CN117573987A - 基于区块链的内容推荐方法、装置、设备及存储介质 - Google Patents
基于区块链的内容推荐方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN117573987A CN117573987A CN202311132819.9A CN202311132819A CN117573987A CN 117573987 A CN117573987 A CN 117573987A CN 202311132819 A CN202311132819 A CN 202311132819A CN 117573987 A CN117573987 A CN 117573987A
- Authority
- CN
- China
- Prior art keywords
- user
- content
- behavior data
- interest
- blockchain
- 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 52
- 238000011156 evaluation Methods 0.000 claims abstract description 59
- 230000006399 behavior Effects 0.000 claims description 87
- 238000004590 computer program Methods 0.000 claims description 19
- 230000009471 action Effects 0.000 claims description 8
- 230000004044 response Effects 0.000 claims description 6
- 238000012163 sequencing technique Methods 0.000 claims description 4
- 230000003542 behavioural effect Effects 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 10
- 230000015654 memory Effects 0.000 description 10
- 238000004891 communication Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 238000011161 development Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000014509 gene expression Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000013441 quality evaluation Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
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
- G06F16/9536—Search customisation based on social or collaborative filtering
-
- 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
- G06F16/27—Replication, distribution or synchronisation of data between databases or within a distributed database system; Distributed database system architectures therefor
-
- 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
- G06F16/906—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
- G06F16/9538—Presentation of query results
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computing Systems (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本公开提供了一种基于区块链的内容推荐方法、装置、设备及存储介质,可以应用于计算机技术领域。该方法包括:从创作平台对应的区块链中获取用户的历史行为数据和用户标签;基于用户的历史行为数据和用户标签,确定用户感兴趣的内容分类;计算用户感兴趣的内容中每一类型的内容的推荐值;其中,推荐值由评价信息和参与评价的用户的属性信息确定,评价信息用于表示用户对当前内容的反馈,属性信息包括用户对创作平台的参与值;基于推荐值进行内容排序,向用户推荐排序大于预设位序的内容。
Description
技术领域
本公开涉及计算机技术领域,尤其涉及一种基于区块链的内容推荐方法、装置、设备、介质及程序产品。
背景技术
随着互联网技术的发展,如何从海量内容中筛选出用户感兴趣的内容推送给用户是当前内容创作平台的重要技术。持续向用户输出高质量且符合用户兴趣的内容,可以有效提高用户的留存率。
现有技术的内容推荐方法,通常采用内容采用人工推荐或者根据平台用户的点击行为进行推荐,易导致真正优秀的内容难以被发现的问题。
发明内容
鉴于上述问题,本公开提供了一种基于区块链的内容推荐方法、装置、设备、介质及程序产品。
根据本公开的第一个方面,提供了一种基于区块链的内容推荐方法,包括:从创作平台对应的区块链中获取用户的历史行为数据和用户标签;基于用户的历史行为数据和用户标签,确定用户感兴趣的内容分类;计算用户感兴趣的内容中每一类型的内容的推荐值;其中,推荐值由评价信息和参与评价的用户的属性信息确定;其中,评价信息用于表示用户对当前内容的反馈,属性信息包括用户对所述创作平台的参与值;基于推荐值进行内容排序,向用户推荐排序大于预设位序的内容。
根据本公开的实施例,从创作平台对应的区块链中获取用户的历史行为数据和用户标签,包括:响应于用户对创作平台的登录指令,在区块链中查找与用户对应的区块;读取区块中记录的信息,获取用户的历史行为数据和用户标签。
根据本公开的实施例,响应于用户登录创作平台,在区块链中查找与用户对应的区块,包括:在用户首次登录创作平台的情况下,向用户分配唯一标识符;基于唯一标识符,在区块链中创建与用户对应的区块;其中,区块基于唯一标识符进行标记,区块用于记载用户信息。
根据本公开的实施例,在区块链中创建与用户对应的区块,包括:由可信区块对用户进行投票;在投票通过的情况下,在区块链上创建与用户对应的区块;其中,可信区块是由用户参与值确定的,当用户参与值在所有用户中的位序大于预设位序时,将该用户在区块链中对应的区块确定为可信区块。
根据本公开的实施例,历史行为数据包括同一时间段内的第一用户行为数据以及指定时间内的第二用户行为数据,基于用户的历史行为数据和用户标签,确定用户感兴趣的内容分类,包括:读取用户标签;在用户标签为新用户或不活跃用户的情况下,基于每一内容分类的属性信息确定用户感兴趣的内容分类;其中,内容分类的属性信息包括内容分类内的用户活跃度;在用户标签不为新用户或不活跃用户的情况下,基于第一用户行为数据和第二用户行为数据确定用户感兴趣的内容分类。
根据本公开的实施例,基于第一用户行为数据和第二用户行为数据确定用户感兴趣的内容分类,包括:获取与当前时间段相匹配的第一用户行为数据;基于第一用户行为数据确定当前时间段用户感兴趣的内容分类;在第一用户行为数据与当前时间段不匹配的情况下;基于第二用户行为数据确定用户感兴趣的内容分类。
根据本公开的实施例,计算用户感兴趣的内容分类中每一内容的推荐值,包括:对每一内容执行如下操作:获取评价信息以及参与评价的用户属性信息;基于用户属性信息确定当前用户的评价权重;利用评价权重和评价信息计算用户对当前内容的评分;计算参与评价的每一用户对当前内容的评分和,得到推荐值。
根据本公开的实施例,用户属性信息至少通过以下一种方式确定:用户在创作平台的内容发布数量;用户发布内容获得的推荐值。
本公开的第二方面提供了一种基于区块链的内容推荐装置,包括:获取模块,用于从创作平台对应的区块链中获取用户的历史行为数据和用户标签;确定模块,用于基于用户的历史行为数据和用户标签,确定用户感兴趣的内容分类;计算模块,用于计算用户感兴趣的内容中每一类型的内容的推荐值;其中,推荐值由评价信息和参与评价的用户的属性信息确定;其中,评价信息用于表示用户对当前内容的反馈,属性信息包括用户对创作平台的参与值;推荐模块,用于基于推荐值进行内容排序,向用户推荐排序大于预设位序的内容。
本公开的第三方面提供了一种电子设备,包括:一个或多个处理器;存储器,用于存储一个或多个程序,其中,当所述一个或多个程序被所述一个或多个处理器执行时,使得一个或多个处理器执行上述方法。
本公开的第四方面还提供了一种计算机可读存储介质,其上存储有可执行指令,该指令被处理器执行时使处理器执行上述方法。
本公开的第五方面还提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现上述方法。
根据本公开提供的内容推荐方法、装置、设备、介质及程序产品,通过评价信息和参与评价的用户属性信息两个维度共同计算内容的推荐值,改善了现有技术中仅凭评价数量决定内容质量的问题,将用户属性信息加入内容质量评价维度,可以有效防止大量无意义评价导致的内容质量不准确的问题,使得内容质量的评价更客观,形成内容质量与曝光度的关联关系,以向平台用户推荐更多优质内容。其中,用户的属性信息由用户在平台的行为确定,当用户对平台的参与越多,创作更多优质内容时,用户的属性信息也会随之提升,相应的,当用户属性信息越高,该在创作平台的权限也会相应提升,从而有效促进用户的高质量内容产出,实现创作平台的可持续发展。
附图说明
通过以下参照附图对本公开实施例的描述,本公开的上述内容以及其他目的、特征和优点将更为清楚,在附图中:
图1示意性示出了根据本公开实施例的基于区块链的内容推荐方法、装置、设备、介质和产品的应用场景图;
图2示意性示出了根据本公开实施例的内容推荐方法的流程图;
图3示意性示出了根据本公开实施例的获取用户的历史行为数据和用户标签的流程图;
图4示意性示出了根据本公开实施例的确定用户感兴趣的内容分类的流程图;
图5示意性示出了根据本公开实施例的确定用户感兴趣的内容分类的流程图;
图6示意性示出了根据本公开实施例的计算用户感兴趣的内容分类中每一内容的推荐值的流程图;
图7示意性示出了根据本公开实施例的内容推荐装置的结构框图;
图8示意性示出了根据本公开实施例的适于实现内容推荐方法的电子设备的方框图。
具体实施方式
以下,将参照附图来描述本公开的实施例。但是应该理解,这些描述只是示例性的,而并非要限制本公开的范围。在下面的详细描述中,为便于解释,阐述了许多具体的细节以提供对本公开实施例的全面理解。然而,明显地,一个或多个实施例在没有这些具体细节的情况下也可以被实施。此外,在以下说明中,省略了对公知结构和技术的描述,以避免不必要地混淆本公开的概念。
在此使用的术语仅仅是为了描述具体实施例,而并非意在限制本公开。在此使用的术语“包括”、“包含”等表明了所述特征、步骤、操作和/或部件的存在,但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。
在此使用的所有术语(包括技术和科学术语)具有本领域技术人员通常所理解的含义,除非另外定义。应注意,这里使用的术语应解释为具有与本说明书的上下文相一致的含义,而不应以理想化或过于刻板的方式来解释。
在使用类似于“A、B和C等中至少一个”这样的表述的情况下,一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如,“具有A、B和C中至少一个的系统”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的系统等)。
本公开的实施例提供了一种基于区块链的内容推荐方法,包括:从创作平台对应的区块链中获取用户的历史行为数据和用户标签;基于用户的历史行为数据和用户标签,确定用户感兴趣的内容分类;计算用户感兴趣的内容中每一类型的内容的推荐值;其中,推荐值由评价信息和参与评价的用户的属性信息确定;其中,评价信息用于表示用户对当前内容的反馈,属性信息包括用户对创作平台的参与值;基于推荐值进行内容排序,向用户推荐排序大于预设位序的内容。
图1示意性示出了根据本公开实施例的基于区块链的内容推荐方法、装置、设备、介质和程序产品的应用场景图。
如图1所示,根据该实施例的应用场景100可以包括终端设备101、终端设备102、终端设备103、网络104和服务器105。网络104用以在第一终端设备101、第二终端设备102、第三终端设备103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用第一终端设备101、第二终端设备102、第三终端设备103中的至少一个通过网络104与服务器105交互,以接收或发送消息等。第一终端设备101、第二终端设备102、第三终端设备103上可以安装有各种通讯客户端应用,例如购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等(仅为示例)。
第一终端设备101、第二终端设备102、第三终端设备103可以是具有显示屏并且支持网页浏览的各种电子设备,包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
服务器105可以是提供各种服务的服务器,例如对用户利用第一终端设备101、第二终端设备102、第三终端设备103所浏览的网站提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的用户请求等数据进行分析等处理,并将处理结果(例如根据用户请求获取或生成的网页、信息、或数据等)反馈给终端设备。
需要说明的是,本公开实施例所提供的内容推荐方法一般可以由服务器105执行。相应地,本公开实施例所提供的内容推荐装置一般可以设置于服务器105中。本公开实施例所提供的内容推荐方法也可以由不同于服务器105且能够与第一终端设备101、第二终端设备102、第三终端设备103和/或服务器105通信的服务器或服务器集群执行。相应地,本公开实施例所提供的内容推荐装置也可以设置于不同于服务器105且能够与第一终端设备101、第二终端设备102、第三终端设备103和/或服务器105通信的服务器或服务器集群中。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
以下将基于图1描述的场景,通过图2~图6对公开实施例的任务预警方法进行详细描述。
图2示意性示出了根据本公开实施例的内容推荐方法的流程图。
如图2所示,该实施例的内容推荐方法包括操作S210~操作S240。
在操作S210,从创作平台对应的区块链中获取用户的历史行为数据和用户标签。
在一些实施例中,通过区块链进行创作平台中用户信息的存储。区块链中的每一区块均表示一个用户,通过区块存储用户信息,可以有效确保用户信息不被篡改。一旦用户信息经过验证并添加至区块链中,就会被永久存储起来,生成一套按照时间先后顺序记录的、不可篡改的、可信任数据库,以避免出现用户信息被篡改的安全问题。
在操作S220,基于用户的历史行为数据和用户标签,确定用户感兴趣的内容分类。
在一些实施例中,用户历史行为数据包括用户的历史浏览记录,本公开基于不同的时间维度将用户历史行为数据分为第一用户行为数据和第二用户行为数据,其中,第一用户行为数据为同一时间段内的用户行为数据,例如,用户在每天19:00~20:00的历史浏览记录即为该用户的第一行为数据。第二用户行为数据为指定时间内的用户行为数据,例如,用户在近3天内的浏览记录即为该用户的第二用户行为数据。通过用户的历史行为数据得到用户感兴趣的内容,并统计用户感兴趣内容的类型,确定用户感兴趣的内容类型,并在该内容类型中选择要向该用户推荐的内容。
用户标签可以用于表示在创作平台的活跃程度,其中,用户标签至少包括新用户、不活跃用户、活跃用户等。其中,用户标签可以通过用户创建时间、用户在指定时间范围内登录次数确定。例如,当用户创建时间在7天以内,该用户的用户标签即为新用户;当用户创建时间大于7天,但是该用户在近30天内的登录次数低于预设阈值,该用户标签则为不活跃用户;当用户创建时间大于7天且该用户在近30天内的登录次数高于预设阈值,该用户标签则为活跃用户。
在操作S230,计算用户感兴趣的内容中每一类型的内容的推荐值;其中,推荐值由评价信息和参与评价的用户的属性信息确定;其中,评价信息用于表示用户对当前内容的反馈,属性信息包括用户对创作平台的参与值。
在一些实施例中,通过评价信息和参与评价的用户的属性信息计算出的推荐值更加真实。其中,用户的属性信息包括用户对创作平台的参与值,当用户在创作平台执行指定行为时,即可获得相应的参与值,参与值可以有效反应用户对平台的参与程度。其中,指定行为至少可以包括以下之一:登录创作平台、在创作平台发表内容、点击创作平台中内容、转发创作平台中内容、评价创作平台中内容等。不同的行为对应的参与值不同,例如,在创作平台发表内容对应第一参与值;评价创作平台中内容对应第二参与值;点击创作平台中内容和转发创作平台中内容对应第三参与值;登录创作平台对应第四参与值,第一参与值>第二参与值>第三参与值>第四参与值。这是由于用户完成不同行为时付出的成本不同,发表内容和评价内容付出的成本明显要高于其他行为,基于行为成本设置不同参与值可以有效促进用户产出更多优质内容,实现创作平台的可持续发展。此外,用户发表内容受到的评价也会进一步对用户的参与值造成影响,当用户发表内容的推荐值越高时,用户的参与值也会相应增加,以促使用户产出更多的优质内容。
通过用户属性信息和评价信息共同确定内容的推荐值,有效降低无效用户在内容推荐值中的占比,实现对内容质量的客观评价,以向用户推荐更优质的内容。这种推荐值计算方法,降低了无意义评价行为导致内容质量虚高,使真正的优质内容无法露出的问题,以筛选出真正优质的内容向用户推荐。
在操作S240,基于推荐值进行内容排序,向用户推荐排序大于预设位序的内容。
在一些实施例中,以推荐值为排序参考对类型中的内容进行排序,并选择大于预设位序的内容作为待推荐内容推荐给用户。其中,大于预设位序的内容无论是热度还是质量,都属于该类型中较为优质的内容,将这些内容作为待推荐内容推荐给用户,以实现优质内容的有效露出,使得用户可以在创作平台中获取更多优质内容,增加用户对创作平台的黏着性,以留住更多的用户。
本公开提供的内容推荐方法,利用内容评价信息和参与评价的用户属性信息共同计算内容的推荐值,降低行为人数对内容推荐值的影响,避免由于大量无意义行为导致真正优质内容无法露出的问题,提高内容质量评价的精确度,实现优质内容推荐,使得用户可以该创作平台中看到更多优质内容,从而有效增加用户对创作平台的黏着性。且用户属性信息中的参与值是通过用户完成指定行为获得的,参与值越高用户在创作平台的权限也会相应提升,参与值可以有效促进用户的高质量内容产出,实现创作平台的可持续发展。
图3示意性示出了根据本公开实施例的获取用户的历史行为数据和用户标签的流程图。
如图3所示,该实施例的获取用户的历史行为数据和用户标签包括操作S310~操作S320。
在操作S310,响应于用户对创作平台的登录指令,在区块链中查找与用户对应的区块。
在操作S320,读取区块中记录的信息,获取用户的历史行为数据和用户标签。
在一些实施例中,响应于用户登录创作平台,获取用户的唯一标识符,基于用户的唯一标识符在区块链中查找与该用户对应的区块,其中,该区块记录着这个用户的相关信息。通过读取该区块中记录的信息,获取用户的历史行为数据和用户标签。
在具体实施过程中,用户的唯一标识符是在用户首次登录创作平台的情况下自动分配的,该标识符为二进制字符串,用于表示用户的身份。响应于用户获得唯一标识符,在区块链中创建与该用户对应的区块,基于用户的唯一标识符对与该用户对应的区块进行标记,即区块的标记与用户的唯一标识符一致,以便于基于用户的唯一标识符在区块链中查询对应区块。
每当区块链中需要创建一个新区块的时候,需要由可信区块对首次登录的用户进行投票,在投票通过的情况下,方可在区块链上创建与该用户对应的区块。
通过可信区块投票,可以对用户进行初步筛选,例如,若同一时间有大量相同IP地址的新用户登录那么可信区块可以选择投票不通过,此时,区块链上不会创建这些用户对应的区块,响应于区块未创建,将这些用户设置为异常用户,以实现对创作平台中用户的筛选。
其中,可信区块是由用户参与值决定的,当用户参与值在所有用户中的位序大于预设位序时,将该用户在区块中对应的区块确定为可信区块。例如,预设位序可以为所有用户的10%,当用户的参与值为该创作平台所有用户的前10%时,该用户具有更高的权利,可以参与创作平台的部分决策,该用户对应的区块也会被标记为可信区块。基于用户参与值设置可信区块,可以促进用户对创作平台的参与意识,用户的参与值与用户权利息息相关,当用户的参与值越高,在平台中拥有的权利也就越大。而参与值是要通过执行指定动作才能获取的,用户为了获得更多的参与值,就会尽可能多的在平台发布优质内容,实现用户与平台之间的良性循环,使得用户尽可能多的发布优质内容,这些优质内容又可以为创作平台吸引更多的用户,实现创作平台的可持续发展。
图4示意性示出了根据本公开实施例的确定用户感兴趣的内容分类的流程图。
如图4所示,该实施例的确定用户感兴趣的内容分类包括操作S410~操作S430。
在操作S410,读取用户标签。
在一些实施例中,用户标签用于表示用户在该创作平台的活跃程度。其中,用户标签至少包括新用户、不活跃用户、活跃用户等。
在操作S420,在用户标签为新用户或不活跃用户的情况下,基于每一内容分类的属性信息确定用户感兴趣的内容分类;其中,内容分类的属性信息包括内容分类内的用户活跃度。
在一些实施例中,用户活跃度由参与当前分类的用户数量决定。当有用户在当前分类中点击、评论、发布相关内容时,记为该用户参与当前分类。
在操作S430,在用户标签不为新用户或不活跃用户的情况下,基于第一用户行为数据和第二用户行为数据确定用户感兴趣的内容分类。其中,第一用户行为数据和第二用户行为数据均为用户的历史行为数据。第一用户行为数据为用户在多天内统一时间段的行为数据,第二行为数据为用户在指定日期内全天的行为数据。
在具体实施过程中,基于用户活跃度不同,选择不同的内容推荐规则,以提高用户感兴趣内容类型的判断准确度。
例如,当用户标签为新用户或不活跃用户时,说明该用户在指定时间内登录该创作平台的次数较少,相应的,该用户的历史行为数据较少,无法对用户感兴趣的内容进行准确判断。因此,本公开提出当用户的标签为新用户或不活跃用户时,基于每一内容分类的属性信息确定用户感兴趣的内容分类。通过内容分类的属性信息判断当前内内容分类的受众程度,将受众程度高的内容分类作为该用户可能感兴趣的分类,并向其推荐相关内容。
当用户标签为活跃用户的情况下,说明该用户登录创作平台较为频繁,相应的,该用户的历史行为数据较为丰富,可以通过历史行为数据对用户感兴趣的内容进行准确判断。因此,当用户的标签为活跃用户时,可以直接基于用户历史行为数据确定用户感兴趣的内容类型。
图5示意性示出了根据本公开实施例的确定用户感兴趣的内容分类的流程图。
如图5所示,该实施例的确定用户感兴趣的内容分类包括操作S510~操作S540。
在操作S510,获取与当前时间段相匹配的第一用户行为数据。
在操作S520,基于第一用户行为数据确定当前时间段用户感兴趣的内容分类。
在操作S530,在第一用户行为数据与当前时间段不匹配的情况下。
在操作S540,基于第二用户行为数据确定用户感兴趣的内容分类。
在一些实施例中,同一用户在不同时间段浏览的内容可能会存在差别因此,本公开提出查找与用户当前登录时间段相匹配的第一用户行为数据,其中,第一用户行为数据记录了该用户在其他日期相同时间段的浏览数据,通过这些浏览数据确定用户在这一时间段的浏览偏好,确定用户感兴趣的内容类型,向用户推荐相同类型的内容,实现内容的准确推荐。相应的,若未发现与用户当前登录时间段相匹配的第一行为数据,则利用第二用户行为数据确定用户感兴趣的内容分类。
图6示意性示出了根据本公开实施例的计算用户感兴趣的内容分类中每一内容的推荐值的流程图。
如图6所示,该实施例的计算用户感兴趣的内容分类中每一内容的推荐值包括操作S610~操作S640。
在操作S610,获取评价信息以及参与评价的用户属性信息。
在一些实施例中,评价信息是用户对该内容的反馈。一个内容的评价信息至少包括该内容获得的点赞数量、转发数量及评价数量等。
在操作S620,基于用户属性信息确定当前用户的评价权重。
在一些实施例中,当用户属性信息中的参与值越高,该用户的评价权重也会相应提升。
在操作S630,利用评价权重和评价信息计算用户对当前内容的评分。
在一些实施例中,可以为评价信息设置具体的分值,例如一个点赞对应的分值可以为2分,一个评价对应的分值可以为3分。通过计算评价分值与该用户评价权重的成绩,得到用户对当前内容的评分。
在操作S640,计算参与评价的每一用户对当前内容的评分和,得到推荐值。
在一些实施例中,通过计算该内容每一评价的评分和,确定该内容的推荐值。
本公开提供的内容推荐方法,基于评价信息和用户属性共同确定内容的推荐值。这种推荐值确定方法,可以有效降低行为人数对内容推荐的影响,使得不同用户的对内容的评分更加灵活,对创作平台参与越深的用户,对应的权重越高,对内容的评分在该内容中的全部评分所占比重也就越大。这样根据用户属性灵活设置用户评分权重的方式,改变了所有用户的评价信息对内容的影响程度都是相同的问题,避免内容推荐值造假的现象发生,以使得更多的优质内容被推荐给其他用户,提高内容推荐的有效性,帮助用户尽可能的发现优质内容。
基于上述基于区块链的内容推荐方法,本公开还提供了一种基于区块链的内容推荐装置。以下将结合图7对该装置进行详细描述。
图7示意性示出了根据本公开实施例的内容推荐装置的结构框图。
如图7所示,该实施例的内容推荐装置700包括获取模块710、确定模块720、计算模块730以及推荐模块740。
获取模块710用于从创作平台对应的区块链中获取用户的历史行为数据和用户标签。在一实施例中,获取模块710可以用于执行前文描述的操作S210,在此不再赘述。
确定模块720用于基于用户的历史行为数据和用户标签,确定用户感兴趣的内容分类。在一实施例中,确定模块720可以用于执行前文描述的操作S220,在此不再赘述。
计算模块730用于计算用户感兴趣的内容中每一类型的内容的推荐值;其中,推荐值由评价信息和参与评价的用户的属性信息确定,评价信息用于表示用户对当前内容的反馈,属性信息包括用户对创作平台的参与值。在一实施例中,计算模块730可以用于执行前文描述的操作S230,在此不再赘述。
推荐模块740用于基于推荐值进行内容排序,向用户推荐排序大于预设位序的内容。在一实施例中,推荐模块740可以用于执行前文描述的操作S240,在此不再赘述。
根据本公开的实施例,获取模块710、确定模块720、计算模块730以及推荐模块740中的任意多个模块可以合并在一个模块中实现,或者其中的任意一个模块可以被拆分成多个模块。或者,这些模块中的一个或多个模块的至少部分功能可以与其他模块的至少部分功能相结合,并在一个模块中实现。根据本公开的实施例,获取模块710、确定模块720、计算模块730以及推荐模块740中的至少一个可以至少被部分地实现为硬件电路,例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上系统、基板上的系统、封装上的系统、专用集成电路(ASIC),或可以通过对电路进行集成或封装的任何其他的合理方式等硬件或固件来实现,或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者,获取模块710、确定模块720、计算模块730以及推荐模块740中的至少一个可以至少被部分地实现为计算机程序模块,当该计算机程序模块被运行时,可以执行相应的功能。
图8示意性示出了根据本公开实施例的适于实现内容推荐方法的电子设备的方框图。
如图8所示,根据本公开实施例的电子设备800包括处理器801,其可以根据存储在只读存储器(ROM)802中的程序或者从存储部分808加载到随机访问存储器(RAM)803中的程序而执行各种适当的动作和处理。处理器801例如可以包括通用微处理器(例如CPU)、指令集处理器和/或相关芯片组和/或专用微处理器(例如,专用集成电路(ASIC))等等。处理器801还可以包括用于缓存用途的板载存储器。处理器801可以包括用于执行根据本公开实施例的方法流程的不同动作的单一处理单元或者是多个处理单元。
在RAM 803中,存储有电子设备800操作所需的各种程序和数据。处理器801、ROM802以及RAM 803通过总线804彼此相连。处理器801通过执行ROM 802和/或RAM 803中的程序来执行根据本公开实施例的方法流程的各种操作。需要注意,所述程序也可以存储在除ROM 802和RAM 803以外的一个或多个存储器中。处理器801也可以通过执行存储在所述一个或多个存储器中的程序来执行根据本公开实施例的方法流程的各种操作。
根据本公开的实施例,电子设备800还可以包括输入/输出(I/O)接口805,输入/输出(I/O)接口805也连接至总线804。电子设备800还可以包括连接至I/O接口805的以下部件中的一项或多项:包括键盘、鼠标等的输入部分806;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分807;包括硬盘等的存储部分808;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分809。通信部分809经由诸如因特网的网络执行通信处理。驱动器810也根据需要连接至I/O接口805。可拆卸介质811,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器810上,以便于从其上读出的计算机程序根据需要被安装入存储部分808。
本公开还提供了一种计算机可读存储介质,该计算机可读存储介质可以是上述实施例中描述的设备/装置/系统中所包含的;也可以是单独存在,而未装配入该设备/装置/系统中。上述计算机可读存储介质承载有一个或者多个程序,当上述一个或者多个程序被执行时,实现根据本公开实施例的方法。
根据本公开的实施例,计算机可读存储介质可以是非易失性的计算机可读存储介质,例如可以包括但不限于:便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、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。在本公开中,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。例如,根据本公开的实施例,计算机可读存储介质可以包括上文描述的ROM 802和/或RAM 803和/或ROM 802和RAM 803以外的一个或多个存储器。
本公开的实施例还包括一种计算机程序产品,其包括计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。当计算机程序产品在计算机系统中运行时,该程序代码用于使计算机系统实现本公开实施例所提供的物品推荐方法。
在该计算机程序被处理器801执行时执行本公开实施例的系统/装置中限定的上述功能。根据本公开的实施例,上文描述的系统、装置、模块、单元等可以通过计算机程序模块来实现。
在一种实施例中,该计算机程序可以依托于光存储器件、磁存储器件等有形存储介质。在另一种实施例中,该计算机程序也可以在网络介质上以信号的形式进行传输、分发,并通过通信部分809被下载和安装,和/或从可拆卸介质811被安装。该计算机程序包含的程序代码可以用任何适当的网络介质传输,包括但不限于:无线、有线等等,或者上述的任意合适的组合。
在这样的实施例中,该计算机程序可以通过通信部分809从网络上被下载和安装,和/或从可拆卸介质811被安装。在该计算机程序被处理器801执行时,执行本公开实施例的系统中限定的上述功能。根据本公开的实施例,上文描述的系统、设备、装置、模块、单元等可以通过计算机程序模块来实现。
根据本公开的实施例,可以以一种或多种程序设计语言的任意组合来编写用于执行本公开实施例提供的计算机程序的程序代码,具体地,可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。程序设计语言包括但不限于诸如Java,C++,python,“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设备上执行、部分地在用户设备上执行、部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算设备,或者,可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图或流程图中的每个方框、以及框图或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
本领域技术人员可以理解,本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合或/或结合,即使这样的组合或结合没有明确记载于本公开中。特别地,在不脱离本公开精神和教导的情况下,本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合和/或结合。所有这些组合和/或结合均落入本公开的范围。
以上对本公开的实施例进行了描述。但是,这些实施例仅仅是为了说明的目的,而并非为了限制本公开的范围。尽管在以上分别描述了各实施例,但是这并不意味着各个实施例中的措施不能有利地结合使用。本公开的范围由所附权利要求及其等同物限定。不脱离本公开的范围,本领域技术人员可以做出多种替代和修改,这些替代和修改都应落在本公开的范围之内。
Claims (12)
1.一种基于区块链的内容推荐方法,其特征在于,包括:
从创作平台对应的区块链中获取用户的历史行为数据和用户标签;
基于所述用户的历史行为数据和用户标签,确定用户感兴趣的内容分类;
计算用户感兴趣的内容中每一类型的内容的推荐值;其中,推荐值由评价信息和参与评价的用户的属性信息确定,所述评价信息用于表示用户对当前内容的反馈,所述属性信息包括用户对所述创作平台的参与值;
基于推荐值进行内容排序,向用户推荐排序大于预设位序的内容。
2.根据权利要求1所述的内容推荐方法,其特征在于,所述从创作平台对应的区块链中获取用户的历史行为数据和用户标签,包括:
响应于用户对创作平台的登录指令,在区块链中查找与所述用户对应的区块;
读取所述区块中记录的信息,获取用户的历史行为数据和用户标签。
3.根据权利要求2所述的内容推荐方法,其特征在于,所述响应于用户登录创作平台,在区块链中查找与所述用户对应的区块,包括:
在用户首次登录创作平台的情况下,向所述用户分配唯一标识符;
基于所述唯一标识符,在区块链中创建与所述用户对应的区块;其中,所述区块基于所述唯一标识符进行标记,所述区块用于记载用户信息。
4.根据权利要求3所述的内容推荐方法,其特征在于,所述在区块链中创建与所述用户对应的区块,包括:
由可信区块对所述用户进行投票;
在投票通过的情况下,在所述区块链上创建与所述用户对应的区块;
其中,可信区块是由用户参与值确定的,当用户参与值在所有用户中的位序大于预设位序时,将该用户在区块链中对应的区块确定为可信区块。
5.根据权利要求1所述的内容推荐方法,其特征在于,所述历史行为数据包括同一时间段内的第一用户行为数据以及指定时间内的第二用户行为数据,所述基于所述用户的历史行为数据和用户标签,确定用户感兴趣的内容分类,包括:
读取用户标签;
在用户标签为新用户或不活跃用户的情况下,基于每一内容分类的属性信息确定用户感兴趣的内容分类;其中,所述内容分类的属性信息包括所述内容分类内的用户活跃度;
在用户标签不为新用户或不活跃用户的情况下,基于第一用户行为数据和第二用户行为数据确定用户感兴趣的内容分类。
6.根据权利要求5所述的内容推荐方法,其特征在于,所述基于第一用户行为数据和第二用户行为数据确定用户感兴趣的内容分类,包括:
获取与当前时间段相匹配的第一用户行为数据;
基于所述第一用户行为数据确定当前时间段用户感兴趣的内容分类;
在第一用户行为数据与当前时间段不匹配的情况下;
基于所述第二用户行为数据确定用户感兴趣的内容分类。
7.根据权利要求1所述的内容推荐方法,其特征在于,所述计算用户感兴趣的内容分类中每一内容的推荐值,包括:
对每一内容执行如下操作:
获取评价信息以及参与评价的用户属性信息;
基于所述用户属性信息确定当前用户的评价权重;其中,用户属性信息包括用户对所述创作平台的参与值;
利用所述评价权重和所述评价信息计算所述用户对当前内容的评分;
计算参与评价的每一用户对当前内容的评分和,得到所述推荐值。
8.根据权利要求7所述的内容推荐方法,其特征在于,所述参与值由用户执行指定行为获取;
所述指定行为至少包括以下行为之一:
登录创作平台、在创作平台发表内容、点击创作平台中内容、转发创作平台中内容、评价创作平台中内容;
其中,不同行为对应的参与值不同。
9.一种基于区块链的内容推荐装置,其特征在于,包括:
获取模块,用于从创作平台对应的区块链中获取用户的历史行为数据和用户标签;
确定模块,用于基于所述用户的历史行为数据和用户标签,确定用户感兴趣的内容分类;
计算模块,用于计算用户感兴趣的内容中每一类型的内容的推荐值;其中,推荐值由评价信息和参与评价的用户的属性信息确定,所述评价信息用于表示用户对当前内容的反馈,所述属性信息包括用户对所述创作平台的参与值;
推荐模块,用于基于推荐值进行内容排序,向用户推荐排序大于预设位序的内容。
10.一种电子设备,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
其中,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器执行根据权利要求1~8任一项所述的方法。
11.一种计算机可读存储介质,其上存储有可执行指令,该指令被处理器执行时使处理器执行根据权利要求1~8任一项所述的方法。
12.一种计算机程序产品,包括计算机程序,所述计算机程序被处理器执行时实现根据权利要求1~8任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311132819.9A CN117573987A (zh) | 2023-09-04 | 2023-09-04 | 基于区块链的内容推荐方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311132819.9A CN117573987A (zh) | 2023-09-04 | 2023-09-04 | 基于区块链的内容推荐方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117573987A true CN117573987A (zh) | 2024-02-20 |
Family
ID=89885084
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311132819.9A Pending CN117573987A (zh) | 2023-09-04 | 2023-09-04 | 基于区块链的内容推荐方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117573987A (zh) |
-
2023
- 2023-09-04 CN CN202311132819.9A patent/CN117573987A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10129274B2 (en) | Identifying significant anomalous segments of a metrics dataset | |
Schomm et al. | Marketplaces for data: an initial survey | |
US8893011B2 (en) | Chronology display and feature for online presentations and webpages | |
US20170221080A1 (en) | Brand Analysis | |
US8818788B1 (en) | System, method and computer program product for identifying words within collection of text applicable to specific sentiment | |
US8954503B2 (en) | Identify experts and influencers in a social network | |
August et al. | Data-derived metrics describing the behaviour of field-based citizen scientists provide insights for project design and modelling bias | |
Tafti et al. | Real-time diffusion of information on Twitter and the financial markets | |
US20170300575A1 (en) | Methods and systems for quantifying and tracking software application quality | |
US20210209624A1 (en) | Online platform for predicting consumer interest level | |
SG171452A1 (en) | Method and apparatus for displaying feeds content of contact and processing apparatus and system thereof | |
US10230816B2 (en) | Communication management in a social networking environment | |
US11068926B2 (en) | System and method for analyzing and predicting emotion reaction | |
US20160164888A1 (en) | Detection of false message in social media | |
CN111242661A (zh) | 优惠券发放方法和装置以及计算机系统和介质 | |
Piccardi et al. | On the Value of Wikipedia as a Gateway to the Web | |
Goswami et al. | Sentiment analysis based potential customer base identification in social media | |
US10628498B2 (en) | Interest-based message-aggregation alteration | |
Reiss | Dissecting non-use of online news–systematic evidence from combining tracking and automated text classification | |
CN114065051A (zh) | 私域平台视频推荐方法、装置、电子设备和介质 | |
US20230017558A1 (en) | Systems and methods for detecting data leakage of online content | |
JP7170689B2 (ja) | 出力装置、出力方法及び出力プログラム | |
US20150288627A1 (en) | Correlating electronic mail with media monitoring | |
CN117573987A (zh) | 基于区块链的内容推荐方法、装置、设备及存储介质 | |
US20160335661A1 (en) | Tracking virality of media content by monitoring sharing habits of viewers |
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 |