智能推薦的全端顯示方法及裝置的制造方法
【專利摘要】本發(fā)明實(shí)施例提供一種智能推薦的全端顯示方法及裝置。當(dāng)檢測到任意設(shè)備端有用戶數(shù)據(jù)更新時，獲取更新數(shù)據(jù)以及用戶識別信息；根據(jù)所述更新數(shù)據(jù)結(jié)合預(yù)先訓(xùn)練的興趣模型計算推薦結(jié)果，并將所述推薦結(jié)果與用戶識別信息對應(yīng)存入服務(wù)器中；當(dāng)檢測到任意設(shè)備端取推薦信息時，獲取用戶識別信息，從所述服務(wù)器中讀取與所述用戶識別信息對應(yīng)的所述推薦結(jié)果，從所述推薦結(jié)果中拉取相應(yīng)的所述推薦信息，并將所述推薦信息顯示在相應(yīng)的設(shè)備端。實(shí)現(xiàn)了智能推薦在各個設(shè)備端的統(tǒng)一，方便用戶在全端獲取信息。
【專利說明】
智能推薦的全端顯示方法及裝置
技術(shù)領(lǐng)域
[0001]本發(fā)明實(shí)施例涉及視頻技術(shù)領(lǐng)域，尤其涉及一種智能推薦的全端顯示方法及裝置。
【背景技術(shù)】
[0002]互聯(lián)網(wǎng)的出現(xiàn)和普及給用戶帶來了大量的信息，滿足了用戶在信息時代對信息的需求，但隨著網(wǎng)絡(luò)的迅速發(fā)展而帶來的網(wǎng)上信息量的大幅增長，使得用戶在面對大量信息時無法從中獲得對自己真正有用的那部分信息，因此導(dǎo)致用戶對信息的使用效率反而降低了，即所謂的信息超載。例如，隨著電子商務(wù)規(guī)模的不斷擴(kuò)大，商品個數(shù)和種類快速增長，顧客需要花費(fèi)大量的時間才能找到自己想買的商品。這種瀏覽大量無關(guān)的信息和產(chǎn)品過程無疑會使淹沒在信息超載問題中的消費(fèi)者不斷流失。
[0003]目前，智能推薦系統(tǒng)的出現(xiàn)是解決信息超載問題的一個非常有潛力的方法。智能推薦系統(tǒng)是一個根據(jù)用戶的信息需求、興趣等，將用戶感興趣的信息、產(chǎn)品等推薦給用戶的個性化信息推薦系統(tǒng)。與傳統(tǒng)的搜索引擎相比，智能推薦系統(tǒng)通過研究用戶的興趣偏好，進(jìn)行個性化計算，由系統(tǒng)發(fā)現(xiàn)用戶的興趣點(diǎn)，從而引導(dǎo)用戶發(fā)現(xiàn)自己的信息需求。一個好的推薦系統(tǒng)不僅能為用戶提供個性化的服務(wù)，還能和用戶之間建立密切關(guān)系，讓用戶對推薦產(chǎn)生依賴。
[0004]隨著智能設(shè)備的種類的逐漸增多，智能推薦在更多設(shè)備端上有了用武之地，但是由于智能推薦系統(tǒng)應(yīng)用在各端的相關(guān)位置，對于同一用戶，位于不同設(shè)備端的智能推薦結(jié)果不同，因此很難準(zhǔn)確捕捉用戶行為。若是不能準(zhǔn)確捕捉用戶的行為，則會導(dǎo)致在用戶興趣度模型建立的時候產(chǎn)生偏差，從而影響智能推薦系統(tǒng)的質(zhì)量。比如，樂視集團(tuán)目前涵蓋PC，APP，TV等端，對于視頻的智能推薦，若是各端的推薦內(nèi)容不統(tǒng)一將會影響用戶觀影體驗(yàn)，甚至有可能在一定程度上影響用戶對視頻的依賴性。
[0005]因此，一種新的智能推薦在全端展示的方法亟待提出。

【發(fā)明內(nèi)容】

[0006]本發(fā)明實(shí)施例提供一種智能推薦的全端顯示方法及裝置，用以解決現(xiàn)有技術(shù)中智能推薦在不同設(shè)備端推薦內(nèi)容不統(tǒng)一的缺陷，實(shí)現(xiàn)了智能推薦在全端的同一顯示。
[0007]本發(fā)明實(shí)施例提供一種智能推薦的全端顯示方法，包括:
[0008]當(dāng)檢測到任意設(shè)備端有用戶數(shù)據(jù)更新時，獲取更新數(shù)據(jù)以及用戶識別信息；
[0009]根據(jù)所述更新數(shù)據(jù)計算推薦結(jié)果，并將所述推薦結(jié)果與用戶識別信息對應(yīng)存入服務(wù)器中；
[0010]當(dāng)檢測到任意設(shè)備端獲取推薦信息時，獲取用戶識別信息，從所述服務(wù)器中讀取與所述用戶識別信息對應(yīng)的所述推薦結(jié)果，從所述推薦結(jié)果中拉取相應(yīng)的所述推薦信息，并將所述推薦信息顯示在相應(yīng)的設(shè)備端。
[0011]本發(fā)明實(shí)施例提供一種智能推薦的全端顯示裝置，包括:
[0012]數(shù)據(jù)獲取模塊，當(dāng)檢測到任意設(shè)備端有用戶數(shù)據(jù)更新時，用于獲取更新數(shù)據(jù)以及用戶識別信息；
[0013]計算模塊，用于根據(jù)所述更新數(shù)據(jù)結(jié)合預(yù)先訓(xùn)練的興趣模型計算推薦結(jié)果，并將所述推薦結(jié)果與用戶識別信息對應(yīng)存入服務(wù)器中；
[0014]推薦模塊，當(dāng)檢測到任意設(shè)備端獲取推薦信息時，用于獲取用戶識別信息，從所述服務(wù)器中讀取與所述用戶識別信息對應(yīng)的所述推薦結(jié)果，從所述推薦結(jié)果中拉取相應(yīng)的所述推薦信息，并將所述推薦信息顯示在相應(yīng)的設(shè)備端。
[0015]本發(fā)明實(shí)施例提供的智能推薦的全端顯示方法及裝置，通過各個設(shè)備端對用戶的行為進(jìn)行捕捉從而建立用戶興趣模型，并根據(jù)興趣模型將推薦結(jié)果存在同一服務(wù)器中，輔以用戶識別信息，當(dāng)通過不同設(shè)備端向用戶進(jìn)行信息推薦時，從同一服務(wù)器拉取數(shù)據(jù)，由此實(shí)現(xiàn)了智能推薦在各個端的統(tǒng)一，方便用戶在全端獲取信息。與此同時，通過各個設(shè)備端可以更準(zhǔn)確地捕捉豐富的用戶行為信息，將之用于訓(xùn)練用戶興趣模型，可以為后續(xù)的推薦提供更加準(zhǔn)確的信息。
【附圖說明】
[0016]為了更清楚地說明本發(fā)明實(shí)施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對實(shí)施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作一簡單地介紹，顯而易見地，下面描述中的附圖是本發(fā)明的一些實(shí)施例，對于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動的前提下，還可以根據(jù)這些附圖獲得其他的附圖。
[0017]圖1為本發(fā)明實(shí)施例一的技術(shù)流程圖；
[0018]圖2為本發(fā)明實(shí)施例二的技術(shù)流程圖；
[0019]圖3是本發(fā)明實(shí)施例三的技術(shù)流程圖；
[0020]圖4為本發(fā)明實(shí)施例四的裝置結(jié)構(gòu)示意圖。
【具體實(shí)施方式】
[0021]為使本發(fā)明實(shí)施例的目的、技術(shù)方案和優(yōu)點(diǎn)更加清楚，下面將結(jié)合本發(fā)明實(shí)施例中的附圖，對本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施例是本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例?；诒景l(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒有作出創(chuàng)造性勞動前提下所獲得的所有其他實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。
[0022]需要說明的是，本發(fā)明所述的“服務(wù)器”并非指一臺服務(wù)器設(shè)備，為了保證服務(wù)器的負(fù)載均衡，服務(wù)器可以有多個子節(jié)點(diǎn)構(gòu)成，因此應(yīng)當(dāng)理解，本發(fā)明各實(shí)施例中所述的服務(wù)器是指由多臺服務(wù)器設(shè)備構(gòu)成的服務(wù)器集群。
[0023]本發(fā)明實(shí)施例的智能推薦方法，適用于所有需要信息推薦的系統(tǒng)，如視頻推薦或是電子商務(wù)中商品推薦以及其他類型的智能推薦場景。
[0024]實(shí)施例一
[0025]圖1是本發(fā)明實(shí)施例一的技術(shù)流程圖，結(jié)合圖1，本發(fā)明實(shí)施例一種智能推薦的全端顯示方法，在服務(wù)器端主要由以下的步驟實(shí)現(xiàn):
[0026]步驟110:當(dāng)檢測到任意設(shè)備端有用戶數(shù)據(jù)更新時，獲取更新數(shù)據(jù)以及用戶識別信息;
[0027]本發(fā)明實(shí)施例中的所述數(shù)據(jù)更新可以包括用戶對現(xiàn)有信息的操作、用戶的訪問足跡、搜索內(nèi)容、用戶在某一界面停留的時間等。例如在視頻播放設(shè)備中，獲取用戶對現(xiàn)有展示視頻的選擇情況，用戶的觀看類型以及用戶發(fā)起搜索的視頻名稱以及發(fā)起搜索的視頻分類，用戶對某部影片的分享及評分情況等;在電子商務(wù)中，可以是用戶選擇的商品品牌、商品類型、對某一商品的瀏覽時間、使用評價等等。
[0028]獲取用戶識別信息目的在于，將用戶的賬號信息與用戶數(shù)據(jù)唯一對應(yīng)地保存在服務(wù)器中，從而，當(dāng)用戶用同一賬號登錄各設(shè)備端時，生成的個性化推薦主題順序、主題內(nèi)推薦信息排序與用戶的興趣度相關(guān)并且各設(shè)備端數(shù)據(jù)保持一致。若用戶在瀏覽信息時處于未登錄狀態(tài)或，則可獲取用戶的IP地址，建立用戶數(shù)據(jù)與唯一 IP地址的對應(yīng)關(guān)系，從而也能實(shí)現(xiàn)用戶興趣的捕捉以及相關(guān)推薦。本發(fā)明實(shí)施例中的所述設(shè)備端包括Web端，手機(jī)端以及TV端等，這些設(shè)備通常有一個唯一的識別號，因此，本發(fā)明實(shí)施例還可以通過設(shè)備識別號與相應(yīng)的用戶關(guān)聯(lián)，通過建立用戶數(shù)據(jù)與設(shè)備識別號的對應(yīng)關(guān)系進(jìn)行用戶興趣的捕捉與推薦。
[0029]步驟120:根據(jù)所述更新數(shù)據(jù)計算推薦結(jié)果，并將所述推薦結(jié)果與用戶識別信息對應(yīng)存入服務(wù)器中；
[0030]可選地，需要結(jié)合預(yù)先訓(xùn)練的興趣模型計算推薦結(jié)果;根據(jù)用戶的所述更新數(shù)據(jù)可以判斷出用戶的興趣點(diǎn)所在，即用戶感興趣的信息包括哪些特征，并跟據(jù)所述特征尋找用戶可能會感興趣的信息。例如，在使用視頻播放客戶端時，用戶搜索電視劇為某一諜戰(zhàn)劇且觀看時間較長，后臺檢測到用戶的搜索結(jié)果，并對這部諜戰(zhàn)劇進(jìn)行特征分析，得到故事主題，風(fēng)格定位，背景年代，情節(jié)等方面。
[0031]本發(fā)明實(shí)施例中，所述特征分析通過查詢預(yù)先建立的特征標(biāo)簽實(shí)現(xiàn)。根據(jù)所述查詢到的特征標(biāo)簽，調(diào)用服務(wù)器中預(yù)先訓(xùn)練的興趣模型進(jìn)行匹配，得到相應(yīng)的推薦結(jié)果，并將獲取到的用戶識別信息與推薦結(jié)果對應(yīng)地保存在服務(wù)器中用于后續(xù)信息拉取。
[0032]步驟130:當(dāng)檢測到任意設(shè)備端取推薦信息時，獲取用戶識別信息，從所述服務(wù)器中讀取與所述用戶識別信息對應(yīng)的所述推薦結(jié)果，從所述推薦結(jié)果中拉取相應(yīng)的所述推薦信息，并將所述推薦信息顯示在相應(yīng)的設(shè)備端。
[0033]本發(fā)明實(shí)施例的核心在于，位于各設(shè)備端的用戶推薦系統(tǒng)使用同一服務(wù)器數(shù)據(jù)，而這些服務(wù)器數(shù)據(jù)可以由多個服務(wù)器來承載，其中服務(wù)器的數(shù)量不做限制。當(dāng)用戶需要讀取推薦結(jié)果時，不管是Web端，App，還是TV端，均從統(tǒng)一的服務(wù)器數(shù)據(jù)中記錄的推薦結(jié)果中拉取信息，從而保證推薦結(jié)果在不同客戶端的一致性。本實(shí)施例中，實(shí)時檢測用戶的操作數(shù)據(jù)，并與用戶的賬號信息結(jié)合，使用預(yù)先建立的興趣模型計算用戶個性化的推薦結(jié)果，將推薦結(jié)果存入統(tǒng)一的服務(wù)器，實(shí)現(xiàn)了為用戶進(jìn)行信息推薦時，在各個設(shè)備端有相同的推薦結(jié)果，方便用戶對于信息的獲取，提升了用戶體驗(yàn)。
[0034]實(shí)施例二
[0035]圖2是本發(fā)明實(shí)施例二對應(yīng)的技術(shù)流程圖，結(jié)合圖2，本發(fā)明實(shí)施例一種智能推薦的全端顯示方法中，訓(xùn)練興趣模型的過程如下:
[0036]步驟:210:對每一個待推薦的目標(biāo)信息建立特征標(biāo)簽；
[0037]本發(fā)明實(shí)施例中，信息推薦的關(guān)鍵在于根據(jù)待推薦信息的特征標(biāo)簽建立用戶興趣模型，其中，特征標(biāo)簽是待推薦信息的特征標(biāo)記，每一條推薦信息對應(yīng)的特征標(biāo)簽的數(shù)量不做限制，可以固定為某個數(shù)值，也可以根據(jù)推薦信息的特征決定，但是這一特征標(biāo)簽需盡可能覆蓋待推薦信息的所有特征，這樣才能夠?qū)崿F(xiàn)更加精確的信息推薦。例如，在視頻信息分類中，視頻特征標(biāo)簽可以是“喜劇”、“港臺”、“冒險”、“偶像”、“動漫”、“抗戰(zhàn)”、“民國”等等，這些標(biāo)簽一定程度上代表了視頻的實(shí)際特征。當(dāng)然視頻標(biāo)簽還包括視頻固有屬性的自動轉(zhuǎn)化，例如:主演、導(dǎo)演等，同樣對于某一商品，其商品標(biāo)簽也包括其品牌、產(chǎn)地等固有屬性的轉(zhuǎn)化。
[0038]步驟220:根據(jù)所述特征標(biāo)簽計算每個所述目標(biāo)信息之間的相似度；
[0039]本實(shí)施例中，相似度的計算為用戶歷史行為與待推薦信息之間的相似度計算，其目的在于，計算用戶興趣，找到與用戶歷史行為相關(guān)的最相似的部分信息。若用戶的歷史數(shù)據(jù)較少或者用戶愛好較為單一，則可能產(chǎn)生許多單特征標(biāo)簽的推薦信息，如“喜劇電影”或者“黃渤主演的電影”。具體地，首先根據(jù)用戶的歷史數(shù)據(jù)分析得到用戶感興趣的信息，查找所述用戶感興趣的信息對應(yīng)的特征標(biāo)簽作為參考特征標(biāo)簽，計算所述待推薦目標(biāo)信息的特征標(biāo)簽與所述參考特征標(biāo)簽之間的相似度，根據(jù)所述相似度向用戶推薦可能感興趣的信息。其中，用戶的歷史行為包括用戶在一段時間范圍內(nèi)在各個設(shè)備端的產(chǎn)生的信息獲取記錄。
[0040]本發(fā)明實(shí)施例中以所述特征標(biāo)簽作為所述相似度計算的維度，根據(jù)向量距離計算方法計算所述相似度。
[0041]具體地，本發(fā)明實(shí)施例采用余弦相似度計算兩個特征標(biāo)簽之間的相似度。余弦相似度，又稱為余弦相似性，其原理在于通過計算兩個向量的夾角余弦值來評估他們的相似度。首先將向量根據(jù)坐標(biāo)值，繪制到向量空間中，如最常見的二維空間；其次求得他們的夾角，并得出夾角對應(yīng)的余弦值，此余弦值就可以用來表征，這兩個向量的相似性。余弦值的范圍在[-1，I]之間，值越趨近于I，代表兩個向量的方向越趨近于0，他們的方向更加一致。相應(yīng)的相似度也越高。
[0042]本實(shí)施例中，相似度的計算方法也可以采用Jaccard相似度以及皮爾森相關(guān)系數(shù)計算方法。
[0043]所述Jaccard相似度是指狹義Jaccard相似。對集合A和B，Jaccard相似度計算如T:Jaccard(A1B)=|A intersect B|/|A un1n B
[0044]相似度數(shù)值在[0,1]之間，當(dāng)厶==8的時候，如(^1(1(厶，8)為1。
[0045]所述皮爾森相關(guān)系數(shù)(Pearsonproduct-moment correlat1n coefficient)，用于度量兩個變量X和Y之間的相關(guān)(線性相關(guān))，其值介于-1與I之間，其中，I表示變量完全正相關(guān)，O表示無關(guān)，-1表示完全負(fù)相關(guān)。它是由卡爾.皮爾遜從弗朗西斯.高爾頓在19世紀(jì)80年代提出的一個相似卻又稍有不同的想法演變而來的。
[0046]步驟230:根據(jù)所述相似度建立所述興趣模型。本發(fā)明實(shí)施例采用興趣模型建立方法包括協(xié)同過濾，矩陣分解，基于圖的模型，LFM(Latent factor model，隱語義模型)以及邏輯回歸等。本發(fā)明實(shí)施例對算法的使用不做限制，因只有通過算法的不斷迭代才能找到最適合的推薦算法。
[0047]協(xié)同過濾(CollaborativeFiltering reco_endat1n，簡稱CF)包括item-basedCF以及user-based CF?；趇tem的協(xié)同過濾，通過用戶對不同item的評分來評測item之間的相似性，基于i tem之間的相似性做出推薦;基于user的協(xié)同過濾，通過不同用戶對i tem的評分來評測用戶之間的相似性，基于用戶之間的相似性做出推薦。例如，在視頻推薦系統(tǒng)中，協(xié)同過濾主要是基于用戶相似性或者影片相似性，例:“喜歡這部片的人也喜歡” “你喜歡的同類影片”都是基于協(xié)同過濾。邏輯回歸算法首先需要利用梯度下降法或者隨機(jī)梯度下降法等其他方法訓(xùn)練待分類信息特征標(biāo)簽的相應(yīng)權(quán)重模型，當(dāng)然這個權(quán)重訓(xùn)練是以收集到的用戶歷史行為為基準(zhǔn)不斷訓(xùn)練得到最終模型;然后再利用sigmod函數(shù)綜合相關(guān)特征標(biāo)簽得到一個用戶與特征標(biāo)簽的關(guān)聯(lián)值，所述關(guān)聯(lián)值的取值范圍在O到I之間。可以抽象的理解為當(dāng)所述關(guān)聯(lián)值為O到0.5之間時，表示用戶對此特征標(biāo)簽對應(yīng)信息的興趣度不高，而當(dāng)值在0.5到I之間時表示用戶對此特征標(biāo)簽對應(yīng)信息有較高的興趣。因此可以推薦出此類興趣度較高的模型，并且可以利用協(xié)同過濾算法對興趣度以及熱度較高的主題排序，越在前面的主題，用戶興趣度越高。與此同時，對于同一個主題，主題內(nèi)目前可展示一定數(shù)量的推薦信息，所述推薦信息如何展示，例如其前后排序也是基于推薦模型得到的。
[0048]需要說明的是，本發(fā)明實(shí)施例中，興趣模型根據(jù)用戶的行為不斷更新。在推薦信息顯示在相應(yīng)的設(shè)備端之后，監(jiān)測用戶對所述推薦信息的操作結(jié)果，并將所述操作結(jié)果與所述用戶識別信息對應(yīng)存入所述服務(wù)器中用以更新所述興趣模型。每一次用戶的操作數(shù)據(jù)以及對推薦信息的選擇情況都是新的數(shù)據(jù)，根據(jù)這些數(shù)據(jù)不斷地更新訓(xùn)練興趣模型，從而為用戶提供更加個精準(zhǔn)性化的信息推薦。
[0049]本實(shí)施例中，通過對待推薦的信息建立特征標(biāo)簽并采用推薦算法建立用戶興趣模型，從而可以根據(jù)用戶的更新數(shù)據(jù)為用戶計算出符合用戶興趣的信息，有效地為用戶進(jìn)行信息過濾。
[0050]實(shí)施例三
[0051]圖3是本發(fā)明實(shí)施例三對應(yīng)的技術(shù)流程圖，結(jié)合圖3，本發(fā)明實(shí)施例一種智能推薦的全端顯示方法中，訓(xùn)練興趣模型中，根據(jù)所述特征標(biāo)簽計算每個所述目標(biāo)信息之間的相似度的另一實(shí)施例還包括如下的實(shí)施過程:
[0052]步驟310:根據(jù)用戶的歷史瀏覽行為將一定數(shù)量的所述特征標(biāo)簽建立組合標(biāo)簽，并根據(jù)所述組合標(biāo)簽生成主題板塊；
[0053]需要說明的是，本發(fā)明實(shí)施例中，若是用戶的歷史數(shù)據(jù)較多，可以根據(jù)用戶的歷史瀏覽行為將一定數(shù)量的所述特征標(biāo)簽生成有一定主題的組合標(biāo)簽，并以主題版塊的形式向用戶推薦。組合標(biāo)簽的生成規(guī)則根據(jù)用戶的歷史數(shù)據(jù)設(shè)置，例如，對于某一用戶在觀看影片時，對特征標(biāo)簽為黃渤的電影觀看數(shù)據(jù)較多，評分高且分享次數(shù)多，與此同時，這些特征標(biāo)簽為黃渤的電影還同時具有“喜劇”或是“搞笑”等特征標(biāo)簽，則可“演員+電影類型”作為生成規(guī)則生成組合標(biāo)簽，這樣可以生成如下主題版塊:“黃渤主演的喜劇電影”。
[0054]步驟320:計算所述組合標(biāo)簽之間的相似度，并根據(jù)所述相似度調(diào)整各所述主題板塊。
[0055]本步驟中，對所述主題板塊的調(diào)整包括同一主題板塊之內(nèi)，各個待推薦的目標(biāo)信息之間的排序以及各個不同的主題板塊之間排序的調(diào)整。
[0056]本步驟中，計算組合標(biāo)簽生成的主題之間的相似度計算主要是為了顯示頁面上各主題版塊之間的去重以及同一主題內(nèi)多個推薦信息之間的顯示排序。例如“周星馳主演的喜劇片”和“周星馳主演的搞笑片”，二者差別并不大，但是若將二者分為兩個推薦版塊向用戶進(jìn)行推薦，則浪費(fèi)了顯示空間且用戶使用體驗(yàn)不佳。因此，本發(fā)明實(shí)施例中，可以根據(jù)兩個主題組合標(biāo)簽之間的相似度計算，去除重復(fù)的主題版塊。“周星馳主演的喜劇片”和“周星馳主演的搞笑片”，在機(jī)器識別時，這是兩個主題，被分成兩個推薦版塊。但是經(jīng)過相似性計算，這兩個主題應(yīng)當(dāng)被劃分在同一個推薦版塊中，從而合理化推薦頁面的顯示空間并且能夠?yàn)橛脩籼峁└喌囊曨l信息推薦。
[0057]除此之外，若是同一主題的推薦版塊中包含多個待推薦的目標(biāo)信息，如何排列這多個目標(biāo)信息是提升用戶使用體驗(yàn)的關(guān)鍵。本發(fā)明實(shí)施例中，分別計算同一主題版塊內(nèi)的多個待推薦的目標(biāo)信息與版塊主題的相似度，并將這同一推薦版塊中的待推薦目標(biāo)信息按照相似度的高低排序，從而將用戶最感興趣的信息首先展示給用戶，極大提升了推薦的質(zhì)量。需要說明的是，本發(fā)明實(shí)施例中主題板塊之間排序的調(diào)整，主要根據(jù)用戶在預(yù)設(shè)時間段內(nèi)的歷史數(shù)據(jù)進(jìn)行調(diào)整。具體實(shí)現(xiàn)時，首先檢測在所述預(yù)設(shè)時間段內(nèi)，計算用戶對各個主題板塊的信息興趣度得分，比如，通過用戶對各主題板塊的瀏覽量、瀏覽時間、對這一主題板塊內(nèi)信息分享次數(shù)以及評價，綜合這些數(shù)據(jù)對每個所述主題版塊打分，得到打分成績后，按照打分成績降序?qū)⒚總€所述主題板塊展示給用戶。當(dāng)然，需要說明的是，所述主題板塊的排序根據(jù)用戶的數(shù)據(jù)不斷更新調(diào)整，從而實(shí)現(xiàn)了對用戶興趣的進(jìn)一步挖掘跟蹤，并在一定程度上增加了用戶對信息推薦的依賴性。
[0058]本實(shí)施例中，根據(jù)用戶的歷史數(shù)據(jù)，將多個單一標(biāo)簽生成主題推薦版塊，對信息進(jìn)行進(jìn)一步地過濾，使得推薦結(jié)果更加符合用戶的興趣;與此同時，通過計算組合標(biāo)簽之間的相似度，實(shí)現(xiàn)了特征相似的推薦信息之間的合并以及根據(jù)用戶的興趣度將推薦信息進(jìn)行排序，進(jìn)一步提升了用戶體驗(yàn)。
[0059]實(shí)施例四
[0060]圖4是本發(fā)明實(shí)施例四的裝置結(jié)構(gòu)示意圖，結(jié)合圖4，本發(fā)明實(shí)施例一種智能推薦的全端顯示裝置，主要包括如下的模塊:數(shù)據(jù)獲取模塊410、計算模塊420、推薦模塊430以及模型訓(xùn)練模塊440。
[0061 ]所述數(shù)據(jù)獲取模塊410，當(dāng)檢測到任意設(shè)備端有用戶數(shù)據(jù)更新時，用于獲取更新數(shù)據(jù)以及用戶識別信息；
[0062]所述計算模塊420，與所述數(shù)據(jù)獲取模塊410相連接，用于根據(jù)所述更新數(shù)據(jù)計算推薦結(jié)果，并將所述推薦結(jié)果與用戶識別信息對應(yīng)存入服務(wù)器中；
[0063]可選地，計算模塊420可以根據(jù)所述更新數(shù)據(jù)，結(jié)合預(yù)先訓(xùn)練的興趣模型計算推薦結(jié)果。
[0064]所述推薦模塊430，當(dāng)檢測到任意設(shè)備端獲取推薦信息時，用于獲取用戶識別信息，從所述服務(wù)器中讀取與所述用戶識別信息對應(yīng)的所述推薦結(jié)果，從所述推薦結(jié)果中拉取相應(yīng)的所述推薦信息，并將所述推薦信息顯示在相應(yīng)的設(shè)備端。
[0065]進(jìn)一步地，所述模型訓(xùn)練模塊440與所述計算模塊420相連，用于對每一個待推薦的目標(biāo)信息建立特征標(biāo)簽，根據(jù)所述特征標(biāo)簽計算所述目標(biāo)信息之間的相似度;根據(jù)所述相似度建立所述興趣模型。
[0066]進(jìn)一步地，所述模型訓(xùn)練模塊440用于根據(jù)一定數(shù)量的所述特征標(biāo)簽建立組合標(biāo)簽，計算所述組合標(biāo)簽之間的相似度。
[0067]進(jìn)一步地，所述用戶識別信息具體可以包括:用戶賬號、IP地址、設(shè)備識別號中的至少一個。
[0068]進(jìn)一步地，所述數(shù)據(jù)獲取模塊410與所述模型訓(xùn)練模塊440相連接，還用于在所述推薦信息顯示在相應(yīng)的設(shè)備端之后，監(jiān)測用戶對所述推薦信息的操作結(jié)果，并將所述操作結(jié)果與所述用戶識別信息對應(yīng)存入所述服務(wù)器中用以更新所述興趣模型。
[0069]圖4所示裝置可以執(zhí)行圖1、圖2以及圖3所示實(shí)施例的方法，實(shí)現(xiàn)原理和技術(shù)效果參考圖1、圖2以及圖3所示實(shí)施例，不再贅述。
[0070]以上所描述的裝置實(shí)施例僅僅是示意性的，其中所述作為分離部件說明的單元可以是或者也可以不是物理上分開的，作為單元顯示的部件可以是或者也可以不是物理單元，即可以位于一個地方，或者也可以分布到多個網(wǎng)絡(luò)單元上。可以根據(jù)實(shí)際的需要選擇其中的部分或者全部模塊來實(shí)現(xiàn)本實(shí)施例方案的目的。本領(lǐng)域普通技術(shù)人員在不付出創(chuàng)造性的勞動的情況下，即可以理解并實(shí)施。
[0071]通過以上的實(shí)施方式的描述，本領(lǐng)域的技術(shù)人員可以清楚地了解到各實(shí)施方式可借助軟件加必需的通用硬件平臺的方式來實(shí)現(xiàn)，當(dāng)然也可以通過硬件?；谶@樣的理解，上述技術(shù)方案本質(zhì)上或者說對現(xiàn)有技術(shù)做出貢獻(xiàn)的部分可以以軟件產(chǎn)品的形式體現(xiàn)出來，該計算機(jī)軟件產(chǎn)品可以存儲在計算機(jī)可讀存儲介質(zhì)中，如R0M/RAM、磁碟、光盤等，包括若干指令用以使得一臺計算機(jī)裝置(可以是個人計算機(jī)，服務(wù)器，或者網(wǎng)絡(luò)裝置等)執(zhí)行各個實(shí)施例或者實(shí)施例的某些部分所述的方法。
[0072]最后應(yīng)說明的是:以上實(shí)施例僅用以說明本發(fā)明的技術(shù)方案，而非對其限制;盡管參照前述實(shí)施例對本發(fā)明進(jìn)行了詳細(xì)的說明，本領(lǐng)域的普通技術(shù)人員應(yīng)當(dāng)理解:其依然可以對前述各實(shí)施例所記載的技術(shù)方案進(jìn)行修改，或者對其中部分技術(shù)特征進(jìn)行等同替換；而這些修改或者替換，并不使相應(yīng)技術(shù)方案的本質(zhì)脫離本發(fā)明各實(shí)施例技術(shù)方案的精神和范圍。
【主權(quán)項(xiàng)】
1.一種智能推薦的全端顯示方法，其特征在于，包括如下的步驟: 當(dāng)檢測到任意設(shè)備端有用戶數(shù)據(jù)更新時，獲取更新數(shù)據(jù)以及用戶識別信息； 根據(jù)所述更新數(shù)據(jù)獲取推薦結(jié)果，并將所述推薦結(jié)果與所述用戶識別信息對應(yīng)存入服務(wù)器中； 當(dāng)檢測到任意設(shè)備端獲取推薦信息時，獲取所述用戶識別信息，從所述服務(wù)器中讀取與所述用戶識別信息對應(yīng)的所述推薦結(jié)果，從所述推薦結(jié)果中拉取相應(yīng)的所述推薦信息，并將所述推薦信息顯示在相應(yīng)的設(shè)備端。2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述方法包括，預(yù)先采用如下步驟訓(xùn)練所述興趣t吳型: 對每一個待推薦的目標(biāo)信息建立特征標(biāo)簽，根據(jù)所述特征標(biāo)簽計算所述目標(biāo)信息之間的相似度； 根據(jù)所述相似度建立所述興趣模型。3.根據(jù)權(quán)利要求2所述的方法，其特征在于，根據(jù)所述特征標(biāo)簽計算每個所述目標(biāo)信息之間的相似度，進(jìn)一步包括: 根據(jù)一定數(shù)量的所述特征標(biāo)簽建立組合標(biāo)簽，計算所述組合標(biāo)簽之間的相似度。4.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述用戶識別信息具體包括: 用戶賬號、IP地址、設(shè)備識別號中的至少一個。5.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述方法進(jìn)一步包括: 將所述推薦信息顯示在相應(yīng)的設(shè)備端之后，監(jiān)測用戶對所述推薦信息的操作結(jié)果，并將所述操作結(jié)果與所述用戶識別信息對應(yīng)存入所述服務(wù)器中用以更新所述興趣模型。6.一種智能推薦的全端顯示裝置，其特征在于，包括如下的模塊: 數(shù)據(jù)獲取模塊，當(dāng)檢測到任意設(shè)備端有用戶數(shù)據(jù)更新時，用于獲取更新數(shù)據(jù)以及用戶識別?目息; 計算模塊，用于根據(jù)所述更新數(shù)據(jù)計算推薦結(jié)果，并將所述推薦結(jié)果與所述用戶識別信息對應(yīng)存入服務(wù)器中； 推薦模塊，當(dāng)檢測到任意設(shè)備端獲取推薦信息時，用于獲取所述用戶識別信息，從所述服務(wù)器中讀取與所述用戶識別信息對應(yīng)的所述推薦結(jié)果，從所述推薦結(jié)果中拉取相應(yīng)的所述推薦信息，并將所述推薦信息顯示在相應(yīng)的設(shè)備端。7.根據(jù)權(quán)利要求6所述的裝置，其特征在于，所述裝置還包括模型訓(xùn)練模塊，所述模型訓(xùn)練模塊用于: 對每一個待推薦的目標(biāo)信息建立特征標(biāo)簽，根據(jù)所述特征標(biāo)簽計算所述目標(biāo)信息之間的相似度； 根據(jù)用戶的歷史數(shù)據(jù)以及所述相似度建立所述興趣模型。8.根據(jù)權(quán)利要求7所述的裝置，其特征在于，所述模型訓(xùn)練模塊用于: 根據(jù)一定數(shù)量的所述特征標(biāo)簽建立組合標(biāo)簽，計算所述組合標(biāo)簽之間的相似度。9.根據(jù)權(quán)利要求6所述的裝置，其特征在于，所述用戶識別信息具體包括: 用戶賬號、IP地址、設(shè)備識別號中的至少一個。10.根據(jù)權(quán)利要求6所述的裝置，其特征在于，所述數(shù)據(jù)獲取模塊還用于: 在所述推薦信息顯示在相應(yīng)的設(shè)備端之后，監(jiān)測用戶對所述推薦信息的操作結(jié)果，并將所述操作結(jié)果與所述用戶識別信息對應(yīng)存入所述服務(wù)器中用以更新所述興趣模型。
【文檔編號】G06Q30/02GK105913273SQ201510926158
【公開日】2016年8月31日
【申請日】2015年12月14日
【發(fā)明人】唐雪
【申請人】樂視網(wǎng)信息技術(shù)（北京）股份有限公司