资源返回方法和装置

技术领域

本发明涉及人工智能技术领域，尤其涉及一种资源返回方法和装置。

背景技术

随着移动互联网等新兴技术的蓬勃发展，越来越多的内容被生产并分享在网络上，如文章、视频、音频、图片等。用户可以从网络渠道获取到大量的内容信息。然而，随着内容资源数据量井喷式的增长，用户在面对海量内容资源时，难以在短时间内找到感兴趣的内容。通常采用协同过滤算法进行资源推荐，但由于这种方法的准确率不高，容易造成用户体验的下降。

发明内容

有鉴于此，本发明实施例提供一种资源返回方法和装置，具有较高的推荐准确率，能够提升用户体验。

第一方面，本发明实施例提供了一种资源返回方法，包括：

确定多个资源对应的内容文本；

针对各所述资源，从所述资源对应的内容文本中，提取出所述资源对应的多个关键词；

根据各所述资源对应的关键词，将所述多个资源划分到多个资源聚类中；

接收针对目标资源的资源推荐指令，从所述多个资源聚类中，确定出所述目标资源对应的目标聚类；

从所述目标聚类中的多个资源中，确定出所述目标资源的至少一个相似资源，并返回所述至少一个相似资源。

可选地，所述从所述资源对应的内容文本中，提取出所述资源对应的多个关键词，包括：

对所述资源对应的内容文本进行分词处理，得到多个分词；

对所述多个分词进行停用词过滤处理及同义词替换处理，得到多个备选分词；

从所述多个备选分词中，提取出所述资源对应的多个关键词。

可选地，所述从所述多个备选分词中，提取出所述资源对应的多个关键词，包括：

确定所述备选分词的第一词频及第二词频，所述第一词频用于表征所述备选分词在所述内容文本中出现的频率，所述第二词频用于表征所述备选分词在语料库中出现的频率；

根据所述备选分词的第一词频及第二词频，计算所述备选分词的程度分值；

根据各所述备选分词的程度分值，从所述多个备选分词中，提取出所述资源对应的多个关键词。

可选地，所述根据各所述资源对应的关键词，将所述多个资源划分到多个资源聚类中，包括：

确定所述资源对应的各关键词的特征向量；

根据所述资源对应的各关键词的特征向量，生成所述资源对应的特征向量；

根据各所述资源对应的特征向量之间的距离值，将所述多个资源划分到多个资源聚类中。

可选地，所述从所述多个资源聚类中，确定出所述目标资源对应的目标聚类，包括：

确定所述目标资源的目标向量；

确定各所述资源聚类的聚类中心的中心向量；

计算各所述中心向量与所述目标向量之间的距离值，得到各中心向量的距离值；

将距离值最小的中心向量对应的资源聚类，确定为所述目标资源对应的目标聚类。

可选地，所述从所述目标聚类中的多个资源中，确定出所述目标资源的至少一个相似资源，包括：

确定所述目标资源的目标向量；

确定所述目标聚类中的各资源的特征向量与所述目标向量之间的相似度；

根据所述目标聚类中的各资源的特征向量与所述目标向量之间的相似度，从所述目标聚类中的多个资源中，确定出所述目标资源的至少一个相似资源。

可选地，所述根据各所述资源对应的关键词，将所述多个资源划分到多个资源聚类中，包括：

确定所述资源对应的资源类目；

根据所述资源对应的关键词，将所述资源划分到所述资源对应的资源类目下的资源聚类中。

可选地，所述从所述多个资源聚类中，确定出所述目标资源对应的目标聚类，包括：

确定所述目标资源对应的资源类目；

从所述目标资源对应的资源类目下的多个资源分类中，确定出所述目标资源对应的目标聚类。

第二方面，本发明实施例提供了一种资源返回装置，包括：

文本确定模块，用于确定多个资源对应的内容文本；

关键词提取模块，用于针对各所述资源，从所述资源对应的内容文本中，提取出所述资源对应的多个关键词；

聚类划分模块，用于根据各所述资源对应的关键词，将所述多个资源划分到多个资源聚类中；

聚类确定模块，用于接收针对目标资源的资源推荐指令，从所述多个资源聚类中，确定出所述目标资源对应的目标聚类；

资源返回模块，用于从所述目标聚类中的多个资源中，确定出所述目标资源的至少一个相似资源，并返回所述至少一个相似资源。

可选地，所述关键词提取模块具体用于：

对所述资源对应的内容文本进行分词处理，得到多个分词；

对所述多个分词进行停用词过滤处理及同义词替换处理，得到多个备选分词；

从所述多个备选分词中，提取出所述资源对应的多个关键词。

可选地，所述关键词提取模块具体用于：

确定所述备选分词的第一词频及第二词频，所述第一词频用于表征所述备选分词在所述内容文本中出现的频率，所述第二词频用于表征所述备选分词在语料库中出现的频率；

根据所述备选分词的第一词频及第二词频，计算所述备选分词的程度分值；

根据各所述备选分词的程度分值，从所述多个备选分词中，提取出所述资源对应的多个关键词。

可选地，所述聚类划分模块具体用于：

确定所述资源对应的各关键词的特征向量；

根据所述资源对应的各关键词的特征向量，生成所述资源对应的特征向量；

根据各所述资源对应的特征向量之间的距离值，将所述多个资源划分到多个资源聚类中。

第三方面，本发明实施例提供了一种电子设备，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现上述任一实施例所述的方法。

第四方面，本发明实施例提供了一种计算机可读介质，其上存储有计算机程序，所述程序被处理器执行时实现上述任一实施例所述的方法。

上述发明中的一个实施例具有如下优点或有益效果：从各资源对应的内容文本中，提取出各资源对应的多个关键词。根据各资源对应的关键词，将多个资源划分到多个资源聚类中。接收针对目标资源的资源推荐指令之后，先确定出目标资源对应的目标聚类。再从目标聚类中的多个资源中，确定出并返回目标资源的至少一个相似资源。本发明实施例的方法通过关键词聚类，以及从目标资源的目标聚类中确定相似资源等技术特征，使得推荐结果具有较高的推荐准确率，能够提升用户的检索体验。

上述的非惯用的可选方式所具有的进一步效果将在下文中结合具体实施方式加以说明。

附图说明

附图用于更好地理解本发明，不构成对本发明的不当限定。其中：

图1是本发明第一实施例提供的一种资源返回方法的流程示意图；

图2是本发明第二实施例提供的一种资源返回方法的流程示意图；

图3是本发明第三实施例提供的一种资源返回方法的流程示意图；

图4是本发明的实施例提供的一种资源返回装置的结构示意图；

图5是适于用来实现本发明实施例的终端设备或服务器的计算机系统的结构示意图。

具体实施方式

以下结合附图对本发明的示范性实施例做出说明，其中包括本发明实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本发明的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

需要说明的是，本发明的技术方案中，所涉及的用户个人信息的采集、分析、使用、传输、存储等方面，均符合相关法律法规的规定，被用于合法且合理的用途，不在这些合法使用等方面之外共享、泄露或出售，并且接受监管部门的监督管理。应当对用户个人信息采取必要措施，以防止对此类个人信息数据的非法访问，确保有权访问个人信息数据的人员遵守相关法律法规的规定，确保用户个人信息安全。一旦不再需要这些用户个人信息数据，应当通过限制甚至禁止数据收集和/或删除数据的方式将风险降至最低。

图1是本发明第一实施例提供的一种资源返回方法的流程示意图，如图1所示，该方法包括：

步骤101：确定多个资源对应的内容文本。

如果资源为文本或网页，对应的内容文本为文本或网页中包括的文字内容。如果资源为视频，可以提取视频中的字幕信息，并将字幕信息为该资源对应的内容文本。如果资源为视频或音频，可以对视频或音频进行识别，将识别得到的文字内容作为该资源对应的内容文本。

步骤102：针对各资源，从资源对应的内容文本中，提取出资源对应的多个关键词。

关键词用于表征内容文本的公开内容。关键词可以为内容文本中出现频率最高的词，或重要程度最高的词。

从资源对应的内容文本中，提取出资源对应的多个关键词，包括：对资源对应的内容文本进行分词处理，得到多个分词；对多个分词进行停用词过滤处理及同义词替换处理，得到多个备选分词；从多个备选分词中，提取出资源对应的多个关键词。先对内容文本对应的多个分词进行停用词过滤及同义词替换等处理，能够使得确定的关键词的准确度更高，从而使最终的资源推荐效果更好。

步骤103：根据各资源对应的关键词，将多个资源划分到多个资源聚类中。

同一资源聚类中的各资源为比较相似或相近资源。具体地，可以组合资源对应的关键词特征向量，生成资源对应的特征向量。再根据各资源对应的特征向量之间的距离值，将多个资源划分成多个资源聚类。距离值可以为欧式距离、切比雪夫距离，汉明距离等。

步骤104：接收针对目标资源的资源推荐指令，从多个资源聚类中，确定出目标资源对应的目标聚类。

如果目标资源为文本或网页，对应的内容文本为文本或网页中包括的文字内容。如果目标资源为视频，可以提取视频中的字幕信息，并将字幕信息为该目标资源对应的内容文本。如果目标资源为视频或音频，可以对视频或音频进行识别，将识别得到的文字内容作为该目标资源对应的内容文本。

在本发明的一个实施例中，从多个资源聚类中，确定出目标资源对应的目标聚类，包括：确定目标资源的目标向量；确定各资源聚类的聚类中心的中心向量；计算各中心向量与目标向量之间的距离值，得到各中心向量的距离值；将距离值最小的中心向量对应的资源聚类，确定为目标资源对应的目标聚类。

根据目标资源对应的内容文本，从多个资源聚类中，确定出目标资源对应的目标聚类。具体地，从目标资源对应的内容文本中，提取目标资源对应的多个关键词；组合目标资源对应的关键词特征向量，生成目标资源对应的特征向量。计算目标资源对应的特征向量与各聚类中心之间的距离值，将距离值最小的资源聚类，作为目标资源对应的目标资源聚类。距离值可以为欧式距离、切比雪夫距离，汉明距离等。

步骤105：从目标聚类中的多个资源中，确定出目标资源的至少一个相似资源，并返回至少一个相似资源。

确定目标资源的目标向量；确定目标聚类中的各资源的特征向量与目标向量之间的相似度；根据目标聚类中的各资源的特征向量与目标向量之间的相似度，从目标聚类中的多个资源中，确定出目标资源的至少一个相似资源。

分别计算目标资源对应的目标向量与目标聚类中的各资源的特征向量之间的距离值。将距离值最小的预设数目的聚类，或距离值小于距离阈值的所有资源，作为目标资源的相似资源，并将各相似资源返回。距离值可以为欧式距离、切比雪夫距离，汉明距离等。

在本发明实施例的方案中，从各资源对应的内容文本中，提取出各资源对应的多个关键词。根据各资源对应的关键词，将多个资源划分到多个资源聚类中。接收针对目标资源的资源推荐指令之后，先确定出目标资源对应的目标聚类。再从目标聚类中的多个资源中，确定出并返回目标资源的至少一个相似资源。本发明实施例的方法通过关键词聚类，以及从目标资源的目标聚类中确定相似资源，使得推荐结果具有较高的推荐准确率，能够提升用户体验。

在本发明的一个实施例中，从多个备选分词中，提取出资源对应的多个关键词，包括：确定备选分词的第一词频及第二词频，第一词频用于表征备选分词在内容文本中出现的频率，第二词频用于表征备选分词在语料库中出现的频率；根据备选分词的第一词频及第二词频，计算备选分词的程度分值；根据各备选分词的程度分值，从多个备选分词中，提取出资源对应的多个关键词。

第一词频用于表征备选分词在内容文本中出现的频率。第一词频可以为分词在内容文本中的TF(词频，Term Frequency)值。TF即分词在内容文本中的出现次数除以内容文本的总词数。

第二词频用于表征备选分词在语料库中出现的频率。第二词频可以为分词在语料库中的IDF(逆文档频率，Inverse Document Frequency，)值。IDF表示一个词语在语料库中出现的文档数的倒数的对数。IDF的计算公式(1)如下所示：

其中，w表示一个词语，N表示语料库中文章资源的总数，df(w)表示包含w的文章资源数。

分词的程度分值可以为分词的IF-IDF值。IF-IDF用于表征一个词语在当前资源中的重要性程度，IF-IDF值计算方法如公式(2)所示：

TF-IDF(w,d)＝TF(w,d)*IDF(w)(2)

其中，d表示一篇文章资源，TF(w,d)表示词语w在文章资源d中的词频。

根据计算的TF-IDF值对备选分词中的词语进行排序，得到排序靠前的N个分词，作为该文本内容的关键词结果。本发明实施例的方案采用逆文档频率、词频等，使得最终得到的内容文本的关键词结果更为准确。

图2是本发明第二实施例提供的一种资源返回方法的流程示意图，如图2所示，该方法包括：

步骤201：确定多个资源对应的内容文本。

步骤202：针对各资源，从资源对应的内容文本中，提取出资源对应的多个关键词。

步骤203：确定资源对应的各关键词的特征向量；根据资源对应的各关键词的特征向量，生成资源对应的特征向量。

可以按照各关键词的重要程度、词性等，将各关键词的特征向量依次组合在一起，生成资源对应的特征向量。

步骤204：根据各资源对应的特征向量之间的距离值，将多个资源划分到多个资源聚类中。

生成资源对应的特征向量之后，可采用K均值聚类、均值漂移聚类等聚类方法，将多个资源划分为多个资源聚类。

步骤205：接收针对目标资源的资源推荐指令，从多个资源聚类中，确定出目标资源对应的目标聚类。

步骤206：从目标聚类中的多个资源中，确定出目标资源的至少一个相似资源，并返回至少一个相似资源。

在本发明实施例的方案中，先从资源对应的内容文本中，提取出资源对应的多个关键词。根据资源对应的各关键词的特征向量，生成资源对应的特征向量。采用聚类方法，将多个资源划分为多个资源聚类。接收到资源推荐指令之后，从确定出目标资源对应的目标聚类中，确定出目标资源的至少一个相似资源。能够减少目标资源的比对范围，提升系统推荐的执行效率。

图3是本发明第三实施例提供的一种资源返回方法的流程示意图，如图3所示，该方法包括：

步骤301：确定多个资源对应的内容文本。

步骤302：针对各资源，从资源对应的内容文本中，提取出资源对应的多个关键词。

步骤303：确定资源对应的资源类目。

资源类目可以根据需求进行设置。例如，资源类目可以根据内容进行划分，如文学、天文学、医学等。资源类目还可以根据资源类型进行划分，如网页、文本、视频、音频等。

步骤304：根据资源对应的关键词，将资源划分到资源对应的资源类目下的资源聚类中。

针对各资源类目，集合该资源类目下的所有内容文本，并对集合的所有内容文本进行聚类，得到该资源类型下的至少一个资源聚类。

步骤305：接收针对目标资源的资源推荐指令，确定目标资源对应的资源类目。

可根据目标资源的内容信息、资源类型等，确定目标资源对应的资源类目。

步骤306：从目标资源对应的资源类目下的多个资源分类中，确定出目标资源对应的目标聚类。

步骤307：从目标聚类中的多个资源中，确定出目标资源的至少一个相似资源，并返回至少一个相似资源。

在本发明实施例的方案中，按照资源类目，对各资源进行聚类。在接收到资源推荐指令之后，在目标资源对应的资源类目下的多个资源分类中，确定出目标资源对应的目标聚类，以确定目标资源的相似资源。该方案能够进一步缩小目标资源的比对范围，并使资源推荐结果更为精准。

为使本发明实施例的方案便于理解，本发明实施例还提供了一种基于TF-IDF和K-means聚类算法的资源返回方法。该方法由基于TF-IDF的关键词提取模块、基于K-means算法的资源划分模块以及基于余弦相似度方法的资源返回模块来执行。

基于TF-IDF的关键词提取模块，通过引入Ansj模块中的分词方法，实现对文章内容的分词处理，并进行停用词过滤和同义词处理。

最后通过计算TF-IDF值得到关键词提取结果。该模块的执行步骤包括：

步骤S01：对文章内容进行分词处理，得到粗略的分词结果列表。

步骤S02：对上述得到分词结果列表进行停用词过滤和同义词处理。

步骤S03：统计每个分词在每篇文章中的词频TF，并记录每个词语在多少篇文章中出现过。

步骤S04：计算每个分词的逆文档频率IDF值。

步骤S05：计算每个词语的IF-IDF值，IF-IDF表示一个词语在当前资源中的重要性程度。

步骤S06：根据计算的TF-IDF值对分词结果中的词语进行排序，将排序靠前的N个结果作为该文章资源的关键词结果，N为正整数。

基于K-means算法的资源划分模块，通过对资源的关键词特征向量进行聚类处理，得到目标资源的所属分类。该模块的执行步骤包括：

步骤S11：从内容资源库中随机选取K个资源的特征向量作为初始的聚类中心，K为正整数。

步骤S12：计算资源库中的每个资源的特征向量到当前已有聚类中心之间的最短距离，用D(i)表示。

步骤S13：计算每个资源特征向量到聚类中心的欧式距离，并将该类簇中所有资源特征向量的平均值作为新的类簇中心。欧式距离的计算公式(3)如下所示：

其中，n表示资源特征向量的维度，i和j表示资源i和资源j的特征向量。

步骤S14：重复步骤S13，直到聚类结果不再发生改变或迭代次数达到最大迭代次数为止。

基于余弦相似度方法的资源返回模块，通过对同一类簇中的资源特征向量进行余弦相似度计算。对相似度结果排序，得到目标资源的前K个相似资源，实现对用户的相似资源推荐，K为正整数。余弦相似度的计算公式如公式(4)所示：

其中，R

本发明实施例的方案提供了一种基于TF-IDF和K-means聚类算法的资源推荐方法。通过TF-IDF方法得到文章内容的关键词列表，进而构建文章内容的特征向量。通过K-means聚类算法对内容资源进行快速迭代和聚类处理，得到文章的分类属性。最后，通过余弦相似度方法在目标文章所属的资源类簇中进行相似度计算，从而得到预设数目的相似资源，输出用户正在浏览资源的相似资源推荐结果。

本发明实施例提出的资源返回方法，通过引入分词算法，可快速实现对中文内容的分词处理。在分词时动态引入自定义词库，能针对性地对不同领域的文章内容资源进行精准的分词处理。通过K-means聚类算法对资源进行聚类处理后，资源数据量得到了一定的调整，降低了相似度计算的复杂度，提升了资源推荐的实时性。通过余弦相似度计算方法实现关键词特征向量的相似度计算，减少了复杂的特征抽取。该方法具有较强的鲁棒性，可以较好地适用于不同长度的文章资源推荐。

图4是本发明的一个实施例提供的一种资源返回装置的结构示意图，如图4所示，该装置包括：

文本确定模块401，用于确定多个资源对应的内容文本；

关键词提取模块402，用于针对各资源，从资源对应的内容文本中，提取出资源对应的多个关键词；

聚类划分模块403，用于根据各资源对应的关键词，将多个资源划分到多个资源聚类中；

聚类确定模块404，用于接收针对目标资源的资源推荐指令，从多个资源聚类中，确定出目标资源对应的目标聚类；

资源返回模块405，用于从目标聚类中的多个资源中，确定出目标资源的至少一个相似资源，并返回至少一个相似资源。

可选地，关键词提取模块402具体用于：

对资源对应的内容文本进行分词处理，得到多个分词；

对多个分词进行停用词过滤处理及同义词替换处理，得到多个备选分词；

从多个备选分词中，提取出资源对应的多个关键词。

可选地，关键词提取模块402具体用于：

确定备选分词的第一词频及第二词频，第一词频用于表征备选分词在内容文本中出现的频率，第二词频用于表征备选分词在语料库中出现的频率；

根据备选分词的第一词频及第二词频，计算备选分词的程度分值；

根据各备选分词的程度分值，从多个备选分词中，提取出资源对应的多个关键词。

可选地，聚类划分模块403具体用于：

确定资源对应的各关键词的特征向量；

根据资源对应的各关键词的特征向量，生成资源对应的特征向量；

根据各资源对应的特征向量之间的距离值，将多个资源划分到多个资源聚类中。

可选地，聚类确定模块404具体用于：

确定目标资源的目标向量；

确定各资源聚类的聚类中心的中心向量；

计算各中心向量与目标向量之间的距离值，得到各中心向量的距离值；

将距离值最小的中心向量对应的资源聚类，确定为目标资源对应的目标聚类。

可选地，资源返回模块405具体用于：

确定目标资源的目标向量；

确定目标聚类中的各资源的特征向量与目标向量之间的相似度；

根据目标聚类中的各资源的特征向量与目标向量之间的相似度，从目标聚类中的多个资源中，确定出目标资源的至少一个相似资源。

可选地，聚类划分模块403具体用于：

确定资源对应的资源类目；

根据资源对应的关键词，将资源划分到资源对应的资源类目下的资源聚类中。

可选地，聚类确定模块404具体用于：

确定目标资源对应的资源类目；

从目标资源对应的资源类目下的多个资源分类中，确定出目标资源对应的目标聚类。

本发明实施例提供了一种电子设备，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，

当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现上述任一实施例的方法。

本发明实施例提供了一种计算机程序产品，包括计算机程序，计算机程序在被处理器执行时实现上述任一实施例的方法。

下面参考图5，其示出了适于用来实现本发明实施例的终端设备的计算机系统500的结构示意图。图5示出的终端设备仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。

如图5所示，计算机系统500包括中央处理单元(CPU)501，其可以根据存储在只读存储器(ROM)502中的程序或者从存储部分508加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作和处理。在RAM 503中，还存储有系统500操作所需的各种程序和数据。CPU 501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。

以下部件连接至I/O接口505：包括键盘、鼠标等的输入部分506；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分507；包括硬盘等的存储部分508；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分509。通信部分509经由诸如因特网的网络执行通信处理。驱动器510也根据需要连接至I/O接口505。可拆卸介质511，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器510上，以便于从其上读出的计算机程序根据需要被安装入存储部分508。

特别地，根据本发明公开的实施例，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，本发明公开的实施例包括一种计算机程序产品，其包括承载在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部分509从网络上被下载和安装，和/或从可拆卸介质511被安装。在该计算机程序被中央处理单元(CPU)501执行时，执行本发明的系统中限定的上述功能。

需要说明的是，本发明所示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。在本发明中，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。而在本发明中，计算机可读的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。计算机可读的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：无线、电线、光缆、RF等等，或者上述的任意合适的组合。

附图中的流程图和框图，图示了根据本发明各种实施例的系统、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，上述模块、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，框图或流程图中的每个方框、以及框图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。

描述于本发明实施例中所涉及到的模块可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的模块也可以设置在处理器中，例如，可以描述为：文本确定模块、关键词提取模块、聚类划分模块、聚类确定模块及资源返回模块。其中，这些模块的名称在某种情况下并不构成对该模块本身的限定，例如，文本确定模块还可以被描述为“确定多个资源对应的内容文本的模块”。

作为另一方面，本发明还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的设备中所包含的；也可以是单独存在，而未装配入该设备中。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一个该设备执行时，使得该设备包括：

确定多个资源对应的内容文本；

针对各所述资源，从所述资源对应的内容文本中，提取出所述资源对应的多个关键词；

根据各所述资源对应的关键词，将所述多个资源划分到多个资源聚类中；

接收针对目标资源的资源推荐指令，从所述多个资源聚类中，确定出所述目标资源对应的目标聚类；

从所述目标聚类中的多个资源中，确定出所述目标资源的至少一个相似资源，并返回所述至少一个相似资源。

根据本发明实施例的技术方案，从各资源对应的内容文本中，提取出各资源对应的多个关键词。根据各资源对应的关键词，将多个资源划分到多个资源聚类中。接收针对目标资源的资源推荐指令之后，先确定出目标资源对应的目标聚类。再从目标聚类中的多个资源中，确定出并返回目标资源的至少一个相似资源。本发明实施例的方法通过关键词聚类，以及从目标资源的目标聚类中确定相似资源，使得推荐结果具有较高的推荐准确率，能够提升用户体验。

上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，取决于设计要求和其他因素，可以发生各种各样的修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。