CN102880608A - 基于人际距离的排名、搜索方法和装置 - Google Patents
基于人际距离的排名、搜索方法和装置 Download PDFInfo
- Publication number
- CN102880608A CN102880608A CN2011101955069A CN201110195506A CN102880608A CN 102880608 A CN102880608 A CN 102880608A CN 2011101955069 A CN2011101955069 A CN 2011101955069A CN 201110195506 A CN201110195506 A CN 201110195506A CN 102880608 A CN102880608 A CN 102880608A
- Authority
- CN
- China
- Prior art keywords
- user
- index
- rank
- server
- interpersonal distance
- 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
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
- G06Q30/0282—Rating or review of business operators or products
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/951—Indexing; Web crawling techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9536—Search customisation based on social or collaborative filtering
-
- 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
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/01—Social networking
Abstract
本申请公开了一种基于人际距离的排名、搜索方法和装置,该方法包括:排名服务器根据用户终端发起的查询请求,获取请求查询的各对象,并获取查询的各对象对应的参考用户群;获取参考用户群中每个用户到发起所述查询请求的用户的人际距离,并获取参考用户群中每个用户对所请求查询的对象的评价值;根据获取到的人际距离和评价值,确定各对象的用户关系维度排名指数,并根据各对象的用户关系维度排名指数,对各对象进行排序,相对于现有技术,本申请实施例的排名服务器根据用户和参考用户人际距离的远近以及参考用户的评价值进行排名,将用户的社交圈的选择对用户选择购物的参考价值进行了量化,提供了一种基于用户特性的排名方法。
Description
技术领域
本申请涉及计算机及互联网技术领域,尤其涉及一种基于人际距离的排名、搜索方法和装置。
背景技术
用户在网络购物时,通常会以商品的排名作为参考来确定需要购买的商品。目前的提供给用户的商品排名方式包括价格、地理位置、信用评价、销售量等。然而这些排名方式不一定能够使得用户很快搜索到自己想要购买的商品,因为商品是否适合一个人,不仅仅是简单的价格问题,也不仅仅是信用评价的问题,虽然信用评价从一定程度上反映了商品的质量好坏,但是不能确保信用评价高的商品就是用户喜欢的商品。除了价格和信用评价等参考因素外,用户的性情爱好也是决定某个商品是否是用户优先选择的参考因素。目前的商品排名方法仅仅考虑价格、信用等因素,无法将用户的性情爱好等因素也考虑在内,无法提供结合用户特性的排名方法,使得用户很难快速获取期望的搜索结果,用户需要较多次数的搜索,搜索时间较长,同时增加了网络通信的负担,增加了服务器的处理量,降低了服务器的处理性能。
另外,用户和商家的熟悉程度也会影响用户选择商品时的决策,如果用户和商家有过成功的交易经历,或者用户的好友和商家有过成功的交易经历,那么相对于未和用户产生过任何关联的商家,该商家具有较大的概率成为用户的优选。而现有的网购平台中,仅根据商家的过往交易记录对商家进行信用评价,但是如果用户和该商家的过往交易成功的用户具有差异很大的购物习惯或性情爱好,则用户依然不会优先选择该信用评价很好的商家,因此,现有的基于商家的过往交易记录的评价和排名方法无法结合用户特性进行评价和排名。现有的评价和排名方式无法结合用户特点进行处理,使得用户难以快速获取期望的搜索结果,户需要较多次数的搜索,搜索时间较长,同时增加了网络通信的负担,增加了服务器的处理量,降低了服务器的处理性能。
发明内容
本申请实施例提供了一种基于人际距离的排名方法和装置,用以解决现有技术中无法结合用户特性进行排名的问题。
本申请实施例提供一种基于人际距离的排名方法,包括:
排名服务器根据用户终端发起的查询请求,获取请求查询的各对象,并获取查询的各对象对应的参考用户群;
排名服务器获取参考用户群中每个用户到发起所述查询请求的用户的人际距离,并获取参考用户群中每个用户对所请求查询的对象的评价值;
排名服务器根据获取到的人际距离和评价值,确定各对象的用户关系维度排名指数,并根据各对象的用户关系维度排名指数,对各对象进行排序。
本申请实施例提供一种基于人际距离的排名方法,包括:
排名服务器根据用户终端提交的查询请求,确定所请求查询的各对象各自所在的参考商家;
排名服务器获取发起所述查询请求的用户到参考商家的人际距离,并获取所述参考商家的评价值;
排名服务器根据获取到的人际距离和参考商家的评价值,确定所述参考商家的商家关系维度排名指数,并根据参考商家的商家关系维度排名指数,对参考商家进行排序。
本申请实施例提供一种基于人际距离的排名方法,包括:
排名服务器接收用户终端发起的查询请求,获取请求查询的各对象,确定各对象的综合指数;
排名服务器根据各对象的综合指数对各对象进行排序;
其中,排名服务器根据如下方法中的一种确定各对象的综合指数:
策略一,排名服务器根据上述基于人际距离的排名方法确定用户请求查询的各对象的用户关系维度排名指数,并根据用户关系维度排名指数以及网购平台维度指数,确定各对象的综合指数;或
策略二,排名服务器根据上述基于人际距离的排名方法确定所述各对象所在的商家的商家关系维度排名指数;并根据商家关系维度排名指数以及网购平台维度指数,确定各对象的综合指数;或
策略三,排名服务器根据上述基于人际距离的排名方法确定用户请求查询的各对象的用户关系维度排名指数,根据上述基于人际距离的排名方法确定所述各对象所在的商家的商家关系维度排名指数;排名服务器根据用户关系维度排名指数和商家关系维度排名指数确定各对象的综合指数;或者,根据用户关系维度排名指数、商家关系维度排名指数,以及网购平台维度指数,确定各对象的综合指数。
本申请实施例提供一种信息搜索方法,其特征在于,包括:
排名服务器接收用户终端发起的查询请求;
排名服务器根据上述基于人际距离的排名方法确定用户请求查询的各对象的用户关系维度排名指数,并根据各对象的用户关系维度排名指数,对各对象进行排序;或,
根据上述基于人际距离的排名方法确定所述各对象所在的商家的商家关系维度排名指数,并根据各对象所在的商家的商家关系维度排名指数,对各对象进行排序;或,
根据上述基于人际距离的排名方法确定各对象的综合指数,并根据各对象的综合指数,对各对象进行排序;
排名服务器根据排序的结果,向发起查询的用户返回查询结果。
本申请实施例提供一种排名服务器,包括:
获取单元,用于根据用户终端发起的查询请求,获取请求查询的各对象,并获取查询的各对象对应的参考用户群;
获取单元,用于获取参考用户群中每个用户到发起所述查询请求的用户的人际距离,并获取参考用户群中每个用户对所请求查询的对象的评价值;
排序单元,用于根据获取到的人际距离和评价值,确定各对象的用户关系维度排名指数,并根据各对象的用户关系维度排名指数,对各对象进行排序。
本申请实施例提供一种排名服务器,包括:
确定单元,用于根据用户终端提交的查询请求,确定所请求查询的各对象各自所在的参考商家;
获取单元,用于获取发起所述查询请求的用户到参考商家的人际距离,并获取所述参考商家的评价值;
排序单元,用于根据获取到的人际距离和参考商家的评价值,确定所述参考商家的商家关系维度排名指数,并根据参考商家的商家关系维度排名指数,对参考商家进行排序。
本申请实施例提供一种排名服务器,包括:
综合单元,用于接收用户终端发起的查询请求,获取请求查询的各对象,确定各对象的综合指数;
排序单元,用于根据各对象的综合指数对各对象进行排序;
其中,所述综合单元具体用于根据如下策略中的一种确定各对象的综合指数:
策略一,排名服务器根据上述基于人际距离的排名方法确定用户请求查询的各对象的用户关系维度排名指数,并根据用户关系维度排名指数以及网购平台维度指数,确定各对象的综合指数;
策略二,排名服务器根据上述基于人际距离的排名方法确定所述各对象所在的商家的商家关系维度排名指数;并根据商家关系维度排名指数以及网购平台维度指数,确定各对象的综合指数;
策略三,排名服务器根据上述基于人际距离的排名方法确定用户请求查询的各对象的用户关系维度排名指数,根据上述基于人际距离的排名方法确定所求7-9中任一项所述的基于人际距离的排名方法确定所述各对象所在的商家的商家关系维度排名指数;排名服务器根据用户关系维度排名指数和商家关系维度排名指数确定各对象的综合指数;或者,根据用户关系维度排名指数、商家关系维度排名指数,以及网购平台维度指数,确定各对象的综合指数。
本申请实施例中,排名服务器根据用户终端发起的查询请求,获取请求查询的各对象,并获取查询的各对象对应的参考用户群;获取参考用户群中每个用户到发起所述查询请求的用户的人际距离,并获取参考用户群中每个用户对所请求查询的对象的评价值;根据获取到的人际距离和评价值,确定各对象的用户关系维度排名指数,并根据各对象的用户关系维度排名指数,对各对象进行排序,相对于现有技术,本申请实施例的排名服务器根据用户和参考用户人际距离的远近以及参考用户的评价值进行排名,将用户的社交圈的选择对用户选择购物的参考价值进行了量化,提供了一种基于用户特性的排名方法。
附图说明
图1为本申请实施例提供的基于人际距离的排名方法流程示意图;
图2为本申请实施例提供的基于人际距离的排名方法流程示意图;
图3为本申请实施例提供的基于人际距离的排名方法流程示意图;
图4为本申请实施例提供的排名服务器的结构示意图;
图5为本申请实施例提供的排名服务器的结构示意图;
图6为本申请实施例提供的排名服务器的结构示意图。
具体实施方式
针对现有技术存在的问题,本申请实施例提供了一种基于人际距离的排名、搜索方法和装置。
下面结合附图对本申请实施例进行详细描述。
本申请实施例提供的基于人际距离的排名方法通过用户的人际距离来量化用户特性对购物选择的影响。用户所在的用户圈会对用户购物的选择产生影响,例如,用户及其好友相对于用户和某个陌生人,有更大的概率具有相似的性情爱好,而这些性情爱好会影响用户的购物选择,因此,可以通过用户的人际关系量化用户特性对购物选择的影响。
实施例一
如图1所示,本申请实施例一提供的基于人际距离的排名方法可包括:
步骤101,排名服务器根据用户的商品查询请求确定查询商品群。
在步骤101之前还可包括,排名服务器接受用户通过所在终端发送的商品查询请求,其中携带商品描述信息,如商品类别信息、提供商品的商家信息,或商品标识信息(如商品名称或商品型号等)或其他相关信息中的一项或多项的组合,根据商品描述信息,排名服务器可以获取所有匹配的商品作为查询商品群。根据现有搜索技术,当商品查询请求中关键词信息较多导致无搜索结果时,可以忽略其中的某项关键词信息,或采用类似的结果作为搜索结果。
步骤102,排名服务器根据各查询商品获取参考用户群。
其中,排名服务器可以预先设定各查询商品和参考用户群的对应关系,并根据该对应关系获取参考用户群,预先为各查询商品设定参考用户群。
或者,排名服务器根据各查询商品选取参考用户群,在选取参考用户群之前,还可包括,设定需要选取参考用户群的样本数。该样本数可根据经验值由系统预设。
其中,参考用户群可以是购买了某项查询商品的已购买用户群。例如当参考用户群的样本数设定为100时,可以选取100个最近购买了该查询商品的用户作为参考用户群。可以设定参考用户群中的用户具有独一性,例如,该商品的最近10条购买记录的购买者为同一人,则认为只选取了一个用户,再另外选取其他99个不同的用户。
其中,参考用户群也可以是对该查询商品表示了购买意愿的用户群,可以优先选择提供了购买意愿程度评价的意愿用户。在这种情况下,购物平台网站提供相应记录用户对商品的购买愿望的功能,并且提供购买意愿程度评价功能,例如用户可以选择1-10表示意愿程度,1到10表示购买意愿的逐渐增加。当参考用户群设定为意愿用户群,并且参考用户群的用户数设定为100时,选取100个最近提交购买该商品的意愿,并且提供了意愿值的用户作为参考用户群。
参考用户群还可以是上述已购买用户群和意愿用户群按照一定用户群样本比例的混合用户群。例如,在选取的参考用户群中,设定用户群样本比例为6∶4,则选取已购买用户群的用户数占总用户数的60%,意愿用户群的用户数占总用户数的40%。
步骤103,排名服务器向社交关系服务器发送社交关系查询请求,获取发送查询请求的用户到参考用户群中每个用户的人际距离。
人际距离用于描述用户之间的人际距离的远近。根据六度分割理论,一个人和任何另外一个陌生人之间所间隔的人不会超过六个,也就是说,一个人最多通过六个人就可以认识任何一个陌生人。社交关系服务器存储了好友关联体系中,每个用户及其好友关系。当采用好友关系来确定人际距离时,人际距离指是完全不同用户,在某个好友关联体系中,通过几个中间人才能够建立朋友关系。根据社交关系服务器提供的好友关系,排名服务器可以计算用户到参考用户群中每个用户的人际距离。例如,在某个好友体系中,一个用户A有好友B,则用户A和用户B的之间的人际距离为1,如果用户B有好友C,并且用户C不是用户A的好友,则用户A和用户C的之间的人际距离为2,依次类推。根据六度分割理论,两个用户之间的人际距离最远为7,此时两个用户之间所间隔的好友为六个。
上述好友关联体系可以是拥有用户,及用户的好友关系特性的平台。社交关系服务器可以是存储下列一个或多个好友关联体系的用户及其好友信息的服务器,例如,邮箱服务系统中的用户及用户好友关系;社交网络服务网站中的用户及用户好友关系;即时通信系统中的用户及用户好友关系;网络游戏平台中的用户及用户好友关系;基于用户关系的信息分享、传播以及获取平台中的用户及用户好友关系;或,电子商务网站中的用户及用户好友关系。例如,在购物网站平台中,用户可以添加自己的好友,所有用户的好友关系在一起构成了一个社交网络。或者,在邮箱服务系统中,邮箱用户有自己的通信簿或好友名单,所有的用户及其通信簿在一起构成一种人际网络,例如A的通信录中有(b,c,d);b的通信录中有(d,g,t,w),这样A与b的人际距离就是1,A与w的人际距离就是2,对于A来说,距离是1的b比距离是2的w具有更近的人际关系。上述好友关联体系可以是虚拟社区网络平台,或是即时通信系统,或者网络游戏平台等具有用户及用户的好友关系特性的平台。
本申请实施例中,人际距离的值越小,表示两个用户的人际距离更近。人际距离可以设定取值范围为1-7。另外,考虑到并非所有的自然人都是某一个好友关联体系的使用者,因此,两个用户之间可能需要不止6个而是更多的人才能彼此认识,服务器在根据好友关系计算人际距离,如果经过一定时间或者运算量的搜索无法通过好友关系确定人际距离,则可以设定人际距离为特定值,例如10。
另外,除了根据好友关系确定人际距离,也可以根据社交关系服务器能够提供的其他衡量两个用户之间相似度的信息来综合评定人际距离。现有社交关系服务系统中,可以根据相同话题对用户进行凝聚、根据学习经历进行凝聚、根据周末出游的相同地点进行凝聚等,这些都是社交关系的一部分,提供了一种从好友关系之外的方式来衡量两个用户之间人际关系的远近。
具体的,可以设定若干个用户属性,评价两个用户在这些用户属性上是否具有共性,两个用户的用户属性的共性越多,人际距离越小,具体的,可以根据判断用户属性是否相同,对人际距离增加相应的权重使之变小。
例如,设定5个用户属性,分别为:(k1,参加相同的聚会),(k2,喜欢相同的乐队),(k3,相同的大学),(k4,喜欢足球),(k5,话题关注相似度),基于用户属性评价的人际距离K=k1*k2*k3*k4*k5,如果某个用户属性相同,则相应的ki(i∈[1,5])取值为0.8,如果用户属性相同不同则ki取值为1。例如在好友关系的基础上,如果用户A和用户B,k1,k2,k3相同,k4,k5不同,则K=0.8*0.8*0.8*1*1=0.512。上述具体的参数取值和公式仅为示范具体,本申请的技术方案不限于本实施例中的参数和公式的设定。
步骤104,排名服务器获取参考用户群中每个用户对该查询商品的评价值。
如果参考用户群是已购买用户群,则评价值为参考用户群中用户对商品的评价,如果参考用户群是意愿用户群,则评价值为意愿用户群中用户对商品的购买意愿程度评价值。
当参考用户群为已购买用户群时,某些已购买用户可能未提供评价,可以将这些用户的评价值设为一默认值;或者在选取参考用户群时,默认选取已经提供了评价值的已购买用户。当参考用户群为表示了购买意愿的用户群时,同样的,可以将没有提供了购买意愿程度评价值的意愿用户的购买意愿程度评价值设为一默认值;也可以设定默认选取表达了购买意愿并且已经提供了购买意愿程度评价值的意愿用户。
评价值可以是用户根据系统给出的一个评分范围给出的一个打分,也可以由系统提供根据用户提供的“好中差”等级评价进行量化得到评价值。
本申请实施例中,步骤103和步骤104不分先后顺序。
步骤105,排名服务器根据参考用户群中每个用户的人际距离,以及参考用户群中每个用户对该查询商品的评价值,计算用户关系维度排名指数。
具体的,对参考用户群中每个用户对该查询商品的评价值增加一个权重系数。该权重系数根据人际距离确定,反应人际关系对参考用户群中用户评价值的影响,权重系数随着人际距离的增大而减小。例如,可以设定权重系数和人际距离成反比,或者为了增强人际关系对于评价值的影响,可以设定权重系数和人际距离的平方成反比,或者可以根据系统需求或经验结果设定其他算法来设定权重系数。计算参考用户群中每个用户权重之后的评价值的平均值,从而得到用户关系维度排名指数。用户关系维度排名算法可以根据如下公式计算得到:
用户关系维度排名指数=SUM(评价值/人际距离)/样本数;或,
用户关系维度排名指数=SUM(评价值*f(人际距离))/样本数,其中,f(人际距离)为根据人际距离计算得到的权重系数。
如表1所示,为某个查询商品对应的用户参考群中的用户到发起查询请求的用户之间的人际距离以及对查询商品的评价值。该用户参考群中的每个用户都是在该商家购买过该查询商品)的用户。
表1
用户名 | 人际距离 | 评价值 |
user1 | 1 | 8 |
user2 | 1 | 8 |
user3 | 3 | 7 |
user4 | 2 | 8 |
user5 | 5 | 6 |
user6 | 4 | 7 |
user7 | 3 | 10 |
user8 | 2 | 9 |
user9 | 4 | 6 |
user10 | 6 | 8 |
根据表1中的数据,可以得到查询商品的用户关系维度排名指数为(8/1+8/1+7/3+8/2+6/5+7/4+10/3+9/2+6/4+8/6)/10=3.495。类似的,对于其它查询商品以及对应的参考用户群,可以得到其它各查询商品的关系维度排名指数。
根据商品类别信息查询到的对应查询商品通常为多个,针对其中的每个查询商品分别执行上述步骤102~105,这样可以分别得到每个查询商品的用户关系维度排名指数。
步骤106,排名服务器根据查询商品的用户关系维度排名指数,对所有的查询商品进行排序。
具体的,可以按照用户关系维度排名指数由高到低的顺序进行排名。用户关系维度排名指数为结合了人际距离的评价值的平均,相对于传统的评价值直接平均的评价方法,该评价方法对用户的好友圈的对商品评价的影响进行了量化,对于具有相同平均评价值的两个商品,如果其中一个用户关系维度排名指数较高,说明该商品更加受到用户的好友或用户所在的人际圈的好评,该商品更可能是提交查询用户希望看到的搜索结果。
上述流程的一种典型应用场景为:用户想购买手机,用户可向系统提交查询请求,查询词为“手机触屏”,系统根据该查询请求确定所有匹配的商品,假定匹配的结果包括500个商品条目,系统根据每个条目中商品的历史购买记录,确定该商品之前的100个购买者为参考用户群,根据该100个购买者到提交查询请求的用户的人际距离,以及该100个购买者对于该商品的评价,计算该商品的用户关系维度排名指数,分别计算500个商品的各自的用户关系维度排名指数之后,根据用户关系维度排名指数的大小对这500个商品进行排名。
本申请实施例中,排名服务器根据用户发起的查询请求,获取请求查询的各对象,并获取查询的各对象对应的参考用户群;获取参考用户群中每个用户到发起所述查询请求的用户的人际距离,并获取参考用户群中每个用户对所请求查询的对象的评价值;根据获取到的人际距离和评价值,确定各对象的用户关系维度排名指数,并根据各对象的用户关系维度排名指数,对各对象进行排序,相对于现有技术,本申请实施例的排名服务器根据用户和参考用户人际距离的远近以及参考用户的评价值进行排名,将用户的社交圈的选择对用户选择购物的参考价值进行了量化,提供了一种基于用户特性的排名方法。
实施例二
本申请实施例基于参考商家到用户的人际距离的远近和参考商家的评价值计算参考商家的商家关系维度排名指数,并基于商家关系维度排名指数对参考商家进行排名。
参见图2,为本申请实施例提供的基于人际距离的排名方法流程示意图,如图所示,该流程可包括:
步骤201,排名服务器获取用户通过所在终端提交的商品查询请求,根据其中的商品描述信息获取相应的各参考商家。
步骤202,排名服务器向社交关系服务器发送社交关系查询请求,分别获取发起查询请求的用户到各参考商家的人际距离。
用户到参考商家的人际距离可以根据和步骤102中类似的方法,根据用户和参考商家在社交网络中的好友关系进行确定。
用户到参考商家的人际距离也可以根据用户和参考商家的交易记录进行确定,例如,设定人际距离取值范围为1到7,如果用户和参考商家曾经有过成功的交易记录,用户到参考商家的人际距离取较小值1,如果用户和参考商家曾经有过失败的交易记录,用户到参考商家的人际距离取较大值7。具体可以根据交易数据库中记录的用户和参考商家的交易次数以及交易的成功率确定用户和参考商家之间的人际距离。
步骤203,排名服务器获取各参考商家的评价值。
其中,参考商家的评价值可以根据现有的网络交易平台中评价商家的方法确定。
其中,步骤202和步骤203不分先后顺序。
步骤204,排名服务器根据各参考商家的人际距离,以及各参考商家的评价值,确定各参考商家的商家关系维度排名指数。
具体的,对于每个参考商家,其到用户人际距离越远,其评价值的参考度越低,相应的权重越低。
可以根据如下公式计算:商家关系维度排名指数=评价值/人际距离。
步骤205,排名服务器根据各参考商家的商家关系维度排名指数,对各参考商家进行排序。
具体的,可以按照商家关系维度排名指数由大到小的顺序进行排名。具有相同评价值的两个商家,如果其中一个商家的商家关系维度排名指数较高,说明该商家更加受到用户的好友或用户所在的人际圈的好评,该商品更可能是被提交查询用户将要选择的结果。
本申请实施例中,排名服务器获取用户提交的查询商品,根据所述查询商品获取提供该查询商品的参考商家;排名服务器向社交关系服务器发送社交关系查询请求,获取用户到参考商家的人际距离;获取所述参考商家的评价值;根据用户到参考商家的人际距离,以及参考商家的评价值,确定所述参考商家的商家关系维度排名指数;根据参考商家的商家关系维度排名指数,对参考商家进行排序。相对于现有技术,本申请实施例的排名服务器根据用户和参考商家人际距离的远近以及商家的评价值进行排名,将商家和用户人际距离因素对用户选择购物的参考价值进行了量化,提供了一种基于用户特性的排名方法。
实施例三
本实施例基于购买者到用户的人际距离的远近和购买者对商品的评价值计算商品的用户关系维度排名指数,基于提供该商品的商家到用户的人际距离的远近和该商家的评价值计算参考该商家的商家关系维度排名指数,综合考虑用户关系维度排名指数和商家关系维度排名指数对商品进行评价并排序。
参见图3,基于和上述方法实施例相似的技术构思,本申请实施例提供了一种基于人际距离的排名方法流程示意图,如图所示,该流程可包括:
步骤301,排名服务器接收用户的商品查询请求,确定和商品查询请求匹配的各查询商品;
步骤302,排名服务器确定各查询商品的用户关系维度排名指数;
其中,确定查询商品的用户关系维度排名指数的过程同步骤102-步骤105。
步骤303,排名服务器确定提供所述各查询商品的商家的商家关系维度排名指数;
其中,确定商家的商家关系维度排名指数的过程同步骤202-步骤204。
步骤304,根据所述用户关系维度排名指数以及所述商家关系维度排名指数得到综合指数;
具体的,当上述用户关系维度排名指数为A,上述商家关系维度排名指数为B,可以如下公式得到综合指数:C=k1*A+k2*B,其中C为综合指数,k1,k2为权重系统,可以根据经验值设定。
步骤305,根据所述综合指数对各查询商品进行排序。
具体的,可以按照综合指数由大到小的顺序进行排名。对于具有相同平均评价值的两个商品,并且提供这两个商品的商家具有相同评价值,如果其中一个商品的综合指数较高,说明该商品更加受到用户的好友或用户所在的人际圈的好评,该商品更可能是被提交查询用户将要选择的结果。
另外,也可以在本申请实施例提供的排名方法中结合现有的排名方法来进行排名,并根据权重因子的设定确定各种排名评价方法在最终排名结果中所占的权重。例如,根据排名服务器确定用户请求查询的各对象的用户关系维度排名指数,并获取现有排名方法中的网购平台维度指数,根据用户关系维度排名指数以及网购平台维度指数确定各对象的综合指数,从而根据各对象的综合指数对各对象进行排序。
在本申请提供的方法实施例中,排名服务器在根据各对象的用户关系维度排名指数,或各对象的商家关系维度排名指数,或各对象的综合指数对各对象进行排序之后,可以根据排序的结果,向发起查询的用户所在终端返回查询结果。
基于与上述方法实施例相同的技术构思,本申请实施例提供了一种排名服务器。
参见图4,为本申请实施例提供的排名服务器的结构示意图,该服务器可包括:
获取单元41,用于根据用户终端发起的查询请求,为所请求查询的各对象选取参考用户群;
获取单元41还用于获取参考用户群中每个用户到发起所述查询请求的用户的人际距离,并获取参考用户群中每个用户对所请求查询的对象的评价值;
排序单元42,用于根据获取到的人际距离和评价值,确定各对象的用户关系维度排名指数,并根据各对象的用户关系维度排名指数,对各对象进行排序
上述服务器中,所述获取单元41为所述各对象选取参考用户群包括:
根据预设的参考用户群的样本数,选取最近购买了所述对象的相应数量的用户组成参考用户群;或,
根据预设的参考用户群的样本数,选取最近对所述对象表示了购买意愿的相应数量的用户组成参考用户群;或,
根据预设的参考用户群的样本数,按照设定比例选取最近购买了所述对象的用户以及最近对所述对象表示了购买意愿的用户组成参考用户群。
上述服务器中,所述获取单元41获取各参考用户群中每个用户到发起所述查询请求的用户的人际距离,包括:
所述获取单元41从社交关系服务器获取用户的好友关系信息,根据获取到的好友关系信息确定各参考用户群中每个用户到发起所述查询请求的用户的人际距离;或
所述获取单元41根据社交关系服务器记录的用户属性,判断两个用户在用户属性上是否具有共性,并根据具有共性的用户属性来确定人际距离,其具有共性的用户属性越多,人际距离越小。
上述服务器中,根据获取单元41获取的人际距离设置权重系数,该权重系数随着人际距离的增大而减小;
所述排序单元42根据各参考用户群中每个用户到发起所述查询请求的用户的人际距离,以及参考用户群中每个用户对所述对象的评价值,计算用户关系维度排名指数包括:
根据参考用户群中每个用户的人际距离,计算权重之后的评价值的平均值,从而得到用户关系维度排名指数。
上述服务器中,所述排序单元42计算用户关系维度排名指数的公式为:
用户关系维度排名指数=SUM(评价值/人际距离)/样本数。
本申请实施例中,排名服务器根据用户发起的查询请求,为所请求查询的各对象选取参考用户群;获取参考用户群中每个用户到发起所述查询请求的用户的人际距离,并获取参考用户群中每个用户对所请求查询的对象的评价值;根据获取到的人际距离和评价值,确定各对象的用户关系维度排名指数,并根据各对象的用户关系维度排名指数,对各对象进行排序,相对于现有技术,本申请实施例的排名服务器根据用户和参考用户人际距离的远近以及参考用户的评价值进行排名,将用户的社交圈的选择对用户选择购物的参考价值进行了量化,提供了一种基于用户特性的排名方法。
基于与上述方法实施例相同的技术构思,本申请实施例提供了一种排名服务器。
参见图5,为本申请实施例提供的排名服务器的结构示意图,该服务器可包括:
确定单元51,用于根据用户终端提交的查询请求,确定所请求查询的各对象各自所在的参考商家;
获取单元52,用于获取发起所述查询请求的用户到参考商家的人际距离,并获取所述参考商家的评价值;
排序单元53,用于根据获取到的人际距离和参考商家的评价值,确定所述参考商家的商家关系维度排名指数,并根据参考商家的商家关系维度排名指数,对参考商家进行排序。
上述服务器中,所述获取单元52获取发起所述查询请求的用户到参考商家的人际距离,包括:
所述获取单元52社交关系服务器获取用户的好友关系信息,并根据获取到的好友关系信息确定发起所述查询请求的用户到参考商家的人际距离;或
所述获取单元52从交易数据库获取发起所述查询请求的用户和参考商家的交易次数以及交易成功率,并根据获取到的交易次数以及交易成功率确定用户和参考商家之间的人际距离。
上述服务器中,所述排序单元53确定参考商家的商家关系维度排名指数的公式为:
商家关系维度排名指数=评价值/人际距离。
基于与上述方法实施例相同的技术构思,本申请实施例提供了一种排名服务器。
参见图6,为本申请实施例提供的排名服务器的结构示意图,该服务器可包括:
综合单元61,用于接收用户终端发起的查询请求,获取请求查询的各对象,确定各对象的综合指数;
排序单元62,用于根据各对象的综合指数对各对象进行排序;
其中,所述综合单元61具体用于根据如下方法中的一种确定各对象的综合指数:
策略一,排名服务器根据上述基于人际距离的排名方法确定用户请求查询的各对象的用户关系维度排名指数,并根据用户关系维度排名指数以及网购平台维度指数,确定各对象的综合指数;或
策略二,排名服务器根据上述基于人际距离的排名方法确定所述各对象所在的商家的商家关系维度排名指数;并根据商家关系维度排名指数以及网购平台维度指数,确定各对象的综合指数;或
策略三,排名服务器根据上述基于人际距离的排名方法确定用户请求查询的各对象的用户关系维度排名指数,根据上述基于人际距离的排名方法确定所述各对象所在的商家的商家关系维度排名指数;排名服务器根据用户关系维度排名指数和商家关系维度排名指数确定各对象的综合指数;或者,根据用户关度排名指数确定各对象的综合指数;或者,根据用户关系维度排名指数、商家关系维度排名指数,以及网购平台维度指数,确定各对象的综合指数。
上述服务器中,所述综合单元61确定对象的综合指数包括:对对象的用户关系维度排名指数,商家关系维度排名指数,以及网购平台维度指数进行加权求和后得到该对象的综合指数。
在本申请实施例的排名服务器中,还可以包括:响应单元,用于根据所述排序单元排序的结果,向发起查询的用户返回查询结果。
本领域技术人员可以理解实施例中的装置中的模块可以按照实施例描述进行分布于实施例的装置中,也可以进行相应变化位于不同于本实施例的一个或多个装置中。上述实施例的模块可以合并为一个模块,也可以进一步拆分成多个子模块。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到本申请可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台终端设备(可以是手机,个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述的方法。
以上所述仅是本申请的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本申请原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视本申请的保护范围。
Claims (18)
1.一种基于人际距离的排名方法,其特征在于,包括:
排名服务器根据用户终端发起的查询请求,获取请求查询的各对象,并获取查询的各对象对应的参考用户群;
排名服务器获取参考用户群中每个用户到发起所述查询请求的用户的人际距离,并获取参考用户群中每个用户对所请求查询的对象的评价值;
排名服务器根据获取到的人际距离和评价值,确定各对象的用户关系维度排名指数,并根据各对象的用户关系维度排名指数,对各对象进行排序。
2.如权利要求1所述的方法,其特征在于,所述获取查询的各对象对应的参考用户群包括:
根据预设的参考用户群的样本数,选取最近购买了所述对象的相应数量的用户组成参考用户群;或,
根据预设的参考用户群的样本数,选取最近对所述对象表示了购买意愿的相应数量的用户组成参考用户群;或,
根据预设的参考用户群的样本数,按照设定比例选取最近购买了所述对象的用户以及最近对所述对象表示了购买意愿的用户组成参考用户群。
3.如权利要求1所述的方法,其特征在于,所述排名服务器获取各参考用户群中每个用户到发起所述查询请求的用户的人际距离,包括:
所述排名服务器从社交关系服务器获取用户的好友关系信息,根据获取到的好友关系信息确定各参考用户群中每个用户到发起所述查询请求的用户的人际距离;或
所述排名服务器根据社交关系服务器记录的用户属性,判断两个用户在用户属性上是否具有共性,并根据具有共性的用户属性来确定人际距离,其具有共性的用户属性越多,人际距离越小。
4.如权利要求1所述的方法,其特征在于,根据人际距离设置权重系数,该权重系数随着人际距离的增大而减小;
所述根据各参考用户群中每个用户到发起所述查询请求的用户的人际距离,以及参考用户群中每个用户对所述对象的评价值,计算用户关系维度排名指数包括:
根据参考用户群中每个用户的人际距离,计算权重之后的评价值的平均值,从而得到用户关系维度排名指数。
5.如权利要求1所述的方法,其特征在于,所述计算用户关系维度排名指数的公式为:
用户关系维度排名指数=SUM(评价值/人际距离)/样本数。
6.如权利要求3所述的方法,其特征在于,所述社交关系服务器存储如下内容中的一项或多项,
邮箱服务系统中的用户及用户好友关系;社交网络服务网站中的用户及用户好友关系;即时通信系统中的用户及用户好友关系;网络游戏平台中的用户及用户好友关系;基于用户关系的信息分享、传播以及获取平台中的用户及用户好友关系;电子商务网站中的用户及用户好友关系。
7.一种基于人际距离的排名方法,其特征在于,包括:
排名服务器根据用户终端提交的查询请求,确定所请求查询的各对象各自所在的参考商家;
排名服务器获取发起所述查询请求的用户到参考商家的人际距离,并获取所述参考商家的评价值;
排名服务器根据获取到的人际距离和参考商家的评价值,确定所述参考商家的商家关系维度排名指数,并根据参考商家的商家关系维度排名指数,对参考商家进行排序。
8.如权利要求7所述的方法,其特征在于,所述排名服务器获取发起所述查询请求的用户到参考商家的人际距离,包括:
所述排名服务器从社交关系服务器获取用户的好友关系信息,并根据获取到的好友关系信息确定发起所述查询请求的用户到参考商家的人际距离;或
所述排名服务器从交易数据库获取发起所述查询请求的用户和参考商家的交易次数以及交易成功率,并根据获取到的交易次数以及交易成功率确定用户和参考商家之间的人际距离。
9.如权利要求7所述的方法,其特征在于,确定参考商家的商家关系维度排名指数的公式为:
商家关系维度排名指数=评价值/人际距离。
10.一种基于人际距离的排名方法,其特征在于,包括:
排名服务器接收用户终端发起的查询请求,获取请求查询的各对象,确定各对象的综合指数;
排名服务器根据各对象的综合指数对各对象进行排序;
其中,排名服务器根据如下策略中的一种确定各对象的综合指数:
策略一,排名服务器根据如权利要求1-6中任一项所述的基于人际距离的排名方法确定用户请求查询的各对象的用户关系维度排名指数,并根据用户关系维度排名指数以及网购平台维度指数,确定各对象的综合指数;
策略二,排名服务器根据如权利要求7-9中任一项所述的基于人际距离的排名方法确定所述各对象所在的商家的商家关系维度排名指数;并根据商家关系维度排名指数以及网购平台维度指数,确定各对象的综合指数;
策略三,排名服务器根据如权利要求1-6中任一项所述的基于人际距离的排名方法确定用户请求查询的各对象的用户关系维度排名指数,根据如权利要求7-9中任一项所述的基于人际距离的排名方法确定所述各对象所在的商家的商家关系维度排名指数;排名服务器根据用户关系维度排名指数和商家关系维度排名指数确定各对象的综合指数;或者,根据用户关系维度排名指数、商家关系维度排名指数,以及网购平台维度指数,确定各对象的综合指数。
11.如权利要求10所述的方法,其特征在于,确定对象的综合指数,包括:
对对象的用户关系维度排名指数,商家关系维度排名指数,以及网购平台维度指数进行加权求和后得到该对象的综合指数。
12.一种信息搜索方法,其特征在于,包括:
排名服务器接收用户终端发起的查询请求,获取请求查询的各对象,对各对象进行排序;
排名服务器根据排序的结果,向发起查询的用户终端返回查询结果;
其中,所述对各对象进行排序包括:
排名服务器根据如权利要求1-6中任一项所述的基于人际距离的排名方法确定用户请求查询的各对象的用户关系维度排名指数,并根据各对象的用户关系维度排名指数,对各对象进行排序;或,
根据如权利要求7-9中任一项所述的基于人际距离的排名方法确定所述各对象所在的商家的商家关系维度排名指数,并根据各对象所在的商家的商家关系维度排名指数,对各对象进行排序;或,
根据如权利要求10-11中任一项所述的基于人际距离的排名方法确定各对象的综合指数,并根据各对象的综合指数,对各对象进行排序。
13.一种排名服务器,其特征在于,包括:
获取单元,用于根据用户终端发起的查询请求,获取请求查询的各对象,并获取查询的各对象对应的参考用户群;
所述获取单元,还用于获取参考用户群中每个用户到发起所述查询请求的用户的人际距离,并获取参考用户群中每个用户对所请求查询的对象的评价值;
排序单元,用于根据获取到的人际距离和评价值,确定各对象的用户关系维度排名指数,并根据各对象的用户关系维度排名指数,对各对象进行排序。
14.如权利要求13所述的服务器,其特征在于,根据获取单元获取的人际距离设置权重系数,该权重系数随着人际距离的增大而减小;
所述排序单元根据各参考用户群中每个用户到发起所述查询请求的用户的人际距离,以及参考用户群中每个用户对所述对象的评价值,计算用户关系维度排名指数包括:
根据参考用户群中每个用户的人际距离,计算权重之后的评价值的平均值,从而得到用户关系维度排名指数。
15.如权利要求13-14中任一项所述的服务器,其特征在于,所述服务器还包括,响应单元,用于根据所述排序单元排序的结果,向发起查询的用户终端返回查询结果。
16.一种排名服务器,其特征在于,包括:
确定单元,用于根据用户终端提交的查询请求,确定所请求查询的各对象各自所在的参考商家;
获取单元,用于获取发起所述查询请求的用户到参考商家的人际距离,并获取所述参考商家的评价值;
排序单元,用于根据获取到的人际距离和参考商家的评价值,确定所述参考商家的商家关系维度排名指数,并根据参考商家的商家关系维度排名指数,对参考商家进行排序。
17.如权利要求16所述的服务器,其特征在于,所述服务器还包括,响应单元,用于根据所述排序单元排序的结果,向发起查询的用户终端返回查询结果。
18.一种排名服务器,其特征在于,包括:
综合单元,用于接收用户终端发起的查询请求,获取请求查询的各对象,确定各对象的综合指数;
排序单元,用于根据各对象的综合指数对各对象进行排序;
其中,所述综合单元具体用于根据如下策略中的一种确定各对象的综合指数:
策略一,排名服务器根据如权利要求1-6中任一项所述的基于人际距离的排名方法确定用户请求查询的各对象的用户关系维度排名指数,并根据用户关系维度排名指数以及网购平台维度指数,确定各对象的综合指数;
策略二,排名服务器根据如权利要求7-9中任一项所述的基于人际距离的排名方法确定所述各对象所在的商家的商家关系维度排名指数;并根据商家关系维度排名指数以及网购平台维度指数,确定各对象的综合指数;
策略三,排名服务器根据如权利要求1-6中任一项所述的基于人际距离的排名方法确定用户请求查询的各对象的用户关系维度排名指数,根据如权利要求7-9中任一项所述的基于人际距离的排名方法确定所述各对象所在的商家的商家关系维度排名指数;排名服务器根据用户关系维度排名指数和商家关系维度排名指数确定各对象的综合指数;或者,根据用户关系维度排名指数、商家关系维度排名指数,以及网购平台维度指数,确定各对象的综合指数。
Priority Applications (7)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2011101955069A CN102880608A (zh) | 2011-07-13 | 2011-07-13 | 基于人际距离的排名、搜索方法和装置 |
TW100148958A TWI534733B (zh) | 2011-07-13 | 2011-12-27 | Based on interpersonal distance ranking, search methods and devices |
EP12736053.5A EP2732418A1 (en) | 2011-07-13 | 2012-07-12 | Ranking and searching method and apparatus based on interpersonal distances |
US13/637,116 US9767492B2 (en) | 2011-07-13 | 2012-07-12 | Ranking and searching method and apparatus based on interpersonal distances |
PCT/US2012/046464 WO2013009980A1 (en) | 2011-07-13 | 2012-07-12 | Ranking and searching method and apparatus based on interpersonal distances |
JP2014520322A JP6189836B2 (ja) | 2011-07-13 | 2012-07-12 | 個人間距離に基づくランク付けおよび検索方法および装置 |
US15/679,093 US20170345067A1 (en) | 2011-07-13 | 2017-08-16 | Ranking and Searching Method and Apparatus Based on Interpersonal Distances |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2011101955069A CN102880608A (zh) | 2011-07-13 | 2011-07-13 | 基于人际距离的排名、搜索方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN102880608A true CN102880608A (zh) | 2013-01-16 |
Family
ID=46516897
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2011101955069A Pending CN102880608A (zh) | 2011-07-13 | 2011-07-13 | 基于人际距离的排名、搜索方法和装置 |
Country Status (6)
Country | Link |
---|---|
US (2) | US9767492B2 (zh) |
EP (1) | EP2732418A1 (zh) |
JP (1) | JP6189836B2 (zh) |
CN (1) | CN102880608A (zh) |
TW (1) | TWI534733B (zh) |
WO (1) | WO2013009980A1 (zh) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103970768A (zh) * | 2013-01-29 | 2014-08-06 | 腾讯科技(深圳)有限公司 | 获取排名的方法及系统 |
CN104239423A (zh) * | 2014-08-22 | 2014-12-24 | 北京盛世光明软件股份有限公司 | 一种人脉关系距离获取方法及系统 |
CN104462337A (zh) * | 2014-12-04 | 2015-03-25 | 上海理工大学 | 网络购物情况显示装置 |
CN104657369A (zh) * | 2013-11-19 | 2015-05-27 | 深圳市腾讯计算机系统有限公司 | 用户属性信息的生成方法及系统 |
CN105208068A (zh) * | 2014-06-26 | 2015-12-30 | 中兴通讯股份有限公司 | 一种推送黄页信息的方法及黄页服务器 |
CN105227448A (zh) * | 2015-10-30 | 2016-01-06 | Tcl集团股份有限公司 | 一种信息推送方法及系统 |
CN105247555A (zh) * | 2013-05-09 | 2016-01-13 | 微软技术许可有限责任公司 | 在生成推荐时考虑社交信息 |
CN105378719A (zh) * | 2013-03-14 | 2016-03-02 | 微软技术许可有限责任公司 | 使用社交过滤作为算子的搜索 |
CN107886345A (zh) * | 2016-09-30 | 2018-04-06 | 阿里巴巴集团控股有限公司 | 选取数据对象的方法及装置 |
CN110800011A (zh) * | 2017-06-29 | 2020-02-14 | 北京嘀嘀无限科技发展有限公司 | 用于提供购车金融方案的系统和方法 |
CN110807680A (zh) * | 2018-08-06 | 2020-02-18 | 阿里巴巴集团控股有限公司 | 数据对象信息处理方法、装置及电子设备 |
CN111581245A (zh) * | 2020-03-26 | 2020-08-25 | 口口相传(北京)网络技术有限公司 | 一种数据搜索方法以及装置 |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9697529B2 (en) * | 2012-03-13 | 2017-07-04 | American Express Travel Related Services Company, Inc. | Systems and methods for tailoring marketing |
US20140222817A1 (en) * | 2013-02-04 | 2014-08-07 | David Allen Olsen | System and method for grouping segments of data sequences into clusters |
CN105843836A (zh) * | 2015-02-02 | 2016-08-10 | 三星电子株式会社 | 用于搜索内容的装置、系统和方法 |
US9965560B2 (en) | 2015-02-02 | 2018-05-08 | Samsung Electronics Co., Ltd. | Social-distance permission-based search algorithm |
US10007721B1 (en) | 2015-07-02 | 2018-06-26 | Collaboration. AI, LLC | Computer systems, methods, and components for overcoming human biases in subdividing large social groups into collaborative teams |
CN105096144A (zh) * | 2015-08-24 | 2015-11-25 | 小米科技有限责任公司 | 社交关系分析方法及装置 |
CN107767171A (zh) * | 2017-09-29 | 2018-03-06 | 阿里巴巴集团控股有限公司 | 确定用户重要度的方法、装置和电子设备 |
US11195205B2 (en) | 2018-06-12 | 2021-12-07 | Capital One Services, Llc | Systems and methods for processing and providing transaction affinity profile information |
CN109543078A (zh) * | 2018-10-18 | 2019-03-29 | 深圳云天励飞技术有限公司 | 社会关系确定方法、装置、设备及计算机可读存储介质 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6092049A (en) * | 1995-06-30 | 2000-07-18 | Microsoft Corporation | Method and apparatus for efficiently recommending items using automated collaborative filtering and feature-guided automated collaborative filtering |
US20070031109A1 (en) * | 2005-08-04 | 2007-02-08 | Sougo Tsuboi | Content management system and content management method |
US20080275719A1 (en) * | 2005-12-16 | 2008-11-06 | John Stannard Davis | Trust-based Rating System |
US20090006388A1 (en) * | 2007-06-28 | 2009-01-01 | Taptu Ltd. | Search result ranking |
US20090030801A1 (en) * | 2005-11-07 | 2009-01-29 | Anthony Meggs | Permissive search intent registry |
CN101388024A (zh) * | 2008-10-09 | 2009-03-18 | 浙江大学 | 一种基于复杂网络的压缩空间高效搜索方法 |
CN101493818A (zh) * | 2008-01-24 | 2009-07-29 | 徐蔚 | 基于人际关系网络的网络信息搜索方法 |
CN101499101A (zh) * | 2009-03-10 | 2009-08-05 | 腾讯科技(深圳)有限公司 | 一种社会化网络中特征关系圈的提取方法及装置 |
CN101841539A (zh) * | 2010-04-16 | 2010-09-22 | 工业和信息化部电信传输研究所 | 一种基于信任度的网格资源分配方法、装置及系统 |
CN101986299A (zh) * | 2010-10-28 | 2011-03-16 | 浙江大学 | 基于超图的多任务个性化网络服务方法 |
US20110106597A1 (en) * | 2009-10-28 | 2011-05-05 | Pushkart, Llc | Methods And Systems For Offering Discounts |
Family Cites Families (28)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6785671B1 (en) * | 1999-12-08 | 2004-08-31 | Amazon.Com, Inc. | System and method for locating web-based product offerings |
US7233940B2 (en) * | 2000-11-06 | 2007-06-19 | Answers Corporation | System for processing at least partially structured data |
US20020156792A1 (en) * | 2000-12-06 | 2002-10-24 | Biosentients, Inc. | Intelligent object handling device and method for intelligent object data in heterogeneous data environments with high data density and dynamic application needs |
JP2004259083A (ja) * | 2003-02-27 | 2004-09-16 | Shigeru Koyanagi | 情報検索方法、情報検索サーバ、及び情報検索プログラム |
US7788260B2 (en) | 2004-06-14 | 2010-08-31 | Facebook, Inc. | Ranking search results based on the frequency of clicks on the search results by members of a social network who are within a predetermined degree of separation |
US8060463B1 (en) * | 2005-03-30 | 2011-11-15 | Amazon Technologies, Inc. | Mining of user event data to identify users with common interests |
US7451161B2 (en) * | 2005-04-28 | 2008-11-11 | Friendster, Inc. | Compatibility scoring of users in a social network |
JP4625365B2 (ja) * | 2005-05-02 | 2011-02-02 | 日本放送協会 | 推薦順位選定装置及び推薦順位選定プログラム |
US20070060173A1 (en) * | 2005-09-14 | 2007-03-15 | Jorey Ramer | Managing sponsored content based on transaction history |
US20070060114A1 (en) * | 2005-09-14 | 2007-03-15 | Jorey Ramer | Predictive text completion for a mobile communication facility |
US8688673B2 (en) * | 2005-09-27 | 2014-04-01 | Sarkar Pte Ltd | System for communication and collaboration |
JP2007148741A (ja) * | 2005-11-28 | 2007-06-14 | Hitachi Software Eng Co Ltd | Web検索支援サーバ |
US8112324B2 (en) | 2006-03-03 | 2012-02-07 | Amazon Technologies, Inc. | Collaborative structured tagging for item encyclopedias |
JP2008097365A (ja) | 2006-10-12 | 2008-04-24 | Ntt Docomo Inc | サービス情報提供装置およびサービス情報提供方法 |
US20080183694A1 (en) | 2007-01-31 | 2008-07-31 | Daniel Cane | Method and system presenting search results using relationship information |
US20080195586A1 (en) | 2007-02-09 | 2008-08-14 | Sap Ag | Ranking search results based on human resources data |
US20090063304A1 (en) * | 2007-08-29 | 2009-03-05 | Anthony Meggs | System and method for searching, identifying, and ranking merchants based upon preselected criteria such as social values |
US20110131106A1 (en) * | 2009-12-02 | 2011-06-02 | George Eberstadt | Using social network and transaction information |
US8244721B2 (en) * | 2008-02-13 | 2012-08-14 | Microsoft Corporation | Using related users data to enhance web search |
US7974974B2 (en) | 2008-03-20 | 2011-07-05 | Microsoft Corporation | Techniques to perform relative ranking for search results |
JP2009289092A (ja) | 2008-05-30 | 2009-12-10 | Sony Corp | 情報処理装置、推薦方法、プログラム及び記録媒体 |
US8108406B2 (en) * | 2008-12-30 | 2012-01-31 | Expanse Networks, Inc. | Pangenetic web user behavior prediction system |
US20100174712A1 (en) | 2009-01-07 | 2010-07-08 | Microsoft Corporation | Expertise ranking using social distance |
US9088757B2 (en) | 2009-03-25 | 2015-07-21 | Eloy Technology, Llc | Method and system for socially ranking programs |
CN101996215B (zh) | 2009-08-27 | 2013-07-24 | 阿里巴巴集团控股有限公司 | 一种应用于电子商务网站的信息匹配方法和系统 |
WO2011053830A2 (en) | 2009-10-30 | 2011-05-05 | Google Inc. | Social search engine |
US8880520B2 (en) | 2010-04-21 | 2014-11-04 | Yahoo! Inc. | Selectively adding social dimension to web searches |
US20120131013A1 (en) | 2010-11-19 | 2012-05-24 | Cbs Interactive Inc. | Techniques for ranking content based on social media metrics |
-
2011
- 2011-07-13 CN CN2011101955069A patent/CN102880608A/zh active Pending
- 2011-12-27 TW TW100148958A patent/TWI534733B/zh active
-
2012
- 2012-07-12 WO PCT/US2012/046464 patent/WO2013009980A1/en active Application Filing
- 2012-07-12 EP EP12736053.5A patent/EP2732418A1/en not_active Withdrawn
- 2012-07-12 JP JP2014520322A patent/JP6189836B2/ja active Active
- 2012-07-12 US US13/637,116 patent/US9767492B2/en active Active
-
2017
- 2017-08-16 US US15/679,093 patent/US20170345067A1/en not_active Abandoned
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6092049A (en) * | 1995-06-30 | 2000-07-18 | Microsoft Corporation | Method and apparatus for efficiently recommending items using automated collaborative filtering and feature-guided automated collaborative filtering |
US20070031109A1 (en) * | 2005-08-04 | 2007-02-08 | Sougo Tsuboi | Content management system and content management method |
US20090030801A1 (en) * | 2005-11-07 | 2009-01-29 | Anthony Meggs | Permissive search intent registry |
US20080275719A1 (en) * | 2005-12-16 | 2008-11-06 | John Stannard Davis | Trust-based Rating System |
US20090006388A1 (en) * | 2007-06-28 | 2009-01-01 | Taptu Ltd. | Search result ranking |
CN101493818A (zh) * | 2008-01-24 | 2009-07-29 | 徐蔚 | 基于人际关系网络的网络信息搜索方法 |
CN101388024A (zh) * | 2008-10-09 | 2009-03-18 | 浙江大学 | 一种基于复杂网络的压缩空间高效搜索方法 |
CN101499101A (zh) * | 2009-03-10 | 2009-08-05 | 腾讯科技(深圳)有限公司 | 一种社会化网络中特征关系圈的提取方法及装置 |
US20110106597A1 (en) * | 2009-10-28 | 2011-05-05 | Pushkart, Llc | Methods And Systems For Offering Discounts |
CN101841539A (zh) * | 2010-04-16 | 2010-09-22 | 工业和信息化部电信传输研究所 | 一种基于信任度的网格资源分配方法、装置及系统 |
CN101986299A (zh) * | 2010-10-28 | 2011-03-16 | 浙江大学 | 基于超图的多任务个性化网络服务方法 |
Cited By (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103970768B (zh) * | 2013-01-29 | 2018-07-20 | 腾讯科技(深圳)有限公司 | 获取排名的方法及系统 |
CN103970768A (zh) * | 2013-01-29 | 2014-08-06 | 腾讯科技(深圳)有限公司 | 获取排名的方法及系统 |
CN105378719A (zh) * | 2013-03-14 | 2016-03-02 | 微软技术许可有限责任公司 | 使用社交过滤作为算子的搜索 |
CN105247555A (zh) * | 2013-05-09 | 2016-01-13 | 微软技术许可有限责任公司 | 在生成推荐时考虑社交信息 |
CN104657369A (zh) * | 2013-11-19 | 2015-05-27 | 深圳市腾讯计算机系统有限公司 | 用户属性信息的生成方法及系统 |
CN105208068A (zh) * | 2014-06-26 | 2015-12-30 | 中兴通讯股份有限公司 | 一种推送黄页信息的方法及黄页服务器 |
WO2015196567A1 (zh) * | 2014-06-26 | 2015-12-30 | 中兴通讯股份有限公司 | 推送黄页信息的方法、黄页服务器及计算机可读存储介质 |
CN104239423A (zh) * | 2014-08-22 | 2014-12-24 | 北京盛世光明软件股份有限公司 | 一种人脉关系距离获取方法及系统 |
CN104462337A (zh) * | 2014-12-04 | 2015-03-25 | 上海理工大学 | 网络购物情况显示装置 |
CN105227448B (zh) * | 2015-10-30 | 2019-09-17 | Tcl集团股份有限公司 | 一种信息推送方法及系统 |
CN105227448A (zh) * | 2015-10-30 | 2016-01-06 | Tcl集团股份有限公司 | 一种信息推送方法及系统 |
CN107886345B (zh) * | 2016-09-30 | 2021-12-07 | 阿里巴巴集团控股有限公司 | 选取数据对象的方法及装置 |
CN107886345A (zh) * | 2016-09-30 | 2018-04-06 | 阿里巴巴集团控股有限公司 | 选取数据对象的方法及装置 |
CN110800011A (zh) * | 2017-06-29 | 2020-02-14 | 北京嘀嘀无限科技发展有限公司 | 用于提供购车金融方案的系统和方法 |
CN110800011B (zh) * | 2017-06-29 | 2023-10-27 | 北京嘀嘀无限科技发展有限公司 | 用于提供购车金融方案的系统和方法 |
CN110807680A (zh) * | 2018-08-06 | 2020-02-18 | 阿里巴巴集团控股有限公司 | 数据对象信息处理方法、装置及电子设备 |
CN110807680B (zh) * | 2018-08-06 | 2023-05-02 | 阿里巴巴集团控股有限公司 | 数据对象信息处理方法、装置及电子设备 |
CN111581245A (zh) * | 2020-03-26 | 2020-08-25 | 口口相传(北京)网络技术有限公司 | 一种数据搜索方法以及装置 |
CN111581245B (zh) * | 2020-03-26 | 2023-10-17 | 口口相传(北京)网络技术有限公司 | 一种数据搜索方法以及装置 |
Also Published As
Publication number | Publication date |
---|---|
EP2732418A1 (en) | 2014-05-21 |
US20130024447A1 (en) | 2013-01-24 |
US9767492B2 (en) | 2017-09-19 |
TWI534733B (zh) | 2016-05-21 |
JP6189836B2 (ja) | 2017-08-30 |
US20170345067A1 (en) | 2017-11-30 |
JP2014523049A (ja) | 2014-09-08 |
WO2013009980A1 (en) | 2013-01-17 |
TW201303771A (zh) | 2013-01-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102880608A (zh) | 基于人际距离的排名、搜索方法和装置 | |
JP5945369B2 (ja) | 目的物品情報を推薦するための方法およびシステム | |
EP2304619B1 (en) | Correlated information recommendation | |
TW201305944A (zh) | 商品資訊投放方法和設備 | |
US8131601B2 (en) | Method of providing customized information of commodity for on-line shopping mall users | |
CN109522475B (zh) | 一种基于用户历史消费数据的商家推荐方法 | |
US20110035329A1 (en) | Search Methods and Systems Utilizing Social Graphs as Filters | |
US20120123837A1 (en) | Social network shopping system and method | |
US20020174026A1 (en) | Method and apparatus for facilitating the locating of an item | |
CN105809475A (zh) | “互联网+旅游”环境下支持o2o应用的商品推荐方法 | |
US20170024783A1 (en) | Methods and systems for ranking merchants | |
CN102063433A (zh) | 相关项推荐方法和装置 | |
KR100889230B1 (ko) | 쇼핑몰 상품 검색 서비스 시스템 및 방법 | |
WO2012002229A1 (ja) | オークションシステム、オークション装置、オークション方法、プログラム及び情報記録媒体 | |
CN107430732A (zh) | 用于推断评论的系统和方法 | |
JP2010079435A (ja) | 人的ネットワーク活用システム | |
CN105894310A (zh) | 一种个性化推荐方法 | |
CN110647679A (zh) | 一种o2o场景下的搜索结果综合排序方法 | |
US20150095194A1 (en) | Systems and methods for search term prioritization | |
WO2016046873A1 (ja) | 情報処理装置、情報処理方法及びプログラム | |
KR20120130962A (ko) | 유사 성향 분석 방법 및 시스템 | |
KR102436245B1 (ko) | 거래 원장에 기반한 계정간 사회적 관계 도출 방법 및 그 장치와 그를 이용한 소셜 미디어 서비스 제공 방법 및 그 장치 | |
Lakho et al. | The Role Of Online Customer Testimonials In Brand Trust: Utilization Of The Expectancy-Disconfirmation Model | |
JP2011227714A (ja) | 情報提供サーバ、および情報提供システム | |
US20130262254A1 (en) | System and method for organizing trade via the internet |
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: 1175560 Country of ref document: HK |
|
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20130116 |
|
RJ01 | Rejection of invention patent application after publication | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: WD Ref document number: 1175560 Country of ref document: HK |