用于内容管理系统的信息处理及装置的制作方法

本公开涉及数据处理技术领域，具体涉及到一种用于内容管理系统的信息处理方法及装置。

背景技术：

内容管理系统(ucms系统)，可通过它来快速开发各种企业站、文章站、站群系统。

相关技术中，在确定优质媒体信息时，通常采用。

技术实现要素：

本公开的主要目的在于提供一种用于内容管理系统的信息处理方法及装置。

为了实现上述目的，根据本公开的第一方面，提供了一种用于内容管理系统的信息处理方法，包括：响应于所述内容管理系统用户在所述系统发布媒体信息，对所述媒体信按照预设的属性进行赋能，得到对应至少一个预设属性信息的媒体信息；基于所述系统用户对媒体信息的操作行为数据，计算各个媒体信息对应的行为分值；在接收到目标用户发送的搜索请求后，基于所述行为分值确定与所述目标用户匹配的媒体信息。

可选地，确定与所述目标用户匹配的媒体资源包括：基于所述目标用户的历史操作行为数据，确定所述目标用户所被赋能的属性信息；基于所述目标用户所被赋能的属性信息、所述对应各个预设属性的媒体信息、以及各个媒体资源对应的行为分值，确定与所述目标用户匹配的媒体信息。

可选地，方法还包括：实时获取所述目标用户的操作行为数据；基于所述所述实时的数据更新所述目标用户所被赋能的属性信息。

可选地，对所述媒体信按照预设的属性进行赋能包括：对所述媒体信息进行解析，以确定解析得到的内容所对应的目标属性信息；将所述媒体信息与所述目标属性信息进行关联存储至。

可选地，基于所述系统用户对媒体信息的操作行为数据，计算各个媒体信息对应的行为分值包括：确定对媒体信息的操作行为类别；基于预设的权重分配方法，确定各个所述操作行为类别的权重值；基于各个类别对应的操作行为数值、以及所述权重值，确定各个媒体信息对应的行为分值。

可选地，所述基于所述目标用户的历史操作行为数据，确定所述目标用户所被赋能的属性信息包括：获取所述目标用户对任一媒体信息的操作行为数据，以将该任一媒体信息对应的至少一个预设属性信息确定为所述目标用户所被赋能的属性信息。

可选地，基于所述系统用户对媒体信息的操作行为数据，计算各个媒体信息对应的行为分值之后，所述方法还包括：基于所述目标用户的历史操作行为数据，确定所述目标用户所被赋能的属性信息；基于所述目标用户所被赋能的属性信息、所述对应各个预设属性的媒体信息、以及各个媒体资源对应的行为分值，确定与所述目标用户匹配的媒体资源。

根据本公开的第二方面，提供了一种用于内容管理系统的信息处理装置，包括：处理单元，被配置成响应于所述内容管理系统用户在所述系统发布媒体信息，对所述媒体信按照预设的属性进行赋能，得到对应至少一个预设属性信息的媒体信息；计算单元，被配置成基于所述系统用户对媒体信息的操作行为数据，计算各个媒体信息对应的行为分值；确定单元，被配置成在接收到目标用户发送的搜索请求后，基于所述行为分值确定与所述目标用户匹配的媒体信息。

根据本公开的第三方面，提供了一种计算机可读存储介质，存储有计算机指令，所述计算机指令用于使所述计算机执行第一方面任意一项实施例所述的用于内容管理系统的信息处理方法。

根据本公开的第四方面，提供了一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器执行第一方面任意一项实施例所述的用于内容管理系统的信息处理方法。

在本公开实施例中，通过对媒体信息进行属性赋能，而后确定各个媒体信息的行为分值，基于媒体信息的属性信息以及行为分值确定与目标用户匹配的媒体信息。能够确定优质的媒体信息，并提高媒体信息与用户的匹配度，进而解决了媒体信息推荐质量不佳，与用户的匹配度差的技术问题。

附图说明

为了更清楚地说明本公开具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本公开的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是根据本公开实施例用于内容管理系统的信息处理方法及装置的架构图；

图2是根据本公开实施例用于内容管理系统的信息处理方法的流程图；

图3是根据本公开实施例用于内容管理系统的信息处理方法的一个应用场景图；

图4是根据本公开实施例于内容管理系统的信息处理装置的结构示意图。

图5是根据本公开实施例的电子设备的示意图。

具体实施方式

为了使本技术领域的人员更好地理解本公开方案，下面将结合本公开实施例中的附图，对本公开实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本公开一部分的实施例，而不是全部的实施例。基于本公开中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本公开保护的范围。

需要说明的是，本公开的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本公开的实施例。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

需要说明的是，在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本公开。

本实施例中的内容管理系统的架构图可以参考图1，包括应用层、服务层、算法分析层和数据层，其中，应用层包括客户端和管理后台，用户可通过客户端或管理后台，以https网路通讯唤醒服务层操作，如用户发布一个文章或视频，通过https请求api获取阿里云视频上传令牌，在通过oss将视频传递到阿里云服务器，得到云服务器反馈结果后唤醒内容发布服务；并在客户端看到用户发布内容。系统可使用的rbac权限控制，用户在登录系统后会获取管理员分配给用户的权限进行相关权限下的操作。

在服务层，对用户的各种操作进行响应承接及逻辑分析，完成用户的操作与数据的通讯，并将操作效应反馈至客户端用户。

在算法分析层，将用户操作行为进行数据权重赋能，通过不断的学习和搜集用户行为，为用户提供符合需要的数据信息。

在数据层，存储数据或者规则

根据本公开实施例，提供了一种用于内容管理系统的信息处理方法，如图2所示，该方法包括如下的步骤201至步骤203：

步骤201：响应于所述内容管理系统用户在所述系统发布媒体信息，对所述媒体信按照预设的属性进行赋能，得到对应至少一个预设属性信息的媒体信息。

在本实施例中，方法涉及到的数据可以由es存储引擎存储，实现亿级数量级的毫秒响应。当系统内容管理系统用户在系统发布媒体信息后，可基于媒体信息的内容对处理，得到每个媒体信息对应的至少一个预设属性信息的媒体信息。通过赋能可以增加媒体信息在不同检索环境下被命中的能力，比如：一个篇内容被赋能国家“英国”；这篇内容在国家属性为英国条件的检索时可被检索到。本实施例可以按照预设的属性对媒体信息进行赋能，预设属性包括“频道”、“国家”、“城市”、“学校”、“便签”、“权重”等，便签可以是内容的标识，例如，去英国留学，周围吃喝玩乐等内容；这个标签可以具体到某种食品级店铺。权重指内容在系统各种tag数据中，内容是否优先展示；根据权重判断，两篇内容同时满足用户的搜索结果，哪一篇优先展示。

作为本实施例一种可选的实现方式，对所述媒体信息进行解析，以确定解析得到的内容所对应的目标属性信息；将所述媒体信息与所述目标属性信息进行关联存储。

在本可选的实现方式中，以媒体信息为文章为例，可以采用内容分词的方式确定文章所归类的属性，例如，文章中记载了一篇游记，该文章的内容是鲁滨逊漂流记，对这一本游记内容进行分词，如将鲁滨逊、漂流、大人国、小人国等拆解出来，将鲁滨逊、漂流等词汇与这本游记做双相管理数据存储；当用户搜索相关词汇时推荐此游记。

步骤202：基于所述系统用户对媒体信息的操作行为数据，计算各个媒体信息对应的行为分值。

在本实施例中，操作行为数据包括操作行为类别，包括但是不限于观看，点赞，收藏，评论，以及做任务等，以及还包括操作数据，例如点赞数的赋值、评论数的赋值、收藏数的赋值等。可以采用预设的计算策略，计算行为分数。

本实施例除基于操作行为维度数据，确定行为分值之外，还基于平台下所有功能行为提取共性信息维度、介入三方平台综合平台数据提供共性信息。例如，基于用户a在ucms系统浏览点赞等行为进行的数据提取，用户a在本系统浏览了英国留学吃喝玩乐等数据，可提炼出关键字英国等。第三方平台：系统接入的第三方聊天会话系统；用户a通过本系统创建了一个英国留学的群；系统可以在提取群组中的的关键字及成员信息等数据。通过打通平台数据，用户在群组中的数据留存及ucms系统中的数据进行对比；实现跨系统数据智能推荐及行为轨迹捕捉

在多个维度确定媒体信息的行为分值，可以确定优质的媒体信息，在实际场景中，针对无用户画像的新用户，推荐给新用户的媒体信息质量更高。同时可针对优质的内容，进行奖励、向第三方搜索引擎进行推送、基于预设算法分析流量扶持。且为提供优质内容的进一步分析提供了优质的数据源。

作为本实施例一种可选地实现方式，所述基于所述系统用户对媒体信息的操作行为数据，计算各个媒体信息对应的行为分值包括：确定对媒体信息的操作行为类别；基于预设的权重分配方法，确定各个所述操作行为类别的权重值；基于各个类别对应的操作行为数值、以及所述权重值，确定各个媒体信息对应的行为分值。

在本可选的实现方式中，可以利用增长算法确定行为分值，增长算法旨在从大量的媒体资源中筛选出优质的媒体资源。各个类别对应的操作行为数值还包括：浏览时长、第三方平台分享数和分享打开数等等。

例如，内容管理系统中，用户甲在系统中发布了一篇文章，该文章被用户乙收藏和评论，那么该内容对应的操作类别包括收藏和评论，由此可以计算出该文章对应的行为分值。可以是首先定义一个时间节点，例如，用户发布内容7天内分值乘以20；大于一周小于一个月为分值乘以10，例如：一个点赞1分，点赞权重分配为0.2，时间绩效20倍，那么该行为分值＝1*0.2*20＝4(内容发布一周内，一个点赞得4分)；1*0.2*10＝2(内容发布大于一周小于一个月，一个点赞得2分)。

参考图3示出的增长算法的一个示例，图3示出了计算行为分数的虚拟沙箱(ucms是对内容处理的一种中台系统；可以定义策略规范、数据分析指向及策略沙箱模拟数据走向)，其中，algorithm为沙箱规则算法，通过预设策略和大数据分析出权重分配规则；behavior为用户的操作行为例如，点赞、收藏、浏览等等行为；algorithm_behavior，基于上述规则和行为计算出行为分值；outcome，推送计算的结果。

作为本实施例一种可选的实现方式，基于所述目标用户的历史操作行为数据，确定所述目标用户所被赋能的属性信息；基于所述目标用户所被赋能的属性信息、所述对应各个预设属性的媒体信息、以及各个媒体资源对应的行为分值，确定与所述目标用户匹配的媒体资源。

在本可选的实现方式中，可以首先基于用户的历史操作行为数据，确定目标用户对应的属性信息。历史操作行为数据具体为对哪一个媒体信息进行了何种操作，可以将被操作的媒体信息的属性信息确定为用户的属性信息。例如，目标用户点赞了一篇文章，则将文章所对应的属性给目标用户赋能。而后确定与用户的属性信息相匹配的预设属性信息，将相匹配的预设属性信息对应的媒体信息中，行为分值最高的媒体信息确定为与用户匹配的媒体信息。例如：在数据智能推荐时我们在获取用户当前画像数据如用户有三个画像属性为留学，租房，英国。在内容推挤时优先考虑拥有相同属性的内容，相同数据的内容没有次级考虑拥有留学，租房，英国等这两种属性和单中属性的内容。

具体地，用户的历史操作行为可以是用户在系统中对媒体信息的任意操作内容，包括但是不限于点赞、收藏、做任务、浏览等等

本可选的实现方式，通过用户操作行为形成用户画像，而后将多维度的内容与用户画像进行匹配。多维度的内容包括但是不限于，频道维度(频道：包括直播，攻略，租房，日常，美食，旅行等；将不同的业务线及生活中不同的类型当成一种频道，每个频道都有自己的突出特效)、栏目维度、菜单维度、国家维度、城市维度、学校维度等等)。

步骤103：在接收到目标用户发送的搜索请求后，基于所述媒体信息对应的至少一个预设属性信息、以及各个媒体资源对应的行为分值，确定与所述目标用户匹配的媒体信息。

在本实施例中，当目标用户在系统中请求搜索媒体信息后，可以首先基于搜索标题召回存储的内容，例如“吃喝玩乐”会召回与此标题相关的内容。基于召回的媒体信息的行为分值，直接向用户发送该媒体信息。

作为本实施例一种可选的实现方式，基于所述目标用户的历史操作行为数据，确定所述目标用户所被赋能的属性信息；基于所述目标用户所被赋能的属性信息、所述对应各个预设属性的媒体信息、以及各个媒体资源对应的行为分值，确定与所述目标用户匹配的媒体资源。

在本可选的实现方式中，当通过搜索的方式召回媒体信息后，可以确定与目标用户匹配的媒体资源，具体为首先确定目标用户所被赋能的属性信息，而后基于媒体信息的属性信息，以及媒体信息的行为分值，确定各个匹配的媒体资源。

作为本实施例一种可选的实现方式，获取所述目标用户对任一媒体信息的操作行为数据，以将该任一媒体信息对应的至少一个预设属性信息确定为目标用户所被赋能的属性信息。

具体地，可以首先基于用户的历史操作行为数据，确定目标用户对应的属性信息。历史操作行为数据具体为对哪一个媒体信息进行了何种操作，可以将被操作的媒体信息的属性信息确定为用户的属性信息。例如，目标用户点赞了一篇文章，则将文章所对应的属性给目标用户赋能。而后确定与用户的属性信息相匹配的预设属性信息，将相匹配的预设属性信息对应的媒体信息中，行为分值最高的媒体信息确定为与用户匹配的媒体信息。

作为本实施例一种可选的实现方式，方法还包括：实时获取所述目标用户的操作行为数据；基于所述所述实时的数据更新所述目标用户所被赋能的属性。

在本可选的实现方式中，通过实时获取用户在系统中的操作行为，并更新目标用户的所被赋能的属性信息，进而可以更新用户画像，确定与之匹配的媒体信息。用户在本系统进行媒体内容搜索、阅读等操作行为的过程中，逐步丰富自己的用户画像；进而推荐内容越精确。

从以上的描述中，可以看出，本公开实现了如下技术效果：能够基于系统中所有用户的行为，确定更高质量的媒体信息，且基于用户画像，能够精确的确定与之匹配的优质的媒体信息。

需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

根据本公开实施例，还提供了一种用于实施上述用于内容管理系统的信息处理方法的装置，如图4所示，该装置包括：处理单元401，被配置成响应于所述内容管理系统用户在所述系统发布媒体信息，对所述媒体信按照预设的属性进行赋能，得到对应至少一个预设属性信息的媒体信息。计算单元402，被配置成基于所述系统用户对媒体信息的操作行为数据，计算各个媒体信息对应的行为分值。确定单元403，被配置成在接收到目标用户发送的搜索请求后，基于所述行为分值确定与所述目标用户匹配的媒体信息。

本公开实施例提供了一种电子设备，如图5所示，该电子设备包括一个或多个处理器51以及存储器52，图5中以一个处理器51为例。

该控制器还可以包括：输入装置53和输出装置54。

处理器51、存储器52、输入装置53和输出装置54可以通过总线或者其他方式连接，图5中以通过总线连接为例。

处理器51可以为中央处理器(centralprocessingunit，cpu)。处理器51还可以为其他通用处理器、数字信号处理器(digitalsignalprocessor，dsp)、专用集成电路(applicationspecificintegratedcircuit，asic)、现场可编程门阵列(field-programmablegatearray，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等芯片，或者上述各类芯片的组合。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

存储器52作为一种非暂态计算机可读存储介质，可用于存储非暂态软件程序、非暂态计算机可执行程序以及模块，如本公开实施例中的控制方法对应的程序指令/模块。处理器51通过运行存储在存储器52中的非暂态软件程序、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的于内容管理系统的信息处理方法。

存储器52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服务器操作的处理装置的使用所创建的数据等。此外，存储器52可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中，存储器52可选包括相对于处理器51远程设置的存储器，这些远程存储器可以通过网络连接至网络连接装置。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53可接收输入的数字或字符信息，以及产生与服务器的处理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54可包括显示屏等显示设备。

一个或者多个模块存储在存储器52中，当被一个或者多个处理器51执行时，执行如图1所示的方法。

本领域技术人员可以理解，实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各电机控制方法的实施例的流程。其中，存储介质可为磁碟、光盘、只读存储记忆体(read-onlymemory，rom)、随机存储记忆体(randomaccessmemory，ram)、快闪存储器(flashmemory)、硬盘(harddiskdrive，缩写：hdd)或固态硬盘(solid-statedrive，ssd)等；存储介质还可以包括上述种类的存储器的组合。

虽然结合附图描述了本公开的实施方式，但是本领域技术人员可以在不脱离本公开的精神和范围的情况下作出各种修改和变型，这样的修改和变型均落入由所附权利要求所限定的范围之内。