CN104636371B - 信息推荐方法及设备 - Google Patents
信息推荐方法及设备 Download PDFInfo
- Publication number
- CN104636371B CN104636371B CN201310557764.6A CN201310557764A CN104636371B CN 104636371 B CN104636371 B CN 104636371B CN 201310557764 A CN201310557764 A CN 201310557764A CN 104636371 B CN104636371 B CN 104636371B
- Authority
- CN
- China
- Prior art keywords
- information
- user
- social media
- recommended
- characterization factor
- 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)
Abstract
本发明实施例公开了信息推荐方法及设备,其中所述方法,包括:从用户和/或用户好友的社交媒体中提取特征因子;根据用户和/或用户好友的社交媒体中的索引信息获取所述索引信息所指向的信息;从索引信息所指向的信息中提取特征因子;根据社交媒体中的提取的特征因子及索引信息所指向的信息中的特征因子及用户对所述索引信息所指向的信息的喜好评分得到用户的喜好奇异值SVD模型;将社交媒体中的特征因子以及待推荐信息的特征因子输入所述SVD模型,得到用户对待推荐信息的喜好评分;当用户对待推荐信息的喜好评分满足推荐要求时,向用户推荐所述待推荐信息。其可靠性较高,更能满足用户的兴趣要求。
Description
技术领域
本发明涉及通信领域,尤其涉及信息推荐方法及设备。
背景技术
现在是一个信息过剩的时代,每天用户接受的信息非常多,但是真正用户喜欢、需要的很少。因此,出现了向用户推荐信息的技术方案,希望能将用户喜欢,需要的信息推荐给用户。
目前,现在技术出现了一种基于内容向用户推荐信息的方案。在该现有技术中,基于内容的推荐系统对用户建立配置文件,在建立用户配置文件时,通过分析用户已经购买(或浏览)过的内容,提取其中的历史记录存入用户配置文件。当用户有购买或浏览新的内容时,基于新内容更新用户配置文件。在进行内容推荐时,系统通过将内容的关键词向量与用户配置文件中的历史记录进行计算,比较用户配置文件与待推荐内容的相似度,如果二者完全没有匹配的关键词,则并不会向用户推荐新内容,现有技术的基于内容向用户推荐信息的方案仅能通过用户的历史记录作为推荐依据,可靠性差。
发明内容
本发明实施例提供一种信息推荐方法及设备,借助SVD模型和用户和/或好友的社交媒体为用户筛选推荐信息,其可靠性高。
本发明第一方面提供一种信息推荐方法,其可包括:
从用户和/或用户好友的社交媒体中提取特征因子,所述社交媒体为供用户撰写和分享信息的网络虚拟平台;
根据所述用户和/或所述用户好友的社交媒体中的索引信息获取所述索引信息所指向的信息;
从所述索引信息所指向的信息中提取特征因子;
根据所述社交媒体中的提取的特征因子及所述索引信息所指向的信息中的特征因子以及所述用户对所述索引信息所指向的信息的喜好评分得到用户对信息的喜好奇异值SVD模型;
将所述社交媒体中的特征因子及待推荐信息的特征因子输入所述SVD模型,得到所述用户对所述待推荐信息的喜好评分;
当所述用户对所述待推荐信息的喜好评分满足推荐要求时,向所述用户推荐所述待推荐信息。
结合第一方面,在第一种可行的实施方式中,所述社交媒体中的索引信息包括网址、标题、字词中至少一种。
结合第一方面,在第二种可行的实施方式中,所述从用户和/或用户好友的社交媒体中提取特征因子包括:用户ID、社交媒体中的字词、作者、社交媒体中的文章的转发数、所述社交媒体中的文章的评论数中至少一种。
结合第一方面,在第三种可行的实施方式中,所述从所述索引信息所指向的信息中提取特征因子以及待推荐信息的特征因子包括:信息来源、信息内容、信息的类型、信息被访问次数、信息被访问时间中至少一种。
结合第一方面至第一方面的第三种可行的实施方式中任一种,在第四种可行的实施方式中,所述用户对所述待推荐信息的喜好评分满足推荐要求,包括:
当所述用户对所述待推荐信息的喜好评分大于设定的阈值时,确定满足推荐要求;
或者,当用户对所述待推荐信息的喜好评分相对用户对其他待推荐信息的喜好评分为最高时,确定满足推荐要求。
本发明实施例第二方面提供一种信息推荐设备,其可包括:
用户数据提取模块,用于从用户和/或用户好友的社交媒体中提取特征因子,所述社交媒体为供用户撰写和分享信息的网络虚拟平台;
获取模块,用于根据所述用户和/或所述用户好友的社交媒体中的索引信息获取所述索引信息所指向的信息;
信息提取模块,用于从所述索引信息所指向的信息中提取特征因子;
模型生成模块,用于根据所述用户数据提取模块提取的特征因子及所述信息提取模块提取的特征因子以及所述用户对所述索引信息所指向的信息的喜好评分得到用户的喜好奇异值SVD模型;
评分模块,用于将所述社交媒体中的特征因子以及待推荐信息的特征因子输入所述SVD模型,得到所述用户对所述待推荐信息的喜好评分;
推荐模块,用于当所述用户对所述待推荐信息的喜好评分满足推荐要求时,向所述用户推荐所述待推荐信息。
结合第二方面,在第一种可行的实施方式中,所述社交媒体中的索引信息包括网址、标题、字词中至少一种。
结合第二方面,在第二种可行的实施方式中,所述从用户和/或用户好友的社交媒体中提取特征因子包括:用户ID、社交媒体中的词语、作者、社交媒体中的文章的转发数、所述社交媒体中的文章的评论数中至少一种。
结合第二方面,在第三种可行的实施方式中,所述从所述索引信息所指向的信息中提取特征因子以及待推荐信息的特征因子包括:信息来源、信息内容、信息的类型、信息被访问次数、信息被访问时间中至少一种。
结合第二方面至第二方面的第三种可行的实施方式中任一种,在第四种可行的实施方式中,所述用户对所述待推荐信息的喜好评分满足推荐要求,包括:
当所述用户对所述待推荐信息的喜好评分大于设定的阈值时,确定满足推荐要求;
或者,当用户对所述待推荐信息的喜好评分相对用户对其他待推荐信息的喜好评分为最高时,确定满足推荐要求。
由上可见,在本发明的一些可行的实施方式中,从用户和/或用户好友的社交媒体中提取特征因子,所述社交媒体为供用户撰写和分享信息的网络虚拟平台;根据所述用户和/或所述用户好友的社交媒体中的索引信息获取所述索引信息所指向的信息;从所述索引信息所指向的信息中提取特征因子;根据所述社交媒体中的提取的特征因子及所述索引信息所指向的信息中的特征因子以及所述用户对所述索引信息所指向的信息的喜好评分得到用户的喜好奇异值SVD模型;将所述社交媒体中的特征因子以及待推荐信息的特征因子输入所述SVD模型,得到所述用户对所述待推荐信息的喜好评分;当所述用户对所述待推荐信息的喜好评分满足推荐要求时,向所述用户推荐所述待推荐信息。其可靠性较高,更能满足用户的兴趣要求。
附图说明
图1为本发明的信息推荐方法的一实施例的流程示意图;
图2为本发明的信息推荐设备的一实施例的结构组成示意图;
图3为本发明的信息推荐设备的另一实施例的结构组成示意图。
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作进一步地详细描述。
图1为本发明的信息推荐方法的一实施例的流程示意图。如图1所示,本发明的方法可包括:
步骤S110,从用户和/或用户好友的社交媒体中提取特征因子,所述社交媒体为供用户撰写和分享信息的网络虚拟平台。
具体实现中,本发明实施例的社交媒体可包括:微博、微信、facebook等供用户撰写和分享信息的网络虚拟平台。
具体实现中,本发明实施例从用户和/或用户好友的社交媒体中提取特征因子可为可从社交媒体中获取的任何信息,作为一种可行的实施方式,所述用户和/或用户好友的社交媒体中提取的特征因子可包括用户ID(可用于唯一标识一个用户的身份),社交媒体中的字词(比如,出现频率超过预定次数的字词、当前流行的网络用语等)、作者、社交媒体中的文章的转发数、所述社交媒体中的文章的评论数等中至少一种。
步骤S111,根据所述用户和/或所述用户好友的社交媒体中的索引信息获取所述索引信息所指向的信息。
具体实现中,社交媒体中的索引信息可包括网址、标题、字词(比如,出现频率超过预定次数的字词、当前流行的网络用语等)等等。则在步骤S111就可以根据这些索引信息进一步获取所述索引信息所指向的内容,比如,可以打开网址所链接的新闻网页、打开网址所链接的好友的微博文章;再如,可以打开微信标题进入标题的具体文章;再如,可以以字词作为索引搜索字词相关的更多信息。
步骤S112,从所述索引信息所指向的信息中提取特征因子。
具体实现中,从所述索引信息所指向的信息中提取的特征因子可为可从所述信息中获取的任何信息,作为一种可行的实施方式,从所述索引信息所指向的信息中提取的特征因子可包括:信息来源、信息内容(比如,出现频率超过预定次数的字词、当前流行的网络用语等)、信息的类型、信息被访问次数、信息被访问时间中至少一种。以网址所打开的新闻为例,在步骤S112可提取新闻的信息来源,比如为新华社发布的新闻,提取新闻中的信息内容,比如,GDP、房价调控;提取新闻的类型:比如,金融,经济;新闻被访问的次数,比如,3000次等特征因子。
步骤S113,根据所述社交媒体中的提取的特征因子及所述索引信息所指向的信息中的特征因子以及所述用户对所述索引信息所指向的信息的喜好评分得到用户对信息的喜好奇异值(Singular Value Decomposition,SVD)模型。
步骤S114,将所述社交媒体中的特征因子以及待推荐信息的特征因子输入所述SVD模型,得到所述用户对所述待推荐信息的喜好评分。
具体实现中,从所述待推荐信息中提取的特征因子可与从所述索引信息所指向的信息中提取的特征因子保持一致,比如包括:信息来源、信息内容(比如,出现频率超过预定次数的字词、当前流行的网络用语等)、信息的类型、信息被访问次数、信息被访问时间中至少一种。
步骤S115,当所述用户对所述待推荐信息的喜好评分满足推荐要求时,向所述用户推荐所述待推荐信息。
具体实现中,在生成SVD模型时,假设用户对所述索引信息所指向的信息都是感兴趣的,因此给予这些信息满足推荐要求的喜好评分。
具体实现中,SVD算法的实现方式有很多种,本发明实施例利用社交媒体中的特征因子及社交媒体中的索引信息所指向的信息中的特征因子及用户预先对所述索引信息所指向的信息的喜好评分求解出用户对信息的喜好SVD模型,由此通过用户对已有信息的喜好评分来评估用户对整个网络中的信息的喜好程度,其相对于现有技术通过用户历史记录进行关键词匹配的方式,得出的用户喜好结果更准确,由此向用户推荐信息,可靠性更高,更能满足用户的兴趣要求。
具体实现中,是否满足推荐要求可预先根据需求任意设定,比如,可设定:当所述用户对所述待推荐信息的喜好评分大于设定的阈值时,确定满足推荐要求;或者,当用户对所述待推荐信息的喜好评分相对用户对其他待推荐信息的喜好评分为最高时,确定满足推荐要求。
图2为本发明的信息推荐设备的一实施例的结构示意图。如图2所示,其可包括用户数据提取模块21、获取模块22、信息提取模块23、模型生成模块24、评分模块25以及推荐模块26,其中:
用户数据提取模块21,用于从用户和/或用户好友的社交媒体中提取特征因子,所述社交媒体为供用户撰写和分享信息的网络虚拟平台。
具体实现中,本发明实施例的社交媒体可包括:微博、微信、facebook等供用户撰写和分享信息的网络虚拟平台。
具体实现中,本发明实施例的用户数据提取模块21从用户和/或用户好友的社交媒体中提取特征因子可为可从社交媒体中获取的任何信息,作为一种可行的实施方式,所述用户和/或用户好友的社交媒体中提取的特征因子可包括用户ID(可用于唯一标识一个用户的身份),社交媒体中的字词(比如,出现频率超过预定次数的字词、当前流行的网络用语等)、作者、社交媒体中的文章的转发数、所述社交媒体中的文章的评论数等中至少一种。
获取模块22,用于根据所述用户和/或所述用户好友的社交媒体中的索引信息获取所述索引信息所指向的信息。
具体实现中,社交媒体中的索引信息可包括网址、标题、字词(比如,出现频率超过预定次数的字词、当前流行的网络用语等)等等。则获取模块22可以根据这些索引信息进一步获取所述索引信息所指向的内容,比如,可以打开网址所链接的新闻网页、打开网址所链接的好友的微博文章;再如,可以打开微信标题进入标题的具体文章;再如,可以以字词作为索引搜索字词相关的更多信息。
信息提取模块23,用于从所述获取模块所获取的信息中提取特征因子。
具体实现中,信息提取模块23从所述索引信息所指向的信息中提取的特征因子可为可从所述信息中获取的任何信息,作为一种可行的实施方式,从所述索引信息所指向的信息中提取的特征因子可包括:信息来源、信息内容(比如,出现频率超过预定次数的字词、当前流行的网络用语等)、信息的类型、信息被访问次数、信息被访问时间中至少一种。以网址所打开的新闻为例,在步骤S112可提取新闻的信息来源,比如为新华社发布的新闻,提取新闻中的信息内容,比如,GDP、房价调控;提取新闻的类型:比如,金融,经济;新闻被访问的次数,比如,3000次等特征因子。
模型生成模块24,用于根据所述用户数据提取模块21提取的特征因子及所述信息提取模块23提取的特征因子以及所述用户对所述索引信息所指向的信息的喜好评分得到用户的喜好奇异值SVD模型。
具体实现中,在生成SVD模型时,假设用户对所述索引信息所指向的信息都是感兴趣的,因此给予这些信息满足推荐要求的喜好评分。
评分模块25,用于将所述用户数据提取模块21提取的特征因子以及待推荐信息的特征因子输入所述SVD模型,得到所述用户对所述待推荐信息的喜好评分。
推荐模块26,用于当所述用户对所述待推荐信息的喜好评分满足推荐要求时,向所述用户推荐所述待推荐信息。
具体实现中,SVD算法的实现方式有很多种,本发明实施例利用社交媒体中的特征因子及社交媒体中的索引信息所指向的信息中的特征因子及用户预先对所述索引信息所指向的信息的喜好评分求解出用户对信息的喜好SVD模型,由此通过用户对已有信息的喜好评分来评估用户对整个网络中的信息的喜好程度,其相对于现有技术通过用户历史记录进行关键词匹配的方式,得出的用户喜好结果更准确,由此向用户推荐信息,可靠性更高,更能满足用户的兴趣要求。
具体实现中,是否满足推荐要求可预先根据需求任意设定,比如,可设定:当所述用户对所述待推荐信息的喜好评分大于设定的阈值时,确定满足推荐要求;或者,当用户对所述待推荐信息的喜好评分相对用户对其他待推荐信息的喜好评分为最高时,确定满足推荐要求。
图3为本发明的信息推荐设备的另一实施例的结构示意图。本实施例与图2所述的实施例的不同之处在于展示的是设备的硬件模块组成结构。如图3所示,本发明的信息推荐设备在硬件组成上可包括:存储器31、处理器32以及显示器33,其中:所述存储器31存储有程序,所述处理器32用于调用所述存储器31中存储的程序并用于执行图2所示的用户数据提取模块21、获取模块22、信息提取模块23、模型生成模块24、评分模块25所实现的功能,所述显示器33用于当所述用户对所述待推荐信息的喜好评分满足推荐要求时,向所述用户推荐所述待推荐信息。
以上所列举的仅为本发明较佳实施例而已,当然不能以此来限定本发明之权利范围,因此依本发明权利要求所作的等同变化,仍属本发明所涵盖的范围。
Claims (10)
1.一种信息推荐方法,其特征在于,包括:
从用户和用户好友的社交媒体中提取特征因子,所述社交媒体为供用户撰写和分享信息的网络虚拟平台;
根据所述用户和所述用户好友的社交媒体中的索引信息获取所述索引信息所指向的信息;所述社交媒体中的索引信息包括:网址、标题、和出现频率超过预定次数的字词;
从所述索引信息所指向的信息中提取特征因子;
根据所述社交媒体中的提取的特征因子及所述索引信息所指向的信息中的特征因子以及所述用户对所述索引信息所指向的信息的喜好评分得到用户对信息的喜好奇异值SVD模型;
将所述社交媒体中的特征因子及待推荐信息的特征因子输入所述SVD模型,得到所述用户对所述待推荐信息的喜好评分;
当所述用户对所述待推荐信息的喜好评分满足推荐要求时,向所述用户推荐所述待推荐信息。
2.如权利要求1所述的信息推荐方法,其特征在于,所述社交媒体中的索引信息包括网址、标题、字词中至少一种。
3.如权利要求1所述的信息推荐方法,其特征在于,所述从用户和用户好友的社交媒体中提取特征因子包括:用户ID、社交媒体中的字词、作者、社交媒体中的文章的转发数、所述社交媒体中的文章的评论数中至少一种。
4.如权利要求1所述的信息推荐方法,其特征在于,所述从所述索引信息所指向的信息中提取特征因子以及待推荐信息的特征因子包括:信息来源、信息内容、信息的类型、信息被访问次数、信息被访问时间中至少一种。
5.如权利要求1-4中任一项所述的信息推荐方法,其特征在于,所述用户对所述待推荐信息的喜好评分满足推荐要求,包括:
当所述用户对所述待推荐信息的喜好评分大于设定的阈值时,确定满足推荐要求;
或者,当用户对所述待推荐信息的喜好评分相对用户对其他待推荐信息的喜好评分为最高时,确定满足推荐要求。
6.一种信息推荐设备,其特征在于,包括:
用户数据提取模块,用于从用户和用户好友的社交媒体中提取特征因子,所述社交媒体为供用户撰写和分享信息的网络虚拟平台;
获取模块,用于根据所述用户和所述用户好友的社交媒体中的索引信息获取所述索引信息所指向的信息;所述社交媒体中的索引信息包括:网址、标题、和出现频率超过预定次数的字词;
信息提取模块,用于从所述索引信息所指向的信息中提取特征因子;
模型生成模块,用于根据所述用户数据提取模块提取的特征因子及所述信息提取模块提取的特征因子以及所述用户对所述索引信息所指向的信息的喜好评分得到用户的喜好奇异值SVD模型;
评分模块,用于将所述社交媒体中的特征因子以及待推荐信息的特征因子输入所述SVD模型,得到所述用户对所述待推荐信息的喜好评分;
推荐模块,用于当所述用户对所述待推荐信息的喜好评分满足推荐要求时,向所述用户推荐所述待推荐信息。
7.如权利要求6所述的信息推荐设备,其特征在于,所述社交媒体中的索引信息包括网址、标题、字词中至少一种。
8.如权利要求6所述的信息推荐设备,其特征在于,所述从用户和用户好友的社交媒体中提取特征因子包括:用户ID、社交媒体中的词语、作者、社交媒体中的文章的转发数、所述社交媒体中的文章的评论数中至少一种。
9.如权利要求6所述的信息推荐设备,其特征在于,所述从所述索引信息所指向的信息中提取特征因子以及待推荐信息的特征因子包括:信息来源、信息内容、信息的类型、信息被访问次数、信息被访问时间中至少一种。
10.如权利要求6-9中任一项所述的信息推荐设备,其特征在于,所述用户对所述待推荐信息的喜好评分满足推荐要求,包括:
当所述用户对所述待推荐信息的喜好评分大于设定的阈值时,确定满足推荐要求;
或者,当用户对所述待推荐信息的喜好评分相对用户对其他待推荐信息的喜好评分为最高时,确定满足推荐要求。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310557764.6A CN104636371B (zh) | 2013-11-11 | 2013-11-11 | 信息推荐方法及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310557764.6A CN104636371B (zh) | 2013-11-11 | 2013-11-11 | 信息推荐方法及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104636371A CN104636371A (zh) | 2015-05-20 |
CN104636371B true CN104636371B (zh) | 2018-05-18 |
Family
ID=53215141
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310557764.6A Active CN104636371B (zh) | 2013-11-11 | 2013-11-11 | 信息推荐方法及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104636371B (zh) |
Families Citing this family (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU2632131C2 (ru) | 2015-08-28 | 2017-10-02 | Общество С Ограниченной Ответственностью "Яндекс" | Способ и устройство для создания рекомендуемого списка содержимого |
RU2632100C2 (ru) | 2015-09-28 | 2017-10-02 | Общество С Ограниченной Ответственностью "Яндекс" | Способ и сервер создания рекомендованного набора элементов |
RU2629638C2 (ru) | 2015-09-28 | 2017-08-30 | Общество С Ограниченной Ответственностью "Яндекс" | Способ и сервер создания рекомендуемого набора элементов для пользователя |
RU2632144C1 (ru) | 2016-05-12 | 2017-10-02 | Общество С Ограниченной Ответственностью "Яндекс" | Компьютерный способ создания интерфейса рекомендации контента |
RU2636702C1 (ru) | 2016-07-07 | 2017-11-27 | Общество С Ограниченной Ответственностью "Яндекс" | Способ и устройство для выбора сетевого ресурса в качестве источника содержимого для системы рекомендаций |
RU2632132C1 (ru) | 2016-07-07 | 2017-10-02 | Общество С Ограниченной Ответственностью "Яндекс" | Способ и устройство для создания рекомендаций содержимого в системе рекомендаций |
US11373198B2 (en) | 2016-12-02 | 2022-06-28 | Honda Motor Co., Ltd. | Evaluation device, evaluation method, and evaluation program |
CN106649774A (zh) * | 2016-12-27 | 2017-05-10 | 北京百度网讯科技有限公司 | 基于人工智能的对象推送方法及装置 |
USD882600S1 (en) | 2017-01-13 | 2020-04-28 | Yandex Europe Ag | Display screen with graphical user interface |
CN106981228A (zh) * | 2017-02-13 | 2017-07-25 | 上海大学 | 一种交互式it技能在线教育方法 |
CN110020099A (zh) * | 2017-08-21 | 2019-07-16 | 武汉斗鱼网络科技有限公司 | 一种视频交友的用户推荐方法和装置 |
RU2720899C2 (ru) | 2018-09-14 | 2020-05-14 | Общество С Ограниченной Ответственностью "Яндекс" | Способ и система для определения зависящих от пользователя пропорций содержимого для рекомендации |
RU2720952C2 (ru) | 2018-09-14 | 2020-05-15 | Общество С Ограниченной Ответственностью "Яндекс" | Способ и система для создания рекомендации цифрового содержимого |
RU2714594C1 (ru) | 2018-09-14 | 2020-02-18 | Общество С Ограниченной Ответственностью "Яндекс" | Способ и система определения параметра релевантность для элементов содержимого |
RU2725659C2 (ru) | 2018-10-08 | 2020-07-03 | Общество С Ограниченной Ответственностью "Яндекс" | Способ и система для оценивания данных о взаимодействиях пользователь-элемент |
RU2731335C2 (ru) | 2018-10-09 | 2020-09-01 | Общество С Ограниченной Ответственностью "Яндекс" | Способ и система для формирования рекомендаций цифрового контента |
RU2757406C1 (ru) | 2019-09-09 | 2021-10-15 | Общество С Ограниченной Ответственностью «Яндекс» | Способ и система для обеспечения уровня сервиса при рекламе элемента контента |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101923545A (zh) * | 2009-06-15 | 2010-12-22 | 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 |
CN103093376A (zh) * | 2013-01-16 | 2013-05-08 | 北京邮电大学 | 基于奇异值分解算法的聚类协同过滤推荐系统 |
CN103116589A (zh) * | 2011-11-17 | 2013-05-22 | 腾讯科技(深圳)有限公司 | 一种发送推荐信息的方法及装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080294607A1 (en) * | 2007-05-23 | 2008-11-27 | Ali Partovi | System, apparatus, and method to provide targeted content to users of social networks |
-
2013
- 2013-11-11 CN CN201310557764.6A patent/CN104636371B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101923545A (zh) * | 2009-06-15 | 2010-12-22 | 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 |
CN103116589A (zh) * | 2011-11-17 | 2013-05-22 | 腾讯科技(深圳)有限公司 | 一种发送推荐信息的方法及装置 |
CN103093376A (zh) * | 2013-01-16 | 2013-05-08 | 北京邮电大学 | 基于奇异值分解算法的聚类协同过滤推荐系统 |
Non-Patent Citations (1)
Title |
---|
基于SVD++与行为分析的社交推荐;刘剑波 等;《计算机应用》;20130630;82-86 * |
Also Published As
Publication number | Publication date |
---|---|
CN104636371A (zh) | 2015-05-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104636371B (zh) | 信息推荐方法及设备 | |
CN104281699B (zh) | 搜索推荐方法及装置 | |
US20180336193A1 (en) | Artificial Intelligence Based Method and Apparatus for Generating Article | |
CN105205089B (zh) | 账户推荐 | |
US20170293864A1 (en) | System and Method for Searching and Matching Content Over Social Networks Relevant to an Individual | |
US8718369B1 (en) | Techniques for shape-based search of content | |
KR20100113423A (ko) | 역 벡터 공간 모델을 이용한 키워드 추천방법 및 그 장치 | |
CN104484336B (zh) | 一种中文评论分析方法及其系统 | |
CN106326259A (zh) | 搜索引擎中商品标签的构建方法、系统及搜索方法和系统 | |
CN107368489A (zh) | 一种资讯数据处理方法及装置 | |
CN107798622A (zh) | 一种识别用户意图的方法和装置 | |
CN109819002B (zh) | 数据推送方法和装置、存储介质及电子装置 | |
CN108153754B (zh) | 一种数据处理方法及其装置 | |
US9058328B2 (en) | Search device, search method, search program, and computer-readable memory medium for recording search program | |
CN109829033B (zh) | 数据展示方法和终端设备 | |
CN109981712B (zh) | 用于推送信息的方法和装置 | |
KR101910424B1 (ko) | 태그의 감성 분석을 이용한 영화 평점 예측 방법, 이를 수행하기 위한 기록 매체 및 장치 | |
CN116823410A (zh) | 数据处理方法、对象处理方法、推荐方法及计算设备 | |
CN108932247A (zh) | 一种优化文本搜索的方法及装置 | |
CN111787042A (zh) | 用于推送信息的方法和装置 | |
JP6680472B2 (ja) | 情報処理装置、情報処理方法及び情報処理プログラム | |
CN107562845A (zh) | 推送方法、系统及电子设备 | |
Camiciottoli et al. | The integration of netnography and text mining for the representation of brand image in fashion blogs | |
KR101985603B1 (ko) | 삼분 그래프에 기반한 추천 방법 | |
Shen | How small brands survive the social media firestorm through culture heritage: A case study of Irish fashion microblogging |
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 |