专利名称：一种在线资源的推荐方法和装置的制作方法
ー种在线资源的推荐方法和装置
技术领域：
本发明涉及计算机网络技术领域，特别涉及ー种在线资源的推荐方法和装置。背景技木随着网络带宽的提升和用户习惯的变化，现在对网络资源的需求主要是在线利用，例如在线播放音频、在线播放视频等。当用户需要获取某种在线资源时，通常采用垂直捜索的方式，在浏览器的搜索框中输入资源信息，浏览器将该资源信息包含的请求中发送给搜索服务器，由捜索服务器向浏览器返回与该资源信息对应的在线资源，并推荐给用户供用户选择在线利用。例如，用户在浏览器的捜索框中输入“K歌之王”并点选音频类型以进行垂直捜索，浏览器将请求发送给捜索服务器后，就能够获取到捜索服务器返回的“K歌之王”对应的在线歌曲，并推荐给用户供用户在线试听。 然而，现有技术中在将在线资源推荐给用户时，通常是基于在线资源质量的，例如在线资源的清晰程度、在线资源的下载速率等。这就会造成，虽然排在前面的在线资源其虽然具有较高的质量，但由于用户质量较低，例如用户的网速较低，而无法流畅播放高质量的在线资源，使得在线资源的使用失败。可见，现有的在线资源推荐方式带来的使用成功率较低，用户体验较差。
发明内容有鉴于此，本发明提供了ー种在线资源的推荐方法和装置，以便于提高在线资源的使用成功率，从而给用户带来较好的体验。具体技术方案如下ー种在线资源的推荐方法，基于质量控制模型，所述质量控制模型中包括利用用户历史的质量数据进行聚类得到的用户质量分类子模型，以及，利用用户历史的资源使用数据建立的各资源类别对应的各用户质量的在线使用成功率计算子模型；所述推荐方法包括SI、根据当前用户发送请求时的实时质量数据，利用所述用户质量分类子模型确定当前用户所属的质量类别；S2、利用所述在线使用成功率计算子模型，确定所述当前用户所属的质量类别对应的各资源质量的在线使用成功率；S3、根据所述步骤S2确定的各资源质量的在线使用成功率，向所述当前用户推荐所请求的在线资源。根据本发明一优选实施例，所述质量数据包括用户端网速、请求时间或位置信息中的至少ー种。根据本发明一优选实施例，该方法还包括在用户使用在线资源的过程中收集质量数据，并在使用结束后，将收集到的质量数据以日志的形式进行记录或上报服务器，供建立所述用户质量分类子模型。
根据本发明一优选实施例，建立所述在线使用成功率计算子模型具体包括利用用户历史的在线资源获取成功与否的数据，统计不同质量类别用户分别对于各资源类别的使用成功率。根据本发明一优选实施例，所述步骤S3具体包括从所述当前用户所请求的在线资源中，选择满足预设在线使用成 功率要求的资源质量的在线资源向所述当前用户推荐；或者，按照在线使用成功率将所述当前用户所请求的在线资源进行排序后向所述当前用户推荐；或者，在满足预设在线使用成功率要求的前提下，按照在线资源质量高低向所述当前用户推荐所请求的在线资源。ー种在线资源的推荐装置，基于质量控制模型，所述质量控制模型中包括利用用户历史的质量数据进行聚类得到的用户质量分类子模型，以及，利用用户历史的资源使用数据建立的各资源类别对应的各用户质量的在线使用成功率计算子模型；所述推荐装置包括数据收集単元，用于收集用户的实时质量数据；质量类别确定単元，用于根据当前用户发送请求时的实时质量数据，利用所述用户质量分类子模型确定当前用户所属的质量类别；成功率确定单元，用于利用所述在线使用成功率计算子模型，确定所述当前用户所属的质量类别对应的各资源质量的在线使用成功率；资源推荐单元，用于根据所述成功率确定单元确定的各资源质量的在线使用成功率，向所述当前用户推荐所请求的在线资源。根据本发明一优选实施例，所述质量数据包括用户端网速、请求时间或位置信息中的至少ー种。根据本发明一优选实施例，该推荐装置还包括第一模型建立単元，用于利用用户历史的质量数据进行聚类得到用户质量分类子模型；所述数据收集单元，还用于在用户使用在线资源的过程中收集质量数据，并在使用结束后，将收集到的质量数据以日志的形式进行记录或上报服务器，供所述第一模型建立単元得到所述用户质量分类子模型。根据本发明一优选实施例，该推荐装置还包括第二模型建立子単元，用于利用用户历史的在线资源获取成功与否的数据，统计不同质量类别用户分别对于各资源类别的使用成功率，从而建立在线使用成功率计算子模型。根据本发明一优选实施例，所述资源推荐单元从所述当前用户所请求的在线资源中，选择满足预设在线使用成功率要求的资源质量的在线资源向所述当前用户推荐；或者，按照在线使用成功率将所述当前用户所请求的在线资源进行排序后向所述当前用户推荐；或者，在满足预设在线使用成功率要求的前提下，按照在线资源质量高低向所述当前用户推荐所请求的在线资源。由以上技术方案可以看出，本发明提供的推荐方法和装置首先根据当前用户发送请求时的实时质量数据确定出用户所属的质量类别，再从当前用户所请求的在线资源中确定出与该用户的质量类别匹配时，满足在线成功率要求的在线资源进行推荐。从而尽可能的保证在线资源成功使用，即提高了在线资源的使用成功率和用户体验。
图I为本发明实施例提供的在线资源的推荐方法流程图；图2为本发明实施例提供的在线资源的推荐装置结构图。
具体实施方式为了使本发明的目的、技术方案和优点更加清楚，下面结合附图和具体实施例对 本发明进行详细描述。通过分析发现，往往用户在对在线资源进行利用时，主要需求是在线播放成功率和流畅度，其次才是资源质量(例如音质、清晰度)等其他需求，因此如果要提高成功率，则需要实现资源质量与用户质量的匹配，该匹配通过质量控制模型进行判断。本发明就是基于此提出的，首先对质量控制模型所涉及到的两种子模型进行描述用户质量分类子模型和在线使用成功率计算子模型。用户质量分类子模型是利用用户历史的质量数据进行聚类得到的，其中用户历史的质量数据是从在线资源使用日志中获取的。可以收集用户每次请求在线资源的实时质量数据，包括但不限于用户端的网速(用户使用在线资源的网速)、请求时间或者位置信息中的至少ー种，其中各用户可以采用cookie或者用户名等进行标识，请求时间可以是日期信息、星期信息或时段信息等，位置信息可以是ip地址或地理位置信息等。收集这些质量数据的方式可以通过在网页播放器中嵌入js代码，在用户使用在线资源的过程中收集质量数据，并在使用结束后，将收集到的信息以日志的形式进行记录或上报服务器。在进行聚类时，依据收集到的质量数据进行，同一个用户可以划分到ー个以上种质量类别。例如依据各用户在使用在线资源时的网速，将用户划分为高速用户、中速用户和低速用户，其中网速为60kbps以上的用户划分为高速用户，网速为30kbps-60kbps的用户被划分为中速用户，网速为0-30kbps的用户被划分为低速用户。依据各用户对在线资源的请求时间，将用户划分为高峰时段用户、普通时段用户和冷门时段用户。其中，请求时间为10点至下午17点以及晚上8点至晚上10点的用户被划分为高峰时段用户，请求时间为凌晨2点至8点的用户被划分为冷门时段用户，请求时间为其他时段的用户被划分为普通时段用户。也可以依据请求时间所在的时段直接划分用户，例如分别划分为0点至3点时段的用户、4点至7点时段的用户、8点至11点时段的用户、12点至15点时段的用户，16点至19点时段的用户，20点至23点时段的用户。依据各用户的位置信息，将用户划分为各省份的用户。也可以对用户的请求时间、用户端网速和位置信息进行整合划分为大类，例如，网速为60kbps以上、请求时间在10点至下午17点的北京用户划分为ー类。当然用户类别还可以采用其他划分质量类别的方式，在此不再一一举例。另外，可以采用上述绝对分类的方式，也可以采用基于实时质量数据计算对应到各质量类别的概率的方式，用户质量类别的具体分类方式本发明实施例并不加以限制。
在线使用成功率计算子模型是利用用户历史的资源使用数据建立的，在对各用户进行质量类别的分类后，利用用户历史的在线资源获取成功与否的数据，统计不同质量类别用户分别对于各资源类别的使用成功率，a类用户对于b类资源的使用成功率可以采用a类用户使用b类资源成功的在线资源数量与a类用户请求的b类资源数量的比值。其中在线资源的资源类别可以按照在线资源的质量进行划分，例如按照资源的大小或服务速率等，将各在线资源划分为高质量资源、中等质量资源和低质量资源。其中资源的服务速率通常通过资源所 在内容分发网络(⑶N, Content Delivery Network)节点服务器的测速体现。例如，经过统计得到网速为60kbps以上、请求时间在10点至下午17点的北京用户对于高质量资源的使用成功率为60%、对于中等质量资源的使用成功率为92%、对于低质量资源的使用成功率为98%。下面结合图I对如何利用上述子模型实现在线资源推荐的方法进行描述，如图I所示，该方法包括以下步骤步骤101 :根据当前用户请求在线资源时的实时质量数据，利用用户质量分类子模型确定当前用户所属的质量类别。当前用户请求在线资源时的实时质量数据可以包括但不限于用户端网速(实时网速)、请求时间或位置信息中的至少ー种，将当前用户请求在线资源时的实时质量数据输入用户质量分类子模型后，可以得到当前用户所属的质量类别。例如，当前用户请求在线资源时的实时质量数据为实时网速70kbps，请求时间为13点、位置信息为北京，则输入用户质量分类子模型后将当前用户划分到实时网速为60kbps以上、请求时间在10点至下午17点的北京用户这ー类别。步骤102 :利用在线使用成功率计算子模型，确定当前用户所属的质量类别对应的各资源质量的在线使用成功率。接续上例，将实时网速为60kbps以上、请求时间在10点至下午17点的北京用户这ー类别输入在线使用成功率计算子模型，可以确定出当前用户所属的质量类别对应的各资源质量的在线使用成功率，即对于高质量资源的使用成功率为60%、对于中等质量资源的使用成功率为92%、对于低质量资源的使用成功率为98%。步骤103 :根据步骤102确定的各资源质量的在线使用成功率，向当前用户推荐所请求的在线资源。本步骤中，可以首先确定用户所请求的在线资源，即根据用户输入的资源信息确定所有对应的在线资源，这些在线资源的资源质量不一，例如用户输入“ K歌之王”并点选音频类型以进行垂直搜索时，首先确定出所有“ K歌之王”命中的音频资源，但这些资源中可能存在高质量资源、中等质量资源和低质量资源。那么如何将这些在线资源向用户推荐，则可以采用不同的策略，包括但不限于以下几种推荐策略一、选择满足预设在线使用成功率要求的资源质量的在线资源向当前用户推荐。假设预设在线使用成功率要求为90%以上，则在上例中提到的实时网速为60kbps以上、请求时间在10点至下午17点的北京用户，可以选择中等质量资源和低质量资源推荐给当前用户，而高质量资源的使用成功率由于在预设在线使用成功率要求以下，因此可以不推荐给当前用户。推荐策略ニ、按照在线使用成功率将用户所请求的在线资源进行排序后向当前用户推荐。也就是说，将所有用户请求的在线资源都推荐给用户，但推荐的时候依据在线使用成功率对在线资源进行排序。推荐策略三、在满足预设在线使用成功率要求的前提下，按照在线资源质量高低向当前用户推荐所请求的在线资源。仍假设预设在线使用成功率要求为90%以上，则在上例中提到的实时网速为60kbps以上、请求时间在10点至下午17点的北京用户，可以选择中等质量资源和低质量资源推荐给当前用户，在推荐过程中将中等质量资源排在低等质量资源之前供当前用户优先选择。以上是对本发明所提供的方法进行的详细描述，下面对本发明所提供的装置进行 描述，同样，本发明所提供的在线资源的推荐装置基于质量控制模型，具体包括利用用户历史的质量数据进行聚类得到的用户质量分类子模型，以及，利用用户历史的资源使用数据建立的各资源类别对应的各用户质量的在线使用成功率计算子模型。如图2所示，在线资源的推荐装置可以包括数据收集単元201、质量类别确定単元202、成功率确定单元203和资源推荐单元204。数据收集単元201收集用户的质量数据。其中，质量数据可以包括用户端网速、请求时间或位置信息中的至少ー种。各用户可以采用cookie或者用户名等进行标识。收集这些质量数据可以通过在网页播放器中嵌入的js代码执行并发送至服务器。质量类别确定単元202根据当前用户发送请求时的实时质量数据，利用用户质量分类子模型确定当前用户所属的质量类别。此时实时质量数据包括用户端的实时网速、请求时间或位置信息中的至少ー种。成功率确定单元203利用在线使用成功率计算子模型，确定当前用户所属的质量类别对应的各资源质量的在线使用成功率。资源推荐单元204根据成功率确定单元203确定的各资源质量的在线使用成功率，向当前用户推荐所请求的在线资源。可以首先确定用户所请求的在线资源，即根据用户输入的资源信息确定所有对应的在线资源，这些在线资源的资源质量不一，在将这些在线资源向用户推荐时，可以采用但不限于以下几种策略推荐策略一、从当前用户所请求的在线资源中，选择满足预设在线使用成功率要求的资源质量的在线资源向当前用户推荐。推荐策略ニ、按照在线使用成功率将当前用户所请求的在线资源进行排序后向当前用户推荐。推荐策略三、在满足预设在线使用成功率要求的前提下，按照在线资源质量高低向当前用户推荐所请求的在线资源。为了实现上述两种子模型的建立，该推荐装置还可以进ー步包括第一模型建立単元205，用于利用用户历史的质量数据进行聚类得到用户质量分类子模型。在进行聚类时，依据收集到的质量数据进行，同一个用户可以划分到ー个以上种质量类别。数据收集単元201，还用于在用户使用在线资源的过程中收集质量数据，并在使用结束后，将收集到的质量数据以日志的形式进行记录或上报服务器，供第一模型建立単元205得到用户质量分类子模型。也就是说，毎次用户使用在线资源时，在利用实时的质量数据实现在线资源推荐的同时，收集的质量数据也作为日志供后续用户质量分类子模型更新使用，从而实现了ー个闭环系统。除此之外，该推荐装置还包括第二模型建立子単元206，用于利用用户历史的在线资源获取成功与否的数据，统计不同质量类别用户分别对于各资源类别的使用成功率，从而建立在线使用成功率计算子模型。其中，用户历史的在线资源获取成功与否的数据也可以由数据收集単元201获取。本发明提供的上述推荐方法和推荐装置在服务器端实现，接收到用户通过浏览器或客户端发送的请求后，向浏览器或客户端推荐用户所请求的在线资源。另外，需要说明的是，本发明涉及的在线资源可以包括但不限于在线音频资源、在线视频资源等。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，所做的任何修改、等同替换、改进等，均应包含在本发明保护的范围之内。
权利要求
1.ー种在线资源的推荐方法，基于质量控制模型，其特征在于，所述质量控制模型中包括利用用户历史的质量数据进行聚类得到的用户质量分类子模型，以及，利用用户历史的资源使用数据建立的各资源类别对应的各用户质量的在线使用成功率计算子模型；所述推荐方法包括 51、根据当前用户发送请求时的实时质量数据，利用所述用户质量分类子模型确定当前用户所属的质量类别； 52、利用所述在线使用成功率计算子模型，确定所述当前用户所属的质量类别对应的各资源质量的在线使用成功率； 53、根据所述步骤S2确定的各资源质量的在线使用成功率，向所述当前用户推荐所请求的在线资源。
2.根据权利要求I所述的方法，其特征在于，所述质量数据包括用户端网速、请求时间或位置信息中的至少ー种。
3.根据权利要求I或2所述的方法，其特征在于，该方法还包括 在用户使用在线资源的过程中收集质量数据，并在使用结束后，将收集到的质量数据以日志的形式进行记录或上报服务器，供建立所述用户质量分类子模型。
4.根据权利要求I所述的方法，其特征在于，建立所述在线使用成功率计算子模型具体包括利用用户历史的在线资源获取成功与否的数据，统计不同质量类别用户分别对于各资源类别的使用成功率。
5.根据权利要求I所述的方法，其特征在于，所述步骤S3具体包括从所述当前用户所请求的在线资源中，选择满足预设在线使用成功率要求的资源质量的在线资源向所述当前用户推荐；或者， 按照在线使用成功率将所述当前用户所请求的在线资源进行排序后向所述当前用户推荐；或者， 在满足预设在线使用成功率要求的前提下，按照在线资源质量高低向所述当前用户推荐所请求的在线资源。
6.ー种在线资源的推荐装置，基于质量控制模型，其特征在于，所述质量控制模型中包括利用用户历史的质量数据进行聚类得到的用户质量分类子模型，以及，利用用户历史的资源使用数据建立的各资源类别对应的各用户质量的在线使用成功率计算子模型；所述推荐装置包括 数据收集単元，用于收集用户的质量数据； 质量类别确定単元，用于根据当前用户发送请求时的实时质量数据，利用所述用户质量分类子模型确定当前用户所属的质量类别； 成功率确定单元，用于利用所述在线使用成功率计算子模型，确定所述当前用户所属的质量类别对应的各资源质量的在线使用成功率； 资源推荐单元，用于根据所述成功率确定单元确定的各资源质量的在线使用成功率，向所述当前用户推荐所请求的在线资源。
7.根据权利要求6所述的推荐装置，其特征在于，所述质量数据包括用户端网速、请求时间或位置信息中的至少ー种。
8.根据权利要求6或7所述的推荐装置，其特征在干，该推荐装置还包括第一模型建立単元，用于利用用户历史的质量数据进行聚类得到用户质量分类子模型； 所述数据收集单元，还用于在用户使用在线资源的过程中收集质量数据，并在使用结束后，将收集到的质量数据以日志的形式进行记录或上报服务器，供所述第一模型建立单元得到所述用户质量分类子模型。
9.根据权利要求6所述的推荐装置，其特征在干，该推荐装置还包括第二模型建立子単元，用于利用用户历史的在线资源获取成功与否的数据，统计不同质量类别用户分别对于各资源类别的使用成功率，从而建立在线使用成功率计算子模型。
10.根据权利要求6所述的推荐装置，其特征在于，所述资源推荐单元从所述当前用户所请求的在线资源中，选择满足预设在线使用成功率要求的资源质量的在线资源向所述当前用户推荐；或者， 按照在线使用成功率将所述当前用户所请求的在线资源进行排序后向所述当前用户推荐；或者， 在满足预设在线使用成功率要求的前提下，按照在线资源质量高低向所述当前用户推荐所请求的在线资源。
全文摘要
本发明提供了一种在线资源的推荐方法和装置，基于质量控制模型，所述质量控制模型中包括利用用户历史的质量数据进行聚类得到的用户质量分类子模型，以及，利用用户历史的资源使用数据建立的各资源类别对应的各用户质量的在线使用成功率计算子模型；所述推荐方法包括S1、根据当前用户发送请求时的实时质量数据，利用用户质量分类子模型确定当前用户所属的质量类别；S2、利用在线使用成功率计算子模型，确定当前用户所属的质量类别对应的各资源质量的在线使用成功率；S3、根据步骤S2确定的各资源质量的在线使用成功率，向所述当前用户推荐所请求的在线资源。通过本发明能够提高在线资源的使用成功率，给用户带来较好的体验。
文档编号G06F17/30GK102651033SQ20121010195
公开日2012年8月29日 申请日期2012年4月9日 优先权日2012年4月9日
发明者屈亮, 邓路 申请人:百度在线网络技术(北京)有限公司