CN102141986A - 基于用户行为的个性化信息提供方法及系统 - Google Patents
基于用户行为的个性化信息提供方法及系统 Download PDFInfo
- Publication number
- CN102141986A CN102141986A CN2010101022902A CN201010102290A CN102141986A CN 102141986 A CN102141986 A CN 102141986A CN 2010101022902 A CN2010101022902 A CN 2010101022902A CN 201010102290 A CN201010102290 A CN 201010102290A CN 102141986 A CN102141986 A CN 102141986A
- Authority
- CN
- China
- Prior art keywords
- information
- user
- behavior
- subject
- classification
- 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.)
- Pending
Links
Images
Abstract
本发明公开了一种基于用户行为的个性化信息提供方法,包括:在设定时段内对用户Web页面的浏览行为进行统计;对用户浏览的事实性信息设置类别,对知识性信息设置主题;对各种用户行为预先设置权重;对用户所浏览的信息按所属主题和类别进行信息量统计,作为用户对该类别信息和该主题信息的认知量;将当前相应类别和主题的信息在系统中的总信息量与用户的认知量作差,将差值再乘以发生于该类别或该主题信息上的用户行为所体现出来的兴趣度,作为用户对相应类别和主题信息的需求程度,按需求程度较大的信息类别和主题作为优先推荐给用户的信息项,对向用户输出网页中的信息进行排序并输出。本发明同时公开了上述方法的系统。本发明实现了基于用户级别的信息提供。
Description
技术领域
本发明涉及一种基于用户行为的个性化信息提供方法及系统。
背景技术
当今,个性化、差异化的服务是时代发展的必然。以互联网和电信网为载体的服务提供平台,都面临着向提供个性化服务转型的时机。从互联网的角度看,由于信息膨胀,用户已经不能在短时间内掌握或获取满足自己的各方面需求的信息。对用户提供个性化的服务,不但是提高服务质量的特征,而且越来越变成了信息系统吸引用户的卖点。从风起云涌的电子商务到近来风靡的社交网络,越来越多的站点默认用户需要的是一种随自己的特点、状态而变的服务,即是有差别的服务。几乎所有的站点都希望用户加以注册并提供自己详细的个人信息,从而使个性化服务得以更充分的实现;另一方面,从电信网的角度看,随着3G(第三代移动通信)的到来,移动互联网势必有飞速发展。种类各异的接入终端、不同的接入时间与地点连同用户个性化的需求将使得移动互联网面临更加迫切的个性化服务提供问题。
提供个性化的服务有多种方式,其中“推荐”是普遍采用的一种机制。这种机制被广泛引入各种内容与服务提供商,融入推荐机制的个性化的信息服务平台、网站已经大量出现,这些信息服务系统的共同特点是可以让用户通过预先提供的各种设置功能,手动配置自己的喜好,然后系统会根据用户初始的注册信息以及配置结果来进行服务,尔后,在用户使用系统过程中,系统会不断积累用户数据,然后借此采用基于内容过滤和基于协同的信息推荐方法来为用户提供更加个性化的支持。
上述被广泛采用的个性化服务过程中存在着诸多问题:依赖于静态的用户配置信息,不能动态响应用户动作。推荐策略所参考的数据也过于注重那些有明确“行为对象”和“业务意义”的操作,如购买行为。相比之下,用户在使用信息系统过程中会发生大量的、各种各样操作行为,其中必然蕴含着用户丰富的偏好信息,如何更加全面地捕捉到这些信息,并从中提炼出用户的个性化需求成为个性化服务中面临的重要难题。
发明内容
有鉴于此,本发明的主要目的在于提供一种基于用户行为的个性化信息提供方法及系统,能根据用户的实时行为所反映出的需求自动向用户提供动态的网页信息。
为达到上述目的,本发明的技术方案是这样实现的:
一种基于用户行为的个性化信息提供方法,包括:
对用户Web页面的浏览行为进行捕捉并进行统计;所述浏览行为连同涉及的行为对象信息至少包含浏览网页时的页面关键字,浏览页面字数,信息浏览时间,浏览时的点击、拷贝、粘贴、拖动操作;
将信息服务系统中的信息划分为事实性信息和知识性信息两类,对上述的事实性信息进行类别的划分,至少包含政治、经济、文化、娱乐、体育、天气。军事、教育、地区类别。对知识性信息则要赋予相应的主题。对各类用户操作赋予权重,以用来反映不同行为所体现用户对行为对象的不同兴趣度;
对用户所浏览过的事实性信息和知识性信息按所属的类别与主题进行信息量统计,如页面字数统计,作为用户对该类别信息或该主题信息的认知量,该认知量表征用户对该类别信息和该主题信息掌握的数量;对用户在设定时段内发生于所浏览的信息上的信息行为进行统计,如按照行为发生的次数乘以预先赋予的行为权重统计,统计结果是用户对某个信息类别或者某个信息主题的兴趣度;将当前相应类别信息和相应主题信息在系统中的总信息量与用户的认知量作差,然后将差值乘以用户对相应类别信息和相应主题信息的兴趣度得到结果,该结果为用户对某类信息和某主题信息的需求度,按需求程度较大的相应类别信息和相应主题信息作为优先推荐给用户的信息项,按优先度对向用户输出网页中的信息进行排序,并向用户输出。
其中,所述方法还包括:
获取用户对网页中各类信息的评论信息,根据用户所评论信息所属的类别和主题,按用户对相应类别信息和主题信息的评论条数,以及用户对所有类别和主题的评论信息的总条数增大对应类别和主题信息的兴趣度。
其中,所述方法还包括:
获取用户对网页中各类信息的疑问以及回答信息,获得提问人或他人的肯定时,增大对应类别和主题信息的认知量,获得提问人或他人的否定时,减小对应类别和主题信息的认知量。疑问以及回答行为都会增大用户对该类信息和该主题信息的兴趣度。
一种基于用户行为的个性化信息提供方法,包括:
对用户Web页面的浏览行为进行捕捉并进行统计;所述浏览行为连同涉及的行为对象信息至少包含浏览网页时的页面关键字,浏览页面字数,信息浏览时间,浏览时的点击、拷贝、粘贴、拖动操作;
将信息服务系统中的信息划分为事实性信息和知识性信息两类,对上述的事实性信息进行类别的划分,至少包含政治、经济、文化、娱乐、体育、天气、军事、教育、地区类别。对知识性信息则要赋予相应的主题。对各类用户操作赋予权重,以用来反映不同行为所体现用户的不同兴趣度;
根据对各类别信息的统计结果计算用户对各类别信息的需求程度,并按所计算的需求程度对向用户输出网页中的信息进行排序,并向用户输出。
其中,所述方法还包括:
获取用户对网页中各类信息的评论信息,根据用户所评论信息所属的类别和主题,按用户对相应类别信息和主题信息的评论条数,以及各类别和主题的评论信息的条数再次计算用户对相应类别信息的兴趣度,并添加到之前所计算的对应类别的兴趣度中,从而更新之前计算的用户对各类别信息和各主题信息的需求程度,并以总需求程度对向用户输出网页中的信息进行排序,并向用户输出。
其中,所述方法还包括:
获取用户对网页中各类别和主题信息的提问及回答信息的条数,根据用户对各类别和主题信息提问条数及回答条数确定用户对该类别信息的认知量和兴趣度,并添加到之前所计算的对应类别和主题信息的认知量和兴趣度中,其中,当用户的回答获得提问人或他人的肯定时,加大用户对该类别和主题信息的认知量,用户回答提问后获得提问人或他人的否定时,减小用户对该类别和主题信息的认知量;从而更新用户对各类别信息和各主题信息的需求程度。
以总需求程度对向用户输出网页中的信息进行排序,并向用户输出。
其中,所述兴趣度值按下式之一而确定:
a×(主题信息的字数/驻留时间)+b×点击次数;
a×(主题信息的字数/驻留时间)+b×点击次数+c×评论条数;
a×(信息的字数/驻留时间)+b×点击次数+d×提问条数+e×回答条数;
a×(信息的字数/驻留时间)+b×点击次数+c×评论条数+d×提问条数+e×回答条数;
其中,a、b、c、d、e均为对应用户行为的权重。
其中,所述认知量按下式之一而确定:
f×(浏览信息的字数)+X×回答条数;
其中,f为用户行为权重,X的取值随用户回答正确与否而变化。
一种基于用户行为的个性化信息提供系统,包括统计单元、设置单元、计算单元和排序输出单元;其中:
统计单元,用于在设定时段内对用户Web页面的浏览行为进行统计;所述浏览行为连同涉及的行为对象信息至少包含浏览网页时的页面关键字,浏览页面字数,信息浏览时间,浏览时的点击、拷贝、粘贴、拖动操作;
设置单元,将信息服务系统中的信息划分为事实性信息和知识性信息两类,对上述的事实性信息进行类别的划分,至少包含政治、经济、文化、娱乐、体育、天气、军事、教育、地区类别。对知识性信息则要赋予相应的主题。对各类用户操作赋予权重,以用来反映不同行为所体现用户的不同兴趣度;
计算单元,对用户所浏览过的事实性信息和知识性信息按所属的类别与主题进行信息量统计,如页面字数统计,作为用户对该类别信息或该主题信息当前的认知量,该认知量表征用户对该类别信息和该主题信息掌握的数量;对用户在设定时段内发生在所浏览的信息上的信息行为进行统计,如按照行为发生的次数乘以预先赋予的行为权重统计,统计结果是用户对某个信息类别或者某个信息主题的兴趣度;将当前相应类别信息和相应主题信息在系统中的总信息量与用户的认知量作差,然后将差值乘以用户对相应类别信息和相应主题信息的兴趣度得到结果,该结果为用户对某类信息和某主题信息的需求度;
排序输出单元,按需求程度较大的相应类别信息和相应主题信息作为优先推荐给用户的信息项,按优先度对向用户输出网页中的信息进行排序,并向用户输出。
一种基于用户行为的个性化信息提供系统,包括:
统计单元,用于在设定时段内对用户Web页面的浏览行为进行统计;所述浏览行为连同涉及的行为对象信息至少包含浏览网页时的页面关键字,浏览页面字数,信息浏览时间,浏览时的点击、拷贝、粘贴、拖动操作;
设置单元,将信息服务系统中的信息划分为事实性信息和知识性信息两类,对上述的事实性信息进行类别的划分,至少包含政治、经济、文化、娱乐、体育、天气、军事、教育、地区类别。对知识性信息则要赋予相应的主题。对各类用户操作赋予权重,以用来反映某种行为所体现用户的兴趣度;
计算单元,对用户所浏览过的事实性信息和知识性信息按所属的类别与主题进行信息量统计,如页面字数统计,作为用户对该类别信息或该主题信息当前的认知量,该认知量表征用户对该类别信息和该主题信息掌握的数量;对用户在设定时段内发生在所浏览的信息上的信息行为进行统计,如按照行为发生的次数乘以预先赋予的行为权重统计,统计结果是用户对某个信息类别或者某个信息主题的兴趣度;将当前相应类别信息和相应主题信息在系统中的总信息量与用户的认知量作差,然后将差值乘以用户对相应类别信息和相应主题信息的兴趣度得到结果,该结果为用户对某类信息和某主题信息的需求度;
排序输出单元,按需求程度较大的相应类别信息和相应主题信息作为优先推荐给用户的信息项,按优先度对向用户输出网页中的信息进行排序,并向用户输出。
其中,所述兴趣值按下式之一而确定:
a×(信息的字数/驻留时间)+b×点击次数;
a×(信息的字数/驻留时间)+b×点击次数+c×评论条数;
a×(信息的字数/驻留时间)+b×点击次数+d×提问条数+e×回答条数;
a×(信息的字数/驻留时间)+b×点击次数+c×评论条数+d×提问条数+e×回答条数;
其中,a、b、c、d、e均为对应用户行为的权重。
其中,所述认知量按下式之一而确定:
f×(浏览信息的字数)+X×回答条数;
其中,f为用户行为权重,X的取值随用户回答正确与否而变化。
本发明中,通过对用户的网页信息的浏览行为进行统计,确定出用户对各类别信息和各主题信息的兴趣值或认知量,确定出用户对某类别信息的认知量后,再将某类信息和某主题信息当前的信息总量与用户认知量的差值乘以用户对相应类别和主题的兴趣度,作为用户对某类信息和某主题信息的需求程度,该需求程度作为推荐相关类别和主题信息的基础,其中值越大,用户的需求越强烈,作为信息提供的首选。这样,当用户选择相关网页浏览信息时,在向用户输出信息时,将用户需求较强烈的相关信息作为首要信息设置于相关网页上,用户不必专门选择即能获取自身感兴趣的信息。由于本发明的信息提供方法是针对用户级别的,因此,在向用户提供信息时,方式非常个性化,最大可能地满足了用户的需求。
附图说明
图1为本发明基于用户行为的个性化信息提供系统的一种组成结构示意图;
图2为本发明基于用户行为的个性化信息提供系统的另一种组成结构示意图。
具体实施方式
以下结合附图对本发明作进一步详细描述。
用户在浏览新闻时候,认知行为往往起到关键作用,为了能有效为用户提供个性化服务,新闻系统必须获知用户信息需求的进化过程。
用户认知结构(cognitive structure)是用户的信息需求结构,即用户模型。主要与以下的因素相关:
A、认知结构的类别层次与比例。用户认知结构有两个层次:1.事实性的信息,代表那类只有类别归属但并未系统化的旨在阐述新闻事实的信息。2.知识性的信息,如某一主题、某一话题、某一系列相关新闻组织而成的新闻集合。
对于事实性信息,分为不同的类别,如经济、政治、社会、文化、娱乐、体育、天气等。对于知识性信息,则分为不同的主题系列;用户的认知结构就好比一个二维表,表中的各种信息所占的比重不同,这种比重还是浮动的,此静态数据结构需要设计人员设计以用来模拟用户认知结构。一段时间内用户浏览各类信息和各主题信息过程中体现出来的信息需求变化将通过对这组数据产生修正而体现出来。此比例是给用户投送信息的依据。该系统目前将这组数据作为提供给用户信息种类比例的唯一参考依据。后面出现的若干因子,都间接通过此因子来体现价值,也就是说,后面的因子所体现和表征的用户需求的改变,都直接修改这组数据,从而间接体现因子的价值。本发明中的用户知识结构如表1所示:
表1
B、信息需求值。用户的信息需求值是指用户对于自己掌握的每类知识内心都有综合评定,而此类知识的总量高于用户已经掌握的知识,这就造成了“信息差”,这种“信息差”造成了用户对相应类别信息的不满足感,于是表现出“需求获取行为”。本发明使用这样的策略:已掌握的信息总量是用户已浏览过的某类信息的字数,信息总量是系统某类信息的总字数。两者作差得到的数值,即作为构成信息需求数值的一个参数。同时除了这个参数,用户的浏览行为也会影响到信息需求数值,即用户浏览行为可以体现出用户对行为对象的兴趣度,这两个参数的乘积便可以作为衡量用户对某类信息或者某主题信息的需求程度的信息需求值,用户对某类信息或某主题信息需求值的增加将增加表一中相应类别或相应主题信息占有的比重。
C、刺激反射。用户的信息需求肯定会受到外部环境的影响,外部信息的刺激以不同程度增大用户某类信息的需求程度。为了给各种因素量化,对于每一个因素都赋予三个等级(每个等级由对应的星数表示)表示一般事件、较重要事件、重大事件。如表2所示:
表2
如上的这个表可以作为全局数据使用,动态维护和更新,这个表格在目前要实现的原型系统中的作用是,在往信息系统中录入新闻等信息时,同时输入新闻的类别或者主题,系统根据新闻类别和主题参照此表动态更新用户的认知结构,即改变用户对某类别信息或者某主题信息的需求程度。
D、信息接受能力。这个数值的作用代表用户的阅读能力,使用单位时间内用户的浏览总量来度量,它是该系统向用户提供信息时,信息总量的参照。用户的信息需求量是变动的。
以上的几个因素,从不同的方面和不同的角度,表征量化了用户的认知结构。
以下介绍用户浏览行为获取与信息需求映射。用户会通过浏览行为改变来满足需求。该系统目前只考虑用户浏览行为,同时各种浏览行为对于体现用户需求的程度是不同的。必须给予不同的权值。
具体如下:
可以通过浏览时间和浏览内容的多少,计算出平均的浏览速度,速度越快,说明用户对此处的信息兴趣越小,对于相应主题或类别的兴趣度的增加幅度就小。
对于浏览时的点击、拷贝、粘贴、拖动等操作,用户点击链接情况发生概率越大,说明用户对行为对象所属的信息类别或者信息主题的兴趣越大。
对于用户浏览,用户浏览的页面字数是用户认知量的体现。
目前,对于任何一个提供新闻服务的门户网站,绝大多数都允许用户针对新闻进行“评论”操作。这种评论不依赖于任何诱导措施,因为表述个人对某事件的看法是人们使用互联网的心理意愿,是用户主动的行为。通过调查发现,目前各种信息服务网站所提供的用户评论平台非常不完善。所有的门户网站只是提供了一个用户参加评论的平台,即只提供一个简单的“我要参加评论”的链接。
本发明中,还要对用户的评论信息进行统计,即确定出用户对各类型信息的评论数量,这些评论所属的类别等。根据用户对某类型信息的评论信息数,增加该类信息的用户兴趣度。
问答系统是目前web较实用的系统。这种系统包容了门户网站、BBS社区、检索与提问等功能在内的一种集成式的系统。它的外在表现是一个门户网站,它的参与方式是BBS社区性质的,而每个参与者都必须注册,并接受管理者的监督,同时通过自己的参与享受积分。就其提问的方式而言,它与早先的搜索系统是相同的。而其改进之处在于,原来的搜索系统只能向检索者提供检索数据库中已有的资讯,而百度知道却能够将数据库中没有的资讯变成提问的方式,借助网站表现出来,由所有参与的人来自由回答。它使以往的人机对话变成了依托于互联网的人人对话。在对话方面,它又不同于常规的点对点的聊天和电子邮件系统,而是由提问者将问题向虚拟的潜在回答用户抛出,而后静等答案的到来。提问人可以补充对问题的阐述;提问者可以随时中止征集答案的过程;提问者还可以从所有答案中选出最佳答案。总之,用户在这种提问机制过程中的行为表现,更能体现出用户对各类型信息的需求,因此,本发明的技术方案中还包括对用户的提问及解答行为进行统计,根据用户的对相应类型信息的提问或解答情形改变用户对于该类型信息的认知量和兴趣度。
本发明中,系统能够直观捕获的用户数据是“擅长度”(用户擅长某一个领域的程度),擅长度需要转换为用户对该类别信息的认知量和兴趣度才能体现价值。其中擅长度映射为兴趣度和认知量的方式如下:
擅长度为MasterDegree简称MD,兴趣度为IntrestDegree简称ID。MD与ID的关系也许呈现出一定的分段函数关系,以下仅是举例说明:
ID=MD(if MD>0.9),他感兴趣所以他精通
ID=0.3*MD(if 0.8>MD>0.3),他知道一些,但是不精通,也许他不太感兴趣
ID=(1-MD)*QFlag(if MD<0.2),他一窍不通,也许他一丁点不关心一点都没有兴趣,也许他很关心很有兴趣但是什么都不知道。如果针对该类别进行过提问,也就是QFlag=1,那么他很感兴趣,没问过QFlag=0。
擅长度和认知量具有同增同减的映射关系,即擅长度越高,认知量越大。
以下介绍本发明的另一实现方式。
用户在浏览网页新闻时,就目前的网络应用现状看,共有三类行为:
基本浏览动作,即浏览一篇新闻时用户在页面内采取的动作,包括:点击次数、驻留时间。
评论行为,用户针对一则新闻发表的评论。
问答行为,用户针对一则新闻产生的问答。
以上三种行为,在该系统中,共同作为捕获用户需求的因素。将上述三种行为变成用户兴趣的过程中,具有三个统一性。
第一,以上三种行为具有页面统一性。页面统一性指该系统中,针对一则新闻,将提供如下的操作页面,页面集“浏览”、“评论”、“问答”于一体,使用户能够针对一则新闻进行全方位的操作。
第二,以上三种行为具有转换统一性。即各种行为在参与影响用户的偏好情况之前,都需要映射为用户兴趣值。
第三,当然以上三类行为都要影响于具体的行为对象,这些行为对象需要使用关键词进行标注,为了让三类行为的影响都投射到统一的区域,所以行为对象应该具有标注(关键词)统一性。即行为要作用于对象,对象通过关键词来标注其主题与类型,行为所体现出的个性偏好体现在对关键词(即主题和类型)的偏好上。
此处需要说明,新闻一般分为两种:事实性的、知识性的。事实性的新闻有类别之分,如政治、经济、军事,该类新闻代表着一般信息。知识性的新闻有主题之分,如中东战争、海湾战争,该类新闻代表着知识信息。
那么综合以上,整个用户行为得到用户偏好的逻辑过程(数据处理过程)举例说明如下:
Step1:用户U在几次登录系统过程中,浏览了3篇新闻,针对第一篇新闻,他只是浏览,针对第二篇新闻,他进行了评论,针对第三篇新闻,他进行了问答。在问答中,他提了1个问题,回答了2个问题,其中1个被采纳,另1个没有被采纳。
Step2:以上所有的用户行为均已被系统捕获到,系统展开如下分析。
Step3:首先罗列下用户行为的具体细节,见表3:
序号 | 行为 |
1 | 浏览第一则新闻时,驻留10秒 |
2 | 浏览第一则新闻时,点击5次 |
3 | 浏览第二则新闻时,驻留20秒 |
4 | 浏览第二则新闻时,点击10次 |
5 | 浏览第二则新闻时,发表1条评论 |
6 | 浏览第三则新闻时,驻留30秒 |
7 | 浏览第三则新闻时,点击15次 |
8 | 浏览第三则新闻时,提出1个问题 |
9 | 浏览第三则新闻时,回答1个问题,被采纳 |
10 | 浏览第三则新闻时,回答1个问题,未被采纳 |
表3
Step4:面向单个信息对象分析发生在其上的信息行为,逐个分析全部用户浏览三则新闻对象。
Step5:发生于单个信息对象的行为体现的兴趣偏好计算步骤如下:
首先,通过行为计算出用户对某则新闻的兴趣程度为:
Interest_news=1×(文章字数/驻留时间)+3×点击次数+5×评论条数+7×提问条数+X×回答条数。其中回答未被采纳时X=7;回答被采纳时X=9。上述1、3、5、7、8数值均是用户行为计算用户兴趣值的权重,上述权值是根据经验而设置,并可根据具体情况进行调整。
于是可以针对三则新闻,分别计算出用户的兴趣值Interest_news1、Interest_news2及Interest_news3。
Step6:但用户的兴趣最终还要体现在对某类东西的偏好上,既然新闻分为事实性新闻和主题性新闻,所谓事实性新闻就是没有主题只有类别之分的一般性新闻,知识性新闻就是具有主题的新闻;下面就将用户对具体新闻的兴趣,转换为用户对主题和内容类别的偏好。
新闻的类别如前所述,主要包括政治、经济、军事、娱乐、体育、文化、天气等,新闻的主题也包括新闻主题、中东战争、巴以和谈、各地房价、NBA赛事等。
Step7:假如用户浏览的上述三则新闻所隶属的内容类别和主题如表4所示:
新闻类别 |
政治 新闻1 |
经济 新闻1 新闻2 |
军事 新闻2 |
娱乐 |
体育 |
文化 |
新闻主题 |
中东战争 新闻3 |
巴以和谈 |
各地房价 |
表4
Step8:于是,可以将计算出的Interest_news1、Interest_news2及Interest_news3累加到相应的新闻类别和新闻主题中,如表5所示:
新闻类别 |
政治 Interest_news1 |
经济 Interest_news1+Interest_news2 |
军事 Interest_news2 |
娱乐 |
体育 |
文化 |
新闻主题 |
中东战争 Interest_news3 |
巴以和谈 |
各地房价 |
表5
Step9:通过上述步骤,便得到了用户在浏览全部三条新闻时,所体现出来的对某类事物的偏好程度。在本发明中,特别重视用户的评论行为,评论是有效获得用户看问题方式、看问题的着眼点。在让用户发表评论的时候,本系统允许用户选择自己发表评论的立足点(在实现形式中涉及)。
于是,用户针对新闻二和新闻三都进行了评论,若评论的着眼点分别是政治、军事。
那么系统将根据上述评论的着眼点,加大用户对于政治、军事的偏好程度。
于是修正的偏好计算如表6所示:
新闻类别 |
政治 Interest_news1+2*评论条数 |
经济 Interest_news1+Interest_news2 |
军事 Interest_news2+2*评论条数 |
娱乐 |
体育 |
文化 |
新闻主题 |
中东战争 Interest_news3 |
巴以和谈 |
各地房价 |
表6
通过上述九个步骤,系统便得到了用户在一系列新闻阅读过程中所产生的信息行为所体现出的偏好。
为方便形式化,下面使用数学公式来说明上面例子中九个步骤发生的事情。
用户U在T_Start到T_End的时间段内
浏览了新闻{News_1,News_2,News_3......News_n}
新闻字数为{Character_1,Character_2......Character_n}
新闻所隶属的内容类别共有a类:{Category_1,Category_2...Cagegory_a}
隶属的主题共有b个:{Theme_1,Theme_2...Theme_b}
各个新闻具有自己的隶属情况:News_i隶属类别为Category_x或者null,隶属主题为Theme_y或者null,其中null代表没有该特征。
发生在一则新闻上的行为包括:
新闻字数为N,驻留时间T,点击次数C,评论条数R(评论有角度之分,包括基于Category_x1角度发表评论R1条,基于Category_x2角度发表评论R2条....R1+R2+...+Rc=R)。提出问题Q条,回答并被采纳问题AY条,回答未被采纳AN条
上述针对一则新闻的所有行为所体现出的用户包括对具体类别的偏好和具体主题的偏好,计算公式如下:
Interest_Category_x=SUM(1*N/T+3*C+5*R+7*AN+9*AY)+2*Rx
以上是计算用户针对具体类别偏好的兴趣值,计算方法为,对所有隶属此类别的新闻上发生的信息行为进行计算,并加上站在此类别进行评论的行为
Interest_Theme_y=SUM(1*N/T+3*C+5*R+7*AN+9*AY)
以上是计算用户针对具体主题的兴趣值,计算方法为,对所有隶属于该主题的新闻上发生的信息行为进行计算。
综上已经通过用户对于新闻的行为计算出用户对于某类别信息或者某主题信息的偏好程度。将上面计算得出的用户对于类别和主题的需求值填入用户认知结构,使用户偏好得以保存。下阶段的个性化服务内容也基于此进行。
当然,信息系统中的信息不是静止不动的,不间断的信息录入也是刺激用户阅读的动力。
所以录入信息时,新闻有主题之分,按照新闻的重要程度,将新闻分为三个等级,一篇新闻,较重要新闻,重大新闻,不同等级的新闻的录入也会导致用户相应兴趣提升的程度不同。提升比例如表7所示:
新闻等级 | 一般新闻 | 较重要新闻 | 重大新闻 |
提升比例 | 0.05 | 0.1 | 0.3 |
表7
所以上述认知结构中的兴趣值,也随着系统录入新闻的情况而更新,如果录入3条新闻,分别关于主题1,主题2,主题3.那么兴趣是改变结果如表8所示:
要素 | 类别.. | 主题1 | 主题2 | 主题3 | ...... |
兴趣值 | 不变 | I6*1.05 | I7*1.1 | I8*1.3 | I10 |
阅读量 | M1 | M6 | M7 | M8 | M10 |
表8
通过以上所有的内容,系统得到了实时更新的用户认知结构,那么下一步,系统将根据该认知结构来进行个性化信息的投送。
首先要预测用户的信息需求,预测方法要符合用户在各个类别和各个主题上的兴趣值的涨落,预测方法是计算最近五次登录过程中兴趣值和阅读量的平均值,将这些值填入用户认知结构。
然后计算,各种类别与各种主题的兴趣值,在兴趣值和中的比例,该比例决定了投送给用户的各种类别的事实性新闻和有主题的知识性新闻所占的比例。然后由阅读量调整每个类别中,每个主题中具体新闻的筛选,阅读量越大,投送越长的新闻给用户
图1为本发明基于用户行为的个性化信息提供系统的一种组成结构示意图,如图1所示,本示例基于用户行为的个性化信息提供系统包括统计单元10、设置单元11、计算单元12和排序输出单元13;其中:
统计单元10,用于在设定时段内对用户Web页面的浏览行为进行统计;所述浏览行为连同涉及的行为对象信息至少包含浏览网页时的页面关键字,浏览页面字数,信息浏览时间,浏览时的点击、拷贝、粘贴、拖动操作;
设置单元11,将信息服务系统中的信息划分为事实性信息和知识性信息两类,对上述的事实性信息进行类别的划分,至少包含政治、经济、文化、娱乐、体育、天气。军事、教育、地区类别。对知识性信息则要赋予相应的主题。对各类用户操作赋予权重,以用来反映某种行为所体现用户的兴趣度;
计算单元12,对用户所浏览过的事实性信息和知识性信息按所属的类别与主题进行信息量统计,如页面字数统计,作为用户对该类别信息或该主题信息当前的认知量,该认知量表征用户对该类别信息和该主题信息掌握的数量;对用户在设定时段内发生在所浏览的信息上的信息行为进行统计,如按照行为发生的次数乘以预先赋予的行为权重统计,统计结果是用户对某个信息类别或者某个信息主题的兴趣度;将当前相应类别信息和相应主题信息在系统中的总信息量与用户的认知量作差,然后将差值乘以用户对相应类别信息和相应主题信息的兴趣度得到结果,该结果为用户对某类信息和某主题信息的需求度;
排序输出单元13,排序输出单元,按需求程度较大的相应类别信息和相应主题信息作为优先推荐给用户的信息项,按优先度对向用户输出网页中的信息进行排序,并向用户输出。
如图1所示,本示例基于用户行为的个性化信息提供系统还包括获取单元14,用于获取用户对网页中各类信息的评论信息,根据用户所评论信息所属的类别及评论信息所属的类别,按用户对相应类别和主题信息的评论条数,以及各类别的评论信息的条数增大对应类别信息和主题的兴趣度。或者,获取单元14用于获取用户对网页中各类信息和主题信息的疑问的回答信息,获得提问人或他人的肯定时,增大对应类别和主题信息的认知量,获得提问人或他人的否定时,减小对应类别和主题信息的认知量。无论对错都增加用户对该类信息和该主题信息的兴趣度
图2为本发明基于用户行为的个性化信息提供系统的一种组成结构示意图,如图2所示,本示例基于用户行为的个性化信息提供系统包括统计单元20、设置单元21、计算单元22和排序输出单元23;其中,
统计单元20,用于在设定时段内对用户Web页面的浏览行为进行统计;所述浏览行为连同涉及的行为对象信息至少包含浏览网页时的页面关键字,浏览页面字数,信息浏览时间,浏览时的点击、拷贝、粘贴、拖动操作;
设置单元21,将信息服务系统中的信息划分为事实性信息和知识性信息两类,对上述的事实性信息进行类别的划分,至少包含政治、经济、文化、娱乐、体育、天气。军事、教育、地区类别。对知识性信息则要赋予相应的主题。对各类用户操作赋予权重,以用来反映某种行为所体现用户的兴趣度;
计算单元22,用于根据所述统计单元对各类别信息的统计结果计算用户对各类别信息的需求程度值;
排序输出单元23,用于按所述计算单元所计算的需求程度值对向用户输出网页中的信息进行排序,并向用户输出。
其中,所述兴趣值按下式之一而确定:
a×(信息的字数/驻留时间)+b×点击次数;
a×(信息的字数/驻留时间)+b×点击次数+c×评论条数;
a×(信息的字数/驻留时间)+b×点击次数+d×提问条数+e×回答条数;
a×(信息的字数/驻留时间)+b×点击次数+c×评论条数+d×提问条数+e×回答条数;
其中,a、b、c、d、e均为对应用户行为的权重。
其中,所述认知量按下式之一而确定:
f×(浏览信息的字数)+X×回答条数;
其中,f为用户行为权重,X的取值随用户回答正确与否而变化。
如图2所示,本示例基于用户行为的个性化信息提供系统还包括获取单元24,用于获取用户对网页中各类信息的评论信息,根据用户所评论信息所属的类别及评论信息所属的类别,按用户对相应类别和主题信息的评论条数,以及各类别的评论信息的条数再次计算用户对相应类别和主题的兴趣度。并添加到之前所计算的对应类别的兴趣值中并更新需求程度值,排序输出单元23以总需求程度值对向用户输出网页中的信息进行排序,并向用户输出。
获取单元24用于获取用户对网页中各类信息和主题信息的疑问的回答信息,获得提问人或他人的肯定时,增大对应类别和主题信息的认知量,获得提问人或他人的否定时,减小对应类别和主题信息的认知量。无论对错都增加用户对该类信息和该主题信息的兴趣度,并添加到之前所计算的对应类别和主题信息的兴趣值与认知量中,尔后更新用户需求程度值;
排序输出单元23以总需求程度值对向用户输出网页中的信息进行排序,并向用户输出。
上述图1及图2所示系统中各处理单元的功能可参照前述基于用户行为的个性化信息提供方法中的相关描述而理解。
以上所述,仅为本发明的较佳实施例而已,并非用于限定本发明的保护范围。
Claims (10)
1.一种基于用户行为的个性化信息提供方法,其特征在于,包括:
对用户Web页面的浏览行为进行捕捉并进行统计;所述浏览行为连同涉及的行为对象信息至少包含浏览网页时的页面关键字,浏览页面字数,信息浏览时间,浏览时的点击、拷贝、粘贴、拖动操作;
将信息服务系统中的信息划分为事实性信息和知识性信息两类,对上述的事实性信息进行类别的划分,至少包含政治、经济、文化、娱乐、体育、天气、军事、教育、地区类别;对知识性信息则要赋予相应的主题;对各种用户操作赋予权重,用来反映不同行为所体现的用户对行为对象的不同兴趣度;
对用户所浏览过的事实性信息和知识性信息分别按所属的类别与主题进行信息量统计,作为用户对该类别信息或该主题信息当前的认知量,该认知量表征用户对该类别信息和该主题信息掌握的数量;对用户在设定时段内发生于所浏览的信息上的信息行为进行统计,即按照行为发生的次数乘以预先赋予的行为权重进行统计,统计结果是用户对某个信息类别或者某个信息主题的兴趣度;将当前相应类别信息和相应主题信息在系统中的总信息量与用户的认知量作差,然后将差值乘以用户对相应类信息和相应主题信息的兴趣度得到结果,该结果为用户对信息类别和某信息主题的需求度,按需求程度较大的相应类别信息和相应主题信息作为优先推荐给用户的信息项,按优先度对向用户输出网页中的信息进行排序,并向用户输出。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
获取用户对网页中各类信息的评论信息,根据用户所评论信息所属的类别和主题,按用户对相应类别信息和主题信息的评论条数,以及用户对所有类别和主题的评论信息的总条数增大用户对于对应类别和主题信息的兴趣度。
3.根据权利要求1所述的方法,其特征在于,所述方法还包括:
获取用户对网页中各类信息的疑问以及回答信息,获得提问人或他人的肯定时,增大用户对于对应类别和主题信息的认知量,获得提问人或他人的否定时,减小用户对于对应类别和主题信息的认知量;疑问以及回答行为都会增大用户对该类信息和该主题信息的兴趣度。
4.一种基于用户行为的个性化信息提供方法,其特征在于,包括:
对用户Web页面的浏览行为进行捕捉并进行统计;所述浏览行为连同涉及的行为对象信息至少包含浏览网页时的页面关键字,浏览页面字数,信息浏览时间,浏览时的点击、拷贝、粘贴、拖动操作;
将信息服务系统中的信息划分为事实性信息和知识性信息两类,对上述的事实性信息进行类别的划分,至少包含政治、经济、文化、娱乐、体育、天气;军事、教育、地区类别;对知识性信息则要赋予相应的主题;对各种用户操作赋予权重,用来反映不同行为所体现用户的不同兴趣度;
根据对各类别信息的统计结果计算用户对各类别和各主题信息的需求程度,并按所计算的需求程度对向用户输出网页中的信息进行排序,并向用户输出。
5.根据权利要求4所述的方法,其特征在于,所述方法还包括:
获取用户对网页中各类信息的评论信息,根据用户所评论信息所属的类别和主题,按用户对相应类别信息和主题信息的评论条数,以及用户对所有类别和主题的评论信息的总条数再次计算用户对相应类别和主题信息的兴趣度,并添加到之前所计算的对应类别和主题的兴趣度中,从而更新之前计算的用户对各类别信息和各主题信息的需求程度,并以总需求程度对向用户输出网页中的信息进行排序,并向用户输出。
6.根据权利要求4或5所述的方法,其特征在于,所述方法还包括:
获取用户对网页中各类别和主题信息的提问及回答信息的条数,根据用户对各类别和主题信息提问条数、回答条数以及回答正确与否来确定用户对该类别信息的认知量和兴趣度,并添加到之前所计算的对应类别和主题信息的认知量和兴趣度中,其中,当用户的回答后获得提问人或他人的肯定时,加大用户对该类别和主题信息的认知量,用户回答提问后获得提问人或他人的否定时,减小用户对该类别和主题信息的认知量;从而更新用户对各类别信息和各主题信息的需求程度;
以总需求程度对向用户输出网页中的信息进行排序,并向用户输出。
7.根据权利要求6所述的方法,其特征在于,所述兴趣值按下式之一而确定:
a×(主题信息的字数/驻留时间)+b×点击次数;
a×(主题信息的字数/驻留时间)+b×点击次数+c×评论条数;
a×(信息的字数/驻留时间)+b×点击次数+d×提问条数+e×回答条数;
a×(信息的字数/驻留时间)+b×点击次数+c×评论条数+d×提问条数+e×回答条数;
其中,a、b、c、d、e均为对应用户行为的权重;
所述认知量按下式确定:
f×(浏览信息的字数)+X×回答条数;
其中,f为用户行为权重,X的取值随用户回答正确与否而变化。
8.一种基于用户行为的个性化信息提供系统,其特征在于,包括统计单元、设置单元、计算单元和排序输出单元;其中:
统计单元,用于在设定时段内对用户Web页面的浏览行为进行统计;所述浏览行为连同涉及的行为对象信息至少包含浏览网页时的页面关键字,浏览页面字数,信息浏览时间,浏览时的点击、拷贝、粘贴、拖动操作;
设置单元,将信息服务系统中的信息划分为事实性信息和知识性信息两类,对上述的事实性信息进行类别的划分,至少包含政治、经济、文化、娱乐、体育、天气;军事、教育、地区类别;对知识性信息则要赋予相应的主题;对各类用户操作赋予权重,用来反映不同行为所体现用户的不同兴趣度;
计算单元,对用户所浏览过的事实性信息和知识性信息按所属的类别与主题进行信息量统计,作为用户对该类别信息或该主题信息当前的认知量,该认知量表征用户对该类别信息和该主题信息掌握的数量;对用户在设定时段内发生在所浏览的信息上的信息行为进行统计,按照行为发生的次数乘以预先赋予的行为权重统计,统计结果是用户对某信息类别或者某信息主题的兴趣度;将当前相应类别信息和相应主题信息在系统中的总信息量与用户的认知量作差,然后将差值乘以用户对相应类别信息和相应主题信息的兴趣度得到结果,该结果为用户对某类信息和某主题信息的需求度;
排序输出单元,按需求程度较大的相应类别信息和相应主题信息作为优先推荐给用户的信息项,按优先度对向用户输出网页中的信息进行排序,并向用户输出。
9.一种基于用户行为的个性化信息提供系统,其特征在于,包括:
统计单元,用于在设定时段内对用户Web页面的浏览行为进行统计;所述浏览行为连同涉及的行为对象信息至少包含浏览网页时的页面关键字,浏览页面字数,信息浏览时间,浏览时的点击、拷贝、粘贴、拖动操作;
设置单元,将信息服务系统中的信息划分为事实性信息和知识性信息两类,对上述的事实性信息进行类别的划分,至少包含政治、经济、文化、娱乐、体育、天气、军事、教育、地区类别;对知识性信息则要赋予相应的主题;对各类用户操作赋予权重,以用来反映不同行为所体现用户的不同兴趣度;
计算单元,对用户所浏览过的事实性信息和知识性信息按所属的类别与主题进行信息量统计,作为用户对该类别信息或该主题信息当前的认知量,该认知量表征用户对该类别信息和该主题信息掌握的数量;对用户在设定时段内发生在所浏览的信息上的信息行为进行统计,即按照行为发生的次数乘以预先赋予的行为权重统计,统计结果是用户对某信息类别或者某信息主题的兴趣度;将当前相应类别信息和相应主题信息在系统中的总信息量与用户的认知量作差,然后将差值乘以用户对相应类别信息和相应主题信息的兴趣度得到结果,该结果为用户对某类信息和某主题信息的需求度;
排序输出单元,按需求程度较大的相应类别信息和相应主题信息作为优先推荐给用户的信息项,按优先度对向用户输出网页中的信息进行排序,并向用户输出。
10.根据权利要求9所述的系统,其特征在于,所述兴趣值按下式之一而确定:
a×(主题信息的字数/驻留时间)+b×点击次数;
a×(主题信息的字数/驻留时间)+b×点击次数+c×评论条数;
a×(主题信息的字数/驻留时间)+b×点击次数+d×提问条数+e×回答条数;
a×(主题信息的字数/驻留时间)+b×点击次数+c×评论条数+d×提问条数+e×回答条数;
其中,a、b、c、d、e均为权值;
所述认知量按下式确定:
f×(浏览信息的字数)+X×回答条数;
其中,f为用户行为权重,X的取值随用户回答正确与否而变化。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2010101022902A CN102141986A (zh) | 2010-01-28 | 2010-01-28 | 基于用户行为的个性化信息提供方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2010101022902A CN102141986A (zh) | 2010-01-28 | 2010-01-28 | 基于用户行为的个性化信息提供方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN102141986A true CN102141986A (zh) | 2011-08-03 |
Family
ID=44409514
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2010101022902A Pending CN102141986A (zh) | 2010-01-28 | 2010-01-28 | 基于用户行为的个性化信息提供方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102141986A (zh) |
Cited By (46)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102298625A (zh) * | 2011-08-23 | 2011-12-28 | 百度在线网络技术(北京)有限公司 | 一种用于更新显示模板的方法、装置和设备 |
CN102508846A (zh) * | 2011-09-26 | 2012-06-20 | 深圳中兴网信科技有限公司 | 一种基于网络的媒体课件的推荐方法和系统 |
CN102591942A (zh) * | 2011-12-27 | 2012-07-18 | 奇智软件(北京)有限公司 | 一种应用自动推荐的方法及装置 |
CN102693229A (zh) * | 2011-03-22 | 2012-09-26 | 腾讯科技(深圳)有限公司 | 软件分析方法、推荐方法、分析装置及推荐装置 |
CN102722842A (zh) * | 2012-06-11 | 2012-10-10 | 姚明东 | 一种基于客户行为的商品推荐优化方法 |
CN102831199A (zh) * | 2012-08-07 | 2012-12-19 | 北京奇虎科技有限公司 | 建立兴趣模型的方法及装置 |
CN103116589A (zh) * | 2011-11-17 | 2013-05-22 | 腾讯科技(深圳)有限公司 | 一种发送推荐信息的方法及装置 |
CN103136253A (zh) * | 2011-11-30 | 2013-06-05 | 腾讯科技(深圳)有限公司 | 获取信息的方法和装置 |
CN103235823A (zh) * | 2013-05-06 | 2013-08-07 | 上海河广信息科技有限公司 | 根据相关网页和当前行为确定用户当前兴趣的方法和系统 |
CN103246725A (zh) * | 2013-05-06 | 2013-08-14 | 上海河广信息科技有限公司 | 一种基于无线网络的数据业务推送系统和方法 |
CN103366308A (zh) * | 2012-03-30 | 2013-10-23 | 索尼公司 | 信息处理设备、信息处理方法和程序 |
CN103426101A (zh) * | 2013-07-31 | 2013-12-04 | 广州市动景计算机科技有限公司 | 验证码的生成方法及装置 |
CN103428076A (zh) * | 2013-08-22 | 2013-12-04 | 北京奇虎科技有限公司 | 向多类型终端或应用发送信息的方法和装置 |
CN103488788A (zh) * | 2011-12-27 | 2014-01-01 | 奇智软件(北京)有限公司 | 一种应用自动推荐的方法及装置 |
CN103514162A (zh) * | 2012-06-15 | 2014-01-15 | 上海蓝卓教育信息科技有限公司 | 智能课件推荐系统 |
CN103607437A (zh) * | 2013-11-06 | 2014-02-26 | 深圳市欧珀通信软件有限公司 | 一种说明书的推送方法及装置 |
CN103744849A (zh) * | 2011-12-27 | 2014-04-23 | 北京奇虎科技有限公司 | 一种应用自动推荐的方法及装置 |
WO2014059652A1 (en) * | 2012-10-19 | 2014-04-24 | Microsoft Corporation | Location-aware content detection |
CN103870469A (zh) * | 2012-12-10 | 2014-06-18 | 联想(北京)有限公司 | 一种信息处理的方法及电子设备 |
CN103955484A (zh) * | 2014-04-09 | 2014-07-30 | 微梦创科网络科技(中国)有限公司 | 用户对网络社交工具的倾向性的评估方法和系统 |
CN104133618A (zh) * | 2013-05-02 | 2014-11-05 | 腾讯科技(深圳)有限公司 | 进行终端设备推荐页面展示的方法及系统 |
WO2015101161A1 (zh) * | 2013-12-31 | 2015-07-09 | 北京百度网讯科技有限公司 | 一种用于生成与目标系统对应的用户页面方法和装置 |
CN104866540A (zh) * | 2015-05-04 | 2015-08-26 | 华中科技大学 | 一种基于群体用户行为分析的个性化推荐方法 |
CN104880942A (zh) * | 2015-06-15 | 2015-09-02 | 深圳市欧珀通信软件有限公司 | 一种智能手表的显示方法和装置 |
CN105589971A (zh) * | 2016-01-08 | 2016-05-18 | 车智互联(北京)科技有限公司 | 训练推荐模型的方法、装置及推荐系统 |
WO2016082428A1 (zh) * | 2014-11-28 | 2016-06-02 | 华为技术有限公司 | 一种为业务策略确定目标用户的方法、装置及系统 |
CN105868302A (zh) * | 2016-03-24 | 2016-08-17 | 北京小米移动软件有限公司 | 获取素养信息的方法和装置 |
CN106027303A (zh) * | 2016-05-24 | 2016-10-12 | 腾讯科技(深圳)有限公司 | 一种征信特征获取方法及其设备 |
CN106131181A (zh) * | 2016-07-12 | 2016-11-16 | 联动优势科技有限公司 | 一种统计用户对终端的操作习惯的方法和相关装置 |
CN103678652B (zh) * | 2013-12-23 | 2017-02-01 | 山东大学 | 一种基于Web日志数据的信息个性化推荐方法 |
CN106446189A (zh) * | 2016-09-29 | 2017-02-22 | 广州艾媒数聚信息咨询股份有限公司 | 一种资讯推荐方法及系统 |
CN106528704A (zh) * | 2016-10-26 | 2017-03-22 | 网易传媒科技(北京)有限公司 | 一种确定用户对标签的兴趣度的方法和装置 |
CN106600342A (zh) * | 2016-12-29 | 2017-04-26 | 北京奇艺世纪科技有限公司 | 一种广告投放的方法和装置 |
CN106663280A (zh) * | 2014-08-15 | 2017-05-10 | 微软技术许可有限责任公司 | 可获实体的自动识别 |
CN107239452A (zh) * | 2016-03-28 | 2017-10-10 | 腾讯科技(深圳)有限公司 | 一种策略调整的方法及装置 |
WO2017190284A1 (zh) * | 2016-05-04 | 2017-11-09 | 汤美 | 网络课程的用户获取方法及系统 |
CN107679916A (zh) * | 2017-10-12 | 2018-02-09 | 北京京东尚科信息技术有限公司 | 用于获取用户兴趣度的方法及装置 |
CN107741967A (zh) * | 2017-10-09 | 2018-02-27 | 北京京东尚科信息技术有限公司 | 用于行为数据处理的方法、装置以及电子设备 |
WO2018053831A1 (en) * | 2016-09-26 | 2018-03-29 | Thomson Licensing | Method and device for providing targeting content |
CN108334729A (zh) * | 2017-08-28 | 2018-07-27 | 江西博瑞彤芸科技有限公司 | 健康资讯管理方法及管理系统 |
CN109978642A (zh) * | 2017-12-27 | 2019-07-05 | 中移(杭州)信息技术有限公司 | 一种信息推荐方法、装置和通信设备 |
CN110019837A (zh) * | 2017-12-22 | 2019-07-16 | 百度在线网络技术(北京)有限公司 | 用户画像的生成方法及装置、计算机设备及可读介质 |
CN110990735A (zh) * | 2019-11-13 | 2020-04-10 | 吴晓辉 | 一种用于增加浏览量的ui界面优化方法 |
CN111563176A (zh) * | 2020-04-30 | 2020-08-21 | 杭州哔次元科技有限公司 | 一种基于惯性大数据的漫画管理系统 |
CN112532755A (zh) * | 2021-02-18 | 2021-03-19 | 广州汇图计算机信息技术有限公司 | 一种基于异构信息网络的兴趣列表推送系统 |
CN113316777A (zh) * | 2018-12-26 | 2021-08-27 | 贝宝公司 | 使用用户简档似然模型进行基于内容的推荐的系统和方法 |
-
2010
- 2010-01-28 CN CN2010101022902A patent/CN102141986A/zh active Pending
Cited By (67)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102693229B (zh) * | 2011-03-22 | 2016-01-20 | 深圳市腾讯计算机系统有限公司 | 软件分析方法、推荐方法、分析装置及推荐装置 |
CN102693229A (zh) * | 2011-03-22 | 2012-09-26 | 腾讯科技(深圳)有限公司 | 软件分析方法、推荐方法、分析装置及推荐装置 |
CN102298625A (zh) * | 2011-08-23 | 2011-12-28 | 百度在线网络技术(北京)有限公司 | 一种用于更新显示模板的方法、装置和设备 |
CN102508846A (zh) * | 2011-09-26 | 2012-06-20 | 深圳中兴网信科技有限公司 | 一种基于网络的媒体课件的推荐方法和系统 |
CN103116589A (zh) * | 2011-11-17 | 2013-05-22 | 腾讯科技(深圳)有限公司 | 一种发送推荐信息的方法及装置 |
CN103136253A (zh) * | 2011-11-30 | 2013-06-05 | 腾讯科技(深圳)有限公司 | 获取信息的方法和装置 |
CN103744849B (zh) * | 2011-12-27 | 2017-04-12 | 北京奇虎科技有限公司 | 一种应用自动推荐的方法及装置 |
CN103744849A (zh) * | 2011-12-27 | 2014-04-23 | 北京奇虎科技有限公司 | 一种应用自动推荐的方法及装置 |
CN103488788B (zh) * | 2011-12-27 | 2019-03-08 | 北京奇虎科技有限公司 | 一种应用自动推荐的方法及装置 |
CN102591942B (zh) * | 2011-12-27 | 2013-11-13 | 奇智软件(北京)有限公司 | 一种应用自动推荐的方法及装置 |
CN102591942A (zh) * | 2011-12-27 | 2012-07-18 | 奇智软件(北京)有限公司 | 一种应用自动推荐的方法及装置 |
CN103488788A (zh) * | 2011-12-27 | 2014-01-01 | 奇智软件(北京)有限公司 | 一种应用自动推荐的方法及装置 |
CN103366308A (zh) * | 2012-03-30 | 2013-10-23 | 索尼公司 | 信息处理设备、信息处理方法和程序 |
CN102722842A (zh) * | 2012-06-11 | 2012-10-10 | 姚明东 | 一种基于客户行为的商品推荐优化方法 |
CN103514162A (zh) * | 2012-06-15 | 2014-01-15 | 上海蓝卓教育信息科技有限公司 | 智能课件推荐系统 |
CN102831199A (zh) * | 2012-08-07 | 2012-12-19 | 北京奇虎科技有限公司 | 建立兴趣模型的方法及装置 |
CN102831199B (zh) * | 2012-08-07 | 2015-07-08 | 北京奇虎科技有限公司 | 建立兴趣模型的方法及装置 |
US11176143B2 (en) | 2012-10-19 | 2021-11-16 | Microsoft Technology Licensing, Llc | Location-aware content detection |
CN103891245A (zh) * | 2012-10-19 | 2014-06-25 | 微软公司 | 位置知晓的内容检测 |
WO2014059652A1 (en) * | 2012-10-19 | 2014-04-24 | Microsoft Corporation | Location-aware content detection |
CN103870469A (zh) * | 2012-12-10 | 2014-06-18 | 联想(北京)有限公司 | 一种信息处理的方法及电子设备 |
CN103870469B (zh) * | 2012-12-10 | 2018-03-27 | 联想(北京)有限公司 | 一种信息处理的方法及电子设备 |
US10156968B2 (en) | 2013-05-02 | 2018-12-18 | Tencent Technology (Shenzhen) Company Limited | Method and system for displaying recommended pages by terminal device |
CN104133618B (zh) * | 2013-05-02 | 2018-02-02 | 腾讯科技(深圳)有限公司 | 进行终端设备推荐页面展示的方法及系统 |
CN104133618A (zh) * | 2013-05-02 | 2014-11-05 | 腾讯科技(深圳)有限公司 | 进行终端设备推荐页面展示的方法及系统 |
WO2014176919A1 (en) * | 2013-05-02 | 2014-11-06 | Tencent Technology (Shenzhen) Company Limited | Method and system for displaying recommended pages by terminal device |
CN103235823A (zh) * | 2013-05-06 | 2013-08-07 | 上海河广信息科技有限公司 | 根据相关网页和当前行为确定用户当前兴趣的方法和系统 |
CN103246725A (zh) * | 2013-05-06 | 2013-08-14 | 上海河广信息科技有限公司 | 一种基于无线网络的数据业务推送系统和方法 |
CN103426101A (zh) * | 2013-07-31 | 2013-12-04 | 广州市动景计算机科技有限公司 | 验证码的生成方法及装置 |
CN103428076A (zh) * | 2013-08-22 | 2013-12-04 | 北京奇虎科技有限公司 | 向多类型终端或应用发送信息的方法和装置 |
CN103607437A (zh) * | 2013-11-06 | 2014-02-26 | 深圳市欧珀通信软件有限公司 | 一种说明书的推送方法及装置 |
CN103678652B (zh) * | 2013-12-23 | 2017-02-01 | 山东大学 | 一种基于Web日志数据的信息个性化推荐方法 |
WO2015101161A1 (zh) * | 2013-12-31 | 2015-07-09 | 北京百度网讯科技有限公司 | 一种用于生成与目标系统对应的用户页面方法和装置 |
CN103955484A (zh) * | 2014-04-09 | 2014-07-30 | 微梦创科网络科技(中国)有限公司 | 用户对网络社交工具的倾向性的评估方法和系统 |
CN103955484B (zh) * | 2014-04-09 | 2017-06-06 | 微梦创科网络科技(中国)有限公司 | 用户对网络社交工具的倾向性的评估方法和系统 |
CN106663280B (zh) * | 2014-08-15 | 2021-08-10 | 微软技术许可有限责任公司 | 可获实体的自动识别 |
CN106663280A (zh) * | 2014-08-15 | 2017-05-10 | 微软技术许可有限责任公司 | 可获实体的自动识别 |
WO2016082428A1 (zh) * | 2014-11-28 | 2016-06-02 | 华为技术有限公司 | 一种为业务策略确定目标用户的方法、装置及系统 |
CN104866540B (zh) * | 2015-05-04 | 2018-04-27 | 华中科技大学 | 一种基于群体用户行为分析的个性化推荐方法 |
CN104866540A (zh) * | 2015-05-04 | 2015-08-26 | 华中科技大学 | 一种基于群体用户行为分析的个性化推荐方法 |
CN104880942A (zh) * | 2015-06-15 | 2015-09-02 | 深圳市欧珀通信软件有限公司 | 一种智能手表的显示方法和装置 |
CN105589971A (zh) * | 2016-01-08 | 2016-05-18 | 车智互联(北京)科技有限公司 | 训练推荐模型的方法、装置及推荐系统 |
CN105589971B (zh) * | 2016-01-08 | 2018-12-18 | 车智互联(北京)科技有限公司 | 训练推荐模型的方法、装置及推荐系统 |
CN105868302A (zh) * | 2016-03-24 | 2016-08-17 | 北京小米移动软件有限公司 | 获取素养信息的方法和装置 |
CN107239452A (zh) * | 2016-03-28 | 2017-10-10 | 腾讯科技(深圳)有限公司 | 一种策略调整的方法及装置 |
WO2017190284A1 (zh) * | 2016-05-04 | 2017-11-09 | 汤美 | 网络课程的用户获取方法及系统 |
CN106027303A (zh) * | 2016-05-24 | 2016-10-12 | 腾讯科技(深圳)有限公司 | 一种征信特征获取方法及其设备 |
CN106027303B (zh) * | 2016-05-24 | 2019-07-16 | 腾讯科技(深圳)有限公司 | 一种征信特征获取方法及其设备 |
CN106131181A (zh) * | 2016-07-12 | 2016-11-16 | 联动优势科技有限公司 | 一种统计用户对终端的操作习惯的方法和相关装置 |
WO2018053831A1 (en) * | 2016-09-26 | 2018-03-29 | Thomson Licensing | Method and device for providing targeting content |
CN106446189A (zh) * | 2016-09-29 | 2017-02-22 | 广州艾媒数聚信息咨询股份有限公司 | 一种资讯推荐方法及系统 |
CN106528704A (zh) * | 2016-10-26 | 2017-03-22 | 网易传媒科技(北京)有限公司 | 一种确定用户对标签的兴趣度的方法和装置 |
CN106528704B (zh) * | 2016-10-26 | 2020-04-07 | 网易传媒科技(北京)有限公司 | 一种确定用户对标签的兴趣度的方法和装置 |
CN106600342A (zh) * | 2016-12-29 | 2017-04-26 | 北京奇艺世纪科技有限公司 | 一种广告投放的方法和装置 |
CN108334729A (zh) * | 2017-08-28 | 2018-07-27 | 江西博瑞彤芸科技有限公司 | 健康资讯管理方法及管理系统 |
CN107741967B (zh) * | 2017-10-09 | 2020-12-22 | 北京京东尚科信息技术有限公司 | 用于行为数据处理的方法、装置以及电子设备 |
CN107741967A (zh) * | 2017-10-09 | 2018-02-27 | 北京京东尚科信息技术有限公司 | 用于行为数据处理的方法、装置以及电子设备 |
CN107679916A (zh) * | 2017-10-12 | 2018-02-09 | 北京京东尚科信息技术有限公司 | 用于获取用户兴趣度的方法及装置 |
CN110019837B (zh) * | 2017-12-22 | 2021-07-16 | 百度在线网络技术(北京)有限公司 | 用户画像的生成方法及装置、计算机设备及可读介质 |
CN110019837A (zh) * | 2017-12-22 | 2019-07-16 | 百度在线网络技术(北京)有限公司 | 用户画像的生成方法及装置、计算机设备及可读介质 |
CN109978642A (zh) * | 2017-12-27 | 2019-07-05 | 中移(杭州)信息技术有限公司 | 一种信息推荐方法、装置和通信设备 |
CN113316777A (zh) * | 2018-12-26 | 2021-08-27 | 贝宝公司 | 使用用户简档似然模型进行基于内容的推荐的系统和方法 |
US11823246B2 (en) | 2018-12-26 | 2023-11-21 | Paypal, Inc. | System and method for making content-based recommendations using a user profile likelihood model |
CN110990735A (zh) * | 2019-11-13 | 2020-04-10 | 吴晓辉 | 一种用于增加浏览量的ui界面优化方法 |
CN111563176A (zh) * | 2020-04-30 | 2020-08-21 | 杭州哔次元科技有限公司 | 一种基于惯性大数据的漫画管理系统 |
CN112532755A (zh) * | 2021-02-18 | 2021-03-19 | 广州汇图计算机信息技术有限公司 | 一种基于异构信息网络的兴趣列表推送系统 |
CN112532755B (zh) * | 2021-02-18 | 2021-05-04 | 广州汇图计算机信息技术有限公司 | 一种基于异构信息网络的兴趣列表推送系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102141986A (zh) | 基于用户行为的个性化信息提供方法及系统 | |
KR101475795B1 (ko) | 미디어 대상 쿼리 제시 및 응답 | |
Wei et al. | Understanding the intentions of users to ‘stick’to social networking sites: a case study in Taiwan | |
US8001056B2 (en) | Progressive capture of prospect information for user profiles | |
Shmueli et al. | Care to comment? Recommendations for commenting on news stories | |
Garcia et al. | On the design of individual and group recommender systems for tourism | |
US20090327054A1 (en) | Personal reputation system based on social networking | |
CN103049637B (zh) | 强化社交平台的内容质量和用户参与度的系统和方法 | |
US20090287687A1 (en) | System and method for recommending venues and events of interest to a user | |
CN103200279B (zh) | 推荐方法和云端服务器 | |
CN108550068A (zh) | 一种基于用户行为分析的个性化商品推荐方法及系统 | |
CN105117422A (zh) | 智能社交网络推荐系统 | |
CN107169873A (zh) | 一种多特征融合的微博用户权威度评价方法 | |
Tausczik et al. | Knowledge generation and sharing in online communities: Current trends and future directions | |
Chen et al. | Employing a data mining approach for identification of mobile opinion leaders and their content usage patterns in large telecommunications datasets | |
KR100462542B1 (ko) | 신뢰성 있는 컨텐츠를 제공하는 컨텐츠 검색 시스템 및 그방법 | |
CN106354855A (zh) | 一种推荐方法及系统 | |
KR100469900B1 (ko) | 네트워크를 통한 커뮤니티 검색 서비스 시스템 및 그 방법 | |
Bok et al. | Recommending personalized events based on user preference analysis in event based social networks | |
Chen et al. | Reducing recommendation inequality via two‐sided matching: A field experiment of online dating | |
CN109190040A (zh) | 基于协同演化的个性化推荐方法及装置 | |
CN107181672A (zh) | 在位置社交网络中基于时间分布相对熵的好友推荐方法 | |
Zhao et al. | Service objective evaluation via exploring social users' rating behaviors | |
Mahmud et al. | Optimizing the selection of strangers to answer questions in social media | |
Li et al. | An opinion leader perceptual model based on PageRank algorithm |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C12 | Rejection of a patent application after its publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20110803 |