处理方法、处理装置和电子设备与流程

1.本技术属于互联网内容推荐技术领域，尤其涉及一种处理方法、处理装置和电子设备。


背景技术：

2.目前的电商平台等网站，对用户的内容推荐(如广告投放、商品推荐等)越来越精准，以期望提升用户的浏览效率和满意度，并增加其使用频率。然而，更精准的内容推荐意味着对用户信息或用户特征更深入的显化，与隐私保护、信息安全的理念相悖，同时对于隐私敏感型用户来说，反而不利于提升其满意度、增加其使用频率和留存度。


技术实现要素：

3.为此，本技术公开如下技术方案：
4.一种处理方法，所述方法包括：
5.获得目标用户的用户信息；
6.根据所述用户信息确定第一推荐内容和第二推荐内容；所述第一推荐内容与所述目标用户之间满足相关条件，所述第二推荐内容与所述目标用户之间不满足所述相关条件；
7.对所述第一推荐内容和所述第二推荐内容进行融合处理；
8.将融合处理后所得的融合内容推荐给所述目标用户。
9.可选的，所述获得目标用户的用户信息，包括如下的至少一种：
10.获得所述目标用户的用户特征信息；
11.获得所述目标用户在推荐系统的历史操作行为信息。
12.可选的，所述根据所述用户信息确定第一推荐内容和第二推荐内容，包括：
13.确定待推荐内容集中与所述用户特征信息的相关度达到第一阈值的待推荐内容，和/或根据所述历史操作行为信息确定所述目标用户的历史操作内容集中对应于第一行为特征的历史操作内容，作为所述第一推荐内容；
14.确定待推荐内容集中与所述用户特征信息的相关度低于第二阈值的待推荐内容，和/或根据所述历史操作行为信息确定所述目标用户的历史操作内容集中对应于第二行为特征的历史操作内容，作为所述第二推荐内容；
15.其中，所述第二阈值小于所述第一阈值。
16.可选的，在将融合处理后所得的融合内容推荐给所述目标用户之后，所述方法还包括：
17.获得所述目标用户对所述融合内容的操作信息；
18.响应于所述操作信息所指示操作为预设操作，调整所述操作信息所指示内容与所述目标用户的相关度。
19.可选的，所述调整所述操作信息所指示内容与所述目标用户的相关度，包括：
20.如果所述操作信息所指示内容为所述第二推荐内容中的至少部分内容，
21.提升所述至少部分内容与所述目标用户的相关度，以使向所述目标用户进行内容推荐时，避免将所述至少部分内容作为第二推荐内容推荐给所述目标用户。
22.可选的，所述方法，还包括：
23.获取所述目标用户的用户属性；
24.响应于所述用户属性为第一属性，触发所述根据所述用户信息确定第一推荐内容和第二推荐内容的处理；
25.响应于所述用户属性为第二属性，根据所述用户信息确定第一推荐内容，将所述第一推荐内容推荐给所述目标用户；
26.其中，所述第一属性用于表征所对应用户为隐私敏感性用户，所述第二属性用于表征所对应用户为非隐私敏感性用户。
27.可选的，所述目标用户的用户属性的确定过程，包括：
28.根据对所述目标用户的调研信息、所述目标用户的注册信息和历史行为信息中的至少一种，确定所述目标用户的用户属性。
29.一种处理装置，所述装置包括：
30.获取模块，用于获得目标用户的用户信息；
31.确定模块，用于根据所述用户信息确定第一推荐内容和第二推荐内容；所述第一推荐内容与所述目标用户之间满足相关条件，所述第二推荐内容与所述目标用户之间不满足所述相关条件；
32.融合模块，用于对所述第一推荐内容和所述第二推荐内容进行融合处理；
33.推荐模块，用于将融合处理后所得的融合内容推荐给所述目标用户。
34.可选的，所述获取模块，还用于获取所述目标用户的用户属性；
35.所述装置还包括响应模块，用于：
36.响应于所述用户属性为第一属性，触发所述根据所述用户信息确定第一推荐内容和第二推荐内容的处理；
37.响应于所述用户属性为第二属性，根据所述用户信息确定第一推荐内容，将所述第一推荐内容推荐给所述目标用户；
38.其中，所述第一属性用于表征所对应用户为隐私敏感性用户，所述第二属性用于表征所对应用户为非隐私敏感性用户。
39.一种电子设备，包括：
40.存储器，用于至少存储一组计算机指令集；
41.处理器，用于通过调用并执行所述存储器中存储的所述指令集，实现如上文任一项所述的处理方法。
42.由以上方案可知，本技术公开一种处理方法、处理装置和电子设备，该方法、装置和电子设备获得目标用户的用户信息，根据目标用户的用户信息确定第一推荐内容和第二推荐内容，第一推荐内容与目标用户之间满足相关条件，第二推荐内容与目标用户之间不满足相关条件，之后，对确定出的第一推荐内容和第二推荐内容进行融合处理，并将融合处理后所得的融合内容推荐给目标用户。
附图说明
43.为了更清楚地说明本技术实施例或相关技术中的技术方案，下面将对实施例或相关技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本技术的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
44.图1是本技术提供的处理方法的一种流程示意图；
45.图2是在精准推荐内容中引入无效推荐后的一个推荐内容展示示例；
46.图3是本技术提供的处理方法的另一种流程示意图；
47.图4是本技术提供的处理方法的又一种流程示意图；
48.图5是本技术提供的处理装置的组成结构图；
49.图6是本技术提供的电子设备的组成结构图。
具体实施方式
50.下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
51.本技术公开一种处理方法、处理装置和电子设备，适用于但不限于互联网内容推荐场景，用于针对内容推荐或类似场景，通过在精准推荐中引入无效推荐，将精准推荐内容以通用推荐的方式呈现给用户，使得在不失精准推荐优势的情况下，加强对用户隐私的安全保护。
52.本技术提供的该处理方法，可以以推荐系统(本技术将互联网电商平台、内容创作/分享平台等具备内容推荐功能的系统，统称为“推荐系统”)的系统功能形式实现，或者也可以实现为插件/小程序形式，通过在推荐系统集成该插件/小程序来支持推荐系统对该插件/小程序所提供推荐处理功能的使用，或者，还可以实现为执行主体设备的本地功能，通过在推荐系统运行时调用该本地功能来实现本技术方法的处理逻辑。所述的执行主体设备，可以是但不限于众多通用或专用的计算装置环境或配置下的电子设备，例如：个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器装置等等。
53.参见图1提供的信息处理方法流程图，本技术实施例提供的信息处理方法包括以下处理过程：
54.步骤101、获得目标用户的用户信息。
55.目标用户，即为互联网电商平台、内容创作/分享平台等推荐系统需进行内容推荐的用户，具体可以为推荐系统的注册用户或非注册用户。
56.通常情况下，推荐系统的注册用户或非注册用户，在使用推荐系统进行信息浏览、收藏、商品交易或内容编辑/创作、内容观看/消费等的过程中，即构成推荐系统当前的潜在目标用户，该过程中，推荐系统可通过识别该用户在客户端的操作是否为需进行内容推荐的预设操作(例如，用户登录某电商平台相应需进入其商品展示首页的操作、或者用户输入检索词相应需从其商品数据库搜索某类商品的操作等)，来确定是否需向该用户进行内容推荐，如果识别出用户操作为预设操作，此时该用户即成为推荐系统需向其进行内容推荐
的目标用户，相应可触发向该用户进行内容推荐的处理流程，即本技术方法的处理流程。
57.当需向目标用户进行内容推荐时，首先获得目标用户的用户信息，以作为推荐依据。
58.所获得的目标用户的用户信息，可以是目标用户的用户特征信息和目标用户在推荐系统的历史操作行为信息中的任意一种或多种。
59.其中，用户特征信息的信息种类可以由推荐系统结合系统的业务特点预先配置，以互联网电商平台为例，用户特征信息可以包括但不限于：用户性别、年龄段、职业类型、受教育程度、消费类型(如，属于冲动型消费还是稳定型消费、是否属于高消费人群、是否倾向于高性价比消费)、消费模式(如更偏好于贷款还是非贷款消费模式)、购买的频次特征(如低频购买、高频购买)等多个不同维度的用户特征。对于内容创作/分享平台，例如目前的各类短视频平台，用户特征信息则可以包括但不限于：用户性别、年龄段、职业类型、受教育程度、所偏好创作/观看的内容类型、所偏好点评的内容类型、内容创作/观看所偏好的时间段等等。
60.实际应用中，具体可视所对应推荐系统的用户特征种类配置与采集情况，获得目标用户对应于该推荐系统的相应用户特征信息。且，推荐系统可以但不限于基于用户画像建模方式，采集与处理用户的性别、年龄段、消费类型、消费模式，或者所偏好创作/观看的内容类型、所偏好点评的内容类型等一系列用户信息，相应的，在获取用户特征信息时，可以提取推荐系统提供的目标用户的用户画像数据，作为目标用户的用户特征信息。
61.目标用户在推荐系统的历史操作行为信息，包括但不限于：目标用户在推荐系统的历史点击、浏览、收藏、消费(购买/加购)、内容创作、内容观看等各种历史操作的操作类型，各种历史操作类型分别对应的操作频次、操作时间/时间段、对应的操作内容(如浏览、收藏或购买/加购的商品，或者，观看的视频)等中的任意一种或多种，具体需视目标用户在推荐系统的实际历史操作情况而定。
62.所获得的目标用户的用户特征信息和/或历史操作行为信息，作为数据依据以用于向目标用户进行内容推荐。
63.步骤102、根据目标用户的用户信息确定第一推荐内容和第二推荐内容。
64.申请人发现，在内容推荐场景中，固然有用户希望推荐越精准越好，但也有大量的隐私敏感型用户，其对隐私的使用非常在意，甚至害怕过于精准的推荐算法，并且，更精准的内容推荐意味着对用户信息或用户特征更深入的显化，与隐私保护、信息安全的理念相悖。
65.基于此，本技术在向目标用户进行内容推荐时，具体根据目标用户的用户信息，确定两方面的推荐内容即第一推荐内容和第二推荐内容，来用于向目标用户进行内容推荐，也就是说，最终向目标用户推荐的内容中既包含第一推荐内容，又包含第二推荐内容。
66.其中，第一推荐内容与目标用户之间满足相关条件，第二推荐内容与目标用户之间不满足相关条件。通过在向目标用户输送的推荐内容中包含与目标用户之间满足相关条件的第一推荐内容，保留精准推荐的优势，便于用户快速、高效的在推荐系统(如互联网电商平台)查找、定位到自己真正关注、感兴趣的内容，如感兴趣的视频或商品，通过同时在向目标用户输送的推荐内容中包含与目标用户之间不满足相关条件的第二推荐内容，实现对第一推荐内容(即精准推荐信息)的混淆，避免因过于精准的推荐导致对用户信息/用户特
征的过于显化，从而达到对用户隐私的保护效果。
67.上述的相关条件，用于表征推荐内容与目标用户之间存在强关联，具体可以但不限于设置为基于预设相关度阈值或预设用户行为特征的条件，以支持通过包含的相关度阈值或用户行为特征衡量内容与目标用户之间的关联强弱。
68.可选的，在一实施方式中，可以确定待推荐内容集中与目标用户的用户特征信息的相关度达到第一阈值的待推荐内容，并将确定出的待推荐内容视为与目标用户之间满足相关条件的第一推荐内容。
69.待推荐内容集是指推荐系统提供的一系列可供推荐的内容形成的集合，例如电商平台提供的一系列商品形成的通用(标准)商品推荐列表，或者，内容创作/分享平台提供的一系列小视频形成的通用(标准)视频推荐列表等。
70.该实施方式下，可结合待推荐内容集中每条内容的内容特征，例如，是否具备高性价比，是否为时下的新潮产品，是否属于高消费产品，适宜的年龄段、性别、受教育程度等，量化每条内容与目标用户不同维度特征之间的关联，得到该条内容与目标用户不同维度特征之间的相关度，并对该条内容与目标用户不同维度特征之间的相关度进行归一化、加权运算等处理，得到该条内容与目标用户的用户特征信息之间的相关度。在此基础上，判断最终得到的相关度是否达到相关条件中设定的第一阈值，若达到，则确定该条内容属于第一推荐内容，否则，则不属于第一推荐内容，直至满足第一推荐内容对应的筛选结束条件时结束。
71.第一推荐内容对应的筛选结束条件，可以但不限于设定为如下的任意一种：
72.11)得到所需推荐条数的第一推荐内容；
73.12)处理时长达到设定的第一时长；
74.13)完成对待推荐内容集中内容的遍历，或当前遍历进度在待推荐内容集中对应的已处理内容条数达到设定条数。
75.示例性的，例如，从某电商平台的通用(标准)商品推荐列表中，筛选出与目标用户的画像数据相关度达到第一阈值的各个商品，作为第一推荐内容。
76.在其他实施方式中，还可以根据目标用户的历史操作行为信息，确定目标用户的历史操作内容集中对应于第一行为特征的历史操作内容，并将该对应于第一行为特征的历史操作内容，视为与目标用户之间满足相关条件的第一推荐内容。
77.目标用户的历史操作内容集，即为目标用户的历史操作行为所对应的内容集合，包括但不限于目标用户的历史点击、浏览、收藏、购买/加购、评论或内容创作等一系列历史操作行为所对应的内容集合。上述的第一行为特征是指能反映用户对内容兴趣度较高的行为特征，如点击/浏览/购买频次达到第一预设次数，或浏览时间达到第一预设时长，或对内容进行收藏使其处于收藏状态等。
78.该实施方式下，具体可通过目标用户的历史操作内容集中每条内容对应的用户行为特征，判定该条内容与目标用户的关联强弱，其中，如果该条内容对应的用户行为特征为预设的第一行为特征，则识别该条内容属于与目标用户满足相关条件的第一推荐内容，否则则不属于第一推荐内容。
79.例如，具体根据用户浏览时长、点击/浏览/购买次数等行为特征，判断目标用户的历史商品集(历史点击/浏览/收藏/购买过的商品)中各商品与目标用户的关联强弱，并将
目标用户的历史商品集中浏览时长达到第一预设时长和/或点击/浏览/购买次数达到第一预设次数的商品，识别为第一推荐内容。
80.该实施方式下，如果目标用户的历史操作内容集中的内容条数较少，导致筛选出的第一推荐内容条数不足，可进一步从待推荐内容集如通用商品列表中查找与已筛选出的第一推荐内容满足相似条件的相应数量内容，补充进第一推荐内容，以补足第一推荐内容所需条数。
81.所述的相似条件可以是指，不同内容的特征相似度达到设定阈值。
82.实际应用中，还可以结合采用上述两种方式进行第一推荐内容的筛选。
83.可选的，如果采用上述任一实施方式或两种实施方式所筛选出的第一推荐内容的条数，超出所需数量值，则优选从筛选出的第一推荐内容中去除与目标用户特征的相关度相对较低的内容，和/或去除目标用户历史上浏览/购买频次相对较低、浏览时长相对较短的内容，直至剩余的第一推荐内容条数不超出所需数量为止。
84.除了第一推荐内容，还需要确定出与目标用户不满足相关条件的第二推荐内容，来参与内容推荐。
85.与第一推荐内容的确定方式类似，第二推荐内容的确定方式同样可以有多种。可选的，在一实施方式中，确定待推荐内容集中与目标用户的用户特征信息的相关度低于第二阈值的待推荐内容，并将确定出的该待推荐内容视为与目标用户之间不满足相关条件的第二推荐内容。
86.其中，第二阈值小于上文的第一阈值。
87.该实施方式下，同样可结合待推荐内容集中的每条内容的内容特征，量化每条内容与目标用户不同维度特征之间的关联，得到该条内容与目标用户不同维度特征之间的相关度，并对该条内容与目标用户不同维度特征之间的相关度进行归一化、加权运算等处理，得到该条内容与目标用户的用户特征信息之间的相关度。与第一推荐内容所不同的是，在进行第二推荐内容的筛选时，判断该条内容与目标用户的用户特征信息间的相关度是否低于设定的第二阈值，若低于，则该条内容属于与目标用户之间不满足相关条件的第二推荐内容，否则，则不属于第二推荐内容，直至满足第二推荐内容对应的筛选结束条件时结束。
88.第二推荐内容对应的筛选结束条件，可以但不限于设定为如下的任意一种：
89.21)得到所需推荐条数的第二推荐内容；
90.22)处理时长达到设定的第二时长；
91.第二时长与上文的第一时长可以相同或不同，不作限制。
92.23)完成对待推荐内容集中内容的遍历，或当前遍历进度在待推荐内容集中对应的已处理内容条数达到设定条数。
93.例如，从某电商品平台的通用(标准)商品推荐列表中，筛选出与目标用户的用户画像相关度低于第二阈值的各个商品，作为第二推荐内容。
94.实施本技术时，如果第一推荐内容和第二推荐内容的筛选，均基于待推荐内容集中内容与目标用户的用户特征之间的相关度判定来实现，则可将第一推荐内容和第二推荐内容的筛选过程进行合并，即，通过对待推荐内容集执行一次遍历过程(遍历到每条内容时，可确定其与目标用户的用户特征信息之间的相关度是否高于第一阈值、是否低于第二阈值)，完成第一推荐内容和第二推荐内容的筛选。该一次遍历过程，可以是对待推荐内容
集中所有内容的一次完整遍历或非完整遍历，视实际情况而定。
95.在其他实施方式中，还可以根据目标用户的历史操作行为信息确定目标用户的历史操作内容集中对应于第二行为特征的历史操作内容，并将该对应于第二行为特征的历史操作内容，视为与目标用户之间不满足相关条件的第二推荐内容。
96.与上文的第一行为特征相区别，第二行为特征是指能反映用户对内容兴趣度较低的行为特征，如点击/浏览/购买频次低于第二预设次数，或浏览时间低于第二预设时长，或将内容取消收藏等。
97.可选的，第二预设次数小于上文的第一预设次数，第二预设时长小于上文的第一预设时长。
98.该实施方式，同样通过目标用户的历史操作内容集中每条内容对应的用户行为特征，判定该条内容与目标用户的关联强弱，其中，如果该条内容对应的用户行为特征为预设的第二行为特征，则识别该条内容为与目标用户不满足相关条件的第二推荐内容，否则则不属于第二推荐内容。
99.例如，将目标用户的历史商品集中浏览时长低于第二预设时长，和/或点击/浏览/购买次数低于第二预设次数的商品，识别为第二推荐内容。
100.相类似，该实施方式下，如果目标用户的历史操作内容集中的内容条数较少，导致筛选出的第二推荐内容条数不足，可进一步从待推荐内容集如通用商品列表中查找与已筛选出的第二推荐内容满足相似条件的相应数量内容，补充进第二推荐内容，以补足第二推荐内容所需条数。
101.实际应用中，还可以结合采用上述两种方式进行第二推荐内容的筛选。
102.且可选的，如果采用上述任一实施方式或两种实施方式所筛选出的第二推荐内容的条数，超出第二推荐内容的所需数量值，则优选从筛选出的第二推荐内容中去除与目标用户特征信息的相关度相对较高的内容，和/或去除目标用户历史上浏览/购买频次相对较高、浏览时长相对较长的内容，直至剩余的第二推荐内容条数不超出所需数量为止。
103.步骤103、对第一推荐内容和第二推荐内容进行融合处理。
104.对第一推荐内容和第二推荐内容进行融合处理，可以是对各条第一推荐内容和各条第二推荐内容的简单直联合并，即，直接将各条第二推荐内容追加至各条第一推荐内容尾部，或直接将各条第一推荐内容追加至各条第二推荐内容尾部。
105.或者，对第一推荐内容和第二推荐内容进行融合处理，还可以是对各条第一推荐内容和各条第二推荐内容的交叉合并，即，将各条第一推荐内容和各条第二推荐内容打乱、融合，使得将第一、第二推荐内容揉杂在一起。
106.实际应用中，可根据需要，选择上述任一实施方式实现对第一、第二推荐内容的融合处理。
107.步骤104、将融合处理后所得的融合内容推荐给所述目标用户。
108.在通过对第一推荐内容和第二推荐内容的融合处理，得到对应的融合内容后，将融合内容推送至目标用户的客户端页面进行展示，以实现对目标用户的内容推荐。
109.优选的，在对第一推荐内容和第二推荐内容进行融合处理时，尽可能使所得的融合内容能在客户端页面展示时，每屏内容既包含第一推荐内容又包含第二推荐内容，以使得从用户角度来说，其能够在每屏内容中查看到感兴趣的高精准推荐内容，且每屏内容中
又掺杂一些无效推荐，从而起到在每屏推荐信息的展示中均能对用户隐私进行保护的作用。
110.且，优选的，在融合处理时，尽可能使不同的第一推荐内容按其与目标用户的相关程度降序的顺序排序，使得与用户相关程度更高的第一推荐内容能在客户端页面更靠前的位置展示，而对于不同第二推荐内容的推荐顺序则可以不考虑。
111.假设第一推荐内容包含6个商品：a1、a2
……
a6，各个商品与目标用户的相关度顺序：a3＞a2＞a6＞a4＞a5＞a1，第二推荐内容包含6个商品：b1、b2
……
b6，则各个第一推荐内容和第二推荐内容融合后的一个推荐页面示例如图2所示。
112.综上所述，本实施例的处理方法，通过确定与目标用户满足相关条件的第一推荐内容，及不满足相关条件的第二推荐内容，并融合第一、第二推荐内容向目标用户进行内容推荐，提出并实现了在精准推荐中引入无效推荐的技术思路，可使得将精准推荐内容以通用推荐的方式呈现给用户，不仅利于用户从推荐内容中查看与其高相关的感兴趣内容，还通过引入并融合无效推荐，对与用户高相关的感兴趣内容进行了混淆，从而增强了对用户隐私的安全保护，可进一步保证用户信息安全，且对于隐私敏感型用户来说，提升了其满足度，同时能够提升其使用频率和留存度。
113.另外，可选的，实际应用中，还可以在内容推荐中引入基于多数据持有方的联合隐私计算模型，使得多方可以在不泄露自身敏感数据的前提下联合运算，进一步提升用户隐私信息的安全性。
114.可选的，在一实施例中，参见图3所示的处理方法流程图，本技术提供的处理方法，在将融合内容推荐给所述目标用户之后，还可以包括以下处理：
115.步骤105、获得目标用户对融合内容的操作信息。
116.在向目标用户的客户端推送融合内容后，本实施例实时检测并获取目标用户对融合内容(第一推荐内容、第二推荐内容)的操作信息。
117.目标用户对融合内容的操作信息，可以是但不限于目标用户对融合内容中所需内容的点击、浏览、收藏/取消收藏、购买、点评、拖入黑名单等任意一种或多种操作的操作信息，如点击次数、浏览时长、点评信息所体现的正向/负向情感信息等。
118.步骤106、响应于所述操作信息所指示操作为预设操作，调整目标用户的操作信息所指示内容与目标用户的相关度。
119.所述预设操作，可以是指，能够表征目标用户对推荐内容的兴趣程度发生变化的操作，具体可以包括但不限于：达到设定时长的浏览操作，收藏/取消收藏，点评，购买、拖入黑名单等等。例如对于推荐页面上的一个已收藏商品，如果将其取消收藏，则代表兴趣程度降低，对于推荐页面上的一个历史未浏览过的商品，如果当前对其浏览时长超出设定时长或将其收藏/购买，则代表对该商品的兴趣程度提升。
120.在获得目标用户对融合内容的操作信息后，判断操作信息所指示操作是否为预设操作，如果为预设操作，则进一步以目标用户对融合内容的实际操作信息为依据，适应性调整该操作信息所指示内容与目标用户的相关度。
121.其中，可首先根据该操作信息，分析与识别目标用户对该操作信息所指示内容的兴趣度变化方向，例如，如果目标用户对某商品取消收藏、或将某视频拖入黑名单，则表征目标用户对该商品或视频的兴趣度降低，如果目标用户对某商品的浏览时长超出设定时
长、将某商品进行收藏或执行购买操作等，则表征目标用户对该商品的兴趣度提升。然后，根据目标用户对该操作信息所指示内容的兴趣度变化方向，对该内容与目标用户的相关度进行相一致方向的调整处理，其中，如果该操作信息表征目标用户对其所指示内容的兴趣度降低，则降低该操作信息所指示内容与目标用户的相关度，反之，如果表征兴趣度提升，则提升该操作信息所指示内容与目标用户的相关度。
122.特别的，如果目标用户的操作信息所指示操作为预设操作，且目标用户的操作信息所指示内容为第二推荐内容中的至少部分内容，则提升该至少部分内容与目标用户的相关度，且，提升后的相关度能使向目标用户进行后续内容推荐时，避免将该至少部分内容作为第二推荐内容推荐给目标用户。
123.也就是说，如果目标用户对第二推荐内容中的至少部分内容执行了上述预设操作中的某一种或多种操作，则代表目标用户对该至少部分内容产生了一定兴趣，在后续推荐中不再将其作为无效推荐引入推荐内容，而该至少部分内容在后续推荐中是否作为第一推荐内容，则视该至少部分内容调整后的相关度及算法要求而定。
124.可选的，该情况下，可以将第二推荐内容中的该至少部分内容加入目标用户的历史操作内容集中，并通过为其设置一与目标用户间相对较高的相关度数值，或基于其对应的操作行为特征(如本次浏览时长超出设定时长值，或被收藏/购买等)，达到提升该至少部分内容与目标用户之间相关度的效果，确保下次查找无效推荐内容(第二推荐内容)时，该至少部分内容因与目标用户之间相关度高而不被遴选入内。
125.本实施例可实时、动态地跟进目标用户对推荐内容的关注/兴趣状况，便于后续对目标用户进行更贴合其动态兴趣情况的合理推荐。
126.可选的，在一实施例中，参见图4所示的处理方法流程图，本技术提供的处理方法，还可以包括以下处理：
127.步骤401、获取目标用户的用户属性，响应于目标用户的用户属性为第一属性，执行步骤102；响应于目标用户的用户属性为第二属性，执行步骤402。
128.其中，第一属性用于表征所对应用户为隐私敏感性用户，第二属性用于表征所对应用户为非隐私敏感性用户。
129.可以但不限于预先根据对目标用户的调研信息、目标用户的注册信息和历史行为信息中的至少一种，确定目标用户的用户属性。
130.例如，推荐系统可预先通过调研问卷形式采集目标用户相关信息，如更倾向于采用精准推荐还是常规的通用推荐(选择通用推荐表征用户对精准推荐比较敏感，相应更注重其隐私保护)、是否允许提取其个人注册信息以用于内容推荐、允许提取其个人注册信息中的哪些部分用于内容推荐等等，并基于采集的目标用户相关信息，分析其隐私敏感程度，进而识别其用户属性；或者，基于用户注册信息，如性格标签、个人私密信息的填写完整程度等，分析用户的隐私敏感程度，进而识别其用户属性；或者，根据用户的历史操作行为信息，确定用户是否有大量的无效操作，如有，则代表该用户的隐私敏感程度较高，可以将其识别为隐私敏感性用户，相应识别其属性为第一属性，否则则为第二属性。
131.其中，上述的无效操作，是指未发生转化(如收藏、购买等)或以非转化为操作目标的操作，通常，一些用户为了避免推荐系统过于精准地抓取其个人信息，可能会在使用推荐系统过程中，有意执行一些以上所述的无效操作来干扰后台系统的用户特征识别。
132.其他实施方式中，初始时还可以将用户属性默认设置为第一属性，用户可根据需求调整其属性，或者推荐系统后台在得到足够的用户画像数据后，可根据画像数据适应性调整用户属性。
133.当需对目标用户进行内容推荐时，本实施例在确定推荐内容之前，先获取目标用户的用户属性，如果目标用户的用户属性为第一属性，则进入步骤102，以基于图1所示流程向推荐内容中引入无效推荐，既保证向目标用户进行高精准推荐内容的推送，又在高精准推荐内容引入一些无效推荐，起到对高精准推荐内容的混淆与保护作用。否则，如果为第二属性，则执行步骤402。
134.步骤402、根据目标用户的用户信息确定第一推荐内容，将确定出的第一推荐内容推荐给目标用户。
135.如果目标用户的用户属性为第二属性，即目标用户为非隐私敏感性用户，则可对目标用户进行高精准推荐内容即第一推荐内容的筛选与推送，以满足此类用户的高精准推荐需求。
136.其中，当需对目标用户进行内容推荐时，不限定获取目标用户的用户属性与用户信息(用户特征信息、历史操作行为信息)的不同步骤的先后次序，两者可以任一步骤在前，另一步骤在后，也可以同时执行。
137.本实施例以用户属性表征的隐私敏感特性为依据，决定对用户的精准推荐或非精准推荐类型，可进一步实现与用户特征相吻合的内容推荐，提升了不同类型用户的内容推荐满意度，相应可进一步增加不同类型用户对推荐系统的使用频率和留存度。
138.值得说明的是，传统的内容推荐中，推荐页面上可能同样存在用户感兴趣的内容及不感兴趣的内容，但传统技术作出此推荐结果的处理过程与本技术不同，传统技术的推荐处理以高精准推荐为目标进行推荐内容筛选，但在因用户画像数据不足/用户历史操作记录不足/后台处理能力不足等原因，导致难以筛选出足够多的高精准推荐内容时，会通过随机推荐或通用推荐等策略(如当日销售量top
_
n的商品)补足所需推荐条数，如补足一屏所需条数，也就是说，传统技术推荐页面上的用户不感兴趣内容是由所采用的随机推荐或通用推荐等补足策略导致的，用户对其感兴趣与否具有高随机性，且对于后台来说用户对其感兴趣与否是未识别、未可知的，也未以用户隐私保护作为需解决的技术问题。而本技术则是结合精准推荐与隐私保护两方面技术问题，一方面进行高精准推荐内容(第一推荐内容)筛选，另一方面进行无效内容(第二推荐内容)筛选，有针对性地通过上述两方面内容的筛选与融合，使得推荐页面上既包含高精准推荐内容，又引入了无效内容，在保留高精准内容推荐优势的同时，又达到保护用户隐私的效果。
139.对应于上述的处理方法，本技术实施例还公开一种处理装置，该装置的组成结构如图5所示，包括：
140.获取模块501，用于获得目标用户的用户信息；
141.确定模块502，用于根据所述用户信息确定第一推荐内容和第二推荐内容；所述第一推荐内容与所述目标用户之间满足相关条件，所述第二推荐内容与所述目标用户之间不满足所述相关条件；
142.融合模块503，用于对所述第一推荐内容和所述第二推荐内容进行融合处理；
143.推荐模块504，用于将融合处理后所得的融合内容推荐给所述目标用户。
144.在一实施方式中，获取模块501，用于执行如下处理中的至少一种：
145.获得所述目标用户的用户特征信息；
146.获得所述目标用户在推荐系统的历史操作行为信息。
147.在一实施方式中，确定模块502，具体用于：
148.确定待推荐内容集中与所述用户特征信息的相关度达到第一阈值的待推荐内容，和/或根据所述历史操作行为信息确定所述目标用户的历史操作内容集中对应于第一行为特征的历史操作内容，作为所述第一推荐内容；
149.确定待推荐内容集中与所述用户特征信息的相关度低于第二阈值的待推荐内容，和/或根据所述历史操作行为信息确定所述目标用户的历史操作内容集中对应于第二行为特征的历史操作内容，作为所述第二推荐内容；
150.其中，所述第二阈值小于所述第一阈值。
151.在一实施方式中，获取模块501，还用于获得所述目标用户对所述融合内容的操作信息；
152.上述装置还包括：响应模块，用于响应于所述操作信息所指示操作为预设操作，调整所述操作信息所指示内容与所述目标用户的相关度。
153.在一实施方式中，响应模块在调整所述操作信息所指示内容与所述目标用户的相关度时，具体用于：如果所述操作信息所指示内容为所述第二推荐内容中的至少部分内容，提升所述至少部分内容与所述目标用户的相关度，以使向所述目标用户进行内容推荐时，避免将所述至少部分内容作为第二推荐内容推荐给所述目标用户。
154.在一实施方式中，获取模块501，还用于获取所述目标用户的用户属性；
155.响应模块，还用于：
156.响应于所述用户属性为第一属性，触发所述根据所述用户信息确定第一推荐内容和第二推荐内容的处理；
157.响应于所述用户属性为第二属性，根据所述用户信息确定第一推荐内容，将所述第一推荐内容推荐给所述目标用户；
158.其中，所述第一属性用于表征所对应用户为隐私敏感性用户，所述第二属性用于表征所对应用户为非隐私敏感性用户。
159.在一实施方式中，根据对所述目标用户的调研信息、所述目标用户的注册信息和历史行为信息中的至少一种，确定所述目标用户的用户属性。
160.对于本技术实施例公开的处理装置而言，由于其与上文方法实施例公开的处理方法相对应，所以描述的比较简单，相关相似之处请参见上文方法实施例的说明即可，此处不再详述。
161.本技术实施例还公开一种电子设备，具体可以是但不限于众多通用或专用的计算装置环境或配置下的设备，例如：个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器装置等等。
162.电子设备的组成结构，如图6所示，至少包括：
163.存储器10，用于存放计算机指令集；
164.计算机指令集可以通过计算机程序的形式实现。
165.处理器20，用于通过执行计算机指令集，实现如上文任一方法实施例公开的处理
方法。
166.处理器20可以为中央处理器(central processing unit，cpu)，特定应用集成电路(application-specific integrated circuit，asic)，数字信号处理器(dsp)、专用集成电路(asic)、现场可编程门阵列(fpga)或者其他可编程逻辑器件等。
167.电子设备具备显示装置和/或具备显示接口、能外接显示装置。
168.可选的，电子设备还包括摄像头组件，和/或连接有外置摄像头组件。
169.除此之外，电子设备还可以包括通信接口、通信总线等组成部分。存储器、处理器和通信接口通过通信总线完成相互间的通信。
170.通信接口用于电子设备与其他设备之间的通信。通信总线可以是外设部件互连标准(peripheral component interconnect，pci)总线或扩展工业标准结构(extended industry standard architecture，eisa)总线等，该通信总线可以分为地址总线、数据总线、控制总线等。
171.需要说明的是，本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。
172.为了描述的方便，描述以上系统或装置时以功能分为各种模块或单元分别描述。当然，在实施本技术时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
173.通过以上的实施方式的描述可知，本领域的技术人员可以清楚地了解到本技术可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解，本技术的技术方案本质上或者说做出创造性贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在存储介质中，如rom/ram、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本技术各个实施例或者实施例的某些部分所述的方法。
174.最后，还需要说明的是，在本文中，诸如第一、第二、第三和第四等之类的关系术语是用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
175.以上所述仅是本技术的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本技术原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本技术的保护范围。