內(nèi)容推薦方法、裝置及系統(tǒng)的制作方法
【專利摘要】本發(fā)明涉及內(nèi)容推薦方法、裝置及系統(tǒng)，所述方法包括：基于平均推薦概率將內(nèi)容集合中的內(nèi)容推薦給用戶；收集來自用戶的客戶端的對(duì)所推薦內(nèi)容的反饋信息，所述反饋信息包括展示信息和點(diǎn)擊信息，其中展示信息包括所推薦的內(nèi)容在客戶端上被展示的次數(shù)和展示時(shí)間，點(diǎn)擊信息包括所推薦的內(nèi)容在客戶端上被點(diǎn)擊的次數(shù)和點(diǎn)擊時(shí)間；以及根據(jù)所述反饋信息從所述內(nèi)容集合的內(nèi)容中確定優(yōu)選內(nèi)容的序列，以便基于所述優(yōu)選內(nèi)容的序列向該用戶推薦內(nèi)容。本發(fā)明各方面基于用戶的反饋進(jìn)行內(nèi)容推薦，使得對(duì)于點(diǎn)擊行為少的隨機(jī)用戶也能夠合理有效地進(jìn)行內(nèi)容推薦。
【專利說明】
內(nèi)容推薦方法、裝置及系統(tǒng)
技術(shù)領(lǐng)域
[0001]本發(fā)明涉及互聯(lián)網(wǎng)技術(shù)領(lǐng)域，尤其涉及一種內(nèi)容推薦方法、裝置及系統(tǒng)。
【背景技術(shù)】
[0002]對(duì)于為用戶提供視頻、音頻、廣告等各種內(nèi)容的網(wǎng)絡(luò)平臺(tái)，其研究的一個(gè)重點(diǎn)是如何有效地預(yù)估用戶的需求，以向用戶推薦可能感興趣的內(nèi)容。
[0003]現(xiàn)有方法通常是從用戶點(diǎn)擊歷史數(shù)據(jù)中提取用戶的興趣標(biāo)簽等反應(yīng)用戶偏好的信息，來進(jìn)行內(nèi)容推薦。然而，對(duì)于占用戶大多數(shù)的隨機(jī)用戶來說，他們點(diǎn)擊行為很少，點(diǎn)擊歷史數(shù)據(jù)中包含的信息量不足，因此難以通過上述方式進(jìn)行推薦。

【發(fā)明內(nèi)容】

[0004]有鑒于此，本發(fā)明提出了一種內(nèi)容推薦方法及裝置，基于用戶的反饋進(jìn)行內(nèi)容推薦，使得對(duì)于點(diǎn)擊行為少的隨機(jī)用戶也能夠合理有效地進(jìn)行內(nèi)容推薦。
[0005]—方面，提出了一種內(nèi)容推薦方法，包括:基于平均推薦概率將內(nèi)容集合中的內(nèi)容推薦給用戶；收集來自用戶的客戶端的對(duì)所推薦內(nèi)容的反饋信息，所述反饋信息包括展示信息和點(diǎn)擊信息，以及根據(jù)所述反饋信息從所述內(nèi)容集合的內(nèi)容中確定優(yōu)選內(nèi)容的序列，以便基于所述優(yōu)選內(nèi)容的序列向該用戶推薦內(nèi)容。
[0006]另一方面，提出了一種內(nèi)容推薦方法，包括:建立內(nèi)容池，所述內(nèi)容池包括多個(gè)內(nèi)容集合，各內(nèi)容集合分別包含相應(yīng)類型的內(nèi)容；以及針對(duì)內(nèi)容池中的各內(nèi)容集合，執(zhí)行上述一方面的方法，以生成針對(duì)各內(nèi)容集合的優(yōu)選內(nèi)容的序列。
[0007]另一方面，提出了一種內(nèi)容推薦裝置，包括:第一推薦部件，用于基于平均推薦概率將內(nèi)容集合中的內(nèi)容推薦給用戶；收集部件，用于收集來自用戶的客戶端的對(duì)所推薦內(nèi)容的反饋信息；以及確定部件，用于根據(jù)所述反饋信息從所述內(nèi)容集合的內(nèi)容中確定優(yōu)選內(nèi)容的序列，以便基于所述優(yōu)選內(nèi)容的序列向該用戶推薦內(nèi)容。
[0008]另一方面，提出了一種內(nèi)容推薦裝置，包括:建立部件，用于建立內(nèi)容池，所述內(nèi)容池包括多個(gè)內(nèi)容集合，各內(nèi)容集合分別包含相應(yīng)類型的內(nèi)容；以及序列生成部件，用于針對(duì)內(nèi)容池中的各內(nèi)容集合，運(yùn)行根據(jù)上述一方面所述的內(nèi)容推薦裝置，以生成針對(duì)各內(nèi)容集合的優(yōu)選內(nèi)容的序列。
[0009]另一方面，提出了一種內(nèi)容推薦系統(tǒng)，包括:服務(wù)器設(shè)備，所述服務(wù)器設(shè)備配置有根據(jù)上述方面所述的內(nèi)容推薦裝置；以及客戶端設(shè)備，所述客戶端設(shè)備包括:信息采集部件，用于采集所述反饋信息；信息傳送部件，用于將所述反饋信息傳送至服務(wù)器設(shè)備;序列存儲(chǔ)部件，用于存儲(chǔ)來自服務(wù)器設(shè)備的優(yōu)選內(nèi)容的序列；以及內(nèi)容推薦部件，用于基于所述優(yōu)選內(nèi)容的序列向該用戶推薦內(nèi)容。
[0010]本發(fā)明各方面基于用戶的反饋進(jìn)行內(nèi)容推薦，使得對(duì)于點(diǎn)擊行為少的隨機(jī)用戶也能夠合理有效地進(jìn)行內(nèi)容推薦。
[0011]根據(jù)下面參考附圖對(duì)示例性實(shí)施例的詳細(xì)說明，本發(fā)明的其它特征及方面將變得清楚。
【附圖說明】
[0012]包含在說明書中并且構(gòu)成說明書的一部分的附圖與說明書一起示出了本發(fā)明的示例性實(shí)施例、特征和方面，并且用于解釋本發(fā)明的原理。
[0013]圖1示出根據(jù)本發(fā)明一實(shí)施例的內(nèi)容推薦方法的流程圖。
[0014]圖2示出了輪盤算法的原理的示意圖。
[0015]圖3示出了根據(jù)反饋信息確定優(yōu)選內(nèi)容的序列的過程的一個(gè)示例的流程圖。
[0016]圖4示出根據(jù)本發(fā)明另一實(shí)施例的內(nèi)容推薦方法的流程圖。
[0017]圖5示出根據(jù)本發(fā)明另一實(shí)施例的內(nèi)容推薦裝置的結(jié)構(gòu)圖。
[0018]圖6示出根據(jù)本發(fā)明另一實(shí)施例的內(nèi)容推薦裝置的結(jié)構(gòu)圖。
[0019]圖7示出根據(jù)本發(fā)明另一實(shí)施例的內(nèi)容推薦系統(tǒng)的結(jié)構(gòu)圖。
[0020]圖8示出根據(jù)本發(fā)明另一實(shí)施例的內(nèi)容推薦設(shè)備的結(jié)構(gòu)圖。
【具體實(shí)施方式】
[0021]以下將參考附圖詳細(xì)說明本發(fā)明的各種示例性實(shí)施例、特征和方面。附圖中相同的附圖標(biāo)記表示功能相同或相似的元件。盡管在附圖中示出了實(shí)施例的各種方面，但是除非特別指出，不必按比例繪制附圖。
[0022]在這里專用的詞“示例性”意為“用作例子、實(shí)施例或說明性”。這里作為“示例性”所說明的任何實(shí)施例不必解釋為優(yōu)于或好于其它實(shí)施例。
[0023]另外，為了更好的說明本發(fā)明，在下文的【具體實(shí)施方式】中給出了眾多的具體細(xì)節(jié)。本領(lǐng)域技術(shù)人員應(yīng)當(dāng)理解，沒有某些具體細(xì)節(jié)，本發(fā)明同樣可以實(shí)施。在一些實(shí)例中，對(duì)于本領(lǐng)域技術(shù)人員熟知的方法、手段、元件和電路未作詳細(xì)描述，以便于凸顯本發(fā)明的主旨。
[0024]實(shí)施例1
[0025]圖1示出根據(jù)本發(fā)明一實(shí)施例的內(nèi)容推薦方法的流程圖。該實(shí)施例可在服務(wù)器端實(shí)施。如圖1所示，該方法主要包括:
[0026]步驟101，基于平均推薦概率將內(nèi)容集合中的內(nèi)容推薦給用戶；
[0027]步驟102，收集來自用戶的客戶端的對(duì)所推薦內(nèi)容的反饋信息；
[0028]步驟103，根據(jù)所述反饋信息從所述內(nèi)容集合的內(nèi)容中確定優(yōu)選內(nèi)容的序列，以便基于所述優(yōu)選內(nèi)容的序列向該用戶推薦內(nèi)容。
[0029]該實(shí)施例基于用戶的反饋進(jìn)行內(nèi)容推薦，使得對(duì)于點(diǎn)擊行為少的隨機(jī)用戶也能夠合理有效地進(jìn)行內(nèi)容推薦。
[0030]本文中的“內(nèi)容集合”，是指由多個(gè)內(nèi)容構(gòu)成的集合，同一內(nèi)容集合中的內(nèi)容可具有相同的類型，例如為視頻、音頻和廣告中的一種。內(nèi)容集合中的內(nèi)容可以是人工挑選或通過某種規(guī)則篩選的、有推薦給用戶的可能性的內(nèi)容，例如一段時(shí)間內(nèi)比較熱門的視頻、剛推出的新視頻等，本發(fā)明對(duì)此不作限制。內(nèi)容集合可在服務(wù)器端存儲(chǔ)并維護(hù)，其中的內(nèi)容可以定期更新。
[0031]本文中的“用戶”，可以是廣義上的所有類型的用戶，也可以是某類特定用戶，例如已經(jīng)通過某種規(guī)則選定的、對(duì)某種內(nèi)容特別感興趣的用戶，或者已經(jīng)被判斷為歷史點(diǎn)擊數(shù)量較少的隨機(jī)用戶等，本發(fā)明對(duì)此不作限制。
[0032]本文中的某一內(nèi)容的“推薦概率”，是指從內(nèi)容集合中隨機(jī)選取一個(gè)內(nèi)容進(jìn)行推薦的情況下，該內(nèi)容被推薦的概率。內(nèi)容集合中所有內(nèi)容被推薦的概率的總和為I。例如，假設(shè)內(nèi)容集合中共有100個(gè)內(nèi)容，則每個(gè)內(nèi)容的平均推薦概率為1/100。
[0033]以下結(jié)合具體例子，詳細(xì)說明本實(shí)施例各步驟的示例性的【具體實(shí)施方式】，本領(lǐng)域技術(shù)人員應(yīng)理解，這些【具體實(shí)施方式】?jī)H為了便于理解，并不以任何方式限制本發(fā)明。
[0034]1、步驟101，基于平均推薦概率將內(nèi)容集合中的內(nèi)容推薦給用戶
[0035]步驟101可以做是“初始化”的過程。在內(nèi)容集合建立之初，或者在內(nèi)容集合剛經(jīng)過更新，尚未得到足夠的客戶反饋時(shí)，可以基于平均推薦概率將內(nèi)容集合中的內(nèi)容推薦給用戶，以通過這些內(nèi)容的展示和點(diǎn)擊得到后續(xù)的反饋信息。步驟101的可在方法開始執(zhí)行的預(yù)定時(shí)間段(例如5秒)內(nèi)執(zhí)行，該預(yù)定時(shí)間段過后，可不再執(zhí)行步驟101，而僅實(shí)時(shí)地執(zhí)行后續(xù)的步驟102-103。
[0036]在一個(gè)示例中，基于平均推薦概率的推薦可利用輪盤算法來實(shí)現(xiàn)。圖2示出了輪盤算法的原理的示意圖。其中圓形中的每個(gè)扇形代表每個(gè)內(nèi)容被推薦的概率，所有概率的總和為I，在隨機(jī)轉(zhuǎn)動(dòng)輪盤的情況下會(huì)得到一個(gè)選定的內(nèi)容，扇形面積大(即推薦概率高)的內(nèi)容被選定的概率更大，反之，扇形面積小(即推薦概率低)的內(nèi)容被選定的概率更小。在步驟101中，以平均推薦概率進(jìn)行推薦，即每個(gè)內(nèi)容對(duì)應(yīng)扇形的面積相等，被選中的概率相等。
[0037]利用輪盤算法進(jìn)行推薦的一種示例性的具體實(shí)現(xiàn)方式如下:可為每個(gè)推薦概率指定一個(gè)對(duì)應(yīng)的數(shù)值范圍，還以上述100個(gè)內(nèi)容為例，在平均推薦概率的情況下，每個(gè)內(nèi)容所對(duì)應(yīng)的數(shù)值范圍可以相同，例如第I個(gè)內(nèi)容對(duì)應(yīng)數(shù)值范圍1-2，第2個(gè)內(nèi)容對(duì)應(yīng)數(shù)值范圍3-4……第100個(gè)內(nèi)容對(duì)應(yīng)數(shù)值范圍199-200，這相當(dāng)于在圖2的圓形上劃分了 100個(gè)面積相等的扇形。生成一個(gè)1-200之間的隨機(jī)數(shù)(相當(dāng)于轉(zhuǎn)動(dòng)輪盤)，隨機(jī)數(shù)落在哪個(gè)數(shù)值范圍內(nèi)，就相當(dāng)于選定了相對(duì)應(yīng)的哪個(gè)內(nèi)容，可將此內(nèi)容推薦給用戶。
[0038]步驟101可以定期進(jìn)行，例如以一定的時(shí)間間隔執(zhí)行輪盤算法進(jìn)行推薦，也可以響應(yīng)于來自客戶端的請(qǐng)求而進(jìn)行，例如，在方法開始執(zhí)行的預(yù)定時(shí)間段(例如5秒)內(nèi)，每當(dāng)有用戶通過客戶端登陸網(wǎng)絡(luò)平臺(tái)或打開網(wǎng)絡(luò)平臺(tái)中特定網(wǎng)頁(yè)等適當(dāng)時(shí)機(jī)，即可向服務(wù)器端發(fā)送請(qǐng)求，響應(yīng)于該請(qǐng)求，服務(wù)器端可執(zhí)行一次推薦(即轉(zhuǎn)動(dòng)一次輪盤)，以向該用戶推薦內(nèi)容集合中的一個(gè)內(nèi)容。
[0039]執(zhí)行步驟101后，用戶的客戶端上會(huì)展示所推薦內(nèi)容的信息，例如鏈接、內(nèi)容ID、摘要等信息，用戶可通過客戶端對(duì)該信息進(jìn)行點(diǎn)擊以收看或收聽該內(nèi)容，并產(chǎn)生反饋信息。
[0040]2、步驟102，收集來自用戶的客戶端的對(duì)所推薦內(nèi)容的反饋信息
[0041]在一個(gè)示例中，反饋信息可包括展示信息和點(diǎn)擊信息，其中展示信息可包括所推薦的內(nèi)容在客戶端上被展示的次數(shù)和展示時(shí)間，即某個(gè)內(nèi)容在各客戶端上被展示了多少次(例如某個(gè)視頻的鏈接在各客戶端界面上出現(xiàn)多少次)，每次是在什么時(shí)間被展示的，點(diǎn)擊信息可包括所推薦的內(nèi)容在客戶端上被點(diǎn)擊的次數(shù)和點(diǎn)擊時(shí)間，即某個(gè)內(nèi)容在各客戶端上被點(diǎn)擊了多少次，每次是在什么時(shí)間被點(diǎn)擊的。
[0042]可以通過用戶的客戶端采集這些反饋信息，再由服務(wù)器從各客戶端收集這些信息。在服務(wù)器中，反饋信息可存放于統(tǒng)一的信息隊(duì)列，由多線程處理反饋信息。反饋信息可存放于視頻反饋對(duì)象中。
[0043]這里對(duì)反饋信息的收集可以是在方法執(zhí)行過程中持續(xù)地、實(shí)時(shí)地收集，及一旦反饋信息在客戶端產(chǎn)生，客戶端就將其采集下來，并將其立即傳送給服務(wù)器，或者在客戶端經(jīng)由緩沖后再傳送給服務(wù)器，以減輕服務(wù)器的處理壓力。這種收集使得后續(xù)的推薦不再依賴于歷史點(diǎn)擊數(shù)據(jù)，而是依賴于用戶的實(shí)時(shí)反饋，從而實(shí)現(xiàn)對(duì)歷史點(diǎn)擊數(shù)據(jù)不足的隨機(jī)用戶的推薦。
[0044]3、步驟103，根據(jù)所述反饋信息從所述內(nèi)容集合的內(nèi)容中確定優(yōu)選內(nèi)容的序列
[0045]步驟103可以定期進(jìn)行，即以一定的時(shí)間間隔來定期確定優(yōu)選內(nèi)容的序列，也可以響應(yīng)于客戶請(qǐng)求來進(jìn)行，即每當(dāng)用戶通過客戶端登陸網(wǎng)絡(luò)平臺(tái)或打開網(wǎng)絡(luò)平臺(tái)中特定網(wǎng)頁(yè)等適當(dāng)時(shí)機(jī)，客戶端即可向服務(wù)器端發(fā)送請(qǐng)求，響應(yīng)于該請(qǐng)求，服務(wù)器端可根據(jù)以上所收集的反饋信息，從內(nèi)容集合的內(nèi)容中確定優(yōu)選內(nèi)容的序列。
[0046]在一個(gè)示例中，考慮到用戶反饋信息可能存在延時(shí)較長(zhǎng)、具有特定的有效時(shí)間段等特征，可以采用時(shí)間窗口的方法對(duì)收集到的反饋信息進(jìn)行處理。例如可以對(duì)展示時(shí)間和點(diǎn)擊時(shí)間在指定時(shí)間段內(nèi)的反饋信息進(jìn)行統(tǒng)計(jì)處理，以確定優(yōu)選內(nèi)容的序列。其中指定時(shí)間段可以根據(jù)統(tǒng)計(jì)的需要、用戶反饋的特點(diǎn)、內(nèi)容的特征等來選取，本發(fā)明對(duì)此不作限制。例如，如果內(nèi)容為實(shí)時(shí)熱點(diǎn)新聞，則可以以半小時(shí)的時(shí)間作為指定時(shí)間段，相應(yīng)地，可每隔半小時(shí)執(zhí)行一次步驟103。也可以以當(dāng)前時(shí)間(例如收到用戶請(qǐng)求的時(shí)間)作為起點(diǎn)，向前追溯某個(gè)時(shí)間段作為指定時(shí)間段。
[0047]優(yōu)選內(nèi)容的序列可以基于指定時(shí)間段內(nèi)的反饋信息來確定。以下結(jié)合圖3給出一個(gè)確定優(yōu)選內(nèi)容的序列的具體示例，在該示例中，根據(jù)反饋信息重新確定內(nèi)容集合中各內(nèi)容的推薦概率，并利用輪盤算法，基于該重新確定的推薦概率來確定優(yōu)選內(nèi)容的序列。
[0048]圖3示出了根據(jù)反饋信息確定優(yōu)選內(nèi)容的序列的過程的一個(gè)示例的流程圖，該示例對(duì)展示時(shí)間和點(diǎn)擊時(shí)間在指定時(shí)間段內(nèi)的反饋信息進(jìn)行處理，主要包括以下步驟301-303:
[0049]步驟301，從展示次數(shù)超過預(yù)定閾值的內(nèi)容中，確定具有最高關(guān)注度的內(nèi)容，其中所述關(guān)注度與該內(nèi)容的點(diǎn)擊次數(shù)和展示次數(shù)的比值相關(guān)聯(lián)。
[0050]舉例來說，假設(shè)預(yù)定閾值為20次(該閾值的具體數(shù)值可以根據(jù)情況適當(dāng)確定)，收集到指定時(shí)間段內(nèi)展示次數(shù)超過該閾值的內(nèi)容有5個(gè)，即六142 43 44 45，可以計(jì)算這5個(gè)內(nèi)容各自的關(guān)注度。這里所說的關(guān)注度反應(yīng)了該內(nèi)容被用戶關(guān)注的程度，或者說“熱度”，可以以反饋信息中該內(nèi)容的點(diǎn)擊次數(shù)和展示次數(shù)的比值(也稱為點(diǎn)擊率)作為關(guān)注度。關(guān)注度的計(jì)算還可引入其他因素，例如該內(nèi)容原有的反應(yīng)其熱度的屬性信息等，該信息可以是人工賦予的，也可以是基于內(nèi)容的歷史點(diǎn)擊率等統(tǒng)計(jì)得到的。
[0051 ]可確定這5個(gè)內(nèi)容中，具有最高關(guān)注度的內(nèi)容，例如Al，以待后續(xù)步驟的處理。
[0052]步驟302，對(duì)展示次數(shù)低于閾值的內(nèi)容賦予指定推薦概率，并用I減去所有指定推薦概率之和，得到的結(jié)果作為優(yōu)選推薦概率賦予所述具有最高關(guān)注度的內(nèi)容。
[0053]這一步驟的作用，是重新確定各個(gè)內(nèi)容對(duì)應(yīng)的推薦概率，就是上文中所述的“扇形的面積”，以為后續(xù)執(zhí)行輪盤算法做準(zhǔn)備。
[0054]對(duì)展示次數(shù)低于閾值的內(nèi)容，可以理解為這部分內(nèi)容在步驟101的以平均推薦概率推薦的環(huán)節(jié)中沒有得到“公平對(duì)待”，或者說沒有得到充分的展示。為了對(duì)這種情況進(jìn)行補(bǔ)償，步驟302將這部分內(nèi)容也納入了 “輪盤”之中，對(duì)其賦予指定推薦概率。
[0055]在一個(gè)示例中，所述指定推薦概率可為上述平均推薦概率，這種方式相對(duì)比較簡(jiǎn)單。在另一示例中，所述指定推薦概率可為該內(nèi)容的補(bǔ)償推薦概率，“補(bǔ)償推薦概率”為所述平均推薦概率減去該內(nèi)容的實(shí)際展示概率(即該內(nèi)容的展示次數(shù)與所有內(nèi)容的總展示次數(shù)的比值)。也就是說，用補(bǔ)償推薦概率來彌補(bǔ)這部分內(nèi)容的展示不足。這種方式相對(duì)比較復(fù)雜，但補(bǔ)償?shù)木雀摺?br>[0056]接下來，可用I減去所有指定推薦概率之和，得到的結(jié)果作為優(yōu)選推薦概率賦予所述具有最高關(guān)注度的內(nèi)容。
[0057]仍以上述例子來說明，設(shè)展示次數(shù)的預(yù)定閾值為20，假設(shè)展示次數(shù)低于閾值的內(nèi)容有20個(gè)，S卩BI?B20，則可以將它們分別賦予平均推薦概率1/100，并將1-20*1/100 = 0.8作為優(yōu)選推薦概率賦予上面選定的具有最高關(guān)注度的內(nèi)容Al。其他內(nèi)容的推薦概率為O。
[0058]這樣，在“輪盤”上就得到了21個(gè)扇形，其中面積最大的一個(gè)對(duì)應(yīng)具有最高關(guān)注度的內(nèi)容Al，其面積占輪盤總面積的80 %，另外20個(gè)扇形對(duì)應(yīng)BI?B20，其每個(gè)的面積占輪盤總面積的I %。
[0059]步驟303，基于上述指定推薦概率和優(yōu)選推薦概率，利用輪盤算法從具有最高關(guān)注度的內(nèi)容和展示次數(shù)低于閾值的內(nèi)容中選擇一個(gè)內(nèi)容作為第一優(yōu)選內(nèi)容放入優(yōu)選內(nèi)容的序列。
[0060]輪盤算法的原理如上文所描述的?？啥ㄆ趫?zhí)行步驟301-303，以定期生成優(yōu)選內(nèi)容的序列。在一種替代方式中，步驟301和步驟302可以是定期進(jìn)行的，步驟303可以是響應(yīng)于客戶請(qǐng)求而執(zhí)行得，即定期重新確定各內(nèi)容的推薦概率，一旦接收到來自客戶端的請(qǐng)求(例如是客戶端響應(yīng)于用戶登錄網(wǎng)絡(luò)平臺(tái)或打開指定網(wǎng)頁(yè)而發(fā)出的請(qǐng)求)，即可“轉(zhuǎn)動(dòng)”步驟302中所形成的輪盤，這樣即可得到一個(gè)第一優(yōu)選內(nèi)容，例如是Al，并將其放入優(yōu)選內(nèi)容的序列。在另一種替代方式中，也可以響應(yīng)于客戶的請(qǐng)求，來執(zhí)行步驟301、302、303。
[0061]可以直接將該第一優(yōu)選內(nèi)容推薦給該發(fā)出請(qǐng)求的用戶。此外，在一個(gè)示例中，本實(shí)施例還可通過以下手段來避免向用戶發(fā)送重復(fù)的內(nèi)容?？蓮恼故敬螖?shù)超過預(yù)定閾值的內(nèi)容中，選取關(guān)注度低于最高關(guān)注度的預(yù)定數(shù)量的內(nèi)容作為候選內(nèi)容，例如預(yù)定數(shù)量為4，則選擇選取候選內(nèi)容A2-A5，此預(yù)定數(shù)量可以根據(jù)需要任意選擇。可以對(duì)這些候選內(nèi)容進(jìn)行隨機(jī)排序，并排列在所述第一優(yōu)選內(nèi)容之后。舉例來說，通過這種方式可得到優(yōu)選內(nèi)容的序列△ 143 4442 45，其中六1是第一優(yōu)選內(nèi)容43 4442 45是隨機(jī)排列的候選內(nèi)容。服務(wù)器可將該優(yōu)選內(nèi)容的序列傳送至客戶端，客戶端可對(duì)該序列進(jìn)行“過濾”，找到未向用戶推薦過的內(nèi)容，例如可將優(yōu)選內(nèi)容的序列中排列在最前面的、不在針對(duì)該用戶的已推薦內(nèi)容的列表中的內(nèi)容推薦給該用戶，并將所推薦的該內(nèi)容的信息加入針對(duì)該用戶的已推薦內(nèi)容的列表中。舉例來說，如果內(nèi)容Al已經(jīng)在客戶端所存儲(chǔ)或獲取的針對(duì)該用戶的已推薦內(nèi)容的列表中了(即已經(jīng)向該用戶推薦過內(nèi)容Al)，那么可以依次考察序列中的A3，A4，A2，A5，直到找到一個(gè)不在已推薦內(nèi)容的列表的內(nèi)容為止，并將該內(nèi)容推薦給該用戶。
[0062]在一種可能的實(shí)施方式中，可由服務(wù)器端定期生成優(yōu)選內(nèi)容的列表提供給客戶端，客戶端可響應(yīng)于用戶的請(qǐng)求基于以上過程從中選擇最終推薦給用戶的內(nèi)容，以避免重復(fù)推薦。此外，客戶端還可緩存來自服務(wù)器設(shè)備的優(yōu)選內(nèi)容的序列。例如，當(dāng)用戶向客戶端請(qǐng)求推薦內(nèi)容時(shí)，如果客戶端緩存模塊為空，則可向服務(wù)器設(shè)備發(fā)送請(qǐng)求以獲取優(yōu)選內(nèi)容的序列，緩存計(jì)時(shí)器清零;如果緩存模塊不為空且緩存計(jì)時(shí)器超過閾值，則可向服務(wù)器請(qǐng)求刷新優(yōu)選內(nèi)容的序列的數(shù)據(jù)。
[0063]將內(nèi)容推薦給客戶可以是以推薦的方式向該用戶展示該內(nèi)容的鏈接(例如URL)、ID、摘要等信息。序列中的其他內(nèi)容也可以列表的方式展示給用戶，以供用戶備選。
[0064]實(shí)施例2
[0065]圖4示出了根據(jù)本發(fā)明另一實(shí)施例的內(nèi)容推薦方法的流程圖，該實(shí)施例可在服務(wù)器端實(shí)施。如圖4所示，該實(shí)施例的方法主要包括:步驟401，建立內(nèi)容池，所述內(nèi)容池包括多個(gè)內(nèi)容集合，各內(nèi)容集合分別包含相應(yīng)類型的內(nèi)容;步驟402，針對(duì)內(nèi)容池中的各內(nèi)容集合，執(zhí)行實(shí)施例1所述的方法，以生成針對(duì)各內(nèi)容集合的優(yōu)選內(nèi)容的序列。
[0066]在該實(shí)施例中，可以以多個(gè)內(nèi)容集合組成內(nèi)容池，每個(gè)內(nèi)容集合可包含一類內(nèi)容?？砂礃I(yè)務(wù)類型分類，例如第一內(nèi)容集合中為視頻內(nèi)容，第二內(nèi)容集合中為廣告內(nèi)容等等，也可以按更加細(xì)化的分類原則進(jìn)行分類，例如第一內(nèi)容集合中為時(shí)事新聞視頻、第二內(nèi)容集合中為影視視頻等等?？梢葬槍?duì)各個(gè)內(nèi)容集合分別執(zhí)行實(shí)施例1的方法，從而獨(dú)立地生成針對(duì)各內(nèi)容集合的優(yōu)選內(nèi)容的序列。
[0067]該方法還可包括對(duì)內(nèi)容池進(jìn)行管理的步驟，包括判斷內(nèi)容池是否存在、建立內(nèi)容池、設(shè)置內(nèi)容池有效時(shí)間、加載內(nèi)容池對(duì)象等操作。該方法還可包括對(duì)內(nèi)容池的增刪改查和過期操作處理。
[0068]實(shí)施例3
[0069]圖5示出根據(jù)本發(fā)明一實(shí)施例的內(nèi)容推薦裝置的結(jié)構(gòu)圖。該實(shí)施例的裝置可在配置在服務(wù)器設(shè)備中。如圖5所示，該內(nèi)容推薦裝置500主要包括:第一推薦部件501，用于基于平均推薦概率將內(nèi)容集合中的內(nèi)容推薦給用戶;收集部件502，用于收集來自用戶的客戶端的對(duì)所推薦內(nèi)容的反饋信息;確定部件503，用于根據(jù)所述反饋信息從所述內(nèi)容集合的內(nèi)容中確定優(yōu)選內(nèi)容的序列，以便基于所述優(yōu)選內(nèi)容的序列向該用戶推薦內(nèi)容。
[0070]該實(shí)施例基于用戶的反饋進(jìn)行內(nèi)容推薦，使得對(duì)于點(diǎn)擊行為少的隨機(jī)用戶也能夠合理有效地進(jìn)行內(nèi)容推薦。
[0071]在一個(gè)示例中，所述反饋信息可包括展示信息和點(diǎn)擊信息，其中展示信息可包括所推薦的內(nèi)容在客戶端上被展示的次數(shù)和展示時(shí)間，點(diǎn)擊信息可包括所推薦的內(nèi)容在客戶端上被點(diǎn)擊的次數(shù)和點(diǎn)擊時(shí)間。
[0072]在一個(gè)示例中，確定部件可包括:推薦概率確定部件，用于根據(jù)反饋信息重新確定內(nèi)容集合中各內(nèi)容的推薦概率，以及序列確定部件，用于利用輪盤算法，基于重新確定的推薦概率來確定優(yōu)選內(nèi)容的序列。
[0073]在一個(gè)示例中，所述推薦概率確定部件可包括:最高關(guān)注度內(nèi)容確定部件，用于針對(duì)展示時(shí)間和點(diǎn)擊時(shí)間在指定時(shí)間段內(nèi)的反饋信息，從展示次數(shù)超過預(yù)定閾值的內(nèi)容中，確定具有最高關(guān)注度的內(nèi)容，其中所述關(guān)注度與該內(nèi)容的點(diǎn)擊次數(shù)和展示次數(shù)的比值相關(guān)聯(lián);推薦概率賦予部件，用于對(duì)展示次數(shù)低于閾值的內(nèi)容賦予指定推薦概率，并用I減去所有指定推薦概率之和，得到的結(jié)果作為優(yōu)選推薦概率賦予所述具有最高關(guān)注度的內(nèi)容。所述序列確定部件可包括:選擇部件，用于基于上述指定推薦概率和優(yōu)選推薦概率，利用輪盤算法從具有最高關(guān)注度的內(nèi)容和展示次數(shù)低于閾值的內(nèi)容中選擇一個(gè)內(nèi)容作為第一優(yōu)選內(nèi)容放入優(yōu)選內(nèi)容的序列。
[0074]在一個(gè)示例中，所述指定推薦概率可為所述平均推薦概率。在另一個(gè)示例中，其中所述指定推薦概率可為該內(nèi)容的補(bǔ)償推薦概率，所述補(bǔ)償推薦概率為所述平均推薦概率減去該內(nèi)容的實(shí)際展示概率。
[0075]在一個(gè)示例中，所述序列確定部件還可包括:候選內(nèi)容選取部件，用于從展示次數(shù)超過預(yù)定閾值的內(nèi)容中，選取關(guān)注度低于最高關(guān)注度的預(yù)定數(shù)量的內(nèi)容作為候選內(nèi)容，排列部件，用于將所述候選內(nèi)容排列在所述第一優(yōu)選內(nèi)容之后。
[0076]在一個(gè)示例中，所述排列部件可用于將所述候選內(nèi)容隨機(jī)排序后，排列在所述第一優(yōu)選內(nèi)容之后。
[0077]在一個(gè)示例中，所述內(nèi)容集合中的內(nèi)容可為視頻、音頻、廣告中的一種。
[0078]實(shí)施例4
[0079]圖6示出根據(jù)本發(fā)明一實(shí)施例的內(nèi)容推薦裝置的結(jié)構(gòu)圖。該實(shí)施例的裝置可配置于服務(wù)器設(shè)備中。該實(shí)施例的內(nèi)容推薦裝置600主要包括:建立部件601，用于建立內(nèi)容池，所述內(nèi)容池包括多個(gè)內(nèi)容集合，各內(nèi)容集合分別包含相應(yīng)類型的內(nèi)容;序列生成部件602，用于針對(duì)內(nèi)容池中的各內(nèi)容集合，運(yùn)行實(shí)施例3中的內(nèi)容推薦裝置，以生成針對(duì)各內(nèi)容集合的優(yōu)選內(nèi)容的序列。
[0080]該裝置還可包括用于對(duì)內(nèi)容池進(jìn)行管理的部件，其中，管理可包括判斷內(nèi)容池是否存在、建立內(nèi)容池、設(shè)置內(nèi)容池有效時(shí)間、加載內(nèi)容池對(duì)象等。該裝置還可包括用于對(duì)內(nèi)容池的增刪改查和過期操作處理的部件。
[0081 ] 實(shí)施例5
[0082]圖7示出根據(jù)本發(fā)明一實(shí)施例的內(nèi)容推薦系統(tǒng)的結(jié)構(gòu)圖，如圖7所示，該系統(tǒng)主要包括:服務(wù)器設(shè)備701和客戶端設(shè)備702。服務(wù)器設(shè)備701配置有實(shí)施例3或4的內(nèi)容推薦裝置?？蛻舳嗽O(shè)備702包括:信息采集部件7021，用于采集所述反饋信息;信息傳送部件7022，用于將所述反饋信息傳送至服務(wù)器設(shè)備；序列存儲(chǔ)部件7023，用于存儲(chǔ)來自服務(wù)器設(shè)備的優(yōu)選內(nèi)容的序列；內(nèi)容推薦部件7024，用于基于所述優(yōu)選內(nèi)容的序列向該用戶推薦內(nèi)容。
[0083]客戶端設(shè)備可為智能手機(jī)、個(gè)人電腦等終端設(shè)備。
[0084]在一個(gè)示例中，客戶端設(shè)備中的內(nèi)容推薦部件可用于對(duì)優(yōu)選內(nèi)容的序列進(jìn)行過濾，以避免向用戶推薦重復(fù)的內(nèi)容。例如，內(nèi)容推薦部件可具體用于將所述優(yōu)選內(nèi)容的序列中排列在最前面的、不在針對(duì)該用戶的已推薦內(nèi)容的列表中的內(nèi)容推薦給該用戶，并將所推薦的該內(nèi)容的信息加入針對(duì)該用戶的已推薦內(nèi)容的列表中。
[0085]在一個(gè)示例中，客戶端設(shè)備還可包括緩存部件，以對(duì)信息采集部件采集到的反饋信息進(jìn)行緩存后再傳送給服務(wù)器設(shè)備，減輕服務(wù)器設(shè)備的壓力。舉例來說，緩存部件可以采用如下緩存策略:如果緩存部件中當(dāng)前緩存數(shù)據(jù)量超過閾值，則將反饋信息合并后發(fā)送至服務(wù)器設(shè)備，緩存計(jì)時(shí)器清零;如果當(dāng)前緩存計(jì)時(shí)器計(jì)時(shí)超過閾值，則將反饋信息合并后發(fā)送至服務(wù)器設(shè)備，緩存計(jì)時(shí)器清零。由于反饋信息的量可能高達(dá)每秒超過10萬條，將反饋緩存合并后發(fā)送至服務(wù)器設(shè)備，能夠有效的減輕服務(wù)器的壓力。
[0086]在一個(gè)示例中，序列存儲(chǔ)部件7023可以包括緩存模塊，用于緩存來自服務(wù)器設(shè)備的優(yōu)選內(nèi)容的序列。當(dāng)用戶向客戶端請(qǐng)求推薦內(nèi)容時(shí)，如果緩存模塊為空，則可向服務(wù)器設(shè)備發(fā)送請(qǐng)求以獲取優(yōu)選內(nèi)容的序列，緩存計(jì)時(shí)器清零;如果緩存模塊不為空且緩存計(jì)時(shí)器超過閾值，則可向服務(wù)器請(qǐng)求刷新優(yōu)選內(nèi)容的序列的數(shù)據(jù)。
[0087]在一個(gè)示例中，服務(wù)器設(shè)備701還可包括內(nèi)容池管理模塊，用于對(duì)內(nèi)容池進(jìn)行管理操作，包括判斷內(nèi)容池是否存在、建立內(nèi)容池、設(shè)置內(nèi)容池有效時(shí)間、加載內(nèi)容池對(duì)象等操作。內(nèi)容池管理模塊還可用于內(nèi)容池的增刪改查和過期操作處理。
[0088]在服務(wù)器設(shè)備中，反饋信息可存放于統(tǒng)一的信息隊(duì)列，由多線程處理反饋信息。反饋信息可存放于視頻反饋對(duì)象中。
[0089]實(shí)施例6
[0090]圖8示出了本發(fā)明的另一個(gè)實(shí)施例的一種內(nèi)容優(yōu)選設(shè)備的結(jié)構(gòu)框圖。所述內(nèi)容優(yōu)選設(shè)備1100可以是具備計(jì)算能力的主機(jī)服務(wù)器、個(gè)人計(jì)算機(jī)PC、或者可攜帶的便攜式計(jì)算機(jī)或終端等。本發(fā)明具體實(shí)施例并不對(duì)計(jì)算節(jié)點(diǎn)的具體實(shí)現(xiàn)做限定。
[0091 ] 所述內(nèi)容優(yōu)選設(shè)備1100包括處理器(processor) 1110、通信接口(Communicat1nsInterface)1120、存儲(chǔ)器(memory) 1130和總線1140。其中，處理器1110、通信接口 1120、以及存儲(chǔ)器1130通過總線1140完成相互間的通信。
[0092]通信接口 1120用于與網(wǎng)絡(luò)設(shè)備通信，其中網(wǎng)絡(luò)設(shè)備包括例如虛擬機(jī)管理中心、共享存儲(chǔ)等。
[0093]處理器1110用于執(zhí)行程序。處理器1110可能是一個(gè)中央處理器CPU，或者是專用集成電路ASIC(Applicat1n Specific Integrated Circuit)，或者是被配置成實(shí)施本發(fā)明實(shí)施例的一個(gè)或多個(gè)集成電路。
[0094]存儲(chǔ)器1130用于存放文件。存儲(chǔ)器1130可能包含高速RAM存儲(chǔ)器，也可能還包括非易失性存儲(chǔ)器(non-volatile memory)，例如至少一個(gè)磁盤存儲(chǔ)器。存儲(chǔ)器1130也可以是存儲(chǔ)器陣列。存儲(chǔ)器1130還可能被分塊，并且所述塊可按一定的規(guī)則組合成虛擬卷。
[0095]在一種可能的實(shí)施方式中，上述程序可為包括計(jì)算機(jī)操作指令的程序代碼。該程序具體可用于執(zhí)行實(shí)施例1或2所述的方法的各步驟。
[0096]本領(lǐng)域普通技術(shù)人員可以意識(shí)到，本文所描述的實(shí)施例中的各示例性單元及算法步驟，能夠以電子硬件、或者計(jì)算機(jī)軟件和電子硬件的結(jié)合來實(shí)現(xiàn)。這些功能究竟以硬件還是軟件形式來實(shí)現(xiàn)，取決于技術(shù)方案的特定應(yīng)用和設(shè)計(jì)約束條件。專業(yè)技術(shù)人員可以針對(duì)特定的應(yīng)用選擇不同的方法來實(shí)現(xiàn)所描述的功能，但是這種實(shí)現(xiàn)不應(yīng)認(rèn)為超出本發(fā)明的范圍。
[0097]如果以計(jì)算機(jī)軟件的形式來實(shí)現(xiàn)所述功能并作為獨(dú)立的產(chǎn)品銷售或使用時(shí)，則在一定程度上可認(rèn)為本發(fā)明的技術(shù)方案的全部或部分(例如對(duì)現(xiàn)有技術(shù)做出貢獻(xiàn)的部分)是以計(jì)算機(jī)軟件產(chǎn)品的形式體現(xiàn)的。該計(jì)算機(jī)軟件產(chǎn)品通常存儲(chǔ)在計(jì)算機(jī)可讀取的非易失性存儲(chǔ)介質(zhì)中，包括若干指令用以使得計(jì)算機(jī)設(shè)備(可以是個(gè)人計(jì)算機(jī)、服務(wù)器、或者網(wǎng)絡(luò)設(shè)備等)執(zhí)行本發(fā)明各實(shí)施例方法的全部或部分步驟。而前述的存儲(chǔ)介質(zhì)包括U盤、移動(dòng)硬盤、只讀存儲(chǔ)器(R0M，Read_0nly Memory)、隨機(jī)存取存儲(chǔ)器(RAM ,Random Access Memory)、磁碟或者光盤等各種可以存儲(chǔ)程序代碼的介質(zhì)。
[0098]以上所述，僅為本發(fā)明的【具體實(shí)施方式】，但本發(fā)明的保護(hù)范圍并不局限于此，任何熟悉本技術(shù)領(lǐng)域的技術(shù)人員在本發(fā)明揭露的技術(shù)范圍內(nèi)，可輕易想到變化或替換，都應(yīng)涵蓋在本發(fā)明的保護(hù)范圍之內(nèi)。因此，本發(fā)明的保護(hù)范圍應(yīng)以所述權(quán)利要求的保護(hù)范圍為準(zhǔn)。
【主權(quán)項(xiàng)】
1.一種內(nèi)容推薦方法，包括: 基于平均推薦概率將內(nèi)容集合中的內(nèi)容推薦給用戶； 收集來自用戶的客戶端的對(duì)所推薦內(nèi)容的反饋信息；以及 根據(jù)所述反饋信息從所述內(nèi)容集合的內(nèi)容中確定優(yōu)選內(nèi)容的序列，以便基于所述優(yōu)選內(nèi)容的序列向該用戶推薦內(nèi)容。2.根據(jù)權(quán)利要求1所述的方法，其中，根據(jù)所述反饋信息從所述內(nèi)容集合的內(nèi)容中確定優(yōu)選內(nèi)容的序列包括: 根據(jù)反饋信息重新確定內(nèi)容集合中各內(nèi)容的推薦概率，并利用輪盤算法，基于重新確定的推薦概率來確定優(yōu)選內(nèi)容的序列。3.根據(jù)權(quán)利要求1或2所述的方法，其中，所述反饋信息包括展示信息和點(diǎn)擊信息，其中展示信息包括所推薦的內(nèi)容在客戶端上被展示的次數(shù)和展示時(shí)間，點(diǎn)擊信息包括所推薦的內(nèi)容在客戶端上被點(diǎn)擊的次數(shù)和點(diǎn)擊時(shí)間。4.根據(jù)權(quán)利要求3所述的方法，其中，根據(jù)所述反饋信息從所述內(nèi)容集合的內(nèi)容中確定優(yōu)選內(nèi)容的序列包括:對(duì)展示時(shí)間和點(diǎn)擊時(shí)間在指定時(shí)間段內(nèi)的反饋信息進(jìn)行如下處理，以得到優(yōu)選內(nèi)容的序列: 從展示次數(shù)超過預(yù)定閾值的內(nèi)容中，確定具有最高關(guān)注度的內(nèi)容，其中所述關(guān)注度與該內(nèi)容的點(diǎn)擊次數(shù)和展示次數(shù)的比值相關(guān)聯(lián)； 對(duì)展示次數(shù)低于閾值的內(nèi)容賦予指定推薦概率，并用I減去所有指定推薦概率之和，得到的結(jié)果作為優(yōu)選推薦概率賦予所述具有最高關(guān)注度的內(nèi)容；以及 基于上述指定推薦概率和優(yōu)選推薦概率，利用輪盤算法從具有最高關(guān)注度的內(nèi)容和展示次數(shù)低于閾值的內(nèi)容中選擇一個(gè)內(nèi)容作為第一優(yōu)選內(nèi)容放入優(yōu)選內(nèi)容的序列。5.根據(jù)權(quán)利要求4所述的方法，其中，所述指定推薦概率為所述平均推薦概率。6.根據(jù)權(quán)利要求4所述的方法，其中所述指定推薦概率為該內(nèi)容的補(bǔ)償推薦概率，所述補(bǔ)償推薦概率為所述平均推薦概率減去該內(nèi)容的實(shí)際展示概率。7.根據(jù)權(quán)利要求4所述的方法，其中，根據(jù)所述反饋信息從所述內(nèi)容集合的內(nèi)容中確定優(yōu)選內(nèi)容的序列還包括: 從展示次數(shù)超過預(yù)定閾值的內(nèi)容中，選取關(guān)注度低于最高關(guān)注度的預(yù)定數(shù)量的內(nèi)容作為候選內(nèi)容，排列在所述第一優(yōu)選內(nèi)容之后。8.根據(jù)權(quán)利要求1所述的方法，其中所述內(nèi)容集合中的內(nèi)容為視頻、音頻、廣告中的一種。9.一種內(nèi)容推薦方法，包括: 建立內(nèi)容池，所述內(nèi)容池包括多個(gè)內(nèi)容集合，各內(nèi)容集合分別包含相應(yīng)類型的內(nèi)容；以及 針對(duì)內(nèi)容池中的各內(nèi)容集合，執(zhí)行權(quán)利要求1-8中任意一項(xiàng)所述的方法，以生成針對(duì)各內(nèi)容集合的優(yōu)選內(nèi)容的序列。10.—種內(nèi)容推薦裝置，包括: 第一推薦部件，用于基于平均推薦概率將內(nèi)容集合中的內(nèi)容推薦給用戶； 收集部件，用于收集來自用戶的客戶端的對(duì)所推薦內(nèi)容的反饋信息；以及 確定部件，用于根據(jù)所述反饋信息從所述內(nèi)容集合的內(nèi)容中確定優(yōu)選內(nèi)容的序列，以便基于所述優(yōu)選內(nèi)容的序列向該用戶推薦內(nèi)容。11.根據(jù)權(quán)利要求10所述的裝置，其中，所述確定部件包括: 推薦概率確定部件，用于根據(jù)反饋信息重新確定內(nèi)容集合中各內(nèi)容的推薦概率；以及 序列確定部件，用于利用輪盤算法，基于重新確定的推薦概率來確定優(yōu)選內(nèi)容的序列。12.根據(jù)權(quán)利要求10或11所述的裝置，其中，所述反饋信息包括展示信息和點(diǎn)擊信息，其中展示信息包括所推薦的內(nèi)容在客戶端上被展示的次數(shù)和展示時(shí)間，點(diǎn)擊信息包括所推薦的內(nèi)容在客戶端上被點(diǎn)擊的次數(shù)和點(diǎn)擊時(shí)間。13.根據(jù)權(quán)利要求12所述的裝置，其中， 所述推薦概率確定部件包括: 最高關(guān)注度內(nèi)容確定部件，用于針對(duì)展示時(shí)間和點(diǎn)擊時(shí)間在指定時(shí)間段內(nèi)的反饋信息，從展示次數(shù)超過預(yù)定閾值的內(nèi)容中，確定具有最高關(guān)注度的內(nèi)容，其中所述關(guān)注度與該內(nèi)容的點(diǎn)擊次數(shù)和展示次數(shù)的比值相關(guān)聯(lián);以及 推薦概率賦予部件，用于對(duì)展示次數(shù)低于閾值的內(nèi)容賦予指定推薦概率，并用I減去所有指定推薦概率之和，得到的結(jié)果作為優(yōu)選推薦概率賦予所述具有最高關(guān)注度的內(nèi)容；所述序列確定部件包括: 選擇部件，用于基于上述指定推薦概率和優(yōu)選推薦概率，利用輪盤算法從具有最高關(guān)注度的內(nèi)容和展示次數(shù)低于閾值的內(nèi)容中選擇一個(gè)內(nèi)容作為第一優(yōu)選內(nèi)容放入優(yōu)選內(nèi)容的序列。14.根據(jù)權(quán)利要求13所述的裝置，其中，所述指定推薦概率為所述平均推薦概率。15.根據(jù)權(quán)利要求13所述的裝置，其中所述指定推薦概率為該內(nèi)容的補(bǔ)償推薦概率，所述補(bǔ)償推薦概率為所述平均推薦概率減去該內(nèi)容的實(shí)際展示概率。16.根據(jù)權(quán)利要求13所述的裝置，其中，所述序列確定部件還包括: 候選內(nèi)容選取部件，用于從展示次數(shù)超過預(yù)定閾值的內(nèi)容中，選取關(guān)注度低于最高關(guān)注度的預(yù)定數(shù)量的內(nèi)容作為候選內(nèi)容；以及 排列部件，用于將所述候選內(nèi)容排列在所述第一優(yōu)選內(nèi)容之后。17.根據(jù)權(quán)利要求10所述的裝置，其中所述內(nèi)容集合中的內(nèi)容為視頻、音頻、廣告中的一種。18.—種內(nèi)容推薦裝置，包括: 建立部件，用于建立內(nèi)容池，所述內(nèi)容池包括多個(gè)內(nèi)容集合，各內(nèi)容集合分別包含相應(yīng)類型的內(nèi)容；以及 序列生成部件，用于針對(duì)內(nèi)容池中的各內(nèi)容集合，運(yùn)行根據(jù)權(quán)利要求10-17中任意一項(xiàng)所述的內(nèi)容推薦裝置，以生成針對(duì)各內(nèi)容集合的優(yōu)選內(nèi)容的序列。19.一種內(nèi)容推薦系統(tǒng)，包括: 服務(wù)器設(shè)備，所述服務(wù)器設(shè)備配置有根據(jù)權(quán)利要求10-18中任意一項(xiàng)所述的內(nèi)容推薦裝置；以及 客戶端設(shè)備，所述客戶端設(shè)備包括: 信息采集部件，用于采集所述反饋信息； 信息傳送部件，用于將所述反饋信息傳送至服務(wù)器設(shè)備； 序列存儲(chǔ)部件，用于存儲(chǔ)來自服務(wù)器設(shè)備的優(yōu)選內(nèi)容的序列；以及 內(nèi)容推薦部件，用于基于所述優(yōu)選內(nèi)容的序列向該用戶推薦內(nèi)容。20.根據(jù)權(quán)利要求19所述的系統(tǒng)，其中，所述內(nèi)容推薦部件具體用于:將所述優(yōu)選內(nèi)容的序列中排列在最前面的、不在針對(duì)該用戶的已推薦內(nèi)容的列表中的內(nèi)容推薦給該用戶，并將所推薦的該內(nèi)容的信息加入針對(duì)該用戶的已推薦內(nèi)容的列表中。
【文檔編號(hào)】G06F17/30GK105872629SQ201610158871
【公開日】2016年8月17日
【申請(qǐng)日】2016年3月18日
【發(fā)明人】沈世星, 王必堯, 尹玉宗, 姚鍵, 潘柏宇, 王冀
【申請(qǐng)人】合網(wǎng)絡(luò)技術(shù)（北京）有限公司, 合一網(wǎng)絡(luò)技術(shù)(北京)有限公司