WO2023134496A1 - 对象推荐方法、装置、电子设备以及存储介质 - Google Patents
对象推荐方法、装置、电子设备以及存储介质 Download PDFInfo
- Publication number
- WO2023134496A1 WO2023134496A1 PCT/CN2023/070065 CN2023070065W WO2023134496A1 WO 2023134496 A1 WO2023134496 A1 WO 2023134496A1 CN 2023070065 W CN2023070065 W CN 2023070065W WO 2023134496 A1 WO2023134496 A1 WO 2023134496A1
- Authority
- WO
- WIPO (PCT)
- Prior art keywords
- target
- candidate
- user behavior
- user
- behavior data
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 173
- 238000003860 storage Methods 0.000 title claims abstract description 32
- 230000004044 response Effects 0.000 claims abstract description 87
- 230000006399 behavior Effects 0.000 claims description 611
- 239000013598 vector Substances 0.000 claims description 95
- 238000005457 optimization Methods 0.000 claims description 75
- 238000004422 calculation algorithm Methods 0.000 claims description 63
- 230000006870 function Effects 0.000 claims description 62
- 239000011159 matrix material Substances 0.000 claims description 50
- 230000008569 process Effects 0.000 claims description 48
- 238000012545 processing Methods 0.000 claims description 44
- 238000004590 computer program Methods 0.000 claims description 28
- 230000001960 triggered effect Effects 0.000 claims description 28
- 230000015654 memory Effects 0.000 claims description 14
- 230000003542 behavioural effect Effects 0.000 claims 1
- 238000011156 evaluation Methods 0.000 description 30
- 238000010586 diagram Methods 0.000 description 14
- 238000013475 authorization Methods 0.000 description 10
- 238000000354 decomposition reaction Methods 0.000 description 10
- 230000005540 biological transmission Effects 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 230000014509 gene expression Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000012795 verification Methods 0.000 description 3
- 238000003491 array Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000012790 confirmation Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000036961 partial effect Effects 0.000 description 2
- 230000002829 reductive effect Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 239000000758 substrate Substances 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000001174 ascending effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 239000010432 diamond Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000002360 explosive Substances 0.000 description 1
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 1
- 239000010931 gold Substances 0.000 description 1
- 229910052737 gold Inorganic materials 0.000 description 1
- 238000011478 gradient descent method Methods 0.000 description 1
- 230000035876 healing Effects 0.000 description 1
- 239000004615 ingredient Substances 0.000 description 1
- 238000011423 initialization method Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000001356 surgical procedure Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
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
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- 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
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/60—Protecting data
- G06F21/602—Providing cryptographic facilities or services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/60—Protecting data
- G06F21/62—Protecting access to data via a platform, e.g. using keys or access control rules
- G06F21/6218—Protecting access to data via a platform, e.g. using keys or access control rules to a system of files or objects, e.g. local or distributed file system or database
-
- 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
- G06Q30/0207—Discounts or incentives, e.g. coupons or rebates
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/10—Protocols in which an application is distributed across nodes in the network
- H04L67/1097—Protocols in which an application is distributed across nodes in the network for distributed storage of data in networks, e.g. transport arrangements for network file system [NFS], storage area networks [SAN] or network attached storage [NAS]
Abstract
本公开提供了一种对象推荐方法、装置、电子设备以及存储介质。该方法包括:响应于接收到来自目标客户端的目标用户的目标用户行为数据,根据目标用户行为数据和与多个候选用户对应的至少一个候选用户行为数据,确定目标对象;向目标客户端发送目标对象,以便向目标用户推荐目标对象,其中,每个候选用户行为数据被存储于预定区块链,每个候选用户行为数据与区块链网络中的多个区块链节点中的至少一个区块链节点相对应,每个候选用户行为数据用于表征候选用户对至少一个候选对象的偏好度。
Description
本公开涉及区块链和人工智能技术领域,更具体地,涉及一种对象推荐方法、装置、电子设备以及存储介质。
随着科学技术的发展,互联网规模和覆盖面越来越大,其所产生的信息数据量呈现爆炸式增长。过量的信息使得用户在上网时不得不重重筛选信息,花费时间做信息过滤和整合工作。信息过载是信息时代信息丰富带来的不利影响之一。为了提高信息利用效率,可以利用对象推荐方法来实现信息过滤。
发明内容
有鉴于此,本公开提供了一种对象推荐方法、装置、电子设备以及存储介质。
本公开的一个方面提供了一种对象推荐方法,包括:响应于接收到来自目标客户端的目标用户的目标用户行为数据,根据上述目标用户行为数据和与多个候选用户对应的至少一个候选用户行为数据,确定目标对象;以及,向上述目标客户端发送上述目标对象,以便向上述目标用户推荐上述目标对象,其中,每个上述候选用户行为数据被存储于预定区块链,每个上述候选用户行为数据与区块链网络中的多个区块链节点中的至少一个区块链节点相对应,,每个上述候选用户行为数据用于表征候选用户对至少一个候选对象的偏好度。
本公开的另一个方面提供了一种对象推荐方法,应用于区块链网络,上述区块链网络包括多个区块链节点,上述多个区块链节点包括与至少一个个人客户端对应的区块链节点和与至少一个服务客户端对应的区块链节点;上述方法包括:针对上述多个区块链节点中的每个区块链节点,响应于接收到来自与上述区块链节点对应的客户端的至少一个候选用户的数据上链请求,对至少一个上述数据上链请求进行解析,得到与上述至少一个候选用户对应的候选用户行为数据;对与上述至少一个候选用户对应的候选用户行为数据进行处理,生成与至少一个上述候选用户行为数据对应的区块;以及,将至少一个上述区块存储于预定区块链,以便服务器向目标 客户端发送向上述目标用户推荐的目标对象,其中,上述目标对象是上述服务器根据目标用户行为数据和与多个上述候选用户对应的至少一个候选用户行为数据确定的,上述目标用户行为数据是上述服务器对响应于接收到的来自目标客户端的目标用户的用户行为数据。
本公开的另一个方面提供了一种对象推荐方法,包括:针对与区块链网络中多个区块链节点各自对应的客户端,响应于检测到针对与上述客户端对应的至少一个候选用户的数据上链操作被触发,得到与上述至少一个候选用户对应的候选用户行为数据;根据与上述至少一个候选用户对应的候选用户行为数据,生成与上述至少一个候选用户对应的数据上链请求;以及,向与上述客户端对应的区块链节点发送至少一个上述数据上链请求,以便上述区块链节点利用至少一个上述数据上链请求生成与至少一个上述候选用户行为数据对应的区块,将至少一个上述区块存储于预定区块链,以便服务器向目标客户端发送向目标用户推荐的目标对象,其中,上述目标对象是上述服务器根据目标用户行为数据和与多个候选用户对应的至少一个候选用户行为数据确定的,上述目标用户行为数据是上述服务器对响应于接收到的来自目标客户端的目标用户的用户行为数据。
根据本公开的另一方面提供了一种对象推荐装置,包括:第一确定模块,被配置为响应于接收到来自目标客户端的目标用户的目标用户行为数据,根据上述目标用户行为数据和与多个候选用户对应的至少一个候选用户行为数据,确定目标对象;以及,第一发送模块,被配置为向上述目标客户端发送上述目标对象,以便向上述目标用户推荐上述目标对象,其中,每个上述候选用户行为数据被存储于预定区块链,每个上述候选用户行为数据与区块链网络中的多个区块链节点中的至少一个区块链节点相对应,,每个上述候选用户行为数据用于表征候选用户对至少一个候选对象的偏好度。
根据本公开的另一方面提供了一种对象推荐装置,设置于区块链网络,上述区块链网络包括多个区块链节点,上述多个区块链节点包括与至少一个个人客户端对应的区块链节点和与至少一个服务客户端对应的区块链节点;上述装置包括:第一获得模块,被配置为针对上述多个区块链节点中的每个区块链节点,响应于接收到来自与上述区块链节点对应的客户端的至少一个候选用户的数据上链请求,对至少一个上述数据上链请求进行解析,得到与上述至少一个候选用户对应的候选用户行 为数据;第一生成模块,被配置为对与上述至少一个候选用户对应的候选用户行为数据进行处理,生成与至少一个上述候选用户行为数据对应的区块;以及,第一存储模块,被配置为将至少一个上述区块存储于预定区块链,以便服务器向目标客户端发送向上述目标用户推荐的目标对象,其中,上述目标对象是上述服务器根据目标用户行为数据和与多个上述候选用户对应的至少一个候选用户行为数据确定的,上述目标用户行为数据是上述服务器对响应于接收到的来自目标客户端的目标用户的用户行为数据。
本公开的另一方面提供了一种对象推荐装置,包括:第二获得模块,被配置为针对与区块链网络中多个区块链节点各自对应的客户端,响应于检测到针对与上述客户端对应的至少一个候选用户的数据上链操作被触发,得到与上述至少一个候选用户对应的候选用户行为数据;第二生成模块,被配置为根据与上述至少一个候选用户对应的候选用户行为数据,生成与上述至少一个候选用户对应的数据上链请求;以及,第二发送模块,被配置为向与上述客户端对应的区块链节点发送至少一个上述数据上链请求,以便上述区块链节点利用至少一个上述数据上链请求生成与至少一个上述候选用户行为数据对应的区块,将至少一个上述区块存储于预定区块链,以便服务器向目标客户端发送向目标用户推荐的目标对象,其中,上述目标对象是上述服务器根据目标用户行为数据和与多个候选用户对应的至少一个候选用户行为向量确定的,上述目标用户行为数据是上述服务器对响应于接收到的来自目标客户端的目标用户的用户行为数据。
本公开的另一个方面提供了一种电子设备,包括:一个或多个处理器;存储器,被配置为存储一个或多个程序,其中,当上述一个或多个程序被上述一个或多个处理器执行时,使得上述一个或多个处理器实现本公开上述的方法。
本公开的另一方面提供了一种计算机可读存储介质,存储有计算机可执行指令,上述指令在被执行时用于实现本公开上述的方法。
本公开的另一方面提供了一种计算机程序产品,上述计算机程序产品包括计算机可执行指令,上述指令在被执行时用于实现本公开上述的方法。
通过以下参照附图对本公开实施例的描述,本公开的上述以及其他目的、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可以应用对象推荐方法的示例性系统架构;
图2示意性示出了根据本公开实施例的对象推荐方法的流程图;
图3示意性示出了根据目标用户行为数据和与多个候选用户对应的至少一个候选用户行为数据,确定目标对象的流程图;
图4示意性示出了根据本公开另一实施例的根据目标用户行为数据和与多个候选用户对应的至少一个候选用户行为数据,确定目标对象的流程图;
图5示意性示出了根据本公开另一实施例的对象推荐方法的流程图;
图6示意性示出了根据本公开另一实施例的对象推荐方法的流程图;
图7示意性示出了根据本公开实施例的对象推荐过程的示例示意图;
图8示意性示出了根据本公开另一实施例的对象推荐装置的框图;
图9示意性示出了根据本公开另一实施例的对象推荐装置的框图;
图10示意性示出了根据本公开另一实施例的对象推荐装置的框图;以及
图11示意性示出了根据本公开实施例的适于实现对象推荐方法的电子设备的框图。
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)。在使用类似于“A、B或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或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)。
本公开实施例提供了一种基于区块链的对象推荐方案。响应于接收到来自目标客户端的目标用户的目标用户行为数据,根据目标用户行为数据和与多个候选用户对应的至少一个候选用户行为数据,确定目标对象。向目标客户端发送目标对象,以便向目标用户推荐目标对象。每个候选用户行为数据被存储于预定区块链。每个候选用户行为数据与区块链网络中的多个区块链节点包括的至少一个区块链节点相对应。每个候选用户行为数据用于表征候选用户对至少一个候选的偏好度。
为了便于理解,下面首先对本公开实施例所涉及的相关概念进行说明。
区块链是一种利用块链式数据结构来验证与存储数据、利用分布式节点共识算法来生成和更新数据、利用密码学的方式保证数据传输和访问的安全和利用由自动化脚本代码组成的智能合约集体维护可靠数据库的解决方案,因此,区块链具有开放、去中心化、信息共享、防篡改和可追溯等基本特性。区块链可以用区块来取代对中心服务器的依赖。
区块可以是一个被包括在区块链中聚合了数据的容器数据结构。区块可以包括区块头和区块体。区块头可以包括版本、时间戳、父区块哈希值、随机数、难度系数和梅克尔根。时间戳可以表征区块创建时刻。父区块哈希值可以用于引用上一个区块。区块体可以包括交易详情、交易计数器和区块大小。
智能合约是存储在区块链中的可执行代码。可执行代码中确定了智能合约的执行条件以及业务处理逻辑,即,确定了启动智能合约的条件以及在该智能合约启动后如何处理接收到的业务处理请求。智能合约在存储于区块链之后,就难以被编辑或者修改。例如,智能合约的执行操作可以根据事件进行触发。例如,智能合约的执行会在区块链上被记录为一个交易,并记录在区块链中。
根据网络范围,可以将区块链划分为公有链、私有链、联盟链和混合链。联盟链是指由若干机构共同参与和管理的区块链,每个机构都可以运行至少一个区块链节点。联盟链的数据只允许联盟链系统中的机构进行读写和交易,并通过数字证书的方式实现基于PKI(Public Key Infrastructure,公钥基础设施)的身份管理体系、交易或提案的发起,以参与方共同签名验证来达成共识。在本公开实施例中,可以根据实际业务需求确定区块链的类型,在此不作限定。例如,区块链网络是联盟链。
区块链网络可以包括多个区块链节点。区块链节点是通过P2P(Peer to Peer,对等网络)实现通信。区块链节点既可以是客户端,也可以是服务端,即,区块链节点既可以向其他区块链节点请求服务,也可以为其他区块链节点或是外部应用提供服务。
图1示意性示出了根据本公开实施例的可以应用对象推荐方法的示例性系统架构。需要注意的是,图1所示仅为可以应用本公开实施例的系统架构的示例,以帮助本领域技术人员理解本公开的技术内容,但并不意味着本公开实施例不可以用于其他设备、系统、环境或场景。
如图1所示,根据该实施例的系统架构100可以包括服务器101、区块链网络102和客户端网络103。区块链网络102可以包括4个区块链节点,即,区块链节点102_1、区块链节点102_2、区块链节点102_3和区块链节点102_4。客户端网络103可以包括4个客户端,即,客户端103_1、客户端103_2、客户端103_3和客户端103_4。
区块链网络102中4个区块链节点两两通信连接。与客户端103_1对应的区块链节点是区块链节点102_1。与客户端103_2对应的区块链节点是区块链节点102_2。与客户端103_3对应的区块链节点是区块链节点102_3。与客户端103_4对应的区块链节点是区块链节点103_4。
服务器101分别可以与区块链网络102和客户端网络103通信连接。
区块链节点可以是客户端或服务器。客户端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。服务器可以是提供各种服务的各种类型的服务器。例如,服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务(Virtual Private Server,VPS)中,存在的管理 难度大,业务扩展性弱的缺陷。服务器也可以为边缘服务器。服务器也可以为分布式系统的服务器,或者是结合了区块链的服务器。
客户端103_1、客户端103_2、客户端103_3和客户端103_4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。
例如,客户端103_1响应于检测到针对与客户端103_1对应的至少一个候选用户的数据上链操作被触发,得到与至少一个候选用户对应的候选用户行为数据。根据与至少一个候选用户各自对应的候选用户行为数据,生成与至少一个候选用户各自对应的数据上链请求。
区块链节点102_1响应于接收到来自客户端103_1的至少一个候选用户的数据上链请求,对至少一个所述数据上链请求进行解析,得到与至少一个候选用户对应的候选用户行为数据。对与至少一个候选用户对应的候选用户行为数据进行处理,生成与至少一个所述候选用户行为数据对应的区块。将至少一个区块存储于预定区块链。
服务器1O1响应于接收到来自目标客户端1032的目标用户的目标用户行为数据,根据目标用户行为数据和与多个候选用户对应的至少一个候选用户行为数据,确定目标对象。向目标客户端1032发送目标对象,以便向目标用户推荐目标对象。
图2示意性示出了根据本公开实施例的对象推荐方法的流程图。
如图2所示,该方法200包括操作S210~S220。
在操作S210,响应于接收到来自目标客户端的目标用户的目标用户行为数据,根据目标用户行为数据和与多个候选用户对应的至少一个候选用户行为数据,确定目标对象。
在操作S220,向目标客户端发送目标对象,以便向目标用户推荐目标对象。
根据本公开的实施例,每个候选用户行为数据可以被存储于预定区块链。每个候选用户行为数据可以与区块链网络中的多个区块链节点中的至少一个区块链节点相对应。每个候选用户行为数据可以用于表征候选用户对至少一个候选对象的偏好度。
根据本公开的实施例,根据不同划分角度,可以将客户端分为不同类型的客户端。例如,根据客户端提供的服务功能,可以将客户端分为个人客户端和服务客户 端。个人客户端可以指用户利用客户端提供的功能进行消费的客户端。服务客户端可以指支持用户进行交易服务的客户端。根据客户端的开发框架,可以将客户端分为程序客户端和网页客户端。程序客户端可以指加载应用程序(Application,APP)的客户端。网页客户端可以指Web客户端。Web客户端可以包括Web浏览器。根据用户是否进行了注册操作,可以将客户端划分为注册客户端和非注册客户端。注册客户端可以指用户在使用客户端自身提供的功能和加载于客户端的应用提供的功能中的至少一项的过程中进行了注册操作的客户端。非注册客户端可以指用户在使用客户端自身提供的功能和加载于客户端的应用提供的功能中的过程中未进行注册操作的客户端。程序客户端可以是个人客户端、服务客户端、注册客户端或非注册客户端。网页客户端可以是个人客户端、服务客户端、注册客户端或非注册客户端。
根据本公开的实施例,目标用户可以指需要进行对象推荐的用户。目标用户具有与该目标用户对应的目标用户行为数据。候选用户可以指参与确定目标对象操作的用户。每个候选用户可以具有与该候选用户对应的至少一个候选用户行为数据。每个候选用户可以与该候选用户对应的候选用户行为数据关联。参与确定目标对象操作的候选用户的数目可以包括多个。每个候选用户的候选用户行为数据可以包括至少一个。
根据本公开的实施例,候选用户行为数据和目标用户行为数据均可以可以包括至少一个维度。候选用户行为数据和目标用户行为数据包括的维度数目可以相同。每个维度可以对应一个候选对象。候选用户行为数据可以包括至少一个候选对象的用户行为数据。候选用户行为数据和目标用户行为数据中的一个或多个维度可能是空值。即,未获得与候选用户行为数据对应的候选用户针对一个或多个候选对象的用户行为数据。
根据本公开的实施例,目标用户行为数据可以包括至少一个候选对象的用户行为数据。候选用户行为数据可以用于表征候选用户对至少一个候选对象的偏好度。目标用户行为数据可以用于表征目标用户对至少一个候选对象的偏好度。偏好度可以用评估值表征。例如,评估值可以是大于或等于0且小于或等于1的非负数。
根据本公开的实施例,至少一个候选对象可以包括以下至少一项:用户相关对象、物品相关对象和客户端相关对象。用户相关对象可以包括以下至少一项:用户属性信息、用户社交信息和用户信用信息。物品相关对象可以包括以下至少一项: 物品属性信息和物品功能信息。客户端相关对象可以包括以下至少一项:客户端属性信息、客户端功能信息、客户端信用信息、客户端使用者信息和客户端媒体信息。
根据本公开的实施例,用户属性信息可以包括以下至少一项:用户标识信息和用户辅助信息。用户标识信息可以包括以下至少一项:用户名称、用户身份证号码和IP(Internet Protocol Address,互联网协议地址)地址。用户辅助信息可以包括当前位置信息、用户性别、用户籍贯、用户年龄、用户体重、生日星座、用户特长和用户经常活动地。用户交互信息可以包括以下至少一项:用户浏览记录、用户订单记录和用户社交信息。用户社交信息可以包括以下至少一项:关注、打赏、评论、弹幕、点赞、收藏、分享和转发。用户信用信息可以用用户的信用等级来表征。
根据本公开的实施例,物品属性信息可以包括以下至少一项:物品标识信息和物品辅助信息。物品标识信息可以包括以下至少一项:物品名称和物品条形码。物品辅助信息可以包括以下至少一项:物品种类、物品价格、物品价格、物品配料、物品标准号、物品生产厂商、物品产地、物品销售地、物品生产日期和物品保质期。物品功能信息可以指物品所具有的功能。例如,物品功能信息包括以下至少一项:物品具有原生功能、物品具有资产支持功能和物品具有非同质化功能。
根据本公开的实施例,客户端属性信息可以包括客户端标识信息。客户端标识信息可以包括客户端名称、客户端的MAC(Media Access Control,媒体访问控制)地址和客户端的IP地址。客户端功能信息可以指客户端能够提供的功能。例如,客户端功能信息包括以下至少一项:客户端侧重原生功能、客户端侧重资产支持功能和客户端侧重非同质化功能。客户端信用信息可以用客户端的信用等级来表征。客户端使用者信息可以指与使用客户端的用户相关的信息。客户端使用者信息可以包括以下至少一项:客户端的用户群体、客户端的使用频率和客户端的使用时间段。客户端媒体信息可以指与客户端相关的媒体信息。客户端媒体信息可以包括以下至少一项:新闻类型、新闻关键词和新闻浏览人数。
根据本公开的实施例,根据数据是否可以用于交易化,可以将用户行为数据分为可交易化数据和非可交易化数据。可交易化数据可以指需要经过用户授权才能够用于参与对象推荐的数据。非交易化数据可以指无需经过用户授权便能够用于参与对象推荐的数据。例如,可交易化数据可以包括保密数据。
根据本公开的实施例,可以根据可交易化数据的使用权限,将可交易化数据划 分为多个可交易等级。即,可交易化数据可以包括多个可交易等级。每个可交易化数据可以具有与该交易化数据对应的可交易等级。不同可交易等级具有不同的使用权限。例如,如果可交易化数据的可交易等级越高,则可交易化数据的使用权限越大。
例如,可交易化数据包括四个可交易等级。即,第一可交易等级、第二可交易等级、第三可交易等级和第四可交易等级。第一可交易等级、第二可交易等级、第三可交易等级和第四可交易等级的使用权限依次增大。如果可交易化数据的可交易等级是第一可交易等级,则可以具有使用可交易化数据包括的用户属性信息、物品属性信息和客户端属性信息中的至少一项的使用权限。如果可交易化数据的可交易等级是第二可交易等级,则在具有第一可交易等级的使用权限的基础上,还可以具有用户社交信息、客户端功能信息和客户端媒体信息中的至少一项。如果可交易化数据的可交易等级是第三可交易等级,则可以在具有第一可交易等级和第二可交易等级的使用权限的基础上,还可以具有用户信用信息和客户端信用信息中的至少一项的使用权限。如果可交易化数据的可交易等级是第四可交易等级,则可以在具有第一可交易等级、第二可交易等级和第三可交易等级的使用权限的基础上,还可以具有客户端使用者信息的使用权限。
根据本公开的实施例,可交易化数据可以包括以下至少一项:个人可交易化数据和非个人可交易化数据。
根据本公开的实施例,个人可交易化数据可以指用户自身的可交易化数据。非个人可交易化数据可以指其他用户的可交易化数据。其他用户可以包括与用户具有关联关系的用户。个人可交易化数据可以包括至少一个可交易等级。非个人可交易化数据可以包括至少一个可交易等级。个人可交易化数据的可交易等级与非个人可交易化数据的可交易等级之间的关系可以根据实际业务需求进行配置,在此不作限定。例如,个人可交易化数据的最低可交易等级可以高于非个人可交易化数据的最高可交易等级。备选地,个人可交易化数据的最高可交易等级可以低于非个人可交易化数据的最低可交易等级。备选地,个人可交易化数据的部分可交易等级可以高于非个人可交易化数据的部分可交易等级。
根据本公开的实施例,如果用户行为数据是目标用户行为数据,则目标用户行为数据包括的可交易化数据可以称为目标可交易化数据。目标可交易化数据可以指 经过目标用户授权才能够用于参与对象推荐的数据。目标可交易化数据可以包括多个可交易等级。目标可交易化数据可以包括以下至少一项:目标个人可交易化数据和目标非个人可交易化数据。如果用户行为数据是候选用户行为数据,则候选用户行为数据包括的可交易化数据可以称为候选可交易化数据。候选可交易化数据可以指经过候选用户授权才能够用于参与对象推荐的数据。候选可交易化数据可以包括多个可交易等级。候选可交易化数据可以包括以下至少一项:候选个人可交易化数据和候选非个人可交易化数据。
根据本公开的实施例,可以根据用户是否进行了注册操作,将用户划分为注册用户和非注册用户。注册用户可以指进行了注册操作的用户。非注册用户可以指未进行注册操作的用户。注册用户可以包括匿名注册用户和非匿名注册用户。匿名注册用户可以指未利用真实用户信息实现注册操作的用户。非匿名注册用户可以指利用真实用户信息实现注册操作的用户。
根据本公开的实施例,候选用户和目标用户中的其中之一可以包括非注册用户。即,候选用户可以包括非注册用户。目标用户可以包括非注册用户。候选用户和目标用户均可以包括非注册用户。此外,候选用户还可以包括注册用户。目标用户还可以包括注册用户。
根据本公开的实施例,预定区块链可以存储多个候选用户各自的至少一个候选用户行为数据。预定区块链可以是区块链包括的多个区块链节点将各自接收到的候选用户的候选用户行为数据进行处理得到的。每个候选用户行为数据可以与多个区块链节点中的至少一个区块链节点相对应,即,每个候选用户行为数据可以是由区块链节点中的至少一个区块链节点将其存储于预定区块链的。目标用户行为数据可以存储于预定区块链,即,与目标客户端对应的区块链节点可以响应于接收到来自目标客户端的目标用户的数据上链请求存储目标用户行为数据。
根据本公开的实施例,服务器可以接收来自目标客户端的目标用户行为数据。例如,服务器可以向目标客户端发送可执行文件,以便目标客户端可以响应于检测到针对目标用户的目标用户行为数据的数据上链操作被触发,调用可执行文件,利用可执行文件获取目标用户的目标用户行为数据。可执行文件可以是服务器根据埋点策略确定的。埋点策略可以指如何采集用户行为数据的策略。可执行文件可以包括采集用户行为数据所需要的例程。可执行文件的文件格式可以包括JSON (JavaScript Object Notation,JS对象简谱)。
例如,目标客户端可以是目标Web浏览器。服务器向目标Web浏览器发送可执行文件。目标Web浏览器可以将可执行文件存储于本地。例如,目标Web浏览器可以将可执行文件存储于浏览器缓存和与目标Web浏览器对应的目标文件夹。目标Web浏览器可以检测针对目标用户的目标用户行为数据的数据上链操作是否被触发。例如,数据上链操作是否被触发可以包括同意目标授权协议的确定控件是否被触发。目标授权协议可以是针对以可交换数据换取对象推荐的协议。目标授权协议可以通过目标插件获取。目标插件可以被部署于目标Web浏览器。目标Web浏览器如果检测到针对同意目标授权协议的确定控件被触发,则可以调用可执行文件,利用可执行文件获取目标用户行为数据。
根据本公开的实施例,可执行文件包括的例程可以包括文本识别模型。文本识别模型可以是利用训练样本训练预定神经网络模型得到的。例程可以包括变量名。例如,username/password/history/time。利用可执行文件获取目标用户的目标用户行为数据可以包括:利用可执行文件包括的例程中的变量名确定与浏览器的IP地址对应的数据中存在与目标用户行为数据相关的预定数据。例如,预定数据包括与预定页面相关的数据。预定页面可以包括购物页面。利用可执行文件包括的例程中的文本识别模型获取目标用户行为数据。利用可执行文件对目标用户行为数据进行打包,得到目标数据包。目标Web浏览器向服务器发送包括目标用户行为数据的目标数据包。
根据本公开的实施例,服务器在获得目标用户行为数据的情况下,可以根据目标用户行为数据和与多个候选用户各自对应的至少一个候选用户行为数据,从至少一个候选对象中确定目标对象。例如,可以基于用户的推荐算法,根据目标用户行为数据和与多个候选用户各自对应的至少一个候选用户行为数据,从至少一个候选对象中确定目标对象。
根据本公开的实施例,根据目标用户行为数据和与多个候选用户各自对应的至少一个候选用户行为数据,从至少一个候选对象中确定目标对象可以包括:可以对目标用户行为数据进行处理,得到第一用户行为数据。对与多个候选用户各自对应的至少一个候选用户行为数据进行处理,得到与多个候选用户各自对应的至少一个第二用户行为数据。根据第一用户行为数据和与多个候选用户各自对应的至少一个 第二用户行为数据,从至少一个候选对象中确定目标对象。
根据本公开的实施例,对目标用户行为数据进行处理,得到第一用户行为数据可以包括:从目标用户行为数据中确定与预定维度对应的第一用户行为数据。预定维度可以包括一个或多个维度。预定维度可以根据实际业务需求进行配置,在此不作限定。备选地,对目标用户行为数据进行标准化处理,得到第一用户行为数据。备选地,对目标用户行为数据进行向量化处理,得到目标用户行为向量。将目标用户行为向量确定为第一用户行为数据。
根据本公开的实施例,对与多个候选用户各自对应的至少一个候选用户行为数据进行处理,得到与多个候选用户各自对应的至少一个第二用户行为数据可以包括:针对每个候选用户行为数据,从候选用户行为数据中确定与预定维度对应的第二用户行为数据。备选地,对与多个候选用户各自对应的至少一个候选用户行为数据进行标准化处理,得到与多个候选用户各自对应的至少一个第二用户行为数据。备选地,对每个候选用户行为数据进行向量化处理,得到每个候选用户行为向量。将每个候选用户行为向量确定为每个第二用户行为数据。根据本公开的实施例,服务器根据目标用户行为数据和与多个候选用户对应的至少一个候选用户行为数据,确定用于向目标用户推荐的目标对象,每个候选用户行为数据被存储于预定区块链,每个候选用户行为数据与区块链网络包括的多个区块链节点中的至少一个区块链节点相对应,实现了利用多源上链的方式获得的可溯源和具有较高公信力的数据来进行对象推荐,提高了对象推荐的准确性。
根据本公开的实施例,目标用户行为数据可以包括目标可交易化数据。目标可交易化数据可以存储于所述预定区块链。与目标客户端对应的区块链节点响应于接收到来自目标客户端的目标用户的数据上链请求存储目标可交易化数据。
根据本公开的实施例,针对目标可交易化数据的说明,可以参见上文相关部分,在此不再赘述。
根据本公开的实施例,与候选用户行为数据对应的至少一个候选对象包括以下至少一项:与候选用户行为数据对应的客户端的客户端属性信息、客户端功能信息和客户端信用信息以及与候选用户行为数据对应的物品的物品属性信息。
根据本公开的实施例,针对与候选用户行为数据对应的至少一个候选对应的说明,可以参见上文相关部分,在此不再赘述。
根据本公开的实施例,多个区块链节点可以包括支持代币交易的区块链节点。
根据本公开的实施例,代币可以包括原生代币(即Native Token)和资产支持代币(即Asset-backed Token)。原生代币可以指附着于区块链网络并在区块链网络内产生和使用的记账单位。原生代币还可以称为内置代币(即Built-in Token)。资产支持代币可以指发行者在区块链网络中发行,用来表征预定数目的外部资产或权益的借据。外部资产或权益可以包括以下至少一项:钻石、纸黄金、债券和股票。
根据本公开的实施例,代币还可以包括非同质化代币(即Non-Fungible Tokens,NFT)。非同质化代币是一种数字加密货币,具有不可分割、不可替代和独一无二等特点。非同质化代币提供了一种标记原生数字资产所有权的方法。非同质化代币是数字世界中“独一无二”的资产,它可以被买卖或被用来代表现实世界中的物品,它存在方式是无形的。如果用户购买了非同质化代币,则用户便获得了非同质化代币的不可抹除的所有权记录和实际资产的使用权。例如,非同质化代币可以代表以下至少一项物品:数字艺术、数字音乐、虚拟房地产、虚拟现实可穿戴设备、游戏资产、门票、入场券、徽章、区块链域名、代币化的奢侈品和代币化的保险单。
根据本公开的实施例,区块链网络包括的多个区块链节点中可以存在支持原生代币交易和资产支持代币交易的区块链节点。
根据本公开的实施例,区块链网络包括的多个区块链节点中还可以存在支持非同质化代币交易的区块链节点。区块链节点可以是会员制NFT铸币平台。可以将区块链节点写成Ultrain(即超脑链)的形式。超脑链是一个智能区块链操作系统,利用了主侧链的多链架构体系。针对主侧链有两个共识机制。主链利用随机可信拜占庭共识。侧链利用随机可信权益机制。
根据本公开的实施例,物品具有原生功能可以包括物品具有原生代币功能。物品具有资产支持功能可以包括物品具有资产支持代币功能。
根据本公开的实施例,不同类型的代币的风险与收益之间的差异相较于同种类型的代币的风险与收益之间的差异更大,因此,将物品具有原生代币功能和物品具有资产支持代币功能作为候选对象,有助于用户选择更为合适的代币。
根据本公开的实施例,物品具有非同质化功能可以包括物品具有非同质化代币功能。
根据本公开的实施例,客户端侧重原生功能可以包括客户端侧重原生代币功能。 客户端侧重资产支持功能可以包括客户端侧重资产支持代币功能。
根据本公开的实施例,可以用0~100%来表征侧重程度。将客户端具有原生代币功能和客户端具有资产支持代币功能作为候选对象,有助于用户获得更为符合自己交易习惯的客户端来使用。
根据本公开的实施例,客户端侧重非同质化功能可以包括客户端侧重非同质化代币功能。
根据本公开的实施例,目标对象可以包括多个候选对象。
根据本公开的实施例,目标用户可以一次性确定“以可交易化数据换取推荐的目标对象”,服务器能够一次性反馈所需推荐的目标对象,提高了对象推荐的处理效率。
根据本公开的实施例,上述对象推荐方法还可以包括如下操作。
根据与多个时间段各自对应的目标对象,生成对象推荐图。向目标客户端发送对象推荐图,以便向目标用户推荐对象推荐图。
根据本公开的实施例,针对多个时间段中的每个时间段,均可以利用本公开实施例所述的对象推荐方法来确定与该时间段对应的目标对象,由此可以得到与多个时间段各自对应的目标对象。
根据本公开的实施例,在获得与多个时间段各自对应的目标对象之后,可以根据多个时间段各自的目标对象,生成对象推荐图。对象推荐图可以用于表征目标对象与时间段之间的关联关系。
根据本公开的实施例,服务器可以向目标客户端发送对象推荐图,以便目标用户可以根据对象推荐图获取到用户的偏好变化过程。
根据本公开的实施例,目标用户可以包括多个。
根据本公开的实施例,操作S210可以包括如下操作。
响应于接收到来自至少一个目标客户端的多个目标用户的目标用户行为数据,对多个目标行为数据和与多个候选用户对应的至少一个候选用户行为数据进行批量处理,确定多个目标用户各自的目标对象;
根据本公开的实施例,操作S220可以包括如下操作。
向至少一个目标客户端发送多个目标用户各自的目标对象,以便向多个目标用户推荐各自的目标对象。
根据本公开的实施例,在目标用户包括多个的情况下,可以批量处理针对多个目标用户各自的目标对象。每个目标用户可以具有与该目标用户对应的目标用户行为数据和与多个候选用户对应的至少一个候选用户行为数据。多个目标用户可以通过相同或不同的目标客户端向服务器发送各自的目标用户行为数据。
根据本公开的实施例,服务器可以响应于接收到来自至少一个目标客户端的多个目标用户各自的目标用户行为数据,对与多个目标用户各自对应的用户行为数据集进行批量处理,确定多个目标用户各自的目标对象。与每个目标用户对应的用户行为数据集可以包括与每个目标用户对应的目标用户行为数据和与每个目标用户行为数据对应的多个候选用户的至少一个候选用户行为数据。
根据本公开的实施例,通过批量处理针对多个目标用户各自的目标对象,提高了对象推荐的处理效率。
根据本公开的实施例,操作S210可以包括如下操作。
响应于直接接收到来自目标客户端的目标用户的目标用户行为数据,根据目标用户行为数据和与多个候选用户对应的至少一个候选用户行为数据,确定目标对象。
根据本公开的实施例,目标客户端可以在目标用户同意以可交换数据换取目标对象推荐的情况下,直接向服务器发送目标用户的目标用户行为数据。
根据本公开的实施例,目标客户端直接向服务器发送目标用户行为数据,能够有效避免数据的中转,使得数据传输更为安全。
根据本公开的实施例,操作S210可以包括如下操作。
响应于通过与目标客户端对应的区块链节点接收到来自目标客户端的目标用户的目标用户行为数据,根据目标用户行为数据和与多个候选用户对应的至少一个候选用户行为数据,确定目标对象。
根据本公开的实施例,目标客户端可以在目标用户同意以可交换数据换取目标对象推荐的情况下,目标客户端还可以通过与目标客户端对应的区块链节点向服务器发送目标用户的目标用户行为数据。
根据本公开的实施例,目标客户端通过与目标客户端对应的区块链节点向服务器发送目标对象,能够降低在非对称加密被破解的情况下,数据被破解的概率,提高数据传输的安全性。
根据本公开的实施例,操作S220可以包括如下操作。
直接向目标客户端发送目标对象,以便向目标用户推荐目标对象。
根据本公开的实施例,操作S220可以包括如下操作。
通过与目标客户端对应的区块链节点向目标客户端发送目标对象,以便向目标用户推荐目标对象。
根据本公开的实施例,服务器可以直接向目标客户端发送目标对象。也可以向与目标客户端对应的区块链节点发送目标对象,以便与目标客户端对应的区块链节点向目标客户端发送向目标用户推荐的目标对象。
根据本公开的实施例,上述对象推荐方法还可以包括如下操作。
利用第一公钥对目标对象进行加密,得到第一加密目标对象。
根据本公开的实施例,直接向目标客户端发送目标对象,以便向目标用户推荐目标对象,可以包括如下操作。
直接向目标客户端发送第一加密目标对象,以便目标客户端利用第一私钥对第一加密目标对象进行解密,得到向目标用户推荐的目标对象。
根据本公开的实施例,第一公钥和第一私钥可以是目标客户端利用第一加密算法处理目标用户的用户标识信息生成的。第一公钥可以是通过利用与目标客户端对应的区块链节点存储于预定区块链的。
根据本公开的实施例,用户标识信息可以用于表征用户。用户标识信息可以包括以下至少一项:用户名称和用户身份证号码。此外,用户标识信息还可以包括以下至少一项:用户籍贯、用户性别和用户年龄等。
根据本公开的实施例,第一加密算法可以包括非对称加密算法。例如,非对称加密算法可以包括RSA算法、DSA(Digital Signature Algorithm)算法或背包加密算法。
根据本公开的实施例,目标客户端可以基于第一加密算法,根据目标用户的用户标识信息,生成第一公钥和第一私钥。目标客户端可以向服务器发送第一公钥。服务器可以利用第一公钥对目标对象进行加密,得到第一加密目标对象。在获得第一加密目标对象之后,可以向目标客户端发送第一加密目标对象,以便目标客户端可以利用第一私钥处理第一加密目标对象,得到向目标用户推荐的目标对象。
根据本公开的实施例,目标客户端、区块链节点和服务器三者共同利用同一套加密体系,即,目标客户端、区块链节点和服务器均利用第一公钥和第一私钥,能够有效避免数据的中转,使得数据传输更为安全。
根据本公开的实施例,上述对象推荐方法还可以包括如下操作。
利用第二公钥对目标对象进行加密,得到第二加密目标对象。
根据本公开的实施例,通过与目标客户端对应的区块链节点向目标客户端发送目标对象,以便向目标用户推荐目标对象,可以包括如下操作。
通过与目标客户端对应的区块链节点向目标客户端发送第二加密目标对象,以便目标客户端利用第三私钥对第三加密目标对象进行解密,得到向目标用户推荐的目标对象。
根据本公开的实施例,第三加密目标对象可以是与目标客户端对应的区块链节点利用第三公钥经利用第二私钥对第二加密目标对象进行解密得到的目标对象进行加密得到的。第二公钥和第二私钥可以是与目标客户端对应的区块链节点利用第二加密算法处理目标用户的用户标识信息生成的。第三公钥和第三私钥可以是目标客户端是利用第三加密算法处理目标用户的用户标识信息生成的。
根据本公开的实施例,第二加密算法和第三加密算法均可以包括非对称加密算法。
根据本公开的实施例,目标客户端可以利用第三加密算法处理目标用户的用户标识信息生成第三公钥和第三私钥。目标客户端可以向与目标客户端对应的区块链节点发送目标用户的用户标识信息和第三公钥。与目标客户端对应的区块链节点可以利用第二加密算法处理目标用户的用户标识信息生成第二公钥和第二私钥。与目标客户端对应的区块链节点可以向目标客户端发送第二私钥。
根据本公开的实施例,服务器可以利用第二公钥对目标对象进行加密,得到第二加密目标对象。可以向与目标客户端对应的区块链节点发送第二加密目标对象。与目标客户端对应的区块链节点可以利用第二私钥对第二加密目标对象进行解密,得到向目标用户推荐的目标对象。与目标客户端对应的区块链节点可以利用第三公钥对目标对象进行加密,得到第三加密目标对象。与目标客户端对应的区块链节点可以向目标客户端发送第三加密目标对象。目标客户端可以利用第三私钥对第三加密目标对象进行解密,得到目标对象。
根据本公开的实施例,目标客户端、区块链节点和服务器三者利用不同的加密体系,即,目标客户端与区块链节点之间利用第三公钥和第三私钥进行数据传输,区块链节点和服务器之间利用第二公钥和第二私钥进行数据传输,能够降低在利用非对称加密算法进行加密得到的加密数据被破解的情况下,目标客户端、区块链节点和服务器的数据全部被破解的概率,提高数据传输的安全性。
下面参考图3~图4,结合具体实施例对根据本公开实施例所述的对象推荐方法做进一步说明。
图3示意性示出了根据目标用户行为数据和与多个候选用户对应的至少一个候选用户行为数据,确定目标对象的流程图。
如图3所示,该方法300包括操作S311~S312。
在操作S311,响应于接收到来自目标客户端的目标用户的目标用户行为数据,对目标用户行为数据进行处理,得到目标用户行为向量。
在操作S312,根据目标用户行为向量和与多个候选用户各自对应的至少一个候选用户行为向量,确定目标对象。每个候选用户行为向量是对与候选用户行为向量对应的候选用户行为数据进行处理得到的。
根据本公开的实施例,候选用户行为向量可以是服务器对候选用户行为数据进行处理得到的。例如,候选用户行为向量集可以是利用特征提取模型处理与候选用户行为向量对应的候选用户行为数据得到的。备选地,候选用户行为向量集可以是利用基于模型的推荐算法处理与候选用户行为向量对应的候选用户行为数据得到的。
根据本公开的实施例,服务器在获得目标用户行为数据之后,可以对目标用户行为数据进行编码,得到目标用户行为向量。编码可以包括独特编码。可以对目标用户行为数据进行特征提取,得到目标用户行为向量。例如,可以利用特征提取模型处理目标用户行为数据,得到目标用户行为向量。
根据本公开的实施例,每个候选用户行为向量是对与候选用户行为向量对应的候选用户行为数据进行处理得到的,可以包括如下操作。
每个候选用户行为向量是基于模型的推荐算法处理与候选用户行为向量对应的候选用户行为数据得到的。
根据本公开的实施例,基于模型的推荐算法可以包括以下至少一项:基于矩阵分解的推荐算法、基于关联规则的推荐算法、基于聚类的推荐算法和基于图的推荐算法。
根据本公开的实施例,基于矩阵分解的推荐算法可以是利用潜在特征的向量来对用户和对象分别进行建模,将用户和对象分别映射到各自的潜在空间,因此,用户对对象的交互被建模为向量的内积。基于矩阵分解的推荐算法可以包括以下至少一项:基于奇异值分解(Singular Value Decomposition,SVD)的推荐算法、基于规范化的奇异值分解(即Funk-SVD)的推荐算法、基于加入偏置项的奇异值分解(即Biased-SVD)的推荐算法、基于融入邻域信息的奇异值分解(即SVD++)的推荐算法和加入时间信息的奇异值分解(即Time SVD++)的推荐算法。基于规范化的奇异值分解的推荐算法还可以称为基于隐因子模型(Latent Factor Model,LFM)的推荐算法。
根据本公开的实施例,每个候选用户行为向量是基于模型的推荐算法处理与候选用户行为向量对应的候选用户行为数据得到的,可以包括如下操作。
每个候选用户行为向量是根据在满足预定条件的情况下得到的用户隐因子矩阵和对象隐因子矩阵确定的。在满足预定条件的情况下得到的用户隐因子矩阵和对象隐因子矩阵是根据输出值调整初始用户隐因子矩阵和初始对象隐因子矩阵的元素值得到的。输出值是基于预定目标函数,利用初始用户隐因子矩阵、初始对象隐因子矩阵和真实用户行为向量确定的。真实用户行为向量是根据候选用户行为数据确定的。
根据本公开的实施例,用户隐因子矩阵可以包括多个第一元素值。第一元素值可以表征用户对隐因子的评估值。对象隐因子矩阵可以包括多个第二元素值。第二元素值可以表征隐因子对候选对象的评估值。
根据本公开的实施例,预定目标函数可以根据实际业务需求进行配置,在此不作限定。例如,预定目标函数可以包括代价函数。备选地,预定目标函数可以包括代价函数和正则化项。满足预定条件可以指输出值收敛或求解轮次达到最大轮次。
根据本公开的实施例,真实用户行为向量可以指对候选用户对至少一个候选对象各自的评估值进行处理得到的。需要说明的是,针对候选用户行为数据,可能缺 少候选用户对候选用户行为数据包括的至少一个候选对象中的某个或某几个候选对象的评估值。
根据本公开的实施例,可以确定与候选用户行为数据对应的真实用户行为向量。基于随机初始化方法得到初始用户隐因子矩阵和初始对象隐因子矩阵。基于预定目标函数,利用初始用户隐因子矩阵、初始对象隐因子矩阵和真实用户行为向量,得到输出值。根据输出值调整初始用户隐因子矩阵和初始对象隐因子矩阵的元素值,直至满足预定条件。例如,可以根据初始用户隐因子矩阵和初始对象隐因子矩阵,得到初始候选用户行为向量。将初始候选用户行为向量和真实用户行为向量输入预定目标函数,得到输出值。再基于最小二乘法或梯度下降方法,根据输出值,调整初始用户隐因子矩阵和初始对象隐因子矩阵的元素值,直至满足预定条件。
根据本公开的实施例,根据在满足预定条件的情况下得到的用户隐因子矩阵和对象隐因子矩阵确定候选用户行为向量。例如,可以将在满足预定条件的情况下得到的用户因子矩阵和对象因子矩阵相乘,得到候选用户行为矩阵。根据候选用户行为矩阵,确定候选用户行为向量。
例如,用户隐因子矩阵可以用P
m*k表征,对象隐因子矩阵可以用Q
k*n表征。用户行为矩阵可以用R
m*n表征。三者关系可以根据如下公式(1)确定。
R
m*n=P
m*kQ
k*n (1)
根据本公开的实施例,m表征候选用户的数目。n表征候选对象的数目。k表征隐因子的数目。P
m*k是m行k列的用户隐因子矩阵。Q
k*n是k行n列的对象隐因子矩阵。R
m*n包括m×n个用户行为向量根据本公开的实施例,利用基于隐因子模型来处理候选用户行为数据集得到候选用户行为向量集,能够在候选用户行为数据较为稀疏和散乱的情况下,实现对候选用户行为数据的规范化,进而提高对象推荐的准确性。
图4示意性示出了根据本公开另一实施例的根据目标用户行为数据和与多个候选用户对应的至少一个候选用户行为数据,确定目标对象的流程图。
如图4所示,该方法400包括操作S411~S412。
在操作S411,根据目标用户行为数据和与多个候选用户对应的至少一个候选用户行为数据,从多个候选用户中确定相似用户集。
在操作S412,根据相似用户行为数据集,从与相似用户行为数据集对应的至少 一个候选对象中确定目标对象。相似用户行为数据集包括与相似用户集对应的至少一个候选用户行为数据。
根据本公开的实施例,相似用户集可以包括至少一个相似用户。相似用户可以指与目标用户之间的相似程度满足预定相似度条件的用户。目标对象可以包括至少一个。
根据本公开的实施例,可以基于预定选择策略,根据目标用户行为向量和与多个候选用户对应的至少一个候选用户行为向量,从多个候选用户中确定相似用户集。预定选择策略可以包括如何根据目标用户行为向量和候选用户行为向量集,确定候选用户行为向量集的内容。目标用户行为向量可以是对目标用户行为数据进行处理得到的。每个候选用户行为向量是对与候选用户行为向量对应的候选用户行为数据进行处理得到的。
根据本公开的实施例,在确定相似用户集之后,可以确定与相似用户集对应的相似用户行为数据集。从与相似用户行为数据集包括的多个候选对象中确定至少一个目标对象。例如,可以针对与相似用户行为数据集包括的多个候选对象中的每个候选对象,确定与候选对象对应的评估统计值,得到多个评估统计值。根据多个评估统计值,从多个候选对象中确定至少一个目标对象。评估统计值可以是将至少一个相似用户行为数据集中与候选对象对应的至少一个评估值进行处理得到的。评估统计值可以包括评估均值、评估最大值或评估中位值等。
根据本公开的实施例,根据多个评估统计值,从多个候选对象中确定至少一个目标对象可以包括:根据多个评估统计值,对多个候选对象进行排序,得到第一排序结果。根据第一排序结果,从多个候选对象中确定至少一个目标对象。排序可以包括按照评估统计值由大到小排序或按期评估统计值由小到大排序。可以根据实际业务需求进行配置,在此不作限定。例如,在按照评估统计值由大到小的情况下,可以根据第一排序结果,从多个候选对象中确定排序靠前或靠后的第一预定数目的候选对象。将排序靠前或靠后的第一预定数目的候选对象确定为至少一个目标对象。排序靠前或靠后可以根据与候选对象对应的评估统计值的数值大小和与候选对象被推荐的可能性的关系确定。第一预定数目的数值可以根据实际业务需求进行配置,在此不作限定。
根据本公开的实施例,根据多个评估统计值,从多个候选对象中确定至少一个目标对象可以包括:根据多个评估统计集和与多个评估统计值对应的预定评估统计阈值,从多个候选对象中确定至少一个目标对象。例如,针对多个候选对象中的每个候选对象,如果确定与候选对象对应的评估统计值的数值越大,候选对象被推荐的可能性越高,则在确定与候选对象对应的评估统计值大于或等于与预定评估统计值对应的评估统计阈值的情况下,可以将候选对象确定为目标对象。如果确定与候选对象对应的评估统计值的数值越小,候选对象被推荐的可能性越高,则在确定与候选对象对应的评估统计值小于或等于与候选对象对应的预定评估统计阈值的情况下,将候选对象确定为目标对象。预定评估统计阈值可以根据实际业务需求进行配置,在此不作限定。
根据本公开的实施例,操作S411可以包括如下操作。
确定目标用户行为数据和与多个候选用户对应的至少一个候选用户行为数据各自之间的相似度,得到多个相似度。根据多个相似度,从多个候选用户中确定相似用户集。
根据本公开的实施例,根据目标用户行为向量和与候选用户对应的候选用户行为向量集,从候选用户中确定相似用户集,可以包括如下操作。
确定目标用户行为向量和与候选用户对应的多个候选用户行为向量各自之间的相似度,得到多个相似度。根据多个相似度,从候选用户中确定所述相似用户集。
根据本公开的实施例,相似度可以表征候选用户和目标用户之间的相似程度。相似度与相似程度之间的关系可以根据实际业务需求进行配置,在此不作限定。例如,相似度越大,则相似程度越大。备选地,相似度越大,则相似程度越小。相似度可以包括余弦相似度、皮尔逊相关系数、欧式距离或Jaccard距离。
根据本公开的实施例,确定目标用户行为数据和与多个候选用户对应的至少一个候选用户行为数据各自之间的相似度,得到多个相似度可以包括:确定目标用户行为向量和与多个候选用户对应的至少一个候选用户行为向量各自之间的相似度,得到多个相似度。
根据本公开的实施例,针对多个候选用户行为向量中的每个候选用户行为向量,确定候选用户行为向量与目标用户行为向量之间的相似度,得到多个相似度。可以根据相似度条件,从多个相似度确定至少一个目标相似度。将与至少一个目标相似 度各自对应的候选用户确定为相似用户,得到相似用户集。相似度条件可以包括如何从多个相似度中确定至少一个目标相似度的内容。目标相似度可以指满足相似度条件的相似度。例如,相似度条件可以包括相似度大于或等于相似度阈值。备选地,相似度条件可以包括排序靠前或排序靠后的第二预定数目的相似度。
根据本公开的实施例,根据多个相似度,从多个候选用户中确定相似用户集,可以包括如下操作。
根据多个相似度,对多个候选用户进行排序,得到排序结果。根据排序结果,从多个候选用户中确定预定数目的候选用户作为相似用户集。
根据本公开的实施例,可以根据多个相似度,对与多个相似度各自对应的候选用户进行排序,得到第二排序结果。再根据第二排序结果,从多个候选用户中确定第二预定数目的候选用户。排序可以包括按照相似度由小到大的顺序进行排序或按照相似度由大到小的顺序进行排序。例如,在相似度越大,相似程度越大的情况下,如果按照相似度由小到大的顺序进行排序,则可以将与排序靠后的第二预定数目的候选用户均确定为相似用户。上述第二预定数目可以指预定数目。第二排序结果可以指排序结果。第二预定数目的数值可以根据实际业务需求进行配置,在此不作限定。例如,第二预定数目可以为3个。
根据本公开的实施例,根据多个相似度,从多个候选用户中确定相似用户集,可以包括如下操作。
根据预定相似度阈值和多个相似度,从多个候选用户中确定相似用户集。
根据本公开的实施例,预定相似度阈值可以用于作为从多个候选用户中确定相似用户集的依据之一。预定相似度阈值的数值可以根据实际业务需求进行配置,在此不作限定。例如,预定相似度阈值可以为0.8。
根据本公开的实施例,可以针对多个相似度中的每个相似度,在确定相似度大于或等于预定相似度阈值的情况下,可以将与相似度对应的候选用户确定为相似用户。
根据本公开的实施例,上述对象推荐方法还可以包括如下操作。
响应于接收到数据优化请求,根据数据优化请求指示的数据优化方式,对目标用户行为数据和与多个候选用户对应的至少一个候选用户行为数据进行优化,以便根据优化后的目标行为数据和候选用户行为数据确定向目标用户推荐的目标对象。
根据本公开的实施例,数据优化请求可以指用于对用户行为数据进行优化的请求。数据优化请求可以是客户端根据数据优化方式生成的。数据优化方式可以是客户端响应于检测到数据上链操作被触发确定的。数据上链操作可以包括同意目标授权协议的确定控件的点击操作或同意目标授权协议的选择操作。
根据本公开的实施例,数据优化请求可以包括数据优化标识。数据优化标识可以指示数据优化方式。例如,数据优化标识可以包括用于优化用户行为数据的维度的标识。数据优化标识可以包括以下至少一项:用于添加用户行为数据的维度的标识、用于合并用户行为数据的维度的标识和用于删除用户行为数据的维度的标识。用于添加用户行为数据的维度的标识可以用于添加用户行为数据的维度。用于合并用户行为数据的维度的标识可以用于合并用户行为数据的维度。用于删除用户行为数据的维度的标识可以用于删除用户行为数据的维度。
根据本公开的实施例,服务器可以响应于接收到来自与区块链节点对应的客户端的数据优化请求。备选地,服务器还可以响应于通过与客户端对应的区块链节点接收到来自客户端的数据优化请求。服务器可以对数据优化请求进行解析,得到数据优化标识。根据数据优化标识确定数据优化方式。根据数据优化方式对目标用户行为数据和与多个候选用户的至少一个候选用户行为数据进行优化,得到优化后的目标用户行为数据和候选用户行为数据。服务器可以根据优化后的目标用户行为数据和与多个候选用户对应的至少一个候选用户行为数据,向目标用户推荐目标对象。即,服务器可以根据优化后的目标用户行为数据,确定优化后的目标用户行为向量。根据优化后的与多个候选用户对应的至少一个候选用户行为数据,确定优化后的与多个候选用户对应的至少一个候选用户行为向量。根据优化后的目标用户行为向量和与多个候选用户对应的至少一个候选用户行为向量,确定用于向目标用户推荐的目标对象。
例如,与客户端对应的用户在注册被加载于客户端的应用程序的情况下,未同意利用用户行为数据来进行对象推荐的请求。用户在使用应用程序一段时间之后,用户对应用程序提供的功能比较认可,并且还想进一步了解应用程序的其他功能,而有些其他功能是需要用户在同意上述请求情况下才能够使用的。由此,用户同意上述请求。在此情况下,用户触发数据上链操作,客户端响应于检测到数据上链操作被触发,确定数据优化标识是用于添加用户行为数据的维度的标识。即,用于添 加用户行为数据中针对维度“授权时刻与注册时刻之间的时间差”的标识。根据数据优化标识,生成数据优化方式。根据数据优化方式生成数据优化请求。服务器可以响应于接收到来自客户端的数据优化请求,根据数据优化请求指示的数据优化方式,对目标用户行为数据和与多个候选用户对应的至少一个候选用户行为数据进行优化。“授权时刻与注册时刻之间的时间差”可以表征用户对应用程序的偏好度。时间差的数值越小,则表征用户对应用程序的偏好度越高。
根据本公开的实施例,服务器通过对目标用户行为数据和候选用户行为数据进行优化,提高了数据质量,进而提高了对象推荐的准确性。
图5示意性示出了根据本公开另一实施例的对象推荐方法的流程图。
根据本公开的实施例,对象推荐方法可以应用于区块链网络。区块链网络包括多个区块链节点。多个区块链节点包括与至少一个个人客户端对应的区块链节点和与至少一个服务客户端对应的区块链节点。
如图5所示,该方法500包括操作S510~S530。
在操作S510,针对多个区块链节点中的每个区块链节点,响应于接收到来自与区块链节点对应的客户端的至少一个候选用户的数据上链请求,对至少一个数据上链请求进行解析,得到与至少一个候选用户对应的候选用户行为数据。
在操作S520,对与至少一个候选用户对应的候选用户行为数据进行处理,生成与至少一个候选用户行为数据对应的区块。
在操作S530,将至少一个区块存储于预定区块链,以便服务器向目标客户端发送向目标用户推荐的目标对象。目标对象是服务器根据目标用户行为向量和与多个候选用户对应的至少一个候选用户行为向量确定的。目标用户行为数据是服务器对响应于接收到的来自目标客户端的目标用户的用户行为数据。
根据本公开的实施例,区块链网络中的区块链节点可以用于将来自与该区块链节点对应的客户端的至少一个候选用户各自的候选用户行为数据存储于各自的预定区块链。
根据本公开的实施例,区块链节点可以获取到来自与区块链节点对应的客户端的至少一个候选用户各自的候选用户行为数据。区块链节点可以将至少一个候选用户各自的候选用户行为数据在区块链网络进行广播,以便区块链网络中第一其他区块链节点接收到至少一个候选用户各自的候选用户行为数据。区块链网络利用共识 算法从区块链网络中确定具有记账权的第一记账区块链节点。第一记账区块链节点将至少一个候选用户各自的候选用户行为数据进行打包,创建与至少一个候选用户行为数据对应的区块。第一记账区块链节点将与至少一个候选用户行为数据对应的区块进行广播,以便区块链网络中第二其他区块链节点进行验证。在确定验证结果是验证通过的情况下,第二其他区块链节点接收区块,并在各自的预定区块链的尾部链接区块。在确定全部区块链节点均接收区块之后,实现了将候选用户行为数据存储至与多个区块链节点各自对应的预定区块链。不同区块链节点可以用于维护相同的预定区块链。
根据本公开的实施例,针对与每个区块链节点对应的客户端的候选用户行为数据均可以按照上述方式存储于预定区块链,以便服务器可以从预定区块链中获取与多个候选用户对应的至少一个候选用户行为数据。此外,与目标客户端对应的区块链节点也是区块链网络中的区块链节点。目标客户端的目标用户的目标用户行为数据也可以被存储于与目标客户端对应的区块链节点的预定区块链。
根据本公开的实施例,上述操作S510~S530可以是利用与存储用户行为数据相关的智能合约实现的。
根据本公开的实施例,操作S520还可以包括如下操作。
针对至少一个候选用户中的每个候选用户,在根据与候选用户对应的用户标识信息确定预定区块链中存在与用户标识信息对应的区块的情况下,对与候选用户对应的候选用户行为数据进行处理,生成与候选用户行为数据对应的区块。
根据本公开的实施例,如果确定预定区块链中存在与候选用户的用户标识信息对应的区块,则可以对与候选用户对应的候选用户行为数据进行打包处理,生成与候选用户行为数据对应的区块。而不再追溯当前时间戳之前的候选用户的候选用户行为数据。
根据本公开的实施例,通过对具有同一用户标识信息的候选用户行为数据的简并处理,减少了数据处理量,提高了数据处理效率。
根据本公开的实施例,上述对象推荐方法还可以包括如下操作。
确定与同一用户标识信息对应的候选用户的区块。根据与同一用户标识信息对应的候选用户的区块,生成与用户标识信息对应的用户画像集。向与用户标识信息对应的客户端发送用户画像集,以便与用户标识信息对应的候选用户获取到用户画 像集。
根据本公开的实施例,用户画像集可以用于表征不同时间段针对候选对象的偏好度变化情况。
根据本公开的实施例,可以确定与同一用户标识信息对应的候选用户的区块。对同一用户标识信息对应的候选用户的区块进行处理,得到与同一用户标识信息对应的候选用户的候选用户行为数据。候选行为数据可以用于表征候选对象对至少一个候选对象各自的偏好度。根据与同一用户标识信息对应的候选用户的候选用户行为数据,生成与用户标识信息对应的候选用户的用户画像集。
根据本公开的实施例,根据与同一用户标识信息对应的候选用户的候选用户行为数据,生成与用户标识信息对应的候选用户的用户画像集,以便用户可以根据用户画像集获取到用户的偏好变化过程。
根据本公开的实施例,上述对象推荐方法还可以包括如下操作。
可视化展示用户画像集。
根据本公开的实施例,可视化展示方式可以包括以下至少一项:条形图、饼状图、多边形图和热图。
根据本公开的实施例,可以对用户画像集以可视化形式进行展示,以便用户可以根据用户画像集获取到用户的偏好变化过程。
根据本公开的实施例,上述对象推荐方法还可以包括如下操作。
批量将至少一个区块存储于预定区块链。
根据本公开的实施例,区块链是以时间戳串联的,批量上链能够较为高效快捷地协同处理数据。此外,可以利用与存储用户行为数据相关的智能合约实现批量上链操作。智能合约具有可复制性,因此,利用本公开实施例的对象推荐方法可以实现较为高效地扩展参与对象推荐的客户端,并且能够较为快速地整合具有类型功能的客户端。例如,能够支持物品交易的客户端和能够支持代币交易的客户端。上述批量上链操作对批量公开自身旗下可交易化数据的客户端是有利的。根据本公开的实施例,上述对象推荐方法还可以包括如下操作。
响应于接收到来自与区块链节点对应的客户端的新候选用户的数据上链请求,对新候选用户的数据上链请求进行解析,得到与新候选用户对应的候选用户行为数据。对与新候选用户对应的候选用户行为数据进行处理,生成与新候选用户的候选 用户行为数据对应的区块。根据与新候选用户的候选用户行为数据对应的区块对预定区块链进行更新。
根据本公开的实施例,区块链节点可以检测是否接收到来自客户端的数据上链请求,以便根据数据上链请求对预定区块链进行更新,从而实现对预定区块链的管理。
根据本公开的实施例,区块链网络区块链节点可以获取到来自与区块链节点对应的客户端的新候选用户的候选用户行为数据。区块链节点可以将新候选用户的候选用户行为数据在区块链网络进行广播,以便区块链网络中第三其他区块链节点接收到至少一个候选用户各自的候选用户行为数据。区块链网络利用共识算法从区块链网络中确定具有记账权的第二记账区块链节点。第二记账区块链节点将新候选用户的候选用户行为数据进行打包,创建与新候选用户的候选用户行为数据对应的区块。第二记账区块链节点将与新候选用户的候选用户行为数据对应的区块进行广播,以便区块链网络中第四其他区块链节点进行验证。在确定验证结果是验证通过的情况下,第四其他区块链节点接收区块,并在各自的预定区块链的尾部链接区块。
根据本公开的实施例,上述对象推荐方法还可以包括如下操作。
与目标客户端对应的区块链节点响应于接收到来自目标客户端的第一公钥,将第一公钥存储于预定区块链,以便服务器利用第一公钥对目标对象进行加密,得到第一加密目标对象。第一公钥是目标客户端利用第一加密算法处理目标用户的用户标识信息生成的。
根据本公开的实施例,服务器可以向目标客户端发送第一加密目标对象。目标客户端可以利用第一私钥对第一加密目标对象进行解密,得到目标对象。
根据本公开的实施例,上述对象推荐方法还可以包括如下操作。
与目标客户端对应的区块链节点响应于接收到来自服务器的第二加密目标对象,利用第二私钥对第二加密目标对象进行解密,得到目标对象。第二加密目标对象是服务器利用第二公钥对目标对象进行加密得到的。利用第三公钥对目标对象进行加密,得到第三加密目标对象。向目标客户端发送第三加密目标对象,以便目标客户端利用第三私钥对第三加密目标对象进行解密,得到向目标用户推荐的目标对象。
根据本公开的实施例,第二公钥和第二私钥可以是区块链节点利用第二加密算法处理目标用户的用户标识信息生成的。第三公钥和第三私钥可以是目标客户端是利用第三加密算法处理目标用户的用户标识信息生成的。
根据本公开的实施例,上述对象推荐方法还可以包括如下操作。
与目标客户端对应的区块链节点响应于接收到来自目标客户端的目标用户的目标用户行为数据,向服务器发送目标用户行为数据。
根据本公开的实施例,上述对象推荐方法还可以包括如下操作。
与目标客户端对应的区块链节点响应于接收到来自目标客户端的目标用户的推荐反馈数据,设置反馈维度,以便向候选用户行为数据的维度中添加反馈维度。
根据本公开的实施例,推荐反馈数据可以用于表征目标用户对目标对象的响应情况。例如,推荐反馈数据可以包括以下至少一项:能够表征目标用户购买了推荐的目标对象的数据、能够表征目标用户浏览但未购买推荐的目标对象的数据和能够表征目标用户未浏览推荐的目标对象的数据。
根据本公开的实施例,目标客户端可以响应于检测到来自目标用户的推荐反馈数据,向与目标客户端对应的区块链节点发送推荐反馈数据。与目标客户端对应的区块链节点可以响应于检测到来自目标客户端的推荐反馈数据,设置反馈维度。在候选用户行为数据的维度中添加反馈维度。
根据本公开的实施例,通过在接收到来自目标用户的推荐反馈数据的情况下,向用户行为数据中增加反馈维度,能够提高用户行为数据的质量,提高用户参与对象推荐的积极性。
根据本公开的实施例,上述对象推荐方法还可以包括如下操作。
根据推荐反馈数据,确定与目标对象对应的候选用户行为数据中的反馈维度的数据。
根据本公开的实施例,可以根据目标对象,确定与目标对象对应的候选用户。根据推荐反馈数据,确定与目标对象对应的候选用户的候选用户行为数据中的反馈维度的数据。反馈维度的数据可以用认可度来表征。
例如,认可度可以是大于或等于0且小于或等于1的数值。如果根据推荐反馈数据确定目标用户购买了推荐的目标对象,则认可度可以设置为1,即,与目标对象对应的候选用户的候选用户行为数据中的反馈维度的数据可以是1。如果根据推 荐反馈数据确定目标用户浏览但未购买推荐的目标对象,则认可度可以设置为0.5,即,与目标对象对应的候选用户的候选用户行为数据中的反馈维度的数据可以是0.5。如果根据推荐反馈数据确定目标用户未浏览推荐的目标对象,则认可度可以设置为0,即,与目标对象对应的候选用户的候选用户行为数据中的反馈维度的数据可以是0。
根据本公开的实施例,上述对象推荐方法还可以包括如下操作。
根据推荐反馈数据,更新与目标对象对应的候选用户的奖励信息。
根据本公开的实施例,奖励信息可以包括以下至少一项:积分、优惠额度和代币。
例如,以奖励信息为代币为例进行说明。如果根据推荐反馈数据确定目标用户购买了推荐的目标对象,则可以在与目标对象对应的候选用户的原奖励信息的基础上,增加100个代币,以实现更新与目标对象对应的候选用户的奖励信息。如果根据推荐反馈数据确定目标用户浏览但未购买推荐的目标对象,则可以在与目标对象对应的候选用户的原奖励信息的基础上,增加50个代币,以实现更新与目标对象对应的候选用户的奖励信息。如果根据推荐反馈数据确定目标用户未浏览推荐的目标对象,则可以在与目标对象对应的候选用户的原奖励信息的基础上,减少10个代币,以实现更新与目标对象对应的候选用户的奖励信息。
根据本公开的实施例,在代币场景下获得的代币,能够用于代币购买。
根据本公开的实施例,通过根据推荐反馈数据,更新与目标对象对应的候选用户的奖励信息,能够提高用户参与对象推荐的积极性。
图6示意性示出了根据本公开另一实施例的对象推荐方法的流程图。
如果6所示,该方法600包括操作S610~S630。
在操作S610,针对与区块链网络中多个区块链节点各自对应的客户端,响应于检测到针对与客户端对应的至少一个候选用户的数据上链操作被触发,得到与至少一个候选用户对应的候选用户行为数据。
在操作S620,根据与至少一个候选用户对应的候选用户行为数据,生成与至少一个候选用户对应的数据上链请求。
在操作S630,向与客户端对应的区块链节点发送至少一个数据上链请求,以便区块链节点利用至少一个数据上链请求生成与至少一个候选用户行为数据对应的区 块,将至少一个区块存储于预定区块链,以便服务器向目标客户端发送向目标用户推荐的目标对象。目标对象是服务器根据目标用户行为数据和与多个候选用户对应的至少一个候选用户行为数据确定的。目标用户行为数据是服务器对响应于接收到的来自目标客户端的目标用户的用户行为数据。
根据本公开的实施例,数据上链操作可以指用于触发将用户行为数据存储于预定区块链的操作。数据上链操作可以包括点击操作或选择操作。例如,客户端展示与数据上链相关的页面,页面包括确定控件。候选用户点击“确定控件”使得“确定控件”被触发。客户端响应于检测到与数据上链相关的展示页面中的确定控件被触发,得到与候选用户对应的候选用户行为数据。候选用户行为数据可以与时间戳和客户端标识关联。
根据本公开的实施例,与客户端对应的候选用户可以在注册针对应用程序或浏览器的用户账户的情况下,可以基于候选用户与服务提供者之间达成的统一协议,在候选用户同意利用用户行为数据来进行对象推荐的请求的情况下,客户端可以将候选用户的候选用户行为数据发送至与客户端对应的区块链节点,实现数据上链。由此,可以有效避免区块链节点单独与候选用户进行协议约定,简化了将候选用户行为数据上链的操作,并且可以使得候选用户行为数据能够得到有效保护。
根据本公开的实施例,上述对象推荐方法还可以包括如下操作。
针对与目标用户对应的目标客户端,利用第一加密算法处理与目标用户的用户标识信息,生成第一公钥和第一私钥。向与目标客户端对应的区块链节点发送第一公钥,以便与目标客户端对应的区块链节点将第一公钥存储于预定区块链。响应于接收到来自服务器的第一加密目标对象,利用第一私钥对第一加密目标对象进行解密,得到向目标客户端推荐的目标对象。第一加密目标对象是服务器利用第一公钥对目标对象进行加密得到的。
根据本公开的实施例,上述对象推荐方法还可以包括如下操作。
针对与目标用户对应的目标客户端,利用第三加密算法处理目标用户的用户标识信息,生成第三公钥和第三私钥。向与目标客户端对应的区块链节点发送第三公钥,以便与目标客户端对应的区块链节点利用第三公钥对目标对象进行加密,得到第三加密目标对象。目标对象是与目标客户端对应的区块链节点利用第二私钥对第二加密目标对象进行解密得到的,第二加密目标对象是服务器利用第二公钥对目标 对象进行加密得到的。响应于接收到来自与目标客户端对应的区块链节点的第三加密目标对象,利用第三私钥对第三加密目标对象进行解密,得到向目标用户推荐的目标对象。
根据本公开的实施例,上述对象推荐方法还可以包括如下操作。
响应于检测到针对与客户端对应的新候选用户的数据上链操作被触发,得到与新候选用户的对应的候选用户行为数据。根据与新候选用户的对应的候选用户行为数据,生成新候选用户的数据上链请求。向与客户端对应的区块链节点发送新候选用户的数据上链请求,以便与客户端对应的区块链节点利用对新候选用户的数据上链请求进行处理得到的新候选用户的候选用户行为数据,对预定区块链进行更新。
根据本公开的实施例,客户端可以检测数据上链请求操作是否被触发,以便与客户端对应的区块链可以利用基于数据请求操作生成的数据上链请求对预定区块链进行更新,从而实现对预定区块链的管理。
根据本公开的实施例,上述对象推荐方法还可以包括如下操作。
响应于检测到数据上链操作被触发,确定数据优化方式。根据数据优化方式,生成数据优化请求。向服务器发送数据优化请求,以便服务器根据数据优化请求指示的数据优化方式,对目标用户行为数据和与多个候选用户对应的至少一个候选用户行为数据进行优化。
根据本公开的实施例,数据优化请求可以包括数据优化标识。数据优化标识可以指示数据优化方式。例如,数据优化标识可以包括用于优化用户行为数据的维度的标识。数据优化标识可以包括以下至少一项:用于添加用户行为数据的维度的标识、用于合并用户行为数据的维度的标识和用于删除用户行为数据的维度的标识。
根据本公开的实施例,客户端可以检测数据上链请求操作是否被触发。如果检测到数据上链请求被触发,则可以根据触发时刻确定数据优化方式。根据数据优化方式生成数据优化标识。根据数据优化标识生成数据优化请求。例如,如果确定触发时刻与注册时刻之间的时间差大于或等于时间差阈值,则可以确定数据优化方式是添加用户行为数据的维度。如果确定触发时刻是预定时间段的时刻,则可以确定数据优化方式是添加用户行为数据的维度。
根据本公开的实施例,客户端可以直接向服务器发送数据优化请求,还可以通过与客户端对应的区块链节点向服务器发送数据优化请求,以便服务器可以接收到 数据优化请求。服务器可以对数据优化请求进行解析,得到数据优化标识。根据数据优化标识确定数据优化方式。根据数据优化方式对目标用户行为数据和与多个候选用户对应至少一个候选用户行为数据进行优化,得到优化后的目标用户行为数据和与多个候选用户对应的至少一个候选用户行为数据。服务器可以根据优化后的目标用户行为数据和与多个候选用户对应的至少一个候选用户行为数据,向目标用户推荐目标对象。
根据本公开的实施例,上述对象推荐方法还可以包括如下操作。
与目标用户对应的目标客户端响应于接收到来自目标用户的推荐反馈数据,向与目标客户端对应的区块链节点发送推荐反馈数据,以便与目标客户端对应的区块链节点根据目标用户的推荐反馈数据,设置反馈维度,以便向候选用户行为数据的维度中添加反馈维度。
下面参考图7,结合具体实施例对根据本公开实施例所述的对象推荐方法做进一步说明。
图7示意性示出了根据本公开实施例的对象推荐过程的示例示意图。
如图7所示,在700中包括客户端网络701、区块链网络702和服务器703。客户端网络701可以包括L个客户端,即,客户端701_1、客户端701_2、......、客户端701_l、......、客户端701_L-1和客户端701_L。区块链网络302可以包括L个区块链节点,即,区块链节点702_1、区块链节点702_2、......、区块链节点702_l、......、区块链节点702_L-1和区块链节点702_L。与客户端701_l对应的区块链节点是区块链节点702_l。与区块链节点702_1对应的预定区块链是区704_1。与区块链节点702_2对应的预定区块链是区704_2。与区块链节点702_l对应的预定区块链是区704_l。与区块链节点702_L-1对应的预定区块链是区704_L-1。与区块链节点702_L对应的预定区块链是区704_L。l∈{1,2,......,L-1,L}。L是大于1的整数。目标客户端是客户端701_1。
客户端701_l可以响应于检测到针对与客户端701_l对应的至少一个候选用户的数据上链操作被触发,得到与至少一个候选用户对应的候选用户行为数据。根据与至少一个候选用户对应的候选用户行为数据,生成与至少一个候选用户对应的数据上链请求。向与客户端701_l对应的区块链节点702_l发送至少一个数据上链请求。
区块链节点702_l可以响应于接收到来自与区块链节点对应的客户端701_l的至少一个候选用户的数据上链请求,对至少一个数据上链请求进行解析,得到与至少一个候选用户对应的候选用户行为数据。对与至少一个候选用户对应的候选用户行为数据进行处理,生成与至少一个候选用户行为数据对应的区块。将至少一个区块存储于预定区块链704_l。
服务器703可以响应于接收到来自目标客户端701_1的目标用户的目标用户行为数据705,对目标用户行为数据705进行处理,得到目标用户行为向量。根据目标用户行为向量和与多个候选用户对应的至少一个候选用户行为向量,从多个候选用户中确定相似用户集707。根据与相似用户集707对应的相似用户行为数据集,从与相似用户行为数据集对应的至少一个候选对象中确定目标对象708。每个候选用户行为向量可以服务器703对与候选用户行为向量对应的候选用户行为数据706进行处理得到的。服务器703向目标客户端701_1发送目标对象708,以便向目标用户推荐目标对象708。
根据本公开的实施例,可以基于用户的历史行为习惯的可交易数据,实现针对目标用户的目标对象的推荐,这对于不同领域,用户选择相应的用户行为数据进行对象推荐是有利的。例如,金融领域和医疗领域。
以金融领域的代币场景为例。与候选用户行为数据对应的多个候选对象可以包括至少一个代币和至少一个代币交易平台。代币交易平台可以指支持代币交易的客户端。服务器703可以根据目标用户的目标用户行为数据705和与多个候选用户对应的至少一个候选用户行为数据,从多个候选对象中确定目标对象。候选用户行为数据可以包括候选可交易化数据。例如,目标对象可以包括以下至少一项:目标代币和目标代币交易平台。
通过利用本公开实施例的方案可以获得有价值的投资建议。例如,获得当前值得投资的和收益率高的目标代币。获得当前最与用户交易习惯相匹配且能够增加用户收益的目标代币交易平台。
以医疗领域的医师推荐为例,与候选用户行为数据对应的多个候选对象可以包括与用户的患病经历相关的对象、与用户的手术经历相关的对象、与用户的治愈经历相关的对象和与医师相关的对象。医师与用户相关。服务器703可以根据目标用 户的目标用户行为数据705和与多个候选用户对应的至少一个候选用户行为数据,从多个候选对象中确定目标对象。目标对象可以包括目标医师。
通过利用本公开实施例的方案可以获得有价值的医疗信息,这对于社会公益而言也具有较为重要的价值。
图8示意性示出了根据本公开的实施例的对象推荐装置的框图。
如图8所示,对象推荐装置800可以包括第一确定模块810和第一发送模块820。
第一确定模块810,被配置为响应于接收到来自目标客户端的目标用户的目标用户行为数据,根据目标用户行为数据和与多个候选用户对应的至少一个候选用户行为数据,确定目标对象。
第一发送模块820,被配置为向目标客户端发送目标对象,以便向目标用户推荐目标对象。
根据本公开的实施例,每个候选用户行为数据被存储于预定区块链。每个候选用户行为数据与区块链网络包括的多个区块链节点中的至少一个区块链节点相对应。每个候选用户行为数据用于表征候选用户对至少一个候选对象的偏好度。
根据本公开的实施例,目标用户行为数据包括目标可交易化数据,目标可交易化数据存储于预定区块链,其中,与目标客户端对应的区块链节点响应于接收到来自目标客户端的目标用户的数据上链请求存储目标可交易化数据。
根据本公开的实施例,目标可交易化数据包括多个可交易等级。
根据本公开的实施例,第一确定模块810可以包括第一获得子模块和第一确定子模块。
第一获得子模块,被配置为响应于接收到来自目标客户端的目标用户的目标用户行为数据,对目标用户行为数据进行处理,得到目标用户行为向量。
第一确定子模块,被配置为根据目标用户行为向量和与多个候选用户各自对应的至少一个候选用户行为向量,确定目标对象。每个候选用户行为向量是对与候选用户行为向量对应的候选用户行为数据进行处理得到的。
根据本公开的实施例,每个候选用户行为向量是对与候选用户行为向量对应的候选用户行为数据进行处理得到的,可以包括:每个候选用户行为向量是基于模型的推荐算法处理与候选用户行为向量对应的候选用户行为数据得到的。
根据本公开的实施例,每个候选用户行为向量是基于模型的推荐算法处理与候选用户行为向量对应的候选用户行为数据得到的,可以包括:
每个候选用户行为向量是根据在满足预定条件的情况下得到的用户隐因子矩阵和对象隐因子矩阵确定的。在满足预定条件的情况下得到的用户隐因子矩阵和对象隐因子矩阵是根据输出值调整初始用户隐因子矩阵和初始对象隐因子矩阵的元素值得到的。输出值是基于预定目标函数,利用初始用户隐因子矩阵、初始对象隐因子矩阵和真实用户行为向量确定的。真实用户行为向量是根据候选用户行为数据确定的。
根据本公开的实施例,第一确定模块810可以包括第二确定子模块和第三确定子模块。
第二确定子模块,被配置为根据目标用户行为数据和与多个候选用户对应的至少一个候选用户行为数据,从多个候选用户中确定相似用户集。
第三确定子模块,被配置为根据相似用户行为数据集,从与相似用户行为数据集对应的至少一个候选对象中确定目标对象。相似用户行为数据集包括与相似用户集对应的至少一个候选用户行为数据。
根据本公开的实施例,第二确定子模块可以包括第一获得单元和第一确定单元。
第一获得单元,被配置为确定目标用户行为数据和与多个候选用户对应的至少一个候选用户行为数据各自之间的相似度,得到多个相似度。
第一确定单元,被配置为根据多个相似度,从多个候选用户中确定相似用户集。
根据本公开的实施例,第一确定单元可以包括第一获得子单元和第一确定子单元。
第一获得子单元,被配置为根据多个相似度,对多个候选用户进行排序,得到排序结果。
第一确定子单元,被配置为根据排序结果,从多个候选用户中确定预定数目的候选用户作为相似用户集。
根据本公开的实施例,第一确定单元可以包括第二确定子单元。
第二确定子单元,被配置为根据预定相似度阈值和多个相似度,从多个候选用户中确定相似用户集。
根据本公开的实施例,上述对象推荐装置800还可以包括第一优化模块。
第一优化模块,被配置为响应于接收到数据优化请求,根据数据优化请求指示的数据优化方式,对目标用户行为数据和与多个候选用户对应的至少一个候选用户行为数据进行优化,以便根据优化后的目标行为数据和候选用户行为数据确定向目标用户推荐的目标对象。
根据本公开的实施例,第一发送模块820可以包括第一发送子模块或第二发送子模块。
第一发送子模块,被配置为直接向目标客户端发送目标对象,以便向目标用户推荐目标对象。或
第二发送子模块。被配置为通过与目标客户端对应的区块链节点向目标客户端发送目标对象,以便向目标用户推荐目标对象。
根据本公开的实施例,上述对象推荐装置800还可以包括第三获得模块。
第三获得模块,被配置为利用第一公钥对目标对象进行加密,得到第一加密目标对象。
根据本公开的实施例,第一发送子模块可以包括第一发送单元。
第一发送单元,被配置为直接向目标客户端发送第一加密目标对象,以便目标客户端利用第一私钥对第一加密目标对象进行解密,得到向目标用户推荐的目标对象。第一公钥是和第一私钥是目标客户端利用第一加密算法处理目标用户的用户标识信息生成的。第一公钥是通过利用与目标客户端对应的区块链节点存储于预定区块链的。
根据本公开的实施例,上述对象推荐装置800还可以包括第四获得模块。
第四获得模块,被配置为利用第二公钥对目标对象进行加密,得到第二加密目标对象。
根据本公开的实施例,第二发送子模块可以包括第二发送单元。
第二发送单元,被配置为通过与目标客户端对应的区块链节点向目标客户端发送第二加密目标对象,以便目标客户端利用第三私钥对第三加密目标对象进行解密,得到向目标用户推荐的目标对象。第三加密目标对象是与目标客户端对应的区块链节点利用第三公钥经利用第二私钥对第二加密目标对象进行解密得到的目标对象进行加密得到的。第二公钥和第二私钥是与目标客户端对应的区块链节点利用第二加 密算法处理目标用户的用户标识信息生成的。第三公钥和第三私钥是目标客户端是利用第三加密算法处理目标用户的用户标识信息生成的。
根据本公开的实施例,第一确定模块810可以包括第四确定子模块或第五确定子模块。
第四确定子模块,被配置为响应于直接接收到来自目标客户端的目标用户的目标用户行为数据,根据目标用户行为数据和与多个候选用户对应的至少一个候选用户行为数据,确定目标对象。
第五确定子模块,被配置为响应于通过与目标客户端对应的区块链节点接收到来自目标客户端的目标用户的目标用户行为数据,根据目标用户行为数据和与多个候选用户对应的至少一个候选用户行为数据,确定目标对象。
根据本公开的实施例,与候选用户行为数据对应的至少一个候选对象包括以下至少一项:与候选用户行为数据对应的客户端的客户端属性信息、客户端功能信息和客户端信用信息以及与候选用户行为数据对应的物品的物品属性信息。
根据本公开的实施例,多个区块链节点包括支持代币交易的区块链节点。
根据本公开的实施例,目标对象包括多个候选对象。
根据本公开的实施例,上述对象推荐装置800还可以包括第三生成模块和第三发送模块。
第三生成模块,被配置为根据与多个时间段各自对应的目标对象,生成对象推荐图。
第三发送模块,被配置为向目标客户端发送对象推荐图,以便向目标用户推荐对象推荐图。
根据本公开的实施例,目标用户包括多个。
根据本公开的实施例,第一确定模块810可以包括第六确定子模块。
第六确定子模块,被配置为响应于接收到来自至少一个目标客户端的多个目标用户的目标用户行为数据,对多个目标行为数据和与多个候选用户对应的至少一个候选用户行为数据进行批量处理,确定多个目标用户各自的目标对象。
根据本公开的实施例,第一发送模块820可以包括第三发送子模块。
第三发送子模块,被配置为向至少一个目标客户端发送多个目标用户各自的目标对象,以便向多个目标用户推荐各自的目标对象。
根据本公开的实施例,目标用户和候选用户中的其中之一包括非注册用户。
图9示意性示出了根据本公开另一实施例的对象推荐装置的框图。
根据本公开的实施例,对象推荐装置可以设置于区块链网络。区块链网络可以包括多个区块链节点。多个区块链节点可以包括与至少一个个人客户端对应的区块链节点和与至少一个服务客户端对应的区块链节点。
如图9所示,对象推荐装置900可以包括第一获得模块910、第一生成模块920和第一存储模块930。
第一获得模块910,被配置为针对多个区块链节点中的每个区块链节点,响应于接收到来自与区块链节点对应的客户端的至少一个候选用户的数据上链请求,对至少一个数据上链请求进行解析,得到与至少一个候选用户对应的候选用户行为数据。
第一生成模块920,被配置为对与至少一个候选用户对应的候选用户行为数据进行处理,生成与至少一个候选用户行为数据对应的区块。
第一存储模块930,被配置为将至少一个区块存储于预定区块链,以便服务器向目标客户端发送向目标用户推荐的目标对象。目标对象是服务器根据目标用户行为数据和与多个候选用户对应的至少一个候选用户行为数据确定的,目标用户行为数据是服务器对响应于接收到的来自目标客户端的目标用户的用户行为数据。
根据本公开的实施例,上述对象推荐装置900还可以包括第五获得模块、第四生成模块和第一更新模块。
第五获得模块,被配置为响应于接收到来自与区块链节点对应的客户端的新候选用户的数据上链请求,对新候选用户的数据上链请求进行解析,得到与新候选用户对应的候选用户行为数据。
第四生成模块,被配置为对与新候选用户对应的候选用户行为数据进行处理,生成与新候选用户的候选用户行为数据对应的区块。
第一更新模块,被配置为根据与新候选用户的候选用户行为数据对应的区块对预定区块链进行更新。
根据本公开的实施例,上述对象推荐装置900还可以包括第二存储模块。
第二存储模块,被配置为与目标客户端对应的区块链节点响应于接收到来自目标客户端的第一公钥,将第一公钥存储于预定区块链,以便服务器利用第一公钥对 目标对象进行加密,得到第一加密目标对象。第一公钥是目标客户端利用第一加密算法处理目标用户的用户标识信息生成的。
根据本公开的实施例,上述对象推荐装置900还可以包括第六获得模块、第七获得模块和第四发送模块。
第六获得模块,被配置为与目标客户端对应的区块链节点响应于接收到来自服务器的第二加密目标对象,利用第二私钥对第二加密目标对象进行解密,得到目标对象。第二加密目标对象是服务器利用第二公钥对目标对象进行加密得到的。
第七获得模块,被配置为利用第三公钥对目标对象进行加密,得到第三加密目标对象。
第四发送模块,被配置为向目标客户端发送第三加密目标对象,以便目标客户端利用第三私钥对第三加密目标对象进行解密,得到向目标用户推荐的目标对象。第二公钥和第二私钥是区块链节点利用第二加密算法处理目标用户的用户标识信息生成的。第三公钥和第三私钥是目标客户端是利用第三加密算法处理目标用户的用户标识信息生成的。
根据本公开的实施例,上述对象推荐装置900还可以包括第五发送模块。
第五发送模块,被配置为与目标客户端对应的区块链节点响应于接收到来自目标客户端的目标用户的目标用户行为数据,向服务器发送目标用户行为数据。
根据本公开的实施例,上述对象推荐装置900还可以包括设置模块。
设置模块,被配置为与目标客户端对应的区块链节点响应于接收到来自目标客户端的目标用户的推荐反馈数据,设置反馈维度,以便向候选用户行为数据的维度中添加反馈维度。
根据本公开的实施例,上述对象推荐装置900还可以包括第二确定模块。
第二确定模块,被配置为根据推荐反馈数据,确定与目标对象对应的候选用户的候选用户行为数据中的反馈维度的数据。
根据本公开的实施例,上述对象推荐装置900还可以包括第二更新模块。
第二更新模块,被配置为根据推荐反馈数据,更新与目标对象对应的候选用户的奖励信息。
根据本公开的实施例,第一生成模块920可以包括生成子模块。
生成子模块,被配置为针对至少一个候选用户中的每个候选用户,在根据与候选用户对应的用户标识信息确定预定区块链中存在与用户标识信息对应的区块的情况下,对与候选用户对应的候选用户行为数据进行处理,生成与候选用户行为数据对应的区块。
根据本公开的实施例,上述对象推荐装置900还可以包括第三确定模块、第四确定模块和第六发送模块。
第三确定模块,被配置为确定与同一用户标识信息对应的候选用户的区块。
第四确定模块,被配置为根据与同一用户标识信息对应的候选用户的区块,生成与用户标识信息对应的用户画像集。
第六发送模块,被配置为向与用户标识信息对应的客户端发送用户画像集,以便与用户标识信息对应的候选用户获取到用户画像集。
根据本公开的实施例,上述对象推荐装置900还可以包括展示模块。
展示模块,被配置为可视化展示用户画像集。
根据本公开的实施例,第一存储模块930可以包括存储子模块。
存储子模块,被配置为批量将至少一个区块存储于预定区块链。
图10示意性示出了根据本公开另一实施例的对象推荐装置的框图。
如图10所示,对象推荐装置1000还可以包括第二获得模块1010、第二生成模块1020和第二发送模块1030。
第二获得模块1010,被配置为针对与区块链网络中多个区块链节点各自对应的客户端,响应于检测到针对与客户端对应的至少一个候选用户的数据上链操作被触发,得到与至少一个候选用户对应的候选用户行为数据。
第二生成模块1020,被配置为根据与至少一个候选用户对应的候选用户行为数据,生成与至少一个候选用户对应的数据上链请求。
第二发送模块1030,被配置为向与客户端对应的区块链节点发送至少一个数据上链请求,以便区块链节点利用至少一个数据上链请求生成与至少一个候选用户行为数据对应的区块,将至少一个区块存储于预定区块链,以便服务器向目标客户端发送向目标用户推荐的目标对象。目标对象是服务器根据目标用户行为数据和与多个候选用户对应的至少一个候选用户行为数据确定的,目标用户行为数据是服务器接收到的来自目标客户端的目标用户的用户行为数据。
根据本公开的实施例,上述对象推荐装置1000还可以包括第五生成模块、第七发送模块和第八获得模块。
第五生成模块,被配置为针对与目标用户对应的目标客户端,利用第一加密算法处理与目标用户的用户标识信息,生成第一公钥和第一私钥。
第七发送模块,被配置为向与目标客户端对应的区块链节点发送第一公钥,以便与目标客户端对应的区块链节点将第一公钥存储于预定区块链。
第八获得模块,被配置为响应于接收到来自服务器的第一加密目标对象,利用第一私钥对第一加密目标对象进行解密,得到向目标客户端推荐的目标对象。第一加密目标对象是服务器利用第一公钥对目标对象进行加密得到的。
根据本公开的实施例,上述对象推荐装置1000还可以包括第六生成模块、第八发送模块和第九获得模块。
第六生成模块,被配置为针对与目标用户对应的目标客户端,利用第三加密算法处理目标用户的用户标识信息,生成第三公钥和第三私钥。
第八发送模块,被配置为向与目标客户端对应的区块链节点发送第三公钥,以便与目标客户端对应的区块链节点利用第三公钥对目标对象进行加密,得到第三加密目标对象。目标对象是与目标客户端对应的区块链节点利用第二私钥对第二加密目标对象进行解密得到的,第二加密目标对象是服务器利用第二公钥对目标对象进行加密得到的。
第九获得模块,被配置为响应于接收到来自与目标客户端对应的区块链节点的第三加密目标对象,利用第三私钥对第三加密目标对象进行解密,得到向目标用户推荐的目标对象。
根据本公开的实施例,上述对象推荐装置1000还可以包括第十获得模块、第七生成模块和第九发送模块。
第十获得模块,被配置为响应于检测到针对与客户端对应的新候选用户的数据上链操作被触发,得到与新候选用户的对应的候选用户行为数据。
第七生成模块,被配置为根据与新候选用户对应的候选用户行为数据,生成新候选用户的数据上链请求。
第九发送模块,被配置为向与客户端对应的区块链节点发送新候选用户的数据上链请求,以便与客户端对应的区块链节点利用对新候选用户的数据上链请求进行处理得到的新候选用户的候选用户行为数据,对预定区块链进行更新。
根据本公开的实施例,上述对象推荐装置1000还可以包括第五确定模块、第八生成模块和第十发送模块。
第五确定模块,被配置为响应于检测到数据上链操作被触发,确定数据优化方式。
第八生成模块,被配置为根据数据优化方式,生成数据优化请求。
第十发送模块,被配置为向服务器发送数据优化请求,以便服务器根据数据优化请求指示的数据优化方式,对目标用户行为数据和与多个候选用户对应的至少一个候选用户行为数据进行优化。
根据本公开的实施例,上述对象推荐装置1000还可以包括第十一发送模块。
第十一发送模块,被配置为与目标用户对应的目标客户端响应于接收到来自目标用户的推荐反馈数据,向与目标客户端对应的区块链节点发送推荐反馈数据,以便与目标客户端对应的区块链节点根据目标用户的推荐反馈数据,设置反馈维度,以便向候选用户行为数据的维度中添加反馈维度。
根据本公开的实施例的模块、子模块、单元、子单元中的任意多个、或其中任意多个的至少部分功能可以在一个模块中实现。根据本公开实施例的模块、子模块、单元、子单元中的任意一个或多个可以被拆分成多个模块来实现。根据本公开实施例的模块、子模块、单元、子单元中的任意一个或多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(Field Programmable Gate Array,FPGA)、可编程逻辑阵列(Programmable Logic Arrays,PLA)、片上系统、基板上的系统、封装上的系统、专用集成电路(Application Specific Integrated Circuit,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的硬件或固件来实现,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,根据本公开实施例的模块、子模块、单元、子单元中的一个或多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。
例如,第一确定模块810和第一发送模块820,第一获得模块910、第一生成模块920和第一存储模块930,以及,第二获得模块1010、第二生成模块1020和第二 发送模块1030中的任意多个可以合并在一个模块/单元/子单元中实现,或者其中的任意一个模块/单元/子单元可以被拆分成多个模块/单元/子单元。或者,这些模块/单元/子单元中的一个或多个模块/单元/子单元的至少部分功能可以与其他模块/单元/子单元的至少部分功能相结合,并在一个模块/单元/子单元中实现。根据本公开的实施例,第一确定模块810和第一发送模块820,第一获得模块910、第一生成模块920和第一存储模块930,以及,第二获得模块1010、第二生成模块1020和第二发送模块1030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,第一确定模块810和第一发送模块820,第一获得模块910、第一生成模块920和第一存储模块930,以及,第二获得模块1010、第二生成模块1020和第二发送模块1030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。
需要说明的是,本公开的实施例中数据处理系统部分与本公开的实施例中对象推荐方法部分是相对应的,对象推荐装置部分的描述具体参考对象处理方法部分,在此不再赘述。
本公开实施例还提供了一种对象推荐系统。
根据本公开的实施例,对象推荐系统可以包括与区块链网络中多个区块链节点各自对应的客户端、区块链网络和服务器。
与区块链网络中多个区块链节点各自对应的客户端,被配置为:
响应于检测到针对与客户端对应的至少一个候选用户的数据上链操作被触发,得到与至少一个候选用户对应的候选用户行为数据。每个候选用户行为数据用于表征候选用户对至少一个候选对象的偏好度。
根据与至少一个候选用户对应的候选用户行为数据,生成与至少一个候选用户对应的数据上链请求。
向与客户端对应的区块链节点发送至少一个数据上链请求。
多个区块链节点中的每个区块链节点,被配置为:
响应于接收到来自与区块链节点对应的客户端的至少一个候选用户的数据上链请求,对至少一个数据上链请求进行解析,得到与至少一个候选用户对应的候选用户行为数据。
对与至少一个候选用户对应的候选用户行为数据进行处理,生成与至少一个候选用户行为数据对应的区块。
将至少一个区块存储于预定区块链。
服务器,被配置为:
响应于接收到来自目标客户端的目标用户的目标用户行为数据,根据目标用户行为数据和与多个候选用户对应的至少一个候选用户行为数据,确定目标对象。
向目标客户端发送目标对象,以便向目标用户推荐目标对象。
根据本公开的实施例,对象推荐系统包括的客户端、区块链节点和服务器可以用于实现本公开实施例所述的对象推荐方法,可以参考上文相应部分的说明,在此不再赘述。
图11示意性示出了根据本公开实施例的适于实现对象推荐方法的电子设备的框图。图11示出的电子设备仅仅是一个示例,不应对本公开实施例的功能和使用范围带来任何限制。
如图11所示,根据本公开实施例的电子设备1100包括处理器1101,其可以根据存储在只读存储器(Read-Only Memory,ROM)1102中的程序或者从存储部分1108加载到随机访问存储器(Random Access Memory,RAM)1103中的程序而执行各种适当的动作和处理。处理器1101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1101还可以包括用于缓存用途的板载存储器。处理器1101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 1103中,存储有电子设备1100操作所需的各种程序和数据。处理器1101、ROM 1102以及RAM 1103通过总线1104彼此相连。处理器1101通过执行ROM 1102和/或RAM 1103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 1102和RAM 1103以外的一个或多个存储器中。处理器1101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1100还可以包括输入/输出(I/O)接口1105,输入/输出(I/O)接口1105也连接至总线1104。系统1100还可以包括连接至I/O接口1105的以下部件中的一项或多项:包括键盘、鼠标等的输入部分1106;包括诸如阴极射线管(CRT)、液晶显示器(Liquid Crystal Display,LCD)等以及扬声器等的输出部分1107;包括硬盘等的存储部分1108;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1109。通信部分1109经由诸如因特网的网络执行通信处理。驱动器1110也根据需要连接至I/O接口1105。可拆卸介质1111,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1110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1108。
根据本公开的实施例,根据本公开实施例的方法流程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在计算机可读存储介质上的计算机程序,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。在这样的实施例中,该计算机程序可以通过通信部分1109从网络上被下载和安装,和/或从可拆卸介质1111被安装。在该计算机程序被处理器1101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。
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(Erasable Programmable Read Only Memory,EPROM)或闪存)、便携式紧凑磁盘只读存储器(Computer Disc Read-Only Memory,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 1102和/或RAM 1103和/或ROM 1102和RAM 1103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本公开实施例所提供的方法的程序代码,当计算机程序产品在电子设备上运行时,该程序代码用于使电子设备实现本公开实施例所提供的对象推荐方法。
在该计算机程序被处理器1101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1109被下载和安装,和/或从可拆卸介质1111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。
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(Local Area Network,LAN)或广域网(Wide Area Networks,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和/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 (45)
- 一种对象推荐方法,包括:响应于接收到来自目标客户端的目标用户的目标用户行为数据,根据所述目标用户行为数据和与多个候选用户对应的至少一个候选用户行为数据,确定目标对象;以及向所述目标客户端发送所述目标对象,以便向所述目标用户推荐所述目标对象,其中,每个所述候选用户行为数据被存储于预定区块链,每个所述候选用户行为数据与区块链网络包括的多个区块链节点中的至少一个区块链节点相对应,每个所述候选用户行为数据用于表征候选用户对至少一个候选对象的偏好度。
- 根据权利要求1所述的方法,其中,所述目标用户行为数据包括目标可交易化数据,所述目标可交易化数据存储于所述预定区块链,其中,与所述目标客户端对应的区块链节点响应于接收到来自所述目标客户端的目标用户的数据上链请求存储所述目标可交易化数据。
- 根据权利要求2所述的方法,其中,所述目标可交易化数据包括多个可交易等级。
- 根据权利要求1~3中任一项所述的方法,其中,所述响应于接收到来自目标客户端的目标用户的目标用户行为数据,根据所述目标用户行为数据和与多个候选用户对应的至少一个候选用户行为数据,确定目标对象,包括:响应于接收到来自所述目标客户端的目标用户的目标用户行为数据,对所述目标用户行为数据进行处理,得到目标用户行为向量;以及根据所述目标用户行为向量和与所述多个候选用户各自对应的至少一个候选用户行为向量,确定所述目标对象,其中,每个所述候选用户行为向量是对与所述候选用户行为向量对应的候选用户行为数据进行处理得到的。
- 根据权利要求4所述的方法,其中,所述每个所述候选用户行为向量是对与所述候选用户行为向量对应的候选用户行为数据进行处理得到的,包括:每个所述候选用户行为向量是基于模型的推荐算法处理所述与所述候选用户行为向量对应的候选用户行为数据得到的。
- 根据权利要求5所述的方法,其中,所述每个所述候选用户行为向量是基于模型的推荐算法处理所述与所述候选用户行为向量对应的候选用户行为数据得到的,包括:每个所述候选用户行为向量是根据在满足预定条件的情况下得到的用户隐因子矩阵和对象隐因子矩阵确定的;其中,所述在满足预定条件的情况下得到的用户隐因子矩阵和对象隐因子矩阵是根据输出值调整初始用户隐因子矩阵和初始对象隐因子矩阵的元素值得到的;其中,所述输出值是基于预定目标函数,利用所述初始用户隐因子矩阵、所述初始对象隐因子矩阵和真实用户行为向量确定的;其中,所述真实用户行为向量是根据所述候选用户行为数据确定的。
- 根据权利要求1~3中任一项所述的方法,其中,所述根据所述目标用户行为数据和与多个候选用户对应的至少一个候选用户行为数据,确定目标对象,包括:根据所述目标用户行为数据和与所述多个候选用户对应的至少一个候选用户行为数据,从所述多个候选用户中确定相似用户集;以及根据相似用户行为数据集,从与所述相似用户行为数据集对应的至少一个候选对象中确定目标对象,其中,所述相似用户行为数据集包括与所述相似用户集对应的至少一个候选用户行为数据。
- 根据权利要求7所述的方法,其中,所述根据所述目标用户行为数据和与所述多个候选用户对应的至少一个候选用户行为数据,从所述多个候选用户中确定相似用户集,包括:确定所述目标用户行为数据和与所述多个候选用户对应的至少一个候选用户行为数据各自之间的相似度,得到多个相似度;以及根据所述多个相似度,从所述多个候选用户中确定所述相似用户集。
- 根据权利要求8所述的方法,其中,所述根据所述多个相似度,从所述多个候选用户中确定所述相似用户集,包括:根据所述多个相似度,对所述多个候选用户进行排序,得到排序结果;以及根据所述排序结果,从所述多个候选用户中确定预定数目的候选用户作为所述相似用户集。
- 根据权利要求9所述的方法,其中,所述根据所述多个相似度,从所述多个候选用户中确定所述相似用户集,包括:根据预定相似度阈值和所述多个相似度,从所述多个候选用户中确定所述相似用户集。
- 根据权利要求1~3中任一项所述的方法,还包括:响应于接收到数据优化请求,根据所述数据优化请求指示的数据优化方式,对所述目标用户行为数据和与所述多个候选用户对应的至少一个候选用户行为数据进行优化,以便根据优化后的目标行为数据和候选用户行为数据确定向所述目标用户推荐的目标对象。
- 根据权利要求1~3中任一项所述的方法,其中,所述向所述目标客户端发送所述目标对象,以便向所述目标用户推荐所述目标对象,包括:直接向所述目标客户端发送所述目标对象,以便向所述目标用户推荐所述目标对象;或通过与所述目标客户端对应的区块链节点向所述目标客户端发送所述目标对象,以便向所述目标用户推荐所述目标对象。
- 根据权利要求12所述的方法,还包括:利用第一公钥对所述目标对象进行加密,得到第一加密目标对象;其中,所述直接向所述目标客户端发送所述目标对象,以便向所述目标用户推荐所述目标对象,包括:直接向所述目标客户端发送所述第一加密目标对象,以便所述目标客户端利用第一私钥对所述第一加密目标对象进行解密,得到向所述目标用户推荐的目标对象,其中,所述第一公钥是和所述第一私钥是所述目标客户端利用第一加密算法处理所述目标用户的用户标识信息生成的,所述第一公钥是通过利用与所述目标客户端对应的区块链节点存储于所述预定区块链的。
- 根据权利要求12所述的方法,还包括:利用第二公钥对所述目标对象进行加密,得到第二加密目标对象;其中,所述通过与所述目标客户端对应的区块链节点向所述目标客户端发送所述目标对象,以便向所述目标用户推荐所述目标对象,包括:通过与所述目标客户端对应的区块链节点向所述目标客户端发送所述第二加密目标对象,以便所述目标客户端利用第三私钥对第三加密目标对象进行解密,得到向所述目标用户推荐的目标对象,其中,所述第三加密目标对象是与所述目标客户端对应的区块链节点利用第三公钥经利用第二私钥对所述第二加密目标对象进行解密得到的目标对象进行加密得到的,所述第二公钥和所述第二私钥是与所述目标客户端对应的区块链节点利用第二加密算法处理所述目标用户的用户标识信息生成的,所述第三公钥和所述第三私钥是所述目标客户端是利用第三加密算法处理所述目标用户的用户标识信息生成的。
- 根据权利要求1~3中任一项所述的方法,其中,所述响应于接收到来自目标客户端的目标用户的目标用户行为数据,根据所述目标用户行为数据和与多个候选用户对应的至少一个候选用户行为数据,确定目标对象,包括:响应于直接接收到来自所述目标客户端的目标用户的目标用户行为数据,根据所述目标用户行为数据和与所述多个候选用户对应的至少一个候选用户行为数据,确定所述目标对象;或响应于通过与所述目标客户端对应的区块链节点接收到来自所述目标客户端的目标用户的目标用户行为数据,根据所述目标用户行为数据和与所述多个候选用户对应的至少一个候选用户行为数据,确定所述目标对象。
- 根据权利要求1~3中任一项所述的方法,其中,与所述候选用户行为数据对应的至少一个候选对象包括以下至少一项:与所述候选用户行为数据对应的客户端的客户端属性信息、客户端功能信息和客户端信用信息以及与所述候选用户行为数据对应的物品的物品属性信息。
- 根据权利要求1~3中任一项所述的方法,其中,所述多个区块链节点包括支持代币交易的区块链节点。
- 根据权利要求1~3中任一项所述的方法,其中,所述目标对象包括多个所述候选对象。
- 根据权利要求1~3中任一项所述的方法,还包括:根据与多个时间段各自对应的目标对象,生成对象推荐图;以及向所述目标客户端发送所述对象推荐图,以便向所述目标用户推荐所述对象推荐图。
- 根据权利要求1~3中任一项所述的方法,其中,所述目标用户包括多个;所述响应于接收到来自目标客户端的目标用户的目标用户行为数据,根据所述目标用户行为数据和与多个候选用户对应的至少一个候选用户行为数据,确定目标对象,包括:响应于接收到来自至少一个目标客户端的多个目标用户的目标用户行为数据,对多个所述目标行为数据和与所述多个候选用户对应的至少一个候选用户行为数据进行批量处理,确定多个所述目标用户各自的目标对象;其中,所述向所述目标客户端发送所述目标对象,以便向所述目标用户推荐所述目标对象,包括:向所述至少一个目标客户端发送多个所述目标用户各自的目标对象,以便向多个所述目标用户推荐各自的目标对象。
- 根据权利要求1~3中任一项所述的方法,其中,所述目标用户和所述候选用户中的其中之一包括非注册用户。
- 一种对象推荐方法,应用于区块链网络,所述区块链网络包括多个区块链节点,所述多个区块链节点包括与至少一个个人客户端对应的区块链节点和与至少一个服务客户端对应的区块链节点;所述方法包括:针对所述多个区块链节点中的每个区块链节点,响应于接收到来自与所述区块链节点对应的客户端的至少一个候选用户的数据上链请求,对至少一个所述数据上链请求进行解析,得到与所述至少一个候选用户对应的候选用户行为数据;对与所述至少一个候选用户对应的候选用户行为数据进行处理,生成与至少一个所述候选用户行为数据对应的区块;以及将至少一个所述区块存储于预定区块链,以便服务器向目标客户端发送向所述目标用户推荐的目标对象,其中,所述目标对象是所述服务器根据目标用户行为数据和与多个所述候选用户对应的至少一个候选用户行为数据确定的,所述目标用户行为数据是所述服务器接收到的来自目标客户端的目标用户的用户行为数据。
- 根据权利要求22所述的方法,还包括:响应于接收到来自与所述区块链节点对应的客户端的新候选用户的数据上链请求,对所述新候选用户的数据上链请求进行解析,得到与所述新候选用户对应的候选用户行为数据;对与所述新候选用户对应的候选用户行为数据进行处理,生成与所述新候选用户的候选用户行为数据对应的区块;以及根据与所述新候选用户的候选用户行为数据对应的区块对所述预定区块链进行更新。
- 根据权利要求22或23所述的方法,还包括:与所述目标客户端对应的区块链节点响应于接收到来自所述目标客户端的第一公钥,将所述第一公钥存储于所述预定区块链,以便所述服务器利用所述第一公钥对所述目标对象进行加密,得到第一加密目标对象,其中,所述第一公钥是所述目标客户端利用第一加密算法处理所述目标用户的用户标识信息生成的。
- 根据权利要求22或23所述的方法,还包括:与所述目标客户端对应的区块链节点响应于接收到来自所述服务器的第二加密目标对象,利用第二私钥对所述第二加密目标对象进行解密,得到所述目标对象,其中,所述第二加密目标对象是所述服务器利用第二公钥对所述目标对象进行加密得到的;利用第三公钥对所述目标对象进行加密,得到第三加密目标对象;以及向所述目标客户端发送所述第三加密目标对象,以便所述目标客户端利用第三私钥对所述第三加密目标对象进行解密,得到向所述目标用户推荐的目标对象,其中,所述第二公钥和所述第二私钥是所述区块链节点利用第二加密算法处理所述目标用户的用户标识信息生成的,所述第三公钥和所述第三私钥是所述目标客户端是利用第三加密算法处理所述目标用户的用户标识信息生成的。
- 根据权利要求22或23所述的方法,还包括:与所述目标客户端对应的区块链节点响应于接收到来自所述目标客户端的目标用户的目标用户行为数据,向所述服务器发送所述目标用户行为数据。
- 根据权利要求22或23所述的方法,还包括:与所述目标客户端对应的区块链节点响应于接收到来自所述目标客户端的目标用户的推荐反馈数据,设置反馈维度,以便向所述候选用户行为数据的维度中添加所述反馈维度。
- 根据权利要求27所述的方法,还包括:根据所述推荐反馈数据,确定与所述目标对象对应的候选用户的候选用户行为数据中的反馈维度的数据。
- 根据权利要求27所述的方法,还包括:根据所述推荐反馈数据,更新与所述目标对象对应的候选用户的奖励信息。
- 根据权利要求22或23所述的方法,其中,所述对与所述至少一个候选用户对应的候选用户行为数据进行处理,生成与至少一个所述候选用户行为数据对应的区块,包括:针对所述至少一个候选用户中的每个候选用户,在根据与所述候选用户对应的用户标识信息确定所述预定区块链中存在与所述用户标识信息对应的区块的情况下,对与所述候选用户对应的候选用户行为数据进行处理,生成与所述候选用户行为数据对应的区块。
- 根据权利要求22或23所述的方法,还包括:确定与同一用户标识信息对应的候选用户的区块;根据与同一用户标识信息对应的候选用户的区块,生成与所述用户标识信息对应的用户画像集;以及向与所述用户标识信息对应的客户端发送所述用户画像集,以便与所述用户标识信息对应的候选用户获取到所述用户画像集。
- 根据权利要求31所述的方法,还包括:可视化展示所述用户画像集。
- 根据权利要求22或23所述的方法,其中,所述将至少一个所述区块存储于预定区块链,包括:批量将至少一个所述区块存储于预定区块链。
- 一种对象推荐方法,包括:针对与区块链网络中多个区块链节点各自对应的客户端,响应于检测到针对与所述客户端对应的至少一个候选用户的数据上链操作被触发,得到与所述至少一个候选用户对应的候选用户行为数据;根据与所述至少一个候选用户对应的候选用户行为数据,生成与所述至少一个候选用户对应的数据上链请求;以及向与所述客户端对应的区块链节点发送至少一个所述数据上链请求,以便所述区块链节点利用至少一个所述数据上链请求生成与至少一个所述候选用户行为数据对应的区块,将至少一个所述区块存储于预定区块链,以便服务器向目标客户端发送向目标用户推荐的目标对象,其中,所述目标对象是所述服务器根据目标用户行为数据和与多个候选用户对应的至少一个候选用户行为数据确定的,所述目标用户行为数据是所述服务器接收到的来自目标客户端的目标用户的用户行为数据。
- 根据权利要求34所述的方法,还包括:针对与所述目标用户对应的目标客户端,利用第一加密算法处理与所述目标用户的用户标识信息,生成第一公钥和第一私钥;向与所述目标客户端对应的区块链节点发送所述第一公钥,以便与所述目标客户端对应的区块链节点将所述第一公钥存储于所述预定区块链;以及响应于接收到来自所述服务器的第一加密目标对象,利用所述第一私钥对所述第一加密目标对象进行解密,得到向所述目标客户端推荐的目标对象,其中,所述第一加密目标对象是所述服务器利用所述第一公钥对所述目标对象进行加密得到的。
- 根据权利要求34所述的方法,还包括:针对与所述目标用户对应的目标客户端,利用第三加密算法处理所述目标用户的用户标识信息,生成第三公钥和第三私钥;向与所述目标客户端对应的区块链节点发送所述第三公钥,以便与所述目标客户端对应的区块链节点利用所述第三公钥对所述目标对象进行加密,得到第三加密目标对象,其中,所述目标对象是与所述目标客户端对应的区块链节点利用第二私钥对第二加密目标对象进行解密得到的,所述第二加密目标对象是所述服务器利用第二公钥对所述目标对象进行加密得到的;以及响应于接收到来自与所述目标客户端对应的区块链节点的第三加密目标对象,利用所述第三私钥对所述第三加密目标对象进行解密,得到向所述目标用户推荐的目标对象。
- 根据权利要求34~36中任一项所述的方法,还包括:响应于检测到针对与所述客户端对应的新候选用户的数据上链操作被触发,得到与所述新候选用户的对应的候选用户行为数据;根据与所述新候选用户对应的候选用户行为数据,生成所述新候选用户的数据上链请求;以及向与所述客户端对应的区块链节点发送所述新候选用户的数据上链请求,以便与所述客户端对应的区块链节点利用对所述新候选用户的数据上链请求进行处理得到的新候选用户的候选用户行为数据,对所述预定区块链进行更新。
- 根据权利要求34~36中任一项所述的方法,还包括:响应于检测到数据上链操作被触发,确定数据优化方式;根据所述数据优化方式,生成数据优化请求;以及向所述服务器发送数据优化请求,以便所述服务器根据所述数据优化请求指示的数据优化方式,对所述目标用户行为数据和与所述多个候选用户对应的至少一个候选用户行为数据进行优化。
- 根据权利要求34~36中任一项项所述的方法,还包括:与所述目标用户对应的目标客户端响应于接收到来自所述目标用户的推荐反馈数据,向与所述目标客户端对应的区块链节点发送所述推荐反馈数据,以便与所述目标客户端对应的区块链节点根据所述目标用户的推荐反馈数据,设置反馈维度,以便向所述候选用户行为数据的维度中添加所述反馈维度。
- 一种对象推荐装置,包括:第一确定模块,被配置为响应于接收到来自目标客户端的目标用户的目标用户行为数据,根据所述目标用户行为数据和与多个候选用户对应的至少一个候选用户行为数据,确定目标对象;以及第一发送模块,被配置为向所述目标客户端发送所述目标对象,以便向所述目标用户推荐所述目标对象,其中,每个所述候选用户行为数据被存储于预定区块链,每个所述候选用户行为数据与区块链网络中的多个区块链节点中的至少一个区块链节点相对应,每个所述候选用户行为数据用于表征候选用户对至少一个候选对象的偏好度。
- 一种对象推荐装置,设置于区块链网络,所述区块链网络包括多个区块链节点,所述多个区块链节点包括与至少一个个人客户端对应的区块链节点和与至少一个服务客户端对应的区块链节点;所述装置包括:第一获得模块,被配置为针对所述多个区块链节点中的每个区块链节点,响应于接收到来自与所述区块链节点对应的客户端的至少一个候选用户的数据上链请求,对至少一个所述数据上链请求进行解析,得到与所述至少一个候选用户对应的候选用户行为数据;第一生成模块,被配置为对与所述至少一个候选用户对应的候选用户行为数据进行处理,生成与至少一个所述候选用户行为数据对应的区块;以及第一存储模块,被配置为将至少一个所述区块存储于预定区块链,以便服务器向目标客户端发送向所述目标用户推荐的目标对象,其中,所述目标对象是所述服务器根据目标用户行为数据和与多个所述候选用户对应的至少一个候选用户行为数 据确定的,所述目标用户行为数据是所述服务器对响应于接收到的来自目标客户端的目标用户的用户行为数据。
- 一种对象推荐装置,包括:第二获得模块,被配置为针对与区块链网络中多个区块链节点各自对应的客户端,响应于检测到针对与所述客户端对应的至少一个候选用户的数据上链操作被触发,得到与所述至少一个候选用户对应的候选用户行为数据;第二生成模块,被配置为根据与所述至少一个候选用户对应的候选用户行为数据,生成与所述至少一个候选用户对应的数据上链请求;以及第二发送模块,被配置为向与所述客户端对应的区块链节点发送至少一个所述数据上链请求,以便所述区块链节点利用至少一个所述数据上链请求生成与至少一个所述候选用户行为数据对应的区块,将至少一个所述区块存储于预定区块链,以便服务器向目标客户端发送向目标用户推荐的目标对象,其中,所述目标对象是所述服务器根据目标用户行为数据和与多个候选用户对应的至少一个候选用户行为数据确定的,所述目标用户行为数据是所述服务器接收到的来自目标客户端的目标用户的用户行为数据。
- 一种电子设备,包括:一个或多个处理器;存储器,被配置为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实现权利要求1~39中任一项所述的方法。
- 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实现权利要求1~39中任一项所述的方法。
- 一种计算机程序产品,所述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用于实现权利要求1~39中任一项所述的方法。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210046031.5A CN114398553A (zh) | 2022-01-14 | 2022-01-14 | 对象推荐方法、装置、电子设备以及存储介质 |
CN202210046031.5 | 2022-01-14 |
Publications (1)
Publication Number | Publication Date |
---|---|
WO2023134496A1 true WO2023134496A1 (zh) | 2023-07-20 |
Family
ID=81230908
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
PCT/CN2023/070065 WO2023134496A1 (zh) | 2022-01-14 | 2023-01-03 | 对象推荐方法、装置、电子设备以及存储介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN114398553A (zh) |
WO (1) | WO2023134496A1 (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114398553A (zh) * | 2022-01-14 | 2022-04-26 | 北京京东方技术开发有限公司 | 对象推荐方法、装置、电子设备以及存储介质 |
CN114612109B (zh) * | 2022-05-10 | 2022-08-19 | 武汉龙津科技有限公司 | 一种基于区块链的数字藏品生成方法、系统及电子设备 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109768987A (zh) * | 2019-02-26 | 2019-05-17 | 重庆邮电大学 | 一种基于区块链的数据文件安全隐私存储和分享方法 |
US20210157938A1 (en) * | 2018-05-10 | 2021-05-27 | Netease (Hangzhou) Network Co., Ltd. | Methods, media, apparatuses and computing devices of user data authorization based on blockchain |
CN113220734A (zh) * | 2021-05-13 | 2021-08-06 | 平安普惠企业管理有限公司 | 课程推荐方法、装置、计算机设备及存储介质 |
CN113434771A (zh) * | 2021-07-09 | 2021-09-24 | 中国银行股份有限公司 | 基于区块链的金融资讯推荐方法及区块链中的参与方节点 |
CN113643103A (zh) * | 2021-08-31 | 2021-11-12 | 平安医疗健康管理股份有限公司 | 基于用户相似度的产品推荐方法、装置、设备及存储介质 |
CN114398553A (zh) * | 2022-01-14 | 2022-04-26 | 北京京东方技术开发有限公司 | 对象推荐方法、装置、电子设备以及存储介质 |
-
2022
- 2022-01-14 CN CN202210046031.5A patent/CN114398553A/zh active Pending
-
2023
- 2023-01-03 WO PCT/CN2023/070065 patent/WO2023134496A1/zh active Application Filing
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20210157938A1 (en) * | 2018-05-10 | 2021-05-27 | Netease (Hangzhou) Network Co., Ltd. | Methods, media, apparatuses and computing devices of user data authorization based on blockchain |
CN109768987A (zh) * | 2019-02-26 | 2019-05-17 | 重庆邮电大学 | 一种基于区块链的数据文件安全隐私存储和分享方法 |
CN113220734A (zh) * | 2021-05-13 | 2021-08-06 | 平安普惠企业管理有限公司 | 课程推荐方法、装置、计算机设备及存储介质 |
CN113434771A (zh) * | 2021-07-09 | 2021-09-24 | 中国银行股份有限公司 | 基于区块链的金融资讯推荐方法及区块链中的参与方节点 |
CN113643103A (zh) * | 2021-08-31 | 2021-11-12 | 平安医疗健康管理股份有限公司 | 基于用户相似度的产品推荐方法、装置、设备及存储介质 |
CN114398553A (zh) * | 2022-01-14 | 2022-04-26 | 北京京东方技术开发有限公司 | 对象推荐方法、装置、电子设备以及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN114398553A (zh) | 2022-04-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20220100825A1 (en) | System & Method for Implementing User Watermarks | |
US10085073B2 (en) | Targeting TV advertising slots based on consumer online behavior | |
US20190279241A1 (en) | Content-based mining via blockchain | |
WO2023134496A1 (zh) | 对象推荐方法、装置、电子设备以及存储介质 | |
US20080270248A1 (en) | System and device for social shopping on-line | |
US20220414671A1 (en) | Systems and methods of providing security in an electronic network | |
US20140032267A1 (en) | User controlled system and method for collecting, pricing, and trading data | |
US20140032306A1 (en) | System and method for real-time search re-targeting | |
US11323544B2 (en) | Hierarchical data exchange management system | |
Miglani et al. | Blockchain management and machine learning adaptation for IoT environment in 5G and beyond networks: A systematic review | |
US20140324447A1 (en) | Targeting online ads based on healthcare demographics | |
CA3115216C (en) | Methods, systems, and media for data anonymization | |
US11593515B2 (en) | Platform for management of user data | |
JP2016505941A (ja) | モバイル・アプリケーションにおけるターゲット設定された情報アイテム | |
US20210133875A1 (en) | Comprehensive buying, selling, trading, tracking, verification, validation, tokenization and financial services using blockchain | |
Krämer et al. | The role of data for digital markets contestability: case studies and data access remedies | |
Xu et al. | An efficient supply chain architecture based on blockchain for high-value commodities | |
US20150221024A1 (en) | Data bidding system and method | |
US10692120B2 (en) | System, method, and computer-readable storage medium for determining a trust circle through machine learning | |
WO2019084345A1 (en) | MCART: DEMOCRATIZING INFLUENTIAL MARKETING ON A BLOCKCHAIN | |
US20230368259A1 (en) | Distributable crowdsourcable commission methods and systems | |
US20220114638A1 (en) | Dynamically updating ecommerce basket | |
US20240144248A1 (en) | Systems and methods for network modelled data | |
US20240086897A1 (en) | Hybrid organizational system for data management and tracking | |
Micova | Jan Krämer Daniel Schnurr |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
121 | Ep: the epo has been informed by wipo that ep was designated in this application |
Ref document number: 23739840 Country of ref document: EP Kind code of ref document: A1 |
|
WWE | Wipo information: entry into national phase |
Ref document number: 18552269 Country of ref document: US |