CN101359995A - 提供在线服务的方法和装置 - Google Patents
提供在线服务的方法和装置 Download PDFInfo
- Publication number
- CN101359995A CN101359995A CNA200810223246XA CN200810223246A CN101359995A CN 101359995 A CN101359995 A CN 101359995A CN A200810223246X A CNA200810223246X A CN A200810223246XA CN 200810223246 A CN200810223246 A CN 200810223246A CN 101359995 A CN101359995 A CN 101359995A
- Authority
- CN
- China
- Prior art keywords
- personality
- service
- user
- classification
- probability
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/335—Filtering based on additional data, e.g. user or group profiles
- G06F16/337—Profile generation, learning or modification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/35—Clustering; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/35—Clustering; Classification
- G06F16/353—Clustering; Classification into predefined classes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
Abstract
本发明公开了一种提供在线服务的方法和装置,属于网络通信领域。所述方法包括:根据收集的用户网络行为特征信息和建立的性格分类模型,对所述收集的所有用户进行性格分类;为所述性格分类得到的每种性格类别设置对应的服务;当有用户申请在线服务时,在所述性格分类的结果中,查找所述用户的性格类别,将所述性格类别对应的服务提供给所述用户。所述装置包括:性格分类模块、服务设置模块、查找模块和在线服务模块。本发明可以提高给用户提供服务的成功率,从而更好地给用户提供服务。
Description
技术领域
本发明涉及网络通信领域,特别涉及一种提供在线服务的方法和装置。
背景技术
目前基于网络的在线服务,相关的内容尤其是带有用户付费行为的内容,其提供方式几乎都是基于已有分类的用户被动接受的发布方式,或内容到内容的相关性推荐方式等等。其中,相关性推荐方式也只是基于主题相关性、内容相关性或用户的推荐列表等进行推荐。
在现实生活中,人的行为,如购买的达成,除了物品本省的因素外,达成交易的过程中涉及到的环节,如消费者的性格、服务提供者的物品导购技巧和肢体语言,尤其是服务提供者对消费者性格的把握,也是影响是否能达成交易的关键。
然而现有网络在线服务的方式却忽略了人的性格与个性特征对行为结果的影响,因此难免使现有的网络在线服务受到局限。
发明内容
为了更好地给用户提供网络在线服务,本发明实施例提供了一种提供在线服务的方法和装置。所述技术方案如下:
一种提供在线服务的方法,所述方法包括:
根据收集的用户网络行为特征信息和建立的性格分类模型,对所述收集的所有用户进行性格分类;
为所述性格分类得到的每种性格类别设置对应的服务;
当有用户申请在线服务时,在所述性格分类的结果中,查找所述用户的性格类别,将所述性格类别对应的服务提供给所述用户。
所述性格分类模型根据预先选取的用户网络行为特征信息和动态建模引擎进行运算得到。
根据收集的用户网络行为特征信息和建立的性格分类模型,对所述收集的所有用户进行性格分类,具体包括:
利用建立的性格分类模型,对收集的用户网络行为特征信息进行运算,得到所述收集的每个用户的性格类别和该用户属于该性格类别的概率。
查找所述用户的性格类别,将所述性格类别对应的服务提供给所述用户,具体包括:
查找到所述用户的多个性格类别,以及每种性格类别的概率;
根据所述性格类别的概率,对所述用户的多个性格类别进行排序;
按照所述排序后的顺序,在所述多个性格类别对应的服务中,选取部分或全部服务提供给所述用户。
将所述性格类别对应的服务提供给所述用户之后,还包括:
记录所述用户对所述服务的反馈信息。
所述方法还包括:存储所述每个用户的性格类别和该用户属于该性格类别的概率,并存储所述每种性格类别对应的服务;
将所述性格类别对应的服务提供给所述用户之后,还包括:
根据所述用户对所述服务的反馈,在所述存储的性格类别、概率和服务中,调整所述用户的性格类别对应的概率和服务中的至少一种。
调整所述用户的性格类别对应的概率,具体包括:
如果所述性格类别对应的服务被所述用户接受,则提高所述用户属于所述性格类别的概率;
如果所述性格类别对应的服务被所述用户拒绝,则降低所述用户属于所述性格类别的概率。
一种提供在线服务的装置,所述装置包括:
性格分类模块,用于根据收集的用户网络行为特征信息和建立的性格分类模型,对所述收集的所有用户进行性格分类;
服务设置模块,用于为所述性格分类模块进行性格分类得到的每种性格类别设置对应的服务;
查找模块,用于当有用户申请在线服务时,在所述性格分类模块进行性格分类的结果中,查找所述用户的性格类别,并在所述服务设置模块设置的服务中查找所述性格类别对应的服务;
在线服务模块,用于将所述查找模块找到的服务提供给所述用户。
所述装置还包括:
性格分类模型建立模块,用于根据预先选取的用户网络行为特征信息和动态建模引擎进行运算,得到所述性格分类模型。
所述性格分类模块具体包括:
性格分类单元,用于利用建立的性格分类模型,对收集的用户网络行为特征信息进行运算,得到所述收集的每个用户的性格类别和该用户属于该性格类别的概率。
所述在线服务模块具体包括:
排序单元,用于当所述查找模块查找到所述用户的多个性格类别,以及每种性格类别的概率后,根据所述性格类别的概率,对所述用户的多个性格类别进行排序;
在线服务单元,用于按照所述排序单元排序后的顺序,在所述多个性格类别对应的服务中,选取部分或全部服务提供给所述用户。
所述装置还包括:
记录模块,用于当所述在线服务模块给所述用户提供服务后,记录所述用户对所述服务的反馈信息。
所述装置还包括:
存储模块,用于存储所述性格分类单元得到的所述每个用户的性格类别和该用户属于该性格类别的概率,并存储所述服务设置模块为所述每种性格类别设置的服务;
修正模块,用于根据所述用户对所述在线服务模块提供的服务的反馈,在所述存储模块存储的性格类别、概率和服务中,调整所述用户的性格类别对应的概率和服务中的至少一种。
所述修正模块具体包括:
概率修正单元,用于根据所述性格分类单元得到的性格类别,对所述用户对所述在线服务模块提供服务的反馈进行判断,如果所述性格类别对应的服务被所述用户接受,则在所述存储模块存储的概率中,提高所述用户属于所述性格类别的概率;如果所述性格类别对应的服务被所述用户拒绝,则在所述存储模块存储的概率中,降低所述用户属于所述性格类别的概率。
本发明实施例提供的技术方案带来的有益效果是:
通过对用户进行性格分类并设置对应的服务,当有用户申请在线服务时,查找该用户的性格类别,并将对应的服务提供给用户,可以提高给用户提供服务的成功率,克服了现有技术中网络在线服务比较局限的缺陷,从而更好地给用户提供服务。
附图说明
图1是本发明实施例1中提供在线服务的方法流程图;
图2是本发明实施例2中提供在线服务的方法流程图;
图3是本发明实施例3中提供在线服务的装置第一结构图;
图4是本发明实施例3中提供在线服务的装置第二结构图;
图5是本发明实施例3中提供在线服务的装置第三结构图;
图6是本发明实施例3中提供在线服务的装置第四结构图;
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明实施方式作进一步地详细描述。
实施例1
参见图1,本发明实施例提供了一种提供在线服务的方法,包括:
步骤101:根据收集的用户网络行为特征信息和建立的性格分类模型,对收集的所有用户进行性格分类;
步骤102:为性格分类得到的每种性格类别设置对应的服务;
步骤103:当有用户申请在线服务时,在性格分类的结果中,查找所述用户的性格类别;
步骤104:将所述性格类别对应的服务提供给所述用户。
本实施例提供的方法通过对用户进行性格分类并设置对应的服务,当有用户申请在线服务时,查找该用户的性格类别,并将对应的服务提供给用户,可以提高给用户提供服务的成功率,克服了现有技术中网络在线服务比较局限的缺陷,从而更好地给用户提供服务。
实施例2
参见图2,本发明实施例还提供了一种提供在线服务的方法,具体包括:
步骤201:根据预先选取的用户网络行为特征信息和动态建模引擎进行运算,得到性格分类模型。
本实施例中,用户网络行为特征信息是指用户在执行网络行为时,与该网络行为相关的属性信息。用户网络行为特征信息可以有多种,包括但不限于:用户在网络上填写个人资料,用户操作免费业务的类别及数量,用户浏览业务的种类和数量,用户试用业务的种类、数量和金额,用户订购业务的延迟时间,用户正式使用业务的时间间隔,用户连续使用业务的月份数,用户推荐给别人使用的业务种类和数量,被别人推荐的业务种类和数量,别人对该业务使用的评价,以及用户对该评价的留言次数等等。其中,用户在网络上填写的个人资料可以包括:性格、性别、年龄、血型、爱好和地区等反应用户基本信息的数据。
用户网络行为特征信息可以通过多种渠道得到,如在网络上进行统计、利用非网络手段进行调查等等。得到的用户网络行为特征信息可以存储在数据库中,如建立一个建模行为数据库,用于存储已获得的用户网络行为特征信息。
本实施例中的动态建模引擎可以采用多种,包括但不限于:贝叶斯、决策树和支持向量机等数学建模引擎。
步骤202:利用建立的性格分类模型,对收集的用户网络行为特征信息进行运算,得到收集的每个用户的性格类别和该用户属于该性格类别的概率,并存储该运算得到的结果。
本实施例中,收集的用户通常为海量用户,即收集大量用户的网络行为特征信息。其中,收集的用户网络行为特征信息有多项,例如:用户ID1、性别为男性、年龄为25岁、操作免费业务的类别为10种、浏览业务的种类为100种、试用业务的种类为50种等等,将这些信息代入已建立的性格分类模型中,经过运算,得出结论:该用户的性格类别为外向消费型,且该用户属于外向消费型用户的概率为90%。
本步骤中收集的用户网络行为特征信息对应的用户集合,与步骤201中选取的用户网络行为特征信息对应的用户集合不重合。例如,步骤201中建立性格分类模型时选取10万个用户,本步骤中收集100万个用户的网络行为特征信息,其中,该10万个用户不包含在该100万个用户中。其中,收集的用户网络行为特征信息可以单独存储在一个数据库中,如预先建立的网络行为特征数据库。
本实施例中,用户的性格类别有多种,包括但不限于:外向消费型、内向消费型、开放消费型、保守消费型、冲动消费型和谨慎消费型等等。
本实施例中,对于一个用户来说,性格分类的结果可以得到多种性格类别,且每种性格类别对应的概率不相同。如某个用户属于外向消费型的概率为80%,属于开放消费型的概率为70%,属于冲动消费型的概率为50%,属于内向消费型的概率为30%等等。
本实施例中,性格分类的结果可以存储在数据库中,如建立一个性格分类数据库,用于存储计算出的每个用户的性格类别及相应的概率。
步骤203:为性格分类得到的每种性格类别设置对应的服务,并存储设置的服务。
具体地,可以根据需要每种性格类别对应的服务;还可以根据收集的用户网络行为特征信息进行推理,对于任一种性格类别,分析其中用户的服务行为相关信息,根据分析的结果设置该性格类别对应的服务。例如,外向消费型的性格类别中有1万个用户,其中有8000个用户喜欢网络游戏服务、6000个用户喜欢聊天服务,则设置外向消费型的性格类别对应的服务有网络游戏和聊天。
其中,设置的服务可以包含多种内容。例如,显示产品名称、简要功能、金额、客户评价、外形图片、销量排行榜等等。本实施例中一种性格类别可以对应一个或多个服务,不同的性格类别也可以对应同一个服务,如保守消费型和内向消费型对应同一个服务。
步骤204:当有一个用户申请在线服务时,在性格分类的结果中,查找所述用户的性格类别。
本实施例中申请在线服务的用户,为步骤202中收集的用户网络行为特征信息对应的用户集合中的一个用户。可以根据该用户的ID,在性格分类的结果(如性格分类数据库)中,查找该用户的性格类别,如果性格分类的结果中存储了该用户的多个性格类别,则可以查询到该多个性格类别,以及其中每个性格类别对应的概率和服务等等。
步骤205:将所述性格类别对应的服务提供给所述用户。
本实施例是以一个用户提出在线服务申请为例进行说明的,当有多个用户提出在线服务申请时,给其中每个用户提供服务的过程都与本实施例中给一个用户提供服务的过程相同,此处不再赘述。在本发明实施例中,无论是给一个用户提供服务,还是给多个用户提供服务,都是在上述性格分类和设置服务的基础上进行的,而该性格分类则是根据收集的大量用户的网络行为特征信息得到的。
当查询到该用户的多个性格类别,以及每种性格类别对应的概率和服务后,具体地,可以按照概率对该用户的多个性格类别进行排序,从高到低或者从低到高,然后按照排序后的顺序,在所述多个性格类别对应的服务中,选取部分或全部服务提供给该用户。例如,查询到该用户有三种性格类别,分别为:保守消费型、谨慎消费型和内向消费型,对应的概率分别为90%、70%和80%,对应的服务分别为A1、A2和A3,按照从高到低的顺序排序后,从A1、A3和A2中选取部分或全部提供给该用户。
进一步地,对用户提供服务之后,还可以包括:
记录用户对当前服务的反馈信息。该反馈信息包括但不限于:用户点击查看、用户浏览的页数、用户是否对该服务进行评价、用户接受该服务等等。
为了提高给用户提供服务的成功率,进一步地,步骤205中给用户提供服务之后,还可以包括:
步骤206:根据用户对当前性格类别对应服务的反馈,在上述存储的性格类别、概率和服务中,调整当前性格类别对应的概率,或者调整当前性格类别对应的服务,或者同时调整当前性格类别对应的概率和服务,并将调整后的内容更新到上述存储的性格分类和服务中。
调整性格类别对应的概率可以具体如下:如果当前性格类别对应的服务被用户接受,则提高用户属于该性格类别的概率;如果当前性格类别对应的服务被用户拒绝,则降低用户属于该性格类别的概率。其中,概率调整的幅度可以根据实际需要进行设置,并且提高的幅度和降低的幅度可以设置得相同或不相同。
例如,用户属于外向消费型的概率为90%,对应的服务被用户接受,则可以将该概率提高为92%;用户属于内向消费型的概率为60%,对应的服务被用户拒绝,则可以将该概率降低为55%等等。
调整性格类别对应的服务可以具体如下:
例如,网络游戏服务被多个外向消费型的用户拒绝,则可以将外向消费型对应的服务中取消网络游戏服务;聊天服务被多个内向消费型的用户接受,则可以在内向消费型对应的服务中增加聊天服务等等。其中,可以根据多个用户反馈的结果对服务进行调整,该多个用户的个数可以取不同的值,如100个用户或500个用户等等。调整服务包括将性格类别对应的一个或多个服务取消,以及新增性格类别对应的一个或多个服务。
进一步地,在给用户提供服务后,还可以记录性格类别成功应用次数、失败应用次数、失败后修正次数、修正时间间隔等信息,而且还可以将所记录的信息存储到上述性格分类数据库中。
通过对概率进行修正,可以提高性格分类的准确性,从而可以利用更精确的性格分类结果给用户提供相应的服务,通过对服务进行调整,可以给用户提供用户喜欢的服务,从而进而更好地给用户提供服务。
本实施例中,用户是否接受或拒绝服务等反馈信息,可以通过业务数据展示与处理接口得到,该业务数据展示与处理接口为本实施例中上述方法对应的功能实体与实际系统中其它功能实体的接口,通过该接口可以获取到用户的申请信息、反馈信息等等,并且保证了本实施例中上述方法对应的功能实体与其它功能实体的兼容性。
本实施例提供的方法通过对用户进行性格分类并设置对应的服务,当有用户申请在线服务时,查找该用户的性格类别,并将对应的服务提供给用户,可以提高给用户提供服务的成功率,克服了现有技术中网络在线服务比较局限的缺陷,从而更好地给用户提供服务。设定条件并在满足条件时停止对用户提供服务,可以避免浪费网络资源,提高效率。根据用户反馈的结果修正已有的概率和/或服务,可以更新概率及调整服务,进一步提高性格分类的准确性,给用户提供用户喜欢的服务,达到更好地给用户提供服务的目的。
实施例3
参见图3,本发明实施例还提供了一种提供在线服务的装置,具体包括:
性格分类模块301,用于根据收集的用户网络行为特征信息和建立的性格分类模型,对收集的所有用户进行性格分类;
服务设置模块302,用于为性格分类模块301进行性格分类得到的每种性格类别设置对应的服务,其中,通常不同的性格类别设置的服务不同,多个性格类别可以对应同一个服务,一个性格类别也可以对应多个服务;
查找模块303,用于当有用户申请在线服务时,在性格分类模块301进行性格分类的结果中,查找用户的性格类别,并在服务设置模块302设置的服务中查找该性格类别对应的服务;
在线服务模块304,用于将查找模块303找到的服务提供给所述用户。
本实施例中的用户网络行为特征信息包括多种,具体与实施例2中描述的用户网络行为特征信息相同,此处不再赘述。
进一步地,参见图4,上述装置还可以包括:
性格分类模型建立模块305,用于根据预先选取的用户网络行为特征信息和动态建模引擎进行运算,得到所述性格分类模型。
其中,预先选取的用户网络行为特征信息对应的用户集合,与上述收集的用户网络行为特征信息对应的用户集合不重合。动态建模引擎可以采用多种,包括但不限于:贝叶斯、决策树和支持向量机等数学建模引擎。
本实施例中,性格分类模块301可以具体包括:
性格分类单元301a,用于利用建立的性格分类模型,对收集的用户网络行为特征信息进行运算,得到收集的每个用户的性格类别和该用户属于该性格类别的概率。
其中,每个用户的性格类别可以为一种或多种,每一种都对应一个概率,不同的性格类别对应的概率通常不相同。
进一步地,参见图5,在线服务模块304可以具体包括:
排序单元304a,用于当查找模块303查找到所述用户的多个性格类别,以及每种性格类别的概率后,根据找到的性格类别的概率,对所述用户的多个性格类别进行排序,包括从高到低或从低到高等方式;
在线服务单元304b,用于按照排序单元304a排序后的顺序,在所述多个性格类别对应的服务中,选取部分或全部服务提供给所述用户。此时,进一步地,上述装置还可以包括性格分类模型建立模块305。
进一步地,参见图4,本实施例中上述装置还可以包括:
记录模块306,用于当在线服务模块304给所述用户提供服务后,记录所述用户对该服务的反馈信息。该反馈信息包括但不限于:用户点击查看、用户浏览的页数、用户是否对该服务进行评价、用户接受该服务等等。
图4中装置同时包含性格分类模型建立模块305和记录模块306,本发明实施例不排除该装置只包含性格分类模型建立模块305和记录模块306中的一个。
本实施例中,当性格分类模块301包括性格分类单元301a时,参见图6,上述装置还可以包括:
存储模块307,用于存储性格分类单元301a得到的每个用户的性格类别和该用户属于该性格类别的概率,并存储服务设置模块302为每种性格类别设置的服务;
修正模块308,用于根据所述用户对在线服务模块304提供的服务的反馈,在存储模块307存储的性格类别、概率和服务中,调整所述用户的性格类别对应的概率和服务中的至少一种。即可以只调整性格类别对应的概率,或者只调整性格类别对应的服务,还可以同时调整性格类别对应的概率和服务。
进一步地,当修正模块308只对概率进行调整时,可以具体包括:
概率修正单元308a,用于根据性格分类单元301a得到的性格类别,对所述用户对在线服务模块304提供服务的反馈进行判断,如果该性格类别对应的服务被所述用户接受,则在存储模块307存储的概率中,提高所述用户属于该性格类别的概率;如果该性格类别对应的服务被所述用户拒绝,则在存储模块307存储的概率中,降低所述用户属于该性格类别的概率。其中,概率调整的幅度可以根据实际需要进行设置,并且提高的幅度和降低的幅度可以设置得相同或不相同。此时,进一步地,上述装置还可以包括性格分类模型建立模块305和记录模块306中的至少一个。
本实施例提供的装置通过对用户进行性格分类并设置对应的服务,当有用户申请在线服务时,查找该用户的性格类别,并将对应的服务提供给用户,可以提高给用户提供服务的成功率,克服了现有技术中网络在线服务比较局限的缺陷,从而更好地给用户提供服务。设定条件并在满足条件时停止对用户提供服务,可以避免浪费网络资源,提高效率。根据用户反馈的结果修正已有的概率,可以更新概率,进一步提高性格分类的准确性,从而可以根据更新后的概率给用户提供服务,达到更好地给用户提供服务的目的。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (14)
1.一种提供在线服务的方法,其特征在于,所述方法包括:
根据收集的用户网络行为特征信息和建立的性格分类模型,对所述收集的所有用户进行性格分类;
为所述性格分类得到的每种性格类别设置对应的服务;
当有用户申请在线服务时,在所述性格分类的结果中,查找所述用户的性格类别,将所述性格类别对应的服务提供给所述用户。
2.根据权利要求1所述的提供在线服务的方法,其特征在于,所述性格分类模型根据预先选取的用户网络行为特征信息和动态建模引擎进行运算得到。
3.根据权利要求1所述的提供在线服务的方法,其特征在于,根据收集的用户网络行为特征信息和建立的性格分类模型,对所述收集的所有用户进行性格分类,具体包括:
利用建立的性格分类模型,对收集的用户网络行为特征信息进行运算,得到所述收集的每个用户的性格类别和该用户属于该性格类别的概率。
4.根据权利要求3所述的提供在线服务的方法,其特征在于,查找所述用户的性格类别,将所述性格类别对应的服务提供给所述用户,具体包括:
查找到所述用户的多个性格类别,以及每种性格类别的概率;
根据所述性格类别的概率,对所述用户的多个性格类别进行排序;
按照所述排序后的顺序,在所述多个性格类别对应的服务中,选取部分或全部服务提供给所述用户。
5.根据权利要求1所述的提供在线服务的方法,其特征在于,将所述性格类别对应的服务提供给所述用户之后,还包括:
记录所述用户对所述服务的反馈信息。
6.根据权利要求3所述的提供在线服务的方法,其特征在于,所述方法还包括:存储所述每个用户的性格类别和该用户属于该性格类别的概率,并存储所述每种性格类别对应的服务;
将所述性格类别对应的服务提供给所述用户之后,还包括:
根据所述用户对所述服务的反馈,在所述存储的性格类别、概率和服务中,调整所述用户的性格类别对应的概率和服务中的至少一种。
7.根据权利要求6所述的提供在线服务的方法,其特征在于,调整所述用户的性格类别对应的概率,具体包括:
如果所述性格类别对应的服务被所述用户接受,则提高所述用户属于所述性格类别的概率;
如果所述性格类别对应的服务被所述用户拒绝,则降低所述用户属于所述性格类别的概率。
8.一种提供在线服务的装置,其特征在于,所述装置包括:
性格分类模块,用于根据收集的用户网络行为特征信息和建立的性格分类模型,对所述收集的所有用户进行性格分类;
服务设置模块,用于为所述性格分类模块进行性格分类得到的每种性格类别设置对应的服务;
查找模块,用于当有用户申请在线服务时,在所述性格分类模块进行性格分类的结果中,查找所述用户的性格类别,并在所述服务设置模块设置的服务中查找所述性格类别对应的服务;
在线服务模块,用于将所述查找模块找到的服务提供给所述用户。
9.根据权利要求8所述的提供在线服务的装置,其特征在于,所述装置还包括:
性格分类模型建立模块,用于根据预先选取的用户网络行为特征信息和动态建模引擎进行运算,得到所述性格分类模型。
10.根据权利要求8所述的提供在线服务的装置,其特征在于,所述性格分类模块具体包括:
性格分类单元,用于利用建立的性格分类模型,对收集的用户网络行为特征信息进行运算,得到所述收集的每个用户的性格类别和该用户属于该性格类别的概率。
11.根据权利要求10所述的提供在线服务的装置,其特征在于,所述在线服务模块具体包括:
排序单元,用于当所述查找模块查找到所述用户的多个性格类别,以及每种性格类别的概率后,根据所述性格类别的概率,对所述用户的多个性格类别进行排序;
在线服务单元,用于按照所述排序单元排序后的顺序,在所述多个性格类别对应的服务中,选取部分或全部服务提供给所述用户。
12.根据权利要求8所述的提供在线服务的装置,其特征在于,所述装置还包括:
记录模块,用于当所述在线服务模块给所述用户提供服务后,记录所述用户对所述服务的反馈信息。
13.根据权利要求10所述的提供在线服务的装置,其特征在于,所述装置还包括:
存储模块,用于存储所述性格分类单元得到的所述每个用户的性格类别和该用户属于该性格类别的概率,并存储所述服务设置模块为所述每种性格类别设置的服务;
修正模块,用于根据所述用户对所述在线服务模块提供的服务的反馈,在所述存储模块存储的性格类别、概率和服务中,调整所述用户的性格类别对应的概率和服务中的至少一种。
14.根据权利要求13所述的提供在线服务的装置,其特征在于,所述修正模块具体包括:
概率修正单元,用于根据所述性格分类单元得到的性格类别,对所述用户对所述在线服务模块提供服务的反馈进行判断,如果所述性格类别对应的服务被所述用户接受,则在所述存储模块存储的概率中,提高所述用户属于所述性格类别的概率;如果所述性格类别对应的服务被所述用户拒绝,则在所述存储模块存储的概率中,降低所述用户属于所述性格类别的概率。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN200810223246XA CN101359995B (zh) | 2008-09-28 | 2008-09-28 | 提供在线服务的方法和装置 |
PCT/CN2009/074253 WO2010034259A1 (zh) | 2008-09-28 | 2009-09-27 | 提供在线服务的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN200810223246XA CN101359995B (zh) | 2008-09-28 | 2008-09-28 | 提供在线服务的方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101359995A true CN101359995A (zh) | 2009-02-04 |
CN101359995B CN101359995B (zh) | 2011-05-04 |
Family
ID=40332344
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN200810223246XA Active CN101359995B (zh) | 2008-09-28 | 2008-09-28 | 提供在线服务的方法和装置 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN101359995B (zh) |
WO (1) | WO2010034259A1 (zh) |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2010034259A1 (zh) * | 2008-09-28 | 2010-04-01 | 腾讯科技(深圳)有限公司 | 提供在线服务的方法和装置 |
WO2011106925A1 (en) * | 2010-03-01 | 2011-09-09 | Nokia Corporation | Method and apparatus for estimating user characteristics based on user interaction data |
CN102439620A (zh) * | 2009-03-05 | 2012-05-02 | 综合介质测量股份有限公司 | 媒体内容项目相对有效性的判定 |
CN102456199A (zh) * | 2010-10-18 | 2012-05-16 | 北京学之途网络科技有限公司 | 互联网用户样本集的扩充、属性参数获取方法及装置 |
CN102456201A (zh) * | 2010-10-26 | 2012-05-16 | 阿里巴巴集团控股有限公司 | 一种客户操作数据的分析方法和装置 |
CN103440864A (zh) * | 2013-07-31 | 2013-12-11 | 湖南大学 | 基于语音的人格特征预测方法 |
CN103905489A (zh) * | 2012-12-27 | 2014-07-02 | 腾讯科技(深圳)有限公司 | 网络信息服务处理方法和系统 |
CN104216965A (zh) * | 2014-08-21 | 2014-12-17 | 北京金山安全软件有限公司 | 信息推荐方法和装置 |
CN104461016A (zh) * | 2014-12-23 | 2015-03-25 | 杭州云造科技有限公司 | 产品的机器性格表现方法及装置 |
WO2015158308A1 (zh) * | 2014-04-18 | 2015-10-22 | 北京京东尚科信息技术有限公司 | 判断用户年龄段的方法及装置 |
CN105957414A (zh) * | 2016-06-27 | 2016-09-21 | 安徽科成信息科技有限公司 | 一种班班通的教育系统 |
CN106515939A (zh) * | 2016-08-23 | 2017-03-22 | 杭州云造科技有限公司 | 自行车智能人机交互系统及其交互方法 |
CN106878392A (zh) * | 2017-01-11 | 2017-06-20 | 浙江工商大学 | 一种基于学生成果的在线服务方法和装置 |
CN107592346A (zh) * | 2017-08-31 | 2018-01-16 | 江西博瑞彤芸科技有限公司 | 基于用户行为分析的用户分类方法 |
CN108021864A (zh) * | 2017-11-02 | 2018-05-11 | 平安科技(深圳)有限公司 | 人物性格分析方法、装置及存储介质 |
CN108776846A (zh) * | 2018-05-15 | 2018-11-09 | 中国平安人寿保险股份有限公司 | 推荐方法、装置、计算机设备及存储介质 |
CN109598576A (zh) * | 2018-10-25 | 2019-04-09 | 阿里巴巴集团控股有限公司 | 服务推荐方法、装置及设备 |
CN114117054A (zh) * | 2022-01-24 | 2022-03-01 | 华南师范大学 | 基于个性词的学生期末评价方法、系统、装置和存储介质 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1932871A (zh) * | 2005-09-13 | 2007-03-21 | 北京搜畅网络技术有限公司 | 用于创建用户个性化页面的方法 |
CN100412870C (zh) * | 2006-07-17 | 2008-08-20 | 北京航空航天大学 | 采用元推荐引擎的门户个性化推荐服务方法和系统 |
CN101266620B (zh) * | 2008-04-07 | 2021-04-16 | 北京大学 | 向用户提供目标信息的方法及设备 |
CN101359995B (zh) * | 2008-09-28 | 2011-05-04 | 腾讯科技(深圳)有限公司 | 提供在线服务的方法和装置 |
-
2008
- 2008-09-28 CN CN200810223246XA patent/CN101359995B/zh active Active
-
2009
- 2009-09-27 WO PCT/CN2009/074253 patent/WO2010034259A1/zh active Application Filing
Cited By (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2010034259A1 (zh) * | 2008-09-28 | 2010-04-01 | 腾讯科技(深圳)有限公司 | 提供在线服务的方法和装置 |
CN102439620A (zh) * | 2009-03-05 | 2012-05-02 | 综合介质测量股份有限公司 | 媒体内容项目相对有效性的判定 |
WO2011106925A1 (en) * | 2010-03-01 | 2011-09-09 | Nokia Corporation | Method and apparatus for estimating user characteristics based on user interaction data |
CN102859967A (zh) * | 2010-03-01 | 2013-01-02 | 诺基亚公司 | 用于基于用户交互数据来估计用户特征的方法和设备 |
CN102456199A (zh) * | 2010-10-18 | 2012-05-16 | 北京学之途网络科技有限公司 | 互联网用户样本集的扩充、属性参数获取方法及装置 |
CN102456201A (zh) * | 2010-10-26 | 2012-05-16 | 阿里巴巴集团控股有限公司 | 一种客户操作数据的分析方法和装置 |
CN102456201B (zh) * | 2010-10-26 | 2016-09-14 | 阿里巴巴集团控股有限公司 | 一种客户操作数据的分析方法和装置 |
CN103905489B (zh) * | 2012-12-27 | 2015-04-29 | 腾讯科技(深圳)有限公司 | 网络信息服务处理方法和系统 |
CN103905489A (zh) * | 2012-12-27 | 2014-07-02 | 腾讯科技(深圳)有限公司 | 网络信息服务处理方法和系统 |
CN103440864A (zh) * | 2013-07-31 | 2013-12-11 | 湖南大学 | 基于语音的人格特征预测方法 |
WO2015158308A1 (zh) * | 2014-04-18 | 2015-10-22 | 北京京东尚科信息技术有限公司 | 判断用户年龄段的方法及装置 |
CN104216965A (zh) * | 2014-08-21 | 2014-12-17 | 北京金山安全软件有限公司 | 信息推荐方法和装置 |
CN104461016A (zh) * | 2014-12-23 | 2015-03-25 | 杭州云造科技有限公司 | 产品的机器性格表现方法及装置 |
CN105957414A (zh) * | 2016-06-27 | 2016-09-21 | 安徽科成信息科技有限公司 | 一种班班通的教育系统 |
CN106515939A (zh) * | 2016-08-23 | 2017-03-22 | 杭州云造科技有限公司 | 自行车智能人机交互系统及其交互方法 |
CN106878392A (zh) * | 2017-01-11 | 2017-06-20 | 浙江工商大学 | 一种基于学生成果的在线服务方法和装置 |
CN107592346A (zh) * | 2017-08-31 | 2018-01-16 | 江西博瑞彤芸科技有限公司 | 基于用户行为分析的用户分类方法 |
CN107592346B (zh) * | 2017-08-31 | 2020-09-01 | 江西博瑞彤芸科技有限公司 | 基于用户行为分析的用户分类方法 |
CN108021864A (zh) * | 2017-11-02 | 2018-05-11 | 平安科技(深圳)有限公司 | 人物性格分析方法、装置及存储介质 |
CN108776846A (zh) * | 2018-05-15 | 2018-11-09 | 中国平安人寿保险股份有限公司 | 推荐方法、装置、计算机设备及存储介质 |
CN109598576A (zh) * | 2018-10-25 | 2019-04-09 | 阿里巴巴集团控股有限公司 | 服务推荐方法、装置及设备 |
CN114117054A (zh) * | 2022-01-24 | 2022-03-01 | 华南师范大学 | 基于个性词的学生期末评价方法、系统、装置和存储介质 |
CN114117054B (zh) * | 2022-01-24 | 2022-05-17 | 华南师范大学 | 基于个性词的学生期末评价方法、系统、装置和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN101359995B (zh) | 2011-05-04 |
WO2010034259A1 (zh) | 2010-04-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101359995B (zh) | 提供在线服务的方法和装置 | |
CN107562818B (zh) | 信息推荐系统及方法 | |
Tatar et al. | From popularity prediction to ranking online news | |
CN101026802B (zh) | 一种信息推送方法与装置 | |
CN102279851B (zh) | 一种智能导航方法、装置和系统 | |
US8498950B2 (en) | System for training classifiers in multiple categories through active learning | |
US20170372329A1 (en) | Predictive analytics for providing targeted information | |
US8364627B2 (en) | Method and system for generating a linear machine learning model for predicting online user input actions | |
US7904303B2 (en) | Engagement-oriented recommendation principle | |
CN101385018A (zh) | 使用估计的广告质量来进行广告过滤、排名和提升 | |
US20070214207A1 (en) | Method and system for accurate issuance of data information | |
US20100257028A1 (en) | Methods and systems for extracting and managing latent social networks for use in commercial activities | |
WO2007032003A2 (en) | Device, system and method of handling user requests | |
US9147159B2 (en) | Extracting predictive segments from sampled data | |
CN101770487A (zh) | 社交网络中用户影响力的计算方法和系统 | |
CN109245996B (zh) | 邮件推送方法、装置、计算机设备和存储介质 | |
EP2608121A1 (en) | Managing reputation scores | |
CN101322125A (zh) | 使用多嵌套排序来改善排序结果 | |
CN101819572A (zh) | 一种用户兴趣模型的建立方法 | |
Prathapan et al. | Effectiveness of digital marketing: Tourism websites comparative analytics based on AIDA model | |
US20100100443A1 (en) | User classification apparatus, advertisement distribution apparatus, user classification method, advertisement distribution method, and program used thereby | |
CN104866557A (zh) | 一种基于建构学习理论的个性化即时学习支持系统与方法 | |
US20140108156A1 (en) | Methods and systems for extracting and managing latent social networks for use in commercial activities | |
CN106294882A (zh) | 数据挖掘方法以及装置 | |
WO2010037314A1 (zh) | 一种搜索的方法、系统和装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |