本發(fā)明涉及互聯(lián)網(wǎng)技術領域，尤其涉及一種內容推薦方法及裝置。

背景技術：

隨著通信技術的不斷發(fā)展及終端的普及，在終端獲取多媒體內容的用戶越來越多，而且很多用戶同時擁有多個終端，比如一個用戶同時擁有手機、筆記本電腦及平板電腦等。

目前，用戶對多媒體內容的獲取方式，多是直接在終端上查找希望觀看的內容或者根據(jù)多媒體內容供應商提供的推薦頁面選擇自己喜歡的內容，通常，用戶會根據(jù)不同場景選擇合適的終端獲取多媒體內容，例如，用戶在公交車上習慣使用手機觀看視頻，而用戶在家里習慣使用屏幕較大的筆記本電腦或計算機觀看視頻。

發(fā)明人在實現(xiàn)本發(fā)明的過程中，發(fā)現(xiàn)相關技術存在以下問題：同一用戶在不同終端使用應用程序或網(wǎng)站所產生的歷史行為數(shù)據(jù)沒有實現(xiàn)共享，尤其是該歷史行為數(shù)據(jù)孤立地存儲于各個終端上，通過這些歷史行為數(shù)據(jù)所分析出的用戶對于應用程序內容的喜好數(shù)據(jù)也不能實現(xiàn)共享。

技術實現(xiàn)要素：

本發(fā)明要解決的技術問題是提供一種內容推薦方法及裝置，解決同一用戶不同終端使用應用程序或網(wǎng)站所產生的歷史行為數(shù)據(jù)沒有實現(xiàn)共享的問題。

本發(fā)明實施例的一個方面，提供一種內容推薦方法，該方法包括：

收集同一賬號在不同終端的歷史行為數(shù)據(jù)；

分析所述歷史行為數(shù)據(jù)，并生成所述賬號對應的行為習慣；

基于所述行為習慣向所述行為習慣對應的賬號所登錄的終端進行內容推薦。

可選地，所述收集同一賬號在不同終端的歷史行為數(shù)據(jù)包括：

在數(shù)據(jù)庫中分別為所述同一賬號分配對應的數(shù)據(jù)存儲空間；

收集所述同一賬號在不同終端的歷史行為數(shù)據(jù)，將所述歷史行為數(shù)據(jù)添加至所述同一賬號對應的數(shù)據(jù)存儲空間。

可選地，所述分析所述歷史行為數(shù)據(jù)，并生成所述賬號對應的行為習慣包括：

分別統(tǒng)計所述歷史行為數(shù)據(jù)中每條數(shù)據(jù)的頻率；

選取所述頻率大于第一預設閾值的數(shù)據(jù)作為第一喜好數(shù)據(jù)，根據(jù)所述第一喜好數(shù)據(jù)生成所述賬號對應的行為習慣。

可選地，所述分析所述歷史行為數(shù)據(jù)，并生成所述賬號對應的行為習慣包括：

按照預設規(guī)則對所述歷史行為數(shù)據(jù)進行分類，根據(jù)所述分類生成至少一個數(shù)據(jù)集；

分別統(tǒng)計所述數(shù)據(jù)集的頻率；

選取所述頻率大于第二預設閾值的數(shù)據(jù)集作為第二喜好數(shù)據(jù)，根據(jù)所述第二喜好數(shù)據(jù)生成所述賬號對應的行為習慣。

可選地，所述頻率包括訪問留存時間、點擊量、下載量、評論量以及點贊量中的一種或多種。

本發(fā)明實施例的另一方面，提供一種內容推薦裝置，該裝置包括：

收集模塊，用于收集同一賬號在不同終端的歷史行為數(shù)據(jù)；

分析模塊，用于分析所述歷史行為數(shù)據(jù)，并生成所述賬號對應的行為習慣；

推薦模塊，用于基于所述行為習慣向所述行為習慣對應的賬號所登錄的終端進行內容推薦。

可選地，所述收集模塊包括：

分配單元，用于在數(shù)據(jù)庫中分別為所述同一賬號分配對應的數(shù)據(jù)存儲空間；

存儲單元，用于收集所述同一賬號在不同終端的歷史行為數(shù)據(jù)，將所述歷史行為數(shù)據(jù)添加至所述同一賬號對應的數(shù)據(jù)存儲空間。

可選地，所述分析模塊包括：

第一統(tǒng)計單元，用于分別統(tǒng)計所述歷史行為數(shù)據(jù)中每條數(shù)據(jù)的頻率；

第一選擇單元，用于選取所述頻率大于第一預設閾值的數(shù)據(jù)作為第一喜好數(shù)據(jù)，根據(jù)所述第一喜好數(shù)據(jù)生成所述賬號對應的行為習慣。

可選地，所述分析模塊包括：

分類單元，用于按照預設規(guī)則對所述歷史行為數(shù)據(jù)進行分類，根據(jù)所述分類生成至少一個數(shù)據(jù)集；

第二統(tǒng)計單元，用于分別統(tǒng)計所述數(shù)據(jù)集的頻率；

第二選取單元，用于選取所述頻率大于第二預設閾值的數(shù)據(jù)集作為第二喜歡數(shù)據(jù)，根據(jù)所述第二喜好數(shù)據(jù)生成所述賬號對應的行為習慣。

可選地，所述頻率包括訪問留存時間、訪問量、點擊量、下載量、評論量以及點贊量中的一種或多種。

在本發(fā)明實施例中，通過收集同一賬號在不同終端的歷史行為數(shù)據(jù)，并分析該歷史行為數(shù)據(jù)從而生成所述賬號對應的行為習慣，根據(jù)該行為習慣向該行為習慣對應的賬號所登錄的終端進行內容推薦，一方面，實現(xiàn)了同一賬號在不同終端產生的歷史行為數(shù)據(jù)的共享，另一方面，根據(jù)行為習慣進行內容推薦的結果更符合用戶的需求，提升了用戶體驗。

附圖說明

一個或多個實施例通過與之對應的附圖中的圖片進行示例性說明，這些示例性說明并不構成對實施例的限定，附圖中具有相同參考數(shù)字標號的元件表示為類似的元件，除非有特別申明，附圖中的圖不構成比例限制。

圖1是本發(fā)明各個實施例所涉及的一種實施環(huán)境的結構示意圖；

圖2是本發(fā)明實施例一提供的一種內容推薦方法的流程示意圖；

圖3是本發(fā)明實施例二提供的一種內容推薦方法中所述收集同一應用程序賬號在不同終端瀏覽過的數(shù)據(jù)的方法的流程示意圖；

圖4是本發(fā)明實施例三提供的一種內容推薦方法的流程示意圖；

圖5是本發(fā)明實施例四提供的一種內容推薦方法的流程示意圖；

圖6是本發(fā)明實施例五提供的一種內容推薦裝置的結構示意圖；

圖7是本發(fā)明實施例六提供的一種內容推薦裝置的結構示意圖；

圖8是本發(fā)明實施例七提供的一種內容推薦裝置的結構示意圖；

圖9是本發(fā)明實施例八提供的一種電子設備的結構示意圖。

具體實施方式

為了使本發(fā)明的目的、技術方案及優(yōu)點更加清楚明白，以下結合附圖及實施例，對本發(fā)明進行進一步詳細說明。應當理解，此處所描述的具體實施例僅用以解釋本發(fā)明，并不用于限定本發(fā)明。

請參考圖1，其示出了本發(fā)明各個實施例所涉及的一種實施環(huán)境的結構示意圖，該實施環(huán)境包括：終端100和服務器200。其中：

終端100可以是手機、平板電腦、電子書閱讀器、MP3(Moving Picture Experts Group Audio Layer III，動態(tài)影像專家壓縮標準音頻層面3)播放器、MP4(Moving Picture Experts Group Audio Layer IV，動態(tài)影像專家壓縮標準音頻層面4)播放器、膝上型便攜計算機和臺式計算機等等。

終端100中可以運行有瀏覽器，也可以運行有其它能夠加載和顯示網(wǎng)頁頁面的應用程序，比如視頻類應用、支付類應用、語音類應用等等。

終端100通過無線網(wǎng)絡或者有線網(wǎng)絡與服務器200相連。

服務器200可以是一臺服務器，或者由若干臺服務器組成的服務器集群，或者是一個云計算服務中心。

實施例一

請參考圖2，圖2是本發(fā)明實施例一提供的一種內容推薦方法的流程示意圖。如圖2所示，該方法包括：

步驟11、收集同一賬號在不同終端的歷史行為數(shù)據(jù)。

在本實施例中，所述同一賬號包括同一應用的賬號或同一網(wǎng)站的賬號，所述同一賬號還包括，多個應用和/或網(wǎng)站對應的同一賬號，其中，不同應用和/或網(wǎng)站對應的同一賬號所產生的歷史行為數(shù)據(jù)也可以用于分析所述賬號的行為習慣。

在本實施例中，所述歷史行為數(shù)據(jù)為用戶行為可操作的數(shù)據(jù)，所述歷史行為數(shù)據(jù)包括：視頻數(shù)據(jù)、音頻數(shù)據(jù)、文字數(shù)據(jù)以及圖片數(shù)據(jù)等。對應的用戶行為包括：播放、瀏覽、點贊、評論、轉發(fā)等。

在本實施例中，所述收集同一賬號在不同終端的歷史行為數(shù)據(jù)，例如，使用A賬號注冊了某視頻應用，若A賬號在筆記本電腦登陸了該視頻應用對應的視頻網(wǎng)站，且在手機使用A賬號登陸了該視頻應用，則需要分別收集，該A賬號在筆記本電腦登陸該視頻網(wǎng)站后產生的歷史行為數(shù)據(jù)，以及該A賬號在手機登陸該視頻應用后產生的歷史行為數(shù)據(jù)，將這兩個歷史行為數(shù)據(jù)作為所述A賬號在不同終端的歷史行為數(shù)據(jù)。

步驟12、分析所述歷史行為數(shù)據(jù)，并生成所述賬號對應的行為習慣。

在本實施例中，所述賬號對應的行為習慣主要由所述歷史行為數(shù)據(jù)來確定，可以根據(jù)所述歷史行為數(shù)據(jù)的內容類別分析所述賬號對應的行為習慣，例如，所述歷史行為數(shù)據(jù)為視頻數(shù)據(jù)，則可以按照視頻內容將所述視頻劃分為體育類、綜藝類、電視類等，分類的結果作為所述賬號的行為習慣；還可以分析所述歷史行為數(shù)據(jù)的熱度，判斷所述歷史行為數(shù)據(jù)是否是熱點數(shù)據(jù)，將分析結果作為所述賬號對應的行為習慣，例如，所述歷史行為數(shù)據(jù)為播放量第一的電視劇以及點擊量第一的歌曲，則可以得出該賬號的行為習慣是習慣獲取熱度比較高的內容；此外，還可以通過其他方式來分析所述歷史行為數(shù)據(jù)，從而生成所述賬號對應的行為習慣。

步驟13、基于所述行為習慣向所述行為習慣對應的賬號所登錄的終端進行內容推薦。

例如，已經(jīng)分析得到某一視頻網(wǎng)站的A賬號在該視頻網(wǎng)站的行為習慣，則，可以根據(jù)該行為習慣向A賬號所登錄的終端進行內容推薦，需要說明的是，該終端可以是多個不同的終端，該視頻網(wǎng)站可以是相同或不同的視頻網(wǎng)站，只要保證是該A賬號登錄即可。其中，可以通過發(fā)送短信、推送消息等方式向終端進行內容推薦。

本發(fā)明實施例，通過收集同一賬號在不同終端的歷史行為數(shù)據(jù)，并分析該歷史行為數(shù)據(jù)從而生成所述賬號對應的行為習慣，根據(jù)該行為習慣向該行為習慣對應的賬號所登錄的終端進行內容推薦，一方面，實現(xiàn)了同一賬號在不同終端產生的歷史行為數(shù)據(jù)的共享，另一方面，根據(jù)行為習慣進行內容推薦的結果更符合用戶的需求，提升了用戶體驗。

實施例二

在實施例一的基礎上，本發(fā)明實施例二提出另一種內容推薦方法，如圖2所示，該方法包括：

步驟11、收集同一賬號在不同終端的歷史行為數(shù)據(jù)。

如圖3所示，在本實施例中，所述收集同一賬號在不同終端的歷史行為數(shù)據(jù)包括：

步驟111、在數(shù)據(jù)庫中分別為所述同一賬號分配對應的數(shù)據(jù)存儲空間。

步驟112、收集所述同一賬號在不同終端的歷史行為數(shù)據(jù)，將所述歷史行為數(shù)據(jù)添加至所述同一賬號對應的數(shù)據(jù)存儲空間。

可以理解的是，不同的應用或網(wǎng)站可以對應不同的賬號，也可以對應同一賬號，同一賬號可以在多個終端上登錄該賬號對應的應用或網(wǎng)站。所述歷史行為數(shù)據(jù)包括：視頻數(shù)據(jù)、音頻數(shù)據(jù)、文字數(shù)據(jù)以及圖片數(shù)據(jù)等。在本實施例中，分別為同一賬號分配相應的數(shù)據(jù)存儲空間，從而可以分別收集同一賬號在不同終端的歷史行為數(shù)據(jù)。

例如，某視頻應用的賬號為A，某音樂應用的賬號為B，賬號A在不同終端瀏覽過的數(shù)據(jù)存儲在該賬號A對應的數(shù)據(jù)存儲空間，賬號B在不同終端瀏覽過的數(shù)據(jù)存儲在該賬號B對應的數(shù)據(jù)存儲空間。

步驟12、分析所述歷史行為數(shù)據(jù)，并生成所述賬號對應的行為習慣。

步驟13、基于所述行為習慣向所述行為習慣對應的賬號所登錄的終端進行內容推薦。

需要說明的是，本實施例步驟12-13可參考實施例一的敘述，此處不再贅述。

本發(fā)明實施例，分別收集不同賬號在不同終端的歷史行為數(shù)據(jù)，并為不同賬號產生的歷史行為數(shù)據(jù)分別分配不同的數(shù)據(jù)存儲空間，通過分析所述歷史行為數(shù)據(jù)從而生成各賬號對應的行為習慣，根據(jù)該行為習慣向該行為習慣對應的賬號所登錄的終端進行內容推薦，一方面，實現(xiàn)了同一賬號在不同終端產生的歷史行為數(shù)據(jù)的共享，另一方面，根據(jù)行為習慣進行內容推薦的結果更符合用戶的需求，提升了用戶體驗。

實施例三

請參考圖4，圖4是本發(fā)明實施例三提供的一種內容推薦方法的流程示意圖。如圖4所示，該方法包括：

步驟21、收集同一賬號在不同終端的歷史行為數(shù)據(jù)。

步驟22、分別統(tǒng)計所述歷史行為數(shù)據(jù)中每條數(shù)據(jù)的頻率。

在本實施例中，所述頻率包括訪問留存時間、點擊量、下載量、評論量以及點贊量中的一種或多種，其中該訪問留存時間為所述歷史行為數(shù)據(jù)被播放或被瀏覽的時長，需要說明的是，該訪問留存時間、點擊量和下載量、評論量以及點贊量為該賬號對應的歷史行為數(shù)據(jù)的訪問留存時間、點擊量、下載量、評論量以及點贊量。

在本實施例中，通過特定的算法統(tǒng)計每條數(shù)據(jù)的訪問留存時間和/或點擊量和/或下載量和/或評論量和/或點贊量的總和，該總和作為該數(shù)據(jù)的頻率。

此外，可以理解的是，所述訪問留存時間、點擊量、下載量、評論量以及點贊量等均為用戶的行為，進一步地，還可以將所述用戶的行為分別設置權重，將所述權重和所述權重對應的用戶行為的統(tǒng)計數(shù)量的總和作為所述頻率，其中，所述用戶行為可以賦予相同的權重或者每個行為賦予不同的權重。

步驟23、選取所述頻率大于第一預設閾值的數(shù)據(jù)作為第一喜好數(shù)據(jù)，根據(jù)所述第一喜好數(shù)據(jù)生成所述賬號對應的行為習慣。

可以理解的是，即選取數(shù)據(jù)的訪問留存時間和/或點擊量和/或下載量和/或評論量和/或點贊量的總和大于第一預設閾值的數(shù)據(jù)，作為第一喜好數(shù)據(jù)，該第一喜好數(shù)據(jù)反映了該歷史行為數(shù)據(jù)的受歡迎程度。進一步地，分析該第一喜好數(shù)據(jù)，并確定行為習慣，例如，確定該賬號喜歡瀏覽的內容的類別等。

步驟24、基于所述行為習慣向所述行為習慣對應的賬號所登錄的終端進行內容推薦。

需要說明的是，本實施例步驟21、步驟24可參考實施例一的敘述，此處不再贅述。

本發(fā)明實施例，通過收集同一賬號在不同終端的歷史行為數(shù)據(jù)，并分別統(tǒng)計所述歷史行為數(shù)據(jù)中每條數(shù)據(jù)的頻率，將頻率大于第一預設閾值的數(shù)據(jù)用于生成行為習慣。一方面，實現(xiàn)了同賬號在不同終端產生的歷史行為數(shù)據(jù)的共享，另一方面，根據(jù)所述歷史行為數(shù)據(jù)的頻率確定行為習慣并進行內容推薦，該推薦的結果更準確，提升了用戶體驗。

實施例四

請參考圖5，圖5是本發(fā)明實施例四提供的一種內容推薦方法的流程示意圖。如圖5所示，該方法包括：

步驟31、收集同一賬號在不同終端的歷史行為數(shù)據(jù)。

步驟32、按照預設規(guī)則對所述歷史行為數(shù)據(jù)進行分類，根據(jù)所述分類生成至少一個數(shù)據(jù)集。

在本實施例中，可以根據(jù)所述歷史行為數(shù)據(jù)的內容確定所述歷史行為數(shù)據(jù)的類別，例如，視頻類、文字類、音頻類等，進一步地，所述視頻類包括體育類、電影類、娛樂類等，所述文字類包括短文、小說、新聞稿等，所述音頻類包括流行的、古典的、國外的、華語等。不同的分類結果分別對應一個數(shù)據(jù)集。

步驟33、分別統(tǒng)計所述數(shù)據(jù)集的頻率。

在本實施例中，所述頻率包括訪問留存時間、點擊量、下載量、評論量以及點贊量中的一種或多種，其中該訪問留存時間為所述歷史行為數(shù)據(jù)被播放或被瀏覽的時長，需要說明的是，該訪問留存時間、點擊量和下載量、評論量以及點贊量為該賬號對應的歷史行為數(shù)據(jù)的訪問留存時間、點擊量、下載量、評論量以及點贊量。

在本實施例中，通過特定的算法統(tǒng)計每條數(shù)據(jù)的訪問留存時間和/或點擊量和/或下載量和/或評論量和/或點贊量的總和，該總和作為該數(shù)據(jù)的頻率。

此外，可以理解的是，所述訪問留存時間、點擊量、下載量、評論量以及點贊量等均為用戶的行為，進一步地，還可以將所述用戶的行為分別設置權重，將所述權重和所述權重對應的用戶行為的統(tǒng)計數(shù)量的總和作為所述頻率，其中，所述用戶行為可以賦予相同的權重或者每個行為賦予不同的權重。

在另一實施例中，所述訪問留存時間、點擊量、下載量、評論量以及點贊量包括網(wǎng)絡用戶的賬號對應的訪問留存時間、點擊量、下載量、評論量以及點贊量。可以基于網(wǎng)絡用戶的賬號，統(tǒng)計所述數(shù)據(jù)集的頻率，從而確定該數(shù)據(jù)集被大眾歡迎的程度。

步驟34、選取所述頻率大于第二預設閾值的數(shù)據(jù)集作為第二喜好數(shù)據(jù)，根據(jù)所述第二喜好數(shù)據(jù)生成所述賬號對應的行為習慣。

可以理解的是，即選取數(shù)據(jù)集中數(shù)據(jù)的訪問留存時間和/或點擊量和/或下載量和/或評論量和/或點贊量的總和大于第二預設閾值的數(shù)據(jù)集，作為第二喜好數(shù)據(jù)，該第二喜好數(shù)據(jù)反映了該數(shù)據(jù)集的受歡迎程度。進一步地，分析該第二喜好數(shù)據(jù)，并確定所述賬號對應的行為習慣，例如，確定該賬號的行為習慣為音頻類。

步驟35、基于所述行為習慣向所述行為習慣對應的賬號所登錄的終端進行內容推薦。

需要說明的是，本實施例步驟31、步驟35可參考實施例一的敘述，此處不再贅述。

本發(fā)明實施例，通過收集同一賬號在不同終端的歷史行為數(shù)據(jù)，并對所述歷史行為數(shù)據(jù)進行分類得到不同類別的數(shù)據(jù)集，根據(jù)數(shù)據(jù)集的頻率確定行為習慣。一方面，實現(xiàn)了同一賬號在不同終端的歷史行為數(shù)據(jù)的共享，另一方面，由數(shù)據(jù)集的頻率確定行為習慣并進行內容推薦，該推薦的結果更準確，提升了用戶體驗。

實施例五

請參考圖6，圖6是本發(fā)明實施例五提供的一種內容推薦裝置的結構示意圖。如圖6所示，該裝置50包括：收集模塊501、分析模塊502以及推薦模塊503。

在本實施例中，所述收集模塊501，用于收集同一賬號在不同終端的歷史行為數(shù)據(jù)；所述分析模塊502，用于分析所述歷史行為數(shù)據(jù)，并生成所述賬號對應的行為習慣；所述推薦模塊503，用于基于所述行為習慣向所述行為習慣對應的賬號所登錄的終端進行內容推薦。

在本實施例中，收集模塊將收集的同一賬號在不同終端的歷史行為數(shù)據(jù)發(fā)送至分析模塊，由所述分析模塊進行分析，從而生成所述歷史行為數(shù)據(jù)的行為習慣，所述推薦模塊基于該行為習慣進行內容推薦。

值得說明的是，上述裝置內的模塊之間的信息交互、執(zhí)行過程等內容，由于與本發(fā)明的方法實施例一基于同一構思，具體內容可參見本發(fā)明方法實施例一中的敘述，此處不再贅述。

本發(fā)明實施例，通過收集同一賬號在不同終端的歷史行為數(shù)據(jù)，并分析該收集的歷史行為數(shù)據(jù)從而生成行為習慣，根據(jù)該行為習慣向該行為習慣對應的賬號所登錄的終端進行內容推薦，一方面，實現(xiàn)了同一賬號在不同終端的歷史行為數(shù)據(jù)的共享，另一方面，根據(jù)行為習慣進行內容推薦的結果更符合用戶的需求，提升了用戶體驗。

實施例六

請參考圖7，圖7是本發(fā)明實施例六提供的一種內容推薦裝置的結構示意圖。如圖7所示，該裝置60包括：收集模塊601、分析模塊602以及推薦模塊603。

在本實施例中，所述收集模塊601用于收集同一賬號在不同終端的歷史行為數(shù)據(jù)。進一步地，所述收集模塊601包括：分配單元6011，用于在數(shù)據(jù)庫中分別為所述同一賬號分配對應的數(shù)據(jù)存儲空間；存儲單元6012，用于收集所述同一賬號在不同終端的歷史行為數(shù)據(jù)，將所述歷史行為數(shù)據(jù)添加至所述同一賬號對應的數(shù)據(jù)存儲空間。

在本實施例中，所述分析模塊602用于分析所述歷史行為數(shù)據(jù)，并生成所述賬號對應的行為習慣。進一步地，所述分析模塊602包括：第一統(tǒng)計單元6021，用于分別統(tǒng)計所述歷史行為數(shù)據(jù)中每條數(shù)據(jù)的頻率；第一選擇單元6022，用于選取所述頻率大于第一預設閾值的數(shù)據(jù)作為第一喜好數(shù)據(jù)，根據(jù)所述第一喜好數(shù)據(jù)生成所述賬號對應的行為習慣。

在本實施例中，所述推薦模塊603用于基于所述行為習慣向所述行為習慣對應的賬號所登錄的終端進行內容推薦。

值得說明的是，上述裝置內的模塊、單元之間的信息交互、執(zhí)行過程等內容，由于與本發(fā)明的方法實施例一、實施例二及實施例三基于同一構思，具體內容可參見本發(fā)明方法實施例一、實施例二及實施例三中的敘述，此處不再贅述。

本發(fā)明實施例，通過收集同一賬號在不同終端的歷史行為數(shù)據(jù)，并分別統(tǒng)計所述歷史行為數(shù)據(jù)中每條數(shù)據(jù)的頻率，將頻率大于第一預設閾值的數(shù)據(jù)用于生成行為習慣。一方面，實現(xiàn)了同一賬號在不同終端的歷史行為數(shù)據(jù)的共享，另一方面，由數(shù)據(jù)的頻率確定行為習慣并進行內容推薦，該推薦的結果更準確，提升了用戶體驗。

實施例七

請參考圖8，圖8是本發(fā)明實施例七提供的一種內容推薦裝置的結構示意圖。如圖8所示，該裝置70包括：收集模塊701、分析模塊702以及推薦模塊703。

在本實施例中，所述收集模塊701用于收集同一賬號在不同終端的歷史行為數(shù)據(jù)。進一步地，所述收集模塊701包括：分配單元7011，用于在數(shù)據(jù)庫中分別為所述同一賬號分配對應的數(shù)據(jù)存儲空間；存儲單元7012，用于收集所述同一賬號在不同終端的歷史行為數(shù)據(jù)，將所述歷史行為數(shù)據(jù)添加至所述同一賬號對應的數(shù)據(jù)存儲空間。

在本實施例中，所述分析模塊702用于分析所述歷史行為數(shù)據(jù)，并生成所述賬號對應的行為習慣。進一步地，所述分析模塊702包括：分類單元7021，用于按照預設規(guī)則對所述歷史行為數(shù)據(jù)進行分類，根據(jù)分類生成至少一個數(shù)據(jù)集；第二統(tǒng)計單元7022，用于分別統(tǒng)計所述數(shù)據(jù)集的頻率；第二選擇單元7023，用于選取所述頻率大于第二預設閾值的數(shù)據(jù)集作為第二喜好數(shù)據(jù)，根據(jù)所述第二喜好數(shù)據(jù)生成所述賬號對應的行為習慣。

在本實施例中，所述推薦模塊703用于基于所述行為習慣向所述行為習慣對應的賬號所登錄的終端進行內容推薦。

值得說明的是，上述裝置內的模塊、單元之間的信息交互、執(zhí)行過程等內容，由于與本發(fā)明的方法實施例一、實施例二及實施例四基于同一構思，具體內容可參見本發(fā)明方法實施例一、實施例二及實施例四中的敘述，此處不再贅述。

本發(fā)明實施例，通過收集同一賬號在不同終端的歷史行為數(shù)據(jù)，并對所述歷史行為數(shù)據(jù)進行分類得到不同類別的數(shù)據(jù)集，根據(jù)數(shù)據(jù)集的頻率確定行為習慣。一方面，實現(xiàn)了同一賬號在不同終端產生的歷史行為數(shù)據(jù)的共享，另一方面，由數(shù)據(jù)集的頻率確定行為習慣并進行內容推薦，該推薦的結果更準確，提升了用戶體驗。

實施例八

請參考圖9，圖9是本發(fā)明實施例八提供的一種電子設備的結構示意圖，如圖9所示，該設備80包括一個或多個處理器801以及存儲器802。其中，圖9中以一個處理器801為例。

執(zhí)行內容推薦方法的電子設備還可以包括輸入裝置803和輸出裝置804。處理器801、存儲器802、輸入裝置803和輸出裝置804可以通過總線或者其他方式連接，圖9中以通過總線連接為例。

存儲器802作為一種非易失性計算機可讀存儲介質，可用于存儲非易失性軟件程序、非易失性計算機可執(zhí)行程序以及模塊，如本發(fā)明實施例中的內容推薦方法對應的程序指令或模塊，例如，附圖6所示的收集模塊501、分析模塊502以及推薦模塊503，或者附圖7所示的各個模塊。處理器801通過運行存儲在存儲器802中的非易失性軟件程序、指令以及模塊，從而執(zhí)行服務器的各種功能應用以及數(shù)據(jù)處理，即實現(xiàn)上述方法實施例內容推薦方法。

存儲器802可以包括存儲程序區(qū)和存儲數(shù)據(jù)區(qū)，其中，存儲程序區(qū)可存儲操作系統(tǒng)、至少一個功能所需要的應用程序；存儲數(shù)據(jù)區(qū)可存儲根據(jù)搜索裝置的使用所創(chuàng)建的數(shù)據(jù)等。此外，存儲器802可以包括高速隨機存取存儲器，還可以包括非易失性存儲器，例如至少一個磁盤存儲器件、閃存器件、或其他非易失性固態(tài)存儲器件。在一些實施例中，存儲器802可選包括相對于處理器801遠程設置的存儲器，這些遠程存儲器可以通過網(wǎng)絡連接至視頻預覽裝置。上述網(wǎng)絡的實例包括但不限于互聯(lián)網(wǎng)、企業(yè)內部網(wǎng)、局域網(wǎng)、移動通信網(wǎng)及其組合。

輸入裝置803可接收輸入的數(shù)字或字符信息，以及產生與內容推薦裝置的用戶設置以及功能控制有關的鍵信號輸入。輸出裝置804可包括顯示屏等顯示設備。

所述一個或者多個模塊存儲在所述存儲器802中，當被所述一個或者多個處理器801執(zhí)行時，執(zhí)行上述任意方法實施例中的內容推薦方法。

通過以上的實施方式的描述，本領域的技術人員可以清楚地了解到各實施方式可借助軟件加必需的通用硬件平臺的方式來實現(xiàn)，當然也可以通過硬件?；谶@樣的理解，上述技術方案本質上或者說對現(xiàn)有技術做出貢獻的部分可以以軟件產品的形式體現(xiàn)出來，該計算機軟件產品可以存儲在計算機可讀存儲介質中，如ROM/RAM、磁碟、光盤等，包括若干指令用以使得一臺計算機設備(可以是個人計算機，服務器，或者網(wǎng)絡設備等)執(zhí)行各個實施例或者實施例的某些部分所述的方法。

在本發(fā)明實施例中，通過收集同一賬號在不同終端的歷史行為數(shù)據(jù)，并分析該歷史行為數(shù)據(jù)從而生成行為習慣，根據(jù)該行為習慣向該行為習慣對應的賬號所登錄的終端進行內容推薦，一方面，實現(xiàn)了同一賬號在不同終端的歷史行為數(shù)據(jù)的共享，另一方面，根據(jù)行為習慣進行內容推薦的結果更符合用戶的需求，提升了用戶體驗。所述電子設備可執(zhí)行本發(fā)明實施例所提供的方法，具備執(zhí)行方法相應的功能模塊和有益效果。未在本實施例中詳盡描述的技術細節(jié)，可參見本發(fā)明實施例所提供的方法。

以上所述僅為本發(fā)明的較佳實施例而已，并不用以限制本發(fā)明，凡在本發(fā)明的精神和原則之內所作的任何修改、等同替換和改進等，均應包含在本發(fā)明的保護范圍之內。