CN111259248A - 信息资源的推荐方法及装置、可读存储介质、电子设备 - Google Patents
信息资源的推荐方法及装置、可读存储介质、电子设备 Download PDFInfo
- Publication number
- CN111259248A CN111259248A CN202010062394.9A CN202010062394A CN111259248A CN 111259248 A CN111259248 A CN 111259248A CN 202010062394 A CN202010062394 A CN 202010062394A CN 111259248 A CN111259248 A CN 111259248A
- Authority
- CN
- China
- Prior art keywords
- information
- user
- information resources
- information resource
- resources
- 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
- 238000000034 method Methods 0.000 title claims abstract description 88
- 238000003860 storage Methods 0.000 title claims abstract description 21
- 230000006399 behavior Effects 0.000 claims abstract description 78
- 238000012163 sequencing technique Methods 0.000 claims abstract description 22
- 238000004590 computer program Methods 0.000 claims description 10
- 238000012545 processing Methods 0.000 abstract description 5
- 230000000875 corresponding effect Effects 0.000 description 57
- 238000010586 diagram Methods 0.000 description 10
- 230000005012 migration Effects 0.000 description 10
- 238000013508 migration Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 9
- 230000015572 biosynthetic process Effects 0.000 description 6
- 238000013459 approach Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000005215 recombination Methods 0.000 description 1
- 230000006798 recombination Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- 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)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
公开了一种信息资源的推荐方法及装置、可读存储介质、电子设备,涉及数据处理技术领域。该信息资源的推荐方法包括:通过多种途径获取多组信息资源组,其中所述信息资源组的获取以用户行为为依据,所述用户行为体现用户的兴趣;按照所述用户的兴趣,将所述信息资源组中的多个信息资源由高到低进行排序,得到信息资源序列;在所述信息资源序列中,选取排在前面的第一预设数量的所述信息资源形成推荐信息资源组;以及发送所述多组信息资源组对应的多组所述推荐信息资源组。
Description
技术领域
本申请涉及数据处理技术领域,尤其涉及一种信息资源的推荐方法及装置、可读存储介质、电子设备。
背景技术
随着互联网技术的发展,信息资源的获取变得越来越便捷。在这样的情况下,信息资源供应产品可以为用户推荐感兴趣的信息资源,从而使用户得到相应的满足感。但是,当用户获取的信息资源长期处于相对局限的话题之后,会失去了解不同事物的能力和接触不同事物的机会,从而在不知不觉中形成一个信息茧房。
因此,对于信息资源供应产品来说,如何避免用户形成信息茧房成为亟待解决的问题。
发明内容
有鉴于此,本申请实施例致力于提供一种信息资源的推荐方法及装置、可读存储介质、电子设备,以解决现有技术中用户容易形成信息茧房的问题。
本申请一方面提供了一种信息资源的推荐方法,包括:通过多种途径获取多组信息资源组,其中所述信息资源组的获取以用户行为为依据,所述用户行为体现用户的兴趣;按照所述用户的兴趣,将所述信息资源组中的多个信息资源由高到低进行排序,得到信息资源序列;在所述信息资源序列中,选取排在前面的第一预设数量的所述信息资源形成推荐信息资源组;以及发送所述多组信息资源组对应的多组所述推荐信息资源组。
本申请另一方面提供了一种信息资源的推荐方法,包括:接收多组信息资源组对应的多组推荐信息资源组,其中所述信息资源组的获取以用户行为为依据,所述用户行为体现用户的兴趣;以及将所述多组推荐信息资源组对应的多个信息资源在用户界面上呈现。
本申请又一方面提供了一种信息资源的推荐装置,包括:获取模块,用于通过多种途径获取多组信息资源组,其中所述信息资源组的获取以用户行为为依据,所述用户行为体现用户的兴趣;排序模块,用于按照所述用户的兴趣,将所述信息资源组中的多个信息资源由高到低进行排序,得到信息资源序列;选取模块,用于在所述信息资源序列中,选取排在前面的第一预设数量的所述信息资源形成推荐信息资源组;以及推荐模块,用于发送所述多组信息资源组对应的多组所述推荐信息资源组。
本申请又一方面提供了一种信息资源的推荐装置,包括:接收模块,用于接收多组信息资源组对应的多组推荐信息资源组,其中所述信息资源组的获取以用户行为为依据,所述用户行为体现用户的兴趣;以及呈现模块,用于将所述多组推荐信息资源组对应的多个信息资源在用户界面上呈现。本申请又一方面提供了一种计算机可读存储介质,所述存储介质存储有计算机程序,所述计算机程序用于执行上述第一方面或第二发明任一所述的信息资源的推荐方法。
本申请再一方面提供了一种电子设备,所述电子设备包括:处理器;用于存储所述处理器可执行指令的存储器;所述处理器,用于执行上述第一方面或第二方面任一所述的信息资源的推荐方法。
本申请的实施例以用户行为为依据,通过多种途径获取多组信息资源组,从而使得获取的多组信息资源组可以与用户的兴趣相关。由于信息资源序列中的信息资源按照用户的兴趣由高到低排列,且推荐信息资源组中的信息资源是信息资源序列中排在前面的第一预设数量的信息资源,从而使得用户观看的推荐信息资源组中的信息资源可以更符合用户的迁移兴趣,进而有效避免用户形成信息茧房。
附图说明
通过结合附图对本申请实施例进行更详细的描述,本申请的上述以及其他目的、特征和优势将变得更加明显。附图用来提供对本申请实施例的进一步理解,并且构成说明书的一部分,与本申请实施例一起用于解释本申请,并不构成对本申请的限制。在附图中,相同的参考标号通常代表相同部件或步骤。
图1是根据本申请一个实施例的信息资源的推荐方法的流程示意图。
图2是根据本申请另一个实施例的信息资源的推荐方法的流程示意图。
图3是根据本申请又一个实施例的信息资源的推荐方法的流程示意图。
图4是根据本申请再一个实施例的信息资源的推荐方法的流程示意图。
图5是根据本申请又一个实施例的信息资源的推荐方法的流程示意图。
图6是根据本申请又一个实施例的信息资源的推荐方法的流程示意图。
图7是根据本申请又一个实施例的信息资源的推荐方法的结构示意图。
图8是根据本申请一个实施例的信息资源的推荐装置的结构示意图。
图9是根据本申请另一个实施例的信息资源的推荐方法的结构示意图。
图10是根据本申请一个实施例的电子设备的示意性框图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请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申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
申请概述
正如背景技术所述,目前的信息资源供应产品存在容易使用户形成信息茧房的问题。也就是说,目前的信息资源供应产品在确定用户的喜好之后,很容易为用户推荐局限在该喜好范畴内的信息资源。当用户不断观看属于该喜好范畴的信息资源之后,该信息资源供应产品会加深对该喜好的理解,从而造成用户的兴趣比较固定,进而形成信息茧房。
因此,若是能了解用户的迁移兴趣,并为用户推荐属于该迁移兴趣范畴内的信息资源,将有效避免用户形成信息茧房。
示例性方法
图1是根据本申请一个实施例的信息资源的推荐方法的流程示意图,且该推荐方法可以应用在第一电子设备上。例如,该第一电子设备可以是服务器或服务器集群。
基于此,本申请的实施例提供了一种信息资源的推荐方法。如图1所示,该推荐方法可以包括如下步骤。
步骤110,通过多种途径获取多组信息资源组。其中该信息资源组的获取以用户行为为依据,该用户行为体现用户的兴趣。
具体地,信息资源组可以是由多个信息资源组成。获取信息资源组即是获取该信息资源组对应的多个信息资源。在这里,一组信息资源组通过一种途径获得,不同的信息资源组对应不同的获取途径。
由于用户行为可以体现用户的兴趣,因此,依据用户行为获取信息资源组即是依据用户的兴趣获取信息资源组。
步骤120,按照用户的兴趣,将信息资源组中的多个信息资源由高到低进行排序,得到信息资源序列。
具体地,在信息资源序列中,依照用户的兴趣,多个信息资源由高到低排序。在这里,越是排在前面的信息资源越可以符合用户当下的兴趣。该当下的兴趣可以是迁移兴趣。
对于步骤110中获得的多组信息资源组来说,每组信息资源组均可以按照步骤120获得相应的信息资源序列。
步骤130,在信息资源序列中,选取排在前面的第一预设数量的信息资源形成推荐信息资源组。
在这里,信息资源序列中的信息资源的数量可以与第一预设数量相同,也可以与第一预设数量不同。当信息资源序列中的信息资源的数量与第一预设数量不同时,在形成推荐信息资源组之后,信息资源序列中存在剩余的信息资源。该剩余的信息资源可以在下一次推荐中使用。另外,推荐信息资源组中的信息资源可以更符合用户的迁移兴趣。
类似地,对于步骤110中获得的多组信息资源组来说,每组信息资源组均可以按照步骤130获得对应的推荐信息资源组。
此外,在多组推荐信息资源组中,每组推荐信息资源组中的信息资源的数量可以不相同。也就是说,多组推荐信息资源组对应的多个第一预设数量可以不完全相同,或者完全不同。
步骤140,向用户推荐多组信息资源组对应的多组推荐信息资源组。
具体地,信息资源组的数量可以与推荐信息资源组的数量相同。也就是说,一组信息资源组对应一组推荐信息资源组。
本申请的实施例以用户行为为依据,通过多种途径获取多组信息资源组,从而使得获取的多组信息资源组可以与用户的兴趣相关。由于信息资源序列中的信息资源按照用户的兴趣由高到低排列,且推荐信息资源组中的信息资源是信息资源序列中排在前面的第一预设数量的信息资源,从而使得用户观看的推荐信息资源组中的信息资源可以包括更符合用户的迁移兴趣的信息资源,进而有效避免用户形成信息茧房。
在本申请的一个实施例中,在执行步骤140之前,该推荐方法可以进一步包括判断推荐信息资源组中的信息资源是否已被用户观看。在该被判断的信息资源未被用户观看时,向该用户推荐该被判断的信息资源,从而确保被用户观看的推荐的信息资源可以是未被观看的信息资源。
在本申请的一个实施例中,在执行步骤140之前,该推荐方法可以进一步包括判断推荐信息资源组中的信息资源是否已被用户标注为不感兴趣。在该被判断的信息资源未被用户标注为不感兴趣时,向该用户推荐该被判断的信息资源,从而确保被用户观看的推荐的信息资源可以是用户感兴趣的信息资源。
在本申请的一个实施例中,信息资源组中的信息资源的适合观看年龄和用户的年龄之差为±1,从而使得被用户观看的推荐的信息资源可以适合该用户。
图2是根据本申请另一个实施例的信息资源的推荐方法的流程示意图。
在本申请的一个实施例中,信息资源组中的多个信息资源属于信息资源库,信息资源库包括A个分类,A≥1;其中,如图2所示,步骤110可以包括如下步骤。
步骤210,在A个分类中,将用户的爱好对应的B个爱好分类组成用户初始分类组。其中在用户初始分类组中,按照用户的喜好程度,B个爱好分类由高到低进行排序,B≥1。
具体地,该爱好可以是用户在注册该信息资源供应产品时设置的。用户对爱好分类的喜好程度可以用第一分数来体现。例如,用户喜欢的爱好分类可以分别为第一爱好分类、第二爱好分类和第三爱好分类。在这里,第一爱好分类是用户设置的第一个爱好对应的分类。第二爱好分类是用户设置的第二个爱好对应的分类。第三爱好分类是用户设置的第三个爱好对应的分类。相应地,第一爱好分类的第一分数高于第二分类的第一分数,第二爱好分类的第一分数高于第三分类的第一分数。也就是说,在用户初始分类组中,三个爱好分类的排序是第一爱好分类、第二爱好分类和第三爱好分类。
在这里,该用户初始分类组可以属于用户的属性信息。
步骤220,在用户初始分类组的排在前面的Y个爱好分类中,在每个爱好分类对应的信息资源中,选取第二预设数量的信息资源,得到C个信息资源。其中C等于Y与第二预设数量的乘积,Y≥1。
步骤230,在用户初始分类组的排在后面的X个爱好分类中,在每个爱好分类对应的信息资源中,选取第三预设数量的信息资源,得到D个信息资源。其中D等于X与第三预设数量的乘积,B等于X与Y的和,X≥1。
在这里,第二预设数量与第三预设数量可以相同,也可以不同。当第二预设数量与第三预设数量不同时,第二预设数量可以比第三预设数量多1。
步骤240,将C个信息资源和D个信息资源组成第一信息资源组。其中多个信息资源组包括第一信息资源组。
在这个实施例中,用户行为可以是用户设置爱好。
由于第一信息资源组中的信息资源属于用户的爱好分类,而用户的爱好分类可以体现用户的兴趣,因此,第一信息资源组中的信息资源可以依据用户的兴趣进行排序。
例如,当多组信息资源组对应的信息资源的数量num为100个时,第一信息资源组对应的信息资源的数量z1可以是45个(z1=num*45%)。
图3是根据本申请又一个实施例的信息资源的推荐方法的流程示意图。
在本申请的一个实施例中,用户的属性信息包括用户关键词组,用户关键词组包括E个用户关键词,用户关键词与用户行为相关,E≥1。如图3所示,步骤110可以包括如下步骤。
步骤310,将带有E个用户关键词的F个信息资源组成第二信息资源组。在这里,F≥1。
具体地,信息资源可以包括关键词,且该关键词可以是用户关键词。相应地,对于F个信息资源来说,每一个信息资源可以包括E个用户关键词中的至少一个。在这里,用户关键词可以通过用户行为获得,也可以通过邻近用户推荐获得。当用户关键词通过用户行为获得时,该用户行为可以是本申请的实施例提供的推荐方法在被执行之前,用户所做的行为。例如,该用户行为可以包括用户观看信息资源库中的信息资源和用户搜索信息资源库中的信息资源中的至少一种。当用户关键词通过邻近用户推荐时,该用户行为可以是依据邻近用户的行为推断的用户的行为。
用户的属性信息还包括用户观看关键词组。具体地,当用户观看信息资源库中的信息资源之后,该被观看的信息资源的关键词将被加入用户观看关键词组中。应当理解,在该被观看的信息资源的关键词组被加入用户观看关键词组之前,可以先判断被观看的信息资源的关键词是否已加入用户观看关键词组。当该被观看的信息资源的关键词已加入用户观看关键词组时,该被观看的信息资源的关键词的第二分数将被增加。当该被观看的信息资源的关键词未加入用户观看关键词组时,可以将该被观看的信息资源的关键词加入用户观看关键词组。在用户观看关键词组中,按照第二分数,信息资源的关键词由高到低排序。在用户观看关键词组中,排在前面的预设数量的信息资源的关键词可以组成用户观看偏好关键词组。例如,该预设数量可以等于5。在这里,信息资源的关键词可以是预设的。
用户的属性信息还包括用户搜索关键词组。具体地,当用户搜索信息资源时,会输入搜索关键词,或者输入包括该搜索关键词的句子。用户在输入之后,该搜索关键词将被加入用户搜索关键词组。应当理解,在该搜索关键词被加入到用户搜索关键词组之前,会先判断该搜索关键词是否已加入到用户搜索关键词组。当该搜索关键词已加入到用户搜索关键词组时,该搜索关键词的搜索次数将被加1。当该搜索关键词未加入到用户搜索关键词组时,会将该搜索关键词加入到用户搜索关键词组中。在用户搜索关键词组中,预设天数内搜索频率最高的预设数量的搜索关键词组成用户搜索偏好关键词组。在这里,搜索频率与搜索次数正相关。例如,预设天数可以为10,预设数量可以为5。
用户的属性信息还包括用户偏好关键词组。在这里,用户偏好关键词组可以是用户观看偏好关键词组和用户搜索偏好关键词组的并集。
用户的属性信息还包括用户分类组。具体地,信息资源组中的多个信息资源可以属于信息资源库,该信息资源库包括A个分类,且该用户分类组包括该A个分类。用户在初始注册信息资源供应产品时,可以在A个分类中选择兴趣分类。为了体现用户对于被选择兴趣分类的喜好程度,被选择的兴趣分类可以被统一打分。在这里,被选择的兴趣分类可以具有相同的分数。在该信息资源供应产品在使用一段时间之后,用户可以在A个分类中选择新的兴趣分类,并为该被新选择的兴趣分类打分。该被新选择的兴趣分类被打的分数可以与初始注册时选择兴趣分类打的分数相同。例如,该被打的分数可以为50分。与此同时,用户也可以取消之前选择的兴趣分类,相应地,该被取消的兴趣分类的第三分数也会有所扣除。例如,该被扣除的分数也可以是50分。信息资源供应产品可以包括频道栏,且该频道栏中可以包括P个频道。在这里,该频道可以与A个分类中的一个分类相对应。按照喜欢的程度,用户可以对P个频道由高到低进行排序,得到排序频道栏。在排序频道栏中,排在前面的预设数量的频道的对应分类可以被加分。例如,该预设数量可以为3,即被加分的频道的数量可以为3。在三个被加分的频道中,每个频道被加的分数不同。例如,排在第一位的频道对应的分类可以加50分,排在第二位的频道对应的分类可以加30分,排在第三位的频道对应的分类可以加10分。在用户分类组中,按照第三分数,A个分类由高到低排序。在用户分类组中,排在前面的第五预设数量的分类可以组成用户偏好分类组。例如,该第五预设数量可以为5。在这里,该第三分数可以表示用户对A分类中每个分类的喜好程度。
用户的属性信息还包括邻近用户推荐关键词组。具体地,用户A存在用户偏好分类组a和用户偏好关键词组a’,用户B存在用户偏好分类组b和用户偏好关键词组b’。在这里,用户A和用户B的年龄差可以为±1。不论两个偏好分类组和偏好关键词组的排序如何,若b中的每一个元素,都能在偏好分类组a中找到,且b’与a’的相同元素个数达到某一程度时,则称用户B为用户A的邻近用户。在用户B的用户偏好关键词组b’中,排在前面的预设数量的关键词组成邻近用户推荐关键词组。例如,该预设数量可以为2。
在本申请的实施例中,用户关键词组可以是用户观看偏好关键词组、用户搜索偏好关键词组和邻近用户推荐关键词组的并集。在用户关键词组中,属于邻近用户推荐关键词组的关键词对应的用户行为可以是依据邻近用户的行为推断的用户的行为。
步骤320,在第二信息资源组中,按照预设规则,对F个信息资源进行排序,得第三信息资源组。
在本申请的一个实施例中,步骤320可以包括按照信息资源的关键词与用户偏好关键词组的匹配程度,将F个信息资源由高到低进行排序。
具体地,该预设规则可以是信息资源的关键词与用户偏好关键词组的匹配程度。在第三信息资源组中,按照该预设规则,该F个信息资源可以由高到低进行排序。例如,F个信息资源可以包括第一信息资源和第二信息资源。当第一信息资源包括5个关键词,且这5个关键词中有3个关键词属于用户偏好关键词组时,第一信息资源的关键词与用户偏好关键词组的匹配程度可以为3。类似地,当第二信息资源的关键词与用户偏好关键词组的匹配程度可以为2时,第一信息资源可以排在第二信息资源之前。
步骤330,在第三信息资源组中,选取排在前面的第四预设数量的信息资源组成第四信息资源组。其中多组信息资源组包括第四信息资源组。
例如,当多组信息资源组对应的信息资源的数量num为100个时,第四信息资源组对应的信息资源的数量z1可以是45个(z1=num*45%)。在这里,多组信息资源组可以包括第一信息资源组或第四信息资源组。
图4是根据本申请再一个实施例的信息资源的推荐方法的流程示意图。
在本申请的一个实施例中,用户包括H个邻近用户,多个信息资源包括邻近用户喜欢的信息资源,H≥1;其中,如图4所示,步骤110可以包括如下步骤。
步骤410,在H个邻近用户中,选取第八预设数量的邻近用户组成邻近用户组。例如,第八预设数量可以为5。
步骤420,在邻近用户喜欢的R个信息资源中,选取观看时间点距离当前时间点最近的第九预设数量的信息资源。
在这里,邻近用户喜欢的信息资源可以是指被邻近用户执行点赞、收藏或标注好看的信息资源。
步骤430,将邻近用户组对应的Q个信息资源组成第六信息资源组。其中Q等于第八预设数量和第九预设数量的乘积,多组信息资源组包括第六信息资源组。
在该实施例中,用户行为可以是指依据邻近用户的行为推断的用户的行为。
例如,当多组信息资源组对应的信息资源的数量num为100个时,第六信息资源组对应的信息资源的数量z3可以是10个(z3=num*10%)。
图5是根据本申请又一个实施例的信息资源的推荐方法的流程示意图。
在本申请的一个实施例中,信息资源组中的多个信息资源属于信息资源库,信息资源库包括A个分类,A≥1;其中,如图5所示,步骤110可以包括如下步骤。
步骤510,将A个分类组成用户分类组。在用户分类组中,按照用户的喜好程度,A个分类由高到低进行排序。
步骤520,在用户分类组中,选取排在前面的第五预设数量的分类组成用户偏好分类组。
步骤530,在用户偏好分类组中,选取排在前面的第六预设数量的分类组成候选分类组。例如,第六预设数量可以为2。
步骤540,在候选分类组对应的G个信息资源中,选取第七预设数量的信息资源组成第五信息资源组。其中多组信息资源组包括第五信息资源组,G≥1。
在该实施例中,用户行为可以包括在A个分类中选择兴趣分类、取消已选择的兴趣分类和对频道栏中的P个频道进行排序中的至少一种。
例如,当多组信息资源组对应的信息资源的数量num为100个时,第五信息资源组对应的信息资源的数量z2可以是30与z5的差(z2=num*30%-z5)。在下文中将具体说明z5的指代。
图6是根据本申请又一个实施例的信息资源的推荐方法的流程示意图。
在本申请的一个实施例中,信息资源组中的多个信息资源属于信息资源库;其中,如图6所示,步骤110可以包括如下步骤。
步骤610,按照热度值,将信息资源库中的所有信息资源由高到低进行排序,得到热度信息资源组。
在这里,热度值可以包括与用户行为相关的第一子值。但该用户行为可以是指其它用户对信息资源库中的信息资源进行浏览、点赞、标注好看、收藏、分享、做笔记、标注不感兴趣、标注不喜、取消点赞、取消好看、取消收藏和取消不喜中的至少一种。上述操作均对应不同的分数。当其它用户对信息资源执行上述操作时,该信息资源会有分数的累积。信息资源经累积后的分数可以是第一子值,且该经积累后的分数也可以称为第四分数。在这里,该其它用户不是本申请的实施例提供的推荐方法的推荐对象。
在这里,热度值高的信息资源可能并不是用户的用户分类组对应的信息资源。当用户观看该热度值高的信息资源时,该热度值高的信息资源对应的主题可以成为用户的迁移兴趣。因此,当向用户推荐该热度值高的信息资源后,可以有效避免用户形成信息茧房。
步骤620,在热度信息资源组中,选取排在前面的第十预设数量的信息资源组成第七信息资源组。其中多组信息资源组包括第七信息资源组。
例如,当多组信息资源组对应的信息资源的数量num为100个时,第七信息资源组对应的信息资源的数量z4可以是15(z4=num*15%)。
在本申请的一个实施例中,热度值进一步包括随时间衰减的第二子值。
具体地,每个信息资源的热度值随着时间的推移会慢慢变化,且热度值中随时间衰减的部分可以称为第二子值。例如,第二子值的变化可以满足牛顿热度冷却定律,且变化函数可以具体如下。
当前第二子值=上一期第二值*e^(-K*(T-T0))
在这里,K为热度衰减系数,且可以自行设置。若希望热度衰减得慢一点,则系数K可以设置小一点;若希望热度衰减得快一点,则系数K可以设置大一点。T-T0为从信息资源发布或上架起,到当前的小时数。每天23时59分59秒时更新一次第二子值。在本申请的一个实施例中,热度值进一步包括初始热度值。
具体地,初始热度值的设置可以从关键词来考虑。例如,为了确定待评估信息资源的初始热度值,可以将该信息资源的关键词与当前热度最高的前x个信息资源的所有关键词进行匹配。具体地,当前热度最高的前x个信息资源中可以有y个信息资源包含有当前待评估信息资源的关键词。在这y个信息资源中,每个信息资源的热度值可以分别为Hi(i=1,2,3……y),每个信息资源包括待评估信息资源的关键词的个数可以分别为ai(i=1,2,3……y)。在这里的情况下,该待评估信息资源的初始热度值H0的计算公式可以如下。
H0=0(y=0)
在本申请的一个实施例中,信息资源组中的多个信息资源属于信息资源库,信息资源库包括I个指定的信息资源,I≥1;其中,步骤110可以具体包括:将I个指定的信息资源组成第八信息资源组。其中多组信息资源组包括第八信息资源组。
具体地,推荐信息资源组中的信息资源可以通过人工进行预设。例如,当被推荐的信息资源为文章,且被推荐的为指为首页时,信息资源供应产品的后台可人工设置首页推荐的第几篇文章为某指定文章,在后台也可以设置文章的排序,以及设置该指定文章的有效期。对于人工精选的文章,可在推荐***中设置一个加权系数,并且该系数后台可调。
例如,第八信息资源组中的信息资源的数量可以用z5表示,且z5的取值不定。
在本申请的一个实施例中,信息资源组中的多个信息资源属于信息资源库,信息资源库包括A个分类,A≥1;在包括A个分类的用户分类组中,按照用户的喜好程度,A个分类由高到低进行排序;其中,步骤120可以包括:按照用户分类组中A个分类的排序,将多个信息资源排序。
具体地,在多个信息资源中,每个信息资源和A个分类中的一个分类相对应。
在本申请的一个实施例中,用户分类组包括用户偏好关键词组;其中,按照用户分类组中A个分类的排序,将多个信息资源排序包括:当存在J个信息资源属于所述A个分类中的同一个分类时,按照信息资源的关键词与用户偏好关键词组的匹配程度,将J个信息资源由高到低进行排序,J≥1。
具体地,多个信息资源可能包括属于同一个分类的J个信息资源。这J个信息资源不能按照用户分类组中A个分类的排序进行排序。为了使这J个信息资源能够排序,可以按照信息资源的关键词与用户偏好关键词组的匹配程度。例如,J个信息资源可以包括第三信息资源和第四信息资源,第三信息资源可以包括5个关键词,第四信息资源可以包括3个关键词。当第三信息资源的5个关键词中有4个属于用户偏好关键词组,第四信息资源的3个关键词中有2个属于用户偏好关键词组时,第三信息资源的关键词与用户偏好关键词组的匹配程度要高于第四信息资源的关键词与用户偏好关键词组的匹配程度。在这样的情况下,在对第三信息资源和第四信息资源进行排序时,第三信息资源将排在第四信息资源之前。
在本申请的一个实施例中,将J个信息资源由高到低进行排序包括:当J个信息资源包括匹配程度相同的K个信息资源时,按照热度值,将K个信息资源由高到低进行排序,其中热度值包括与用户行为相关的第一子值,K≥1。
在这里,该匹配程度可以是指上述信息资源的关键词与用户偏好关键词组的匹配程度。当K个信息资源的匹配程度相同时,这K个信息资源将不能按照匹配程度进行排序。为了能够排序,这K个信息资源可以按照热度值进行排序。例如,当K个信息资源包括第五信息资源和第六信息资源,且第五信息资源的热度值大于第六信息资源的热度值时,第五信息资源可以排在第六信息资源之前。
在本申请的一个实施例中,将K个信息资源由高到低进行排序包括:当K个信息资源包括热度值相同的L个信息资源时,按照信息资源的分数,将L个信息资源由高到低进行排序,分数与用户行为相关,L≥1。
在这里,该信息资源的分数可以是指上述第四分数。该用户行为可以是指其它用户对信息资源库中的信息资源进行浏览、点赞、标注好看、收藏、分享、做笔记、标注不感兴趣、标注不喜、取消点赞、取消好看、取消收藏和取消不喜中的至少一种。
在本申请的一个实施例中,用户的属性信息包括用户偏好关键词组;其中,步骤120可以具体包括:按照信息资源的关键词与用户偏好关键词组的匹配程度,将多个信息资源由高到低进行排序。
具体地,当信息资源库不包括A个分类时,信息资源库中的信息资源将不按照类别进行分类。在这样的情况下,多个信息资源可以按照信息资源的关键词与用户偏好关键词组的匹配程度进行排序。
在本申请的一个实施例中,当信息资源库不包括A个分类时,将多个信息资源由高到低进行排序可以包括:当多个信息资源包括匹配程度相同的M个信息资源时,按照热度值,将M个信息资源由高到低进行排序,其中热度值包括与用户行为相关的第一子值,M≥1。
在本申请的一个实施例中,当信息资源库不包括A个分类时,将M个信息资源由高到低进行排序可以包括:当M个信息资源包括热度值相同的N个信息资源时,按照信息资源的分数,将N个信息资源由高到低进行排序,分数与用户行为相关,N≥1。在这里,该信息资源的分数可以是上述第四分数。
在本申请的一个实施例中,用户行为包括以下行为中的至少一种:用户设置爱好;用户观看信息资源库中的信息资源,其中信息资源组中的多个信息资源属于信息资源库;用户搜索信息资源库中的信息资源;依据邻近用户的行为推断的用户的行为;用户在A个分类中选择兴趣分类,其中信息资源库包括A个分类;用户取消已选择的兴趣分类;用户对频道栏中的P个频道进行排序;和其它用户对信息资源库中的信息资源进行浏览、点赞、标注好看、收藏、分享、做笔记、标注不感兴趣、标注不喜、取消点赞、取消好看、取消收藏和取消不喜中的至少一种。
在本申请的一个实施例中,信息资源包括文章、视频和音频中的至少一种。
下面结合具体例子,更加详细地描述本发明的实施例。
在本申请的一个实施例中,本申请的实施例提供的信息资源的推荐方法应用在文章的推荐栏中。在这里,所有推荐的文章的适读年龄都是用户的年龄的±1岁。用户读过的文章和操作了不感兴趣的文章可以不进行推荐。
具体地,步骤110中获取了五组信息资源组,且该五组信息资源组可以分别为上述第一信息资源组、第五信息资源组、第六信息资源组、第七信息资源组和第八信息资源组。可选地,第一信息资源组可以替换为第四信息资源组。此外,第一信息资源组也可以替换为第九信息资源组。第九信息资源组中的文章可以通过信息资源库内的文章按分类等量随机获得。
五组信息资源组对应的文章的数量可以用num表示,第一信息资源组对应的文章的数量可以用z1(z1=num*45%)表示,第五信息资源组对应的文章的数量可以用z2(z2=num*30%-z5)表示,第六信息资源组对应的文章的数量可以用z3(z3=num*10%)表示,第七信息资源组对应的文章的数量可以用z4(z4=num*15%)表示,第八信息资源组对应的文章的数量可以用z5(z5的数值可以不定)表示。
当num=100时,z1=45,z2=30-z5,z3=10,z4=15,z5的取值不定。在第一信息资源组、第五信息资源组、第六信息资源组、第七信息资源组和第八信息资源组中,每20篇文章作为一批推荐文章。当z5=0时,一批推荐文章可以分别按照45%、30%、10%、15%在第一信息资源组、第五信息资源组、第六信息资源组和第七信息资源组里靠前提取。当z5≠0时,第八信息资源组中的文章可以依次均匀分布在5批推荐文章里。在分配其他组时,比例不变。将第五信息资源组中的文章的30%减去第八信息资源组文章的数量即可。
在本申请的另一个实施例中,本申请的实施例提供的信息资源的推荐方法应用在文章的频道栏中。在这里,所有推荐的文章的适读年龄都是用户的年龄±1岁。所有的文章都是该频道分类下的文章,即在频道栏推荐中,不存在分类的问题,只需要通过用户关键词进行搜索匹配即可。再有,用户读过的文章和操作了不感兴趣的文章不进行推荐。
具体地,步骤110中获取了两组信息资源组,且该两组信息资源组可以分别称为第十一信息资源组和第十二信息资源组。可选地,第十一信息资源组可以替换为第十三信息资源组,且第十三信息资源组中的文章可以在该频道分类下的适读年龄文章里随机获取。第十一信息资源组中的文章的获取途径可以与上述第四信息资源组中的文章的获取途径相同。在获取第十二信息资源组之前,可以先获取第十四信息资源组。在这里,第十四信息资源组的文章的获取途径可以与第七信息资源组的文章的获取途径相同。在得到第十四信息资源组之后,从而第十四信息资源组中筛选出在该频道分类下的前z7篇文章,且这前z7篇文章构成第十二信息资源组。
两组信息资源组对应的文章的数量也可以用num表示,第十一信息资源组对应的文章的数量可以用z6(z6=num*70%)表示,第十二信息资源组对应的文章的数量可以用z7(z7=num*30%)表示。
当num=100时,每批推荐文章分别按照70%和30%的比例从第十一信息资源组和第十二信息资源组的文章里靠前提取。
本申请的实施例提供的信息资源的推荐方法对信息资源的利用更加高效,对信息资源的数量要求更低。因本申请同时采用分类、关键词、难度等多个维度对信息资源进行标记,对信息资源的识别更加精准,而对用户画像模型的构建也适应独有的信息资源体系,使得有限的信息资源可以精准地根据用户的个性化特征推荐给大量用户,触发用户的兴趣,重点解决了有限信息资源的分发问题。
本申请的信息资源经过生产环节的严格把控,健康、积极,因此不仅可适用于学校学生等特定场景用户,还对广大国民树立积极的价值观都有良好作用,有助于解决人格养成这一国民教育里的底层问题。这解决了传统信息资源供应产品经常用低质的信息资源浪费用户时间的问题,对用户更加有帮助。
本申请能够给予用户阅读体验以惊喜感、愉悦感。对于用户兴趣的触发并不局限于用户已经明确反馈给***的特征,还包括***根据用户特点所作出的合理推测,包括临近用户的概念与应用等,其中有相当一部分内容可以使用户感兴趣。
本申请不过分依赖算法,更加注重内容质量和教育意义,使应用本申请的产品价值更加长久,使用户能够更加严肃地反馈多维度的用户数据,使数据采集更有保障。
本申请的实施例还提供了另一种信息资源的推荐方法,该方法可以应用在第二电子设备上。例如,该第二电子设备可以是用户的终端。
图7是根据本申请又一个实施例的信息资源的推荐方法的结构示意图。
如图7所示,该信息资源的推荐方法可以包括如下步骤。
步骤710,接收多组信息资源组对应的多组推荐信息资源组。其中信息资源组的获取以用户行为为依据,用户行为体现用户的兴趣。
具体地,上述第一电子设备发送的多组信息资源组对应的多组推荐信息资源组可以由第二电子设备接收。
步骤720,将多组推荐信息资源组对应的多个信息资源在用户界面上呈现。
上述信息资源供应产品可以应用在第二电子设备上。当用户打开该信息资源供应产品之后,第二电子设备将向第一电子设备发送请求。第一电子设备接收该请求后,将执行第一电子设备上安装的信息资源的推荐方法,以便向用户推荐信息资源。
本申请的实施例以用户行为为依据,通过多种途径获取多组信息资源组,从而使得获取的多组信息资源组可以与用户的兴趣相关。由于信息资源序列中的信息资源按照用户的兴趣由高到低排列,且推荐信息资源组中的信息资源是信息资源序列中排在前面的第一预设数量的信息资源,从而使得用户观看的推荐信息资源组中的信息资源可以更符合用户的迁移兴趣,进而有效避免用户形成信息茧房。
示例性装置
上面描述个根据本申请的实施例的信息资源的推荐方法,下面结合图8描述根据本申请的实施例的信息资源的推荐装置。
图8是根据本申请一个实施例的信息资源的推荐装置的结构示意图。
如图8所示,该信息资源的推荐装置可以包括获取模块810,用于通过多种途径获取多组信息资源组,其中信息资源组的获取以用户行为为依据,用户行为体现用户的兴趣;排序模块820,用于按照用户的兴趣,将信息资源组中的多个信息资源由高到低进行排序,得到信息资源序列;选取模块830,用于在信息资源序列中,选取排在前面的第一预设数量的信息资源形成推荐信息资源组;以及推荐模块840,用于向用户推荐多组信息资源组对应的多组推荐信息资源组。
在这里,信息资源的推荐装置的获取模块810、排序模块820、选取模块830和推荐模块840的操作和功能可参考图1的110、120、130和140的方法,为了避免重复,在此不再赘述。
本申请的实施例以用户行为为依据,通过多种途径获取多组信息资源组,从而使得获取的多组信息资源组可以与用户的兴趣相关。由于信息资源序列中的信息资源按照用户的兴趣由高到低排列,且推荐信息资源组中的信息资源是信息资源序列中排在前面的第一预设数量的信息资源,从而使得用户观看的推荐信息资源组中的信息资源可以更符合用户的迁移兴趣,进而有效避免用户形成信息茧房。
在本申请一个实施例中,信息资源组中的多个信息资源属于信息资源库,信息资源库包括A个分类,A≥1;其中,获取模块810在A个分类中,将用户的爱好对应的B个爱好分类组成用户初始分类组,其中在用户初始分类组中,按照用户的喜好程度,B个爱好分类由高到低进行排序,B≥1;在用户初始分类组的排在前面的Y个爱好分类中,在每个爱好分类对应的信息资源中,选取第二预设数量的信息资源,得到C个信息资源,其中C等于Y与第二预设数量的乘积,Y≥1;在用户初始分类组的排在后面的X个爱好分类中,在每个爱好分类对应的信息资源中,选取第三预设数量的信息资源,得到D个信息资源,其中D等于X与第三预设数量的乘积,B等于X与Y的和,X≥1;将C个信息资源和D个信息资源组成第一信息资源组,其中多个信息资源组包括第一信息资源组。
在这里,信息资源的推荐装置的获取模块810的操作和功能可参考图2的210、220、230和240的方法,为了避免重复,在此不再赘述。
在本申请一个实施例中,用户的属性信息包括用户关键词组,用户关键词组包括E个用户关键词,用户关键词与用户行为相关,E≥1;其中,获取模块810将带有E个用户关键词的F个信息资源组成第二信息资源组,F≥1;在第二信息资源组中,按照预设规则,对F个信息资源进行排序,得第三信息资源组;以及在第三信息资源组中,选取排在前面的第四预设数量的信息资源组成第四信息资源组,其中多组信息资源组包括第四信息资源组。
在这里,信息资源的推荐装置的获取模块810的操作和功能可参考图3的310、320和330的方法,为了避免重复,在此不再赘述。
在本申请一个实施例中,用户关键词组包括用户偏好关键词组;其中,获取模块810按照信息资源的关键词与用户偏好关键词组的匹配程度,将F个信息资源由高到低进行排序。
在本申请一个实施例中,信息资源组中的多个信息资源属于信息资源库,信息资源库包括A个分类,A≥1;其中,获取模块810将A个分类组成用户分类组,且在用户分类组中,按照用户的喜好程度,A个分类由高到低进行排序;在用户分类组中,选取排在前面的第五预设数量的分类组成用户偏好分类组;在用户偏好分类组中,选取排在前面的第六预设数量的分类组成候选分类组;以及在候选分类组对应的G个信息资源中,选取第七预设数量的信息资源组成第五信息资源组,其中多组信息资源组包括第五信息资源组,G≥1。
在这里,信息资源的推荐装置的获取模块810的操作和功能可参考图5的510、520、530和540的方法,为了避免重复,在此不再赘述。
在本申请一个实施例中,用户包括H个邻近用户,多个信息资源包括邻近用户喜欢的信息资源,H≥1;其中,获取模块810在H个邻近用户中,选取第八预设数量的邻近用户组成邻近用户组;在邻近用户喜欢的R个信息资源中,选取距离当前时间点最近的第九预设数量的信息资源;以及将邻近用户组对应的Q个信息资源组成第六信息资源组,其中Q等于第八预设数量和第九预设数量的乘积,多组信息资源组包括第六信息资源组。
在这里,信息资源的推荐装置的获取模块810的操作和功能可参考图4的410、420和330的方法,为了避免重复,在此不再赘述。
在本申请一个实施例中,信息资源组中的多个信息资源属于信息资源库;其中,获取模块810按照热度值,将信息资源库中的所有信息资源由高到低进行排序,得到热度信息资源组;以及在热度信息资源组中,选取排在前面的第十预设数量的信息资源组成第七信息资源组,其中多组信息资源组包括第七信息资源组;其中,热度值包括与用户行为相关的第一子值。
在这里,信息资源的推荐装置的获取模块810的操作和功能可参考图6的610和620的方法,为了避免重复,在此不再赘述。
在本申请一个实施例中,热度值进一步包括随时间衰减的第二子值。
在本申请一个实施例中,信息资源组中的多个信息资源属于信息资源库,信息资源库包括I个指定的信息资源,I≥1;其中,获取模块810将I个指定的信息资源组成第八信息资源组,其中多组信息资源组包括第八信息资源组。
在本申请一个实施例中,信息资源组中的多个信息资源属于信息资源库,信息资源库包括A个分类,A≥1;在包括A个分类的用户分类组中,按照用户的喜好程度,A个分类由高到低进行排序;其中,排序模块820按照用户分类组中A个分类的排序,将多个信息资源排序。
在本申请一个实施例中,用户分类组包括用户偏好关键词组;其中,排序模块820还当存在J个信息资源属于A个分类中的同一个分类时,按照信息资源的关键词与用户偏好关键词组的匹配程度,将J个信息资源由高到低进行排序,J≥1。
在本申请一个实施例中,排序模块820还当J个信息资源包括匹配程度相同的K个信息资源时,按照热度值,将K个信息资源由高到低进行排序,其中热度值包括与用户行为相关的第一子值,K≥1。
在本申请一个实施例中,排序模块820还当K个信息资源包括热度值相同的L个信息资源时,按照信息资源的分数,将L个信息资源由高到低进行排序,分数与用户行为相关,L≥1。
在本申请一个实施例中,用户的属性信息包括用户偏好关键词组;其中,排序模块820按照信息资源的关键词与用户偏好关键词组的匹配程度,将多个信息资源由高到低进行排序。
在本申请一个实施例中,排序模块820还当多个信息资源包括匹配程度相同的M个信息资源时,按照热度值,将M个信息资源由高到低进行排序,其中热度值包括与用户行为相关的第一子值,M≥1。
在本申请一个实施例中,排序模块820还当M个信息资源包括热度值相同的N个信息资源时,按照信息资源的分数,将N个信息资源由高到低进行排序,分数与用户行为相关,N≥1。
在本申请一个实施例中,用户行为包括以下行为中的至少一种:用户设置爱好;用户观看信息资源库中的信息资源,其中信息资源组中的多个信息资源属于信息资源库;用户搜索信息资源库中的信息资源;依据邻近用户的行为推断的用户的行为;用户在A个分类中选择兴趣分类,其中信息资源库包括A个分类;用户取消已选择的兴趣分类;用户对频道栏中的P个频道进行排序;和其它用户对信息资源库中的信息资源进行浏览、点赞、标注好看、收藏、分享、做笔记、标注不感兴趣、标注不喜、取消点赞、取消好看、取消收藏和取消不喜中的至少一种。
在本申请一个实施例中,信息资源包括文章、视频和音频中的至少一种。
本申请的实施例还提供了另一种信息资源的推荐装置,下面结合图9描述该信息资源的推荐装置。
图9是根据本申请另一个实施例的信息资源的推荐方法的结构示意图。
如图9所示,该信息资源的推荐装置可以包括接收模块910,用于接收多组信息资源组对应的多组推荐信息资源组,其中信息资源组的获取以用户行为为依据,用户行为体现用户的兴趣;以及呈现模块920,用于将多组推荐信息资源组对应的多个信息资源在用户界面上呈现。
在这里,信息资源的荐装置的接收模块910和呈现模块920的操作和功能可参考图7的710和720的方法,为了避免重复,在此不再赘述。
本申请的实施例以用户行为为依据,通过多种途径获取多组信息资源组,从而使得获取的多组信息资源组可以与用户的兴趣相关。由于信息资源序列中的信息资源按照用户的兴趣由高到低排列,且推荐信息资源组中的信息资源是信息资源序列中排在前面的第一预设数量的信息资源,从而使得用户观看的推荐信息资源组中的信息资源可以更符合用户的迁移兴趣,进而有效避免用户形成信息茧房。在这里,信息资源的推荐装置的实施例可以参考上面的信息资源的推荐方法的实施例,为了避免重复,在此不再赘述。
示例性电子设备
图10是根据本申请一个实施例的电子设备10的示意性框图。
如图10所示,该电子设备10可以包括处理器11和用于存储处理器11可执行指令的存储器12。处理器11可以用于执行上述“示例性方法”中描述的根据本申请的任意一项实施例所述的信息资源的推荐方法。例如,该电子设备10可以是上述第一电子设备或第二电子设备。
具体地,该电子设备10可以包括一个或多个处理器11和存储器12。处理器11可以是中央处理单元(CPU)或者具有数据处理能力和/或指令执行能力的其他形式的处理单元,并且可以控制电子设备10中的其他组件以执行期望的功能。
存储器12可以包括一个或多个计算机程序产品,所述计算机程序产品可以包括各种形式的计算机可读存储介质,例如易失性存储器和/或非易失性存储器。所述易失性存储器例如可以包括随机存取存储器(RAM)和/或高速缓冲存储器(cache)等。所述非易失性存储器例如可以包括只读存储器(ROM)、硬盘、闪存等。在所述计算机可读存储介质上可以存储一个或多个计算机程序指令,处理器11可以运行所述程序指令,以实现上述“示例性方法”中描述的根据本申请的任意一项实施例所述的信息资源的推荐方法。在所述计算机可读存储介质中还可以存储诸如输入信号、信号分量、噪声分量等各种内容。
在一个示例中,电子设备10还可以包括:输入装置13和输出装置14,这些组件通过总线***和/或其他形式的连接机构(未示出)互连。
例如,该输入装置13可以包括通信网络连接器、键盘、鼠标等。该输出装置14可以包括显示器、扬声器、打印机、以及通信网络及其所连接的远程输出设备等。
当然,为了简化,图10中仅示出了该电子设备10中与本申请有关的组件中的一些,省略了诸如总线、输入/输出接口等等的组件。除此之外,根据具体应用情况,电子设备10还可以包括任何其他适当的组件。
示例性计算机程序产品和计算机可读存储介质
本申请的实施例提供了一种计算机可读存储介质。该存储介质存储有计算机程序,计算机程序用于执行“示例性方法”中描述的根据本申请的任意一项实施例所述的信息资源的推荐方法。
具体地,除了上述方法和设备以外,本申请的实施例还可以是计算机程序产品,其包括计算机程序指令,所述计算机程序指令在被处理器运行时使得所述处理器执行本说明书上述“示例性方法”部分中描述的根据本申请各种实施例的信息资源的推荐方法中的步骤。
所述计算机程序产品可以以一种或多种程序设计语言的任意组合来编写用于执行本申请实施例操作的程序代码,所述程序设计语言包括面向对象的程序设计语言,诸如Java、C++等,还包括常规的过程式程序设计语言,诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。
此外,本申请的实施例还可以是计算机可读存储介质,其上存储有计算机程序指令,所述计算机程序指令在被处理器运行时使得所述处理器执行本说明书上述“示例性方法”部分中描述的根据本申请各种实施例的信息资源的推荐方法中的步骤。
所述计算机可读存储介质可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以包括但不限于电、磁、光、电磁、红外线、或半导体的***、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
以上结合具体实施例描述了本申请的基本原理,但是,需要指出的是,在本申请中提及的优点、优势、效果等仅是示例而非限制,不能认为这些优点、优势、效果等是本申请的各个实施例必须具备的。另外,上述公开的具体细节仅是为了示例的作用和便于理解的作用,而非限制,上述细节并不限制本申请为必须采用上述具体的细节来实现。
本申请中涉及的器件、装置、设备、***的方框图仅作为例示性的例子并且不意图要求或暗示必须按照方框图示出的方式进行连接、布置、配置。如本领域技术人员将认识到的,可以按任意方式连接、布置、配置这些器件、装置、设备、***。诸如“包括”、“包含”、“具有”等等的词语是开放性词汇,指“包括但不限于”,且可与其互换使用。这里所使用的词汇“或”和“和”指词汇“和/或”,且可与其互换使用,除非上下文明确指示不是如此。这里所使用的词汇“诸如”指词组“诸如但不限于”,且可与其互换使用。
还需要指出的是,在本申请的装置、设备和方法中,各部件或各步骤是可以分解和/或重新组合的。这些分解和/或重新组合应视为本申请的等效方案。
提供所公开的方面的以上描述以使本领域的任何技术人员能够做出或者使用本申请。对这些方面的各种修改对于本领域技术人员而言是非常显而易见的,并且在此定义的一般原理可以应用于其他方面而不脱离本申请的范围。因此,本申请不意图被限制到在此示出的方面,而是按照与在此公开的原理和新颖的特征一致的最宽范围。
为了例示和描述的目的已经给出了以上描述。此外,此描述不意图将本申请的实施例限制到在此公开的形式。尽管以上已经讨论了多个示例方面和实施例,但是本领域技术人员将认识到其某些变型、修改、改变、添加和子组合。
Claims (23)
1.一种信息资源的推荐方法,其特征在于,包括:
通过多种途径获取多组信息资源组,其中所述信息资源组的获取以用户行为为依据,所述用户行为体现用户的兴趣;
按照所述用户的兴趣,将所述信息资源组中的多个信息资源由高到低进行排序,得到信息资源序列;
在所述信息资源序列中,选取排在前面的第一预设数量的所述信息资源形成推荐信息资源组;以及
发送所述多组信息资源组对应的多组所述推荐信息资源组。
2.根据权利要求1所述的方法,其特征在于,所述信息资源组中的所述多个信息资源属于信息资源库,所述信息资源库包括A个分类,所述A≥1;
其中,所述通过多种途径获取多组信息资源组包括:
在所述A个分类中,将所述用户的爱好对应的B个爱好分类组成用户初始分类组,其中在所述用户初始分类组中,按照所述用户的喜好程度,所述B个爱好分类由高到低进行排序,所述B≥1;
在所述用户初始分类组的排在前面的Y个所述爱好分类中,在每个所述爱好分类对应的所述信息资源中,选取第二预设数量的所述信息资源,得到C个所述信息资源,其中所述C等于所述Y与所述第二预设数量的乘积,所述Y≥1;
在所述用户初始分类组的排在后面的X个所述爱好分类中,在每个所述爱好分类对应的所述信息资源中,选取第三预设数量的所述信息资源,得到D个所述信息资源,其中所述D等于所述X与所述第三预设数量的乘积,所述B等于所述X与所述Y的和,所述X≥1;
将所述C个所述信息资源和所述D个所述信息资源组成第一信息资源组,其中所述多个信息资源组包括所述第一信息资源组。
3.根据权利要求1所述的方法,其特征在于,所述用户的属性信息包括用户关键词组,所述用户关键词组包括E个用户关键词,所述用户关键词与所述用户行为相关,所述E≥1;
其中,所述通过多种途径获取多组信息资源组包括:
将带有所述E个用户关键词的F个所述信息资源组成第二信息资源组,所述F≥1;
在所述第二信息资源组中,按照预设规则,对所述F个所述信息资源进行排序,得第三信息资源组;以及
在所述第三信息资源组中,选取排在前面的第四预设数量的所述信息资源组成第四信息资源组,其中所述多组信息资源组包括所述第四信息资源组。
4.根据权利要求3所述的方法,其特征在于,所述用户关键词组包括用户偏好关键词组;
其中,所述按照预设规则对所述F个所述信息资源进行排序包括:
按照所述信息资源的关键词与所述用户偏好关键词组的匹配程度,将所述F个所述信息资源由高到低进行排序。
5.根据权利要求1所述的方法,其特征在于,所述信息资源组中的所述多个信息资源属于信息资源库,所述信息资源库包括A个分类,所述A≥1;
其中,所述通过多种途径获取多组信息资源组包括:
将所述A个分类组成用户分类组,且在所述用户分类组中,按照所述用户的喜好程度,所述A个分类由高到低进行排序;
在所述用户分类组中,选取排在前面的第五预设数量的所述分类组成用户偏好分类组;
在所述用户偏好分类组中,选取排在前面的第六预设数量的所述分类组成候选分类组;以及
在所述候选分类组对应的G个所述信息资源中,选取第七预设数量的所述信息资源组成第五信息资源组,其中所述多组信息资源组包括所述第五信息资源组,所述G≥1。
6.根据权利要求1所述的方法,其特征在于,所述用户包括H个邻近用户,所述多个信息资源包括所述邻近用户喜欢的信息资源,所述H≥1;
其中,所述通过多种途径获取多组信息资源组包括:
在所述H个邻近用户中,选取第八预设数量的所述邻近用户组成邻近用户组;
在所述邻近用户喜欢的R个所述信息资源中,选取距离当前时间点最近的第九预设数量的所述信息资源,所述R≥1;以及
将所述邻近用户组对应的Q个所述信息资源组成第六信息资源组,其中所述Q等于所述第八预设数量和所述第九预设数量的乘积,所述多组信息资源组包括所述第六信息资源组。
7.根据权利要求1所述的方法,其特征在于,所述信息资源组中的所述多个信息资源属于信息资源库;
其中,所述通过多种途径获取多组信息资源组包括:
按照热度值,将所述信息资源库中的所有所述信息资源由高到低进行排序,得到热度信息资源组;以及
在所述热度信息资源组中,选取排在前面的第十预设数量的所述信息资源组成第七信息资源组,其中所述多组信息资源组包括所述第七信息资源组;
其中,所述热度值包括与所述用户行为相关的第一子值。
8.根据权利要求7所述的方法,其特征在于,所述热度值进一步包括随时间衰减的第二子值。
9.根据权利要求1所述的方法,其特征在于,所述信息资源组中的所述多个信息资源属于信息资源库,所述信息资源库包括I个指定的信息资源,所述I≥1;
其中,所述通过多种途径获取多组信息资源组包括:
将所述I个指定的信息资源组成第八信息资源组,其中所述多组信息资源组包括所述第八信息资源组。
10.根据权利要求1所述的方法,其特征在于,所述信息资源组中的所述多个信息资源属于信息资源库,所述信息资源库包括A个分类,所述A≥1;在包括所述A个分类的用户分类组中,按照所述用户的喜好程度,所述A个分类由高到低进行排序;
其中,所述按照所述用户的兴趣,将所述信息资源组中的多个信息资源由高到低进行排序包括:
按照所述用户分类组中所述A个分类的排序,将所述多个信息资源排序。
11.根据权利要求10所述的方法,其特征在于,所述用户分类组包括用户偏好关键词组;
其中,所述按照所述用户分类组中所述A个分类的排序,将所述多个信息资源排序包括:
当存在J个所述信息资源属于所述A个分类中的同一个分类时,按照所述信息资源的关键词与所述用户偏好关键词组的匹配程度,将所述J个所述信息资源由高到低进行排序,所述J≥1。
12.根据权利要求11所述的方法,其特征在于,所述将所述J个所述信息资源由高到低进行排序包括:
当所述J个所述信息资源包括所述匹配程度相同的K个所述信息资源时,按照热度值,将所述K个所述信息资源由高到低进行排序,其中所述热度值包括与所述用户行为相关的第一子值,所述K≥1。
13.根据权利要求12所述的方法,其特征在于,所述将所述K个所述信息资源由高到低进行排序包括:
当所述K个所述信息资源包括所述热度值相同的L个所述信息资源时,按照所述信息资源的分数,将所述L个所述信息资源由高到低进行排序,所述分数与所述用户行为相关,所述L≥1。
14.根据权利要求1所述的方法,其特征在于,所述用户的属性信息包括用户偏好关键词组;
其中,所述按照所述用户的兴趣,将所述信息资源组中的多个信息资源由高到低进行排序包括:
按照所述信息资源的关键词与所述用户偏好关键词组的匹配程度,将所述多个所述信息资源由高到低进行排序。
15.根据权利要求14所述的方法,其特征在于,所述将所述多个所述信息资源由高到低进行排序包括:
当所述多个所述信息资源包括所述匹配程度相同的M个所述信息资源时,按照热度值,将所述M个所述信息资源由高到低进行排序,其中所述热度值包括与所述用户行为相关的第一子值,所述M≥1。
16.根据权利要求15所述的方法,其特征在于,所述将所述M个所述信息资源由高到低进行排序包括:
当所述M个所述信息资源包括所述热度值相同的N个所述信息资源时,按照所述信息资源的分数,将所述N个所述信息资源由高到低进行排序,所述分数与所述用户行为相关,所述N≥1。
17.根据权利要求1至16中的任一项所述的方法,其特征在于,所述用户行为包括以下行为中的至少一种:
所述用户设置爱好;
所述用户观看信息资源库中的信息资源,其中所述信息资源组中的所述多个信息资源属于所述信息资源库;
所述用户搜索所述信息资源库中的信息资源;
依据邻近用户的行为推断的所述用户的行为;
所述用户在A个分类中选择兴趣分类,其中所述信息资源库包括所述A个分类;
所述用户取消已选择的所述兴趣分类;
所述用户对频道栏中的P个频道进行排序,所述P≥1;和
其它用户对所述信息资源库中的信息资源进行浏览、点赞、标注好看、收藏、分享、做笔记、标注不感兴趣、标注不喜、取消点赞、取消好看、取消收藏和取消不喜中的至少一种。
18.根据权利要求1至16中的任一项所述的方法,其特征在于,所述信息资源包括文章、视频和音频中的至少一种。
19.一种信息资源的推荐方法,其特征在于,包括:
接收多组信息资源组对应的多组推荐信息资源组,其中所述信息资源组的获取以用户行为为依据,所述用户行为体现用户的兴趣;以及
将所述多组推荐信息资源组对应的多个信息资源在用户界面上呈现。
20.一种信息资源的推荐装置,其特征在于,包括:
获取模块,用于通过多种途径获取多组信息资源组,其中所述信息资源组的获取以用户行为为依据,所述用户行为体现用户的兴趣;
排序模块,用于按照所述用户的兴趣,将所述信息资源组中的多个信息资源由高到低进行排序,得到信息资源序列;
选取模块,用于在所述信息资源序列中,选取排在前面的第一预设数量的所述信息资源形成推荐信息资源组;以及
推荐模块,用于发送所述多组信息资源组对应的多组所述推荐信息资源组。
21.一种信息资源的推荐装置,其特征在于,包括:
接收模块,用于接收多组信息资源组对应的多组推荐信息资源组,其中所述信息资源组的获取以用户行为为依据,所述用户行为体现用户的兴趣;以及
呈现模块,将所述多组推荐信息资源组对应的多个信息资源在用户界面上呈现。
22.一种计算机可读存储介质,所述存储介质存储有计算机程序,所述计算机程序用于执行上述权利要求1-19任一所述的信息资源的推荐方法。
23.一种电子设备,所述电子设备包括:
处理器;
用于存储所述处理器可执行指令的存储器;
所述处理器,用于执行上述权利要求1-19任一所述的信息资源的推荐方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010062394.9A CN111259248B (zh) | 2020-01-19 | 2020-01-19 | 信息资源的推荐方法及装置、可读存储介质、电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010062394.9A CN111259248B (zh) | 2020-01-19 | 2020-01-19 | 信息资源的推荐方法及装置、可读存储介质、电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111259248A true CN111259248A (zh) | 2020-06-09 |
CN111259248B CN111259248B (zh) | 2023-11-03 |
Family
ID=70954388
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010062394.9A Active CN111259248B (zh) | 2020-01-19 | 2020-01-19 | 信息资源的推荐方法及装置、可读存储介质、电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111259248B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112818231A (zh) * | 2021-01-29 | 2021-05-18 | 北京奇艺世纪科技有限公司 | 信息投放方法、装置、电子设备及存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105721944A (zh) * | 2016-01-29 | 2016-06-29 | 四川长虹电器股份有限公司 | 智能电视的新闻资讯推荐方法 |
CN107368488A (zh) * | 2016-05-12 | 2017-11-21 | 阿里巴巴集团控股有限公司 | 一种确定用户行为偏好的方法、推荐信息的展示方法和装置 |
CN107645667A (zh) * | 2017-09-21 | 2018-01-30 | 广州华多网络科技有限公司 | 视频推荐方法、***及服务器设备 |
CN109543132A (zh) * | 2018-11-22 | 2019-03-29 | 深圳墨世科技有限公司 | 内容推荐方法、装置、电子设备及存储介质 |
CN110333840A (zh) * | 2019-06-28 | 2019-10-15 | 百度在线网络技术(北京)有限公司 | 推荐方法、装置、电子设备和存储介质 |
CN110418200A (zh) * | 2018-04-27 | 2019-11-05 | Tcl集团股份有限公司 | 一种视频推荐方法、装置及终端设备 |
-
2020
- 2020-01-19 CN CN202010062394.9A patent/CN111259248B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105721944A (zh) * | 2016-01-29 | 2016-06-29 | 四川长虹电器股份有限公司 | 智能电视的新闻资讯推荐方法 |
CN107368488A (zh) * | 2016-05-12 | 2017-11-21 | 阿里巴巴集团控股有限公司 | 一种确定用户行为偏好的方法、推荐信息的展示方法和装置 |
CN107645667A (zh) * | 2017-09-21 | 2018-01-30 | 广州华多网络科技有限公司 | 视频推荐方法、***及服务器设备 |
CN110418200A (zh) * | 2018-04-27 | 2019-11-05 | Tcl集团股份有限公司 | 一种视频推荐方法、装置及终端设备 |
CN109543132A (zh) * | 2018-11-22 | 2019-03-29 | 深圳墨世科技有限公司 | 内容推荐方法、装置、电子设备及存储介质 |
CN110333840A (zh) * | 2019-06-28 | 2019-10-15 | 百度在线网络技术(北京)有限公司 | 推荐方法、装置、电子设备和存储介质 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112818231A (zh) * | 2021-01-29 | 2021-05-18 | 北京奇艺世纪科技有限公司 | 信息投放方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111259248B (zh) | 2023-11-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109885770B (zh) | 一种信息推荐方法、装置、电子设备及存储介质 | |
CN110929052B (zh) | 多媒体资源推荐方法、装置、电子设备及存储介质 | |
KR101061234B1 (ko) | 정보처리 장치와 방법, 및 기록 매체 | |
US20080294625A1 (en) | Item recommendation system | |
CN109753601B (zh) | 推荐信息点击率确定方法、装置及电子设备 | |
US20110208750A1 (en) | Information processing device, importance calculation method, and program | |
JP4370850B2 (ja) | 情報処理装置および方法、プログラム、並びに記録媒体 | |
WO2015034850A2 (en) | Feature selection for recommender systems | |
CN108650533A (zh) | 推荐媒体节目和在节目开始之前通知用户的***和方法 | |
EP2126722A2 (en) | Collective ranking of digital content | |
JP5910316B2 (ja) | 情報処理装置、情報処理方法、および、プログラム | |
KR101708254B1 (ko) | 협업적 필터링과 캐릭터 넷을 이용한 스토리 기반의 영화 추전 시스템 및 방법. | |
CN110851622A (zh) | 文本生成方法和装置 | |
CN112765484A (zh) | 短视频推送方法、装置、电子设备及存储介质 | |
KR20200057209A (ko) | K-means Clustering을 활용한 맞춤형 도서를 추천하는 방법 및 그 장치 | |
CN108694211B (zh) | 应用分发方法及装置 | |
JP2004362019A (ja) | 情報推薦装置、情報推薦方法、情報推薦プログラム及び記録媒体 | |
CN109063080B (zh) | 一种视频推荐方法及装置 | |
CN111259248B (zh) | 信息资源的推荐方法及装置、可读存储介质、电子设备 | |
WO2018042179A1 (en) | Method and system for providing content | |
CN111324733A (zh) | 内容推荐方法、装置、设备及存储介质 | |
JP5958578B2 (ja) | 情報選択装置、情報選択方法、およびコンピュータプログラム | |
US20140149378A1 (en) | Method and apparatus for determining rank of web pages based upon past content portion selections | |
JP6139617B2 (ja) | 情報提供システム、情報提供サーバー、情報提供方法、及び情報提供システム用のプログラム | |
JP5248376B2 (ja) | 情報配信装置および情報配信方法 |
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 | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20201118 Address after: Room 233, 2 / F, building 23, East District, yard 10, northwest Wangdong Road, Haidian District, Beijing 100193 Applicant after: Beijing Bo Xue Guang Yue Education Technology Co.,Ltd. Address before: 100193 room 136, floor 1, building 23, east area, yard 10, northwest Wangdong Road, Haidian District, Beijing Applicant before: Topronin (Beijing) Education Technology Co.,Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |