一种推荐方法、装置及计算机可读存储介质

摘要

本发明公开了一种推荐方法，包括：获取能够确定场景的相关信息；利用所述相关信息，确定目标推荐场景；基于各推荐场景与推荐策略的预设对应关系，确定所述目标推荐场景对应的推荐策略；其中，单个所述推荐策略包括：分别对应于至少两种类型的数字内容的待推荐结果集合；所述预设对应关系包含的推荐策略中，存在至少两个推荐策略分别对应的待推荐结果集合所依据的信息推荐算法不同；根据确定出的推荐策略包括的待推荐结果集合，向用户进行信息推荐。本发明还同时公开了一种推荐装置以及计算机可读存储介质。

权利要求

1.一种推荐方法，其特征在于，所述方法包括：

获取能够确定场景的相关信息；

利用所述相关信息，确定目标推荐场景；

基于各推荐场景与推荐策略的预设对应关系，确定所述目标推荐场景对应的推荐策略；其中，单个所述推荐策略包括：分别对应于至少两种类型的数字内容的待推荐结果集合；所述预设对应关系包含的推荐策略中，存在至少两个推荐策略分别对应的待推荐结果集合所依据的信息推荐算法不同；

根据确定出的推荐策略包括的待推荐结果集合，向用户进行信息推荐；

其中，所述利用所述相关信息，确定目标推荐场景之前，所述方法还包括：判断是否存在运营干预；当确定存在运营干预时，按照预设运营策略，确定预设运营策略对应的待推荐结果集合，将所述待推荐结果集合中的推荐结果对应的键值向第二服务器发送；所述键值用于第二服务器从第二数据库获取场景对应的推荐结果并利用所述推荐结果确定场景对应的、向用户进行推荐的数字内容；当确定不存在运营干预时，利用所述相关信息，确定目标推荐场景；

所述根据确定出的推荐策略包括的待推荐结果集合，向用户进行信息推荐，包括：将所述待推荐结果集合中的推荐结果对应的键值向第二服务器发送；所述键值用于第二服务器从第二数据库获取场景对应的推荐结果并利用所述推荐结果确定场景对应的、向用户进行推荐的数字内容。

2.根据权利要求1所述的方法，其特征在于，所述利用所述相关信息，确定目标推荐场景，包括：利用所述相关信息，确定用户的类型；

将确定的用户的类型与用户相关的信息进行组合，确定目标推荐场景。

3.根据权利要求1所述的方法，其特征在于，确定所述目标推荐场景对应的推荐策略之后，所述方法还包括：从确定的目标推荐场景对应的推荐策略包括的推荐结果集合中，确定每种类型数字内容的信息推荐比例；

基于确定的信息推荐比例进行推荐。

4.根据权利要求1所述的方法，其特征在于，基于各推荐场景与推荐策略的预设对应关系，确定所述目标推荐场景对应的推荐策略，包括：判断确定的目标推荐场景与历史场景是否相同；

当确定相同且确定针对历史场景存在推荐时，从历史场景与历史推荐策略的对应关系中查找历史场景对应的历史推荐策略，将查找的历史推荐策略作为所述确定的目标推荐场景的推荐策略；当确定不同时，基于各推荐场景与推荐策略的预设对应关系，确定所述目标推荐场景对应的推荐策略。

5.根据权利要求1所述的方法，其特征在于，所述方法还包括：获取用户的历史反馈信息；

利用所述历史反馈信息，判断是否优先基于场景确定推荐策略；

当确定基于场景确定推荐策略时，基于各推荐场景与推荐策略的预设对应关系确定推荐策略；

当确定利用所述历史反馈信息确定推荐策略时，基于所述历史反馈信息，确定推荐算法，利用确定的推荐算法得到推荐结果，基于推荐结果得到推荐策略。

6.一种推荐方法，其特征在于，所述方法包括：

获取目标推荐场景对应的推荐策略包括的待推荐结果集合；所述目标推荐场景对应的推荐策略是第一服务器基于各推荐场景与推荐策略的预设对应关系确定的；

利用推荐结果与数字内容的对应关系，确定所述待推荐结果集合包括的待推荐结果对应的数字内容；

判断所述确定的数字内容是否可用；

当确定可用时，将所述确定的数字内容发送给客户端进行展示；

获取目标推荐场景对应的推荐策略包括的待推荐结果集合，包括：当存在运营干预时，获取预设运营策略包括的待推荐结果集合中推荐结果对应的键值；所述预设运营策略是所述第一服务器中预先存储的策略；当不存在运营干预时，获取目标推荐场景对应的推荐策略包括的待推荐结果集合中推荐结果对应的键值；所述键值用于从第二数据库获取场景对应的推荐结果并利用所述推荐结果确定场景对应的、向用户进行推荐的数字内容。

7.根据权利要求6所述的方法，其特征在于，所述方法还包括：获取数字内容数据或者用户数据；

利用获取的数字内容数据或者用户数据，按照数字内容的类型生成推荐数字内容列表；

将生成的推荐数字内容列表存储在第一数据库；所述推荐数字内容列表用于供第一服务器确定对应场景的推荐结果。

8.根据权利要求7所述的方法，其特征在于，生成推荐数字内容列表时，所述方法还包括：利用所述数字内容数据或者用户数据，生成推荐结果；

将生成的推荐结果与键值进行对应，生成所述数字内容所属类型的推荐数字内容列表。

9.一种推荐装置，其特征在于，所述装置包括：

第一获取模块，用于获取能够确定场景的相关信息；

第一确定模块，用于利用所述相关信息，确定目标推荐场景；基于各推荐场景与推荐策略的预设对应关系，确定所述目标推荐场景对应的推荐策略；其中，单个所述推荐策略包括：分别对应于至少两种类型的数字内容的待推荐结果集合；所述预设对应关系包含的推荐策略中，存在至少两个推荐策略分别对应的待推荐结果集合所依据的信息推荐算法不同；

推荐模块，用于根据确定出的推荐策略包括的待推荐结果集合，向用户进行信息推荐；

所述装置还包括：

判断模块，用于判断是否存在运营干预；当确定存在运营干预时，按照预设运营策略，确定预设运营策略对应的待推荐结果集合，将所述待推荐结果集合中的推荐结果对应的键值向第二服务器发送；所述键值用于第二服务器从第二数据库获取场景对应的推荐结果并利用所述推荐结果确定场景对应的、向用户进行推荐的数字内容；当确定不存在运营干预时，利用所述相关信息，确定目标推荐场景；

所述推荐模块，具体用于将所述待推荐结果集合中的推荐结果对应的键值向第二服务器发送；所述键值用于第二服务器从第二数据库获取场景对应的推荐结果并利用所述推荐结果确定场景对应的、向用户进行推荐的数字内容。

10.根据权利要求9所述的装置，其特征在于，

所述第一确定模块，具体用于利用所述相关信息，确定用户的类型；将确定的用户的类型与用户相关的信息进行组合，确定目标推荐场景。

11.根据权利要求9所述的装置，其特征在于，

所述推荐模块，还用于从确定的目标推荐场景对应的推荐策略包括的推荐结果集合中，确定每种类型数字内容的信息推荐比例；基于确定的信息推荐比例进行推荐。

12.根据权利要求9所述的装置，其特征在于，

所述第一确定模块，具体用于判断确定的目标推荐场景与历史场景是否相同；当确定相同且确定针对历史场景存在推荐时，从历史场景与历史推荐策略的对应关系中查找历史场景对应的历史推荐策略，将查找的历史推荐策略作为所述确定的目标推荐场景的推荐策略；当确定不同时，基于各推荐场景与推荐策略的预设对应关系，确定所述目标推荐场景对应的推荐策略。

13.根据权利要求9所述的装置，其特征在于，所述装置还包括第一判断模块，所述第一判断模块，用于获取用户的历史反馈信息；利用所述历史反馈信息，判断是否优先基于场景确定推荐策略；当确定基于场景确定推荐策略时，基于各推荐场景与推荐策略的预设对应关系确定推荐策略；当确定利用所述历史反馈信息确定推荐策略时，基于所述历史反馈信息，确定推荐算法，利用确定的推荐算法得到推荐结果，基于推荐结果得到推荐策略。

14.一种推荐装置，其特征在于，所述装置包括：

第二获取模块，用于获取目标推荐场景对应的推荐策略包括的待推荐结果集合；所述目标推荐场景对应的推荐策略是第一服务器基于各推荐场景与推荐策略的预设对应关系确定的；

第二确定模块，用于利用推荐结果与数字内容的对应关系，确定所述待推荐结果集合包括的待推荐结果对应的数字内容；

第二判断模块，用于判断所述确定的数字内容是否可用；当确定可用时，将所述确定的数字内容发送给客户端进行展示；

所述第二获取模块，具体用于当存在运营干预时，获取预设运营策略包括的待推荐结果集合中推荐结果对应的键值；所述预设运营策略是所述第一服务器中预先存储的策略；

当不存在运营干预时，获取目标推荐场景对应的推荐策略包括的待推荐结果集合中推荐结果对应的键值；所述键值用于从第二数据库获取场景对应的推荐结果并利用所述推荐结果确定场景对应的、向用户进行推荐的数字内容。

15.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至5任一项所述方法的步骤，或者实现权利要求6至8任一项所述方法的步骤。

16.一种推荐装置，其特征在于，包括：处理器和用于存储能够在处理器上运行的计算机程序的存储器，其中，所述处理器用于运行所述计算机程序时，执行权利要求1至5任一项所述方法的步骤。

17.一种推荐装置，其特征在于，包括：处理器和用于存储能够在处理器上运行的计算机程序的存储器，其中，所述处理器用于运行所述计算机程序时，执行权利要求6至8任一项所述方法的步骤。

说明书

一种推荐方法、装置及计算机可读存储介质

技术领域

[0001] 本发明涉及智能推荐领域，尤其涉及一种推荐方法、装置及计算机可读存储介质。

背景技术

[0002] 目前，随着计算机技术的发展，信息量越来越大，通过推荐确定有效的信息越来越常见。实际推荐时，在智能推荐领域，尤其是数字内容推荐领域，针对每个场景会部署一套推荐算法，根据推荐的效果进行推荐算法迭代，通不断优化推荐算法达到推荐的目的。

[0003] 但是，这种推荐方式未考虑到同一个用户会面对不同的场景，以及同一个用户在不同场景下的偏好可能会发生偏移的问题。

发明内容

[0004] 有鉴于此，本发明实施例期望提供一种推荐方法、装置及计算机可读存储介质，能够基于场景向用户进行信息推荐。

[0005] 本发明实施例的技术方案是这样实现的：

[0006] 本发明实施例提供一种推荐方法，所述方法包括：

[0007] 获取能够确定场景的相关信息；

[0008] 利用所述相关信息，确定目标推荐场景；

[0009] 基于各推荐场景与推荐策略的预设对应关系，确定所述目标推荐场景对应的推荐策略；其中，单个所述推荐策略包括：分别对应于至少两种类型的数字内容的待推荐结果集合；所述预设对应关系包含的推荐策略中，存在至少两个推荐策略分别对应的待推荐结果集合所依据的信息推荐算法不同；

[0010] 根据确定出的推荐策略包括的待推荐结果集合，向用户进行信息推荐。

[0011] 上述方案中，所述获取能够确定场景的相关信息，包括：

[0012] 判断是否存在预设运营策略；

[0013] 确定不存在预设运营策略时，获取能够确定场景的相关信息。

[0014] 上述方案中，所述方法还包括：

[0015] 当确定存在预设运营策略时，基于预设运营策略，确定与所述预设运营策略对应的待推荐结果集合。

[0016] 上述方案中，所述利用所述相关信息，确定目标推荐场景，包括：

[0017] 利用所述相关信息，确定用户的类型；

[0018] 将确定的用户的类型与用户相关的信息进行组合，确定目标推荐场景。

[0019] 上述方案中，确定所述目标推荐场景对应的推荐策略之后，所述方法还包括：

[0020] 从确定的目标推荐场景对应的推荐策略包括的推荐结果集合中，确定每种类型数字内容的信息推荐比例；

[0021] 基于确定的信息推荐比例进行推荐。

[0022] 上述方案中，基于各推荐场景与推荐策略的预设对应关系，确定所述目标推荐场景对应的推荐策略，包括：

[0023] 判断确定的目标推荐场景与历史场景是否相同；

[0024] 当确定相同且确定针对历史场景存在推荐时，从历史场景与历史推荐策略的对应关系中查找历史场景对应的历史推荐策略，将查找的历史推荐策略作为所述确定的目标推荐场景的推荐策略；当确定不同时，基于各推荐场景与推荐策略的预设对应关系，确定所述目标推荐场景对应的推荐策略。

[0025] 上述方案中，所述方法还包括：

[0026] 获取用户的历史反馈信息；

[0027] 利用所述历史反馈信息，判断是否优先基于场景确定推荐策略；

[0028] 当确定基于场景确定推荐策略时，基于各推荐场景与推荐策略的预设对应关系确定推荐策略；

[0029] 当确定利用所述历史反馈信息确定推荐策略时，基于所述历史反馈信息，确定推荐算法，利用确定的推荐算法得到推荐结果，基于推荐结果得到推荐策略。

[0030] 本发明实施例提供一种推荐方法，所述方法包括：

[0031] 获取目标推荐场景对应的推荐策略包括的待推荐结果集合；所述目标推荐场景对应的推荐策略是第一服务器基于各推荐场景与推荐策略的预设对应关系确定的；

[0032] 利用推荐结果与数字内容的对应关系，确定所述待推荐结果集合包括的待推荐结果对应的数字内容；

[0033] 判断所述确定的数字内容是否可用；

[0034] 当确定可用时，将所述确定的数字内容发送给客户端进行展示。

[0035] 上述方案中，所述方法还包括：

[0036] 获取数字内容数据或者用户数据；

[0037] 利用获取的数字内容数据或者用户数据，按照数字内容的类型生成推荐数字内容列表；

[0038] 将生成的推荐数字内容列表存储在第一数据库；所述推荐数字内容列表用于供第一服务器确定对应场景的推荐结果。

[0039] 上述方案中，生成推荐数字内容列表时，所述方法还包括：

[0040] 利用所述数字内容数据或者用户数据，生成推荐结果；

[0041] 将生成的推荐结果与键值进行对应，生成所述数字内容所属类型的推荐数字内容列表。

[0042] 本发明实施例提供一种推荐装置，所述装置包括：

[0043] 第一获取模块，用于获取能够确定场景的相关信息；

[0044] 第一确定模块，用于利用所述相关信息，确定目标推荐场景；基于各推荐场景与推荐策略的预设对应关系，确定所述目标推荐场景对应的推荐策略；其中，单个所述推荐策略包括：分别对应于至少两种类型的数字内容的待推荐结果集合；所述预设对应关系包含的推荐策略中，存在至少两个推荐策略分别对应的待推荐结果集合所依据的信息推荐算法不同；

[0045] 推荐模块，用于根据确定出的推荐策略包括的待推荐结果集合，向用户进行信息推荐。

[0046] 上述方案中，所述第一获取模块，具体用于判断是否存在预设运营策略；

[0047] 确定不存在预设运营策略时，获取能够确定场景的相关信息。

[0048] 上述方案中，所述第一获取模块，还用于当确定存在预设运营策略时，基于预设运营策略，确定与所述预设运营策略对应的待推荐结果集合。

[0049] 上述方案中，所述第一确定模块，具体用于利用所述相关信息，确定用户的类型；将确定的用户的类型与用户相关的信息进行组合，确定目标推荐场景。

[0050] 上述方案中，所述推荐模块，还用于从确定的目标推荐场景对应的推荐策略包括的推荐结果集合中，确定每种类型数字内容的信息推荐比例；基于确定的信息推荐比例进行推荐。

[0051] 上述方案中，所述第一确定模块，具体用于判断确定的目标推荐场景与历史场景是否相同；当确定相同且确定针对历史场景存在推荐时，从历史场景与历史推荐策略的对应关系中查找历史场景对应的历史推荐策略，将查找的历史推荐策略作为所述确定的目标推荐场景的推荐策略；当确定不同时，基于各推荐场景与推荐策略的预设对应关系，确定所述目标推荐场景对应的推荐策略。

[0052] 上述方案中，所述装置还包括第一判断模块，

[0053] 所述第一判断模块，用于获取用户的历史反馈信息；利用所述历史反馈信息，判断是否优先基于场景确定推荐策略；当确定基于场景确定推荐策略时，基于各推荐场景与推荐策略的预设对应关系确定推荐策略；当确定利用所述历史反馈信息确定推荐策略时，基于所述历史反馈信息，确定推荐算法，利用确定的推荐算法得到推荐结果，基于推荐结果得到推荐策略。

[0054] 本发明实施例提供一种推荐装置，所述装置包括：

[0055] 第二获取模块，用于获取目标推荐场景对应的推荐策略包括的待推荐结果集合；所述目标推荐场景对应的推荐策略是第一服务器基于各推荐场景与推荐策略的预设对应关系确定的；

[0056] 第二确定模块，用于利用推荐结果与数字内容的对应关系，确定所述待推荐结果集合包括的待推荐结果对应的数字内容；

[0057] 第二判断模块，用于判断所述确定的数字内容是否可用；当确定可用时，将所述确定的数字内容发送给客户端进行展示。

[0058] 本发明实施例提供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上面所述任一种推荐方法的步骤。

[0059] 本发明实施例提供一种推荐装置，包括：处理器和用于存储能够在处理器上运行的计算机程序的存储器，

[0060] 其中，所述处理器用于运行所述计算机程序时，执行上面所述任一种推荐方法的步骤。

[0061] 本发明实施例提供的推荐方法、装置及计算机可读存储介质，获取能够确定场景的相关信息；利用所述相关信息，确定目标推荐场景；基于场景与推荐结果的预设对应关系，根据所述目标推荐场景，以及各推荐场景与推荐策略的预设对应关系，确定所述目标推荐场景对应的推荐策略；其中，单个所述推荐策略包括：分别对应于至少两种类型的数字内容的待推荐结果集合；所述预设对应关系包含的推荐策略中，存在至少两个推荐策略分别对应的待推荐结果集合所依据的信息推荐算法不同；根据确定出的推荐策略包括的待推荐结果集合，向用户进行信息推荐。在本发明实施例中，利用所述相关信息，确定目标推荐场景；基于各推荐场景与推荐策略的预设对应关系，确定所述目标推荐场景对应的推荐策略，根据确定出的推荐策略包括的待推荐结果集合，向用户进行信息推荐。因此，能够实现基于场景向用户进行信息推荐。

附图说明

[0062] 图1为本发明实施例推荐方法的实现流程示意图一；

[0063] 图2为本发明实施例推荐方法的实现流程示意图二；

[0064] 图3为本发明实施例推荐装置的组成结构示意图一；

[0065] 图4为本发明实施例推荐装置的组成结构示意图二；

[0066] 图5为本发明实施例推荐装置的组成结构示意图三；

[0067] 图6为本发明实施例推荐的具体实现流程示意图；

[0068] 图7为本发明实施例第一服务器与第二服务器进行交互实现数字内容推荐的组成结构示意图。

具体实施方式

[0069] 本发明实施例中，获取能够确定场景的相关信息；利用所述相关信息，确定目标推荐场景；根据所述目标推荐场景，以及各推荐场景与推荐策略的预设对应关系，确定所述目标推荐场景对应的推荐策略；其中，单个所述推荐策略包括：分别对应于至少两种类型的数字内容的待推荐结果集合；所述预设对应关系包含的推荐策略中，存在至少两个推荐策略分别对应的待推荐结果集合所依据的信息推荐算法不同；根据确定出的推荐策略包括的待推荐结果集合，向用户进行信息推荐。

[0070] 为了能够更加详尽地了解本发明实施例的特点与技术内容，下面结合附图对本发明实施例的实现进行详细阐述，所附附图仅供参考说明之用，并非用来限定本发明。

[0071] 如图1所示，详细说明本发明实施例推荐方法，本实施例的推荐方法应用于第一服务器侧，包括以下步骤：

[0072] 步骤101：获取能够确定场景的相关信息。

[0073] 在一实施例中，所述获取能够确定场景的包括：

[0074] 判断是否存在预设运营策略；确定不存在预设运营策略时，获取能够确定场景的相关信息。

[0075] 在一实施例中，所述方法还包括：

[0076] 当确定存在预设运营策略时，基于预设运营策略，确定与所述预设运营策略对应的待推荐结果集合。

[0077] 具体地，可以根据重大节日(如国庆专题、中秋专题等等)或者重大事件(如当地演唱会、话剧演出等等)确定待推荐结果集合。

[0078] 步骤102：利用所述相关信息，确定目标推荐场景。

[0079] 在一实施例中，所述利用所述相关信息，确定目标推荐场景，包括：利用所述相关信息，确定用户的类型；将确定的用户的类型与用户相关的信息进行组合，确定目标推荐场景。

[0080] 这里，所述相关信息可以包括：用户的自然属性(如性别、年龄等等)和访问记录等等。实际应用时，第一服务器根据用户的自然属性和访问记录，将用户归为某一类别(如深度搜索型用户或者浏览型用户)；如果无法获取用户的自然属性和访问记录，则可将用户划分为默认类别(如浏览型用户)。

[0081] 表1为确定的目标推荐场景，如表1所示，如果用户类型为深度搜索型用户，确定的目标推荐场景为场景A；如果用户类型为浏览型用户，确定的目标推荐场景为场景B；如果用户类型为浏览型用户，用户相关信息包括时间信息(如晚上)、位置信息(如用户家里)，将用户类型和用户相关信息进行组合，确定的目标推荐场景为场景C。

[0082] 深度搜索型用户 场景A浏览型用户 场景B
浏览型用户+晚上+用户家里 场景C

[0083] 表1

[0084] 步骤103：基于各推荐场景与推荐策略的预设对应关系，确定所述目标推荐场景对应的推荐策略。

[0085] 其中，单个所述推荐策略包括：分别对应于至少两种类型的数字内容的待推荐结果集合；所述预设对应关系包含的推荐策略中，存在至少两个推荐策略分别对应的待推荐结果集合所依据的信息推荐算法不同。

[0086] 实际应用时，还可以从第一数据库获取的推荐数字内容列表中确定所述目标推荐场景对应的待推荐结果集合。

[0087] 表2为各推荐场景与推荐策略的预设对应关系，如表2中所示，推荐场景包括场景A、场景B和场景C，推荐策略包括推荐策略A、推荐策略B和推荐结果C。以推荐策略A为例，推荐策略A包括视频类的3个推荐结果(即推荐结果1、推荐结果2和推荐结果3)、游戏类的2个推荐结果(即推荐结果1、推荐结果2)、动漫类的3个推荐结果(即推荐结果1、推荐结果2和推荐结果3)、音乐类的2个推荐结果(即推荐结果1、推荐结果2)、书籍类的1个推荐结果(即推荐结果1)。

[0088]

[0089] 表2

[0090] 举例来说，场景A可以为：用户在晚上观看付费视频；与场景A对应的视频类的推荐结果1可以为：最近购买的视频。场景B可以为：深度搜索型用户；与场景B对应的推荐结果包括：视频类的推荐结果9(猜你喜欢的视频)+视频类的推荐结果1(惊喜推荐的视频)。场景C可以为：浏览型用户；与场景B对应的推荐结果包括：音乐类的推荐结果用6(猜你喜欢的音乐)+4(惊喜推荐的音乐)。

[0091] 这里，存在至少两个推荐策略分别对应的待推荐结果集合所依据的信息推荐算法不同。比如，推荐策略A与推荐策略B分别对应的待推荐结果集合所依据的信息推荐算法不同。

[0092] 实际应用时，还可以将待推荐结果集合中的推荐结果对应的键值以及所述推荐结果对应存储在第二数据库中。其中，第二数据库可以为key-value数据库，即一种以键值对存储数据的数据库。

[0093] 在一实施例中，确定所述目标推荐场景对应的推荐策略之后，所述方法还包括：从确定的目标推荐场景对应的推荐策略包括的推荐结果集合中，确定每种类型数字内容的信息推荐比例；基于确定的信息推荐比例进行推荐。

[0094] 实际应用时，可以结合获取的终端信息，从确定的目标推荐场景对应的推荐策略包括的推荐结果集合中，确定每种类型数字内容的信息推荐比例。其中，终端信息可以包括：客户端中各种应用的安装列表、缓存的各种数据类型的占比、网络场景(如移动终端是否处于无线局域网内或者移动终端的网速)、请求时间(即移动终端的响应时间，用于反映移动终端处理器的处理速度)等等。

[0095] 具体地，当用户打开客户端时，客户端可以获取各种应用的安装列表，还可以在获得用户允许的情况下采集用户SD卡里的缓存的视频文件和音乐文件等等，还可以获取实时网络状况。所述客户端通过消息接口将终端信息实时上报至第一服务器，第一服务器根据获取的终端信息，从确定的目标推荐场景对应的推荐策略包括的推荐结果集合中，确定每种类型数字内容的信息推荐比例。

[0096] 举例来说，如果根据终端信息解析出本地的缓存数据中90％为视频、网络为4G，则可以确定视频类占推荐类型(游戏、动漫、音乐、视频、书籍)的比例为80％，游戏类占推荐类型(游戏、动漫、音乐、视频、书籍)的比例为20％。在进行信息推荐时，可以推荐视频类型中的4个短视频，游戏类型中的1个小游戏。

[0097] 在一实施例中，基于各推荐场景与推荐策略的预设对应关系，确定所述目标推荐场景对应的推荐策略，包括：判断确定的目标推荐场景与历史场景是否相同；当确定相同且确定针对历史场景存在推荐时，从历史场景与历史推荐策略的对应关系中查找历史场景对应的历史推荐策略，将查找的历史推荐策略作为所述确定的目标推荐场景的推荐策略；当确定不同时，基于各推荐场景与推荐策略的预设对应关系，确定所述目标推荐场景对应的推荐策略。

[0098] 在一实施例中，所述方法还包括：获取用户的历史反馈信息；利用所述历史反馈信息，判断是否优先基于场景确定推荐策略；当确定基于场景确定推荐策略时，基于各推荐场景与推荐策略的预设对应关系确定推荐策略；当确定利用所述历史反馈信息确定推荐策略时，基于所述历史反馈信息，确定推荐算法，利用确定的推荐算法得到推荐结果，基于推荐结果得到推荐策略。

[0099] 实际应用时，将用户针对推荐的数字内容的反馈信息(如喜欢、不喜欢、点赞、收藏等等等)通过KAFKA消息接口实时同步至第一服务器。由于推荐的每个类型的数字内容都携带批次号，因此第一服务器可以根据批次号查询推荐的数字内容对应的推荐结果以及推荐算法。

[0100] 举例来说，如果用户针对推荐的某一类型的数字内容进行了操作(如点击屏幕上针对该数字内容的喜欢、不喜欢、点赞、收藏等按钮)，则第一服务器可以根据用户的操作，确定用户在场景下比较喜欢的推荐结果和推荐算法。根据命中率生成算法倾斜值，如果命中率达到20％，则100％倾斜到该推荐结果对应的数字内容进行推荐。

[0101] 步骤104：根据确定出的推荐策略包括的待推荐结果集合，向用户进行信息推荐。

[0102] 实际应用时，第一服务器还可以将待推荐结果集合中的推荐结果对应的键值向第二服务器发送；所述键值用于第二服务器从第二数据库获取场景对应的推荐结果并利用所述推荐结果确定场景对应的数字内容。

[0103] 本发明实施例提供的推荐方法，获取能够确定场景的相关信息；利用所述相关信息，确定目标推荐场景；基于各推荐场景与推荐策略的预设对应关系，确定所述目标推荐场景对应的推荐策略；其中，单个所述推荐策略包括：分别对应于至少两种类型的数字内容的待推荐结果集合；所述预设对应关系包含的推荐策略中，存在至少两个推荐策略分别对应的待推荐结果集合所依据的信息推荐算法不同；根据确定出的推荐策略包括的待推荐结果集合，向用户进行信息推荐。显然，能够基于场景向用户进行信息推荐。

[0104] 如图2所示，本发明实施例详细说明本发明实施例推荐方法，本实施例的推荐方法应用于第二服务器侧，包括以下步骤：

[0105] 步骤201：获取目标推荐场景对应的推荐策略包括的待推荐结果集合。

[0106] 其中，所述目标推荐场景对应的推荐策略是第一服务器基于各推荐场景与推荐策略的预设对应关系确定的。

[0107] 实际应用时，还可以利用第一服务器返回的待推荐结果集合中的推荐结果对应的键值，根据键值从第二数据库获取待推荐结果集合。其中，第二数据库可以为key-value数据库；其中，key-value数据库是以一种以键值对存储数据的一种数据库。第二数据库可以存储在集群上。

[0108] 步骤202：利用推荐结果与数字内容的对应关系，确定所述待推荐结果集合包括的待推荐结果对应的数字内容。

[0109] 实际应用时，推荐结果可以为短视频；对应的数字内容可以为按照更新时间将短视频形成的数字内容。这里，推荐结果可以为数字内容的ID。第二服务器可以将数字内容ID与数字内容的对应关系存储在第一数据库中。

[0110] 步骤203：判断所述确定的数字内容是否可用；当确定可用时，将所述确定的数字内容发送给客户端进行展示。

[0111] 这里，判断所述确定的数字内容是否可用，具体可以包括：判断版权是否已到期，当确定到期，则数字内容不可用；否则数字内容可用。

[0112] 在一实施例中，所述方法还包括：获取数字内容数据或者用户数据；利用获取的数字内容数据或者用户数据，按照数字内容的类型生成推荐数字内容列表；将生成的推荐数字内容列表存储在第一数据库。这里，所述推荐数字内容列表可以用于供第一服务器确定对应场景的推荐策略包括的待推荐结果集合。

[0113] 在一实施例中，生成推荐数字内容列表时，所述方法还包括：利用所述数字内容数据或者用户数据，生成推荐结果；将生成的推荐结果与键值进行对应，生成所述数字内容所属类型的推荐数字内容列表。

[0114] 具体地，可以根据数字内容的本身属性生成最新的推荐结果(推荐结果1)；根据用户的行为生成最热的推荐结果(推荐结果2)、最近购买的推荐结果(推荐结果3)；根据由用户行为获得的用户特征向量以及数字内容之间的相似度来生成猜你喜欢推荐结果(推荐结果4)。第一服务器可以按照数字内容的类别将推荐结果1～4写入REDIS集群中，供第二服务器调用。其中，数字内容的类型包括：游戏、动漫、音乐、视频、书籍五类。

[0115] 这里，包括但不限于以上这四种推荐结果，还可以根据其它推荐算法生成更多的推荐结果，确定推荐结果的推荐算法为本领域常见的推荐算法。

[0116] 基于本申请各实施例提供的推荐方法，本申请还提供一种推荐装置，可以设置在第一服务器上，如图3所示，所述装置包括：第一获取模块31、第一确定模块32、推荐模块33；其中，

[0117] 第一获取模块31，用于获取能够确定场景的相关信息。

[0118] 第一确定模块32，用于利用所述相关信息，确定目标推荐场景；基于各推荐场景与推荐策略的预设对应关系，确定所述目标推荐场景对应的推荐策略。

[0119] 其中，单个所述推荐策略包括：分别对应于至少两种类型的数字内容的待推荐结果集合；所述预设对应关系包含的推荐策略中，存在至少两个推荐策略分别对应的待推荐结果集合所依据的信息推荐算法不同；

[0120] 推荐模块33，用于根据确定出的推荐策略包括的待推荐结果集合，向用户进行信息推荐。

[0121] 在一实施例中，所述第一获取模块31，具体用于判断是否存在预设运营策略；确定不存在预设运营策略时，获取能够确定场景的相关信息。

[0122] 在一实施例中，所述第一获取模块31，还用于当确定存在预设运营策略时，基于预设运营策略，确定与所述预设运营策略对应的待推荐结果集合。

[0123] 具体地，可以根据重大节日(如国庆专题、中秋专题等等)或者重大事件(如当地演唱会、话剧演出等等)确定待推荐结果集合。

[0124] 在一实施例中，所述第一确定模块32，具体用于利用所述相关信息，确定用户的类型；将确定的用户的类型与用户相关的信息进行组合，确定目标推荐场景。

[0125] 这里，所述相关信息可以包括：用户的自然属性(如性别、年龄等等)和访问记录等等。实际应用时，根据用户的自然属性和访问记录，将用户归为某一类别(如深度搜索型用户或者浏览型用户)；如果无法获取用户的自然属性和访问记录，则可将用户划分为默认类别(如浏览型用户)。

[0126] 在一实施例中，所述推荐模块33，还用于从确定的目标推荐场景对应的推荐策略包括的推荐结果集合中，确定每种类型数字内容的信息推荐比例；基于确定的信息推荐比例进行推荐。

[0127] 在一实施例中，所述第一确定模块32，具体用于判断确定的目标推荐场景与历史场景是否相同；当确定相同且确定针对历史场景存在推荐时，从历史场景与历史推荐策略的对应关系中查找历史场景对应的历史推荐策略，将查找的历史推荐策略作为所述确定的目标推荐场景的推荐策略；当确定不同时，基于各推荐场景与推荐策略的预设对应关系，确定所述目标推荐场景对应的推荐策略。

[0128] 在一实施例中，所述装置还包括第一判断模块；

[0129] 所述第一判断模块，用于获取用户的历史反馈信息；利用所述历史反馈信息，判断是否优先基于场景确定推荐策略；当确定基于场景确定推荐策略时，基于各推荐场景与推荐策略的预设对应关系确定推荐策略；当确定利用所述历史反馈信息确定推荐策略时，基于所述历史反馈信息，确定推荐算法，利用确定的推荐算法得到推荐结果，基于推荐结果得到推荐策略。

[0130] 需要说明的是：上述实施例提供的推荐装置在进行推荐时，仅以上述各程序模块的划分进行举例说明，实际应用中，可以根据需要而将上述处理分配由不同的程序模块完成，即将装置的内部结构划分成不同的程序模块，以完成以上描述的全部或者部分处理。另外，上述实施例提供的推荐装置与推荐方法实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。

[0131] 在实际应用中，第一获取模块31由位于推荐装置上的网络接口实现；第一确定模块32、第一推荐模块33、第一判断模块可由位于推荐装置上的中央处理器(CPU，Central Processing Unit)、微处理器(MPU，Micro Processor Unit)、数字信号处理器(DSP，Digital Signal Processor)、或现场可编程门阵列(FPGA，Field Programmable Gate Array)等实现。

[0132] 基于本申请各实施例提供的推荐方法，本申请还提供一种推荐装置，可以设置在第二服务器上，如图4所示，所述装置包括：第二获取模块41、第二确定模块42、第二判断模块43；其中，

[0133] 第二获取模块41，用于获取目标推荐场景对应的推荐策略包括的待推荐结果集合。其中，所述目标推荐场景对应的推荐策略是第一服务器基于各推荐场景与推荐策略的预设对应关系确定的。

[0134] 第二确定模块42，用于利用推荐结果与数字内容的对应关系，确定所述待推荐结果集合包括的待推荐结果对应的数字内容；

[0135] 第二判断模块43，用于判断所述确定的数字内容是否可用；当确定可用时，将所述确定的数字内容发送给客户端进行展示。

[0136] 这里，判断所述确定的数字内容是否可用，具体可以包括：判断版权是否已到期，当确定到期，则数字内容不可用；否则数字内容可用。

[0137] 实际应用时，还可以利用第一服务器返回的待推荐结果集合中的推荐结果对应的键值，根据键值从第二数据库获取待推荐结果集合。其中，第二数据库可以为key-value数据库；其中，key-value数据库是以一种以键值对存储数据的一种数据库。第二数据库可以存储在集群上。

[0138] 实际应用时，推荐结果可以为短视频；对应的数字内容可以为按照更新时间将短视频形成的数字内容。这里，推荐结果可以为数字内容的ID。第二服务器可以将数字内容ID与数字内容的对应关系存储在第一数据库中。

[0139] 在一实施例中，所述装置还包括生成模块，

[0140] 所述生成模块，用于获取数字内容数据或者用户数据；利用获取的数字内容数据或者用户数据，按照数字内容的类型生成推荐数字内容列表；将生成的推荐数字内容列表存储在第一数据库；所述推荐数字内容列表用于供第一服务器确定对应场景的推荐结果。

[0141] 在一实施例中，所述生成模块，具体用于利用所述数字内容数据或者用户数据，生成推荐结果；将生成的推荐结果与键值进行对应，生成所述数字内容所属类型的推荐数字内容列表。

[0142] 需要说明的是：上述实施例提供的推荐装置在进行推荐时，仅以上述各程序模块的划分进行举例说明，实际应用中，可以根据需要而将上述处理分配由不同的程序模块完成，即将装置的内部结构划分成不同的程序模块，以完成以上描述的全部或者部分处理。另外，上述实施例提供的推荐装置与推荐方法实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。

[0143] 在实际应用中，第二获取模块41由位于推荐装置上的网络接口实现；第二确定模块42、第二判断模块43、生成模块可由位于推荐装置上的CPU、微处MPU、DSP、或FPGA等实现。

[0144] 图5是本发明推荐装置的结构示意图，图5所示的推荐装置500包括：至少一个处理器501、存储器502、用户接口503、至少一个网络接口504。推荐装置500中的各个组件通过总线系统505耦合在一起。可理解，总线系统505用于实现这些组件之间的连接通信。总线系统505除包括数据总线之外，还包括电源总线、控制总线和状态信号总线。但是为了清楚说明起见，在图5中将各种总线都标为总线系统505。

[0145] 其中，用户接口503可以包括显示器、键盘、鼠标、轨迹球、点击轮、按键、按钮、触感板或者触摸屏等。

[0146] 可以理解，存储器502可以是易失性存储器或非易失性存储器，也可包括易失性和非易失性存储器两者。其中，非易失性存储器可以是只读存储器(ROM，Read Only Memory)、可编程只读存储器(PROM，Programmable Read-Only Memory)、可擦除可编程只读存储器(EPROM，Erasable Programmable Read-Only Memory)、电可擦除可编程只读存储器(EEPROM，Electrically Erasable Programmable Read-Only Memory)、磁性随机存取存储器(FRAM，ferromagnetic random access memory)、快闪存储器(Flash Memory)、磁表面存储器、光盘、或只读光盘(CD-ROM，Compact Disc Read-Only Memory)；磁表面存储器可以是磁盘存储器或磁带存储器。易失性存储器可以是随机存取存储器(RAM，Random Access Memory)，其用作外部高速缓存。通过示例性但不是限制性说明，许多形式的RAM可用，例如静态随机存取存储器(SRAM，Static Random Access Memory)、同步静态随机存取存储器(SSRAM，Synchronous Static Random Access Memory)、动态随机存取存储器(DRAM，Dynamic Random Access Memory)、同步动态随机存取存储器(SDRAM，Synchronous Dynamic Random Access Memory)、双倍数据速率同步动态随机存取存储器(DDRSDRAM，Double Data Rate Synchronous Dynamic Random Access Memory)、增强型同步动态随机存取存储器(ESDRAM，Enhanced Synchronous Dynamic Random Access Memory)、同步连接动态随机存取存储器(SLDRAM，SyncLink Dynamic Random Access Memory)、直接内存总线随机存取存储器(DRRAM，Direct Rambus Random Access Memory)。本发明实施例描述的存储器502旨在包括但不限于这些和任意其它适合类型的存储器。

[0147] 本发明实施例中的存储器502用于存储各种类型的数据以支持推荐装置500的操作。这些数据的示例包括：用于在推荐装置500上操作的任何计算机程序，如操作系统5021和应用程序5022；其中，操作系统5021包含各种系统程序，例如框架层、核心库层、驱动层等，用于实现各种基础业务以及处理基于硬件的任务。应用程序5022可以包含各种应用程序，用于实现各种应用业务。实现本发明实施例方法的程序可以包含在应用程序5022中。

[0148] 上述本发明实施例揭示的方法可以应用于处理器501中，或者由处理器501实现。处理器501可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器501中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器501可以是通用处理器、数字信号处理器，或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。处理器501可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者任何常规的处理器等。结合本发明实施例所公开的方法的步骤，可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于存储介质中，该存储介质位于存储器502，处理器501读取存储器502中的信息，结合其硬件完成前述推荐方法的步骤。

[0149] 基于本申请各实施例提供的推荐方法，本申请还提供一种计算机可读存储介质，参照图5所示，所述计算机可读存储介质可以包括：用于存储计算机程序的存储器502，上述计算机程序可由推荐装置500的处理器501执行，以完成前述推荐方法所述步骤。计算机可读存储介质可以是FRAM、ROM、PROM、EPROM、EEPROM、Flash Memory、磁表面存储器、光盘、或CD-ROM等存储器。

[0150] 下面以实现数字内容的推荐为具体实例详细说明本发明在实际应用中的实现过程及原理。

[0151] 图6为本发明实施例数字内容推荐的具体实现流程示意图，图7为第一服务器与第二服务器进行交互实现数字内容推荐的组成结构示意图，如图7所示，策略引擎对应第一服务器，计算平台对应第二服务器，第一数据库对应REDIS集群1。具体实现过程，包括如下步骤：

[0152] 步骤601：计算平台针对不同的数字内容的类型，按照不同的推荐算法生成不同的推荐结果，并将所有推荐结果按照数字内容的类型存储在REDIS集群1中。

[0153] 其中，REDIS集群1是基于key-value的存储系统即key-value数据库。

[0154] 具体地，向计算平台输入与数字内容相关的数字内容数据和与用户的行为相关的用户数据；计算平台将数字内容按类型分类，分成游戏、动漫、音乐、视频、书籍五类；针对每个类型的数字内容，根据数字内容数据(如数字内容的本身属性)生成最新的推荐结果(如推荐结果1)；根据用户数据(与用户的行为相关的数据)生成最热的推荐结果(如推荐结果2)、最近购买的推荐结果(如推荐结果3)；根据由用户数据获得的用户特征向量以及数字内容之间的相似度来生成猜你喜欢推荐结果(如推荐结果4)。计算平台将所有推荐结果(如推荐结果1～4)分类别(如游戏、动漫、音乐、视频、书籍)全部写入REDIS集群1，供策略引擎调用。

[0155] 在计算平台的REDIS集群1中还可以存储数字内容ID与数字内容的对应关系。当查找某一数字内容时，计算平台可根据数字内容ID在REDIS集群1中查找对应的数字内容。

[0156] 步骤602：策略引擎预先存储推荐场景与推荐策略的对应关系。

[0157] 举例来说，策略引擎可将某一场景(如用户在晚上观看付费视频的推荐场景)与推荐结果(如视频类别中的最近购买的推荐结果)的这一推荐策略对应存储。

[0158] 步骤603：策略引擎根据计算平台输入的能够确定场景的相关信息，确定目标推荐场景。

[0159] 所述计算平台可以是进行不同业务的服务器如咪咕善跑服务器、咪咕视频服务器、咪咕阅读服务器等等。

[0160] 在根据计算平台输入的能够确定场景的相关信息，确定目标推荐场景之前，预先判断有无运营干预；若有，则按照预设运营策略(如根据重大节日(比如国庆专题、中秋专题等)或者重大事件(当地演唱会、话剧演出等)预置了推荐结果的规则)，确定推荐结果，将确定的推荐结果对应的键值以及推荐结果对应存储在REDIS集群2，同时返回KEY值(键值)信息给计算平台，计算平台根据KEY值确定推荐的数字内容；若没有，则执行步骤603。

[0161] 步骤604：策略引擎基于场景与推荐结果的对应关系，从REDIS集群1中获取的推荐数字内容列表中确定目标推荐场景对应的待推荐结果集合，将待推荐结果集合包括的推荐结果对应的键值以及场景对应的推荐结果写入REDIS集群2，同时返回KEY值信息(键值)给计算平台，供计算平台从REDIS集群2中读取调用场景对应的推荐结果。

[0162] 步骤605：计算平台根据策略引擎返回的KEY值从REDIS集群2中获取场景对应的推荐结果，将获取的推荐结果形成对应场景的数字内容。校验形成的数字内容是否可用，当确定可用时，在客户端进行展示对应场景的数字内容。

[0163] 从REDIS集群2中获取的推荐结果对应的是数字内容ID，不能直接在客户端展示，所以需要利用数字内容ID从计算平台上获取与数字内容ID对应的数字内容。同时，判断形成的数字内容在当前状态下是否可用(如判断版权是否已到期；如到期则不可用；否则可用)，当可用时，在客户端展示形成的数字内容。用户在客户端对推荐的数字内容进行操作时，产生的操作数据将通过KAFKA消息接口实时返回给策略引擎，策略引擎将反馈的数据作为下次推荐的依据。

[0164] 以上所述，仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。