CN102915307A - 一种个性化信息推荐的方法、装置及信息处理系统 - Google Patents
一种个性化信息推荐的方法、装置及信息处理系统 Download PDFInfo
- Publication number
- CN102915307A CN102915307A CN201110219862XA CN201110219862A CN102915307A CN 102915307 A CN102915307 A CN 102915307A CN 201110219862X A CN201110219862X A CN 201110219862XA CN 201110219862 A CN201110219862 A CN 201110219862A CN 102915307 A CN102915307 A CN 102915307A
- Authority
- CN
- China
- Prior art keywords
- user
- article
- score value
- similarity
- sns
- 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
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明适用于信息处理领域,提供了一种个性化信息推荐的方法、装置及信息处理系统,所述方法包括下述步骤:获取SNS用户间的交互记录和SNS用户对物品的使用记录;根据所述交互记录,计算SNS用户间的相似度,并根据计算得到的相似度划分用户相似群;根据所述使用记录,计算SNS用户对所述物品的评分值;根据用户相似群中其他用户对其使用物品的评分值来预测目标用户对所述物品的评分值;将预测评分值最高的前N项物品推荐给所述目标用户。本发明可有效提高推荐结果的准确性和可信度,使得个性化信息推荐对用户具有更大的参考价值。
Description
技术领域
本发明属于信息处理领域,尤其涉及一种个性化信息推荐的方法、装置及信息处理系统。
背景技术
协同过滤技术是目前应用最广泛的个性化推荐技术之一。现有的协同过滤技术主要根据所推荐的物品本身所产生的用户相似关系或物品相似关系进行推荐,例如:商品推荐仅使用用户购买该商品的历史行为记录,并由此构成用户的相似关系和商品之间的关联关系,最后将这些关系用于推荐。
然而,由于现有技术所利用的用户历史数据信息仅来源于推荐物品本身,容易导致用户一物品评分矩阵中的数据稀疏,影响推荐结果的准确性。特别的,仅使用用户对推荐物品本身的历史数据所生成的用户或者物品相似关系矩阵难以准确反映用户或者物品之间的相似关系。
发明内容
本发明实施例提供一种个性化信息推荐的方法,旨在解决现有技术容易产生数据稀疏性以及难以准确反映用户或者物品之间相似关系的问题。
本发明实施例是这样实现的,一种个性化信息推荐的方法,所述方法包括:
获取SNS用户间的交互记录和SNS用户对物品的使用记录;
根据所述交互记录,计算SNS用户间的相似度,并根据计算得到的相似度划分用户相似群;
根据所述使用记录,计算SNS用户对所述物品的评分值;
根据所述用户相似群中其他用户对其使用物品的评分值来预测目标用户对所述物品的评分值;
将预测评分值最高的前N项物品推荐给所述目标用户,所述N大于等于1。
本发明实施例的另一目的在于提供一种个性化信息推荐的装置,所述装置包括:
信息获取单元,用于获取SNS用户间的交互记录和SNS用户对物品的使用记录;
相似度计算单元,用于根据所述交互记录,计算SNS用户间的相似度,并根据计算得到的相似度划分用户相似群;
评分值计算单元,用于根据所述使用记录,计算SNS用户对所述物品的评分值;
评分值预测单元,用于根据所述用户相似群中其他用户对其使用物品的评分值来预测目标用户对所述物品的评分值;
信息推荐单元,用于将预测评分值最高的前N项物品推荐给所述目标用户,所述N大于等于1。
本发明实施例的再一目的在于提供一种信息处理系统,所述信息处理系统包括所述个性化信息推荐装置。
从上述方案中可以看出,本发明通过SNS用户间的交互记录计算SNS用户间的相似度,根据计算得到的相似度划分用户相似群,通过SNS用户对物品的使用记录来计算SNS用户对所述物品的评分值,并根据所述用户相似群和评分值进行个性化信息推荐,解决了用户-物品评分矩阵中的数据稀疏性问题,提高了推荐结果的准确性。而且,所述用户相似群中的用户为目标用户在SNS中的好友,从而可准确反映用户间的相似关系,增强目标用户对推荐结果的可信度,使得个性化信息推荐对用户具有更大的参考价值,提高用户的满意度。
附图说明
图1是本发明实施例一提供的个性化信息推荐方法的实现流程图;
图2是本发明实施例二提供的个性化信息推荐方法的实现流程图;
图3是本发明实施例三提供的个性化信息推荐装置的组成结构图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本发明实施例通过SNS用户间的交互记录计算SNS用户间的相似度,根据计算得到的相似度划分用户相似群,通过SNS用户对物品的使用记录来计算SNS用户对所述物品的评分值,并根据所述用户相似群和评分值进行个性化信息推荐,解决了用户-物品评分矩阵中的数据稀疏性问题,提高了推荐结果的准确性。而且,所述用户相似群中的用户为目标用户在SNS中的好友,从而可准确反映用户间的相似关系,增强目标用户对推荐结果的可信度,使得个性化信息推荐对用户具有更大的参考价值,提高用户的满意度。
为了说明本发明所述的技术方案,下面通过具体实施例来进行说明。
实施例一:
图1示出了本发明实施例一提供的个性化信息推荐方法的实现流程,该方法过程详述如下:
在步骤S101中,获取SNS用户间的交互记录和SNS用户对物品的使用记录。
在本实施例中,社会性网络服务(Social Networking Services,SNS),简称社交网络。社交网络服务器收集并存储SNS用户通过社交网络工具进行的交互记录,推荐系统从SNS服务器上获取SNS用户间的交互记录。
其中,所述社交网络工具包括即时通信工具(例如:QQ、MSN等)和交友社区(例如:Facebook,Twitter等)等包含好友关系的网络交友或者通信平台。所述交互记录包括用户与不同好友交互(例如:聊天、游戏等)的频率、累计时长以及用户在线时长等信息。
在本实施例中,SNS服务器收集并存储SNS用户对物品的使用记录,推荐系统从SNS服务器上获取SNS用户对物品的使用记录。
其中,所述使用记录包括物品使用的时间、时长、频率、物品的类型、以及用户对使用物品的评价、评分等信息。例如:用户的听歌记录,包括听歌的时间、时长、频率、歌曲的名称、类型、流派、演唱者以及用户对所听歌曲的评价、评分等。
在步骤S102中,根据所述交互记录,计算SNS用户间的相似度,并根据计算得到的相似度划分用户相似群。
在本实施例中,每个SNS用户都存在一个唯一的ID,推荐系统根据获取的SNS用户间的交互记录,计算SNS用户间的相似度,并根据计算得到的相似度将拥有相同或者相似兴趣偏好的用户通过用户ID组成一个用户相似群或者用户相似列表,例如:通过计算相似度,发现用户A、B、C都喜欢某个人的歌曲,因此将用户A、B、C划分成一个用户相似群。
其中,SNS用户间相似度的计算方式如下(不局限于该方式):wij=exp(-dij), 其中wij是用户i与用户j的相似度,dij是用户i到用户j的距离,是用户vk与vk+1之间的通信强度,v1,…vK是用户i到用户j的最短路径上的顶点,参数K=3是最大覆盖范围,参数α=1、β=1,Xi,j是用户i与j的互动次数,当用户i到j没有通路时,则wij=0。
在步骤S103中,根据所述使用记录,计算SNS用户对所述物品的评分值。
在本实施例中,评分值包括显式评分值或隐式评分值,所述显式评分值指的是用户对使用物品的直接评分,所述隐式评分值的计算方式如下(不局限于该方式):其中rij是用户i对物品j的评分值,tij是用户i的物品使用记录中物品j出现的次数,参数λ=1。
在步骤S104中,根据用户相似群中其他用户对其使用物品的评分值来预测目标用户对所述物品的评分值。
在本实施例中,目标用户是指推荐系统推荐物品的目标对象,推荐系统通过目标用户的ID查找目标用户所在的用户相似群,并根据用户相似群中其他用户对其使用物品的评分值来预测目标用户对所述物品的评分值,从而可有效解决了用户-物品评分矩阵中的数据稀疏性问题,提高了推荐结果的准确性。
通过举例说明上述过程,例如:推荐系统推荐物品的目标对象为C,推荐系统通过用户C的ID查找到用户C所在的用户相似群,该用户相似群中包括用户A、B、C,用户A和B对某首歌曲的评分值为9分和9.5分,但用户C没有听过该歌曲,于是通过公式预测用户C对该歌曲的评分值。
在步骤S105中,将预测评分值最高的前N项物品推荐给所述目标用户。
在本实施例中,所述N为整数,并且大于等于1。
在本发明实施例中,通过SNS用户间的交互记录计算SNS用户间的相似度,根据计算得到的相似度划分用户相似群,通过SNS用户对物品的使用记录计算SNS用户对所述物品的评分值,并根据所述用户相似群和评分值来预测目标用户对物品的评分值,将预测评分值最高的前N项物品推荐给目标用户,可有效解决用户-物品矩阵中数据稀疏性问题,提高推荐结果的准确性。而且,所述用户相似群中的用户为目标用户在SNS中的好友,从而可准确反映用户间的相似关系,增强目标用户对推荐结果的可信度,使得个性化信息推荐对用户具有更大的参考价值,提高用户的满意度。
实施例二:
图2示出了本发明实施例二提供的显式网络地图评论信息方法的实现流程,该方法过程详述如下:
在步骤S201中,获取SNS用户间的交互记录和SNS用户对物品的使用记录。
在步骤S202中,根据所述交互记录,计算SNS用户间的相似度,并根据计算得到的相似度划分用户相似群。
在步骤S203中,根据所述使用记录,计算SNS用户对所述物品的评分值。
在步骤S204中,根据用户相似群中其他用户对其使用物品的评分值来预测目标用户对所述物品的评分值。
在步骤S205中,将预测评分值最高的前N项物品推荐给所述目标用户。
在本实施例中,步骤S201-S205的具体实施过程参见实施例一中的步骤S101-S105所述,在此不再赘述。
在本实施例中,反馈信息包括目标用户对推荐物品的使用频率、使用时长、评价以及评分等。
参数包括α、β、λ和K等,参数的默认值为1,针对不同的推荐物品参数值可能不同,推荐系统根据目标用户对推荐物品的反馈信息,动态调整所述参数值,例如:当目标用户对推荐的某首歌曲反馈的信息是不满意或者差评时,说明针对歌曲的推荐结果不准确,推荐系统按照预设规则(例如:差评降低0.1个点,好评提高0.1个点等)减小中参数α、β、λ和K中的一个或者多个的值,使得针对歌曲的预测评分值较低,在公式优化前对不再推荐给目标用户。
实施例三:
图3示出了本发明实施例三提供的个性化信息推荐装置的组成结构,为了便于说明,仅示出了与本发明实施例相关的部分。
该个性化信息推荐装置可以是运行于信息处理系统内的软件单元、硬件单元或者软硬件相结合的单元,也可以作为独立的挂件集成到这些信息处理系统中或者运行于这些信息处理系统的应用系统中。
该个性化信息推荐装置包括信息获取单元31、相似度计算单元32、评分值计算单元33、评分值预测单元34以及信息推荐单元35。其中,各单元的具体功能如下:
信息获取单元31,用于获取SNS用户间的交互记录和SNS用户对物品的使用记录;
相似度计算单元32,用于根据所述交互记录,计算SNS用户间的相似度,并根据计算得到的相似度划分用户相似群;
评分值计算单元33,用于根据所述使用记录,计算SNS用户对所述物品的评分值;
评分值预测单元34,用于根据用户相似群中其他用户对其使用物品的评分值来预测目标用户对所述物品的评分值;
信息推荐单元35,用于将预测评分值最高的前N项物品推荐给所述目标用户,所述N大于等于1。
本发明实施例三提供的个性化信息推荐装置可以使用在前述对应的个性化信息推荐方法实施例一和二中,详情参见上述实施例一和二的相关描述,在此不再赘述。
本发明实施例提供的个性化信息推荐装置可以使用在前述对应的个性化信息推荐方法实施例二中,详情参见上述实施例二的相关描述,在此不再赘述。
在本发明实施例中,通过SNS用户间的交互记录计算SNS用户间的相似度,根据计算得到的相似度划分用户相似群,通过SNS用户对物品的使用记录计算SNS用户对所述物品的评分值,并根据所述用户相似群和评分值来预测目标用户对物品的评分值,将预测评分值最高的前N项物品推荐给目标用户,可有效解决用户一物品矩阵中数据稀疏性问题,提高推荐结果的准确性。而且,所述用户相似群中的用户为目标用户在SNS中的好友,从而可准确反映用户间的相似关系,增强目标用户对推荐结果的可信度,使得个性化信息推荐对用户具有更大的参考价值,提高用户的满意度。另外,根据用户对推荐物品的反馈信息,调整公式中的参数值,可进一步提高推荐结果的准确性和用户对推荐系统的满意度。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (11)
1.一种个性化信息推荐的方法,其特征在于,所述方法包括:
获取社交网络SNS用户间的交互记录和SNS用户对物品的使用记录;
根据所述交互记录,计算SNS用户间的相似度,并根据计算得到的相似度划分用户相似群;
根据所述使用记录,计算SNS用户对所述物品的评分值;
根据所述用户相似群中其他用户对其使用物品的评分值来预测目标用户对所述物品的评分值;
将预测评分值最高的前N项物品推荐给所述目标用户,所述N大于等于1。
6.一种个性化信息推荐的装置,其特征在于,所述装置包括:
信息获取单元,用于获取社交网络SNS用户间的交互记录和SNS用户对物品的使用记录;
相似度计算单元,用于根据所述交互记录,计算SNS用户间的相似度,并根据计算得到的相似度划分用户相似群;
评分值计算单元,用于根据所述使用记录,计算SNS用户对所述物品的评分值;
评分值预测单元,用于根据所述用户相似群中其他用户对其使用物品的评分值来预测目标用户对所述物品的评分值;
信息推荐单元,用于将预测评分值最高的前N项物品推荐给所述目标用户,所述N大于等于1。
11.一种信息处理系统,其特征在于,所述信息处理系统包含权利要求6至10任一项所述的个性化信息推荐装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201110219862.XA CN102915307B (zh) | 2011-08-02 | 2011-08-02 | 一种个性化信息推荐的方法、装置及信息处理系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201110219862.XA CN102915307B (zh) | 2011-08-02 | 2011-08-02 | 一种个性化信息推荐的方法、装置及信息处理系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102915307A true CN102915307A (zh) | 2013-02-06 |
CN102915307B CN102915307B (zh) | 2018-01-02 |
Family
ID=47613678
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201110219862.XA Active CN102915307B (zh) | 2011-08-02 | 2011-08-02 | 一种个性化信息推荐的方法、装置及信息处理系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102915307B (zh) |
Cited By (38)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103258020A (zh) * | 2013-05-02 | 2013-08-21 | 华南师范大学 | 一种结合sns和搜索引擎技术的推荐系统与方法 |
CN103345517A (zh) * | 2013-07-10 | 2013-10-09 | 北京邮电大学 | 模拟tf-idf相似性计算的协同过滤推荐算法 |
CN103426102A (zh) * | 2013-08-02 | 2013-12-04 | 苏州两江科技有限公司 | 基于本体分类的商品特征推荐方法 |
CN103530371A (zh) * | 2013-10-14 | 2014-01-22 | 李树青 | 一种便携式服务框架的实现方法 |
CN103646053A (zh) * | 2013-11-29 | 2014-03-19 | 北京奇虎科技有限公司 | 一种网站提供对象的推荐方法和装置 |
CN103888852A (zh) * | 2014-03-24 | 2014-06-25 | 清华大学 | 用于社交电视的视频推荐方法和装置 |
CN104063589A (zh) * | 2014-06-16 | 2014-09-24 | 百度移信网络技术(北京)有限公司 | 一种推荐方法以及系统 |
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 |
CN104281599A (zh) * | 2013-07-02 | 2015-01-14 | 北京千橡网景科技发展有限公司 | 用于向社交网络中的用户推荐信息的方法和装置 |
CN104504098A (zh) * | 2014-12-29 | 2015-04-08 | 北京奇虎科技有限公司 | 信息推荐方法和装置 |
CN104601635A (zh) * | 2013-10-30 | 2015-05-06 | 北京千橡网景科技发展有限公司 | 用于智能调节好友推荐频率的方法和设备 |
CN104598643A (zh) * | 2015-02-13 | 2015-05-06 | 成都品果科技有限公司 | 一种物品相似度贡献系数、相似度获取方法及物品推荐方法及其系统 |
CN104699711A (zh) * | 2013-12-09 | 2015-06-10 | 华为技术有限公司 | 一种推荐方法及服务器 |
CN104809127A (zh) * | 2014-01-26 | 2015-07-29 | 上海联影医疗科技有限公司 | 一种远程教育资源的推荐方法和装置 |
CN105095267A (zh) * | 2014-05-09 | 2015-11-25 | 阿里巴巴集团控股有限公司 | 一种用于用户参与项目的推荐方法及装置 |
CN105208033A (zh) * | 2015-10-08 | 2015-12-30 | 华中科技大学 | 一种基于智能终端情景的群体辅助推荐方法及系统 |
CN106228386A (zh) * | 2016-07-12 | 2016-12-14 | 腾讯科技(深圳)有限公司 | 一种信息推送方法及装置 |
CN106339483A (zh) * | 2016-08-30 | 2017-01-18 | 电子科技大学 | 一种移动社交网络中的社交活动推荐算法 |
CN106611100A (zh) * | 2015-10-19 | 2017-05-03 | 重庆邮电大学 | 一种用户行为分析方法和装置 |
CN106779825A (zh) * | 2016-12-02 | 2017-05-31 | 乐视控股(北京)有限公司 | 一种物品推荐方法、装置及电子设备 |
CN106777200A (zh) * | 2016-12-23 | 2017-05-31 | Tcl集团股份有限公司 | 项目推荐的方法及装置 |
CN106897912A (zh) * | 2017-01-18 | 2017-06-27 | 太仓中科信息技术研究院 | 基于epsilon反馈算法的推荐系统冷启动方法 |
CN106960014A (zh) * | 2017-03-02 | 2017-07-18 | 合网络技术(北京)有限公司 | 关联用户推荐方法及装置 |
WO2017121259A1 (zh) * | 2016-01-12 | 2017-07-20 | 腾讯科技(深圳)有限公司 | 信息推荐方法、装置及服务器 |
CN107016589A (zh) * | 2016-08-10 | 2017-08-04 | 阿里巴巴集团控股有限公司 | 推荐产品的确定方法及装置 |
CN108074158A (zh) * | 2016-11-18 | 2018-05-25 | 腾讯科技(深圳)有限公司 | 共享租赁平台的用户推荐页面展示方法、装置及服务器 |
CN108268606A (zh) * | 2017-12-28 | 2018-07-10 | 杭州后博科技有限公司 | 一种基于导航的出行装备推荐系统及方法 |
CN104966125B (zh) * | 2015-05-06 | 2018-07-24 | 同济大学 | 一种社交网络的物品评分及推荐方法 |
CN108389268A (zh) * | 2018-02-07 | 2018-08-10 | 浙江莲荷科技有限公司 | 缴费方法、系统及设备 |
CN109299349A (zh) * | 2018-09-11 | 2019-02-01 | 广州视源电子科技股份有限公司 | 应用推荐方法和装置、设备、计算机可读存储介质 |
WO2020098163A1 (zh) * | 2018-11-12 | 2020-05-22 | 平安科技(深圳)有限公司 | 产品数据推送方法及装置、计算机非易失性可读存储介质 |
CN111381507A (zh) * | 2018-12-29 | 2020-07-07 | 珠海格力电器股份有限公司 | 电器操作参数的推荐方法、介质、服务器及智能电器管理系统 |
CN111506823A (zh) * | 2020-03-11 | 2020-08-07 | 平安科技(深圳)有限公司 | 信息推荐方法、装置及计算机设备 |
CN111654518A (zh) * | 2020-04-14 | 2020-09-11 | 北京奇艺世纪科技有限公司 | 内容推送方法、装置、电子设备及计算机可读存储介质 |
CN111858686A (zh) * | 2020-07-08 | 2020-10-30 | 深圳市富途网络科技有限公司 | 数据显示方法、装置、终端设备及存储介质 |
CN112153220A (zh) * | 2020-08-26 | 2020-12-29 | 北京邮电大学 | 一种基于社交评价动态更新的通信行为识别方法 |
CN112784171A (zh) * | 2021-01-21 | 2021-05-11 | 重庆邮电大学 | 一种基于上下文典型性的电影推荐方法 |
CN116887001A (zh) * | 2023-09-06 | 2023-10-13 | 四川中电启明星信息技术有限公司 | 融合社会属性信息的短视频推送方法、装置及电子设备 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101271559A (zh) * | 2008-05-16 | 2008-09-24 | 华东师范大学 | 一种基于用户局部兴趣挖掘的协作推荐系统 |
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 |
-
2011
- 2011-08-02 CN CN201110219862.XA patent/CN102915307B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101271559A (zh) * | 2008-05-16 | 2008-09-24 | 华东师范大学 | 一种基于用户局部兴趣挖掘的协作推荐系统 |
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 |
Non-Patent Citations (1)
Title |
---|
王玉祥等: "上下文感知的移动社交网络服务选择机制研究", 《计算机学报》 * |
Cited By (56)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103258020A (zh) * | 2013-05-02 | 2013-08-21 | 华南师范大学 | 一种结合sns和搜索引擎技术的推荐系统与方法 |
CN104281599A (zh) * | 2013-07-02 | 2015-01-14 | 北京千橡网景科技发展有限公司 | 用于向社交网络中的用户推荐信息的方法和装置 |
CN103345517A (zh) * | 2013-07-10 | 2013-10-09 | 北京邮电大学 | 模拟tf-idf相似性计算的协同过滤推荐算法 |
CN103345517B (zh) * | 2013-07-10 | 2019-03-26 | 北京邮电大学 | 模拟tf-idf相似性计算的协同过滤推荐算法 |
CN103426102A (zh) * | 2013-08-02 | 2013-12-04 | 苏州两江科技有限公司 | 基于本体分类的商品特征推荐方法 |
CN103530371A (zh) * | 2013-10-14 | 2014-01-22 | 李树青 | 一种便携式服务框架的实现方法 |
CN103530371B (zh) * | 2013-10-14 | 2017-05-24 | 李树青 | 一种便携式服务框架的实现方法 |
CN104601635A (zh) * | 2013-10-30 | 2015-05-06 | 北京千橡网景科技发展有限公司 | 用于智能调节好友推荐频率的方法和设备 |
CN103646053A (zh) * | 2013-11-29 | 2014-03-19 | 北京奇虎科技有限公司 | 一种网站提供对象的推荐方法和装置 |
CN104699711A (zh) * | 2013-12-09 | 2015-06-10 | 华为技术有限公司 | 一种推荐方法及服务器 |
CN104699711B (zh) * | 2013-12-09 | 2019-05-28 | 华为技术有限公司 | 一种推荐方法及服务器 |
CN104809127A (zh) * | 2014-01-26 | 2015-07-29 | 上海联影医疗科技有限公司 | 一种远程教育资源的推荐方法和装置 |
CN103888852A (zh) * | 2014-03-24 | 2014-06-25 | 清华大学 | 用于社交电视的视频推荐方法和装置 |
CN103888852B (zh) * | 2014-03-24 | 2017-05-31 | 清华大学 | 用于社交电视的视频推荐方法和装置 |
CN105095267B (zh) * | 2014-05-09 | 2019-12-31 | 阿里巴巴集团控股有限公司 | 一种用于用户参与项目的推荐方法及装置 |
CN105095267A (zh) * | 2014-05-09 | 2015-11-25 | 阿里巴巴集团控股有限公司 | 一种用于用户参与项目的推荐方法及装置 |
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 |
CN104063589B (zh) * | 2014-06-16 | 2018-01-16 | 百度移信网络技术(北京)有限公司 | 一种推荐方法以及系统 |
CN104063589A (zh) * | 2014-06-16 | 2014-09-24 | 百度移信网络技术(北京)有限公司 | 一种推荐方法以及系统 |
CN104504098A (zh) * | 2014-12-29 | 2015-04-08 | 北京奇虎科技有限公司 | 信息推荐方法和装置 |
CN104598643A (zh) * | 2015-02-13 | 2015-05-06 | 成都品果科技有限公司 | 一种物品相似度贡献系数、相似度获取方法及物品推荐方法及其系统 |
CN104966125B (zh) * | 2015-05-06 | 2018-07-24 | 同济大学 | 一种社交网络的物品评分及推荐方法 |
CN105208033B (zh) * | 2015-10-08 | 2018-03-27 | 华中科技大学 | 一种基于智能终端情景的群体辅助推荐方法及系统 |
CN105208033A (zh) * | 2015-10-08 | 2015-12-30 | 华中科技大学 | 一种基于智能终端情景的群体辅助推荐方法及系统 |
CN106611100A (zh) * | 2015-10-19 | 2017-05-03 | 重庆邮电大学 | 一种用户行为分析方法和装置 |
WO2017121259A1 (zh) * | 2016-01-12 | 2017-07-20 | 腾讯科技(深圳)有限公司 | 信息推荐方法、装置及服务器 |
US11449916B2 (en) | 2016-07-12 | 2022-09-20 | Tencent Technology (Shenzhen) Company Limited | Information push method and apparatus, server, and storage medium |
CN106228386A (zh) * | 2016-07-12 | 2016-12-14 | 腾讯科技(深圳)有限公司 | 一种信息推送方法及装置 |
CN106228386B (zh) * | 2016-07-12 | 2018-09-25 | 腾讯科技(深圳)有限公司 | 一种信息推送方法及装置 |
CN107016589A (zh) * | 2016-08-10 | 2017-08-04 | 阿里巴巴集团控股有限公司 | 推荐产品的确定方法及装置 |
CN106339483A (zh) * | 2016-08-30 | 2017-01-18 | 电子科技大学 | 一种移动社交网络中的社交活动推荐算法 |
CN108074158A (zh) * | 2016-11-18 | 2018-05-25 | 腾讯科技(深圳)有限公司 | 共享租赁平台的用户推荐页面展示方法、装置及服务器 |
CN108074158B (zh) * | 2016-11-18 | 2021-12-21 | 腾讯科技(深圳)有限公司 | 共享租赁平台的用户推荐页面展示方法、装置及服务器 |
CN106779825A (zh) * | 2016-12-02 | 2017-05-31 | 乐视控股(北京)有限公司 | 一种物品推荐方法、装置及电子设备 |
CN106777200A (zh) * | 2016-12-23 | 2017-05-31 | Tcl集团股份有限公司 | 项目推荐的方法及装置 |
CN106897912A (zh) * | 2017-01-18 | 2017-06-27 | 太仓中科信息技术研究院 | 基于epsilon反馈算法的推荐系统冷启动方法 |
CN106960014A (zh) * | 2017-03-02 | 2017-07-18 | 合网络技术(北京)有限公司 | 关联用户推荐方法及装置 |
CN108268606A (zh) * | 2017-12-28 | 2018-07-10 | 杭州后博科技有限公司 | 一种基于导航的出行装备推荐系统及方法 |
CN108268606B (zh) * | 2017-12-28 | 2020-05-19 | 杭州后博科技有限公司 | 一种基于导航的出行装备推荐系统及方法 |
CN108389268A (zh) * | 2018-02-07 | 2018-08-10 | 浙江莲荷科技有限公司 | 缴费方法、系统及设备 |
CN108389268B (zh) * | 2018-02-07 | 2021-10-19 | 浙江莲荷科技有限公司 | 缴费方法、系统及设备 |
CN109299349A (zh) * | 2018-09-11 | 2019-02-01 | 广州视源电子科技股份有限公司 | 应用推荐方法和装置、设备、计算机可读存储介质 |
WO2020098163A1 (zh) * | 2018-11-12 | 2020-05-22 | 平安科技(深圳)有限公司 | 产品数据推送方法及装置、计算机非易失性可读存储介质 |
CN111381507B (zh) * | 2018-12-29 | 2021-05-04 | 珠海格力电器股份有限公司 | 电器操作参数的推荐方法、介质、服务器及智能电器管理系统 |
CN111381507A (zh) * | 2018-12-29 | 2020-07-07 | 珠海格力电器股份有限公司 | 电器操作参数的推荐方法、介质、服务器及智能电器管理系统 |
CN111506823A (zh) * | 2020-03-11 | 2020-08-07 | 平安科技(深圳)有限公司 | 信息推荐方法、装置及计算机设备 |
CN111654518A (zh) * | 2020-04-14 | 2020-09-11 | 北京奇艺世纪科技有限公司 | 内容推送方法、装置、电子设备及计算机可读存储介质 |
CN111654518B (zh) * | 2020-04-14 | 2022-05-17 | 北京奇艺世纪科技有限公司 | 内容推送方法、装置、电子设备及计算机可读存储介质 |
US11978116B2 (en) | 2020-07-08 | 2024-05-07 | Shenzhen Futu Network Technology Co., Ltd. | Data display method and apparatus, terminal device, and storage medium |
CN111858686A (zh) * | 2020-07-08 | 2020-10-30 | 深圳市富途网络科技有限公司 | 数据显示方法、装置、终端设备及存储介质 |
CN111858686B (zh) * | 2020-07-08 | 2024-05-28 | 深圳市富途网络科技有限公司 | 数据显示方法、装置、终端设备及存储介质 |
CN112153220A (zh) * | 2020-08-26 | 2020-12-29 | 北京邮电大学 | 一种基于社交评价动态更新的通信行为识别方法 |
CN112153220B (zh) * | 2020-08-26 | 2021-08-27 | 北京邮电大学 | 一种基于社交评价动态更新的通信行为识别方法 |
CN112784171A (zh) * | 2021-01-21 | 2021-05-11 | 重庆邮电大学 | 一种基于上下文典型性的电影推荐方法 |
CN116887001B (zh) * | 2023-09-06 | 2023-12-15 | 四川中电启明星信息技术有限公司 | 融合社会属性信息的短视频推送方法、装置及电子设备 |
CN116887001A (zh) * | 2023-09-06 | 2023-10-13 | 四川中电启明星信息技术有限公司 | 融合社会属性信息的短视频推送方法、装置及电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN102915307B (zh) | 2018-01-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102915307A (zh) | 一种个性化信息推荐的方法、装置及信息处理系统 | |
AU2011205137B2 (en) | Social media variable analytical system | |
CN103455515B (zh) | Sns社区中的用户推荐方法和系统 | |
Lipizzi et al. | Extracting and evaluating conversational patterns in social media: A socio-semantic analysis of customers’ reactions to the launch of new products using Twitter streams | |
KR101475682B1 (ko) | 네트워크에서 프렌드 피드를 관리하는 방법, 시스템 및 서버 | |
Hardt et al. | Privacy-aware personalization for mobile advertising | |
US9483580B2 (en) | Estimation of closeness of topics based on graph analytics | |
CN104156392B (zh) | 好友及应用个性化推荐方法及系统 | |
CN104657373B (zh) | 一种应用信息推送方法和装置 | |
US9070140B2 (en) | System and method for measuring and improving the efficiency of social media campaigns | |
US8392431B1 (en) | System, method, and computer program for determining a level of importance of an entity | |
US20140358694A1 (en) | Social media pricing engine | |
CN102592223A (zh) | 一种商品推荐方法和商品推荐系统 | |
US20110184926A1 (en) | Expert list recommendation methods and systems | |
CN110555172A (zh) | 用户关系挖掘方法及装置、电子设备和存储介质 | |
CN102135999A (zh) | 用户可信度和项目最近邻相结合的互联网推荐方法 | |
CN104750760A (zh) | 一种推荐应用软件的实现方法及装置 | |
US9208509B1 (en) | System, method, and computer program for personalizing content for a user based on a size of a working vocabulary of the user | |
CN102664744A (zh) | 网络消息通信中群发推荐的方法 | |
CN106991496B (zh) | 一种面向移动社交环境的用户行为分层关联预测方法 | |
US20140257966A1 (en) | Method , computer readable medium and system for determining weights for attributes and attribute values for a plurality of touchpoint encounters | |
CN104123321A (zh) | 一种确定推荐图片的方法及装置 | |
Stieglitz et al. | Enterprise-related crisis communication on Twitter | |
US20130198205A1 (en) | Dynamic influence tracking engine and method | |
US20140278974A1 (en) | Digital Body Language |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |