CN117708441A

CN117708441A - 一种信息推荐方法和装置

Info

Publication number: CN117708441A
Application number: CN202311754087.7A
Authority: CN
Inventors: 赵勇
Original assignee: Beijing Sohu New Media Information Technology Co Ltd
Current assignee: Beijing Sohu New Media Information Technology Co Ltd
Priority date: 2023-12-19
Filing date: 2023-12-19
Publication date: 2024-03-15

Abstract

本申请提供了一种信息推荐方法和装置，该方法包括：获得第一账号特征向量，所述第一账号特征向量包括所述第一账号的设置信息；基于所述第一账号特征向量确定至少一个目标账号特征向量，目标账号是所述第一账号关注的账号，所述目标账号特征向量表征所述目标账号的账号设置信息；基于预设内存映射模型，在预设内存中获取与所述至少一个目标账号特征向量对应的多个作品信息，所述信息由所述至少一个目标账号产生；将所述多个作品信息推荐给第一账号。

Description

一种信息推荐方法和装置

技术领域

本申请涉及信息处理领域，更具体的说，是涉及一种信息推荐方法和装置。

背景技术

信息流是一种内容推送逻辑，根据用户喜好推送给用户特定的内容。

现有的信息流技术一般采用如下两种信息推荐分发方式：推模式和拉模式。

例如，拉模式下，每个用户获取关注人发布的新信息内容，首先获取关注列表，然后根据请求的时间，获取关注人在指定时间段内发布的新信息。实时拉取信息流内容对计算能力要求较高。

但是，目前主流技术是将信息流内容存储到redis或者MongoDb这类的NoSql数据库，因此，采用拉模式的信息推荐分发方式，需要用户终端与数据库之间建立网络连接，网络传输耗时不确定，推荐效果不稳定。

发明内容

有鉴于此，本申请提供了一种信息推荐方法和装置，如下：

一种信息推荐方法，所述方法包括：

获得第一账号特征向量，所述第一账号特征向量包括第一账号的设置信息；

基于所述第一账号特征向量确定至少一个目标账号特征向量，目标账号是第一账号关注的账号，所述目标账号特征向量包括目标账号的账号设置信息；

基于预设内存映射模型，在预设内存中获取与所述至少一个目标账号特征向量对应的多个作品信息，所述信息由所述至少一个目标账号产生；

将所述多个作品信息推荐给第一账号。

可选的，上述的信息推荐方法，所述基于预设内存映射模型，在预设内存中获取与所述至少一个目标账号特征向量对应的多个作品信息，包括：

依据目标账号个数，确定推荐时间长度；

基于所述预设内存映射模型确定所述推荐时间长度对应的至少一个文件；

在所述至少一个文件中获取与所述至少一个目标账号特征向量对应的多个作品信息。

可选的，上述的信息推荐方法，所述基于所述预设内存映射模型确定所述推荐时间长度对应的至少一个文件，包括：

若所述推荐时间长度对应的时间范围属于第一时间区间，基于所述预设内存映射模型确定与第一时间区间对应的第一文件；

若所述推荐时间长度对应的时间范围属于第一时间区间和第二时间区间，基于所述预设内存映射模型确定与第一时间区间对应的第一文件；基于所述预设内存映射模型确定第二文件以及与所述第二文件对应的索引文件，所述第二时间区间与所述第一时间区间相邻且早于所述第一时间区间。

可选的，上述的信息推荐方法，所述在所述至少一个文件中获取与所述至少一个目标账号特征向量对应的多个作品信息，包括：

若所述推荐时间长度对应的时间范围属于第一时间区间，在所述第一文件中依次获得与所述目标账号特征向量对应的至少一个作品信息；

若所述推荐时间长度对应的时间范围属于第一时间区间和第二时间区间，在所述第一文件中依次获得与所述至少一个目标账号特征向量对应的作品信息；若任意目标账号在第一文件中获得的信息个数小于预设个数阈值，在所述第二文件中获得与所述目标账号特征向量对应的作品信息至所述目标账号的作品信息个数等于预设个数阈值。

可选的，上述的信息推荐方法，所述获得第一账号特征向量之前，还包括：

监听作品信息产生事件；

获取所述作品信息产生事件的信息特征向量以及账号特征向量，所述信息特征向量包含所述作品信息产生相关的信息，所述账号特征信息包含产生得到作品信息的账号信息；

将所述信息特征向量、所述账号特征向量存入预设内存映射模型中的第一文件。

可选的，上述的信息推荐方法，还包括：

基于达到更新时刻，将所述第一文件更新到第二文件中，并基于所述第一文件更新索引文件，所述索引文件是第二文件中信息的索引。

可选的，上述的信息推荐方法，所述将所述多个作品信息推荐给第一账号，包括：

依据预设降噪规则，对于所述多个作品信息降噪处理，得到目标推荐信息；

将所述目标推荐信息推荐给第一账号。

可选的，上述的信息推荐方法，所述依据预设降噪规则，对于所述多个作品信息降噪处理，得到目标推荐信息，包括：

基于所述第一作品信息中包含预设内容且所述第一作品信息是转发作品，若所述多个作品信息中与所述第一作品信息相同的作品信息个数大于第一预设个数，控制所述第一作品信息中预设内容的显示尺寸从第一尺寸更新为第二尺寸，得到目标推荐信息，所述第二尺寸小于第一尺寸；

基于所述第一作品信息中包含预设内容且所述第一作品信息是转发作品，若所述多个作品信息中与所述第一作品信息相同的作品信息个数不大于第一预设个数，控制所述第一作品信息中预设内容的显示尺寸采用第一尺寸，得到目标推荐信息。

若所述多个作品信息中属于第三账号的个数大于第二预设个数，将属于第三账号的第二作品信息的状态更新为折叠，将所述第三账号的第三信息的状态设定为非折叠，得到目标推荐信息，所述第三作品信息的生成时刻与当前时刻的时间间隔小于任意第二信息的生成时刻与当前时刻的时间间隔。

一种信息推荐装置，包括：

获得模块，用于获得第一账号特征向量，所述第一账号特征向量包括第一账号的设置信息；

确定模块，用于基于所述第一账号特征向量确定至少一个目标账号特征向量，目标账号是第一账号关注的账号，所述目标账号特征向量包括目标账号的账号设置信息；

获取模块，用于基于预设内存映射模型，在预设内存中获取与所述至少一个目标账号特征向量对应的多个作品信息，所述信息由所述至少一个目标账号产生；

推荐模块，用于将所述多个作品信息推荐给第一账号。

综上所述，本申请提供了一种信息推荐方法和装置，包括：获得第一账号特征向量，所述第一账号特征向量包括所述第一账号的设置信息；基于所述第一账号特征向量确定至少一个目标账号特征向量，目标账号是所述第一账号关注的账号，所述目标账号特征向量表征所述目标账号的账号设置信息；基于预设内存映射模型，在预设内存中获取与所述至少一个目标账号特征向量对应的多个作品信息，所述信息由所述至少一个目标账号产生；将所述多个作品信息推荐给第一账号。本申请中，在服务器中设置预设信息模型，通过该预设信息模型基于待推荐第一账号特征向量以及第一账号关注的目标账号特征向量，在本地内存的文件中查找相应的信息推荐给第一账号，与现有的拉模式不同，无需用户终端与数据库之间建立网络连接，推荐效果稳定。

附图说明

为了更清楚地说明本申请实施例的技术方案，下面将对实施例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申请的实施例，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，还可以根据提供的附图获得其他的附图。

图1是本申请提供的一种信息推荐方法实施例1的流程图；

图2是本申请提供的一种信息推荐方法实施例2的流程图；

图3是本申请提供的一种信息推荐方法实施例3的流程图；

图4是本申请提供的一种信息推荐方法实施例4的流程图；

图5是本申请提供的一种信息推荐方法实施例5的流程图；

图6是本申请提供的一种信息推荐方法实施例6的流程图；

图7是本申请提供的一种信息推荐方法实施例7的流程图；

图8是本申请提供的一种信息推荐方法实施例8的流程图；

图9是本申请提供的一种信息推荐方法实施例8中动态页面示意图；

图10是本申请提供的一种信息推荐方法实施例9的流程图；

图11是本申请提供的一种信息推荐方法实施例9中动态页面示意图；

图12是本申请提供的一种信息推荐装置实施例的结构示意图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

如图1所示的，为本申请提供的一种信息推荐方法实施例1的流程图，该方法应用于一电子设备，该电子设备可以是信息推荐应用的服务器，该方法包括以下步骤：

步骤S101：获得第一账号特征向量；

其中，所述第一账号特征向量包括第一账号的设置信息；

其中，该第一账号是待推荐信息的账号。

具体实施中，可以是第一账号所在终端生成请求，请求对于该第一账号推荐信息。

其中，该第一账号的设置信息，包括：第一账号的用户ID(Identity，身份标识号码)、第一账号用户关注的用户ID列表以及数量、关注的话题ID列表以及数量以及第一账号浏览关注流频道时间戳等。

具体实施中，该获得第一账号特征向量，可以是由第一账号刷新动态页面触发。

其中，该第一账号刷新动态页面的方式，可以是单纯的刷新页面，也可以是第一账号生成信息，该信息在第一账号的页面输出。该信息可以是第一账号发布的动态内容，如文章类动态、图文类动态或者视频类动态等，还可以是其他信息，本申请中不做限制。

步骤S102：基于所述第一账号特征向量确定至少一个目标账号特征向量；

其中，目标账号是第一账号关注的账号，所述目标账号特征向量包括目标账号的账号设置信息。

其中，该第一账号可以关注一个获得多个其他账号，本实施例中，第一账号关注的账号采用目标账号表示。

其中，基于该第一账号特征向量中包含的目标账号，确定每个目标账号的特征向量。

具体的，该目标账号的账号设置包括该目标账号的动态可见设置，如是否展示自己的动态出现在其他人的关注流频道中、目标账号的折叠属性以及拉黑列表信息等。

其中，该目标账号的折叠属性，用于判断账号的作品内容在关注流频道是否折叠。若账号的折叠属性可以设置为需折叠，相应的，该账号的作品会折叠成一条展示，若账号的折叠属性设置为非折叠账号，相应的，该账号的作品信息不会折叠。

其中，该拉黑列表信息，用于判断第一账号是否被目标账号拉黑，如果拉黑，则目标账号的信息不会在第一账号的动态页面中输出；没有拉黑，第一账号的动态页面中会输出该目标账号的信息。

步骤S103：基于预设内存映射模型，在预设内存中获取与所述至少一个目标账号特征向量对应的多个作品信息；

其中，所述信息由所述至少一个目标账号产生。

其中，该预设内存映射模型中存储有各个账号的特征向量以及各个账号的信息在内存中的存储位置的映射关系。

其中，该内存映射模型是mmap映射模型，各个账号的作品信息以mmap映射方式存储在应用服务器文件中。

其中，依据前述确定的目标账号特征向量，结合该预设内存映射模型，获得与该目标账号特征向量对应的作品信息。

其中，该获得的作品信息是该多个目标账号生成的作品信息。

需要说明的是，后续实施例中会针对基于预设内存映射模型，在预设内存中获取与所述至少一个目标账号特征向量对应的多个作品信息的具体过程进行详细说明，本实施例中不做详述。

步骤S104：将所述多个作品信息推荐给第一账号。

其中，在获得多个作品信息后，将该作品信息推荐给第一账号。

其中，对于该多个作品信息进行整合，加上用户未读作品数、用户未读红点等信息。

具体的，可以是在第一账号的动态页面中，输出显示该多个作品。

综上，本实施例提供的一种信息推荐方法，包括：获得第一账号特征向量，所述第一账号特征向量包括第一账号的设置信息；基于所述第一账号特征向量确定至少一个目标账号特征向量，目标账号是第一账号关注的账号，所述目标账号特征向量包括目标账号的账号设置信息；基于预设内存映射模型，在预设内存中获取与所述至少一个目标账号特征向量对应的多个作品信息，所述信息由所述至少一个目标账号产生；将所述多个作品信息推荐给第一账号。本实施例中，由于各个账号的作品信息采用预设内存映射模型进行存储，该作品信息是存储在账号所属应用服务器上，在获得目标账号特征向量对应的作品信息时，是在服务器本地进行获得，无需从其他redis或者NoSql数据库后者能够异地获得，减少了网络查询耗时。

如图2所示的，为本申请提供的一种信息推荐方法实施例2的流程图，该方法包括以下步骤：

步骤S201：获得第一账号特征向量；

步骤S202：基于所述第一账号特征向量确定至少一个目标账号特征向量；

其中，步骤S201-202与实施例1中的相应步骤一致，本实施例中不做赘述。

步骤S203：依据目标账号个数，确定推荐时间长度；

其中，根据该第一账号关注的目标账号个数，确定推荐时间长度。

其中，该推荐时间长度是关注流频道每次获取作品信息的步长信息。

其中，该步长信息具体是关注流频道每次获取作品信息依赖的时间区间。

其中，该推荐时间长度与目标账号个数相关，且是负向相关。

需要说明的是，如果第一账号关注的账号数量很少，若以较短时间为步长，该多个目标账号该较短时间内产生的作品信息个数可能很少，不足客户端一页显示，需要进行多次处理，往前推很多步长时间，才能凑足一页数据。而如果以较长时间为步长，仅需要一次计算就可以凑足一页的作品信息，因此需要选择合适的步长。

作为一个示例，目标账号个数小于10个时，可以选择7天为推荐时间长度。

作为一个示例，目标账号个数是50个，可以选择1天为推荐时间长度。

作为一个示例，目标账号个数是100个，可以选择1小时为推荐时间长度。

步骤S204：基于所述预设内存映射模型确定所述推荐时间长度对应的至少一个文件；

其中，该预设内存映射模型是按照不同的时间区间存储存储文件。

作为一个示例，采用一个文件映射存储当前的作品信息，采用另一个文件映射存储前一天以及之前的作品信息。

相应的，确定该推荐时间长度对应的时间范围，确定该时间范围的文件。

需要说明的是，后续实施例中会针对该确定文件的过程进行详细说明，本实施例中不做详述。

步骤S205：在所述至少一个文件中获取与所述至少一个目标账号特征向量对应的多个作品信息；

其中，该确定的多个文件中存储有该目标账号在该推荐时间长度生成的作品信息，相应的，在该一个或者多个文件中获得该作品信息。

需要说明的是，后续实施例中会针对该获得作品信息的过程进行详细说明，本实施例中不做详述。

具体实施中，某些应用中互联网作品需要经过人工审核，审核不通过的不会推荐给任何用户账号。

步骤S206：将所述多个作品信息推荐给第一账号。

其中，步骤S206与实施例1中的相应步骤一致，本实施例中不做赘述。

综上，本实施例提供的一种信息推荐方法，包括：依据目标账号个数，确定推荐时间长度；基于所述预设内存映射模型确定所述推荐时间长度对应的至少一个文件；在所述至少一个文件中获取与所述至少一个目标账号特征向量对应的多个作品信息。本实施例中，依据第一账号关注的目标账号个数，确定推荐时间长度，基于预设内存映射模型中文件对应的时间区间，确定该推荐时间长度对应的至少一个文件，以实现基于该预设内存映射模型中的文件获得与该目标账号特征向量对应的作品信息，实现了基于预设内存映射模型获得能够推荐给第一账号的多个作品信息，处理过程简单易行。

如图3所示的，为本申请提供的一种信息推荐方法实施例3的流程图，该方法包括以下步骤：

步骤S301：获得第一账号特征向量；

步骤S302：基于所述第一账号特征向量确定至少一个目标账号特征向量；

步骤S303：依据目标账号个数，确定推荐时间长度；

其中，步骤S301-303与实施例2中的相应步骤一致，本实施例中不做赘述。

步骤S304：若所述推荐时间长度对应的时间范围属于第一时间区间，基于所述预设内存映射模型确定与第一时间区间对应的第一文件；

其中，该预设内存映射模型按照两个时间区间分别存储作品信息。

作为一个示例，该预设内存模型中第一时间区间对应于当天时间，该第二时间区间对应于当天之前的时间，相应的，将当天的作品信息映射到第一文件中，将当天之前的作品信息映射到第二文件中。

具体的，第一时间区间与第二时间区间的分界点可以根据实际情况设置，如每天凌晨三点，则当天凌晨三点以后生成的作品信息对应预设内存映射模型的第一文件；当天凌晨三点之前生成的作品信息对应预设内存映射模型的第二文件。

其中，基于当前时刻与第一时间区间和第二时间区间的分界点，确定第一时间区间长度，进而依据该推荐时间长度与该第一时间区间长度的关系，确定该推荐时间长度是否仅包含于该第一时间区间内，还是包含在第一时间区间和第二时间区间内。

作为一个示例，第一时间区间与第二时间区间的分界点是每天凌晨三点，当前时刻是下午三点，确定的推荐时间长度是1小时，则确定该推荐时间长度对应的时间范围是下午两点到下午三点，该时间范围属于第一时间区间。

作为一个示例，第一时间区间与第二时间区间的分界点是每天凌晨三点，当前时刻是下午三点，该第一时间区间长度是12小时，确定的推荐时间长度是1小时，小于该第一时间区间长度，该时间范围属于第一时间区间。

其中，基于该预设内存映射模型中的第一时间区间，确定对应的第一文件。

其中，该第一文件对应该第一账号所属应用中各个账户在第一时间范围内生成的作品信息。

其中，该第一文件中是对于当天作品信息进行存储，文件标识是level2和.data，如当天是2023年9月10日，产生的作品都会存入level2.20230910.data文件，具体数据格式为用户账号id-当前文件用户账号作品数-作品1数据-作品2数据---作品n数据。

步骤S305：若所述推荐时间长度对应的时间范围属于第一时间区间和第二时间区间，基于所述预设内存映射模型确定与第一时间区间对应的第一文件；

作为一个示例，该第一时间区间长度是5小时，该推荐时间长度是1天(24小时)，则该推荐时间长度对应的时间范围属于第一时间区间和第二时间区间。

其中，在确定了推荐时间长度对应的时间范围属于第一时间区间和第二时间区间，基于该预设内存映射模型确定与该第一时间区间对应的第一文件。

步骤S306：基于所述预设内存映射模型确定第二文件以及与所述第二文件对应的索引文件，所述第二时间区间与所述第一时间区间相邻且早于所述第一时间区间；

其中，在确定了推荐时间长度对应的时间范围属于第一时间区间和第二时间区间，基于该预设内存映射模型确定与该第二时间区间对应的第二文件。

具体的，该第二文件中存储有海量的作品信息，直接查找难度较大，针对该第二文件设置有索引文件，根据该索引文件实现准确定位第二文件中的作品信息。

其中，该第二文件中是以月为单位进行分文件存储，文件标识是level1和.data，如2023年9月产生的作品都会存入level1.20230930.data文件，具体数据格式为用户账号id-当前文件用户账号作品数-作品1数据-作品2数据---作品n数据；

其中，索引文件用于存全量账号作品信息的索引，文件类型是.index文件，具体数据格式为用户账号id-用户作品存在的level1文件地址-用户作品在的level1文件存在的位置。

需要说明的是，建立用户账号与作品信息的索引文件，有助于快速获取作品信息源，在此基础上实现降噪等更多的业务功能。

具体的，用户作品存在的level1文件地址，是指用户作品出现的月份；用户作品在的level1文件存在的位置是指该月份中用户作品最新出现的时间。

作为一个示例，用户账户A在8～10月有生成作品信息，10月最新出现作品信息的时间是20日。

步骤S307：在所述至少一个文件中获取与所述至少一个目标账号特征向量对应的多个作品信息；

步骤S308：将所述多个作品信息推荐给第一账号。

其中，步骤S307-308与实施例2中的相应步骤一致，本实施例中不做赘述。

综上，本实施例提供的一种信息推荐方法，包括：若所述推荐时间长度对应的时间范围属于第一时间区间，基于所述预设内存映射模型确定与第一时间区间对应的第一文件；若所述推荐时间长度对应的时间范围属于第一时间区间和第二时间区间，基于所述预设内存映射模型确定与第一时间区间对应的第一文件；基于所述预设内存映射模型确定第二文件以及与所述第二文件对应的索引文件，所述第二时间区间与所述第一时间区间相邻且早于所述第一时间区间。本实施例中，基于推荐时间长度对应的时间范围属于第一时间区间还是属于第一时间区间和第二时间区间，确定该推荐时间长度涉及的不同的时间区间对应的第一文件和第二文件，为后续在文件中获得多个作品信息提供选择基础。

如图4所示的，为本申请提供的一种信息推荐方法实施例4的流程图，该方法包括以下步骤：

步骤S401：获得第一账号特征向量；

步骤S402：基于所述第一账号特征向量确定至少一个目标账号特征向量；

步骤S403：依据目标账号个数，确定推荐时间长度；

步骤S404：若所述推荐时间长度对应的时间范围属于第一时间区间，基于所述预设内存映射模型确定与第一时间区间对应的第一文件；

其中，该步骤S404之后，执行步骤S407。

步骤S405：若所述推荐时间长度对应的时间范围属于第一时间区间和第二时间区间，基于所述预设内存映射模型确定与第一时间区间对应的第一文件；

步骤S406：基于所述预设内存映射模型确定第二文件以及与所述第二文件对应的索引文件，所述第二时间区间与所述第一时间区间相邻且早于所述第一时间区间；

其中，该步骤S406之后，执行步骤S408。

其中，步骤S401-406与实施例3中的相应步骤一致，本实施例中不做赘述。

步骤S407：若所述推荐时间长度对应的时间范围属于第一时间区间，在所述第一文件中依次获得与所述目标账号特征向量对应的至少一个作品信息；

其中，若该推荐时间长度对应的时间范围仅属于第一时间区间，仅需要在该第一文件中获得与目标账号对应的作品信息。

其中，该目标账号特征向量包括该目标账号的账号设置，该账号设置包括该目标账号的动态可见设置，如是否展示自己的动态出现在其他人的关注流频道中、目标账号的折叠属性以及拉黑列表信息等。

相应的，基于该目标账号的设置情况，从第一文件获得目标账号的作品信息。

作为一个示例，一目标账号拉黑第一账号，则该目标账号的各个作品信息不推荐给该第一账号，则不在该第一文件中获得该目标账号的作品信息。

作为一个示例，该目标账号的某一作品信息被设置为不可见，则不会推荐给任何其他账号，则不在该第一文件中获得该目标账号的作品信息。

作为一个示例，该目标账号不做设置不可见也未拉黑第一账号，按照目标账号的ID以及推荐时间长度对应的时间范围获得作品信息。

其中，该第一文件中作品信息的具体数据格式为用户账号id-当前文件用户账号作品数-作品1数据-作品2数据---作品n数据。

其中，按照目标账号的ID以及推荐时间长度对应的时间范围获得作品信息。

具体实施中，为了保证第一账号关注的各个目标账号的作品信息被推荐，可以先设定每个目标账号获得作品信息的个数阈值。

具体的，在第一文件中获得各个目标账号的预设个数阈值对应个数的作品信息，对于各个目标账号的各个作品信息按照时间顺序从新到旧排序，选择能够布满第一账户的动态页面的多个作品信息，该多个作品信息在后续步骤中作为推荐信息推荐给第一账号。

步骤S408：若所述推荐时间长度对应的时间范围属于第一时间区间和第二时间区间，在所述第一文件中依次获得与所述至少一个目标账号特征向量对应的作品信息；

其中，若该推荐时间长度对应的时间范围属于第一时间区间和第二时间区间，在预设内存映射模型中确定第一文件后，先在该第一文件中选择与各个目标账号特征向量对应的作品信息。

其中，该过程与步骤S407中类似，具体解释，请参考该步骤S407中的解释。

步骤S409：若任意目标账号在第一文件中获得的信息个数小于预设个数阈值，在所述第二文件中获得与所述目标账号特征向量对应的作品信息至所述目标账号的作品信息个数等于预设个数阈值；

其中，若某个目标账号在第一文件中获得的作品信息个数小于预设个数阈值，进一步在第二文件中继续获得作品信息直至该目标账号的作品信息个数达到预设个数阈值。

需要说明的是第二文件中作品信息的存储是按照时间顺序从新到旧排序，则在第二文件中获得作品信息时，也是从新到旧依次获得，保证获得的作品信息是该目标账号的较新的作品信息。

作为一个示例，预设个数阈值是10个，某目标账号在第一文件中获得的作品信息个数是5个，继续在第二文件中获得最新的5个作品信息。

具体的，在第一文件和第二文件中获得各个目标账号的预设个数阈值对应个数的作品信息，对于各个目标账号的各个作品信息按照时间顺序从新到旧排序，选择能够布满第一账户的动态页面的多个作品信息，该多个作品信息在后续步骤中作为推荐信息推荐给第一账号。

其中，所述推荐时间长度对应的时间范围属于第一时间区间和第二时间区间，若第一账号对应的每个目标账号在第一文件中获得的信息个数达到预设个数阈值，则不必在第二文件中继续获得作品信息。

具体实施中，还可以基于第一账号关注的话题列表，对于各个目标账号的作品信息进行筛选，得到其中与关注的话题列表相关的作品信息。

步骤S410：将所述多个作品信息推荐给第一账号。

其中，步骤S410与实施例3中的相应步骤一致，本实施例中不做赘述。

综上，本实施例提供的一种信息推荐方法，包括：若所述推荐时间长度对应的时间范围属于第一时间区间，在所述第一文件中依次获得与所述目标账号特征向量对应的至少一个作品信息；若所述推荐时间长度对应的时间范围属于第一时间区间和第二时间区间，在所述第一文件中依次获得与所述至少一个目标账号特征向量对应的作品信息；若任意目标账号在第一文件中获得的信息个数小于预设个数阈值，在所述第二文件中获得与所述目标账号特征向量对应的作品信息至所述目标账号的作品信息个数等于预设个数阈值。本实施例中，针对推荐时间长度对应的时间范围属于第一时间区间或者属于第一时间区间和第二时间区间，在相应的文件中依次获得与目标账号特征向量对应的作品信息，实现了基于预设内存映射模型获得作品信息的过程。

如图5所示的，为本申请提供的一种信息推荐方法实施例5的流程图，该方法包括以下步骤：

步骤S501：监听作品信息产生事件；

其中，本实施例中是对于预设内存映射模型存储作品信息的过程进行的说明。

其中，对于网络中各个应用终端产生作品信息的事件进行监听。

具体的，该作品信息产生事件，是应用终端生成作品信息并上次服务器，本申请的中信息推荐方法是应用该应用的服务器中，该服务器对于各个终端上传作品信息的事件监听。

步骤S502：获取所述作品信息产生事件的信息特征向量以及账号特征向量；

其中，所述信息特征向量包含所述作品信息产生相关的信息。

其中，所述账号特征信息包含产生得到作品信息的账号信息。

其中，该作品信息产生事件中包括用户标识和作品标识，其中，所述作品标识包括作品id，作品发布时间，作品类型，作品审核状态，作品删除状态等。

相应的，对于该作品信息产生事件进行分析，得到其中包含的信息特征向量以及账号特征信息等。

具体的，该账号特征信息可以是根据该用户标识确定该用户的账号设置等信息。

步骤S503：将所述信息特征向量、所述账号特征向量存入预设内存映射模型中的第一文件；

其中，服务器中数据存储规则，先将待存储数据存储到内存中，再讲内存中存储的数据存入特定位置进行存储。

其中，先将信息特征向量、账号特征向量存入内存中，具体是当天作品信息所属内存。

其中，当触发存入预设内存映射模型时，将该内存中的信息特征向量和账号特征向量存入预设内存映射模型的第一文件中。

该第一文件是用于存储当天作品信息的文件。

其中，该触发存入预设内存映射模型的条件可以是达到约定时间周期，如10分钟。

其中，每次达到约定时间周期，遍历内存中的作品信息，将该作品信息以及对应的信息特征向量和账号特征向量存入当天的level2文件中。

需要说明的是，由于是采用预设内存映射模型的内存压缩技术，使得作品信息整体占用存储资源更少。

步骤S504：获得第一账号特征向量；

步骤S505：基于所述第一账号特征向量确定至少一个目标账号特征向量；

步骤S506：基于预设内存映射模型，在预设内存中获取与所述至少一个目标账号特征向量对应的多个作品信息；

步骤S507：将所述多个作品信息推荐给第一账号。

其中，步骤S504-507与实施例1中的相应步骤一致，本实施例中不做赘述。

综上，本实施例提供的一种信息推荐方法，还包括：监听作品信息产生事件；获取所述作品信息产生事件的信息特征向量以及账号特征向量，所述信息特征向量包含所述作品信息产生相关的信息，所述账号特征信息包含产生得到作品信息的账号信息；将所述信息特征向量、所述账号特征向量存入预设内存映射模型中的第一文件。本实施例中，基于监听到作品信息产生事件，获得该作品信息产生时间相关的特征向量，并将该特征向量存入内存映射模型的第一文件中，实现了将作品信息存入内存映射模型的过程，由于采用预设内存映射模型的内存压缩技术，使得作品信息整体占用存储资源更少。

如图6所示的，为本申请提供的一种信息推荐方法实施例6的流程图，该方法包括以下步骤：

步骤S601：监听信息产生事件；

步骤S602：获取所述信息产生事件的信息特征向量以及账号特征向量，所述信息特征向量包含所述信息产生相关的信息，所述账号特征信息包含产生得到信息的账号信息；

步骤S603：将所述信息特征向量、账号特征向量存入预设内存映射模型中的第一文件；

其中，步骤S601-603与实施例5中的相应步骤一致，本实施例中不做赘述。

步骤S604：基于达到更新时刻，将所述第一文件更新到第二文件中，并基于所述第一文件更新索引文件；

其中，所述索引文件是第二文件中信息的索引。

其中，该更新时刻是用于分隔第一文件对应的第一时间区间和第二文件对应的第二时间区间的时刻。

其中，基于时间达到更新时刻，将该第一文件的内容更新到第二文件中，由于第二文件有对应的索引文件，相应的，还要对于索引文件进行更新。

具体的，该索引文件中记录了每个用户账户出现作品信息的月份以及作品信息最新出现的时间。

作为一个示例，每天凌晨1点作为更新时刻，当达到凌晨1点，对于第一文件的内容增加到第二文件中，并且第二文件中是按照时间顺序从新到旧依次排列，相应的，将该索引文件中记录作品信息最新出现时间更新为前一天最近的一次作品信息的生成时间。

步骤S605：获得第一账号特征向量；

步骤S606：基于所述第一账号特征向量确定至少一个目标账号特征向量；

步骤S607：基于预设内存映射模型，在预设内存中获取与所述至少一个目标账号特征向量对应的多个作品信息；

步骤S608：将所述多个作品信息推荐给第一账号。

其中，步骤S607-608与实施例5中的相应步骤一致，本实施例中不做赘述。

综上，本实施例提供的一种信息推荐方法，还包括：基于达到更新时刻，将所述第一文件更新到第二文件中，并基于所述第一文件更新索引文件，所述索引文件是第二文件中信息的索引。本实施例中，基于达到更新时刻，将记录第一时间区间的第一文件更新到第二文件后，记录新的第一时间区间生成的作品信息，并且，更新索引文件，以使得索引文件与更新后的第二文件统一。

如图7所示的，为本申请提供的一种信息推荐方法实施例7的流程图，该方法包括以下步骤：

步骤S701：获得第一账号特征向量；

步骤S702：基于所述第一账号特征向量确定至少一个目标账号特征向量；

步骤S703：基于预设内存映射模型，在预设内存中获取与所述至少一个目标账号特征向量对应的多个作品信息；

其中，步骤S701-703与实施例1中的相应步骤一致，本实施例中不做赘述。

步骤S704：依据预设降噪规则，对于所述多个作品信息降噪处理，得到目标推荐信息；

其中，该预设降噪规则对于该多个作品信息中的信息流进行降噪处理，得到目标推荐信息。

其中，该多个作品信息中有属于信息流的，有不属于信息流的，本实施例中，仅是对于信息流进行降噪处理。

其中，该降噪处理具体是降低第一账号的动态页面中次要信息的输出量，使得重要信息的输出量相对增加，凸显重要信息。

步骤S705：将所述目标推荐信息推荐给第一账号。

其中，得到目标推荐信息是经过降噪处理的作品信息，讲该目标推荐信息推荐给第一账号，以使得第一账号的动态页面中输出该目标推荐信息减少次要信息对于用户造成的视觉疲劳，凸显出重要信息。

综上，本实施例提供的一种信息推荐方法，包括：依据预设降噪规则，对于所述多个作品信息降噪处理，得到目标推荐信息；将所述目标推荐信息推荐给第一账号。本实施例中，预设降噪规则，对于获得的多个作品信息进行降噪处理，得到目标推荐信息，该目标推荐信息在第一账号的动态页面中输出，通过进行降噪处理降低第一账号的动态页面中次要信息的输出量，使得重要信息的输出量相对增加，凸显重要信息。

如图8所示的，为本申请提供的一种信息推荐方法实施例8的流程图，该方法包括以下步骤：

步骤S801：获得第一账号特征向量；

步骤S802：基于所述第一账号特征向量确定至少一个目标账号特征向量；

步骤S803：基于预设内存映射模型，在预设内存中获取与所述至少一个目标账号特征向量对应的多个作品信息；

其中，步骤S801-803与实施例1中的相应步骤一致，本实施例中不做赘述。

步骤S804：基于所述第一作品信息中包含预设内容且所述第一作品信息是转发作品，若所述多个作品信息中与所述第一作品信息相同的作品信息个数大于第一预设个数，控制所述第一作品信息中预设内容的显示尺寸从第一尺寸更新为第二尺寸，得到目标推荐信息，所述第二尺寸小于第一尺寸；

其中，该预设内容包括图片、视频等占据较大显示区域的内容。

其中，若某一信息包含预设内容，并且多次出现，为了防止相同的预设内容在第一账号的动态界面中频繁出现造成视觉疲劳，则对于该信息进行降噪处理。

其中，每个作品有唯一的作品ID，根据该作品信息ID判断是否为同一作品信息。

其中，每个作品信息中携带作品ID，经过多次转发，该作品ID不变。

其中，对于该多个作品信息中包括相同作品ID进行统计，若其大于第一预设个数，则表示其会频繁出现，对此进行降噪处理。

具体的，将该第一作品信息中的预设内容的显示尺寸修改为较小的尺寸。

具体实施中，还需要记录该第一作品信息的转发链条，该转发链条是对社交平台多级转发形成链条式展示的一种叫法，也就是完整的转发路径，第一个用户发布的作品叫原帖，在原帖基础上进行转发形成一级转发、二级转发等，最终在客户端展示出完整路径为转发链条。

具体的，在存储转发作品信息时，是将原帖和转发作品信息以TreeMap(树形地图)结构存储到内存中，最终整个转发链路都会存储在内存中，并按照转发ID从小到大存储。

具体实施中，也可以按照转发链路进行确定该第一作品信息转发次数，若该转发次数大于第一预设个数，控制所述第一作品信息中预设内容的显示尺寸从第一尺寸更新为第二尺寸。

具体实施中，若第一作品信息被转发次数大于第一预设个数，则还可以对于转发链条进行降噪处理，具体的，对于该转发链条中的原帖和最新的转发帖作为目标推荐信息，该转发链条上的其他作品信息过滤，以降低第一账号的动态页面中重复出现的内容。

步骤S805：基于所述第一作品信息中包含预设内容且所述第一作品信息是转发作品，若所述多个作品信息中与所述第一作品信息相同的作品信息个数不大于第一预设个数，控制所述第一作品信息中预设内容的显示尺寸采用第一尺寸，得到目标推荐信息；

其中，若该第一作品信息包含预设内容而且是转发作品，其中，对于该多个作品信息中包括相同作品ID进行统计，若其不大于第一预设个数，则表示其未频繁出现，不进行降噪处理。

具体的，不更改该第一作品信息中预设内容的显示尺寸，维持原第一尺寸得到目标推荐信息。

图9所示的动态页面示意图，该示意图中账号的作品信息排序从前向后按照时间先后顺序排序，最新的排在前面，该示意图中包括第一区域901和第二区域902，第一区域901中有用户“zy哈哈哈”转发的图片，该图片经过三次转发，该图片的显示尺寸较小；第二区域902中有用户“zy哈哈哈”转发的图片，该图片经过两次转发，该图片的显示尺寸较大。第一区域901中的显示内容是经过降噪处理，减小了相同图片的显示尺寸。

步骤S806：将所述目标推荐信息推荐给第一账号。

其中，步骤S806与实施例7中的相应步骤一致，本实施例中不做赘述。

综上，本实施例提供的一种信息推荐方法，包括：基于所述第一作品信息中包含预设内容且所述第一作品信息是转发作品，若所述多个作品信息中与所述第一作品信息相同的作品信息个数大于第一预设个数，控制所述第一作品信息中预设内容的显示尺寸从第一尺寸更新为第二尺寸，得到目标推荐信息，所述第二尺寸小于第一尺寸；基于所述第一作品信息中包含预设内容且所述第一作品信息是转发作品，若所述多个作品信息中与所述第一作品信息相同的作品信息个数不大于第一预设个数，控制所述第一作品信息中预设内容的显示尺寸采用第一尺寸，得到目标推荐信息。本实施例中，针对包含预设内容且是转发作品的第一作品信息进行判断，若前述确定的多个作品信息中存在与该第一作品信息相同的作品信息且较多，则对于该第一作品信息中预设内容的显示尺寸改小，若前述确定的多个作品信息中存在与该第一作品信息相同的作品信息且较少，则不对于该第一作品信息中预设内容的显示尺寸更改，通过上述显示尺寸改小，减少了相同预设内容的作品信息在第一账号的动态页面中的显示面积，降低第一账号的动态页面中次要信息的输出量，使得重要信息的输出量相对增加，凸显重要信息。

如图10所示的，为本申请提供的一种信息推荐方法实施例9的流程图，该方法包括以下步骤：

步骤S1001：获得第一账号特征向量；

步骤S1002：基于所述第一账号特征向量确定至少一个目标账号特征向量；

步骤S1003：基于预设内存映射模型，在预设内存中获取与所述至少一个目标账号特征向量对应的多个作品信息；

其中，步骤S1001-1003与实施例1中的相应步骤一致，本实施例中不做赘述。

步骤S1004：若所述多个作品信息中属于第三账号的个数大于第二预设个数，将属于第三账号的第二作品信息的状态更新为折叠，将所述第三账号的第三信息的状态设定为非折叠，得到目标推荐信息；

其中，所述第三作品信息的生成时刻与当前时刻的时间间隔小于任意第二信息的生成时刻与当前时刻的时间间隔。

其中，由于部分账号发文频率较高，会对关注该账号的用户造成信息侵扰，为了降低对用户的打扰，对发文频次较高的账号进行了归纳折叠处理。

其中，通过判断推荐时间长度对应的时间范围内，该第三账号生成的作品信息个数是否大于第二预设个数，确定该第三账号的发文频率是否较高。

其中，若该多个作品信息中属于同一个第三账号的个数较多，大于第二预设个数，则可以确定该第三账号的作品信息生成频率较高，对于该第三账号的部分作品信息进行折叠，保留最新的一条作品信息。

作为一个示例，以一个小时为单位归纳折叠第三账号的作品信息。

其中，可以通过查看发文频次高账号的最新一条作品，触达最近一小时内的所有作品，提升了用户有效信息的屏占比。

图11所示的页面示意图，该示意图中包括第一区域1001，第一区域1001中有用户“央广网”在9分钟前发布的作品信息，并且在1小时内，该用户还发布了20篇，该第一区域中仅显示该最新发布的作品信息，其余坐标信息折叠。

步骤S1005：将所述目标推荐信息推荐给第一账号。

其中，步骤S1005与实施例7中的相应步骤一致，本实施例中不做赘述。

综上，本实施例提供的一种信息推荐方法，包括：若所述多个作品信息中属于第三账号的个数大于第二预设个数，将属于第三账号的第二作品信息的状态更新为折叠，将所述第三账号的第三信息的状态设定为非折叠，得到目标推荐信息，所述第三作品信息的生成时刻与当前时刻的时间间隔小于任意第二信息的生成时刻与当前时刻的时间间隔。本实施例中，若某账号生成作品信息的频率较高，则对于该账号的部分信息进行折叠，仅保留一条最新的作品信息，降低第一账号的动态页面中次要信息的输出量，使得重要信息的输出量相对增加，凸显重要信息。

与上述本申请提供的一种信息推荐方法实施例相对应的，本申请还提供了应用该信息推荐方法的装置实施例。

如图12所示的为本申请提供的一种信息推荐装置实施例的结构示意图，该装置包括以下结构：获得模块1201、确定模块1202、获取模块1203和推荐模块1204；

其中，该获得模块1201，用于获得第一账号特征向量，所述第一账号特征向量包括第一账号的设置信息；

其中，该确定模块1202，用于基于所述第一账号特征向量确定至少一个目标账号特征向量，目标账号是第一账号关注的账号，所述目标账号特征向量包括目标账号的账号设置信息；

其中，该获取模块1203，用于基于预设内存映射模型，在预设内存中获取与所述至少一个目标账号特征向量对应的多个作品信息，所述信息由所述至少一个目标账号产生；

其中，该推荐模块1204，用于将所述多个作品信息推荐给第一账号。

可选的，获取模块，包括：

第一确定单元，用于依据目标账号个数，确定推荐时间长度；

第二确定单元，用于基于所述预设内存映射模型确定所述推荐时间长度对应的至少一个文件；

获取单元，用于在所述至少一个文件中获取与所述至少一个目标账号特征向量对应的多个作品信息。

可选的，上述第二确定单元，具体用于：

可选的，上述获取单元，具体用于：

可选的，还包括：

监听模块，用于监听作品信息产生事件；

向量获取模块，用于获取所述作品信息产生事件的信息特征向量以及账号特征向量，所述信息特征向量包含所述作品信息产生相关的信息，所述账号特征信息包含产生得到作品信息的账号信息；

存储单元，用于将所述信息特征向量、所述账号特征向量存入预设内存映射模型中的第一文件。

可选的，还包括：

更新模块，用于基于达到更新时刻，将所述第一文件更新到第二文件中，并基于所述第一文件更新索引文件，所述索引文件是第二文件中信息的索引。

可选的，上述推荐模块，包括：

降噪单元，用于依据预设降噪规则，对于所述多个作品信息降噪处理，得到目标推荐信息；

推荐单元，用于将所述目标推荐信息推荐给第一账号。

可选的，上述降噪单元，具体用于：

需要说明的是，本实施例中提供的一种信息推荐装置中的各个组成结构功能解释请参考前述方法实施例中的解释，本实施例中不做赘述。

综上，本实施例提供的一种信息推荐装置，包括：获得模块，用于获得第一账号特征向量，所述第一账号特征向量包括第一账号的设置信息；确定模块，用于基于所述第一账号特征向量确定至少一个目标账号特征向量，目标账号是第一账号关注的账号，所述目标账号特征向量包括目标账号的账号设置信息；获取模块，用于基于预设内存映射模型，在预设内存中获取与所述至少一个目标账号特征向量对应的多个作品信息，所述信息由所述至少一个目标账号产生；推荐模块，用于将所述多个作品信息推荐给第一账号。本实施例中，由于各个账号的作品信息采用预设内存映射模型进行存储，该作品信息是存储在账号所属应用服务器上，在获得目标账号特征向量对应的作品信息时，是在服务器本地进行获得，无需从其他redis或者NoSql数据库后者能够异地获得，减少了网络查询耗时。

与上述本申请提供的一种信息推荐方法实施例相对应的，本申请还提供了与该信息推荐方法相应的电子设备以及可读存储介质。

其中，该电子设备，包括：存储器、处理器；

其中，存储器存储有处理程序；

所述处理器用于加载并执行所述存储器存储的所述处理程序，以实现如上述任一项所述的信息推荐方法的各步骤。

具体该电子设备的实现信息推荐方法，参考前述信息推荐方法实施例即可。

其中，该可读存储介质，其上存储有计算机程序，所述计算机程序被处理器调用并执行，实现如上述任一项所述的信息推荐方法的各步骤。

具体该可读存储介质存储的计算机程序执行实现信息推荐方法，参考前述信息推荐方法实施例即可。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例提供的装置而言，由于其与实施例提供的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

对所提供的实施例的上述说明，使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业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申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所提供的原理和新颖特点相一致的最宽的范围。

Claims

1.一种信息推荐方法，其特征在于，所述方法包括：

将所述多个作品信息推荐给第一账号。

2.根据权利要求1所述的信息推荐方法，其特征在于，所述基于预设内存映射模型，在预设内存中获取与所述至少一个目标账号特征向量对应的多个作品信息，包括：

依据目标账号个数，确定推荐时间长度；

3.根据权利要求2所述的信息推荐方法，其特征在于，所述基于所述预设内存映射模型确定所述推荐时间长度对应的至少一个文件，包括：

4.根据权利要求3所述的信息推荐方法，其特征在于，所述在所述至少一个文件中获取与所述至少一个目标账号特征向量对应的多个作品信息，包括：

5.根据权利要求1所述的信息推荐方法，其特征在于，所述获得第一账号特征向量之前，还包括：

监听作品信息产生事件；

6.根据权利要求5所述的信息推荐方法，其特征在于，还包括：

7.根据权利要求1所述的信息推荐方法，其特征在于，所述将所述多个作品信息推荐给第一账号，包括：

将所述目标推荐信息推荐给第一账号。

8.根据权利要求7所述的信息推荐方法，其特征在于，所述依据预设降噪规则，对于所述多个作品信息降噪处理，得到目标推荐信息，包括：

9.根据权利要求7所述的信息推荐方法，其特征在于，所述依据预设降噪规则，对于所述多个作品信息降噪处理，得到目标推荐信息，包括：

10.一种信息推荐装置，其特征在于，包括：

推荐模块，用于将所述多个作品信息推荐给第一账号。