[发明专利]信息流平台作者的评分方法和装置

说明书

本发明提供了一种信息流平台作者的评分方法和装置。该方法包括：从多个不同渠道获取信息流平台的用户原始日志；通过规则解析引擎对所述用户原始日志进行解析，得到解析后的用户日志，其中所述规则解析引擎是根据所述不同渠道各自的日志解析规则构建的；从所述信息流平台的后台数据库中获取作者日志；根据所述解析后的用户日志和所述作者日志统计特定时间段内每一作者的产出表现的评价指标，其中，所述评价指标包括质量、产能、热度、专业度和信用度；对所述质量、产能、热度、专业度和信用度进行加权求和，得到该作者的评价分数。本发明实现多源数据融合，保证了数据的准确性、稳定性和可用性，并保证对作者评价的公平性、客观性和准确性。

技术领域

本发明涉及互联网技术领域，特别是一种信息流平台作者的评分方法、信息流平台作者的评分装置、计算机存储介质以及计算设备。

背景技术

信息流(feed)是一种可以滚动浏览的内容流。目前信息流平台的用户数量庞大，为了提供给用户良好的阅读体验，需根据用户行为数据对平台作者进行评价，从而对作者质量进行把控。

在当前的企业中，为了更全面了解用户，需要从多个产品和维度获取不同的用户行为数据，进而对作者做出更加全面的评价。然而，由于公司规模及技术储备各异、多源数据体量庞大、规则混乱、流程繁琐、数据延迟及异常、业务需求各异等问题，导致很难快速搭建实用、准确、稳定的多源数据融合体系。

另外，现有的作者评价体系中，使用机器学习算法来实现对作者表现的评价，具体实现方式为：选定一部分作者的相关数据作为数据集，根据用户的行为数据对作者标注分数，将选定的数据集划分为训练集和测试集，根据训练集训练不同的回归模型，使用测试集数据选择最优的回归模型，根据选出的最优回归模型对待测数据进行预测。然而，使用回归模型来评价作者的表现，实际上是学习对于作者标注标签的规则，但回归模型总存在一定的错误率，不能保证100％的正确率，所以无法保证对于所有作者的公平性。

因此，亟需一种能够保证多源数据的准确性和稳定性，并且保证对于作者的公平性的作者评价方法。

发明内容

鉴于上述问题，提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的信息流平台作者的评分方法、信息流平台作者的评分装置、计算机存储介质以及计算设备。

根据本发明实施例的一方面，提供了一种信息流平台作者的评分方法，包括：

从多个不同渠道获取信息流平台的用户原始日志；

通过规则解析引擎对所述用户原始日志进行解析，得到解析后的用户日志，其中所述规则解析引擎是根据所述不同渠道各自的日志解析规则构建的；

从所述信息流平台的后台数据库中获取作者日志；

根据所述解析后的用户日志和所述作者日志对所述信息流平台的作者进行评分。

可选地，所述不同渠道包括移动设备应用程序APP客户端和/或个人电脑APP客户端。

可选地，在从所述信息流平台的后台数据库中获取作者日志之后，所述方法还包括：

将所述解析后的用户日志和所述作者日志保存入Hadoop分布式文件系统中。

可选地，所述解析后的用户日志和所述作者日志通过作者发表的文章/视频的统一资源定位符URL相关联。

可选地，在对所述信息流平台的作者进行评分之后，所述方法还包括：

将对所述信息流平台的作者的评分结果保存到MySQL数据表中。

可选地，根据所述解析后的用户日志和所述作者日志对所述信息流平台的作者进行评分，包括：