数据推荐方法、装置、设备和存储介质与流程

1.本公开涉及互联网技术领域，尤其涉及一种数据推荐方法、装置、设备和存储介质。


背景技术：

2.智能家居将用户的生活和互联网联系在一起，用户可以通过智能家居提供数据搜索和推荐服务。但是，当前智能家居在向用户提供数据搜索和推荐服务时，仅是基于单个终端设备的历史使用数据确定推荐数据，设备之间用户数据并不能共享，导致推荐数据不够准确。


技术实现要素：

3.为了解决上述技术问题，本公开提供了一种数据推荐方法、装置、设备和存储介质。
4.第一方面，本公开实施例提供一种数据推荐方法，包括：
5.获取目标用户在多个终端设备中的历史使用数据；
6.基于所述历史使用数据，确定目标用户的用户画像；
7.获取云端数据中与所述目标用户的用户画像匹配的推荐数据；
8.将所述推荐数据展示给所述目标用户。
9.可选地，在获取云端数据中与所述目标用户的用户画像匹配的推荐数据之前，所述方法还包括：
10.基于所述目标用户的用户画像，确定云端用户中的相似用户；
11.所述获取云端数据中与所述目标用户的用户画像匹配的推荐数据包括：
12.获取所述云端数据中所述相似用户喜欢的数据，作为与所述目标用户的用户画像匹配的所述推荐数据。
13.可选地，所述基于所述目标用户的用户画像，确定云端用户中的相似用户，包括：
14.采用预先训练的相似度模型，基于所述目标用户的用户画像和所述云端用户的用户画像，确定所述云端用户中的所述相似用户。
15.可选地，所述目标用户的用户画像包括所述目标用户的喜好特征；
16.所述获取云端数据中与所述目标用户的用户画像匹配的推荐数据，包括：
17.获取所述云端数据中，与所述目标用户的喜好特征匹配的所述推荐数据。
18.可选地，所述推荐数据包括特征标签；所述用户画像还包括除所述喜好特征外的其他特征；
19.所述将所述推荐数据展示给所述目标用户，包括：
20.基于所述推荐数据的特征标签和所述其他特征，对所述推荐数据进行筛选和/或排序，得到处理后数据；
21.将所述处理后数据展示给所述目标用户。
22.可选地，所述基于所述历史使用数据，确定目标用户的用户画像，包括：
23.根据场景与所述终端设备的对应关系，将所述历史使用数据划分为不同的数据组，每个数据组中包括单个场景中所有终端设备的所述历史使用数据；
24.根据各个场景对应的数据组，确定所述目标用户在各个场景下的用户画像。
25.可选地，在获取云端数据中与所述目标用户的用户画像匹配的推荐数据之前，所述方法还包括：
26.确定所述目标用户当前所处场景；
27.所述获取云端数据中与所述目标用户的用户画像匹配的推荐数据，包括：
28.获取所述云端数据中，与所述目标用户在当前所处场景下对应的用户画像匹配的所述推荐数据；
29.所述将所述推荐数据展示给所述目标用户，包括：采用当前所处场景对应的终端设备将所述推荐数据展示给所述目标用户。
30.第二方面，本公开实施例提供一种数据推荐装置，包括：
31.历史使用数据获取单元，用于获取目标用户在多个终端设备中的历史使用数据；
32.画像确定单元，用于基于所述历史使用数据，确定目标用户的用户画像；
33.推荐数据获取单元，用于获取云端数据中与所述目标用户的用户画像匹配的推荐数据；
34.展示单元，用于将所述推荐数据展示给所述目标用户。
35.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。
36.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。
37.本公开提供的技术方案，通过获取目标用户在多个终端设备中的历史使用数据，基于多个终端设备的历史使用数据确定目标用户的用户画像，再基于用户画像确定与之匹配的推荐数据，并将推荐数据展示给目标用户。因为用户画像基于多个终端设备的历史使用数据构建，所以用户画像的内容比较丰富全面，从而能够基于用户画像确定的推荐数据与目标用户的需求更为匹配，提升用户体验。
附图说明
38.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。
39.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。
40.图1为本公开实施例提供的一种数据推荐方法的流程示意图；
41.图2是本公开实施例提供的另外一种数据推荐方法的流程图；
42.图3是本公开实施例提供的再一种数据推荐方法的流程图；
43.图4为本公开实施例提供的再一种数据推荐方法的流程图；
44.图5为本公开提供的一种数据推荐装置的结构示意图；
45.图6是本公开一些实施例提供的电子设备的结构示意图。
具体实施方式
46.下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。
47.应当理解，本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行，和/或并行执行。此外，方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。
48.本文使用的术语“包括”及其变形是开放性包括，即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”；术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。
49.图1为本公开实施例提供的一种数据推荐方法的流程示意图，如图1所示，本公开实施例提供的数据推荐方法包括步骤s101-s104。
50.应该注意的是，本公开实施例提供的数据推荐方法可以由终端设备执行；以下以第一终端设备作为执行主体，对本公开实施例数据推荐方法的步骤做介绍。
51.步骤s101：获取目标用户在多个终端设备中的历史使用数据。
52.目标用户是使用多个终端设备中至少一个终端设备的用户，终端设备可以基于用户的账户登录信息、用户的声纹或者用户的图像等信息确定目标用户。
53.本公开实施例中，多个终端设备可以是手机、平板、智能电视、智能手表、智能冰箱、音响、车载中控、摄像头等中的至少两种。
54.终端设备的历史使用数据是目标用户使用此终端设备产生的历史数据。历史使用数据可以是用户浏览的内容数据、用户的语音交互数据、用户的图像交互数据、用户的场景数据、用户交互的时间数据、设备的传感数据中的至少一个。
55.应当注意的是，终端设备中的历史使用数据可以是此终端设备中一个应用程序产生的使用数据，也可以是此终端设备中不同应用程序产生的使用数据。
56.本公开一些实施例中，多个终端设备的历史使用数据可以存储在各个终端设备的本地存储器中。在第一终端设备在被用户使用时，第一终端设备向各个终端设备发送历史使用数据获取请求，获得各个终端设备的历史使用数据。
57.在本公开另外一些实施例中，多个终端设备的历史使用数据可以被存储一个特定的存储设备中。在第一终端设备在被用户使用时，第一终端设备向存储设备发送历史使用数据获取请求，获得各个终端设备的历史使用数据。
58.步骤s102：基于历史使用数据，确定目标用户的用户画像。
59.第一终端设备在获取历史使用数据后，根据历史使用数据确定目标用户的用户画像。
60.例如，目标用户a在终端设备1中的历史使用数据为d1，目标用户a在终端设备2中
的历史使用数据为d2，目标用户在终端设备3中的第三数据为d3。在获取得到目标用户在前述三个终端设备中的历史使用数据d1-d3后，第一终端设备可以基于历史使用数据d1-d3进行分析得到分析特征值，并基于分析特征值构建目标用户的用户画像。
61.因为用户画像是基于多个终端设备的历史使用数据确定的，其反映目标用户在不同终端设备中的行为特征、偏好以及习惯等信息，所以用户画像中信息的较多。
62.在本公开的一些实施例中，步骤s102中根据历史使用数据确定目标用户的用户画像具体可以包括步骤s1021-s1022。
63.步骤s1021：根据历史使用数据中所有数据产生的时间，确定目标用户的行为序列。
64.本公开实施例中，各个历史使用数据均可以有对应的生成时间戳，生成时间戳用于表示此历史使用数据的生成时间。终端设备可以将所有历史使用数据按照其生成时间戳进行排列，得到数据序列。由于每个历史使用数据的产生均对应目标用户的一个行为，因此，根据数据序列可以确定目标用户的行为序列。
65.例如，在早上7:00时，目标用户的手机闹铃响，即手机闹铃数据对应的生成时间戳为7:00；中午12:00时，目标用户通过手机的app点外卖，即手机服务内容数据对应的生成时间戳可以为12:00；晚上20:00时，目标用户通过智能电视看电影，即电视内容数据对应的生成时间戳可以为20:00。手机闹铃数据对应的目标用户行为可以是起床，手机服务内容数据对应的用户行为可以是吃饭，电视内容数据对应的用户行为可以是休闲娱乐，如此，得到目标用户的行为序列可以为：起床、吃饭、休闲娱乐。
66.步骤s1022：根据行为序列，确定用户画像。
67.本公开实施例中，可以采用特定的采样周期对行为序列进行划分，得到采样周期内目标用户的用户画像。由于用画像基于采样后期内的行为序列构建，因此用户画像能够比较全面、准确的反映在此采样周期内用户的行为特征，提高了用户画像的准确性。
68.步骤s103：获取云端数据中与目标用户的用户画像匹配的推荐数据。
69.步骤s104：将推荐数据展示给目标用户。
70.本公开实施例中，第一终端设备在确定目标用户的用户画像后，将目标用户的用户画像发送给云端服务器，以使得云端服务器基于目标用户的用户画像确定与之匹配的推荐数据，并将推荐数据返回给第一终端设备。
71.第一终端设备在获取推荐数据后，可以采用特定的输出装置将推荐数据展示给目标用户。例如，推荐数据为图片数据，第一终端设备采用显示屏显示输出推荐数据。再如，推荐数据为音频数据，第一终端设备采用扬声器输出推荐数据。
72.基于前述步骤可知，本公开实施例通过获取目标用户在多个终端设备中的历史使用数据，基于多个终端设备的历史使用数据确定目标用户的用户画像，再基于用户画像确定与之匹配的推荐数据，并将推荐数据展示给目标用户。因为用户画像基于多个终端设备的历史使用数据构建，所以用户画像的内容比较丰富全面，从而能够基于用户画像确定的推荐数据与目标用户的需求更为匹配，提升用户体验。
73.图2是本公开实施例提供的另外一种数据推荐方法的流程图。如图2所示，在本公开的另外一些实施例中，数据推荐方法步骤s201-s205。
74.步骤s201：获取目标用户在多个终端设备中的历史使用数据。
75.步骤s202：基于历史使用数据，确定目标用户的用户画像。
76.步骤s201-s202和前文实施例中的步骤相同，具体可以参见前文实施例，此处不再复述。
77.步骤s203：基于目标用户的用户画像，确定云端用户中的相似用户。
78.本公开一些实施例中，第一终端设备在确定目标用户的用户画像后，可以向云端服务器发送云端用户画像的获取请求，以触发云端服务器将多个云端用户画像返回给第一终端设备。
79.第一终端设备在接收到云端用户的用户画像后，可以将多个云端用户的用户画像和目标用户的用户画像进行比较，确定云端用户与目标用户相似的相似用户。具体的，本公开的一些实施例中，第一终端设备可以采用预先训练的相似度模型处理目标用户的用户画像和多个云端用户的画像，确定相似用户。
80.步骤s204：获取云端数据中相似用户喜欢的数据，作为与目标用户的用户画像匹配的推荐数据。
81.在第一终端设备确定相似用户后，将相似用户的标识发送给云端服务器，以使得云端服务器基于相似用户的标识获取相似用户喜欢的数据返回给第一终端设备，使得第一终端设备将相似用户喜欢的数据作为与目标用户的用户画像匹配的推荐数据。
82.例如，目标用户a的历史使用数据包括看演员x主演的电影、购买演员x主演电影的电影票和喜剧票。则分析得到用户a的用户画像包括喜欢看电影、喜欢话剧、喜欢演员x。云端用户b也有用户a的画像特征，并且云端用户关注了很多开心麻花的作品，但是用户a确没关注过。采用相似度模型，可以确定用户a云端用户b相似，因此可以将用户b关注的开心麻花的作为推荐数据推荐给目标用户a。
83.步骤s205：将推荐数据展示给目标用户。
84.采用本公开实施例提供的方法，第一终端设备在确定目标用户的用户画像后，并没有将目标用户的用户画像发送给云端设备，而是向云端服务器请求云端用户的用户画像，并在本地基于目标用户的用户画像和云端用户的用户画像确定相似用户，继而能够获取云端数据中相似用户喜欢的数据作为推荐数据。第一终端设备采用本公开实施例提供的方法，可以避免目标用户的用户画像的具体信息被泄露，提高了用户隐私的保密性。
85.本公开实施例中的步骤s201-s205均是由第一终端设备执行的，在本公开的其他实施中，前述的步骤s201-s204也可以由云端服务器执行，在云端服务器确定推荐数据后，再将推荐数据下发给第一终端设备，以使得第一终端设备执行前述的步骤s205。在本公开的其他实施例中，也可以由第一终端设备执行前述的步骤s201-s202和步骤s205，而由云端服务器执行步骤s203和步骤s204。
86.图3是本公开实施例提供的再一种数据推荐方法的流程图。如图3所示，在本公开的再一些实施例中，数据推荐方法包括步骤s301-s304。
87.步骤s301：获取目标用户在多个终端设备中的历史使用数据。
88.步骤s302：基于历史使用数据，确定目标用户的用户画像，目标用户的用户画像包括目标用户的喜好特征。
89.步骤s301-s302和前文实施例中的步骤相同，具体可以参见前文实施例，此处不再复述。但是应当注意的是，本公开实施例中，目标用户的用户画像包括目标用户的喜好特
征。
90.步骤s303：获取云端数据中，与目标用户的喜好特征匹配的推荐数据。
91.例如，用户的智能电视上观看了电影《前任女朋友x》，并且播放了两遍电影的片尾曲。采用用户画像构建模型确定用户的画像分析了用户的喜好特征包括听前述片尾曲类似的歌曲。当目标用户使用诸如智能音响等第一电子设备听音乐时，前述第一电子设备基于目标用户的喜好特征确定目推荐数据包括《前任女朋友x》以及类似的歌曲，将此类歌曲的数据展示给目标用户。
92.步骤s304：将推荐数据展示给目标用户。
93.本公开实施例中，第一终端设备在确定目标用户的用户画像后，并没有将用户画像的全部内容发送给云端设备，而仅是将目标用户的喜好特征发送给云端设备，以使得云端设备仅基于用户的喜好特征确定匹配的推荐数据。
94.因为第一终端设备仅将用户的喜好特征数据发送给云端服务器，而没有将用户画像的全部内容发送给云端服务器，所以采用本公开实施例提供的方法可以避免目标用户的用户画像中除喜好特征外的其他信息被泄露，保证了目标用户其他信息的保密性。
95.在本公开的一些实施例中，推荐数据包括特征标签，特征标签用于表征推荐数据的属性特征。用户画像除了包括前述的喜好特征外，还包括喜好特征外的其他特征。对应的，步骤s304可以包括步骤s3041-s3042。
96.步骤s3041：基于推荐数据的特征标签和其他特征，对推荐数据进行筛选和/或排序，得到处理后数据。
97.步骤s3042：将处理后数据展示给目标用户。
98.采用本公开实施例提供的步骤s3041和s3042，通过采用推荐数据的特征标签和用户画像中除喜好特征外的其他特征进行比较，而实现对推荐数据进行筛序或者排序，可以得到更符合目标用户的处理后数据，继而使得向用户推荐的内容更符合目标用户的需求，进而提高了用户体验。
99.图4为本公开实施例提供的再一种数据推荐方法的流程图。如图4所示，在本公开的一些实施例中，数据推荐方法包括步骤s401-s406。
100.步骤s401：获取目标用户在多个终端设备中的历史使用数据。
101.步骤s402：根据场景与设备的对应关系，将历史使用数据划分为不同的数据组。
102.本公开实施例中，每个数据组均包括单个场景中所有终端设备的历史使用数据。
103.同一场景中可以使用多种终端设备，据此可以获取到场景与终端设备的对应关系。例如，终端设备1为电视，终端设备2为音响，终端设备3为冰箱。在家庭影院的场景中，需要使用电视和音响，显然，电视和音响与家庭影院场景存在对应关系。
104.本公开具体实施例中对终端设备的使用有多种场景，每个场景对应的至少一种设备。根据前述的对应关系，可以对所有终端设备的历史使用数据进行分组，将同一场景对应的所有设备的历史使用数据划分为一个数据组，如此，基于多个场景能够得到多个数据组。
105.本公开具体实施例中，可以根据多个历史使用数据之间的内容相关性和/或时间相关性，确定对应关系。
106.例如，在家庭影院场景中，电视显示的画面与音响输出音频在内容上具有相关性，据此可以确定电视和音响，与家庭影院场景的对应关系。在家庭影院场景中，电视显示画面
的时间与在音响输出音频的时间具有相关性，因此可以确定电视和音响，与家庭影院场景的对应关系。需要说明的是，本实施例仅以家庭影院场景为例对确定场景与设备的对应关系进行示例性说明，在其他场景中，也可以基于其他历史使用之间的内容相关性和/或时间相关性确定其他场景的对应关系
107.步骤s403：根据各个场景对应的数据组，确定目标用户在各个场景下的用户画像。
108.根据多个场景以及各自对应的数据组中的数据，可以刻画出目标用户在不同场景中的用户画像，如此，可以对目标用户的用户画像进行场景的细分，从而能够根据用户当前的场景，推荐对应场景下的推荐数据，提升推荐数据的精确性，进而提升用户体验。
109.步骤s404：确定目标用户当前所处场景。
110.本公开实施例中，确定目标用户当前所处场景，可以是通过用户的触发操作或者终端设备的自动检测获取到用户当前所处的场景。
111.步骤s405：获取云端数据中，与目标用户在当前所处场景下对应的用户画像匹配的推荐数据。
112.本公开实施例中，在确定目标用户当前所处的场景后，终端设备基于当前所处的场景确定对应的用户画像，并将当前所处场景的用户画像发送给云端服务器，以使得云端服务器推荐与当前场景匹配的推荐数据。
113.步骤s406：采用当前所处场景对应的终端设备将推荐数据展示给目标用户。
114.本公开实施例中获取的用户画像是一种场景化的用户画像，即针对不同的场景刻画出不同的用户画像，通过用户的触发操作，或者设备的自动检测，可以获取到用户当前所处的场景。根据用户当前所处的场景，基于场景化的用户画像，向用户推荐适合当前场景下的内容。例如，用户当前处于家庭影院场景中，则分别向音响和电视推荐相应的内容，音响和电视分别以适合的展示形式向用户展示各自推荐的内容。
115.本实施例中，通过根据目标用户当前所处的场景和用户画像，获取推荐数据，能够针对不同的场景，向用户展示相应的推荐数据，基于场景细化了用户的需求，能够提升数据推荐的准确性。
116.本实施例还提供了一种数据推荐装置，图5为本公开提供的一种数据推荐装置的结构示意图，如图5所示，数据推荐装置500包括历史使用数据获取单元501、画像确定单元502、推荐数据获取单元503和展示单元504。
117.历史使用数据获取单元501用于获取目标用户在多个终端设备中的历史使用数据。画像确定单元502用于基于历史使用数据，确定目标用户的用户画像。推荐数据获取单元503用于获取云端数据中与目标用户的用户画像匹配的推荐数据。展示单元504用于将推荐数据展示给目标用户。
118.在本公开的一些实施例中，数据推荐装置500还包括相似用户确定单元。相似用户确定单元用于基于目标用户的用户画像，确定云端用户中的相似用户。对应的，推荐数据获取单元503包括第一推荐数据获取子单元。第一推荐数据获取子单元用于获取云端数据中相似用户喜欢的数据，作为与目标用户的用户画像匹配的推荐数据。
119.在本公开一些实施例中，相似用户确定单元采用采用预先训练的相似度模型，基于目标用户的用户画像和云端用户的用户画像，确定云端用户中的相似用户。
120.在本公开的一些实施例中，目标用户的用户画像包括目标用户的喜好特征。对应
的，推荐数据获取单元503包括第二推荐数据获取子单元。第二推荐数据获取子单元获取云端数据中，与目标用户的喜好特征匹配的推荐数据。
121.在本公开一些实施例中，推荐数据包括特征标签；用户画像还包括除喜好特征外的其他特征。对应的，展示单元504包括数据处理子单元和展示子单元。输出处理子单元用于基于推荐数据的特征标签和其他特征，对推荐数据进行筛选和/或排序，得到处理后数据。展示子单元将处理后数据展示给目标用户。
122.在本公开的一些实施例中，画像确定单元502包括分组子单元和用户画像确定子单元。分组子单元用于根据场景与终端设备的对应关系，将历史使用数据划分为不同的数据组，每个数据组中包括单个场景中所有终端设备的历史使用数据。用户画像确定子单元用于根据各个场景对应的数据组，确定目标用户在各个场景下的用户画像。
123.在本公开一些实施例中，数据推荐装置500还包括当前场景确定单元。当前场景确定单元用于确定目标用户当前所处场景。对应的，推荐数据获取单元503获取云端数据中，与目标用户在当前所处场景下对应的用户画像匹配的推荐数据。展示单元504采用当前所处场景对应的终端设备将推荐数据展示给目标用户。
124.本实施例的装置，可用于执行上述方法实施例的步骤，其实现原理和技术效果类似，此处不再赘述。
125.本公开实施例还提供一种电子设备，该电子设备包括处理器和存储器，其中，所述存储器中存储有计算机程序，当所述计算机程序被所述处理器执行时可以实现上述图1-图4中任一实施例的方法。
126.图6是本公开一些实施例提供的电子设备的结构示意图。如图6所示，电子设备600可以包括处理装置(例如中央处理器、图形处理器等)601，其可以根据存储在只读存储器(rom)602中的程序或者从存储装置608加载到随机访问存储器(ram)603中的程序而执行各种适当的动作和处理。在ram 603中，还存储有电子设备600操作所需的各种程序和数据。处理装置601、rom 602以及ram 603通过总线604彼此相连。输入/输出(i/o)接口605也连接至总线604。
127.通常，以下装置可以连接至i/o接口605：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置606；包括例如液晶显示器(lcd)、扬声器、振动器等的输出装置607；包括例如磁带、硬盘等的存储装置608；以及通信装置609。通信装置609可以允许电子设备600与其他设备进行无线或有线通信以交换数据。虽然图6示出了具有各种装置的电子设备600，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。
128.特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在非暂态计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置609从网络上被下载和安装，或者从存储装置608被安装，或者从rom 602被安装。在该计算机程序被处理装置601执行时，执行本公开实施例的方法中限定的上述功能。
129.需要说明的是，本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不
限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑磁盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、rf(射频)等等，或者上述的任意合适的组合。
130.上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。
131.上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：获取目标用户在多个终端设备中的历史使用数据；基于所述历史使用数据，确定目标用户的用户画像；获取云端数据中与所述目标用户的用户画像匹配的推荐数据；将所述推荐数据展示给所述目标用户。
132.可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码，上述程序设计语言包括但不限于面向对象的程序设计语言—诸如java、smalltalk、c ，还包括常规的过程式程序设计语言—诸如“c”语言或类似的程序设计语言。
133.附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
134.描述于本公开实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，单元的名称在某种情况下并不构成对该单元本身的限定。
135.本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(fpga)、专用集成电路(asic)、专用标准产品(assp)、片上系统(soc)、复杂可编程逻辑设备(cpld)等等。
136.在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供
指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦除可编程只读存储器(eprom或快闪存储器)、光纤、便捷式紧凑盘只读存储器(cd-rom)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
137.本公开实施例还提供一种计算机可读存储介质，所述存储介质中存储有计算机程序，当所述计算机程序被处理器执行时可以实现上述图1-图4中任一实施例的方法，其执行方式和有益效果类似，在这里不再赘述。
138.以上所述仅是本公开的具体实施方式，使本领域技术人员能够理解或实现本公开。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本公开的精神或范围的情况下，在其它实施例中实现。因此，本公开将不会被限制于本文所述的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。