信息推荐方法、装置、设备及存储介质与流程

本申请涉及数据处理技术领域，涉及但不限于一种信息推荐方法、装置、设备及存储介质。

背景技术：

目前，在为用户进行个性化的信息推荐时，常用的推荐方法包括谷歌移动服务(googlemobileservice，gms)和一些个性推荐类软件，其中，个性推荐类软件例如包括今日头条、淘宝、抖音和美团等软件均可以对用户进行个性化推荐。

但是，这些推荐方法均只是针对各自的服务或软件所需要的用户数据进行画像分析，因此，不能更好地关注用户其他领域的兴趣爱好，无法全面刻画用户画像，不能为用户进行更有价值的信息的推荐。

技术实现要素：

本申请实施例提供一种信息推荐方法、装置及存储介质，能够更加全面准确的刻画用户画像，为用户进行更有价值的信息的推荐。

本申请实施例的技术方案是这样实现的：

本申请实施例提供一种信息推荐方法，包括：

获取终端上预设时间段内的操作数据；

对所述操作数据进行语义分析处理，得到与所述操作数据对应的关键信息；

对所述关键信息进行分类，得到与所述操作数据对应的标签；

根据所述标签确定对应的推荐信息，并将所述推荐信息推荐给所述终端。

本申请实施例提供一种信息推荐装置，包括：

获取模块，用于获取终端上预设时间段内的操作数据；

语义分析处理模块，用于对所述操作数据进行语义分析处理，得到与所述操作数据对应的关键信息；

分类模块，用于对所述关键信息进行分类，得到与所述操作数据对应的标签；

推荐模块，用于根据所述标签确定对应的推荐信息，并将所述推荐信息推荐给所述终端。

本申请实施例提供一种信息推荐设备，包括：

存储器，用于存储可执行指令；

处理器，用于执行所述存储器中存储的可执行指令时，实现上述的方法。

本申请实施例提供一种存储介质，存储有可执行指令，用于引起处理器执行时，实现上述的方法。

本申请实施例具有以下有益效果：

对终端上预设时间段内的操作数据进行语义分析处理，再根据语义分析处理得到的关键信息进行分类，得到对应类别的标签。这样，根据所得到的标签对终端进行信息推荐，由于终端上预设时间段内的操作数据可以是用户使用终端时的任意一种操作数据，因此通过该预设时间段内的操作数据能够更加准确的刻画终端的用户画像，因此，所得到标签是与用户相似度较高的标签，所以能够为用户进行更有价值的信息的推荐。

附图说明

图1为本申请实施例提供的信息推荐系统的一个可选的架构示意图；

图2为本申请实施例提供的终端的结构示意图；

图3为本申请实施例提供的信息推荐方法的一个可选的流程示意图；

图4为本申请实施例提供的信息推荐方法的一个可选的流程示意图；

图5为本申请实施例提供的信息推荐方法的一个可选的流程示意图；

图6a为本申请实施例提供的信息推荐方法的一个可选的流程示意图；

图6b为本申请实施例提供的信息推荐方法的一个可选的流程示意图；

图7为本申请实施例提供的信息推荐方法的一个可选的流程示意图；

图8为本申请实施例提供的信息推荐方法的一个可选的流程示意图；

图9为本申请实施例提供的信息推荐方法的一个可选的流程示意图；

图10为本申请实施例提供的数据整理分类的流程示意图；

图11a为本申请实施例提供的资讯类的推荐过程示意图；

图11b为本申请实施例提供的视频类的推荐过程示意图；

图11c为本申请实施例提供的游戏类的推荐过程示意图；

图11d为本申请实施例提供的社交类的推荐过程示意图；

图11e为本申请实施例提供的音乐类的推荐过程示意图；

图11f为本申请实施例提供的金融类的推荐过程示意图；

图11g为本申请实施例提供的网购类的推荐过程示意图；

图12为本申请实施例数据整理策略来源的流程示意图；

图13为本申请实施例进行授权的实现流程示意图。

具体实施方式

为了使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请作进一步地详细描述，所描述的实施例不应视为对本申请的限制，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它实施例，都属于本申请保护的范围。

在以下的描述中，涉及到“一些实施例”，其描述了所有可能实施例的子集，但是可以理解,“一些实施例”可以是所有可能实施例的相同子集或不同子集，并且可以在不冲突的情况下相互结合。

除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本文中所使用的术语只是为了描述本申请实施例的目的，不是旨在限制本申请。

在对本申请实施例的信息推荐方法进行进一步解释说明之前，首先对相关技术中的信息推荐方法进行说明。

相关技术中，在对用户的终端进行信息推荐时，一般包括以下两种产品和技术：第一种，gms；第二种，个性推荐软件。其中，gms是内置于终端里的谷歌移动服务，对于使用谷歌服务时，可以通过对用户搜索内容的分析整理，推断出用户的兴趣和爱好，并据此给他们推荐移动服务及个性化的广告。而个性推荐软件则是通过用户输入的关键词搜索、浏览内容时长、点赞及评论数等信息，对匹配到的结果进行数据分析和处理，据此来给用户推荐相近的资讯、商品、视频及商家等信息。举例来说，当用户使用某购物应用(application，app)进行浏览并购物时，则该购物app的服务器会获取用户所浏览的商品信息和对每一商品的浏览时长，来确定用户是对某一类商品比较感兴趣，因此，向用户推荐同类的商品。

但是，相关技术中的信息推荐方法以及方法所采用的数据整理方案均存在不足之处。其中，gms是一套商业的解决方案，优先考虑到的是广告方的利益，帮助推送方进行品牌展示及服务触达，对用户的体验考虑有限，且只根据对应广告方产品的数据进行用户画像的刻画；而个性推荐类软件，每家厂商只针对各自的用户数据进行画像分析，不能更好地关注用户其他领域的兴趣爱好，因此无法全面刻画用户喜好，不能为用户进行更有价值的信息的推荐。

为了能够为用户进行更有价值的信息的推荐，本申请实施例提供一种信息推荐方法、装置、设备及存储介质，能够准确并全面的刻画用户的画像，进而为用户进行准确的信息推荐。

下面说明本申请实施例提供的信息推荐设备的示例性应用，本申请实施例提供的信息推荐设备可以实施为终端或者服务器。下面，将说明设备实施为终端时的示例性应用。

参见图1，图1为本申请实施例提供的信息推荐系统10的一个可选的架构示意图，为实现向用户的终端进行信息推荐，终端100(示例性示出了终端100-1和终端100-2)通过网络200连接服务器300，网络200可以是广域网或者局域网，又或者是二者的组合。

终端100在当前界面110(示例性示出了当前界面110-1和当前界面110-2)上显示应用(application，app)的界面，例如，所述app可以是游戏app。其中，终端100-1和终端100-2在当前界面上可以显示推荐的推荐信息。本申请实施例中，服务器300通过网络200获取终端100-1和终端100-2在预设时间段内的操作数据，并对操作数据进行语义分析处理，得到与所述操作数据对应的关键信息；然后对所述关键信息进行分类，得到与所述操作数据对应的标签；最后根据所述标签对所述终端进行信息推荐，将推荐信息发送给终端100，并在终端100的当前界面110上显示所述推荐信息。当然，在其他实施例中，终端100也可以获取自身的操作数据，并完成信息推荐。

图2为本申请实施例提供的终端100的结构示意图，如图2所示，所述终端100包括：至少一个处理器210、存储器250、至少一个网络接口220和用户接口230。终端100中的各个组件通过总线系统240耦合在一起。可理解，总线系统240用于实现这些组件之间的连接通信。总线系统240除包括数据总线之外，还包括电源总线、控制总线和状态信号总线。但是为了清楚说明起见，在图2中将各种总线都标为总线系统240。

处理器210可以是一种集成电路芯片，具有信号的处理能力，例如通用处理器、数字信号处理器(digitalsignalprocessor，dsp)，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，其中，通用处理器可以是微处理器或者任何常规的处理器等。

用户接口230包括使得能够呈现媒体内容的一个或多个输出装置231，包括一个或多个扬声器和/或一个或多个视觉显示屏。用户接口230还包括一个或多个输入装置232，包括有助于用户输入的用户接口部件，比如键盘、鼠标、麦克风、触屏显示屏、摄像头、其他输入按钮和控件。

存储器250可以是可移除的，不可移除的或其组合。示例性的硬件设备包括固态存储器，硬盘驱动器，光盘驱动器等。存储器250可选地包括在物理位置上远离处理器210的一个或多个存储设备。存储器250包括易失性存储器或非易失性存储器，也可包括易失性和非易失性存储器两者。非易失性存储器可以是只读存储器(readonlymemory，rom)，易失性存储器可以是随机存取存储器(randomaccessmemory，ram)。本申请实施例描述的存储器250旨在包括任意适合类型的存储器。在一些实施例中，存储器250能够存储数据以支持各种操作，这些数据的示例包括程序、模块和数据结构或者其子集或超集，下面示例性说明。

操作系统251，包括用于处理各种基本系统服务和执行硬件相关任务的系统程序，例如框架层、核心库层、驱动层等，用于实现各种基础业务以及处理基于硬件的任务；

网络通信模块252，用于经由一个或多个(有线或无线)网络接口220到达其他计算设备，示例性的网络接口220包括：蓝牙、无线相容性认证(wifi)、和通用串行总线(universalserialbus，usb)等；

输入处理模块253，用于对一个或多个来自一个或多个输入装置232之一的一个或多个用户输入或互动进行检测以及翻译所检测的输入或互动。

在一些实施例中，本申请实施例提供的装置可以采用软件方式实现，图2示出了存储在存储器250中的信息推荐装置254，该信息推荐装置254可以是程序和插件等形式的软件，包括以下软件模块：获取模块2541、语义分析处理模块2542、分类模块2543和推荐模块2544，这些模块是逻辑上的，因此根据所实现的功能可以进行任意的组合或进一步拆分。将在下文中说明各个模块的功能。

在另一些实施例中，本申请实施例提供的装置可以采用硬件方式实现，作为示例，本申请实施例提供的装置可以是采用硬件译码处理器形式的处理器，其被编程以执行本申请实施例提供的信息推荐方法，例如，硬件译码处理器形式的处理器可以采用一个或多个应用专用集成电路(applicationspecificintegratedcircuit，asic)、dsp、可编程逻辑器件(programmablelogicdevice，pld)、复杂可编程逻辑器件(complexprogrammablelogicdevice，cpld)、现场可编程门阵列(field-programmablegatearray，fpga)或其他电子元件。

下面将结合本申请实施例提供的信息推荐设备的示例性应用和实施，说明本申请实施例提供的信息推荐方法。

参见图3，图3为本申请实施例提供的信息推荐方法的一个可选的流程示意图，将结合图3示出的步骤进行说明。

步骤s301，获取终端上预设时间段内的操作数据。

这里，获取终端上预设时间段内的操作数据可以是获取终端上预设时间段内的全部操作数据，所述预设时间段可以是信息推荐系统预设的，也可以是用户通过所述终端设置的。本申请实施例中，获取终端上预设时间段内的全部操作数据是指获取用户通过终端进行操作的全部数据，包括使用终端的数据和使用终端上每一app对应的数据。

所述操作数据是指使用终端时的操作数据和使用终端上的每一app对应的操作数据。例如，所述使用终端时的操作数据可以是用户使用终端的时长、每天使用终端的开始使用时间和结束使用时间、使用终端的频率等操作数据；所述使用终端上每一app对应的操作数据，可以是用户对每一app的使用频率、使用时长、在该app内的搜索记录和在该app内的点击记录等操作数据。

在一些实施例中，终端上预设时间段内的操作数据可以是用户使用终端时的任意一种操作数据。

步骤s302，对所述操作数据进行语义分析处理，得到与所述操作数据对应的关键信息。

这里，所述语义分析处理可以是基于人工智能(artificialintelligence，ai)技术的语义分析处理。当所述操作数据为终端上预设时间段内的全部操作数据时，通过ai语义分析处理，能够确定出对应所述全部操作数据的至少一个关键信息。本申请实施例中，可以通过对用户所输入的文本信息进行ai语义分析处理，或者，也可以对用户的浏览记录进行ai语义分析处理，或者，也可以对用户的浏览习惯进行ai语义分析处理。

当对用户所输入的文本信息进行ai语义分析处理时，举例来说，如果用户通过搜索引擎进行问题搜索，输入的问题是“红烧肉的做法”，那么对应的操作数据即为“红烧肉的做法”，对该操作数据进行ai语义分析，确定出的关键信息是“红烧肉”和“做法”。也就是说，可以根据用户输入的信息对应的文本进行ai语义分析，即可以对输入的信息对应的文本信息进行分词处理，然后对分词处理后得到的词语，将满足预设词性条件的词确定为所述关键信息。

当对用户的浏览记录进行ai语义分析处理时，举例来说，如果用户使用终端上的某一app进行搜索或浏览，则记录用户的搜索记录和浏览记录，例如，如果用户使用购物app搜索或者浏览了大量的关于食材的产品，则可以将用户的浏览记录确定为所述操作数据，通过ai语义分析处理对所述操作数据进行分析，确定出用户浏览的产品所属的类别，将该类别确定为所述关键信息，或者将产品的名称确定为所述关键信息，或者将产品对应的购买链接确定为所述关键信息。

当对用户的浏览习惯进行ai语义分析处理时，举例来说，可以获取用户使用终端或者某一app的时间，例如，如果用户通常在夜间使用终端，或者在夜间使用该app，则对用户使用终端或者使用该app的使用时间进行语义分析处理，确定出的关键信息则为夜间，或者确定出的关键信息为夜间使用该app。

在其他实施例中，也可以对用户的其他操作数据进行ai语义分析处理，得到关于用户的关键信息，本申请实施例不做限定。

步骤s303，对所述关键信息进行分类，得到与所述操作数据对应的标签。

这里，通过对所述关键信息进行分类，将属于同一类别的关键信息分为一类，并且，对属于同一类的关键信息确定一个对应的标签，即为所述操作数据的标签。

所述标签可以包括视频类标签、咨询类标签、游戏类标签、社交类标签、音乐类标签、金融类标签、网购类标签等任意一种或多种标签。

本申请实施例中，在对所述关键信息进行分类时，可以将属于同一类别的关键信息分为一类，这里的同一类别可以是对应所述标签的类别，例如，所述类别可以是视频类、咨询类、游戏类、社交类、音乐类、金融类、网购类等任意一种或多种类别。

需要说明的是，所述关键信息可以为至少一个，当所述关键信息为一个时，对所述关键信息进行分类即为直接将该一个关键信息确定为一个确定的类别；当所述关键信息为多个时，对多个关键信息进行分类，得到至少一个类别。

本申请实施例所确定的所述全部操作数据对应的至少一个标签能够反应使用所述终端的用户的画像，所述至少一个标签反应了用户的爱好和习惯。举例来说，当对所述至少一个关键信息进行分类，得到与所述全部操作数据对应的至少一个标签为视频类标签和网购类标签时，表明使用所述终端的用户喜欢看视频且喜欢网购。

步骤s304，根据所述标签确定对应的推荐信息，并将所述推荐信息推荐给所述终端。

这里，根据所述标签确定对应的推荐信息，并将所述推荐信息推荐给所述终端，以实现对所述终端进行信息推荐。

本申请实施例中，所述推荐信息可以是一个，也可以是多个，所述推荐信息的个数可以根据所述标签的数量和所述标签的类型确定。例如，当所述标签为两个具有关联关系的标签时，可以根据所述具有关联关系的标签确定一个与这两个标签对应的推荐信息；当所述标签为两个完全没有任何关系的标签时，可以根据这两个没有任何关系的标签分别确定对应的推荐信息。

举例来说，当确定出使用所述终端的用户的标签为视频类标签和网购类标签时，根据所述视频类标签确定对应的推荐信息为视频信息，根据所述网购类标签确定对应的推荐信息为网购类软件，并将所述视频信息和所述网购类软件推荐给所述终端。

本申请实施例提供的信息推荐方法，对终端上预设时间段内的操作数据进行语义分析处理，得到与所述全部操作数据对应的关键信息；对所述关键信息进行分类，得到与所述操作数据对应的标签；根据所述标签对所述终端进行信息推荐。如此，由于由于终端上预设时间段内的操作数据可以是用户使用终端时的任意一种操作数据，因此通过该预设时间段内的操作数据能够更加准确的刻画终端的用户画像，因此，所得到标签是与用户相似度较高的标签，所以能够为用户进行更有价值的信息的推荐。

图4为本申请实施例提供的信息推荐方法的一个可选的流程示意图，参见图4，所述方法包括以下步骤：

步骤s401，获取预设时间段内的操作数据。

这里，所述预设时间段可以为固定的一段时间，也可以是不固定的一段时间。当所述预设时间段固定时，本申请实施例可以是周期性的获取操作数据，当所述预设时间段不固定时，本申请实施例可以是非周期性的获取操作数据。所获取的操作数据可以是预设时间段内的全部操作数据。

步骤s402，对所述预设时间段内的操作数据进行过滤，得到过滤后的操作数据。

这里，可以采用特定的过滤方式对所述操作数据中的无效操作数据进行过滤，以保留有效的操作数据，即所述过滤后的操作数据。

举例来说，对于购物类app，可以根据用户对当前浏览商品的浏览时长进行过滤，则此时所述过滤方式即为浏览时长。例如，如果用户点击某一商品的链接之后，浏览的时长小于5秒，表明用户对该商品不感兴趣，或者表明用户并不想要购买该商品，用户是点击错误而进入该商品的商品介绍页面的，所以用户的浏览操作对应的操作数据即为所述无效操作数据，因此可以过滤掉该浏览操作对应的操作数据。

本申请实施例中，通过过滤掉无效操作数据，而保留有效的操作数据，这样在后续进行语义分析处理和分类的过程中，均是基于有效的操作数据进行处理，从而能够得到用户更加准确的标签。

步骤s403，对所述过滤后的操作数据进行语义分析处理，得到与所述过滤后的操作数据对应的至少一个关键信息。

这里，对所述过滤后的操作数据进行语义分析处理后得到的关键信息是与所述有效的操作数据对应的关键信息。

步骤s404，对所述关键信息进行分类，得到与所述过滤后的操作数据对应的至少一个标签。

这里，对与所述有效的操作数据对应的关键信息进行分类，得到至少一个标签，所得到的标签能够更加准确的刻画用户的画像。

步骤s405，根据所述至少一个标签对所述终端进行信息推荐。

本申请实施例提供的信息推荐方法，对所述预设时间段内的全部操作数据进行过滤，得到过滤后的操作数据；对所述过滤后的操作数据进行语义分析处理，得到与所述过滤后的操作数据对应的至少一个关键信息；对所述至少一个关键信息进行分类，得到与所述过滤后的操作数据对应的至少一个标签；根据所述至少一个标签对所述终端进行信息推荐。如此，通过过滤掉无效操作数据，而保留有效的操作数据，这样在后续进行语义分析处理和分类的过程中，均是基于有效的操作数据进行处理，从而能够得到用户更加准确的标签，更加准确的刻画终端的用户画像，所以能够为用户进行更有价值的信息的推荐。

图5为本申请实施例提供的信息推荐方法的一个可选的流程示意图，参见图5，所述方法包括以下步骤：

步骤s501，根据至少一个预设关键信息与预设标签之间的对应关系，形成预设分类模型。

这里，在获取操作数据之前首先进行建模，形成所述预设分类模型。其中，所述预设分类模型用于对关键信息进行分类，得到对应的标签。

本申请实施例中，所述预设分类模型可以是预设关键信息与预设标签之间的对应关系列表，在所述对应关系列表中，每一预设关键信息对应一个或多个预设标签，且每一预设标签也可以对应一个或多个预设关键信息。

所述预设关键信息可以包括不同领域或者不同专业的关键信息，所述预设关键信息可以是预先存储在服务器中的关键信息，所述预设关键信息可以根据用户的习惯改变和对知识领域的拓展进行扩充。所述预设标签是与所述预设关键信息对应的标签，所述预设标签用于描述所述预设关键信息所属的类别。

步骤s502，获取终端上预设时间段内的操作数据。

步骤s503，对所述操作数据进行语义分析处理，得到与所述操作数据对应的关键信息。

需要说明的是，步骤s502至步骤s503与上述步骤s301至步骤s302相同，本申请实施例不再赘述。

步骤s504，将所述关键信息输入至所述预设分类模型中进行分类处理，得到与所述操作数据对应的至少一个标签。

这里，将所述关键信息输入至所述预设分类模型中进行分类处理，通过所述预设分类模型对所述关键信息进行分类，是根据每一关键信息在所述对应关系列表中匹配与所述关键信息对应的预设标签，将匹配得到的至少一个预设标签确定为与所述操作数据对应的至少一个标签。

步骤s505，根据所述至少一个标签对所述终端进行信息推荐。

这里，根据所述至少一个标签对所述终端进行信息推荐可以是根据所述标签确定对应的推荐信息，并将所述推荐信息推荐给所述终端。

本申请实施例中，根据至少一个预设关键信息与预设标签之间的对应关系，形成预设分类模型，通过所述预设分类模型对所述至少一个关键信息进行分类，得到与所述全部操作数据对应的至少一个标签。如此，根据预先建立的分类模型能够准确的匹配出与全部操作数据对应的标签，从而能够的刻画用户的画像，为用户进行更加准确的信息推荐。

在一些实施例中，如图6a所示，为本申请实施例提供的信息推荐方法的一个可选的流程示意图，其中，所述方法包括以下步骤：

步骤s601，获取终端上预设时间段内的操作数据。

步骤s602，对所述操作数据进行语义分析处理，得到与所述操作数据对应的关键信息。

步骤s603，对所述关键信息进行分类，得到与所述操作数据对应的标签。

需要说明的是，步骤s601至步骤s603与上述步骤s301至步骤s303相同，本申请实施例不再赘述。

步骤s604，确定每一标签对应的优先级。

这里，所述优先级可以是根据每一标签与用户的实际情况的相符程度进行确定的，例如，所述优先级可以根据每一标签的权重进行确定。

步骤s605，确定每一标签对应的推荐信息。

这里，每一标签可以对应一个或多个推荐信息，所述推荐信息是与用户实际情况相符的信息，例如所述推荐信息是用户感兴趣的信息，或者，所述推荐信息是用户需要的信息。

步骤s606，按照每一标签的优先级，依次向所述终端推荐与对应标签对应的所述推荐信息。

这里，可以按照每一标签的优先级由高到低的顺序，依次向所述终端推荐与对应标签对应的所述推荐信息。

在一些实施例中，如图6b所示，为本申请实施例提供的信息推荐方法的一个可选的流程示意图，其中，所述方法包括以下步骤：

步骤s611，获取终端上预设时间段内的操作数据。

步骤s612，对所述操作数据进行语义分析处理，得到与所述操作数据对应的关键信息。

步骤s613，对所述关键信息进行分类，得到与所述操作数据对应的标签。

需要说明的是，步骤s611至步骤s613与上述步骤s301至步骤s303相同，本申请实施例不再赘述。

步骤s614，根据每一标签对应的操作数据的属性信息，确定对应标签的权重。

这里，所述属性信息包括以下至少之一：点击频率、使用时长、浏览时长等信息。

本申请实施例中，根据所述属性信息确定对应标签的权重，其中，与用户画像更加符合的标签的权重越高。举例来说，可以根据每一标签对应的操作数据的点击频率进行标签权重的确定，将点击频率较高的标签确定为具有较高权重的标签，将点击频率较低的标签确定为具有较低权重的标签。或者，也可以根据每一标签对应的操作数据的浏览时长进行标签权重的确定，将浏览时长较长的标签确定为具有较高权重的标签，将浏览时长较短的标签确定为具有较低权重的标签。

步骤s615，根据每一标签的所述权重，确定对应标签的优先级。

本申请实施例中，将具有较高权重的标签确定为具有较高优先级的标签。

步骤s616，根据每一标签的优先级，依次向所述终端推荐与对应标签对应的推荐信息。

这里，根据每一标签的优先级依次将与每一标签对应的推荐信息发送给所述终端，以完成对所述终端的信息推荐。

本申请实施例提供的信息推荐方法，根据每一标签对应的操作数据的属性信息，确定对应标签的权重，根据每一标签的所述权重，确定对应标签的优先级。这样，根据每一标签的优先级，可以按照优先级顺序依次进行信息推荐，从而能够保证将与用户画像更加符合的标签对应的推荐信息优先推荐给用户，提高推荐的准确性，提高用户体验。

在一些实施例中，如图7所示，为本申请实施例提供的信息推荐方法的一个可选的流程示意图，其中，所述方法包括以下步骤：

步骤s701，获取终端上预设时间段内的操作数据。

步骤s702，对所述操作数据进行语义分析处理，得到与所述操作数据对应的关键信息。

步骤s703，对所述关键信息进行分类，得到与所述操作数据对应的标签。

需要说明的是，步骤s701至步骤s703与上述步骤s301至步骤s303相同，本申请实施例不再赘述。

步骤s704，将所述终端上当前时刻处于运行状态的应用确定为目标应用。

所述终端上包括多个应用，在当前时刻，可以有一个或多个应用处于运行状态，其他应用处于非运行状态。其中，所述运行状态可以包括前台运行状态也可以包括后台运行状态。当某一应用处于运行状态，该应用处于开启状态；当某一应用处于非运行状态，该应用处于非开启状态。

本申请实施例中，将处于运行状态的应用确定为所述目标应用，即将处于开启状态的应用确定为所述目标应用。

步骤s705，根据至少一个标签，确定与所述目标应用对应的推荐信息。

这里，当确定出所述至少一个标签之后，所确定的每一标签对应的领域可能完全不同。并且，对于终端上的处于运行状态的多个目标应用，所针对的领域也可以不同。因此，本申请实施例中，可以根据每一标签所属的领域，确定与该标签所属领域对应的目标应用进行信息推荐。在实现的过程中，可以首先确定与该标签对应的推荐信息，然后将该标签对应的推荐信息确定为与该目标应用对应的推荐信息。

步骤s706，将所述推荐信息推荐给所述终端上的所述目标应用。

本申请实施例中，将所述终端上当前时刻处于运行状态的应用确定为目标应用，然后根据所述至少一个标签，确定与所述目标应用对应的推荐信息，对终端进行信息推荐，如此能够在当前时刻对用户正在使用的应用进行实时准确的推荐，用户可以在使用应用的时候获取到推荐信息，提高推荐的有效性。

在一些实施例中，如图8所示，为本申请实施例提供的信息推荐方法的一个可选的流程示意图，所述方法可以包括以下步骤：

步骤s801，向所述终端发送授权请求消息。

这里，所述授权请求消息用于请求终端用户开启所述终端的信息推荐功能。本申请实施例中，可以以弹窗的形式向终端发送所述授权请求消息，或者也可以在用户开机时或者在用户唤醒终端时，向终端发送所述授权请求消息。

步骤s802，当所述终端基于所述授权请求消息返回授权消息时，获取所述终端上预设时间段内的全部操作数据。

这里，当所述终端返回所述授权消息时，表明所述终端的用户愿意信息推荐系统对用户的终端进行信息推荐，因此，可以获取终端上的全部操作数据。

在一些实施例中，当所述终端在预设时间之内没有返回所述授权消息，或者，当用户通过所述终端返回不予授权消息时，表明用户担心信息泄露或者不愿意推荐信息打扰到自己，即不愿意信息系统对用户的终端进行操作数据的获取或者不愿意接收所述推荐信息，因此，不获取所述终端上的操作数据。

步骤s803，对所述操作数据进行语义分析处理，得到与所述操作数据对应的关键信息。

步骤s804，对所述关键信息进行分类，得到与所述操作数据对应的标签。

步骤s805，根据所述标签确定对应的推荐信息，并将所述推荐信息推荐给所述终端。

需要说明的是，步骤s803至步骤s805与上述步骤s302至步骤s304相同，本申请实施例不再赘述。

请继续参见图8，所述方法还可以包括以下步骤：

步骤s806，获取与所述推荐信息对应的用户操作。

在根据所得到的至少一个标签对所述终端进行信息推荐之后，获取用户关于所推荐的推荐信息的用户操作。这里，关于所推荐的推荐信息的用户操作可以是点击并浏览所述推荐信息对应的链接，或者，删除所述推荐信息，或者，对所述推荐信息不做任何操作。

步骤s807，根据所述用户操作对所述标签进行更新。

这里，当获取与所推荐的推荐信息对应的用户操作之后，可以根据该用户操作对用户的画像进行进一步细化，或者对用户的画像进行进一步更新，使得用户的画像更加符合用户实际情况。

本申请实施例中，当关于所推荐的推荐信息的用户操作是点击并浏览所述推荐信息对应的链接时，表明所推荐的推荐信息是用户感兴趣的信息，则可以进一步确定用户的喜好包括所推荐的推荐信息对应的标签；当关于所推荐的推荐信息的用户操作是删除所述推荐信息时，表明所推荐的推荐信息不是用户感兴趣的信息，则可以删除与所述推荐信息对应的标签；当关于所推荐的推荐信息的用户操作是对所述推荐信息不做任何操作，表明所推荐的推荐信息不一定是用户感兴趣的信息，因此可以删除与所述推荐信息对应的标签，或者，也可以暂时保留与所述推荐信息对应的标签，并对该标签对应的推荐信息进行二次推荐，如果二次推荐时的推荐信息用户仍然不做任何操作，则删除与二次推荐的推荐信息对应的标签。

本申请实施例提供的信息推荐方法，当用户对信息推荐功能授权时，才会获取终端上的操作数据，如此能够根据用户的需求为用户进行信息推荐，为用户提供更多选择，提高用户体验。另外，还可以根据用户对所推荐的推荐信息的进一步操作进行标签的更新，如此，能够使得当前的标签更加符合用户的喜好，进而能够为用户进行更加准确的信息推荐。

下面，将说明本申请实施例在一个实际的应用场景中的示例性应用。

本申请实施例提供一种信息推荐方法，可以打通各个应用的数据信息的共享，让用户在使用终端时更加智能化，本申请实施例可以通过收集的信息数据判断用户的兴趣爱好，并由此提供个性化服务。本申请实施例旨在解决用户需要花费过多精力查找所需信息的现状，提高用户查找有效资源的效率，给用户提供更便利的终端使用体验。

本申请实施例提出通过语义识别用户数据(即操作数据)整理方案，通过人工智能语义分析处理，对用户日常使用终端的所有数据进行整理分析，进行兴趣分类，对于不同类型数据采用不用的分析整理方法，细化分类，更加精准全面地刻画用户的画像，从而可以给用户推荐更多有价值的信息及功能。

本申请实施例主要针对当前用户使用手机终端时面对的信息量大无法过滤有效信息的一套数据整理方案。用户终端随着使用的时间越久，浏览的数据越来越多，如何有效地让智能终端更加智能地给用户提供有效地信息，成为智能终端的重中之重。本申请实施例通过ai语义分析处理的数据整理方案来对用户终端浏览数据进行智能分类，刻画精准全面的用户画像，从而给用户推荐更多有效信息及服务。当匹配到推荐方案的用户时，首先将该用户移至对应的大标签上，然后根据用户的进一步选择进行更细化的分类。不断循环分析和处理不同时期用户的信息从而得出该时期用户最需要的信息及服务。

如图9所示，为本申请实施例提供的信息推荐方法的一个可选的流程示意图，所述方法包括以下步骤：

步骤s901，对获取的用户数据进行语义分析，得到用户的关键信息。

步骤s902，对用户的关键信息进行分析，并对所述用户贴标签。

步骤s903，根据所述标签对所述用户进行个性化信息推荐，将推荐信息推荐给用户。

步骤s904，根据用户对个性化推荐的使用情况再进行循环分析，并循环执行步骤s903。

在一些实施例中，对数据进行整理并进行个性化推荐。其中，对所述关键信息进行分类，例如，可以分为资讯类、视频类、游戏类、社交类、音乐类、金融类和网购类等。根据不同的标签对用户进行自动分类然后在进行细化分类。本申请实施例中，数据整理分类流程如图10所示：

步骤s1001，对获取的操作数据进行ai分析处理，得到至少一个关键信息。

步骤s1002，对所述至少一个关键信息进行分类。

步骤s1003，根据分类结果，制定标签。

图10中示出了对所述关键信息进行分类所得到的七种类别：资讯类、视频类、游戏类、社交类、音乐类、金融类和网购类。

步骤s1004，针对每一标签进行信息推荐。

这里，对应图10中示出的七种类别：资讯类、视频类、游戏类、社交类、音乐类、金融类和网购类，其中，每一类别对应的信息推荐过程，对应以下步骤：

步骤s1004a，对于资讯类标签，向用户推荐标签咨询。

步骤s1004b，对于视频类标签，标签明星和题材，并进行视频推荐。

步骤s1004c，对于游戏类标签，推送游戏攻略。

步骤s1004d，对于社交类标签，推荐相似好友。

步骤s1004e，对于音乐类标签，制定个性歌单并推荐。

步骤s1004f，对于金融类标签，制定利润最大化方案并推荐。

步骤s1004g，对于网购类标签，推荐商品以刺激消费。

举例来说，对于上述七种类别，在数据整理推荐时，其场景如下：

(1)资讯类：可以通过分析用户浏览的微博、公众号、知乎等数据之后，经过ai分析，给用户打上标签，然后根据这些标签，给用户推荐这个标签下的更多内容给用户，让用户能够更好地获取他关心的资讯。如图11a所示，其推荐过程包括以下步骤：

步骤s1101，通过ai语义分析，分析微博、公众号、知乎等的浏览数据。

步骤s1102，根据分析结果，给用户贴标签。

步骤s1103，根据标签向用户推荐与标签对应的内容。

(2)视频类：分为两个部分。第一部分是新兴的短视频，代表的有抖音、快手，第二部分是传统的长视频，例如，综艺节目、电视剧、电影等。短视频具有较强的潮流性，它范围大、涉及面广，通过用户对短视频的使用情况可以推断出用户的性格特点，还能推断出用户对某一类事物的喜欢程度，从而给用户打上特定的标签。传统长视频，如综艺节目、电视剧、电影等，通过用户的观看记录、观看时长和观看次数可以反映出用户对某类题材的电视剧或电影的喜爱程度，从而给用户打上特定的标签，进而给用户推荐更多相关题材的视频。此外，也可以反映出用户对某位明星的喜爱，给该用户推送较多该明星的消息，满足用户需求。如图11b所示，其推荐过程包括以下步骤：

步骤s1111，对获取的用户观看记录进行分类处理，分为长视频和短视频。

步骤s1112，通过匹配整理策略，分别对长视频和短视频进行匹配整理，确定出用户喜欢的题材与明星，或者，确定用户性格特点和基本身份。

步骤s1113，根据匹配整理的结果，向用户推送兴趣相关的内容。

(3)游戏类：如英雄联盟、绝地求生、王者荣耀等。通过对用户经常玩的游戏信息进行分析，给用户推荐较多该游戏的相关攻略，提高用户的游戏体验。如图11c所示，其推荐过程包括以下步骤：

步骤s1121，通过匹配整理策略，对所获取的用户游戏信息进行匹配整理，得出用户的游戏爱好。

步骤s1122，根据所述游戏爱好，推荐符合用户的游戏攻略。

(4)社交类：通过聊天交友的方式，如通过用户使用微信、qq、陌陌等聊天软件提交的个人信息和用户的聊天记录等，分析得出用户的性格特征与真实的个人信息。进而给他推荐和他们性格相同的好友，增强用户使用软件的粘度性。如图11d所示，其推荐过程包括以下步骤：

步骤s1131，通过匹配整理策略，对所获取的个人信息和聊天记录进行匹配整理，分析出用户的性格特点。

步骤s1132，根据所述用户的性格特点，向用户推荐性格相同的其他用户。

(5)音乐类：通过对用户在终端上播放的音乐，根据用户收听音乐的时长、音乐类型、歌手等信息，对用户喜欢的音乐ai分析并打上标签，根据标签匹配云端策略，进而推荐符合用户兴趣的音乐，减少用户搜索音乐的时间。如图11e所示，其推荐过程包括以下步骤：

步骤s1141，确定用户喜欢的音乐。

步骤s1142，通过匹配整理策略，对用户喜欢的音乐进行匹配整理，得出用户喜欢的音乐类型。

步骤s1143，向用户推送更多该类型的音乐。

(6)金融类：微信支付、支付宝等移动支付改变用户的支付习惯，通过对用户资金交易情况的分析，给用户提供更多的开支建议，帮助用户开源节流。炒股和理财类软件根据用户的使用情况给用户推荐更适合他们的理财方案，降低金融风险。如图11f所示，其推荐过程包括以下步骤：

步骤s1151，收集用户的金融数据。

步骤s1152，通过ai分析对所述金融数据进行分析。

步骤s1153，将分析结果与云端金融策略进行匹配。

步骤s1154，根据匹配结果，为用户提供开支建议。

步骤s1155，根据匹配结果，为用户推荐理财方案。

(7)网购类：通过用户的搜索记录对品牌和价格进行分析给用户推荐适合用户的物品，此外，根据用户对某一物品的浏览次数也可以给用户提供优惠券，刺激用户消费。不仅满足用户需求也带动产品销量，也给店家继续做下去的动力。如图11g所示，其推荐过程包括以下步骤：

步骤s1161，通过匹配整理策略，对所获取的用户搜索记录进行匹配整理，分析用户的喜欢类型。

步骤s1162，追踪用户的消费行为。

步骤s1163，根据用户的喜欢类型和消费行为，为用户提供优惠，刺激消费。

在一些实施例中，在进行整理策略下发时，云端下发的整理策略，会不断地迭代更新，以便适应更多新类型的用户标签。本申请实施例会通过不同的策略的来源对云端整理策略进行完善，让数据整理策略更加精准。其中，数据整理策略来源主要有以下三种：

第一种，ai语义分析，是通过对用户经常搜索内容的学习，分析理解用户的想法，以便对用户的类型打标签，通过不同的标签对用户分类进行不同数据整理策略的更新。

第二种，大数据分析，通过对用户大数据的分析，进行标签的整理分类，以便覆盖更多地用户数据分析。

第三种，用户反馈，用户可以通过对推荐内容进行评分，进行反馈，对于评分低的内容我们会通过分析纳入整理推荐策略，以便更加精准地服务更多用户。

图12为本申请实施例数据整理策略来源的流程示意图，如图12所示，所述流程包括：

步骤s1201，通过ai语义分析或者大数据分析或者用户反馈获取数据整理策略，并得到整理及推荐策略。

步骤s1202，根据所述整理及推荐策略向用户终端进行数据整理及推荐。

本申请实施例中，在进行语义分析之前，首先会请求用户是否给予授权，在经过用户的授权后再进行语义分析，如果用户不给予授权那将会禁止语义分析。这样做的目的是防止某些时候在用户不知情的情况下，导致用户重要信息丢失的问题。用户也可以随时按自己的意愿进行调整，使用户更有安全感。如图13所示，为本申请实施例进行授权的实现流程示意图。

步骤s1301，向用户发送语义分析的授权请求消息。

步骤s1302，判断用户是否同意授权。

如果判断结果为是，则执行步骤s1303，如果判断结果为否，则结束流程。

步骤s1303，进行语义分析。

在进行语义分析的过程中，如果用户选择禁止语义分析，则结束语义分析过程。

本申请实施例通过对用户终端的使用数据进行ai语义分析处理，对数据进行自动整理分类，并给用户打上标签，刻画精准用户画像，然后根据用户画像推荐用户感兴趣的资讯、音乐、视频、理财方案等等。这一整套方案极大地提升了用户体验，用户不需要花费大量时间逐个查找所需信息，提升了用户做事效率，让用户在使用终端时更加智能化。

下面继续说明本申请实施例提供的信息推荐装置254的实施为软件模块的示例性结构，在一些实施例中，如图2所示，存储在存储器250的信息推荐装置254中的软件模块可以包括：获取模块2541、语义分析处理模块2542、分类模块2543和推荐模块2544。

获取模块2541，用于获取终端上预设时间段内的操作数据；

语义分析处理模块2542，用于对所述操作数据进行语义分析处理，得到与所述操作数据对应的关键信息；

分类模块2543，用于对所述关键信息进行分类，得到与所述操作数据对应的标签；

推荐模块2544，用于根据所述标签确定对应的推荐信息，并将所述推荐信息推荐给所述终端。

在一些实施例中，所述装置还包括：过滤模块，用于对所述预设时间段内的操作数据进行过滤，得到过滤后的操作数据；对应地，所述语义分析处理模块还用于：对所述过滤后的操作数据进行语义分析处理，得到与所述过滤后的操作数据对应的关键信息。

在一些实施例中，所述装置还包括：形成模块，用于根据至少一个预设关键信息与预设标签之间的对应关系，形成预设分类模型；对应地，所述分类模块还用于：将所述关键信息输入至所述预设分类模型中进行分类处理，得到与所述操作数据对应的至少一个标签。

在一些实施例中，所述装置还包括：确定模块，用于确定每一标签对应的优先级；对应地，所述推荐模块还用于：确定每一标签对应的推荐信息；按照每一标签的优先级，依次向所述终端推荐与对应标签对应的所述推荐信息。

在一些实施例中，所述确定模块还用于：根据每一标签对应的操作数据的属性信息，确定对应标签的权重；根据每一标签的所述权重，将具有较高权重的标签确定为具有较高的优先级。

在一些实施例中，所述推荐模块还用于：将所述终端上当前时刻处于运行状态的应用确定为目标应用；根据所述至少一个标签，确定与所述目标应用对应的推荐信息；将所述推荐信息推荐给所述终端上的所述目标应用。

在一些实施例中，所述装置还包括：第一获取模块，用于在将所述推荐信息推荐给所述终端之后，获取与所述推荐信息对应的用户操作；更新模块，用于根据所述用户操作对所述标签进行更新。

在一些实施例中，所述装置还包括：发送模块，用于在获取终端上预设时间段内的操作数据之前，向所述终端发送授权请求消息；第二获取模块，用于当所述终端基于所述授权请求消息返回授权消息时，获取所述终端上预设时间段内的全部操作数据。

需要说明的是，本申请实施例装置的描述，与上述方法实施例的描述是类似的，具有同方法实施例相似的有益效果，因此不做赘述。对于本装置实施例中未披露的技术细节，请参照本申请方法实施例的描述而理解。

本申请实施例提供一种存储有可执行指令的存储介质，其中存储有可执行指令，当可执行指令被处理器执行时，将引起处理器执行本申请实施例提供的方法，例如，如图3示出的方法。

在一些实施例中，存储介质可以是铁电存储器(ferromagneticrandomaccessmemory，fram)、只读存储器(readonlymemory，rom)、可编程只读存储器(programmablereadonlymemory，prom)、可擦除可编程只读存储器(erasableprogrammablereadonlymemory，eprom)、带电可擦可编程只读存储器(electricallyerasableprogrammablereadonlymemory，eeprom)、闪存、磁表面存储器、光盘、或光盘只读存储器(compactdisk-readonlymemory，cd-rom)等存储器；也可以是包括上述存储器之一或任意组合的各种设备。

在一些实施例中，可执行指令可以采用程序、软件、软件模块、脚本或代码的形式，按任意形式的编程语言(包括编译或解释语言，或者声明性或过程性语言)来编写，并且其可按任意形式部署，包括被部署为独立的程序或者被部署为模块、组件、子例程或者适合在计算环境中使用的其它单元。

作为示例，可执行指令可以但不一定对应于文件系统中的文件，可以可被存储在保存其它程序或数据的文件的一部分，例如，存储在超文本标记语言(hypertextmarkuplanguage，html)文档中的一个或多个脚本中，存储在专用于所讨论的程序的单个文件中，或者，存储在多个协同文件(例如，存储一个或多个模块、子程序或代码部分的文件)中。

作为示例，可执行指令可被部署为在一个计算设备上执行，或者在位于一个地点的多个计算设备上执行，又或者，在分布在多个地点且通过通信网络互连的多个计算设备上执行。

以上所述，仅为本申请的实施例而已，并非用于限定本申请的保护范围。凡在本申请的精神和范围之内所作的任何修改、等同替换和改进等，均包含在本申请的保护范围之内。