一种内容推送方法

暂无

一种内容推送方法\n技术领域\n[0001] 本申请涉及信息技术领域，尤其涉及一种内容推送方法及装置。\n背景技术\n[0002] 随着互联网的发展，智能电视的应用越来越广泛，在智能家居中扮演着非常重要的角色。通常，除了用户主动选择视频节目之外，智能电视还可以向用户推送一些视频节目或者广告，例如热点内容等等，因此，如何进行内容推送也成为热点问题之一。\n发明内容\n[0003] 本申请实例提出了一种内容推送方法，包括：接收应用客户端发送的图像数据，其中，所述图像数据由所述应用客户端根据与其连接的摄像装置拍摄的图像和/或视频确定；\n对所述图像数据进行数据处理获取在所述应用客户端上登录的用户的属性标签；根据所述属性标签生成推送内容列表；以及将所述推送内容列表下发给所述应用客户端。\n[0004] 本申请实例提出了一种内容推送服务器，包括：\n[0005] 接收模块，用于接收应用客户端发送的图像数据，其中，所述图像数据由所述应用客户端根据与其连接的摄像装置拍摄的图像和/或视频确定；\n[0006] 获取模块，用于对所述图像数据进行数据处理获取在所述应用客户端上登录的用户的属性标签；\n[0007] 确定模块，用于根据所述用户的属性标签生成推送内容列表；以及\n[0008] 发送模块，用于将推送内容列表并下发给应用客户端。\n[0009] 通过以上技术方案，可以基于终端设备的摄像头或者外置的摄像装置采集到的图像对用户的生活特征数据进行分析，得到用户的属性标签，并根据用户的属性标签在内容库中搜索匹配的内容，从而可以向用户推送一些用户需要的并且适合的内容，使得内容推送更加精准，避免了用户为了在海量内容中寻找适合自己的内容而需要终端设备和服务器之间的频繁交互造成的资源浪费。\n附图说明\n[0010] 为了更清楚地说明本发明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，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。\n[0011] 图1为本申请一实例的系统结构示意图；\n[0012] 图2为本申请一实例的内容推送方法流程图；\n[0013] 图3为本申请一实例所述确定所述内容与所述用户匹配度的方法流程图；\n[0014] 图4为本申请一实例的图像识别方法流程图；\n[0015] 图5为本申请一实例的内容推送方法流程图；\n[0016] 图6为本申请一实例所述的服务器的结构示意图；\n[0017] 图6A为本申请一实例所述的获取模块602的结构示意图；\n[0018] 图6B为本申请一实例所述的确定模块603的结构示意图；\n[0019] 图7为本申请一实例的服务器600所在的计算设备700的组成结构图。\n具体实施方式\n[0020] 下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。\n[0021] 为了描述上的简洁和直观，下文通过描述若干代表性的实施例来对本发明的方案进行阐述。实施例中大量的细节仅用于帮助理解本发明的方案。但是很明显，本发明的技术方案实现时可以不局限于这些细节。为了避免不必要地模糊了本发明的方案，一些实施方式没有进行细致地描述，而是仅给出了框架。下文中，“包括”是指“包括但不限于”，“根据……”是指“至少根据……，但不限于仅根据……”。下文中没有特别指出一个成分的数量时，意味着该成分可以是一个也可以是多个，或可理解为至少一个。\n[0022] 本申请的实例提出了一种内容推送方法，该方法可以通过智能电视等终端设备的摄像头或安装在室内的摄像设备拍摄图像，以收集多种类型的用户数据，并对收集的用户数据进行数据处理从而得到用户的属性标签，并基于得到的用户的属性标签向用户推送一些适合该用户的内容。上述内容推送方法一方面可以使得内容推送更加精准，避免了用户为了在海量内容中寻找适合自己的内容而需要终端设备和服务器之间的频繁交互造成的资源浪费，另一方面通过长期收集并积累用户数据，可以对数据处理的运算模型进行修正使其越来越清晰，进而使得推送的内容也越来越精准。\n[0023] 其中，在本申请的一些实例中，上述用户数据具体可以是指通过智能电视等终端设备的摄像头或者安装在室内的摄像装置拍摄收集并通过图像识别分析得到的反映用户生活特征的数据，例如，室内陈设、家具、家电、人物以及行为等方面的数据等等。上述用户的属性标签具体可以是根据用户数据分析得到的代表用户特性的一些关键字，这些关键字可以在一定程度上反映出用户的特点和兴趣。上述内容具体可以是指音频、视频、图片等多媒体内容，或包含文字的新闻、文章等文本内容等等，也可以是视频/音频/图片等与文字结合得到包含信息的内容。\n[0024] 图1显示了本申请一些实例所述的内容推送方法所适用的系统结构示意图。如图1所示，本申请的系统至少包括：终端设备11、网络12、一个或多个服务器13、一个或多个数据库14和摄像装置15。\n[0025] 在本申请的一些实例中，上述终端设备11可以是智能电视、个人计算机(PC)、笔记本电脑等智能终端设备，也可以是智能手机、PAD或者平板电脑等智能移动终端设备。一般情况下，在终端设备11上可以安装各种应用软件，其中包括用户当前需要使用的用于观看影片、电视节目、直播节目等视频以及新闻、热点、评论等文字和/或图片内容的应用软件。\n在后文的描述中，为了方便描述，将用户要使用或者正在使用的应用软件称为应用客户端。\n[0026] 网络12可以包括有线网络和无线网络。如图1所示，在接入网一侧，终端设备11可以通过无线的方式或者有线的方式接入到网络13；而在核心网一侧，服务器13一般是通过有线方式连接到网络13的。当然，服务器13也可以通过无线方式连接到网络12。\n[0027] 上述服务器13为上述目标应用软件的服务器，例如，可以是多媒体服务器，比如腾讯视频的服务器；也可以是推广信息平台服务器，比如广告服务器；也可以是为用户提供文字和/或图片推送内容的内容服务器，例如，腾讯新闻服务器等等。服务器13与终端设备11上的应用客户端一起为用户提供服务以及内容，例如，播放视频、音频、推广信息以及视频节目推送、文字和/或图片内容推送等服务。除此之外，服务器13还可以对根据收集到的用户数据进行分析，得到用户的属性标签，并根据用户的属性标签进行内容的匹配得到待推送的内容。需要说明的是，上述服务器13可以是单一的服务器设备也可以是多个服务器集群在一起得到的集群服务器。\n[0028] 上述数据库14用于存储与上述目标应用软件相关的用户数据，例如用户的账号信息、用户的用户数据以及用户的属性标签等等。上述数据库14还可以用于存储各种内容。数据库14可以如图1所示的方式独立于服务器13，服务器13可以直接或者通过其他服务器访问数据库14。数据库14也可以和服务器13集成在一起。\n[0029] 上述摄像装置15用于拍摄图像。该摄像装置15可以和终端设备11集成在一起，例如，PAD、平板电脑、智能手机以及智能电视上自带的摄像头。该摄像装置15也可以是单独的摄像机，例如安装在家中的摄像头。此时该摄像装置15可以通过蓝牙等短距离通信方式与附近的终端设备11连接在一起，将自身拍摄的图像发送给终端设备11；当然，该摄像装置15还可以直接接入网络12，通过网络12将自身拍摄的图像发送给服务器13。\n[0030] 在此前提下，基于上述图1所示的系统结构，本申请的实例提供了一种内容推送方法。图2示出了本申请实例提供的内容推送方法的流程图。如图2所示，该方法可以由服务器\n13执行，包括以下步骤：\n[0031] 步骤201：接收应用客户端发送的图像数据，其中，上述图像数据由应用客户端根据与其连接的摄像装置拍摄的图像和/或视频确定。\n[0032] 在一些实例中，随着终端设备11的智能化越来越高，包括摄像头等在内的外部设备已经或将会成为终端设备11的标配，也即终端设备11自身就集成了摄像装置15。因此，终端设备11通过集成到自身的摄像装置15可以采集得到与该用户生活特征有关的图像数据，例如室内的照片或者视频等。此外，即使终端设备11上没有集成摄像装置15，在室内也可以安装单独的摄像头等摄像装置15来进行图像的采集。而且，摄像装置15和终端设备11之间可以通过WIFI或Zigbee等短距离通信方式或者其他网络通信方式进行连接。随后，摄像设备15也可以将采集的图像发送给终端设备11。在这种情况下，终端设备11上安装的应用客户端可以通过网络12将图像数据发送给服务器13，服务器13可以接收由终端设备11之上集成的或者单独的摄像设备15所采集的图像数据，以进行后续分析处理。\n[0033] 在本申请的一些实例中，上述图像数据可以是终端设备11上的摄像装置15或者单独的摄像装置15拍摄的图像文件或者视频文件，例如位图文件或者JPEG文件或者其他标准格式的图像文件或者视频文件。\n[0034] 在本申请的另一些实例中，上述图像数据也可以是终端设备11上的应用客户端对摄像装置15拍摄的图像或者视频进行图像识别后得到与所采集图像有关的文本格式的数据，例如可以包括室内陈设数据、家具数据、家电数据、人物数据以及行为数据等等。通常，这些数据可以是一个或多个关键词。上述对图像或者视频进行图像识别的方法将在后文中说明。\n[0035] 步骤202：对所接收的图像数据进行分析处理，获取在应用客户端上登录的用户的属性标签。\n[0036] 如前所述，在一些实例中，服务器13所接收的图像数据是已经经过图像识别后得到的与图像有关的文本格式的数据，例如，是图像识别后得到的一个或多个关键词。\n[0037] 在另一些实例中，服务器13所接收的图像数据为图像文件或者视频文件，则此时服务器13将首先对所接收的图像文件或视频文件进行图像识别，提取出与所接收图像有关的文本格式的图像数据，例如可以包括室内陈设数据、家具数据、家电数据、人物数据以及行为数据等等。如前所述，这些数据可以是一个或多个关键词。上述对图像或者视频进行图像识别的方法将在后文中说明。\n[0038] 在通过图像识别得到与图像有关的文本格式的数据或者从应用客户端接收到与图像有关的文本格式的数据后，服务器13可以以用户的用户标识为索引将获取的文本格式的与图像有关数据作为用户数据的一部分保存至进用以维护所有用户的用户数据的数据库中。这里，如前所述，文本格式的与图像有关的数据可以是一个或多个的关键词，并且可以划分为不同的类别，例如，可以包括室内陈设、家具、家电、人物以及行为中的任一类或几类。其中，室内陈设、家具、家电、人物以及行为对应了关键词所属的类型，而在每种类型下，根据信息所属的范畴由大到小的顺序，每个关键词的信息又可以包括多个层次的信息。\n[0039] 例如，服务器13接收到应用客户端发送图像文件以后，通过图像识别技术从上述图像文件中可以识别出字画、健身器材、茶几、沙发等室内摆放的物品，因此可以提取出“字画”、“健身器材”、“茶几”、“沙发”这四个关键词，并以上述用户的用户标识为索引保持提取出的关键词。在存储时，也可以分类保存，比如将“字画”、“健身器材”保存在室内陈设的分类之下，而将“茶几”、“沙发”保存在家具的分类之下。此外，如果通过图像识别可以进一步识别出字画的作者或者作品名称，或者识别出健身器材、茶几以及沙发的品牌和/或型号，则可以根据这些信息提取出关键字并将这些关键字作为用户数据的一部分存储在数据库中，而且所存储的关键字也是分层次的。\n[0040] 除了室内的陈设以及家具等关键词之外，通过摄像设备不断地采集图像并由终端设备11上的客户端设备或者服务器13进行图像识别，还可以得到用户的人物数据和行为数据。例如可以分析获得用户的家庭成员以及各个成员的性别、年龄以及行为特点等等。\n[0041] 例如，如下表1显示了通过图像识别由室内摄像设备15采集的图像而得到的某个用户的一部分用户数据的示例。其中，用户标识为该用户在服务器13注册时生成的区别于其他用户的标识。基于该用户标识，用户可以通过终端设备11上的应用客户端登录服务器\n13。\n[0042]\n用户标识 室内陈设 字画 达芬奇《蒙娜丽莎的微笑》\n用户标识 室内陈设 健身器材 速尔跑步机F65\n用户标识 家具 茶几 光明家具\n用户标识 家具 沙发 光明家具\n用户标识 人物 老人 女，50-70岁\n用户标识 人物 儿童 男，7-10岁\n用户标识 人物 宠物 狗，拉布拉多\n用户标识 …… …… ……\n[0043] 表1\n[0044] 在一些实例中，服务器13将自身存储的用户数据通过预先建立的数据模型进行分类聚合以及统计运算，获取用户的属性标签。例如，服务器13将上述表1所示用户数据经过大数据模型的分类聚合以及统计等运算后，可以获得“文化”、“艺术品收藏”、“健身”、“养生”以及“宠物狗”等属性标签。\n[0045] 在本申请的一些实例中，上述通过分析摄像设备15所采集的图像得到的数据可以仅仅是服务器和/或数据库所存储的用户数据的一部分，用户数据中还可以包括用户日常在互联网上进行各种操作时产生的数据，例如，用户的历史观看记录、历史浏览记录、关注的频道以及用户在其终端设备上安装的应用的数据等等。这些用户数据可以一起用于生成用户的属性标签，从而使得用户的属性标签可以更为精确地体现用户的特性以及兴趣。\n[0046] 步骤203：根据所述用户的属性标签确定推送内容，生成推送内容列表。\n[0047] 在一些实例中，在数据库中保存的各项内容也可以用属性标签来概括内容的属性。内容的属性标签通常是这些内容在投放时由发行方设置的与该内容相关的关键词，例如，可以包括内容的名称、类型以及作者、发行方等相关人员信息等等。这些属性标签通常可以作为该内容的标识，通常用于对内容的分类以及检索。当然，内容的标签也可以由用户在浏览该内容的过程中不断添加的，从而可以使得内容的关键字更加丰富和全面。通常，内容的属性标签可以包含在所述内容的标题、内容或简介中，根据该属性标签可以检索到所述内容，所述属性标签可以是任何中文、英文、数字，或中文英文数字的混合体。在这种情况下，服务器13就可以根据通过分析用户数据得到的所述用户的属性标签从自身保存的内容中搜索出与所述用户匹配的推送内容，并生成推送内容列表。\n[0048] 在本申请的实例中，可以通过多种方法从自身保存的内容中搜索出与所述用户匹配的推送内容。具体的方法将在下文中描述。\n[0049] 步骤204：将上述推送内容列表下发给应用客户端。\n[0050] 在本申请的一些实例中，终端设备11上的应用客户端在收到上述推送内容列表后，将展示上述内容推送列表，以使用户可以从中选择自身感兴趣的内容。\n[0051] 在本申请的一些实例中，服务器13在对用户数据进行分析、搜索与用户匹配的内容以及在生成推送内容列表的过程中，均将以用户标识作为该推送内容列表的标识，以表明该推送内容列表是针对哪个用户的推送。在这种情况下，服务器13可以根据推送内容列表所对应的用户标识来确定将推送内容列表下发给哪一个应用客户端，具体就是用户登录服务器13所使用的应用客户端。特别是如果摄像装置15和终端设备11物理上并不在同一个设备的情况，当服务器13直接从摄像装置15接收图像数据时，该图像数据将以用户的用户标识为标识，服务器13对该用户数据进行处理并得到与该用户匹配的推送内容列表之后，该推送内容列表也将以用户的用户标识为标识。然后，服务器13将根据推送内容列表对应的用户标识将推送内容列表发送至相应的应用客户端。\n[0052] 通过以上技术方案可以看出，该方法基于终端设备的摄像头或者外置的摄像装置采集到的图像对用户的生活特征数据进行分析，得到用户的属性标签，并根据用户的属性标签在内容库中搜索匹配的内容，从而可以向用户推送一些用户需要的并且适合的内容。\n该内容推送方法一方面可以采集到用户生活特征数据，并根据用户的生活特征进行内容推送，使得内容推送更加精准，避免了用户为了在海量内容中寻找适合自己的内容而需要终端设备和服务器之间的频繁交互造成的资源浪费，另一方面上述方法可以持续不断地进行，通过长期收集并积累用户数据，使得大数据处理的运算模型越来越清晰，进而推送的内容也越来越精准。\n[0053] 更进一步，在本申请的一些实例中，还可以进一步根据用户对内容推送的反映调整推送的内容。具体而言，服务器13可以进一步记录用户对终端设备11所展示推送内容列表的操作，根据用户的操作生成推送有效率数据，并将生成的推送有效率数据作为用户数据的一部分保存在用于维护用户数据的数据库中。在进行内容匹配的过程中这些推送有效率数据将反过来应用于内容的匹配，则可以使得匹配到的内容更为准确。上述推送有效率数据可以是针对某个类型的内容而进行统计得到的数据，例如具体可以是用户点击某一类型的推送内容的次数、某一类型的推送内容被推送的次数、以及用户点击某一类型的推送内容的次数与该类型的推送内容被推送的次数的比值等等。\n[0054] 在一些实例中，可以根据所述用户的推送有效率数据，优先从推送有效率最高的类型的内容中选取内容生成目标内容列表。例如，服务器13曾向用户X下发体育类推送内容\n100次(或者称为体育类推送内容展现数为100)，用户X对上述体育类推送内容点击90次(或者称为体育类推送内容点击数或有效阅读数为90)，则对用户X而言，体育类推送内容的点击数/下发数的比值为0.9，即体育类推送内容的推送有效率为0.9；又例如服务器13曾向用户X下发娱乐类推送内容100次，用户X对上述娱乐类推送内容点击5次，则娱乐类推送内容的推送有效率为0.05；同样，服务器13曾向用户X下发财经类推送内容100次，用户X对上述财经类推送内容点击5次，则财经类推送内容的推送有效率为0.05。服务器13根据以上体育类推送内容的推送有效率、娱乐类推送内容的推送有效率和财经类推送内容的推送有效率的值可以确定用户X比较关注体育类的推送内容，对娱乐类推送内容和财经类推送内容不太关注，从而可以修正大数据处理模型，以减少娱乐类推送内容和财经类推送内容的推送，而增加体育类推送内容的推送。例如，可以优先在体育类的内容中进行用户属性标签和内容的属性标签的匹配，从而优先在体育类的内容中确定推送内容。\n[0055] 更进一步的，上述推送的内容也并可以不单单是与所述用户的属性标签直接相关的内容，还可以通过大数据运算模型总结用户群的共同特征，以及各个用户群普遍关注的内容，以衍生更多的推送内容。例如，作息有规律的人一般情况下对健康饮食也会特别关注，可以向他们多推送一些饮食健康类节目或广告等等。又例如，一般三口/四口之家对旅游、亲子教育以及亲子活动等方面的内容会比较关注，可以向他们多推送一些旅游、亲子方面的节目或者广告等等。\n[0056] 下面通过具体的实例详细说明根据用户的属性标签确定与用户匹配的推送内容列表的方法。\n[0057] 在本申请的实例中，首先，服务器13要根据内容的属性标签以及用户的属性标签确定用户和各个内容的匹配度，然后根据用户和各个内容的匹配度生成与用户匹配的推送内容列表。\n[0058] 图3示出了本申请一个示例所述的确定所述内容与所述用户匹配度的方法流程图。如图3所示，该方法包括以下步骤：\n[0059] 针对每一个内容分别执行如下操作：\n[0060] 步骤301：获取每一内容的属性标签向量。\n[0061] 这里，内容和用户的属性标签的对应关系可以如下所示：\n[0062] 内容ID1：tag1，tag2，tag3…，tagM\n[0063] 内容ID2：tag1，tag2，tag3…，tagM\n[0064] 上式中内容ID为内容的标识，比如标题等能够唯一标识上述内容的标识，tag表示用户的所有属性标签，其中，上述属性标签也可以称为关键字。tag1表示用户的第一个属性标签，tag2表示用户的第二个属性标签，tag3表示用户的第三个属性标签，以此类推，tagM表示用户的第M个属性标签，M表示所有用户的全部属性标签的数量。根据一个内容都包含有哪些所述用户的属性标签，可以确定与该内容相对应的属性标签向量，例如内容ID1包括tag1及tag3，则与该内容ID1相对应的属性标签向量为(1,0,1,0,0,0，…)。\n[0065] 步骤302：根据所述属性标签向量确定内容与用户的匹配度。\n[0066] 在本申请的一些实例中，某个内容的属性标签向量中1的个数即可以定义为该内容与用户的匹配度。由于上述属性标签向量可以反映某个内容与用户的相关度，因此，根据该属性标签向量可以确定内容与用户的匹配度。\n[0067] 除了上述属性标签向量的方法，在本申请的一些实例中，还可以为每个内容设置一个匹配度计数器，用于记录该内容与用户的属性标签之间的匹配度。在操作中，可以将其初始值记为零。在匹配的过程中，服务器13将所述用户的每一个属性标签与某一个内容的属性标签逐一进行比较，每当所述用户的一个属性标签和该内容的一个属性标签相同或相近时，将该内容对应的匹配度计数器加一，直至比较完所述用户的所有属性标签与该内容的属性标签。上述相同是指属性标签在文字上相同；上述相近是指属性标签在含义上相同。\n例如，用户的属性标签为“韩剧”，候选推送内容的属性标签也为“韩剧”，则认为二者相同。\n又例如，用户的属性标签为“韩剧迷”，而候选推送内容的属性标签为“韩剧迷”，二者在文字上并不完全相同，但是含义上基本相同，则认为二者相近。在将属性标签全部比较完之后，该匹配度计数器的数值即为所述用户与所述内容的匹配度。\n[0068] 服务器13通过上述多种方法可以得到所述用户与所有内容的匹配度。下面根据用户与各个内容的匹配度即可生成推送内容列表。\n[0069] 在本申请的一些实例中，服务器13根据得到的所述用户与所有内容的匹配度，取匹配度最高的N个内容作为推送内容，生成推送内容列表，也即将匹配度最高的N个内容的标识加入推送内容列表。其中，N为预先设定的自然数，为推送内容列表中可以推送的内容的最大数量。当然，如果匹配度大于零的内容的数量小于N，则服务器可以只推送匹配度大于零的内容(例如n个内容)，或者再从匹配度为零的内容中选择差额数量(N-n个)的内容。\n此时，选择的方式可以预先设置，例如随机选择或者根据浏览次数选择等等。\n[0070] 在本申请的另一些实例中，在确定了用户和内容的匹配度之后，服务器13还可以将所有内容对应的匹配度与预先确定的阈值进行比较，将与匹配度大于或等于所述阈值的内容的标识加入推送内容列表中。\n[0071] 通过上述内容的标识服务器可以唯一确定某一内容。\n[0072] 在本申请的一些实例中，推送内容列表中所列出的推送内容的顺序，也可以根据该内容与用户的匹配度来设置，例如，按照匹配度从大到小排序。\n[0073] 下面再通过具体的实例详细说明应用客户端或者服务器13进行图像识别的方法。\n具体方法可以如图4所示，包括：\n[0074] 步骤401：对该图像文件进行分割，得到各个组成部分。\n[0075] 其中，对该图像文件的分割可以看作决策过程，从物景图像中分解出物体和它的组成部分，组成部分又由图像基元构成。决策的算法可分为像点技术和区域技术两类。像点技术是用阈值方法对各个像点进行分类，例如通过像点灰度和阈值的比较求出文字图像中的笔划。区域技术是利用纹理、局部地区灰度对比度等特征检出边界、线条、区域等，并用区域生长、合并、分解等技术求出图像的各个组成部分。\n[0076] 步骤402：对各个组成部分进行识别，确定每个组成部分各自对应的物体。\n[0077] 在对各个组成部分进行识别时，对于每个组成部分，根据该组成部分的形状和灰度信息对该组成部分的结构进行分类，根据分类的结果识别出该组成部分对应的物体；或者，对于每个组成部分，将该组成部分和预先设置的物体模型进行匹配，根据匹配的结果识别该组成部分对应的物体。\n[0078] 步骤403：对每个物体进行解释，得到每个物体各自的关键词作为该图像文件的关键词。\n[0079] 在对每个物体进行解释时，可以用启发式方法或人机交互技术结合识别方法建立物景的分级构造，说明物景中有些什么物体，物体之间存在什么关系。在三维物景的情况下，可以利用物景的各种已知信息和物景中各个对象相互间的制约关系的知识。例如，从二维图像中的灰度阴影、纹理变化、表面轮廓线形状等推断出三维物景的表面走向；也可根据测距资料，或从几个不同角度的二维图像进行景深的计算，得出三维物景的描述和解释。\n[0080] 通过上述分割、识别和解释的处理，可以提取出每个图像文件的关键词，也即属性标签，并可以按照表1所示的格式存储所有的属性标签。\n[0081] 需要说明的是，上述内容和用户匹配度的确定方法以及图像识别的方法仅是一个举例，本申请也可以采用其他匹配方法以及图像识别方法而不会超出本申请的范围。\n[0082] 本申请的实例还提供了一种内容推送方法。图5示出了本申请实例提供的内容推送方法的流程图。如图5所示，该方法可以由终端设备11执行，包括以下步骤：\n[0083] 步骤501：收集图像数据。\n[0084] 在一些实例中，随着终端设备11的智能化越来越高，包括摄像头等在内的外部设备已经或将会成为终端设备11的标配，因此，在用户使用终端设备11时浏览内容时，终端设备11通过外部设备可以采集得到与用户有关的图像数据。其中，如前所述，上述图像数据可以是图像格式的图像或视频。上述图像数据还可以是对采集的图像或视频进行图像识别后得到的与图像有关的文本数据，例如图像的关键词等等。\n[0085] 更进一步，应用客户端还可以进一步向服务器13上报其他类型的用户数据，例如，应用客户端可以通过终端设备11安装的应用软件来获取用户在使用上述应用软件的过程中产生的数据，比如通过微信来获取用户浏览文章的记录数据或者关注的公众号的相关信息，或者通过腾讯视频来获取用户观看媒体的历史记录数据等等。\n[0086] 步骤502：将所述图像数据发送至服务器13，以使其可以对所述用户数据进行数据处理，从而获取所述用户的属性标签，并根据用户的属性标签确定针对该用户的推送内容列表。\n[0087] 步骤503：接收服务器13下发的推送内容列表并进行展示以供用户选择。\n[0088] 上述推送内容列表中包含一个或多个内容的标识。当用户点击某个内容的标识后，应用客户端将向服务器13请求该内容，该请求中携带内容的标识。服务器13在收到请求后，根据其中携带的内容的标识，从数据库获取该内容的存储地址，例如统一资源定位符(URL)，并将存储地址反馈给应用客户端，由应用客户端根据该存储地址获取相应的内容。\n[0089] 通过以上技术方案可以看出，该方法基于用户数据的用户所需求和关注的内容向用户推送一些用户需要的并且适合的内容。该内容推送方法一方面可以使得内容推送更加精准，避免了用户为了在海量内容中寻找适合自己的内容而需要终端设备和服务器之间的频繁交互造成的资源浪费，另一方面通过长期收集并积累用户数据，使得大数据处理的运算模型越来越清晰，进而推送的内容也越来越精准。\n[0090] 对应以上内容推送的方法，本申请还提供了实现上述方法的内容推送服务器600。\n[0091] 在本申请的一些实例中，上述实现内容推送方法的服务器600可由图6所示的结构图实现，包括接收模块601、获取模块602和确定模块603，各模块的功能如下：\n[0092] 接收模块601，用于接收应用客户端发送的图像数据，其中，上述图像数据由应用客户端根据与其连接的摄像装置拍摄的图像和视频确定；\n[0093] 获取模块602，用于对所述用户数据进行数据处理，获取在所述应用客户端上登录的用户的属性标签；以及\n[0094] 确定模块603，用于根据所述用户的属性标签确定推送内容列表；\n[0095] 发送模块604，用于将推送内容列表并下发给应用客户端。\n[0096] 在一些实例中，上述获取模块602可由图6A所示的结构图实现，包括识别单元\n6021、保存单元6022和获取单元6023，各单元的功能如下：\n[0097] 识别单元6021，用于对用户的图像格式的图像数据进行图像识别，得到文本格式的图像数据；\n[0098] 保存单元6022，用于以用户的用户标识为索引将获取的文本格式的图像数据作为用户数据的一部分保存至数据库中；以及\n[0099] 获取单元6023，将所述数据库中保存的用户数据通过预先建立的数据模型进行分类聚合以及统计运算，获取所述用户的属性标签。\n[0100] 在一些实例中，上述确定模块603可由图6B所示的结构图实现，包括匹配度确定单元6031以及推送内容列表生成单元6032。各单元的功能如下：\n[0101] 匹配度确定单元6031，用于根据所述用户的属性标签以及任一内容的属性标签确定所述内容与所述用户的匹配度；以及\n[0102] 推送内容列表生成单元6032，用于根据所述内容与所述用户的匹配度生成推送内容列表。\n[0103] 上述匹配度确定单元6031可以使用前述的方法确定内容和用户的匹配度。\n[0104] 在一些实例中，所述推送内容列表生成单元6032可以对所有内容与所述用户的匹配度进行排序；将所述所有内容中与所述用户匹配度最高的N个推送内容的标识加入推送内容列表中；其中，N为预先设定的自然数。\n[0105] 在一些实例中，所述推送内容列表生成单元6032可以将所有内容与所述用户的匹配度与预先确定的阈值进行比较，将匹配度大于或等于所述阈值的内容的标识加入推送内容列表中。\n[0106] 在本申请的一些实例中，上述接收模块还可以进一步用于根据用户针对所述推送内容列表的操作生成推送有效率数据；此时，上述述服务器600可以进一步包括：保存单元，用于将所述推送有效率数据作为用户数据的一部分存储至数据库中。\n[0107] 图7示出了内容推送服务器600所在的计算设备700的组成结构图。如图7所示，该计算设备包括一个或者多个处理器(CPU)702、通信模块704、存储器706、用户接口710，以及用于互联这些组件的通信总线708。\n[0108] 处理器702可通过通信模块704接收和发送数据以实现网络通信和/或本地通信。\n[0109] 用户接口710包括一个或多个输出设备712，其包括一个或多个扬声器和/或一个或多个可视化显示器。用户接口710也包括一个或多个输入设备714，其包括诸如，键盘，鼠标，声音命令输入单元或扩音器，触屏显示器，触敏输入板，姿势捕获摄像机或其他输入按钮或控件等。\n[0110] 存储器706可以是高速随机存取存储器，诸如DRAM、SRAM、DDR RAM、或其他随机存取固态存储设备；或者非易失性存储器，诸如一个或多个磁盘存储设备、光盘存储设备、闪存设备，或其他非易失性固态存储设备。\n[0111] 存储器706存储处理器702可执行的指令集，包括：\n[0112] 操作系统716，包括用于处理各种基本系统服务和用于执行硬件相关任务的程序；\n[0113] 应用718，包括用于内容推送的各种应用程序，这种应用程序能够实现上述各实例中的处理流程，比如可以包括图6所示的内容推送服务器600中的部分或全部单元。各单元或模块601-603中的至少一个模块可以存储有机器可执行指令。处理器702通过执行存储器\n706中各模块601-603中至少一个模块中的机器可执行指令，进而能够实现上述各模块601-\n603中的至少一个模块的功能。\n[0114] 需要说明的是，上述各流程和各结构图中不是所有的步骤和模块都是必须的，可以根据实际的需要忽略某些步骤或模块。各步骤的执行顺序不是固定的，可以根据需要进行调整。各模块的划分仅仅是为了便于描述采用的功能上的划分，实际实现时，一个模块可以分由多个模块实现，多个模块的功能也可以由同一个模块实现，这些模块可以位于同一个设备中，也可以位于不同的设备中。\n[0115] 各实施例中的硬件模块可以以硬件方式或硬件平台加软件的方式实现。上述软件包括机器可读指令，存储在非易失性存储介质中。因此，各实施例也可以体现为软件产品。\n[0116] 因此，本申请的一些实例还提供了一种计算机可读存储介质，其上存储有计算机指令，其中，所述计算机指令被处理器执行时实现上述图2-7中任一图所述方法的步骤。\n[0117] 各例中，硬件可以由专门的硬件或执行机器可读指令的硬件实现。例如，硬件可以为专门设计的永久性电路或逻辑器件(如专用处理器，如FPGA或ASIC)用于完成特定的操作。硬件也可以包括由软件临时配置的可编程逻辑器件或电路(如包括通用处理器或其它可编程处理器)用于执行特定操作。\n[0118] 另外，本申请的每个实例可以通过由数据处理设备如计算机执行的数据处理程序来实现。显然，数据处理程序构成了本申请。此外，通常存储在一个存储介质中的数据处理程序通过直接将程序读取出存储介质或者通过将程序安装或复制到数据处理设备的存储设备(如硬盘和或内存)中执行。因此，这样的存储介质也构成了本申请，本申请还提供了一种非易失性存储介质，其中存储有数据处理程序，这种数据处理程序可用于执行本申请上述方法实例中的任何一种实例。\n[0119] 图6中的模块对应的机器可读指令可以使计算机上操作的操作系统等来完成这里描述的部分或者全部操作。非易失性计算机可读存储介质可以是插入计算机内的扩展板中所设置的存储器中或者写到与计算机相连接的扩展单元中设置的存储器。安装在扩展板或者扩展单元上的CPU等可以根据指令执行部分和全部实际操作。\n[0120] 另外，在本申请各个实例中的装置及各模块可以集成在一个处理单元中，也可以是各个模块单独物理存在，也可以两个或两个以上装置或模块集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。\n[0121] 以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明保护的范围之内。