CN103210408A - 将第一位置简档与至少一个另一位置简档进行匹配 - Google Patents
将第一位置简档与至少一个另一位置简档进行匹配 Download PDFInfo
- Publication number
- CN103210408A CN103210408A CN2011800543144A CN201180054314A CN103210408A CN 103210408 A CN103210408 A CN 103210408A CN 2011800543144 A CN2011800543144 A CN 2011800543144A CN 201180054314 A CN201180054314 A CN 201180054314A CN 103210408 A CN103210408 A CN 103210408A
- Authority
- CN
- China
- Prior art keywords
- server
- project
- profile
- consumption
- time
- 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.)
- Pending
Links
Images
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
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Economics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Computational Linguistics (AREA)
- Information Transfer Between Computers (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
公开了一种用于支持对用户设备(1)的推荐(5)的服务器(3-2、3-3)。所述服务器包括匹配单元(302),匹配单元(302)被配置为将与所述用户设备的当前位置(lr)关联的第一位置简档匹配于至少一个另一位置简档,其中,所述匹配基于在第一时间间隔(α)中在当前位置中所消费的至少一个项目以及在与所述第一时间间隔不同的至少一个第二时间间隔(A1-A8、B1-B8、N1-Nn)中在所述另一位置中所消费的至少一个项目。还公开了一种推荐器系统(3)、一种推荐器引擎计算机程序(91)和一种计算机程序产品(310)。
Description
技术领域
本发明涉及用于将第一位置简档与至少一个另一位置简档进行匹配的一种推荐器系统、一种服务器、一种推荐器引擎计算机程序以及一种计算机程序产品。
背景技术
推荐器系统如今是相对公知的技术,并且用在其中用于推荐媒体项目(例如电影、音乐和图片)的不同服务中。具有互联网站点(例如www.amazon.com和www.lastfm.com)的公司利用这些推荐器系统的示例。推荐器系统帮助用户发现感兴趣的项目,而用户无需明确地声明他或她想要什么。
通用的推荐器方法是CF(协同过滤),其通过基于消费历史来计算各用户或各项目之间的相似度而产生推荐。CF系统遭受所谓的“新用户问题”;除此而外,它们还遭受所谓的“新项目问题”。新用户问题意味着在用户的偏好可以被理解之前,用户必须评定足够数量的项目。新项目问题使得新项目被忽略(即,未受推荐),直到足够数量的用户已经评定了该项目。另一公知的推荐器方法是CB(基于内容的)推荐器系统。简单地说,CB推荐基于关于本身内容的描述、元数据。根据用户关于项目消费的简档,用户关于项目属性的偏好可以得以推导并且用于发现相似项目以进行推荐。CB系统通常也遭受新用户问题。
以上方法的组合也是普遍的,并且又称为HRS(混合推荐器系统)。这些混合系统可以具有四种不同的架构:
-分离地实现并且组合预测,
-将一些基于内容的特性合并到CF算法中,
-将一些CF特性合并到CB算法中,
-合并CB和CF算法的统一模型。
关于更多信息,见Y-L.Chen和L-C.Cheng:A novel collaborativefiltering approach for recommending ranked items,Expert Syst.Appl.,34(4):2396-2405,2008。
随着使用具有各种传感器的位置感知设备已经变得更流行,CA(上下文感知)推荐器方法过去几年已经出现。已经例如通过呈现地理上靠近活动用户的其它用户正消费哪些应用来完成对于移动设备推荐应用。已经在A.Girardello和F.Michahelles:AppAware:WhichMobile Applications Are Hot?,MobileHCI,10September7-10,2010中讨论了该情况。
存在使用设备的位置上下文进入移动设备区域的很多不同的推荐器系统。专利申请US-2006/0266830-A1公开了一种使用位置来增强CF分级的方法。该方法要求每个位置对于另一推荐器技术具有足够量的消费数据,以在所有消费子集上产生良好推荐。专利申请US-2009/0193099-A1公开了一种基于每个先前用户请求来评估假设上下文(例如当前上下文、未来时间和未来位置)的系统。假设上下文然后用于对用户产生推荐。推荐因此基于用户所处的上下文以及对于邻近上下文的映射。然而,假设上下文在此并不使用除了当前用户已知的数据之外的其它数据,系统不捕获与上下文有关而推荐的项目的任何特性。
使用用户请求推荐的上下文以及系统中先前项目消费的上下文来产生推荐的上下文感知方法引入了新问题。为了推荐例如在特定位置中流行或频繁消费的项目,该项目数据必须已经在系统中呈现,如果用户最先访问该位置,则将没有或鲜有数据呈现。
发明内容
本发明的目的在于改进推荐器系统或另外对用户设备/用户的推荐,其中至少减少上述新问题。
本发明涉及一种用于支持对用户设备的推荐的服务器。所述服务器包括匹配单元,匹配单元被配置为将与所述用户设备的当前位置关联的第一位置简档与至少一个另一位置简档进行匹配,其中,所述匹配基于在第一时间间隔(α)中在当前位置中所消费的至少一个项目以及在与所述第一时间间隔不同的至少一个第二时间间隔中在所述另一位置中所消费的至少一个项目。由此使得推荐可以基于不仅在特定时间段在当前位置中所消费的项目,而且还基于在具有相似但时移(time-shifted)的消费模式的其它位置中所消费的项目。当检测到各位置之间的相似度时,其可以基于完全位置简档,而并非基于在特定时间点的位置的相似度。
项目是或可以对应于各种东西,例如比如书籍、电影、音乐、电子书、计算机程序(例如用于移动电话的应用、web浏览器应用、用于PC的计算机程序以及平板/平板应用)、消费者产品(例如电器、衣服、汽车等)、服务(例如专业服务(例如医生或律师所提供的服务))、事件(例如音乐会、展览、体育赛事)、餐馆、咖啡馆、吧、夜总会、商店、购物中心、体育场地、度假胜地、宾馆、加油站、ATM(自动柜员机)、值得看的东西等。
项目的消费是所执行的与该项目关联的动作。根据该定义,消费可以是用户或用户设备或进行的“隐含”动作或明显动作,其示例在具体实施方式中说明。
位置简档是包括位置标识、至少一个项目标识、与项目标识和位置标识关联的至少一个消费以及与每个消费关联的时间的数据集合。消费类型也可以包括于位置简档以及与消费关联的其它信息中,项目标识和位置标识也可以包括于位置简档中。这种可选的另外信息可以是传感器标识、用户设备的操作系统以及更具体的位置数据(例如与消费关联的地理坐标经度、纬度和海拔)。
第一时间间隔可以在第二时间间隔的结束之后结束,和/或在第二时间间隔的开始之后开始。第一时间间隔也可以比第二时间间隔更晚出现,即,在各时间间隔之间不存在重叠,从而所比较的位置简档在同一时间段中没有任何消费。由此,在不同位置中捕获项目流行度的趋势并且随着时间而改变消费模式的可能性。检测相似位置使得推荐器系统能够捕获较大部分的可用数据集合。这意味着服务器可以能够随着时间而发现位置邻近物,当用户尚未在他的用户设备上消费东西时,其对于推荐器系统将是重要成分,即,使得推荐器系统能够将彼地彼时的消费与此地此时的消费进行匹配。
所述匹配单元可以被配置为通过对所述第一位置简档的散列化消费信息与所述另一位置简档的散列化消费信息进行比较来执行所述匹配。或者,所述匹配单元可以被配置为通过计算各项目之间的相似度来部分地执行所述匹配,并且在此情况下,所述匹配单元被配置为使用Pearson-r相关来计算所述相似度。
所述服务器可以包括加权单元,用于将所述推荐还基于关联于所述第一位置简档的项目与关联于所述另一位置简档的项目之间的加权优先化。
所述服务器可以包括发送单元,用于发送所述推荐,其中,所述推荐包括关于从所述第一位置简档和所述另一位置简档所检索到的项目的信息。
所述匹配单元可以是推荐器引擎的一部分。
所述服务器可以包括检索单元和数据库,所述数据库包括与所述第一位置简档关联的第一项目集合以及与所述另一位置简档关联的第二项目集合。所述检索单元在此情况下被配置为检索所述第一项目集合和所述第二项目集合。
所述第一项目集合和所述第二项目集合可以是可从所述数据库的表中检索的,其中,所述表包括记录,其中,每个记录包括位置标识、项目标识、消费时间和消费类型。
所述服务器可以包括信息丰富器,信息丰富器用于从元数据数据库中检索与在所述推荐中所推荐的项目关联的其他信息。所述服务器可以还包括所述元数据数据库。
所述服务器可以包括接收单元,接收单元被配置为从所述用户设备接收用户标识以及与所述用户标识关联的地理位置。所述用户标识可以是用户设备标识、IMSI、移动网络订阅标识和认证数据中的一个或更多个。
所述接收单元也可以适用于从所述用户设备接收关于项目的至少一个消费以及所述消费的时间的信息。
所述接收单元可以被配置为从所述用户设备接收关于所述用户设备所利用的无线通信网络的信息、用于服务的用户密码、所述用户设备的操作系统的信息以及关于所述订阅是后付费还是预付费订阅的信息。
本发明还涉及一种推荐器系统,包括第一服务器和第二服务器。所述第一服务器包括发送单元,发送单元用于将至少一个项目的推荐发送到用户设备。所述第二服务器包括匹配单元,匹配单元被配置为将与所述用户设备的当前位置关联的第一位置简档与至少一个另一位置简档进行匹配,其中,所述匹配基于在第一时间间隔中在当前位置中所消费的至少一个项目以及在与所述第一时间间隔不同的至少一个第二时间间隔中在所述另一位置中所消费的至少一个项目。
所述第二服务器可以包括加权单元,加权单元用于将所述推荐还基于与所述第一位置简档关联的项目和与所述另一位置简档关联的项目之间的加权优先化。
所述第二服务器包括检索单元和数据库,所述数据库包括与所述第一位置简档关联的第一项目集合以及与所述另一位置简档关联的第二项目集合,其中,所述检索单元被配置为检索所述第一项目集合和所述第二项目集合。
所述第一服务器可以包括信息丰富器,信息丰富器用于从元数据数据库中检索与在所述推荐中推荐的项目关联的其他信息。
此外,本发明涉及一种推荐器引擎计算机程序,包括当在推荐器系统的服务器上运行时使得所述服务器将与所述用户设备的当前位置关联的第一位置简档与至少一个另一位置简档进行匹配的计算机可读代码装置,其中,所述匹配基于在第一时间间隔中在当前位置中所消费的至少一个项目以及在与所述第一时间间隔不同的至少一个第二时间间隔中在所述另一位置中所消费的至少一个项目。
所述推荐器引擎计算机程序可以包括当在所述服务器上运行时使得所述服务器通过将所述第一位置简档的散列化消费信息与所述第二位置简档的散列化消费信息进行比较来执行所述匹配的计算机可读代码装置。
所述推荐器引擎计算机程序可以包括当在所述服务器上运行时使得所述服务器通过计算项目之间的相似度来部分地执行所述匹配的计算机可读代码装置。
所述推荐器引擎计算机程序可以包括当在所述服务器上运行时使得所述服务器从数据库中检索与所述第一位置简档关联的第一项目集合以及与所述另一位置简档关联的第二项目集合的计算机可读代码装置。
此外,本发明涉及一种计算机程序产品,包括计算机可读介质以及所述计算机可读介质上所存储的推荐器引擎计算机程序。
附图说明
当连同附图一起阅读时,从以下用户设备、推荐器系统、服务器、计算机程序和计算机程序产品的实施例的详细描述,本发明的目的、优点和效果以及特征将更容易理解,其中:
图1是推荐器系统所执行的推荐方法的实施例的概览流程图,
图2示出推荐器系统的实施例和用户设备的示例,
图3示出包括推荐器引擎以及与网络运营商的元数据接口的服务器,
图4示出根据图1的实施例的步骤的实施例的步骤的流程图,
图5示出位置简档可以如何变换为时间位置简档,
图6是用于描述比较位置简档的不同方式的实施例的流程图,
图7示出项目配对的协同评定的示例,
图8示出构建位置简档的数据库表的示例,
图9是示出根据使得另外排名基于项目的位置的实施例的步骤的流程图,
图10示意性示出推荐器系统的服务器的实施例,
图11示意性示出推荐器系统的服务器的实施例,
图12示意性示出推荐器系统的服务器的实施例,
图13示意性示出推荐器系统的服务器的实施例,
图14示出一个实施例中所利用的安卓软件栈,
图15示出客户端应用的三个GUI(图形用户接口)屏幕,
图16示出客户端应用的三个其它GUI屏幕,
图17示出客户端应用的三个其它GUI屏幕,
图18示出根据推荐器系统的实施例的服务器的概念层,以及
图19示出推荐器系统的实施例的数据库。
具体实施方式
发明人已经知道,多数推荐器系统未捕获的项目的特性是项目的时间和上下文绑定流行度。例如,项目在一个位置中在某个时间可能是良好推荐,但在不同的位置不同的时间可能是坏的推荐。这种特性可以被看作趋势,但可能是推荐器系统无法预见的项目或其它事件的发行日期的结果。关于选举的纪录片可能例如在区域选举前的时间段中处于其相关性的峰值。然而,并非全球在同一时间点举行选举,因此,纪录片的相关性将与时间和地点关联。另一示例是首先在纽约出现的趋势(例如时尚趋势)可能在全世界传播,并且半年后出现在例如斯德哥尔摩。这种知识在本发明实施例中已经被利用,以通过使用用户的用户设备的位置来发现关于项目消费的其它相似位置而解决上述新问题。检测这些相似位置,并且可以推荐在这些位置处的流行项目,而不是用户设备的当前位置中的流行项目,或外加用户设备的当前位置中的流行项目。检测相似位置使得推荐器系统能够捕获较大部分的可用数据集合。实际上,这意味着在此所公开的至少一些实施例使得推荐器系统能够随着时间而发现位置邻近物,这仅缓和了新问题,而且还缓和了当用户尚未在用户设备上消费东西时的上述新用户问题,即,使得根据一些实施例的推荐器系统能够将“彼地彼时”的消费与“此地此时”的消费进行匹配。
受益于本发明的另一示例是当流行音乐人在纽约发行新专辑时并且其在彼时彼地产生特定行为。几个星期/月之后,专辑来到斯德哥尔摩并且产生相似的模式。在此,将可以随着时间而匹配消费简档。斯德哥尔摩和纽约可以换句话说被描述为在音乐方面具有相似内容简档但是有时移的。
又一示例是迪士尼乐园使用情况。用户是在美国加利福尼亚访问迪斯尼乐园的推荐器系统的最先用户。然而,大量用户已经在法国巴黎的迪士尼乐园使用了推荐器系统。由于先前有一些访问加利福尼亚迪斯尼乐园消费与已经访问巴黎迪斯尼乐园的人相似的项目(例如迪士尼历史应用、孩子游戏、通信应用、Google地图),因此这些位置被检测为相似的,并且在巴黎迪斯尼乐园所消费的项目作为对于加利福尼亚的对等方的推荐是有效的。
虽然在此描述的推荐器系统以及服务器、方法、计算机程序和计算机程序产品覆盖各种修改和备选构造,但本发明实施例将在附图中示出并且将在下文中详细描述。然而,应理解,具体描述和附图并非意图将本发明限制为所公开的具体形式。反之,意图在于,本发明的范围包括落入所附权利要求中所表述的本发明的精神和范围内的所有修改及其替代构造。
图1示出充当可以产生基于位置的推荐的示例的推荐处理的概览流程图。在步骤A中,用户设备1/用户装备(见图2)将对推荐的请求/推荐请求2经由接入网络4以及可能还经由web服务器(未示出)发送到推荐器系统3。web服务器可以是与推荐器系统3的服务器进行通信的服务器的一部分,但web服务器软件也可以是服务器(服务器主机)的一部分,其也是推荐器系统3的至少一部分。接入网络4可以包括一个或更多个有线和/或无线网络(例如E-UTRAN,演进全球地面无线电接入网)。推荐器系统3接收推荐请求2。在步骤B中,推荐器系统3的服务器基于CF方法(其可以是本领域技术人员可知的任何方法)来生成推荐或中间推荐。CF方法并非故此被看作是本发明的核心。推荐器系统3的服务器在步骤C中生成基于位置的推荐/预测,以下将结合图4更详细地描述该操作。在步骤D中,推荐器系统3的服务器收集并且合并来自步骤B的推荐以及步骤C的基于位置的推荐。项目的推荐在此可以根据它们相关的可能性而被排序为在标题“局部vs全局流行度”之下根据例如下述加权方法的推荐。在步骤E中,推荐器系统3将最终推荐5/推荐响应发送到用户设备1。推荐5可以因此包含与在另一地理区域/邻近区域中所消费的项目关联的信息。发送到用户设备1的推荐5可以不仅包括所推荐的项目自身的指示,而且还可以包括附加信息,使得关于与所推荐的项目关联的各项目(例如图像、对另外信息的链接、价格等)中的至少一个给出的信息变得丰富。这种丰富信息可以通过推荐器系统从第三方数据库(例如网络运营商的外部数据库6(见图3))以元数据的形式先前已经至少间接地接收而已经存储在推荐器系统3中,但可以已经存储在推荐器系统3中。另一选项是:从外部数据库6基于ad-hoc而取得元数据,但这减慢了用于推荐的时间,并且还降低了可选的基于CB的推荐器功能的可能性。
用户设备1在图2中示出为膝上型设备或无线电话的形式的台式计算机或移动台,但当然可以是另一类型的用户设备,例如无线平板/平板、IP TV系统、可从车辆拆卸的车辆导航系统以及车辆中所嵌入的多媒体单元。膝上型应用或移动应用的形式的客户端应用7还示出为显示在该实施例中存在与推荐器系统3进行通信的客户端应用。在图2中,示出推荐器系统3具有第一服务器3-1和第二服务器3-2,在该配置中,一个实施例中的第一服务器3-1是至少执行在步骤A和步骤E中接收推荐请求2的服务器,包括对发送到用户设备1的推荐5的项目信息的丰富。相应地,第二服务器3-2可以是执行步骤B、C和D的服务器。然而,本领域技术人员应理解,推荐器系统3可以仅包括如图3所示的一台服务器3-3/服务器主机或多于两台的服务器(例如用于步骤A-E中的每一个的一台服务器)。图2中还示出用户8,以将其区分为个人而不是用户设备1。图3还示出推荐器引擎9,其当由图3的服务器运行时使得服务器至少执行步骤B-D。
虽然图2示出来自用户设备1的推荐请求2,但存在这样的备选实施例:利用推荐器系统3来选择推荐并且将其推送到推荐服务的用户,而无需用户设备专门地发送推荐请求。
现参照图4,其中,步骤C1和C2指示根据一个实施例的推荐器系统3检索关于消费、位置以及消费与位置之间的关系(即所谓的消费-位置关系或消费-位置关联)的数据。以下结合具体实施例的描述来进一步详细描述如何完成该操作。消费在此被定义为所执行的与项目关联的动作。根据该定义,消费可以是用户8或用户设备1进行的“隐含”动作,例如在以下表1中所述以移动电话应用(在表中缩写为“app”)的形式的项目的动作。
表1:消费类型及其含义
消费也可以是用户8所发起的明确动作,例如按等级(例如五星级)来评定项目,并且针对“喜欢”或“不喜欢”而按下按钮。
位置可以是标识(id)所识别的任何地理区域。标识在一个实施例中是字符串或数字。例如,街道、城市和国家可以针对推荐器系统3被分配唯一的id:s,并且还存储在推荐器系统3内。项目的消费可以因此与不同位置层中的多于一个的位置关联,例如,斯德哥尔摩的特定部分中的消费可以与欧洲的位置、欧盟的位置、斯堪的纳维亚的位置、瑞典的位置、斯德哥尔摩所处的瑞典部分的位置、斯德哥尔摩区域的位置以及斯德哥尔摩区域的特定部分的位置关联。将地理区域与位置进行关联的一种方式是:将每个邮政代码/邮递代码专用于位置id。定义具有特定位置id的位置区域的另一方式是将其位置定义为具有预定中心和预定半径的圆形、矩形或多边形内的地理区域。在一些实施例中,另一备选是:不仅定义具有固定半径的圆形位置,而且使得半径自适应/可扩展,以确保如果每个位置与特定数量的项目关联被认为有利于推荐器系统3,则每个位置可以与特定数量的项目关联。这允许例如同一位置层中的位置覆盖城市中的较小地理区域以及乡村区域中的较大地理区域。在一些实施例中,例如经度和纬度或IP地址的形式的地理位置不一定必须与甚至同一位置层中的仅一个位置id关联,而是例如如果两个圆形位置彼此重叠,则可以属于多于一个的位置id。
消费与可映射到推荐器系统3中(例如第一服务器3-1或第二服务器3-2中)所存储的位置的项目、用户、上下文(包括位置和时间)以及识别所观测到的用户动作/用户设备动作的消费类型(例如表1中所述的消费之一)关联。不同的消费也可以被赋予不同的权值,例如,具有消费类型“保存”的应用可以被赋予相对高的权值10,而“消费”被赋予5,“标记”和“查询”被分别赋予1。在一个实施例中,这意味着与消费有关的信息存储在用户设备1中的数据库中,并且按常规间隔或更随意地(例如当手动请求时或当打开客户端应用7时)发送到推荐器系统3。换句话说,在该实施例中,用户设备1中不存储位置简档。反之,位置简档在此仅存储在推荐器系统3中,通过不仅从用户设备1而且优选地从多个用户设备接收到的消费信息来生成每个位置简档中的数据。在推荐器系统3中,位置和消费连同推荐请求2的位置(即用户或用户设备1的位置lr)一起充当对推荐器系统3的基于位置的推荐器部分的输入。据此数据,在位置lr处的流行项目可以在步骤C3中被识别,并且用作位置lr的简档,以充当对步骤C4和步骤C7的输入,其中,位置lr的简档分别用于识别相似位置以及提供可推荐的项目。换句话说,步骤C3可以设置为识别顶级消费项目和位置简档。
在步骤C4中,例如通过使用类似CF的(CF-like)邻近标识来随着时间窗而比较其它位置来识别与位置lr相似的一个或更多个位置Ls。在副标题“识别时移位置相似度”下以下更详细地描述标识。然后在步骤C5中提取在这些位置处的最流行项目(所谓的顶级项目),并且在步骤C6中向下加权(weight down)它们的预测排名,以考虑自从消费已经过去的时间。可以通过专利申请WO-2011/005157-A1中所描述的评定衰退(rating decay)来执行该操作。该申请根据以下公式1来描述项目评定的衰退。
在步骤C7中,通过将项目的预测排名加权在一起来合并从位置lr和Ls推荐的项目。可以通过使用例如以下数学公式2之一的简单加权函数来执行该操作。
识别时移位置相似度
图5和图6示出可以如何通过将用于每个位置的消费随着时间划分为分段(即时间分段)通过如步骤C41所示和如步骤C42所示检索对于当前和其它位置的消费来将位置简档变换为时间-位置简档(或位置子简档)。此外,在步骤C43中,针对位置lr的时间-位置简档与该时间-位置简档进行比较,识别相似的时间-位置。可以如何实现这种相似度识别的一个示例是:对来自第一时间间隔α的消费信息进行散列化,并且对散列化消费信息与分别来自位置A的第二时间间隔A1-A8、位置B的时间间隔B1-B8、……位置N的时间间隔N1-Nn的散列化消费信息进行比较。可以如何实现相似度识别的另一示例是:使用邻近算法,其中,通过例如计算两个项目i与j之间的相似度Sij(例如,通过利用Pearson-r相关corr i,j)来匹配不同的位置简档。为了使得相关在计算上精确,首先隔离/识别协同评定情况,即用户对i和j都进行评定的情况,如图7所示。在图7的示例中,从不同用户(在图7被称为“1”、“u”和“m-1”)获得每个协同评定配对。即使消费并非必须在同一时间间隔相似,也观测到邻近算法并非意图发现地理上彼此靠近的位置,而是发现与相似消费关联的位置。因此,在此,针对用户设备以分别与时间间隔A1-A8、B1-B8、……N1-Nn关联的A-N的所有位置简档而定位的位置,邻近算法检查针对时间间隔α的位置简档的相似度。换句话说,通过仅查看协同评定的项目来计算项目-项目相似度,通过查看项目i和j来计算相似度Sij。邻近算法然后使得推荐器系统3判断与关联于第一时间间隔α的位置简档最靠近的位置简档。通过借助于邻近算法或通过散列化函数进行的所述确定如步骤C44所示。可以借助于邻近算法来确定预定数量(例如10)的最相关的位置简档。
步骤C41-C44在一个实施例由推荐器引擎9执行,但步骤C41可以在另一实施例中由推荐器系统3的一部分(其未被看作推荐器引擎9的一部分)来执行。更具体地说,推荐器引擎9在此包括匹配单元302(见图10),用于通过与步骤C43-C44对应的方式来匹配位置简档。然而,可以借助于与推荐器引擎9交互的分离匹配引擎计算机程序307(见图11)在其它实施例中实现匹配单元302。在通过比较散列化消费信息来完成所述匹配的实施例中,推荐器引擎9可以当然还包括散列化函数。本领域技术人员应理解,存在对于上述两个匹配原理的其它备选。一种备选是计算包括位置简档的数据的各矢量之间的相似度。可以计算余弦相似度,如果两个矢量/位置简档之间的角度等于或小于阈值角度,则可以确定它们是相似的。如果矢量的维数被认为太大,则也可以使用PCA(主分量分析)以减少的维数来测量角度。又一备选是通过分类器使用聚类算法来确定聚类,例如对不同的消费进行聚类并且确定与位置简档关联的聚类的相似度。
还必须指出,即使所比较的时间-位置简档是时移的,它们也可以具有相等的时间长度,但这完全不必要。无需相等时间长度的时间-位置简档就可以识别相似度。第一时间间隔α可以长于其所比较的其它时间间隔中的每一个,但也可以在时间上短于其它时间间隔。还应指出,在一些实施例中,由于只要存在当前位置简档和其应比较的位置简档的最先消费和最后消费中的一个或二者的不同匹配,根据本发明就可以比较全部位置简档,因此可以不一定划分应比较的位置简档中的一个或更多个,从而步骤C42是关于位置简档的子部分的比较的可选步骤。可以通过很多不同方式来选择对位置简档中的消费进行分段的时间间隔。简单示例是:仅将时间间隔设置为每天的时间间隔、每个早上的时间间隔、每个晚上的时间间隔、典型高峰时期的时间间隔等。还可能感兴趣的是通过比较每年来自具体日期的位置简档(即对在一年前在一个位置中的圣诞前夜与在另一位置中的圣诞前夜进行比较)来检查各年的变化。也可以通过将不同的星期五彼此匹配来分析趋势(例如下班趋势)。
图8示出推荐器系统3的数据库305(见图10)中所存储的位置表的示例。数据库可以是例如SQL数据库,或例如对于改进的可分级性,HDFS(Hadoop分布式文件系统)。位置表在此包括各列:位置ID、项目ID、时间和消费类型。换句话说,该表包括与位置id:s关联的数据,在此是多于一个的位置简档的聚合。已经通过日期示出了时间,但显见,更具体的时间/时间戳(即小时、分钟和秒等)也可以包括在时间列或第二时间列中。在使用例如图8所示的表的情况下,可以通过例如运行SQL查询来检索位置简档。对于具有位置ID=11的位置简档,SQL查询典型地是SQL SELECT声明:
SELECT*FROM location-table WHERE locationID=11
所返回的答案于是将是与位置表中的位置11关联的所有项目id、时间和消费类型。
通过使用用户设备1的位置,对于新用户应可能产生比随机推荐更好。通过识别具有相似消费模式的位置,使得总项目集合的较大部分可推荐,具有不同简档的位置将能够产生推荐,即如果该方法合并在移动电话和/或提供该功能的应用中,则恰好已经购买例如新安卓手机的用户仍然可以从第一天得到有趣且良好的推荐。以下进一步更详细地描述具体针对移动应用的推荐的实施例。
由于在时间间隔内比较位置,因此可以获得意外效果。也就是说,如果第一位置l1被检测为与n天前的第二位置l2相似,则推荐在第二位置l2当前流行的项目可以被看作预测第一位置l1中的消费的未来。识别相似位置的时移性质还让推荐器系统3捕获项目的趋势,即识别并且推荐与不限于用户设备1的当前位置的当前上下文的上下文关联的项目。
当前并不存在足够的协助用户发现没有消费历史的设备上的有趣推荐的好方法。本发明在此描述一种使用位置和时间滑动来执行良好推荐的新方式。
局部vs全局流行度
为了得到可分离的位置简档,全局流行的项目可以在实施例中故意不包括于简档中,因为该项目将仅贡献于所有位置之间的增加的相似度。相反,位置简档应以真实表征位置的项目组成。恰如人类并不一定由具有两只手臂、两条腿和一只鼻子的人来良好定义那般,由于其匹配多数人,因此特定普通位置属性并不足以精确地描述特定位置。用于识别这些全局和局部流行项目的技术描述于WO-2011/053292-A1中,并且可以用于在图4的步骤C3和C4中生成位置简档。
如图9所示,可以通过对于确定为与位置lr相似的所有位置计算并且考虑全局加权因子(GWF)并且在一些实施例中还对于位置lr的位置简档中的项目计算并且考虑局部加权因子(LWF)来进行相似/邻近位置中的项目的另一排名。检索位置lr的位置简档中的所推荐的项目的“局部”列表和来自相似地点的所消费的项目的“全局”列表。然后使用在相似位置的项目上所应用的GWF以及在位置lr的位置简档中的项目上所应用的LWF来计算要在推荐5中发送的所推荐的项目。换句话说,可以修改推荐器系统3,从而加权可以根据发送在位置lr处所消费的项目的推荐有多重要以及看见邻近/相似位置中所消费的项目有多重要而可以是不同的。
已经描述了推荐器系统3的不同实施例的功能,现将结合图10来描述第二服务器3-2形式的服务器。服务器因此支持对用户设备1的推荐,并且包括接收单元301,用于从第一服务器3-1接收所转发或修改的推荐请求。第二服务器还包括匹配单元302,用于将位置lr的位置简档与至少一个另一位置简档进行匹配,其中,所述匹配基于在第一时间间隔中在第一位置中所消费的项目以及在第二时间间隔中在所述另一位置中所消费的项目。第二服务器3-2还包括发送单元303,用于将所推荐的项目集合发送到另一服务器(例如第一服务器3-1)。第二服务器3-2还包括检索单元304,用于从数据库305检索与位置lr的位置简档关联的第一项目集合以及与至少一个另一位置简档关联的第二项目集合,数据库305在图10中包括于第二服务器3-2中,但其当然可以在推荐器系统3的另一服务器中。第二服务器3-2在此还包括可选的加权单元306,其将第二服务器3-2配置为:根据以上已经描述的内容而使得其向用户设备1的推荐基于基于与第一位置简档和所述另一位置简档关联的项目之间的加权优先化。
虽然结合图10所描述的各个单元已经公开为第二服务器3-2中的物理上分离的单元,并且全都可以是专用电路(例如ASIC(专用集成电路)),但根据本发明的服务器还覆盖第二服务器3-2的实施例,其中,一些或所有单元实现为在处理器上运行的分离的计算机程序或计算机程序模块。结合图11公开该实施例。
与处理器309(例如具有或没有DSP(数字信号处理器)的一个或更多个微处理器)组合的推荐器引擎计算机程序91的匹配引擎计算机程序307或计算机程序模块308可以实现匹配单元302。推荐器引擎计算机程序91和匹配引擎计算机程序307在此存储在计算机可读介质形式(例如硬盘、闪存、盘、ROM(只读存储器)、RAM(随机存取存储器)和EEPROM(电可擦除可编程只读存储器))的第一计算机程序产品310中。用于位置简档的数据库305示出为包括在具有存储器形式的第二计算机程序产品311(例如服务器)中。然而,数据库305当然也可以包括在第一计算机程序产品310中。如图11所示,处理器309、第一计算机程序产品310和第二计算机程序产品311经由系统总线彼此连接。当由处理器309运行时,推荐器引擎计算机程序91的对应计算机程序模块312、313、314和315在此分别实现接收单元301、发送单元303、检索单元304和加权单元306。为了在物理上实现从第二服务器3-2接收信息以及将信息发送到第二服务器3-2,接收单元301和发送单元303当然必须受本领域技术人员已知的硬件部分(例如用于与例如第一服务器3-1的有线连接的物理部分316或用于无线通信的收发器电路(未示出))所支持。
图12示意性示出第一服务器3-1的实施例中所包括的单元。从推荐器系统3的不同实施例的以上描述应理解,第一服务器3-1可以包括以下功能单元:
-第一接收单元317,用于接收推荐请求2,
-位置单元318,用于确定位置lr的位置lr,
-第一发送单元319,用于将推荐请求2或修改的推荐请求2发送到第二服务器3-2,
-第二接收单元320,用于从第二服务器3-2接收与所推荐的项目关联的信息,
-优先化单元321,用于要发送到用户设备1的项目的可选的进一步优先化,
-第二检索单元322,用于从元数据数据库323检索元数据,
-信息丰富器324,用于以元数据、链接、图像等来丰富与所推荐的项目关联的信息,
-第二发送单元325,用于将推荐5发送到用户设备1。
第一接收单元317也可以被配置为从用户设备1接收:
-用户标识;
-合适地在推荐请求2内或与推荐请求2结合的与用户标识关联的地理位置;
-关于项目的至少一个消费以及消费的时间的信息;
-关于用户设备1所利用的无线电信网络的信息,
-用于服务的用户密码,
-用户设备1的操作系统,
-关于电话订阅是后付费还是预付费订阅的信息。
虽然结合图12所公开各个单元和信息丰富器324已经公开为第一服务器3-1中的物理上分离的单元,并且全都可以是专用电路(例如ASIC),但第一服务器3-1具有这样的实施例:一些或所有单元实现为在处理器上运行的分离的计算机程序或计算机程序模块。结合图13公开该实施例,其中,第一服务器3-1包括第二处理器326,其连接到经由系统总线而彼此连接的第三计算机程序产品327和第四计算机程序产品328。第二处理器326可以是具有或没有DSP的一个或更多个微处理器。第三计算机程序产品和第四计算机程序产品是计算机可读介质,例如硬盘、闪存、光盘、ROM、RAM和EEPROM。元数据数据库323示出为包括于第四计算机程序产品328中,但可以在其它实施例中包括于第三计算机程序产品327中。当与各个更新对应的第二处理器326和信息丰富器324运行时的分布式推荐器计算机程序329的部分的对应计算机程序模块在此分别实现信息丰富器324、第一接收单元317、位置单元318、第一发送单元319、第二接收单元320、优先化单元321、第二检索单元322和第二发送单元325。当存储在计算机程序产品(例如卖家对于推荐器计算机程序329所提供的存储器中)时,分布式推荐器计算机程序329可以还包括推荐引擎计算机程序91和/或匹配计算机程序307。
专门针对移动应用的推荐的实施例
本领域技术人员应理解,可以通过很多方式来实现上述推荐器系统3和用户设备1。为了进一步示出该情况,以下更详细地描述与移动电话应用形式的项目的推荐有关的示例性实施例。在此,包括推荐器系统3和用户设备1的客户端-服务器系统利用安卓平台。合适地使用Java企业版来实现客户端-服务器系统的服务器侧。
在图14中,示出安卓软件栈。其示出客户端应用7可以使用用于标准GUI组件的应用框架以及用于存储的各个管理器(例如活动管理器和内容提供器)。
存在用于安卓应用的四个主要组件:活动、服务、广播接收机和内容提供器。活动呈现GUI,并且被给定显示器的完全大小以进行绘制。活动还处理用户触摸输入。服务没有用户接口,但在后台中运行,并且可以例如通过网络来取得数据。广播接收机接收并且反应于安卓系统或其它应用所发送的广播通知。内容提供器存储并且检索数据以使得其对于所有应用可用,并且在此是用于贯穿应用而共享数据的方式。内容提供器在此还处理应用内的数据存储,SQLite是内容提供器所使用的数据库。在该实施例中,用户设备1负责收集消费数据/信息并且将其发送到推荐器系统3。用户设备1对推荐器系统3进行推荐请求2,并且将接收到的推荐显示给用户8。推荐器系统3收集应用元数据,存储从用户设备接收到的消费数据,将对推荐的请求转发到推荐器引擎(例如图3所示的推荐器引擎9),然后将推荐5发送回到用户设备1。
这种设计的动机在于,虽然用户设备1可以直接对推荐器引擎9进行请求,但其将必须存储大量数据(例如消费数据和应用元数据)。用户设备1可以可能地甚至包括推荐器系统3的部分或甚至所有主要功能。然而,如果与典型服务器硬件相比,则用户设备(例如移动设备)的计算能力和存储能力目前相对有限。具有收集应用元数据的集中方式也是方便的。收集并且管理应用的任务无需变为分布式问题,推荐器引擎可以保持不变,因为其并非所述收集的部分。这种解决方案还允许修改推荐器系统3的部分,而无需更新客户端应用7。
为了描述适用于与推荐器系统3通信的客户端应用7,采用基于任务和自顶向下的方法。图15示出典型用户情况,其中,首先向用户7显示应用的主页屏幕。如果用户7然后按下“发现”,则在屏幕(b)中示出推荐列表,从推荐列表,用户可以通过按下列表中的项目而在屏幕(c)中浏览应用的细节,或通过以屏幕(b)所示的可用动作来显示弹出菜单。
图16和图17示出客户端应用的其它特征。由于推荐得以呈现并且应用运行在与客户端应用7相同的系统上,因此可以监控用户的动作。还通过安卓平台来使得对上下文信息(例如时间和用户的位置)的访问可用,该信息因此可以与每个消费关联。
以上表1示出根据该实施例的可以收集的消费的示例性类型。如果应用是“消费”,则其在前台中运行在用户设备1上。类型“保存”的消费表示用户选取安装应用,与之相反的是与卸载应用对应的“删除”。“一瞥”应用被推荐并且显示给用户,而“关联”仅意味着应用信息已经作为推荐而发送到用户设备1。因此,“一瞥”是“关联”的子集。如果用户浏览应用的细节,则其存储为类型“考虑”的消费。使得用户能够将应用放置在客户端应用内的列表中,该动作被称为“标记”,对针对应用的相似应用的请求是类型“查询”。
用户的id、应用的id、消费发生的上下文以及消费类型构成消费。上下文在此至少包括关于与每个消费关联的时间和位置的信息。上下文可以扩展为包括描述上下文的任何其它信息,例如电池状态、传感数据、网络连接和其它应用运行。从客户端应用的活动(例如显示图16和图17所示的屏幕)以日志记录一些消费,即一瞥、考虑、标记、关联和查询。在收听系统所发送的广播的广播接收机中以日志记录其余消费类型,向其收听者通知事件。每次检测到消费,就将其存储在SQLite数据库中。
由于消费局部存储在用户设备1中而不是在它们的创建之后即刻发送到推荐器系统3,因此它们可以从SQLite数据库被检索并且在任何时间发送。这允许自由地修改应发送消费的时间。可以根据以下事件中的一个或更多个来完成该操作:在从用户8请求时、当用户设备1进行推荐请求2时、基于定时器(例如以规则间隔或在已经进行消费之后的特定时间)、一旦用户具有Wi-Fi访问、当在用户设备1中启动客户端应用7时、当SQLite数据库中所存储的消费的数量达到特定数量时,以免它们占据过多的存储器空间。推荐器系统3具有REST(表述状态转移)接口,其接受消费的json串表述。通过使用Gson(用于将Java对象转换为它们的json表述的Java库)来将用户设备1中的所存储的消费转换为这些串。使用org.apache.http库(其为安卓平台的部分)来将这些串的列表发送到推荐器系统3。推荐请求2因此包括关于请求的位置、用户的id、类别以及可选地还有指示推荐是否应仅基于位置的布尔值的信息。为了节省存储器空间,一旦消费已经发送到推荐器系统3就删除它们,但直到推荐器系统3已经响应消费已经存储在推荐器系统3中才删除它们。
可以在客户端应用7中通过两种方式来执行请求推荐,用户可以进行普通请求或使用搜索功能来对于请求而指定一些准则。在客户端应用7的主页屏幕(见图15(a))上完成该选择,其中,按下第一“发现”图标701产生普通推荐请求。也可以通过在客户端应用GUI的顶部处在菜单条中按下第二发现图标702来达到“发现”。按钮“搜索”702发起16(c)所示的搜索接口的显示。
根据搜索活动,用户8能够指定推荐5应当基于的位置。为了选择位置,向用户8显示图17(c)所示的可变焦和可移动地图,通过点击/触摸所显示的地图上的点达到大于预定时间(例如1秒),使得选择该位置。这可能例如在用户8正度假并且希望在进行旅行之前下载与目的地有关的应用的情况下是有用的。其可以充当用于获知在特定地区(例如纽约或NASA总部)哪些应用流行的灵感(inspiration)。根据搜索活动,用户8还可以选择使得来自应用类别的应用仅对于推荐有效的这些类别。
对推荐请求2的来自推荐器系统3的响应(即推荐5)在此是使用Gson变换为Java应用对象列表的json格式的应用列表。呈现所推荐的项目对于以上所描述的以及15(b)所示的两种类型的请求是相同的。可滚动的列表被显示以呈现所推荐的应用并且包括例如列表中的每个所推荐的应用的图标、标题和类别的信息。通过按下呈现给每个列表项目的右边的箭头704显露具有四个按钮的弹出菜单705。如果按下按钮之一,则该操作给出安装应用的可能性。其它按钮分别给出将其放置在列表中、请求显示相似应用以及得到关于为何推荐该应用的解释的可能性。可以典型地根据推荐器系统3所提供的排名来对应用进行排序。即使图中未示出,每个应用也可以具有指示应用位置的属性,其中,“1”是最相关的并且应首先显示在列表中,“2”是次重要的,诸如此类。
这里,所接收的应用的推荐在用户设备1上缓存,直到进行下一推荐请求2,此时移除所缓存的推荐以节省存储空间,并且为新的推荐让路。缓存推荐以允许用户8接受例如电话呼叫,而不冒推荐消失的风险。
通过按下与所列出的项目自身关联的显示区域,所推荐的应用的细节(例如应用名称、应用类别、应用卖家、版本号、用户的平均评定、下载数量指示、应用描述(如图15c所示))得以显示,用户8可以通过按下“安装”按钮706或通过按下将其放置在比在缓存中更持久的基础上存储在用户设备1中的另一列表中的“列表”按钮707来采取动作(例如安装应用)。该列表当然可以存储在用户设备1中的嵌入式存储器中,但当然也可以存储在可拆卸存储器卡/闪存卡中。如果用户8决定安装该应用,则在该实施例中典型地在用户设备1上所安装的安卓市场客户端中启动它,其中,用户需要在下载应用之前确认安装,但其当然可以下载自未连接到安卓市场服务的服务器。如图16(b)所指示的应用列表客户端应用7中的特征,并且使得用户8能够对所推荐的应用进行存档或管理。如果在下载应用之前,用户例如想要等待,直到存在对归属电信网络的Wi-Fi访问或连接,则可以在稍后时间将应用的推荐放置在列表中,用于检查。出于应用管理的目的,列表还允许用户8对应用进行分组。客户端应用7的可选特征是使得用户能够在一次点击中安装或卸载所有应用。两个列表在客户端应用7的一个版本中从开始已经包括:在图16(b)中被称为“偏好”和“存档”。然而,当在列表中放置所推荐的应用(或另外与所推荐的应用关联的信息)时,用户8可以创建其它列表。在17(a)中示出该情况,其中,用户可以选择现有列表或创建新列表。通过从主页屏幕选择“列表”,向用户7显示可用列表,按下列表之一显示如17(b)所示的该列表中所放置的应用,其中,显示“存档”列表的内容。
自顶向下的方法现将用于描述与上述客户端应用关联的推荐器系统3的内部工作。推荐器系统3在此实施为单个服务器。从以上描述应理解,服务器被配置为接收并且存储消费数据,从用户设备1接收推荐请求,并且通过推导推荐来响应于该请求。为了提供这种功能,服务器还能够收集用于应用的元数据。
图18中可见,REST资源在服务器的顶层,其中,它们充当对下层功能的接口。对服务器所进行的每个请求受REST资源处理,并且转发到逻辑层的适当部分。每个资源呈现对实体(例如应用、推荐、消费或用户id)的接口。对服务器的推荐请求2在此是通过HTTP请求进行的,并且产生对表述并且实现资源的类的适当方法的调用。当推荐请求2已受逻辑层处理时,REST层创建响应/推荐5,其发送到请求用户设备1。该响应要么是空白(具有指示推荐请求2是否成功的状态码),要么包含表述请求的资源的消息。例如,对所推荐的应用的请求返回应用列表作为json串。
一旦已经解释对服务器的请求并且REST层解析任何附加数据,该请求就传送到逻辑层,逻辑层采取适当的动作,在此尤其是在数据库330中存储消费,倘若推荐器系统3在该具体实施例中是双服务器系统,则数据库330与以上的第二服务器3-2中的位置简档数据库305对应。
推荐请求2还直接地或经由推荐器引擎适配器(未示出)而传送到推荐器引擎9。逻辑层确保实例化(instantiate)下层所需的任何对象,并且将它们传送给适当的方法。
使用Hibernate(其为用于Java EE的持久性框架)来处理数据持久性。通过对象/关系映射,取得并且存储Java对象。映射文件可以用于定义从Java对象到每个实体的关系数据库表述的映射的每个项目/实体。定义使用哪个数据库以及用于该数据库的认证信息的配置文件得以定义并且由Hibernate用于连接到数据库。元数据数据库在此可以是MySQL数据库,图19示出该数据库。该模型中的实体中的每一个具有其映射到的对应Java类。使用Hibernate和MySQL允许快速实现持久性功能。
为了服务器能够以不同的方式将具有元数据(例如标题、版本等)的应用推荐发送到用户设备1,该信息在该实施例中存储在服务器中,但当然可以在其它实施例中存储在另一服务器中,甚至在推荐器系统3之外。由于在该示例中使用安卓平台,因此应例如使用对安卓市场现有的API来收集安卓应用元数据。推荐器系统3的管理方在此通过可以从任何浏览器或另外HTTP客户端所执行的HTTP请求来对元数据的收集进行实例化。表2列出管理请求及其含义。
表2:元数据管理请求
对于在用户设备1上已经消费的应用,对应识别串将发送到如上所述的服务器。如果所消费的应用并非已经呈现在元数据数据库中,则将存储其识别串,但将其它元数据字段留作空白。表3的维护请求可以用于填充(populate)推荐器系统3中这些应用的元数据。元数据数据库与图2的双服务器配置中的第一服务器3-1中的元数据数据库323对应。
从以上描述应容易理解,客户端应用7包括当在用户设备1上运行时使得用户设备1执行以下操作的代码装置:
-将推荐请求2发送到推荐器系统3,
-接收推荐5,
-在用户设备1的屏幕上显示推荐5,
-存储用户设备1中所指示的关于项目(例如移动应用)的至少一个消费的信息,以及
-将关于所述至少一个消费的信息发送到推荐器系统3。
Claims (27)
1.一种用于支持对用户设备(1)的推荐(5)的服务器(3-2、3-3),包括匹配单元(302),所述匹配单元(302)被配置为将与所述用户设备(1)的当前位置(lr)相关联的第一位置简档与至少一个另一位置简档进行匹配,其中,所述匹配基于在第一时间间隔(α)中在当前位置(lr)中所消费的至少一个项目以及在与所述第一时间间隔(α)不同的至少一个第二时间间隔(A1-A8、B1-B8、N1-Nn)中在所述另一位置中所消费的至少一个项目。
2.如权利要求1所述的服务器(3-2、3-3),其中,所述第一时间间隔(α)在所述第二时间间隔(A1-A8、B1-B8、N1-Nn)的结束之后结束。
3.如权利要求1或2所述的服务器(3-2、3-3),其中,所述第一时间间隔(α)在所述第二时间间隔(A1-A8、B1-B8、N1-Nn)的开始之后开始。
4.如前述权利要求中的任一项所述的服务器(3-2、3-3),其中,所述第一时间间隔(α)比所述第二时间间隔(A1-A8、B1-B8、N1-Nn)出现得晚。
5.如前述权利要求中的任一项所述的服务器(3-2、3-3),其中,所述匹配单元(302)被配置为通过对所述第一位置简档的散列化消费信息与所述另一位置简档的散列化消费信息进行比较来执行所述匹配。
6.如权利要求1-4中的任一项所述的服务器(3-2、3-3),其中,所述匹配单元(302)被配置为通过计算项目之间的相似度(Sij)来部分地执行所述匹配。
7.如权利要求6所述的服务器(3-2、3-3),其中,所述匹配单元(302)被配置为使用Pearson-r相关来计算所述相似度(Sij)。
8.如前述权利要求中的任一项所述的服务器(3-2、3-3),包括加权单元(306),所述加权单元(306)用于使得所述推荐(5)还基于与所述第一位置简档相关联的项目和所述另一位置简档的项目之间的加权优先化。
9.如前述权利要求中的任一项所述的服务器(3-2、3-3),包括用于发送所述推荐(5)的发送单元(303、325),其中,所述推荐(5)包括与从所述第一位置简档和所述另一位置简档检索的项目有关的信息。
10.如前述权利要求中的任一项所述的服务器(3-2、3-3),其中,所述匹配单元(302)是推荐器引擎(9)的一部分。
11.如前述权利要求中的任一项所述的服务器(3-2、3-3),包括检索单元(304)和数据库(305),所述数据库(305)包括与所述第一位置简档相关联的第一项目集合以及与所述另一位置简档相关联的第二项目集合,其中,所述检索单元(304)被配置为检索所述第一项目集合和所述第二项目集合。
12.如权利要求11所述的服务器(3-2、3-3),其中,所述第一项目集合和所述第二项目集合可从所述数据库(305)的表中检索,其中,所述表包括记录,其中,每个记录包括位置标识、项目标识、消费时间和消费类型。
13.如前述权利要求中的任一项所述的服务器(3-3),包括信息丰富器(324),所述信息丰富器(324)用于从元数据数据库(323)中检索与在所述推荐(5)中推荐的项目相关联的其他信息。
14.如前述权利要求中的任一项所述的服务器(3-3),包括所述元数据数据库(323)。
15.如前述权利要求中的任一项所述的服务器(3-3),包括接收单元(317),所述接收单元(317)被配置为从所述用户设备(1)接收用户标识以及与所述用户标识相关联的地理位置。
16.如权利要求15所述的服务器(3-3),其中,所述用户标识是用户设备标识、IMSI、移动网络订阅标识以及认证数据中的一个或更多个。
17.如权利要求15或16所述的服务器(3-3),其中,所述接收单元(317)还适用于从所述用户设备(1)接收与项目的至少一个消费以及所述消费的时间有关的信息。
18.如权利要求15-17中的任一项所述的服务器,其中,所述接收单元(317)被配置为从所述用户设备(1)接收与所述用户设备(1)利用的无线电信网络、用于服务的用户密码、所述用户设备(1)的操作系统、以及关于所述订阅是后付费还是预付费订阅的信息有关的信息。
19.一种推荐器系统(3),包括第一服务器(3-1)和第二服务器(3-2),其中,所述第一服务器(3-1)包括发送单元(325),所述发送单元(325)用于将至少一个项目的推荐(5)发送到用户设备(1),所述第二服务器(3-2)包括匹配单元(302),所述匹配单元(302)被配置为将与所述用户设备(1)的当前位置(lr)相关联的第一位置简档与至少一个另一位置简档进行匹配,其中,所述匹配基于在第一时间间隔(α)中在所述当前位置(lr)中所消费的至少一个项目以及在与所述第一时间间隔(α)不同的至少一个第二时间间隔(A1-A8、B1-B8、N1-Nn)中在所述另一位置中所消费的至少一个项目。
20.如前述权利要求19所述的推荐器系统(3),其中,所述第二服务器(3-2)包括加权单元(306),所述加权单元(306)用于使得所述推荐(5)还基于与所述第一位置简档相关联的项目和所述另一位置简档的项目之间的加权优先化。
21.如权利要求19或20所述的推荐器系统(3),其中,所述第二服务器(3-2)包括检索单元(304)和数据库(305),所述数据库(305)包括与所述第一位置简档相关联的第一项目集合以及与所述另一位置简档相关联的第二项目集合,其中,所述检索单元(304)被配置为检索所述第一项目集合和所述第二项目集合。
22.如权利要求19-22中的任一项所述的推荐器系统(3),其中,所述第一服务器(3-1)包括信息丰富器(324),所述信息丰富器(324)用于从元数据数据库(323)检索与在所述推荐(5)中推荐的项目相关联的其他信息。
23.一种推荐器引擎计算机程序(91),包括当在推荐器系统(3)的服务器(3-2、3-3)上运行时使得所述服务器(3-2、3-3)将与所述用户设备(1)的当前位置(lr)相关联的第一位置简档与至少一个另一位置简档进行匹配的计算机可读代码装置,其中,所述匹配基于在第一时间间隔(α)中在当前位置(lr)中所消费的至少一个项目以及在与所述第一时间间隔(α)不同的至少一个第二时间间隔(A1-A8、B1-B8、N1-Nn)中在所述另一位置中所消费的至少一个项目。
24.如权利要求23所述的推荐器引擎计算机程序(91),包括当在所述服务器(3-2、3-3)上运行时使得所述服务器(3-2、3-3)通过将所述第一位置简档的散列化消费信息与所述第二位置简档的散列化消费信息进行比较来执行所述匹配的计算机可读代码装置。
25.如权利要求23所述的推荐器引擎计算机程序(91),包括当在所述服务器(3-2、3-3)上运行时使得所述服务器(3-2、3-3)通过计算项目之间的相似度(Sij)来部分地执行所述匹配的计算机可读代码装置。
26.如权利要求23-25中的任一项所述的推荐器引擎计算机程序(91),包括当在所述服务器(3-2、3-3)上运行时使得所述服务器(3-2、3-3)从数据库(305)中检索与所述第一位置简档相关联的第一项目集合以及与所述另一位置简档相关联的第二项目集合的计算机可读代码装置。
27.一种计算机程序产品(310),包括计算机可读介质以及在所述计算机可读介质上存储的如权利要求23所述的推荐器引擎计算机程序(91)。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US41300510P | 2010-11-12 | 2010-11-12 | |
US61/413,005 | 2010-11-12 | ||
PCT/SE2011/051361 WO2012064278A1 (en) | 2010-11-12 | 2011-11-11 | Matching a first location profile with at least one other location profile |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103210408A true CN103210408A (zh) | 2013-07-17 |
Family
ID=46051203
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2011800543144A Pending CN103210408A (zh) | 2010-11-12 | 2011-11-11 | 将第一位置简档与至少一个另一位置简档进行匹配 |
Country Status (4)
Country | Link |
---|---|
US (1) | US9460156B2 (zh) |
EP (1) | EP2638515A4 (zh) |
CN (1) | CN103210408A (zh) |
WO (1) | WO2012064278A1 (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104346428A (zh) * | 2013-08-06 | 2015-02-11 | 索尼公司 | 信息处理装置、信息处理方法及程序 |
CN105630856A (zh) * | 2014-11-24 | 2016-06-01 | 奥多比公司 | 在线用户简档的自动聚合 |
CN105828318A (zh) * | 2015-01-04 | 2016-08-03 | 中国移动通信集团辽宁有限公司 | 一种实现中奖发票提醒的方法及系统 |
CN106970972A (zh) * | 2017-03-24 | 2017-07-21 | 广州茶途网络科技有限公司 | 一种基于大数据分析的商品推送方法及装置 |
CN111309977A (zh) * | 2020-02-24 | 2020-06-19 | 北京明略软件系统有限公司 | 一种id时空轨迹匹配方法及装置 |
Families Citing this family (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9098866B1 (en) * | 2011-11-09 | 2015-08-04 | Michael Gurin | Dynamic personalization profile |
US9110894B2 (en) | 2011-12-16 | 2015-08-18 | Yahooo! Inc. | Systems and methods for determining related places |
US9262540B2 (en) * | 2012-07-09 | 2016-02-16 | Facebook, Inc. | Ranking location query results based on social networking |
US20140052542A1 (en) * | 2012-08-15 | 2014-02-20 | Tencent Technology (Shenzhen) Company Limited | Method, client and system for recommending software |
US9246866B1 (en) * | 2012-12-06 | 2016-01-26 | Amazon Technologies, Inc. | Item recommendation |
US9680907B2 (en) * | 2013-02-28 | 2017-06-13 | LindkedIn Corporation | Intelligent, mobile, location-aware news reader application for commuters |
US9553936B2 (en) * | 2013-03-15 | 2017-01-24 | Google Inc. | Targeting of digital content to geographic regions |
US10410137B2 (en) * | 2013-08-23 | 2019-09-10 | Telefonaktiebolaget Lm Ericsson (Publ) | Method and system for analyzing accesses to a data storage type and recommending a change of storage type |
US9471624B1 (en) * | 2013-12-26 | 2016-10-18 | Quixey, Inc. | Method for recommending applications for deletion |
US10031738B2 (en) * | 2014-09-26 | 2018-07-24 | Samsung Electronics Co., Ltd. | Providing application recommendations |
KR20160046038A (ko) * | 2014-10-17 | 2016-04-28 | 삼성전자주식회사 | 위치 기반 소셜 검색 서비스를 제공하는 방법 및 장치 |
CN105791519A (zh) * | 2014-12-23 | 2016-07-20 | 中兴通讯股份有限公司 | 一种移动终端短生命周期的业务应用方法及装置 |
US10270730B1 (en) * | 2015-06-15 | 2019-04-23 | Amazon Technologies, Inc. | Determining a dynamic data feed |
US20180232840A1 (en) * | 2017-02-15 | 2018-08-16 | Uber Technologies, Inc. | Geospatial clustering for service coordination systems |
US10545996B2 (en) * | 2017-04-19 | 2020-01-28 | Microsoft Technology Licensing, Llc | Impression tagging system for locations |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060266830A1 (en) * | 2005-05-31 | 2006-11-30 | Horozov Tzvetan T | Location-based recommendation system |
US20070005419A1 (en) * | 2005-06-30 | 2007-01-04 | Microsoft Corporation | Recommending location and services via geospatial collaborative filtering |
CN101069179A (zh) * | 2004-12-01 | 2007-11-07 | 皇家飞利浦电子股份有限公司 | 相关内容检索中的位置相似度阈值的调整 |
US20100218202A1 (en) * | 2009-02-26 | 2010-08-26 | Ioannis Fikouras | Method and Apparatus for Case-Based Service Composition |
US20100280920A1 (en) * | 2009-04-29 | 2010-11-04 | Scott Sean M | System And Method For Generating Recommendations Based On Similarities Between Location Information Of Multiple Users |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7873616B2 (en) * | 2006-07-07 | 2011-01-18 | Ecole Polytechnique Federale De Lausanne | Methods of inferring user preferences using ontologies |
US7904530B2 (en) | 2008-01-29 | 2011-03-08 | Palo Alto Research Center Incorporated | Method and apparatus for automatically incorporating hypothetical context information into recommendation queries |
US8832258B2 (en) * | 2008-10-06 | 2014-09-09 | Root Wireless, Inc. | Server device and method for directing mobile devices to collect and communicate location based user quality data |
US8825519B2 (en) * | 2008-11-21 | 2014-09-02 | Ebay Inc. | Systems and methods to search with a mobile device |
US20190026812A9 (en) * | 2009-04-20 | 2019-01-24 | 4-Tell, Inc | Further Improvements in Recommendation Systems |
JP5356607B2 (ja) | 2009-10-27 | 2013-12-04 | テレフオンアクチーボラゲット エル エム エリクソン(パブル) | 共起セレンディピティレコメンダ |
US8180688B1 (en) * | 2010-09-29 | 2012-05-15 | Amazon Technologies, Inc. | Computer-readable medium, system, and method for item recommendations based on media consumption |
US20120218202A1 (en) * | 2010-10-01 | 2012-08-30 | Sanjiv Sirpal | Windows position control for phone applications |
-
2011
- 2011-11-11 CN CN2011800543144A patent/CN103210408A/zh active Pending
- 2011-11-11 EP EP11839455.0A patent/EP2638515A4/en not_active Withdrawn
- 2011-11-11 WO PCT/SE2011/051361 patent/WO2012064278A1/en active Application Filing
- 2011-11-11 US US13/884,381 patent/US9460156B2/en active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101069179A (zh) * | 2004-12-01 | 2007-11-07 | 皇家飞利浦电子股份有限公司 | 相关内容检索中的位置相似度阈值的调整 |
US20080091728A1 (en) * | 2004-12-01 | 2008-04-17 | Koninklijke Philips Electronics, N.V. | Adaptation Of Location Similarity Threshold In Associative Content Retrieval |
US20060266830A1 (en) * | 2005-05-31 | 2006-11-30 | Horozov Tzvetan T | Location-based recommendation system |
US20070005419A1 (en) * | 2005-06-30 | 2007-01-04 | Microsoft Corporation | Recommending location and services via geospatial collaborative filtering |
US20100218202A1 (en) * | 2009-02-26 | 2010-08-26 | Ioannis Fikouras | Method and Apparatus for Case-Based Service Composition |
US20100280920A1 (en) * | 2009-04-29 | 2010-11-04 | Scott Sean M | System And Method For Generating Recommendations Based On Similarities Between Location Information Of Multiple Users |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104346428A (zh) * | 2013-08-06 | 2015-02-11 | 索尼公司 | 信息处理装置、信息处理方法及程序 |
CN105630856A (zh) * | 2014-11-24 | 2016-06-01 | 奥多比公司 | 在线用户简档的自动聚合 |
CN105630856B (zh) * | 2014-11-24 | 2021-04-20 | 奥多比公司 | 在线用户简档的自动聚合 |
CN105828318A (zh) * | 2015-01-04 | 2016-08-03 | 中国移动通信集团辽宁有限公司 | 一种实现中奖发票提醒的方法及系统 |
CN106970972A (zh) * | 2017-03-24 | 2017-07-21 | 广州茶途网络科技有限公司 | 一种基于大数据分析的商品推送方法及装置 |
CN111309977A (zh) * | 2020-02-24 | 2020-06-19 | 北京明略软件系统有限公司 | 一种id时空轨迹匹配方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
US9460156B2 (en) | 2016-10-04 |
WO2012064278A1 (en) | 2012-05-18 |
EP2638515A4 (en) | 2016-05-11 |
US20130226937A1 (en) | 2013-08-29 |
EP2638515A1 (en) | 2013-09-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103210408A (zh) | 将第一位置简档与至少一个另一位置简档进行匹配 | |
JP6609888B2 (ja) | アブストラクト広告キャンペーン管理を生成し、ポリシー強制を実装するシステムおよび方法 | |
US11785103B2 (en) | Systems and methods for providing location services | |
US10332067B2 (en) | Method and system for automatic replenishment and management of inventory | |
US20120101903A1 (en) | Apparatus and method for mobile intelligent advertizing service based on mobile user contextual matching | |
US9874453B2 (en) | Navigation system having point of interest recommendation mechanism and method of operation thereof | |
CN107851231A (zh) | 基于活动模型的活动检测 | |
CN102224517A (zh) | 用于情境增强的广告创建的系统和方法 | |
US20130226878A1 (en) | Seamless context transfers for mobile applications | |
CN101599152A (zh) | 一种根据用户定制信息发布广告信息的装置以及方法 | |
US20150170184A1 (en) | Method for providing advertisement service based on call | |
US9219796B2 (en) | Method and apparatus for obtaining information of user equipment in communication system | |
CN102567542A (zh) | 一种建立商户数据库的方法及其设备 | |
JP4804372B2 (ja) | 広告配信順位決定方法、広告配信システム、広告配信順位決定装置及びコンピュータプログラム | |
US20190253503A1 (en) | Techniques for selecting additional links | |
US20170332200A1 (en) | Radiocommunication systems, methods and devices | |
CN103493050A (zh) | 通过网络云收集、存储、共享地理信息和提供相关服务的统一平台 | |
JP5476571B2 (ja) | コメント評価装置、コメント評価方法及びプログラム | |
JP2010170426A (ja) | 広告情報配信システム、広告情報配信方法、プログラム、及び広告配信サーバ | |
CN103369017A (zh) | 通过网络云收集、存储、共享地理信息和提供相关服务的统一平台 | |
US9945683B1 (en) | Transport communication | |
CN108900593B (zh) | 一种储物柜数据的分布式处理方法 | |
US20160283990A1 (en) | Apparatus, System, Method, Computer Program, and Computer Program Product For Generating Activity Information For a Cell | |
KR20150138805A (ko) | 스마트 단말을 이용하는 코드 및 키워드 기반의 실시간 정보 유통 시스템 및 정보 유통 방법 | |
KR20120122770A (ko) | 추천정보 기반의 배달시스템 및 이의 배달방법 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20130717 |