CN102999507B - 网络微博名人信息的推荐处理方法和装置 - Google Patents

网络微博名人信息的推荐处理方法和装置 Download PDF

Info

Publication number
CN102999507B
CN102999507B CN201110269300.6A CN201110269300A CN102999507B CN 102999507 B CN102999507 B CN 102999507B CN 201110269300 A CN201110269300 A CN 201110269300A CN 102999507 B CN102999507 B CN 102999507B
Authority
CN
China
Prior art keywords
information
famous person
word
user
interest worlds
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.)
Active
Application number
CN201110269300.6A
Other languages
English (en)
Other versions
CN102999507A (zh
Inventor
范禹
姚俊军
沃英杰
闫清岭
王枞
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.)
Tencent Technology Beijing Co Ltd
Original Assignee
Tencent Technology Beijing 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 Tencent Technology Beijing Co Ltd filed Critical Tencent Technology Beijing Co Ltd
Priority to CN201110269300.6A priority Critical patent/CN102999507B/zh
Priority to PCT/CN2012/076884 priority patent/WO2013037223A1/zh
Publication of CN102999507A publication Critical patent/CN102999507A/zh
Priority to US14/138,003 priority patent/US20140108432A1/en
Application granted granted Critical
Publication of CN102999507B publication Critical patent/CN102999507B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2457—Query processing with adaptation to user needs
    • G06F16/24578—Query processing with adaptation to user needs using ranking
    • 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—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/01—Social networking
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2457—Query processing with adaptation to user needs
    • G06F16/24573—Query processing with adaptation to user needs using data annotations, e.g. user-defined metadata
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Finance (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Economics (AREA)
  • Accounting & Taxation (AREA)
  • Development Economics (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Linguistics (AREA)
  • Databases & Information Systems (AREA)
  • Computing Systems (AREA)
  • Game Theory and Decision Science (AREA)
  • Library & Information Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Primary Health Care (AREA)
  • Tourism & Hospitality (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明公开了一种网络微博名人信息的推荐处理方法和装置，所述方法包括：分析网络系统中记载的指定用户的相关信息，确定出该指定用户的偏好信息；从微博系统中所存储的名人信息中查询出与所述偏好信息匹配的名人信息，将查询出的名人信息当作为所述指定用户推荐的名人信息。所述装置包括：分析模块，用于分析网络系统中记载的指定用户的相关信息，确定出该指定用户的偏好信息；查询模块，用于从微博系统中所记载的名人信息中查询出与所述偏好信息匹配的名人信息；推荐模块，用于将所述查询模块查询出的名人信息当作为所述指定用户推荐的名人信息。利用本发明，可以降低人力成本，提高效率，使推荐结果更加趋近用户自身的客观偏好。

Description

网络微博名人信息的推荐处理方法和装置
技术领域
本发明涉及网络数据处理技术领域，尤其涉及一种网络微博名人信息的推荐处理方法和装置。
背景技术
微博客(MicroBlog)，简称微博，是一个基于用户关系的信息分享、传播以及获取的网络平台，用户可以通过有线通信网络或无线通信网络、以及各种客户端访问微博，以指定数目的文字和/或其它多媒体信息更新信息，并实现即时分享。
随着互联网的进一步普及，目前的微博系统发展迅速，其中某些微博系统目前注册用户已经过亿。微博系统的一大特色就在于集中了大量各行各业的名人，普通用户可以很方便的和名人进行互动。随着名人队伍的扩大，需要一种更有效的方法将用户感兴趣的名人推送给用户。
现有的在微博中向用户推荐名人信息的方法是：通过人工编辑的方式向用户推荐名人。但是，现有的这种方法不但需要耗费大量人力成本，效率低下；而且主观因素太强，无法实现针对指定用户进行客观地有针对性地推荐，推荐结果距离用户的客观偏好太远。
发明内容
有鉴于此，本发明的主要目的在于提供一种网络微博名人信息的推荐处理方法和装置，以降低人力成本，提高效率，使推荐结果更加趋近用户自身的客观偏好。
本发明的技术方案是这样实现的：
一种网络微博名人信息的推荐处理方法，包括：
分析网络系统中记载的指定用户的相关信息，确定出该指定用户的偏好信息；
从微博系统中所存储的名人信息中查询出与所述偏好信息匹配的名人信息，将查询出的名人信息当作为所述指定用户推荐的名人信息。
一种网络微博名人信息的推荐处理装置，包括：
分析模块，用于分析网络系统中记载的指定用户的相关信息，确定出该指定用户的偏好信息；
查询模块，用于从微博系统中所记载的名人信息中查询出与所述分析模块确定出的偏好信息匹配的名人信息；
推荐模块，用于将所述查询模块查询出的名人信息当作为所述指定用户推荐的名人信息。
与现有技术相比，本发明所提供的方案通过分析用户的相关信息确定出用户的偏好信息，再查询出与该偏好信息匹配的名人信息，将查询出的名人信息作为推荐结果，从而既可以实现由数据处理设备自动化地进行名人信息的推荐处理，降低人力成本，提高效率，又可以针对用户各自的偏好推荐给出有针对性的名人信息推荐结果，使推荐结果更加趋近用户自身的客观偏好。
附图说明
图1为本发明所述方法的一种流程图；
图2为本发明所述方法的一种数据流向示意图；
图3为本发明所述网络微博名人信息的推荐处理装置的一种结构示意图；
图4为本发明所述分析模块的一种具体结构图；
图5为本发明所述查询模块的一种具体结构图。
具体实施方式
下面结合附图及具体实施例对本发明再作进一步详细的说明。
图1为本发明所述方法的一种流程图。参见图1，本发明的方法包括：
步骤101、分析网络系统中记载的指定用户的相关信息，确定出该指定用户的偏好信息。
步骤102、从微博系统中所记载的名人信息中查询出与所述偏好信息匹配的名人信息，将查询出的名人信息当作为所述指定用户推荐的名人信息。
所述网络系统主要是微博系统，可以进一步包括其他关联网站系统。所述指定用户是指微博系统中的一个注册用户，例如用户AAA，或者用户BBB，系统可以针对每个微博注册用户执行本发明的方法，为每位注册用户推荐出与其偏好信息匹配的名人列表，从而根据不同用户的兴趣偏好有针对性地推荐名人给不同的用户。所述名人信息中主要包括名人标识(如名字)，该方法最终为指定用户推荐的可以是一组名人的名字。
在一种实施例中，所述步骤101中的具体处理方式为：
分析所述指定用户相关信息中的兴趣领域词；根据分析出的兴趣领域词所属相关信息的种类对应的加权比重，对所述兴趣领域词进行加权；最后按照兴趣领域词的加权值对提取出的所有兴趣领域词进行排序，得到的兴趣领域词列表为偏好信息。
图2为本发明所述方法的一种数据流向模型示意图。参见图1和图2，在所述步骤101中，所述网络系统中记载的指定用户的相关信息可以包括以下种类相关信息中的任意种，可以采用对应的方式从中分析出用户的兴趣领域词，这些相关信息及其对应的分析方式包括：
A)用户主动填入的个人信息，例如用户的注册信息，例如性别、年龄、家乡、兴趣爱好等等；可以从这些个人信息中直接提取出兴趣领域词，如家乡、兴趣爱好。
B)用户的关系链信息，例如用户在微博系统中加关注或收听的名人的记录等；通过分析用户已经关注或收听的名人信息，统计归纳出其所关注或收听的名人所集中的兴趣领域，并对这些兴趣领域的关注度进行排序，提取出排名靠前的指定数量的兴趣领域词，所述指定数量可以根据需求进行设定。
C)用户参与的话题信息，例如在微博系统中会经常出现一些讨论话题，用户可以根据自身兴趣自由选择参加；通过分析用户所参与话题所覆盖的领域，统计归纳出其出现次数超过指定次数的兴趣领域词，或统计归纳出其出现次数排名靠前的指定数量的兴趣领域词，所述指定次数和指定数量可以根据需求进行设定。
D)用户参加的微博群(简称微群)信息，所述微群就是微博系统中的一个同类信息的聚合模块，在微群里用户可以找到志同道合的人，例如有同一个共同兴趣爱好、同一粉丝团、同一学校、同一职业等，用户可以和微群中的其他用户进行各种话题讨论；系统可以通过分析用户所参加的微群的主题，统计归纳出其出现次数超过指定次数的兴趣领域词，或统计归纳出其出现次数排名靠前的指定数量的兴趣领域词，所述指定次数和指定数量可以根据需求进行设定。
E)用户建立的关注集信息，所述关注集在有些微博中又称为收听(或关注)名单，用户可以将自己所关注的人分成类，加入到不同的名单中，例如同事名单、朋友名单、体育界名单、影视界名单等等；系统可以通过分析用户所建立的关注集的主题、描述等信息，统计归纳出其出现次数超过指定次数的兴趣领域词，或统计归纳出其出现次数排名靠前的指定数量的兴趣领域词，所述指定次数和指定数量可以根据需求进行设定。
F)用户在其它关联网站系统中的行为记录信息，例如在关联的音乐网站所收听的记录，在新闻网站所浏览的新闻条目记录等等，此处的关联网站是指利用本微博系统的帐号可以登录的网站系统；系统可以通过分析这些关联网站的用户行为记录信息，统计归纳出其出现次数超过指定次数的兴趣领域词，或统计归纳出其出现次数排名靠前的指定数量的兴趣领域词，所述指定次数和指定数量可以根据需求进行设定。例如在关联音乐网站甚至可以分析出其感兴趣的某位音乐类名人。
步骤101中，具体可以利用用户在微博系统中的标识信息(通常为帐号)从对应的数据提供源中查找出上述的相关信息，之后可以利用上述各种相关信息对应的分析处理方法从中分析提取出用户的兴趣领域词。
上述A)用户主动填入的个人信息是一种显示的用户反馈信息，能准确的反应用户对某个领域的真实喜好，但需要用户付出额外的精力进行填写。上述相关信息B)至F)为隐式的用户反馈信息，隐式地反映了用户对某些领域的兴趣，需要进行上述对应的分析处理才能得到兴趣领域词。对于隐世的用户反馈信息，本发明还可以进一步分析统计其中的行为特征信息，确定出该行为特征信息对应的兴趣领域词。例如用户最近发表的微博，都是和儿童相关，上传的照片，视频，是跟自己孩子相关，本发明可以利用其中的关键字信息并按照预设的推断策略，该推断策略例如可以是关键字信息与兴趣领域词的对应关系，推断出该用户最近关注的兴趣领域词与儿童相关，因此可以从中确定出教育、医疗等兴趣领域词。
在从所述指定用户相关信息中分析出该用户的兴趣领域词之后，需进一步根据上述A)至F)所述种类的相关信息对应的加权比重，对所述兴趣领域词进行加权；最后按照兴趣领域词的加权值对提取出的所有兴趣领域词进行排序，得到一个兴趣领域词列表，所述兴趣领域词列表也可以称为是一种兴趣领域模型，该兴趣领域模型就是用户的偏好信息。
上述A)至F)所述每种数据有其不同的加权比重，例如用户主动填入的个人信息，加权比重就会较高；对于不是用户主动填入但是用户主动触发的信息源，如用户主动建立的关系链，主动参加的微群等，也具有较高的加权比重，在关联网站得到的信息，具有较低的加权比重。
例如，对于用户主动填入的个人信息，其加权比重是加50分；对于用户的关系链信息，其加权比重为加20分；对于用户在关联网络系统中的日志记录信息，其加权比重是加10分。针对某个用户AAA的相关信息，在其主动填入的个人信息中分析出“足球”和“财经”两个兴趣领域词，则为这两个词分别加50分；如果在其关系链信息中分析出“财经”这个兴趣领域词，则为“财经”再加20分；如果在其关联网络系统中的日志记录信息中分析出“奥斯卡”这个兴趣领域词，则为该词加10分。最后得到所有兴趣领域词的总分(即加权值)，按照该总分排序，得到一个兴趣领域词列表。
另外，本发明还可以进一步搜集用户对用户相关信息中不同种类信息的点击反馈信息，根据所述点击反馈信息调整所述各种类相关信息对应的加权比重。
所述步骤102具体包括：
在所述名人信息中设置对应的分类标签，按照分类标签对所述名人信息进行分类，并设置偏好信息与分类标签的映射关系，在微博系统中存储这种映射关系。所述偏好信息中包括兴趣领域词，每个兴趣领域词都对应映射一个或一个以上的名人分类标签，例如“足球”这个兴趣领域词对应的名人分类标签可以是“国家队”、“意甲”、“英超”、“世界杯名人堂”等，每一个名人分类标签对应一个名人推荐池，该名人推荐池是一个名人信息组，其中包括一组名人的标识(主要是名人的名字)，这一组名人标识通常可以按照人气指标值进行排序。之后，根据所述映射关系查询出步骤101所确定的用户偏好信息对应匹配的分类标签，从该分类标签对应的名人信息组中选择符合指定条件的名人信息，将选出的名称信息作为所述查询结果。所述指定条件可以根据场景进行设置和更改，本发明并不具体限定。例如，所述指定条件可以是分别选择每一分类标签对应的名人推荐池中排名前两位的名人，例如用户AAA的偏好信息中包括兴趣领域词“足球”，则根据该兴趣领域词“足球”可以从所述映射关系中查询出对应匹配的“国家队”、“意甲”、“英超”、“世界杯名人堂”这几个分类标签，从每一分类标签对应的一组名人推荐池中选择人气指标值排在前两位的名人作为查询结果。将该查询结果当作为所述指定用户AAA推荐的名人。
当然，所述用户AAA的偏好信息中不止包括一个兴趣领域词，而是一个兴趣领域词列表，那么在步骤102中，需要查询每个兴趣领域词对应的分类标签，从中选出符合指定条件的名人信息，之后再按照预先设定的排序方式对所有名人进行排序，将其中符合指定名次(例如前10名)的名人信息当作为所述用户AAA推荐的名人。所述排序方式例如可以是按照兴趣领域词的加权值进行排序，或者按照兴趣领域词的加权值与名人人气指标值的组合加权值进行排序等等。
基于上述网络微博名人信息的推荐处理方法，本发明还公开了一种网络微博名人信息的推荐处理装置。
图3为本发明所述网络微博名人信息的推荐处理装置的一种结构示意图。参见图3，该推荐处理装置300包括：
分析模块301，用于分析网络系统中记载的指定用户的相关信息，确定出该指定用户的偏好信息。
查询模块302，用于从微博系统中所记载的名人信息中查询出与所述分析模块301确定出的偏好信息匹配的名人信息。
推荐模块303，用于将所述查询模块302查询出的名人信息当作为所述指定用户推荐的名人信息。
图4为本发明所述分析模块的一种具体结构图。参见图4，所述分析模块301具体包括：
兴趣领域词提取模块311，用于分析提取所述指定用户相关信息中的兴趣领域词。
加权模块312，用于根据所述兴趣领域词提取模块311提取出的兴趣领域词所属相关信息的种类对所述兴趣领域词进行加权。
排序模块313，用于按照所述加权模块312输出的兴趣领域词的加权值对提取出的所有兴趣领域词进行排序，得到的兴趣领域词列表为偏好信息。
图5为本发明所述查询模块的一种具体结构图。参见图5，所述查询模块302具体包括：
分类模块321，用于按照分类标签对所述名人信息进行分类。
映射模块322，用于设置偏好信息与分类标签的映射关系。
查询子模块323，用于输入所述分析模块301确定出的偏好信息，从所述映射模块322中查询出所述偏好信息对应匹配的分类标签，再从该分类标签对应的名人信息组中选择符合指定条件的名人信息，将选出的名人信息作为所述查询结果。
本发明可以针对微博系统中的每一位注册用户利用上述处理方法或装置推荐出对应的名人目录，当用户登录后即可推送给用户，由于这种推荐结果更加趋近用户的客观偏好，因此还可以大幅提升微博系统的用户活跃度。
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，所做的任何修改、等同替换、改进等，均应包含在本发明保护的范围之内。

Claims (8)

1.一种网络微博名人信息的推荐处理方法，其特征在于，包括：
分析网络系统中记载的指定用户的相关信息，确定出该指定用户的偏好信息；
从微博系统中所存储的名人信息中查询出与所述偏好信息匹配的名人信息，将查询出的名人信息当作为所述指定用户推荐的名人信息；
从微博系统中所存储的名人信息中查询出与所述偏好信息匹配的名人信息的具体方式为：
按照分类标签对所述名人信息组进行分类，并设置偏好信息与分类标签的映射关系，所述偏好信息中包括兴趣领域词，每个兴趣领域词都对应映射一个或一个以上的分类标签，每一个分类标签对应一个名人信息组；在进行所述查询时，根据所述映射关系查询出所述指定用户偏好信息对应匹配的分类标签，从该分类标签对应的名人信息组中选择符合指定条件的名人信息，将选出的名人信息作为所述查询结果。
2.根据权利要求1所述的方法，其特征在于，所述分析网络系统中记载的指定用户的相关信息，确定出该指定用户的偏好信息的具体方式为：
分析所述指定用户相关信息中的兴趣领域词；根据分析出的兴趣领域词所属相关信息的种类对应的加权比重，对所述兴趣领域词进行加权；最后按照兴趣领域词的加权值对提取出的所有兴趣领域词进行排序，得到的兴趣领域词列表为偏好信息。
3.根据权利要求2所述的方法，其特征在于，所述分析所述指定用户相关信息中的兴趣领域词的具体方式包括：
从所述指定用户相关信息中直接提取兴趣领域词；
和/或分析所述指定用户相关信息，统计归纳出出现次数或关注度超过指定要求的兴趣领域词；
和/或分析所述指定用户的相关信息，统计归纳其中的行为特征信息，确定出该行为特征信息对应的兴趣领域词。
4.根据权利要求2所述的方法，其特征在于，该方法进一步包括：搜集用户对用户相关信息中不同种类信息的点击反馈信息，根据所述点击反馈信息调整所述各种类相关信息对应的加权比重。
5.根据权利要求1至4任一项所述的方法，其特征在于，所述用户的相关信息包括以下种类相关信息中的任意种：
用户主动填入的个人信息；
用户的关系链信息；
用户参与的话题信息；
用户参加的微博群信息；
用户建立的关注集信息；
用户在关联网络系统中的日志记录信息。
6.根据权利要求1所述的方法，其特征在于，所述从微博系统中所存储的名人信息中查询出与所述偏好信息匹配的名人信息之后，进一步包括：按照预设的排序方式对查询出的名人信息进行排序，将其中符合指定名次的名人信息当作为所述指定用户推荐的名人信息。
7.一种网络微博名人信息的推荐处理装置，其特征在于，包括：
分析模块，用于分析网络系统中记载的指定用户的相关信息，确定出该指定用户的偏好信息；
查询模块，用于从微博系统中所记载的名人信息中查询出与所述分析模块确定出的偏好信息匹配的名人信息；
推荐模块，用于将所述查询模块查询出的名人信息当作为所述指定用户推荐的名人信息；
所述查询模块具体包括：
分类模块，用于按照分类标签对所述名人信息组进行分类，每一个分类标签对应一个名人信息组；
映射模块，用于设置偏好信息与分类标签的映射关系，所述偏好信息中包括兴趣领域词，每个兴趣领域词都对应映射一个或一个以上的分类标签；
查询子模块，用于输入所述分析模块确定出的偏好信息，从所述映射模块中查询出所述偏好信息对应匹配的分类标签，再从该分类标签对应的名人信息组中选择符合指定条件的名人信息，将选出的名人信息作为所述查询结果。
8.根据权利要求7所述的装置，其特征在于，所述分析模块具体包括：
兴趣领域词提取模块，用于分析提取所述指定用户相关信息中的兴趣领域词；
加权模块，用于根据所述兴趣领域词提取模块提取出的兴趣领域词所属相关信息的种类对所述兴趣领域词进行加权；
排序模块，用于按照所述加权模块输出的兴趣领域词的加权值对提取出的所有兴趣领域词进行排序，得到的兴趣领域词列表为偏好信息。
CN201110269300.6A 2011-09-13 2011-09-13 网络微博名人信息的推荐处理方法和装置 Active CN102999507B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN201110269300.6A CN102999507B (zh) 2011-09-13 2011-09-13 网络微博名人信息的推荐处理方法和装置
PCT/CN2012/076884 WO2013037223A1 (zh) 2011-09-13 2012-06-14 网络微博名人信息的推荐处理方法和装置
US14/138,003 US20140108432A1 (en) 2011-09-13 2013-12-20 Method and apparatus of recommending popular accounts in sns system

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201110269300.6A CN102999507B (zh) 2011-09-13 2011-09-13 网络微博名人信息的推荐处理方法和装置

Publications (2)

Publication Number Publication Date
CN102999507A CN102999507A (zh) 2013-03-27
CN102999507B true CN102999507B (zh) 2017-04-05

Family

ID=47882578

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201110269300.6A Active CN102999507B (zh) 2011-09-13 2011-09-13 网络微博名人信息的推荐处理方法和装置

Country Status (3)

Country Link
US (1) US20140108432A1 (zh)
CN (1) CN102999507B (zh)
WO (1) WO2013037223A1 (zh)

Families Citing this family (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103337027A (zh) * 2013-06-20 2013-10-02 咸晓梦 服装信息推送方法及系统
CN104516915B (zh) * 2013-09-30 2018-03-23 腾讯科技（北京）有限公司 一种基于微博timeline的媒体数据发布方法和装置
CN103870538B (zh) * 2014-01-28 2017-02-15 百度在线网络技术（北京）有限公司 针对用户进行个性化推荐的方法、用户建模设备及系统
CN103870541B (zh) * 2014-02-24 2017-05-31 微梦创科网络科技（中国）有限公司 社交网络用户兴趣挖掘方法和系统
CN105095219B (zh) * 2014-04-23 2019-02-01 华为技术有限公司 微博推荐方法和终端
US9996575B2 (en) 2014-10-30 2018-06-12 Twitter, Inc. Automated social message stream population
CN104572932B (zh) * 2014-12-29 2017-11-24 微梦创科网络科技（中国）有限公司 一种兴趣标签的确定方法及装置
US20170065893A1 (en) * 2015-09-04 2017-03-09 Sony Interactive Entertainment Network America Llc Electronic processing system with verified accounts and method of operation thereof
CN108470284B (zh) * 2017-02-23 2023-04-07 腾讯科技（深圳）有限公司 数据分析方法和装置
CN107463304B (zh) * 2017-07-05 2020-09-25 广东小天才科技有限公司 桌面图标整理方法、装置、移动设备及存储介质
CN107967345A (zh) * 2017-12-12 2018-04-27 梁金凤 一种社交网络名人信息推荐装置
CN110209944B (zh) * 2019-06-10 2023-07-28 上海时廊人工智能科技有限公司 一种股票分析师推荐方法、装置、计算机设备和存储介质
CN111104605A (zh) * 2019-12-02 2020-05-05 北京达佳互联信息技术有限公司 内容推荐方法、装置、电子设备及存储介质
CN111722766A (zh) * 2020-06-04 2020-09-29 北京达佳互联信息技术有限公司 多媒体资源的展示方法及装置

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1917463A (zh) * 2006-08-30 2007-02-21 中国移动通信集团公司 基于用户操作特征对用户信息关联的方法
CN101446961A (zh) * 2008-12-24 2009-06-03 腾讯科技（深圳）有限公司 在网络社区中对用户及其好友进行关联的方法及系统
CN101616356A (zh) * 2009-07-31 2009-12-30 卓望数码技术（深圳）有限公司 一种无线数据业务产品信息推送方法及系统

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8166058B2 (en) * 2006-12-28 2012-04-24 Yahoo! Inc. Identifying interest twins in an online community
US8504550B2 (en) * 2009-05-15 2013-08-06 Citizennet Inc. Social network message categorization systems and methods

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1917463A (zh) * 2006-08-30 2007-02-21 中国移动通信集团公司 基于用户操作特征对用户信息关联的方法
CN101446961A (zh) * 2008-12-24 2009-06-03 腾讯科技（深圳）有限公司 在网络社区中对用户及其好友进行关联的方法及系统
CN101616356A (zh) * 2009-07-31 2009-12-30 卓望数码技术（深圳）有限公司 一种无线数据业务产品信息推送方法及系统

Also Published As

Publication number Publication date
CN102999507A (zh) 2013-03-27
WO2013037223A1 (zh) 2013-03-21
US20140108432A1 (en) 2014-04-17

Similar Documents

Publication Publication Date Title
CN102999507B (zh) 网络微博名人信息的推荐处理方法和装置
Khoo Issues in information behaviour on social media
US11636165B1 (en) Selecting content for presentation to a user of a social networking system based on a topic associated with a group of which the user is a member
CN104281622B (zh) 一种社交媒体中的信息推荐方法和装置
Tinati et al. Identifying communicator roles in twitter
CN104156450B (zh) 一种基于用户网络数据的物品信息推荐方法
CN109033180A (zh) 一种信息推送方法、装置、计算机装置及计算机可读存储介质
CN106980692A (zh) 一种基于微博特定事件的影响力计算方法
CN103200279B (zh) 推荐方法和云端服务器
US20100057568A1 (en) Method and Apparatus for Searching for Online Advertisement Resource
US20110252027A1 (en) System And Method For Recommending Interesting Content In An Information Stream
CN105046601A (zh) 用户数据处理方法和系统
US10489473B2 (en) Generating information describing interactions with a content item presented in multiple collections of content
US20160034592A1 (en) Personal trends module
CN104615627B (zh) 一种基于微博平台的事件舆情信息提取方法及系统
CN108009220A (zh) 一种网络热点舆情事件中检测和定位异常用户的方法
JP2013037624A (ja) 情報処理システム、情報処理方法、プログラム及び情報記憶媒体
Hampwaye et al. Urban agriculture as local initiative in Lusaka, Zambia
CN108230169B (zh) 基于社交影响力的信息传播模型及态势感知系统及方法
Katz et al. Using Wikipedia to boost collaborative filtering techniques
CN109246450A (zh) 一种基于隐式信息评分的影视择优推荐系统及方法
Noro et al. Twitter user rank using keyword search
Stepaniuk Blog content management in shaping pro recreational attitudes
Li Social network sites comparison between the united states and China: Case study on facebook and renren network
Drenten et al. Crossing the# bikinibridge: Exploring the role of social media in propagating body image trends

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