CN110019786A - 网络社区的话题发送方法、话题列表排序方法及装置 - Google Patents

Abstract

本发明提供一种网络社区的话题发送方法和装置、话题列表排序方法和装置及计算机设备和存储介质，网络社区的话题发送方法包括：接收话题加载请求并获取话题加载请求对应的用户属性；获取网络社区各话题的话题属性和质量分；基于用户属性和话题属性，得到N类推荐话题，N为大于1的正整数；分别将各类推荐话题中质量分最高的预设数量的话题发送至请求方终端。采用该网络社区的话题发送方法向用户发送了全面、针对性强和高质量的话题，带给用户有效信息量增加。

Description

网络社区的话题发送方法、话题列表排序方法及装置

技术领域

本发明涉及互联网技术领域，特别是涉及一种网络社区的话题发送方法和装置、话题排序方法和装置及计算机设备和存储介质。

背景技术

网络社区是指通过互联网进行一定的社会活动，具有某种互动关系和共同文化维系力的人类群体及其活动区域，例如，微博、贴吧或论坛等等。

话题是指与发表在网络社区的内容，例如论坛发表的贴子。为保证用户看到的话题的时效性，网络社区通常按照话题的修改时间的降序进行排列。

随着移动终端的普及，越来越多的网络社区用户使用移动终端设备访问网络社区。而移动终端所提供给用户的可视面积有限，仅结合修改时间考虑时效性向用户提供的话题，带给用户的有效信息量较少。

发明内容

基于此，有必要传统的网络社区提供的话题的有效信息量较少的问题，提供一种网络社区的话题发送方法和装置、话题排序方法和装置及计算机设备和存储介质。

为达到上述目的，一个实施例采用以下技术方案：

一种网络社区的话题发送方法，包括：

接收话题加载请求并获取所述话题加载请求对应的用户属性；

获取网络社区各话题的话题属性和质量分；

基于所述用户属性和所述话题属性，得到N类推荐话题，所述N为大于1的正整数；

分别将各类推荐话题中质量分最高的预设数量的话题发送至请求方终端。

一种话题列表排序方法，包括：

响应操作并发送与所述操作对应的话题加载请求；

接收基于所述话题加载请求反馈的各类推荐话题中质量分最高的预设数量的话题；

按质量分降序对接收到的所述推荐话题根据话题类型交叉排序，得到话题列表。

一种网络社区的话题发送装置，包括：接收模块、获取模块、推荐模块和发送模块；

所述接收模块，用于接收话题加载请求并获取所述话题加载请求对应的用户属性；

所述获取模块，用于获取网络社区各话题的话题属性和质量分；

所述推荐模块，用于基于所述用户属性和所述话题属性，得到N类推荐话题，所述N为大于1的正整数；

所述发送模块，用于分别将各类推荐话题中质量分最高的预设数量的话题发送至请求方终端。

一种话题列表排序装置，包括：响应模块、话题接收模块和排序模块；

所述响应模块，用于响应操作并发送与所述操作对应的话题加载请求；

所述话题接收模块，用于接收基于所述话题加载请求反馈的各类推荐话题中质量分最高的预设数量的话题；

所述排序模块，用于按质量分降序对接收到的所述推荐话题根据话题类型交叉排序，得到话题列表。

一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现上述的方法的步骤。

一种存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时，实现上述的方法的步骤。

上述的网络社区的话题发送方法和装置，分别将各类话题中质量分最高的预设数量的话题发送至请求方终端，由于基于用户属性和话题属性得到的N类推荐话题，从而增加了话题分类的维度，不再是仅考虑时效性这一单一维度。话题分类维度的增加，相应地增加了话题的种类，从而拓宽了用户获得的话题的全面性。而考虑了用户的属性，能够结合用户属性向用户发送话题，针对性更强。并且质量分能够体现话题质量，故采用该网络社区的话题发送方法向用户发送了全面、针对性强和高质量的话题，带给用户有效信息量增加。

上述的话题列表排序方法和装置，通过接收基于话题加载请求反馈的各类推荐话题中质量分最高的预设数量的话题，按质量分降序对接收到的推荐话题根据话题类型交叉排序，得到话题列表。由于返回的话题列表包括多种推荐类型，相应地增加了话题的种类，不再是仅考虑时效性这一单一维度，从而拓宽了用户获得的话题的全面性。且话题列表中的话题为各类推荐话题中质量分较高的话题，质量分能够体现话题质量，而通过对各推荐话题进行交叉排序，兼顾了时效性、内容质量等多种因素对话题排序的影响，用户获取的有效信息量增加。

附图说明

图1为一个实施例中网络社区的话题发送方法和装置、话题列表排序方法和装置的应用环境示意图；

图2为一个实施例中网络社区的话题发送方法的流程图；

图3为另一个实施例中网络社区的话题发送方法的流程图；

图4为一个实施例中话题列表排序方法的流程图；

图5为一个实施例中话题列表的示意图；

图6为另一个实施例中话题列表的示意图；

图7为一个实施例中话题列表排序方法的网络社区服务器和用户终端的交互示意图；

图8为一个实施例中网络社区的话题发送装置的结构框图；

图9为另一个实施例中网络社区的话题发送装置的结构框图；

图10为一个实施例中话题列表排序装置的结构框图；

图11为另一个实施例中话题列表排序装置的结构框图；

图12为一个实施例中计算机设备的内部结构示意图。

具体实施方式

为使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步的详细说明。应当理解，此处所描述的具体实施方式仅仅用以解释本发明，并不限定本发明的保护范围。

图1为一个实施例提供的网络社区的话题发送方法和装置、话题列表排序方法和装置的应用环境示意图。如图1所示，该应用环境包括网络社区服务器102和多个用户终端104。其中，网络社区服务器102和用户终端104通过网络进行通信。

网络社区服务器102执行网络社区的话题发送方法，获取网络社区话题加载请求对应的用户属性，获取网络社区各话题的话题属性和质量分，基于用户属性和话题属性，得到N类推荐话题，分别将各类推荐话题中质量分最高的预设数量的话题发送至请求方。

用户终端104执行话题列表排序方法，响应操作并发送与操作对应的话题加载请求；接收基于话题加载请求反馈的各类推荐话题中质量分最高的预设数量的话题；按质量分降序对接收到的推荐话题根据话题类型交叉排序，得到话题列表。

图2为一个实施中网络社区的话题发送方法的流程图。本实施例主要以该网络社区的话题发送方法应用于图1中的网络社区服务器102为例进行说明。请参照图2，该方法包括以下步骤：

S202：接收话题加载请求并获取话题加载请求对应的用户属性。

网络社区是指通过互联网进行一定的社会活动，具有某种互动关系和共同文化维系力的人类群体及其活动区域。例如，微博、贴吧或论坛。

用户属性是指网络社区的用户的特征。用户属性可以通过用户注册时填写的用户资料获取，也可以通过对用户在网络社区的用户行为进行分析获取，还可以从与网络社区关联的其它应用程序获取。例如与网络社区关联的游戏平台、购物平台获取用户属性。用户属性包括用户性别，用户的活跃程序、用户在游戏平台参与的游戏等等。

当用户通过地如图1所示的用户终端102上进行操作，用户终端102响应操作并发送话题加载请求，网络社区服务器102获取话题加载请求对应的用户属性。

S204：获取网络社区各话题的话题属性和质量分。

话题是指发表在网络社区具有主题的内容。内容包括但不限于文字、图片、音频和视频。话题属性是指该话题的特性。话题自话题发表时起，根据发表的内容就具有其对应的话题原始属性。例如，话题的标题、发明时间、发表用户的用户标识和话题所属类型(对于网络社区对话题有分类的情况，用户发表时需要选择所属类型)。随着话题地被阅读，增加了话题附加属性，包括话题的阅读量、最近一次回复时间、点赞数量和回复数量等。点赞是网络社区的一种用户交互行为，代表赞同、支持。

质量分是指对话题按照网络社区的质量评分规则进行评分得到的数值，能够表征话题质量。质量分与话题质量成正比，质量分越高，表示话题质量越高，反之亦然。

具体地，获取网络社区各话题的话题属性和质量分包括以下步骤S1至S3：

S1：获取网络社区的话题日志数据。

其中，话题日志数据是用户对话题操作产生的日志数据，包括用户发表操作、用户浏览操作、用户回复操作和用户点赞操作产生的日志数据。日志数据包括用户操作行为、实施操作的用户标识以及操作时间等。

S2：根据话题日志数据确定各话题的话题属性。

话题属性包括最近一次修改时间、回复人数或点赞人数中的至少一种，最近一次修改时间包括话题的发表时间或最近一次回复时间。在具体的实施例中，可将确定话题属性的日志数据放入推荐库中，对话题分类时从推荐库为中拉取数据对应话题属性的数据。

S3：根据话题属性计算话题的质量分。

质量分是指对话题按照网络社区的质量评分规则进行评分得到的数值，能够表征话题质量。一个实施例的质量评分规则包括：质量分＝时效分+点赞分+回复分+内容分。

其中时效性与话题属性中的最近一次修改时间有关，点赞分与话题属性中的点赞人数有关，回复分与话题属性中回复该主题的回复人数有关，内容分与话题属性中的内容字数有关。

通过获取网络社区各话题的话题属性和质量分，能够结合话题质量和话题属性向用户发送话题。

S206：基于用户属性和话题属性，得到N类推荐话题，N为大于1的正整数。

基于用户属性和话题属性，得到的N类推荐话题。其中，推荐话题的分类数量(即上文中的N)与网络社区对话题进行分类考量的维度有关。例如，可以仅考虑用户属性得到一类话题，可以仅考虑话题属性得到一类话题，还可以结合用户属性和话题属性得到一类话题。在具体的分类时，还可以结合用户属性中和话题属性中的具体属性值进行分类。

对话题进行分类考量的维度增加，能够得到不同种类的话题，拓宽了用户获得的话题的全面性。

具体地，可基于Spark构建推荐引擎实现话题推荐，也可以采用MapReduce计算机框架实现推荐逻辑。与MapReduce不同，Spark采用内存计算框架，Spark的数据处理工作全部在内存中进行，处理性能得到大幅度改善。

S208：分别将各类推荐话题中质量分最高的预设数量的话题发送至请求方终端。

具体地，对各类话题中的话题按质量分进行降序排列，从每类推荐话题中按质量分的高低选择质量分最高的预设数量的话题发送至请求方终端以实现话题推送，即图1中的用户终端104。

各类推荐话题的预设数量由***维护人员进行设置，预设数量决定了发送至用户终端的该类话题的数量。各类话题的预设数量可以相同，也可以根据分类的重要程度，对于较重要的话题类型设置较高的预设数量，以推荐更多的该类型话题至用户终端。

具体地，网络社区服务器将数据推送至用户终端，可采用序列化传输技术实现。序列化(Serialization)是将对象的状态信息转换为可以存储或传输的形式的过程。通过TCP协议将序列化的推荐数据推送至用户终端后，用户终端反序列化对象得到推荐话题。

上述的网络社区的话题发送方法，分别将各类话题中质量分最高的预设数量的话题发送至请求方终端，由于基于用户属性和话题属性得到的N类推荐话题，从而增加了话题分类的维度，不再是仅考虑时效性这一单一维度。话题分类维度的增加，相应地增加了话题的种类，从而拓宽了用户获得的话题的全面性。而考虑了用户的属性，能够结合用户属性向用户发送话题，针对性更强。并且质量分能够体现话题质量，故采用该网络社区的话题发送方法向用户发送了全面、针对性强和高质量的话题，带给用户有效信息量增加。

如图3所示，本实施例中，基于用户属性和话题属性得到的推荐话题包括两类，分别为第一类推荐话题和第二类推荐话题。具体地，基于用户属性和话题属性，得到N类推荐话题的步骤包括以下步骤：

S2062：判断用户属性是否包括兴趣点。若是，则执行步骤S2064，若否，则执行步骤S2066。

S2064：当用户属性包括兴趣点时，匹配用户属性和话题属性得到与兴趣点对应的第一类推荐话题。

兴趣点是指用户在该网络社区感兴趣的内容或是关注的内容。兴趣点与网络社区的业务内容相关。例如，对于业务内容为游戏的网络社区，兴趣点为用户参与的游戏的角色，对于业务内容为明星的网络社区，兴趣点为用户感兴趣的明星，对于业务内容为汽车的网络社区，兴趣点为用户感兴趣的汽车品牌。

兴趣点可以通过用户注册时填写的用户资料获取，也可以通过对用户在网络社区的用户行为进行分析获取(用户常访问的主题)，还可以从与网络社区关联的其它应用程序获取。例如与网络社区关联的游戏平台、购物平台获取用户的兴趣点。

话题属性还包括话题内容的关键词或话题所属类型，话题内容的关键词是根据主题内容以及网络社区的业务内容相关，从话题内容中提取的词语。对于网络社区对话题有分类的情况，用户发表时需要选择所属类型。

具体地，根据用户属性的兴趣点，匹配与兴趣点对应的所属类型的话题或话题内容关键词对应的话题，得到对应的第一类推荐话题。故第一类推荐话题考虑了用户的兴趣点与话题的匹配性，能够有针对的向用户推荐用户感兴趣的话题。

在其它的实施例中，还可以根据用户属性中的活跃用户和新用户有区别的进行话题推荐。

S2066：当用户属性不包括兴趣点时，获取推荐配置，并根据推荐配置和话题的质量分，得到第二类推荐话题。

推荐配置是指网络社区运维人员人工设置的配置选项，包括推荐数量、更新频率等。

第二类推荐话题结合推荐配置和话题的质量分确定，质量分体现了话题的质量，即第二类话题推荐按质量分推荐。

在步骤S2066之后，还包括：

S2068：根据话题属性中的最近修改时间，获取预设数量的冒泡话题。

其中，步骤S2064和步骤S2066之间的顺序不作限定，可根据实际情况调节二者的先后顺序。

可以理解的是，步骤S2068还可以执行在步骤S2062之前。本实施例中，对步骤推荐话题和冒泡话题执行时间的先后不做限定。

其中，冒泡话题是指根据话题最近一次修改时间，将话题进行倒序排列得到的话题。最近一次修改时间包括最近一次回复时间最近发表时间和最近一次点赞时间。冒泡话题反应的话题的时效性。

在该实施例中，步骤S208具体为：分别将各类推荐话题中质量分最高的预设数量的话题以及最近修改时间最新的预设数量的冒泡话题发送至请求方终端。

上述的网络社区的话题发送方法，发送的话题兼顾了时效性、内容质量和时效性，能够为用户提供多维度、高质量且新的话题。

在再一个实施例中，网络社区的话题发送方法还包括以下步骤S1至S2：

S1：根据话题标识，接收与话题标识对应的用户行为数据和曝光数据。

用户行为数据是指用户对话题的点击操作产生的数据，包括用户是否浏览页面的图片或视频、用户浏览内容的时长、用户是否回复内容和用户是否点赞等中的至少一种。

曝光数据是指对与用户终端的显示界面展示的话题相关的数据，包括用户标识、话题标识和用户浏览时长中的至少一种。

S2：根据用户行为数据和曝光数据更新话题日志数据。

具体地，向网络社区服务器上报用户终端展示的话题的曝光数据和用户在终端的话题的操作产生的用户行为数据，从而更新话题日志数据，以便于根据更新的话题日志数据重新进行话题推荐。

图4为一个实施例的话题列表排序方法的流程图。本实施例主要以该话题列表排序方法应用于图1中的用户终端104为例进行说明。请参照图4，该方法包括以下步骤：

S402：响应操作并发送与操作对应的话题加载请求。

当用户通过地如图1所示的用户终端102上进行操作，例如打开网络社区的页面，用户终端102响应操作并发送话题加载请求。

S404：接收基于话题加载请求反馈的各类推荐话题中质量分最高的预设数量的话题。

网络社区服务器得到并发送各类推荐话题中质量分最高的预设数量的话题的具体方法，已记载在前面的实施例中，在此不再赘述。

S406：按质量分降序对接收到的话题根据话题类型交叉排序，得到话题列表。

其中，交叉排序是指交叉各类型话题依次进行排序。交叉排序后得到多个排序组合，每一排序组合分别包括各类型的一个话题。其中同一个类型的推荐话题根据质量分降序排列。例如，网络社区服务器发送了三类推荐话题，则排列顺序依次为：第一类推荐话题中质量分第一的话题、第二类推荐话题中质量分第一的话题、第三类推荐主题中质量分第一的话题、第一类推荐话题中质量分第二的话题、第二类推荐话题中质量分第二的话题、第三类推荐话题中质量分第二的话题……。其中，三类推荐话题中质量分等级相同的话题为一个排序组合，例如，三类推荐话题中质量分第一的话题为一个排序组合。上述的话题列表排序方法，通过接收基于话题加载请求反馈的各类推荐话题中质量分最高的预设数量的话题，按质量分降序对接收到的推荐话题根据话题类型交叉排序，得到话题列表。由于返回的话题列表包括多种推荐类型，相应地增加了话题的种类，不再是仅考虑时效性这一单一维度，从而拓宽了用户获得的话题的全面性。且话题列表中的话题为各类推荐话题中质量分较高的话题，质量分能够体现话题质量，而通过对各推荐话题进行交叉排序，兼顾了时效性、内容质量等多种因素对话题排序的影响，用户获取的有效信息量增加。

在另一个实施例中，话题列表排序方法还包括：接收与最近修改时间对应的预设数量的冒泡话题。

冒泡话题是指根据话题最近一次修改时间，将话题进行倒序排列得到的话题。最近一次修改时间包括最近一次回复时间，最近发表时间和最近一次点赞时间。冒泡话题反应的话题的时效性，

对应地，按质量分降序对接收到的话题根据话题类型交叉排序，得到话题列表的步骤，包括：对各类型的推荐话题和冒泡话题进行交叉排序得到话题列表，其中推荐话题按质量分进行降序排序，冒泡话题按最近修改时间进行倒序排序。

通过降序排序，质量分越高的推荐话题的排序越靠前，通过倒序排序，最近修改时间距离当前时间越近的冒泡话题的排序越靠前。

一个实施例话题列表如图5所示，通过对各类型的推荐话题和冒泡话题进行交叉排序，得到话题列表50。本实施例中，网络社区服务器发送了三种类型的话题，其中推荐话题包括针对用户属性的第一类推荐话题501、针对质量分的第二类推荐话题502和与冒泡数据相关的冒泡话题503，其中第一类推荐话题、第二类推荐话题和冒泡话题依次交叉排序。每三个第一类推荐话题、第二类推荐话题和冒泡话题组成一个排序组合，各排序组合中的第一类推荐话题和第二类推荐话题按质量分的降序进行排序，各排序组合中的冒泡话题按最近修改时间的倒序进行排序。即图5中的话题501为第一类推荐话题，话题502为第二类推荐话题，话题503为冒泡话题，按照第一类推荐话题、第二类推荐话题、冒泡话题、第一类推荐话题、第二类推荐话题、冒泡话题……的顺序依次进行排序。其中，第一类推荐话题的第一个话题的质量分高于第一类推荐话题的第二个话题的质量分，第一个冒泡话题的最近修改时间新于第二个冒泡话题的最近修改时间(距离当前时间更近)。

在另一个实施例中，对各类型的推荐话题和冒泡话题进行交叉排序得到话题列表的步骤，包括以下步骤S1至S2：

S1：根据话题标识，对各类型的推荐话题和冒泡话题进行去重处理。

去重处理是指去掉接收到的话题中重复的话题仅保留一个。话题标识是话题的唯一识别标识，在话题发布时产生。

对于接收到的话题，根据话题标识进行去重处理，去重处理后，仅保留原重复的话题中的一个。保留的优先级为第一类推荐话题>第二类推荐话题>普通数据。即在有第一类推荐话题时，去重处理后的重复话题作为第一类推荐话题保留。若无第一类推荐话题，则去重处理后的重复话题作为第二类推荐话题保留。

在另一个实施例中，该方法还包括：获取已浏览话题。

已浏览话题是指在设定的一段时间内，用户已浏览过的话题，已浏览话题根据话题日志数据产生。具体地，根据话题标识，对各类型的推荐话题和冒泡话题进行去重处理的步骤，包括：根据话题标识，对各类型的推荐话题、冒泡话题以及已浏览话题进行去重处理。

本实施例中，根据已浏览话题，删除各类型的推荐话题和冒泡话题中对应的话题。通过将各类型的推荐话题和冒泡话题中与已浏览过话题重复的话题过滤掉，避免用户重复接收已浏览过的话题。

S2：对去重处理后的各类型的推荐话题和冒泡话题进行交叉排序。

交叉排序的方式与前面实施例记载的相同，此处不再赘述。本实施例中对网络社区服务器发送的话题进行去重处理，能够避免用户接收到重新的话题。

在再一个实施例中，话题列表排序方法，还包括以下步骤S1至S3：

S1：展示话题列表。

即在用户终端上展示话题列表。

S2：根据展示的话题列表中各话题的话题标识，上报曝光数据。

S3：当获取到对话题的点击操作时，获取对应的用户行为数据并上报。

用户行为数据是指用户对话题的点击操作产生的数据，包括用户是否浏览页面的图片或视频、用户浏览内容的时长、用户是否回复内容和用户是否点赞等中的至少一种。

曝光数据是指对与用户终端的显示界面展示的话题相关的数据，包括用户标识、话题标识或用户浏览时长中的至少一种。

具体地，向网络社区服务器上报用户终端展示的话题的曝光数据和用户在终端的话题的操作产生的用户行为数据，从而网络社区服务器根据上报数据更新话题日志数据，以便于根据更新的话题日志数据重新进行话题推荐。

在具体的实施例中，网络社区发送的话题还可以包括置顶话题。置顶就是让一个话题永远最前面，这样用户进入网络社区时，首先看到的就是置顶话题。话题的置顶可以由管理员和版主进行操作。可以理解的是，置顶话题显示在话题列表的最顶端，置顶话题不参与话题的交叉排序。一个实施例中包括置顶话题的话题列表如图6所示，置顶话题位于话题列表的最顶端，推荐话题和冒泡话题交叉排序。

下面结合以应用场景为游戏网络社区为例，对话题列表排序方法进行说明。一个实施例的话题列表排序方法的网络社区服务器和用户终端的交互示意图如图7所示，其执行主体包括如图1所示的网络社区服务器102和用户终端104。其中，网络社区服务器102用于将话题发送至用户终端104，用户终端104用于接收并展示话题列表。如图6所示，包括以下步骤：

S1：网络社区服务器获取网络社区的话题日志数据。

话题日志数据是用户对话题操作产生的日志数据，包括用户发表操作、用户浏览操作、用户回复操作和用户点赞操作产生的日志数据。日志数据包括用户操作行为、实施操作的用户标识以及操作时间等。

S2：网络社区服务器根据话题日志数据确定各话题的话题属性。

话题属性包括最近一次修改时间、回复人数或点赞人数中的至少一种，最近一次修改时间包括话题的发表时间或最近一次回复时间。在具体的实施例中，可将确定话题属性的日志数据放入推荐库中，对话题分类时从推荐库为中拉取数据对应话题属性的数据。

S3：网络社区服务器根据话题属性计算话题的质量分。

质量分是指对话题按照网络社区的质量评分规则进行评分得到的数值，能够表征话题质量。一个实施例的质量评分规则包括：质量分＝时效分+点赞分+回复分+内容分。

上述的步骤中，网络服务器根据话题日志数据处理得到话题库，话题库中记录了各话题的话题属性和质量分。推荐话题和冒泡话题可以从话题库中摘取数据。

S4：用户终端响应操作产生话题加载请求。

S5：用户终端发送话题加载请求至网络社区服务器。

S6：网络社区服务器接收话题加载请求并获取话题加载请求对应的用户属性。

用户属性包括用户性别，用户的活跃程序、用户在游戏平台参与的游戏等等。

S7：网络社区服务器当用户属性包括兴趣点时，匹配用户属性和话题属性得到与兴趣点对应的第一类推荐话题。

本实施例中的兴趣点为用户在与游戏网络社区相关的游戏平台所参与的游戏角色。即第一类推荐话题为与游戏角色相关的话题。可以理解的是，不同的用户属性对应的第一类推荐话题不同。例如，用户在游戏平台的参与的角色为杀手，则对应的第一类类推荐话题为杀手对应的话题。

S8：网络社区服务器获取推荐配置，并根据推荐配置和话题的质量分，得到第二类推荐话题。

推荐配置是指网络社区运维人员人工设置的配置选项，包括推荐数量、更新频率等。

第二类推荐话题结合推荐配置和话题的质量分确定，质量分体现了话题的质量，即第二类话题推荐按质量分推荐。

S9：网络社区服务器根据话题属性中的最近修改时间，获取冒泡话题。

冒泡话题是指根据话题最近一次修改时间，将话题进行倒序排列得到的话题。最近一次修改时间包括最近一次回复时间最近发表时间和最近一次点赞时间。冒泡话题反应的话题的时效性。

上述的步骤中，网络社区服务器根据话题属性和用户属性推荐与用户属性相关的第一类推荐话题，具体到本实施例，推荐与游戏角色相关的第一类推荐话题，根据质量分推荐第二类推荐话题，根据时效性推荐冒泡话题。推荐的话题多维度、全面地考虑了用户需求。

S10：网络社区服务器发送第一类推荐话题和第二类推荐话题中质量分最高分的预设数量的话题、最近修改时间最新的预设数量的冒泡话题中以及已浏览话题至用户终端。

S11：用户终端根据话题标识，对接收到的话题以及已浏览话题进行去重处理。

S12：用户终端对去重处理后的各类型的推荐话题和冒泡话题进行交叉排序得到话题列表。其中，推荐话题按质量分进行降序排序，冒泡话题按最近修改时间进行倒序排序。

交叉排序是指交叉各类型话题依次进行排序。例如，网络社区服务器发送了三类推荐话题，则排列顺序依次为：第一类推荐话题中质量分第一的话题、第二类推荐话题中质量分第一的话题、第三类推荐主题中质量分第一的话题、第一类推荐话题中质量分第二的话题、第二类推荐话题中质量分第二的话题、第三类推荐话题中质量分第二的话题……。S13：用户终端展示话题列表。

S14：用户终端根据展示的话题列表中各话题的话题标识，上报曝光数据至网络社区服务器。

曝光数据是指对与用户终端的显示界面展示的话题相关的数据，包括用户标识、话题标识或用户浏览时长中的至少一种。

S15：用户终端当获取到对话题的点击操作时，获取对应的用户行为数据并上报至网络社区服务器。

用户行为数据是指用户对话题的点击操作产生的数据，包括用户是否浏览页面的图片或视频、用户浏览内容的时长、用户是否回复内容和用户是否点赞等中的至少一种。

S16：网络社区服务器根据接收到的用户行为数据和曝光数据更新话题日志数据。

具体地，向网络社区服务器上报用户终端展示的话题的曝光数据和用户在终端的话题的操作产生的用户行为数据，从而网络社区服务器根据上报数据更新话题日志数据，以便于根据更新的话题日志数据重新进行话题推荐。

本实施例的话题列表排序方法，兼顾了时效性、内容质量等多种因素对话题排序的影响，用户获取的有效信息量增加，进一步的提高了网络社区的阅读量。

一个实施例的网络社区的话题发送装置的结构框图如图8所示，包括：接收模块802、获取模块804、推荐模块806和发送模块808。

接收模块802，用于接收话题加载请求并获取话题加载请求对应的用户属性。

获取模块804，用于获取网络社区各话题的话题属性和质量分。

推荐模块806，用于基于所述用户属性和所述话题属性，得到N类推荐话题，所述N为大于1的正整数。

发送模块808，用于分别将各类推荐话题中质量分最高的预设数量的话题发送至请求方终端。

上述的网络社区的话题发送装置，分别将各类话题中质量分最高的预设数量的话题发送至请求方终端，由于基于用户属性和话题属性得到的N类推荐话题，从而增加了话题分类的维度，不再是仅考虑时效性这一单一维度。话题分类维度的增加，相应地增加了话题的种类，从而拓宽了用户获得的话题的全面性。而考虑了用户的属性，能够结合用户属性向用户发送话题，针对性更强。并且质量分能够体现话题质量，故采用该网络社区的话题发送方法向用户发送了全面、针对性强和高质量的话题，带给用户有效信息量增加。

在另一个实施例中，推荐模块806，用于当用户属性包括兴趣点时，匹配用户属性和话题属性得到与兴趣点对应的第一类推荐话题；当用户属性不包括兴趣点时，获取推荐配置，并根据推荐配置和话题的质量分，得到第二类推荐话题；推荐话题包括第一类推荐话题和第二类推荐话题。

在再一个实施例中，如图9所示，网络社区的话题发送装置还包括，冒泡获取模块810，用于根据话题属性中的最近修改时间，获取预设数量的冒泡话题。

发送模块808，用于分别将各类推荐话题中质量分最高的预设数量的话题以及最近修改时间最新的预设数量的冒泡话题发送至请求方终端。

具体地，获取模块804，用于获取网络社区的话题日志数据；根据话题日志数据确定各话题的话题属性，话题属性包括话题的最近一次修改时间、回复人数或点赞人数中的至少一种；根据话题属性计算话题的质量分。

请继续参阅图9，网络社区的话题发送装置还包括，数据接收模块812和更新模块812。

数据接收模块812，用于根据话题标识，接收与话题标识对应的用户行为数据和曝光数据。

更新模块814，用于根据用户行为数据和曝光数据更新话题日志数据。

一个实施例的话题列表排序装置的结构框图如图10所示，响应模块1002、话题接收模块1004和排序模块1006。

响应模块1002，用于响应操作并发送与操作对应的话题加载请求。

话题接收模块1004，用于接收基于话题加载请求反馈的各类推荐话题中质量分最高的预设数量的话题。

排序模块1006，用于按质量分降序对接收到的推荐话题根据话题类型交叉排序，得到话题列表。

上述的话题列表排序装置，通过接收基于话题加载请求反馈的各类推荐话题中质量分最高的预设数量的话题，按质量分降序对接收到的推荐话题根据话题类型交叉排序，得到话题列表。由于返回的话题列表包括多种推荐类型，相应地增加了话题的种类，不再是仅考虑时效性这一单一维度，从而拓宽了用户获得的话题的全面性。且话题列表中的话题为各类推荐话题中质量分较高的话题，质量分能够体现话题质量，而通过对各推荐话题进行交叉排序，兼顾了时效性、内容质量等多种因素对话题排序的影响，用户获取的有效信息量增加。

在另一个实施例中，话题接收模块1004，还用于接收与最近修改时间对应的预设数量的冒泡话题。

排序模块1006，还用于对各类型的推荐话题和冒泡话题进行交叉排序得到话题列表，其中推荐话题按质量分进行降序排序，冒泡话题按最近修改时间进行倒序排序。

具体地，如图11所示，排序模块1006，包括去重处理模块和交叉排序模块。

去重处理模块，用于根据话题标识，对各类型的推荐话题和冒泡话题进行去重处理。具体地，根据话题标识，对各类型的推荐话题、冒泡话题以及已浏览话题进行去重处理。

交叉排序模块，用于对去重处理后的各类型的推荐话题和冒泡话题进行交叉排序得到话题列表，其中推荐话题按质量分进行降序排序，冒泡话题按最近修改时间进行倒序排序。

在再一个实施例中，话题列表排序装置还包括展示模块1008和上报模块1010。

展示模块1008，用于展示话题列表。

上报模块1010，用于根据展示的话题列表中各话题的话题标识，上报曝光数据；当获取到话题的点击操作时，获取对应的用户行为数据并上报。

一种计算机设备，该计算机设备可以为图1所示的网络社区服务器，该计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述各实施例的网络社区的话题发送方法的步骤。

图12为一个实施例中计算机设备的内部结构示意图。该计算机设备可以是网络社区服务器。参照图12，该计算机设备包括通过***总线连接的处理器、非易失性存储介质、内存储器和网络接口。其中，该计算机设备的非易失性存储介质可存储操作***和计算机程序，该计算机程序被执行时，可使得处理器执行一种网络社区的话题发送方法。该计算机设备的处理器用于提供计算和控制能力，支撑整个计算机设备的运行。该内存储器中可储存有计算机程序，该计算机程序被处理器执行时，可使得处理器执行一种网络社区的话题发送方法。计算机设备的网络接口用于进行网络通信。

本领域技术人员可以理解，图12中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

一种计算机设备，该计算机设备可以为图1所示的网络社区服务器，该计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述各实施例的网络社区的话题发送方法的步骤。其结构与图12类似，此处不再赘述。

基于上述的实施例，还提供一种存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时，实现各实施例的网络社区的话题发送方法的步骤。

基于上述的实施例，还提供一种存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时，实现上述各实施例的话题列表排序方法的步骤。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一非易失性的计算机可读取存储介质中，如本发明实施例中，该程序可存储于计算机***的存储介质中，并被该计算机***中的至少一个处理器执行，以实现包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)或随机存储记忆体(Random Access Memory，RAM)等。

以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims (15)

1.一种网络社区的话题发送方法，其特征在于，包括：

接收话题加载请求并获取所述话题加载请求对应的用户属性；

获取网络社区各话题的话题属性和质量分；

基于所述用户属性和所述话题属性，得到N类推荐话题，所述N为大于1的正整数；

分别将各类推荐话题中质量分最高的预设数量的话题发送至请求方终端。

2.根据权利要求1所述的方法，其特征在于，所述基于所述用户属性和所述话题属性，得到N类推荐话题的步骤包括：

当所述用户属性包括兴趣点时，匹配所述用户属性和所述话题属性得到与所述兴趣点对应的第一类推荐话题；

当所述用户属性不包括兴趣点时，获取推荐配置，并根据所述推荐配置和话题的质量分，得到第二类推荐话题；所述推荐话题包括所述第一类推荐话题和所述第二类推荐话题。

3.根据权利要求1所述的方法，其特征在于，所述方法还包括：

根据所述话题属性中的最近修改时间，获取预设数量的冒泡话题；

分别将各类推荐话题中质量分最高的预设数量的话题发送至请求方终端的步骤，包括：分别将各类推荐话题中质量分最高的预设数量的话题以及最近修改时间最新的预设数量的冒泡话题发送至请求方终端。

4.根据权利要求1所述的方法，其特征在于，所述获取网络社区各话题的话题属性和质量分的步骤包括：

获取所述网络社区的话题日志数据；

根据所述话题日志数据确定各话题的话题属性，所述话题属性包括所述话题的最近一次修改时间、回复人数或点赞人数中的至少一种；

根据所述话题属性计算所述话题的质量分。

5.根据权利要求1所述的方法，其特征在于，所述方法还包括：

根据话题标识，接收与所述话题标识对应的用户行为数据和曝光数据；

根据所述用户行为数据和曝光数据更新所述话题日志数据。

6.一种话题列表排序方法，其特征在于，包括：

响应操作并发送与所述操作对应的话题加载请求；

接收基于所述话题加载请求反馈的各类推荐话题中质量分最高的预设数量的话题；

按质量分降序对接收到的所述推荐话题根据话题类型交叉排序，得到话题列表。

7.根据权利要求6所述的方法，其特征在于，所述方法还包括：接收与最近修改时间对应的预设数量的冒泡话题；

所述按质量分降序对接收到的所述话题根据话题类型交叉排序，得到话题列表的步骤，包括：

对各类型的推荐话题和冒泡话题进行交叉排序得到话题列表，其中推荐话题按质量分进行降序排序，冒泡话题按最近修改时间进行倒序排序。

8.根据权利要求7所述的方法，其特征在于，所述对各类型的推荐话题和冒泡话题进行交叉排序得到话题列表的步骤，包括：

根据话题标识，对各类型的推荐话题和冒泡话题进行去重处理；

对去重处理后的各类型的推荐话题和冒泡话题进行交叉排序得到话题列表，其中推荐话题按质量分进行降序排序，冒泡话题按最近修改时间进行倒序排序。

9.根据权利要求6所述的方法，其特征在于，所述方法还包括：

展示所述话题列表；

根据展示的所述话题列表中各话题的话题标识，上报曝光数据；

当获取到对所述话题的点击操作时，获取对应的用户行为数据并上报。

10.根据权利要求8所述的方法，其特征在于，所述方法还包括：获取已浏览话题；

所述根据话题标识，对各类型的推荐话题和冒泡话题进行去重处理的步骤，包括：根据话题标识，对各类型的推荐话题、冒泡话题以及已浏览话题进行去重处理。

11.一种网络社区的话题发送装置，其特征在于，包括：接收模块、获取模块、推荐模块和发送模块；

所述接收模块，用于接收话题加载请求并获取所述话题加载请求对应的用户属性；

所述获取模块，用于获取网络社区各话题的话题属性和质量分；

所述推荐模块，用于基于所述用户属性和所述话题属性，得到N类推荐话题，所述N为大于1的正整数；

所述发送模块，用于分别将各类推荐话题中质量分最高的预设数量的话题发送至请求方终端。

12.根据权利要求11所述的装置，其特征在于，所述推荐模块，用于当所述用户属性包括兴趣点时，匹配所述用户属性和所述话题属性得到与所述兴趣点对应的第一类推荐话题；当所述用户属性不包括兴趣点时，获取推荐配置，并根据所述推荐配置和话题的质量分，得到第二类推荐话题；所述推荐话题包括所述第一类推荐话题和所述第二类推荐话题。

13.一种话题列表排序装置，其特征在于，包括：响应模块、话题接收模块和排序模块；

所述响应模块，用于响应操作并发送与所述操作对应的话题加载请求；

所述话题接收模块，用于接收基于所述话题加载请求反馈的各类推荐话题中质量分最高的预设数量的话题；

所述排序模块，用于按质量分降序对接收到的所述推荐话题根据话题类型交叉排序，得到话题列表。

14.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现权利要求1至10中任一项所述的方法的步骤。

15.一种存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时，实现权利要求1至10中任一项所述的方法的步骤。