CN103927673A - 一种推荐业务信息的方法及装置 - Google Patents
一种推荐业务信息的方法及装置 Download PDFInfo
- Publication number
- CN103927673A CN103927673A CN201410112690.XA CN201410112690A CN103927673A CN 103927673 A CN103927673 A CN 103927673A CN 201410112690 A CN201410112690 A CN 201410112690A CN 103927673 A CN103927673 A CN 103927673A
- Authority
- CN
- China
- Prior art keywords
- user
- information category
- information
- preference value
- value
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 32
- 230000001143 conditioned effect Effects 0.000 claims description 12
- 238000010606 normalization Methods 0.000 claims description 5
- 238000004891 communication Methods 0.000 abstract description 2
- 230000006399 behavior Effects 0.000 description 66
- 238000010586 diagram Methods 0.000 description 3
- 240000004859 Gamochaeta purpurea Species 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种推荐业务信息的方法及装置,属于互联网通信领域。所述方法包括:获取当前时间单位内第一用户对每种信息类别的第一偏好值和离当前时间单位最近的预设个数个时间单位内第一用户对每种信息类别的第一偏好值;根据获取的每个时间单位内第一用户对每种信息类别的第一偏好值和每个时间单位与当前时间单位之间相差的时间单位数目,计算第一用户对每种信息类别的兴趣值;根据第一用户对每种信息类别的兴趣值,获取业务信息并将获取的业务信息发送给第一用户。所述装置包括:获取模块、计算模块和获取发送模块。本发明能够提高推荐业务信息的准确性。
Description
技术领域
本发明涉及互联网通信领域,特别涉及一种推荐业务信息的方法及装置。
背景技术
当前,用户经常在网络上浏览不同类型的业务信息,如图书、杂志和新闻信息等,服务器可以根据用户过去浏览的业务信息,预测用户当前可能感兴趣的业务信息,并将预测的业务信息推荐给用户。
目前存在一种推荐业务信息的方法,具体为:当服务器推荐业务信息给第一用户时,服务器获取第一用户操作的每个业务信息的历史记录,业务信息的历史记录至少包括第一用户过去操作该业务信息的操作行为和每种操作行为的操作次数。根据每个业务信息的历史记录分别计算出第一用户对每个业务信息的兴趣值。按上述相同方式获取其他每个用户分别对每个业务信息的兴趣值,根据第一用户对每个业务信息的兴趣值和其他每个用户分别对每个业务信息的兴趣值,计算第一用户与其他每个用户之间的兴趣相似度。将与第一用户之间的兴趣相似度最高的预设个数个用户作为第一用户的邻居用户。获取邻居用户浏览过而第一用户没有浏览过的业务信息,将获取的业务信息作为第一用户当前可能感兴趣的业务信息并推荐给第一用户。
在实现本发明的过程中,发明人发现现有技术至少存在如下问题:
用户对业务信息的兴趣随时间不断变化,根据过去的历史记录计算的兴趣值并不能代表用户当前对业务信息的兴趣,根据计算的兴趣值推荐的业务信息可能并不是用户当前感兴趣的业务信息,降低了推荐业务信息的准确性。
发明内容
为了提高推荐业务信息的准确性,本发明提供了一种推荐业务信息的方法及装置。所述技术方案如下:
一种推荐业务信息的方法,所述方法包括:
获取当前时间单位内第一用户对每种信息类别的第一偏好值和离所述当前时间单位最近的预设个数个时间单位内所述第一用户对每种信息类别的第一偏好值;
根据获取的每个时间单位内所述第一用户对每种信息类别的第一偏好值和所述每个时间单位与所述当前时间单位之间相差的时间单位数目,计算所述第一用户对每种信息类别的兴趣值;
根据所述第一用户对每种信息类别的兴趣值,获取业务信息并将所述获取的业务信息发送给所述第一用户。
一种推荐业务信息的装置,所述装置包括:
获取模块,用于获取当前时间单位内第一用户对每种信息类别的第一偏好值和离所述当前时间单位最近的预设个数个时间单位内所述第一用户对每种信息类别的第一偏好值;
计算模块,用于根据获取的每个时间单位内所述第一用户对每种信息类别的第一偏好值和所述每个时间单位与所述当前时间单位之间相差的时间单位数目,计算所述第一用户对每种信息类别的兴趣值;
获取发送模块,用于根据所述第一用户对每种信息类别的兴趣值,获取业务信息并将所述获取的业务信息发送给所述第一用户。
在本发明实施例中,获取当前时间单位内第一用户对每种信息类别的第一偏好值和离当前时间单位最近的预设个数个时间单位内第一用户对每种信息类别的第一偏好值;根据获取的每个时间单位内第一用户对每种信息类别的第一偏好值和每个时间单位与当前时间单位之间相差的时间单位数目,计算第一用户对每种信息类别的兴趣值;根据第一用户对每种信息类别的兴趣值,获取业务信息并将获取的业务信息发送给第一用户。由于在计算第一用户对每种信息类别的兴趣值时,参考了每个时间单位与当前时间单位之间相差的时间单位数目,因此考虑了时间因素对用户兴趣值的影响,如此根据计算的兴趣值推荐的业务信息更符合用户的兴趣,提高了推荐业务信息的准确性。
附图说明
图1是本发明实施例1提供的一种推荐业务信息的方法流程图;
图2是本发明实施例2提供的一种推荐业务信息的方法流程图;
图3是本发明实施例3提供的一种推荐业务信息的装置结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明实施方式作进一步地详细描述。
实施例1
参见图1,本发明实施例提供了一种推荐业务信息的方法,包括:
步骤:101:获取当前时间单位内第一用户对每种信息类别的第一偏好值和离当前时间单位最近的预设个数个时间单位内第一用户对每种信息类别的第一偏好值;
步骤102:根据获取的每个时间单位内第一用户对每种信息类别的第一偏好值和每个时间单位与当前时间单位之间相差的时间单位数目,计算第一用户对每种信息类别的兴趣值;
步骤103:根据第一用户对每种信息类别的兴趣值,获取业务信息并将获取的业务信息发送给第一用户。
优选地,获取当前时间单位内第一用户对每种信息类别的第一偏好值,包括:
获取当前时间单位内第一用户对每种信息类别分别进行的每种操作行为的操作次数和所有用户对每种信息类别分别进行的每种操作行为的总操作次数;
根据第一用户对每种信息类别分别进行的每种操作行为的操作次数和所有用户对每种信息类别分别进行的每种操作行为的总操作次数,计算第一用户对每种信息类别的第二偏好值;
对第一用户对每种信息类别的第二偏好值进行归一化处理,得到当前时间单位内第一用户对每种信息类别的第一偏好值。
优选地,计算第一用户对每种信息类别的第二偏好值,包括:
按如下公式计算第一用户对每种信息类别的第二偏好值;
Ii=(a1*C1/A1+a2*C2/A2+…+an*Cn/An)*100/n
在上述公式中,Ii为第一用户对第i种信息类别的第二偏好值;C1、C2、…、Cn为第一用户对第i种信息类别分别进行的第一种操作行为、第二种操作行为、……、第n种操作行为的操作次数;A1、A2、…、An为所有用户对第i种信息类别分别进行的第一种操作行为、第二种操作行为、……、第n种操作行为的总操作次数;a1、a2、…、an分别为第一种操作行为、第二种操作行为、……、第n种操作行为对应的权重系数。
优选地,对第一用户对每种信息类别的第二偏好值进行归一化处理,得到当前时间单位内第一用户对每种信息类别的第一偏好值,包括:
根据所有用户中的每个用户对一种信息类别的第二偏好值,计算平均值;
根据每个用户对信息类别的第二偏好值,获取第三偏好值和第四偏好值,在所有用户中第二偏好值小于第三偏好值的用户数达到第一预设百分比和第二偏好值小于第四偏好值的用户数达到第二预设百分比,第一预设百分比小于第二预设百分比;
根据平均值、第三偏好值和第四偏好值,获取第一用户对信息类别的第一偏好值。
优选地,计算第一用户对每种信息类别的兴趣值,包括:
根据获取的每个时间单位与当前时间单位之间相差的时间单位数目,获取每个时间单位对应的权重系数,时间单位与当前时间单位之间相差的时间单位数目越小,时间单位对应的权重系数越大;
根据每个时间单位内第一用户对每种信息类别的第一偏好值和每个时间单位对应的权重系数,计算第一用户对每种信息类别的兴趣值。
优选地,根据第一用户对每种信息类别的兴趣值,获取业务信息,包括:
根据第一用户对每种信息类别的兴趣值,选择满足预设条件的信息类别;
从选择的信息类别包括的业务信息中获取业务信息。
优选地,从选择的信息类别包括的业务信息中获取业务信息,包括:
从选择的信息类别包括的业务信息中挑选热度值最大的第一预设个数个业务信息,业务信息的热度值是根据对业务信息进行的每种操作行为的操作次数获取的;
从在最近时长为预设时长的时间段内发布的业务信息中挑选属于选择的信息类别的业务信息,以及从预设的业务信息集合中挑选属于选择的信息类别的业务信息;
根据挑选出的每个业务信息的热度值,从挑选出的业务信息中获取预设个数个业务信息。
在本发明实施例中,获取当前时间单位内第一用户对每种信息类别的第一偏好值和离当前时间单位最近的预设个数个时间单位内第一用户对每种信息类别的第一偏好值;根据获取的每个时间单位内第一用户对每种信息类别的第一偏好值和每个时间单位与当前时间单位之间相差的时间单位数目,计算第一用户对每种信息类别的兴趣值;根据第一用户对每种信息类别的兴趣值,获取业务信息并将获取的业务信息发送给第一用户。由于在计算第一用户对每种信息类别的兴趣值时,参考了每个时间单位与当前时间单位之间相差的时间单位数目,因此考虑了时间因素对用户兴趣值的影响,如此根据计算的兴趣值推荐的业务信息更符合用户的兴趣,提高了推荐业务信息的准确性。
实施例2
本发明实施例提供了一种推荐业务信息的方法。其中,业务信息可以为图书或新闻等。业务信息可以分为不同的信息类别,如图书可以分为武侠类图书、言情类图书和玄幻类图书等,新闻可以分为社会类新闻、娱乐类新闻和财经类新闻等。
参见图2,该方法包括:
步骤201:获取当前时间单位内第一用户对每种信息类别分别进行的每种操作行为的操作次数;
其中,第一用户可以为所有用户中的任一用户。时间单位为时长为预设时长的时间段,如一天或一周等,当前时间单位可以为今天或本周等。操作行为可以为购买、收藏和阅读等,在此就不一一举例。
其中,服务器存储有每个用户对应的当前时间单位内的历史记录,该历史记录包括用户的标识、信息类别和该信息类别对应的每种操作行为的操作次数。在当前时间单位内,用户访问服务器并对某种信息类别进行某种操作行为时,服务器在该用户对应的历史记录中将该信息类别对应的该操作行为的操作次数进行累加操作。
本步骤具体为,根据第一用户的标识,从已存储的当前时间单位内第一用户对应的历史记录中,获取当前时间单位内第一用户对每种信息类别分别进行的每种操作行为的操作次数。
例如,本实施例中以业务信息为图书为例进行说明,假设,图书的信息类别为包括“武侠”和“言情”两种信息类别,对图书的操作行为包括购买、收藏和阅读三种操作行为。根据第一用户A的标识IM1,从已存储的如表1所示的当前时间单位内的历史记录中,获取当前时间单位内第一用户A对“武侠”类图书进行“购买”的购买次数为10、进行“收藏”的收藏次数为20和进行“阅读”的阅读次数为30,以及对“言情”类图书进行“购买”的购买次数为5、进行“收藏”的收藏次数为15和进行“阅读”的阅读次数为20。
表1
步骤202:获取当前时间单位内所有用户对每种信息类别分别进行的每种操作行为的总操作次数;
具体地,对于每种信息类别和每种操作行为,根据所有用户中的每个用户的用户标识,从已存储的当前时间单位内的历史记录中获取每个用户对该信息类别进行的该操作行为的操作次数,将获取的操作次数相加得到当前时间单位内所有用户对该信息类别进行该操作行为的总操作次数。按照上述操作获取当前时间单位内所有用户对每种信息类别分别进行的每种操作行为的总操作次数。
例如,假设所有用户包括用户A、B、C、D、E和F,用户A、B、C、D、E和F的标识分别为IM1、IM2、IM3、IM4、IM5和IM6。根据用户A的标识IM1、用户B的标识IM2、用户C的标识IM3、用户D的标识IM4、用户E的标识IM5和用户F的标识IM6,从已存储的如表1所示的当前时间单位内的历史记录中获取用户A、B、C、D、E和F对“武侠”类图书进行“购买”的购买次数分别为10、6、3、9、8和4,将获取的购买次数10、6、3、9、8和4相加得到当前时间单位内所有用户对“武侠”类图书进行“购买”的总购买次数为40。从已存储的如表1所示的当前时间单位内的历史记录中获取用户A、B、C、D、E和F对“武侠”类图书进行的“收藏”的收藏次数分别为20、11、2、17、14和3,将获取的收藏次数20、11、2、17、14和3相加得到当前时间单位内所有用户对“武侠”类图书进行“收藏”的总收藏次数为67。从已存储的如表1所示的当前时间单位内的历史记录中获取用户A、B、C、D、E和F对“武侠”类图书进行的“阅读”的阅读次数分别为30、12、6、32、19和7,将获取的阅读次数30、12、6、32、19和7相加得到当前时间单位内所有用户对“武侠”类图书进行“阅读”的总阅读次数为106。
同样按照上述方法,从已存储的如表1所示的当前时间单位内的历史记录中获取用户A、B、C、D、E和F对“言情”类图书进行的“购买”的购买次数分别为5、7、15、20、2和22,将获取的购买次数5、7、15、20、2和22相加得到当前时间单位内所有用户对“言情”类图书进行“购买”的总购买次数为71。从已存储的如表1所示的当前时间单位内的历史记录中获取用户A、B、C、D、E和F对“言情”类图书进行的“收藏”的收藏次数分别为15、9、10、33、1和15,将获取的收藏次数15、9、10、33、1和15相加得到当前时间单位内所有用户对“言情”类图书进行“收藏”的总收藏次数为83。从已存储的如表1所示的当前时间单位内的历史记录中获取用户A、B、C、D、E和F对“言情”类图书进行的“阅读”的阅读次数分别为20、15、34、45、4和36,将获取的阅读次数20、15、34、45、4和36相加得到当前时间单位内所有用户对“言情”类图书进行“阅读”的总阅读次数为144。
步骤203:根据当前时间单位内第一用户对每种信息类别分别进行的每种操作行为的操作次数和所有用户对每种信息类别分别进行的每种操作行为的总操作次数,计算第一用户对每种信息类别的第二偏好值;
具体地,获取每种操作行为对应的预设权重系数。对于每一种信息类别,根据第一用户对该信息类别分别进行的每种操作行为的操作次数和所有用户对该信息类别分别进行的每种操作行为的总操作次数,按如下公式计(1)算第一用户对该信息类别的第二偏好值;对于其他每种信息类别,同该信息类别按照上述方法计算第一用户对其他每种信息类别的第二偏好值。
Ii=(a1*C1/A1+a2*C2/A2+…+an*Cn/An)*100/n…(1)
在公式(1)中,Ii为第一用户对第i种信息类别的第二偏好值;C1为第一用户对第i种信息类别进行的第一种操作行为的操作次数,C2为第一用户对第i种信息类别进行的第二种操作行为的操作次数,……,Cn为第一用户对第i种信息类别进行的第n种操作行为的操作次数;A1为所有用户对第i种信息类别进行的第一种操作行为的总操作次数,A2为所有用户对第i种信息类别进行的第二种操作行为的总操作次数,……,An为所有用户对第i种信息类别进行的第n种操作行为的总操作次数;a1为第一种操作行为对应的预设权重系数,a2为第二种操作行为对应的预设权重系数,……,an为第n种操作行为对应的预设权重系数。
例如,获取每种操作行为对应的预设权重系数,假设“购买”操作、“收藏”操作和“阅读”操作分别对应的预设权重系数为0.5、0.3和0.2。根据第一用户A对“武侠”类图书进行“购买”的购买次数10、进行“收藏”的收藏次数20和进行“阅读”的阅读次数30,以及所有用户对“武侠”类图书进行“购买”的总购买次数40、进行“收藏”的总收藏次数67和进行“阅读”的总阅读次数106,按公式(1)计算第一用户A对“武侠”类图书的第二偏好值为9.04。
I1=(a1*C1/A1+a2*C2/A2+a3*C3/A3)*100/3
=(0.5*10/40+0.3*20/67+0.2*30/106)*100/3
=9.04
根据第一用户A对“言情”类图书进行“购买”的购买次数为5、进行“收藏”的收藏次数为15和进行“阅读”的阅读次数为20,以及所有用户对“言情”类图书进行“购买”的总购买次数71、进行“收藏”的总收藏次数83和进行“阅读”的总阅读次数144。按公式(1)计算第一用户A对“言情”类图书的第二偏好值为3.91。
I2=(a1*C1/A1+a2*C2/A2+a3*C3/A3)*100/3
=(0.5*5/71+0.3*15/83+0.2*20/144)*100/3
=3.91
同样按照上述方法计算出所有用户中的每个用户对每种信息类别的第二偏好值,计算的结果如表2所示。
表2
其中,由于每种信息类别包括的业务信息的数量不同,且用户对每种信息类别的偏好不同,所以计算出的第一用户对每种信息类别的第二偏好值之间相互不能直接进行比较,需要通过如下步骤204-206对第一用户对每种信息类别的第二偏好值进行归一化处理得到第一用户对每种信息类别的第一偏好值之后才能进行比较。
步骤204:对于每种信息类别,根据所有用户中的每个用户对该信息类别的第二偏好值,计算平均值;
例如,对于“武侠”类图书,根据用户A、B、C、D、E和F对“武侠”类图书的第二偏好值分别为9.04、4.90、1.93、8.30、6.62和2.55,计算“武侠”类图书对应的平均值为5.56。对于“言情”类图书,根据用户A、B、C、D、E和F对“言情”类图书的第二偏好值分别为3.91、3.67、6.30、10.75、0.78和8.64,计算“言情”类图书对应的平均值为5.68。
步骤205:根据所有用户中的每个用户对该信息类别的第二偏好值,获取第三偏好值和第四偏好值;
其中,在所有用户中第二偏好值小于第三偏好值的用户数达到第一预设百分比和第二偏好值小于第四偏好值的用户数达到第二预设百分比,第一预设百分比小于第二预设百分比。
具体地,获取第一预设百分比和第二预设百分比;根据所有用户中的每个用户对该信息类别的第二偏好值,获取第三偏好值和第四偏好值,使第三偏好值满足在所有用户中第二偏好值小于第三偏好值的用户数达到第一预设百分比,使第四偏好值满足在所有用户中第二偏好值小于第四偏好值的用户数达到第二预设百分比。
例如,获取第一预设百分比和第二预设百分比,假设获取的第一预设百分比为5%,第二预设百分比为95%。根据用户A、B、C、D、E和F分别对“武侠”类图书的第二偏好值9.04、4.90、1.93、8.30、6.62和2.55,获取第三偏好值3.60和第四偏好值7.52,使第三偏好值3.60满足在所有用户中第二偏好值小于第三偏好值3.60的用户数达到第一预设百分比5%,使第四偏好值7.52满足在所有用户中第二偏好值小于第四偏好值7.52的用户数达到第二预设百分比95%。
同样按照上述方法,根据用户A、B、C、D、E和F分别对“言情”类图书的第二偏好值3.91、3.67、6.30、10.75、0.78和8.64,获取第三偏好值3.72和第四偏好值7.64,使第三偏好值3.72满足在所有用户中第二偏好值小于第三偏好值3.72的用户数达到第一预设百分比5%,使第四偏好值7.64满足在所有用户中第二偏好值小于第四偏好值7.64的用户数达到第二预设百分比95%。
步骤206:根据平均值、第三偏好值和第四偏好值,获取第一用户对该信息类别的第一偏好值;
其中,在对第一用户对该信息类别的第二偏好值进行归一化处理时,需要将第二偏好值归一到一个预设数值体系中,将归一化之后第二偏好值对应的预设数值体系中的数值作为第一用户对该信息类别的第一偏好值。预设数值体系可以为标准10分或标准100分等,预设数值体系的数值范围在预设下限值和预设上限值之间,以及在预设数值体系中存在一个预设标准值,如标准10分的数值范围为0至10以及预设标准值为5,标准100分的数值范围为0至100,以及预设标准值为50。
本步骤具体为,根据平均值、第三偏好值和第四偏好值,对第一用户对该信息类别的第二偏好值进行判断;
如果第一用户对该信息类别的第二偏好值大于0且小于或等于第三偏好值时,将第一用户对该信息类别的第一偏好值设置为预设数值体系的预设下限值。
如果第一用户对该信息类别的第二偏好值大于第三偏好值且小于平均值时,按照如下公式(2)计算第一用户对该信息类别的第一偏好值。
其中,在公式(2)中,I’i为第一用户对第i种信息类别的第一偏好值,Ii为第一用户对第i种信息类别的第二偏好值,为所有用户对第i种信息类别的第二偏好值的平均值,I3为第三偏好值,b为预设标准值。
如果第一用户对该信息类别的第二偏好值与平均值相等时,将第一用户对该信息类别的第一偏好值设置为预设数值体系中的预设标准值。
如果第一用户对该信息类别的第二偏好值大于平均值且小于第四偏好值时,按照如下公式(3)计算第一用户对该信息类别的第一偏好值。
其中,在公式(3)中,I’i为第一用户对第i种信息类别的第一偏好值,Ii为第一用户对第i种信息类别的第二偏好值,为所有用户对第i种信息类别的第二偏好值的平均值,I4为第四偏好值,b为预设标准值。
如果第一用户对该信息类别的第二偏好值大于或等于第四偏好值时,将第一用户对该信息类别的第一偏好值设置为预设数值体系中的预设上限值。
例如,在本发明实施例中,预设数值体系为标准10分,标准10分的预设下限值为0,预设上限值为10,以及预设标准值为5。对于“武侠”类图书,第一用户A对“武侠”类图书的第二偏好值为9.04,“武侠”类图书对应的平均值为5.56,第三偏好值为3.60和第四偏好值为7.52。由于第一用户A对“武侠”类图书的第二偏好值为9.04大于第四偏好值7.52,因此将第一用户A对“武侠”类图书的第一偏好值设置为标准10分的预设上限值10。
对于“言情”类图书,第一用户A对“言情”类图书的第二偏好值为3.91,“言情”类图书对应的平均值为5.68,第三偏好值为3.72和第四偏好值为7.64。由于第一用户A对“言情”图书的第二偏好值为3.91大于第三偏好值且小于平均值,因此通过公式(2)计算第一用户A对“言情”类图书的第一偏好值为0.48。
=5-5*(5.68-3.91)/(5.68-3.72)
=0.48
进一步地,计算出第一用户对每种信息类别的第一偏好值之后,还将当前时间单位的编号与第一用户对每种信息类别的第一偏好值存储在时间单位与第一偏好值的对应关系中,如表3所示,其中,时间单位001为当前时间单位,时间单位的编号越大的时间单位与当前时间单位之间相差的时间单位数目越大。
表3
其中,对于其他每种信息类别,同该信息类别按照上述步骤204-206的操作对第一用户对其他每种信息类别的第二偏好值进行归一化处理。
步骤207:获取已存储的离当前时间单位最近的预设个数个时间单位内第一用户对每种信息类别的第一偏好值;
其中,预设个数可以为6或15等。由于在离当前时间单位最近的预设个数个时间单位内,都同当前时间单位存储了第一用户对每种信息类别的第一偏好值,所以在当前时间单位内可以直接获取已存储的离当前时间单位最近的预设个数个时间单位内第一用户对每种信息类别的第一偏好值。
例如,假设预设个数为6。获取的已存储的离当前时间单位最近的6个时间单位002、003、…、006内第一用户A对“武侠”类图书的第一偏好值分别为8、8.2、1.9、7.3、5.2和2.8。获取的已存储的离当前时间单位最近的6个时间单位002、003、…、006内第一用户A“言情”类图书的第一偏好值分别为1.1、3.4、6.3、1.6、4.8和3.6。
步骤208:根据获取的每个时间单位内第一用户对每种信息类别的第一偏好值和每个时间单位与当前时间单位之间相差的时间单位数目,计算第一用户对每种信息类别的兴趣值;
具体地,计算获取的每个时间单位与当前时间单位之间相差的时间单位数目。根据每个时间单位与当前时间单位之间相差的时间单位数目,通过如下公式(4)分别计算每个时间单位对应的权重系数,时间单位与当前时间单位之间相差的时间单位数目越小,时间单位对应的权重系数越大。对于每种信息类别,根据获取的每个时间单位内第一用户对该信息类别的第一偏好值和每个时间单位对应的权重系数,通过如下公式(5)计算第一用户对该信息类别的兴趣值。
其中,在公式(4)中,cj为离当前时间单位最近的第j个时间单位对应的权重系数,S为离当前时间单位最近的时间单位的预设个数,hj为离当前时间单位最近的第j个时间单位与当前时间单位之间相差的时间单位数目。
Li=I’i+c1*I’i1+c2*I’i2+…+cj*I’ij…(5)
其中,在公式(5)中,Li为第一用户对第i种信息类别的兴趣值;I’i为第一用户对第i种信息类别的第一偏好值;I’i1为在离当前时间单位最近的第一个时间单位内第一用户对第i种信息类别的第一偏好值,I’i2为在离当前时间单位最近的第二个时间单位内第一用户对第i种信息类别的第一偏好值,……,I’ij为在离当前时间单位最近的第j个时间单位内第一用户对第i种信息类别的第一偏好值;c1为离当前时间单位最近的第一个时间单位对应的权重系数,c2为离当前时间单位最近的第二个时间单位对应的权重系数,……,cj为离当前时间单位最近的第j个时间单位对应的权重系数。
其中,对于其他每种信息类别,同该信息类别按照上述方法计算第一用户对其他每种信息类别的兴趣值。
例如,假设预设个数为6。计算获取的时间单位002、003、…、007与当前时间单位之间相差的时间单位数目分别为1、2、3、4、5和6。根据时间单位002、003、…、007与当前时间单位之间相差的时间单位数目1、2、3、4、5和6,通过公式(4)分别计算时间单位002、003、…、007分别对应的权重系数为0.86、0.73、0.63、0.54、0.46和0.40。对于“武侠”类图书,根据获取的当前时间单位内第一用户A对“武侠”类图书的第一偏好值10,时间单位002、003、…、007内第一用户A对“武侠”类图书的第一偏好值8、8.2、1.9、7.3、5.2和2.8以及这6个时间单位分别对应的权重系数0.86、0.73、0.63、0.54、0.46和0.40,通过公式(5)计算第一用户对“武侠”类图书的兴趣值31.52。
L1=I'1+c1*I'11+c2*I'12+…+c7*I'17
=10+0.86*8+0.73*8.2+0.63*1.9+0.54*7.3+0.46*5.2+0.40*2.8
=31.52
对于“言情”类图书,根据获取的当前时间单位内第一用户A对“言情”类图书的第一偏好值0.48,时间单位002、003、…、007内第一用户A对“言情”类图书的第一偏好值1.1、3.4、6.3、1.6、4.8和3.6以及这6个时间单位分别对应的权重系数0.86、0.73、0.63、0.54、0.46和0.40,通过公式(5)计算第一用户对“言情”类图书的兴趣值为12.39。
L2=I'2+c1*I'21+c2*I'22+…+c7*I'27
=0.48+0.86*1.1+0.73*3.4+0.63*6.3+0.54*1.6+0.46*4.8+0.40*3.6
=12.39
步骤209:根据第一用户对每种信息类别的兴趣值,选择满足预设条件的信息类别;
其中,预设条件可以为选择兴趣值最大的预设个数个信息类别或选择兴趣值大于预设阈值的信息类别。根据预设条件的不同,本步骤可以通过如下第一和第二两种方式来实现,包括:
第一,预设条件为选择兴趣值最大的预设个数个信息类别。根据第一用户对每种信息类别的兴趣值,选择兴趣值最大的预设个数个信息类别。
例如,假设预设个数为2。根据第一用户A分别对“武侠”类图书和“言情”类图书的兴趣值31.52和12.39,选择兴趣值最大的2个信息类别,即“武侠”类图书和“言情”类图书均为满足预设条件的信息类别。
第二,预设条件为选择兴趣值大于预设阈值的信息类别。将第一用户对每种信息类别的兴趣值分别与预设阈值进行比较,如果第一用户对某种信息类别的兴趣值大于预设阈值,则将该信息类别确定为满足预设条件的信息类别。
例如,假设预设阈值为10。将第一用户对“武侠”类图书的兴趣值31.52和对“言情”类图书的兴趣值12.39分别与预设阈值10进行比较,且比较出第一用户对“武侠”类图书的兴趣值31.52和对“言情”类图书的兴趣值12.39均大于预设阈值10,则将“武侠”类图书和“言情”类图书都确定为满足预设条件的信息类别。
步骤210:从选择的信息类别中获取业务信息并将获取的业务信息发送给第一用户。
其中,在业务信息库中,对于每个信息类别包括的每个业务信息,获取所有用户对该业务信息进行的每种操作行为的操作次数和每种操作行为对应的预设权重系数,根据获取的每种操作行为的操作次数和每种操作行为对应的预设权重系数计算该业务信息的热度值。对于每个信息类别包括的其他每个业务信息同该业务信息,按照上述操作计算每个业务信息的热度值。业务信息的热度值可以表示该业务信息受用户喜爱的程度,热度值越大表示该业务信息越受用户喜爱。
其中,编辑人员会事先选取用户不经常操作但质量较优的业务信息,将选取的业务信息组成业务信息集合,以保证能够在推荐业务信息时可以将用户不经常操作而质量较优的业务信息推荐给用户。
本步骤具体为,在业务信息库中,从选择的信息类别包括的业务信息中挑选热度值最大的预设个数个业务信息,将获取的业务信息发送给第一用户。
例如,假设预设个数为30。在图书库中,从选择的“武侠”类图书中挑选热度值最大的30本图书,以及从选择的“言情”类图书中挑选热度值最大的30本图书,将挑选的30本“武侠”类图书和30本“言情”类图书发送给第一用户A。
其中,从选择的信息类别包括的业务信息中挑选热度值最大的预设个数个业务信息之后,还可以通过如下方式挑选业务信息,包括:
从在最近时长为预设时长的时间段内发布的业务信息中,挑选属于选择的信息类别的业务信息,获取所有用户对挑选的每个业务信息进行的每种操作行为的操作次数和每种操作行为对应的预设权重系数,根据获取的每种操作行为的操作次数和每种操作行为对应的预设权重系数分别计算每个业务信息的热度值,从每个业务信息中获取热度值最大的预设个数个业务信息;从预设的业务信息集合中,挑选属于选择的信息类别的业务信息。
进一步地,根据上述方法挑选出业务信息之后,还可以通过如下方法从挑选出的业务信息中获取预设推荐个数个业务信息,包括:
对于每种信息类别,计算第一用户对该信息类别的兴趣值在第一用户对每种信息类别的兴趣值中所占的第一百分比;根据第一百分比和预设推荐个数,计算从该信息类别中获取业务信息的总数目;计算从选择的信息类别包括的业务信息中挑选出的热度值最大的业务信息在所有挑选出的业务信息中所占的第二百分比,计算从在最近时长为预设时长的时间段内发布的业务信息中挑选出的业务信息在所有挑选出的业务信息中所占的第三百分比,以及计算从预设的业务信息集合中挑选出的业务信息在所有挑选出的业务信息中所占的第四百分比;根据第二百分比、第三百分比、第四百分比和从该信息类别中获取业务信息的总数目,分别计算从选择的信息类别包括的业务信息中挑选出的热度值最大的业务信息中获取业务信息的第一数目,从在最近时长为预设时长的时间段内发布的业务信息中挑选出的业务信息中获取业务信息的第二数目,以及从预设的业务信息集合中挑选出的业务信息在所有挑选出的业务信息中获取业务信息的第三数目。
其中,对于其他每种信息类别,同该信息类别按照上述操作从挑选出的业务信息中获取预设推荐个数个业务信息。
其中,对于除第一用户以外的其他任一用户,同第一用户按照本方法获取业务信息并将获取的业务信息发送给其他任一用户。
在本发明实施例中,获取当前时间单位内第一用户对每种信息类别的第一偏好值和离当前时间单位最近的预设个数个时间单位内第一用户对每种信息类别的第一偏好值;根据获取的每个时间单位内第一用户对每种信息类别的第一偏好值和每个时间单位与当前时间单位之间相差的时间单位数目,计算第一用户对每种信息类别的兴趣值;根据第一用户对每种信息类别的兴趣值,获取业务信息并将获取的业务信息发送给第一用户。由于在计算第一用户对每种信息类别的兴趣值时,根据每个时间单位与当前时间单位之间相差的时间单位数目计算了每个时间单位对应的权重系数,利用每个时间单位对应的权重系数对每个时间单位内第一用户对每种信息类别的第一偏好值进行衰减,如此根据计算的兴趣值推荐的业务信息更符合用户的兴趣,提高了推荐业务信息的准确性。
实施例3
参见图3,本发明实施例提供了一种推荐业务信息的装置,包括:
获取模块301,用于获取当前时间单位内第一用户对每种信息类别的第一偏好值和离当前时间单位最近的预设个数个时间单位内第一用户对每种信息类别的第一偏好值;
计算模块302,用于根据获取的每个时间单位内第一用户对每种信息类别的第一偏好值和每个时间单位与当前时间单位之间相差的时间单位数目,计算第一用户对每种信息类别的兴趣值;
获取发送模块303,用于根据第一用户对每种信息类别的兴趣值,获取业务信息并将获取的业务信息发送给第一用户。
其中,获取模块301包括:
第一获取单元,用于获取当前时间单位内第一用户对每种信息类别分别进行的每种操作行为的操作次数和所有用户对每种信息类别分别进行的每种操作行为的总操作次数;
第一计算单元,用于根据第一用户对每种信息类别分别进行的每种操作行为的操作次数和所有用户对每种信息类别分别进行的每种操作行为的总操作次数,计算第一用户对每种信息类别的第二偏好值;
归一化单元,用于对第一用户对每种信息类别的第二偏好值进行归一化处理,得到当前时间单位内第一用户对每种信息类别的第一偏好值。
其中,第一计算单元,用于按如下公式计算第一用户对每种信息类别的第二偏好值;
Ii=(a1*C1/A1+a2*C2/A2+…+an*Cn/An)*100/n
在上述公式中,Ii为第一用户对第i种信息类别的第二偏好值;C1、C2、…、Cn为第一用户对第i种信息类别分别进行的第一种操作行为、第二种操作行为、……、第n种操作行为的操作次数;A1、A2、…、An为所有用户对第i种信息类别分别进行的第一种操作行为、第二种操作行为、……、第n种操作行为的总操作次数;a1、a2、…、an分别为第一种操作行为、第二种操作行为、……、第n种操作行为对应的权重系数。
其中,归一化单元包括:
计算子单元,用于根据所有用户中的每个用户对一种信息类别的第二偏好值,计算平均值;
第一获取子单元,用于根据每个用户对信息类别的第二偏好值,获取第三偏好值和第四偏好值,在所有用户中第二偏好值小于第三偏好值的用户数达到第一预设百分比和第二偏好值小于第四偏好值的用户数达到第二预设百分比,第一预设百分比小于第二预设百分比;
第二获取子单元,用于根据平均值、第三偏好值和第四偏好值,获取第一用户对信息类别的第一偏好值。
其中,计算模块302包括:
第二获取单元,用于根据获取的每个时间单位与当前时间单位之间相差的时间单位数目,获取每个时间单位对应的权重系数,时间单位与当前时间单位之间相差的时间单位数目越小,时间单位对应的权重系数越大;
第二计算单元,用于根据每个时间单位内第一用户对每种信息类别的第一偏好值和每个时间单位对应的权重系数,计算第一用户对每种信息类别的兴趣值。
其中,获取发送模块303包括:
选择单元,用于根据第一用户对每种信息类别的兴趣值,选择满足预设条件的信息类别;
第三获取单元,用于从选择的信息类别包括的业务信息中获取业务信息。
其中,第三获取单元包括:
第一挑选子单元,用于从选择的信息类别包括的业务信息中挑选热度值最大的第一预设个数个业务信息,业务信息的热度值是根据对业务信息进行的每种操作行为的操作次数获取的;
第二挑选子单元,用于从在最近时长为预设时长的时间段内发布的业务信息中挑选属于选择的信息类别的业务信息,以及从预设的业务信息集合中挑选属于选择的信息类别的业务信息;
第三获取子单元,用于根据挑选出的每个业务信息的热度值,从挑选出的业务信息中获取预设个数个业务信息。
在本发明实施例中,获取当前时间单位内第一用户对每种信息类别的第一偏好值和离当前时间单位最近的预设个数个时间单位内第一用户对每种信息类别的第一偏好值;根据获取的每个时间单位内第一用户对每种信息类别的第一偏好值和每个时间单位与当前时间单位之间相差的时间单位数目,计算第一用户对每种信息类别的兴趣值;根据第一用户对每种信息类别的兴趣值,获取业务信息并将获取的业务信息发送给第一用户。由于在计算第一用户对每种信息类别的兴趣值时,参考了每个时间单位与当前时间单位之间相差的时间单位数目,因此考虑了时间因素对用户兴趣值的影响,如此根据计算的兴趣值推荐的业务信息更符合用户的兴趣,提高了推荐业务信息的准确性。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成,也可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,上述提到的存储介质可以是只读存储器,磁盘或光盘等。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,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 (14)
1.一种推荐业务信息的方法,其特征在于,所述方法包括:
获取当前时间单位内第一用户对每种信息类别的第一偏好值和离所述当前时间单位最近的预设个数个时间单位内所述第一用户对每种信息类别的第一偏好值;
根据获取的每个时间单位内所述第一用户对每种信息类别的第一偏好值和所述每个时间单位与所述当前时间单位之间相差的时间单位数目,计算所述第一用户对每种信息类别的兴趣值;
根据所述第一用户对每种信息类别的兴趣值,获取业务信息并将所述获取的业务信息发送给所述第一用户。
2.如权利要求1所述的方法,其特征在于,所述获取当前时间单位内第一用户对每种信息类别的第一偏好值,包括:
获取当前时间单位内第一用户对每种信息类别分别进行的每种操作行为的操作次数和所有用户对每种信息类别分别进行的每种操作行为的总操作次数;
根据所述第一用户对每种信息类别分别进行的每种操作行为的操作次数和所有用户对每种信息类别分别进行的每种操作行为的总操作次数,计算所述第一用户对每种信息类别的第二偏好值;
对所述第一用户对每种信息类别的第二偏好值进行归一化处理,得到所述当前时间单位内所述第一用户对每种信息类别的第一偏好值。
3.如权利要求2所述的方法,其特征在于,所述计算所述第一用户对每种信息类别的第二偏好值,包括:
按如下公式计算所述第一用户对每种信息类别的第二偏好值;
Ii=(a1*C1/A1+a2*C2/A2+…+an*Cn/An)*100/n
在上述公式中,Ii为所述第一用户对第i种信息类别的第二偏好值;C1、C2、…、Cn为所述第一用户对第i种信息类别分别进行的第一种操作行为、第二种操作行为、……、第n种操作行为的操作次数;A1、A2、…、An为所有用户对第i种信息类别分别进行的第一种操作行为、第二种操作行为、……、第n种操作行为的总操作次数;a1、a2、…、an分别为第一种操作行为、第二种操作行为、……、第n种操作行为对应的权重系数。
4.如权利要求2所述的方法,其特征在于,所述对所述第一用户对每种信息类别的第二偏好值进行归一化处理,得到所述当前时间单位内所述第一用户对每种信息类别的第一偏好值,包括:
根据所有用户中的每个用户对一种信息类别的第二偏好值,计算平均值;
根据所述每个用户对所述信息类别的第二偏好值,获取第三偏好值和第四偏好值,在所述所有用户中第二偏好值小于所述第三偏好值的用户数达到第一预设百分比和第二偏好值小于所述第四偏好值的用户数达到第二预设百分比,所述第一预设百分比小于所述第二预设百分比;
根据所述平均值、所述第三偏好值和所述第四偏好值,获取所述第一用户对所述信息类别的第一偏好值。
5.如权利要求1所述的方法,其特征在于,所述计算所述第一用户对每种信息类别的兴趣值,包括:
根据获取的每个时间单位与所述当前时间单位之间相差的时间单位数目,获取所述每个时间单位对应的权重系数,所述时间单位与所述当前时间单位之间相差的时间单位数目越小,所述时间单位对应的权重系数越大;
根据所述每个时间单位内所述第一用户对每种信息类别的第一偏好值和所述每个时间单位对应的权重系数,计算所述第一用户对每种信息类别的兴趣值。
6.如权利要求1所述的方法,其特征在于,所述根据所述第一用户对每种信息类别的兴趣值,获取业务信息,包括:
根据所述第一用户对每种信息类别的兴趣值,选择满足预设条件的信息类别;
从所述选择的信息类别包括的业务信息中获取业务信息。
7.如权利要求6所述的方法,其特征在于,所述从所述选择的信息类别包括的业务信息中获取业务信息,包括:
从所述选择的信息类别包括的业务信息中挑选热度值最大的第一预设个数个业务信息,所述业务信息的热度值是根据对所述业务信息进行的每种操作行为的操作次数获取的;
从在最近时长为预设时长的时间段内发布的业务信息中挑选属于所述选择的信息类别的业务信息,以及从预设的业务信息集合中挑选属于所述选择的信息类别的业务信息;
根据所述挑选出的每个业务信息的热度值,从所述挑选出的业务信息中获取预设个数个业务信息。
8.一种推荐业务信息的装置,其特征在于,所述装置包括:
获取模块,用于获取当前时间单位内第一用户对每种信息类别的第一偏好值和离所述当前时间单位最近的预设个数个时间单位内所述第一用户对每种信息类别的第一偏好值;
计算模块,用于根据获取的每个时间单位内所述第一用户对每种信息类别的第一偏好值和所述每个时间单位与所述当前时间单位之间相差的时间单位数目,计算所述第一用户对每种信息类别的兴趣值;
获取发送模块,用于根据所述第一用户对每种信息类别的兴趣值,获取业务信息并将所述获取的业务信息发送给所述第一用户。
9.如权利要求8所述的装置,其特征在于,所述获取模块包括:
第一获取单元,用于获取当前时间单位内第一用户对每种信息类别分别进行的每种操作行为的操作次数和所有用户对每种信息类别分别进行的每种操作行为的总操作次数;
第一计算单元,用于根据所述第一用户对每种信息类别分别进行的每种操作行为的操作次数和所有用户对每种信息类别分别进行的每种操作行为的总操作次数,计算所述第一用户对每种信息类别的第二偏好值;
归一化单元,用于对所述第一用户对每种信息类别的第二偏好值进行归一化处理,得到所述当前时间单位内所述第一用户对每种信息类别的第一偏好值。
10.如权利要求9所述的装置,其特征在于,所述第一计算单元,用于按如下公式计算所述第一用户对每种信息类别的第二偏好值;
Ii=(a1*C1/A1+a2*C2/A2+…+an*Cn/An)*100/n
在上述公式中,Ii为所述第一用户对第i种信息类别的第二偏好值;C1、C2、…、Cn为所述第一用户对第i种信息类别分别进行的第一种操作行为、第二种操作行为、……、第n种操作行为的操作次数;A1、A2、…、An为所有用户对第i种信息类别分别进行的第一种操作行为、第二种操作行为、……、第n种操作行为的总操作次数;a1、a2、…、an分别为第一种操作行为、第二种操作行为、……、第n种操作行为对应的权重系数。
11.如权利要求9所述的装置,其特征在于,所述归一化单元包括:
计算子单元,用于根据所有用户中的每个用户对一种信息类别的第二偏好值,计算平均值;
第一获取子单元,用于根据所述每个用户对所述信息类别的第二偏好值,获取第三偏好值和第四偏好值,在所述所有用户中第二偏好值小于所述第三偏好值的用户数达到第一预设百分比和第二偏好值小于所述第四偏好值的用户数达到第二预设百分比,所述第一预设百分比小于所述第二预设百分比;
第二获取子单元,用于根据所述平均值、所述第三偏好值和所述第四偏好值,获取所述第一用户对所述信息类别的第一偏好值。
12.如权利要求8所述的装置,其特征在于,所述计算模块包括:
第二获取单元,用于根据获取的每个时间单位与所述当前时间单位之间相差的时间单位数目,获取所述每个时间单位对应的权重系数,所述时间单位与所述当前时间单位之间相差的时间单位数目越小,所述时间单位对应的权重系数越大;
第二计算单元,用于根据所述每个时间单位内所述第一用户对每种信息类别的第一偏好值和所述每个时间单位对应的权重系数,计算所述第一用户对每种信息类别的兴趣值。
13.如权利要求8所述的装置,其特征在于,所述获取发送模块包括:
选择单元,用于根据所述第一用户对每种信息类别的兴趣值,选择满足预设条件的信息类别;
第三获取单元,用于从所述选择的信息类别包括的业务信息中获取业务信息。
14.如权利要求13所述的装置,其特征在于,所述第三获取单元包括:
第一挑选子单元,用于从所述选择的信息类别包括的业务信息中挑选热度值最大的第一预设个数个业务信息,所述业务信息的热度值是根据对所述业务信息进行的每种操作行为的操作次数获取的;
第二挑选子单元,用于从在最近时长为预设时长的时间段内发布的业务信息中挑选属于所述选择的信息类别的业务信息,以及从预设的业务信息集合中挑选属于所述选择的信息类别的业务信息;
第三获取子单元,用于根据所述挑选出的每个业务信息的热度值,从所述挑选出的业务信息中获取预设个数个业务信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410112690.XA CN103927673A (zh) | 2014-03-24 | 2014-03-24 | 一种推荐业务信息的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410112690.XA CN103927673A (zh) | 2014-03-24 | 2014-03-24 | 一种推荐业务信息的方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103927673A true CN103927673A (zh) | 2014-07-16 |
Family
ID=51145887
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410112690.XA Pending CN103927673A (zh) | 2014-03-24 | 2014-03-24 | 一种推荐业务信息的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103927673A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106453585A (zh) * | 2016-10-31 | 2017-02-22 | 努比亚技术有限公司 | 一种资讯的推送方法及资讯推送适配器 |
CN108228642A (zh) * | 2016-12-21 | 2018-06-29 | 华为技术有限公司 | 一种基于忆阻器的项目推荐以及装置 |
CN108664552A (zh) * | 2018-04-02 | 2018-10-16 | 拉扎斯网络科技(上海)有限公司 | 一种用户偏好挖掘方法及装置 |
CN108804462A (zh) * | 2017-05-03 | 2018-11-13 | 腾讯科技(深圳)有限公司 | 一种广告推荐方法、装置及服务器 |
CN110222257A (zh) * | 2019-05-13 | 2019-09-10 | 特斯联(北京)科技有限公司 | 一种推荐业务信息的方法、装置及数据链节点 |
CN110297974A (zh) * | 2019-06-20 | 2019-10-01 | 百度(中国)有限公司 | 排序处理方法、装置、设备和存储介质 |
CN111666252A (zh) * | 2020-05-27 | 2020-09-15 | 上海连尚网络科技有限公司 | 一种获取推荐书籍的推荐热度信息的方法与设备 |
CN112163909A (zh) * | 2020-10-29 | 2021-01-01 | 杭州次元岛科技有限公司 | 一种基于大数据的广告投放系统 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102681999A (zh) * | 2011-03-08 | 2012-09-19 | 阿里巴巴集团控股有限公司 | 一种用户行为信息收集及信息发送方法及装置 |
-
2014
- 2014-03-24 CN CN201410112690.XA patent/CN103927673A/zh active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102681999A (zh) * | 2011-03-08 | 2012-09-19 | 阿里巴巴集团控股有限公司 | 一种用户行为信息收集及信息发送方法及装置 |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106453585A (zh) * | 2016-10-31 | 2017-02-22 | 努比亚技术有限公司 | 一种资讯的推送方法及资讯推送适配器 |
CN108228642A (zh) * | 2016-12-21 | 2018-06-29 | 华为技术有限公司 | 一种基于忆阻器的项目推荐以及装置 |
CN108804462A (zh) * | 2017-05-03 | 2018-11-13 | 腾讯科技(深圳)有限公司 | 一种广告推荐方法、装置及服务器 |
CN108804462B (zh) * | 2017-05-03 | 2021-08-27 | 腾讯科技(深圳)有限公司 | 一种广告推荐方法、装置及服务器 |
CN108664552A (zh) * | 2018-04-02 | 2018-10-16 | 拉扎斯网络科技(上海)有限公司 | 一种用户偏好挖掘方法及装置 |
CN110222257A (zh) * | 2019-05-13 | 2019-09-10 | 特斯联(北京)科技有限公司 | 一种推荐业务信息的方法、装置及数据链节点 |
CN110222257B (zh) * | 2019-05-13 | 2020-01-31 | 特斯联(北京)科技有限公司 | 一种推荐业务信息的方法、装置及数据链节点 |
CN110297974A (zh) * | 2019-06-20 | 2019-10-01 | 百度(中国)有限公司 | 排序处理方法、装置、设备和存储介质 |
CN110297974B (zh) * | 2019-06-20 | 2021-07-20 | 百度(中国)有限公司 | 排序处理方法、装置、设备和存储介质 |
CN111666252A (zh) * | 2020-05-27 | 2020-09-15 | 上海连尚网络科技有限公司 | 一种获取推荐书籍的推荐热度信息的方法与设备 |
CN111666252B (zh) * | 2020-05-27 | 2023-09-15 | 上海连尚网络科技有限公司 | 一种获取推荐书籍的推荐热度信息的方法与设备 |
CN112163909A (zh) * | 2020-10-29 | 2021-01-01 | 杭州次元岛科技有限公司 | 一种基于大数据的广告投放系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103927673A (zh) | 一种推荐业务信息的方法及装置 | |
KR102233805B1 (ko) | 미인지된 및 새로운 유저들에 대한 향상된 유저 경험 | |
CN103678518B (zh) | 一种推荐列表调整方法和装置 | |
CN105282565A (zh) | 一种视频推荐方法和装置 | |
CN101482884A (zh) | 一种基于用户偏好评分分布的协作推荐系统 | |
CN106168980A (zh) | 多媒体资源推荐排序方法及装置 | |
CN111262953B (zh) | 一种实时推送信息的方法和装置 | |
CN102063433A (zh) | 相关项推荐方法和装置 | |
CN103559622A (zh) | 基于特征的协同过滤推荐方法 | |
CN103106285A (zh) | 一种基于信息安全专业社交网络平台的推荐算法 | |
CN105426548A (zh) | 一种基于多用户的视频推荐方法及装置 | |
CN105589905A (zh) | 用户兴趣数据分析和收集系统及其方法 | |
CN105975641A (zh) | 视频推荐方法及装置 | |
CN104102648A (zh) | 基于用户行为数据的兴趣推荐方法及装置 | |
CN103440341B (zh) | 信息推荐方法及装置 | |
CN102929928A (zh) | 基于多维相似度的个性化新闻推荐方法 | |
CN103136275A (zh) | 个性化视频推荐系统及方法 | |
CN103902538A (zh) | 基于决策树的信息推荐装置及方法 | |
CN110674391B (zh) | 基于大数据的产品数据推送方法、系统和计算机设备 | |
CN103345699A (zh) | 一种基于商品森林体系的个性化美食推荐方法 | |
CN102693223A (zh) | 一种搜索方法 | |
CN105426550A (zh) | 一种基于用户质量模型的协同过滤标签推荐方法及系统 | |
CN107562848A (zh) | 一种视频推荐方法和装置 | |
CN104516980B (zh) | 搜索结果的输出方法以及服务器系统 | |
CN105681910A (zh) | 一种基于多用户的视频推荐方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
C53 | Correction of patent of invention or patent application | ||
CB03 | Change of inventor or designer information |
Inventor after: Zhang Jinglei Inventor after: Wang Wen Inventor after: Nie Cong Inventor after: Qi Yongjie Inventor before: Zhang Jinglei |
|
COR | Change of bibliographic data |
Free format text: CORRECT: INVENTOR; FROM: ZHANG JINGLEI TO: ZHANG JINGLEI WANG WEN NIE CONG QI YONGJIE |
|
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20140716 |
|
RJ01 | Rejection of invention patent application after publication |