CN110309398A - 用户数据处理方法、装置、计算设备以及存储介质 - Google Patents

Abstract

本申请提供了一种用户数据处理方法，包括：获取多个用户的历史访问数据；根据目标用户的历史访问数据，确定目标用户的至少一个访问行为对应的至少一个兴趣特征；根据热度校正值，确定目标用户对应的兴趣特征的兴趣度，所述热度校正值为所述兴趣特征在每一有效用户的历史访问数据中出现的平均次数。

Description

用户数据处理方法、装置、计算设备以及存储介质

技术领域

本申请涉及信息技术领域，尤其涉及一种用户数据处理方法、装置、计算设备以及存储介质。

背景技术

随着信息技术的发展，特别是互联网时代的到来，使得人们几乎无时无刻不在与互联网进行着信息的交互，从而为人们提供了便利的线上服务，如，线上购物服务、线上缴费服务、线上娱乐服务等；然而，为了能够向用户提供更良好的互联网服务，进而深入挖掘互联网服务潜在的商业价值，需要向每个用户提供其喜好的互联网内容以及互联网服务，而如何确定用户的喜好成为解决上述问题的关键。

发明内容

本申请提出了以下技术方案，以确定用户的关于兴趣特征的属性信息。

本申请实例提出了一种用户数据处理方法，包括：获取多个用户的历史访问数据，其中的每一用户的所述历史访问数据用于描述该用户的至少一个访问行为及其对应的兴趣特征；根据目标用户的所述历史访问数据，确定所述目标用户的至少一个访问行为对应的至少一个兴趣特征；及根据热度校正值，确定所述目标用户对应的所述兴趣特征的兴趣度，所述热度校正值为所述兴趣特征在每一有效用户的历史访问数据中出现的平均次数。

本申请实例还提出了一种用户数据处理方法，包括：确定用户对应的至少一个兴趣度，并根据所述至少一个兴趣度确定用户对应的至少一个兴趣特征以及所述目标用户的属性信息；当接收到来自客户端发送的页面访问请求时，该访问请求携带所述用户的标识，根据所述用户的标识查找所述用户的所述属性信息；根据查找到的所述属性信息确定所述用户对应的所述至少一个兴趣特征；确定所述至少一个兴趣特征对应的媒体内容信息；及响应于所述页面访问请求向所述客户端发送所述媒体内容信息。

本申请实例还提出了一种用户数据处理装置，包括：获取模块，获取多个用户的历史访问数据，其中的每一用户的所述历史访问数据用于描述该用户的至少一个访问行为及其对应的兴趣特征；行为特征确定模块，根据目标用户的所述历史访问数据，确定所述目标用户的至少一个访问行为对应的至少一个兴趣特征；兴趣度确定模块，根据热度校正值，确定所述目标用户对应的所述兴趣特征的兴趣度，所述热度校正值为所述兴趣特征在每一有效用户的历史访问数据中出现的平均次数。

在一些实例中，所述装置进一步包括：次数确定模块，对于所述目标用户的至少一个访问行为对应的任一个兴趣特征，确定所述兴趣特征在所述每一用户的历史访问数据中出现的次数；校正值确定模块，根据所述兴趣特征在目标用户的历史访问数据中出现的次数以及，所述兴趣特征在所述每一用户的历史访问数据中出现的次数，确定所述兴趣特征的热度校正值。

在一些实例中，所述每一用户的所述历史访问数据还用于描述所述该用户的至少一个访问行为对应的访问时间；其中，所述装置进一步包括：衰减度确定模块，根据所述兴趣特征对应的所述目标用户的访问行为的访问时间，确定所述兴趣特征的衰减度；其中，所述兴趣度确定模块，包括：根据所述热度校正值以及所述衰减度确定所述目标用户对应的所述兴趣特征的兴趣度。

在一些实例中，所述装置进一步包括：占有率确定模块，对于所述目标用户的至少一个访问行为对应的任一个兴趣特征，确定所述兴趣特征在所述目标用户的历史访问数据中出现的所有兴趣特征中的占有率；其中，所述兴趣度确定模块，根据所述热度校正值、所述衰减度以及所述占有率确定所述目标用户对于所述兴趣特征的兴趣度。

在一些实例中，所述占有率确定模块，包括：次数确定单元，确定所述兴趣特征在所述目标用户的历史访问数据中出现的次数；总次数确定单元，确定所述目标用户的历史访问数据中所有兴趣特征中出现的总次数；占有率确定单元，根据所述兴趣特征在目标用户的历史访问数据中出现的次数与所述总次数的比值，确定所述占有率。

在一些实例中，衰减度确定模块，包括：差值确定单元，确定所述兴趣特征对应的访问时间与当前时间的时间差值；片段确定单元，确定所述时间差值所包含的具有预定时长的时间片段；分值确定单元，确定每个时间片段对应的所述兴趣特征的一个衰减度分值；总量确定单元，根据各个时间片段对应的所述兴趣特征的衰减度分值，确定所述兴趣特征的衰减度。

在一些实例中，所述校正值确定模块，包括；选取单元，根据所述兴趣特征在所述多个用户中每个用户的历史访问数据中出现的次数，从所述多个用户的历史访问数据中选取所述兴趣特征出现的次数大于阈值的至少一个有效用户的历史访问数据；平均确定单元，确定所述兴趣特征在每个有效用户的历史访问数据中出现的平均次数；校正值确定单元，根据所述平均次数和所述兴趣特征在目标用户的历史访问数据中出现的次数，确定所述兴趣特征的所述热度校正值。

在一些实例中，校正值确定模块，根据所述兴趣特征在目标用户的历史访问数据中出现的次数与平均次数之间的差值，确定所述兴趣特征的热度校正值。

在一些实例中，所述兴趣度确定模块中确定所述目标用户对于所述兴趣特征的兴趣度的表达式包括：

其中，Y＝∑F(x_n)＝F(x₁)+F(x₂)…+F(x_n)

其中，F(x₁)、F(x₂)、…F(x_n)分别表示不同的时间片段对应的任一个兴趣特征的一个衰减度分值，x_n表示不同的时间片段，e表示科学底数，PVu表示任一个兴趣特征在目标用户的历史访问数据中出现的次数，∑PV表示目标用户的历史访问数据中所有兴趣特征出现的总次数，Avg表示兴趣特征在每个有效用户的历史访问数据中出现的平均次数。

本申请实例还提出了一种用户数据处理装置，包括：信息确定模块，根据上述方法确定用户对应的至少一个兴趣度，并根据所述至少一个兴趣度确定用户对应的至少一个兴趣特征以及所述目标用户的属性信息；查找模块，当接收到来自客户端发送的页面访问请求时，该访问请求携带所述用户的标识，根据所述用户的标识查找所述用户的所述属性信息；特征确定模块，根据查找到的所述属性信息确定所述用户对应的所述至少一个兴趣特征；内容确定模块，确定所述至少一个兴趣特征对应的媒体内容信息；发送模块，响应于所述页面访问请求向所述客户端发送所述媒体内容信息。

本申请实例还提出了一种计算设备，包括存储器、处理器以及存储在所述存储器上并在所述处理器上运行的计算机程序；所述处理器执行所述计算机程序时实现上述的方法。

本申请实例还提出了一种存储介质，存储有一个或多个程序，所述一个或多个程序包括指令，所述指令当由计算设备执行时，使得所述计算设备执行上述的方法。

应用本发明的技术方案，能够确定用户对应的兴趣特征，且通过确定的热度校正值来减少由互联网中其他用户对应的兴趣特征或互联网中其他流行因素对确定用户对应的兴趣特征的兴趣度所带来的影响，提高了确定用户对应的兴趣特征的准确性，从而更加准确地确定用户的关于兴趣特征的属性信息(即用户兴趣画像)，进一步地，可以根据用户对应的较为准确的兴趣特征向用户较为准确地推荐用户感兴趣的媒体信息，继而为用户带来了良好的线上服务体验。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术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性的前提下，还可以根据这些附图获得其他的附图。

图1为本申请一实例的用户数据处理方法适用的***结构示意图；

图2为本申请一实例的用户数据处理方法的流程图；

图3为本申请一实例的用户数据处理方法的流程图；

图4为本申请一实例中在客户端中推送媒体内容信息的实例；

图5为本申请一实例中在客户端中推送媒体内容信息的实例；

图6为本申请一实例的用户数据处理装置的结构示意图；

图7为本申请一实例的用户数据处理装置的结构示意图；

图8为本申请一实例的计算设备的硬件的结构示意图。

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，所描述的实施例仅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。

为了描述上的简洁和直观，下文通过描述若干代表性的实施例来对本发明的方案进行阐述。实施例中大量的细节仅用于帮助理解本发明的方案。但是很明显，本发明的技术方案实现时可以不局限于这些细节。为了避免不必要地模糊了本发明的方案，一些实施方式没有进行细致地描述，而是仅给出了框架。下文中，“包括”是指“包括但不限于”，“根据……”是指“至少根据……，但不限于仅根据……”。下文中没有特别指出一个成分的数量时，意味着该成分可以是一个也可以是多个，或可理解为至少一个。

为了确定用户对应的兴趣特征，从而向每个用户提供其喜好的互联网内容以及互联网服务，本申请提出了一种用户数据处理方法。

图1示出了本申请实例的用户数据处理方法适用的***100结构示意图。该***100至少包括终端设备101、目标服务器102、数据平台103以及网络104。

其中，终端设备101是指具有数据计算处理功能的终端设备101，包括但不限于(安装有通信模块的)智能手机、掌上电脑、平板电脑等。这些终端设备101上都安装有操作***，包括但不限于：Android操作***、Symbian操作***、Windows mobile操作***、以及苹果iPhone OS操作***等等。终端设备101安装有应用程序(如，视频APP或视频网页版应用程序)，该应用程序通过网络104与目标服务器102中安装有的应用服务器软件(如与视频APP或视频网页版应用程序对应的应用服务器软件)进行信息交互。

数据平台103可以是由多台计算设备(如，服务器)组成的服务器集群(如，可以包括主服务器以及从属服务器等)，该数据平台103安装有数据应用服务器软件(如，HDFS，(Hadoop Distributed File System))；目标服务器102安装的应用服务器软件通过网络104与数据平台103安装的数据应用服务器软件进行信息交互。

网络104可以是有线网络，也可以是无线网络。

基于***100，本申请的实例提出了一种用户数据处理方法，应用于数据平台103的数据应用服务器软件(如，HDFS)。如图2所示，该方法200包括以下步骤：

步骤201：获取多个用户的历史访问数据，其中的每一用户的所述历史访问数据用于描述该用户的至少一个访问行为及其对应的兴趣特征。

其中，历史访问数据的采集方式可以包括：用户通过终端设备101(如，移动终端)安装的客户端(如，视频APP)向目标服务器102(如，视频服务器)发送媒体内容观看请求(如，视频观看请求)，目标服务器102(如，视频服务器)响应于该观看请求，向客户端发送媒体数据，使得客户端将该媒体内容展示给用户进行观看，同时客户端会对该用户观看媒体内容的访问行为进行记录(如，记录在用户的访问日志中)，客户端可以定期(如，每天)向目标服务器102上报该用户的访问行为(如，上报该用户的访问日志)，当目标服务器102接收到客户端上报的该用户的访问行为后，再将该用户的访问行为存储至数据平台103的数据应用服务器软件(如，HDFS)，从而使得该数据平台103收集到海量用户的访问行为数据，即用户的历史访问数据。

上述历史访问数据还可以用于描述访问行为对应的访问时间和访问信息(如，访问视频的标识(视频ID)等)。

其中，数据平台103可以根据历史访问数据中的访问行为(如，视频访问)，进行分类，分别存储到不同的存储节点(如，从属服务器)中。

其中，获取多个用户的历史访问数据的获取方式可以包括：数据平台103从其相应的存储节点(如，用于存储视频的历史访问数据的从属服务器)中获取预置时间(如，当前60天)内的多个用户(即全网中的全部用户，全网可以是使用该上述视频服务器提供视频服务的用户所在的网络)的历史访问数据(如，视频的历史访问数据)。

步骤202：根据目标用户的所述历史访问数据，确定所述目标用户的至少一个访问行为对应的至少一个兴趣特征。

在一些实例中，数据平台103根据上述获取到的多个用户的历史访问数据中选取一个目标用户(即全网中的一个用户)的历史访问数据，从该目标用户的历史访问数据中确定至少一个访问行为对应的至少一个兴趣特征(如，用户ID“XXX”的视频ID“YYY”的访问行为对应的一个兴趣特征“古装”)。

步骤203：根据热度校正值，确定所述目标用户对应的所述兴趣特征的兴趣度，热度校正值为所述兴趣特征在每一有效用户的历史访问数据中出现的平均次数。

其中，上述热度校正值的确定方式可以进一步包括：对于所述目标用户的至少一个访问行为对应的任一个兴趣特征，确定所述兴趣特征在所述多个用户中每个用户的历史访问数据中出现的次数；根据所述兴趣特征在目标用户的历史访问数据中出现的次数以及所述兴趣特征在所述多个用户中每个用户的历史访问数据中出现的次数，确定所述兴趣特征的热度校正值。

在一些实例中，数据平台103统计上述兴趣特征(如“古装”)在每个用户(包括目标用户)的历史访问数据中出现的次数(如，在目标用户的300条历史访问数据中，有50条历史访问数据的访问行为中出现了“古装”，且该古装在每条历史访问数据的访问行为中仅出现一次，则该“古装”在该目标用户的300条历史访问数据的访问行为中出现的次数为50次)。

其中，所述确定所述兴趣特征的热度校正值，包括；根据所述兴趣特征在所述多个用户中每个用户(包括目标用户)的历史访问数据中出现的次数，从所述多个用户的历史访问数据中选取所述兴趣特征(如“古装”)出现的次数大于阈值(如，2次)的至少一个有效用户的历史访问数据；确定所述兴趣特征在每个有效用户的历史访问数据中出现的平均次数；根据所述平均次数和所述兴趣特征在目标用户的历史访问数据中出现的次数，确定所述兴趣特征的所述热度校正值。

例如，在当前60天内，数据平台103获取到全网共有20000个用户的历史访问数据，其中有15000个用户的历史访问数据的访问行为中“古装”兴趣特征出现的次数是大于2次(即阈值)的，则选取15000个有效用户的历史访问数据，同时将其他的无效用户剔除掉。

其中，确定所述兴趣特征在每个有效用户的历史访问数据中出现的平均次数的方式可以包括：确定有效用户的数量(如，通过统计方式，确定有15000个有效用户)，确定每个有效用户对应的该兴趣特征(如，“古装”)出现的次数(如，通过统计方式确定该出现次数)，将每个有效用户对应的该兴趣特征(如，“古装”)出现的次数进行相加，得到该兴趣特征(如，“古装”)在有效用户的历史访问数据中出现的总次数，根据上述总次数与有效用户的数量的比值，得到该兴趣特征(如，“古装”)在每个有效用户的历史访问数据中出现的平均次数。

在一些实例中，上述平均次数Avg，如下式1)所示：

Avg＝S/N 1)

其中，S表示任一个兴趣特征在全网有效用户的历史访问数据中出现的次数(如，在当前60天内，数据平台103确定全网共有15000个有效用户，每个有效用户都有300条历史访问数据，将每个有效用户的历史访问数据的访问行为中出现“古装”的次数相加，得到“古装”在全网有效用户的历史访问数据的访问行为中出现的次数)，N表示全网有效用户的数量。

需要说明的是，上述实施例中的历史访问数据的数量以及用户数量仅仅为了本领域技术人员能够更清楚地理解本发明的技术方案，对本发明的技术方案不具有任何的限制作用，在实际应用场景中，上述历史访问数据的数量以及用户数量可能远远大于上述举例的数量。

在一些实例中，所述确定所述兴趣特征的热度校正值，包括：根据所述兴趣特征在目标用户的历史访问数据中出现的次数与所述兴趣特征在所述每个有效用户的历史访问数据中出现的平均次数之间的差值，确定所述兴趣特征的热度校正值。

在一些实例中，上述兴趣特征的热度校正值C，如下式2)所示：

其中，PVu表示任一个兴趣特征在目标用户的历史访问数据中出现的次数。

在一些实例中，所述每一用户的所述历史访问数据还用于描述所述该用户的至少一个访问行为对应的访问时间；其中，所述方法200进一步包括：根据所述兴趣特征对应的所述目标用户的访问行为的访问时间，确定所述兴趣特征的衰减度；其中，根据热度校正值，确定所述目标用户对应的所述兴趣特征(如“古装”)的兴趣度，包括：根据所述热度校正值以及所述衰减度确定所述目标用户对应的所述兴趣特征的兴趣度。

在一些实例中，所述方法200进一步包括：对于所述目标用户的至少一个访问行为对应的任一个兴趣特征，确定所述兴趣特征在所述目标用户的历史访问数据中出现的所有兴趣特征中的占有率；其中，根据热度校正值以及所述衰减度确定所述目标用户对应的所述兴趣特征的兴趣度，包括：根据所述热度校正值、所述衰减度以及所述占有率确定所述目标用户对于所述兴趣特征(如“古装”)的兴趣度；如，将上述热度校正值、上述衰减度与上述占有率相乘，得到每一个兴趣特征(如“古装”)的兴趣度。

通过上述实例对热度校正值的确定，使得根据该热度校正值来校正上述占有率得到的兴趣特征的兴趣度克服了全网中流行因素(如，流行视频因素)以及其他用户的喜好所带来的影响，比仅仅只根据占有率得到兴趣特征的兴趣度(即没有考虑到全网其他因素的影响)要更加准确。

其中，所述确定所述兴趣特征在所述目标用户的历史访问数据中出现的所有兴趣特征中的占有率，包括：确定所述兴趣特征(如“古装”)在所述目标用户的历史访问数据中出现的次数(如，通过统计的方式确定出现的次数)；确定所述目标用户的历史访问数据中所有兴趣特征(如“古装”、“动漫”、“奇幻”、“女主演姓名”以及“推理”等)出现的总次数(如，通过统计的方式确定总次数)；及根据所述兴趣特征在目标用户的历史访问数据中出现的次数与所述总次数的比值，确定所述占有率O，如下式3)所示。

其中，∑PV表示目标用户的历史访问数据中所有兴趣特征出现的总次数。

在一些实例中，所述每一用户的所述历史访问数据还用于描述所述该用户的至少一个访问行为对应的访问时间；其中，对于所述目标用户的至少一个访问行为对应的任一个兴趣特征，确定所述兴趣特征在所述目标用户的历史访问数据中出现的所有兴趣特征中的占有率；根据所述兴趣特征对应的所述目标用户的访问行为的访问时间，确定所述兴趣特征的衰减度；其中，根据所述热度校正值，确定所述目标用户对应的所述兴趣特征的兴趣度，包括：根据所述热度校正值、所述占有率以及所述衰减度确定所述目标用户对应的所述兴趣特征的兴趣度H(u)，如下式4)：

其中，Y表示为任一个兴趣特征的衰减度。

在一些实例中，所述根据所述兴趣特征对应的所述目标用户的访问行为的访问时间，确定所述兴趣特征的衰减度，包括：确定所述兴趣特征(如“古装”)对应的访问时间与当前时间的时间差值(如，访问时间与当前时间的时间差值10天、20.5天、30天)；确定所述时间差值所包含的具有预定时长的时间片段(如，一小时、半天、一天、一周等，以一天为预定时长的时间片段，时间差值10天、20.5天、30天分别包含的时间片段为10天、20天以及30天)；确定每个时间片段对应的所述兴趣特征(如“古装”)的一个衰减度分值；及根据各个时间片段对应的所述兴趣特征的衰减度分值，确定所述兴趣特征的衰减度Y，如下式5)所示：

Y＝∑F(x_n)＝F(x₁)+F(x₂)…+F(x_n) 5)

其中，F(x₁)、F(x₂)、…F(x_n)分别表示不同的时间片段对应的任一个兴趣特征(如“古装”)的一个衰减度分值，x_n表示不同的时间片段(如，10天、20天以及30天)，e表示科学底数。

以上述时间差值为10天、20.5天、30天为例，任一个兴趣特征(如，“古装”)的衰减度Y为：

Y＝∑F(x_n)＝F(x₁)+F(x₂)…+F(x_n)＝e^-0.038*10+e^-0.038*20+e^-0.038*30

需要说明的是，上述衰减度的确定方式还可以包括：确定不同的时间片段对应的任一个兴趣特征(如“古装”)的衰减度分值的平均值，即Y＝∑F(x_n)/n；其中，n表示衰减度分值的个数。

通过上述实例中确定的上述兴趣特征的衰减度，进一步对通过热度校正值校正的兴趣特征的兴趣度进行修正，使得通过上述衰减度修正的兴趣特征的兴趣度能够克服距离当前时间较长的历史访问数据中的上述兴趣特征(如，“古装”)出现的次数所带来的影响，比仅仅只根据占有率得到兴趣特征的兴趣度以及根据该热度校正值来校正上述占有率得到的兴趣特征的兴趣度(没有考虑到时间因素的影响)要更加准确。

在一些实例中，所述方法200进一步包括：根据所述目标用户的访问行为对应的一个或多个兴趣特征的所述兴趣度，确定所述目标用户对应的至少一个兴趣特征。在一些实例中，根据所述目标用户对应的所述至少一个兴趣特征，确定所述目标用户的属性信息；其中，所述属性信息用于确定可向所述目标用户推送的相关信息。

当确定目标用户的访问行为对应的一个或多个兴趣特征(如，“古装”、“奇幻”、“女主演姓名”、“推理”等)的兴趣度的之后，数据平台103根据所述兴趣度从所述多个兴趣特征中选取预定数量的兴趣特征作为所述目标用户对应的兴趣特征(如，用户标签)。

其中，上述选取预定数量的兴趣特征的方式可以包括：根据兴趣度从大到小的顺序对上述多个兴趣特征进行排序，根据从大到小的顺序选取预定数量(如，十个)兴趣特征。

在一些实例中，当选取预定数量的兴趣特征作为所述目标用户对应的兴趣特征之后，数据平台103将所述目标用户对应的兴趣特征发送至目标服务器102(如，视频服务器)，以使得所述目标服务器102根据所述兴趣特征向目标用户推送相关信息(如，用户喜好的视频信息)。

应用本发明的技术方案，可以准确地确定用户的兴趣特征，避免受到全网中的其他流行信息的影响(如，视频网络中的流行视频的影响)，从而更加准确地确定用户的画像，为用户提供更加优良的网络服务，使得用户线上体验度好。其中，用户的画像为描述用户信息的标签或标签集合(如，“动漫”、“推理”、“80后”、“上班族”等标签)，前文中阐述的用户的属性信息(即用户的兴趣画像)为描述用户兴趣或喜好的标签或标签集合(如，“动漫”、“推理”等标签)。

对应于一种用户数据处理方法200，本申请还提出了一种用户数据处理方法，如图3所示，该方法300包括以下步骤：

步骤301：确定用户对应的至少一个兴趣度，并根据所述至少一个兴趣度确定用户对应的至少一个兴趣特征以及所述目标用户的属性信息。

在一些实例中，根据上述前文阐述的方法200由数据平台103确定用户对应的至少一个兴趣特征(如，“古装”、“奇幻”、“女主演姓名”、“推理”等)，并将兴趣特征发送至目标服务器102(如，视频服务器)，目标服务器102根据数据平台103发送的兴趣特征，确定用户的属性信息(如，包括“古装”、“奇幻”、“女主演姓名”、“推理”等的兴趣特征)，同时目标服务器102将包括上述兴趣特征的属性信息进行存储。

步骤302：当接收到来自客户端发送的页面访问请求时，该访问请求携带所述用户的标识，根据所述用户的标识查找所述用户的所述属性信息。

在一些实例中，当目标服务器102(如，视频服务器)接收到客户端(如，视频APP)发送的页面访问请求(如，客户端的初始页面的访问请求或媒体内容观看页面的访问请求)，该访问请求携带用户的标识(如，用户ID)，当目标服务器102接收到该访问请求后，解析该访问请求得到用户的标识，目标服务器102根据用户的标识确定该用户的关于兴趣特征的属性信息。

步骤303：根据查找到的所述属性信息确定所述用户对应的所述至少一个兴趣特征。

在一些实例中，目标服务器102(如，视频服务器)在该属性信息中查找与该用户的标识(如，用户ID)对应的兴趣特征(如，“古装”、“奇幻”、“女主演姓名”、“推理”等)。

步骤304：确定所述至少一个兴趣特征对应的媒体内容信息。

在一些实例中，目标服务器102根据该用户的兴趣特征(如，“古装”、“奇幻”、“女主演姓名”、“推理”等)，从媒体内容中选取其标签与兴趣特征相符合的媒体内容(如，标签为“古装”的视频、标签为“古装”和“推理”的视频等)并获取该媒体内容信息。

其中，上述媒体内容可以包括：视频内容、新闻内容、游戏内容、音乐内容等；上述媒体内容信息至少包括：页面元素链接地址，或者至少包括：媒体内容图片(如，视频封面)、媒体内容标识(如，新闻标题)、媒体内容链接地址等。

步骤305：响应于所述页面访问请求向所述客户端发送所述媒体内容信息。

在一些实例中，目标服务器102(如，视频服务器)响应于上述访问请求向客户端(该客户端可以安装在终端设备101中，如，视频APP)发送包含上述媒体内容信息，以使客户端根据该媒体内容信息向用户展示页面数据。

例如，当客户端向目标服务器102发送的页面访问请求为初始页面的访问请求时，当客户端接收到上述媒体内容信息，且上述媒体信息内容包括页面元素链接地址(如，URL)时，客户端通过该页面元素链接地址拉取页面数据(即该页面元素，如，媒体内容图片、媒体内容标识、媒体内容链接地址等)，当客户端拉取到该页面数据即对该页面数据(如，推荐的媒体内容信息)进行展示；或者，当客户端接收到上述媒体内容信息且上述媒体信息内容包括媒体内容图片、媒体内容标识、媒体内容链接地址，可以直接根据接受到的上述媒体信息内容对该页面数据(如，推荐的媒体内容信息)进行展示。

当客户端向目标服务器102发送的页面访问请求为媒体内容观看页面的访问请求时，当客户端接收到上述媒体内容信息，且上述媒体信息内容包括页面元素链接地址(如，URL)和媒体内容的数据(如，视频数据)，客户端通过该页面元素链接地址拉取页面数据(即该页面元素，如，媒体内容图片、媒体内容标识、媒体内容链接地址等)，当客户端拉取到该页面数据即对该页面数据(如，播放的视频内容和推荐的媒体内容信息)进行展示；或者，当客户端接收到上述媒体内容信息且上述媒体信息内容包括媒体内容图片、媒体内容标识、媒体内容链接地址和媒体内容的数据(如，视频数据)，可以直接根据接受到的上述媒体信息内容对该页面数据(如，播放的视频内容和推荐的媒体内容信息)进行展示。

当用户对上述页面数据中的推荐的媒体内容信息(如，视频内容信息)感兴趣，点击上述推荐的媒体内容信息(如，视频内容信息)，客户端(如，视频APP)向目标服务器102(如，视频服务器)发送媒体内容的获取请求，该获取请求携带媒体内容信息(如，媒体内容标识)，目标服务器102根据该媒体内容信息查找对应的媒体内容，并将媒体内容的数据发送至客户端(如，视频APP)，以供用户观看；图4示出了视频客户端(如，网页应用视频客户端)的初始页面的展示界面400，该展示界面400不仅向用户展示了当前视频网络中的热门视频信息，还根据用户对应的兴趣特征向用户推荐了用户喜好的视频内容信息。图5示出了客户端(如，视频APP)的视频观看页面的展示界面500，该展示界面500不仅向用户展示了该用户通过访问请求而获取到的视频内容，还向用户展示了根据用户对应的兴趣特征推荐的用户喜好的视频内容信息。

需要说明的是，前文阐述的方法200和方法300可以适用于多个媒体应用场景，如视频应用场景、新闻应用场景、购物应用场景、游戏应用场景以及音乐应用场景等，为了本领域技术人员便于理解，仅以视频应用场景为例对方法200和方法300进行了说明，但其他媒体应用场景也适用于方法200和方法300。同时方法200中的确定的用户对应的兴趣特征不仅可以应用到同一个媒体网络中，还可以应用到不同的媒体网络中；例如，将用户观看视频对应的兴趣特征应用到用户的新闻应用场景中，来向用户推荐其喜好的新闻，或者应用到用户的游戏应用场景中，来向用户推荐其喜好的游戏等，从而克服了用户由于在一个媒体应用场景中的活跃度低造成的无法向用户进行推荐对应的媒体信息以及推荐的对应的媒体信息不准确的问题。

对应于一种用户数据处理方法200，本申请还提出了一种用户数据处理装置，应用到数据平台103，如图6所示，该处理装置600包括：获取模块601、行为特征确定模块602、兴趣度确定模块603；且各个模块的功能具体如下：

获取模块601，获取多个用户的历史访问数据，每一用户的所述历史访问数据用于描述该用户的至少一个访问行为及其对应的兴趣特征。

行为特征确定模块602，根据目标用户的所述历史访问数据，确定所述目标用户的至少一个访问行为对应的至少一个兴趣特征。

兴趣度确定模块603，根据所述热度校正值，确定所述目标用户对应的所述兴趣特征的兴趣度，所述热度校正值为所述兴趣特征在每一有效用户的历史访问数据中出现的平均次数。

在一些实例中，所述装置600进一步包括：次数确定模块，对于所述目标用户的至少一个访问行为对应的任一个兴趣特征，确定所述兴趣特征在所述每一用户的历史访问数据中出现的次数；校正值确定模块，根据所述兴趣特征在目标用户的历史访问数据中出现的次数以及，所述兴趣特征在所述每一用户的历史访问数据中出现的次数，确定所述兴趣特征的热度校正值。

在一些实例中，所述每一用户的所述历史访问数据还用于描述所述该用户的至少一个访问行为对应的访问时间；其中，所述装置600进一步包括：衰减度确定模块，根据所述兴趣特征对应的所述目标用户的访问行为的访问时间，确定所述兴趣特征的衰减度；其中，所述兴趣度确定模块603，包括：根据所述热度校正值以及所述衰减度确定所述目标用户对应的所述兴趣特征的兴趣度。

在一些实例中，所述处理装置600进一步包括：占有率确定模块，对于所述目标用户的至少一个访问行为对应的任一个兴趣特征，确定所述兴趣特征在所述目标用户的历史访问数据中出现的所有兴趣特征中的占有率；其中，兴趣度确定模块603，根据所述热度校正值、所述衰减度以及所述占有率确定所述目标用户对于所述兴趣特征的兴趣度。

在一些实例中，所述占有率确定模块，包括：次数确定单元，确定所述兴趣特征在所述目标用户的历史访问数据中出现的次数；总次数确定单元，确定所述目标用户的历史访问数据中所有兴趣特征中出现的总次数；占有率确定单元，根据所述兴趣特征在目标用户的历史访问数据中出现的次数与所述总次数的比值，确定所述占有率。

在一些实例中，衰减度确定模块，包括：差值确定单元，确定所述兴趣特征对应的访问时间与当前时间的时间差值；片段确定单元，确定所述时间差值所包含的具有预定时长的时间片段；分值确定单元，确定每个时间片段对应的所述兴趣特征的一个衰减度分值；总量确定单元，根据各个时间片段对应的所述兴趣特征的衰减度分值，确定所述兴趣特征的衰减度。

在一些实例中，所述校正值确定模块，包括；选取单元，根据所述兴趣特征在所述多个用户中每个用户的历史访问数据中出现的次数，从所述多个用户的历史访问数据中选取所述兴趣特征出现的次数大于阈值的至少一个有效用户的历史访问数据；平均确定单元，确定所述兴趣特征在每个有效用户的历史访问数据中出现的平均次数；校正值确定单元，根据所述平均次数和所述兴趣特征在目标用户的历史访问数据中出现的次数，确定所述兴趣特征的所述热度校正值。

在一些实例中，校正值确定模块，根据所述兴趣特征在目标用户的历史访问数据中出现的次数与平均次数之间的差值，确定所述兴趣特征的热度校正值。

在一些实例中，所述兴趣度确定模块603中确定所述目标用户对于所述兴趣特征的兴趣度的表达式包括：

其中，Y＝∑F(x_n)＝F(x₁)+F(x₂)…+F(x_n)

其中，F(x₁)、F(x₂)、…F(x_n)分别表示不同的时间片段对应的任一个兴趣特征的一个衰减度分值，x_n表示不同的时间片段，e表示科学底数，PVu表示任一个兴趣特征在目标用户的历史访问数据中出现的次数，∑PV表示目标用户的历史访问数据中所有兴趣特征出现的总次数，Avg表示兴趣特征在每个有效用户的历史访问数据中出现的平均次数。

在一些实例中，所述处理装置600进一步包括：信息确定模块，根据所述目标用户对应的所述至少一个兴趣特征，确定所述目标用户的属性信息；其中，所述属性信息用于确定可向所述目标用户推送的相关信息。

对应于一种用户数据处理方法300，本申请还提出了一种用户数据处理装置，应用到目标服务器102，如图7所示，该处理装置700包括：信息确定模块701、查找模块702、特征确定模块703、内容确定模块704和发送模块705；且各个模块的功能具体如下：

信息确定模块701，确定用户对应的至少一个兴趣度，并根据所述至少一个兴趣度确定用户对应的至少一个兴趣特征以及所述目标用户的属性信息。

查找模块702，当接收到来自客户端发送的页面访问请求时，该访问请求携带所述用户的标识，根据所述用户的标识查找所述用户的所述属性信息。

特征确定模块703，根据查找到的所述属性信息确定所述用户对应的所述至少一个兴趣特征。

内容确定模块704，确定所述至少一个兴趣特征对应的媒体内容信息。

发送模块705，响应于所述页面访问请求向所述客户端发送所述媒体内容信息。

图8示出了处理装置600或处理装置700所在的计算设备800的组成结构图。此计算设备800可以是服务器。如图8所示，该计算设备包括一个或者多个处理器(CPU)802、通信模块804、存储器806、用户接口810，以及用于互联这些组件的通信总线808。

处理器802可通过通信模块804接收和发送数据以实现网络通信和/或本地通信。

用户接口810包括一个或多个输出设备812，其包括一个或多个扬声器和/或一个或多个可视化显示器。用户接口810也包括一个或多个输入设备814，其包括诸如，键盘，鼠标，声音命令输入单元或扩音器，触屏显示器，触敏输入板，姿势捕获摄像机或其他输入按钮或控件等。

存储器806可以是高速随机存取存储器，诸如DRAM、SRAM、DDR RAM、或其他随机存取固态存储设备；或者非易失性存储器，诸如一个或多个磁盘存储设备、光盘存储设备、闪存设备，或其他非易失性固态存储设备。

存储器806存储处理器802可执行的指令集，包括：

操作***816，包括用于处理各种基本***服务和用于执行硬件相关任务的程序；

应用818，包括用于视频播放的各种应用程序，这种应用程序能够实现上述各实例中的处理流程，比如可以包括图6所示的处理装置600中的部分或全部模块，各模块601-603中的至少一个模块可以存储有机器可执行指令，处理器802通过执行存储器806中各模块601-603中至少一个模块中的机器可执行指令，进而能够实现上述各模块601-603中的至少一个模块的功能。

还可以包括图7所示的处理装置700中的部分或全部模块，各模块701-705中的至少一个模块可以存储有机器可执行指令，处理器802通过执行存储器806中各模块701-705中至少一个模块中的机器可执行指令，进而能够实现上述各模块701-705中的至少一个模块的功能。

需要说明的是，上述各流程和各结构图中不是所有的步骤和模块都是必须的，可以根据实际的需要忽略某些步骤或模块。各步骤的执行顺序不是固定的，可以根据需要进行调整。各模块的划分仅仅是为了便于描述采用的功能上的划分，实际实现时，一个模块可以分由多个模块实现，多个模块的功能也可以由同一个模块实现，这些模块可以位于同一个设备中，也可以位于不同的设备中。

各实施例中的硬件模块可以以硬件方式或硬件平台加软件的方式实现。上述软件包括机器可读指令，存储在非易失性存储介质中。因此，各实施例也可以体现为软件产品。

各例中，硬件可以由专门的硬件或执行机器可读指令的硬件实现。例如，硬件可以为专门设计的永久性电路或逻辑器件(如专用处理器，如FPGA或ASIC)用于完成特定的操作。硬件也可以包括由软件临时配置的可编程逻辑器件或电路(如包括通用处理器或其它可编程处理器)用于执行特定操作。

另外，本申请的每个实例可以通过由数据处理设备如计算机执行的数据处理程序来实现。显然，数据处理程序构成了本申请。此外，通常存储在一个存储介质中的数据处理程序通过直接将程序读取出存储介质或者通过将程序安装或复制到数据处理设备的存储设备(如硬盘和或内存)中执行。因此，这样的存储介质也构成了本申请，本申请还提供了一种非易失性存储介质，其中存储有数据处理程序，这种数据处理程序可用于执行本申请上述方法实例中的任何一种实例。

图6或图7中的模块对应的机器可读指令可以使计算机上操作的操作***等来完成这里描述的部分或者全部操作。非易失性计算机可读存储介质可以是***计算机内的扩展板中所设置的存储器中或者写到与计算机相连接的扩展单元中设置的存储器。安装在扩展板或者扩展单元上的CPU等可以根据指令执行部分和全部实际操作。

另外，在本申请各个实例中的装置及各模块可以集成在一个处理单元中，也可以是各个模块单独物理存在，也可以两个或两个以上装置或模块集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明保护的范围之内。

Claims (14)

1.一种用户数据处理方法，其特征在于，包括：

获取多个用户的历史访问数据，其中的每一用户的所述历史访问数据用于描述该用户的至少一个访问行为及其对应的兴趣特征；

根据目标用户的所述历史访问数据，确定所述目标用户的至少一个访问行为对应的至少一个兴趣特征；及

根据热度校正值，确定所述目标用户对应的所述兴趣特征的兴趣度，所述热度校正值为所述兴趣特征在每一有效用户的历史访问数据中出现的平均次数。

2.根据权利要求1所述的方法，其特征在于，所述方法进一步包括：

对于所述目标用户的至少一个访问行为对应的任一个兴趣特征，确定所述兴趣特征在所述每一用户的历史访问数据中出现的次数；

根据所述兴趣特征在目标用户的历史访问数据中出现的次数以及，所述兴趣特征在所述每一用户的历史访问数据中出现的次数，确定所述兴趣特征的热度校正值。

3.根据权利要求1所述的方法，其特征在于，所述每一用户的所述历史访问数据还用于描述所述该用户的至少一个访问行为对应的访问时间；

其中，所述方法进一步包括：

根据所述兴趣特征对应的所述目标用户的访问行为的访问时间，确定所述兴趣特征的衰减度；

其中，根据热度校正值，确定所述目标用户对应的所述兴趣特征的兴趣度，包括：

根据所述热度校正值以及所述衰减度确定所述目标用户对应的所述兴趣特征的兴趣度。

4.根据权利要求3所述的方法，其特征在于，进一步包括：

对于所述目标用户的至少一个访问行为对应的任一个兴趣特征，确定所述兴趣特征在所述目标用户的历史访问数据中出现的所有兴趣特征中的占有率；

其中，根据所述热度校正值以及所述衰减度确定所述目标用户对应的所述兴趣特征的兴趣度，包括：

根据所述热度校正值、所述衰减度以及所述占有率确定所述目标用户对于所述兴趣特征的兴趣度。

5.根据权利要求4所述的方法，其特征在于，所述确定所述兴趣特征在所述目标用户的历史访问数据中出现的所有兴趣特征中的占有率，包括：

确定所述兴趣特征在所述目标用户的历史访问数据中出现的次数；

确定所述目标用户的历史访问数据中所有兴趣特征出现的总次数；及

根据所述兴趣特征在目标用户的历史访问数据中出现的次数与所述总次数的比值，确定所述占有率。

6.根据权利要求3所述的方法，其特征在于，所述根据所述兴趣特征对应的所述目标用户的访问行为的访问时间，确定所述兴趣特征的衰减度，包括：

确定所述兴趣特征对应的访问时间与当前时间的时间差值；

确定所述时间差值所包含的具有预定时长的时间片段；

确定每个时间片段对应的所述兴趣特征的一个衰减度分值；及

根据各个时间片段对应的所述兴趣特征的衰减度分值，确定所述兴趣特征的衰减度。

7.根据权利要求2所述的方法，其特征在于：所述确定所述兴趣特征的热度校正值，包括；

根据所述兴趣特征在所述多个用户中每个用户的历史访问数据中出现的次数，从所述多个用户的历史访问数据中选取所述兴趣特征出现的次数大于阈值的至少一个有效用户的历史访问数据；

确定所述兴趣特征在每个有效用户的历史访问数据中出现的平均次数；

根据所述平均次数和所述兴趣特征在目标用户的历史访问数据中出现的次数，确定所述兴趣特征的所述热度校正值。

8.根据权利要求7所述的方法，其特征在于，所述确定所述兴趣特征的热度校正值，包括：

根据所述兴趣特征在目标用户的历史访问数据中出现的次数与所述平均次数之间的差值，确定所述兴趣特征的热度校正值。

9.根据权利要求4所述的方法，其特征在于，所述确定所述目标用户对于所述兴趣特征的兴趣度的表达式包括：

其中，Y＝∑F(x_n)＝F(x₁)+F(x₂)…+F(x_n)

其中，F(x₁)、F(x₂)、…F(x_n)分别表示不同的时间片段对应的任一个兴趣特征的一个衰减度分值，x_n表示不同的时间片段，e表示科学底数，PVu表示任一个兴趣特征在目标用户的历史访问数据中出现的次数，∑PV表示目标用户的历史访问数据中所有兴趣特征出现的总次数，Avg表示兴趣特征在每个有效用户的历史访问数据中出现的平均次数。

10.一种用户数据处理方法，其特征在于，包括：

根据权利要求1所述的方法确定用户对应的至少一个兴趣度，并根据所述至少一个兴趣度确定用户对应的至少一个兴趣特征以及所述目标用户的属性信息；

当接收到来自客户端发送的页面访问请求时，该访问请求携带所述用户的标识，根据所述用户的标识查找所述用户的所述属性信息；

根据查找到的所述属性信息确定所述用户对应的所述至少一个兴趣特征；

确定所述至少一个兴趣特征对应的媒体内容信息；及

响应于所述页面访问请求向所述客户端发送所述媒体内容信息。

11.一种用户数据处理装置，其特征在于，包括：

获取模块，获取多个用户的历史访问数据，其中的每一用户的所述历史访问数据用于描述该用户的至少一个访问行为及其对应的兴趣特征；

行为特征确定模块，根据目标用户的所述历史访问数据，确定所述目标用户的至少一个访问行为对应的至少一个兴趣特征；

兴趣度确定模块，根据热度校正值，确定所述目标用户对应的所述兴趣特征的兴趣度，所述热度校正值为所述兴趣特征在每一有效用户的历史访问数据中出现的平均次数。

12.一种用户数据处理装置，其特征在于，包括：

信息确定模块，根据权利要求1所述的方法确定用户对应的至少一个兴趣度，并根据所述至少一个兴趣度确定用户对应的至少一个兴趣特征以及所述目标用户的属性信息；

查找模块，当接收到来自客户端发送的页面访问请求时，该访问请求携带所述用户的标识，根据所述用户的标识查找所述用户的所述属性信息；

特征确定模块，根据查找到的所述属性信息确定所述用户对应的所述至少一个兴趣特征；

内容确定模块，确定所述至少一个兴趣特征对应的媒体内容信息；

发送模块，响应于所述页面访问请求向所述客户端发送所述媒体内容信息。

13.一种计算设备，其特征在于，包括存储器、处理器以及存储在所述存储器上并在所述处理器上运行的计算机程序；所述处理器执行所述计算机程序时实现权利要求1-10任一项所述的方法。

14.一种存储介质，其特征在于，存储有一个或多个程序，所述一个或多个程序包括指令，所述指令当由计算设备执行时，使得所述计算设备执行权利要求1-10中任一项所述的方法。