CN103391302B - 一种信息发送的方法及系统 - Google Patents
一种信息发送的方法及系统 Download PDFInfo
- Publication number
- CN103391302B CN103391302B CN201210140901.1A CN201210140901A CN103391302B CN 103391302 B CN103391302 B CN 103391302B CN 201210140901 A CN201210140901 A CN 201210140901A CN 103391302 B CN103391302 B CN 103391302B
- Authority
- CN
- China
- Prior art keywords
- user terminal
- information
- user
- grading value
- targeted customer
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Abstract
本申请提供了一种信息发送的方法及系统,所述方法包括:获取第一用户终端的标识信息,根据标识信息选取与第一用户终端对应的目标用户群组,获取该目标用户群组中每个用户的评级值,将目标用户群组中各用户终端的评级值与预设评级值进行比较,将目标用户群组中大于所述预设评级值的用户终端的信息发送给所述第一用户终端。进而实现了多规则的推荐方法,提高了信息处理系统的效率,并且提高了信息推送的准确性,另外,结合本申请的分析方法将提高了系统中数据信息的存储效率以及数据信息处理速度,扩大了信息推荐系统的实用范围,提高了信息处理系统的信息处理效率。
Description
技术领域
本申请涉及计算机技术领域,尤其涉及一种信息发送的方法及系统。
背景技术
当前,互联网应用已进入Wb3.0时期,研究互联网之间人与人之间的互动关系,将会给互联网带来具体的用户量,并会衍生出很多新的应用,但是,现阶段电子商务网络在互动方面还做的很不够。以某一商务网站为例,现阶段主要模式仍然是公司信息和产品在网络上的发布,社区和论坛目前的应用还不够广泛,大部分的卖家不上论坛,买家在社区中也不活跃,买卖双方的互动很少。
个性化的网络用户信息的推荐方式,可以推动系统中双方的信息互动,是活跃信息交互社区的有效手段之一。在现有技术中的用户信息推荐方式是采用关联规则算法,通过现有的信息交互关系,利用关联规则,挖掘出潜在的用户之间的信息交互关系。例如,在一商友推荐系统中A用户、B用户经常同时被另外一个用户关注,那么如果C用户只关注了A用户,则B用户就是C用户的潜在关注对象,并且商友推荐系统将不会把潜在的关注对象的信息发送给C用户,从而使得C用户就无法与B用户之间实现信息的交互,但是,通过关联规则来获取潜在关注对象会存在如下技术问题:
1、目前网络信息交互的平台中信息交互双方互动很少,通过现有的系统中挖掘出置信度、支持度和符合条件的规则很少,使得服务器端确定并发送用户推荐信息的方式困难,进而降低了服务器推荐用户信息的效率。
2、在现有的网络信息交互平台中无法区分用户的所处行业领域,从而导致系统将跨行业领域的用户的信息相互之间进行发送,进而使得用户信息投放的准确性很低。
3、现有技术中的系统中只能分析两者之间的直接信息交互,并不能分析间接的信息交互,使得用户信息推荐的范围很小,也就是直接信息交互对应的用户能够被系统推荐,而间接的信息交互对应的用户系统将不会进行推荐,导致用户信息的推荐范围狭小,从而使得商友推荐系统的处理效率降低。
4、由于传统系统中的关系网络图需要建立两两客户之间的关系矩阵,不利于数据仓库的存储和大量数据的处理。
发明内容
本申请提供了一种信息发送的方法及系统,用以解决现有技术中服务器向终端发送推荐信息的效率低、准确性低的问题,其具体的技术方案如下:
一种信息的发送方法,包括:
获取第一用户终端的参数信息,所述参数信息包括行业信息以及标识信息;
根据所述标识信息选取与所述第一用户终端对应的目标用户群组;
若所述标识信息用于标示第一用户终端与所述目标用户群组中的任一用户终端之间能够通过至少一个其他用户终端建立信息交互关系时,获取所述目标用户群组中每个用户的评级值以及行业信息,其中,所述至少一个其他用户终端直接与所述第一终端或者所述目标群组终端任一用户终端交互,所述评级值用于标示所述目标用户群组中的每个用户终端与其他用户终端之间的信息交互频繁度;
将所述第一用户终端的行业信息与所述目标用户群组中每个用户终端的行业信息进行比较,以从所述目标用户群组中确定与所述第一用户的行业信息相同的多个用户终端,并形成行业群组;
将所述行业群组中各用户终端的评级值与预设评级值进行比较;
将所述行业群组中大于所述预设评级值的用户终端的信息发送给所述第一用户终端。
一种信息发送的系统,所述系统包括:
获取单元,用于获取第一用户终端的标识信息,根据所述标识信息选取与所述第一用户终端对应的目标用户群组;
评级值获取单元,用于若所述标识信息用于标示第一用户终端与所述目标用户群组中的任一用户终端之间能够通过至少一个其他用户终端建立信息交互关系时,获取所述目标用户群组中每个用户的评级值,其中,所述至少一个其他用户终端直接与所述第一终端或者所述目标群组终端任一用户终端交互,所述评级值用于标示所述目标用户群组中的每个用户终端与其他用户终端之间的信息交互频繁度;
评级值比较单元,用于将所述目标用户群组中各用户终端的评级值与预设评级值进行比较;
发送单元,用于将所述目标用户群组中大于所述预设评级值的用户终端的信息发送给所述第一用户终端。
本申请提供了一种信息发送的方法及系统,所述方法包括:获取第一用户终端的标识信息,根据标识信息选取与第一用户终端对应的目标用户群组,获取该目标用户群组中每个用户的评级值,将目标用户群组中各用户终端的评级值与预设评级值进行比较,将目标用户群组中大于所述预设评级值的用户终端的信息发送给所述第一用户终端。进而实现了多规则的推荐方法,提高了信息处理系统的效率,并且提高了信息推送的准确性,另外,结合本申请的分析方法将提高了系统中数据信息的存储效率以及数据信息处理速度,扩大了信息推荐系统的实用范围,提高了信息处理系统的信息处理效率。
附图说明
图1为本申请交易关系网络架构图;
图2为本申请一种信息发送方法的流程图;
图3为本申请一种信息发送系统的结构示意图。
具体实施方式
在本申请中服务器端获取第一用户终端中的标识信息,根据所述标识信息选取与所述第一用户终端对应的目标用户群组,当所述标识信息用于标示第一用户终端与所述目标用户群组中的任一用户终端之间能够通过至少一个其他用户终端建立信息交互关系时,获取所述目标用户群组中每个用户的评级值,将所述目标用户群组中各用户终端的评级值与预设评级值进行比较,将所述目标用户群组中大于所述预设评级值的用户终端的信息发送给所述第一用户终端。
下面通过本申请技术方案在交易网络中的应用来具体说明,当然本申请的技术方案并不限于在交易网络中的应用。
在该交易网络中包括多个用户终端,在这些用户终端群中就包括了卖家以及买家。首先,服务器端将获取在预定的时间段内用户终端中的用户交易数据,通过该用户交易数据能够获取到所有用户终端在该段时间内的网络交易情况,在该交易数据中包括用户终端的用户终端标识以及用户终端之间的信息交互次数,进而通过用户之间的交易情况建立一用户之间的交易关系网络。
例如,在本申请实施例的一个具体例子中。商友推荐系统中A、B、C、D、E用户之间存在交易关系,因此商友推荐系统将五个用户之间的交易关系构建一交易关系网络,该交易关系网络表示在商友推荐系统中各个用户之间的信息交互关系,如图1所示):
在图1的交易关系网络图中每一个节点都表示一个交易对象,所有的节点数就是交易网络中的用户数,其中,A用户与B、C用户之间存在的是直接交易,因而,B、C用户是A用户的直接交易对象,在现有技术中,系统能够将B、C推荐给A用户,或者是将A用户推荐给B、C用户,而不能对其他用户进行分析。
在本申请实施例中建立好交易关系网络之后,商友推荐系统将获取每个用户之间的交易次数,并将所述交易次数进行统计,建立一交易关系数据表(payment),如表1所示:
seller_id | buyer_id | payment_cnt |
XXX | XXX | XX |
表1
其中,seller_id表示卖家的用户名,buyer_id表示买家的用户名,payment_cnt表示用户之间的交易次数,从而根据表1可以体现出交易关系网络中用户之间的网络交易情况。
由于用户是交易网络中的用户,因此表1中用户可以是买家也可以是卖家,这根据交易网络中的交易情况来确定,在交易次数这一栏中是表示用户之间的交易次数,因此该栏中的内容是根据买家与卖家之间的实际交易次数来决定。
在完成表1中的内容统计之后,商友推荐系统将表1中的数据以及结合附图1中的卖家数以及买家数,分别获取商友推荐系统中卖家和买家的活跃度,其中,该活跃度表示在商友推荐系统中两个终端之间的信息交互频繁度。如果以交易系统中的卖家用户终端和买家用户终端为例,则所述活跃度为商友推荐系统中卖家与买家之间的信息交互频繁度。在本申请中卖家的活跃度为出度,其中,出度表示在交易关系网络中一用户与其发生直接交易的买家数,而买家的活跃度为入度,其中,入度表示在交易关系网络中一用户与其发生直接交易的卖家数。
卖家的活跃度定义为:out_degree(出度),买家的活跃度定义为:in_degree(入度),具体统计方法如表2、表3所示:
seller_id | buyer_cnt | actives |
XX | XXX | X |
XX | XXX | X |
表2
buyer_id | seller_cnt | activeb |
MM | MMM | M |
YY | YYY | Y |
表3
在表2以及表3中,actives表示卖家活跃度,activeb表示买家活跃度,buyer_cnt表示一个卖家与交易关系网络中所有买家之间的总交易次数,seller_cnt表示一个买家与交易关系网络中所有卖家之间的总交易次数,系统将通过如下运算方式来获取卖家以及买家的活跃度,具体如下:
activeb=buyer_cnt/N;
actives=seller_cnt/N;
其中,N表示在交易网络中的节点数,通过表2以及表3中获取活跃度的大小,就能够评价买家以及卖家的活跃度,该活跃度用于表示用户在交易网路中的交易频繁度。如果用户既卖过商品,又买过商品,则用户的用户名会在out_degree和in_degree中均会出现,因此,在获取卖家以及买家的活跃度时,若是用户既做卖家又做买家,此时商友推荐系统将获取同一个用户的卖家及买家活跃度。
比如,在图1中A、B、C、D、E用户中有部分用户既是卖家又是买家,进而表1中的具体体现内容可以是表4所示:
seller_id | buyer_id | payment_cnt |
A | B | 8 |
A | C | 10 |
B | D | 14 |
B | E | 10 |
C | D | 12 |
C | D | 10 |
E | D | 6 |
表4
在表4为统计了A、B、C、D、E用户之间的交易情况,以及各用户的之间的交易次数的数据表。
通过表4中的内容,可以分别获取卖家以及买家的活跃度,具体为:
首先,系统将卖家的交易情况在数据库中建立一表格,在此表格中记录了获取商友推荐系统中卖家的用户名以及交易次数,从而通过交易次数以及交易网络中的用户量来获取卖家的活跃度,例如,用户A与用户B、C发生交易,并且交易次数为18次,因此,在A交易记录中有18次交易次数,具体的数据表5所示:
seller_id | buyer_cnt | actives |
A | 18 | 3.6 |
B | 24 | 4.8 |
C | 22 | 4.4 |
E | 6 | 1.2 |
表5
并且系统将获取在交易数据中的卖家以及买家,以及双方的交易次数,其中,A用户与B、C用户产生的交易,并且A用户作为卖家,A用户与B、C用户之间的交易次数为8次和10次,交易次数(buyer_cnt)就为A用户与B用户以及C用户的交易次数总合,其次,商友推荐系统将获取交易关系网络中所有用户的数量,进而通过交易次数18以及交易关系网络中用户的总数5的比值获取活跃度,具体来说,比如A用户的活跃度actives(A)=18/5=3.6,进而获取到A用户的卖家活跃度为3.6,该处的3.6表示A用户作为卖家与在交易关系网络5个用户中的3.6个用户有直接交易关系。为了使得在交易关系网络中每个卖家与买家的活跃度能够更加精确的进行比较,因此,每个活跃度都为每个用户与交易关系网络中其他用户之间的总交易次数与交易关系网络中用户总数的比值。
依此方式获取B用户的卖家活跃度为actives(B)=24/5=4.8,C用户的卖家活跃度为actives(C)=22/5=4.4,E用户的卖家活跃度为actives(E)=6/5=1.2。
当然在获取到卖家的活跃度后,商友推荐系统将获取买家的活跃度,也就是说作为买家也要体现在整个交易关系网络中的信息交互频繁度。在A、B、C、D、E用户中,B、C、D、E用户也同时作为买家,其具体的活跃度统计如表6所示:
buyer_id | seller_cnt | Activeb |
B | 8 | 1.6 |
C | 10 | 2.0 |
D | 42 | 8.4 |
E | 10 | 2.0 |
表6
在表6中,B、C、D、E用户作为买家与其他用户之间发生交易,其中D作为买家与B、C、E之间发生交易,并且交易次数分别为:14次、12次、10次、6次,此时,总交易次数seller_cnt为14、12、10、6的总和。因此,D用户的买家活跃Activeb(D)=42/5=8.4。
依此方式,B用户的买家活跃度为:Activeb(B)=8/5=1.6,C用户的买家活跃度为:Activeb(C)=10/5=2.0,E用户的买家活跃度为:Activeb(E)=10/5=2.0。
系统在完成活跃度的统计之后,系统将获取在关系网络图中每个用户之间的交易距离,所述交易距离表示用户之间存在的交易关系,若关系网络图中的用户之间存在直接交易,则两用户之间的交易距离为1。例如:A用户与B用户之间是直接进行的交易,则A用户与B用户之间的交易距离就为1。若A用户与B用户之间是直接进行交易,并且B用户与C用户之间是直接进行交易,则A用户与C用户的交易距离就为2。因此,通过系统统计关系网络中的用户之间的交易距离建立K交易表(k_payment,其中K表示交易距离),具端的信息发送给所述第一用户终端。
为了使得在本申请中该系统推送信息的准确性,因此,在该系统中还包括:
行业信息获取单元305,用于获取所述目标用户群组中每个用户的行业信息;
行业信息比较单元306,用于将所述第一用户终端的行业信息与所述目标用户群组中的每个用户终端的行业信息进行比较,以从所述目标用户群组中确定与所述第一用户终端的行业信息相同的多个用户终端,并形成行业群组;
第一评级值比较单元307,将所述行业群组中各用户终端的评级值与预设评级值进行比较。
进而系统在获取用户评级值的同时还将获取用户的行业信息,其中,该行业信息为通过用户历史的信息交互记录中统计出来的行业领域。在获取到行业信息之后,行业信息比较单元就将第一用户终端的行业信息与目标用户中每个用户终端的行业信息进行比较,然后将目标用户群组中与第一用户终端行业信息系统的用户终端筛选出来,并生成一行业群组。
最后,第一评级值单元在接收到生成的行业群组所包含的用户终端之后,将对应的获取行业群组中每个用户终端的评级值,并将该评级值与预存的评级值进行比较,最后根据比较的结果将对应的用户信息发送给第一用户终端。
本申请提供了一种信息发送的方法及系统,所述方法包括:获取第一用户终端的标识信息,根据标识信息选取与第一用户终端对应的目标用户群组,获取该目标用户群组中每个用户的评级值,将目标用户群组中各用户终端的评级值与预设评级值进行比较,将目标用户群组中大于所述预设评级值的用户终端的信息发送给所述第一用户终端。进而实现了多规则的推荐方法,提高了信息处理系统的效率,并且提高了信息推送的准确性,另外,结合本申请的分析方法将提高了系统中数据信息的存储效率以及数据信息处理速度,扩大了信息推荐系统的实用范围,提高了信息处理系统的信息处理效率。
显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申体如表7所示:
seller_id | buyer_id | Dis |
XXX | XX | X |
表7
其中,Dis为用户之间的交易距离,用于表示交易用户之间的交易距离。并且Dis≤K。
在建立K_payment数据表之后,商友推荐系统将根据K_payment数据建立K+1_payment数据表,其中,K+1表示在交易距离为K的基础上增加1的交易距离,比如K表示交易距离为1的情况下,K+1表示交易距离为2的情况,其具体步骤如下:
首先将payment与K_payment数据表进行关联,具体的关联方式为:
首先商友推荐系统将选择用户字段为K_payment,seller_id(K_payment数据表中的卖家ID)和payment,buyer_id(payment数据表中的买家ID)对应的用户,然后商友推荐系统将K_payment数据表中的K_payment,buyer_id对应的用户替代payment数据表中payment,seller_id对应的用户,从而得到一临时数据表(K+1)_temp1。
在(K+1)_temp1数据表中已初步获取到通过K+1步交易传递可以发生交易关系的买家和卖家。但是这些卖家或者是买家可能已经在K_payment数据表中出现过。例如,A→B已在K_payment中出现,而在(K+1)_temp1数据表中为A→C→B,或者为卖家ID与买家ID相同的情况,例如A→B→A,在此情况下系统将上述两种情况在(K+1)_temp1中删除,得到删除后新数据表(K+1)_temp2。
此时,在数据表(K+1)_temp2中存储的是实际距离为K+1的买家以及卖家的用户ID,在数据表(K+1)_temp2设定K的值,也就是在该数据表中插入一字段Dis,并且设置该字段的值均为K+1,使得该表结构与K_payment一致,得到新的数据表(K+1)_result。
最后,将数据表K_payment与数据表(K+1)_result合并,具体的合并方式为:商友推荐系统将(K+1)_result表中与K_payment表中相同交易距离的交易数据删除,得到数据表(K+1)_payment。
通过本申请所提到的技术特征均充分考虑了数据库表结构的存储与计算特点,通过建立简单的数据表,并且将建立好的数据表之间进行内连接处理,就能够实现将复杂的图论分析中的算法转换为简单的数据表处理,进而减少了系统的运算量,提高了系统的工作效率。
下面结合一具体例子来说明从数据表K_payment推算出(K+1)_payment。
例如,在附图1的关系网络图中,A用户与B用户以及C用户之间是之间交易,则A用户与B用户的交易距离为L(A→B)=1,A用户到C用户的交易距离为L(A→C)=1,其中C用户与D用户也发生交易,B用户与E用户产生交易,因此,C用户到D用户之间的交易距离为:L(C→D)=1,B用户与E用户之间的交易距离为L(B→E)=1,但是,B用户与A用户发生交易,并且还与E用户发生交易,因此,L(A→E)=2,L(A→D)=2。
进而可以获知L(A→D)=1,L(B→D)=1等用户之间的交易距离。K=1时具体如表8所示:
seller_id | buyer_id | Dis |
A | B | 1 |
A | C | 1 |
B | D | 1 |
B | E | 1 |
C | B | 1 |
C | D | 1 |
E | D | 1 |
表8
表8为1_payment的数据表,将数据表8与数据表4进行关联,其中关联条件为表8中买家作为表4中的卖家。从而获取全部交易距离为2的数据表。
在该实例中,最终可以得到如下新的路径:
A→B→E;
A→C→D;
A→C→B;
B→E→D;
C→B→E;
C→B→D;
将这些信息记录到临时交易距离的数据表中,具体如表9所示:
seller_id | buyer_id | Dis |
A | E | 2 |
A | D | 2 |
A | B | 2 |
B | D | 2 |
C | E | 2 |
C | D | 2 |
表9
在表9已得到用户之间交易距离为2的临时表,此时还需要对表9中的部分结果进行删除处理,例如A用户到B用户的交易距离为1,但是在表9中A用户到B用户的交易距离还可以为2,此时系统将表9中A用户到B用户交易距离为2的情况删除。若是卖家和买家的ID相同时,此时系统也会将此情况进行删除。通过将这些情况下的记录删除之后,得到最终的2_payment表,如表10所示:
seller_id | buyer_id | Dis |
A | E | 2 |
A | D | 2 |
C | E | 2 |
表10
在表10的基础上,若系统需要继续获取交易距离为3的路径,那么只需近一步将表10与表8进行关联,关联条件设置为表10中的买家作为表8中的卖家,依次类推,可以根据需求获得“3_交易”…“k_交易”的结果,即可以反复的通过k_payment递推出(k+1)_payment,从而保证了交易结果的可以很方便的实用于较大网络交易关系图中,当然在商友推荐系统中可以保存所有交易距离的数据表,也可以是根据用户的需求来生成对应的交易距离数据表。
在对活跃度、交易距离等数据确定之后,下面通过一具体的流程图来说明商友推荐系统发送信息的方法。
如图2所示为本申请一种信息发送方法的流程图,所述方法具体包括:
步骤101,获取第一用户终端的标识信息,根据所述标识信息选取与所述第一用户终端对应的目标用户群组。
在本申请实施例中第一用户终端是作为信息的获取方,并且在第一用户终端登录网站上时,网站中的系统将为第一用户终端返回对应的信息,该方式运用到网络交易平台中时,具体如下:
首先,第一用户终端作为买家登录交易网站时,商友推荐系统将获取第一用户终端的标识信息,该标识信息为第一用户终端与交易关系网络中的其他用户终端之间的交易距离,该交易距离是可以是用户输入的交易距离,也可以是商友推荐系统推荐的交易距离。
在获取到标识信息之后,在该商友推荐系统中建立有表7-表10这样的数据表,因此商友推荐系统能够结合交易距离为1的数据表以及交易关系网络获取到交易距离为2的数据表,并且每一个交易距离就对应具体的用户,那么第一用户终端作为买家在需要商友推荐系统推荐卖家时,商友推荐系统将根据用户在步骤101中输入的交易距离,确定该交易距离对应的目标用户,并将这些目标用户组成一目标用户群组。
步骤102,获取所述目标用户群组中每个用户的评级值。
系统在执行步骤102之前,商友推荐系统首先要判定第一用户终端中的标识信息是否为用于标识第一用户终端与所述目标用户群组中的任一用户终端之间能够通过至少一个其他用户终端建立信息交互关系的信息,简单的来说就是判定第一用户终端中用户输入的交易距离是否为大于等于2的交易距离。如果交易距离是小于2,则商友推荐系统将跳转到步骤105,如第一用户终端中的交易距离为大于等于2时,则商友推荐系统将执行步骤103。
另外,步骤102中的评级值包括交易关系网络中每个用户的活跃度评级值以及关联度评级值,当然,在步骤102中该评级值为活跃度评级值,该活跃度评级值能够通过表5以及表6获取。并且该活跃度评级值表示交易关系网络中的用户终端之间的信息交互的频繁度。
具体来说,本申请中的活跃度评级值与关联度评级值的获取方法包括:
将获取的所述每个用户终端的活跃度按照由大到小顺序进行排序,并按照预设的百分比划分为多个等级,每个等级的等级数对应为该等级的活跃度评级值。例如,在表5中,卖家A、B、C、E用户的活跃度分别为3.6、4.8、4.4、1.2,因此,按照大小顺序进行排序后位B:4.8>C:4.4>A:3.6>E:1.2,进而按照预设的百分比进行划分,该处的百分比可以是10%、20%等比列,当然可以根据用户的需求进行设定,由于在本申请的实施例所举的例子中用户数较少,因此是直接按照25%进行划分,具体来说则是将B划分为等级5,当然在该等级的卖家活跃度评级值就为5,然后C用户划分为等级4,C用户的活跃度评级值就为4,A用户划分为等3,A用户的活跃度评级值就为3,E用户划分为等级2,则E用户的活跃度评级值就为2,当然在本申请实施例中A、B、C、D、E可以是包括一个群组。
在确定完活跃度评级值之后,该商友推荐系统将交易关系网络中每个用户终端与第一用户终端之间的信息交互次数按照由大到小顺序进行排序,根据排序的结果获取每个用户终端的关联度评级值,具体来说,例如,在表4中,A、B、C、E用户与D用户之间的交易次数分别为0、14、22、6,此时按照由大到小的顺序排列的结果为C:22>B:14>E:18>A:0。在排序完成之后,商友推荐系统将按照一定的百分比进行等级划分,在本申请实施例中按照25%的比例进行划分,按照由大到小的顺序C用户为前25%,因此C用户划分为5等级,C用户对应的关联度评级值就为5,同理B用户划分为4等级,B用户对应的关联度评级值就为4,E用户的关联度评级值就为3,A用户的关联度评级值就为2。
在完成活跃度评级值与关联度评级值之后,商友推荐系统将进行下面的步骤。
步骤103,将所述目标用户群组中各用户终端的评级值与预设评级值进行比较。
商友推荐系统将步骤103中确定的目标用户群组中每个用户终端对应的评级值与预设的评级值进行比较,具体来讲,在本申请的实施例中该评级值为活跃度评级值,进而在商友推荐系统中也对应的设置有一预设的活跃度评级值,该预设的活跃度评级值能够根据实际的需求进行设定,例如,A、B、C、E对应的活跃度评级值分别为3、5、4、2,并且在商友推荐系统中的预设活跃度评级值为3,也就是说活跃度评级值大于等于3的用户终端将被保留,而活跃度评级值小于3的用户将被剔除。
步骤104,将所述目标用户群组中大于所述预设评级值的用户终端的信息发送给所述第一用户终端。
步骤105,获取目标用户群组中每个用户终端的推荐系数。
在步骤103中,商友推荐系统已经确定了交易关系网络中每个用户终端对应的活跃度评级值以及关联度评级值,此时,根据获取活跃度评级值和关联度评级值能够确定每个用户对应的推荐,具体来说,例如本申请实施例中的A、B、C、E用户,此时作为第一用户终端的D用户需要商友推荐系统推荐对应的卖家给自身,因此,商友推荐系统将确定D用户对应的A用户的推荐系数,具体的计算如下:
其中dact表示用户终端的活跃度评级值,drel表示关联度评级值。dact表示为A用户的活跃度评级值为3,drel表示A与D之间的关联度评级值2,进而该推荐系数进而对于D用户,A用户的推荐系数就为1.7
同理,D用户与B用户之间的推荐系数为4.4,D用户与C用户之间的推荐系数为4.4,D用户与E用户之间的推荐系数为2.4。
商友推荐系统在完成推荐系数的确定之后,再进行下面的步骤:
步骤106,将所述目标用户终端群组中每个用户终端的推荐系数与预设推荐系数进行比较。
在商友推荐系统中设置一预设的推荐系数,在本申请实施例中推荐系数设置为3.0,也就是说用户的推荐系数在3.0以下的用户将不会被推荐给用户终端,举例来说就是,相对于D用户,A、B、C、E的推荐系数分别为1.7、4.4、4.4、2.4,超过预设阈值的就只有B、C用户,从而确定B、C用户为向D用户推荐的最终用户。
步骤107,将所述目标群组中推荐系数大于预设推荐系数的用户终端对应的信息发送给所述第一用户终端。
最后,商友推荐系统在步骤106确定好用户终端之后,将调取该用户终端对应的详细信息,并将该详细信息发送给第一用户终端。
另外,在本申请实施例中为了使得系统发送信息的准确性以及有效性,在执行步骤103之前还可以包括:
获取目标用户群组中每个用户的行业信息,该行业信息表示在交易关系网络中每个用户交易记录中所购买商品所属的行业领域,从而通过该记录就可以确定目标用户群组中每个用户对应的行业信息。
将第一用户终端的行业信息与目标用户群组中每个用户终端的行业信息进行比较,从目标用户群组中确定与第一用户的行业信息相同的多个用户终端,并形成行业群组,在该处的行业信息相同可以是行业之间的近似度大于一定范围时,则商友推荐系统将该两个行业信息判定为相同的行业信息,因此,此处的行业信息相同并不是行业信息完全一样。
其中,目标用户群组中的每个用户终端的行业信息为每个用户终端所出售商品所属的行业。
在商友推荐系统已获取到交易关系网络中每个用户终端对应的行业信息之后,进而商友推荐系统将第一用户终端的行业信息与交易关系网络中每个用户终端的行业信息进行比比较,并将与第一用户终端的行业信息相同的用户终端选取出来,将选取出来的用户终端形成一行业群组。例如,第一用户终端对应的用户是从事服装行业,因此商友推荐系统将选取交易关系网络中从事服装行业的用户终端筛选出来,并形成一行业群组。
通过确定目标用户群组中每个用户的行业信息使得系统能够更加准确的将用户信息发送给对应的终端,并且提高了系统的工作效率。
本申请还提供了一种信息发送的系统(如图3所示),所述系统包括:
获取单元301,用于获取第一用户终端的标识信息,根据所述标识信息选取与所述第一用户终端对应的目标用户群组;
评级值获取单元302,用于若所述标识信息用于标示第一用户终端与所述目标用户群组中的任一用户终端之间能够通过至少一个其他用户终端建立信息交互关系时,获取所述目标用户群组中每个用户的评级值,其中,所述至少一个其他用户终端直接与所述第一终端或者所述目标群组终端任一用户终端交互,所述评级值用于标示所述目标用户群组中的每个用户终端与其他用户终端之间的信息交互频繁度;
评级值比较单元303,用于将所述目标用户群组中各用户终端的评级值与预设评级值进行比较;
发送单元304,用于将所述目标用户群组中大于所述预设评级值的用户终请的精神和范围。这样,倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内,则本申请也意图包含这些改动和变型在内。
Claims (12)
1.一种信息的发送方法,其特征在于,包括:
获取第一用户终端的标识信息,根据所述标识信息选取与所述第一用户终端对应的目标用户群组;
若所述标识信息用于标示第一用户终端与所述目标用户群组中的任一用户终端之间能够通过至少一个其他用户终端建立信息交互关系时,获取所述目标用户群组中每个用户的评级值,其中,所述至少一个其他用户终端直接与所述第一用户终端或者所述目标用户群组中的任一用户终端交互,所述评级值用于标示所述目标用户群组中的每个用户终端与其他用户终端之间的信息交互频繁度;
将所述目标用户群组中各用户终端的评级值与预设评级值进行比较;
将所述目标用户群组中大于所述预设评级值的用户终端的信息发送给所述第一用户终端。
2.如权利要求1所述的方法,其特征在于,所述方法还包括:
获取所述目标用户群组中每个用户的行业信息;
将所述第一用户终端的行业信息与所述目标用户群组中的每个用户终端的行业信息进行比较,以从所述目标用户群组中确定与所述第一用户终端的行业信息相同的多个用户终端,并形成行业群组;
将所述行业群组中各用户终端的评级值与预设评级值进行比较。
3.如权利要求2所述的方法,在所述获取第一用户终端的标识信息和行业信息之前,其特征在于,包括:
获取一预设时间段内所有用户终端的信息交互数据,所述信息交互数据中包括用户终端标识以及用户终端之间的信息交互次数,并根据所述信息交互数据生成信息交互网络数据表;
根据所述信息交互数据中的信息交互次数与总用户终端量的比值获取每个用户终端的活跃度,所述活跃度用于标示所述用户终端之间信息交互的频繁度。
4.如权利要求3所述的方法,其特征在于,在根据所述信息交互数据中的信息交互次数与总用户终端量的比值获取所述每个用户终端的活跃度之后,包括:
将获取的所述每个用户终端的活跃度按照由大到小顺序进行排序,根据排序的结果获取每个用户终端的活跃度评级值;
将获取的所述每个用户终端与第一用户终端之间的信息交互次数按照由大到小顺序进行排序,根据排序的结果获取每个用户终端的关联度评级值;
根据所述活跃度评级值以及所述关联度评级值获取目标用户群组中每个用户终端的推荐系数。
5.如权利要求4所述的方法,其特征在于,所述将获取的所述每个用户终端的活跃度按照由大到小顺序进行排序,根据所述排序的结果获取每个用户终端的活跃度评级值,包括:
将获取的所述每个用户终端的活跃度按照由大到小的顺序进行排序,并按照预设的百分比划分为多个等级,每个等级的等级数对应为该等级的活跃度评级值。
6.如权利要求4所述的方法,其特征在于,所述将获取的所述每个用户终端与第一用户终端之间的信息交互次数按照由大到小顺序进行排序,根据排序的结果获取每个用户终端的关联度评级值,包括:
将获取的所述每个用户终端与第一用户终端之间的信息交互次数按照由大到小的顺序进行排序,并将排序完成的信息交互次数按照预设百分比划分为多个等级,每个等级的等级数对应为该等级的关联度评级值。
7.如权利要求6所述的方法,其特征在于,在所述将获取的所述每个用户终端与第一用户终端之间的信息交互次数按照由大到小的顺序进行排序,并将排序完成的信息交互次数按照预设百分比划分为多个等级之后,包括:
将获取任一等级所包含的用户终端对应的所述活跃度评级值以及任一等级的关联度评级值的几何平均数;
将所述几何平均数作为所述任一等级的推荐系数。
8.如权利要求7所述的方法,其特征在于,所述将所述行业群组中各用户终端的评级值与预设评级值进行比较,具体为:
将所述行业群组中的每个用户终端的所述活跃度评级值与预设的活跃度评级值进行比较。
9.如权利要求1所述的方法,其特征在于,还包括:
若所述标识信息用于标示第一用户终端与所述目标用户群组中的用户终端直接信息交互时,将获取所述目标用户群组中每个用户终端的推荐系数;
将所述目标用户群组中每个用户终端的推荐系数与预设推荐系数进行比较;
将所述目标用户群组中推荐系数大于预设推荐系数的用户终端对应的信息发送给所述第一用户终端。
10.如权利要求3~8任一权项所述的方法,其特征在于,若所述标识信息用于标示第一用户终端与所述目标用户群组中的任一用户终端之间能够通过至少一个其他用户终端建立信息交互关系,包括:
获取所述信息交互网络数据表中直接建立信息交互所对应的用户终端,并生成一关系数据表,其中,所述关系数据表为建立信息交互的用户终端对应的数据表;
将所述关系数据表与所述信息交互网络数据表进行关联,获取临时的第一关系数据表;
将所述第一关系数据表中与所述关系数据表中相同的数据,以及第一关系数据表中存在相同用户终端名的数据删除,获取第二关系数据表;
在所述第二关系数据表中插入信息交互特征值,根据所述信息交互特征值生成第三关系数据表;
将所述第三关系数据表与所述关系数据表合并,生成间接关系数据表。
11.一种信息发送的系统,其特征在于,所述系统包括:
获取单元,获取第一用户终端的标识信息,根据所述标识信息选取与所述第一用户终端对应的目标用户群组;
评级值获取单元,用于若所述标识信息用于标示第一用户终端与所述目标用户群组中的任一用户终端之间能够通过至少一个其他用户终端建立信息交互关系时,获取所述目标用户群组中每个用户的评级值,其中,所述至少一个其他用户终端直接与所述第一用户终端或者所述目标用户群组中的任一用户终端交互,所述评级值用于标示所述目标用户群组中的每个用户终端与其他用户终端之间的信息交互频繁度;
评级值比较单元,用于将所述目标用户群组中各用户终端的评级值与预设评级值进行比较;
发送单元,用于将所述目标用户群组中大于所述预设评级值的用户终端的信息发送给所述第一用户终端。
12.如权利要求11所述的系统,其特征在于,所述系统还包括:
行业信息获取单元,用于获取所述目标用户群组中每个用户的行业信息;
行业信息比较单元,用于将所述第一用户终端的行业信息与所述目标用户群组中的每个用户终端的行业信息进行比较,以从所述目标用户群组中确定与所述第一用户终端的行业信息相同的多个用户终端,并形成行业群组;
第一评级值比较单元,将所述行业群组中各用户终端的评级值与预设评级值进行比较。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210140901.1A CN103391302B (zh) | 2012-05-08 | 2012-05-08 | 一种信息发送的方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210140901.1A CN103391302B (zh) | 2012-05-08 | 2012-05-08 | 一种信息发送的方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103391302A CN103391302A (zh) | 2013-11-13 |
CN103391302B true CN103391302B (zh) | 2017-04-12 |
Family
ID=49535459
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210140901.1A Active CN103391302B (zh) | 2012-05-08 | 2012-05-08 | 一种信息发送的方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103391302B (zh) |
Families Citing this family (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103684807A (zh) * | 2013-12-10 | 2014-03-26 | 小米科技有限责任公司 | 标记群成员信息的方法、装置、终端设备及服务器 |
WO2015094417A1 (en) * | 2013-12-20 | 2015-06-25 | The Dun & Bradstreet Corporation | Discovering a business relationship network, and assessing a relevance of a relationship |
CN105302809B (zh) | 2014-06-10 | 2020-01-10 | 腾讯科技(深圳)有限公司 | 群组用户等级关联方法和系统 |
CN104602131A (zh) * | 2015-02-16 | 2015-05-06 | 腾讯科技(北京)有限公司 | 一种弹幕处理方法及系统 |
CN106487636B (zh) * | 2015-08-25 | 2019-11-19 | 阿里巴巴集团控股有限公司 | 网络关系数据处理、用户信息及业务信息推送方法和设备 |
CN107545448A (zh) * | 2016-06-24 | 2018-01-05 | 南京中兴软件有限责任公司 | 商品显示方法、装置及系统 |
CN106776707A (zh) * | 2016-11-11 | 2017-05-31 | 百度在线网络技术(北京)有限公司 | 信息推送的方法和装置 |
CN106997396B (zh) * | 2017-04-14 | 2020-03-13 | 徐燮鹏 | 供需信息互联方法及系统 |
CN108304428A (zh) * | 2017-04-27 | 2018-07-20 | 腾讯科技(深圳)有限公司 | 信息推荐方法及装置 |
CN108460073A (zh) * | 2017-12-27 | 2018-08-28 | 广州市百果园信息技术有限公司 | 群组推荐方法、存储介质和服务器 |
CN110719195B (zh) * | 2019-09-23 | 2022-06-03 | 深圳空投网络有限公司 | 一种基于数字化服务社群的群组协作共享系统及工作方法 |
CN112988709A (zh) * | 2021-03-15 | 2021-06-18 | 成都乐动信息技术有限公司 | 一种数据排序方法、装置、电子设备及存储介质 |
CN113742603B (zh) * | 2021-04-19 | 2023-09-05 | 重庆邮电大学 | 一种对象推荐方法、装置、系统及电子设备 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101453472A (zh) * | 2005-11-09 | 2009-06-10 | 华为技术有限公司 | 关系信息的公开、获取方法及系统 |
CN101540739A (zh) * | 2009-04-14 | 2009-09-23 | 腾讯科技(深圳)有限公司 | 用户推荐方法及用户推荐系统 |
CN102035891A (zh) * | 2010-12-17 | 2011-04-27 | 百度在线网络技术(北京)有限公司 | 一种网络交友平台中推荐好友的方法和装置 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN100521611C (zh) * | 2006-12-13 | 2009-07-29 | 腾讯科技(深圳)有限公司 | 一种sns社区中推荐朋友的方法及系统 |
CN101321183B (zh) * | 2008-06-30 | 2011-07-06 | 刘鑫 | 一种可信任的社会关系推荐系统及其运行方法 |
-
2012
- 2012-05-08 CN CN201210140901.1A patent/CN103391302B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101453472A (zh) * | 2005-11-09 | 2009-06-10 | 华为技术有限公司 | 关系信息的公开、获取方法及系统 |
CN101540739A (zh) * | 2009-04-14 | 2009-09-23 | 腾讯科技(深圳)有限公司 | 用户推荐方法及用户推荐系统 |
CN102035891A (zh) * | 2010-12-17 | 2011-04-27 | 百度在线网络技术(北京)有限公司 | 一种网络交友平台中推荐好友的方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN103391302A (zh) | 2013-11-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103391302B (zh) | 一种信息发送的方法及系统 | |
CN103164804B (zh) | 一种个性化的信息推送方法及装置 | |
CN103841122B (zh) | 目标对象信息推荐方法、服务器及客户端 | |
JP5186570B2 (ja) | ソーシャルネットワーキングウェブサイトにおいて別のドメインでの行動についての情報を通信すること | |
JP5186569B2 (ja) | ソーシャルネットワーキングウェブサイト上の社交的広告および他の情報メッセージ、ならびにその広告モデル | |
JP5596152B2 (ja) | 電子商取引ウェブサイトでの情報マッチングの方法及びシステム | |
US8572169B2 (en) | System, apparatus and method for discovery of music within a social network | |
US9213733B2 (en) | Computerized internet search system and method | |
CN102959572A (zh) | 信息提供装置、信息提供方法、信息提供程序以及记录了信息提供程序的记录介质 | |
CN103617289A (zh) | 基于用户特征及网络关系的微博推荐方法 | |
CN101454771A (zh) | 基于使用多媒体调查特征匹配以划分和标记个体的系统和方法 | |
CN105956891A (zh) | 一种通过分享免费获取商家商品的方法 | |
CN110598103B (zh) | 一种内容聚合方法、装置、计算机设备和存储介质 | |
CN102385727A (zh) | Id价值评价设备,id价值评价系统和id价值评价方法 | |
CN109791665A (zh) | 反馈式sns用户信息传播能力评估服务器 | |
KR101737919B1 (ko) | Sns를 통한 상품체험 대상자를 선정하는 알고리즘을 이용한 광고 방법 | |
CN103377443A (zh) | 网络交易平台及其处理方法 | |
CN108876537A (zh) | 一种用于网上商场系统的混合推荐方法 | |
CN110197404A (zh) | 可降低流行度偏差的个性化长尾商品推荐方法和系统 | |
CN103971256A (zh) | 一种信息推送方法及设备 | |
CN109767302B (zh) | 大数据精准模型的构建方法及装置 | |
CN110993084A (zh) | 一种对象排序方法、装置、设备及可读存储介质 | |
JPWO2002029634A1 (ja) | 分散コンピュータにおける情報の検索・収集・配信方法 | |
US20050033654A1 (en) | Online shopping method and system | |
CN104268765A (zh) | 一种基于移动互联技术的需求驱动的即时交易系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 1188658 Country of ref document: HK |
|
GR01 | Patent grant | ||
GR01 | Patent grant | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: GR Ref document number: 1188658 Country of ref document: HK |