CN102317941A - 信息推荐方法、推荐引擎及网络系统 - Google Patents

信息推荐方法、推荐引擎及网络系统 Download PDF

Info

Publication number
CN102317941A
CN102317941A CN2011800011706A CN201180001170A CN102317941A CN 102317941 A CN102317941 A CN 102317941A CN 2011800011706 A CN2011800011706 A CN 2011800011706A CN 201180001170 A CN201180001170 A CN 201180001170A CN 102317941 A CN102317941 A CN 102317941A
Authority
CN
China
Prior art keywords
user
buddy list
good friend
behavior
information
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
Application number
CN2011800011706A
Other languages
English (en)
Inventor
邓蓉
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Huawei Technologies Co Ltd
Original Assignee
Huawei Technologies Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Huawei Technologies Co Ltd filed Critical Huawei Technologies Co Ltd
Publication of CN102317941A publication Critical patent/CN102317941A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • 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
    • G06Q30/0255—Targeted advertisements based on user history
    • 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
    • H04L67/535—Tracking the activity of the user

Landscapes

  • Business, Economics & Management (AREA)
  • Strategic Management (AREA)
  • Engineering & Computer Science (AREA)
  • Accounting & Taxation (AREA)
  • Development Economics (AREA)
  • Finance (AREA)
  • Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Information Transfer Between Computers (AREA)

Abstract

本发明实施例公开了一种信息推荐方法、推荐引擎及网络系统，该方法包括：从具有社交关系的数据源获取用户好友列表；从用户行为数据库获取所述用户好友列表中好友的行为记录；根据所述用户好友列表中好友的行为记录及所述用户的当前行为信息生成与用户当前行为匹配的推荐信息；向所述应用网站发送所述推荐信息。采用本发明实施例，在向用户推荐信息时，可以基于社交关系、根据用户好友的行为记录，生成推荐信息；根据用户好友的行为记录生成的推荐信息针对性更强，能增强用户体验。

Description

信息推荐方法、推荐引擎及网络系统
技术领域
本发明涉及信息技术领域，尤其涉及一种信息推荐方法、推荐引擎及网络系统。
背景技术
互联网技术的迅猛发展将人们带入了信息爆炸的时代，在带给人们丰富信息的同时，也大大增加了用户发现自己感兴趣的信息的难度，导致了信息过载问题。推荐技术是解决信息过载的重要方法之一。推荐系统泛指一切提供个性化推荐或以个性化的方式引导用户发现有趣并且有用的信息的系统，其解决的问题是代替用户评估其从未看过的产品，这些产品包括书籍、电影、网页、饭店、音乐、图片、商品等等。
目前，在生成推荐信息时，大都采用统计的方法，即通过统计数据库中的全部或者部分用户行为记录得出用户行为记录之间的相关性来生成推荐信息。
可以看出，现有技术基于统计方法生成的推荐信息对单独每个用户的针对性不强。
发明内容
本发明的实施例提供一种信息推荐方法、装置及网络系统，基于社交关系、用户好友的行为记录及用户的行为生成推荐信息，生成的推荐信息的针对性更强，能增强用户体验。
本发明的实施例采用如下技术方案：
一种信息推荐方法，包括：
从具有社交关系的数据源获取用户好友列表；
从用户行为数据库获取所述用户好友列表中好友的行为记录；
根据所述用户好友列表中好友的行为记录及用户的当前行为信息生成与用户当前行为匹配的推荐信息；
向应用网站发送所述推荐信息。
一种推荐引擎，包括：
好友列表获取单元，用于从具有社交关系的数据源获取用户好友列表；
好友行为记录获取单元，用于从用户行为数据库获取所述用户好友列表中好友的行为记录；
推荐信息生成单元，用于根据所述用户好友列表中好友的行为记录及所述用户的当前行为信息生成与用户当前行为匹配的推荐信息；
推荐信息发送单元，用于向所述应用网站发送所述推荐信息。
一种网络系统，包括：
推荐引擎，用于从具有社交关系的数据源获取用户好友列表；从用户行为数据库获取所述用户好友列表中好友的行为记录；根据所述用户好友列表中好友的行为记录及用户的当前行为信息生成与用户当前行为匹配的推荐信息；向应用网站发送所述推荐信息；
具有社交关系的数据源，用于接收所述推荐引擎发送的获取所述用户好友列表的请求消息，并向所述推荐引擎发送所述用户好友列表。
采用上述技术方案，在向用户推荐信息时，可以基于社交关系、根据用户好友的行为记录生成推荐信息，生成的推荐信息的针对性更强，能增强用户体验。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述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为本发明实施例的示意图；
图2为本发明实施例1提供的信息推荐方法的流程图；
图3为本发明实施例2提供的推荐引擎的结构图；
图4为本发明实施例3提供的网络系统的结构图；
图5为本发明实施例4提供的信息推荐方法的流程图；
图6为本发明实施例4提供的信息推荐方法中应用举例的示意图；
图7为本发明实施例5提供的信息推荐方法的流程图；
图8为本发明实施例5提供的信息推荐方法中应用举例的示意图；
图9为本发明实施例6提供的网络系统的结构图；
图10为本发明实施例7提供的网络系统的结构图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，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在没有创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明实施例所称的“具有社交关系的数据源”可以是社交网络、微博、即时通信群等；所称的应用网站可以是电影网站、音乐网站等。
请参见图1，其为本发明实施例的示意图，图中：
不同领域的应用网站，例如购物应用网站，音乐应用网站，新闻应用网站等，为用户提供不同领域的服务。
用户行为数据库，用于存储用户在不同领域应用中的行为信息。具体地，用户行为指用户在应用网站中的相关操作，例如浏览某新闻，浏览某商品信息，试听某音乐，下载某音乐，观看某电影，为某电影评分，为某书籍撰写书评等。
不同领域的应用网站通过共享用户的行为信息，可以在更全面更丰富的用户信息的基础上进行推荐，从而可以共同提高推荐的质量，例如不同领域的应用网站之间可以通过应用网站联盟的方式进行合作来共享用户信息。
推荐引擎，用于根据用户的社交关系信息(如用户好友列表)，获取与用户具有社交关系的其他用户的行为记录，从这些行为记录中分析得到与用户的当前行为相关的行为记录，生成推荐信息。
具有社交关系的数据源，比如社交网站，用于提供用户的社交关系信息(如用户好友列表)。具体地，该具有社交关系的数据源(如社交网站)与该推荐引擎合作，在用户隐私设置允许的情况下，向推荐引擎公开用户的社交关系信息。
实施例1
本发明实施例提供的信息推荐方法，如图2所示，包括：
201、从具有社交关系的数据源获取用户好友列表；
202、从用户行为数据库获取所述用户好友列表中好友的行为记录；
203、根据所述用户好友列表中好友的行为记录及用户的当前行为信息生成与用户当前行为匹配的推荐信息；
204、向应用网站发送所述推荐信息。
采用上述技术方案，在向用户推荐信息时，可以基于社交关系、根据用户好友的行为记录，生成推荐信息；根据用户好友的行为记录生成的推荐信息针对性更强，能增强用户体验。
实施例2
本发明实施例提供的推荐引擎，具体形态可以是服务器等，如图3所示，包括：好友列表获取单元301、好友行为记录获取单元302、推荐信息生成单元303、推荐信息发送单元304。其中：
好友列表获取单元301，用于从具有社交关系的数据源获取用户好友列表；本实施例中具有社交关系的数据源具体可以为社交网站等。
好友行为记录获取单元302，用于从用户行为数据库获取所述用户好友列表中好友的行为记录；
推荐信息生成单元303，用于根据所述用户好友列表中好友的行为记录及所述用户的当前行为信息生成与用户当前行为匹配的推荐信息；
推荐信息发送单元304，用于向所述应用网站发送所述推荐信息。
采用上述技术方案，在向用户推荐信息时，可以基于社交关系、根据用户好友的行为记录，生成推荐信息；根据用户好友的行为记录生成的推荐信息针对性更强，能增强用户体验。
实施例3
本发明实施例提供的网络系统，如图4所示，包括：应用网站401、推荐引擎402、具有社交关系的数据源403、用户行为数据库404。
应用网站401，用于向推荐引擎发送获取推荐信息的请求消息后，接收所述推荐引擎发送的所述推荐信息，并向用户显示所述推荐信息。
推荐引擎402，用于从具有社交关系的数据源获取用户好友列表；从用户行为数据库获取所述用户好友列表中好友的行为记录；根据所述用户好友列表中好友的行为记录及用户的当前行为信息生成与用户当前行为匹配的推荐信息；向应用网站发送所述推荐信息。
具有社交关系的数据源403，用于接收所述推荐引擎发送的获取所述用户好友列表的请求消息，并向所述推荐引擎发送所述用户好友列表。本实施例中具有社交关系的数据源具体可以为社交网站等。
用户行为数据库404，用于接收所述推荐引擎发送的获取所述用户好友列表中好友的行为记录的请求信息，并向所述推荐引擎发送所述用户好友列表中好友的行为记录；存储具有社交关系的数据源社用户的行为记录。
具体地，所述推荐引擎可以是一个独立的实体，比如服务器等，也可以集成到应用网站中；所述用户行为数据库是一个独立的实体，比如服务器等。
采用上述技术方案，在向用户推荐信息时，可以基于社交关系、根据用户好友的行为记录，生成推荐信息；根据用户好友的行为记录生成的推荐信息针对性更强，能增强用户体验。
实施例4
本实施例中具有社交关系的数据源具体可以为社交网站等，如图5所示，本发明实施例提供的信息推荐方法，包括：
501、应用网站检测到来自用户的获取推荐信息触发事件。
具体地，来自用户的获取推荐信息触发事件包括：用户登录所述应用网站、用户浏览某信息等。
502、所述应用网站向推荐引擎发送获取推荐信息的请求消息。
具体地，所述请求消息携带了用户的当前行为信息，及所述用户在至少一个社交网站的身份验证消息，所述用户当前的行为信息。
进一步，为了通过唯一的身份标识识别不同应用网站中的同一位用户，以便于将其在不同领域应用中的行为记录进行关联，推荐引擎中采用用户的具有社交关系的数据源(如社交网站)通行证作为在该推荐引擎的通行证，即用户通过其社交网络帐号和密码使用各领域应用提供的服务。
进一步，新用户在注册各领域应用(如网站)时，需提供其具有社交关系的数据源(如社交网站)帐号，并且需要通过该具有社交关系的数据源(如社交网站)对该用户的身份进行验证，确认该用户是否是该具有社交关系的数据源(如社交网站)帐号的所有人。除此之外，若该推荐引擎与多个具有社交关系的数据源(如社交网站)进行合作，那么用户可以将多个具有社交关系的数据源(如社交网站)的帐号与各领域应用(如网站)进行绑定，数据库中的用户具有社交关系的数据源(如社交网站)帐号关联信息如下表所示：
  用户id   社交网站名称   帐号
  0001   xxx   xxxxxx
  0001   xxx   xxxxxx
  0002   xxx   xxxxxx
  0003   xxx   xxxxxx
  0003   xxx   xxxxxx
  0003   xxx   xxxxxx
  0004   xxx   xxxxxx
  0004   xxx   xxxxxx
  ...   ...   ...
其中用户id位为推荐引擎为用户分配的后台标识。
具体地，该请求中携带了用户的具有社交关系的数据源(如社交网站)帐号以及用户的当前行为信息，其中用户的具有社交关系的数据源(如社交网站)帐号可以为一个或者多个。
进一步，用户可选择在请求中携带哪些具有社交关系的数据源(如社交网站)帐号，即表示该用户关注哪些具有社交关系的数据源(如社交网站)中的好友的相关行为信息。
503、推荐引擎接收应用网站发送的获取推荐信息的请求消息，所述请求消息携带了用户的当前行为信息。
具体地，推荐引擎接收应用网站发送的获取推荐信息的请求消息后，进入504。
504、推荐引擎从具有社交关系的数据源获取用户好友列表。
具体地，推荐引擎从具有社交关系的数据源(如社交网站)获取用户好友列表，包括：
推荐引擎向至少一个具有社交关系的数据源(如社交网站)发送获取所述用户好友列表的请求消息，所述请求消息携带了用户在至少一个社交网站的身份验证信息；
推荐引擎接收至少一个具有社交关系的数据源(如社交网站)返回的所述用户好友列表。
进一步，若本推荐引擎与多个具有社交关系的数据源(如社交网站)进行合作，并且该用户绑定了自己的多个具有社交关系的数据源(如社交网站)身份验证信息，那么推荐引擎分别向多个具有社交关系的数据源(如社交网站)发送获取用户好友列表的请求消息。
具体地，接收的用户好友列表包含与该用户具有社交关系的用户好友的具有社交关系的数据源(如社交网站)帐号。
进一步，用户好友可以在具有社交关系的数据源(如社交网站)进行隐私设置，具有社交关系的数据源(如社交网站)需要在用户好友的隐私设置允许的情况下提供用户好友列表。例如：用户好友在具有社交关系的数据源(如社交网站)设置了不被选入好友列表，则在生成的好友列表中，不包含设置了不被选入好友列表的好友。
进一步，推荐引擎可以保存该用户的好友列表，对于用户的连续请求的时间间隔较小的情况下，可以直接使用已保存的好友列表，而不必每次都向具有社交关系的数据源(如社交网站)请求。
需要说明的是，推荐引擎从具有社交关系的数据源(如社交网站)获取用户好友列表的方法还包括：
用户订阅了所述用户好友列表后，推荐引擎接收所述具有社交关系的数据源(如社交网站)在所述用户好友列表发生变动时，主动发送的用户好友列表变动通知，根据变动通知更新原来保存的用户好友列表。
具体地，如果具有社交关系的数据源(如社交网站)支持用户社交关系信息的订阅，那么推荐引擎可以向具有社交关系的数据源(如社交网站)订阅用户的社交关系信息，一旦用户在具有社交关系的数据源(如社交网站)上的好友列表发生改变，推荐引擎将会接收到相应的通知，从而更新本地保存的该用户的社交关系信息，即通过这种方式使推荐引擎中保存的用户好友列表与具有社交关系的数据源(如社交网站)中的用户好友列表相同。
进一步，还包括：
505、若所述好友列表中有重复的好友，则保留其中一个重复的好友，删除其他重复的好友。
具体地，可以比对一个或多个好友列表中，有无重复的好友账号，如果有重复的好友账号，则保留其中一个重复的好友账号，删除其他重复的好友账号。
506、推荐引擎从用户行为数据库获取所述用户好友列表中好友的行为记录。
具体地，推荐引擎从用户行为数据库获取所述用户好友列表中好友的行为记录，具体为：
推荐引擎向用户行为数据库发送获取所述用户好友列表中好友的行为记录的请求信息，所述请求信息携带了所述用户好友的账号；
推荐引擎接收所述用户行为数据库返回的所述用户好友列表中好友的行为记录。
具体地，用户行为数据库存有具有社交关系的数据源(如社交网站)用户行为记录包括：用户id，具有社交关系的数据源(如社交网站)账户，应用领域，应用名称，行为发生的时间，项目名称(包括电影名称，歌曲名称，新闻标题，商品名称等)，项目标签(包括电影类别，歌曲演唱者，新闻关键字等等)，相关链接(包括电影介绍页面的链接)，具有社交关系的数据源(如社交网站)用户动作(包括浏览，视听，下载，评论，购买等等)，具有社交关系的数据源(如社交网站)用户反馈(包括对项目的评分，评论等)，用户反馈信息的链接(包括书评，影评等)。
进一步，用户行为数据库中的用户行为记录由应用网站提供，其中用户具有社交关系的数据源(如社交网站)账户，行为发生的时间，项目名称，项目标签，用户动作为必须提供的信息，若应用网站提供的行为记录不满足该要求，那么该行为记录不能存入用户行为数据库。
进一步，用户行为数据库根据推荐引擎发送的请求消息中携带的用户好友的账号，查找到用户好友的账号对应的行为记录，生成返回信息时，携带查找到的用户好友的帐号对应的行为记录。
进一步，用户在应用网站中可以进行隐私设置，即选择公开自己的哪些行为信息，例如公开哪些应用网站中的行为信息，在某一应用网站中只公开自己的哪些行为信息(如只公开进行了项目反馈的行为等，只公开哪种类别电影相关的行为等)，将自己的哪些行为记录公开给哪些好友等等。
507、推荐引擎根据所述用户好友列表中好友的行为记录及所述用户的当前行为信息生成与用户当前行为匹配的推荐信息。
具体地，从所述用户好友列表中好友的行为记录中，筛选出与用户当前行为记录相匹配的目标好友行为记录，再利用目标好友的行为记录生成推荐信息。
进一步，所述用户当前的行为信息，内容包括：用户行为发生时间、用户行为项目名称、用户行为项目标签。
具体地，推荐引擎可通过项目名称关键字匹配，项目标签匹配等方式分析好友行为记录与用户当前行为的相关性，筛选出好友行为记录中与用户当前行为相关的部分，即生成推荐信息。
另外，推荐引擎可以生成满足用户设置的条件推荐信息，所述用户设置的条件包括：用户设定优先生成特定好友的行为记录；用户设定在特定时间段内好友的行为记录。
所述用户可以在所述应用网站设置只公开所述用户自己的部分行为记录。
508、推荐引擎向所述应用网站发送所述推荐信息。
509、所述应用网站接收所述推荐引擎发送的所述推荐信息。
进一步，在收到所述推荐信息后，执行510。
510、所述应用网站向用户显示所述推荐信息。
采用上述技术方案，在向用户推荐信息时，根据用户好友的行为记录，生成多个领域的推荐信息，能够根据用户好友的行为记录来生成推荐信息，生成的推荐信息更丰富，使得用户可以根据好友的行为记录选择待选信息。
基于本实施例提供的信息推荐方法，以下是本方法应用于具体场景的一个实施例，本实施例中具有社交关系的数据源为Facebook网站；应用网站为电影网站。
本实施例的应用场景是：用户A在电影网站上浏览《哈利·波特》这部电影的相关信息，该电影网站已加入推荐引擎中的领域应用联盟，推荐引擎通过Facebook获得用户的好友列表，用户A提供了其Facebook的帐号xxx。
具体地，用户A在浏览该电影的相关信息时，页面上展示出用户A的Facebook好友中看过该片的好友对该电影的评价，以及他们与这部电影相关的其他的行为记录，包括观看过什么相关电视剧或其他影片，购买过什么相关的书籍，欣赏过什么相关的音乐，浏览过什么相关的新闻等等。除此之外，用户还可以重新设置好友相关行为记录的时间段，重新设置后，页面将展示好友在新的时间段内的相关行为记录。
请参见图6，其为本实施例的示意图，包括：
601、用户A在某电影网站上浏览影片《哈利·波特》的相关信息。
602、电影网站向推荐引擎发送推荐请求，请求中携带了用户A的Facebook身份标识以及用户A当前的行为信息，即浏览《哈利·波特》的影片信息。
603、推荐引擎向Facebook请求用户A的好友列表，请求中携带了用户A的Facebook标识。
604、Facebook生成用户A的好友列表。
具体地，社交网站Facebook通过用户隐私设置认证以及推荐引擎的权限认证等一系列操作后，确认用户A的好友关系可以公开，将用户A的好友列表提供给推荐引擎，好友列表中包含了好友的Facebook身份标识。
605、Facebook返回用户A的好友列表。
606、推荐引擎向用户行为数据库请求用户A好友在近一周内的行为记录。
具体地，用户可以对行为记录的时间进行设置，例如近一个月，近一周等，若用户没有进行设置，本推荐引擎默认按照一定时间间隔来进行行为信息的获取，本实施例中采用近一周。
进一步，用户可以对好友列表进行选择，推荐引擎只需获取这部分好友的行为信息。
607、用户行为数据库将用户A的好友的行为记录返回至推荐引擎。
进一步，若用户A的好友对自己的行为信息是否公开以及如何公开进行了设置，那么只能将其设置为公开的信息提供给推荐引擎。
具体地，返回至推荐引擎的好友行为信息下表所示：
Figure BDA0000084777490000111
Figure BDA0000084777490000121
Figure BDA0000084777490000131
608、推荐引擎筛选出与用户A的当前行为，即《哈利·波特》这部电影相关的行为记录。推荐引擎对表格？中用户A的好友的行为记录进行分析。
具体地，推荐引擎可通过项目名称的关键字匹配或项目标签匹配等方式进行筛选，例如根据关键字“罗琳”或“科幻”等进行匹配，找到与这部电影关联的行为记录。
609、推荐引擎将筛选出的行为记录返回至电影网站。
610、电影网站在影片《哈利·波特》的介绍页面展示这些行为记录。
进一步，用户A可以设置和好友的亲密程度，推荐引擎优先显示与用户A亲密度高的好友的相关行为信息。
特别地，当用户看到好友近一周的相关行为记录后，可能认为信息过多或太少，因此可以对行为记录所在的时间段进行重新设置，得到相应的结果，即执行如下步骤：
用户A重新设置时间间隔为近一个月，推荐引擎向用户数据库获取好友近一个月内的行为记录，推荐引擎对这些行为记录进行筛选，得到与用户当前行为相关的部分，提供给电影网站，在网页上将更新的结果展示给用户A。
采用上述技术方案，在向用户推荐信息时，可以基于社交关系、根据用户好友的行为记录，生成推荐信息；根据用户好友的行为记录生成的推荐信息针对性更强，能增强用户体验。
实施例5
本发明实施例提供的信息推荐方法，如图7所示，包括：
701、推荐引擎接收触发订阅用户A的好友列表信息的事件。例如，用户向订阅了所述用户好友列表。
702、推荐引擎从具有社交关系的数据源获取用户好友列表。所述具有社交关系的数据源可以为社交网站，如Facebook。
具体地，请参阅实施例4中504。
703、若所述好友列表中有重复的好友，则保留其中一个重复的好友，删除其他重复的好友。
具体地，请参阅实施例4中505。
704、推荐引擎从用户行为数据库获取所述用户好友列表中好友的行为记录。
具体地，请参阅实施例4中506。
705、推荐引擎根据所述用户好友列表中好友的行为记录及所述用户的当前行为信息生成与用户当前行为匹配的推荐信息。
具体地，请参阅实施例4中507。
706、推荐引擎向所述应用网站发送所述推荐信息。
具体地，请参阅实施例4中508。
707、所述应用网站接收所述推荐引擎发送的所述推荐信息。
具体地，请参阅实施例4中509。
708、所述应用网站向用户显示所述推荐信息。
具体地，请参阅实施例4中510。
采用上述技术方案，在向用户推荐信息时，根据用户好友的行为记录，生成多个领域的推荐信息，能够根据用户好友的行为记录来生成推荐信息，生成的推荐信息更丰富。此外，在向用户推荐信息时，基于社交关系、根据用户好友的行为记录，生成多个领域的推荐信息，能够根据用户好友的行为记录来生成推荐信息，生成的推荐信息的针对性更强，能增强用户体验。
基于本实施例提供的信息推荐方法，以下是本方法应用于具体场景的一个举例：
请参见图8，本实施例的应用场景是：本推荐引擎与多个具有社交关系的数据源进行合作，本实施例中社交网站A，社交网站B，社交网站C为具有社交关系的数据源，用户A提供了其在社交网站A与社交网站C的帐号。用户A在某音乐网站上试听音乐《Moon River》，本推荐引擎向其展示两个好友列表中好友的相关行为记录。
801、推荐引擎接收触发订阅用户A的好友列表信息的事件。例如，用户向社交网站订阅了所述用户好友列表、推荐引擎第一次向用户A进行推荐。
802、推荐引擎向社交网站A订阅用户A的好友列表信息。
具体地，该订阅请求中携带了用户A在社交网站A的帐号。
803、社交网站A经过用户隐私设置允许以及对本推荐引擎的权限验证后，订阅成功，并且，一旦用户A的好友列表发生变化，社交网站A将更新通知到推荐引擎。
804、社交网站A向推荐引擎发送用户A的好友列表。
具体地，一旦用户A的好友列表发生变化，社交网站A将更新通知到推荐引擎。
805、推荐引擎将更新的好友信息与其保存的好友列表进行整合。
806、推荐引擎向社交网站C订阅用户A的好友列表信息。
具体地，该订阅请求中携带了用户A在社交网站C的帐号。
807、社交网站C经过用户隐私设置允许以及对本推荐引擎的权限验证后，订阅成功，并且，一旦用户A的好友列表发生变化，社交网站C将更新通知到推荐引擎。
808、社交网站C向推荐引擎发送用户A的好友列表。
具体地，一旦用户A的好友列表发生变化，社交网站C将更新通知到推荐引擎。
809、推荐引擎将更新的好友信息与其保存的好友列表进行整合。
需要说明的是，802、803、804、805与806、807、808、809不区分先后的顺序并不限定，可以根据实际需要调整，本实施例采用802至805的顺序。
810、对好友列表去重。
具体地，若用户在社交网站A的好友列表与社交网站C的好友列表中有重复的好友，则保留其中一个重复的好友，删除其他重复的好友。
811、用户A在某音乐网站上试听音乐《Moon River》。
812、音乐网站向推荐引擎请求为用户A推荐相关信息。
具体地，该请求中携带了用户A的社交网站A和C的帐号，以及用户A的当前行为，即试听《Moon River》。
813、推荐引擎向用户数据库请求用户A在社交网站A和C的好友的近一周内的行为记录。
具体地，该请求中所携带的好友列表为推荐引擎本地保存的好友信息。
814、用户数据库返回用户A的好友的近一周内的行为记录至推荐引擎。
具体地，当用户看到好友近一周的相关行为记录后，可能认为信息过多或太少，因此可以对行为记录所在的时间段进行重新设置，得到相应的结果，即执行如下步骤：
用户A重新设置时间间隔为近一个月，推荐引擎向用户数据库获取好友近一个月内的行为记录，推荐引擎对这些行为记录进行筛选，得到与用户当前行为相关的部分，提供给电影网站，在网页上将更新的结果展示给用户A。
815、推荐引擎对用户A的好友的行为记录进行分析，筛选出与用户A的当前行为，即《Moon River》这首音乐相关的行为记录。
具体地，推荐引擎可通过项目名称的关键字匹配或项目标签匹配等方式进行筛选，例如根据关键字“千与千寻”或“宫崎峻”等进行匹配，找到与这首音乐关联的行为记录。
816、推荐引擎将推荐信息返回至音乐网站。
817、音乐网站在的《Moon River》这首音乐介绍页面显示推荐信息。
采用上述技术方案，在向用户推荐信息时，可以基于社交关系、根据用户好友的行为记录，生成推荐信息；根据用户好友的行为记录生成的推荐信息针对性更强，能增强用户体验。
实施例6
本发明实施例提供的网络系统，如图9所示，包括：应用网站91和推荐引擎92，其中，所述应用网站91可以包括：检测单元911、请求信息发送单元912、推荐信息接收单元913、显示单元914；所述推荐引擎92可以包括：请求信息接收单元921、好友列表获取单元922、去重单元923、好友行为记录获取单元924、推荐信息生成单元925、推荐信息发送单元926。本实施例中推荐引擎具有可以是一个或多个服务器。该推荐引擎中的单元可以是处理器或特定用途电路，本实施例中的应用网站可以是音乐网站、电影网站等。
请参阅图9，检测单元911，用于检测到来自用户的获取推荐信息触发事件。
具体地，来自用户的获取推荐信息触发事件包括：用户登录所述应用网站、用户浏览某信息等。
请求信息发送单元912，用于向推荐引擎发送获取推荐信息的请求消息。
具体地，所述请求消息携带了用户的当前行为信息，及所述用户在至少一个具有社交关系的数据源(如社交网站)的身份验证消息，所述用户当前的行为信息，内容包括：用户行为发生时间、用户行为项目名称、用户行为项目标签。
进一步，为了通过唯一的身份标识识别不同应用网站中的同一位用户，以便于将其在不同领域应用中的行为记录进行关联，本推荐引擎中采用用户具有社交关系的数据源(如社交网站)通行证作为在该推荐引擎的通行证，即用户通过其具有社交关系的数据源(如社交网站)的帐号和密码使用各领域应用提供的服务。
进一步，新用户在注册各领域应用网站时，需提供其在具有社交关系的数据源的帐号，并且需要通过该具有社交关系的数据源对该用户的身份进行验证，确认该用户是否是该具有社交关系的数据源帐号的所有人。除此之外，若该推荐引擎与多个具有社交关系的数据源进行合作，那么用户可以将多个具有社交关系的数据源的帐号与自己进行绑定，用户在具有社交关系的数据源的帐号关联信息如下表所示：
  用户id   社交网站名称   帐号
  0001   xxx   xxxxxx
  0001   xxx   xxxxxx
  0002   xxx   xxxxxx
  0003   xxx   xxxxxx
  0003   xxx   xxxxxx
  0003   xxx   xxxxxx
  0004   xxx   xxxxxx
  0004   xxx   xxxxxx
  ...   ...   ...
其中用户id位为推荐引擎为用户分配的后台标识。
具体地，该请求中携带了用户在具有社交关系的数据源的帐号以及用户的当前行为信息，其中用户在具有社交关系的数据源的帐号可以为一个或者多个。
进一步，用户可选择在请求中携带哪些具有社交关系的数据源的帐号，即表示该用户关注哪些具有社交关系的数据源中的好友的相关行为信息。
请求信息接收单元921，用于接收应用网站发送的获取推荐信息的请求消息，所述请求消息携带了用户的当前行为信息。
好友列表获取单元922，用于从具有社交关系的数据源获取用户好友列表。
具体地，好友列表获取单元922可以包括以下模块：
好友列表请求消息发送模块，用于向至少一个社交关系的数据源发送获取所述用户好友列表的请求消息，所述请求消息携带用户在至少一个具有社交关系的数据源的身份验证信息；
好友列表接收模块，用于接收至少一个所述具有社交关系的数据源返回的所述用户好友列表。
变动通知接收模块，用于接收所述至少一个具有社交关系的数据源在所述用户好友列表发生变动时，主动发送的用户好友列表变动通知，根据变动通知更新用户好友列表。
本实施例所述具有社交关系的数据源可以是社交网站。
进一步，若本推荐引擎与多个具有社交关系的数据源(如社交网站)的进行合作，并且该用户绑定了自己的多个具有社交关系的数据源(如社交网站)身份验证信息，那么推荐引擎分别向多个具有社交关系的数据源(如社交网站)发送获取用户好友列表的请求消息。
具体地，接收的用户好友列表可以包含与该用户具有社交关系的用户好友在具有社交关系的数据源(如社交网站)的帐号。
进一步，用户好友可以在具有社交关系的数据源(如社交网站)进行隐私设置，具有社交关系的数据源(如社交网站)需要在用户好友的隐私设置允许的情况下提供用户好友列表。例如：用户好友在具有社交关系的数据源(如社交网站)设置了不被选入好友列表，则在生成的好友列表中，不包含设置了不被选入好友列表的好友。
进一步，推荐引擎可以保存该用户的好友列表，对于用户的连续请求的时间间隔较小的情况下，可以直接使用已保存的好友列表，而不必每次都向具有社交关系的数据源(如社交网站请求。
需要说明的是，好友列表获取单元922还可以包括：
接收变动通知模块，用于接收至少一个具有社交关系的数据源(如社交网站)的在所述用户好友列表发生变动时，主动发送的用户好友列表变动通知，根据变动通知更新原来保存的用户好友列表。
具体地，用户订阅了自动获取所述用户好友列表后，推荐引擎接收具有社交关系的数据源(如社交网站)在所述用户好友列表发生变动时，主动发送的用户好友列表变动通知，根据变动通知更新原来保存的用户好友列表。
具体地，如果具有社交关系的数据源(如社交网站)支持用户社交关系信息的订阅，那么推荐引擎可以向具有社交关系的数据源(如社交网站)订阅用户的社交关系信息，一旦用户在具有社交关系的数据源(如社交网站)上的好友列表发生改变，推荐引擎将会接收到相应的通知，从而更新本地保存的该用户的社交关系信息，即通过这种方式使推荐引擎中保存的用户好友列表与具有社交关系的数据源(如社交网站)中的用户好友列表相同。
进一步，还包括：
去重单元923，用于当所述好友列表中有重复的好友时，保留其中一个重复的好友，删除其他重复的好友。
具体地，可以比对一个或多个好友列表中，有无重复的好友账号，如果有重复的好友账号，则保留其中一个重复的好友账号，删除其他重复的好友账号。
好友行为记录获取单元924，用于从用户行为数据库获取所述用户好友列表中好友的行为记录；
具体地，好友行为记录获取单元924可以包括：
获取行为记录请求发送模块，用于向用户行为数据库发送获取所述用户好友列表中好友的行为记录的请求信息，所述请求信息携带所述用户好友的账号；
行为记录接收模块，用于接收所述用户行为数据库返回的所述用户好友列表中好友的行为记录。
具体地，用户行为数据库存储的具有社交关系的数据源(如社交网站)的用户行为记录可以包括：用户id，具有社交关系的数据源(如社交网站)的账户，应用领域，应用名称，行为发生的时间，项目名称(包括电影名称，歌曲名称，新闻标题，商品名称等)，项目标签(包括电影类别，歌曲演唱者，新闻关键字等等)，相关链接(包括电影介绍页面的链接)，具有社交关系的数据源(如社交网站)的用户动作(包括浏览，视听，下载，评论，购买等等)，具有社交关系的数据源(如社交网站)的用户反馈(包括对项目的评分，评论等)，用户反馈信息的链接(包括书评，影评等)。
进一步，用户行为数据库中的用户行为记录由应用网站提供，其中用户具有社交关系的数据源(如社交网站)账户，行为发生的时间，项目名称，项目标签，用户动作为必须提供的信息，若应用网站提供的行为记录不满足该要求，那么该行为记录不能存入用户行为数据库。
进一步，用户行为数据库根据推荐引擎发送的请求消息中携带的用户好友的账号，查找到用户好友的账号对应的行为记录，生成返回信息时，携带查找到的用户好友的帐号对应的行为记录。
进一步，用户可以在应用网站中进行隐私设置，即选择公开自己的哪些行为信息，例如公开哪些应用网站中的行为信息，在某一应用网站中只公开自己的哪些行为信息(如只公开进行了项目反馈的行为等，只公开哪种类别电影相关的行为等)，将自己的哪些行为记录公开给哪些好友等等。
推荐信息生成单元925，用于根据所述用户好友列表中好友的行为记录及所述用户的当前行为信息生成与用户当前行为匹配的推荐信息；
具体地，推荐信息生成单元925，具体可以用于：
从所述用户好友列表中好友的行为记录中，筛选出与用户当前行为记录相匹配的目标好友行为记录，再利用目标好友的行为记录生成推荐信息。
进一步，所述用户当前的行为信息至少可以包括：用户在具有社交关系的数据源(如社交网站)的账号、用户行为发生时间、用户行为项目名称、用户行为项目标签。
具体地，推荐引擎可通过项目名称关键字匹配，项目标签匹配等方式分析好友行为记录与用户当前行为的相关性，筛选出好友行为记录中与用户当前行为相关的部分，即生成推荐信息。
另外，推荐引擎可以生成满足用户设置的条件推荐信息，所述用户设置的条件包括：用户设定优先生成特定好友的行为记录；用户设定在特定时间段内好友的行为记录等。
所述用户可以在所述应用网站设置只公开所述用户自己的部分行为记录。
推荐信息发送单元926，用于向所述应用网站发送所述推荐信息。
应用网站中的推荐信息接收单元913，可以用于接收所述推荐引擎发送的所述推荐信息。
接下来，应用网站中的显示单元914，可以用于向用户显示所述推荐信息。
采用上述技术方案，在向用户推荐信息时，可以基于社交关系、根据用户好友的行为记录，生成推荐信息；根据用户好友的行为记录生成的推荐信息针对性更强，能增强用户体验。
实施例7
本实施例提供了一种网络系统，如图10所示，包括：推荐引擎11和应用网站12，其中，所述推荐引擎11包括：好友列表订阅单元111、好友列表获取单元112、去重单元113、好友行为记录获取单元114、推荐信息生成单元115、推荐信息发送单元116；所述应用网站12包括：推荐信息接收单元121、显示单元122。本实施例中推荐引擎可以是一个或多个服务器。该推荐引擎中的单元可以是处理器或特定用途电路，本实施例中的应用网站可以是音乐网站、电影网站等。
请参阅图10，好友列表订阅单元111，用于向具有社交关系的数据源(如社交网站)订阅所述用户好友列表。
具体地，推荐引擎接收触发其订阅用户A的好友列表信息的事件，例如，用户向具有社交关系的数据源(如社交网站)订阅了所述用户好友列表。
好友列表获取单元112，用于从具有社交关系的数据源(如社交网站)获取用户好友列表。
具体地，请参阅实施例6中好友列表获取单元922。
去重单元113，用于当所述好友列表中有重复的好友时，保留其中一个重复的好友，删除其他重复的好友。
具体地，请参阅实施例6中去重单元923。
好友行为记录获取单元114，用于从用户行为数据库获取所述用户好友列表中好友的行为记录。
具体地，请参阅实施例6中好友行为记录获取单元924。
推荐信息生成单元115，用于根据所述用户好友列表中好友的行为记录及所述用户的当前行为信息生成与用户当前行为匹配的推荐信息。
具体地，请参阅实施例6中推荐信息生成单元925。
推荐信息发送单元116，用于向所述应用网站发送所述推荐信息。
具体地，请参阅实施例6中推荐信息发送单元926。
推荐信息接收单元121，用于接收所述推荐引擎发送的所述推荐信息。
具体地，请参阅实施例6中推荐信息接收单元913。
显示单元122，用于向用户显示所述推荐信息。
具体地，请参阅实施例6中显示单元914。
采用上述技术方案，在向用户推荐信息时，可以基于社交关系、根据用户好友的行为记录，生成推荐信息；根据用户好友的行为记录生成的推荐信息针对性更强，能增强用户体验。
本发明实施例的装置、单元、模块都可以是硬件，比如处理器、特定用途电路等。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。

Claims (17)

1.一种信息推荐方法，其特征在于，包括：
从具有社交关系的数据源获取用户好友列表；
从用户行为数据库获取所述用户好友列表中好友的行为记录；
根据所述用户好友列表中好友的行为记录及用户的当前行为信息生成与用户当前行为匹配的推荐信息；
向应用网站发送所述推荐信息。
2.根据权利要求1所述的信息推荐方法，其特征在于，所述从具有社交关系的数据源获取用户好友列表之前包括：
接收应用网站发送的获取推荐信息的请求消息，所述请求消息携带了用户的当前行为信息；或者
向具有社交关系的数据源订阅所述用户好友列表。
3.根据权利要求1所述的信息推荐方法，其特征在于，所述从具有社交关系的数据源获取用户好友列表包括：
向至少一个具有社交关系的数据源发送获取所述用户好友列表的请求消息，所述请求消息携带用户在至少一个具有社交关系的数据源的身份验证信息；
接收所述至少一个所述具有社交关系的数据源返回的用户好友列表。
4.根据权利要求1所述的信息推荐方法，其特征在于，所述从具有社交关系的数据源获取用户好友列表还包括：
接收所述至少一个具有社交关系的数据源在所述用户好友列表发生变动时，主动发送的用户好友列表变动通知，根据变动通知更新用户好友列表。
5.根据权利要求3或4所述的信息推荐方法，其特征在于，若所述用户好友列表中有重复的好友，则保留其中一个重复的好友，删除其他重复的好友。
6.根据权利要求1所述的信息推荐方法，其特征在于，所述从用户行为数据库获取所述用户好友列表中好友的行为记录包括：
向用户行为数据库发送获取所述用户好友列表中好友的行为记录的请求信息，所述请求信息携带所述用户好友列表；
接收所述用户行为数据库返回的所述用户好友列表中好友的行为记录。
7.根据权利要求1所述的信息推荐方法，其特征在于，所述根据所述用户好友列表中好友的行为记录及用户的当前行为信息生成与用户当前行为匹配的推荐信息包括：
从所述用户好友列表中好友的行为记录中，筛选出与用户当前行为记录相匹配的目标好友的行为记录，再利用目标好友的行为记录生成推荐信息。
8.根据权利要求7所述的信息推荐方法，其特征在于，所述从所述用户好友列表中好友的行为记录中，筛选出与用户当前行为记录相匹配的目标好友行为记录，再利用目标好友的行为记录生成推荐信息包括：
用户设定优先生成特定好友的行为记录；
用户设定在特定时间段内好友的行为记录。
9.一种推荐引擎，其特征在于，包括：
好友列表获取单元，用于从具有社交关系的数据源获取用户好友列表；
好友行为记录获取单元，用于从用户行为数据库获取所述用户好友列表中好友的行为记录；
推荐信息生成单元，用于根据所述用户好友列表中好友的行为记录及所述用户的当前行为信息生成与用户当前行为匹配的推荐信息；
推荐信息发送单元，用于向所述应用网站发送所述推荐信息。
10.根据权利要求9所述的推荐引擎，其特征在于，所述推荐引擎还包括：
请求消息接收单元，用于接收应用网站发送的获取推荐信息的请求消息，所述请求消息携带用户的当前行为信息；
好友列表订阅单元，用于向所述具有社交关系的数据源订阅所述用户好友列表。
11.根据权利要求9所述的推荐引擎，其特征在于，所述好友列表获取单元包括：
好友列表请求消息发送模块，用于向至少一个具有社交关系的数据源发送获取所述用户好友列表的请求消息，所述请求消息携带用户在至少一个具有社交关系的数据源的身份验证信息；
好友列表接收模块，用于接收至少一个所述具有社交关系的数据源返回的所述用户好友列表。
12.根据权利要求9所述的推荐引擎，其特征在于，所述好友列表获取单元还包括：
变动通知接收模块，用于接收所述至少一个具有社交关系的数据源在所述用户好友列表发生变动时，主动发送的用户好友列表变动通知，根据变动通知更新用户好友列表。
13.根据权利要求11或12所述的推荐引擎，其特征在于，还包括去重单元，用于当所述用户好友列表中有重复的好友时，保留其中一个重复的好友，删除其他重复的好友。
14.根据权利要求9所述的推荐引擎，其特征在于，所述好友行为记录获取单元还包括：
获取行为记录请求发送模块，用于向用户行为数据库发送获取所述用户好友列表中好友的行为记录的请求信息，所述请求信息携带了所述用户好友列表；
行为记录接收模块，用于接收所述用户行为数据库返回的所述用户好友列表中好友的行为记录。
15.根据权利要求9所述的推荐引擎，其特征在于，所述推荐信息生成单元具体用于：
从所述用户好友列表中好友的行为记录中，筛选出与用户当前行为记录相匹配的目标好友行为记录，利用目标好友的行为记录生成推荐信息。
16.一种网络系统，其特征在于，包括：
推荐引擎，用于从具有社交关系的数据源获取用户好友列表；从用户行为数据库获取所述用户好友列表中好友的行为记录；根据所述用户好友列表中好友的行为记录及用户的当前行为信息生成与用户当前行为匹配的推荐信息；向应用网站发送所述推荐信息；
具有社交关系的数据源，用于接收所述推荐引擎发送的获取所述用户好友列表的请求消息，向所述推荐引擎发送所述用户好友列表。
17.根据权利要求16所述的网络系统，其特征在于，还包括：
应用网站，用于向推荐引擎发送获取推荐信息的请求消息后，接收所述推荐引擎发送的所述推荐信息，并向用户显示所述推荐信息；
用户行为数据库，用于接收所述推荐引擎发送的获取所述用户好友列表中好友的行为记录的请求信息，并向所述推荐引擎发送所述用户好友列表中好友的行为记录；以及存储所述具有社交关系的数据源用户的行为记录。
CN2011800011706A 2011-07-30 2011-07-30 信息推荐方法、推荐引擎及网络系统 Pending CN102317941A (zh)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/CN2011/077827 WO2012083696A1 (zh) 2011-07-30 2011-07-30 信息推荐方法、推荐引擎及网络系统

Publications (1)

Publication Number Publication Date
CN102317941A true CN102317941A (zh) 2012-01-11

Family

ID=45429418

Family Applications (1)

Application Number Title Priority Date Filing Date
CN2011800011706A Pending CN102317941A (zh) 2011-07-30 2011-07-30 信息推荐方法、推荐引擎及网络系统

Country Status (3)

Country Link
US (1) US8812592B2 (zh)
CN (1) CN102317941A (zh)
WO (1) WO2012083696A1 (zh)

Cited By (38)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102750346A (zh) * 2012-06-08 2012-10-24 腾讯科技（深圳）有限公司 软件推荐方法和系统、终端设备
CN102811179A (zh) * 2012-03-29 2012-12-05 北京淘友天下科技发展有限公司 一种社交网络中的信息提供方法及系统
CN102831206A (zh) * 2012-08-06 2012-12-19 吴迪 基于浏览器的微博社交方法及装置
CN103294730A (zh) * 2012-03-05 2013-09-11 富士通株式会社 一种数据推送系统及方法
CN103516697A (zh) * 2012-06-28 2014-01-15 腾讯科技（上海）有限公司 网络信息推送方法及其系统
CN103581169A (zh) * 2012-08-06 2014-02-12 陈宏玮 产品的登录方法
CN103841001A (zh) * 2012-11-22 2014-06-04 腾讯科技（深圳）有限公司 社交网络信息处理方法及系统
TWI499290B (zh) * 2012-11-30 2015-09-01 Ind Tech Res Inst 資訊推薦方法及系統
WO2015144089A1 (en) * 2014-03-28 2015-10-01 Tencent Technology (Shenzhen) Company Limited Application recommending method and apparatus
CN104995631A (zh) * 2013-02-06 2015-10-21 汤姆逊许可公司 针对好奇推荐器的隐私保护
CN105117930A (zh) * 2015-07-29 2015-12-02 百度在线网络技术（北京）有限公司 一种基于电子商务平台的推荐方法和推荐装置
CN105335515A (zh) * 2015-10-30 2016-02-17 网易传媒科技（北京）有限公司 一种信息推荐方法和装置
WO2016090825A1 (zh) * 2014-12-12 2016-06-16 小米科技有限责任公司 资格授予方法、资格获取方法及装置
CN106254206A (zh) * 2015-06-11 2016-12-21 阿里巴巴集团控股有限公司 一种信息处理方法和设备
CN106294846A (zh) * 2016-08-19 2017-01-04 维沃移动通信有限公司 一种信息的推荐方法及移动终端
CN103886074B (zh) * 2014-03-24 2017-03-15 江苏名通信息科技有限公司 基于社交媒体的商品推荐系统
CN106657172A (zh) * 2015-10-28 2017-05-10 北京金山安全软件有限公司 一种信息推送的实现方法及装置
CN106993048A (zh) * 2017-04-13 2017-07-28 腾讯科技（深圳）有限公司 确定推荐信息的方法及装置、信息推荐方法及装置
CN107133242A (zh) * 2016-02-29 2017-09-05 中国科学院声学研究所 一种基于用户关系链的内容推荐和传播的系统及方法
CN107229734A (zh) * 2017-06-12 2017-10-03 深圳市乃斯网络科技有限公司 基于定位的终端app推荐方法及系统
CN107705190A (zh) * 2017-10-25 2018-02-16 深圳市国电科技通信有限公司 一种车辆租赁信息推荐方法
CN108108465A (zh) * 2017-12-29 2018-06-01 北京奇宝科技有限公司 一种推送推荐内容的方法和装置
CN108418897A (zh) * 2018-03-27 2018-08-17 努比亚技术有限公司 信息共享方法、终端及计算机可读存储介质
CN108536726A (zh) * 2018-02-25 2018-09-14 心触动（武汉）科技有限公司 一种校内社交好友智能推荐方法及系统
CN109087183A (zh) * 2018-09-28 2018-12-25 深圳壹账通智能科技有限公司 产品推荐方法、装置、计算机可读存储介质和计算机设备
CN109784959A (zh) * 2017-11-10 2019-05-21 广州腾讯科技有限公司 一种目标用户预测方法、装置、后台服务器及存储介质
CN109872242A (zh) * 2019-01-30 2019-06-11 北京字节跳动网络技术有限公司 信息推送方法和装置
CN109948037A (zh) * 2017-11-24 2019-06-28 腾讯科技（深圳）有限公司 信息投放方法、装置及存储设备
TWI668580B (zh) * 2018-01-19 2019-08-11 中華電信股份有限公司 頻繁時間間隔序列樣式探勘系統及方法
CN110968771A (zh) * 2018-09-29 2020-04-07 北京淘友天下技术有限公司 一种基于朋友关系的职位推荐冷启动方法及系统
CN111758093A (zh) * 2020-04-03 2020-10-09 江苏盐城风景风行网络技术研究院 一种用户信息的处理方法及设备
CN112231567A (zh) * 2020-10-20 2021-01-15 王明烨 一种精确推送信息的方法及装置
CN112417263A (zh) * 2019-08-23 2021-02-26 北京达佳互联信息技术有限公司 数据推荐方法、装置及存储介质
CN112632388A (zh) * 2020-12-29 2021-04-09 深圳市顺易通信息科技有限公司 一种停车服务信息推送方法、装置、设备及介质
CN113010799A (zh) * 2021-01-04 2021-06-22 腾讯科技（深圳）有限公司 媒体信息的获取方法、装置、电子设备及存储介质
CN114461305A (zh) * 2022-04-11 2022-05-10 天聚地合(苏州)科技股份有限公司 一种数据源确定方法和装置
CN116702104A (zh) * 2023-08-08 2023-09-05 阿里健康科技(中国)有限公司 账户信息的关联方法、装置、设备和存储介质
CN117009557A (zh) * 2023-08-08 2023-11-07 苏州瑞山传媒有限公司 一种多媒体系统数据处理方法及处理装置

Families Citing this family (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8903927B2 (en) * 2012-06-01 2014-12-02 Facebook, Inc. Increasing engagement of low engagement users in a social network
CN103514204B (zh) * 2012-06-27 2018-11-20 华为技术有限公司 信息推荐方法和装置
CA2837937C (en) * 2012-12-21 2019-12-31 Bce Inc. Methods and computer-readable media for carrying out promotional campaigns
CN104424187B (zh) * 2013-08-19 2019-05-24 腾讯科技（深圳）有限公司 一种向客户端用户推荐好友的方法及装置
US9665657B2 (en) * 2013-09-24 2017-05-30 Google Inc. Dynamically picking content from social shares to display in a user interface
JP6355520B2 (ja) 2013-11-06 2018-07-11 キヤノン株式会社 サーバ装置及びその制御方法、システム、プログラム、並びに記憶媒体
CN104023250B (zh) * 2014-06-13 2015-10-21 腾讯科技（深圳）有限公司 基于流媒体的实时互动方法和系统
CN104348714A (zh) * 2014-11-18 2015-02-11 北京奇虎科技有限公司 移动终端、服务器以及基于好友的应用程序推荐方法
US10043200B2 (en) * 2015-02-13 2018-08-07 John Andrew GARCIA System and process for generating user based virtual recommendation from user contact sources
CN104765778A (zh) * 2015-03-18 2015-07-08 百度在线网络技术（北京）有限公司 一种基于用户行为来提供待发送信息的方法及装置
US10515127B2 (en) 2015-04-09 2019-12-24 Oath Inc. Inductive matrix completion and graph proximity for content item recommendation
CN105138627A (zh) * 2015-08-18 2015-12-09 耿懿超 一种基于购物网站的音乐播放方法及系统
CN106559387B (zh) * 2015-09-28 2021-01-15 腾讯科技（深圳）有限公司 一种身份验证方法及装置
WO2019200879A1 (zh) * 2018-04-17 2019-10-24 华为技术有限公司 服务推荐方法及相关装置
CN108595580B (zh) * 2018-04-17 2022-08-09 创新先进技术有限公司 新闻推荐方法、装置、服务器及存储介质
CN109062945B (zh) * 2018-06-21 2021-07-09 北京三快在线科技有限公司 一种社交网络的信息推荐方法、装置及系统
CN110377815A (zh) * 2019-06-06 2019-10-25 创易汇(北京)科技有限公司 一种产学研用推荐系统及方法
CN112714359B (zh) * 2019-10-24 2022-09-09 北京达佳互联信息技术有限公司 视频推荐方法、装置、计算机设备及存储介质
WO2021154741A1 (en) * 2020-01-28 2021-08-05 Rialtic, Inc. Insight recommendation cross-reference to related applications
US11785440B2 (en) * 2021-01-28 2023-10-10 GS3 Innovation LLC Public safety system and method

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101849229A (zh) * 2007-11-05 2010-09-29 费斯布克公司 在社交网络网站中传送与来自其他域的活动有关的信息

Family Cites Families (65)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1442411A4 (en) * 2001-09-30 2006-02-01 Realcontacts Ltd CONNECTING SERVICE
US9123071B1 (en) * 2006-02-17 2015-09-01 Amazon Technologies, Inc. Services for using group preferences to improve item selection decisions
CN100558045C (zh) * 2006-08-07 2009-11-04 华为技术有限公司 一种生成通信用户描述信息的系统及方法
US20080103907A1 (en) * 2006-10-25 2008-05-01 Pudding Ltd. Apparatus and computer code for providing social-network dependent information retrieval services
US8874655B2 (en) * 2006-12-13 2014-10-28 Napo Enterprises, Llc Matching participants in a P2P recommendation network loosely coupled to a subscription service
US20080270038A1 (en) * 2007-04-24 2008-10-30 Hadi Partovi System, apparatus and method for determining compatibility between members of a social network
US20110040586A1 (en) * 2007-05-09 2011-02-17 Alan Murray Methods and systems for providing social networking-based advertisements
US8056118B2 (en) * 2007-06-01 2011-11-08 Piliouras Teresa C Systems and methods for universal enhanced log-in, identity document verification, and dedicated survey participation
JP5324567B2 (ja) * 2007-06-12 2013-10-23 フェイスブック，インク． 個人化された社交ネットワーク用アプリケーションコンテンツ
US20090100469A1 (en) * 2007-10-15 2009-04-16 Microsoft Corporation Recommendations from Social Networks
US9060034B2 (en) * 2007-11-09 2015-06-16 Napo Enterprises, Llc System and method of filtering recommenders in a media item recommendation system
US8396951B2 (en) * 2007-12-20 2013-03-12 Napo Enterprises, Llc Method and system for populating a content repository for an internet radio service based on a recommendation network
US8583480B2 (en) * 2007-12-21 2013-11-12 Overstock.Com, Inc. System, program product, and methods for social network advertising and incentives for same
US8234193B2 (en) * 2008-03-03 2012-07-31 Wildfire Interactive, Inc. Method and system for providing online promotions through a social network-based platform
US8229819B2 (en) * 2008-03-03 2012-07-24 Wildfire Interactive, Inc. Providing online promotions through social media networks
US8566256B2 (en) * 2008-04-01 2013-10-22 Certona Corporation Universal system and method for representing and predicting human behavior
KR101552147B1 (ko) * 2008-04-24 2015-09-11 삼성전자주식회사 방송 컨텐츠를 추천하는 방법과 그 장치
US8744976B2 (en) * 2008-04-28 2014-06-03 Yahoo! Inc. Discovery of friends using social network graph properties
US8644688B2 (en) * 2008-08-26 2014-02-04 Opentv, Inc. Community-based recommendation engine
US20100125490A1 (en) * 2008-11-14 2010-05-20 Microsoft Corporation Social network referral coupons
US20100153175A1 (en) * 2008-12-12 2010-06-17 At&T Intellectual Property I, L.P. Correlation of Psycho-Demographic Data and Social Network Data to Initiate an Action
US8095432B1 (en) * 2009-01-30 2012-01-10 Intuit Inc. Recommendation engine for social networks
US20100268661A1 (en) * 2009-04-20 2010-10-21 4-Tell, Inc Recommendation Systems
US20190026812A9 (en) * 2009-04-20 2019-01-24 4-Tell, Inc Further Improvements in Recommendation Systems
US8489515B2 (en) * 2009-05-08 2013-07-16 Comcast Interactive Media, LLC. Social network based recommendation method and system
US9466077B2 (en) * 2009-06-30 2016-10-11 Google Inc. Propagating promotional information on a social network
US8412796B2 (en) * 2009-07-31 2013-04-02 University College Dublin—National University of Ireland, Dublin Real time information feed processing
US20110066497A1 (en) * 2009-09-14 2011-03-17 Choicestream, Inc. Personalized advertising and recommendation
US8388446B1 (en) * 2009-09-30 2013-03-05 Zynga Inc. Finding friends for multiuser online games
WO2011056636A1 (en) * 2009-10-28 2011-05-12 Pushkart, Llc Methods and systems for offering discounts
US9571784B2 (en) * 2009-10-30 2017-02-14 Verizon Patent And Licensing Inc. Media content watch list systems and methods
US9009226B2 (en) * 2009-12-09 2015-04-14 Microsoft Technology Licensing, Llc Generating activities based upon social data
US20110153414A1 (en) * 2009-12-23 2011-06-23 Jon Elvekrog Method and system for dynamic advertising based on user actions
US20110173198A1 (en) * 2010-01-12 2011-07-14 Yahoo! Inc. Recommendations based on relevant friend behaviors
CN102130896B (zh) * 2010-01-14 2014-05-14 腾讯科技（深圳）有限公司 网络应用关联方法和系统
US20110178881A1 (en) * 2010-01-18 2011-07-21 Pulletikurty Ravi Kumar Pulletikurty Collaborative match making system and method with a per-profile confidential information purchase option
US8856229B2 (en) * 2010-01-26 2014-10-07 Yahoo! Inc. System and method for social networking
US9223866B2 (en) * 2010-02-08 2015-12-29 Yellowpages.Com Llc Tagged favorites from social network site for use in search request on a separate site
US8412770B2 (en) * 2010-02-08 2013-04-02 Yellowpages.Com Llc Providing an answer to a question from a social network site using a separate messaging site
EP2550591A4 (en) * 2010-03-23 2015-01-14 Google Inc ORGANIZING INFORMATION ON SOCIAL ACTIVITIES ON A WEBSITE
US20110238608A1 (en) * 2010-03-25 2011-09-29 Nokia Corporation Method and apparatus for providing personalized information resource recommendation based on group behaviors
US8560962B2 (en) * 2010-03-31 2013-10-15 Facebook, Inc. Promoting participation of low-activity users in social networking system
US8180804B1 (en) * 2010-04-19 2012-05-15 Facebook, Inc. Dynamically generating recommendations based on social graph information
US8250145B2 (en) * 2010-04-21 2012-08-21 Facebook, Inc. Personalizing a web page outside of a social networking system with content from the social networking system
US8719198B2 (en) * 2010-05-04 2014-05-06 Microsoft Corporation Collaborative location and activity recommendations
US10805102B2 (en) * 2010-05-21 2020-10-13 Comcast Cable Communications, Llc Content recommendation system
WO2012012778A1 (en) * 2010-07-22 2012-01-26 Myspace, Inc. Metadata ingestion to stream customization
US9043296B2 (en) * 2010-07-30 2015-05-26 Microsoft Technology Licensing, Llc System of providing suggestions based on accessible and contextual information
CN101957834B (zh) * 2010-08-12 2013-08-07 百度在线网络技术（北京）有限公司 一种基于用户特征进行内容推荐的方法与设备
CN101916286A (zh) * 2010-08-23 2010-12-15 宇龙计算机通信科技(深圳)有限公司 一种信息推荐方法及系统
US20120078953A1 (en) * 2010-09-24 2012-03-29 Rovi Technologies Corporation Browsing hierarchies with social recommendations
US20120222133A1 (en) * 2010-09-28 2012-08-30 Adam Kidron Shared content management platform apparatuses, methods and systems
US9764240B2 (en) * 2010-10-13 2017-09-19 Sony Interactive Entertainment America Llc Online process for recommending friends based on game playing habits
US8707184B2 (en) * 2010-11-01 2014-04-22 Google Inc. Content sharing interface for sharing content in social networks
US20120124482A1 (en) * 2010-11-09 2012-05-17 Ray Kenneth D Methods and systems for monitoring and encouraging personal dream achievement
US20120143677A1 (en) * 2010-12-03 2012-06-07 Microsoft Corporation Discoverability Using Behavioral Data
US9311678B2 (en) * 2010-12-15 2016-04-12 Facebook, Inc. Comment plug-in for third party system
US8560678B2 (en) * 2010-12-22 2013-10-15 Facebook, Inc. Providing relevant notifications based on common interests between friends in a social networking system
US20120180107A1 (en) * 2011-01-07 2012-07-12 Microsoft Corporation Group-associated content recommendation
US9071567B2 (en) * 2011-01-31 2015-06-30 Oracle International Corporation Workspace-aware social networks in an enterprise
US20120239494A1 (en) * 2011-03-14 2012-09-20 Bo Hu Pricing deals for a user based on social information
US20120278127A1 (en) * 2011-04-28 2012-11-01 Rawllin International Inc. Generating product recommendations based on dynamic product context data and/or social activity data related to a product
US20120311036A1 (en) * 2011-06-03 2012-12-06 Huhn Derrick S Friend recommendation system and method
US8819425B2 (en) * 2011-06-30 2014-08-26 True[X] Media Inc. Privacy protected interactions with third parties
US10380629B2 (en) * 2012-05-25 2019-08-13 Microsoft Technology Licensing, Llc Leveraging a social graph to deliver relevant recommendations

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101849229A (zh) * 2007-11-05 2010-09-29 费斯布克公司 在社交网络网站中传送与来自其他域的活动有关的信息

Cited By (53)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103294730A (zh) * 2012-03-05 2013-09-11 富士通株式会社 一种数据推送系统及方法
CN103294730B (zh) * 2012-03-05 2017-03-01 富士通株式会社 一种数据推送系统及方法
CN102811179B (zh) * 2012-03-29 2015-11-25 北京淘友天下科技发展有限公司 一种社交网络中的信息提供方法及系统
CN102811179A (zh) * 2012-03-29 2012-12-05 北京淘友天下科技发展有限公司 一种社交网络中的信息提供方法及系统
CN102750346A (zh) * 2012-06-08 2012-10-24 腾讯科技（深圳）有限公司 软件推荐方法和系统、终端设备
CN102750346B (zh) * 2012-06-08 2015-05-20 腾讯科技（深圳）有限公司 软件推荐方法和系统、终端设备
CN103516697A (zh) * 2012-06-28 2014-01-15 腾讯科技（上海）有限公司 网络信息推送方法及其系统
CN103516697B (zh) * 2012-06-28 2017-12-12 腾讯科技（上海）有限公司 网络信息推送方法及其系统
CN102831206B (zh) * 2012-08-06 2016-05-18 泉州市德威软件开发有限公司 基于浏览器的微博社交方法及装置
CN102831206A (zh) * 2012-08-06 2012-12-19 吴迪 基于浏览器的微博社交方法及装置
CN103581169A (zh) * 2012-08-06 2014-02-12 陈宏玮 产品的登录方法
CN103841001A (zh) * 2012-11-22 2014-06-04 腾讯科技（深圳）有限公司 社交网络信息处理方法及系统
TWI499290B (zh) * 2012-11-30 2015-09-01 Ind Tech Res Inst 資訊推薦方法及系統
CN104995631A (zh) * 2013-02-06 2015-10-21 汤姆逊许可公司 针对好奇推荐器的隐私保护
CN103886074B (zh) * 2014-03-24 2017-03-15 江苏名通信息科技有限公司 基于社交媒体的商品推荐系统
WO2015144089A1 (en) * 2014-03-28 2015-10-01 Tencent Technology (Shenzhen) Company Limited Application recommending method and apparatus
US10679132B2 (en) 2014-03-28 2020-06-09 Tencent Technology (Shenzhen) Company Limited Application recommending method and apparatus
US9953262B2 (en) 2014-03-28 2018-04-24 Tencent Technology (Shenzhen) Company Limited Application recommending method and apparatus
US10972395B2 (en) 2014-12-12 2021-04-06 Xiaomi Inc. Method and device for granting and acquiring qualification
WO2016090825A1 (zh) * 2014-12-12 2016-06-16 小米科技有限责任公司 资格授予方法、资格获取方法及装置
CN106254206A (zh) * 2015-06-11 2016-12-21 阿里巴巴集团控股有限公司 一种信息处理方法和设备
CN105117930A (zh) * 2015-07-29 2015-12-02 百度在线网络技术（北京）有限公司 一种基于电子商务平台的推荐方法和推荐装置
CN106657172A (zh) * 2015-10-28 2017-05-10 北京金山安全软件有限公司 一种信息推送的实现方法及装置
CN105335515B (zh) * 2015-10-30 2018-07-17 网易传媒科技（北京）有限公司 一种信息推荐方法和装置
CN105335515A (zh) * 2015-10-30 2016-02-17 网易传媒科技（北京）有限公司 一种信息推荐方法和装置
CN107133242A (zh) * 2016-02-29 2017-09-05 中国科学院声学研究所 一种基于用户关系链的内容推荐和传播的系统及方法
CN106294846A (zh) * 2016-08-19 2017-01-04 维沃移动通信有限公司 一种信息的推荐方法及移动终端
CN106993048B (zh) * 2017-04-13 2018-09-14 腾讯科技（深圳）有限公司 确定推荐信息的方法及装置、信息推荐方法及装置
CN106993048A (zh) * 2017-04-13 2017-07-28 腾讯科技（深圳）有限公司 确定推荐信息的方法及装置、信息推荐方法及装置
CN107229734A (zh) * 2017-06-12 2017-10-03 深圳市乃斯网络科技有限公司 基于定位的终端app推荐方法及系统
CN107705190A (zh) * 2017-10-25 2018-02-16 深圳市国电科技通信有限公司 一种车辆租赁信息推荐方法
CN109784959A (zh) * 2017-11-10 2019-05-21 广州腾讯科技有限公司 一种目标用户预测方法、装置、后台服务器及存储介质
CN109948037A (zh) * 2017-11-24 2019-06-28 腾讯科技（深圳）有限公司 信息投放方法、装置及存储设备
CN108108465A (zh) * 2017-12-29 2018-06-01 北京奇宝科技有限公司 一种推送推荐内容的方法和装置
TWI668580B (zh) * 2018-01-19 2019-08-11 中華電信股份有限公司 頻繁時間間隔序列樣式探勘系統及方法
CN108536726A (zh) * 2018-02-25 2018-09-14 心触动（武汉）科技有限公司 一种校内社交好友智能推荐方法及系统
CN108418897A (zh) * 2018-03-27 2018-08-17 努比亚技术有限公司 信息共享方法、终端及计算机可读存储介质
CN109087183A (zh) * 2018-09-28 2018-12-25 深圳壹账通智能科技有限公司 产品推荐方法、装置、计算机可读存储介质和计算机设备
CN110968771A (zh) * 2018-09-29 2020-04-07 北京淘友天下技术有限公司 一种基于朋友关系的职位推荐冷启动方法及系统
CN110968771B (zh) * 2018-09-29 2024-05-28 北京淘友天下技术有限公司 一种基于朋友关系的职位推荐冷启动方法及系统
CN109872242A (zh) * 2019-01-30 2019-06-11 北京字节跳动网络技术有限公司 信息推送方法和装置
CN109872242B (zh) * 2019-01-30 2020-10-13 北京字节跳动网络技术有限公司 信息推送方法和装置
CN112417263B (zh) * 2019-08-23 2024-01-09 北京达佳互联信息技术有限公司 数据推荐方法、装置及存储介质
CN112417263A (zh) * 2019-08-23 2021-02-26 北京达佳互联信息技术有限公司 数据推荐方法、装置及存储介质
WO2021196181A1 (zh) * 2020-04-03 2021-10-07 江苏盐城风景风行网络技术研究院 一种用户信息的处理方法及设备
CN111758093A (zh) * 2020-04-03 2020-10-09 江苏盐城风景风行网络技术研究院 一种用户信息的处理方法及设备
CN112231567A (zh) * 2020-10-20 2021-01-15 王明烨 一种精确推送信息的方法及装置
CN112632388A (zh) * 2020-12-29 2021-04-09 深圳市顺易通信息科技有限公司 一种停车服务信息推送方法、装置、设备及介质
CN113010799A (zh) * 2021-01-04 2021-06-22 腾讯科技（深圳）有限公司 媒体信息的获取方法、装置、电子设备及存储介质
CN114461305A (zh) * 2022-04-11 2022-05-10 天聚地合(苏州)科技股份有限公司 一种数据源确定方法和装置
CN114461305B (zh) * 2022-04-11 2022-08-26 天聚地合(苏州)科技股份有限公司 一种数据源确定方法和装置
CN116702104A (zh) * 2023-08-08 2023-09-05 阿里健康科技(中国)有限公司 账户信息的关联方法、装置、设备和存储介质
CN117009557A (zh) * 2023-08-08 2023-11-07 苏州瑞山传媒有限公司 一种多媒体系统数据处理方法及处理装置

Also Published As

Publication number Publication date
US8812592B2 (en) 2014-08-19
WO2012083696A1 (zh) 2012-06-28
US20130031173A1 (en) 2013-01-31

Similar Documents

Publication Publication Date Title
CN102317941A (zh) 信息推荐方法、推荐引擎及网络系统
US11106794B2 (en) Trust network effect
US10296521B2 (en) Method and system for providing content to users based on frequency of interaction
JP5401461B2 (ja) ソーシャルネットワークにおけるプライバシー設定の動的更新
US9971825B2 (en) System and method for dynamic and secure communication and synchronization of personal data records
JP5779740B1 (ja) アクションタイプに基づくサード・パーティ・アプリケーションからのユーザに関する情報の受け取り
Brown et al. Internet
US20160127291A1 (en) Anonymous mobile group communications
CN101180619B (zh) 媒体管理系统和方法
CN104881787A (zh) 一种二维码防伪验证方法、系统及装置
US20130090163A1 (en) System and method of generating customized recommendations and settings
US20140012677A1 (en) Mobile Device Application for Dynamic Delivery of Advertising-Based Content
US20140074957A1 (en) Method and Apparatus for Social Information Exchange in a Vehicle
CN101351782A (zh) 互动式电子桌面行动方法和系统
Agarwal et al. Stop tracking me bro! differential tracking of user demographics on hyper-partisan websites
US20090125319A1 (en) Systems, methods, and computer program products for allocating credit based upon distribution of electronic content
CN105095465A (zh) 一种信息推荐方法、系统及装置
Ragunathan et al. Advertisement posting based on consumer behaviour
CN108463819B (zh) 使用智能终端的基于数字串的实时信息分发系统以及信息分发方法
Brown Media landscape on Tumblr: News organization convergence attributes in youth-oriented social media networks
CN106416232B (zh) 经由媒体网关关联用户的识别符与交互的方法、系统及计算机可读介质
JP2016184246A (ja) 電子書籍端末、広告配信方法及び電子書籍用プログラム
Hand How the Internet Changed History
CN105704516A (zh) 一种支持相关供应内容关系的系统及部署方法
KR20130126558A (ko) 개인과 객체의 관계 관리방법 및 그 시스템

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20120111