CN105095305A - 一种个性化页面的生成方法及装置 - Google Patents
一种个性化页面的生成方法及装置 Download PDFInfo
- Publication number
- CN105095305A CN105095305A CN201410213762.XA CN201410213762A CN105095305A CN 105095305 A CN105095305 A CN 105095305A CN 201410213762 A CN201410213762 A CN 201410213762A CN 105095305 A CN105095305 A CN 105095305A
- Authority
- CN
- China
- Prior art keywords
- internet application
- user
- interest
- internet
- relative coefficient
- 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.)
- Granted
Links
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Information Transfer Between Computers (AREA)
Abstract
本发明涉及一种个性化页面的生成方法,包括:记录用户在第一互联网应用程序与第二互联网应用程序中的用户行为数据;根据用户行为数据分析第一互联网应用程序与第二互联网应用程序内目标对象的兴趣用户分布特征;根据兴趣用户分布特征计算第一互联网应用程序内的对象与第二互联网应用程序内的对象之间的相关性系数;在检测到第一用户登陆第二互联网应用程序中时获取第一用户在所述第一互联网应用程序内的第一兴趣对象;从第二互联网应用程序中获取与第一兴趣对象之间的相关性系数大于预定值的第二兴趣对象,并根据第二兴趣对象生成第一用户的个性化页面。上述方法可解决了个性化页面生成过程新用户数据稀疏问题。
Description
技术领域
本发明涉及互联网数据处理领域,尤其涉及一种个性化页面的生成方法及装置。
背景技术
随着互联网技术的发展,个性化推荐系统已经广泛的应用于在线电子商务平台。所谓个性化推荐即根据用户的兴趣特点和购买行为,向用户推荐用户感兴趣的信息和商品,从而可节省用户搜索信息或商品的时间。
目前常用的个性化推荐算法通过利用用户的历史行为来预测用户感兴趣的商品。因此,当某一个用户在这个平台上没有任何行为或者非常少的行为,则现有的技术没有办法为用户生成个性化的页面。
发明内容
有鉴于此,本发明实施例提供一种个性化页面的生成方法及装置,其可解决上述的当没有记录到用户行为或者用户行为记录数据过少时个性化页面的生成问题。
一种个性化页面的生成方法,包括:
记录用户在第一互联网应用程序与第二互联网应用程序中的用户行为数据并根据用户行为数据分析所述第一互联网应用程序与第二互联网应用程序内目标对象的兴趣用户分布特征;
根据所述兴趣用户分布特征计算所述第一互联网应用程序内的对象与第二互联网应用程序内的对象之间的相关性系数;
在检测到第一用户登陆所述第二互联网应用程序中时获取所述第一用户在所述第一互联网应用程序内的第一兴趣对象;以及
从所述第二互联网应用程序中获取与所述第一兴趣对象之间的相关性系数大于预定值的第二兴趣对象,并根据所述第二兴趣对象生成所述第一用户的个性化页面。
一种个性化页面的生成装置,包括:
用户行为记录模块,用于记录用户在第一互联网应用程序与第二互联网应用程序中的用户行为数据并根据用户行为数据分析所述第一互联网应用程序与第二互联网应用程序内目标对象的兴趣用户分布特征;
相关性模块,用于根据所述兴趣用户分布特征计算所述第一互联网应用程序内的对象与第二互联网应用程序内的对象之间的相关性系数;
获取模块,用于在检测到第一用户登陆所述第二互联网应用程序中时获取所述第一用户在所述第一互联网应用程序内的第一兴趣对象;以及
页面生成模块,用于从所述第二互联网应用程序中获取与所述第一兴趣对象之间的相关性系数大于预定值的第二兴趣对象,并根据所述第二兴趣对象生成所述第一用户的个性化页面。
根据上述的方案,当一个用户在某个互联网应用程序中不存在用户行为记录数据时,可以间接通过其他互联网应用程序内的用户行为记录数据获取该用户在当前互联网应用程序内的兴趣对象,从而解决了个性化页面生成过程的新用户数据稀疏问题。
为让本发明的上述和其他目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附图式,作详细说明如下。
附图说明
图1为一种基于互联网的通讯系统的架构示意图。
图2为一个服务器的结构框图。
图3为第一实施例的个性化页面生成方法的流程图。
图4为第二实施例的个性化页面生成方法的流程图。
图5为第五实施例的个性化页面生成装置的结构框图。
图6为第六实施例的个性化页面生成装置的结构框图。
图7为第七实施例的个性化页面生成系统的结构框图。
图8为第八实施例的个性化页面生成系统的结构框图。
具体实施方式
为更进一步阐述本发明为实现预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例,对依据本发明的具体实施方式、结构、特征及其功效,详细说明如后。
参阅图1,其为一种基于互联网的通讯系统的架构示意图。如图1所示,此系统包括服务层10、传输层20、以及终端层30。
服务层10是指部署在互联网中的服务器系统,其内运行有用于提供各种互联网服务的服务器端应用程序(以下简称互联网应用程序)。上述互联网服务的实例包括,但并不限于,线上购物网站、在线游戏网站、社交网络、在线音乐网站、在线视频网站、在线阅读网站等等。
参阅图2,其为上述的服务器系统的一个服务器的结构框图。可以理解,上述的服务器系统可以包括一个或多个图2所示的服务器。如图2所示,服务器包括:存储器102、处理器104以及网络模块106。可以理解,图2所示的结构仅为示意,其并不对服务器的结构造成限定。例如,服务器还可包括比图2中所示更多或者更少的组件,或者具有与图2所示不同的配置。
存储器102可用于存储软件程序以及模块,处理器104通过运行存储在存储器102内的软件程序以及模块,从而执行各种功能应用以及数据处理。存储器102可包括高速随机存储器,还可包括非易失性存储器,如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中,存储器102可进一步包括相对于处理器104远程设置的存储器,这些远程存储器可以通过网络连接至服务器。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
传输模块106用于接收以及发送网络信号。上述网络信号可包括无线信号或者有线信号。在一个实例中,上述网络信号为有线网络信号。此时,传输模块106可包括处理器、随机存储器、转换器、晶体振荡器等元件。
上述的软件程序以及模块包括:操作系统122、服务模块124、用户行为记录模块126、个性化页面生成模块128。其中操作系统122例如可为LINUX,UNIX,WINDOWS,其可包括各种用于管理系统任务(例如内存管理、存储设备控制、电源管理等)的软件组件和/或驱动,并可与各种硬件或软件组件相互通讯,从而提供其他软件组件的运行环境。服务模块124运行在操作系统122的基础上,并通过操作系统122的网络服务监听来自网络的请求,根据请求完成相应的数据处理,并返回处理结果给客户端。也就是说,服务模块124用于向客户端提供上述的互联网服务。
进一步地,服务模块124除了提供上述的联系网服务外,还负责将用户行为数据提供给用户行为记录模块126进行记录。上述的用户行为数据是指用户在使用提供的互联网服务的过程中浏览、点击、收藏、购买、关注某项实体物品、虚拟物品、服务、联系人的记录数据。总之,对于本领域普通技术人员来说,任意可以体现用户兴趣、习惯、偏好的行为数据均可包括在上述的用户行为数据范围内。用户行为记录模块126用于将服务模块124提供的用户行为数据存储在文件内或者数据库内。
个性化页面生成模块128用于根据用户行为数据为用户生成个性化的页面。例如,生成符合用户消费兴趣的商品、服务、联系人的推荐页面。个性化页面生成模块128的具体实现流程,将结合具体的实施例描述如后。
上述的模块是指存储在存储器102内的软件程序模块,当其被处理器104执行时,才能实现各模块所预期的功能。然而,上述的模块也可以采用硬件,例如,特殊应用集成电路(ApplicationSpecificIntegratedCircuit,ASIC)、现场可编程门阵列(FieldProgrammableGateArray,FPGA)等来替代。
再请参阅图1,本实施例中,服务层10包括第一服务器系统11以及第二服务器系统12,其内分别部署有第一互联网应用程序与第二互联网应用程序。此外,虽然图1中所示为分别部署在不同的服务器系统中,然而第一互联网应用程序与第二互联网应用程序也可以部署在同一服务器系统中。
第一互联网应用程序与第二互联网应用程序可以提供同类型的互联网服务,也可以分别提供不同类型的联系网服务。在一个实施方式中,第一互联网应用程序与第二互联网应用程序均提供在线购物服务,但其出售的商品、服务至少具有部分是不重叠的。在一个实施方式中,第一互联网应用程序与第二互联网应用程序均提供在线购物服务,但其出售的商品、服务是完全不重叠的。在一个实施方式中,第一互联网应用程序提供在线购物服务,而第二互联网应用程序提供线上音乐播放服务。在一个实施方式中,第一互联网应用程序提供线上音乐播放服务,而第二互联网应用程序提供线上视频播放服务。
传输层20是指各种层级的网络,例如骨干网、城域网、局域网、移动通信网、无线局域网等,传输层20负责服务层10与终端层30之间的互联网接入及数据传输。一般来说,服务层10的服务器系统一般部署在互联网服务提供商的机房或者数据中心内,其一般可直接与骨干网相连。而终端层30内的各种终端可通过局域网、无线局域网、移动通信网等接入互联网,从而可与服务器10之间相互通信。
终端层30内的终端的具体实例包括但并不限于台式电脑、笔记本电脑、平板电脑(包括但并不限于苹果公司的iPad以及其他运行苹果公司IOS操作系统的触屏设备、运行微软公司Windows操作系统的触屏设备及运行谷歌公司Android操作系统的触屏设备)、移动电话、智能手机(包括但并不限于苹果公司IOS操作系统、Windows移动操作系统、黑霉操作系统、塞斑操作系统的智能手机)、电子书阅读器、运行任意前述操作系统或者其他操作系统的车载终端、以及可穿戴电子终端(包括但并不限于智能眼镜、手表、手环、腕带、及其他饰品)。
如图1所示,台式电脑31通过同轴电缆与路由器301连接而接入互联网,笔记本电脑32与智能手机33通过无线访问热点302接入互联网,而平板电脑34与可穿戴设备35通过移动基站303接入互联网。可以理解,无论采用哪种方式接入互联网,终端层30内的各种终端均通访问服务器10提供的各种互联网服务。
终端层30内的各种终端基于浏览器或者本地应用程序(NativeApplication)提供上述的各种互联网服务的前端界面,并通过这些界面与用户进行交互,用户可以在这些界面中完成上述的浏览、点击、收藏、购买、关注某项实体物品、虚拟物品、服务、联系人等操作。在检测到用户的输入操作后,终端可将相应的数据通过传输层20发送给对应的互联网应用程序。而互联网应用程序在接收到这些数据后除了进行正常的数据处理并返回结果外,还可记录用户的行为数据。
参阅图3,其为第一实施例提供的个性化页面生成方法的流程图。如图3所示,上述的方法包括以下步骤:
步骤S101、记录用户在第一互联网应用程序与第二互联网应用程序中的用户行为数据。
第一互联网应用程序与第二互联网应用程序可以提供同类型的互联网服务,也可以分别提供不同类型的联系网服务。在一个实施方式中,第一互联网应用程序与第二互联网应用程序均提供在线购物服务,但其出售的商品、服务至少具有部分是不重叠的。在一个实施方式中,第一互联网应用程序与第二互联网应用程序均提供在线购物服务,但其出售的商品、服务是完全不重叠的。在一个实施方式中,第一互联网应用程序提供在线购物服务,而第二互联网应用程序提供线上音乐播放服务。在一个实施方式中,第一互联网应用程序提供线上音乐播放服务,而第二互联网应用程序提供线上视频播放服务。
上述的用户行为是指第一互联网应用程序与第二互联网应用程序中完成浏览、点击、收藏、购买、关注某项实体物品、虚拟物品、服务、联系人的操作,这些操作产生数据即为上述的用户行为数据。
步骤S102、根据用户行为数据分析所述第一互联网应用程序与第二互联网应用程序内目标对象的兴趣用户分布特征。
上述的目标对象例如是指互联网应用程序中涉及的物品、商品、虚拟物品、道具、服务、联系人等对象,该对象是互联网应程序提供互联网服务的基本单元。兴趣用户分布特征是指对该对象感兴趣的用户在所有用户中的分布特征。一个用户对某个对象是否感兴趣可以由本领域普通技术人员根据具体的需求以及具体的应用场景进行定义。例如,对于在线购物网站,可以定义浏览、收藏或者购买过某个商品的用户为该商品感兴趣。对于社交网络,可以定义关注某个联系人的收听者为该联系人的兴趣用户。对于目标对象的兴趣用户分布特征,本领域普通技术人员可以采用任意合适的数据结构进行描述。
在一个实施方式中,可以采用用户特征向量来表征上述的兴趣用户分布特征。也就是说,步骤S101可包括以下步骤:
获取第一互联网应用程序或第二互联网应用程序的N个用户,其中N为自然数;以及
分析目标对象是否是所述N个用户的兴趣对象从而形成所述对象的用户特征向量[a1,a2,…aN],其中an(1≤n<N)的值表征用户n对所述对象的兴趣度。
例如,在一个在线购物网站中具有5个用户(1、2、3、4、5),对于商品A,用户1、3、5购买过。则商品A的用户特征向量可以表述为[1,0,1,0,1]。可以看出,在此实例中,用1表示对该商品感兴趣,用0表示对该商品不感兴趣。可以理解,1与0的值可以用任何其他值来替换。
在上述的用户特征向量的表达式中,0表示完全不感兴趣,1表示完全感兴趣,其余的值从0到1,表示兴趣度越来越高。例如,在上述的实例中,结合用户兴趣度的用户特征向量可以表示为[1,0,0.5,0,0.7]。而具体的兴趣度信息可以根据用户不同的行为分析得到。例如,对于用户购买某项商品,则用户对该商品的兴趣度为1,而浏览该商品的相关页面,兴趣度可定义为0.5,而收藏该商品,则兴趣度可以定义为0.8。
步骤S103、根据所述兴趣用户分布特征计算所述第一互联网应用程序内的目标对象与第二互联网应用程序内的目标对象之间的相关性系数。
可以理解,第一互联网应用程序与第二互联网应用程序可具有部分相同的用户,这部分相的用户在第一互联网应用程序与第二互联网应用程序均具有兴趣对象。也就是说,同一用户帐号可以同时登陆不同的互联网应用程序。或者,两个不同的相互之间绑定的第一互联网应用程序与第二互联网应用程序的用户帐号也可以视为同一用户的帐号。
对于这部分相同的用户,在第一互联网应用程序与第二互联网应用程序内的目标对象均可形成相应的用户特征向量,然后根据两个向量就可以计算出两个目标对象之间的相关性系数。例如,对于给定的两个向量,可以计算余弦相似度或者皮尔逊相关系数作为上述的相关性系数。
步骤S104、在检测到第一用户登陆所述第二互联网应用程序中时获取所述第一用户在所述第一互联网应用程序内的第一兴趣对象。
对于尚未使用过第二互联网应用程序的用户来说,其在第二互联网应用程序中并不存在用户行为记录数据,因此,无法直接根据第二互联网应程序的用户行为记录数据获取第一用户在第二互联网应用程序内的兴趣对象。本实施例中,在此种情形下,首先获取第一用户在第一互联网应用程序内的第一兴趣对象。第一兴趣对象例如是指上述的商品、服务、联系人等等。第一兴趣对象可包括一个或者多个。
步骤S105、从所述第二互联网应用程序中获取与所述第一兴趣对象之间的相关性系数大于预定值的第二兴趣对象,并根据所述第二兴趣对象生成所述第一用户的个性化页面。
如上所述,在步骤S103中已经获取第一互联网应用程序与第二互联网应用程序的对象之间的相关性系数,因此在步骤S105中,即可获取所有与第一兴趣对象之间相关系性系数大于预定值的第二兴趣对象。第二兴趣对象例如是指上述的商品、服务、联系人等等。第二兴趣对象可包括一个或者多个。
在获取第二兴趣对象后,即可根据第二兴趣对象为第一用户生成个性化的页面。例如,根据商品生成可用于购买该商品或者添加进购物车的链接。根据联系人生成可用于关注该联系人的或者添加该联系人为好友的链接。在生成这些个性化的页面后,可将其返回给用户终端以进行显示。
根据本实施例的方法,当一个用户在某个互联网应用程序中不存在用户行为记录数据时,可以间接通过其他互联网应用程序内的用户行为记录数据获取该用户在当前互联网应用程序内的兴趣对象,从而解决了个性化页面生成过程的新用户数据稀疏问题。
第二实施例提供一种个性化页面生成方法,其与图3所示的方法相似,其不同之处在于,步骤S103包括以下步骤:
步骤S201、根据所述第一互联网应用程序与第二互联网应用程序的共享用户组内所有用户以及对应的所有兴趣对象计算相关性矩阵R’。
参阅下表,对于任意的两个互联网应用程序的所有用户,均可以分为三组,其中用户组1表示只在第一互联网应用程序中具有兴趣对象,用户组2(共享用户组)在第一互联网应用程序与第二互联网应用程序中均具有兴趣对象,而用户组3只在第二互联网应用程序中具有兴趣对象。
表1不同互联网应用程序的用户分组示意
根据上表,对于对象a1、a2、b1、b2、b3,根据用户组2内的用户是否感兴趣,可分别形成用户特征向量[1,1]、[0,1]、[1,1]、[1,0]、[1,0]。由上述特征向量,可以看出对象a1与对象b1之间相关性系数较高,而对象a1与对象b2与b3之间相关性系数较低。根据任意两个对象的用户特征向量,均可计算两个对象之间的相关性系数,进面可以形成相关性矩阵R’,而R’中的元素R’ij表示第一互联网应用程序内对象i与第二互联网应用程序内对象j之间的相关性系数。因此,根据相关性矩阵R’,即可获取第一互联网应用程序与第二互联网应用程序中任意两个对象之间的相关性系数。
步骤S202、根据所述第一互联网应用程序内对象的用户分布特征计算第一互联网应用程序内对象之间的相关性矩阵S。
再请参阅表1,对于第一互联网应用程序内的对象a1与a2,根据用户组1与用户组2内的所有用户还可以形成用户特征向量,例如对象a1的用户特征向量为[1,1,1,1],对象a2的用户特征向量为[1,1,0,1]。从用户特征向量可以看出,对象a1与对象a2之间具有较高的相关性。步骤S202中,根据第一互联网应用程序内对象的用户特征向量计算任意两个对象之间的相关性并形成相关性矩阵S,相关性矩阵S中的元素Sii’表示对象i与对象i’之前的相关性。因此,根据相关性矩阵S,即可获取第一互联网应用程序内任意两个对象之间的相关性。
步骤S203、根据所述第二互联网应用程序内对象的用户分布特征计算第二互联网应用程序内对象之间的相关性矩阵S’。
与相关性矩阵S相似,可以根据用户组2与用户组3内所有用户是否对第二互联网应用程序内的对象之间的相关性矩阵S’。相关性矩阵S’中的元素S’jj’表示对象j与对象j’之前的相关性。因此,根据相关性矩阵S;,即可获取第二互联网应用程序内任意两个对象之间的相关性。
步骤S204、根据所述相关性矩阵R’、S、S’计算第一互联网应用程序与第二互联网应用程序内任意对象之间的相关性系数。
在一个实施方式中,步骤S204包括以下步骤:计算第一互联网应用程序内的对象m与第二互联网应用程序内的对象j之间的相关性系数Rmj=Smi×R’ij,其中R’ij为第一互联网应用程序中的对象i与第二互联网应用程序中的对象j之间的相关性,Smi为第一互联网应用程序中对象m与对象i之间的相关性。
再请参阅表1,如果只根据用户组2形成用户特征向量,而对象a2与第二互联网应用程序内的任意对象的相关性均较低,也就是说,当前述的第一用户的兴趣对象只有对象a2时,根据相关性矩阵R’并不能获取对应的相关性高于一定值的第二互联网应用程序内的对象。而根据本实施方式,可将对象a2与对象b1之间的相关性系数定义为对象a2与对象a1之前的相关性系数×对象a1与对象b1之间的相关性系数。由于对象a1与a2高度相关,且对象a1与对象b1高度相关,因此,对象a2通过对象a1间接与对象b1关联起来。
可以理解,对于第一互联网应用程序内的L个对象,其中任意一个对象都可以通过其他的(L-1)个对象与第二互联网应用程序内的对象是之间相互关联。也就是说,公式Rmj=Smi×R’ij可能计算结果具有L-1个,对于这L-1个计算结果,可以取最大值,也可以对L-1个计算结果计算平均值作为最终的相关性系数。
在一个实施方式中,步骤S204包括以下步骤:计算第一互联网应用程序与第二互联网应用程序内任意对象之间的相关性系数Rin=R’ij×S’jn,其中R’ij为第一互联网应用程序中的对象i与第二互联网应用程序中的对象j之间的相关性,S’jn为第二互联网应用程序中对象j与对象n之间的相关性。
可以理解,对于第二互联网应用程序内的M个对象,其中任意一个对象都可以通过其他的M-1个对象与第一互联网应用程序内的对象是之间相互关联。也就是说,公式Rmj=Smi×R’ij可能计算结果具有M-1个,对于这M-1个计算结果,可以取最大值,也可以对L-1个计算结果计算平均值作为最终的相关性系数。
在以上的方式中,对象i与对象j之间的相关性可以通过一个间接对象(m或者n)获取,因此,上述方式可以归纳为一级间接相关性,而当一级间接相关性计算仍然无法获取需要的结果时,还可以考虑采用多级间接相关性计算。
在一个实施方式中,步骤S204包括以下步骤:计算第一互联网应用程序与第二互联网应用程序内任意对象之间的相关性系数Rmn=Smi×R’ij×S’jn,其中R’ij为第一互联网应用程序中的对象i与第二互联网应用程序中的对象j之间的相关性,Smi为第一互联网应用程序中对象m与对象i之间的相关性,S’jn为第二互联网应用程序中对象j与对象n之间的相关性。
可以理解,当第一互联网应用程序中具有L个对象,第二互联网应用程序中具有M个对象时,公式Rmn=Smi×R’ij×S’jn的计算结果具有(L-1)*(M-1)种,对于这(L-1)*(M-1)个计算结果,可以取最大值,也可以对(L-1)*(M-1)个计算结果计算平均值作为最终的相关性系数。
此外,步骤S204中实质上是通过其他对象作为媒介,实现第一互联网应有程序与第二互联网应用程序之间的对象相关性的计算。因此,可以是仅当根据相关性矩阵R’无法获取第一互联网应用程序中对象i与第二互联网应用程序中的对象j之间的相关性时才使用间接计算方式。也就是说,当所述相关性矩阵R’中不存在与商品m相对应的元素,或者所有与商品m对应的元素的值均小于所述预定值时才计算所述相关性系数Rmn=Smi×R’ij×S’jn。采用其他公式计算时可以以此类推。
根据本实施例的方法,当一个用户在某个互联网应用程序中不存在用户行为记录数据时,可以间接通过其他互联网应用程序内的用户行为记录数据获取该用户在当前互联网应用程序内的兴趣对象,从而解决了个性化页面生成过程的新用户数据稀疏问题。
第三实施例提供一种个性化页面的生成方法。本实施例中,第一互联网应用程序为在线购物网站A,第二互联网应用程序为在线购物网站B。其中在线购物网站A出售的商品主要包括日用商品,而在线购物网站B出售的主要商品为图书。在线购物网站A与在线购物网站B均接受第三方互联网帐号登陆。
对于第三方互联网帐号的一个帐号usera来说,其经常在网站A中购物,但并未登陆过网站B。因此,当usera登陆网站B后,由于没有历史记录数据,网站B并不能为其生成个性化的页面。此时,通过同时在网站A与网站B登陆过的用户建立网站A出售的商品与网站B出售的商品之间的相关性矩阵,并根据相关性矩阵获取usera在网站A内兴趣对象之间的相关性系数大于预定值的对象作为目标对象,并根据目标对象为usera生成个性化的页面。
根据本实施例的方法,通过相关性矩阵可将一个用户在网站A内的行为记录映射至网站B的商品中,从而解决网站B内新用户的个性化页面生成问题。
第四实施例提供一种个性化页面的生成方法。本实施例中,第一互联网应用程序为社交网络(SocialNetworkSystem,SNS)网站C,第二互联网应用程序为在线购物网站D。其中网站C提供社交网络服务,用户可以在其中创建、分享个人、组织的社交网络并与社交网络中的联系人进行通讯,而在线购物网站D出售的主要商品为图书。在线购物网站D接受网站C的用户帐号登陆。
对于网站C的用户帐号userb来说,其在网站C中非常活跃,但并未登陆过网站D。因此,当userb登陆网站D后,由于没有历史记录数据,网站D并不能为其生成个性化的页面。而在社交网络中,一个联系人被关注、收听或建立好友关系实质上可以类比为一个商品被购买或者收藏。也就是说,对于社交网络中的每个联系人同样可以按照上述的方法形成用户特征向量,并进一步与网站D中图书的用户特征向量进行比较计算以获取网站C中的联系人与网站D中的图书之间的相关性系数。如此,在userb登陆网站D后,可以获取其在网站C中的关注的联系人或者好友,根据相关性矩阵获取与其联系人之间相关性系数大于预定值的图书的集合,并进一步根据获取的图书的集合为userb生成个性化的页面。
根据本实施例的方法,通过相关性矩阵可将将两个提供不同类型互联网服务的网站之间建立关联,从而解决网站D内新用户的个性化页面生成问题。
参阅图5,其为第五实施例提供的个性化页面生成装置的结构框图。如图5所示,本实施例的装置包括:用户行为记录模块51、特征获取模块52、相关性模块53、对象获取模块54、以及页面生成模块55。
用户行为记录模块51用于记录用户在第一互联网应用程序与第二互联网应用程序中的用户行为数据。
特征获取模块52用于根据用户行为数据分析所述第一互联网应用程序与第二互联网应用程序内目标对象的兴趣用户分布特征。
相关性模块53用于根据所述兴趣用户分布特征计算所述第一互联网应用程序内的对象与第二互联网应用程序内的对象之间的相关性系数。
对象获取模块54用于在检测到第一用户登陆所述第二互联网应用程序中时获取所述第一用户在所述第一互联网应用程序内的第一兴趣对象。
页面生成模块55用于从所述第二互联网应用程序中获取与所述第一兴趣对象之间的相关性系数大于预定值的第二兴趣对象,并根据所述第二兴趣对象生成所述第一用户的个性化页面。
关于本实施例的装置的其他细节,还可进一步参阅第一实施例的相关描述。
根据本实施例的装置,当一个用户在某个互联网应用程序中不存在用户行为记录数据时,可以间接通过其他互联网应用程序内的用户行为记录数据获取该用户在当前互联网应用程序内的兴趣对象,从而解决了个性化页面生成过程的新用户数据稀疏问题。
参阅图6,其为第六实施例提供的个性化页面生成装置的结构框图。如图6所示,本实施例的装置与图5的装置相似,其不同之处在于,相关性模块53包括:第一计算模块61、第二计算模块62、第三计算模块63以及相关性计算模块64。
第一计算模块61用于根据所述第一互联网应用程序与第二互联网应用程序的共享用户组内所有用户以及对应的所有兴趣对象计算相关性矩阵R’。
第二计算模块62用于根据所述第一互联网应用程序内对象的用户分布特征计算第一互联网应用程序内对象之间的相关性矩阵S。
第三计算模块63用于根据所述第二互联网应用程序内对象的用户分布特征计算第二互联网应用程序内对象之间的相关性矩阵S’。
相关性计算模块64用于根据所述相关性矩阵R’、S、S’计算第一互联网应用程序与第二互联网应用程序内任意对象之间的相关性系数。
关于本实施例的装置的其他细节,还可进一步参阅第二实施例的相关描述。
根据本实施例的装置,当一个用户在某个互联网应用程序中不存在用户行为记录数据时,可以间接通过其他互联网应用程序内的用户行为记录数据获取该用户在当前互联网应用程序内的兴趣对象,从而解决了个性化页面生成过程的新用户数据稀疏问题。
参阅图7,其为第七实施例提供的个性化页面生成系统的结构框图。如图7所示,上述的系统包括:第一服务器71、以及第二服务器72。
第一服务器71包括第一用户行为记录模块711与第一分析模块712,第二服务器72包括第二记录模块721与第二记录模块722。其中,第一记录模块711用于记录用户在第一互联网应用程序内的用户行为数据,第一分析模块712用于根据第一记录模块711记录的数据分析第一互联网应用程序内目标对象的兴趣用户分布特征。第二记录模块721用于记录用户在第二互联网应用程序内的用户行为数据,第二分析模块722用于根据第二记录模块721记录的数据分析第二互联网应用程序内目标对象的兴趣用户分布特征。
第二服务器72还包括相关性模块723、对象获取模块724、以及页面生成模块725。
相关性模块723用于根据所述兴趣用户分布特征计算所述第一互联网应用程序内的目标对象与第二互联网应用程序内的目标对象之间的相关性系数。
对象获取模块724用于在检测到第一用户登陆所述第二互联网应用程序中时获取所述第一用户在所述第一互联网应用程序内的第一兴趣对象。
页面生成模块725用于从所述第二互联网应用程序中获取与所述第一兴趣对象之间的相关性系数大于预定值的第二兴趣对象,并根据所述第二兴趣对象生成所述第一用户的个性化页面。
关于本实施例的装置的其他细节,还可进一步参阅第一实施例的相关描述。
根据本实施例的系统,当一个用户在某个互联网应用程序中不存在用户行为记录数据时,可以间接通过其他互联网应用程序内的用户行为记录数据获取该用户在当前互联网应用程序内的兴趣对象,从而解决了个性化页面生成过程的新用户数据稀疏问题。
第六实施例提供一种个性化页面生成系统,其与图5所示的系统相似,其不同之处在于,相关性模块723包括:第一计算模块61、第二计算模块62、第三计算模块63以及相关性计算模块64。
第一计算模块61用于根据所述第一互联网应用程序与第二互联网应用程序的共享用户组内所有用户以及对应的所有兴趣对象计算相关性矩阵R’。
第二计算模块62用于根据所述第一互联网应用程序内对象的用户分布特征计算第一互联网应用程序内对象之间的相关性矩阵S。
第三计算模块63用于根据所述第二互联网应用程序内对象的用户分布特征计算第二互联网应用程序内对象之间的相关性矩阵S’。
相关性计算模块64用于根据所述相关性矩阵R’、S、S’计算第一互联网应用程序与第二互联网应用程序内任意对象之间的相关性系数。
关于本实施例的装置的其他细节,还可进一步参阅第二实施例的相关描述。
根据本实施例的系统,当一个用户在某个互联网应用程序中不存在用户行为记录数据时,可以间接通过其他互联网应用程序内的用户行为记录数据获取该用户在当前互联网应用程序内的兴趣对象,从而解决了个性化页面生成过程的新用户数据稀疏问题。
以上所述,仅是本发明的较佳实施例而已,并非对本发明作任何形式上的限制,虽然本发明已以较佳实施例揭示如上,然而并非用以限定本发明,任何本领域技术人员,在不脱离本发明技术方案范围内,当可利用上述揭示的技术内容做出些许更动或修饰为等同变化的等效实施例,但凡是未脱离本发明技术方案内容,依据本发明的技术实质对以上实施例所作的任何简介修改、等同变化与修饰,均仍属于本发明技术方案的范围内。
Claims (20)
1.一种个性化页面的生成方法,其特征在于,所述方法包括:
记录用户在第一互联网应用程序与第二互联网应用程序中的用户行为数据;
根据所述用户行为数据分析所述第一互联网应用程序与第二互联网应用程序内目标对象的兴趣用户分布特征;
根据所述兴趣用户分布特征计算所述第一互联网应用程序内的对象与第二互联网应用程序内的对象之间的相关性系数;
在检测到第一用户登陆所述第二互联网应用程序中时获取所述第一用户在所述第一互联网应用程序内的第一兴趣对象;以及
从所述第二互联网应用程序中获取与所述第一兴趣对象之间的相关性系数大于预定值的第二兴趣对象,并根据所述第二兴趣对象生成所述第一用户的个性化页面。
2.如权利要求1所述的方法,其特征在于,所述根据用户行为分析所述第一互联网应用程序与第二互联网应用程序内对象的兴趣用户分布特征包括:
获取所述第一互联网应用程序或第二互联网应用程序的N个用户,其中N为自然数;以及
分析所述对象是否是所述N个用户的兴趣对象从而形成所述对象的用户特征向量[a1,a2,…aN],其中an(1≤n<N)的值表征所述N个用户中第n个用户对所述对象的兴趣度。
3.如权利要求2所述的方法,其特征在于,所述根据所述兴趣用户分布特征计算所述第一互联网应用程序内的对象与第二互联网应用程序内的对象之间的相关性系数包括:
根据所述用户特征向量计算不同对象之间的余弦相似度或者皮尔逊相关系数。
4.如权利要求2所述的方法,其特征在于,所述获取所述第一互联网应用程序或第二互联网应用程序的N个用户包括:
获取同时在所述第一互联网应用程序与第二互联网应用程序中具有兴趣对象的N个用户。
5.如权利要求1-4任一项所述的方法,其特征在于,所述根据所述兴趣用户分布特征计算所述第一互联网应用程序内的对象与第二互联网应用程序内的对象之间的相关性系数包括:
根据所述第一互联网应用程序与第二互联网应用程序的共享用户组内所有用户以及对应的所有兴趣对象计算相关性矩阵R’,其中所述共享用户组内的每个用户在所述第一互联网应用程序与第二互联网应用程序内均具有兴趣对象;
根据所述第一互联网应用程序内对象的用户分布特征计算第一互联网应用程序内对象之间的相关性矩阵S;
根据所述第二互联网应用程序内对象的用户分布特征计算第二互联网应用程序内对象之间的相关性矩阵S’;以及
根据所述相关性矩阵R’、S、S’计算第一互联网应用程序与第二互联网应用程序内任意对象之间的相关性系数。
6.如权利要求5所述的方法,其特征在于,所述根据所述相关性矩阵R’、S、S’计算第一互联网应用程序与第二互联网应用程序内任意对象之间的相关性系数包括:
计算第一互联网应用程序与第二互联网应用程序内任意对象之间的相关性系数Rmn=Smi×R’ij×S’jn,其中R’ij为第一互联网应用程序中的对象i与第二互联网应用程序中的对象j之间的相关性,Smi为第一互联网应用程序中对象m与对象i之间的相关性,S’jn为第二互联网应用程序中对象j与对象n之间的相关性。
7.如权利要求6所述的方法,其特征在于,当所述R’中不存在与对象m相对应的元素,或者所有与对象m对应的元素的值均小于所述预定值时才计算所述相关性系数Rmn=Smi×R’ij×S’jn。
8.如权利要求5所述的方法,其特征在于,所述根据所述相关性矩阵R’、S、S’计算第一互联网应用程序与第二互联网应用程序内任意对象之间的相关性系数包括:
计算第一互联网应用程序与第二互联网应用程序内任意对象之间的相关性系数Rmj=Smi×R’ij,其中R’ij为第一互联网应用程序中的对象i与第二互联网应用程序中的对象j之间的相关性,Smi为第一互联网应用程序中对象m与对象i之间的相关性。
9.如权利要求5所述的方法,其特征在于,所述根据所述相关性矩阵R’、S、S’计算第一互联网应用程序与第二互联网应用程序内任意对象之间的相关性系数包括:
计算第一互联网应用程序与第二互联网应用程序内任意对象之间的相关性系数Rin=R’ij×S’jn,其中R’ij为第一互联网应用程序中的对象i与第二互联网应用程序中的对象j之间的相关性,S’jn为第二互联网应用程序中对象j与对象n之间的相关性。
10.如权利要求1所述的方法,其特征在于,所述根据所述第二兴趣对象生成所述第一用户的个性化页面包括:生成指向所述第二兴趣对象的链接。
11.一种个性化页面的生成装置,其特征在于,所述装置包括:
用户行为记录模块,用于记录用户在第一互联网应用程序与第二互联网应用程序中的用户行为数据;
特征获取模块,用于根据用户行为数据分析所述第一互联网应用程序与第二互联网应用程序内目标对象的兴趣用户分布特征;
相关性模块,用于根据所述兴趣用户分布特征计算所述第一互联网应用程序内的对象与第二互联网应用程序内的对象之间的相关性系数;
对象获取模块,用于在检测到第一用户登陆所述第二互联网应用程序中时获取所述第一用户在所述第一互联网应用程序内的第一兴趣对象;以及
页面生成模块,用于从所述第二互联网应用程序中获取与所述第一兴趣对象之间的相关性系数大于预定值的第二兴趣对象,并根据所述第二兴趣对象生成所述第一用户的个性化页面。
12.如权利要求11所述的装置,其特征在于,所述用户行为记录模块根据用户行为分析所述第一互联网应用程序与第二互联网应用程序内对象的兴趣用户分布特征包括:
获取所述第一互联网应用程序或第二互联网应用程序的N个用户,其中N为自然数;以及
分析所述对象是否是所述N个用户的兴趣对象从而形成所述对象的用户特征向量[a1,a2,…aN],其中an(1≤n<N)的值表征所述N个用户中第n个用户对所述对象的兴趣度。
13.如权利要求12所述的装置,其特征在于,所述相关性模块用于:
根据所述用户特征向量计算不同对象之间的余弦相似度或者皮尔逊相关系数。
14.如权利要求12所述的装置,其特征在于,所述用户行为记录模块获取所述第一互联网应用程序或第二互联网应用程序的N个用户包括:
获取同时在所述第一互联网应用程序与第二互联网应用程序中具有兴趣对象的N个用户。
15.如权利要求11-14任一项所述的装置,其特征在于,所述相关性模块用于:
根据所述第一互联网应用程序与第二互联网应用程序的共享用户组内所有用户以及对应的所有兴趣对象计算相关性矩阵R’,其中所述共享用户组内的每个用户在所述第一互联网应用程序与第二互联网应用程序内均具有兴趣对象;
根据所述第一互联网应用程序内对象的用户分布特征计算第一互联网应用程序内对象之间的相关性矩阵S;
根据所述第二互联网应用程序内对象的用户分布特征计算第二互联网应用程序内对象之间的相关性矩阵S’;以及
根据所述相关性矩阵R’、S、S’计算第一互联网应用程序与第二互联网应用程序内任意对象之间的相关性系数。
16.如权利要求15所述的装置,其特征在于,所述相关性模块根据所述相关性矩阵R’、S、S’计算第一互联网应用程序与第二互联网应用程序内任意对象之间的相关性系数包括:
计算第一互联网应用程序与第二互联网应用程序内任意对象之间的相关性系数Rmn=Smi×R’ij×S’jn,其中R’ij为第一互联网应用程序中的对象i与第二互联网应用程序中的对象j之间的相关性,Smi为第一互联网应用程序中对象m与对象i之间的相关性,S’jn为第二互联网应用程序中对象j与对象n之间的相关性。
17.如权利要求16所述的装置,其特征在于,当所述R’中不存在与对象m相对应的元素,或者所有与对象m对应的元素的值均小于所述预定值时所述相关性模块才计算所述相关性系数Rmn=Smi×R’ij×S’jn。
18.如权利要求15所述的装置,其特征在于,所述相关性模块根据所述相关性矩阵R’、S、S’计算第一互联网应用程序与第二互联网应用程序内任意对象之间的相关性系数包括:
计算第一互联网应用程序与第二互联网应用程序内任意对象之间的相关性系数Rmj=Smi×R’ij,其中R’ij为第一互联网应用程序中的对象i与第二互联网应用程序中的对象j之间的相关性,Smi为第一互联网应用程序中对象m与对象i之间的相关性。
19.如权利要求15所述的装置,其特征在于,所述相关性模块根据所述相关性矩阵R’、S、S’计算第一互联网应用程序与第二互联网应用程序内任意对象之间的相关性系数包括:
计算第一互联网应用程序与第二互联网应用程序内任意对象之间的相关性系数Rin=R’ij×S’jn,其中R’ij为第一互联网应用程序中的对象i与第二互联网应用程序中的对象j之间的相关性,S’jn为第二互联网应用程序中对象j与对象n之间的相关性。
20.如权利要求11所述的装置,其特征在于,所述页面生成模块根据所述第二兴趣对象生成所述第一用户的个性化页面包括:生成指向所述第二兴趣对象的链接。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410213762.XA CN105095305B (zh) | 2014-05-20 | 2014-05-20 | 一种个性化页面的生成方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410213762.XA CN105095305B (zh) | 2014-05-20 | 2014-05-20 | 一种个性化页面的生成方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105095305A true CN105095305A (zh) | 2015-11-25 |
CN105095305B CN105095305B (zh) | 2019-03-08 |
Family
ID=54575755
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410213762.XA Active CN105095305B (zh) | 2014-05-20 | 2014-05-20 | 一种个性化页面的生成方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105095305B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109902252A (zh) * | 2019-01-17 | 2019-06-18 | 平安城市建设科技(深圳)有限公司 | 用户成长体系的管理方法、装置、设备及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102289509A (zh) * | 2011-08-31 | 2011-12-21 | 南京大学 | 一种网站数据的获取及迁移使用方法 |
CN102880501A (zh) * | 2012-07-24 | 2013-01-16 | 北京奇虎科技有限公司 | 应用推荐的实现方法、装置和系统 |
CN102999588A (zh) * | 2012-11-15 | 2013-03-27 | 广州华多网络科技有限公司 | 一种多媒体应用的推荐方法和系统 |
CN103136435A (zh) * | 2011-11-30 | 2013-06-05 | 深圳市快播科技有限公司 | 一种个性化游戏推荐的系统、方法及游戏平台 |
-
2014
- 2014-05-20 CN CN201410213762.XA patent/CN105095305B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102289509A (zh) * | 2011-08-31 | 2011-12-21 | 南京大学 | 一种网站数据的获取及迁移使用方法 |
CN103136435A (zh) * | 2011-11-30 | 2013-06-05 | 深圳市快播科技有限公司 | 一种个性化游戏推荐的系统、方法及游戏平台 |
CN102880501A (zh) * | 2012-07-24 | 2013-01-16 | 北京奇虎科技有限公司 | 应用推荐的实现方法、装置和系统 |
CN102999588A (zh) * | 2012-11-15 | 2013-03-27 | 广州华多网络科技有限公司 | 一种多媒体应用的推荐方法和系统 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109902252A (zh) * | 2019-01-17 | 2019-06-18 | 平安城市建设科技(深圳)有限公司 | 用户成长体系的管理方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN105095305B (zh) | 2019-03-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108733706B (zh) | 热度信息的生成方法和装置 | |
US10789634B2 (en) | Personalized recommendation method and system, and computer-readable record medium | |
CN106952166B (zh) | 一种社交平台的用户影响力估算方法及装置 | |
CN113643103B (zh) | 基于用户相似度的产品推荐方法、装置、设备及存储介质 | |
CN110335123B (zh) | 基于社交电商平台的商品推荐方法、系统、计算机可读介质以及装置 | |
CN102411596A (zh) | 一种信息推荐方法及系统 | |
TWI579787B (zh) | 即時電子優惠券分配系統與方法 | |
US9911130B1 (en) | Attribution modeling using regression analysis | |
CN110020124A (zh) | 用于相关产品挖掘的方法及装置 | |
CN109087138A (zh) | 数据处理方法及系统、计算机系统和可读存储介质 | |
CN104641355A (zh) | 自适应服务超时 | |
CN110765395A (zh) | 一种用于提供小说信息的方法与设备 | |
CN104376083A (zh) | 一种基于关注关系和多用户行为的图推荐方法 | |
CN109754348A (zh) | 一种课程推送方法、装置、电子设备和介质 | |
US20150302088A1 (en) | Method and System for Providing Personalized Content | |
CN105027155A (zh) | 统一用于线上共享的云服务 | |
CN111340522B (zh) | 资源推荐方法、装置、服务器及存储介质 | |
CN109710832A (zh) | 一种用于搜索寄宿程序的方法与设备 | |
CN107071864A (zh) | 一种用于连接无线接入点的方法、设备及系统 | |
CN109977982A (zh) | 用户分类方法、系统、电子设备及计算机可读介质 | |
US20160253332A1 (en) | Ranked navigation element | |
CN105095305A (zh) | 一种个性化页面的生成方法及装置 | |
US10387934B1 (en) | Method medium and system for category prediction for a changed shopping mission | |
CN112131502A (zh) | 数据处理方法、数据处理装置、电子设备和介质 | |
US9071573B2 (en) | Method and system for providing article information |
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 |