CN104166713A - 网络业务的推荐方法和装置 - Google Patents
网络业务的推荐方法和装置 Download PDFInfo
- Publication number
- CN104166713A CN104166713A CN201410400508.0A CN201410400508A CN104166713A CN 104166713 A CN104166713 A CN 104166713A CN 201410400508 A CN201410400508 A CN 201410400508A CN 104166713 A CN104166713 A CN 104166713A
- Authority
- CN
- China
- Prior art keywords
- attribute information
- user
- network
- business
- customer
- 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
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明实施例提供一种网络业务的推荐方法和装置。该方法包括:获取用户的用户属性信息;获取网络业务的业务属性信息;根据用户属性信息和业务属性信息的匹配关系,确定向用户推荐的网络业务。本方案通过获取用户的用户属性信息,能实现用户数据的结构化,得到精细化的用户画像;通过获取网络业务的业务属性信息,能实现网络业务数据的结构化,得到网络业务对应的精细化的业务信息;将用户属性信息和业务属性信息进行匹配,能得到不同的用户画像与不同的网络业务的精细化的对应关系,基于用户属性信息和业务属性信息的双边匹配关系,确定向用户推荐的网络业务,能够提高网络业务推荐的准确率,从而为不同的用户推荐适合该用户自身属性的网络业务。
Description
技术领域
本发明实施例涉及信息技术领域,尤其涉及一种网络业务的推荐方法和装置。
背景技术
随着网络技术的发展,各种提供给用户的网络业务也随之丰富。以在线教育这项网络业务为例,在线课程的数量急剧增加,个性化学习方案成为未来在线教育发展的趋势。但是,海量的在线课程使用户快速、便捷地发现和获取自己所需要的信息变得困难。应运而生的推荐技术作为信息过滤的重要手段,能自动地发现用户感兴趣的课程,有效地为用户提供个性化的课程推荐服务。
现有技术中,在线教育平台在帮助用户查找课程时,一般是基于用户的查询式(Query)为用户推荐课程。用户可以根据筛选条件和排序属性,进行更加精细化的筛选。
上述推荐技术存在的缺陷在于:由于在线课程的数量过大,且课程介绍信息的相似度高,所以基于输入的查询式来选择课程的准确率低,导致用户对课程的检索或筛选工作量较大。
发明内容
本发明实施例提供一种网络业务的推荐方法和装置,以提高网络业务推荐的准确率。
第一方面,本发明实施例提供了一种网络业务的推荐方法,包括:
获取用户的用户属性信息;
获取网络业务的业务属性信息;
根据用户属性信息和业务属性信息的匹配关系,确定向用户推荐的网络业务。
第二方面,本发明实施例还提供了一种网络业务的推荐装置,包括:
用户属性信息获取模块,用于获取用户的用户属性信息;
业务属性信息获取模块,用于获取网络业务的业务属性信息;
网络业务推荐模块,用于根据用户属性信息和业务属性信息的匹配关系,确定向用户推荐的网络业务。
本发明实施例提供的网络业务的推荐方法和装置,通过获取用户的用户属性信息,能够实现用户数据的结构化,得到精细化的用户画像;通过获取网络业务的业务属性信息,能够实现网络业务数据的结构化,得到网络业务对应的精细化的业务信息;并将用户属性信息和业务属性信息进行匹配,能够得到不同的用户画像与不同的网络业务的精细化的对应关系,基于用户属性信息和业务属性信息的双边匹配关系,确定向用户推荐的网络业务,能够提高网络业务推荐的准确率,从而为不同的用户推荐适合该用户自身属性的网络业务。
附图说明
为了更清楚地说明本发明,下面将对本发明中所需要使用的附图做一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例一提供的一种网络业务的推荐方法的流程图;
图2a为本发明实施例二提供的一种网络业务的推荐方法的流程图;
图2b为本发明实施例二提供的一种网络业务的推荐方法中的获取用户的历史数据的方法流程图;
图3为本发明实施例三提供的一种网络业务的推荐方法的流程图;
图4a为本发明实施例四提供的一种网络业务的推荐方法的流程图;
图4b为本发明实施例四中适用的网络业务的推荐方法实例的示意图;
图4c为本发明实施例四中适用的用户属性信息的修正前的示意图;
图4d为图4c中用户属性信息的修正后的示意图;
图4e本发明实施例四中适用的网络业务的推荐方法另一实例的示意图;
图5为本发明实施例五提供的一种网络业务的推荐方法的流程图;
图6为本发明实施例六提供的一种网络业务的推荐装置的结构示意图。
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例中的技术方案作进一步详细描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。可以理解的是,此处所描述的具体实施例仅用于解释本发明,而非对本发明的限定,基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部内容。
实施例一
请参阅图1,为本发明实施例一提供的一种网络业务的推荐方法的流程图。本发明实施例的方法可以由硬件和/或软件实现的网络业务的推荐装置来执行,该实现装置典型的是配置于能够进行网络业务推荐的服务器中,也可以配置在能够提供网络业务搜索的搜索引擎服务器或网络业务平台的服务器中。
如图1所示,所述方法包括:
110、获取用户的用户属性信息;
用户可以具有不同的用户属性信息,通过将用户对应的用户属性信息汇集,可以得到一个用户或一群用户的用户画像。所述用户属性信息可以从多方面反映用户自身的属性特征,例如反映用户的性别、学历状态、兴趣爱好和消费水平等。
获取用户的用户属性信息可以有多种实施方式,例如通过用户的搜索数据以及在搜索结果中的点击数据,获取用户的用户属性信息;又如通过用户在网络业务平台内的购买记录和订阅记录,获取用户的用户属性信息。本实施例不以此为限。
120、获取网络业务的业务属性信息;
本操作具体是将网络业务数据进行结构化。所述业务属性信息可以表征不同的网络业务。所述业务属性信息可以从多方面反映网络业务自身的属性特征,例如反映网络业务所属的业务类别和适宜人群等。
作为获取网络业务的业务属性信息的一种实施方式,可以获取网络业务的描述信息,基于网络业务的描述信息,确定所述业务的标题、分类、价格和适宜人群。
所述网络业务可以为现有的各种网络业务,例如在线课程、票务订阅、网络购物和网络求职招聘等。
130、根据用户属性信息和业务属性信息的匹配关系,确定向用户推荐的网络业务。
本操作具体可以是根据设定的规则对用户属性信息和业务属性信息进行匹配,并根据匹配关系确定向所匹配用户推荐的网络业务。
本实施例的技术方案,通过获取用户的用户属性信息,能够实现用户数据的结构化,得到精细化的用户画像;通过获取网络业务的业务属性信息,能够实现网络业务数据的结构化,得到网络业务对应的精细化的业务信息;并将用户属性信息和业务属性信息进行匹配,能够得到不同的用户画像与不同的网络业务的精细化的对应关系,基于用户属性信息和业务属性信息的双边匹配关系,确定向用户推荐的网络业务,能够提高网络业务推荐的准确率,从而为不同的用户推荐适合该用户自身属性的网络业务。
需要说明的是,用户属性信息和业务属性信息的匹配既需要获取所述用户属性信息,又需要获取所述业务属性信息,所述用户属性信息和所述业务属性信息的获取操作是彼此独立的,没有必然的顺序限制,可以采用与本实施例相反的顺序,也即先获取所述业务属性信息,然后获取所述用户属性信息;也可以并行获取,本实施例对具体的获取操作的顺序不进行限制,只要能获取到所述用户属性信息和所述业务属性信息即可。
实施例二
请参阅图2a,为本发明实施例二提供的一种网络业务的推荐方法的流程图。本实施例在上述实施例的基础上,提供了获取用户的用户属性信息的优选方案。所述方法包括:
210、获取用户的前端主动表达数据;从所述前端主动表达数据中提取用户基本属性信息;
本操作具体是通过首先获取用户的前端主动表达数据,然后在所述前端主动表达数据中执行提取操作,从而得到所述用户基本属性信息。
所述用户的前端主动表达数据是指用户通过应用界面主动输入的数据。通常,网络业务平台只对游客用户提供有限的服务,如果用户想获得更丰富的网络业务信息和更丰富的服务,则需要通过在网络业务平台中注册,而在用户注册过程中,获取到的用户主动输入的注册信息即可作为所述前端主动表达数据。相应地,在用户注册过程中,可以从用户主动输入的注册信息中提取用户基本属性信息。
例如,用户主动输入的用户名和密码可以作为用户标识,用户主动输入的邮箱地址可以作为用户的联系方式,从用户主动输入的教育背景信息中可以提取用户的学历,从用户主动设置的兴趣爱好标签中可以提取用户的兴趣爱好。
在本操作中,也可以预先设定用户基本属性信息模板,利用所述用户基本属性信息模板从所述前端主动表达数据中提取用户基本属性信息。
220、获取用户的历史数据;将所述用户的历史数据与设定用户属性模板进行匹配,得到用户动态属性信息。
本操作具体是首先获取用户的历史数据,然后在所述历史数据中执行提取操作,从而得到用户动态属性信息。
所述历史数据是指的设定的历史时间阶段内,通过搜索平台服务器或网络业务平台服务器获取的与网络业务关联的用户行为数据。所述与网络业务关联的用户行为数据可以包括下述至少一项:搜索数据、测评数据、订阅数据和购买数据等。
在本操作中,可以预先设定用户动态属性信息模板,利用所述用户动态属性信息模板从所述历史中提取用户动态属性信息。所述用户动态属性信息模板所包含的维度越多,匹配得到的用户动态属性信息越丰富。
选取的历史时间阶段不同,获取到的所述用户动态属性信息不同,也即所述用户动态属性信息随时间的推移而动态变化。
以在线课程这项网络业务为例,如果用户首次搜索公务员课程,在在线课程平台的搜索结果中点击了公务员考试的资讯,以及该平台所包含的与公务员课程相关的学习资源(如题库、资料和课程),此时提取到的用户动态属性信息可以包括:考试名称为公务员考试和基础水平为零基础。当用户进行了行政能力测试之后,提取到的用户动态属性信息可以包括:考试名称为公务员考试和既往成绩为行政能力测试50分。但是当用户学习一段时间后,提取到的用户动态属性信息可以包括:考试名称为公务员考试和既往成绩为行政能力测试80分以及申论60分。
需要说明的是,操作210中的用户基本属性信息代表用户的静态属性信息,是相对于本操作中的所述用户动态属性信息而言的。所述用户基本属性信息与所述用户动态属性信息是相对的,而非绝对的。区别在于:所述用户基本属性信息(例如,性别、学历和兴趣爱好等)随时间推移不发生变化或变化较慢;而所述用户动态属性信息随时间推移所发生的变化较快,呈现动态变化的趋势。
230、获取网络业务的业务属性信息;
240、根据用户属性信息和业务属性信息的匹配关系,确定向用户推荐的网络业务。
本实施例的技术方案,通过用户的前端主动表达数据,能够得到用户基本属性信息,通过用户的历史数据,能够得到用户动态属性信息,将所述用户基本属性信息和所述用户动态属性信息作为用户属性信息,能够实现用户数据的结构化,进一步提高用户画像的精细度;通过获取网络业务的业务属性信息,能够实现网络业务数据的结构化,得到网络业务对应的精细化的业务信息;并将用户属性信息和业务属性信息进行匹配,能够得到不同的用户画像与不同的网络业务的精细化的对应关系,基于用户属性信息和业务属性信息的双边匹配关系,能够动态地确定向用户推荐的网络业务,且能够进一步提高网络业务推荐的准确率,从而为不同的用户推荐适合该用户自身属性的网络业务。
需要说明的是,本实施例对获取用户基本属性信息、获取用户动态属性信息和获取业务属性信息的顺序不进行限制。也可以采用不同于本实施例的顺序、或者与本实施例相反的顺序,只要能获取到上述三种属性信息即可。
还需要说明的是,本实施例提供了获取用户的用户属性信息的优选方案,具体地,获取用户的前端主动表达数据,从所述前端主动表达数据中提取用户基本属性信息,以及获取用户的历史数据,将所述用户的历史数据与设定用户属性模板进行匹配,得到用户动态属性信息。其中,获取用户的前端主动表达数据,从所述前端主动表达数据中提取用户基本属性信息这一操作,和获取用户的历史数据,将所述用户的历史数据与设定用户属性模板进行匹配,得到用户动态属性信息这一操作都可以单独执行,分别作为获取用户的用户属性信息的另外两种不同的优选方案,换言之操作210和操作220可以不组合采用。
单独执行与组合采用的区别在于:单独执行只能得到用户基本属性信息或用户动态属性信息中的一种,而组合采用既可以得到用户基本属性信息,又可以得到用户动态属性信息,因此得到的用户属性信息更丰富,相应地,得到的用户属性信息与业务属性信息的匹配关系更丰富,从而为当前用户推荐的网络业务更准确。
请参阅图2b,作为本实施例中获取用户的历史数据这一操作的优选实施方式,具体可以包括:
221、获取用户通过搜索框输入的与网络业务关联的查询式,并获取用户对与所述查询式对应的展现结果的点击数据;将所述查询式与所述点击数据作为所述历史数据;
本操作具体是通过搜索平台服务器获取与网络业务关联的查询式以及用户对相应的搜索查询结果的点击数据。
其中,所述搜索平台可以包括百度搜索引擎、百度知道、百度视频以及百度文库等。
222、获取用户在网络业务平台内的与所述网络业务关联的记录,作为所述历史数据。
本操作具体是通过网络业务平台服务器获取与网络业务关联的用户行为数据。例如测评数据、订阅数据和购买数据等。
对于不同的网络业务,测评方式以及对应的测评数据不同。例如,对于在线课程,所述测评方式可以包括:作业练习、基础水平测试和模拟考试测试等;相应的测评数据可以包括:作业练习结果、基础水平测试结果和模拟考试测试结果等。又如,对于网络求职招聘,所述测评方式可以包括:适合从事的行业测试、心理素质测试、专业能力测试和综合水平测试等;相应的测评数据可以包括:适合从事的行业测试结果、心理素质测试结果、专业能力测试结果和综合水平测试结果等。再如,对于网络购物,所述测评方式可以包括:穿衣风格测试和消费水平测试等,相应的测评数据可以包括:穿衣风格测试结果和消费水平测试结果等。
类似地,对于不用的网络业务,订阅数据或购买数据也不相同,此处不再赘述。
需要说明的是,本实施方式对操作221和操作222的顺序不进行限制。也可以采用与本实施方式相反的顺序或者采用并行执行。
还需要说明的是,本实施方式提供了获取用户的历史数据的优选方案。其中,获取用户通过搜索框输入的与网络业务关联的查询式,并获取用户对与所述查询式对应的展现结果的点击数据;将所述查询式与所述点击数据作为所述历史数据这一操作,和获取用户在网络业务平台内的与所述网络业务关联的记录,作为所述历史数据这一操作都可以单独执行,分别作为获取用户的历史数据的另外两种不同的优选方案,换言之操作221和操作222可以不组合采用。
单独执行与组合采用的区别在于:单独执行只能从搜索平台服务器或网络业务平台服务器获取到所述历史数据,而组合采用既可以从搜索平台服务器获取到所述历史数据,又可以从网络业务平台服务器获取到所述历史数据,因此得到的用户属性信息更丰富,相应地,得到的用户属性信息与业务属性信息的匹配关系更丰富,从而为当前用户推荐的网络业务更准确。
实施例三
请参阅图3,为本发明实施例三提供的一种网络业务的推荐方法的流程图,本实施例在上述各实施例的基础上,提供了获取网络业务的业务属性信息的优选方案。该优选方法包括:
310、从网络业务的标题、简介和/或描述信息中提取所述业务属性信息;
本操作具体是从网络业务的静态信息中提取所述业务属性信息。具体地,可以预先设定业务属性信息模板,利用所述业务属性信息模板从网络业务的静态信息中提取业务属性信息。
320、基于网络业务的客户评价、浏览数据、订阅数据和/或反馈业绩,确定所述业务属性信息。
本操作具体是从网络业务的动态信息中提取所述业务属性信息。
与操作310的区别在于:操作310中的网络业务的标题、简介和描述信息是由网络业务提供方预先设定的,通常是静态的,也即设定之后一般不会发生改变;而操作320中的网络业务的客户评价、浏览数据、订阅数据和反馈业绩与用户的反馈有关,对于相同的网络业务,不同属性的用户的反馈不同,因此通过整合用户的动态反馈数据,可以得到所述业务属性信息。
需要说明的是,本实施例对操作310和操作320的顺序不进行限制。也可以采用与本实施例相反的顺序或者采用并行执行。
还需要说明的是,本实施例提供了获取网络业务的业务属性信息的优选方案。其中,从网络业务的标题、简介和/或描述信息中提取所述业务属性信息这一操作,和基于网络业务的客户评价、浏览数据、订阅数据和/或反馈业绩,确定所述业务属性信息这一操作都可以单独执行,分别作为获取网络业务的业务属性信息的另外两种不同的优选方案,换言之操作310和操作320可以不组合采用。
单独执行与组合采用的区别在于:单独执行只能从网络业务的静态信息或动态信息中获取到所述业务属性信息,而组合采用既可以从网络业务的静态信息中获取到所述历史数据,又可以从网络业务的动态信息中获取到所述历史数据,因此得到的业务属性信息更丰富,相应地,得到的用户属性信息与业务属性信息的匹配关系更丰富,从而为当前用户推荐的网络业务更准确。
实施例四
请参阅图4a,为本发明实施例四提供的一种网络业务的推荐方法的流程图。该方法包括:
410、获取用户的用户属性信息;
420、获取网络业务的业务属性信息;
430、根据用户属性信息和业务属性信息的匹配关系,确定向用户推荐的网络业务;
431、获取用户对业务的点击反馈数据,根据所述点击反馈数据修正所述用户属性信息与业务属性信息的匹配关系;
本操作中,所述用户属性信息与业务属性信息的匹配关系是预先建立的,反映的是设定的历史采样时间范围内的匹配关系,而用户对业务的点击反馈数据反映了当前用户对所述网络业务的最新体验。
用户对业务的点击反馈数据可以包括非常满意、满意、一般和不满意等对网络业务的质量评价数据;也可以为点击次数,点击次数的数值越大,代表当前用户在对该点击反馈数据对应的网络业务的使用频率越高;还可以为关注度,关注度的数值越大,代表当前用户对该点击反馈数据对应的网络业务越感兴趣;还可以为对网络业务的更新速度的评价数据,反映网络业务的更新快慢情况。本实施例对此不进行限制。
通过本操作,可以提高所述用户属性信息与业务属性信息的匹配关系的准确度,根据修正后的所述匹配关系能够向用户推荐网络业务,从而可以进一步提高向用户推荐的网络业务的准确率。
432、获取用户对用户属性信息的修正数据,根据所述修正数据更新所述用户属性信息与业务属性信息的匹配关系;
随着用户对网络业务的使用,用户属性信息中的用户动态属性信息会发生动态变化,因此对用户动态属性信息进行修正,能够实现对用户属性信息的修正,可以提高所述用户属性信息与业务属性信息的匹配关系的准确度,根据修正后的所述匹配关系能够向用户推荐网络业务,从而可以进一步提高向用户推荐的网络业务的准确率。
以在线课程这项网络业务为例,并结合图4b-图4d进行说明。
用户可以通过图4b所示的“修改用户画像特征”的选项修正所述用户属性信息,相应地,网络平台服务器可以通过获取用户对“修改用户画像特征”的点击和输入数据,得到用户对用户属性信息的修正数据。图4c中用户属性信息包括:“基本属性”、“学习状态”和“兴趣爱好”,因此在用户点击“修改用户画像特征”之后,可以通过点击图4c中的“基本属性”、“学习状态”和“兴趣爱好”进行修正。图4c中具体示出了用户对“基本属性”的修改前的状态,随着用户对在线课程平台提供的英语在线课程学习的深入,最新的用户属性信息可以如图4d所示,具体示出了用户对“基本属性”的修改后的结果。结合图4c和图4d可知,用户在该在线课程平台提供的英语在线课程学习之前,用户属性信息具体包括:“英语水平”为“初级”,单词量为“1000-3000”,“口语水平”为“一般”,“考试目标”为“六级”,“距离考试时间”为“6个月以上”,随着对该课程学习的深入,修正后的用户属性信息具体包括:“英语水平”为“中级”,单词量为“3000-7000”,“口语水平”为“一般”,“考试目标”为“六级”,“距离考试时间”为“3-6个月”。因此根据修正后的用户属性信息,可以提高所述用户属性信息与业务属性信息的匹配关系的准确度,根据修正后的所述匹配关系能够向当前用户推荐中级英语在线课程,从而可以进一步提高向用户推荐的在线课程的准确率。
433、根据用户输入的筛选条件对所述推荐的网络业务进行筛选;
本操作中,在根据用户属性信息和业务属性信息的匹配关系,确定向用户推荐的网络业务之后,通过根据用户输入的筛选条件进行进一步筛选,能够为用户提供更合适的网络业务,从而进一步提高向用户推荐的网络业务的准确率。
以在线课程这项网络业务为例,并结合图4e进行说明。
在用户输入“英语培训”的查询式之后,根据所述匹配关系,在线课程平台服务器会向用提供课程,用户通过“免费”和/或“提供视听”可以进一步对提供的课程进行筛选,从而进一步提高了向用户推荐的课程的准确率。
434、根据用户输入的排序条件对所述推荐的网络业务进行排序。
本操作中,在根据用户属性信息和业务属性信息的匹配关系,确定向用户推荐的网络业务之后,通过根据用户输入的排序条件进行进一步排序,能够为用户提供更合适的网络业务,从而进一步提高向用户推荐的网络业务的准确率。
以在线课程这项网络业务为例,并结合图4e进行说明。
在用户输入“英语培训”的查询式之后,根据所述匹配关系,在线课程平台服务器会向用提供课程,用户通过“综合排序”、“按价格”、“按热度”和/或“按开课时间”可以进一步对提供的课程进行排序,从而进一步提高了向用户推荐的课程的准确率。
需要说明的是,在根据用户属性信息和业务属性信息的匹配关系,确定向用户推荐的网络业务之后,可以执行上述操作431、操作432、操作433和操作434中的一种或多种,具备相应的有益效果。
实施例五
请参阅图5,为本发明实施例五提供的一种网络业务的推荐方法的流程图。本实施例在上述各实施例的基础上,提供了根据用户属性信息和业务属性信息的匹配关系,确定向用户推荐的网络业务的优选方案。
本实施例中,所述网络业务为在线课程;
所述用户属性信息包括用户基本属性信息、现有水平信息和用户目标信息;
其中,所述用户基本属性信息包括下述至少一项:性别、学历和兴趣爱好;所述现有水平信息包括下述至少一项:既往成绩、基础水平和消费水平;所述用户目标信息包括下述至少一项:考试名称、考试目标、拓展目标和考试时间;
所述业务属性信息包括下述至少一项:标题、简介、描述、分类、学习目标、标签、适合考试时间、适宜的既往成绩、价格和适合人群。
所述优选方法具体包括:
510、将所述用户属性信息中的性别与所述业务属性信息中的标签和/或描述进行匹配;
本操作具体是将所述用户属性信息所包含的用户基本属性信息中的性别与所述业务属性信息中的标签和/或描述进行匹配。本操作可以匹配有性别区分的课程。
示例性地,如果当前用户的性别为男,标签为化妆,则匹配失败。
511、将所述用户属性信息中的学历与所述业务属性信息中的标签和/或描述进行匹配;
本操作具体是将所述用户属性信息所包含的用户基本属性信息中的学历与所述业务属性信息中的标签和/或描述进行匹配。本操作可以匹配有学历要求的课程。
示例性地,如果在线课程的标签为专业英语八级,描述中包括学历要求,具体为本科及本科以上,当前用户的学历为硕士,则匹配成功。
512、将所述用户属性信息中的兴趣爱好与所述业务属性信息中的分类、标签、标题和/或描述进行匹配;
本操作具体是将所述用户属性信息所包含的用户基本属性信息中的兴趣爱好与所述业务属性信息中的分类、标签、标题和/或描述进行匹配。其中所述兴趣爱好可以通过历史搜索数据获得,也可以通过用户的前端主动表达数据获得,例如用户主动输入的兴趣标签获得。
513、将所述用户属性信息中的既往成绩与所述业务属性信息中的适宜的既往成绩进行匹配;
本操作具体是将所述用户属性信息所包含的用户现有水平信息中的既往成绩与所述业务属性信息中的适宜的既往成绩进行匹配。其中所述用于属性信息中的既往成绩可以通过用户历史数据中的测评结果获得,也可以通过用户的前端主动表达数据获得。
514、将所述用户属性信息中的基础水平与所述业务属性信息中的适合人群进行匹配;
本操作可以为特定基础水平的用户推荐合适的课程。其中所述基础水平可以通过用户历史数据中的测评结果获得,也可以通过用户的前端主动表达数据获得。
515、将所述用户属性信息中的消费水平与所述业务属性信息中的价格进行匹配;
其中消费水平可以通过用户的前端主动表达数据获得。本操作可以为用户推荐与用户消费能力相符的课程。
516、将所述用户属性信息中的考试名称与所述业务属性信息中的分类、标签、标题、简介和/或描述进行匹配;
示例性地,如果考试名称为雅思,则标题中包括“雅思”字段的在线课程(例如,雅思强化班)都可以作为匹配成功的在线课程。
517、将所述用户属性信息中的考试目标与所述业务属性信息中的学习目标进行匹配;
其中,考试目标是指用户通过对应的在线课程期望获得的效果,例如通过、良好和优秀等。
518、将所述用户属性信息中的拓展目标与所述业务属性信息中的标题和/或标签进行匹配;
其中,所述拓展目标是指某一领域所包含的具体的子领域,例如计算机领域所包含的手机开发或网站开发等都可以作为所述拓展目标。
519、将所述用户属性信息中的考试时间与所述业务属性信息中的适合考试时间进行匹配;
520、根据上述匹配操作的至少一项匹配关系,确定向用户推荐的网络业务。
本实施例的技术方案,将用户属性信息中的用户基本属性信息、现有水平信息和/或用户目标信息中的一项或多项和业务属性信息进行匹配,能够得到不同的用户画像与不同的网络业务的精细化的对应关系,基于用户属性信息和业务属性信息的双边匹配关系,确定向用户推荐的网络业务,能够提高网络业务推荐的准确率,从而为不同的用户推荐适合该用户自身属性的网络业务。
本实施例以在线课程这项网络业务为例,对本发明提供的用户属性信息和业务属性信息的双边匹配方法进行了详细说明,其中本实施例提供的部分匹配操作是专属于在线课程这项网络业务的,但本实施例提供的非专属于在线课程这项网络业务的匹配操作的应用场景并不以此为限,还适用于票务订阅、网络购物和网络求职招聘等多种场景,在此不一一列举。
需要说明的是,本实施例中用户属性信息与业务属性信息之间的双边匹配操作顺序并不以操作510-操作519的具体顺序为限,可以采用不同于本实施例的匹配操作顺序。
实施例六
请参阅图6,为本发明实施例六提供的一种网络业务的推荐装置的结构示意图。该装置包括:用户属性信息获取模块610、业务属性信息获取模块620和网络业务推荐模块630。
其中,用户属性信息获取模块610用于获取用户的用户属性信息;业务属性信息获取模块620用于获取网络业务的业务属性信息;网络业务推荐模块630用于根据用户属性信息和业务属性信息的匹配关系,确定向用户推荐的网络业务。
本实施例的技术方案,通过获取用户的用户属性信息,能够实现用户数据的结构化,得到精细化的用户画像;通过获取网络业务的业务属性信息,能够实现网络业务数据的结构化,得到网络业务对应的精细化的业务信息;并将用户属性信息和业务属性信息进行匹配,能够得到不同的用户画像与不同的网络业务的精细化的对应关系,基于用户属性信息和业务属性信息的双边匹配关系,确定向用户推荐的网络业务,能够提高网络业务推荐的准确率,从而为不同的用户推荐适合该用户自身属性的网络业务。
在上述方案中,用户属性信息获取模块610优选包括下述至少一项:第一用户属性信息获取单元和第二用户属性信息获取单元。
其中,第一用户属性信息获取单元用于获取用户的前端主动表达数据;从所述前端主动表达数据中提取用户基本属性信息;第二用户属性信息获取单元用于获取用户的历史数据;将所述用户的历史数据与设定用户属性模板进行匹配,得到用户动态属性信息。
进一步地,第二用户属性信息获取单元优选包括下述至少一项:第一用户属性信息获取子单元和第二用户属性信息获取子单元。
其中,第一用户属性信息获取子单元用于获取用户通过搜索框输入的与网络业务关联的查询式,并获取用户对与所述查询式对应的展现结果的点击数据;将所述查询式与所述点击数据作为所述历史数据;将所述用户的历史数据与设定用户属性模板进行匹配,得到用户动态属性信息。第二用户属性信息获取子单元用于获取用户在网络业务平台内的与所述网络业务关联的记录,作为所述历史数据;将所述用户的历史数据与设定用户属性模板进行匹配,得到用户动态属性信息。
在上述方案中,业务属性信息获取模块620优选包括下述至少一项:第一业务属性信息获取单元和第二业务属性信息获取单元。
其中,第一业务属性信息获取单元用于从网络业务的标题、简介和/或描述信息中提取所述业务属性信息;第二业务属性信息获取单元用于基于网络业务的客户评价、浏览数据、订阅数据和/或反馈业绩,确定所述业务属性信息。
在上述方案中,所述装置还可以包括下述至少一项:第一修正模块、第二修正模块、网络业务筛选模块和网络业务排序模块。
其中,第一修正模块用于在根据用户属性信息和业务属性信息的匹配关系,确定向用户推荐的网络业务之后,获取用户对业务的点击反馈数据,根据所述点击反馈数据修正所述用户属性信息与业务属性信息的匹配关系;第二修正模块用于在根据用户属性信息和业务属性信息的匹配关系,确定向用户推荐的网络业务之后,获取用户对用户属性信息的修正数据,根据所述修正数据更新所述用户属性信息与业务属性信息的匹配关系;网络业务筛选模块用于在根据用户属性信息和业务属性信息的匹配关系,确定向用户推荐的网络业务之后,根据用户输入的筛选条件对所述推荐的网络业务进行筛选;网络业务排序模块用于在根据用户属性信息和业务属性信息的匹配关系,确定向用户推荐的网络业务之后,根据用户输入的排序条件对所述推荐的网络业务进行排序。
在上述方案中,所述网络业务为在线课程;
所述用户属性信息包括用户基本属性信息、现有水平信息和用户目标信息;
所述用户基本属性信息包括下述至少一项:性别、学历和兴趣爱好;
所述现有水平信息包括下述至少一项:既往成绩、基础水平和消费水平;
所述用户目标信息包括下述至少一项:考试名称、考试目标、拓展目标和考试时间;
所述业务属性信息包括下述至少一项:标题、简介、描述、分类、学习目标、标签、适合考试时间、适宜的既往成绩、价格和适合人群。
在上述方案中,网络业务推荐模块630优选包括:第一匹配单元、第二匹配单元、第三匹配单元、第四匹配单元、第五匹配单元、第六匹配单元、第七匹配单元、第八匹配单元、第九匹配单元和/或第十匹配单元,以及网络业务推荐单元。
其中,第一匹配单元用于将所述用户属性信息中的性别与所述业务属性信息中的标签和/或描述进行匹配;第二匹配单元用于将所述用户属性信息中的学历与所述业务属性信息中的标签和/或描述进行匹配;第三匹配单元用于将所述用户属性信息中的兴趣爱好与所述业务属性信息中的分类、标签、标题和/或描述进行匹配;第四匹配单元用于将所述用户属性信息中的既往成绩与所述业务属性信息中的适宜的既往成绩进行匹配;第五匹配单元用于将所述用户属性信息中的基础水平与所述业务属性信息中的适合人群进行匹配;第六匹配单元用于将所述用户属性信息中的消费水平与所述业务属性信息中的价格进行匹配;第七匹配单元用于将所述用户属性信息中的考试名称与所述业务属性信息中的分类、标签、标题、简介和/或描述进行匹配;第八匹配单元用于将所述用户属性信息中的考试目标与所述业务属性信息中的学习目标进行匹配;第九匹配单元用于将所述用户属性信息中的拓展目标与所述业务属性信息中的标题和/或标签进行匹配;第十匹配单元用于将所述用户属性信息中的考试时间与所述业务属性信息中的适合考试时间进行匹配;网络业务推荐单元用于根据上述匹配操作的至少一项匹配关系,确定向用户推荐的网络业务。
本发明实施例提供的网络业务的推荐装置可执行本发明任意实施例所提供的网络业务的推荐方法,具备执行方法相应的功能模块和有益效果。
最后应说明的是:以上各实施例仅用于说明本发明的技术方案,而非对其进行限制;实施例中优选的实施方式,并非对其进行限制,对于本领域技术人员而言,本发明可以有各种改动和变化。凡在本发明的精神和原理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)
1.一种网络业务的推荐方法,其特征在于,包括:
获取用户的用户属性信息;
获取网络业务的业务属性信息;
根据用户属性信息和业务属性信息的匹配关系,确定向用户推荐的网络业务。
2.根据权利要求1所述的方法,其特征在于,获取用户的用户属性信息包括下述至少一项:
获取用户的前端主动表达数据;从所述前端主动表达数据中提取用户基本属性信息;
获取用户的历史数据;将所述用户的历史数据与设定用户属性模板进行匹配,得到用户动态属性信息。
3.根据权利要求2所述的方法,其特征在于,获取用户的历史数据包括下述至少一项:
获取用户通过搜索框输入的与网络业务关联的查询式,并获取用户对与所述查询式对应的展现结果的点击数据;将所述查询式与所述点击数据作为所述历史数据;
获取用户在网络业务平台内的与所述网络业务关联的记录,作为所述历史数据。
4.根据权利要求1所述的方法,其特征在于,获取网络业务的业务属性信息包括下述至少一项:
从网络业务的标题、简介和/或描述信息中提取所述业务属性信息;
基于网络业务的客户评价、浏览数据、订阅数据和/或反馈业绩,确定所述业务属性信息。
5.根据权利要求1所述的方法,其特征在于,在根据用户属性信息和业务属性信息的匹配关系,确定向用户推荐的网络业务之后,还包括下述至少一项:
获取用户对业务的点击反馈数据,根据所述点击反馈数据修正所述用户属性信息与业务属性信息的匹配关系;
获取用户对用户属性信息的修正数据,根据所述修正数据更新所述用户属性信息与业务属性信息的匹配关系;
根据用户输入的筛选条件对所述推荐的网络业务进行筛选;
根据用户输入的排序条件对所述推荐的网络业务进行排序。
6.根据权利要求1-5任一所述的方法,其特征在于:
所述网络业务为在线课程;
所述用户属性信息包括用户基本属性信息、现有水平信息和用户目标信息;
所述用户基本属性信息包括下述至少一项:性别、学历和兴趣爱好;
所述现有水平信息包括下述至少一项:既往成绩、基础水平和消费水平;
所述用户目标信息包括下述至少一项:考试名称、考试目标、拓展目标和考试时间;
所述业务属性信息包括下述至少一项:标题、简介、描述、分类、学习目标、标签、适合考试时间、适宜的既往成绩、价格和适合人群。
7.根据权利要求6所述的方法,其特征在于,根据用户属性信息和业务属性信息的匹配关系,确定向用户推荐的网络业务,包括:
将所述用户属性信息中的性别与所述业务属性信息中的标签和/或描述进行匹配;
将所述用户属性信息中的学历与所述业务属性信息中的标签和/或描述进行匹配;
将所述用户属性信息中的兴趣爱好与所述业务属性信息中的分类、标签、标题和/或描述进行匹配;
将所述用户属性信息中的既往成绩与所述业务属性信息中的适宜的既往成绩进行匹配;
将所述用户属性信息中的基础水平与所述业务属性信息中的适合人群进行匹配;
将所述用户属性信息中的消费水平与所述业务属性信息中的价格进行匹配;
将所述用户属性信息中的考试名称与所述业务属性信息中的分类、标签、标题、简介和/或描述进行匹配;
将所述用户属性信息中的考试目标与所述业务属性信息中的学习目标进行匹配;
将所述用户属性信息中的拓展目标与所述业务属性信息中的标题和/或标签进行匹配;
将所述用户属性信息中的考试时间与所述业务属性信息中的适合考试时间进行匹配;
根据上述匹配操作的至少一项匹配关系,确定向用户推荐的网络业务。
8.一种网络业务的推荐装置,其特征在于,包括:
用户属性信息获取模块,用于获取用户的用户属性信息;
业务属性信息获取模块,用于获取网络业务的业务属性信息;
网络业务推荐模块,用于根据用户属性信息和业务属性信息的匹配关系,确定向用户推荐的网络业务。
9.根据权利要求8所述的装置,其特征在于,用户属性信息获取模块包括下述至少一项:
第一用户属性信息获取单元,用于获取用户的前端主动表达数据;从所述前端主动表达数据中提取用户基本属性信息;
第二用户属性信息获取单元,用于获取用户的历史数据;将所述用户的历史数据与设定用户属性模板进行匹配,得到用户动态属性信息。
10.根据权利要求9所述的装置,其特征在于,第二用户属性信息获取单元包括下述至少一项:
第一用户属性信息获取子单元,用于获取用户通过搜索框输入的与网络业务关联的查询式,并获取用户对与所述查询式对应的展现结果的点击数据;将所述查询式与所述点击数据作为所述历史数据;将所述用户的历史数据与设定用户属性模板进行匹配,得到用户动态属性信息;
第二用户属性信息获取子单元,用于获取用户在网络业务平台内的与所述网络业务关联的记录,作为所述历史数据;将所述用户的历史数据与设定用户属性模板进行匹配,得到用户动态属性信息。
11.根据权利要求8所述的装置,其特征在于,业务属性信息获取模块包括下述至少一项:
第一业务属性信息获取单元,用于从网络业务的标题、简介和/或描述信息中提取所述业务属性信息;
第二业务属性信息获取单元,用于基于网络业务的客户评价、浏览数据、订阅数据和/或反馈业绩,确定所述业务属性信息。
12.根据权利要求8所述的装置,其特征在于,还包括下述至少一项:
第一修正模块,用于在根据用户属性信息和业务属性信息的匹配关系,确定向用户推荐的网络业务之后,获取用户对业务的点击反馈数据,根据所述点击反馈数据修正所述用户属性信息与业务属性信息的匹配关系;
第二修正模块,用于在根据用户属性信息和业务属性信息的匹配关系,确定向用户推荐的网络业务之后,获取用户对用户属性信息的修正数据,根据所述修正数据更新所述用户属性信息与业务属性信息的匹配关系;
网络业务筛选模块,用于在根据用户属性信息和业务属性信息的匹配关系,确定向用户推荐的网络业务之后,根据用户输入的筛选条件对所述推荐的网络业务进行筛选;
网络业务排序模块,用于在根据用户属性信息和业务属性信息的匹配关系,确定向用户推荐的网络业务之后,根据用户输入的排序条件对所述推荐的网络业务进行排序。
13.根据权利要求8-12任一所述的装置,其特征在于:
所述网络业务为在线课程;
所述用户属性信息包括用户基本属性信息、现有水平信息和用户目标信息;
所述用户基本属性信息包括下述至少一项:性别、学历和兴趣爱好;
所述现有水平信息包括下述至少一项:既往成绩、基础水平和消费水平;
所述用户目标信息包括下述至少一项:考试名称、考试目标、拓展目标和考试时间;
所述业务属性信息包括下述至少一项:标题、简介、描述、分类、学习目标、标签、适合考试时间、适宜的既往成绩、价格和适合人群。
14.根据权利要求13所述的装置,其特征在于,网络业务推荐模块包括:
第一匹配单元,用于将所述用户属性信息中的性别与所述业务属性信息中的标签和/或描述进行匹配;
第二匹配单元,用于将所述用户属性信息中的学历与所述业务属性信息中的标签和/或描述进行匹配;
第三匹配单元,用于将所述用户属性信息中的兴趣爱好与所述业务属性信息中的分类、标签、标题和/或描述进行匹配;
第四匹配单元,用于将所述用户属性信息中的既往成绩与所述业务属性信息中的适宜的既往成绩进行匹配;
第五匹配单元,用于将所述用户属性信息中的基础水平与所述业务属性信息中的适合人群进行匹配;
第六匹配单元,用于将所述用户属性信息中的消费水平与所述业务属性信息中的价格进行匹配;
第七匹配单元,用于将所述用户属性信息中的考试名称与所述业务属性信息中的分类、标签、标题、简介和/或描述进行匹配;
第八匹配单元,用于将所述用户属性信息中的考试目标与所述业务属性信息中的学习目标进行匹配;
第九匹配单元,用于将所述用户属性信息中的拓展目标与所述业务属性信息中的标题和/或标签进行匹配;
第十匹配单元,用于将所述用户属性信息中的考试时间与所述业务属性信息中的适合考试时间进行匹配;
网络业务推荐单元,用于根据上述匹配操作的至少一项匹配关系,确定向用户推荐的网络业务。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410400508.0A CN104166713A (zh) | 2014-08-14 | 2014-08-14 | 网络业务的推荐方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410400508.0A CN104166713A (zh) | 2014-08-14 | 2014-08-14 | 网络业务的推荐方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104166713A true CN104166713A (zh) | 2014-11-26 |
Family
ID=51910526
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410400508.0A Pending CN104166713A (zh) | 2014-08-14 | 2014-08-14 | 网络业务的推荐方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104166713A (zh) |
Cited By (38)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105117418A (zh) * | 2015-07-30 | 2015-12-02 | 百度在线网络技术(北京)有限公司 | 基于搜索的服务信息管理系统及方法 |
CN105224321A (zh) * | 2015-09-25 | 2016-01-06 | 北京大学 | 实体双边匹配方法及系统 |
CN105320748A (zh) * | 2015-09-29 | 2016-02-10 | 陈飞 | 一种匹配用户的主观标准的检索方法与检索系统 |
CN105477860A (zh) * | 2015-12-22 | 2016-04-13 | 北京奇虎科技有限公司 | 游戏活动推荐方法及装置 |
CN105512341A (zh) * | 2015-12-31 | 2016-04-20 | 华南师范大学 | 基于大数据搜索的个性化推荐方法和系统 |
CN105574110A (zh) * | 2015-12-14 | 2016-05-11 | 北京奇虎科技有限公司 | 游戏智能推荐方法及装置 |
CN105617657A (zh) * | 2015-12-22 | 2016-06-01 | 北京奇虎科技有限公司 | 游戏智能推荐方法及装置 |
CN105630977A (zh) * | 2015-12-25 | 2016-06-01 | 腾讯科技(深圳)有限公司 | 应用程序推荐方法、装置及系统 |
CN105654341A (zh) * | 2015-12-28 | 2016-06-08 | 中国民航信息网络股份有限公司 | 一种基于云服务的航空产品推荐系统及方法 |
CN105718525A (zh) * | 2016-01-15 | 2016-06-29 | 北京橙鑫数据科技有限公司 | 展会推荐方法和装置 |
CN105989047A (zh) * | 2015-02-05 | 2016-10-05 | 富士通株式会社 | 获取装置、获取方法、训练装置以及检测装置 |
CN106156020A (zh) * | 2015-03-23 | 2016-11-23 | 阿里巴巴集团控股有限公司 | 一种画像显示方法及装置 |
CN106156211A (zh) * | 2015-04-23 | 2016-11-23 | 中国移动通信集团安徽有限公司 | 一种信息推送方法及装置 |
CN106168971A (zh) * | 2016-07-08 | 2016-11-30 | 北京麒麟合盛网络技术有限公司 | 信息订阅方法及装置 |
CN106991628A (zh) * | 2017-03-31 | 2017-07-28 | 河北天英软件科技有限公司 | 一种在线培训考试方法和系统 |
WO2017190283A1 (zh) * | 2016-05-04 | 2017-11-09 | 汤美 | 网络课程的筛选方法及系统 |
CN107346323A (zh) * | 2016-05-06 | 2017-11-14 | 华为软件技术有限公司 | 一种标签推荐的方法及标签推荐装置 |
CN107590205A (zh) * | 2017-08-23 | 2018-01-16 | 阿里巴巴集团控股有限公司 | 一种业务展示方法、装置及设备 |
CN107679904A (zh) * | 2017-09-28 | 2018-02-09 | 山东浪潮云服务信息科技有限公司 | 一种推荐商品的方法及装置 |
CN107844567A (zh) * | 2017-02-26 | 2018-03-27 | 广州衡昊数据科技有限公司 | 一种业务经验包推荐系统和方法 |
CN108076128A (zh) * | 2016-12-28 | 2018-05-25 | 北京市商汤科技开发有限公司 | 用户属性提取方法、装置和电子设备 |
CN108287909A (zh) * | 2018-01-31 | 2018-07-17 | 北京仁和汇智信息技术有限公司 | 一种论文推送方法及装置 |
CN108470023A (zh) * | 2018-01-18 | 2018-08-31 | 阿里巴巴集团控股有限公司 | 业务功能的推荐方法及装置 |
CN108734348A (zh) * | 2018-05-14 | 2018-11-02 | 广东心里程教育集团有限公司 | 一种自动推送在线课程的方法和系统 |
CN109213771A (zh) * | 2018-06-28 | 2019-01-15 | 深圳市彬讯科技有限公司 | 更新画像标签的方法和装置 |
CN109255522A (zh) * | 2018-08-14 | 2019-01-22 | 殷肇良 | 一种用户管理方法 |
WO2019033418A1 (zh) * | 2017-08-18 | 2019-02-21 | 深圳市华第时代科技有限公司 | 一种课程推送方法、装置、服务器及存储介质 |
CN109584976A (zh) * | 2018-10-30 | 2019-04-05 | 嘉兴太美医疗科技有限公司 | 包含用户画像等级评价和等级培训的药物警戒系统及方法 |
CN109658127A (zh) * | 2018-11-13 | 2019-04-19 | 平安科技(深圳)有限公司 | 断点信息的处理方法及装置 |
CN109871415A (zh) * | 2019-01-21 | 2019-06-11 | 武汉光谷信息技术股份有限公司 | 一种基于图数据库的用户画像构建方法、系统及存储介质 |
CN109903143A (zh) * | 2019-03-27 | 2019-06-18 | 深圳市活力天汇科技股份有限公司 | 一种基于用户消费水平的航班推荐方法 |
CN109936753A (zh) * | 2019-03-05 | 2019-06-25 | 聚好看科技股份有限公司 | 儿童专属课堂推荐方法和装置 |
CN110569435A (zh) * | 2019-08-29 | 2019-12-13 | 苏州华策网络科技有限公司 | 智能双端推荐引擎系统和方法 |
CN110598016A (zh) * | 2019-09-11 | 2019-12-20 | 腾讯科技(深圳)有限公司 | 一种多媒体信息推荐的方法、装置、设备和介质 |
CN112069219A (zh) * | 2020-07-22 | 2020-12-11 | 北京思特奇信息技术股份有限公司 | 一种批量匹配数据配置化实现业务推荐的方法及系统 |
CN112395486A (zh) * | 2019-08-12 | 2021-02-23 | 中国移动通信集团重庆有限公司 | 一种宽带业务推荐方法、系统、服务器和存储介质 |
CN112507218A (zh) * | 2020-12-03 | 2021-03-16 | 广州华多网络科技有限公司 | 业务对象推荐方法、装置、电子设备及存储介质 |
CN113709062A (zh) * | 2020-06-19 | 2021-11-26 | 天翼智慧家庭科技有限公司 | 基于业务动态画像的资源调整方法和系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110177480A1 (en) * | 2010-01-15 | 2011-07-21 | Satish Menon | Dynamically recommending learning content |
CN102508846A (zh) * | 2011-09-26 | 2012-06-20 | 深圳中兴网信科技有限公司 | 一种基于网络的媒体课件的推荐方法和系统 |
CN103970753A (zh) * | 2013-01-28 | 2014-08-06 | 北大方正集团有限公司 | 关联知识的推送方法和装置 |
-
2014
- 2014-08-14 CN CN201410400508.0A patent/CN104166713A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110177480A1 (en) * | 2010-01-15 | 2011-07-21 | Satish Menon | Dynamically recommending learning content |
CN102508846A (zh) * | 2011-09-26 | 2012-06-20 | 深圳中兴网信科技有限公司 | 一种基于网络的媒体课件的推荐方法和系统 |
CN103970753A (zh) * | 2013-01-28 | 2014-08-06 | 北大方正集团有限公司 | 关联知识的推送方法和装置 |
Cited By (52)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105989047A (zh) * | 2015-02-05 | 2016-10-05 | 富士通株式会社 | 获取装置、获取方法、训练装置以及检测装置 |
CN106156020A (zh) * | 2015-03-23 | 2016-11-23 | 阿里巴巴集团控股有限公司 | 一种画像显示方法及装置 |
CN106156211A (zh) * | 2015-04-23 | 2016-11-23 | 中国移动通信集团安徽有限公司 | 一种信息推送方法及装置 |
CN105117418A (zh) * | 2015-07-30 | 2015-12-02 | 百度在线网络技术(北京)有限公司 | 基于搜索的服务信息管理系统及方法 |
CN105117418B (zh) * | 2015-07-30 | 2022-02-18 | 百度在线网络技术(北京)有限公司 | 基于搜索的服务信息管理系统及方法 |
CN105224321A (zh) * | 2015-09-25 | 2016-01-06 | 北京大学 | 实体双边匹配方法及系统 |
CN105224321B (zh) * | 2015-09-25 | 2018-07-06 | 北京大学 | 实体双边匹配方法及系统 |
CN105320748A (zh) * | 2015-09-29 | 2016-02-10 | 陈飞 | 一种匹配用户的主观标准的检索方法与检索系统 |
CN105320748B (zh) * | 2015-09-29 | 2022-02-22 | 耀灵人工智能(浙江)有限公司 | 一种匹配用户的主观标准的检索方法与检索系统 |
CN105574110A (zh) * | 2015-12-14 | 2016-05-11 | 北京奇虎科技有限公司 | 游戏智能推荐方法及装置 |
CN105477860A (zh) * | 2015-12-22 | 2016-04-13 | 北京奇虎科技有限公司 | 游戏活动推荐方法及装置 |
CN105617657A (zh) * | 2015-12-22 | 2016-06-01 | 北京奇虎科技有限公司 | 游戏智能推荐方法及装置 |
CN105617657B (zh) * | 2015-12-22 | 2019-06-18 | 北京奇虎科技有限公司 | 游戏智能推荐方法及装置 |
CN105630977A (zh) * | 2015-12-25 | 2016-06-01 | 腾讯科技(深圳)有限公司 | 应用程序推荐方法、装置及系统 |
CN105630977B (zh) * | 2015-12-25 | 2019-03-26 | 腾讯科技(深圳)有限公司 | 应用程序推荐方法、装置及系统 |
CN105654341A (zh) * | 2015-12-28 | 2016-06-08 | 中国民航信息网络股份有限公司 | 一种基于云服务的航空产品推荐系统及方法 |
CN105512341A (zh) * | 2015-12-31 | 2016-04-20 | 华南师范大学 | 基于大数据搜索的个性化推荐方法和系统 |
CN105512341B (zh) * | 2015-12-31 | 2019-05-31 | 华南师范大学 | 基于大数据搜索的个性化推荐方法和系统 |
CN105718525A (zh) * | 2016-01-15 | 2016-06-29 | 北京橙鑫数据科技有限公司 | 展会推荐方法和装置 |
WO2017190283A1 (zh) * | 2016-05-04 | 2017-11-09 | 汤美 | 网络课程的筛选方法及系统 |
CN107346323B (zh) * | 2016-05-06 | 2021-01-29 | 华为技术有限公司 | 一种标签推荐的方法及标签推荐装置 |
CN107346323A (zh) * | 2016-05-06 | 2017-11-14 | 华为软件技术有限公司 | 一种标签推荐的方法及标签推荐装置 |
CN106168971A (zh) * | 2016-07-08 | 2016-11-30 | 北京麒麟合盛网络技术有限公司 | 信息订阅方法及装置 |
CN108076128A (zh) * | 2016-12-28 | 2018-05-25 | 北京市商汤科技开发有限公司 | 用户属性提取方法、装置和电子设备 |
CN107844567A (zh) * | 2017-02-26 | 2018-03-27 | 广州衡昊数据科技有限公司 | 一种业务经验包推荐系统和方法 |
CN106991628A (zh) * | 2017-03-31 | 2017-07-28 | 河北天英软件科技有限公司 | 一种在线培训考试方法和系统 |
WO2019033418A1 (zh) * | 2017-08-18 | 2019-02-21 | 深圳市华第时代科技有限公司 | 一种课程推送方法、装置、服务器及存储介质 |
CN107590205A (zh) * | 2017-08-23 | 2018-01-16 | 阿里巴巴集团控股有限公司 | 一种业务展示方法、装置及设备 |
CN107679904A (zh) * | 2017-09-28 | 2018-02-09 | 山东浪潮云服务信息科技有限公司 | 一种推荐商品的方法及装置 |
CN108470023A (zh) * | 2018-01-18 | 2018-08-31 | 阿里巴巴集团控股有限公司 | 业务功能的推荐方法及装置 |
CN108287909B (zh) * | 2018-01-31 | 2020-08-04 | 北京仁和汇智信息技术有限公司 | 一种论文推送方法及装置 |
CN108287909A (zh) * | 2018-01-31 | 2018-07-17 | 北京仁和汇智信息技术有限公司 | 一种论文推送方法及装置 |
CN108734348A (zh) * | 2018-05-14 | 2018-11-02 | 广东心里程教育集团有限公司 | 一种自动推送在线课程的方法和系统 |
CN109213771A (zh) * | 2018-06-28 | 2019-01-15 | 深圳市彬讯科技有限公司 | 更新画像标签的方法和装置 |
CN109255522A (zh) * | 2018-08-14 | 2019-01-22 | 殷肇良 | 一种用户管理方法 |
CN109584976A (zh) * | 2018-10-30 | 2019-04-05 | 嘉兴太美医疗科技有限公司 | 包含用户画像等级评价和等级培训的药物警戒系统及方法 |
CN109658127B (zh) * | 2018-11-13 | 2024-04-26 | 平安科技(深圳)有限公司 | 断点信息的处理方法及装置 |
CN109658127A (zh) * | 2018-11-13 | 2019-04-19 | 平安科技(深圳)有限公司 | 断点信息的处理方法及装置 |
CN109871415B (zh) * | 2019-01-21 | 2021-04-30 | 武汉光谷信息技术股份有限公司 | 一种基于图数据库的用户画像构建方法、系统及存储介质 |
CN109871415A (zh) * | 2019-01-21 | 2019-06-11 | 武汉光谷信息技术股份有限公司 | 一种基于图数据库的用户画像构建方法、系统及存储介质 |
CN109936753A (zh) * | 2019-03-05 | 2019-06-25 | 聚好看科技股份有限公司 | 儿童专属课堂推荐方法和装置 |
CN109936753B (zh) * | 2019-03-05 | 2022-01-28 | 聚好看科技股份有限公司 | 儿童专属课堂推荐方法和装置 |
CN109903143A (zh) * | 2019-03-27 | 2019-06-18 | 深圳市活力天汇科技股份有限公司 | 一种基于用户消费水平的航班推荐方法 |
CN112395486A (zh) * | 2019-08-12 | 2021-02-23 | 中国移动通信集团重庆有限公司 | 一种宽带业务推荐方法、系统、服务器和存储介质 |
CN112395486B (zh) * | 2019-08-12 | 2023-11-03 | 中国移动通信集团重庆有限公司 | 一种宽带业务推荐方法、系统、服务器和存储介质 |
CN110569435B (zh) * | 2019-08-29 | 2023-01-03 | 苏州华策网络科技有限公司 | 智能双端推荐引擎系统和方法 |
CN110569435A (zh) * | 2019-08-29 | 2019-12-13 | 苏州华策网络科技有限公司 | 智能双端推荐引擎系统和方法 |
CN110598016A (zh) * | 2019-09-11 | 2019-12-20 | 腾讯科技(深圳)有限公司 | 一种多媒体信息推荐的方法、装置、设备和介质 |
CN113709062A (zh) * | 2020-06-19 | 2021-11-26 | 天翼智慧家庭科技有限公司 | 基于业务动态画像的资源调整方法和系统 |
CN113709062B (zh) * | 2020-06-19 | 2024-04-16 | 天翼视联科技有限公司 | 基于业务动态画像的资源调整方法和系统 |
CN112069219A (zh) * | 2020-07-22 | 2020-12-11 | 北京思特奇信息技术股份有限公司 | 一种批量匹配数据配置化实现业务推荐的方法及系统 |
CN112507218A (zh) * | 2020-12-03 | 2021-03-16 | 广州华多网络科技有限公司 | 业务对象推荐方法、装置、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104166713A (zh) | 网络业务的推荐方法和装置 | |
Rai et al. | Assessing the validity of IS success models: An empirical test and theoretical analysis | |
Park et al. | The impact of mixed eWOM sequence on brand attitude change: Cross-cultural differences | |
Indriana et al. | UI/UX analysis & design for mobile e-commerce application prototype on Gramedia. com | |
Baraković et al. | Survey of research on Quality of Experience modelling for web browsing | |
Liu et al. | A hierarchical similarity based job recommendation service framework for university students | |
Alwan et al. | The effect of digital marketing on value creation and customer satisfaction | |
Choi et al. | Quality evaluation for multimedia contents of e-learning systems using the ANP approach on high speed network | |
Santos | Educational Recommender Systems and Technologies: Practices and Challenges: Practices and Challenges | |
Ochirbat et al. | Hybrid occupation recommendation for adolescents on interest, profile, and behavior | |
Gunawan et al. | Millennial behavioral intention to adopt e-book using UTAUT2 model | |
Kaur et al. | A fuzzy-based framework for evaluation of website design quality index | |
Balajee et al. | Web Design Focusing on Users Viewing Experience with Respect to Static and Dynamic Nature of Web Sites | |
Đorđević | Evaluation of the usability of Web-based applications | |
Panda et al. | Web site productivity measurement using single task size measure | |
Sabariah | Recommendation of information architecture design on higher education institution website using card sorting approach on goal-directed design method | |
Valderas et al. | A social network for supporting end users in the composition of services: definition and proof of concept | |
Strimling | Beyond accuracy: What documentation quality means to readers | |
Maemunah et al. | The effect of attitude and purchasing of millennials consumers towards brand love in sports wear brands | |
US11494793B2 (en) | Systems and methods for the generation, administration and analysis of click testing | |
Yahya et al. | The Effect of Digital Marketing and Customer Satisfaction on Company Image And Its Impact on Customer Loyalty Local Water Supply Utility (PDAM) Semarang Regency | |
Wójcik | The use of web 2.0 services by urban public libraries in Poland: changes over the years 2011–2013 | |
Israr et al. | Acceptance of internet banking in Pakistan: integration of unified theory of acceptance and use of technology and DeLone and McLean IS model: Acceptance of internet banking in Pakistan: integration of unified theory of acceptance and use of technology and DeLone and McLean IS model | |
Hermadi et al. | Usability Evaluation of the Participatory-based KMS Sawit Mobile Application | |
Hocutt | Composing with generative AI on digital advertising platforms |
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 |
Application publication date: 20141126 |
|
RJ01 | Rejection of invention patent application after publication |