CN111586089A - 基于向量评分的客户端、服务端内容推荐***和方法 - Google Patents

基于向量评分的客户端、服务端内容推荐***和方法 Download PDF

Info

Publication number
CN111586089A
CN111586089A CN202010201636.8A CN202010201636A CN111586089A CN 111586089 A CN111586089 A CN 111586089A CN 202010201636 A CN202010201636 A CN 202010201636A CN 111586089 A CN111586089 A CN 111586089A
Authority
CN
China
Prior art keywords
content
dimension
score
user
scoring
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.)
Pending
Application number
CN202010201636.8A
Other languages
English (en)
Inventor
许圣霖
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Da Xijiao Information Technology Co ltd
Original Assignee
Shanghai Da Xijiao Information Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shanghai Da Xijiao Information Technology Co ltd filed Critical Shanghai Da Xijiao Information Technology Co ltd
Priority to CN202010201636.8A priority Critical patent/CN111586089A/zh
Publication of CN111586089A publication Critical patent/CN111586089A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • 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
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/60—Protecting data
    • G06F21/62—Protecting access to data via a platform, e.g. using keys or access control rules
    • G06F21/6218—Protecting access to data via a platform, e.g. using keys or access control rules to a system of files or objects, e.g. local or distributed file system or database
    • G06F21/6245—Protecting personal data, e.g. for financial or medical purposes

Landscapes

  • Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Bioethics (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Medical Informatics (AREA)
  • Computer Hardware Design (AREA)
  • Computer Security & Cryptography (AREA)
  • Software Systems (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明涉及一种基于向量评分的客户端、服务端内容推荐***和方法，其中，所述客户端内容推荐***包括所述***内容评分获取模块、用户喜好评分模块、关系评分模块和推荐模块，所述内容评分获取模块用于获取多个线上内容的一个或多个内容维度评分；所述用户喜好评分模块用于获取用户喜好维度评分；所述关系评分模块基于线上内容的内容维度评分与用户维度喜好评分，确定所述用户对所述线上内容的关系评分；所述推荐模块按照关系评分的排序向用户推荐内容。本发明基于向量评分机制，根据用户喜好维度评分和内容维度评分计算与用户喜好相匹配的关系评分，涉及的数据种类少、算法简单，计算快速、效率高，且有效地保护了用户隐私。

Description

基于向量评分的客户端、服务端内容推荐***和方法
技术领域
本发明涉及一种互联网应用领域，特别地涉及一种基于向量评分的客户端、服务端内容推荐***和方法。
背景技术
随着网络技术的发展，网络用户急速增加，为用户提供各种内容服务的内容供应商也越来越多，例如，提供视频服务的视频网站、提供商品交易的电商平台、提供小说阅读的阅读网站和提供各种情报信息的各类网站等等。基于吸引用户、推荐内容/服务的目的，各种内容推荐技术也层出不穷。总的说来，基本是由内容供应商在服务端收集用户数据，如个人信息、网络行为数据、浏览的内容数据等，基于用户数据分析得到用户的个人喜好，再基于内容供应商提供的内容，计算出与用户个人喜好相匹配的内容并推荐给用户。然而现有的内容推荐方法涉及的数据种类繁多，算法复杂，因而推荐效率不高。另外，现有的内容推荐方法需要在服务端收集用户信息，如用户个人信处、浏览数据等，造成用户个人隐私的泄露，导致用户不愿再使用该内容供应商的服务，从而导致用户流失。
发明内容
针对现有技术中存在的技术问题，本发明提出了一种基于向量评分的客户端、服务端内容推荐***和方法，用于简化数据、提高推荐效率，保护用户隐私。
为了解决上述技术问题，根据本发明的一个方面，本发明提供了一种基于向量评分的客户端内容推荐***，所述***包括内容评分获取模块、用户喜好评分模块、关系评分模块和推荐模块，其中，所述内容评分获取模块经配置获取多个线上内容的一个或多个内容维度评分；所述用户喜好评分模块经配置以获取用户喜好维度评分；所述关系评分模块经配置以基于线上内容的内容维度评分与用户维度喜好评分，确定所述用户对所述线上内容的关系评分；所述推荐模块经配置以按照关系评分的排序向用户推荐内容。
根据本发明的另一个方面，本发明提供了一种基于向量评分的客户端内容推荐方法，其包括以下步骤：
获取多个线上内容的一个或多个内容维度评分；
获取用户喜好维度评分；
基于多个线上内容的一个或多个内容维度评分与用户喜好维度评分，确定多个内容与所述用户的多个关系评分；以及
按照多个内容关系评分的排序向用户推荐内容。
根据本发明的另一个方面，本发明提供了一种基于向量评分的服务端内容推荐***，所述***包括内容评分提供模块和内容提供模块，其中，所述内容评分提供模块经配置以响应来自应用客户端的请求提供内容维度评分列表；所述内容提供模块，经配置以响应来自应用客户端的内容请求，向应用客户端发送所述内容请求所请求的内容。
根据本发明的另一个方面，本发明提供了一种基于向量评分的服务端内容推荐方法，所述方法包括以下步骤：
接收来自应用客户端的请求，向应用客户端提供内容维度评分列表；以及
接收来自应用客户端的内容请求，向应用客户端发送所述内容请求所请求的内容。
本发明为线上内容构建了不同的内容维度，并依据具体的线上内容，为其设置不同的内容维度评分，该线上内容的内容维度评分可以持久地存储在数据库，为计算其与不同用户的关系评分提供基础数据。通过构建与内容维度相对应的用户喜好维度及其评分，简化了用户喜好数据，在匹配用户喜好与内容及确定推荐内容时，算法简单、计算量小，因而计算快速，推荐效率高；在用户端基于用户使用内容客户端过程中产生的数据，在客户端为用户推荐内容，既保护了用户的隐私，也达到了内容推荐的目的。
附图说明
下面，将结合附图对本发明的优选实施方式进行进一步详细的说明，其中：
图1是根据本发明的一个实施例提供的一种基于向量评分的客户端内容推荐***的应用原理框图；
图2是根据本发明的一个实施例的基于向量评分的客户端内容推荐***原理框图；
图3根据本发明的一个实施例的用户喜好评分模块原理框图；
图4是根据本发明的一个实施例的推荐模块原理框图；
图5是根据本发明的一个实施例的基于向量评分的客户端内容推荐方法流程图；
图6是根据本发明的一个实施例的获取用户喜好维度及其评分的流程图；
图7是根据本发明的一个实施例的基于向量评分的服务端内容推荐***原理框图；
图8是根据本发明的一个实施例的内容评分构建模块原理框图；
图9是根据本发明的一个实施例的基于向量评分的服务端内容推荐方法流程图；以及
图10是根据本发明的一个实施例的为一个应用构建内容维度评分的流程图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，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。
在以下的详细描述中，可以参看作为本申请一部分用来说明本申请的特定实施例的各个说明书附图。在附图中，相似的附图标记在不同图式中描述大体上类似的组件。本申请的各个特定实施例在以下进行了足够详细的描述，使得具备本领域相关知识和技术的普通技术人员能够实施本申请的技术方案。应当理解，还可以利用其它实施例或者对本申请的实施例进行结构、逻辑或者电性的改变。
图1是根据本发明一个实施例提供的一种基于向量评分的客户端内容推荐***应用原理框图。本发明中的应用至少可向用户提供线上内容的浏览，根据其提供的内容，所述应用可以是小说阅读应用、视频观看应用、图片查询应用、新闻浏览应用、商品交易应用等。其中，应用服务端301与数据库302位于云端，应用客户端10和客户端内容推荐***位于用户终端本地。二者通过网络与云端连接，实现线上内容浏览、内容推荐等操作。在一个实施例中，数据库302可存储所述应用提供的线上内容，或者应用服务端301与内容服务器303连接，由内容服务器303向用户提供具体内容。数据库302还存有其他的数据，例如用户数据，其包括用户个人信息、用户浏览记录等，数据库302还存有每个内容的内容描述信息、内容页链接地址及其内容维度评分列表。所述内容维度评分列表包括每一个线上内容的每一个内容维度评分。其中，所述的内容维度与应用提供的线上内容类别相对应。例如，在一个提供小说阅读材料的应用，该应用为提供的小说划分了多个类别，如“历史”、“科幻”、“都市”、“悬疑”等等。对应地，内容维度也相应的为“历史”、“科幻”、“都市”、“悬疑”等等。对于一篇小说，其内容可能跨多个类别，如既可以归属到“历史”类别，也可以归属到“科幻”类别和“悬疑”类别。因而，该小说对应的内容维度包括“历史”、“科幻”和“悬疑”三个种。通过人工或AI等方式分析所述小说的内容，对比评分标准可以确定这三个内容维度对应的评分，例如“历史”评分为8分、“科幻”评分为5分和“悬疑”评分为5分等等。因而数据库302中存储的内容维度列表如表1所示：
表1：
Figure BDA0002419592400000051
其中，序号0，1，2……为该内容在数据库中的编号，Xxxxx、Yyyyyy、Sssss为小说名称，“历史”、“科幻”、“悬疑”等为内容维度，表中的数字0-9为具体的评分。
应用服务端301可响应于来自客户端内容推荐***20的请求，向其发送该内容维度列表，也可以主动将该内容维度列表发送给应用客户端10，存储在其本地存储模块40中。
图2是根据本发明一个实施例的基于向量评分的客户端内容推荐***原理框图。
所述客户端内容推荐***20包括内容评分获取模块21、用户喜好评分模块22、关系评分模块23和推荐模块24，其中，所述内容评分获取模块21用于获取应用提供的每一线上内容的每一内容维度评分。在一个实施例中，内容评分获取模块21向应用服务端301发送请求，应用服务端301从数据库302中读取内容维度评分列表，并将其发送给所述内容评分获取模块21。在另一个实施例中，由于应用服务端301主动将内容维度评分列表推送给应用客户端10，并存储在用户终端1的本地存储模块40中，因而，所述内容评分获取模块21查询本地存储模块40，从中得到内容维度评分列表中的内容。
所述喜好评分模块22用于获取用户喜好维度评分，其中，所述喜好维度为所述内容维度中的一种或多种。所述用户喜好维度评分可以事先得到而存储在用户终端1的本地存储模块40中，并根据用户喜好的变化而随时更新。所述用户喜好评分模块22查询本地存储模块40，确定本地是否存储了用户喜好维度评分列表。如果没有，则根据用户浏览内容过程中产生的数据获取用户喜好维度评分。用户在浏览内容时，应用客户端10或/和应用服务端301会记录相应的数据，例如，浏览路径、浏览内容名称及其内容总量和具体的浏览量。例如，根据一条浏览记录，用户点击了“历史”、“科幻”两个类别，浏览了“科幻”类别下的一篇小说Mmmm，其总共有300章，用户阅读了前8章。在另一条浏览记录中，用户浏览了“都市”类别下的一则小说Nnnnn，其共有600章，用户阅读了前1章。通过这些浏览记录数据，所述用户喜好评分模块22可以获得用户喜好维度评分。具体地，如图3所示，为一个实施例中用户喜好评分模块的原理框图。所述用户喜好评分模块22包括所述信息提取单元221、喜好维度构建单元222和喜好评分单元223，其中，信息提取单元221从用户浏览内容过程中产生的数据中提取出用户浏览内容信息，所述用户浏览内容信息包括内容及浏览量，如前述的小说名称、全部章节和阅读量。所述的浏览量如小说字数、章节、视频的播放时间等。所述喜好维度构建单元22根据浏览内容的内容维度构建用户喜好维度，即统计用户浏览的多个内容，将所述多个内容的内容维度确定为用户喜好维度。例如，用户共浏览了三篇小说，其中第一篇小说的内容维度及其评分为“历史3分”、“科幻8分”，第二篇小说的内容维度为“科幻8分”和“悬疑6分”，第三篇小说的内容维度为“悬疑8分”和“都市9分”。则将“历史”、“科幻”、“悬疑”和“都市”确定为该用户的喜好维度。
所述喜好评分单元23根据用户浏览内容信息及评分标准确定所述喜好维度评分。在一个实施例中，所述评分标准中规定了计算规则，根据浏览量确定浏览深度，再利用所述浏览深度及对应的内容维度评分确定喜好维度评分。如上述例子，用户共浏览了三篇小说，其中第一篇小说的内容维度及其评分为“历史3”、“科幻8”，阅读深度为80章/600章；第二篇小说的内容维度为“科幻8”和“悬疑6”，阅读深度为400章/500章；第三篇小说的内容维底为“悬疑8”“都市9”，阅读深度为65章/1000章。首先，各个内容阅读深度分别为：
第一篇小说：80/600＝0.13；
第二篇小说：400/500＝0.80；
第三篇小说：65/1000＝0.065。
然后根据各个小说的内容维度评分及阅读深度得到该喜好维度评分y：
“历史”y1＝3*0.13＝0.39；
“科幻”y2＝(8*0.13+8*0.80)/2＝3.72；
“悬疑”y3＝(6*0.80+8*0.065)/2＝2.66；
“都市”y4＝9*0.065＝0.59。
因而，该用户的喜好维度评分总结如下表2所示：
表2
喜好维度 历史 科幻 悬疑 都市
评分 0.39 3.72 2.66 0.59
从而可以得知，所述喜好评分单元23根据以下公式1-1计算用户喜好维度评分：
Figure BDA0002419592400000071
其中，
Figure BDA0002419592400000072
为第i个内容的内容维度评分；
Figure BDA0002419592400000073
为第i个内容的阅读深度，xi为第i个内容的阅读量，Xi为第i个内容的内容总量，n为具有相同内容维度的内容总量。
本发明并不局限于以上公式1-1，根据考虑的因素不同，例如还可以在前述基础上增加其他因素(如阅读量的用时)从而构成其他的公式，本领域技术人员本领域技术人员可根据具体的考虑因素确定出对应的公式，在此不再赘述。
在一个实施例中，将如表2所示的用户喜好维度评分存入本地存储模块40，并随时或定时更新。
所述关系评分模块23基于内容的内容维度评分与用户维度喜好评分确定所述用户对所述内容的关系评分。其中，所述关系评分模块3通过计算内容维度评分与用户维度喜好评分的差异以确定二者的接近程度，接近程度越大，该内容越符合用户喜好。并将所述的接近程度数值化，从而得到关系评分。在一个实施例中，采用公式1-2计算用户与一个内容的关系评分：
Figure BDA0002419592400000081
其中，RMSE为关系评分，其分值越低，代表该内容与用户喜好的接近程度越高。yt为该用户第t个喜好维度评分，
Figure BDA0002419592400000082
为该内容的第t个内容维度评分。
所述推荐模块24按照关系评分由低到高的排序向用户推荐内容。其中，在一个实施例中，如图4所示，所述推荐模块24进一步包括排序单元241和推送信息生成单元242和推送单元243，其中，所述排序单元241根据每一线上内容的内容关系评分，为该应用提供的多个线上内容进行排序。经过所述关系评分模块23的计算之后，该应用提供的每一个线上内容都有了各自的关系评分RMSE，所述排序单元241按照所述关系评分RMSE由低到高的顺序进行排序，即根据公式1-2计算得到的关系评分分值最低的排在第一位，其与用户喜好最接近。推送信息生成单元242根据设置的推荐条件，如每次推荐内容数量，选取排序在前的一个或多个内容的内容描述信息，根据格式要求，如推荐的每个内容应包括文字介绍、图片和链接等，生成推送信息。其中，所述的内容描述信息可以向应用户服务端301请求而得到，也可以是由应用户服务端301主动推送给应用客户端，并存储在终端的本地存储模块40中。内容描述信息可以包括内容文字介绍、封面图片、典型视频片段等。在一些实施例中，还设置有推荐内容的更新间隔及更新条件，在达到更新间隔或符合更新条件时，重新生成推送信息。推送单元243将推送信息推送给应用客户端10。应用客户端10中设有推荐展示位，其接收到推送信息后，将其展示在推荐展示位。
图5是根据本发明一个实施例的基于向量评分的客户端内容推荐方法流程图。其中，所述方法包括以下步骤：
步骤S10，获取所述应用提供的所有线上内容的内容维度评分。其中，如果应用服务端向应用客户端主动推送内容维度评分，可通过查询本地存储模块来获得所有线上内容的内容维度评分。如果应用服务端不主动向应用客户端推送内容维度评分，则通过应用客户端向应用服务端发送请求，应用服务端从数据库中读取内容维度评分列表，并将其发送给应用客户端，从而可以得到所有内容的对应内容维度评分。
步骤11，获取用户喜好维度评分。其中，所述喜好维度为内容维度中的一种或多种。所述用户喜好维度评分可以事先计算得到而存储在用户终端1的本地存储模块40中，并根据用户喜好的变化而随时更新。在获取用户喜好维度评分时，可以先查询本地存储模块40，确定本地是否存储了用户喜好维度评分列表。如果没有，则根据用户浏览内容过程中产生的数据获取用户喜好维度评分。用户在浏览内容时，应用服务端和/或应用客户端会记录其浏览数据，每一次访问生成一条记录，每条记录至少包括浏览的内容名称、本次浏览的阅读量等。通过浏览记录数据，可以获得该用户一共浏览过的内容及其总的阅读量。通过这些数据可以获得用户的喜好维度及其评分。具体如图6所示，包括以下步骤：
步骤S111，查询所有的浏览记录，按浏览内容进行分类。如将涉及不同内容的浏览记录分为一组，从而可将所有的浏览记录数据按照浏览内容分为多个组。
步骤S112，分析一组数据，从中提取出总的阅读量。例如，该组数据中包括了多条记录，每一条记录中记载了阅读的内容，如小说的章节，通过多条记录，得到总的阅读章节，即总的阅读量。
步骤S113，根据总的阅读量与小说的全部章节内容计算用户对该内容的阅读深度。
步骤S114，判断是否计算完全部内容的阅读深度，如果没有，则返回步骤S112继续下一组数据的提取、计算，如果已分析完全部内容的阅读深度，则转到步骤S115。
步骤S115，构建用户喜好维度。其中，获取每一个线上内容的内容维度及其评分，去掉重复的内容维度，将全部内容涉及的内容维度作为用户喜好维度。
步骤S116，取一个用户喜好维度。
步骤S117，获取与其对应的内容维度评分。例如，对于前述***中的实施例，对于“科幻”用户喜好维度，与其对应的两个线上内容的内容维度评分均为8分；对于“悬疑”用户喜好维度，与其对应的两个线上内容的内容维度评分分别为6和8；对于“历史”用户喜好维度，与其对应的一个内容维度评分为3；对于“都市”用户喜好维度，与其对应的一个内容维度评分为9。
步骤S118，根据每一内容的内容维度及其评分及阅读深度，利用公式1-1计算得到所述用户喜好维度评分。
Figure BDA0002419592400000101
其中，
Figure BDA0002419592400000102
为第i个内容的内容维度评分；
Figure BDA0002419592400000103
为第i个内容的阅读深度，xi为第i个内容的阅读量，Xi为第i个内容的内容总量，n为具有相同内容维度的内容总量。
通过公式1-1的计算，得到如表2所示的用户喜好维度评分。
步骤S119，判断是否计算完所有的用户喜好维度评分。如果已经计算完所有的用户喜好维度评分，则结束流程，如果没有，则返步骤S116，再取一个用户喜好维度计算其评分，直到得到所有的用户喜好维度评分。
步骤S12，基于内容的内容维度评分与用户维度喜好评分，确定所述用户对内容的关系评分。在一个实施例中，根据公式1-2计算用户对每一个内容的关系评分：
Figure BDA0002419592400000111
其中，RMSE为关系评分，其分值越低，代表该内容与用户喜好越接近；yt为第t个用户维度喜好评分，
Figure BDA0002419592400000115
为该内容的第t个内容维度评分。
例如，对于表1中的3个内容及表2中的用户喜好维度评分，通过公式1-2可以计算得到所述3个内容与所述用户的关系评分分别为：
Figure BDA0002419592400000112
Figure BDA0002419592400000113
Figure BDA0002419592400000114
通过前述计算的评分可见，内容Yyyyy最符合用户的喜好。并且，根据用户喜好评分和内容的内容维度评分可见，内容Yyyyy确实最符合用户喜好。
公式1-2仅是一种计算关系评分的关系式，本领域技术人员也可以采用相类似的其他公式来进行计算。
步骤S13，按照关系评分由低到高的排序向用户推荐内容。在得到每一个线上内容与所述用户的关系评分后，对这些线上内容进行排序，由于本实施例中的关系评分值越小与用户喜好越接近，因而，在本实施例中对线上内容按照关系评分从低到高的顺序排序，然后根据推送条件，如推送数量n，选取前n个线上内容作为推送内容。其中，应用客户端的推荐展示位中可以显示推荐的内容，其上的内容来自于内容推荐***。例如，根据推送数量n，选取前n个内容，根据展示要求的格式，如需要包括文字内容及其格式，图片及其格式和链接等要求，选取前n个内容的内容描述，从中摘取必要的文字介绍，并根据格式求生成文字内容，再从内容描述中选取一个图片，根据其尺寸要求对该图片进行修改，按照排版要求，将这些内容组合成推送信息发送给应用客户端，从而在应用客户端的推荐展示位中展示当前的n个内容。
另外，还可根据不同的更新条件更新推荐展示位中内容。例如达到展示周期时，重新选取下一组n个内容生成推送信息。或者是当新增的用户浏览内容导致了用户喜好维度评分发生了变化，此时，需要重新计算用户与每个内容的关系评分，由此导致线上内容的关系评分排序发生了变化，则时需要重新推荐新的内容。
图7是根据本发明一个实施例的基于向量评分的服务端内容推荐***原理框图，所述服务端内容推荐***50包括内容评分提供模块501和内容提供模块502，其中，所述内容评分提供模块501用以向应用客户端10提供内容维度评分列表。在一个实施例中，所述内容评分提供模块501将内容维度评分列表主动推送给应用客户端10，并且定时更新所述内容维度评分列表。在另一个实施例中，所述内容评分提供模块501响应应用客户端10的请求，向其发送内容维度评分列表。
所述内容提供模块502用以响应应用客户端的内容请求，向发送所述内容请求的应用客户端提供对应的内容。当用户点击了应用客户端10中推荐展示位中的某个推荐内容时，应用客户端10将该内容链接及内容请求一同经应用服务端301发送所述内容提供模块502，所述内容提供模块502根据所述内容链接，将位于数据库302或内容服务器303中的对应的内容经应用服务端301发送给应用客户端10，应用客户端10接收并向用户展示相应的内容页。
其中，为了得到线上内容的各个内容维度评分，在一个实施例中，所述服务端内容推荐***50还包括内容维度评分构建模块503，用于为所述应用提供的线上内容构建一个或多个内容维度评分。如图8所示，为根据本发明一个实施例的内容维度评分构建模块的原理框图，所述内容维度评分构建模块503包括维度构建单元5031、内容分析单元5032和内容评分单元5033，其中，所述维度构建单元5031为本应用提供的线上内容构建多个用于评分的内容维度。其中，根据应用提供的内容类别构建内容维度，例如前述的例子，当小说阅读应用中设置有多个类别如“科幻”、“悬疑”、“历史”、“都市”等时，获取所有的类别，将每一类别设置为一个内容维度，其中，所述应用的内容类别信息存储在数据库中，从数据读取对应的数据即可得到所有的内容类别。所述内容分析单元5032基于构建的内容维度对线上内容进行内容分析。例如，可通过人工方式，或者是AI模式，从内容服务器303中读取内容，基于不同的内容维度对所述内容进行内容分析。其中，不同的内容维度，具有不同的标准，例如，对于内容维度“历史”，在分析时通过获取其关于时间、人物描述、事件描述等的关键词来确定其与“历史”的相关程度。所述内容评分单元5033根据内容分析结果及对应内容维度的评分标准，确定所述内容的每一内容维度评分。例如，内容维度评分在0-9共10个等级，并为每个等级确定标准，再将内容分析结果与这些等级标准进行对比，从而得到对应的等级，即得到内容维度评分。内容维度评分构建模块503得到各个内容的内容维度评分后，将其存储在数据库302中。如前述的表1所示。
如图9所示，为根据本发明一个实施例的基于向量评分的服务端内容推荐方法，包括：
步骤S50向应用客户端提供内容维度评分列表。在一个实施例中，应用服务端已生成所述内容维度评分列表，并将其存储在数据库中，此时，可从数据库读取所述内容维度评分列表。应用服务端将所述内容维度评分列表主动推送给所述应用客户端，并定时或即时更新。或者是，在本实施例中，响应于应用客户端的请求，将所述内容维度评分列表发送给所述应用客户端。
步骤S51，基于内容请求，向发送所述内容请求的用户应用客户端提供对应的内容页。参考图1，当用户点击了应用客户端10中推荐展示位中的某个推荐内容时，应用客户端10将该内容链接及内容请求一同发送给应用服务端，根据所述内容链接，如该内容位于数据库302或内容服务器303，应用服务端到位于数据库302或内容服务器303中读取该内容链接对应的内容页，并将其发送给应用客户端10，应用客户端10接收并向用户展示所述内容页。
本发明提供的服务端内容推荐方法还提供了构建线上内容的内容维度评分的方法。具体如图10所示，其是为一个应用构建内容维度评分的流程图，具体包括以下步骤：
步骤S61，根据所述应用提供的线上内容类别构建用于评分的内容维度。由于通常提供线上内容的应用对线上内容分类存储、管理，既有利用于内容供应商的管理，也便于用户快速找到其喜欢的内容。在本实施例中，以线上内容类别作为内容维度。例如，对于小说阅读应用，将其类别“科幻”、“悬疑”、“历史”、“都市”分别设置为内容维度。
步骤S62，分析其中的一个内容。在一个实施例中，每个内容维度设置0-9共10个级别，每一种内容维度的每一种级别设置不同的标准，例如对于“历史”内容维度，通过在“时间”、“人物衣着描述”、“地点用词”、“用具”等方面的关键词及其应用量等方面设置0-9级。在分析一个内容的“历史”内容维度时，从这几个方面来分析。
步骤S63，根据内容分析结果及对应内容维度的评分标准，确定该内容的每一内容维度评分。如步骤S62中的例子，通过在“时间”、“人物衣着描述”、“地点用词”、“用具”分析一个内容，得到这几方面的关键词及其重复量，参考0-9级中的各个级别标准，将分析结果与级别标准进行对比，得到最为符合的级别，即得到该内容维度评分。
步骤S64，判断是否所有的线上内容都已经得到了内容维度评分，如果还有线上内容未得到内容维度评分，返回步骤S62，如果线上内容都得到了内容维度评分，则结束该流程。
得到所有线上内容的内容维度评分后，以表格形式存储在数据库303中，并且，随着内容的增加，可对该表格进行更新。
本发明基于向量评分机制，在用户终端，利用用户浏览数据获得的用户喜好维度评分与不同内容的内容维度评分进行匹配，算法简单，计算量小，不但可以快速、高效地得到推荐内容，而且不需要将用户的浏览数据发送到服务端，因而保护了用户隐私。
上述实施例仅供说明本发明之用，而并非是对本发明的限制，有关技术领域的普通技术人员，在不脱离本发明范围的情况下，还可以做出各种变化和变型，因此，所有等同的技术方案也应属于本发明公开的范畴。

Claims (28)

1.一种基于向量评分的客户端内容推荐***，包括：
内容评分获取模块，经配置获取多个线上内容的一个或多个内容维度评分；
用户喜好评分模块，经配置以获取用户喜好维度评分；
关系评分模块，经配置以基于线上内容的内容维度评分与用户维度喜好评分，确定所述用户对所述线上内容的关系评分；以及
推荐模块，经配置以按照关系评分的排序向用户推荐内容。
2.根据权利要求1所述的***，所述内容评分获取模块经进一步配置，从应用服务端至少获取内容维度评分列表；或者，查询本地存储的由应用服务端推送的内容维度评分列表。
3.根据权利要求1所述的***，所述用户喜好评分模块经进一步配置查询本地已存储的用户喜好维度评分列表。
4.根据权利要求1所述的***，所述用户喜好评分模块经进一步配置基于用户浏览内容过程中产生的数据生成或更新用户喜好维度评分。
5.根据权利要求4所述的***，所述用户喜好评分模块经进一步配置包括：
信息提取单元，经配置以从用户浏览内容过程中产生的数据中提取出用户浏览内容信息；
喜好维度构建单元，经配置根据浏览内容的内容维度构建用户喜好维度；以及
喜好评分单元，经配置以根据用户浏览内容信息及评分标准确定所述喜好维度评分。
6.根据权利要求1所述的***，所述关系评分模块经进一步配置，计算内容的内容维度评分与所述用户的维度喜好评分的接近程度，将数值化的所述接近程度作为所述内容与所述用户的关系评分。
7.根据权利要求6所述的***，所述关系评分模块经进一步配置，利用评分关系式1-2数值化线上内容的内容维度评分与所述用户的维度喜好评分的接近程度：
Figure FDA0002419592390000021
其中，RMSE为用户与一个内容的关系评分，yt为用户的第t个喜好维度评分，
Figure FDA0002419592390000022
为所述内容的第t个内容维度评分。
8.根据权利要求1所述的***，所述推荐模块进一步包括：
排序单元，经配置以根据内容与所述用户的关系评分，为多个内容进行排序；
推送信息生成单元，经配置以根据所述排序在前的一个多个内容生成推送信息；以及
推送单元，经配置以将所述推送信息推送到应用客户端。
9.一种基于向量评分的客户端内容推荐方法，包括：
获取多个线上内容的一个或多个内容维度评分；
获取用户喜好维度评分；
基于多个线上内容的一个或多个内容维度评分与用户喜好维度评分，确定多个内容与所述用户的多个关系评分；以及
按照多个内容关系评分的排序向用户推荐内容。
10.根据权利要求9所述的方法，进一步包括：
从应用服务端获取线上内容的内容维度评分列表；或者
查询本地存储的、由应用服务端推送的内容维度评分列表。
11.根据权利要求9所述的方法，进一步包括从本地获取已存储的最新用户喜好维度评分；或者，基于用户浏览内容过程中产生的数据生成或更新用户喜好维度评分。
12.根据权利要求11所述的方法，通过以下步骤获取用户喜好维度评分：
从用户浏览内容过程中产生的数据中提取出用户浏览内容信息，其中所述浏览内容信息至少包括浏览内容的内容维度评分和浏览量；
根据所述浏览内容的内容维度构建用户喜好维度；以及
根据用户浏览内容的浏览量及内容维度评分计算对应用户喜好维度评分。
13.根据权利要求12所述的方法，进一步包括：
按浏览内容对用户浏览内容信息分类；
根据每个浏览内容的浏览量计算每个浏览内容的浏览深度；
获取每个浏览内容的内容维度评分；以及
根据公式1-1计算一个用户喜好维度评分：
Figure FDA0002419592390000031
其中，y为一个用户喜好维度评分；
Figure FDA0002419592390000035
为第i个内容的内容维度评分；
Figure FDA0002419592390000032
为第i个内容的浏览深度，xi为第i个内容的浏览量，Xi为第i个内容的内容总量，n为具有相同内容维度的浏览内容总数。
14.根据权利要求9所述的方法，进一步包括：计算内容的内容维度评分与所述用户的维度喜好评分的接近程度，将数值化的所述接近程度作为所述内容与所述用户的关系评分。
15.根据权利要求14所述的方法，利用评分关系式1-2数值化线上内容的内容维度评分与所述用户的维度喜好评分的接近程度：
Figure FDA0002419592390000033
其中，RMSE为用户与一个内容的关系评分，yt为用户的第t个喜好维度评分，
Figure FDA0002419592390000034
为所述内容的第t个内容维度评分。
16.根据权利要求9所述的方法，进一步包括：
根据每一内容的内容关系评分，为多个线上内容进行排序；
根据所述排序在前的一个多个内容生成推送信息；以及
将所述推送信息推送到应用客户端。
17.根据权利要求16所述的方法，所述推送信息至少包括内容推荐信息及内容链接。
18.一种基于向量评分的服务端内容推荐***，包括：
内容评分提供模块，经配置以响应来自应用客户端的请求提供内容维度评分列表；以及
内容提供模块，经配置以响应来自应用客户端的内容请求，向应用客户端发送所述内容请求所请求的内容。
19.根据权利要求18所述的***，还包括内容评分构建模块，其经配置以为多个线上内容构建一个或多个内容维度评分。
20.根据权利要求19所述的***，所述内容评分构建模块经进一步配置包括：
维度构建单元，经配置构建多个用于评分的内容维度；
内容分析单元，经配置基于构建的内容维度对线上内容进行内容分析；以及
内容评分单元，经配置以根据内容分析结果及对应内容维度的评分标准，确定所述线上内容的每一内容维度评分。
21.根据权利要求19或20所述的***，所述内容评分构建模块与数据库相连接，经配置以将构建的内容维度评分存储到所述数据库中。
22.根据权利要求21所述的***，所述内容评分提供模块与数据库相连接，经配置以从所述数据库获取线上内容及其内容维度评分。
23.根据权利要求22所述的***，所述内容评分提供模块在接收到应用客户端的请求时，将内容维度评分列表提供给应用客户端；或者，所述内容评分提供模块将内容维度评分列表推送给应用客户端。
24.一种基于向量评分的服务端内容推荐方法，包括：
接收来自应用客户端的请求，向应用客户端提供内容维度评分列表；以及
接收来自应用客户端的内容请求，向应用客户端发送所述内容请求所请求的内容。
25.根据权利要求24所述的方法，进一步包括：为线上内容构建一个或多个内容维度评分。
26.根据权利要求25所述的方法，进一步包括：
根据线上内容类别构建一个或多个内容维度；
基于构建的内容维度对线上内容进行内容分析；以及
根据内容分析结果及对应内容维度的评分标准，确定线上内容的每一内容维度评分。
27.根据权利要求25或26所述的方法，进一步包括：将构建的内容维度评分存储到数据库中。
28.根据权利要求27所述的方法，进一步包括：
从数据库获取所述内容维度评分列表；以及
响应于应用客户端的请求，将所述内容维度评分列表发送给所述应用客户端；或者，将所述内容维度评分列表主动推送给所述应用客户端。
CN202010201636.8A 2020-03-20 2020-03-20 基于向量评分的客户端、服务端内容推荐***和方法 Pending CN111586089A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010201636.8A CN111586089A (zh) 2020-03-20 2020-03-20 基于向量评分的客户端、服务端内容推荐***和方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010201636.8A CN111586089A (zh) 2020-03-20 2020-03-20 基于向量评分的客户端、服务端内容推荐***和方法

Publications (1)

Publication Number Publication Date
CN111586089A true CN111586089A (zh) 2020-08-25

Family

ID=72119047

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010201636.8A Pending CN111586089A (zh) 2020-03-20 2020-03-20 基于向量评分的客户端、服务端内容推荐***和方法

Country Status (1)

Country Link
CN (1) CN111586089A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113434779A (zh) * 2021-07-22 2021-09-24 咪咕数字传媒有限公司 可智能推荐的互动阅读方法、装置、计算设备和存储介质

Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080140644A1 (en) * 2006-11-08 2008-06-12 Seeqpod, Inc. Matching and recommending relevant videos and media to individual search engine results
US20090210246A1 (en) * 2002-08-19 2009-08-20 Choicestream, Inc. Statistical personalized recommendation system
CN102004785A (zh) * 2010-11-30 2011-04-06 北京瑞信在线***技术有限公司 一种音乐推荐方法及装置
CN103186527A (zh) * 2011-12-27 2013-07-03 北京百度网讯科技有限公司 建立音乐分类模型的***、推荐音乐的***及相应方法
CN103886090A (zh) * 2014-03-31 2014-06-25 北京搜狗科技发展有限公司 基于用户喜好的内容推荐方法及装置
US9270778B1 (en) * 2007-07-05 2016-02-23 Invent.Ly, Llc Matching users based on behavior in a social network
CN106469199A (zh) * 2016-08-31 2017-03-01 福建天晴数码有限公司 一种交互式图片推荐方法及***
US20170124590A1 (en) * 2015-10-29 2017-05-04 Flipboard, Inc. Digital magazine recommendations by topic
CN107492008A (zh) * 2017-08-09 2017-12-19 阿里巴巴集团控股有限公司 信息推荐方法、装置、服务器及计算机存储介质
CN107943871A (zh) * 2017-11-10 2018-04-20 深圳市华阅文化传媒有限公司 推荐用户阅读喜好的书籍的方法及装置
US20180268015A1 (en) * 2015-09-02 2018-09-20 Sasha Sugaberry Method and apparatus for locating errors in documents via database queries, similarity-based information retrieval and modeling the errors for error resolution
CN109325818A (zh) * 2018-08-14 2019-02-12 中国平安人寿保险股份有限公司 一种产品推荐方法、计算机可读存储介质及终端设备
CN110096618A (zh) * 2019-05-10 2019-08-06 北京友普信息技术有限公司 一种基于分维度情感分析的电影推荐方法
CN110781377A (zh) * 2019-09-03 2020-02-11 腾讯科技（深圳）有限公司 一种文章推荐方法、装置

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090210246A1 (en) * 2002-08-19 2009-08-20 Choicestream, Inc. Statistical personalized recommendation system
US20080140644A1 (en) * 2006-11-08 2008-06-12 Seeqpod, Inc. Matching and recommending relevant videos and media to individual search engine results
US9270778B1 (en) * 2007-07-05 2016-02-23 Invent.Ly, Llc Matching users based on behavior in a social network
CN102004785A (zh) * 2010-11-30 2011-04-06 北京瑞信在线***技术有限公司 一种音乐推荐方法及装置
CN103186527A (zh) * 2011-12-27 2013-07-03 北京百度网讯科技有限公司 建立音乐分类模型的***、推荐音乐的***及相应方法
CN103886090A (zh) * 2014-03-31 2014-06-25 北京搜狗科技发展有限公司 基于用户喜好的内容推荐方法及装置
US20180268015A1 (en) * 2015-09-02 2018-09-20 Sasha Sugaberry Method and apparatus for locating errors in documents via database queries, similarity-based information retrieval and modeling the errors for error resolution
US20170124590A1 (en) * 2015-10-29 2017-05-04 Flipboard, Inc. Digital magazine recommendations by topic
CN106469199A (zh) * 2016-08-31 2017-03-01 福建天晴数码有限公司 一种交互式图片推荐方法及***
CN107492008A (zh) * 2017-08-09 2017-12-19 阿里巴巴集团控股有限公司 信息推荐方法、装置、服务器及计算机存储介质
CN107943871A (zh) * 2017-11-10 2018-04-20 深圳市华阅文化传媒有限公司 推荐用户阅读喜好的书籍的方法及装置
CN109325818A (zh) * 2018-08-14 2019-02-12 中国平安人寿保险股份有限公司 一种产品推荐方法、计算机可读存储介质及终端设备
CN110096618A (zh) * 2019-05-10 2019-08-06 北京友普信息技术有限公司 一种基于分维度情感分析的电影推荐方法
CN110781377A (zh) * 2019-09-03 2020-02-11 腾讯科技（深圳）有限公司 一种文章推荐方法、装置

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
张晓琳等: "杰卡德相似系数在推荐***中的应用", 《计算机技术与发展》 *
李改等: "一种新的社会化相似度计算方法", 《计算机应用研究》 *
王中友等: "基于用户喜好的个性推荐***优化", 《杭州电子科技大学学报(自然科学版)》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113434779A (zh) * 2021-07-22 2021-09-24 咪咕数字传媒有限公司 可智能推荐的互动阅读方法、装置、计算设备和存储介质
CN113434779B (zh) * 2021-07-22 2023-01-03 咪咕数字传媒有限公司 可智能推荐的互动阅读方法、装置、计算设备和存储介质

Similar Documents

Publication Publication Date Title
JP5386663B1 (ja) 情報処理装置、情報処理方法、情報処理プログラム及び記録媒体
JP5962926B2 (ja) レコメンダシステム、レコメンド方法、及びプログラム
USRE41899E1 (en) System for ranking the relevance of information objects accessed by computer users
JP5431727B2 (ja) 関連性判定方法、情報収集方法、オブジェクト組織化方法及び検索システム
US20100306249A1 (en) Social network systems and methods
US20090077065A1 (en) Method and system for information searching based on user interest awareness
EP2353103A2 (en) Method and system for determining topical relatedness of domain names
KR100889230B1 (ko) 쇼핑몰 상품 검색 서비스 시스템 및 방법
JP2011227922A (ja) 検索結果内におけるプレーストコンテンツの順序付けのパーソナライズ
JP2000348041A (ja) 文書検索方法及びその装置並びにプログラムを記録した機械読み取り可能な記録媒体
JP5668010B2 (ja) 情報推薦方法、装置及びプログラム
KR20090033989A (ko) 위치정보를 기반으로 한 지역정보 광고 방법과 상기 방법을수행하기 위한 시스템
CN112307366B (zh) 一种信息展示的方法、装置及计算机存储介质
JP7166116B2 (ja) 情報処理装置、情報処理方法、およびプログラム
JP2014006757A (ja) コンテンツ配信装置
CN112579854A (zh) 信息处理方法、装置、设备和存储介质
US9600560B2 (en) Search keyword and category association apparatus, search keyword and category association method, search keyword and category association program and recording medium
CN114820123A (zh) 团购商品推荐方法、装置、设备及存储介质
JP6434954B2 (ja) 情報処理装置、情報処理方法、およびプログラム
CN110008396B (zh) 对象信息推送方法、装置、设备及计算机可读存储介质
CN111586089A (zh) 基于向量评分的客户端、服务端内容推荐***和方法
CN109299368B (zh) 一种用于环境信息资源ai智能个性化推荐的方法及***
JP6433270B2 (ja) コンテンツ検索結果提供システム及びコンテンツ検索結果提供方法
JP2017079080A (ja) 情報処理装置、情報処理方法、情報処理プログラム
CN113392327B (zh) 基于用户网站访问记录的图书推荐方法

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
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20200825

WD01 Invention patent application deemed withdrawn after publication