CN110110203A - 资源信息推送方法及服务器、资源信息展示方法及终端 - Google Patents
资源信息推送方法及服务器、资源信息展示方法及终端 Download PDFInfo
- Publication number
- CN110110203A CN110110203A CN201810027205.7A CN201810027205A CN110110203A CN 110110203 A CN110110203 A CN 110110203A CN 201810027205 A CN201810027205 A CN 201810027205A CN 110110203 A CN110110203 A CN 110110203A
- Authority
- CN
- China
- Prior art keywords
- information
- resource
- stage
- content information
- service stage
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
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
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
-
- 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
- H04L67/50—Network services
- H04L67/55—Push-based network services
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Artificial Intelligence (AREA)
- Data Mining & Analysis (AREA)
- Information Transfer Between Computers (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种资源信息推送方法及服务器、资源信息展示方法及终端,属于网络技术领域。方法包括:获取资源信息;将资源信息和目标用户的使用偏好信息输入到多阶段模型中,输出目标用户对资源的至少一个使用阶段的偏好程度信息,其中,多阶段模型用于根据资源的不同使用阶段的内容信息预测目标用户对资源的不同使用阶段的偏好程度信息;基于至少一个偏好程度信息,对目标用户进行资源信息推送。本发明引入了多阶段模型,多阶段模型计算偏好程度信息的过程与用户多阶段使用资源的过程相吻合,计算的偏好程度信息准确性高,因此基于多阶段模型的偏好程度信息进行资源信息推送,能够提高推送资源信息的准确性。
Description
技术领域
本发明涉及网络技术领域,特别涉及一种资源信息推送方法及服务器、资源信息展示方法及终端。
背景技术
随着网络技术的发展,用户可以通过终端使用各种各样的资源信息,例如阅读文章、打游戏、观看电影、听音乐等。随着网络中资源信息的数量飞速增长,为了帮助用户在海量的资源信息中找到感兴趣的资源信息,服务器可以选取出用户感兴趣的资源信息,将其推送给终端,以便用户在终端上阅读感兴趣的资源信息。
在实现本发明的过程中,发明人发现相关技术至少存在以下问题:
目前推送资源信息时未考虑到用户的实际操作行为,推送的准确性较差。
发明内容
本发明实施例提供了一种资源信息推送方法及服务器、资源信息展示方法及终端,能够解决相关技术中推送文章的准确性较差问题。所述技术方案如下:
第一方面,提供了一种资源信息推送方法,所述方法包括:
获取资源信息,所述资源信息包括资源的多个不同使用阶段的内容信息;
将所述资源信息和目标用户的使用偏好信息输入到多阶段模型中,输出所述目标用户对所述资源的至少一个使用阶段的偏好程度信息,其中,所述多阶段模型用于根据资源的不同使用阶段的内容信息预测目标用户对资源的不同使用阶段的偏好程度信息;
基于至少一个偏好程度信息,对所述目标用户进行资源信息推送。
第二方面,提供了一种资源信息推送方法,所述方法包括:
根据目标用户对历史资源的第一个使用阶段的内容信息的操作行为,获取所述目标用户的使用偏好信息,所述第一个使用阶段的内容信息用于提供历史资源的预览;
将资源的第一个使用阶段的内容信息和所述使用偏好信息输入到第一阶段模型中,输出所述目标用户对所述资源的偏好程度信息;
基于所述偏好程度信息,进行资源信息推送;
其中,所述第一阶段模型用于根据资源的第一个使用阶段的内容信息预测用户对资源的偏好程度信息。
第三方面,提供了一种资源信息展示方法,所述方法包括:
当检测到目标用户对历史资源的至少第一个使用阶段的内容信息的操作行为时,将所述操作行为发送给服务器;
接收所述服务器发送的资源的第一个使用阶段的内容信息;
展示所述资源的第一个使用阶段的内容信息;
其中,所述资源由所述服务器根据历史资源的第一个使用阶段的内容信息以及第一个使用阶段的操作行为确定。
第四方面,提供了一种资源信息推送装置,所述装置包括:获取模块、输入输出模块和推送模块。
获取模块,用于获取资源信息,所述资源信息包括资源的多个不同使用阶段的内容信息;
输入输出模块,用于将所述资源信息和目标用户的使用偏好信息输入到多阶段模型中,输出所述目标用户对所述资源的至少一个使用阶段的偏好程度信息,其中,所述多阶段模型用于根据资源的不同使用阶段的内容信息预测目标用户对资源的不同使用阶段的偏好程度信息;
推送模块,用于基于至少一个偏好程度信息,对所述目标用户进行资源信息推送。
第五方面,提供了一种资源信息推送装置,所述装置包括:获取模块、输入输出模块和推送模块。
获取模块,用于根据目标用户对历史资源的第一个使用阶段的内容信息的操作行为,获取所述目标用户的使用偏好信息,所述第一个使用阶段的内容信息用于提供历史资源的预览;
输入输出模块,用于将资源的第一个使用阶段的内容信息和所述使用偏好信息输入到第一阶段模型中,输出所述目标用户对所述资源的偏好程度信息;
推送模块,用于基于所述偏好程度信息,进行资源信息推送;
其中,所述第一阶段模型用于根据资源的第一个使用阶段的内容信息预测用户对资源的偏好程度信息。
第六方面,提供了一种资源信息展示装置,所述装置包括:发送模块、接收模块和展示模块。
发送模块,用于当检测到目标用户对历史资源的至少第一个使用阶段的内容信息的操作行为时,将所述操作行为发送给服务器;
接收模块,用于接收所述服务器发送的资源的第一个使用阶段的内容信息;
展示模块,用于展示所述资源的第一个使用阶段的内容信息;
其中,所述资源由所述服务器根据历史资源的第一个使用阶段的内容信息以及第一个使用阶段的操作行为确定。
第七方面,提供了一种服务器,所述服务器包括处理器和存储器,所述存储器中存储有至少一条指令,所述指令由所述处理器加载并执行以实现上述第一方面中的资源信息推送方法和/或实现上述第二方面中的资源信息推送方法。
第八方面,提供了一种终端,所述终端包括处理器和存储器,所述存储器中存储有至少一条指令,所述指令由所述处理器加载并执行以实现上述第三方面中的资源信息展示方法。
第九方面,提供了一种计算机可读存储介质,所述存储介质中存储有至少一条指令,所述指令由处理器加载并执行以实现上述第一方面的资源信息推送方法和/或实现上述第二方面中的资源信息推送方法。
第十方面,提供了一种计算机可读存储介质,所述存储介质中存储有至少一条指令,所述指令由处理器加载并执行以实现上述第三方面中的资源信息展示方法。
本发明实施例提供的技术方案带来的有益效果是:
本发明实施例提供的方法、服务器及终端,引入了多阶段模型,多阶段模型计算偏好程度信息的过程与用户多阶段使用资源的过程相吻合,计算的偏好程度信息准确性高,因此基于多阶段模型的偏好程度信息进行资源信息推送,能够提高推送资源信息的准确性。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的一种实施环境的示意图;
图2是本发明实施例提供的一种资源信息推送方法的流程图;
图3是本发明实施例提供的一种多阶段推送文章的界面示意图;
图4是本发明实施例提供的一种多阶段模型的结构示意图;
图5是本发明实施例提供的一种多阶段模型的结构示意图;
图6是本发明实施例提供的一种在多阶段模型内分阶段地计算语义信息的示意图;
图7是本发明实施例提供的一种模型训练方法的流程图;
图8是本发明实施例提供的一种资源信息推送方法的流程图;
图9是本发明实施例提供的一种模型训练方法的流程图;
图10是本发明实施例提供的一种资源信息推送装置的结构示意图;
图11是本发明实施例提供的一种资源信息推送装置的结构示意图;
图12是本发明实施例提供的一种资源信息展示装置的结构示意图;
图13是本发明实施例提供的一种服务器的结构示意图;
图14是本发明实施例提供的一种终端1400的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,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,都属于本发明保护的范围。
图1是本发明实施例提供的一种实施环境的示意图。该实施环境包括多个终端101和多个服务器102。该多个终端101通过无线或者有线网络和多个服务器102连接,该多个终端101可以为电脑、智能手机、平板电脑或者其他电子设备,每个服务器102可以为是一台服务器,或者由若干台服务器组成的服务器集群,或者是一个云计算服务中心。
在模型训练的过程中,服务器102可以获取大量样本资源信息,例如接收资源信息的提供方发送的样本资源信息,该样本资源信息的提供方可以为某一网站或平台、第三方服务器、工作人员、用户等。服务器102可以基于大量样本资源信息进行训练,得到多阶段模型或者第一阶段模型。在推送资源信息的过程中,服务器102可以获取资源信息,基于资源信息、目标用户的使用偏好信息以及多阶段模型,向目标用户的终端101推送资源信息,或者基于资源信息、目标用户的使用偏好信息以及第一阶段模型,向目标用户的终端101推送资源信息。可选地,服务器102还可以具有资源数据库和/或用户数据库,该资源数据库可以为文章数据库、视频数据库、音乐数据库、商品数据库或游戏数据库等,用于存储大量资源。该用户数据库用于存储大量用户的使用偏好信息。
本发明提供的方法,可以应用于提供各种资源的场景中,资源可以包括文章、视频、音乐、商品和游戏等,在各种场景中,由于推送资源信息的过程使用了准确性高的多阶段模型或者第一阶段模型,能够更加精准的推送资源信息,极大地提升了推荐资源信息、搜索资源信息、对资源信息进行排序等过程的准确率,显著改善用户体验、提升产品以及服务的口碑,带来更大的流量变现等商业价值。
以资源为文章为例,以下结合三种示例性应用场景对本发明实施例的实际技术效果进行阐述:
(1)可以应用在推荐文章的场景中。在该场景中,终端可以运行仅用于提供阅读功能的客户端,此时,服务器可以为阅读应用关联的服务器。当然,终端也可以运行具有多种功能的客户端,例如,该客户端可以为社交应用客户端,该社交应用客户端可以提供社交以及阅读功能。
当服务器获取到某篇文章后,可以将已注册的用户作为目标用户,将文章和目标用户的使用偏好信息输入到多阶段模型中,输出目标用户对文章的至少第一个阅读阶段的偏好程度信息,也即是,至少会输出第一个阅读阶段的偏好程度信息,例如输出目标用户对标题、缩略图、摘要等文章的预览的偏好程度信息,可选地,还可以输出其他阅读阶段的偏好程度信息,例如第二个阅读阶段的偏好程度信息。之后,可以根据至少第一个阅读阶段的偏好程度信息,确定推荐这篇文章的顺序,或确定文章在推荐页面中的位置、顺序和占用页面比例中的至少一项,或确定是否推送这篇文章。
(2)可以应用在搜索文章的场景中。在该场景中,终端可以运行搜索引擎的客户端,服务器为搜索引擎关联的服务器。当目标用户在搜索引擎中输入关键词,点击确认选项后,终端可以向服务器发送信息推送请求,服务器接收到信息推送请求后,搜索与关键词匹配的多篇文章,对于该多篇文章中的每篇文章,可以将该文章和目标用户的使用偏好信息输入到多阶段模型中,输出目标用户对文章的至少第一个阅读阶段的偏好程度信息。之后,可以根据每篇文章的至少一个偏好程度信息,确定搜索结果,例如可以获取多篇文章的第一个阅读阶段的偏好程度信息,对多篇文章按照第一个阅读阶段的偏好程度信息进行排序,根据偏好程度信息的排序确定文章在搜索结果的顺序。其中,文章的第一个阅读阶段的偏好程度信息越高,则文章在搜索结果的顺序越靠前,第一个阅读阶段的偏好程度信息最高的文章可以作为搜索结果中的第一个文章。之后,可以将文章的搜索结果发送给终端,从而向终端推送文章。
(3)可以应用在对文章进行排序的场景中。在该场景中,终端可以运行阅读应用的客户端,服务器为阅读应用关联的服务器。当目标用户在终端上点击阅读应用的图标,或者点击阅读应用中的某一选项(例如“看一看选项”)时,终端可以向服务器发送信息推送请求,服务器接收到信息推送请求后,可以获取多篇文章,对于该多篇文章中的每篇文章,可以将文章和目标用户的使用偏好信息输入到多阶段模型中,输出的目标用户对文章的至少第一个阅读阶段的偏好程度信息。之后,可以根据每篇文章的至少一个偏好程度信息,对多篇文章按照第一个阅读阶段的偏好程度信息进行排序,并根据多篇文章的偏好程度信息的顺序生成携带多篇文章的推送页面。其中,文章的第一个阅读阶段的偏好程度信息越高,则文章在推送页面中的顺序可以越靠前,或者在推送页面中位于中心位置,或者占用推送页面较大的比例。之后,可以向终端发送推送页面,从而向终端推送文章。
需要说明的是,以上仅是以推荐文章、搜索文章、对文章进行排序等场景为例进行说明,在实施中,可以同理地应用于推荐视频、搜索视频、对视频进行排序等场景,进一步地,可以应用于推送任一种类型的资源信息的场景,本发明对此不做限定。
目前,对于诸多阅读/资讯类的应用、购物应用、视频应用等具有推送功能的应用来说,必不可少的核心模块都是基于用户的使用偏好进行建模,以便将用户偏好使用的资源信息推送给用户,达到精准推送的效果。然而,目前基于用户的使用偏好进行建模的方法,都有一个共同的假设:用户仔细地看完了所展现给他的全部内容(例如文章的全文、视频的全部内容),并理性、全面地进行了理解,再基于个人的使用偏好对全部内容进行了理性的评估(排除了情绪等诸多非理性因素)并决定下一步的动作(例如点击、收藏、转发、评论等)。
然而,以资源为文章为例,实际上移动互联网时代的用户阅读具有以下几个重要特征:(1)用户通常在碎片时间进行阅读,由于分配给阅读的时间较短,所以很少全文通读,而是快速浏览/扫视,在极短的时间内捕捉自己可能感兴趣的内容片段。(2)用户一般不会采用直接通读文章的全文的单阶段阅读方式,而是先看“标题+配图+摘要”,快速判断是否感兴趣,如果有兴趣才点击全文进行快速阅读,然后再回顾一下实际的全文内容是否与之前读到的“标题+配图+摘要”是否一致,并积累/刷新关于该阅读应用是否“文不对题”的认知这样的多阶段决策阅读方式。(3)随着阅读的门槛降低,阅读的受众越来越广,同样的文章会被很多不同用户阅读,这些用户的社会阶层、文化水平、阅读理解能力等方面相差迥异,因此文章的内容与用户的匹配程度不仅由用户的使用偏好决定,还受到用户个性化的属性影响。
本发明提供的资源信息推送方法,通过引入多阶段模型,能够解决上述各个问题:(1)多阶段模型中具有多个使用阶段的子模型,每个子模型输出的语义信息会决定下一个子模型是否会进行语义信息的计算,通过各个子模型依次计算的过程刻画用户的实际阅读过程,整个多阶段模型的***架构更吻合用户的认知和决策过程。(2)每个用户的各个使用阶段的子模型都是个性化的、有差异的,结合了操作时长(如阅读文章的时长、观看视频的时长)、属性信息(如学历)等,从而融入了对不同用户的不同阅读理解能力的考虑。(3)用户的各阶段模型在将内容信息作为输入的基础上,还可以综合考虑用户的操作时长(反映用户的阅读时长和阅读速度)、用户的属性信息(学历、地域、年龄、社会阶层等)、非理性信息(例如天气信息、用户情绪信息、交通信息、用户健康信息)、社交信息(例如与谁待在一起、社交网络上的好友分享和聊天话题、用户所在的社群和圈子等)、用户对资源信息的提供方的印象信息(例如“是否经常出现文不对题的情况”),从而进一步提高推荐资源信息的准确性。(4)不再直接使用资源的全部使用阶段的内容信息建模,而是构建层次化注意力机制,采用选择性的、分阶段的建模方式,即只是使用资源当前使用阶段的内容信息建模,保证模型更加贴合用户实际使用资源(如阅读文章)的过程。
图2是本发明实施例提供的一种资源信息推送方法的流程图。该发明实施例的执行主体为服务器,参见图2,该方法包括:
201、服务器获取资源信息。
资源可以为文章、电影、游戏、音乐或商品等,每个资源信息包括资源的多个不同使用阶段的内容信息,每个资源会被划分为多个使用阶段,终端在提供资源的过程中,会逐个阶段地依次提供资源每个使用阶段的内容信息,从而逐步引导用户使用资源。
针对逐个阶段提供内容信息的具体过程,每个使用阶段的展示信息可以基于上一个使用阶段的展示信息是否被展示来进行展示,即,每个使用阶段的展示信息可以基于是否检测到对上一个使用阶段的展示信息的确认行为来进行展示。具体地,终端会先展示第一个使用阶段的内容信息,当检测到对第一个使用阶段的内容信息的确认行为后,才会展示第二个使用阶段的内容信息,而当未检测到对第一个使用阶段的内容信息的确认行为时,不会展示第二个使用阶段的内容信息。同理地,当检测到对第二个使用阶段的内容信息的确认行为时,才会展示第三个使用阶段的内容信息,依次类推。
其中,确认行为表示确认需要展示下一个使用阶段的内容信息,该确认行为包括点击行为、滑动行为、长按行为、语音确认行为中的至少一项。该点击行为可以为点击某一选项或某一链接的行为,该滑动行为可以为从上到下滑动的行为、从左向右滑动的行为或者按照其他方向滑动的行为,该长按行为可以为长按某一选项或某一图片的行为,该语音确认行为可以为发出语音指令的行为。
针对每个使用阶段的内容信息的具体内容,可选地,资源的多个使用阶段可以包括第一个使用阶段和第二个使用阶段,第一个使用阶段展示资源的标题、缩略图、摘要中的至少一项,第二个使用阶段展示资源的全文。当然,资源的第一个使用阶段和第二个使用阶段还可以展示其他内容信息,另外资源还可以包括第三个使用阶段乃至更多的使用阶段,本实施例对使用阶段展示的内容信息以及使用阶段的数量不做限定。
需要说明的是,在逐阶段地提供资源的过程中,资源的第一个使用阶段会提供资源的预览,通过推送资源的第一个使用阶段的内容信息,用户可以对资源进行预览,并根据资源的预览决策是否进阶使用资源,例如根据文章的标题和缩略图判断是否对文章感兴趣,感兴趣时则浏览文章的全文,根据电影的宣传片段判断是否对电影感兴趣,感兴趣则观看电影的全部内容等等。
以下结合实际应用场景和附图,对资源的每个使用阶段进行示例性说明。
(1)资源为文章。文章可以多个阅读阶段的内容信息,可以采用以下两种设计方式进行设计。
设计一、文章的第一个阅读阶段的内容信息包括文章的标题、缩略图、摘要中的至少一项,文章的第二个阅读阶段的内容信息为文章的全文。其中,文章的全文可以包括文字、图像、视频、音乐、动画、标签、超链接等,例如,该文章可以为公众号所发布的文章或者某一资源平台所发布的文章。
参见图3,其示出了本发明实施例提供的一种多阶段推送文章的界面示意图,可以先推送文章的标题、缩略图、摘要中的至少一项,当检测到用户对标题、缩略图、摘要中的至少一项的确认操作时,再推送文章的全文。
设计二、文章的第一个阅读阶段的内容信息包括文章的标题、缩略图、摘要中的至少一项,文章的第二个阅读阶段的内容信息为文章的试看片段,文章的第二个阅读阶段的内容信息为文章的全文。
在推送文章的场景中,可以先推送文章的标题、缩略图、摘要中的至少一项,当检测到用户对标题、缩略图、摘要中的至少一项的确认操作时,推送文章的试看片段,当检测到用户对试看片段的确认操作时,再推送文章的全文。
(2)资源为视频。视频可以多个观看阶段的内容信息,可以采用以下两种设计方式进行设计。
设计一、视频的第一个观看阶段的内容信息包括视频的海报、首帧画面、关键帧画面、标题、摘要、演员、关键片段中的至少一项,视频的第二个观看阶段的内容信息为视频的全部内容。
在推送视频的场景中,可以先推送视频的海报、首帧画面、关键帧画面、标题、摘要、关键片段中的至少一项,当检测到用户对视频的海报、首帧画面、关键帧画面、标题、摘要、关键片段中的至少一项的确认操作时,再推送视频的全部内容。
设计二、视频的第一个观看阶段的内容信息包括视频的海报、首帧画面、关键帧画面、标题、摘要、演员、关键片段中的至少一项,视频的第二个观看阶段的内容信息为视频的试看片段,视频的第三个观看阶段的内容信息为视频的全部内容。
在推送视频的场景中,可以先推送视频的海报、首帧画面、关键帧画面、标题、摘要、关键片段中的至少一项,当检测到用户对视频的海报、首帧画面、关键帧画面、标题、摘要、关键片段中的至少一项的确认操作时,再推送视频的试看片段,当检测到用户对视频的试看片段的确认操作时,再推送视频的全部内容。
(3)资源为音乐。
音乐可以多个收听阶段的内容信息,例如,音乐的第一个收听阶段的内容信息包括音乐的名称、音乐的海报、歌手的图片、歌手的名称、音乐所属的歌单名称、音乐所属的专辑名称、音乐所属的专辑截图、上传音乐的用户名称、音乐的类别、音乐的播放次数中的至少一项,音乐的第二个收听阶段的内容信息包括音乐、音乐的歌词、音乐的评论、音乐所属的专辑视频中的至少一项。
在推送音乐的场景中,可以先推送音乐的第一个收听阶段的内容信息,当检测到用户对第一个收听阶段的内容信息的确认操作时,再推送音乐的第二个收听阶段的内容信息。
(3)资源为商品,商品可以包括多个购买阶段的内容信息。
商品的第一个购买阶段的内容信息包括商品的图片、商品的名称、商品的广告词、商品的价格、商品的运费、商品的销量、商品的购买人数、商品的属性、商品的高频评价、商品的所在地、商品的优惠信息、商品与目标用户之间的距离、卖家的名称、商品的售后服务、商品的品牌、商品的评分中的至少一项。商品的第二个购买阶段的内容信息包括商品的详情、商品的每个评价、商品的问答信息、商品的搭配套餐信息、商品的相似商品信息、卖家的详情、商品的图片、商品的名称、商品的广告词、商品的价格、商品的运费、商品的销量、商品的购买人数、商品的属性、商品的高频评价、商品的所在地、商品的优惠信息、商品与目标用户之间的距离、卖家的名称、商品的售后服务、商品的品牌、商品的评分中的至少一项,商品的第三个购买阶段的内容信息包括购买的商品的名称、购买的商品的数量、订单金额、向卖家的备注、收货地址中的至少一项。
在推送商品的场景中,可以先推送商品的第一个购买阶段的内容信息,当检测到用户对第一个购买阶段的内容信息的确认操作时,再推送商品的第二个购买阶段的内容信息,当检测到用户对第二个购买阶段的内容信息的确认操作时,再推送商品的第三个购买阶段的内容信息。
(4)资源为游戏,游戏可以包括多个操作阶段的内容信息。
游戏的第一个操作阶段的内容信息包括游戏的名称、游戏的图标、游戏的大小、游戏的广告词、游戏的下载人数中的至少一项。游戏的第二个操作阶段的内容信息包括游戏的介绍、游戏的动画、游戏的宣传视频、游戏的大小、游戏的广告词、游戏的评论、游戏的打分、游戏的版本、游戏的标签、游戏的相似游戏中的至少一项。游戏的第三个操作阶段的内容信息包括战斗画面、竞技画面、经营画面、冒险画面、对话画面、抽卡画面、射击画面、角色扮演画面、道具选择画面、道具购买画面、棋牌画面中的至少一项。
在推送游戏的场景中,可以先推送游戏的第一个操作阶段的内容信息,当检测到用户对第一个操作阶段的内容信息的确认操作时,再推送商品的第二个操作阶段的内容信息,当检测到用户对第二个操作阶段的内容信息的确认操作时,再推送商品的第三个操作阶段的内容信息。
需要说明的是,当应用于主动推送资源信息的场景,例如推荐场景中,当服务器获取到多个资源信息时,可以无需得到目标用户输入的信息,直接将获取到的每个资源信息作为可以推送的资源信息,进而将获取的每个资源信息输入到多阶段模型中。当应用于被动推送资源信息的场景,例如搜索场景中,用户可以在终端上输入关键词,终端可以将关键词发送给服务器,服务器可以基于关键词进行搜索,得到与关键词匹配的多个资源信息,进而将与关键词匹配的资源信息输入到多阶段模型中。
202、服务器根据目标用户对历史资源的至少第一个使用阶段的内容信息的操作行为,获取目标用户的使用偏好信息。
目标用户是指资源信息的推送对象,确定目标用户的过程可以包括以下两种设计:
设计一、根据终端的信息推送请求确定目标用户:终端可以向服务器发送信息推送请求,信息推送请求携带用户标识,信息推送请求用于请求服务器推送资源信息。当服务器接收到信息推送请求时,可以获取该信息推送请求携带的用户标识,将该用户标识对应的用户作为目标用户。其中,该信息推送请求可以由对阅读应用、购物应用等应用的启动操作触发、对搜索选项的点击操作触发、对推送页面的启动操作触发,本实施例对此不做限定。
设计二、根据已注册的用户确定目标用户:服务器可以将已注册的每个用户均作为目标用户,也可以从已注册的每个用户中选取符合预设条件的用户,将符合预设条件的用户作为目标用户。其中,该预设条件可以为充值了会员、触发了付费操作、订制了推送服务、位于某一地理区域、具有某种属性或属于某一社交群组等,可以根据实际需求确定。
需要说明的是,以上仅是示例性地阐述两种确定目标用户的方式,本实施例对确定目标用户的具体方式不做限定,在实施中,服务器所服务的每个用户均可以是目标用户。另外,服务器确定的目标用户可以为一个或多个,本实施例对确定的目标用户的数量也不做限定。
使用偏好信息:使用偏好信息用于指示用户对资源信息的使用偏好,例如阅读文章的偏好、观看电影的偏好、收听音乐的偏好、操作游戏的偏好、购买商品的偏好等。使用偏好信息也可称为兴趣偏好信息、个人偏好信息等,使用偏好信息可以采用向量的数据结构表示。
构建使用偏好信息的具体过程:服务器会根据目标用户对历史资源的至少第一个使用阶段的内容信息的操作行为,获取目标用户的使用偏好信息,即服务器可以仅根据目标用户对历史资源的第一个使用阶段的内容信息的操作行为,获取目标用户的使用偏好信息,可选地,也可以结合目标用户对历史资源的第一个使用阶段的内容信息的操作行为以及对其他使用阶段的内容信息的操作行为,获取目标用户的使用偏好信息,例如可以根据第一个使用阶段的操作行为和第二个使用阶段的操作行为获取使用偏好信息,又如可以根据所有使用阶段的操作行为获取使用偏好信息等。
针对检测目标用户对历史资源的至少第一个使用阶段的内容信息的操作行为的具体过程,服务器可以通过和客户端之间进行交互,检测目标用户对历史资源的至少第一个使用阶段的内容信息的操作行为。
在实施中,服务器预先向客户端推送了历史资源的至少第一个使用阶段的内容信息,客户端会接收历史资源的至少第一个使用阶段的内容信息,展示历史资源的至少第一个使用阶段的内容信息,当检测到目标用户对历史资源的至少第一个使用阶段的内容信息的操作行为时,将操作行为发送给服务器,则服务器可以接收客户端发送的对历史资源的至少第一个使用阶段的内容信息的操作行为,从而检测到目标用户对历史资源的至少第一个使用阶段的内容信息的操作行为。
结合实际应用场景,服务器检测目标用户对历史资源的至少第一个使用阶段的内容信息的操作行为的过程具体可以包括以下设计一至设计六:
设计一(针对文章)、当检测到目标用户对历史资源的任一个使用阶段的内容信息的浏览行为时,获取浏览行为的持续时长。
在目标用户浏览历史资源的任一个使用阶段的内容信息的过程中,服务器可以检测目标用户的浏览行为,获取浏览行为的持续时长,以便根据浏览行为的持续时长获取目标用户的使用偏好信息。其中,针对获取浏览行为的持续时长的具体过程,可以由终端检测目标用户对资源的浏览行为的持续时长,将目标用户对资源的浏览行为的持续时长发送给服务器,服务器可以接收浏览行为的持续时长,从而获取到浏览行为的持续时长。
关于终端检测每个使用阶段的浏览行为的持续时长的过程,可以采用以下两种设计:
设计一(针对第一个使用阶段)、在推送历史资源的第一个使用阶段的内容信息的过程中,终端通常会在同一页面展示多个历史资源的第一个使用阶段的内容信息,例如在阅读应用的主界面展示多个文章的标题和缩略图、在商品的搜索结果页面展示多个商品的名称和图片等,以便用户在页面中预览多个历史资源,从多个历史资源中选择感兴趣的资源从而查看资源的下一个使用阶段的内容信息。
为了确定目标用户浏览每个历史资源的第一个使用阶段的内容信息的时长,终端在任一页面中展示每个内容信息的过程中,可以检测在页面上触发的滑动操作,将滑动操作之间的时间间隔,看做用户的目光在页面停留的时长,可以将在页面中停留的时长作为页面中每个资源的第一个使用阶段的内容信息的浏览行为的持续时长。另外,也可以获取页面中内容信息的数量,计算页面中停留的时长与内容信息的数量之间的比值,将该比值作为页面中每个内容信息的浏览行为的持续时长。
例如,假设终端当前展示的一屏页面包括4个文章的标题和缩略图,当开始展示页面后终端经过10s检测到滑动操作,滚动展示下一屏页面,则终端可以确定在这一屏页面中停留的时长为10s,将10s作为这一屏页面中的4个文章中每个文章的标题和缩略图的阅读时长。另外,也可以计算10s/4=2.5s,将2.5s作为4个文章中每个文章的标题和缩略图的阅读时长。
设计二、(针对第二个使用阶段或者之后的使用阶段)、对于历史资源的第一个使用阶段以外的任一使用阶段来说,通常会用整版页面承载历史资源在该使用阶段的内容信息,而不涉及其他历史资源。因此在展示历史资源的第一个使用阶段以外的任一使用阶段的内容信息对应的页面的过程中,终端可以当开始展示页面时,记录当前时间点,当结束展示页面(如关闭页面或切换至其他页面)时,再次记录当前时间点,计算两次记录的时间点的时间间隔,作为历史资源在该使用阶段的内容信息的浏览行为的持续时长。
可选地,对于任一历史资源的任一个使用阶段的内容信息来说,若对该内容信息的浏览行为的持续时长较长,例如超过预设时长阈值,表明目标用户对内容信息感兴趣,可以获取该使用阶段的内容信息,进而根据该使用阶段的内容信息获取使用偏好信息,而若对该内容信息的浏览行为的持续时长较短,例如未超过预设时长阈值,表明目标用户对内容信息不感兴趣,可以不根据该使用阶段的内容信息获取使用偏好信息。
其中,针对根据历史资源的内容信息获取使用偏好信息的具体过程,服务器可以采用特征提取算法,提取内容信息的特征,将内容信息的特征作为使用偏好信息。其中,该特征提取算法可以为DNN(Deep Neural Network,深层神经网络算法)、RNN(Recurrentneural Network、循环神经网络)、TF-IDF(term frequency–inverse documentfrequency,词频-逆向文件频率)、word2vec、doc2vec的任意组合。以历史资源为文章为例,服务器可以采用特征提取算法,从文章的内容信息中提取关键词,将这些关键词作为使用偏好信息。
设计二(针对音频类资源)、当检测到目标用户对历史资源的任一个使用阶段的内容信息的收听行为时,可以获取收听行为的持续时长。
在目标用户收听历史资源的任一个使用阶段的内容信息的过程中,服务器可以获取收听行为的持续时长,以便根据收听行为的持续时长获取目标用户的使用偏好信息,从而基于使用偏好信息预测目标用户对资源的使用偏好。其中,终端可以获取历史资源播放的时长,作为收听行为的持续时长,将该持续时长发送给服务器。具体地,当终端结束播放历史资源时,可以获取历史资源的播放器的进度条指示的时长,将该时长作为历史资源播放的时长,或者,终端可以当开始播放历史资源时记录当前的时间点,当结束播放历史资源时再次记录当前的时间点,记录两个时间点之间的时间间隔,作为历史资源播放的时长。
可选地,考虑到不同历史资源的时长不同,为了保证对不同历史资源的收听行为的持续时长处于相近的数值范围内,可以根据历史资源的时长,对收听行为的持续时长进行归一化,将收听行为的持续时长与历史资源的时长的比值作为最终得到的收听行为的持续时长。
设计三(针对视频类资源)、当检测到目标用户对历史资源的任一个使用阶段的内容信息的观看行为时,获取观看行为的持续时长。
本设计与上述设计二同理,在此不做赘述。
设计四(针对游戏类资源)、当检测到目标用户对历史资源的任一个使用阶段的内容信息的游戏行为时,获取游戏行为的持续时长、操作次数、操作频率的至少一项。
在目标用户对游戏类资源触发游戏行为的过程中,服务器可以在目标用户启动游戏类资源时开始计时,在目标用户退出游戏类资源时结束计时,得到已经记录的时长,作为游戏行为的持续时长。另外,服务器可以获取目标用户在游戏过程中的点击次数、滑动次数、长按次数等操作行为的次数,得到操作次数。另外,服务器可以计算操作次数与持续时长的比值,作为操作频率。
设计五(针对任意类资源)、当检测到目标用户对历史资源的任一个使用阶段的内容信息的确认行为时,记录确认行为。
确认行为是指确认进入下一个使用阶段的行为,确认行为可以包括点击行为、滑动行为、长按行为、语音确认行为中的至少一项。例如针对文字类资源,确认行为可以为点击文章的标题或缩略图的行为,针对音频类资源或视频类资源,确认行为可以为点击播放器的开始按钮的行为,针对游戏类资源,确认行为可以为点击play按钮的行为,针对商品类资源,确认行为可以为点击商品图片的行为、点击购买选项的行为等。
在目标用户浏览历史资源的任一个使用阶段的内容信息的过程中,当目标用户对该内容信息触发确认行为,例如点击文章的标题时,表明目标用户希望使用下一个使用阶段的内容信息,服务器可以检测到确认行为,记录该确认行为。其中,可以由终端检测目标用户对内容信息的确认行为,将目标用户对内容信息的确认行为发送给服务器,服务器接收对内容信息的确认行为,从而记录确认行为。
需要说明的是,设计五可以单独作为检测目标用户对历史资源的至少第一个使用阶段的内容信息的操作行为的过程,也可以结合上述设计一至设计四中的任一种设计作为检测目标用户对历史资源的至少第一个使用阶段的内容信息的操作行为的过程,例如,当设计五和设计一相结合时,在目标用户浏览历史资源的任一个使用阶段的内容信息的过程中,可以获取浏览行为的持续时长,并记录目标用户对内容信息的确认行为。
设计六(针对任意类资源)、当检测到目标用户对历史资源的任一个使用阶段的内容信息的互动行为时,记录互动行为。
互动行为是指目标用户与其他用户或资源信息的提供方进行交互的行为。其中,该其他用户可以为目标用户的好友或使用资源信息的他人,资源信息的提供方可以指资源的作者、发布资源的用户或厂商等。
示例性地,互动行为可以包括点赞行为、评论行为、分享行为、转发行为、收藏行为、打赏行为、加入购物车行为、私信行为、搜索行为、下载行为、保存行为、复制行为、K歌行为、打分行为、发送弹幕行为、送礼行为、扫描图形码行为、购买行为、投票行为、订阅行为、置顶行为、踩行为、举报行为、个人信息输入行为中的至少一项。
其中,该点赞行为可以指点击点赞选项的操作、评论行为可以指在评论输入框、评论输入页面中输入评论的行为,打赏行为可以指点击打赏选项并支付一定的打赏金额的行为,加入购物车行为可以指将资源加入到目标用户的虚拟购物车的行为,私信行为可以指向资源的作者或发布者发送信息的行为,搜索行为可以指基于关键字在资源内进行搜索的行为,下载行为可以指将资源下载到本地的行为,保存行为可以指将资源保存至某一目录或某一账号的行为,复制行为可以指复制资源的片段或全部的行为,K歌行为可以指点击K歌选项并演唱歌曲的行为,打分行为可以指针对资源输入分值的行为、发送弹幕行为可以指针对资源输入弹幕的行为,送礼行为可以指向资源对应的主播发送虚拟礼物的行为,扫描图形码行为可以指扫描资源携带的图形码的行为,购买行为可以指在线购买资源的行为,投票行为可以指对点击资源提供的多个投票选项的行为、订阅行为可以指订阅资源的发布方(如关注微博的博主、订阅公共号)从而自动接收该发布方发布的资源的行为,置顶行为可以指将某一资源保持置于应用程序的页面的顶部以显示的行为,踩行为可以指点击踩选项的行为,举报行为可以指举报资源含有不良信息的行为,个人信息输入行为可以指在资源(如调查问卷)提供的输入选项中输入个人信息的行为。
需要说明的第一点是,设计六可以单独作为检测目标用户对历史资源的至少第一个使用阶段的内容信息的操作行为的过程,也可以结合上述设计一至设计四中的任一种设计作为检测目标用户对历史资源的至少第一个使用阶段的内容信息的操作行为的过程,还可以结合上述设计五作为检测目标用户对历史资源的至少第一个使用阶段的内容信息的操作行为的过程。例如,当设计六和设计一相结合时,在目标用户浏览历史资源的任一个使用阶段的内容信息的过程中,可以获取浏览行为的持续时长,并记录目标用户对内容信息的互动行为。又如,当设计六和设计三相结合时,在目标用户观看历史资源的任一个使用阶段的内容信息的过程中,可以获取观看行为的持续时长,并记录目标用户对内容信息的互动行为。
需要说明的第二点是,针对记录互动行为的具体过程,服务器可以记录互动行为是否发生,还可以记录互动行为携带的互动内容,例如评论的内容、打赏的金额等。以下通过(1)至(7)对记录互动行为中的互动内容的过程进行示例性说明。
(1)当检测到目标用户对历史资源的任一个使用阶段的内容信息的评论行为时,记录评论的内容。
目标用户可以针对历史资源的任一使用阶段的内容信息输入评论的内容,评论的内容可以包括文字、表情、图片等,服务器可以记录评论的内容,以便根据评论内容获取目标用户的使用偏好信息。其中,终端可以检测目标用户的评论操作,获取用户输入的评论的内容,将评论的内容发送给服务器,服务器可以接收评论的内容,从而得到评论的内容。
可选地,针对根据评论的内容获取使用偏好信息的过程,服务器可以对评论的内容进行情感分析,当评论的内容表达正向情感时,表明目标用户对内容信息感兴趣,可以获取该使用阶段的内容信息,进而根据该使用阶段的内容信息获取使用偏好信息,当评论的内容表达负向情感时,表明目标用户对内容信息不感兴趣,可以不获取该使用阶段的内容信息。
例如,目标用户对某文章的某一使用阶段的内容信息进行了评论,假设评论的内容为“真心赞,给作者大大打call”时,服务器可以分析出评论的内容表达正向情感,确认目标用户对该使用阶段的内容信息感兴趣,则根据该使用阶段的内容信息获取使用偏好信息。假设评论的内容为“小编又骗我点击,果断取关”时,服务器可以分析出评论的内容表达负向情感,确认目标用户对该使用阶段的内容信息不感兴趣,则不根据该使用阶段的内容信息获取使用偏好信息。
(2)当检测到目标用户对历史资源的任一个使用阶段的内容信息的分享行为时,记录分享的次数或分享的对象的数量。
目标用户在使用历史资源的任一使用阶段的内容信息的过程中,可以将历史资源的任一使用阶段的内容信息分享给某一对象,该对象可以为某一好友、某一社交群组或某一应用,服务器可以记录分享的次数,即目标用户分享历史资源的内容信息的次数,以便根据分享的次数获取目标用户的使用偏好信息。同理地,服务器可以记录分享的对象的数量,其中当每次将内容信息分享给一个对象时,则分享的对象的数量可以等于分享的次数,当每次将内容信息分享给多个对象时,可以累计每次分享的对象的数量,得到分享的对象的总数量。其中,终端可以每当检测到目标用户对内容信息的分享操作时,将分享对象通知给服务器,服务器可以检测到目标用户对内容信息的分享行为。
可选地,针对根据分享行为获取使用偏好信息的过程,当目标用户分享某个历史资源的某个内容信息的次数较多,例如分享次数大于某一阈值时,服务器可以获知目标用户对该内容信息感兴趣,可以根据该内容信息获取使用偏好信息。
(3)当检测到目标用户对历史资源的任一个使用阶段的内容信息的打分行为时,记录打分行为的分值。
目标用户可以针对历史资源的任一使用阶段的内容信息进行打分,服务器可以记录打分的分值,以便根据打分的分值获取目标用户的使用偏好信息。其中,终端可以检测目标用户的打分操作,获取用户输入的分值,将分值发送给服务器,服务器可以接收该分值,从而得到打分行为的分值。
可选地,针对根据打分行为获取使用偏好信息的过程,当目标用户对某个历史资源的某个内容信息打分较高,例如分值大于某一分值阈值时,服务器可以获知目标用户对该内容信息感兴趣,可以根据该内容信息获取使用偏好信息。
(4)当检测到目标用户对历史资源的任一个使用阶段的内容信息的打赏行为时,记录打赏行为的金额。
目标用户可以针对历史资源的任一使用阶段的内容信息进行打赏,服务器可以记录打赏的金额,以便根据打赏的金额获取目标用户的使用偏好信息。其中,终端可以检测目标用户的打赏操作,获取用户打赏的金额,将打赏的金额发送给服务器,服务器可以接收打赏的金额,从而得到打赏的金额。
可选地,针对根据打赏行为获取使用偏好信息的过程,当目标用户对某个历史资源的某个内容信息进行打赏时,服务器即可获知目标用户对该内容信息感兴趣,可以根据该内容信息获取使用偏好信息。
需要说明的是,考虑到不同用户的经济情况不同,可以根据用户的个人经济情况对打赏的金额进行归一化,以保证不同用户的使用偏好信息处于相近的数值范围内。
(5)当检测到目标用户对历史资源的任一个使用阶段的内容信息的送礼行为时,记录发送的虚拟礼物的数量、种类、金额中的至少一项。
目标用户可以针对历史资源的任一使用阶段的内容信息进行送礼,服务器可以记录目标用户发送的虚拟礼物的数量、种类、金额,以便根据虚拟礼物的数量、种类、金额获取目标用户的使用偏好信息。其中,终端可以检测目标用户的送礼操作,获取用户输入的虚拟礼物的数量、种类、金额,发送给服务器,服务器可以接收该虚拟礼物的数量、种类、金额,从而得到虚拟礼物的数量、种类、金额。
(6)当检测到目标用户对历史资源的任一个使用阶段的内容信息的购买行为时,记录购买行为的数量、金额的至少一项。
当历史资源为商品时,目标用户可以针对历史资源的任一使用阶段的内容信息进行购买操作,服务器可以记录目标用户购买的商品的数量、金额的至少一项,以便根据购买的商品的数量、金额来获取目标用户的使用偏好信息。其中,终端可以检测目标用户的购买操作,获取用户购买的商品的数量、金额的至少一项,发送给服务器,服务器可以接收购买的商品的数量、金额的至少一项,从而得到购买的商品的数量、金额的至少一项。
(7)当检测到目标用户对历史资源的任一个使用阶段的内容信息的发送弹幕行为时,记录发送的弹幕的内容。
目标用户可以针对历史资源的任一使用阶段的内容信息发送弹幕,服务器可以记录弹幕的内容,以便根据弹幕的内容获取目标用户的使用偏好信息。其中,终端可以检测目标用户的弹幕发送操作,获取用户输入的弹幕的内容,将弹幕的内容发送给服务器,服务器可以接收弹幕的内容,从而得到弹幕的内容。
可选地,针对根据弹幕的内容获取使用偏好信息的过程,服务器可以对弹幕的内容进行情感分析,当弹幕的内容表达正向情感时,表明目标用户对内容信息感兴趣,可以获取该使用阶段的内容信息,进而获取使用偏好信息,当评论的内容表达负向情感时,表明目标用户对内容信息不感兴趣,可以不获取该使用阶段的内容信息。
需要说明的第一点是,上述(1)至(7)可以通过任意结合的方式形成设计六即记录互动行为的过程,例如(2)和(4)结合时,对于历史资源的任一个使用阶段的内容信息来说,如果目标用户既对内容信息触发了分享行为,又对内容信息触发了打赏行为,可以检测到该分享行为和打赏行为,记录分享的次数以及打赏的金额。
需要说明的第二点是,当上述设计一至设计六以相互结合的方式形成检测目标用户对历史资源的至少第一个使用阶段的内容信息的操作行为的过程时,在构建用户的使用偏好信息时,对一个资源来说,可以基于该资源所记录的至少一种操作行为进行加权求和,将加权求和的结果作为用户对该资源的使用偏好信息,对于一个用户来说,可以根据该用户对多个资源的使用偏好信息以及资源的内容信息,来生成该用户的使用偏好信息。
例如设计一和设计六结合时,可以获取浏览行为的持续时长并记录互动行为,对浏览行为的持续时长和互动行为进行加权求和,得到该资源的使用偏好信息。其中可以预先为不同的操作行为确定不同的权重,每种操作行为的权重根据实际业务需求确定,例如可以为浏览行为的持续时长和互动行为确定不同的权重。
需要说明的第三点是,上述仅是以根据至少第一个使用阶段的操作行为获取使用偏好信息为例进行说明,可选地,还可以根据至少第一个使用阶段的操作行为、社交信息和目标用户的属性信息来获取目标用户的使用偏好信息。其中,目标用户的属性信息可以包括目标用户的学历、地域、年龄、社会阶层、性别、工作类型/性质、财富/负债状况中的至少一项,社交信息包括当前与目标用户在一起的好友标识、目标用户参与的好友分享话题和聊天话题、用户所在的社交群组和社交圈子中的至少一项。
需要说明的第四点是,服务器可以预先构建使用偏好信息,也可以实时构建使用偏好信息。具体来说,针对预先构建使用偏好信息的场景,服务器可以预先构建每个用户的使用偏好信息,并在用户数据库中存储每个用户的使用偏好信息,当确定目标用户后,查询用户数据库即可获取预先构建的使用偏好信息。进一步地,考虑到兴趣偏好的时效性,可以根据每个用户最近一段时间的操作行为,定期地对每个用户的使用偏好信息进行更新。例如,服务器可以每隔一个月,根据用户在本月对每个历史资源的至少第一个使用阶段的内容信息的操作行为,对用户的使用偏好信息进行更新。针对实时构建使用偏好信息的场景,服务器可以在用户数据库中存储历史资源以及目标用户对历史资源每个使用阶段的操作行为,当确定目标用户后,从用户数据库中读取目标用户使用过的历史资源以及目标用户对历史资源每个使用阶段的操作行为,根据目标用户历史使用的资源信息以及每个使用阶段的操作行为构建使用偏好信息。
203、服务器将资源信息和目标用户的使用偏好信息输入到多阶段模型中,输出目标用户对资源的至少一个使用阶段的偏好程度信息。
本实施例中,结合资源信息的多阶段使用过程,相应地设计了多阶段模型,多阶段模型包括多个使用阶段的子模型,每个子模型可以理解为一个分类器。以下分别从(1)和(2)这两个角度对多阶段模型进行阐述:
(1)每个子模型的功能:每个子模型用于根据对应使用阶段的内容信息,输出对应使用阶段的语义信息。即,第一个子模型用于根据第一个使用阶段的内容信息,输出第一个使用阶段的语义信息,第二个子模型用于根据第一个使用阶段的内容信息,输出第二个使用阶段的语义信息,以此类推。其中,语义信息可以采用向量的数据结构表示,语义信息和使用偏好信息可以处于同一个潜在语义空间(latent semantic space)。
(2)多个子模型之间的关系:每个使用阶段的子模型输出的语义信息与使用偏好信息匹配时,会触发下一个使用阶段的子模型进行语义信息的计算,而每个使用阶段的子模型输出的语义信息与不使用偏好信息匹配时,下一个使用阶段的子模型不会进行语义信息的计算。即,第一个子模型输出的语义信息与使用偏好信息匹配时,会触发第二个使用阶段的子模型进行语义信息的计算,第一个子模型输出的语义信息与使用偏好信息不匹配时,第二个使用阶段的子模型不会进行语义信息的计算。同理地,第二个子模型输出的语义信息与使用偏好信息匹配时,会触发第三个使用阶段的子模型进行语义信息的计算,以此类推。
需要说明的是,多个子模型之间可以相互并列,即上一个子模型输出的语义信息可以不输入至下一个子模型中,仅是作为下一个子模型的触发条件,即确定下一个子模型是否会计算语义信息。示例性地,以资源为文章,多阶段模型包括两个使用阶段的子模型为例,多阶段模型的结构可以如图4所示。
通过设计多阶段模型的架构和计算流程,可以通过每个使用阶段的子模型依次计算语义信息的过程,来刻画目标用户逐阶段地使用资源信息的过程,从而保证多阶段模型与多阶段操作行为吻合,进而保证根据多阶段模型进行信息推荐时能够极大地提高准确性。
在多阶段操作行为中,用户对资源的当前使用阶段的内容信息感兴趣,对当前使用阶段的内容信息触发确认操作,终端才会展示下一个使用阶段的内容信息,以便用户使用下一个使用阶段的内容信息。以文章为例,在第一个阅读阶段中,用户阅读了文章的标题和缩略图,对文章的标题和缩略图感兴趣,点击文章的标题和缩略图,才会进入第二阅读阶段,阅读文章的全文。
相应地,在多阶段模型中,在当前使用阶段的子模型输出语义信息后,当根据该语义信息与使用偏好信息,确定当前使用阶段的偏好程度信息符合预设条件时,才会触发下一个使用阶段的子模型计算语义信息。以文章为例,在第一个阅读阶段中,第一个子模型根据内容信息输出了语义信息,根据该语义信息以及阅读偏好信息,确定第一个阅读阶段的偏好程度信息符合预设条件时,才会触发第二个阅读阶段的子模型计算语义信息。其中,预设条件可以根据实际需求确定,当偏好程度信息为相似度时,预设条件可以为相似度达到预设相似度,其中当要求推送的精度较高时,可以设置预设相似度较大。
针对在多阶段模型中计算偏好程度信息的过程,服务器可以先将第一个使用阶段的内容信息输入到第一个使用阶段的子模型中,输出第一个使用阶段的语义信息,根据语义信息与使用偏好信息,计算并输出第一个使用阶段的偏好程度信息,当该偏好程度信息符合预设条件时,将第二个使用阶段的内容信息输入到第二个使用阶段的子模型中,以便计算并输出第二个使用阶段的偏好程度信息,依次类推。也即是,每当当前使用阶段的偏好程度信息符合预设条件,即将下一个使用阶段的内容信息输入至下一个子模型中。具体地,对于当前使用阶段的子模型来说,计算语义信息的过程具体可以包括以下步骤一至步骤三。
步骤一、对于多阶段模型中的当前使用阶段的子模型,将当前使用阶段的内容信息输入到当前使用阶段的子模型中,输出当前使用阶段的语义信息。
针对在子模型中计算语义信息的具体过程,子模型可以为递归神经网络、循环神经网络和卷积神经网络等各种深度神经网络类型的算法,子模型可以分析对应使用阶段的展现信息的语义,得到语义信息。以文章的全文对应的子模型为例,当子模型为递归神经网络时,可以从文章中的每个词语开始逐步合成每句话的语义,进而得到整段话乃至全文的语义。当子模型为循环神经网络时,可以通过循环方式逐个输入文章中的每个词,并维护一个隐藏层,在隐藏层中保留所有的上文信息,通过从文章的第一个词循环计算到最后一个词,最后一个词的隐藏层代表全文的语义。当子模型为卷积神经网络时,可以对文章的每个部分的局部信息进行建模,通过卷积神经网络的池化层,可以从各个局部信息中整合出全文语义。
步骤二、根据当前使用阶段的语义信息与使用偏好信息,计算当前使用阶段的偏好程度信息,输出当前使用阶段的偏好程度信息。
在得到当前使用阶段的子模型输出的语义信息后,可以根据该语义信息与使用偏好信息,计算并输出当前使用阶段的偏好程度信息,偏好程度信息用于指示目标用户对资源信息的偏好程度,偏好程度信息由展现信息与目标用户的使用偏好信息确定。其中,语义信息与使用偏好信息可以均表示为潜在语义空间(latent semantic space)的向量,服务器可以计算语义信息的向量与使用偏好信息的向量之间的相似度,例如余弦相似度、内积相似度、欧氏距离等,将两个向量之间的相似度作为两种信息之间的偏好程度信息。
步骤三、当前使用阶段的偏好程度信息符合预设条件时,将下一个使用阶段的内容信息输入到下一个使用阶段的子模型中。
服务器可以判断当前使用阶段的偏好程度信息是否符合预设条件,当偏好程度信息符合预设条件时,表明目标用户对当前使用阶段的内容信息感兴趣,会点击当前使用阶段的内容信息,则终端会展示下一个使用阶段的内容信息,因此服务器会将下一个使用阶段的内容信息输入到下一个使用阶段的子模型中,由下一个子模型输出下一个使用阶段的语义信息,依次类推。
而当前使用阶段的偏好程度信息不符合预设条件时,表明目标用户对当前使用阶段的内容信息不感兴趣,不会点击当前使用阶段的内容信息,而是直接忽略该资源信息的内容信息,继续查看下一个资源信息的内容信息,因此服务器不会将下一个使用阶段的内容信息输入到下一个使用阶段的子模型中,而是结束本次决策流程,接着对下一个资源信息的每个使用阶段的内容信息进行判断。
结合上述计算流程,在当前使用阶段的偏好程度信息符合预设条件时,才会触发下一个使用阶段的子模型计算语义信息。而在当前使用阶段的偏好程度信息不符合预设条件时,不会触发下一个使用阶段的子模型计算语义信息,也就不会进一步触发下一个子模型之后的每个子模型计算语义信息。例如,假设多阶段模型包括四个使用阶段的子模型,其中第一个使用阶段的偏好程度信息不符合预设条件,则第二个至第四个使用阶段的子模型均不会计算语义信息。
因此,对于任一个资源信息来说,多阶段模型输出的语义信息的数量会小于或等于使用阶段的数量。其中,当部分子模型未进行计算和输出时,语义信息的数量会小于使用阶段的数量,表示目标用户在处于某个使用阶段时,对该使用阶段的内容信息不感兴趣。当每一个子模型都进行了计算和输出时,语义信息的数量会等于使用阶段的数量,表示目标用户直到最后一个使用阶段之前,对每个使用阶段的内容信息均感兴趣。
例如,对于文章来说,假设文章包括两个阅读阶段,当第一个子模型进行了计算并输出语义信息,而第二个子模型未进行了计算也未输出语义信息时,语义信息的数量为1,小于使用阶段的数量(即2),表示目标用户对第一个阅读阶段的内容信息即不感兴趣。而当第一个子模型和第二个子模型均进行了计算并输出语义信息,表示目标用户对第一个阅读阶段的内容信息感兴趣。
可选地,考虑到不同用户的社会阶层、文化水平、阅读理解能力以及消费能力等方面相差迥异,在获取语义信息的过程中不仅可以考虑目标用户的使用偏好,还可以综合考虑目标用户的浏览时间、目标用户的属性/特征、天气、情绪、交通状况、身体健康程度、目标用户与谁待在一起、目标用户在社交网络上参与的聊天话题、目标用户所在的社群和圈子等、目标用户对资源服务的提供方的印象/认知等,因此,每个子模型还可以用于当上一个使用阶段的偏好程度信息符合预设条件时,根据对应使用阶段的内容信息和使用附加信息,计算对应使用阶段的语义信息。其中,使用附加信息包括对应使用阶段的操作时长、目标用户的属性信息、非理性信息、社交信息、印象信息中的至少一项。
对应使用阶段的操作时长:即目标用户对资源的对应使用阶段的内容信息的操作行为的持续时长。以资源为文章为例,文章的每个阅读阶段的操作时长为目标用户对文章对应阅读阶段的内容信息的浏览行为的持续时长。其中,获取资源的每个使用阶段的操作时长的过程详见上述获取使用偏好信息的过程,在此不做赘述。
例如,文章的第一个阅读阶段的阅读时长可以为目标用户在阅读标题和缩略图时持续的时长,第二个阅读阶段的阅读时长可以为目标用户在阅读全文时持续的时长。以资源为视频为例,视频的第一个观看阶段的观看时长可以为目标用户在观看视频的宣传片段时持续的时长,视频的第二个观看阶段的观看时长可以为目标用户在观看视频的试看片段时持续的时长,视频的第三个观看阶段的观看时长可以为目标用户在观看视频的全部内容时持续的时长。以资源为音乐为例,音乐的第一个收听阶段的收听时长可以为目标用户浏览音乐的名称和音乐的海报时持续的时长,音乐的第二个收听阶段的收听时长可以为目标用户在收听音乐段时持续的时长。以资源为商品为例,商品的第一个购买阶段的购买时长可以为目标用户在浏览商品的图片、商品的名称和商品的价格时持续的时长,商品的第二个购买阶段的购买时长可以为目标用户在浏览商品的详情、商品的每个评价时持续的时长。以资源为游戏为例,游戏的第一个操作阶段的操作时长可以为目标用浏览游戏的名称和游戏的广告词时持续的时长,游戏的第二个操作阶段的操作时长可以为目标用户在浏览游戏的介绍、游戏的评论的时长,游戏的第三个操作阶段的操作时长可以为目标用户在操作游戏时持续的时长。
目标用户的属性信息:包括用户的学历、地域、年龄、社会阶层、性别、工作类型/性质、财富/负债状况中的至少一项,目标用户的属性信息会对用户的阅读理解能力和阅读速度有关联和影响。
非理性信息:包括用户情绪信息、用户健康信息、天气信息、交通信息、日期事件信息、劳动状态信息中的至少一项,其中劳动状态信息包括紧迫状态和/或悠闲状态,非理性信息会影响到用户的操作行为。
社交信息:包括当前与目标用户在一起的好友标识、目标用户参与的好友分享话题和聊天话题、用户所在的社交群组和社交圈子中的至少一项,社交信息可以对目标用户的操作行为造成除了目标用户的个人意愿之外的社交性影响(或称外部性影响、环境性影响)。
印象信息:用于指示对资源信息的提供方对应使用阶段的内容信息与下一个使用阶段的内容信息之间匹配程度的印象。以资源为文章,对应使用阶段为第一个阅读阶段,下一个使用阶段为第二个阅读阶段为例,印象信息可以为对阅读应用是否经常出现文不对题、故意撰写标新立异的标题来骗取用户点击等方面的印象。印象信息会影响目标用户决定是否要点击当前使用阶段的内容信息的行为,因此在本实施例中印象信息也会作为当前使用阶段的阅读子模型的输入参数,影响阅读子模型根据内容信息计算语义信息的过程。
结合使用附加信息,针对在当前使用阶段的子模型中计算语义信息的具体过程,本实施例中,参见图5,其示出了本发明实施例提供的一种多阶段模型的结构示意图,多阶段模型内可以采用wide&deep模型(宽深度模型)的架构设计子模型。其中,wide&deep模型中线性模型通常用于融合一些低维的/稀疏的特征,也可以是业务中已经积累的、人工设计和构造的特征,深度神经网络模型通常用于从文本、图像、视频、音乐等非结构化的信息中提取特征。相应地,可以由子模型中的线性模型对使用附加信息进行计算,由子模型中的深度神经网络模型对内容信息进行计算。
具体地,在多阶段模型中任一使用阶段的子模型中,线性模型可以加在深度神经网络模型的输出端,用于将深度神经网络模型输出的数据变换为语义信息。参见图6,其示出了在多阶段模型内分阶段地计算语义信息的示意图,在子模型内部计算的过程中,可以将当前使用阶段的内容信息输入到当前使用阶段的子模型的深度神经网络模型中,输出内容信息对应的向量,该内容信息的向量可以理解为内容信息在潜在语义空间中的向量表示。之后,将内容信息对应的向量以及当前使用阶段的使用附加信息输入到当前使用阶段的子模型的线性模型中,输出当前使用阶段的语义信息。其中,该深度神经网络模型可以根据对应使用阶段的内容信息训练得到,线性模型可以根据对应使用阶段的使用附加信息训练得到。
结合本实施例中使用阶段以及内容信息的概念,这种计算方式可以理解为深度学习领域的层次化注意力机制(attention model),线性模型可以理解为层次化注意力机制中的关注层(attention layer)。其中,层次化注意力机制是指深度神经网络模型在对图像或语言进行编码的过程中,每次编码时无需输入所有上下文,只需选择性地输入当前关注的上下文,而本实施例中,深度神经网络每次计算时无需输入资源的全部内容信息,只需输入资源当前使用阶段的内容信息即可。
在实施中,线性模型具体可以包括以下三种设计:
设计一、线性模型可以为预设函数,预设函数的输入参数包括当前使用阶段的内容信息以及使用附加信息。也即是,线性模型的函数表达式固定,线性模型以当前使用阶段的内容信息、使用阶段的操作时长、目标用户的属性信息、非理性信息、社交信息、印象信息中的至少一项作为输入参数,从而在不同输入参数下可以得到不同的语义信息。其中,预设函数的具体设计可以根据实际需求确定,例如为加权等维度不变的线性函数、非线性函数或max-pooling(最大池化)等。
设计二、线性模型为具有可调节参数的预设函数,可调节参数基于当前使用阶段的内容信息以及使用附加信息确定。也即是,线性模型的函数表达式固定,而具有可调节参数,可调节参数会受到当前使用阶段的内容信息、使用阶段的操作时长、目标用户的属性信息、非理性信息、社交信息、印象信息中的至少一项的影响而变化。
设计三、线性模型包括多个候选函数,线性模型对当前使用阶段的内容信息进行计算时,采用的候选函数基于当前使用阶段的内容信息以及使用附加信息确定。也即是,线性模型的函数表达式不固定,计算时采用的候选函数受到当前使用阶段的内容信息、使用阶段的操作时长、目标用户的属性信息、非理性信息、社交信息、印象信息中的至少一项的影响而变化。可选地,每个候选函数也可以具有可调节参数,可调节参数会受到当前使用阶段的内容信息以及使用附加信息的影响而变化。
需要说明的第一点是,当多阶段模型结合印象信息计算语义信息时,在多阶段模型计算语义信息的过程中,可以根据输出的语义信息对印象信息进行更新。其中,当输出资源当前使用阶段的语义信息后,可以根据该当前使用阶段的语义信息对应的偏好程度信息,对上一个使用阶段的印象信息进行更新,以提高上一个使用阶段的印象信息的准确性。
例如,当前使用阶段的偏好程度信息符合预设条件时,表明上一个使用阶段的内容信息准确地反映了当前使用阶段的内容信息的语义,目标用户看到当前使用阶段的内容信息后,印象会更好,因此可以递增上一个使用阶段的印象信息,来刻画印象提升的过程。而当前使用阶段的偏好程度信息不符合预设条时,表明上一个使用阶段的内容信息未能准确地反映当前使用阶段的内容信息的语义,出现了“文不对题、故意以标新立异的标题骗取用户点击”的情况,目标用户看到当前使用阶段的内容信息后,印象会更差,因此服务器可以递减上一个使用阶段的印象信息,来刻画印象变差的过程。
需要说明的第二点是,本实施例仅是以将使用附加信息输入到线性模型为例进行说明,在实施中也可以将使用附加信息输入到深度神经网络模型,由深度神经网络模型根据输入的当前使用阶段的内容信息以及使用附加信息,输出内容信息对应的向量。
204、服务器基于至少一个偏好程度信息,进行资源信息推送。
服务器得到目标用户对资源的至少一个偏好程度信息后,可以基于至少一个偏好程度信息,进行资源信息推送。例如,将资源的第一个使用阶段的内容信息发送给目标用户登录的客户端,客户端可以接收服务器发送的资源的第一个使用阶段的内容信息,展示资源的第一个使用阶段的内容信息,以便目标用户在客户端上浏览推送的资源信息。其中,由于推送的资源信息符合目标用户的使用偏好,能够满足目标用户的个人兴趣需求。
针对推送资源信息时所采用的偏好程度信息,以下通过设计一至设计三进行示例性阐述。
设计一、基于第一个使用阶段的偏好程度信息,进行资源信息推送。
考虑到第一个使用阶段的偏好程度信息反映目标用户对资源的第一印象,表征目标用户预览资源后,对资源是否贴合自己的兴趣做出的决策,直接决定了第二个乃至之后的每个使用阶段的内容信息是否会被展示,重要性极强。例如,假设电影的第一个使用阶段的内容信息为演员和标题,如果目标用户对演员和标题不感兴趣,则观看电影的概率就会很小,如果目标用户是电影的演员的粉丝,则观看电影的概率会很大。又如,如果目标用户对文章的标题和缩略图不感兴趣,浏览文章的全文的概率会很小。因此,服务器可以仅是基于第一个使用阶段的偏好程度信息进行资源信息推送,从而优先推送目标用户偏好的资源的预览,例如优先推送目标用户偏好的文章的标题和缩略图,从而保证客户端展示的各个文章的标题和缩略图是目标用户偏好的标题和缩略图,吸引目标用户查看文章的全文,达到精准推荐的效果。
针对基于第一个使用阶段的偏好程度信息进行资源推送的具体方式,以下通过(1.1)至(1.3)进行示例性阐述。
(1.1)当第一个使用阶段的偏好程度信息大于第一阈值时,推送该资源的第一个使用阶段的内容信息。
服务器可以判断第一个使用阶段的偏好程度信息是否大于第一阈值,当第一个使用阶段的偏好程度信息大于第一阈值时,则推送资源的第一个使用阶段的内容信息。而当第一个使用阶段的偏好程度信息不大于第一阈值时,则不推送资源的第一个使用阶段的内容信息,也就不推送资源的每个使用阶段的内容信息。其中,第一阈值用于指示可推送的资源的第一个使用阶段的内容信息对应的偏好程度信息的最小值,第一阈值可以根据实际业务需求确定,可以由开发人员预先设置。
通过(1.1),可以实现精准推荐的效果:当第一个使用阶段的偏好程度信息大于第一阈值时,表明用户对第一个使用阶段的内容信息感兴趣的程度足够强,很可能会进阶查看第二个使用阶段的内容信息,则会推送资源的第一个使用阶段的内容信息,以保证用户查看到感兴趣的资源的第一个使用阶段的内容信息,保证用户进阶使用资源的概率尽量大,从而提高推送第一个使用阶段的内容信息的转化率。而当资源的第一个使用阶段的偏好程度信息不大于第一阈值时,表明用户对第一个使用阶段的内容信息感兴趣的程度较弱,不会进一步查看第二个使用阶段的内容信息,那么显然推送该资源的第一个使用阶段的内容信息属于无意义行为,因此不会推送资源的第一个使用阶段的内容信息,以免打扰到用户。
示例性地,针对推送文章的场景,当文章的标题和缩略图的偏好程度信息大于第一阈值时,表明用户对标题和缩略图感兴趣的程度足够强,很可能会点击以查看全文,此时才会推送该文章的标题和缩略图,从而保证推送的文章的标题和缩略图是用户所感兴趣的标题和缩略图,吸引用户查看文章的全文。
(1.2)当第一个使用阶段的偏好程度信息大于第一阈值且不大于第二阈值时,推送资源的第一个使用阶段的内容信息。
与上述(1.1)相区别的是,当服务器在判断第一个使用阶段的偏好程度信息是否大于第一阈值的基础上,可以进一步判断第一个使用阶段的偏好程度信息是否大于第二阈值,当第一个使用阶段的偏好程度信息大于第一阈值且不大于第二阈值时,则推送资源的第一个使用阶段的内容信息,其中第二阈值大于第一阈值,第二阈值用于指示可推送多阶段内容信息的资源的第一个使用阶段的内容信息对应的偏好程度信息的最小值,第二阈值可以根据实际业务需求确定,可以由开发人员预先设置。关于(1.2)的技术效果参见以下(1.3)的阐述。
(1.3)当第一个使用阶段的偏好程度信息大于第二阈值时,推送资源的至少一个使用阶段的内容信息。
通过(1.2)和(1.3),在实现精准推荐的效果的基础上,能够加快展示资源的内容信息的速度:当第一个使用阶段的偏好程度信息大于第一阈值且不大于第二阈值时,表明目标用户对第一个使用阶段的内容信息一般感兴趣,则仅是推送资源的第一个使用阶段的内容信息,之后当检测到对第一个使用阶段的内容信息的确认操作时,再推送资源的第二个使用阶段的内容信息。而当第一个使用阶段的偏好程度信息大于第二阈值时,表明目标用户对第一个使用阶段的内容信息强烈感兴趣,目标用户很可能会进阶使用资源的每个使用阶段的内容信息,则无需等待目标用户的确认操作,直接在推送第一个使用阶段的内容信息时,还一并推送资源的其他使用阶段的内容信息,以便终端预先加载资源的每个使用阶段的内容信息。之后,当目标用户对第一个使用阶段的内容信息触发确认操作时,终端由于已经获取到了第二个使用阶段的内容信息,可以直接展示第二个使用阶段的内容信息,而无需临时和服务器进行交互,从而提高了展示资源的内容信息的速度。
设计二、基于至少一个偏好程度信息的统计值,进行资源信息推送,统计值为加权和值、平均值或最大值。
服务器可以计算至少一个偏好程度信息的统计值,根据该至少一个偏好程度信息的统计值进行资源信息推送,从而保证推送资源信息的过程综合了目标用户对资源的至少一个使用阶段的内容信息的兴趣偏好。其中,统计值可以为加权和值、平均值或最大值。
具体地,服务器可以预先为每个使用阶段设置对应的权重系数,基于每个使用阶段的权重系数,对每个偏好程度信息进行加权求和,得到至少一个偏好程度信息的加权和值,根据该加权和值进行资源信息推送。其中,每个使用阶段的权重系数可以根据实际需求确定,例如可以为第一个使用阶段、购买阶段等较为关键的使用阶段设置较大的权重。另外,服务器也可以计算至少一个偏好偏好程度信息的平均值,根据该至少一个偏好程度信息的平均值进行资源信息推送,或者,服务器也可以从至少一个偏好程度信息中选取最大值,根据该至少一个偏好程度信息的最大值进行资源信息推送。
针对基于至少一个偏好程度信息的统计值进行资源推送的具体方式,以下通过(2.1)至(2.3)进行示例性阐述。
(2.1)当统计值大于第三阈值时,推送资源的第一个使用阶段的内容信息。
本设计与上述(1.1)同理,在此不做赘述。
(2.2)当统计值大于第三阈值且不大于第四阈值时,推送资源的第一个使用阶段的内容信息。
本设计与上述(1.2)同理,在此不做赘述。
(2.3)当统计值大于第四阈值时,推送资源的至少一个使用阶段的内容信息,第四阈值大于第三阈值。
本设计与上述(1.3)同理,在此不做赘述。
设计三、基于指定使用阶段的偏好程度信息,进行资源信息推送。
结合实际业务需求,资源信息的提供方可以预先将至少一个使用阶段中的某一使用阶段设置为指定使用阶段,例如将对业务产生关键影响的使用阶段设置为指定使用阶段,例如对于商品等资源来说,关键在于资金的流动,可将触发购买操作的使用阶段设置为指定使用阶段,对于文章类资源,关键在于流量的产生和浏览人数,可将触发转发操作的使用阶段设置为指定使用阶段。那么,服务器可以根据设置操作确定指定使用阶段,基于指定使用阶段的偏好程度信息,进行资源信息推送,从而保证推送资源信息的过程符合实际业务需求,即在提供资源指定使用阶段的内容信息的过程中,吸引用户进阶使用资源,提高资源在指定使用阶段的转化率,带来较大的商业价值。
针对基于至少一个偏好程度信息的统计值进行资源推送的具体方式,以下通过(3.1)至(3.3)进行示例性阐述。
(3.1)当指定使用阶段的偏好程度信息大于第五阈值时,推送资源的指定使用阶段的内容信息。
本设计与上述(1.1)同理,在此不做赘述。
(3.2)当指定使用阶段的偏好程度信息大于第五阈值且不大于第六阈值时,推送资源的指定使用阶段的内容信息,第六阈值大于第五阈值。
本设计与上述(1.2)同理,在此不做赘述。
(3.3)当指定使用阶段的偏好程度信息大于第六阈值时,推送资源的至少一个使用阶段的内容信息。
本设计与上述(1.3)同理,在此不做赘述。
综上所述,以上通过设计一至设计三阐述了推送资源信息时所采用的偏好程度信息,以下通过设计A至设计C对推送资源信息的具体方式进行示例性阐述。
设计A、基于至少一个偏好程度信息,确定推送资源信息的顺序。
服务器可以具有多个可供推送的资源信息,当得到任一资源信息的至少一个偏好程度信息时,可以基于至少一个偏好程度信息,确定推送该资源信息的顺序,从而按照一定的顺序依次推送每个资源信息。其中推送资源信息的顺序与至少一个偏好程度信息正相关,即资源信息的至少一个偏好程度信息越高,推送资源信息的顺序越靠前,以保证优先推送目标用户偏好使用的资源。
需要说明的是,设计A可以结合上述设计一至设计三中的任一种设计:
设计A结合以上设计一:可以基于资源的第一个使用阶段的偏好程度信息,确定推送资源信息的顺序。其中可以对多个资源按照第一个使用阶段的偏好程度信息进行排序,根据第一个使用阶段的偏好程度信息的顺序确定推送每个资源的第一个使用阶段的内容信息的顺序,例如若某资源的第一个使用阶段的偏好程度信息最高,则第一个推送该资源的第一个使用阶段的内容信息。
设计A结合以上设计二:可以基于至少一个偏好程度信息的统计值,确定推送资源信息的顺序,其中可以对多个资源按照至少一个偏好程度信息的统计值进行排序,根据至少一个偏好程度信息的统计值的顺序确定推送每个资源的第一个使用阶段的内容信息的顺序,例如若某资源的至少一个偏好程度信息的统计值最高,则第一个推送该资源的第一个使用阶段的内容信息。
设计A结合以上设计三:可以基于指定使用阶段的偏好程度信息,确定推送资源信息的顺序。其中可以对多个资源按照指定使用阶段的偏好程度信息进行排序,根据指定使用阶段的偏好程度信息的顺序确定推送每个资源的第一个使用阶段的内容信息的顺序,例如若某资源的指定使用阶段的偏好程度信息最高,则第一个推送该资源的第一个使用阶段的内容信息。
设计B、基于至少一个偏好程度信息,确定资源信息在推送页面中的位置、顺序和占用页面比例中的至少一项。
服务器当得到任一资源信息的至少一个偏好程度信息时,可以基于至少一个偏好程度信息,确定该资源信息在推送页面中的位置、顺序和占用页面比例中的至少一项,根据每个资源信息在推送页面中的位置、顺序和占用页面比例中的至少一项,生成携带多个资源信息的推送页面,向终端发送该推送页面。其中,资源信息的至少一个偏好程度信息越高,在推送页面中资源信息的位置越靠近中心、顺序越靠前、占用页面比例越大,从而优化推送页面的展现顺序/展现风格,保证推送页面符合目标用户的兴趣需求。
需要说明的是,设计B可以结合上述设计一至设计三中的任一种设计。
设计B结合以上设计一:可以基于资源的第一个使用阶段的偏好程度信息,确定资源信息在推送页面中的位置、顺序和占用页面比例中的至少一项。
针对确定资源信息在推送页面中的顺序的过程,可以对多个资源按照第一个使用阶段的偏好程度信息进行排序,根据每个资源的第一个使用阶段的偏好程度信息的顺序,确定每个资源信息在推送页面中的顺序。例如,推送页面可以为列表样式,每个资源信息在列表中的顺序等于对应的偏好程度信息的顺序,例如若某个资源的第一个使用阶段的偏好程度信息最高,则在列表中位于第一位。
针对基于确定该资源信息在推送页面中的位置的过程,对于待推送的多个资源信息来说,可以选取第一个使用阶段的偏好程度信息最高的资源信息,将该资源信息设置于推送页面的中心/顶部,以保证突出该资源信息。
针对确定该资源信息在推送页面中的占用比例的过程,可以预先建立第一个使用阶段的偏好程度信息和占用比例之间的映射关系,该映射关系中占用比例和偏好程度信息正相关。当确定某个资源的第一个使用阶段的偏好程度信息后,可以基于该映射关系,查询到第一个使用阶段的偏好程度信息对应的占用比例,将该对应的占用比例作为资源信息在推送页面中的占用比例。之后,可以根据每个资源信息的占用页面比例,生成推送页面。
另外,设计B结合以上设计二,可以基于资源的至少一个偏好程度信息的统计值,确定资源信息在推送页面中的位置、顺序和占用页面比例中的至少一项。设计B结合以上设计三,可以基于资源的指定使用阶段的偏好程度信息,确定资源信息在推送页面中的位置、顺序和占用页面比例中的至少一项。设计B结合以上设计二或设计三的过程与设计B结合设计一的过程同理,在此不做赘述。
设计C、基于至少一个偏好程度信息,确定是否推送该资源信息。
服务器可以基于至少一个偏好程度信息,确定推送资源信息还是不推送资源信息。另外,当确定不推送该资源信息时,可以继续获取下一个资源信息,重复执行上述各个步骤以便再次确定是否推送下一个资源信息。其中,设计C的具体过程与上述设计(1.1)至设计(1.3)、设计(2.1)至设计(2.3)、设计(3.1)至设计(3.3)同理,另外设计C可以同理地结合上述设计一至设计三中的任一种设计。在此不做赘述。
本发明实施例提供的方法,引入了多阶段模型,多阶段模型计算偏好程度信息的过程与用户多阶段使用资源的过程相吻合,计算的偏好程度信息准确性高,因此基于多阶段模型的偏好程度信息进行资源信息推送,能够提高推送资源信息的准确性。
以下通过图7实施例,对多阶段模型的训练过程进行阐述。
图7是本发明实施例提供的一种模型训练方法的流程图。参见图7,该方法包括以下步骤:
701、服务器获取多个样本资源信息。
本步骤与上述步骤201同理,相区别的是,样本资源信息不仅包括多个使用阶段的内容信息,还包括每个使用阶段的内容信息的样本标签,以便服务器根据样本标签对模型进行训练。
该样本标签用于指示样本用户是否对样本资源信息的对应使用阶段的内容信息触发点击操作,样本标签可以由开发人员在样本资源信息中进行人工标注。其中,样本标签可以包括第一样本标签和第二样本标签,第一样本标签指示样本用户已经对样本资源信息的对应使用阶段的内容信息触发了确认操作,第二样本标签指示样本用户未对样本资源信息的对应使用阶段的内容信息触发确认操作。
在实施中,该第一样本标签和该第二样本标签可以采用数字表示,第一样本标签为1,第二样本标签为0,或者,该第一样本标签和该第二样本标签还可以采用其他的表示形式,本发明实施例对样本标签的表示形式不做限定。
702、服务器将每个样本资源信息和样本用户的使用偏好信息输入到初始多阶段模型中,输出样本用户对每个样本资源的至少一个使用阶段的偏好程度信息。
初始多阶段模型可以包括多个使用阶段的初始子模型,每个初始子模型设置有初始的参数,可以根据样本资源对应使用阶段的内容信息,预测并输出对应使用阶段的语义信息,根据对应使用阶段的语义信息与使用偏好信息,计算偏好程度信息,并当偏好程度信息符合预设条件时,触发下一个初始子模型进行语义信息的计算。另外,可以根据语义信息调整该初始的参数,以达到训练初始子模型的目的。其中,采用初始多阶段模型计算样本资源信息的偏好程度信息的过程与上述步骤203同理,在此不做赘述。
可选地,结合使用附加信息的设计,在本步骤702中,服务器在将每个样本资源信息和样本用户的使用偏好信息输入到初始多阶段模型的基础上,还可以将使用附加信息也输入到多阶段模型中,初始多阶段模型中每个使用阶段的初始子模型会根据对应使用阶段的内容信息和使用附加信息,输出对应使用阶段的语义信息。
703、服务器根据每个样本资源信息每个使用阶段的偏好程度信息与对应使用阶段的样本标签之间的偏差,调整每个使用阶段的初始子模型的参数,直至每个初始子模型输出的偏好程度信息对应的偏差小于预设阈值。
当服务器得到任一使用阶段的偏好程度信息后,可以计算该使用阶段的偏好程度信息与该使用阶段的样本标签之间的偏差,该偏差能够反映初始子模型输出的语义信息的准确程度,偏差越小,表明初始子模型输出的语义信息越能够反映内容信息的语义。之后,服务器可以判断偏差是否小于预设阈值,当偏差大于预设阈值,则调整该使用阶段的初始子模型的参数,并再次根据该初始子模型计算偏好程度信息,并再次调整参数,直至根据初始子模型计算的偏好程度信息与样本标签之间的偏差小于预设阈值,则初始子模型训练完成。其中,该预设阈值可以根据实际需求确定,例如当要求子模型的精度越高,则设置越高的预设阈值。
综上所述,以上图2和图7实施例阐述了多阶段模型以及基于多阶段模型输出的至少一个使用阶段的偏好程度信息,进行资源信息推送的方案。在实施中,也可以仅是建立第一阶段模型,基于第一阶段模型输出的偏好程度信息进行资源信息推送。以下通过图8实施例阐述这一方案:
图8是本发明实施例提供的一种资源信息推送方法的流程图。该发明实施例的执行主体为服务器,参见图8,该方法包括:
801、服务器获取资源信息。
本步骤与上述步骤201同理,在此不做赘述。
802、服务器根据目标用户对历史资源的第一个使用阶段的内容信息的操作行为,获取目标用户的使用偏好信息。
第一个使用阶段的内容信息用于提供历史资源的预览,例如文章的标题和缩略图用于提供文章的预览,电影的海报和简介用于提供电影的预览等。
本步骤与上述步骤202同理,相区别的是,服务器可以仅是获取目标用户对历史资源的第一个使用阶段的内容信息的操作行为,根据目标用户对历史资源的第一个使用阶段的内容信息的操作行为获取使用偏好信息,而无需获取和考虑目标用户对历史资源的其他使用阶段的内容信息的操作行为。
通过这种获取使用偏好信息的方式,可以达到以下技术效果:
第一,提高预测偏好的准确性:以文章为例,当下大部分用户通常很少仔细浏览文章的全文,对全文经常采用扫视、跳读等方式,对全文的操作行为很可能不能准确反映用户的偏好。而文章的标题和缩略图通常内容较短、显示突出,是文章的精华,用户的注意力通常会聚焦在文章的标题和缩略图上,对文章的标题和缩略图的浏览行为准确体现着用户对文章感兴趣的程度,也是决定用户是否会进阶阅读的核心。而本实施例中,通过历史资源的第一个使用阶段的内容信息的操作行为获取使用偏好信息,保证使用偏好信息精准刻画了用户预览资源时感兴趣的程度,准确性较高。
第二,减少预测偏好的计算量。无需获取第一个使用阶段的操作行为以外的操作行为,也无需根据第一个使用阶段的操作行为以外的操作行为获取目标用户的使用偏好信息,计算量较少。
803、服务器将资源的第一个使用阶段的内容信息和使用偏好信息输入到第一阶段模型中,输出目标用户对资源的偏好程度信息。
本步骤与上述步骤203同理,第一阶段模型同理于多阶段模型中第一个使用阶段的子模型,第一阶段模型用于根据资源的第一个使用阶段的内容信息预测用户对资源的偏好程度信息。相区别的是,第一阶段模型为一个完整而独立的模型,只需获取第一阶段模型输出的偏好程度信息,即资源的第一个使用阶段的偏好程度信息即可,而无需触发其他模型进行计算。那么,由于只需根据第一个使用阶段的内容信息计算偏好程度信息,能够极大地减少计算量。
另外,结合使用附加信息的设计,也可以将资源的第一个使用阶段的内容信息、使用偏好信息和使用附加信息输入到第一阶段模型中,第一阶段模型会根据资源的第一个使用阶段的内容信息、使用偏好信息和使用附加信息,输出目标用户对资源的偏好程度信息。
804、服务器基于偏好程度信息,进行资源信息推送。
本步骤与上述步骤204同理,相区别的是,服务器仅基于第一个使用阶段的偏好程度信息进行资源信息推送即可,而无需考虑其他使用阶段的偏好程度信息。
针对基于偏好程度信息进行资源信息推送的具体方式,以下通过设计一至设计三进行示例性阐述。
设计一、当偏好程度信息大于第一阈值时,推送资源的第一个使用阶段的内容信息。
本设计与上述步骤204的(1.1)同理,在此不做赘述。
设计二、当偏好程度信息大于第一阈值且不大于第二阈值时,推送资源的第一个使用阶段的内容信息。
本设计与上述步骤204的(1.2)同理,在此不做赘述。
设计三、当偏好程度信息大于第二阈值时,推送资源的至少一个使用阶段的内容信息,第二阈值大于第一阈值。
本设计与上述步骤204的(1.3)同理,在此不做赘述。
另外,在基于偏好程度信息进行资源信息推送时,可以基于偏好程度信息,确定推送资源信息的顺序,具体过程与上述步骤204的设计A同理,在此不做赘述。或者,在基于偏好程度信息进行资源信息推送时,可以基于偏好程度信息,确定资源信息在推送页面中的位置、顺序和占用页面比例中的至少一项,具体过程与上述步骤204的设计B同理,在此不做赘述。或者,在基于偏好程度信息进行资源信息推送时,可以基于偏好程度信息,确定是否推送该资源信息,具体过程与上述步骤204的设计C同理,在此不做赘述。
本实施例提供的方法,引入了第一阶段模型,第一阶段模型计算偏好程度信息的过程与用户根据资源的预览分析对资源的兴趣程度的过程相吻合,基于第一阶段模型的偏好程度信息进行资源信息推送时,能够保证资源的预览满足用户的兴趣偏好,能够提高推送资源信息的准确性。
以下通过图9实施例,对第一阶段模型的训练过程进行阐述。
图9是本发明实施例提供的一种模型训练方法的流程图。参见图9,该方法包括以下步骤:
901、服务器获取多个样本资源信息。
本步骤与上述步骤701同理,相区别的是,每个样本资源信息可以仅包括第一个使用阶段的内容信息以及第一个使用阶段的内容信息的样本标签即可。
902、服务器将每个样本资源信息和样本用户的使用偏好信息输入到初始第一阶段模型中,输出样本用户对每个样本资源的偏好程度信息。
初始第一阶段模型可以设置有初始的参数,可以根据样本资源第一使用阶段的内容信息,输出第一使用阶段的语义信息,根据第一使用阶段的语义信息与使用偏好信息,计算偏好程度信息。另外,可以根据语义信息调整该初始的参数,以达到训练初始第一阶段模型的目的。其中,采用初始第一阶段模型计算样本资源信息的偏好程度信息的过程与上述步骤703同理,在此不做赘述。
可选地,结合使用附加信息的设计,初始第一阶段模型还可以将使用附加信息作为输入变量,则服务器可以将样本资源的第一个使用阶段的内容信息、使用偏好信息和使用附加信息输入到初始第一阶段模型中,以便初始第一阶段模型根据资源的第一个使用阶段的内容信息、使用偏好信息和使用附加信息,输出样本用户对样本资源的偏好程度信息。
903、服务器根据每个样本资源信息第一个使用阶段的偏好程度信息与第一个使用阶段的样本标签之间的偏差,调整初始第一阶段模型的参数,直至初始第一阶段模型输出的偏好程度信息对应的偏差小于预设阈值。
当服务器得到第一个使用阶段的偏好程度信息后,可以计算该第一个使用阶段的偏好程度信息与第一个使用阶段的样本标签之间的偏差,该偏差能够反映初始第一阶段模型输出的语义信息的准确程度,偏差越小,表明初始第一阶段模型输出的语义信息越能够反映内容信息的语义。之后,服务器可以判断偏差是否小于预设阈值,当偏差大于预设阈值,则调整初始第一阶段模型,并再次根据该初始第一阶段模型计算偏好程度信息,并再次调整参数,直至根据初始第一阶段模型计算的偏好程度信息与样本标签之间的偏差小于预设阈值,则初始第一阶段模型训练完成。其中,该预设阈值可以根据实际需求确定,例如当要求初始第一阶段模型的精度越高,则设置越高的预设阈值。
图10是本发明实施例提供的一种资源信息推送装置的结构示意图。参见图10,该装置包括:获取模块1001、输入输出模块1002和推送模块1003。
获取模块1001,用于获取资源信息,该资源信息包括资源的多个不同使用阶段的内容信息;
输入输出模块1002,用于将该资源信息和目标用户的使用偏好信息输入到多阶段模型中,输出该目标用户对该资源的至少一个使用阶段的偏好程度信息,其中,该多阶段模型用于根据资源的不同使用阶段的内容信息预测目标用户对资源的不同使用阶段的偏好程度信息;
推送模块1003,用于基于至少一个偏好程度信息,对该目标用户进行资源信息推送。
在一种可能的设计中,该多阶段模型包括多个使用阶段的子模型,每个使用阶段的子模型用于根据对应使用阶段的内容信息,输出对应使用阶段的语义信息,每个使用阶段的子模型输出的语义信息与使用偏好信息匹配时,会触发下一个使用阶段的子模型进行语义信息的计算。
在一种可能的设计中,该输入输出模块1002,包括:
输入输出子模块,用于对于该多阶段模型中的当前使用阶段的子模型,将当前使用阶段的内容信息输入到当前使用阶段的子模型中,输出当前使用阶段的语义信息;
计算子模块,用于根据当前使用阶段的语义信息与使用偏好信息,计算当前使用阶段的偏好程度信息;
该输入输出子模块,还用于输出该当前使用阶段的偏好程度信息;
该输入输出子模块,还用于当该当前使用阶段的偏好程度信息符合预设条件时,将下一个使用阶段的内容信息输入到下一个使用阶段的子模型中。
在一种可能的设计中,该输入输出子模块,还用于:将当前使用阶段的内容信息输入到当前使用阶段的子模型的深度神经网络模型中,输出该内容信息对应的向量,该深度神经网络模型根据对应使用阶段的内容信息训练得到;将该内容信息对应的向量以及当前使用阶段的使用附加信息输入到当前使用阶段的子模型的线性模型中,输出当前使用阶段的语义信息,该线性模型根据对应使用阶段的使用附加信息训练得到。
在一种可能的设计中,该线性模型为预设函数,该预设函数的输入参数包括当前使用阶段的内容信息以及使用附加信息;或,
该线性模型为具有可调节参数的预设函数,该可调节参数基于当前使用阶段的内容信息以及使用附加信息确定;或,
该线性模型包括多个候选函数,该线性模型对当前使用阶段的内容信息进行计算时,采用的候选函数基于当前使用阶段的内容信息以及使用附加信息确定。
在一种可能的设计中,该多阶段模型的训练过程包括:
获取多个样本资源信息,每个样本资源信息包括样本资源的多个使用阶段的内容信息以及每个使用阶段的内容信息的样本标签,该样本标签用于指示对应的内容信息是否被展示;
将该每个样本资源信息和样本用户的使用偏好信息输入到初始多阶段模型中,输出样本用户对该每个样本资源的至少一个使用阶段的偏好程度信息;
根据该每个样本资源每个使用阶段的偏好程度信息与对应使用阶段的样本标签之间的偏差,调整每个使用阶段的初始子模型的参数,直至每个初始子模型输出的偏好程度信息的偏差小于预设阈值。
在一种可能的设计中,该多个使用阶段包括第一个使用阶段和第二个使用阶段,该第一个使用阶段为展示资源的标题、缩略图、摘要中的至少一项的阶段,该第二个使用阶段为展示资源的全文的阶段。
在一种可能的设计中,该多阶段模型包括多个使用阶段的子模型,每个使用阶段的子模型还用于根据对应使用阶段的内容信息和使用附加信息,输出对应使用阶段的语义信息。
在一种可能的设计中,该使用附加信息包括使用阶段的操作时长、该目标用户的属性信息、非理性信息、社交信息、印象信息中的至少一项;
其中该非理性信息包括用户情绪信息、用户健康信息、天气信息、交通信息、日期事件信息、劳动状态信息中的至少一项,该印象信息用于指示该目标用户对该资源信息的提供方的对应使用阶段的内容信息与下一个使用阶段的内容信息之间匹配程度的印象。
在一种可能的设计中,该使用偏好信息的获取过程包括:
根据目标用户对历史资源的至少第一个使用阶段的内容信息的操作行为,获取该目标用户的使用偏好信息。
在一种可能的设计中,该获取模块1001,还用于:当检测到该目标用户对历史资源的任一个使用阶段的内容信息的浏览行为时,获取该浏览行为的持续时长;和/或,当检测到该目标用户对历史资源的任一个使用阶段的内容信息的收听行为时,获取该收听行为的持续时长;和/或,当检测到该目标用户对历史资源的任一个使用阶段的内容信息的观看行为时,获取该观看行为的持续时长;和/或,当检测到该目标用户对历史资源的任一个使用阶段的内容信息的游戏行为时,获取该游戏行为的持续时长、操作次数、操作频率的至少一项;和/或,当检测到该目标用户对历史资源的任一个使用阶段的内容信息的确认行为时,记录该确认行为,该确认行为是指确认进入下一个使用阶段的行为;和/或,当检测到该目标用户对历史资源的任一个使用阶段的内容信息的互动行为时,记录该互动行为,该互动行为是指该目标用户与其他用户或资源信息的提供方进行交互的行为。
在一种可能的设计中,该获取模块1001,还用于:当检测到该目标用户对历史资源的任一个使用阶段的内容信息的评论行为时,记录评论的内容;和/或,当检测到该目标用户对历史资源的任一个使用阶段的内容信息的分享行为时,记录分享的次数或分享的对象的数量;和/或,当检测到该目标用户对历史资源的任一个使用阶段的内容信息的打分行为时,记录该打分行为的分值;和/或,当检测到该目标用户对历史资源的任一个使用阶段的内容信息的打赏行为时,记录该打赏行为的金额;和/或,当检测到该目标用户对历史资源的任一个使用阶段的内容信息的送礼行为时,记录发送的虚拟礼物的数量、种类、金额中的至少一项;和/或,当检测到该目标用户对历史资源的任一个使用阶段的内容信息的购买行为时,记录该购买行为的数量、金额的至少一项;和/或,当检测到该目标用户对历史资源的任一个使用阶段的内容信息的发送弹幕行为时,记录发送的弹幕的内容。
在一种可能的设计中,该确认行为包括点击行为、滑动行为、长按行为、语音确认行为中的至少一项。
在一种可能的设计中,该资源为文章;
文章的第一个阅读阶段的内容信息包括文章的标题、缩略图、摘要中的至少一项,文章的第二个阅读阶段的内容信息为文章的全文;或,
文章的第一个阅读阶段的内容信息包括文章的标题、缩略图、摘要中的至少一项,文章的第二个阅读阶段的内容信息为文章的试看片段,文章的第二个阅读阶段的内容信息为文章的全文。
在一种可能的设计中,该资源为视频;
视频的第一个观看阶段的内容信息包括视频的海报、首帧画面、关键帧画面、标题、摘要、演员、关键片段中的至少一项,视频的第二个观看阶段的内容信息为视频的全部内容;或,
视频的第一个观看阶段的内容信息包括视频的海报、首帧画面、关键帧画面、标题、摘要、演员、关键片段中的至少一项,视频的第二个观看阶段的内容信息为视频的试看片段,视频的第三个观看阶段的内容信息为视频的全部内容。
在一种可能的设计中,该资源为音乐;
音乐的第一个收听阶段的内容信息包括音乐的名称、音乐的海报、歌手的图片、歌手的名称、音乐所属的歌单名称、音乐所属的专辑名称、音乐所属的专辑截图、上传音乐的用户名称、音乐的类别、音乐的播放次数中的至少一项;
音乐的第二个收听阶段的内容信息包括音乐、音乐的歌词、音乐的评论、音乐所属的专辑视频中的至少一项。
在一种可能的设计中,该资源为商品;
商品的第一个购买阶段的内容信息包括商品的图片、商品的名称、商品的广告词、商品的价格、商品的运费、商品的销量、商品的购买人数、商品的属性、商品的高频评价、商品的所在地、商品的优惠信息、商品与目标用户之间的距离、卖家的名称、商品的售后服务、商品的品牌、商品的评分中的至少一项;
商品的第二个购买阶段的内容信息包括商品的详情、商品的每个评价、商品的问答信息、商品的搭配套餐信息、商品的相似商品信息、卖家的详情、商品的图片、商品的名称、商品的广告词、商品的价格、商品的运费、商品的销量、商品的购买人数、商品的属性、商品的高频评价、商品的所在地、商品的优惠信息、商品与目标用户之间的距离、卖家的名称、商品的售后服务、商品的品牌、商品的评分中的至少一项;
商品的第三个购买阶段的内容信息包括购买的商品的名称、购买的商品的数量、订单金额、向卖家的备注、收货地址中的至少一项。
在一种可能的设计中,该资源为游戏;
游戏的第一个操作阶段的内容信息包括游戏的名称、游戏的图标、游戏的大小、游戏的广告词、游戏的下载人数中的至少一项;
游戏的第二个操作阶段的内容信息包括游戏的介绍、游戏的动画、游戏的宣传视频、游戏的大小、游戏的广告词、游戏的评论、游戏的打分、游戏的版本、游戏的标签、游戏的相似游戏中的至少一项;
游戏的第三个操作阶段的内容信息包括战斗画面、竞技画面、经营画面、冒险画面、对话画面、抽卡画面、射击画面、角色扮演画面、道具选择画面、道具购买画面、棋牌画面中的至少一项。
在一种可能的设计中,该推送模块1003,还用于:基于至少一个偏好程度信息,确定推送该资源信息的顺序;和/或,基于至少一个偏好程度信息,确定该资源信息在推送页面中的位置、顺序和占用页面比例中的至少一项;和/或,基于至少一个偏好程度信息,确定是否推送该资源信息。
在一种可能的设计中,该推送模块1003,还用于:基于第一个使用阶段的偏好程度信息,进行资源信息推送;和/或,基于至少一个偏好程度信息的统计值,进行资源信息推送,该统计值为加权和值、平均值或最大值;和/或,基于指定使用阶段的偏好程度信息,进行资源信息推送。
在一种可能的设计中,该推送模块1003,还用于:该基于第一个使用阶段的偏好程度信息,进行资源信息推送,包括:
当第一个使用阶段的偏好程度信息大于第一阈值时,推送该资源的第一个使用阶段的内容信息;或,当第一个使用阶段的偏好程度信息大于第一阈值且不大于第二阈值时,推送该资源的第一个使用阶段的内容信息;或,当该第一个使用阶段的偏好程度信息大于第二阈值时,推送该资源的至少一个使用阶段的内容信息,其中该第二阈值大于该第一阈值;和/或,
当该统计值大于第三阈值时,推送该资源的第一个使用阶段的内容信息;或,当该统计值大于第三阈值且不大于第四阈值时,推送该资源的第一个使用阶段的内容信息;或,当该统计值大于第四阈值时,推送该资源的至少一个使用阶段的内容信息;和/或,
当指定使用阶段的偏好程度信息大于第五阈值时,推送该资源的指定使用阶段的内容信息;或,当指定使用阶段的偏好程度信息大于第五阈值且不大于第六阈值时,推送该资源的指定使用阶段的内容信息;或,当该指定使用阶段的偏好程度信息大于第六阈值时,推送该资源的至少一个使用阶段的内容信息。
图11是本发明实施例提供的一种资源信息推送装置的结构示意图。参见图11,该装置包括:获取模块1101、输入输出模块1102和推送模块1103。
获取模块1101,用于根据目标用户对历史资源的第一个使用阶段的内容信息的操作行为,获取该目标用户的使用偏好信息,该第一个使用阶段的内容信息用于提供历史资源的预览;
输入输出模块1102,用于将资源的第一个使用阶段的内容信息和该使用偏好信息输入到第一阶段模型中,输出该目标用户对该资源的偏好程度信息;
推送模块1103,用于基于该偏好程度信息,进行资源信息推送;
其中,该第一阶段模型用于根据资源的第一个使用阶段的内容信息预测用户对资源的偏好程度信息。
在一种可能的设计中,该推送模块1103,用于:当该偏好程度信息大于第一阈值时,推送该资源的第一个使用阶段的内容信息;或,当该偏好程度信息大于第一阈值且不大于第二阈值时,推送该资源的第一个使用阶段的内容信息;或,当该偏好程度信息大于第二阈值时,推送该资源的至少一个使用阶段的内容信息,该第二阈值大于该第一阈值。
在一种可能的设计中,第一个使用阶段的内容信息的操作行为是指对历史资源的第一个使用阶段的内容信息的浏览行为,该历史资源的第一个使用阶段的内容信息包括历史资源的标题、缩略图、摘要中的至少一项。
在一种可能的设计中,该装置还包括:
接收模块,用于接收终端发送的该目标用户对历史资源的第一个使用阶段的内容信息的浏览行为的持续时长。
需要说明的是:上述实施例提供的资源信息推送装置在推送资源信息时,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将服务器的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。另外,上述实施例提供的资源信息推送装置与资源信息推送方法实施例属于同一构思,其具体实现过程详见方法实施例,这里不再赘述。
图12是本发明实施例提供的一种资源信息展示装置的结构示意图,参见图12,该装置包括:发送模块1201、接收模块1202和展示模块1203。
发送模块1201,用于当检测到目标用户对历史资源的至少第一个使用阶段的内容信息的操作行为时,将该操作行为发送给服务器;
接收模块1202,用于接收该服务器发送的资源的第一个使用阶段的内容信息;
展示模块1203,用于展示该资源的第一个使用阶段的内容信息;
其中,该资源由该服务器根据历史资源的第一个使用阶段的内容信息以及第一个使用阶段的操作行为确定。
需要说明的是:上述实施例提供的资源信息展示装置在展示资源信息时,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将终端的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。另外,上述实施例提供的资源信息展示装置与资源信息展示方法实施例属于同一构思,其具体实现过程详见方法实施例,这里不再赘述。
图13是本发明实施例提供的一种服务器的结构示意图,该服务器1300可因配置或性能不同而产生比较大的差异,可以包括一个或一个以上处理器(central processingunits,CPU)1301和一个或一个以上的存储器1302,其中,该存储器1302中存储有至少一条指令,该至少一条指令由该处理器1301加载并执行以实现上述各个方法实施例提供的方法。当然,该服务器还可以具有有线或无线网络接口、键盘以及输入输出接口等部件,以便进行输入输出,该服务器还可以包括其他用于实现设备功能的部件,在此不做赘述。
在示例性实施例中,还提供了一种存储有计算机程序的计算机可读存储介质,例如存储有计算机程序的存储器,上述计算机程序被处理执行时实现上述实施例中所示的资源信息推送方法。例如,上述计算机可读存储介质可以是只读内存(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、只读光盘(Compact Disc Read-OnlyMemory,CD-ROM)、磁带、软盘和光数据存储设备等。
图14是本发明实施例提供的一种终端1400的结构示意图。终端1400可以是:智能手机、平板电脑、MP3播放器(Moving Picture Experts Group Audio Layer III,动态影像专家压缩标准音频层面3)、MP4(Moving Picture Experts Group Audio Layer IV,动态影像专家压缩标准音频层面4)播放器、笔记本电脑或台式电脑。终端1400还可能被称为用户设备、便携式终端、膝上型终端、台式终端等其他名称。
通常,终端1400包括有:处理器1401和存储器1402。
处理器1401可以包括一个或多个处理核心,比如4核心处理器、8核心处理器等。处理器1401可以采用DSP(Digital Signal Processing,数字信号处理)、FPGA(Field-Programmable Gate Array,现场可编程门阵列)、PLA(Programmable Logic Array,可编程逻辑阵列)中的至少一种硬件形式来实现。处理器1401也可以包括主处理器和协处理器,主处理器是用于对在唤醒状态下的数据进行处理的处理器,也称CPU(Central ProcessingUnit,中央处理器);协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。在一些实施例中,处理器1401可以在集成有GPU(Graphics Processing Unit,图像处理器),GPU用于负责显示屏所需要显示的内容的渲染和绘制。一些实施例中,处理器1401还可以包括AI(Artificial Intelligence,人工智能)处理器,该AI处理器用于处理有关机器学习的计算操作。
存储器1402可以包括一个或多个计算机可读存储介质,该计算机可读存储介质可以是非暂态的。存储器1402还可包括高速随机存取存储器,以及非易失性存储器,比如一个或多个磁盘存储设备、闪存存储设备。在一些实施例中,存储器1402中的非暂态的计算机可读存储介质用于存储至少一个指令,该至少一个指令用于被处理器1401所执行以实现本申请中方法实施例提供的资源信息展示方法。
在一些实施例中,终端1400还可选包括有:***设备接口1403和至少一个***设备。处理器1401、存储器1402和***设备接口1403之间可以通过总线或信号线相连。各个***设备可以通过总线、信号线或电路板与***设备接口1403相连。具体地,***设备包括:射频电路1404、触摸显示屏1405、摄像头1406、音频电路1407、定位组件1408和电源1409中的至少一种。
***设备接口1403可被用于将I/O(Input/Output,输入/输出)相关的至少一个***设备连接到处理器1401和存储器1402。在一些实施例中,处理器1401、存储器1402和***设备接口1403被集成在同一芯片或电路板上;在一些其他实施例中,处理器1401、存储器1402和***设备接口1403中的任意一个或两个可以在单独的芯片或电路板上实现,本实施例对此不加以限定。
射频电路1404用于接收和发射RF(Radio Frequency,射频)信号,也称电磁信号。射频电路1404通过电磁信号与通信网络以及其他通信设备进行通信。射频电路1404将电信号转换为电磁信号进行发送,或者,将接收到的电磁信号转换为电信号。可选地,射频电路1404包括:天线***、RF收发器、一个或多个放大器、调谐器、振荡器、数字信号处理器、编解码芯片组、用户身份模块卡等等。射频电路1404可以通过至少一种无线通信协议来与其它终端进行通信。该无线通信协议包括但不限于:城域网、各代移动通信网络(2G、3G、4G及5G)、无线局域网和/或WiFi(Wireless Fidelity,无线保真)网络。在一些实施例中,射频电路1404还可以包括NFC(Near Field Communication,近距离无线通信)有关的电路,本申请对此不加以限定。
显示屏1405用于显示UI(User Interface,用户界面)。该UI可以包括图形、文本、图标、视频及其它们的任意组合。当显示屏1405是触摸显示屏时,显示屏1405还具有采集在显示屏1405的表面或表面上方的触摸信号的能力。该触摸信号可以作为控制信号输入至处理器1401进行处理。此时,显示屏1405还可以用于提供虚拟按钮和/或虚拟键盘,也称软按钮和/或软键盘。在一些实施例中,显示屏1405可以为一个,设置终端1400的前面板;在另一些实施例中,显示屏1405可以为至少两个,分别设置在终端1400的不同表面或呈折叠设计;在再一些实施例中,显示屏1405可以是柔性显示屏,设置在终端1400的弯曲表面上或折叠面上。甚至,显示屏1405还可以设置成非矩形的不规则图形,也即异形屏。显示屏1405可以采用LCD(Liquid Crystal Display,液晶显示屏)、OLED(Organic Light-Emitting Diode,有机发光二极管)等材质制备。
摄像头组件1406用于采集图像或视频。可选地,摄像头组件1406包括前置摄像头和后置摄像头。通常,前置摄像头设置在终端的前面板,后置摄像头设置在终端的背面。在一些实施例中,后置摄像头为至少两个,分别为主摄像头、景深摄像头、广角摄像头、长焦摄像头中的任意一种,以实现主摄像头和景深摄像头融合实现背景虚化功能、主摄像头和广角摄像头融合实现全景拍摄以及VR(Virtual Reality,虚拟现实)拍摄功能或者其它融合拍摄功能。在一些实施例中,摄像头组件1406还可以包括闪光灯。闪光灯可以是单色温闪光灯,也可以是双色温闪光灯。双色温闪光灯是指暖光闪光灯和冷光闪光灯的组合,可以用于不同色温下的光线补偿。
音频电路1407可以包括麦克风和扬声器。麦克风用于采集用户及环境的声波,并将声波转换为电信号输入至处理器1401进行处理,或者输入至射频电路1404以实现语音通信。出于立体声采集或降噪的目的,麦克风可以为多个,分别设置在终端1400的不同部位。麦克风还可以是阵列麦克风或全向采集型麦克风。扬声器则用于将来自处理器1401或射频电路1404的电信号转换为声波。扬声器可以是传统的薄膜扬声器,也可以是压电陶瓷扬声器。当扬声器是压电陶瓷扬声器时,不仅可以将电信号转换为人类可听见的声波,也可以将电信号转换为人类听不见的声波以进行测距等用途。在一些实施例中,音频电路1407还可以包括耳机插孔。
定位组件1408用于定位终端1400的当前地理位置,以实现导航或LBS(LocationBased Service,基于位置的服务)。定位组件1408可以是基于美国的GPS(GlobalPositioning System,全球定位***)、中国的北斗***、俄罗斯的格雷纳斯***或欧盟的伽利略***的定位组件。
电源1409用于为终端1400中的各个组件进行供电。电源1409可以是交流电、直流电、一次性电池或可充电电池。当电源1409包括可充电电池时,该可充电电池可以支持有线充电或无线充电。该可充电电池还可以用于支持快充技术。
在一些实施例中,终端1400还包括有一个或多个传感器1410。该一个或多个传感器1410包括但不限于:加速度传感器1411、陀螺仪传感器1412、压力传感器1413、指纹传感器1414、光学传感器1415以及接近传感器1416。
加速度传感器1411可以检测以终端1400建立的坐标系的三个坐标轴上的加速度大小。比如,加速度传感器1411可以用于检测重力加速度在三个坐标轴上的分量。处理器1401可以根据加速度传感器1411采集的重力加速度信号,控制触摸显示屏1405以横向视图或纵向视图进行用户界面的显示。加速度传感器1411还可以用于游戏或者用户的运动数据的采集。
陀螺仪传感器1412可以检测终端1400的机体方向及转动角度,陀螺仪传感器1412可以与加速度传感器1411协同采集用户对终端1400的3D动作。处理器1401根据陀螺仪传感器1412采集的数据,可以实现如下功能:动作感应(比如根据用户的倾斜操作来改变UI)、拍摄时的图像稳定、游戏控制以及惯性导航。
压力传感器1413可以设置在终端1400的侧边框和/或触摸显示屏1405的下层。当压力传感器1413设置在终端1400的侧边框时,可以检测用户对终端1400的握持信号,由处理器1401根据压力传感器1413采集的握持信号进行左右手识别或快捷操作。当压力传感器1413设置在触摸显示屏1405的下层时,由处理器1401根据用户对触摸显示屏1405的压力操作,实现对UI界面上的可操作性控件进行控制。可操作性控件包括按钮控件、滚动条控件、图标控件、菜单控件中的至少一种。
指纹传感器1414用于采集用户的指纹,由处理器1401根据指纹传感器1414采集到的指纹识别用户的身份,或者,由指纹传感器1414根据采集到的指纹识别用户的身份。在识别出用户的身份为可信身份时,由处理器1401授权该用户执行相关的敏感操作,该敏感操作包括解锁屏幕、查看加密信息、下载软件、支付及更改设置等。指纹传感器1414可以被设置终端1400的正面、背面或侧面。当终端1400上设置有物理按键或厂商Logo时,指纹传感器1414可以与物理按键或厂商Logo集成在一起。
光学传感器1415用于采集环境光强度。在一个实施例中,处理器1401可以根据光学传感器1415采集的环境光强度,控制触摸显示屏1405的显示亮度。具体地,当环境光强度较高时,调高触摸显示屏1405的显示亮度;当环境光强度较低时,调低触摸显示屏1405的显示亮度。在另一个实施例中,处理器1401还可以根据光学传感器1415采集的环境光强度,动态调整摄像头组件1406的拍摄参数。
接近传感器1416,也称距离传感器,通常设置在终端1400的前面板。接近传感器1416用于采集用户与终端1400的正面之间的距离。在一个实施例中,当接近传感器1416检测到用户与终端1400的正面之间的距离逐渐变小时,由处理器1401控制触摸显示屏1405从亮屏状态切换为息屏状态;当接近传感器1416检测到用户与终端1400的正面之间的距离逐渐变大时,由处理器1401控制触摸显示屏1405从息屏状态切换为亮屏状态。
本领域技术人员可以理解,图14中示出的结构并不构成对终端1400的限定,可以包括比图示更多或更少的组件,或者组合某些组件,或者采用不同的组件布置。
在示例性实施例中,还提供了一种存储有计算机程序的计算机可读存储介质,例如存储有计算机程序的存储器,上述计算机程序被处理执行时实现上述实施例中所示的资源信息展示方法。例如,上述计算机可读存储介质可以是只读内存(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、只读光盘(Compact Disc Read-OnlyMemory,CD-ROM)、磁带、软盘和光数据存储设备等。
Claims (28)
1.一种资源信息推送方法,其特征在于,所述方法包括:
获取资源信息,所述资源信息包括资源的多个不同使用阶段的内容信息;
将所述资源信息和目标用户的使用偏好信息输入到多阶段模型中,输出所述目标用户对所述资源的至少一个使用阶段的偏好程度信息,其中,所述多阶段模型用于根据资源的不同使用阶段的内容信息预测目标用户对资源的不同使用阶段的偏好程度信息;
基于至少一个偏好程度信息,对所述目标用户进行资源信息推送。
2.根据权利要求1所述的方法,其特征在于,所述多阶段模型包括多个使用阶段的子模型,每个使用阶段的子模型用于根据对应使用阶段的内容信息,输出对应使用阶段的语义信息,每个使用阶段的子模型输出的语义信息与使用偏好信息匹配时,会触发下一个使用阶段的子模型进行语义信息的计算。
3.根据权利要求2所述的方法,其特征在于,所述将所述资源信息和目标用户的使用偏好信息输入到多阶段模型中,输出所述目标用户对所述资源的至少一个使用阶段的偏好程度信息,包括:
对于所述多阶段模型中的当前使用阶段的子模型,将当前使用阶段的内容信息输入到当前使用阶段的子模型中,输出当前使用阶段的语义信息;
根据当前使用阶段的语义信息与使用偏好信息,计算当前使用阶段的偏好程度信息;
输出所述当前使用阶段的偏好程度信息;
当所述当前使用阶段的偏好程度信息符合预设条件时,将下一个使用阶段的内容信息输入到下一个使用阶段的子模型中。
4.根据权利要求3所述的方法,其特征在于,所述将当前使用阶段的内容信息输入到当前使用阶段的子模型中,输出当前使用阶段的语义信息,包括:
将当前使用阶段的内容信息输入到当前使用阶段的子模型的深度神经网络模型中,输出所述内容信息对应的向量,所述深度神经网络模型根据对应使用阶段的内容信息训练得到;
将所述内容信息对应的向量以及当前使用阶段的使用附加信息输入到当前使用阶段的子模型的线性模型中,输出当前使用阶段的语义信息,所述线性模型根据对应使用阶段的使用附加信息训练得到。
5.根据权利要求4所述的方法,其特征在于,
所述线性模型为预设函数,所述预设函数的输入参数包括当前使用阶段的内容信息以及使用附加信息;或,
所述线性模型为具有可调节参数的预设函数,所述可调节参数基于当前使用阶段的内容信息以及使用附加信息确定;或,
所述线性模型包括多个候选函数,所述线性模型对当前使用阶段的内容信息进行计算时,采用的候选函数基于当前使用阶段的内容信息以及使用附加信息确定。
6.根据权利要求1所述的方法,其特征在于,所述多阶段模型的训练过程包括:
获取多个样本资源信息,每个样本资源信息包括样本资源的多个使用阶段的内容信息以及每个使用阶段的内容信息的样本标签,所述样本标签用于指示对应的内容信息是否被展示;
将所述每个样本资源信息和样本用户的使用偏好信息输入到初始多阶段模型中,输出样本用户对所述每个样本资源的至少一个使用阶段的偏好程度信息;
根据所述每个样本资源每个使用阶段的偏好程度信息与对应使用阶段的样本标签之间的偏差,调整每个使用阶段的初始子模型的参数,直至每个初始子模型输出的偏好程度信息的偏差小于预设阈值。
7.根据权利要求1所述的方法,其特征在于,所述多个使用阶段包括第一个使用阶段和第二个使用阶段,所述第一个使用阶段为展示资源的标题、缩略图、摘要中的至少一项的阶段,所述第二个使用阶段为展示资源的全文的阶段。
8.根据权利要求1至7任一项所述的方法,其特征在于,所述多阶段模型包括多个使用阶段的子模型,每个使用阶段的子模型还用于根据对应使用阶段的内容信息和使用附加信息,输出对应使用阶段的语义信息。
9.根据权利要求8所述的方法,其特征在于,所述使用附加信息包括使用阶段的操作时长、所述目标用户的属性信息、非理性信息、社交信息、印象信息中的至少一项;
其中所述非理性信息包括用户情绪信息、用户健康信息、天气信息、交通信息、日期事件信息、劳动状态信息中的至少一项,所述印象信息用于指示所述目标用户对所述资源信息的提供方的对应使用阶段的内容信息与下一个使用阶段的内容信息之间匹配程度的印象。
10.根据权利要求1所述的方法,其特征在于,所述使用偏好信息的获取过程包括:
根据目标用户对历史资源的至少第一个使用阶段的内容信息的操作行为,获取所述目标用户的使用偏好信息。
11.根据权利要求10所述的方法,其特征在于,所述根据目标用户对历史资源的至少第一个使用阶段的内容信息的操作行为,获取所述目标用户的使用偏好信息之前,所述方法还包括:
当检测到所述目标用户对历史资源的任一个使用阶段的内容信息的浏览行为时,获取所述浏览行为的持续时长;和/或,
当检测到所述目标用户对历史资源的任一个使用阶段的内容信息的收听行为时,获取所述收听行为的持续时长;和/或,
当检测到所述目标用户对历史资源的任一个使用阶段的内容信息的观看行为时,获取所述观看行为的持续时长;和/或,
当检测到所述目标用户对历史资源的任一个使用阶段的内容信息的游戏行为时,获取所述游戏行为的持续时长、操作次数、操作频率的至少一项;和/或,
当检测到所述目标用户对历史资源的任一个使用阶段的内容信息的确认行为时,记录所述确认行为,所述确认行为是指确认进入下一个使用阶段的行为;和/或,
当检测到所述目标用户对历史资源的任一个使用阶段的内容信息的互动行为时,记录所述互动行为,所述互动行为是指所述目标用户与其他用户或资源信息的提供方进行交互的行为。
12.根据权利要求11所述的方法,其特征在于,所述记录所述互动行为,包括:
当检测到所述目标用户对历史资源的任一个使用阶段的内容信息的评论行为时,记录评论的内容;和/或,
当检测到所述目标用户对历史资源的任一个使用阶段的内容信息的分享行为时,记录分享的次数或分享的对象的数量;和/或,
当检测到所述目标用户对历史资源的任一个使用阶段的内容信息的打分行为时,记录所述打分行为的分值;和/或,
当检测到所述目标用户对历史资源的任一个使用阶段的内容信息的打赏行为时,记录所述打赏行为的金额;和/或,
当检测到所述目标用户对历史资源的任一个使用阶段的内容信息的送礼行为时,记录发送的虚拟礼物的数量、种类、金额中的至少一项;和/或,
当检测到所述目标用户对历史资源的任一个使用阶段的内容信息的购买行为时,记录所述购买行为的数量、金额的至少一项;和/或,
当检测到所述目标用户对历史资源的任一个使用阶段的内容信息的发送弹幕行为时,记录发送的弹幕的内容。
13.根据权利要求11所述的方法,其特征在于,所述确认行为包括点击行为、滑动行为、长按行为、语音确认行为中的至少一项。
14.根据权利要求1-13任一项所述的方法,其特征在于,所述资源为文章;
文章的第一个阅读阶段的内容信息包括文章的标题、缩略图、摘要中的至少一项,文章的第二个阅读阶段的内容信息为文章的全文;或,
文章的第一个阅读阶段的内容信息包括文章的标题、缩略图、摘要中的至少一项,文章的第二个阅读阶段的内容信息为文章的试看片段,文章的第二个阅读阶段的内容信息为文章的全文。
15.根据权利要求1-13任一项所述的方法,其特征在于,所述资源为视频;
视频的第一个观看阶段的内容信息包括视频的海报、首帧画面、关键帧画面、标题、摘要、演员、关键片段中的至少一项,视频的第二个观看阶段的内容信息为视频的全部内容;或,
视频的第一个观看阶段的内容信息包括视频的海报、首帧画面、关键帧画面、标题、摘要、演员、关键片段中的至少一项,视频的第二个观看阶段的内容信息为视频的试看片段,视频的第三个观看阶段的内容信息为视频的全部内容。
16.根据权利要求1-13任一项所述的方法,其特征在于,所述资源为音乐;
音乐的第一个收听阶段的内容信息包括音乐的名称、音乐的海报、歌手的图片、歌手的名称、音乐所属的歌单名称、音乐所属的专辑名称、音乐所属的专辑截图、上传音乐的用户名称、音乐的类别、音乐的播放次数中的至少一项;
音乐的第二个收听阶段的内容信息包括音乐、音乐的歌词、音乐的评论、音乐所属的专辑视频中的至少一项。
17.根据权利要求1-13任一项所述的方法,其特征在于,所述资源为商品;
商品的第一个购买阶段的内容信息包括商品的图片、商品的名称、商品的广告词、商品的价格、商品的运费、商品的销量、商品的购买人数、商品的属性、商品的高频评价、商品的所在地、商品的优惠信息、商品与目标用户之间的距离、卖家的名称、商品的售后服务、商品的品牌、商品的评分中的至少一项;
商品的第二个购买阶段的内容信息包括商品的详情、商品的每个评价、商品的问答信息、商品的搭配套餐信息、商品的相似商品信息、卖家的详情、商品的图片、商品的名称、商品的广告词、商品的价格、商品的运费、商品的销量、商品的购买人数、商品的属性、商品的高频评价、商品的所在地、商品的优惠信息、商品与目标用户之间的距离、卖家的名称、商品的售后服务、商品的品牌、商品的评分中的至少一项;
商品的第三个购买阶段的内容信息包括购买的商品的名称、购买的商品的数量、订单金额、向卖家的备注、收货地址中的至少一项。
18.根据权利要求1-13任一项所述的方法,其特征在于,所述资源为游戏;
游戏的第一个操作阶段的内容信息包括游戏的名称、游戏的图标、游戏的大小、游戏的广告词、游戏的下载人数中的至少一项;
游戏的第二个操作阶段的内容信息包括游戏的介绍、游戏的动画、游戏的宣传视频、游戏的大小、游戏的广告词、游戏的评论、游戏的打分、游戏的版本、游戏的标签、游戏的相似游戏中的至少一项;
游戏的第三个操作阶段的内容信息包括战斗画面、竞技画面、经营画面、冒险画面、对话画面、抽卡画面、射击画面、角色扮演画面、道具选择画面、道具购买画面、棋牌画面中的至少一项。
19.根据权利要求1所述的方法,其特征在于,所述基于至少一个偏好程度信息,进行资源信息推送,包括:
基于至少一个偏好程度信息,确定推送所述资源信息的顺序;和/或,
基于至少一个偏好程度信息,确定所述资源信息在推送页面中的位置、顺序和占用页面比例中的至少一项;和/或,
基于至少一个偏好程度信息,确定是否推送所述资源信息。
20.根据权利要求19所述的方法,其特征在于,所述基于至少一个偏好程度信息,进行资源信息推送,包括:
基于第一个使用阶段的偏好程度信息,进行资源信息推送;和/或,
基于至少一个偏好程度信息的统计值,进行资源信息推送,所述统计值为加权和值、平均值或最大值;和/或,
基于指定使用阶段的偏好程度信息,进行资源信息推送。
21.根据权利要求20所述的方法,其特征在于,
所述基于第一个使用阶段的偏好程度信息,进行资源信息推送,包括:
当第一个使用阶段的偏好程度信息大于第一阈值时,推送所述资源的第一个使用阶段的内容信息;或,当第一个使用阶段的偏好程度信息大于第一阈值且不大于第二阈值时,推送所述资源的第一个使用阶段的内容信息;或,当所述第一个使用阶段的偏好程度信息大于第二阈值时,推送所述资源的至少一个使用阶段的内容信息,其中所述第二阈值大于所述第一阈值;和/或,
所述基于至少一个偏好程度信息的统计值,进行资源信息推送,包括:
当所述统计值大于第三阈值时,推送所述资源的第一个使用阶段的内容信息;或,当所述统计值大于第三阈值且不大于第四阈值时,推送所述资源的第一个使用阶段的内容信息;或,当所述统计值大于第四阈值时,推送所述资源的至少一个使用阶段的内容信息;和/或,
所述基于指定使用阶段的偏好程度信息,进行资源信息推送,包括:
当指定使用阶段的偏好程度信息大于第五阈值时,推送所述资源的指定使用阶段的内容信息;或,当指定使用阶段的偏好程度信息大于第五阈值且不大于第六阈值时,推送所述资源的指定使用阶段的内容信息;或,当所述指定使用阶段的偏好程度信息大于第六阈值时,推送所述资源的至少一个使用阶段的内容信息。
22.一种资源信息推送方法,其特征在于,所述方法包括:
根据目标用户对历史资源的第一个使用阶段的内容信息的操作行为,获取所述目标用户的使用偏好信息,所述第一个使用阶段的内容信息用于提供历史资源的预览;
将资源的第一个使用阶段的内容信息和所述使用偏好信息输入到第一阶段模型中,输出所述目标用户对所述资源的偏好程度信息;
基于所述偏好程度信息,进行资源信息推送;
其中,所述第一阶段模型用于根据资源的第一个使用阶段的内容信息预测用户对资源的偏好程度信息。
23.根据权利要求22所述的方法,其特征在于,所述基于所述偏好程度信息,进行资源信息推送,包括:
当所述偏好程度信息大于第一阈值时,推送所述资源的第一个使用阶段的内容信息;或,
当所述偏好程度信息大于第一阈值且不大于第二阈值时,推送所述资源的第一个使用阶段的内容信息;或,
当所述偏好程度信息大于第二阈值时,推送所述资源的至少一个使用阶段的内容信息,所述第二阈值大于所述第一阈值。
24.根据权利要求22所述的方法,其特征在于,第一个使用阶段的内容信息的操作行为是指对历史资源的第一个使用阶段的内容信息的浏览行为,所述历史资源的第一个使用阶段的内容信息包括历史资源的标题、缩略图、摘要中的至少一项。
25.根据权利要求22所述的方法,其特征在于,所述根据目标用户对历史资源的第一个使用阶段的内容信息的操作行为,获取所述目标用户的使用偏好信息之前,所述方法还包括:
接收终端发送的所述目标用户对历史资源的第一个使用阶段的内容信息的浏览行为的持续时长。
26.一种资源信息展示方法,其特征在于,所述方法包括:
当检测到目标用户对历史资源的至少第一个使用阶段的内容信息的操作行为时,将所述操作行为发送给服务器;
接收所述服务器发送的资源的第一个使用阶段的内容信息;
展示所述资源的第一个使用阶段的内容信息;
其中,所述资源由所述服务器根据历史资源的第一个使用阶段的内容信息以及第一个使用阶段的操作行为确定。
27.一种服务器,其特征在于,所述服务器包括处理器和存储器,所述存储器中存储有至少一条指令,所述指令由所述处理器加载并执行以实现如权利要求1至权利要求21任一项所述的资源信息推送方法所执行的操作,或实现如权利要求22至权利要求25任一项所述的资源信息推送方法所执行的操作。
28.一种终端,其特征在于,所述终端包括处理器和存储器,所述存储器中存储有至少一条指令,所述指令由所述处理器加载并执行以实现如权利要求26所述的资源信息展示方法所执行的操作。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810027205.7A CN110110203B (zh) | 2018-01-11 | 2018-01-11 | 资源信息推送方法及服务器、资源信息展示方法及终端 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810027205.7A CN110110203B (zh) | 2018-01-11 | 2018-01-11 | 资源信息推送方法及服务器、资源信息展示方法及终端 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110110203A true CN110110203A (zh) | 2019-08-09 |
CN110110203B CN110110203B (zh) | 2023-04-28 |
Family
ID=67482991
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810027205.7A Active CN110110203B (zh) | 2018-01-11 | 2018-01-11 | 资源信息推送方法及服务器、资源信息展示方法及终端 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110110203B (zh) |
Cited By (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110825957A (zh) * | 2019-09-17 | 2020-02-21 | 中国平安人寿保险股份有限公司 | 基于深度学习的信息推荐方法、装置、设备及存储介质 |
CN110880124A (zh) * | 2019-09-29 | 2020-03-13 | 清华大学 | 转化率评估方法及装置 |
CN111046941A (zh) * | 2019-12-09 | 2020-04-21 | 腾讯科技(深圳)有限公司 | 一种目标评论检测方法、装置、电子设备和存储介质 |
CN111192602A (zh) * | 2019-12-03 | 2020-05-22 | 广州荔支网络技术有限公司 | 一种基于音频内容画像***的白噪音音频内容价值评估方法 |
CN111368184A (zh) * | 2020-02-24 | 2020-07-03 | 百度在线网络技术(北京)有限公司 | 智能语音设备的屏保投放方法、设备及存储介质 |
CN111444427A (zh) * | 2020-03-26 | 2020-07-24 | 南京企宝通信息科技有限公司 | 一种项目信息推送***及方法 |
CN112347276A (zh) * | 2020-11-06 | 2021-02-09 | 北京达佳互联信息技术有限公司 | 信息提示方法、装置及***、客户端、服务器及存储介质 |
CN112445921A (zh) * | 2019-08-28 | 2021-03-05 | 华为技术有限公司 | 摘要生成方法和装置 |
CN112598453A (zh) * | 2020-12-29 | 2021-04-02 | 上海硬通网络科技有限公司 | 广告投放方法、装置及电子设备 |
CN112738611A (zh) * | 2020-12-28 | 2021-04-30 | 安徽海豚新媒体产业发展有限公司 | 一种短视频征集及展播应用*** |
CN112732216A (zh) * | 2020-12-31 | 2021-04-30 | 南京南机智农农机科技研究院有限公司 | 一种平行朗读语音的交互方法及其交互*** |
CN112749297A (zh) * | 2020-03-03 | 2021-05-04 | 腾讯科技(深圳)有限公司 | 视频推荐方法、装置、计算机设备和计算机可读存储介质 |
CN113468409A (zh) * | 2020-03-31 | 2021-10-01 | 本田技研工业株式会社 | 推荐***及推荐方法 |
CN113497749A (zh) * | 2020-04-06 | 2021-10-12 | 丰田自动车株式会社 | 控制装置和计算机可读存储介质 |
CN113779388A (zh) * | 2021-08-25 | 2021-12-10 | 广州坚和网络科技有限公司 | 一种资源推送方法、用户终端、服务器及*** |
CN114222155A (zh) * | 2021-12-13 | 2022-03-22 | 北京达佳互联信息技术有限公司 | 资源推荐方法、装置、电子设备以及存储介质 |
CN114840567A (zh) * | 2022-07-04 | 2022-08-02 | 太平洋国际拍卖有限公司 | 一种基于希尔排序的拍品排序图录展示方法及*** |
TWI793449B (zh) * | 2020-09-18 | 2023-02-21 | 信義房屋股份有限公司 | 客戶狀態的通知裝置 |
CN116228282A (zh) * | 2023-05-09 | 2023-06-06 | 湖南惟客科技集团有限公司 | 一种用户数据倾向的智能商品分销方法 |
WO2023103584A1 (zh) * | 2021-12-08 | 2023-06-15 | 腾讯科技(深圳)有限公司 | 对象处理方法、装置、计算机设备和存储介质 |
CN116492693A (zh) * | 2023-06-28 | 2023-07-28 | 北京乐盟互动科技有限公司 | 网络游戏数据推广的方法、装置、电子设备及存储介质 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101047831A (zh) * | 2006-03-30 | 2007-10-03 | 株式会社东芝 | 推荐节目信息提供方法和装置 |
US20130304731A1 (en) * | 2010-12-31 | 2013-11-14 | Yahoo! Inc. | Behavior targeting social recommendations |
CN103700004A (zh) * | 2013-12-10 | 2014-04-02 | 深圳先进技术研究院 | 一种微博广告服务信息推送方法及装置 |
CN104216967A (zh) * | 2014-08-22 | 2014-12-17 | 北京金山安全软件有限公司 | 历史浏览记录的管理方法、装置和移动终端 |
CN104809637A (zh) * | 2015-05-18 | 2015-07-29 | 北京京东尚科信息技术有限公司 | 计算机实现的商品推荐方法及*** |
CN104915860A (zh) * | 2015-06-10 | 2015-09-16 | 无线生活(杭州)信息科技有限公司 | 一种商品推荐方法及装置 |
CN105681835A (zh) * | 2016-02-26 | 2016-06-15 | 腾讯科技(深圳)有限公司 | 一种信息推送的方法以及服务器 |
CN105740268A (zh) * | 2014-12-10 | 2016-07-06 | 阿里巴巴集团控股有限公司 | 一种信息推送方法和装置 |
CN106021577A (zh) * | 2016-06-01 | 2016-10-12 | 北京金山安全软件有限公司 | 一种推送信息的方法、装置及电子设备 |
WO2017041359A1 (zh) * | 2015-09-09 | 2017-03-16 | 百度在线网络技术(北京)有限公司 | 信息推送方法、装置、设备及非易失性计算机存储介质 |
CN106657581A (zh) * | 2016-09-30 | 2017-05-10 | 深圳市天朗时代科技有限公司 | 电子书的阅读计划推荐***及其方法、终端与服务端 |
CN107222562A (zh) * | 2017-07-03 | 2017-09-29 | 深圳市乐唯科技开发有限公司 | 一种基于互联网用户特征的用户智能推荐*** |
-
2018
- 2018-01-11 CN CN201810027205.7A patent/CN110110203B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101047831A (zh) * | 2006-03-30 | 2007-10-03 | 株式会社东芝 | 推荐节目信息提供方法和装置 |
US20130304731A1 (en) * | 2010-12-31 | 2013-11-14 | Yahoo! Inc. | Behavior targeting social recommendations |
CN103700004A (zh) * | 2013-12-10 | 2014-04-02 | 深圳先进技术研究院 | 一种微博广告服务信息推送方法及装置 |
CN104216967A (zh) * | 2014-08-22 | 2014-12-17 | 北京金山安全软件有限公司 | 历史浏览记录的管理方法、装置和移动终端 |
CN105740268A (zh) * | 2014-12-10 | 2016-07-06 | 阿里巴巴集团控股有限公司 | 一种信息推送方法和装置 |
CN104809637A (zh) * | 2015-05-18 | 2015-07-29 | 北京京东尚科信息技术有限公司 | 计算机实现的商品推荐方法及*** |
CN104915860A (zh) * | 2015-06-10 | 2015-09-16 | 无线生活(杭州)信息科技有限公司 | 一种商品推荐方法及装置 |
WO2017041359A1 (zh) * | 2015-09-09 | 2017-03-16 | 百度在线网络技术(北京)有限公司 | 信息推送方法、装置、设备及非易失性计算机存储介质 |
CN105681835A (zh) * | 2016-02-26 | 2016-06-15 | 腾讯科技(深圳)有限公司 | 一种信息推送的方法以及服务器 |
CN106021577A (zh) * | 2016-06-01 | 2016-10-12 | 北京金山安全软件有限公司 | 一种推送信息的方法、装置及电子设备 |
CN106657581A (zh) * | 2016-09-30 | 2017-05-10 | 深圳市天朗时代科技有限公司 | 电子书的阅读计划推荐***及其方法、终端与服务端 |
CN107222562A (zh) * | 2017-07-03 | 2017-09-29 | 深圳市乐唯科技开发有限公司 | 一种基于互联网用户特征的用户智能推荐*** |
Non-Patent Citations (2)
Title |
---|
HYUN-TAE KIM 等: "Learning to Recommend Game Contents for Real-Time Strategy Gamers", 《2014 IEEE CONFERENCE ON COMPUTATIONAL INTELLIGENCE AND GAMES》 * |
黄凯 等: "基于阶段时序效应的奇异值分解推荐模型", 《计算机应用》 * |
Cited By (30)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112445921A (zh) * | 2019-08-28 | 2021-03-05 | 华为技术有限公司 | 摘要生成方法和装置 |
CN110825957A (zh) * | 2019-09-17 | 2020-02-21 | 中国平安人寿保险股份有限公司 | 基于深度学习的信息推荐方法、装置、设备及存储介质 |
CN110880124A (zh) * | 2019-09-29 | 2020-03-13 | 清华大学 | 转化率评估方法及装置 |
CN111192602A (zh) * | 2019-12-03 | 2020-05-22 | 广州荔支网络技术有限公司 | 一种基于音频内容画像***的白噪音音频内容价值评估方法 |
CN111046941A (zh) * | 2019-12-09 | 2020-04-21 | 腾讯科技(深圳)有限公司 | 一种目标评论检测方法、装置、电子设备和存储介质 |
CN111046941B (zh) * | 2019-12-09 | 2023-08-15 | 腾讯科技(深圳)有限公司 | 一种目标评论检测方法、装置、电子设备和存储介质 |
CN111368184A (zh) * | 2020-02-24 | 2020-07-03 | 百度在线网络技术(北京)有限公司 | 智能语音设备的屏保投放方法、设备及存储介质 |
CN111368184B (zh) * | 2020-02-24 | 2024-03-22 | 百度在线网络技术(北京)有限公司 | 智能语音设备的屏保投放方法、设备及存储介质 |
CN112749297B (zh) * | 2020-03-03 | 2023-07-21 | 腾讯科技(深圳)有限公司 | 视频推荐方法、装置、计算机设备和计算机可读存储介质 |
CN112749297A (zh) * | 2020-03-03 | 2021-05-04 | 腾讯科技(深圳)有限公司 | 视频推荐方法、装置、计算机设备和计算机可读存储介质 |
CN111444427A (zh) * | 2020-03-26 | 2020-07-24 | 南京企宝通信息科技有限公司 | 一种项目信息推送***及方法 |
CN113468409A (zh) * | 2020-03-31 | 2021-10-01 | 本田技研工业株式会社 | 推荐***及推荐方法 |
CN113497749B (zh) * | 2020-04-06 | 2023-03-24 | 丰田自动车株式会社 | 控制装置和计算机可读存储介质 |
CN113497749A (zh) * | 2020-04-06 | 2021-10-12 | 丰田自动车株式会社 | 控制装置和计算机可读存储介质 |
TWI793449B (zh) * | 2020-09-18 | 2023-02-21 | 信義房屋股份有限公司 | 客戶狀態的通知裝置 |
CN112347276A (zh) * | 2020-11-06 | 2021-02-09 | 北京达佳互联信息技术有限公司 | 信息提示方法、装置及***、客户端、服务器及存储介质 |
CN112738611A (zh) * | 2020-12-28 | 2021-04-30 | 安徽海豚新媒体产业发展有限公司 | 一种短视频征集及展播应用*** |
CN112598453A (zh) * | 2020-12-29 | 2021-04-02 | 上海硬通网络科技有限公司 | 广告投放方法、装置及电子设备 |
CN112598453B (zh) * | 2020-12-29 | 2022-11-29 | 上海硬通网络科技有限公司 | 广告投放方法、装置及电子设备 |
CN112732216B (zh) * | 2020-12-31 | 2022-05-10 | 南京南机智农农机科技研究院有限公司 | 一种平行朗读语音的交互方法及其交互*** |
CN112732216A (zh) * | 2020-12-31 | 2021-04-30 | 南京南机智农农机科技研究院有限公司 | 一种平行朗读语音的交互方法及其交互*** |
CN113779388A (zh) * | 2021-08-25 | 2021-12-10 | 广州坚和网络科技有限公司 | 一种资源推送方法、用户终端、服务器及*** |
WO2023103584A1 (zh) * | 2021-12-08 | 2023-06-15 | 腾讯科技(深圳)有限公司 | 对象处理方法、装置、计算机设备和存储介质 |
CN114222155A (zh) * | 2021-12-13 | 2022-03-22 | 北京达佳互联信息技术有限公司 | 资源推荐方法、装置、电子设备以及存储介质 |
CN114222155B (zh) * | 2021-12-13 | 2023-12-26 | 北京达佳互联信息技术有限公司 | 资源推荐方法、装置、电子设备以及存储介质 |
CN114840567A (zh) * | 2022-07-04 | 2022-08-02 | 太平洋国际拍卖有限公司 | 一种基于希尔排序的拍品排序图录展示方法及*** |
CN114840567B (zh) * | 2022-07-04 | 2022-10-11 | 太平洋国际拍卖有限公司 | 一种基于希尔排序的拍品排序图录展示方法及*** |
CN116228282B (zh) * | 2023-05-09 | 2023-08-11 | 湖南惟客科技集团有限公司 | 一种用户数据倾向的智能商品分销方法 |
CN116228282A (zh) * | 2023-05-09 | 2023-06-06 | 湖南惟客科技集团有限公司 | 一种用户数据倾向的智能商品分销方法 |
CN116492693A (zh) * | 2023-06-28 | 2023-07-28 | 北京乐盟互动科技有限公司 | 网络游戏数据推广的方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN110110203B (zh) | 2023-04-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110110203A (zh) | 资源信息推送方法及服务器、资源信息展示方法及终端 | |
CN108304441A (zh) | 网络资源推荐方法、装置、电子设备、服务器及存储介质 | |
CN109740068A (zh) | 媒体数据推荐方法、装置及存储介质 | |
KR101832693B1 (ko) | 직관적 컴퓨팅 방법들 및 시스템들 | |
US8645230B2 (en) | Virtual closet for storing and accessing virtual representations of items | |
CN108491534B (zh) | 虚拟环境中的信息展示方法、装置及计算机设备 | |
US20160041981A1 (en) | Enhanced cascaded object-related content provision system and method | |
CN108769814A (zh) | 视频互动方法、装置及可读介质 | |
CN110020140A (zh) | 推荐内容显示方法、装置及*** | |
CN113111026A (zh) | 具有共享兴趣的消息的图库 | |
CN109918669A (zh) | 实体确定方法、装置及存储介质 | |
CN107995515A (zh) | 信息提示的方法及装置 | |
CN103207675A (zh) | 制作媒体节目集锦或扩充媒体节目 | |
CN110263213A (zh) | 视频推送方法、装置、计算机设备及存储介质 | |
US9589296B1 (en) | Managing information for items referenced in media content | |
CN111435377B (zh) | 应用推荐方法、装置、电子设备以及存储介质 | |
CN110458360A (zh) | 热门资源的预测方法、装置、设备及存储介质 | |
CN109729372A (zh) | 直播间切换方法、装置、终端、服务器及存储介质 | |
CN110400180A (zh) | 基于推荐信息的显示方法、装置及存储介质 | |
CN110246110A (zh) | 图像评估方法、装置及存储介质 | |
CN106612230A (zh) | 媒体信息的推广方法、客户端及服务器 | |
CN111291200A (zh) | 多媒体资源展示方法、装置、计算机设备及存储介质 | |
CN116894711A (zh) | 商品推荐理由生成方法及其装置、电子设备 | |
CN113987326B (zh) | 资源推荐方法、装置、计算机设备及介质 | |
JP7326296B2 (ja) | ソーシャルグラフ情報を使用した適応検索 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |