CN117372093A - 一种内容推荐方法、系统、电子设备及介质 - Google Patents
一种内容推荐方法、系统、电子设备及介质 Download PDFInfo
- Publication number
- CN117372093A CN117372093A CN202311220762.8A CN202311220762A CN117372093A CN 117372093 A CN117372093 A CN 117372093A CN 202311220762 A CN202311220762 A CN 202311220762A CN 117372093 A CN117372093 A CN 117372093A
- Authority
- CN
- China
- Prior art keywords
- user
- data
- product
- promotion data
- information
- 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
- 238000000034 method Methods 0.000 title claims abstract description 44
- 230000006399 behavior Effects 0.000 claims description 39
- 230000011218 segmentation Effects 0.000 claims description 30
- 238000012545 processing Methods 0.000 claims description 20
- 238000004891 communication Methods 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 10
- 238000001914 filtration Methods 0.000 claims description 8
- 238000000605 extraction Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 abstract description 11
- 238000006243 chemical reaction Methods 0.000 abstract description 7
- 230000007474 system interaction Effects 0.000 abstract description 6
- 238000013461 design Methods 0.000 description 6
- 230000002093 peripheral effect Effects 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 230000036541 health Effects 0.000 description 3
- 238000010606 normalization Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000005802 health problem Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0241—Advertisements
- G06Q30/0251—Targeted advertisements
- G06Q30/0269—Targeted advertisements based on user profile or attribute
- G06Q30/0271—Personalized advertisement
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/35—Clustering; Classification
-
- 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
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/205—Parsing
- G06F40/216—Parsing using statistical methods
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Finance (AREA)
- Artificial Intelligence (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Game Theory and Decision Science (AREA)
- General Business, Economics & Management (AREA)
- Life Sciences & Earth Sciences (AREA)
- Economics (AREA)
- Marketing (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Entrepreneurship & Innovation (AREA)
- Evolutionary Computation (AREA)
- Probability & Statistics with Applications (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明属于计算机技术领域,其目的在于提供一种内容推荐方法、系统、电子设备及介质。本发明在实施过程中,得到推广内容数据库后,还对当前用户进行画像,进而得到当前用户的用户画像,随后在用户进行系统交互时,获取当前用户的用户行为特征信息,并根据所述用户行为特征信息和所述用户画像得到当前用户的产品需求信息,最后将所述产品需求信息与所述推广内容数据库中的产品推广数据进行相似度匹配,并将所述相似度最高的n个产品推广数据作为推荐推广数据进行输出。本发明通过结合用户画像进行内容推荐,可提高对新用户的内容推荐匹配度,利于提升推广数据的转化率。
Description
技术领域
本发明属于计算机技术领域,具体涉及一种内容推荐方法、系统、电子设备及介质。
背景技术
随着生活水平的提高以及健康意识的增强,人们越来越关注健康问题。对医药健康等领域的企业而言,存在健康产品广告及软文等推广数据的推广需求。现有的健康产品推广,通常为企业将其主推产品进行优先推广,未考虑用户的实际需求,导致健康产品推广数据与用户的匹配度较低,推广数据的转化率较差,基于该问题,目前已出现基于用户进行系统交互过程中的用户行为数据进行用户兴趣标签的提取,然后基于用户兴趣标签对用户进行针对性内容推荐的技术。
然而,在使用现有技术过程中,发明人发现现有技术中至少存在如下问题:现有技术中,在面对新用户时,通常采用随机推荐的方式,在用户进行后续的如搜索、点击等操作时,提取用户行为数据,并基于该行为数据进行内容推荐,由此使得现有的内容推荐方法与新用户的需求匹配度较低,健康推广数据的转化周期较长。
发明内容
本发明旨在至少在一定程度上解决上述技术问题,本发明提供了一种内容推荐方法、系统、电子设备及介质。
为了实现上述目的,本发明采用以下技术方案:
第一方面,本发明提供了一种内容推荐方法,包括:
接收产品推广数据,并对所述产品推广数据进行分类处理,得到分类后产品推广数据;
获取分类后产品推广数据的产品标签,并基于所述产品标签对所述分类后产品推广数据进行标记;
根据所述产品推广数据以及所述产品推广数据对应的所述产品标签,得到推广内容数据库;
获取当前用户的用户信息,并根据所述用户信息得到用户画像;
获取当前用户的用户行为特征信息,并根据所述用户行为特征信息和所述用户画像得到当前用户的产品需求信息;
将所述产品需求信息与所述推广内容数据库中的产品推广数据进行相似度匹配,得到相似度最高的n个产品推广数据,并将所述相似度最高的n个产品推广数据作为推荐推广数据进行输出;其中,n为大于0的自然数。
本发明可提高对新用户的内容推荐匹配度,利于提升推广数据的转化率。具体地,本发明在实施过程中,得到推广内容数据库后,还对当前用户进行画像,进而得到当前用户的用户画像,随后在用户进行系统交互时,获取当前用户的用户行为特征信息,并根据所述用户行为特征信息和所述用户画像得到当前用户的产品需求信息,最后将所述产品需求信息与所述推广内容数据库中的产品推广数据进行相似度匹配,并将所述相似度最高的n个产品推广数据作为推荐推广数据进行输出。在此过程中,本发明通过结合用户画像进行内容推荐,可避免对首次注册用户进行内容推荐时推荐的推广数据与用户需求度不符合的问题,进而可利于提升推广数据的转化率,具备推广应用的价值。
在一个可能的设计中,对所述产品推广数据进行分类处理,得到分类后产品推广数据,包括:
对所述产品推广数据进行文本特征提取处理,得到文本特征集合;
获取所述文本特征集合中所有文本特征数据的权重;
根据所述文本特征集合中所有文本特征数据的权重,对所述文本特征集合中所有文本特征数据进行分类,得到分类后产品推广数据。
在一个可能的设计中,对所述产品推广数据进行文本特征提取处理,得到文本特征集合,包括:
对所述产品推广数据进行分词处理,得到初始分词数据;
对所述初始分词数据进行过滤处理,得到过滤后分词数据;
计算所述过滤后分词数据在所述产品推广数据中的出现频率;
选取出现频率大于频率阈值的过滤后分词数据,并将所有出现频率大于频率阈值的过滤后分词数据作为所述产品推广数据的文本特征数据,所有文本特征数据构成文本特征集合。
在一个可能的设计中,所述用户信息包括用户基础信息以及用户行为数据;对应地,根据所述用户信息得到用户画像,包括:
根据所述用户基础信息构建用户初始画像;
根据所述用户行为数据对所述用户初始画像进行更新,得到最终的用户画像。
在一个可能的设计中,根据所述用户行为特征信息和所述用户画像得到当前用户的产品需求信息,包括:
获取其他用户的用户画像中,与所述用户画像之间的相似度大于画像阈值的用户画像,并将该用户画像作为最大相似画像;
获取所述最大相似画像对应用户在指定时段的用户需求信息,并将该用户需求信息作为最大相似用户需求信息;
从所述用户行为特征信息中提取得到当前用户的个人用户需求信息;
将所述个人用户需求信息与所述最大相似用户需求信息进行融合,得到当前用户的产品需求信息。
在一个可能的设计中,任一其他用户的用户画像与当前用户的用户画像之间的相似度为:
Sim(i,j)=r(Ui∩Uj)/r(Ui);
式中,Ui为当前用户的用户画像对应的用户标签集合;Uj为当前任一其他用户的用户画像对应的用户标签集合;r(Ui∩Uj)为用户标签集合Ui与用户标签集合Uj的共同用户标签的数量;r(Ui)为用户标签集合Ui中用户标签的数量。
在一个可能的设计中,将所述相似度最高的n个产品推广数据作为推荐推广数据进行输出时,将所述相似度最高的n个产品推广数据按相似度由大到小的顺序进行排序,然后作为推荐推广数据进行输出。
第二方面,本发明提供了一种内容推荐系统,用于实现如上述任一项所述的内容推荐方法;所述内容推荐系统包括:
推广数据处理模块,用于接收产品推广数据,并对所述产品推广数据进行分类处理,得到分类后产品推广数据;还用于获取分类后产品推广数据的产品标签,并基于所述产品标签对所述分类后产品推广数据进行标记;还用于根据所述产品推广数据以及所述产品推广数据对应的所述产品标签,得到推广内容数据库;
用户画像模块,用于获取当前用户的用户信息,并根据所述用户信息得到用户画像;
需求信息获取模块,分别与所述推广数据处理模块和所述用户画像模块通信连接,用于获取当前用户的用户行为特征信息,并根据所述用户行为特征信息和所述用户画像得到当前用户的产品需求信息;
输出模块,与所述需求信息获取模块通信连接,用于将所述产品需求信息与所述推广内容数据库中的产品推广数据进行相似度匹配,得到相似度最高的n个产品推广数据,并将所述相似度最高的n个产品推广数据作为推荐推广数据进行输出;其中,n为大于0的自然数。
第三方面,本发明提供了一种电子设备,包括:
存储器,用于存储计算机程序指令;以及,
处理器,用于执行所述计算机程序指令从而完成如上述任一项所述的内容推荐方法的操作。
第四方面,本发明提供了一种计算机可读存储介质,用于存储计算机可读取的计算机程序指令,所述计算机程序指令被配置为运行时执行如上述任一项所述的内容推荐方法的操作。
附图说明
图1是实施例中一种内容推荐方法的流程图;
图2是实施例中一种内容推荐系统的模块框图;
图3是实施例中一种电子设备的模块框图。
具体实施方式
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,下面将结合附图和实施例或现有技术的描述对本发明作简单地介绍,显而易见地,下面关于附图结构的描述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。在此需要说明的是,对于这些实施例方式的说明用于帮助理解本发明,但并不构成对本发明的限定。
实施例1:
本实施例公开了一种内容推荐方法,可以但不限于由具有一定计算资源的计算机设备或虚拟机执行,例如由个人计算机、智能手机、个人数字助理或可穿戴设备等电子设备执行,或者由虚拟机执行。
如图1所示,一种内容推荐方法,可以但不限于包括有如下步骤:
S1.接收产品推广数据,并对所述产品推广数据进行分类处理,得到分类后产品推广数据;
本实施例中,所述产品推广数据采用文本信息,具体使用支持向量机文本分类法对产品推广数据进行分类处理。具体地,对所述产品推广数据进行分类处理,得到分类后产品推广数据,包括:
S101.对所述产品推广数据进行文本特征提取处理,得到文本特征集合;
本实施例中,对所述产品推广数据进行文本特征提取处理,得到文本特征集合,包括:
S1011.对所述产品推广数据进行分词处理,得到初始分词数据;
S1012.对所述初始分词数据进行过滤处理,得到过滤后分词数据;具体地,本实施例中,在对所述初始分词数据进行过滤处理时,主要对其中的停用词和单字词等无法表征推广数据特征的词进行过滤;
S1013.计算所述过滤后分词数据在所述产品推广数据中的出现频率;其中,任一所述过滤后分词数据a在所述产品推广数据中的出现频率为:
式中,n,为过滤后分词数据a在产品推广数据b中的出现次数;为所述产品推广数据中所有过滤后分词数据的数量;
S1014.选取出现频率大于频率阈值的过滤后分词数据,并将所有出现频率大于频率阈值的过滤后分词数据作为所述产品推广数据的文本特征数据,所有文本特征数据构成文本特征集合。本实施例中,文本特征集合可表示为:
M=(m1,m2,……,ml);
式中,l为文本特征集合中文本特征数据的数量。
S102.获取所述文本特征集合中所有文本特征数据的权重;本实施例中,采用TF-IDF公式计算所有文本特征数据的权重;具体地,文本特征数据a的权重为:
式中,N为所述初始分词数据中过滤后分词数据的总数;n为包含文本特征数据a的产品推广数据的总数。
本实施例中,在获取所述文本特征集合中所有文本特征数据的权重前,还包括:对所述文本特征集合中的所有文本特征数据进行归一化处理,得到归一化后文本特征数据;具体地,由于文本特征数据的长度偏差会影响后续的权重计算,归一化处理可利于将文本特征数据的权重规范至一定区间内,本实施例中,通过对文本特征数据的出现频率进行归一化以实现对文本特征数据的归一化处理,归一化处理时,过滤后分词数据a对应的归一化后出现频率为:f*=,-min/max-min;式中,f*为,的归一化后出现频率,min为过滤后分词数据a在某一产品推广数据中的最小出现频率,min为过滤后分词数据a在某一产品推广数据中的最大出现频率。此时,文本特征数据a的权重为:
基于上述步骤,可将产品推广数据量化为可进行计算的数据结构。
S103.根据所述文本特征集合中所有文本特征数据的权重,对所述文本特征集合中所有文本特征数据进行分类,得到分类后产品推广数据。具体地,本实施例中,基于任意两个产品推广数据中文本特征数据的权重,通过余弦相似度计算获取该两个产品推广数据之间的相似度,并在该两个产品推广数据之间的相似度大于指定相似度阈值时,将这两个产品推广数据认定为同一类型的产品推广数据,对所有产品推广数据进行相应计算,可实现对所有产品推广数据的分类。
本实施例中,所述文本特征集合以及所述文本特征集合中所有文本特征数据的权重构成的集合可表示为:
V={(m1,w1),(m2,w2),……,(ml,wl)}。
S2.获取分类后产品推广数据的产品标签,并基于所述产品标签对所述分类后产品推广数据进行标记;
S3.根据所述产品推广数据以及所述产品推广数据对应的所述产品标签,得到推广内容数据库;
S4.获取当前用户的用户信息,并根据所述用户信息得到用户画像;
本实施例中,所述用户信息包括用户注册时的用户基础信息以及后台和日志中记录存储的用户行为数据;其中,用户基础信息包括用户的性别、年龄、职业、地址等信息,为用户注册时主动填写的信息,用户行为数据包括用户对推广数据的检索、点击和浏览等行为记录信息。对应地,根据所述用户信息得到用户画像,包括:
S401.根据所述用户基础信息构建用户初始画像;需要说明的是,新注册用户仅根据其对应的用户基础信息构建得到的用户初始画像进行后续的内容推荐。具体地,本实施例中,根据所述用户基础信息构建用户初始画像时,通过对所述用户基础信息进行关键特征抽取,得到用户标签,再基于所述用户标签构建得到用户初始画像。
S402.根据所述用户行为数据对所述用户初始画像进行更新,得到最终的用户画像。需要说明的是,本实施例中,通过用户在进行系统交互过程中的用户行为数据,对用户初始画像进行更新,以便实现用户画像的动态更新,进而可利于使得后续的推荐的推广数据随用户偏好而变化,利于提高内容推荐的准确性。
S5.获取当前用户的用户行为特征信息,并根据所述用户行为特征信息和所述用户画像得到当前用户的产品需求信息;本实施例中,可基于TF-IDF(词频-逆文本频率指数)算法从用户的操作日志中提取得到用户行为特征信息,也可直接通过用户主动输入搜索框内的文本得到用户行为特征信息,本实施例中,从用户的操作日志中提取得到用户行为特征信息时,可从近期指定时段内的操作日志中,提取得到关键词,然后计算其TF-IDF值,并将TF-IDF值大于指定阈值的关键词输出为用户行为特征信息,该用户行为特征信息可代表近期指定时段内的用户偏好;
本实施例中,根据所述用户行为特征信息和所述用户画像得到当前用户的产品需求信息,包括:
S501.获取其他用户的用户画像中,与所述用户画像之间的相似度大于画像阈值的用户画像,并将该用户画像作为最大相似画像;
S502.获取所述最大相似画像对应用户在指定时段的用户需求信息,并将该用户需求信息作为最大相似用户需求信息;需要说明的是,由于用户画像根据用户的操作行为数据实时进行更新,本实施例中,该指定时段为与当前时间节点的间隔小于预设时长的时间段,以保证后续对当前用户的产品需求信息获取的准确性。
S503.从所述用户行为特征信息中提取得到当前用户的个人用户需求信息;
S504.将所述个人用户需求信息与所述最大相似用户需求信息进行融合,得到当前用户的产品需求信息。
本实施例中,通过获取与当前用户的用户画像的相似度大于画像阈值的其他用户的用户需求信息,并将该用户需求信息作为最大相似用户需求信息,然后将该最大相似用户需求信息与当前用户的个人用户需求信息进行融合,以得到当前用户的产品需求信息,进而可便于为当前用户进行内容推荐,可避免因当前用户的系统交互较少的场景中导致的为用户推荐的推广数据的准确度较低的问题。
S6.将所述产品需求信息与所述推广内容数据库中的产品推广数据进行相似度匹配,得到相似度最高的n个产品推广数据,,并将所述相似度最高的n个产品推广数据作为推荐推广数据进行输出;其中,n为大于0的自然数。
本实施例中,任一其他用户的用户画像与当前用户的用户画像之间的相似度为:
Sim(i,j)=r(Ui∩Uj)/r(Ui);
式中,Ui为当前用户的用户画像对应的用户标签集合;Uj为当前任一其他用户的用户画像对应的用户标签集合;r(Ui∩Uj)为用户标签集合Ui与用户标签集合Uj的共同用户标签的数量;r(Ui)为用户标签集合Ui中用户标签的数量。
具体地,步骤S6中,将所述相似度最高的n个产品推广数据作为推荐推广数据进行输出时,将所述相似度最高的n个产品推广数据按相似度由大到小的顺序进行排序,然后作为推荐推广数据进行输出。
本实施例可提高对新用户的内容推荐匹配度,利于提升推广数据的转化率。具体地,本实施例在实施过程中,得到推广内容数据库后,还对当前用户进行画像,进而得到当前用户的用户画像,随后在用户进行系统交互时,获取当前用户的用户行为特征信息,并根据所述用户行为特征信息和所述用户画像得到当前用户的产品需求信息,最后将所述产品需求信息与所述推广内容数据库中的产品推广数据进行相似度匹配,并将所述相似度最高的n个产品推广数据作为推荐推广数据进行输出。在此过程中,本实施例通过结合用户画像进行内容推荐,可避免对首次注册用户进行内容推荐时推荐的推广数据与用户需求度不符合的问题,进而可利于提升推广数据的转化率,具备推广应用的价值。
实施例2:
本实施例公开了一种内容推荐系统,用于实现实施例1中内容推荐方法;如图2所示,所述内容推荐系统包括:
推广数据处理模块,用于接收产品推广数据,并对所述产品推广数据进行分类处理,得到分类后产品推广数据;还用于获取分类后产品推广数据的产品标签,并基于所述产品标签对所述分类后产品推广数据进行标记;还用于根据所述产品推广数据以及所述产品推广数据对应的所述产品标签,得到推广内容数据库;
用户画像模块,用于获取当前用户的用户信息,并根据所述用户信息得到用户画像;
需求信息获取模块,分别与所述推广数据处理模块和所述用户画像模块通信连接,用于获取当前用户的用户行为特征信息,并根据所述用户行为特征信息和所述用户画像得到当前用户的产品需求信息;
输出模块,与所述需求信息获取模块通信连接,用于将所述产品需求信息与所述推广内容数据库中的产品推广数据进行相似度匹配,得到相似度最高的n个产品推广数据,并将所述相似度最高的n个产品推广数据作为推荐推广数据进行输出;其中,n为大于0的自然数。
实施例3:
在实施例1或2的基础上,本实施例公开了一种电子设备,该设备可以是智能手机、平板电脑、笔记本电脑或者台式电脑等。电子设备可能被称为用于终端、便携式终端、台式终端等,如图3所示,电子设备包括:
存储器,用于存储计算机程序指令;以及,
处理器,用于执行所述计算机程序指令从而完成如实施例1中任一所述的内容推荐方法的操作。
具体地,处理器301可以包括一个或多个处理核心,比如4核心处理器、8核心处理器等。处理器301可以采用DSP(Digital Signal Processing,数字信号处理)、FPGA(Field-Programmable Gate Array,现场可编程门阵列)、PLA(Programmable LogicArray,可编程逻辑阵列)中的至少一种硬件形式来实现。处理器301也可以包括主处理器和协处理器,主处理器是用于对在唤醒状态下的数据进行处理的处理器,也称CPU(CentralProcessing Unit,中央处理器);协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。在一些实施例中,处理器301可以在集成有GPU(Graphics Processing Unit,图像处理器),GPU用于负责显示屏所需要显示的内容的渲染和绘制。
存储器302可以包括一个或多个计算机可读存储介质,该计算机可读存储介质可以是非暂态的。存储器302还可包括高速随机存取存储器,以及非易失性存储器,比如一个或多个磁盘存储设备、闪存存储设备。在一些实施例中,存储器302中的非暂态的计算机可读存储介质用于存储至少一个指令,该至少一个指令用于被处理器301所执行以实现本申请中实施例1提供的内容推荐方法。
在一些实施例中,终端还可选包括有:通信接口303和至少一个外围设备。处理器301、存储器302和通信接口303之间可以通过总线或信号线相连。各个外围设备可以通过总线、信号线或电路板与通信接口303相连。具体地,外围设备包括:射频电路304、显示屏305和电源306中的至少一种。
通信接口303可被用于将I/O(Input/Output,输入/输出)相关的至少一个外围设备连接到处理器301和存储器302。在一些实施例中,处理器301、存储器302和通信接口303被集成在同一芯片或电路板上;在一些其他实施例中,处理器301、存储器302和通信接口303中的任意一个或两个可以在单独的芯片或电路板上实现,本实施例对此不加以限定。
射频电路304用于接收和发射RF(Radio Frequency,射频)信号,也称电磁信号。射频电路304通过电磁信号与通信网络以及其他通信设备进行通信。
显示屏305用于显示UI(User Interface,用户界面)。该UI可以包括图形、文本、图标、视频及其它们的任意组合。
电源306用于为电子设备中的各个组件进行供电。
实施例4:
在实施例1至3任一项实施例的基础上,本实施例公开了一种计算机可读存储介质,用于存储计算机可读取的计算机程序指令,所述计算机程序指令被配置为运行时执行如实施例1所述的内容推荐方法的操作。
显然,本领域的技术人员应该明白,上述的本发明的各模块或各步骤可以用通用的计算装置来实现,它们可以集中在单个的计算装置上,或者分布在多个计算装置所组成的网络上,可选地,它们可以用计算装置可执行的程序代码来实现,从而,可以将它们存储在存储装置中由计算装置来执行,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样,本发明不限制于任何特定的硬件和软件结合。
最后应说明的是,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 (10)
1.一种内容推荐方法,其特征在于:包括:
接收产品推广数据,并对所述产品推广数据进行分类处理,得到分类后产品推广数据;
获取分类后产品推广数据的产品标签,并基于所述产品标签对所述分类后产品推广数据进行标记;
根据所述产品推广数据以及所述产品推广数据对应的所述产品标签,得到推广内容数据库;
获取当前用户的用户信息,并根据所述用户信息得到用户画像;
获取当前用户的用户行为特征信息,并根据所述用户行为特征信息和所述用户画像得到当前用户的产品需求信息;
将所述产品需求信息与所述推广内容数据库中的产品推广数据进行相似度匹配,得到相似度最高的n个产品推广数据,并将所述相似度最高的n个产品推广数据作为推荐推广数据进行输出;其中,n为大于0的自然数。
2.根据权利要求1所述的一种内容推荐方法,其特征在于:对所述产品推广数据进行分类处理,得到分类后产品推广数据,包括:
对所述产品推广数据进行文本特征提取处理,得到文本特征集合;
获取所述文本特征集合中所有文本特征数据的权重;
根据所述文本特征集合中所有文本特征数据的权重,对所述文本特征集合中所有文本特征数据进行分类,得到分类后产品推广数据。
3.根据权利要求2所述的一种内容推荐方法,其特征在于:对所述产品推广数据进行文本特征提取处理,得到文本特征集合,包括:
对所述产品推广数据进行分词处理,得到初始分词数据;
对所述初始分词数据进行过滤处理,得到过滤后分词数据;
计算所述过滤后分词数据在所述产品推广数据中的出现频率;
选取出现频率大于频率阈值的过滤后分词数据,并将所有出现频率大于频率阈值的过滤后分词数据作为所述产品推广数据的文本特征数据,所有文本特征数据构成文本特征集合。
4.根据权利要求1所述的一种内容推荐方法,其特征在于:所述用户信息包括用户基础信息以及用户行为数据;对应地,根据所述用户信息得到用户画像,包括:
根据所述用户基础信息构建用户初始画像;
根据所述用户行为数据对所述用户初始画像进行更新,得到最终的用户画像。
5.根据权利要求1所述的一种内容推荐方法,其特征在于:根据所述用户行为特征信息和所述用户画像得到当前用户的产品需求信息,包括:
获取其他用户的用户画像中,与所述用户画像之间的相似度大于画像阈值的用户画像,并将该用户画像作为最大相似画像;
获取所述最大相似画像对应用户在指定时段的用户需求信息,并将该用户需求信息作为最大相似用户需求信息;
从所述用户行为特征信息中提取得到当前用户的个人用户需求信息;
将所述个人用户需求信息与所述最大相似用户需求信息进行融合,得到当前用户的产品需求信息。
6.根据权利要求5所述的一种内容推荐方法,其特征在于:任一其他用户的用户画像与当前用户的用户画像之间的相似度为:
Sim(i,j)=r(Ui∩Uj)/r(Ui);
式中,Ui为当前用户的用户画像对应的用户标签集合;Uj为当前任一其他用户的用户画像对应的用户标签集合;r(Ui∩Uj)为用户标签集合Ui与用户标签集合Uj的共同用户标签的数量;r(Ui)为用户标签集合Ui中用户标签的数量。
7.根据权利要求1所述的一种内容推荐方法,其特征在于:将所述相似度最高的n个产品推广数据作为推荐推广数据进行输出时,将所述相似度最高的n个产品推广数据按相似度由大到小的顺序进行排序,然后作为推荐推广数据进行输出。
8.一种内容推荐系统,其特征在于:用于实现如权利要求1至7中任一项所述的内容推荐方法;所述内容推荐系统包括:
推广数据处理模块,用于接收产品推广数据,并对所述产品推广数据进行分类处理,得到分类后产品推广数据;还用于获取分类后产品推广数据的产品标签,并基于所述产品标签对所述分类后产品推广数据进行标记;还用于根据所述产品推广数据以及所述产品推广数据对应的所述产品标签,得到推广内容数据库;
用户画像模块,用于获取当前用户的用户信息,并根据所述用户信息得到用户画像;
需求信息获取模块,分别与所述推广数据处理模块和所述用户画像模块通信连接,用于获取当前用户的用户行为特征信息,并根据所述用户行为特征信息和所述用户画像得到当前用户的产品需求信息;
输出模块,与所述需求信息获取模块通信连接,用于将所述产品需求信息与所述推广内容数据库中的产品推广数据进行相似度匹配,得到相似度最高的n个产品推广数据,并将所述相似度最高的n个产品推广数据作为推荐推广数据进行输出;其中,n为大于0的自然数。
9.一种电子设备,其特征在于:包括:
存储器,用于存储计算机程序指令;以及,
处理器,用于执行所述计算机程序指令从而完成如权利要求1至7中任一项所述的内容推荐方法的操作。
10.一种计算机可读存储介质,用于存储计算机可读取的计算机程序指令,其特征在于:所述计算机程序指令被配置为运行时执行如权利要求1至7中任一项所述的内容推荐方法的操作。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311220762.8A CN117372093A (zh) | 2023-09-20 | 2023-09-20 | 一种内容推荐方法、系统、电子设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311220762.8A CN117372093A (zh) | 2023-09-20 | 2023-09-20 | 一种内容推荐方法、系统、电子设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117372093A true CN117372093A (zh) | 2024-01-09 |
Family
ID=89395470
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311220762.8A Pending CN117372093A (zh) | 2023-09-20 | 2023-09-20 | 一种内容推荐方法、系统、电子设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117372093A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113435202A (zh) * | 2021-06-28 | 2021-09-24 | 平安科技(深圳)有限公司 | 基于用户画像的产品推荐方法、装置、电子设备及介质 |
CN113706253A (zh) * | 2021-08-30 | 2021-11-26 | 康键信息技术(深圳)有限公司 | 实时产品推荐方法、装置、电子设备及可读存储介质 |
CN114282054A (zh) * | 2020-09-28 | 2022-04-05 | 苏宁云计算有限公司 | 一种视频推荐方法、装置、计算机设备和存储介质 |
CN115525838A (zh) * | 2022-09-28 | 2022-12-27 | 海南小鹏健康互联网医院股份有限公司 | 一种基于大数据用户画像的健康知识推荐方法及系统 |
CN116611889A (zh) * | 2023-05-15 | 2023-08-18 | 山东浪潮科学研究院有限公司 | 基于用户画像标签的产品个性化推荐方法及系统 |
-
2023
- 2023-09-20 CN CN202311220762.8A patent/CN117372093A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114282054A (zh) * | 2020-09-28 | 2022-04-05 | 苏宁云计算有限公司 | 一种视频推荐方法、装置、计算机设备和存储介质 |
CN113435202A (zh) * | 2021-06-28 | 2021-09-24 | 平安科技(深圳)有限公司 | 基于用户画像的产品推荐方法、装置、电子设备及介质 |
CN113706253A (zh) * | 2021-08-30 | 2021-11-26 | 康键信息技术(深圳)有限公司 | 实时产品推荐方法、装置、电子设备及可读存储介质 |
CN115525838A (zh) * | 2022-09-28 | 2022-12-27 | 海南小鹏健康互联网医院股份有限公司 | 一种基于大数据用户画像的健康知识推荐方法及系统 |
CN116611889A (zh) * | 2023-05-15 | 2023-08-18 | 山东浪潮科学研究院有限公司 | 基于用户画像标签的产品个性化推荐方法及系统 |
Non-Patent Citations (1)
Title |
---|
姚严志 等: "基于类信息的TF-IDF权重分析与改进", 计算机系统应用, vol. 30, no. 9, 15 September 2021 (2021-09-15), pages 237 - 241 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9904727B2 (en) | Document retrieval/identification using topics | |
CN113434636B (zh) | 基于语义的近似文本搜索方法、装置、计算机设备及介质 | |
US20140379719A1 (en) | System and method for tagging and searching documents | |
WO2022116435A1 (zh) | 标题生成方法、装置、电子设备及存储介质 | |
CN106257452B (zh) | 基于上下文特征修改搜索结果 | |
CN111241252B (zh) | 一种问答方法及问答装置、电子设备、存储介质 | |
CN107797990A (zh) | 用于确定文本核心语句的方法和装置 | |
CN112528638B (zh) | 异常对象识别方法及装置、电子设备、存储介质 | |
CN112749300B (zh) | 用于视频分类的方法、装置、设备、存储介质和程序产品 | |
US10698876B2 (en) | Distinguish phrases in displayed content | |
CN112052297B (zh) | 信息生成方法、装置、电子设备和计算机可读介质 | |
CN112926308B (zh) | 匹配正文的方法、装置、设备、存储介质以及程序产品 | |
CN115271931A (zh) | 一种信用卡产品的推荐方法、装置、电子设备和介质 | |
CN113435523B (zh) | 预测内容点击率的方法、装置、电子设备以及存储介质 | |
CN108984688A (zh) | 母婴知识话题推荐方法及装置 | |
Guan et al. | Robot vision application on embedded vision implementation with digital signal processor | |
CN113360685A (zh) | 笔记内容处理方法、装置、设备和介质 | |
CN111782760B (zh) | 核心产品词的识别方法、装置及设备 | |
CN107729347A (zh) | 同义标签的获取方法、装置、设备及计算机可读存储介质 | |
CN107797646A (zh) | 信息筛选方法、装置、终端设备及存储介质 | |
CN111275683A (zh) | 图像质量评分处理方法、系统、设备及介质 | |
CN114445833B (zh) | 文本识别方法、装置、电子设备和存储介质 | |
CN117372093A (zh) | 一种内容推荐方法、系统、电子设备及介质 | |
CN115827994A (zh) | 一种数据处理方法、装置、设备、存储介质 | |
CN107145375A (zh) | 内核加载方法、装置、系统、用户终端及存储介质 |
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 |