一种内容挖掘方法、装置及相关产品

技术领域

本申请涉及计算机技术领域，尤其涉及一种内容挖掘方法、装置及相关产品。

背景技术

随着互联网的快速发展，互联网上的内容越来越丰富，用户可以通过计算机设备在互联网上轻松获得各种类型的内容，例如视频、音频、图片或文档等。用户既可以作为内容的消费者，还可以作为内容的生产者。目前在许多互联网平台上，各式各样的内容已经呈现井喷之势。以新闻场景为例，在每天累计生产的新闻内容可以多达上千万条图文和视频。以视频网站为例，每天业余用户和专业团队产出的视频内容可以多达上百万段。海量的内容数据给运营带来了极大的挑战，平台运营方一方面需要甄别内容生产者生产的内容，另一方面还需要为用户提供内容的个性化服务，对用户精准投放其可能感兴趣的内容。由人工甄别内容在成本高且效率低，因此面对海量的内容数据，亟需自动实现内容挖掘的技术解决平台运营方的难题。

现有技术中提供了一种基于图结构的数据挖掘方法，对用户和多源数据进行统一建模和特征表达，通过对特征表达后的数据进行聚类，得到分类信息后。对数据进行距离分析，其中距离越近表示两者的关联度越高，可以根据初始定义的种子数据，挖掘出与之关联度高的对应数据。然而在用户数量庞大的场景中，构建完整的图结构需要耗费非常多的计算资源，由于挖掘内容的时效性，每次挖掘都需要建立全局的图结构，致使计算资源的消耗更加庞大。另有一些内容挖掘方法在挖掘过程中由于中间过程较多，导致引入了较多的噪声，致使挖掘出的内容数据的质量不高，进而降低了个性化服务时所挖掘内容的可用性。结合以上分析，目前如何以较少的计算资源实现内容挖掘并保证所挖掘内容的质量，已经成为本领域亟待解决的技术问题。

发明内容

本申请实施例提供了一种内容挖掘方法、装置及相关产品，以节省内容挖掘过程中的资源消耗，并提升所挖掘内容的质量。

有鉴于此，本申请第一方面提供了一种内容挖掘方法，方法包括：

获取种子内容集合；种子内容集合包括的多个内容均具有预设内容属性；

根据与种子内容集合关联的候选用户集合对种子内容集合的交互行为数据，从候选用户集合中确定出目标用户；

基于目标用户对候选内容集合的交互行为数据，确定目标挖掘内容，目标挖掘内容包括候选内容集合中的一个或多个内容。

本申请第二方面提供一种内容挖掘装置，装置包括：

种子获取单元，用于获取种子内容集合；种子内容集合包括的多个内容均具有预设内容属性；

用户确定单元，用于根据与种子内容集合关联的候选用户集合对种子内容集合的交互行为数据，从候选用户集合中确定出目标用户；

内容确定单元，用于基于目标用户对候选内容集合的交互行为数据，确定目标挖掘内容，目标挖掘内容包括候选内容集合中的一个或多个内容。

本申请第三方面提供一种计算机设备，设备包括处理器以及存储器：

存储器用于存储程序代码，并将程序代码传输给处理器；

处理器用于根据程序代码中的指令，执行如上述第一方面的内容挖掘方法的步骤。

本申请第四方面提供一种计算机可读存储介质，计算机可读存储介质用于存储程序代码，程序代码用于执行上述第一方面的内容挖掘方法。

从以上技术方案可以看出，本申请实施例具有以下优点：

本申请实施例中提供的内容挖掘方法、装置及相关产品基于二部图传播实现内容挖掘。在内容挖掘方法中，首先，获取种子内容集合，其中所包括的多个内容均具有预设内容属性；接着，根据与种子内容集合关联的候选用户集合对种子内容集合的交互行为数据，从候选用户集合中确定出目标用户；其后，基于目标用户对候选内容集合的交互行为数据，确定目标挖掘内容；目标挖掘内容包括候选内容集合中的一个或多个内容。此方法不需要建立复杂的图结构，即便对所挖掘内容具有较高的时效性要求，也可以频繁、快捷地进行内容挖掘。节省了挖掘过程中对计算资源的消耗。此外，该方法基于二部图传播实现内容挖掘，不需要在二部图基础上引入中间过程，因此有效避免了噪声的引入，相比现有技术提升了目标挖掘内容的纯净度，从而保障了所挖掘内容的质量。

附图说明

图1为本申请实施例提供的一种内容挖掘方法的流程图；

图2为本申请实施例提供的一种二部图；

图3为本申请实施例提供的确定目标用户的流程图；

图4为本申请实施例提供的挖掘第一目标内容的流程图；

图5为本申请实施例提供的另一种内容挖掘方法的流程图；

图6为本申请实施例提供的一种内容挖掘装置的结构示意图；

图7为本申请实施例提供的一种服务器的结构示意图；

图8为本申请实施例提供的一种终端设备的结构示意图。

具体实施方式

为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请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申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。

基于互联网平台上内容生产者生产的海量内容，平台运营方需要对内容进行准确甄别才能够持续提供优质的服务，例如内容的个性化推荐服务。以新闻阅读类应用程序（Applicaiton, APP）为例，每天内容生产者会产生出大量的各种类别的新闻内容，期间不可避免的会出现大量质量不高的内容，其表现可能为音质差、画面猎奇夺人眼球等，这些内容的生产周期较短。而包含丰富知识的优质内容由于需要大量的前期投入，导致整体的生产周期较长。因此，从数量上低质内容淹没优质内容，也就是“劣币驱逐良币”的现象发生。针对上述问题，平台运营方需要针对所服务的用户群体提供个性化推荐，例如为喜欢优质内容的用户推荐新鲜的优质内容，这要求前期从内容生产者生产的海量内容中甄别出内容的优质与否，进而有针对性地加大对甄别出的优质内容的曝光或推广力度。

人工甄别内容需要消耗大量的人力，面对如此海量的内容，一方面成本高昂，另一方面效率也非常低。可见人工标注内容的方法并不可取。因此需要通过更加省时省力的方式进行内容挖掘，降低人工标注的负担。基于图结构的数据挖掘方法往往需要在每次挖掘时重建全局的图结构，对计算资源的消耗严重。另一种基于三部图的内容挖掘方法引入了中间过程，导致所挖掘数据中噪声多，难以保证所挖掘的内容的质量。

基于上述问题，本申请中提供了一种内容挖掘方法、装置及相关产品，通过二部图传播的方式实现从内容到用户，再从用户到内容的挖掘。在基于二部图传播的内容挖掘过程噪声引入减少，保障了挖掘内容的质量。并且该方法节省了建图方面计算资源的消耗。通过自动式的内容挖掘，降低了人工标注内容的负担。以低成本在海量内容中确定与种子内容具有相同的预设内容属性的目标挖掘内容，从而可以辅助平台运营方完成对特定类型内容的甄别和推广。

本申请提供的内容挖掘方法可以应用于具有数据处理能力的内容挖掘设备，如终端设备、服务器。其中，终端设备具体可以为智能手机、台式计算机、笔记本电脑、平板电脑、智能音箱、智能手表等，但并不局限于此；服务器可以是独立的物理服务器，也可以是多个物理服务器构成的服务器集群或者分布式系统，还可以是提供云计算服务的云服务器。终端设备以及服务器可以通过有线或无线通信方式进行直接或间接地连接，本申请在此不做限制。

为了便于理解，请参阅图1所示的一种内容挖掘方法的流程图。如图1所示，本申请实施例提供的内容挖掘方法，包括：

S100：获取种子内容集合，种子内容集合包括的多个内容均具有预设内容属性。

本申请实施例提供的方法准备了种子内容集合。在种子内容集合中包含了多个内容，这些内容具有预设内容属性，并且预设内容属性也是执行本实施例方法进行内容挖掘的目的。也就是说，在本申请实施例技术方案中，以种子内容集合作为基础素材，目的是从海量的内容中确定出尽可能多的具备预设内容属性的内容。预设内容属性可以根据实际的内容挖掘需求来选定。

作为一示例，若内容挖掘的目的是确定海量内容中的优质内容，则种子内容集合包括的内容均属于优质内容，即预设内容属性为优质属性。作为另一示例，若内容挖掘的目的是挖出海量内容中的综艺类内容，则种子内容集合包括的内容均属于综艺类内容，即预设内容属性为综艺属性。或者种子内容集合包括的多个内容均具备多个预设内容属性，例如多个预设内容属性包括优质属性和新闻播报属性。在实际应用中，预设内容属性可能有多种划分方式和定义方式。作为示例，基于内容的表现类型分为综艺类、新闻播报类、纪录片类、影视类等；基于内容的领域分为科教类、军事类、传统文化类、宠物类等；基于画面与音质的精良程度、内容蕴含的知识深度和丰富程度分为优质、劣质等；基于内容与“低级趣味、庸俗、使人萎靡、颓废”等传达效果的相关性，或者内容与内容平台中网络信息传播规定中明令禁止的条款的相关性，可确定内容是否具备低俗属性。种子内容集合可以通过多种方式获取。下面示例性介绍两种获取种子内容集合的实现方式。

在一种可能的实现方式中，通过对少量内容的人工标注获取种子内容集合。专业人员标注的种子内容能够正确反映出预设内容属性。这一方式获取的种子内容集合优点是无噪声、质量高。

在另一种可能的实现方式中，通过标注少量上传过具有预设内容属性的内容的内容生产者，来获取这些内容生产者上传的数量较多的内容，构建种子内容集合。例如，内容生产者S（未在图中示出）上传过具有预设内容属性的内容，则将内容生产者S进行与预设内容属性对应的标注，根据此标注将内容生产者S所有上传的内容加入到种子内容集合中。这一方式获取种子内容集合的优点是标注成本较低。

以上获取种子内容集合的方式仅为示例，可以根据实际需求选择适合的获取种子内容集合的方式，且获取方式不局限于以上两种。

S101：根据与种子内容集合关联的候选用户集合对种子内容集合的交互行为数据，从候选用户集合中确定出目标用户。

本申请实施例中基于二部图传播来进行内容挖掘。二部图又称为二分图，是图论中的一种模型。二部图中包含两个独立的点集，在本申请实施例中，这两个点集分别是内容点集合用户点集。图2为本申请实施例提供的一种二部图。如图2所示，内容点集可以包括多种形式的内容，例如视频、图片、文本等，用户点集则包含多个用户。内容与用户之间是消费和被消费的关系。在消费过程中，用户可能针对被消费的内容产生一种或者多种社交行为，例如点击、点赞、喜欢、收藏、评论或分享等。上述消费行为和社交行为均可以统一划定为是用户对内容的交互行为，这些交互行为的发生会产生相应的数据，这些数据又称为用户对内容的交互行为数据。本申请实施例中，在进行二部图传播实现内容挖掘时，应用到用户对内容的交互行为数据。

前面提到，本方案的内容挖掘是基于二部图，为此准备了候选用户集合。在候选用户集合中包含了多个用户。在一种示例实现方式中候选用户集合可以包含平台上所有已注册的用户，在另一种示例实现方式中候选用户集合也可以仅包含平台上在近3年内活跃度达到预设程度的用户，在候选用户集合中包含与种子内容集合产生交互行为数据的用户。

此外，还可以基于用户与种子内容集合间产生的交互行为数据来筛选用户并进而得到候选用户集合。例如，如果某一用户未曾与种子内容集合中任一内容发生过交互行为，则该用户不会选入到候选用户集合中；只有与种子内容集合中的一个或多个内容发生过交互行为的用户才选入候选用户集合中。此方式由于预先基于交互行为数据来形成候选用户集合，因此减少了为确定目标用户而产生的计算量，提升了确定目标用户的效率。以上选取方式仅为示例，本申请实施例中对于候选用户集合中用户的选取方式不进行限定。

候选用户集合中包含了多个用户，为了从海量内容中挖掘出所需要的具有预设内容属性的新内容，在S101中需要首先从候选用户集合中确定出目标用户。此处，目标用户被判定为是种子内容集合的受众。由于种子内容集合中包括的多个内容具有预设内容属性，因此，目标用户也是预设内容属性的受众。在S101中，具体根据候选用户集合对种子内容集合的交互行为数据来确定目标用户。此处，候选用户集合对种子内容集合的交互行为数据包括：候选用户集合中每一个用户对于种子内容集合中每一个内容的交互行为数据。基于这些交互行为数据，可以判断出候选用户集合中每一个用户对于种子内容集合是否具有密切、高强度的交互联系，进而确定出用户是否为目标用户。

下面介绍S101的一种示例实现方式，请参照图3所示的确定目标用户的流程图。如图3所示，确定目标用户的过程包括：

S101a：根据候选用户集合中用户对种子内容集合的交互行为数据，获得用户在种子内容集合的多种预设交互行为的行为分值。

作为示例，多种预设交互行为包括：观看内容、点击内容、喜欢内容、收藏内容、评论内容和分享内容。

一般而言，观看内容是用户受到内容吸引产生的交互行为；点击内容是用户基于暂停播放的需求、放大内容展示画面等需求、受到内容吸引或者基于与内容相关的某种奖励机制产生的交互行为；喜欢内容是用户对内容表示喜好态度产生的交互行为；收藏内容是用户肯定内容价值产生的交互行为；评论内容是用户针对内容对外抒发观点产生的交互行为；分享内容是用户为传播内容给他人产生的交互行为，分享的目的可以是将内容传播给其他可能感兴趣的用户，或者通过传播表达出用户对所分享内容的认可。

以上多种预设交互行为可以分别通过不同类型的输入操作实现，并且具体的输入操作可以和内容的展现位置、展现方式、内容平台的模块设置相关。以下对上述多种预设交互行为的输入操作做出示例性的介绍。

作为示例，点击内容这一交互行为对应的输入操作为：对内容展示或播放的触发操作，例如可以是用户在终端设备屏幕上针对展示的内容标题或缩略图的点击操作。观看内容这一交互行为对应的输入操作为：内容展示或播放后，保持内容展示或播放的同时，用户对展示窗口的下拉操作，或者对播放进度条的拖动操作。喜欢内容这一交互行为对应的输入操作为：对屏幕上展示内容的同一页面中展示的“心”形模块的选中操作。收藏内容这一交互行为对应的输入操作为：对屏幕上展示内容的同一页面中展示的“星”形模块的选中操作。评论内容这一交互行为对应的输入操作包括：用户对评论输入框的选中、输入字符及发布所输入字符的操作。分享内容这一交互行为对应的输入操作包括：对屏幕上展示内容的同一页面中展示的分享按钮的触发操作以及对分享途径或分享位置的选中操作。

以上多种预设交互行为可通过与输入操作对应的检测方式进行检测识别，并获得交互行为数据。以下对上述多种预设交互行为的检测方式做出示例性的介绍。

作为示例，点击内容这一交互行为的检测方式可以为：对屏幕中内容标题或缩略图的点击操作进行检测。观看内容这一交互行为对应的检测方式可以为：对展示窗口的拖动操作进行检测，以及对内容的播放时长进行检测。喜欢内容这一交互行为对应的检测方式为：对屏幕上“心”形模块的选中状态进行检测。收藏内容这一交互行为对应的检测方式为：对屏幕上“星”形模块的选中状态进行检测。评论内容这一交互行为对应的检测方式包括：检测内容的评论输入框的陆续被选中、输入字符及将字符发布的操作。分享内容这一交互行为对应的检测方式包括：对屏幕上分享按钮的触发状态进行检测以及对分享途径或分享位置的选中状态进行检测。

观看内容的数据包括观看时长。点击内容、喜欢内容、收藏内容、评论内容和分享内容的数据均包括有或无。举例来说，观看时长超过预设时长，则将观看内容这一交互行为的值置为1，否则置为0。用户点击了内容，则点击内容这一交互行为的值为1，否则置为0；喜欢内容、收藏内容、评论内容和分享内容等交互行为的值的设置方式与前述点击内容的值的设置方式类似，此处不加以赘述。

用户在种子内容集合的多种预设交互行为的行为分值包括：用户在种子内容集合观看内容的行为分值、用户在种子内容集合点击内容的行为分值、用户在种子内容集合喜欢内容的行为分值、用户在种子内容集合收藏内容的行为分值、用户在种子内容集合评论内容的行为分值和用户在种子内容集合分享内容的行为分值。为了对上述各种预设交互行为的行为分值分别标识，假设多种预设交互行为共包括N种交互行为，将多种预设交互行为分为第1种交互行为、第2种交互行为…第N种交互行为。其中N为大于1的整数。

实际应用中，作为一种可选的实现方式，根据用户在种子内容集合中每个种子内容的第i种交互行为的行为数据，累加得到用户在种子内容集合的第i种交互行为的行为分值。此处，1≤i≤N，且i为整数。假设种子内容集合包括P个种子内容，P为大于1的整数。计算某一用户在种子内容集合的第i种交互行为的行为分值

在公式（1）中，

S101b：根据用户在种子内容集合的多种预设交互行为的行为分值以及多种预设交互行为对应的权重参数，得到用户在种子内容集合的行为可信度分值。

基于多种预设交互行为中不同的交互行为对内容的认可程度的高低，设置多种预设交互行为各自对应的权重参数。例如，在一些情况下，基于输入操作的便捷性不同，用户对内容点赞的认同程度低于对内容分享的认同程度，因此可以给点赞内容设置较低的权重参数，而给分享内容设置较高的权重参数。

在已知用户在种子内容集合的多种预设交互行为的行为分值以及多种预设交互行为对应的权重参数的前提下，可以将相同交互行为的行为分值和权重参数进行乘法运算后，相加得到用户在种子内容集合的行为可信度分值。可以理解的是，行为可信度分值越高，表示用户对种子内容集合具有越密切、强度越高的交互联系，同时也表示用户对于种子内容集合的认可程度越高。计算用户在种子内容集合的行为可信度分值的公式如下：

公式（2）中，

S101c：根据用户在种子内容集合的行为可信度分值，从候选用户集合中确定出目标用户。

本步骤具体实现时包括多种可能的实现方式。例如，可以将候选用户集合中在种子内容集合的行为可信度分值超过第一预设分值的用户确定为目标用户。或者，也可以对候选用户集合中用户在种子内容集合的行为可信度分值进行降序排列，将其中前预设第一数目个分值对应的用户确定为目标用户。需要说明的是，第一预设分值以及第一预设数目可以根据经验或者实际需求进行设置，故本申请实施例中不做具体数值的限定。第一预设数目小于候选用户集合中包含的用户总数。作为示例，第一预设数目为500，则在后一种实现方式中，将可信度分值最高的前500个用户确定为目标用户。

S102：基于目标用户对候选内容集合的交互行为数据，确定目标挖掘内容。

通过如上S101已经确定出（即挖掘出）目标用户。其后，基于二部图传播的构思，进一步地根据所确定出的目标用户，在海量未被人工标注的内容中确定匹配挖掘需求（即具备预设内容属性）的新的内容，这些新确定的内容在本申请实施例中称为目标挖掘内容。这些海量的未被人工标注内容包括候选内容集合中的内容，此外还可以包括除前述的候选内容集合以外的内容。在基于目标用户确定目标挖掘内容时，同样还要以目标用户对候选内容集合的交互行为数据作为分析基础。以下结合图4介绍S102的一种可选的实现方式。

假设候选内容集合共包括K个候选内容，即分别为第1个候选内容，第2个候选内容…第K个候选内容，K为大于1的整数。如图4所示，挖掘第一目标内容的过程包括：

S102a：根据目标用户在候选内容集合中第j个候选内容的第i种交互行为的行为数据，累加得到目标用户在第j个候选内容的交互分值，其中1≤j≤K，且j为整数。

某一目标用户在第j个候选内容的交互分值的表达式为

S102b：根据目标用户在第j个候选内容的交互分值和目标用户在种子内容集合的行为可信度分值，得到第j个候选内容的可信度分值。

根据目标用户在第j个候选内容的交互分值和目标用户在种子内容集合的行为可信度分值，可以得到以该目标用户的交互行为数据获得的第j个候选内容的可信度分值。该可信度分值的计算公式如下：

在公式（3）中，i指示第i种交互行为，

在S101所确定出的目标用户中，可能包含多个目标用户与候选内容集合中第j个候选内容存在预设交互行为。因此依照公式（3），可以依据多个目标用户的交互行为数据分别获得关于第j个候选内容的可信度分值，例如目标用户A的交互行为数据获得的

在一种可选实现方式中，将所有依照公式（3）得到的

基于j的取值范围，可以依照上述方式获得候选内容集合中每一个候选内容的可信度分值。

S102c：根据候选内容集合中每一个候选内容的可信度分值，从候选内容集合中确定目标挖掘内容。

在本申请实施例中，所能够挖掘出的目标挖掘内容中至少包括候选内容集合中的一个或多个内容。为了便于区分，将候选内容集合中确定出的目标挖掘内容称为第一目标内容，而候选内容集合之外确定出的目标挖掘内容称为第二挖掘内容。在一些实现场景中，可以仅仅从候选内容集合中挖掘内容，此外也可以在对挖掘内容有更高数量要求时，额外从候选内容集合之外挖掘内容。以下首先介绍一种从候选内容集合确定目标挖掘内容的实现方案。

在可选实现方式中，可以将候选内容集合中可信度分值超过第二预设分值的候选内容确定为第一目标内容；或者，对候选内容集合中候选内容的可信度分值进行降序排列，将其中前预设第二数目个分值对应的候选内容确定为第一目标内容。

需要说明的是，第二预设分值以及第二预设数目可以根据经验或者实际需求进行设置，故本申请实施例中不做具体数值的限定。第二预设数目小于候选内容集合中包含的候选内容总数。作为示例，第二预设数目为50000，则在后一种实现方式中，降序排列后，将候选内容集合中可信度分值最高的前50000个候选内容确定为第一目标内容。这些内容便是作为新确定出来的目标挖掘内容。

以上即为本申请实施例提供的内容挖掘方法。该方法中，首先，获取种子内容集合，其中所包括的多个内容均具有预设内容属性；接着，根据与种子内容集合关联的候选用户集合对种子内容集合的交互行为数据，从候选用户集合中确定出目标用户；其后，基于目标用户对候选内容集合的交互行为数据，确定目标挖掘内容。此方法不需要建立复杂的图结构，即便对所挖掘内容具有较高的时效性要求，也可以频繁、快捷地进行内容挖掘。节省了挖掘过程中对计算资源的消耗。此外，该方法基于二部图传播实现内容挖掘，不需要在二部图基础上引入中间过程，因此有效避免了噪声的引入，相比现有技术提升了目标挖掘内容的纯净度，从而保障了所挖掘内容的质量。通过自动式的内容挖掘，降低了人工标注内容的负担。以低成本在海量内容中挖掘出与种子内容具有相同的预设内容属性的内容，从而可以辅助平台运营方完成对特定类型内容的甄别和推广。

通过S100-S102完成了一轮内容挖掘。实际应用中，如果还希望进一步挖掘出更多与预设内容属性相关的新的内容，还可以将当前轮的内容挖掘的产物作为下一轮内容挖掘的种子内容集合。例如第1轮确定出的目标挖掘内容用以构建新的种子内容集合，新的种子内容集合则用于启动第2轮针对预设内容属性的内容挖掘；第2轮确定出的目标挖掘内容用以构建新的种子内容集合，新的种子内容集合则用于启动第3轮针对预设内容属性的内容挖掘，以此类推。

当依据当前轮的挖掘产物（即目标挖掘内容）构建下一轮内容挖掘的种子内容集合之前，还可以对当前轮的挖掘产物进行针对预设内容属性的合格性验证。只有挖掘产物通过预设内容属性的合格性验证时，才将挖掘产物加入到新的种子内容集合中。在本申请实施例中，经过预设内容的合格性验证环节，可以有效提升下一轮内容挖掘使用的种子内容集合的准确性，进而提升下一轮内容挖掘的产物质量。

考虑到第一目标内容的数量可能较少，为了提升挖掘出的内容的数量，还可以通过第一目标内容进一步确定内容生产者，再基于前述确定的内容生产者确定更多的目标挖掘内容。下面结合实施例介绍另一种内容挖掘方法。

图5为本申请实施例提供的另一种内容挖掘方法的流程图。图5所示的内容挖掘方法包括：

S501：获得冷启动数据，冷启动数据包括针对预设内容属性的第1轮内容挖掘使用的种子内容集合，种子内容集合包括的多个内容均具有预设内容属性。

S502：根据与种子内容集合关联的候选用户集合对种子内容集合的交互行为数据，从候选用户集合中确定出目标用户。

S503：基于目标用户对候选内容集合的交互行为数据，从候选内容集合中确定出第一目标内容。

S501-S503与前述实施例中S100-S102的实现方式基本相同，详情请参照前述实施例，此处对于S502-S503不进行赘述。

S504：确定第一目标内容的内容生产者。

对于上传第一目标内容的内容生产者，其大几率也上传其他具有预设内容属性的内容。为了扩充挖掘产物的数量，在本申请实施例中可以S503确定出的第一目标内容的内容生产者相应地确定出来，进而获得更多具有预设内容属性的内容，即第二目标内容，提升本轮的挖掘产物数量。

S505：获得内容生产者上传的第二目标内容；第二目标内容包括内容生产者上传的除第一目标内容以外的一个或多个内容。

作为示例，第一目标内容为其内容生产者上传的一个内容，可以将该内容生产者上传的其余一个或多个内容确定为第二目标内容。

S506：根据第一目标内容和第二目标内容构建新的种子内容集合。

根据第一目标内容和第二目标内容构建新的种子内容集合，具体可以包括：从第一目标内容和第二目标内容中将具有预设内容属性的内容确定为合格挖掘内容；根据合格挖掘内容构建新的种子内容集合。经过预设内容属性的合格性验证环节，可以有效提升下一轮挖掘使用的种子内容集合的准确性，进而提升下一轮内容挖掘的产物质量。

为实现对于第一目标内容和第二目标内容具备预设内容属性与否的合格性验证，本申请实施例中S506可以通过训练好的分类模型实现。例如：将预先标注好的具备预设内容属性的内容作为正样本来训练出分类模型，将第一目标内容和第二目标内容输入分类模型后，根据输出结果即可确定合格与否（即是否具备预设内容属性）。以上仅为示例，在其他实现方式中，多种机器学习模型、深度学习模型或者生成模型均可以用于对内容的合格性进行检验。

需要说明的是，由于在实际应用中，用户对内容的交互行为数据可以实时更新实时获取的，因此，内容挖掘时使用到的交互行为数据不是一成不变，可以实时更新。进而，依照本申请实施例提供的内容挖掘方法，随着交互行为数据的更新可以时常挖掘出新的具备预设内容属性的内容。例如当天依照此方法挖掘出了一批内容，后一天可以将前一天的产物提取出新的种子内容集合执行内容挖掘，不同日期不但种子内容不同，且交互行为数据也发生了变化，进而周期性地实现了对预设内容属性的内容的挖掘。此外，候选内容集合也可以随着内容生产者的上传情况进行更新。

S507：判断是否满足预设结束挖掘条件，如果否，将新的种子内容集合作为下一轮内容挖掘的种子内容集合，进入S502；如果是，进入S508。

本步骤的目的是判断是否需要结束针对预设内容的内容挖掘操作。为此设定了预设结束挖掘条件。作为示例，预设结束挖掘条件包括：新的种子内容集合为空集，或者新的种子内容集合相比于本轮内容挖掘使用的种子内容集合无新增内容，或者，迭代次数达到预设次数。此处，每循环执行S502-S506一次，称为一轮内容挖掘，迭代次数加1。因此，迭代次数就是指根据与种子内容集合关联的候选用户集合对种子内容集合的交互行为数据，从候选用户集合中确定出目标用户及后续步骤的循环次数。

新的种子内容集合相比于本轮内容挖掘使用的种子内容集合无新增内容也是指连续两轮确定出的目标挖掘内容一致。当然，在其他实现方式中，还可以当连续两轮以上获得的新的种子内容集合一致时才确定满足预设结束挖掘条件。例如，连续五轮获得的新的种子内容集合一致，则确定满足结束挖掘条件。

即本轮内容挖掘结束后，如果依据新的种子内容集合确定没有挖掘出新鲜的目标挖掘内容，则判断不需要继续迭代，可以停止迭代，结束内容挖掘。或者迭代次数达到预设次数，表示迭代次数已经足够多，接近收敛，此时可以停止迭代，结束内容挖掘。

而如果尚未满足预设结束挖掘条件，在本申请技术方案中可以将当前轮的挖掘产物形成的新的种子内容集合启动下一轮的挖掘。具体参见S508。

S508：停止挖掘内容。

本申请实施例通过提供部分用于冷启动阶段的种子内容数据，通过二部图传播的迭代算法能够高效、便捷、周期性地获取大量具有预设内容属性的内容数据，而且数据准确率较高，节省了人工标注的成本。作为示例，在优质内容挖掘项目中，针对当天生产内容数据实施本申请介绍的内容挖掘方法进行挖掘，每天可以产生大约一千以上数量的优质内容。通过校验发现，挖掘出的内容中，优质内容的准确率高达90%以上。

此外，在S502执行后可以引入机器学习模型或者深度学习模型对目标用户进行判别，以保证其作为目标用户的准确度。在S504之后，可以引入机器学习模型或者深度学习模型对确定出的内容生产者进行判别，以保证其作为进一步挖掘第二目标内容的内容生产者的准确度。对于不具备预设内容属性的内容、准确度要求的目标用户和内容生产者，可以予以剔除，避免对内容挖掘的准确度和质量造成影响。利用机器模型、深度学习模型或者生成模型进行特定类别的校验和判别属于比较成熟的技术，此处不做赘述，这些模型只需要结合本申请实施例的应用场景和数据要求进行训练即可。

应用本申请实施例提供的内容挖掘方法可以高效、精准且低成本地获得大量与预设内容属性匹配的内容，实现对大量内容的自动标注，扩充标注范围。目标挖掘内容可以用于精准推荐给特定喜好的用户，实现对用户的个性化服务。从而，用户在有限的时间内可以消费其感兴趣的特定内容，提升用户的内容消费体验。

以预设内容属性为优质属性为例，尽管优质内容在海量数据中通常仅占据少数，但是通过本申请实施例提供的技术方案可以精准挖掘出未标注的优质内容。对优质内容的准确挖掘有利于在海量内容中完成对优质内容的定位和推广。从而，用户可以更加便捷地阅览到优质内容。

在一些训练模型的场景中，需要基于大量已标注的数据进行训练。一般而言，训练数据越多、质量越高，训练出的模型性能越好，模型越准确。但是人工标注存在效率低且成本高的问题。而本申请实施例提供的内容挖掘方法基于种子内容集合的预设内容属性和二部图传播方法有效挖掘出大量具备预设内容属性的目标挖掘内容，相当于实现了对内容的自动标注，扩充了已标注内容的数量。同时也节省了人工标注的成本，提高了标注效率。这些挖掘出的内容可以用于补充模型的训练数据。进而有助于训练出准确性能更高的模型。此处对于要求训练的模型的功能和类型不做限定。

在本申请实施例中，内容挖掘涉及到的互联网平台以及内容挖掘方法可以是基于区块链实现的。

区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链（Blockchain），本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性（防伪）和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层。

区块链底层平台可以包括用户管理、基础服务、智能合约以及运营监控等处理模块。其中，用户管理模块负责所有区块链参与者的身份信息管理，包括维护公私钥生成（账户管理）、密钥管理以及用户真实身份和区块链地址对应关系维护（权限管理）等，并且在授权的情况下，监管和审计某些真实身份的交易情况，提供风险控制的规则配置（风控审计）；基础服务模块部署在所有区块链节点设备上，用来验证业务请求的有效性，并对有效请求完成共识后记录到存储上，对于一个新的业务请求，基础服务先对接口适配解析和鉴权处理（接口适配），然后通过共识算法将业务信息加密（共识管理），在加密之后完整一致的传输至共享账本上（网络通信），并进行记录存储；智能合约模块负责合约的注册发行以及合约触发和合约执行，开发人员可以通过某种编程语言定义合约逻辑，发布到区块链上（合约注册），根据合约条款的逻辑，调用密钥或者其它的事件触发执行，完成合约逻辑，同时还提供对合约升级注销的功能；运营监控模块主要负责产品发布过程中的部署、配置的修改、合约设置、云适配以及产品运行中的实时状态的可视化输出，例如：告警、监控网络情况、监控节点设备健康状态等。

平台产品服务层（即内容平台）提供典型应用的基本能力和实现框架，开发人员可以基于这些基本能力，叠加业务的特性，完成业务逻辑的区块链实现。应用服务层提供基于区块链方案的应用服务给业务参与方进行使用。

基于前述实施例提供的内容挖掘方法，相应地，本申请还提供了一种内容挖掘装置。以下结合附图和实施例进行说明。

图6为本申请实施例提供的一种内容挖掘装置的结构示意图。如图6所示的内容挖掘装置600包括：

种子获取单元601，用于获取种子内容集合；种子内容集合包括的多个内容均具有预设内容属性；

用户确定单元602，用于根据与种子内容集合关联的候选用户集合对种子内容集合的交互行为数据，从候选用户集合中确定出目标用户；

内容确定单元603，用于基于目标用户对候选内容集合的交互行为数据，确定目标挖掘内容，目标挖掘内容包括候选内容集合中的一个或多个内容。

此装置不需要建立复杂的图结构，即便对所挖掘内容具有较高的时效性要求，也可以频繁、快捷地进行内容挖掘。节省了挖掘过程中对计算资源的消耗。此外，该装置基于二部图传播实现内容挖掘，不需要在二部图基础上引入中间过程，因此有效避免了噪声的引入，相比现有技术提升了挖掘出的内容的纯净度，从而保障了目标挖掘内容的质量。

可选地，目标挖掘内容包括第一目标内容和第二目标内容，内容确定单元603，包括：

内容第一确定子单元，用于根据目标用户对候选内容集合的交互行为数据，从候选内容集合中确定第一目标内容；

内容生产者确定子单元，用于确定第一目标内容的内容生产者；

内容第二确定子单元，用于获取内容生产者上传的第二目标内容；第二目标内容包括内容生产者上传的除第一目标内容以外的一个或多个内容。

可选地，内容挖掘装置600还包括：

种子内容集合构建单元，用于根据第一目标内容和第二目标内容构建新的种子内容集合；

迭代确定单元，用于当预设结束挖掘条件不满足时，将新的种子内容集合作为下一轮内容挖掘的种子内容集合，返回执行根据与种子内容集合关联的候选用户集合对种子内容集合的交互行为数据，从候选用户集合中确定出目标用户及后续步骤，直至预设结束挖掘条件满足时停止挖掘内容。

可选地，种子内容集合构建单元，具体包括：

合格性验证子单元，用于从第一目标内容和第二目标内容中将具有预设内容属性的内容确定为合格挖掘内容；

种子内容集合构建子单元，用于根据合格挖掘内容构建新的种子内容集合。

可选地，预设结束挖掘条件包括：

新的种子内容集合为空集；或者，

新的种子内容集合相比于本轮内容挖掘使用的种子内容集合无新增内容；或者，

对执行根据与种子内容集合关联的候选用户集合对种子内容集合的交互行为数据，从候选用户集合中确定出目标用户及后续步骤的迭代次数达到预设次数。

可选地，用户确定单元602，包括：

行为分值计算子单元，用于根据候选用户集合中用户对种子内容集合的交互行为数据，获得用户在种子内容集合的多种预设交互行为的行为分值；

行为可信度分值计算子单元，用于根据用户在种子内容集合的多种预设交互行为的行为分值以及多种预设交互行为对应的权重参数，得到用户在种子内容集合的行为可信度分值；

目标用户确定子单元，用于根据用户在种子内容集合的行为可信度分值，从候选用户集合中确定出目标用户。

可选地，目标用户确定子单元，用于将候选用户集合中在种子内容集合的行为可信度分值超过第一预设分值的用户确定为目标用户；或者，对候选用户集合中用户在种子内容集合的行为可信度分值进行降序排列，将其中前预设第一数目个分值对应的用户确定为目标用户。

可选地，多种预设交互行为包括：第1种交互行为至第N种交互行为，N为大于1的整数；

候选内容集合包括第1个候选内容至第K个候选内容，K为大于1的整数；内容确定单元603，包括：

交互分值计算子单元，用于根据目标用户在候选内容集合中第j个候选内容的第i种交互行为的行为数据，累加得到目标用户在第j个候选内容的交互分值；1≤j≤K，且j为整数；1≤i≤N，且i为整数；

可信度分值计算子单元，用于根据目标用户在第j个候选内容的交互分值和目标用户在种子内容集合的行为可信度分值，得到第j个候选内容的可信度分值；

内容确定子单元，用于根据候选内容集合中每一个候选内容的可信度分值，从候选内容集合中确定目标挖掘内容。

可选地，多种预设交互行为包括：观看内容、点击内容、喜欢内容、收藏内容、评论内容和分享内容。

本申请实施例还提供了一种计算机设备，下面将从硬件实体化的角度对本申请实施例提供的计算机设备进行介绍。

图7是本申请实施例提供的一种服务器结构示意图，该服务器900可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上中央处理器（central processingunits，CPU）922（例如，一个或一个以上处理器）和存储器932，一个或一个以上存储应用程序942或数据944的存储介质930（例如一个或一个以上海量存储设备）。其中，存储器932和存储介质930可以是短暂存储或持久存储。存储在存储介质930的程序可以包括一个或一个以上模块（图示没标出），每个模块可以包括对服务器中的一系列指令操作。更进一步地，中央处理器922可以设置为与存储介质930通信，在服务器900上执行存储介质930中的一系列指令操作。

服务器900还可以包括一个或一个以上电源926，一个或一个以上有线或无线网络接口950，一个或一个以上输入输出接口958，和/或，一个或一个以上操作系统941，例如Windows ServerTM，Mac OS XTM，UnixTM, LinuxTM，FreeBSDTM等等。

上述实施例中由服务器所执行的步骤可以基于该图7所示的服务器结构。

其中，CPU 922用于执行如下步骤：

获取种子内容集合；种子内容集合包括的多个内容均具有预设内容属性；

根据与种子内容集合关联的候选用户集合对种子内容集合的交互行为数据，从候选用户集合中确定出目标用户；

基于目标用户对候选内容集合的交互行为数据，确定目标挖掘内容，目标挖掘内容包括候选内容集合中的一个或多个内容。

针对上文描述的内容挖掘方法，本申请实施例还提供了一种用于内容挖掘的终端设备，以使上述内容挖掘方法在实际中实现以及应用。

参见图8，图8为本申请实施例提供的一种终端设备的结构示意图。为了便于说明，仅示出了与本申请实施例相关的部分，具体技术细节未揭示的，请参照本申请实施例方法部分。该终端可以为包括手机、平板电脑、个人数字助理（英文全称：Personal DigitalAssistant，英文缩写：PDA）、销售终端（英文全称：Point of Sales，英文缩写：POS）、车载电脑等任意终端设备，以终端为手机为例：

图8示出的是与本申请实施例提供的终端形式计算机设备相关的手机的部分结构的框图。参考图8，手机包括：射频（英文全称：Radio Frequency，英文缩写：RF）电路1010、存储器1020、输入单元1030、显示单元1040、传感器1050、音频电路1060、无线保真（英文全称：wireless fidelity，英文缩写：WiFi）模块1070、处理器1080、以及电源1090等部件。本领域技术人员可以理解，图8中示出的手机结构并不构成对手机的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

下面结合图8对手机的各个构成部件进行具体的介绍：

RF电路1010可用于收发信息或通话过程中，信号的接收和发送，特别地，将基站的下行信息接收后，给处理器1080处理；另外，将设计上行的数据发送给基站。通常，RF电路1010包括但不限于天线、至少一个放大器、收发信机、耦合器、低噪声放大器（英文全称：LowNoise Amplifier，英文缩写：LNA）、双工器等。此外，RF电路1010还可以通过无线通信与网络和其他设备通信。上述无线通信可以使用任一通信标准或协议，包括但不限于全球移动通讯系统 （英文全称：Global System of Mobile communication，英文缩写：GSM）、通用分组无线服务（英文全称：General Packet Radio Service，GPRS）、码分多址（英文全称：CodeDivision Multiple Access，英文缩写：CDMA）、宽带码分多址（英文全称：Wideband CodeDivision Multiple Access, 英文缩写：WCDMA）、长期演进 （英文全称：Long TermEvolution，英文缩写：LTE）、电子邮件、短消息服务（英文全称：Short Messaging Service，SMS）等。

存储器1020可用于存储软件程序以及模块，处理器1080通过运行存储在存储器1020的软件程序以及模块，从而执行手机的各种功能应用以及数据处理。存储器1020可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序（比如声音播放功能、图像播放功能等）等；存储数据区可存储根据手机的使用所创建的数据（比如音频数据、电话本等）等。此外，存储器1020可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。

输入单元1030可用于接收输入的数字或字符信息，以及产生与手机的用户设置以及功能控制有关的键信号输入。具体地，输入单元1030可包括触控面板1031以及其他输入设备1032。触控面板1031，也称为触摸屏，可收集用户在其上或附近的触摸操作（比如用户使用手指、触笔等任何适合的物体或附件在触控面板1031上或在触控面板1031附近的操作），并根据预先设定的程式驱动相应的连接装置。可选的，触控面板1031可包括触摸检测装置和触摸控制器两个部分。其中，触摸检测装置检测用户的触摸方位，并检测触摸操作带来的信号，将信号传送给触摸控制器；触摸控制器从触摸检测装置上接收触摸信息，并将它转换成触点坐标，再送给处理器1080，并能接收处理器1080发来的命令并加以执行。此外，可以采用电阻式、电容式、红外线以及表面声波等多种类型实现触控面板1031。除了触控面板1031，输入单元1030还可以包括其他输入设备1032。具体地，其他输入设备1032可以包括但不限于物理键盘、功能键（比如音量控制按键、开关按键等）、轨迹球、鼠标、操作杆等中的一种或多种。

显示单元1040可用于显示由用户输入的信息或提供给用户的信息以及手机的各种菜单。显示单元1040可包括显示面板1041，可选的，可以采用液晶显示器（英文全称：Liquid Crystal Display，英文缩写：LCD）、有机发光二极管（英文全称：Organic Light-Emitting Diode，英文缩写：OLED）等形式来配置显示面板1041。进一步的，触控面板1031可覆盖显示面板1041，当触控面板1031检测到在其上或附近的触摸操作后，传送给处理器1080以确定触摸事件的类型，随后处理器1080根据触摸事件的类型在显示面板1041上提供相应的视觉输出。虽然在图8中，触控面板1031与显示面板1041是作为两个独立的部件来实现手机的输入和输入功能，但是在某些实施例中，可以将触控面板1031与显示面板1041集成而实现手机的输入和输出功能。

手机还可包括至少一种传感器1050，比如光传感器、运动传感器以及其他传感器。具体地，光传感器可包括环境光传感器及接近传感器，其中，环境光传感器可根据环境光线的明暗来调节显示面板1041的亮度，接近传感器可在手机移动到耳边时，关闭显示面板1041和/或背光。作为运动传感器的一种，加速计传感器可检测各个方向上（一般为三轴）加速度的大小，静止时可检测出重力的大小及方向，可用于识别手机姿态的应用（比如横竖屏切换、相关游戏、磁力计姿态校准）、振动识别相关功能（比如计步器、敲击）等; 至于手机还可配置的陀螺仪、气压计、湿度计、温度计、红外线传感器等其他传感器，在此不再赘述。

音频电路1060、扬声器1061，传声器1062可提供用户与手机之间的音频接口。音频电路1060可将接收到的音频数据转换后的电信号，传输到扬声器1061，由扬声器1061转换为声音信号输出；另一方面，传声器1062将收集的声音信号转换为电信号，由音频电路1060接收后转换为音频数据，再将音频数据输出处理器1080处理后，经RF电路1010以发送给比如另一手机，或者将音频数据输出至存储器1020以便进一步处理。

WiFi属于短距离无线传输技术，手机通过WiFi模块1070可以帮助用户收发电子邮件、浏览网页和访问流式媒体等，它为用户提供了无线的宽带互联网访问。虽然图8示出了WiFi模块1070，但是可以理解的是，其并不属于手机的必须构成，完全可以根据需要在不改变发明的本质的范围内而省略。

处理器1080是手机的控制中心，利用各种接口和线路连接整个手机的各个部分，通过运行或执行存储在存储器1020内的软件程序和/或模块，以及调用存储在存储器1020内的数据，执行手机的各种功能和处理数据，从而对手机进行整体监控。可选的，处理器1080可包括一个或多个处理单元；优选的，处理器1080可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作系统、用户界面和应用程序等，调制解调处理器主要处理无线通信。可以理解的是，上述调制解调处理器也可以不集成到处理器1080中。

手机还包括给各个部件供电的电源1090（比如电池），优选的，电源可以通过电源管理系统与处理器1080逻辑相连，从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。

尽管未示出，手机还可以包括摄像头、蓝牙模块等，在此不再赘述。

在本申请实施例中，该终端所包括的处理器1080还具有以下功能：

获取种子内容集合；所述种子内容集合包括的多个内容均具有预设内容属性；

根据与所述种子内容集合关联的候选用户集合对所述种子内容集合的交互行为数据，从所述候选用户集合中确定出目标用户；

基于所述目标用户对候选内容集合的交互行为数据，确定目标挖掘内容，所述目标挖掘内容包括所述候选内容集合中的一个或多个内容。

本申请实施例还提供一种计算机可读存储介质，用于存储程序代码，该程序代码用于执行前述各个实施例所述的一种内容挖掘方法中的任意一种实施方式。

本申请实施例还提供一种包括指令的计算机程序产品，当其在计算机上运行时，使得计算机执行前述各个实施例所述的一种内容挖掘方法中的任意一种实施方式。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在本申请所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。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。

所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，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）执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（英文全称：Read-OnlyMemory，英文缩写：ROM）、随机存取存储器（英文全称：Random Access Memory，英文缩写：RAM）、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述，以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。