CN102819529A - 社交网站信息发布方法及系统 - Google Patents
社交网站信息发布方法及系统 Download PDFInfo
- Publication number
- CN102819529A CN102819529A CN2011101549991A CN201110154999A CN102819529A CN 102819529 A CN102819529 A CN 102819529A CN 2011101549991 A CN2011101549991 A CN 2011101549991A CN 201110154999 A CN201110154999 A CN 201110154999A CN 102819529 A CN102819529 A CN 102819529A
- Authority
- CN
- China
- Prior art keywords
- user
- type
- vector
- information
- user type
- 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
Abstract
本申请提供了一种社交网站信息发布方法,包括:接收用户请求;确定用户类型;根据用户类型和用户请求,返回对应的信息排序结果;其中,所述用户类型根据用户历史数据及预先建立的用户向量模型确定。本申请还提供了一种实现前述方法的社交网站信息发布系统。本申请的社交网站信息发布方法及系统,能够解决现有技术不能按照用户类别对各种信息进行排列顺序的问题。
Description
技术领域
本发明涉及计算机网络技术领域,特别是涉及一种社交网站信息发布方法及系统。
背景技术
随着技术的不断发展,网络社交逐渐成为了一种新的社交方式,网络社交从最初的电子邮件发展到现在的各种社交网站(SNS,SocialNetwork Sites)。通常情况下,社交网站需要用户在相应的网站上进行申请注册,并填写相关的个人信息,从而获取个人账号。当用户登录社交网站时,个人账号及相关信息便成为网站或者他人识别用户身份的主要标识。
社交网站上通常会有较多的功能业务供用户使用,每一个功能业务都会有与自己相关的信息,现有的社交网站通常会将这些信息通过某一特定的界面呈现给用户。由于传统的网站都会有自己既定的模板来对各种信息进行排序,其所需要显示给用户的信息是统一的,对于信息的排序无需针对单个用户来考虑,而社交网站中的用户都是登录用户,对于不同的用户其所产生的信息也有可能不同,因此信息的排序,对于社交网站来说是一个巨大的挑战。
目前的社交网站通常会根据某一固定的顺序来实现。例如,会按照这些信息产生的先后顺序来显示,或者按照网站自己对于这些业务的重视程度来显示,或者按照每一个业务所拥有的用户数量的多少来进行显示,等等。
这些方法在进行排序时都基于固定的模式,但是,因为每个用户都会自己的偏好,其所希望看到的信息也可能会有所不同。前述的按照信息产生时间的先后顺序、网站对各业务的重视程度、或者每一个业务所用的用户数量多少等方式所排列出的结果,则可能出现显示在前面的信息并不是用户感兴趣,用户真正感兴趣的信息则有可能被排在后面。那么,当用户在登录该网站后,往往无法在第一时间获取到自己感兴趣的信息,需要重新去寻找或者排序,这不但浪费了原有的排序资源和带宽,而且增加社交网站的访问负担。
发明内容
本申请所要解决的技术问题是提供一种社交网站信息发布方法及系统,以解决现有技术不能按照用户类别对各种信息进行排列顺序的问题。
为了解决上述问题,本申请公开了一种社交网站信息发布方法,包括以下步骤:
接收用户请求;
确定用户类型;
根据用户类型和用户请求,返回对应的信息排序结果;
其中,所述用户类型根据用户历史数据及预先建立的用户向量模型确定。
进一步地,所述根据用户历史数据及预先建立的用户向量模型确定用户类型包括:
查询用户历史数据,计算出用户对于各业务的参与频度;
根据参与频度得出实际用户向量;
将实际用户向量与用户向量模型中的虚拟用户向量进行比较,根据比较结果确定用户类型。
进一步地,所述根据虚拟用户向量与实际用户向量比较结果确定用户类型包括:
为每一个虚拟用户向量定义一个相似度阀值;
对虚拟用户向量和实际用户向量进行相似度计算得到相似度值;
比较计算出的相似度值与对应的相似度阀值,若计算出的相似度值大于所对应的阀值,则用户属于对应的类型,反之,则不属于该类型。
进一步地,所述根据虚拟用户向量与实际用户向量比较结果确定用户类型还包括:
增加一个未知类型;
若用户不属于用户向量模型中的已知用户类型,则将用户确定为未知类型。
进一步地,所述根据用户类型返回对应的排序结果包括:
设定各种业务的基础权重;
设定各种用户类型的加权系数;
结合基础权重和用户类型的加权系数,计算出针对某一用户类型的信息最终权重,并对信息进行排序。
进一步地,所述根据用户类型返回对应的信息排序结果包括:
预先生成与各种用户类型对应的信息排序结果;
确定用户类型后,选择与该用户类型对应的信息排出结果。
为了解决上述问题,本申请还公开了一种社交网站信息发布系统,包括:
用户请求接收模块,用于接收用户请求;
用户类型确定模块,根据用户历史数据及预先建立的用户向量模型确定用户类型;
排序模块,根据用户类型和用户请求,返回对应的信息排序结果。
进一步地,所述用户类型确定模块包括:
查询单元,用于查询用户历史数据,并计算出用户对于各业务的参与频度;
计算单元,用于根据用户参与频度计算实际用户向量;
比较单元,比较实际用户向量与用户向量模型中的虚拟用户向量进行比较,根据比较结果确定用户类型。
进一步地,所述排序模块包括:
基础权重单元,用于设定社交网站业务的基础权重;
加权系数单元,用于确定各个用户类型的加权系数;
排序单元,结合基础权重和用户类型的加权系数,计算出针对某一用户类型的信息最终权重,并对信息进行排序。
与现有技术相比,本申请包括以下优点:
本申请的社交网站信息发布方法及系统在对信息进行排序的过程中考虑了用户的偏好,根据用户偏好对用户进行聚类,将具有不同行为和不同关注点的用户划分成不同的类型用户群体,并且为每一个类型提供对应的权重及排序结果。本申请实施例可以针对不同类型的用户群体对信息的关注点来进行信息排序,使得在显示给该群体新鲜事列表中其感兴趣的信息靠前排列,不感兴趣的信息靠后排列。从而使排序的依据更合理及人性化,并可以向用户提供更为准确的排序结果,简化了用户的操作,从而提高用户对相关业务的关注程度。另外,通过这种针对用户类型返回对应的排序结果更为合理,可以避免浪费网站资源,同时可以减少网站的访问负担。
其次,本申请采用建立用户向量模型的方式来对计算用户对于各业务的偏好程度,通过虚拟用户向量与实际用户向量相似度计算的方式来确定用户的类型,可以使对用户类型的确定更为客观,从而使排序结果能较好的符合用户的偏好。
当然,实施本申请的任一产品不一定需要同时达到以上所述的所有优点。
附图说明
图1是本申请的社交网站信息发布方法实施例一的流程图;
图2是本申请图1所示的确定用户类型方法实施例一的流程图;
图3是本申请图2所示的确定用户类型方法实施例二的流程图;
图4是本申请的社交网站信息发布系统实施例一的结构示意图;
图5是本申请图4所示的用户类型确定模块的结构示意图;
图6是本申请图4所示的排序模块的结构示意图。
具体实施方式
为使本申请的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本申请作进一步详细的说明。
本申请提供的社交网站信息发布方法和系统应用于社交网站中,具体的,通过计算机程序实现,存储于社交网站所对应的服务器中,并通过处理器来运行。
参照图1,示出本申请的一种社交网站信息发布方法实施例一,包括以下步骤:
步骤101,接收用户请求。
在用户登录到社交网站时,社交网站可以根据用户的输入信息来接收用户请求。根据用户请求来获取用户的相关信息,例如用户身份,历史数据等等。
步骤102,确定用户类型。
参照图2,用户类型根据用户历史数据及预先建立的用户向量模型确定。具体过程如下:
步骤201,根据用户历史数据来计算出用户对于社交网站各业务的参与频度。
参与频度的计算规则可以根据社交网站的实际需求进行设定,下面给出一个参考的频度计算规则:
从某一业务启用日算起统计其到目前为止的小时数作为基数,假设为base1。为用户设定一个频度变量frequency,然后通过分析从业务启用日到当前的用户行为的历史数据,若在此阶段中的某个小时用对应的用户参与该业务的行为记录则将frequency加1,分析完毕后可得出最终的用户参与业务的频度变量frequency,于是用户对于该业务的参与频度即为:frequency/base1。
步骤202,根据用户的参与频度来得出实际用户向量。
因为每个社交网站所对应的业务种类很多,可以按照前述的参与频度计算规则来计算出各个业务所对应的参与频度。这些参与频度的组合即为实际用户向量。例如,某个社交网站共有三个业务,那么得出一个三维的实际用户向量,形如[x,y,z],每个维度的取值范围为[0,1]区间。
步骤203,将实际用户向量与用户向量模型中的虚拟用户向量进行比较,根据比较结果确定用户类型。
用户向量模型中会预先定义可能存在的用户类型,并给每个用户类型建立一个对应的虚拟用户向量。有几种用户类型,则建立几个虚拟用户向量,作为各种用户类型的参考向量。为了便于后续的计算,此处可以建立一个列表,用户类型按照一定的顺序存入该列表中,并且,每一个用户类型与该用户类型的参考向量一一对应。
将实际用户向量与虚拟用户向量进行比较,可以通过采用相似度计算的方式来比较。为每一个虚拟用户向量定义一个相似度阀值,对虚拟用户向量和实际用户向量进行相似度计算得到相似度值,比较计算出的相似度值与对应的相似度阀值,若计算出的相似度值大于所对应的阀值,则用户属于对应的类型,反之,则不属于该类型若实际用户向量与某一虚拟用户向量的相似度达到预定值,则确定用户类型为该虚拟用户向量所代表的用户类型。
参照图3,在计算时,可以采用逐一比较的方法,即与用户向量模型中的用户类型所对应的虚拟用户向量逐一比对的方式。例如,计算实际用户向量与某一用户类型的虚拟用户向量的相似度,若相似,则说明该待分类用户属于该类型,若不相似,则说明不属于该类型,那么会取出下一用户类型的虚拟用户向量与该实际用户向量再次进行相似度的计算,直到得出的结果是相似为止。
进一步地的,在实际操作中,因为在预先对用户分类时考虑的可能只是大多数的情况,那么就有可能会出现某些特殊的用户,并不属于已划分的任何一种用户类型。所以,在前述方法的基础上,还可以增加一种用户类型,即未知类型,当某一用户的实际用户向量与所有预定的用户类型的虚拟用户向量都不相似时,则将该用户确定为未知类型。
此处,判定相似度的方法采用的是通过余弦定理计算两个向量间的夹角的余弦值跟预先定义的相似度阀值进行比较得出的。具体计算过程如下:
假设某一实际用户a的向量为[xa,ya,za],虚拟用户b的向量为[xb,yb,zb],该虚拟用户向量的相似度阀值为k,则相似度计算如下:
若cosθ>k,则可将该用户a归入虚拟用户b所对应的用户类型中。
步骤103,根据用户类型和用户请求,返回对应的信息排序结果。
在确定用户类型后,可以根据预先设定的针对每种用户类型的权重,返回与该用户类型对应的信息结果。
为了提高响应速度,同时避免在用户提交时再排序所造成的对网站资源的占用,社交网站可以预先根据用户类型的不同生成不同的信息排序结果,在确定用户类型后,直接将与该用户类型对应的信息排序结果展示出来。
进一步地,在针对不同用户类型进行排序时采用如下方式:
设定社交网站各种业务的基础权重。
此处的业务是指社交网站的各种供用户使用的功能业务。首先,社交网站可以根据网站自定规则来确定各种业务的基础排序权重。例如,可以按照相关业务的使用用户数量的多少来设定,使用用户数量多的业务的基础权重较高,用户使用量少的业务的基础权重较低。或者对于社交网站希望推广的程度来确定,社交网站新推出的业务的基础权重较高,已经准备停止的业务的基础权重较低,等等。具体的基础权重确定方式可以根据实际情况来确定,本申请并不加以限制。
假设某社交网站有A、B、C三种业务,那么网站可以根据自定规则,例如对于各种业务的重视程度,确定A的基础权重为0.3,B的基础权重为0.4,C的基础权重为0.5。
设定各种用户类型的加权系数。
仍以前面的A、B、C三种类型的业务为例,假设现在有a,b,c三个用户,分别对应三个用户类型,其中,该三个用户对于A、B、C的偏好顺序分别是:a偏好A>B>C,b偏好B>A>C,而c偏好A>C>B。那么可以得出,对于用户a来说,三种业务的加权系数则为,A的加权系数>B的加权系数>C的加权系数;而对于用户b来说,则为,B的加权系数>A的加权系数>C的加权系数;对于用户c来说,则为,A的加权系数>C的加权系数>B的加权系数。具体确定的时候,如果将加权系数分别固定为1、2、3,那么对于用户a的A、B、C的加权系数分别为3、2、1;用户b的A、B、C的加权系数分别为2、3、1;而用户c的A、B、C的加权系数分别为3、1、2。
根据加权系数与基础权重对信息进行排序。
因为在计算最终权重的时候会综合考虑基础权重及表示用户类型的加权系数,所以在最终的排序结果中可以使用户感兴趣的业务的排序靠前,从而使与该业务相关的新鲜事的排序靠前,避免用户重新去寻找,节省了时间,且可以使用户保持或者增加对感兴趣业务的关注度。其中,计算业务的最终权重可以根据预定的计算规则,例如将基础权重与加权系数相乘的方式等。
进一步地,在计算最终权重时,还可以增加其他因素权重,例如信息的产生时间等等。
例如,假设网站有A、B、C三种业务类型,则fa、fb、fc分别表示A、B、C三种业务的基础权重,ft表示信息时间因子的基础权重。wa、wb、wc则分别表示x用户对A、B、C三种业务的加权系数。ft为该新鲜事产生时间与当前时间相差的分钟数。其中,基础权重fa、fb、fc是人为的根据社交网站实际业务情况预先设定的,加权系数wa、wb、wc根据该用户偏好设定。对于用户x的信息的权重值weight(x)则可以通过下述公式计算:
weight(x)=(wa*fa+wb*fb+wc*fc)/ft
那么,最终可以根据计算出的权重对信息进行排序。
可以理解,对于业务的基础权重及加权系数的确定先后顺序并没有要求,所以前述的步骤101与步骤102的顺序也可以交换。
参照图4,示出本申请的社交网站信息发布系统实施例一,包括用户请求接收模块10、用户类型确定模块20和排序模块30。
用户请求接收模块10,用于接收用户请求。
用户类型确定模块20,根据用户历史数据及预先建立的用户向量模型确定用户类型。
排序模块30,根据用户类型和和用户请求,返回对应的信息排序结果。
参照图5,进一步地,用户类型确定模块20包括查询单元21、计算单元22和比较单元23。
查询单元21,用于查询用户历史数据,并计算出用户对于各业务的参与频度。
计算单元22,用于根据用户参与频度计算实际用户向量。具体的,实际用户向量的维度与社交网站的业务类型数量相同。
比较单元23,比较实际用户向量与用户向量模型中的虚拟用户向量进行比较,根据比较结果确定用户类型。
参照图6,进一步地,排序模块30包括基础权重单元31、加权系数单元32及排序单元33。
基础权重单元31,用于确定社交网站业务的基础权重。
加权系数单元32,用于确定各个用户类型的加权系数。
排序单元33,结合基础权重和用户的加权系数,计算出针对某一用户类型的信息最终权重,并对信息进行排序。
本申请的社交网站信息发布方法及系统在对社交网站各业务的相关信息进行排序的过程中考虑了用户类型,即用户的偏好,根据用户偏好对用户进行聚类,将具有不同行为的,不同关注点的用户划分成不同的类型用户群体,并且为每一个用户类型设置对应的权重。在进行信息排序时,可以针对不同类型的用户群体根据该群体对信息关注点来进行,使得在显示给该群体信息列表中其感兴趣的信息靠前排列,不感兴趣的信息靠后排列。从而使排序的依据更合理及人性化,并可以向用户提供更为准确的排序结果,简化了用户的操作,从而提高用户对相关业务的关注程度,另外,通过这种针对用户类型返回对应的排序结果更为合理,可以避免浪费网站资源,同时可以减少网站的访问负担。
本说明书中的各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似的部分互相参见即可。对于系统实施例而言,由于其与方法实施例基本相似,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
以上对本申请所提供的社交网站信息发布方法及系统进行了详细介绍,本文中应用了具体个例对本申请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申请的方法及其核心思想;同时,对于本领域的一般技术人员,依据本申请的思想,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申请的限制。
Claims (9)
1.一种社交网站信息发布方法,其特征在于,包括以下步骤:
接收用户请求;
确定用户类型;
根据用户类型和用户请求,返回对应的信息排序结果;
其中,所述用户类型根据用户历史数据及预先建立的用户向量模型确定。
2.如权利要求1所述的方法,其特征在于,所述根据用户历史数据及预先建立的用户向量模型确定用户类型包括:
查询用户历史数据,计算出用户对于各业务的参与频度;
根据参与频度得出实际用户向量;
将实际用户向量与用户向量模型中的虚拟用户向量进行比较,根据比较结果确定用户类型。
3.如权利要求2所述的方法,其特征在于,所述根据虚拟用户向量与实际用户向量比较结果确定用户类型包括:
为每一个虚拟用户向量定义一个相似度阀值;
对虚拟用户向量和实际用户向量进行相似度计算得到相似度值;
比较计算出的相似度值与对应的相似度阀值,若计算出的相似度值大于所对应的阀值,则用户属于对应的类型,反之,则不属于该类型。
4.如权利要求3所述的方法,其特征在于,所述根据虚拟用户向量与实际用户向量比较结果确定用户类型还包括:
增加一个未知类型;
若用户不属于用户向量模型中的已知用户类型,则将用户确定为未知类型。
5.如权利要求1所述的方法,其特征在于,所述根据用户类型返回对应的排序结果包括:
设定各种业务的基础权重;
设定各种用户类型的加权系数;
结合基础权重和用户类型的加权系数,计算出针对某一用户类型的信息最终权重,并对信息进行排序。
6.如权利要求5所述的方法,其特征在于,所述根据用户类型返回对应的信息排序结果包括:
预先生成与各种用户类型对应的信息排序结果;
确定用户类型后,选择与该用户类型对应的信息排出结果。
7.一种社交网站信息发布系统,其特征在于,包括:
用户请求接收模块,用于接收用户请求;
用户类型确定模块,根据用户历史数据及预先建立的用户向量模型确定用户类型;
排序模块,根据用户类型和用户请求,返回对应的信息排序结果。
8.如权利要求7所述的系统,其特征在于,所述用户类型确定模块包括:
查询单元,用于查询用户历史数据,并计算出用户对于各业务的参与频度;
计算单元,用于根据用户参与频度计算实际用户向量;
比较单元,比较实际用户向量与用户向量模型中的虚拟用户向量进行比较,根据比较结果确定用户类型。
9.如权利要求7所述的系统,其特征在于,所述排序模块包括:
基础权重单元,用于设定社交网站业务的基础权重;
加权系数单元,用于确定各个用户类型的加权系数;
排序单元,结合基础权重和用户类型的加权系数,计算出针对某一用户类型的信息最终权重,并对信息进行排序。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201110154999.1A CN102819529B (zh) | 2011-06-10 | 2011-06-10 | 社交网站信息发布方法及系统 |
HK13100985.2A HK1173813A1 (zh) | 2011-06-10 | 2013-01-23 | 社交網站信息發布方法及系統 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201110154999.1A CN102819529B (zh) | 2011-06-10 | 2011-06-10 | 社交网站信息发布方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102819529A true CN102819529A (zh) | 2012-12-12 |
CN102819529B CN102819529B (zh) | 2015-08-19 |
Family
ID=47303643
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201110154999.1A Active CN102819529B (zh) | 2011-06-10 | 2011-06-10 | 社交网站信息发布方法及系统 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN102819529B (zh) |
HK (1) | HK1173813A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106446052A (zh) * | 2016-08-31 | 2017-02-22 | 北京魔力互动科技有限公司 | 一种基于用户集合的视频点播节目推荐方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1758248A (zh) * | 2004-10-05 | 2006-04-12 | 微软公司 | 用于提供个性化搜索和信息访问的系统、方法和接口 |
CN101520784A (zh) * | 2008-02-29 | 2009-09-02 | 富士通株式会社 | 信息发布系统和信息发布方法 |
CN101685458A (zh) * | 2008-09-27 | 2010-03-31 | 华为技术有限公司 | 一种基于协同过滤的推荐方法和系统 |
CN101685521A (zh) * | 2008-09-23 | 2010-03-31 | 北京搜狗科技发展有限公司 | 在网页中展现广告的方法及系统 |
WO2010037314A1 (zh) * | 2008-09-26 | 2010-04-08 | 华为技术有限公司 | 一种搜索的方法、系统和装置 |
CN101770520A (zh) * | 2010-03-05 | 2010-07-07 | 南京邮电大学 | 基于用户浏览行为的用户兴趣建模方法 |
CN101819572A (zh) * | 2009-09-15 | 2010-09-01 | 电子科技大学 | 一种用户兴趣模型的建立方法 |
-
2011
- 2011-06-10 CN CN201110154999.1A patent/CN102819529B/zh active Active
-
2013
- 2013-01-23 HK HK13100985.2A patent/HK1173813A1/zh unknown
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1758248A (zh) * | 2004-10-05 | 2006-04-12 | 微软公司 | 用于提供个性化搜索和信息访问的系统、方法和接口 |
CN101520784A (zh) * | 2008-02-29 | 2009-09-02 | 富士通株式会社 | 信息发布系统和信息发布方法 |
CN101685521A (zh) * | 2008-09-23 | 2010-03-31 | 北京搜狗科技发展有限公司 | 在网页中展现广告的方法及系统 |
WO2010037314A1 (zh) * | 2008-09-26 | 2010-04-08 | 华为技术有限公司 | 一种搜索的方法、系统和装置 |
CN101685458A (zh) * | 2008-09-27 | 2010-03-31 | 华为技术有限公司 | 一种基于协同过滤的推荐方法和系统 |
CN101819572A (zh) * | 2009-09-15 | 2010-09-01 | 电子科技大学 | 一种用户兴趣模型的建立方法 |
CN101770520A (zh) * | 2010-03-05 | 2010-07-07 | 南京邮电大学 | 基于用户浏览行为的用户兴趣建模方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106446052A (zh) * | 2016-08-31 | 2017-02-22 | 北京魔力互动科技有限公司 | 一种基于用户集合的视频点播节目推荐方法 |
Also Published As
Publication number | Publication date |
---|---|
CN102819529B (zh) | 2015-08-19 |
HK1173813A1 (zh) | 2013-05-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Feng et al. | An expert recommendation algorithm based on Pearson correlation coefficient and FP-growth | |
Zhou et al. | A truthful online mechanism for location-aware tasks in mobile crowd sensing | |
Ma et al. | Recommender systems with social regularization | |
Zhai et al. | Evolutionary analysis of international collaboration network of Chinese scholars in management research | |
CN110462604A (zh) | 基于设备使用关联互联网设备的数据处理系统和方法 | |
CN104866969A (zh) | 个人信用数据处理方法和装置 | |
CN105528248B (zh) | 多任务合作应用下的群智感知激励机制 | |
Wang et al. | Credible and energy-aware participant selection with limited task budget for mobile crowd sensing | |
CN102999588A (zh) | 一种多媒体应用的推荐方法和系统 | |
CN103988217A (zh) | 用于了解群体对于要素集合的反应的方法和该模型的多种应用 | |
CN102117325A (zh) | 动态社会网络用户行为的预测方法 | |
CN104794644B (zh) | 一种面向智能服务引擎的任务众包方法 | |
Zheng et al. | Arete: On designing joint online pricing and reward sharing mechanisms for mobile data markets | |
CN104091270A (zh) | 以扫码方式进行商品对比的方法 | |
Min et al. | An approach to resource and QoS-aware services optimal composition in the big service and Internet of Things | |
CN113283778A (zh) | 一种基于安全性评价的分层汇聚联邦学习方法 | |
Gao et al. | Understanding sequential user behavior in social computing: To answer or to vote? | |
CN108694182A (zh) | 活动推送方法、活动推送装置和服务器 | |
CN102819529A (zh) | 社交网站信息发布方法及系统 | |
Li et al. | When user interest meets data quality: A novel user filter scheme for mobile crowd sensing | |
Baird et al. | The regressive demands of demand-driven development | |
CN108833143A (zh) | 计算用户活跃度的方法、装置及系统 | |
Yuan et al. | Location recommendation algorithm based on temporal and geographical similarity in location-based social networks | |
Zhao et al. | Generalized lottery trees: Budget-balanced incentive tree mechanisms for crowdsourcing | |
CN112418654A (zh) | 一种资源分配方法、装置、电子设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 1173813 Country of ref document: HK |
|
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: GR Ref document number: 1173813 Country of ref document: HK |