CN104102696A - 一种内容推荐方法及装置 - Google Patents
一种内容推荐方法及装置 Download PDFInfo
- Publication number
- CN104102696A CN104102696A CN201410299024.1A CN201410299024A CN104102696A CN 104102696 A CN104102696 A CN 104102696A CN 201410299024 A CN201410299024 A CN 201410299024A CN 104102696 A CN104102696 A CN 104102696A
- Authority
- CN
- China
- Prior art keywords
- content
- user
- preference
- character
- matrix
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2457—Query 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)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种内容推荐方法及装置,以解决现有内容推荐方法无法针对某些用户进行内容推荐或者无法将某些内容推荐给用户的问题。本发明公开的方法包括:获取用户对各内容特性的偏好值和内容的各内容特性所占比例;根据所述用户对各内容特性的偏好值和内容的各内容特性所占比例,确定用户对内容的偏好值;根据确定的用户对各内容的偏好值进行内容推荐。不需要根据用户的评分确定内容或者用户之间的关联性,进而利用确定的关联性进行推荐,而是即使用户没有对某内容进行评分,采用本发明实施例提供的方法也可以确定用户对内容的偏好值,进而进行内容推荐。
Description
技术领域
本发明涉及数据处理技术领域,尤其涉及一种内容推荐方法及装置。
背景技术
个性化推荐技术根据用户行为的历史记录挖掘用户兴趣,并推送内容。
个性化推荐中常采用的方法是基于协同过滤的内容推荐方法。该方法的主要思想是利用用户对于内容的评分,计算内容或者用户之间的关联性,再利用这种关联性推荐。
利用用户对于内容的评分,计算内容之间的关联性,从而进行推荐的方法具体如下:以用户对内容的评分为参考,确定内容之间的关联性,进而根据内容之间的关联性对内容进行分组。例如,将所有用户对某内容的评分的均值作为该内容的分值,将分值相近的内容划分为一组。假设有用户对某分组中的某个内容的评分较高,则向该用户推荐该分组中的其他内容。
利用用户对于内容的评分,计算用户之间的关联性,从而进行推荐的方法具体如下:以用户对内容的评分为参考,确定用户之间的关联性,进而根据用户之间的关联性对内容进行分组。例如,将对相同内容的评分接近的用户划分为一组。假设有用户A与用户B同组,用户A对内容a、b和c的评分较高,则向同组的用户B推荐内容a、b和c。
大多数情况下很难获得用户的评分,因此无法计算出内容或用户之间的关联性,导致无法针对某些用户进行内容推荐或者无法将某些内容推荐给用户。
发明内容
本发明的目的是提供一种内容推荐方法及装置,以解决现有内容推荐方法无法针对某些用户进行内容推荐或者无法将某些内容推荐给用户的问题。
本发明的目的是通过以下技术方案实现的:
一种内容推荐方法,包括:
获取用户对各内容特性的偏好值和内容的各内容特性所占比例;
根据所述用户对各内容特性的偏好值和内容的各内容特性所占比例,确定用户对内容的偏好值;
根据确定的用户对各内容的偏好值进行内容推荐。
本发明实施例中,不需要根据用户的评分确定内容或者用户之间的关联性,进而利用确定的关联性进行推荐,而是通过获取的用户对各内容特性的偏好值和内容的各内容特性所占比例,确定用户对内容的偏好值,进而进行内容推荐。即使用户没有对某内容进行评分,采用本发明实施例提供的方法也可以确定用户对内容的偏好值,进而进行内容推荐。
一种内容推荐装置,包括:
参数获取模块,用于获取用户对各内容特性的偏好值和内容的各内容特性所占比例;
偏好确定模块,用于根据所述用户对各内容特性的偏好值和内容的各内容特性所占比例,确定用户对内容的偏好值;
内容推荐模块,用于根据确定的用户对各内容的偏好值进行内容推荐。
本发明实施例中,不需要根据用户的评分确定内容或者用户之间的关联性,进而利用确定的关联性进行推荐,而是通过获取的用户对各内容特性的偏好值和内容的各内容特性所占比例,确定用户对内容的偏好值,进而进行内容推荐。即使用户没有对某内容进行评分,采用本发明实施例提供的装置也可以确定用户对内容的偏好值,进而进行内容推荐。
附图说明
图1为本发明实施例提供的方法流程图;
图2为本发明实施例提供的装置示意图。
具体实施方式
下面将结合附图,对本发明实施例提供的技术方案进行详细说明。
本发明实施例提供的内容推荐方法如图1所示,具体包括如下操作:
步骤100、获取用户对各内容特性的偏好值和内容的各内容特性所占比例。
本发明实施例中,内容特性是从内容中提取出来的特性,反映了内容的分类、主题等等。以视频为例,内容特性可以是视频的主题分类,例如“爱情”、“友情”、“武侠”等等。
一个内容中可能包括多个内容特性。假设一个视频中,“爱情”占20%,“友情”占30%,“武侠”占50%。
步骤110、根据获取的用户对各内容特性的偏好值和内容的各内容特性所占比例,确定用户对内容的偏好值。
将用户u对各内容特性的偏好值用向量pu表示,并将内容i的各内容特性所占比例用向量qi表示,两个向量的点乘结果即为用户u对内容i的偏好值ru,i,可以通过如下公式1表示:
ru,i=qi T·pu
在表示内容的各内容特性所占比例的向量中,元素可以是表示比例的小数或分数。仍以一个视频为例,假设一个视频中,“爱情”占20%,“友情”占30%,“武侠”占50%。对应的qi中,三个元素取值的总和为a,爱情对应的元素取值为0.2a,友情对应的元素取值为0.3a,武侠对应的元素取值为0.5a。
步骤120、根据确定的用户对各内容的偏好值进行内容推荐。
其中,步骤120的实现方式可以是,对每个用户,将确定的用户对各内容的偏好值进行排序,选择前K(K为正整数)个内容推荐给用户。具体实现方式可以参照现有实现方式,本发明将不再一一赘述。
本发明实施例中,不需要根据用户的评分确定内容或者用户之间的关联性,进而利用确定的关联性进行推荐,而是通过获取的用户对各内容特性的偏好值和内容的各内容特性所占比例,确定用户对内容的偏好值,进而进行内容推荐。即使用户没有对某内容进行评分,采用本发明实施例提供的方法也可以确定用户对内容的偏好值,进而进行内容推荐。
发明人在实现本发明的过程中发现,用户在不同时间段对内容呈现出不同的偏好。因此,可以基于时间段确定用户对内容的偏好值,进而进行内容推荐。较佳地,上述处理流程可以描述为:获取用户在各个时间段对各内容特性的偏好值和内容的各内容特性所占比例;根据用户在各个时间段对各内容特性的偏好值和内容的各内容特性所占比例,分别确定用户在各个时间段对内容的偏好值;根据用户在登录时间所在时间段对内容的偏好值进行内容推荐。
其中,可以将一天划分为多个时间段,也可以将一个月、一个季度甚至一年划分为多个时间段,等等,用户在每个时间段内对各内容特性的偏好值可能不同。以一天为例,将一天划分为4个时间段。规定当用户登录时间t∈(5,11]时表示上午,当t∈(11,17]时表示下午,当t∈(17,23]时表示晚上,当t∈ 23,24]∪(0,5]时表示深夜。因此,用户u对内容i的偏好值ru,i可以通过如下公式2表示:
其中,pu,t1、pu,t2、pu,t3和pu,t4分别为用户在不同时间段内对各内容特性的偏好值对应的向量。
由于用户对内容特性的偏好值不依赖于具体的内容,因此,只要之前的内容推荐过程中已经确定了用户对内容特性的偏好值,在之后的内容推荐过程中可以直接使用。由于内容中各内容特性所占比例固定,因此,可以预先设置内容中各内容特性所占比例,也可以在内容推荐过程中通过学习确定;只要之前确定了内容的各内容特性所占比例,在之后的内容推荐过程中可以直接使用。
用户对各内容特性的偏好值可能会发生改变,或者之前确定的用户对各内容特性的偏好值和/或内容的各内容特性所占比例可能不准确。为了保证推荐结果的准确性,较佳地,可以在本次内容推荐过程中通过学习确定用户对各内容特性的偏好值和/或内容的各内容特性所占比例。可以但不仅限于采用如下实现方式:
根据用户对内容的偏好相关数据建立用户对内容的偏好矩阵,其中,用户对内容的偏好矩阵中的非空元素为根据偏好相关数据确定的用户对内容的偏好值,用户对内容的偏好矩阵中的空白元素为待确定的用户对内容的偏好值,用户对内容的偏好矩阵的一行或一列对应同一个用户、一列或一行对应同一个内容;通过对用户对内容的偏好矩阵进行矩阵分解(即UV分解),确定用户对内容特性的偏好矩阵和内容特性的分布矩阵,用户对内容特性的偏好矩阵中的元素为用户对内容特性的偏好值,用户对内容特性的偏好矩阵的一行或一列对应同一个用户、一列或一行对应同一个内容特性,内容特性的分布矩阵中的元素为内容的内容特性所占比例,内容特性的分布矩阵的一行或一列对应同一个内容特性、一列或一行对应同一个内容。
其中,偏好相关数据是指用于确定用户对内容的偏好程度的数据。
其中,用户对内容的偏好值是根据偏好相关数据确定的。即,偏好值反映了用户对内容的偏好程度。偏好值的具体确定方式可以但不仅限于是,将用户对内容的评分作为用户对该内容的偏好值,具体可以参照现有方式实现,本发明不再赘述。
本发明实施例中,偏好相关数据可以但不仅限于包括:用户行为数据,例如用户对内容的评分,用户对内容的操作(浏览、收藏等等)记录,等等;用户的账户信息,例如性别、年龄、个性标签、内容偏好,等等。
在此基础上,上述步骤110的具体实现方式可以但不仅限于是:根据用户对内容特性的偏好矩阵和内容特性的分布矩阵确定用户对内容的偏好矩阵的等效矩阵,并根据该等效矩阵填补用户对内容的偏好矩阵中的空白元素。
所谓填补效用矩阵中的空白元素,即确定空白元素处的用于对内容的偏好值。
综上,用户对各内容特性的偏好值和内容的各内容特性所占比例可以是预先确定的(例如在之前的内容推荐过程中确定的,或者预先设置的),也可以是在本次内容推荐过程中通过对用户对内容的偏好矩阵进行矩阵分解得到的。
其中,通过对所述效用矩阵进行矩阵分解,确定用户对内容特性的偏好矩阵和内容特性的分布矩阵,包括:
确定所述用户对内容特性的偏好矩阵和内容特性的分布矩阵中各元素的初始值,从所述等效矩阵各元素的初始值开始,对所述用户对内容特性的偏好矩阵和内容特性的分布矩阵各元素进行迭代更新,使得所述效用矩阵中各个非空元素与所述用户对内容特性的偏好矩阵和内容特性的分布矩阵中对应元素的匹配程度达到设定的阈值。
其中,等效矩阵中各个非空元素与等效矩阵中对应元素的匹配程度的表示方式有多种。作为举例而非限定,本发明实施例中,以损失函数衡量其匹配程度。具体的,损失函数为效用矩阵中各非空元素与等效矩阵中对应元素的均方根误差。相应的,效用矩阵中各个非空元素与等效矩阵中对应元素的匹配程度达到设定的阈值,是指,效用矩阵中各非空元素与等效矩阵中对应元素的均方根误差小于设定的阈值。
较佳地,所述用户对内容特性的偏好矩阵中各元素的初始值,为历史内容推荐过程中确定的用户对内容特性的偏好矩阵中各元素的值。内容特性的分布矩阵中各元素的初始值,为历史内容推荐过程中确定的内容特性的分布矩阵中各元素的值,或者预先配置的值。
基于与方法同样的发明构思,本发明实施例还提供一种内容推荐装置,如图2所示,该装置至少包括:
参数获取模块201,用于获取用户对各内容特性的偏好值和内容的各内容特性所占比例;
偏好确定模块202,用于根据所述用户对各内容特性的偏好值和内容的各内容特性所占比例,确定用户对内容的偏好值;
内容推荐模块203,用于根据确定的用户对各内容的偏好值进行内容推荐。
本发明实施例中,不需要根据用户的评分确定内容或者用户之间的关联性,进而利用确定的关联性进行推荐,而是通过获取的用户对各内容特性的偏好值和内容的各内容特性所占比例,确定用户对内容的偏好值,进而进行内容推荐。即使用户没有对某内容进行评分,采用本发明实施例提供的装置也可以确定用户对内容的偏好值,进而进行内容推荐。
较佳地,所述参数获取模块具体用于,获取用户在各个时间段对各内容特性的偏好值和内容的各内容特性所占比例;
所述偏好确定模块具体用于,根据所述用户在各个时间段对各内容特性的偏好值和内容的各内容特性所占比例,分别确定用户在各个时间段对内容的偏好值;
所述内容推荐模块具体用于,根据用户在登录时间所在时间段对内容的偏好值进行内容推荐。
基于上述任意装置实施例,较佳地,所述参数获取模块具体用于:
根据用户对内容的偏好相关数据建立用户对内容的偏好矩阵,所述用户对内容的偏好矩阵中的非空元素为根据偏好相关数据确定的用户对内容的偏好值,所述用户对内容的偏好矩阵中的空白元素为待确定的用户对内容的偏好值,所述用户对内容的偏好矩阵的一行或一列对应同一个用户、一列或一行对应同一个内容;
通过对所述用户对内容的偏好矩阵进行矩阵分解,确定用户对内容特性的偏好矩阵和内容特性的分布矩阵,所述用户对内容特性的偏好矩阵中的元素为用户对内容特性的偏好值,所述用户对内容特性的偏好矩阵的一行或一列对应同一个用户、一列或一行对应同一个内容特性,所述内容特性的分布矩阵中的元素为内容的内容特性所占比例,所述内容特性的分布矩阵的一行或一列对应同一个内容特性、一列或一行对应同一个内容。
较佳地,所述偏好值确定模块具体用于:
根据用户对内容特性的偏好矩阵和内容特性的分布矩阵确定用户对内容的偏好矩阵的等效矩阵,并根据所述等效矩阵填补用户对内容的偏好矩阵中的空白元素。
较佳地,所述参数获取模块具体用于:
获取历史内容推荐过程中确定的用户对各内容特性的偏好值和内容的各内容特性所占比例。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (10)
1.一种内容推荐方法,其特征在于,包括:
获取用户对各内容特性的偏好值和内容的各内容特性所占比例;
根据所述用户对各内容特性的偏好值和内容的各内容特性所占比例,确定用户对内容的偏好值;
根据确定的用户对各内容的偏好值进行内容推荐。
2.根据权利要求1所述的方法,其特征在于,所述获取用户对各内容特性的偏好值和内容的各内容特性所占比例,包括:
获取用户在各个时间段对各内容特性的偏好值和内容的各内容特性所占比例;
根据所述用户对各内容特性的偏好值和内容的各内容特性所占比例,确定用户对内容的偏好值,包括:
根据所述用户在各个时间段对各内容特性的偏好值和内容的各内容特性所占比例,分别确定用户在各个时间段对内容的偏好值;
根据确定的用户对各内容的偏好值进行内容推荐,包括:
根据用户在登录时间所在时间段对内容的偏好值进行内容推荐。
3.根据权利要求1或2所述的方法,其特征在于,所述获取用户对各内容特性的偏好值和内容的各内容特性所占比例,包括:
根据用户对内容的偏好相关数据建立用户对内容的偏好矩阵,所述用户对内容的偏好矩阵中的非空元素为根据偏好相关数据确定的用户对内容的偏好值,所述用户对内容的偏好矩阵中的空白元素为待确定的用户对内容的偏好值,所述用户对内容的偏好矩阵的一行或一列对应同一个用户、一列或一行对应同一个内容;
通过对所述用户对内容的偏好矩阵进行矩阵分解,确定用户对内容特性的偏好矩阵和内容特性的分布矩阵,所述用户对内容特性的偏好矩阵中的元素为用户对内容特性的偏好值,所述用户对内容特性的偏好矩阵的一行或一列对应同一个用户、一列或一行对应同一个内容特性,所述内容特性的分布矩阵中的元素为内容的内容特性所占比例,所述内容特性的分布矩阵的一行或一列对应同一个内容特性、一列或一行对应同一个内容。
4.根据权利要求3所述的方法,其特征在于,根据所述用户对各内容特性的偏好值和内容的各内容特性所占比例,确定用户对内容的偏好值,包括:
根据用户对内容特性的偏好矩阵和内容特性的分布矩阵确定用户对内容的偏好矩阵的等效矩阵,并根据所述等效矩阵填补用户对内容的偏好矩阵中的空白元素。
5.根据权利要求1或2所述的方法,其特征在于,获取用户对各内容特性的偏好值和内容的各内容特性所占比例,包括:
获取历史内容推荐过程中确定的用户对各内容特性的偏好值和内容的各内容特性所占比例。
6.一种内容推荐装置,其特征在于,包括:
参数获取模块,用于获取用户对各内容特性的偏好值和内容的各内容特性所占比例;
偏好确定模块,用于根据所述用户对各内容特性的偏好值和内容的各内容特性所占比例,确定用户对内容的偏好值;
内容推荐模块,用于根据确定的用户对各内容的偏好值进行内容推荐。
7.根据权利要求6所述的装置,其特征在于,所述参数获取模块具体用于,获取用户在各个时间段对各内容特性的偏好值和内容的各内容特性所占比例;
所述偏好确定模块具体用于,根据所述用户在各个时间段对各内容特性的偏好值和内容的各内容特性所占比例,分别确定用户在各个时间段对内容的偏好值;
所述内容推荐模块具体用于,根据用户在登录时间所在时间段对内容的偏好值进行内容推荐。
8.根据权利要求6或7所述的装置,其特征在于,所述参数获取模块具体用于:
根据用户对内容的偏好相关数据建立用户对内容的偏好矩阵,所述用户对内容的偏好矩阵中的非空元素为根据偏好相关数据确定的用户对内容的偏好值,所述用户对内容的偏好矩阵中的空白元素为待确定的用户对内容的偏好值,所述用户对内容的偏好矩阵的一行或一列对应同一个用户、一列或一行对应同一个内容;
通过对所述用户对内容的偏好矩阵进行矩阵分解,确定用户对内容特性的偏好矩阵和内容特性的分布矩阵,所述用户对内容特性的偏好矩阵中的元素为用户对内容特性的偏好值,所述用户对内容特性的偏好矩阵的一行或一列对应同一个用户、一列或一行对应同一个内容特性,所述内容特性的分布矩阵中的元素为内容的内容特性所占比例,所述内容特性的分布矩阵的一行或一列对应同一个内容特性、一列或一行对应同一个内容。
9.根据权利要求8所述的装置,其特征在于,所述偏好值确定模块具体用于:
根据用户对内容特性的偏好矩阵和内容特性的分布矩阵确定用户对内容的偏好矩阵的等效矩阵,并根据所述等效矩阵填补用户对内容的偏好矩阵中的空白元素。
10.根据权利要求6或7所述的装置,其特征在于,所述参数获取模块具体用于:
获取历史内容推荐过程中确定的用户对各内容特性的偏好值和内容的各内容特性所占比例。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410299024.1A CN104102696A (zh) | 2014-06-26 | 2014-06-26 | 一种内容推荐方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410299024.1A CN104102696A (zh) | 2014-06-26 | 2014-06-26 | 一种内容推荐方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104102696A true CN104102696A (zh) | 2014-10-15 |
Family
ID=51670850
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410299024.1A Pending CN104102696A (zh) | 2014-06-26 | 2014-06-26 | 一种内容推荐方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104102696A (zh) |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106250532A (zh) * | 2016-08-04 | 2016-12-21 | 广州优视网络科技有限公司 | 应用推荐方法、装置及服务器 |
US10387513B2 (en) | 2015-08-28 | 2019-08-20 | Yandex Europe Ag | Method and apparatus for generating a recommended content list |
US10387115B2 (en) | 2015-09-28 | 2019-08-20 | Yandex Europe Ag | Method and apparatus for generating a recommended set of items |
US10394420B2 (en) | 2016-05-12 | 2019-08-27 | Yandex Europe Ag | Computer-implemented method of generating a content recommendation interface |
US10430481B2 (en) | 2016-07-07 | 2019-10-01 | Yandex Europe Ag | Method and apparatus for generating a content recommendation in a recommendation system |
US10452731B2 (en) | 2015-09-28 | 2019-10-22 | Yandex Europe Ag | Method and apparatus for generating a recommended set of items for a user |
USD882600S1 (en) | 2017-01-13 | 2020-04-28 | Yandex Europe Ag | Display screen with graphical user interface |
US10674215B2 (en) | 2018-09-14 | 2020-06-02 | Yandex Europe Ag | Method and system for determining a relevancy parameter for content item |
US10706325B2 (en) | 2016-07-07 | 2020-07-07 | Yandex Europe Ag | Method and apparatus for selecting a network resource as a source of content for a recommendation system |
US11086888B2 (en) | 2018-10-09 | 2021-08-10 | Yandex Europe Ag | Method and system for generating digital content recommendation |
US11263217B2 (en) | 2018-09-14 | 2022-03-01 | Yandex Europe Ag | Method of and system for determining user-specific proportions of content for recommendation |
US11276076B2 (en) | 2018-09-14 | 2022-03-15 | Yandex Europe Ag | Method and system for generating a digital content recommendation |
US11276079B2 (en) | 2019-09-09 | 2022-03-15 | Yandex Europe Ag | Method and system for meeting service level of content item promotion |
US11288333B2 (en) | 2018-10-08 | 2022-03-29 | Yandex Europe Ag | Method and system for estimating user-item interaction data based on stored interaction data by using multiple models |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101271558A (zh) * | 2008-05-16 | 2008-09-24 | 华东师范大学 | 基于上下文信息的多策略商品推荐系统 |
CN101551825A (zh) * | 2009-05-15 | 2009-10-07 | 中国科学技术大学 | 基于属性描述的个性化影片推荐系统及方法 |
US8010536B2 (en) * | 2007-11-20 | 2011-08-30 | Samsung Electronics Co., Ltd. | Combination of collaborative filtering and cliprank for personalized media content recommendation |
CN102279865A (zh) * | 2010-06-08 | 2011-12-14 | 索尼公司 | 内容推荐设备和内容推荐方法 |
CN102411754A (zh) * | 2011-11-29 | 2012-04-11 | 南京大学 | 一种基于商品属性熵值的个性化推荐方法 |
CN103886090A (zh) * | 2014-03-31 | 2014-06-25 | 北京搜狗科技发展有限公司 | 基于用户喜好的内容推荐方法及装置 |
-
2014
- 2014-06-26 CN CN201410299024.1A patent/CN104102696A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8010536B2 (en) * | 2007-11-20 | 2011-08-30 | Samsung Electronics Co., Ltd. | Combination of collaborative filtering and cliprank for personalized media content recommendation |
CN101271558A (zh) * | 2008-05-16 | 2008-09-24 | 华东师范大学 | 基于上下文信息的多策略商品推荐系统 |
CN101551825A (zh) * | 2009-05-15 | 2009-10-07 | 中国科学技术大学 | 基于属性描述的个性化影片推荐系统及方法 |
CN102279865A (zh) * | 2010-06-08 | 2011-12-14 | 索尼公司 | 内容推荐设备和内容推荐方法 |
CN102411754A (zh) * | 2011-11-29 | 2012-04-11 | 南京大学 | 一种基于商品属性熵值的个性化推荐方法 |
CN103886090A (zh) * | 2014-03-31 | 2014-06-25 | 北京搜狗科技发展有限公司 | 基于用户喜好的内容推荐方法及装置 |
Non-Patent Citations (1)
Title |
---|
周静: "基于信任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》 * |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10387513B2 (en) | 2015-08-28 | 2019-08-20 | Yandex Europe Ag | Method and apparatus for generating a recommended content list |
US10452731B2 (en) | 2015-09-28 | 2019-10-22 | Yandex Europe Ag | Method and apparatus for generating a recommended set of items for a user |
US10387115B2 (en) | 2015-09-28 | 2019-08-20 | Yandex Europe Ag | Method and apparatus for generating a recommended set of items |
US10394420B2 (en) | 2016-05-12 | 2019-08-27 | Yandex Europe Ag | Computer-implemented method of generating a content recommendation interface |
US10706325B2 (en) | 2016-07-07 | 2020-07-07 | Yandex Europe Ag | Method and apparatus for selecting a network resource as a source of content for a recommendation system |
US10430481B2 (en) | 2016-07-07 | 2019-10-01 | Yandex Europe Ag | Method and apparatus for generating a content recommendation in a recommendation system |
CN106250532A (zh) * | 2016-08-04 | 2016-12-21 | 广州优视网络科技有限公司 | 应用推荐方法、装置及服务器 |
USD892847S1 (en) | 2017-01-13 | 2020-08-11 | Yandex Europe Ag | Display screen with graphical user interface |
USD890802S1 (en) | 2017-01-13 | 2020-07-21 | Yandex Europe Ag | Display screen with graphical user interface |
USD892846S1 (en) | 2017-01-13 | 2020-08-11 | Yandex Europe Ag | Display screen with graphical user interface |
USD882600S1 (en) | 2017-01-13 | 2020-04-28 | Yandex Europe Ag | Display screen with graphical user interface |
USD980246S1 (en) | 2017-01-13 | 2023-03-07 | Yandex Europe Ag | Display screen with graphical user interface |
US10674215B2 (en) | 2018-09-14 | 2020-06-02 | Yandex Europe Ag | Method and system for determining a relevancy parameter for content item |
US11263217B2 (en) | 2018-09-14 | 2022-03-01 | Yandex Europe Ag | Method of and system for determining user-specific proportions of content for recommendation |
US11276076B2 (en) | 2018-09-14 | 2022-03-15 | Yandex Europe Ag | Method and system for generating a digital content recommendation |
US11288333B2 (en) | 2018-10-08 | 2022-03-29 | Yandex Europe Ag | Method and system for estimating user-item interaction data based on stored interaction data by using multiple models |
US11086888B2 (en) | 2018-10-09 | 2021-08-10 | Yandex Europe Ag | Method and system for generating digital content recommendation |
US11276079B2 (en) | 2019-09-09 | 2022-03-15 | Yandex Europe Ag | Method and system for meeting service level of content item promotion |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104102696A (zh) | 一种内容推荐方法及装置 | |
CN104462245B (zh) | 一种用户上网偏好数据识别方法 | |
CN105426486B (zh) | 一种基于用户行为数据的手机app推送方法 | |
CN103020845A (zh) | 一种移动应用的推送方法及系统 | |
CN106250513A (zh) | 一种基于事件建模的事件个性化分类方法及系统 | |
CN108287864A (zh) | 一种兴趣群组划分方法、装置、介质及计算设备 | |
CN104516904A (zh) | 一种关键知识点推荐方法及其系统 | |
CN105005587A (zh) | 一种用户画像的更新方法、装置和系统 | |
CN103678431A (zh) | 一种基于标准标签和项目评分的推荐方法 | |
CN103942712A (zh) | 基于产品相似度的电子商务推荐系统及其方法 | |
CN104850641A (zh) | 一种推荐信息的方法及装置 | |
CN106484777A (zh) | 一种多媒体数据处理方法以及装置 | |
CN102495864A (zh) | 基于评分的协同过滤推荐方法及系统 | |
CN105335491A (zh) | 基于用户点击行为来向用户推荐图书的方法和系统 | |
CN104424247A (zh) | 一种产品信息过滤推荐方法和装置 | |
CN105022729A (zh) | 一种用户偏好确定方法及装置 | |
CN103116893A (zh) | 基于多示例多标记学习的数字图像标注方法 | |
CN104504138A (zh) | 一种基于人的信息聚合方法和装置 | |
CN105404687A (zh) | 学习行为的个性化推荐方法及系统 | |
CN110110092A (zh) | 一种知识图谱构建方法及相关设备 | |
CN105243098A (zh) | 人脸图像的聚类方法及装置 | |
CN104615741A (zh) | 一种基于云计算的冷启动项目推荐的方法及装置 | |
CN104657509A (zh) | 基于历史照片信息的旅游地点推荐方法及系统 | |
CN103870541A (zh) | 社交网络用户兴趣挖掘方法和系统 | |
CN106909567A (zh) | 数据处理方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20141015 |