智能推荐的全端显示方法及装置制造方法及图纸

本发明专利技术实施例提供一种智能推荐的全端显示方法及装置。当检测到任意设备端有用户数据更新时，获取更新数据以及用户识别信息；根据所述更新数据结合预先训练的兴趣模型计算推荐结果，并将所述推荐结果与用户识别信息对应存入服务器中；当检测到任意设备端取推荐信息时，获取用户识别信息，从所述服务器中读取与所述用户识别信息对应的所述推荐结果，从所述推荐结果中拉取相应的所述推荐信息，并将所述推荐信息显示在相应的设备端。实现了智能推荐在各个设备端的统一，方便用户在全端获取信息。

【技术实现步骤摘要】

本专利技术实施例涉及视频
，尤其涉及一种智能推荐的全端显示方法及装置。
技术介绍
互联网的出现和普及给用户带来了大量的信息，满足了用户在信息时代对信息的需求，但随着网络的迅速发展而带来的网上信息量的大幅增长，使得用户在面对大量信息时无法从中获得对自己真正有用的那部分信息，因此导致用户对信息的使用效率反而降低了，即所谓的信息超载。例如，随着电子商务规模的不断扩大，商品个数和种类快速增长，顾客需要花费大量的时间才能找到自己想买的商品。这种浏览大量无关的信息和产品过程无疑会使淹没在信息超载问题中的消费者不断流失。目前，智能推荐系统的出现是解决信息超载问题的一个非常有潜力的方法。智能推荐系统是一个根据用户的信息需求、兴趣等，将用户感兴趣的信息、产品等推荐给用户的个性化信息推荐系统。与传统的搜索引擎相比，智能推荐系统通过研究用户的兴趣偏好，进行个性化计算，由系统发现用户的兴趣点，从而引导用户发现自己的信息需求。一个好的推荐系统不仅能为用户提供个性化的服务，还能和用户之间建立密切关系，让用户对推荐产生依赖。随着智能设备的种类的逐渐增多，智能推荐在更多设备端上有了用武之地，但是由于智能推荐系统应用在各端的相关位置，对于同一用户，位于不同设备端的智能推荐结果不同，因此很难准确捕捉用户行为。若是不能准确
捕捉用户的行为，则会导致在用户兴趣度模型建立的时候产生偏差，从而影响智能推荐系统的质量。比如，乐视集团目前涵盖PC，APP，TV等端，对于视频的智能推荐，若是各端的推荐内容不统一将会影响用户观影体验，甚至有可能在一定程度上影响用户对视频的依赖性。因此，一种新的智能推荐在全端展示的方法亟待提出。
技术实现思路
本专利技术实施例提供一种智能推荐的全端显示方法及装置，用以解决现有技术中智能推荐在不同设备端推荐内容不统一的缺陷，实现了智能推荐在全端的同一显示。本专利技术实施例提供一种智能推荐的全端显示方法，包括：当检测到任意设备端有用户数据更新时，获取更新数据以及用户识别信息；根据所述更新数据计算推荐结果，并将所述推荐结果与用户识别信息对应存入服务器中；当检测到任意设备端获取推荐信息时，获取用户识别信息，从所述服务器中读取与所述用户识别信息对应的所述推荐结果，从所述推荐结果中拉取相应的所述推荐信息，并将所述推荐信息显示在相应的设备端。本专利技术实施例提供一种智能推荐的全端显示装置，包括：数据获取模块，当检测到任意设备端有用户数据更新时，用于获取更新数据以及用户识别信息；计算模块，用于根据所述更新数据结合预先训练的兴趣模型计算推荐结果，并将所述推荐结果与用户识别信息对应存入服务器中；推荐模块，当检测到任意设备端获取推荐信息时，用于获取用户识别信息，从所述服务器中读取与所述用户识别信息对应的所述推荐结果，从所述推荐结果中拉取相应的所述推荐信息，并将所述推荐信息显示在相应的设备端。本专利技术实施例提供的智能推荐的全端显示方法及装置，通过各个设备端对用户的行为进行捕捉从而建立用户兴趣模型，并根据兴趣模型将推荐结果存在同一服务器中，辅以用户识别信息，当通过不同设备端向用户进行信息推荐时，从同一服务器拉取数据，由此实现了智能推荐在各个端的统一，方便用户在全端获取信息。与此同时，通过各个设备端可以更准确地捕捉丰富的用户行为信息，将之用于训练用户兴趣模型，可以为后续的推荐提供更加准确的信息。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，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。图1为本专利技术实施例一的技术流程图；图2为本专利技术实施例二的技术流程图；图3是本专利技术实施例三的技术流程图；图4为本专利技术实施例四的装置结构示意图。具体实施方式为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。需要说明的是，本专利技术所述的“服务器”并非指一台服务器设备，为了保证服务器的负载均衡，服务器可以有多个子节点构成，因此应当理解，本
专利技术各实施例中所述的服务器是指由多台服务器设备构成的服务器集群。本专利技术实施例的智能推荐方法，适用于所有需要信息推荐的系统，如视频推荐或是电子商务中商品推荐以及其他类型的智能推荐场景。实施例一图1是本专利技术实施例一的技术流程图，结合图1，本专利技术实施例一种智能推荐的全端显示方法，在服务器端主要由以下的步骤实现：步骤110：当检测到任意设备端有用户数据更新时，获取更新数据以及用户识别信息；本专利技术实施例中的所述数据更新可以包括用户对现有信息的操作、用户的访问足迹、搜索内容、用户在某一界面停留的时间等。例如在视频播放设备中，获取用户对现有展示视频的选择情况，用户的观看类型以及用户发起搜索的视频名称以及发起搜索的视频分类，用户对某部影片的分享及评分情况等；在电子商务中，可以是用户选择的商品品牌、商品类型、对某一商品的浏览时间、使用评价等等。获取用户识别信息目的在于，将用户的账号信息与用户数据唯一对应地保存在服务器中，从而，当用户用同一账号登录各设备端时，生成的个性化推荐主题顺序、主题内推荐信息排序与用户的兴趣度相关并且各设备端数据保持一致。若用户在浏览信息时处于未登录状态或，则可获取用户的IP地址，建立用户数据与唯一IP地址的对应关系，从而也能实现用户兴趣的捕捉以及相关推荐。本专利技术实施例中的所述设备端包括Web端，手机端以及TV端等，这些设备通常有一个唯一的识别号，因此，本专利技术实施例还可以通过设备识别号与相应的用户关联，通过建立用户数据与设备识别号的对应关系进行用户兴趣的捕捉与推荐。步骤120：根据所述更新数据计算推荐结果，并将所述推荐结果与用户识别信息对应存入服务器中；可选地，需要结合预先训练的兴趣模型计算推荐结果；根据用户的所述更新数据可以判断出用户的兴趣点所在，即用户感兴趣的信息包括哪些特征，并跟据所述特征寻找用户可能会感兴趣的信息。例如，在使用视频播放客户端时，用户搜索电视剧为某一谍战剧且观看时间较长，后台检测到用户的搜索结果，并对这部谍战剧进行特征分析，得到故事主题，风格定位，背景年代，情节等方面。本专利技术实施例中，所述特征分析通过查询预先建立的特征标签实现。根据所述查询到的特征标签，调用服务器中预先训练的兴趣模型进行匹配，得到相应的推荐结果，并将获取到的用户识别信息与推荐结果对应地保存在服务器中用于后续信息拉取。步骤130：当检测到任意设备端取推荐信息时，获取用户识别信息，从所述服务器中读取与所述用户识别信息对应的所述推荐结果，从所述推荐结果中拉取相应的所述推荐信息，并将所述推荐信息显示在相应的设备端。本专利技术实施例的核心在于，位于各设备端的用户推荐系统使用同一服务器数据，而这些服务器数据可以由多个服务器来承载，其中服务器的数量不做限制。当用户需要读取推荐结果时，不管是Web端，App，还是TV端，均从统一的服务本文档来自技高网...

【技术保护点】
一种智能推荐的全端显示方法，其特征在于，包括如下的步骤：当检测到任意设备端有用户数据更新时，获取更新数据以及用户识别信息；根据所述更新数据获取推荐结果，并将所述推荐结果与所述用户识别信息对应存入服务器中；当检测到任意设备端获取推荐信息时，获取所述用户识别信息，从所述服务器中读取与所述用户识别信息对应的所述推荐结果，从所述推荐结果中拉取相应的所述推荐信息，并将所述推荐信息显示在相应的设备端。

【技术特征摘要】
1.一种智能推荐的全端显示方法，其特征在于，包括如下的步骤：当检测到任意设备端有用户数据更新时，获取更新数据以及用户识别信息；根据所述更新数据获取推荐结果，并将所述推荐结果与所述用户识别信息对应存入服务器中；当检测到任意设备端获取推荐信息时，获取所述用户识别信息，从所述服务器中读取与所述用户识别信息对应的所述推荐结果，从所述推荐结果中拉取相应的所述推荐信息，并将所述推荐信息显示在相应的设备端。2.根据权利要求1所述的方法，其特征在于，所述方法包括，预先采用如下步骤训练所述兴趣模型：对每一个待推荐的目标信息建立特征标签，根据所述特征标签计算所述目标信息之间的相似度；根据所述相似度建立所述兴趣模型。3.根据权利要求2所述的方法，其特征在于，根据所述特征标签计算每个所述目标信息之间的相似度，进一步包括：根据一定数量的所述特征标签建立组合标签，计算所述组合标签之间的相似度。4.根据权利要求1所述的方法，其特征在于，所述用户识别信息具体包括：用户账号、IP地址、设备识别号中的至少一个。5.根据权利要求1所述的方法，其特征在于，所述方法进一步包括：将所述推荐信息显示在相应的设备端之后，监测用户对所述推荐信息的操
\t作结果，并将所述操作结果与所述用户识别信息对应存入所述服务器中用以更新所述兴趣模型。6.一种智...

【专利技术属性】
技术研发人员：唐雪，
申请(专利权)人：乐视网信息技术北京股份有限公司，
类型：发明
国别省市：北京;11