CN116546091B

CN116546091B - 流式内容的推荐方法、装置、设备及存储介质

Info

Publication number: CN116546091B
Application number: CN202310828042.3A
Authority: CN
Inventors: 邹镇泽
Original assignee: Shenzhen Segi Information Technology Co ltd
Current assignee: Shenzhen Segi Information Technology Co ltd
Priority date: 2023-07-07
Filing date: 2023-07-07
Publication date: 2023-11-28
Anticipated expiration: 2043-07-07
Also published as: CN116546091A

Abstract

本发明涉及数据处理领域，公开了一种流式内容的推荐方法、装置、设备及存储介质。该方法包括：检测用户的行为特征；根据行为特征生成用户对应的用户标签以及用户标签对应的热度值，其中，热度值的大小可触发删除用户标签的操作指令；根据时间更新热度值，得到用户动态标签库；接收到推送请求时，根据推送请求以及用户动态标签库确定推送请求对应的用户类型；当用户类型为活跃用户时，在用户动态标签库中确定与推送请求对应的目标用户；根据目标用户在用户动态标签库中对应的目标用户标签生成流式内容；输出流式内容。本发明提高了流式内容的推荐精准度。

Description

流式内容的推荐方法、装置、设备及存储介质

技术领域

本发明涉及数据处理领域，尤其涉及一种流式内容的推荐方法、装置、设备及存储介质。

背景技术

对于流式内容的推荐方式，很多运营类APP的首页数据还是使用传统方式，例如：在目标用户的终端以最新数据的方式进行呈现，该显示方式会使得用户感到乏累，使得用户不想长时间在app上停留。上述推荐案例一般被定义为无效推送，在无效推送次数较多时，会影响到数据挖掘的准确性；从而导致流式内容的推荐精准度低。

发明内容

本发明的主要目的在于解决流式内容的推送精准度低的技术问题。

本发明第一方面提供了一种流式内容的推荐方法，所述流式内容的推荐方法包括：

检测用户的行为特征；

根据所述行为特征生成所述用户对应的用户标签以及所述用户标签对应的热度值，其中，所述热度值的大小可触发删除所述用户标签的操作指令；

根据时间更新所述热度值，得到用户动态标签库；

接收到推送请求时，根据所述推送请求以及所述用户动态标签库确定所述推送请求对应的用户类型；

当所述用户类型为活跃用户时，在所述用户动态标签库中确定与所述推送请求对应的目标用户；

根据所述目标用户在所述用户动态标签库中对应的目标用户标签生成流式内容；

输出所述流式内容。

可选的，在本发明第一方面的第一种实现方式中，所述根据所述目标用户在所述用户动态标签库中对应的目标用户标签生成流式内容的步骤包括：

获取置顶内容、新增内容并根据所述目标用户对应的所述目标用户标签生成目标内容；

根据所述置顶内容、所述新增内容以及所述目标内容生成所述流式内容。

可选的，在本发明第一方面的第二种实现方式中，所述根据所述置顶内容、所述新增内容以及所述目标内容生成所述流式内容的步骤包括：

根据预设内容比例对所述置顶内容、所述新增内容以及所述目标内容进行排版，得到所述流式内容。

可选的，在本发明第一方面的第三种实现方式中，所述接收到推送请求时，根据所述推送请求以及所述用户动态标签库确定所述推送请求对应的用户类型的步骤之后，所述方法还包括：

当所述用户类型为新用户时，获取置顶内容并将所述置顶内容作为所述流式内容。

可选的，在本发明第一方面的第四种实现方式中，所述检测用户的行为特征的步骤包括：

检测所述用户对已推送内容的埋点行为以得到所述行为特征，所述行为特征包括停留时长、收藏操作、评论操作、点击率以及转发操作中的一个或者其组合。

可选的，在本发明第一方面的第五种实现方式中，所述输出所述流式内容的步骤包括：

检测用户对所述流式内容的操作信息；

根据所述操作信息更新所述用户动态标签库。

可选的，在本发明第一方面的第六种实现方式中，所述输出所述流式内容的步骤包括：

将所述流式内容发送至所述目标用户对应的终端。

本发明第二方面提供了一种流式内容的推荐装置，包括：

检测模块，用于检测用户的行为特征；

标签生成模块，用于根据所述行为特征生成所述用户对应的用户标签以及所述用户标签对应的热度值，其中，所述热度值的大小可触发删除所述用户标签的操作指令；

更新模块，用于根据时间更新所述热度值，得到用户动态标签库；

类型确定模块，用于接收到推送请求时，根据所述推送请求以及所述用户动态标签库确定所述推送请求对应的用户类型；

用户确定模块，用于当所述用户类型为活跃用户时，在所述用户动态标签库中确定与所述推送请求对应的目标用户；

内容生成模块，用于根据所述目标用户在所述用户动态标签库中对应的目标用户标签生成流式内容；

输出模块，用于输出所述流式内容。

本发明第三方面提供了一种流式内容的推荐设备，包括：存储器和至少一个处理器，所述存储器中存储有指令，所述存储器和所述至少一个处理器通过线路互连；所述至少一个处理器调用所述存储器中的所述指令，以使得所述流式内容的推荐设备执行上述的流式内容的推荐方法。

本发明的第四方面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中存储有指令，当其在计算机上运行时，使得计算机执行上述的流式内容的推荐方法。

本发明实施例中，流式内容的推荐设备检测用户的行为特征；根据所述行为特征生成所述用户对应的用户标签以及所述用户标签对应的热度值，其中，所述热度值的大小可触发删除所述用户标签的操作指令；根据时间更新所述热度值，得到用户动态标签库；接收到推送请求时，根据所述推送请求以及所述用户动态标签库确定所述推送请求对应的用户类型；当所述用户类型为活跃用户时，在所述用户动态标签库中确定与所述推送请求对应的目标用户；根据所述目标用户在所述用户动态标签库中对应的目标用户标签生成流式内容；输出所述流式内容。由于流式内容的推荐设备可基于用户的行为特征进行流式内容推荐，因此可以根据用户的兴趣和偏好，为用户推荐更有吸引力的内容，从而提高用户对平台的粘性，基于用户身份、行为特征以及热度值可动态的为用户提供更具个性化的内容，使得推荐精准度不为时间而受影响，可以提高用户在平台上的留存率，从而增加平台的收益，提高了流式内容的推荐精准度。

附图说明

图1为本发明实施例中流式内容的推荐方法的一个实施例示意图；

图2为本发明实施例中流式内容的推荐方法实施例的一个参考图；

图3为本发明实施例中流式内容的推荐装置的一个实施例示意图；

图4为本发明实施例中流式内容的推荐设备的一个实施例示意图。

具体实施方式

本发明实施例提供了一种流式内容的推荐方法、装置、设备及存储介质。

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”、“第三”、“第四”等（如果存在）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，以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外，术语“包括”或“具有”及其任何变形，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、系统、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。

为便于理解，下面对本发明实施例的具体流程进行描述，请参阅图1，本发明实施例中流式内容的推荐方法的一个实施例包括：

101、检测用户的行为特征；

具体的，用户点赞某篇文章时，可检测其停留时长、收藏、评论、点击率、转发等行为特征。

具体的，检测所述用户对已推送内容的埋点行为以得到所述行为特征，所述行为特征包括停留时长、收藏操作、评论操作、点击率以及转发操作中的一个或者其组合。

其中，埋点行为包括：代码埋点、全埋点（无埋点）或者可视化全埋点（圈选）。

代码埋点即在我们的产品内，当用户的某个行为发生的时候，调用 SDK 的接口触发事件。代码埋点优点：精准控制埋点（方便、灵活的自定义事件和属性）、采集数据丰富、可以满足更精细化的分析需求。

全埋点也叫无埋点、无码埋点、自动埋点、无痕埋点，即无需研发工程师写代码或者写少量代码，即可达到自动（预先）埋点的目的。全埋点的宗旨，既要满足客户实际业务分析的需求，又要减少客户埋点的代价。

全埋点可以采集的事件：激活、APP启动、APP退出、APP页面浏览、控件点击、曝光、激活即用户安装APP后的首次启动。对激活的判断，Android 和 iOS 面临的最大挑战，就是如何解决APP卸载重装的问题。通常情况下，都是通过去唯一标识一台设备，比如Android可能会采用AndroidID，iOS可能会采用 IDFA 等。激活事件一般会携带渠道信息，比如当前用户是从哪个渠道来的。

102、根据所述行为特征生成所述用户对应的用户标签以及所述用户标签对应的热度值，其中，所述热度值的大小可触发删除所述用户标签的操作指令；

具体的，用户在对内容进行操作时，会将内容对应的关键字进行用户绑定，关键词出现的次数越高，代表用户对这一类内容越感举趣，例如：A内容对应关键词：足球、C罗，B内容对应关键词：足球、世界杯，则可判定用户在浏览A，B内容之后，为其绑定的关键词信息为：足球、C罗、世界杯，由于足球出现了2次，那么对应的权重关系为：足球=2、C罗=1、世界杯=1。即生成了用户对应的用户标签以及所述用户标签对应的热度值。

可选的，基于内容分析的方式生成用户对应的用户标签，内容分析包括文本分析、图片分析以及视频分析，文本分析在推荐系统中的作用是用户兴趣建模。没有内容及文本标签，无法得到用户兴趣标签。举个例子，只有知道文章标签是互联网，用户看了互联网标签的文章，才能知道用户有互联网标签，其他关键词也一样，另一方面，文本内容的标签可以直接帮助推荐特征，如果某段时间推荐主频道效果不理想，出现推荐窄化，用户会发现到具体的频道推荐(如科技、体育、娱乐、军事等)中阅读后，再回主feed，推荐效果会更好。因为整个模型是打通的，子频道探索空间较小，更容易满足用户需求。只通过单一信道反馈提高推荐准确率难度会比较大，子频道做的好很重要。而这也需要好的内容分析。

具体的，用户标签是流式内容的推荐设备中推荐系统的两大基石，其中包含如下：

A.兴趣特征：感兴趣的类别、关键词来源、垂直兴趣等等；

B.身份特征：性别、年龄、常驻地点、使用时长等等；

C.行为特征：晚上看视频或者是某个时间段集中看视频等等。

可选的，UGC用户内容，如问答、用户评论、这两部分内容需要通过统一的审核机制。如果是数量相对少的PGC内容，会直接进行风险审核，没有问题会大范围推荐。UGC内容需要经过一个风险模型的过滤，有问题的会进入二次风险审核。审核通过后，内容会被真正进行推荐。这时如果收到一定量以上的评论或者举报负向反馈，还会再回到复审环节，判定有问题则直接下架。

可选的，整个推荐体系采用jstorm流式体系进行实时分析用户标签及UGP/PGC内容匹配度进行智能推送,其中包括消息中间件接收用户埋点信息,消息中间件会将数据提交至jstorm的topology,spout监听到数据源后会向下游bolt发送一条实时处理的消息,bolt处理当前任务后判断是否还有下游监听服务。

103、根据时间更新所述热度值，得到用户动态标签库；

具体的，对于根据时间更新所述热度值，具体的，在每天执行的脚本当中会根据配置进行热度值的衰减，例如每天衰减的热度为：-1，那么按上述的热度值计算，得到的结果为足球=1、C罗=0、世界杯=0，热度为0的数据会从用户关键词列表进行删除，以实现热度值的更新操作。

104、接收到推送请求时，根据所述推送请求以及所述用户动态标签库确定所述推送请求对应的用户类型；

具体的，app在请求数据时，后台服务会以三个维度来返回数据。包括：

置顶数据：会查询后台设置的有效的置顶数据；

最新内容：用户在刷新数据时会判断当天最新的数据用户是否刷新过，否则就返回给app；

个性化：个性化包含2部分，一部为个人关注，一部分为随机填充（可配置），个人关注可配置为前N个关键词获取数据的总量为N%，剩余占比为热度底的关注词来填充，随机填充数据为热度排序之后随机填满剩下数据，但不包含置顶+个人关注推荐数据。

可选的，本实施例需要进行数据清洗，数据清洗流程如下：

1.向JStorm提交一个Topology，此Topology包含集市的处理逻辑；

2.用户在发布UGC时，入库成功功后，会向Mq写入一条刷新UGC缓存的消息体；

3.Spout监听到数据源后，向下游Bolt发送一条消息；

4.Bolt处理消息后如有必要将消息在次发送到下游。否则将计算出来的数据写入缓存；

5.app端请求流程：

统一抽象出一个jar包来进行统一拦截，解决方案为Aop+自定义注解，详细说明如下：

Aop进行拦截请求地址，并判断请求的方法是否标识了自定义注解，如有自定义注解，则解析出注解定义的参数，然后根据参数获取其相关的数据，例如：

自定义注解定义如下：

@Retention(RetentionPolicy.RUNTIME)

@Target({ElementType.METHOD, ElementType.TYPE})

@Documented

public @interface UgcCache{

String cache_key_prefix(); //业务模块缓存的前缀

String cache_p_id();//需要获取到的主键key

Class<?>classes();//如果入参是实体类或者是Map，则需要传此参数

int is_searchDB() default 1;//在未查询到缓存时，是否查询db， 1：是2：否

}

请求流程参照图2。

用户在请求接口时，会有一个统一的Aop拦截来判定接口是否使用了自定义注解来走缓存；

如果未走缓存，则直接进行查库逻辑；

如果走缓存，则根据规则在缓存库里查询数据，如未查询到数据，则进行db查询。

105、当所述用户类型为活跃用户时，在所述用户动态标签库中确定与所述推送请求对应的目标用户；

106、根据所述目标用户在所述用户动态标签库中对应的目标用户标签生成流式内容；

具体的，流式内容指的是随着屏幕尺寸、分辨率和方向的变化而自动调整其布局和格式的内容。这种内容的目标是为了提供更好的阅读和浏览体验，无论用户使用何种设备和尺寸来访问内容。

可选的，获取置顶内容、新增内容并根据所述目标用户对应的所述目标用户标签生成目标内容；根据所述置顶内容、所述新增内容以及所述目标内容生成所述流式内容。

可选的，根据预设内容比例对所述置顶内容、所述新增内容以及所述目标内容进行排版，得到所述流式内容。具体的，考虑到流式内容指的是随着屏幕尺寸、分辨率和方向的变化而自动调整其布局和格式的内容，故而可基于流式内容的默认需求对置顶内容、新增内容以及目标内容进行占比的预设。

107、输出所述流式内容；

可选的，将所述流式内容发送至所述目标用户对应的终端。

可选的，检测所述用户对所述流式内容的操作信息；根据所述操作信息更新所述用户动态标签库。具体的，当操作信息对应的行为特征已经存在，则将行为特征对应的标签的热度值增加，例如：操作信息包括世界杯，而动态用户标签库中，该用户的标签存在世界杯且该标签对应的热度值为10，可将其更新为11，具体数值设置方式，在此不进行限定，可基于其停留时间进行适应性增加。

上面对本发明实施例中流式内容的推荐方法进行了描述，下面对本发明实施例中流式内容的推荐装置进行描述，请参阅图3，本发明实施例中流式内容的推荐装置一个实施例包括：

检测模块301，用于检测用户的行为特征；

标签生成模块302，用于根据所述行为特征生成所述用户对应的用户标签以及所述用户标签对应的热度值，其中，所述热度值的大小可触发删除所述用户标签的操作指令；

更新模块303，用于根据时间更新所述热度值，得到用户动态标签库；

类型确定模块304，用于接收到推送请求时，根据所述推送请求以及所述用户动态标签库确定所述推送请求对应的用户类型；

用户确定模块305，用于当所述用户类型为活跃用户时，在所述用户动态标签库中确定与所述推送请求对应的目标用户；

内容生成模块306，用于根据所述目标用户在所述用户动态标签库中对应的目标用户标签生成流式内容；

输出模块307，用于输出所述流式内容。

可选的，内容生成模块306还可以具体用于：

可选的，检测模块301还可以具体用于：

可选的，标签生成模块302还可以具体用于：

检测所述用户对所述流式内容的操作信息；

根据所述操作信息更新所述用户动态标签库。

可选的，输出模块307还可以具体用于：

将所述流式内容发送至所述目标用户对应的终端。

上面图3从模块化功能实体的角度对本发明实施例中的流式内容的推荐装置进行详细描述，下面从硬件处理的角度对本发明实施例中流式内容的推荐设备进行详细描述。

图4是本发明实施例提供的一种流式内容的推荐设备的结构示意图，该流式内容的推荐设备500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处理器（central processing units，CPU）510（例如，一个或一个以上处理器）和存储器520，一个或一个以上存储应用程序533或数据532的存储介质530（例如一个或一个以上海量存储设备）。其中，存储器520和存储介质530可以是短暂存储或持久存储。存储在存储介质530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流式内容的推荐设备500中的一系列指令操作。更进一步地，处理器510可以设置为与存储介质530通信，在流式内容的推荐设备500上执行存储介质530中的一系列指令操作。

基于流式内容的推荐设备500还可以包括一个或一个以上电源540，一个或一个以上有线或无线网络接口550，一个或一个以上输入输出接口560，和/或，一个或一个以上操作系统531，例如Windows Serve，Mac OS X，Unix，Linux，FreeBSD等等。本领域技术人员可以理解，图4示出的流式内容的推荐设备结构并不构成对基于流式内容的推荐设备的限定，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。

本发明还提供一种计算机可读存储介质，该计算机可读存储介质可以为非易失性计算机可读存储介质，该计算机可读存储介质也可以为易失性计算机可读存储介质，所述计算机可读存储介质中存储有指令，当所述指令在计算机上运行时，使得计算机执行所述流式内容的推荐方法的步骤。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统或装置、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。

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。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（read-only memory，ROM）、随机存取存储器（random access memory，RAM）、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述，以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims

1.一种流式内容的推荐方法，其特征在于，所述流式内容的推荐方法包括：

检测用户的行为特征，其中，检测所述用户对已推送内容的埋点行为以得到所述行为特征，所述行为特征包括停留时长、收藏操作、评论操作、点击率以及转发操作中的一个或者其组合；

根据时间对所述热度值执行衰减操作，得到用户动态标签库，其中，在所述用户动态标签库中，对衰减为零的热度值执行删除操作；

获取置顶内容、新增内容，并根据所述目标用户对应的目标用户标签生成目标内容；

根据所述置顶内容、所述新增内容以及所述目标内容生成所述流式内容；

输出所述流式内容，其中，检测所述用户对所述流式内容的操作信息，根据所述操作信息更新所述用户动态标签库。

2.根据权利要求1所述的流式内容的推荐方法，其特征在于，所述根据所述置顶内容、所述新增内容以及所述目标内容生成所述流式内容的步骤包括：

3.根据权利要求1所述的流式内容的推荐方法，其特征在于，所述接收到推送请求时，根据所述推送请求以及所述用户动态标签库确定所述推送请求对应的用户类型的步骤之后，所述方法还包括：

当所述用户类型为新用户时，获取置顶内容，并将所述置顶内容作为所述流式内容。

4.根据权利要求1-3任一项所述的流式内容的推荐方法，其特征在于，所述输出所述流式内容的步骤包括：

将所述流式内容发送至所述目标用户对应的终端。

5.一种流式内容的推荐装置，其特征在于，所述流式内容的推荐装置包括：

检测模块，用于检测用户的行为特征，其中，检测所述用户对已推送内容的埋点行为以得到所述行为特征，所述行为特征包括停留时长、收藏操作、评论操作、点击率以及转发操作中的一个或者其组合；

更新模块，用于根据时间对所述热度值执行衰减操作，得到用户动态标签库，其中，在所述用户动态标签库中，对衰减为零的热度值执行删除操作；

内容生成模块，用于获取置顶内容、新增内容，并根据所述目标用户对应的目标用户标签生成目标内容；

还用于根据所述置顶内容、所述新增内容以及所述目标内容生成所述流式内容；

输出模块，用于输出所述流式内容，其中，检测所述用户对所述流式内容的操作信息，根据所述操作信息更新所述用户动态标签库。

6.一种流式内容的推荐设备，其特征在于，所述流式内容的推荐设备包括：存储器和至少一个处理器，所述存储器中存储有指令，所述存储器和所述至少一个处理器通过线路互连；

所述至少一个处理器调用所述存储器中的所述指令，以使得所述流式内容的推荐设备执行如权利要求1-4中任一项所述的流式内容的推荐方法。

7.一种计算机可读存储介质，所述计算机可读存储介质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如权利要求1-4中任一项所述的流式内容的推荐方法。