一种故事筛选及精准展现的方法和装置制造方法及图纸

本发明专利技术提出一种故事筛选及精准展现的方法和装置，该故事筛选展现方法包括：建立用户评分模型和等级划分机制，根据用户属性和行为信息对用户进行评分并划分相应的用户等级；建立故事评分模型和等级划分机制，根据故事属性和用户操作信息对故事进行评分并划分相应的故事等级；建立分层推荐模型，对于不同层级的用户和故事构建不同的推荐系统模型，用于实现高质量故事筛选和精准展现。

【技术实现步骤摘要】
一种故事筛选及精准展现的方法和装置
本专利技术涉及互联网
，尤其涉及一种故事筛选及精准展现的方法和装置。
技术介绍
现有相关故事作品筛选和展现方法，主要由三种手段：一种方法是通过作者的知名度对故事作品进行筛选，同时根据热门程度展现故事；第二种是根据文本内容的优劣进行故事的筛选，同时展示具有优质内容的故事；第三种方法是通过推荐系统方法，利用用户行为日志挖掘出用户可能感兴趣的故事。但是上述方法在具体实施过程中都有各自显著的缺点，通过作者的知名度对故事进行筛选可以在一定程度上保证内容的高质量，但是这种方式无法挖掘到那些尚未成名却拥有高质量的作品，同时单纯根据热门程度进行展现会使得大多数故事没有机会得到展现。如果单从内容出发进行筛选和展示，虽然能获得最好的效果，但处理成本过高无法很好的适应如今急剧增长的信息量，最后虽然传统的推荐系统方法能使得一些高质量的故事得以展现，但是现今推荐系统无法同时满足挖掘高质量内容和精准展示的需求。
技术实现思路
本专利技术实施例旨在至少在一定程度上解决相关技术中的技术问题之一。为此，本专利技术的一个目的在于提出一种故事筛选及精准展现的方法，该方法可以提高系统整体推荐质量，更好的挖掘出高质量故事并对关键用户提供更好的展现服务。本专利技术的另一个目的在于提出一种故事筛选及精准展现的装置。本专利技术实施例提出的故事筛选及精准展现的方法，通过构造用户评分模型和等级划分机制，根据系统中用户的属性信息和行为信息对用户建模评分，并将评分后的用户划分到相应的用户等级。由于不同用户对于故事质量的挖掘能力、参与兴趣、消费能力具有很大的差异，将用户进行划分后对不同用户群区别处理能更好的维护系统的稳定性、活力和挖掘能力。本专利技术实施例提出的故事评分模型和等级划分机制，初始时故事会获取一个初始权重，随后根据用户对故事操作时的行为，模型会赋予故事相应的评分，并将评分后的故事划分到对应的等级。由于用户对于故事的操作在一定程度上反映了故事的内容质量，拥有优质的内容在模型中越能获得更高的评分。同时对处于不同等级的故事采用不同的推荐策略和展现策略，能更好的挖掘到高质量故事和实现精准展示。本专利技术实施例所提出的分层推荐模型，对不同层级的用户和故事构建不同的推荐系统模型，这样的做法能够克服单一推荐系统模型性能上的不足，现如今的推荐系统不能同时满足性能上方方面面的要求，也无法满足不同用户各式各样的需求。针对不同等级用户和故事的特性，分层推荐模型利用不同推荐模型和策略，最大程度上适应用户的需求，同时最大程度上激发用户对于整体系统的贡献能力和参与能力，最终实现高质量故事筛选和精准展现的目标。为达到上述目的，本专利技术第二方面实施例提出的高质量故事筛选展现装置，包括：接收模块，用于获取用户属性信息和故事属性信息；等级划分模块，包括用户等级划分子模块和故事等级划分子模块；用户等级划分子模块，用于建立用户评分模型和等级划分机制，根据用户属性和行为信息对用户进行评分并划分相应的用户等级；故事等级划分子模块，用于建立故事评分模型和等级划分机制，根据故事属性和用户操作信息对故事进行评分并划分相应的故事等级；分层推荐及展现模块，对于不同层级的用户和故事构建不同的推荐系统模型，用于实现高质量故事筛选和精准展现。本专利技术实施例附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本专利技术的实践了解得到。附图说明图1是本专利技术实施例提出的故事筛选及精准展现方法的流程示意图。图2是本专利技术实施例提出的用户评分模型和等级划分机制流程示意图。图3是本专利技术实施例提出的故事评分模型和等级划分机制流程示意图。图4是本专利技术实施例提出的用户和故事分级模型示意图。图5是本专利技术一实施例提出的分层推荐模型示意图。图6是本专利技术另一实施例提出的故事筛选及精准展现装置结构示意图。具体实施方式下面详细描述本专利技术的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的模块或具有相同或类似功能的模块。下面通过参考附图描述的实施例是示例性的,仅用于解释本专利技术,而不能理解为对本专利技术的限制。相反,本专利技术的实施例包括落入所附调权利要求书的精神和内涵范围内的所有变化、修改和等同物。图1是本专利技术实施例提出的故事筛选及精准展现方法整体流程示意图，该方法包括。s11:用户评分模型和等级划分机制，根据用户属性信息和行为信息对用户进行评分并划分相应的用户等级。s12:故事评分模型和等级划分机制，根据故事属性和用户对应操作信息对故事进行评分并划分相应的故事等级。s13:分层推荐模型，对于不同层级的用户和故事构建不同的推荐系统模型，用于实现高质量故事筛选和精准展现。图2是本专利技术实施例提出的用户评分模型和等级划分机制，该方法包括。s21:用户数据采集模型，用于获取用户的属性信息和行为信息，初始时用户还没有对故事进行操作，数据采集模块只能获取用户属性信息，随着用户在系统中进行各种处理操作，包括并不只限于浏览、关注、购买故事，数据采集模块会记录用户的各种操作行为。s22：用户评分模型，根据采集到的用户属性信息和行为信息，对用户等级进行评估。初始时由于缺少用户的行为数据，评分模型只是利用用户的属性信息进行评分，相关的评分属性包括并不只限于用户角色，用户认证类型，用户行业资质等，调整不同属性的权重计算出最能刻画用户等级的评估分值。S23:用户等级划分模型，根据计算得到的用户评估分值，将用户划分到不同的等级类别中，不同等级的用户具有不同的特性，相同等级的用户之间往往更加相似，整个用户等级划分过程可以看做是一个用户聚类的过程，最终不同类别的用户在系统中承担和发挥不同的功能。可以理解的是，等级划分模型将用户划分为N个级别，假定被划分到越高级别的用户可视为系统的核心用户，这部分用户对于故事具有更高的消费能力同时对质量内容有更严苛的要求。一般来说划分后的用户等级及各等级上用户的数量呈现金字塔型的组织架构，某个划分等级越低其用户数目越多，这部分用户对于大量故事的筛选任务具有很强的消化能力。需要做出解释的是，用户等级的划分并不是一成不变的，用户评分模型会记录用户对于故事的操作记录，根据并不只限于用户对于故事的发布行为、点击行为、关注行为、成交行为等重新计算用户等级评估分值，根据不同分值将用户划分到不同层级。图3是本专利技术实施例提出的故事评分模型和等级划分机制，该方法包括。s31:故事数据采集模型，用于获取故事的属性信息和行为信息，初始时刚进入系统的故事没有得到任何的处理操作，数据采集模块只能获取其静态属性信息，随着用户在系统中进行各种处理操作，包括并不只限于浏览、关注、购买故事，数据采集模块会根据用户的操作记录故事的动态属性信息。s32：故事评分模型，用于根据采集到的故事静态属性信息和动态属性信息，对故事等级进行评估。初始时由于缺少用户的行为数据，评分模型只能利用故事的静态属性信息，可以参考发布该故事的作者评估分值作为故事的初始评估分值。随着用户操作行为的增加，后续添加用户的操作行为对故事进行评分。s33:故事等级划分模型，根据计算得到的故事评估分值，将故事划分到不同的等级类别中，不同等级的故事可以视作具有不同的内容质量，因此整个故事评分和等级划分过程可以看做是对故事内容质量的评定过程。可以理解本文档来自技高网...

【技术保护点】
一种故事筛选及精准展现的方法，其特征在于，包括：   获取用户属性信息；   建立用户评分模型和等级划分机制，根据用户属性和行为信息对用户进行评分并划分相应的用户等级；   获取故事属性信息；   建立故事评分模型和等级划分机制，根据故事属性和用户操作信息对故事进行评分并划分相应的故事等级；   建立分层推荐模型，对于不同层级的用户和故事构建不同的推荐系统模型，用于实现高质量故事筛选和精准展现。

【技术特征摘要】
1.一种故事筛选及精准展现的方法，其特征在于，包括：获取用户属性信息；建立用户评分模型和等级划分机制，根据用户属性和行为信息对用户进行评分并划分相应的用户等级；获取故事属性信息；建立故事评分模型和等级划分机制，根据故事属性和用户操作信息对故事进行评分并划分相应的故事等级；建立分层推荐模型，对于不同层级的用户和故事构建不同的推荐系统模型，用于实现高质量故事筛选和精准展现。2.根据权利要求1所述的方法，其特征在于，所述获取所述用户属性信息，包括：用户通用属性信息，包括并不限制于角色信息、认证信息、活跃时间信息等信息；用户操作统计信息，包括并不限制于发布故事数目、关注故事数目、被关注故事数目等信息。3.根据权利要求1所述的方法，其特征在于，所述建立用户评分模型和等级划分机制，包括：根据所述的用户通用属性信息和用户操作统计信息，建立用户评分模型，其中所述用户评分模型应当能够反应不同用户对于故事质量的挖掘能力、参与兴趣、消费能力；等级划分机制根据所述的用户评分模型获取到评估分值，并将将用户划分到预设的不同等级中，使得各层用户承载不同的功能；低层级用户主要承载故事内容质量筛选的功能，将尽可能多的故事展示给这部分用户；中层级用户主要承载故事进一步筛选优化并逐步实现其价值的功能，需要综合展示数量和用户个性化需求；高层级用户主要承载实现故事价值的功能，要充分满足用户个性化需求和实现精准展示。4.根据权利要求1所述的方法，其特征在于，所述获取故事属性信息，包括：所述获取的故事为一切能转化为影视、游戏、戏剧作品的文学创作作品，包括并不只限制于影视剧本、小说、戏剧大纲等；故事静态属性信息，包括并不只限于作品名、作者信息、分类信息、标签信息等；故事动态属性信息，即用户对故事的操作统计信息，包括并不只限于被关注数、点击次数、浏览次数、浏览时长等信息。5.根据权利要求1所述的方法，其特征在于，所述建立故事评分模型和等级划分机制，包括：根据所述的故事静态属性信息和动态属性信息，建立故事评分模型，其中所述用户评分模型应当能够一定程度上反映故事的内容质量；等级划分机制根据所述的故事评分模型获取到评估分值，并将故事划分到预设的不同等级中，不同等级反映了故事的内容质量。6.根据权利要求1所述的方法，其特征在于，所述建立分层推荐模型，对于不同层级的用户和故事构建不同的推荐系统模型，包括：对所述划分不同层级的用户和故事构建不同的推荐系统模型和展示策略，利用不同推荐模型和策略的特性适应各层用户不同需求，针对用户等级划分机制中所述各层用户承载不同的功能，选取适应该层级的推荐系统模型；对于低层级可选的推荐和展示策略为，预设故事最小和最大的展示次数进行向用户随机展示，或利用标签信息进行内容相似性描述，对相似性高的用户和故事进行展示；对于中层级可选的推荐和展示策略为，基于用户协同过滤的推荐模型以及混合策略推荐模型；对于高层级可选的推荐和展示策略为，采用满足用户个性化需求的基于物品协同过滤的推荐模型或者更为复杂精确度更高的推荐模型。7.一种故事筛选及精准展现的装置，其特征在于，包括：接收模块，...

【专利技术属性】
技术研发人员：吴又，杨宇航，赵长冯，毛耀宗，
申请(专利权)人：北京云莱坞文化传媒有限公司，
类型：发明
国别省市：北京,11