用于內(nèi)容推薦的方法、設(shè)備、以及系統(tǒng)的制作方法
【專利摘要】公開了用于向多個用戶推薦內(nèi)容的方法、裝置、系統(tǒng)、計算機程序產(chǎn)品、以及計算機可讀介質(zhì)。用戶的每個用戶與用戶得分相關(guān)聯(lián)。方法包括至少基于用戶對于項的推廣以及推廣用戶的用戶得分而確定針對項的推薦得分；根據(jù)項的推薦得分來推薦項；并且基于其他用戶關(guān)于由所述用戶所推廣的項的反饋來調(diào)整推廣用戶的用戶得分。
【專利說明】
用于內(nèi)容推薦的方法、設(shè)備、以及系統(tǒng)
技術(shù)領(lǐng)域
[0001]本公開的實施例一般涉及信息技術(shù)，并且更特別地，涉及基于計算機的推薦技術(shù)。
【背景技術(shù)】
[0002]向用戶推薦感興趣的項或人的推薦系統(tǒng)和方法已經(jīng)在展開并且越來越有用?，F(xiàn)有的機器推薦系統(tǒng)大多依賴于從數(shù)據(jù)所學(xué)習(xí)的智能并且已經(jīng)在用戶行為建模中發(fā)展了力量，諸如對于用戶-內(nèi)容-速率數(shù)據(jù)的協(xié)同過濾。另一方面，在判斷內(nèi)容的質(zhì)量時，人類仍然是最好的。因為大多數(shù)內(nèi)容是由語言和語義豐富的數(shù)據(jù)組成的，人類推薦處在更好的位置以提高內(nèi)容相關(guān)性和質(zhì)量，機器學(xué)習(xí)在這方面比人類弱。因此希望結(jié)合機器和人類推薦二者的力量以提高推薦性能和內(nèi)容質(zhì)量。

【發(fā)明內(nèi)容】

[0003]提供本
【發(fā)明內(nèi)容】
以引入在下文的詳細的說明書中被進一步描述的簡化形式的概念的選擇。該
【發(fā)明內(nèi)容】
不旨在標識所要求保護的主題的關(guān)鍵特征或必要特征，也不旨在被用來限制所要求保護主題的范圍。
[0004]根據(jù)公開的一個方面，提供一種用于向多個用戶推薦內(nèi)容的方法。用戶的每個用戶與用戶得分相關(guān)聯(lián)。該方法包括至少部分地基于用戶對于項的推廣以及推廣用戶的用戶得分來確定針對內(nèi)容的項的推薦得分;根據(jù)該項的推薦得分來推薦該項;并且基于其他用戶關(guān)于由所述用戶推廣的項的反饋來調(diào)整推廣用戶的用戶得分。
[0005]根據(jù)本公開的另一個方面，提供一種被體現(xiàn)在由計算機可讀并且包括程序指令的分布介質(zhì)上的計算機程序產(chǎn)品，程序指令在被加載到計算機中時，執(zhí)行上文中所描述的方法。
[0006]根據(jù)本公開的又一個方面，提供一種具有在其上編碼的語句和指令的非易失性計算機可讀介質(zhì)用以使得處理器執(zhí)行上文所描述的方法。
[0007]根據(jù)本公開的又一個方面，提供一種用于向多個用戶推薦內(nèi)容的系統(tǒng)。每個用戶與用戶得分相關(guān)聯(lián)。系統(tǒng)包括:內(nèi)容數(shù)據(jù)庫，被配置成存儲內(nèi)容的多個項；用戶數(shù)據(jù)庫，被配置成存儲關(guān)于用戶的信息，其中每個用戶與用戶得分相關(guān)聯(lián);第一推薦器，被配置成至少部分地基于用戶對于項的推廣和推廣用戶的用戶得分來確定針對項的推薦得分，并且根據(jù)它的推薦得分來推薦該項；以及反饋分析器，被配置成從用戶收集反饋并且基于其他用戶對于由那個用戶推廣的項的反饋來調(diào)整推廣用戶的用戶得分。
[0008]將與附圖一起被閱讀的其說明性實施例的以下詳細描述，本公開的這些以及其他方面、特征和優(yōu)勢將變得明顯。
【附圖說明】
[0009]圖1是圖示了根據(jù)實施例的系統(tǒng)的簡化框圖；
[0010]圖2是描繪了根據(jù)實施例的推薦的過程的流程圖；
[0011]圖3是示出了根據(jù)實施例的項推廣、用戶反饋和用戶得分更新的示例的說明性的圖；
[0012]圖4是示出了根據(jù)實施例的用戶得分更新的圖；
[0013]圖5示出了根據(jù)實施例的說明性的用戶接口，利用該用戶接口用戶可以觀察、推廣、以及投票內(nèi)容的項；以及
[0014]圖6是示出了根據(jù)實施例的推薦過程的說明性的圖。
【具體實施方式】
[0015]為了解釋的目的，細節(jié)在以下描述中被陳述以便提供對于所公開的實施例的透徹的理解。然而，對本領(lǐng)域技術(shù)人員來說，可以在沒有這些特定的細節(jié)或利用等價的設(shè)置的情況下可以實現(xiàn)實施例是明顯的。
[0016]如在本文中所描述的，公開的方面包括提供增強的內(nèi)容推薦。圖1示出了根據(jù)實施例的能夠向用戶推薦內(nèi)容的系統(tǒng)。
[0017]如在圖1中所示出的，系統(tǒng)100包括多個用戶設(shè)備ΙΟΙΙ-ΙΟΙη，其中的每一個可操作地連接到應(yīng)用服務(wù)器102。用戶設(shè)備1ll-1Oln可以是包括但不限于智能電話、平板、膝上型計算機和PC的任何類型的用戶設(shè)備或計算設(shè)備，利用包括但不限于視窗操作系統(tǒng)(Windows)、安卓、以及1S的各種操作系統(tǒng)來運行。應(yīng)用服務(wù)器102和用戶設(shè)備1011-1Oln中的一個用戶設(shè)備的連接可以以各種形式被完成，諸如互聯(lián)網(wǎng)、內(nèi)聯(lián)網(wǎng)、蜂窩網(wǎng)絡(luò)、局域網(wǎng)(LAN)、廣域網(wǎng)(WAN)、無線LAN、或它們的組合。例如，用戶設(shè)備1ll-1Oln可以是具有被安裝在其內(nèi)部的應(yīng)用(app)的視窗電話(Windows phones)，可以被用戶利用以接入由應(yīng)用服務(wù)器102所提供的服務(wù)。服務(wù)可以是任何類型的服務(wù)，包括但不限于新聞服務(wù)，諸如NokiaXpress Now、NBC新聞，社交網(wǎng)絡(luò)服務(wù)，諸如領(lǐng)英(Linkedin)、臉書(Facebook)、推特(Twitter)、YouTube，以及消息服務(wù)，諸如微信(WeChat)、雅虎郵箱等。用戶也可以利用被安裝在用戶設(shè)備1011-1Oln中的網(wǎng)絡(luò)瀏覽器接入服務(wù)，網(wǎng)絡(luò)瀏覽器諸如因特網(wǎng)瀏覽器(Internet Explorer)、谷歌瀏覽器(Chrome)、以及火狐瀏覽器(Firefox)。
[0018]內(nèi)容數(shù)據(jù)103包括應(yīng)用服務(wù)器102和系統(tǒng)100的其它部件可以選擇并且推薦給用戶的多個內(nèi)容項。內(nèi)容的項可以是任何形式的一則消息，諸如文本、音頻、視頻、圖像、廣告、多媒體等。內(nèi)容數(shù)據(jù)可以被存儲在數(shù)據(jù)庫中，諸如RDBMS、SQL、NoSQL等，或作為在諸如HDD、軟磁盤、CD、DVD、藍光盤、EEPROM等的任何存儲介質(zhì)上的一個或多個文件。注意到，本公開中所描述的實施例不限于特定種類的服務(wù)、服務(wù)的特定實現(xiàn)、或特定種類的內(nèi)容。
[0019]系統(tǒng)100包括機器推廣器(推薦器)106，被配置成從內(nèi)容數(shù)據(jù)103中生成初始推薦結(jié)果。機器推廣器106可以利用現(xiàn)有的或?qū)淼耐扑]技術(shù)，包括但不限于基于內(nèi)容的推薦、協(xié)同過濾(CF)推薦、以及混合途徑。例如，貝葉斯推理推薦在2013年2月14日公開的美國專利申請2013/0041862A1中被Xhrang Yang等描述；基于社交網(wǎng)絡(luò)社區(qū)的推薦在2010年11月11日公開的美國專利申請2010/0287033A1中被Arpit Mathur等描述;并且基于社交行為分析和詞匯分類的推薦在2009年6月25日公開的美國專利申請2009/0164897A1中被Yahia等描述。此外，機器推廣器106也可以使用在推特中被實現(xiàn)的旋轉(zhuǎn)計數(shù)(ro 11 ing count)算法。
[0020 ]利用用戶設(shè)備1011 -10 In，用戶可以閱讀、查看(V i ew )、傾聽被提供給他們的內(nèi)容。他們也可以給出反饋，例如喜歡或不喜歡項(或?qū)椷M行評級)。此外，如果用戶希望使得他發(fā)現(xiàn)具有高質(zhì)量的項更為相關(guān)以用于其他人觀看，他可以推廣該項。
[0021]在實施例中，每個用戶與用戶得分相關(guān)聯(lián)。關(guān)于用戶的信息以及他們的相應(yīng)的用戶得分被存儲在用戶數(shù)據(jù)104中。類似于內(nèi)容數(shù)據(jù)103，用戶數(shù)據(jù)104可以被存儲在數(shù)據(jù)庫中，諸如RDBMS、SQL、NoSQL等，或者作為在諸如HDD、軟磁盤、CD、DVD、藍光盤、EEPROM等的任何存儲介質(zhì)上的一個或多個文件。
[0022]最終推廣器105使用在用戶數(shù)據(jù)104中的數(shù)據(jù)以動態(tài)地調(diào)整和更新推薦結(jié)果。在從用戶接收項的推廣之后，最終推廣器105基于推廣用戶的用戶得分來調(diào)整那個項的推薦得分。特別地，具有較高的用戶得分的、推廣項的用戶將在對那個項的推薦得分的調(diào)整上具有更大的影響。在這個實施例中，推廣聚合器1051被配置成基于利用作為權(quán)重的每個推廣器的用戶得分的權(quán)重總和來計算項的推薦得分。注意到，其它聚合算法也可以被推廣聚合器1051所使用。例如，推廣聚合器105也可以將項的舊的推薦得分納入考慮，推廣器的角色(例如將在下文中被描述的閱讀者、觀察者以及編輯者)或者與提高的推薦質(zhì)量相關(guān)的任何其它因素。
[0023]最終推廣器105還包括基于從其他用戶的反饋來調(diào)整推廣用戶的用戶得分的反饋分析器1052。特別地，如果所推廣的項接收了積極反饋，反饋分析器1052增加推廣該項的用戶的用戶得分，并且如果所推廣的項接收了消極反饋，減少推廣用戶的用戶得分。如將在下文中被詳細描述的，反饋分析器1052可以與推廣聚合器并行地工作。換言之，用戶得分的調(diào)整可以和推薦得分的更新并行地被執(zhí)行。在實施例中，當系統(tǒng)100接收從用戶的推廣時，推薦得分的更新可以實時地被立即執(zhí)行;而用戶得分的調(diào)整周期性地被執(zhí)行。
[0024]圖3示出了根據(jù)實施例的項推廣、用戶反饋和用戶得分更新的示例；而圖4圖示了用戶得分的更新。在這個示例中，由用戶Ui所推廣的項(在圖3中被描繪成URL)在時間間隔Tl被確定。系統(tǒng)基于項(由用戶在最后一個Tl所推廣的)在最后的T2中已經(jīng)從其他用戶所接收的“喜歡”和“不喜歡”的數(shù)量來在時間間隔T2處更新用戶Ui的用戶得分。
[0025]根據(jù)實施例，當系統(tǒng)開始時，每個用戶被平等地對待，例如具有相同的用戶得分“I”；因此如果有N個用戶則所有用戶得分的總和是N。當用戶的數(shù)量未變時，用戶得分更新之后的總的用戶得分將保持相同。當用戶數(shù)量增加時，總的用戶得分將也增加。例如，新的用戶被指派了用戶得分“I”并且總的用戶得分將是N+1。相反地，當用戶數(shù)量減少時，總的用戶得分將也減少。例如，如果有η個用戶退出了該系統(tǒng)，那么總的用戶得分將變成N-n。
[0026]在實施例中，系統(tǒng)100獎勵其所推廣的項接收“喜歡”的用戶m，并且懲罰其所推廣的項接收“不喜歡”的用戶m，如下:
[0027]懲罰是Pi=(A1.usi/(l+exp(-Ni))
[0028]如果Pi〈n，則使用Pi
[0029]否則pi>n，使用η
[0030]其中化是山的所推廣的項接收“不喜歡”的次數(shù)(假定
[0031]A1 = (^lj = O-1)0
[0032]使得S=EPnR= ER1，其中仏是山的所推廣的項接收“喜歡”的次數(shù)，并且獎勵是JT1=S.Ri/Ro
[0033]更新公式是usi = us1-Pi+3ii
[0034]圖5示出了根據(jù)實施例的用戶接口的示例，用戶利用該用戶接口可以查看、推廣以及投票內(nèi)容的項。如在圖5中所示出的，首先展示給用戶根據(jù)其初始推薦得分的多個被推薦的項。然后用戶可以通過點擊一個項來選擇查看項中的該項。當查看項的時候，用戶可以投票(在該示例中的“喜歡”)，或者推廣該項。如果用戶通過點擊推廣按鈕而推廣該項，然后該項的推薦得分將被更新并且推薦結(jié)果將會反映該更新。
[0035]圖2描繪了根據(jù)實施例的推薦的過程。如在圖2中所示出的，處理開始于用戶推廣項的步驟201。如在上文中所解釋的，當用戶發(fā)現(xiàn)有趣的項或他認為具有高質(zhì)量的項，用戶可以推廣該項。在這個實施例中，用戶可以推廣不僅由系統(tǒng)100所推薦的項，還可以是來自其它的源的項，例如，來自其它服務(wù)或內(nèi)容提供者的項。只要項的URL提供足夠的信息以定位其內(nèi)容，項來自哪里沒有關(guān)系。
[0036]與步驟201并行的，在步驟210，來自用戶的反饋被收集。類似于上文的實施例，用戶可以在查看所推薦的項之后給出他的反饋，例如以喜歡/不喜歡或評級的形式。然后，在步驟215，推廣器的用戶得分根據(jù)來自其他用戶的反饋而被調(diào)整。如在上文的實施例中所解釋的，每個用戶與提示(suggest)該用戶的推廣所承載的權(quán)重的多少的用戶得分相關(guān)聯(lián)。換言之，用戶得分估量由那個用戶所推廣的項將變得流行有多大可能。為了提高所推薦內(nèi)容的質(zhì)量以及用戶的活動水平，當用戶所推廣的項接收積極反饋時，系統(tǒng)通過增加他的用戶得分來獎勵用戶，并且當用戶所推廣的項接收消極反饋時，系統(tǒng)通過減少他的用戶得分來懲罰用戶，如在參考附圖1、3、和4在上文中所描述的。
[0037]進一步，如在圖中所示出的，步驟210和215與步驟201并行地被執(zhí)行。換言之，用戶得分的調(diào)整可以與推薦得分的更新并行地被執(zhí)行。如在上文的一些實施例中被說明的，當系統(tǒng)從用戶接收推廣時，推薦得分的更新可以實時地被立即執(zhí)行，而用戶得分的調(diào)整可以周期性地被執(zhí)行。
[0038]在步驟205的加載推廣器的用戶得分之后，處理繼續(xù)到步驟220，確定每個被推廣的項是否已經(jīng)在內(nèi)容數(shù)據(jù)庫中。如所提到的，用戶可以推廣他從另一個來源發(fā)現(xiàn)的項。在這種情況下，因為沒有針對那個項的舊的推薦得分，在步驟225系統(tǒng)可以針對該新的項指派初始的推薦得分。否則，處理繼續(xù)到步驟230，系統(tǒng)基于推廣用戶的用戶得分而更新針對每個所推廣的項的推薦得分，如參考附圖1、3、和4在上文中所描述的。
[0039]在每個被推廣的項的推薦得分已經(jīng)被更新之后，在步驟235，系統(tǒng)將根據(jù)被更新的推薦得分來更新推薦結(jié)果。注意到，上文中所描述的處理可以被重復(fù)以提供針對增強的推薦的連續(xù)的和實時的解決方案。
[0040]如在上文中所描述的實施例中所示出的，用戶可以動態(tài)地影響和提高被推薦給其它用戶的內(nèi)容的質(zhì)量。依賴于其它用戶對于他所推廣的內(nèi)容的反饋(例如對于內(nèi)容的喜歡、分享、不喜歡、評級)，用戶被指派了用戶得分，該用戶得分確定他所具有的在影響該內(nèi)容推薦的影響的級別。以這種方式，系統(tǒng)中的用戶被激勵以使用該應(yīng)用或服務(wù)并且推廣內(nèi)容，不僅是提高他自己所推薦的內(nèi)容，而且提高針對整個社區(qū)的內(nèi)容質(zhì)量。進一步，用戶可以向推薦系統(tǒng)以及向最初推廣該內(nèi)容的用戶動態(tài)地提供反饋。這允許來自社區(qū)的對于內(nèi)容的規(guī)則和節(jié)制(moderat1n)。激勵用戶與其他人競爭以提高內(nèi)容并且得到獎勵的游戲機制提供自我維持演進的系統(tǒng)，在系統(tǒng)中高度活躍的參與者(例如專家)和高質(zhì)量的內(nèi)容被鼓勵，而低質(zhì)量的內(nèi)容和潛水者不被鼓勵。此外，由于高的內(nèi)容質(zhì)量，更多的數(shù)據(jù)可用于提高推薦和用戶簡介，因此，用戶將得到更好的個性化的用戶體驗。
[0041]根據(jù)實施例，當系統(tǒng)剛開始并且沒有來自用戶的任何推廣時，處理可以利用機器推薦來開始推廣項，例如，在圖2中的步驟205處。如在上文中所描述的，機器推廣器(推薦器)可以利用任何現(xiàn)有的或?qū)淼耐扑]技術(shù)，包括但不限于基于內(nèi)容的推薦、協(xié)同過濾(CF)推薦、以及混合途徑。
[0042]進一步，在實施例中，機器推薦器可以被當成用戶并且與用戶得分相關(guān)聯(lián)。當從用戶接收反饋時，機器推薦器的用戶得分也可以與推廣用戶類似的方式被更新。例如，如參考圖3和4在上文中所描述的，如果其所推薦的項接收了積極的反饋，系統(tǒng)可以增加機器推薦器的用戶得分，并且如果其接收了消極的反饋，減少機器推薦器的用戶得分。這樣，具有高的用戶得分的機器推薦器意味著好的推薦性能；另外該機器推薦器可以通過使用來自用戶的反饋以及其他用戶的性能來自適應(yīng)地提高。經(jīng)過一段時間，整個系統(tǒng)(結(jié)合兩種推薦器)可以積極地提尚。
[0043]圖6示出了根據(jù)實施例的推薦的處理。在該實施例中，具有多個機器推廣器。類似于人類推廣器，每個機器推廣器與用戶得分相關(guān)聯(lián)，其提示那個機器推廣器將在它的推薦中具有多少影響。該多個機器推廣器可以根據(jù)不同的機器推薦算法來推廣(推薦)內(nèi)容。如在上文中所描述的，任何現(xiàn)有的和將來的機器推薦算法可以針對該機器推廣器而被使用。
[0044]在多個機器推廣器中，具有一個聚合器，該聚合器將包括人類和機器推廣器的其它推廣器的推廣作為輸入，以作出將什么最后地被推薦給用戶的決定。如在上文中所解釋的，最終聚合器可以基于利用作為權(quán)重的每個推廣器的用戶得分(人類或機器推廣器)的對于它的推薦的權(quán)重總和來計算推薦得分。進一步，最終聚合器可以也將該項的舊的推薦得分、推廣器的角色(例如將在下文中被描述的閱讀者、查看者以及編輯者)或者相關(guān)的任何其它因素考慮在內(nèi)。
[0045]在上文的實施例中，提供結(jié)合了多個機器推薦系統(tǒng)和人類推薦的混合的系統(tǒng)。當推廣內(nèi)容的項時，每個用戶可以扮演成人類推薦器的角色。同時，每個用戶也可以給出對于所推薦的項的反饋，例如通過向上投票(喜歡)或向下投票(不喜歡)。在用戶推廣項的地方，關(guān)于該項的其它用戶的反饋(喜歡/不喜歡)將被用來調(diào)整該推廣器的用戶得分。如果用戶的所推廣的項接收總的來說積極的反饋，系統(tǒng)將增加他的用戶得分，反之亦然。
[0046]當沒有人類用戶或非常少的用戶積極地推廣或投票時，例如在系統(tǒng)的早期階段，機器推廣器可以推廣或投票，系統(tǒng)將變成混合的推薦系統(tǒng)。在人類推薦器比機器推薦器接收更好的反饋的地方，系統(tǒng)更傾向于人類推薦。這樣，系統(tǒng)可以從例如用于解決冷的啟動的機器推薦和例如用于精確的性能的人類推薦兩者獲益。此外，最終聚合器也可以與用戶得分相關(guān)聯(lián)，其是用于測量聚合算法的有效性和系統(tǒng)的整體系能的好的指示器。
[0047]根據(jù)另一個實施例，可以根據(jù)用戶的用戶得分向他指派角色。具有更多特權(quán)的角色需要更高的用戶得分。例如，可能具有四個不同的角色:閱讀者、查看者、以及編輯者，類似于針對在學(xué)術(shù)發(fā)表社區(qū)中的書籍或雜志的發(fā)表過程的人。這允許用戶具有針對行動或與內(nèi)容互動的不同的權(quán)限。這些角色被描述如下:
[0048]閱讀者
[0049 ].areader^USer_SCOre<areviewer，其中dreader是用戶有資格成為閱讀者的最小用戶得分，并且是用戶有資格成為查看者的最小用戶得分
[0050].閱讀者可以閱讀、喜歡、不喜歡、分享、標記、以及推廣內(nèi)容項；以及
[0051].閱讀者不可以提供詳細的內(nèi)容查看反饋(不提供反饋表格)
[0052]查看者
[0053].areviewer彡user_score〈aeditQr，其中Qreviewer是用戶有資格成為查看者的最小用戶得分并且?dltOT是用戶有資格成為編輯者的最小用戶得分；
[0054].查看者具有閱讀者具有的所有特權(quán)(如上文)加上；
[0055].查看者可以通過查看者表格來查看內(nèi)容，該表格包括:
[0056]ο評級內(nèi)容的質(zhì)量(I到5的級別，I是低，5是非常高)，
[0057]ο評級內(nèi)容的相關(guān)性(I到5的級別，I是低，5是極其相關(guān))
[0058]ο向其他人推薦內(nèi)容(是或否)，以及
[0059]ο評論；以及
[0060].被完成的查看者表格可以被發(fā)送到?jīng)Q定接受或拒絕它的編輯者[0061 ] 編輯者
[0062].user_score彡aeditor，其中(1必恤是用戶有資格成為編輯者的最小用戶得分；
[0063].編輯者具有查看者具有的所有特權(quán)(如上文)加上；
[0064]?編輯者可以向內(nèi)容添加標簽；
[0065].編輯者可以查看查看者的反饋表格并且通過以下操作來決定接受或拒絕該內(nèi)容:
[0066]ο首先接收4個被完成的查看；
[0067]ο如果接受率〉γ則停止，其中γ是目標接受率，例如所有被完成的查看的70%必須具有“是”的推薦以便該內(nèi)容被接受。否則它被拒絕；
[0068]ο如果接受率〉γ，其中γ >0.5，則該項仍在用于推薦系統(tǒng)的內(nèi)容數(shù)據(jù)庫中；
[0069]ο如果接受率〈γ，則從內(nèi)容數(shù)據(jù)庫中移除該項。
[0070]在這個實施例中，根據(jù)基于其他人的反饋而被競爭性地更新的用戶的用戶得分，用戶被指派以不同的角色。具有更多的特權(quán)的角色要求更高的最小用戶得分。因此，用戶更多的是自我激勵。還保證了具有更多特權(quán)的用戶已經(jīng)被證明在查看和推薦內(nèi)容中是更可信賴和活躍的。這將隨后保證系統(tǒng)的整體性能和推薦的質(zhì)量。
[0071]進一步，根據(jù)實施例，最終聚合器也可以在決定推薦得分的時候?qū)⑼茝V器的角色考慮在內(nèi)。在推廣器是查看者或閱讀者的地方，這將影響推薦結(jié)果。例如，如果大多數(shù)查看者或編輯者接受項是好的，則它被給予更高的推薦得分，并且作為結(jié)果，那個項將在推薦列表中排名更高。
[0072]根據(jù)本公開的方面，提供用于向多個用戶推薦內(nèi)容的設(shè)備，包括被配置成執(zhí)行上文所描述的方法的裝置。在實施例中，設(shè)備包括被配置成至少部分地基于用戶的項推廣和推廣用戶的用戶得分來決定針對項的推薦得分的部件;被配置成根據(jù)它的推薦得分來推薦項的部件；以及被配置成基于關(guān)于由所述用戶所推廣的項的其它用戶的反饋來調(diào)整推廣用戶的用戶得分。
[0073]設(shè)備可以進一步包括被配置成由機器推薦生成針對項的初始得分的裝置;并且裝置被配置成在從推廣用戶接收項的推廣之后至少部分地基于該初始得分、推廣以及推廣用戶的用戶得分來確定針對該經(jīng)推廣的項的推薦得分。
[0074]根據(jù)實施例，機器推薦與用戶得分相關(guān)聯(lián)，并且在確定推薦得分中機器推薦被當做推廣用戶。該設(shè)備還包括被配置成基于來自用戶的反饋而調(diào)整機器推薦的用戶得分，該反饋關(guān)于由機器推薦所推薦的項。
[0075]在另一個實施例中，來自用戶的反饋包括積極的和消極的響應(yīng)，并且設(shè)備還包括裝置，裝置被配置成如果所推廣的項接收來自其他用戶的積極反饋，則增加推廣用戶的用戶得分，并且如果所推廣的項接收來自其他用戶的消極的反饋，則減少推廣用戶的用戶得分。
[0076]根據(jù)實施例，在從用戶接收任何反饋之前，每個用戶被指派相等的初始用戶得分；并且在調(diào)整的步驟之后，所有用戶得分的總和保持不變。
[0077]該設(shè)備可以還包括被配置成根據(jù)用戶的用戶得分向每個用戶指派角色的裝置。具有更多特權(quán)的角色需要更高的用戶得分。在實施例中，角色是從閱讀者、查看者和編輯者中所選擇的的一項。
[0078]注意到，被描繪在圖1中的系統(tǒng)100的部件的任何部件可以被實現(xiàn)成硬件或軟件模塊。在軟件模塊的情況下，它們可以被呈現(xiàn)在有形的計算機可讀可記錄存儲介質(zhì)上。例如，所有的軟件模塊(或由此的任意子集)可以在相同的介質(zhì)上，或者每個可以在不同的介質(zhì)上。軟件模塊可以例如在硬件處理器上運行。方法步驟可以然后使用在硬件處理器上執(zhí)行的、如上文所描述的不同的軟件模塊而被實現(xiàn)。
[0079]此外，公開的方面可以使用運行在通用目的計算機或工作站上的軟件。這樣的實現(xiàn)可能采用例如處理器、存儲器、以及例如由顯示器和鍵盤所形成的輸入/輸出接口。此外，術(shù)語“處理器”可以指代多于一個的單個處理器。術(shù)語“存儲器”旨在包括與處理器或CPU相關(guān)聯(lián)的存儲器，諸如例如RAM(隨機存取存儲器)、R0M(只讀存儲器)、固定存儲器設(shè)備(例如硬盤驅(qū)動器)、可移除存儲設(shè)備(例如軟磁盤)、閃速存儲器等。處理器、存儲器、以及諸如顯示器和鍵盤的輸入/輸出接口可以例如經(jīng)由作為數(shù)據(jù)處理單元的部分的總線而被互連。例如經(jīng)由總線的合適的互連也可以向諸如可以被提供以與網(wǎng)絡(luò)相連接的網(wǎng)絡(luò)卡的網(wǎng)絡(luò)接口提供，并且向諸如可以被提供以與媒體相連接的軟磁盤或CD-ROM驅(qū)動的多媒體接口。
[0080]因此，包括用于執(zhí)行如在本文中所描述的方法的指令或代碼的計算機軟件可以被存儲在相關(guān)聯(lián)的存儲設(shè)備(例如R0M、固定的或可移除的存儲器)中并且當準備好被利用時，部分地或全部被加載(例如到RAM中)并且由CPU實現(xiàn)。這樣的軟件可以包括但不限于固件、駐留軟件、微碼等。
[0081]如所注意的，公開的方面可以采取被具體化在計算機可讀介質(zhì)中的計算機程序產(chǎn)品的形式，計算機可讀介質(zhì)具有具體化在其上的計算可讀程序代碼。而且，計算機可讀介質(zhì)的任意組合可以被利用。計算機可讀介質(zhì)可以是計算機可讀信號介質(zhì)或計算機可讀存儲介質(zhì)。計算機可讀介質(zhì)可以是例如但不限于電的、磁的、光的、電磁的、紅外的、或半導(dǎo)體系統(tǒng)、裝置、或設(shè)備、或前述的任意組合。計算機可讀介質(zhì)的更多具體的示例(非詳細列表)將包括以下項:具有一條或多天線的電連接、便攜式計算機軟磁盤、硬盤、隨機存取存儲器(RAM)、只讀存儲器(ROM)、可擦除可編程只讀存儲器(EPROM或閃速存儲器)、光纖、便攜式緊致盤只讀存儲器(CD-ROM)、光存儲器設(shè)備、磁存儲器設(shè)備、或前述的任意組合。在這個文件的上下文中，計算機可讀存儲介質(zhì)可以是可以包含或存儲程序的有形的介質(zhì)，該程序用于由指令執(zhí)行系統(tǒng)、裝置、或設(shè)備所使用或與其相連接。
[0082]用于執(zhí)行針對本公開的方面的操作的計算機程序代碼可以以至少一種編程語言的任意組合而被編寫，包括面向?qū)ο蟮木幊陶Z言，諸如“C”編程語言或類似的編程語言。程序代碼可以完全地在用戶計算機上、部分地在用戶的計算機上、作為孤立的軟件包、部分地在用戶的計算機上并且部分地在遠程計算機上、或完全地在遠程計算機或服務(wù)器上而被執(zhí)行。
[0083]附圖中的流程圖和框圖圖示了根據(jù)本公開的不同實施例的系統(tǒng)、方法、和計算機程序產(chǎn)品的實現(xiàn)。在這方面，流程圖中的每個塊可以代表代碼的模塊、組件、段、或部分，其包括用于實現(xiàn)特定的邏輯功能的至少一條可執(zhí)行指令。應(yīng)該注意的是，在一些替代性實現(xiàn)中，記錄在塊中的功能可以在圖中所記錄的順序之外發(fā)生。例如，所示出的連續(xù)的兩個塊可以實際上大體同時被執(zhí)行，或塊可以有時候以相反的順序被執(zhí)行，依賴于被包括的功能性。將注意的是，塊圖的每個塊和/或流程圖說明以及塊圖中的塊的結(jié)合和/或流程說明，可以通過特殊目的基于硬件的系統(tǒng)被實現(xiàn)，系統(tǒng)執(zhí)行特定的功能或動作，或特殊的目的硬件和計算機指令的結(jié)合。
[0084]在任何情況中，應(yīng)該理解的是，圖示在本公開中的部件可以被實現(xiàn)在各種形式的硬件、軟件或器組合，例如專用集成電路(ASICS)、功能性電路、帶有相關(guān)聯(lián)的存儲器的適當?shù)鼐幊痰耐ㄓ媚康臄?shù)字計算機等。給出本文所提供的公開的教導(dǎo)，相關(guān)領(lǐng)域普通技術(shù)人員的一個技術(shù)人員將能夠想到公開的部件的其它實現(xiàn)。
[0085]本文中所使用的技術(shù)僅為了描述特殊的實施例的目的并且不旨在限制本公開。如在本文中所使用的，單數(shù)形式的“一”、“一個”和“該”旨在也包括復(fù)數(shù)形式，除非上下文明確地指示反面。還將被理解的是術(shù)語“包括”和/或“包含”在本說明書中被使用時，執(zhí)行所陳述的特征、整數(shù)、步驟、操作、元件、和/或部件的存在，但不排除其他的特征、整數(shù)、步驟、操作、元件、部件和/或組的出現(xiàn)或添加。
[0086]各種實施例的描述已經(jīng)為了說明的目的而被提出，但不旨在是詳盡的或限制于所公開的實施例。在不脫離所描述的實施例的范圍和精神的情況下，許多修改和變形對那些本領(lǐng)域普通技術(shù)人員將變得明顯。
【主權(quán)項】
1.一種用于向多個用戶推薦內(nèi)容的方法，其中每個用戶與用戶得分相關(guān)聯(lián)，所述方法包括: 至少部分地基于用戶對于內(nèi)容的項的推廣和推廣用戶的所述用戶得分來確定針對所述項的推薦得分； 根據(jù)所述項的推薦得分而推薦所述項；以及 基于其他用戶關(guān)于由所述用戶推廣的所述項的反饋來調(diào)整所述推廣用戶的所述用戶得分。2.根據(jù)權(quán)利要求1所述的方法，其中確定的所述步驟包括: 由機器推薦生成針對所述項的初始得分；以及 在從所述推廣用戶接收針對所述項的推廣之后，至少部分地基于所述初始得分、所述推廣和所述推廣用戶的所述用戶得分來確定針對所推廣的所述項的經(jīng)更新的推薦得分。3.根據(jù)權(quán)利要求2所述的方法，其中所述機器推薦與用戶得分相關(guān)聯(lián)，并且在確定所述推薦得分時所述機器推薦被當作推廣用戶;并且調(diào)整的步驟包括: 基于來自所述用戶的關(guān)于由所述機器推薦推薦的所述項的反饋，調(diào)整所述機器推薦的所述用戶得分。4.根據(jù)權(quán)利要求1至3中任一項所述的方法，其中來自所述用戶的所述反饋包括積極響應(yīng)和消極響應(yīng)，并且調(diào)整的步驟包括: 如果所推廣的所述項接收來自其他用戶的積極反饋，增加所述推廣用戶的所述用戶得分；以及 如果所推廣的所述項接收來自其他用戶的消極反饋，減少所述推廣用戶的所述用戶得分。5.根據(jù)權(quán)利要求4所述的方法，其中在接收來自所述用戶的任何反饋之前，每個用戶被指派相等的初始用戶得分;并且在調(diào)整的所述步驟之后，所有用戶得分的總和保持相同。6.根據(jù)權(quán)利要求1至5中任一項所述的方法，還包括: 根據(jù)每個用戶的用戶得分向每個用戶指派角色，其中具有更多特權(quán)的角色需要更高的用戶得分。7.根據(jù)權(quán)利要求6所述的方法，其中所述角色是從閱讀者、查看者和編輯者中選擇的一項。8.—種設(shè)備，包括被配置成執(zhí)行根據(jù)權(quán)利要求1至7中任一項所述的方法的裝置。9.一種計算機程序產(chǎn)品，被體現(xiàn)在由計算機可讀并且包括程序指令的分布介質(zhì)上，所述程序指令在被加載到計算機中時執(zhí)行根據(jù)權(quán)利要求1至7中任一項所述的方法。10.一種非易失性計算機可讀介質(zhì)，具有被編碼在上面的語句和指令，用以使得處理器執(zhí)行根據(jù)權(quán)利要求1至7中任一項的方法。11.一種用于向多個用戶推薦內(nèi)容的系統(tǒng)，包括: 內(nèi)容數(shù)據(jù)庫，被配置成存儲內(nèi)容的多個項； 用戶數(shù)據(jù)庫，被配置成存儲關(guān)于所述用戶的信息，其中每個用戶與用戶得分相關(guān)聯(lián)；第一推薦器，被配置成至少部分地基于用戶對于項的推廣和推廣用戶的所述用戶得分來確定針對所述項的推薦得分；以及 反饋分析器，被配置成從所述用戶收集反饋并且基于其他用戶關(guān)于由所述用戶所推廣的所述項的反饋來調(diào)整所述推廣用戶的所述用戶得分。12.根據(jù)權(quán)利要求11所述的系統(tǒng)，還包括: 第二推薦器，被配置成通過機器推薦來生成針對所述項的初始得分;并且 所述第一推薦器被配置成至少部分地基于所述初始得分、所述用戶對于所述項的推廣和所述推廣用戶的所述用戶得分來確定針對所述項的經(jīng)更新的推薦得分。13.根據(jù)權(quán)利要求12所述的系統(tǒng)，其中所述第二推薦器與用戶得分相關(guān)聯(lián)，并且所述第一推薦器被配置成在確定所述推薦得分時將所述第二推薦器當作用戶;并且 所述反饋分析器還被配置成基于來自所述用戶的關(guān)于由所述第二推薦器推薦的所述項的反饋來調(diào)整所述第二推薦器的所述用戶得分。14.根據(jù)權(quán)利要求11至13中任一項所述的系統(tǒng)，其中來自所述用戶的所述反饋包括積極響應(yīng)和消極響應(yīng);以及 所述反饋分析器被配置成:如果經(jīng)推廣的所述項接收來自其它用戶的積極反饋，增加所述推廣用戶的所述用戶得分，并且如果經(jīng)推廣的所述項接收來自其它用戶的消極反饋，減少所述推廣用戶的所述用戶得分。15.根據(jù)權(quán)利要求14所述的系統(tǒng)，其中在接收來自所述用戶的任何反饋之前，每個用戶被指派相等的初始用戶得分;并且所述反饋分析器被配置成在調(diào)整所述用戶得分之后保持所有用戶得分的總和不改變。16.根據(jù)權(quán)利要求11至15中任一項所述的系統(tǒng)，其中根據(jù)每個用戶的用戶得分，每個用戶被指派角色，并且具有更多特權(quán)的角色需要更高的用戶得分。17.根據(jù)權(quán)利要求16所述的系統(tǒng)，其中所述角色是從閱讀者、查看者和編輯者中選擇的一項。
【文檔編號】G06Q30/02GK105993028SQ201480074449
【公開日】2016年10月5日
【申請日】2014年1月29日
【發(fā)明人】A·欽, 曾廣翔, 田繼雷, 陳恩紅
【申請人】諾基亞技術(shù)有限公司