CN103873530B - 多渠道信息反馈的信息推荐方法 - Google Patents
多渠道信息反馈的信息推荐方法 Download PDFInfo
- Publication number
- CN103873530B CN103873530B CN201210550376.0A CN201210550376A CN103873530B CN 103873530 B CN103873530 B CN 103873530B CN 201210550376 A CN201210550376 A CN 201210550376A CN 103873530 B CN103873530 B CN 103873530B
- Authority
- CN
- China
- Prior art keywords
- behavior
- processing module
- user
- module
- information
- 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.)
- Expired - Fee Related
Links
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种多渠道信息反馈的信息推荐方法，包括以下步骤：行为记录模块收集用户的不同阅读方式反馈回来的点击和订购行为，形成用户行为矩阵；第一行为处理模块利用用户行为矩阵，综合用户行为的有效性及所带来的经济效益，推算出阅读方式推荐加权指数；第二行为处理模块利用用户行为矩阵和推荐加权指数，计算得出总的推荐信息列表；第三行为处理模块利用用户行为矩阵，针对不同的阅读方式，从总的推荐信息列表中筛选出适合不同阅读方式的单个推荐信息列表；推荐模块从不同阅读方式的推荐信息列表中筛选出针对不同用户、不同阅读方式的推荐信息列表并推送给终端用户；做到更加精确的推荐给不同用户不同阅读方式以不同的信息。
Description
技术领域
本发明涉及一种多渠道信息反馈的信息推荐方法。
背景技术
随着人们生活水平的提高，出游度假逐渐成为了越来越多的人们的选择。对于用户而言，用户总想通过简单的方式获得自己最想得到的旅游信息。而对于公司，总想让用户看到的旅游信息能够带来实际的购买行为。针对此种需求，如何从海量信息中提取出有效的数据去对不同的用户进行个性化推荐就成为了一个关键的问题。
一般公司采用多种渠道发送推荐信息来达到推广和营销的目的。而人们一般会在不同的设备上去阅读此类信息。例如PC浏览器，手机浏览器，RSS阅读器，彩信等。而当人们采用不同阅读方式来阅读推荐信息时，由于屏幕大小，是否占用流量，及用户当时是否有空，用户处于什么地点等多种原因导致用户点击的信息有很大不同。
对于这个问题，一般的解决方式是不同的推荐渠道采用不同的信息推荐系统。但这种方法没有充分利用同一个用户的历史信息，导致推荐信息的有效利用率降低。例如，对于一个PC网站的老用户，当他使用RSS阅读推荐信息时，由于使用不同的推荐系统，RSS推荐的信息不能利用用户在PC浏览器上的历史数据，就面临着数据冷启动问题。如何综合利用来自不同渠道的用户的历史数据，并针对不同阅读方式产生不同的推荐信息来提高推荐系统的准确率就是本发明要解决的问题。
发明内容
本发明所要解决的技术问题是提供一种大大提高推荐信息的有效利用率的多渠道信息反馈的信息推荐方法。
本发明是通过以下技术方案来实现的：一种多渠道信息反馈的信息推荐方法，系统由行为记录模块、第一行为处理模块、第二行为处理模块、第三行为处理模块和推荐模块组成，包括以下步骤：
步骤一：行为记录模块收集用户的不同阅读方式反馈回来的点击和订购行为，形成用户行为矩阵；
步骤二：第一行为处理模块利用用户行为矩阵，综合用户行为的有效性及所带来的经济效益，推算出阅读方式推荐加权指数；
步骤三：第二行为处理模块利用用户行为矩阵和推荐加权指数，计算得出总的推荐信息列表；
步骤四：第三行为处理模块利用用户行为矩阵，针对不同的阅读方式，从总的推荐信息列表中筛选出适合不同阅读方式的单个推荐信息列表；
步骤五：推荐模块从不同阅读方式的推荐信息列表中筛选出针对不同用户、不同阅读方式的推荐信息列表并推送给终端用户。
进一步的，行为记录模块分别与三个行为处理模块和用户系统交互终端相连接，行为处理模块的输出结果是用户行为矩阵。
进一步的，第一行为处理模块分别与第二行为处理模块和行为记录模块相连接，其中第一行为处理模块通过推荐加权指数和用户行为矩阵过渡到第二行为处理模块。
进一步的，第二行为处理模块分别与第一行为处理模块和第三行为处理模块相连接，其中第二行为处理模块通过总的推荐列表和用户行为矩阵过渡到第三行为处理模块。
进一步的，第三行为处理模块分别与第二行为处理模块和推荐模块相连接，其中第三行为处理模块通过不同阅读方式推荐列表和用户行为矩阵过渡到推荐模块。
进一步的，推荐模块最终将生成针对不同用户不同阅读方式推荐列表，并将筛选的结果信息返回到用户系统交互终端。
进一步的，所有的模块都通过使用用户行为矩阵连接成为一个整体。
本发明多渠道信息反馈的信息推荐方法的有益效果是：综合利用从用户阅读推荐信息的多种不同方式获取的信息反馈，充分考虑用户使用不同设备阅读推荐信息的习惯的不同，从而做到更加精确的推荐给不同用户不同阅读方式以不同的信息。相比传统旅游信息推荐方式，本发明可以为不同的人推荐不同的信息，提高了信息推荐的针对性。相比传统的旅游信息推荐方式，本发明引入了多渠道信息反馈机制。针对多渠道反馈获得的信息，综合推算出要推送的信息，提高了推荐的准确度和广度，并对推荐系统数据冷启动问题的解决有所帮助。相比传统的旅游信息推荐方式，本发明在推送信息时考虑了用户查看信息的方式的不同，针对不同阅读方式推送不同的推荐信息，提升了用户的阅读体验，同时提高了信息推荐的有效利用率。
附图说明
图1为推荐信息处理流程及数据共享示意图。
其中黑实线是逻辑流示意图，大箭头为数据共享示意图。
具体实施方式
如图1所示，本发明的一种多渠道信息反馈的信息推荐方法，系统由行为记录模块、第一行为处理模块、第二行为处理模块、第三行为处理模块和推荐模块组成，其中：
—行为记录模块，负责收集记录来自用户不同阅读方式反馈回来的数据，并形成用户行为矩阵；
—第一行为处理模块，负责从用户行为中提取出阅读方式推荐加权指数；
—第二行为处理模块，负责利用用户行为矩阵和推荐加权指数，最终生成总的推荐信息列表；
—第三行为处理模块，负责利用用户行为矩阵，从总的推荐信息列表中筛选出适合各个阅读方式的推荐信息列表；
—推荐模块，负责从适合阅读方式的推荐信息列表中提取出针对特定用户、特定阅读方式的信息列表并推送给用户。
多渠道信息反馈的信息推荐方法包括以下步骤：
步骤一：行为记录模块收集用户的不同阅读方式反馈回来的点击和订购行为，形成用户行为矩阵。
步骤二：第一行为处理模块利用用户行为矩阵，综合用户行为的有效性及所带来的经济效益，推算出阅读方式推荐加权指数.
步骤三：第二行为处理模块利用用户行为矩阵和推荐加权指数，计算得出总的推荐信息列表。
步骤四：第三行为处理模块利用用户行为矩阵，针对不同的阅读方式，从总的推荐信息列表中筛选出适合不同阅读方式的单个推荐信息列表。
步骤五：推荐模块从适合不同阅读方式的单个推荐信息列表中筛选出适合不同用户不同阅读方式的最终推荐信息列表并推送给终端用户。
行为记录模块分别与第一行为处理模块和用户系统交互终端相连接。第一行为处理模块分别与第二行为处理模块和行为记录模块相连接，其中第一行为处理模块通过推荐加权指数和用户行为矩阵过渡到第二行为处理模块。第二行为处理模块分别与第一行为处理模块和第三行为处理模块相连接，其中第二行为处理模块通过总的推荐信息列表和用户行为矩阵过渡到第三行为处理模块。第三行为处理模块分别与第二行为处理模块和推荐模块相连接，其中第三行为处理模块通过适合不同阅读方式的单个推荐信息列表和用户行为矩阵过渡到推荐模块。推荐模块最终将生成适合不同用户不同阅读方式的最终推荐信息列表，并将筛选的结果信息返回到用户系统交互终端。所有的模块都通过使用用户行为矩阵连接成为一个整体。第一行为处理模块利用行为矩阵，参考用户行为的有效性及所带来的经济效益，生成阅读方式推荐加权指数向量V； 第二行为处理模块利用行为矩阵，计算信息相似度，并利用推荐加权指数V综合生成总的推荐信息列表；第三行为处理模块利用行为矩阵，计算阅读方式相似度，然后从总的推荐信息列表中筛选出适合不同阅读方式的单个推荐信息列表，其中i指不同的阅读方式。推荐模块利用行为矩阵和适合不同阅读方式的单个推荐信息列表，计算用户相似度，然后从中筛选出适合不同用户不同阅读方式的最终推荐信息列表并推送给最终用户，其中u代表不同的用户。
作为示例，这里只选择彩信，PC浏览器，手机浏览器，RSS阅读器四种阅读推荐信息的方式进行说明。
前提条件：推荐信息使用关键字进行标识，关键字包括地点信息（北京，上海等）、分类信息（美食，攻略，旅行团信息，酒店信息等）、阅读方式相关信息（流量大小，适合阅读页面大小等）、其他信息（价位区间等）。
步骤A1：行为记录模块记录用户的阅读行为并提取数据生成行为矩阵。u代表不同的用户，i代表不同的阅读方式。矩阵包括两方面信息，分别是用户标识符和信息关键字。
步骤A2：第一行为处理模块利用行为矩阵，参考用户行为的有效性及所带来的经济效益，生成阅读方式推荐加权指数向量V。
步骤A3：第二行为处理模块利用行为矩阵，计算信息相似度，并利用推荐加权指数V综合生成总的推荐信息列表。
步骤A4：第三行为处理模块利用行为矩阵，计算阅读方式相似度，然后从总的推荐信息列表中筛选出适合不同阅读方式的单个推荐信息列表，其中i指不同的阅读方式。
步骤A5：推荐模块利用行为矩阵和适合不同阅读方式的单个推荐信息列表，计算用户相似度，然后从中筛选出适合不同用户不同阅读方式的最终推荐信息列表并推送给最终用户，其中u代表不同的用户。
本发明多渠道信息反馈的信息推荐方法的有益效果是：综合利用从用户阅读推荐信息的多种不同方式获取的信息反馈，充分考虑用户使用不同设备阅读推荐信息的习惯的不同，从而做到更加精确的推荐给不同用户不同阅读方式以不同的信息。相比传统旅游信息推荐方式，本发明可以为不同的人推荐不同的信息，提高了信息推荐的针对性。相比传统的旅游信息推荐方式，本发明引入了多渠道信息反馈机制。针对多渠道反馈获得的信息，综合推算出要推送的信息，提高了推荐的准确度和广度，并对推荐系统数据冷启动问题的解决有所帮助。相比传统的旅游信息推荐方式，本发明在推送信息时考虑了用户查看信息的方式的不同，针对不同阅读方式推送不同的推荐信息，提升了用户的阅读体验，同时提高了信息推荐的有效利用率。
本发明不局限于上述最佳实施方式，任何人在本发明的启示下得出的其他任何与本发明相同或相近似的产品，均落在本发明的保护范围之内。
Claims (7)
1.一种多渠道信息反馈的信息推荐方法，其特征在于：系统由行为记录模块、第一行为处理模块、第二行为处理模块、第三行为处理模块和推荐模块组成，包括以下步骤：
步骤一：行为记录模块收集用户的不同阅读方式反馈回来的点击和订购行为，形成用户行为矩阵；
步骤二：第一行为处理模块利用用户行为矩阵，综合用户行为的有效性及所带来的经济效益，推算出阅读方式推荐加权指数；
步骤三：第二行为处理模块利用用户行为矩阵和推荐加权指数，计算得出总的推荐信息列表；
步骤四：第三行为处理模块利用用户行为矩阵，针对不同的阅读方式，从总的推荐信息列表中筛选出适合不同阅读方式的单个推荐信息列表；
步骤五：推荐模块从适合不同阅读方式的单个推荐信息列表中筛选出适合不同用户不同阅读方式的最终推荐信息列表并推送给终端用户。
2.根据权利要求1所述的多渠道信息反馈的信息推荐方法，其特征在于：行为记录模块分别与第一行为处理模块和用户系统交互终端相连接。
3.根据权利要求1所述的多渠道信息反馈的信息推荐方法，其特征在于：第一行为处理模块分别与第二行为处理模块和行为记录模块相连接，其中第一行为处理模块通过推荐加权指数和用户行为矩阵过渡到第二行为处理模块。
4.根据权利要求1所述的多渠道信息反馈的信息推荐方法，其特征在于：第二行为处理模块分别与第一行为处理模块和第三行为处理模块相连接，其中第二行为处理模块通过总的推荐信息列表和用户行为矩阵过渡到第三行为处理模块。
5.根据权利要求1所述的多渠道信息反馈的信息推荐方法，其特征在于：第三行为处理模块分别与第二行为处理模块和推荐模块相连接，其中第三行为处理模块通过适合不同阅读方式的单个推荐信息列表和用户行为矩阵过渡到推荐模块。
6.根据权利要求1所述的多渠道信息反馈的信息推荐方法，其特征在于：推荐模块最终将生成适合不同用户不同阅读方式的最终推荐信息列表，并将筛选的结果信息返回到用户系统交互终端。
7.根据权利要求1所述的多渠道信息反馈的信息推荐方法，其特征在于：所有的模块都通过使用用户行为矩阵连接成为一个整体。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201210550376.0A CN103873530B (zh) | 2012-12-18 | 2012-12-18 | 多渠道信息反馈的信息推荐方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201210550376.0A CN103873530B (zh) | 2012-12-18 | 2012-12-18 | 多渠道信息反馈的信息推荐方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN103873530A CN103873530A (zh) | 2014-06-18 |
| CN103873530B true CN103873530B (zh) | 2017-07-11 |
Family
ID=50911651
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201210550376.0A Expired - Fee Related CN103873530B (zh) | 2012-12-18 | 2012-12-18 | 多渠道信息反馈的信息推荐方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN103873530B (zh) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104835066A (zh) * | 2015-05-25 | 2015-08-12 | 北京京东尚科信息技术有限公司 | 一种投放渠道的选择方法及系统 |
| CN105447155A (zh) * | 2015-11-30 | 2016-03-30 | 中国建设银行股份有限公司 | 一种信息推荐系统及信息推荐方法 |
| CN110990706B (zh) * | 2019-12-09 | 2023-10-13 | 腾讯科技（深圳）有限公司 | 语料推荐方法及装置 |
| CN112102133B (zh) * | 2020-11-16 | 2021-02-12 | 深圳市易博天下科技有限公司 | 基于信息投放的高效招聘方法、装置、系统及电子设备 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2007118202A2 (en) * | 2006-04-07 | 2007-10-18 | Soulsearch.Com, Inc. | Learning-based recommendation system incorporating collaborative filtering and feedback |
| CN101828167A (zh) * | 2007-10-04 | 2010-09-08 | 讯恩科技公司 | 推荐产生系统、设备和方法 |
| CN102387207A (zh) * | 2011-10-21 | 2012-03-21 | 华为技术有限公司 | 基于用户反馈信息的推送方法和推送系统 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP1484692B1 (en) * | 2003-06-04 | 2013-07-24 | Intel Corporation | Content recommendation device with user feedback |
-
2012
- 2012-12-18 CN CN201210550376.0A patent/CN103873530B/zh not_active Expired - Fee Related
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2007118202A2 (en) * | 2006-04-07 | 2007-10-18 | Soulsearch.Com, Inc. | Learning-based recommendation system incorporating collaborative filtering and feedback |
| CN101828167A (zh) * | 2007-10-04 | 2010-09-08 | 讯恩科技公司 | 推荐产生系统、设备和方法 |
| CN102387207A (zh) * | 2011-10-21 | 2012-03-21 | 华为技术有限公司 | 基于用户反馈信息的推送方法和推送系统 |
Non-Patent Citations (2)
| Title |
|---|
| "Enabling Personalized Recommendation on the Web Based on User Interests and Behaviors";Wu Y H,et al.,;《Research Issues in Data Engineering》;20011231;17-24 * |
| "Using linguistic incomplete preference relations to cold start recommendations";Rodriguez,Rosa M.,et al.,;《Internet Research》;20100331;第29卷(第3期);296-315 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN103873530A (zh) | 2014-06-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP2506522B1 (en) | Method and device for pushing data | |
| CN103873530B (zh) | 多渠道信息反馈的信息推荐方法 | |
| CN107306355B (zh) | 一种内容推荐方法及服务器 | |
| CN104918066A (zh) | 视频内容审核方法及系统 | |
| CN102542474A (zh) | 查询结果排序方法及装置 | |
| US9870581B1 (en) | Content item element marketplace | |
| CN102622396A (zh) | 一种基于标签的web服务聚类方法 | |
| CN104133820A (zh) | 内容推荐方法及内容推荐装置 | |
| CN102999507A (zh) | 网络微博名人信息的推荐处理方法和装置 | |
| CN103761263A (zh) | 向用户推荐信息的方法 | |
| CN104216931A (zh) | 实时推荐系统及方法 | |
| CN102970324B (zh) | 一种推送微博的方法及装置 | |
| CN103020117B (zh) | 一种服务对比方法及系统 | |
| CN106504020A (zh) | 一种基于seo的智能网络营销系统 | |
| CN105407385A (zh) | 一种视频推荐方法及系统 | |
| CN103209114A (zh) | 一种新型的微博系统和方法 | |
| CN105243144A (zh) | 一种兴趣标签的推荐方法及装置 | |
| CN104301753A (zh) | 一种通过数字电视与电商网站进行信息交互的系统和方法 | |
| CN103294727B (zh) | 一种被推荐对象的过滤方法及系统 | |
| CN105740043B (zh) | 一种基于浏览器和网页的虚拟互动方法及装置 | |
| Dai et al. | UniEmbedding: Learning Universal Multi-Modal Multi-Domain Item Embeddings via User-View Contrastive Learning | |
| Cubitt et al. | Studying the event film: The Lord of the Rings | |
| Neumeyer | Shattering the glass ceiling: Female entrepreneurs in entrepreneurial ecosystems | |
| Wurenqun | Problems and suggestions about digital new media development in China | |
| Bond | SBS's First Contact is the real'festering sore'of the nation |
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 | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20170711 Termination date: 20181218 |
|
| CF01 | Termination of patent right due to non-payment of annual fee |