CN103744929B - 目标用户对象的确定方法 - Google Patents

目标用户对象的确定方法 Download PDF

Info

Publication number
CN103744929B
CN103744929B CN201310745330.9A CN201310745330A CN103744929B CN 103744929 B CN103744929 B CN 103744929B CN 201310745330 A CN201310745330 A CN 201310745330A CN 103744929 B CN103744929 B CN 103744929B
Authority
CN
China
Prior art keywords
attribute parameter
text attribute
matched
mtr
mtd
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
CN201310745330.9A
Other languages
English (en)
Other versions
CN103744929A (zh
Inventor
江潮
张芃
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.)
TRANSN (BEIJING) INFORMATION TECHNOLOGY Co Ltd
Original Assignee
TRANSN (BEIJING) INFORMATION TECHNOLOGY 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 TRANSN (BEIJING) INFORMATION TECHNOLOGY Co Ltd filed Critical TRANSN (BEIJING) INFORMATION TECHNOLOGY Co Ltd
Priority to CN201310745330.9A priority Critical patent/CN103744929B/zh
Publication of CN103744929A publication Critical patent/CN103744929A/zh
Application granted granted Critical
Publication of CN103744929B publication Critical patent/CN103744929B/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
    • G06F16/20Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24Querying
    • G06F16/245Query processing
    • G06F16/2457Query processing with adaptation to user needs

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Machine Translation (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

一种目标用户对象的确定方法,包括接收待匹配的数据对象;提取所述待匹配的数据对象的文本属性参数;将所述文本属性参数在预置的数据库中进行匹配,所述预置的数据库中包括多个用户对象及每个用户对象相关联的文本属性参数系数;确定所述数据库中与所述待匹配的数据对象的文本属性参数匹配度高于预设阈值的用户对象,为目标用户对象。采用上述方法确定了待匹配的数据对象的最合适的用户对象,使得所述待匹配的数据对象可以实现精准推送。

Description

目标用户对象的确定方法
技术领域
本发明属于信息检索领域,尤其涉及一种目标用户对象的确定方法。
背景技术
在全球化、国际化的今天,同时随着互联网的兴起,越来越多的产业选择通过适应发展形势的系统化、产业化、标准化的云服务平台来承接各种任务。目前大部分的方式是基于任务的种类或要求等信息,根据主观判断和简单的测试系统来确定合适的承接任务的公司、部门或个人,这对应管理着散布于全球的海量资源的云服务平台来说,接受的任务信息与承接的对象选择难以做到准确的匹配,从而无法实现任务的自动推送流程。所以必须要有一种简单、高效、可以在计算机系统上实现的目标用户对象的确定方法,这是建立大规模任务并行分布式处理流程的一项基础性的工作,也是建立云服务平台的一项基础性工作。
发明内容
有鉴于此,为解决现有技术中,存在接受的任务信息与承接的对象选择难以做到准确的匹配的问题,本发明的一个目的是提出一种目标用户对象的确定方法。为了对披露的实施例的一些方面有一个基本的理解,下面给出了简单的概括。该概括部分不是泛泛评述,也不是要确定关键/重要组成元素或描绘这些实施例的保护范围。其唯一目的是用简单的形式呈现一些概念,以此作为后面的详细说明的序言。
在一些可选的实施例中,所述方法包括:
接收待匹配的数据对象;
提取所述待匹配的数据对象的文本属性参数;
将所述文本属性参数在预置的数据库中进行匹配,所述预置的数据库中包括:多个用户对象及每个用户对象相关联的文本属性参数系数;
确定所述数据库中与所述待匹配的数据对象的文本属性参数匹配度高于预设阈值的用户对象,为目标用户对象。
在一些可选的实施例中,所述提取待匹配的数据对象的文本属性参数集合为X’={X′1,X′2,…,X′n};其中,n为文本属性参数的数量;
所述预置的数据库中的每个用户对象相关联的文本属性参数系数包括数据集合系数K={K1,K2,…,Kn};
所述文本属性参数集合X’与所述数据集合系数K的各项一一对应。
在一些可选的实施例中,所述运算匹配的过程是利用数学公式:
Y’=K1·X’1+K2·X’2+…+Kn’·X’n
得到文本属性参数匹配度,记为Y’。
在一些可选的实施例中,所述数据集合系数K通过以下过程得到,包括:
提取每个用户对象的m篇包含文本属性参数的数据对象;从上述m篇数据对象中的每篇数据对象提取n个文本属性参数作为一组,形成m组文本参数集合X;其中,每组对应以下其中的一行;
X1={X11,X12,…,X1n}
X2={X21,X22,…,X2n}
Xm={Xm1,Xm2,…,Xmn}
所述每组中的每一项参数与文本属性参数X’中的位置相对的参数的属性相同;
建立描述综合特征的数据组,记为Y,Y={Y1,Y2,…,Ym},其中每篇数据对象对应Y中的一项数据;
根据以下匹配模型,获得文本属性参数集合系数K:
其中,X′为X的转置矩阵。
在一些可选的实施例中,所述高于预设阈值的用户对象的数量的个数为多个,所述目标对象为多个中的随机的一个;
或,在多个高于预设阈值的用户对象中,确定每个用户对象的负载系数,选择负载系数最小的用户对象。
在一些可选的实施例中,所述待匹配的数据对象是待译稿件,每个用户对象的m篇包含文本属性参数的数据对象为该用户的m篇译后稿件。
采用上述实施例,能达到以下技术效果:
上述方法让最合适的用户对象能够匹配到待完成的任务,使得所述任务在云平台上可以实现精准推送,有效的促进了任务的分工,提高了单位产能。同时这种相对客观的用户对象的确定方法,极大的减轻选择用户对象过程中巨大的人工工作量。
为了上述以及相关的目的,一个或多个实施例包括后面将详细说明并在权利要求中特别指出的特征。下面的说明以及附图详细说明某些示例性方面,并且其指示的仅仅是各个实施例的原则可以利用的各种方式中的一些方式。其它的益处和新颖性特征将随着下面的详细说明结合附图考虑而变得明显,所公开的实施例是要包括所有这些方面以及它们的等同。
此处所说明的附图用来提供对本发明的进一步理解,构成本申请的一 部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
附图说明
图1是本发明实施例的流程示意图;
图2是本发明实施例的流程示意图。
具体实施方式
以下描述和附图充分地示出本发明的具体实施方案,以使本领域的技术人员能够实践它们。其他实施方案可以包括结构的、逻辑的、电气的、过程的以及其他的改变。实施例仅代表可能的变化。除非明确要求,否则单独的部件和功能是可选的,并且操作的顺序可以变化。一些实施方案的部分和特征可以被包括在或替换其他实施方案的部分和特征。本发明的实施方案的范围包括权利要求书的整个范围,以及权利要求书的所有可获得的等同物。在本文中,本发明的这些实施方案可以被单独地或总地用术语“发明”来表示,这仅仅是为了方便,并且如果事实上公开了超过一个的发明,不是要自动地限制该应用的范围为任何单个发明或发明构思。
图1是本发明实施例的流程示意图,实施例包括如下步骤:
S1:接收待匹配的数据对象,例如待译稿件;
S2:提取所述待匹配的数据对象的文本属性参数,所述提取待匹配的数据对象的文本属性参数集合为X’={X′1,X′2,…,X′n},其中,n为文本属性参数的数量;
所述待译稿件中包含完成该稿件的最低要求,所述最低要求是一系列参数的集合X’,集合X’包含5个参数,分别是:中途放弃任务次数X’1、不按时完成和提交任务次数X’2、低级错误次数X’3、谎报能力指标次数X’4、接到通知不响应次数X’5、能够申请任务的时间分别情况X’6
S3:将所述文本属性参数在预置的数据库中进行匹配,所述预置的数据库中包括:多个用户对象及每个用户对象相关联的文本属性参数系数;
集合X’的所有参数在数据库中进行匹配,确定多个数据库中包含集合X’ 中所有参数的译员,并从每个译员的个人翻译文档库中获得与集合X’中各项参数相匹配的数据集合系数;
例如基于集合X’,从某译员的个人翻译文档库获取所述K,K={K1,K2,K3,K4,K5},其中集合中每一项数据系数与X’中的每一项参数一一对应;
所述匹配过程是,将待译稿件的文本属性参数集合X’的各项与译员的数据集合系数K中相对位置的各项数据系数相乘,然后再将得到的乘积相加获得所述匹配度,记为Y’,即译员完成待译稿件的匹配度,这个值是系统通过匹配公式计算的一个预测值,具体计算过程如下:
Y’=K1·X’1+K2·X’2+K3·X’3+K4·X’4+K5·X’5
其中Y’是一个译员完成待译稿件的匹配度,设共有L个译员,每个译员有对应的L个集合K,同理根据上述步骤能获得L个译员的匹配度,记为Y’1、Y’2,…,Y’L
S4:确定所述数据库中与所述待匹配的数据对象的文本属性参数匹配度高于预设阈值的用户对象,为目标用户对象;
优选地,设所述待译稿件中对最低匹配度进行了限定,即预设阈值A,将所述L个译员的匹配度Y’1、Y’2,…,Y’L分别与所述预设阈值A进行比较,获得S个匹配度高于预设阈值A的译员,则所述目标对象为S个译员中随机的一个;
进一步地,将所述S个译员的匹配度进行比较,选择匹配度最高的译员为目标对象;
进一步地,确定所述S个译员的负载系数,所述负载系数能反映每个译员当前跟进稿件的数量和进展情况,选择负载系数最小的译员为目标对象,即选择任务量最少的译员作为目标译员。实施例的步骤,通过对待匹配数据对象的文本属性参数进行提取,并找到匹配的用户对象和每个用户对象的相关文本属性参数的系数,提高了用户对象的查找效率,减少了主观性。再进一步的,将每个用户对象的文本属性参数的系数与待匹配数据 对象的文本属性参数进行匹配,获得了客观、精准的该用户对象完成待匹配数据对象的预测的匹配度,根据匹配度是否高于预设的完成待匹配数据对象的最低阈值,确定该用户对象是否有能力完成所述待匹配数据对象。
如图2所示,步骤S3通过以下子步骤实现,包括:
S31:提取每个用户对象(即译员)的m篇包含文本属性参数的数据对象(即译后稿件);从上述m篇译后稿件中的每篇译后稿件提取5个与上述待译稿件的集合X’中的5个参数属性相同的参数作为一组,形成m组文本参数集合X;其中,每组对应以下其中的一行;
{X11,X12,X13,X14,X15}
{X21,X22,X23,X24,X25}
{Xm1,Xm2,Xm3,Xm4,Xm5}
所述每组中的每一项参数与文本属性参数X’中的位置相对的参数的属性相同;
S32:建立描述综合特征的,即翻译可信度的数据组,记为Y,Y={Y1,Y2,…,Ym},其中每篇数据对象对应Y中的一项数据,优选便于计算的数据,一般为1~10。由于采用的样本数据的数量很大,人为的因素影响可以忽略不计;
S33:根据以下匹配模型,获得一个译员的文本属性参数集合系数K:
其中,X′为X的转置矩阵。
上述步骤是获得一个译员的文本集合系数K的过程,在实施例中,共 有L个译员,通过上述步骤,可以获得L个译员的文本属性集合系数K,得到的文本属性系数通过大量样本数据进行计算,得到的可忽略人为因素的客观数据,得到的文本属性系数之间同时具有关联性。
在一些实施例中,在所述步骤S2前,还包括判断用户对象是否可以接收待匹配的数据对象的步骤,如果用户对象可以接收待匹配的数据对象则再进行匹配并计算匹配度,如果用户对象不接收待匹配的数据对象则切换其他用户,再执行步骤S3。
在一些实施例中,所述用户对象可以以人为单位的对象,例如:个人、小组、部门、公司等,或者是某种系统、软件、硬件、技术、项目等其他形式的对象。
在一些实施例中,所述待匹配的数据对象可以是各种数据类型,例如:文字、音频、视频、包含文字和/或音频和/或视频的多媒体流、图片信息、具有多个指标要求的工作任务,或者包含多种数据类型的数据集合等。
在一些实施例中,所述待匹配的数据对象可以是一个或者多个具有共同特征的数据对象。
在一些实施例中,所述用户对象的确定方法可以用于网络的云服务平台上或者封闭的系统中。
在一些实施例中,所述待匹配的数据对象是待译稿件,所述用户对象是译员,每个译员都具有其个人翻译文档库,所述个人翻译文档库包括m篇包含文本属性参数的数据对象为该用户的m篇译后稿件;将所述待译稿件的文本属性参数与译员个人翻译文档库中的数据进行匹配,确定符合所述待译稿件要求的信息。
优选地,所述预置的数据库中的描述综合特征的数据是根据译员完成每篇译后稿件情况的评估值。
优选地,所述待译稿件的文本属性参数包括申请领取翻译任务的种类、任务特征、完成翻译任务的速度和质量情况、完成翻译任务的速度和质量的波动情况、能够申请任务的时间分布情况等各方面与译员的翻译效率相 关的参数。所述描述综合特征的数据组中的每一项是译员完成每篇译后稿件的翻译效率评估值。所述预设阈值是待译稿件对译员翻译效率的最低要求。
优选地,所述待译稿件的文本属性参数包括中途放弃任务的次数、不按时完成和提交任务的次数、低级错误发生的次数、谎报能力指标的次数、接到通知不响应等各方面与译员的信用相关的参数。所述描述综合特征的数据组中的每一项是译员完成每篇译后稿件的翻译可信度的评估值。所述预设阈值是待译稿件对译员翻译可信度的最低要求。
优选地,所述待译稿件的文本属性参数包括语种、难度、行业、学科、领域等参数。所述描述综合特征的数据组中的每一项是译员完成每篇译后稿件的相似度评估值。所述预设阈值是对译员完成待译稿件的相似度的最低要求。
采用上述实施例,能达到以下技术效果:
提高了用户对象的查找效率,减少了主观性,找到待匹配的数据对象的目标匹配用户对象。
获得了客观、精准的用户对象完成待匹配数据对象的匹配度,根据预测的匹配度确定用户对象是否有能力完成所述待匹配数据对象。
实现了在待匹配数据对象在大量信息资源,例如云服务平台,的精准推送,有效的促进了任务的分工,提高了单位产能。同时这种相对客观的用户对象的确定方法,极大的减轻选择用户对象过程中巨大的人工工作量。
本领域技术人员还应当理解,结合本文的实施例描述的各种说明性的逻辑框、模块、电路和算法步骤均可以实现成电子硬件、计算机软件或其组合。为了清楚地说明硬件和软件之间的可交换性,上面对各种说明性的部件、框、模块、电路和步骤均围绕其功能进行了一般地描述。至于这种功能是实现成硬件还是实现成软件,取决于特定的应用和对整个系统所施加的设计约束条件。熟练的技术人员可以针对每个特定应用,以变通的方式实现所描述的功能,但是,这种实现决策不应解释为背离本公开的保护 范围。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。

Claims (6)

1.一种目标用户对象的确定方法,其特征在于,包括:
接收待匹配的数据对象;
提取所述待匹配的数据对象的文本属性参数;
将所述文本属性参数在预置的数据库中进行匹配,所述预置的数据库中包括:多个用户对象及每个用户对象相关联的文本属性参数系数;
确定所述数据库中与所述待匹配的数据对象的文本属性参数匹配度高于预设阈值的用户对象,为目标用户对象;
所述提取待匹配的数据对象的文本属性参数集合为X’={X′1,X′2,…,X′n};
其中,n为文本属性参数的数量;
所述预置的数据库中的每个用户对象相关联的文本属性参数系数包括数据集合系数K={K1,K2,…,Kn};
所述文本属性参数集合X’与所述数据集合系数K的各项一一对应;
其中,所述待匹配的数据对象是待译稿件,所述用户对象是译员;所述待译稿件的文本属性参数包括语种、难度、行业、学科、领域。
2.如权利要求1所述的方法,其特征在于,所述匹配的过程包括:将所述提取的文本属性参数逐个与每个用户对象的文本属性参数系数运算,得到与每个用户对象的匹配度。
3.如权利要求2所述的方法,其特征在于,所述运算匹配度的过程是利用数学公式:
Y’=K1·X’1+K2·X’2+…+Kn·X’n
得到文本属性参数匹配度,记为Y’。
4.如权利要求1所述的方法,其特征在于,所述数据集合系数K通过以下过程得到,包括:
提取每个用户对象的m篇包含文本属性参数的数据对象;从上述m篇数据对象中的每篇数据对象提取n个文本属性参数作为一组,形成m组文本参数集合X;其中,每组对应以下其中的一行;
X1={X11,X12,…,X1n}
X2={X21,X22,…,X2n}
Xm={Xm1,Xm2,…,Xmn}
所述每组中的每一项参数与文本属性参数X’中的位置相对的参数的属性相同;
建立描述综合特征的数据组,记为Y,Y={Y1,Y2,…,Ym},其中每篇数据对象对应Y中的一项数据;
根据以下匹配模型,获得文本属性参数集合系数K:
<mrow> <mfenced open = "[" close = "]"> <mtable> <mtr> <mtd> <msub> <mi>K</mi> <mn>1</mn> </msub> </mtd> </mtr> <mtr> <mtd> <msub> <mi>K</mi> <mn>2</mn> </msub> </mtd> </mtr> <mtr> <mtd> <mo>.</mo> </mtd> </mtr> <mtr> <mtd> <mo>.</mo> </mtd> </mtr> <mtr> <mtd> <mo>.</mo> </mtd> </mtr> <mtr> <mtd> <msub> <mi>K</mi> <mi>n</mi> </msub> </mtd> </mtr> </mtable> </mfenced> <mo>=</mo> <msup> <mrow> <mo>(</mo> <msup> <mi>X</mi> <mo>&amp;prime;</mo> </msup> <mi>X</mi> <mo>)</mo> </mrow> <mrow> <mo>-</mo> <mn>1</mn> </mrow> </msup> <msup> <mi>X</mi> <mo>&amp;prime;</mo> </msup> <mi>Y</mi> </mrow> 1
其中,X′为X的转置矩阵。
5.如权利要求1所述的方法,其特征在于,所述高于预设阈值的用户对象的数量的个数为多个,所述目标对象为多个中的随机的一个;
或,在多个高于预设阈值的用户对象中,确定每个用户对象的负载系数,选择负载系数最小的用户对象。
6.如权利要求4所述的方法,其特征在于,所述待匹配的数据对象是待译稿件,每个用户对象的m篇包含文本属性参数的数据对象为该用户的m篇译后稿件。
CN201310745330.9A 2013-12-30 2013-12-30 目标用户对象的确定方法 Active CN103744929B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201310745330.9A CN103744929B (zh) 2013-12-30 2013-12-30 目标用户对象的确定方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201310745330.9A CN103744929B (zh) 2013-12-30 2013-12-30 目标用户对象的确定方法

Publications (2)

Publication Number Publication Date
CN103744929A CN103744929A (zh) 2014-04-23
CN103744929B true CN103744929B (zh) 2017-10-17

Family

ID=50501947

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201310745330.9A Active CN103744929B (zh) 2013-12-30 2013-12-30 目标用户对象的确定方法

Country Status (1)

Country Link
CN (1) CN103744929B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106202144A (zh) * 2016-06-08 2016-12-07 二十世纪空间技术应用股份有限公司 基于需求特征的遥感应用主动服务方法
CN108804387B (zh) * 2017-04-27 2021-07-23 腾讯科技(深圳)有限公司 目标用户确定方法及装置
CN109636199B (zh) * 2018-12-14 2020-10-30 语联网(武汉)信息技术有限公司 一种为待译稿件匹配译员的方法及系统
CN110928917A (zh) * 2019-11-11 2020-03-27 北京齐尔布莱特科技有限公司 一种目标用户的确定方法、装置、计算设备及介质
CN112598231A (zh) * 2020-12-11 2021-04-02 四川语言桥信息技术有限公司 稿件分配方法、装置、设备和存储介质

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101472223A (zh) * 2007-12-29 2009-07-01 华为技术有限公司 一种广告植入的方法、系统和装置
CN101520785A (zh) * 2008-02-29 2009-09-02 富士通株式会社 信息检索方法和系统

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070088801A1 (en) * 2005-10-17 2007-04-19 Zohar Levkovitz Device, system and method of delivering targeted advertisements using wireless application protocol
CN101026802B (zh) * 2007-03-16 2012-10-17 华为技术有限公司 一种信息推送方法与装置
CN101251841B (zh) * 2007-05-17 2011-06-29 华东师范大学 基于语义的Web文档的特征矩阵的建立和检索方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101472223A (zh) * 2007-12-29 2009-07-01 华为技术有限公司 一种广告植入的方法、系统和装置
CN101520785A (zh) * 2008-02-29 2009-09-02 富士通株式会社 信息检索方法和系统

Also Published As

Publication number Publication date
CN103744929A (zh) 2014-04-23

Similar Documents

Publication Publication Date Title
CN103744929B (zh) 目标用户对象的确定方法
CN103365997B (zh) 一种基于集成学习的观点挖掘方法
US20180075512A1 (en) Item recommendation techniques
Jain et al. Movie recommendation system: hybrid information filtering system
CN105787055A (zh) 信息推荐方法及装置
Ha et al. MapReduce functions to analyze sentiment information from social big data
Pironio All clauser–horne–shimony–holt polytopes
CN103870507A (zh) 一种基于类目的搜索方法和装置
Kanoje et al. User profiling for university recommender system using automatic information retrieval
Giraudeau et al. Sample size calculation for meta‐epidemiological studies
CN103095849B (zh) 基于QoS属性预测和纠错的有监督Web服务发现方法及系统
CN111160847A (zh) 一种处理流程信息的方法和装置
CN105808786A (zh) 一种基于内容互信的协同主题回归标签推荐方法
Vogelsang et al. Testing for common deterministic trend slopes
Zhang et al. Understanding the sparsity: Augmented matrix factorization with sampled constraints on unobservables
CN111353838A (zh) 自动化校验商品类目的方法和装置
Tseng et al. Comparison of sentiment analysis of review comments by unsupervised clustering of features using LSA and LDA
CN110942180B (zh) 基于xgboost算法的工业设计匹配服务方预测方法
CN117235264A (zh) 文本处理方法、装置、设备和计算机可读存储介质
CN107704632A (zh) 基于同义词和反义词的中文标签推荐修正方法
Szabó et al. Collaborative filtering via group-structured dictionary learning
Doroudyan et al. Monitoring correlated variable and attribute quality characteristics based on NORTA inverse technique
Zhang et al. A personalized recommender system for telecom products and services
Delianidi et al. A graph-based method for session-based recommendations
Karagiannis et al. Social network analysis of public lists of POIs

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
CB03 Change of inventor or designer information

Inventor after: Jiang Chao

Inventor after: Zhang Pi

Inventor before: Jiang Chao

COR Change of bibliographic data
GR01 Patent grant
GR01 Patent grant