CN102467709B - 一种发送商品信息的方法和装置 - Google Patents
一种发送商品信息的方法和装置 Download PDFInfo
- Publication number
- CN102467709B CN102467709B CN201010547218.0A CN201010547218A CN102467709B CN 102467709 B CN102467709 B CN 102467709B CN 201010547218 A CN201010547218 A CN 201010547218A CN 102467709 B CN102467709 B CN 102467709B
- Authority
- CN
- China
- Prior art keywords
- commodity
- evaluation
- information
- user
- record
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/50—Network services
- H04L67/60—Scheduling or organising the servicing of application requests, e.g. requests for application data transmissions using the analysis and optimisation of the required network resources
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0241—Advertisements
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0241—Advertisements
- G06Q30/0251—Targeted advertisements
- G06Q30/0269—Targeted advertisements based on user profile or attribute
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0631—Item recommendations
Landscapes
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开了一种发送商品信息的方法和装置，该方法包括：获取用户对商品的评价记录，所述评价记录包括用户标识、商品标识和评价信息；以用户标识和商品标识作为主关键字，按照主关键字的区间将所述评价记录分解为多个子记录集，并将所述多个子记录集分配到多个运算节点，其中，所述评价记录中与同一用户标识或商品标识关联的所有评价信息包含在同一子记录集中；获取所述多个运算节点根据分配到的子记录集得到的奇异值分解运算结果，根据所述奇异值分解运算结果向客户端发送推荐的商品信息。本申请的实施实例实现了奇异值分解的分布式处理，降低了运算节点处理的数据量和运算的复杂程度，减少了运算节点的运算时间。
Description
技术领域
本申请涉及通信技术领域，特别是涉及一种发送商品信息的方法和装置。
背景技术
随着互联网的普及，互联网系统在为用户提供越来越多选择的同时，其网站内容也变得更加复杂，以电子商务网站为例，用户经常会迷失在电子商务网站提供的大量的商品信息中，无法顺利地找到自己需要的商品。为解决上述问题，互联网系统通常根据用户对商品的评价信息，采用推荐算法确定用户可能需要的商品，并将该商品的信息发送给用户，从而帮助用户找到所需的商品，顺利地完成购物过程。
在互联网系统所使用的推荐算法中，SVD(Singular Value Decomposition，奇异值分解)算法为较准确的算法，可以通过矩阵分解分析主变量，达到降维和找到潜在变量的目的。具体地，将m×n阶实矩阵A分解为m阶正交阵U、n阶正交阵V以及对角矩阵S的乘积。通过SVD算法，可以从用户对商品的评价信息中分解得到用户偏好信息和商品获评信息，进而根据分解得到的用户偏好信息和商品获评信息向用户推荐商品。
在实现本申请的过程中，申请人发现现有技术至少存在如下问题：
互联网系统使用SVD算法向用户推荐商品时，无法将用户信息、商品信息以及用户对商品的评价信息分配到多个运算节点进行运算，而只能在单一运算节点进行运算，导致运算节点处理的数据量大，且运算复杂，耗费时间较长。此外，应用单一运算节点的处理模式可扩展性差，随着用户和商品信息的增多，该处理模式将无法满足系统的性能要求。
发明内容
本申请的目的在于提供一种发送商品信息的方法和装置，用以向客户端发送推荐的商品信息，为此，本申请采用如下技术方案：
一种发送商品信息的方法，包括：
获取用户对商品的评价记录，所述评价记录包括用户标识、商品标识和评价信息；
以用户标识和商品标识作为主关键字，按照主关键字的区间将所述评价记录分解为多个子记录集，并将所述多个子记录集分配到多个运算节点，其中，所述评价记录中与同一用户标识或商品标识关联的所有评价信息包含在同一子记录集中；
获取所述多个运算节点根据分配到的子记录集得到的奇异值分解运算结果，根据所述奇异值分解运算结果向客户端发送推荐的商品信息。
一种发送商品信息的装置，包括：
获取模块，用于获取用户对商品的评价记录，所述评价记录包括用户标识、商品标识和评价信息；
分配模块，用于以用户标识和商品标识作为主关键字，按照主关键字的区间将所述评价记录分解为多个子记录集，并将所述多个子记录集分配到多个运算节点，其中，所述评价记录中与同一用户标识或商品标识关联的所有评价信息包含在同一子记录集中；
发送模块，用于获取所述多个运算节点根据分配到的子记录集得到的奇异值分解运算结果，根据所述奇异值分解运算结果向客户端发送推荐的商品信息。
本申请的实施例包括以下优点，以用户标识和商品标识作为主关键字将用户对商品的评价记录进行分解，并将分解得到的子记录集分配到多个运算节点，使得评价记录中与同一用户标识或商品标识关联的所有评价信息包含在同一子记录集中，达到了向多个运算节点合理、简单地分配评价记录的目的；进一步地，因为将用户对商品的评价记录分配到多个运算节点进行并行运算，根据多个运算节点的奇异值分解运算结果向客户端发送推荐的商品信息，降低了运算节点处理的数据量和运算的复杂程度，减少了运算节点的运算时间；采用用户标识和商品标识作为主关键字分配评价记录，能够保证运算节点处理的数据的完整性，提高了运算的准确性。当然，实施本申请的实施例的任一产品并不一定需要同时达到以上所述的所有优点。
附图说明
图1为本申请实施例中的发送商品信息的方法流程图；
图2为本申请实施例中的评价记录对应的连通图；
图3为本申请实施例中的格式转换后的评价记录对应的连通图；
图4为本申请实施例中的子记录集对应的连通子图；
图5为本申请实施例中的发送商品信息的装置结构示意图。
具体实施方式
本申请实施例提供的技术方案中，获取用户对商品的评价记录，该评价记录包括用户标识、商品标识和评价信息；以用户标识和商品标识作为主关键字，将评价记录分解为多个子记录集，并将该多个子记录集分配到多个运算节点，其中，上述评价记录中与同一用户标识或商品标识关联的所有评价信息包含在同一子记录集中；获取多个运算节点根据分配到的子记录集得到的奇异值分解运算结果，根据该奇异值分解运算结果向客户端发送推荐的商品信息。
下面将结合本申请中的附图，对本申请中的技术方案进行清楚、完整的描述，显然，所描述的实施例是本申请的一部分实施例，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的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。
如图1所示，为本申请实施例中的发送商品信息的方法流程图，包括以下步骤：
步骤101，获取用户对商品的评价记录。
用户在电子商务网站购物后，通常电子商务网站会提供给用户对所购买的商品或交易过程是否满意进行评价的机会，用户的评价会以评价记录的形式存储在电子商务网站中。其中，评价记录可以以文本文件的形式存储在数据库中，包括用户标识、商品标识和评价信息。评价信息可以是用户对商品的评分，即，用户对商品的偏好程度。例如，评价信息可以是1到5之间的整数，1表示用户对该商品非常不满意，2表示用户对该商品不满意，3表示用户可以接受该商品，4表示用户对该商品满意，5表示对该商品非常满意。如果用户没有对商品进行评价，可以在评价记录中将对应的评价信息设置为0，如表1所示。
表1评价记录表项
| 用户1 | 用户2 | |
| 商品1 | 3 | 1 |
| 商品2 | 2 | 0 |
| 商品3 | 4 | 5 |
上述评价记录也可以通过矩阵的形式表示，其中，矩阵的元素为评价信息，元素的行标对应用户标识和商品标识中的一种，元素的列标对应用户标识和商品标识中的另一种。例如，表1所示的评价记录可以通过以下矩阵表示：
在上述矩阵中，元素的行标对应商品标识，元素的列标对应用户标识。
步骤102，对评价记录进行格式转换。
具体地，可以调整评价记录中的各个用户标识和/或商品标识对应的评价信息的排列顺序，还可以删除某些用户标识和/或商品标识对应的评价信息。其中，被删除的评价信息可以是评价过的商品的数量小于预设的最低门限的用户对应的评价信息，例如，只评价过一件商品的用户对应的评价信息；也可以是评价过的商品的数量大于预设的最高门限的用户对应的评价信息，该评价信息可能是由于网络中的恶意软件的操作而生成的。被删除的评价信息还可以是被评价次数小于预设的最低门限的商品，例如，只被评价过一次的商品对应的评价信息；也可以是被评价次数大于预设的最高门限的商品对应的评价信息，该评价信息也可能是由于网络中的恶意软件的操作而生成的。通过对上述评价信息的删除操作，可以去除评价记录中的噪声影响。
当评价记录通过矩阵的形式表示时，上述对评价记录的格式转换可以对应为：对矩阵进行列对换和行对换，并去掉矩阵中的某些行和列，将该矩阵转换为多个不相交的子矩阵。随着用户数量和商品数量的急剧增多，而用户评价的商品数量是有限的，多数商品并没有评价记录，因此，评价记录对应的矩阵为稀疏矩阵，非零元素占全部元素的百分比很小。通过上述操作，可以将该稀疏矩阵中的非零元素集中到多个不相交的子矩阵中。例如，评价记录可以通过以下稀疏矩阵1表示：
针对上述稀疏矩阵，可以将第2行和第3行进行对换，对换后，删除仅包含1个非零元素的第1行、第2行、第6行、第10行、第1列、第9列和第10列，以及全部为零元素的第5列，得到以下矩阵2：
上述评价记录还可以通过连通图的形式表示，如图2所示，其中，用户和商品为连通图的节点，用户对商品的评价信息为连接相应节点的边。上述对评价记录的格式转换可以对应为：对连通图进行去掉边的操作，即，针对仅通过一个边与其他节点连接的节点，去掉与该节点连接的边，将该连通图转化为多个连通子图，且各个连通子图之间通过一个或多个边连通。以图2为例，通过去掉商品1与用户1之间、商品10与用户2之间、商品6与用户9之间、商品3与用户10之间的边，得到通过两个边连通的两个连通子图，如图3所示。
步骤103，以用户标识和商品标识作为主关键字，按照主关键字的区间将评价记录分解为多个子记录集，并将分解得到的多个子记录集分配到多个运算节点。
其中，主关键字(primary key)用于唯一地标识评价记录中的每一条评价信息。系统可以根据运算节点的数量、评价记录的信息量和非零元素的分布特点，对主关键字进行区间划分，得到主关键字的多个区间，主关键字的每个区间包含一个或多个用户标识以及一个或多个商品标识，不同区间包含的用户标识和商品标识之间均没有重合部分，且评价记录包含的所有用户标识和商品标识均包含在划分后的主关键字的区间中。
进一步地，可以根据划分后的主关键字的区间分解评价记录，将与主关键字的区间中包含的用户标识和商品标识关联的所有评价信息作为与该区间对应的子记录集，因此，分解得到的子记录集为评价纪录的子集，各个子记录集与主关键字的各个区间一一对应，不同的子记录集对应不同的用户标识和不同的商品标识，且评价记录中与同一用户标识或商品标识关联的所有评价信息包含在同一子记录集中，并被分配到同一运算节点。多个子记录集分配到的多个运算节点位于分布式集群中，可进行并行运算。
以矩阵2对应的评价记录为例，该评价记录包含用户2-4、6-8对商品2、4、5、7-9的评价信息。可以将主关键字划分为两个区间：区间1包含用户6-8以及商品2、4、5，区间2包含用户2-4以及商品7-9，区间1和区间2包含的用户标识和商品标识均没有重合的部分。根据区间1和区间2分解评价记录时，可以将与区间1包含的用户6-8以及商品2、4、5关联的所有评价信息作为子记录集1，将与区间2包含的用户2-4以及商品7-9关联的所有评价信息作为子记录集2。相应地，矩阵2可以分解为两个不相交的子矩阵，其中，与子记录集1对应的子矩阵为：
与子记录集2对应的子矩阵为：
当评价记录通过连通图的形式表示时，可以按照主关键字的区间将评价记录对应的连通图分解为多个连通子图，各个连通子图与子记录集一一对应，如图4所示。将两个连通子图分配到两个并行的运算节点，可以保证分配到各个运算节点的连通子图的完整性。
如果采用用户标识或商品标识作为主关键字分解评价记录，评价记录中与同一用户标识或商品标识关联的评价信息可能会包含在多个子记录集中。例如，对于矩阵2对应的评价记录，如果将用户6-8对所有商品的评价信息作为一个子记录集，将用户2-4对所有商品的评价信息作为另一个子记录集，会导致与商品5关联的评价信息包含在两个子记录集中，与商品7关联的评价信息也包含在两个子记录集中。由于SVD算法要求与同一商品或用户关联的所有评价信息在同一个运算节点参与运算，上述分解得到的子记录集无法满足SVD算法的要求。因此，本申请实施例采用用户标识和商品标识共同作为分解评价记录的主关键字，而不会采用用户标识和商品标识中的一种作为分解评价记录的主关键词。
步骤104，多个运算节点根据分配到的子记录集进行SVD运算，得到用户偏好信息和商品获评信息。
具体地，各运算节点获取相应的子记录集后，可以采用SVD算法分别对各自的子记录集进行并行运算，得到奇异值分解运算结果。作为SVD运算的输入量，子记录集中包含用户对商品的评价信息，综合了用户对商品的偏好信息以及商品获得用户评价的信息；SVD运算可以从子记录集中将上述两种信息分解出来，得到奇异值分解运算结果。其中，奇异值分解运算结果包括用户偏好信息和商品获评信息，用户偏好信息用于表示用户对商品的偏好程度，包含多个与用户一一对应的用户向量，不同的用户向量对应不同用户对商品的偏好程度；商品获评信息用于表示商品的受欢迎程度，包含多个与商品一一对应的商品向量，不同的商品向量对应不同商品的受欢迎程度。上述用户向量和商品向量可以通过数组表示。
例如，当分配到运算节点的子记录集可以通过m×n的矩阵A表示，m为用户标识的个数，n为商品标识的个数时，矩阵A表示m个用户对n个商品的评价记录。运算节点可以通过SVD算法将矩阵A分解为m阶正交阵U、n阶正交阵V以及对角矩阵S的乘积，m阶正交阵U和n阶正交阵V分别对应用户偏好信息和商品获评信息，其中，正交阵U的行或列对应的m个数组为m个用户对应的用户向量，对应各个用户的属性；正交阵V的行或列对应的n个数组为n个商品对应的商品向量，对应各个商品的属性。
步骤105，获取多个运算节点根据分配到的子记录集得到的奇异值分解运算结果，根据该奇异值分解运算结果向客户端发送推荐的商品信息。
具体地，通过结合多个运算节点的奇异值分解运算结果，并对奇异值运算结果中的用户偏好信息和商品获评信息进行比较，可以确定向客户端推荐的商品，并向客户端发送对应的商品信息。
在根据用户向量之间的相似度进行商品推荐的场景，即，用户-用户的推荐场景下，可以根据计算出的用户偏好信息，对各个用户对应的用户向量进行成对比较，得到不同用户之间的相似度。其中，不同用户之间的相似度可以根据相应的用户向量之间的差值计算得到，用户向量之间的差值越小，用户之间的相似度越大。针对客户端的登录用户，可以按照该登录用户与其他用户的相似度对其他用户进行排序，确定相似度大于预设阈值或者满足预设的排序条件(例如，排序在前N位)的用户为与登录用户相匹配的用户，将确定的用户评价过的商品的信息发送给客户端。作为优选的实施方式，该确定的用户对上述商品的评价信息大于预设的评价门限。
在根据商品向量之间的相似度进行商品推荐的场景，即，商品-商品的推荐场景下，可以根据计算出的商品获评信息，对各个商品对应的商品向量进行成对比较，得到不同商品之间的相似度。其中，不同商品之间的相似度可以根据相应的商品向量之间的差值计算得到，商品向量之间的差值越小，商品之间的相似度越大。针对客户端的登录用户，可以按照该登录用户评价过的商品(优选地，登录用户对该商品的评价信息可以大于预设的评价门限)与其他商品的相似度对其他商品进行排序，确定相似度大于预设阈值或者满足预设的排序条件(例如，排序在前N位)的商品为与登录用户评价过的商品相匹配的商品，将确定的商品的信息发送给客户端。
在根据用户向量和商品向量的组合之间的相似度进行商品推荐的场景，即，用户-商品的推荐场景下，可以根据用户偏好信息和商品获评信息，对用户向量和商品向量的组合进行成对比较，得到不同用户和商品的组合之间的相似度。其中，不同用户和商品的组合之间的相似度可以根据相应的用户向量和商品向量的组合之间的差值计算得到，用户向量和商品向量的组合之间的差值越小，用户和商品的组合之间的相似度越大。针对客户端的登录用户以及该登录用户评价过的商品的组合，确定相似度大于预设阈值或者满足预设的排序条件(例如，排序在前N位)的用户和商品的组合为与上述组合相匹配的组合，将确定出的组合中的商品的信息发送给客户端。作为优选的实施方式，确定出的组合中的用户对该组合中商品的评价信息大于预设的评价门限，和/或在登录用户以及该登录用户评价过的商品的组合中，登录用户对该商品的评价信息大于预设的评价门限。
本申请的实施例包括以下优点，以用户标识和商品标识作为主关键字将用户对商品的评价记录进行分解，并将分解得到的子记录集分配到多个运算节点，使得评价记录中与同一用户标识或商品标识关联的所有评价信息包含在同一子记录集中，达到了合理、简单地分配评价记录的目的；进一步地，因为将用户对商品的评价记录分配到多个运算节点进行并行运算，根据多个运算节点的奇异值分解运算结果向客户端发送推荐的商品信息，降低了运算节点处理的数据量和运算的复杂程度，减少了运算节点的运算时间；采用用户标识和商品标识作为主关键字分配评价记录，能够保证运算节点处理的数据的完整性，提高了运算的准确性。当然，实施本申请的实施例的任一产品并不一定需要同时达到以上所述的所有优点。
根据上述实施方式中提供的发送商品信息的方法，本申请实施例还提供了应用上述发送商品信息的方法的装置。
如图5所示，为本申请实施例中的发送商品信息的装置结构示意图，包括：
获取模块510，用于获取用户对商品的评价记录。
其中，评价记录包括用户标识、商品标识和评价信息。
分配模块520，用于以用户标识和商品标识作为主关键字，按照主关键字的区间将评价记录分解为多个子记录集，并将该多个子记录集分配到多个运算节点。
其中，上述评价记录中与同一用户标识或商品标识关联的所有评价信息包含在同一子记录集中。
发送模块530，用于获取多个运算节点根据分配到的子记录集得到的奇异值分解运算结果，根据该奇异值分解运算结果向客户端发送推荐的商品信息。
其中，奇异值分解运算结果包括用户偏好信息和商品获评信息。
相应地，上述发送模块530可以根据用户偏好信息，确定与客户端的登录用户相匹配的用户，将确定的用户评价过的商品的信息发送给客户端；也可以根据商品获评信息，确定与客户端的登录用户评价过的商品相匹配的商品，将确定出的商品的信息发送给客户端；还可以根据用户偏好信息和商品获评信息，确定与客户端的登录用户及该登录用户评价过的商品的组合相匹配的组合，将确定出的组合中的商品的信息发送给所述客户端。
优选的，上述的装置还可以进一步包括：
转换模块540，用于对评价记录进行格式转换。
相应地，上述分配模块520，具体用于将通过转换模块540进行格式转换后的评价记录分解为多个子记录集。
具体地，上述转换模块540，具体用于调整评价记录中的各个用户标识和/或商品标识对应的评价信息的排列顺序，和/或删除满足预设条件的用户标识和/或商品标识对应的评价信息。
上述转换模块540可以对评价记录对应的矩阵进行列对换和行对换，也可以从评价记录对应的矩阵中删除满足预设条件的行和/或列。
本申请的实施例包括以下优点，以用户标识和商品标识作为主关键字将用户对商品的评价记录进行分解，并将分解得到的子记录集分配到多个运算节点，使得评价记录中与同一用户标识或商品标识关联的所有评价信息包含在同一子记录集中，达到了合理、简单地分配评价记录的目的；进一步地，因为将用户对商品的评价记录分配到多个运算节点进行并行运算，根据多个运算节点的奇异值分解运算结果向客户端发送推荐的商品信息，降低了运算节点处理的数据量和运算的复杂程度，减少了运算节点的运算时间；采用用户标识和商品标识作为主关键字分配评价记录，能够保证运算节点处理的数据的完整性，提高了运算的准确性。当然，实施本申请的实施例的任一产品并不一定需要同时达到以上所述的所有优点。
本领域技术人员可以理解实施例中的装置中的模块可以按照实施例描述进行分布于实施例的装置中，也可以进行相应变化位于不同于本实施例的一个或多个装置中。上述实施例的模块可以合并为一个模块，也可以进一步拆分成多个子模块。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到本申请可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。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终端设备(可以是手机，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的方法。
以上所述仅是本申请的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视本申请的保护范围。
Claims (10)
1.一种发送商品信息的方法，其特征在于，包括：
获取用户对商品的评价记录，所述评价记录包括用户标识、商品标识和评价信息；
以用户标识和商品标识作为主关键字，按照主关键字的区间将所述评价记录分解为多个子记录集，并将所述多个子记录集分配到多个运算节点，其中，所述评价记录中与同一用户标识或商品标识关联的评价信息包含在同一子记录集中；
所述主关键字的区间包括一个或多个用户标识以及一个或多个商品标识，不同区间包括的用户标识和商品标识之间均没有重合部分；
获取所述多个运算节点根据分配到的子记录集得到的奇异值分解运算结果，根据所述奇异值分解运算结果向客户端发送推荐的商品信息。
2.如权利要求1所述的方法，其特征在于，所述奇异值分解运算结果包括用户偏好信息和商品获评信息；
所述根据奇异值分解运算结果向客户端发送推荐的商品信息，包括：
根据所述用户偏好信息，确定与所述客户端的登录用户相匹配的用户，将确定的用户评价过的商品的信息发送给所述客户端；和/或
根据所述商品获评信息，确定与所述客户端的登录用户评价过的商品相匹配的商品，将确定出的商品的信息发送给所述客户端；和/或
根据所述用户偏好信息和商品获评信息，确定与所述客户端的登录用户及该登录用户评价过的商品的组合相匹配的组合，将确定出的组合中的商品的信息发送给所述客户端。
3.如权利要求1所述的方法，其特征在于，所述获取用户对商品的评价记录之后，还包括：
对所述评价记录进行格式转换；
所述将所述评价记录分解为多个子记录集具体为：将格式转换后的评价记录分解为多个子记录集。
4.如权利要求3所述的方法，其特征在于，所述对评价记录进行格式转换，包括：
调整评价记录中的各个用户标识和/或商品标识对应的评价信息的排列顺序，和/或删除满足预设条件的用户标识和/或商品标识对应的评价信息。
5.如权利要求4所述的方法，其特征在于，所述调整评价记录中的各个用户标识和/或商品标识对应的评价信息的排列顺序，包括：
对所述评价记录对应的矩阵进行列对换和行对换；
所述删除满足预设条件的用户标识和/或商品标识对应的评价信息，包括：
从所述评价记录对应的矩阵中删除满足预设条件的行和/或列。
6.一种发送商品信息的装置，其特征在于，包括：
获取模块，用于获取用户对商品的评价记录，所述评价记录包括用户标识、商品标识和评价信息；
分配模块，用于以用户标识和商品标识作为主关键字，按照主关键字的区间将所述评价记录分解为多个子记录集，并将所述多个子记录集分配到多个运算节点，其中，所述评价记录中与同一用户标识或商品标识关联的评价信息包含在同一子记录集中；
发送模块，用于获取所述多个运算节点根据分配到的子记录集得到的奇异值分解运算结果，根据所述奇异值分解运算结果向客户端发送推荐的商品信息；
其中，所述主关键字的区间包括一个或多个用户标识以及一个或多个商品标识，不同区间包括的用户标识和商品标识之间均没有重合部分。
7.如权利要求6所述的装置，其特征在于，所述奇异值分解运算结果包括用户偏好信息和商品获评信息；
所述发送模块，具体用于根据所述用户偏好信息，确定与所述客户端的登录用户相匹配的用户，将确定的用户评价过的商品的信息发送给所述客户端；和/或
根据所述商品获评信息，确定与所述客户端的登录用户评价过的商品相匹配的商品，将确定出的商品的信息发送给所述客户端；和/或
根据所述用户偏好信息和商品获评信息，确定与所述客户端的登录用户及该登录用户评价过的商品的组合相匹配的组合，将确定出的组合中的商品的信息发送给所述客户端。
8.如权利要求6所述的装置，其特征在于，还包括：
转换模块，用于对所述评价记录进行格式转换；
所述分配模块，具体用于将格式转换后的评价记录分解为多个子记录集。
9.如权利要求8所述的装置，其特征在于，
所述转换模块，具体用于调整评价记录中的各个用户标识和/或商品标识对应的评价信息的排列顺序，和/或删除满足预设条件的用户标识和/或商品标识对应的评价信息。
10.如权利要求9所述的装置，其特征在于，
所述转换模块，具体用于对所述评价记录对应的矩阵进行列对换和行对换；和/或从所述评价记录对应的矩阵中删除满足预设条件的行和/或列。
Priority Applications (6)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201010547218.0A CN102467709B (zh) | 2010-11-17 | 2010-11-17 | 一种发送商品信息的方法和装置 |
| TW100105660A TWI605399B (zh) | 2010-11-17 | 2011-02-21 | Method and device for sending product information |
| US13/393,310 US9160808B2 (en) | 2010-11-17 | 2011-11-10 | Transmitting product information |
| PCT/US2011/060266 WO2012067949A1 (en) | 2010-11-17 | 2011-11-10 | Transmitting product information |
| JP2013539914A JP5922667B2 (ja) | 2010-11-17 | 2011-11-10 | 製品情報の伝送 |
| EP11841867.2A EP2641161A4 (en) | 2010-11-17 | 2011-11-10 | TRANSFER OF PRODUCT INFORMATION |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201010547218.0A CN102467709B (zh) | 2010-11-17 | 2010-11-17 | 一种发送商品信息的方法和装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN102467709A CN102467709A (zh) | 2012-05-23 |
| CN102467709B true CN102467709B (zh) | 2017-03-01 |
Family
ID=46071322
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201010547218.0A Active CN102467709B (zh) | 2010-11-17 | 2010-11-17 | 一种发送商品信息的方法和装置 |
Country Status (6)
| Country | Link |
|---|---|
| US (1) | US9160808B2 (zh) |
| EP (1) | EP2641161A4 (zh) |
| JP (1) | JP5922667B2 (zh) |
| CN (1) | CN102467709B (zh) |
| TW (1) | TWI605399B (zh) |
| WO (1) | WO2012067949A1 (zh) |
Families Citing this family (36)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101438667B1 (ko) * | 2012-08-10 | 2014-09-12 | 영남대학교 산학협력단 | 비휘발성 램 기반의 ｂ＋ 트리 데이터베이스화 방법 |
| US9372928B2 (en) * | 2013-07-01 | 2016-06-21 | Palo Alto Research Center Incorporated | System and method for parallel search on explicitly represented graphs |
| JP5792256B2 (ja) * | 2013-10-22 | 2015-10-07 | 日本電信電話株式会社 | 疎グラフ作成装置及び疎グラフ作成方法 |
| CN104978346A (zh) * | 2014-04-09 | 2015-10-14 | 阿里巴巴集团控股有限公司 | 提供用户评价信息的方法及系统 |
| CN105095241B (zh) * | 2014-04-30 | 2019-03-01 | 华为技术有限公司 | 一种信息推荐方法、装置及系统 |
| KR101616537B1 (ko) * | 2015-01-20 | 2016-04-28 | 네이버 주식회사 | 쇼핑 정보 제공 시스템 및 쇼핑 정보 제공 방법 |
| RU2632131C2 (ru) | 2015-08-28 | 2017-10-02 | Общество С Ограниченной Ответственностью "Яндекс" | Способ и устройство для создания рекомендуемого списка содержимого |
| US10515378B2 (en) * | 2015-09-14 | 2019-12-24 | Adobe Inc. | Extracting relevant features from electronic marketing data for training analytical models |
| RU2629638C2 (ru) | 2015-09-28 | 2017-08-30 | Общество С Ограниченной Ответственностью "Яндекс" | Способ и сервер создания рекомендуемого набора элементов для пользователя |
| RU2632100C2 (ru) | 2015-09-28 | 2017-10-02 | Общество С Ограниченной Ответственностью "Яндекс" | Способ и сервер создания рекомендованного набора элементов |
| CN105279242A (zh) * | 2015-09-29 | 2016-01-27 | 浪潮(北京)电子信息产业有限公司 | 一种个性化推荐方法与系统 |
| CN106970927A (zh) * | 2016-01-14 | 2017-07-21 | 阿里巴巴集团控股有限公司 | 推广方法及装置 |
| CN105809474B (zh) * | 2016-02-29 | 2020-11-17 | 深圳市未来媒体技术研究院 | 一种层次化商品信息过滤推荐方法 |
| RU2632144C1 (ru) | 2016-05-12 | 2017-10-02 | Общество С Ограниченной Ответственностью "Яндекс" | Компьютерный способ создания интерфейса рекомендации контента |
| CN105956146A (zh) * | 2016-05-12 | 2016-09-21 | 腾讯科技（深圳）有限公司 | 一种物品信息的推荐方法及装置 |
| RU2636702C1 (ru) | 2016-07-07 | 2017-11-27 | Общество С Ограниченной Ответственностью "Яндекс" | Способ и устройство для выбора сетевого ресурса в качестве источника содержимого для системы рекомендаций |
| RU2632132C1 (ru) | 2016-07-07 | 2017-10-02 | Общество С Ограниченной Ответственностью "Яндекс" | Способ и устройство для создания рекомендаций содержимого в системе рекомендаций |
| USD882600S1 (en) | 2017-01-13 | 2020-04-28 | Yandex Europe Ag | Display screen with graphical user interface |
| CN107464163A (zh) * | 2017-07-28 | 2017-12-12 | 深圳前海弘稼科技有限公司 | 信息推送方法、信息推送装置 |
| CN107577759B (zh) * | 2017-09-01 | 2021-07-30 | 安徽广播电视大学 | 用户评论自动推荐方法 |
| US10642688B2 (en) * | 2018-04-12 | 2020-05-05 | EMC IP Holding Company LLC | System and method for recovery of unrecoverable data with enhanced erasure coding and replication |
| US10592338B2 (en) | 2018-04-27 | 2020-03-17 | EMC IP Holding Company LLC | Scale out data protection with erasure coding |
| CN110706013A (zh) * | 2018-07-10 | 2020-01-17 | 鄢海军 | 一种数据分配方法及其设备、存储介质、电子设备 |
| US11818204B2 (en) * | 2018-08-29 | 2023-11-14 | Credit Suisse Securities (Usa) Llc | Systems and methods for calculating consensus data on a decentralized peer-to-peer network using distributed ledger |
| RU2720899C2 (ru) | 2018-09-14 | 2020-05-14 | Общество С Ограниченной Ответственностью "Яндекс" | Способ и система для определения зависящих от пользователя пропорций содержимого для рекомендации |
| RU2720952C2 (ru) | 2018-09-14 | 2020-05-15 | Общество С Ограниченной Ответственностью "Яндекс" | Способ и система для создания рекомендации цифрового содержимого |
| RU2714594C1 (ru) | 2018-09-14 | 2020-02-18 | Общество С Ограниченной Ответственностью "Яндекс" | Способ и система определения параметра релевантность для элементов содержимого |
| CN109543094B (zh) * | 2018-09-29 | 2021-09-28 | 东南大学 | 一种基于矩阵分解的隐私保护内容推荐方法 |
| RU2725659C2 (ru) | 2018-10-08 | 2020-07-03 | Общество С Ограниченной Ответственностью "Яндекс" | Способ и система для оценивания данных о взаимодействиях пользователь-элемент |
| RU2731335C2 (ru) | 2018-10-09 | 2020-09-01 | Общество С Ограниченной Ответственностью "Яндекс" | Способ и система для формирования рекомендаций цифрового контента |
| CN109379423A (zh) * | 2018-10-12 | 2019-02-22 | 成都信息工程大学 | 一种基于云平台的多源跨域数据交互系统 |
| RU2757406C1 (ru) | 2019-09-09 | 2021-10-15 | Общество С Ограниченной Ответственностью «Яндекс» | Способ и система для обеспечения уровня сервиса при рекламе элемента контента |
| CN111162988B (zh) * | 2019-12-02 | 2022-04-22 | 平安资产管理有限责任公司 | 消息分发方法与系统 |
| CN111046299B (zh) * | 2019-12-11 | 2023-07-18 | 支付宝(杭州)信息技术有限公司 | 针对关系网络的特征信息提取方法及装置 |
| CN112732439A (zh) * | 2021-01-05 | 2021-04-30 | 北京三快在线科技有限公司 | 一种资源获取方法、装置、存储介质及电子设备 |
| CN115271428B (zh) * | 2022-07-25 | 2023-08-15 | 西南交通大学 | 基于svd分解的环境脆弱性评价方法、设备和介质 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101727644A (zh) * | 2009-12-28 | 2010-06-09 | 兆信(中国)网络科技有限公司 | 商品数字身份识别精确定位网络广告方法及其系统 |
Family Cites Families (35)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7082426B2 (en) * | 1993-06-18 | 2006-07-25 | Cnet Networks, Inc. | Content aggregation method and apparatus for an on-line product catalog |
| US5548798A (en) * | 1994-11-10 | 1996-08-20 | Intel Corporation | Method and apparatus for solving dense systems of linear equations with an iterative method that employs partial multiplications using rank compressed SVD basis matrices of the partitioned submatrices of the coefficient matrix |
| US6990238B1 (en) * | 1999-09-30 | 2006-01-24 | Battelle Memorial Institute | Data processing, analysis, and visualization system for use with disparate data types |
| AU2262601A (en) * | 1999-12-21 | 2001-07-03 | Tivo, Inc. | Intelligent system and methods of recommending media content items based on userpreferences |
| CA2419428A1 (en) * | 2000-06-22 | 2001-12-27 | Yaron Mayer | System and method for searching, finding and contacting dates on the internet in instant messaging networks |
| US20020062241A1 (en) * | 2000-07-19 | 2002-05-23 | Janet Rubio | Apparatus and method for coding electronic direct marketing lists to common searchable format |
| US6687696B2 (en) | 2000-07-26 | 2004-02-03 | Recommind Inc. | System and method for personalized search, information filtering, and for generating recommendations utilizing statistical latent class models |
| US6615208B1 (en) | 2000-09-01 | 2003-09-02 | Telcordia Technologies, Inc. | Automatic recommendation of products using latent semantic indexing of content |
| CA2424588A1 (en) | 2000-10-18 | 2002-04-25 | Steve Shaya | Intelligent performance-based product recommendation system |
| TW541484B (en) * | 2000-12-18 | 2003-07-11 | Manugistics Inc | System and method for enabling a configurable electronic business exchange platform |
| US7475027B2 (en) * | 2003-02-06 | 2009-01-06 | Mitsubishi Electric Research Laboratories, Inc. | On-line recommender system |
| JP4428036B2 (ja) | 2003-12-02 | 2010-03-10 | ソニー株式会社 | 情報処理装置および方法、プログラム、並びに、情報処理システムおよび方法 |
| US7962461B2 (en) * | 2004-12-14 | 2011-06-14 | Google Inc. | Method and system for finding and aggregating reviews for a product |
| WO2007066445A1 (ja) * | 2005-12-05 | 2007-06-14 | Kyoto University | 特異値分解装置、及び特異値分解方法 |
| US8037003B2 (en) * | 2006-01-30 | 2011-10-11 | Xerox Corporation | Solution recommendation based on incomplete data sets |
| US7860862B2 (en) | 2006-10-27 | 2010-12-28 | Yahoo! Inc. | Recommendation diversity |
| EP2563014A3 (en) * | 2007-02-21 | 2013-03-06 | Nds Limited | Method for content presentation |
| US20070150428A1 (en) * | 2007-03-20 | 2007-06-28 | Brandyn Webb | Inference engine for discovering features and making predictions using generalized incremental singular value decomposition |
| JP4538757B2 (ja) * | 2007-12-04 | 2010-09-08 | ソニー株式会社 | 情報処理装置、情報処理方法、およびプログラム |
| US20090024621A1 (en) * | 2007-07-16 | 2009-01-22 | Yahoo! Inc. | Method to set up online book collections and facilitate social interactions on books |
| US8019707B2 (en) | 2007-09-20 | 2011-09-13 | Deutsche Telekom Ag | Interactive hybrid recommender system |
| US8494978B2 (en) * | 2007-11-02 | 2013-07-23 | Ebay Inc. | Inferring user preferences from an internet based social interactive construct |
| US8035855B2 (en) * | 2008-02-01 | 2011-10-11 | Xerox Corporation | Automatic selection of a subset of representative pages from a multi-page document |
| GB0803238D0 (en) * | 2008-02-22 | 2008-04-02 | Isis Innovation | Parallel processing |
| US8131732B2 (en) | 2008-06-03 | 2012-03-06 | Nec Laboratories America, Inc. | Recommender system with fast matrix factorization using infinite dimensions |
| US8037080B2 (en) * | 2008-07-30 | 2011-10-11 | At&T Intellectual Property Ii, Lp | Recommender system utilizing collaborative filtering combining explicit and implicit feedback with both neighborhood and latent factor models |
| JP5206251B2 (ja) * | 2008-09-05 | 2013-06-12 | 株式会社ニコン | 利用対象推薦装置、利用対象推薦方法およびプログラム |
| US20100268661A1 (en) * | 2009-04-20 | 2010-10-21 | 4-Tell, Inc | Recommendation Systems |
| JP2011008309A (ja) * | 2009-06-23 | 2011-01-13 | Hitachi Ltd | 電子商取引におけるサプライヤ評価方法及びそのシステム |
| US8619984B2 (en) * | 2009-09-11 | 2013-12-31 | Microsoft Corporation | Differential privacy preserving recommendation |
| US20110112981A1 (en) | 2009-11-09 | 2011-05-12 | Seung-Taek Park | Feature-Based Method and System for Cold-Start Recommendation of Online Ads |
| US20110153663A1 (en) * | 2009-12-21 | 2011-06-23 | At&T Intellectual Property I, L.P. | Recommendation engine using implicit feedback observations |
| US9760802B2 (en) * | 2010-01-27 | 2017-09-12 | Ebay Inc. | Probabilistic recommendation of an item |
| US8275384B2 (en) * | 2010-03-20 | 2012-09-25 | International Business Machines Corporation | Social recommender system for generating dialogues based on similar prior dialogues from a group of users |
| US8676736B2 (en) * | 2010-07-30 | 2014-03-18 | Gravity Research And Development Kft. | Recommender systems and methods using modified alternating least squares algorithm |
-
2010
- 2010-11-17 CN CN201010547218.0A patent/CN102467709B/zh active Active
-
2011
- 2011-02-21 TW TW100105660A patent/TWI605399B/zh active
- 2011-11-10 US US13/393,310 patent/US9160808B2/en active Active
- 2011-11-10 WO PCT/US2011/060266 patent/WO2012067949A1/en active Application Filing
- 2011-11-10 JP JP2013539914A patent/JP5922667B2/ja active Active
- 2011-11-10 EP EP11841867.2A patent/EP2641161A4/en not_active Withdrawn
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101727644A (zh) * | 2009-12-28 | 2010-06-09 | 兆信(中国)网络科技有限公司 | 商品数字身份识别精确定位网络广告方法及其系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| US20130227054A1 (en) | 2013-08-29 |
| TWI605399B (zh) | 2017-11-11 |
| TW201222449A (en) | 2012-06-01 |
| CN102467709A (zh) | 2012-05-23 |
| JP5922667B2 (ja) | 2016-05-24 |
| US9160808B2 (en) | 2015-10-13 |
| JP2014500548A (ja) | 2014-01-09 |
| EP2641161A1 (en) | 2013-09-25 |
| WO2012067949A1 (en) | 2012-05-24 |
| EP2641161A4 (en) | 2016-05-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN102467709B (zh) | 一种发送商品信息的方法和装置 | |
| CN106570008B (zh) | 推荐方法及装置 | |
| CN104537115A (zh) | 用户兴趣的探索方法和装置 | |
| CN105005582A (zh) | 多媒体信息的推荐方法及装置 | |
| CN105045818A (zh) | 一种图片的推荐方法、装置和系统 | |
| US20090077081A1 (en) | Attribute-Based Item Similarity Using Collaborative Filtering Techniques | |
| Agreste et al. | Analysis of a heterogeneous social network of humans and cultural objects | |
| CN112907334B (zh) | 一种对象推荐方法及装置 | |
| Prando et al. | Content-based Recommender System using Social Networks for Cold-start Users. | |
| Mashal et al. | Analysis of recommendation algorithms for Internet of Things | |
| Jelodar et al. | Recommendation system based on semantic scholar mining and topic modeling on conference publications | |
| Velichety et al. | Finding a needle in the haystack-recommending online communities on social media platforms using network and design science | |
| Gan et al. | ROUND: Walking on an object–user heterogeneous network for personalized recommendations | |
| CN106484889A (zh) | 网络资源的泛搜索方法和装置 | |
| CN110019786A (zh) | 网络社区的话题发送方法、话题列表排序方法及装置 | |
| Liu et al. | Information filtering based on eliminating redundant diffusion and compensating balance | |
| Chang et al. | Personalized multimedia recommendation systems using higher-order tensor singular-value-decomposition | |
| CN113469786A (zh) | 物品推荐的方法、装置、计算机设备和存储介质 | |
| Lee | Personalizing information using users' online social networks: a case study of CiteULike | |
| Meena et al. | A survey on community detection algorithm and its applications | |
| Li et al. | Annotating semantic tags of locations in location-based social networks | |
| CN112053210B (zh) | 一种基于商品社区分类的关联值传播方法、系统及设备 | |
| Trappey et al. | Exploring 4G patent and litigation informatics in the mobile telecommunications industry | |
| CN112052403A (zh) | 一种基于商品社区分类的链接度传播方法、系统及设备 | |
| Oro et al. | A Methodology for Identifying Influencers and their Products Perception on Twitter. |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 1166544 Country of ref document: HK |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| REG | Reference to a national code |
Ref country code: HK Ref legal event code: GR Ref document number: 1166544 Country of ref document: HK |