CN102930052A - 一种基于多维度属性关注度的兴趣资源推荐方法 - Google Patents
一种基于多维度属性关注度的兴趣资源推荐方法 Download PDFInfo
- Publication number
- CN102930052A CN102930052A CN2012104661659A CN201210466165A CN102930052A CN 102930052 A CN102930052 A CN 102930052A CN 2012104661659 A CN2012104661659 A CN 2012104661659A CN 201210466165 A CN201210466165 A CN 201210466165A CN 102930052 A CN102930052 A CN 102930052A
- Authority
- CN
- China
- Prior art keywords
- resource
- user
- network system
- module
- attributes
- 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
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
一种基于多维属性关注度的兴趣资源推荐方法,通过设置同带有资源的网络系统通信连接的资源推荐终端,资源推荐终端带有可视化装置、统计模块、用户类型划分模块、属性关注度导出模块、资源评分模块、topN选择模块以及属性相关度导出模块,该推荐方法不仅能够根据不同的用户计算出相应的属性关注度,推荐出最大化接近用户兴趣的资源。而且还可以在用户没有浏览资源时推荐优质兴趣资源,在用户浏览资源时推荐和该资源相关的近似预测兴趣资源。
Description
技术领域
本发明涉及网络应用技术领域,特别涉及一种基于多维属性关注度的兴趣资源推荐方法。
背景技术
现在许多资源网站采取的基本的资源推荐方式是根据资源的访问量的多少,对资源进行排序,排在前面的优先推荐给用户,或者是后台管理员根据需要来确定某些资源的排序。这种资源推荐方式具有的优点是简单易实现,系统开销小。但是根据浏览量来推荐资源,资源区分度低,所推荐的资源并不一定是符合用户特定兴趣的资源,并且对于整个网站的资源来说,访问量低的资源在这种模式下,有可能一直无法被访问。对于用户层面来说,用户类型分类不够细致,针对不同类型的用户采用相同的推荐方法,这就导致了所推荐的资源并不是用户所感兴趣的资源。
发明内容
本发明提供一种基于多维属性关注度的兴趣资源推荐方法,通过设置同带有资源的网络系统通信连接的资源推荐终端,资源推荐终端带有可视化装置、统计模块、用户类型划分模块、属性关注度导出模块、资源评分模块、topN选择模块以及属性相关度导出模块,该推荐方法不仅能够根据不同的用户计算出相应的属性关注度,推荐出最大化接近用户兴趣的资源。而且还可以在用户没有浏览资源时推荐优质兴趣资源,在用户浏览资源时推荐和该资源相关的近似预测兴趣资源。
为实现上述目的,本发明的技术方案为:
一种基于多维属性关注度的兴趣资源推荐方法,步骤如下:
步骤1:先设置同带有资源的网络系统通信连接的资源推荐终端,资源推荐终端带有可视化装置、统计模块、用户类型划分模块、属性关注度导出模块、资源评分模块、topN选择模块以及属性相关度导出模块,该网络系统和用户终端共同构成了兴趣资源推荐系统,资源推荐终端通过网络通信线路以交互通信的方式对网络系统中所有的资源映射上各自对应的规范属性,该规范属性为对应资源的通用属性,即主属性,资源推荐终端根据可视化装置的界面提示经过其输入设备录入每个能被有效访问的资源的规范属性,并且资源推荐终端通过驱动电路使能统计模块对能被有效访问的资源的规范属性进行统计后存储到对应的存储设备中;
步骤2:当用户没有浏览网络系统的资源时,资源推荐终端通过驱动电路使能用户类型划分模块首先按照预设的规则确定用户类型,资源推荐终端再通过驱动电路激活属性关注度导出模块根据用户的浏览记录和其用户类型导出针对对应用户的属性关注度,然后资源推荐终端通过驱动电路读取存储设备中资源的规范属性以及相应用户的属性关注度,并通过网络通信线路遍历网络系统中的所有资源,资源推荐终端通过驱动电路使能资源评分模块为网络系统中的每个资源评分,如果资源评分中有评分相同的资源,则根据同分资源排序算法对分值相同资源再次排序,根据评分分值得出网络系统中的资源的排序序列,资源推荐终端通过驱动电路使能topN选择模块,把按照排序序列的资源中按预设数量的前几个资源选定给用户作为兴趣资源,并且资源推荐终端再通过驱动电路激活属性关注度导出模块根据用户此时的浏览记录动态的更新属性关注度;当用户通过网络通信线路浏览网络系统的资源时,资源推荐终端的中央处理器根据用户当前浏览的资源的规范属性,通过网络通信线路遍历网络系统的资源,并依次经过驱动电路使能属性相关度导出模块导出每个对应的资源属性之间相关度的值,如果有属性相关度值相同的资源,则根据该资源被浏览次数从大到小的顺序对属性相关度的值相同的资源进行排序,资源推荐终端通过驱动电路使能topN选择模块,把按照排序序列的资源中按预设数量的前几个资源选定给用户作为兴趣资源。
通过设置同带有资源的网络系统通信连接的资源推荐终端,资源推荐终端带有可视化装置、统计模块、用户类型划分模块、属性关注度导出模块、资源评分模块、topN选择模块以及属性相关度导出模块,该方法的优点如下:
1.多个规范属性描述资源,使资源描述更具体,更能准确的表述出资源特性,从而有利于推荐出符合用户兴趣的资源。
2.基于资源的各个规范属性,针对不同类型用户的浏览历史,采用不同的推荐方法,能够最大化的接近用户兴趣。
3.不仅能够在用户没有浏览资源时推荐优质兴趣资源,而且能够在用户浏览资源时推荐出预测兴趣资源。
4.根据不同类型的用户实时的浏览记录,动态的更新推荐表。
具体实施方式
下面通过具体实施例对本发明做进一步说明:
当用户登录网络系统并且浏览资源时,网络系统会实时记录用户ID、用户当前IP以及当前访问资源的ID,根据网络系统中的资源ID系统可以得出用户的本次访问所浏览资源的各个规范属性,若用户使用账号登录资源网站,只会针对其账号进行统计浏览记录,而不会再根据IP地址进行统计。
本发明的基于多维属性关注度的兴趣资源推荐方法,步骤如下:
步骤1:先设置同带有资源的网络系统通信连接的资源推荐终端,资源推荐终端带有可视化装置、统计模块、用户类型划分模块、属性关注度导出模块、资源评分模块、topN选择模块以及属性相关度导出模块,该网络系统和用户终端共同构成了兴趣资源推荐系统,资源推荐终端通过网络通信线路以交互通信的方式对网络系统中所有的资源映射上各自对应的规范属性,该规范属性为对应资源的通用属性,即主属性,资源推荐终端根据可视化装置的界面提示经过其输入设备录入每个能被有效访问的资源的规范属性,并且资源推荐终端通过驱动电路使能统计模块对能被有效访问的资源的规范属性进行统计后存储到对应的存储设备中;
步骤2:当用户还没有浏览网络系统的资源时,资源推荐终端通过驱动电路使能用户类型划分模块首先按照预设的规则确定用户类型,所述的按照预设的规则确定用户类型为三类,登录用户、未登录有IP记录的用户以及未登录无IP记录的用户,登录用户为在网络系统中使用账号进行登录的用户;未登录有IP记录的用户为在网络系统中未使用账号进行登录,其登录方式为用户当前IP在未使用账号登录状态下登录过该网络系统进行浏览资源操作;未登录无IP记录的用户为未使用账号进行登录,用户当前IP在网络系统无浏览记录。资源推荐终端再通过驱动电路激活属性关注度导出模块根据用户的浏览记录或者访问记录结合其用户类型导出针对对应用户的属性关注度,属性关注度为用户对资源各个规范属性的关注程度,属性关注度的值用比值来表达,所述的属性关注度导出模块根据用户的浏览记录和其用户类型导出针对对应用户的属性关注度的方法为:该用户类型如果是登录用户,调用用户的浏览记录,该用户如果是未登录有IP记录的用户,调用用户的访问记录,而该用户如果是未登录无IP记录的用户,调用所有用户的浏览记录和访问记录,如果此时用户开始浏览网络系统的资源,则根据被浏览资源的规范属性,先增加该规范属性被访问次数,接着统计浏览记录或访问记录中的各规范属性次数,并根据用户类型的浏览记录或访问记录,计算出各个规范属性被访问次数的总和,然后用各个规范属性的被访问次数除此总和,即为此规范属性相对于当前用户的属性关注度的值。然后资源推荐终端通过驱动电路读取存储设备中资源的规范属性以及相应用户的属性关注度,并通过网络通信线路遍历网络系统中的所有资源,资源推荐终端通过驱动电路使能资源评分模块为网络系统中的每个资源评分,所述的资源评分模块为网络系统中的每个资源评分的方法为先设定用户共浏览了n种规范属性,分别指定第一规范属性为A1、第二规范属性为A2、第三规范属性为A3.。。。。第n规范属性为An,其中n为大于0的整数值,所有的资源规范属性被访问次数分别为第一规范属性被访问次数为 第二规范属性被访问次数为、第三规范属性被访问次数为…. 第n规范属性被访问次数为,由此计算而得访问次数总和sum为,则相对于用户的属性关注度分别为,对于网络系统的任意资源,设定其规范属性为,其中在到中,i为大于0且小于等于n的整数值,不在到中,m为大于n的整数值,即用户访问过的资源中,均不包含规范属性,也即是相对于当前用户来说,其属性关注度为0,则对应的资源基于用户属性关注度的评分为。如果资源评分中有评分相同的资源,则根据同分资源排序算法对分值相同资源再次排序,根据评分分值得出网络系统中的资源的排序序列,所述的根据同分资源排序算法对分值相同资源再次排序的方法为先录入分值相同资源,再根据同分资源被浏览次数排序,即根据网络系统记录的资源被浏览次数,对同分资源进行排序,再根据网络系统中的所有资源的属性关注度,计算资源评分并排序,如果同分资源的被浏览次数也相等,则计算此网络系统上全部资源的属性关注度,为同分资源重新评分排序。资源推荐终端通过驱动电路使能topN选择模块,把按照排序序列的资源中按预设数量的前几个资源选定给用户作为兴趣资源,并且资源推荐终端再通过驱动电路激活属性关注度导出模块根据用户此时的浏览记录动态的更新属性关注度;当用户已经通过网络通信线路浏览网络系统的资源时,网络系统记录下用户ID、用户当前IP以及访问资源的ID,并实时更新浏览记录数据库或者访问记录数据库,资源推荐终端的中央处理器根据用户当前浏览的资源的规范属性,通过网络通信线路遍历网络系统的资源,并依次经过驱动电路使能属性相关度导出模块导出每个对应的资源属性之间相关度的值,属性相关度是指两个资源之间规范属性的相同程度,属性关注度的值用比值来表达,属性相关度具体定义如下:网络系统的任意类型的两个资源,不失一般性分别称为第一资源和第二资源,其中第一资源有i个规范属性,而第二资源有j个规范属性,分别为第一资源的第一规范属性、第一资源的第二规范属性、第一资源的第三规范属性…第一资源的第i规范属性与第二资源的第一规范属性、第二资源的第二规范属性、第二资源的第三规范属性…第二资源的第j规范属性,另外第一资源与第二资源共有的规范属性有k个,分别为第一共有规范属性、第二共有规范属性、第三共有规范属性…第k共有规范属性,则第一资源相对于第二资源的属性关注度为,第二资源相对于第一资源的属性关注度为,i、j和k都为大于0的整数值。如果有属性相关度值相同的资源,则根据该资源被浏览次数从大到小的顺序对属性相关度的值相同的资源进行排序,资源推荐终端通过驱动电路使能topN选择模块,把按照排序序列的资源中按预设数量的前几个资源选定给用户作为兴趣资源。
Claims (5)
1.一种基于多维属性关注度的兴趣资源推荐方法,其特征在于,步骤如下:
步骤1:先设置同带有资源的网络系统通信连接的资源推荐终端,资源推荐终端带有可视化装置、统计模块、用户类型划分模块、属性关注度导出模块、资源评分模块、topN选择模块以及属性相关度导出模块,该网络系统和用户终端共同构成了兴趣资源推荐系统,资源推荐终端通过网络通信线路以交互通信的方式对网络系统中所有的资源映射上各自对应的规范属性,该规范属性为对应资源的通用属性,即主属性,资源推荐终端根据可视化装置的界面提示经过其输入设备录入每个能被有效访问的资源的规范属性,并且资源推荐终端通过驱动电路使能统计模块对能被有效访问的资源的规范属性进行统计后存储到对应的存储设备中;
步骤2:当用户没有浏览网络系统的资源时,资源推荐终端通过驱动电路使能用户类型划分模块首先按照预设的规则确定用户类型,资源推荐终端再通过驱动电路激活属性关注度导出模块根据用户的浏览记录和其用户类型导出针对对应用户的属性关注度,然后资源推荐终端通过驱动电路读取存储设备中资源的规范属性以及相应用户的属性关注度,并通过网络通信线路遍历网络系统中的所有资源,资源推荐终端通过驱动电路使能资源评分模块为网络系统中的每个资源评分,如果资源评分中有评分相同的资源,则根据同分资源排序算法对分值相同资源再次排序,根据评分分值得出网络系统中的资源的排序序列,资源推荐终端通过驱动电路使能topN选择模块,把按照排序序列的资源中按预设数量的前几个资源选定给用户作为兴趣资源,并且资源推荐终端再通过驱动电路激活属性关注度导出模块根据用户此时的浏览记录动态的更新属性关注度;当用户通过网络通信线路浏览网络系统的资源时,资源推荐终端的中央处理器根据用户当前浏览的资源的规范属性,通过网络通信线路遍历网络系统的资源,并依次经过驱动电路使能属性相关度导出模块导出每个对应的资源属性之间相关度的值,如果有属性相关度值相同的资源,则根据该资源被浏览次数从大到小的顺序对属性相关度的值相同的资源进行排序,资源推荐终端通过驱动电路使能topN选择模块,把按照排序序列的资源中按预设数量的前几个资源选定给用户作为兴趣资源。
2.根据权利要求1所述的基于多维属性关注度的兴趣资源推荐方法,其特征在于,所述的按照预设的规则确定用户类型为三类,登录用户、未登录有IP记录的用户以及未登录无IP记录的用户,登录用户为在网络系统中使用账号进行登录的用户;未登录有IP记录的用户为在网络系统中未使用账号进行登录,其登录方式为用户当前IP在未使用账号登录状态下登录过该网络系统进行浏览资源操作;未登录无IP记录的用户为未使用账号进行登录,用户当前IP在网络系统无浏览记录。
3.根据权利要求2所述的基于多维属性关注度的兴趣资源推荐方法,其特征在于,所述的属性关注度导出模块根据用户的浏览记录和其用户类型导出针对对应用户的属性关注度的方法为:该用户类型如果是登录用户,调用用户的浏览记录,该用户如果是未登录有IP记录的用户,调用用户的访问记录,而该用户如果是未登录无IP记录的用户,调用所有用户的浏览记录和访问记录,如果此时用户开始浏览网络系统的资源了,则根据被浏览资源的规范属性,先增加该规范属性被访问次数,接着统计浏览记录或访问记录中的各规范属性次数,并根据用户类型的浏览记录或访问记录,计算出各个规范属性被访问次数的总和,然后用各个规范属性的被访问次数除此总和,即为此规范属性相对于当前用户的属性关注度的值。
4.根据权利要求3所述的基于多维属性关注度的兴趣资源推荐方法,其特征在于,所述的资源评分模块为网络系统中的每个资源评分的方法为先设定用户共浏览了n种规范属性,分别指定第一规范属性为A1、第二规范属性为A2、第三规范属性为A3直到第n规范属性为An,其中n为大于0的整数值,所有的资源规范属性被访问次数分别为第一规范属性被访问次数为 第二规范属性被访问次数为、第三规范属性被访问次数为…. 第n规范属性被访问次数为,由此计算而得访问次数总和sum为,则相对于用户的属性关注度分别为,对于网络系统的任意资源,设定其规范属性为,其中在到中,i为大于0且小于等于n的整数值,不在到中,m为大于n的整数值,即用户访问过的资源中,均不包含规范属性,也即是相对于当前用户来说,其属性关注度为0,则对应的资源基于用户属性关注度的评分为;
如果资源评分中有评分相同的资源,则根据同分资源排序算法对分值相同资源再次排序,根据评分分值得出网络系统中的资源的排序序列,所述的根据同分资源排序算法对分值相同资源再次排序的方法为先录入分值相同资源,再根据同分资源被浏览次数排序,即根据网络系统记录的被浏览次数,对同分资源进行排序,再根据网络系统中的所有资源的属性关注度,计算资源评分并排序,如果同分资源的被浏览次数也相等,则计算此网络系统上全部资源的属性关注度,为同分资源重新评分排序。
5.根据权利要求4所述的基于多维属性关注度的兴趣资源推荐方法,其特征在于,所述的根据同分资源排序算法对分值相同资源再次排序的方法为先录入分值相同资源,再根据同分资源被浏览次数排序,即根据网络系统记录的被浏览次数,对同分资源进行排序,再根据网络系统中的所有资源的属性关注度,计算资源评分并排序,如果同分资源的被浏览次数也相等,则计算此网络系统上全部资源的属性关注度,为同分资源重新评分排序。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210466165.9A CN102930052B (zh) | 2012-11-19 | 2012-11-19 | 一种基于多维度属性关注度的兴趣资源推荐方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210466165.9A CN102930052B (zh) | 2012-11-19 | 2012-11-19 | 一种基于多维度属性关注度的兴趣资源推荐方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102930052A true CN102930052A (zh) | 2013-02-13 |
CN102930052B CN102930052B (zh) | 2014-11-05 |
Family
ID=47644849
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210466165.9A Expired - Fee Related CN102930052B (zh) | 2012-11-19 | 2012-11-19 | 一种基于多维度属性关注度的兴趣资源推荐方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102930052B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104408643A (zh) * | 2014-10-30 | 2015-03-11 | 西北大学 | 一种行为感知偏好获取系统及其获取方法 |
CN106445909A (zh) * | 2015-08-10 | 2017-02-22 | 北京奇虎科技有限公司 | 基于即时通讯平台的关注对象推送方法及装置 |
CN107948435A (zh) * | 2017-12-04 | 2018-04-20 | 程桂平 | 基于用户特性选择应用的方法和系统 |
CN108305091A (zh) * | 2017-01-13 | 2018-07-20 | 北京京东尚科信息技术有限公司 | 电子设备、用户感兴趣感知度提取方法及装置 |
CN110650212A (zh) * | 2019-10-17 | 2020-01-03 | 华普通用技术研究(广州)有限公司 | 一种以大数据流式技术实现网络数据包的分析方法及系统 |
CN110909221A (zh) * | 2019-11-29 | 2020-03-24 | 腾讯科技(深圳)有限公司 | 一种资源展示方法和相关装置 |
CN112131459A (zh) * | 2020-08-07 | 2020-12-25 | 广州工商学院 | 基于大数据的知识产权信息检索软件管理系统及方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090006371A1 (en) * | 2007-06-29 | 2009-01-01 | Fuji Xerox Co., Ltd. | System and method for recommending information resources to user based on history of user's online activity |
CN101551825A (zh) * | 2009-05-15 | 2009-10-07 | 中国科学技术大学 | 基于属性描述的个性化影片推荐系统及方法 |
CN102611785A (zh) * | 2011-01-20 | 2012-07-25 | 北京邮电大学 | 面向手机的移动用户个性化新闻主动推荐服务系统及方法 |
-
2012
- 2012-11-19 CN CN201210466165.9A patent/CN102930052B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090006371A1 (en) * | 2007-06-29 | 2009-01-01 | Fuji Xerox Co., Ltd. | System and method for recommending information resources to user based on history of user's online activity |
CN101551825A (zh) * | 2009-05-15 | 2009-10-07 | 中国科学技术大学 | 基于属性描述的个性化影片推荐系统及方法 |
CN102611785A (zh) * | 2011-01-20 | 2012-07-25 | 北京邮电大学 | 面向手机的移动用户个性化新闻主动推荐服务系统及方法 |
Non-Patent Citations (1)
Title |
---|
韩李侠: "网络资源个性化推荐技术研究及应用", 《中国硕士论文全文数据库》 * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104408643A (zh) * | 2014-10-30 | 2015-03-11 | 西北大学 | 一种行为感知偏好获取系统及其获取方法 |
CN104408643B (zh) * | 2014-10-30 | 2018-01-02 | 西北大学 | 一种行为感知偏好获取系统及其获取方法 |
CN106445909A (zh) * | 2015-08-10 | 2017-02-22 | 北京奇虎科技有限公司 | 基于即时通讯平台的关注对象推送方法及装置 |
CN108305091A (zh) * | 2017-01-13 | 2018-07-20 | 北京京东尚科信息技术有限公司 | 电子设备、用户感兴趣感知度提取方法及装置 |
CN108305091B (zh) * | 2017-01-13 | 2022-04-26 | 北京京东尚科信息技术有限公司 | 电子设备、用户感兴趣感知度提取方法及装置 |
CN107948435A (zh) * | 2017-12-04 | 2018-04-20 | 程桂平 | 基于用户特性选择应用的方法和系统 |
CN110650212A (zh) * | 2019-10-17 | 2020-01-03 | 华普通用技术研究(广州)有限公司 | 一种以大数据流式技术实现网络数据包的分析方法及系统 |
CN110650212B (zh) * | 2019-10-17 | 2020-12-08 | 国科元科技(北京)有限公司 | 一种以大数据流式技术实现网络数据包的分析方法及系统 |
CN110909221A (zh) * | 2019-11-29 | 2020-03-24 | 腾讯科技(深圳)有限公司 | 一种资源展示方法和相关装置 |
CN112131459A (zh) * | 2020-08-07 | 2020-12-25 | 广州工商学院 | 基于大数据的知识产权信息检索软件管理系统及方法 |
CN112131459B (zh) * | 2020-08-07 | 2021-06-01 | 广州工商学院 | 基于大数据的知识产权信息检索软件管理系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN102930052B (zh) | 2014-11-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102930052B (zh) | 一种基于多维度属性关注度的兴趣资源推荐方法 | |
Rakesh et al. | Personalized recommendation of twitter lists using content and network information | |
CN103886090B (zh) | 基于用户喜好的内容推荐方法及装置 | |
Jonnalagedda et al. | Personalized news recommendation using twitter | |
US10387915B2 (en) | Digital magazine recommendations by topic | |
US8209331B1 (en) | Context sensitive ranking | |
TWI533246B (zh) | 使用者未知興趣之探索方法與系統 | |
CN108090208A (zh) | 融合数据处理方法及装置 | |
CN105608121B (zh) | 一种个性化推荐方法及装置 | |
CN102999507B (zh) | 网络微博名人信息的推荐处理方法和装置 | |
US20120143883A1 (en) | Ranking product information | |
TW201447797A (zh) | 內容個人化之多相排序方法和系統 | |
WO2014043264A1 (en) | Generating an implied object graph based on user behavior | |
US10438268B2 (en) | Recommender system | |
CN101317177A (zh) | 确定内容提供商优先级的系统和方法 | |
CN109768888A (zh) | 一种网络服务质量评价方法、装置、设备及可读存储介质 | |
CN102591873B (zh) | 一种信息推荐方法和设备 | |
US9111231B2 (en) | Associating a web session with a household member | |
CN104572757A (zh) | 微博群体处理方法及装置 | |
CN105871585A (zh) | 终端关联方法及装置 | |
CN106354855A (zh) | 一种推荐方法及系统 | |
CN106874509B (zh) | 基于中粒度用户分组的资源推荐方法及装置 | |
CN104123321B (zh) | 一种确定推荐图片的方法及装置 | |
US11182418B2 (en) | Media content recommendation method and apparatus and storage medium | |
Thiyagarajan et al. | Recommendation of web pages using weighted K-means clustering |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20141105 Termination date: 20211119 |
|
CF01 | Termination of patent right due to non-payment of annual fee |