CN104216965B - 信息推荐方法和装置 - Google Patents
信息推荐方法和装置 Download PDFInfo
- Publication number
- CN104216965B CN104216965B CN201410416151.5A CN201410416151A CN104216965B CN 104216965 B CN104216965 B CN 104216965B CN 201410416151 A CN201410416151 A CN 201410416151A CN 104216965 B CN104216965 B CN 104216965B
- Authority
- CN
- China
- Prior art keywords
- information
- user
- historical viewings
- recommendation
- label
- 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
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)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明实施例公开了一种信息推荐方法,包括:获取用户的历史浏览记录;获取历史浏览记录中每个历史浏览信息的特征标签;根据特征标签获取用户的用户特征信息;以及根据用户特征信息进行信息推荐。本发明实施例的方法为信息设置特征标签,通过对用户浏览过的信息的特征标签进行分析,得到用户的用户特征信息(性别、年龄等),根据用户特征信息向该用户推荐可能感兴趣的信息,有效提高了推荐结果的准确率,从而能够更为精准的为用户推荐贴合用户需求的个性化信息。本发明还公开了一种信息推荐装置。
Description
技术领域
本发明涉及互联网技术领域,尤其涉及一种信息推荐方法和装置。
背景技术
随着互联网技术的迅猛发展,个性化推荐已成为了人们网络生活中不可或缺的网络服务之一,也成为了互联网产品未来发展的一个重点。
目前,现有的个性化推荐方案主要为:1、用户根据自身兴趣设定喜好的兴趣标签,系统根据推荐信息与用户兴趣标签的匹配程度为用户进行个性化推荐。例如,在新浪微博中,用户自行设定自己的兴趣标签,系统根据推荐微博与用户兴趣标签的匹配程度,为用户进行微博的个性化推荐;2、用户根据自身兴趣,在已经设定好的分类中选择感兴趣的类别标签,系统根据推荐信息与用户类别标签的匹配程度为用户进行个性化推荐。例如,在百度知道中,用户自行选择自己擅长领域的类别标签,系统根据待解答问题与用户类别标签的匹配程度,为用户进行待解答问题的个性化推荐。
但是存在的问题是,由于用户用于自行设定或者选择标签的时间及精力有限,或者鉴于个人隐私不愿意去配置相应的标签,导致标签描述不准确且覆盖率低,使得无法将标签与推荐信息进行精确匹配,从而导致推荐结果的准确率降低,不能精确的为用户推荐贴合用户需求的个性化信息。
发明内容
本发明的目的旨在至少在一定程度上解决上述的技术问题之一。
为此,本发明的一个目的在于提出一种信息推荐方法。该方法通过为信息设置特征标签,通过对用户浏览过的信息的特征标签进行分析,得到用户的用户特征信息(性别、年龄等),根据该用户特征信息向用户推荐可能感兴趣的信息,有效提高了推荐结果的准确率,从而能够更为精准的为用户推荐贴合用户需求的个性化信息。
本发明的另一个目的在于提出一种信息推荐装置。
为了实现上述目的,本发明一方面实施例的信息推荐方法,包括:获取用户的历史浏览记录;获取所述历史浏览记录中每个历史浏览信息的特征标签;根据所述特征标签获取所述用户的用户特征信息;以及根据所述用户特征信息进行信息推荐。
本发明实施例的信息推荐方法,为信息设置特征标签,可先获取用户的历史浏览记录,之后可获取历史浏览记录中每个历史浏览信息的特征标签,并根据特征标签获取用户的用户特征信息,以及根据用户特征信息进行信息推荐,并将信息推荐给用户以便用户阅读浏览,即通过对用户浏览过的信息内容中的标签进行分析,得到用户的用户特征信息(性别、年龄等),根据该用户特征信息向用户推荐可能感兴趣的信息,提高了推荐结果的准确率,从而能够更为精准的为用户推荐贴合用户需求的个性化信息。
为了实现上述目的,本发明另一方面实施例的信息推荐装置,包括:第一获取模块,用于获取用户的历史浏览记录;第二获取模块,用于获取所述历史浏览记录中每个历史浏览信息的特征标签;第三获取模块,用于根据所述特征标签获取所述用户的用户特征信息;以及推荐模块,用于根据所述用户特征信息进行信息推荐。
本发明实施例的信息推荐装置,可通过第一获取模块获取用户的历史浏览记录,第二获取模块获取历史浏览记录中每个历史浏览信息的特征标签,第三获取模块根据特征标签获取用户的用户特征信息,推荐模块根据所述用户特征信息进行信息推荐,并将信息推荐给用户以便用户阅读浏览,即通过对用户浏览过的信息内容中的标签进行分析,得到用户的用户特征信息(性别、年龄等),根据该用户特征信息向用户推荐可能感兴趣的信息,提高了推荐结果的准确率,从而能够更为精准的为用户推荐贴合用户需求的个性化信息。
本发明附加的方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解,其中:
图1是根据本发明一个实施例的信息推荐方法的流程图;
图2是根据本发明另一个实施例的信息推荐方法的流程图;
图3是根据本发明又一个实施例的信息推荐方法的流程图;
图4是根据本发明一个实施例的信息推荐装置的结构示意图;
图5是根据本发明另一个实施例的信息推荐装置的结构示意图;
图6是根据本发明又一个实施例的信息推荐装置的结构示意图;
图7是根据本发明再一个实施例的信息推荐装置的结构示意图。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,旨在用于解释本发明,而不能理解为对本发明的限制。
下面参考附图描述根据本发明实施例的信息推荐方法和装置。
图1是根据本发明一个实施例的信息推荐方法的流程图。如图1所示,该信息推荐方法可以包括:
S101,获取用户的历史浏览记录。
其中,在本发明的实施例中,历史浏览记录可以理解为用户针对预先提供的可阅读信息的浏览记录,该记录中记载有用户在一定时间段内浏览过的信息,即历史浏览信息。例如,以预先为用户提供了可阅读的大量新闻为例,可获取用户在一定时间段内阅读过的所有新闻的记录,以作为历史浏览记录。
S102,获取历史浏览记录中每个历史浏览信息的特征标签。
在本发明的实施例中,为信息设置特征标签,该特征标签可称之为信息的Tag标签,每条信息可具有至少一个Tag标签,即历史浏览信息可具有至少一个Tag标签。Tag标签可以为能够概括信息中主要内容的关键词。
其中,历史浏览信息的Tag标签可以是本步骤所实时确定并获取的,也可以是通过对该信息的分析预先设置好的,则本步骤中可以直接获取到历史浏览记录的预先设置好的Tag标签。本发明对于Tag标签如何获取不做限定。
举例而言,假设历史浏览记录中记录了用户浏览过“戴智能表开车会比手机安全?”、“手机NFC支付功能安全吗?”等,对这些新闻内容进行分析可得到对应的Tag标签为“科技”;假设历史浏览记录中记录了用户浏览过“连跌不止!恒大世界排名再降仅列72亚洲第二”,对该新闻内容进行分析可得到对应的Tag标签为“体育”、“足球”等;假设历史浏览记录中记录了用户浏览过“韩团EXO官方全球粉丝俱乐部EXO-L成立”,对该新闻内容进行分析可得到对应的Tag标签为“娱乐”、“韩团EXO”等。
具体而言,在本发明的一个实施例中,本步骤中,可实时确定并获取的历史浏览信息的特征标签。例如,可对历史浏览信息的信息内容进行分词。之后,可对分词后的历史浏览信息的信息内容进行出现频率的统计,并将信息内容中出现频率最高的词语作为历史浏览信息的特征标签。例如,以历史浏览信息为用户浏览过的新闻为例,可通过分词技术实时对用户浏览过的新闻内容进行内容分析,即对新闻内容进行分词,并对分词后得到的词语进行出现频率的统计,将出现频率最高的词语作为该新闻内容的Tag标签。
在本发明的另一个实施例中,本步骤中,可根据预先的设置,获取历史浏览记录中每个历史浏览信息的特征标签。
具体的,该信息推荐方法可通过以下步骤来进行上述的预先设置:可根据人为输入的标签信息,设置历史浏览信息的特征标签;即可通过工作人员为每条信息设置特征标签。
或者,也可通过分析提取历史浏览信息对应的关键词,将关键词设置为历史浏览信息的特征标签。
也就是说,历史浏览信息的特征标签还可根据预先的设置来获取,其中,预先的设置可以是人为设置的,如预先人为定义一个标签并将该标签作为历史浏览信息的特征标签。预先的设置还可以是通过提取历史浏览信息中的关键词并将其作为历史浏览信息的特征标签。其中,关键词的提取方法有很多种,例如,可通过分词技术对历史浏览信息的信息内容进行分词,并对分词后得到的词语进行统计,并将出现频率最高的词语作为关键词;又如,可读取历史浏览信息所对应的HTML页面的页面数据中“keyword”,并对该“keyword”所对应的值进行分析并提取以得到历史浏览信息的关键词。
S103,根据特征标签获取用户的用户特征信息。
其中,在本发明的实施例中,用户特征信息可包括但不限于用户的年龄信息和/或性别信息等。
具体而言,在本发明的一个实施例中,可根据特征标签查询预设的标签特征对照表以获取用户的用户特征信息。其中,预设的标签特征对照表为预先设定的。也就是说,根据特征标签在预设的标签特征对照表中进行查询,可找出与特征标签相对应的用户的特征。
例如,假设获取到用户的历史浏览信息特征标签包括“科技”、“体育”、“足球”、“娱乐”、“韩团EXO”等,根据“科技”、“体育”、“足球”特征标签在预设的标签特征对照表中进行查询,可查询出该用户的性别可能为男性,同时根据“娱乐”、“韩团EXO”特征标签可查询出该用户的年龄大概在20岁左右。又如,假设用户浏览过的新闻大多是属于军事类新闻,则可判断该用户为男性,同时该用户还浏览过大量的抗日战争时期的新闻,则可判断该用户的年龄大概在50岁左右。
S104,根据用户特征信息进行信息推荐。
例如,当用户通过信息站点,例如新闻客户端阅读信息时,可根据用户特征信息获取与该用户的性别、年龄相适应的一些用户可能感兴趣的信息,之后可将这些信息发送至用户,以便用户阅读浏览。
本发明实施例的信息推荐方法,可先获取用户的历史浏览记录,之后可获取历史浏览记录中每个历史浏览信息的特征标签,并根据特征标签获取用户的用户特征信息,以及根据用户特征信息进行信息推荐,并将信息推荐给用户以便用户阅读浏览,即通过对用户浏览过的信息内容中的标签进行分析,得到用户的用户特征信息(性别、年龄等),根据该用户特征信息向用户推荐可能感兴趣的信息,提高了推荐结果的准确率,从而能够更为精准的为用户推荐贴合用户需求的个性化信息,从而能够更为精准的为用户推荐贴合用户需求的个性化信息。
图2是根据本发明另一个实施例的信息推荐方法的流程图。
为了提高信息推荐的准确率,在本发明的实施例中,可获取用户的喜好标签,并根据用户特征信息和用户的喜好标签进行信息推荐。具体地,如图2所示,该信息推荐方法可以包括:
S201,获取用户的历史浏览记录。
S202,获取历史浏览记录中每个历史浏览信息的特征标签。
S203,根据特征标签获取用户的用户特征信息。
S204,获取历史浏览记录中用户针对每个历史浏览信息的喜好信息。
其中,用户的喜好信息表示用户是否喜欢这个信息或者是否对这个信息感兴趣。
具体而言,在本发明的一个实施例中,可先获取历史浏览记录中用户针对每个历史浏览信息的浏览行为记录。之后,可根据用户针对每个历史浏览信息的浏览行为记录获取用户的喜好信息。其中,浏览行为记录可理解为用户在浏览某个信息时的停留时间或者信息页面下拉长度即信息浏览长度等。
其中,停留时间和信息页面下拉长度可以用来体现用户对这个信息的喜好程度,例如,如果一个用户进入一个信息后扫了一眼立即离开,说明这个信息对于用户而言并没有很大的吸引力,用户并不喜欢这个信息;或者,在一个用户进入一个信息页面进行浏览时没有下拉这个信息页面或者只向下拉动一点就离开这个信息页面,也可说明这个信息对于用户而言并没有很大的吸引力,用户并不喜欢这个信息。基于此,通过获取停留时间和/或信息页面下拉长度,来分析用户对信息的喜好程度。
例如,用户在浏览某个新闻时的停留时间超过了预设值,则可认为该用户对该新闻感兴趣。或者,如果用户针对新闻的停留时间小于预设值,则可判断用户不喜欢该新闻。
再例如,用户在浏览某个新闻时,新闻页面下拉长度超过了预设值,或者新闻页面下拉长度达到了整个新闻页面长度的一定比例,则可认为该用户对该新闻感兴趣。或者,如果用户针对新闻页面的下拉长度小于预设值,或者未达到整个新闻页面长度的一定比例,则可判断用户不喜欢该新闻。
当然,也可以结合停留时间和页面下拉长度来判断用户对信息的喜好程度,这里不再赘述。
再例如,由于在历史浏览记录中可能有用户误浏览的浏览信息,比如用户打开某个新闻时立即退出了该新闻,可认为该用户对该新闻不感兴趣而是误打开的该新闻,但是该浏览记录已被记录到了历史浏览记录中。因此,需对每个历史浏览信息进行筛选以得到用户感兴趣的信息,即可先获取该用户在浏览某个信息时的停留时间,根据该停留时间来确定用户是否喜好这类信息。
当然,可选的,本步骤中,还可通过现有技术中的标记的方式来确定用户的喜好。举例而言,以信息推荐为新闻推荐为例,假设某个新闻网站设置了以“关注”、“不关注”或“赞”、“踩”等方式表示用户对某个新闻是否感兴趣,那么当用户对该新闻网站上的某个新闻进行了评论或标记了“关注”或“赞”等操作时,可认为该用户对该新闻感兴趣,即该新闻属于用户的喜好新闻。
S205,根据喜好信息对特征标签进行筛选以获取用户的喜好标签。
其中,在本发明的实施例中,喜好标签可理解为用户喜好的特征标签,即用户感兴趣的特征标签。
也就是说,在获取到用户的喜好信息时,即可获取到用户对历史浏览记录中哪些历史浏览信息感兴趣,那么上述哪些历史浏览信息对应的特征标签即为用户的喜好标签。
S206,根据用户特征信息和用户的喜好标签进行信息推荐。
具体地,可先根据用户特征信息获取欲推荐信息,之后可根据用户的喜好标签从上述欲推荐信息中获取待推荐信息,待推荐信息可以为欲推荐信息中特征标签为用户的喜好标签的信息,并将该待推荐信息推荐至用户,以便用户阅读浏览。具体实现方式的描述可参照后续实施例。
可选的,在本发明的一个实施例中,S202、S203与S204不区分被执行的先后顺序。也就是说,可先在获取到用户的喜好信息之后再获取用户的用户特征信息。也可先获取到用户的用户特征信息之后再获取用户的喜好信息。
本发明实施例的信息推荐方法,可先获取历史浏览记录中用户针对每个历史浏览信息的喜好信息,之后根据喜好信息对特征标签进行筛选以获取用户的喜好标签,以及根据用户特征信息和用户的喜好标签进行信息推荐,即通过用户的喜好信息对特征标签进行筛选以得到用户的喜好标签,之后根据用户特征信息和用户的喜好标签获取待推荐信息,提高了信息推荐的准确率,从而能够更为精准的为用户推荐贴合用户需求的个性化信息。
图3是根据本发明又一个实施例的信息推荐方法的流程图。
为了使得推荐信息更加精确,并且使得推荐信息能够更加地贴近用户的兴趣,在本发明的实施例中,可先根据用户特征信息获取多个欲推荐信息,并分别获取多个欲推荐信息中每个欲推荐信息的特征标签,之后,可通过每个欲推荐信息的特征标签与用户的喜好标签进行内容比对以获取待推荐信息,并将待推荐信息推荐至用户。具体地,如图3所示,该信息推荐方法可以包括:
S301,获取用户的历史浏览记录。
S302,获取历史浏览记录中每个历史浏览信息的特征标签。
S303,根据特征标签获取用户的用户特征信息。
S304,获取历史浏览记录中用户针对每个历史浏览信息的喜好信息。
S305,根据喜好信息对特征标签进行筛选以获取用户的喜好标签。
S306,根据用户特征信息获取多个欲推荐信息,并分别获取多个欲推荐信息中每个欲推荐信息的特征标签。
其中,在本发明的实施例中,特征标签可理解为欲推荐信息的信息内容中的Tag标签。
例如,以推荐信息为推荐新闻为例,可先根据用户特征信息获取与该用户的年龄、性别等信息相适应的多个新闻作为欲推荐新闻,之后,可对这些欲推荐新闻进行分析以得到对应的Tag标签。例如,假设欲推荐新闻所对应的HTML页面中具有Tag标签,则可先读取欲推荐新闻所对应的HTML页面中“keyword”,之后可对该“keyword”所对应的值进行分析并提取以得到欲推荐新闻的新闻内容的Tag标签。又如,可通过分词技术对欲推荐新闻的新闻内容进行内容分析,即对新闻内容进行分词,并对分词后得到的词进行统计,将出现频率高的词作为Tag标签。应当理解,欲推荐信息中可能具有预先设置的标签,还可通过获取欲推荐信息中预先设置的标签以作为特征标签。
S307,将每个欲推荐信息的特征标签分别与用户的喜好标签进行匹配。
S308,当多个欲推荐信息中的至少一个欲推荐信息的特征标签与用户的喜好标签相匹配或者匹配程度大于预设阀值时,将至少一个欲推荐信息作为待推荐信息推荐给用户。其中,在本发明的实施例中,预设阀值可为预先设定的。
例如,可将欲推荐信息的特征标签与用户的喜好标签进行匹配,当欲推荐信息的特征标签与用户的喜好标签相匹配时,例如这两个标签相同时,可认为该特征标签对应的欲推荐信息是用户感兴趣的信息,进而可将该特征标签所对应的欲推荐信息作为待推荐信息,以向用户进行推荐。
当然,也可将欲推荐信息的特征标签与用户的喜好标签进行内容匹配,当两者内容比对的匹配程度(也可称为相似度)大于预设阀值(如60%)时,可认为该特征标签对应的欲推荐信息是用户感兴趣的信息,进而可将该特征标签所对应的欲推荐信息作为待推荐信息,以向用户进行推荐。例如,欲推荐信息的特征标签为“韩国娱乐天团”,而用户的喜好标签为“韩国娱乐”,两者的匹配程度可以通过字对字进行匹配,例如,相匹配的字的数目是4,而字数最多的标签的字数是6,两者的匹配程度可以通过4/6来计算,该匹配程度大于预设阈值60%,所以可认为该特征标签对应的欲推荐信息是用户感兴趣的信息,进而可将该特征标签所对应的欲推荐信息作为待推荐信息,以向用户进行推荐。需要强调的是,本发明实施例对于如何确定欲推荐信息的特征标签和喜好标签之间的匹配程度不做限定,本领域技术人员可以根据本领域的公知常识和常用技术手段进行选择。
本发明实施例的信息推荐方法,可先根据用户特征信息获取多个欲推荐信息,并分别获取多个欲推荐信息中每个欲推荐信息的特征标签,之后,可将每个欲推荐信息的特征标签分别与用户的喜好标签进行匹配,当多个欲推荐信息中的至少一个欲推荐信息的特征标签与用户的喜好标签相匹配或者的匹配程度大于预设阀值时,将至少一个欲推荐信息作为待推荐信息,并将待推荐信息推荐至用户,通过特征标签与用户的喜好标签进行内容比对,使得推荐信息更加精确,进而使得推荐信息能够更加地贴近用户的兴趣,提升了用户体验。
需要说明的是,由于用户会随着时间来改变自身的喜好,比如在世界杯比赛期间,用户只对世界杯比赛感兴趣,而在非世界杯比赛期间(如无世界杯比赛的年份)时,用户对足球类的新闻不太感兴趣,所以,还需考虑时间因素,比如可定期地统计并更新用户的喜好标签,从而使得用户的喜好标签能够满足当前时间段的用户需求。
为了实现上述实施例,本发明还提出了一种信息推荐装置。
图4是根据本发明一个实施例的信息推荐装置的结构示意图。如图4所示,该信息推荐装置可以包括:第一获取模块10、第二获取模块20、第三获取模块30和推荐模块40。
具体地,第一获取模块10可用于获取用户的历史浏览记录。其中,在本发明的实施例中,历史浏览记录可以理解为用户针对预先提供的可阅读信息的浏览记录,该记录中记载有用户在一定时间段内浏览过的信息,即历史浏览信息。例如,以预先为用户提供了可阅读的大量新闻为例,可获取用户在一定时间段内阅读过的所有新闻的记录,以作为历史浏览记录。
第二获取模块20可用于获取历史浏览记录中每个历史浏览信息的特征标签。在本发明的实施例中,为信息设置特征标签,该特征标签可称之为信息的Tag标签,每条信息可具有至少一个Tag标签,即历史浏览信息可具有至少一个Tag标签。Tag标签可以为能够概括信息中主要内容的关键词。
其中,历史浏览信息的Tag标签可以是本步骤所实时确定并获取的,也可以是通过对该信息的分析预先设置好的,则本步骤中可以直接获取到历史浏览记录的预先设置好的Tag标签。本发明对于Tag标签如何获取不做限定。
举例而言,假设历史浏览记录中记录了用户浏览过“戴智能表开车会比手机安全?”、“手机NFC支付功能安全吗?”等,第二获取模块20对这些新闻内容进行分析可得到对应的Tag标签为“科技”;假设历史浏览记录中记录了用户浏览过“连跌不止!恒大世界排名再降仅列72亚洲第二”,对该新闻内容进行分析可得到对应的Tag标签为“体育”、“足球”等;假设历史浏览记录中记录了用户浏览过“韩团EXO官方全球粉丝俱乐部EXO-L成立”,对该新闻内容进行分析可得到对应的Tag标签为“娱乐”、“韩团EXO”等。
具体而言,在本发明的一个实施例中,第二获取模块20可实时确定并获取的历史浏览信息的特征标签。例如,可对历史浏览信息的信息内容进行分词。之后,可对分词后的历史浏览信息的信息内容进行出现频率的统计,并将信息内容中出现频率最高的词语作为历史浏览信息的特征标签。例如,以历史浏览信息为用户浏览过的新闻为例,第二获取模块20可通过分词技术实时对用户浏览过的新闻内容进行内容分析,即对新闻内容进行分词,并对分词后得到的词语进行出现频率的统计,将出现频率最高的词语作为该新闻内容的Tag标签。
在本发明的另一个实施例中,如图5所示,该信息推荐装置还包括设置模块50,设置模块50可用于根据人为输入的标签信息,设置历史浏览信息的特征标签,或者,提取历史浏览信息对应的关键词,将关键词设置为历史浏览信息的特征标签。则,第二获取模块20可具体用于:根据设置模块50预先的设置,获取历史浏览记录中每个历史浏览信息的特征标签。
也就是说,历史浏览信息的特征标签还可根据预先的设置来获取,其中,预先的设置可以是人为设置的,如预先人为定义一个标签并将该标签作为历史浏览信息的特征标签。预先的设置还可以是通过提取历史浏览信息中的关键词并将其作为历史浏览信息的特征标签。其中,提取关键词的实现方式有很多种,例如,可通过分词技术对历史浏览信息的信息内容进行分词,并对分词后得到的词语进行统计,并将出现频率最高的词语作为关键词;又如,可读取历史浏览信息所对应的HTML页面的页面数据中“keyword”,并对该“keyword”所对应的值进行分析并提取以得到历史浏览信息的关键词。
第三获取模块30可用于根据特征标签获取用户的用户特征信息。其中,在本发明的实施例中,用户特征信息可包括但不限于用户的年龄信息和/或性别信息等。具体而言,在本发明的实施例中,第三获取模块30可具体用于根据特征标签查询预设的标签特征对照表以获取用户的用户特征信息。其中,预设的标签特征对照表为预先设定的。也就是说,第三获取模块30根据特征标签在预设的标签特征对照表中进行查询,可找出与特征标签相对应的用户的特征。
例如,假设获取到用户的历史浏览信息特征标签包括“科技”、“体育”、“足球”、“娱乐”、“韩团EXO”等,第三获取模块30根据“科技”、“体育”、“足球”特征标签在预设的标签特征对照表中进行查询,可查询出该用户的性别可能为男性,同时根据“娱乐”、“韩团EXO”特征标签可查询出该用户的年龄大概在20岁左右。又如,假设用户浏览过的新闻大多是属于军事类新闻,则可判断该用户为男性,同时该用户还浏览过大量的抗日战争时期的新闻,则可判断该用户的年龄大概在50岁左右。
推荐模块40可用于根据用户特征信息进行信息推荐。例如,当用户通过信息站点,例如新闻客户端阅读信息时,推荐模块40可根据用户特征信息获取与该用户的性别、年龄相适应的一些用户可能感兴趣的信息,之后可将这些信息发送至用户,以便用户阅读浏览。
进一步的,在本发明的一个实施例中,如图6所示,该信息推荐装置还可包括第四获取模块60和筛选模块70。
具体地,第四获取模块60可用于获取历史浏览记录中用户针对每个历史浏览信息的喜好信息。其中,用户的喜好信息表示用户是否喜欢这个信息或者是否对这个信息感兴趣。具体而言,在本发明的实施例中,如图6所示,该第四获取模块60可包括第一获取单元61和第二获取单元62。第一获取单元61可获取历史浏览记录中用户针对每个历史浏览信息的浏览行为记录。第二获取单元62可根据用户针对每个历史浏览信息的浏览行为记录获取用户的喜好信息。其中,浏览行为记录可理解为用户在浏览某个信息时的停留时间或者信息页面下拉长度即信息浏览长度等。
其中,停留时间和信息页面下拉长度可以用来体现用户对这个信息的喜好程度,例如,如果一个用户进入一个信息后扫了一眼立即离开,说明这个信息对于用户而言并没有很大的吸引力,用户并不喜欢这个信息;或者,在一个用户进入一个信息页面进行浏览时没有下拉这个信息页面或者只向下拉动一点就离开这个信息页面,也可说明这个信息对于用户而言并没有很大的吸引力,用户并不喜欢这个信息。基于此,通过获取停留时间和/或信息页面下拉长度,来分析用户对信息的喜好程度。
例如,用户在浏览某个新闻时的停留时间超过了预设值,则可认为该用户对该新闻感兴趣。或者,如果用户针对新闻的停留时间小于预设值,则可判断用户不喜欢该新闻。
再例如,用户在浏览某个新闻时,新闻页面下拉长度超过了预设值,或者新闻页面下拉长度达到了整个新闻页面长度的一定比例,则可认为该用户对该新闻感兴趣。或者,如果用户针对新闻页面的下拉长度小于预设值,或者未达到整个新闻页面长度的一定比例,则可判断用户不喜欢该新闻。
当然,也可以结合停留时间和页面下拉长度来判断用户对信息的喜好程度,这里不再赘述。
再例如,由于在历史浏览记录中可能有用户误浏览的浏览信息,比如用户打开某个新闻时立即退出了该新闻,可认为该用户对该新闻不感兴趣而是误打开的该新闻,但是该浏览记录已被记录到了历史浏览记录中。
因此,需对每个历史浏览信息进行筛选以得到用户感兴趣的信息,即第一获取单元61可获取该用户在浏览某个信息时的停留时间,第二获取单元62根据该停留时间来确定用户是否喜好这类信息。
当然,可选的,第四获取模块60还可通过现有技术中的标记的方式来确定用户的喜好。举例而言,以信息推荐为新闻推荐为例,假设某个新闻网站设置了以“关注”、“不关注”或“赞”、“踩”等方式表示用户对某个新闻是否感兴趣,那么当用户对该新闻网站上的某个新闻进行了评论或标记了“关注”或“赞”等操作时,可认为该用户对该新闻感兴趣,即该新闻属于用户的喜好新闻。
筛选模块70可用于根据喜好信息对特征标签进行筛选以获取用户的喜好标签。其中,在本发明的实施例中,喜好标签可理解为用户喜好的特征标签,即用户感兴趣的特征标签。也就是说,在获取到用户的喜好信息时,即可获取到用户对历史浏览记录中哪些历史浏览信息感兴趣,那么上述哪些历史浏览信息对应的特征标签即为用户的喜好标签。
在本发明的实施例中,推荐模块40可具体用于根据用户特征信息和用户的喜好标签进行信息推荐。更具体地,推荐模块40可先根据用户特征信息获取欲推荐信息,之后可根据用户的喜好标签从上述欲推荐信息中获取待推荐信息,待推荐信息可以为欲推荐信息中特征标签为用户的喜好标签的信息,并将该待推荐信息推荐至用户,以便用户阅读浏览。具体实现方式的描述可参照后续实施例。
由此,通过用户的喜好信息对特征标签进行筛选以得到用户的喜好标签,之后根据用户特征信息和用户的喜好标签获取待推荐信息,提高了信息推荐的准确率,从而能够更为精准的为用户推荐贴合用户需求的个性化信息。
进一步的,在本发明的一个实施例中,如图7所示,该推荐模块40可包括获取单元41、匹配单元42和推荐单元43。
具体地,获取单元41可根据用户特征信息获取多个欲推荐信息,并分别获取多个欲推荐信息中每个欲推荐信息的特征标签。其中,在本发明的实施例中,特征标签可理解为欲推荐信息的信息内容中的Tag标签。
例如,以推荐信息为推荐新闻为例,获取单元41可先根据用户特征信息获取与该用户的年龄、性别等信息相适应的多个新闻作为欲推荐新闻,之后,可对这些欲推荐新闻进行分析以得到对应的Tag标签。例如,假设欲推荐新闻所对应的HTML页面中具有Tag标签,则可先读取欲推荐新闻所对应的HTML页面中“keyword”,之后可对该“keyword”所对应的值进行分析并提取以得到欲推荐新闻的新闻内容的Tag标签。又如,可通过分词技术对欲推荐新闻的新闻内容进行内容分析,即对新闻内容进行分词,并对分词后得到的词进行统计,将出现频率高的词作为Tag标签。应当理解,欲推荐信息中可能具有预先设置的标签,还可通过获取欲推荐信息中预先设置的标签以作为特征标签。
匹配单元42可用于将每个欲推荐信息的特征标签分别与用户的喜好标签进行匹配。推荐单元43可用于在多个欲推荐信息中的至少一个欲推荐信息的特征标签与用户的喜好标签相匹配或者匹配程度大于预设阀值时,将至少一个欲推荐信息作为待推荐信息推荐给用户。其中,在本发明的实施例中,预设阀值可为预先设定的。
例如,匹配单元42可将欲推荐信息的特征标签与用户的喜好标签进行匹配,当欲推荐信息的特征标签与用户的喜好标签时,例如这两个标签相同时,可认为该特征标签对应的欲推荐信息是用户感兴趣的信息,进而推荐单元43可将该特征标签所对应的欲推荐信息作为待推荐信息,以向用户进行推荐。
当然,也可将欲推荐信息的特征标签与用户的喜好标签进行内容匹配,当两者内容比对的匹配程度(也可称为相似度)大于预设阀值(如60%)时,推荐单元43可认为该特征标签对应的欲推荐信息是用户感兴趣的信息,进而可将该特征标签所对应的欲推荐信息作为待推荐信息,以向用户进行推荐。例如,欲推荐信息的特征标签为“韩国娱乐天团”,而用户的喜好标签为“韩国娱乐”,两者的匹配程度可以通过字对字进行匹配,例如,相匹配的字的数目是4,而字数最多的标签的字数是6,两者的匹配程度可以通过4/6来计算,该匹配程度大于预设阈值60%,所以可认为该特征标签对应的欲推荐信息是用户感兴趣的信息,进而可将该特征标签所对应的欲推荐信息作为待推荐信息,以向用户进行推荐。需要强调的是,本发明实施例对于如何确定欲推荐信息的特征标签和喜好标签之间的匹配程度不做限定,本领域技术人员可以根据本领域的公知常识和常用技术手段进行选择。
由此,通过特征标签与用户的喜好标签进行内容比对,使得推荐信息更加精确,进而使得推荐信息能够更加地贴近用户的兴趣,提升了用户体验。
本发明实施例的信息推荐装置,可通过第一获取模块获取用户的历史浏览记录,第二获取模块获取历史浏览记录中每个历史浏览信息的特征标签,第三获取模块根据特征标签获取用户的用户特征信息,推荐模块根据所述用户特征信息进行信息推荐,并将信息推荐给用户以便用户阅读浏览,即通过对用户浏览过的信息内容中的标签进行分析,得到用户的用户特征信息(性别、年龄等),根据该用户特征信息向用户推荐可能感兴趣的信息,提高了推荐结果的准确率,从而能够更为精准的为用户推荐贴合用户需求的个性化信息。
在本发明的描述中,需要理解的是,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中,“多个”的含义是至少两个,例如两个,三个等,除非另有明确具体的限定。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为,表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分,并且本发明的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本发明的实施例所属技术领域的技术人员所理解。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤,例如,可以被认为是用于实现逻辑功能的可执行指令的定序列表,可以具体实现在任何计算机可读介质中,以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用,或结合这些指令执行系统、装置或设备而使用。就本说明书而言,"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下:具有一个或多个布线的电连接部(电子装置),便携式计算机盘盒(磁装置),随机存取存储器(RAM),只读存储器(ROM),可擦除可编辑只读存储器(EPROM或闪速存储器),光纤装置,以及便携式光盘只读存储器(CDROM)。另外,计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质,因为可以例如通过对纸或其他介质进行光学扫描,接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序,然后将其存储在计算机存储器中。
应当理解,本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如,如果用硬件来实现,和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是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,该程序在执行时,包括方法实施例的步骤之一或其组合。
此外,在本发明各个实施例中的各功能单元可以集成在一个处理模块中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器,磁盘或光盘等。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (12)
1.一种信息推荐方法,其特征在于,包括以下步骤:
获取用户的历史浏览记录;
获取所述历史浏览记录中每个历史浏览信息的特征标签;
获取所述历史浏览记录中所述用户针对每个所述历史浏览信息的喜好信息,其中,所述喜好信息是根据用户针对每个历史浏览信息的浏览行为记录获取的,所述浏览行为记录包括用户浏览信息页面的停留时间和/或下拉长度;
根据所述喜好信息对所述特征标签进行筛选以获取所述用户的喜好标签;
根据所述特征标签获取所述用户的用户特征信息;以及
根据所述用户特征信息和所述用户的喜好标签进行信息推荐,其中,根据所述用户特征信息获取多个欲推荐信息,并分别获取所述多个欲推荐信息中每个欲推荐信息的特征标签,当所述多个欲推荐信息中的至少一个欲推荐信息的特征标签与所述用户的喜好标签相匹配或者匹配程度大于预设阀值时,将所述至少一个欲推荐信息作为待推荐信息推荐给用户。
2.如权利要求1所述的信息推荐方法,其特征在于,所述用户特征信息包括所述用户的年龄信息和/或性别信息。
3.如权利要求1所述的信息推荐方法,其特征在于,所述获取历史浏览记录中每个历史浏览信息的特征标签具体包括:
对所述历史浏览信息的信息内容进行分词;以及
对所述分词后的历史浏览信息的信息内容进行出现频率的统计,并将出现频率最高的词语作为所述历史浏览信息的特征标签。
4.如权利要求1所述的信息推荐方法,其特征在于,所述方法还包括:
根据人为输入的标签信息,设置所述历史浏览信息的特征标签;
或者
提取所述历史浏览信息对应的关键词,将所述关键词设置为所述历史浏览信息的特征标签;
所述获取所述历史浏览记录中每个历史浏览信息的特征标签包括:
根据预先的设置,获取所述历史浏览记录中每个历史浏览信息的特征标签。
5.如权利要求1至4任一项所述的信息推荐方法,其特征在于,所述根据特征标签获取所述用户的用户特征信息具体包括:
根据所述特征标签查询预设的标签特征对照表以获取所述用户的用户特征信息。
6.如权利要求1所述的信息推荐方法,其特征在于,所述获取所述历史浏览记录中所述用户针对每个所述历史浏览信息的喜好信息包括:
获取所述历史浏览记录中所述用户针对每个所述历史浏览信息的浏览行为记录;
根据所述用户针对每个所述历史浏览信息的浏览行为记录获取所述用户的喜好信息。
7.一种信息推荐装置,其特征在于,包括:
第一获取模块,用于获取用户的历史浏览记录;
第二获取模块,用于获取所述历史浏览记录中每个历史浏览信息的特征标签;
第四获取模块,用于获取所述历史浏览记录中所述用户针对每个所述历史浏览信息的喜好信息,其中,所述喜好信息是根据用户针对每个历史浏览信息的浏览行为记录获取的,所述浏览行为记录包括用户浏览信息页面的停留时间和/或下拉长度;
筛选模块,用于根据所述喜好信息对所述特征标签进行筛选以获取所述用户的喜好标签;
第三获取模块,用于根据所述特征标签获取所述用户的用户特征信息;以及
推荐模块,用于根据所述用户特征信息和所述用户的喜好标签进行信息推荐,推荐模块包括获取单元、匹配单元、推荐单元;其中,所述获取单元用于根据所述用户特征信息获取多个欲推荐信息,并分别获取所述多个欲推荐信息中每个欲推荐信息的特征标签;所述匹配单元,用于将所述每个欲推荐信息的特征标签分别与所述用户的喜好标签进行匹配;所述推荐单元,用于在所述多个欲推荐信息中的至少一个欲推荐信息的特征标签与所述用户的喜好标签相匹配或者匹配程度大于预设阀值时,将所述至少一个欲推荐信息作为待推荐信息推荐给用户。
8.如权利要求7所述的信息推荐装置,其特征在于,所述用户特征信息包括所述用户的年龄信息和/或性别信息。
9.如权利要求7所述的信息推荐装置,其特征在于,所述第二获取模块具体用于:
对所述历史浏览信息的信息内容进行分词;以及
对所述分词后的历史浏览信息的信息内容进行出现频率的统计,并将出现频率最高的词语作为所述历史浏览信息的特征标签。
10.如权利要求7所述的信息推荐装置,其特征在于,所述装置还包括:
设置模块,用于根据人为输入的标签信息,设置所述历史浏览信息的特征标签,或者,提取所述历史浏览信息对应的关键词,将所述关键词设置为所述历史浏览信息的特征标签;
所述第二获取模块具体用于:
根据所述设置模块预先的设置,获取所述历史浏览记录中每个历史浏览信息的特征标签。
11.如权利要求7至10任一项所述的信息推荐装置,其特征在于,所述第三获取模块具体用于:
根据所述特征标签查询预设的标签特征对照表以获取所述用户的用户特征信息。
12.如权利要求7所述的信息推荐装置,其特征在于,所述第四获取模块包括:
第一获取单元,用于获取所述历史浏览记录中所述用户针对每个所述历史浏览信息的浏览行为记录;
第二获取单元,用于根据所述用户针对每个所述历史浏览信息的浏览行为记录获取所述用户的喜好信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410416151.5A CN104216965B (zh) | 2014-08-21 | 2014-08-21 | 信息推荐方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410416151.5A CN104216965B (zh) | 2014-08-21 | 2014-08-21 | 信息推荐方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104216965A CN104216965A (zh) | 2014-12-17 |
CN104216965B true CN104216965B (zh) | 2018-11-20 |
Family
ID=52098455
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410416151.5A Active CN104216965B (zh) | 2014-08-21 | 2014-08-21 | 信息推荐方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104216965B (zh) |
Families Citing this family (33)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104601670A (zh) * | 2014-12-25 | 2015-05-06 | 微梦创科网络科技(中国)有限公司 | 一种用户兴趣对象验证方法及装置 |
CN105989120B (zh) * | 2015-02-12 | 2019-08-13 | Oppo广东移动通信有限公司 | 一种个性化内容推荐方法及个性化内容推荐系统 |
CN104952009A (zh) * | 2015-04-23 | 2015-09-30 | 阔地教育科技有限公司 | 资源管理方法、系统、资源管理服务器及互动教学终端 |
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 |
CN105227971B (zh) * | 2015-07-09 | 2019-01-08 | 传成文化传媒(上海)有限公司 | 一种酒店用电视的信息推荐方法及系统 |
CN105141680A (zh) * | 2015-08-18 | 2015-12-09 | 北京金山安全软件有限公司 | 一种推荐网络资源的方法和装置 |
CN105868254A (zh) * | 2015-12-25 | 2016-08-17 | 乐视网信息技术(北京)股份有限公司 | 信息推荐方法及装置 |
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 |
WO2018023258A1 (zh) * | 2016-07-31 | 2018-02-08 | 杨洁 | 推荐电视频道时的信息推送方法和电视机 |
CN106383857A (zh) * | 2016-08-31 | 2017-02-08 | 锐捷网络股份有限公司 | 一种信息处理方法及电子设备 |
CN106815364A (zh) * | 2017-01-24 | 2017-06-09 | 百度在线网络技术(北京)有限公司 | 内容推送方法和装置 |
CN107343036A (zh) * | 2017-06-30 | 2017-11-10 | 广州优视网络科技有限公司 | 信息推送方法、装置及服务器 |
CN110020103A (zh) * | 2017-09-05 | 2019-07-16 | 上海紫石生物科技有限公司 | 个性化物品推送方法及系统、计算机存储介质 |
CN107666518B (zh) * | 2017-09-27 | 2023-03-03 | 百度在线网络技术(北京)有限公司 | 信息推送方法、装置、终端设备和计算机可读存储介质 |
CN108280200B (zh) * | 2018-01-29 | 2021-11-09 | 百度在线网络技术(北京)有限公司 | 用于推送信息的方法和装置 |
CN108491412A (zh) * | 2018-01-31 | 2018-09-04 | 广东易联创富集团有限公司 | 儿童读物推荐方法、装置、平台、计算机可读存储介质 |
CN110633408B (zh) * | 2018-06-20 | 2024-03-15 | 北京正和岛信息科技有限公司 | 智能商业资讯的推荐方法和系统 |
CN109241420B (zh) * | 2018-08-24 | 2022-06-07 | 北京乐蜜科技有限责任公司 | 应用首页内容推荐方法、装置、计算机设备和存储介质 |
CN109376313B (zh) * | 2018-09-28 | 2021-05-25 | Oppo广东移动通信有限公司 | 信息推荐方法、装置、终端及存储介质 |
CN109543111B (zh) * | 2018-11-28 | 2021-09-21 | 广州虎牙信息科技有限公司 | 推荐信息筛选方法、装置、存储介质及服务器 |
CN109858344A (zh) * | 2018-12-24 | 2019-06-07 | 深圳市珍爱捷云信息技术有限公司 | 婚恋对象推荐方法、装置、计算机设备及存储介质 |
CN111400609B (zh) * | 2018-12-27 | 2024-02-13 | 广州市百果园网络科技有限公司 | 用户推荐方法、装置、存储介质及服务器 |
CN110399551A (zh) * | 2019-06-17 | 2019-11-01 | 平安科技(深圳)有限公司 | 基于用户浏览习惯的信息推送方法及相关设备 |
CN110580317B (zh) * | 2019-08-29 | 2022-02-22 | 武汉赛可锐信息技术有限公司 | 社交信息分析方法、装置、终端设备及存储介质 |
CN110825960A (zh) * | 2019-10-08 | 2020-02-21 | 中通服创发科技有限责任公司 | 一种学习内容推荐方法和装置 |
CN111506803B (zh) * | 2020-03-17 | 2023-10-31 | 阿波罗智联(北京)科技有限公司 | 内容推荐方法、装置、电子设备及存储介质 |
CN111666522A (zh) * | 2020-06-10 | 2020-09-15 | 创新奇智(上海)科技有限公司 | 信息处理方法、装置、设备和存储介质 |
CN111859160B (zh) * | 2020-08-07 | 2023-06-16 | 成都理工大学 | 一种基于图神经网络会话序列推荐方法及系统 |
CN112417302B (zh) * | 2020-12-08 | 2021-06-04 | 六晟信息科技(杭州)有限公司 | 一种基于大数据的资讯内容智能分析推荐处理系统 |
CN112579893A (zh) * | 2020-12-15 | 2021-03-30 | 中国建设银行股份有限公司 | 一种信息推送、信息展示方法、装置及设备 |
CN113204704B (zh) * | 2021-05-19 | 2024-01-09 | 五八有限公司 | 内容信息的显示方法、装置、电子设备及可读介质 |
CN113590806B (zh) * | 2021-08-02 | 2022-05-27 | 山东建筑大学 | 基于对象三元语言概念的个性化新闻推荐方法及系统 |
CN113761370B (zh) * | 2021-09-08 | 2024-02-13 | 广东百家投资咨询有限公司 | 保险产品推荐方法、系统、装置和存储介质 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7162522B2 (en) * | 2001-11-02 | 2007-01-09 | Xerox Corporation | User profile classification by web usage analysis |
CN101359995B (zh) * | 2008-09-28 | 2011-05-04 | 腾讯科技(深圳)有限公司 | 提供在线服务的方法和装置 |
CN101923545B (zh) * | 2009-06-15 | 2012-10-10 | 北京百分通联传媒技术有限公司 | 一种个性化信息推荐的方法 |
US20120331137A1 (en) * | 2010-03-01 | 2012-12-27 | Nokia Corporation | Method and apparatus for estimating user characteristics based on user interaction data |
CN102799662B (zh) * | 2012-07-10 | 2016-04-20 | 北京奇虎科技有限公司 | 基于域名访问历史记录推荐网址的方法、装置及系统 |
CN103207917B (zh) * | 2013-04-25 | 2017-03-08 | 百度在线网络技术(北京)有限公司 | 标注多媒体内容的方法、生成推荐内容的方法及系统 |
-
2014
- 2014-08-21 CN CN201410416151.5A patent/CN104216965B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN104216965A (zh) | 2014-12-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104216965B (zh) | 信息推荐方法和装置 | |
CN104462364B (zh) | 搜索推荐方法及装置 | |
CN108197331B (zh) | 用户兴趣的探索方法和装置 | |
CN104462292B (zh) | 社交协同过滤 | |
CN105812830B (zh) | 酒店服务内容的推荐方法及系统 | |
WO2019056661A1 (zh) | 一种搜索词推送方法、装置及终端 | |
CN105227971B (zh) | 一种酒店用电视的信息推荐方法及系统 | |
CN108648010B (zh) | 用于向用户提供内容的方法、系统及相应介质 | |
CN105046600A (zh) | 一种酒店用电视的个性化信息推荐方法及系统 | |
US20140095308A1 (en) | Advertisement distribution apparatus and advertisement distribution method | |
US10019419B2 (en) | Method, server, browser, and system for recommending text information | |
CN106294787A (zh) | 一种推送信息的方法、装置及电子设备 | |
CN106227786A (zh) | 用于推送信息的方法和装置 | |
CN106446266A (zh) | 推荐用户喜爱内容的方法以及内容推荐系统 | |
CN102929966B (zh) | 一种用于提供个性化搜索列表的方法及系统 | |
CN104090963A (zh) | 查询信息推荐方法和装置 | |
JP2011154668A (ja) | ウェブページの主意,およびユーザの嗜好を適切に把握して,最善の情報をリアルタイムに推奨する方法 | |
CN104503975A (zh) | 推荐卡片的定制方法及装置 | |
CN105095470A (zh) | 用于应用程序的数据推荐方法及装置 | |
CN111914172A (zh) | 一种基于用户标签的医学信息推荐方法及系统 | |
CN110175264A (zh) | 视频用户画像的构建方法、服务器及计算机可读存储介质 | |
CN103177129A (zh) | 互联网实时信息推荐预测系统 | |
CN111639988A (zh) | 经纪人推荐方法、装置、电子设备和存储介质 | |
CN106610988A (zh) | 网页推荐方法以及推荐装置 | |
CN107977678A (zh) | 用于输出信息的方法和装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |