KR102558867B1 - 내용 추천 방법, 장치와 기기 - Google Patents

Abstract

본 출원은 내용 추천 방법, 장치와 기기를 개시하며, 빅 데이터 분야에 관한 것이다. 구체적인 구현 방안은, 복수의 초기 샘플을 획득하고, 복수의 초기 샘플에 대해 층 구간 분할을 수행하여, 적어도 한 층을 획득하고; 각 층은 복수의 구간 샘플을 포함하고, 적어도 한 층 중에서 마지막 층 중의 복수의 구간 샘플의 구간 샘플 수량은 기설정된 임계값 미만이고; 각 초기 샘플은 하나의 내용이며; 각 층에 대하여, 층에 대응되는 난수와 가중치 구간, 또는 층의 이전 층의 타겟 구간 샘플 및 층의 난수와 가중치 구간에 따라, 층의 타겟 구간 샘플을 확정하고; 제1층 중에서 확정된 타겟 구간 샘플 중의 복수의 초기 샘플에 따라, 추천될 내용을 확정하고; 추천될 내용을 단말기에 발송함으로써, 내용을 샘플링할 때의 계산량을 줄이고, 서버가 내용을 추천하는 처리 효율을 향상시킨다.

Description

내용 추천 방법, 장치와 기기{CONTENT RECOMMENDATION METHOD, APPARATUS AND DEVICE}

본 출원은 데이터 처리 기술 분야에 관한 것으로, 특히 빅 데이터 기술 분야에 관한 것이다.

네트워크의 급속한 발전과 더불어 사람들의 일상 생활은 네트워크와 더욱더 떨어질 수 없게 되었으며, 네트워크를 통해 노래를 듣고, 비디오를 보고, 정보 내용을 검색하는 것 등은 사람들의 일상 생활로 자리잡게 되었다.

네트워크 상에 다양한 내용이 폭발적으로 증가함에 따라 사용자가 많은 내용 중에서 원하는 내용을 빠르게 선택하는 것은 점점 어려워지고 있어, 사용자에게 내용을 능동적으로 추천하는 것은 내용 제공자의 하나의 선택이 되었다. 사용자에게 내용을 추천할 때, 일반적으로 내용 풀에 많은 양의 내용이 있기 때문에, 서버는 많은 양의 내용에서 사용자에게 추천할 여러 내용의 추출에 많은 시간이 소모되고 비 효율적이다.

본 출원은 내용 추천 방법, 장치와 기기를 제공한다.

제1 측면에서, 본 출원의 실시예에는 내용 추천 방법을 제공하며, 상기 방법은,

복수의 초기 샘플을 획득하고, 상기 복수의 초기 샘플에 대해 층 구간 분할을 수행하여, 적어도 한 층을 획득하되; 각 층은 복수의 구간 샘플을 포함하고, 상기 적어도 한 층 중에서 마지막 층 중의 복수의 구간 샘플의 구간 샘플 수량은 기설정된 임계값 미만이고; 상기 초기 샘플 각각은 하나의 내용인 단계;

각 층에 대하여, 상기 층에 대응되는 난수와 가중치 구간, 또는 상기 층의 이전 층의 타겟 구간 샘플 및 상기 층의 난수와 가중치 구간에 따라, 상기 층의 타겟 구간 샘플을 확정하는 단계;

제1층 중에서 확정된 타겟 구간 샘플 중의 복수의 초기 샘플에 따라, 추천될 내용을 확정하는 단계;

상기 추천될 내용을 단말기에 발송하는 단계를 포함한다.

본 출원의 실시예는, 내용을 추천할 때, 내용 풀 중의 각 내용을 하나의 초기 샘플로 하고, 초기 샘플을 그룹화하여, 적어도 한층의 구간 샘플을 획득하고, 획득된 적어도 한 층의 구간 샘플에 대해 마지막 층으로부터 층별로 랜덤으로 샘플링하기에, 내용을 샘플링할 때의 계산량을 대폭 줄이고, 서버가 내용을 추천하는 처리 효율을 향상시킨다.

제2 측면에서, 본 출원의 실시예에는 내용 추천 장치를 제공하며, 상기 장치는,

복수의 초기 샘플을 획득하고, 상기 복수의 초기 샘플에 대해 층 구간 분할을 수행하여, 적어도 한 층을 획득하되; 각 층은 복수의 구간 샘플을 포함하고, 상기 적어도 한 층 중에서 마지막 층 중의 복수의 구간 샘플의 구간 샘플 수량은 기설정된 임계값 미만이고; 상기 초기 샘플 각각은 하나의 내용인 획득 모듈;

각 층에 대하여, 상기 층에 대응되는 난수와 가중치 구간, 또는 상기 층의 이전 층의 타겟 구간 샘플 및 상기 층의 난수와 가중치 구간에 따라, 상기 층의 타겟 구간 샘플을 확정하기 위한 제1 확정 모듈;

제1층 중에서 확정된 타겟 구간 샘플 중의 복수의 초기 샘플에 따라, 추천될 내용을 확정하기 위한 제2 확정 모듈;

상기 추천될 내용을 단말기에 발송하기 위한 발송 모듈을 포함한다.

제3 측면에 따르면,

적어도 하나의 프로세서; 및 상기 적어도 하나의 프로세서와 통신 연결되는 메모리;를 포함하고, 여기서, 상기 메모리는 상기 적어도 하나의 프로세서에 의해 실행될 수 있는 명령이 저장되고, 상기 명령이 상기 적어도 하나의 프로세서에 의해 실행되어, 상기 적어도 하나의 프로세서가 상술한 제1 측면 중 어느 한 항에 따른 방법을 수행할 수 있도록 하는 전자 기기를 제공한다.

제4 측면에 따르면, 컴퓨터 명령이 저장된 비일시적 컴퓨터 판독 가능 저장매체를 제공하며, 상기 컴퓨터 명령은 컴퓨터가 상술한 제1 측면 중 어느 한 항에 따른 방법을 수행하기 위한 것이다.

제5 측면에 따르면, 컴퓨터 판독 가능 저장 매체에 저장된 컴퓨터 프로그램을 제공하며, 상기 컴퓨터 프로그램은 프로세서에 의해 실행될 때 상술한 제1 측면 중 어느 한 항에 따른 방법을 수행하도록 한다.

본 부분에서 설명된 내용은 본 출원의 실시예의 관건적 또는 중요한 특징을 명시하고자 하는 것이 아니며, 본 출원의 범위를 한정하고자 하는 것도 아니다는 것을 이해해야 한다. 본 출원의 기타 특징은 아래 명세서에 의해 쉽게 이해될 것이다.

본 출원의 실시예의 기술방안에 따르면, 내용을 추천할 때, 내용 풀 중의 각 내용을 하나의 초기 샘플로 하고, 초기 샘플을 그룹화하여, 적어도 한층의 구간 샘플을 획득하고, 획득된 적어도 한 층의 구간 샘플을 마지막 층으로부터 층별로 랜덤으로 샘플링하기에, 내용을 샘플링할 때의 계산량을 대폭 줄이고, 서버가 내용을 추천하는 처리 효율을 향상시킨다.

첨부된 도면은 본 해결수단에 대한 더 충분한 이해를 돕기 위한 것으로서, 본 출원에 대해 한정하지 않는다. 여기서,
도 1은 본 출원의 제1 실시예에 따른 내용 추천 방법의 흐름도이다.
도 2는 본 출원의 제1 실시예에 따른 단말기에 추천될 내용이 표시되는 도면이다.
도 3은 본 출원의 제2 실시예에 따른 초기 샘플에 대해 층 구간 분할을 수행하는 방법의 흐름도이다.
도 4는 본 출원의 제2 실시예에 따른 층 구간 분할 결과의 도면이다.
도 5는 본 출원의 제5 실시예에 따른 내용 추천 장치의 구조도이다.
도 6은 본 출원의 실시예의 내용 추천 방법을 구현하기 위한 전자 기기의 블럭도이다.

아래 첨부 도면과 결합하여 본 출원의 예시적인 실시예에 대하여 설명하며, 이해를 돕기 위하여 이중에는 본 출원의 실시예의 각 세부 사항을 포함하며, 이들을 예시적인 것으로만 간주하어야 한다. 따라서, 본 분야의 통상적인 지식을 가진자라면, 여기에 설명된 실시예에 대하여 다양한 변경과 수정을 가할 수 있으며, 이는 본 출원의 실시예의 범위와 정신을 벗어나지 않음을 이해할 것이다. 마찬가지로, 명확성과 간결성을 위하여, 아래 설명에서는 공지기능과 구조에 대한 설명을 생략한다.

본 출원의 실시예에 따른 방법은 내용 추천 시나리오에 적용할 수 있으며, 본 출원의 실시예는 내용의 구체적인 유형에 대해 한정하지 않으며, 예컨대, 노래, 영화, 뉴스, 문장 등일 수 있다. 예시적으로, 사용자는 핸드폰 중의 뉴스앱을 통해 뉴스를 브라우징하고, 서버는 내용 풀에서 사용자에게 추천될 뉴스를 확정한 후 이런 뉴스를 사용자의 핸드폰 단말에 전송함으로써 사용자로 하여금 이중에서 선택하여 브라우징하도록 한다. 또는, 사용자가 차량용 기기를 켠 후, 차량용 기기의 서버는 내용 풀에서 사용자에게 추천될 내용을 확정하고, 그 다음 이런 내용을 차량용 기기로 전송함으로써, 사용자로 하여금 이 중에서 내용을 선택하여 시청 또는 브라우징할 수 있도록 한다.

서버는 사용자에게 추천될 내용을 확정할 때, 내용 풀에서 각 내용의 가중치에 따라 랜덤으로 추출하고, 추출된 내용을 추천될 내용으로 확정한다. 내용 풀에는 내용 수량이 종종 백만급, 심지어 이 이상이기에, 서버는 하나의 추천될 내용을 확정할 때마다 대량의 내용에 대해 많은 계산을 수행해야 하기에, 처리 효율이 비교적 낮다.

이를 위해, 본 출원에서는 내용 풀 중의 내용에 대해 구간 분할하며, 구간 분할은 한 층 또는 다층일 수 있으며, 한 층 구간 분할은 바로 내용 풀 중의 내용에 대한 1차 그룹화이며; 다층 구간 분할은 바로 1차 그룹화를 수행하여 얻은 그룹에 대하여, 미리 설정된 정지 조건을 만족할 때까지 지속적으로 그룹화를 수행하는 것이며, 그 후 얻어진 한 층 또는 다층 그룹 중의 각 층의 그룹을 샘플로 하여, 제1층 그룹 중의 하나의 그룹이 추출될 때까지 층별로 랜덤으로 샘플링하고, 다시 이런 하나의 그룹으로부터 추천될 내용을 추출하여 단말기에 전송함으로써, 내용 추출 시의 계산량을 대폭 줄이고, 서버의 처리 효율을 향상시킨다.

아래에는, 구체적인 실시예를 통해 본 출원에 따른 샘플 데이터 획득 방법에 대해 상세하게 설명한다. 아래 몇개의 구체적인 실시예는 서로 결합될 수 있으며, 동일하거나 유사한 개념 또는 과정은 일부 실시예에서 다시 중복 설명하지 않음을 이해할 수 있을 것이다.

실시예 1

도 1은 본 출원의 제1 실시예에 따른 내용 추천 방법의 흐름도이다. 해당 방법은 소프트웨어 및/또는 하드웨어 장치에 의해 실행될 수 있으며, 예를 들면, 해당 장치는 내용을 제공하는 서버일 수 있다. 도 1에 도시된 바와 같이, 해당 내용 추천 방법은 아래 단계를 포함한다.

S101, 복수의 초기 샘플을 획득하고, 복수의 초기 샘플에 대해 층 구간 분할을 수행하여, 적어도 한 층을 획득한다.

여기서, 각 층은 복수의 구간 샘플을 포함하고, 적어도 한 층 중 마지막 층 중의 복수의 구간 샘플의 구간 샘플 수량은 기설정된 임계값 미만이고; 각 초기 샘플은 하나의 내용이다.

본 실시예에서, 내용 풀 중의 각 내용은 하나의 초기 샘플이며, 초기 샘플의 수량이 보다 크기에, 초기 샘플에 대해 층 구간 분할을 수행해야 하고, 즉, 초기 샘플에 대해 층별로 그룹화해야 하며, 이 중의 층은 한 층 또는 다층일 수 있다.

한 층을 예로 들면, 적어도 두개를 한 그룹으로 하여 초기 샘플을 그룹화하여, 얻어진 복수의 그룹 중의 각 그룹이 바로 제1층의 한개 구간 샘플이며, 제1층의 각 구간 샘플에는 적어도 두개의 초기 샘플이 포함된다.

다층을 예로 들면, 전술한 방법에 따라 초기 샘플에 대해 1차 그룹화한 후, 얻어진 그룹에 대해 계속 그룹화하여 제2층 구간 샘플을 얻을 수도 있으며, 제2층 구간 샘플 중의 각 구간 샘플은 적어도 두개의 제1층의 구간 샘플을 포함한다. 마지막 층의 복수의 구간 샘플의 구간 샘플 수량이 기설정된 임계값보다 작을 때까지 이런 방식으로 유추한 후, 더 이상 그룹화하지 않는다.

S102, 각 층에 대하여, 층에 대응되는 난수와 가중치 구간, 또는 층의 이전 층의 타겟 구간 샘플 및 층의 난수와 가중치 구간에 따라, 층의 타겟 구간 샘플을 확정한다.

각 층의 구간 샘플에 대하여, 가중치에 기반한 랜덤 샘플링 방법을 사용하여 샘플링한다. 각 층 중의 각 구간 샘플은 대응되는 가중치 구간을 가지며, 해당 가중치 구간은 각 구간 샘플에 포함된 초기 샘플의 가중치에 따라 획득된 것이다.

우선, 마지막 층에 대해 샘플링하여 마지막 층에 대응되는 하나의 난수를 생성하고, 해당 난수가 위치하는 가중치 구간에 따라, 마지막 층의 타겟 샘플 구간을 확정한다. 마지막 층의 타겟 샘플 구간에는 적어도 두개의 마지막 층의 다음 층의 구간 샘플이 포함되며, 이 적어도 두개의 마지막 층의 다음 층의 구간 샘플에 대해서도 동일한 방식으로 랜덤 샘플링하여 마지막 층의 다음 층의 타겟 샘플 구간을 획득한다. 제1층의 타겟 샘플 구간이 확정될 때까지 이런 방식으로 유추된다.

S103, 제1층 중에서 확정된 타겟 구간 샘플 중의 복수의 초기 샘플에 따라, 추천될 내용을 확정한다.

S104, 추천될 내용을 단말기에 발송한다.

S102에서 확정된 제1층의 타겟 샘플 구간에는, 복수의 초기 샘플이 포함되고, 동일하게 상술한 가중치 기반의 랜덤 샘플링 방법을 사용하여 이런 복수의 초기 샘플로부터 샘플링하면 추천될 내용을 획득할 수 있다. 추천될 내용은 하나 또는 복수개일 수 있으며, 추천될 내용이 복수개일 때, 랜덤 샘플링을 사용하여 제1층의 타겟 샘플 구간의 복수의 초기 샘플로부터 하나의 추천될 내용을 확정한 후, 제1층의 타겟 샘플 구간의 복수의 초기 샘플로부터 해당 추천될 내용을 제거하고, 가중치 기반의 랜덤 샘플링 방법을 사용하여 필요한 수량의 추천될 내용이 획득될 때까지 남은 초기 샘플로부터 계속 추출하고, 추천될 내용을 단말기에 발송함으로써, 사용자자 볼수 있도록 한다. 도 2에 도시된 바와 같이, 단말기의 스크린에는 서버로부터 발송된 6개의 추천될 내용이 표시되어 있으며, 도 2에는 추천될 내용이 노래와 뉴스 영상인 것을 예로 들어 도시되었다.

본 출원의 실시예에 따른 내용 추천 방법은, 내용 풀 중의 각 내용을 하나의 초기 샘플로 하고, 초기 샘플을 그룹으로 나누어, 적어도 한층의 구간 샘플을 획득하고, 획득된 적어도 한 층의 구간 샘플에 대해 마지막 층으로부터 층별로 랜덤으로 샘플링하기에, 내용을 샘플링할 때의 계산량을 대폭 줄이고, 서버의 처리 효율을 향상시킨다.

상술한 실시예1의 S101에서는 초기 샘플을 층 구간 분할하는 것에 대해 설명하였으며, 아래에서는 다시 구체 실시예를 결합하여, 층 구간 분할에 대해 상세하게 설명한다.

실시예 2

도 3은 본 출원의 제2 실시예에 따른 초기 샘플에 대해 층 구간 분할하는 방법의 흐름도이다. 도 3에 도시된 바와 같이, 해당 방법은 아래의 단계를 포함한다.

S301, 복수의 초기 샘플에 대해 제1층 분할을 수행하고, 제1층에 포함된 복수의 구간 샘플을 획득한다.

초기 샘플의 수량이64000000이라고 가정하고, 이 64000000 개의 초기 샘플에 대해 제1층 분할을 수행하고, 즉, 각 그룹마다 수량 G개의 초기 샘플이 포함되도록 이 64000000 개 초기 샘플을 그룹화하며, 가령G=100이면, 제1 층의 640000개 구간 샘플을 획득할 수 있고, 각 구간 샘플에는 100 개의 초기 샘플이 포함되고, 제1층의 구간 샘플을 제1 구간 샘플이라고 한다. 설명해야 할 바로는, 실제 응용에서, G의 값의 크기는 동적으로 설정될 수 있으며, G의 크기는 획득해야 하는 사용자에게 추천될 내용의 수량 T와 관련되며, G의 크기는 T 이상일 수 있다. 설명해야 할 바로는, 초기 샘플을 각 그룹마다 G개로 분할할 때, 초기 샘플 수량을 G로 나눈 후 나머지가 존재하면 남은 나머지 개수의 초기 샘플은 마지막 그룹에 분할된다.

S302, 제i층에 포함된 복수의 구간 샘플의 구간 샘플 수량이 기설정된 임계값보다 큰지를 확정하고, 크다면, S203을 실행하고; 그렇지 않으면, 종료한다. 여기서 i는 1이상이다.

제1층에 포함된 제1 구간 샘플의 수량은 640000이고, 가령, 기설정된 임계값이 200이면, 제1층에 포함된 복수의 구간 샘플의 구간 샘플 수량은 기설정된 임계값보다 크고, S303을 계속 실행할 수 있다.

설명해야 할 바로는, 실제 응용에서, 기설정된 임계값의 값의 크기는 동적으로 설정될 수 있으며, 예를 들면, 기설정된 임계값은 2G로 설정될 수 있다. 만약 제i층에 포함된 복수의 구간 샘플의 구간 샘플 수량이 2G보다 크면, 제i층에 포함된 복수의 구간 샘플은 각 그룹마다 G개 구간 샘플로 하여 적어도 두개의 그룹으로 다시 분할할 수 있다.

S303, 제i층에 포함된 복수의 구간 샘플에 대해 제i+1층 분할하여, 제i+1층에 포함된 복수의 구간 샘플을 획득하고, i+1를 새로운 i로 하여 S202를 중복 실행한다.

여기서, 제i층에 포함된 복수의 구간 샘플에 대해 그룹화하여 제i+1층을 획득하고, 제i+1층의 각 그룹에는 적어도 두개의 제i층의 구간 샘플이 포함된다.

제1층에 포함된 640000개의 제1 구간 샘플에 대해 제2층 분할을 수행하고, 즉, 그룹 당 100개로 하여 제1층의 640000개의 제1 구간 샘플에 대해 그룹화하여, 제2층의 6400 개 구간 샘플을 획득한다. 제2층의 구간 샘플을 제2 구간 샘플이라고 하며, 각 제2 구간 샘플에는 100개의 제1 구간 샘플이 포함된다.

제2층의 6400개 제2 구간 샘플에 대해, 계속 S202에 따라 제2층의 6400개 제2 구간 샘플의 구간 샘플 수량이 기설정된 임계값보다 큰지를 판단하고, 6400은 200보다 큰 것이 분명하며, 이때 다시 S203을 실행하여 제2층에 포함된 6400개 제2 구간 샘플에 대해 계속 제3층 분할을 수행하며, 즉, 그룹 당 100개로 하여 제2층의 6400개 제2 구간 샘플에 대해 그룹화하여 제3층의 64개 구간 샘플을 획득하고, 제3층의 구간 샘플을 제3 구간 샘플이라고 하며, 각 제3 구간 샘플에는 100개의 제2 구간 샘플이 포함된다.

제3층의 64개 제3 구간 샘플에 대해 다시 S202에 따라 제3층의 64개 구간 샘플의 구간 샘플 수량이 기설정된 임계값보다 큰지를 판단하고, 64는 200보다 작은 것이 분명하며, 이때 그룹화를 종료한다. 이렇게, 64000000개의 초기 샘플을 층 구간 분할한 결과는 도 4를 참조할 수 있다.

본 실시예에 따른 초기 샘플에 대해 층 구간 분할하는 방법에 있어서, 각 층 중의 각 그룹에 포함된 샘플의 수량 및 그룹화를 중지하는 조건은 실제 수요에 따라 설정하여 최종적으로 나누어진 층수가 제어 가능하도록 할 수 있으며, 실제 응용에서 동적으로 그룹화하여 서로 다른 경우의 내용 샘플링 수요를 만족하도록 한다.

상술한 실시예에서, S102에는 각 층이 난수와 가중치 구간에 따라 해당 층의 타겟 구간 샘플을 확정하는 방법에 대해 설명하였다. 아래에는 다시 구체 실시예를 결합하여 이에 대해 상세하게 설명한다.

실시예 3

초기 샘플에 대한 층 분할은 한 층 또는 다층일 수 있기에, 타겟 구간 샘플 확정 시에도, 한 층 또는 다층 중의 각 층의 타겟 구간 샘플을 층별로 확정해야 한다. 본 실시예에서는 각각 층이 마지막 층인 경우와 층이 마지막 층을 제외한 기타 층인 경우에 층의 타겟 구간 샘플을 확정하는 방법에 대해 설명한다. 층 분할이 한 층만 있을 때 해당 층은 바로 마지막 층이라는 것을 이해할 수 있을 것이다.

우선, 가중치 구간에 대해 설명한다. 초기 샘플의 가중치에 있어서, 초기 샘플의 속성, 즉 내용의 속성, 및 사용자 속성을 기초로과 확정할 수 있다. 여기서, 내용의 속성은 수요에 따라 설정할 수 있다. 예시적으로, 어느 초기 샘플이 한 곡의 노래이고, 이 노래의 속성은 시간 길이, 노래 스타일, 가사와 작곡가, 가수 등일 수 있고, 사용자 속성은 사용자의 나이, 성별, 열람 이력 등일 수 있으며, 초기 샘플의 속성과 사용자 속성의 매칭 정도에 따라 초기 샘플의 가중치를 확정하고, 매칭 정도가 높을수록 가중치가 더욱 높고, 매칭 정도가 낮을수록 가중치는 더욱 낮다. 가중치를 확정하는 구체적인 알고리즘은 본 실시예에서 한정하지 않는다.

각 층에 포함된 복수의 구간 샘플에 있어서, 각 구간 샘플은 하나의 가중치 구간에 대응되고, 즉 각 층은 모두 복수의 가중치 구간을 포함한다. 각 층의 복수의 구간 샘플에 대응되는 복수의 가중치 구간에 있어서, 첫번째 가중치 구간의 시작값은 0이고, 종료값은 첫번째 가중치 구간에 대응되는 구간 샘플의 가중치에서 1을 감한 것이고, 첫번째 가중치 구간을 제외한 기타 가중치 구간에 있어서, 각 가중치 구간의 시작값은 이전의 인접 가중치 구간의 종료값에 1을 더한 것이고, 종료값은 가중치 구간의 시작값에서 가중치 구간에 대응되는 구간 샘플의 가중치를 더하고 다시 1을 감한 것이다.

예시적으로, 이 중의 한층에 10개 구간 샘플이 포함되고, 각 구간 샘플의 가중치가 각각 10, 20, 30, 40, 50, 60, 70, 80, 90과 100이라고 가정한다. 이때 첫번째 구간 샘플의 가중치 구간은 [0, 9]이고, 두번째 구간 샘플의 가중치 구간은 [10, 29]이고, 세번째 구간 샘플의 가중치 구간은 [30-59]이고, 이런 방식으로 유추되며, 10번째 샘플 구간의 가중치 구간은 [450-549]이다.

이외에, 제i+1층에 포함된 각 구간 샘플의 가중치는 제i층 중에서 제i+1층의 구간 샘플에 대응되는 적어도 두개의 처리될 구간 샘플의 가중치의 합이고, i는 1 이상이다.

제1층에 포함된 각 구간 샘플의 가중치는 각 구간 샘플에 포함된 초기 샘플의 가중치의 합이고, 제1층 이후의 기타 층, 예를 들면, 제2층에 있어서, 제2층의 각 구간 샘플은 적어도 두개의 제1층의 구간 샘플을 포함하고, 제2층의 각 구간 샘플의 가중치는 제2층의 각 구간 샘플에 포함된 적어도 두개의 제1층의 구간 샘플의 가중치의 합이다.

상술한 방법을 통해 획득된 구간 샘플의 가중치 구간은, 각 구간 샘플의 가중치 구간이 중첩되지 않고, 구간 샘플의 가중치 구간이 기타 가중치와 관련되도록 확보하며, 즉 구간 샘플에 포함된 초기 샘플의 가중치와 서로 관련되기에, 각 층의 구간 샘플에 대한 샘플링이 여전히 초기 샘플의 가중치를 기반으로 하도록 하기에, 샘플링 결과와 사용자의 매칭도를 향상시킨다. 아래에는 계속 각 층의 구간 샘플에 대해 샘플링하여 타겟 구간 샘플을 획득하는 것에 대해 설명한다.

첫번째 경우:

층이 마지막 층이면, 마지막 층에 대응되는 난수와 가중치 구간에 따라, 마지막 층의 타겟 구간 샘플을 확정하고, 구체적으로, 마지막 층에 포함된 복수의 구간 샘플 중 각 구간 샘플에 대응되는 가중치 구간을 확정하는 단계; 제1 난수를 생성하는 단계; 복수의 가중치 구간에서 제1 난수가 위치한 제1 타겟 가중치 구간을 검색하는 단계; 제1 타겟 가중치 구간에 따라, 마지막 층의 제1 타겟 구간 샘플을 확정하는 단계를 포함한다.

실시예 2의 64000000개 초기 샘플에 대해 층 구간 분할한 결과를 참조하여 설명한다. 마지막 층인 제3층에 있어서, 제3층 중에는 64개 구간 샘플이 포함되고, 이 64개 구간 샘플에 대해 이 중의 각 구간 샘플에 대응되는 가중치 구간을 확정한다. 각 구간 샘플에 대응되는 가중치 구간이 각각 [0, 999], [1000, 2999], [3000-5999] 등이라고 가정한다. 여기에서는 단지 앞의 3개 구간 샘플에 대응되는 가중치 구간을 열거하여 예시로서 설명하며 여기에 열거한 가중치 구간의 크기는 단지 예시적으로 설명하기 위한 것이며, 실제 응용 중의 가중치 크기는 상술한 설명의 방법에 따라 계산하여 획득된다는 것을 이해할 수 있을 것이다.

생성된 제1 난수에 있어서, 해당 제1 난수의 랜덤 구간을 생성하는 시작값은 첫번째 구간 샘플의 가중치 구간의 시작값이고, 종료값은 마지막 하나인 제64번째 구간 샘플의 가중치 구간의 종료값이다는 것을 이해할 수 있을 것이다. 제1 난수가 2345이라고 가정하면, 해당 제1 난수에 대응되는 가중치 구간은 [1000, 2999]인 것을 확정할 수 있고, 이로부터 가중치 구간 [1000, 2999]에 대응되는 두번째 구간 샘플을 마지막 층의 제1 타겟 구간 샘플로 확정한다.

두번째 경우:

만약 층이 마지막 층을 제외한 기타 층이면, 층의 이전 층의 타겟 구간 샘플, 및 층의 난수와 가중치 구간에 따라, 층의 타겟 구간 샘플을 확정하는 단게는, 제i+1층의 타겟 구간 샘플에 따라, 제i층 중 제i+1층의 타겟 구간 샘플에 대응되는 적어도 두개의 처리될 구간 샘플을 확정하는 단계; 적어도 두개의 처리될 구간 샘플에 대응되는 가중치 구간을 각각 확정하는 단계; 제2 난수를 생성하는 단계; 적어도 두개의 처리될 구간 샘플에 대응되는 가중치 구간 중에서 제2 난수가 위치한 제2 타겟 가중치 구간을 검색하는 단계; 제2 타겟 가중치 구간에 따라, 제i층의 제2 타겟 구간 샘플을 확정하는 단계를 포함한다.

예시적으로, 여전히 실시예 2의 64000000개 초기 샘플에 대해 층 구간 분할한 결과를 참고하고, 첫번째 경우에서 확정된 마지막 층의 제1 타겟 구간 샘플을 예로 들어 설명한다.

제3층의 제1 타겟 구간 샘플에는 100개의 제2층의 타겟 구간 샘플, 즉 100개의 제2층의 처리될 구간 샘플이 포함된다. 이 100개의 제2층의 처리될 구간 샘플에 대해 이 중의 각 처리될 구간 샘플에 대응되는 가중치 구간을 확정한다. 각 구간 샘플에 대응되는 가중치 구간이 각각 [0, 999], [100, 299], [300-599] 등이라고 가정하고, 여기서 3개만 예시로서 설명한다. 여기에서는 단지 앞의 3개 처리될 구간 샘플에 대응되는 가중치 구간을 열거하여 예시로서 설명하며 여기에 열거한 가중치 구간의 크기는 단지 예시적으로 설명하기 위한 것이며, 실제 응용 중의 가중치 크기는 상술한 설명의 방법에 따라 계산하여 획득된다는 것을 이해할 수 있을 것이다.

생성된 제2 난수에 있어서, 해당 제2 난수의 랜덤 구간을 생성하는 시작값은 첫번째 제2층의 처리될 구간 샘플의 가중치 구간의 시작값이고, 종료값은 마지막 하나인 제100개 제2층의 처리될 구간 샘플의 가중치 구간의 종료값이다는 것을 이해할 수 있을 것이다. 제1 난수가 230이라고 가정하면, 해당 제2 난수에 대응되는 가중치 구간은 [0, 999]이므로, 이로부터 가중치 구간 [0, 999]에 대응되는 첫번째 제2층의 처리될 구간 샘플을 제2층의 제2 타겟 구간 샘플로 확정한다.

동일한 방법으로 계속 제2층의 제2 타겟 구간 샘플에 대응되는 100개의 제1층의 처리될 구간 샘플에 대해 샘플링하면, 제1층의 제2 타겟 구간 샘플을 획득할 수 있고, 제1층의 제2 타겟 구간 샘플에는 100개의 초기 샘플이 포함된다.

본 실시예에서, 각 층의 구간 샘플에 대해 각각 랜덤 샘플링을 수행하고, 본 층에 대해 샘플링한 샘플의 범위는 이전 층의 샘플링 결과를 기초로 하기에, 다층의 구간 샘플에 대한 샘플링을 통해 쾌속으로 복수의 초기 샘플을 확정하고, 초기 샘플의 샘플링 범위를 축소함으로써, 서버가 내용을 추천할 때의 처리 효율을 향상시킨다.

상술한 실시예에서, 다층 구간 샘플에 대해 층별로 샘플링하여, 제1층의 타겟 구간 샘플을 확정하고, 그 후 제1층의 타겟 구간 샘플 중의 복수의 초기 샘플에 따라 추천될 내용을 확정할 수 있다. 아래에는 구체 실시예를 결합하여 설명한다.

실시예 4

제1층의 타겟 구간 샘플 중의 복수의 초기 샘플 중 각 초기 샘플의 가중치 구간을 확정하고; 제3 난수를 생성하고; 복수의 초기 샘플의 가중치 구간에서, 제3 난수가 위치한 제3 타겟 가중치 구간을 검색하고; 제3 타겟 가중치 구간에 따라, 추천될 내용을 확정한다.

실시예 3에서 확정된 제1층의 타겟 구간 샘플을 예로 설명한다. 제1층의 타겟 구간 샘플에는 100개의 초기 샘플인 100개의 내용을 포함한다. 각 초기 샘플의 가중치는 각각 3, 4, 5, 6??등으로 가정하고, 여기에서는 단지 앞의 3개 초기 샘플의 가중치를 열거하여 예시한다. 이때 첫번째 초기 샘플의 가중치 구간은 [0, 2]이고, 두번째 초기 샘플의 가중치 구간은 [3, 6]이고, 세번째 초기 샘플의 가중치 구간은 [7-11]이고, 네번째 초기 샘플의 가중치 구간은 [12-17]이고, 이런 방식으로 유추되며, 100개의 초기 샘플의 가중치 구간을 확정할 수 있다.

생성된 제3 난수에 있어서, 해당 제3 난수의 랜덤 구간을 생성하는 시작값은 첫번째 첫번째 초기 샘플인 첫번째 내용의 가중치 구간의 시작값이고, 종료값은 마지막 하나인 제100번째 초기 샘플의 가중치 구간의 종료값이다는 것을 이해할 수 있을 것이다. 제3 난수가 10이라고 가정하면, 해당 제3 난수에 대응되는 가중치 구간은 [7-11]이므로, 이로부터 가중치 구간 [7-11]에 대응되는 세번째 초기 샘플인 세번째 내용을 추천될 내용으로 확정한다.

사용자에게 추천해야 할 내용의 수량이 10개라고 가정하면, 이때 상술한 세번째 내용을 추천될 내용으로 확정한 후, 해당 세번째 내용을 100개의 초기 샘플에서 제거하고, 99개 초기 샘플이 남는다. 이 99개 초기 샘플 중 각 초기 샘플의 가중치는 각각 3, 4, 6??등이고, 여기서 앞의 3개의 초기 샘플의 가중치만을 열거하여 예시하며, 이로부터 세번째 초기 샘플이 제거되었기에, 원래의 네번째 초기 샘플이 새로운 세번째 초기 샘플로 된다. 이때 첫번째 초기 샘플의 가중치 구간은 [0, 2]이고, 두번째 샘플의 가중치 구간은 [3, 6]이고, 세번째 초기 샘플의 가중치 구간은 [7-12]이고, 이런 방식으로 유추된다. 다시 새로운 제3 난수를 생성하고, 새로운 제3 난수에 대응되는 가중치 구간에 따라 두번째 추천될 내용이 확정된다. 두번째 추천될 내용을 제거한 후 다시 샘플링을 수행하고 10개의 추천될 내용이 추출될 때까지 수행한다.

본 실시예 중의 초기 샘플인 내용에 대해 샘플링을 수행할 때, 내용의 가중치에 따라 샘플링을 수행하기에, 추출된 내용과 사용자의 높은 매칭 정도를 확보하고, 사용자의 요구를 만족시킬 수 있다. 이 기초상에서 난수를 결합하여, 결과가 일정한 랜덤성을 구비하도록 확보하며 내용 추천의 다양성을 향상시킨다.

실시예 5

도 5는 본 출원 제5 실시예에 따른 내용 추천 장치의 구조도이다. 도 5에 도시된 바와 같이, 내용 추천 장치(50)는,

복수의 초기 샘플을 획득하고, 복수의 초기 샘플에 대해 층 구간 분할을 수행하여, 적어도 한 층을 획득하되; 각 층은 복수의 구간 샘플을 포함하고, 적어도 한 층 중 마지막 층 중의 복수의 구간 샘플의 구간 샘플 수량은 기설정된 임계값 미만이고; 각 초기 샘플은 하나의 내용인 획득 모듈(501);

각 층에 대하여, 층에 대응되는 난수와 가중치 구간, 또는 층의 이전 층의 타겟 구간 샘플 및 층의 난수와 가중치 구간에 따라, 층의 타겟 구간 샘플을 확정하기 위한 제1 확정 모듈(502);

제1층 중에서 확정된 타겟 구간 샘플 중의 복수의 초기 샘플에 따라, 추천될 내용을 확정하기 위한 제2 확정 모듈(503);

추천될 내용을 단말기에 발송하기 위한 발송 모듈(504)을 포함한다.

선택적으로, 획득 모듈(501)은,

복수의 초기 샘플에 대해 제1층 분할을 수행하고, 제1층에 포함된 복수의 제1 구간 샘플을 획득하고;

제i층에 포함된 복수의 제1 구간 샘플의 구간 샘플 수량이 기설정된 임계값보다 큰것이 확정되면, 제i층에 포함된 복수의 제1 구간 샘플에 대해 제i+1층 분할을 수행하여, 제i+1층에 포함된 복수의 구간 샘플을 획득하고, i+1을 새로운 i로 하여 제i층에 포함된 복수의 제1 구간 샘플의 구간 샘플 수량이 기설정된 임계값 이하일 때까지 이 단계를 중복 실행하되, i는 1이상이다.

선택적으로, 층이 마지막 층이면, 제1 확정 모듈(502)은,

마지막 층에 포함된 복수의 구간 샘플 중 각 구간 샘플에 대응되는 가중치 구간을 확정하고;

제1 난수를 생성하고;

복수의 가중치 구간에서, 제1 난수가 위치한 제1 타겟 가중치 구간을 검색하고;

제1 타겟 가중치 구간에 따라, 마지막 층의 제1 타겟 구간 샘플을 확정하기 위한 것이다.

선택적으로, 층이 마지막 층 외의 기타 층일 때, 제1 확정 모듈(502)은,

제i+1층의 타겟 구간 샘플에 따라, 제i층 중에서 제i+1층의 타겟 구간 샘플에 대응되는 적어도 두개의 처리될 구간 샘플을 확정하고;

적어도 두개의 처리될 구간 샘플에 대응되는 가중치 구간을 각각 확정하고;

제2 난수를 생성하고;

적어도 두개의 처리될 구간 샘플에 대응되는 가중치 구간 중에서 제2 난수가 위치한 제2 타겟 가중치 구간을 검색하고;

제2 타겟 가중치 구간에 따라, 제i층의 제2 타겟 구간 샘플을 확정하기 위한 것이다.

선택적으로, 제2 확정 모듈(503)은,

제1층의 타겟 구간 샘플 중의 복수의 초기 샘플 중 각 초기 샘플의 가중치 구간을 확정하고;

제3 난수를 생성하고;

복수의 초기 샘플의 가중치 구간에서, 제3 난수가 위치한 제3 타겟 가중치 구간을 검색하고;

제3 타겟 가중치 구간에 따라, 추천될 내용을 확정하기 위한 것이다.

선택적으로, 획득 모듈(501)은,

제i층에 포함된 복수의 제1 구간 샘플을 그룹화하여, 제i+1층을 획득하되, 여기서, 제i+1층의 각 그룹에는 적어도 두개의 제i층의 제1 구간 샘플이 포함된다.

선택적으로, 각 층에는 모두 복수의 가중치 구간이 포함되고, 각 가중치 구간은 하나의 구간 샘플이 대응된다.

선택적으로, 첫번째 가중치 구간의 시작값은 0이고, 종료값은 첫번째 가중치 구간에 대응되는 구간 샘플의 가중치에서 1을 감한 것이고, 첫번째 가중치 구간 이외의 기타 가중치 구간에 있어서, 각 가중치 구간의 시작값은 이전의 인접 가중치 구간의 종료값에 1을 더한 것이고, 종료값은 가중치 구간의 시작값에 가중치 구간에 대응되는 구간 샘플의 가중치를 더하고 다시 1을 감한 것이다.

선택적으로, 제i+1층 에 포함된 각 구간 샘플의 가중치는 제i층 중 제i+1층의 구간 샘플에 대응되는 적어도 두개의 처리될 구간 샘플의 가중치의 합이며, i는 1 이상이다.

본 출원의 실시예에 따른 내용 추천 장치는, 상술한 임의의 실시예의 내용 추천 방법의 기술 방안을 실행할 수 있고, 그 구현 원리와 유익한 효과는 내용 추천 방법의 구현 원리와 유익한 효과와 유사하기에, 내용 추천 방법의 구현 원리와 유익한 효과를 참조할 수 있으며, 여기에서는 더 이상 중복 설명하지 않는다.

본 출원의 실시예에 따르면, 본 출원은 또한 전자 기기와 판독 가능 저장 매체를 제공한다.

도 6을 참조하면, 도 6은 본 출원의 실시예에 따른 내용 추천 방법을 구현하는 전자 기기의 블럭도이다. 전자 기기는 다양한 형태의 디지털 컴퓨터, 예컨대, 랩톱 컴퓨터, 데스크톱 컴퓨터, 워크스테이션, 개인 정보 단말기, 서버, 블레이드 서버, 대형 컴퓨터, 및 기타 적합한 컴퓨터를 나타내기 위한 것이다. 전자기기는 다양한 형태의 이동장치, 예컨대, 개인 디지털 단말기, 셀폰, 스마트 폰, 웨어러블 기기 및 기타 유사한 컴퓨팅 장치를 더 나타낼 수 있다. 본문에 설명된 부재, 이들의 연결 및 관계, 및 이들의 기능은 단지 예시적인 것이며, 본문에 설명된 것 및/또는 요구하는 본 출원의 구현을 한정하려는 의도가 아니다.

도 6에 도시된 바와 같이, 해당 전자기기는 하나 또는 복수의 프로세서(601), 메모리(602), 및 각 부재를 연결시키기 위한 고속 인터페이스와 저속 인터페이스를 포함하는 인터페이스를 포함한다. 각각의 부재는 서로 다른 버스를 통해 서로 연결되며, 공통 메인보드에 장착되거나 수요에 따라 기타 방식으로 장착될 수 있다. 프로세서는 전자기기 내에서 실행되는 명령을 처리할 수 있으며, 메모리 내 또는 메모리 상에 저장되어 외부 입력/출력 장치(예컨대, 인터페이스에 커플링된 디스플레이 기기) 상에 GUI의 그래픽 정보를 표시하는 명령을 포함할 수 있다. 기타 실시형태에서, 수요에 따라, 복수의 프로세서 및/또는 복수의 버스와 복수의 메모리를 함께 사용할 수 있다. 마찬가지로, 복수의 전자기기를 연결할 수 있으며, 각각의 기기는 부분 필요한 조작을 제공한다(예를 들어, 서버 어레이, 한 세트의 블레이드 서버, 또는 멀티 프로세서 시스템으로서). 도 6은 하나의 프로세서(601)를 예로 든다.

메모리(602)는 바로 본 출원에 따른 비일시적 컴퓨터 판독 가능 저장매체이다. 여기서, 상기 메모리는 적어도 하나의 프로세서에 의해 실행될 수 있는 명령이 저장되어, 상기 적어도 하나의 프로세서가 본 출원에 따른 내용 추천 방법을 수행하도록 한다. 본 출원의 비일시적 컴퓨터 판독 가능 저장매체는 컴퓨터 명령을 저장하고, 해당 컴퓨터 명령은 컴퓨터가 본 출원에 따른 내용 추천 방법을 수행하도록 한다.

메모리(602)는 비일시적 컴퓨터 판독 가능 저장매체로서, 비일시적 소프트웨어 프로그램, 비일시적 컴퓨터 실행 가능 프로그램 및 모듈, 예컨대 본 출원의 실시예에 따른 내용 추천 방법에 대응되는 프로그램 명령/모듈(예를 들면, 도 5에 도시된 획득 모듈(501), 제1 확정 모듈(502), 제2 확정 모듈(503)과 발송 모듈(504))을 저장할 수 있다. 프로세서(601)는 메모리(602)에 저장된 비일시적 소프트웨어 프로그램, 명령 및 모듈을 실행하여, 서버의 다양한 기능 응용 및 데이터 처리를 수행한다. 즉, 상술한 방법 실시예 중 내용 추천 방법을 구현한다.

메모리(602)는 프로그램 저장 영역과 데이터 저장 영역을 포함할 수 있다. 여기서, 프로그램 저장 영역은 운영체제, 적어도 하나의 기능에 필요한 응용 프로그램을 저장할 수 있다. 데이터 저장 영역은 내용 추천 방법의 전자기기의 사용에 따라 구축되는 데이터 등을 저장할 수 있다. 한편, 메모리(602)는 고속 랜덤 액세스 메모리를 포함할 수 있고, 예를 들어 적어도 하나의 자기 저장장치, 플래시 메모리, 또는 기타 비일시적 솔리드 스테이트 저장장치와 같은 비일시적 메모리를 포함할 수 도 있다. 일부 실시예에서, 메모리(602)는 선택적으로 프로세서(601)에 대해 원격으로 설치된 메모리를 포함할 수 있다. 이러한 원격 메모리는 네트워크를 통해 내용 추천 방법의 전자기기에 연결될 수 있다. 상술한 네트워크의 실예로서 인터넷, 인트라넷, 랜, 이동 통신망 및 그 조합을 포함하지만 이에 한정되지 않는다.

내용 추천 방법의 전자 기기는 입력장치(603)와 출력장치(604)를 더 포함할 수 있다. 프로세서(601), 메모리(602), 입력장치(03) 및 출력장치(604)는 버스 또는 기타 방식으로 연결될 수 있으며, 도 6에서는 버스를 통해 연결되는 것을 예시하고 있다.

입력장치(603)는 입력되는 숫자 또는 문자 부호 정보를 수신할 수 있고, 내용 추천 방법의 전자기기의 사용자 설정 및 기능 제어에 대한 키 신호 입력을 생성할 수 있다. 예를 들어 터치 스크린, 키패드, 마우스, 트랙패드, 터치패널, 지시레버, 하나 또는 복수의 마우스 버튼, 트랙볼, 조종레버 등 입력장치를 포함할 수 있다. 출력장치(604)는 디스플레이 기기, 보조 조명 장치(예를 들어, LED) 및 촉각 피드백 장치(예를 들어, 진동모터) 등을 포함할 수 있다. 해당 디스플레이 기기는, 액정 디스플레이(LCD), 발광 다이오드(LED) 디스플레이와 플라즈마 디스플레이 등을 포함할 수 있지만 이에 한정되지 않는다. 일부 실시형태에서, 디스플레이 기기는 터치 스크린일 수 있다.

여기에 기재되는 시스템 및 기술의 다양한 실시형태는 디지털 전자 회로 시스템, 집적 회로 시스템, 전용 ASIC(전용 집적 회로), 컴퓨터 하드웨어, 펌웨어, 소프트웨어, 및/또는 이들의 조합에서 구현될 수 있다. 이러한 다양한 실시형태는 하나 또는 복수의 컴퓨터 프로그램에서 구현되는 것을 포함할 수 있고, 해당 하나 또는 복수의 컴퓨터 프로그램은 적어도 하나의 프로그래머블 프로세서를 포함하는 프로그래머블 시스템 상에서 실행 및/또는 해석될 수 있으며, 해당 프로그래머블 프로세서는 전용 또는 범용 프로그래머블 프로세서일 수 있고, 저장 시스템, 적어도 하나의 입력장치, 및 적어도 하나의 출력장치로부터 데이터와 명령을 수신할 수 있으며, 데이터와 명령을 해당 저장데이터와 명령을 해당 저장 시스템, 해당 적어도 하나의 입력장치, 및 해당 적어도 하나의 출력장치로 전송한다.

이러한 컴퓨팅 프로그램(프로그램, 소프트웨어, 소프트웨어 응용, 또는 코드라고도 불리운다)은 프로그래머블 프로세서의 기계적 명령을 포함하고, 고급 프로세스 및/또는 객체 지향 프로그래밍 언어, 및/또는 어셈블리/기계적 언어를 이용하여 이러한 컴퓨터 프로그램을 실행할 수 있다. 예컨대 본문에서 사용되는 용어 "기계 판독 가능 매체"와 "컴퓨터 판독 가능 매체"는 기계적 명령 및/또는 데이터를 프로그래머블 프로세서로 제공하기 위한 임의의 컴퓨터 프로그램 제또는 데이터를 프로그래머블 프로세서로 제공하기 위한 임의의 컴퓨터 프로그램 제품, 기기, 및/또는 장치(예를 들어, 자기 디스크, 광 디스크, 메모리, 프로그래머블 논리 디바이스(PLD))를 가리키고, 기계 판독 가능 신호인 기계적 명령을 수신하는 기계 판독 가능 매체를 포함한다. 용어 "기계 판독 가능 신호"는 기계적 명령 및/또는 데이터를 프로그래머블 프로세서로 제공하기 위한 임의의 신호를 가리킨다.

사용자와의 인터랙션을 제공하기 위하여, 컴퓨터 상에서 여기에 기재되는 시스템 및 기술을 실시할 수 있으며, 해당 컴퓨터는 사용자에게 정보를 표시하기 위한 표시장치(예를 들어, CRT(캐소드레이 튜브) 또는 LCD(액정 디스플레이) 모니터); 및 키보드 지향 장치(예를 들어, 마우스 또는 트랙볼)를 구비하고, 사용자는 해당 키보드와 해당 지향장치를 통해 입력을 컴퓨터로 제공할 수 있다. 기타 종류의 장치는 또한 사용자와의 인터랙션을 제공할 수도 있다. 예를 들어, 사용자에게 제공되는 피드백은 임의의 형태의 센싱 피드백(예를 들어, 시각적 피드백, 청각적 피드백, 또는 촉각적 피드백)일 수 있고; 임의의 형태(사운드 입력, 음성 입력 또는 촉각 입력)을 통해 사용자로부터의 입력을 수신할 수 있다.

여기에 기재되는 시스템과 기술은 백그라운드 부재를 포함하는 컴퓨팅 시스템(예를 들어, 데이터 서버로서), 또는 중간부재를 포함하는 컴퓨팅 시스템(예를 들어, 응용 서버), 또는 프론트 엔드 부재를 포함하는 컴퓨팅 시스템(예를 들어, 그래픽 유저 인터페이스 또는 인터넷 브라우저를 구비하는 사용자 컴퓨터, 사용자는 해당 그래픽 유저 인터페이스 또는 해당 인터넷 브라우저를 통해 여기에 기재되는 시스템 및 기술의 실시방식과 인터랙션할 수 있다), 또는 이러한 백그라운드 부재, 중간 부재, 또는 프론트 엔드 부재를 포함하는 임의의 컴퓨팅 시스템에서 실시될 수 있다. 임의의 형태 또는 매체의 디지털 데이터 통신(예를 들어, 통신망)을 통해 시스템의 부재를 서로 연결시킬 수 있다. 통신망의 예시로서, 근거리 통신망(LAN), 광역 통신망(WAN) 및 인터넷을 포함한다.

컴퓨터 시스템은 클라이언트와 서버를 포함할 수 있다. 클라이언트와 서버는 일반적으로 서로 멀리 떨어져 있으며 통상적으로 통신망을 통해 인터랙션한다. 상응한 컴퓨터 상에서 실행되며 서로 클라이언트-서버 관계를 가지는 컴퓨터 프로그램을 통해 클라이언트와 서버의 관계를 생성한다.

본 출원의 실시예에 따르면, 본 출원은 컴퓨터 판독가능 저장매체에 저장된 컴퓨터 프로그램을 제공하며, 해당 컴퓨터 프로그램 중의 명령이 프로세서에 의해 실행될 경우, 본 출원의 실시예에 따른 방법을 구현한다.

상술한 다양한 형태의 프로세스를 사용하여 단계를 재배열, 추가 또는 삭제할 수 있음을 이해해야 한다. 예를 들어, 본 출원에 기재된 각 단계는 병열로 수행될 수 있고 순차적으로 수행될 수도 있고 서로 다른 순서로 수행될 수도 있으며, 본 출원의 기술적 해결수단이 원하는 결과를 얻을 수만 있다면, 본문에서는 여기서 한정하지 않는다.

상술한 구체적인 실시형태는, 본 출원의 보호범위에 대한 한정이 아니다. 본 분야의 통상의 지식을 가진 자라면, 설계 수요와 기타 요소를 기초로, 다양한 수정, 조합, 서브 조합 및 대체를 가할 수 있음을 이해할 수 있을 것이다. 본 출원의 정신과 원칙 내에서 이루어진 모든 수정, 동등한 대체와 개진 등은 모두 본 출원의 보호 범위 내에 속한다.

삭제

삭제

Claims (21)

1. 내용을 제공하는 서버에 의해 실행되는 내용 추천 방법에 있어서,
   복수의 초기 샘플을 획득하고, 상기 복수의 초기 샘플에 대해 층 구간 분할을 수행하여, 적어도 한 층을 획득하고; 각 층은 복수의 구간 샘플을 포함하고, 상기 적어도 한 층 중에서 마지막 층 중의 복수의 구간 샘플의 구간 샘플 수량은 기설정된 임계값 미만이고; 상기 복수의 초기 샘플의 각각은 하나의 내용인 단계;
   각 층에 대하여, 상기 층에 대응되는 난수와 가중치 구간, 또는 상기 층의 이전 층의 타겟 구간 샘플 및 상기 층의 난수와 가중치 구간에 따라, 상기 층의 타겟 구간 샘플을 확정하는 단계;
   제1층 중에서 확정된 타겟 구간 샘플 중의 복수의 초기 샘플에 따라, 추천될 내용을 확정하는 단계;
   상기 추천될 내용을 단말기에 발송하는 단계를 포함하고,
   상기 복수의 초기 샘플에 대해 층 구간 분할을 수행하여, 적어도 한 층을 획득하는 상기 단계는,
   상기 복수의 초기 샘플에 대해 제1층 분할을 수행하여, 상기 제1층에 포함된 복수의 구간 샘플을 획득하는 단계;
   제i층에 포함된 복수의 구간 샘플의 구간 샘플 수량이 기설정된 임계값보다 크면, 상기 제i층에 포함된 복수의 구간 샘플에 대해 제i+1층 분할을 수행하여, 제i+1층에 포함된 복수의 구간 샘플을 획득하고, i+1를 새로운 i로 하여, 상기 제i층에 포함된 복수의 구간 샘플의 구간 샘플 수량이 기설정된 임계값 이하일 때까지 이 단계를 반복하되, i는 1 이상인 단계를 포함하는 것을 특징으로 하는 내용 추천 방법.
2. 삭제
3. 제1항에 있어서,
   상기 층이 마지막 층이면, 상기 층에 대응되는 난수와 가중치 구간에 따라, 상기 층의 타겟 구간 샘플을 확정하는 단계는,
   상기 마지막 층에 포함된 복수의 구간 샘플 중 각 구간 샘플에 대응되는 가중치 구간을 확정하는 단계;
   제1 난수를 생성하는 단계;
   복수의 가중치 구간에서, 상기 제1 난수가 위치한 제1 타겟 가중치 구간을 검색하는 단계;
   상기 제1 타겟 가중치 구간에 따라, 상기 마지막 층의 제1 타겟 구간 샘플을 확정하는 단계를 포함하는 것을 특징으로 하는 내용 추천 방법.
4. 제1항에 있어서,
   상기 층이 상기 마지막 층 이외의 기타 층이면, 상기 층의 이전 층의 타겟 구간 샘플 및 상기 층의 난수와 가중치 구간에 따라, 상기 층의 타겟 구간 샘플을 확정하는 단계는,
   제i+1층의 타겟 구간 샘플에 따라, 제i층 중 상기 제i+1층의 타겟 구간 샘플에 대응되는 적어도 두개의 처리될 구간 샘플을 확정하는 단계;
   적어도 두개의 처리될 구간 샘플에 대응되는 가중치 구간을 각각 확정하는 단계;
   제2 난수를 생성하는 단계;
   상기 적어도 두개의 처리될 구간 샘플에 대응되는 가중치 구간에서, 상기 제2 난수가 위치한 제2 타겟 가중치 구간을 검색하는 단계;
   상기 제2 타겟 가중치 구간에 따라, 상기 제i층의 제2 타겟 구간 샘플을 확정하는 단계를 포함하는 것을 특징으로 하는 내용 추천 방법.
5. 제1항에 있어서,
   제1층 중에서 확정된 타겟 구간 샘플 중의 복수의 초기 샘플에 따라, 추천될 내용을 확정하는 상기 단계는,
   제1층의 타겟 구간 샘플 중의 복수의 초기 샘플 중 각 초기 샘플의 가중치 구간을 확정하는 단계;
   제3 난수를 생성하는 단계;
   복수의 초기 샘플의 가중치 구간에서, 상기 제3 난수가 위치한 제3 타겟 가중치 구간을 검색하는 단계;
   상기 제3 타겟 가중치 구간에 따라, 상기 추천될 내용을 확정하는 단계를 포함하는 것을 특징으로 하는 내용 추천 방법.
6. 제1항에 있어서,
   상기 제i층에 포함된 복수의 구간 샘플에 대해 제i+1층 분할하는 상기 단계는,
   상기 제i층에 포함된 복수의 구간 샘플에 대해 그룹화하여, 제i+1층을 획득하되, 여기서, 제i+1층의 각 그룹에는 적어도 두개의 제i층의 구간 샘플을 포함하는 단계를 포함하는 것을 특징으로 하는 내용 추천 방법.
7. 제1항에 있어서,
   상기 각 층에는 모두 복수의 가중치 구간이 포함되고, 각 가중치 구간은 하나의 구간 샘플에 대응되는 것을 특징으로 하는 내용 추천 방법.
8. 제7항에 있어서,
   첫번째 가중치 구간의 시작값은 0이고, 종료값은 상기 첫번째 가중치 구간에 대응되는 구간 샘플의 가중치에서 1을 감한 것이고, 상기 첫번째 가중치 구간 이외의 기타 가중치 구간에 대해, 각 가중치 구간의 시작값은 이전 인접 가중치 구간의 종료값에 1을 더한 것이고, 종료값은 상기 가중치 구간의 시작값에 상기 가중치 구간에 대응되는 구간 샘플의 가중치를 더하고 다시 1을 감한 것인 것을 특징으로 하는 내용 추천 방법.
9. 제8항에 있어서,
   제i+1층에 포함된 각 구간 샘플의 가중치는 제i층 중 상기 제i+1층의 상기 구간 샘플에 대응되는 적어도 두개의 처리될 구간 샘플의 가중치의 합이고, i는 1 이상인 것을 특징으로 하는 내용 추천 방법.
10. 복수의 초기 샘플을 획득하고, 상기 복수의 초기 샘플에 대해 층 구간 분할을 수행하여, 적어도 한 층을 획득하고; 각 층은 복수의 구간 샘플을 포함하고, 상기 적어도 한 층 중 마지막 층 중의 복수의 구간 샘플의 구간 샘플 수량은 기설정된 임계값 미만이고; 상기 복수의 초기 샘플의 각각은 하나의 내용인 획득 모듈;
    각 층에 대하여, 상기 층에 대응되는 난수와 가중치 구간, 또는 상기 층의 이전 층의 타겟 구간 샘플 및 상기 층의 난수와 가중치 구간에 따라, 상기 층의 타겟 구간 샘플을 확정하기 위한 제1 확정 모듈;
    제1층 중에서 확정된 타겟 구간 샘플 중의 복수의 초기 샘플에 따라, 추천될 내용을 확정하기 위한 제2 확정 모듈;
    상기 추천될 내용을 단말기에 발송하기 위한 발송 모듈을 포함하고,
    상기 획득 모듈은,
    상기 복수의 초기 샘플에 대해 제1층 분할을 수행하여, 상기 제1층에 포함된 복수의 제1 구간 샘플을 획득하고;
    제i층에 포함된 복수의 제1 구간 샘플의 구간 샘플 수량이 기설정된 임계값보다 큰 것으로 확정되면, 상기 제i층에 포함된 복수의 제1 구간 샘플에 대해 제i+1층 분할을 수행하여, 제i+1층에 포함된 복수의 구간 샘플을 획득하고, i+1를 새로운 i로 하여 상기 제i층에 포함된 복수의 제1 구간 샘플의 구간 샘플 수량이 기설정된 임계값 이하일 때까지 이 단계를 중복 실행하고, i는 1 이상인 것을 특징으로 하는 내용 추천 장치.
11. 삭제
12. 제10항에 있어서,
    상기 층이 마지막 층이면, 상기 제1 확정 모듈은,
    상기 마지막 층에 포함된 복수의 구간 샘플 중 각 구간 샘플에 대응되는 가중치 구간을 확정하고;
    제1 난수를 생성하고;
    복수의 가중치 구간에서, 상기 제1 난수가 위치한 제1 타겟 가중치 구간을 검색하고;
    상기 제1 타겟 가중치 구간에 따라, 상기 마지막 층의 제1 타겟 구간 샘플을 확정하기 위한 것을 특징으로 하는 내용 추천 장치.
13. 제10항에 있어서,
    상기 층이 상기 마지막 층 이외의 기타 층이면, 상기 제1 확정 모듈은,
    제i+1층의 타겟 구간 샘플에 따라, 제i층 중 상기 제i+1층의 타겟 구간 샘플에 대응되는 적어도 두개의 처리될 구간 샘플을 확정하고;
    적어도 두개의 처리될 구간 샘플에 대응되는 가중치 구간을 각각 확정하고;
    제2 난수를 생성하고;
    상기 적어도 두개의 처리될 구간 샘플에 대응되는 가중치 구간에서, 상기 제2 난수가 위치한 제2 타겟 가중치 구간을 검색하고;
    상기 제2 타겟 가중치 구간에 따라, 상기 제i층의 제2 타겟 구간 샘플을 확정하기 위한 것을 특징으로 하는 내용 추천 장치.
14. 제10항에 있어서,
    상기 제2 확정 모듈은,
    제1층의 타겟 구간 샘플 중의 복수의 초기 샘플 중 각 초기 샘플의 가중치 구간을 확정하고;
    제3 난수를 생성하고;
    복수의 초기 샘플의 가중치 구간에서, 상기 제3 난수가 위치한 제3 타겟 가중치 구간을 검색하고;
    상기 제3 타겟 가중치 구간에 따라, 상기 추천될 내용을 확정하기 위한 것을 특징으로 하는 내용 추천 장치.
15. 제10항에 있어서,
    상기 획득 모듈은,
    상기 제i층에 포함된 복수의 제1 구간 샘플에 대해 그룹화하여, 제i+1층을 획득하되, 여기서, 제i+1층의 각 그룹 중에는 적어도 두개의 제i층의 제1 구간 샘플을 포함하는 것을 특징으로 하는 내용 추천 장치.
16. 제10항에 있어서,
    상기 각 층은 모두 복수의 가중치 구간을 포함하고, 각 가중치 구간은 하나의 구간 샘플에 대응되는 것을 특징으로 하는 내용 추천 장치.
17. 제16항에 있어서,
    첫번째 가중치 구간의 시작값은 0이고, 종료값은 상기 첫번째 가중치 구간에 대응되는 구간 샘플의 가중치에서 1을 감한 것이고, 상기 첫번째 가중치 구간 이외의 기타 가중치 구간에 있어서, 각 가중치 구간의 시작값은 이전 인접한 가중치 구간의 종료값에 1을 더한 것이고, 종료값은 상기 가중치 구간의 시작값에 상기 가중치 구간에 대응되는 구간 샘플의 가중치를 더하고 다시 1을 감한 것을 특징으로 하는 내용 추천 장치.
18. 제17항에 있어서,
    제i+1층에 포함된 각 구간 샘플의 가중치는 제i층 중 상기 제i+1층의 상기 구간 샘플에 대응되는 적어도 두개의 처리될 구간 샘플의 가중치의 합이고, i는 1 이상인 것을 특징으로 하는 내용 추천 장치.
19. 적어도 하나의 프로세서; 및
    상기 적어도 하나의 프로세서와 통신 연결되는 메모리;를 포함하고, 여기서,
    상기 메모리에는 상기 적어도 하나의 프로세서에 의해 실행될 수 있는 명령이 저장되고, 상기 명령이 상기 적어도 하나의 프로세서에 의해 실행되어, 상기 적어도 하나의 프로세서가 제1항, 제3항 내지 제9항 중 임의의 한 항에 따른 방법을 수행할 수 있도록 하는 전자 기기.
20. 컴퓨터 명령이 저장된 비일시적 컴퓨터 판독 가능 저장매체에 있어서,
    상기 컴퓨터 명령은 컴퓨터가 제1항, 제3항 내지 제9항 중 임의의 한 항에 따른 방법을 수행하도록 하는 비일시적 컴퓨터 판독 가능 저장매체.
21. 컴퓨터 판독 가능 저장매체에 저장된 컴퓨터 프로그램에 있어서,
    상기 컴퓨터 프로그램은 프로세서에 의해 실행될 때 제1항, 제3항 내지 제9항 중 임의의 한 항에 따른 방법을 수행하도록 하는 컴퓨터 판독 가능 저장매체 저장된 컴퓨터 프로그램.