发送展示信息的方法、装置、设备、存储介质和程序产品与流程

1.本技术涉及计算机技术领域，特别涉及一种发送展示信息的方法、装置、设备、存储介质和程序产品。


背景技术：

2.当前的很多应用程序都具有推荐功能，通过向用户推荐其可能感兴趣的展示信息，来提高用户的粘性，提高用户的使用体验。
3.通常的推荐方法是将点击率或者收藏率较高的展示信息直接推荐给用户。
4.但上述推荐方法较为粗糙，可能会将用户并不感兴趣的展示信息推荐给用户，最终推荐效果较差。


技术实现要素：

5.本技术实施例提供了一种发送展示信息的方法，能够解决现有技术中推荐方法较为粗糙从而导致的推荐效果较差的问题。
6.第一方面，提供了一种发送展示信息的方法，所述方法包括：
7.基于多个标签分别对应的统计数据，对所述多个标签进行筛选，得到多个可推荐标签，其中，所述标签是用于指示展示信息的内容特点的信息；
8.基于目标账户的历史行为数据，确定所述目标账户对应的多个参考标签；
9.将所述多个可推荐标签和所述多个参考标签之间的交集，确定为所述目标账户对应的目标推荐标签；
10.获取每个目标推荐标签对应的目标展示信息，向所述目标账户所属的目标终端发送所述目标展示信息。
11.在一种可能的实现方式中，所述方法还包括：
12.对于每个展示信息，基于所述展示信息和关键词提取模型，确定所述展示信息对应的标签。
13.在一种可能的实现方式中，所述基于多个标签分别对应的统计数据，对所述多个标签进行筛选，得到多个可推荐标签，包括：
14.基于所述多个标签分别对应的统计数据，确定每个标签对应的用户兴趣强度；
15.基于所述每个标签对应的用户兴趣强度和预设强度阈值，对所述多个标签进行筛选，得到多个可推荐标签。
16.在一种可能的实现方式中，所述统计数据包括点击统计数据和收藏统计数据。
17.在一种可能的实现方式中，所述点击统计数据包括第一预设时段内所有用户对应的第一点击率和所述第一预设时段内历史点击用户对应的第二点击率，其中，所述历史点击用户为在所述第一预设时段之前的第二预设时段内对所述标签对应的任一展示信息进行过点击操作、且在所述第一预设时段内对所述标签对应的展示信息进行过曝光操作的用户；
18.所述收藏统计数据包括所述第一预设时段内所有用户对应的第一收藏率和所述第一预设时段内历史收藏用户对应的第二收藏率，其中，所述历史收藏用户为在所述第二预设时段内对所述标签对应的任一展示信息进行过收藏操作、且在所述第一预设时段内对所述标签对应的展示信息进行过曝光操作的用户；
19.所述基于所述多个标签分别对应的统计数据，确定每个标签对应的用户兴趣强度，包括：
20.对于所述每个标签，基于所述标签对应的第一点击率和第二点击率，确定所述标签对应的用户点击兴趣强度；
21.基于所述标签对应的第一收藏率和第二收藏率，确定所述标签对应的用户收藏兴趣强度；
22.基于所述标签对应的用户点击兴趣强度和用户收藏兴趣强度，确定所述标签对应的用户兴趣强度。
23.在一种可能的实现方式中，所述基于目标账户的历史行为数据，确定所述目标账户对应的多个参考标签，包括：
24.基于所述目标账户的第三预设时段内的历史行为数据，确定所述目标账户对应的短期标签，其中，所述第三预设时段为最近的存在多个用户行为信息的时段，且每两个相邻的用户行为信息之间的时间差小于预设时长；
25.基于所述目标账户的第四预设时段内的历史行为数据，确定所述目标账户对应的长期标签；
26.基于所述目标账户对应的短期标签和所述目标账户对应的长期标签，确定所述目标账户对应的参考标签。
27.在一种可能的实现方式中，所述历史行为数据包括历史点击数据和历史收藏数据，所述历史点击数据包括一个或多个历史点击展示信息和每个历史点击展示信息对应的点击时间点，所述历史收藏数据包括一个或多个历史收藏展示信息和所述每个历史收藏展示信息对应的收藏时间点。
28.在一种可能的实现方式中，所述基于所述目标账户的第三预设时段内的历史行为数据，确定所述目标账户对应的短期标签，包括：
29.获取所述目标账户的第三预设时段内的历史点击数据对应的短期点击标签和所述目标账户的第三预设时段内的历史收藏数据对应的短期收藏标签；
30.在每个短期点击标签对应的一个或多个历史点击展示信息对应的点击时间点中，分别确定所述每个短期点击标签对应的最近点击时间点；
31.按照最近点击时间点由近至远的顺序，选取第一预设数目个短期点击标签，得到所述目标账户对应的目标短期点击标签；
32.在所述每个短期收藏标签对应的一个或多个历史收藏展示信息对应的收藏时间点中，分别确定所述每个短期收藏标签对应的最近收藏时间点；
33.按照最近收藏时间点由近至远的顺序，选取第二预设数目个短期收藏标签，得到所述目标账户对应的目标短期收藏标签；
34.对所述目标短期点击标签和所述目标短期收藏标签进行去重处理，得到所述目标账户对应的短期标签。
35.在一种可能的实现方式中，所述基于所述目标账户的第四预设时段内的历史行为数据，确定所述目标账户对应的长期标签，包括：
36.获取所述目标账户的第四预设时段内的历史点击数据对应的长期点击标签和所述目标账户的第四预设时段内的历史收藏数据对应的长期收藏标签；
37.对所述长期点击标签和所述长期收藏标签进行去重处理，得到所述目标账户对应的参考长期标签；
38.基于每个参考长期标签对应的第四预设时段内的历史行为数据，分别确定所述每个参考长期标签与所述目标账户之间的相关度；
39.按照所述相关度由高到低的顺序，选取第三预设数目个参考长期标签，得到所述目标账户对应的长期标签。
40.在一种可能的实现方式中，所述确定所述目标账户对应的长期标签之后，所述方法还包括：
41.获取每个标签对应的特征向量；
42.对于每个长期标签，分别计算每个标签与所述长期标签之间的相似度；
43.基于所述每个标签与所述长期标签之间的相似度，确定所述每个长期标签对应的拓展标签；
44.所述基于所述目标账户对应的短期标签和所述目标账户对应的长期标签，确定所述目标账户对应的参考标签，包括：
45.基于所述目标账户对应的短期标签、所述目标账户对应的长期标签和所述每个长期标签对应的拓展标签，确定所述目标账户对应的参考标签。
46.在一种可能的实现方式中，所述获取每个目标推荐标签对应的目标展示信息，包括：
47.对于每个目标推荐标签，基于所述目标推荐标签对应的每个展示信息的统计数据，确定所述目标推荐标签对应的每个展示信息的得分；
48.按照得分由高到低的顺序，选取第四预设数目个展示信息，得到所述目标推荐标签对应的目标展示信息。
49.第二方面，提供一种发送展示信息的装置，所述装置包括：
50.筛选模块，用于基于多个标签分别对应的统计数据，对所述多个标签进行筛选，得到多个可推荐标签，其中，所述标签是用于指示展示信息的内容特点的信息；
51.第一确定模块，用于基于目标账户的历史行为数据，确定所述目标账户对应的多个参考标签；
52.第二确定模块，用于将所述多个可推荐标签和所述多个参考标签之间的交集，确定为所述目标账户对应的目标推荐标签；
53.发送模块，用于获取每个目标推荐标签对应的目标展示信息，向所述目标账户所属的目标终端发送所述目标展示信息。
54.在一种可能的实现方式中，所述装置还包括标签确定模块，用于：
55.对于每个展示信息，基于所述展示信息和关键词提取模型，确定所述展示信息对应的标签。
56.在一种可能的实现方式中，所述筛选模块，用于：
57.基于所述多个标签分别对应的统计数据，确定每个标签对应的用户兴趣强度；
58.基于所述每个标签对应的用户兴趣强度和预设强度阈值，对所述多个标签进行筛选，得到多个可推荐标签。
59.在一种可能的实现方式中，所述统计数据包括点击统计数据和收藏统计数据。
60.在一种可能的实现方式中，所述点击统计数据包括第一预设时段内所有用户对应的第一点击率和所述第一预设时段内历史点击用户对应的第二点击率，其中，所述历史点击用户为在所述第一预设时段之前的第二预设时段内对所述标签对应的任一展示信息进行过点击操作、且在所述第一预设时段内对所述标签对应的展示信息进行过曝光操作的用户；
61.所述收藏统计数据包括所述第一预设时段内所有用户对应的第一收藏率和所述第一预设时段内历史收藏用户对应的第二收藏率，其中，所述历史收藏用户为在所述第二预设时段内对所述标签对应的任一展示信息进行过收藏操作、且在所述第一预设时段内对所述标签对应的展示信息进行过曝光操作的用户；
62.所述筛选模块，用于：
63.对于所述每个标签，基于所述标签对应的第一点击率和第二点击率，确定所述标签对应的用户点击兴趣强度；
64.基于所述标签对应的第一收藏率和第二收藏率，确定所述标签对应的用户收藏兴趣强度；
65.基于所述标签对应的用户点击兴趣强度和用户收藏兴趣强度，确定所述标签对应的用户兴趣强度。
66.在一种可能的实现方式中，所述第一确定模块，用于：
67.基于所述目标账户的第三预设时段内的历史行为数据，确定所述目标账户对应的短期标签，其中，所述第三预设时段为最近的存在多个用户行为信息的时段，且每两个相邻的用户行为信息之间的时间差小于预设时长；
68.基于所述目标账户的第四预设时段内的历史行为数据，确定所述目标账户对应的长期标签；
69.基于所述目标账户对应的短期标签和所述目标账户对应的长期标签，确定所述目标账户对应的参考标签。
70.在一种可能的实现方式中，所述历史行为数据包括历史点击数据和历史收藏数据，所述历史点击数据包括一个或多个历史点击展示信息和每个历史点击展示信息对应的点击时间点，所述历史收藏数据包括一个或多个历史收藏展示信息和所述每个历史收藏展示信息对应的收藏时间点。
71.在一种可能的实现方式中，所述第一确定模块，用于：
72.获取所述目标账户的第三预设时段内的历史点击数据对应的短期点击标签和所述目标账户的第三预设时段内的历史收藏数据对应的短期收藏标签；
73.在每个短期点击标签对应的一个或多个历史点击展示信息对应的点击时间点中，分别确定所述每个短期点击标签对应的最近点击时间点；
74.按照最近点击时间点由近至远的顺序，选取第一预设数目个短期点击标签，得到所述目标账户对应的目标短期点击标签；
75.在所述每个短期收藏标签对应的一个或多个历史收藏展示信息对应的收藏时间点中，分别确定所述每个短期收藏标签对应的最近收藏时间点；
76.按照最近收藏时间点由近至远的顺序，选取第二预设数目个短期收藏标签，得到所述目标账户对应的目标短期收藏标签；
77.对所述目标短期点击标签和所述目标短期收藏标签进行去重处理，得到所述目标账户对应的短期标签。
78.在一种可能的实现方式中，所述第一确定模块，用于：
79.获取所述目标账户的第四预设时段内的历史点击数据对应的长期点击标签和所述目标账户的第四预设时段内的历史收藏数据对应的长期收藏标签；
80.对所述长期点击标签和所述长期收藏标签进行去重处理，得到所述目标账户对应的参考长期标签；
81.基于每个参考长期标签对应的第四预设时段内的历史行为数据，分别确定所述每个参考长期标签与所述目标账户之间的相关度；
82.按照所述相关度由高到低的顺序，选取第三预设数目个参考长期标签，得到所述目标账户对应的长期标签。
83.在一种可能的实现方式中，所述确定所述目标账户对应的长期标签之后，所述第一确定模块，还用于：
84.获取每个标签对应的特征向量；
85.对于每个长期标签，分别计算每个标签与所述长期标签之间的相似度；
86.基于所述每个标签与所述长期标签之间的相似度，确定所述每个长期标签对应的拓展标签；
87.所述基于所述目标账户对应的短期标签和所述目标账户对应的长期标签，确定所述目标账户对应的参考标签，包括：
88.基于所述目标账户对应的短期标签、所述目标账户对应的长期标签和所述每个长期标签对应的拓展标签，确定所述目标账户对应的参考标签。
89.在一种可能的实现方式中，所述发送模块，用于：
90.对于每个目标推荐标签，基于所述目标推荐标签对应的每个展示信息的统计数据，确定所述目标推荐标签对应的每个展示信息的得分；
91.按照得分由高到低的顺序，选取第四预设数目个展示信息，得到所述目标推荐标签对应的目标展示信息。
92.第三方面，提供了一种计算机设备，所述计算机设备包括处理器和存储器，存储器中存储有至少一条指令，指令由处理器加载并执行以实现发送展示信息的方法所执行的操作。
93.第四方面，提供了一种计算机可读存储介质，存储介质中存储有至少一条指令，指令由处理器加载并执行以实现发送展示信息的方法所执行的操作。
94.第五方面，提供了一种计算机程序产品，所述计算机程序产品中包括至少一条指令，所述至少一条指令由处理器加载并执行以实现发送展示信息的方法所执行的操作。
95.本技术实施例提供的技术方案带来的有益效果是：本技术实施例中提到的方案，可以基于多个标签分别对应的统计数据，对多个标签进行筛选，从而得到多个质量好、具有
可推荐性的可推荐标签，再基于目标账户的历史行为数据，确定出目标账户对应的多个用户较为感兴趣的参考标签，然后，将多个可推荐标签和多个参考标签之间的交集，确定为目标账户对应的目标推荐标签，最后获取每个目标推荐标签对应的目标展示信息，并向目标账户所属的目标终端发送目标展示信息。采用本技术，可以确定出既有质量、具有可推荐性，用户又感兴趣的目标推荐标签，从而提高推荐效果。
附图说明
96.为了更清楚地说明本技术实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
97.图1是本技术实施例提供的一种发送展示信息的方法流程图；
98.图2是本技术实施例提供的一种确定短期标签的方法流程图；
99.图3是本技术实施例提供的一种确定长期标签的方法流程图；
100.图4是本技术实施例提供的一种发送展示信息的装置的结构示意图；
101.图5是本技术实施例提供的一种服务器的结构框图。
具体实施方式
102.为使本技术的目的、技术方案和优点更加清楚，下面将结合附图对本技术实施方式作进一步地详细描述。
103.本技术实施例提供了一种发送展示信息的方法，该方法可以由服务器实现。服务器可以是单个服务器或者也可以是多个服务器组成的服务器集群。
104.服务器可以包括处理器、存储器、通信部件等，处理器分别与存储器、通信部件连接。
105.处理器可以是cpu(central processing unit，中央处理器)。处理器可以用于读取指令和对数据进行处理，例如，对多个标签进行筛选从而得到多个可推荐标签、确定目标账户对应的多个参考标签、确定目标账户对应的目标推荐标签、获取每个目标推荐标签对应的目标展示信息，等等。
106.存储器可以包括rom(read-only memory，只读存储器)、ram(random access memory，随机存取存储器)、cd-rom(compact disc read-only memory，光盘只读存储器)、磁盘、光数据存储设备等。存储器可以用于数据存储，例如，对多个标签的数据的存储、对多个可推荐标签的数据的存储、对目标账户的历史行为数据的存储、对确定出的目标账户对应的多个参考标签的数据的存储、对确定出的目标账户对应的目标推荐标签的数据的存储、对每个标签对应的目标展示信息的数据的存储，等等。
107.通信部件可以是有线网络连接器、无线保真模块、蓝牙模块、蜂巢网通信模块等。通信部件可以用于接收和发送信号，例如，向目标账户所属的目标终端发送目标展示信息，等等。
108.图1是本技术实施例提供的一种发送展示信息的方法的流程图。参见图1，该实施例包括：
109.101、基于多个标签分别对应的统计数据，对多个标签进行筛选，得到多个可推荐标签。
110.其中，标签是用于指示展示信息的内容特点的信息。
111.在实施中，每个展示信息均对应一个或多个标签。在需要向目标账户推荐展示信息时，可以先获取每个标签对应的统计数据，然后根据统计数据筛选出质量较好的、具有可推荐性的标签。
112.可选的，通过统计数据对多个标签进行筛选的方法可以是：基于多个标签分别对应的统计数据，确定每个标签对应的用户兴趣强度。基于每个标签对应的用户兴趣强度和预设强度阈值，对多个标签进行筛选，得到多个可推荐标签。
113.在实施中，工作人员可以预先设置预设强度阈值。在需要对多个标签进行筛选时，可以基于每个标签对应的统计数据计算出每个标签对应的用户兴趣强度，该用户兴趣强度用于表征用户对于该标签的感兴趣程度。然后，可以将用户兴趣强度大于或等于预设强度阈值的标签确定为可推荐标签。
114.102、基于目标账户的历史行为数据，确定目标账户对应的多个参考标签。
115.在实施中，在需要向目标账户推荐展示信息时，还需要通过目标账户的历史行为数据确定出目标账户对应的多个参考标签，该参考标签即为目标账户所属的用户感兴趣的标签。
116.可选的，通过目标账户的历史行为数据确定参考标签的方法可以是：基于目标账户的第三预设时段内的历史行为数据，确定目标账户对应的短期标签，其中，第三预设时段为最近的存在多个用户行为信息的时段，且每两个相邻的用户行为信息之间的时间差小于预设时长。基于目标账户的第四预设时段内的历史行为数据，确定目标账户对应的长期标签。基于目标账户对应的短期标签和目标账户对应的长期标签，确定目标账户对应的参考标签。
117.在实施中，短期标签即为目标账户所属的用户在最近一段时间内感兴趣的标签，长期标签即为目标账户所属的用户长期感兴趣的标签。
118.在确定目标账户对应的短期标签时，可以获取最近一段比较短的时间内的历史行为数据，即上述的第三预设时段内的历史行为数据，而第三预设时段为最近的存在多个用户行为信息的时段，而在该时段内的每两个相邻的用户行为信息之间的时间差要小于预设时长，通常，可以将该种第三预设时段称为session。其中，预设时长可以设置为任意合理性的时长，例如，可以设置预设时长为半个小时等等，本技术实施例对此不作限定。
119.在确定目标账户对应的长期标签时，可以获取较长一段时间内的历史行为数据，即上述的第四预设时段。其中，第四预设时段可以相对于第三预设时段设置的时长更长，例如，可以设置第四预设时段为半年等等，也可以是其他合理性的时段，本技术实施例对此不作限定。
120.在确定出目标账户对应的短期标签和对应的长期标签后，可以直接将短期标签和长期标签直接确定为目标账户对应的参考标签，也可以再通过其他方式对确定出的短期标签和长期标签进行筛选，将筛选后得到的标签确定为目标账户对应的参考标签。
121.103、将多个可推荐标签和多个参考标签之间的交集，确定为目标账户对应的目标推荐标签。
122.在实施中，在确定出多个可推荐标签和目标账户对应的多个参考标签后，可以取两者之间的交集，即可以得到既具有推荐质量、又满足目标账户所属的用户的兴趣需求的目标推荐标签。
123.104、获取每个目标推荐标签对应的目标展示信息，向目标账户所属的目标终端发送目标展示信息。
124.在实施中，可以直接将每个目标推荐标签对应的所有的展示信息作为目标展示信息，向目标终端进行推送。也可以对目标推荐标签对应的展示信息进行筛选后得到目标展示信息，再向目标终端进行推送。
125.可选的，对目标推荐标签对应的展示信息进行筛选的方法可以如下：对于每个目标推荐标签，基于目标推荐标签对应的每个展示信息的统计数据，确定目标推荐标签对应的每个展示信息的得分。按照得分由高到低的顺序，选取第四预设数目个展示信息，得到目标推荐标签对应的目标展示信息。
126.其中，展示信息的统计数据可以包括第五预设时段的点击率和收藏率，展示信息的得分的确定方式可以是：该展示信息在第五预设时段的点击率和收藏率之和，当然，也可以是其他计算方式，本技术实施例对此不作限定。
127.在步骤101之前，可以为每个展示信息确定其对应的标签，确定标签的方法可以有多种，以下为列举的一种：
128.对于每个展示信息，基于展示信息和关键词提取模型，确定展示信息对应的标签。
129.在实施中，可以将展示信息的属性信息或者展示信息的内容等信息输入训练完成的关键词提取模型中，从而得到该展示信息对应的一个或多个关键词。可以直接将该关键词作为该展示信息对应的标签，也可以使用预设模板将得到的一个或多个关键词进行组合，从而得到该展示信息对应的一个或多个标签，例如，关键词提取模型输出的展示信息的关键词可以分为以下几类：时间、菜系、口味、品质、场所、活动、地方等等，预设模板可以包括：时间+菜系、口味+菜系、品类+菜系、地方+菜系、场所+活动、时间+场所、口味+场所、品质+场所、地方+场所，等等。
130.在步骤101中，还可以基于预设规则对多个标签进行筛选，预设规则可以根据需求进行设置，以下为其中的两种预设规则：
131.第一种
132.工作人员可以预先设置第一展示信息数目阈值。在筛选时，可以获取每个标签对应的展示信息的数目，将对应的展示信息的数目小于第一展示信息数目阈值的标签剔除掉。
133.第二种
134.每个展示信息对应一个或多个类目。类目是比标签更为粗粒度的划分。工作人员可以预先设置第二展示信息数目阈值。
135.在筛选时，对于每个标签，获取该标签对应的展示信息的一个或多个类目，并确定出对应的展示信息的数目最多的目标类目，若该目标类目对应的展示信息的数目小于第二展示信息数目阈值，则将该标签剔除掉。
136.预设规则还可以是任意合理性的设定，本技术实施例对此不作限定。
137.在上述步骤101中的统计数据可以有多种可能，以下以统计数据包括点击统计数
据和收藏统计数据为例进行更为详细的介绍，当然，也可以包括其他统计数据，本技术实施例对此不作限定。
138.更为详细的，点击统计数据可以包括第一预设时段内所有用户对应的第一点击率和第一预设时段内历史点击用户对应的第二点击率，其中，历史点击用户为在第一预设时段之前的第二预设时段内对标签对应的任一展示信息进行过点击操作、且在第一预设时段内对标签对应的展示信息进行过曝光操作的用户。
139.其中，标签对应的第一点击率是在第一预设时段内所有用户对该标签对应的展示信息的点击量与曝光量的比值。标签对应的第二点击率是在第一预设时段内历史点击用户对该标签对应的展示信息的点击量与曝光量的比值。
140.第二预设时段与第一预设时段相邻，且第二预设时段位于第一预设时段之前。例如，设定第一预设时段的时长为一天，第二预设时段的时长为一个星期，当想要确定3月10号内a标签对应的第二点击率时，可以先获取在3月3号至3月9号内对a标签对应的任一展示信息进行过点击操作、且在3月10号进行了曝光操作的用户作为历史点击用户。
141.第一点击率可以用于表征所有用户对该标签的感兴趣程度，第二点击率可以用于表征在对点击过该标签对应的展示信息的用户再次推荐该标签对应的展示信息时用户对其的感兴趣程度。
142.与点击统计数据相同的，收藏统计数据可以包括第一预设时段内所有用户对应的第一收藏率和第一预设时段内历史收藏用户对应的第二收藏率，其中，历史收藏用户为在第二预设时段内对标签对应的任一展示信息进行过收藏操作、且在第一预设时段内对标签对应的展示信息进行过曝光操作的用户。
143.基于上述点击统计数据和收藏统计数据的设置，确定每个标签对应的用户兴趣强度的方法可以如下：
144.对于每个标签，基于标签对应的第一点击率和第二点击率，确定标签对应的用户点击兴趣强度。基于标签对应的第一收藏率和第二收藏率，确定标签对应的用户收藏兴趣强度。基于标签对应的用户点击兴趣强度和用户收藏兴趣强度，确定标签对应的用户兴趣强度。
145.在实施中，可以基于下述公式1-3来确定标签对应的用户兴趣强度。
[0146][0147][0148][0149]
其中，γ是用户兴趣强度，是用户点击兴趣强度，是用户收藏兴趣强度，是第一点击率，是第二点击率，a和b是权重，是第一收藏率，是第二收藏率。
[0150]
可选的，对于一个标签具有多种对应的展示信息的情况，可以基于每种展示信息对应的统计数据来确定该标签对应的用户兴趣强度。例如，在具有消费功能的应用程序中，需要为目标账户推荐点评内容，而在应用程序中，每种标签可以对应至少一个点评内容和至少一个poi(point ofinterest，兴趣点)，则在确定每种标签对应的用户兴趣强度时，可
以基于该标签对应的点评内容的统计数据计算出点评内容对应的用户兴趣强度，基于该标签对应的poi的统计数据计算出poi对应的用户兴趣强度，然后将两者相加，从而得到该标签对应的用户兴趣强度。
[0151]
在上述步骤102中的历史行为数据可以有多种可能，以下以历史行为数据包括历史点击数据和历史收藏数据为例进行更为详细的介绍，当然，也可以包括其他统计数据，本技术实施例对此不作限定。
[0152]
更为详细的，历史点击数据可以包括一个或多个历史点击展示信息和每个历史点击展示信息对应的点击时间点，其中，历史点击展示信息为目标账户在第三预设时段或第四预设时段内点击过的展示信息，历史点击展示信息对应的点击时间点为目标账户所属的用户点击该历史点击展示信息时的时间点。
[0153]
与历史点击数据相同的，历史收藏数据可以包括一个或多个历史收藏展示信息和每个历史收藏展示信息对应的收藏时间点，其中，历史收藏展示信息为目标账户在第三预设时段或第四预设时段内收藏过的展示信息，历史收藏展示信息对应的收藏时间点为目标账户所属的用户收藏该历史收藏展示信息时的时间点。
[0154]
可选的，上述的历史点击展示信息和历史收藏展示信息可以包括多种展示信息，例如，可以包括点评内容和poi等，本技术实施例对此不作限定。
[0155]
基于上述历史点击数据和历史收藏数据的设置，确定目标账户对应的短期标签的方法可以参见图2，对应如下：
[0156]
201、获取目标账户的第三预设时段内的历史点击数据对应的短期点击标签和目标账户的第三预设时段内的历史收藏数据对应的短期收藏标签。
[0157]
在实施中，可以获取第三预设时段内的历史点击数据包括的多个历史点击展示信息对应的一个或多个标签，然后对这些标签进行去重处理，从而得到短期点击标签。同样的，可以获取第三预设时段内的历史收藏数据包括的多个历史收藏展示信息对应的一个或多个标签，然后对这些标签进行去重处理，从而得到短期收藏标签。
[0158]
202、在每个短期点击标签对应的一个或多个历史点击展示信息对应的点击时间点中，分别确定每个短期点击标签对应的最近点击时间点。
[0159]
在实施中，对于每个短期点击标签，获取该短期点击标签对应的一个或多个历史点击展示信息对应的点击时间点，然后将距离当前时间最近的点击时间点确定为该短期点击标签对应的最近点击时间点。
[0160]
203、按照最近点击时间点由近至远的顺序，选取第一预设数目个短期点击标签，得到目标账户对应的目标短期点击标签。
[0161]
在实施中，将多个短期点击标签按照对应的最近点击时间点由近至远的顺序排列，将前第一预设数目个短期点击标签，确定为目标账户对应的目标短期点击标签。其中，第一预设数目可以是任意合理性的数目，例如，可以是50等等，本技术实施例对此不作限定。
[0162]
204、在每个短期收藏标签对应的一个或多个历史收藏展示信息对应的收藏时间点中，分别确定每个短期收藏标签对应的最近收藏时间点。
[0163]
在实施中，对于每个短期收藏标签，获取该短期收藏标签对应的一个或多个历史收藏展示信息对应的收藏时间点，然后将距离当前时间最近的收藏时间点确定为该短期收
藏标签对应的最近收藏时间点。
[0164]
205、按照最近收藏时间点由近至远的顺序，选取第二预设数目个短期收藏标签，得到目标账户对应的目标短期收藏标签。
[0165]
在实施中，将多个短期收藏标签按照对应的最近收藏时间点由近至远的顺序排列，将前第二预设数目个短期收藏标签，确定为目标账户对应的目标短期收藏标签。其中，第二预设数目可以是任意合理性的数目，例如，可以是30等等，第二预设数目可以与第一预设数目相同，也可以不相同，本技术实施例对此不作限定。
[0166]
可以理解的是，步骤202-203与步骤204-205并没有时间上的先后顺序。
[0167]
206、对目标短期点击标签和目标短期收藏标签进行去重处理，得到目标账户对应的短期标签。
[0168]
基于上述历史点击数据和历史收藏数据的设置，确定目标账户对应的长期标签的方法可以参见图3，对应如下：
[0169]
301、获取目标账户的第四预设时段内的历史点击数据对应的长期点击标签和目标账户的第四预设时段内的历史收藏数据对应的长期收藏标签。
[0170]
在实施中，可以获取第四预设时段内的历史点击数据包括的多个历史点击展示信息对应的一个或多个标签，然后对这些标签进行去重处理，从而得到长期点击标签。同样的，可以获取第四预设时段内的历史收藏数据包括的多个历史收藏展示信息对应的一个或多个标签，然后对这些标签进行去重处理，从而得到长期收藏标签。
[0171]
302、对所述长期点击标签和所述长期收藏标签进行去重处理，得到所述目标账户对应的参考长期标签。
[0172]
303、基于每个参考长期标签对应的第四预设时段内的历史行为数据，分别确定每个参考长期标签与目标账户之间的相关度。
[0173]
在实施中，计算参考长期标签与目标账户之间的相关度的方法可以有多种，本技术实施例以tf-idf(term frequency
–
inverse document frequency，词频-逆文档频度)方法来进行计算：
[0174]
可以在第四预设时段内的历史行为数据中获取该参考长期标签对应的一个或多个历史点击展示信息和历史点击展示信息对应的点击时间点。然后，可以基于每个历史点击展示信息对应的点击时间点与第四预设时段的结束时间点的距离来分配对应的分值，距离第四预设时段的结束时间点越近的点击时间点对应的分值越高。具体的，每个点击时间点对应的分值为：
[0175][0176]
其中，d1为点击时间点距离第四预设时段的开始时间点的时长，d2为第四预设时段的总时长。
[0177]
通过上述方式，可以确定出每个参考长期标签对应的一个或多个历史点击展示信息的点击时间点对应的分值，而参考长期标签对应的tf
点击
则为该参考长期标签对应的一个或多个点击时间点对应的分值之和。
[0178]
然后，可以计算每个参考长期标签对应的idf
点击
，对应的计算公式为：
[0179][0180]
其中，ω1为应用程序的用户总数，ω2为在第四预设时段内的历史点击数据中包括该长期点击标签对应的历史点击展示信息的用户数目。
[0181]
在使用上述方式计算出每个参考长期标签对应的tf
点击
和idf
点击
后，可以将两者相乘，从而得到每个参考长期标签与目标账户之间的点击相关度。或者，可以在将参考长期标签对应的tf
点击
和idf
点击
相乘后，再将其与相乘，或者可以与的第一预设次幂相乘，从而得到该参考长期标签与目标账户之间的点击相关度。
[0182]
同样的，还也可以使用上述的tfidf方法来进行计算每个参考长期标签与目标账户之间的收藏相关度。
[0183]
可以在第四预设时段内的历史行为数据中获取该参考长期标签对应的一个或多个历史收藏展示信息和历史收藏展示信息对应的收藏时间点。然后，可以基于每个历史收藏展示信息对应的收藏时间点与第四预设时段的结束时间点的距离来分配对应的分值，距离第四预设时段的结束时间点越近的收藏时间点对应的分值越高。具体的，每个收藏时间点对应的分值为：
[0184][0185]
其中，d3为收藏时间点距离第四预设时段的开始时间点的时长，d4为第四预设时段的总时长。
[0186]
通过上述方式，可以确定出每个参考长期标签对应的一个或多个历史收藏展示信息的收藏时间点对应的分值，而参考长期标签对应的tf
收藏
则为该参考长期标签对应的一个或多个收藏时间点对应的分值之和。
[0187]
然后，可以计算每个参考长期标签对应的idf
收藏
，对应的计算公式为：
[0188][0189]
其中，ω3为应用程序的用户总数，ω4为在第四预设时段内的历史收藏数据中包括该参考长期标签对应的历史收藏展示信息的用户数目。
[0190]
在使用上述方式计算出每个参考长期标签对应的tf
收藏
和idf
收藏
后，可以将两者相乘，从而得到每个参考长期标签与目标账户之间的收藏相关度。或者，可以在将参考长期标签对应的tf
收藏
和idf
收藏
相乘后，再将其与相乘，或者可以与的第二预设次幂相乘，从而得到该参考长期标签与目标账户之间的收藏相关度。
[0191]
然后，对于每个参考长期标签，可以将该参考长期标签对应的点击相关度和收藏相关度相加，从而得到该参考长期标签与目标账户之间的相关度。或者，可以根据侧重点，为点击相关度和收藏相关度分别分配权重，将与对应的权重相乘之后相加得到的数值确定为参考长期标签与目标账户之间的相关度。
[0192]
304、按照相关度由高到低的顺序，选取第三预设数目个参考长期标签，得到目标账户对应的长期标签。
[0193]
在实施中，将多个参考长期标签按照对应的相关度由高到低的顺序排列，将前第三预设数目个参考长期标签确定为目标账户对应的长期标签。
[0194]
其中，第三预设数目可以是任意合理性的数目，本技术实施例对此不作限定。
[0195]
可选的，除了获取目标账户对应的短期标签和长期标签外，还可以获取与长期标签较为相似的标签，对应处理如下：
[0196]
对于每个长期标签，分别计算每个标签与长期标签之间的相似度。基于每个标签与长期标签之间的相似度，确定每个长期标签对应的拓展标签。
[0197]
在实施中，可以对于每个长期标签，分别进行如下处理：计算该长期标签与每个标签之间的相似度。然后可以将每个标签按照相似度由大至小的顺序排列，然后将前第五预设数目个标签确定为该长期标签对应的拓展标签，或者，也可以将相似度大于预设相似度阈值的标签确定为该长期标签对应的拓展标签。
[0198]
确定长期标签与每个标签之间的相似度的方法可以是：使用特征提取模型对每个标签进行特征提取，从而得到每个标签对应的特征向量，通过长期标签对应的特征向量和其他每个标签对应的特征向量来计算相似度。
[0199]
其中，特征提取模型可以是word2vec(word to vector，词嵌入)模型，例如，可以是cbow(continuous bag-of-words，连续词袋模型)模型等，本技术实施例对此不作限定。
[0200]
在确定了目标账户对应的短期标签、长期标签和拓展标签之后，可以基于这三类标签，确定目标账户对应的参考标签。在实施中，可以对目标账户对应的短期标签、长期标签和拓展标签进行去重处理，从而得到目标账户对应的参考标签。
[0201]
上述所有可选技术方案，可以采用任意结合形成本技术的可选实施例，在此不再一一赘述。
[0202]
本技术实施例中提到的方案，可以基于多个标签分别对应的统计数据，对多个标签进行筛选，从而得到多个质量好、具有可推荐性的可推荐标签，再基于目标账户的历史行为数据，确定出目标账户对应的多个用户较为感兴趣的参考标签，然后，将多个可推荐标签和多个参考标签之间的交集，确定为目标账户对应的目标推荐标签，最后获取每个目标推荐标签对应的目标展示信息，并向目标账户所属的目标终端发送目标展示信息。采用本技术，可以确定出既有质量、具有可推荐性，用户又感兴趣的目标推荐标签，从而提高推荐效果。
[0203]
本技术实施例提供了一种发送展示信息的装置，该装置可以是上述实施例中的计算机设备，如图4所示，所述装置包括：
[0204]
筛选模块410，用于基于多个标签分别对应的统计数据，对所述多个标签进行筛选，得到多个可推荐标签，其中，所述标签是用于指示展示信息的内容特点的信息；
[0205]
第一确定模块420，用于基于目标账户的历史行为数据，确定所述目标账户对应的多个参考标签；
[0206]
第二确定模块430，用于将所述多个可推荐标签和所述多个参考标签之间的交集，确定为所述目标账户对应的目标推荐标签；
[0207]
发送模块440，用于获取每个目标推荐标签对应的目标展示信息，向所述目标账户所属的目标终端发送所述目标展示信息。
[0208]
在一种可能的实现方式中，所述装置还包括标签确定模块，用于：
[0209]
对于每个展示信息，基于所述展示信息和关键词提取模型，确定所述展示信息对应的标签。
[0210]
在一种可能的实现方式中，所述筛选模块410，用于：
[0211]
基于所述多个标签分别对应的统计数据，确定每个标签对应的用户兴趣强度；
[0212]
基于所述每个标签对应的用户兴趣强度和预设强度阈值，对所述多个标签进行筛选，得到多个可推荐标签。
[0213]
在一种可能的实现方式中，所述统计数据包括点击统计数据和收藏统计数据。
[0214]
在一种可能的实现方式中，所述点击统计数据包括第一预设时段内所有用户对应的第一点击率和所述第一预设时段内历史点击用户对应的第二点击率，其中，所述历史点击用户为在所述第一预设时段之前的第二预设时段内对所述标签对应的任一展示信息进行过点击操作、且在所述第一预设时段内对所述标签对应的展示信息进行过曝光操作的用户；
[0215]
所述收藏统计数据包括所述第一预设时段内所有用户对应的第一收藏率和所述第一预设时段内历史收藏用户对应的第二收藏率，其中，所述历史收藏用户为在所述第二预设时段内对所述标签对应的任一展示信息进行过收藏操作、且在所述第一预设时段内对所述标签对应的展示信息进行过曝光操作的用户；
[0216]
所述筛选模块410，用于：
[0217]
对于所述每个标签，基于所述标签对应的第一点击率和第二点击率，确定所述标签对应的用户点击兴趣强度；
[0218]
基于所述标签对应的第一收藏率和第二收藏率，确定所述标签对应的用户收藏兴趣强度；
[0219]
基于所述标签对应的用户点击兴趣强度和用户收藏兴趣强度，确定所述标签对应的用户兴趣强度。
[0220]
在一种可能的实现方式中，所述第一确定模块420，用于：
[0221]
基于所述目标账户的第三预设时段内的历史行为数据，确定所述目标账户对应的短期标签，其中，所述第三预设时段为最近的存在多个用户行为信息的时段，且每两个相邻的用户行为信息之间的时间差小于预设时长；
[0222]
基于所述目标账户的第四预设时段内的历史行为数据，确定所述目标账户对应的长期标签；
[0223]
基于所述目标账户对应的短期标签和所述目标账户对应的长期标签，确定所述目标账户对应的参考标签。
[0224]
在一种可能的实现方式中，所述历史行为数据包括历史点击数据和历史收藏数据，所述历史点击数据包括一个或多个历史点击展示信息和每个历史点击展示信息对应的点击时间点，所述历史收藏数据包括一个或多个历史收藏展示信息和所述每个历史收藏展示信息对应的收藏时间点。
[0225]
在一种可能的实现方式中，所述第一确定模块420，用于：
[0226]
获取所述目标账户的第三预设时段内的历史点击数据对应的短期点击标签和所述目标账户的第三预设时段内的历史收藏数据对应的短期收藏标签；
[0227]
在每个短期点击标签对应的一个或多个历史点击展示信息对应的点击时间点中，分别确定所述每个短期点击标签对应的最近点击时间点；
[0228]
按照最近点击时间点由近至远的顺序，选取第一预设数目个短期点击标签，得到所述目标账户对应的目标短期点击标签；
[0229]
在所述每个短期收藏标签对应的一个或多个历史收藏展示信息对应的收藏时间点中，分别确定所述每个短期收藏标签对应的最近收藏时间点；
[0230]
按照最近收藏时间点由近至远的顺序，选取第二预设数目个短期收藏标签，得到所述目标账户对应的目标短期收藏标签；
[0231]
对所述目标短期点击标签和所述目标短期收藏标签进行去重处理，得到所述目标账户对应的短期标签。
[0232]
在一种可能的实现方式中，所述第一确定模块420，用于：
[0233]
获取所述目标账户的第四预设时段内的历史点击数据对应的长期点击标签和所述目标账户的第四预设时段内的历史收藏数据对应的长期收藏标签；
[0234]
对所述长期点击标签和所述长期收藏标签进行去重处理，得到所述目标账户对应的参考长期标签；
[0235]
基于每个参考长期标签对应的第四预设时段内的历史行为数据，分别确定所述每个参考长期标签与所述目标账户之间的相关度；
[0236]
按照所述相关度由高到低的顺序，选取第三预设数目个参考长期标签，得到所述目标账户对应的长期标签。
[0237]
在一种可能的实现方式中，所述确定所述目标账户对应的长期标签之后，所述第一确定模块420，还用于：
[0238]
获取每个标签对应的特征向量；
[0239]
对于每个长期标签，分别计算每个标签与所述长期标签之间的相似度；
[0240]
基于所述每个标签与所述长期标签之间的相似度，确定所述每个长期标签对应的拓展标签；
[0241]
所述基于所述目标账户对应的短期标签和所述目标账户对应的长期标签，确定所述目标账户对应的参考标签，包括：
[0242]
基于所述目标账户对应的短期标签、所述目标账户对应的长期标签和所述每个长期标签对应的拓展标签，确定所述目标账户对应的参考标签。
[0243]
在一种可能的实现方式中，所述发送模块440，用于：
[0244]
对于每个目标推荐标签，基于所述目标推荐标签对应的每个展示信息的统计数据，确定所述目标推荐标签对应的每个展示信息的得分；
[0245]
按照得分由高到低的顺序，选取第四预设数目个展示信息，得到所述目标推荐标签对应的目标展示信息。
[0246]
需要说明的是：上述实施例提供的发送展示信息的装置在发送展示信息时，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将装置的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的发送展示信息的装置与发送展示信息的方法实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。
[0247]
图5是本技术实施例提供的一种服务器的结构示意图，该服务器500可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上处理器(central processing units，cpu)501和一个或一个以上的存储器502，其中，所述存储器502中存储有至少一条指令，所述至少一条指令由所述处理器501加载并执行以实现上述各个方法实施例提供的方
法。当然，该服务器还可以具有有线或无线网络接口、键盘以及输入输出接口等部件，以便进行输入输出，该服务器还可以包括其他用于实现设备功能的部件，在此不做赘述。
[0248]
在示例性实施例中，还提供了一种计算机可读存储介质，例如包括指令的存储器，上述指令可由终端中的处理器执行以完成上述实施例中发送展示信息的方法。该计算机可读存储介质可以是非暂态的。例如，所述计算机可读存储介质可以是rom、ram、cd-rom、磁带、软盘和光数据存储设备等。
[0249]
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也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，上述提到的存储介质可以是只读存储器，磁盘或光盘等。
[0250]
需要说明的是，本技术所涉及的信息(包括但不限于用户设备信息、用户个人信息等)、数据(包括但不限于用于分析的数据、存储的数据、展示的数据等)以及信号(包括但不限于用户终端与其他设备之间传输的信号等)，均为经用户授权或者经过各方充分授权的，且相关数据的收集、使用和处理需要遵守相关国家和地区的相关法律法规和标准。例如，本技术中涉及到的“统计数据”都是在充分授权的情况下获取的。
[0251]
以上所述仅为本技术的可选实施例，并不用以限制本技术，凡在本技术的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本技术的保护范围之内。