内容推荐处理方法和装置、计算机设备和存储介质制造方法及图纸

本发明专利技术提供一种内容推荐处理方法和装置、计算机设备和存储介质，该方法包括：在监测到满足退出预测触发条件的特征数据时，获取特征数据对应的用户标识；获取与用户标识对应的各用户特征数据，各用户特征数据包括特征数据；根据用户标识对应的各用户特征数据预测用户标识的退出概率，退出概率为用户标识对应的用户退出应用程序的概率；当退出概率满足内容推荐的触发条件时，触发内容推荐。由于内容推荐是预测的退出概率满足一定条件下触发的，而退出概率是基于用户特征数据进行预测的，能够考虑到用户继续使用应用程序的意愿程度，从而在用户使用应用程序的意愿较低时，及时地触发内容推荐，提高了内容推荐的有效性，进一步地提高了用户粘度。

Content Recommendation Processing Method and Device, Computer Equipment and Storage Media

【技术实现步骤摘要】
内容推荐处理方法和装置、计算机设备和存储介质
本专利技术涉及计算机
，特别是涉及一种内容推荐处理方法和装置、计算机设备和存储介质。
技术介绍
“粘度”是衡量用户忠诚度的重要指标。随着智能终端的硬件升级，智能终端上能够安装的应用程序越来越多，很多用户能够在智能终端上安装多个同类型的应用程序，例如，用户在智能终端上安装各大视频网站的视频播放软件。因此，各应用程序提供商的竞争日益激烈。如何在竞争激烈的环境中，提高用户粘度以占据一定的市场地位，是各应用软件提供商需要考虑的问题。通常，为了挽留用户，在用户选择退出应用程序后，将推荐内容推送给用户。由于内容推荐是在用户选择退出应用程序后触发，用户退出应用程序的意图已非常明显，此时进行内容推荐的效果差，难以起到提高用户粘度的效果。
技术实现思路
基于此，有必要针对推荐效果差，难以提高用户粘度的问题，提供一种内容推荐处理方法和装置、计算机设备和存储介质。为达到上述目的，一个实施例采用以下技术方案：一种内容推荐处理方法，包括：在监测到满足退出预测触发条件的特征数据时，获取所述特征数据对应的用户标识；获取与所述用户标识对应的各用户特征数据，各所述用户特征数据包括所述特征数据；根据所述用户标识对应的各用户特征数据预测所述用户标识的退出概率，所述退出概率为所述用户标识对应的用户退出应用程序的概率；当所述退出概率满足内容推荐的触发条件时，触发内容推荐。一种内容推荐处理装置，包括：标识获取模块、特征获取模块、预测模块和推荐触发模块；所述标识获取模块，用于在监测到满足退出预测触发条件的特征数据时，获取所述特征数据对应的用户标识；所述特征获取模块，用于获取与所述用户标识对应的各用户特征数据，各所述用户特征数据包括所述特征数据；所述预测模块，用于根据所述用户标识对应的各用户特征数据预测所述用户标识的退出概率，所述退出概率为所述用户标识对应的用户退出应用程序的概率；所述推荐触发模块，用于当所述退出概率满足内容推荐的触发条件时，触发内容推荐。一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述的内容推荐处理方法的步骤。一种存储介质，其上存储有计算机程序，该程序被处理器执行时，实现上述的内容推荐处理方法的步骤。上述的内容推荐处理方法和装置、计算机设备和存储介质，通过将用户退出应用程序的概率与内容推荐的触发条件建立关联，当退出概率满足内容推荐的触发条件时，触发内容推荐。由于内容推荐是预测的退出概率满足一定条件下触发的，而退出概率是基于用户特征数据进行预测的，能够基于每个用户的特征分别进行预测，并基于用户特征考虑到用户继续使用应用程序的意愿程度，从而在用户使用应用程序的意愿较低时，及时地触发内容推荐，提高了内容推荐的有效性，进一步地提高了用户粘度。附图说明图1为一个实施例中内容推荐处理方法的应用环境示意图；图2为一个实施例中内容推荐处理方法的流程图；图3为一个实施例中获取用户特征数据的步骤的流程图；图4为另一个实施例中内容推荐处理方法的流程图；图5为一个实施例中内容推荐处理装置的结构框图；图6为另一个实施例中内容推荐处理装置的结构框图；图7为一个实施例中计算机设备的内部结构示意图。具体实施方式为使本专利技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本专利技术进行进一步的详细说明。应当理解，此处所描述的具体实施方式仅仅用以解释本专利技术，并不限定本专利技术的保护范围。图1为一个实施例中内容推荐处理方法的应用环境图。如图1所示，终端110与应用软件的服务器120通信连接，终端110获取用户的操作行为，并向服务器120上报与操作行为对应的特征数据。服务器120在监测到满足退出预测触发条件的特征数据时，根据用户标识对应的用户特征数据预测用户标识的退出概率，当退出概率满足内容推荐的触发条件时，触发内容推荐。在另一个实施例中，可以分别设置推荐服务器和业务处理服务器。本专利技术的内容推荐处理方法执行在推荐服务器中，并将退出概率同步给业务处理服务器，由业务处理服务器触发内容推荐后，将推荐内容发送至用户终端。由于内容推荐是在预测的退出概率满足一定条件下触发的，而退出概率是基于用户特征数据进行预测的，能够基于每个用户的特征分别进行预测，并基于用户特征考虑到用户继续使用应用程序的意愿程度，从而在用户使用应用程序的意愿较低时，及时地触发内容推荐，提高了内容推荐的有效性，进一步地提高了用户粘度。图2为一个实施例中内容推荐处理方法的流程示意图。本实施例主要以该内容推荐处理方法应用于图1中的服务器120为例进行说明。参照图2，该方法具体包括如下步骤：S202：在监测到满足退出预测触发条件的特征数据时，获取特征数据对应的用户标识。其中，用户标识为用户在应用程序中的唯一识别标识。退出预测是指对用户退出应用程序的概率进行预测。退出预测触发条件是指触发进行退出预测的条件。具体地，根据特征数据判断是否满足退出预测触发条件。其中，特征数据是与用户操作行为对应的特征数据。例如，用户操作行为为搜索，对应的搜索结果为特征数据。一个实施例的退出预测触发条件为搜索结果为零。终端实时向服务器上报用户的操作行为数据，由服务器基于用户的操作行为数据进行相应的处理，得到特征数据。例如，基于用户的搜索请求，搜索对应的资源，进而得到搜索结果，搜索结果即为特征数据。进一步对特征数据进行监测，在监测到满足退出预测触发条件的特征数据时，获取特征数据对应的用户标识。在具体的实施方式中，退出预测程序触发条件，可以是当次资源搜索结果为零，或资源搜索失败次数达到设定值。本实施例中内容推荐处理方法，可适用能够浏览和查找资源的所有应用程序，例如，视频播放APP(应用程序)、购物APP和新闻APP等等。具体地，在监测到满足退出预测触发条件的特征数据时，获取特征数据对应的用户标识的步骤之前，还包括以下步骤S1至S2：S1：获取基于用户操作行为产生的数据请求，并执行与数据请求对应的处理，得到数据请求处理结果。S2:根据数据请求处理结果得到特征数据。其中，数据请求基于用户在终端的操作行为产生，包括资源搜索请求，数据获取请求等。以视频播放软件为例，数据请求包括对视频资源的搜索请求，对某个视频内容的播放请求等。服务器在接收到数据请求时，执行与数据请求对应的处理，得到数据请求处理结果。例如，服务器搜索对应的视频资源，发送对应视频的视频流等。资源搜索结果和视频流发送结果即为数据请求处理结果。根据数据请求处理结果得到特征数据。具体地，特征数据包括当次搜索结果、一段时间的累计搜索结果，全部视频流是否播放完毕等。具体地，预测条件可以为资源搜索结果为空，资源搜索失败次数达到设定值，资源浏览结束等。S204：获取与用户标识对应的各用户特征数据，各用户特征数据包括特征数据。用户特征数据指反应用户特征的数据，尤其是影响用户退出行为的用户特征数据，通常应当包括用户的操作行为数据。具体地，用户特征数据包括用户基本信息、历史行为统计和操作行为。可以理解的是，对于不同类型的应用程序，用户特征数据的类型可以有所不同，但用户特征数据的类型越多，预测结果越准确。以视频播放APP为例，设置的用户特征数据如表1所示。表1视频播放APP的用户特征数据S2本文档来自技高网...

【技术保护点】
1.一种内容推荐处理方法，其特征在于，包括：在监测到满足退出预测触发条件的特征数据时，获取所述特征数据对应的用户标识；获取与所述用户标识对应的各用户特征数据，各所述用户特征数据包括所述特征数据；根据所述用户标识对应的各用户特征数据预测所述用户标识的退出概率，所述退出概率为所述用户标识对应的用户退出应用程序的概率；当所述退出概率满足内容推荐的触发条件时，触发内容推荐。

【技术特征摘要】
1.一种内容推荐处理方法，其特征在于，包括：在监测到满足退出预测触发条件的特征数据时，获取所述特征数据对应的用户标识；获取与所述用户标识对应的各用户特征数据，各所述用户特征数据包括所述特征数据；根据所述用户标识对应的各用户特征数据预测所述用户标识的退出概率，所述退出概率为所述用户标识对应的用户退出应用程序的概率；当所述退出概率满足内容推荐的触发条件时，触发内容推荐。2.根据权利要求1所述的方法，其特征在于，在所述触发内容推荐的步骤之后，还包括：进行内容推荐处理，生成推荐内容；将所述推荐内容下发至所述用户标识对应的终端。3.根据权利要求2所述的方法，其特征在于，所述特征数据包括资源搜索结果，所述进行内容推荐处理，生成推荐内容的步骤，包括：根据资源搜索结果，确定与当前搜索资源相关的资源，得到推荐内容。4.根据权利要求1所述的方法，其特征在于，根据所述用户标识对应的各用户特征数据预测所述用户标识的退出概率的步骤，包括：将所述用户标识对应的各用户特征数据输入预先训练得到的退出预测模型，预测所述用户标识的退出概率。5.根据权利要求1所述的方法，其特征在于，在监测到满足退出预测触发条件的特征数据时，获取所述特征数据对应的用户标识的步骤之前，还包括：获取基于用户操作行为产生的数据请求，并执行与所述数据请求对应的处理，得到数据请求处理结果；根据所述数据请求处理结果得到特征数据。6.根据权利要求1所述的方法，其特征在于，获取与所述用户标识对应的各用户特征数据的步骤包括：计算所述用户标识的预设动态类型特征对应的动态特征数据，所述动态特征数据包括所述特征数据；根据所述用户标识查询离线计算的预设静态类型特征对应的静态特征数据；对所述动态特征数据和所述静态特征数据分别进行归一化处理，得到与所述用户标识对应的各用户特征数据。7.一种内容推荐处理装置，其特征在于，包括：标识获取模块、特征获取模块、预测模块和推荐触发模块；所述标识获取模块，用于在监测到满足退出预测触发条件的特征数据时，获取所述特征数据对应的用户标识；所述特征获取模块，用于获取与所述用户标识对应的各用户...

【专利技术属性】
技术研发人员：廖锡光，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：广东,44