CN111523041B - 热度数据的推荐方法、计算设备及计算机存储介质 - Google Patents

Abstract

本发明公开了一种热度数据的推荐方法、计算设备及计算机存储介质，该方法包括：对多个条目进行热度排序并筛选出热度条目；根据所述热度条目的标签信息，将各个热度条目划分至相应的分类，得到分属于各个分类的热度条目；响应于用户的热度数据请求，从多个分类中确定出与所述用户的用户标签信息相匹配的目标分类；根据所述用户的使用时长信息从所述目标分类下的热度条目中筛选出目标条目，并将所述目标条目的条目内容推荐给所述用户。由此可见，本发明方案，在将热度条目划分分类后，依据用户标签信息和使用时长信息向用户推荐条目内容，可实现个性化、且有选择性的推荐。

Description

热度数据的推荐方法、计算设备及计算机存储介质

技术领域

本发明涉及互联网技术领域，具体涉及一种热度数据的推荐方法、计算设备及计算机存储介质。

背景技术

目在终端应用或各大网站中，会通过向用户推荐一些用户潜在想要关注的信息，来提高用户的兴趣，促使用户继续使用该应用或网站。例如微博的热搜、百度的热搜等。

目前，实现上述推荐的主流做法如下：后台计算某一时段内，所有用户对关键词、话题的搜索、关注以及评论的数量，然后按计算结果进行排序，并将排名靠前的话题、关键词推荐给所有的用户。例如，“a国增兵某地”有1000万人搜索、“体育明星b出轨”的话题有200万人评论等，当前这些话题的热度很高，则可以向更多的人推广，以满足用户对于热点信息的了解。

然而，上述现有的推荐方式中，至少存在如下缺陷：其一，仅从绝大多数人找到的信息共性，从而推导出其他人也会有类似的信息共性，这样的推论可能并不准确，无法满足个性化需求；其二，用户在使用应用或网站时，其经历以及时间导致其所能查看的信息是有限的，而向所有人都推送同等数量的信息，极有可能导致用户没有足够的时间和经历去消化如此大的体量，且从其中找到自己可能感兴趣的信息往往就需要很久，削弱了推荐的价值。

发明内容

鉴于上述问题，提出了本发明实施例以便提供一种克服上述问题或者至少部分地解决上述问题的热度数据的推荐方法、计算设备及计算机存储介质。

根据本发明实施例的一个方面，提供了一种热度数据的推荐方法，包括：

对多个条目进行热度排序并筛选出热度条目；

根据所述热度条目的标签信息，将各个热度条目划分至相应的分类，得到分属于各个分类的热度条目；

响应于用户的热度数据请求，从多个分类中确定出与所述用户的用户标签信息相匹配的目标分类；

根据所述用户的使用时长信息从所述目标分类下的热度条目中筛选出目标条目，并将所述目标条目的条目内容推荐给所述用户。

根据本发明实施例的又一方面，提供了一种计算设备，包括：处理器、存储器、通信接口和通信总线，所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信；

所述存储器用于存放至少一可执行指令，所述可执行指令使所述处理器执行如下操作：

对多个条目进行热度排序并筛选出热度条目；

根据所述热度条目的标签信息，将各个热度条目划分至相应的分类，得到分属于各个分类的热度条目；

响应于用户的热度数据请求，从多个分类中确定出与所述用户的用户标签信息相匹配的目标分类；

根据所述用户的使用时长信息从所述目标分类下的热度条目中筛选出目标条目，并将所述目标条目的条目内容推荐给所述用户。

根据本发明实施例的再一方面，提供了一种计算机存储介质，所述存储介质中存储有至少一可执行指令，所述可执行指令使处理器执行如下操作：

对多个条目进行热度排序并筛选出热度条目；

根据所述热度条目的标签信息，将各个热度条目划分至相应的分类，得到分属于各个分类的热度条目；

响应于用户的热度数据请求，从多个分类中确定出与所述用户的用户标签信息相匹配的目标分类；

根据所述用户的使用时长信息从所述目标分类下的热度条目中筛选出目标条目，并将所述目标条目的条目内容推荐给所述用户。

根据本发明实施例的热度数据的推荐方法、计算设备及计算机存储介质，对多个条目进行热度排序并筛选出热度条目，以及热度条目进行分类，得到各个分类下的热度条目，以供后续按分类进行推荐；在接收用户的热度数据请求后，首先依据用户标签信息确定目标分类，然后从目标分类的热度条目中筛选出与用户的使用时长信息相符合的数量的目标条目，并将目标条目的条目内容推荐给用户。由此可见，本实施例方案，依据用户标签信息和使用时长信息，先后匹配目标分类和目标条目，则可确定出用户真正感兴趣，而且数量适中的目标条目，并将条目内容推荐给用户，在匹配用户兴趣的同时，也避免了推荐的内容无法消化，提升了推荐的价值。

上述说明仅是本发明实施例技术方案的概述，为了能够更清楚了解本发明实施例的技术手段，而可依照说明书的内容予以实施，并且为了让本发明实施例的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明实施例的具体实施方式。

附图说明

通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明实施例的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：

图1示出了本发明实施例提供的热度数据的推荐方法的流程图；

图2示出了本发明另一个实施例提供的热度数据的推荐方法的流程图；

图3示出了本发明实施例提供的计算设备的结构示意图。

具体实施方式

下面将参照附图更详细地描述本发明的示例性实施例。虽然附图中显示了本发明的示例性实施例，然而应当理解，可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本发明，并且能够将本发明的范围完整的传达给本领域的技术人员。

图1示出了本发明实施例提供的热度数据的推荐方法的流程图。该方法用于向用户推荐个性化的热度数据，并且使推荐量与用户的使用时间相匹配。该方法可应用于任意需要进行热度数据个性化推荐的场景中，较典型的包括阅读应用中的热度书籍推荐、以及新闻应用或网站中的热度时事推荐等；并且，该方法可由任意具有数据处理能力的计算设备来执行。如图1所示，该方法包括以下步骤：

步骤S110：对多个条目进行热度排序并筛选出热度条目。

其中，条目是指***平台设置的网络数据的索引，例如，条目为关键词、话题等，这些条目在有相应的网络数据与之关联。

具体地，计算多个条目当前的热度数据，得到多个条目的热度数据由高至低的热度排序，并按照预设的筛选条件筛选出热度条目，其中，筛选条件可以是数量条件，和/或条目所属分类的条件。例如，筛选出排序前100的热度条目，或者每个分类下筛选出前20个热度条目等等。

步骤S120：根据该热度条目的标签信息，将各个热度条目划分至相应的分类，得到分属于各个分类的热度条目。

具体地，针对各个热度条目，将该热度条目的标签信息与多个分类的类别标签进行匹配，将匹配成功的分类确定为该热度条目所属的分类，其中，一个热度条目可划分至至少一个分类中。

例如，话题“a国增兵”属于政治、军事类，话题“体育明星b出轨”属于娱乐、体育类。

前述步骤S110和步骤S120可以预设时间间隔执行，或者持续实时执行，以便得到各个时段的热度条目及其分类，以确保实时性。

步骤S130：响应于用户的热度数据请求，从多个分类中确定出与该用户的用户标签信息相匹配的目标分类；根据该用户的使用时长信息从该目标分类下的热度条目中筛选出目标条目，并将该目标条目的条目内容推荐给该用户。

其中，使用时长信息是指用户使用当前应用或网站的时长信息，该使用时长信息至少包括用户此次进入当前应用或网站的预估使用时长，该预估使用时长可以是对使用记录求平均得到的单次平均使用时长，或者是依据近期多次使用的时长变化趋势估计的使用时长，本发明对此不作具体限定。

其中，目标条目的条目内容是指可引导用户进一步查看目标条目下的详细内容的引导内容。例如，新闻推荐场景中，若条目是某一时事的关键词，则条目内容可以是该时事的新闻标题，用户通过点击该新闻标题可查看到时事的详细相关信息；又如，书籍推荐场景中，若条目为书籍名称，则条目内容可以为书籍封面及简介，用户通过选择各本书籍，可触发查看该书籍的相关信息或者书籍内容。

在接收到用户的热度数据请求后，首先依据用户标签信息匹配得到目标分类，即得到用户感兴趣的分类。然后依据用户的使用时长信息从目标分类下的热度条目中筛选出适量的目标条目，并将相应的条目内容推荐给用户，避免推荐给用户的数据量过多或过少，其中，尤其是避免数据量过多，而导致用户无法消化。

根据本实施例提供的热度数据的推荐方法，对多个条目进行热度排序并筛选出热度条目，以及热度条目进行分类，得到各个分类下的热度条目，以供后续按分类进行推荐；在接收用户的热度数据请求后，首先依据用户标签信息确定目标分类，然后从目标分类的热度条目中筛选出与用户的使用时长信息相符合的数量的目标条目，并将目标条目的条目内容推荐给用户。由此可见，本实施例方案，依据用户标签信息和使用时长信息，先后匹配目标分类和目标条目，则可确定出用户真正感兴趣，而且数量适中的目标条目，并将条目内容推荐给用户，在匹配用户兴趣的同时，也避免了推荐的内容无法消化，提升了推荐的价值。

图2示出了本发明另一个实施例提供的热度数据的推荐方法的流程图。如图2所示，该方法包括以下步骤：

步骤S210：对多个条目进行热度排序并筛选出热度条目。

实际中，可按照搜索数量、关注数量和/或评论数量，对多个条目进行热度排序。

步骤S220：根据该热度条目的标签信息，将各个热度条目划分至相应的分类，得到分属于各个分类的热度条目；响应于用户的热度数据请求，从多个分类中确定出与该用户的用户标签信息相匹配的目标分类。

其中，各类条目均有其分类标准以及相应的分类，并且同一类条目可能存在多层级的分类，层级由高至低，分类的粒度逐渐细化。以书籍为例，第一级分类包括文学艺术、人文社科、经管励志、生活以及教育，上述每个第一级分类均存在对应的第二级分类，以文学艺术来说，之下的第二级分类包括小说、青春、传记、文学、历史以及心理，其中，该各个第二级分类也可以继续往下分类。

相应的，在划分分类时，可以其中一个或多个级别进行划分，以得到相应粒度的分类结果，本发明不限定具体的分类级别，本领域技术人员可根据对推荐的广度和深度的需求，灵活进行选择。

在本发明的一些可选的实施例中，按照粗粒度划分分类并匹配目标分类。具体地，根据该热度条目的标签信息，将各个热度条目按照第一分类级别划分至相应的第一分类，得到分属于各个第一分类的热度条目。然后，在匹配目标分类时，从多个第一分类中匹配出与用户标签信息相匹配的目标分类。通过这种方式，可从大分类中确定出目标分类，则后续选择目标条目的范围更为广泛，可扩大推荐内容的广度。

或者，在本发明的另一些实施例中，可按照比上述可选实施例更细的粒度划分分类并匹配目标分类。具体地，在根据该热度条目的标签信息，将各个热度条目按照第一分类级别划分至相应的第一分类之后，进一步针对任一第一分类，根据该热度条目的标签信息，将该第一分类下的热度条目按照第二分类级别划分至相应的第二分类，得到该第一分类下分属于各个第二分类的热度条目。然后，在匹配目标分类时，从多个第二分类中确定出与该用户的用户标签信息相匹配的目标分类。通过这种方式，可从小分类中确定出目标分类，则将后续选择目标条目的类别划分的更新，进而有利于针对某一个或多个细分别进行深度推荐。

并且，在上述以细粒度划分分类并匹配目标分类的可选实施例中，还可以进一步结合实时热度筛选目标分类，具体地，针对任一第一分类，统计该第一分类下分属于各个第二分类的热度条目的数量，根据统计结果对该第一分类下的第二分类进行条目数量排序，得到该第一分类下多个第二分类的条目数量排序结果，即将同一第一分类下的第二分类按照分属于其下的热度条目的数量进行排序，通常而言，在同一时间段内，第二分类下的热度条目数量越多，则表明在该时段内该第二分类的话题热度越高，例如，世界杯期间，体育分类下包含的足球分类的热度最高，相关的新闻、报道相应则越多，基于此，则依据热度条目的数量可准确区分各个第二分类的热度。然后，在确定相匹配的目标分类的过程中，从多个第二分类中确定出与该用户的用户标签信息相匹配的候选目标分类，根据各个第一分类下的多个第二分类的热度排序结果，对候选目标分类进行过滤处理，得到目标分类，在这种方式中，并不是以用户标签信息直接确定目标分类，而是进一步依据第二分类的热度进行过滤，以使热度相对较低的候选目标条目被滤除。这种匹配方式适用的情况主要有如下几种：情况一，通过用户标签信息匹配到的候选目标分类数量大于或等于预设值，针对该种情况，判断候选目标分类的数量是否大于或等于第一预设数量，若是，则根据第二分类的热度排序结果进行过滤处理，以满足第一预设数量的要求，优选的，第一预设数量与第一分类的数量相同，相应的过滤方式是每个第一分类下的目标分类不超过一个。情况二，用户的使用时长信息显示此次的预估使用时长低于最低时长，即该用户的使用时长极短，针对这种情况，判断预估使用时长是否低于最低时长，若是，则根据第二分类的热度排序结果进行过滤处理，以从用户最偏爱的若干第二分类中选出热度最高的第二分类作为目标分类。

步骤S230：获取该目标分类下的热度条目的热度排序；根据该热度排序由高至低的顺序从该目标分类的热度条目中筛选出预设数量的目标条目，其中，该预设数量根据用户的使用时长信息确定。

其中，使用时长信息至少包括用户此次进入当前应用或网站的预估使用时长，在本实施例中，以通过对使用记录求平均得到的单次平均使用时长作为预估使用时长，以及，在本实施例中，使用时长信息还包括一个目标条目的条目内容的平均阅览时长，该平均阅览时长可以为应用或网站的所有用户的平均阅览时长，也可以为该请求用户的平均阅览时长，其中，优选的为该请求用户的平均阅览时长，以便后续针对该用户确定出更为适量的目标条目。

具体地，根据热度排序筛选出预设数量的目标条目，其中，整体上，单次平均使用时长与预设数量成正相关，在一种具体的实施方式中：判断该单次平均使用时长是否大于预设时长，若是，则根据该单次平均使用时长与平均阅览时长的第一比值确定预设数量；若否，则根据预设时长与平均阅览时长的第二比值确定预设数量，在这种具体的方式中，当单次平均使用时长小于或等于预设时长时，则依据预设时长确定预设数量，以避免确定的预设数量过小，而导致推荐页面留白太多，进而提高页面利用率。其中，可直接将第一比值或第二比值确定为预设数量，或者，对于单次平均使用时长是否大于预设时长，可设置预设数量为大于该第一比值的值，以向用户推荐充足的认读内容，避免推荐的热门内容不足。

举例来说，预设时长为10分钟，若用户a的单次平均使用时长为15分钟，平均阅览时长为1分钟，则可确定预设数量为15或者为大于15的值，若用户b的单次平均使用时长为8分钟，平均阅览时长为1分钟，则可确定预设数量为10。

步骤S240：将目标分类下的热度条目存储在待推荐数据集合中；监测该用户进入推荐页面后的停留时长，根据监测结果从待推荐数据集合中的热度条目进行补充推荐。

在进入推荐页面后，监测用户在推荐页面的停留时长，用户的停留时长包括小于或等于单次平均使用时长的过程，和/或以及大于单次平均使用时长两种，对于小于或等于的过程，若接收到用户的刷新请求，则通常将筛选出的预设数量的目标条目继续推荐给用户即可，而对于大于的过程，则表明用户的使用时长升级了，此时则从待推荐数据集合中选择补充目标条目，并将条目内容补充推荐给用户。具体实现过程如下：

监测该用户进入推荐页面后的停留时长；判断该停留时长是否超过单次平均使用时长，若是，则在接收到该推荐页面的刷新请求后，从该待推荐数据集合中选择补充目标条目，并将该补充目标条目的条目内容推荐给该用户。其中，待推荐数据结合中存储的是目标分类下的全量热度条目，或者为除目标条目之外的热度条目，以避免重复推荐；以及，在选择补充目标条目时，可按照热度条目的热度排序进行选择，优先将热度高的热度条目推荐给用户，或者，可从该待推荐数据集合中随机选择补充目标条目。

本发明实施例提供的热度数据的推荐方法，可广泛应用于各种网站或应用的热度数据推荐场景中，包括新闻推荐、书籍推荐、店铺推荐、美食推荐等等。其中，书籍推荐是最为典型的应用，在应用于书籍推荐时，则条目可指书籍名称，而条目内容可指书籍介绍内容，通过将书籍名称按热度进行排序并分类，得到各个分类下的热度书籍名称，然后依据用户标签信息和使用时长信息将目标分类下预设数量的热度书籍名称对应的书籍介绍信息推荐给用户，其中，书籍介绍信息包括书籍封面，书籍简介等等。

根据本实施例提供的热度数据的推荐方法，对多个条目进行热度排序并筛选出热度条目，对热度条目进行分类，得到各个分类下的热度条目，以供后续按分类进行推荐；在接收用户的热度数据请求后，首先依据用户标签信息确定目标分类，然后从目标分类的热度条目中筛选出与用户的使用时长信息相符合的数量的目标条目，并将目标条目的条目内容推荐给用户；并且，在进入推荐页面后，若用户的停留时长超过单次平均使用时长，则可依据用户的刷新请求从待推荐数据集合中进一步选择补充目标条目并继续推荐给用户，以满足用户查看更多热度数据的需求。由此可见，本实施例方案，依据用户标签信息和使用时长信息，先后匹配目标分类和目标条目，则可确定出用户真正感兴趣，而且数量适中的目标条目，并将条目内容推荐给用户，在匹配用户兴趣的同时，可提升推荐内容的价值，避免推荐的内容无法消化。

本发明实施例提供了一种非易失性计算机存储介质，所述计算机存储介质存储有至少一可执行指令，该计算机可执行指令可执行上述任意方法实施例中的热度数据的推荐方法。

可执行指令具体可以用于使得处理器执行以下操作：

对多个条目进行热度排序并筛选出热度条目；

根据所述热度条目的标签信息，将各个热度条目划分至相应的分类，得到分属于各个分类的热度条目；

响应于用户的热度数据请求，从多个分类中确定出与所述用户的用户标签信息相匹配的目标分类；

根据所述用户的使用时长信息从所述目标分类下的热度条目中筛选出目标条目，并将所述目标条目的条目内容推荐给所述用户。

在一种可选的实施方式中，所述可执行指令使所述处理器执行如下操作：

获取所述目标分类下的热度条目的热度排序；

根据所述热度排序由高至低的顺序从所述目标分类的热度条目中筛选出预设数量的目标条目，其中，所述预设数量根据用户的使用时长信息确定。

在一种可选的实施方式中，所述使用时长信息包括单次平均使用时长，以及一个目标条目的条目内容的平均阅览时长；

所述可执行指令使所述处理器执行如下操作：

判断所述单次平均使用时长是否大于预设时长，若是，则根据所述单次平均使用时长与平均阅览时长的第一比值确定预设数量；若否，则根据预设时长与平均阅览时长的第二比值确定为预设数量。

在一种可选的实施方式中，所述可执行指令使所述处理器执行如下操作：

将目标分类下的热度条目存储在待推荐数据集合中；

在所述将所述目标条目的条目内容推荐给所述用户之后，监测所述用户进入推荐页面后的停留时长；判断所述停留时长是否超过单次平均使用时长，若是，则在接收到所述推荐页面的刷新请求后，从所述待推荐数据集合中选择补充目标条目，并将所述补充目标条目的条目内容推荐给所述用户。

在一种可选的实施方式中，所述可执行指令使所述处理器执行如下操作：

从所述待推荐数据集合中随机选择补充目标条目。

在一种可选的实施方式中，所述可执行指令使所述处理器执行如下操作：

根据所述热度条目的标签信息，将各个热度条目按照第一分类级别划分至相应的第一分类；

针对任一第一分类，根据所述热度条目的标签信息，将所述第一分类下的热度条目按照第二分类级别划分至相应的第二分类，得到该第一分类下分属于各个第二分类的热度条目；

从多个第二分类中确定出与所述用户的用户标签信息相匹配的目标分类。

在一种可选的实施方式中，所述可执行指令使所述处理器执行如下操作：

统计该第一分类下分属于各个第二分类的热度条目的数量，根据统计结果对该第一分类下的第二分类进行条目数量排序，得到该第一分类下多个第二分类的条目数量排序结果。

在一种可选的实施方式中，所述可执行指令使所述处理器执行如下操作：

从多个第二分类中确定出与所述用户的用户标签信息相匹配的候选目标分类；

根据各个第一分类下的多个第二分类的热度排序结果，对候选目标分类进行过滤处理，得到目标分类。

在一种可选的实施方式中，所述可执行指令使所述处理器执行如下操作：

按照搜索数量、关注数量和/或评论数量，对多个条目进行热度排序。

在一种可选的实施方式中，所述条目为书籍名称，所述条目内容为书籍介绍内容。

图3示出了本发明实施例提供的计算设备的结构示意图，本发明具体实施例并不对XXXX设备的具体实现做限定。

如图3所示，该计算设备可以包括：处理器(processor)302、通信接口(Communications Interface)304、存储器(memory)306、以及通信总线308。

其中：处理器302、通信接口304、以及存储器306通过通信总线308完成相互间的通信。通信接口304，用于与其它设备比如客户端或其它服务器等的网元通信。处理器302，用于执行程序310，具体可以执行上述用于计算设备的热度数据的推荐方法方法实施例中的相关步骤。

具体地，程序310可以包括程序代码，该程序代码包括计算机操作指令。

处理器302可能是中央处理器CPU，或者是特定集成电路ASIC(ApplicationSpecific Integrated Circuit)，或者是被配置成实施本发明实施例的一个或多个集成电路。计算设备包括的一个或多个处理器，可以是同一类型的处理器，如一个或多个CPU；也可以是不同类型的处理器，如一个或多个CPU以及一个或多个ASIC。

存储器306，用于存放程序310。存储器306可能包含高速RAM存储器，也可能还包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。

程序310具体可以用于使得处理器302执行以下操作：

对多个条目进行热度排序并筛选出热度条目；

根据所述热度条目的标签信息，将各个热度条目划分至相应的分类，得到分属于各个分类的热度条目；

响应于用户的热度数据请求，从多个分类中确定出与所述用户的用户标签信息相匹配的目标分类；

根据所述用户的使用时长信息从所述目标分类下的热度条目中筛选出目标条目，并将所述目标条目的条目内容推荐给所述用户。

在一种可选的实施方式中，程序310具体可以用于使得处理器302执行以下操作：

获取所述目标分类下的热度条目的热度排序；

根据所述热度排序由高至低的顺序从所述目标分类的热度条目中筛选出预设数量的目标条目，其中，所述预设数量根据用户的使用时长信息确定。

在一种可选的实施方式中，所述使用时长信息包括单次平均使用时长，以及一个目标条目的条目内容的平均阅览时长；

程序310具体可以用于使得处理器302执行以下操作：

判断所述单次平均使用时长是否大于预设时长，若是，则根据所述单次平均使用时长与平均阅览时长的第一比值确定预设数量；若否，则根据预设时长与平均阅览时长的第二比值确定为预设数量。

在一种可选的实施方式中，程序310具体可以用于使得处理器302执行以下操作：

将目标分类下的热度条目存储在待推荐数据集合中；

在所述将所述目标条目的条目内容推荐给所述用户之后，监测所述用户进入推荐页面后的停留时长；判断所述停留时长是否超过单次平均使用时长，若是，则在接收到所述推荐页面的刷新请求后，从所述待推荐数据集合中选择补充目标条目，并将所述补充目标条目的条目内容推荐给所述用户。

在一种可选的实施方式中，程序310具体可以用于使得处理器302执行以下操作：

从所述待推荐数据集合中随机选择补充目标条目。

在一种可选的实施方式中，程序310具体可以用于使得处理器302执行以下操作：

根据所述热度条目的标签信息，将各个热度条目按照第一分类级别划分至相应的第一分类；

针对任一第一分类，根据所述热度条目的标签信息，将所述第一分类下的热度条目按照第二分类级别划分至相应的第二分类，得到该第一分类下分属于各个第二分类的热度条目；

从多个第二分类中确定出与所述用户的用户标签信息相匹配的目标分类。

在一种可选的实施方式中，程序310具体可以用于使得处理器302执行以下操作：

统计该第一分类下分属于各个第二分类的热度条目的数量，根据统计结果对该第一分类下的第二分类进行条目数量排序，得到该第一分类下多个第二分类的条目数量排序结果。

在一种可选的实施方式中，程序310具体可以用于使得处理器302执行以下操作：

从多个第二分类中确定出与所述用户的用户标签信息相匹配的候选目标分类；

根据各个第一分类下的多个第二分类的热度排序结果，对候选目标分类进行过滤处理，得到目标分类。

在一种可选的实施方式中，程序310具体可以用于使得处理器302执行以下操作：

按照搜索数量、关注数量和/或评论数量，对多个条目进行热度排序。

在一种可选的实施方式中，所述条目为书籍名称，所述条目内容为书籍介绍内容。

在此提供的算法或显示不与任何特定计算机、虚拟***或者其它设备固有相关。各种通用***也可以与基于在此的示教一起使用。根据上面的描述，构造这类***所要求的结构是显而易见的。此外，本发明实施例也不针对任何特定编程语言。应当明白，可以利用各种编程语言实现在此描述的本发明实施例的内容，并且上面对特定语言所做的描述是为了披露本发明实施例的最佳实施方式。

在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。

类似地，应当理解，为了精简本发明实施例并帮助理解各个发明方面中的一个或多个，在上面对本发明的示例性实施例的描述中，本发明实施例的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该公开的方法解释成反映如下意图：即所要求保护的本发明实施例要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说，如下面的权利要求书所反映的那样，发明方面在于少于前面公开的单个实施例的所有特征。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本发明的单独实施例。

本领域那些技术人员可以理解，可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件，以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外，可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。

此外，本领域的技术人员能够理解，尽管在此的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如，在下面的权利要求书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。

本发明的各个部件实施例可以以硬件实现，或者以在一个或者多个处理器上运行的软件模块实现，或者以它们的组合实现。本领域的技术人员应当理解，可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本发明实施例的一些或者全部部件的一些或者全部功能。本发明实施例还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如，计算机程序和计算机程序产品)。这样的实现本发明实施例的程序可以存储在计算机可读介质上，或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到，或者在载体信号上提供，或者以任何其他形式提供。

应该注意的是上述实施例对本发明实施例进行说明而不是对本发明进行限制，并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明实施例可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。上述实施例中的步骤，除有特殊说明外，不应理解为对执行顺序的限定。

Claims (24)

1.一种热度数据的推荐方法，包括：

对多个条目进行热度排序并筛选出热度条目；

根据所述热度条目的标签信息，将各个热度条目划分至相应的分类，得到分属于各个分类的热度条目；

响应于用户的热度数据请求，从多个分类中确定出与所述用户的用户标签信息相匹配的目标分类；

根据所述用户的使用时长信息从所述目标分类下的热度条目中筛选出目标条目，并将所述目标条目的条目内容推荐给所述用户；具体地，获取所述目标分类下的热度条目的热度排序；根据所述热度排序由高至低的顺序从所述目标分类的热度条目中筛选出预设数量的目标条目，其中，所述预设数量根据用户的使用时长信息确定；所述使用时长信息包括单次平均使用时长，以及一个目标条目的条目内容的平均阅览时长；所述预设数量根据用户的使用时长信息确定进一步包括：判断所述单次平均使用时长是否大于预设时长，若是，则根据所述单次平均使用时长与平均阅览时长的第一比值确定预设数量；若否，则根据预设时长与平均阅览时长的第二比值确定为预设数量。

2.根据权利要求1所述的方法，其中，所述方法还包括：将目标分类下的热度条目存储在待推荐数据集合中；

在所述将所述目标条目的条目内容推荐给所述用户之后，监测所述用户进入推荐页面后的停留时长；判断所述停留时长是否超过单次平均使用时长，若是，则在接收到所述推荐页面的刷新请求后，从所述待推荐数据集合中选择补充目标条目，并将所述补充目标条目的条目内容推荐给所述用户。

3.根据权利要求2所述的方法，其中，所述从所述待推荐数据集合中选择补充目标条目具体为：从所述待推荐数据集合中随机选择补充目标条目。

4.根据权利要求1-3任一项所述的方法，其中，所述根据所述热度条目的标签信息，将各个热度条目划分至相应的分类，得到分属于各个分类的热度条目进一步包括：

根据所述热度条目的标签信息，将各个热度条目按照第一分类级别划分至相应的第一分类；

针对任一第一分类，根据所述热度条目的标签信息，将所述第一分类下的热度条目按照第二分类级别划分至相应的第二分类，得到该第一分类下分属于各个第二分类的热度条目；

所述从多个分类中确定出与所述用户的用户标签信息相匹配的目标分类进一步包括：从多个第二分类中确定出与所述用户的用户标签信息相匹配的目标分类。

5.根据权利要求4所述的方法，其中，在所述得到该第一分类下分属于各个第二分类的热度条目之后，所述方法还包括：

统计该第一分类下分属于各个第二分类的热度条目的数量，根据统计结果对该第一分类下的第二分类进行条目数量排序，得到该第一分类下多个第二分类的条目数量排序结果。

6.根据权利要求5所述的方法，其中，所述从多个第二分类中确定出与所述用户的用户标签信息相匹配的目标分类进一步包括：

从多个第二分类中确定出与所述用户的用户标签信息相匹配的候选目标分类；

根据各个第一分类下的多个第二分类的热度排序结果，对候选目标分类进行过滤处理，得到目标分类。

7.根据权利要求1-3、5-6任一项所述的方法，其中，所述对多个条目进行热度排序进一步包括：

按照搜索数量、关注数量和/或评论数量，对多个条目进行热度排序。

8.根据权利要求1-3、5-6任一项所述的方法，其中，所述条目为书籍名称，所述条目内容为书籍介绍内容。

9.一种计算设备，包括：处理器、存储器、通信接口和通信总线，所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信；

所述存储器用于存放至少一可执行指令，所述可执行指令使所述处理器执行如下操作：

对多个条目进行热度排序并筛选出热度条目；

根据所述热度条目的标签信息，将各个热度条目划分至相应的分类，得到分属于各个分类的热度条目；

响应于用户的热度数据请求，从多个分类中确定出与所述用户的用户标签信息相匹配的目标分类；

根据所述用户的使用时长信息从所述目标分类下的热度条目中筛选出目标条目，并将所述目标条目的条目内容推荐给所述用户；具体地，获取所述目标分类下的热度条目的热度排序；根据所述热度排序由高至低的顺序从所述目标分类的热度条目中筛选出预设数量的目标条目，其中，所述预设数量根据用户的使用时长信息确定；所述使用时长信息包括单次平均使用时长，以及一个目标条目的条目内容的平均阅览时长；所述预设数量根据用户的使用时长信息确定进一步包括：判断所述单次平均使用时长是否大于预设时长，若是，则根据所述单次平均使用时长与平均阅览时长的第一比值确定预设数量；若否，则根据预设时长与平均阅览时长的第二比值确定为预设数量。

10.根据权利要求9所述的计算设备，其中，所述可执行指令使所述处理器执行如下操作：

将目标分类下的热度条目存储在待推荐数据集合中；

在所述将所述目标条目的条目内容推荐给所述用户之后，监测所述用户进入推荐页面后的停留时长；判断所述停留时长是否超过单次平均使用时长，若是，则在接收到所述推荐页面的刷新请求后，从所述待推荐数据集合中选择补充目标条目，并将所述补充目标条目的条目内容推荐给所述用户。

11.根据权利要求10所述的计算设备，其中，所述可执行指令使所述处理器执行如下操作：

从所述待推荐数据集合中随机选择补充目标条目。

12.根据权利要求9-11任一项所述的计算设备，其中，所述可执行指令使所述处理器执行如下操作：

根据所述热度条目的标签信息，将各个热度条目按照第一分类级别划分至相应的第一分类；

针对任一第一分类，根据所述热度条目的标签信息，将所述第一分类下的热度条目按照第二分类级别划分至相应的第二分类，得到该第一分类下分属于各个第二分类的热度条目；

从多个第二分类中确定出与所述用户的用户标签信息相匹配的目标分类。

13.根据权利要求12所述的计算设备，其中，所述可执行指令使所述处理器执行如下操作：

统计该第一分类下分属于各个第二分类的热度条目的数量，根据统计结果对该第一分类下的第二分类进行条目数量排序，得到该第一分类下多个第二分类的条目数量排序结果。

14.根据权利要求13所述的计算设备，其中，所述可执行指令使所述处理器执行如下操作：

从多个第二分类中确定出与所述用户的用户标签信息相匹配的候选目标分类；

根据各个第一分类下的多个第二分类的热度排序结果，对候选目标分类进行过滤处理，得到目标分类。

15.根据权利要求9-11、13-14任一项所述的计算设备，其中，所述可执行指令使所述处理器执行如下操作：

按照搜索数量、关注数量和/或评论数量，对多个条目进行热度排序。

16.根据权利要求9-11、13-14任一项所述的计算设备，其中，所述条目为书籍名称，所述条目内容为书籍介绍内容。

17.一种计算机存储介质，所述存储介质中存储有至少一可执行指令，所述可执行指令使处理器执行如下操作：

对多个条目进行热度排序并筛选出热度条目；

根据所述热度条目的标签信息，将各个热度条目划分至相应的分类，得到分属于各个分类的热度条目；

响应于用户的热度数据请求，从多个分类中确定出与所述用户的用户标签信息相匹配的目标分类；

根据所述用户的使用时长信息从所述目标分类下的热度条目中筛选出目标条目，并将所述目标条目的条目内容推荐给所述用户；具体地，获取所述目标分类下的热度条目的热度排序；根据所述热度排序由高至低的顺序从所述目标分类的热度条目中筛选出预设数量的目标条目，其中，所述预设数量根据用户的使用时长信息确定；所述使用时长信息包括单次平均使用时长，以及一个目标条目的条目内容的平均阅览时长；所述预设数量根据用户的使用时长信息确定进一步包括：判断所述单次平均使用时长是否大于预设时长，若是，则根据所述单次平均使用时长与平均阅览时长的第一比值确定预设数量；若否，则根据预设时长与平均阅览时长的第二比值确定为预设数量。

18.根据权利要求17所述的计算机存储介质，其中，所述可执行指令使所述处理器执行如下操作：

将目标分类下的热度条目存储在待推荐数据集合中；

在所述将所述目标条目的条目内容推荐给所述用户之后，监测所述用户进入推荐页面后的停留时长；判断所述停留时长是否超过单次平均使用时长，若是，则在接收到所述推荐页面的刷新请求后，从所述待推荐数据集合中选择补充目标条目，并将所述补充目标条目的条目内容推荐给所述用户。

19.根据权利要求18所述的计算机存储介质，其中，所述可执行指令使所述处理器执行如下操作：

从所述待推荐数据集合中随机选择补充目标条目。

20.根据权利要求17-19任一项所述的计算机存储介质，其中，所述可执行指令使所述处理器执行如下操作：

根据所述热度条目的标签信息，将各个热度条目按照第一分类级别划分至相应的第一分类；

针对任一第一分类，根据所述热度条目的标签信息，将所述第一分类下的热度条目按照第二分类级别划分至相应的第二分类，得到该第一分类下分属于各个第二分类的热度条目；

从多个第二分类中确定出与所述用户的用户标签信息相匹配的目标分类。

21.根据权利要求20所述的计算机存储介质，其中，所述可执行指令使所述处理器执行如下操作：

统计该第一分类下分属于各个第二分类的热度条目的数量，根据统计结果对该第一分类下的第二分类进行条目数量排序，得到该第一分类下多个第二分类的条目数量排序结果。

22.根据权利要求21所述的计算机存储介质，其中，所述可执行指令使所述处理器执行如下操作：

从多个第二分类中确定出与所述用户的用户标签信息相匹配的候选目标分类；

根据各个第一分类下的多个第二分类的热度排序结果，对候选目标分类进行过滤处理，得到目标分类。

23.根据权利要求17-19、21-22任一项所述的计算机存储介质，其中，所述可执行指令使所述处理器执行如下操作：

按照搜索数量、关注数量和/或评论数量，对多个条目进行热度排序。

24.根据权利要求17-19、21-22任一项所述的计算机存储介质，其中，所述条目为书籍名称，所述条目内容为书籍介绍内容。

Images