CN116089696A - 个性化推荐方法、装置、设备和存储介质 - Google Patents

Abstract

本公开涉及一种个性化推荐方法、装置、设备和存储介质。该方法包括：确定第一数据组和/或第二数据组为目标数据组，所述第一数据组包括多种信源的第一数据，所述第二数据组包括多种设备的第二数据；根据所述目标数据组，确定目标用户的行为画像；根据所述行为画像，向所述目标用户推荐内容。该方法能够实现多元化的推荐。

Description

个性化推荐方法、装置、设备和存储介质

技术领域

本公开涉及互联网技术领域，尤其涉及一种个性化推荐方法、装置、设备和存储介质。

背景技术

用户在互联网上寻找自己感兴趣的内容时，一般可以通过搜索快速获取，但是，随着互联网技术的发展，针对用户的搜索可能会出现大量的内容，而用户需要花费大量的时间与精力才能找到自己感兴趣的内容，个性化推荐应用而生。个性化推荐是指，针对不同偏好、习惯的用户，推荐不同的内容，以满足用户的个性化需求，能够大大缩短用户获取感兴趣的内容的时间，提升用户的体验。

然而，现有技术中的个性化推荐的内容比较单一，不能满足用户多元化的需求。

发明内容

为了解决上述技术问题，本公开提供了一种个性化推荐方法、装置、设备和存储介质，能够实现多元化的推荐。

第一方面，本公开提供了一种个性化推荐方法，包括：

确定第一数据组和/或第二数据组为目标数据组，所述第一数据组包括多种信源的第一数据，所述第二数据组包括多种设备的第二数据；

根据所述目标数据组，确定目标用户的行为画像；

根据所述行为画像，向所述目标用户推荐内容。

可选的，所述根据所述目标数据组，确定目标用户的行为画像，包括：

根据所述目标数据组中所有数据产生的时间，获取所述目标用户的行为序列；

根据所述行为序列，确定所述行为画像。

可选的，所述目标数据组中包括语音交互数据、浏览数据和图像数据中的至少一种；

所述根据所述目标数据组，确定目标用户的行为画像，包括：

根据所述语音交互数据、所述浏览数据和所述图像数据中的至少一种，确定所述行为画像。

可选的，在确定第二数据组为目标数据组的情况下，所述根据所述目标数据组，确定目标用户的行为画像，包括：

根据场景与设备的对应关系，将所述第二数据组中所有的所述第二数据划分为不同的子数据组，每个子数据组中包括单个场景中所有设备的第二数据；

根据不同场景对应的子数据组，确定所述行为画像。

可选的，所述根据场景与设备的对应关系，将所述第二数据组中所有的所述第二数据划分为不同的子数据组之前，还包括：

根据多个第二数据之间的内容相关性和/或时间相关性，确定所述对应关系。

可选的，所述根据所述行为画像，向所述目标用户推荐内容，包括：

根据所述目标用户当前使用的信源和/或当前使用的设备，以及所述行为画像，向所述目标用户推荐内容。

可选的，所述根据所述行为画像，向所述目标用户推荐内容，包括：

根据所述目标用户当前所处的场景和所述行为画像，通过所述目标用户当前所处的场景对应的所有设备，向所述目标用户推荐内容。

第二方面，本公开提供了一种个性化推荐装置，包括：

确定模块，用于确定第一数据组和/或第二数据组为目标数据组，所述第一数据组包括多种信源的第一数据，所述第二数据组包括多种设备的第二数据；根据所述目标数据组，确定目标用户的行为画像；

推荐模块，用于根据所述行为画像，向所述目标用户推荐内容。

第三方面，本公开提供了一种电子设备，包括：处理器，所述处理器用于执行存储于存储器的计算机程序，所述计算机程序被处理器执行时实现第一方面所述的方法的步骤。

第四方面，本公开提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现第一方面所述的方法的步骤。

本公开提供的技术方案中，通过确定第一数据组和/或第二数据组为目标数据组，第一数据组包括多种信源的第一数据，第二数据组包括多种设备的第二数据；根据目标数据组，确定目标用户的行为画像；根据行为画像，向目标用户推荐内容，能够基于不同设备、不同信源的数据，描绘用户的全方位行为画像，使得用户行为画像的内容比较丰富全面，从而能够向用户推荐内容比较丰富、多元的内容，提升用户体验。

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，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。

为了更清楚地说明本公开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，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本公开提供的一种个性化推荐方法的流程示意图；

图2为本公开提供的另一种个性化推荐方法的流程示意图；

图3为本公开提供的又一种个性化推荐方法的流程示意图；

图4为本公开提供的又一种个性化推荐方法的流程示意图；

图5为本公开提供的又一种个性化推荐方法的流程示意图；

图6为本公开提供的又一种个性化推荐方法的流程示意图；

图7为本公开提供的又一种个性化推荐方法的流程示意图；

图8为本公开提供的一种个性化推荐装置的结构示意图；

图9为本公开提供的一种电子设备的结构示意图。

具体实施方式

为了能够更清楚地理解本公开的上述目的、特征和优点，下面将对本公开的方案进行进一步描述。需要说明的是，在不冲突的情况下，本公开的实施例及实施例中的特征可以相互组合。

在下面的描述中阐述了很多具体细节以便于充分理解本公开，但本公开还可以采用其他不同于在此描述的方式来实施；显然，说明书中的实施例只是本公开的一部分实施例，而不是全部的实施例。

图1为本公开提供的一种个性化推荐方法的流程示意图，如图1所示，包括：

S101，确定第一数据组和/或第二数据组为目标数据组。

第一数据组包括多种信源的第一数据，第二数据组包括多种设备的第二数据。

多种信源可以是无线应用协议(Wireless Application Protocol，WAP)网页、全球广域网(World Wide Web，WEB)网页、应用程序(Application，APP)页面、快应用网页、小程序中的至少两种，相应的第一数据可以是WAP网页数据、WAP网页数据、APP页面数据、快应用网页数据、小程序数据中的多种数据。WAP网页数据、WAP网页数据、APP页面数据、快应用网页数据以及小程序数据可以是用户浏览的内容数据、用户的语音交互数据、用户的图像数据、用户交互的时间数据中的至少一个。

手机、平板、智能电视、智能手表、智能冰箱、音响、车载中控、摄像头、传感器中的至少两种，第二数据可以是多种设备中用户浏览的内容数据、用户的语音交互数据、用户的图像交互数据、用户的场景数据、用户交互的时间数据、设备的传感数据中的至少一个。

可以将多种信源的第一数据确定为目标数据组，例如，可以将用户浏览的WAP网页的内容数据、APP页面中用户的图像交互数据作为目标数据组。或者，可以将多种设备的第二数据确定为目标数据组，例如，将手机中用户浏览的内容数据、智能音响中与用户的语音交互数据和摄像头中用户的图像交互数据确定为目标数据组。或者，还可以将多种信源的第一数据和多种设备的第二数据确定为目标数据组，例如，将用户浏览的WAP网页的内容数据、APP页面中用户的图像交互数据和智能音响中与用户的语音交互数据确定为目标数据组。

S102，根据所述目标数据组，确定目标用户的行为画像。

示例性的，在同一设备的不同信源中，可以基于同一账户进行登录，通过拉取同一账户的数据，可以得到同一用户对应的多种信源的第一数据，基于与同一设备对应的多个信源的第一数据，可以确定该用户在同一设备中的行为画像。例如，用户A在平板端的APP1中的第一数据为D1，用户A在手机端的APP2中的第一数据为D2，用户A在手机端的小程序1中的第一数据为D3，基于用户A在手机中对应的APP2的第一数据D2和小程序1的第一数据D3，可以确定用户A在手机中的行为画像。用户的行为画像可以打破同一设备中信源的约束，反映出用户在同一个设备中所有的行为特征、偏好以及习惯等信息，增加了行为画像中信息的维度，有利于向用户提供比较多元化的内容，提升用户的体验。

示例性的，在不同设备中，可以基于同一账户进行登录，通过拉取同一账户的数据，可以得到同一用户对应的多种设备的第二数据，基于与同一场景对应的多种设备的第二数据，可以确定该用户在同一场景中的行为画像。例如，用户A在设备1中的第二数据为d1，用户A在设备2中的第二数据为d2，用户在设备3中的第三数据为d3，场景1对应设备1和设备2，基于用于A在场景1中对应的设备1的第二数据d1和设备2的第二数据d2，可以确定用户A在场景1中的行为画像。用户的行为画像可以打破同一场景中不同设备的约束，反映出用户在同一场景不同设备中的行为特征、偏好以及习惯等信息，增加了行为画像中信息的维度，有利于向用户提供比较多元化的内容，提升用户的体验。

示例性的，结合上述实施例，同一用户在同一场景中对应的多种设备的第二数据以及该用户在同一设备中对应的多种信源的第一数据，可以得到该用户比较全面的行为画像，该行为画像可以打破同一场景中设备的约束以及信源的约束，增加行为画像中信息的维度，有利于向用户提供比较多元化的内容，提升用户的体验。

S103，根据所述行为画像，向所述目标用户推荐内容。

基于上述实施例，针对不同的用户可以获得个性化的行为画像，基于行为画像，向用户推荐相应的内容，实现针对不同用户的个性化推荐。

本实施例中，通过确定第一数据组和/或第二数据组为目标数据组，第一数据组包括多种信源的第一数据，第二数据组包括多种设备的第二数据；根据目标数据组，确定目标用户的行为画像；根据行为画像，向目标用户推荐内容，能够基于不同设备、不同信源的数据，描绘用户的全方位行为画像，使得用户行为画像的内容比较丰富全面，从而能够向用户推荐内容比较丰富、多元的内容，提升用户体验。

图2为本公开提供的另一种个性化推荐方法的流程示意图，图2为图1所示实施例的基础上，执行S102时的一种可能的实现方式的具体描述，如下：

S1021，根据所述目标数据组中所有数据产生的时间，获取所述目标用户的行为序列。

示例性的，目标数据组中的数据可以携带有一个时间戳，时间戳用于表示对应的数据产生的时间，可以将所有数据的按照其产生的时间顺序进行排列，可以得到一个数据序列。由于每个数据的产生对应有用户的一个行为，因此，根据数据序列可以得到对应的行为序列，行为序列中的所有行为按照时间轴顺序进行排列。

例如，在早上7:00时，用户A的手机闹铃响，即手机闹铃数据对应时间戳可以为7:00，中午12:00时，用户A通过手机的APP点外卖，即手机服务内容数据对应时间戳可以为12:00，晚上20:00时，用户A通过智能电视看电影，即电视内容数据对应时间戳可以为20:00。手机闹铃数据对应的用户行为可以是起床，手机服务内容数据对应的用户行为可以是吃饭，电视内容数据对应的用户行为可以是休闲娱乐，如此，得到用户A的行为序列可以为：起床、吃饭、休闲娱乐。

S1022，根据所述行为序列，确定所述行为画像。

可以一天、一周、一月为周期，将用户的行为序列进行划分，可以得到周期内用户的行为画像，该行为画像可以覆盖用户的所有时刻的行为，能够比较全面、准确的反映用户的行为特征，从而提升用户行为画像的准确性和多元性。

本实施例中，通过根据目标数据组中所有数据产生的时间，获取目标用户的行为序列；根据行为序列，确定行为画像，能够比较全面、准确的反映用户的行为特征，从而提升用户行为画像的准确性。

图3为本公开提供的又一种个性化推荐方法的流程示意图，图3为图1所示实施例的基础上，执行S102时的另一种可能的实现方式的具体描述，如下：

S102’，根据所述语音交互数据、所述浏览数据和所述图像数据中的至少一种，确定所述行为画像。

目标数据组中可以包括语音交互数据、浏览数据和图像数据中的至少一种，示例性的，若目标数据组中包括语音交互数据、浏览数据和图像数据，根据语音交互数据、浏览数据和图像数据，确定的用户行为画像，扩充了行为画像数据库中的数据，增加行为画像数据库中数据反映的维度，如此，刻画的行为画像中的信息维度较多，提升行为画像的覆盖度，能够提升行为画像的准确性。

在其他实施方式中，目标数据组还可以包括语音交互数据、浏览数据和图像数据中的一种和两种，同样能够实现上述有益效果。

本实施例中，通过根据语音交互数据、浏览数据和图像数据中的至少一种，确定行为画像，能够增加行为画像数据库中数据反映的维度，如此，刻画的行为画像中的信息维度较多，提升行为画像的覆盖度，能够提升行为画像的准确性。

图4为本公开提供的又一种个性化推荐方法的流程示意图，图4为图1所示实施例的基础上，执行S101时的一种可能的实现方式的具体描述，如下：

S101’，确定第二数据组为目标数据组。

目标数据组中包括多种设备的第二数据，例如，目标数据组中包括同一用户对应的设备1的第二数据d1、设备2的第二数据d2和设备3的第二数据d3。

基于上述实施例，执行S102时的又一种可能的实现方式的具体描述，如图4所示：

S202，根据场景与设备的对应关系，将所述第二数据组中所有的所述第二数据划分为不同的子数据组。

每个子数据组中包括单个场景中所有设备的第二数据。

同一场景中可以使用多种设备，据此可以获取到场景与设备的对应关系，例如，基于上述实施例，设备1为电视、设备2为音响，设备3为冰箱，在家庭影院的场景中，需要使用电视和音响，显然，电视和音响，与家庭影院场景存在对应关系。对应关系中包括多个场景，以及与每个场景对应的至少一种设备，根据对应关系，可以对所有第二数据进行分组，将同一场景对应的所有设备的第二数据划分为一组，形成一个子数据组，如此，基于多个场景能够得到多个子数据组。

S203，根据不同场景对应的子数据组，确定所述行为画像。

根据多个场景以及各自对应的子数据组中的数据，刻画出同一用户在不同场景中的行为画像，如此，可以对用户的行为画像进行场景的细分，从而能够根据用户当前的场景，推荐多种设备相关的内容，提升推荐内容的多元性。

本实施例中，通过根据场景与设备的对应关系，将第二数据组中所有的第二数据划分为不同的子数据组，每个子数据组中包括单个场景中所有设备的第二数据；根据不同场景对应的子数据组，确定行为画像，能够刻画出同一用户在不同场景中的行为画像，形成场景化的行为画像，提升行为画像中行为特征的多元化，能够提升推荐内容的多元性，从而提升用户体验。

图5为本公开提供的又一种个性化推荐方法的流程示意图，图5为图4所示实施例的基础上，执行S202之前，还包括：

S201，根据多个第二数据之间的内容相关性和/或时间相关性，确定所述对应关系。

示例性的，基于上述实施例，在家庭影院场景中，电视显示的画面与音响输出音频在内容上具有相关性，据此可以确定电视和音响，与家庭影院场景的对应关系。

示例性的，基于上述实施例，在家庭影院场景中，电视显示画面的时间与在音响输出音频的时间具有相关性，例如，两者的时间重叠，据此，可以确定电视和音响，与家庭影院场景的对应关系。

示例性的，基于上述实施例，在家庭影院场景中，电视显示画面的时间与在音响输出音频的时间具有相关性，此外，电视显示的画面与音响输出音频在内容上具有相关性，根据时间相关性和内容相关性可以确定电视和音响，与家庭影院场景的对应关系。

需要说明的是，本实施例仅以家庭影院场景为例对确定场景与设备的对应关系进行示例性说明，在其他场景中，也可以基于其他第二数据之间的内容相关性和/或时间相关性确定其他场景的对应关系。

图6为本公开提供的又一种个性化推荐方法的流程示意图，图6为图1所示实施例的基础上，执行S103时的一种可能的实现方式的具体描述，如下：

S103’，根据所述目标用户当前使用的信源和/或当前使用的设备，以及所述行为画像，向所述目标用户推荐内容。

可以通过用户在设备端的多个信源执行触发操作，获取到用户当前使用的信源，根据用户的行为画像，通过用户当前使用的信源向用户展示推荐的内容，推荐的内容以适合该信源的展示方式进行展示。或者，可以通过用户在不同设备执行触发操作，获取到用户当前使用的设备，根据用户的行为画像，通过用户当前使用的设备向用户展示推荐的内容，推荐的内容以适合该设备的展示方式进行展示。或者，还可以通过设备在不同设备中的不同信源执行触发操作，获取到用户当前使用的设备以及当前使用的信源，根据用户的行为画像，通过用户当前使用的设备中当前使用的信源向用户展示推荐的内容，推荐的内容以适合该设备且适合该信源的展示方式进行展示。

本实施例中，通过根据目标用户当前使用的信源和/或当前使用的设备，以及行为画像，向目标用户推荐内容，能够针对不同的信源和/或设备，向用户推荐相应的内容，细化了用户的需求，能够提升内容推荐的准确性。

图7为本公开提供的又一种个性化推荐方法的流程示意图，图7为图4所示实施例的基础上，执行S103时的另一种可能的实现方式的具体描述，如下：

S103”，根据所述目标用户当前所处的场景和所述行为画像，通过所述目标用户当前所处的场景对应的所有设备，向所述目标用户推荐内容。

上述实施例中获取的行为画像是一种场景化的行为画像，即针对不同的场景刻画出不同的行为画像，通过用户的触发操作，或者设备的自动检测，可以获取到用户当前所处的场景。根据用户当前所处的场景，基于场景化的行为画像，向用户推荐适合当前场景下的内容。例如，用户当前处于家庭影院场景中，则分别向音响和电视推荐相应的内容，音响和电视分别以适合的展示形式向用户展示各自推荐的内容。

本实施例中，通过根据目标用户当前所处的场景和行为画像，通过目标用户当前所处的场景对应的所有设备，向目标用户推荐内容，能够针对不同的场景，向用户推荐相应的内容，基于场景细化了用户的需求，能够提升内容推荐的准确性。

本实施例还提供了一种个性化推荐装置，图8为本公开提供的一种个性化推荐装置的结构示意图，如图8所示，个性化推荐装置包括：

确定模块110，用于确定第一数据组和/或第二数据组为目标数据组，所述第一数据组包括多种信源的第一数据，所述第二数据组包括多种设备的第二数据；根据所述目标数据组，确定目标用户的行为画像。

推荐模块120，用于根据所述行为画像，向所述目标用户推荐内容。

可选的，确定模块110，进一步用于根据所述目标数据组中所有数据产生的时间，获取所述目标用户的行为序列；根据所述行为序列，确定所述行为画像。

可选的，所述目标数据组中包括语音交互数据、浏览数据和图像数据中的至少一种。

确定模块110，进一步用于根据所述语音交互数据、所述浏览数据和所述图像数据中的至少一种，确定所述行为画像。

可选的，确定模块110，进一步用于确定第二数据组为目标数据组；根据场景与设备的对应关系，将所述第二数据组中所有的所述第二数据划分为不同的子数据组，每个子数据组中包括单个场景中所有设备的第二数据；根据不同场景对应的子数据组，确定所述行为画像。

可选的，确定模块110，还用于根据多个第二数据之间的内容相关性和/或时间相关性，确定所述对应关系。

可选的，推荐模块120，进一步用于根据所述目标用户当前使用的信源和/或当前使用的设备，以及所述行为画像，向所述目标用户推荐内容。

可选的，推荐模块120，进一步用于根据所述目标用户当前所处的场景和所述行为画像，通过所述目标用户当前所处的场景对应的所有设备，向所述目标用户推荐内容。

本实施例的装置，可用于执行上述方法实施例的步骤，其实现原理和技术效果类似，此处不再赘述。

本公开还提供一种电子设备，图9为本公开提供的一种电子设备的结构示意图，图9示出了适于用来实现本公开实施例实施方式的示例性电子设备的框图。图9显示的电子设备仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。

如图9所示，电子设备12以通用计算设备的形式表现。电子设备12的组件可以包括但不限于：一个或者多个处理器16，系统存储器28，连接不同系统组件(包括系统存储器28和处理器16)的总线18。

总线18表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(ISA)总线，微通道体系结构(MAC)总线，增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。

电子设备12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被电子设备12访问的介质，包括易失性和非易失性介质，可移动的和不可移动的介质。

系统存储器28可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(RAM)30和/或高速缓存存储器32。电子设备12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统34可以用于读写不可移动的、非易失性磁介质(图9未显示，通常称为“硬盘驱动器”)。尽管图9中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如CD-ROM、DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线18相连。系统存储器28可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本发明实施例各实施例的功能。

具有一组(至少一个)程序模块42的程序/实用工具40，可以存储在例如系统存储器28中，这样的程序模块42包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本发明实施例所描述的实施例中的功能和/或方法。

处理器16通过运行存储在系统存储器28中的多个程序中的至少一个程序，从而执行各种功能应用以及数据处理，例如实现本发明实施例所提供方法的步骤。

本公开还提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现本发明实施例提供的任一种方法。

可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。

计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。

计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、电线、光缆、RF等等，或者上述的任意合适的组合。

可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)域连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

本公开还提供一种计算机程序产品，当所述计算机程序产品在计算机上运行时，使得所述计算机执行上述各方法实施例所述的方法的步骤。

需要说明的是，在本文中，诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

以上所述仅是本公开的具体实施方式，使本领域技术人员能够理解或实现本公开。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本公开的精神或范围的情况下，在其它实施例中实现。因此，本公开将不会被限制于本文所述的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (10)

1.一种个性化推荐方法，其特征在于，包括：

确定第一数据组和/或第二数据组为目标数据组，所述第一数据组包括多种信源的第一数据，所述第二数据组包括多种设备的第二数据；

根据所述目标数据组，确定目标用户的行为画像；

根据所述行为画像，向所述目标用户推荐内容。

2.根据权利要求1所述的方法，其特征在于，所述根据所述目标数据组，确定目标用户的行为画像，包括：

根据所述目标数据组中所有数据产生的时间，获取所述目标用户的行为序列；

根据所述行为序列，确定所述行为画像。

3.根据权利要求1或2所述的方法，其特征在于，所述目标数据组中包括语音交互数据、浏览数据和图像数据中的至少一种；

所述根据所述目标数据组，确定目标用户的行为画像，包括：

根据所述语音交互数据、所述浏览数据和所述图像数据中的至少一种，确定所述行为画像。

4.根据权利要求1或2所述的方法，其特征在于，在确定第二数据组为目标数据组的情况下，所述根据所述目标数据组，确定目标用户的行为画像，包括：

根据场景与设备的对应关系，将所述第二数据组中所有的所述第二数据划分为不同的子数据组，每个子数据组中包括单个场景中所有设备的第二数据；

根据不同场景对应的子数据组，确定所述行为画像。

5.根据权利要求4所述的方法，其特征在于，所述根据场景与设备的对应关系，将所述第二数据组中所有的所述第二数据划分为不同的子数据组之前，还包括：

根据多个第二数据之间的内容相关性和/或时间相关性，确定所述对应关系。

6.根据权利要求1或2所述的方法，其特征在于，所述根据所述行为画像，向所述目标用户推荐内容，包括：

根据所述目标用户当前使用的信源和/或当前使用的设备，以及所述行为画像，向所述目标用户推荐内容。

7.根据权利要求4所述的方法，其特征在于，所述根据所述行为画像，向所述目标用户推荐内容，包括：

根据所述目标用户当前所处的场景和所述行为画像，通过所述目标用户当前所处的场景对应的所有设备，向所述目标用户推荐内容。

8.一种个性化推荐装置，其特征在于，包括：

确定模块，用于确定第一数据组和/或第二数据组为目标数据组，所述第一数据组包括多种信源的第一数据，所述第二数据组包括多种设备的第二数据；根据所述目标数据组，确定目标用户的行为画像；

推荐模块，用于根据所述行为画像，向所述目标用户推荐内容。

9.一种电子设备，其特征在于，包括：处理器，所述处理器用于执行存储于存储器的计算机程序，所述计算机程序被处理器执行时实现权利要求1-7任一项所述的方法的步骤。

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1-7任一项所述的方法的步骤。

Images