推荐方法、装置、电子设备及计算机可读存储介质制造方法及图纸

本公开是关于一种推荐方法、装置、电子设备及计算机可读存储介质，所述推荐方法包括：获取与目标用户对应的候选作品集的信息，根据所述目标用户的社交行为数据，确定所述目标用户与各个所述候选作者之间的关联程度，根据所述关联程度从所述候选作者中筛选出目标作者，并向所述目标用户推荐所述候选作品集中属于所述目标作者的作品。上述方法根据目标用户的社交行为数据，确定目标用户与不同候选作者之间的关联程度，根据关联程度可以精确定位到目标用户潜在感兴趣的目标作者，进而再给目标用户推荐其感兴趣的目标作者的作品，提高了推荐的准确度，使得用户观看时长增加、推荐成功率提升。

Recommended method, apparatus, electronic equipment and computer-readable storage medium

【技术实现步骤摘要】
推荐方法、装置、电子设备及计算机可读存储介质
本公开涉及信息处理领域，尤其涉及一种推荐方法、装置、电子设备及计算机可读存储介质。
技术介绍
随着移动互联网的迅猛发展，用户已不再仅仅局限使用文字和图片分享自己的生活，越来越多的用户使用视频进行分享，随之带来网站平台上的视频数量飞速增长，在这种背景下，为用户推荐用户喜欢的视频便显得尤为重要。在视频推荐领域，目前主要应用的是基于用户协同过滤推荐视频的方案。该方案主要是根据用户的历史行为，寻找和当前用户行为相似的用户群，将相似的用户群观看的视频给当前用户进行推荐。然而，这种视频推荐方案向用户推荐的内容与用户的匹配度低，推荐的准确度和成功率不高。
技术实现思路
为克服相关技术中存在的问题，本公开提供一种推荐方法、装置、电子设备及计算机可读存储介质。根据本公开实施例的第一方面，提供一种推荐方法，包括：获取与目标用户对应的候选作品集的信息，其中，所述候选作品集的信息中至少记录有所述候选作品集中每个候选作品的候选作者；根据所述目标用户的社交行为数据，确定所述目标用户与各个所述候选作者之间的关联程度，其中，所述社交行为数据用于记录所述目标用户与所述候选作者之间的社交行为；根据所述关联程度从所述候选作者中筛选出目标作者，并向所述目标用户推荐所述候选作品集中属于所述目标作者的作品。可选地，所述根据所述目标用户的社交行为数据，确定所述目标用户与各个所述候选作者之间的关联程度，包括：获取预先确定的目标社交行为，其中，所述目标社交行为为所有社交行为中能够表征用户与作者之间关联程度的一个或多个社交行为；从所述目标用户的社交行为数据中，提取与所述目标社交行为对应的目标社交行为数据；基于所述目标社交行为数据，确定所述目标用户与各个所述候选作者之间的关联程度。可选地，在获取预先确定的目标社交行为之前，还包括：从用户数据库中选取样本数据，其中，所述样本数据包括多个用户的历史社交行为数据和所述多个用户与各个候选作者之间的历史关联程度；基于各社交行为的历史行为数据和各个用户之间的历史关联程度，计算各所述社交行为与所述历史关联程度的相关性；将所述相关性高于第一设定阈值的社交行为确定为目标社交行为。可选地，所述基于所述目标社交行为数据，确定所述目标用户与各个所述候选作者之间的关联程度包括：获取所述目标用户对各个所述候选作者的作品的历史点击数据；根据所述历史点击数据和所述目标社交行为数据中一个或多个目标社交行为的加权参数，计算所述目标用户与各个所述候选作者之间的关联程度。可选地，在根据所述历史点击数据和所述目标社交行为数据中一个或多个目标社交行为的加权参数，计算所述目标用户与各个所述候选作者之间的关联程度之前，还包括：基于所述目标社交行为数据中记录的各目标社交行为的发生比例确定各个所述目标社交行为的权重；其中，若第一目标社交行为的发生比例高于第二目标社交行为的发生比例，则所述第一目标社交行为的权重低于所述第二目标社交行为的权重，所述目标社交行为的权重用于获取所述目标行为数据中一个或多个目标社交行为的加权参数。可选地，所述根据所述关联程度从所述候选作者中筛选出目标作者，并向所述目标用户推荐所述候选作品集中属于所述目标作者的作品，包括：从社交行为的目标社交行为中选取相关性高于第二设定阈值的社交行为，作为用于筛选作者的社交行为；其中，所述第二设定阈值大于所述第一设定阈值；获取在设定时间段内所述目标用户针对所述候选作者的所述用于筛选作者的社交行为的次数；将所述用于筛选作者的社交行为的次数超过次数阈值的候选作者确定为目标作者；根据所述关联程度，向所述目标用户推荐所述候选作品集中属于所述目标作者的作品。根据本公开实施例的第二方面，提供一种推荐装置，包括：信息获取模块，被配置为获取与目标用户对应的候选作品集的信息，其中，所述候选作品集的信息中至少记录有所述候选作品集中每个候选作品的候选作者；关联程度确定模块，被配置为根据所述目标用户的社交行为数据，确定所述目标用户与各个所述候选作者之间的关联程度，其中，所述社交行为数据用于记录所述目标用户与所述候选作者之间的社交行为；推荐模块，被配置为根据所述关联程度从所述候选作者中筛选出目标作者，并向所述目标用户推荐所述候选作品集中属于所述目标作者的作品。可选地，所述关联程度确定模块，包括：目标社交行为获取子模块，被配置为获取预先确定的目标社交行为，其中，所述目标社交行为为所有社交行为中能够表征用户与作者之间关联程度的一个或多个社交行为；数据提取子模块，被配置为从所述目标用户的社交行为数据中，提取与所述目标社交行为对应的目标社交行为数据；关联程度确定子模块，被配置为基于所述目标社交行为数据，确定所述目标用户与各个所述候选作者之间的关联程度。可选地，所述装置还包括：样本数据选取模块，被配置为从用户数据库中选取样本数据，其中，所述样本数据包括多个用户的历史社交行为数据和所述多个用户与各个候选作者之间的历史关联程度；相关性计算模块，被配置为基于各社交行为的历史行为数据和各个用户之间的历史关联程度，计算各所述社交行为与所述历史关联程度的相关性；目标社交行为确定模块，被配置为将所述相关性高于第一设定阈值的社交行为确定为目标社交行为。可选地，所述关联程度确定子模块包括：历史点击数据获取单元，被配置为获取所述目标用户对各个所述候选作者的作品的历史点击数据；关联程度确定单元，被配置为根据所述历史点击数据和所述目标社交行为数据中一个或多个目标社交行为的加权参数，计算所述目标用户与各个所述候选作者之间的关联程度。可选地，所述关联程度确定子模块还包括：权重确定单元，被配置为基于所述目标社交行为数据中记录的各目标社交行为的发生比例确定各个所述目标社交行为的权重；其中，若第一目标社交行为的发生比例高于第二目标社交行为的发生比例，则所述第一目标社交行为的权重低于所述第二目标社交行为的权重，所述目标社交行为的权重用于获取所述目标行为数据中一个或多个目标社交行为的加权参数。可选地，所述推荐模块包括：社交行为选取子模块，被配置为从社交行为的目标社交行为中选取相关性高于第二设定阈值的社交行为，作为用于筛选作者的社交行为；其中，所述第二设定阈值大于所述第一设定阈值；次数获取子模块，被配置为获取在设定时间段内所述目标用户针对所述候选作者的所述用于筛选作者的社交行为的次数；目标作者确定子模块，被配置为将所述用于筛选作者的社交行为的次数超过次数阈值的候选作者确定为目标作者；推荐子模块，被配置为根据所述关联程度，向所述目标用户推荐所述候选作品集中属于所述目标作者的作品。根据本公开实施例的第三方面，提供一种电子设备，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为执行如第一方面所述的本文档来自技高网...

【技术保护点】
1.一种推荐方法，其特征在于，包括：/n获取与目标用户对应的候选作品集的信息，其中，所述候选作品集的信息中至少记录有所述候选作品集中每个候选作品的候选作者；/n根据所述目标用户的社交行为数据，确定所述目标用户与各个所述候选作者之间的关联程度，其中，所述社交行为数据用于记录所述目标用户与所述候选作者之间的社交行为；/n根据所述关联程度从所述候选作者中筛选出目标作者，并向所述目标用户推荐所述候选作品集中属于所述目标作者的作品。/n

【技术特征摘要】
1.一种推荐方法，其特征在于，包括：
获取与目标用户对应的候选作品集的信息，其中，所述候选作品集的信息中至少记录有所述候选作品集中每个候选作品的候选作者；
根据所述目标用户的社交行为数据，确定所述目标用户与各个所述候选作者之间的关联程度，其中，所述社交行为数据用于记录所述目标用户与所述候选作者之间的社交行为；
根据所述关联程度从所述候选作者中筛选出目标作者，并向所述目标用户推荐所述候选作品集中属于所述目标作者的作品。


2.根据权利要求1所述的方法，其特征在于，所述根据所述目标用户的社交行为数据，确定所述目标用户与各个所述候选作者之间的关联程度，包括：
获取预先确定的目标社交行为，其中，所述目标社交行为为所有社交行为中能够表征用户与作者之间关联程度的一个或多个社交行为；
从所述目标用户的社交行为数据中，提取与所述目标社交行为对应的目标社交行为数据；
基于所述目标社交行为数据，确定所述目标用户与各个所述候选作者之间的关联程度。


3.根据权利要求2所述的方法，其特征在于，在获取预先确定的目标社交行为之前，还包括：
从用户数据库中选取样本数据，其中，所述样本数据包括多个用户的历史社交行为数据和所述多个用户与各个候选作者之间的历史关联程度；
基于各社交行为的历史行为数据和各个用户之间的历史关联程度，计算各所述社交行为与所述历史关联程度的相关性；
将所述相关性高于第一设定阈值的社交行为确定为目标社交行为。


4.根据权利要求2所述的方法，其特征在于，所述基于所述目标社交行为数据，确定所述目标用户与各个所述候选作者之间的关联程度包括：
获取所述目标用户对各个所述候选作者的作品的历史点击数据；
根据所述历史点击数据和所述目标社交行为数据中一个或多个目标社交行为的加权参数，计算所述目标用户与各个所述候选作者之间的关联程度。


5.根据权利要求4所述的方法，其特征在于，在根据所述历史点击数据和所述目标社交行为数据中一个或多个目标社交行为的加权参数，计算所述目标用户与各个所述候选作者之间的关联程度之前，还包括：
基于所述目标社交行为数据中记录的各目标社交行为的发生比例确定各个所述目标社交行为的权重；
其中，若第一目标社交行为的发生比例高于第二目标社交行为的发生比例，则所述第一目标社交行为的权重低于所述第二目标社交行为的权重，所述目标社交行为的权重用于获取所述目标行为数据中一个或多个目标社交行为的加权参数。


6.根据权利要求1或3所述的方法，其特征在于，所述根据所述关联程度从所述候选作者中筛选出目标作者，并向所述目标用户推荐所述候选作品集中属于所述目标作者的作品，包括：
从社交行为的目标社交行为中选取相关性高于第二设定阈值的社交行为，作...

【专利技术属性】
技术研发人员：孙式松，熊菲，王哲，
申请(专利权)人：北京达佳互联信息技术有限公司，
类型：发明
国别省市：北京;11