CN103617221B - 软件推荐方法及系统 - Google Patents

软件推荐方法及系统 Download PDF

Info

Publication number
CN103617221B
CN103617221B CN201310598460.4A CN201310598460A CN103617221B CN 103617221 B CN103617221 B CN 103617221B CN 201310598460 A CN201310598460 A CN 201310598460A CN 103617221 B CN103617221 B CN 103617221B
Authority
CN
China
Prior art keywords
software
specialist
information
user
expert
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
Application number
CN201310598460.4A
Other languages
English (en)
Other versions
CN103617221A (zh
Inventor
曹万鹏
严斌峰
侯玉华
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China United Network Communications Group Co Ltd
Original Assignee
China United Network Communications Group Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by China United Network Communications Group Co Ltd filed Critical China United Network Communications Group Co Ltd
Priority to CN201310598460.4A priority Critical patent/CN103617221B/zh
Publication of CN103617221A publication Critical patent/CN103617221A/zh
Application granted granted Critical
Publication of CN103617221B publication Critical patent/CN103617221B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/10File systems; File servers
    • G06F16/14Details of searching files based on file metadata
    • G06F16/148File search processing

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Library & Information Science (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Stored Programmes (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供一种软件推荐方法及系统,包括:从用户设备的浏览历史记录和/或用户输入信息中提取关键字信息,搜索与该关键字信息对应的软件;获取使用软件的用户设备对该软件的使用程度信息以及对软件的使用种类量;根据上述信息确定各软件的软件专家并组成与该关键字对应的软件专家集,获取各软件专家所使用的软件,组成专家软件库;在获取用户设备的关键字后将专家软件库中软件信息呈现给用户。本发明根据用户软件使用情况能更客观地为用户遴选出软件专家,进而为用户提供更准确、更合适、更权威的软件推荐方法,并且有效防止了一些软件提供商采用不正当手段增加自己的软件排名,而将一些无用的、虚假的软件推荐给用户,从而对用户带来的困扰。

Description

软件推荐方法及系统
技术领域
本发明涉及网络通信技术领域,尤其涉及一种软件推荐方法及系统。
背景技术
近年来,在智能手机迅速发展的过程中,丰富多彩的手机应用软件为电信运营商吸引了众多的手机应用户,并带来了快速的数据业务增长,但如何解决从海量手机软件中为用户提供精准的软件推荐定位一直以来是手机软件运营商们研究的热点,也是各大手机平台竞争的重点领域。
目前,为给用户提供精准的软件推荐系统,人们提出了众多不同的软件推荐策略。但目前的手机软件应用商城提供的软件推荐排序,多为基于用户的浏览历史抽取出关键词后根据软件应用商城运营商的主观意愿或简单猜测进行相关于关键词的推荐,而不是精确的为用户提供相关于该关键词的一类软件中最好的那个软件。而且一些软件提供商采用不正当手段增加自己软件的下载次数和评价分数来提升软件的排序。
上述这些方法都不能准确反映用户真实软件需求,不能为用户提供更优秀的软件。而且上述这些方法不但无法给用户提供良好的体验,而且还把过多无用的、虚假的软件推荐给用户,给用户造成困扰。因此,现有的这种推荐方式已不能满足人们日益增长的对手机软件推荐体验的高要求。
发明内容
本发明提供一种软件推荐方法及系统,用于解决为用户提供更准确、更合适、更权威的软件推荐方法,并且有效防止了一些软件提供商采用不正当手段将一些无用的、虚假的软件推荐给用户,从而对用户带来困扰的问题。
本发明提供一种软件推荐方法,包括:
从用户设备中获取用户的浏览历史记录和/或用户输入信息;
从所述浏览历史记录和/或用户输入信息中提取第一关键字信息,并搜索与所述第一关键字信息对应的第一软件集合;其中,第一关键字信息为预设关键字;
针对所述第一软件集合中的每个软件,获取使用该软件的用户设备对该软件的使用程度信息以及对所述第一软件集合中的软件的使用种类量;
针对所述第一软件集合中的每个软件,根据所述使用程度信息以及所述使用种类量,从使用该软件的用户设备中确定该软件的软件专家并组成软件专家集,所述软件专家集包括软件专家与该软件的对应关系;
根据所述对应关系,获取各软件专家所使用的软件,并将获取的软件组成专家软件库;
将所述专家软件库中所包含的软件信息发送所述用户设备以向用户呈现所述软件专家推荐的软件信息。
本发明还提供一种软件推荐系统,包括:
获取模块,用于从用户设备中获取用户的浏览历史记录和/或用户输入信息;
提取模块,用于从所述浏览历史记录和/或用户输入信息中提取第一关键字信息,并搜索与所述第一关键字信息对应的第一软件集合;其中,第一关键字信息为预设关键字;
所述获取模块,还用于针对所述第一软件集合中的每个软件,获取使用该软件的用户设备对该软件的使用程度信息以及对所述第一软件集合中的软件的使用种类量;
确定模块,用于针对所述第一软件集合中的每个软件,根据所述使用程度信息以及所述使用种类量,从使用该软件的用户设备中确定该软件的软件专家并组成软件专家集,所述软件专家集包括软件专家与该软件的对应关系;
所述获取模块,还用于根据所述对应关系,获取各软件专家所使用的软件,并将获取的软件组成专家软件库;
推荐模块,用于将所述专家软件库中所包含的软件信息发送所述用户设备以向用户呈现所述软件专家推荐的软件信息。
本发明通过统计更能反映用户真实软件使用情况的软件使用信息,有针对性选出更精确、更具权威性的软件专家,并为关键字建立对应的专家软件库,滤除掉无用的软件,因此本发明能够为用户提供更准确、更合适、更权威的软件推荐方法,并且有效防止了一些软件提供商采用不正当手段增加自己的软件排名,而将一些无用的、虚假的软件推荐给用户,从而对用户带来的困扰。
附图说明
图1为本发明提供的软件推荐方法实施例一的流程图;
图2为本发明提供的软件推荐方法实施例二的流程图;
图3为本发明提供的软件推荐系统实施例的结构图。
具体实施方式
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,所描述的实施例仅仅是本发明的一部分实施例,而不是全部实施例。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获得的所有其他实施例,都属于本发明保护的范围。
如图1所示,为本发明提供的软件推荐方法实施例一的流程图,包括以下步骤:
S101、从用户设备中获取用户的浏览历史记录和/或用户输入信息;
例如,可以从用户设备的浏览器或者在应用商城的浏览或搜索记录中获取用户的浏览历史记录和/或用户输入信息。需要说明的是,这里的用户设备是指默认可以被软件推荐服务器获取相关信息的用户设备,可以为手机、ipad等智能客户终端。
S102、从浏览历史记录和/或用户输入信息中提取第一关键字信息,并搜索与第一关键字信息对应的第一软件集合;其中,第一关键字信息为预设关键字;
举例来说,假设预设关键字为导航,则从浏览历史记录和/或用户输入信息中提取的第一关键字信息为导航,如果在软件服务器上搜索到以下导航类软件:百度地图、图吧导航、凯立德导航、导航犬以及高德导航等,则由以上软件所组成的集合即为导航关键字信息对应的第一软件集合。
S103、针对第一软件集合中的每个软件,获取使用该软件的用户设备对该软件的使用程度信息以及对第一软件集合中的软件的使用种类量;
这里需要说明的是,软件的使用种类量为该软件所在用户设备正在使用以及使用过该第一关键字对应软件的种类。
其中,上述使用程度信息包含软件使用频度、软件使用粘度、软件功能使用程度以及软件使用熟练程度中的至少一种信息。
S104、针对第一软件集合中的每个软件,根据使用程度信息以及使用种类量,从使用该软件的用户设备中确定该软件的软件专家并组成软件专家集,软件专家集包括软件专家与该软件的对应关系;
如果上述使用程度信息中至少一种信息超过第一预设值并且使用种类量超过第二预设值,则确定该用户设备为该软件的软件专家,并保存该软件及所在用户设备的对应关系。以此方法找出第一软件集合中所有达到标准的软件及对应的软件专家将它们组成一个软件专家集。
本领域技术人员可以理解的是,上述使用程度信息可以根据运营策略选择软件使用频度、软件使用粘度、软件功能使用程度以及软件使用熟练程度中的一种、两种、三种或者全部信息,那么其对应的第一预设值个数也做相应改变。例如,上述使用程度信息取为软件使用频度、软件使用粘度以及软件功能使用程度三种信息,那么上述第一预设值则对应为软件使用频度阈值、软件使用粘度阈值以及软件功能使用程度阈值三个值。
S105、根据对应关系,获取各软件专家所使用的软件,并将获取的软件组成专家软件库;
本领域技术人员可以理解的是,软件推荐服务器可以从软件专家处获取所使用的软件也可以从第三方软件数据库中获取各软件专家所使用的软件。
另外,根据用户对软件的使用程度信息以及软件的下载和卸载情况及时的对专家软件库中的软件进行更新,使软件推荐和软件搜索更及时、更专业、更准确的反应用户设备对软件的真实个性化软件需求。
S106、将专家软件库中所包含的软件信息发送用户设备以向用户呈现软件专家推荐的软件信息。
本实施例通过统计更能反映用户真实软件使用情况的软件使用信息,有针对性选出更精确、更具权威性的软件专家,并为关键字建立对应的专家软件库,滤除掉无用的软件,因此本实施例能够为用户提供更准确、更合适、更权威的软件推荐方法,并且有效防止了一些软件提供商采用不正当手段增加自己的软件排名,而将一些无用的、虚假的软件推荐给用户,从而对用户带来的困扰。
另外,上述实施例一在根据软件使用程度信息以及使用种类量,从使用软件的用户设备中确定该软件的软件专家并组成软件专家集时,还可以采用如下方法实现:如果上述使用程度信息至少一种信息超过第一预设值、上述使用种类量超过第二预设值并且该用户设备的专家度超过第三预设值,则确定该用户设备为该软件的软件专家,其中,专家度为至少一种信息以及、使用种类量的乘积,这里需要说明的是,专家度的计算可以根据运营策略的调整和运营数据的丰富进行修正,例如软件使用程度信息的进一步丰富以及用户对软件推荐体验的反馈等。从而在向用户呈现软件专家推荐的软件信息时可以按照专家度和使用该软件的专家数量,从高到低进行软件排序,并将排序结果呈现给用户。采用此方法确定软件专家可以进一步缩小软件专家集的范围使软件推荐结果更精确且更有针对性。
本领域技术人员可以理解的是,上述实施例技术方案不仅限于软件推荐,而且还可以用于实现软件搜索。
下面采用一具体实施例详细说明本发明技术方案。
如图2所示,为本发明提供的软件推荐方法实施例二的流程图,包括以下步骤:
S201、从用户手机浏览器中获取用户的浏览历史记录以及用户输入信息;
S202、从浏览历史记录以及用户输入信息中提取预先设置的关键字信息例如为导航,并搜索到与导航关键字信息对应的软件集合为百度地图、图吧导航、凯立德导航、导航犬以及高德导航;
S203、分别获取使用百度地图、图吧导航、凯立德导航、导航犬以及高德导航的手机,以及针对每个软件获取所在手机对该软件的软件使用频度、软件使用粘度、软件功能使用程度、软件使用熟练程度使用程度信息以及对软件的使用种类量;
例如,获得的每个软件所对的手机以及使用程度信息以及手机对软件的使用种类量如下表2-1所示:
表2-1
其中,这里的软件使用种类量为所在手机正在使用或使用过的导航类软件的总数占导航类软件总数的百分比。
S204、分别设置软件使用频度阈值为0.60、软件使用粘度阈值为0.7、软件功能使用程度阈值为0.5、软件使用熟练程度使用程度阈值为0.6以及软件使用种类量阈值0.2;
S205、根据每个软件在所在手机上的软件使用频度、软件使用粘度、软件功能使用程度、软件使用熟练程度使用程度信息以及对软件的使用种类量值遴选出五个参数值均超过对应阈值的软件所在的手机;
根据上述条件,选择的软件集对应的软件专家如下表2-2所示:
表2-2
S206、计算遴选出的各软件所在手机的专家度;
这里的专家度可以设为软件使用频度x软件使用粘度x软件功能使用程度x软件使用熟练程度使用程度信息x软件的使用种类量;则步骤S105中各软件所在手机的专家度如下表2-3所示:
表2-3
软件-手机 百度地图-A 图吧导航-B 导航犬-B 导航犬-D 高德导航-A
专家度 0.20 0.17 0.23 0.20 0.31
S207、设置专家度阈值为0.20,选出专家度等于或超过该阈值的手机作为软件专家,并记录软件与手机的对应关系;
由上表2-3可知,专家度超过0.20的软件专家及对应的软件如下表2-4所示:
表2-4
手机-软件 A-百度地图 B-导航犬 D-导航犬 A-高德导航
专家度 0.20 0.23 0.20 0.31
S208、根据记录的软件与手机的对应关系,从上述软件专家上提取对应的软件组成专家软件库,并对专家软件库中的软件进行排序;
由上表2-4可知,专家软件库所包含的软件为百度地图、导航犬以及高德导航,将每个软件所在手机的专家度进行求和,根据每个软件的求和值的大小从高到低对软件进行排序。可以得到百度地图只在手机A上使用则得到百度地图所对应的值为0.20,导航犬在手机B和D上使用则得到导航犬所对应的值为0.43(0.23+0.20),高德导航只在手机A上使用则得到高德导航所对应的值为0.31,根据对应值的大小对专家软件库中软件的排名顺序为导航犬、高德导航、百度地图。
S209、将专家软件库中的排名在前的软件推荐给用户。
在本实施例中,可以将专家软件库中的第一名软件即导航犬推荐给用户,或者以排名次序将导航犬、高德导航、百度地图同时推荐给用户。
如图3所示,为本发明提供的软件推荐系统实施例的结构图,包括以下模块:
获取模块31,用于从用户设备中获取用户的浏览历史记录和/或用户输入信息;
提取模块32,用于从浏览历史记录和/或用户输入信息中提取第一关键字信息,并搜索与第一关键字信息对应的第一软件集合;其中,第一关键字信息为预设关键字;
上述获取模块31,还用于针对第一软件集合中的每个软件,获取使用该软件的用户设备对该软件的使用程度信息以及对第一软件集合中的软件的使用种类量;
确定模块33,用于针对第一软件集合中的每个软件,根据使用程度信息以及使用种类量,从使用该软件的用户设备中确定该软件的软件专家并组成软件专家集,软件专家集包括软件专家与该软件的对应关系;
上述获取模块31,还用于根据对应关系,获取各软件专家所使用的软件,并将获取的软件组成专家软件库;
推荐模块34,用于将专家软件库中所包含的软件信息发送用户设备以向用户呈现软件专家推荐的软件信息。
进一步地,上述使用程度信息,包括下述信息中的至少一种信息:软件使用频度、软件使用粘度、软件功能使用程度以及软件使用熟练程度;
进一步地,上述确定模块33,具体用于若至少一种信息超过第一预设值并且使用种类量超过第二预设值,则确定该用户设备为该软件的软件专家。
进一步地,上述确定模块33,具体用于若至少一种信息超过第一预设值、使用种类量超过第二预设值并且该用户设备的专家度超过第三预设值,则确定该用户设备为该软件的软件专家,其中,专家度为至少一种信息以及使用种类量的乘积。
进一步地,向用户呈现的软件专家推荐的软件信息按照专家度以及使用该专家度对应软件的专家数量从高到低排序。
进一步地,上述获取模块31,具体用于:从软件专家处获取所使用的软件;或者,从第三方软件数据库中获取各软件专家所使用的软件。
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。
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 (8)

1.一种软件推荐方法,其特征在于,包括:
从用户设备中获取用户的浏览历史记录和/或用户输入信息;
从所述浏览历史记录和/或用户输入信息中提取第一关键字信息,并搜索与所述第一关键字信息对应的第一软件集合;其中,第一关键字信息为预设关键字;
针对所述第一软件集合中的每个软件,获取使用该软件的用户设备对该软件的使用程度信息以及对所述第一软件集合中的软件的使用种类量;
针对所述第一软件集合中的每个软件,根据所述使用程度信息以及所述使用种类量,从使用该软件的用户设备中确定该软件的软件专家并组成软件专家集,所述软件专家集包括软件专家与该软件的对应关系;
根据所述对应关系,获取各软件专家所使用的软件,并将获取的软件组成专家软件库;
将所述专家软件库中所包含的软件信息发送所述用户设备以向用户呈现所述软件专家推荐的软件信息;
所述使用程度信息,包括下述信息中的至少一种信息:
软件使用频度、软件使用粘度、软件功能使用程度以及软件使用熟练程度;
所述根据所述使用程度信息以及所述使用种类量,从使用该软件的用户设备中确定该软件的软件专家,包括:
若所述至少一种信息超过第一预设值并且所述使用种类量超过第二预设值,则确定该用户设备为该软件的软件专家。
2.根据权利要求1所述的方法,其特征在于,若所述至少一种信息超过第一预设值并且所述使用种类量超过第二预设值,则确定该用户设备为该软件的软件专家,包括:
若所述至少一种信息超过第一预设值、所述使用种类量超过第二预设值并且该用户设备的专家度超过第三预设值,则确定该用户设备为该软件的软件专家,其中,所述专家度为所述至少一种信息与所述使用种类量的乘积。
3.根据权利要求2所述的方法,其特征在于,向用户呈现的所述软件专家推荐的软件信息按照所述专家度以及使用该软件的专家数量,从高到低进行软件排序。
4.根据权利要求1~3中任一项所述的方法,其特征在于,所述获取各软件专家所使用的软件,包括:
从软件专家处获取所使用的软件;
或者,
从第三方软件数据库中获取各软件专家所使用的软件。
5.一种软件推荐系统,其特征在于,包括:
获取模块,用于从用户设备中获取用户的浏览历史记录和/或用户输入信息;
提取模块,用于从所述浏览历史记录和/或用户输入信息中提取第一关键字信息,并搜索与所述第一关键字信息对应的第一软件集合;其中,第一关键字信息为预设关键字;
所述获取模块,还用于针对所述第一软件集合中的每个软件,获取使用该软件的用户设备对该软件的使用程度信息以及对所述第一软件集合中的软件的使用种类量;
确定模块,用于针对所述第一软件集合中的每个软件,根据所述使用程度信息以及所述使用种类量,从使用该软件的用户设备中确定该软件的软件专家并组成软件专家集,所述软件专家集包括软件专家与该软件的对应关系;
所述获取模块,还用于根据所述对应关系,获取各软件专家所使用的软件,并将获取的软件组成专家软件库;
推荐模块,用于将所述专家软件库中所包含的软件信息发送所述用户设备以向用户呈现所述软件专家推荐的软件信息;
所述使用程度信息,包括下述信息中的至少一种信息:
软件使用频度、软件使用粘度、软件功能使用程度以及软件使用熟练程度;
所述确定模块,具体用于若所述至少一种信息超过第一预设值并且所述使用种类量超过第二预设值,则确定该用户设备为该软件的软件专家。
6.根据权利要求5所述的系统,其特征在于,
所述确定模块,具体用于若所述至少一种信息超过第一预设值、所述使用种类量超过第二预设值并且该用户设备的专家度超过第三预设值,则确定该用户设备为该软件的软件专家,其中,所述专家度为所述至少一种信息与所述使用种类量的乘积。
7.根据权利要求6所述的系统,其特征在于,向用户呈现的所述软件专家推荐的软件信息按照所述专家度以及使用该软件的专家数量,从高到低进行软件排序。
8.根据权利要求5~7中任一项所述的系统,其特征在于,所述获取模块,具体用于:
从软件专家处获取所使用的软件;
或者,
从第三方软件数据库中获取各软件专家所使用的软件。
CN201310598460.4A 2013-11-22 2013-11-22 软件推荐方法及系统 Active CN103617221B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201310598460.4A CN103617221B (zh) 2013-11-22 2013-11-22 软件推荐方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201310598460.4A CN103617221B (zh) 2013-11-22 2013-11-22 软件推荐方法及系统

Publications (2)

Publication Number Publication Date
CN103617221A CN103617221A (zh) 2014-03-05
CN103617221B true CN103617221B (zh) 2017-02-01

Family

ID=50167924

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201310598460.4A Active CN103617221B (zh) 2013-11-22 2013-11-22 软件推荐方法及系统

Country Status (1)

Country Link
CN (1) CN103617221B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105988836B (zh) * 2015-02-12 2020-07-10 Oppo广东移动通信有限公司 一种应用推荐方法及装置
CN106293800A (zh) * 2015-06-29 2017-01-04 中兴通讯股份有限公司 软件推荐方法和装置
CN106909402B (zh) * 2015-12-22 2020-08-28 北京奇虎科技有限公司 应用程序的处理方法与装置
CN107528899A (zh) * 2017-08-23 2017-12-29 广东欧珀移动通信有限公司 信息推荐方法、装置、移动终端及存储介质
CN107679079A (zh) * 2017-08-29 2018-02-09 重庆邮电大学 基于手机用户兴趣三维模型的个性化应用推荐方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110302032A1 (en) * 2010-06-08 2011-12-08 Kazuo Ishii Content recommendation device and content recommendation method
CN102693229A (zh) * 2011-03-22 2012-09-26 腾讯科技(深圳)有限公司 软件分析方法、推荐方法、分析装置及推荐装置

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110302032A1 (en) * 2010-06-08 2011-12-08 Kazuo Ishii Content recommendation device and content recommendation method
CN102693229A (zh) * 2011-03-22 2012-09-26 腾讯科技(深圳)有限公司 软件分析方法、推荐方法、分析装置及推荐装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Personalized Recommendation of Social Software Items Based on Social Relations;Ido Guy 等;《RecSys"09 Proceeding of the third ACM conference on recommender systems》;20091231;第53页-60页 *
基于软件网络的服务自动分类和推荐方法研究;潘伟丰 等;《计算机学报》;20111231;第34卷(第12期);第2355页-2369页 *

Also Published As

Publication number Publication date
CN103617221A (zh) 2014-03-05

Similar Documents

Publication Publication Date Title
US9978093B2 (en) Method and system for pushing mobile application
CN103617221B (zh) 软件推荐方法及系统
Clements et al. Using flickr geotags to predict user travel behaviour
CN107589855B (zh) 一种根据地理位置推荐候选词的方法和装置
CN105868291A (zh) 推荐网址的方法、装置及系统
US20120233173A1 (en) Determining preferred categories based on user access attribute values
CN107085600B (zh) Poi推荐方法、装置、设备及计算机可读存储介质
CN104143005A (zh) 一种相关搜索系统及方法
US20140115498A1 (en) Obtaining event reviews
RU2010117390A (ru) Системы, аппарат и способы создания рекомендаций
CN105975537A (zh) 一种应用程序的排序方法及装置
CN103744849A (zh) 一种应用自动推荐的方法及装置
CN104516980B (zh) 搜索结果的输出方法以及服务器系统
CN105095335A (zh) 用于网络上搜索结果的评级系统
CN106971345A (zh) 一种基于位置社交网络的地点推荐方法
CN113412608A (zh) 内容推送方法、装置、服务端及存储介质
CN110334276A (zh) 竞赛平台数据处理方法、装置、设备及存储介质
CN104902498B (zh) 用户重入网识别方法和装置
KR101129808B1 (ko) 소셜 네트워크 서비스 제공 서버 및 그의 인맥 추천 방법
CN106934004A (zh) 一种基于地域特征向用户推荐文章的方法和装置
KR101664941B1 (ko) 국지적 공간 의존성 지표를 이용하여 특정 키워드에 대한 트위터 상의 유력지역 탐색방법
JP6028493B2 (ja) サーバ装置、プログラム及び通信システム
CN107943912B (zh) 一种响应式资源目录数据可视化管理方法、终端及装置
CN108153661A (zh) 执行测试用例的方法和装置
KR20200036373A (ko) 맞춤형 페르소나 관리서버 및 그 관리 방법

Legal Events

Date Code Title Description
PB01 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