一种内容数据推荐方法及系统与流程

本发明涉及内容数据推荐领域。

背景技术：

现有技术中，数据的推荐一般有随机推送数据、根据历史记录推送数据和固定推送数据等方式。随机数据推送，即从数据资料库中的随机挑选出数据推送给用户，通过该种方式进行推荐的数据，大多数不能满足用户当时的使用，精准性很差。根据历史记录推送数据，即根据用户以往的操作或浏览历史对客户进行推送，推送客户感兴趣的数据，通过该种方式，虽然推送内容数据较精准，但需要长时间积累用户的使用数据，需要花费大量的时间去收集用户的数据使用情况。固定推送或手动推送等方式，即根据实际情况对用户推送固定的数据，该固定的数据通过人工来手动设置，通过该方式进行内容数据推荐，不能自动根据用户特性进行推送，用户对推送数据的接受使用率低。

技术实现要素：

本发明所要解决的技术问题是针对现有技术的不足，提供一种内容数据推荐方法及系统，能根据用户实时情况，精准地推送合适的内容数据给用户，无需花费大量时间收集用户的历史数据，提高用户对被推送的内容数据的接收使用度。

本发明解决上述技术问题的技术方案如下：

一种内容数据推荐方法，包括以下步骤：

S1，在用户使用可移动设备时，通过可移动设备上的传感器获取用户的生理数据和摇动可移动设备的动作数据；

S2，根据获取到的用户的生理数据和动作数据，处理得到用户的特征数据；

S3，根据与可移动设备关联的内容数据库中预设的内容标签获得与所述用户的特征数据相匹配的内容数据，并将所述内容数据推送给用户。

本发明的有益效果是：能根据用户实时情况，精准地推送合适的内容数据给用户，无需花费大量时间收集用户的历史数据，提高用户对被推送的内容数据的接收使用度。

在上述技术方案的基础上，本发明还可以做如下改进：

进一步，所述S1中所述生理数据为体温，所述动作数据包括：动作力度、频率、速度、幅度和方向；所述用户的特征数据包括：性别和年龄。

采用上述进一步方案的有益效果是：通过采集用户的体温和动作数据判断用户的性别和年龄，能实时获得用户的特征数据，准确的推送复合用户特征的内容数据。

进一步，所述S2中，所述处理得到用户的特征数据的过程为：

S21，根据所述生理数据和动作数据得到表示用户性别的第一概率数据的初始值、表示用户年龄的第二概率数据的初始值以及用于修正所述第一概率数据和第二概率数据的多个校验数据的初始值；

S22，根据所述多个校验数据调整所述第一概率数据，根据预设的与第二概率数据和所述多个校验数据分别对应的与第一概率数据相关联的公式，更新第二概率数据和所述多个校验数据，使所述多个校验数据均处于与之分别对应的预设范围且所述第一概率数据和第二概率数据均处于与之分别对应的预设的目标范围；

S23，根据第一概率数据和第二概率数据的值所处的范围得到用户的特征数据。

采用上述进一步方案的有益效果是：通过多个校验数据的范围来修正用户为不同性别和年龄的概率，避免了根据单一数据判断用户性别和年龄带来的误差，大大提高了对用户性别和年龄判断的准确性。

进一步，所述S21中，所述多个校验数据包括：第一校验数据、第二校验数据、第三校验数据和第四校验数据；所述S22还包括：

S221，根据预设的第二概率数据的区间段以及预设的与所述区间段对应的与第一概率数据相关联的更新第二概率数据的公式，更新第二概率数据；

S222，根据预设的与第一概率数据和第二概率数据相关联的更新第一校验数据的公式，更新第一校验数据，根据更新后的第一校验数据在预设的取值范围中的位置，调整第一概率数据，循环执行S221和S222，直到第一校验数据处于与之对应的预设范围；

S223，根据预设的与第一概率数据、第二概率数据和第一校验数据相关联的更新第二校验数据的公式，更新第二校验数据，根据更新后的第二校验数据在预设的取值范围中的位置，调整第一概率数据，循环执行S221、S222和S223，直到第二校验数据处于与之对应的预设范围；

S224，根据预设的与第一概率数据、第二概率数据、第一校验数据和第二校验数据相关联的更新第三校验数据的公式，更新第三校验数据，根据更新后的第三校验数据在预设的取值范围中的位置，调整第一概率数据，循环执行S221、S222、S223和S224，直到第三校验数据处于与之对应的预设范围；

S225，根据预设的与第一概率数据、第二概率数据、第一校验数据、第二校验数据和第三校验数据相关联的更新第四校验数据的公式，更新第四校验数据，根据更新后的第四校验数据在预设的取值范围中的位置，调整第一概率数据，循环执行S221、S222、S223、S224和S225，直到第四校验数据处于与之对应的预设范围且所述第一概率数据和第二概率数据均处于与之分别对应的预设的目标范围。

采用上述进一步方案的有益效果是：采用递归方式不断调整表示用户性别和年龄的概率的值，逐步逼近最大概率，极大提高了对用户年龄和性别判断的准确性。

进一步，所述S3还包括：根据与可移动设备关联的内容数据库中预设的内容标签结合用户的历史访问记录数据，获得与所述用户的特征数据相匹配的内容数据。

采用上述进一步方案的有益效果是：通过将用户特征数据与用户的历史数据结合起来，更大的提高了内容数据推荐的准确性，使用户对被推荐的内容数据的接收使用度大大提高。

一种内容数据推荐系统，包括：

原始数据获取模块，用于在用户使用可移动设备时，通过可移动设备上的传感器获取用户的生理数据和摇动可移动设备的动作数据；

特征数据获取模块，用于根据获取到的用户的生理数据和动作数据，处理得到用户的特征数据；

内容推荐模块，用于根据与可移动设备关联的内容数据库中预设的内容标签获得与所述用户的特征数据相匹配的内容数据，并将所述内容数据推送给用户。

本发明的有益效果是：能根据用户实时情况，精准地推送合适的内容数据给用户，无需花费大量时间收集用户的历史数据，提高用户对被推送的内容数据的接收使用度。

进一步，所述原始数据获取模块中所述生理数据为体温，所述动作数据包括：动作力度、频率、速度、幅度和方向；所述用户的特征数据包括：性别和年龄。

采用上述进一步方案的有益效果是：通过采集用户的体温和动作数据判断用户的性别和年龄，能实时获得用户的特征数据，准确的推送复合用户特征的内容数据。

进一步，所述特征数据获取模块包括以下子模块：

初始数据处理子模块，用于根据所述生理数据和动作数据得到表示用户性别的第一概率数据、表示用户年龄的第二概率数据的以及用于修正所述第一概率数据和第二概率数据的多个校验数据；

数据调整校验子模块，用于根据所述多个校验数据调整所述第一概率数据，根据预设的与第二概率数据和所述多个校验数据分别对应的与第一概率数据相关联的公式，更新第二概率数据和所述多个校验数据，使所述多个校验数据均处于与之分别对应的预设范围且所述第一概率数据和第二概率数据均处于与之分别对应的预设的目标范围；

特征数据判断子模块，用于根据第一概率数据和第二概率数据所处的范围得到用户的特征数据。

采用上述进一步方案的有益效果是：通过多个校验数据的范围来修正用户为不同性别和年龄的概率，避免了根据单一数据判断用户性别和年龄带来的误差，大大提高了对用户性别和年龄判断的准确性。

进一步，所述初始数据处理子模块中，所述多个校验数据包括：第一校验数据、第二校验数据、第三校验数据和第四校验数据；

所述数据调整校验子模块包括以下单元：

第二概率数据更新单元，用于根据预设的第二概率数据的区间段以及预设的与所述区间段对应的与第一概率数据相关联的更新第二概率数据的公式，更新第二概率数据；

第一校验数据更新单元，用于根据预设的与第一概率数据和第二概率数据相关联的更新第一校验数据的公式，更新第一校验数据，根据更新后的第一校验数据在预设的取值范围中的位置，调整第一概率数据，循环调用第二概率数据更新单元和本单元，直到第一校验数据处于与之对应的预设范围；

第二校验数据更新单元，用于根据预设的与第一概率数据、第二概率数据和第一校验数据相关联的更新第二校验数据的公式，更新第二校验数据，根据更新后的第二校验数据在预设的取值范围中的位置，调整第一概率数据，循环调用第二概率数据更新单元、第一校验数据更新单元和本单元，直到第二校验数据处于与之对应的预设范围；

第三校验数据更新单元，用于根据预设的与第一概率数据、第二概率数据、第一校验数据和第二校验数据相关联的更新第三校验数据的公式，更新第三校验数据，根据更新后的第三校验数据在预设的取值范围中的位置，调整第一概率数据，循环调用第二概率数据更新单元、第一校验数据更新单元、第二校验数据更新单元和本单元，直到第三校验数据处于与之对应的预设范围；

数据调整终结单元，用于根据预设的与第一概率数据、第二概率数据、第一校验数据、第二校验数据和第三校验数据相关联的更新第四校验数据的公式，更新第四校验数据，根据更新后的第四校验数据在预设的取值范围中的位置，调整第一概率数据，循环调用第二概率数据更新单元、第一校验数据更新单元、第二校验数据更新单元、第三校验数据更新单元和本单元，直到第四校验数据处于与之对应的预设范围且所述第一概率数据和第二概率数据均处于与之分别对应的预设的目标范围。

采用上述进一步方案的有益效果是：采用递归方式不断调整表示用户性别和年龄的概率的值，逐步逼近最大概率，极大提高了对用户年龄和性别判断的准确性。

进一步，所述内容推荐模块还用于根据与可移动设备关联的内容数据库中预设的内容标签结合用户的历史访问记录数据，获得与所述用户的特征数据相匹配的内容数据。

采用上述进一步方案的有益效果是：通过将用户特征数据与用户的历史数据结合起来，更大的提高了内容数据推荐的准确性，使用户对被推荐的内容数据的接收使用度大大提高。

附图说明

图1为本发明实施例1中的一种内容数据推荐方法的流程图；

图2为本发明实施例2中的一种内容数据推荐系统的框图；

图3为本发明实施例2中一种内容数据推荐系统中的数据调整校验子模块的各单元的结构框图。

具体实施方式

以下结合附图对本发明的原理和特征进行描述，所举实例只用于解释本发明，并非用于限定本发明的范围。

实施例1

如图1所示，一种内容数据推荐方法，包括以下步骤：

S1，在用户使用可移动设备时，通过可移动设备上的传感器获取用户的生理数据和摇动可移动设备的动作数据；

S2，根据获取到的用户的生理数据和动作数据，处理得到用户的特征数据；

S3，根据与可移动设备关联的内容数据库中预设的内容标签获得与用户的特征数据相匹配的内容数据，并将内容数据推送给用户。

具体的，可移动设备可以是各种手持设备和可穿戴设备等，通过用户摇动可移动设备来获取用户的动作数据。

本实施例中的方法能根据用户实时情况，精准地推送合适的内容数据给用户，无需花费大量时间收集用户的历史数据，提高用户对被推送的内容数据的接收使用度。

进一步，S1中生理数据为体温，动作数据包括：动作力度、频率、速度、幅度和方向；用户的特征数据包括：性别和年龄。

具体的，还可以通过用户使用手持设备的相关行为动作，使用手持设备传感器获取当前用户使用手持设备的基本数据力度、速度、频率、幅度、方向、温度、声音、湿度、重力。然后根据可移动设备的传感器捕获的数据信息分析得到用户的性别、年龄段、心情、习惯、性格特征、所处环境等用户的特征数据。通过用户的特征数据得出用户画像，精确推荐相应的内容数据给用户使用。

例如，将本方法用在做视频的手机app应用中，通过使用摇一摇功能获取用户摇动手机的力度、速度、频率、幅度、平面方向。使用这些数据分析出用户的性别、年龄段、心情、习惯、性格特征等用户特征数据的用户画像，通过用户画像推荐视频给用户观看。

还比如，将本方法用在做商品售卖的手机app应用中，通过使用手机传感器提供的移动速度、频率、平面方向、温度、声音、湿度、重力信息，分析用户的性别、年龄段、心情、所处的环境、地区特征等用户数据，通过这些用户数据生成当时的用户画像，进行推荐商品数据给用户使用。

将本方法用在做视频的手机app应用中时，在影视内容数据库中，可以给所有影视内容都添加多个标签，比如有适合年龄段标签：0-7岁、7-15岁、15-23岁、23-35岁、35-50岁、50-60岁、60-70岁和70岁以上等；类型标签：战争、科幻、励志、伦理、家庭、古装、言情、动画、歌舞、记录和灾难等多种类型标签。同一个影视内容可以对应多种标签，可以一对多的关系，在通过大数据计算出来的用户特征后，通过用户特征，与影视内容数据库中的影视内容的标签进行匹配，将匹配标签内容最多的影视内容给推荐用户观看。如果匹配出来有多个内容，则采取点击率最多排序，进行分优先级推送。

本方法还可以使用于摇一摇进行视频推屏播放功能、摇一摇进行音频推荐播放功能、摇一摇进行电商商品推荐出售功能、摇一摇进行商家活动推荐功能、摇一摇进行推荐应用进行下载安装等多种场景。

该改进中，通过采集用户的体温和动作数据判断用户的性别和年龄，能实时获得用户的特征数据，准确的推送复合用户特征的内容数据。

进一步，S2中，处理得到用户的特征数据的过程为：

S21，根据生理数据和动作数据得到表示用户性别的第一概率数据的初始值、表示用户年龄的第二概率数据的初始值以及用于修正第一概率数据和第二概率数据的多个校验数据的初始值；

S22，根据多个校验数据调整第一概率数据，根据预设的与第二概率数据和多个校验数据分别对应的与第一概率数据相关联的公式，更新第二概率数据和多个校验数据，使多个校验数据均处于与之分别对应的预设范围且第一概率数据和第二概率数据均处于与之分别对应的预设的目标范围；

S23，根据第一概率数据和第二概率数据的值所处的范围得到用户的特征数据。

具体的，以a代表动作力度大小，单位：N(牛)，如1N，b代表动作幅度，单位M(米)，如0.2M，不同年龄段的人正常身高有一定的差异，一般该值在0.01—0.5之间，c代表动作角度，如：30°，d代表动作频率，单位次/秒，如：1次/秒，e代表体温，单位℃，如：37℃。

根据医学统计，一般来说，女性的平均体温比男性多0.3℃。而不同的时间段，人的体温差值为0-1.5℃。通过时间段与上报体温e的分析，按照平均分布的方法得出表示用户性别的概率的第一概率数据A，数据A的值表示用户为男性的概率，如A为0.4，即表示用户有40％的几率为男、60％的几率为女。

通过计算公式a*b*d，计算获得第二概率数据B的初始值，数据B的初始值一般在0—10之间浮动，数据B的值用来表示用户处于各年龄段的概率。

通过计算公式a*b*d/cos(c)，计算获得第一校验数据C的初始值，数据C的初始值一般在0-100之间浮动。

通过计算公式a*b*sin(c)，计算获得第二校验数据D的初始值，数据D的初始值一般在0-5之间浮动。

通过计算公式a/b*sin(c)计算获得第三校验数据E的初始值，数据E的初始值一般在0-200之间浮动。

通过计算公式b*d计算获得第四校验数据F的初始值，数据F的初始值一般在0-5之间浮动。

通过主动调整第一概率数据A的值，使B、C、D、E、F这几个值达到预设的范围，是A的值自身也调整到预设的目标范围，进而得到用户的性别和年龄段。

该改进中，通过多个校验数据的范围来修正用户为不同性别和年龄的概率，避免了根据单一数据判断用户性别和年龄带来的误差，大大提高了对用户性别和年龄判断的准确性。

进一步，S21中，多个校验数据包括：第一校验数据、第二校验数据、第三校验数据和第四校验数据；S22还包括：

S221，根据预设的第二概率数据的区间段以及预设的与区间段对应的与第一概率数据相关联的更新第二概率数据的公式，更新第二概率数据；

S222，根据预设的与第一概率数据和第二概率数据相关联的更新第一校验数据的公式，更新第一校验数据，根据更新后的第一校验数据在预设的取值范围中的位置，调整第一概率数据，循环执行S221和S222，直到第一校验数据处于与之对应的预设范围；

S223，根据预设的与第一概率数据、第二概率数据和第一校验数据相关联的更新第二校验数据的公式，更新第二校验数据，根据更新后的第二校验数据在预设的取值范围中的位置，调整第一概率数据，循环执行S221、S222和S223，直到第二校验数据处于与之对应的预设范围；

S224，根据预设的与第一概率数据、第二概率数据、第一校验数据和第二校验数据相关联的更新第三校验数据的公式，更新第三校验数据，根据更新后的第三校验数据在预设的取值范围中的位置，调整第一概率数据，循环执行S221、S222、S223和S224，直到第三校验数据处于与之对应的预设范围；

S225，根据预设的与第一概率数据、第二概率数据、第一校验数据、第二校验数据和第三校验数据相关联的更新第四校验数据的公式，更新第四校验数据，根据更新后的第四校验数据在预设的取值范围中的位置，调整第一概率数据，循环执行S221、S222、S223、S224和S225，直到第四校验数据处于与之对应的预设范围且第一概率数据和第二概率数据均处于与之分别对应的预设的目标范围。

具体的，首先根据第一概率数据B的初始值，将B的取值范围分若干子范围段，例如，以分5段来说明。子范围Bq1为0-2，表示年龄为2-5岁或者70岁以上；子范围Bq2为2-4，表示年龄段为5-15岁；子范围Bq3为4-6，表示年龄段为55-70岁；子范围Bq4为4-8，表示年龄段为15-20岁或者45-55岁；自范围Bq5为8-10,表示年龄段为20-45岁。根据B的初始值结合A的值进行第一轮计算，B的值在Bq1的范围内时，与Bq1对应的B的子值B1的计算公式为B1＝A*B/2,与Bq2对应的B的子值B2的计算公式为B2＝A*B/4，通过该规则，分别计算出与Bq1至Bq5对应的B的五个子值B1-B5的值，后续计算仅以B1为例进行介绍，而实际计算中，针对于B1-B5的值都要进行运算。

通过A的范围值与B1的范围值结合第一校验数据C的初始值更新C的值，如当A为0.5时，B1为0.8之间时，如果C的初始值为20，则更新C的值为C*B1²*A(该公式为预设的公式)，此时更新后的C的值为6.4。这里如果更新后的C的值为小于5，则不属于预设范围，判断为异常，需要对A的值进行增加0.005进行运算，如果更新后的C的值大于更新前的C²值，则也不属于预设范围，同样为异常，需要对A的值进行减少0.005，然后重复上面流程，重新核对更新后的B1-B5和更新后的C的值，直到更新后的C的值属于预设范围。

如果更新后的C的值属于预设范围，则判断为正常，通过关于第二校验数据D的计算公式的运算：D³*A*B1/C(该公式为预设的公式)计算获得更新后的D的值，若更新后的D的值为小于更新前的D/8或者大于更新前的0.8*D，则为不属于预设范围，判断为异常，针对于大于和小于分别需要对A的值进行增加和减少0.005两个分支方向进行运算，然后重复上面流程，重新核对更新后的B1-B5、更新后的C和更新后的D的值，直到更新后的C和更新后的D的值都属于预设范围。

如果更新后的D的值属于预设范围，则判断为正常，通过关于第三校验数据E运算公式E*(A+B1/C+D)(该公式为预设的公式)的值计算出更新后的E的值，如果更新后的E的值为小于1和大于20即不属于预设范围，判断为异常，需要对A的值进行增加和减少0.005两个分支方向进行运算，然后重复上面流程，重新核对更新后的B1-B5、更新后的C、更新后的D和更新后的E的值，直到更新后的C、更新后的D和更新后的E的值都属于预设范围。

如果更新后的E的值属于预设范围，则判断为正常，通过关于第四校验数据F的运算公式F＝F/E*4(该公式为预设的公式)计算获取更新后的F的值，更新后的F的值为0-0.5之间，则为预设范围，否则需要对A的值进行增加和减少0.005两个分支方向进行运算，然后重复上面流程，重新核对B1-B5、更新后的C、更新后的D、更新后的E和更新后的F的值，直到更新后的C、更新后的D、更新后的E和更新后的F的值都属于预设范围。通过递归逻辑处理，循环调整、判断和计算，直到调整后的第一概率数据A达到目标范围0-0.1或者0.9-1且B1-B5中的某一项达到目标范围0.9以上，即Bq1-Bq5中某一个区间段的概率先到达0.9以上。依此即可以得到用户的性别和年龄段。

该改进中，采用递归方式不断调整表示用户性别和年龄的概率的值，逐步逼近最大概率，极大提高了对用户年龄和性别判断的准确性。

进一步，S3还包括：根据与可移动设备关联的内容数据库中预设的内容标签结合用户的历史访问记录数据，获得与用户的特征数据相匹配的内容数据。

具体的，如果在数据库中能找到用户的历史记录，即可同事结合用户的历史记录数据与当前用户的特征数据一起与标签进行匹配，以匹配标签内容最多的内容数据推荐给用户。如果匹配出来有多个内容，则采取点击率最多排序，进行分优先级推送。

该改进中，通过将用户特征数据与用户的历史数据结合起来，更大的提高了内容数据推荐的准确性，使用户对被推荐的内容数据的接收使用度大大提高。

实施例2

如图2所示，一种内容数据推荐系统，包括：

原始数据获取模块，用于在用户使用可移动设备时，通过可移动设备上的传感器获取用户的生理数据和摇动可移动设备的动作数据；

特征数据获取模块，用于根据获取到的用户的生理数据和动作数据，处理得到用户的特征数据；

内容推荐模块，用于根据与可移动设备关联的内容数据库中预设的内容标签获得与用户的特征数据相匹配的内容数据，并将内容数据推送给用户。

具体的，可移动设备可以是各种手持设备和可穿戴设备等，通过用户摇动可移动设备来获取用户的动作数据。

本实施例中的系统能根据用户实时情况，精准地推送合适的内容数据给用户，无需花费大量时间收集用户的历史数据，提高用户对被推送的内容数据的接收使用度。

进一步，原始数据获取模块中生理数据为体温，动作数据包括：动作力度、频率、速度、幅度和方向；用户的特征数据包括：性别和年龄。

具体的，还可以通过用户使用手持设备的相关行为动作，使用手持设备传感器获取当前用户使用手持设备的基本数据力度、速度、频率、幅度、方向、温度、声音、湿度、重力。然后根据可移动设备的传感器捕获的数据信息分析得到用户的性别、年龄段、心情、习惯、性格特征、所处环境等用户的特征数据。通过用户的特征数据得出用户画像，精确推荐相应的内容数据给用户使用。

例如，将本系统用在做视频的手机app应用中，通过使用摇一摇功能获取用户摇动手机的力度、速度、频率、幅度、平面方向。使用这些数据分析出用户的性别、年龄段、心情、习惯、性格特征等用户特征数据的用户画像，通过用户画像推荐视频给用户观看。

还比如，将本系统用在做商品售卖的手机app应用中，通过使用手机传感器提供的移动速度、频率、平面方向、温度、声音、湿度、重力信息，分析用户的性别、年龄段、心情、所处的环境、地区特征等用户数据，通过这些用户数据生成当时的用户画像，进行推荐商品数据给用户使用。

将本系统用在做视频的手机app应用中时，在影视内容数据库中，可以给所有影视内容都添加多个标签，比如有适合年龄段标签：0-7岁、7-15岁、15-23岁、23-35岁、35-50岁、50-60岁、60-70岁和70岁以上等；类型标签：战争、科幻、励志、伦理、家庭、古装、言情、动画、歌舞、记录和灾难等多种类型标签。同一个影视内容可以对应多种标签，可以一对多的关系，在通过大数据计算出来的用户特征后，通过用户特征，与影视内容数据库中的影视内容的标签进行匹配，将匹配标签内容最多的影视内容给推荐用户观看。如果匹配出来有多个内容，则采取点击率最多排序，进行分优先级推送。

本系统还可以使用于摇一摇进行视频推屏播放功能、摇一摇进行音频推荐播放功能、摇一摇进行电商商品推荐出售功能、摇一摇进行商家活动推荐功能、摇一摇进行推荐应用进行下载安装等多种场景。

该改进中，通过采集用户的体温和动作数据判断用户的性别和年龄，能实时获得用户的特征数据，准确的推送复合用户特征的内容数据。

进一步，特征数据获取模块包括以下子模块：

初始数据处理子模块，用于根据生理数据和动作数据得到表示用户性别的第一概率数据、表示用户年龄的第二概率数据的以及用于修正第一概率数据和第二概率数据的多个校验数据；

数据调整校验子模块，用于根据多个校验数据调整第一概率数据，根据预设的与第二概率数据和多个校验数据分别对应的与第一概率数据相关联的公式，更新第二概率数据和多个校验数据，使多个校验数据均处于与之分别对应的预设范围且第一概率数据和第二概率数据均处于与之分别对应的预设的目标范围；

特征数据判断子模块，用于根据第一概率数据和第二概率数据所处的范围得到用户的特征数据。

具体的，以a代表动作力度大小，单位：N(牛)，如1N，b代表动作幅度，单位M(米)，如0.2M，不同年龄段的人正常身高有一定的差异，一般该值在0.01—0.5之间，c代表动作角度，如：30°，d代表动作频率，单位次/秒，如：1次/秒，e代表体温，单位℃，如：37℃。

根据医学统计，一般来说，女性的平均体温比男性多0.3℃。而不同的时间段，人的体温差值为0-1.5℃。通过时间段与上报体温e的分析，按照平均分布的方法得出表示用户性别的概率的第一概率数据A，数据A的值表示用户为男性的概率，如A为0.4，即表示用户有40％的几率为男、60％的几率为女。

通过计算公式a*b*d，计算获得第二概率数据B的初始值，数据B的初始值一般在0—10之间浮动，数据B的值用来表示用户处于各年龄段的概率。

通过计算公式a*b*d/cos(c)，计算获得第一校验数据C的初始值，数据C的初始值一般在0-100之间浮动。

通过计算公式a*b*sin(c)，计算获得第二校验数据D的初始值，数据D的初始值一般在0-5之间浮动。

通过计算公式a/b*sin(c)计算获得第三校验数据E的初始值，数据E的初始值一般在0-200之间浮动。

通过计算公式b*d计算获得第四校验数据F的初始值，数据F的初始值一般在0-5之间浮动。

通过主动调整第一概率数据A的值，使B、C、D、E、F这几个值达到预设的范围，是A的值自身也调整到预设的目标范围，进而得到用户的性别和年龄段。

该改进中，通过多个校验数据的范围来修正用户为不同性别和年龄的概率，避免了根据单一数据判断用户性别和年龄带来的误差，大大提高了对用户性别和年龄判断的准确性。

进一步，如图3所示，初始数据处理子模块中，多个校验数据包括：第一校验数据、第二校验数据、第三校验数据和第四校验数据；

数据调整校验子模块包括以下单元：

第二概率数据更新单元，用于根据预设的第二概率数据的区间段以及预设的与区间段对应的与第一概率数据相关联的更新第二概率数据的公式，更新第二概率数据；

第一校验数据更新单元，用于根据预设的与第一概率数据和第二概率数据相关联的更新第一校验数据的公式，更新第一校验数据，根据更新后的第一校验数据在预设的取值范围中的位置，调整第一概率数据，循环调用第二概率数据更新单元和本单元，直到第一校验数据处于与之对应的预设范围；

第二校验数据更新单元，用于根据预设的与第一概率数据、第二概率数据和第一校验数据相关联的更新第二校验数据的公式，更新第二校验数据，根据更新后的第二校验数据在预设的取值范围中的位置，调整第一概率数据，循环调用第二概率数据更新单元、第一校验数据更新单元和本单元，直到第二校验数据处于与之对应的预设范围；

第三校验数据更新单元，用于根据预设的与第一概率数据、第二概率数据、第一校验数据和第二校验数据相关联的更新第三校验数据的公式，更新第三校验数据，根据更新后的第三校验数据在预设的取值范围中的位置，调整第一概率数据，循环调用第二概率数据更新单元、第一校验数据更新单元、第二校验数据更新单元和本单元，直到第三校验数据处于与之对应的预设范围；

数据调整终结单元，用于根据预设的与第一概率数据、第二概率数据、第一校验数据、第二校验数据和第三校验数据相关联的更新第四校验数据的公式，更新第四校验数据，根据更新后的第四校验数据在预设的取值范围中的位置，调整第一概率数据，循环调用第二概率数据更新单元、第一校验数据更新单元、第二校验数据更新单元、第三校验数据更新单元和本单元，直到第四校验数据处于与之对应的预设范围且第一概率数据和第二概率数据均处于与之分别对应的预设的目标范围。

具体的，首先根据第一概率数据B的初始值，将B的取值范围分若干子范围段，例如，以分5段来说明。子范围Bq1为0-2，表示年龄为2-5岁或者70岁以上；子范围Bq2为2-4，表示年龄段为5-15岁；子范围Bq3为4-6，表示年龄段为55-70岁；子范围Bq4为4-8，表示年龄段为15-20岁或者45-55岁；自范围Bq5为8-10,表示年龄段为20-45岁。根据B的初始值结合A的值进行第一轮计算，B的值在Bq1的范围内时，与Bq1对应的B的子值B1的计算公式为B1＝A*B/2,与Bq2对应的B的子值B2的计算公式为B2＝A*B/4，通过该规则，分别计算出与Bq1至Bq5对应的B的五个子值B1-B5的值，后续计算仅以B1为例进行介绍，而实际计算中，针对于B1-B5的值都要进行运算。

通过A的范围值与B1的范围值结合第一校验数据C的初始值更新C的值，如当A为0.5时，B1为0.8之间时，如果C的初始值为20，则更新C的值为C*B1²*A(该公式为预设的公式)，此时更新后的C的值为6.4。这里如果更新后的C的值为小于5，则不属于预设范围，判断为异常，需要对A的值进行增加0.005进行运算，如果更新后的C的值大于更新前的C²值，则也不属于预设范围，同样为异常，需要对A的值进行减少0.005，然后重复上面流程，重新核对更新后的B1-B5和更新后的C的值，直到更新后的C的值属于预设范围。

如果更新后的C的值属于预设范围，则判断为正常，通过关于第二校验数据D的计算公式的运算：D³*A*B1/C(该公式为预设的公式)计算获得更新后的D的值，若更新后的D的值为小于更新前的D/8或者大于更新前的0.8*D，则为不属于预设范围，判断为异常，针对于大于和小于分别需要对A的值进行增加和减少0.005两个分支方向进行运算，然后重复上面流程，重新核对更新后的B1-B5、更新后的C和更新后的D的值，直到更新后的C和更新后的D的值都属于预设范围。

如果更新后的D的值属于预设范围，则判断为正常，通过关于第三校验数据E运算公式E*(A+B1/C+D)(该公式为预设的公式)的值计算出更新后的E的值，如果更新后的E的值为小于1和大于20即不属于预设范围，判断为异常，需要对A的值进行增加和减少0.005两个分支方向进行运算，然后重复上面流程，重新核对更新后的B1-B5、更新后的C、更新后的D和更新后的E的值，直到更新后的C、更新后的D和更新后的E的值都属于预设范围。

如果更新后的E的值属于预设范围，则判断为正常，通过关于第四校验数据F的运算公式F＝F/E*4(该公式为预设的公式)计算获取更新后的F的值，更新后的F的值为0-0.5之间，则为预设范围，否则需要对A的值进行增加和减少0.005两个分支方向进行运算，然后重复上面流程，重新核对B1-B5、更新后的C、更新后的D、更新后的E和更新后的F的值，直到更新后的C、更新后的D、更新后的E和更新后的F的值都属于预设范围。通过递归逻辑处理，循环调整、判断和计算，直到调整后的第一概率数据A达到目标范围0-0.1或者0.9-1且B1-B5中的某一项达到目标范围0.9以上，即Bq1-Bq5中某一个区间段的概率先到达0.9以上。依此即可以得到用户的性别和年龄段。

该改进中，采用递归方式不断调整表示用户性别和年龄的概率的值，逐步逼近最大概率，极大提高了对用户年龄和性别判断的准确性。

进一步，内容推荐模块还用于根据与可移动设备关联的内容数据库中预设的内容标签结合用户的历史访问记录数据，获得与用户的特征数据相匹配的内容数据。

具体的，如果在数据库中能找到用户的历史记录，即可同事结合用户的历史记录数据与当前用户的特征数据一起与标签进行匹配，以匹配标签内容最多的内容数据推荐给用户。如果匹配出来有多个内容，则采取点击率最多排序，进行分优先级推送。

该改进中，通过将用户特征数据与用户的历史数据结合起来，更大的提高了内容数据推荐的准确性，使用户对被推荐的内容数据的接收使用度大大提高。

以上所述仅为本发明的较佳实施例，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、改进等，均应包含在本发明的保护范围之内。