一种基于热度的内容推荐方法及服务器与流程

1.本技术涉及数据处理技术领域，尤其涉及一种基于热度的内容推荐方法及服务器。


背景技术：

2.内容推荐系统用于基于大数据运算和用户喜好向用户推荐相关内容或引导用户使用特定功能。其中，内容推荐包括媒资推荐、图书推荐、商品推荐、音乐推荐等。以媒资推荐场景为例，内容推荐系统可以收集每个媒资被用户所选择的次数，如媒资被用户点击的次数、被用户收藏的次数、被用户分享的次数和被用户评论的次数等。将媒资被用户所选择的次数作为热度。根据每个媒资的热度进行排序，形成推荐列表，并基于媒资的热度变化对推荐列表进行更新，从而向用户推送媒资推荐列表，以供用户更进一步选择。
3.然而，简单地根据热度对多个媒资进行排序后，若某个媒资被用户选择次数越多，该媒资的媒资热度就越高，随即就会被放置在推荐列表前列，导致被选择的概率增大。这样，媒资的热度不是其真实热度，而是包括展示位置的差异造成的媒资热度。进而导致内容推荐系统基于媒资的热度变化更新推荐列表的过程中，不能实现对推荐列表的有效更新，降低用户的使用体验。


技术实现要素：

4.本技术提供了一种基于热度的内容推荐方法，以解决内容推荐系统基于热度变化更新推荐列表的过程中，不能实现对推荐列表的有效更新，降低用户的使用体验的问题。
5.一方面，本技术提供了一种基于热度的内容推荐方法，应用于服务器，包括：
6.获取每个推荐内容的第一预估热度和第二预估热度，所述第一预估热度根据所述推荐内容的多个维度特征确定，多个所述维度特征包含展示位置特征，所述第二预估热度根据所述推荐内容的除所述展示位置特征以外的其余维度特征确定；
7.根据所述第一预估热度和第二预估热度计算位置偏差权重，并在进入到新的更新周期时，利用所述位置偏差权重去除所述推荐内容在上一个更新周期产生的热度中的热度误差，得到所述推荐内容在上一个更新周期产生的真实热度，所述热度误差为由所述推荐内容的展示位置特征产生的热度误差；
8.基于每个推荐内容在上一个更新周期产生的真实热度生成推荐内容列表，所述推荐内容列表用于在接收到终端设备的内容推荐请求时，发送至所述终端设备。
9.另一方面，本技术提供了一种服务器，包括存储器和处理器，所述存储器中存储有程序指令，所述处理器通过运行所述程序指令，执行下述步骤：
10.获取每个推荐内容的第一预估热度和第二预估热度，所述第一预估热度根据所述推荐内容的多个维度特征确定，多个所述维度特征包含展示位置特征，所述第二预估热度根据所述推荐内容的除所述展示位置特征以外的其余维度特征确定；
11.根据所述第一预估热度和第二预估热度计算位置偏差权重，并在进入到新的更新
周期时，利用所述位置偏差权重去除所述推荐内容在上一个更新周期产生的热度中的热度误差，得到所述推荐内容在上一个更新周期产生的真实热度，所述热度误差为由所述推荐内容的展示位置特征产生的热度误差；
12.基于每个推荐内容在上一个更新周期产生的真实热度生成推荐内容列表，所述推荐内容列表用于在接收到终端设备的内容推荐请求时，发送至所述终端设备。
13.由以上技术方案可以看出，本技术实施例提供一种基于热度的内容推荐方法及服务器，该方法首先获取每个推荐内容的第一预估热度和第二预估热度，根据第一预估热度和第二预估热度计算位置偏差权重，并在进入到新的更新周期时，利用位置偏差权重去除推荐内容在上一个更新周期产生的热度中由推荐内容的展示位置特征产生的热度误差，得到推荐内容在上一个更新周期产生的真实热度。并基于历史相邻两个周期中真实热度的变化值，提出了一种自适应热度衰减方式，让热度在快速攀升的内容，热度衰减降低，热度攀升速度明显变慢的内容，热度衰减增强。基于上述热度计算方式生成推荐内容列表，推荐内容列表用于在接收到终端设备的内容推荐请求时，发送至终端设备。可见，基于本技术实施例提供的内容推荐方法，可以将推荐内容的由展示位置差异造成的热度误差去除，进而能够根据推荐内容的真实热度变化来更新推荐列表，实现对推荐列表的有效更新，为用户提供更为精准的推荐内容列表。
附图说明
14.为了更清楚地说明本技术的技术方案，下面将对实施例中所需要使用的附图作简单的介绍，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的前提下，还可以根据这些附图获得其他的附图。
15.图1示例性示出了本技术实施例提供的终端设备的使用场景；
16.图2示例性示出了本技术实施例提供的终端设备的用户界面示意图；
17.图3中示例性示出了本技术实施例提供的终端设备中媒体资源页界面的示意图；
18.图4中示例性示出了本技术实施例提供的终端设备中一种媒资详情页界面的示意图；
19.图5示例性示出了本技术实施例提供的终端设备中另一种媒资详情页界面的示意图；
20.图6示例性示出了本技术实施例提供执行的内容推荐方法的流程图。
具体实施方式
21.为使本技术的目的和实施方式更加清楚，下面将结合本技术示例性实施例中的附图，对本技术示例性实施方式进行清楚、完整地描述，显然，描述的示例性实施例仅是本技术一部分实施例，而不是全部的实施例。
22.需要说明的是，本技术中对于术语的简要说明，仅是为了方便理解接下来描述的实施方式，而不是意图限定本技术的实施方式。除非另有说明，这些术语应当按照其普通和通常的含义理解。
23.本技术中说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”等是用于区别类似或同类的对象或实体，而不必然意味着限定特定的顺序或先后次序，除非另
外注明。应该理解这样使用的用语在适当情况下可以互换。术语“包括”和“具有”以及他们的任何变形，意图在于覆盖但不排他的包含，例如，包含了一系列组件的产品或设备不必限于清楚地列出的所有组件，而是可包括没有清楚地列出的或对于这些产品或设备固有的其他组件。术语“模块”是指任何已知或后来开发的硬件、软件、固件、人工智能、模糊逻辑或硬件或/和软件代码的组合，能够执行与该元件相关的功能。
24.本技术实施例中的终端设备可以包括手机、平板电脑、可穿戴设备、笔记本电脑以及显示设备中的任意一种。本技术将以显示设备为例进行如下说明。
25.图1为根据实施例中显示设备的使用场景的示意图。如图1中示出，用户可通过智能设备300和控制装置100操作显示设备200。
26.在一些实施例中，控制装置100可以是遥控器，遥控器和显示设备的通信包括红外协议通信或蓝牙协议通信，及其他短距离通信方式等，通过无线或其他有线方式来控制显示设备200。其中，无线方式可以是直连和非直连，可以是经过路由的，也可以是不经过路由的。用户可以通过遥控器上按键，语音输入、控制面板输入等输入用户指令，来控制显示设备200。如：用户可以通过遥控器上音量加减键、频道控制键、上/下/左/右的移动按键、语音输入按键、菜单键、开关机按键等输入相应控制指令，来实现控制显示设备200的功能。
27.在一些实施例中，也可以使用智能设备300以控制显示设备200。例如，使用智能设备300控制显示设备200上运行的应用程序，或者使用在智能设备300上运行的应用程序控制显示设备200。该应用程序通过配置可以在与智能设备关联的屏幕上，在直观的用户界面(ui)中为用户提供各种控制。
28.在一些实施例中，也可以使用智能设备300和显示设备200进行数据的通信。
29.在一些实施例中，显示设备200还可以采用除了控制装置100和智能设备300之外的方式进行控制，例如，可以通过显示设备200设备内部配置的获取语音指令的模块直接接收用户的语音指令控制，也可以通过显示设备200设备外部设置的语音控制装置来接收用户的语音指令控制。
30.在一些实施例中，显示设备200还与服务器400进行数据通信。可允许显示设备200通过局域网(lan)、无线局域网(wlan)和其他网络进行通信连接。服务器400可以向显示设备200提供各种内容和互动。服务器400可以是一个集群，也可以是多个集群，可以包括一类或多类服务器。
31.在一些实施例中，一个步骤执行主体执行的软件步骤可以随需求迁移到与之进行数据通信的另一步骤执行主体上进行执行。示例性的，服务器执行的软件步骤可以随需求迁移到与之数据通信的终端设备上执行，反之亦然。
32.在一些实施例中，“用户界面”是应用程序或操作系统与用户之间进行交互和信息交换的介质接口，它实现信息的内部形式与用户可以接受形式之间的转换。用户界面常用的表现形式是图形用户界面(graphic user interface，gui)，是指采用图形方式显示的与计算机操作相关的用户界面。它可以是在电子设备的显示屏中显示的一个图标、窗口、控件等界面元素，其中控件可以包括图标、按钮、菜单、选项卡、文本框、对话框、状态栏、导航栏、widget等可视的界面元素中的至少一种。
33.通常，终端设备通过向服务器发送数据请求，以从服务器获取对应的数据。例如，向服务器获取内容推荐请求，以从服务器获取推荐内容信息，这里的推荐内容信息可以是
基于热度排序的推荐内容列表，推荐内容列表包括多个推荐内容的内容标识，内容名称等。用户可以在终端设备(如手机)获取最新更新的推荐内容列表，以便于选择自己需要的内容。
34.图2是本技术根据一些实施例示出的一种终端设备(例如图1的智能设备300)用户界面示意图。在一些具体实施中，用户通过触摸用户界面上的应用图标可以打开相应的应用程序，或者通过触摸用户界面上的文件夹图标可以打开相应的文件夹。
35.在一些实施例中，每个应用都对应有内容推荐系统，内容推荐系统用于基于大数据运算和用户喜好向用户推荐相关内容或引导用户使用特定功能。内容推荐系统可以是终端设备与之请求推荐内容的服务器，或者由多个服务器构成的服务器集群。此外，内容推荐系统还可以包括媒资库、用户数据库等。其中，内容推荐包括视频推荐、图书推荐、商品推荐、音乐推荐等。为便于说明，在下述实施例中将以视频应用中的媒资推荐场景为例，对内容推荐系统的功能进行介绍。内容推荐系统可以收集每个媒资被用户所选择的次数，如媒资被用户点击的次数、被用户收藏的次数、被用户分享的次数和被用户评论的次数等。
36.在一些实施例中，内容推荐系统将媒资被用户所选择的次数作为媒资的热度，对媒资库中的媒资进行热度排序，形成推荐媒资列表，并基于媒资的热度变化对推荐媒资列表进行更新。当接收到终端设备发送的媒资推荐请求时，将最新的推荐媒资列表发送给终端设备，从而向用户推送最新的媒资推荐列表，以供用户选择。需要说明的是，不限于采用媒资被用户所选择的次数表征媒资的热度，还可以将媒资被用户点击的次数、被用户收藏的次数、被用户分享的次数和被用户评论的次数分别赋予不同权重，根据相应的加权计算结果来表征媒资热度，可根据实际情况自行设计。
37.示例性的，当用户选择视频应用时，控制器控制显示器显示出视频应用主页。视频应用主页上显示与视频应用的一个或者多个功能相对应的交互区域。如图3所示，交互区域中可以显示搜索框330、导航栏310和位于导航栏下方的内容显示区320，内容显示区320包括多个媒体资源控件，如“影片a”、“影片b”等。用户可以通过控制装置操作需要交互的控件，从而与交互区域进行交互。终端设备接收用户输入的交互，并且通过执行对应的操作来响应所检测到的交互。
38.示例性的，当终端设备接收用户对某个媒体资源控件的输入操作时，显示该媒资的详情及与该媒资相关的推荐列表，推荐列表中包括多个推荐媒资。用户对媒资的操作包括但不限于在搜索框中输入某个媒资的媒资信息，在内容显示区320中选中某个媒资控件等。为便于说明，将用户选择的媒资称为目标媒资。媒资信息可以为目标媒资的名称、目标媒资的类型、目标媒资的出品时间和目标媒资的参演演员等等。示例性的，当用户对任意一个目标媒资进行操作后，来触发进入对应的目标媒资详情页面，目标媒资详情页面中的推荐列表中会显示内容推荐系统根据目标媒资的媒资信息推荐的相关联的多个推荐媒资，其中，多个推荐媒资按照预设的热度顺序进行排列，以便用户选择。
39.图4为一种示例性的目标媒资详情页界面的示意图，其具体可以为用户点击图3内容显示区320中的“影片a”后，进入“影片a”的媒资详情页面。如图4所示，目标媒资详情页面包括第一显示区420和推荐列表410，第一显示区420包括多个媒资信息控件，如“影片a”、“7.2分”、“动作”、“爱情”和“简介”等。推荐列表410包括与目标媒资相关联的多个推荐媒资，其中多个推荐媒资呈一定的顺序排列构成上述推荐列表。用户可以通过点击推荐列表
中的任意一个推荐媒资进行观看。
40.具体实现时，服务器接收终端设备发送的内容推荐请求，内容推荐请求用于请求服务器返回与目标内容相关联的推荐内容，例如，内容推荐请求可以为媒资推荐请求，推荐内容为推荐媒资。接着，服务器响应于该请求获取推荐内容集合，推荐内容集合包括与目标内容关联的多个推荐内容。对多个推荐内容被用户所选择的次数进行收集。其中，被用户所选择的次数包括内容被用户点击的次数、被用户收藏的次数、被用户分享的次数和被用户评论的次数等。根据内容被用户所选择的次数确定每个推荐内容的初始热度。将每个推荐内容的初始热度进行排序得到推荐列表。例如，推荐列表中的推荐内容根据对应的初始热度从高至低进行排序依次为推荐媒资1、推荐媒资2、推荐媒资3和推荐媒资4。服务器将上述推荐列表发送给终端设备，接着，终端设备显示出推荐列表。服务器将推荐结果以推荐列表的形式下发给终端设备，终端设备展现给用户。
41.在一些实施例中，当推荐列表在终端设备中的界面显示时，多个推荐内容可以呈行排布，也可以呈列排布。进一步地，服务器返回给终端设备的推荐列表包括每个推荐内容对应的内容信息和展示位序信息等，示例的，展示位序信息即为各个推荐内容在推荐列表中的排列顺序信息。如推荐内容根据对应的初始热度从高至低进行排序依次为推荐媒资1、推荐媒资2、推荐媒资3和推荐媒资4构成推荐列表，对应的推荐媒资1的展示位序信息为展示第一位，即热度最高的媒资。进一步地，终端设备可以根据展示位序信息显示多个推荐内容。同时，用户可以对推荐内容执行选中操作，示例的，用户可以根据自身的喜好或个人习惯选中多个推荐内容中的任意一个。
42.在一些实施例中，推荐列表的显示形式包括但不限于仅根据用户输入的目标媒资产生，还可以以媒资排行榜的形式显示。例如，当用户没确定选择任何目标媒资时，在搜索框中输入媒资信息之前，显示历史搜索详情及搜索的推荐列表。上述推荐列表中包括多个推荐媒资，该推荐媒资不是与目标媒资相关的媒资，而是当前媒资库中的任意多个媒资。
43.具体实现时，服务器接收终端设备发送的内容推荐请求，内容推荐请求用于请求服务器返回推荐列表。服务器将当前媒资库中的所有推荐内容被用户所选择的次数进行收集。根据内容被用户所选择的次数确定每个推荐内容的初始热度。将每个推荐内容的初始热度进行排序得到推荐列表，服务器将上述推荐列表发送给终端设备。
44.在一些实施例中，在进入第一个更新周期之前，获取预设时间内媒资库中的每个媒资对应的被用户所选择的次数，将每个媒资被用户所选择的次数表征为对应的初始热度。根据每个媒资对应的初始热度进行热度排序生成推荐列表。示例性的，在未进入更新周期之前，媒资库中的每个媒资采用未经过热度排序的方式进行下发，收集每个媒资在一个月内被用户所选择的次数，将每个媒资对应的被用户所选择的次数确定为初始热度。其中，媒资库中的多个媒资包括多种类型的媒资，如：电视剧、电影、综艺等类型的多个媒资。
45.本技术提供的基于热度的内容推荐方法，参阅图6，该方法可以包括如下步骤：
46.s1，获取每个推荐内容的第一预估热度和第二预估热度，第一预估热度根据推荐内容的多个维度特征确定，多个维度特征包含展示位置特征，第二预估热度根据推荐内容的除展示位置特征以外的其余维度特征确定。
47.每个推荐内容均包括多个维度特征，以媒资为例，参阅表1，媒资对应的多个维度特征包括媒资出品时间、媒资类型、媒资评分和媒资展示位置等。媒资展示位置用于显示媒
资在推荐列表中的位置。示例性的，媒资1的展示位置为第一位，媒资2的展示位置为第二位，媒资3的展示位置为第三位。通常推荐内容会由于展示位置而产生热度误差，展示位置在前列的推荐内容用户可以优先观察到，最终相应的点击率自然也会相对较高。由此，通过去除展示位置而产生的热度误差，并根据推荐内容的真实热度变化来更新推荐列表，为用户提供更精准的推荐列表。
48.媒资/特征媒资位置xp媒资时间x1媒资类型x2媒资评分x3是否点击y媒资112019年悬疑8.5是媒资222018年仙侠6.5是媒资332021年警匪7.2否
49.表1
50.在一些实现方式中，s1包括：首先获取每个维度特征对应的权重系数。
51.示例性的，由表1所示，将媒资出品时间设置为x1、媒资类型设置为x2、媒资评分设置为x3和媒资展示位置设置为xp。以媒资1举例，媒资出品时间x1可以为距离当前时间差，如出品时间为2019年，媒资出品时间x1为2021
‑
2019＝2。同理，根据多个媒资对应的出品时间x1、媒资评分x3和媒资展示位置xp均经过归一化处理，使用第一公式统一量纲处理，得到每个媒资特征对应的特征值。第一公式如下：
[0052][0053]
其中，x
min
为对应特征的最小值，x
max
为对应特征的最大值。
[0054]
进一步地，媒资类型x2可采用one
‑
hot方法进行处理，如悬疑类型为[1，0，0]，仙侠类型为[0，1，0]，警匪类型为[0，0，1]；故媒资1对应的数据样本为(xp:0，x1:0.3，x2:[1，0，0]，x3:1，y:1)。将采用上述过程得出的大量数据样本代入到第二公式中进行梯度下降训练，即可得到每个特征对应的权重系数。
[0055]
第二公式如下：
[0056]
y＝w1x1 w2x2 ...... w
p
x
p
；
[0057]
其中，w1为x1对应的权重系数；w2为x2对应的权重系数；wp为xp对应的权重系数。
[0058]
进一步地，得到每个特征对应的权重系数后，在验证上述公式时，可设定点击阈值为1，可将媒资1对应的数据样本(xp:0，x1:0.3，x2:[1，0，0]，x3:1)与每个特征对应的权重系数计算得到点击预测值y，当点击预测值为1或接近1时即预测点击，反之为未点击。
[0059]
在一些实现方式中，s1还包括：根据每个维度特征对应的权重系数对推荐内容对应的所有维度特征进行加权求和得到第一预估值，根据第一预估值确定第一预估热度。根据除展示位置特征以外的其余维度特征对应的权重系数对其余维度特征进行加权求和得到第二预估值，根据第二预估值确定第二预估热度。
[0060]
示例性的，获取每个推荐内容的多个维度特征，如媒资出品时间、媒资类型、媒资评分和媒资展示位置等。将推荐内容的所有维度特征与每个特征对应的权重系数带入到第二公式中得到推荐内容的第一预估值y1。
[0061]
获取每个推荐内容的多个维度特征，如媒资出品时间、媒资类型和媒资评分等，需要注意的是，其中不包括媒资展示位置。将未包含媒资展示位置特征的推荐内容的其余维度特征与每个特征对应的权重系数带入到第三公式中得到推荐内容的第二预估值y2。
[0062]
第三公式如下：
[0063]
y＝w1x1 w2x2 ...... w
p
‑1x
p
‑1；
[0064]
其中，w1为x1对应的权重系数；w2为x2对应的权重系数；wp
‑
1为xp
‑
1对应的权重系数。
[0065]
进一步地，将第一预估值或者第二预估值代入第四公式中，得到第一预估热度p1和/或者第二预估热度p2。第四公式如下：
[0066][0067]
其中，p为预估热度；y为预估值。
[0068]
s2，根据第一预估热度和第二预估热度计算位置偏差权重，并在进入到新的更新周期时，利用位置偏差权重去除推荐内容在上一个更新周期产生的热度中的热度误差，得到推荐内容在上一个更新周期产生的真实热度，热度误差为由推荐内容的展示位置特征产生的热度误差；
[0069]
示例性的，将第一预估热度与第二预估热度进行相比得到位置偏差权重，在进入到新的更新周期时，根据位置偏差权重确定推荐内容在上一个更新周期产生的真实热度。如媒资3对应的位置偏差权重为p2/p1＝0.8。将预设的更新周期设置为一天，也就是说每经过一天的时间，需根据包括媒资3等每个推荐内容的真实热度进行热度排序。其中，每个推荐内容的真实热度是由上一个更新周期产生的真实热度确定的。即在第四天进行热度排序时是根据每个推荐内容在第三天全天的真实热度产生的。
[0070]
具体实现时，获取推荐内容在上一个更新周期产生的热度；将位置偏差权重与推荐内容在上一个更新周期产生的热度相乘，得到推荐内容在上一个更新周期产生的真实热度。示例性的，若媒资3在第三天内被用户选择的次数为3000次，即得到在第三天产生的真实热度为3000*0.8＝2400。
[0071]
s3，基于每个推荐内容在上一个更新周期产生的真实热度生成推荐内容列表，推荐内容列表用于在接收到终端设备的内容推荐请求时，发送至所述终端设备。
[0072]
在一些实现方式中，s3包括：获取每个推荐内容的初始热度，初始热度为进入第一个更新周期之前每个推荐内容的热度。
[0073]
示例性的，在进入第一个更新周期之前，将历史时间内每个推荐内容被用户所选择的次数作为初始热度。在进入第一个更新周期之前，收集并统计用户一个月之内对媒资3的总选择次数为5000次，则媒资3的初始热度即为5000。
[0074]
在一些实现方式中，s3还包括：将同一推荐内容的初始热度及在上一个更新周期产生的真实热度相加，得到推荐内容的当前累计热度。
[0075]
示例性的，基于上述媒资3的初始热度为5000以及在第三天产生的真实热度为3000*0.8＝2400，得到媒资3的当前累计热度为5000 2400＝7400。
[0076]
在一些实现方式中，s3还包括：获取推荐内容在第一历史更新周期产生的第一真实热度和在第二历史更新周期产生的第二真实热度，第一历史更新周期为上一个更新周期，第二历史更新周期为第一历史更新周期的上一个更新周期；计算第一真实热度与第二真实热度的差值，及差值与第二真实热度的比值，得到推荐内容的热度变化趋势；其中，若比值大于预设阈值，推荐内容的热度变化趋势为攀升趋势；若比值小于等于预设阈值，推荐
内容的热度变化趋势为衰减趋势。需要说明的是，预设阈值为一个指定的正数，可根据时间的需求调整预设阈值的大小。
[0077]
示例性的，通常随着时间的变化热度的衰减是非线性的。也就是说，当热度随着时间的变化在攀升变化时，可以减小衰减强度。反之，当热度随着时间的变化开始饱和或者下降变化时，可以增强衰减强度。在实际情况中，媒资随着时间的流逝，其新鲜度在不断地降低，但每一个媒资对应的新鲜时长是不同的。例如，优质的媒资用户的选择次数较多，故可以将其新鲜时长进行延长调整，从而使优质的媒资或者更多的转化。同时，在优质的媒资热度迅速上升的过程中，可以减小热度随时间衰减的程度。相反，非优质的媒资，经过时间的流逝没有太大的转化潜力，可以增大时间衰减的强度。
[0078]
以第四天更新热度排序为例，若获取推荐内容在第三天全天产生的第一真实热度即媒资被用户选择次数为3000次。同时获取推荐内容在第二天全天产生的第二真实热度即媒资被用户选择次数为1000次。设置预设阈值为1，随即得到推荐内容的热度变化趋势为(3000
‑
1000)/1000＝2>1。即推荐内容的变化趋势为攀升趋势，可以热度随时间衰减的程度进行放缓调整。
[0079]
若获取推荐内容在第三天全天产生的第一真实热度即媒资被用户选择次数为1000次。同时获取推荐内容在第二天全天产生的第二真实热度即媒资被用户选择次数为2000次。设置预设阈值为1，随即得到推荐内容的热度变化趋势为(1000
‑
2000)/2000＝
‑
0.5<1。即推荐内容的变化趋势为衰减趋势，可以热度随时间衰减的程度进行加大调整。
[0080]
在一些实现方式中，s3还包括：根据推荐内容在相邻两个历史更新周期产生的热度增量，确定推荐内容的热度变化趋势及热度变化趋势对应的热度衰减函数，热度变化趋势包括攀升趋势和衰减趋势，热度衰减函数用于确定推荐内容的热度衰减强度，攀升趋势对应的热度衰减函数确定的热度衰减强度小于衰减趋势对应的热度衰减函数确定的热度衰减强度；利用与推荐内容的热度变化趋势对应的热度衰减函数调整推荐内容的当前累计热度，得到每个推荐内容对应的当前真实热度。示例性的，使用对应的热度衰减函数与上述得到的当前累计热度进行相乘，以达到使用热度衰减函数对当前累计热度进行衰减强度调整，即得到媒资3的当前真实热度。将推荐列表中的每个媒资媒资1、媒资2、媒资3和媒资4分别进行当前真实热度的计算，将计算后的结果进行根据当前真实热度又高至低排序，以生成推荐内容列表。
[0081]
示例性的，衰减函数为：
[0082]
f(t)＝e
kw(t
‑
t0)
；
[0083]
其中，t0为当前时间；t为内容进入内容库的起始时间；w为时间衰减强度的权重参数；k为对w的修正权重参数，k的取值与比值和预设阈值的差值成正比。本实施例中使用为指数函数，在初期衰减强度小，随着时间流逝衰减强度越来越大。可根据实际情况自行设定。
[0084]
根据每个推荐内容对应的当前真实热度进行热度排序，以生成推荐内容列表，推荐内容列表用于在接收到终端设备的内容推荐请求时，发送至终端设备。通过上述实施例中方式获得的推荐内容列表，在实际应用中可以避免推荐内容的点击率会受到推荐展示位置的影响。例如，推荐列表中的每个位置用户观察到的概率不同，展示位置在前列的推荐内容用户可以优先观察到，最终相应的点击率自然也会相对较高。同时在基于内容的热度变
化更新推荐列表的过程中，实现对推荐列表的有效更新。
[0085]
示例性的，图5为另一种示例性的媒资详情页界面的示意图，其具体可以为用户点击图3内容显示区320中的“影片a”后，进入“影片a”的媒资详情页面。如图5所示，目标媒资详情页面包括第一显示区500和推荐列表510，推荐列表510包括与目标媒资相关联的多个推荐媒资，其中多个推荐媒资为基于热度排序后更新的推荐列表。具体实现时，当用户在更新周期内的任意时刻向服务器发送内容推荐请求，服务器将更新后的推荐内容列表返回给终端设备，终端设备将更新后的推荐内容列表进行显示以供用户进行选择。
[0086]
进一步地，本技术提供了一种服务器，包括存储器和处理器，存储器中存储有程序指令，处理器通过运行所述程序指令，执行包括上述终端设备各实施例中处理器用于执行或被配置的其他程序步骤，这里不再赘述。
[0087]
由以上技术方案可以看出，基于本技术实施例提供的基于热度的内容推荐方法，获取每个推荐内容的第一预估热度和第二预估热度。根据第一预估热度和第二预估热度计算位置偏差权重，并在进入到新的更新周期时，利用位置偏差权重去除推荐内容在上一个更新周期产生的热度中的热度误差，得到推荐内容在上一个更新周期产生的真实热度，热度误差为由所述推荐内容的展示位置特征产生的热度误差。基于每个推荐内容在上一个更新周期产生的真实热度生成推荐内容列表，推荐内容列表用于在接收到终端设备的内容推荐请求时，发送至终端设备。由此，可以将展示位置的造成差异进行去除，进而根据真实热度变化来更新推荐列表，实现对推荐列表的有效更新，为用户提供更为精准的推荐列表。
[0088]
本说明书中各个实施例之间相同相似的部分互相参照即可，在此不再赘述。具体实现中，本发明还提供一种计算机存储介质，其中，该计算机存储介质可存储有程序，该程序执行时可包括本发明提供的内容推荐方法的各实施例中的部分或全部步骤。的存储介质可为磁碟、光盘、只读存储记忆体(英文：read
‑
only memory，简称：rom)或随机存储记忆体(英文：random access memory，简称：ram)等。
[0089]
最后应说明的是：以上各实施例仅用以说明本技术的技术方案，而非对其限制；尽管参照前述各实施例对本技术进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本技术各实施例技术方案的范围。上述示例性的讨论不是意图穷尽或者将实施方式限定到上述公开的具体形式。根据上述的教导，可以得到多种修改和变形。上述实施方式的选择和描述是为了更好地解释原理以及实际的应用，从而使得本领域技术人员更好的使用所述实施方式以及适于具体使用考虑的各种不同的变形的实施方式。