CN106776697A - 内容推荐方法及装置 - Google Patents

Abstract

本申请实施例提供一种内容推荐方法及装置。内容推荐方法包括：从目标用户的多种网络行为数据中，提取目标用户的兴趣内容；根据兴趣内容，分析目标用户对候选内容的兴趣度；根据兴趣度，从候选内容中选择目标内容；向目标用户推荐目标内容。采用本申请实施例提供的方法，使得所推荐的内容针对性更强，符合用户需求的概率更高，可以提高用户对推荐行为的体验度，有利于激发用户兴趣，达到推荐目的。

Description

内容推荐方法及装置

技术领域

本申请涉及互联网技术领域，尤其涉及一种内容推荐方法及装置。

背景技术

随着互联网技术的发展，基于互联网的应用越来越多。为了提高应用的知名度以及更好地服务用户，向用户推荐内容已经成为应用的一项重要功能。

现有推荐方式更多的是按照某个标准，例如用户性别、设定的爱好标签或者运营需求等，向用户推荐内容。

发明内容

在按照现有推荐方式做内容推荐的过程中，发明人发现：现有内容推荐方式的效果不是很理想，不能达到预期效果。

经过初步分析研究，发明人发现导致推荐效果不理想的重要原因是：所推荐的内容针对性较差，不是用户真正感兴趣的，无法激发用户的兴趣点。因为不是用户感兴趣的内容，所以用户不会关注或者会直接删除所推荐的内容，更甚者，会直接关闭或屏蔽应用的推荐功能。

经过进一步分析研究，发明人发现现有应用在做推荐时更多关注的是推荐需求和目的，而很少关注用户需求和感受，所以导致推荐内容无法激发用户的兴趣点，无法达到推荐目的。

如果能够在满足推荐需求的同时，结合用户兴趣和感受进行内容推荐，这会极大地提高推荐效果。但如何在推荐过程中考虑用户兴趣和感受成为需要解决的问题。

经过研究发明人发现：用户已发生的网络行为在一定程度上，体现了用户的兴趣偏好，因此可基于用户的网络行为数据，确定用户感兴趣的内容；进而，基于用户感兴趣的内容，去分析用户对其它内容的兴趣度；基于用户对其它内容的兴趣度，向用户推荐内容。该推荐方式从用户的兴趣出发，使得所推荐的内容针对性更强，符合用户需求的概率更高，可以提高用户对推荐行为的体验度，有利于激发用户兴趣，达到推荐目的。

基于上述分析，本申请实施例提供一种内容推荐方法，包括：

从目标用户的多种网络行为数据中，提取目标用户的兴趣内容；

根据所述兴趣内容，分析所述目标用户对候选内容的兴趣度；

根据所述兴趣度，从所述候选内容中选择目标内容；

向所述目标用户推荐所述目标内容。

可选的，所述兴趣度的分析步骤，包括：

分析所述候选内容与所述兴趣内容的特征关联度；

根据所述特征关联度，确定所述目标用户对所述候选内容的兴趣度。

可选的，所述特征关联度的分析步骤，包括：

从所述兴趣内容中，提取所述目标用户的兴趣特征集合；

为所述兴趣特征集合中的每个兴趣特征配置权重；

分析所述兴趣特征集合中与所述候选内容关联的兴趣特征；

根据与所述候选内容关联的兴趣特征的权重，获得所述特征关联度。

可选的，所述权重的配置步骤，包括：

根据所述兴趣特征的点击量，为所述兴趣特征配置权重。

可选的，所述与所述候选内容关联的兴趣特征的分析步骤，包括：

提取所述候选内容中的特征，作为所述候选特征；

将所述候选特征在所述兴趣特征集合中匹配；

获取所述候选特征匹配中的兴趣特征。

可选的，所述目标内容的选择步骤，包括：

根据所述兴趣度，从所述候选内容中，多元化地选择所述目标内容。

可选的，所述目标内容的推荐步骤，包括：

以聚合方式，向所述目标用户推荐所述多元化选择的目标内容。

可选的，在分析所述兴趣度之前，还包括：

直接将平台数据库中的内容，作为所述候选内容；和/或

根据所述目标用户的相似用户感兴趣的内容，确定所述候选内容。

可选的，所述方法还包括：

分析用户集合中各用户感兴趣的内容与所述兴趣内容之间的相似度；

根据所述相似度，从所述用户集合中获取所述目标用户的相似用户。

可选的，所述候选内容的确定步骤，包括：

提取所述相似用户感兴趣的内容中的特征，作为相似特征；

从所述兴趣内容中，提取所述目标用户的兴趣特征集合；

获取所述相似特征中不属于所述兴趣特征集合的区别特征；

从所述相似用户的网络行为数据或平台数据库中，获取具有所述区别特征的内容，作为所述候选内容。

相应地，本申请实施例还提供一种内容推荐装置，包括：

提取模块，用于从目标用户的多种网络行为数据中，提取所述目标用户的兴趣内容；

分析模块，用于根据所述兴趣内容，分析所述目标用户对候选内容的兴趣度；

选择模块，用于根据所述兴趣度，从所述候选内容中选择目标内容；

推荐模块，用于向所述目标用户推荐所述目标内容。

可选的，所述分析模块包括：

分析单元，用于分析所述候选内容与所述兴趣内容的特征关联度；

确定单元，用于根据所述特征关联度，确定所述目标用户对所述候选内容的兴趣度。

可选的，所述分析单元具体用于：

从所述兴趣内容中，提取所述目标用户的兴趣特征集合；

为所述兴趣特征集合中的每个兴趣特征配置权重；

分析所述兴趣特征集合中与所述候选内容关联的兴趣特征；

根据与所述候选内容关联的兴趣特征的权重，获得所述特征关联度。

可选的，所述选择模块具体用于：

根据所述兴趣度，从所述候选内容中，多元化地选择所述目标内容。

可选的，所述推荐模块具体用于：

以聚合方式，向所述目标用户推荐所述多元化选择的目标内容。

可选的，所述装置还包括：

确定模块，用于直接获取平台数据库中的内容，作为所述候选内容；和/或，根据所述目标用户的相似用户感兴趣的内容，确定所述候选内容。

可选的，所述确定模块具体用于：

提取所述相似用户感兴趣的内容中的特征，作为相似特征；

从所述兴趣内容中，提取所述目标用户的兴趣特征集合；

获取所述相似特征中不属于所述兴趣特征集合的区别特征；

从所述相似用户的网络行为数据或平台数据库中，获取具有所述区别特征的内容，作为所述候选内容。

在本申请实施例中，基于用户的多种网络行为数据，确定用户感兴趣的内容；进而，基于用户感兴趣的内容，去分析用户对候选内容的兴趣度；基于用户对候选内容的兴趣度，向用户推荐内容。这种推荐方式从用户的兴趣出发，使得所推荐的内容针对性更强，符合用户需求的概率更高，可以提高用户对推荐行为的体验度，有利于激发用户兴趣，达到推荐目的。

附图说明

此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：

图1为本申请一实施例提供的内容推荐方法的流程示意图；

图2为本申请另一实施例提供的内容推荐方法的流程示意图；

图3为本申请又一实施例提供的内容推荐方法的流程示意图；

图4为本申请又一实施例提供的内容推荐装置的结构示意图；

图5为本申请又一实施例提供的内容推荐装置的流程示意图。

具体实施方式

为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

图1为本申请一实施例提供的内容推荐方法的流程示意图。如图1所示，该方法包括：

101、从目标用户的多种网络行为数据中，提取目标用户的兴趣内容。

102、根据所述兴趣内容，分析目标用户对候选内容的兴趣度。

103、根据所述兴趣度，从候选内容中选择目标内容。

104、向目标用户推荐所述目标内容。

在互联网时代，用户通过其终端会产生多种网络行为，例如浏览、购买、关注、加购物车、订阅等网络行为。经过研究，发明人发现：这些网络行为产生的数据(简称为网络行为数据)一定程度上可以体现用户的兴趣偏好。例如，用户经常浏览或购买某一商品，说明用户对该商品可能比较感兴趣；又例如，用户订阅或经常浏览生活休闲类文章，说明用户对这些文章比较感兴趣；又例如，用户关注某店铺，说明对该店铺经营的商品比较感兴趣，等等。

基于上述发现，本实施例提供一种内容推荐方法。为便于描述和区分，本实施例以目标用户为例，说明本实施例提供的内容推荐方法的流程。所述目标用户可以是任何用户。

当需要向目标用户推荐内容时，可以获取与目标用户相关的多种网络行为数据，分析所获取的网络行为数据，从中提取目标用户感兴趣的内容(简称为兴趣内容)。

在本实施例中，并不直接根据目标用户的兴趣内容，向目标用户推荐相似的内容，因为目标用户不一定对兴趣内容的相似内容感兴趣，如果直接将兴趣内容的相似内容推荐给目标用户，有可能给目标用户造成干扰，降低目标用户对应用的使用体验度，无法达到推荐目的。

在本实施例中，根据目标用户的兴趣内容，分析目标用户对候选内容的兴趣度，再根据兴趣度，从候选内容中选择目标内容，向目标用户推荐所选择的目标内容。本实施例从目标用户的兴趣出发，使得所推荐的内容针对性更强，符合用户需求的概率更高，有利于降低推荐行为给用户带来干扰的概率，可以提高用户对推荐行为的体验度，有利于激发用户兴趣，达到推荐目的。

在上述实施例或下述实施例中，采用多种网络行为数据，可以更加全面、准确地提取目标用户的兴趣内容。所述网络行为数据的种类不限于：订阅、购买、浏览、关注、加购物车、支付、下载等等。其中，每种网络行为数据包括但不限于：网络行为涉及的对象(例如商品、文章、评论、电影、音乐、店铺等)、网络行为对应的用户信息、网络行为发生的时间、网络行为发生的地点、网络行为的性质、网络行为所在终端设备的信息等等。

可选的，可以使用目标用户产生的部分网络行为数据，例如可以使用目标用户在指定时间段内产生的各种网络行为数据，例如，在最近一个月或一星期内产生的各种网络行为数据。或者，可以使用目标用户的所有可获取到的网络行为数据。

可选的，可以单独地分析每种网络行为数据，从中提取目标用户的兴趣内容。例如，分析目标用户的购买行为，假设目标用户近期购买了电视、冰箱、洗衣机等家电，则可以提取目标用户的兴趣内容为家电。例如，分析目标用户的订阅行为，假设目标用户订阅了食品保健类文章，可以提取目标用户的兴趣内容为食品保健类文章。例如，分析目标用户的浏览行为，假设目标用户近期频繁浏览菜谱，可以提取目标用户的兴趣内容为菜谱。这种方式可以更加广泛、全面的提取目标用户的兴趣内容。或者

可选的，可以关联地分析多种网络行为数据，从中提取目标用户的兴趣内容。例如，关联地分析目标用户的浏览行为、购买行为以及关注行为，假设目标用户近期频繁浏览长筒靴，并且近期购买了棉靴，同时关注了销售长靴的品牌店铺，可提取目标用户的兴趣内容为长筒靴或棉靴。例如，关联地分析目标用户的浏览行为、购买行为以及订阅行为，假设目标用户近期频繁浏览菜谱，并且近期购买了生鲜，同时订阅了美食故事等文章，可以提取目标用户的兴趣内容为美食或菜谱等。这种方式可以提高所提取的兴趣内容的精确度。

在上述实施例或下述实施例中，在根据兴趣内容，分析目标用户对候选内容的兴趣度的过程中，可以结合具体应用场景。根据不同应用场景，兴趣度的分析方式可能有所不同。

可选的，在一些应用场景中，目标用户可能会对内容详情相似的内容感兴趣。因此，可基于目标用户对兴趣内容的兴趣，分析候选内容与兴趣内容在内容详情上的相似度，候选内容与兴趣内容在内容详情上相似度越高，意味着目标用户对候选内容的兴趣度也就越高。则根据兴趣内容，分析目标用户对候选内容的兴趣度可以是：分析候选内容与兴趣内容的详情相似度，根据详情相似度，确定目标用户对候选内容的兴趣度。

可选的，在一些应用场景中，目标用户可能更关注两个内容在某特征上的关联性。例如，假设目标用户购买了生鲜，可能会对与生鲜相关的菜谱或文章感兴趣。又例如，假设目标用户浏览了食品保健类百科，可能会对该食品保健类百科介绍的相关保健品感兴趣。因此，可基于目标用户对兴趣内容的兴趣，分析候选内容与兴趣内容在特征上的关联度，候选内容与兴趣内容在特征上的关联度越高，意味着目标用户对候选内容的兴趣度也就越高。则根据兴趣内容，分析目标用户对候选内容的兴趣度可以是：分析候选内容与兴趣内容的特征关联度；根据特征关联度，确定目标用户对候选内容的兴趣度。

值得说明的是，在分析特征关联度时，并不限定特征类型，可视具体应用场景和应用需求而定。

例如，可以分析候选内容和兴趣内容在功能特征上的关联度。所述功能特征主要是指内容具有什么功能，或者能用来做什么。例如，生鲜可用来做美食，食谱可用来指导做美食，两者在功能特征上具有一定关联。基于此，如果目标用户购买了生鲜，可以向目标用户推荐与生鲜有关的食谱。

又例如，可以分析候选内容和兴趣内容在所属类别特征上的关联度。所述类别特征主要是指内容所属的类别或类目。例如，在外卖***中，甜点属于下午茶类别，饮品也属于下午茶类别，两者在类别特征上具有一定关联度(这里是相同)。基于此，如果目标用户购买了甜点，可以向目标用户推荐饮品。

又例如，可以分析候选内容和兴趣内容在所属主题特征上的关联度。所述主题特征主要是指内容涉及的主题场景或主题类型。例如，以外卖***中的餐厅为例，可能涉及儿童主题餐厅、成人主题餐厅、广式茶餐厅、港式茶餐厅等。又例如，以电子商务领域中的商品为例，可能涉及婚庆主题、户外主题、家电主题等。

又例如，可以分析候选内容和兴趣内容在详情特征上的关联度。所述详情特征主要是指内容的详情。

在上述实施例或下述实施例中，分析候选内容与兴趣内容的特征关联度可以是：从兴趣内容中，提取目标用户的兴趣特征集合；为兴趣特征集合中的每个兴趣特征配置权重；分析兴趣特征集合中与候选内容关联的兴趣特征；根据与候选内容关联的兴趣特征的权重，获得特征关联度。

在上述特征关联度分析方案的基础上，本申请另一实施例提供一种内容推荐方法，其流程如图2所示，包括：

201、从目标用户的多种网络行为数据中，提取目标用户的兴趣内容。

202、从兴趣内容中，提取目标用户的兴趣特征集合。

203、为兴趣特征集合中的每个兴趣特征配置权重。

204、分析兴趣特征集合中与候选内容关联的兴趣特征。

205、根据与候选内容关联的兴趣特征的权重，获得候选内容与兴趣内容的特征关联度。

206、根据特征关联度，确定目标用户对候选内容的兴趣度。

207、根据兴趣度，从候选内容中选择目标内容。

208、向目标用户推荐目标内容。

参见步骤201，可以获取目标用户的多种网络行为数据，从中提取目标用户的兴趣内容，具体描述可参见前述实施例，在此不再赘述。

继续参见步骤202，基于步骤201提取到的兴趣内容，提取目标用户的兴趣特征集合。

可选的，在本实施例或下述实施例中，可以单独地从每个兴趣内容中，提取目标用户的兴趣特征，形成目标用户的兴趣特征集合。其中，可以提取兴趣内容具有的特征，作为目标用户的兴趣特征。举例说明：假设目标用户的兴趣内容包括慕斯蛋糕和食品保健类百科，则可以从慕斯蛋糕这一兴趣内容中，提取慕斯、蛋糕或甜点作为目标用户的兴趣特征，可以从食品保健类百科这一兴趣内容中，提取保健品或保健作为目标用户的兴趣特征，从而形成包括慕斯、蛋糕或甜点、保健品或保健的兴趣特征集合。

可选的，在本实施例或下述实施例中，可以关联地从兴趣内容中，提取目标用户的兴趣特征，形成目标用户的兴趣特征集合。例如，所述关联地提取兴趣特征集合的方式可以是：按照某个标准，将兴趣内容归类；针对同一类中的兴趣内容，提取在该类兴趣内容中出现频率最高的特征，作为目标用户的兴趣特征。又例如，所述关联地提取兴趣特征集合的方式可以是：分别从提取每个兴趣内容的特征，统计所提取到的特征在兴趣内容中出现的频率，按照频率选择符合要求(例如频率大于预设阈值，或者频率排名在指定百分比之前)的特征，作为目标用户的兴趣特征。举例说明：假设目标用户的兴趣内容包括宝宝退热贴、儿童健康知识百科、儿童食谱、保健器材等，则可以关联地分析这些兴趣内容，从中提取儿童、药品、保健等作为目标用户感兴趣的特征。

继续参见步骤203，为步骤202提取到的兴趣特征集合中的兴趣特征配置权重。可选的，在本实施例或下述实施例中，为兴趣特征配置权重可以是：获取该兴趣特征的点击量；根据其点击量，为兴趣特征配置权重。一般来说，兴趣特征的点击量越高，其权重越大。可选的，兴趣特征的点击量可以是兴趣特征在应用平台上的点击量，应用平台可以直接统计出兴趣特征的点击量。或者，兴趣特征的点击量可以是兴趣特征在搜索引擎上的点击量。对于这种情况，可以通过搜索引擎提供的接口，从搜索引擎上获取该兴趣特征的点击量。

继续参见步骤204，基于步骤202提取到的兴趣特征集合，分析与候选内容关联的兴趣特征。

可选的，在本实施例或下述实施例中，可以将兴趣特征集合中与候选内容具有的特征相同的兴趣特征，作为与候选内容关联的兴趣特征。例如，可以逐个获取兴趣特征集合中的兴趣特征；判断所获取的兴趣特征是否属于候选内容具有的特征；如果属于，则确定所获取的兴趣特征是与候选内容关联的兴趣特征。或者，可以提取候选内容中的特征，作为候选特征；将候选特征在兴趣特征集合中匹配；获取候选特征匹配中的兴趣特征，作为与候选内容关联的兴趣特征。

可选的，在本实施例或下述实施例中，还可以将兴趣特征集合中与候选内容具有的特征具有关联关系的兴趣特征，作为与候选内容相关的特征。例如，假设兴趣特征集合中的某兴趣特征为食材，候选内容具有的特征是食谱，则食材与食谱具有关联关系，所以食材属于与候选内容相关的兴趣特征。

可选的，在本实施例或下述实施例中，还可以分析兴趣特征集合中各兴趣特征与候选内容具有的特征之间的相似度，将相似度高于阈值的兴趣特征作为与候选内容相关的兴趣特征。例如，假设兴趣特征集合中的某兴趣特征为进口零食，候选内容具有的特征是小零食，则进口零食与小零食的相似度极高，所以进口零食属于与候选内容相关的兴趣特征。

在此说明，本实施例并不限定上述步骤203和步骤204的执行顺序，除了先执行步骤203再执行步骤204之外，还可以并行执行步骤203和步骤204，或者也可以先执行步骤204，再执行步骤203。

继续参见步骤205，基于步骤203中配置的权重和步骤204获得的与候选内容关联的兴趣特征，计算候选内容与兴趣内容的特征关联度。

可选的，在本实施例或下述实施例中，获得特征关联度可以是：将与候选内容相关的兴趣特征的权重相加，将相加结果作为候选内容与兴趣内容的特征关联度，但并不限于相加这种方式。例如，还可以将与候选内容相关的兴趣特征的权重作为预设多项式的系数，按照预设多项式计算获得特征相关度。

继续参见步骤206，基于步骤205获得的特征关联度，确定目标用户对候选内容的兴趣度。可选的，在本实施例或其它实施例中，根据特征关联度，确定目标用户对候选内容的兴趣度，可以是：将特征关联度，直接作为目标用户对候选内容的兴趣度；或者，将特征关联度乘以候选内容对应的系数，作为目标用户对候选内容的兴趣度；或者将特征关联度作为候选内容对应的计算公式中的参数(例如指数)，按照计算公式计算出目标用户对候选内容的兴趣度，等等。

继续参见步骤207和208，基于步骤206确定的兴趣度，从候选内容中选择可以推荐给目标用户的内容(即目标内容)，并将目标内容推荐给目标用户。

可选的，在本实施例或其它实施例中，可以按照兴趣度高低，从候选内容中选择目标内容。例如，可以将候选内容的兴趣度与阈值进行比较，将兴趣度高于阈值的候选内容作为目标内容。或者，可以按照兴趣度由高到低的顺序，对候选内容进行排名，获取排名最靠前的一个或多个候选内容作为目标内容。或者，可以按照兴趣度由高到低的顺序，对候选内容进行排名，按照排名顺序选取一定比例(例如前百分之五、百分之十五等)的候选内容作为目标内容。或者，可以按照兴趣度，选择兴趣度位于指定范围内的候选内容作为目标内容。

可选的，在本实施例或其它实施例中，为了能够更加全面的覆盖目标用户的兴趣点，在根据兴趣度，从候选内容中选择目标内容的过程中，可以多元化地选择目标内容。所述多元化主要是指在满足兴趣度要求的同时，尽量选择不同类别的内容。这样可以向用户推荐多种不同类别的内容，能够更大程度满足目标用户的需求，提高目标用户对应用平台的体验度，有利于激发目标用户自发地将应用推荐到自己的社交，增加应用的用户流量。

可选的，基于上述多元化选择的目标内容，考虑不同内容的实现形式不同，为了简化推荐操作，可以通过单独的信息或页面，将不同目标内容分别推荐给目标用户。

可选的，基于上述多元化选择的目标内容，为了避免多次推荐给目标用户造成干扰，可以以聚合方式，向目标用户推荐所述多元化选择的目标内容。例如，可以将多元化选择的目标内容聚合到同一信息或页面中，推荐给目标用户。

由此可见，上述实施例从用户的兴趣出发，使得所推荐的内容针对性更强，符合用户需求的概率更高，可以提高用户对推荐行为的体验度，有利于激发用户兴趣，达到推荐目的。

在上述实施例或下述实施例中，目标内容来自于候选内容，因此需要确定候选内容。

在一可选实施方式中，可以直接将平台数据库中的内容，作为候选内容。即基于平台数据库中的内容做推荐，这种方式实现简单，推荐效率较高。

在另一可选实施方式中，可以根据相似用户感兴趣的内容，确定候选内容。即基于相似用户做推荐，有利于向用户推荐更加符合其需求的内容，提高推荐的准确性。

在又一可选实施例方式中，可以根据应用发展状况，结合平台数据库和相似用户，确定候选内容。例如，在应用初期(即冷启动阶段)，用户量相对较少，可以基于平台数据库中的内容做推荐；当用户量积累到一定程度时，可基于相似用户做推荐。将上述两种方案结合使用，有利于提高推荐方案的灵活性，可以更加有针对性的向用户推荐内容，使得所推荐的内容更加符合用户需求，有利于激发用户的兴趣。

在上述基于相似用户感兴趣的内容进行内容推荐的过程中，可以分析用户集合中各用户感兴趣的内容与目标用户的兴趣内容之间的相似度；根据相似度，从用户集合中获取目标用户的相似用户。

对用户集合中的每个用户，获取该用户的网络行为数据，从该用户的网络行为数据中，提取该用户感兴趣的内容。其中，提取用户感兴趣的内容的过程，与提取目标用户的兴趣内容的过程相同，可参见前述实施例的描述。一种实施方式，可以将目标用户的兴趣内容与每个用户感兴趣的内容直接比较，获取相似度。另一实施方式，可以分析目标用户的兴趣内容与每个用户感兴趣的内容在特征上的关联度，基于特征上的关联度，确定相似度。根据相似度，从用户集合中确定目标用户的相似用户。

基于相似用户感兴趣的内容，确定候选内容。可选的，可以提取相似用户感兴趣的内容中的特征，作为相似特征；从兴趣内容中，提取目标用户的兴趣特征集合；将相似特征与兴趣特征集合进行比较，获取相似特征中不属于兴趣特征集合的区别特征；从相似用户的网络行为数据或平台数据库中，获取具有该区别特征的内容，作为候选内容。这些候选内容是相似用户感兴趣的，可以向目标用户推荐。

以推广外卖类应用为例，为了扩大外卖类应用的用户量，可以通过推荐功能激发用户的兴趣，引导用户主动在自己的社交平台上转发外卖类应用所推荐的内容，为外卖类应用带来用户流量。

结合图3，在推广外卖类应用过程中的内容推荐过程，包括：

参考图3，应用推广初期：用户量相对较少，将平台数据库中的内容作为候选内容。另外，确定待推荐的目标用户，获取该目标用户在最近一段时间内的网络行为数据，例如浏览、关注、下单、加购物车等行为产生的数据。一方面，基于目标用户的网络行为数据，提取目标用户的兴趣内容，从兴趣内容中，提取目标用户的兴趣特征集合，并根据兴趣特征集合中各兴趣特征在搜索引擎或应用平台上的点击量，为各兴趣特征配置权重；另一方面，从候选内容中提取候选特征。计算兴趣特征集合与候选特征之间的相似度；内容推荐：基于该相似度进行内容推荐。

继续参考图3，应用推广成熟期：外卖类应用的用户量积累到一定程度，根据用户集合中各用户感兴趣的内容与目标用户的兴趣内容，确定目标用户的相似用户；基于相似用户感兴趣的内容，从相似用户感兴趣的内容中，提取相似特征；计算相似特征与兴趣特征集合之间的相似度；基于相似度进行内容推荐。

在上述实施例中，根据外卖类应用的推广状况，结合平台数据库和相似用户做推荐，在各时期，都可以推荐用户感兴趣的内容，有利于提高用户对外卖类应用的体验度，有利于用户主动向其他用户推荐外卖类应用，或者在社交平台上转发外卖类应用推荐的内容，进而增加外卖类应用的用户流量，达到推荐目的。

需要说明的是，上述实施例所提供方法的各步骤的执行主体均可以是同一设备，或者，该方法也由不同设备作为执行主体。比如，步骤101至步骤104的执行主体可以为设备A；又比如，步骤101和102的执行主体可以为设备A，步骤103和104的执行主体可以为设备B；等等。

图4为本申请又一实施例提供的内容推荐装置的结构示意图。如图4所示，该装置包括：提取模块41、分析模块42、选择模块43和推荐模块44。

提取模块41，用于从目标用户的多种网络行为数据中，提取目标用户的兴趣内容。

分析模块42，用于根据提取模块41提取到的兴趣内容，分析目标用户对候选内容的兴趣度。

选择模块43，用于根据分析模块42分析出的兴趣度，从候选内容中选择目标内容。

推荐模块44，用于向目标用户推荐选择模块43所选择的目标内容。

在一可选实施方式中，如图5所示，分析模块42包括：分析单元421和确定单元422。

分析单元421，用于分析候选内容与提取模块41提取到的兴趣内容的特征关联度。

确定单元422，用于根据分析单元421分析出的特征关联度，确定目标用户对候选内容的兴趣度。

进一步可选的，分析单元421具体用于：

从兴趣内容中，提取目标用户的兴趣特征集合；

为兴趣特征集合中的每个兴趣特征配置权重；

分析兴趣特征集合中与候选内容关联的兴趣特征；

根据与候选内容关联的兴趣特征的权重，获得所述特征关联度。

进一步可选的，选择模块43具体用于：根据兴趣度，从候选内容中，多元化地选择目标内容。相应地，推荐模块44具体用于：以聚合方式，向目标用户推荐选择模块43多元化选择的目标内容。

如图5所示，该装置还包括：确定模块45，用于直接获取平台数据库中的内容，作为候选内容；和/或，根据目标用户的相似用户感兴趣的内容，确定候选内容。

进一步可选的，确定模块45在根据相似用户感兴趣的内容，确定候选内容时，具体用于：

提取相似用户感兴趣的内容中的特征，作为相似特征；

从兴趣内容中，提取目标用户的兴趣特征集合；

获取相似特征中不属于兴趣特征集合的区别特征；

从相似用户的网络行为数据或平台数据库中，获取具有区别特征的内容，作为候选内容。

本实施例提供的内容推荐装置，可用于执行上述实施例提供的方法，有关内容可参见方法实施例的描述，在此不再赘述。

本实施例提供的内容推荐装置，可基于用户的多种网络行为数据，确定用户感兴趣的内容；进而，基于用户感兴趣的内容，去分析用户对候选内容的兴趣度；基于用户对候选内容的兴趣度，向用户推荐内容。本实施例提供的内容推荐装置从用户的兴趣出发，使得所推荐的内容针对性更强，符合用户需求的概率更高，可以提高用户对推荐行为的体验度，有利于激发用户兴趣，达到推荐目的。

本领域内的技术人员应明白，本发明的实施例可提供为方法、***、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本发明是参照根据本发明实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。

内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。

计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。

还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。

本领域技术人员应明白，本申请的实施例可提供为方法、***或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

以上所述仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。

Claims (17)

1.一种内容推荐方法，其特征在于，包括：

从目标用户的多种网络行为数据中，提取所述目标用户的兴趣内容；

根据所述兴趣内容，分析所述目标用户对候选内容的兴趣度；

根据所述兴趣度，从所述候选内容中选择目标内容；

向所述目标用户推荐所述目标内容。

2.根据权利要求1所述的方法，其特征在于，所述兴趣度的分析步骤，包括：

分析所述候选内容与所述兴趣内容的特征关联度；

根据所述特征关联度，确定所述目标用户对所述候选内容的兴趣度。

3.根据权利要求2所述的方法，其特征在于，所述特征关联度的分析步骤，包括：

从所述兴趣内容中，提取所述目标用户的兴趣特征集合；

为所述兴趣特征集合中的每个兴趣特征配置权重；

分析所述兴趣特征集合中与所述候选内容关联的兴趣特征；

根据与所述候选内容关联的兴趣特征的权重，获得所述特征关联度。

4.根据权利要求3所述的方法，其特征在于，所述权重的配置步骤，包括：

根据所述兴趣特征的点击量，为所述兴趣特征配置权重。

5.根据权利要求3所述的方法，其特征在于，所述与所述候选内容关联的兴趣特征的分析步骤，包括：

提取所述候选内容中的特征，作为候选特征；

将所述候选特征在所述兴趣特征集合中匹配；

获取所述候选特征匹配中的兴趣特征。

6.根据权利要求1-5任一项所述的方法，其特征在于，所述目标内容的选择步骤，包括：

根据所述兴趣度，从所述候选内容中，多元化地选择所述目标内容。

7.根据权利要求6所述的方法，其特征在于，所述目标内容的推荐步骤，包括：

以聚合方式，向所述目标用户推荐所述多元化选择的目标内容。

8.根据权利要求1-5任一项所述的方法，其特征在于，在分析所述兴趣度之前，还包括：

直接将平台数据库中的内容，作为所述候选内容；和/或

根据所述目标用户的相似用户感兴趣的内容，确定所述候选内容。

9.根据权利要求8所述的方法，其特征在于，还包括：

分析用户集合中各用户感兴趣的内容与所述兴趣内容之间的相似度；

根据所述相似度，从所述用户集合中获取所述目标用户的相似用户。

10.根据权利要求8所述的方法，其特征在于，所述候选内容的确定步骤，包括：

提取所述相似用户感兴趣的内容中的特征，作为相似特征；

从所述兴趣内容中，提取所述目标用户的兴趣特征集合；

获取所述相似特征中不属于所述兴趣特征集合的区别特征；

从所述相似用户的网络行为数据或平台数据库中，获取具有所述区别特征的内容，作为所述候选内容。

11.一种内容推荐装置，其特征在于，包括：

提取模块，用于从目标用户的多种网络行为数据中，提取所述目标用户的兴趣内容；

分析模块，用于根据所述兴趣内容，分析所述目标用户对候选内容的兴趣度；

选择模块，用于根据所述兴趣度，从所述候选内容中选择目标内容；

推荐模块，用于向所述目标用户推荐所述目标内容。

12.根据权利要求11所述的装置，其特征在于，所述分析模块包括：

分析单元，用于分析所述候选内容与所述兴趣内容的特征关联度；

确定单元，用于根据所述特征关联度，确定所述目标用户对所述候选内容的兴趣度。

13.根据权利要求11所述的装置，其特征在于，所述分析单元具体用于：

从所述兴趣内容中，提取所述目标用户的兴趣特征集合；

为所述兴趣特征集合中的每个兴趣特征配置权重；

分析所述兴趣特征集合中与所述候选内容关联的兴趣特征；

根据与所述候选内容关联的兴趣特征的权重，获得所述特征关联度。

14.根据权利要求11-13任一项所述的装置，其特征在于，所述选择模块具体用于：

根据所述兴趣度，从所述候选内容中，多元化地选择所述目标内容。

15.根据权利要求14所述的装置，其特征在于，所述推荐模块具体用于：

以聚合方式，向所述目标用户推荐所述多元化选择的目标内容。

16.根据权利要求11-13任一项所述的装置，其特征在于，还包括：

确定模块，用于直接获取平台数据库中的内容，作为所述候选内容；和/或，根据所述目标用户的相似用户感兴趣的内容，确定所述候选内容。

17.根据权利要求16所述的装置，其特征在于，所述确定模块具体用于：

提取所述相似用户感兴趣的内容中的特征，作为相似特征；

从所述兴趣内容中，提取所述目标用户的兴趣特征集合；

获取所述相似特征中不属于所述兴趣特征集合的区别特征；

从所述相似用户的网络行为数据或平台数据库中，获取具有所述区别特征的内容，作为所述候选内容。