CN103514204B - 信息推荐方法和装置 - Google Patents
信息推荐方法和装置 Download PDFInfo
- Publication number
- CN103514204B CN103514204B CN201210215463.0A CN201210215463A CN103514204B CN 103514204 B CN103514204 B CN 103514204B CN 201210215463 A CN201210215463 A CN 201210215463A CN 103514204 B CN103514204 B CN 103514204B
- Authority
- CN
- China
- Prior art keywords
- user
- information
- network platform
- social
- circle
- 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
- 238000000034 method Methods 0.000 title claims abstract description 52
- 230000003993 interaction Effects 0.000 claims abstract description 19
- 230000003542 behavioural effect Effects 0.000 claims description 2
- 238000005192 partition Methods 0.000 abstract description 10
- 230000006399 behavior Effects 0.000 description 49
- 238000010586 diagram Methods 0.000 description 12
- 239000013598 vector Substances 0.000 description 12
- 230000000694 effects Effects 0.000 description 11
- 238000005516 engineering process Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 7
- 238000004891 communication Methods 0.000 description 4
- 230000007547 defect Effects 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 244000097202 Rathbunia alamosensis Species 0.000 description 1
- 235000009776 Rathbunia alamosensis Nutrition 0.000 description 1
- 230000018199 S phase Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000003012 network analysis Methods 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
Classifications
-
- 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
- G06Q30/0241—Advertisements
- G06Q30/0251—Targeted advertisements
- G06Q30/0269—Targeted advertisements based on user profile or attribute
-
- 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
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/01—Social networking
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S50/00—Market activities related to the operation of systems integrating technologies related to power network operation or related to communication or information technologies
- Y04S50/14—Marketing, i.e. market research and analysis, surveying, promotions, advertising, buyer profiling, customer management or rewards
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Tourism & Hospitality (AREA)
- Computing Systems (AREA)
- Primary Health Care (AREA)
- Human Resources & Organizations (AREA)
- General Health & Medical Sciences (AREA)
- Entrepreneurship & Innovation (AREA)
- Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Transfer Between Computers (AREA)
Abstract
本发明实施例提供一种信息推荐方法和装置,方法包括:通过第一网络平台的开放接口获取与第二网络平台中的各用户相关联的用户的关系数据信息,关系数据信息包括各用户之间交互的用户交互信息和表示用户自身行为的用户行为信息;根据用户的关系数据信息分别对根据预设的划分策略划分得到的各好友圈进行划分,将一个好友圈划分为多个不同的社交圈;根据获取的各用户在第二网络平台中的行为记录,采用预设的推荐策略在各所述社交圈中分别进行信息推荐。本发明实施例还提供了一种信息推荐装置。本实施例能够利用社交网站开放的接口和用户数据进行信息推荐,提高了信息推荐的准确度。
Description
技术领域
本发明涉及互联网技术领域,尤其涉及一种信息推荐方法和装置。
背景技术
在电子商务领域中,随着电子商务规模的不断扩大,商品个数和种类快速增长,顾客需要花费大量的时间才能找到自己想买的商品,这种浏览大量无关信息和产品的过程无疑会使淹没在信息过载问题中的消费者不断流失。在互联网领域中,随着博客、维基、微博的发展,大量的网络信息由用户个人产生,信息组织散乱,质量和可信度参差不齐,使得用户需要花费大量时间才能找到自己感兴趣的信息。为了解决上述问题,个性化推荐技术和个性化推荐引擎应运而生。个性化推荐技术是互联网领域,特别是电子商务中的重要技术,其能根据用户的兴趣特点和购买能力,向用户推荐用户感兴趣的信息和商品。个性化推荐引擎是建立在海量数据挖掘基础上的一种智能平台,以帮助电子商务网站、互联网信息供应网站为其用户提供完全个性化的决策支持和信息服务。
当前最主要的个性化推荐技术为基于内容的推荐和协同推荐。基于内容的推荐是指根据推荐物品或内容的元数据,发现物品或信息的相关性,给用户推荐与其历史兴趣相关的物品或信息。例如,电子商务网站通过用户购买记录发现,用户A在历史上总购买历史类书籍,且用户A还未购买当前很畅销的历史书“物品3”,因此推测用户A为“物品3”的潜在用户,则将“物品3”推荐给用户A。协同推荐是指通过用户的历史行为记录发现用户的相关性,根据与用户相关的其他用户的兴趣做出的推荐。例如,电子商务网站通过用户购买记录发现,用户A和用户C在历史上总是购买相同的商品,因此推断用户A和用户C的兴趣爱好相似;通过用户购买记录还发现用户A购买过“物品1”,而用户C尚未购买,因此推测用户C是“物品1”的潜在用户,则将“物品1”推荐给用户C。
然而,现有技术的推荐方法只适用于利用电子商务网站自身的用户数据和历史数据进行推荐的场景,信息推荐的准确度较低。
发明内容
本发明实施例提供一种信息推荐方法和装置,能够利用社交网站开放的接口和用户数据进行信息推荐,提高信息推荐的准确度,为用户提供极大便利。
本发明实施例的第一个方面是提供一种信息推荐方法,包括:
通过第一网络平台的开放接口获取与第二网络平台中的各用户相关联的用户的关系数据信息,所述关系数据信息包括各用户之间交互的用户交互信息和表示用户自身行为的用户行为信息;
根据所述用户的关系数据信息分别对根据预设的划分策略划分得到的各好友圈进行划分,将一个好友圈划分为多个不同的社交圈;
根据获取的各用户在所述第二网络平台中的行为记录,采用预设的推荐策略在各所述社交圈中分别进行信息推荐。
本发明实施例的另一个方面是提供一种信息推荐装置,包括:
获取模块,用于通过第一网络平台的开放接口获取与第二网络平台中的各用户相关联的用户的关系数据信息,所述关系数据信息包括各用户之间交互的用户交互信息和表示用户自身行为的用户行为信息;
划分模块,用于根据所述用户的关系数据信息分别对根据预设的划分策略划分得到的各好友圈进行划分,将一个好友圈划分为多个不同的社交圈;
推荐模块,用于根据获取的各用户在所述第二网络平台中的行为记录,采用预设的推荐策略在各所述社交圈中分别进行信息推荐。
本发明实施例的技术效果是:通过第一网络平台的开放接口获取与第二网络平台中各用户相关联的用户的关系数据信息,根据该关系数据信息分别将各好友圈划分为多个不同的社交圈,根据用户在第二网络平台中的行为记录,在划分后的社交圈中进行信息推荐;本实施例能够利用社交网站开放的接口和用户数据进行信息推荐,提高了信息推荐的准确度,为用户提供了极大便利。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明信息推荐方法实施例一的流程图;
图2为本发明信息推荐方法实施例一中好友圈与社交圈的关系示意图;
图3为本发明信息推荐方法实施例二的流程图;
图4为本发明信息推荐方法实施例二中基于社交圈的协同推荐过程的示意图;
图5为本发明信息推荐方法实施例二中的系统架构示意图;
图6为本发明信息推荐方法实施例三的流程图;
图7为本发明信息推荐方法实施例三中基于社交圈的内容推荐过程的示意图;
图8为本发明信息推荐装置实施例一的结构示意图;
图9为本发明信息推荐装置实施例二的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
针对现有技术的信息推荐方案,电子商务网站利用自身产生的历史数据进行推荐时,历史数据和潜在用户信息、待推荐物品的信息之间具有高度的一致性,潜在用户就是本网站购买过物品的用户,待推荐物品与历史数据中用户购买过的物品相同或非常相似。因此,需要结合运营商网站或社交网站产生的历史数据来进行电子商务网站的信息推荐,以克服上述推荐的物品或信息对用户而言价值不高的缺陷,而传统的基于电子商务网站自身产生的历史数据进行推荐的方法,无法直接适用于基于运营商网站或社交网站产生的社交数据进行推荐。由于近年来互联网业界的趋势发展发生了变化,各个运营商或社交网站服务商愿意将自身的各种资源以应用程序编程接口(Application Programming Interface;以下简称:API)的形式开放出来,以将自身打造成一个开放平台,吸引开发者在自己的平台上开发增值业务。因此,业界的一个新需求便是如何利用运营商或社交网站服务商开放出来的接口和用户数据,进行物品或信息推荐。本发明旨在解决上述技术问题,提出一种信息推荐方法,利用运营商或社交网站服务商开放的资源,进行物品或信息的准确推荐。
图1为本发明信息推荐方法实施例一的流程图,如图1所示,本实施例提供了一种信息推荐方法,可以具体包括如下步骤:
步骤101,通过第一网络平台的开放接口获取与第二网络平台中的各用户相关联的用户的关系数据信息。
本实施例中的第一网络平台可以具体为运营商网站或社交网站,如facebook、twitter、新浪微博等,第二网络平台可以具体为电子商务网站,如淘宝网、京东商城、当当网等。在本实施例中,第一网络平台向外开放了API接口,第二网络平台可以通过第一网络平台的开放接口获取用户的关系数据信息。此处的用户为与第二网络平台中的用户相关联的用户,此处的相关联是指两个网络平台上具有相同身份信息的用户,例如同一个人使用相同或不同的账号在第一网络平台和第二网络平台进行注册,成为两个网络平台的用户。虽然第一网络平台和第二网络平台是两个独立的平台,各自有自己的用户,但由于第一网络平台对外开放了接口,第二网络平台可以通过开放接口找到一种两个平台的用户相关联的方法,即第二网络平台可以通过第一网络平台开放的用户的注册信息,如邮箱地址等,从注册信息中识别用户的身份,再通过第二网络平台自身的用户的注册信息识别第二网络平台中用户的身份。如果两个网络平台中两个用户的身份相同,则这两个用户为相关联的用户。此处的关系数据信息包括各用户之间交互的用户交互信息和表示用户自身行为的用户行为信息,用户交互信息可以为第一网络平台中用户与好友之间的相互发送电子邮件、短消息的行为,或者博客、微博中好友之间的相互浏览、转发、评论等行为;以及这些行为相关的文本数据,可以用于对用户的好友圈进行进一步划分。用户行为信息可以为用户自己发表的博客、微博等信息,可以用于确定用户的个人偏好属性。
步骤102,根据所述用户的关系数据信息分别对根据预设的划分策略划分得到的各好友圈进行划分,将一个好友圈划分为多个不同的社交圈。
在获取到用户的关系数据信息后,可以根据该关系数据信息分别对各好友圈进行划分,具体将一个好友圈划分为多个不同的社交圈。此处的好友圈为根据预设的划分策略划分得到的,划分策略可以为以用户为中心的划分策略,也可以为按照网络的聚集度进行划分的划分策略,通过预设的划分策略可以将网络中的用户划分为多个好友圈,不同好友圈之间通常可能包括一个或几个相同的用户,即不同好友圈之间存在相互重叠的情况。本步骤根据从第一网络平台获取到的用户交互信息和用户行为信息,分别对各好友圈进行进一步的划分,即通过好友之间的互动情况以及用户发表或参与的交流讨论话题,可以确定用户与其好友的关系,如同学、同事、家人,某主题的学术圈或交流讨论圈等,从而将一个好友圈可以划分为多个不同的社交圈。图2为本发明信息推荐方法实施例一中好友圈与社交圈的关系示意图,如图2所示,将一个用户的好友圈划分为四个社交圈,分别为技术圈、同事圈、家人圈和户外活动圈。
步骤103,根据获取的各用户在所述第二网络平台中的行为记录,采用预设的推荐策略在各所述社交圈中分别进行信息推荐。
在完成社交圈的划分之后,本步骤采用预设的推荐策略在各社交圈中分别进行信息推荐,此处的推荐策略可以具体为协同推荐策略,或内容推荐策略,或协同推荐策略和内容推荐策略的结合。本实施例具体以一个社交圈为单位,根据获取的该社交圈中各用户在第二网络平台中的行为记录,采用预设的推荐策略进行信息推荐。此处的用户在第二网络平台中的行为记录可以包括用户在第二网络平台中的物品的购买记录以及信息的浏览记录等。由于一个社交圈中各用户的爱好相似,其所关注或关心的话题类似,因此,基于该社交圈来推荐其中流行度较高的物品或信息,该圈子中的其他用户通常会对推荐的物品或信息感兴趣,从而提高了推荐的准确度,同时用户无需盲目搜索便可以获取到其感兴趣的物品或信息,也为用户提供了便利。
本实施例提供了一种信息推荐方法,通过第一网络平台的开放接口获取与第二网络平台中各用户相关联的用户的关系数据信息,根据该关系数据信息分别将各好友圈划分为多个不同的社交圈,根据用户在第二网络平台中的行为记录,在划分后的社交圈中进行信息推荐;本实施例能够利用社交网站开放的接口和用户数据进行信息推荐,提高了信息推荐的准确度,为用户提供了极大便利。
图3为本发明信息推荐方法实施例二的流程图,如图3所示,本实施例提供了一种信息推荐方法,可以具体包括如下步骤:
步骤301,通过第一网络平台的开放接口获取与第二网络平台中的各用户相关联的用户的关系数据信息。
在本实施例中,第一网络平台向外开放了API接口,第二网络平台可以通过第一网络平台的开放接口获取用户的关系数据信息。此处的用户为与第二网络平台中的用户相关联的用户,此处的相关联是指两个网络平台上具有相同身份信息的用户。虽然第一网络平台和第二网络平台是两个独立的平台,各自有自己的用户,但由于第一网络平台对外开放了接口,第二网络平台可以通过开放接口找到一种两个平台的用户相关联的方法,即第二网络平台可以通过第一网络平台开放的用户的注册信息,从注册信息中识别用户的身份,再通过第二网络平台自身的用户的注册信息识别第二网络平台中用户的身份。如果两个网络平台中两个用户的身份相同,则这两个用户为相关联的用户。
步骤302,根据各用户的关系数据信息分别获取第二网络平台中各用户的社交用户,将各用户和各用户的社交用户分别划分为各用户对应的好友圈。
在现有技术中,将历史上购买相同物品的用户看作是相似用户,一个用户购买某一个物品后,可以认为该用户的相似用户为该物品的潜在客户。然而,实际应用中发现,现有技术中这种潜在客户的识别方法精确度不高,容易对用户造成推荐干扰,即向用户推荐其并不感兴趣的物品或信息,如果这种现象频繁的话会对用户造成一定干扰。为了克服现有技术中的上述推荐精确度不高的缺陷,本实施例通过对从第一网络平台获取的用户的关系数据信息进行分析,进而准确地识别潜在用户。社交网络中用户之间是一个巨大的关系网络,在识别潜在用户时,需要根据该网络的拓扑结构进行分割形成多个小的子网,此处的一个子网可以为一个好友圈。本实施例先根据上述步骤获取到的各用户的关系数据信息,分别获取第二网络平台中各用户的社交用户,此处的用户的社交用户为与各用户具有社交关系的用户,社交关系具体指用户之间通过第一网络平台进行的问题交流、相互评论、转发微博等。本步骤将用户和该用户的社交用户划分为该用户对应的好友圈,即以某一个用户为中心,将与该用户具有社交关系的其他用户与该用户一起组成一个好友圈,该好友圈具体为该用户的好友圈;还可以以另外一个用户为中心,建立另外一个用户对应的好友圈。各用户对应的好友圈各不相同,但不同好友圈之间可能存在重叠部分,即具有共同的好友,如图4所示为建立的一个好友圈。具体地,一个好友圈中可能包含多层好友关系,例如两层好友关系为:假设以用户A为中心,用户B为用户A的好友,用户C为用户B的好友,则将用户C也加入到用户A对应的好友圈中。
或者,本实施例也可以按照社交网络的聚集度来划分形成好友圈,即可以将社交网络中相互连接紧密的节点形成一个子网,该子网即为一个好友圈。此处的社交网络可以为根据用户之间的关系形成的一个网络,网络中的每个节点即代表每个用户,网络中两个节点相互连接表示这两个用户之间存在交互行为,如相互浏览、转发微博等的行为。
步骤303,根据用户的关系数据信息分别对各用户对应的好友圈进行划分,将一个好友圈划分为多个不同的社交圈。
本步骤为在划分得到好友圈后,由于每个好友圈涉及的用户群太广,则需要进一步对用户的好友进行筛选,以更准确地识别潜在客户。具体为根据从第一网络平台获取到的用户交互信息和用户行为信息,分别对各好友圈进行进一步的划分,即通过好友之间的互动情况以及用户发表或参与的交流讨论话题,可以确定用户与其好友的关系,如同学、同事、家人,某主题的学术圈或交流讨论圈等,从而将一个好友圈可以划分为多个不同的社交圈。如图2所示,将一个用户的好友圈划分为四个社交圈,分别为技术圈、同事圈、家人圈和户外活动圈,划分后的每个社交圈中的用户便可以当成某类或某个商品或信息的潜在客户。
步骤304,获取一个社交圈中各用户在所述第二网络平台中的行为记录。
在对各好友圈进行划分得到各自的社交圈后,本实施例基于每个社交圈进行信息推荐。具体可以采用内容推荐策略和/或协同推荐策略进行推荐,本实施例以协同推荐策略为例进行说明。本步骤以在一个社交圈中的信息推荐过程为例进行说明,先获取一个社交圈中各用户在第二网络平台中的行为记录,此处的行为记录包括物品的购买记录和信息的浏览记录。
步骤305,根据获取的行为记录生成所述第二网络平台中各物品或信息在预设时间段内的流行度。
在获取到该社交圈中各用户的行为记录后,可以根据这些行为记录生成第二网络平台中各物品或信息的流行度,此处的流行度可以具体为物品或信息在预设时间段内的流行度。物品或信息的流行度的生成方法可以根据实际情况来设定,例如,当一个用户在第二网络平台上购买一个物品后,则可以将该物品的流行度加1,或者也可以为当一个用户在第二网络平台上浏览并收藏一个物品后,也可以将该物品的流行度加1,当一个用户在第二网络平台上浏览一条信息后,则可以将该信息的流行度加1,以此来生成各物品或信息的流行度。物品或信息的流行度越高,表明该物品或信息在第二网络平台中越受欢迎,当然,此处的流行度具体与一个社交圈相对应。流行度也随时间的长短而发生变化,如果预设时间段较短,则物品或信息的流行度均较低,如果预设时间段较长,则物品或信息的流行度的差异较大。
步骤306,将所述预设时间段内流行度大于预设的流行度阈值的物品或信息推荐给所述社交圈中未接触该物品或信息的各用户。
在生成第二网络平台上物品或信息在预设时间段内的流行度后,将该预设时间段内流行度大于预设的流行度阈值的物品或信息推荐给该社交圈中的各用户,也可以对各物品或信息的流行度按照从大到小的顺序进行排序,将流行度排在前几位的物品或信息直接推荐给该社交圈中未接触该物品或信息的各用户。由于一个社交圈中各用户之间的爱好或兴趣类似,则在该社交圈中流行度较高的物品或信息通常都受社交圈中的用户欢迎。图4为本发明信息推荐方法实施例二中基于社交圈的协同推荐过程的示意图,如图4所示,将某个社交圈中流行的物品或信息,推荐给该社交圈中未接触过该物品或信息的其他用户,例如,某个社交圈中用户A和用户B均喜欢并关注了物品1,则可以将该物品1推荐给该社交圈中的用户C。
图5为本发明信息推荐方法实施例二中的系统架构示意图,如图5所示,运营商或社交网络服务商开放的接口包括用户身份获取接口、好友关系接口、用户行为数据接口、用户注册信息接口,从这些接口获取社交数据,包括用户交互信息、用户行为信息以及用户身份。然后,推荐引擎通过电子商务网站本地保存的用户行为记录以及物品或信息记录,进行社会化网络分析,如好友提取(即划分好友圈)、社交圈提取(即划分社交圈),计算个人偏好属性、社交圈的圈子偏好属性。推荐引擎再通过内容推荐策略和/或协同推荐策略进行具体的信息推荐,最终通过Portal将推荐结果显示给用户。
本实施例提供了一种信息推荐方法,通过第一网络平台的开放接口获取与第二网络平台中各用户相关联的用户的关系数据信息,根据各用户的关系数据信息分别获取第二网络平台中各用户的社交用户,将各用户和各用户的社交用户分别划分为各用户对应的好友圈,根据该关系数据信息分别将各好友圈划分为多个不同的社交圈,根据用户在第二网络平台中的行为记录,采用协同推荐策略在划分后的社交圈中进行信息推荐;本实施例能够利用社交网站开放的接口和用户数据进行信息推荐,提高了信息推荐的准确度,为用户提供了极大便利。
图6为本发明信息推荐方法实施例三的流程图,如图6所示,本实施例提供了一种信息推荐方法,可以具体包括如下步骤:
步骤601,通过第一网络平台的开放接口获取与第二网络平台中的各用户相关联的用户的关系数据信息,本步骤可以与上述步骤301类似,此处不再赘述。
步骤602,根据各用户的关系数据信息分别获取所述第二网络平台中各用户的社交用户,将各用户和所述各用户的社交用户分别划分为所述各用户对应的好友圈,本步骤可以与上述步骤302类似,此处不再赘述。
步骤603,根据所述用户的关系数据信息分别对所述各用户对应的好友圈进行划分,将一个好友圈划分为多个不同的社交圈,本步骤可以与上述步骤303类似,此处不再赘述。
步骤604,获取一个社交圈中各用户在所述第二网络平台中的行为记录。
在对各好友圈进行划分得到各自的社交圈后,本实施例基于每个社交圈进行信息推荐。具体可以采用内容推荐策略和/或协同推荐策略进行推荐,本实施例以内容推荐策略为例进行说明,具体协同推荐策略可以参见上述实施例二;对于协同推荐策略和内容推荐策略相结合的方案,则为将采用协同推荐策略获得的物品或信息推荐给同一社交圈中的用户,同时将采用内容推荐策略获得的物品或信息也推荐给同一社交圈中的用户。本步骤以在一个社交圈中的信息推荐过程为例进行说明,先获取一个社交圈中各用户在第二网络平台中的行为记录,此处的行为记录包括物品的购买记录和信息的浏览记录。
步骤605,根据各用户的行为记录和关系数据信息分别计算所述各用户的个人偏好属性,将社交圈中各用户的共同的个人偏好属性作为所述社交圈的圈子偏好属性。
在获取到社交圈中各用户的行为记录和各用户的关系数据信息后,根据各用户的行为记录和关系数据信息分别计算各用户的个人偏好属性。一个用户的偏好可以时多方面的,如一个用户可以在一个技术圈讨论某领域的技术问题,也可以在一个户外活动圈讨论某次活动的活动路线,还可以在家庭圈中讨论孩子的教育问题等。本实施例基于用户在第一网络平台上参与的与其好友之间的讨论、交流等用户互动信息、用户在第二网络平台上发表的微博、博客等用户行为信息以及用户在第二网络平台上购买的物品或浏览的信息等行为记录,可以推断出该用户的爱好,即可以获取到该用户的个人偏好属性。依照上述方法可以分别获取到一个社交圈中各用户的个人偏好属性,然后将该社交圈中各用户的共同的个人偏好属性作为该社交圈的圈子偏好属性。
步骤606,计算所述第二网络平台中各物品或信息的属性与所述社交圈的圈子偏好属性的匹配程度。
在获取到某个社交圈的圈子偏好属性后,可以计算第二网络平台中各物品或信息的属性与该社交圈的圈子偏好属性的匹配程度,其中,物品或信息的属性可以为根据物品或信息的分类、特点获取得到。
在计算物品或信息的属性与圈子偏好属性的匹配程度时,可以将物品或信息的属性和社交圈的圈子偏好属性各用一个向量表示,向量中包含有描述属性的特征项,然后计算这两个向量的相关度。在向量空间模型中,用D(Document)表示向量,特征项(Term,用T表示)是指向量D中的特征项,向量可以用特征项集表示为D(T1,T2,...,Tn),其中Tk是特征项,1<=k<=N。例如一个向量中有a、b、c、d四个特征项,那么这个向量就可以表示为D(a,b,c,d)。对含有n个特征项的向量而言,通常会给每个特征项赋予一定的权重表示其重要程度。即D=D(T1,W1;T2,W2;...,Tn,Wn),简记为D=D(W1,W2,...,Wn)。其中Wk是Tk的权重,1<=k<=N。在上面那个例子中,假设a、b、c、d的权重分别为30,20,20,10,那么该文本的向量表示为D(30,20,20,10)。在向量空间模型中,两个文档D1和D2之间的相关度Sim(D1,D2)常用向量之间夹角的余弦值表示,如下述公式(1)所示:
其中,W1k、W2k分别表示文档D1和D2的第k个特征项的权值,1<=k<=N。
步骤607,将匹配程度大于预设的匹配程度阈值的物品或信息推荐给所述社交圈中的各用户。
在获取到物品或信息的属性与社交圈的圈子偏好属性的匹配程度后,将该匹配程度大于预设的匹配程度阈值的物品或信息推荐给该社交圈中的各用户,即将二者匹配程度较高的物品或信息向该社交圈中的各用户推荐。图7为本发明信息推荐方法实施例三中基于社交圈的内容推荐过程的示意图,如图7所示,将与该社交圈的圈子偏好属性相匹配的物品或信息推荐给该社交圈中的各用户。
本实施例提供了一种信息推荐方法,通过第一网络平台的开放接口获取与第二网络平台中各用户相关联的用户的关系数据信息,根据各用户的关系数据信息分别获取第二网络平台中各用户的社交用户,将各用户和各用户的社交用户分别划分为各用户对应的好友圈,根据该关系数据信息分别将各好友圈划分为多个不同的社交圈,根据用户在第二网络平台中的行为记录,采用内容推荐策略在划分后的社交圈中进行信息推荐;本实施例能够利用社交网站开放的接口和用户数据进行信息推荐,提高了信息推荐的准确度,为用户提供了极大便利。
本领域普通技术人员可以理解:实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时,执行包括上述各方法实施例的步骤;而前述的存储介质包括:ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
图8为本发明信息推荐装置实施例一的结构示意图,如图8所示,本实施例提供了一种信息推荐装置,可以具体包括执行上述方法实施例一中的各个步骤,此处不再赘述。本实施例提供的信息推荐装置可以具体包括获取模块801、划分模块802和推荐模块803。其中,获取模块801用于通过第一网络平台的开放接口获取与第二网络平台中的各用户相关联的用户的关系数据信息,所述关系数据信息包括各用户之间交互的用户交互信息和表示用户自身行为的用户行为信息。划分模块802用于根据所述用户的关系数据信息分别对根据预设的划分策略划分得到的各好友圈进行划分,将一个好友圈划分为多个不同的社交圈。推荐模块803用于根据获取的各用户在所述第二网络平台中的行为记录,采用预设的推荐策略在各所述社交圈中分别进行信息推荐。
图9为本发明信息推荐装置实施例二的结构示意图,如图9所示,本实施例提供了一种信息推荐装置,可以具体包括执行上述方法实施例二中的各个步骤,此处不再赘述。本实施例提供的信息推荐装置在上述图8所示的基础之上,划分模块802可以具体包括第一获取单元812、第一划分单元822和第二划分单元832。其中,第一获取单元812用于根据各用户的关系数据信息分别获取所述第二网络平台中各用户的社交用户,所述各用户的社交用户为与所述各用户具有社交关系的用户。第一划分单元822用于将所述各用户和所述各用户的社交用户分别划分为所述各用户对应的好友圈。第二划分单元832用于根据所述用户的关系数据信息分别对所述各用户对应的好友圈进行划分,将一个好友圈划分为多个不同的社交圈。
具体地,本实施例中的推荐模块803可以具体用于根据获取的各用户在所述第二网络平台中的行为记录,采用协同推荐策略和/或内容推荐策略在各所述社交圈中分别进行信息推荐。
更具体地,本实施例中的推荐模块803可以具体包括第二获取单元813、生成单元823和第一推荐单元833。其中,第二获取单元813用于获取一个社交圈中各用户在所述第二网络平台中的行为记录,所述行为记录包括物品的购买记录和信息的浏览记录。生成单元823用于根据获取的行为记录生成所述第二网络平台中各物品或信息在预设时间段内的流行度。第一推荐单元833用于将所述预设时间段内流行度大于预设的流行度阈值的物品或信息推荐给所述社交圈中未接触该物品或信息的各用户。
更具体地,本实施例中的推荐模块803可以具体包括第三获取单元843、第一计算单元853、第二计算单元863和第二推荐单元873。其中,第三获取单元843用于获取一个社交圈中各用户在所述第二网络平台中的行为记录,所述行为记录包括物品的购买记录和信息的浏览记录。第一计算单元853用于根据各用户的行为记录和关系数据信息分别计算所述各用户的个人偏好属性,将所述社交圈中各用户的共同的个人偏好属性作为所述社交圈的圈子偏好属性。第二计算单元863用于计算所述第二网络平台中各物品或信息的属性与所述社交圈的圈子偏好属性的匹配程度。第二推荐单元873用于将匹配程度大于预设的匹配程度阈值的物品或信息推荐给所述社交圈中的各用户。
本实施例提供了一种信息推荐装置,通过第一网络平台的开放接口获取与第二网络平台中各用户相关联的用户的关系数据信息,根据各用户的关系数据信息分别获取第二网络平台中各用户的社交用户,将各用户和各用户的社交用户分别划分为各用户对应的好友圈,根据该关系数据信息分别将各好友圈划分为多个不同的社交圈,根据用户在第二网络平台中的行为记录,采用预设的推荐策略在划分后的社交圈中进行信息推荐;本实施例能够利用社交网站开放的接口和用户数据进行信息推荐,提高了信息推荐的准确度,为用户提供了极大便利。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (10)
1.一种信息推荐方法,其特征在于,包括:
第二网络平台通过第一网络平台的开放接口获取所述第一网络的用户中与所述第二网络平台中的各用户相关联的用户的关系数据信息,所述第一网络的用户中与第二网络平台中的各用户相关联的用户是指所述第一网络平台和所述第二网络平台中具有相同身份信息的用户,所述关系数据信息包括各用户之间的用户交互信息和表示用户自身行为的用户行为信息;其中,所述第一网络平台为运营商网站或社交网站,所述第二网络平台为电子商务网站;
所述第二网络平台根据所述用户的关系数据信息分别对各用户的好友圈进行划分,以得到多个不同的社交圈;
所述第二网络平台根据获取的各用户在所述第二网络平台中的行为记录,采用预设的推荐策略在各所述社交圈中分别进行信息推荐。
2.根据权利要求1所述的方法,其特征在于,所述第二网络平台根据所述用户的关系数据信息分别对各用户的好友圈进行划分,以得到多个不同的社交圈包括:
根据各用户的关系数据信息分别获取所述第二网络平台中各用户的社交用户,所述各用户的社交用户为与所述各用户具有社交关系的用户;
将所述各用户和所述各用户的社交用户分别划分为所述各用户对应的好友圈;
根据所述用户的关系数据信息分别对所述各用户对应的好友圈进行划分,以得到多个不同的社交圈。
3.根据权利要求1或2所述的方法,其特征在于,所述第二网络平台根据获取的各用户在所述第二网络平台中的行为记录,采用预设的推荐策略在各所述社交圈中分别进行信息推荐包括:
根据获取的各用户在所述第二网络平台中的行为记录,采用协同推荐策略和/或内容推荐策略在各所述社交圈中分别进行信息推荐。
4.根据权利要求3所述的方法,根据获取的各用户在所述第二网络平台中的行为记录,采用协同推荐策略在各社交圈中分别进行信息推荐包括:
获取一个社交圈中各用户在所述第二网络平台中的行为记录,所述行为记录包括物品的购买记录和信息的浏览记录;
根据获取的行为记录生成所述第二网络平台中各物品或信息在预设时间段内的流行度;
将所述预设时间段内流行度大于预设的流行度阈值的物品或信息推荐给所述社交圈中未接触该物品或信息的各用户。
5.根据权利要求3所述的方法,其特征在于,根据获取的各用户在所述第二网络平台中的行为记录,采用内容推荐策略在各所述社交圈中分别进行信息推荐包括:
获取一个社交圈中各用户在所述第二网络平台中的行为记录,所述行为记录包括物品的购买记录和信息的浏览记录;
根据各用户的行为记录和关系数据信息分别计算所述各用户的个人偏好属性;
将所述社交圈中各用户的共同的个人偏好属性作为所述社交圈的圈子偏好属性;
计算所述第二网络平台中各物品或信息的属性与所述社交圈的圈子偏好属性的匹配程度;
将匹配程度大于预设的匹配程度阈值的物品或信息推荐给所述社交圈中的各用户。
6.一种信息推荐装置,其特征在于,包括:
获取模块,用于通过第一网络平台的开放接口获取所述第一网络的用户中与第二网络平台中的各用户相关联的用户的关系数据信息,所述第一网络的用户中与第二网络平台中的各用户相关联的用户是指所述第一网络平台和所述第二网络平台中具有相同身份信息的用户,所述关系数据信息包括各用户之间的用户交互信息和表示用户自身行为的用户行为信息;其中,所述第一网络平台为运营商网站或社交网站,所述第二网络平台为电子商务网站;
划分模块,用于根据所述用户的关系数据信息分别对各用户的好友圈进行划分,以得到多个不同的社交圈;
推荐模块,用于根据获取的各用户在所述第二网络平台中的行为记录,采用预设的推荐策略在各所述社交圈中分别进行信息推荐。
7.根据权利要求6所述的装置,其特征在于,所述划分模块包括:
第一获取单元,用于根据各用户的关系数据信息分别获取所述第二网络平台中各用户的社交用户,所述各用户的社交用户为与所述各用户具有社交关系的用户;
第一划分单元,用于将所述各用户和所述各用户的社交用户分别划分为所述各用户对应的好友圈;
第二划分单元,用于根据所述用户的关系数据信息分别对所述各用户对应的好友圈进行划分,以得到多个不同的社交圈。
8.根据权利要求6或7所述的装置,其特征在于,所述推荐模块具体用于根据获取的各用户在所述第二网络平台中的行为记录,采用协同推荐策略和/或内容推荐策略在各所述社交圈中分别进行信息推荐。
9.根据权利要求8所述的装置,其特征在于,所述推荐模块包括:
第二获取单元,用于获取一个社交圈中各用户在所述第二网络平台中的行为记录,所述行为记录包括物品的购买记录和信息的浏览记录;
生成单元,用于根据获取的行为记录生成所述第二网络平台中各物品或信息在预设时间段内的流行度;
第一推荐单元,用于将所述预设时间段内流行度大于预设的流行度阈值的物品或信息推荐给所述社交圈中未接触该物品或信息的各用户。
10.根据权利要求8所述的装置,其特征在于,所述推荐模块包括:
第三获取单元,用于获取一个社交圈中各用户在所述第二网络平台中的行为记录,所述行为记录包括物品的购买记录和信息的浏览记录;
第一计算单元,用于根据各用户的行为记录和关系数据信息分别计算所述各用户的个人偏好属性,将所述社交圈中各用户的共同的个人偏好属性作为所述社交圈的圈子偏好属性;
第二计算单元,用于计算所述第二网络平台中各物品或信息的属性与所述社交圈的圈子偏好属性的匹配程度;
第二推荐单元,用于将匹配程度大于预设的匹配程度阈值的物品或信息推荐给所述社交圈中的各用户。
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210215463.0A CN103514204B (zh) | 2012-06-27 | 2012-06-27 | 信息推荐方法和装置 |
PCT/CN2013/070158 WO2014000431A1 (zh) | 2012-06-27 | 2013-01-07 | 信息推荐方法和装置 |
US14/333,784 US20140330653A1 (en) | 2012-06-27 | 2014-07-17 | Information Recommendation Method and Apparatus |
US17/109,629 US20210133817A1 (en) | 2012-06-27 | 2020-12-02 | Information Recommendation Method and Apparatus |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210215463.0A CN103514204B (zh) | 2012-06-27 | 2012-06-27 | 信息推荐方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103514204A CN103514204A (zh) | 2014-01-15 |
CN103514204B true CN103514204B (zh) | 2018-11-20 |
Family
ID=49782165
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210215463.0A Active CN103514204B (zh) | 2012-06-27 | 2012-06-27 | 信息推荐方法和装置 |
Country Status (3)
Country | Link |
---|---|
US (2) | US20140330653A1 (zh) |
CN (1) | CN103514204B (zh) |
WO (1) | WO2014000431A1 (zh) |
Families Citing this family (26)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105095176A (zh) * | 2014-04-29 | 2015-11-25 | 华为技术有限公司 | 用户设备提取文本信息中的特征信息的方法和用户设备 |
CN104052651B (zh) * | 2014-06-03 | 2017-09-12 | 西安交通大学 | 一种建立社交组的方法和装置 |
CN108197330B (zh) * | 2014-11-10 | 2019-10-29 | 北京字节跳动网络技术有限公司 | 基于社交平台的数据挖掘方法及装置 |
CN105677162B (zh) * | 2014-11-19 | 2019-12-03 | 深圳市腾讯计算机系统有限公司 | 匹配条件列表的显示方法和装置 |
US10558706B2 (en) | 2014-12-17 | 2020-02-11 | Oath Inc. | Method and system for determining user interests based on a correspondence graph |
CN104615775B (zh) * | 2015-02-26 | 2018-08-07 | 北京奇艺世纪科技有限公司 | 一种用户推荐方法及装置 |
CN106302104B (zh) * | 2015-06-26 | 2020-01-21 | 阿里巴巴集团控股有限公司 | 一种用户关系识别方法及装置 |
CN106301880B (zh) * | 2015-06-29 | 2019-12-24 | 阿里巴巴集团控股有限公司 | 一种确定网络关系稳定度、互联网业务推荐方法和设备 |
CN106330846A (zh) * | 2015-07-03 | 2017-01-11 | 阿里巴巴集团控股有限公司 | 跨平台的对象推荐方法及装置 |
CN111159540B (zh) * | 2015-09-16 | 2024-03-08 | 那彦琳 | 数据处理方法及装置 |
CN106611350B (zh) * | 2015-10-26 | 2020-06-05 | 阿里巴巴集团控股有限公司 | 挖掘潜在用户源的方法和装置 |
CN107545451B (zh) * | 2016-06-27 | 2020-11-27 | 腾讯科技(深圳)有限公司 | 一种广告推送方法及装置 |
CN106383899A (zh) * | 2016-09-28 | 2017-02-08 | 北京小米移动软件有限公司 | 服务推荐方法、装置及终端 |
CN111199491B (zh) * | 2018-10-31 | 2023-08-22 | 百度在线网络技术(北京)有限公司 | 社交圈的推荐方法和装置 |
CN109615487A (zh) * | 2019-01-04 | 2019-04-12 | 平安科技(深圳)有限公司 | 基于用户行为的产品推荐方法、装置、设备及存储介质 |
US20220180417A1 (en) * | 2019-03-27 | 2022-06-09 | Nippon Food Manufacturer Co. | Item proposal system |
CN110782276B (zh) * | 2019-10-10 | 2022-04-26 | 微梦创科网络科技(中国)有限公司 | 一种访问分流策略干扰判断方法、装置及电子设备 |
CN110737846B (zh) * | 2019-10-28 | 2022-05-31 | 北京字节跳动网络技术有限公司 | 一种社交界面推荐方法、装置、电子设备及存储介质 |
CN111275492A (zh) * | 2020-02-07 | 2020-06-12 | 腾讯科技(深圳)有限公司 | 用户画像生成方法、装置、存储介质及设备 |
CN112150195B (zh) * | 2020-09-15 | 2024-07-05 | 珠海格力电器股份有限公司 | 一种目标物品的推荐方法、装置、设备及计算机可读介质 |
CN112203121A (zh) * | 2020-10-12 | 2021-01-08 | 广州欢网科技有限责任公司 | 一种互联网电视广告投放方法和装置及系统 |
CN112231567A (zh) * | 2020-10-20 | 2021-01-15 | 王明烨 | 一种精确推送信息的方法及装置 |
CN112364259A (zh) * | 2020-11-24 | 2021-02-12 | 深圳市元征科技股份有限公司 | 一种信息推荐方法、装置、设备及介质 |
CN112950325B (zh) * | 2021-03-16 | 2023-10-03 | 山西大学 | 一种社交行为融合的自注意力序列推荐方法 |
CN115348544A (zh) * | 2021-05-14 | 2022-11-15 | 中国移动通信集团浙江有限公司 | 异网用户定位方法、终端设备及存储介质 |
US20230325735A1 (en) * | 2022-03-25 | 2023-10-12 | Microsoft Technology Licensing, Llc | Generating and processing contextualized group data |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101136938A (zh) * | 2007-09-10 | 2008-03-05 | 北京易路联动技术有限公司 | 一种移动互联网应用的集中式管理方法和平台系统 |
CN102130933A (zh) * | 2010-01-13 | 2011-07-20 | 中国移动通信集团公司 | 一种基于移动互联网的推荐方法、系统和设备 |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7409362B2 (en) * | 2004-12-23 | 2008-08-05 | Diamond Review, Inc. | Vendor-driven, social-network enabled review system and method with flexible syndication |
US20090182589A1 (en) * | 2007-11-05 | 2009-07-16 | Kendall Timothy A | Communicating Information in a Social Networking Website About Activities from Another Domain |
US8073794B2 (en) * | 2007-12-20 | 2011-12-06 | Yahoo! Inc. | Social behavior analysis and inferring social networks for a recommendation system |
US8417698B2 (en) * | 2008-05-06 | 2013-04-09 | Yellowpages.Com Llc | Systems and methods to provide search based on social graphs and affinity groups |
US10269021B2 (en) * | 2009-04-20 | 2019-04-23 | 4-Tell, Inc. | More improvements in recommendation systems |
US8671029B2 (en) * | 2010-01-11 | 2014-03-11 | Ebay Inc. | Method, medium, and system for managing recommendations in an online marketplace |
US20110179062A1 (en) * | 2010-01-19 | 2011-07-21 | Electronics And Telecommunications Research Institute | Apparatus and method for sharing social media content |
US20110202406A1 (en) * | 2010-02-16 | 2011-08-18 | Nokia Corporation | Method and apparatus for distributing items using a social graph |
US20110238608A1 (en) * | 2010-03-25 | 2011-09-29 | Nokia Corporation | Method and apparatus for providing personalized information resource recommendation based on group behaviors |
US20120166935A1 (en) * | 2010-12-24 | 2012-06-28 | Trademarkia, Inc. | Automatic association of government brand information with domain and social media availability |
CN102317941A (zh) * | 2011-07-30 | 2012-01-11 | 华为技术有限公司 | 信息推荐方法、推荐引擎及网络系统 |
US20130054407A1 (en) * | 2011-08-30 | 2013-02-28 | Google Inc. | System and Method for Recommending Items to Users Based on Social Graph Information |
-
2012
- 2012-06-27 CN CN201210215463.0A patent/CN103514204B/zh active Active
-
2013
- 2013-01-07 WO PCT/CN2013/070158 patent/WO2014000431A1/zh active Application Filing
-
2014
- 2014-07-17 US US14/333,784 patent/US20140330653A1/en not_active Abandoned
-
2020
- 2020-12-02 US US17/109,629 patent/US20210133817A1/en active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101136938A (zh) * | 2007-09-10 | 2008-03-05 | 北京易路联动技术有限公司 | 一种移动互联网应用的集中式管理方法和平台系统 |
CN102130933A (zh) * | 2010-01-13 | 2011-07-20 | 中国移动通信集团公司 | 一种基于移动互联网的推荐方法、系统和设备 |
Also Published As
Publication number | Publication date |
---|---|
US20210133817A1 (en) | 2021-05-06 |
WO2014000431A1 (zh) | 2014-01-03 |
CN103514204A (zh) | 2014-01-15 |
US20140330653A1 (en) | 2014-11-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103514204B (zh) | 信息推荐方法和装置 | |
US12021908B2 (en) | Supplementing user web-browsing | |
US10318534B2 (en) | Recommendations in a computing advice facility | |
US20190370676A1 (en) | Interestingness recommendations in a computing advice facility | |
CA2955330C (en) | Geographically localized recommendations in a computing advice facility | |
US20160342902A1 (en) | Interestingness recommendations in a computing advice facility | |
US10826953B2 (en) | Supplementing user web-browsing | |
Tiroshi et al. | Recommender systems and the social web | |
O'Connor et al. | Web 2.0, the online community and destination marketing. | |
Kim et al. | Evolution of online social networks: A conceptual framework | |
Lee | Changes in marketing brought by AI | |
US8484092B1 (en) | Generating communities based on common interest | |
Console et al. | Toward a social web of intelligent things | |
Nalewajek et al. | The impact of virtual communities on enhancing hedonistic consumer attitudes | |
Sandrin | The Struggle between Human-centredness and Intelligent Technologies: a Critical Discussion on the Use of Customer Data in Marketing Practice-A Survey Analysis of the RIR Clusters in Veneto | |
Yang et al. | Micro-blog friend recommendation algorithms based on content and social relationship | |
US20240348672A1 (en) | Supplementing user web-browsing | |
Tanase | Social dynamics in Online product review communities | |
Lin | LePlaza: an event-centered social networking platform with location based personalized recommendation service |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |