CN103703460A - 用于针对实时推荐的协同过滤的方法和装置 - Google Patents

用于针对实时推荐的协同过滤的方法和装置 Download PDF

Info

Publication number
CN103703460A
CN103703460A CN201180072476.0A CN201180072476A CN103703460A CN 103703460 A CN103703460 A CN 103703460A CN 201180072476 A CN201180072476 A CN 201180072476A CN 103703460 A CN103703460 A CN 103703460A
Authority
CN
China
Prior art keywords
user
grading
cause
content items
score
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
Application number
CN201180072476.0A
Other languages
English (en)
Inventor
杜楠
田继雷
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.)
Nokia Technologies Oy
Original Assignee
Nokia Oyj
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 Nokia Oyj filed Critical Nokia Oyj
Publication of CN103703460A publication Critical patent/CN103703460A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q30/00Commerce
    • G06Q30/06Buying, selling or leasing transactions
    • G06Q30/0601Electronic shopping [e-shopping]
    • G06Q30/0623Item investigation
    • G06Q30/0625Directed, with specific intent or strategy
    • G06Q30/0627Directed, with specific intent or strategy using item specifications
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90Details of database functions independent of the retrieved data types
    • G06F16/95Retrieval from the web
    • G06F16/953Querying, e.g. by the use of web search engines
    • G06F16/9535Search customisation based on user profiles and personalisation

Abstract

提供了一种用于基于用户可以具有的与感兴趣的项目或主题的交互生成对用户的一个或多个推荐的方式。该方式涉及处理用户与一个或多个内容项目的一个或多个的交互和/或有助于用户与一个或多个内容项目的一个或多个的交互的处理。该方式进一步涉及至少部分地引起用户的一个或多个处理的交互的累积。该方式还涉及至少部分地引起至少部分地基于累积的一个或多个处理的交互的一个或多个用户偏好的确定。该方式附加地涉及至少部分地引起至少部分地基于一个或多个用户偏好的用户对主题的评分的生成。

Description

用于针对实时推荐的协同过滤的方法和装置
背景技术
服务提供者和设备制造商(例如,无线、蜂窝等等)不断受到挑战以通过例如提供令人信服的网络服务来向消费者提供价值和便利。开发的一个领域已经是使用推荐系统向用户提供在服务和/或相关应用内可获得的对内容、项目等的建议或推荐(例如,关于感兴趣的人物、地点或东西,如同伴、餐馆、商店、假期、电影、视频点播、书籍、歌曲、软件、文章、新闻、图片等的推荐)。例如,典型的推荐系统可以通过比较用户的偏好与一个或多个参考特性、基于预测用户将对项目感兴趣向用户建议项目——即使之前该用户从未考虑过该项目。这样的推荐系统在历史上以及基于协同过滤,其通常依赖于大量用户数据(例如,历史显式评级和偏好信息)。然而,这样的用户数据通常不可获得或尚未关于特定服务或应用被收集。
发明内容
因此,存在对如下方式的需要,该方式用于至少部分地基于通过考虑与一个或多个内容项目的历史交互而生成的历史用户评级和/或偏好来为一个或多个用户生成一个或多个推荐。
根据一个实施例,一种方法包括处理用户的一个或多个交互和/或有助于用户与一个或多个内容项目的一个或多个交互的处理。该方法还包括至少部分地引起该用户的该一个或多个处理的交互的累积。该方法进一步包括至少部分地引起至少部分地基于累积的一个或多个处理的交互的、一个或多个用户偏好的确定。该方法还包括至少部分地引起至少部分地基于一个或多个用户偏好的、用户对主题的评级得分的生成。
根据另一实施例,一种装置包括至少一个处理器,以及包括计算机程序代码的至少一个存储器,该至少一个存储器和该计算机程序代码被配置为与所述至少一个处理器一起为至少部分地引起该装置处理用户与一个或多个内容项目的一个或多个交互和/或有助于用户与一个或多个内容项目的一个或多个交互的处理。该装置还被引起以至少部分地引起用户的一个或多个处理的交互的累积。该装置进一步被引起以至少部分地引起至少部分地基于累积的一个或多个处理的交互的、一个或多个用户偏好的确定。该装置还被引起以至少部分地引起至少部分地基于一个或多个用户偏好的、用户对主题的评级得分的生成。
根据另一实施例,一种计算机可读存储介质承载一个或多个指令的一个或多个序列,该一个或多个指令在由一个或多个处理器执行时,至少部分地引起装置处理用户与一个或多个内容项目的一个或多个交互和/或有助于用户与一个或多个内容项目的一个或多个交互的处理。该装置还被引起以至少部分地引起用户的一个或多个处理的交互的累积。该装置进一步被引起以至少部分地引起至少部分地基于累积的一个或多个处理的交互的、一个或多个用户偏好的确定。该装置还被引起以至少部分地引起至少部分地基于一个或多个用户偏好的、用户对主题的评级得分的生成。
根据另一实施例,一种设备包括用于处理用户与一个或多个内容项目的一个或多个交互和/或有助于用户与一个或多个内容项目的一个或多个交互的处理的装置。该设备还包括用于至少部分地引起用户的一个或多个处理的交互的累积的装置。该设备进一步包括用于至少部分地引起至少部分地基于累积的一个或多个处理的交互的、一个或多个用户偏好的确定的装置。该设备还包括用于包括至少部分地引起至少部分地基于一个或多个用户偏好的、用户对主题的评级得分的生成的装置。
此外,对于本发明的各种示例实施例,以下可适用:一种方法,包括有助于处理和/或处理(1)数据和/或(2)信息和/或(3)至少一个信号,该(1)数据和/或(2)信息和/或(3)至少一个信号至少部分地基于(包括至少部分地导出自)在本申请中被公开为与本发明的任何实施例相关的方法(或过程)的任何一个或任何组合。
对于本发明的各种示例实施例,以下也可适用:一种方法,包括有助于访问至少一个接口,该接口被配置为允许访问至少一个服务,该至少一个服务被配置为执行在本申请中公开的网络或服务提供者方法(或过程)中的任何一个或任何组合。
对于本发明的各种示例实施例,以下也可适用:一种方法,包括有助于创建和/或有助于修改(1)至少一个设备用户接口元素和/或(2)至少一个设备用户接口功能,该(1)至少一个设备用户接口元素和/或(2)至少一个设备用户接口功能至少部分地基于数据和/或信息和/或至少一个信号,该信息产生自在本申请中被公开为与本发明的任何实施例相关的方法或过程中的一个或任何组合,该至少一个信号产生自在本申请中被公开为与本发明的任何实施例相关的方法(或过程)中的一个或任何组合。
对于本发明的各种示例实施例,以下也可适用:一种方法,包括创建和/或修改(1)的至少一个设备用户接口元素和/或(2)至少一个设备用户接口功能,该(1)至少一个设备用户接口元素和/或(2)至少一个设备用户接口功能至少部分地基于数据和/或信息和/或至少一个信号,该信息产生自在本申请中被公开为与本发明的任何实施例相关的方法(或过程)中的一个或任何组合,该至少一个信号产生自在本申请被公开为与本发明的任何实施例相关的方法(或过程)中的一个或任何组合。
在各种示例实施例中,可以用在两侧上执行的动作在服务提供者侧上或在移动设备侧上或按照服务提供者和移动设备之间的任何共享的方式实现该方法(或过程)。
本发明的其他方面、特征和优点可以简单地通过例示包括被预期用于执行本发明的最佳模式的多个特定实施例和实现方式而从下面的详细描述而容易地显而易见。本发明还可以具有其他和不同的实施例,并且本发明的若干细节可以在各种明显方面中进行修改,所有这些都不脱离本发明的精神和范围。因此,附图和描述在本质上被视为例示性而非限制性。
附图说明
本发明的实施例通过示例的方式而不是通过限制的方式被例示,在附图的各图中:
图1是根据一个实施例的能够至少部分地基于通过考虑与一个或多个内容项目的历史交互来生成的历史用户评级和/或偏好为一个或多个用户生成一个或多个推荐的系统的示图;
图2是根据一个实施例的至少部分地基于通过考虑与一个或多个内容项目的历史交互来生成的历史用户评级和/或偏好为一个或多个用户生成一个或多个推荐的推荐平台的组件的示图;
图3A至图3D是根据一个实施例的用于至少部分地基于通过考虑与一个或多个内容项目的历史交互来生成的历史用户评级和/或偏好为一个或多个用户生成一个或多个推荐的过程的流程图;
图4是根据一个实施例的用于输入针对类别或主题的初始偏好和/或评级的用户界面的示图;
图5是根据一个实施例的用于与内容项目交互的用户界面的示图;
图6是根据一个实施例的图示针对类别或主题的评级的用户界面的示图;
图7是可以用来实施本发明的实施例的硬件的示图;
图8是可以用来实施本发明的实施例的芯片集的示图;以及
图9是可以用来实施本发明的实施例的移动终端(例如,手机(handset))的示图。
具体实施方式
公开了至少部分地基于通过考虑与一个或多个内容项目的历史交互来生成的历史用户评级和/或偏好为一个或多个用户生成一个或多个推荐的方法、装置和计算机程序的示例。在下面的描述中,出于说明的目的,许多具体细节被阐述以便提供对本发明的实施例的透彻理解。然而,对本领域技术人员来说显而易见的是,本发明的实施例可以在没有这些具体细节或利用等效布置的情况下被实践。在其他实例中,公知的结构和设备以框图的形式被示出以避免不必要地模糊本发明的实施例。
正如在此所用,术语内容项目是指任何感兴趣的项目,诸如例如但不限于,任何人、地方或事物、餐厅、优惠券、事件、特价项目、商店、新闻文章、因特网连接、电影、电视节目、旅游目的地等。
图1是根据一个实施例的能够至少部分地基于通过考虑与一个或多个内容项目的历史交互来生成的历史用户评级和/或偏好为一个或多个用户生成一个或多个推荐的系统的示图。
现代消费者被来自产品的巨大选择对象的选择所淹没,所以推荐系统是大多数电子商务平台的突出部分。协同过滤(CF)是最现代的推荐者系统的核心技术,其分析用户和产品之中的相关性之间的关系以标识新的用户-项目关联。大多数基于CF的推荐者系统依赖于反映用户关于感兴趣的项目的具体偏好的评级。大多数方法需要显式反馈,诸如数字、字母或星级评级量表,其以例如采取从强烈反对到强烈接受的在1和5之间的数字被评级为“A+”、“A”、“A-”、“B+”...“F”的字母的形式接收自用户。虽然显式反馈是一种用于理解用户偏好的直接方式,但是大多数用户并不进行指示他们的显式偏好和/或评级的过程。
其他CF平台利用如下隐式反馈,该隐式反馈通常作为二进制值(0或1)被接收,例如,“买”与“不买”,“查看”与“不查看”。例如,如果用户正在查看一个网站,他可能会或可能不会购买特价项目,则隐式反馈将是关于用户是否对特定项目感兴趣的简单的是或否的指示。但是,更深入地,其他反馈可能可用于基于用户与内容项目的交互更精细地调谐用户在内容项目兴趣,,除此之外,这通过数据的简单的二进制汇集可得。当上网冲浪时,某些用户交互可能是,例如以下各项中的任何项目:“查看”、“点击”、“添加到意愿清单”、“添加到购物车”或“购买”。在这种情况下,二进制隐式反馈模式将仅对用户是否执行特定动作分配是或否的值。
虽然有些用户可能会有对应于不同兴趣水平的以下动作,例如,“不推荐”,“推荐但不查看”,“查看”,“转发”,“加到最爱列表”,“加入组”或“抢优惠券”,但在该系统中最常见的动作可能是“推荐但不查看”和“查看”。然而,即使两个用户在同一项目上具有同一“查看”动作,在每个用户对该项目的实际兴趣水平中仍然可能存在一些不同。
为了解决这些问题,图1的系统100引入了用于至少部分地基于通过考虑与一个或多个内容项目的历史交互来生成的历史用户评级和/或偏好为一个或多个用户生成一个或多个推荐的能力。
在一个实施例中,在系统100中用户可以有机会与内容项目交互并且以1-5的标度对该项目评级。项目j,可以在1-5的标度中具有向其分配的基本评级值3,因为用户在网站上看过项目j。在这一示例中,假设用户A对项目j非常感兴趣,而用户B不是。但是,因为用户A和用户B中的每个用户都查看了项目j,因此,他们已经隐式将项目J评级为“3”。然而,我们知道,如果用户A最初对项目j感兴趣但用户B不是,那么隐式基础评级“3”并未描述全部情况。在这种情况下,如果用户A和用户B有机会对他对项目j的兴趣评级,则用户A可以向项目j给予3.8的评级而用户B可以向项目j给予3.1的评级。但是,仅仅向动作分配评级值的基础机制可能并不代表这样的细微差别。
对用户的关于感兴趣的项目或内容项目的推荐可以基于用户自己的或受信任用户的兴趣水平和对项目的熟悉度。用户的实际兴趣水平的更精确的估计和分配在向用户或者系统100的任何其他用户做出符合他们的兴趣的更相关的推荐时可能有帮助。一旦评估了用户的兴趣水平,则可以分配评级,并且估计的评级可以在CF模型中被使用。估计的评级也可以与由用户做出的任何显式评级相结合以进一步提高任何推荐的相关性。
可以在用户与任何内容项目进行交互的同时不短更新用户的偏好。例如,用户可以与用户喜欢的任何内容项目(诸如标价出售、优惠券、名胜古迹等)具有很多积极交互,诸如“保存到文件夹”、“向好友推荐”,“提出评论”等等。用户的交互中的所有交互可以被保存和处理。通过累积这样的交互信息,用户的关于内容项目或偏好或感兴趣的主题被渐进地形成。
系统100区分用户A和用户B的兴趣水平,尽管与感兴趣的项目具有相同的交互。例如,如果用户A在历史上对中国菜示出了强烈的兴趣,那么用户A的与关于中国餐馆的广告的交互在制定用户A的中国餐馆的评级时例如可能比在历史上并未对中国菜感兴趣、但仍点击了针对中国餐馆的交易的用户B的交互被更高地排名或更重地加权。
在另一方面,如果用户偏好示出对中国菜几乎不感兴趣,但她偶尔查看关于中餐的广告乃至将其加入他的最爱列表或书签,那么它例如也可以指示给定用户对这一特定项目的一些兴趣,虽然她通常对中餐具有低偏好。例如,假设基于其浏览历史,用户A通常具有对电子设备强烈偏好,而用户B更喜欢中国菜。用户A偶尔点击关于中餐的交易。虽然用户A更喜欢电子设备,但在这样的交易上的这一偶然的“查看”动作可以暗示这个特定的交易确实吸引他的注意。作为结果,如果用户A和用户B二者查看同一中餐,则用户A的动作实际上提供了关于用户A的对该主题的兴趣的更多信息,这可能会令人吃惊。
系统100可以通过将用户偏好投影到不同用户动作的隐式评级空间来考虑上述两种情况两者。例如,可以如下向每个可能的用户动作给予基本评级定义:
不推荐(1)
被推荐但不查看(2)
查看(3)
转发(3)
添加到最爱列表(4)
加入组(4)
抢优惠券(5)
每个项目属于被从C1到Cn定义的具体类别。在这一示例中,每当用户新注册到系统(诸如社交网络、购物或旅游网站等)中时,用户可以被要求选择用户感兴趣的某些类别。备选地,或除了显式基本兴趣评级之外,用户的偏好可以基于在给定的时间段期间用户可以与项目的类别具有的交互的频率被更新。在这一示例中,用户的偏好可以被建模为矢量。
例如,用户A的初始偏好矢量为(1,0,1),对应于3个不同类别(C1,C2,C3)。在这一示例中,也假设用户A已与以下项目(I1(1,0,0)、I2(1,0,0)、I3(1,0,0)、I4(0,0,1))交互(诸如“查看”,“转发”,“添加到最爱列表”等)。三个项目属于类别C1并且一个属于类别C3,所以用户A的偏好矢量被用(1+1+1+1,0,1+1)更新,并且然后被归一化至(2/3,0,1/3)。
接下来,用户B对项目i采取动作j。用户B的归一化的用户偏好矢量被定义为(P0,...Pk,...,Pn-1)。如果项目i的类别是Ck,那么用户B基于动作j向项目i给予的隐式评级被定义为:
R(B,i,j)=Base(j)+step*(alpha*Pk+(1-alpha)*(1-Pk)),
其中Base(j)为动作j的基本评级,步骤(step)控制单元的数目增加,并且阿尔法(alpha)控制上述情况中的每个程度可能贡献的程度。例如,阿尔法可以是可选择的或被自动更新以反映用户的与感兴趣的项目或主题的估计的偏好或熟悉度。
例如,给定用户A的偏好矢量(0.9,0,0.1)和用户B的偏好矢量(0.1,0,0.9),对于同一项目有相同类型的动作,比如,对项目I1(1,0,0)的“查看”。如果步骤被设置为1并且阿尔法被设置为0.9,则对于该查看动作,
用户A将会将I1评级为R=3.0+1*(0.9*0.9+(1-0.9)*(1-0.9))=3.82
用户B将会给出R=3.0+1*(0.9*0.1+(1-0.9)*(1-0.1))=3.18
另一方面,如果阿尔法被设置为0.1,
用户A将会将I1评级为R=3.0+1*(0.1*0.9+(1-0.1)*(1-0.9))=3.18
用户B将会给出R=3.0+1*(0.1*0.1+(1-0.1)*(1-0.1))=3.82
因此,当阿尔法接近0时,用户倾向于被推荐他们更熟悉的项目,但是当阿尔法接近于1时,他们可以被推荐他们不熟悉的项目。最后,偏好差异被传送到用户动作并且使评级数据进一步多样化。
如图1中所示,系统100包括用户设备(UE)101a-101n,统称为UE101,经由通信网络105连接到推荐平台103。UE101a-101n可以经由通信网络105相互连接。推荐平台103可以用来处理用户评级和/或项目评级以生成针对设备(例如,UE101)和/或设备的用户的推荐。推荐平台103可以存在于UE101中或服务中或独立存在。UE101可以包括推荐应用程序111a-11n(统称为推荐应用111),其基于来自推荐平台103的推荐生成针对UE101的推荐。UE101和推荐平台103可以通过通信网络105被连接到简档管理服务107和数据库109。
根据一个实施例中,用户A可以通过UE101与诸如在网站上的特价项目的内容项目进行交互。用户A与内容项目的交互可以是查看、购买、转发、推荐、评级等中的任何项。用户A与内容项目的交互可以被累积并被存储在数据库109中。简档管理服务107分析累积的交互并为用户A针对内容项目和/或可以例如是相同种类的任何相关内容项目制定估计的用户偏好。基于被确定的用户偏好,简档管理服务107生成针对内容项目或主题的评级得分。这一估计的评级可以通过推荐平台103被单独地或与关于内容项目或主题的由用户A输入的显式评级组合用来生成针对与感兴趣的主题相关的用户A的一个或多个推荐。
根据另一实施例中,用户A可以通过UE101与诸如网站上的特价项目的内容项目交互。类似地,用户B也可以与内容项目交互。用户A的和用户B的与内容项目的交互都可以是查看、购买、转发、推荐、评级等中的任何项。用户A的和用户B的与内容项目的交互都可以被累积并存储在数据库109中。简档管理服务107分析累积的交互并制定用于用户A和用户B二者的针对内容项目和/或例如可能是同一类型的任何相关内容项目的估计的用户偏好。基于被确定的用户偏好,评级分数可以针对内容项目或主题由简档管理服务107生成并被排名。这一估计的评级可以通过推荐平台103被单独地或与关于内容项目或主题的由用户A和用户B输入的显式评级组合用来生成针对与感兴趣的主题相关的用户B的一个或多个推荐。
根据另一实施例中,用户A可以通过UE101与诸如在网站上的特价项目的内容项目交互。类似地,用户B和C也可以与内容项目交互。用户A的和用户B的与内容项目的交互都可以是查看、购买、转发、推荐、评级等中的任何项。用户A的和用户B的与内容项目的交互都可以被累积并存储在数据库109中。简档管理服务107分析累积的交互并制定用于用户A和用户B二者的针对内容项目和/或例如可能是同一类型的任何相关内容项目的估计的用户偏好。基于被确定的用户偏好,评级分数可以针对内容项目或主题由简档管理服务107生成并被排名。排名的评级可以用来生成在用户A与B与用户C之间的信任得分。信任得分可以对A或B的评级得分加权,该评级得分排名在A或B的另一个的评级之上或之下。加权的估计的评级可以通过推荐平台103被单独地或与关于内容项目或主题的由用户A和用户B输入的显式评级组合用来生成针对与感兴趣的主题相关的用户C的一个或多个推荐。
举例来说,UE101、推荐平台103和简档管理服务107使用公知的、新的或仍在开发的协议相互通信并且与通信网络105的其他组件通信。在这一情境中,协议包括规则的集合,其定义了通信网络105内的网络节点如何基于通过通信链路发送的信息彼此交互。协议在每个节点内的不同操作层有效,从生成和接收各种类型的物理信号,到选择链路以用于传送那些信号,到由那些信号指示的信息的格式,到标识哪个在计算机系统上执行的软件应用发送或接收信息。用于通过网络交换信息的概念上不同的协议层在开放系统互连(OSI)参考模型中被描述。
举例来说,系统100的通信网络105包括一个或多个网络,诸如数据网络(未示出)、无线网络(未示出)、电话网络(未示出),或它们的任意组合。该数据网络被设想为可以是任何局域网(LAN)、城域网(MAN)、广域网(WAN)、公共数据网络(例如,因特网)、短程无线网络,或任何其他合适的分组交换网络,诸如商业上拥有的、专有的分组交换网络,例如,专用电缆或光纤网络等,或它们的任意组合。此外,无线网络可以是,例如,蜂窝网络,并且可以采用各种技术,包括增强型数据速率全球演进(EDGE)、通用分组无线业务(GPRS)、全球移动通信系统(GSM)、互联网协议多媒体子系统(IMS)、通用移动电信系统(UMTS)等,以及任何其他适当的无线介质,例如,全球互通微波接入(WiMAX),长期演进(LTE)网络、码分多址(CDMA)、宽带码分多址(WCDMA)、无线保真(WiFi)、无线局域网(WLAN)、蓝牙
Figure BDA0000460343660000111
因特网协议(IP)数据流延、卫星、移动ad-hoc网络(MANET)等,或它们的任意组合。
UE101是任何类型的移动终端、固定终端或便携终端,包括移动手机、站、单元、设备、多媒体电脑、多媒体平板计算机、因特网节点、通信器、台式计算机、膝上型计算机、笔记本计算机、上网本计算机、平板计算机、个人通信系统(PCS)设备、个人导航设备、个人数字助理(PDA)、音频/视频播放器、数码照相机/摄像机、定位设备、电视接收器、无线电广播接收器、电子书设备、游戏设备、或者它们的任意组合,包括这些设备的配件和外围设备、或它们的任意组合。UE101还被设想为可以支持任何类型的到用户的接口(诸如“可佩戴”电路等)。
通过交换离散数据包典型地影响在网络节点之间的通信。每个数据包典型地包括(1)与特定协议相关联的报头信息,以及(2)有效载荷信息,其跟随报头信息并且包含可以独立于该特定协议被处理的信息。在一些协议中,数据包包括跟随有效载荷的并且指示有效载荷信息的结尾的(3)挂车(trailer)信息。报头包括诸如数据包的源、其目的地、有效载荷的长度以及由协议使用的其他属性的信息。针对特定协议的有效载荷中的数据经常包括针对关联于不同的、更高OSI参考模型层的不同协议的报头和有效载荷。针对特定协议的报头通常指示包含在其有效载荷中的下一协议的类型。更高层协议被认为是被封装在更低层协议中。报头包括在数据包中,该数据包穿越多个异构网络,诸如因特网,通常包括如由OSI参考模型定义的物理(层1)报头、数据链路(层2)报头、互联网络(层3)报头和传输(层4)报头,以及各种应用(层5,层6和层7)报头。
图2是根据一个实施例的推荐平台103的组件的示图。举例来说,推荐平台103包括一个或多个组件,其用于至少部分地基于通过考虑与一个或多个内容项目的历史交互而生成的历史用户评级和/或偏好来为一个或多个用户生成一个或多个推荐。这些组件的功能被预期为可以被组合在一个或多个组件中或由等同功能的其他组件执行。在这一实施例中,推荐平台包括通信模块201、偏好模块203、评级模块205、信任指示模块207和推荐模块209。
在一个实施例中,通信模块201具有与简档管理服务107和/或数据库109的连接以接收偏好和/或评级信息,偏好和/或评级信息关于用户如何已经显式地或隐式地指示了他的关于内容项目的评级和/或偏好。偏好模块203处理偏好信息以生成评级并且评级模块处理评级信息以用于生成推荐。信任指示模块可以对处理的评级排名以确定在用户和任何其他用户之间的信任因素,并且也可以考虑特定用户可以具有的对感兴趣的内容项目或话题的熟悉值。熟悉值可以被独立地选择为推荐/评级生成和排名的一部分,并且可以通过上面所讨论的阿尔法来被例证。推荐模块209然后可以基于系统100的用户自己的指示的评级和/或偏好和/或系统100的其他用户的任何其他复合分析向该用户进行推荐。通信模块201然后可以向UE101发送推荐以用于向UE101的用户呈现。
图3A至3D是用于至少部分地基于通过考虑与一个或多个内容项目的历史交互来生成的历史用户评级和/或偏好为一个或多个用户生成一个或多个推荐的过程的流程图。图3A是一个实施例的流程图,在该实施例中推荐平台103执行所述过程300并且被实施于例如包括如图8中所示的处理器和存储器的芯片集中。在步骤301中,推荐平台处理用户与一个或多个内容项目的一个或多个交互。过程继续到步骤303,其中所述一个或多个交互被累积。接着,在步骤305中,推荐平台至少部分地基于累积的一个或多个处理的交互确定一个或多个用户偏好。过程继续到步骤307,其中推荐平台103至少部分地基于一个或多个用户偏好生成用户的针对主题的评级得分。然后,在步骤309中,推荐平台103至少部分地基于评级得分生成关于主题的一个或多个推荐。过程继续到步骤311,其中一个或多个推荐被呈现给用户。
图3B是一个实施例的流程图,在该实施例中推荐平台103执行过程330并且被实施于例如包括如图8中所示的处理器和存储器的芯片集中。在步骤331中,推荐平台处理用户与一个或多个内容项目的一个或多个交互。过程继续到步骤333,其中一个或多个交互被累积。接着,在步骤335中,推荐平台至少部分地基于累积的一个或多个处理的交互确定一个或多个用户偏好。过程继续到步骤337,其中推荐平台103至少部分地基于一个或多个用户偏好生成用户的针对主题的评级得分。然后,在步骤339中,推荐平台103处理另一用户的对主题的兴趣的指示。接着,在步骤341中,推荐平台103处理用户的评级得分与另一用户的评级得分的比较。然后,在步骤343中,推荐平台103至少部分地基于评级得分的比较生成关于另一用户的针对主题的兴趣的一个或多个推荐。过程继续到步骤345,其中向另一用户呈现一个或多个推荐。
图3C是一个实施例的流程图,在该实施例中推荐平台103执行过程350并且被实施于例如包括如图8中所示的处理器和存储器的芯片集中。在步骤351中,推荐平台处理用户与一个或多个内容项目的一个或多个交互。过程继续到步骤353,其中一个或多个交互被累积。接着,在步骤355中,推荐平台至少部分地基于累积的一个或多个处理的交互确定一个或多个用户偏好。过程继续到步骤357,其中推荐平台103至少部分地基于一个或多个用户偏好生成用户的针对主题的评级得分。然后,在步骤359中,推荐平台103处理另一用户的针对主题的兴趣的指示。接着,在步骤361中,推荐处理第三用户的针对主题的兴趣的指示。过程继续到步骤363,其中推荐平台103处理用户的评级得分与另一用户的评级得分的比较。然后,在步骤365中,推荐平台103至少部分地基于评级得分的比较生成关于第三用户的针对主题的兴趣的一个或多个推荐。过程继续到步骤367,其中向第三用户呈现一个或多个推荐。
图3D是一个实施例的流程图,在该实施例中推荐平台103执行的过程370并且被实施于例如包括如图8中所示的处理器和存储器的芯片集中。过程开始于步骤371,其中推荐平台103针对评级得分的比较对用户和其他用户的评级得分排名。过程继续到步骤373,其中推荐平台103在生成一个或多个推荐时生成信任得分,该信任得分取决于针对排名顺序的顺序和/或预定义的基准对具有在另一个评级得分之上或之下的排名的评级得分加权。接着,在步骤375中,推荐平台103处理偏好设置,该偏好设置确定以将一个或多个推荐基于用户和/或另一用户对主题的熟悉程度。然后,在步骤377中,推荐平台103确定一个或多个交互的类型。一个或多个交互的类型可以是以下各项中的任何项,例如,用于不推荐一个或多个内容项目的显式指导、用于推荐但不查看一个或多个内容项目的显式指导、用于查看一个或多个内容项目的动作、用于转发一个或多个内容项目的动作、转发一个或多个内容项目的动作、用于将一个或多个内容项目加为最爱的动作、用于加入关于一个或多个内容项目的组的动作、用于选择关于所述一个或多个内容项目的优惠券的动作或者它们的任意组合。推荐平台103可以至少部分地基于交互的类型生成一个或多个基本评级;并且然后使得至少部分地基于交互的类型生成一个或多个用户偏好。过程继续到步骤379,其中推荐平台103针对各种类型的交互分配加权值以用于基于用户的交互确定用户的针对主题或项目的评级。然后,在步骤381中,推荐平台103处理由用户输入的任何显式评级信息。接着,在步骤383中,推荐平台基于用户与内容项目的交互,单独或结合任何估计的用户评级或偏好来考虑显式用户评级以确定一个或多个用户偏好。然后,在步骤385中,推荐平台103向用户呈现基于用户的交互的一个或多个生成的推荐,以及在可用时的任何显式评级。
图4是根据各种实施例的在图3的过程中使用的用户界面的示图。图4图示了用户界面401,其中示出用户简档403,其使用户能够选择主题、或感兴趣的类别,405。选择的类别405可以充当兴趣的初始指示,或被考虑用于基于用户的与类别的交互确定隐式评级。
图5是图示了具有特价项目503的网站的用户界面501的示图。用户具有用于通过选择交互选项505中的任何交互选项来与特价项目503交互的选项。例如,用户可以查看、转发、或将项目添加到最爱列表。交互505中的每个交互可以具有特定的加权,其可以被累积和处理以基于用户与特价项目501的交互开发用户的估计的评级。
图6是例示了感兴趣的特定类别或主题603以及针对类别的用户评级605的用户界面601的示图。用户评级605在这一示例中是2.9,并且可以通过显式或隐式评级系统的方式从用户和/或其他用户被编译。
本文描述的用于为一个或多个用户生成一个或多个推荐的过程可经由软件、硬件、固件或软件和/或固件和/或硬件的组合被有利地实施,该一个或多个推荐的生成至少部分地基于通过考虑与一个或多个内容项目的历史交互而生成的历史用户评级和/或偏好。例如,本文描述的过程可以被有利地经由处理器、数字信号处理(DSP)芯片、专用集成电路(ASIC)、现场可编程门阵列(FPGA)等来实施。用于执行所描述的功能的这样的示例性硬件被详述如下。
图7图示了计算机系统700,在其上本发明的实施例可以被实现。尽管计算机系统700被关于特定的设备或装备加以描绘,但是图7中的其他设备或装备(例如,网络单元,服务器等)被设想为可以部署系统700的图示的硬件和组件。计算机系统700被编程(例如,经由计算机程序代码或指令)用于如这里描述的至少部分地基于通过考虑与一个或多个内容项目的历史交互而生成的例示用户评级和/或偏好来为一个或多个用户生成一个或多个推荐并且包括用于在计算机系统700的其他内部和外部组件之间传递信息的诸如总线710的通信机构。信息(也被称为数据)被表示为可测量现象的物理表达,通常是电压,但在其他实施例中将这样的现象包括为如磁、电磁、压力、化学、生物、分子、原子、亚原子和量子交互。例如,南北磁场或零和非零电压代表二进制数字(比特)的两个状态(0,1)。其他现象可以代表更高基数的数字。测量前的多个同时进行的量子态的叠加代表量子比特(量子位)。一个或多个数字的序列构成用来表示用于字符的数字或代码的数字数据。在一些实施例中,被称为模拟数据的信息由在特定范围内的可测值的附近连续体表示。计算机系统700或它的一部分构成用于执行至少部分地基于通过考虑与一个或多个内容项目的历史交互而生成的例示用户评级和/或偏好来为一个或多个用户生成一个或多个推荐的一个或多个步骤的装置。
总线710包括信息的一个或多个平行导体,从而使得信息在耦合到总线710的设备中被迅速传递,用于处理信息的一个或多个处理器702与总线710耦合。
处理器(或多个处理器)702对信息执行如由计算机程序代码指定的、关于至少部分地基于通过考虑与一个或多个内容项目的历史交互而生成的例示用户评级和/或偏好来为一个或多个用户生成一个或多个推荐的操作集合。计算机程序代码是提供针对用于处理器和/或计算机系统操作的用于执行指定功能的操作的指令或状态的集合。代码(例如,可以按照计算机编程语言被编写的代码)可以被编译成处理器的本机指令集。也可以使用本机指令集(例如,机器语言)直接编写代码。操作集包括从总线710引来信息以及向总线710上放置信息。操作集典型地还包括比较两个或更多个信息单元、移动信息单元的位置、以及组合两个或更多个信息单元,诸如通过加法或乘法或如OR、异或(XOR)以及AND的逻辑操作。可以由处理器执行的操作集合的每个操作通过被称为指令的信息(诸如一个或多个数字的操作码)被表现给处理器。将由处理器702执行的操作序列(诸如操作码的序列)构成处理器指令,也被称为计算机系统指令或简单地被称为计算机指令。处理器可以被单独地或组合地实施为机械、电、磁、光、化学或量子组件等。
计算机系统700还包括耦合到总线710的存储器704。存储器704(诸如随机存取存储器(RAM)或任何其他动态存储设备)存储包括处理器指令的信息以用于至少部分地基于通过考虑与一个或多个内容项目的历史交互而生成的例示用户评级和/或偏好来为一个或多个用户生成一个或多个推荐。动态存储器允许存储在其中的信息由计算机系统700来改变。RAM允许存储在被称为存储器地址的位置的信息单元独立于在相邻地址处的信息被存储和取回。存储器704也由处理器702用来在处理器指令的执行期间存储临时值。计算机系统700还包括只读存储器(ROM)706或耦合至总线710以用于存储未被计算机系统700改变的静态信息的任何其他静态存储设备,所述静态信息包括指令。一些存储器由易失性存储装置组成,其在电源中断时失去存储在其上的信息。也耦合到总线710的是非易失性(持久)存储设备708,诸如磁盘、光盘或闪存卡,其用于存储信息,包括指令,其甚至在计算机系统700被关闭或以其他方式失去电源时持续。
包括用于至少部分地基于通过考虑与一个或多个内容项目的历史交互而生成的例示用户评级和/或偏好来为一个或多个用户生成一个或多个推荐的指令的信息被从外部输入设备712(诸如包含由人类用户操作的字母数字键的键盘或传感器)提供给总线710以用于由所述处理器使用。传感器检测在其附近的条件并且将那些检测转化为与用来表示计算机系统700中的信息的可测量现象兼容的物理表达。耦合到总线710的其他外部设备主要用于与人类交互,包括显示设备714(诸如阴极射线管(CRT)、液晶显示器(LCD)、发光二极管(LED)显示器、有机发光二极管(OLED)显示器、等离子屏幕)、或用于呈现文本或图像的打印机,以及指点设备716(诸如鼠标、轨迹球、光标方向键)或运动传感器以用于控制呈现在显示器714上的小光标图像的位置以及发出与呈现在显示器714上的图形元素相关联的命令。在一些实施例中,例如,在其中计算机系统700无需人工输入地自动执行所有的功能的实施例中,一个或多个外部输入设备712、显示设备714和指点设备716被省略。
在图示的实施例中,专用硬件(诸如专用集成电路(ASIC)720)被耦合到总线710。专用硬件被配置用于为特殊目的足够快地执行不被处理器702执行的操作。ASIC的示例包括用于为显示器714生成图像的图形加速器卡、用于加密和解密通过网络发送的消息的加密板、语音识别、到特殊外部设备的接口,诸如机器人手臂和医疗扫描设备,其反复执行在硬件中更有效地实施的一些复杂操作序列。
计算机系统700还包耦合到总线710的通信接口770的一个或多个实例。通信接口770提供单向或双向通信,其耦合到用它们自己的处理器操作的各种外部设备,诸如打印机、扫描仪和外部磁盘。一般来说耦合伴随着连接到本地网络780的网络链路778,具有它们自己处理器的各种外部设备连接到本地网络780。例如,通信接口770可能是个人计算机上的并行端口或串行端口或通用串行总线(USB)端口。在一些实施例中,通信接口770是综合业务数字网(ISDN)卡或数字用户线(DSL)卡或电话调制解调器,其提供到对应类型的电话线的信息通信连接。在一些实施例中,通信接口770是电缆调制解调器,其将总线710上的信号转换成用于在同轴电缆上的通信连接的信号或用于在光纤电缆上的通信连接的光信号。作为另一示例,通信接口770可以是局域网(LAN)卡以提供数据通信连接至兼容的LAN,诸如以太网。无线链路也可以被实施。对于无线链路,通信接口770发送或接收或发送和接收电、声或电磁信号,包括红外和光学信号,其承载信息流,诸如数字数据。例如,在诸如如蜂窝电话的移动电话的无线手持设备中,通信接口770包括被称为无线电收发器的无线电频带电磁发射器和接收器。在某些实施例中,通信接口770使能到通信网络105的连接以用于向UE101至少部分地基于通过考虑与一个或多个内容项目的历史交互而生成的例示用户评级和/或偏好来为一个或多个用户生成一个或多个推荐。
如在此使用的术语“计算机可读介质”指的是参与提供信息到处理器702的任何介质,该信息包括用于执行的指令。这样的介质可以采取许多形式,包括但不限于计算机可读存储介质(例如,非易失性介质,易失性介质)和传输介质。非瞬态介质(诸如非易失性介质)包括例如光盘或磁盘,诸如存储设备708。易失性介质包括例如动态存储器704。传输介质包括例如双绞线、同轴电缆、铜线、光纤电缆和不通过电线或电缆穿越空间的载波,诸如声波和电磁波,包括无线电,光学和红外波。信号包括在幅度、频率、相位、偏振、或通过传输介质传输的其他物理属性中的人造瞬态变化。计算机可读介质的常见形式包括例如软盘、柔性盘、硬盘、磁带、任何其他磁性介质、CD-ROM、CDRW、DVD、任何其他光介质、穿孔卡片、纸带、光学标记片、具有孔图案任何其他物理介质或其他光可识别标记、RAM、PROM、EPROM、FLASH-EPROM、EEPROM、闪速存储器、任何其他存储器芯片或盒、载波、或计算机可以从中读取的任何其他介质。术语计算机可读存储介质在本文中用来指除了传输介质的任何计算机可读介质。
在一个或多个有形介质中编码的逻辑包括在计算机可读存储介质和专用硬件(诸如ASIC720)上的处理器指令中的一种或两者。
网络链路778通常使用传输介质通过一个或多个网络提供信息通信给使用或处理信息的其他设备。例如,网络链路778可以通过本地网络780提供连接到主机计算机782或由互联网服务提供商(ISP)操作的设备784。ISP设备784转而通过现在一般被称为因特网790的网络的公共世界范围分组交换通信网络提供数据通信服务。
连接到因特网的被称为服务器主机792的计算机主控如下过程,该过程响应于通过因特网接收的信息提供服务。例如,服务器主机792主控如下过程,该过程提供代表用于在显示器714处呈现的视频数据的信息。系统700的组件被设想为可以被部署在其他计算机系统的各种配置中,例如,主机782和服务器792。
本发明的至少一些实施例涉及计算机系统700的使用,该使用用于实施本文所描述的技术中的一些或全部技术。根据本发明的一个实施例,那些技术由计算机系统700响应于处理器702执行包含在存储器704中的一个或多个处理器指令的一个或多个序列来执行。这样的指令(也被称为计算机指令、软件和程序代码)可以从诸如存储设备708或网络链路778的另一计算机可读介质被读入存储器704中。包含在存储器704中的指令的序列的执行引起处理器702执行这里所描述的一个或多个方法步骤。在备选实施例中,硬件(诸如ASIC720)可以代替软件或与软件结合来使用以实施本发明。因此,本发明的实施例并不限于硬件和软件的任何特定组合,除非本文另有明确说明。
通过通信接口770在网络链路778和其他网络上发送的信号,承载来自和去往计算机系统700的信息。计算机系统700可以通过网络780、790等、通过网络链路778和通信接口770发送和接收信息,包括程序代码。在使用因特网790的示例中,通过因特网790、ISP设备784、本地网络780和通信接口770,服务器主机792传输用于特定应用的、由从计算机700发送的消息请求的程序代码。在其被接收时,所接收的代码可以由处理器702执行,或者可以被存储在存储器704中或在存储设备708或任何其他非易失性存储装置中以用于以后执行,或者两者兼而有之。以这种方式,计算机系统700可以获取以载波上的信号的形式的应用程序代码。
各种形式的计算机可读介质可以涉及携带一个或多个指令序列或数据或两者到处理器702以供执行。例如,指令和数据可以初始地被携带在诸如主机782的远程计算机的磁盘上。远程计算机将指令加载指令和数据到其动态存储器中,并且使用调制解调器在电话线上发送指令和数据。计算机系统700本地的调制解调器接收电话线上的指令和数据,并使用红外发射器来转换指令和数据为充当网络链路778的红外载波上的信号。红外检测器充当通信接口770接收红外信号中携带的指令和数据,并把代表该指令和数据的信息放置到总线710上。总线710携带信息到存储器704,处理器702使用与指令一起被发送的数据中的一些数据从存储器704取回并执行指令。在由处理器702执行之前或之后,在存储器704中接收的指令和数据可选地被存储在存储设备708上。
图8图示了芯片集或芯片800,在其上本发明的实施例可以被实现。芯片集800被编程用于如在此描述的至少部分地基于通过考虑与一个或多个内容项目的历史交互而生成的例示用户评级和/或偏好来为一个或多个用户生成一个或多个推荐并且包括例如关于图7描述的与至少一个或多个物理包(例如,芯片)合并的处理器和存储器组件。举例来说,物理包包括在结构组件(例如,基板)上的一种或多种材料、组件和/或电线的布置以提供一个或多个特性,诸如物理强度、尺寸的保护,和/或电交互的限制。在某些实施例中,芯片集800被预期为可以在单个芯片中实现。在某些实施例中,芯片集或芯片800被进一步预期为可以被实现为单个“片上系统”。在某些实施例中,单独的ASIC被进一步预期为将不会被使用,例如,并且如本文所公开的所有相关功能将由一个或多个处理器执行。芯片集或芯片800,或它的一部分,构成了用于执行一个或多个步骤的提供了与功能的可用性相关联的用户界面导航信息的装置。芯片集或芯片800,或它的一部分,构成了用于执行一个或多个步骤的至少部分地基于通过考虑与一个或多个内容项目的历史交互而生成的例示用户评级和/或偏好来为一个或多个用户生成一个或多个推荐的装置。
在一个实施例中,芯片集或芯片800包括诸如总线801的用于在芯片集800的组件中传送信息的通信机构。处理器803具有到总线801的连接以执行指令并且处理存储在例如存储器805中的信息。处理器803可以包括一个或多个处理核,其中每个核被配置为独立地执行。多核处理器使能在单个物理包内的多处理。多核处理器的示例包括两个、四个、八个,或更多数量的处理核心。备选地或附加地,处理器803可包括经由总线801协力地配置的一个或多个微处理器以实现指令、流水线和多线程的独立执行。处理器803还可以伴随着一个或多个专门组件以执行特定处理功能和任务,诸如一个或多个数字信号处理器(DSP)807,或一个或多个专用集成电路(ASIC)809。DSP807通常被配置为独立于处理器803实时处理现实世界的信号(例如,声音)。类似地,ASIC809可以被配置为执行不容易被更通用处理器执行的特定功能。协助执行本文描述的创造性功能的其他专门部件可以包括一个或多个现场可编程门阵列(FPGA)(未示出)、一个或多个控制器(未示出)或一个或多个其他专用计算机芯片。
在一个实施例中,芯片集或芯片800包括仅仅一个或多个处理器和其支持和/或关于和/或用于一个或多个处理器的一些软件和/或固件。
处理器803和伴随的组件经由总线801具有到存储器805的连接。存储器805包括动态存储器(例如,RAM、磁盘、可写光盘等)和静态存储器(例如,ROM,CD-ROM等)以用于存储可执行指令,当执行时其执行本文中描述的创造性的步骤以至少部分地基于通过考虑与一个或多个内容项目的历史交互而生成的例示用户评级和/或偏好来为一个或多个用户生成一个或多个推荐。存储器805还存储关联于创造性步骤的执行或由创造性步骤的执行所产生的数据。
图9是根据一个实施例的用于通信的移动终端(例如,手机)的示例性组件的示图,其能够在图1的系统中操作。在一些实施例中,移动终端901或它的一部分构成了用于执行至少部分地基于通过考虑与一个或多个内容项目的历史交互而生成的例示用户评级和/或偏好来为一个或多个用户生成一个或多个推荐的一个或多个步骤的装置。一般而言,无线电接收机通常是依照前端和后端特性来定义。接收器的前端包含所有射频(RF)电路,而后端包括所有基带处理电路。如在本申请中使用的,术语“电路”是指两者:(1)纯硬件实现方式(诸如在只有模拟和/或数字电路中的实现方式),和(2)电路和软件(和/或固件)的组合(诸如,如果可适用于特定情境,处理器的组合,包括数字信号处理器,软件和存储器(一个或多个)一起工作以使得装置,诸如移动电话或服务器,执行各种功能)。“电路”的这一定义适用于本申请中这个术语的所有使用,包括在任何权利要求中。作为进一步的示例,如在本申请中所使用的,如果可适用于特定情境,则术语“电路”也将包括仅仅一个处理器(或多个处理器)和其(或它们)附带的软件/或固件的实现方式。术语“电路”如果可适用于特定情境则也将包括例如,在移动电话中的基带集成电路或应用处理器集成电路或在蜂窝网络或其他网络设备中的类似的集成电路。
电话的相关内部组件包括主控制单元(MCU)903、数字信号处理器(DSP)905、以及包括麦克风增益控制单元和扬声器增益控制的接收器/发射器单元。主显示单元907提供显示给用户以支持各种应用和移动终端功能,其执行或支持至少部分地基于通过考虑与一个或多个内容项目的历史交互而生成的例示用户评级和/或偏好来为一个或多个用户生成一个或多个推荐的步骤。显示器907包括显示电路,其被配置成显示移动终端(例如,移动电话)的用户界面的至少一部分。另外,显示器907和显示电路被配置成有助于移动终端的至少一些功能的用户控制。音频功能电路909包括麦克风911和麦克风放大器,麦克风放大器放大从麦克风911输出的语音信号。从麦克风911输出的放大语音信号被馈送到编码器/解码器(CODEC)913。
无线部分915放大功率并且转换频率以便经由天线917与基站通信,该基站被包括在移动通信系统中。功率放大器(PA)919和发射器/调制电路可操作地响应于MCU903,其中来自PA919的输出耦合到双工器921或环行器或天线开关,如本领域中已知的那样。功率放大器919也耦合到电池接口和功率控制单元920。
在使用中,移动终端901的用户对着麦克风911讲话,并且他或她的语音伴随着着任何检测到的背景噪声被转换成模拟电压。模拟电压然后通过模数转换器(ADC)923被转换成数字信号。控制单元903路由数字信号到DSP905中以用于在其中处理,诸如语音编码、信道编码、加密和交错。在一个实施例中,经处理的语音信号被未单独示出的单元编码,其中使用蜂窝传输协议,诸如增强型数据速率全球演进(EDGE)、通用分组无线业务(GPRS)、全球移动通信系统(GSM)、因特网协议多媒体子系统(IMS)、通用移动电信系统(UMTS)等,以及任何其他合适的无线介质,例如,微波接入(WiMAX)、长期演进(LTE)网络、码分多址(CDMA)、宽带码分多址(WCDMA)、无线保真(WiFi)、卫星等,或者它们的任意组合。
经编码的信号然后被路由到均衡器925以用于任何频率依赖损伤的补偿,频率依赖损伤发生在通过空气传播期间,诸如相位和幅度失真。在均衡比特流之后,调制器927组合信号和在RF接口929中生成的RF信号。调制器927通过频率或相位调制的方式生成正弦波。为了准备信号以用于传输,上变频器931将从调制器927输出的正弦波与由合成器933生成的另一正弦波相结合以实现传输的所期望的频率。信号然后通过PA919被发送以增加信号到适当的功率电平。在实际的系统中,PA919作为可变增益放大器,其增益由DSP905根据从网络基站接收到的信息进行控制。然后该信号在双工器921中被过滤并可选地被发送到天线耦合器935以匹配阻抗以提供最大的功率传输。最后,该信号被经由天线917向本地基站传送。自动增益控制(AGC)能够被供给来控制接收器的最后阶段的增益。信号可从那里被转发到远程电话,远程电话可以是另一蜂窝电话、其他任何移动电话或连接到公共交换电话网络(PSTN)或其他电话网络的陆线。
被传输到移动终端901的语音信号经由天线917被接收,并立即由低噪声放大器(LNA)937进行放大。下变频器939降低载波频率,而解调器941除掉射频只留下数字比特流。该信号然后经过均衡器925并且被DSP905处理。数模转换器(DAC)943转换信号,并且所得的输出通过扬声器945被传输给用户,以上所有的都在主控制单元(MCU)903的控制下,MCU903可以被实施为中央处理单元(CPU)(未示出)。
MCU903接收各种信号,包括来自键盘947的输入信号。键盘947和/或与其他用户输入组件(例如,麦克风911)结合的MCU903包括用户接口电路以用于管理用户输入。MCU903运行用户接口软件以有助于移动终端901的至少一些功能的用户控制从而至少部分地基于通过考虑与一个或多个内容项目的历史交互而生成的例示用户评级和/或偏好来为一个或多个用户生成一个或多个推荐。MCU903还分别递送显示命令和开关命令到显示器907以及到语音输出切换控制器。进一步地,MCU903与DSP905交换信息并且可以访问可选地并入的SIM卡949和存储器951。此外,MCU903执行终端所需的各种控制功能。DSP905可以取决于实现方式对语音信号执行各种传统数字处理功能中的任何数字处理功能。此外,DSP905根据由麦克风911检测出的信号确定本地环境的背景噪声水平,并设置麦克风911的增益到选择以补偿移动终端901的用户的自然趋势的水平。
CODEC913包括ADC923和DAC943。存储器951存储各种数据(包括呼入音数据)并且能够存储包括通过例如全球因特网接收到的音乐数据的其他数据。软件模块可以驻留在RAM存储器、快闪存储器、寄存器、或任何其他形式的本领域中已知的可写存储介质中。存储器设备951可以是但不限于单个存储器、CD、DVD、ROM、RAM、EEPROM、光存储装置、磁盘存储装置、闪存存储器存储装置或能够存储数字数据的任何其他非易失性存储介质。
可选地并入的SIM卡949承载例如重要的信息,诸如蜂窝电话号码、提供服务的载体、订阅详细信息和安全信息。SIM卡949主要服务于标识无线电网络中的移动终端901。卡949还包含用于存储个人电话号码注册表、文本消息和用户特定移动终端设置的存储器。
虽然已结合多个实施例和实现方式描述了本发明,但本发明并不局限于此,而是涵盖各种明显的修改和等效布置,其落入所附权利要求的范围内。虽然本发明的特征表现在权利要求之中的某些组合中,但可以预期的是这些特征可以按照以任何组合和顺序被布置。

Claims (38)

1.一种方法,包括有助于处理和/或处理(1)数据和/或(2)信息和/或(3)至少一个信号,所述(1)数据和/或(2)信息和/或(3)至少一个信号至少部分地基于以下:
用户与一个或多个内容项目的一个或多个的交互的处理;
所述用户的一个或多个处理的所述交互的累积;
至少部分地基于累积的一个或多个处理的所述交互的、一个或多个用户偏好的确定;以及
至少部分地基于所述一个或多个用户偏好的、所述用户的针对所述主题的评级得分的生成。
2.根据权利要求1所述的方法,其中所述(1)数据和/或(2)信息和/或(3)至少一个信号进一步至少部分地基于以下:
至少部分地基于所述评级得分的、关于所述主题的一个或多个推荐的生成;以及
所述一个或多个推荐向所述用户的呈现。
3.根据权利要求1和2中任一权利要求所述的方法,其中所述(1)数据和/或(2)信息和/或(3)至少一个信号进一步至少部分地基于以下:
另一用户的对所述主题的兴趣的指示的处理;
所述用户的所述评级得分与所述另一用户的评级得分的比较的处理;
至少部分地基于评级得分的所述比较的、关于所述另一用户的对所述主题的兴趣的一个或多个推荐的生成;以及
所述一个或多个推荐向所述另一用户的呈现。
4.根据权利要求1至3中任一权利要求所述的方法,其中所述(1)数据和/或(2)信息和/或(3)至少一个信号进一步至少部分地基于以下:
另一用户的对所述主题的兴趣的指示的处理;
第三用户的对所述主题的兴趣的指示的处理;
所述用户的所述评级得分与所述另一用户的评级得分的比较的处理;
至少部分地基于评级得分的所述比较的、关于所述第三用户的对所述主题的兴趣的一个或多个推荐的生成;以及
所述一个或多个推荐向所述第三用户的呈现。
5.根据权利要求4所述的方法,其中所述(1)数据和/或(2)信息和/或(3)至少一个信号进一步至少部分地基于以下:
对所述用户和所述另一用户的针对评级得分的所述比较的所述评级得分的排名;以及
在生成所述一个或多个推荐时的信任得分的生成,所述信任得分对具有在另一评级得分之上的排名的所述评级得分加权。
6.根据权利要求4所述的方法,其中所述(1)数据和/或(2)信息和/或(3)至少一个信号进一步至少部分地基于以下:
对所述用户和所述另一用户的针对评级得分的所述比较的所述评级得分的排名;以及
关于具有在另一评级得分之下的排名的所述评级得分的所述一个或多个推荐的生成。
7.根据权利要求4所述的方法,其中所述(1)数据和/或(2)信息和/或(3)至少一个信号进一步至少部分地基于以下:
偏好设置的处理,所述偏好设置确定将所述一个或多个推荐基于所述用户和/或所述另一用户对所述主题的熟悉程度。
8.根据权利要求1至7中任一权利要求所述的方法,其中所述(1)数据和/或(2)信息和/或(3)至少一个信号进一步至少部分地基于以下:
将所述一个或多个交互的类型确定为以下各项中的任一项:用于不推荐所述一个或多个内容项目的显式指导、用于推荐但不查看所述一个或多个内容项目的显式指导、用于查看所述一个或多个内容项目的动作、用于转发所述一个或多个内容项目的动作、转发所述一个或多个内容项目的动作、用于将所述一个或多个内容项目加为最爱的动作、用于加入关于所述一个或多个内容项目的组的动作、用于选择关于所述一个或多个内容项目的优惠券的动作、或者它们的任何组合;
至少部分地基于交互的所述类型的、一个或多个基本评级的生成;以及
至少部分地基于交互的所述类型生成的所述一个或多个用户偏好。
9.根据权利要求8所述所述的方法,其中交互的所述类型是对交互的所述类型加权的分配的值。
10.根据权利要求1至9中任一权利要求所述的方法,其中所述(1)数据和/或(2)信息和/或(3)至少一个信号进一步至少部分地基于以下:
所述内容项目的显式用户评级的处理;以及
进一步至少部分地基于所述内容项目的所述显式用户评级的、所述一个或多个用户偏好的所述确定。
11.一种装置,包括:
至少一个处理器;以及
至少一个存储器,包括用于一个或多个程序的计算机程序代码,
所述至少一个存储器和所述计算机程序代码被配置为与所述至少一个处理器一起使得所述装置至少执行以下:
处理和/或有助于处理用户与一个或多个内容项目的一个或多个交互;
至少部分地引起所述用户的一个或多个处理的所述交互的累积;
至少部分地引起至少部分地基于累积的一个或多个处理的所述交互的、一个或多个用户偏好的确定;以及
至少部分地引起至少部分地基于所述一个或多个用户偏好的、所述用户的针对所述主题的评级得分的产生。
12.根据权利要求11所述的装置,其中进一步使得所述装置:
至少部分地引起至少部分地基于所述评级得分的、关于所述主题的一个或多个推荐的生成;以及
至少部分地引起所述一个或多个推荐向所述用户的呈现。
13.根据权利要求11和12中任一权利要求所述的装置,其中进一步使得所述装置:
处理和/或有助于处理另一用户的对所述主题的兴趣的指示;
处理和/或有助于处理所述用户的所述评级得分与所述另一用户的评级得分的比较;
至少部分地引起至少部分地基于评级得分的所述比较的、关于所述另一用户的对所述主题的兴趣的一个或多个推荐的生成;以及
至少部分地引起所述一个或多个推荐向所述另一用户的呈现。
14.根据权利要求11至13中任一权利要求所述的装置,其中进
一步使得所述装置:
处理和/或有助于处理另一用户的对所述主题的兴趣的指示;
处理和/或有助于处理第三用户的对所述主题的兴趣的指示;
处理和/或有助于处理所述用户的所述评级得分与所述另一用户的评级得分的比较;
至少部分地引起至少部分地基于评级得分的所述比较的、关于所述第三用户的对所述主题的兴趣的一个或多个推荐的生成;以及
至少部分地引起所述一个或多个推荐向所述第三用户的呈现。
15.根据权利要求14所述的装置,其中进一步使得所述装置:
至少部分地引起对所述用户和所述另一用户的针对评级得分的所述比较的所述评级得分的排名;以及
至少部分地引起在生成所述一个或多个推荐时的信任得分的生成,所述信任得分对具有在另一评级得分之上的排名的所述评级得分加权。
16.根据权利要求14所述的装置,其中进一步使得所述装置:
至少部分地引起对所述用户和所述另一用户的针对评级得分的所述比较的所述评级得分的排名;以及
至少部分地引起将所述一个或多个推荐的生成基于具有在另一评级得分之下的排名的所述评级得分。
17.根据权利要求14所述的装置,其中进一步使得所述装置:
处理和/或有助于处理偏好设置,所述偏好设置确定将所述一个或多个推荐基于所述用户和/或所述另一用户对所述主题的熟悉程度。
18.根据权利要求11至17中任一权利要求所述的方法,其中进一步使得所述装置:
至少部分地引起将所述一个或多个交互的类型确定为以下各项中的任一项:用于不推荐所述一个或多个内容项目的显式指导、用于推荐但不查看所述一个或多个内容项目的显式指导、用于查看所述一个或多个内容项目的动作、用于转发所述一个或多个内容项目的动作、转发所述一个或多个内容项目的动作、用于将所述一个或多个内容项目加为最爱的动作、用于加入关于所述一个或多个内容项目的组的动作、用于选择关于所述一个或多个内容项目的优惠券的动作、或者它们的任何组合;
至少部分地引起至少部分地基于交互的所述类型的、一个或多个基本评级的生成;以及
至少部分地引起至少部分地基于交互的所述类型生成所述一个或多个用户偏好。
19.根据权利要求18所述的装置,其中交互的所述类型是对交互的所述类型加权的分配的值。
20.根据权利要求11至19中任一权利要求所述的装置,其中进一步使得所述装置:
处理和/或有助于处理所述内容项目的显式用户评级;以及
至少部分地引起所述一个或多个用户偏好的所述确定进一步至少部分地基于所述内容项目的所述显式用户评级。
21.一种方法,包括:
处理和/或有助于处理用户与一个或多个内容项目的一个或多个交互;
至少部分地引起所述用户的一个或多个处理的所述交互的累积;
至少部分地引起至少部分地基于累积的一个或多个处理的所述交互的、一个或多个用户偏好的确定;以及
至少部分地引起至少部分地基于所述一个或多个用户偏好的、所述用户的针对所述主题的评级得分的产生。
22.根据权利要求21所述的方法,进一步包括:
至少部分地引起至少部分地基于所述评级得分的、关于所述主题的一个或多个推荐的生成;以及
至少部分地引起所述一个或多个推荐向所述用户的呈现。
23.根据权利要求21和22中任一权利要求所述的方法,还包括:
处理和/或有助于处理另一用户的对所述主题的兴趣的指示;
处理和/或有助于处理所述用户的所述评级得分与所述另一用户的评级得分的比较;
至少部分地引起至少部分地基于评级得分的所述比较的、关于所述另一用户的对所述主题的兴趣的一个或多个推荐的生成;以及
至少部分地引起所述一个或多个推荐向所述另一用户的呈现。
24.根据权利要求21至23中任一权利要求所述的方法,进一步包括:
处理和/或有助于处理另一用户的对所述主题的兴趣的指示;
处理和/或有助于处理第三用户的对所述主题的兴趣的指示;
处理和/或有助于处理所述用户的所述评级得分与所述另一用户的评级得分的比较;
至少部分地引起至少部分地基于评级得分的所述比较的、关于所述第三用户的对所述主题的兴趣的一个或多个推荐的生成;以及
至少部分地引起所述一个或多个推荐向所述第三用户的呈现。
25.根据权利要求24所述的方法,进一步包括:
至少部分地引起对所述用户和所述另一用户的针对评级得分的所述比较的所述评级得分的排名;以及
至少部分地引起在生成所述一个或多个推荐时的信任得分的生成,所述信任得分对具有在另一评级得分之上的排名的所述评级得分加权。
26.根据权利要求24所述的方法,进一步包括:
至少部分地引起对所述用户和所述另一用户的针对评级得分的所述比较的所述评级得分的排名;以及
至少部分地引起将所述一个或多个推荐的生成基于具有在另一评级得分之下的排名的所述评级得分。
27.根据权利要求24所述的方法,进一步包括:
处理和/或有助于处理偏好设置,所述偏好设置确定将所述一个或多个推荐基于所述用户和/或所述另一用户对所述主题的熟悉程度。
28.根据权利要求21至27中任一权利要求所述的方法,进一步包括:
至少部分地引起将所述一个或多个交互的类型确定为以下各项中的任一项:用于不推荐所述一个或多个内容项目的显式指导、用于推荐但不查看所述一个或多个内容项目的显式指导、用于查看所述一个或多个内容项目的动作、用于转发所述一个或多个内容项目的动作、转发所述一个或多个内容项目的动作、用于将所述一个或多个内容项目加为最爱的动作、用于加入关于所述一个或多个内容项目的组的动作、用于选择关于所述一个或多个内容项目的优惠券的动作、或者它们的任何组合;
至少部分地引起至少部分地基于交互的所述类型的、一个或多个基本评级的生成;以及
至少部分地引起至少部分地基于交互的所述类型生成所述一个或多个用户偏好。
29.根据权利要求28所述的方法,其中交互的所述类型是对交互的所述类型加权的分配的值。
30.根据权利要求21至29中任一权利要求所述的方法,进一步包括:
处理和/或有助于处理所述内容项目的显式用户评级;以及
至少部分地引起所述一个或多个用户偏好的所述确定进一步至少部分地基于所述内容项目的所述显式用户评级。
31.根据权利要求11至20中任一权利要求所述的装置,其中所述装置是移动电话,所述移动电话进一步包括:
用户接口电路和用户接口软件,被配置用于通过显示器的使用有助于所述移动电话的至少一些功能的用户控制并且被配置用于对用户输入进行响应;以及
显示器和显示器电路,被配置用于显示所述移动电话的用户界面的至少一部分,所述显示器和显示器电路被配置用于有助于所述移动电话的至少一些功能的用户控制。
32.一种计算机可读存储介质,承载一个或多个指令的一个或多个序列,当所述指令的一个或多个序列由一个或多个处理器执行时,所述指令的一个或多个序列使得装置至少执行根据权利要求21至30中的任一权利要求所述的方法。
33.一种设备,包括用于执行根据权利要求21至30中任一权利要求所述的方法的装置。
34.根据权利要求33所述的装置,其中所述设备是移动电话,所述移动电话进一步包括:
用户接口电路和用户接口软件,被配置用于通过显示器的使用有助于所述移动电话的至少一些功能的用户控制并且被配置用于对用户输入进行响应;以及
显示器和显示器电路,被配置用于显示所述移动电话的用户界面的至少一部分,所述显示器和显示器电路被配置用于有助于所述移动电话的至少一些功能的用户控制。
35.一种计算机程序产品,包括一个或多个指令的一个或多个序列,当所述指令的一个或多个序列由一个或多个处理器执行时,所述指令的一个或多个序列使得装置至少执行根据权利要求21至30中任一权利要求所述的方法的步骤。
36.一种方法,包括有助于访问至少一个接口,所述至少一个接口被配置用于允许访问至少一个服务,所述至少一个服务被配置用于执行根据权利要求21至30中任一权利要求所述的方法。
37.一种方法,包括有助于处理和/或处理(1)数据和/或(2)信息和/或(3)至少一个信号,所述(1)数据和/或(2)信息和/或(3)至少一个信号至少部分地基于根据权利要求21至30中任一权利要求所述的方法。
38.一种方法,包括有助于创建和/或有助于修改(1)至少一个设备用户界面元素和/或(2)至少一个设备用户界面功能,所述(1)至少一个设备用户界面元素和/或(2)至少一个设备用户界面功能至少部分地基于根据权利要求21至30中任一权利要求所述的方法。
CN201180072476.0A 2011-05-27 2011-05-27 用于针对实时推荐的协同过滤的方法和装置 Pending CN103703460A (zh)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/CN2011/074805 WO2012162872A1 (en) 2011-05-27 2011-05-27 Method and apparatus for collaborative filtering for real-time recommendation

Publications (1)

Publication Number Publication Date
CN103703460A true CN103703460A (zh) 2014-04-02

Family

ID=47258265

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201180072476.0A Pending CN103703460A (zh) 2011-05-27 2011-05-27 用于针对实时推荐的协同过滤的方法和装置

Country Status (3)

Country Link
US (2) US20140222622A1 (zh)
CN (1) CN103703460A (zh)
WO (1) WO2012162872A1 (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104394162A (zh) * 2014-12-03 2015-03-04 南京智数科技有限公司 一种考虑服务质量可信性的网络服务选取方法
WO2016201631A1 (en) * 2015-06-17 2016-12-22 Yahoo! Inc. Systems and methods for online content recommendation
CN107169819A (zh) * 2017-04-28 2017-09-15 杭州集盒网络技术有限公司 基于可信朋友的购买记录展示方法
CN109408678A (zh) * 2018-09-21 2019-03-01 广州神马移动信息科技有限公司 问答交互方法及其装置
CN114357235A (zh) * 2021-12-30 2022-04-15 广州小鹏汽车科技有限公司 交互方法、服务器、终端设备和存储介质

Families Citing this family (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101167139B1 (ko) * 2011-06-10 2012-08-07 피알케이엘8, 인코포레이티드 조사 시행 시스템 및 방법
US20140143250A1 (en) * 2012-03-30 2014-05-22 Xen, Inc. Centralized Tracking of User Interest Information from Distributed Information Sources
US20140040256A1 (en) * 2012-08-06 2014-02-06 Aol Inc. Systems and methods for processing electronic content
US10218751B2 (en) * 2012-08-07 2019-02-26 Paypal, Inc. Social sharing system
US9972042B2 (en) 2013-03-15 2018-05-15 Sears Brands, L.L.C. Recommendations based upon explicit user similarity
US9710546B2 (en) 2014-03-28 2017-07-18 Microsoft Technology Licensing, Llc Explicit signals personalized search
CN104732422A (zh) * 2015-02-27 2015-06-24 湖南大学 基于移动用户标签的个性化美食推荐方法
CN105205130A (zh) * 2015-09-15 2015-12-30 广东工业大学 一种提升推荐系统准确性的方法
WO2018023789A1 (zh) * 2016-08-05 2018-02-08 王志强 一种根据其他用户反馈调整影片限制的方法以及电视机
US11017041B2 (en) * 2018-01-31 2021-05-25 Salesforce.Com, Inc. Systems, methods, and apparatuses for collaborative filtering in a cloud based computing environment
CN113055059B (zh) * 2021-02-01 2022-08-09 厦门大学 针对大规模mimo毫米波通信的波束管理方法与毫米波基站
CN115618131B (zh) * 2022-11-11 2023-05-23 河南大学 一种融合交互频率与注意力网络的物品推荐方法及系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1679331A (zh) * 2002-08-30 2005-10-05 索尼德国有限责任公司 创建用户简档和为用户的下次选择指定建议的方法
WO2007063162A1 (en) * 2005-11-30 2007-06-07 Nokia Corporation Socionymous method for collaborative filtering and an associated arrangement
US20080294501A1 (en) * 2007-05-21 2008-11-27 Steven Carl Rennich Collecting and providing information about vendors, products and services
CN101751448A (zh) * 2009-07-22 2010-06-23 中国科学院自动化研究所 一种基于情景信息的个性化资源信息的推荐方法

Family Cites Families (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060020614A1 (en) * 1997-08-08 2006-01-26 Kolawa Adam K Method and apparatus for automated selection, organization, and recommendation of items based on user preference topography
WO2001047273A1 (en) * 1999-12-21 2001-06-28 Tivo, Inc. Intelligent system and methods of recommending media content items based on user preferences
US20050010494A1 (en) * 2000-03-21 2005-01-13 Pricegrabber.Com Method and apparatus for Internet e-commerce shopping guide
US8843965B1 (en) * 2000-09-20 2014-09-23 Kaushal Kurapati Method and apparatus for generating recommendation scores using implicit and explicit viewing preferences
DE10247927A1 (de) * 2001-10-31 2003-07-31 Ibm Verbessertes Verfahren zum Bewerten von Einheiten innerhalb eines Empfehlungssystems auf der Grundlage zusätzlicher Kenntnisse über die Verknüpfung der Einheiten untereinander
EP1484692B1 (en) * 2003-06-04 2013-07-24 Intel Corporation Content recommendation device with user feedback
US7590619B2 (en) * 2004-03-22 2009-09-15 Microsoft Corporation Search system using user behavior data
US20080077574A1 (en) * 2006-09-22 2008-03-27 John Nicholas Gross Topic Based Recommender System & Methods
US7584171B2 (en) * 2006-11-17 2009-09-01 Yahoo! Inc. Collaborative-filtering content model for recommending items
US8090621B1 (en) * 2007-06-27 2012-01-03 Amazon Technologies, Inc. Method and system for associating feedback with recommendation rules
US8019707B2 (en) * 2007-09-20 2011-09-13 Deutsche Telekom Ag Interactive hybrid recommender system
US10664889B2 (en) * 2008-04-01 2020-05-26 Certona Corporation System and method for combining and optimizing business strategies
US8037080B2 (en) * 2008-07-30 2011-10-11 At&T Intellectual Property Ii, Lp Recommender system utilizing collaborative filtering combining explicit and implicit feedback with both neighborhood and latent factor models
JP4678546B2 (ja) * 2008-09-08 2011-04-27 ソニー株式会社 推薦装置および方法、プログラム、並びに記録媒体
US20100082419A1 (en) * 2008-10-01 2010-04-01 David Hsueh-Chi Au-Yeung Systems and methods of rating an offer for a products
EP2202657A1 (en) * 2008-12-23 2010-06-30 Axel Springer Digital TV Guide GmbH Adaptive implicit learning for recommender systems
EP2239695A1 (en) * 2009-04-10 2010-10-13 ACCENTURE Global Services GmbH System for transmitting an electronic recommendation
EP2507758A4 (en) * 2009-12-04 2013-11-27 Ericsson Telefon Ab L M SYSTEM AND METHOD FOR DATA PROTECTION OF USER INFORMATION IN A RECOMMENDATION SYSTEM
WO2011115986A2 (en) * 2010-03-15 2011-09-22 Howard University Apparatus and method for context-aware mobile data management
US20120095833A1 (en) * 2010-10-13 2012-04-19 Cox Communications, Inc. Recommendation Engine
US8799759B2 (en) * 2010-12-13 2014-08-05 International Business Machines Corporation Pre-rendering web content
US20130073568A1 (en) * 2011-09-21 2013-03-21 Vladimir Federov Ranking structured objects and actions on a social networking system

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1679331A (zh) * 2002-08-30 2005-10-05 索尼德国有限责任公司 创建用户简档和为用户的下次选择指定建议的方法
WO2007063162A1 (en) * 2005-11-30 2007-06-07 Nokia Corporation Socionymous method for collaborative filtering and an associated arrangement
US20080294501A1 (en) * 2007-05-21 2008-11-27 Steven Carl Rennich Collecting and providing information about vendors, products and services
CN101751448A (zh) * 2009-07-22 2010-06-23 中国科学院自动化研究所 一种基于情景信息的个性化资源信息的推荐方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
张晓彬: "基于可信度的协同过滤推荐算法研究", 《中国优秀硕士学位论文全文数据库·信息科技辑》 *
黄创光 等: "不确定近邻的协同过滤推荐算法", 《计算机学报》 *

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104394162A (zh) * 2014-12-03 2015-03-04 南京智数科技有限公司 一种考虑服务质量可信性的网络服务选取方法
CN104394162B (zh) * 2014-12-03 2017-05-10 南京智数科技有限公司 一种考虑服务质量可信性的网络服务选取方法
WO2016201631A1 (en) * 2015-06-17 2016-12-22 Yahoo! Inc. Systems and methods for online content recommendation
US11494666B2 (en) 2015-06-17 2022-11-08 Yahoo Assets Llc Systems and methods for online content recommendation
CN107169819A (zh) * 2017-04-28 2017-09-15 杭州集盒网络技术有限公司 基于可信朋友的购买记录展示方法
CN109408678A (zh) * 2018-09-21 2019-03-01 广州神马移动信息科技有限公司 问答交互方法及其装置
CN114357235A (zh) * 2021-12-30 2022-04-15 广州小鹏汽车科技有限公司 交互方法、服务器、终端设备和存储介质

Also Published As

Publication number Publication date
US20140222622A1 (en) 2014-08-07
US20180293637A1 (en) 2018-10-11
WO2012162872A1 (en) 2012-12-06

Similar Documents

Publication Publication Date Title
CN103703460A (zh) 用于针对实时推荐的协同过滤的方法和装置
CN104704522B (zh) 推荐原生应用
CN103620595A (zh) 用于情境感知角色建模和推荐的方法和装置
CN103797479B (zh) 用于混合社交搜索模型的方法和装置
CN102823190B (zh) 用于提供访问资源的信任等级的方法和装置
CN102439593B (zh) 提供个性化虚拟环境的方法和装置
US9514472B2 (en) Method and apparatus for classifying content
CN102460462B (zh) 用于隐私设置的直观管理的方法和装置
US20160140625A1 (en) Method and apparatus for distributing items using a social graph
CN102947827A (zh) 生成协作播放列表的方法和装置
CN102428488B (zh) 显示购买信息的方法和装置
CN103620593A (zh) 用于提供基于特征的协同过滤的方法和装置
CN103620592A (zh) 用于推荐结果的灵活多样化的方法和装置
CN102939604A (zh) 用于上下文索引的网络资源的方法和装置
US20120110565A1 (en) Chained data processing and application utilization
CN103348368A (zh) 用于提供基于上下文的优惠券共享的方法和装置
CN103003797A (zh) 用于分配计算闭包的方法和装置
CN102939579A (zh) 绑定用户接口元素和粒度反映处理的方法和装置
CN103959249A (zh) 用于提供应用集市的方法和装置
CN103891392A (zh) 用于基于电话簿的应用共享的方法和装置
CN103444159A (zh) 用于定制设备内容的方法和装置
CN102939774A (zh) 用于上下文索引的网络资源分段的方法和装置
US10019746B2 (en) Microsites architecture
CN104919480A (zh) 用于基于扩散仿真的社交网络服务策略的方法和设备
CN104025627A (zh) 用于将兴趣点信息共享为web链接的方法和装置

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C41 Transfer of patent application or patent right or utility model
TA01 Transfer of patent application right

Effective date of registration: 20160218

Address after: Espoo, Finland

Applicant after: Technology Co., Ltd. of Nokia

Address before: Espoo, Finland

Applicant before: Nokia Oyj

WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20140402

WD01 Invention patent application deemed withdrawn after publication