CN111639267A - 一种快速计算首屏关注帖子的方法和相关产品 - Google Patents
一种快速计算首屏关注帖子的方法和相关产品 Download PDFInfo
- Publication number
- CN111639267A CN111639267A CN202010469664.8A CN202010469664A CN111639267A CN 111639267 A CN111639267 A CN 111639267A CN 202010469664 A CN202010469664 A CN 202010469664A CN 111639267 A CN111639267 A CN 111639267A
- Authority
- CN
- China
- Prior art keywords
- attention
- redis
- list
- posts
- screen
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 27
- 238000012163 sequencing technique Methods 0.000 claims abstract description 27
- 238000004364 calculation method Methods 0.000 claims abstract description 22
- 230000003247 decreasing effect Effects 0.000 claims abstract description 12
- 238000009792 diffusion process Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 230000002035 prolonged 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
- G06F16/9536—Search customisation based on social or collaborative filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/01—Social networking
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- User Interface Of Digital Computer (AREA)
Abstract
本发明涉及一种快速计算首屏关注帖子的方法和相关产品,包括关系链REDIS‑ZSET、作品REDIS‑STRING、个人作品列表REDIS‑ZSET,计算步骤为:首先由关系链获取关注列表;其次由个人作品列表获取排序关注列表;之后对帖子具有最大feed ID值的关注对象获取与首屏需要数量相同的帖子,并以依次递减的算法批量获取其它关注对象的帖子;最后对帖子做归并排序,通过作品数据库返回首屏对应数量的帖子,以及应用该方法原理的***和服务器。该发明使用读扩散模型来计算,采用递减的算法来减少归并排序的计算量,减少计算资源消耗和计算时间,加速了业务处理速度,提升用户体验。
Description
技术领域
本发明涉及计算机领域,尤其是一种快速计算首屏关注帖子的方法和相关产品。
背景技术
在如今信息化的时代,各种社交应用以及社交平台都得到了广泛的应用,自媒体时代也应运而生,人们通过这些账号来发布信息,持续更新内容,每一个用户都有一个关注列表,其关注列表中的各对象就为该用户的关注对象,同时他们也是别人的关注对象。在实际应用中,feed(帖子)的范围广泛,可以包含用户好友或关注对象的各种行为,用户通过客户前端登录应用之后,该应用需要显示的feed就很多,但由于客户前端首屏显示数量的限制,在拉取朋友圈feed流列表的业务流程就会非常复杂并有多次数据访问,还要进行大量的内存计算,大量数据的网络传输,性能较低,而且在“用户所发布feed列表”的读取上,每个用户发布feed的频率都不一样,当用户量、数据量、并发量数据逐步增加之后,需要的计算量以及计算的时间都会增加,从而带来资源的消耗和计算时间的延长,不能有效快速的在客户前端显示出需要的帖子。
发明内容
针对现有的不足,本发明提供一种能够有效节省计算时间和计算资源消耗的快速计算首屏关注帖子的方法和相关产品。
本发明解决其技术问题所采用的技术方案是:一种快速计算首屏关注帖子的方法,包括存储有全部人关注列表和关注关系的关系链REDIS-ZSET、存储有全部人发布的全部作品的作品REDIS-STRING、只存储作者发布作品关键信息的个人作品列表REDIS-ZSET,其计算步骤包括:
S1,通过关系链REDIS-ZSET获取用户的关注列表;
S2,通过个人作品列表REDIS-ZSET获取关注列表在目标时间之后每个关注对象发布的作品以时间倒序方式排列的帖子的最大feed ID值,并根据feedID值由大到小的方式排序获得排序关注列表;
S3,根据排序关注列表,对具有最大feed ID值的关注对象获取与首屏需要数量相同的帖子,然后以依次递减的算法批量获取其它关注对象的帖子;
S4,对S3中所获取的帖子以feed ID值由大到小的方式做归并排序并根据首屏需要数量的数据,通过作品REDIS-STRING返回首屏对应数量的帖子。
作为优选,所述依次递减的方式是依据首屏需要的数量,在排序关注列表中以具有最大feed ID值的关注对象获取与首屏需要数量相同的帖子,次大feed ID值则以比首屏需要数量少一条帖子的方式获取其帖子。
作为优选,所述排序关注列表中关注对象的数量大于或等于首屏需要的数量时,依次递减直至排序关注列表中获取一条帖子的关注对象为止;所述排序关注列表中关注对象的数量小于首屏需要的数量时,依次递减直至排序关注列表中具有最小feed ID值的关注对象为止。
作为优选,所述feed ID值是以最新的发帖时间为最大的原则来排列大小的。
作为优选,所述用户和关注对象通过一逻辑层来实现对关系链REDIS-ZSET、作品REDIS-STRING、个人作品列表REDIS-ZSET之间数据的存储和获取的。
作为优选,所述逻辑层包括关系链服务、作品详情服务、发布器服务、个人主页服务,作者通过发布器服务发布帖子,帖子就保存在作品REDIS-STRING并通过个人主页服务显示在个人主页,帖子的关键信息则保存到个人作品列表REDIS-ZSET;用户在阅读作品后主动关注作者,用户和作者的关系通过关系链服务保存到关系链REDIS-ZSET,作者通过关系链服务查询获取自己的粉丝列表,用户通过关系链服务查询获取自己的关注列表、个人作品列表REDIS-ZSET、通过作品详情服务查询获取作品REDIS-STRING的数据。
作为优选,所述关注列表是以用户对关注对象的关注时间大小来排列的,且最新关注对象的关注时间为最大。
一种快速计算首屏关注帖子的***,包括存储有全部人关注列表和关注关系的关系链REDIS-ZSET、存储有全部人发布的全部作品的作品REDIS-STRING、只存储作者发布作品关键信息的个人作品列表REDIS-ZSET、逻辑层;用户通过逻辑层从关系链REDIS-ZSET获取所关注对象的关注列表,从个人作品列表REDIS-ZSET获取所关注列表在目标时间之后每个关注对象发布的作品以时间倒序方式排列的帖子的feed ID值并以由大到小的方式对其进行排序的排序关注列表,并对具有最大feed ID值的关注对象获取与首屏需要数量相同的帖子,然后以依次递减的算法批量获取其它关注对象的帖子,所述逻辑层对获取的帖子以帖子的feed ID值由大到小的方式做归并排序并根据首屏需要数量的数据,通过作品REDIS-STRING返回给首屏对应数量的帖子。
作为优选,所述逻辑层包括关系链服务、作品详情服务、发布器服务、个人主页服务,作者通过发布器服务发布帖子,帖子就保存在作品REDIS-STRING并通过个人主页服务显示在个人主页,帖子的关键信息则保存到个人作品列表REDIS-ZSET;用户在阅读作品后主动关注作者,用户和作者的关系通过关系链服务保存到关系链REDIS-ZSET,作者通过关系链服务查询获取自己的粉丝列表,用户通过关系链服务查询计算获取自己的关注列表、个人作品列表REDIS-ZSET,并通过作品详情服务获取作品REDIS-STRING的数据并返回给首屏。
一种服务器,其特征在于:包括接收单元、排序单元、发送单元,所述接收单元用于接收用户通过目标应用对待关注对象发送的指令数据并将其传送给排序单元;所述排序单元根据指令对数据库中的数据进行排序,所述数据库包括存储有全部人关注列表和关注关系的关系链REDIS-ZSET、存储有全部人发布的全部作品的作品REDIS-STRING、只存储作者发布作品关键信息的个人作品列表REDIS-ZSET,所述排序单元依次通过关系链REDIS-ZSET获取并排序用户所关注对象的关注列表,通过个人作品列表REDIS-ZSET获取关注列表在目标时间之后每个关注对象发布的作品以时间倒序方式排列的帖子的最大feed ID值,并根据feed ID值由大到小的方式排序获得排序关注列表,对具有最大feed ID值的关注对象获取与首屏需要数量相同的帖子,然后以依次递减的算法批量获取其它关注对象的帖子,最后将所获取的帖子以feed ID值由大到小的方式做归并排序并传输数据信息给发送单元,所述发送单元根据首屏需要数量的数据,通过作品REDIS-STRING将对应数量的帖子发送至前端的首屏页面。
本发明的有益效果在于:该发明使用读扩散模型来计算,存储结构简单,各数据对应存储在对应的数据库中,关系数据和帖子数据均只需要存储一份,数据的存储量比较小,而在获取帖子时采用递减的算法以此来减少归并排序的计算量,减少了计算资源的消耗和计算时间,加速了业务处理速度,提升用户体验。
附图说明
图1是本发明方法的流程示意图;
图2是本发明***架构示意图;
图3是本发明服务器结构示意图。
具体实施方式
为了更清楚地说明本发明实施例的目的、技术方案和优点更加清楚,下面将结合附图及实施例对本发明作进一步说明,进行清楚、完整的描述,显然,所描述的实施例是本发明的部分实施例,而不是全部实施例。基于本发明的实施例,本领域普通技术人员在没有付出创造性劳动的前提下所获得的所有其他实施例,都属于本发明的保护范围。
本发明实施例如图1中所示,一种快速计算首屏关注帖子的方法,包括存储有全部人关注列表和关注关系的关系链REDIS-ZSET、存储有全部人发布的全部作品的作品REDIS-STRING、只存储作者发布作品关键信息的个人作品列表REDIS-ZSET,帖子俗称也叫feeds,是用户通过一些应用发布的内容,帖子可以包括文章、评论、图片、视频、更改状态等用户发布的内容中的一项或多项,作品REDIS-STRING是全量数据,通过它就可以获取所有关注对象的帖子,作者发布作品的关键信息则包括帖子的ID、发帖时间、发帖状态等,关系链REDIS-ZSET则提供了所有人之间的关注或被关注的关系,各数据对应存储在对应的数据库中,关系数据和帖子数据均只需要存储一份,数据的存储量比较小,其计算步骤包括:
S1,通过关系链REDIS-ZSET获取用户的关注列表,该关注列表包括有用户的好友,以及用户在阅读作品后感兴趣并主动关注的作者,此时用户和好友以及作者的关系就被保存在关系链REDIS-ZSET中,在关注多个作者时就会形成用户的关注列表,用户可以随时添加或取消对作者的关注,在相应的应用中,作者就可以看到自己的粉丝列表亦即被关注列表,用户就可以看到自己的关注列表;此时所述关注列表可以是以用户对关注对象的关注时间大小来排列的,且最新关注对象的关注时间为最大,假设前端首屏需要显示3条数据,此时如表1关注列表中所示,时间点T3>T2>T1
序号 | 关注对象ID | 关注时间 |
1 | A3 | T3 |
2 | A1 | T2 |
3 | A2 | T1 |
表1
其中:A1、A2、A3表示不同的关注对象,T1、T2、T3则表示用户关注关注对象时的关注时间点
S2,通过个人作品列表REDIS-ZSET获取关注列表在目标时间之后每个关注对象发布的作品以时间倒序方式排列的帖子的最大feed ID值,并根据feedID值由大到小的方式排序获得排序关注列表,feed ID是帖子的唯一的标识或编号,目标时间则是用户需要获取帖子的时间点,如用户需要读取在时间t1之后的帖子,那么在该时间之后所有关注列表中关注对象所发布的作品就会被计算出来,而每个关注对象所发布作品的时间千差万别,在按作品发布时间倒序方式排列时,对于单个关注对象来说,所述feed ID值是以最新的发帖时间为最大的原则来排列大小的,就意味着feed ID值越大则其发帖时间就越新,通过计算就获取了每个关注对象的最大feed ID值,然后再比较不同关注对象的最大feed ID值并按照由大到小的顺序排列就得到排序关注列表,这样第一新的帖子就等于时间值第一大的帖子,亦即feed ID最大的帖子,第二新的帖子就是feed ID值第二大的帖子,依次类推就可以获得按时间值或者说是按照feed ID值排序的帖子列表,如表2排序关注列表所示,feed ID值F99>F98>F97>…,
序号 | 关注对象ID | F之后的feed ID |
1 | A1 | F99、F96、F93、F90 |
2 | A3 | F98、F95、F92、F89 |
3 | A2 | F97、F94、F91、F88 |
表2
其中,A1、A2、A3表示不同的关注对象,F则表示目标时间点,F99、F98、F97表示不同关注对象在F之后的最大feed ID值
从表2中就可以确定“第一新的帖子”也就是feed ID最大的帖子是由表中序号为1的人,亦即表中所列的第一个人,即A1这个人所发布的,第二新的帖子则是由表中序号为1或2的人,即A1或A3所发布的,第三新的帖子则是由表中序号为1或2或3的人,即A1或A3或A2所发布的;
S3,根据排序关注列表,对具有最大feed ID值的关注对象获取与首屏需要数量相同的帖子,然后以依次递减的算法批量获取其它关注对象的帖子,如表3递减后的关系列表,
序号 | 关注对象ID | F之后的feed ID |
1 | A1 | F99、F96、F93 |
2 | A3 | F98、F95 |
3 | A2 | F97 |
表3
由于每个关注对象所发作品的数量、时间等都是不同的,通过这样的方式就减少了要计算的数据量,但却不会遗漏掉需要在客户前端的首屏显示的满足要求的帖子数量,所述依次递减的方式是依据首屏需要的数量,在排序关注列表中以具有最大feed ID值的关注对象获取与首屏需要数量相同的帖子,次大feed ID值则以比首屏需要数量少一条帖子的方式获取其帖子,此时对应于表2来说,如果要获取第一新、第二新和第三新的帖子,即时间值第一大的帖子、时间值第二大的帖子、时间值第三大的帖子,那么1号就获取3条,2号获取2条,3号获取1条帖子,以此类推,如果要获取“时间值第一大的帖子”、“时间值第二大的帖子”….“时间值第N大的帖子”,在对应有N个关注对象的前提下,那么第一个人要取N条,第二个人要取N-1条,…..,第N个人要取1条;此时在关注列表中关注对象与在首屏需要显示的数量不同时,所述排序关注列表中关注对象的数量大于或等于首屏需要的数量时,依次递减直至排序关注列表中获取一条帖子的关注对象为止;所述排序关注列表中关注对象的数量小于首屏需要的数量时,依次递减直至排序关注列表中具有最小feed ID值的关注对象为止。此时,以M1表示传统方法中待归并排序的数量,M2表示该方法中待归并排序的数量,P表示关注列表中关注对象的数量,N表示需要在客户前端首屏显示的数量,当关注列表中P=1的情况下,M2和M1的数量相同均为N;当N=1的情况下,M2和M1相同均为1;当P>1且N>1的情况下,两者的比较则如下所示,
1)该方法中是以递减的方式来获得最后的M2,是属于一种等差数列的,等差数列和=(首项+末项)*(项数/2),
2)如果P>=N,则M2==N+(N-1)+…+1=N*(N+1)/2;否则(P<N),则M2=N+(N-1)+…+(N-P)=(N+N-P)*P/2=P*N-P*P/2
3)M1=N*min(P,N)=min(N*N,P*N),即如果P>=N,则M1=N*N;否则(P<N),则M1=P*N
4)P>=N情况下,M2=N*(N+1)/2<M1=N*N,数学归纳法:
A.假设N=2,M2=3,M1=4,该公式成立。
B.假设N=K时,该公式成立,即K*(K+1)/2<K*K
C.假N=K+1时:
K*(K+1)/2+(K+1)<=K*K+(K+1)
K*(K+1)/2+2(K+1)/2<=K*K+K+1
(K+2)*(K+1)/2<=K*K+K+1<=K*K+2K+1
(K+1)((K+1)+1)/2<=K*K+K+1<=(K+1)*(K+1)
(K+1)((K+1)+1)/2<=(K+1)*(K+1)
说明N=K+1时也是成立的,所以结论是对于任意自然数N,M2=N*(N+1)/2<M1=N*N,即M2<M1
5)P<N时,M2=P*N-P*P/2<M1=P*N。
由此可以得出结论,对于任意自然数N和P,都存在M2<=M1,常见的关系链场景中关系链列表P>1且页面展示条数N>1的情况下,M2<M1,这也就充分的说明了通过该方法就有效的减少了归并排序的计算量,减少了计算资源的消耗和计算时间,加速了业务处理速度,提升用户体验。
S4,对前述S3步骤中所获取的帖子以feed ID值由大到小的方式做归并排序并根据首屏需要数量的数据,通过作品REDIS-STRING返回首屏对应数量的帖子,归并排序后的数据结果为“F99、F98、F97、F96、F95、F93”,而前端的首屏值需要3条数据,则返回给首屏的就是“F99、F98、F97”,极大的减少了归并排序的计算量和计算资源。
进一步的改进,如图2中所示,所述用户和关注对象通过一逻辑层来实现对关系链REDIS-ZSET、作品REDIS-STRING、个人作品列表REDIS-ZSET之间数据的存储和获取的,这样就具有了数据库数据整体的逻辑结构,有效的实现对各数据的提取和存储,这个逻辑层可以采用现有的任何一种数据模型来实现。所述逻辑层包括关系链服务、作品详情服务、发布器服务、个人主页服务,作者通过发布器服务发布帖子,帖子就保存在作品REDIS-STRING并通过个人主页服务显示在个人主页,帖子的关键信息则保存到个人作品列表REDIS-ZSET;用户在阅读作品后主动关注作者,用户和作者的关系通过关系链服务保存到关系链REDIS-ZSET,作者通过关系链服务查询获取自己的粉丝列表,用户通过关系链服务查询获取自己的关注列表、个人作品列表REDIS-ZSET、通过作品详情服务查询获取作品REDIS-STRING的数据。
依据快速计算首屏关注帖子的方法,就形成有一种***,如图2中所示,一种快速计算首屏关注帖子的***,包括存储有全部人关注列表和关注关系的关系链REDIS-ZSET、存储有全部人发布的全部作品的作品REDIS-STRING、只存储作者发布作品关键信息的个人作品列表REDIS-ZSET、逻辑层;用户通过逻辑层从关系链REDIS-ZSET获取所关注对象的关注列表,从个人作品列表REDIS-ZSET获取所关注列表在目标时间之后每个关注对象发布的作品以时间倒序方式排列的帖子的feed ID值并以由大到小的方式对其进行排序的排序关注列表,并对具有最大feed ID值的关注对象获取与首屏需要数量相同的帖子,然后以依次递减的算法批量获取其它关注对象的帖子,所述逻辑层对获取的帖子以feed ID值由大到小的方式做归并排序并根据首屏需要数量的数据,通过作品REDIS-STRING返回给首屏对应数量的帖子。所述逻辑层则包括关系链服务、作品详情服务、发布器服务、个人主页服务,作者通过发布器服务发布帖子,帖子就保存在作品REDIS-STRING并通过个人主页服务显示在个人主页,帖子的关键信息则保存到个人作品列表REDIS-ZSET;用户在阅读作品后主动关注作者,用户和作者的关系通过关系链服务保存到关系链REDIS-ZSET,作者通过关系链服务查询获取自己的粉丝列表,用户通过关系链服务查询计算获取自己的关注列表、个人作品列表REDIS-ZSET,并通过作品详情服务获取作品REDIS-STRING的数据并返回给首屏。
一种服务器,如图3中所示,包括接收单元1、排序单元2、发送单元3,所述接收单元1用于接收用户通过目标应用对待关注对象发送的指令数据并将其传送给排序单元2;所述排序单元2根据指令对数据库4中的数据进行排序,所述数据库4包括存储有全部人关注列表和关注关系的关系链REDIS-ZSET、存储有全部人发布的全部作品的作品REDIS-STRING、只存储作者发布作品关键信息的个人作品列表REDIS-ZSET,所述排序单元2依次通过关系链REDIS-ZSET获取并排序用户所关注对象的关注列表,通过个人作品列表REDIS-ZSET获取关注列表在目标时间之后每个关注对象发布的作品以时间倒序方式排列的帖子的最大feed ID值,并根据feed ID值由大到小的方式排序获得排序关注列表,对具有最大feed ID值的关注对象获取与首屏需要数量相同的帖子,然后以依次递减的算法批量获取其它关注对象的帖子,最后将所获取的帖子以feed ID值由大到小的方式做归并排序并传输数据信息给发送单元3,所述发送单元3根据首屏需要数量的数据,通过作品REDIS-STRING将对应数量的帖子发送至前端的首屏页面。
应当理解的是,对本领域普通技术人员来说,可以根据上述说明加以改进或变换,而所有这些改进和变换都应属于本发明所附权利要求的保护范围。
Claims (10)
1.一种快速计算首屏关注帖子的方法,其特征在于:包括存储有全部人关注列表和关注关系的关系链REDIS-ZSET、存储有全部人发布的全部作品的作品REDIS-STRING、只存储作者发布作品关键信息的个人作品列表REDIS-ZSET,其计算步骤包括:
S1,通过关系链REDIS-ZSET获取用户的关注列表;
S2,通过个人作品列表REDIS-ZSET获取关注列表在目标时间之后每个关注对象发布的作品以时间倒序方式排列的帖子的最大feed ID值,并根据feed ID值由大到小的方式排序获得排序关注列表;
S3,根据排序关注列表,对具有最大feed ID值的关注对象获取与首屏需要数量相同的帖子,然后以依次递减的算法批量获取其它关注对象的帖子;
S4,对S3中所获取的帖子以feed ID值由大到小的方式做归并排序并根据首屏需要数量的数据,通过作品REDIS-STRING返回首屏对应数量的帖子。
2.根据权利要求1所述快速计算首屏关注帖子的方法,其特征在于:所述依次递减的方式是依据首屏需要的数量,在排序关注列表中以具有最大feed ID值的关注对象获取与首屏需要数量相同的帖子,次大feed ID值则以比首屏需要数量少一条帖子的方式获取其帖子。
3.根据权利要求2所述快速计算首屏关注帖子的方法,其特征在于:所述排序关注列表中关注对象的数量大于或等于首屏需要的数量时,依次递减直至排序关注列表中获取一条帖子的关注对象为止;所述排序关注列表中关注对象的数量小于首屏需要的数量时,依次递减直至排序关注列表中具有最小feed ID值的关注对象为止。
4.根据权利要求1所述快速计算首屏关注帖子的方法,其特征在于:所述feed ID值是以最新的发帖时间为最大的原则来排列大小的。
5.根据权利要1所述快速计算首屏关注帖子的方法,其特征在于:所述用户和关注对象通过一逻辑层来实现对关系链REDIS-ZSET、作品REDIS-STRING、个人作品列表REDIS-ZSET之间数据的存储和获取的。
6.根据权利要5所述快速计算首屏关注帖子的方法,其特征在于:所述逻辑层包括关系链服务、作品详情服务、发布器服务、个人主页服务,作者通过发布器服务发布帖子,帖子就保存在作品REDIS-STRING并通过个人主页服务显示在个人主页,帖子的关键信息则保存到个人作品列表REDIS-ZSET;用户在阅读作品后主动关注作者,用户和作者的关系通过关系链服务保存到关系链REDIS-ZSET,作者通过关系链服务查询获取自己的粉丝列表,用户通过关系链服务查询获取自己的关注列表、个人作品列表REDIS-ZSET、通过作品详情服务查询获取作品REDIS-STRING的数据。
7.根据权利要求1所述快速计算首屏关注帖子的方法,其特征在于:所述关注列表是以用户对关注对象的关注时间大小来排列的,且最新关注对象的关注时间为最大。
8.一种快速计算首屏关注帖子的***,其特征在于:包括存储有全部人关注列表和关注关系的关系链REDIS-ZSET、存储有全部人发布的全部作品的作品REDIS-STRING、只存储作者发布作品关键信息的个人作品列表REDIS-ZSET、逻辑层;用户通过逻辑层从关系链REDIS-ZSET获取关注列表,从个人作品列表REDIS-ZSET获取所关注列表在目标时间之后每个关注对象发布的作品以时间倒序方式排列的帖子的feed ID值并以由大到小的方式对其进行排序的排序关注列表,并对具有最大feed ID值的关注对象获取与首屏需要数量相同的帖子,然后以依次递减的算法批量获取其它关注对象的帖子,所述逻辑层对获取的帖子以feed ID值由大到小的方式做归并排序并根据首屏需要数量的数据,通过作品REDIS-STRING返回给首屏对应数量的帖子。
9.根据权利要求8所述快速计算首屏关注帖子的***,其特征在于:所述逻辑层包括关系链服务、作品详情服务、发布器服务、个人主页服务,作者通过发布器服务发布帖子,帖子就保存在作品REDIS-STRING并通过个人主页服务显示在个人主页,帖子的关键信息则保存到个人作品列表REDIS-ZSET;用户在阅读作品后主动关注作者,用户和作者的关系通过关系链服务保存到关系链REDIS-ZSET,作者通过关系链服务查询获取自己的粉丝列表,用户通过关系链服务查询计算获取自己的关注列表、个人作品列表REDIS-ZSET,并通过作品详情服务获取作品REDIS-STRING的数据并返回给首屏。
10.一种服务器,其特征在于:包括接收单元、排序单元、发送单元,所述接收单元用于接收用户通过目标应用对待关注对象发送的指令数据并将其传送给排序单元;所述排序单元根据指令对数据库中的数据进行排序,所述数据库包括存储有全部人关注列表和关注关系的关系链REDIS-ZSET、存储有全部人发布的全部作品的作品REDIS-STRING、只存储作者发布作品关键信息的个人作品列表REDIS-ZSET,所述排序单元依次通过关系链REDIS-ZSET获取并排序用户的关注列表,通过个人作品列表REDIS-ZSET获取关注列表在目标时间之后每个关注对象发布的作品以时间倒序方式排列的帖子的最大feed ID值,并根据feed ID值由大到小的方式排序获得排序关注列表,对具有最大feed ID值的关注对象获取与首屏需要数量相同的帖子,然后以依次递减的算法批量获取其它关注对象的帖子,最后将所获取的帖子以feed ID值由大到小的方式做归并排序并传输数据信息给发送单元,所述发送单元根据首屏需要数量的数据,通过作品REDIS-STRING将对应数量的帖子发送至前端的首屏页面。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010469664.8A CN111639267A (zh) | 2020-05-28 | 2020-05-28 | 一种快速计算首屏关注帖子的方法和相关产品 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010469664.8A CN111639267A (zh) | 2020-05-28 | 2020-05-28 | 一种快速计算首屏关注帖子的方法和相关产品 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111639267A true CN111639267A (zh) | 2020-09-08 |
Family
ID=72332240
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010469664.8A Pending CN111639267A (zh) | 2020-05-28 | 2020-05-28 | 一种快速计算首屏关注帖子的方法和相关产品 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111639267A (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110231296A1 (en) * | 2010-03-16 | 2011-09-22 | UberMedia, Inc. | Systems and methods for interacting with messages, authors, and followers |
US20120117059A1 (en) * | 2010-11-09 | 2012-05-10 | Microsoft Corporation | Ranking Authors in Social Media Systems |
US20130275348A1 (en) * | 2012-04-13 | 2013-10-17 | Joel Alexander Booth | System and methods for generating optimal post times for social networking sites |
CN103390014A (zh) * | 2012-10-29 | 2013-11-13 | 爱乐活(北京)科技有限公司 | 一种社区帖子的发布方法和*** |
US8825759B1 (en) * | 2010-02-08 | 2014-09-02 | Google Inc. | Recommending posts to non-subscribing users |
US9397974B1 (en) * | 2011-12-08 | 2016-07-19 | UberMedia, Inc. | Microblogging system and method for resending posts |
CN109242710A (zh) * | 2018-08-16 | 2019-01-18 | 北京交通大学 | 社交网络节点影响力排序方法及*** |
US10275535B1 (en) * | 2015-06-04 | 2019-04-30 | United Services Automobile Association (Usaa) | Obtaining user feedback from social media data |
CN110825939A (zh) * | 2019-09-19 | 2020-02-21 | 五八有限公司 | 帖子的分数生成、排序方法、装置、电子设备及存储介质 |
CN110837609A (zh) * | 2019-11-12 | 2020-02-25 | 腾讯科技(深圳)有限公司 | 社交信息处理方法和相关产品 |
-
2020
- 2020-05-28 CN CN202010469664.8A patent/CN111639267A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8825759B1 (en) * | 2010-02-08 | 2014-09-02 | Google Inc. | Recommending posts to non-subscribing users |
US20110231296A1 (en) * | 2010-03-16 | 2011-09-22 | UberMedia, Inc. | Systems and methods for interacting with messages, authors, and followers |
US20120117059A1 (en) * | 2010-11-09 | 2012-05-10 | Microsoft Corporation | Ranking Authors in Social Media Systems |
US9397974B1 (en) * | 2011-12-08 | 2016-07-19 | UberMedia, Inc. | Microblogging system and method for resending posts |
US20130275348A1 (en) * | 2012-04-13 | 2013-10-17 | Joel Alexander Booth | System and methods for generating optimal post times for social networking sites |
CN103390014A (zh) * | 2012-10-29 | 2013-11-13 | 爱乐活(北京)科技有限公司 | 一种社区帖子的发布方法和*** |
US10275535B1 (en) * | 2015-06-04 | 2019-04-30 | United Services Automobile Association (Usaa) | Obtaining user feedback from social media data |
CN109242710A (zh) * | 2018-08-16 | 2019-01-18 | 北京交通大学 | 社交网络节点影响力排序方法及*** |
CN110825939A (zh) * | 2019-09-19 | 2020-02-21 | 五八有限公司 | 帖子的分数生成、排序方法、装置、电子设备及存储介质 |
CN110837609A (zh) * | 2019-11-12 | 2020-02-25 | 腾讯科技(深圳)有限公司 | 社交信息处理方法和相关产品 |
Non-Patent Citations (2)
Title |
---|
王传安;贾丙静;葛华;: "MOOC学习平台中"无用帖"的识别方法研究" * |
赵永亮;唐锡晋;: "基于天涯论坛的BBS在线行为分析" * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109002490B (zh) | 用户画像生成方法、装置、服务器及存储介质 | |
US10469275B1 (en) | Clustering of discussion group participants | |
CN105872111B (zh) | 一种信息推送的控制方法以及服务器 | |
CN106529985B (zh) | 一种推广信息的投放方法、装置和*** | |
US20200118146A1 (en) | Transaction information based meet-ups | |
CN106294500B (zh) | 内容项目的推送方法、装置及*** | |
CN103425670B (zh) | 一种向用户提供内容推荐信息的方法、装置和设备 | |
CN111522940B (zh) | 用于处理评论信息的方法和装置 | |
CN109242537A (zh) | 广告投放方法、装置、计算机设备及存储介质 | |
CN106202393A (zh) | 媒体信息推送方法及装置 | |
CN110197404A (zh) | 可降低流行度偏差的个性化长尾商品推荐方法和*** | |
CN112615958A (zh) | 联系人显示方法、装置及电子设备 | |
KR20150046431A (ko) | 효과적인 마케팅을 도출하는 자동학습 시스템 및 방법 | |
CN110851651A (zh) | 一种个性化视频推荐方法及*** | |
US11216735B2 (en) | Method and system for providing synthetic answers to a personal question | |
Paredes-Corvalan et al. | Engagement of the e-commerce industry in the US, according to Twitter in the period of the COVID-19 pandemic | |
CN110837609A (zh) | 社交信息处理方法和相关产品 | |
CN116823410A (zh) | 数据处理方法、对象处理方法、推荐方法及计算设备 | |
CN111639267A (zh) | 一种快速计算首屏关注帖子的方法和相关产品 | |
CN113704630B (zh) | 一种信息推送方法、装置、可读存储介质和电子设备 | |
CN110727863A (zh) | 一种基于复杂网络协同过滤的项目推荐方法 | |
Jamil et al. | A collaborative names recommendation in the Twitter environment based on location | |
CN113516524B (zh) | 用于推送信息的方法和装置 | |
US11321358B2 (en) | System for processing resource data using character fit objects | |
CN113672818B (zh) | 一种获取社交媒体用户画像的方法及*** |
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 |