內容推薦方法及裝置
本說明書揭露的多個實施例涉及網際網路技術領域,尤其涉及一種內容推薦方法及裝置。
隨著網際網路技術的發展,人們越來越頻繁地瀏覽網路平臺提供的內容資訊。例如,在網路購物平臺中瀏覽商品資訊,或者在新聞平臺瀏覽熱點資訊,或者在理財平臺瀏覽理財資訊等。
不同用戶在使用同一網路平臺時,對其提供的內容資訊的需求有著或多或少的差異。另一態樣,網路平臺中資訊的巨量增長也常常讓用戶難以選擇。目前,向用戶推薦的內容資訊由於存在不夠精準、不夠及時等不足,難以滿足用戶的要求。因此,需要提供一種合理的方法,以滿足用戶瀏覽網路平臺中提供的內容資訊的多種需求。
本說明書描述了一種內容推薦方法及裝置,根據用戶的場所資訊和內容資訊庫中各個內容資訊的特徵資訊確定向用戶推薦的內容推薦資訊,從而及時地向用戶推薦更加精準的內容資訊。
第一態樣,提供了一種內容推薦方法。該方法包括:
獲取用戶的位置資料;
根據位置映射模型,確定與所述位置資料對應的場所資訊,所述位置映射模型基於預先獲取的服務資訊而訓練獲得,所述服務資訊中包含服務位置資料和對應的服務場所資料;
至少根據所述場所資訊,以及內容資訊庫中各個內容資訊的特徵資訊,確定向所述用戶推薦的內容推薦資訊。
在一種可能的實施方式中,所述位置映射模型通過以下步驟訓練獲得:
對所述服務資訊中包含的服務位置資料進行聚類,獲得多個類簇;
根據所述服務資訊中與所述服務位置資料對應的服務場所資料,確定所述多個類簇對應的場所標籤。
在一種可能的實施方式中,所述確定與所述位置資料對應的場所資訊包括:
從所述多個類簇中確定與所述用戶的位置資料對應的類簇;
根據確定出的類簇所對應的場所標籤,確定所述場所資訊。
在一種可能的實施方式中,所述確定向所述用戶推薦的內容推薦資訊,包括:
確定與所述場所資訊對應的服務類別資訊;
根據所述各個內容資訊的特徵資訊,從所述內容資訊庫中確定與所述服務類別資訊相關的內容資訊,並將所述內容資訊作為所述內容推薦資訊。
在一種可能的實施方式中,所述特徵資訊包括所述內容資訊的所述服務類別資訊,所述從所述內容資訊庫中確定與所述服務類別資訊相關的內容資訊,包括:
從所述內容資訊庫中確定與所述服務類別資訊對應的所述內容資訊。
在一種可能的實施方式中,所述各個內容資訊的特徵資訊包括預先確定的與該內容資訊對應的場所資訊,所述確定向所述用戶推薦的內容推薦資訊,包括:
當與所述各個內容資訊對應的場所資訊和與所述位置資料對應的場所資訊之間的從屬關係符合預設規則時,將該內容資訊作為所述內容推薦資訊。
在一種可能的實施方式中,所述特徵資訊基於從所述內容資訊中提取出的關鍵詞資訊和場所資訊而確定。
在一種可能的實施方式中,所述位置資料包括無線保真WiFi指紋資料和經緯度資料中的至少一種。
在一種可能的實施方式中,所述場所資訊包括建築名稱、商戶名稱和商圈資訊中的至少一種。
第二態樣,提供了一種內容推薦裝置。該裝置包括:
獲取單元,用於獲取用戶的位置資料;
確定單元,用於根據位置映射模型,確定與所述位置資料對應的場所資訊,所述位置映射模型基於預先獲取的服務資訊而訓練獲得,所述服務資訊中包含服務位置資料和對應的服務場所資料;
處理單元,用於至少根據所述場所資訊,以及內容資訊庫中各個內容資訊的特徵資訊,確定向所述用戶推薦的內容推薦資訊。
在一種可能的實施方式中,所述位置映射模型由所述確定單元通過以下步驟訓練獲得:
對所述服務資訊中包含的服務位置資料進行聚類,獲得多個類簇;
根據所述服務資訊中與所述服務位置資料對應的服務場所資料,確定所述多個類簇對應的場所標籤。
在一種可能的實施方式中,所述確定單元具體包括:
第一確定子單元,用於從所述多個類簇中確定與所述用戶的位置資料對應的類簇;
第二確定子單元,用於根據確定出的類簇所對應的場所標籤,確定所述場所資訊。
在一種可能的實施方式中,所述處理單元具體包括:
第一處理子單元,用於確定與所述場所資訊對應的服務類別資訊;
第二處理子單元,用於根據所述各個內容資訊的特徵資訊,從所述內容資訊庫中確定與所述服務類別資訊相關的內容資訊,並將所述內容資訊作為所述內容推薦資訊。
在一種可能的實施方式中,所述第二處理子單元中的特徵資訊包括所述內容資訊的所述服務類別資訊,所述第二處理子單元具體用於:
從所述內容資訊庫中確定與所述服務類別資訊對應的所述內容資訊。
在一種可能的實施方式中,所述處理單元中包括的各個內容資訊的特徵資訊包括預先確定的與該內容資訊對應的場所資訊,所述處理單元具體用於:
當與所述各個內容資訊對應的場所資訊和與所述位置資料對應的場所資訊之間的從屬關係符合預設規則時,將該內容資訊作為所述內容推薦資訊。
在一種可能的實施方式中,所述處理單元中包括的特徵資訊基於從所述內容資訊中提取出的關鍵詞資訊和場所資訊而確定。
在一種可能的實施方式中,所述獲取單元獲取的位置資料包括無線保真WiFi指紋資料和經緯度資料中的至少一種。
在一種可能的實施方式中,所述確定單元確定的場所資訊包括建築名稱、商戶名稱和商圈資訊中的至少一種。
第三態樣,提供了一種電腦可讀儲存媒體,其上儲存有電腦程式。當所述電腦程式在電腦中執行時,令電腦執行上述第一態樣中任一種實施方式提供的方法。
第四態樣,提供了一種計算設備,包括儲存器和處理器。所述儲存器中儲存有可執行程式碼,所述處理器執行所述可執行程式碼時,實現上述第一態樣中任一種實施方式提供的方法。
本說明書提供的一種內容推薦方法及裝置,通過獲取用戶的位置資料,並根據位置映射模型,確定與位置資料對應的場所資訊。然後,至少根據該場所資訊,以及內容資訊庫中各個內容資訊的特徵資訊,確定向所述用戶推薦的內容推薦資訊,從而及時地向用戶推薦更加精準的內容資訊。
下面結合圖式,對本說明書揭露的多個實施例進行描述。
圖1為本說明書揭露的一個實施例提供的一種內容推薦方法的應用場景示意圖。所述推薦方法的執行主體可以為伺服器。當用戶通過終端(如,終端可以為手機、平板電腦、可穿戴智慧設備等)登錄內容推薦平臺(如,支付寶應用平臺)時,可以採用本說明書揭露的多個實施例提供的業務功能的推薦方法,伺服器獲取用戶的位置資料(如,經緯度資料),並根據位置映射模型(如,位置映射模型可以包括位置資料與場所資訊的映射關係),確定與該位置資料對應的場所資訊(如,汽車4S店)。然後,根據該場所資訊,以及內容資訊庫中各個內容資訊的特徵資訊(如,特徵資訊可以包括服務類別資訊),確定向用戶推薦的內容推薦資訊(如,汽車保養知識等)。
本說明書揭露的多個實施例提供的業務功能的推薦方法,通過獲取用戶的位置資料,並根據位置映射模型,確定與位置資料對應的場所資訊。然後,至少根據該場所資訊,以及內容資訊庫中各個內容資訊的特徵資訊,確定向所述用戶推薦的內容推薦資訊,從而及時地向用戶推薦更加精準的內容資訊。
圖2為本說明書揭露的一個實施例提供的一種內容推薦方法的流程圖。所述方法的執行主體可以為具有處理能力的設備:伺服器或者系統或者裝置,例如,如圖1所示的伺服器。如圖2所示,所述方法具體包括:
步驟S210,獲取用戶的位置資料。
具體地,位置資料可以為通過基於位置的服務(Location Based Service,簡稱LBS)從用戶的終端採集的資料。LBS中包括多種定位方式,如全球定位系統(Global Positioning System,簡稱GPS)定位、基站定位、無線保真(Wireless Fidelity,簡稱WiFi)定位等。
在一個實施例中,位置資料可以包括通過GPS定位或基站定位得到的經緯度資料。例如,位置資料中包括的經緯度資料為:北緯39°54′ 25.70″和東經116°23′ 28.49″。
在另一個實施例中,位置資料可以包括通過WiFi定位得到的WiFi指紋資料。在一個例子中,WiFi指紋資料可以包括WiFi接入點(Access Point,簡稱AP)的地址(如,媒體存取控制(Media Access Control,簡稱MAC)地址)和相應的訊號強度等。
步驟S220,根據位置映射模型,確定與用戶的位置資料對應的場所資訊。
具體地,場所資訊與位置資料的不同之處在於,場所資訊是用戶可以感知到的、具有明確語義的位置資訊。在一個實施例中,場所資訊可以包括建築名稱(如,新中關大廈)、商戶名稱(如,哈姆玩具店)和商圈資訊(如,三裡屯太古裡)等。在另一個實施例中,場所資訊還可以包括與場所(如,商戶)相關的服務類別資訊(如,美食、服裝、美容、電影等)。
從位置資料到場所資訊的轉換可以根據預先獲得的位置映射模型來執行。在一個實施例中,上述位置映射模型包括GPS坐標資料與場所標籤之間的映射關係,該映射關係預先通過人工採集而獲得。
在另一實施例中,上述位置映射模型可以基於預先獲取的服務資訊中包含的服務位置資料和對應的服務場所資料而訓練獲得。與服務資訊對應的服務可以包括支付服務(如,使用支付應用對訂單進行支付)和定位服務(如,在社交平臺發送狀態資訊時對當前位置進行定位)等。
其中,服務資訊可以通過多種方式獲取。在一個實施例中,與服務資訊對應的服務可以包括支付服務,相應的服務資訊可以包括支付資訊。獲取支付資訊,可以包括:伺服器在檢測到用戶通過終端提交訂單或對訂單進行支付時,可以採集支付資訊,具體包括通過採集終端的位置資料作為支付資訊中的服務位置資料,以及從提交的訂單中獲取與服務位置資料相應的服務場所資訊。在一個例子中,用戶使用已連接WiFi的終端上的支付應用(如,支付寶)進行支付操作時,該支付應用的伺服器可以通過WiFi定位採集此時終端的位置資料,(如,WiFi指紋資料)和支付資訊中包括的服務場所資料(如,麥當勞學院路店)。
在另一個實施例中,與服務資訊對應的服務可以包括定位服務,相應的服務資訊可以包括定位服務資訊。獲取定位服務資訊,可以包括:伺服器在檢測到用戶通過終端使用定位服務時,可以獲取定位服務資訊,具體包括採集終端的位置資料作為定位服務資訊中的服務位置資料,以及獲取用戶在使用定位服務時選定或創建的位置資訊。在一個例子中,用戶使用支持GPS定位的終端登錄工作應用(如,釘釘)進行上班打卡操作,此時,可以通過GPS定位採集終端的位置資料(如,經緯度資料)和打卡資訊中包括的服務場所資料(如,加州美食餐廳)。在另一個例子中,用戶使用連接有蜂巢式網的終端在社交平臺上發佈包括場所資訊的狀態,此時,可以通過基站定位採集終端的位置資料(如,經緯度資料)和用戶選定(或創建)的服務場所資料(如,一二咖啡館)。
進一步地,基於預先獲取的服務資訊,位置映射模型可以通過以下步驟訓練獲得:對服務資訊中包含的服務位置資料進行聚類,獲得多個類簇。然後,根據服務資訊中與服務位置資料對應的服務場所資料,確定多個類簇對應的場所標籤。如此,可以建立多個類簇與多個場所標籤之間的映射關係。
在一個實施例中,可以採用聚類演算法對服務位置資料進行聚類,並獲得多個類簇。其中聚類演算法可以為GEOHASH演算法或DBSCAN演算法,在此不作限定。
在一個例子中,服務位置資料包括多個經緯度資料,此時可以採用GEOHASH演算法將該資料轉換成GEOHASH網格,並確定各個經緯度資料的網格編號。例如,服務位置資料包括100個經緯度坐標,採用GEOHASH演算法將這100經緯度坐標轉換成GEOHASH網格後,如圖3所示,每20個經緯度坐標具有相同的網格編號,得到的5個網格編號分別為:WX4G01、WX4H02、WX4I03、WX4J04、WX4K05。如此,以上100個經緯度坐標被聚類為5個類簇。
在另一個例子中,服務位置資料包括多個WiFi指紋資料,此時可以採用DBSCAN演算法對該資料進行聚類,獲取多個具有不同編號的類簇。DBSCAN演算法是一種基於密度的聚類演算法。與劃分和層次聚類方法不同,它將簇定義為密度相連的點的最大集合,能夠把具有足夠高密度的區域劃分為簇,並可在噪訊的空間資料庫中發現任意形狀的聚類。具體而言,在DBSCAN演算法中,首先將所有位置點標記為核心點、邊界點或噪訊點,刪除其中的噪訊點。然後為距離在預設參數之內的所有核心點之間賦予一條邊,每組連通的核心點形成一個簇,將每個邊界點指派到一個與之關聯的核心點的簇中,由此完成位置點的聚類。
可以理解的是,可以通過調整聚類演算法的參數,控制聚類得到的類簇的精度(如,類簇的範圍大小)。例如,可以通過控制GEOHASH演算法中對服務位置資料進行編碼的編碼位數,控制類簇的精度。更具體地,服務位置資料的編碼位數越多,得到的類簇範圍越精確。又例如,可以通過控制DBSCAN演算法中鄰域半徑ε的大小,控制類簇的精度。更具體地,輸入的領域半徑ε的值越小,得到的類簇範圍越精確。
在一個實施例中,對聚類獲得的多個類簇,可以根據服務資訊中與服務位置資料對應的服務場所資料,確定多個類簇中各個類簇所對應的場所標籤。
在一個例子中,與服務位置資料對應的服務場所資料中包括服務場所的名稱(如,幸福超市),則可以將此服務場所的名稱作為該服務位置資料所在類簇對應的場所標籤。
在另一個例子中,單個類簇中可以對應多個服務位置資料,而與多個服務位置資料對應的多個服務場所資料所標識的範圍(如,商戶或商圈)可能不同。相應地,單個類簇可以具有多個場所標籤,如,商戶標籤和商圈標籤等。例如,某個類簇的場所標籤可以包括商戶標籤(如,西部馬華)和商圈標籤(如,大鐘寺)等。
此步驟中,確定與用戶的位置資料對應的場所資訊,可以包括:從聚類獲得的多個類簇中確定與用戶的位置資料對應的類簇。接著,根據確定出的類簇所對應的場所標籤,確定場所資訊。
在一個實施例中,位置映射模型中包括多個類簇中各個類簇的中心點的位置資料,以及多個類簇與多個場所標籤之間的映射關係。如此,從聚類獲得的多個類簇中確定與用戶的位置資料對應的類簇,可以包括:計算用戶的位置資料與各中心點的位置資料之間距離,將計算出的距離的最小值所對應的類簇作為與用戶的位置資料對應的類簇。
進一步地,根據確定出的類簇所對應的場所標籤,確定場所資訊,可以包括:根據多個類簇與多個場所標籤之間的映射關係,以及確定出的與用戶的位置資料對應類簇,確定與該類簇對應的場所標籤,進而確定場所資訊。
在一個實施例中,確定出的場所標籤包括商戶標籤(如,西部馬華),可以據此確定出包括商戶名稱(如,西部馬華)的場所資訊。
在步驟S220中確定出與用戶的位置資料對應的場所資訊後,接著,在步驟S230,至少根據場所資訊,以及內容資訊庫中各個內容資訊的特徵資訊,確定向用戶推薦的內容推薦資訊。
具體地,確定向用戶推薦的內容推薦資訊,可以包括:確定與場所資訊對應的服務類別資訊,以及根據各個內容資訊的特徵資訊,從內容資訊庫中確定與服務類別資訊相關的內容資訊,並將該內容資訊作為內容推薦資訊。
在一個實施例中,從內容資訊庫中確定與服務類別資訊相關的內容資訊,可以包括:根據各個內容資訊的特徵資訊,計算各個內容資訊與服務類別資訊的相關度,並根據計算出的相關度確定與服務類別資訊相關的內容資訊。
在一個例子中,可以將相關度在預定範圍內(如,預定範圍可以為大於0.6)的內容資訊確定為與服務類別資訊相關的內容資訊。在另一個例子中,可以根據相關度對內容資訊進行排名,並將名次在預定範圍(如,預定範圍可以為前五名)內的內容資訊確定為與服務類別資訊相關的內容資訊。
在另一個實施例中,特徵資訊可以包括內容資訊的服務類別資訊。從內容資訊庫中確定與服務類別資訊相關的內容資訊,可以包括:從內容資訊庫中確定與服務類別資訊對應的內容資訊。
在一個例子中,步驟S220中確定的場所資訊為“汽車4S店”,相應地,可以確定出與該場所資訊對應的服務類別資訊為“汽車”。相應地,可以從內容資訊庫中確定服務類別資訊為“汽車”的內容資訊,並將此內容資訊作為向用戶推薦的內容推薦資訊。
或者,各個內容資訊的特徵資訊中可以包括預先確定的與該內容資訊對應的場所資訊。在這樣的情況下,確定向用戶推薦的內容推薦資訊,可以包括:當與各個內容資訊對應的場所資訊和與位置資料對應的場所資訊之間的從屬關係符合預設規則時,將該內容資訊作為內容推薦資訊。
在一個實施例中,預設規則可以由業務方根據業務的屬性(如,該業務對場所範圍的精度要求)確定。例如,當業務為向用戶推送商家優惠券時,預設規則可以包括要求與內容推薦資訊對應的場所資訊與位置資料對應的場所資訊完全相同。當業務為向用戶推薦附近的類似的場所時,預設規則可以包括要求與內容推薦資訊對應的場所資訊與位置資料對應的場所資訊部分相同。
在一個例子中,預設規則包括要求與內容推薦資訊對應的場所資訊與位置資料對應的場所資訊完全相同,與位置資料對應的場所資訊包括“老好吃香鍋”、“三裡屯”。相應地,可以將與場所資訊 “老好吃香鍋”(商戶)、“三裡屯”(商圈)對應的內容資訊(如,商戶優惠活動、商戶公眾號資訊、商戶評價資訊)作為內容推薦資訊。
在另一個例子中,預設規則可以包括要求與內容推薦資訊對應的場所資訊與位置資料對應的場所資訊部分相同,與位置資料對應的場所資訊包括“優衣庫”(商戶)、“三裡屯”(商圈)。相應地,可以將與場所資訊“三裡屯”對應的內容資訊(如,三裡屯商圈內的服裝店、餐廳等)作為內容推薦資訊。
在通過上述步驟確定向用戶推薦的內容推薦資訊後,還可以包括:向用戶發送內容推薦資訊。例如,當用戶打開相應的應用App,或打開推薦頻道時,或當檢測到用戶的位置發生變化時,獲取用戶最新的位置資訊,據此確定向用戶推薦的內容推薦資訊,並向用戶發送該內容推薦資訊。
需要說明的是,在步驟S220中,還可以包括:確定與場所資訊對應的服務類別資訊。在一個實施例中,場所資訊中除了包括場所的名稱外,還可以包括與場所對應的服務類別資訊,相應地,可以據此直接確定出與場所資訊對應的服務類別資訊。
在另一個實施例中,可以在確定場所資訊後,根據預存的多個場所資訊和多個服務類別資訊的對應關係,確定該場所資訊對應的服務類別資訊。在一個例子中,確定出的場所標籤包括商戶標籤(如,西部馬華),可以據此確定出包括商戶名稱(如,西部馬華)、以及與商戶名稱對應的服務類別資訊(如,美食)。
在步驟S230中提及的特徵資訊可以基於從內容資訊中提取的關鍵詞資訊和/或位置資訊而確定,具體可以採用如圖4所示的方法進行確定:
步驟S410,對內容資訊進行預處理。
具體地,預處理可以包括結構化分析、分詞處理、去停用詞處理、詞性標注(postag)等。其中,結構化分析可以包括對內容資訊中段落結構的分析,例如,判斷出內容資訊中的標題和正文;分詞處理可以包括一元分詞(unigram)、二元分詞(bigram)、三元分詞(trigram)等;去停用詞可以包括根據預設的停用詞表去除內容資訊中的停用詞(如,無實際意義的功能詞:這、那、的);詞性標注是指對內容資訊中的詞語的詞性(如,名詞、副詞、形容詞等)進行標注。
步驟S420,根據預處理後的內容資訊,提取關鍵詞資訊。
具體地,可以根據預處理得到的詞語在內容資訊中的位置(如,位於標題中或位於正文中)、標注的詞性,採用TextRank演算法或TF-IDF(Term Frequency–inverse Document Frequency)演算法加權識別出關鍵詞資訊。
步驟S430,根據預處理後的內容資訊,提取位置資訊。
具體地,可以根據內容資訊中包括的位置標籤提取位置資訊,位置資訊中可以包括場所資訊。在一個實施例中,該位置標籤可以為內容資訊的生產者在發佈該內容資訊時,為其所貼的位置標籤,如,北京、杭州等。
或者,可以採用命名實體識別(Named Entity Recognition,簡稱NER)的方法,識別內容資訊中的地名、機構名等。例如,可以識別出內容資訊中的地名為五臺山,機構名為海澱區民政局(屬於場所資訊)。
又或者,伺服器中可以預先儲存有位置資訊庫,可以據此從預處理後的內容資訊中提取出與所述位置資訊庫中的資訊匹配的位置資訊。
步驟S440,將初步提取的關鍵詞資訊和位置資訊輸入預先訓練的特徵提取模型中,確定出特徵資訊。
具體地,特徵提取模型可以為對大規模內容語料資料進行離線訓練,而產出的詞嵌入(Word Embedding)模型或基於雙向循環神經網路(Recurrent Neural Networks, 簡稱RNN)的NER模型。
此外,上述特徵資訊的確定可以在內容資訊產生以後的預定時間(如,5min或10min)內進行。
由上可知,在本說明書揭露的多個實施例提供的內容推薦方法中,通過獲取用戶的位置資料,並根據位置映射模型,確定與位置資料對應的場所資訊。然後,至少根據該場所資訊,以及內容資訊庫中各個內容資訊的特徵資訊,確定向所述用戶推薦的內容推薦資訊,從而及時地向用戶推薦更加精準的內容資訊。
與內容推薦方法對應地,本說明書揭露的多個實施例還提供一種內容推薦裝置,如圖5所示,該裝置500包括:
獲取單元510,用於獲取用戶的位置資料;
確定單元520,用於根據位置映射模型,確定與位置資料對應的場所資訊,該位置映射模型基於預先獲取的服務資訊而訓練獲得,該服務資訊中包含服務位置資料和對應的服務場所資料;
處理單元530,用於至少根據場所資訊,以及內容資訊庫中各個內容資訊的特徵資訊,確定向用戶推薦的內容推薦資訊。
在一種可能的實施方式中,位置映射模型由確定單元520通過以下步驟訓練獲得:
對服務資訊中包含的服務位置資料進行聚類,獲得多個類簇;
根據服務資訊中與服務位置資料對應的服務場所資料,確定多個類簇對應的場所標籤。
在一種可能的實施方式中,確定單元520具體包括:
第一確定子單元521,用於從多個類簇中確定與用戶的位置資料對應的類簇;
第二確定子單元522,用於根據確定出的類簇所對應的場所標籤,確定場所資訊。
在一種可能的實施方式中,處理單元530具體包括:
第一處理子單元531,用於確定與場所資訊對應的服務類別資訊;
第二處理子單元532,用於根據各個內容資訊的特徵資訊,從內容資訊庫中確定與服務類別資訊相關的內容資訊,並將內容資訊作為內容推薦資訊。
在一種可能的實施方式中,第二處理子單元532中的特徵資訊包括內容資訊的服務類別資訊,第二處理子單元532具體用於:
從內容資訊庫中確定與服務類別資訊對應的內容資訊。
在一種可能的實施方式中,處理單元530中包括的各個內容資訊的特徵資訊包括預先確定的與該內容資訊對應的場所資訊,處理單元530具體用於:
當與各個內容資訊對應的場所資訊和與位置資料對應的場所資訊之間的從屬關係符合預設規則時,將該內容資訊作為內容推薦資訊。
在一種可能的實施方式中,處理單元530中包括的特徵資訊基於從內容資訊中提取出的關鍵詞資訊和場所資訊而確定。
在一種可能的實施方式中,其特徵在於,獲取單元510獲取的位置資料包括無線保真WiFi指紋資料和經緯度資料中的至少一種。
在一種可能的實施方式中,確定單元520確定的場所資訊包括建築名稱、商戶名稱和商圈資訊中的至少一種。
由上可知,在本說明書揭露的多個實施例提供的內容推薦裝置中,獲取單元510獲取用戶的位置資料,確定單元520根據位置映射模型,確定與位置資料對應的場所資訊。處理單元530至少根據該場所資訊,以及內容資訊庫中各個內容資訊的特徵資訊,確定向所述用戶推薦的內容推薦資訊,從而及時地向用戶推薦更加精準的內容資訊。
發明所屬技術領域中具有通常知識者應該可以意識到,在上述一個或多個示例中,本說明書揭露的多個實施例所描述的功能可以用硬體、軟體、韌體或它們的任意組合來實現。當使用軟體實現時,可以將這些功能儲存在電腦可讀媒體中或者作為電腦可讀媒體上的一個或多個指令或程式碼進行傳輸。
以上所述的實施方式,對本說明書揭露的多個實施例的目的、技術方案和有益效果進行了進一步詳細說明,所應理解的是,以上所述僅為本說明書揭露的多個實施例的實施方式而已,並不用於限定本說明書揭露的多個實施例的保護範圍,凡在本說明書揭露的多個實施例的技術方案的基礎之上,所做的任何修改、均等、改進等,均應包括在本說明書揭露的多個實施例的保護範圍之內。
500‧‧‧裝置
510‧‧‧獲取單元
520‧‧‧確定單元
521‧‧‧第一確定子單元
522‧‧‧第二確定子單元
530‧‧‧處理單元
531‧‧‧第一處理子單元
532‧‧‧第二處理子單元
S210‧‧‧步驟
S220‧‧‧步驟
S230‧‧‧步驟
S410‧‧‧步驟
S420‧‧‧步驟
S430‧‧‧步驟
S440‧‧‧步驟
為了更清楚地說明本說明書揭露的多個實施例的技術方案,下面將對實施例描述中所需要使用的圖式作簡單地介紹,顯而易見地,下面描述中的圖式僅僅是本說明書揭露的多個實施例,對於發明所屬技術領域中具有通常知識者來講,在不付出創造性勞動的前提下,還可以根據這些圖式獲得其它的圖式。
圖1為本說明書揭露的一個實施例提供的一種內容推薦方法的應用場景示意圖;
圖2為本說明書揭露的一個實施例提供的一種內容推薦方法的流程圖;
圖3為本說明書揭露的一個實施例提供的一種將服務位置資料聚類成多個類簇的示意圖;
圖4為本說明書揭露的一個實施例提供的一種特徵資訊確定方法的流程圖;
圖5為本說明書揭露的一個實施例提供的一種內容推薦裝置的示意圖。