CN103473244A - 用于推荐应用组合中使用的应用的设备和方法 - Google Patents
用于推荐应用组合中使用的应用的设备和方法 Download PDFInfo
- Publication number
- CN103473244A CN103473244A CN2012101895185A CN201210189518A CN103473244A CN 103473244 A CN103473244 A CN 103473244A CN 2012101895185 A CN2012101895185 A CN 2012101895185A CN 201210189518 A CN201210189518 A CN 201210189518A CN 103473244 A CN103473244 A CN 103473244A
- Authority
- CN
- China
- Prior art keywords
- user
- application
- information
- similarity
- candidate
- 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
Abstract
本发明公开了一种用于推荐应用组合中使用的应用的设备和方法,所述设备包括:候选应用集合获取装置,被配置为基于当前用户的应用组合中已经确定的至少一个应用以及在前用户使用过的应用组合,获得作为当前用户的应用组合的下一个应用的候选的候选应用的集合;用户信息获取装置,被配置为获取当前用户以及候选应用对应的在前用户的环境信息、用户关系信息和兴趣信息中的至少一个;相似度计算装置,被配置为计算当前用户与候选应用对应的在前用户的环境信息、社会关系信息和兴趣信息中的至少一个的相似度;排序装置,被配置为按照相似度对候选应用进行排序。
Description
技术领域
本发明总体上涉及网络技术领域,具体地,涉及一种应用组合技术。更具体地,涉及一种用于推荐应用组合中使用的应用的方法和设备。
背景技术
随着各种网络应用的广泛应用,出现了越来越多的基于图像的可视化组合工具,比如Yahoo Pipes和Flow Editor。这些工具极大地方便了用户组合各种应用。但是对于没有组合经验的用户来说,当他想利用这些工具组合服务时,比如做一个旅游计划,可能难以从大量的应用中选择所需要的应用。因此,需要一种推荐机制,在用户进行应用组合时,该机制可以实时提供一个推荐列表。
目前,已经提出了几种解决方法。第一种方法是通过已经选择的应用的输入/输出/前提条件/效果(IOPE)的过滤来推荐列表,但是这种方法过滤条件比较有限,并且过滤后的每个应用的得分都一样,无法体现推荐的优先顺序。第二种方法借助应用提供者的网络活跃度作为应用的服务质量(QoS)指标来排序,但在排序过程中并没有考虑到用户的需求。第三种方法是从大量组合应用中挖掘常用的组合序列,然后推荐使用最频繁的序列。这种方法考虑了社会因素,但它将组合应用的平台作为社会因素的训练平台,并且认为如果两个用户选择了相同的应用就说明他们的兴趣相同,这对于没有经验的用户来说是不合适的,并且也缺乏用户个性化的考虑。
鉴于此,本发明提出了一种用于推荐应用组合中使用的应用时进行排序的方法和设备。该方法和设备不仅考虑了所有用户的共同点,也考虑了用户的个性化信息。
发明内容
在下文中给出了关于本发明的简要概述,以便提供关于本发明的某些方面的基本理解。应当理解,这个概述并不是关于本发明的穷举性概述。它并不是意图确定本发明的关键或重要部分,也不是意图限定本发明的范围。其目的仅仅是以简化的形式给出某些概念,以此作为稍后论述的更详细描述的前序。
鉴于背景技术部分所述的需求,本发明关注于在考虑所有用户的共同点和用户的个性化信息的情况下如何进行应用的推荐。
因此,根据本发明的一个方面,提供了一种用于推荐应用组合中使用的应用的设备,包括:候选应用集合获取装置,被配置为基于当前用户的应用组合中已经确定的至少一个应用以及在前用户使用过的应用组合,获得作为所述当前用户的应用组合的下一个应用的候选的候选应用的集合;用户信息获取装置,被配置为获取所述当前用户以及所述候选应用对应的在前用户的环境信息、用户关系信息和兴趣信息中的至少一个;相似度计算装置,被配置为计算所述当前用户与所述候选应用对应的在前用户的环境信息、社会关系信息和兴趣信息中的至少一个的相似度;排序装置,被配置为按照所述相似度对所述候选应用进行排序。
根据本发明的另一个方面,提供了一种用于推荐应用组合中使用的应用的方法,包括:基于当前用户的应用组合中已经确定的至少一个应用以及在前用户使用过的应用组合,获得作为所述当前用户的应用组合的下一个应用的候选的候选应用的集合;获取所述当前用户以及所述候选应用对应的在前用户的环境信息、用户关系信息和兴趣信息中的至少一个;计算所述当前用户与所述候选应用对应的在前用户的环境信息、社会关系信息和兴趣信息中的至少一个的相似度;按照所述相似度对所述候选应用进行排序。
依据本发明的其它方面,还提供了相应的计算机程序代码、计算机可读存储介质和计算机程序产品。
通过以下结合附图对本发明的优选实施例的详细说明,本发明的这些以及其他优点将更加明显。
附图说明
为了进一步阐述本发明的以上和其它优点和特征,下面结合附图对本发明的具体实施方式作进一步详细的说明。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。具有相同的功能和结构的元件用相同的参考标号表示。应当理解,这些附图仅描述本发明的典型示例,而不应看作是对本发明的范围的限定。在附图中:
图1是示出了根据本发明的实施例的应用糅合设备的示意性框图;
图2是示出了根据本发明的实施例的用户社会关系的类型的示意图;
图3是示出了根据本发明的实施例的用户社会特征本体库的模型的示意图;
图4是示出了根据本发明的实施例的应用推荐设备的结构框图;
图5是示出了图4中的应用推荐设备的具体结构的框图;
图6是示出了根据本发明的实施例的IOPE过滤算法的图;
图7是示出了根据本发明的实施例的利用API提取的JSON(Java脚本对象符号)格式的用户社会关系信息的示例的图;
图8是示出了根据本发明的实施例的对用户社会关系进行分类的算法的图;
图9是示出了采用图8的算法对用户社会关系分类的结果的示例的图;
图10是示出了根据本发明的实施例的利用API提取的JSON格式的用户发表及转发的文本信息的示例的图;
图11是示出了根据本发明的实施例的提取用户的兴趣向量的算法的图;
图12是示出了根据本发明的实施例的用于推荐应用组合中使用的应用的方法的流程图;
图13是示出了根据本发明的实施例的用于推荐应用组合中使用的应用的方法的实例的图;以及
图14是其中可以实现根据本发明的实施例的方法和/或设备的通用个人计算机的示例性结构的框图。
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设备结构和/或处理步骤,而省略了与本发明关系不大的其他细节。
下文中的描述按如下顺序进行:
1.基于应用推荐的应用糅合设备的基本结构
2.用户信息
2-1.用户环境信息
2-2.社会关系信息
2-3.兴趣信息
3.应用推荐设备
3-1.候选应用集合获取装置
3-2.用户信息获取装置
3-3.相似度计算装置
3-4.排序装置
4.推荐应用组合中使用的应用的方法
5.用以实施本申请的设备和方法的计算设备
[1.基于应用推荐的应用糅合设备的基本结构]
首先,参照图1描述基于应用推荐的应用糅合设备100的基本结构。用户101通过基于图像的糅合平台110中的糅合用户接口112与应用糅合设备100进行交互来完成应用糅合(组合)。
首先,用户101在糅合平台110中拖入一个或多个应用作为当前已组合的应用111,糅合平台110将当前已组合的应用111传递给应用推荐设备120,应用推荐设备120被配置为进行如下操作:首先,基于当前已组合的应用111对应用库中的应用进行过滤,得到过滤后的应用列表;然后,利用用户信息对过滤后的应用进行排序;将排序后的应用列表传递回糅合平台110。用户101可以通过糅合用户接口112选择所需要的应用。上述过程是在线进行的。
其中,所考虑的用户信息包括用户的环境信息、社会关系信息和兴趣信息中的至少一个。这些信息可以从预先存储的本地数据库中获得,也可以在线获得。应用推荐设备120从已经组合好的应用资源库中挖掘出后续应用推荐列表,然后利用上述用户信息对后续应用推荐列表进行排序。
如上所述,应用推荐设备120基于用户已组合好的应用,在利用其他用户的组合经验的同时考虑了用户的个性化信息对候选应用进行排序,使得没有组合经验的用户也可以得到准确的应用推荐。由此可见,用户信息的选择和构建方式是应用推荐准确性的重要因素。因此,接下来首先详细说明本发明的实施例所使用的用户信息。
[2.用户信息]
<2-1.用户环境信息>
用户的环境信息可以包括时间、地点、天气等。在本实施例中,将用户的环境信息作为一个考虑因素是因为,如果两个组合用户的环境相差很远,则可能不适合将一个用户的组合推荐给另一个用户。例如,如果一个用户在夏天组合了一个旅游计划,则在冬天的时候应用推荐设备120就不能将这些组合推荐给他的朋友,因为旅游的目的地可能已经被大雪覆盖了。
作为一个示例,用户环境信息包括组合的时间、当前天气以及用户的地理位置信息。显然,用户环境信息并不限于此,还可以有其他根据推荐的要求而定的适当的组合。
具体地,在本实施例中,将系统时间作为用户组合时间,比如可以切换为自Unix纪元起的秒数。例如,系统时间为“2011-09-09 08:30:37”代表组合时间为‘1315528237’。当然,可以采用其他任何形式来表示组合时间。
另外,当前的天气状况为用户在组合应用时户外的天气状况。很多公共服务如谷歌提供查询天气情况的应用程序接口(API)。在本实施例中,仅考虑温度,如24℃。应该理解,可以采用其他类型的天气情况表示,例如阴晴等。
如果用户是在手机平台上组合应用的,则通过手机全球定位系统(GPS)信号可以方便地获取用户的地理位置。如果用户是在个人计算机(PC)平台上组合应用的,则可以通过网络互联网协议(IP)地址获得用户的地理位置。目前也有很多公共API可以通过IP地址反馈用户的经度及纬度信息,例如,谷歌地图及http://www.maxmind.com/上的网络服务等。地点的表示并不限于经度和纬度,可以采用其他表示,例如国家地区的表示等。
优选地,本实施例中采用如下具体形式的用户环境信息集合:用户环境信息={时间,温度,{经度,纬度}}。
用户的环境信息与该用户使用过的应用组合相关。在本发明的一个实施例中,二者相关联地存储在已组合好的应用资源库中供应用推荐设备120使用。另外,用户的环境信息也可以在线获取。下表1示出了已组合好的应用资源库的格式的示例。
表1已组合好的应用资源库格式
UID | 环境信息集合 | 组合顺序 |
U1=1404376560 | C1=(1315363496,10℃,(108.33,22.84)) | S1→S2→S3→S4→S5 |
U2=1148805824 | C2=(1319532022,26℃,(120.62,31.32)) | S1→S3→S4→S2 |
…… | …… | …… |
其中,UID表示用户标识(ID),用于标识用户的身份。环境信息集合中各项的含义如上所述。组合顺序表示该用户组合应用时使用应用的顺序,S1至S5分别表示不同的应用。可以理解,表1仅是一个存储的示例,事实上,可以采用其他的形式,只要建立用户、环境信息和应用组合之间的关联即可。
<2-2.社会关系信息>
用户社会关系信息定义了当前用户与其他用户的亲密程度,它是一个抽象的类别,可以定义多个具体实例。作为一个示例,图2中定义了6个具体实例,分别是家人、朋友、同事、同学、认识的人、陌生人等。它们的亲密程度是由高到低的,即家人>朋友>同事=同学>认识的人>陌生人。
如图2所示,用户社会关系可以包含一个属性“hasDegree”,其取值范围为[0,1.0],取值越大,表明关系越亲密。例如,家人的关系最亲密,为1.0;而陌生人的关系最疏远,为0.5。
<2-3.兴趣信息>
兴趣信息反映了用户的兴趣爱好,在本实施例中用兴趣向量表示,兴趣向量由一系列关键词以及它们相应的权重信息构成。
此外,用户的社会关系信息和兴趣信息通过从社交网络(比如新浪微博、Facebook及Linkedin.com等)中提取的资源训练得到。该过程可以离线或在线进行。
在根据本发明的一个实施例中,可以将用户的社会关系信息和兴趣信息预先存储在用户社会特征本体库中,供应用推荐设备120查询。并且采用定时器122来定时更新该用户社会特征本体库,这是因为用户的社会关系和兴趣爱好是随着时间变化的,比如由于工作单位的变化而引起的同事的加入以及研究方向的变化等。更新的间隔可以根据对推荐应用的准确度的要求来设置,例如可以设置为1天或是1个月。可以理解,本体库更新越及时,推荐的应用就会越准确。
图3示出了用户社会特征本体库模型的一个示例。该本体库包括两个本体类型:“用户社会关系”和“兴趣向量”。
[3.应用推荐设备]
以上详细描述了本发明的实施例所使用的各种用户信息。下面将参照图4描述应用推荐设备120的配置和功能。
如图4所示,根据本发明的一个实施例的应用推荐设备120包括候选应用集合获取装置121、用户信息获取装置122、相似度计算装置123和排序装置124。
其中,候选应用集合获取装置121被配置为基于当前用户已经组合好的至少一个应用以及在前用户使用过的应用组合,获得作为当前用户的应用组合的下一个应用的候选的候选应用的集合。用户信息获取装置122被配置为获取当前用户以及候选应用对应的在前用户的环境信息、用户关系信息和兴趣信息中的至少一个。相似度计算装置123被配置为计算当前用户与候选应用对应的在前用户的环境信息、社会关系信息和兴趣信息中的至少一个的相似度。排序装置124被配置为按照所计算出的相似度对候选应用进行排序。
下面参照图5详细描述上述各个装置的配置和功能。
<3-1.候选应用集合获取装置>
如图5所示,候选应用集合获取装置121被配置为基于从糅合平台110传递过来的当前用户已经组合好的至少一个应用以及在前用户使用过的应用组合,获得作为当前用户的应用组合的下一个应用的候选的候选应用的集合。
具体地,候选应用集合获取装置121基于当前已组合的一个或者更多个应用,对应用库中的所有应用进行过滤,得到可以作为下一个应用的应用候选列表。
该过滤可以采用已有的各种过滤手段来实现,比如可以采用IOPE过滤。IOPE分别代表应用的输入、输出、前提条件和执行效果等。如果一个应用可以作为组合应用的下一个推荐,则必须满足如下几个条件:(1)应用输入值可以是用户自己填写,或者可以从下拉菜单中选择,或者从组合应用的输出传递过来;(2)如果应用中定义了前提条件,则前提条件中除了提前定义的输入或局部变量外的其他变量都必须能够满足。
IOPE过滤算法的一个示例如图6所示的算法1。在图6的算法1中,S代表应用资源库中的所有应用列表。定义O代表糅合平台110中已经组合的应用的输出类型的集合。算法1返回的SC是通过IOPE过滤输出的应用列表,它是S的一个子集。
如上所述,通过IOPE过滤获得了可以作为当前已组合应用的下一个应用的候选应用的列表。接下来,候选应用集合获取装置121通过参照使用过的应用组合来获得由有经验的用户推荐的后续列表。
如前面的表1所示,有经验的用户组合好应用之后,他的环境信息集合及组合的应用顺序可以保存在已组合好的应用资源库中。从该库中,候选应用集合获取装置121可以收集到一个应用集合,该集合中的每个应用之前都已经被用作当前已组合应用的后续,将其定义为后续推荐应用列表(RFS)。
每个后续应用都有关联的用户ID及用户环境信息集合。因为一个应用之前可能被多个用户作为后续应用组合过,所以可以将用户ID及用户环境信息集合与对应的应用关联起来。这样获得的RFS的结构如表2所示。其中,环境信息集合的构成可以如表1中所示。
表2后续推荐应用列表
后续应用 | <用户ID,环境信息集合> |
Si | (UIDi,1,Contexti,1),…,(UIDi,m,Contexti,m) |
Sj | (UIDj,1,Contextj,1),…,(UIDj,n,Contextj,n) |
… | … |
例如,当用户吉姆将S1拖入糅合平台110时,候选应用集合获取装置121可以从已组合好的应用资源库(例如,表1)中挖掘出后续推荐应用列表RFS={S2→(U1,C1),S3→(U2,C2)},当他选择S3之后,RFS={S4→((U1,C1),(U2,C2))}。
因此,候选应用集合获取装置121获得两个集合:后续推荐应用列表RFS和IOPE过滤后的应用列表SC,并将其分别提供给用户信息获取装置122和相似度计算装置123。
<3-2.用户信息获取装置>
如图5所示,用户信息获取装置122包括用户环境信息获取单元2001、社会关系信息获取单元2002和兴趣信息获取单元2003。在用户信息获取装置122从候选应用集合获取装置121获得后续推荐应用列表RFS之后,用户信息获取装置122针对RFS中的每一个候选应用及其相应的用户ID,获取对应的用户环境信息、社会关系信息和兴趣信息中的至少一个。
用户环境信息获取单元
用户环境信息获取单元2001获取当前用户和候选应用所对应的各个用户的环境信息。其中,用户环境信息获取单元2001可以如2-1中所述获取当前用户和候选应用所对应的用户的环境信息,也可以从表1中的已组合好的应用资源库中获取当前用户和候选应用对应的用户的环境信息集合。优选地,在本实施例中,采用后一种方式获得用户的环境信息集合。
社会关系信息获取单元
社会关系信息获取单元2001用于获取当前用户与其他用户之间的关系。如前所述,用户的社会关系信息通过从社交网络中提取的资源训练得到。具体地,假设进行应用糅合的用户采用相同的用户ID登录社交网络,比如采用单点登录技术。大多数社交网络都提供了开放的API,并且采用开放认证(OAuth)技术进行登录验证。因此,本发明的实施例利用这些API来提取用户的社会关系信息。
下面以新浪微博为例来说明该提取的过程。首先,利用新浪微博的公共API获取当前用户的所有关注者列表,返回结果为JSON格式,如图7所示。其中,’users’数组中的每个对象都是当前用户的一个关注者,且’group_name’属性值用来定义他们之间的社会关系。
由于’group_name’属性值是用户自己定义的,其值可能千变万化,所以采用WordNet语义字典中的同义词及近义词对用户社会关系进行分类,例如将其分到如前所述定义的6种类型之一中。具体地,可以采用例如如图8所示的分类算法2。其中,‘re’的返回值表示为6种类型之一的、当前用户与所述关注者(即,其他用户)之间的社会关系。
另外,利用‘re’的返回值,可以构建一个相应的个体信息关系并保存到用户社会特征本体库中。例如,如果用户Ua和用户Ub之间的关系分类之后为朋友,则如图9所示将它们之间的关系存储到用户社会特征本体库中。其中,用户Ub的指针被引用作为Ua的朋友值中。
优选地,经过大量训练之后,可以将若干个用户与其他用户之间的关系分别保存在社会特征本体库中,从而使得社会关系信息获取单元2001可以直接进行查询来抽取社会关系信息。
因此,社会关系信息获取单元2001的上述操作可以离线或者在线地进行。在本实施例中,优选地,采用离线方式。换言之,社会关系信息获取单元2001从预先训练得到的社会特征本体库中读取当前用户与候选应用对应的用户之间的社会关系。另外,如前所述,可以定时更新社会特征本体库中存储的社会关系信息。
兴趣信息获取单元
兴趣信息获取单元2003用于分别获取当前用户与候选应用对应的用户的兴趣向量。与社会关系信息的获取类似,用户的兴趣信息也是通过从社交网络中提取的资源训练得到的。
具体地,由于用户在社交网络中发表及转发的微博可以反映出用户的兴趣爱好,因此例如可以将用户发表及转发的所有文本信息作为训练资源库。训练资源库可以采用如下形式:
训练资源库={U1→text;U2→text;…;Um→text}。
其中,U1……Um分别代表不同的用户,text是对应用户发表及转发的文本信息。
这里仍然以新浪微博为例,来获取用户最近发表及转发的微博。结果也是JSON格式,图10示出了一个示例。每个用户的所有’text’被串联成一个字符串,从而得到如下的训练资源库:
‘zaku’:“这次旅游真不错,我很喜欢。特别是成都小吃很好吃…”
小明’:“参加这次云计算会议我受益匪浅。有谁参加过物联网会议?…”;
‘花花’:“外婆家的饭菜超级好吃!听说那个饭店的饭菜也不错…”
……
利用这些训练资源库,可以提取出用户的兴趣向量。例如可以采用如图11所示的算法3。该算法3对训练资源库中对应于各个用户的字符串进行分词并过滤停用词后的词汇列表,然后针对词汇列表中的每个词统计其在该用户的字符串中的词频及其在训练资源库中的文档频率,从而计算每个词的权重作为该用户对该词的兴趣向量。最终,对以上所示例的训练资源库应用该算法,可以输出如下兴趣向量:
‘zaku’:[“旅游”→0.2204,“成都小吃”→0.1915,“好吃”→0.1836,……];
‘小明’:[“参加”→0.2234,“云计算”→0.1856,“会议”→0.2483,“物联网”→0.1692,……];
‘花花’:[“外婆家”→0.1152,“饭菜”→0.2389,“饭店”→0.2041,“好吃”→0.1543,……];
优选地,可以将这些兴趣向量保存到用户社会特征本体库中,作为相应用户的兴趣向量。在使用时由兴趣信息获取单元2003从本体库中抽取。另外,如前所述,可以定时更新社会特征本体库中存储的兴趣向量。
可以理解,虽然在本实施例中,用户信息获取装置122包括三类信息的获取单元,但是本发明不限于此,用户信息获取装置122可以仅包括其中之一或任意两个的组合。
用户信息获取装置122将获得的用户信息提供给相似度计算装置123。
<3-3.相似度计算装置>
如图5所示,相似度计算装置123包括环境相似度计算单元3001、社会关系相似度计算单元3002和兴趣相似度计算单元3003。相似度计算装置123利用从用户信息获取装置122获取的相关信息计算各类相似度。
环境相似度计算单元
如前所述,在本实施例中,用户的环境信息集合包括时间、天气、经度和纬度。这4个因素可以看作4维向量。因此,在坐标空间中,每个用户的环境信息都可以看作是一个4维向量。向量之间的距离越短,说明这两个用户之间越相似。但是,实用中这些数据的维度可能过于稀疏,所以环境相似度计算单元3001首先对这些数据进行正规化处理。正规化处理的示例如下。
对时间的正规化处理公式为:
Ntime=log10(time) (1)
对天气(温度)的正规化处理公式为:
对纬度的正规化处理公式为:
对经度的正规化处理公式为:
值得说明的是,虽然以上示出了对环境向量的各个维度进行正规化处理的具体方式,但是并不限于此,可以采用其他适当的方式对各个维度进行正规化处理。例如,对上述诸公式可以进行各种数学上的变化,或者对上述公式中使用的常数加以调整,或者使用与上述公式类似的公式。
如果定义两个用户的环境信息如下(已经正规化处理过):
Ci={timei,weatheri,latitudei,longitudei}
Cj={timej,weatherj,latitudej,longitudej}
则环境相似度计算单元3001根据以下公式(5)来计算这两个用户之间的环境相似度。
其中, 表示Ci与Cj之间的距离。显然,环境相似度的计算方式不限于公式(5)所示,可以采用其他表达方式,如直接采用Ci与Cj之间的距离来表示等。
社会关系相似度计算单元
如前所述,社会关系信息获取单元2002获取了两个用户之间的关系类型,该关系类型属于预先定义的6种类型之一。因此,优选地,社会关系相似度计算单元3002被配置为对当前用户与候选用户对应的用户之间的社会关系按照预定规则赋值,作为社会关系相似度。该预定规则例如如图2中所示。
在实施中,可以采用其他形式的社会关系相似度表达方式,而不限于上述类型以及赋值方式。
另外,该社会关系相似度也可以预先存储在用户社会特征本体库中,从而由用户信息获取装置122直接提取获得并提供给社会关系相似度计算单元3002。
兴趣相似度计算单元
兴趣相似度计算单元3003利用用户信息获取装置122提供的兴趣向量计算两个用户之间的兴趣相似度。具体地,计算兴趣向量之间的余弦相似度作为对应的两个用户的兴趣爱好的相似度。
假设用户Ui和Uj的兴趣爱好向量分别如下:
Ui的兴趣爱好向量={termi,1→weighti,1,termi,2→weighti,2,…,termi,n→weighti,n}
Uj的兴趣爱好向量={termj,1→weightj,1,termj,2→weightj,2,…,termj,n→weightj,n}
其中,term表示代表兴趣爱好的词,weight表示相应的权重。
则兴趣相似度计算单元3003可以使用以下公式(6)来计算用户Ui和Uj之间的兴趣相似度。但是,公式(6)仅是一个示例,而不是对本发明的计算兴趣相似度的方式的限制。
可以理解,虽然在本实施例中,相似度计算装置123包括三类信息的相似度计算单元,但是本发明不限于此,相似度计算装置123可以仅包括其中之一或任意两个的组合。
相似度计算装置123将所获得的相似度提供给排序装置124,用于对各个候选应用排序。
<3-4.排序装置>
排序装置124利用从相似度计算装置123提供的相似度,对过滤后的应用列表SC以及后续推荐应用列表RFS中的各个应用进行排序。在本发明的一个实施例中,可以针对各个应用计算得分,然后对得分进行降序排列以得到要推荐给当前用户的应用列表。
具体地,对过滤后的应用列表SC={Si,i=1,…,m}中的每一个应用Si赋予初始得分,如果该应用Si存在于后续推荐应用列表RFS中,则针对RFS中与应用Si对应的用户ID及环境信息集合的组合中的每一个,在该初始得分上累加根据下式计算得到的得分:
Scorei+=Suc(Ci,Cj)+Scd(Ui,Uj)+Sui(Ui,Uj) (7)
其中,Ui代表当前组合用户,Ci代表当前组合用户的环境信息,Uj和Cj分别代表RFS中与应用Si对应的用户中的一个用户的用户ID及其组合的环境信息集合,Suc、Scd和Sui分别代表环境信息相似度、社会关系相似度和兴趣相似度。
此外,在一个优选实施例中,还可以对Suc、Scd和Sui进行加权,如公式(8)所示。
Scorei+=α*Suc(Ci,Cj)+β*Scd(Ui,Uj)+(1-α-β)*Sui(Ui,Uj) (8)
其中,α、β是权重,取值范围为[0,1.0],可以由工程师根据经验设定。
更进一步地,还可以在公式(8)中加入调节项Sadj,如公式(9)所示。调节项Sadj根据候选应用所对应的用户使用过的应用组合中在该候选应用之前的应用序列与当前用户已经确定的应用序列的一致程度确定,一致程度越高,则该项越大。
Scorei+=α*Suc(Ci,Cj)+β*Scd(Ui,Uj)+(1-α-β)*Sui(Ui,Uj)+Sadj (9)
该调节项Sadj使得排序装置124被配置为基于在前用户使用过的应用组合中在候选应用之前的应用序列以及当前用户的应用组合中已经确定的应用序列的相似度调整所述候选应用的分数。其含义是,例如,如果在前应用组合与当前用户的应用组合的前两项应用都是相同的,那么基于该在前应用组合所推荐的作为第三项应用的候选应用的分值应当高于下述情况下的分值:在前应用组合与当前用户的应用组合的仅第二项应用是相同的。
针对每一个应用Si重复以上操作,分别获得各自的得分。最终按所得到的得分降序排列的顺序排列过滤后的应用列表SC,并将重新排序后的列表推荐给用户。通过上述操作,该列表所反映的应用推荐顺序不仅考虑了在前用户的组合经验而且考虑了用户的个性化信息,能够更好地满足当前用户的推荐要求。
[4.推荐应用组合中使用的应用的方法]
以上结合附图描述了根据本发明的应用推荐设备的实施方式,在此过程中事实上也描述了一种推荐应用组合中使用的应用的方法。下面对所述方法结合附图予以简要描述,其中的细节可参见前文对应用推荐设备的描述。
如图12所示,根据本申请的一种用于推荐应用组合中使用的应用的方法。该方法包括以下步骤:基于当前用户的应用组合中已经确定的至少一个应用以及在前用户使用过的应用组合,获得作为所述当前用户的应用组合的下一个应用的候选的候选应用的集合(S11);获取所述当前用户以及所述候选应用对应的在前用户的环境信息、用户关系信息和兴趣信息中的至少一个(S12);计算所述当前用户与所述候选应用对应的在前用户的环境信息、社会关系信息和兴趣信息中的至少一个的相似度(S13);按照所述相似度对所述候选应用进行排序(S14)。通过执行上述步骤,当前用户可以获得考虑到在前用户的组合经验以及用户的个性化信息进行排序后的候选应用的列表。
在一种优选实施方式中,用户的社会关系信息和兴趣信息是从用户在社交网络(比如新浪微博、Facebook及Linkedin.com等)中的信息和活动中提取的。
在一种优选实施方式中,用户的环境信息包括时间、天气、纬度和经度中的至少一个,且环境信息中的至少一个构成环境信息向量,计算当前用户的环境信息向量和在前用户的环境信息向量之间的距离,作为环境信息的相似度。
在一种优选实施方式中,在计算当前用户的环境信息向量和在前用户的环境信息向量之间的距离之前对环境信息向量进行正规化处理。
在一种优选实施方式中,社会关系信息的相似度为当前用户与在前用户的亲密程度,将当前用户与在前用户之间的社会关系按照预定规则赋值,作为社会关系信息相似度。
在一种优选实施方式中,获取用户的兴趣信息包括离线或者在线地进行以下操作:获取用户在社交网络中发表和转发的内容;以及对所述内容分词,从而获得由词汇及其权重构成的兴趣向量,其中,计算用户的兴趣信息的相似度包括计算用户的兴趣向量之间的余弦相似度。
在一种优选实施方式中,对候选应用进行排序包括:对候选应用的集合中的每一个应用,计算其对应的在前用户与当前用户的环境信息相似度、社会关系信息相似度和兴趣信息相似度中的至少一个的累加值,作为该候选应用的分数;并且根据得到的分数对候选应用进行排序。
在一种优选实施方式中,在计算上述累加值时对所使用的相似度进行加权。
在一种优选实施方式中,将在前用户未使用过的候选应用的分数设为常数值。
为了更清楚地说明该方法,本说明书给出如下实例。
假定有3个在前的组合用户:汤姆、彼得和卡尔。为了订阅雅虎头条新闻,他们分别做了如下的应用组合。
汤姆:获得头条新闻->翻译成简体中文->发送邮件->发布到博客
彼得:获得头条新闻->发送邮件->转发到新浪微博
卡尔:获得头条新闻->翻译成简体中文->发送邮件->转发到Twitter
现在,当前用户吉姆也想组合类似的应用,当他选择了“获得头条新闻”这个应用后,考虑到他熟悉英语,所以会将“发送邮件”排在“翻译成简体中文”之前。
当他选择“发送邮件”之后,更新后的推荐列表包括“发布到博客”、“转发到新浪博客”和“转发到Twitter”。根据本申请的方法对这3个应用进行排序的过程如下。
第一,吉姆和彼得都位于中国,而卡尔位于美国,并且在中国新浪微博比Twitter更受欢迎,所以“转发到新浪微博”排在“转发到Twitter”之前;第二,汤姆的组合时间比彼得早很多,并且在最近几年,大家都开始使用新浪微博,博客的使用偏少,所以“转发到新浪微博”排在“发布到博客”之前。
通过结合应用推荐设备给出的详细公式进行计算,这3个应用的得分如下:
Score(发布到博客):1.466;
Score(转发到新浪微博):1.514;
Score(转发到Twitter):1.357
将其返回到应用糅合平台比如Flow Editor上,推荐服务列表的情况详见如图13所示。
在该实例中没有使用到天气因素,但在有些组合类型中,例如旅游计划安排,天气是一个重要因素。例如,彼得在夏天定制了一个爬黄山的计划,在冬天的时候,就不适合推荐给吉姆,因为冬天黄山可能已经被大雪覆盖了。
5.用以实施本申请的设备和方法的计算设备
上述设备中各个组成模块、单元可通过软件、固件、硬件或其组合的方式进行配置。配置可使用的具体手段或方式为本领域技术人员所熟知,在此不再赘述。在通过软件或固件实现的情况下,从存储介质或网络向具有专用硬件结构的计算机(例如图14所示的通用计算机1100)安装构成该软件的程序,该计算机在安装有各种程序时,能够执行各种功能等。
在图14中,中央处理单元(CPU)1101根据只读存储器(ROM)1102中存储的程序或从存储部分1108加载到随机存取存储器(RAM)1103的程序执行各种处理。在RAM 1103中,也根据需要存储当CPU 1101执行各种处理等等时所需的数据。CPU 1101、ROM 1102和RAM 1103经由总线1104彼此连接。输入/输出接口1105也连接到总线1104。
下述部件连接到输入/输出接口1105:输入部分1106(包括键盘、鼠标等等)、输出部分1107(包括显示器,比如阴极射线管(CRT)、液晶显示器(LCD)等,和扬声器等)、存储部分1108(包括硬盘等)、通信部分1109(包括网络接口卡比如LAN卡、调制解调器等)。通信部分1109经由网络比如因特网执行通信处理。根据需要,驱动器1110也可连接到输入/输出接口1105。可拆卸介质1111比如磁盘、光盘、磁光盘、半导体存储器等等根据需要被安装在驱动器1110上,使得从中读出的计算机程序根据需要被安装到存储部分1108中。
在通过软件实现上述系列处理的情况下,从网络比如因特网或存储介质比如可拆卸介质1111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1111。可拆卸介质1111的例子包含磁盘(包含软盘(注册商标))、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 1102、存储部分1108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。
本发明还提出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方法。
相应地,用于承载上述存储有机器可读取的指令代码的程序产品的存储介质也包括在本发明的公开中。所述存储介质包括但不限于软盘、光盘、磁光盘、存储卡、存储棒等等。
最后,还需要说明的是,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。此外,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。
以上虽然结合附图详细描述了本发明的实施例,但是应当明白,上面所描述的实施方式只是用于说明本发明,而并不构成对本发明的限制。对于本领域的技术人员来说,可以对上述实施方式作出各种修改和变更而没有背离本发明的实质和范围。因此,本发明的范围仅由所附的权利要求及其等效含义来限定。
通过上述的描述,本发明的实施例提供了以下的技术方案。
附记1.一种用于推荐应用组合中使用的应用的设备,包括:
候选应用集合获取装置,被配置为基于当前用户的应用组合中已经确定的至少一个应用以及在前用户使用过的应用组合,获得作为所述当前用户的应用组合的下一个应用的候选的候选应用的集合;
用户信息获取装置,被配置为获取所述当前用户以及所述候选应用对应的在前用户的环境信息、用户关系信息和兴趣信息中的至少一个;
相似度计算装置,被配置为计算所述当前用户与所述候选应用对应的在前用户的环境信息、社会关系信息和兴趣信息中的至少一个的相似度;
排序装置,被配置为按照所述相似度对所述候选应用进行排序。
附记2.根据附记1所述的设备,其中,所述用户信息获取装置包括从用户在社交网络中的信息和活动中提取所述用户的社会关系信息的装置和从用户在社交网络中的信息和活动中提取所述用户的兴趣信息的装置。
附记3.根据附记1所述的设备,其中,所述用户信息获取装置包括获取时间、天气、纬度和经度中的至少一个的装置。
附记4.根据附记1-3中的任意一项所述的设备,其中,所述环境信息中的至少一个构成环境信息向量,所述相似度计算装置被配置为计算所述当前用户的环境信息向量和所述在前用户的环境信息向量之间的距离,作为环境信息的相似度。
附记5.根据附记4所述的设备,所述相似度计算装置被配置为在计算所述距离之前对所述环境信息向量进行正规化处理。
附记6.根据附记2所述的设备,其中,所述社会关系信息的相似度为所述当前用户与所述在前用户的亲密程度,所述相似度计算装置被配置为对所述当前用户与所述在前用户之间的社会关系按照预定规则赋值,作为社会关系信息相似度。
附记7.根据附记1至3中的任意一项所述的设备,其中,从用户在社交网络中的信息和活动中提取所述用户的兴趣信息的装置包括:
获取用户在社交网络中发表和转发的内容的装置;以及
对所述内容分词的装置,从而获得由词汇及其权重构成的兴趣向量,
其中,所述相似度计算装置被配置为计算用户的兴趣向量之间的余弦相似度作为用户的兴趣信息的相似度。
附记8.根据附记1至3中的任意一项所述的设备,其中,所述排序装置被配置为:
对所述候选应用的集合中的每一个应用,计算其对应的在前用户与所述当前用户的环境信息相似度、社会关系信息相似度和兴趣信息相似度中的至少一个的累加值,作为所述候选应用的分数;
根据所述分数对所述候选应用进行排序。
附记9.根据附记8所述的设备,其中,所述排序装置被配置为在计算所述累加值时对所使用的相似度进行加权。
附记10.根据附记8所述的设备,其中,所述排序装置被配置为基于在前用户使用过的应用组合中在候选应用之前的应用序列以及当前用户的应用组合中已经确定的应用序列的相似度调整所述候选应用的分数。
附记11.根据附记8所述的设备,其中,所述候选应用集合获取装置还包括将在前用户未使用过的应用作为候选应用加入候选应用集合的装置,并且所述排序装置被配置为:将所述在前用户未使用过的候选应用的分数设为常数值。
附记12.一种应用糅合设备,包括:
糅合装置,被配置为将用户已选择的当前应用糅合到应用组合中;
如附记1至11中任意一项所述用于推荐应用组合中使用的应用的设备,基于所述当前应用向用户推荐用于应用组合的下一个应用。
附记13.一种用于推荐应用组合中使用的应用的方法,包括:
基于当前用户的应用组合中已经确定的至少一个应用以及在前用户使用过的应用组合,获得作为所述当前用户的应用组合的下一个应用的候选的候选应用的集合;
获取所述当前用户以及所述候选应用对应的在前用户的环境信息、用户关系信息和兴趣信息中的至少一个;
计算所述当前用户与所述候选应用对应的在前用户的环境信息、社会关系信息和兴趣信息中的至少一个的相似度;
按照所述相似度对所述候选应用进行排序。
附记14.根据附记13所述的方法,其中,所述用户的社会关系信息和兴趣信息是从所述用户在社交网络中的信息和活动中提取的,其中,所述社会关系信息的相似度为所述当前用户与所述在前用户的亲密程度,将所述当前用户与所述在前用户之间的社会关系按照预定规则赋值,作为社会关系信息相似度。
附记15.根据附记13或14所述的方法,其中,所述用户的环境信息包括时间、天气、纬度和经度中的至少一个,所述环境信息中的至少一个构成环境信息向量,计算环境信息的相似度包括:
计算所述当前用户的环境信息向量和所述在前用户的环境信息向量之间的距离,作为环境信息的相似度。
附记16.根据附记15所述的方法,其中在计算所述距离之前对所述环境信息向量进行正规化处理。
附记17.根据附记13或14所述的方法,其中,获取所述用户的兴趣信息包括离线或者在线地进行以下操作:
获取用户在社交网络中发表和转发的内容;以及
对所述内容分词,从而获得由词汇及其权重构成的兴趣向量,
其中,计算用户的兴趣信息的相似度包括计算用户的兴趣向量之间的余弦相似度。
附记18.根据附记13或14所述的方法,其中,对所述候选应用进行排序包括:
对所述候选应用的集合中的每一个应用,计算其对应的在前用户与所述当前用户的环境信息相似度、社会关系信息相似度和兴趣信息相似度中的至少一个的累加值,作为所述候选应用的分数;
根据所述分数对所述候选应用进行排序。
附记19.根据附记18所述的方法,其中,在计算所述累加值时对所使用的相似度进行加权。
附记20.一种应用糅合方法,包括:
用户选择要组合的当前应用;
使用如附记13-19中的任意一项所述的方法,基于所述当前应用向用户推荐用于应用组合的下一个应用。
Claims (10)
1.一种用于推荐应用组合中使用的应用的设备,包括:
候选应用集合获取装置,被配置为基于当前用户的应用组合中已经确定的至少一个应用以及在前用户使用过的应用组合,获得作为所述当前用户的应用组合的下一个应用的候选的候选应用的集合;
用户信息获取装置,被配置为获取所述当前用户以及所述候选应用对应的在前用户的环境信息、用户关系信息和兴趣信息中的至少一个;
相似度计算装置,被配置为计算所述当前用户与所述候选应用对应的在前用户的环境信息、社会关系信息和兴趣信息中的至少一个的相似度;
排序装置,被配置为按照所述相似度对所述候选应用进行排序。
2.根据权利要求1所述的设备,其中,所述用户信息获取装置包括从用户在社交网络中的信息和活动中提取所述用户的社会关系信息的装置和从用户在社交网络中的信息和活动中提取所述用户的兴趣信息的装置。
3.根据权利要求1所述的设备,其中,所述用户信息获取装置包括获取时间、天气、纬度和经度中的至少一个的装置。
4.根据权利要求1-3中的任意一项所述的设备,其中,所述环境信息中的至少一个构成环境信息向量,所述相似度计算装置被配置为计算所述当前用户的环境信息向量和所述在前用户的环境信息向量之间的距离,作为环境信息的相似度。
5.根据权利要求4所述的设备,所述相似度计算装置被配置为在计算所述距离之前对所述环境信息向量进行正规化处理。
6.根据权利要求2所述的设备,其中,所述社会关系信息的相似度为所述当前用户与所述在前用户的亲密程度,所述相似度计算装置被配置为对所述当前用户与所述在前用户之间的社会关系按照预定规则赋值,作为社会关系信息相似度。
7.根据权利要求1至3中的任意一项所述的设备,其中,从用户在社交网络中的信息和活动中提取所述用户的兴趣信息的装置包括:
获取用户在社交网络中发表和转发的内容的装置;以及
对所述内容分词的装置,从而获得由词汇及其权重构成的兴趣向量,
其中,所述相似度计算装置被配置为计算用户的兴趣向量之间的余弦相似度作为用户的兴趣信息的相似度。
8.根据权利要求1至3中的任意一项所述的设备,其中,所述排序装置被配置为:
对所述候选应用的集合中的每一个应用,计算其对应的在前用户与所述当前用户的环境信息相似度、社会关系信息相似度和兴趣信息相似度中的至少一个的累加值,作为所述候选应用的分数;
根据所述分数对所述候选应用进行排序。
9.一种应用糅合设备,包括:
糅合装置,被配置为将用户已选择的当前应用糅合到应用组合中;
如权利要求1至8中任意一项所述用于推荐应用组合中使用的应用的设备,基于所述当前应用向用户推荐用于应用组合的下一个应用。
10.一种用于推荐应用组合中使用的应用的方法,包括:
基于当前用户的应用组合中已经确定的至少一个应用以及在前用户使用过的应用组合,获得作为所述当前用户的应用组合的下一个应用的候选的候选应用的集合;
获取所述当前用户以及所述候选应用对应的在前用户的环境信息、用户关系信息和兴趣信息中的至少一个;
计算所述当前用户与所述候选应用对应的在前用户的环境信息、社会关系信息和兴趣信息中的至少一个的相似度;
按照所述相似度对所述候选应用进行排序。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2012101895185A CN103473244A (zh) | 2012-06-08 | 2012-06-08 | 用于推荐应用组合中使用的应用的设备和方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2012101895185A CN103473244A (zh) | 2012-06-08 | 2012-06-08 | 用于推荐应用组合中使用的应用的设备和方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103473244A true CN103473244A (zh) | 2013-12-25 |
Family
ID=49798100
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2012101895185A Pending CN103473244A (zh) | 2012-06-08 | 2012-06-08 | 用于推荐应用组合中使用的应用的设备和方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103473244A (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015109605A1 (en) * | 2014-01-27 | 2015-07-30 | Nokia Technologies Oy | Method and apparatus for social relation analysis and management |
CN105045818A (zh) * | 2015-06-26 | 2015-11-11 | 腾讯科技(深圳)有限公司 | 一种图片的推荐方法、装置和系统 |
CN105095219A (zh) * | 2014-04-23 | 2015-11-25 | 华为技术有限公司 | 微博推荐方法和终端 |
CN105354205A (zh) * | 2015-01-13 | 2016-02-24 | 吴昱珂 | 人际关系管理方法、人际关系管理系统及对应的智能终端 |
CN105704331A (zh) * | 2016-04-26 | 2016-06-22 | 努比亚技术有限公司 | 一种移动终端的应用程序推荐方法及其系统 |
CN105959365A (zh) * | 2016-04-26 | 2016-09-21 | 中国联合网络通信集团有限公司 | 应用推荐方法和应用推荐装置 |
CN103810030B (zh) * | 2014-02-20 | 2017-04-05 | 北京奇虎科技有限公司 | 一种基于移动终端应用市场的应用推荐方法、装置及系统 |
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 |
CN107644079A (zh) * | 2015-05-22 | 2018-01-30 | 广东欧珀移动通信有限公司 | 一种应用推荐方法及装置和相关介质产品 |
CN108345419A (zh) * | 2017-01-25 | 2018-07-31 | 华为技术有限公司 | 一种信息推荐列表的生成方法及装置 |
CN108763251A (zh) * | 2018-04-02 | 2018-11-06 | 阿里巴巴集团控股有限公司 | 核身产品的个性化推荐方法及装置和电子设备 |
CN110458610A (zh) * | 2019-07-23 | 2019-11-15 | 北京梧桐车联科技有限责任公司 | 一种信息处理方法、装置、交通工具及存储介质 |
CN111506801A (zh) * | 2015-09-07 | 2020-08-07 | 阿里巴巴集团控股有限公司 | 一种应用App中子应用的排序方法及装置 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101324948A (zh) * | 2008-07-24 | 2008-12-17 | 阿里巴巴集团控股有限公司 | 一种信息推荐的方法及装置 |
GB2464407A (en) * | 2008-12-16 | 2010-04-21 | Ibm | A method for automatically generating membership recommendations of composite applications |
CN102231757A (zh) * | 2011-06-29 | 2011-11-02 | 浙江大学 | 一种在线的服务组合推荐系统及其推荐方法 |
CN102236646A (zh) * | 2010-04-20 | 2011-11-09 | 得利在线信息技术(北京)有限公司 | 对象级垂直搜索引擎个性化排序算法iRank |
CN102316046A (zh) * | 2010-06-29 | 2012-01-11 | 国际商业机器公司 | 向社交网络中的用户推荐信息的方法和装置 |
CN102332017A (zh) * | 2011-09-16 | 2012-01-25 | 百度在线网络技术(北京)有限公司 | 在移动设备中显示基于操作信息的推荐信息的方法与设备 |
CN102376063A (zh) * | 2011-11-29 | 2012-03-14 | 北京航空航天大学 | 一种基于社会化标签的个性化推荐系统优化方法 |
-
2012
- 2012-06-08 CN CN2012101895185A patent/CN103473244A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101324948A (zh) * | 2008-07-24 | 2008-12-17 | 阿里巴巴集团控股有限公司 | 一种信息推荐的方法及装置 |
GB2464407A (en) * | 2008-12-16 | 2010-04-21 | Ibm | A method for automatically generating membership recommendations of composite applications |
CN102236646A (zh) * | 2010-04-20 | 2011-11-09 | 得利在线信息技术(北京)有限公司 | 对象级垂直搜索引擎个性化排序算法iRank |
CN102316046A (zh) * | 2010-06-29 | 2012-01-11 | 国际商业机器公司 | 向社交网络中的用户推荐信息的方法和装置 |
CN102231757A (zh) * | 2011-06-29 | 2011-11-02 | 浙江大学 | 一种在线的服务组合推荐系统及其推荐方法 |
CN102332017A (zh) * | 2011-09-16 | 2012-01-25 | 百度在线网络技术(北京)有限公司 | 在移动设备中显示基于操作信息的推荐信息的方法与设备 |
CN102376063A (zh) * | 2011-11-29 | 2012-03-14 | 北京航空航天大学 | 一种基于社会化标签的个性化推荐系统优化方法 |
Cited By (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105940393A (zh) * | 2014-01-27 | 2016-09-14 | 诺基亚技术有限公司 | 用于社交关系分析和管理的方法和装置 |
WO2015109605A1 (en) * | 2014-01-27 | 2015-07-30 | Nokia Technologies Oy | Method and apparatus for social relation analysis and management |
CN103810030B (zh) * | 2014-02-20 | 2017-04-05 | 北京奇虎科技有限公司 | 一种基于移动终端应用市场的应用推荐方法、装置及系统 |
CN105095219B (zh) * | 2014-04-23 | 2019-02-01 | 华为技术有限公司 | 微博推荐方法和终端 |
CN105095219A (zh) * | 2014-04-23 | 2015-11-25 | 华为技术有限公司 | 微博推荐方法和终端 |
CN105354205A (zh) * | 2015-01-13 | 2016-02-24 | 吴昱珂 | 人际关系管理方法、人际关系管理系统及对应的智能终端 |
CN107644079A (zh) * | 2015-05-22 | 2018-01-30 | 广东欧珀移动通信有限公司 | 一种应用推荐方法及装置和相关介质产品 |
CN105045818A (zh) * | 2015-06-26 | 2015-11-11 | 腾讯科技(深圳)有限公司 | 一种图片的推荐方法、装置和系统 |
CN111506801B (zh) * | 2015-09-07 | 2023-04-25 | 创新先进技术有限公司 | 一种应用App中子应用的排序方法及装置 |
CN111506801A (zh) * | 2015-09-07 | 2020-08-07 | 阿里巴巴集团控股有限公司 | 一种应用App中子应用的排序方法及装置 |
CN106878359B (zh) * | 2015-12-14 | 2020-08-04 | 百度在线网络技术(北京)有限公司 | 信息推送方法和装置 |
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 |
CN105959365B (zh) * | 2016-04-26 | 2019-01-18 | 中国联合网络通信集团有限公司 | 应用推荐方法和应用推荐装置 |
CN105959365A (zh) * | 2016-04-26 | 2016-09-21 | 中国联合网络通信集团有限公司 | 应用推荐方法和应用推荐装置 |
CN105704331A (zh) * | 2016-04-26 | 2016-06-22 | 努比亚技术有限公司 | 一种移动终端的应用程序推荐方法及其系统 |
CN108345419A (zh) * | 2017-01-25 | 2018-07-31 | 华为技术有限公司 | 一种信息推荐列表的生成方法及装置 |
CN108345419B (zh) * | 2017-01-25 | 2021-06-08 | 华为技术有限公司 | 一种信息推荐列表的生成方法及装置 |
CN108763251A (zh) * | 2018-04-02 | 2018-11-06 | 阿里巴巴集团控股有限公司 | 核身产品的个性化推荐方法及装置和电子设备 |
CN108763251B (zh) * | 2018-04-02 | 2021-06-01 | 创新先进技术有限公司 | 核身产品的个性化推荐方法及装置和电子设备 |
CN110458610A (zh) * | 2019-07-23 | 2019-11-15 | 北京梧桐车联科技有限责任公司 | 一种信息处理方法、装置、交通工具及存储介质 |
CN110458610B (zh) * | 2019-07-23 | 2022-08-12 | 北京梧桐车联科技有限责任公司 | 一种信息处理方法、装置、交通工具及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103473244A (zh) | 用于推荐应用组合中使用的应用的设备和方法 | |
US8856229B2 (en) | System and method for social networking | |
Capar et al. | An efficient formulation of the flow refueling location model for alternative-fuel stations | |
Berlingerio et al. | The GRAAL of carpooling: GReen And sociAL optimization from crowd-sourced data | |
Husain et al. | A framework of a personalized location-based traveler recommendation system in mobile application | |
US20070161382A1 (en) | System and method including asynchronous location-based messaging | |
US20130132339A1 (en) | Mind Map with Data Feed Linkage and Social Network Interaction | |
CN104239399A (zh) | 社交网络中的潜在好友推荐方法 | |
Fuchs et al. | E-Business horizons in the tourism industry-Challenges for research and practice | |
CN105229636A (zh) | 上下文社交感知本地搜索 | |
Miyasaka et al. | Sampling limitations in using tourists’ mobile phones for GPS-based visitor monitoring | |
Ikeda et al. | Development of social recommendation GIS for tourist spots | |
CN102664744A (zh) | 网络消息通信中群发推荐的方法 | |
Padia et al. | Sentiment-aware and personalized tour recommendation | |
Havlícek et al. | Agritourism farms-evaluation of their websites quality and Web 2.0 | |
Anacleto et al. | Personalized sightseeing tours support using mobile devices | |
Siswanto et al. | Implementation of decision support system for campus promotion management using fuzzy multiple analytic decision making (FMADM) method (Case study: Universitas multimedia nusantara) | |
Ahmad et al. | A Google Map based social network (GMBSN) for exploring information about a specific territory | |
US20120323911A1 (en) | Method and system for tagging plants using a social networking system | |
van Lammeren et al. | Social media | |
Viswanathan et al. | Designing Ambient Wanderer: Mobile Recommendations for Urban Exploration | |
Ependi et al. | Model for Mobile Application Development on Traveling Guide: A General Proposal | |
Kacetl et al. | Social network sites in travel and tourism: Benefits and limitations | |
Kaushik et al. | Ubiquitous Crowdsourcing Model for Location Recommender System. | |
Watfa et al. | Generative smart tourism, the road for big data |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20131225 |