媒体内容推送方法、装置及存储介质制造方法及图纸

本申请公开了一种媒体内容推送方法、装置及存储介质，该方法包括：当接收到应用客户端的页面数据获取请求时，从用户数据库获取所述页面数据获取请求携带的用户标识对应的用户兴趣数据，其中，所述用户兴趣数据包括所述用户标识对应的至少一个兴趣类别各自的第一兴趣度，所述第一兴趣度表征所述用户标识对应的用户对于所述兴趣类别的兴趣度；对所述至少一个兴趣类别各自的第一兴趣度分别进行概率分布采样处理，得到所述至少一个兴趣类别各自的第二兴趣度；根据所述至少一个兴趣类别各自的所述第二兴趣度，从所述至少一个兴趣类别中确定符合预定条件的兴趣类别，在所确定的兴趣类别下选择准备推送给所述应用客户端的媒体内容。

Method, device and storage medium of media content push

【技术实现步骤摘要】
媒体内容推送方法、装置及存储介质
本申请涉及互联网
，尤其涉及一种媒体内容推送方法、装置及存储介质。
技术介绍
随着互联网技术的发展，越来越多的数据(包括：文本、图片、音频、视频等)会通过互联网推送给各种用户。为了针对每个用户的兴趣特点，给每个用户推送个性化的数据，目前有利用用户画像(profile)技术来为每个用户推荐个性化的数据。所谓用户画像技术，通过用户的历史数据建立描绘该用户的标签，比如，用户对体育和财经类的资讯比较感兴趣，用户画像技术得出该用户的标签为体育和财经。向用户推荐数据的推荐系统通过用户画像技术得到用户的标签后，向用户推荐上述标签相关的数据，如向用户推荐体育和财经类的资讯。
技术实现思路
本申请提供了一种媒体内容推送方法，该方法包括:当接收到应用客户端的页面数据获取请求时，从用户数据库获取所述页面数据获取请求携带的用户标识对应的用户兴趣数据，其中，所述用户兴趣数据包括所述用户标识对应的至少一个兴趣类别各自的第一兴趣度，所述第一兴趣度表征所述用户标识对应的用户对于所述兴趣类别的兴趣度；对所述至少一个兴趣类别各自的第一兴趣度分别进行概率分布采样处理，得到所述至少一个兴趣类别各自的第二兴趣度；根据所述至少一个兴趣类别各自的所述第二兴趣度，从所述至少一个兴趣类别中确定符合预定条件的兴趣类别，在所确定的兴趣类别下选择准备推送给所述应用客户端的媒体内容。本申请还提供一种媒体内容推送装置，该装置包括：获取模块，当接收到应用客户端的页面数据获取请求时，从用户数据库获取所述页面数据获取请求携带的用户标识对应的用户兴趣数据，其中，所述用户兴趣数据包括所述用户标识对应的至少一个兴趣类别各自的第一兴趣度，所述第一兴趣度表征所述用户标识对应的用户对于所述兴趣类别的兴趣度；处理模块，对所述至少一个兴趣类别各自的第一兴趣度分别进行概率分布采样处理，得到所述至少一个兴趣类别各自的第二兴趣度；选择模块，根据所述至少一个兴趣类别各自的所述第二兴趣度，从所述至少一个兴趣类别中确定符合预定条件的兴趣类别，在所确定的兴趣类别下选择准备推送给所述应用客户端的媒体内容。本申请实例提供了一种计算机可读存储介质，存储有计算机可读指令，可以使至少一个处理器执行上述方法。采用上述技术方案，能够丰富向用户推送的媒体内容，改善了媒体内容推送的效果。附图说明为了更清楚地说明本申请实例中的技术方案，下面将对实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申请的一些实例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。图1是本申请涉及的一种系统构架示意图；图2为本申请一实例的方法流程图；图3(a)～(b)是本申请涉及的采样输出分布图；图4为本申请一媒体内容推送实例的消息交互图；图5是本申请一实例的装置结构图；及图6是本申请一实例的设备结构图。具体实施方式下面将结合本申请实例中的附图，对本申请实例中的技术方案进行清楚、完整地描述，显然，所描述的实例仅是本申请一部分实例，而不是全部的实例。基于本申请中的实例，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他实例，都属于本申请保护的范围。在一些实例中，一些类别的推荐系统，如新闻资讯类的推荐系统，通常会对媒体内容(如文章)进行分类，针对分类维度(如体育、娱乐及财经等)捕获用户兴趣从而向用户推荐其兴趣度较高的维度下的媒体内容。常见的兴趣推荐主要依据用户分类兴趣模型得分(或称为用户画像技术)，该用户分类兴趣模型得分可以是这样一个方式：根据推荐系统向用户X历史推荐的各类别的媒体内容的点击数/展现数的比值(或称点击率)，得到该用户X的用户画像，用户画像可以是种多维度的数据结构，其包括多个用户兴趣维度(或者说兴趣类别或兴趣标签)上的兴趣度得分。如推荐系统曾向用户X推送体育类资讯10次(或者称为体育类资讯展现数为10)，用户X对上述体育类资讯点击9次(或者称为体育类资讯点击数或有效阅读数为9)，则对用户X而言，体育类资讯的点击数/展现数的比值为0.9，即体育类资讯得分为0.9，对其他类别依此类推，上述几个得分靠前的类别为用户X的标签，即可得到包括这几个得分靠前的类别的得分的用户X的用户画像。之后，推荐系统向用户X推荐与该用户X标签匹配的资讯，例如，通过用户画像技术得出用户X的标签有体育、娱乐和财经，则推荐系统向用户X推荐体育、娱乐和财经类别下的资讯。然而，上述用户分类兴趣模型得分会使得得分靠前的分类的媒体内容容易占据所有推荐槽位，极端情况下部分用户只能看到得分最靠前的少量分类内容，这样由于展现分类的减少，用户可选择的内容越发集中，推荐类别密集的问题会越来越严重。例如，通过用户画像技术得出用户X的标签有A分类和B分类，且A分类得分为0.9，B分类得分为0.1，则推荐系统向用户X推荐A分类和B分类的媒体内容，根据A分类和B分类的得分，该推荐方法会使用户X大量看到A分类的媒体内容，且推荐系统每次给用户X推荐媒体内容之前，都会对用户X的历史数据(如推送给该用户X的各个类别媒体内容的展示数、点击数及点击数/展现数的比值)采用上述用户分类兴趣模型得分进行计算，若推荐系统长期大量推荐A分类，则最终会使得A分类的得分趋于1，推荐列表完全集中到了A分类，用户X几乎看不到B分类的媒体内容，且这种情形长期无法缓解。这种推荐中心化(指用户画像技术得到的用户标签的集中化)的方案虽然能对推荐效果带来不错的收益，但是长期的中心化会导致推荐系统过于密集的推荐某一分类的媒体内容，为用户推荐的内容涉及的分类过少。一种处理方案是在推荐系统的推荐内容结果中随机的增加少量其他分类的媒体内容，以进行去中心化。例如，通过用户画像技术得出用户X的标签为体育和财经，该处理方案则在推荐系统的推荐内容结果中直接添加娱乐分类的媒体内容，该处理方案过于粗暴，不够灵活。上述实例存在的问题又可以称为开发-勘探(Exploitation-Exploration，EE)问题，即如何在利用用户的兴趣向用户推荐其感兴趣的媒体内容的同时，不断开发探索用户新的兴趣，以避免反复给用户推送同类别的或是相似甚至相同的媒体内容。为了解决上述技术问题，本申请提出一种媒体内容推送方法，该方法应用于图1所示的系统构架中。如图1所示，该系统构架包括：应用客户端101、应用服务器102、媒体内容推荐系统103和数据库104，其中，媒体内容推荐系统103可位于应用服务器102的内部或者外部，数据库104可以位于媒体内容推荐系统103的内部或者外部，可以是用户画像数据库。应用客户端101、应用服务器102、媒体内容推荐系统103和数据库104通过互联网105进行通信。用户可以使用应用客户端101(如快报APP客户端等)访问应用服务器102，比如：浏览新闻资讯等，应用服务器102可以是提供各种互联网服务的网站服务器，比如：门户网站服务器、快报或今日头条等的新闻服务器、提供在线视频/音频播放服务的服务器、社交平台的服务器等等。当用户使用应用客户端101访问应用服务器102时，如用户使用终端设备打开应用客户端101或者切换应用客户端101的页面时，向应用服务器102发送针对应用客户端101首页或欲切换到页面的页面数据获本文档来自技高网...

【技术保护点】
1.一种媒体内容推送方法，其特征在于，该方法包括：当接收到应用客户端的页面数据获取请求时，从用户数据库获取所述页面数据获取请求携带的用户标识对应的用户兴趣数据，其中，所述用户兴趣数据包括所述用户标识对应的至少一个兴趣类别各自的第一兴趣度，所述第一兴趣度表征所述用户标识对应的用户对于所述兴趣类别的兴趣度；对所述至少一个兴趣类别各自的第一兴趣度分别进行概率分布采样处理，得到所述至少一个兴趣类别各自的第二兴趣度；根据所述至少一个兴趣类别各自的所述第二兴趣度，从所述至少一个兴趣类别中确定符合预定条件的兴趣类别，在所确定的兴趣类别下选择准备推送给所述应用客户端的媒体内容。

【技术特征摘要】
1.一种媒体内容推送方法，其特征在于，该方法包括：当接收到应用客户端的页面数据获取请求时，从用户数据库获取所述页面数据获取请求携带的用户标识对应的用户兴趣数据，其中，所述用户兴趣数据包括所述用户标识对应的至少一个兴趣类别各自的第一兴趣度，所述第一兴趣度表征所述用户标识对应的用户对于所述兴趣类别的兴趣度；对所述至少一个兴趣类别各自的第一兴趣度分别进行概率分布采样处理，得到所述至少一个兴趣类别各自的第二兴趣度；根据所述至少一个兴趣类别各自的所述第二兴趣度，从所述至少一个兴趣类别中确定符合预定条件的兴趣类别，在所确定的兴趣类别下选择准备推送给所述应用客户端的媒体内容。2.根据权利要求1所述的方法，其中，所述用户兴趣数据进一步包括所述至少一个兴趣类别各自的第三兴趣度，所述第三兴趣度表征全局用户对于所述兴趣类别的兴趣度；在进行所述概率分布采样处理之前，所述方法进一步包括：针对所述至少一个兴趣类别中的每一个兴趣类别，根据该兴趣类别的所述第三兴趣度对该兴趣类别的所述第一兴趣度进行调整；其中，对所述调整后的第一兴趣度进行概率分布采样处理。3.根据权利要求1所述的方法，其中，对所述至少一个兴趣类别各自的第一兴趣度分别进行概率分布采样处理，包括：将所述第一兴趣度转换成预定概率分布函数的第一输入参数和第二输入参数；根据所述第一输入参数和所述第二输入参数及所述概率分布函数，确定所述第二兴趣度。4.根据权利要求3所述的方法，其中，所述用户兴趣数据进一步包括所述至少一个兴趣类别各自的第三兴趣度，所述第三兴趣度表征全局用户对于所述兴趣类别的兴趣度；在将所述第一兴趣度转换成所述第一输入参数和所述第二输入参数之后，所述方法进一步包括：针对所述至少一个兴趣类别中的每一个兴趣类别，根据该兴趣类别的所述第三兴趣度对该兴趣类别的所述第一输入参数和所述第二数据参数进行调整；其中，根据所述调整后的第一输入参数和所述调整后的第二输入参数及所述概率分布函数，确定所述第二兴趣度。5.根据权利要求1所述的方法，其中，从所述至少一个兴趣类别中确定符合预定条件的兴趣类别，包括：对所述至少一个兴趣类别各自的所述第二兴趣度进行归一化处理，得到所述至少一个兴趣类别各自的第三兴趣度；从所述至少一个兴趣类别中确定其第三兴趣度符合预定条件的兴趣类别。6.根据权利要求1所述的方法，其中，从所述至少一个兴趣类别中确定符合预定条件的兴趣类别，包括：当所述至少一个兴趣类别中的一个兴趣类别的所述第二兴趣度达到预定阈值时，确定该兴趣类别为符合预定条件的兴趣类别。...

【专利技术属性】
技术研发人员：庄凯，胡博，何翔，郭卫敏，
申请(专利权)人：腾讯科技北京有限公司，
类型：发明
国别省市：北京,11