CN111695030A - 参数获取方法、装置、电子设备及计算机可读存储介质 - Google Patents
参数获取方法、装置、电子设备及计算机可读存储介质 Download PDFInfo
- Publication number
- CN111695030A CN111695030A CN202010340907.8A CN202010340907A CN111695030A CN 111695030 A CN111695030 A CN 111695030A CN 202010340907 A CN202010340907 A CN 202010340907A CN 111695030 A CN111695030 A CN 111695030A
- Authority
- CN
- China
- Prior art keywords
- preset
- user
- determined
- interest value
- wifi
- 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
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
-
- 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
- G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/205—Parsing
- G06F40/216—Parsing using statistical methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/284—Lexical analysis, e.g. tokenisation or collocates
-
- 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
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0631—Item recommendations
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Business, Economics & Management (AREA)
- Artificial Intelligence (AREA)
- Accounting & Taxation (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Finance (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Probability & Statistics with Applications (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明提供了一种参数获取方法、装置、电子设备及计算机可读存储介质,属于电子设备技术领域。该方法中,对于待确定用户,可以获取待确定用户对预设内容类别的第一兴趣值,其中,该第一兴趣值是利用待确定用户的用户特征及预设分类模型确定的,根据待确定用户在预设时段内出现过的地点及预设内容类别对应的预设地点类型,获取待确定用户对预设内容类别的第二兴趣值,根据第一兴趣值和第二兴趣值,计算待确定用户对预设内容类别的最终兴趣值。这样,结合两者确定体现用户兴趣的最终兴趣值的方式,一定程度上可以提高确定的用户兴趣的准确程度。
Description
技术领域
本发明属于电子设备技术领域,特别是涉及一种参数获取方法、装置、电子设备及计算机可读存储介质。
背景技术
随着计算机技术的不断发展,计算机的应用越来越广泛。为了方便用户通过电子设备快速获取到感兴趣的内容,经常需要根据用户的个人兴趣向用户推荐用户感兴趣的内容。
现有技术中,在确定用户兴趣时,往往是根据用户预设的固定信息,计算用户对预设内容类别的感兴趣程度,基于用户对预设内容类别的感兴趣程度直接进行推荐。这样,直接基于固定信息确定用户兴趣的方式,准确性较低,进而导致推荐效果较差。
发明内容
本发明提供一种参数获取方法、装置、电子设备及计算机可读存储介质,以便解决确定的用户兴趣准确性较低的问题。
在本发明实施的第一方面,首先提供了一种参数获取方法,该方法包括:
对于待确定用户,获取所述待确定用户对预设内容类别的第一兴趣值;所述第一兴趣值是利用所述待确定用户的用户特征及预设分类模型确定的;
根据所述待确定用户在预设时段内出现过的地点及所述预设内容类别对应的预设地点类型,获取所述待确定用户对所述预设内容类别的第二兴趣值;
根据所述第一兴趣值和所述第二兴趣值,计算所述待确定用户对所述预设内容类别的最终兴趣值。
在本发明实施的第二方面,还提供了一种参数获取装置,该装置包括:
第一获取模块,用于对于待确定用户,获取所述待确定用户对预设内容类别的第一兴趣值;所述第一兴趣值是利用所述待确定用户的用户特征及预设分类模型确定的;
第二获取模块,用于根据所述待确定用户在预设时段内出现过的地点及所述预设内容类别对应的预设地点类型,获取所述待确定用户对所述预设内容类别的第二兴趣值;
计算模块,用于根据所述第一兴趣值和所述第二兴趣值,计算所述待确定用户对所述预设内容类别的最终兴趣值。
在本发明实施的又一方面,还提供了一种计算机可读存储介质,所述计算机可读存储介质中存储有指令,当其在计算机上运行时,使得计算机执行上述任一所述的参数获取方法。
在本发明实施的又一方面,还提供了一种包含指令的计算机程序产品,当其在计算机上运行时,使得计算机执行上述任一所述的参数获取方法。
本发明实施例提供的参数获取方法,对于待确定用户,通过获取待确定用户对预设内容类别的第一兴趣值,其中,该第一兴趣值是利用待确定用户的用户特征及预设分类模型确定的,该用户特征是根据待确定用户的用户个人信息确定的,接着,可以根据待确定用户在预设时段内出现过的地点及预设内容类别对应的预设地点类型,获取待确定用户对预设内容类别的第二兴趣值,最后,根据第一兴趣值和第二兴趣值,计算待确定用户对预设内容类别的最终兴趣值。由于预设时长内待确定用户出现过的地点,一定程度上可以体现待确定用户最近的短期兴趣,因此,本发明实施例中,利用根据用户个人信息的确定的第一兴趣值的同时,结合根据出现参数确定的第二兴趣值,确定体现用户兴趣的最终兴趣值的方式,一定程度上可以提高确定的最终兴趣值能够准确体现用户兴趣的准确程度,这样,可以使得后续基于该最终兴趣值进行推荐时,向用户推荐的内容更能满足用户,进而提高推荐效果。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍。
图1是本发明实施例提供的一种参数获取方法的步骤流程图;
图2-1是本发明实施例提供的另一种参数获取方法的步骤流程图;
图2-2是本发明实施例提供的一种参数获取方法的示意图;
图3-1是本发明实施例提供的一种参数获取装置的框图;
图3-2是本发明实施例提供的另一种参数获取装置的框图;
图4是本发明实施例提供的一种电子设备的框图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行描述。
图1是本发明实施例提供的一种参数获取方法的步骤流程图,如图1所示,该方法可以包括:
步骤101、对于待确定用户,获取所述待确定用户对预设内容类别的第一兴趣值;所述第一兴趣值是利用所述待确定用户的用户特征及预设分类模型确定的。
本发明实施例中,待确定用户可以是需要确定用户兴趣的用户,待确定用户可以是网络中的任一用户。示例的,待确定用户可以是视频播放应用中的用户。待确定用户的用户特征是根据待确定用户的用户个人信息确定的。用户个人信息可以是与待确定用户有关的信息,例如,待确定用户的身体健康状况、待确定用户的年收入、待确定用户的家庭成员数量、待确定用户的家庭成员的年龄,等等。这些用户个人信息可以是电子设备从网络中爬取的,也可以是通过显示的信息收集页面,向待确定用户收集的。进一步地,可以通过对各个维度的用户个人信息进行向量化,然后将向量化之后得到的向量,确定为待确定用户的用户特征。预设内容类别可以是后续需要推荐的内容的类别,其中,需要推荐的内容可以是物品、视频、音乐,等等。
进一步地,预设分类模型可以是基于大数据机器学习方法,通过样本数据对初始分类模型进行预先训练得到的。该预设分类模型可以根据用户特征,对待确定用户对每个预设内容类别感兴趣的程度进行预测,最后,输出待确定用户对每个预设内容类别该兴趣的概率值。其中,概率值越大,可以说明待确定用户对该预设内容类别的感兴趣程度越大。
该样本数据可以包括多个由样本用户的样本用户特征及真实类别值组成的样本对。其中,真实类别值用于表示样本用户对预设内容类别感兴趣程度的概率值。样本用户可以是根据对预设内容类别感兴趣的用户会存在的特质,从网络中筛选的对预设内容类别感兴趣的人群。示例的,假设预设内容类别为母婴产品,那么可以从网络中筛选家庭成员包含0-3岁小孩的用户,以作为样本用户。
在筛选时,可以是显示一个资料填写页面,然后接收用户从该页面输入的内容,接着,根据这些内容进行筛选。在获取样本用户的样本用户特征时,可以先根据从网络中爬取的样本用户的个人信息,例如,样本用户的基本个人信息、观影行为信息、会员业务信息、所使用的电子设备中安装的应用软件上报的信息、进行搜索的相关信息。然后,对这些信息进行向量化,得到样本用户特征。需要说明的是,本发明实施例中,还可以将这些样本用户特征补充至预设的用户画像数据库中,为刻画用户画像提供更多的数据,进而提高用户画像的刻画程度,增加用户画像的刻画效果。
步骤102、根据所述待确定用户在预设时段内出现过的地点及所述预设内容类别对应的预设地点类型,获取所述待确定用户对所述预设内容类别的第二兴趣值。
本发明实施例中预设时段可以是根据实际需求设置的,示例的,该预设时段可以是预设时段组成的时段,其中,该预设时长可以根据需求设置,例如,该预设时长可以为3天、5天或7天,等等。预设内容类别对应的预设地点类型可以是根据实际情况预先设定,预设内容类别对应的预设地点类型可以是用户对该预设内容类别感兴趣时,可能会去的地点的类型。一个预设内容类别对应的预设地点类型可以为一个或多个。
由于第一兴趣值是基于用户个人信息确定的,因此,可以认为该第一兴趣值是从用户个人信息层面上反映待确定用户的用户兴趣。而用户所去的地点往往会由于受到最近兴趣的影响而发生变化,例如,用户最近突然喜欢上了健身,那么该用户近期往往会去能够健身的健身房所处的地点,因此,待确定用户的在不同地点的出现情况,一定程度上可以体现用户最近的兴趣。基于此,为了提高确定的用户兴趣的准确性,本步骤中可以进一步根据待确定用户在预设时段内出现过的地点及预设内容类别对应的预设地点类型,确定待确定用户对预设内容类别的第二兴趣值。
步骤103、根据所述第一兴趣值和所述第二兴趣值,计算所述待确定用户对所述预设内容类别的最终兴趣值。
本发明实施例中,由于第一兴趣值可以从用户个人信息层面上反映待确定用户的用户兴趣,而用户个人信息变化的频率较低,即,第一兴趣值可以体现待确定用户在较为稳定的固定兴趣下对预设内容类别的感兴趣程度,第二兴趣值可以体现待确定用户在近期兴趣下对预设内容类别的感兴趣程度,因此,可以结合两者确定最终兴趣值。由于最终兴趣值结合了第一兴趣值及第二兴趣值,因此,一定程度上可以更加全面的反映待确定用户的用户兴趣,进而可以提高确定的用户兴趣的准确性。
综上所述,本发明实施例提供的参数获取方法,对于待确定用户,可以获取待确定用户对预设内容类别的第一兴趣值,其中,该第一兴趣值是利用待确定用户的用户特征及预设分类模型确定的,该用户特征是根据待确定用户的用户个人信息确定的,接着,可以根据待确定用户在预设时段内出现过的地点及预设内容类别对应的预设地点类型,获取待确定用户对预设内容类别的第二兴趣值,最后,根据第一兴趣值和第二兴趣值,计算待确定用户对预设内容类别的最终兴趣值。由于预设时长内待确定用户出现过的地点,一定程度上可以体现待确定用户最近的短期兴趣,因此,本发明实施例中,利用根据用户个人信息的确定的第一兴趣值的同时,结合根据出现参数确定的第二兴趣值,确定体现用户兴趣的最终兴趣值的方式,一定程度上可以提高确定的最终兴趣值能够准确体现用户兴趣的准确程度,这样,可以使得后续基于该最终兴趣值进行推荐时,向用户推荐的内容更能满足用户,进而提高推荐效果。
图2-1是本发明实施例提供的另一种参数获取方法的步骤流程图,如图2-1所示,该方法可以包括:
步骤201、对于待确定用户,获取所述待确定用户对预设内容类别的第一兴趣值;所述第一兴趣值是利用所述待确定用户的用户特征及预设分类模型确定的。
本步骤中,在获取第一兴趣值时,可以将用户特征作为预设分类模型的输入,利用预设分类模型生成第一兴趣值;用户特征是根据待确定用户的个人信息确定的。具体的,可以利用该预设分类模型根据该用户特征,确定待确定用户对预设内容类别感兴趣的概率值。然后将该概率值确定为第一兴趣值,或者是根据预设的概率值与数值对应关系,将与该概率值相匹配的数值确定为第一兴趣值。这样,通过预设分类模型实时生成第一兴趣值,一定程度上可以确保第一兴趣值的准确性。
或者,也可以是通过下述操作实现获取第一兴趣值:根据待确定用户的用户标识(Identity,ID),从预设第一兴趣值数据库中查找用户ID对应的第一兴趣值,得到待确定用户对预设内容类别的第一兴趣值;其中,预设第一兴趣值数据库中存储有不同用户对预设内容类别的第一兴趣值,第一兴趣值数据库中存储的第一兴趣值是根据预设分类模型及各个用户的用户特征预先生成的。这样,通过直接查找即可获取到第一兴趣值,进而一定程度上可以提高第一兴趣值的获取效率。
具体的,可以在训练得到该预设分类模型之后,利用该预设分类模型,根据网络中不同用户各自对应的用户特征,确定不同用户对应的第一兴趣值,并存储到预设第一兴趣值数据库。即,进行全局预测,相应地,本步骤中,可以直接从预先确定的第一兴趣值中查找该待确定用户对应的第一兴趣值。由于模型训练以及全局预测所耗费的处理资源较多,因此,本发明实施例中,可以通过其他设备实现这两个操作,以节省执行本发明实施例提供的参数获取方法的设备的处理资源,进而确保设备的稳定运行。需要说明的是,为了确保预设第一兴趣值数据库中存储的第一兴趣值的准确性,本发明实施例中,还可以按照预设周期,重新获取网络中不同用户的用户信息,然后基于不同用户的用户信息生成不同用户的用户特征,接着,利用该预设分类模型,根据这些不同用户的用户特征,重新确定不同用户对应的第一兴趣值,并基于重新确定的第一兴趣值,更新预设第一兴趣值数据库中存储的第一兴趣值。
步骤202、根据所述待确定用户在预设时段内出现过的地点,获取所述待确定用户在目标预设地点类型的地点的出现参数;所述目标预设地点类型为所述预设内容类别对应的预设地点类型。
具体的,本步骤可以通过下述子步骤(1)~子步骤(3)实现:
子步骤(1):获取所述待确定用户在所述预设时段内连接过的历史无线局域网WIFI网络的WIFI标识。
由于实际应用场景中,用户对于网络的依赖性往往很大,每到一个地点,用户经常会连接该地点的无线局域网(Wireless-Fidelity,WIFI)。即,可以认为在用户连接了该WIFI网络的情况下,认为用户出现在了该地点。因此,本发明实施例中,可以获取待确定用户在预设时长内连接过的WIFI网络的WIFI标识,以确定待确定用户出现过的地点。
具体的,WIFI网络的WIFI标识可以是用于表示该WIFI网络的标识,在获取连接过的历史WIFI网络的WIFI标识时,可以获取用户在预设时长内启动WIFI连接功能时,扫描到的WIFI列表。然后对WIFI列表中显示的每个WIFI网络进行分析,以获取该WIFI网络的WIFI标识。接着,从中提取待确定用户选择连接的WIFI网络对应的WIFI标识。需要说明的是,为了扩大获取的WIFI标识的数量,以为后续操作提供更多的确定依据,本发明实施例中,还可以基于WIFI的空间不变性以及同一区域内的地点可能属于同一地点类型的特点,通过启发式规则进行扩充,具体的,可以从WIFI列表对应的WIFI网络的WIFI标识中,提取与待确定用户连接的WIFI网络的距离小于预设距离阈值的WIFI网络的WIFI标识。这样,通过提取距离较近的WIFI网络的WIFI标识对数据进行扩充,可以为后续操作提供更多数据依据,进而一定程度上提高确定操作的准确性。
子步骤(2):根据所述WIFI标识、预设的WIFI标识与预设地点类型之间对应关系,将所述历史WIFI网络划分为与所述历史WIFI网络相匹配的预设地点类型包括的WIFI网络。
本步骤中,预设地点类型可以是根据实际需求设定,示例的,预设地点类型可以为学校、医院、办公区,自然风景区、商业场所、运动场所,等等。该WIFI标识可以包括WIFI名称及WIFI地址。由于WIFI名称、WIFI地址都可能会由于错误影响而不够精准,这样,通过设置WIFI标识同时包括WIFI名称及WIFI地址,使得后续步骤基于WIFI标识进行匹配时,匹配的精度更高。当然,也可以设置WIFI标识包括其中一种,本发明实施例对此不作限定。
进一步地,该预设的WIFI标识与预设地点类型之间对应关系可以预先通过下述步骤A~步骤D生成:
步骤A、对于所述预设WIFI网络,对所述预设WIFI网络的WIFI名称进行分词,得到名称词语。
实际应用场景中,由于WIFI网络的WIFI名称中往往会包含能够体现该WIFI网络所在地点的信息,例如,学校的WIFI网络的WIFI名称中往往会包含该学校的名称,商场的WIFI网络的WIFI名称中往往会包含该商场的名称。因此,在生成该对应关系时,可以使用预设WIFI网络的WIFI名称,来获取名称词语,进而确保后续步骤中可以根据名称词语较为准确的确定预设WIFI网络对应的预设地点类型。同时,由于WIFI名称往往是公开的,保密性较低。因此,本发明实施例中以WIFI名称为基础,确定预设WIFI网络对应的预设地点类型,一定程度上可以降低确定成本。
其中,名称词语可以是WIFI名称中包含的词语。进行分词时,可以基于NLP技术进行分词。具体的,可以通过常用分词库,例如,常见的词典等,进行逐词遍历,将常见分词库中的所有词按照排列顺序分别在WIFI名称中遍历匹配,若匹配成功则将当前词,确定为该WIFI名称包含的词语,如此循环,直至常见分词库中的所有词都被匹配一遍,确定出该WIFI名称包含的所有词语,这些所有词语即为名称词语。需要说明的是,该名称词语可以包括汉字、英文、数字,等字符。
步骤B、将所述名称词语与每个预设地点类型对应的预设词包进行匹配,以确定所述的预设词包中与所述名称词语相匹配的词语的第一数量,以及,将所述预设WIFI网络的WIFI地址与每个预设地点类型对应的预设地址进行匹配,以确定所述的预设地址中与所述名称词语相匹配的地址的第二数量。
本步骤中,预设地点类型对应的预设词包及预设地址可以是预先确定的。具体的,该预设词包及预设地址可以通过下述操作获取:针对任一所述预设地点类型,获取设置地点属于所述预设地点类型的WIFI网络,作为样本WIFI网络。具体的,可以从通过用户行为日志上报的WIFI数据中,确定每个WIFI网络的设置地点,然后,根据WIFI网络的设置地点确定该WIFI网络是否属于该预设地点类型。如果属于,则可以将该WIFI网络确定为样本WIFI网络。
需要说明的是,由于通过用户行为日志上报的WIFI数据中可能会存在一定的脏数据,例如,包含地址非法的WIFI网络、被过多设备连接的非正常WIFI网络,等等。为了提高筛选到的样本WIFI网络的质量,本发明实施例中还可以先对这些WIFI数据进行过滤,以将其中的脏数据删除。这样,通过删除脏数据,可以避免脏数据被选为样本WIFI网络,进而一定程度上可以提高选择质量。具体进行过滤时,可以是将样本WIFI的地址与预设的非法WIFI网络的地址进行比对,如果该样本WIFI的地址与非法WIFI网络的地址相匹配,则删除该样本WIFI。或者,确定该样本WIFI连接设备的数量,如果该数量大于预设数量阈值,则删除该样本WIFI。又或者是,将样本WIFI的地址与预设的非法WIFI网络的地址进行比对,以及确定该样本WIFI连接设备的数量,如果该样本WIFI的地址与非法WIFI网络的地址相匹配且该数量大于预设数量阈值,则删除该样本WIFI。接着,可以获取所述样本WIFI网络的WIFI地址,以作为所述预设地点类型对应的预设地址。具体的,WIFI地址可以是WIFI网络的媒体访问控制(Media Access Control,MAC)地址。在获取地址时,可以从WIFI数据中查找该样本WIFI网络的MAC地址,并将查找到的MAC地址作为预设地点类型对应的一个预设地址。以此类推,在存在多个样本WIFI网络时,可以获取到多个预设地址。进一步地,可以对所述样本WIFI网络的WIFI名称进行分词处理,得到样本词语;根据所述样本词语的出现次数,从所述样本词语中选择预设词语,以生成所述预设词包。具体的,样本词语可以是样本WIFI网络的WIFI名称中包含的词语,具体的分词实现方式,可以参照前述内容中的相关描述,本发明实施例在此不做赘述。在根据样本词语的出现次数,从样本词语中选择预设词语,以生成预设词包时,可以先统计每个样本词语的出现次数,然后根据该出现次数以及包括的样本词语的总数,通过下述公式计算该样本词语相对于该预设地点类型的TGI偏好度。
TGI偏好度=[出现次数/样本词语的总数]*标准数。
其中,该标准数可以为100。
接着,将TGI偏好度处于头部的样本词语,即,TGI偏好度大于预设阈值的样本词语,确定为预设词语。最后,利用选出的预设词语组成词语包,得到预设词包。由于TGI偏好度可以更加准确的反映该样本词语在该预设地点类型的地点设置的WIFI网络的名称中出现的可能性,例如,“EDU”往往出现在预设地点类型:“学校”的WIFI名称中,“hospital”、“医院”往往出现在预设地点类型:“医院”的WIFI名称中。那么,这些词语对应的TGI偏好度往往会比较大。因此,通过先计算TGI偏好度,根据TGI偏好度进行选择的方式,一定程度上可以提高生成的预设词包的准确性。同时,以预设词语表示预设地点类型,且后续步骤基于这些预设词语进行匹配的方式,可以实现模糊匹配,一定程度上可以降低匹配的局限性,进而提高匹配的效果。当然,也可以直接选择出现次数大于预设阈值的样本词语作为预设词语,这样,无需进行额外计算,即可实现生成词包,一定程度上可以节省处理资源。
进一步地,在确定第一数量时,可以将名称词语与预设地点类型对应的预设词包中的词语进行一一对比,然后,统计相同的词语的数量,得到第一数量。在确定第二数量时,可以将预设WIFI网络的WIFI地址与预设地点类型对应的预设地址进行一一对比,然后,统计相同的地址的数量,得到第二数量。需要说明的是,WIFI网络的地址往往是唯一的,因此,该第二数量往往为0或者为1。例如,在该预设WIFI网络属于设置在该预设地点类型对应的地点中的网络时,第二数量可以为1,在该预设WIFI网络不属于设置在该预设地点类型对应的地点中的网络时,第二数量可以为0。进一步地,由于确定的地址可能会出错,因此,本发明实施例中,还可以在地址的相似度大于预设相似度阈值时,确定两个地址相同,进而提高方案的容错性。
步骤C、将对应的第一数量不小于第一预设阈值且第二数量不小于第二预设阈值的预设地点类型,确定为所述预设WIFI网络对应的预设地点类型。
本步骤中,第一预设阈值及第二预设阈值可以是根据实际情况设置的。其中,第一预设阈值与第二预设阈值可以相同,也可以不同。进一步地,如果对应的第一数量不小于第一预设阈值且第二数量不小于第二预设阈值,则可以认为该预设WIFI网络设置的地点属于该预设地点类型,因此,可以确定将该预设地点类型确定为该预设WIFI网络对应的预设地点类型。示例的,假设第一预设阈值为2,第二预设阈值为1,预设WIFI网络与预设地点类型“学校”对应的第一数量为2,第二数量为1,则可以确定该预设WIFI网络设置的地点所属的预设地点类型为学校。
步骤D、根据所述预设WIFI网络的WIFI标识及所述预设WIFI网络对应的预设地点类型,建立所述预设的WIFI标识与预设地点类型之间对应关系。
本步骤中,可以将预设WIFI网络的WIFI标识与该预设WIFI网络对应的预设地点类型关联,进而得到该对应关系。
进一步地,将历史WIFI网络划分至预设地点类型包括的WIFI网络时,可以将历史WIFI网络的WIFI标识与该对应关系中的WIFI标识进行匹配,如果两者相匹配,例如,两者相同,则可以将该历史WIFI网络划分至该预设地点类型包括的WIFI网络。通过划分,可以得到不同的预设地点类型包括不同的历史WIFI网络。
子步骤(3):统计所述待确定用户与所述目标预设地点类型包括的WIFI网络的连接次数之和和/或连接时长之和,以作为所述出现参数。
由于实际应用场景中,用户出现在一个地点时,就会连接依次该地点设置的WIFI网络,在该地点所处的时长即为该WIFI网络的连接时长。因此,本步骤中,可以获取待确定用户与目标预设地点类型包括的WIFI网络的连接次数之和和/或连接时长之和,具体的,可以从该待确定用户的历史连接信息中提取次数信息之和和/或时长信息之和,以作为出现参数。其中,连接次数之和和连接时长之和可以表示该待确定用户在该预设地点类型的地点出现的总次数以及出现的总时长。
由于用户的WIFI连接信息的获取难度较低,因此,本发明实施例中,基于待确定用户连接过的WIFI网络,间接确定待确定用户出现过的地点的出现参数,一定程度上可以体现降低参数确定成本,以及确定难度。当然,本发明实施例中,也可以直接获取待确定用户所使用的电子设备在预设时长内的全球定位***(Global Positioning System,GPS)信息,然后,根据对这些GPS信息进行分析,以确定待确定用户出现过的地点。以及预先对不同地点进行分类,得到预设的地点与预设地点类型对应关系,最后,结合该预设地点类型对应关系以及待确定用户出现过的地点,确定出现参数,本发明实施例对此不作限定。
步骤203、根据所述出现参数及所述目标预设地点类型对应的预设参数阈值,计算所述待确定用户对所述预设内容类别的第二兴趣值。
本步骤中,预设参数阈值可以是根据实际情况设置的。由于用户在对预设内容类别处于不同感兴趣程度的情况下,在目标预设地点类型的地点出现的情况会不同,因此,可以结合出现参数及预设参数阈值,确定第二兴趣值,以通过该第二兴趣值体现待确定用户的近期兴趣。
具体的,该预设参数可以是根据对该目标预设地点类型对应的预设内容类别的内容感兴趣的用户,在该目标预设地点类型的地点的出现情况确定的。示例的,可以分析对该预设内容类别的内容真正感兴趣的用户的行为特征,确定这些用户在预设时长内会连接属于该预设内容类别对应的预设地点类型的地点中设置的WIFI网络的次数及时长,例如,可以确定对预设内容类别:“商务用品”感兴趣的用户,连接商务用品对应的预设地点类型的地点,例如,机场,中设置的WIFI网络的次数及时长。然后计算次数均值以及时长均值,最后将次数均值以及时长均值确定为预设参数阈值。
进一步地,确定第二兴趣值时可以先计算所述出现参数与所述预设参数阈值的差值的绝对值。具体的,可以先计算出现参数与预设参数阈值的差值,然后对该差值做绝对值运算,进而得到两者差值的绝对值。在计算出现参数与预设参数阈值的差值时候,可以以出现参数作为被减数,也可以以预设参数阈值作为被减数。
然后,根据所述绝对值,确定所述第二兴趣值。具体的,在确定第二兴趣值时,可以在出现参数不大于预设参数阈值的情况下,按照第二兴趣值与绝对值负相关的方式进行确定,即,为绝对值越大的待确定用户,设置越小的第二兴趣值。在出现参数大于预设参数阈值的情况下,按照第二兴趣值与绝对值正相关的方式进行确定,即,为绝对值越大的待确定用户,设置越大的第二兴趣值。这样,可以确保确定的第二兴趣值能够准确的反映待确定用户的兴趣。
步骤204、根据所述第一兴趣值和所述第二兴趣值,计算所述待确定用户对所述预设内容类别的最终兴趣值。
本步骤中,可以根据第一兴趣值、第二兴趣值和预设兴趣值权重确定最终兴趣值。其中,预设兴趣值权重可以包括第一兴趣值对应的预设兴趣值权重以及第二兴趣值对应的预设兴趣值权重。在确定最终兴趣值时,可以计算第一兴趣值与第一兴趣值对应的预设兴趣值权重乘积,以及计算第二兴趣值与第二兴趣值对应的预设兴趣值权重乘积,最后,将两个乘积之和确定为最终兴趣值。其中,该预设兴趣值权重可以通过下述方式预先设置:先设置一个默认的兴趣值权重,然后,通过多次实验分别确定第一兴趣值及第二兴趣值的准确性,最后,提高第一兴趣值对应的预设兴趣值权重以及降低第二兴趣值对应的预设兴趣值权重,直至预设兴趣值权重所占的比重与该兴趣值的准确性相匹配为止。
步骤205、根据所述待确定用户对所述预设内容类别的最终兴趣值,获取所述待确定用户的推荐信息,并向所述待确定用户输出所述推荐信息。
具体的,本步骤中可以向待确定推荐最终兴趣值最高的预设内容类别中的内容。假设最终兴趣值最高的预设内容类别为“母婴”,那么可以将母婴类产品的信息作为推荐信息,并向待确定用户输出母婴类产品的信息,例如,在待确定用户所使用设备的屏幕上显示母婴类产品的信息。当然,也可以采用其他方式进行推荐,本发明实施例对此不作限定。
示例的,图2-2是本发明实施例提供的一种参数获取方法的示意图,如图2-2所示,可以对WIFI数据进行模式发现,即,确定预设地点类型对应的预设词包及预设地址,接着,在模式发现之后,根据发现的结果“商用WIFI类别”,即,预设地点类型对应的预设词包及预设地址,构建预设的WIFI标识与预设地点类型之间对应关系,其中,预设地点类型可以包括住宅、学校、公司、机场、医院,等等。然后基于该对应关系确定第二兴趣值。以及基于用户个人信息,进行模型预测,以确定出第一兴趣值。其中,该第一兴趣值可以是基于年龄、性别、人生阶段、婚姻状况、行为模式等信息确定的。接着,对两者进行模式结合,以确定对预设内容类别的最终兴趣值,即,基于两者计算最终兴趣值。示例的,可以计算针对母婴、汽车、游戏、金融、健康、奢侈品,等等类别的最终兴趣值。
综上所述,本发明实施例提供的参数获取方法,对于待确定用户,可以获取待确定用户对预设内容类别的第一兴趣值,其中,该第一兴趣值是利用待确定用户的用户特征及预设分类模型确定的,该用户特征是根据待确定用户的用户个人信息确定的,接着,可以根据待确定用户在预设时段内出现过的地点,获取待确定用户在预设地点类型的地点的出现参数,根据出现参数及目标预设地点类型对应的预设参数阈值,计算待确定用户对预设内容类别的第二兴趣值,最后,根据第一兴趣值和第二兴趣值,计算待确定用户对预设内容类别的最终兴趣值。由于预设时长内待确定用户出现过的地点,一定程度上可以体现待确定用户最近的短期兴趣,且增加根据用户出现过的地点确定的第二兴趣值,可以增加信息维度,因此,本发明实施例中,利用根据用户个人信息的确定的第一兴趣值的同时,结合根据出现参数确定的第二兴趣值,确定体现用户兴趣的最终兴趣值的方式,一定程度上可以提高确定的最终兴趣值能够准确体现用户兴趣的准确程度,这样,可以使得后续基于该最终兴趣值进行推荐时,向用户推荐的内容更能满足用户,进而提高推荐效果。
图3-1是本发明实施例提供的一种参数获取装置的框图,如图3-1所示,该装置30可以包括:
第一获取模块301,用于对于待确定用户,获取所述待确定用户对预设内容类别的第一兴趣值;所述第一兴趣值是利用所述待确定用户的用户特征及预设分类模型确定的。
第二获取模块302,用于根据所述待确定用户在预设时段内出现过的地点及所述预设内容类别对应的预设地点类型,获取所述待确定用户对所述预设内容类别的第二兴趣值。
计算模块303,用于根据所述第一兴趣值和所述第二兴趣值,计算所述待确定用户对所述预设内容类别的最终兴趣值。
可选的,图3-2是本发明实施例提供的另一种参数获取装置的框图,如图3-2所示,所述装置30还包括:
输出模块304,用于根据所述待确定用户对所述预设内容类别的最终兴趣值,获取所述待确定用户的推荐信息,并向所述待确定用户输出所述推荐信息。
可选的,所述第二获取模块302,具体用于:
根据所述待确定用户在预设时段内出现过的地点,获取所述待确定用户在目标预设地点类型的地点的出现参数;所述目标预设地点类型为所述预设内容类别对应的预设地点类型。
根据所述出现参数及所述目标预设地点类型对应的预设参数阈值,计算所述待确定用户对所述预设内容类别的第二兴趣值。
可选的,所述第二获取模块302,还具体用于:
获取所述待确定用户在所述预设时段内连接过的历史无线局域网WIFI网络的WIFI标识。
根据所述WIFI标识、预设的WIFI标识与预设地点类型之间对应关系,将所述历史WIFI网络划分为与所述历史WIFI网络相匹配的预设地点类型包括的WIFI网络。
统计所述待确定用户与所述目标预设地点类型包括的WIFI网络的连接次数之和和/或连接时长之和,以作为所述出现参数。
可选的,所述WIFI标识包括WIFI名称及WIFI地址;所述第二获取模块302,还具体用于:
对于所述预设WIFI网络,对所述预设WIFI网络的WIFI名称进行分词,得到名称词语。
将所述名称词语与每个预设地点类型对应的预设词包进行匹配,以确定所述的预设词包中与所述名称词语相匹配的词语的第一数量,以及,将所述预设WIFI网络的WIFI地址与每个预设地点类型对应的预设地址进行匹配,以确定所述的预设地址中与所述名称词语相匹配的地址的第二数量。
将对应的第一数量不小于第一预设阈值且第二数量不小于第二预设阈值的预设地点类型,确定为所述预设WIFI网络对应的预设地点类型。
根据所述预设WIFI网络的WIFI标识及所述预设WIFI网络对应的预设地点类型,建立所述预设的WIFI标识与预设地点类型之间对应关系。
可选的,所述第二获取模块302,还具体用于:
针对所述预设地点类型,获取设置地点属于所述预设地点类型的WIFI网络,作为样本WIFI网络。
获取所述样本WIFI网络的WIFI地址,以作为所述预设地点类型对应的预设地址,以及,对所述样本WIFI网络的WIFI名称进行分词处理,得到样本词语。
根据所述样本词语的出现次数,从所述样本词语中选择预设词语,以生成所述预设词包。
可选的,所述第二获取模块302,还具体用于:
计算所述出现参数与所述预设参数阈值的差值的绝对值。
根据所述绝对值,确定所述第二兴趣值;其中,在所述出现参数不大于所述预设参数阈值的情况下,所述第二兴趣值与所述绝对值负相关;在所述出现参数大于所述预设参数阈值的情况下,所述第二兴趣值与所述绝对值正相关。
可选的,所述第一获取模块301,具体用于:
将所述用户特征作为所述预设分类模型的输入,利用所述预设分类模型生成第一兴趣值;所述用户特征是根据所述待确定用户的个人信息确定的。
或者,根据所述待确定用户的用户标识ID,从预设第一兴趣值数据库中查找所述用户ID对应的第一兴趣值,得到所述待确定用户对所述预设内容类别的第一兴趣值;其中,所述预设第一兴趣值数据库中存储有不同用户对所述预设内容类别的第一兴趣值,所述第一兴趣值数据库中存储的第一兴趣值是根据所述预设分类模型及各个所述用户的用户特征预先生成的。
综上所述,本发明实施例提供的参数获取装置,对于待确定用户,可以获取待确定用户对预设内容类别的第一兴趣值,其中,该第一兴趣值是利用待确定用户的用户特征及预设分类模型确定的,该用户特征是根据待确定用户的用户个人信息确定的,接着,可以根据待确定用户在预设时段内出现过的地点及预设内容类别对应的预设地点类型,获取待确定用户对预设内容类别的第二兴趣值,最后,根根据第一兴趣值和第二兴趣值,计算待确定用户对预设内容类别的最终兴趣值。由于预设时长内待确定用户出现过的地点,一定程度上可以体现待确定用户最近的短期兴趣,因此,本发明实施例中,利用根据用户个人信息的确定的第一兴趣值的同时,结合根据出现参数确定的第二兴趣值,确定体现用户兴趣的最终兴趣值的方式,一定程度上可以提高确定的最终兴趣值能够准确体现用户兴趣的准确程度,这样,可以使得后续基于该最终兴趣值进行推荐时,向用户推荐的内容更能满足用户,进而提高推荐效果。
本发明实施例还提供了一种电子设备,如图4所示,包括处理器401、通信接口402、存储器403和通信总线404,其中,处理器401,通信接口402,存储器403通过通信总线404完成相互间的通信,
存储器403,用于存放计算机程序;
处理器401,用于执行存储器403上所存放的程序时,实现如下步骤:
对于待确定用户,获取所述待确定用户对预设内容类别的第一兴趣值;所述第一兴趣值是利用所述待确定用户的用户特征及预设分类模型确定的。
根据所述待确定用户在预设时段内出现过的地点及所述预设内容类别对应的预设地点类型,获取所述待确定用户对所述预设内容类别的第二兴趣值。
根据所述第一兴趣值和所述第二兴趣值,计算所述待确定用户对所述预设内容类别的最终兴趣值。
上述终端提到的通信总线可以是外设部件互连标准(Peripheral ComponentInterconnect,简称PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture,简称EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示,图中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
通信接口用于上述终端与其他设备之间的通信。
存储器可以包括随机存取存储器(Random Access Memory,简称RAM),也可以包括非易失性存储器(non-volatile memory),例如至少一个磁盘存储器。可选的,存储器还可以是至少一个位于远离前述处理器的存储装置。
上述的处理器可以是通用处理器,包括中央处理器(Central Processing Unit,简称CPU)、网络处理器(Network Processor,简称NP)等;还可以是数字信号处理器(Digital Signal Processing,简称DSP)、专用集成电路(Application SpecificIntegrated Circuit,简称ASIC)、现场可编程门阵列(Field-Programmable Gate Array,简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
在本发明提供的又一实施例中,还提供了一种计算机可读存储介质,该计算机可读存储介质中存储有指令,当其在计算机上运行时,使得计算机执行上述实施例中任一所述的参数获取方法。
在本发明提供的又一实施例中,还提供了一种包含指令的计算机程序产品,当其在计算机上运行时,使得计算机执行上述实施例中任一所述的参数获取方法。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时,全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如固态硬盘Solid State Disk(SSD))等。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用相关的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于***实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
以上所述仅为本发明的较佳实施例而已,并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等,均包含在本发明的保护范围内。
Claims (11)
1.一种参数获取方法,其特征在于,所述方法包括:
对于待确定用户,获取所述待确定用户对预设内容类别的第一兴趣值;所述第一兴趣值是利用所述待确定用户的用户特征及预设分类模型确定的;
根据所述待确定用户在预设时段内出现过的地点及所述预设内容类别对应的预设地点类型,获取所述待确定用户对所述预设内容类别的第二兴趣值;
根据所述第一兴趣值和所述第二兴趣值,计算所述待确定用户对所述预设内容类别的最终兴趣值。
2.根据权利要求1所述的方法,其特征在于,所述根据所述第一兴趣值和所述第二兴趣值,计算所述待确定用户对所述预设内容类别的最终兴趣值之后,所述方法还包括:
根据所述待确定用户对所述预设内容类别的最终兴趣值,获取所述待确定用户的推荐信息,并向所述待确定用户输出所述推荐信息。
3.根据权利要求1或2所述的方法,其特征在于,所述根据所述待确定用户在预设时段内出现过的地点及所述预设内容类别对应的预设地点类型,获取所述待确定用户对所述预设内容类别的第二兴趣值,包括:
根据所述待确定用户在预设时段内出现过的地点,获取所述待确定用户在目标预设地点类型的地点的出现参数;所述目标预设地点类型为所述预设内容类别对应的预设地点类型;
根据所述出现参数及所述目标预设地点类型对应的预设参数阈值,计算所述待确定用户对所述预设内容类别的第二兴趣值。
4.根据权利要求3所述的方法,其特征在于,所述根据所述待确定用户在预设时段内出现过的地点,获取所述待确定用户在目标预设地点类型的地点的出现参数,包括:
获取所述待确定用户在所述预设时段内连接过的历史无线局域网WIFI网络的WIFI标识;
根据所述WIFI标识、预设的WIFI标识与预设地点类型之间对应关系,将所述历史WIFI网络划分为与所述历史WIFI网络相匹配的预设地点类型包括的WIFI网络;
统计所述待确定用户与所述目标预设地点类型包括的WIFI网络的连接次数之和和/或连接时长之和,以作为所述出现参数。
5.根据权利要求4所述的方法,其特征在于,所述WIFI标识包括WIFI名称及WIFI地址;所述根据所述WIFI标识、预设的WIFI标识与预设地点类型之间对应关系,将所述历史WIFI网络划分为与所述历史WIFI网络相匹配的预设地点类型包括的WIFI网络之前,所述方法还包括:
对于所述预设WIFI网络,对所述预设WIFI网络的WIFI名称进行分词,得到名称词语;
将所述名称词语与每个预设地点类型对应的预设词包进行匹配,以确定所述的预设词包中与所述名称词语相匹配的词语的第一数量,以及,将所述预设WIFI网络的WIFI地址与每个预设地点类型对应的预设地址进行匹配,以确定所述的预设地址中与所述名称词语相匹配的地址的第二数量;
将对应的第一数量不小于第一预设阈值且第二数量不小于第二预设阈值的预设地点类型,确定为所述预设WIFI网络对应的预设地点类型;
根据所述预设WIFI网络的WIFI标识及所述预设WIFI网络对应的预设地点类型,建立所述预设的WIFI标识与预设地点类型之间对应关系。
6.根据权利要求5所述的方法,其特征在于,所述将所述名称词语与每个预设地点类型对应的预设词包进行匹配之前,所述方法还包括:
针对所述预设地点类型,获取设置地点属于所述预设地点类型的WIFI网络,作为样本WIFI网络;
获取所述样本WIFI网络的WIFI地址,以作为所述预设地点类型对应的预设地址,以及,对所述样本WIFI网络的WIFI名称进行分词处理,得到样本词语;
根据所述样本词语的出现次数,从所述样本词语中选择预设词语,以生成所述预设词包。
7.根据权利要求3所述的方法,其特征在于,所述根据所述出现参数及所述目标预设地点类型对应的预设参数阈值,计算所述待确定用户对所述预设内容类别的第二兴趣值,包括:
计算所述出现参数与所述预设参数阈值的差值的绝对值;
根据所述绝对值,确定所述第二兴趣值;其中,在所述出现参数不大于所述预设参数阈值的情况下,所述第二兴趣值与所述绝对值负相关;在所述出现参数大于所述预设参数阈值的情况下,所述第二兴趣值与所述绝对值正相关。
8.根据权利要求1所述的方法,其特征在于,所述获取所述待确定用户对预设内容类别的第一兴趣值,包括:
将所述用户特征作为所述预设分类模型的输入,利用所述预设分类模型生成第一兴趣值;所述用户特征是根据所述待确定用户的个人信息确定的;
或者,根据所述待确定用户的用户标识ID,从预设第一兴趣值数据库中查找所述用户ID对应的第一兴趣值,得到所述待确定用户对所述预设内容类别的第一兴趣值;其中,所述预设第一兴趣值数据库中存储有不同用户对所述预设内容类别的第一兴趣值,所述第一兴趣值数据库中存储的第一兴趣值是根据所述预设分类模型及各个所述用户的用户特征预先生成的。
9.一种参数获取装置,其特征在于,所述装置包括:
第一获取模块,用于对于待确定用户,获取所述待确定用户对预设内容类别的第一兴趣值;所述第一兴趣值是利用所述待确定用户的用户特征及预设分类模型确定的;
第二获取模块,用于根据所述待确定用户在预设时段内出现过的地点及所述预设内容类别对应的预设地点类型,获取所述待确定用户对所述预设内容类别的第二兴趣值;
计算模块,用于根据所述第一兴趣值和所述第二兴趣值,计算所述待确定用户对所述预设内容类别的最终兴趣值。
10.一种电子设备,其特征在于,包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;
存储器,用于存放计算机程序;
处理器,用于执行存储器上所存放的程序时,实现权利要求1-8任一所述的方法步骤。
11.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-8中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010340907.8A CN111695030A (zh) | 2020-04-26 | 2020-04-26 | 参数获取方法、装置、电子设备及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010340907.8A CN111695030A (zh) | 2020-04-26 | 2020-04-26 | 参数获取方法、装置、电子设备及计算机可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111695030A true CN111695030A (zh) | 2020-09-22 |
Family
ID=72476637
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010340907.8A Pending CN111695030A (zh) | 2020-04-26 | 2020-04-26 | 参数获取方法、装置、电子设备及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111695030A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110060649A1 (en) * | 2008-04-11 | 2011-03-10 | Dunk Craig A | Systems, methods and apparatus for providing media content |
US20180075512A1 (en) * | 2016-09-13 | 2018-03-15 | Adobe Systems Incorporated | Item recommendation techniques |
CN107820209A (zh) * | 2017-11-07 | 2018-03-20 | 锐捷网络股份有限公司 | 兴趣推荐方法、装置及服务器 |
CN109041035A (zh) * | 2018-09-28 | 2018-12-18 | Oppo广东移动通信有限公司 | 用户画像生成方法、装置、终端及存储介质 |
CN109670104A (zh) * | 2018-11-12 | 2019-04-23 | 深圳壹账通智能科技有限公司 | 基于机器学习的信息推送方法、设备、装置及存储介质 |
-
2020
- 2020-04-26 CN CN202010340907.8A patent/CN111695030A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110060649A1 (en) * | 2008-04-11 | 2011-03-10 | Dunk Craig A | Systems, methods and apparatus for providing media content |
US20180075512A1 (en) * | 2016-09-13 | 2018-03-15 | Adobe Systems Incorporated | Item recommendation techniques |
CN107820209A (zh) * | 2017-11-07 | 2018-03-20 | 锐捷网络股份有限公司 | 兴趣推荐方法、装置及服务器 |
CN109041035A (zh) * | 2018-09-28 | 2018-12-18 | Oppo广东移动通信有限公司 | 用户画像生成方法、装置、终端及存储介质 |
CN109670104A (zh) * | 2018-11-12 | 2019-04-23 | 深圳壹账通智能科技有限公司 | 基于机器学习的信息推送方法、设备、装置及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106897428B (zh) | 文本分类特征提取方法、文本分类方法及装置 | |
CN108073568B (zh) | 关键词提取方法和装置 | |
CN107862022B (zh) | 文化资源推荐*** | |
CN107341268B (zh) | 一种热搜榜排序方法及*** | |
CN109189990B (zh) | 一种搜索词的生成方法、装置及电子设备 | |
CN109165975B (zh) | 标签推荐方法、装置、计算机设备及存储介质 | |
CN109165691B (zh) | 用于识别作弊用户的模型的训练方法、装置及电子设备 | |
CN110689368B (zh) | 一种移动应用内广告点击率预测***设计方法 | |
CN112488716B (zh) | 一种异常事件检测*** | |
CN109190014B (zh) | 一种正则表达式生成方法、装置及电子设备 | |
CN111159563A (zh) | 用户兴趣点信息的确定方法、装置、设备及存储介质 | |
WO2016009419A1 (en) | System and method for ranking news feeds | |
CN116881429B (zh) | 一种基于多租户的对话模型交互方法、装置及存储介质 | |
CN113220974B (zh) | 点击率预测模型训练、搜索召回方法、装置、设备及介质 | |
CN114254615A (zh) | 组卷方法、装置、电子设备和存储介质 | |
CN112269906B (zh) | 网页正文的自动抽取方法及装置 | |
CN111930949B (zh) | 搜索串处理方法、装置、计算机可读介质及电子设备 | |
CN115329078B (zh) | 文本数据处理方法、装置、设备以及存储介质 | |
CN112685618A (zh) | 用户特征识别方法、装置、计算设备及计算机存储介质 | |
CN113836412B (zh) | 一种信息推荐方法、装置、电子设备及存储介质 | |
CN111695030A (zh) | 参数获取方法、装置、电子设备及计算机可读存储介质 | |
CN111353052B (zh) | 一种多媒体对象推荐方法、装置、电子设备及存储介质 | |
CN104063514B (zh) | 垂直搜索方法 | |
CN111859146B (zh) | 信息挖掘方法、装置及电子设备 | |
CN113962216A (zh) | 文本处理方法、装置、电子设备及可读存储介质 |
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 |