一种故事筛选及精准展现的方法和装置与流程

本发明涉及互联网技术领域，尤其涉及一种故事筛选及精准展现的方法和装置。

背景技术：

现有相关故事作品筛选和展现方法，主要由三种手段：一种方法是通过作者的知名度对故事作品进行筛选，同时根据热门程度展现故事；第二种是根据文本内容的优劣进行故事的筛选，同时展示具有优质内容的故事；第三种方法是通过推荐系统方法，利用用户行为日志挖掘出用户可能感兴趣的故事。

但是上述方法在具体实施过程中都有各自显著的缺点，通过作者的知名度对故事进行筛选可以在一定程度上保证内容的高质量，但是这种方式无法挖掘到那些尚未成名却拥有高质量的作品，同时单纯根据热门程度进行展现会使得大多数故事没有机会得到展现。如果单从内容出发进行筛选和展示，虽然能获得最好的效果，但处理成本过高无法很好的适应如今急剧增长的信息量，最后虽然传统的推荐系统方法能使得一些高质量的故事得以展现，但是现今推荐系统无法同时满足挖掘高质量内容和精准展示的需求。

技术实现要素：

本发明实施例旨在至少在一定程度上解决相关技术中的技术问题之一。

为此，本发明的一个目的在于提出一种故事筛选及精准展现的方法，该方法可以提高系统整体推荐质量，更好的挖掘出高质量故事并对关键用户提供更好的展现服务。

本发明的另一个目的在于提出一种故事筛选及精准展现的装置。

本发明实施例提出的故事筛选及精准展现的方法，通过构造用户评分模型和等级划分机制，根据系统中用户的属性信息和行为信息对用户建模评分，并将评分后的用户划分到相应的用户等级。由于不同用户对于故事质量的挖掘能力、参与兴趣、消费能力具有很大的差异，将用户进行划分后对不同用户群区别处理能更好的维护系统的稳定性、活力和挖掘能力。

本发明实施例提出的故事评分模型和等级划分机制，初始时故事会获取一个初始权重，随后根据用户对故事操作时的行为，模型会赋予故事相应的评分，并将评分后的故事划分到对应的等级。由于用户对于故事的操作在一定程度上反映了故事的内容质量，拥有优质的内容在模型中越能获得更高的评分。同时对处于不同等级的故事采用不同的推荐策略和展现策略，能更好的挖掘到高质量故事和实现精准展示。

本发明实施例所提出的分层推荐模型，对不同层级的用户和故事构建不同的推荐系统模型，这样的做法能够克服单一推荐系统模型性能上的不足，现如今的推荐系统不能同时满足性能上方方面面的要求，也无法满足不同用户各式各样的需求。针对不同等级用户和故事的特性，分层推荐模型利用不同推荐模型和策略，最大程度上适应用户的需求，同时最大程度上激发用户对于整体系统的贡献能力和参与能力，最终实现高质量故事筛选和精准展现的目标。

为达到上述目的，本发明第二方面实施例提出的高质量故事筛选展现装置，包括：接收模块，用于获取用户属性信息和故事属性信息；等级划分模块，包括用户等级划分子模块和故事等级划分子模块；用户等级划分子模块，用于建立用户评分模型和等级划分机制，根据用户属性和行为信息对用户进行评分并划分相应的用户等级；故事等级划分子模块，用于建立故事评分模型和等级划分机制，根据故事属性和用户操作信息对故事进行评分并划分相应的故事等级；分层推荐及展现模块，对于不同层级的用户和故事构建不同的推荐系统模型，用于实现高质量故事筛选和精准展现。

本发明实施例附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解得到。

附图说明

图1是本发明实施例提出的故事筛选及精准展现方法的流程示意图 。

图2 是本发明实施例提出的用户评分模型和等级划分机制流程示意图 。

图3 是本发明实施例提出的故事评分模型和等级划分机制流程示意图。

图4是本发明实施例提出的用户和故事分级模型示意图。

图5是本发明一实施例提出的分层推荐模型示意图 。

图6是本发明另一实施例提出的故事筛选及精准展现装置结构示意图。

具体实施方式

下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的模块或具有相同或类似功能的模块。下面通过参考附图描述的实施例是示例性的,仅用于解释本发明,而不能理解为对本发明的限制。相反, 本发明的实施例包括落入所附调权利要求书的精神和内涵范围内的所有变化、修改和等同物。

图1是本发明实施例提出的故事筛选及精准展现方法整体流程示意图，该方法包括。

s11: 用户评分模型和等级划分机制，根据用户属性信息和行为信息对用户进行评分并划分相应的用户等级。

s12: 故事评分模型和等级划分机制，根据故事属性和用户对应操作信息对故事进行评分并划分相应的故事等级。

s13: 分层推荐模型，对于不同层级的用户和故事构建不同的推荐系统模型，用于实现高质量故事筛选和精准展现。

图2是本发明实施例提出的用户评分模型和等级划分机制，该方法包括。

s21:用户数据采集模型，用于获取用户的属性信息和行为信息，初始时用户还没有对故事进行操作，数据采集模块只能获取用户属性信息，随着用户在系统中进行各种处理操作，包括并不只限于浏览、关注、购买故事，数据采集模块会记录用户的各种操作行为。

s22：用户评分模型，根据采集到的用户属性信息和行为信息，对用户等级进行评估。初始时由于缺少用户的行为数据，评分模型只是利用用户的属性信息进行评分，相关的评分属性包括并不只限于用户角色，用户认证类型，用户行业资质等，调整不同属性的权重计算出最能刻画用户等级的评估分值。

S23:用户等级划分模型，根据计算得到的用户评估分值，将用户划分到不同的等级类别中，不同等级的用户具有不同的特性，相同等级的用户之间往往更加相似，整个用户等级划分过程可以看做是一个用户聚类的过程，最终不同类别的用户在系统中承担和发挥不同的功能。

可以理解的是，等级划分模型将用户划分为N个级别，假定被划分到越高级别的用户可视为系统的核心用户，这部分用户对于故事具有更高的消费能力同时对质量内容有更严苛的要求。一般来说划分后的用户等级及各等级上用户的数量呈现金字塔型的组织架构，某个划分等级越低其用户数目越多，这部分用户对于大量故事的筛选任务具有很强的消化能力。

需要做出解释的是，用户等级的划分并不是一成不变的，用户评分模型会记录用户对于故事的操作记录，根据并不只限于用户对于故事的发布行为、点击行为、关注行为、成交行为等重新计算用户等级评估分值，根据不同分值将用户划分到不同层级。

图3 是本发明实施例提出的故事评分模型和等级划分机制，该方法包括。

s31: 故事数据采集模型，用于获取故事的属性信息和行为信息，初始时刚进入系统的故事没有得到任何的处理操作，数据采集模块只能获取其静态属性信息，随着用户在系统中进行各种处理操作，包括并不只限于浏览、关注、购买故事，数据采集模块会根据用户的操作记录故事的动态属性信息。

s32：故事评分模型，用于根据采集到的故事静态属性信息和动态属性信息，对故事等级进行评估。初始时由于缺少用户的行为数据，评分模型只能利用故事的静态属性信息，可以参考发布该故事的作者评估分值作为故事的初始评估分值。随着用户操作行为的增加，后续添加用户的操作行为对故事进行评分。

s33: 故事等级划分模型，根据计算得到的故事评估分值，将故事划分到不同的等级类别中，不同等级的故事可以视作具有不同的内容质量，因此整个故事评分和等级划分过程可以看做是对故事内容质量的评定过程。

可以理解的是，等级划分模块将故事划分为N个级别，假定被划分到越高级别的故事可视为具有越高的内容质量，这部分故事具有更高的产品价值并且能满足用户跟高的质量要求。一般来说划分后的故事等级及各等级上故事的数量呈现金字塔型的组织架构，某个划分等级越低其拥有的故事数目越多，需要从为数众多且内容质量参差不齐的故事中进行筛选。

需要做出解释的是，故事等级的划分并不是一成不变的，故事评分模块会记录用户对于故事的操作记录，根据并不只限于故事的被关注数、被关注增长率、浏览时长等重新计算故事等级评估分值，并根据相应的分值划分到不同层级。

图4是本发明实施例提出的用户和故事分级模型示意图。

s41: 用户等级划分模型，该示例展示了经过等级划分后各个等级所具有的用户数目，应当注意此处示意图中所划分的层级数目以及各层所具有的用户数目只是示例性的，不应当理解为对本发明的限制。

s42:故事等级划分模型，该示例展示了经过等级划分后各个等级所具有的故事数目，应当注意此处示意图中所划分的层级数目以及各层所具有的用户数目只是示例性的，不应当理解为对本发明的限制。

可以理解的是，具有高等级的用户和高质量的故事通常是少数的，反映在等级划分示例图中呈现金字塔型的分层组织结构，在用户等级划分模块中，高等级用户作为系统核心用户承载着主要的价值功能，低等级用户作为主要的用户群体承载着主要的筛选功能，通过大量用户的行为使得具有高质量内容的故事得以脱颖而出。

图5是本实施例提出的分层推荐模型示意图。

s51: 用户等级划分模型，该模型展示了经过等级划分后分层示意图，应当注意此处示意图中所划分的层级数目以及各层所标识的用户等级只是示例性的，不应当理解为对本发明的限制。

s52: 故事等级划分模型，该模型同时展示了经过等级划分后各个等级，应当注意此处示意图中所划分的层级数目以及各层所具有的用户数目只是示例性的，不应当理解为对本发明的限制。

s53:分层推荐模型，该模型对于不同层级的用户和故事构建不同的推荐系统模型，用于实现高质量故事筛选和精准展现。示意图中划分为四个层级，分别为初级，低级，中级，高级，各个层级之间的用户逐级递减，同时各个层级用户承载不同的功能。系统考虑到越低层级的用户群体数量较大，对于故事内容质量要求越低，能更好的完成大量故事内容质量的筛选工作，因此越低层级的用户更倾向赋予故事筛选的任务。高层级的用户群体较小，同时对于故事内容质量要求较高，是实现优质故事价值的主要群体，因此越高层级的用户更倾向于获取精准的故事展现。

由于不同推荐模型具有不同的适用场景，同时在推荐能力和效果上也有各自的特点，本发明实施例所提出的分层推荐模型采用上述原理，根据不同等级用户群所承载的不同功能，采用与之相适应的推荐模型从而更好的完成高质量故事的筛选和精准展现的任务。

参见图5，本发明实施例用于举例的分层推荐模型采用了四层推荐机制，其中初级用户群体承载了对应层级的故事展现任务，在实施过程中需要尽量使得每个故事都能够获得展示机会。由于初级层级用户群体主要承载的是故事的筛选任务，因此对于推荐结果的准确性要求不高，可选的展现机制是对每个故事预设最小和最大的展现次数，在预设的展现次数范围内随机或者基于内容相似性向用户进行展示。其中基于内容相似性的具体实现可以采用标签的匹配度来计算故事和用户之间的匹配度，每个故事有自身的标签信息，同时可以利用与用户产生过关系的故事的标签作为刻画用户的标签信息，最后根据标签信息的相似度，来描述用户和故事之间的相似性并将匹配度高的故事推荐给用户。

可以理解的是，内容质量更好的故事会受到更多用户的点击和关注，从而获得更高的故事评分，当其评估分数超过一个阈值时将提升至下一个层级；同理用户的操作行为也会对其自身的评估分值产生影响，当分值超过设定阈值时也将提升至下一层级。可以理解的是，当用户提升至下一个层级会对本层的筛选能力产生影响，一个稳定和健康的系统不应该受到用户等级之间的变化影响到整体的筛选能力，因此对用户评估分值的阈值设定需要参考系统整体的稳定性。

本发明实施例演示的低级用户群体承载了对初级筛选出的故事进一步筛选优化的任务，由于内容质量在一定程度上可以表现为其在群体内部的热门程度，因此可以通过在低级用户群体中筛选出较为热门的故事送交后续的筛选和展示流程。同时，由于低级推荐层级上故事数量较多、更新较快、个性化需求较弱，因此需要能实现快速的筛选。在低级筛选层级上可选的方法是基于用户的协同过滤方法。

本实施例演示的中级用户群体承载了从筛选高质量内容到精准展现的过度任务，该部分的推荐内容不仅需要挖掘出更高质量的故事，同时在个性化推荐方面需要获得更符合用户兴趣的推荐结果。在中级推荐过程中，由于一部分用户还保留了倾向于热门物品的推荐而另一部分有其自身个性化推荐的需求，因此在这个过渡阶段，本实施例采用了混合推荐策略，即考虑了热门程度和实效性，又兼顾了用户的个性化需求。例如可以结合基于物品的协同过滤推荐算法和基于用户的协同推荐过滤算法，并且记录用户对于推荐结果的点击行为，判断用户偏好哪一种推荐模型，从而调整推荐比例。

本实施例演示的高级用户群体承载了故事价值转化的任务，因此需要对这部分用户进行精准展示，确保展示的故事都具有高质量内容同时也需要满足用户的兴趣和品位。因此这部分的推荐需要能够反应用户本人的兴趣爱好，在尽可能的发掘长尾物品的基础上满足用户的个性化需求。在此阶段可选的推荐策略可以使基于物品的协同过滤推荐方法。

图6是本发明另一实施例提出的故事筛选及精准展现装置的结构示意图，该装置包括接收模块s61；等级划分模块s62及其子模块，包括用户等级划分子模块s63和故事等级划分子模块s64；分层推荐及展现模块s65。

接收模块s61, 用于获取用户属性信息和故事属性信息。

等级划分模块s62, 具体包括两个子模块：用户等级划分子模块s63，用于建立用户评分模型和等级划分机制，根据用户属性和行为信息对用户进行评分并划分相应的用户等级；故事等级划分子模块s64，用于建立故事评分模型和等级划分机制，根据故事属性和用户操作信息对故事进行评分并划分相应的故事等级。

分层推荐及展现模块s65，对于不同层级的用户和故事构建不同的推荐系统模型，用于实现高质量故事筛选和精准展现。

需要说明的是,在本发明的描述中,术语“第一”、“第二”等仅用于描述目的,而不能理解为指示或暗示相对重要性。此外,在本发明的描述中,除非另有说明,“多个”的含义是两个或两个以上。

流程图中或在此以其他方式描述的任何过程或方法􏰁述可以被理解为，表示包括 一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分,并且本发明的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺 序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本发明的实施例所属技术领域的技术人员所理解。

应当理解,本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件 或固件来实现。例如,如果用硬件来实现,和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列 (PGA),现场 可编程门阵列 (FPGA) 等。

本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步 骤是可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,该程序在执行时,包括方法实施例的步骤之一或其组合。

此外,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模块中,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模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。

上述提到的存储介质可以是只读存储器,磁盘或光盘等。

在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例 性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。