CN103248658A - 服务推荐装置、服务推荐方法和移动设备 - Google Patents
服务推荐装置、服务推荐方法和移动设备 Download PDFInfo
- Publication number
- CN103248658A CN103248658A CN2012100306728A CN201210030672A CN103248658A CN 103248658 A CN103248658 A CN 103248658A CN 2012100306728 A CN2012100306728 A CN 2012100306728A CN 201210030672 A CN201210030672 A CN 201210030672A CN 103248658 A CN103248658 A CN 103248658A
- Authority
- CN
- China
- Prior art keywords
- scene
- service recommendation
- relevant
- word
- information
- 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 Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明提供了服务推荐装置、服务推荐方法和移动设备,以至少克服现有的移动设备无法根据环境的变化来推荐服务的问题。服务推荐装置包括:用于获得与装置有关的环境信息的获取单元;用于存储预设场景的场景信息和与预设场景相对应的预设服务项目的存储单元;用于根据环境信息以及预设场景的场景信息在预设场景中确定与环境信息相关的场景的确定单元;以及用于将与环境信息相关的场景所对应的预设服务项目确定为推荐的服务项目的处理单元。服务推荐方法用于执行能够实现上述服务推荐装置的功能的处理。移动设备包括上述服务推荐装置。应用本发明的上述技术,能够根据不同场景向用户推荐不同的服务项目,可以应用于信息处理领域。
Description
技术领域
本发明总体上涉及信息处理领域,更具体地,涉及一种服务推荐装置、服务推荐方法和移动设备。
背景技术
随着诸如智能手机、个人数字助理以及笔记本电脑等移动设备的发展,专为这种移动设备而设计的服务(比如应用和网站)越来越多了。用户总是尝试着从很大的服务目录里寻找合适的服务。当一个用户从一个地点移动到另一个地点时(例如,从一个会议室移动到一个餐馆),移动设备的环境(例如,地点,时间,网络接入点等)也随之而变化。随着移动设备环境的变化,用户也希望能够获得移动设备上的推荐的服务。然而,目前尚无一种有效的可行方案来解决该问题。
发明内容
鉴于现有技术的上述缺陷,本发明的目的之一是提供一种服务推荐装置、服务推荐方法和移动设备,以至少克服现有的移动设备无法根据环境的变化来推荐服务的问题。
为了实现上述目的,根据本发明的一个方面,提供了一种服务推荐装置,该服务推荐装置包括:获取单元,其被配置成获得与服务推荐装置有关的环境信息;存储单元,其被配置成存储预设场景的场景信息和与预设场景相对应的预设服务项目;确定单元,其被配置成根据环境信息以及预设场景的场景信息,在预设场景中确定与环境信息相关的场景;以及处理单元,其被配置成将与环境信息相关的场景所对应的预设服务项目确定为推荐的服务项目。
根据本发明的另一个方面,还提供了一种移动设备,该移动设备包括如上所述的服务推荐装置。
根据本发明的另一个方面,还提供了一种服务推荐方法,包括:获得用户的环境信息;根据预设场景的场景信息和环境信息,在预设场景中确定与环境信息相关的场景;以及将与环境信息相关的场景所对应的预设服务项目确定为推荐的服务项目。
依据本发明的其它方面,还提供了相应的计算机可读存储介质,该计算机可读存储介质上存储有能够由计算设备执行的计算机程序,所述程序在执行时能够使所述计算设备用作上述服务推荐装置或执行上述服务推荐方法。
根据本发明实施例的服务推荐装置、服务推荐方法以及移动设备,能够至少实现以下益处之一:通过利用该装置位置附近的环境信息,确定一个或多个与装置位置(或用户位置)相关的场景,来根据该场景向用户推荐一些服务项目;当用户处于不同场景下时,可以根据不同场景向用户推荐一些更符合当前场景的服务项目,从而使得推荐的服务项目更加贴合用户的需求。
通过以下结合附图对本发明的最佳实施例的详细说明,本发明的这些以及其他优点将更加明显。
附图说明
本发明可以通过参考下文中结合附图所给出的描述而得到更好的理解,其中在所有附图中使用了相同或相似的附图标记来表示相同或者相似的部件。所述附图连同下面的详细说明一起包含在本说明书中并且形成本说明书的一部分,而且用来进一步举例说明本发明的优选实施例和解释本发明的原理和优点。在附图中:
图1是示意性地示出根据本发明的实施例的服务推荐装置的一种示例结构的框图。
图2是示意性地示出图1中的获取单元的一种示例结构的框图。
图3是示意性地示出图2中的第二获取子单元的一种示例结构的框图。
图4A、4B是示出了“在服务推荐装置位置的预定距离范围内的社交媒体文本”的两个示例的示意图。
图5是示意性地示出根据本发明的实施例的服务推荐装置的另一种示例结构的框图。
图6是示意性地示出图5中的模型建立单元的一种示例结构的框图。
图7是示意性地示出图1和图5中的确定单元的一种示例结构的框图。
图8是示意性地示出根据本发明的实施例的服务推荐装置的又一种示例结构的框图。
图9是在一个示例中移动设备将“Meeting”(会议)场景相关的服务项目推荐给用户的界面图。
图10是示意性地示出根据本发明的实施例的服务推荐方法的一个示例性处理的流程图。
图11是示意性地示出用于获得社交媒体上下文信息的一个示例性处理的流程图。
图12是示意性地示出如图10所示的步骤S1030的一种示例性处理过程的流程图。
图13是示意性地示出用于获得社交媒体模型的一个示例性处理的流程图。
图14是示意性地示出可用来实现根据本发明的实施例的服务推荐装置和服务推荐方法的一种可能的信息处理设备的硬件配置的结构简图。
具体实施方式
在下文中将结合附图对本发明的示范性实施例进行描述。为了清楚和简明起见,在说明书中并未描述实际实施方式的所有特征。然而,应该了解,在开发任何这种实际实施例的过程中必须做出很多特定于实施方式的决定,以便实现开发人员的具体目标,例如,符合与系统及业务相关的那些限制条件,并且这些限制条件可能会随着实施方式的不同而有所改变。此外,还应该了解,虽然开发工作有可能是非常复杂和费时的,但对得益于本公开内容的本领域技术人员来说,这种开发工作仅仅是例行的任务。
在此,还需要说明的一点是,为了避免因不必要的细节而模糊了本发明,在附图中仅仅示出了与根据本发明的方案密切相关的装置结构和/或处理步骤,而省略了与本发明关系不大的其他细节。
为解决上文中所描述的技术问题,根据本发明的实施例的服务推荐装置通过获取环境信息,并根据该环境信息来确定该装置所处的场景,进而将与该场景有关的服务推荐给用户。
图1是示意性地示出根据本发明的实施例的服务推荐装置的一种示例结构的框图,下面结合图1来描述该示例结构。
如图1所示,根据本发明的实施例的服务推荐装置100包括获取单元110、存储单元120、确定单元130和处理单元140。其中,获取单元110用于获得与该服务推荐装置有关的环境信息,存储单元120用于存储预设场景的场景信息和与预设场景相对应的预设服务项目,确定单元130用于根据环境信息以及预设场景的场景信息来在预设场景中确定与环境信息相关的场景,以及处理单元140用于将与环境信息相关的场景所对应的预设服务项目确定为推荐的服务项目。
其中,获取单元110获得的与该服务推荐装置有关的环境信息可以包括与该装置有关的物理上下文信息和社交媒体上下文信息。例如,在一种实现方式中,获取单元110可以具有如图2所示的结构。
如图2所示,获取单元110可以包括第一获取子单元210和第二获取子单元220。
具体地,第一获取子单元210可以用于获取与服务推荐装置有关的物理上下文信息,其中,该物理上下文信息可以至少包括服务推荐装置的位置。例如,第一获取子单元210可以由GPS定位模块来实现,来获得装置的位置。此外,“与该装置有关的物理上下文信息”除了可以包括该装置的位置之外,还可以包括其他类型的“物理上下文信息”,这种情况将在以后的描述中涉及到。装置的位置反映了装置的地理属性,它是装置的一种环境信息。
此外,第二获取子单元220可以用于获取与服务推荐装置的位置有关的社交媒体上下文信息。这里所说的社交媒体上下文信息是由通过预定的一些社交媒体获得的该装置附近的社交媒体信息(通常是距离该装置一定距离范围内的社交媒体信息)所形成的信息。利用该装置的位置,可以通过预定的社交媒体来获得该位置周围的社交媒体信息,而这些社交媒体信息通常可以反映装置当前的环境。若能利用这些位于装置附近的社交媒体信息得到与服务推荐装置的位置有关的社交媒体上下文信息,则根据这些社交媒体上下文信息来推荐一些相关的服务通常是比较符合用户需求的。
下面结合图3来举例说明如何获得“与服务推荐装置的位置有关的社交媒体上下文信息”。
图3是示意性地示出图2中的第二获取子单元220的一种示例结构的框图。如图3所示,第二获取子单元220可以包括获取模块310、第一处理模块320、第一计算模块330和第一构建模块340,其中,第一计算模块330可以包括第一计算子模块332和第二计算子模块334。通过如图3所示的这种结构,可以获得上述“与服务推荐装置的位置有关的社交媒体上下文信息”。具体描述如下。
如图3所示,获取模块310可以用于利用预定的社交媒体来获得在服务推荐装置位置的预定距离范围内的社交媒体文本及其发布位置。其中,“预定的社交媒体”例如可以是twitter、微博等社交媒体,通过这些社交媒体,通常可以获得一些社交媒体文本以及这些文本的发布位置。通过筛选,可以得到位于用户附近的那些社交媒体文本,换句话说,可以得到在用户当前位置的附近位置所发布的那些社交媒体文本。需要说明的是,这里所说的“用户当前位置”或“用户位置”均与装置位置指的是相同的位置,其区别使用仅为了在不同场合下的说明能够便于读者理解。
例如,图4A和图4B示出了“在服务推荐装置位置的预定距离范围内的社交媒体文本”的两个示例。其中,图4A所示的示例是通过某一种社交媒体得到的在用户当前位置500米以内的社交媒体文本,需要注意的是,该截图中未同时示出每个社交媒体文本的发布位置,但是本领域的技术人员都知道,通过该社交媒体是可以获知其发布位置的。另外,图4B所示的示例是通过另一种社交媒体得到的在用户当前位置附近的社交媒体文本,需要注意的是,该截图中所示出的“附近的签到”表明图中所示出的这些文本都是用户当前位置附近的,本领域的技术人员应当了解,“附近的签到”中的“附近”范围是可以设置的,例如,100米以内。此外,图4B所示的截图中虽未示出每个社交媒体文本的发布位置,但是本领域的技术人员都知道,通过该社交媒体是可以获知其发布位置的。
例如,通过预定的社交媒体所获得的多个社交媒体文本(距用户当前位置500m以内)为:
“在这里参加会议中,会议人很多。”(下文中称为“文本一”)
“会议的伙食不错呀。”(下文中称为“文本二”)
“参加会议,签到。参加的人不少。”(下文中称为“文本三”)
然后,可以通过如图3所示的第一处理模块320来对所获得的社交媒体文本进行分词以及去除停用词(stopword)的处理,来得到包含多个词语的第一组词语。其中,停用词通常是指例如限定词、介词等没有什么实际含义的功能词,这些功能词极其普遍,它们通常很少单独表达文档相关程度的信息,因此可以在文本处理过程中去除这些词而不对其进行处理。去除这些停用词,可以节省存储空间,并能够提高文本处理的效率。对于本领域的技术人员来说,分词技术和去除停用词(stopword)的方法是公知的,可以通过现有的很多文献和教材来获知。
此外,可以利用第一计算子模块332来计算以下内容:各个社交媒体文本的发布位置与服务推荐装置的位置之间的距离;和/或第一组词语中的每个词语在该词语所属社交媒体文本中的词频。然后根据第一计算子模块332所计算的结果,通过第二计算子模块334来计算第一组词语中每个词语的分数。下面举例来说明第一处理模块320、第一计算子模块332和第二计算子模块334的处理和计算的过程。
例如,在一个示例中,可以对上面的例子中所提到的文本一、文本二以及文本三进行分词以及去除停用词的处理,通过第一计算子模块332来计算文本一、文本二以及文本三与用户当前位置之间的距离,并通过第一计算子模块332来计算上述第一组词语中每个词语在其所属文本中的词频,以及通过第二计算子模块334来计算上述第一组词语中每个词语的分数。例如,对文本一进行分词和去除停用词处理后可以得到“这里”、“参加”、“会议”和“很多”这4个词语,其中这4个词语在文本一中的词频分别为1、1、2、1,文本一与用户当前位置之间的距离例如为300m。这样可以将以上描述的内容表示为:
“这里:1 参加:1 会议:2 很多:1”:300m。
这样,上述4个词语中每个词语的分数可以通过下式来计算:分数=词频/ln(距离)。这样,得到的上述4个词语的分数依次分别是0.1753、0.1753、0.3506以及0.1753。该结果可以表示成如下形式:
“这里:0.1753 参加:0.1753 会议:0.3506 很多:0.1753”
类似地,可以将对文本二以及文本三经过第一处理模块320和第一计算子模块332的处理后得到的结果表示为:
“会议:1 伙食:1 不错:1”:500m。
“参加:2 会议:1 签到:1 不少:1”:400m。
再将上述结果经过第二计算子模块334的处理后得到的结果表示为:
“会议:0.1609 伙食:0.1609 不错:0.1609”。
“参加:0.3338 会议:0.1669 签到:0.1669 不少:0.1669”。
需要说明的是,在这个示例中,第一组词语包括由文本一至三经过分词、去除停用词处理后得到的所有词语。于是,如图3所示,可以利用获得的上述第一组词语中的多个词语及其分数,通过第一构建模块340来构建社交媒体上下文信息。例如,在以上描述的示例中,所构建的社交媒体上下文信息则是:
“这里:0.1753 参加:0.5091 会议:0.6784 很多:0.1753 伙食:0.1609不错:0.1609 签到:0.1669 不少:0.1669”。
其中,每个词的冒号之后的数字表示这个词的分数。在该例子中,社交媒体上下文信息是包含多个关键词以及每个关键词的得分的一种信息,其中,关键词是通过对上述预定社交媒体所获得的预定距离范围内的社交媒体信息进行分词等处理而提取得到的。需要说明的是,虽然在该示例中所构建的社交媒体上下文信息的形式为向量形式,但社交媒体上下文信息的形式并不局限于此,本领域的技术人员根据以上描述和/或结合公知常识可以获知的其他形式也应当包含在本发明的范围内。
另外,还需要说明的是,在其他示例中,第一计算子模块332可以仅计算各个社交媒体文本的发布位置与服务推荐装置的位置之间的距离(下文中称作“仅计算距离的情况”),或者仅计算第一组词语中的每个词语在该词语所属社交媒体文本中的词频(下文中称作“仅计算词频的情况”),而不是同时计算上述距离和词频。其中,在仅计算距离的情况下,可以仅利用该距离来计算第一组词语中的每个词语的分数,例如该分数可以通过下式来获得:分数=1/ln(距离)。此外,在仅计算词频的情况下,可以仅利用该词频来计算第一组词语中的每个词语的分数,例如使分数等于词频。
如上所述,通过获取单元110可以获得与该服务推荐装置有关的环境信息,则可以根据这些环境信息来确定向用户推荐哪些服务。其中,为了确定向用户推荐哪些服务,可以首先根据这些环境信息来确定一个或多个与这些环境信息相关的场景,进而将与所确定的场景相关联的一些服务推荐给用户。
其中,为了确定与这些环境信息相关的场景,可以预设一些场景,例如会议、购物等场景,然后通过存储单元120来存储这些预设场景的场景信息,这些场景信息例如可以包括这些预设场景的名称以及与这些预设场景有关的社交媒体模型。需要说明的是,社交媒体模型是反映其对应的预设场景的场景特征的一种信息,其中,与某种预设场景所对应的社交媒体模型可以是利用与该种预设场景相关联的预定的社交媒体文本而形成的,其形成过程将在下文中进行描述。
例如,社交媒体模型可以通过如图5所示的模型建立单元150来获得,其中,图5是示意性地示出根据本发明的实施例的服务推荐装置的另一种示例结构的框图。
如图5所示,根据本发明的实施例的服务推荐装置500包括获取单元110、存储单元120、确定单元130、处理单元140和模型建立单元150。其中,如图5所示的服务推荐装置500中所包括的获取单元110、存储单元120、确定单元130和处理单元140的结构和功能可以与如图1所示的服务推荐装置100中所包括的对应单元的结构和功能相同,在此省略其描述。服务推荐装置500中的模型建立单元150可以用于获得与预设场景有关的社交媒体模型,下面结合图6来描述模型建立单元150的一种示例配置。
图6示意性地示出了图5中的模型建立单元150的一种示例结构。如图6所示,模型建立单元150可以包括第二处理模块610、第二计算模块620和第二构建模块630。其中,第二处理模块610可以用于通过对预设场景的预设语料库中的文本进行分词以及去除停用词的处理,得到包含若干词语的第二组词语。第二计算模块620可以用于计算第二组词语中的每个词语在预设场景的语料库中的出现频率。第二构建模块630可以用于利用第二组词语中的多个词语及其在预设场景的语料库中的出现频率,来构建与预设场景有关的社交媒体模型。
例如,以“会议”这个预设场景为例来进行说明。假设“会议”场景的预设语料库(可以预先通过网络获得,或预先设定)包括以下两个文本:
“今天的会议达到了很好的成果。”(下文中称为“会议文本一”)
“今天会议上我们讨论出了一个很有意思的方案。”(下文中称为“会议文本二”)
例如,以上会议文本一和会议文本二是通过互联网所下载的关于某会议的两条评论。
于是,通过第二处理模块610对会议文本一和会议文本二进行分词以及去除停用词的处理后可以得到:
“今天会议达到很好成果”,以及“今天会议我们讨论很有意思方案”。
其中,在这个例子中,第二组词语包括“今天会议达到很好成果”和“今天会议我们讨论很有意思方案”这两组词语。
然后,通过第二计算模块620统计第二组词语中的每个词语在预设场景的语料库中的出现频率。也即,统计上述两组词语中每个词在这两组词语中的出现频率。例如,“今天”和“会议”两个词在上述两组词语中的出现频率均为2,而其余词的出现频率均为1。
于是,通过第二构建模块630所构建的与“会议”场景有关的社交媒体模型可以是:
“今天:2 会议:2 达到:1 很好:1 成果:1 我们:1 讨论:1 很有:1 意思:1 方案:1”。
其中,每个词后的冒号后的数字表示这个词对应的出现频率。在该例子中,社交媒体模型是包含多个关键词以及每个关键词在该模型对应的预设的语料库中的出现频率的一种信息,其中,关键词是通过对上述语料库中的文本进行分词等处理而提取得到的。需要说明的是,虽然在该例子中所构建的社交媒体模型的形式为向量形式,但社交媒体模型的形式并不局限于此,本领域的技术人员根据以上描述和/或结合公知常识可以获知的其他形式也应当包含在本发明的范围内。
参见图1和图5,其中,如图1所示的服务推荐装置100以及如图5所示的服务推荐装置500中所包括的确定单元130均可以具有如图7所示的结构。
图7是示意性地示出图1和图5中的确定单元130的一种示例结构的框图。如图7所示,确定单元130可以包括第一计算子单元710、第二计算子单元720和确定子单元730。其中,第一计算子单元710可以用于分别计算环境信息和每个预设场景的场景信息之间的相似度。第二计算子单元720可以用于根据第一计算子单元710的计算结果,获得每个预设场景的置信度。确定子单元730可以用于将置信度最高的前N个预设场景确定为与环境信息相关的场景,其中,N为大于0的自然数。下面分两种情况来说明置信度的计算。
在第一种情况下、也即在存储单元120所存储的预设场景的场景信息仅包括预设场景的名称和与预设场景有关的社交媒体模型的情况下,第一计算子单元710可以分别计算社交媒体上下文信息和每个社交媒体模型之间的第一相似度,然后将该第一相似度作为第二计算子单元720所获得的置信度。
可以利用例如余弦相似度来计算每个社交媒体模型与社交媒体上下文信息之间的第一相似度。
例如,社交媒体模型可以表示为:
Model=(Wb1:fb1,Wb2:fb2,...,Wam:fbm),其中,Model表示社交媒体模型,Wb1,Wb2,...,Wbm表示社交媒体模型所包括的m个词语,其中,m为自然数,fb1,fb2,...,fbm分别表示Wb1,Wb2,...,Wbm各自在预设场景的语料库中的出现频率。
社交媒体上下文信息可以表示为:
Context=(Wa1:Sa1,Wa2:Sa2,...,Wan:San),其中,Context表示社交媒体上下文信息,Wa1,Wa2,...,Wan表示社交媒体上下文信息所包括的n个词语,其中,n为自然数,Sa1,Sa2,...,San表示Wa1,Wa2,...,Wan各自对应的分数。其中,对于每个社交媒体模型来说,该社交媒体模型所包含的词语数量m与社交媒体上下文信息所包含的词语数量n可能相等,也可能不相等。
然后,可以利用余弦相似度来计算社交媒体模型与社交媒体上下文信息之间的相似度,余弦相似度的计算公式如下:
其中,similarity(Context,Model)表示社交媒体上下文信息(Context)与社交媒体模型(Model)之间的相似度(此处为余弦相似度),式中l为社交媒体模型中所包含的多个词语Wb1,Wb2,...,Wbm与社交媒体上下文信息中所包含的多个词语Wa1,Wa2,...,Wan中相重复的词语的个数,Sak和fbk分别为这些相重复的词语中的某个词语在社交媒体上下文信息(Context)中对应的分数以及该词语在社交媒体模型(Model)中对应的出现频率,k=1,...,l。下面举例来说明余弦相似度的计算过程。
例如,当计算社交媒体上下文信息“这里:0.1753 参加:0.5091 会议:0.6784 很多:0.1753 伙食:0.1609 不错:0.1609 签到:0.1669 不少:0.1669”(下文中称为向量一)和“会议”场景的社交媒体模型“今天:2会议:2 达到:1 很好:1 成果:1 我们:1 讨论:1 很有:1 意思:1 方案:1”(下文中称为向量二)之间的余弦相似度时,向量一包含“这里,参加,会议,很多,伙食,不错,签到,不少”8个词语,向量二包含“今天,会议,达到,很好,成果,我们,讨论,很有,意思,方案”10个词语。其中仅有“会议”一个重复的词。其中,“会议”在向量一中的分数为0.6784,在向量二中的出现频率为2,则通过余弦相似度计算公式可以得到,向量一和向量二之间的余弦相似度为0.7370。
如此,通过多次类似的计算,则可以得到每个社交媒体模型与社交媒体上下文信息之间的第一相似度。
在该种情况下,针对每个社交媒体模型而言,第二计算子单元720将社交媒体上下文信息与该社交媒体模型之间的第一相似度(例如余弦相似度)作为该社交媒体模型所对应的预设场景的置信度。
在第二种情况下、也即在存储单元120所存储的预设场景的场景信息除了包括预设场景的名称和与预设场景有关的社交媒体模型之外还包括与这些预设场景有关的条件集的情况下,第一计算子单元710可以计算物理上下文信息和每个条件集之间的第二相似度、以及计算每个社交媒体模型与社交媒体上下文信息之间的第一相似度。其中,每个社交媒体模型与社交媒体上下文信息之间的第一相似度可以与上一种情况中的第一相似度采用相同的方式来获得,在此不再重复描述。下面描述物理上下文信息和每个条件集之间的第二相似度的计算过程。
需要说明的是,上述条件集是用于限定与服务推荐装置有关的物理上下文信息的,在该优选情况下,每个预设场景可以对应一个条件集,并且每个条件集可以包括用于限定上述环境信息中所包括的物理上下文信息的至少一个条件。在这种情况下,与服务推荐装置有关的物理上下文信息除了包括装置位置之外,还可以包括以下信息中的至少一种:当前时间;与服务推荐装置的位置有关的城市或行政区域名称;以及与服务推荐装置的位置有关的网络接入点信息,例如当前位置可用的网络接入点列表以及列表中每个接入点的强度;等等。
例如,当与服务推荐装置有关的物理上下文信息包括当前时间、与服务推荐装置的位置有关的城市或行政区域名称以及与服务推荐装置的位置有关的网络接入点信息时,上述条件集可以包括用于限定当前时间的条件,例如,对于“会议”场景,该条件可以是“当前时间在工作时间8:00am至18:00pm内”。此外,上述条件集还可以包括用于限定城市或行政区域名称的条件,例如,对于“2008年奥运”场景,该条件可以是“与服务推荐装置的位置有关的城市或行政区域名称包含北京”。另外,上述条件集还可以包括用于限定网络接入点信息的条件,例如,还是对于“会议”场景,该条件可以是“网络接入点列表中包含xxx,且信号强度高于5”,其中,“xxx”可以是用户根据实际情况设定的一个与“会议”场景有关的常用接入点。此外,上述条件集还可以包括用于限定用户当前位置的条件,例如,对于某场景,该条件可以是“当前位置在以(39.914731,116.491465)为中心、半径为100米的圆的范围内”,其中,(39.914731,116.491465)为该场景的经纬度。
当与服务推荐装置有关的物理上下文信息符合与某个预设场景有关的条件集中的条件时,该物理上下文信息和该条件集之间的第二相似度为1,否则为0。其中,在一个例子中,可以当物理上下文信息完全符合某条件集中的所有条件时,将二者之间的第二相似度计为1,否则为0。而在另一个例子中,可以当物理上下文信息符合某条件集中的部分条件时,将二者之间的第二相似度计为一个与符合程度成正比的分值(例如在0-1之间),其中,当完全符合时为1,完全不符合时为0。
在上述第二种情况下,可以将第一相似度和第二相似度的加权和作为预设场景的置信度。例如,置信度=e*第一相似度+(1-e)*第二相似度。其中,e是用来调节第一相似度和第二相似度权重的系数,它是0-1之间的一个实数。
由此,在以上两种情况下,均可以通过第一计算子单元710和第二计算子单元720获得每个预设场景的置信度。然后,通过确定子单元730将置信度最高的前N个预设场景确定为与环境信息相关的场景。
此外,存储单元120中还存储了与预设场景相对应的预设服务项目,其中,与每个预设场景相对应的预设服务项目可以是一个,也可以是多个。在确定子单元730确定了与环境信息相关的场景的情况下,处理单元140可以将存储单元120中存储的与确定子单元730所确定的场景相对应的一个或多个预设服务项目推荐给用户,例如可以通过显示设备来显示处理单元140所推荐的服务项目。其中,处理单元140所确定的“推荐的预设服务项目”可以按照预设服务项目所对应的场景的置信度的高低进行排序。
此外,图8还示意性地示出了根据本发明的实施例的服务推荐装置的又一种示例结构。如图8所示,根据本发明的实施例的服务推荐装置800除了可以包括获取单元110、存储单元120、确定单元130、处理单元140以及可选的模型建立单元150之外,还可以包括显示单元160和输入单元170。需要说明的是,图8中虚线所表示的部分表示该部分是可选的,而非必须的。此外,服务推荐装置800中所包括的获取单元110、存储单元120、确定单元130、处理单元140以及可选的模型建立单元150,均可以具有与上文中结合图1-7所描述的服务推荐装置100及600中对应单元相同的结构和功能,在此省略其描述。
如图8所示,显示单元160可以用于显示确定单元130所确定的场景名称,用户可以根据显示单元160所显示的场景名称,通过输入单元170来输入指令(该指令与确定单元130所确定的场景中的至少一个相关联),从而在其中选择一个或多个作为用户所感兴趣的场景。然后,处理单元140将用户所选择的场景(也即,与输入指令相关联的场景)所对应的预设服务项目确定为推荐的服务项目,并通过显示单元160来显示上述推荐的服务项目,从而推荐给用户。其中,图9示出了在一个示例中将“Meeting”(会议)场景相关的服务项目推荐给用户的一个移动设备的界面。
通过以上描述可知,应用根据本发明实施例的服务推荐装置,可以通过利用该装置位置附近的环境信息(例如,物理上下文信息和社交媒体上下文信息),来确定一个或多个与装置所处位置相关的场景,进而可以根据该场景向用户推荐一些服务项目。由此,当用户处于不同场景下时,该服务推荐装置可以根据不同场景的环境信息不同,而向用户推荐一些更符合当前场景的服务项目,从而使得推荐的服务项目更加贴合用户的需求。例如,当用户正在参加会议时,通过本发明实施例的服务推荐装置可以向用户推荐一些帮助他/她来找到会议相关的文档、联系人以及演示等的服务项目;当用户正在超市购物时,则通过本发明实施例的服务推荐装置可以向用户推荐一些帮助他/她来比较价格、找到有折扣的商品等的服务项目。
本发明的实施例还提供了一种移动设备,该移动设备包括如上所述的服务推荐装置。其中,该移动设备可以是以下设备中的其中一种:手机(例如,智能手机);移动音频/视频播放设备(例如MP3/MP4等);个人数字助理;便携式游戏机;电纸书;笔记本电脑;以及其他便携式移动电子设备。
应用根据本发明实施例的诸如智能手机等的移动设备,可以通过利用该设备位置附近的环境信息(例如,物理上下文信息和社交媒体上下文信息),来确定一个或多个与设备位置相关的场景,进而可以根据该场景向用户推荐一些与用户当前所处场景相关的服务项目。由此,当用户处于不同场景下时,该移动设备可以根据不同场景的环境信息不同,而向用户推荐一些更符合当前场景的服务项目,从而使得推荐的服务项目更加贴合用户的需求。
本发明的实施例还提供了一种服务推荐方法,下面结合图10-13来描述上述服务推荐方法。
图10是示意性地示出根据本发明的实施例的服务推荐方法的一个示例性处理的流程图。如图10所示,上述服务推荐方法的处理流程1000开始于步骤S1010,然后执行步骤S1020。
在步骤S1020中,获得用户的环境信息。然后执行步骤S1030。
其中,用户的环境信息可以包括:与用户有关的物理上下文信息以及与所述用户的位置有关的社交媒体上下文信息。其中,与用户有关的物理上下文信息可以至少包括用户的位置。
其中,上述与用户的位置有关的社交媒体上下文信息可以通过如图11所示的步骤S1110~S1140来获得。
如图11所示,在步骤S1110中,利用预定的社交媒体,获得在所述用户的位置的预定距离范围内的社交媒体文本及其发布位置。然后在步骤S1120中,通过对获得的社交媒体文本进行分词以及去除停用词的处理,得到包含多个词语的第一组词语。然后在步骤S1130中,通过计算社交媒体文本的发布位置与用户的位置之间的距离以及/或计算第一组词语中的每个词语在该词语所属社交媒体文本中的词频,来获得第一组词语中每个词语的分数。最后在步骤S1140中,利用第一组词语中的多个词语及其分数,来构建社交媒体上下文信息。步骤S1110~S1140的具体处理细节与上文中所描述的过程类似,在此不赘述。
在步骤S1030中,根据预设场景的场景信息和环境信息,在预设场景中确定与上述环境信息相关的场景。然后执行步骤S1040。
其中,上述预设场景的场景信息可以包括预设场景的名称以及与预设场景有关的社交媒体模型。此外,上述预设场景的场景信息还可以包括与预设场景有关的条件集,该条件集用于对与用户有关的物理上下文信息进行限定。
其中,在上述预设场景的场景信息还包括与预设场景有关的条件集的情况下,与用户有关的物理上下文信息还可以包括以下信息中的至少一种:当前时间,与用户位置有关的城市或行政区域名称,和与用户位置有关的网络接入点信息。
此外,步骤S1030可以通过如图12所示的步骤S1210~S1230来实现。
如图12所示,在步骤S1210中,分别计算环境信息和每个预设场景的场景信息之间的相似度。然后在步骤S1220中,根据计算的相似度,获得每个预设场景的置信度。然后在步骤S1230中,将置信度最高的前N个预设场景确定为与上述环境信息相关的场景,其中,N为大于0的自然数。其中,对于环境信息和每个预设场景的场景信息之间的相似度的计算处理与上文中所描述的相应处理过程相类似,也可以分两种情况,在此省略其描述。
其中,与预设场景有关的社交媒体模型可以通过如图13所示的步骤S1310~S1330来构造。如图13所示,在步骤S1310中,通过对预设场景的预设语料库中的文本进行分词以及去除停用词的处理,得到包含若干词语的第二组词语。然后在步骤S1320中,计算第二组词语中的每个词语在预设场景的语料库中的出现频率。然后在步骤S1230中,利用第二组词语中的多个词语及其在预设场景的语料库中的出现频率,来构建与预设场景有关的社交媒体模型。
如图10所示,在步骤S1040中,将与环境信息相关的场景所对应的预设服务项目确定为推荐的服务项目。
需要说明的是,根据本发明实施例的上述服务推荐方法中的各步骤的处理或子处理,可以具有能够实现上文中所描述的服务推荐装置的单元、子单元、模块或子模块的操作或功能的处理过程,并且能够达到类似的技术效果,在此省略其描述。
通过以上描述可知,应用根据本发明实施例的服务推荐方法,可以通过利用用户位置附近的环境信息(例如,物理上下文信息和社交媒体上下文信息),来确定一个或多个与用户位置相关的场景,进而可以根据该场景向用户推荐一些服务项目。由此,当用户处于不同场景下时,利用该服务推荐方法可以根据不同场景的环境信息不同,而向用户推荐一些更符合当前场景的服务项目,从而使得推荐的服务项目更加贴合用户的需求。
上述根据本发明实施例的服务推荐装置中的各个组成单元、子单元等可以通过软件、固件、硬件或其任意组合的方式进行配置。在通过软件或固件实现的情况下,可从存储介质或网络向具有专用硬件结构的机器(例如图14所示的通用机器1400)安装构成该软件或固件的程序,该机器在安装有各种程序时,能够执行上述各组成单元、子单元的各种功能。
图14是示出了可用来实现根据本发明的实施例的服务推荐方法和服务推荐装置的一种可能的信息处理设备的硬件配置的结构简图。
在图14中,中央处理单元(CPU)1401根据只读存储器(ROM)1402中存储的程序或从存储部分1408加载到随机存取存储器(RAM)1403的程序执行各种处理。在RAM 1403中,还根据需要存储当CPU 1401执行各种处理等等时所需的数据。CPU 1401、ROM 1402和RAM 1403经由总线1404彼此连接。输入/输出接口1405也连接到总线1404。
下述部件也连接到输入/输出接口1405:输入部分1406(包括键盘、鼠标等等)、输出部分1407(包括显示器,例如阴极射线管(CRT)、液晶显示器(LCD)等,和扬声器等)、存储部分1408(包括硬盘等)、通信部分1409(包括网络接口卡例如LAN卡、调制解调器等)。通信部分1409经由网络例如因特网执行通信处理。根据需要,驱动器1410也可连接到输入/输出接口1405。可拆卸介质1411例如磁盘、光盘、磁光盘、半导体存储器等等可以根据需要被安装在驱动器1410上,使得从中读出的计算机程序可根据需要被安装到存储部分1408中。
在通过软件实现上述系列处理的情况下,可以从网络例如因特网或从存储介质例如可拆卸介质1411安装构成软件的程序。
本领域的技术人员应当理解,这种存储介质不局限于图14所示的其中存储有程序、与设备相分离地分发以向用户提供程序的可拆卸介质1411。可拆卸介质1411的例子包含磁盘(包含软盘)、光盘(包含光盘只读存储器(CD-ROM)和数字通用盘(DVD))、磁光盘(包含迷你盘(MD)(注册商标))和半导体存储器。或者,存储介质可以是ROM 1402、存储部分1408中包含的硬盘等等,其中存有程序,并且与包含它们的设备一起被分发给用户。
此外,本发明还提出了一种存储有机器可读取的指令代码的程序产品。所述指令代码由机器读取并执行时,可执行上述根据本发明实施例的服务推荐方法。相应地,用于承载这种程序产品的例如磁盘、光盘、磁光盘、半导体存储器等的各种存储介质也包括在本发明的公开中。
在上面对本发明具体实施例的描述中,针对一种实施方式描述和/或示出的特征可以以相同或类似的方式在一个或更多个其它实施方式中使用,与其它实施方式中的特征相组合,或替代其它实施方式中的特征。
应该强调,术语“包括/包含”在本文使用时指特征、要素、步骤或组件的存在,但并不排除一个或更多个其它特征、要素、步骤或组件的存在或附加。涉及序数的术语“第一”,“第二”等并不表示这些术语所限定的特征、要素、步骤或组件的实施顺序或者重要性程度,而仅仅是为了描述清楚起见而被配置用于在这些特征、要素、步骤或组件之间进行标识。
此外,本发明的各实施例的方法不限于按照说明书中描述的或者附图中示出的时间顺序来执行,也可以按照其他的时间顺序、并行地或独立地执行。因此,本说明书中描述的方法的执行顺序不对本发明的技术范围构成限制。
此外,显然,根据本发明的上述方法的各个操作过程也可以以存储在各种机器可读的存储介质中的计算机可执行程序的方式实现。
而且,本发明的目的也可以通过下述方式实现:将存储有上述可执行程序代码的存储介质直接或者间接地提供给系统或设备,并且该系统或设备中的计算机或者中央处理单元(CPU)读出并执行上述程序代码。
此时,只要该系统或者设备具有执行程序的功能,则本发明的实施方式不局限于程序,并且该程序也可以是任意的形式,例如,目标程序、解释器执行的程序或者提供给操作系统的脚本程序等。
上述这些机器可读存储介质包括但不限于:各种存储器和存储单元,半导体设备,磁盘单元例如光、磁和磁光盘,以及其它适于存储信息的介质等。
另外,客户计算机通过连接到因特网上的相应网站,并且将依据本发明的计算机程序代码下载和安装到计算机中然后执行该程序,也可以实现本发明。
最后,还需要说明的是,在本文中,诸如左和右、第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个......”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
综上,在根据本发明的实施例中,本发明提供了如下方案:
附记1.一种服务推荐装置,包括:获取单元,其被配置成获得与所述服务推荐装置有关的环境信息;存储单元,其被配置成存储预设场景的场景信息和与所述预设场景相对应的预设服务项目;确定单元,其被配置成根据所述环境信息以及所述预设场景的场景信息,在所述预设场景中确定与所述环境信息相关的场景;以及处理单元,其被配置成将与所述环境信息相关的场景所对应的预设服务项目确定为推荐的服务项目。
附记2.根据附记1所述的服务推荐装置,其中,所述获取单元包括:第一获取子单元,其被配置成获取与所述服务推荐装置有关的物理上下文信息,其中,该物理上下文信息至少包括所述服务推荐装置的位置;以及第二获取子单元,其被配置成获取与所述服务推荐装置的位置有关的社交媒体上下文信息。
附记3.根据附记2所述的服务推荐装置,其中,所述第二获取子单元包括:
获取模块,其被配置成利用预定的社交媒体,获得在所述服务推荐装置的位置的预定距离范围内的社交媒体文本及其发布位置;
第一处理模块,其被配置成通过对获得的社交媒体文本进行分词以及去除停用词的处理,得到包含多个词语的第一组词语;
第一计算模块,其包括第一计算子模块和第二计算子模块,其中,
所述第一计算子模块被配置成计算所述社交媒体文本的发布位置与所述服务推荐装置的位置之间的距离,以及/或计算所述第一组词语中的每个词语在该词语所属社交媒体文本中的词频,以及
所述第二计算子模块被配置成根据所述第一计算子模块所计算的结果来计算所述第一组词语中每个词语的分数;以及
第一构建模块,其被配置成利用所述第一组词语中的多个词语及其分数,来构建所述社交媒体上下文信息。
附记4.根据附记2或3所述的服务推荐装置,其中,所述预设场景的场景信息包含:所述预设场景的名称;以及与所述预设场景有关的社交媒体模型。
附记5.根据附记2或3所述的服务推荐装置,其中,所述与所述服务推荐装置有关的物理上下文信息还包括以下信息中的至少一种:当前时间;与所述服务推荐装置的位置有关的城市或行政区域名称;以及与所述服务推荐装置的位置有关的网络接入点信息。
附记6.根据附记5所述的服务推荐装置,其中,所述预设场景的场景信息包含:所述预设场景的名称;与所述预设场景有关的社交媒体模型;以及与所述预设场景有关的条件集,所述条件集用于对与所述服务推荐装置有关的物理上下文信息进行限定。
附记7.根据附记4或6所述的服务推荐装置,其中,所述确定单元包括:第一计算子单元,其被配置成分别计算所述环境信息和每个预设场景的场景信息之间的相似度;第二计算子单元,其被配置成根据所述第一计算子单元的计算结果,获得每个预设场景的置信度;以及确定子单元,其被配置成将置信度最高的前N个预设场景确定为与所述环境信息相关的场景,其中,N为大于0的自然数。
附记8.根据附记7所述的服务推荐装置,其中,所述处理单元所确定的所述推荐的预设服务项目是按照预设服务项目所对应的场景的置信度的高低进行排序的。
附记9.根据附记4、6、7和8中任一所述的服务推荐装置,还包括用于获得与所述预设场景有关的社交媒体模型的模型建立单元,其中,所述模型建立单元包括:第二处理模块,其被配置成通过对所述预设场景的预设语料库中的文本进行分词以及去除停用词的处理,得到包含若干词语的第二组词语;第二计算模块,其被配置成计算所述第二组词语中的每个词语在所述预设场景的语料库中的出现频率,以及第二构建模块,其被配置成利用所述第二组词语中的多个词语及其在所述预设场景的语料库中的出现频率,来构建与所述预设场景有关的社交媒体模型。
附记10.根据附记1-9中任一所述的服务推荐装置,还包括:显示单元,其被配置成显示所述确定单元所确定的场景名称;以及输入单元,其被配置成接收用户的输入指令,该输入指令用于与所述确定单元所确定的场景中的至少一个相关联;
其中,处理单元被配置成将与所述输入指令相关联的场景所对应的预设服务项目确定为推荐的服务项目,并通过所述显示单元显示所述推荐的服务项目。
附记11.一种移动设备,其包括如附记1-10任一所述的服务推荐装置。
附记12.根据附记11所述的移动设备,其中,所述移动设备是以下设备中的其中一种:手机;移动音频/视频播放设备;个人数字助理;便携式游戏机;电纸书;以及笔记本电脑。
附记13.一种服务推荐方法,包括:获得用户的环境信息;根据预设场景的场景信息和所述环境信息,在所述预设场景中确定与所述环境信息相关的场景;以及将与所述环境信息相关的场景所对应的预设服务项目确定为推荐的服务项目。
附记14.根据附记13所述的服务推荐方法,其中,所述用户的环境信息包括:与用户有关的物理上下文信息,其中,该物理上下文信息至少包括所述用户的位置;以及与所述用户的位置有关的社交媒体上下文信息。
附记15.根据附记14所述的服务推荐方法,其中,所述与所述用户的位置有关的社交媒体上下文信息通过以下方式获得:利用预定的社交媒体,获得在所述用户的位置的预定距离范围内的社交媒体文本及其发布位置;通过对获得的社交媒体文本进行分词以及去除停用词的处理,得到包含多个词语的第一组词语;通过计算所述社交媒体文本的发布位置与所述用户的位置之间的距离以及/或计算所述第一组词语中的每个词语在该词语所属社交媒体文本中的词频,来获得所述第一组词语中每个词语的分数;以及利用所述第一组词语中的多个词语及其分数,来构建所述社交媒体上下文信息。
附记16.根据附记14或15所述的服务推荐方法,其中,所述预设场景的场景信息包含:所述预设场景的名称;以及与所述预设场景有关的社交媒体模型。
附记17.根据附记14或15所述的服务推荐方法,其中,
所述与用户有关的物理上下文信息还包括以下信息中的至少一种:当前时间,与所述用户的位置有关的城市或行政区域名称,和与所述用户的位置有关的网络接入点信息;
所述预设场景的场景信息包含:所述预设场景的名称,与所述预设场景有关的社交媒体模型,以及与所述预设场景有关的条件集,所述条件集用于对所述与所述用户有关的物理上下文信息进行限定。
附记18.根据附记16或17所述的服务推荐方法,其中,所述的在所述预设场景中确定与所述环境信息相关的场景包括:分别计算所述环境信息和每个预设场景的场景信息之间的相似度;根据计算的相似度,获得每个预设场景的置信度;以及将置信度最高的前N个预设场景确定为与所述环境信息相关的场景,其中,N为大于0的自然数。
附记19.根据附记16-18中任一所述的服务推荐方法,其中,所述与所述预设场景有关的社交媒体模型通过以下方式获得:通过对所述预设场景的预设语料库中的文本进行分词以及去除停用词的处理,得到包含若干词语的第二组词语;计算所述第二组词语中的每个词语在所述预设场景的语料库中的出现频率,以及利用所述第二组词语中的多个词语及其在所述预设场景的语料库中的出现频率,来构建与所述预设场景有关的社交媒体模型。
附记20.一种计算机可读存储介质,其上存储有能够由计算设备执行的计算机程序,所述程序在执行时能够使所述计算设备执行根据附记13-19中任意一项所述的服务推荐方法。
Claims (10)
1.一种服务推荐装置,包括:
获取单元,其被配置成获得与所述服务推荐装置有关的环境信息;
存储单元,其被配置成存储预设场景的场景信息和与所述预设场景相对应的预设服务项目;
确定单元,其被配置成根据所述环境信息以及所述预设场景的场景信息,在所述预设场景中确定与所述环境信息相关的场景;以及
处理单元,其被配置成将与所述环境信息相关的场景所对应的预设服务项目确定为推荐的服务项目。
2.根据权利要求1所述的服务推荐装置,其中,所述获取单元包括:
第一获取子单元,其被配置成获取与所述服务推荐装置有关的物理上下文信息,其中,该物理上下文信息至少包括所述服务推荐装置的位置;以及
第二获取子单元,其被配置成获取与所述服务推荐装置的位置有关的社交媒体上下文信息。
3.根据权利要求2所述的服务推荐装置,其中,所述第二获取子单元包括:
获取模块,其被配置成利用预定的社交媒体,获得在所述服务推荐装置的位置的预定距离范围内的社交媒体文本及其发布位置;
第一处理模块,其被配置成通过对获得的社交媒体文本进行分词以及去除停用词的处理,得到包含多个词语的第一组词语;
第一计算模块,其包括第一计算子模块和第二计算子模块,其中,
所述第一计算子模块被配置成计算所述社交媒体文本的发布位置与所述服务推荐装置的位置之间的距离,以及/或计算所述第一组词语中的每个词语在该词语所属社交媒体文本中的词频,以及
所述第二计算子模块被配置成根据所述第一计算子模块所计算的结果来计算所述第一组词语中每个词语的分数;以及
第一构建模块,其被配置成利用所述第一组词语中的多个词语及其分数,来构建所述社交媒体上下文信息。
4.根据权利要求2或3所述的服务推荐装置,其中,所述预设场景的场景信息包含:
所述预设场景的名称;以及
与所述预设场景有关的社交媒体模型。
5.根据权利要求2或3所述的服务推荐装置,其中,所述与所述服务推荐装置有关的物理上下文信息还包括以下信息中的至少一种:
当前时间;
与所述服务推荐装置的位置有关的城市或行政区域名称;以及
与所述服务推荐装置的位置有关的网络接入点信息。
6.根据权利要求5所述的服务推荐装置,其中,所述预设场景的场景信息包含:
所述预设场景的名称;
与所述预设场景有关的社交媒体模型;以及
与所述预设场景有关的条件集,所述条件集用于对与所述服务推荐装置有关的物理上下文信息进行限定。
7.根据权利要求4或6所述的服务推荐装置,其中,所述确定单元包括:
第一计算子单元,其被配置成分别计算所述环境信息和每个预设场景的场景信息之间的相似度;
第二计算子单元,其被配置成根据所述第一计算子单元的计算结果,获得每个预设场景的置信度;以及
确定子单元,其被配置成将置信度最高的前N个预设场景确定为与所述环境信息相关的场景,其中,N为大于0的自然数。
8.根据权利要求4、6和7中任一所述的服务推荐装置,还包括用于获得与所述预设场景有关的社交媒体模型的模型建立单元,其中,所述模型建立单元包括:
第二处理模块,其被配置成通过对所述预设场景的预设语料库中的文本进行分词以及去除停用词的处理,得到包含若干词语的第二组词语;
第二计算模块,其被配置成计算所述第二组词语中的每个词语在所述预设场景的语料库中的出现频率,以及
第二构建模块,其被配置成利用所述第二组词语中的多个词语及其在所述预设场景的语料库中的出现频率,来构建与所述预设场景有关的社交媒体模型。
9.一种移动设备,其包括如权利要求1-9任一所述的服务推荐装置。
10.一种服务推荐方法,包括:
获得用户的环境信息;
根据预设场景的场景信息和所述环境信息,在所述预设场景中确定与所述环境信息相关的场景;以及
将与所述环境信息相关的场景所对应的预设服务项目确定为推荐的服务项目。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210030672.8A CN103248658B (zh) | 2012-02-10 | 2012-02-10 | 服务推荐装置、服务推荐方法和移动设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210030672.8A CN103248658B (zh) | 2012-02-10 | 2012-02-10 | 服务推荐装置、服务推荐方法和移动设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103248658A true CN103248658A (zh) | 2013-08-14 |
CN103248658B CN103248658B (zh) | 2016-04-13 |
Family
ID=48927880
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210030672.8A Expired - Fee Related CN103248658B (zh) | 2012-02-10 | 2012-02-10 | 服务推荐装置、服务推荐方法和移动设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103248658B (zh) |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103793222A (zh) * | 2013-11-01 | 2014-05-14 | 中兴通讯股份有限公司 | 一种移动设备管理的方法、服务器及系统 |
CN103970861A (zh) * | 2014-05-07 | 2014-08-06 | 华为技术有限公司 | 信息呈现方法和设备 |
CN104424272A (zh) * | 2013-08-29 | 2015-03-18 | 联想(北京)有限公司 | 一种信息处理方法、装置和电子设备 |
CN105574068A (zh) * | 2014-10-31 | 2016-05-11 | 福特全球技术公司 | 用于提供位置关联的社交提示的方法和装置 |
CN105634881A (zh) * | 2014-10-30 | 2016-06-01 | 腾讯科技(深圳)有限公司 | 应用场景推荐方法及装置 |
CN105955618A (zh) * | 2016-04-29 | 2016-09-21 | 北京小米移动软件有限公司 | 信息显示方法及装置 |
WO2016150170A1 (zh) * | 2015-03-25 | 2016-09-29 | 百度在线网络技术(北京)有限公司 | 一种推荐方法、装置、设备及计算机存储介质 |
CN106878359A (zh) * | 2015-12-14 | 2017-06-20 | 百度在线网络技术(北京)有限公司 | 信息推送方法和装置 |
CN107426272A (zh) * | 2017-03-30 | 2017-12-01 | 阿里巴巴集团控股有限公司 | 一种小程序推送方法、装置及计算机存储介质 |
WO2018059122A1 (zh) * | 2016-09-29 | 2018-04-05 | 腾讯科技(深圳)有限公司 | 服务推荐方法、终端、服务器和存储介质 |
CN108363750A (zh) * | 2018-01-29 | 2018-08-03 | 广东欧珀移动通信有限公司 | 服装推荐方法及相关产品 |
CN109727109A (zh) * | 2018-12-28 | 2019-05-07 | 深圳市华云中盛科技有限公司 | 涉税服务机构推荐方法、装置、计算机设备及存储介质 |
CN111625724A (zh) * | 2020-05-28 | 2020-09-04 | 百度在线网络技术(北京)有限公司 | 信息处理方法、装置、电子设备及存储介质 |
CN112579906A (zh) * | 2020-12-25 | 2021-03-30 | 深圳市元征科技股份有限公司 | 一种对象推荐方法、装置、设备及存储介质 |
CN112882621A (zh) * | 2021-02-07 | 2021-06-01 | 微民保险代理有限公司 | 模块显示方法、装置、计算机设备和存储介质 |
CN113473574A (zh) * | 2021-06-30 | 2021-10-01 | 北京小米移动软件有限公司 | 无线局域网连接方法、装置、存储介质以及电子设备 |
CN114666235A (zh) * | 2022-05-24 | 2022-06-24 | 中国平安财产保险股份有限公司 | 服务推荐策略的确定方法、装置、计算机设备及存储介质 |
CN113473574B (zh) * | 2021-06-30 | 2024-06-11 | 北京小米移动软件有限公司 | 无线局域网连接方法、装置、存储介质以及电子设备 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040153373A1 (en) * | 2003-01-31 | 2004-08-05 | Docomo Communications Laboratories Usa, Inc. | Method and system for pushing services to mobile devices in smart environments using a context-aware recommender |
CN101018137A (zh) * | 2006-02-11 | 2007-08-15 | 腾讯科技(深圳)有限公司 | 一种向即时通信用户界面推送聊天场景的方法 |
CN101951549A (zh) * | 2010-09-15 | 2011-01-19 | 中兴通讯股份有限公司 | 实现动态处理应用的方法、移动终端及应用服务器 |
CN102184262A (zh) * | 2011-06-15 | 2011-09-14 | 悠易互通(北京)广告有限公司 | 基于web的文本分类挖掘系统及方法 |
-
2012
- 2012-02-10 CN CN201210030672.8A patent/CN103248658B/zh not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040153373A1 (en) * | 2003-01-31 | 2004-08-05 | Docomo Communications Laboratories Usa, Inc. | Method and system for pushing services to mobile devices in smart environments using a context-aware recommender |
CN101018137A (zh) * | 2006-02-11 | 2007-08-15 | 腾讯科技(深圳)有限公司 | 一种向即时通信用户界面推送聊天场景的方法 |
CN101951549A (zh) * | 2010-09-15 | 2011-01-19 | 中兴通讯股份有限公司 | 实现动态处理应用的方法、移动终端及应用服务器 |
CN102184262A (zh) * | 2011-06-15 | 2011-09-14 | 悠易互通(北京)广告有限公司 | 基于web的文本分类挖掘系统及方法 |
Cited By (29)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104424272A (zh) * | 2013-08-29 | 2015-03-18 | 联想(北京)有限公司 | 一种信息处理方法、装置和电子设备 |
WO2014176993A1 (zh) * | 2013-11-01 | 2014-11-06 | 中兴通讯股份有限公司 | 一种移动设备管理的方法、服务器及系统 |
CN103793222A (zh) * | 2013-11-01 | 2014-05-14 | 中兴通讯股份有限公司 | 一种移动设备管理的方法、服务器及系统 |
CN103970861B (zh) * | 2014-05-07 | 2017-11-17 | 华为技术有限公司 | 信息呈现方法和设备 |
CN103970861A (zh) * | 2014-05-07 | 2014-08-06 | 华为技术有限公司 | 信息呈现方法和设备 |
US11153430B2 (en) | 2014-05-07 | 2021-10-19 | Huawei Technologies Co., Ltd. | Information presentation method and device |
US10291767B2 (en) | 2014-05-07 | 2019-05-14 | Huawei Technologies Co., Ltd. | Information presentation method and device |
CN105634881A (zh) * | 2014-10-30 | 2016-06-01 | 腾讯科技(深圳)有限公司 | 应用场景推荐方法及装置 |
CN105634881B (zh) * | 2014-10-30 | 2020-07-07 | 腾讯科技(深圳)有限公司 | 应用场景推荐方法及装置 |
CN105574068A (zh) * | 2014-10-31 | 2016-05-11 | 福特全球技术公司 | 用于提供位置关联的社交提示的方法和装置 |
WO2016150170A1 (zh) * | 2015-03-25 | 2016-09-29 | 百度在线网络技术(北京)有限公司 | 一种推荐方法、装置、设备及计算机存储介质 |
CN106878359A (zh) * | 2015-12-14 | 2017-06-20 | 百度在线网络技术(北京)有限公司 | 信息推送方法和装置 |
US10372469B2 (en) | 2016-04-29 | 2019-08-06 | Beijing Xiaomi Mobile Software Co., Ltd. | Method and device for displaying information |
CN105955618A (zh) * | 2016-04-29 | 2016-09-21 | 北京小米移动软件有限公司 | 信息显示方法及装置 |
CN105955618B (zh) * | 2016-04-29 | 2019-07-05 | 北京小米移动软件有限公司 | 信息显示方法及装置 |
CN107885742B (zh) * | 2016-09-29 | 2021-09-07 | 腾讯科技(深圳)有限公司 | 服务推荐方法和装置 |
CN107885742A (zh) * | 2016-09-29 | 2018-04-06 | 腾讯科技(深圳)有限公司 | 服务推荐方法和装置 |
WO2018059122A1 (zh) * | 2016-09-29 | 2018-04-05 | 腾讯科技(深圳)有限公司 | 服务推荐方法、终端、服务器和存储介质 |
CN107426272A (zh) * | 2017-03-30 | 2017-12-01 | 阿里巴巴集团控股有限公司 | 一种小程序推送方法、装置及计算机存储介质 |
CN108363750A (zh) * | 2018-01-29 | 2018-08-03 | 广东欧珀移动通信有限公司 | 服装推荐方法及相关产品 |
CN108363750B (zh) * | 2018-01-29 | 2022-01-04 | Oppo广东移动通信有限公司 | 服装推荐方法及相关产品 |
CN109727109A (zh) * | 2018-12-28 | 2019-05-07 | 深圳市华云中盛科技有限公司 | 涉税服务机构推荐方法、装置、计算机设备及存储介质 |
CN111625724A (zh) * | 2020-05-28 | 2020-09-04 | 百度在线网络技术(北京)有限公司 | 信息处理方法、装置、电子设备及存储介质 |
CN112579906A (zh) * | 2020-12-25 | 2021-03-30 | 深圳市元征科技股份有限公司 | 一种对象推荐方法、装置、设备及存储介质 |
CN112882621A (zh) * | 2021-02-07 | 2021-06-01 | 微民保险代理有限公司 | 模块显示方法、装置、计算机设备和存储介质 |
CN113473574A (zh) * | 2021-06-30 | 2021-10-01 | 北京小米移动软件有限公司 | 无线局域网连接方法、装置、存储介质以及电子设备 |
CN113473574B (zh) * | 2021-06-30 | 2024-06-11 | 北京小米移动软件有限公司 | 无线局域网连接方法、装置、存储介质以及电子设备 |
CN114666235A (zh) * | 2022-05-24 | 2022-06-24 | 中国平安财产保险股份有限公司 | 服务推荐策略的确定方法、装置、计算机设备及存储介质 |
CN114666235B (zh) * | 2022-05-24 | 2022-07-26 | 中国平安财产保险股份有限公司 | 服务推荐策略的确定方法、装置、计算机设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN103248658B (zh) | 2016-04-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103248658B (zh) | 服务推荐装置、服务推荐方法和移动设备 | |
US20220391773A1 (en) | Method and system for artificial intelligence learning using messaging service and method and system for relaying answer using artificial intelligence | |
US20060184517A1 (en) | Answers analytics: computing answers across discrete data | |
CN111666416B (zh) | 用于生成语义匹配模型的方法和装置 | |
Huang et al. | A novel summarization technique for the support of resolving multi-criteria decision making problems | |
CN111782947A (zh) | 一种搜索内容展示方法、装置、电子设备及存储介质 | |
US20180285448A1 (en) | Producing personalized selection of applications for presentation on web-based interface | |
CN110909222A (zh) | 基于聚类的用户画像建立方法、装置、介质及电子设备 | |
CN110059172B (zh) | 基于自然语言理解的推荐答案的方法和装置 | |
CN110110218A (zh) | 一种身份关联方法及终端 | |
KR102282337B1 (ko) | 도서 큐레이션 서비스 제공 방법, 장치 및 컴퓨터-판독가능 기록매체 | |
Wei et al. | Online education recommendation model based on user behavior data analysis | |
CN111310065A (zh) | 一种社交推荐方法、装置、服务器及存储介质 | |
CN110895587B (zh) | 用于确定目标用户的方法和装置 | |
CN116402166B (zh) | 一种预测模型的训练方法、装置、电子设备及存储介质 | |
CN113821612A (zh) | 信息查找方法以及装置 | |
CN111553487A (zh) | 一种业务对象识别方法及装置 | |
CN111782933A (zh) | 用于推荐书单的方法和装置 | |
CN117112593A (zh) | Sql语句生成方法、介质和计算机设备 | |
CN110598112A (zh) | 一种题目推荐方法、装置、终端设备及存储介质 | |
CN112328799B (zh) | 问题分类方法和装置 | |
CN115221954A (zh) | 用户画像方法、装置、电子设备以及存储介质 | |
CN114357184A (zh) | 事项推荐方法及相关装置、电子设备和存储介质 | |
CN109857838B (zh) | 用于生成信息的方法和装置 | |
CN112541069A (zh) | 一种结合关键词的文本匹配方法、系统、终端及存储介质 |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20160413 Termination date: 20180210 |