CN103164407A - 一种信息搜索方法和系统 - Google Patents

一种信息搜索方法和系统 Download PDF

Info

Publication number
CN103164407A
CN103164407A CN2011104078853A CN201110407885A CN103164407A CN 103164407 A CN103164407 A CN 103164407A CN 2011104078853 A CN2011104078853 A CN 2011104078853A CN 201110407885 A CN201110407885 A CN 201110407885A CN 103164407 A CN103164407 A CN 103164407A
Authority
CN
China
Prior art keywords
user
search results
database
information
query string
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
Application number
CN2011104078853A
Other languages
English (en)
Other versions
CN103164407B (zh
Inventor
余衍炳
张发喜
杨志峰
陈洪亮
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.)
Shenzhen Tencent Computer Systems Co Ltd
Original Assignee
Shenzhen Tencent Computer Systems 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 Shenzhen Tencent Computer Systems Co Ltd filed Critical Shenzhen Tencent Computer Systems Co Ltd
Priority to CN201110407885.3A priority Critical patent/CN103164407B/zh
Publication of CN103164407A publication Critical patent/CN103164407A/zh
Application granted granted Critical
Publication of CN103164407B publication Critical patent/CN103164407B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明实施例公开了一种信息搜索方法和系统。该方法包括：接收查询串，根据所述查询串对信息对象进行搜索，确定搜索结果；根据作者数据库确定发表所述搜索结果的用户的信息，所述作者数据库中存储有发表信息对象的用户的信息；根据关系链数据库、以及发表所述搜索结果的用户的信息，确定发表所述搜索结果的用户与输入所述查询串的用户之间的关系，根据所述关系对所述搜索结果进行相关性排序，所述关系链数据库中存储有用户的关系链信息；根据相关性排序的结果，返回搜索结果。应用本发明能够提高向用户返回的信息搜索结果的准确性。

Description

一种信息搜索方法和系统
技术领域
本发明涉及互联网技术领域，尤其涉及一种信息搜索方法和系统。
背景技术
如何用技术手段从海量数据中找到用户最需要的信息，是工业界和学术界长期探索的重要领域。因此，信息搜索自诞生之日起，就是最重要的互联网应用之一。其中，用户需要的信息，可以是网页(例如网页搜索)，可以是图片(例如图片搜索)，也可以是特定的人物信息。
在信息搜索过程中，需要对搜索结果进行相关性排序，从而确定各个搜索结果之间的显示顺序和/或返回顺序，即先显示和/或返回哪些搜索结果，之后再显示和/或返回哪些搜索结果等。例如，给定查询词A，网页搜索系统内部有1亿个页面是相关的，相关性排序过程决定了将哪些页面放在搜索结果的第一页显示，以及这些页面的排序顺序是怎样的。
目前，为了满足不同领域的搜索需求，出现了很多对搜索结果进行排序的方案，下面选取现有技术中几种典型的排序方案进行介绍：
1、基于文本匹配的相关性排序方案
在基于文本匹配的相关性排序方案中，信息搜索系统计算用户查询串与系统内文本的匹配程度，并将这个匹配程度做为排序的主要依据之一。例如，在网页搜索系统中，系统会计算查询串与网页标题、正文、网址、锚文本(其它页面指向此页面的链接上的文本)的匹配度，并综合这些子项的得分得到一个总的匹配度评分，根据每个文本总的匹配度评分，对各个文本进行相关性排序。
2、基于用户反馈的相关性排序方案
系统记录大量用户在搜索结果上的点击分布情况，并以模型描述该分布情况，以模型的输出结果作为改进搜索排序的重要依据之一。
3、基于实体属性的相关性排序方案
系统对页面或其它搜索结果的本身属性进行分析和建模，作为排序依据之一。例如，对于新闻搜索，新闻页面的时新性是一个重要的排序因素；对于博客人物搜索，人物本身的活跃度、热度是重要的排序因素。
在大规模互联网社区出现并兴起之后，互联网上的信息量出现了爆炸性的增长，同时出现了更多的与传统搜索有所区别的搜索需求。加入社区的搜索用户在关注全网数据的同时，会更加关注自身所在社区、圈子内的相关信息，以及人与人之间的互动，然而，现有对搜索结果进行排序的方案没有考虑在大规模互联网社区涌现之后的新的搜索需求，因此其相关性排序结果不够准确，进而向用户返回的信息搜索结果也不够准确。
发明内容
有鉴于此，本发明提供了一种信息搜索方法和系统。能提高向用户返回的信息搜索结果的准确性。
本发明的技术方案具体是这样实现的：
一种信息搜索方法，该方法包括：
接收查询串，根据所述查询串对信息对象进行搜索，确定搜索结果；
根据作者数据库确定发表所述搜索结果的用户的信息，所述作者数据库中存储有发表信息对象的用户的信息；
根据关系链数据库、以及发表所述搜索结果的用户的信息，确定发表所述搜索结果的用户与输入所述查询串的用户之间的关系，根据所述关系对所述搜索结果进行相关性排序，所述关系链数据库中存储有用户的关系链信息；
根据相关性排序的结果，返回搜索结果。
一种信息搜索系统，该系统包括关系链数据库、作者数据库、搜索模块和排序模块；
所述关系链数据库，用于存储用户的关系链信息；
所述作者数据库，用于存储发表信息对象的用户的信息；
所述搜索模块，用于接收查询串，根据所述查询串对信息对象进行搜索，确定出搜索结果，根据相关性排序的结果，返回搜索结果；
所述排序模块，用于根据所述作者数据库确定出发表搜索结果的用户的信息，根据关系链数据库、以及发表所述搜索结果的用户的信息，确定发表搜索结果的用户与输入所述查询串的用户之间的关系，根据所述关系对搜索结果进行相关性排序。
由上述技术方案可见，本发明通过预先建立关系链数据库和作者数据库，并在为搜索结果进行排序时，根据搜索结果的作者(即发表该搜索结果的用户)与信息查询用户(即输入查询串的用户)之间的关系，对各个搜索结果进行排序，由于在排序时考虑了搜索结果的作者与信息查询用户之间的关系，而该关系通常能够反映出搜索结果对信息查询用户的重要程度，因此，能够提高对信息搜索结果进行相关性排序的准确性，进而提高向用户返回的信息搜索结果的准确性。
附图说明
图1是本发明提供的信息搜索方法流程图。
图2是本发明提供的信息搜索系统的结构图。
具体实施方式
现有的对搜索结果进行相关性排序的方案，均没有考虑用户在大规模互联网社区涌现之后的新的搜索需求，即用户对自身所在社区所包含的信息的特别需求。
用户所在社区是以用户之间的关系链为基础所构成的，社区内用户有共同的兴趣爱好、关注点、社会关系或利益诉求。当社区内存在相关信息时，这些信息对信息查询用户来讲通常相对重要，因此应在对搜索结果进行相关性排序时，依据所述关系链进行排序，从而使得排序结果更加准确，进而使得根据排序结果向用户返回的信息搜索结果也更加准确。
本发明公布了一种通过用户关系链影响相关性排序的方法与系统，通过这种方案，弥补了现有搜索方法和系统在包含社区数据的应用场景时的不足，提高对信息搜索结果进行相关性排序的准确性。
其中的关系链，是指互联网社区内用户之间的关系的总和，包括但不限于好友关系，订阅及收听关系，回复关系，通讯录，相同区域用户，相同论坛版面用户等等。例如，在即时通信社区内，用户的关系链主要是由好友关系构成的；在微博社区内，用户关系链主要是由收听关系构成的。
图1是本发明提供的信息搜索方法流程图。
如图1所示，该方法包括：
步骤101，预先建立用户的关系链数据库和信息对象的作者数据库。
其中，在关系链数据库中存储有用户的关系链信息，在作者数据库中存储有发表所述信息对象的用户的信息。
步骤102，接收查询串，根据所述查询串对信息对象进行搜索，确定出搜索结果。
本步骤中的搜索结果，是指与查询串的匹配度满足一定条件的信息对象，并不包含这些信息对象之间的排序关系。
步骤103，根据所述作者数据库确定出发表搜索结果的用户的信息，根据关系链数据库确定发表搜索结果的用户与输入所述查询串的用户之间的关系，根据所述关系对搜索结果进行相关性排序。
其中，步骤101是预处理步骤，或者说是离线步骤。步骤102～步骤103是每次信息查询都需要执行的步骤，或者说是在线步骤。
其中，通过合并用户在多个不同社区内的关系链来建立用户的关系链数据库，具体地，可以将同一用户在不同社区内的关系链，以该用户的统一身份标识ID为索引，存储在关系链数据库中。
在根据关系链数据库确定发表搜索结果的用户与输入查询串的用户之间的关系时，可以根据所述关系链数据库，确定发表搜索结果的用户与输入所述查询串的用户之间关系的距离。然后在对搜索结果进行相关性排序时，根据所述关系的距离对搜索结果进行相关性排序。
其中，一个用户与另一个用户之间关系的距离，可以有多种衡量方式，本发明对此不作限制。例如，可以根据两个用户之间通过几个媒介联系在一起，如果经过的媒介越多，则两个用户关系距离越大，比如，如果用户A和用户B是好友关系，而用户B与用户C是好友关系，且用户A和用户C没有关系，那么可以确定用户A与用户B的关系距离小于用户A与用户C的关系距离。再例如，可以根据两个用户所在社区之间的交叉情况、或者两个用户关系链的交叉情况，确定两个用户的关系距离，如果两个用户所在的社区之间的交叉较大、或者两个用户的关系链交叉较大，可以确定两个用户的关系距离较近。
确定发表搜索结果的用户与输入所述查询串的用户之间的关系的距离也可以有多种方式，例如，可以根据输入所述查询串的用户的ID，从关系链数据库中检索出输入所述查询串的用户在各个社区内的关系链，根据检索出的关系链，确定发表搜索结果的用户与输入所述查询串的用户之间关系的距离；也可以根据查询串扫描倒排表，在扫描结果中寻找用户社区数据，确定社区数据的作者(即发表社区数据的用户)，从关系链数据库中查询社区数据作者与输入查询串的用户之间的关系的距离。
为了进一步提高对信息搜索结果进行排序的准确度，本发明还提出，除了根据用户之间关系的距离进行搜索结果的相关性排序外，还可以进一步根据信息作者的综合权重、和/或搜索结果与所述查询串之间的匹配度对搜索结果进行相关性排序。
其中，可以根据每位用户发表的信息对象的内容质量、和/或重要程度、和/或点击数和/或其他用户对该位用户发表的信息对象的点评，确定每位用户的综合权重，在所述作者数据库中存储每位用户的综合权重。
根据所述关系对搜索结果进行相关性排序具体可以包括：根据搜索结果与所述查询串之间的匹配度、和/或所述关系的距离、和/或发表搜索结果的用户的综合权重，对搜索结果进行相关性排序。
对搜索结果进行相关性排序之后，根据相关性排序的结果向用户返回搜索结果。
根据上述方法，本发明还提供了一种信息搜索系统，具体请参见图2。
图2是本发明提供的信息搜索系统的结构图。
如图2所示，该系统包括关系链数据库201、作者数据库202、搜索模块203和排序模块204。
关系链数据库201，用于存储用户的关系链信息。
作者数据库202，用于存储发表信息对象的用户的信息。
搜索模块203，用于接收查询串，根据所述查询串对信息对象进行搜索，确定出搜索结果，根据相关性排序的结果，返回搜索结果。
排序模块204，用于根据所述作者数据库确定出发表搜索结果的用户的信息，根据关系链数据库、以及发表所述搜索结果的用户的信息，确定发表搜索结果的用户与输入所述查询串的用户之间的关系，根据所述关系对搜索结果进行相关性排序。
其中的关系链数据库201，用于将同一用户在不同社区内的关系链，以该用户的统一身份标识ID为索引，存储在该关系链数据库中。
排序模块204，可以用于根据所述关系链数据库，确定发表搜索结果的用户与输入所述查询串的用户之间的关系的距离，根据所述关系的距离，对搜索结果进行相关性排序。
排序模块204，可以用于根据输入所述查询串的用户的ID，从关系链数据库中检索出输入所述查询串的用户在各个社区内的关系链，根据检索出的关系链，确定发表搜索结果的用户与输入所述查询串的用户之间关系的距离。
作者数据库202，可以用于存储每位用户的综合权重，其中，每位用户的综合权重根据该位用户发表的信息对象的内容质量、重要程度、点击数和其他用户对该位用户发表的信息对象的点评中的至少一个确定。
排序模块204，可以用于根据搜索结果与所述查询串之间的匹配度、和/或所述关系的距离、和/或发表搜索结果的用户的综合权重，对搜索结果进行相关性排序。
下面举一个具体的例子，对本发明进行示例性说明，所举例子并不用于限制本发明。该例子包括离线阶段和在线阶段。
所述离线阶段包括：
步骤一：合并多个社区的用户关系链。
步骤二：根据用户关系链建立关系链数据库；
步骤三：为排序实体(即博文、微博帖子等搜索结果)建立作者数据库。
步骤四：为社区内每位用户按照所发表的内容质量、重要程度等给出评价得分。
其中，步骤二、三、四之间没有必然的顺序关系。
多社区关系链合并是基于统一身份(如统一的QQ号码)进行的。关系链索引库可以是一个<key，value>形式的查询库，输入用户ID，输出为用户的所有关系链。
作者数据库注明了信息的创造者。社区内每位用户的评价得分是多维度的，分别描述所发表内容的平均质量，其在社区内的重要程度等。
所述在线阶段包括：
步骤一：系统接收用户查询串。
步骤二：根据用户的身份，在关系链索引库中查找用户的关系链，以还原用户所在社区。
步骤三：根据查询串、用户社区和作者数据库，查找用户社区拥有的排序实体。
步骤四：对用户社区拥有的排序实体进行相关性评分，在评分中综合考虑排序实体的传统搜索相关性评价得分、排序实体的作者与搜索用户的关系链距离评分、排序实体作者本身的评价得分；确保此评价得分与传统搜索相关性评价得分可比较。
步骤五：将用户社区搜索结果与传统搜索结果进行融合，并返回给用户。
其中，离线阶段的步骤四不是必需的。
在线阶段可以仅根据关系链距离进行相关性计算，部分达到关注社区数据的效果，但相关性效果会受到影响。
在线阶段的步骤二、三的主要目的是找到用户社区所包含的数据，也可以用其它方式实现，例如仅仅根据查询串扫描倒排表，在扫描结果中寻找用户社区数据，并对之进行含关系链计算的相关性评分。
总之，本发明将用户关系链引入了搜索相关性排序过程，使用户更加容易地得到所在社区的相关信息，与传统搜索技术相比，可以使用户的信息需求更易于得到满足。
对于大规模社区产品来说，引入基于关系链的搜索相关性排序方法后，既可以使用户从本产品内访问到全网数据，也可以通过社区内搜索结果的丰富展现，提高用户之间的互动，从而提高用户粘性。
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 (10)

1.一种信息搜索方法，其特征在于，该方法包括：
接收查询串，根据所述查询串对信息对象进行搜索，确定搜索结果；
根据作者数据库确定发表所述搜索结果的用户的信息，所述作者数据库中存储有发表信息对象的用户的信息；
根据关系链数据库、以及发表所述搜索结果的用户的信息，确定发表所述搜索结果的用户与输入所述查询串的用户之间的关系，根据所述关系对所述搜索结果进行相关性排序，所述关系链数据库中存储有用户的关系链信息；
根据相关性排序的结果，返回搜索结果。
2.根据权利要求1所述的方法，其特征在于，该方法还包括：
将同一用户在不同社区内的关系链，以该用户的统一身份标识ID为索引，存储在关系链数据库中。
3.根据权利要求2所述的方法，其特征在于，所述确定发表搜索结果的用户与输入所述查询串的用户之间的关系包括：
根据所述关系链数据库，确定发表搜索结果的用户与输入所述查询串的用户之间的关系的距离；
根据所述关系对搜索结果进行相关性排序包括：
根据所述关系的距离，对搜索结果进行相关性排序。
4.根据权利要求3所述的方法，其特征在于，确定发表搜索结果的用户与输入所述查询串的用户之间的关系的距离包括：
根据输入所述查询串的用户的ID，从关系链数据库中检索出输入所述查询串的用户在各个社区内的关系链，根据检索出的关系链，确定发表搜索结果的用户与输入所述查询串的用户之间关系的距离。
5.根据权利要求3所述的方法，其特征在于，该方法还包括：
根据每位用户发表的信息对象的内容质量、重要程度、点击数和其他用户对该位用户发表的信息对象的点评中的至少一个，确定每位用户的综合权重，在所述作者数据库中存储每位用户的综合权重；
根据所述关系对搜索结果进行相关性排序包括：
根据搜索结果与所述查询串之间的匹配度、和/或所述关系的距离、和/或发表搜索结果的用户的综合权重，对搜索结果进行相关性排序。
6.一种信息搜索系统，其特征在于，该系统包括关系链数据库、作者数据库、搜索模块和排序模块；
所述关系链数据库，用于存储用户的关系链信息；
所述作者数据库，用于存储发表信息对象的用户的信息；
所述搜索模块，用于接收查询串，根据所述查询串对信息对象进行搜索，确定出搜索结果，根据相关性排序的结果，返回搜索结果；
所述排序模块，用于根据所述作者数据库确定出发表搜索结果的用户的信息，根据关系链数据库、以及发表所述搜索结果的用户的信息，确定发表搜索结果的用户与输入所述查询串的用户之间的关系，根据所述关系对搜索结果进行相关性排序。
7.根据权利要求6所述的系统，其特征在于，
所述关系链数据库，用于将同一用户在不同社区内的关系链，以该用户的统一身份标识ID为索引，存储在该关系链数据库中。
8.根据权利要求7所述的系统，其特征在于，
所述排序模块，用于根据所述关系链数据库，确定发表搜索结果的用户与输入所述查询串的用户之间的关系的距离，根据所述关系的距离，对搜索结果进行相关性排序。
9.根据权利要求8所述的系统，其特征在于，
所述排序模块，用于根据输入所述查询串的用户的ID，从关系链数据库中检索出输入所述查询串的用户在各个社区内的关系链，根据检索出的关系链，确定发表搜索结果的用户与输入所述查询串的用户之间关系的距离。
10.根据权利要求8所述的系统，其特征在于，
所述作者数据库，用于存储每位用户的综合权重，其中，每位用户的综合权重根据该位用户发表的信息对象的内容质量、重要程度、点击数和其他用户对该位用户发表的信息对象的点评中的至少一个确定；
所述排序模块，用于根据搜索结果与所述查询串之间的匹配度、和/或所述关系的距离、和/或发表搜索结果的用户的综合权重，对搜索结果进行相关性排序。
CN201110407885.3A 2011-12-09 2011-12-09 一种信息搜索方法和系统 Active CN103164407B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201110407885.3A CN103164407B (zh) 2011-12-09 2011-12-09 一种信息搜索方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201110407885.3A CN103164407B (zh) 2011-12-09 2011-12-09 一种信息搜索方法和系统

Publications (2)

Publication Number Publication Date
CN103164407A true CN103164407A (zh) 2013-06-19
CN103164407B CN103164407B (zh) 2016-08-03

Family

ID=48587503

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201110407885.3A Active CN103164407B (zh) 2011-12-09 2011-12-09 一种信息搜索方法和系统

Country Status (1)

Country Link
CN (1) CN103164407B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104391899A (zh) * 2014-11-07 2015-03-04 中国建设银行股份有限公司 一种集中清算系统的数据管理方法及系统
CN105447205A (zh) * 2016-01-05 2016-03-30 腾讯科技（深圳）有限公司 检索结果排序的方法和装置
CN107729473A (zh) * 2017-10-13 2018-02-23 东软集团股份有限公司 文章推荐方法及其装置
CN110765357A (zh) * 2019-10-24 2020-02-07 北京字节跳动网络技术有限公司 在线文档的搜索方法、装置、设备及存储介质

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1367901A (zh) * 1999-06-30 2002-09-04 西尔弗布鲁克研究股份有限公司 用于搜索信息的方法与系统
CN101573993A (zh) * 2006-11-01 2009-11-04 雅虎公司 基于地点和时间来确定社交网络的移动内容

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1367901A (zh) * 1999-06-30 2002-09-04 西尔弗布鲁克研究股份有限公司 用于搜索信息的方法与系统
CN101573993A (zh) * 2006-11-01 2009-11-04 雅虎公司 基于地点和时间来确定社交网络的移动内容

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104391899A (zh) * 2014-11-07 2015-03-04 中国建设银行股份有限公司 一种集中清算系统的数据管理方法及系统
CN104391899B (zh) * 2014-11-07 2017-12-12 中国建设银行股份有限公司 一种集中清算系统的数据管理方法及系统
CN105447205A (zh) * 2016-01-05 2016-03-30 腾讯科技（深圳）有限公司 检索结果排序的方法和装置
CN105447205B (zh) * 2016-01-05 2023-10-24 腾讯科技（深圳）有限公司 检索结果排序的方法和装置
CN107729473A (zh) * 2017-10-13 2018-02-23 东软集团股份有限公司 文章推荐方法及其装置
CN107729473B (zh) * 2017-10-13 2021-03-30 东软集团股份有限公司 文章推荐方法及其装置
CN110765357A (zh) * 2019-10-24 2020-02-07 北京字节跳动网络技术有限公司 在线文档的搜索方法、装置、设备及存储介质

Also Published As

Publication number Publication date
CN103164407B (zh) 2016-08-03

Similar Documents

Publication Publication Date Title
US8682918B2 (en) Method and system for making content-based recommendations
Vosecky et al. Searching for quality microblog posts: Filtering and ranking based on content analysis and implicit links
CN103049440A (zh) 一种相关文章的推荐处理方法和处理系统
Mosa et al. Ant colony heuristic for user-contributed comments summarization
US20160012454A1 (en) Database systems for measuring impact on the internet
CN104021125A (zh) 一种搜索引擎排序的方法、系统以及一种搜索引擎
US10698888B1 (en) Answer facts from structured content
US20180089193A1 (en) Category-based data analysis system for processing stored data-units and calculating their relevance to a subject domain with exemplary precision, and a computer-implemented method for identifying from a broad range of data sources, social entities that perform the function of Social Influencers
CN103164407A (zh) 一种信息搜索方法和系统
Gu Research on precision marketing strategy and personalized recommendation method based on big data drive
US8825698B1 (en) Showing prominent users for information retrieval requests
Ennaji et al. Social intelligence framework: Extracting and analyzing opinions for social CRM
Zhou et al. A novel approach for generating personalized mention list on micro-blogging system
Chang et al. Towards social recommendation system based on the data from microblogs
Rao et al. Product recommendation system from users reviews using sentiment analysis
Heitmann et al. Personalisation of social web services in the enterprise using spreading activation for multi-source, cross-domain recommendations
CN109299368B (zh) 一种用于环境信息资源ai智能个性化推荐的方法及系统
Saha et al. Big data and internet of things: a survey
Huang et al. A comprehensive mechanism for hotel recommendation to achieve personalized search engine
Özyirmidokuz et al. Analyzing customer complaints: a web text mining application
Xianlei et al. Finding domain experts in microblogs
US20160335325A1 (en) Methods and systems of knowledge retrieval from online conversations and for finding relevant content for online conversations
Wang et al. The collaborative filtering method based on social information fusion
Linlin Tchaikovsky music recommendation algorithm based on deep learning
Yu et al. Friend recommendation mechanism for social media based on content matching

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