单设备多用户的推荐方法、装置、设备和存储介质制造方法及图纸

本公开涉及一种单设备多用户的推荐方法、装置、设备和存储介质。该方法包括：根据同一设备中的多组日志序列，确定所述多组日志序列各自所属的用户，所述多组日志序列属于至少一个用户；根据各用户及其对应的日志序列，确定所述各用户对应的推荐模型，所述推荐模型中包括用户行为特征；根据目标日志和所有推荐模型，确定目标推荐模型，所述目标推荐模型为所述所有推荐模型中的一个；根据目标推荐模型，向用户推荐内容。该方法能够实现单设备多用户的个性化推荐。性化推荐。性化推荐。

【技术实现步骤摘要】
单设备多用户的推荐方法、装置、设备和存储介质


[0001]本公开涉及互联网
，尤其涉及一种单设备多用户的推荐方法、装置、设备和存储介质。

技术介绍

[0002]通常情况下，搜索引擎根据一个用户的登录账号来确定用户身份。如果是未登录状态，还可以用计算机的媒体访问控制(Media Access Control，MAC)地址，或移动设备的国际移动设备识别码(International Mobile Equipment Identity，IMEI)来做用户身份的唯一标识，再根据用户日志中同一MAC或IMEI的行为做内容的推荐。
[0003]然而，在一个家庭或一个群体中，经常会有一台设备有多人使用的情况，例如家庭成员和公司的几个同事共用电脑，而不同的用户有不同的使用习惯，对不同的内容感兴趣，现有技术中，往往对MAC或IMEI做统一的识别推荐，不能满足单设备多用户的使用需求。

技术实现思路

[0004]为了解决上述技术问题，本公开提供了一种单设备多用户的推荐方法、装置、设备和存储介质，能够实现单设备中不同用户的个性化推荐。
[0005]第一方面，本公开提供了一种单设备多用户的推荐方法，包括：
[0006]根据同一设备中的多组日志序列，确定所述多组日志序列各自所属的用户，所述多组日志序列属于至少一个用户；
[0007]根据各用户及其对应的日志序列，确定所述各用户对应的推荐模型，所述推荐模型中包括用户行为特征；
[0008]根据目标日志和所有推荐模型，确定目标推荐模型，所述目标推荐模型为所述所有推荐模型中的一个；
[0009]根据目标推荐模型，向用户推荐内容。
[0010]可选的，所述根据同一设备中的多组日志序列，确定所述多组日志序列各自所属的用户之前，还包括：
[0011]根据同一设备中的多条日志和预设时间间隔，确定所述多组日志序列，所述日志序列内相邻日志之间的时间间隔小于所述预设时间间隔。
[0012]可选的，所述根据同一设备中的多组日志序列，确定所述多组日志序列各自所属的用户，包括：
[0013]根据所述多组日志序列，确定每组日志序列中的每条日志分别与其他日志序列的向量相似度；
[0014]根据所述每组日志序列中的每条日志分别与其他日志序列的向量相似度，确定两组日志序列的序列相似度；
[0015]根据所述序列相似度大于预设相似度，确定所述两组日志序列属于同一用户。
[0016]可选的，所述根据所述多组日志序列，确定每组日志序列中的每条日志分别与其
他日志序列的向量相似度，包括：
[0017]根据所述多组日志序列，抽取所述每组日志序列中的每条日志的特征；
[0018]根据所述每组日志序列中的每条日志的特征分别与所述其他日志序列中的每条日志的特征，确定所述每组日志序列中的每条日志分别与所述其他日志序列的向量相似度。
[0019]可选的，所述根据所述每组日志序列中的每条日志分别与其他日志序列的向量相似度，确定两组日志序列的序列相似度，包括：
[0020]根据所述每组日志序列中的每条日志分别与其他日志序列的向量相似度，确定所述每组日志序列对应的所有向量相似度的均值；
[0021]将所述均值确定为所述两组日志序列的序列相似度。
[0022]可选的，所述根据各用户及其对应的日志序列，确定所述各用户对应的推荐模型，包括：
[0023]根据所述各用户及其对应的所有日志序列，确定所述各用户对应的用户行为的平均向量，所述平均向量用于表征所述行为特征；
[0024]根据所述各用户及其对应的日志序列，以及所述各用户对应的用户行为的平均向量，确定所述各用户对应的推荐模型。
[0025]可选的，所述根据目标日志和所有推荐模型，确定目标推荐模型，包括：
[0026]根据所述目标日志与所述所有推荐模型，确定所述目标日志分别与每一个推荐模型的中心向量的相似度；
[0027]确定所有相似度中的最大相似度对应的推荐模型为所述目标推荐模型。
[0028]第二方面，本公开提供了一种单设备多用户的推荐装置，包括：
[0029]确定模块，用于根据同一设备中的多组日志序列，确定所述多组日志序列各自所属的用户，所述多组日志序列属于至少一个用户；根据各用户及其对应的日志序列，确定所述各用户对应的推荐模型，所述推荐模型中包括用户行为特征；根据目标日志和所有推荐模型，确定目标推荐模型，所述目标推荐模型为所述所有推荐模型中的一个；
[0030]推荐模块，用于根据目标推荐模型，向用户推荐内容。
[0031]第三方面，本公开提供了一种电子设备，包括：处理器，所述处理器用于执行存储于存储器的计算机程序，所述计算机程序被处理器执行时实现第一方面所述的方法的步骤。
[0032]第四方面，本公开提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现第一方面所述的方法的步骤。
[0033]本公开提供的技术方案中，通过根据同一设备中的多组日志序列，确定多组日志序列各自所属的用户，多组日志序列属于至少一个用户；根据各用户及其对应的日志序列，确定各用户对应的推荐模型，推荐模型中包括用户行为特征；目标日志和所有推荐模型，确定目标推荐模型，目标推荐模型为所有推荐模型中的一个；根据目标推荐模型，向用户推荐内容，如此，同一设备的不同用户对应不同的推荐模型，基于不同的推荐模型能够向同一设备的不同用户推荐个性化的内容，实现了单一设备不同用户的个性化推荐，使得推荐的内容比较准确，能够提升用户的体验。
附图说明
[0034]此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。
[0035]为了更清楚地说明本公开实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0036]图1为本公开提供的一种单设备多用户的推荐方法的流程示意图；
[0037]图2为本公开提供的另一种单设备多用户的推荐方法的流程示意图；
[0038]图3为本公开提供的又一种单设备多用户的推荐方法的流程示意图；
[0039]图4为本公开提供的又一种单设备多用户的推荐方法的流程示意图；
[0040]图5为本公开提供的又一种单设备多用户的推荐方法的流程示意图；
[0041]图6为本公开提供的又一种单设备多用户的推荐方法的流程示意图；
[0042]图7为本公开提供的又一种单设备多用户的推荐方法的流程示意图；
[0043]图8为本公开提供的一种单设备多用户的推荐装置的结构示意图；
[0044]图9为本公开提供的一种电子设备的结构示意图。
具体实施方式
[0045]为了能够更清楚地理解本公开的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种单设备多用户的推荐方法，其特征在于，包括：根据同一设备中的多组日志序列，确定所述多组日志序列各自所属的用户，所述多组日志序列属于至少一个用户；根据各用户及其对应的日志序列，确定所述各用户对应的推荐模型，所述推荐模型中包括用户行为特征；根据目标日志和所有推荐模型，确定目标推荐模型，所述目标推荐模型为所述所有推荐模型中的一个；根据目标推荐模型，向用户推荐内容。2.根据权利要求1所述的方法，其特征在于，所述根据同一设备中的多组日志序列，确定所述多组日志序列各自所属的用户之前，还包括：根据同一设备中的多条日志和预设时间间隔，确定所述多组日志序列，所述日志序列内相邻日志之间的时间间隔小于所述预设时间间隔。3.根据权利要求1或2所述的方法，其特征在于，所述根据同一设备中的多组日志序列，确定所述多组日志序列各自所属的用户，包括：根据所述多组日志序列，确定每组日志序列中的每条日志分别与其他日志序列的向量相似度；根据所述每组日志序列中的每条日志分别与其他日志序列的向量相似度，确定两组日志序列的序列相似度；根据所述序列相似度大于预设相似度，确定所述两组日志序列属于同一用户。4.根据权利要求3所述的方法，其特征在于，所述根据所述多组日志序列，确定每组日志序列中的每条日志分别与其他日志序列的向量相似度，包括：根据所述多组日志序列，抽取所述每组日志序列中的每条日志的特征；根据所述每组日志序列中的每条日志的特征分别与所述其他日志序列中的每条日志的特征，确定所述每组日志序列中的每条日志分别与所述其他日志序列的向量相似度。5.根据权利要求3所述的方法，其特征在于，所述根据所述每组日志序列中的每条日志分别与其他日志序列的向量相似度，确定两组日志序列的序列相似度，包括：根据所述每组日志序列中的...

【专利技术属性】
技术研发人员：朱静茹，秦海龙，郑伟，
申请(专利权)人：北京库睿科技有限公司，
类型：发明
国别省市：