專利名稱：一種在線資源的推薦方法和裝置的制作方法
ー種在線資源的推薦方法和裝置
技術領域：
本發(fā)明涉及計算機網(wǎng)絡技術領域，特別涉及ー種在線資源的推薦方法和裝置。背景技木隨著網(wǎng)絡帶寬的提升和用戶習慣的變化，現(xiàn)在對網(wǎng)絡資源的需求主要是在線利用，例如在線播放音頻、在線播放視頻等。當用戶需要獲取某種在線資源時，通常采用垂直捜索的方式，在瀏覽器的搜索框中輸入資源信息，瀏覽器將該資源信息包含的請求中發(fā)送給搜索服務器，由捜索服務器向瀏覽器返回與該資源信息對應的在線資源，并推薦給用戶供用戶選擇在線利用。例如，用戶在瀏覽器的捜索框中輸入“K歌之王”并點選音頻類型以進行垂直捜索，瀏覽器將請求發(fā)送給捜索服務器后，就能夠獲取到捜索服務器返回的“K歌之王”對應的在線歌曲，并推薦給用戶供用戶在線試聽。 然而，現(xiàn)有技術中在將在線資源推薦給用戶時，通常是基于在線資源質(zhì)量的，例如在線資源的清晰程度、在線資源的下載速率等。這就會造成，雖然排在前面的在線資源其雖然具有較高的質(zhì)量，但由于用戶質(zhì)量較低，例如用戶的網(wǎng)速較低，而無法流暢播放高質(zhì)量的在線資源，使得在線資源的使用失敗。可見，現(xiàn)有的在線資源推薦方式帶來的使用成功率較低，用戶體驗較差。

發(fā)明內(nèi)容有鑒于此，本發(fā)明提供了ー種在線資源的推薦方法和裝置，以便于提高在線資源的使用成功率，從而給用戶帶來較好的體驗。具體技術方案如下ー種在線資源的推薦方法，基于質(zhì)量控制模型，所述質(zhì)量控制模型中包括利用用戶歷史的質(zhì)量數(shù)據(jù)進行聚類得到的用戶質(zhì)量分類子模型，以及，利用用戶歷史的資源使用數(shù)據(jù)建立的各資源類別對應的各用戶質(zhì)量的在線使用成功率計算子模型；所述推薦方法包括SI、根據(jù)當前用戶發(fā)送請求時的實時質(zhì)量數(shù)據(jù)，利用所述用戶質(zhì)量分類子模型確定當前用戶所屬的質(zhì)量類別；S2、利用所述在線使用成功率計算子模型，確定所述當前用戶所屬的質(zhì)量類別對應的各資源質(zhì)量的在線使用成功率；S3、根據(jù)所述步驟S2確定的各資源質(zhì)量的在線使用成功率，向所述當前用戶推薦所請求的在線資源。根據(jù)本發(fā)明一優(yōu)選實施例，所述質(zhì)量數(shù)據(jù)包括用戶端網(wǎng)速、請求時間或位置信息中的至少ー種。根據(jù)本發(fā)明一優(yōu)選實施例，該方法還包括在用戶使用在線資源的過程中收集質(zhì)量數(shù)據(jù)，并在使用結(jié)束后，將收集到的質(zhì)量數(shù)據(jù)以日志的形式進行記錄或上報服務器，供建立所述用戶質(zhì)量分類子模型。
根據(jù)本發(fā)明一優(yōu)選實施例，建立所述在線使用成功率計算子模型具體包括利用用戶歷史的在線資源獲取成功與否的數(shù)據(jù)，統(tǒng)計不同質(zhì)量類別用戶分別對于各資源類別的使用成功率。根據(jù)本發(fā)明一優(yōu)選實施例，所述步驟S3具體包括從所述當前用戶所請求的在線資源中，選擇滿足預設在線使用成 功率要求的資源質(zhì)量的在線資源向所述當前用戶推薦；或者，按照在線使用成功率將所述當前用戶所請求的在線資源進行排序后向所述當前用戶推薦；或者，在滿足預設在線使用成功率要求的前提下，按照在線資源質(zhì)量高低向所述當前用戶推薦所請求的在線資源。ー種在線資源的推薦裝置，基于質(zhì)量控制模型，所述質(zhì)量控制模型中包括利用用戶歷史的質(zhì)量數(shù)據(jù)進行聚類得到的用戶質(zhì)量分類子模型，以及，利用用戶歷史的資源使用數(shù)據(jù)建立的各資源類別對應的各用戶質(zhì)量的在線使用成功率計算子模型；所述推薦裝置包括數(shù)據(jù)收集単元，用于收集用戶的實時質(zhì)量數(shù)據(jù)；質(zhì)量類別確定単元，用于根據(jù)當前用戶發(fā)送請求時的實時質(zhì)量數(shù)據(jù)，利用所述用戶質(zhì)量分類子模型確定當前用戶所屬的質(zhì)量類別；成功率確定單元，用于利用所述在線使用成功率計算子模型，確定所述當前用戶所屬的質(zhì)量類別對應的各資源質(zhì)量的在線使用成功率；資源推薦單元，用于根據(jù)所述成功率確定單元確定的各資源質(zhì)量的在線使用成功率，向所述當前用戶推薦所請求的在線資源。根據(jù)本發(fā)明一優(yōu)選實施例，所述質(zhì)量數(shù)據(jù)包括用戶端網(wǎng)速、請求時間或位置信息中的至少ー種。根據(jù)本發(fā)明一優(yōu)選實施例，該推薦裝置還包括第一模型建立単元，用于利用用戶歷史的質(zhì)量數(shù)據(jù)進行聚類得到用戶質(zhì)量分類子模型；所述數(shù)據(jù)收集單元，還用于在用戶使用在線資源的過程中收集質(zhì)量數(shù)據(jù)，并在使用結(jié)束后，將收集到的質(zhì)量數(shù)據(jù)以日志的形式進行記錄或上報服務器，供所述第一模型建立単元得到所述用戶質(zhì)量分類子模型。根據(jù)本發(fā)明一優(yōu)選實施例，該推薦裝置還包括第二模型建立子単元，用于利用用戶歷史的在線資源獲取成功與否的數(shù)據(jù)，統(tǒng)計不同質(zhì)量類別用戶分別對于各資源類別的使用成功率，從而建立在線使用成功率計算子模型。根據(jù)本發(fā)明一優(yōu)選實施例，所述資源推薦單元從所述當前用戶所請求的在線資源中，選擇滿足預設在線使用成功率要求的資源質(zhì)量的在線資源向所述當前用戶推薦；或者，按照在線使用成功率將所述當前用戶所請求的在線資源進行排序后向所述當前用戶推薦；或者，在滿足預設在線使用成功率要求的前提下，按照在線資源質(zhì)量高低向所述當前用戶推薦所請求的在線資源。由以上技術方案可以看出，本發(fā)明提供的推薦方法和裝置首先根據(jù)當前用戶發(fā)送請求時的實時質(zhì)量數(shù)據(jù)確定出用戶所屬的質(zhì)量類別，再從當前用戶所請求的在線資源中確定出與該用戶的質(zhì)量類別匹配時，滿足在線成功率要求的在線資源進行推薦。從而盡可能的保證在線資源成功使用，即提高了在線資源的使用成功率和用戶體驗。

圖I為本發(fā)明實施例提供的在線資源的推薦方法流程圖；圖2為本發(fā)明實施例提供的在線資源的推薦裝置結(jié)構圖。
具體實施方式為了使本發(fā)明的目的、技術方案和優(yōu)點更加清楚，下面結(jié)合附圖和具體實施例對 本發(fā)明進行詳細描述。通過分析發(fā)現(xiàn)，往往用戶在對在線資源進行利用時，主要需求是在線播放成功率和流暢度，其次才是資源質(zhì)量(例如音質(zhì)、清晰度)等其他需求，因此如果要提高成功率，則需要實現(xiàn)資源質(zhì)量與用戶質(zhì)量的匹配，該匹配通過質(zhì)量控制模型進行判斷。本發(fā)明就是基于此提出的，首先對質(zhì)量控制模型所涉及到的兩種子模型進行描述用戶質(zhì)量分類子模型和在線使用成功率計算子模型。用戶質(zhì)量分類子模型是利用用戶歷史的質(zhì)量數(shù)據(jù)進行聚類得到的，其中用戶歷史的質(zhì)量數(shù)據(jù)是從在線資源使用日志中獲取的?？梢允占脩裘看握埱笤诰€資源的實時質(zhì)量數(shù)據(jù)，包括但不限于用戶端的網(wǎng)速(用戶使用在線資源的網(wǎng)速)、請求時間或者位置信息中的至少ー種，其中各用戶可以采用cookie或者用戶名等進行標識，請求時間可以是日期信息、星期信息或時段信息等，位置信息可以是ip地址或地理位置信息等。收集這些質(zhì)量數(shù)據(jù)的方式可以通過在網(wǎng)頁播放器中嵌入js代碼，在用戶使用在線資源的過程中收集質(zhì)量數(shù)據(jù)，并在使用結(jié)束后，將收集到的信息以日志的形式進行記錄或上報服務器。在進行聚類時，依據(jù)收集到的質(zhì)量數(shù)據(jù)進行，同一個用戶可以劃分到ー個以上種質(zhì)量類別。例如依據(jù)各用戶在使用在線資源時的網(wǎng)速，將用戶劃分為高速用戶、中速用戶和低速用戶，其中網(wǎng)速為60kbps以上的用戶劃分為高速用戶，網(wǎng)速為30kbps-60kbps的用戶被劃分為中速用戶，網(wǎng)速為0-30kbps的用戶被劃分為低速用戶。依據(jù)各用戶對在線資源的請求時間，將用戶劃分為高峰時段用戶、普通時段用戶和冷門時段用戶。其中，請求時間為10點至下午17點以及晚上8點至晚上10點的用戶被劃分為高峰時段用戶，請求時間為凌晨2點至8點的用戶被劃分為冷門時段用戶，請求時間為其他時段的用戶被劃分為普通時段用戶。也可以依據(jù)請求時間所在的時段直接劃分用戶，例如分別劃分為0點至3點時段的用戶、4點至7點時段的用戶、8點至11點時段的用戶、12點至15點時段的用戶，16點至19點時段的用戶，20點至23點時段的用戶。依據(jù)各用戶的位置信息，將用戶劃分為各省份的用戶。也可以對用戶的請求時間、用戶端網(wǎng)速和位置信息進行整合劃分為大類，例如，網(wǎng)速為60kbps以上、請求時間在10點至下午17點的北京用戶劃分為ー類。當然用戶類別還可以采用其他劃分質(zhì)量類別的方式，在此不再一一舉例。另外，可以采用上述絕對分類的方式，也可以采用基于實時質(zhì)量數(shù)據(jù)計算對應到各質(zhì)量類別的概率的方式，用戶質(zhì)量類別的具體分類方式本發(fā)明實施例并不加以限制。
在線使用成功率計算子模型是利用用戶歷史的資源使用數(shù)據(jù)建立的，在對各用戶進行質(zhì)量類別的分類后，利用用戶歷史的在線資源獲取成功與否的數(shù)據(jù)，統(tǒng)計不同質(zhì)量類別用戶分別對于各資源類別的使用成功率，a類用戶對于b類資源的使用成功率可以采用a類用戶使用b類資源成功的在線資源數(shù)量與a類用戶請求的b類資源數(shù)量的比值。其中在線資源的資源類別可以按照在線資源的質(zhì)量進行劃分，例如按照資源的大小或服務速率等，將各在線資源劃分為高質(zhì)量資源、中等質(zhì)量資源和低質(zhì)量資源。其中資源的服務速率通常通過資源所 在內(nèi)容分發(fā)網(wǎng)絡(⑶N, Content Delivery Network)節(jié)點服務器的測速體現(xiàn)。例如，經(jīng)過統(tǒng)計得到網(wǎng)速為60kbps以上、請求時間在10點至下午17點的北京用戶對于高質(zhì)量資源的使用成功率為60%、對于中等質(zhì)量資源的使用成功率為92%、對于低質(zhì)量資源的使用成功率為98%。下面結(jié)合圖I對如何利用上述子模型實現(xiàn)在線資源推薦的方法進行描述，如圖I所示，該方法包括以下步驟步驟101 :根據(jù)當前用戶請求在線資源時的實時質(zhì)量數(shù)據(jù)，利用用戶質(zhì)量分類子模型確定當前用戶所屬的質(zhì)量類別。當前用戶請求在線資源時的實時質(zhì)量數(shù)據(jù)可以包括但不限于用戶端網(wǎng)速(實時網(wǎng)速)、請求時間或位置信息中的至少ー種，將當前用戶請求在線資源時的實時質(zhì)量數(shù)據(jù)輸入用戶質(zhì)量分類子模型后，可以得到當前用戶所屬的質(zhì)量類別。例如，當前用戶請求在線資源時的實時質(zhì)量數(shù)據(jù)為實時網(wǎng)速70kbps，請求時間為13點、位置信息為北京，則輸入用戶質(zhì)量分類子模型后將當前用戶劃分到實時網(wǎng)速為60kbps以上、請求時間在10點至下午17點的北京用戶這ー類別。步驟102 :利用在線使用成功率計算子模型，確定當前用戶所屬的質(zhì)量類別對應的各資源質(zhì)量的在線使用成功率。接續(xù)上例，將實時網(wǎng)速為60kbps以上、請求時間在10點至下午17點的北京用戶這ー類別輸入在線使用成功率計算子模型，可以確定出當前用戶所屬的質(zhì)量類別對應的各資源質(zhì)量的在線使用成功率，即對于高質(zhì)量資源的使用成功率為60%、對于中等質(zhì)量資源的使用成功率為92%、對于低質(zhì)量資源的使用成功率為98%。步驟103 :根據(jù)步驟102確定的各資源質(zhì)量的在線使用成功率，向當前用戶推薦所請求的在線資源。本步驟中，可以首先確定用戶所請求的在線資源，即根據(jù)用戶輸入的資源信息確定所有對應的在線資源，這些在線資源的資源質(zhì)量不一，例如用戶輸入“ K歌之王”并點選音頻類型以進行垂直搜索時，首先確定出所有“ K歌之王”命中的音頻資源，但這些資源中可能存在高質(zhì)量資源、中等質(zhì)量資源和低質(zhì)量資源。那么如何將這些在線資源向用戶推薦，則可以采用不同的策略，包括但不限于以下幾種推薦策略一、選擇滿足預設在線使用成功率要求的資源質(zhì)量的在線資源向當前用戶推薦。假設預設在線使用成功率要求為90%以上，則在上例中提到的實時網(wǎng)速為60kbps以上、請求時間在10點至下午17點的北京用戶，可以選擇中等質(zhì)量資源和低質(zhì)量資源推薦給當前用戶，而高質(zhì)量資源的使用成功率由于在預設在線使用成功率要求以下，因此可以不推薦給當前用戶。推薦策略ニ、按照在線使用成功率將用戶所請求的在線資源進行排序后向當前用戶推薦。也就是說，將所有用戶請求的在線資源都推薦給用戶，但推薦的時候依據(jù)在線使用成功率對在線資源進行排序。推薦策略三、在滿足預設在線使用成功率要求的前提下，按照在線資源質(zhì)量高低向當前用戶推薦所請求的在線資源。仍假設預設在線使用成功率要求為90%以上，則在上例中提到的實時網(wǎng)速為60kbps以上、請求時間在10點至下午17點的北京用戶，可以選擇中等質(zhì)量資源和低質(zhì)量資源推薦給當前用戶，在推薦過程中將中等質(zhì)量資源排在低等質(zhì)量資源之前供當前用戶優(yōu)先選擇。以上是對本發(fā)明所提供的方法進行的詳細描述，下面對本發(fā)明所提供的裝置進行 描述，同樣，本發(fā)明所提供的在線資源的推薦裝置基于質(zhì)量控制模型，具體包括利用用戶歷史的質(zhì)量數(shù)據(jù)進行聚類得到的用戶質(zhì)量分類子模型，以及，利用用戶歷史的資源使用數(shù)據(jù)建立的各資源類別對應的各用戶質(zhì)量的在線使用成功率計算子模型。如圖2所示，在線資源的推薦裝置可以包括數(shù)據(jù)收集単元201、質(zhì)量類別確定単元202、成功率確定單元203和資源推薦單元204。數(shù)據(jù)收集単元201收集用戶的質(zhì)量數(shù)據(jù)。其中，質(zhì)量數(shù)據(jù)可以包括用戶端網(wǎng)速、請求時間或位置信息中的至少ー種。各用戶可以采用cookie或者用戶名等進行標識。收集這些質(zhì)量數(shù)據(jù)可以通過在網(wǎng)頁播放器中嵌入的js代碼執(zhí)行并發(fā)送至服務器。質(zhì)量類別確定単元202根據(jù)當前用戶發(fā)送請求時的實時質(zhì)量數(shù)據(jù)，利用用戶質(zhì)量分類子模型確定當前用戶所屬的質(zhì)量類別。此時實時質(zhì)量數(shù)據(jù)包括用戶端的實時網(wǎng)速、請求時間或位置信息中的至少ー種。成功率確定單元203利用在線使用成功率計算子模型，確定當前用戶所屬的質(zhì)量類別對應的各資源質(zhì)量的在線使用成功率。資源推薦單元204根據(jù)成功率確定單元203確定的各資源質(zhì)量的在線使用成功率，向當前用戶推薦所請求的在線資源?？梢允紫却_定用戶所請求的在線資源，即根據(jù)用戶輸入的資源信息確定所有對應的在線資源，這些在線資源的資源質(zhì)量不一，在將這些在線資源向用戶推薦時，可以采用但不限于以下幾種策略推薦策略一、從當前用戶所請求的在線資源中，選擇滿足預設在線使用成功率要求的資源質(zhì)量的在線資源向當前用戶推薦。推薦策略ニ、按照在線使用成功率將當前用戶所請求的在線資源進行排序后向當前用戶推薦。推薦策略三、在滿足預設在線使用成功率要求的前提下，按照在線資源質(zhì)量高低向當前用戶推薦所請求的在線資源。為了實現(xiàn)上述兩種子模型的建立，該推薦裝置還可以進ー步包括第一模型建立単元205，用于利用用戶歷史的質(zhì)量數(shù)據(jù)進行聚類得到用戶質(zhì)量分類子模型。在進行聚類時，依據(jù)收集到的質(zhì)量數(shù)據(jù)進行，同一個用戶可以劃分到ー個以上種質(zhì)量類別。數(shù)據(jù)收集単元201，還用于在用戶使用在線資源的過程中收集質(zhì)量數(shù)據(jù)，并在使用結(jié)束后，將收集到的質(zhì)量數(shù)據(jù)以日志的形式進行記錄或上報服務器，供第一模型建立単元205得到用戶質(zhì)量分類子模型。也就是說，毎次用戶使用在線資源時，在利用實時的質(zhì)量數(shù)據(jù)實現(xiàn)在線資源推薦的同時，收集的質(zhì)量數(shù)據(jù)也作為日志供后續(xù)用戶質(zhì)量分類子模型更新使用，從而實現(xiàn)了ー個閉環(huán)系統(tǒng)。除此之外，該推薦裝置還包括第二模型建立子単元206，用于利用用戶歷史的在線資源獲取成功與否的數(shù)據(jù)，統(tǒng)計不同質(zhì)量類別用戶分別對于各資源類別的使用成功率，從而建立在線使用成功率計算子模型。其中，用戶歷史的在線資源獲取成功與否的數(shù)據(jù)也可以由數(shù)據(jù)收集単元201獲取。本發(fā)明提供的上述推薦方法和推薦裝置在服務器端實現(xiàn)，接收到用戶通過瀏覽器或客戶端發(fā)送的請求后，向瀏覽器或客戶端推薦用戶所請求的在線資源。另外，需要說明的是，本發(fā)明涉及的在線資源可以包括但不限于在線音頻資源、在線視頻資源等。以上所述僅為本發(fā)明的較佳實施例而已，并不用以限制本發(fā)明，凡在本發(fā)明的精 神和原則之內(nèi)，所做的任何修改、等同替換、改進等，均應包含在本發(fā)明保護的范圍之內(nèi)。
權利要求
1.ー種在線資源的推薦方法，基于質(zhì)量控制模型，其特征在于，所述質(zhì)量控制模型中包括利用用戶歷史的質(zhì)量數(shù)據(jù)進行聚類得到的用戶質(zhì)量分類子模型，以及，利用用戶歷史的資源使用數(shù)據(jù)建立的各資源類別對應的各用戶質(zhì)量的在線使用成功率計算子模型；所述推薦方法包括 51、根據(jù)當前用戶發(fā)送請求時的實時質(zhì)量數(shù)據(jù)，利用所述用戶質(zhì)量分類子模型確定當前用戶所屬的質(zhì)量類別； 52、利用所述在線使用成功率計算子模型，確定所述當前用戶所屬的質(zhì)量類別對應的各資源質(zhì)量的在線使用成功率； 53、根據(jù)所述步驟S2確定的各資源質(zhì)量的在線使用成功率，向所述當前用戶推薦所請求的在線資源。
2.根據(jù)權利要求I所述的方法，其特征在于，所述質(zhì)量數(shù)據(jù)包括用戶端網(wǎng)速、請求時間或位置信息中的至少ー種。
3.根據(jù)權利要求I或2所述的方法，其特征在于，該方法還包括 在用戶使用在線資源的過程中收集質(zhì)量數(shù)據(jù)，并在使用結(jié)束后，將收集到的質(zhì)量數(shù)據(jù)以日志的形式進行記錄或上報服務器，供建立所述用戶質(zhì)量分類子模型。
4.根據(jù)權利要求I所述的方法，其特征在于，建立所述在線使用成功率計算子模型具體包括利用用戶歷史的在線資源獲取成功與否的數(shù)據(jù)，統(tǒng)計不同質(zhì)量類別用戶分別對于各資源類別的使用成功率。
5.根據(jù)權利要求I所述的方法，其特征在于，所述步驟S3具體包括從所述當前用戶所請求的在線資源中，選擇滿足預設在線使用成功率要求的資源質(zhì)量的在線資源向所述當前用戶推薦；或者， 按照在線使用成功率將所述當前用戶所請求的在線資源進行排序后向所述當前用戶推薦；或者， 在滿足預設在線使用成功率要求的前提下，按照在線資源質(zhì)量高低向所述當前用戶推薦所請求的在線資源。
6.ー種在線資源的推薦裝置，基于質(zhì)量控制模型，其特征在于，所述質(zhì)量控制模型中包括利用用戶歷史的質(zhì)量數(shù)據(jù)進行聚類得到的用戶質(zhì)量分類子模型，以及，利用用戶歷史的資源使用數(shù)據(jù)建立的各資源類別對應的各用戶質(zhì)量的在線使用成功率計算子模型；所述推薦裝置包括 數(shù)據(jù)收集単元，用于收集用戶的質(zhì)量數(shù)據(jù)； 質(zhì)量類別確定単元，用于根據(jù)當前用戶發(fā)送請求時的實時質(zhì)量數(shù)據(jù)，利用所述用戶質(zhì)量分類子模型確定當前用戶所屬的質(zhì)量類別； 成功率確定單元，用于利用所述在線使用成功率計算子模型，確定所述當前用戶所屬的質(zhì)量類別對應的各資源質(zhì)量的在線使用成功率； 資源推薦單元，用于根據(jù)所述成功率確定單元確定的各資源質(zhì)量的在線使用成功率，向所述當前用戶推薦所請求的在線資源。
7.根據(jù)權利要求6所述的推薦裝置，其特征在于，所述質(zhì)量數(shù)據(jù)包括用戶端網(wǎng)速、請求時間或位置信息中的至少ー種。
8.根據(jù)權利要求6或7所述的推薦裝置，其特征在干，該推薦裝置還包括第一模型建立単元，用于利用用戶歷史的質(zhì)量數(shù)據(jù)進行聚類得到用戶質(zhì)量分類子模型； 所述數(shù)據(jù)收集單元，還用于在用戶使用在線資源的過程中收集質(zhì)量數(shù)據(jù)，并在使用結(jié)束后，將收集到的質(zhì)量數(shù)據(jù)以日志的形式進行記錄或上報服務器，供所述第一模型建立單元得到所述用戶質(zhì)量分類子模型。
9.根據(jù)權利要求6所述的推薦裝置，其特征在干，該推薦裝置還包括第二模型建立子単元，用于利用用戶歷史的在線資源獲取成功與否的數(shù)據(jù)，統(tǒng)計不同質(zhì)量類別用戶分別對于各資源類別的使用成功率，從而建立在線使用成功率計算子模型。
10.根據(jù)權利要求6所述的推薦裝置，其特征在于，所述資源推薦單元從所述當前用戶所請求的在線資源中，選擇滿足預設在線使用成功率要求的資源質(zhì)量的在線資源向所述當前用戶推薦；或者， 按照在線使用成功率將所述當前用戶所請求的在線資源進行排序后向所述當前用戶推薦；或者， 在滿足預設在線使用成功率要求的前提下，按照在線資源質(zhì)量高低向所述當前用戶推薦所請求的在線資源。
全文摘要
本發(fā)明提供了一種在線資源的推薦方法和裝置，基于質(zhì)量控制模型，所述質(zhì)量控制模型中包括利用用戶歷史的質(zhì)量數(shù)據(jù)進行聚類得到的用戶質(zhì)量分類子模型，以及，利用用戶歷史的資源使用數(shù)據(jù)建立的各資源類別對應的各用戶質(zhì)量的在線使用成功率計算子模型；所述推薦方法包括S1、根據(jù)當前用戶發(fā)送請求時的實時質(zhì)量數(shù)據(jù)，利用用戶質(zhì)量分類子模型確定當前用戶所屬的質(zhì)量類別；S2、利用在線使用成功率計算子模型，確定當前用戶所屬的質(zhì)量類別對應的各資源質(zhì)量的在線使用成功率；S3、根據(jù)步驟S2確定的各資源質(zhì)量的在線使用成功率，向所述當前用戶推薦所請求的在線資源。通過本發(fā)明能夠提高在線資源的使用成功率，給用戶帶來較好的體驗。
文檔編號G06F17/30GK102651033SQ20121010195
公開日2012年8月29日 申請日期2012年4月9日 優(yōu)先權日2012年4月9日
發(fā)明者屈亮, 鄧路 申請人:百度在線網(wǎng)絡技術(北京)有限公司