1.一種故事篩選及精準(zhǔn)展現(xiàn)的方法，其特征在于，包括：
獲取用戶屬性信息；
建立用戶評分模型和等級劃分機制，根據(jù)用戶屬性和行為信息對用戶進行評分并劃分相應(yīng)的用戶等級；
獲取故事屬性信息；
建立故事評分模型和等級劃分機制，根據(jù)故事屬性和用戶操作信息對故事進行評分并劃分相應(yīng)的故事等級；
建立分層推薦模型，對于不同層級的用戶和故事構(gòu)建不同的推薦系統(tǒng)模型，用于實現(xiàn)高質(zhì)量故事篩選和精準(zhǔn)展現(xiàn)。
2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述獲取所述用戶屬性信息，包括：
用戶通用屬性信息，包括并不限制于角色信息、認(rèn)證信息、活躍時間信息等信息；
用戶操作統(tǒng)計信息，包括并不限制于發(fā)布故事數(shù)目、關(guān)注故事數(shù)目、被關(guān)注故事數(shù)目等信息。
3.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述建立用戶評分模型和等級劃分機制，包括：
根據(jù)所述的用戶通用屬性信息和用戶操作統(tǒng)計信息，建立用戶評分模型，其中所述用戶評分模型應(yīng)當(dāng)能夠反應(yīng)不同用戶對于故事質(zhì)量的挖掘能力、參與興趣、消費能力；
等級劃分機制根據(jù)所述的用戶評分模型獲取到評估分值，并將將用戶劃分到預(yù)設(shè)的不同等級中，使得各層用戶承載不同的功能；
低層級用戶主要承載故事內(nèi)容質(zhì)量篩選的功能，將盡可能多的故事展示給這部分用戶；
中層級用戶主要承載故事進一步篩選優(yōu)化并逐步實現(xiàn)其價值的功能，需要綜合展示數(shù)量和用戶個性化需求；
高層級用戶主要承載實現(xiàn)故事價值的功能，要充分滿足用戶個性化需求和實現(xiàn)精準(zhǔn)展示。
4.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述獲取故事屬性信息，包括：
所述獲取的故事為一切能轉(zhuǎn)化為影視、游戲、戲劇作品的文學(xué)創(chuàng)作作品，包括并不只限制于影視劇本、小說、戲劇大綱等；
故事靜態(tài)屬性信息，包括并不只限于作品名、作者信息、分類信息、標(biāo)簽信息等；
故事動態(tài)屬性信息，即用戶對故事的操作統(tǒng)計信息，包括并不只限于被關(guān)注數(shù)、點擊次數(shù)、瀏覽次數(shù)、瀏覽時長等信息。
5.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述建立故事評分模型和等級劃分機制，包括：
根據(jù)所述的故事靜態(tài)屬性信息和動態(tài)屬性信息，建立故事評分模型，其中所述用戶評分模型應(yīng)當(dāng)能夠一定程度上反映故事的內(nèi)容質(zhì)量；
等級劃分機制根據(jù)所述的故事評分模型獲取到評估分值，并將故事劃分到預(yù)設(shè)的不同等級中，不同等級反映了故事的內(nèi)容質(zhì)量。
6.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述建立分層推薦模型，對于不同層級的用戶和故事構(gòu)建不同的推薦系統(tǒng)模型，包括：
對所述劃分不同層級的用戶和故事構(gòu)建不同的推薦系統(tǒng)模型和展示策略，利用不同推薦模型和策略的特性適應(yīng)各層用戶不同需求，針對用戶等級劃分機制中所述各層用戶承載不同的功能，選取適應(yīng)該層級的推薦系統(tǒng)模型；
對于低層級可選的推薦和展示策略為，預(yù)設(shè)故事最小和最大的展示次數(shù)進行向用戶隨機展示，或利用標(biāo)簽信息進行內(nèi)容相似性描述，對相似性高的用戶和故事進行展示；
對于中層級可選的推薦和展示策略為，基于用戶協(xié)同過濾的推薦模型以及混合策略推薦模型；
對于高層級可選的推薦和展示策略為，采用滿足用戶個性化需求的基于物品協(xié)同過濾的推薦模型或者更為復(fù)雜精確度更高的推薦模型。
7.一種故事篩選及精準(zhǔn)展現(xiàn)的裝置，其特征在于，包括：
接收模塊，用于獲取用戶屬性信息和故事屬性信息；
等級劃分模塊，包括用戶等級劃分子模塊和故事等級劃分子模塊；
用戶等級劃分子模塊，用于建立用戶評分模型和等級劃分機制，根據(jù)用戶屬性和行為信息對用戶進行評分并劃分相應(yīng)的用戶等級；
故事等級劃分子模塊，用于建立故事評分模型和等級劃分機制，根據(jù)故事屬性和用戶操作信息對故事進行評分并劃分相應(yīng)的故事等級；
分層推薦及展現(xiàn)模塊，對于不同層級的用戶和故事構(gòu)建不同的推薦系統(tǒng)模型，用于實現(xiàn)高質(zhì)量故事篩選和精準(zhǔn)展現(xiàn)。
8.根據(jù)權(quán)利要求7所述的裝置，其特征在于，所述接收模塊用于獲取用戶屬性信息和故事屬性信息，包括：
用戶通用屬性信息，包括并不限制于角色信息、認(rèn)證信息、活躍時間信息等信息；
用戶操作統(tǒng)計信息，包括并不限制于發(fā)布故事數(shù)目、關(guān)注故事數(shù)目、被關(guān)注故事數(shù)目等信息；
所述獲取的故事為一切能轉(zhuǎn)化為影視、游戲、戲劇作品的文學(xué)創(chuàng)作作品，包括并不只限制于影視劇本、小說、戲劇大綱等；
故事靜態(tài)屬性信息，包括并不只限于作品名、作者信息、分類信息、標(biāo)簽信息等；
故事動態(tài)屬性信息，即用戶對故事的操作統(tǒng)計信息，包括并不只限于被關(guān)注數(shù)、點擊次數(shù)、瀏覽次數(shù)、瀏覽時長等信息。
9.根據(jù)權(quán)利要求7所述的裝置，其特征在于，構(gòu)建用戶等級劃分子模塊，用于建立用戶評分模型和等級劃分機制，包括：
根據(jù)所述的用戶通用屬性信息和用戶操作統(tǒng)計信息，建立用戶評分模型，其中所述用戶評分模型應(yīng)當(dāng)能夠反應(yīng)不同用戶對于故事質(zhì)量的挖掘能力、參與興趣、消費能力；
等級劃分機制根據(jù)所述的用戶評分模型獲取到評估分值，并將將用戶劃分到預(yù)設(shè)的不同等級中，使得各層用戶承載不同的功能；
低層級用戶主要承載故事內(nèi)容質(zhì)量篩選的功能，將盡可能多的故事展示給這部分用戶；
中層級用戶主要承載故事進一步篩選優(yōu)化并逐步實現(xiàn)其價值的功能，需要綜合展示數(shù)量和用戶個性化需求；
高層級用戶主要承載實現(xiàn)故事價值的功能，要充分滿足用戶個性化需求和實現(xiàn)精準(zhǔn)展示。
10.根據(jù)權(quán)利要求7所述的裝置，其特征在于，構(gòu)建故事等級劃分子模塊，用于建立故事評分模型和等級劃分機制，包括：
根據(jù)所述的故事靜態(tài)屬性信息和動態(tài)屬性信息，建立故事評分模型，其中所述用戶評分模型應(yīng)當(dāng)能夠一定程度上反映故事的內(nèi)容質(zhì)量；
等級劃分機制根據(jù)所述的故事評分模型獲取到評估分值，并將故事劃分到預(yù)設(shè)的不同等級中，不同等級反映了故事的內(nèi)容質(zhì)量。
11.根據(jù)權(quán)利要求7所述的裝置，其特征在于，構(gòu)建分層推薦及展現(xiàn)模塊，對于不同層級的用戶和故事構(gòu)建不同的推薦系統(tǒng)模型，包括：
對所述劃分不同層級的用戶和故事構(gòu)建不同的推薦系統(tǒng)模型和展示策略，利用不同推薦模型和策略的特性適應(yīng)各層用戶不同需求，針對用戶等級劃分機制中所述各層用戶承載不同的功能，選取適應(yīng)該層級的推薦系統(tǒng)模型；
對于低層級可選的推薦和展示策略為，預(yù)設(shè)故事最小和最大的展示次數(shù)進行向用戶隨機展示，或利用標(biāo)簽信息進行內(nèi)容相似性描述，對相似性高的用戶和故事進行展示；
對于中層級可選的推薦和展示策略為，基于用戶協(xié)同過濾的推薦模型以及混合策略推薦模型；
對于高層級可選的推薦和展示策略為，采用滿足用戶個性化需求的基于物品協(xié)同過濾的推薦模型或者更為復(fù)雜精確度更高的推薦模型。