[發明專利]用戶原創內容的推薦方法及推薦裝置

在審

• 申請號: 201210290208.2
• 申請日: 2012-08-15
• 公開（公告）號: CN103593355A
• 公開（公告）日: 2014-02-19
• 發明（設計）人: 薛笛
• 申請（專利權）人: 騰訊科技（深圳）有限公司
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 上海波拓知識產權代理有限公司 31264
• 代理人: 楊波

技術領域

本發明涉及計算機技術領域，特別是涉及用戶原創內容的推薦方法及推薦裝置。

背景技術

隨著新型互聯網方式Web2.0的興起以及社會性網絡服務(Social?Networking?Services，SNS)社區的不斷發展壯大，用戶原創內容(User?Generated?Content,UGC)呈現出井噴式地發展趨勢，例如空間或者微博等等，其每天可以產生的用戶原創日志數千萬篇，上傳圖片數億張，更新、創建相冊上千萬次。

在海量的用戶原創內容UGC中肯定有很多優質的內容，但是由于用戶原創內容UGC的總體數量巨大、關系鏈限制、隱私控制等等原因，很多優質的用戶原創內容UGC無法被廣大地用戶看到，從而極大地挫傷用戶創造的積極性，不利于提升業務的活躍度。同時，如此多的優質的用戶原創內容UGC被埋沒，其本身也是資源的浪費。

但是，在海量的用戶原創內容UGC中篩選出優質的用戶原創內容，其難度極大。目前常用的篩選方式主要有(1)按照“熱度”排序；(2)人工收集篩選；(3)聯合搜索業務進行推薦等等。

其中，篩選方式(1)是將用戶原創內容UGC按照“熱度”，例如人氣值、評論數量、轉發數量，而進行排序，然后挑選出排序在前的多個用戶原創內容UGC后再進行人工篩選。

但是，雖然用戶原創內容UGC的“熱度”在一個側面上反映了用戶對該用戶原創內容UGC的喜歡程度，但是，這類信息通常很容易通過“刷屏”的方式來進行作弊，所以按照“熱度”對用戶原創內容UGC進行排序的篩選方式在很多時候并不能獨立地作為內容品質的判定標準，同時這種篩選方式也很容易滋生惡意廣告。此外，為了盡可能地不漏掉優質的用戶原創內容UGC，則按照“熱度”挑選出的排序在前的多個用戶原創內容UGC的結果集不能太小，通常可以視具體的需求而設定為幾百至上千，然后再進行人工篩選，因此審核人員人工審核的工作量也非常大，消耗的人力成本也極為可觀。

篩選方式(2)是請工作人員人工地主動收集優質的用戶原創內容UGC并進行分類排序，其收集的方法可以是聯系專業的寫手或者活躍用戶來提供優質的用戶原創內容UGC，然后訂閱其所提供的優質的用戶原創內容UGC。

但是，請工作人員人工地主動收集優質的用戶原創內容UGC的篩選方式需要付出昂貴的人力成本。此外，如果優質的用戶原創內容UGC的來源是來自專業寫手或者活躍用戶的話，當這些人由于興趣轉移等原因而不能穩定地提供優質的用戶原創內容UGC時，就需要及時地更換寫手，尋找新的優質的用戶原創內容UGC的來源，這對于本身不以媒體為主要業務的網絡運營商而言是相當大的負擔。

篩選方式(3)是聯合搜索業務，例如社交搜索等，其只提供與用戶搜索的關鍵詞相匹配的用戶原創內容UGC；或者利用推薦的熱詞進行搜索，從而提供相匹配的用戶原創內容UGC。

但是，對于大多數的用戶而言，上網只是為了打發時間，其本身并不確定自己想要看什么樣的內容。這些用戶在面對系統所提供的搜索框時，其并不知道需要輸入什么樣的關鍵詞，這些用戶更希望系統能夠自動地推薦一些優質的用戶原創內容UGC來供其選擇。因此，在這種情況下，系統所提供的搜索引擎即使具有強大的功能但是卻無法在沒有關鍵詞輸入的情況下猜到用戶的喜好，而且即使系統推薦了一些搜索熱詞，其也大多是人工運營出來的，其并不能滿足實際需要。

發明內容

本發明的目的在于，克服現有技術所存在的缺陷，而提供一種新的用戶原創內容的推薦方法和推薦裝置，其可以簡單方便地挑選出適合大多數用戶需求的用戶原創內容。

本發明的目的及解決其技術問題是采用以下技術方案來實現的。

本發明提供一種用戶原創內容的推薦方法，其包括：收集與所述用戶原創內容相關的用戶行為；計算與所述用戶原創內容相關的每一個用戶的評級分數；根據與所述用戶原創內容相關的用戶的評級分數，而計算所述用戶原創內容的評級分數；根據所述用戶原創內容的評級分數而確定是否進行推薦。

本發明還提供一種用戶原創內容的推薦裝置，其包括收集模塊、用戶評級分數計算模塊、用戶原創內容評級分數計算模塊、和推薦模塊。所述收集模塊用于收集與所述用戶原創內容相關的用戶行為；所述用戶評級分數計算模塊用于計算與所述用戶原創內容相關的每一個用戶的評級分數；所述用戶原創內容評級分數計算模塊用于根據與所述用戶原創內容相關的用戶的評級分數，而計算所述用戶原創內容的評級分數；而所述推薦模塊用于根據所述用戶原創內容的評級分數而確定是否進行推薦。