一种内容的推荐方法和系统技术方案

本申请公开了一种内容的推荐方法，包括：智能终端根据用户对观看内容的行为，生成所述观看内容的分值发送给边缘服务器；所述边缘服务器更新所述用户的兴趣特征向量，并将所述分值和更新后的所述用户的兴趣特征向量发送给所述云服务器；所述云服务器需要为所述用户推荐网络内容时，利用接收的更新后的所述用户的兴趣特征向量，确定所述云服务器的所有用户簇中与所述用户最匹配的用户簇，将该用户簇对应的内容加入初始推荐队列；在初始推荐队列中，删除所述用户已经产生过行为的内容，将更新后的初始推荐队列排序后将前N个内容推荐给所述用户。应用本申请，能够大大降低云服务器的计算压力。

【技术实现步骤摘要】
一种内容的推荐方法和系统
本申请涉及计算机技术，特别涉及一种内容的推荐方法和系统。
技术介绍
随着短视频、新闻资讯等内容平台的兴起，用户喜欢在闲暇时间通过客户端浏览各种短视频以及新闻app，例如抖音、微视、今日头条等。不同的用户在浏览同一个内容平台的时候，由于兴趣点的不同，平台需要推送不同的内容。另外对于用户来讲，他的兴趣很多时候是在不断变化的，由于短视频以及新闻观看时间短，如果服务器不能在短时间内快速响应用户的兴趣变化，用户的体验就会很差。不同行业的推荐系统，虽然应用领域、场景不一样，但本质是类似的。所有的推荐系统都需要依靠内容和用户兴趣两个方面的特征来决策具体推荐内容。目前，所有的特征(内容特征、用户兴趣特征)都是在云服务器端做计算的，随着用户量的增加，云服务器的计算压力将会越来越大。随着网速的逐年提升和用户需求的不断增大，采用现有的内容推荐方法将会给云服务器带来越来越大的计算压力，如何减轻云服务器的计算压力，成为新时代急需解决的问题。
技术实现思路
本申请提供一种内容的推荐方法和系统，能够极大地降低云服务器的计算压力。为实现上述目的，本申请采用如下技术方案：一种内容的推荐方法，包括：智能终端根据用户对观看内容的行为，生成所述观看内容的分值发送给边缘服务器；其中，所述分值用于表示所述用户对所述观看内容的感兴趣程度；所述边缘服务器接收所述分值后确定所述用户的兴趣特征向量，并从云服务器查询所述观看内容的内容特征向量；根据所述用户的兴趣特征向量、所述观看内容的内容特征向量和所述分值，更新所述用户的兴趣特征向量，并将所述分值和更新后的所述用户的兴趣特征向量发送给所述云服务器；所述云服务器需要为所述用户推荐网络内容时，利用接收的更新后的所述用户的兴趣特征向量，确定所述云服务器的所有用户簇中与所述用户最匹配的用户簇，将该用户簇对应的内容加入初始推荐队列；在初始推荐队列中，删除所述用户已经产生过行为的内容，将更新后的初始推荐队列排序后将前N个内容推荐给所述用户；其中，所述N为预设的正整数。较佳地，在所述云服务器接收所述分值和更新后的所述用户的兴趣特征向量后，该方法进一步包括：所述云服务器根据接收的所述分值、所述观看内容的内容特征向量和更新前/更新后所述用户的兴趣特征向量，更新所述观看内容的内容特征向量；所述云服务器在根据所述分值确定所述用户对所述观看内容感兴趣时，利用更新后的所述观看内容的内容特征向量，确定所述云服务器的所有内容簇中与所述观看内容最匹配的内容簇，将该内容簇对应的内容加入初始推荐队列。较佳地，所述确定所述云服务器的所有用户簇中与所述用户最匹配的用户簇包括：利用更新后的所述用户的兴趣特征向量，计算所述用户与各用户簇中心的距离，找出距离最近的用户簇作为与所述用户最匹配的用户簇。较佳地，所述确定所述云服务器的所有内容簇中与所述观看内容最匹配的内容簇包括：利用更新后的所述观看内容的内容特征向量，计算所述观看内容与各内容簇中心的距离，找出距离最近的内容簇作为与所述观看内容最匹配的内容簇。较佳地，当所述用户对所述观看内容感兴趣时，该方法进一步包括：将所述观看内容加入与所述用户最匹配的用户簇对应的内容队列。较佳地，在更新所述观看内容的内容特征向量后，该方法进一步包括：将所述观看内容从当前所在的内容簇移除，加入与所述观看内容最匹配的内容簇。较佳地，所述云服务器划分用户簇的方式包括：所述云服务器根据所有用户的兴趣特征向量，利用k-means算法将所有用户划分成不同的簇，每个簇中不同用户的兴趣特征向量间的差异在第一设定范围内。较佳地，所述云服务器划分内容簇的方式包括：所述云服务器根据所有内容的内容特征向量，利用k-means算法将所有内容划分成不同的簇，每个簇中不同内容的内容特征向量间的差异在第二设定范围内。较佳地，所述边缘服务器接收所述分值后确定所述用户的兴趣特征向量包括：所述边缘服务器在本地查询所述用户的兴趣特征向量，若未查询到，所述边缘服务器从所述云服务器获取所述用户的兴趣特征向量。一种内容的推荐系统，包括：智能终端、边缘服务器和云服务器；所述智能终端，用于根据用户对观看内容的行为，生成所述观看内容的分值发送给边缘服务器；其中，所述分值用于表示所述用户对所述观看内容的感兴趣程度；所述边缘服务器，用于接收所述分值后确定所述用户的兴趣特征向量，并从云服务器查询所述观看内容的内容特征向量；根据所述用户的兴趣特征向量、所述观看内容的内容特征向量和所述分值，更新所述用户的兴趣特征向量，并将所述分值和更新后的所述用户的兴趣特征向量发送给所述云服务器；所述云服务器，用于在需要为所述用户推荐网络内容时，利用接收的更新后的所述用户的兴趣特征向量，确定所述云服务器的所有用户簇中与所述用户最接近的用户簇，将该用户簇对应的内容加入初始推荐队列；还用于在初始推荐队列中，删除所述用户已经产生过行为的内容，将更新后的初始推荐队列排序后将前N个内容通过所述智能终端推荐给所述用户；其中，所述N为预设的正整数。较佳地，所述云服务器包括：接收单元、学习单元、存储单元和推荐引擎单元；所述接收单元，用于接收所述分值和更新后的所述用户的兴趣特征向量；所述学习单元，用于根据所述分值、所述存储单元保存的所述观看内容的内容特征向量和更新前/更新后所述用户的兴趣特征向量，更新所述观看内容的内容特征向量，并将更新后的所述观看内容的内容特征向量保存在所述存储单元中；所述存储单元，用于保存所有用户的兴趣特征向量和所有内容的内容特征向量；所述推荐引擎单元，用于在需要为所述用户推荐网络内容时，利用接收的更新后的所述用户的兴趣特征向量，确定所述云服务器的所有用户簇中与所述用户最接近的用户簇，将该用户簇对应的内容加入初始推荐队列；还用于在根据所述分值确定所述用户对所述观看内容感兴趣时，利用更新后的所述观看内容的内容特征向量，确定所述云服务器的所有内容簇中与所述观看内容最接近的内容簇，将该内容簇对应的内容加入初始推荐队列；还用于在初始推荐队列中，删除所述用户已经产生过行为的内容，将更新后的初始推荐队列排序后将前N个内容推荐给所述用户。由上述技术方案可见，本申请中，智能终端根据用户对观看内容的行为，生成观看内容的分值发送给边缘服务器；边缘服务器接收分值后确定用户的兴趣特征向量，并从云服务器查询观看内容的内容特征向量；根据用户的兴趣特征向量、观看内容的内容特征向量和分值，更新用户的兴趣特征向量，并将分值和更新后的用户的兴趣特征向量发送给云服务器；云服务器需要为用户推荐网络内容时，利用接收的更新后的用户的兴趣特征向量，确定云服务器的所有用户簇中与用户最匹配的用户簇，将该用户簇对应的内容加入初始推荐队列；在初始推荐队列中，删除用户已经产生过行为的内容，将更新后的初始推荐队列排序后将前N个内容推荐给用户。通过上述处理，将用户兴趣特征向量的更新处理在边缘服务器完成，在云服务器进行内容特征向本文档来自技高网...

【技术保护点】
1.一种内容的推荐方法，其特征在于，包括：/n智能终端根据用户对观看内容的行为，生成所述观看内容的分值发送给边缘服务器；其中，所述分值用于表示所述用户对所述观看内容的感兴趣程度；/n所述边缘服务器接收所述分值后确定所述用户的兴趣特征向量，并从云服务器查询所述观看内容的内容特征向量；根据所述用户的兴趣特征向量、所述观看内容的内容特征向量和所述分值，更新所述用户的兴趣特征向量，并将所述分值和更新后的所述用户的兴趣特征向量发送给所述云服务器；/n所述云服务器需要为所述用户推荐网络内容时，利用接收的更新后的所述用户的兴趣特征向量，确定所述云服务器的所有用户簇中与所述用户最匹配的用户簇，将该用户簇对应的内容加入初始推荐队列；/n在初始推荐队列中，删除所述用户已经产生过行为的内容，将更新后的初始推荐队列排序后将前N个内容推荐给所述用户；其中，所述N为预设的正整数。/n

【技术特征摘要】
1.一种内容的推荐方法，其特征在于，包括：
智能终端根据用户对观看内容的行为，生成所述观看内容的分值发送给边缘服务器；其中，所述分值用于表示所述用户对所述观看内容的感兴趣程度；
所述边缘服务器接收所述分值后确定所述用户的兴趣特征向量，并从云服务器查询所述观看内容的内容特征向量；根据所述用户的兴趣特征向量、所述观看内容的内容特征向量和所述分值，更新所述用户的兴趣特征向量，并将所述分值和更新后的所述用户的兴趣特征向量发送给所述云服务器；
所述云服务器需要为所述用户推荐网络内容时，利用接收的更新后的所述用户的兴趣特征向量，确定所述云服务器的所有用户簇中与所述用户最匹配的用户簇，将该用户簇对应的内容加入初始推荐队列；
在初始推荐队列中，删除所述用户已经产生过行为的内容，将更新后的初始推荐队列排序后将前N个内容推荐给所述用户；其中，所述N为预设的正整数。


2.根据权利要求1所述的方法，其特征在于，在所述云服务器接收所述分值和更新后的所述用户的兴趣特征向量后，该方法进一步包括：
所述云服务器根据接收的所述分值、所述观看内容的内容特征向量和更新前/更新后所述用户的兴趣特征向量，更新所述观看内容的内容特征向量；
所述云服务器在根据所述分值确定所述用户对所述观看内容感兴趣时，利用更新后的所述观看内容的内容特征向量，确定所述云服务器的所有内容簇中与所述观看内容最匹配的内容簇，将该内容簇对应的内容加入初始推荐队列。


3.根据权利要求1或2所述的方法，其特征在于，所述确定所述云服务器的所有用户簇中与所述用户最匹配的用户簇包括：利用更新后的所述用户的兴趣特征向量，计算所述用户与各用户簇中心的距离，找出距离最近的用户簇作为与所述用户最匹配的用户簇。


4.根据权利要求2所述的方法，其特征在于，所述确定所述云服务器的所有内容簇中与所述观看内容最匹配的内容簇包括：利用更新后的所述观看内容的内容特征向量，计算所述观看内容与各内容簇中心的距离，找出距离最近的内容簇作为与所述观看内容最匹配的内容簇。


5.根据权利要求1或2所述的方法，其特征在于，当所述用户对所述观看内容感兴趣时，该方法进一步包括：将所述观看内容加入与所述用户最匹配的用户簇对应的内容队列。


6.根据权利要求2或4所述的方法，其特征在于，在更新所述观看内容的内容特征向量后，该方法进一步包括：将所述观看内容从当前所在的内容簇移除，加入与所述观看内容最匹配的内容簇。


7.根据权利要求1或2所述的方法，其特征在于，所述云服务器划分用户簇的方式包括：
所述云服务器根据所有用户的兴趣特征向量，利用k-means算法将所有用户划分成不同的簇，每个簇中不同用户的兴趣特征向量间的差...

【专利技术属性】
技术研发人员：侍球干，周鹏，
申请(专利权)人：三星电子中国研发中心，三星电子株式会社，
类型：发明
国别省市：江苏;32