社区内容的探测方法及装置与流程

1.本公开涉及数据处理技术领域，尤其涉及社区内容的探测方法及装置。


背景技术：

2.每当用户打开微店有推荐请求时，系统会根据用户的top-3偏好标签，去获取标签对应的所有需要探测的内容；系统还会获取探测时间过长的内容；然后对内容进行分组，其中，第一组为m个长期未探测完成的内容，根据点击率从高到低排序，第二组为用户的top-3偏好标签对应的内容，根据点击率从高到低排序，在曝光时，优先曝光第一组，当第一组曝光过了或者第一组不存在，再曝光第二组，其中，第一组是随机探测(因为和用户偏好标签不一定匹配)，第二组是精准探测。
3.但这种探测方式，会使得部分标签下的内容探测完成很慢，且大部分成为随机探测，点击率低，即又慢又不准。
4.因此，如何提升社区内容的探测准确率和速度成为亟待解决的问题。


技术实现要素：

5.为克服相关技术中存在的问题，本公开实施例提供社区内容的探测方法及装置。所述技术方案如下：
6.根据本公开实施例的第一方面，提供一种社区内容的探测方法，包括：
7.在接收到当前用户的推荐请求后，获取所述当前用户的第一偏好标签；
8.获取多个在第一预设时长内未完成探测的第一内容标签；
9.获取完成各个第一标签探测还需要的第一流量，以及，在第二预设时长内完成探测所需要的离线的流量预估；所述第一标签为所述第一偏好标签和所述第一内容标签中的标签；
10.将所述第一内容标签作为第一曝光组，并将所述第一组曝光组中的标签按照时间从远到近排序；将所述流量预估小于所述第一流量的标签作为第二曝光组，并将所述第二曝光组中的标签按照时间从远到近排序；将其他偏好标签和其他第一内容标签作为第三曝光组，并将所述第三曝光组中的标签按照点击率从高到低排序；
11.依次曝光每一个曝光组中的各个标签。
12.本公开是关于社区内容的探测方法及装置。该方法包括：在接收到当前用户的推荐请求后，获取当前用户的第一偏好标签；获取多个在第一预设时长内未完成探测的第一内容标签；获取完成各个第一标签探测还需要的第一流量，以及，在第二预设时长内完成探测所需要的离线的流量预估；第一标签为第一偏好标签和第一内容标签中的标签；将第一内容标签作为第一曝光组，并将第一组曝光组中的标签按照时间从远到近排序；将流量预估小于第一流量的标签作为第二曝光组，并将第二曝光组中的标签按照时间从远到近排序；将其他偏好标签和其他第一内容标签作为第三曝光组，并将第三曝光组中的标签按照点击率从高到低排序；依次曝光每一个曝光组中的各个标签。其中，在新内容的探测阶段，
结合不同标签的流量预估，调整探测的优先级，更为合理充分的利用了不同的流量(提高预估流量不足内容的探测优先级)，对流量进行合理的分配，对内容进行快速而准确的曝光，从而很好的权衡了不同品类的探测准确率和探测速度。
13.在一个实施例中，所述获取完成各个第一标签在第二预设时长内完成探测所需要的离线的流量预估，包括：
14.获取不同日期的各个预设历史时间段内各个第二标签的实际曝光次数；所述第二标签中包括所述第一标签；
15.根据各个所述第二标签的实际曝光次数获取所述不同日期的预设历史时间段的流量预估；
16.根据各个所述第二标签在各个所述不同日期的预设历史时间段的流量预估获取各个所述第一标签在所述第二预设时长内完成探测所需要的离线的流量预估。
17.在一个实施例中，所述获取不同日期的各个预设历史时间段内各个第二标签的实际曝光次数，包括：
18.获取所述不同日期的各个预设历史时间段内多个历史用户的前n个偏好标签；
19.获取所述不同日期的各个预设历史时间段内每个所述历史用户的前n个偏好标签中所有所述第二标签对应的全部实际曝光次数；
20.根据所述不同日期的各个预设历史时间段内每个所述历史用户的前n个偏好标签中所有所述第二标签对应的全部实际曝光次数，获取每个所述历史用户的前n个偏好标签中各个所述第二标签对应的实际曝光次数；
21.将相同的所述预设历史时间段内不同的所述历史用户对应的相同的所述第二标签的实际曝光次数之和作为所述预设历史时间段内所述第二标签对应的实际曝光次数。
22.在一个实施例中，所述根据所述不同日期的各个预设历史时间段内每个所述历史用户的前n个偏好标签中所有所述第二标签对应的全部实际曝光次数，获取每个所述历史用户的前n个偏好标签中各个所述第二标签对应的实际曝光次数，包括：
23.将所述不同日期的相同预设历史时间段内每个所述历史用户的前n个偏好标签中所有所述第二标签对应的全部实际曝光次数除以n，获取每个所述历史用户的每个所述第二标签对应的实际曝光次数。
24.在一个实施例中，所述根据各个所述第二标签的实际曝光次数获取所述不同日期的预设历史时间段的流量预估，包括：
25.根据所述不同日期的各个预设历史时间段的权重和各个所述第二标签的实际曝光次数，获取所述不同日期的各个预设历史时间段内各个所述第二标签的理论流量；其中，距离当前时间越接近，权重值越大；
26.根据所述不同日期的各个相同预设历史时间段对应的权重，以及，所述不同日期的各个相同预设历史时间段对应的相同的所述第二标签的理论流量，获取各个所述预设历史时间段对应的各个所述第二标签的流量预估。
27.在一个实施例中，所述获取各个所述预设历史时间段对应的各个所述第二标签的流量预估之后，还包括：
28.获取线上第一预设时间段内各个所述第二标签的实际流量；
29.根据所述流量预估和所述实际流量修正所述第一预设时间段之后的各个所述预
设时间段的流量预估。
30.在一个实施例中，所述根据所述流量预估和所述实际流量修正所述第一预设时间段之后的各个所述预设时间段的流量预估，包括：
31.将所述第一预设时间段内各个所述第二标签对应的差距倍率进行线性拟合，得到回归函数，所述第一预设时间段内各个所述第二标签对应的差距倍率为所述第二标签对应的流量预估和所述第二标签对应的实际流量的比值；
32.根据所述回归函数获取所述第一预设时间段之后的各个预设时间段的修正系数；
33.根据所述第一预设时间段之后的各个所述预设时间段的修正系数修正所述第一预设时间段之后的各个所述预设时间段的流量预估。
34.根据本公开实施例的第二方面，提供一种社区内容的探测装置，包括：
35.第一获取模块，用于在接收到当前用户的推荐请求后，获取所述当前用户的第一偏好标签；
36.第二获取模块，用于获取多个在第一预设时长内未完成探测的第一内容标签；
37.第三获取模块，用于获取完成各个第一标签探测还需要的第一流量，以及，在第二预设时长内完成探测所需要的离线的流量预估；所述第一标签为所述第一偏好标签和所述第一内容标签中的标签；
38.分组模块，用于将所述第一内容标签作为第一曝光组，并将所述第一组曝光组中的标签按照时间从远到近排序；将所述流量预估小于所述第一流量的标签作为第二曝光组，并将所述第二曝光组中的标签按照时间从远到近排序；将其他偏好标签和其他第一内容标签作为第三曝光组，并将所述第三曝光组中的标签按照点击率从高到低排序；
39.曝光模块，用于依次曝光每一个曝光组中的各个标签。
40.根据本公开实施例的第三方面，提供一种社区内容的探测装置，包括：
41.处理器；
42.用于存储处理器可执行指令的存储器；
43.其中，所述处理器被配置为：
44.在接收到当前用户的推荐请求后，获取所述当前用户的第一偏好标签；
45.获取多个在第一预设时长内未完成探测的第一内容标签；
46.获取完成各个第一标签探测还需要的第一流量，以及，在第二预设时长内完成探测所需要的离线的流量预估；所述第一标签为所述第一偏好标签和所述第一内容标签中的标签；
47.将所述第一内容标签作为第一曝光组，并将所述第一组曝光组中的标签按照时间从远到近排序；将所述流量预估小于所述第一流量的标签作为第二曝光组，并将所述第二曝光组中的标签按照时间从远到近排序；将其他偏好标签和其他第一内容标签作为第三曝光组，并将所述第三曝光组中的标签按照点击率从高到低排序；
48.依次曝光每一个曝光组中的各个标签。
49.根据本公开实施例的第四方面，提供一种计算机可读存储介质，其上存储有计算机指令，该指令被处理器执行时实现第一方面中任一项所述方法的步骤。
50.应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
附图说明
51.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。
52.图1是根据一示例性实施例示出的社区内容的探测方法的流程图。
53.图2是根据一示例性实施例示出的社区内容的探测装置的框图。
54.图3是根据一示例性实施例示出的一种用于社区内容的探测装置80的框图。
具体实施方式
55.这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
56.以下为本公开中的名词解释：
57.1.社区内容(feed)，简称“内容”，app中用户创作的图文/视频等帖子。
58.2.内容标签，简称“标签”，内容的分类或者主题，如“棉花娃娃”。简化起见，假设每个社区内容必须打上一个标签。
59.3.用户偏好标签(user tag)，简称偏好标签，根据用户对社区内容的历史点击、分享、点赞等行为，统计出用户对于不同内容标签下内容的偏好。比如一个用户经常点击和转发“棉花娃娃”相关的内容，经过计算，这个用户具有“棉花娃娃”的偏好标签。一个用户可以拥有多个偏好标签。
60.4.内容探测：内容的冷启动，简称探测。用户发布新内容，经过机器审核并且打上标签后，需要一定量的曝光，比如100个曝光，收集其他用户对这个新内容的反馈数据。以便决定此内容是否符合微店的要求。
61.5.精准探测：在新内容的探测过程中，将内容分配给对应偏好标签的人群曝光。比如一个具有“棉花娃娃”标签的内容，曝光给了一个具有“棉花娃娃”偏好标签的用户。
62.6.随机探测：在新内容的探测过程中，将内容分配给无对应偏好标签的人群曝光。比如一个“棉花娃娃”标签的内容，曝光给了一个具有“美食”偏好标签的，且没有“棉花娃娃”偏好标签的用户。
63.现有技术方案包括以下步骤：
64.1.每当有用户有打开微店，有推荐请求时候，根据用户的top-3偏好标签，去获取标签对应的所有需要探测的内容。比如：一个具有“棉花娃娃”、“美食”、“电影”偏好的用户有推荐请求，系统会根据这三个内容的标签，去匹配需要探测的内容，如匹配了x个“棉花娃娃”，y个“美食”，和z个“电影”标签的新内容。
65.2.系统还会获取探测时间过长的内容，即新内容产生后超过24个小时还没完成探测的内容。比如：获取m个长时间没有探测完成的内容，这些内容的标签和用户偏好标签不一定能匹配上，可能是“二次元”。
66.3.分组排序和曝光：
67.第一组：m个长期未探测完成的内容，根据点击率从高到低排序。
68.第二组：x个棉花娃娃，y个美食，和z个电影标签的内容，根据点击率从高到低排
序。
69.曝光时，优先曝光第一组，当第一组曝光过了(同一个用户不重复曝光相同的内容)或者第一组不存在(已经完成探测)，再曝光第二组。
70.第一组大概率是随机探测(因为和用户偏好标签不一定匹配)，第二组是精准探测。
71.但该方案，不同品类之间的点击率差距较大，比如当电影标签的内容点击率较低，曝光的较慢。超过时间后，就成为长时间未曝光的内容(第一组)。当下一个用户有推荐请求的时候，被曝光的用户很可能没有“电影”的标签，成为了随机探测。也就是说，这种探测方式，会使得部分标签下的内容探测完成很慢，且大部分成为随机探测，点击率低，即又慢又不准。
72.为解决上述技术问题，本公开提出以下技术方案。
73.图1是根据一示例性实施例示出的社区内容的探测方法的流程图，如图1所示，包括以下步骤s101-s105：
74.在步骤s101中，在接收到当前用户的推荐请求后，获取当前用户的第一偏好标签对应的探测内容；
75.每当有用户有打开微店，有推荐请求时候，根据用户的top-3偏好标签(也即，上述的第一偏好标签)，去获取第一偏好标签对应的所有需要探测的内容。比如：一个具有“棉花娃娃”、“美食”、“电影”偏好的用户有推荐请求，系统会根据这三个内容的第一偏好标签，去匹配需要探测的内容，如匹配了x个“棉花娃娃”，y个“美食”，和z个“电影”标签的新内容。
76.在步骤s102中，获取多个在第一预设时长内未完成探测的第一内容标签；
77.系统还会获取探测时间过长的内容，即新内容生产后超过第一预设时长还没完成探测的内容。比如：获取m个超过24小时没有探测完成的内容，这些内容的标签和用户偏好标签不一定能匹配上，可能是“二次元”。
78.在步骤s103中，获取完成各个第一标签探测还需要的第一流量，以及，在第二预设时长内完成探测所需要的离线的流量预估；第一标签为第一偏好标签和第一内容标签中的标签；
79.流量预估指的是：预估未来有多少用户曝光内容量，本公开中的流量预估，可以分小时预估流量，比如凌晨的流量很小，也可以分工作日/非工作日预估流量。
80.步骤s103可以通过表1示例的方式来体现，其中，已经探测的流量可以根据实时曝光数据计算得到，而每个内容需曝光100次才算完成探测，因此“棉花娃娃”完成探测还需流量＝100*x-x2，流量预估是根据流量预估的表(下述实施例中的表5)，统计未来12个小时不同第一标签的流量预估。即当前小时h下预估的棉花娃娃流量+下一个小时预估流量+
……
+第12个小时的预估流量。
81.表1
82.在步骤s104中，将第一内容标签作为第一曝光组，并将第一组曝光组中的标签按照时间从远到近排序；将流量预估小于第一流量的标签作为第二曝光组，并将第二曝光组中的标签按照时间从远到近排序；将其他偏好标签和其他第一内容标签作为第三曝光组，并将第三曝光组中的标签按照点击率从高到低排序；
83.继续按照上述的表1的例子，通过比较每个第一标签还需要多少流量完成探测和流量预估，可以得到哪些第一标签的预估流量不足。假设只有z3》z4,即只有“电影”标签下的内容流量不足。那么分组如下：
84.第一组：m个长期未探测完成的内容，根据内容生产的时间从远到近排序。
85.第二组：流量不足的组，即z个电影标签的内容，根据内容生产的时间从远到近排序。
86.第三组：x个棉花娃娃，y个美食的内容，根据点击率从高到低排序。
87.在步骤s105中，依次曝光每一个曝光组中的各个标签。
88.曝光时，优先曝光第一组，当第一组曝光过了或者第一组不存在，再曝光第二组。当第二组曝光过了或者第一组不存在，再曝光第三组。
89.实际上，这种方案上线后，第二组流量不足的内容会加速曝光，很难转换到第一组长时间未探测完成中。
90.最终，通过提高流量预估不足的组排序优先级，和组内排序的逻辑(从点击率排序，修改为生产时间排序)很好的权衡了不同标签下内容曝光的速度和效果，提高了探测中精准探测的占比和点击率。
91.本公开中的方案，在进行探测时候结合流量预估，更为合理充分的利用了不同的流量(提高预估流量不足内容的探测优先级)，很好的权衡了不同品类的探测准确率和探测速度。
92.在一个实施例中，上述步骤s103中获取完成各个第一标签在第二预设时长内完成探测所需要的离线的流量预估，包括以下子步骤a1-a3：
93.a1、获取不同日期的各个预设历史时间段内各个第二标签的实际曝光次数；第二标签中包括第一标签；
94.可以将每天划分为不同的时间段，例如：按小时划分，示例的：可以获取6月3日，13:00～14:00中，对应的第二标签的实际曝光次数，14:00～15:00中，对应的第二标签的实际曝光次数等，获取6月4日，13:00～14:00中，对应的第二标签的实际曝光次数，14:00～15:00中，对应的第二标签的实际曝光次数等；获取6月5日，13:00～14:00中，对应的第二标签的实际曝光次数，14:00～15:00中，对应的第二标签的实际曝光次数等。
95.该流量预估也可以称之为离线小时预估流量，在一个实施例中，上述步骤a1包括以下子步骤a11-a14：
96.a11、获取不同日期的各个预设历史时间段内多个历史用户的前n个偏好标签；
97.a12、获取不同日期的各个预设历史时间段内每个历史用户的前n个偏好标签中所有第二标签对应的全部实际曝光次数；
98.示例的，历史用户的前n个偏好标签可以为top-3偏好标签，假设有历史用户x、y和z，表2为过去m个工作日中其中一天的偏好标签的全部实际曝光次数。
99.表2
100.用户top-3偏好实际曝光内容数x棉花娃娃，美食，追星20y美食，追星，二次元10z二次元，棉花娃娃，美食30
101.a13、根据不同日期的各个预设历史时间段内每个历史用户的前n个偏好标签中所有第二标签对应的全部实际曝光次数，获取每个历史用户的前n个偏好标签中各个第二标签对应的实际曝光次数；
102.在一个实施例中，步骤a13包括以下子步骤：
103.将不同日期的相同预设历史时间段内每个历史用户的前n个偏好标签中所有第二标签对应的全部实际曝光次数除以n，获取每个历史用户的每个第二标签对应的实际曝光次数。
104.假设历史用户有3个偏好，那么预估的流量可以平均分配给这个3个第二标签，这也称之为不同第二标签的流量预估。
105.继续按照表1，对于用户x，棉花娃娃，美食和追星的实际曝光次数均为20/3，对比用户y，美食，追星和二次元的实际曝光次数均为10/3，对于用户z，二次元，棉花娃娃和美食的实际曝光次数均为30/3。
106.a14、将相同的预设历史时间段内不同的历史用户对应的相同的第二标签的实际曝光次数之和作为预设历史时间段内第二标签对应的实际曝光次数。
107.继续按照表1，将实际曝光次数平均分配给不同的第二标签，那么得到：
108.棉花娃娃＝用户x曝光20/3+用户z曝光30/3＝16.7；
109.美食＝用户x曝光20/3+用户y曝光10/3+用户z曝光30/3＝20；
110.其他的第二标签的实际曝光次数与上述计算类似，此处不再赘述。
111.通过这种方式，可以统计出过去m天每个小时内，各个第二标签的流量数量。
112.a2、根据各个第二标签的实际曝光次数获取不同日期的预设历史时间段的流量预估；
113.可以结合最近几天预估流量，时间距离越近权重越高，比如最近可能某类内容处
于上升期，具体的，步骤a2包括以下子步骤a21-a22：
114.a21、根据不同日期的各个预设历史时间段的权重和各个第二标签的实际曝光次数，获取不同日期的各个预设历史时间段内各个第二标签的理论流量；其中，距离当前时间越接近，权重值越大；
115.a22、根据不同日期的各个相同预设历史时间段对应的权重，以及，不同日期的各个相同预设历史时间段对应的相同的第二标签的理论流量，获取各个预设历史时间段对应的各个第二标签的流量预估。
116.按每天距今的远近进行加权，为简化起见，只列出一个第二标签某个小时的流量预估过程，其他的第二标签计算方式相同。假设“美食”在13～14点的流量预估，并且m天简化为5天，可以进行加权处理，距离越近的天数权重越高，以表3为例，在表3中，以1/log(距今天数+5,10)作为计算权重的公式。
117.表3
[0118][0119][0120]
在表2中，预估流量之前，还会进行异常处理，比如双十一的数据，或者某个明星的活动，会导致流量异常，因此需要排除低于或者高于平均值阈值25％的某天数据，比如距今四天时，流量只有60，低于阈值，在预估的时候抛弃当天数据，只计算剩下的天数的平均值，在计算时，流量预估＝加权流量和/权重和＝487.27/4.5757＝106.5。
[0121]
在一个实施例中，在得到了各个第二标签的流量预估后，还需要对预估的流量进行线上矫正，具体包括以下子步骤b1-b2：
[0122]
b1、获取第一预设时间段内各个第二标签的实际流量；
[0123]
b2、根据流量预估和实际流量修正第一预设时间段之后的各个预设时间段的流量预估。
[0124]
具体的，步骤b2包括以下子步骤b21-b23：
[0125]
b21、将第一预设时间段内各个第二标签对应的差距倍率进行线性拟合，得到回归
函数，第一预设时间段内各个第二标签对应的差距倍率为第二标签对应的流量预估和第二标签对应的实际流量的比值；
[0126]
b22、根据回归函数获取第一预设时间段之后的各个预设时间段的修正系数；
[0127]
b23、根据第一预设时间段之后的各个预设时间段的修正系数修正第一预设时间段之后的各个预设时间段的流量预估。
[0128]
线上矫正主要应对异常流量的情况。比如当天有棉花娃娃开售，涌入了大量“棉花娃娃”的偏好用户。这种情况下，离线评估并没有考虑到，需要用线上数据进行矫正，算法如下：
[0129]
每个小时都进行计算，最近x个小时的实际流量和预估流量的差距，去修正之后y小时后的预估流量。为了简化起见，假设x＝3，y＝2。下表4的例子中，根据h1～h3的实际流量，去预估h4和h5的流量。
[0130]
表4
[0131][0132]
对差距倍率(差距倍率＝实际流量/预估流量)进行线性拟合，例子中拟合出来的回归函数，是y＝1+x*0.1(x代表从1开始算的小时，y代表差距倍数)。根据回归函数输出未来n个小时的修正系数。具体计算出后续的差距倍率是1.4和1.5。
[0133]
通过这种线上矫正方式，可以捕捉短期内的流量变化情况，使得流量预估的准确性得到提高。
[0134]
a3、根据各个第二标签在各个不同日期的预设历史时间段的流量预估获取各个第一标签在第二预设时长内完成探测所需要的离线的流量预估。
[0135]
由于得到了各个第二标签在各个不同日期的预设历史时间段的流量预估，如果需要的只是其中的某个时间段或某个标签，可以从中进行选择，以得到各个第一标签在第二预设时长内完成探测所需要的离线的流量预估。
[0136]
得到的各个第二标签在各个不同日期的预设历史时间段的流量预估可以如表5所示：
[0137]
表5
[0138]
标签时间工作日流量预估非工作日流量预估棉花娃娃0时100110棉花娃娃1时120120棉花娃娃
………………
棉花娃娃24小时300400美食0时3038美食1时5060美食
………………
美食24小时100150其他标签略
………………
[0139]
旧方案完全没有考虑不同标签的流量预估，本方案提出了一种考虑离线统计和线上实际流量矫正，并对异常值处理的流量预估方案。
[0140]
进一步的，本公开中的方案分标签、分小时、分工作日/非工作日统计流量预估，并根据最近的线上流量波动对离线预估进行矫正，而在新内容的探测阶段，结合不同标签的流量预估，调整探测的优先级，对流量进行合理的分配，对内容进行快速而准确的曝光。
[0141]
本公开是关于社区内容的探测方法及装置。该方法包括：在接收到当前用户的推荐请求后，获取当前用户的第一偏好标签；获取多个在第一预设时长内未完成探测的第一内容标签；获取完成各个第一标签探测还需要的第一流量，以及，在第二预设时长内完成探测所需要的离线的流量预估；第一标签为第一偏好标签和第一内容标签中的标签；将第一内容标签作为第一曝光组，并将第一组曝光组中的标签按照时间从远到近排序；将流量预估小于第一流量的标签作为第二曝光组，并将第二曝光组中的标签按照时间从远到近排序；将其他偏好标签和其他第一内容标签作为第三曝光组，并将第三曝光组中的标签按照点击率从高到低排序；依次曝光每一个曝光组中的各个标签。其中，在新内容的探测阶段，结合不同标签的流量预估，调整探测的优先级，更为合理充分的利用了不同的流量(提高预估流量不足内容的探测优先级)，对流量进行合理的分配，对内容进行快速而准确的曝光，从而很好的权衡了不同品类的探测准确率和探测速度。
[0142]
下述为本公开装置实施例，可以用于执行本公开方法实施例。
[0143]
图2是根据一示例性实施例示出的一种社区内容的探测装置的框图，该装置可以通过软件、硬件或者两者的结合实现成为电子设备的部分或者全部。如图2所示，该社区内容的探测装置包括：
[0144]
第一获取模块11，用于在接收到当前用户的推荐请求后，获取所述当前用户的第一偏好标签；
[0145]
第二获取模块12，用于获取多个在第一预设时长内未完成探测的第一内容标签；
[0146]
第三获取模块13，用于获取完成各个第一标签探测还需要的第一流量，以及，在第二预设时长内完成探测所需要的离线的流量预估；所述第一标签为所述第一偏好标签和所述第一内容标签中的标签；
[0147]
分组模块14，用于将所述第一内容标签作为第一曝光组，并将所述第一组曝光组中的标签按照时间从远到近排序；将所述流量预估小于所述第一流量的标签作为第二曝光组，并将所述第二曝光组中的标签按照时间从远到近排序；将其他偏好标签和其他第一内
容标签作为第三曝光组，并将所述第三曝光组中的标签按照点击率从高到低排序；
[0148]
曝光模块15，用于依次曝光每一个曝光组中的各个标签。
[0149]
在一个实施例中，所述第三获取模块13，包括：
[0150]
第一获取子模块，用于获取不同日期的各个预设历史时间段内各个第二标签的实际曝光次数；所述第二标签中包括所述第一标签；
[0151]
第二获取子模块，用于根据各个所述第二标签的实际曝光次数获取所述不同日期的预设历史时间段的流量预估；
[0152]
第三获取子模块，用于根据各个所述第二标签在各个所述不同日期的预设历史时间段的流量预估获取各个所述第一标签在所述第二预设时长内完成探测所需要的离线的流量预估。
[0153]
在一个实施例中，所述第一获取子模块，包括：
[0154]
第一获取子单元，用于获取所述不同日期的各个预设历史时间段内多个历史用户的前n个偏好标签；
[0155]
第二获取子单元，用于获取所述不同日期的各个预设历史时间段内每个所述历史用户的前n个偏好标签中所有所述第二标签对应的全部实际曝光次数；
[0156]
第三获取子单元，用于根据所述不同日期的各个预设历史时间段内每个所述历史用户的前n个偏好标签中所有所述第二标签对应的全部实际曝光次数，获取每个所述历史用户的前n个偏好标签中各个所述第二标签对应的实际曝光次数；
[0157]
第四获取子单元，用于将相同的所述预设历史时间段内不同的所述历史用户对应的相同的所述第二标签的实际曝光次数之和作为所述预设历史时间段内所述第二标签对应的实际曝光次数。
[0158]
在一个实施例中，所述第三获取子单元，具体用于：
[0159]
将所述不同日期的相同预设历史时间段内每个所述历史用户的前n个偏好标签中所有所述第二标签对应的全部实际曝光次数除以n，获取每个所述历史用户的每个所述第二标签对应的实际曝光次数。
[0160]
在一个实施例中，所述第二获取子模块，包括：
[0161]
第五获取子单元，用于根据所述不同日期的各个预设历史时间段的权重和各个所述第二标签的实际曝光次数，获取所述不同日期的各个预设历史时间段内各个所述第二标签的理论流量；其中，距离当前时间越接近，权重值越大；
[0162]
第六获取子单元，用于根据所述不同日期的各个相同预设历史时间段对应的权重，以及，所述不同日期的各个相同预设历史时间段对应的相同的所述第二标签的理论流量，获取各个所述预设历史时间段对应的各个所述第二标签的流量预估。
[0163]
在一个实施例中，所述装置还包括：
[0164]
第七获取子单元，用于在所述第六获取子单元获取各个所述预设历史时间段对应的各个所述第二标签的流量预估之后，获取线上第一预设时间段内各个所述第二标签的实际流量；
[0165]
修正子单元，用于根据所述流量预估和所述实际流量修正所述第一预设时间段之后的各个所述预设时间段的流量预估。
[0166]
在一个实施例中，修正子单元，包括：
[0167]
第八获取子单元，用于将所述第一预设时间段内各个所述第二标签对应的差距倍率进行线性拟合，得到回归函数，所述第一预设时间段内各个所述第二标签对应的差距倍率为所述第二标签对应的流量预估和所述第二标签对应的实际流量的比值；
[0168]
第九获取子单元，用于根据所述回归函数获取所述第一预设时间段之后的各个预设时间段的修正系数；
[0169]
修正子单元，用于根据所述第一预设时间段之后的各个所述预设时间段的修正系数修正所述第一预设时间段之后的各个所述预设时间段的流量预估。
[0170]
根据本公开实施例的第三方面，提供一种社区内容的探测装置，包括：
[0171]
处理器；
[0172]
用于存储处理器可执行指令的存储器；
[0173]
其中，处理器被配置为：
[0174]
在接收到当前用户的推荐请求后，获取所述当前用户的第一偏好标签；
[0175]
获取多个在第一预设时长内未完成探测的第一内容标签；
[0176]
获取完成各个第一标签探测还需要的第一流量，以及，在第二预设时长内完成探测所需要的离线的流量预估；所述第一标签为所述第一偏好标签和所述第一内容标签中的标签；
[0177]
将所述第一内容标签作为第一曝光组，并将所述第一组曝光组中的标签按照时间从远到近排序；将所述流量预估小于所述第一流量的标签作为第二曝光组，并将所述第二曝光组中的标签按照时间从远到近排序；将其他偏好标签和其他第一内容标签作为第三曝光组，并将所述第三曝光组中的标签按照点击率从高到低排序；
[0178]
依次曝光每一个曝光组中的各个标签。
[0179]
上述处理器还可被配置为：
[0180]
在一个实施例中，所述获取完成各个第一标签在第二预设时长内完成探测所需要的离线的流量预估，包括：
[0181]
获取不同日期的各个预设历史时间段内各个第二标签的实际曝光次数；所述第二标签中包括所述第一标签；
[0182]
根据各个所述第二标签的实际曝光次数获取所述不同日期的预设历史时间段的流量预估；
[0183]
根据各个所述第二标签在各个所述不同日期的预设历史时间段的流量预估获取各个所述第一标签在所述第二预设时长内完成探测所需要的离线的流量预估。
[0184]
在一个实施例中，所述获取不同日期的各个预设历史时间段内各个第二标签的实际曝光次数，包括：
[0185]
获取所述不同日期的各个预设历史时间段内多个历史用户的前n个偏好标签；
[0186]
获取所述不同日期的各个预设历史时间段内每个所述历史用户的前n个偏好标签中所有所述第二标签对应的全部实际曝光次数；
[0187]
根据所述不同日期的各个预设历史时间段内每个所述历史用户的前n个偏好标签中所有所述第二标签对应的全部实际曝光次数，获取每个所述历史用户的前n个偏好标签中各个所述第二标签对应的实际曝光次数；
[0188]
将相同的所述预设历史时间段内不同的所述历史用户对应的相同的所述第二标
签的实际曝光次数之和作为所述预设历史时间段内所述第二标签对应的实际曝光次数。
[0189]
在一个实施例中，所述根据所述不同日期的各个预设历史时间段内每个所述历史用户的前n个偏好标签中所有所述第二标签对应的全部实际曝光次数，获取每个所述历史用户的前n个偏好标签中各个所述第二标签对应的实际曝光次数，包括：
[0190]
将所述不同日期的相同预设历史时间段内每个所述历史用户的前n个偏好标签中所有所述第二标签对应的全部实际曝光次数除以n，获取每个所述历史用户的每个所述第二标签对应的实际曝光次数。
[0191]
在一个实施例中，所述根据各个所述第二标签的实际曝光次数获取所述不同日期的预设历史时间段的流量预估，包括：
[0192]
根据所述不同日期的各个预设历史时间段的权重和各个所述第二标签的实际曝光次数，获取所述不同日期的各个预设历史时间段内各个所述第二标签的理论流量；其中，距离当前时间越接近，权重值越大；
[0193]
根据所述不同日期的各个相同预设历史时间段对应的权重，以及，所述不同日期的各个相同预设历史时间段对应的相同的所述第二标签的理论流量，获取各个所述预设历史时间段对应的各个所述第二标签的流量预估。
[0194]
在一个实施例中，所述获取各个所述预设历史时间段对应的各个所述第二标签的流量预估之后，还包括：
[0195]
获取线上第一预设时间段内各个所述第二标签的实际流量；
[0196]
根据所述流量预估和所述实际流量修正所述第一预设时间段之后的各个所述预设时间段的流量预估。
[0197]
在一个实施例中，所述根据所述流量预估和所述实际流量修正所述第一预设时间段之后的各个所述预设时间段的流量预估，包括：
[0198]
将所述第一预设时间段内各个所述第二标签对应的差距倍率进行线性拟合，得到回归函数，所述第一预设时间段内各个所述第二标签对应的差距倍率为所述第二标签对应的流量预估和所述第二标签对应的实际流量的比值；
[0199]
根据所述回归函数获取所述第一预设时间段之后的各个预设时间段的修正系数；
[0200]
根据所述第一预设时间段之后的各个所述预设时间段的修正系数修正所述第一预设时间段之后的各个所述预设时间段的流量预估。
[0201]
关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
[0202]
图3是根据一示例性实施例示出的一种用于社区内容的探测装置80的框图，该装置适用于终端设备。例如，装置80可以是移动电话，计算机，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理等。
[0203]
装置80可以包括以下一个或多个组件：处理组件802，存储器804，电源组件806，多媒体组件808，音频组件810，输入/输出(i/o)的接口812，传感器组件814，以及通信组件816。
[0204]
处理组件802通常控制装置80的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理组件802可以包括一个或多个处理器820来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件802可以包括一个或多个模块，便于
处理组件802和其他组件之间的交互。例如，处理组件802可以包括多媒体模块，以方便多媒体组件808和处理组件802之间的交互。
[0205]
存储器804被配置为存储各种类型的数据以支持在装置80的操作。这些数据的示例包括用于在装置80上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器804可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(sram)，电可擦除可编程只读存储器(eeprom)，可擦除可编程只读存储器(eprom)，可编程只读存储器(prom)，只读存储器(rom)，磁存储器，快闪存储器，磁盘或光盘。
[0206]
电源组件806为装置80的各种组件提供电力。电源组件806可以包括电源管理系统，一个或多个电源，及其他与为装置80生成、管理和分配电力相关联的组件。
[0207]
多媒体组件808包括在所述装置80和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(lcd)和触摸面板(tp)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件808包括一个前置摄像头和/或后置摄像头。当装置80处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
[0208]
音频组件810被配置为输出和/或输入音频信号。例如，音频组件810包括一个麦克风(mic)，当装置80处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器804或经由通信组件816发送。在一些实施例中，音频组件810还包括一个扬声器，用于输出音频信号。
[0209]
i/o接口812为处理组件802和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。
[0210]
传感器组件814包括一个或多个传感器，用于为装置80提供各个方面的状态评估。例如，传感器组件814可以检测到装置80的打开/关闭状态，组件的相对定位，例如所述组件为装置80的显示器和小键盘，传感器组件814还可以检测装置80或装置80一个组件的位置改变，用户与装置80接触的存在或不存在，装置80方位或加速/减速和装置80的温度变化。传感器组件814可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件814还可以包括光传感器，如cmos或ccd图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件814还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。
[0211]
通信组件816被配置为便于装置80和其他设备之间有线或无线方式的通信。装置80可以接入基于通信标准的无线网络，如wifi，2g或3g，或它们的组合。在一个示例性实施例中，通信组件816经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信组件816还包括近场通信(nfc)模块，以促进短程通信。例如，在nfc模块可基于射频识别(rfid)技术，红外数据协会(irda)技术，超宽带(uwb)技术，蓝牙(bt)技术和其他技术来实现。
[0212]
在示例性实施例中，装置80可以被一个或多个应用专用集成电路(asic)、数字信号处理器(dsp)、数字信号处理设备(dspd)、可编程逻辑器件(pld)、现场可编程门阵列(fpga)、控制器、微控制器、微处理器或其他电子组件实现，用于执行上述方法。
[0213]
在示例性实施例中，还提供了一种包括指令的非临时性计算机可读存储介质，例如包括指令的存储器804，上述指令可由装置80的处理器820执行以完成上述方法。例如，所述非临时性计算机可读存储介质可以是rom、随机存取存储器(ram)、cd-rom、磁带、软盘和光数据存储设备等。
[0214]
一种非临时性计算机可读存储介质，当所述存储介质中的指令由装置80的处理器执行时，使得装置80能够执行上述的社区内容的探测方法，所述方法包括：
[0215]
在接收到当前用户的推荐请求后，获取所述当前用户的第一偏好标签；
[0216]
获取多个在第一预设时长内未完成探测的第一内容标签；
[0217]
获取完成各个第一标签探测还需要的第一流量，以及，在第二预设时长内完成探测所需要的离线的流量预估；所述第一标签为所述第一偏好标签和所述第一内容标签中的标签；
[0218]
将所述第一内容标签作为第一曝光组，并将所述第一组曝光组中的标签按照时间从远到近排序；将所述流量预估小于所述第一流量的标签作为第二曝光组，并将所述第二曝光组中的标签按照时间从远到近排序；将其他偏好标签和其他第一内容标签作为第三曝光组，并将所述第三曝光组中的标签按照点击率从高到低排序；
[0219]
依次曝光每一个曝光组中的各个标签。
[0220]
在一个实施例中，所述获取完成各个第一标签在第二预设时长内完成探测所需要的离线的流量预估，包括：
[0221]
获取不同日期的各个预设历史时间段内各个第二标签的实际曝光次数；所述第二标签中包括所述第一标签；
[0222]
根据各个所述第二标签的实际曝光次数获取所述不同日期的预设历史时间段的流量预估；
[0223]
根据各个所述第二标签在各个所述不同日期的预设历史时间段的流量预估获取各个所述第一标签在所述第二预设时长内完成探测所需要的离线的流量预估。
[0224]
在一个实施例中，所述获取不同日期的各个预设历史时间段内各个第二标签的实际曝光次数，包括：
[0225]
获取所述不同日期的各个预设历史时间段内多个历史用户的前n个偏好标签；
[0226]
获取所述不同日期的各个预设历史时间段内每个所述历史用户的前n个偏好标签中所有所述第二标签对应的全部实际曝光次数；
[0227]
根据所述不同日期的各个预设历史时间段内每个所述历史用户的前n个偏好标签中所有所述第二标签对应的全部实际曝光次数，获取每个所述历史用户的前n个偏好标签中各个所述第二标签对应的实际曝光次数；
[0228]
将相同的所述预设历史时间段内不同的所述历史用户对应的相同的所述第二标签的实际曝光次数之和作为所述预设历史时间段内所述第二标签对应的实际曝光次数。
[0229]
在一个实施例中，所述根据所述不同日期的各个预设历史时间段内每个所述历史用户的前n个偏好标签中所有所述第二标签对应的全部实际曝光次数，获取每个所述历史
用户的前n个偏好标签中各个所述第二标签对应的实际曝光次数，包括：
[0230]
将所述不同日期的相同预设历史时间段内每个所述历史用户的前n个偏好标签中所有所述第二标签对应的全部实际曝光次数除以n，获取每个所述历史用户的每个所述第二标签对应的实际曝光次数。
[0231]
在一个实施例中，所述根据各个所述第二标签的实际曝光次数获取所述不同日期的预设历史时间段的流量预估，包括：
[0232]
根据所述不同日期的各个预设历史时间段的权重和各个所述第二标签的实际曝光次数，获取所述不同日期的各个预设历史时间段内各个所述第二标签的理论流量；其中，距离当前时间越接近，权重值越大；
[0233]
根据所述不同日期的各个相同预设历史时间段对应的权重，以及，所述不同日期的各个相同预设历史时间段对应的相同的所述第二标签的理论流量，获取各个所述预设历史时间段对应的各个所述第二标签的流量预估。
[0234]
在一个实施例中，所述获取各个所述预设历史时间段对应的各个所述第二标签的流量预估之后，还包括：
[0235]
获取线上第一预设时间段内各个所述第二标签的实际流量；
[0236]
根据所述流量预估和所述实际流量修正所述第一预设时间段之后的各个所述预设时间段的流量预估。
[0237]
在一个实施例中，所述根据所述流量预估和所述实际流量修正所述第一预设时间段之后的各个所述预设时间段的流量预估，包括：
[0238]
将所述第一预设时间段内各个所述第二标签对应的差距倍率进行线性拟合，得到回归函数，所述第一预设时间段内各个所述第二标签对应的差距倍率为所述第二标签对应的流量预估和所述第二标签对应的实际流量的比值；
[0239]
根据所述回归函数获取所述第一预设时间段之后的各个预设时间段的修正系数；
[0240]
根据所述第一预设时间段之后的各个所述预设时间段的修正系数修正所述第一预设时间段之后的各个所述预设时间段的流量预估。
[0241]
本领域技术人员在考虑说明书及实践这里公开的公开后，将容易想到本公开的其它实施方案。本技术旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的权利要求指出。
[0242]
应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。

技术特征：
1.一种社区内容的探测方法，其特征在于，包括：在接收到当前用户的推荐请求后，获取所述当前用户的第一偏好标签；获取多个在第一预设时长内未完成探测的第一内容标签；获取完成各个第一标签探测还需要的第一流量，以及，在第二预设时长内完成探测所需要的离线的流量预估；所述第一标签为所述第一偏好标签和所述第一内容标签中的标签；将所述第一内容标签作为第一曝光组，并将所述第一组曝光组中的标签按照时间从远到近排序；将所述流量预估小于所述第一流量的标签作为第二曝光组，并将所述第二曝光组中的标签按照时间从远到近排序；将其他偏好标签和其他第一内容标签作为第三曝光组，并将所述第三曝光组中的标签按照点击率从高到低排序；依次曝光每一个曝光组中的各个标签。2.根据权利要求1所述的方法，其特征在于，所述获取完成各个第一标签在第二预设时长内完成探测所需要的离线的流量预估，包括：获取不同日期的各个预设历史时间段内各个第二标签的实际曝光次数；所述第二标签中包括所述第一标签；根据各个所述第二标签的实际曝光次数获取所述不同日期的预设历史时间段的流量预估；根据各个所述第二标签在各个所述不同日期的预设历史时间段的流量预估获取各个所述第一标签在所述第二预设时长内完成探测所需要的离线的流量预估。3.根据权利要求2所述的方法，其特征在于，所述获取不同日期的各个预设历史时间段内各个第二标签的实际曝光次数，包括：获取所述不同日期的各个预设历史时间段内多个历史用户的前n个偏好标签；获取所述不同日期的各个预设历史时间段内每个所述历史用户的前n个偏好标签中所有所述第二标签对应的全部实际曝光次数；根据所述不同日期的各个预设历史时间段内每个所述历史用户的前n个偏好标签中所有所述第二标签对应的全部实际曝光次数，获取每个所述历史用户的前n个偏好标签中各个所述第二标签对应的实际曝光次数；将相同的所述预设历史时间段内不同的所述历史用户对应的相同的所述第二标签的实际曝光次数之和作为所述预设历史时间段内所述第二标签对应的实际曝光次数。4.根据权利要求3所述的方法，其特征在于，所述根据所述不同日期的各个预设历史时间段内每个所述历史用户的前n个偏好标签中所有所述第二标签对应的全部实际曝光次数，获取每个所述历史用户的前n个偏好标签中各个所述第二标签对应的实际曝光次数，包括：将所述不同日期的相同预设历史时间段内每个所述历史用户的前n个偏好标签中所有所述第二标签对应的全部实际曝光次数除以n，获取每个所述历史用户的每个所述第二标签对应的实际曝光次数。5.根据权利要求2所述的方法，其特征在于，所述根据各个所述第二标签的实际曝光次数获取所述不同日期的预设历史时间段的流量预估，包括：根据所述不同日期的各个预设历史时间段的权重和各个所述第二标签的实际曝光次
数，获取所述不同日期的各个预设历史时间段内各个所述第二标签的理论流量；其中，距离当前时间越接近，权重值越大；根据所述不同日期的各个相同预设历史时间段对应的权重，以及，所述不同日期的各个相同预设历史时间段对应的相同的所述第二标签的理论流量，获取各个所述预设历史时间段对应的各个所述第二标签的流量预估。6.根据权利要求5所述的方法，其特征在于，所述获取各个所述预设历史时间段对应的各个所述第二标签的流量预估之后，还包括：获取线上第一预设时间段内各个所述第二标签的实际流量；根据所述流量预估和所述实际流量修正所述第一预设时间段之后的各个所述预设时间段的流量预估。7.根据权利要求6所述的方法，其特征在于，所述根据所述流量预估和所述实际流量修正所述第一预设时间段之后的各个所述预设时间段的流量预估，包括：将所述第一预设时间段内各个所述第二标签对应的差距倍率进行线性拟合，得到回归函数，所述第一预设时间段内各个所述第二标签对应的差距倍率为所述第二标签对应的流量预估和所述第二标签对应的实际流量的比值；根据所述回归函数获取所述第一预设时间段之后的各个预设时间段的修正系数；根据所述第一预设时间段之后的各个所述预设时间段的修正系数修正所述第一预设时间段之后的各个所述预设时间段的流量预估。8.一种社区内容的探测装置，其特征在于，包括：第一获取模块，用于在接收到当前用户的推荐请求后，获取所述当前用户的第一偏好标签；第二获取模块，用于获取多个在第一预设时长内未完成探测的第一内容标签；第三获取模块，用于获取完成各个第一标签探测还需要的第一流量，以及，在第二预设时长内完成探测所需要的离线的流量预估；所述第一标签为所述第一偏好标签和所述第一内容标签中的标签；分组模块，用于将所述第一内容标签作为第一曝光组，并将所述第一组曝光组中的标签按照时间从远到近排序；将所述流量预估小于所述第一流量的标签作为第二曝光组，并将所述第二曝光组中的标签按照时间从远到近排序；将其他偏好标签和其他第一内容标签作为第三曝光组，并将所述第三曝光组中的标签按照点击率从高到低排序；曝光模块，用于依次曝光每一个曝光组中的各个标签。9.一种社区内容的探测装置，其特征在于，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为：在接收到当前用户的推荐请求后，获取所述当前用户的第一偏好标签；获取多个在第一预设时长内未完成探测的第一内容标签；获取完成各个第一标签探测还需要的第一流量，以及，在第二预设时长内完成探测所需要的离线的流量预估；所述第一标签为所述第一偏好标签和所述第一内容标签中的标签；
将所述第一内容标签作为第一曝光组，并将所述第一组曝光组中的标签按照时间从远到近排序；将所述流量预估小于所述第一流量的标签作为第二曝光组，并将所述第二曝光组中的标签按照时间从远到近排序；将其他偏好标签和其他第一内容标签作为第三曝光组，并将所述第三曝光组中的标签按照点击率从高到低排序；依次曝光每一个曝光组中的各个标签。10.一种计算机可读存储介质，其上存储有计算机指令，其特征在于，该指令被处理器执行时实现权利要求1至7中任一项所述方法的步骤。

技术总结
本公开是关于社区内容的探测方法及装置。该方法包括：在接收到当前用户的推荐请求后，获取当前用户的第一偏好标签；获取多个在第一预设时长内未完成探测的第一内容标签；获取完成各个第一标签探测还需要的第一流量，以及，在第二预设时长内完成探测所需要的离线的流量预估；第一标签为第一偏好标签和第一内容标签中的标签；将第一内容标签作为第一曝光组，并将第一组曝光组中的标签按照时间从远到近排序；将流量预估小于第一流量的标签作为第二曝光组，并将第二曝光组中的标签按照时间从远到近排序；将其他偏好标签和其他第一内容标签作为第三曝光组，并将第三曝光组中的标签按照点击率从高到低排序；依次曝光每一个曝光组中的各个标签。的各个标签。的各个标签。


技术研发人员：肖宇涵
受保护的技术使用者：无线生活（杭州）信息科技有限公司
技术研发日：2023.06.21
技术公布日：2023/10/6