一种内容推荐方法及装置与流程

本发明涉及互联网技术领域，尤其涉及一种内容推荐方法及装置。

背景技术：

随着通信技术的不断发展及终端的普及，在终端获取多媒体内容的用户越来越多，而且很多用户同时拥有多个终端，比如一个用户同时拥有手机、笔记本电脑及平板电脑等。

目前，用户对多媒体内容的获取方式，多是直接在终端上查找希望观看的内容或者根据多媒体内容供应商提供的推荐页面选择自己喜欢的内容，通常，用户会根据不同场景选择合适的终端获取多媒体内容，例如，用户在公交车上习惯使用手机观看视频，而用户在家里习惯使用屏幕较大的笔记本电脑或计算机观看视频。

发明人在实现本发明的过程中，发现相关技术存在以下问题：同一用户在不同终端使用应用程序或网站所产生的历史行为数据没有实现共享，尤其是该历史行为数据孤立地存储于各个终端上，通过这些历史行为数据所分析出的用户对于应用程序内容的喜好数据也不能实现共享。

技术实现要素：

本发明要解决的技术问题是提供一种内容推荐方法及装置，解决同一用户不同终端使用应用程序或网站所产生的历史行为数据没有实现共享的问题。

本发明实施例的一个方面，提供一种内容推荐方法，该方法包括：

收集同一账号在不同终端的历史行为数据；

分析所述历史行为数据，并生成所述账号对应的行为习惯；

基于所述行为习惯向所述行为习惯对应的账号所登录的终端进行内容推荐。

可选地，所述收集同一账号在不同终端的历史行为数据包括：

在数据库中分别为所述同一账号分配对应的数据存储空间；

收集所述同一账号在不同终端的历史行为数据，将所述历史行为数据添加至所述同一账号对应的数据存储空间。

可选地，所述分析所述历史行为数据，并生成所述账号对应的行为习惯包括：

分别统计所述历史行为数据中每条数据的频率；

选取所述频率大于第一预设阈值的数据作为第一喜好数据，根据所述第一喜好数据生成所述账号对应的行为习惯。

可选地，所述分析所述历史行为数据，并生成所述账号对应的行为习惯包括：

按照预设规则对所述历史行为数据进行分类，根据所述分类生成至少一个数据集；

分别统计所述数据集的频率；

选取所述频率大于第二预设阈值的数据集作为第二喜好数据，根据所述第二喜好数据生成所述账号对应的行为习惯。

可选地，所述频率包括访问留存时间、点击量、下载量、评论量以及点赞量中的一种或多种。

本发明实施例的另一方面，提供一种内容推荐装置，该装置包括：

收集模块，用于收集同一账号在不同终端的历史行为数据；

分析模块，用于分析所述历史行为数据，并生成所述账号对应的行为习惯；

推荐模块，用于基于所述行为习惯向所述行为习惯对应的账号所登录的终端进行内容推荐。

可选地，所述收集模块包括：

分配单元，用于在数据库中分别为所述同一账号分配对应的数据存储空间；

存储单元，用于收集所述同一账号在不同终端的历史行为数据，将所述历史行为数据添加至所述同一账号对应的数据存储空间。

可选地，所述分析模块包括：

第一统计单元，用于分别统计所述历史行为数据中每条数据的频率；

第一选择单元，用于选取所述频率大于第一预设阈值的数据作为第一喜好数据，根据所述第一喜好数据生成所述账号对应的行为习惯。

可选地，所述分析模块包括：

分类单元，用于按照预设规则对所述历史行为数据进行分类，根据所述分类生成至少一个数据集；

第二统计单元，用于分别统计所述数据集的频率；

第二选取单元，用于选取所述频率大于第二预设阈值的数据集作为第二喜欢数据，根据所述第二喜好数据生成所述账号对应的行为习惯。

可选地，所述频率包括访问留存时间、访问量、点击量、下载量、评论量以及点赞量中的一种或多种。

在本发明实施例中，通过收集同一账号在不同终端的历史行为数据，并分析该历史行为数据从而生成所述账号对应的行为习惯，根据该行为习惯向该行为习惯对应的账号所登录的终端进行内容推荐，一方面，实现了同一账号在不同终端产生的历史行为数据的共享，另一方面，根据行为习惯进行内容推荐的结果更符合用户的需求，提升了用户体验。

附图说明

一个或多个实施例通过与之对应的附图中的图片进行示例性说明，这些示例性说明并不构成对实施例的限定，附图中具有相同参考数字标号的元件表示为类似的元件，除非有特别申明，附图中的图不构成比例限制。

图1是本发明各个实施例所涉及的一种实施环境的结构示意图；

图2是本发明实施例一提供的一种内容推荐方法的流程示意图；

图3是本发明实施例二提供的一种内容推荐方法中所述收集同一应用程序账号在不同终端浏览过的数据的方法的流程示意图；

图4是本发明实施例三提供的一种内容推荐方法的流程示意图；

图5是本发明实施例四提供的一种内容推荐方法的流程示意图；

图6是本发明实施例五提供的一种内容推荐装置的结构示意图；

图7是本发明实施例六提供的一种内容推荐装置的结构示意图；

图8是本发明实施例七提供的一种内容推荐装置的结构示意图；

图9是本发明实施例八提供的一种电子设备的结构示意图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。

请参考图1，其示出了本发明各个实施例所涉及的一种实施环境的结构示意图，该实施环境包括：终端100和服务器200。其中：

终端100可以是手机、平板电脑、电子书阅读器、MP3(Moving Picture Experts Group Audio Layer III，动态影像专家压缩标准音频层面3)播放器、MP4(Moving Picture Experts Group Audio Layer IV，动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机和台式计算机等等。

终端100中可以运行有浏览器，也可以运行有其它能够加载和显示网页页面的应用程序，比如视频类应用、支付类应用、语音类应用等等。

终端100通过无线网络或者有线网络与服务器200相连。

服务器200可以是一台服务器，或者由若干台服务器组成的服务器集群，或者是一个云计算服务中心。

实施例一

请参考图2，图2是本发明实施例一提供的一种内容推荐方法的流程示意图。如图2所示，该方法包括：

步骤11、收集同一账号在不同终端的历史行为数据。

在本实施例中，所述同一账号包括同一应用的账号或同一网站的账号，所述同一账号还包括，多个应用和/或网站对应的同一账号，其中，不同应用和/或网站对应的同一账号所产生的历史行为数据也可以用于分析所述账号的行为习惯。

在本实施例中，所述历史行为数据为用户行为可操作的数据，所述历史行为数据包括：视频数据、音频数据、文字数据以及图片数据等。对应的用户行为包括：播放、浏览、点赞、评论、转发等。

在本实施例中，所述收集同一账号在不同终端的历史行为数据，例如，使用A账号注册了某视频应用，若A账号在笔记本电脑登陆了该视频应用对应的视频网站，且在手机使用A账号登陆了该视频应用，则需要分别收集，该A账号在笔记本电脑登陆该视频网站后产生的历史行为数据，以及该A账号在手机登陆该视频应用后产生的历史行为数据，将这两个历史行为数据作为所述A账号在不同终端的历史行为数据。

步骤12、分析所述历史行为数据，并生成所述账号对应的行为习惯。

在本实施例中，所述账号对应的行为习惯主要由所述历史行为数据来确定，可以根据所述历史行为数据的内容类别分析所述账号对应的行为习惯，例如，所述历史行为数据为视频数据，则可以按照视频内容将所述视频划分为体育类、综艺类、电视类等，分类的结果作为所述账号的行为习惯；还可以分析所述历史行为数据的热度，判断所述历史行为数据是否是热点数据，将分析结果作为所述账号对应的行为习惯，例如，所述历史行为数据为播放量第一的电视剧以及点击量第一的歌曲，则可以得出该账号的行为习惯是习惯获取热度比较高的内容；此外，还可以通过其他方式来分析所述历史行为数据，从而生成所述账号对应的行为习惯。

步骤13、基于所述行为习惯向所述行为习惯对应的账号所登录的终端进行内容推荐。

例如，已经分析得到某一视频网站的A账号在该视频网站的行为习惯，则，可以根据该行为习惯向A账号所登录的终端进行内容推荐，需要说明的是，该终端可以是多个不同的终端，该视频网站可以是相同或不同的视频网站，只要保证是该A账号登录即可。其中，可以通过发送短信、推送消息等方式向终端进行内容推荐。

本发明实施例，通过收集同一账号在不同终端的历史行为数据，并分析该历史行为数据从而生成所述账号对应的行为习惯，根据该行为习惯向该行为习惯对应的账号所登录的终端进行内容推荐，一方面，实现了同一账号在不同终端产生的历史行为数据的共享，另一方面，根据行为习惯进行内容推荐的结果更符合用户的需求，提升了用户体验。

实施例二

在实施例一的基础上，本发明实施例二提出另一种内容推荐方法，如图2所示，该方法包括：

步骤11、收集同一账号在不同终端的历史行为数据。

如图3所示，在本实施例中，所述收集同一账号在不同终端的历史行为数据包括：

步骤111、在数据库中分别为所述同一账号分配对应的数据存储空间。

步骤112、收集所述同一账号在不同终端的历史行为数据，将所述历史行为数据添加至所述同一账号对应的数据存储空间。

可以理解的是，不同的应用或网站可以对应不同的账号，也可以对应同一账号，同一账号可以在多个终端上登录该账号对应的应用或网站。所述历史行为数据包括：视频数据、音频数据、文字数据以及图片数据等。在本实施例中，分别为同一账号分配相应的数据存储空间，从而可以分别收集同一账号在不同终端的历史行为数据。

例如，某视频应用的账号为A，某音乐应用的账号为B，账号A在不同终端浏览过的数据存储在该账号A对应的数据存储空间，账号B在不同终端浏览过的数据存储在该账号B对应的数据存储空间。

步骤12、分析所述历史行为数据，并生成所述账号对应的行为习惯。

步骤13、基于所述行为习惯向所述行为习惯对应的账号所登录的终端进行内容推荐。

需要说明的是，本实施例步骤12-13可参考实施例一的叙述，此处不再赘述。

本发明实施例，分别收集不同账号在不同终端的历史行为数据，并为不同账号产生的历史行为数据分别分配不同的数据存储空间，通过分析所述历史行为数据从而生成各账号对应的行为习惯，根据该行为习惯向该行为习惯对应的账号所登录的终端进行内容推荐，一方面，实现了同一账号在不同终端产生的历史行为数据的共享，另一方面，根据行为习惯进行内容推荐的结果更符合用户的需求，提升了用户体验。

实施例三

请参考图4，图4是本发明实施例三提供的一种内容推荐方法的流程示意图。如图4所示，该方法包括：

步骤21、收集同一账号在不同终端的历史行为数据。

步骤22、分别统计所述历史行为数据中每条数据的频率。

在本实施例中，所述频率包括访问留存时间、点击量、下载量、评论量以及点赞量中的一种或多种，其中该访问留存时间为所述历史行为数据被播放或被浏览的时长，需要说明的是，该访问留存时间、点击量和下载量、评论量以及点赞量为该账号对应的历史行为数据的访问留存时间、点击量、下载量、评论量以及点赞量。

在本实施例中，通过特定的算法统计每条数据的访问留存时间和/或点击量和/或下载量和/或评论量和/或点赞量的总和，该总和作为该数据的频率。

此外，可以理解的是，所述访问留存时间、点击量、下载量、评论量以及点赞量等均为用户的行为，进一步地，还可以将所述用户的行为分别设置权重，将所述权重和所述权重对应的用户行为的统计数量的总和作为所述频率，其中，所述用户行为可以赋予相同的权重或者每个行为赋予不同的权重。

步骤23、选取所述频率大于第一预设阈值的数据作为第一喜好数据，根据所述第一喜好数据生成所述账号对应的行为习惯。

可以理解的是，即选取数据的访问留存时间和/或点击量和/或下载量和/或评论量和/或点赞量的总和大于第一预设阈值的数据，作为第一喜好数据，该第一喜好数据反映了该历史行为数据的受欢迎程度。进一步地，分析该第一喜好数据，并确定行为习惯，例如，确定该账号喜欢浏览的内容的类别等。

步骤24、基于所述行为习惯向所述行为习惯对应的账号所登录的终端进行内容推荐。

需要说明的是，本实施例步骤21、步骤24可参考实施例一的叙述，此处不再赘述。

本发明实施例，通过收集同一账号在不同终端的历史行为数据，并分别统计所述历史行为数据中每条数据的频率，将频率大于第一预设阈值的数据用于生成行为习惯。一方面，实现了同账号在不同终端产生的历史行为数据的共享，另一方面，根据所述历史行为数据的频率确定行为习惯并进行内容推荐，该推荐的结果更准确，提升了用户体验。

实施例四

请参考图5，图5是本发明实施例四提供的一种内容推荐方法的流程示意图。如图5所示，该方法包括：

步骤31、收集同一账号在不同终端的历史行为数据。

步骤32、按照预设规则对所述历史行为数据进行分类，根据所述分类生成至少一个数据集。

在本实施例中，可以根据所述历史行为数据的内容确定所述历史行为数据的类别，例如，视频类、文字类、音频类等，进一步地，所述视频类包括体育类、电影类、娱乐类等，所述文字类包括短文、小说、新闻稿等，所述音频类包括流行的、古典的、国外的、华语等。不同的分类结果分别对应一个数据集。

步骤33、分别统计所述数据集的频率。

在本实施例中，所述频率包括访问留存时间、点击量、下载量、评论量以及点赞量中的一种或多种，其中该访问留存时间为所述历史行为数据被播放或被浏览的时长，需要说明的是，该访问留存时间、点击量和下载量、评论量以及点赞量为该账号对应的历史行为数据的访问留存时间、点击量、下载量、评论量以及点赞量。

在本实施例中，通过特定的算法统计每条数据的访问留存时间和/或点击量和/或下载量和/或评论量和/或点赞量的总和，该总和作为该数据的频率。

此外，可以理解的是，所述访问留存时间、点击量、下载量、评论量以及点赞量等均为用户的行为，进一步地，还可以将所述用户的行为分别设置权重，将所述权重和所述权重对应的用户行为的统计数量的总和作为所述频率，其中，所述用户行为可以赋予相同的权重或者每个行为赋予不同的权重。

在另一实施例中，所述访问留存时间、点击量、下载量、评论量以及点赞量包括网络用户的账号对应的访问留存时间、点击量、下载量、评论量以及点赞量。可以基于网络用户的账号，统计所述数据集的频率，从而确定该数据集被大众欢迎的程度。

步骤34、选取所述频率大于第二预设阈值的数据集作为第二喜好数据，根据所述第二喜好数据生成所述账号对应的行为习惯。

可以理解的是，即选取数据集中数据的访问留存时间和/或点击量和/或下载量和/或评论量和/或点赞量的总和大于第二预设阈值的数据集，作为第二喜好数据，该第二喜好数据反映了该数据集的受欢迎程度。进一步地，分析该第二喜好数据，并确定所述账号对应的行为习惯，例如，确定该账号的行为习惯为音频类。

步骤35、基于所述行为习惯向所述行为习惯对应的账号所登录的终端进行内容推荐。

需要说明的是，本实施例步骤31、步骤35可参考实施例一的叙述，此处不再赘述。

本发明实施例，通过收集同一账号在不同终端的历史行为数据，并对所述历史行为数据进行分类得到不同类别的数据集，根据数据集的频率确定行为习惯。一方面，实现了同一账号在不同终端的历史行为数据的共享，另一方面，由数据集的频率确定行为习惯并进行内容推荐，该推荐的结果更准确，提升了用户体验。

实施例五

请参考图6，图6是本发明实施例五提供的一种内容推荐装置的结构示意图。如图6所示，该装置50包括：收集模块501、分析模块502以及推荐模块503。

在本实施例中，所述收集模块501，用于收集同一账号在不同终端的历史行为数据；所述分析模块502，用于分析所述历史行为数据，并生成所述账号对应的行为习惯；所述推荐模块503，用于基于所述行为习惯向所述行为习惯对应的账号所登录的终端进行内容推荐。

在本实施例中，收集模块将收集的同一账号在不同终端的历史行为数据发送至分析模块，由所述分析模块进行分析，从而生成所述历史行为数据的行为习惯，所述推荐模块基于该行为习惯进行内容推荐。

值得说明的是，上述装置内的模块之间的信息交互、执行过程等内容，由于与本发明的方法实施例一基于同一构思，具体内容可参见本发明方法实施例一中的叙述，此处不再赘述。

本发明实施例，通过收集同一账号在不同终端的历史行为数据，并分析该收集的历史行为数据从而生成行为习惯，根据该行为习惯向该行为习惯对应的账号所登录的终端进行内容推荐，一方面，实现了同一账号在不同终端的历史行为数据的共享，另一方面，根据行为习惯进行内容推荐的结果更符合用户的需求，提升了用户体验。

实施例六

请参考图7，图7是本发明实施例六提供的一种内容推荐装置的结构示意图。如图7所示，该装置60包括：收集模块601、分析模块602以及推荐模块603。

在本实施例中，所述收集模块601用于收集同一账号在不同终端的历史行为数据。进一步地，所述收集模块601包括：分配单元6011，用于在数据库中分别为所述同一账号分配对应的数据存储空间；存储单元6012，用于收集所述同一账号在不同终端的历史行为数据，将所述历史行为数据添加至所述同一账号对应的数据存储空间。

在本实施例中，所述分析模块602用于分析所述历史行为数据，并生成所述账号对应的行为习惯。进一步地，所述分析模块602包括：第一统计单元6021，用于分别统计所述历史行为数据中每条数据的频率；第一选择单元6022，用于选取所述频率大于第一预设阈值的数据作为第一喜好数据，根据所述第一喜好数据生成所述账号对应的行为习惯。

在本实施例中，所述推荐模块603用于基于所述行为习惯向所述行为习惯对应的账号所登录的终端进行内容推荐。

值得说明的是，上述装置内的模块、单元之间的信息交互、执行过程等内容，由于与本发明的方法实施例一、实施例二及实施例三基于同一构思，具体内容可参见本发明方法实施例一、实施例二及实施例三中的叙述，此处不再赘述。

本发明实施例，通过收集同一账号在不同终端的历史行为数据，并分别统计所述历史行为数据中每条数据的频率，将频率大于第一预设阈值的数据用于生成行为习惯。一方面，实现了同一账号在不同终端的历史行为数据的共享，另一方面，由数据的频率确定行为习惯并进行内容推荐，该推荐的结果更准确，提升了用户体验。

实施例七

请参考图8，图8是本发明实施例七提供的一种内容推荐装置的结构示意图。如图8所示，该装置70包括：收集模块701、分析模块702以及推荐模块703。

在本实施例中，所述收集模块701用于收集同一账号在不同终端的历史行为数据。进一步地，所述收集模块701包括：分配单元7011，用于在数据库中分别为所述同一账号分配对应的数据存储空间；存储单元7012，用于收集所述同一账号在不同终端的历史行为数据，将所述历史行为数据添加至所述同一账号对应的数据存储空间。

在本实施例中，所述分析模块702用于分析所述历史行为数据，并生成所述账号对应的行为习惯。进一步地，所述分析模块702包括：分类单元7021，用于按照预设规则对所述历史行为数据进行分类，根据分类生成至少一个数据集；第二统计单元7022，用于分别统计所述数据集的频率；第二选择单元7023，用于选取所述频率大于第二预设阈值的数据集作为第二喜好数据，根据所述第二喜好数据生成所述账号对应的行为习惯。

在本实施例中，所述推荐模块703用于基于所述行为习惯向所述行为习惯对应的账号所登录的终端进行内容推荐。

值得说明的是，上述装置内的模块、单元之间的信息交互、执行过程等内容，由于与本发明的方法实施例一、实施例二及实施例四基于同一构思，具体内容可参见本发明方法实施例一、实施例二及实施例四中的叙述，此处不再赘述。

本发明实施例，通过收集同一账号在不同终端的历史行为数据，并对所述历史行为数据进行分类得到不同类别的数据集，根据数据集的频率确定行为习惯。一方面，实现了同一账号在不同终端产生的历史行为数据的共享，另一方面，由数据集的频率确定行为习惯并进行内容推荐，该推荐的结果更准确，提升了用户体验。

实施例八

请参考图9，图9是本发明实施例八提供的一种电子设备的结构示意图，如图9所示，该设备80包括一个或多个处理器801以及存储器802。其中，图9中以一个处理器801为例。

执行内容推荐方法的电子设备还可以包括输入装置803和输出装置804。处理器801、存储器802、输入装置803和输出装置804可以通过总线或者其他方式连接，图9中以通过总线连接为例。

存储器802作为一种非易失性计算机可读存储介质，可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块，如本发明实施例中的内容推荐方法对应的程序指令或模块，例如，附图6所示的收集模块501、分析模块502以及推荐模块503，或者附图7所示的各个模块。处理器801通过运行存储在存储器802中的非易失性软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例内容推荐方法。

存储器802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系统、至少一个功能所需要的应用程序；存储数据区可存储根据搜索装置的使用所创建的数据等。此外，存储器802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、或其他非易失性固态存储器件。在一些实施例中，存储器802可选包括相对于处理器801远程设置的存储器，这些远程存储器可以通过网络连接至视频预览装置。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

输入装置803可接收输入的数字或字符信息，以及产生与内容推荐装置的用户设置以及功能控制有关的键信号输入。输出装置804可包括显示屏等显示设备。

所述一个或者多个模块存储在所述存储器802中，当被所述一个或者多个处理器801执行时，执行上述任意方法实施例中的内容推荐方法。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。

在本发明实施例中，通过收集同一账号在不同终端的历史行为数据，并分析该历史行为数据从而生成行为习惯，根据该行为习惯向该行为习惯对应的账号所登录的终端进行内容推荐，一方面，实现了同一账号在不同终端的历史行为数据的共享，另一方面，根据行为习惯进行内容推荐的结果更符合用户的需求，提升了用户体验。所述电子设备可执行本发明实施例所提供的方法，具备执行方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节，可参见本发明实施例所提供的方法。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。