CN118170966A - 一种推荐方法、电子设备及服务器 - Google Patents
一种推荐方法、电子设备及服务器 Download PDFInfo
- Publication number
- CN118170966A CN118170966A CN202211583379.4A CN202211583379A CN118170966A CN 118170966 A CN118170966 A CN 118170966A CN 202211583379 A CN202211583379 A CN 202211583379A CN 118170966 A CN118170966 A CN 118170966A
- Authority
- CN
- China
- Prior art keywords
- user
- data
- feature vector
- recommendation
- server
- 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 82
- 239000013598 vector Substances 0.000 claims abstract description 180
- 230000006870 function Effects 0.000 claims description 63
- 230000004927 fusion Effects 0.000 claims description 35
- 238000012549 training Methods 0.000 claims description 21
- 238000004590 computer program Methods 0.000 claims description 18
- 238000007499 fusion processing Methods 0.000 claims description 11
- 230000004044 response Effects 0.000 claims description 5
- 239000010410 layer Substances 0.000 description 26
- 238000010586 diagram Methods 0.000 description 25
- 238000012545 processing Methods 0.000 description 24
- 238000004891 communication Methods 0.000 description 18
- 238000013461 design Methods 0.000 description 17
- 238000007726 management method Methods 0.000 description 13
- 238000010295 mobile communication Methods 0.000 description 11
- 230000008569 process Effects 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 229920001621 AMOLED Polymers 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 2
- 230000003416 augmentation Effects 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 238000007418 data mining Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000001960 triggered effect Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 239000012792 core layer Substances 0.000 description 1
- 239000013078 crystal Substances 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000011478 gradient descent method Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 229910044991 metal oxide Inorganic materials 0.000 description 1
- 150000004706 metal oxides Chemical class 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 239000002096 quantum dot Substances 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请提供一种推荐方法、电子设备及服务器。在该方法中,第一电子设备响应于第一用户的第一操作,向服务器发送推荐请求;推荐请求中包括第一用户的标识和目标应用的类型;第一电子设备接收服务器发送的推荐结果,推荐结果为服务器根据第一用户对应的目标特征向量和目标应用的类型生成的,第一用户对应的目标特征向量用于指示第一用户和第二用户的偏好特征,第二用户为能够向第一用户共享数据的用户;第一电子设备根据推荐结果进行显示。通过该方案,服务器可以根据目标特征向量生成推荐结果,从而实现在第一用户和第二用户的偏好范围内对第一用户进行有针对性的推荐,使得推荐结果更符合用户喜好,提升用户体验。
Description
技术领域
本申请涉及终端技术领域,尤其涉及一种推荐方法、电子设备及服务器。
背景技术
个性化推荐可以基于大数据挖掘技术分析用户行为偏好,进而为用户推荐个性化内容。个性化推荐在线上购物、音乐、短视频等多个场景中都得到了广泛应用。例如在线上购物场景中,基于大数据对用户购物偏好进行分析后,可以向用户推荐更符合用户喜好的商品。
目前的个性化推荐方案中,在对目标用户进行个性化推荐时,推荐***可以利用全量用户的特征数据与目标用户的特征数据进行计算与对比,查找与目标用户的偏好相似的其他用户,再根据查找到的其他用户的数据确定对目标用户的推荐结果。例如,推荐***通过分析全量用户的特征数据和目标用户的特征数据,可以得出“购买了物品A的用户还会购买物品B”等偏好信息,推荐***可以根据偏好信息对目标用户进行个性化推荐。
发明内容
本申请提供一种推荐方法、电子设备及服务器,用以提供一种用户可控范围内的数据共享及有针对性的推荐方式。
第一方面,本申请提供一种推荐方法,该方法可以由第一电子设备执行。该方法包括:第一电子设备响应于第一用户的第一操作,向服务器发送推荐请求;所述第一操作用于启动目标应用,所述推荐请求中包括所述第一用户的标识和所述目标应用的类型;第一电子设备接收服务器发送的推荐结果,所述推荐结果为所述服务器根据第一用户对应的目标特征向量和所述目标应用的类型生成的,所述第一用户对应的目标特征向量用于指示所述第一用户和第二用户的偏好特征,所述第二用户为能够向所述第一用户共享数据的用户;第一电子设备根据所述推荐结果进行显示。
在以上方法中,第一电子设备向服务器发送推荐请求后,服务器可以根据目标特征向量生成推荐结果,目标特征向量可以表示第一用户和第二用户的偏好特征,从而实现在第一用户和第二用户的偏好范围内对第一用户进行有针对性的推荐,使得推荐结果更符合用户喜好,提升用户体验。
在一个可能的设计中,在响应于第一用户的第一操作,向服务器发送推荐请求之前,所述方法还包括:显示偏好共享功能的设置界面;响应于所述第一用户的第二操作,确定所述第一用户对应的配置参数,所述第一用户对应的配置参数包括所述第一用户对应的数据类型和第三用户的标识,所述第一用户对应的数据类型为所述第一用户能够共享的数据类型,所述第三用户为所述第一用户能够共享数据的用户;将所述第一用户对应的配置参数发送给所述服务器。
通过该设计,用户可以选择与哪些用户共享数据,以及用户可以设置共享数据的类型,从而提供一种用户可控范围内的数据共享方式,增加互动性,提升用户体验。
第二方面,本申请提供一种推荐方法,该方法可以由服务器执行。该方法包括:服务器接收第一电子设备发送的推荐请求,所述推荐请求中包括第一用户的标识和目标应用的类型;服务器根据所述第一用户的标识获取所述第一用户对应的目标特征向量,所述第一用户对应的目标特征向量用于指示所述第一用户和第二用户的偏好特征,所述第二用户为能够向所述第一用户共享数据的用户;服务器根据所述第一用户对应的目标特征向量和所述目标应用的类型,基于已训练的推荐模型确定推荐结果;服务器将所述推荐结果发送给所述第一电子设备。
在以上方法中,服务器可以生成并存储每个用户对应的目标特征向量,如第一用户对应的目标特征向量用于指示第一用户和第二用户的偏好特征,第二用户为可以向第一用户共享数据的用户,从而服务器可以基于用户对应的目标特征向量对能够进行数据共享的用户在小范围内进行推荐,使得推荐结果更符合用户喜好,提升用户体验。
在一个可能的设计中,所述根据所述第一用户对应的目标特征向量和所述目标应用的类型,基于已训练的推荐模型确定推荐结果,包括:根据所述目标应用的类型获取所述目标应用对应的候选对象集合;根据所述第一用户对应的目标特征向量,基于已训练的推荐模型从所述目标应用对应的候选对象集合中确定推荐结果。
通过该设计,服务器可以根据推荐请求中的目标应用的类型确定目标应用对应的候选对象集合,如当目标应用的类型为音乐时,目标应用对应的候选对象集合可以为包括多首音乐的曲库;进而服务器可以根据目标特征向量确定能够在目标应用中展示的推荐结果。
在一个可能的设计中,在所述接收第一电子设备发送的推荐请求之前,所述方法还包括:接收所述第一电子设备发送的所述第一用户对应的配置参数,所述第一用户对应的配置参数包括所述第一用户对应的数据类型和第三用户的标识,所述第一用户对应的数据类型为所述第一用户能够共享的数据类型,所述第三用户为所述第一用户能够共享数据的用户;接收第二电子设备发送的所述第二用户对应的配置参数,所述第二用户对应的配置参数包括所述第二用户对应的数据类型和第四用户的标识,所述第二用户对应的数据类型为所述第二用户能够共享的数据类型,所述第四用户为所述第二用户能够共享数据的用户,所述第四用户包括所述第一用户;根据所述第一用户对应的数据类型获取并存储所述第一用户的特征数据,以及根据所述第二用户能够共享给所述第一用户的数据类型获取并存储所述第二用户的特征数据;根据所述第一用户的特征数据和所述第二用户的特征数据进行特征融合处理,生成所述第一用户对应的目标特征向量。
通过该设计,用户可以选择与哪些用户共享数据,以及用户可以设置共享数据的类型,电子设备将用户的配置参数发送给服务器后,服务器可以根据每个用户的配置参数获取用户的特征数据,再根据可以进行数据共享的多个用户的特征数据生成目标特征向量,实现在用户自己设置的范围内进行数据共享以及偏好推荐,提升用户体验。
在一个可能的设计中,所述根据所述第一用户的特征数据和所述第二用户的特征数据进行特征融合处理,生成所述第一用户对应的目标特征向量,包括:对所述第一用户的特征数据进行向量化处理,生成第一初始特征向量;以及对所述第二用户的特征数据进行向量化处理,生成第二初始特征向量;对所述第一初始特征向量和所述第二初始特征向量进行特征向量融合处理,生成所述第一用户对应的目标特征向量。
通过该设计,服务器可以对获取到的用户的特征数据进行向量化处理,避免直接分享用户数据,保证用户数据的安全性。
在一个可能的设计中,所述对所述第一初始特征向量和所述第二初始特征向量进行特征向量融合处理,包括:当所述第一初始特征向量的数据类型和所述第二初始特征向量的数据类型相同时,对所述第一初始特征向量和所述第二初始特征向量进行向量运算;所述向量运算包括向量点积、向量叠加和向量拼接中的至少一种;或者当所述第一初始特征向量的数据类型和所述第二初始特征向量的数据类型不同时,基于已训练的特征融合模型对所述第一初始特征向量和所述第二初始特征向量进行特征向量融合处理。
通过该设计,当第一初始特性向量和第二初始特征向量的数据类型相同时,可以认为第一用户和第二用户是对同偏好域的数据进行分享,如第一用户向第二用户分享音乐类型的数据,第二用户也向第一用户分享音乐类型的数据,则服务器可以对第一初始特征向量和第二初始特征向量进行向量运算生成目标特征向量,以减少运算复杂度。当第一初始特征向量和第二初始特征向量的数据类型不同时,可以认为第一用户和第二用户是对跨偏好域的数据进行分享,如第一用户向第二用户分享音乐类型的数据,第二用户向第一用户分享购物类型的数据,则服务器可以基于已训练的特征融合模型生成目标特征向量,保证生成的目标特征向量可以准确表示第一用户和第二用户的偏好特征。
在一个可能的设计中,所述方法还包括:将所述已训练的推荐模型作为特征融合模型对应的预训练模型;从数据库中获取多个用户的特征数据,根据所述多个用户的特征数据生成训练数据集,根据所述训练数据集对所述预训练模型进行训练,得到所述已训练的特征融合模型。
通过该设计,已训练的推荐模型可以是基于数据库中的用户特征数据训练得到的,因此已训练的推荐模型和特征融合模型是基于相同数据域下的数据训练的,将已训练的推荐模型作为特征融合模型的预训练模型可以保证训练得到的特征融合模型具有更好的模型性能。
在一个可能的设计中,所述第一用户对应的配置参数还包括起始时间和结束时间,所述起始时间为所述第一用户触发开启偏好共享功能的时间,所述结束时间为所述第一用户关闭所述偏好共享功能的时间;所述方法还包括:确定所述第一用户的特征数据的生成时间早于所述起始时间,或者确定所述第一用户的特征数据的生成时间晚于所述结束时间时,删除所述第一用户的特征数据。
通过该设计,服务器可以准确获取并存储用户特征数据,并且在用户特征数据超期时进行删除,保证用户数据的安全性。
第三方面,本申请提供一种电子设备,所述电子设备包括多个功能模块;所述多个功能模块相互作用,实现上述第一方面及其各实施方式中电子设备所执行的方法。所述多个功能模块可以基于软件、硬件或软件和硬件的结合实现,且所述多个功能模块可以基于具体实现进行任意组合或分割。
第四方面,本申请提供一种电子设备,包括至少一个处理器和至少一个存储器,所述至少一个存储器中存储计算机程序指令,所述电子设备运行时,所述至少一个处理器执行上述第一方面及其各实施方式中电子设备执行的方法。
第五方面,本申请还提供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计算机程序,当所述计算机程序被计算机执行时,使得所述计算机执行上述任一方面及其各实施方式中的电子设备执行的方法。
第六方面,本申请还提供一种芯片,所述芯片用于读取存储器中存储的计算机程序,执行上述任一方面及其各实施方式中的电子设备执行的方法。
第七方面,本申请还提供一种芯片***,该芯片***包括处理器,用于支持计算机装置实现上述任一方面及其各实施方式中的电子设备执行的方法。在一种可能的设计中,所述芯片***还包括存储器,所述存储器用于保存该计算机装置必要的程序和数据。该芯片***可以由芯片构成,也可以包含芯片和其他分立器件。
附图说明
图1为本申请实施例提供的一种推荐场景示意图;
图2为本申请实施例提供的一种服务器架构的示意图;
图3为本申请实施例提供的一种电子设备的结构示意图;
图4为本申请实施例提供的一种电子设备的软件结构框图;
图5为本申请实施例提供的一种推荐方法的流程图;
图6为本申请实施例提供的一种偏好功能设置界面的示意图;
图7为本申请实施例提供的一种偏好功能设置界面的示意图;
图8为本申请实施例提供的第一种向量融合的示意图;
图9为本申请实施例提供的第二种向量融合的示意图;
图10为本申请实施例提供的一种特征融合模型的示意图;
图11为本申请实施例提供的一种推荐结果的示意图;
图12为本申请实施例提供的又一种推荐方法的流程图;
图13为本申请实施例提供的一种推荐方法的流程图。
具体实施方式
为了使本申请实施例的目的、技术方案和优点更加清楚,下面将结合附图对本申请实施例作进一步地详细描述。其中,在本申请实施例的描述中,以下,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。
应理解,本申请实施例中“至少一个”是指一个或者多个,“多个”是指两个或两个以上。“和/或”,描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B的情况,其中A、B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一(项)个”或其类似表达,是指的这些项中的任意组合,包括单项(个)或复数项(个)的任意组合。例如,a、b或c中的至少一项(个),可以表示:a,b,c,a和b,a和c,b和c,或a、b和c,其中a、b、c可以是单个,也可以是多个。
个性化推荐可以基于大数据挖掘技术分析用户行为偏好,进而为用户推荐个性化内容。个性化推荐在线上购物、音乐、短视频等多个场景都得到了广泛应用。例如在线上购物场景中,基于大数据对用户购物偏好进行分析后,可以向用户推荐更符合用户喜好的商品。
目前的个性化推荐方案中,在对目标用户进行个性化推荐时,推荐***可以利用全量用户的特征数据与目标用户的特征数据进行计算与对比,查找与目标用户的偏好相似的其他用户,再根据查找到的其他用户的数据确定对目标用户的推荐结果。例如,推荐***通过分析全量用户的特征数据,可以得出“购买了物品A的用户还会购买物品B”等偏好信息,然后推荐***可以根据偏好信息对目标用户进行个性化推荐。
一种实现方式中,推荐***可以以列表形式存储全量用户的特征数据,在接收到目标用户的推荐请求时,推荐***可以在列表中查找与目标用户的特征数据相似的其他用户的数据,并根据其他用户的数据确定目标用户的偏好信息,再根据目标用户的偏好信息对目标用户进行个性化推荐。
另一种实现方式中,推荐***可以包括训练好的推荐模型,该推荐模型可以为基于全量用户的特征数据训练得到的。推荐***在接收到目标用户的推荐请求时,可以将目标用户的特征数据作为已训练的推荐模型的输入,并获取推荐模型输出的推荐结果。
通过以上实现方式可以看出,现有的个性化推荐是基于全量用户数据进行大数据分析后得到推荐结果的,而全部用户的数据可能并不是待推荐用户感兴趣的数据,则推荐***基于大数据分析后得到的推荐结果的准确度并不稳定,影响用户体验。
基于以上问题,本申请实施例提供一种推荐方法,用以提供一种用户可控范围内的数据共享及有针对性的推荐方式,提升用户体验。
图1为本申请实施例提供的一种推荐场景示意图。参考图1,该推荐场景包括服务器和多个电子设备,多个电子设备可以与多个用户一一对应,每个用户可以在电子设备上登录用户账户。可选的,服务器可以为电子设备的厂商服务器和/或第三方应用服务器。
本申请实施例提供的推荐方法中,当用户在电子设备上设置开启偏好共享功能后,可以选择共享数据的类型以及进行偏好共享的用户。根据用户的设置,能够进行偏好共享的电子设备之间可以共享数据,服务器获取多个用户对应的数据后,可以根据多个用户对应的数据生成融合特征向量,该融合特征向量可以表示多个用户的偏好特征。当服务器接收到多个电子设备中任一个电子设备发送的推荐请求后,可以根据融合特征向量和推荐请求确定推荐结果,并将推荐结果发送给电子设备。也就是说,本申请实施例提供了一种小范围用户进行偏好共享的推荐方式,可以保证推荐结果是多个用户感兴趣的内容,提升推荐的准确度,且用户可以自由设定共享的数据类型和进行偏好共享的用户,增加互动性,提升用户体验。
基于本申请实施例提供的推荐方法,图2为本申请实施例提供的一种服务器架构的示意图。参考图2,服务器可以包括数据库、特征融合模块和推荐模块。可选的,数据库可以由服务器的存储装置实现,也可以为独立的存储***,本申请实施例对此不作限定。在图2所示的服务器架构中,数据库可以用于存储用户的特征数据,还可以用于存储多个用户的偏好共享功能的配置参数,如图2中用户A的电子设备可以将用户A的偏好共享功能的配置参数上传至服务器的数据库中,用户B的电子设备也可以将用户B的偏好共享功能的配置参数上传至服务器的数据库中。特征融合模块可以用于根据能够进行偏好共享的多个用户的特征数据生成融合特征向量,如图2中特征融合模块可以根据用户A的特征数据和用户B的特征数据生成融合特征向量。推荐模块可以用于基于融合特征向量针对目标用户的推荐请求生成推荐结果,如图2中,推荐模块根据融合特征向量、针对用户B的推荐请求生成推荐结果,并将推荐结果发送给用户B的电子设备。
以下介绍电子设备、和用于使用这样的电子设备的实施例。本申请实施例的电子设备可以为平板电脑、手机、车载设备、增强现实(augmented reality,AR)/虚拟现实(virtual reality,VR)设备、笔记本电脑、超级移动个人计算机(ultra-mobile personalcomputer,UMPC)、上网本、个人数字助理(personal digital assistant,PDA)、可穿戴设备等,本申请实施例对电子设备的具体类型不作任何限制。
在本申请一些实施例中,电子设备还可以是还包含其它功能诸如个人数字助理和/或音乐播放器功能的便携式终端设备。便携式终端设备的示例性实施例包括但不限于搭载 或者其它操作***的便携式终端设备。
图3为本申请实施例提供的一种电子设备100的结构示意图。如图3所示,电子设备100可以包括处理器110,外部存储器接口120,内部存储器121,通用串行总线(universalserial bus,USB)接口130,充电管理模块140,电源管理模块141,电池142,天线1,天线2,移动通信模块150,无线通信模块160,音频模块170,扬声器170A,受话器170B,麦克风170C,耳机接口170D,传感器模块180,按键190,马达191,指示器192,摄像头193,显示屏194,以及用户标识模块(subscriber identification module,SIM)卡接口195等。
处理器110可以包括一个或多个处理单元,例如:处理器110可以包括应用处理器(application processor,AP),调制解调处理器,图形处理器(graphics processingunit,GPU),图像信号处理器(image signal processor,ISP),控制器,存储器,视频编解码器,数字信号处理器(digital signal processor,DSP),基带处理器,和/或神经网络处理器(neural-network processing unit,NPU)等。其中,不同的处理单元可以是独立的器件,也可以集成在一个或多个处理器中。其中,控制器可以是电子设备100的神经中枢和指挥中心。控制器可以根据指令操作码和时序信号,产生操作控制信号,完成取指令和执行指令的控制。处理器110中还可以设置存储器,用于存储指令和数据。在一些实施例中,处理器110中的存储器为高速缓冲存储器。该存储器可以保存处理器110刚用过或循环使用的指令或数据。如果处理器110需要再次使用该指令或数据,可从所述存储器中直接调用。避免了重复存取,减少了处理器110的等待时间,因而提高了***的效率。
USB接口130是符合USB标准规范的接口,具体可以是Mini USB接口,Micro USB接口,USB Type C接口等。USB接口130可以用于连接充电器为电子设备100充电,也可以用于电子设备100与***设备之间传输数据。充电管理模块140用于从充电器接收充电输入。电源管理模块141用于连接电池142,充电管理模块140与处理器110。电源管理模块141接收电池142和/或充电管理模块140的输入,为处理器110,内部存储器121,外部存储器,显示屏194,摄像头193,和无线通信模块160等供电。
电子设备100的无线通信功能可以通过天线1,天线2,移动通信模块150,无线通信模块160,调制解调处理器以及基带处理器等实现。天线1和天线2用于发射和接收电磁波信号。电子设备100中的每个天线可用于覆盖单个或多个通信频带。不同的天线还可以复用,以提高天线的利用率。例如:可以将天线1复用为无线局域网的分集天线。在另外一些实施例中,天线可以和调谐开关结合使用。
移动通信模块150可以提供应用在电子设备100上的包括2G/3G/4G/5G等无线通信的解决方案。移动通信模块150可以包括至少一个滤波器,开关,功率放大器,低噪声放大器(low noise amplifier,LNA)等。移动通信模块150可以由天线1接收电磁波,并对接收的电磁波进行滤波,放大等处理,传送至调制解调处理器进行解调。移动通信模块150还可以对经调制解调处理器调制后的信号放大,经天线1转为电磁波辐射出去。在一些实施例中,移动通信模块150的至少部分功能模块可以被设置于处理器110中。在一些实施例中,移动通信模块150的至少部分功能模块可以与处理器110的至少部分模块被设置在同一个器件中。
无线通信模块160可以提供应用在电子设备100上的包括无线局域网(wirelesslocal area networks,WLAN)(如无线保真(wireless fidelity,Wi-Fi)网络),蓝牙(bluetooth,BT),全球导航卫星***(global navigation satellite system,GNSS),调频(frequency modulation,FM),近距离无线通信技术(near field communication,NFC),红外技术(infrared,IR)等无线通信的解决方案。无线通信模块160可以是集成至少一个通信处理模块的一个或多个器件。无线通信模块160经由天线2接收电磁波,将电磁波信号调频以及滤波处理,将处理后的信号发送到处理器110。无线通信模块160还可以从处理器110接收待发送的信号,对其进行调频,放大,经天线2转为电磁波辐射出去。
在一些实施例中,电子设备100的天线1和移动通信模块150耦合,天线2和无线通信模块160耦合,使得电子设备100可以通过无线通信技术与网络以及其他设备通信。所述无线通信技术可以包括全球移动通讯***(global system for mobile communications,GSM),通用分组无线服务(general packet radio service,GPRS),码分多址接入(codedivision multiple access,CDMA),宽带码分多址(wideband code division multipleaccess,WCDMA),时分码分多址(time-division code division multiple access,TD-SCDMA),长期演进(long term evolution,LTE),BT,GNSS,WLAN,NFC,FM,和/或IR技术等。所述GNSS可以包括全球卫星定位***(global positioning system,GPS),全球导航卫星***(global navigation satellite system,GLONASS),北斗卫星导航***(beidounavigation satellite system,BDS),准天顶卫星***(quasi-zenith satellitesystem,QZSS)和/或星基增强***(satellite based augmentation systems,SBAS)。
显示屏194用于显示应用的显示界面,例如显示电子设备100上安装的应用的显示页面等。显示屏194包括显示面板。显示面板可以采用液晶显示屏(liquid crystaldisplay,LCD),有机发光二极管(organic light-emitting diode,OLED),有源矩阵有机发光二极体或主动矩阵有机发光二极体(active-matrix organic light emitting diode的,AMOLED),柔性发光二极管(flex light-emitting diode,FLED),Miniled,MicroLed,Micro-oLed,量子点发光二极管(quantum dot light emitting diodes,QLED)等。在一些实施例中,电子设备100可以包括1个或N个显示屏194,N为大于1的正整数。
摄像头193用于捕获静态图像或视频。物体通过镜头生成光学图像投射到感光元件。感光元件可以是电荷耦合器件(charge coupled device,CCD)或互补金属氧化物半导体(complementary metal-oxide-semiconductor,CMOS)光电晶体管。感光元件把光信号转换成电信号,之后将电信号传递给ISP转换成数字图像信号。ISP将数字图像信号输出到DSP加工处理。DSP将数字图像信号转换成标准的RGB,YUV等格式的图像信号。在一些实施例中,电子设备100可以包括1个或N个摄像头193,N为大于1的正整数。
内部存储器121可以用于存储计算机可执行程序代码,所述可执行程序代码包括指令。处理器110通过运行存储在内部存储器121的指令,从而执行电子设备100的各种功能应用以及数据处理。内部存储器121可以包括存储程序区和存储数据区。其中,存储程序区可存储操作***,以及至少一个应用程序的软件代码等。存储数据区可存储电子设备100使用过程中所产生的数据(例如拍摄的图像、录制的视频等)等。此外,内部存储器121可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件,闪存器件,通用闪存存储器(universal flash storage,UFS)等。
外部存储器接口120可以用于连接外部存储卡,例如Micro SD卡,实现扩展电子设备的存储能力。外部存储卡通过外部存储器接口120与处理器110通信,实现数据存储功能。例如将图片,视频等文件保存在外部存储卡中。
电子设备100可以通过音频模块170,扬声器170A,受话器170B,麦克风170C,耳机接口170D,以及应用处理器等实现音频功能。例如音乐播放,录音等。
其中,传感器模块180可以包括压力传感器180A,加速度传感器180B,触摸传感器180C等。
压力传感器180A用于感受压力信号,可以将压力信号转换成电信号。在一些实施例中,压力传感器180A可以设置于显示屏194。
触摸传感器180C,也称“触控面板”。触摸传感器180C可以设置于显示屏194,由触摸传感器180C与显示屏194组成触摸屏,也称“触控屏”。触摸传感器180C用于检测作用于其上或附近的触摸操作。触摸传感器可以将检测到的触摸操作传递给应用处理器,以确定触摸事件类型。可以通过显示屏194提供与触摸操作相关的视觉输出。在另一些实施例中,触摸传感器180C也可以设置于电子设备100的表面,与显示屏194所处的位置不同。
按键190包括开机键,音量键等。按键190可以是机械按键。也可以是触摸式按键。电子设备100可以接收按键输入,产生与电子设备100的用户设置以及功能控制有关的键信号输入。马达191可以产生振动提示。马达191可以用于来电振动提示,也可以用于触摸振动反馈。例如,作用于不同应用(例如拍照,音频播放等)的触摸操作,可以对应不同的振动反馈效果。触摸振动反馈效果还可以支持自定义。指示器192可以是指示灯,可以用于指示充电状态,电量变化,也可以用于指示消息,未接来电,通知等。SIM卡接口195用于连接SIM卡。SIM卡可以通过***SIM卡接口195,或从SIM卡接口195拔出,实现与电子设备100的接触和分离。
可以理解的是,图3所示的部件并不构成对电子设备100的具体限定,电子设备还可以包括比图示更多或更少的部件,或者组合某些部件,或者拆分某些部件,或者不同的部件布置。此外,图3中的部件之间的组合/连接关系也是可以调整修改的。
图4为本申请实施例提供的一种电子设备的软件结构框图。如图4所示,电子设备的软件结构可以是分层架构,例如可以将软件分成若干个层,每一层都有清晰的角色和分工。层与层之间通过软件接口通信。在一些实施例中,将操作***分为四层,从上至下分别为应用程序层,应用程序框架层(framework,FWK),运行时(runtime)和***库,以及内核层。
应用程序层可以包括一系列应用程序包(application package)。如图4所示,应用程序层可以包括相机、设置、皮肤模块、用户界面(user interface,UI)、三方应用程序等。其中,三方应用程序可以包括图库,日历,通话,地图,导航,WLAN,蓝牙,音乐,视频,短信息等。在本申请实施例中,应用程序层可以包括电子设备从服务器请求下载的目标应用的目标安装包,该目标安装包中的功能文件和布局文件适配于电子设备。
应用程序框架层为应用程序层的应用程序提供应用编程接口(applicationprogramming interface,API)和编程框架。应用程序框架层可以包括一些预先定义的函数。如图4所示,应用程序框架层可以包括窗口管理器,内容提供器,视图***,电话管理器,资源管理器,通知管理器。
窗口管理器用于管理窗口程序。窗口管理器可以获取显示屏大小,判断是否有状态栏,锁定屏幕,截取屏幕等。内容提供器用来存放和获取数据,并使这些数据可以被应用程序访问。所述数据可以包括视频,图像,音频,拨打和接听的电话,浏览历史和书签,电话簿等。
视图***包括可视控件,例如显示文字的控件,显示图片的控件等。视图***可用于构建应用程序。显示界面可以由一个或多个视图组成的。例如,包括短信通知图标的显示界面,可以包括显示文字的视图以及显示图片的视图。
电话管理器用于提供电子设备的通信功能。例如通话状态的管理(包括接通,挂断等)。
资源管理器为应用程序提供各种资源,比如本地化字符串,图标,图片,布局文件,视频文件等等。
通知管理器使应用程序可以在状态栏中显示通知信息,可以用于传达告知类型的消息,可以短暂停留后自动消失,无需用户交互。比如通知管理器被用于告知下载完成,消息提醒等。通知管理器还可以是以图表或者滚动条文本形式出现在***顶部状态栏的通知,例如后台运行的应用程序的通知,还可以是以对话窗口形式出现在屏幕上的通知。例如在状态栏提示文本信息,发出提示音,电子设备振动,指示灯闪烁等。
运行时包括核心库和虚拟机。运行时负责操作***的调度和管理。
核心库包含两部分:一部分是java语言需要调用的功能函数,另一部分是操作***的核心库。应用程序层和应用程序框架层运行在虚拟机中。虚拟机将应用程序层和应用程序框架层的java文件执行为二进制文件。虚拟机用于执行对象生命周期的管理,堆栈管理,线程管理,安全和异常的管理,以及垃圾回收等功能。
***库可以包括多个功能模块。例如:表面管理器(surface manager),媒体库(media libraries),三维图形处理库(例如:OpenGL ES),二维图形引擎(例如:SGL)、图像处理库等。
表面管理器用于对显示子***进行管理,并且为多个应用程序提供了2D和3D图层的融合。
媒体库支持多种常用的音频,视频格式回放和录制,以及静态图像文件等。媒体库可以支持多种音视频编码格式,例如:MPEG4,H.264,MP3,AAC,AMR,JPG,PNG等。
三维图形处理库用于实现三维图形绘图,图像渲染,合成,和图层处理等。
2D图形引擎是2D绘图的绘图引擎。
内核层是硬件和软件之间的层。内核层至少包含显示驱动,摄像头驱动,音频驱动,传感器驱动。
硬件层可以包括各类传感器,例如加速度传感器、陀螺仪传感器、触摸传感器等。
需要说明的是,图3和图4所示的结构仅作为本申请实施例提供的电子设备的一种示例,并不能对本申请实施例提供的电子设备进行任何限定,具体实施中,电子设备可以具有比图3或图4所示的结构中更多或更少的器件或模块。
下面对本申请实施例提供的推荐方法进行介绍。
图5为本申请实施例提供的一种推荐方法的流程图。该方法可以由图2所示的推荐场景中的服务器和电子设备执行。在图5所示的实施例中,第一电子设备、第二电子设备和第三电子设备可以为图2所示的推荐场景中的任一个电子设备。参考图5,该方法包括以下步骤:
S501:第一电子设备显示偏好共享功能的设置界面。
本申请实施例提供的偏好共享功能可以为电子设备的一个***级功能,用户可以在电子设备的设置中选择是否开启偏好共享功能,以及用户可以在偏好共享设置界面中设置共享数据的类型和共享用户。
例如,图6为本申请实施例提供的一种偏好功能设置界面的示意图。参考图6中的(a),电子设备的设置界面中可以包括用户信息,用户点击用户信息后,电子设备可以显示如图6中的(b)所示的用户账号中心界面,用户账号中心界面可以包括偏好共享功能的设置选项。用户点击偏好共享后,电子设备可以显示图6中的(c)所示的偏好共享功能的设置界面,参考图6中的(c),用户可以在偏好共享功能的设置界面中选择是否开启偏好共享功能,用户还可以选择开启偏好共享的数据类型和共享用户。
需要说明的是,当电子设备支持本申请实施例提供的偏好共享的推荐方式时,电子设备自带的应用可以基于本申请实施例提供的推荐方案进行内容推荐。可选的,当第三方应用接受偏好共享功能对应的协议时,第三方应用也可以基于本申请实施例提供的推荐方案进行内容推荐。电子设备显示的偏好共享功能界面还可以如图7所示,参考图7,用户可以选择开启本机自带应用偏好共享,也可以选择开启第三方应用偏好共享。
在一些实施例中,本申请实施例提供的偏好共享功能还可以为电子设备的一个应用级功能,如电子设备安装偏好共享应用后,可以支持基于偏好功能的推荐方式。
S502:响应于第一用户触发的第一操作,第一电子设备确定第一用户对应的配置参数,配置参数包括第一用户对应的数据类型和第三用户的标识。
可选的,第一操作可以为作用于开启偏好共享功能控件的点击操作。例如,第一操作可以为作用于图6中的(c)所示的界面中开启控件的点击操作。
第一电子设备在检测到第一操作后,可以获取第一用户对应的数据类型和第三用户的标识,其中,第一用户对应的数据类型可以为偏好共享功能设置界面中用户选择开启偏好共享的类型,如图6中的(c)中数据类型可以包括“购物”、“音乐”、“电影”和“社交”,用户选择开启偏好共享功能的数据类型为“购物”和“音乐”,并关闭“电影”和“社交”类型的数据共享。第三用户可以为第一用户在偏好共享功能的设置界面中选择可以进行偏好共享的用户,如图6中的(c)中,第一用户为用户A,第一用户选择“购物”类型的数据可以与用户B和用户C共享,“音乐”类型的数据可以与用户B共享,则第三用户为用户B和用户C。
S503:第一电子设备将第一用户对应的配置参数发送给服务器。
在本申请实施例中,服务器可以用于管理所有开启偏好共享功能的用户对应的配置参数,如服务器可以管理所有开启偏好共享功能的用户对应的数据类型和共享用户的标识。
可选地,服务器可以将用户对应的配置参数存储到图3所示的数据库中。
需要说明的是,在本申请实施例中,所有用户的电子设备可以将偏好共享功能的配置参数发送给服务器,具体实施可以参见S501-S503中第一电子设备执行的步骤,重复之处不再赘述。
S504:服务器根据配置参数中第一用户对应的数据类型获取第一用户的特征数据,以及,服务器根据第二用户可共享给第一用户的数据类型获取第二用户的特征数据。
可选的,第二用户为选择第一用户作为偏好共享用户的用户。也就是说,第二用户在偏好共享功能的设置界面中设置部分或全部数据类型对应的共享用户为第一用户。
一种可选的实施方式中,服务器可以根据第一用户对应的数据类型获取第一用户的特征数据,如图6中的(c)中,第一用户选择开启了“购物”和“音乐”类型的数据可以进行共享,则服务器可以获取“购物”类型下第一用户的特征数据,以及获取“音乐”类型下第一用户的特征数据。可选的,第一电子设备中安装的每个应用可以对应一个类型,服务器在获取第一用户的特征数据时,可以根据第一用户对应的数据类型确定从哪些应用获取第一用户的特征数据,如应用M的类型为“购物”,应用N的类型为“音乐”,则服务器可以向应用M的客户端或应用服务器、应用N的客户端或应用服务器获取第一用户的特征数据。
服务器还可以确定所有用户中选择第一用户作为共享用户的第二用户,并获取第二用户的特征数据。例如,假设第二用户选择向第一用户共享“购物”类型和“电影”类型的数据,第二用户对应的第三电子设备中安装的“购物”类型的应用为应用M,“电影”类型的应用为应用S,则服务器可以向应用M的客户端或应用服务器以及应用S的客户端或应用服务器获取第二用户的特征数据。
在本申请实施例中,服务器在获取到第一用户的特征数据和第二用户的特征数据后,可以在服务器中存储第一用户的特征数据和第二用户的特征数据,如服务器可以新建表以存储第一用户的特征数据和第二用户的特征数据。
一种可选的实施方式中,S502中配置参数还可以包括起始时间和结束时间,其中,起始时间为第一用户触发开启偏好共享功能的时间,结束时间为第一用户触发关闭偏好共享功能的时间。服务器可以根据配置参数中的起始时间和结束时间对用户的特征数据进行生命周期管理,若用户的特征数据的生成时间早于起始时间、或用户的特征数据的生成时间晚于结束时间时,服务器可以判断该特征数据为超期数据,服务器可以删除该特征数据。通过该方案,服务器可以准确获取并存储用户特征数据,并且在用户特征数据超期时进行删除,保证用户数据的安全性。
S505:服务器对第一用户的特征数据进行向量化处理,得到第一初始特征向量,以及,服务器对第二用户的特征数据进行向量化处理,得到第二初始特征向量。
可选地,第一用户的特征数据可能包括多种类型的特征数据,如第一用户的特征数据包括“购物”类型对应的特征数据和“音乐”类型对应的特征数据,服务器可以针对每个类型的特征数据生成一个第一初始特征向量。类似地,服务器也可以对第二用户的特征数据中每种类型的特征数据生成一个第二初始特征向量。
S506:服务器对第一初始特征向量和第二初始特征向量进行融合处理,得到目标特征向量。
一种可选的实施方式中,当第一初始特征向量的数据类型和第二初始特征向量数据类型相同时,服务器可以对第一初始特征向量和第二初始特征向量进行向量运算,生成目标特征向量,其中向量运算可以包括向量点积、向量叠加和向量拼接中的至少一种。例如,当第一初始特征向量的数据类型为“购物”,且第二初始特征向量的数据类型为“购物”时,服务器可以对第一初始特征向量和第二初始特征向量进行向量运算,生成目标特征向量,目标特征向量可以用于表示第一用户和第二用户的偏好特征。
例如,图8为本申请实施例提供的第一种向量融合的示意图。参考图8,数据库中可以存储第一用户对应的多种数据类型的特征数据,以及存储第二用户对应的多种数据类型的特征数据。假设第一用户在偏好共享功能设置可以共享的数据类型为“购物”,第二用户在偏好共享功能设置可以共享的数据类型为“购物”,且第二用户在偏好共享功能设置可以向第一用户共享数据。服务器可以从数据库中获取第一用户的“购物”类型的特征数据和第二用户的“购物”类型的特征数据,服务器对第一用户的“购物”类型的特征数据进行向量化处理得到第一初始特征向量,服务器对第二用户的“购物”类型的特征数据进行向量化处理得到第二初始特征向量,然后对第一初始特征向量和第二初始特征向量进行向量运算,得到目标特征向量。
一种可选的实施方式中,当第一初始特征向量的数据类型和第二初始特征向量的数据类型不同时,服务器可以根据第一初始特征向量和第二特征向量、基于已训练的特征融合模型生成目标特征向量。实施中,服务器可以将第一特征向量和第二特征向量作为已训练的特征融合模型的输入,并获取特征融合模型输出的目标特征向量。
需要说明的是,第一初始特征向量的数据类型和第二初始特征向量的数据类型不同可能存在的情况有:存在一个第一初始特征向量和一个第二初始特征向量,且第一初始特征向量和第二初始特征向量的数据类型不同;存在多个第一初始特征向量,多个第一初始特征向量与多个数据类型一一对应;存在多个第二初始特征向量,多个第二初始特征向量与多个数据类型一一对应。
例如,图9为本申请实施例提供的第二种向量融合的示意图。参考图9,数据库中可以存储第一用户对应的多种数据类型的特征数据,以及存储第二用户对应的多种数据类型的特征数据。假设第一用户在偏好共享功能设置可以共享的数据类型为“购物”和“音乐”,第二用户在偏好共享功能设置可以共享的数据类型为“购物”,且第二用户在偏好共享功能设置可以向第一用户共享数据。服务器可以从数据库中获取第一用户的“购物”类型的特征数据、第一用户的“音乐”类型的特征数据和第二用户的“购物”类型的特征数据,服务器对第一用户的“购物”类型的特征数据进行向量化处理得到第一初始特征向量,服务器对第一用户的“音乐”类型的特征数据进行向量化处理得到另一个第一初始特征向量,服务器对第二用户的“购物”类型的特征数据进行向量化处理得到第二初始特征向量。服务器将两个第一初始特征向量和一个第二初始特征向量作为已训练的特征融合模型的输入,并获取特征融合模型输出的目标特征向量,目标特征向量可以用于表示第一用户和第二用户的偏好特征。
在本申请一些实施例中,服务器可以将已训练的推荐模型作为预训练模型,并根据数据库中的用户特征数据生成训练数据集。服务器可以根据训练数据集对预训练模型进行训练,例如可以基于梯度下降法对预训练模型进行训练,进而得到已训练的特征融合模型。
可以理解的是,本申请实施例中已训练的推荐模型可以是基于数据库中的用户特征数据训练得到的,因此已训练的推荐模型和特征融合模型是基于相同数据域下的数据训练的,将已训练的推荐模型作为特征融合模型的预训练模型可以保证训练得到的特征融合模型具有更好的模型性能。
例如,图10为本申请实施例提供的一种特征融合模型的示意图。参考图10,具体实施中服务器可以在模型训练过程中调整模型参数,如调整模型的层数、每层的节点数以及每个节点的权重值等。假设服务器将图9所示的两个第一初始特征向量和一个第二初始特征向量作为已训练的特征融合模型的输入,两个第一初始特征向量和一个第二初始特征假设如图10中所示。在特征融合模型中,根据模型的节点数,初始特征向量的维度可能增加或减少,参考图10,输出层的前一层可以将初始特征向量处理为4个向量,输出层再将这4个向量处理为目标特征向量并输出。
可选的,本申请实施例中推荐模型和特征融合模型可以为深度模型,如全连接模型等。
S507:第一电子设备响应于第一用户的第二操作,向服务器发送推荐请求。
可选的,第二操作可以为用户启动目标应用的操作,如第二操作可以为作用于目标应用的图标的点击操作。
一种可选的实施方式中,推荐请求中可以包括第一用户的标识和目标应用的类型。其中,目标应用的类型例如可以包括“购物”、“音乐”等。
S508:服务器根据推荐请求中第一用户的标识获取第一用户对应的目标特征向量,根据推荐请求中目标应用的类型和目标特征向量,基于已训练的推荐模型确定推荐结果。
在本申请实施例中,已训练的推荐模型可以用于根据用户对应的目标特征向量对用户进行个性化推荐。具体实施中,服务器可以将第一用户对应的目标特征向量作为已训练的推荐模型的输入,并根据目标应用的类型确定目标应用对应的候选对象集合,推荐模型可以根据目标特征向量确定第一用户和第二用户的偏好信息,并根据第一用户和第二用户的偏好信息从候选对象集合中确定推荐结果,服务器可以获取已训练的推荐模型输出的推荐结果。可选地,已训练的推荐模型可以为服务器基于数据库中的用户特征数据训练得到的。
举例来说,假设第二用户为孩子,第一用户为妈妈。第二用户在偏好共享界面中设置将“音乐”类型的数据共享给第一用户,第一用户在偏好共享界面中设置开启“购物”类型的数据,则服务器可以根据第二用户的“音乐”类型的数据和第一用户的“购物”类型的数据生成目标特征向量。假设孩子最近常听的音乐为与春天、旅游相关的音乐,则当妈妈在电子设备上点击启动购物应用后,电子设备向服务器发送推荐请求,服务器根据目标特征向量生成的推荐结果中可以包括旅游项目相关的购物产品。
在本申请一些场景中,当目标应用为第三方应用时,推荐模型可以为应用服务器提供的推荐模型,此时服务器可以将第一用户对应的目标特征向量发送给应用服务器,应用服务器可以根据目标特征向量、基于推荐模型生成推荐结果。
S509:服务器将推荐结果发送给第一电子设备。
S510:第一电子设备根据推荐结果进行显示。
例如,图11为本申请实施例提供的一种推荐结果的示意图。假设第二用户在偏好共享功能的设置界面中选择向第一用户共享“购物”类型的数据,第一用户在偏好共享功能的设置界面中选择共享“音乐”类型的数据。图11中的(a)为第二电子设备显示的第二用户的购物应用界面,参见图11中的(a)可见第二用户购买了露营设备,服务器可以从数据库中获取第二用户的“购物”类型的特征数据,例如该特征数据可以包括用户购买的商品名,如“露营用帐篷”以及“便携餐桌露营用”,服务器对第二用户的“购物”类型的特征数据进行向量化处理,得到第二初始特征向量。服务器还可以从数据库中获取第一用户的“音乐”类型的特征数据,例如该特征数据可以包括用户今日听歌的类型、最常听的音乐类型等,服务器可以对第一用户的“音乐”类型的特征数据进行向量化处理,得到第一初始特征向量。服务器根据第一初始特征向量和第二初始特征向量进行特征融合处理,得到目标特征向量。第一电子设备在启动音乐应用后,向服务器发送推荐请求,服务器根据目标特征向量确定推荐结果,例如该推荐结果中包括与“露营”相关的音乐,服务器将推荐结果发送给第一电子设备。如图11中的(b)为第一用户的音乐应用界面,第一电子设备在该界面中显示推荐结果,其中推荐结果可以包括“露营必听歌单”。
在本申请一些实施例中,根据发起推荐请求的设备类型不同,服务器可以确定不同的推荐结果,以更适应用户的使用场景。如图12为本申请实施例提供的又一种推荐方法的流程图,参考图12,该方法可以包括以下步骤:
S1201:第一电子设备显示偏好共享功能的设置界面。
S1202:响应于第一用户触发的第一操作,第一电子设备确定第一用户对应的配置参数,配置参数包括第一用户对应的数据类型和第三用户的标识。
S1203:第一电子设备将第一用户对应的配置参数发送给服务器。
S1204:服务器根据配置参数中第一用户对应的数据类型获取第一用户的特征数据,以及,服务器根据第二用户可共享给第一用户的数据类型获取第二用户的特征数据;服务器根据第一用户的特征数据和第二用户的特征数据生成目标特征向量。
S1205:第一电子设备响应于第一用户的第二操作,向服务器发送推荐请求;推荐请求包括第一电子设备的设备类型。
在本申请实施例中,推荐请求可以包括第一电子设备的设备类型,如第一电子设备的设备类型可以为手机、平板、便携设备、车载设备等。
一种可选的实施方式中,推荐请求中还可以包括第一用户的标识和目标应用的类型。
S1206:服务器根据获取第一用户对应的目标特征向量,根据推荐请求中第一电子设备的设备类型、目标应用的类型和目标特征向量,基于已训练的推荐模型确定推荐结果。
在本申请实施例中,服务器接收到第一电子设备发送的推荐请求后,服务器可以根据目标应用的类型和第一电子设备的设备类型确定候选对象集合,如当第一电子设备的设备类型为车载设备、目标应用的类型为音乐时,服务器确定的候选对象集合可以包括第一用户在车载设备上常听的歌曲。服务器可以根据推荐请求中第一用户的标识获取第一用户对应的目标特征向量,基于已训练的推荐模型、根据目标特征向量从候选对象集合中确定推荐结果。通过该设计,服务器确定出的推荐结果可以符合用户当前电子设备的使用场景,如第一电子设备为车载设备时,服务器确定出的推荐结果更符合用户在驾驶场景的偏好。
需要说明的是,服务器还可以根据目标应用的类型确定候选对象集合,服务器基于已训练的推荐模型、根据目标特征向量从候选对象集合中确定候选结果,然后再根据第一电子设备的设备类型对候选结果进行筛选,确定推荐结果。也就是说,本申请实施例中第一电子设备的设备类型还可以用于对推荐模型输出的结果进行筛选,从而使得最终得到的推荐结果更符合用户当前的设备使用场景。
S1207:服务器将推荐结果发送给第一电子设备。
S1208:第一电子设备根据推荐结果进行显示。
需要说明的是,图12所示实施例中各步骤实施可以参见图5所示实施例中的各个步骤,重复之处不再赘述。
基于以上实施例,本申请还提供一种推荐方法,该方法可以由电子设备和服务器执行,如该方法可以应用于图1所示的推荐场景中的电子设备和服务器。图13为本申请实施例提供的一种推荐方法的流程图。参考图13,该方法包括以下步骤:
S1301:第一电子设备响应于第一用户的第一操作,向服务器发送推荐请求;
其中,第一操作用于启动目标应用,推荐请求中可以包括第一用户的标识和目标应用的类型。可选的,推荐请求中还可以包括第一电子设备的设备类型。
S1302:服务器根据第一用户的标识获取第一用户对应的目标特征向量。
其中,第一用户对应的目标特征向量用于指示第一用户和第二用户的偏好特征,第二用户为能够向第一用户共享数据的用户。
S1303:服务器根据第一用户对应的目标特征向量和目标应用的类型,基于已训练的推荐模型确定推荐结果。可选地,推荐结果和第一电子设备的设备类型关联。
S1304:服务器将推荐结果发送给第一电子设备。
S1305:第一电子设备根据推荐结果进行显示。
需要说明的是,本申请图13所示的推荐方法在具体实施时可以参见本申请上述各实施例,重复之处不再赘述。
基于以上实施例,本申请还提供一种电子设备,所述电子设备包括多个功能模块;所述多个功能模块相互作用,实现本申请实施例所描述的各方法中电子设备所执行的功能。例如执行图5所示实施例中第一电子设备执行的S501-S503、S507、S510,又例如执行图12所示实施例中第一电子设备执行的S1201-S1203、S1205、S1208。所述多个功能模块可以基于软件、硬件或软件和硬件的结合实现,且所述多个功能模块可以基于具体实现进行任意组合或分割。
基于以上实施例,本申请还提供一种电子设备,该电子设备包括至少一个处理器和至少一个存储器,所述至少一个存储器中存储计算机程序指令,所述电子设备运行时,所述至少一个处理器执行本申请实施例所描述的各方法中电子设备所执行的功能。例如执行图5所示实施例中第一电子设备执行的S501-S503、S507、S510,又例如执行图12所示实施例中第一电子设备执行的S1201-S1203、S1205、S1208。
基于以上实施例,本申请还提供一种服务器,所述服务器包括多个功能模块;所述多个功能模块相互作用,实现本申请实施例所描述的各方法中服务器所执行的功能。例如执行图5所示实施例中服务器执行的S504-S506、S508-S509,又例如执行图12所示实施例中服务器执行的S1204、S1206-S1207。所述多个功能模块可以基于软件、硬件或软件和硬件的结合实现,且所述多个功能模块可以基于具体实现进行任意组合或分割。
基于以上实施例,本申请还提供一种服务器,该服务器包括至少一个处理器和至少一个存储器,所述至少一个存储器中存储计算机程序指令,所述服务器运行时,所述至少一个处理器执行本申请实施例所描述的各方法中服务器所执行的功能。例如执行图5所示实施例中服务器执行的S504-S506、S508-S509,又例如执行图12所示实施例中服务器执行的S1204、S1206-S1207。
基于以上实施例,本申请还提供一种包含指令的计算机程序产品,当所述计算机程序产品在计算机上运行时,使得所述计算机执行本申请实施例所描述的各方法。
基于以上实施例,本申请还提供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计算机程序,当所述计算机程序被计算机执行时,使得所述计算机执行本申请实施例所描述的各方法。
基于以上实施例,本申请还提供了一种芯片,所述芯片用于读取存储器中存储的计算机程序,实现本申请实施例所描述的各方法。
基于以上实施例,本申请提供了一种芯片***,该芯片***包括处理器,用于支持计算机装置实现本申请实施例所描述的各方法。在一种可能的设计中,所述芯片***还包括存储器,所述存储器用于保存该计算机装置必要的程序和数据。该芯片***,可以由芯片构成,也可以包含芯片和其他分立器件。
本领域内的技术人员应明白,本申请的实施例可提供为方法、***、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的保护范围。这样,倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内,则本申请也意图包含这些改动和变型在内。
Claims (15)
1.一种推荐方法,其特征在于,应用于第一电子设备,所述方法包括:
响应于第一用户的第一操作,向服务器发送推荐请求;所述第一操作用于启动目标应用,所述推荐请求中包括所述第一用户的标识和所述目标应用的类型;
接收服务器发送的推荐结果,所述推荐结果为所述服务器根据第一用户对应的目标特征向量和所述目标应用的类型生成的,所述第一用户对应的目标特征向量用于指示所述第一用户和第二用户的偏好特征,所述第二用户为能够向所述第一用户共享数据的用户;
根据所述推荐结果进行显示。
2.如权利要求1所述的方法,其特征在于,在响应于第一用户的第一操作,向服务器发送推荐请求之前,所述方法还包括:
显示偏好共享功能的设置界面;
响应于所述第一用户的第二操作,确定所述第一用户对应的配置参数,所述第一用户对应的配置参数包括所述第一用户对应的数据类型和第三用户的标识,所述第一用户对应的数据类型为所述第一用户能够共享的数据类型,所述第三用户为所述第一用户能够共享数据的用户;
将所述第一用户对应的配置参数发送给所述服务器。
3.一种推荐方法,其特征在于,应用于服务器,所述方法包括:
接收第一电子设备发送的推荐请求,所述推荐请求中包括第一用户的标识和目标应用的类型;
根据所述第一用户的标识获取所述第一用户对应的目标特征向量,所述第一用户对应的目标特征向量用于指示所述第一用户和第二用户的偏好特征,所述第二用户为能够向所述第一用户共享数据的用户;
根据所述第一用户对应的目标特征向量和所述目标应用的类型,基于已训练的推荐模型确定推荐结果;
将所述推荐结果发送给所述第一电子设备。
4.如权利要求3所述的方法,其特征在于,所述根据所述第一用户对应的目标特征向量和所述目标应用的类型,基于已训练的推荐模型确定推荐结果,包括:
根据所述目标应用的类型获取所述目标应用对应的候选对象集合;
根据所述第一用户对应的目标特征向量,基于已训练的推荐模型从所述目标应用对应的候选对象集合中确定推荐结果。
5.如权利要求3或4所述的方法,其特征在于,在所述接收第一电子设备发送的推荐请求之前,所述方法还包括:
接收所述第一电子设备发送的所述第一用户对应的配置参数,所述第一用户对应的配置参数包括所述第一用户对应的数据类型和第三用户的标识,所述第一用户对应的数据类型为所述第一用户能够共享的数据类型,所述第三用户为所述第一用户能够共享数据的用户;
接收第二电子设备发送的所述第二用户对应的配置参数,所述第二用户对应的配置参数包括所述第二用户对应的数据类型和第四用户的标识,所述第二用户对应的数据类型为所述第二用户能够共享的数据类型,所述第四用户为所述第二用户能够共享数据的用户,所述第四用户包括所述第一用户;
根据所述第一用户对应的数据类型获取并存储所述第一用户的特征数据,以及根据所述第二用户能够共享给所述第一用户的数据类型获取并存储所述第二用户的特征数据;
根据所述第一用户的特征数据和所述第二用户的特征数据进行特征融合处理,生成所述第一用户对应的目标特征向量。
6.如权利要求5所述的方法,其特征在于,所述根据所述第一用户的特征数据和所述第二用户的特征数据进行特征融合处理,生成所述第一用户对应的目标特征向量,包括:
对所述第一用户的特征数据进行向量化处理,生成第一初始特征向量;以及
对所述第二用户的特征数据进行向量化处理,生成第二初始特征向量;
对所述第一初始特征向量和所述第二初始特征向量进行特征向量融合处理,生成所述第一用户对应的目标特征向量。
7.如权利要求6所述的方法,其特征在于,所述对所述第一初始特征向量和所述第二初始特征向量进行特征向量融合处理,包括:
当所述第一初始特征向量的数据类型和所述第二初始特征向量的数据类型相同时,对所述第一初始特征向量和所述第二初始特征向量进行向量运算;所述向量运算包括向量点积、向量叠加和向量拼接中的至少一种;或者
当所述第一初始特征向量的数据类型和所述第二初始特征向量的数据类型不同时,基于已训练的特征融合模型对所述第一初始特征向量和所述第二初始特征向量进行特征向量融合处理。
8.如权利要求7所述的方法,其特征在于,所述方法还包括:
将所述已训练的推荐模型作为特征融合模型对应的预训练模型;
从数据库中获取多个用户的特征数据,根据所述多个用户的特征数据生成训练数据集,根据所述训练数据集对所述预训练模型进行训练,得到所述已训练的特征融合模型。
9.如权利要求5-8任一项所述的方法,其特征在于,所述第一用户对应的配置参数还包括起始时间和结束时间,所述起始时间为所述第一用户触发开启偏好共享功能的时间,所述结束时间为所述第一用户关闭所述偏好共享功能的时间;所述方法还包括:
确定所述第一用户的特征数据的生成时间早于所述起始时间,或者确定所述第一用户的特征数据的生成时间晚于所述结束时间时,删除所述第一用户的特征数据。
10.一种电子设备,其特征在于,包括至少一个处理器,所述至少一个处理器与至少一个存储器耦合,所述至少一个处理器用于读取所述至少一个存储器所存储的计算机程序,以执行如权利要求1或权利要求2所述的方法。
11.一种服务器,其特征在于,包括至少一个处理器,所述至少一个处理器与至少一个存储器耦合,所述至少一个处理器用于读取所述至少一个存储器所存储的计算机程序,以执行如权利要求3-9中任一所述的方法。
12.一种电子设备,其特征在于,包括多个功能模块;所述多个功能模块相互作用,实现如权利要求1或权利要求2所述的方法。
13.一种服务器,其特征在于,包括多个功能模块;所述多个功能模块相互作用,实现如权利要求3-9中任一所述的方法。
14.一种包含指令的计算机程序产品,其特征在于,当所述计算机程序产品在计算机上运行时,使得计算机执行如权利要求1或权利要求2所述的方法,或执行如权利要求3-9中任一所述的方法。
15.一种计算机可读存储介质,其特征在于,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,使得计算机执行如权利要求1或权利要求2所述的方法,或执行如权利要求3-9中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211583379.4A CN118170966A (zh) | 2022-12-09 | 2022-12-09 | 一种推荐方法、电子设备及服务器 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211583379.4A CN118170966A (zh) | 2022-12-09 | 2022-12-09 | 一种推荐方法、电子设备及服务器 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN118170966A true CN118170966A (zh) | 2024-06-11 |
Family
ID=91353995
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211583379.4A Pending CN118170966A (zh) | 2022-12-09 | 2022-12-09 | 一种推荐方法、电子设备及服务器 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN118170966A (zh) |
-
2022
- 2022-12-09 CN CN202211583379.4A patent/CN118170966A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10523606B2 (en) | Generating interactive messages with asynchronous media content | |
CN112783379B (zh) | 一种选择图片的方法和电子设备 | |
WO2022089207A1 (zh) | 一种跨设备应用交互方法、电子设备与服务器 | |
CN114356258A (zh) | 电子设备及其投屏方法和介质 | |
WO2020233556A1 (zh) | 一种通话内容处理方法和电子设备 | |
WO2022135485A1 (zh) | 电子设备及其主题设置方法和介质 | |
WO2023005711A1 (zh) | 一种服务的推荐方法及电子设备 | |
WO2022052706A1 (zh) | 一种服务的分享方法、***及电子设备 | |
CN118170966A (zh) | 一种推荐方法、电子设备及服务器 | |
CN114971666A (zh) | 广告的展示方法、装置及*** | |
CN115543496A (zh) | 消息处理方法及相关装置 | |
CN115271775A (zh) | 广告显示方法及相关设备 | |
CN115268710A (zh) | 应用程序的登录方法、相关装置和*** | |
WO2023061298A1 (zh) | 一种图片备份***、方法与设备 | |
CN116302297B (zh) | 一种主题生成方法及电子设备 | |
CN117097793B (zh) | 一种消息推送方法、终端及服务器 | |
CN116339562B (zh) | 一种快捷输入方法及电子设备 | |
WO2024067073A1 (zh) | 一种图片拍摄与分享方法及电子设备 | |
CN117708407A (zh) | 一种数据查询方法、电子设备及*** | |
CN118057798A (zh) | 一种应用分享方法及电子设备 | |
CN117640717A (zh) | 一种设备连接方法及设备 | |
CN115509407A (zh) | 一种快捷图标展示方法与终端设备 | |
CN116846853A (zh) | 一种信息处理方法及电子设备 | |
CN117670379A (zh) | 一种广告展示的方法、终端、服务器及*** | |
CN116775050A (zh) | 一种识别应用程序中sdk的方法、终端及服务器 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination |