CN102184199A - 网络信息推荐方法及系统 - Google Patents
网络信息推荐方法及系统 Download PDFInfo
- Publication number
- CN102184199A CN102184199A CN2011101025835A CN201110102583A CN102184199A CN 102184199 A CN102184199 A CN 102184199A CN 2011101025835 A CN2011101025835 A CN 2011101025835A CN 201110102583 A CN201110102583 A CN 201110102583A CN 102184199 A CN102184199 A CN 102184199A
- Authority
- CN
- China
- Prior art keywords
- user
- network information
- collection
- browsing history
- current
- 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
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了网络信息推荐方法及系统,其中一种方法包括:当需要向当前用户进行信息推荐时,获取该当前用户及网络中其他用户的浏览历史记录;根据该当前用户与所述其他用户的浏览历史记录,获取该当前用户以及各个其他用户分别感兴趣的网络信息集合;将所述当前用户与所述其他用户感兴趣的网络信息集合进行相似度比较,根据比较结果,获取所述当前用户的相关用户集;将所述相关用户集中的各用户感兴趣的网络信息推荐给所述当前用户。通过本发明,能够提高网络信息的利用率。
Description
技术领域
本发明涉及互联网技术领域,特别是涉及网络信息推荐方法及系统。
背景技术
随着互联网及计算机的普及,互联网上的信息资源呈指数增长,从而带来了“信息过载”和“信息迷向”的问题,用户经常迷失在大量的信息中,无法顺利找到自己需要的信息。于是,集成了信息检索、信息过滤、协同过滤等技术的推荐系统便应运而生了。推荐系统可以分析用户的历史行为,得出用户考虑其他未知单位的可能性,这些行为可能也受到其他用户选择的影响,并最终将与用户兴趣相似的信息单位(电影、音乐、网页、商品等)推荐给用户。例如,在用户发生购买行为或有潜在购买行为时,为用户推荐相关的商品,在用户阅读一篇文章时,推荐用户可能感兴趣的其他文章,等等。
现有技术中在进行网络信息的推荐时,通常考虑网络信息之间的相似性。例如,在用户正在浏览的网络信息中抽取有代表性的关键词,用该关键词到指定的数据集中搜索相关的网络信息推荐给用户。但是,在这种推荐方式下,对于不包含检索词的网络信息,就无法推荐给用户,使得用户获得网络信息的范围比较狭窄,既限制了信息的利用率,也增加了用户获得有用信息的难度。
发明内容
本发明提供网络信息推荐方法及系统,能够提高网络信息的利用率。
本发明提供了如下方案:
一种网络信息推荐方法,包括:
当需要向当前用户进行信息推荐时,获取该当前用户及网络中其他用户的浏览历史记录;
根据该当前用户与所述其他用户的浏览历史记录,获取该当前用户以及各个其他用户分别感兴趣的网络信息集合;
将所述当前用户与所述其他用户感兴趣的网络信息集合进行相似度比较,根据比较结果,获取所述当前用户的相关用户集;
将所述相关用户集中的各用户感兴趣的网络信息推荐给所述当前用户。
优选的,所述根据比较结果,获取所述当前用户的相关用户集包括:
如果某用户与所述当前用户的感兴趣的网络信息集合存在交集,并且交集中的网络信息达到预置数目,则将该用户加入到所述相关用户集。
一种网络信息推荐方法,包括:
在当前用户浏览某当前网络信息时,根据网络中各个用户的浏览历史记录,获取浏览过该当前网络信息的其他用户;
将所述其他用户的浏览历史记录进行相似度比较,根据比较结果,获取所述当前网络信息的相关用户集;
将所述相关用户集中的各用户浏览过的其他网络信息推荐给所述当前用户。
优选的,所述根据比较结果,获取所述当前网络信息的相关用户集包括:
将浏览历史记录中存在交集,并且交集中网络信息的数目达到预置阈值的用户组成所述相关用户集。
一种网络信息推荐方法,包括:
在当前用户浏览某当前网络信息时,根据网络中各个用户的浏览历史记录;
根据所述用户的浏览历史记录获取各个用户感兴趣的网络信息集合;
将感兴趣的网络信息集合中包含所述当前网络信息的用户,确定为所述当前网络信息的相关用户集;
将所述相关用户集中的各用户浏览过的其他网络信息推荐给所述当前用户。
一种网络信息推荐系统,包括:
第一记录获取单元,用于当需要向当前用户进行信息推荐时,获取该当前用户及网络中其他用户的浏览历史记录;
第一兴趣获取单元,用于根据该当前用户与所述其他用户的浏览历史记录,获取该当前用户以及各个其他用户分别感兴趣的网络信息集合;
第一相关用户集建立单元,用于将所述当前用户与所述其他用户感兴趣的网络信息集合进行相似度比较,根据比较结果,建立所述当前用户的相关用户集;
第一推荐单元,用于将所述相关用户集中的各用户感兴趣的网络信息推荐给所述当前用户。
优选的,所述第一相关用户集建立单元具体用于:如果某用户与所述当前用户的感兴趣的网络信息集合存在交集,并且交集中的网络信息达到预置数目,则将该用户加入到所述相关用户集。
一种网络信息推荐系统,包括:
第二记录获取单元,用于在当前用户浏览某当前网络信息时,根据网络中各个用户的浏览历史记录,获取浏览过该当前网络信息的其他用户;
第二相关用户集建立单元,用于将所述其他用户的浏览历史记录进行相似度比较,根据比较结果,建立所述当前网络信息的相关用户集;
第二推荐单元,用于将所述相关用户集中的各用户浏览过的其他网络信息推荐给所述当前用户。
优选的,所述第二相关用户集建立单元具体用于:将浏览历史记录中存在交集,并且交集中网络信息的数目达到预置阈值的用户组成所述相关用户集。
一种网络信息推荐系统,包括:
第三记录获取单元,用于在当前用户浏览某当前网络信息时,获取网络中各个用户的浏览历史记录;
第二兴趣获取单元,用于根据所述用户的浏览历史记录获取各个用户感兴趣的网络信息集合;
第三相关用户集建立单元,用于将感兴趣的网络信息集合中包含所述当前网络信息的用户,确定为所述当前网络信息的相关用户集;
第三推荐单元,用于将所述相关用户集中的各用户浏览过的其他网络信息推荐给所述当前用户。
根据本发明提供的具体实施例,本发明公开了以下技术效果:
本发明在进行网络信息推荐的过程中,能够依据网络中各个用户的浏览历史,建立当前用户的相关用户集,或者当前用户浏览的当前网络信息的相关用户集,然后将相关用户集中的各个用户浏览过的网络信息推荐给当前用户。这样,相关于在推荐的过程中,将用户浏览历史中包含的信息提取出来,并将其应用到信息推荐过程。并且,在利用用户浏览历史记录时,并不是简单地将浏览过某当前网络信息的所有用户的浏览历史记录都进行推荐,而是首先将这些用户的浏览历史记录进行相似度比较,从中找出与当前网络信息相关的用户集,只有该用户集中的各个用户的浏览历史记录才能用于推荐。另外,即使当前用户还没有浏览某特定的网络信息,本发明实施例仍然能够根据该用户以及网络中其他用户的浏览历史,找到该用户与其他用户感兴趣的网络信息集合,再根据感兴趣的网络信息集合的相似度对比,可以找到该用户的相关用户集,并根据该用户集中的各个用户感兴趣的网络信息向该用户进行网络信息的推荐。总之,通过本发明,可以使得用户获得网络信息的范围得到有效地扩大,而不会受到关键词的限制,因此,有利于提高网络信息的利用率,进而降低用户获得有用信息的难度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的第一方法的流程图;
图2是本发明实施例提供的第二方法的流程图;
图3是本发明实施例提供的第三方法的流程图;
图4是本发明实施例提供的第一系统的示意图;
图5是本发明实施例提供的第二系统的示意图;
图6是本发明实施例提供的第三系统的示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员所获得的所有其他实施例,都属于本发明保护的范围。
参见图1,本发明实施例提供的第一种网络信息推荐方法包括以下步骤:
S101:当需要向当前用户进行信息推荐时,获取该当前用户及网络中其他用户的浏览历史记录;
在用户在网络中进行各种浏览行为时,可以记录用户的浏览历史,包括浏览过哪些网络信息,每个网络信息的浏览次数,在浏览每个网络信息时的停留时间等等,并将这些浏览历史记录与各个用户的身份信息进行绑定之后,保存在数据库中。如果发现某用户登录了系统,还没有选定某个网络信息作为浏览对象时,就可以根据用户的登录信息获取该用户的身份信息,并从数据库中取出该身份信息对应的浏览历史记录。同时,还可以从数据库中取出其他用户的浏览历史记录,以便为后续的推荐做好准备。
S102:根据该当前用户与所述其他用户的浏览历史记录,获取该当前用户以及各个其他用户分别感兴趣的网络信息集合;
可以根据浏览历史记录中,用户浏览过的网络信息以及对各个网络信息的浏览次数等信息,分别建立各个用户感兴趣的网络信息集合。例如,某用户的浏览历史记录中,浏览过的网络信息包括“甲”、“乙”、“丙”、“丁”,其中,浏览过网络信息“甲”100次,“乙”为90次,“丙”为110次,“丁”为5次;这样,根据浏览次数,可以将“甲”、“乙”、“丙”作为该用户感兴趣的网络信息集合。也就是说,由于该用户浏览网络信息“丁”的次数比较少,因此,其对于评价用户兴趣的作用不大,因此,在进行信息推荐的过程中,可以不必考虑。
当然,在建立用户感兴趣的网络信息集合的过程中,除了考虑用户对各个网络信息的浏览次数,还可以考虑其他信息,包括用户在浏览各网络信息时的停留时间,等等。例如,对于前述例子中的网络信息“丁”,虽然目前浏览的次数并不多,但是发现用户每次在该网络信息上停留的时间都很长,则证明该用户可能对该网络信息很感兴趣,因此,也可以将其加入到该用户的感兴趣网络信息集合中。相反的,对于网络信息“乙”,虽然用户浏览次数比较多,但是每次都是刚刚打开相应的页面就马上关闭了,则证明用户可能并不是对该网络信息感兴趣,只是由于操作失误等原因点击的次数比较多而已,因此,也可以不必将“乙”加入到用户的感兴趣网络信息集合中。
总之,无论是当前用户还是网络中的其他用户,都可以通过上述方法获取到各自感兴趣的网络信息集合。
S103:将所述当前用户与所述其他用户感兴趣的网络信息集合进行相似度比较,根据比较结果,建立所述当前用户的相关用户集。
在获取到当前用户和其他用户感兴趣的网络信息集合之后,就可以将当前用户与其他各个用户感兴趣的网络信息集合进行相似度比较,然后根据比较结果,来建立当前用户的相关用户集。具体根据比较结果建立当前用户的相关用户集的方法可以有多种,其中一种方法可以是如果某用户与所述当前用户的感兴趣的网络信息集合存在交集,并且交集中的网络信息达到预置数目,则将该用户加入到所述相关用户集。
例如,假设某用户A当前登录了系统,网络中的其他用户有B、C、D等等;通过步骤S103,获取到用户A感兴趣的网络信息集合为{甲、乙、丙},用户B感兴趣的网络信息集合为{甲、乙、丙、丁、戊},用户C感兴趣的网络信息集合为{甲、乙、丙、戊},用户D感兴趣的网络信息集合为{x、y、z}。可以发现,用户A、B、C感兴趣的网络信息集合中都包括甲、乙、丙,而用户D感兴趣的网络信息集合中的网络信息,与用户A感兴趣的网络信息集合没有交集,因此,可以将用户B、C加入到当前用户A的相关用户集中,而用户D则不会加入到该当前用户A的相关用户集中。
S104:将所述相关用户集中的各用户感兴趣的网络信息推荐给所述当前用户。
在找到当前用户的相关用户集之后,就可以将相关用户集中的各个用户感兴趣的网络信息推荐给该当前用户。例如,在前述例子中,就可以将用户B、C感兴趣的网络信息“丁”、“戊”推荐给用户A。当然,由于网络信息“戊”同时出现在了用户B及用户C感兴趣的网络信息集合中,因此,还可以将其优先推荐给用户A。
也就是说,如果找到了与当前用户具有共同兴趣爱好的其他用户,则这些其他用户感兴趣的网络信息,可能也会引起该当前用户的兴趣,因此,可以将其向该当前用户进行推荐,这样,被推荐的网络信息被该当前用户看作有用信息的可能性会比较高。
前文所述是在用户当前没有浏览任何网络信息的情况下,就可以向用户进行网络信息的推荐。而在本发明的其他实施例中,用户当前可能正在浏览某网络信息,此时,也可以根据该当前网络信息向该用户推荐其他的网络信息。参见图2,针对这种情况,本发明实施例还提供了另一种网络信息推荐方法,包括以下步骤:
S201:在当前用户浏览某当前网络信息时,根据网络中各个用户的浏览历史记录,获取浏览过该当前网络信息的其他用户;
同样的,系统中可以记录各个用户的浏览历史,当某用户当前正在浏览某网络信息时,就可以获取到浏览过该网络信息的其他用户。
S202:将所述其他用户的浏览历史记录进行相似度比较,根据比较结果,建立所述当前网络信息的相关用户集;
在找到浏览过当前网络信息的其他用户之后,可以将这些用户的浏览历史记录提取出来,然后将这些用户的浏览历史记录进行相似度比较,并根据比较结果,获取当前网络信息的相关用户集。
其中,具体的根据比较结果获取当前网络信息的相关用户集的方法可以有多种,其中一种可以是将浏览历史记录中存在交集,并且交集中网络信息的数目达到预置阈值的用户组成所述相关用户集。
例如,用户E浏览的当前网络信息是“甲”,通过步骤S201发现,浏览过该网络信息“甲”的用户还有用户A、B、C、D。在各个用户的浏览历史记录中发现,用户A还浏览过网络信息“乙”、“丙”,用户B还浏览过网络信息“乙”、“丙”、“丁”、“戊”,用户C还浏览过网络信息“乙”、“丙”、“戊”,用户D还浏览过网络信息“x”、“y”、“z”。可见,用户A、B、C的浏览历史记录中都包含“乙”、“丙”,也即三者的浏览历史记录之间有交集,因此,可以将用户A、B、C作为网络信息甲的相关用户集。而用户D的浏览历史记录中与其他用户没有交集,因此,被排除在信息甲的相关用户集之外。
S203:将所述相关用户集中的各用户浏览过的其他网络信息推荐给所述当前用户。
在获取到当前网络信息的相关用户集之后,就可以将相关用户集中的各用户浏览过的其他信息推荐给当前用户。例如,在前述例子中,就可以将网络信息“乙”、“丙”、“丁”、“戊”推荐给当前用户E。当然,由于网络信息“乙”、“丙”在三个相关用户的浏览历史记录中都出现过,因此,其可信度比较高,可以优先进行推荐。
当然,由于当前用户E正在浏览网络信息“甲”,因此,也可以将该用户E加入到网络信息“甲”的相关用户集中,以便为网络中的其他用户进行相关信息的推荐。
另外,在该实施例中,在获取所述当前网络信息的相关用户集时,也可以首先采用前文所述的方法,获取各个用户感兴趣的网络信息集合,如果当前用户浏览的当前网络信息出现在某用户感兴趣的网络信息集合中,则可以将该用户加入到该当前网络信息的相关用户集中,之后,再将所述相关用户集中的各用户浏览过的其他网络信息推荐给所述当前用户。
也就是说,参见图3,本发明实施例还提供了另一种网络信息推荐方法,该方法包括:
S301:在当前用户浏览某当前网络信息时,根据网络中各个用户的浏览历史记录;
S302:根据所述用户的浏览历史记录获取各个用户感兴趣的网络信息集合;
S303:将感兴趣的网络信息集合中包含所述当前网络信息的用户,确定为所述当前网络信息的相关用户集;
S304:将所述相关用户集中的各用户浏览过的其他网络信息推荐给所述当前用户。
综上所述,本发明实施例在进行网络信息推荐的过程中,能够依据网络中各个用户的浏览历史,建立当前用户的相关用户集,或者当前用户浏览的当前网络信息的相关用户集,然后将相关用户集中的各个用户浏览过的网络信息推荐给当前用户。这样,相关于在推荐的过程中,将用户浏览历史中包含的信息提取出来,并将其应用到信息推荐过程。并且,在利用用户浏览历史记录时,并不是简单地将浏览过某当前网络信息的所有用户的浏览历史记录都进行推荐,而是首先将这些用户的浏览历史记录进行相似度比较,从中找出与当前网络信息相关的用户集,只有该用户集中的各个用户的浏览历史记录才能用于推荐。另外,即使当前用户还没有浏览某特定的网络信息,本发明实施例仍然能够根据该用户以及网络中其他用户的浏览历史,找到该用户与其他用户感兴趣的网络信息集合,再根据感兴趣的网络信息集合的相似度对比,可以找到该用户的相关用户集,并根据该用户集中的各个用户感兴趣的网络信息向该用户进行网络信息的推荐。总之,通过本发明实施例,可以使得用户获得网络信息的范围得到有效地扩大,而不会受到关键词的限制,因此,有利于提高网络信息的利用率,进而降低用户获得有用信息的难度。
与本发明实施例提供的第一种网络信息推荐方法相对应,本发明实施例还提供了一种网络信息推荐系统,参见图4,该系统包括:
第一记录获取单元401,用于当需要向当前用户进行信息推荐时,获取该当前用户及网络中其他用户的浏览历史记录;
第一兴趣获取单元402,用于根据该当前用户与所述其他用户的浏览历史记录,获取该当前用户以及各个其他用户分别感兴趣的网络信息集合;
第一相关用户集建立单元403,用于将所述当前用户与所述其他用户感兴趣的网络信息集合进行相似度比较,根据比较结果,建立所述当前用户的相关用户集;
第一推荐单元404,用于将所述相关用户集中的各用户感兴趣的网络信息推荐给所述当前用户。
其中,第一相关用户集建立单元403具体可以用于:如果某用户与所述当前用户的感兴趣的网络信息集合存在交集,并且交集中的网络信息达到预置数目,则将该用户加入到所述相关用户集。
与本发明实施例提供的第二种网络信息推荐方法相对应,本发明实施例还提供了另一种网络信息推荐系统,参见图5,该系统包括:
第二记录获取单元501,用于在当前用户浏览某当前网络信息时,根据网络中各个用户的浏览历史记录,获取浏览过该当前网络信息的其他用户;
第二相关用户集建立单元502,用于将所述其他用户的浏览历史记录进行相似度比较,根据比较结果,建立所述当前网络信息的相关用户集;
第二推荐单元503,用于将所述相关用户集中的各用户浏览过的其他网络信息推荐给所述当前用户。
其中,第二相关用户集建立单元502具体可以用于:将浏览历史记录中存在交集,并且交集中网络信息的数目达到预置阈值的用户组成所述相关用户集。
在一种优选方式下,该系统还可以包括:
加入单元,用于将所述当前用户加入到所述当前网络信息的相关用户集中。
与本发明实施例提供的第三种网络信息推荐方法相对应,本发明实施例还提供了另一种网络信息推荐系统,参见图6,该系统包括:
第三记录获取单元601,用于在当前用户浏览某当前网络信息时,获取网络中各个用户的浏览历史记录;
第二兴趣获取单元602,用于根据所述用户的浏览历史记录获取各个用户感兴趣的网络信息集合;
第三相关用户集建立单元603,用于将感兴趣的网络信息集合中包含所述当前网络信息的用户,确定为所述当前网络信息的相关用户集;
第三推荐单元604,用于将所述相关用户集中的各用户浏览过的其他网络信息推荐给所述当前用户。
综上,本发明实施例提供的网络信息推荐系统在进行网络信息推荐的过程中,能够依据网络中各个用户的浏览历史,建立当前用户的相关用户集,或者当前用户浏览的当前网络信息的相关用户集,然后将相关用户集中的各个用户浏览过的网络信息推荐给当前用户。这样,相关于在推荐的过程中,将用户浏览历史中包含的信息提取出来,并将其应用到信息推荐过程。并且,在利用用户浏览历史记录时,并不是简单地将浏览过某当前网络信息的所有用户的浏览历史记录都进行推荐,而是首先将这些用户的浏览历史记录进行相似度比较,从中找出与当前网络信息相关的用户集,只有该用户集中的各个用户的浏览历史记录才能用于推荐。另外,即使当前用户还没有浏览某特定的网络信息,本发明实施例仍然能够根据该用户以及网络中其他用户的浏览历史,找到该用户与其他用户感兴趣的网络信息集合,再根据感兴趣的网络信息集合的相似度对比,可以找到该用户的相关用户集,并根据该用户集中的各个用户感兴趣的网络信息向该用户进行网络信息的推荐。总之,通过本发明实施例,可以使得用户获得网络信息的范围得到有效地扩大,而不会受到关键词的限制,因此,有利于提高网络信息的利用率,进而降低用户获得有用信息的难度。
以上对本发明所提供的网络信息推荐方法及系统,进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处。综上所述,本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种网络信息推荐方法,其特征在于,包括:
当需要向当前用户进行信息推荐时,获取该当前用户及网络中其他用户的浏览历史记录;
根据该当前用户与所述其他用户的浏览历史记录,获取该当前用户以及各个其他用户分别感兴趣的网络信息集合;
将所述当前用户与所述其他用户感兴趣的网络信息集合进行相似度比较,根据比较结果,获取所述当前用户的相关用户集;
将所述相关用户集中的各用户感兴趣的网络信息推荐给所述当前用户。
2.根据权利要求1所述的方法,其特征在于,所述根据比较结果,获取所述当前用户的相关用户集包括:
如果某用户与所述当前用户的感兴趣的网络信息集合存在交集,并且交集中的网络信息达到预置数目,则将该用户加入到所述相关用户集。
3.一种网络信息推荐方法,其特征在于,包括:
在当前用户浏览某当前网络信息时,根据网络中各个用户的浏览历史记录,获取浏览过该当前网络信息的其他用户;
将所述其他用户的浏览历史记录进行相似度比较,根据比较结果,获取所述当前网络信息的相关用户集;
将所述相关用户集中的各用户浏览过的其他网络信息推荐给所述当前用户。
4.根据权利要求3所述的方法,其特征在于,所述根据比较结果,获取所述当前网络信息的相关用户集包括:
将浏览历史记录中存在交集,并且交集中网络信息的数目达到预置阈值的用户组成所述相关用户集。
5.一种网络信息推荐方法,其特征在于,包括:
在当前用户浏览某当前网络信息时,根据网络中各个用户的浏览历史记录;
根据所述用户的浏览历史记录获取各个用户感兴趣的网络信息集合;
将感兴趣的网络信息集合中包含所述当前网络信息的用户,确定为所述当前网络信息的相关用户集;
将所述相关用户集中的各用户浏览过的其他网络信息推荐给所述当前用户。
6.一种网络信息推荐系统,其特征在于,包括:
第一记录获取单元,用于当需要向当前用户进行信息推荐时,获取该当前用户及网络中其他用户的浏览历史记录;
第一兴趣获取单元,用于根据该当前用户与所述其他用户的浏览历史记录,获取该当前用户以及各个其他用户分别感兴趣的网络信息集合;
第一相关用户集建立单元,用于将所述当前用户与所述其他用户感兴趣的网络信息集合进行相似度比较,根据比较结果,建立所述当前用户的相关用户集;
第一推荐单元,用于将所述相关用户集中的各用户感兴趣的网络信息推荐给所述当前用户。
7.根据权利要求6所述的系统,其特征在于,所述第一相关用户集建立单元具体用于:如果某用户与所述当前用户的感兴趣的网络信息集合存在交集,并且交集中的网络信息达到预置数目,则将该用户加入到所述相关用户集。
8.一种网络信息推荐系统,其特征在于,包括:
第二记录获取单元,用于在当前用户浏览某当前网络信息时,根据网络中各个用户的浏览历史记录,获取浏览过该当前网络信息的其他用户;
第二相关用户集建立单元,用于将所述其他用户的浏览历史记录进行相似度比较,根据比较结果,建立所述当前网络信息的相关用户集;
第二推荐单元,用于将所述相关用户集中的各用户浏览过的其他网络信息推荐给所述当前用户。
9.根据权利要求8所述的系统,其特征在于,所述第二相关用户集建立单元具体用于:将浏览历史记录中存在交集,并且交集中网络信息的数目达到预置阈值的用户组成所述相关用户集。
10.一种网络信息推荐系统,其特征在于,包括:
第三记录获取单元,用于在当前用户浏览某当前网络信息时,获取网络中各个用户的浏览历史记录;
第二兴趣获取单元,用于根据所述用户的浏览历史记录获取各个用户感兴趣的网络信息集合;
第三相关用户集建立单元,用于将感兴趣的网络信息集合中包含所述当前网络信息的用户,确定为所述当前网络信息的相关用户集;
第三推荐单元,用于将所述相关用户集中的各用户浏览过的其他网络信息推荐给所述当前用户。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2011101025835A CN102184199A (zh) | 2011-04-22 | 2011-04-22 | 网络信息推荐方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2011101025835A CN102184199A (zh) | 2011-04-22 | 2011-04-22 | 网络信息推荐方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN102184199A true CN102184199A (zh) | 2011-09-14 |
Family
ID=44570376
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2011101025835A Pending CN102184199A (zh) | 2011-04-22 | 2011-04-22 | 网络信息推荐方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102184199A (zh) |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103425650A (zh) * | 2012-05-15 | 2013-12-04 | 腾讯科技(深圳)有限公司 | 推荐搜索方法和系统 |
CN103530312A (zh) * | 2012-07-05 | 2014-01-22 | 国际商业机器公司 | 使用多方面足迹的用户标识的方法和系统 |
WO2014071782A1 (zh) * | 2012-11-09 | 2014-05-15 | 腾讯科技(深圳)有限公司 | 用户兴趣推荐方法和装置 |
CN104090905A (zh) * | 2014-05-19 | 2014-10-08 | 腾讯科技(深圳)有限公司 | 信息推荐方法和信息推荐系统 |
CN104504584A (zh) * | 2014-12-25 | 2015-04-08 | 小米科技有限责任公司 | 智能硬件商品的推荐方法及装置 |
CN104731830A (zh) * | 2013-12-24 | 2015-06-24 | 腾讯科技(深圳)有限公司 | 一种推荐方法、装置及服务器 |
CN105912550A (zh) * | 2015-12-15 | 2016-08-31 | 乐视网信息技术(北京)股份有限公司 | 一种移动终端的信息推荐方法及装置 |
CN106487664A (zh) * | 2016-12-08 | 2017-03-08 | 宇龙计算机通信科技(深圳)有限公司 | 一种信息推荐的方法、装置及移动终端 |
CN107368540A (zh) * | 2017-06-26 | 2017-11-21 | 北京理工大学 | 基于用户自相似度的多模型相结合的电影推荐方法 |
CN107766379A (zh) * | 2016-08-22 | 2018-03-06 | 中国电信股份有限公司 | 一种网络内容的推荐方法和装置 |
CN108270815A (zh) * | 2016-12-30 | 2018-07-10 | 上海互联网软件集团有限公司 | 热点信息推送系统 |
CN108322523A (zh) * | 2018-01-19 | 2018-07-24 | 维沃移动通信有限公司 | 一种应用推荐方法、服务器及移动终端 |
CN109766492A (zh) * | 2018-12-24 | 2019-05-17 | 中国联合网络通信集团有限公司 | 学习推荐方法、装置、设备和可读介质 |
CN110069695A (zh) * | 2017-09-12 | 2019-07-30 | 北京国双科技有限公司 | 标签处理方法和装置 |
CN110096614A (zh) * | 2019-04-12 | 2019-08-06 | 腾讯科技(深圳)有限公司 | 信息推荐方法及装置、电子设备 |
-
2011
- 2011-04-22 CN CN2011101025835A patent/CN102184199A/zh active Pending
Cited By (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103425650B (zh) * | 2012-05-15 | 2018-03-16 | 腾讯科技(深圳)有限公司 | 推荐搜索方法和系统 |
CN103425650A (zh) * | 2012-05-15 | 2013-12-04 | 腾讯科技(深圳)有限公司 | 推荐搜索方法和系统 |
CN103530312B (zh) * | 2012-07-05 | 2016-12-28 | 国际商业机器公司 | 使用多方面足迹的用户标识的方法和系统 |
CN103530312A (zh) * | 2012-07-05 | 2014-01-22 | 国际商业机器公司 | 使用多方面足迹的用户标识的方法和系统 |
WO2014071782A1 (zh) * | 2012-11-09 | 2014-05-15 | 腾讯科技(深圳)有限公司 | 用户兴趣推荐方法和装置 |
CN103810192A (zh) * | 2012-11-09 | 2014-05-21 | 腾讯科技(深圳)有限公司 | 一种用户的兴趣推荐方法和装置 |
CN104731830B (zh) * | 2013-12-24 | 2017-02-22 | 腾讯科技(深圳)有限公司 | 一种推荐方法、装置及服务器 |
CN104731830A (zh) * | 2013-12-24 | 2015-06-24 | 腾讯科技(深圳)有限公司 | 一种推荐方法、装置及服务器 |
WO2015096746A1 (zh) * | 2013-12-24 | 2015-07-02 | 腾讯科技(深圳)有限公司 | 一种推荐方法、装置及服务器 |
CN104090905A (zh) * | 2014-05-19 | 2014-10-08 | 腾讯科技(深圳)有限公司 | 信息推荐方法和信息推荐系统 |
CN104504584A (zh) * | 2014-12-25 | 2015-04-08 | 小米科技有限责任公司 | 智能硬件商品的推荐方法及装置 |
CN105912550A (zh) * | 2015-12-15 | 2016-08-31 | 乐视网信息技术(北京)股份有限公司 | 一种移动终端的信息推荐方法及装置 |
WO2017101389A1 (zh) * | 2015-12-15 | 2017-06-22 | 乐视控股(北京)有限公司 | 一种移动终端的信息推荐方法及装置 |
CN107766379A (zh) * | 2016-08-22 | 2018-03-06 | 中国电信股份有限公司 | 一种网络内容的推荐方法和装置 |
CN106487664A (zh) * | 2016-12-08 | 2017-03-08 | 宇龙计算机通信科技(深圳)有限公司 | 一种信息推荐的方法、装置及移动终端 |
CN108270815A (zh) * | 2016-12-30 | 2018-07-10 | 上海互联网软件集团有限公司 | 热点信息推送系统 |
CN107368540A (zh) * | 2017-06-26 | 2017-11-21 | 北京理工大学 | 基于用户自相似度的多模型相结合的电影推荐方法 |
CN110069695A (zh) * | 2017-09-12 | 2019-07-30 | 北京国双科技有限公司 | 标签处理方法和装置 |
CN108322523A (zh) * | 2018-01-19 | 2018-07-24 | 维沃移动通信有限公司 | 一种应用推荐方法、服务器及移动终端 |
CN109766492A (zh) * | 2018-12-24 | 2019-05-17 | 中国联合网络通信集团有限公司 | 学习推荐方法、装置、设备和可读介质 |
CN110096614A (zh) * | 2019-04-12 | 2019-08-06 | 腾讯科技(深圳)有限公司 | 信息推荐方法及装置、电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102184199A (zh) | 网络信息推荐方法及系统 | |
CN104809154B (zh) | 用于资讯推荐的方法及装置 | |
Kanoje et al. | User profiling trends, techniques and applications | |
CN102789462B (zh) | 一种项目推荐方法及系统 | |
US7685200B2 (en) | Ranking and suggesting candidate objects | |
CN102054003B (zh) | 网络信息推荐、建立网络资源索引的方法及系统 | |
CN109241403B (zh) | 项目推荐方法、装置、机器设备和计算机可读存储介质 | |
CN107704560B (zh) | 一种信息推荐的方法、装置及设备 | |
US20130036121A1 (en) | System and method for recommending blog | |
CN103440286A (zh) | 一种基于搜索结果来提供推荐信息的方法及装置 | |
EP2941724A1 (en) | Method and apparatus for generating webpage content | |
US10019419B2 (en) | Method, server, browser, and system for recommending text information | |
CN103679494A (zh) | 商品信息推荐方法及装置 | |
CN103729360A (zh) | 一种兴趣标签推荐方法及系统 | |
CN105359138A (zh) | 与浏览相关联的相关内容显示 | |
CN105359125A (zh) | 用户历史播放列表和预订 | |
JP6966158B2 (ja) | 検索データを処理するための方法、装置及びプログラム | |
CN104572863A (zh) | 一种产品推荐方法及系统 | |
WO2014194689A1 (en) | Method, server, browser, and system for recommending text information | |
CN105210061A (zh) | 加标签的搜索结果维护 | |
WO2008115692A1 (en) | Using scenario-related information to customize user experiences | |
CN102521249A (zh) | 一种基于同质资源的展现方法及设备 | |
US20150302088A1 (en) | Method and System for Providing Personalized Content | |
CN104598604A (zh) | 一种网址导航应用于各种浏览器中的浏览方法 | |
CN104992352A (zh) | 一种个性化资源检索方法 |
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: 20110914 |