一种资源推荐方法及装置与流程

本申请涉及互联网领域，尤其涉及一种资源推荐方法及装置。
背景技术：
：在目前的视频产品中，有基于关系链的“好友在看”推荐功能给用户推荐视频列表。“好友在看”功能的推荐原理为基于好友看过的视频列表，只要有播放记录都有机会出现在推荐列表中。但是“好友在看”推荐功能推荐的视频并不一定是被推荐用户想要看的视频，现有技术的资源推荐方法不够精细。技术实现要素：本发明实施例提供了一种资源推荐方法及装置，能够更精细地推荐资源，提升推荐效果。第一方面，本发明实施例提供了一种资源推荐方法，该方法包括：获取目标用户的关联用户列表；获取关联用户列表中的每个用户访问过的资源，以及访问过的资源所对应的访问指数；根据每个用户访问过的资源，以及访问过的资源所对应的访问指数，计算每个资源的推荐指数；根据推荐指数将对应的资源推荐给目标用户。第二方面，本发明实施例提供了一种资源推荐装置，该装置包括：关系链获取单元，用于获取目标用户的关联用户列表；访问指数获取单元，用于获取关联用户列表中的每个用户访问过的资源，以及访问过的资源所对应的访问指数；推荐指数计算单元，用于根据每个用户访问过的资源，以及访问过的资源所对应的访问指数，计算每个资源的推荐指数；资源推荐单元，用于根据推荐指数将对应的资源推荐给目标用户。从以上技术方案可以看出，本发明实施例具有以下优点：本发明实施例中，通过目标用户的关联用户列表，确定关联用户列表中的每个用户访问过的资源，以及访问过的资源所对应的访问指数，再根据每个关联用户访问过的资源以及对应的访问指数计算每个资源的推荐指数，根据该推荐指数推荐对应的资源。本发明能够综合目标用户的所有关联用户访问资源的访问指数来计算推荐指数，因而能够更精细地推荐资源，提升推荐效果。附图说明图1为本发明实施例中资源推荐方法的一种流程图；图2为本发明实施例中视频资源推荐方法的一种流程图；图3为本发明实施例中视频软件中呈现推荐的视频的一种界面示意图；图4为本发明实施例中电子文档推荐方法的一种流程图；图5为本发明实施例中资源推荐装置的一种功能模块结构图。具体实施方式为了使本发明实施例的技术方案及有益效果更加清楚，以下结合附图对本发明实施例进行进一步详细说明。本发明实施例中的资源推荐方法是一种基于关系链的资源推荐方法，可以应用于各种互联网产品中，例如：该资源可以是视频类产品的视频、读书类产品中的电子文档、新闻门户产品中的新闻等产品形态。图1为本发明实施例中的资源推荐方法的流程图，该方法的处理过程可以是在资源服务器中执行，具体实施过程为：101、获取目标用户的关联用户列表；当目标用户登录或向服务器请求数据时，服务器接收到目标用户登录的消息，或接收到目标用户请求数据的消息，服务器获取目标用户的关联用户列表，即获取该目标用户的关系链，或者即获取该目标用户的好友。例如：目标用户有10个好友，则目标用户的关联用户列表中有10个关联用户。一种的可能的实施例中，用户的关联用户列表是由所述资源所在的平台维护，例如：某视频应用中，视频应用服务器自己维护用户信息及关联用户列表。则关联用户列表可以存储在当前服务器中，服务器从自身获取目标用户的关联用户列表；或关联用户列表存储在同一平台分布式部署的其他服务器中，服务器从分布式部署的其他服务器中获取目标用户的关联用户列表。一种可能的实施中，用户的关联用户列表是从第三方平台获取的，则服务器从第三方平台获取目标用户的关联用户列表。102、获取关联用户列表中的每个用户访问过的资源，以及访问过的资源所对应的访问指数；在获取到目标用户的关联用户列表后，针对关联用户列表中的每个关联用户，获取该关联用户的历史访问记录，从中获取该关联用户访问过的资源，以及计算该关联用户对每个访问过的资源的使用百分比，根据使用百分比计算访问指数，访问指数与使用百分比成正比例关系。对不同的资源种类，每个访问过的资源的使用百分比的表现形式不一样，例如：如果资源是视频资源，则每个访问过的资源的使用百分比是指该关联用户播放该视频的播放时长占该视频的总时长的百分比，也即观看该视频的时长占该视频的总时长的百分比。又例如：如果资源是电子文档资源，比如：图书，则每个访问过的资源的使用百分比是指该关联用户阅读所述电子文档资源的进度百分比。访问指数可以用整数表示，使用百分比计算访问指数的方式可以为：当使用百分比小于等于10％时，访问指数计为1分；当使用百分比大于10％小于等于20％时，访问指数计为2分；当使用百分比大于20％小于等于30％时，访问指数计为3分；当使用百分比大于30％小于等于40％时，访问指数计为4分；……当使用百分比大于90％小于等于100％时，访问指数计为10分。访问指数表示该关联用户对该资源的喜爱程度。例如：若资源是视频资源，如果目标用户的关联用户1看A视频时，只是看完了预告片，没有看完完整的视频，约看了整个视频的20％，用户1对于A视频的访问指数为2分；而目标用户的关联用户2看A视频时，完整看完了整个视频，则用户2对于A视频的访问指数为10分；则用户1和用户2对A视频的喜爱程度不一样。目标用户的关联用户列表中的每个关联用户访问过的资源，以及访问过的资源所对应的访问指数可以以一张中间表的形式存储，该表可以称之为：资源和访问指数表，存储的表中的字段可以包括资源ID和访问指数。假设目标用户的关联用户列表中有3个关联用户：用户1、用户2、用户3。用户1对应的资源和访问指数表表信息为：表1资源ID访问指数030110分03025分04101分041010分用户2对应的资源和访问指数表表信息为：表2资源ID访问指数030110分05019分06011分用户3对应的资源和访问指数表表信息为：表3资源ID访问指数07015分05012分06011分需要说明的是，获取的关联用户列表中的每个用户访问过的资源是预置时间段内的访问记录，例如：最近7天的访问过的资源。可选的，针对每个关联用户，若该关联用户重复访问过某个相同的资源，则可以重复计算对该资源的访问指数。当访问过的资源中有相同的资源时，则可以合并该相同资源，将该相同资源所对应的访问指数相加。例如：在表1所示的用户1的资源和访问指数表中，资源ID为“0401”的资源有两条记录，则说明该关联用户在预置的时间段内访问过该资源两次，则将这两条记录合并，合并后，该资源对应的访问指数为“11分”。合并后的用户1的资源和访问指数表表信息如表4所示。表4资源ID访问指数030110分03025分041011分需要说明的是，在实际应用中，当某关联用户重复访问过的每个资源时，也可以不重复计算对该资源的访问指数，而是只取最后一次访问该资源的记录，以最后一次访问该资源时使用该资源的百分比作为计算访问指数的依据。103、根据每个用户访问过的资源，以及访问过的资源所对应的访问指数，计算每个资源的推荐指数；在获得了目标用户的关联用户列表中每个关联用户访问过的资源，以及访问过的资源对应的访问指数后，即获得了上述表1至表4所示的资源和访问指数表后，根据这些信息计算每个资源的推荐指数。在一种可选的实施中，计算每个资源的推荐指数的方法可以为：分别将每个资源所对应的访问指数相加得到的总的访问指数作为对应资源的推荐指数。例如：目标用户的关联用户(用户1、用户2和用户3)分别对应资源和访问指数表表1至表3，合并后得到的资源与推荐指数表为：表5资源ID推荐指数030120分03025分041011分050111分06012分07015分通过此种方式为对目标用户的所有关联用户的资源与访问指数表进行汇总计算出的推荐指数，可以综合该目标用户的所有关联用户对资源的推荐程度，比如对于视频资源，哪些影片是好友都喜欢看的，哪些只是个别好友喜欢看的，从推荐指数上可以体现。在一种可选的实施中，计算每个资源的推荐指数的方法可以为：分别将每个资源所对应的访问指数相加得到对应资源的第一热度指数，第一热度指数为资源的推荐指数的第一维度，体现所有关联用户对某资源的推荐程度。然后，分别统计每个资源被该目标用户的关联用户列表中的几个关联用户访问过，根据访问的关联用户的个数计算对应资源的第二热度指数。具体的计算方式可以为：一个关联用户计1分，如果目标用户的关联用户列表中，访问过某资源的关联用户有5个，则计5分。第二热度指数为资源的推荐指数的第二维度，体现了该资源的被关注程度。然后，分别将每个资源的所述第一热度指数与所述第二热度指数相加得到每个资源的推荐指数，该推荐指数是综合目标用户的所有关联用户使用某资源的人数多少，以及每个人对该资源的喜好程度得到的推荐指数。例如：目标用户的关联用户(用户1、用户2和用户3)分别对应资源和访问指数表表1至表3，将每个资源的访问指数相加得到第一热度指数，针对每个资源，分别统计访问过该资源的关联用户的个数得到第二热度指数，再将第一热度指数和第二热度指数相加得到推荐指数。最终的关系表如表6所示。表6资源ID第一热度指数第二热度指数推荐指数030120分2分22分03025分1分6分041011分1分12分050111分2分13分06012分2分4分07015分1分6分104、根据推荐指数将对应的资源推荐给目标用户。在得到如表5或如表6所示的资源与推荐指数的关系表之后，可以按照推荐指数从高到低排序，将推荐指数较高的资源推荐给该目标用户。可选的，在将对应的资源推荐给用户时，在目标用户侧呈现的资源信息中可以包括推荐指数，以使得目标用户可以根据推荐指数判断对应资源的热度。可选的，可以是按照推荐指数从高到低选择预置的推荐数目的资源，将这些资源推荐给目标用户。例如：以表6所示的资源与推荐指数关系表来说，若预置的推荐数目为3个，则从表6中选择3个推荐指数高的资源，分别是：资源ID为0301、0501、0410的3个资源推荐给目标用户。可选的，也可以是按照推荐指数从高到低将所有的资源都推荐给目标用户，目标用户可以根据推荐指数来判断对应的资源的热度。本发明实施例通过确定关联用户列表中的每个关联用户访问过的资源，以及访问过的资源所对应的访问指数，再根据每个关联用户访问过的资源以及对应的访问指数计算每个资源的推荐指数，根据该推荐指数推荐对应的资源给目标用户。本发明能够综合目标用户的所有关联用户访问资源的访问指数来计算推荐指数，因而能够更精细地推荐资源，提升推荐效果。下面结合具体的应用场景对本发明实施例中的资源推荐方法进行介绍。一种应用场景中，资源为视频资源。对视频资源的推荐流程如图2所示。在该实施例中，资源即为视频资源，关联用户列表即为好友列表。具体的处理为：读取目标用户的好友列表；分别获取每个好友的看过的视频列表：获取好友1看过的视频列表；获取好友2看过的视频列表；……；获取好友n看过的视频列表。计算单个好友推荐视频的视频评分：针对每个好友看过的视频列表，计算每个视频的访问指数，计算某一个好友的视频列表中的视频的访问指数的具体过程为：读取该视频列表中的第一个视频，计算该视频的访问指数。计算方法为：获取该视频的观看时长，当观看时长/该视频总时长小于等于10％时，该视频的访问指数+1分；当视频的观看时长/该视频总时长大于10％且小于等于20％时，该视频的访问指数+2分；当视频的观看时长/该视频总时长大于20％且小于等于30％时，该视频的访问指数+3分；以此类推，当视频的观看时长/该视频总时长大于90％且小于等于100％时，该视频的访问指数+10分。然后，判断视频列表是否结束，即判断视频列表中的所有视频是否都已经计算出访问指数。若否，则继续读取视频列表中的下一个视频，按照处理第一个视频的同样方法计算下一个视频的访问指数。当视频列表中的所有视频都已经计算好访问指数时，输出好友1的视频推荐列表，好友1的视频推荐列表中包括：好友1看过的每个视频，以及每个视频的访问指数，且将按照访问指数排序。对于目标用户的其他好友看过的视频列表，也采用好友1同样的方法计算输出好有2的视频推荐列表。获得多个好友的视频推荐列表，将这些视频推荐列表合并，合并的方式为：将同一个视频ID的访问指数相加得到该视频的总的访问指数，总的访问指数即为图1所示的实施例中的第一热度指数。某视频的总的访问指数体现了目标用户的好友看该视频的总时长，体现了目标用户的好友对该视频的喜爱程度。然后，根据多个好友的视频推荐列表，计算多个好友推荐的视频评分。具体过程为：在把所有好友的视频列表合并的过程中，对于每个视频ID，计算该视频ID在这些好友的视频列表中出现的次数，即统计观看过该视频的好友的个数。每出现一次，该视频ID的推荐指数+1分，该指数即为图1所示的实施例中的第二热度指数。因此，合并后的最终视频推荐列表中，每个视频ID对应两个计算该视频的推荐指数的维度，第一个为总的访问指数，第二个为根据出现的次数计算的指数，将这两个指数相加即为该视频ID对应的最终的推荐指数。最后，将最终的视频推荐列表按推荐指数得分从高到低排序，从而得出最终的基于多个好友的推荐视频列表。可选的，在实际应用中，也可以不统计观看过该视频的好友个数，直接以总的访问指数作为最终的推荐指数。假设得到该目标用户的最终视频推荐列表信息如表7所示：表7视频ID推荐指数A0190分B0186分C0185分D0140分E0135分F0130分……若系统设定推荐给目标用户的视频个数为推荐指数排名靠前的5个，则目标用户登录到视频播放软件时，交互界面上呈现的信息可以是如图3所示：可以包括：视频的名称、视频的推荐指数、推荐该视频的好友信息等内容。可选的，视频播放软件也可以提供具体的好友视频推荐页面，展示更多的推荐指数靠前的视频信息。本发明实施例对播放过的视频根据观看时长、播放的好友数等进行汇总后再进行推荐。一方面，既对单个好友看过的视频列表进行了细分，能够获知单个好友对视频的喜爱程度，比如哪些视频只是看完了预告片，哪些是完整的看完，这在不同程度上也表现出来用户对视频的喜爱程度。另一方面，又对所有好友推荐列表进行汇总，比如哪些视频是大部分好友都喜欢看的，哪些只是个别好友喜欢看的，喜欢的好友多，推荐程度自然高。通过本发明实施例中的资源推荐方法，能够给目标用户推荐更有效的，用户更感兴趣的视频，从而能够提升视频的播放量。一种应用场景中，资源为电子文档，以电子文档为图书资源为例，本方实施例的资源推荐方法可以应用于推荐图书。对图书资源的推荐流程如图4所示。在该实施例中，资源即为图书，关联用户列表即为好友列表。具体的处理为：读取目标用户的好友列表；分别获取每个好友的看过的图书列表：获取好友1看过的图书列表；获取好友2看过的图书列表；……；获取好友n看过的图书列表。计算单个好友推荐图书的图书评分：针对每个好友看过的图书列表，计算每个图书的访问指数，计算某一个好友的图书列表中的图书的访问指数的具体过程为：读取该图书列表中的第一本图书，计算该图书的访问指数。计算方法为：获取该好友阅读该图书的阅读进度，当阅读进度小于等于10％时，该图书的访问指数+1分；当阅读进度大于10％且小于等于20％时，该图书的访问指数+2分；当阅读进度大于20％且小于等于30％时，该图书的访问指数+3分；以此类推，当阅读进度大于90％且小于等于100％时，该图书的访问指数+10分。然后，判断该图书列表是否结束，即判断图书列表中的所有图书是否都已经计算出访问指数。若否，则继续读取图书列表中的下一个图书，按照处理第一个图书的同样方法计算下一个图书的访问指数。当图书列表中的所有图书都已经计算好访问指数时，输出好友1的图书推荐列表，好友1的图书推荐列表中包括：好友1看过的每个图书，以及每个图书的访问指数，且将按照访问指数排序。对于目标用户的其他好友看过的图书列表，也采用好友1同样的方法计算输出好友2的图书推荐列表。获得多个好友的图书推荐列表，将这些图书推荐列表合并，合并的方式为：将同一个图书ID的访问指数相加得到该图书的总的访问指数，总的访问指数即为图1所示的实施例中的第一热度指数。某图书的总的访问指数体现了目标用户的好友看该图书的时间花费，体现了目标用户的好友对该图书的喜爱程度。然后，根据多个好友的图书推荐列表，计算多个好友推荐的图书评分。具体过程为：在把所有好友的图书列表合并的过程中，对于每个图书ID，计算该图书ID在这些好友的图书列表中出现的次数，即统计观看过该图书的好友的个数。每出现一次，该图书ID的推荐指数+1分，该指数即为图1所示的实施例中的第二热度指数。因此，合并后的最终图书推荐列表中，每个图书ID对应两个计算该图书的推荐指数的维度，第一个为总的访问指数，第二个为根据出现的次数计算的指数，将这两个指数相加即为该图书ID对应的最终的推荐指数。最后，将最终的图书推荐列表按推荐指数得分从高到低排序，从而得出最终的基于多个好友的推荐图书列表。可选的，在实际应用中，也可以不统计观看过该图书的好友个数，直接以总的访问指数作为最终的推荐指数。假设得到该目标用户的最终图书推荐列表信息如表8所示：表8图书ID推荐指数00001X96分00002X80分00034X78分00050X60分00011X45分01001X30分……若系统设定推荐给目标用户的图书个数为推荐指数排名靠前的5个，则目标用户登录到图书播放软件时，界面上呈现的信息可以包括：图书的名称、图书的推荐指数、推荐该图书的好友信息等内容。可选的，图书播放软件也可以提供具体的好友图书推荐页面，展示更多的推荐指数靠前的图书信息。本发明实施例对阅读过的图书根据阅读进度、阅读该图书的的好友数等进行汇总后再进行推荐。一方面，既对单个好友看过的图书列表进行了细分，能够获知单个好友对某图书的喜爱程度。另一方面，又对所有好友推荐列表进行汇总，知道哪些图书是大部分好友都喜欢看的，哪些只是个别好友喜欢看的，喜欢的好友多，推荐程度自然高。通过本发明实施例中的资源推荐方法，能够给目标用户推荐更有效的，用户更感兴趣的图书，从而能够提升读书应用的用户活跃度。本发明实施例还可以应用于除视频推荐、图书推荐等其他的应用场景，对其他场景不进行一一举例说明。以上是对本发明实施例中的资源推荐方法的介绍，下面对本发明实施例中的资源推荐装置进行介绍。如图5所示，本发明实施例还提供了一种资源推荐装置，用于实现上述方法实施例(图1至图4所示的实施例)中全部或部分功能。所述功能可以通过硬件实现，也可以通过硬件执行相应的软件程序实现。硬件和软件包括一个或多个与上述功能相对应的单元模块，所述单元模块可以是软件和/或硬件。该资源推荐装置从功能模块上包括：关联用户获取单元501，用于获取目标用户的关联用户列表；访问指数获取单元502，用于获取关联用户列表中的每个用户访问过的资源，以及访问过的资源所对应的访问指数；推荐指数计算单元503，用于根据每个用户访问过的资源，以及访问过的资源所对应的访问指数，计算每个资源的推荐指数；资源推荐单元504，用于根据推荐指数将对应的资源推荐给目标用户。在一些具体的实施中，访问指数获取单元502，具体用于针对关联用户列表中的每个用户，获取该用户访问过的资源；针对该用户访问过的每个资源，计算该用户对该资源的使用百分比，根据使用百分比计算访问指数，访问指数与使用百分比成正比例关系。在一些具体的实施中，访问指数获取单元502，具体用于针对关联用户列表中的每个用户，获取该用户访问过的资源；针对该用户访问过的每个资源，计算该用户对该资源的使用百分比，根据使用百分比计算访问指数，访问指数与使用百分比成正比例关系；针对关联用户列表中的每个用户，若该用户访问过的资源中有相同的资源，则合并相同资源，并将相同资源所对应的访问指数相加。在一些具体的实施中，推荐指数计算单元503，具体用于分别将每个资源所对应的访问指数相加得到每个资源的推荐指数。在一些具体的实施中，推荐指数计算单元503，具体用于分别将每个资源所对应的访问指数相加得到对应资源的第一热度指数；针对每个资源，分别统计关联用户列表中访问过该资源的关联用户的个数，根据个数计算对应资源的第二热度指数；分别将每个资源的第一热度指数与第二热度指数相加得到每个资源的推荐指数。在一些具体的实施中，资源为视频资源，则访问指数获取单元502计算该用户对该资源的使用百分比具体为计算该用户对视频资源的播放时长占视频资源总时长的百分比。在一些具体的实施中，资源为电子文档资源，则访问指数获取单元502计算该用户对该资源的使用百分比具体为获取该用户阅读电子文档资源的进度百分比，进度百分比为该用户对电子文档资源的使用百分比。上述关联用户获取单元501，访问指数获取单元502，推荐指数计算单元503，资源推荐单元504之间的信息交互请参阅图1至图4所示的方法实施例，此处不再赘述。另外，从硬件的角度，图5所示的资源推荐装置可以是一台服务器，该服务器的处理器用于执行上述图1至图4所示的方法实施例中的全部或部分步骤。此外，本发明还提供一种计算机存储介质，该介质存储有应用程序，该程序执行时包括上述资源推荐方法(图1到图4所示的实施例)中的部分或者全部步骤。所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。在本申请所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，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)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-OnlyMemory)、随机存取存储器(RAM，RandomAccessMemory)、磁碟或者光盘等各种可以存储程序代码的介质。以上所述，以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。当前第1页1 2 3