数据更新方法、装置、电子设备和计算机可读介质与流程

1.本公开的实施例涉及计算机技术领域，具体涉及数据更新方法、装置、电子设备和计算机可读介质。


背景技术：

2.协同过滤，简单来说一般是利用某兴趣相投、拥有共同经验之群体的喜好来推荐用户感兴趣的信息。个人通过合作的机制给予信息相当程度的回应(如评分)并记录下来以达到过滤的目的进而帮助别人筛选信息。回应不一定局限于特别感兴趣的，特别不感兴趣信息的纪录也相当重要。
3.这种推荐方式通常存在以下一些问题：
4.第一、实时性较差，数据更新效率低。由于数据总在变化，并且改变的数据往往只是所有数据中很小的一部分。因此只为了这一小部分数据的更新对一个包含几百万甚至上千万的数据做一个全新的复制(重新加载全量数据对模型进行更新)，是非常低效的。一般是每几天或更久的时间更新一次模型。
5.第二、计算成本较高。一般需要将所有用户、物品和偏好数据全部加载到内存中进行相似度计算。当数据量非常庞大时，计算所有用户的相似度值的成本是非常高昂的(即对中央处理器、内存的占用较高)。


技术实现要素：

6.本公开的内容部分用于以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。本公开的一些实施例提出了数据更新方法、装置、电子设备和计算机可读介质，来解决以上背景技术部分提到的技术问题中的一项或多项。
7.第一方面，本公开的一些实施例提供了一种数据更新方法，该方法包括：对获取的用户行为日志进行处理，得到目标数据；根据目标数据，变更时间记录文件和行为记录文件集合中相关行为记录文件中的数据，其中，时间记录文件中存储有行为发生在预设时间段内的各用户数据，行为记录文件集合中的各行为记录文件中存储有不同用户的行为数据；响应于确定当前时间达到更新时间，根据时间记录文件，确定预设时间段内是否存在数据变更；响应于确定存在，根据时间记录文件和行为记录文件集合，对倒排索引文件进行更新。
8.在一些实施例中，目标数据包括用户标识、行为内容的内容标识和行为时间；以及行为记录文件集合中的行为记录文件的文件名称为用户标识，文件内容包括行为内容的内容标识和行为时间；时间记录文件的文件名称为预设时间段，文件内容包括用户标识。
9.在一些实施例中，响应于确定存在，根据时间记录文件和行为记录文件集合，对倒排索引文件进行更新，包括：从时间记录文件中获取数据发生变更的用户标识集合；对于用
户标识集合中的每个用户标识，从行为记录文件集合中选取出与用户标识相对应的行为记录文件，根据选取出的行为记录文件生成用户标识所指示的用户的更新数据；根据所生成的各个更新数据，对倒排索引文件进行更新。
10.在一些实施例中，根据选取出的行为记录文件生成用户标识所指示的用户的更新数据，包括：根据选取出的行为记录文件中的用户标识和至少一个内容标识，生成用户标识所指示的用户的更新数据。
11.在一些实施例中，根据目标数据，变更时间记录文件和行为记录文件集合中相关行为记录文件中的数据，包括：确定行为记录文件集合中是否存在目标行为记录文件，其中，目标行为记录文件的文件名称为目标数据中的用户标识；响应于确定存在，确定目标行为记录文件中是否包含目标内容标识，其中，目标内容标识为目标数据中的内容标识；响应于确定包含，将目标内容标识对应的行为时间变更为目标数据中的行为时间。
12.在一些实施例中，根据目标数据，变更时间记录文件和行为记录文件集合中相关行为记录文件中的数据，还包括：响应于确定不包含，将目标数据中的内容标识和行为时间添加到目标行为记录文件中；确定目标行为记录文件中的记录数量是否达到预设数量；响应于确定达到，删除目标行为记录文件中行为时间最早的记录。
13.在一些实施例中，根据目标数据，变更时间记录文件和行为记录文件集合中相关行为记录文件中的数据，还包括：确定目标数据中的行为时间是否位于预设时间段内；响应于确定位于，确定时间记录文件中是否包含目标数据中的用户标识；响应于确定不包含，将目标数据中的用户标识添加到时间记录文件中。
14.在一些实施例中，该方法还包括：从倒排索引文件中获取目标用户的内容标识列表；将内容标识列表中预设位置的内容标识作为查询信息，从倒排索引文件中获取包含查询信息的内容标识列表集合；基于内容标识列表集合，生成目标用户的推荐内容标识列表。
15.在一些实施例中，基于内容标识列表集合，生成目标用户的推荐内容标识列表，包括：对内容标识列表集合中各内容标识列表中的各内容标识进行聚合，得到内容标识组集合；去除内容标识组集合中包含内容标识列表中的内容标识的内容标识组，得到候选内容标识组集合；根据组内候选内容标识的数量，对候选内容标识组集合中各候选内容标识组进行排序，以及根据排序结果生成目标用户的推荐内容标识列表。
16.在一些实施例中，对获取的用户行为日志进行处理，得到目标数据，包括：确定获取的用户行为日志中是否包括表征目标行为的数据；响应于确定包括，提取用户行为日志中的关键数据以生成目标数据。
17.第二方面，本公开的一些实施例提供了一种数据更新装置，该装置包括：处理单元，被配置成对获取的用户行为日志进行处理，得到目标数据；变更单元，被配置成根据目标数据，变更时间记录文件和行为记录文件集合中相关行为记录文件中的数据，其中，时间记录文件中存储有行为发生在预设时间段内的各用户数据，行为记录文件集合中的各行为记录文件中存储有不同用户的行为数据；变更确定单元，被配置成响应于确定当前时间达到更新时间，根据时间记录文件，确定预设时间段内是否存在数据变更；更新单元，被配置成响应于确定存在，根据时间记录文件和行为记录文件集合，对倒排索引文件进行更新。
18.在一些实施例中，目标数据包括用户标识、行为内容的内容标识和行为时间；以及行为记录文件集合中的行为记录文件的文件名称为用户标识，文件内容包括行为内容的内
容标识和行为时间；时间记录文件的文件名称为预设时间段，文件内容包括用户标识。
19.在一些实施例中，更新单元进一步被配置成从时间记录文件中获取数据发生变更的用户标识集合；对于用户标识集合中的每个用户标识，从行为记录文件集合中选取出与用户标识相对应的行为记录文件，根据选取出的行为记录文件生成用户标识所指示的用户的更新数据；根据所生成的各个更新数据，对倒排索引文件进行更新。
20.在一些实施例中，更新单元进一步被配置成根据选取出的行为记录文件中的用户标识和至少一个内容标识，生成用户标识所指示的用户的更新数据。
21.在一些实施例中，变更单元包括第一变更子单元，被配置成：确定行为记录文件集合中是否存在目标行为记录文件，其中，目标行为记录文件的文件名称为目标数据中的用户标识；响应于确定存在，确定目标行为记录文件中是否包含目标内容标识，其中，目标内容标识为目标数据中的内容标识；响应于确定包含，将目标内容标识对应的行为时间变更为目标数据中的行为时间。
22.在一些实施例中，第一变更子单元还被配置成：响应于确定不包含，将目标数据中的内容标识和行为时间添加到目标行为记录文件中；确定目标行为记录文件中的记录数量是否达到预设数量；响应于确定达到，删除目标行为记录文件中行为时间最早的记录。
23.在一些实施例中，变更单元还包括第二变更子单元，被配置成：确定目标数据中的行为时间是否位于预设时间段内；响应于确定位于，确定时间记录文件中是否包含目标数据中的用户标识；响应于确定不包含，将目标数据中的用户标识添加到时间记录文件中。
24.在一些实施例中，该装置还包括：获取单元，被配置成从倒排索引文件中获取目标用户的内容标识列表；查询单元，被配置成将内容标识列表中预设位置的内容标识作为查询信息，从倒排索引文件中获取包含查询信息的内容标识列表集合；生成单元，被配置成基于内容标识列表集合，生成目标用户的推荐内容标识列表。
25.在一些实施例中，生成单元还包括：聚合子单元，被配置成对内容标识列表集合中各内容标识列表中的各内容标识进行聚合，得到内容标识组集合；去除子单元，被配置成去除内容标识组集合中包含内容标识列表中的内容标识的内容标识组，得到候选内容标识组集合；生成子单元，被配置成根据组内候选内容标识的数量，对候选内容标识组集合中各候选内容标识组进行排序，以及根据排序结果生成目标用户的推荐内容标识列表。
26.在一些实施例中，处理单元进一步被配置成确定获取的用户行为日志中是否包括表征目标行为的数据；响应于确定包括，提取用户行为日志中的关键数据以生成目标数据。
27.第三方面，本公开的一些实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现上述第一方面中任一实现方式所描述的方法。
28.第四方面，本公开的一些实施例提供了一种计算机可读介质，其上存储有计算机程序，其中，程序被处理器执行时实现上述第一方面中任一实现方式所描述的方法。
29.本公开的上述各个实施例具有如下有益效果：本公开的一些实施例的数据更新方法能够有效提高倒排索引文件(相当于查询文件)中数据的实时性。具体来说，造成协同过滤技术的实时性较差的原因在于：每次更新需要全量刷新数据。基于此，本公开的一些实施例的数据更新方法中的时间记录文件和行为记录文件集合中的行为记录文件可以实现用户行为数据中关键数据的实时记录。在达到更新时间时，可以根据这些文件对倒排索引文
件进行批量地增量更新。也因为有了时间记录文件和行为记录文件集合，可以大大降低倒排索引文件的更新次数。这样不仅可以保证数据的实时性，还可以提高数据的更新效率。
附图说明
30.结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，元件和元素不一定按照比例绘制。
31.图1是本公开的一些实施例可以应用于其中的示例性系统的架构图；
32.图2是根据本公开的数据更新方法的一些实施例的流程图；
33.图3是根据本公开的数据更新方法的另一些实施例的流程图；
34.图4是根据本公开的一些实施例的数据更新方法的一个应用场景的示意图；
35.图5是根据本公开的数据更新装置的一些实施例的结构示意图；
36.图6是适于用来实现本公开的一些实施例的电子设备的结构示意图。
具体实施方式
37.下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例。相反，提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。
38.另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。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。
39.需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
40.需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。
41.本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。
42.下面将参考附图并结合实施例来详细说明本公开。
43.图1示出了可以应用本公开的一些实施例的数据更新方法或数据更新装置的示例性系统架构100。
44.如图1所示，系统架构100可以包括终端设备101、网络102、服务器103和数据库服务器104、105。网络102可以用以在终端设备101、服务器103和数据库服务器104、105之间提供通信链路的介质。网络102可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
45.用户可以使用终端设备101通过网络102与服务器103和数据库服务器104、105进行交互，以接收或发送消息等。终端设备101上可以安装有各种客户端应用，例如网页浏览器、文章(或小说)类应用、购物类应用和即时通讯工具等。
46.这里的终端设备101可以是硬件，也可以是软件。当终端设备101为硬件时，可以是具有显示屏的各种电子设备，包括但不限于智能手机、平板电脑、电子书阅读器、膝上型便
携计算机和台式计算机等等。当终端设备101为软件时，可以安装在上述所列举的电子设备中。其可以实现成例如用来提供分布式服务的多个软件或软件模块，也可以实现成单个软件或软件模块。在此不做具体限定。
47.数据库服务器104、105可以是可以是对终端设备101所安装的应用提供数据支持，并对应用中的用户行为日志进行存储的服务器。
48.服务器103可以是提供各种服务的服务器，例如可以是对应用平台的搜索引擎提供支持的后台服务器。后台服务器可以从数据库服务器104、105中实时获取用户行为日志，从而变更时间记录文件和相关行为记录文件。进而基于这些文件可以定时对搜索引擎中的倒排索引文件进行更新。以及后台服务器还可以基于更新后的倒排索引文件，模拟协同过滤生成推荐信息(如推荐内容标识列表)，并且可以将推荐信息发送给终端设备101。
49.这里的服务器103和数据库服务器104、105同样可以是硬件，也可以是软件。当服务器103和数据库服务器104、105为硬件时，可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器。当服务器103和数据库服务器104、105为软件时，可以实现成例如用来提供分布式服务的多个软件或软件模块，也可以实现成单个软件或软件模块。在此不做具体限定。
50.需要说明的是，本公开的实施例所提供的方法可以由服务器103执行，也可以由终端设备101执行。相应地，装置可以设置于服务器103中，也可以设置于终端设备101中。在此不做具体限定。
51.需要说明的是，在服务器103具备数据库服务器104、105的功能的情况下，系统架构100中也可以不设置数据库服务器104、105。
52.应该理解，图1中的终端设备、网络、服务器和数据库服务器的数目仅仅是示意性的。根据实际需要，可以具有任意数目的终端设备、网络、服务器和数据库服务器。
53.继续参考图2，示出了根据本公开的数据更新方法的一些实施例的流程200。该方法包括以下步骤：
54.步骤201，对获取的用户行为日志进行处理，得到目标数据。
55.在一些实施例中，数据更新方法的执行主体(例如图1中所示的服务器103)可以通过多种方式来获取不同应用中的用户行为日志。例如，执行主体可以通过有线连接或无线连接的方式，从数据库服务器(例如图1中所示的数据库服务器104、105)或云端等获取。又例如，可以通过在前端埋点，收集用户行为日志。执行主体可以对接现有数据处理技术，来实时收集和消费用户行为日志。
56.可以理解的是，这些应用可以是同一管理平台下的不同站点(或应用)，如帮助中心站点、学习中心站点、规则中心站点、用户(商家)讨论站点、在线学习站点等。所有站点可以基于管理平台进行统一管理。并且为了便于管理，这些应用中的内容(如文章、商品)具有全局唯一的标识，即在管理平台上具有唯一的内容标识。这里的内容标识可以是数字、字母、文字或符号中的至少一种，如内容id(identity document，身份标识号)。上述用户行为日志可以是用户访问应用而产生的行为数据，如浏览、点击、收藏、点赞、评论了哪些文章。
57.在一些实施例中，执行主体可以确定获取的用户行为日志中是否包括表征目标行为的数据。其中，目标行为可以为上述任意行为，如浏览(或点击)行为。在确定包括表征目标行为的数据时，执行主体可以提取用户行为日志中的关键数据以生成目标数据。作为示
例，目标数据可以包括但不限于以下至少一项：用户标识(如用户id)、行为内容的内容标识和行为时间等。这样可以对用户行为日志进行筛选，不仅有助于提高数据处理效率，也有利于提升后续向用户推荐内容的准确度。
58.可选地，在确定包括表征目标行为的数据时，执行主体可以进一步确定用户行为日志中目标行为的操作时长是否达到预设时长。在确定达到的情况下，执行主体可以提取用户行为日志中的关键数据以生成目标数据。例如若用户点击浏览某文章的时长超过10秒，则说明该用户不是误点击或者用户对这篇文章感兴趣。这样根据该条用户行为日志得到的目标数据才是所需要的数据，从而可以进一步提升后续向用户推荐内容的准确度。
59.需要说明的是，由于不同应用产生的用户行为日志的信息格式有可能不尽相同。因此执行主体在获取到用户行为日志时，可以先进行信息格式转换，即转换为执行主体可读格式(或统一格式)。这样也有助于后续数据处理。
60.步骤202，根据目标数据，变更时间记录文件和行为记录文件集合中相关行为记录文件中的数据。
61.在一些实施例中，基于步骤201得到的目标数据，执行主体可以变更时间记录文件中的数据以及行为记录文件集合中相关行为记录文件中的数据。在这里，时间记录文件中存储有行为发生在预设时间段内的各用户数据。行为记录文件集合中的各行为记录文件中存储有不同用户的行为数据。即不同的行为记录文件中存储有不同用户的行为数据。这里的预设时间段的时长可以根据实际需求进行设置，如几分钟或一个小时等。而为了便于后续倒排索引文件的更新，预设时间段可以与更新周期相对应。也就是说，预设时间段可以为相邻两个更新时间之间的时间段或之间的任意时间段。
62.作为示例，行为记录文件集合中的行为记录文件的文件名称可以与用户标识有关(如文件名称为用户标识)，而文件内容可以包括行为内容的内容标识和行为时间。这样不仅可以实现行为记录文件的有效区分，也有助于减少文件所需存储的关键数据的数据量。
63.在这种情况下，首先，执行主体可以确定行为记录文件集合中是否存在目标行为记录文件。其中，目标行为记录文件的文件名称可以为目标数据中的用户标识。若确定存在，则之后执行主体可以确定目标行为记录文件中是否包含目标内容标识。其中，目标内容标识为目标数据中的内容标识。若确定包含，则说明该用户此前有过该行为内容的操作。此时，执行主体可以将目标内容标识对应的行为时间变更为目标数据中的行为时间。
64.可选地，若确定不包含，则说明该用户此前没有该行为内容的操作。此时，执行主体可以将目标数据中的内容标识和行为时间添加到目标行为记录文件中。另外，为了保证数据的实时性和有效性，执行主体可以进一步确定目标行为记录文件中的记录数量是否达到预设数量(如20)。若确定达到，则执行主体可以删除目标行为记录文件中行为时间最早的记录。这样可以进一步减少内存空间的占用。同时由于保留了用户最近的行为内容的记录，也有利于提升后续(向该用户或其他用户)推荐内容的准确性。
65.可以理解的是，若行为记录文件集合中不存在目标行为记录文件，则执行主体可以按照以上描述来创建目标行为记录文件，并将目标数据中的内容标识和行为时间添加到目标行为记录文件中。
66.在一些实施例中，上述时间记录文件的文件名称可以与预设时间段有关(如名称为预设时间段)，而文件内容可以包括用户标识。此时，执行主体首先可以确定目标数据中
的行为时间是否位于预设时间段内。若确定位于，则接着可以确定时间记录文件中是否包含目标数据中的用户标识。若确定不包含，则可以将目标数据中的用户标识添加到时间记录文件中。若确定包含，则执行主体可以不进行任何操作。
67.可选地，时间记录文件的文件内容中也可以包括行为时间。在这种情况下，若确定包含，则执行主体可以将该用户标识对应的行为时间变更为目标数据中的行为时间，或者也可以不做行为时间的变更。只要记录该用户标识第一次添加到时间记录文件中对应的行为时间即可，即该用户标识所指示的用户在预设时间段内第一次执行目标行为的行为时间。这样在保证数据实时性的同时，可以减少执行主体的处理过程，从而提高处理效率。
68.在一些应用场景中，执行主体可以利用redis(remote dictionary server，远程字典服务)来实时记录数据变化。例如对于行为记录文件，每个用户可以对应redis中的一个有序集合对象(zset，sorted set)。集合的key(键值对中的键)可以为user：{用户标识}。集合中的成员(member)可以为内容标识，集合中的分值(score)可以为行为时间。在文件中，日期格式会转换成时间戳格式，同时要保证集合中成员(如文章id)的唯一性。另外，为了提高数据的读取效率，文件中的记录可以按照时间戳由大到小的顺序排列。
69.作为示例，用户100061在2021-08-28 14：03：28看了文章66。此时，通过redis命令(zadd user：100061 1630130608000 66)可以将数据存储到该用户的行为记录文件中，如下表所示：
[0070][0071]
再例如对于时间记录文件，每个小时可以对应一个有序集合对象。集合的key可以为changes：{年月日小时}。集合中的成员可以为用户标识，集合中的分值可以为行为时间。同时要保证集合中成员(如用户id)的唯一性。
[0072]
作为示例，用户100061在2021-08-28 14：03：28看了文章66。通过redis命令(zadd change：2021082814 1630130608000 100061)可以在文件中第一次添加成员100061。若用户100061在2021-08-2814：05：26看了文章78。由于文件中已存在该成员，所以通过redis命令(zadd change：2021082814 1630130726000 100061)可以对其时间戳进行更新。时间记录文件的数据格式如下表所示：
[0073][0074]
对于上述步骤201和202的处理过程，执行主体可以对接流式计算平台(如京东流式计算平台jrc)进行数据处理和变更。
[0075]
步骤203，响应于确定当前时间达到更新时间，根据时间记录文件，确定预设时间段内是否存在数据变更。
[0076]
在一些实施例中，在确定当前时间达到更新时间时，执行主体可以根据上述时间记录文件，来确定预设时间段内是否存在数据变更。也就是说，确定时间记录文件中是否有记录数据。若有记录，则可以说明存在数据变更。此时，执行主体可以继续执行步骤204。若没有记录，则说明不存在数据变更。
[0077]
步骤204，响应于确定存在，根据时间记录文件和行为记录文件集合，对倒排索引文件进行更新。
[0078]
在一些实施例中，若步骤203中确定存在数据变更，则执行主体可以根据时间记录文件和行为记录文件集合，对倒排索引文件进行更新。
[0079]
可选地，首先，执行主体可以从时间记录文件中获取数据发生变更的用户标识集合。接着，对于用户标识集合中的每个用户标识，可以从行为记录文件集合中选取出与该用户标识相对应的行为记录文件，如文件名称为该用户标识的行为记录文件。并且根据选取出的行为记录文件，可以生成该用户标识所指示的用户的更新数据。例如，执行主体可以根据文件中的用户标识和至少一个内容标识，来生成用户的更新数据。在这里，更新数据中的内容标识可以是文件中包含的所有内容标识，也可以是对应的行为时间排列在前的多个内容标识。之后，根据所生成的各个更新数据，执行主体可以对倒排索引文件进行更新。其中，倒排索引文件的结构可以如下表所示：
[0080][0081]
在倒排索引文件中，与每个用户标识所关联的各内容标识之间按照行为时间(时间戳)的先后顺序依次排序。由以上描述可知，通过步骤203和204可以完成请求合并。即可以将多个单个请求合并成一个批量请求。这样可以减少倒排索引文件的更新频率，减少执行主体的压力，提高处理效率。
[0082]
在一些实施例中，为了进一步提高更新效率，执行主体可以通过分页查询来获取数据发生变更的用户标识集合。并且将每页所包含的用户标识为一组，来构建倒排索引文件的批量插入请求。
[0083]
本公开的一些实施例提供的数据更新方法提出了一种结合redis和倒排索引来实现推荐系统中的协同过滤技术，从而克服了协同过滤技术的实时性较差的问题。通过将数据更新分成两个阶段：第一阶段通过时间记录文件和行为记录文件，来实现用户行为数据的变更记录；第二阶段定期对倒排索引文件进行更新。第一阶段可以利用redis作为缓冲层，可以支持高并发。而第二阶段可以在第一阶段的基础上进行请求合并。也因为redis缓冲层的存在，第二阶段的更新请求次数往往会远远小于第一阶段。这样不仅保证了数据的实时性，也降低了数据的更新频率，提升更新效率。
[0084]
请参见图3，示出了根据本公开的数据更新方法的另一些实施例的流程300。该方
法包括以下步骤：
[0085]
步骤301，从倒排索引文件中获取目标用户的内容标识列表。
[0086]
在一些实施例中，数据更新方法的执行主体(例如图1中所示的服务器103)可以从(上述实施例中的)倒排索引文件中获取目标用户的内容标识列表。这里的目标用户可以是平台上的任意用户。例如执行主体可以根据目标用户的用户标识，在倒排索引文件中查找与该用户标识相关联的内容标识列表。
[0087]
需要说明的是，上述倒排索引文件可以是基于elasticsearch的倒排索引。elasticsearch是一个搜索服务器。它提供了一个分布式多用户能力的全文搜索引擎。这样，通过elasticsearch的聚合api(application programming interface，应用程序接口)可以模拟协同过滤技术进行内容推荐。
[0088]
步骤302，将内容标识列表中预设位置的内容标识作为查询信息，从倒排索引文件中获取包含查询信息的内容标识列表集合。
[0089]
在一些实施例中，基于步骤301中获取的内容标识列表，执行主体可以将其中预设位置的内容标识作为查询信息。其中，预设位置可以根据实际需求进行设置。基于查询信息，执行主体可以从倒排索引文件中获取包含查询信息的内容标识列表集合。
[0090]
例如图4所示，用户a近期浏览过的文章id列表为[98，68，4，7，40，9，11，78，16，51]。其中的文章id按照时间戳降序排列。此时预设位置可以为列表中的前四位(即文章id数量的前40％)。也就是说，查询信息为文章id列表[98，68，4，7]。根据查询信息可以从倒排索引文件中查找到与用户a看过相同文章的其他用户。这些用户近期浏览过的文章id列表可以构成文章id列表集合(即内容标识列表集合)。如用户b近期浏览过的文章id列表为[54，4，22，6，68，98，11，7，13，26]，用户c近期浏览过的文章id列表为[68，7，54，4，26，20，98，35，9，40]，用户d近期浏览过的文章id列表为[54，98，68，4，7]。
[0091]
可以理解的是，对于上述查询过程，执行主体可以构建filter查询条件。与另一种查询方式相比较(query查询)，这种查询方式只过滤数据，而不进行分值计算，从而可以进一步提升查询速度。
[0092]
步骤303，基于内容标识列表集合，生成目标用户的推荐内容标识列表。
[0093]
在一些实施例中，基于步骤302得到的内容标识列表集合，首先执行主体可以对其中各内容标识列表中的各内容标识进行聚合，从而得到内容标识组集合。接着，可以去除内容标识组集合中包含目标用户的内容标识列表中的内容标识的内容标识组，进而得到候选内容标识组集合。
[0094]
可选地，为了减少所需处理的数据量，提高执行主体的处理效率，也可以先去除内容标识列表集合中各内容标识列表中所包含的第一内容标识。其中，第一内容标识为目标用户的内容标识列表中的内容标识。接着，执行主体可以对剩余的内容标识进行聚合，从而得到候选内容标识组集合。
[0095]
进一步地，根据组内候选内容标识的数量，执行主体可以对候选内容标识组集合中各候选内容标识组进行排序。根据排序结果生成目标用户的推荐内容标识列表。例如各候选内容标识组按照组内数量由多到少的顺序排序。此时，执行主体可以将各候选内容标识组中的候选内容标识按序作为推荐内容标识，从而得到推荐内容标识列表。或者，也可以将排序靠前的几个候选内容标识组中的候选内容标识按序作为推荐内容标识列表中的推
荐内容标识。
[0096]
需要说明的是，对于组内数量相同的情况，执行主体可以按照候选内容标识由大到小(或由小到大，或随机)的顺序，对各候选内容标识组进行排序。对于上述聚合过程，执行主体可以构建terms aggregation(词聚合)聚合查询。这种聚合查询一般是基于某个区域，该区域内的每一个(唯一词元)为一个桶(bucket)，并计算每个桶内文档个数。默认返回顺序是按照文档个数多少排序。另外，为了防止返回的数据过多，也可以定义需要返回多少个桶，或者返回文档个数不小于某值的桶。
[0097]
再如图4所示，根据用户b、c和d近期浏览过的文章id列表，可以得到这三个用户看过，且用户a没有看过的文章。此时得到候选文章id组集合为[54，54，54]、[26，26]、[22]、[6]、[13]、[20]、[35]。按照浏览数量降序排序，最终可以得到用户a最有可能感兴趣(即推荐)的文章id列表[54，26，35]。
[0098]
本公开的一些实施例提供的数据更新方法还可以实现协同过滤技术，即可以为用户推荐内容。同时，由于倒排索引文件只记录关键数据，而不需要将所有数据加载至内存进行计算。因此可以克服协同过滤技术计算成本高的缺点，可以有效降低计算成本。
[0099]
进一步参考图5，作为对上述图2和3所示方法的实现，本公开提供了数据更新装置的一些实施例，这些装置实施例与图2和3所示的那些方法实施例相对应，该装置具体可以应用于各种电子设备中。
[0100]
如图5所示，一些实施例的数据更新装置500可以包括：处理单元501，被配置成对获取的用户行为日志进行处理，得到目标数据；变更单元502，被配置成根据目标数据，变更时间记录文件和行为记录文件集合中相关行为记录文件中的数据，其中，时间记录文件中存储有行为发生在预设时间段内的各用户数据，行为记录文件集合中的各行为记录文件中存储有不同用户的行为数据；变更确定单元503，被配置成响应于确定当前时间达到更新时间，根据时间记录文件，确定预设时间段内是否存在数据变更；更新单元504，被配置成响应于确定存在，根据时间记录文件和行为记录文件集合，对倒排索引文件进行更新。
[0101]
在一些实施例中，目标数据包括用户标识、行为内容的内容标识和行为时间；以及行为记录文件集合中的行为记录文件的文件名称为用户标识，文件内容包括行为内容的内容标识和行为时间；时间记录文件的文件名称为预设时间段，文件内容包括用户标识。
[0102]
在一些实施例中，更新单元504进一步被配置成从时间记录文件中获取数据发生变更的用户标识集合；对于用户标识集合中的每个用户标识，从行为记录文件集合中选取出与用户标识相对应的行为记录文件，根据选取出的行为记录文件生成用户标识所指示的用户的更新数据；根据所生成的各个更新数据，对倒排索引文件进行更新。
[0103]
在一些实施例中，更新单元504还进一步被配置成根据选取出的行为记录文件中的用户标识和至少一个内容标识，生成用户标识所指示的用户的更新数据。
[0104]
在一些实施例中，变更单元502包括第一变更子单元(图5中未示出)，被配置成：确定行为记录文件集合中是否存在目标行为记录文件，其中，目标行为记录文件的文件名称为目标数据中的用户标识；响应于确定存在，确定目标行为记录文件中是否包含目标内容标识，其中，目标内容标识为目标数据中的内容标识；响应于确定包含，将目标内容标识对应的行为时间变更为目标数据中的行为时间。
[0105]
在一些实施例中，第一变更子单元还被配置成：响应于确定不包含，将目标数据中
的内容标识和行为时间添加到目标行为记录文件中；确定目标行为记录文件中的记录数量是否达到预设数量；响应于确定达到，删除目标行为记录文件中行为时间最早的记录。
[0106]
在一些实施例中，变更单元502还包括第二变更子单元(图5中未示出)，被配置成：确定目标数据中的行为时间是否位于预设时间段内；响应于确定位于，确定时间记录文件中是否包含目标数据中的用户标识；响应于确定不包含，将目标数据中的用户标识添加到时间记录文件中。
[0107]
在一些实施例中，该装置500还包括：获取单元(图5中未示出)，被配置成从倒排索引文件中获取目标用户的内容标识列表；查询单元(图5中未示出)，被配置成将内容标识列表中预设位置的内容标识作为查询信息，从倒排索引文件中获取包含查询信息的内容标识列表集合；生成单元(图5中未示出)，被配置成基于内容标识列表集合，生成目标用户的推荐内容标识列表。
[0108]
在一些实施例中，生成单元还可以包括：聚合子单元，被配置成对内容标识列表集合中各内容标识列表中的各内容标识进行聚合，得到内容标识组集合；去除子单元，被配置成去除内容标识组集合中包含内容标识列表中的内容标识的内容标识组，得到候选内容标识组集合；生成子单元，被配置成根据组内候选内容标识的数量，对候选内容标识组集合中各候选内容标识组进行排序，以及根据排序结果生成目标用户的推荐内容标识列表。
[0109]
在一些实施例中，处理单元501进一步被配置成确定获取的用户行为日志中是否包括表征目标行为的数据；响应于确定包括，提取用户行为日志中的关键数据以生成目标数据。
[0110]
可以理解的是，该装置500中记载的诸单元与参考图2和3描述的方法中的各个步骤相对应。由此，上文针对方法描述的操作、特征以及产生的有益效果同样适用于装置500及其中包含的单元，在此不再赘述。
[0111]
下面参考图6，其示出了适于用来实现本公开的一些实施例的电子设备(例如图1中的服务器)600的结构示意图。图6示出的电子设备仅仅是一个示例，不应对本公开的实施例的功能和使用范围带来任何限制。
[0112]
如图6所示，电子设备600可以包括处理装置(例如中央处理器、图形处理器等)601，其可以根据存储在只读存储器(rom)602中的程序或者从存储装置608加载到随机访问存储器(ram)603中的程序而执行各种适当的动作和处理。在ram 603中，还存储有电子设备600操作所需的各种程序和数据。处理装置601、rom 602以及ram603通过总线604彼此相连。输入/输出(i/o)接口605也连接至总线604。
[0113]
通常，以下装置可以连接至i/o接口605：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置606；包括例如液晶显示器(lcd)、扬声器、振动器等的输出装置607；包括例如磁带、硬盘等的存储装置608；以及通信装置609。通信装置609可以允许电子设备600与其他设备进行无线或有线通信以交换数据。虽然图6示出了具有各种装置的电子设备600，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图6中示出的每个方框可以代表一个装置，也可以根据需要代表多个装置。
[0114]
特别地，根据本公开的一些实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的一些实施例包括一种计算机程序产品，其包括承载在计算机
可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的一些实施例中，该计算机程序可以通过通信装置609从网络上被下载和安装，或者从存储装置608被安装，或者从rom 602被安装。在该计算机程序被处理装置601执行时，执行本公开的一些实施例的方法中限定的上述功能。
[0115]
需要说明的是，本公开的一些实施例中记载的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑磁盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的一些实施例中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开的一些实施例中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、rf(射频)等等，或者上述的任意合适的组合。
[0116]
在一些实施方式中，客户端、服务器可以利用诸如http(hypertext transfer protocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“lan”)，广域网(“wan”)，网际网(例如，互联网)以及端对端网络(例如，ad hoc端对端网络)，以及任何当前已知或未来研发的网络。
[0117]
上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：对获取的用户行为日志进行处理，得到目标数据；根据目标数据，变更时间记录文件和行为记录文件集合中相关行为记录文件中的数据，其中，时间记录文件中存储有行为发生在预设时间段内的各用户数据，行为记录文件集合中的各行为记录文件中存储有不同用户的行为数据；响应于确定当前时间达到更新时间，根据时间记录文件，确定预设时间段内是否存在数据变更；响应于确定存在，根据时间记录文件和行为记录文件集合，对倒排索引文件进行更新。
[0118]
此外，可以以一种或多种程序设计语言或其组合来编写用于执行本公开的一些实施例的操作的计算机程序代码，程序设计语言包括面向对象的程序设计语言—诸如java、smalltalk、c++，还包括常规的过程式程序设计语言—诸如“c”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(lan)或广域网(wan)——连接到用户计算机，或者，可以连接到外部计算机(例如
利用因特网服务提供商来通过因特网连接)。
[0119]
附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
[0120]
描述于本公开的一些实施例中的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括处理单元、变更单元、变更确定单元和更新单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，处理单元还可以被描述为“对获取的用户行为日志进行处理的单元”。
[0121]
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(fpga)、专用集成电路(asic)、专用标准产品(assp)、片上系统(soc)、复杂可编程逻辑设备(cpld)等等。
[0122]
以上描述仅为本公开的一些较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开的实施例中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。