推荐方法、装置、存储介质及终端制造方法及图纸

本发明专利技术公开了一种推荐方法、装置、存储介质及终端，该方法包括：获取用户在预设应用程序上用户行为；根据用户行为，确定样本统计值；根据样本统计值，确定用户在使用预设应用程序的过程中单品类的点击比例系数；归一化单品类的点击比例系数，作为单品类的动态推荐比例。本发明专利技术通过首先确定用户在使用预设应用程序的过程中单品类的点击比例系数，再根据其单品类的点击比例系数的归一化计算，计算出的该品类在所有品类的点击比例系数中所占的比例作为其动态推荐比例，向用户推荐对应内容，使应用程序推荐的内容更符合用户对各品类的偏好情况，以进一步提高了用户的点击率，达到更好的推荐效果。

Recommended methods, devices, storage media and terminals

The invention discloses a recommendation method, device, storage medium and terminal. The method includes: acquiring user behavior on a preset application program; determining sample statistics according to user behavior; determining click proportions of a single category in the process of using a preset application program according to sample statistics; normalizing click proportions of a single category as a single item. Class dynamic recommendation ratio. The invention first determines the click ratio coefficient of a single category in the process of user using the preset application program, then calculates the click ratio coefficient of a single category according to its normalization, calculates the proportion of the click ratio coefficient of the category in all categories as its dynamic recommendation ratio, and recommends the corresponding content to the user, so as to make the content recommended by the application program more in line with the user. In order to further improve the click-through rate of users and achieve better recommendation effect, the preferences of each category are discussed.

【技术实现步骤摘要】
推荐方法、装置、存储介质及终端
本专利技术涉及应用软件领域，特别是涉及一种推荐方法、装置、存储介质及终端。
技术介绍
应用程序App在用户使用的过程中会根据用户的使用行为数据，提取用户的行为特征，为用户推荐其可能感兴趣的帖子，以提高用户的使用体验。在以往实现方案中，主要采用根据总体用户行为偏好，基于收集数据的统计，设置一个全局的品类比例，一定程度上满足了用户的推荐需求，但现有方案只能大致体现用户的行为偏好，不能反应出用户对App所提供的各个品类之间的偏好，进而可能影响用户的点击率，无法起到更好的推荐效果。
技术实现思路
本专利技术提供一种推荐方法、装置、存储介质及终端，用以解决现有技术只能大致体现用户的行为偏好，不能反应出用户对App所提供的各个品类之间的偏好，进而可能影响用户的点击率，无法起到更好的推荐效果的问题。为解决上述技术问题，一方面，本专利技术提供一种推荐方法，包括：获取用户在预设应用程序上用户行为；根据所述用户行为，确定样本统计值；根据所述样本统计值，确定所述用户在使用预设应用程序的过程中单品类的点击比例系数；归一化所述单品类的点击比例系数，作为单品类的动态推荐比例。进一步，所述样本统计值至少包括：预设应用程序的点击率H、预设应用程序的点击量G、预设应用程序的单品类点击率r、用户行为频数c。进一步，所述根据所述样本统计值，确定所述用户在使用预设应用程序的过程中单品类的比例系数，包括：根据如下公式计算预设应用程序的单品类i的总体比例系数wi和偏移量b：根据如下公式计算所述单品类i的点击比例系数其中，N为预设应用程序的所有品类数量，K为用户行为数量，m为N的比例系数，d为K的比例系数，且m+d＝1，p和q满足且q的值根据用户行为发生变化，a为最低比例系数，并且，m、d、p、q、N、K和a均为固定值。进一步，所述归一化所述单品类的点击比例系数，作为单品类的动态推荐比例，包括：根据如下公式计算单品类i的动态推荐比例另一方面，本专利技术还提供一种推荐比例，包括：用户行为获取模块，用于获取用户在预设应用程序上用户行为；样本统计模块，用于根据所述用户行为，确定样本统计值；比例系数确定模块，用于根据所述样本统计值，确定所述用户在使用预设应用程序的过程中单品类的点击比例系数；归一化模块，用于归一化所述单品类的点击比例系数，作为单品类的动态推荐比例。进一步，所述样本统计值至少包括：预设应用程序的点击率H、预设应用程序的点击量G、预设应用程序的单品类点击率r、用户行为频数c。进一步，所述比例系数确定模块，具体用于：根据如下公式计算预设应用程序的单品类i的总体比例系数wi和偏移量b：根据如下公式计算所述单品类i的点击比例系数其中，N为预设应用程序的所有品类数量，K为用户行为数量，m为N的比例系数，d为K的比例系数，且m+d＝1，p和q满足且q的值根据用户行为发生变化，a为最低比例系数，并且，m、d、p、q、N、K和a均为固定值。进一步，所述归一化模块，具体用于：根据如下公式计算单品类i的动态推荐比例另一方面，本专利技术还提供一种存储介质，存储有计算机程序，计算机程序被处理器执行时实现上述的推荐方法的步骤。另一方面，本专利技术还提供一种终端，至少包括存储器、处理器，存储器上存储有计算机程序，处理器在执行存储器上的计算机程序时实现上述的推荐方法的步骤。本专利技术通过首先确定用户在使用预设应用程序的过程中单品类的点击比例系数，再根据其单品类的点击比例系数的归一化计算，计算出的该品类在所有品类的点击比例系数中所占的比例作为其动态推荐比例，向用户推荐对应内容，使应用程序推荐的关注点设置在用户点击的不同品类的帖子之间，而不考虑除点击各品类帖子之外的其他用户行为，使推荐的内容更符合用户对各品类的偏好情况，以进一步提高了用户的点击率，达到更好的推荐效果。附图说明图1是本专利技术第一实施例中推荐方法的流程图；图2是本专利技术第二实施例中推荐方法的流程图；图3是本专利技术第三和第四实施例中推荐装置的结构示意图。具体实施方式为了解决现有技术只能大致体现用户的行为偏好，不能反应出用户对App所提供的各个品类之间的偏好，进而可能影响用户的点击率，无法起到更好的推荐效果的问题，本专利技术提供了一种推荐方法、装置、存储介质及终端，以下结合附图以及实施例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不限定本专利技术。本专利技术的第一实施例提供了一种推荐方法，主要应用于应用程序的后台服务器上，其流程图如图1所示，主要包括步骤S101至S104：S101，获取用户在预设应用程序上用户行为。预设应用程序可以为用户使用的任意一个应用程序，为用户提供相应的功能，并且记录用户的使用情况，将其上报至后台服务器，如使用时间、点击情况、个人信息、聊天信息等；后台服务器在接收到应用程序发送的用户使用情况后，可以从中筛选过滤出用户的用户行为信息，作为分析用户使用偏好的主要依据。具体地，在本实施例中，用户行为至少包括：点击、在线聊天、发送短信、拨打电话等用户常用的四种情况。进一步地，根据预设应用程序的品类不同，用户行为也可以根据品类进行区分，如用户在招聘品类下的点击情况，在租房品类下的拨打电话情况等。并且，本实施例中主要针对的是用户当前所在地域下该用户的使用偏好，当用户所在地切换时，应当重新进行用户行为获取和分析。S102，根据用户行为，确定样本统计值。用户行为反映了用户在使用应用程序时的行为习惯和偏好，根据获取到的用户行为信息，首先确定样本统计值，以作为计算单品类点击比例系数确定的数据支撑。具体地，样本统计值主要包括预设应用程序的点击率H、预设应用程序的点击量G、预设应用程序的单品类点击率r、用户行为频数c等仅通过简单统计和计算即可以得出的样本值。例如，点击率H即为用户在当前展示的所有帖子中点击阅读的帖子所占的比例；点击量G是用户在所有品类下的总点击次数；单品类点击率r就是在某一品类下，用户点击浏览过的帖子占当前品类下的所有帖子的比例；用户行为频数就是用户在不同品类下的不同用户行为次数的统计，并且，不同品类下，行为频次可以不同。S103，根据样本统计值，确定用户在使用预设应用程序的过程中单品类的点击比例系数。单品类的点击比例系数，即为用户点击使用应用程序的所有品类中的任意一个品类的频次占用用户点击使用所有品类的总频次的比例值，可初步代表用户对该品类的偏好程度。本实施例通过样本统计值，结合预先设置好的相关固定值，即可以计算出用户对于每个品类的初步偏好情况。S104，归一化单品类的点击比例系数，作为单品类的动态推荐比例。为了体现每一个用户针对不同品类帖子之间的偏好程度，将推荐的关注点设置在用户点击的不同品类的帖子之间，而不考虑除点击各品类帖子之外的其他用户行为，本实施例通过归一化的方法，确定某个单品类的点击比例系数占用所有品类的点击比例系数之和的比例，相当于确定了用户对当前品类的偏好程度在所有品类的偏好程度之间所占的比例，即单品类的动态推荐比例，单品类的动态推荐比例更好的反应了用户在各品类之间的偏好。在后续向用户进行推荐时，则将单品类的动态推荐比例作为该品类的帖子所占所有品类的推荐帖子的比例。本实施例通过首先确定用户在使用预设应用程序的过程中单品类的点击比例系数，再根据其单本文档来自技高网...

【技术保护点】
1.一种推荐方法，其特征在于，包括：获取用户在预设应用程序上用户行为；根据所述用户行为，确定样本统计值；根据所述样本统计值，确定所述用户在使用预设应用程序的过程中单品类的点击比例系数；归一化所述单品类的点击比例系数，作为单品类的动态推荐比例。

【技术特征摘要】
1.一种推荐方法，其特征在于，包括：获取用户在预设应用程序上用户行为；根据所述用户行为，确定样本统计值；根据所述样本统计值，确定所述用户在使用预设应用程序的过程中单品类的点击比例系数；归一化所述单品类的点击比例系数，作为单品类的动态推荐比例。2.如权利要求1所述的推荐方法，其特征在于，所述样本统计值至少包括：预设应用程序的点击率H、预设应用程序的点击量G、预设应用程序的单品类点击率r、用户行为频数c。3.如权利要求2所述的推荐方法，其特征在于，所述根据所述样本统计值，确定所述用户在使用预设应用程序的过程中单品类的比例系数，包括：根据如下公式计算预设应用程序的单品类i的总体比例系数wi和偏移量b：根据如下公式计算所述单品类i的点击比例系数其中，N为预设应用程序的所有品类数量，K为用户行为数量，m为N的比例系数，d为K的比例系数，且m+d＝1，p和q满足且q的值根据用户行为发生变化，a为最低比例系数，并且，m、d、p、q、N、K和a均为固定值。4.如权利要求3所述的推荐方法，其特征在于，所述归一化所述单品类的点击比例系数，作为单品类的动态推荐比例，包括：根据如下公式计算单品类i的动态推荐比例5.一种推荐装置，其特征在于，包括：用户行为获取模块，用于获取用户在预设应用程序上用户行为；样本统计模块，用于根据所述用户行为，确定样本...

【专利技术属性】
技术研发人员：袁胜磊，
申请(专利权)人：北京城市网邻信息技术有限公司，
类型：发明
国别省市：北京,11