,得到不同类别资讯的有效浏览时长。
有时当前用户会误触,不小心点开某个资讯,但其实并不是对该资讯感兴趣,因此需要将误触的情况剔除。有时当前用户在浏览资讯时,可能点开了某个资讯,但实际上确并没有观看该资讯,当前用户对该资讯也并不感兴趣,这种情况下需要将其中当前用户实际浏览资讯页面的时长分析出来。
其中,参照图3,将所述点击总次数中由于当前用户误触而产生的点击次数剔除进一步包括:
S301:获取当前用户在设定历史时段内每次点击资讯页面后的停留时长;
S302:若所述点击资讯页面后的停留时长小于设定时长,则确定该次点击资讯页面为误触,将该次点击次数剔除。
一般来说,如果用户误触资讯会立即关闭或者退出,因此可以根据当前用户每次点击资讯后的停留时长判断是否为误触,若停留时长小于设定时长,则说明该次点击资讯为误触,点击总次数中应当将该次点击次数剔除,即点击总次数减一。
从所述浏览总时长中筛选出当前用户实际浏览资讯页面的时长进一步包括:
参照图4,其中浏览总时长由多次浏览组成,下述S401至S402步骤可以确定当前用户每次实际浏览资讯页面的时长,将多次浏览中每次实际浏览资讯页面的时长相加,可以得到当前用户实际浏览资讯页面的时长。
S401:获取当前用户在设定历史时段内每次浏览资讯页面时视线焦点在页面的停留时长,以及每次浏览资讯页面时的眨眼频率;
S402:若所述眨眼频率在设定频率范围内,则将所述视线焦点在页面的停留时长作为该次实际浏览资讯页面的时长。
一般来说,若当前用户真实的在浏览资讯页面,那浏览过程中当前用户的视线焦点会一直停留在页面上,并且会以设定频率范围内的眨眼频率进行眨眼。如果用户视线焦点一直停留在页面上,但是眨眼频率不在设定频率范围内,很可能是用户在盯着页面发呆。只有眨眼频率在设定频率范围内时,视线焦点在页面的停留时长才有效,将停留时长作为该次实际浏览资讯页面的时长。
在本文实施例中,参照图5,所述根据所述当前用户的有效行为信息,得到当前用户对不同类别资讯的有效偏好程度进一步包括:
S501:根据设定历史时段内当前用户对不同类别资讯的有效点击次数,分别得到不同类别资讯的有效偏好值;
S502:对所有类别资讯的有效偏好值求和,得到有效偏好总值;
S503:计算不同类别资讯的有效偏好值在有效偏好总值中的占比,得到不同类别资讯的有效偏好占比;
S504:根据有效偏好占比对所有类别资讯按照由小至大进行排序,得到不同类别资讯的顺序值;
S505:若任意两个类别资讯的有效偏好占比之差的绝对值小于设定阈值,则根据所述有效浏览时长对两个类别资讯的顺序值进行调整;
S506:根据不同类别资讯的顺序值,得到当前用户对不同类别资讯的有效偏好程度。
对其中任一类别资讯来说,将该类别资讯的有效点击次数求和即可得到该类别的有效偏好值,例如资讯A的有效偏好值为a。将所有类别资讯的有效偏好值求和,得到有效偏好总值,例如有效偏好总值为m。
资讯A的有效偏好占比为a/m,将所有类别资讯按照有效偏好占比由小至大进行排序,即可得到不同类别资讯的顺序值,得到的这个顺序值只是一个初始的顺序值,还需要通过有效浏览时长对顺序值进行调整。
具体的,若任意两个类别资讯的有效偏好占比之差的绝对值小于设定阈值,说明当前用户对这两个类别资讯的偏好程度差不多,需要进一步确定这两个类别资讯的有效浏览时长,根据有效浏览时长对两个类别资讯的顺序值进行调整。假设资讯A的顺序值在前,资讯B的顺序值在后,调整方式可以为:判断两个资讯A的有效浏览时长是否小于资讯B的有效浏览时长,若是,则判断资讯A和B的有效浏览时长之差的绝对值是否大于设定绝对值,若是,则将资讯A和资讯B的顺序值进行调换。
由此可以得到经过调整后的不同类别资讯的顺序值,将该顺序值作为相应不同类别资讯的有效偏好程度。
在本文实施例中,参照图6,综合所有用户的近期行为信息,得到当前用户的可参考偏好程度进一步包括:
S601:根据近期设定时段内所有用户对不同类别资讯的点击总次数,分别得到不同类别资讯的可参考偏好值;
S602:对所有类别资讯的可参考偏好值求和,得到可参考偏好总值;
S603:计算不同类别资讯的可参考偏好值在可参考偏好总值中的占比,得到不同类别资讯的可参考偏好占比;
S604:根据所述不同类别资讯的可参考偏好占比,得到当前用户的可参考偏好程度。
统计每一类别资讯在近期设定时段内的点击总次数,将点击总次数作为每一类别资讯的可参考偏好值,例如资讯A的可参考偏好值为a’,对所有类别资讯的可参考偏好值求和,得到可参考偏好总值n,资讯A的可参考偏好占比为a’/n,按照可参考偏好占比对所有类别资讯进行排序,该排序可以代表当前用户的可参考偏好程度,即排序越靠后,当前用户的可参考偏好程度越大。
在本文实施例中,综合所述当前用户的有效偏好程度,以及可参考偏好程度,确定所述当前用户的偏好类资讯,将所述偏好类资讯推荐至当前用户进一步包括:
将不同类别资讯中顺序值大于设定顺序值且可参考偏好占比大于设定占比的类别资讯作为当前用户的偏好类资讯,将所述偏好类资讯推荐至当前用户。
可以理解的是,若某一类别资讯的顺序值大于设定顺序值,则表明当前用户对该类别资讯偏好程度较高,进一步的,若某一类别资讯的可参考偏好占比大于设定占比,则表明当前用户所属类别的所有用户对该类别资讯偏好程度较高,将同时满足上述两个条件的资讯作为当前用户的偏好类资讯,将偏好类资讯推荐至当前用户。
需要说明的是,本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等),均为经用户授权或者经过各方充分授权的信息和数据。且本申请实施例描述的技术方案中对数据的获取、存储、使用、处理等均符合国家法律法规的相关规定。
本发明实施例中还提供了一种资讯推荐的装置,如下面的实施例所述。由于该装置解决问题的原理与一种资讯推荐的方法相似,因此该装置的实施可以参见一种资讯推荐的方法的实施,重复之处不再赘述。
参照图7,为本发明实施例提供的一种资讯推荐的装置的结构示意图,所述装置包括:
获取模块100,用于获取当前用户针对目标应用的历史行为信息;
筛选模块200,用于对所述当前用户的历史行为信息进行分析筛选,得到当前用户的有效行为信息;
行为分析模块300,用于根据所述当前用户的有效行为信息,得到当前用户对不同类别资讯的有效偏好程度;
类别确定模块400,用于根据当前用户的基础信息,确定所述当前用户的所属类别;
可参考分析模块500,用于综合所属类别下所有用户针对目标应用的近期行为信息,得到当前用户对不同类别资讯的可参考偏好程度;
综合模块600,用于综合所述当前用户的有效偏好程度,以及可参考偏好程度,确定所述当前用户的偏好类资讯,将所述偏好类资讯推荐至当前用户。
本发明实施例还提供一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述方法。
参照图8所示,为本发明实施例提供的一种计算机设备的结构示意图,其中上述方法运行在计算机设备802上。计算机设备802可以包括一个或多个处理器804,诸如一个或多个中央处理单元(CPU)或图形处理器(GPU),每个处理单元可以实现一个或多个硬件线程。计算机设备802还可以包括任何存储器806,其用于存储诸如代码、设置、数据等之类的任何种类的信息,一具体实施方式中,存储器806上并可在处理器804上运行的计算机程序,所述计算机程序被所述处理器804运行时,可以执行根据上述方法的指令。
非限制性的,比如,存储器806可以包括以下任一项或多种组合:任何类型的RAM,任何类型的ROM,闪存设备,硬盘,光盘等。更一般地,任何存储器都可以使用任何技术来存储信息。进一步地,任何存储器可以提供信息的易失性或非易失性保留。进一步地,任何存储器可以表示计算机设备802的固定或可移除部件。在一种情况下,当处理器804执行被存储在任何存储器或存储器的组合中的相关联的指令时,计算机设备802可以执行相关联指令的任一操作。计算机设备802还包括用于与任何存储器交互的一个或多个驱动机构808,诸如硬盘驱动机构、光盘驱动机构等。
计算机设备802还可以包括输入/输出模块810(I/O),其用于接收各种输入(经由输入设备812)和用于提供各种输出(经由输出设备814)。一个具体输出机构可以包括呈现设备816和相关联的图形用户接口818(GUI)。在其他实施例中,还可以不包括输入/输出模块810(I/O)、输入设备812以及输出设备814,仅作为网络中的一台计算机设备。计算机设备802还可以包括一个或多个网络接口820,其用于经由一个或多个通信链路822与其他设备交换数据。一个或多个通信总线824将上文所描述的部件耦合在一起。
通信链路822可以以任何方式实现,例如,通过局域网、广域网(例如,因特网)、点对点连接等、或其任何组合。通信链路822可以包括由任何协议或协议组合支配的硬连线链路、无线链路、路由器、网关功能、名称服务器等的任何组合。
本发明实施例还提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述方法。
本发明实施例还提供一种计算机程序产品,所述计算机程序产品包括计算机程序,所述计算机程序被处理器执行时实现上述方法。
在本发明实施例中,与现有技术中即使用户开始进行沉浸式观看时仍旧用不会进行更改或切换观看模式的技术方案相比,可以根据用户观看过程中的沉浸度进行模式切换,模式切换时需要接收用户的指令,在得到指令后方可进行切换,进而使得用户观看更加方便,并且提升用户体验。为了方便用户观看,本发明通过追踪用户的眼动信息来进行翻页,无需手动操作,通过眼睛的转换变动来进行翻页,进一步的提升了用户体验。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本文的范围。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,上述描述的系统、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在本文所提供的几个实施例中,应该理解到,所揭露的系统、装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另外,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口、装置或单元的间接耦合或通信连接,也可以是电的,机械的或其它的形式连接。
所述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单元来实现本文实施例方案的目的。
另外,在本文各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以是两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。
以上所述的具体实施例,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施例而已,并不用于限定本发明的保护范围,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (12)
1.一种资讯推荐的方法,其特征在于,包括:
获取当前用户针对目标应用的历史行为信息;
对所述当前用户的历史行为信息进行分析筛选,得到当前用户的有效行为信息;
根据所述当前用户的有效行为信息,得到当前用户对不同类别资讯的有效偏好程度;
根据当前用户的基础信息,确定所述当前用户的所属类别;
综合所属类别下所有用户针对目标应用的近期行为信息,得到当前用户对不同类别资讯的可参考偏好程度;
综合所述当前用户的有效偏好程度,以及可参考偏好程度,确定所述当前用户的偏好类资讯,将所述偏好类资讯推荐至当前用户。
2.如权利要求1所述的资讯推荐的方法,其特征在于,所述当前用户的历史行为信息包括:当前用户在设定历史时段内对不同类别资讯的点击总次数和浏览总时长。
3.如权利要求2所述的资讯推荐的方法,其特征在于,所述对所述当前用户的历史行为信息进行分析筛选,得到当前用户的有效行为信息进一步包括:
分析不同类别资讯的点击总次数,将其中由于当前用户误触而产生的点击次数剔除,筛选出不同类别资讯的有效点击次数;
分析不同类别资讯的浏览总时长,从其中筛选出当前用户实际浏览资讯页面的时长,得到不同类别资讯的有效浏览时长。
4.如权利要求3所述的资讯推荐的方法,其特征在于,将所述点击总次数中由于当前用户误触而产生的点击次数剔除进一步包括:
获取当前用户在设定历史时段内每次点击资讯页面后的停留时长;
若所述点击资讯页面后的停留时长小于设定时长,则确定该次点击资讯页面为误触,将该次点击次数剔除。
5.如权利要求3所述的资讯推荐的方法,其特征在于,从所述浏览总时长中筛选出当前用户实际浏览资讯页面的时长进一步包括:
获取当前用户在设定历史时段内每次浏览资讯页面时视线焦点在页面的停留时长,以及每次浏览资讯页面时的眨眼频率;
若所述眨眼频率在设定频率范围内,则将所述视线焦点在页面的停留时长作为该次实际浏览资讯页面的时长。
6.如权利要求3所述的资讯推荐的方法,其特征在于,所述根据所述当前用户的有效行为信息,得到当前用户对不同类别资讯的有效偏好程度进一步包括:
根据设定历史时段内当前用户对不同类别资讯的有效点击次数,分别得到不同类别资讯的有效偏好值;
对所有类别资讯的有效偏好值求和,得到有效偏好总值;
计算不同类别资讯的有效偏好值在有效偏好总值中的占比,得到不同类别资讯的有效偏好占比;
根据有效偏好占比对所有类别资讯按照由小至大进行排序,得到不同类别资讯的顺序值;
若任意两个类别资讯的有效偏好占比之差的绝对值小于设定阈值,则根据所述有效浏览时长对两个类别资讯的顺序值进行调整;
根据不同类别资讯的顺序值,得到当前用户对不同类别资讯的有效偏好程度。
7.如权利要求6所述的资讯推荐的方法,其特征在于,综合所有用户的近期行为信息,得到当前用户的可参考偏好程度进一步包括:
根据近期设定时段内所有用户对不同类别资讯的点击总次数,分别得到不同类别资讯的可参考偏好值;
对所有类别资讯的可参考偏好值求和,得到可参考偏好总值;
计算不同类别资讯的可参考偏好值在可参考偏好总值中的占比,得到不同类别资讯的可参考偏好占比;
根据所述不同类别资讯的可参考偏好占比,得到当前用户的可参考偏好程度。
8.如权利要求7所述的资讯推荐的方法,其特征在于,综合所述当前用户的有效偏好程度,以及可参考偏好程度,确定所述当前用户的偏好类资讯,将所述偏好类资讯推荐至当前用户进一步包括:
将不同类别资讯中顺序值大于设定顺序值且可参考偏好占比大于设定占比的类别资讯作为当前用户的偏好类资讯,将所述偏好类资讯推荐至当前用户。
9.一种资讯推荐的装置,其特征在于,包括:
获取模块,用于获取当前用户针对目标应用的历史行为信息;
筛选模块,用于对所述当前用户的历史行为信息进行分析筛选,得到当前用户的有效行为信息;
行为分析模块,用于根据所述当前用户的有效行为信息,得到当前用户对不同类别资讯的有效偏好程度;
类别确定模块,用于根据当前用户的基础信息,确定所述当前用户的所属类别;
可参考分析模块,用于综合所属类别下所有用户针对目标应用的近期行为信息,得到当前用户对不同类别资讯的可参考偏好程度;
综合模块,用于综合所述当前用户的有效偏好程度,以及可参考偏好程度,确定所述当前用户的偏好类资讯,将所述偏好类资讯推荐至当前用户。
10.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,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8任一所述方法。
11.一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存储有计算机程序,所述计算机程序被处理器执行时实现权利要求1至8任一所述方法。
12.一种计算机程序产品,其特征在于,所述计算机程序产品包括计算机程序,所述计算机程序被处理器执行时实现权利要求1至8任一所述方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211230946.8A CN115470411A (zh) | 2022-09-30 | 2022-09-30 | 一种资讯推荐的方法、装置、设备、存储介质和产品 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211230946.8A CN115470411A (zh) | 2022-09-30 | 2022-09-30 | 一种资讯推荐的方法、装置、设备、存储介质和产品 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115470411A true CN115470411A (zh) | 2022-12-13 |
Family
ID=84336252
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211230946.8A Pending CN115470411A (zh) | 2022-09-30 | 2022-09-30 | 一种资讯推荐的方法、装置、设备、存储介质和产品 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115470411A (zh) |
-
2022
- 2022-09-30 CN CN202211230946.8A patent/CN115470411A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11044179B1 (en) | Service monitoring interface controlling by-service mode operation | |
US11144545B1 (en) | Monitoring console for entity detail | |
US10965559B1 (en) | Automatic creation of related event groups for an IT service monitoring system | |
US10193775B2 (en) | Automatic event group action interface | |
US10209956B2 (en) | Automatic event group actions | |
US20180248960A1 (en) | Automated service discovery in i.t. environments with entity associations | |
US9721310B2 (en) | Facet-based filtering of social network update data | |
US20180024901A1 (en) | Automatic entity control in a machine data driven service monitoring system | |
US20160366036A1 (en) | Control Interface for Dynamic Substitution of Service Monitoring Dashboard Source Data | |
CA2884450C (en) | Aggregation source routing | |
US20170244735A1 (en) | Systems and user interfaces for dynamic and interactive investigation of bad actor behavior based on automatic clustering of related data in various data structures | |
CN111177111A (zh) | 基于用户指定分段执行查询时归因建模 | |
US10203796B2 (en) | Touch prediction for visual displays | |
US20170004433A1 (en) | Service Monitoring Adaptation for Maintenance Downtime | |
CN110674406A (zh) | 推荐方法、装置、电子设备及存储介质 | |
CN103778548A (zh) | 商品信息与关键词匹配方法、商品信息投放方法及装置 | |
US20150312114A1 (en) | Session analysis systems and methods | |
CN113778286A (zh) | 应用控件显示方法、装置、存储介质及电子设备 | |
CN110910108B (zh) | 一种数据关联方法、装置、电子设备及存储介质 | |
CN109597948A (zh) | 访问url链接的方法、系统及存储介质 | |
CN115470411A (zh) | 一种资讯推荐的方法、装置、设备、存储介质和产品 | |
CN104951477A (zh) | 用于过滤数据的方法和装置 | |
JP4790573B2 (ja) | 電話番号に基づいて電話契約者の信用度を推定するコンピュータシステム | |
US20170090914A1 (en) | Method and system for associating applications using parameter optimization | |
KR20200083865A (ko) | 투자정보 제공 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 |