CN102999634A - 基于浏览器数据的用户导航推荐方法、系统及云端服务器 - Google Patents
基于浏览器数据的用户导航推荐方法、系统及云端服务器 Download PDFInfo
- Publication number
- CN102999634A CN102999634A CN201210553153XA CN201210553153A CN102999634A CN 102999634 A CN102999634 A CN 102999634A CN 201210553153X A CN201210553153X A CN 201210553153XA CN 201210553153 A CN201210553153 A CN 201210553153A CN 102999634 A CN102999634 A CN 102999634A
- Authority
- CN
- China
- Prior art keywords
- user
- behaviors
- behavior
- cloud server
- page
- 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 Transfer Between Computers (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明提出了一种基于浏览器数据的用户导航推荐方法,包括以下步骤:云端服务器获得用户的访问日志;云端服务器根据用户的访问日志获得用户至少一个访问会话产生的行为序列,行为序列包括按照时间排列的多个行为;根据每个行为对应的页面和访问页面游走链接图和时间信息对至少一个访问会话中行为序列中的多个行为进行排序;根据排序之后多个行为为用户进行导航推荐。本发明的实施例推荐结果更加贴合用户的兴趣点且降低客户端计算量,具有提高用户体验效果的优点。本发明还提出了一种基于浏览器数据的用户导航推荐系统和云端服务器。
Description
技术领域
本发明涉及通讯技术领域,特别涉及一种基于浏览器数据的用户导航推荐方法、系统及云端服务器。
背景技术
现有的导航推荐算法实现在浏览器客户端,推荐策略利用的事访问频次经过时间衰减线性加权,再求topN的算法,其中每条记录分值=(1+2*(1/(1+该记录距当天天数/7)))*来源权值。
然而,现有的导航推荐策略仅使用用户点击url和时间戳两维信息,通过访问频次时间衰减后进行线性加权,但是,这种策略一方面会导致计算出的历史url不能发现具有导航意义的频道页;第二,在用户使用客户端产品的过程中经常性地使得用户的短期兴趣排序值靠前,推荐出的页面用户可能已经不再感兴趣;第三,推荐出的url重复度高,如:同一host域下的多个子页面同时展现,从而使得用户体验效果不佳。
另外,现有的推荐策略在客户端实现,从而导致客户端cpu计算压力较大,影响用户体验;客户端产品升级周期长,算法更新需要用户安装升级包后才能生效。
发明内容
本发明的目的旨在至少解决所述技术缺陷之一。
为此,本发明的第一个目的在于提出一种推荐结果重复度低、推荐结果更加贴合用户的兴趣点且降低客户端计算量的基于浏览器数据的用户导航推荐方法。
本发明的第二个目的在于提出一种基于浏览器数据的用户导航推荐系统。
本发明的第三个目的在于提出一种云端服务器。
为达到所述目的,本发明第一方面的实施例公开了一种基于浏览器数据的用户导航推荐方法,包括以下步骤:云端服务器获得用户的访问日志;所述云端服务器根据所述用户的访问日志获得所述用户至少一个访问会话产生的行为序列,其中,所述行为序列包括按照时间排列的多个行为;根据每个行为对应的页面和访问所述页面游走链接图和时间信息对所述至少一个访问会话中行为序列中的多个行为进行排序;以及根据排序之后多个行为为所述用户进行导航推荐。
根据本发明实施例的基于浏览器数据的用户导航推荐方法,首先获取用户近一段时间(如1个月)内的访问回话(session)的多个行为序列,并根据每个行为序列的游走链接图和用户在行为序列对应的网页的使用时间进行排序后推荐,这样,不经能够保证推荐结果是用户近一段时间游走链接图较多的,且是在网页中停留时间较长的,因此,推荐结果更加具有参考意义,更加贴合用户的兴趣点,从而能够提高用户体验。另外,该方法是通过云端服务器实现的,从而可有效降低客户端的计算量,进一步提高客户端的加载速度,进一步提高用户体验度。
另外,根据本发明上述实施例的基于浏览器数据的用户导航推荐方法还可以具有如下附加的技术特征:
在一些示例中,每个行为包括用户的跳转页面、用户的访问页面、权重以及时间戳。
在一些示例中,根据所述行为对应的页面的时间信息得到所述行为的权重。
在一些示例中,所述根据排序之后多个行为为所述用户进行导航推荐的步骤之前,还包括:对所述排序之后多个行为进行筛选;根据筛选之后的多个行为为所述用户进行导航推荐。
在一些示例中,对所述排序之后多个行为进行筛选的方法包括:获取所述多个行为对应的页面地址;根据所述多个行为对应的页面地址判断是否存在多个网页地址对应同一网站;如果存在,则将所述同一网站对应的多个网页的目录深度最小的网页推荐给用户。
本发明第二方面的实施例公开了一种基于浏览器数据的客户端导航推荐系统,包括:云端服务器和客户端,其中,所述云端服务器用于获得客户端的访问日志,并根据所述客户端的访问日志获得所述客户端至少一个访问会话产生的行为序列,其中,所述行为序列包括按照时间排列的多个行为,并根据每个行为对应的页面和访问所述页面游走链接图和时间信息对所述至少一个访问会话中行为序列中的多个行为进行排序,以及根据排序之后多个行为为所述客户端进行导航推荐,所述客户端将来自所述云端服务器的导航推荐结果进行显示。
根据本发明实施例的基于浏览器数据的用户导航推荐系统,云端服务器首先获取用户近一段时间(如1个月)内的访问回话(session)的多个行为序列,并根据每个行为序列的游走链接图和用户在行为序列对应的网页的使用时间进行排序后推荐,这样,不经能够保证推荐结果是用户近一段时间游走链接图较多的,且是在网页中停留时间较长的,因此,推荐结果更加具有参考意义,更加贴合用户的兴趣点,从而能够提高用户对客户端的使用体验。另外,该方法是通过云端服务器实现的,从而可有效降低客户端的计算量,进一步提高客户端的加载速度,进一步提高用户对客户端的使用体验。
另外,根据本发明上述实施例的基于浏览器数据的用户导航推荐系统还可以具有如下附加的技术特征:
在一些示例中,每个行为包括跳转页面、客户端的访问页面、权重以及时间戳。
在一些示例中,所述云端服务器根据所述行为对应的页面的时间信息得到所述行为的权重。
在一些示例中,所述云端服务器在根据排序之后多个行为为所述客户端进行导航推荐之前,还用于:对所述排序之后多个行为进行筛选;根据筛选之后的多个行为为所述客户端进行导航推荐。
在一些示例中,所述云端服务器用于:获取所述多个行为对应的页面地址,并根据所述多个行为对应的页面地址判断是否存在多个网页地址对应同一网站,如果存在,则将所述同一网站对应的多个网页的目录深度最小的网页推荐给客户端。
本发明第三方面的实施例公开了一种云端服务器,所述云端服务器用于获得客户端的访问日志,并根据所述客户端的访问日志获得所述客户端至少一个访问会话产生的行为序列,其中,所述行为序列包括按照时间排列的多个行为,并根据每个行为对应的页面和访问所述页面游走链接图和时间信息对所述至少一个访问会话中行为序列中的多个行为进行排序,以及根据排序之后多个行为为所述客户端进行导航推荐。
根据本发明实施例的云端服务器,首先获取用户近一段时间(如1个月)内的访问回话(session)的多个行为序列,并根据每个行为序列的游走链接图和用户在行为序列对应的网页的使用时间进行排序后推荐,这样,不经能够保证推荐结果是用户近一段时间游走链接图较多的,且是在网页中停留时间较长的,因此,推荐结果更加具有参考意义,更加贴合用户的兴趣点,从而能够提高用户体验。另外,该方法是通过云端服务器实现的,从而可有效降低客户端的计算量,进一步提高客户端的加载速度,进一步提高用户体验度。
另外,根据本发明上述实施例的云端服务器还可以具有如下附加的技术特征:
在一些示例中,每个行为包括跳转页面、客户端的访问页面、权重以及时间戳。
在一些示例中,所述云端服务器根据所述行为对应的页面的时间信息得到所述行为的权重。
在一些示例中,所述云端服务器在根据排序之后多个行为为所述客户端进行导航推荐之前,还用于:对所述排序之后多个行为进行筛选;根据筛选之后的多个行为为所述客户端进行导航推荐。
在一些示例中,所述云端服务器用于:获取所述多个行为对应的页面地址,并根据所述多个行为对应的页面地址判断是否存在多个网页地址对应同一网站,如果存在,则将所述同一网站对应的多个网页的目录深度最小的网页推荐给客户端。
本发明附加的方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
本发明所述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解,其中:
图1是根据本发明一个实施例的基于浏览器数据的用户导航推荐方法的流程图;
图2是根据本发明一个实施例的基于浏览器数据的用户导航推荐方法的一个访问会话产生的行为序列之间的游走链接图的示意图;以及
图3是根据本发明一个实施例的基于浏览器数据的用户导航推荐系统的结构图。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,仅用于解释本发明,而不能解释为对本发明的限制。
在本发明的描述中,需要理解的是,术语“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
在本发明的描述中,需要说明的是,除非另有规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是机械连接或电连接,也可以是两个元件内部的连通,可以是直接相连,也可以通过中间媒介间接相连,对于本领域的普通技术人员而言,可以根据具体情况理解所述术语的具体含义。
以下结合附图描述根据本发明实施例的基于浏览器数据的用户导航推荐方法、系统及云端服务器。
图1是根据本发明一个实施例的基于浏览器数据的用户导航推荐方法的流程图。如图1所示,该方法包括以下步骤:
步骤S101:云端服务器获得用户的访问日志。例如:用户通过个人电脑(客户端)访问网站以后的访问日志。
步骤S102:云端服务器根据用户的访问日志获得用户至少一个访问会话产生的行为序列,其中,行为序列包括按照时间排列的多个行为。
在该实例中,访问会话指session,session的划分可根据时间片聚类方法划分用户访问的session,例如,对于近一个月内用户访问记录作为一个session。行为序列指该session中按照时间排列的多个行为,每个行为表示用户的访问记录,作为一个具体的示例,每个行为包括用户的跳转页面、用户的访问页面、权重以及时间戳,从而访问序列可表示为:(B1,B2,……Bn),其中,B1,B2,……Bn表示行为,n为行为序列中行为的个数,n为大于1的整数,进一步地,每个行为可表示为:Bi=(urlrefer,urlaccess,weight,timei),其中,i为小于等于n的正整数,urlrefer指用户的跳转页面,urlaccess指用户的访问页面,weight指权重(该行为对应的权重),指行为Bi对应的时间戳。
在上述示例中,权重weight可根据行为对应的页面的时间信息得到。时间信息指行为对应的页面的用户访问该页面的总时间,例如,某一个用户在一个月期间访问WWW.XXXX.COM的总时间为1个小时,则该网页的行为对应的时间信息为1个小时,进一步地,权重weight可由用户的停留时间(时间信息)等行为信息通过经验公式识别出是否是强访问行为得到,并将数值归一化得到,例如:权重weight的取得为sigmoid核函数公式,即其中tsi为用户s在网页i上的停留时间,是用户访问网页的平均停留时间(几何平均),为所有用户在该网页上的平均停留时间(几何平均)。e-k/ΔT来源于遗忘曲线,为时间衰减因子,Δt为时间戳与当前时间的差值,其中,et大于0.5且小于1,k为1.6左右。
步骤S103:根据每个行为对应的页面和访问页面游走链接图和时间信息对至少一个访问会话中行为序列中的多个行为进行排序,例如:对于一个用户来说,根据其访问游走链接图构造其邻接矩阵A=(aij)n×n,,n为节点个数。其中若aij≠0,表示用户在一个session(会话)中产生了从网页i到j的一次跳转,其中weightj可由上述示例的经验公式求得。
产生排序的方法为:
构造初始排序向量z=(1/n,1/n,...)T,以zn+1=((1-α)E+αA)×zn公式迭代向量z,其中α为一经验常数,E为单位矩阵。迭代的终止条件为z在一定数值范围内不再变化,经试验一般的迭代次数不超过200次。最终产生的z即为该session(会话)内访问链接图的排序值。
具体地,如图2所示,示出了本发明一个实施例的基于浏览器数据的用户导航推荐方法的一个访问会话产生的行为序列之间的随机游走图。其中,数字标号表示某一特定url,节点之间的一条有向边表示用户从urlrefer跳转至urlaccess,有向边的指向表示入度,本发明实施例的方法通过综合入度(游走链接图)和权重(时间信息)对多个行为进行排序。
步骤S104:根据排序之后多个行为为用户进行导航推荐。具体地,根据每个行为序列的游走链接图和用户在行为序列对应的网页的使用时间进行排序后推荐,这样,不经能够保证推荐结果是用户近一段时间游走链接图较多的,且是在网页中停留时间较长的,因此,推荐结果更加具有参考意义,更加贴合用户的兴趣点,从而能够提高用户体验。
根据本发明实施例的基于浏览器数据的用户导航推荐方法,云端服务器首先获取用户近一段时间(如1个月)内的访问回话(session)的多个行为序列,并根据每个行为序列的游走链接图和用户在行为序列对应的网页的使用时间进行排序后推荐,这样,不经能够保证推荐结果是用户近一段时间游走链接图较多的,且是在网页中停留时间较长的,因此,推荐结果更加具有参考意义,更加贴合用户的兴趣点,从而能够提高用户对客户端的使用体验。另外,该方法是通过云端服务器实现的,从而可有效降低客户端的计算量,进一步提高客户端的加载速度,进一步提高用户对客户端的使用体验。
在本本发明的一个实施例中,根据排序之后多个行为为用户进行导航推荐的步骤之前,还包括:对排序之后多个行为进行筛选;以及根据筛选之后的多个行为为用户进行导航推荐。具体地,通过本发明上述步骤S101至S104能够得到用户兴趣度高的推荐,但是可能存在推荐结果重复,例如一些主页、子页面等,因此,通过设定阈值,从排序的高到低便利当前推荐列表(推荐结果)直至选取N个两两间相似度都大于该阈值的url,因此,解决了推荐结果重复度高的问题。
当然本发明的实施例并不限于此,例如还可通过如下方法进行筛选:获取所述多个行为对应的页面地址;根据多个行为对应的页面地址判断是否存在多个网页地址对应同一网站;如果存在,则将同一网站对应的多个网页的目录深度最小的网页推荐给用户。例如:某一个网站的主页的url为:WWW.XXX.COM.CN,而子网页为YYY.XXX.COM.CN,判断YYY.XXX.COM.CN为WWW.XXX.COM.CN的子网页,因此,选择主网页作为推荐,将YYY.XXX.COM.CN删除。从而避免推荐结果重复,进一步提高用户的使用体验。
如图3所示,本发明的进一步实施例提供了一种基于浏览器数据的客户端导航推荐系统300,包括:云端服务器310和客户端320,
其中,云端服务器310用于获得客户端320的访问日志,例如:用户通过个人电脑(客户端)访问网站以后的访问日志。
云端服务器310根据客户端320的访问日志获得客户端320至少一个访问会话产生的行为序列,其中,行为序列包括按照时间排列的多个行为。在该实例中,访问会话指session,session的划分可根据时间片聚类方法划分用户(客户端320)访问的session,例如,对于近一个月内用户访问记录作为一个session。行为序列指该session中按照时间排列的多个行为,每个行为表示用户的访问记录,作为一个具体的示例,每个行为包括用户的跳转页面、用户的访问页面、权重以及时间戳,从而访问序列可表示为:(B1,B2,……Bn),其中,B1,B2,……Bn表示行为,n为行为序列中行为的个数,n为大于1的整数,进一步地,每个行为可表示为:Bi=(urlrefer,urlaccess,weight,timei),其中,i为小于等于n的正整数,urlrefer指用户的跳转页面,urlaccess指用户的访问页面,weight指权重(该行为对应的权重),指行为Bi对应的时间戳。
在上述示例中,权重weight可根据行为对应的页面的时间信息得到。时间信息指行为对应的页面的用户访问该页面的总时间,例如,某一个用户在一个月期间访问WWW.XXXX.COM的总时间为1个小时,则该网页的行为对应的时间信息为1个小时,进一步地,权重weight可由用户的停留时间(时间信息)等行为信息通过经验公式识别出是否是强访问行为得到,并将数值归一化得到,例如:权重weight的取得为sigmoid核函数公式,即其中tsi为用户s在网页i上的停留时间,是用户访问网页的平均停留时间(几何平均),为所有用户在该网页上的平均停留时间(几何平均)。e-k/ΔT来源于遗忘曲线,为时间衰减因子,Δt为时间戳与当前时间的差值,其中,et大于0.5且小于1,k为1.6左右。
云端服务器310根据每个行为对应的页面和访问页面游走链接图和时间信息对至少一个访问会话中行为序列中的多个行为进行排序。具体地,如图2所示,示出了本发明一个实施例的基于浏览器数据的用户导航推荐方法的一个访问会话产生的行为序列之间的随机游走图。其中,数字标号表示某一特定url,节点之间的一条有向边表示用户从urlrefer跳转至urlaccess,有向边的指向表示入度,本发明实施例的系统通过综合入度(游走链接图)和权重(时间信息)对多个行为进行排序,例如:对于一个用户来说,根据其访问游走链接图构造其邻接矩阵A=(aij)n×n,,n为节点个数。其中若aij≠0,表示用户在一个session(会话)中产生了从网页i到j的一次跳转,其中weightj可由上述示例的经验公式求得。
产生排序的方法为:
构造初始排序向量z=(1/n,1/n,...)T,以zn+1=((1-α)E+αA)×zn公式迭代向量z,其中α为一经验常数,E为单位矩阵。迭代的终止条件为z在一定数值范围内不再变化,经试验一般的迭代次数不超过200次。最终产生的z即为该session(会话)内访问链接图的排序值。
云端服务器310根据排序之后多个行为为客户端320进行导航推荐。具体地,根据每个行为序列的游走链接图和用户在行为序列对应的网页的使用时间进行排序后推荐,这样,不经能够保证推荐结果是用户近一段时间游走链接图较多的,且是在网页中停留时间较长的,因此,推荐结果更加具有参考意义,更加贴合用户的兴趣点,从而能够提高用户体验。客户端320将来自云端服务器310的导航推荐结果进行显示。
根据本发明实施例的基于浏览器数据的用户导航推荐系统,云端服务器首先获取用户近一段时间(如1个月)内的访问回话(session)的多个行为序列,并根据每个行为序列的游走链接图和用户在行为序列对应的网页的使用时间进行排序后推荐,这样,不经能够保证推荐结果是用户近一段时间游走链接图较多的,且是在网页中停留时间较长的,因此,推荐结果更加具有参考意义,更加贴合用户的兴趣点,从而能够提高用户对客户端的使用体验。另外,该方法是通过云端服务器实现的,从而可有效降低客户端的计算量,进一步提高客户端的加载速度,进一步提高用户对客户端的使用体验。
在本本发明的一个实施例中,根据排序之后多个行为为用户进行导航推荐的步骤之前,云端服务器310还用于:对排序之后多个行为进行筛选;以及根据筛选之后的多个行为为用户进行导航推荐。具体地,通过本发明得到用户兴趣度高的推荐,但是可能存在推荐结果重复,例如一些主页、子页面等,因此,通过设定阈值,从排序的高到低便利当前推荐列表(推荐结果)直至选取N个两两间相似度都大于该阈值的url,因此,解决了推荐结果重复度高的问题。
当然本发明的实施例并不限于此,例如云端服务器310还可通过如下方式进行筛选:获取所述多个行为对应的页面地址;根据多个行为对应的页面地址判断是否存在多个网页地址对应同一网站;如果存在,则将同一网站对应的多个网页的目录深度最小的网页推荐给用户。例如:某一个网站的主页的url为:WWW.XXX.COM.CN,而子网页为YYY.XXX.COM.CN,判断YYY.XXX.COM.CN为WWW.XXX.COM.CN的子网页,因此,选择主网页作为推荐,将YYY.XXX.COM.CN删除。从而避免推荐结果重复,进一步提高用户的使用体验。
本发明的进一步实施例提出了一种云端服务器,该云端服务器用于获得客户端的访问日志,并根据所述客户端的访问日志获得所述客户端至少一个访问会话产生的行为序列,其中,所述行为序列包括按照时间排列的多个行为,在本发明的一个实施例中,每个行为包括跳转页面、客户端的访问页面、权重以及时间戳,云端服务器根据所述行为对应的页面的时间信息得到所述行为的权重。云端服务器根据每个行为对应的页面和访问所述页面游走链接图和时间信息对所述至少一个访问会话中行为序列中的多个行为进行排序,以及根据排序之后多个行为为所述客户端进行导航推荐。
在本发明的一个实施例中,云端服务器在根据排序之后多个行为为客户端进行导航推荐之前,还用于:对排序之后多个行为进行筛选;根据筛选之后的多个行为为客户端进行导航推荐。例如:云端服务器获取多个行为对应的页面地址,并根据多个行为对应的页面地址判断是否存在多个网页地址对应同一网站,如果存在,则将同一网站对应的多个网页的目录深度最小的网页推荐给客户端。
根据本发明实施例的云端服务器,首先获取用户近一段时间(如1个月)内的访问回话(session)的多个行为序列,并根据每个行为序列的游走链接图和用户在行为序列对应的网页的使用时间进行排序后推荐,这样,不经能够保证推荐结果是用户近一段时间游走链接图较多的,且是在网页中停留时间较长的,因此,推荐结果更加具有参考意义,更加贴合用户的兴趣点,从而能够提高用户体验。另外,该方法是通过云端服务器实现的,从而可有效降低客户端的计算量,进一步提高客户端的加载速度,进一步提高用户体验度。此外,通过对推荐结果筛选,可去除重复的推荐,从而进一步提高用户的使用体验。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对所述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同限定。
Claims (15)
1.一种基于浏览器数据的用户导航推荐方法,其特征在于,包括以下步骤:
云端服务器获得用户的访问日志;
所述云端服务器根据所述用户的访问日志获得所述用户至少一个访问会话产生的行为序列,其中,所述行为序列包括按照时间排列的多个行为;
根据每个行为对应的页面和访问所述页面游走链接图和时间信息对所述至少一个访问会话中行为序列中的多个行为进行排序;以及
根据排序之后多个行为为所述用户进行导航推荐。
2.根据权利要求1所述的基于浏览器数据的用户导航推荐方法,其特征在于,每个行为包括用户的跳转页面、用户的访问页面、权重以及时间戳。
3.根据权利要求2所述的基于浏览器数据的用户导航推荐方法,其特征在于,根据所述行为对应的页面的时间信息得到所述行为的权重。
4.根据权利要求1所述的基于浏览器数据的用户导航推荐方法,其特征在于,所述根据排序之后多个行为为所述用户进行导航推荐的步骤之前,还包括:
对所述排序之后多个行为进行筛选;
根据筛选之后的多个行为为所述用户进行导航推荐。
5.根据权利要求4所述的基于浏览器数据的用户导航推荐方法,其特征在于,对所述排序之后多个行为进行筛选的方法包括:
获取所述多个行为对应的页面地址;
根据所述多个行为对应的页面地址判断是否存在多个网页地址对应同一网站;
如果存在,则将所述同一网站对应的多个网页的目录深度最小的网页推荐给用户。
6.一种基于浏览器数据的客户端导航推荐系统,其特征在于,包括:云端服务器和客户端,
其中,所述云端服务器用于获得客户端的访问日志,并根据所述客户端的访问日志获得所述客户端至少一个访问会话产生的行为序列,其中,所述行为序列包括按照时间排列的多个行为,并根据每个行为对应的页面和访问所述页面游走链接图和时间信息对所述至少一个访问会话中行为序列中的多个行为进行排序,以及根据排序之后多个行为为所述客户端进行导航推荐,
所述客户端将来自所述云端服务器的导航推荐结果进行显示。
7.根据权利要求6所述的基于浏览器数据的客户端导航推荐系统,其特征在于,每个行为包括跳转页面、客户端的访问页面、权重以及时间戳。
8.根据权利要求7所述的基于浏览器数据的客户端导航推荐系统,其特征在于,所述云端服务器根据所述行为对应的页面的时间信息得到所述行为的权重。
9.根据权利要求6所述的基于浏览器数据的客户端导航推荐系统,其特征在于,所述云端服务器在根据排序之后多个行为为所述客户端进行导航推荐之前,还用于:
对所述排序之后多个行为进行筛选;
根据筛选之后的多个行为为所述客户端进行导航推荐。
10.根据权利要求9所述的基于浏览器数据的客户端导航推荐系统,其特征在于,所述云端服务器用于:获取所述多个行为对应的页面地址,并根据所述多个行为对应的页面地址判断是否存在多个网页地址对应同一网站,如果存在,则将所述同一网站对应的多个网页的目录深度最小的网页推荐给客户端。
11.一种云端服务器,其特征在于,所述云端服务器用于获得客户端的访问日志,并根据所述客户端的访问日志获得所述客户端至少一个访问会话产生的行为序列,其中,所述行为序列包括按照时间排列的多个行为,并根据每个行为对应的页面和访问所述页面游走链接图和时间信息对所述至少一个访问会话中行为序列中的多个行为进行排序,以及根据排序之后多个行为为所述客户端进行导航推荐。
12.根据权利要求11所述的云端服务器,其特征在于,每个行为包括跳转页面、客户端的访问页面、权重以及时间戳。
13.根据权利要求12所述的云端服务器,其特征在于,所述云端服务器根据所述行为对应的页面的时间信息得到所述行为的权重。
14.根据权利要求11所述的云端服务器,其特征在于,所述云端服务器在根据排序之后多个行为为所述客户端进行导航推荐之前,还用于:
对所述排序之后多个行为进行筛选;
根据筛选之后的多个行为为所述客户端进行导航推荐。
15.根据权利要求14所述的云端服务器,其特征在于,所述云端服务器用于:获取所述多个行为对应的页面地址,并根据所述多个行为对应的页面地址判断是否存在多个网页地址对应同一网站,如果存在,则将所述同一网站对应的多个网页的目录深度最小的网页推荐给客户端。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210553153.XA CN102999634B (zh) | 2012-12-18 | 2012-12-18 | 基于浏览器数据的用户导航推荐方法、系统及云端服务器 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210553153.XA CN102999634B (zh) | 2012-12-18 | 2012-12-18 | 基于浏览器数据的用户导航推荐方法、系统及云端服务器 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102999634A true CN102999634A (zh) | 2013-03-27 |
CN102999634B CN102999634B (zh) | 2016-07-06 |
Family
ID=47928201
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210553153.XA Active CN102999634B (zh) | 2012-12-18 | 2012-12-18 | 基于浏览器数据的用户导航推荐方法、系统及云端服务器 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102999634B (zh) |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103678667A (zh) * | 2013-12-24 | 2014-03-26 | 北京国双科技有限公司 | 用于在线访问的数据处理方法和装置 |
CN103838865A (zh) * | 2014-03-20 | 2014-06-04 | 北京奇虎科技有限公司 | 用于挖掘时效性种子页的方法及装置 |
CN104156134A (zh) * | 2013-05-13 | 2014-11-19 | 腾讯科技(深圳)有限公司 | 一种计数展示方法和装置 |
CN104636406A (zh) * | 2013-11-15 | 2015-05-20 | 华为技术有限公司 | 一种根据用户行为推送信息的方法和装置 |
CN104657372A (zh) * | 2013-11-20 | 2015-05-27 | 腾讯科技(深圳)有限公司 | 页面操作数据处理方法及装置 |
CN104753985A (zh) * | 2013-12-30 | 2015-07-01 | 腾讯科技(深圳)有限公司 | 会话列表显示方法和装置 |
CN104951441A (zh) * | 2014-03-24 | 2015-09-30 | 阿里巴巴集团控股有限公司 | 一种对对象进行排序的方法及装置 |
CN105117325A (zh) * | 2015-08-26 | 2015-12-02 | 湖南科技大学 | 一种基于随机游走的Web服务质量预测方法 |
CN105630840A (zh) * | 2014-11-06 | 2016-06-01 | 阿里巴巴集团控股有限公司 | 一种推送消息的排序方法及装置 |
CN107330724A (zh) * | 2017-06-29 | 2017-11-07 | 安徽理工大学 | 一种基于Web日志的用户行为相似度的业务流分析新方法 |
CN108419134A (zh) * | 2018-02-05 | 2018-08-17 | 华南理工大学 | 基于个体历史与群体当前行为融合的频道推荐方法 |
CN109857296A (zh) * | 2019-01-04 | 2019-06-07 | 上海上湖信息技术有限公司 | 一种电子设备的页面切换方法及系统 |
CN109903067A (zh) * | 2017-12-08 | 2019-06-18 | 北京京东尚科信息技术有限公司 | 信息处理方法和装置 |
CN111078990A (zh) * | 2018-10-18 | 2020-04-28 | 千寻位置网络有限公司 | 对资源链接进行编排推荐系统及方法 |
CN112699327A (zh) * | 2020-11-06 | 2021-04-23 | 养哇(南京)科技有限公司 | 一种基于云计算的前端导航栏推荐方法及终端设备 |
CN112732374A (zh) * | 2019-10-28 | 2021-04-30 | 北京达佳互联信息技术有限公司 | 一种页面展示方法、展示装置、电子设备及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004102996A (ja) * | 2002-08-23 | 2004-04-02 | Nippon Telegr & Teleph Corp <Ntt> | 空間自動ナビゲーション方法、装置、プログラムおよび該プログラムを記録したコンピュータ読取り可能な記録媒体 |
CN101826104A (zh) * | 2010-04-02 | 2010-09-08 | 南京邮电大学 | 一种基于连续时间马尔科夫链的网站导航性实现方法 |
CN101923545A (zh) * | 2009-06-15 | 2010-12-22 | 北京百分通联传媒技术有限公司 | 一种个性化信息推荐的方法 |
US20110202522A1 (en) * | 2010-02-18 | 2011-08-18 | David Ciemiewicz | Automated user behavior feedback system for whole page search success optimization |
-
2012
- 2012-12-18 CN CN201210553153.XA patent/CN102999634B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004102996A (ja) * | 2002-08-23 | 2004-04-02 | Nippon Telegr & Teleph Corp <Ntt> | 空間自動ナビゲーション方法、装置、プログラムおよび該プログラムを記録したコンピュータ読取り可能な記録媒体 |
CN101923545A (zh) * | 2009-06-15 | 2010-12-22 | 北京百分通联传媒技术有限公司 | 一种个性化信息推荐的方法 |
US20110202522A1 (en) * | 2010-02-18 | 2011-08-18 | David Ciemiewicz | Automated user behavior feedback system for whole page search success optimization |
CN101826104A (zh) * | 2010-04-02 | 2010-09-08 | 南京邮电大学 | 一种基于连续时间马尔科夫链的网站导航性实现方法 |
Non-Patent Citations (1)
Title |
---|
杨长春等: "网页驻留时间约束的用户访问序列挖掘", 《计算机工程》, vol. 36, no. 24, 31 December 2010 (2010-12-31), pages 45 - 46 * |
Cited By (27)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104156134B (zh) * | 2013-05-13 | 2018-03-30 | 腾讯科技(深圳)有限公司 | 一种计数展示方法和装置 |
CN104156134A (zh) * | 2013-05-13 | 2014-11-19 | 腾讯科技(深圳)有限公司 | 一种计数展示方法和装置 |
CN104636406A (zh) * | 2013-11-15 | 2015-05-20 | 华为技术有限公司 | 一种根据用户行为推送信息的方法和装置 |
CN104636406B (zh) * | 2013-11-15 | 2018-05-18 | 华为技术有限公司 | 一种根据用户行为推送信息的方法和装置 |
US10205792B2 (en) | 2013-11-20 | 2019-02-12 | Tencent Technology (Shenzhen) Company Limited | Method and apparatus for processing page operation data |
CN104657372A (zh) * | 2013-11-20 | 2015-05-27 | 腾讯科技(深圳)有限公司 | 页面操作数据处理方法及装置 |
CN104657372B (zh) * | 2013-11-20 | 2018-11-06 | 腾讯科技(深圳)有限公司 | 页面操作数据处理方法及装置 |
CN103678667A (zh) * | 2013-12-24 | 2014-03-26 | 北京国双科技有限公司 | 用于在线访问的数据处理方法和装置 |
CN103678667B (zh) * | 2013-12-24 | 2017-10-27 | 北京国双科技有限公司 | 用于在线访问的数据处理方法和装置 |
US10142279B2 (en) | 2013-12-30 | 2018-11-27 | Tencent Technology (Shenzhen) Company Limited | Method and system for presenting a listing of message logs |
CN104753985A (zh) * | 2013-12-30 | 2015-07-01 | 腾讯科技(深圳)有限公司 | 会话列表显示方法和装置 |
CN103838865B (zh) * | 2014-03-20 | 2017-04-05 | 北京奇虎科技有限公司 | 用于挖掘时效性种子页的方法及装置 |
CN103838865A (zh) * | 2014-03-20 | 2014-06-04 | 北京奇虎科技有限公司 | 用于挖掘时效性种子页的方法及装置 |
CN104951441A (zh) * | 2014-03-24 | 2015-09-30 | 阿里巴巴集团控股有限公司 | 一种对对象进行排序的方法及装置 |
CN105630840A (zh) * | 2014-11-06 | 2016-06-01 | 阿里巴巴集团控股有限公司 | 一种推送消息的排序方法及装置 |
CN105630840B (zh) * | 2014-11-06 | 2019-06-28 | 阿里巴巴集团控股有限公司 | 一种推送消息的排序方法及装置 |
CN105117325A (zh) * | 2015-08-26 | 2015-12-02 | 湖南科技大学 | 一种基于随机游走的Web服务质量预测方法 |
CN107330724A (zh) * | 2017-06-29 | 2017-11-07 | 安徽理工大学 | 一种基于Web日志的用户行为相似度的业务流分析新方法 |
CN109903067A (zh) * | 2017-12-08 | 2019-06-18 | 北京京东尚科信息技术有限公司 | 信息处理方法和装置 |
CN109903067B (zh) * | 2017-12-08 | 2021-07-16 | 北京京东尚科信息技术有限公司 | 信息处理方法和装置 |
CN108419134A (zh) * | 2018-02-05 | 2018-08-17 | 华南理工大学 | 基于个体历史与群体当前行为融合的频道推荐方法 |
CN111078990A (zh) * | 2018-10-18 | 2020-04-28 | 千寻位置网络有限公司 | 对资源链接进行编排推荐系统及方法 |
CN109857296A (zh) * | 2019-01-04 | 2019-06-07 | 上海上湖信息技术有限公司 | 一种电子设备的页面切换方法及系统 |
CN109857296B (zh) * | 2019-01-04 | 2021-04-06 | 上海上湖信息技术有限公司 | 一种电子设备的页面切换方法及系统 |
CN112732374A (zh) * | 2019-10-28 | 2021-04-30 | 北京达佳互联信息技术有限公司 | 一种页面展示方法、展示装置、电子设备及存储介质 |
CN112699327A (zh) * | 2020-11-06 | 2021-04-23 | 养哇(南京)科技有限公司 | 一种基于云计算的前端导航栏推荐方法及终端设备 |
CN112699327B (zh) * | 2020-11-06 | 2024-04-19 | 的卢技术有限公司 | 一种基于云计算的前端导航栏推荐方法及终端设备 |
Also Published As
Publication number | Publication date |
---|---|
CN102999634B (zh) | 2016-07-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102999634A (zh) | 基于浏览器数据的用户导航推荐方法、系统及云端服务器 | |
US11710054B2 (en) | Information recommendation method, apparatus, and server based on user data in an online forum | |
Karimi et al. | News recommender systems–Survey and roads ahead | |
US10165069B2 (en) | Provisioning personalized content recommendations | |
US8332775B2 (en) | Adaptive user feedback window | |
US20110231256A1 (en) | Automated building of a model for behavioral targeting | |
US10298705B2 (en) | Recommendation method and device | |
US20120036080A1 (en) | Method and system for tracking online social interactions | |
US20100211464A1 (en) | Targeted Online Advertising | |
Böhmer et al. | Appfunnel: A framework for usage-centric evaluation of recommender systems that suggest mobile applications | |
KR20100091669A (ko) | 전자상거래 서비스에서의 개인화 추천 시스템 | |
CN103455522A (zh) | 应用程序扩展工具推荐方法及系统 | |
WO2014193399A1 (en) | Influence score of a brand | |
KR101925950B1 (ko) | 컨텐츠에 대한 유입검색어 및 연관검색어 기반의 컨텐츠 추천방법 및 추천장치 | |
US20150206176A1 (en) | Behavioral content discovery | |
CN114637911B (zh) | 一种注意力融合感知网络的下一个兴趣点推荐方法 | |
CN102521249A (zh) | 一种基于同质资源的展现方法及设备 | |
US20190286739A1 (en) | Automatically generating meaningful user segments | |
KR101212457B1 (ko) | 웹페이지 접속시간 및 방문도에 기반한 웹검색 방법 및 웹검색 시스템 | |
CN102915358B (zh) | 导航网站实现方法和装置 | |
CN104123321B (zh) | 一种确定推荐图片的方法及装置 | |
US20160307223A1 (en) | Method for determining a user profile in relation to certain web content | |
US20140101064A1 (en) | Systems and Methods for Automated Reprogramming of Displayed Content | |
US9053197B2 (en) | Suggesting websites | |
CN104252459B (zh) | 推荐常用站点的方法和装置 |
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 |