CN105677767A - 一种设备配置推荐方法和装置 - Google Patents

一种设备配置推荐方法和装置 Download PDF

Info

Publication number
CN105677767A
CN105677767A CN201511023838.3A CN201511023838A CN105677767A CN 105677767 A CN105677767 A CN 105677767A CN 201511023838 A CN201511023838 A CN 201511023838A CN 105677767 A CN105677767 A CN 105677767A
Authority
CN
China
Prior art keywords
information
user
targeted customer
configuration
equipment
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
Application number
CN201511023838.3A
Other languages
English (en)
Other versions
CN105677767B (zh
Inventor
葛付江
赵凯
卢小东
卓雷
周丹
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Lenovo Beijing Ltd
Original Assignee
Lenovo Beijing Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Lenovo Beijing Ltd filed Critical Lenovo Beijing Ltd
Priority to CN201511023838.3A priority Critical patent/CN105677767B/zh
Publication of CN105677767A publication Critical patent/CN105677767A/zh
Priority to US15/394,801 priority patent/US20170195176A1/en
Application granted granted Critical
Publication of CN105677767B publication Critical patent/CN105677767B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/08—Configuration management of networks or network elements
    • H04L41/0803—Configuration setting
    • H04L41/0813—Configuration setting characterised by the conditions triggering a change of settings
    • 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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/08—Configuration management of networks or network elements
    • H04L41/0803—Configuration setting
    • H04L41/0823—Configuration setting characterised by the purposes of a change of settings, e.g. optimising configuration for enhancing reliability
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/08—Configuration management of networks or network elements
    • H04L41/085—Retrieval of network configuration; Tracking network configuration history
    • H04L41/0853—Retrieval of network configuration; Tracking network configuration history by actively collecting configuration information or by backing up configuration information
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/08—Configuration management of networks or network elements
    • H04L41/0876—Aspects of the degree of configuration automation
    • H04L41/0883—Semiautomatic configuration, e.g. proposals from system
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/08—Configuration management of networks or network elements
    • H04L41/0876—Aspects of the degree of configuration automation
    • H04L41/0886—Fully automatic configuration
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L43/00—Arrangements for monitoring or testing data switching networks
    • H04L43/08—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters
    • H04L43/0805—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters by checking availability
    • H04L43/0817—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters by checking availability by checking functioning
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/2866—Architectures; Arrangements
    • H04L67/30—Profiles
    • H04L67/306—User profiles
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/50—Network services
    • H04L67/535—Tracking the activity of the user

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Automation & Control Theory (AREA)
  • General Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Environmental & Geological Engineering (AREA)
  • Computer Hardware Design (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Information Transfer Between Computers (AREA)

Abstract

本申请公开一种设备配置推荐方法和装置，所述方法基于用户当前设备的设备配置信息及预设时段内用户在其设备上的操作行为信息，确定用户特征，在此基础上，根据用户特征及其当前设备的设备配置信息，向用户推荐合适的设备配置。可见，本申请基于用户特征，并结合其当前设备的配置信息，综合考虑了用户的设备配置需求，在此基础上实现了为用户推荐符合其需求的设备配置，相比于现有技术从用户兴趣角度进行产品推荐的方式，本申请真正考虑了用户的配置需求，实现了设备配置级别这一更细粒度的推荐，进一步满足了用户需求。

Description

一种设备配置推荐方法和装置
技术领域
本发明属于基于数据分析的产品推荐技术领域，尤其涉及一种设备配置推荐方法和装置。
背景技术
目前，在电子设备领域中，设备推荐已成为一种有效的营销方式，而自动向用户推荐尽可能满足其需求的设备则成为设备推荐中的一个主要目标。
现有自动推荐方法主要有两种：基于产品定位的推荐方法和基于用户协同的推荐方法。其中，基于产品定位的推荐方法是指通过用户的一些与设备相关的历史行为，如通过用户浏览设备营销网页或设备信息介绍网页等网页浏览历史，直接从产品定位粒度获知用户较为感兴趣的设备，在此基础上实现设备推荐；基于用户协同的推荐方法是指根据相似用户的历史行为，如根据学生或在职人员等相似用户的网页浏览行为等，分析此类用户的兴趣设备，从而实现设备推荐。
以上两种推荐方法仅从用户兴趣的角度对用户进行产品粒度的设备推荐，设备定位及推荐的粒度较为粗略，未真正考虑用户的设备配置需求，从而导致所推荐设备与用户需求间的吻合度较差，无法有效满足用户需求。
发明内容
有鉴于此，本发明的目的在于提供一种设备配置推荐方法和装置，旨在通过实现设备配置级别这一更细粒度的推荐，来提升推荐质量，从而进一步满足用户需求。
为此，本发明公开如下技术方案：
一种设备配置推荐方法，包括：
获取用户设备的设备配置信息，及预设时段内目标用户对所述用户设备的操作行为信息；
依据所述设备配置信息及所述操作行为信息，确定所述目标用户的用户特征；基于所述设备配置信息及所述用户特征，对所述目标用户进行设备配置推荐。
上述方法，优选的，所述依据所述设备配置信息及所述操作行为信息，确定所述目标用户的用户特征包括：
依据所述操作行为信息，确定所述目标用户与所述设备配置信息相关的用户需求特征。
上述方法，优选的，所述操作行为信息包括：所述目标用户在所述用户设备上的软件操作信息及网页浏览信息、所述目标用户使用所述用户设备的时间和频率、所述目标用户移动所述用户设备时的位置变化信息；则所述依据所述设备配置信息及所述操作行为信息，确定所述目标用户的用户特征，包括：
基于所述目标用户在所述用户设备上的软件操作信息及网页浏览信息，分析所述目标用户的性别、年龄、兴趣、行业和购买力；
基于所述目标用户使用所述用户设备的时间和频率，分析所述目标用户的在线活跃时间；
基于所述目标用户移动所述用户设备时的位置变化信息，分析所述目标用户的移动性；
利用所述设备配置信息及所述目标用户的性别、年龄、兴趣、行业、购买力、在线活跃时间及移动性，确定所述目标用户的用户特征。
上述方法，优选的，所述基于所述设备配置信息及所述用户特征，对所述目标用户进行设备配置推荐包括：
依据所述用户特征，对所述设备配置信息进行调整，得到待推荐的目标设备配置信息，并反馈所述目标设备配置信息。
上述方法，优选的，所述用户特征具体通过目标用户特征向量表征，则所述依据所述用户特征，对所述设备配置信息进行调整包括：
获取预先建立的用户特征向量与设备配置间的关联模型；其中，所述设备配置包括至少一个配置项，每个所述配置项对应相应维度的多个可选取值；
利用所述关联模型，计算所述目标用户特征向量与所述设备配置间的相关系数；所述相关系数包括所述目标用户与每个所述配置项的每个取值间的相关度数值；
获取相关度数值最大的各个配置项取值，得到参考配置信息；
利用所述参考配置信息对所述设备配置信息进行调整，得到所述目标设备配置信息。
一种设备配置推荐装置，包括：
获取模块，用于获取用户设备的设备配置信息，及预设时段内目标用户对所述用户设备的操作行为信息；
确定模块，用于依据所述设备配置信息及所述操作行为信息，确定所述目标用户的用户特征；
推荐模块，用于基于所述设备配置信息及所述用户特征，对所述目标用户进行设备配置推荐。
上述装置，优选的，所述确定模块包括：
第一确定单元，用于依据所述操作行为信息，确定所述目标用户与所述设备配置信息相关的用户需求特征。
上述装置，优选的，所述操作行为信息包括：所述目标用户在所述用户设备上的软件操作信息及网页浏览信息、所述目标用户使用所述用户设备的时间和频率、所述目标用户移动所述用户设备时的位置变化信息；则所述确定模块包括：
第一分析单元，用于基于所述目标用户在所述用户设备上的软件操作信息及网页浏览信息，分析所述目标用户的性别、年龄、兴趣、行业和购买力；
第二分析单元，用于基于所述目标用户使用所述用户设备的时间和频率，分析所述目标用户的在线活跃时间；
第三分析单元，用于基于所述目标用户移动所述用户设备时的位置变化信息，分析所述目标用户的移动性；
第二确定单元，用于利用所述设备配置信息及所述目标用户的性别、年龄、兴趣、行业、购买力、在线活跃时间及移动性，确定所述目标用户的用户特征。
上述装置，优选的，所述推荐模块包括：
调整与反馈单元，用于依据所述用户特征，对所述设备配置信息进行调整，得到待推荐的目标设备配置信息，并反馈所述目标设备配置信息。
上述装置，优选的，所述用户特征具体通过目标用户特征向量表征，则所述调整与反馈单元包括：
第一获取子单元，用于获取预先建立的用户特征向量与设备配置间的关联模型；其中，所述设备配置包括至少一个配置项，每个所述配置项对应相应维度的多个可选取值；
计算子单元，用于利用所述关联模型，计算所述目标用户特征向量与所述设备配置间的相关系数；所述相关系数包括所述目标用户与每个所述配置项的每个取值间的相关度数值；
第二获取子单元，用于获取相关度数值最大的各个配置项取值，得到参考配置信息；
调整子单元，用于利用所述参考配置信息对所述设备配置信息进行调整，得到所述目标设备配置信息。
由以上方案可知，本申请提供的设备配置推荐方法和装置，基于用户当前设备的设备配置信息及预设时段内用户在其设备上的操作行为信息，确定用户特征，在此基础上，根据用户特征及其当前设备的设备配置信息，向用户推荐合适的设备配置。可见，本申请基于用户特征，并结合其当前设备的配置信息，综合考虑了用户的设备配置需求，在此基础上实现了为用户推荐符合其需求的设备配置，相比于现有技术从用户兴趣角度进行产品推荐的方式，本申请真正考虑了用户的配置需求，实现了设备配置级别这一更细粒度的推荐，进一步满足了用户需求。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
图1是本申请提供的一种设备配置推荐方法实施例一的流程图；
图2是本申请提供的一种设备配置推荐方法实施例二的流程图；
图3是本申请提供的一种设备配置推荐方法实施例三的流程图；
图4是本申请提供的一种设备配置推荐装置实施例四的结构示意图；
图5是本申请提供的一种设备配置推荐装置实施例五的结构示意图；
图6是本申请提供的一种设备配置推荐装置实施例六的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做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。
实施例一
参考图1，图1为本申请提供的一种设备配置推荐方法实施例一的流程图，所述方法可以包括以下步骤：
S101：获取用户设备的设备配置信息，及预设时段内目标用户对所述用户设备的操作行为信息。
其中，所述设备配置信息具体可以包括CPU(CentralProcessingUnit，中央处理器)主频、CPU型号、内存大小、显存容量、显卡型号、显示器尺寸、显示器分辨率、硬盘容量、操作系统版本等信息，所述操作行为信息具体可以包括目标用户在用户设备上的软件操作信息及网页浏览信息、目标用户使用用户设备的时间和频率、目标用户移动用户设备时的位置变化信息等一系列的用户行为信息。
以上的用户设备配置信息及用户操作行为信息，可利用预先在用户设备上安装(例如在设备出厂前安装或出厂后由用户自愿安装等)的采集软件采集得到。
所述采集软件针对不同的信息类型可对应采用不同的信息获取方式，比如对于CPU主频、CPU型号、内存大小、显存容量、显卡型号等硬件配置信息，以及用户打开某类软件、关闭某类软件的软件操作信息，可通过操作系统或设备驱动提供的相应访问接口获取得到，如具体通过操作系统API(ApplicationProgrammingInterface，应用程序编程接口)、操作系统注册表、操作系统日志、设备驱动API分别获取相应的设备配置信息或软件操作信息等；对于用户设备的位置变化信息则可通过GPS(GlobalPositioningSystem，全球定位系统)传感器获取，而对于周期性计数信息，如用户触摸屏幕或使用鼠标的频率等信息，可通过记录每次的触摸事件或鼠标使用事件及其对应的时间，并计算一定时间周期内的屏幕触摸次数或鼠标使用次数得到。
为便于规范化管理，本实施例统一设定所采集信息的格式为<信息或行为类型，(操作)对象，值，时间>，其中，“信息或行为类型”及“(操作)对象”为必要的信息项，而“值”和“时间”则可根据具体的信息内容进行相应取值或取空值，比如：
<硬件配置，CPU主频，2.6HZ>表示CPU的主频是2.6HZ；
<硬件配置，内存大小，4G>表示内存的大小是4G；
<硬件配置，显存，1G>表示CPU的显示内存的容量是1G；
<用户操作，触摸屏点击，150，2015-11-2010:00:00-2015-11-2020:00:00>表示2015-11-2010:00:00到2015-11-2021:00:00之间用户使用了150次触摸屏；
<打开软件，InternetExplorer，2015-11-2015:12:30>表示在2015-11-2015:12:30打开了IE浏览器；
<浏览网页，JAVA程序开发，2015-11-2113:32:30>表示在2015-11-2113:32:30浏览了标题为“JAVA程序开发”的网页。
S102：依据所述设备配置信息及所述操作行为信息，确定所述目标用户的用户特征。
在采集用户设备配置信息及用户操作行为信息后，可综合所采集的各类信息，并对其进行相应的分析与处理，例如分析用户最常使用的软件、统计用户浏览网页时的相应关键词词频等，以此获知目标用户的用户特征，比如获知用户是否具有某一方面的应用偏好特性，如偏好在用户设备上进行游戏、办公、视频还是聊天等，获知用户所处行业及其购买力等等。
S103：基于所述设备配置信息及所述用户特征，对所述目标用户进行设备配置推荐。
本步骤可通过依据所述用户特征，对用户当前设备的设备配置信息进行调整，来得到待推荐的目标设备配置信息。
具体地，在获取用户特征之后，可基于用户特征，如用户是否具有某一方面的应用偏好特性，用户购买力等考虑用户的实际设备配置需求，在此基础上初步制定出符合用户需求的设备配置信息。
接下来，以生成的设备配置信息为参考，对用户当前设备的设备配置信息进行相应调整，得到一套能够较好地与用户的实际配置需求相吻合的设备配置信息，最终可通过向用户设备反馈所述设备配置信息来实现设备配置的推荐。
由以上方案可知，本申请提供的设备配置推荐方法，基于用户当前设备的设备配置信息及预设时段内用户在其设备上的操作行为信息，确定用户特征，在此基础上，根据用户特征及其当前设备的设备配置信息，向用户推荐合适的设备配置。可见，本申请基于用户特征，并结合其当前设备的配置信息，综合考虑了用户的设备配置需求，在此基础上实现了为用户推荐符合其需求的设备配置，相比于现有技术从用户兴趣角度进行产品推荐的方式，本申请真正考虑了用户的配置需求，实现了设备配置级别这一更细粒度的推荐，进一步满足了用户需求。
实施例二
参考图2，图2为本申请提供的一种设备配置推荐方法实施例二的流程图，本实施例二中，所述步骤S102可以通过以下步骤实现：
S201：依据所述操作行为信息，确定所述目标用户与所述设备配置信息相关的用户需求特征。
本实施例的方案适用于具有某方面突出特征的特殊用户。
其中，可基于采集的各项用户信息，如用户的各种操作行为信息等，分析目标用户是否具有某一方面的突出特征，如果采集的用户操作行为信息中包括大量、较为频繁的某款/多款游戏软件的使用信息，即游戏相关信息在采集的总信息量中具有相当高的占比，则可分析出该用户为重度的游戏爱好者，如重度的网络3D(3-Dimension，三维)游戏爱好者或重度的大型单机游戏爱好者等；如果采集的用户操作行为信息中包括大量、较为频繁的某款软件开发工具的使用信息、大量关于软件开发的网页浏览信息等，则可分析出该用户为编程爱好者/程序工作者。
此类用户由于具有较为显著的某方面特征，因此可重点针对该类用户在相应方面的偏好特征，如偏好游戏、偏好软件开发等，对用户进行设备配置推荐。
具体地，在分析出用户具备某方面突出特征的基础上，可继续结合用户特征以及采集的当前设备配置信息、用户操作行为信息，分析用户与其当前设备配置相关的用户需求特征，比如假设用户偏好大型3D网络游戏，且通过采集的用户信息获知游戏过程中经常产生卡顿，则可分析出用户具有更高的显卡配置需求、更高的CPU配置需求或更高的内存配置需求等(相比于当前的设备配置)；假设用户偏好软件开发，且运行程序过程经常出现程序无响应或程序反应速度慢等问题，则可分析出用户的CPU使用量较大或内存使用率过高，从而用户具有更高的CPU配置需求或更高的内存配置需求(相比于当前的设备配置)。
在此基础上，可根据用户与其当前设备配置相关的需求特征，为用户生成相应的设备配置信息，例如生成更高配置的显卡信息、CPU信息等，由以上描述可知，该设备配置信息重点针对用户在某方面的偏好特征提供，从而在利用生成的所述设备配置信息，对用户当前设备的配置信息进行调整后，可实现为游戏爱好者或编程爱好者等具有某方面突出特征的用户，推荐一套满足其某方面应用偏好需求的设备配置信息，从而可有效满足用户需求，进一步提升了推荐质量。
实施例三
参考图3，图3为本申请提供的一种设备配置推荐方法实施例三的流程图，本实施例三中，所述步骤S102可以通过以下步骤实现：
S301：基于所述目标用户在所述用户设备上的软件操作信息及网页浏览信息，分析所述目标用户的性别、年龄、兴趣、行业和购买力；
S302：基于所述目标用户使用所述用户设备的时间和频率，分析所述目标用户的在线活跃时间；
S303：基于所述目标用户移动所述用户设备时的位置变化信息，分析所述目标用户的移动性；
S304：利用所述设备配置信息及所述目标用户的性别、年龄、兴趣、行业、购买力、在线活跃时间及移动性，确定所述目标用户的用户特征。
本实施例的方案适用于不具有相应突出特征的普通用户。
具体地，针对采集的各方面用户操作行为信息，如各款软件的操作信息、各种不同内容的网页浏览信息等，在总采集信息量中的占比较为均衡，不能突出反映用户某方面特征的情况，本实施例采用综合考虑多方面用户特征点的方式，例如综合考虑用户的性别、年龄、兴趣、行业、购买力等，来分析用户的配置需求，进而实现在此基础上的设备配置推荐。
基于此，本实施例中所述用户特征具体为用户多方面特征点的综合，从而可采用特征向量F＝(f1，f2，…fn)来表征用户特征，其中，1-n分别对应用户的n个特征点，如性别、年龄、兴趣、行业、购买力、在线活跃时间、移动性等，fi为特征分量，fi＝(s1，s2，…st)，表征用户在其第i个特征点的各个取值维度的概率，以“性别”为用户的第1个特征点，且性别的取值维度为“女性”、“男性”为例，则f1表示用户的性别特征分量，f1＝(40％，60％)表示用户为女性的概率为40％，为男性的概率为60％。
用户特征向量中各特征分量在其相应维度的取值，具体可基于采集的用用户操作行为信息分析得出，其中，可依据用户的软件操作信息及网页浏览信息，分析用户在性别、年龄、兴趣、行业和购买力等各特征点相应取值维度的概率，依据用户使用其设备的时间和频率，分析用户的在线活跃时间在各个取值维度的概率，依据用户移动所述用户设备时的位置变化信息，分析用户的移动性在各个取值维度(如将移动性分为强、中、弱三个级别等)的概率。
其中，此部分具体可采用预先训练分类模型，并采用分类模型对分类目标进行分类的方式，来提升用户特征分析的准确度，例如预先基于大量用户浏览网页的关键词词汇训练一用户兴趣的分类模型，从而后续可通过向该模型输入采集的用户网页浏览信息，如输入一系列关键词汇等，得到该模型输出的用户在兴趣这一特征点的各个预设取值维度(如购物、理财、游戏、音乐等)上的概率。
在基于采集的用户操作行为信息分析出用户特征向量的基础上，可继续依据用户当前设备的配置信息，对用户特征向量进行适当调整，如基于当前设备的配置情况，适当调整用户的购买力取值等等，最终得到能够较为准确地反映用户特征的用户特征向量。
在此基础上，参考图3，所述步骤S103具体可通过以下步骤实现：
S305：获取预先建立的用户特征向量与设备配置间的关联模型；其中，所述设备配置包括至少一个配置项，每个所述配置项对应相应维度的多个可选取值；
S306：利用所述关联模型，计算所述目标用户特征向量与所述设备配置间的相关系数；所述相关系数包括所述目标用户与每个所述配置项的每个取值间的相关度数值；
S307：获取相关度数值最大的各个配置项取值，得到参考配置信息；
S308：利用所述参考配置信息对所述设备配置信息进行调整，得到待推荐的目标设备配置信息。
所述设备配置共包括q个配置项，可表示为d＝(k1，k2，…kq)，其中，ki表示CPU主频、CPU型号、内存大小、显寸容量、显卡型号、显示器尺寸、显示器分辨率、硬盘容量等配置项中的任意一项，每个配置项具有相应预设个数的可选取值，比如内存有1G，2G，4G，8G，16G共5个可选取值等。
本实施例预先建立用户特征向量与所述设备配置间的关联模型，该关联模型包括用户特征向量的不同取值与所述设备配置间的相关系数。从而当基于采集的用户操作行为信息获取目标用户特征向量之后，可利用所述关联模型，计算目标用户特征向量与所述设备配置间的相关系数，所述相关系数包括目标用户与每个所述配置项的每个取值间的相关度数值；之后，可提取出相关度数值最大的各个配置项取值，得到参考配置信息；在此基础上利用所述参考配置信息对用户当前设备的设备配置信息进行调整，可得到最终待推荐的设备配置信息，与实施例二相比，本实施例可通过综合普通用户的各方面特征，实现对无突出特征的普通用户进行设备配置推荐。
从用户角度来说，由于用户可能更希望推荐一款与其所需求的配置较吻合的设备，因此实际应用场景中，可在基于本申请方法向用户推荐目标设备配置信息的基础上，从多个待选设备中挑选出配置情况与所述目标设备配置信息最为相似的一款或多款设备推荐给用户，以便于用户参考选择。
实施例四
参考图4，图4为本申请提供的一种设备配置推荐装置实施例四的结构示意图，所述装置可以包括：
获取模块100，用于获取用户设备的设备配置信息，及预设时段内目标用户对所述用户设备的操作行为信息。
其中，所述设备配置信息具体可以包括CPU(CentralProcessingUnit，中央处理器)主频、CPU型号、内存大小、显存容量、显卡型号、显示器尺寸、显示器分辨率、硬盘容量、操作系统版本等信息，所述操作行为信息具体可以包括目标用户在用户设备上的软件操作信息及网页浏览信息、目标用户使用用户设备的时间和频率、目标用户移动用户设备时的位置变化信息等一系列的用户行为信息。
以上的用户设备配置信息及用户操作行为信息，可利用预先在用户设备上安装(例如在设备出厂前安装或出厂后由用户自愿安装等)的采集软件采集得到。
所述采集软件针对不同的信息类型可对应采用不同的信息获取方式，比如对于CPU主频、CPU型号、内存大小、显存容量、显卡型号等硬件配置信息，以及用户打开某类软件、关闭某类软件的软件操作信息，可通过操作系统或设备驱动提供的相应访问接口获取得到，如具体通过操作系统API(ApplicationProgrammingInterface，应用程序编程接口)、操作系统注册表、操作系统日志、设备驱动API分别获取相应的设备配置信息或软件操作信息等；对于用户设备的位置变化信息则可通过GPS(GlobalPositioningSystem，全球定位系统)传感器获取，而对于周期性计数信息，如用户触摸屏幕或使用鼠标的频率等信息，可通过记录每次的触摸事件或鼠标使用事件及其对应的时间，并计算一定时间周期内的屏幕触摸次数或鼠标使用次数得到。
为便于规范化管理，本实施例统一设定所采集信息的格式为<信息或行为类型，(操作)对象，值，时间>，其中，“信息或行为类型”及“(操作)对象”为必要的信息项，而“值”和“时间”则可根据具体的信息内容进行相应取值或取空值，比如：
<硬件配置，CPU主频，2.6HZ>表示CPU的主频是2.6HZ；
<硬件配置，内存大小，4G>表示内存的大小是4G；
<硬件配置，显存，1G>表示CPU的显示内存的容量是1G；
<用户操作，触摸屏点击，150，2015-11-2010:00:00-2015-11-2020:00:00>表示2015-11-2010:00:00到2015-11-2021:00:00之间用户使用了150次触摸屏；
<打开软件，InternetExplorer，2015-11-2015:12:30>表示在2015-11-2015:12:30打开了IE浏览器；
<浏览网页，JAVA程序开发，2015-11-2113:32:30>表示在2015-11-2113:32:30浏览了标题为“JAVA程序开发”的网页。
确定模块200，用于依据所述设备配置信息及所述操作行为信息，确定所述目标用户的用户特征。
在采集用户设备配置信息及用户操作行为信息后，可综合所采集的各类信息，并对其进行相应的分析与处理，例如分析用户最常使用的软件、统计用户浏览网页时的相应关键词词频等，以此获知目标用户的用户特征，比如获知用户是否具有某一方面的应用偏好特性，如偏好在用户设备上进行游戏、办公、视频还是聊天等，获知用户所处行业及其购买力等等。
推荐模块300，用于基于所述设备配置信息及所述用户特征，对所述目标用户进行设备配置推荐。
所述推荐模块300包括调整与反馈单元，用于依据所述用户特征，对所述设备配置信息进行调整，得到待推荐的目标设备配置信息，并反馈所述目标设备配置信息。
具体地，在获取用户特征之后，可基于用户特征，如用户是否具有某一方面的应用偏好特性，用户购买力等考虑用户的实际设备配置需求，在此基础上初步制定出符合用户需求的设备配置信息。
接下来，以生成的设备配置信息为参考，对用户当前设备的设备配置信息进行相应调整，得到一套能够较好地与用户的实际配置需求相吻合的设备配置信息，最终可通过向用户设备反馈所述设备配置信息来实现设备配置的推荐。
由以上方案可知，本申请提供的设备配置推荐装置，基于用户当前设备的设备配置信息及预设时段内用户在其设备上的操作行为信息，确定用户特征，在此基础上，根据用户特征及其当前设备的设备配置信息，向用户推荐合适的设备配置。可见，本申请基于用户特征，并结合其当前设备的配置信息，综合考虑了用户的设备配置需求，在此基础上实现了为用户推荐符合其需求的设备配置，相比于现有技术从用户兴趣角度进行产品推荐的方式，本申请真正考虑了用户的配置需求，实现了设备配置级别这一更细粒度的推荐，进一步满足了用户需求。
实施例五
参考图5，图5为本申请提供的一种设备配置推荐装置实施例五的结构示意图，本实施例五中，所述确定模块200具体包括：
第一确定单元211，用于依据所述操作行为信息，确定所述目标用户与所述设备配置信息相关的用户需求特征。
本实施例的方案适用于具有某方面突出特征的特殊用户。
其中，可基于采集的各项用户信息，如用户的各种操作行为信息等，分析目标用户是否具有某一方面的突出特征，如果采集的用户操作行为信息中包括大量、较为频繁的某款/多款游戏软件的使用信息，即游戏相关信息在采集的总信息量中具有相当高的占比，则可分析出该用户为重度的游戏爱好者，如重度的网络3D(3-Dimension，三维)游戏爱好者或重度的大型单机游戏爱好者等；如果采集的用户操作行为信息中包括大量、较为频繁的某款软件开发工具的使用信息、大量关于软件开发的网页浏览信息等，则可分析出该用户为编程爱好者/程序工作者。
此类用户由于具有较为显著的某方面特征，因此可重点针对该类用户在相应方面的偏好特征，如偏好游戏、偏好软件开发等，对用户进行设备配置推荐。
具体地，在分析出用户具备某方面突出特征的基础上，可继续结合用户特征以及采集的当前设备配置信息、用户操作行为信息，分析用户与其当前设备配置相关的用户需求特征，比如假设用户偏好大型3D网络游戏，且通过采集的用户信息获知游戏过程中经常产生卡顿，则可分析出用户具有更高的显卡配置需求、更高的CPU配置需求或更高的内存配置需求等(相比于当前的设备配置)；假设用户偏好软件开发，且运行程序过程经常出现程序无响应或程序反应速度慢等问题，则可分析出用户的CPU使用量较大或内存使用率过高，从而用户具有更高的CPU配置需求或更高的内存配置需求(相比于当前的设备配置)。
在此基础上，可根据用户与其当前设备配置相关的需求特征，为用户生成相应的设备配置信息，例如生成更高配置的显卡信息、CPU信息等，由以上描述可知，该设备配置信息重点针对用户在某方面的偏好特征提供，从而在利用生成的所述设备配置信息，对用户当前设备的配置信息进行调整后，可实现为游戏爱好者或编程爱好者等具有某方面突出特征的用户，推荐一套满足其某方面应用偏好需求的设备配置信息，从而可有效满足用户需求，进一步提升了推荐质量。
实施例六
参考图6，图6为本申请提供的一种设备配置推荐装置实施例六的结构示意图，本实施例六中，所述确定模块200具体包括：：
第一分析单元221，用于基于所述目标用户在所述用户设备上的软件操作信息及网页浏览信息，分析所述目标用户的性别、年龄、兴趣、行业和购买力；
第二分析单元222，用于基于所述目标用户使用所述用户设备的时间和频率，分析所述目标用户的在线活跃时间；
第三分析单元223，用于基于所述目标用户移动所述用户设备时的位置变化信息，分析所述目标用户的移动性；
第二确定单元224，用于利用所述设备配置信息及所述目标用户的性别、年龄、兴趣、行业、购买力、在线活跃时间及移动性，确定所述目标用户的用户特征。
本实施例的方案适用于不具有相应突出特征的普通用户。
具体地，针对采集的各方面用户操作行为信息，如各款软件的操作信息、各种不同内容的网页浏览信息等，在总采集信息量中的占比较为均衡，不能突出反映用户某方面特征的情况，本实施例采用综合考虑多方面用户特征点的方式，例如综合考虑用户的性别、年龄、兴趣、行业、购买力等，来分析用户的配置需求，进而实现在此基础上的设备配置推荐。
基于此，本实施例中所述用户特征具体为用户多方面特征点的综合，从而可采用特征向量F＝(f1，f2，…fn)来表征用户特征，其中，1-n分别对应用户的n个特征点，如性别、年龄、兴趣、行业、购买力、在线活跃时间、移动性等，fi为特征分量，fi＝(s1，s2，…st)，表征用户在其第i个特征点的各个取值维度的概率，以“性别”为用户的第1个特征点，且性别的取值维度为“女性”、“男性”为例，则f1表示用户的性别特征分量，f1＝(40％，60％)表示用户为女性的概率为40％，为男性的概率为60％。
用户特征向量中各特征分量在其相应维度的取值，具体可基于采集的用用户操作行为信息分析得出，其中，可依据用户的软件操作信息及网页浏览信息，分析用户在性别、年龄、兴趣、行业和购买力等各特征点相应取值维度的概率，依据用户使用其设备的时间和频率，分析用户的在线活跃时间在各个取值维度的概率，依据用户移动所述用户设备时的位置变化信息，分析用户的移动性在各个取值维度(如将移动性分为强、中、弱三个级别等)的概率。
其中，此部分具体可采用预先训练分类模型，并采用分类模型对分类目标进行分类的方式，来提升用户特征分析的准确度，例如预先基于大量用户浏览网页的关键词词汇训练一用户兴趣的分类模型，从而后续可通过向该模型输入采集的用户网页浏览信息，如输入一系列关键词汇等，得到该模型输出的用户在兴趣这一特征点的各个预设取值维度(如购物、理财、游戏、音乐等)上的概率。
在基于采集的用户操作行为信息分析出用户特征向量的基础上，可继续依据用户当前设备的配置信息，对用户特征向量进行适当调整，如基于当前设备的配置情况，适当调整用户的购买力取值等等，最终得到能够较为准确地反映用户特征的用户特征向量。
在此基础上，参考图6，所述推荐模块300中的调整与反馈单元具体包括：
第一获取子单元311，用于获取预先建立的用户特征向量与设备配置间的关联模型；其中，所述设备配置包括至少一个配置项，每个所述配置项对应相应维度的多个可选取值；
计算子单元312，用于利用所述关联模型，计算所述目标用户特征向量与所述设备配置间的相关系数；所述相关系数包括所述目标用户与每个所述配置项的每个取值间的相关度数值；
第二获取子单元313，用于获取相关度数值最大的各个配置项取值，得到参考配置信息；
调整子单元314，用于利用所述参考配置信息对所述设备配置信息进行调整，得到所述目标设备配置信息。
所述设备配置共包括q个配置项，可表示为d＝(k1，k2，…kq)，其中，ki表示CPU主频、CPU型号、内存大小、显寸容量、显卡型号、显示器尺寸、显示器分辨率、硬盘容量等配置项中的任意一项，每个配置项具有相应预设个数的可选取值，比如内存有1G，2G，4G，8G，16G共5个可选取值等。
本实施例预先建立用户特征向量与所述设备配置间的关联模型，该关联模型包括用户特征向量的不同取值与所述设备配置间的相关系数。从而当基于采集的用户操作行为信息获取目标用户特征向量之后，可利用所述关联模型，计算目标用户特征向量与所述设备配置间的相关系数，所述相关系数包括目标用户与每个所述配置项的每个取值间的相关度数值；之后，可提取出相关度数值最大的各个配置项取值，得到参考配置信息；在此基础上利用所述参考配置信息对用户当前设备的设备配置信息进行调整，可得到最终待推荐的设备配置信息，与实施例二相比，本实施例可通过综合普通用户的各方面特征，实现对无突出特征的普通用户进行设备配置推荐。
从用户角度来说，由于用户可能更希望推荐一款与其所需求的配置较吻合的设备，因此实际应用场景中，可在基于本申请方法向用户推荐目标设备配置信息的基础上，从多个待选设备中挑选出配置情况与所述目标设备配置信息最为相似的一款或多款设备推荐给用户，以便于用户参考选择。
需要说明的是，本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。
为了描述的方便，描述以上系统或装置时以功能分为各种模块或单元分别描述。当然，在实施本申请时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
通过以上的实施方式的描述可知，本领域的技术人员可以清楚地了解到本申请可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例或者实施例的某些部分所述的方法。
最后，还需要说明的是，在本文中，诸如第一、第二、第三和第四等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (10)

1.一种设备配置推荐方法，其特征在于，包括：
获取用户设备的设备配置信息，及预设时段内目标用户对所述用户设备的操作行为信息；
依据所述设备配置信息及所述操作行为信息，确定所述目标用户的用户特征；基于所述设备配置信息及所述用户特征，对所述目标用户进行设备配置推荐。
2.根据权利要求1所述的方法，其特征在于，所述依据所述设备配置信息及所述操作行为信息，确定所述目标用户的用户特征包括：
依据所述操作行为信息，确定所述目标用户与所述设备配置信息相关的用户需求特征。
3.根据权利要求1所述的方法，其特征在于，所述操作行为信息包括：所述目标用户在所述用户设备上的软件操作信息及网页浏览信息、所述目标用户使用所述用户设备的时间和频率、所述目标用户移动所述用户设备时的位置变化信息；则所述依据所述设备配置信息及所述操作行为信息，确定所述目标用户的用户特征，包括：
基于所述目标用户在所述用户设备上的软件操作信息及网页浏览信息，分析所述目标用户的性别、年龄、兴趣、行业和购买力；
基于所述目标用户使用所述用户设备的时间和频率，分析所述目标用户的在线活跃时间；
基于所述目标用户移动所述用户设备时的位置变化信息，分析所述目标用户的移动性；
利用所述设备配置信息及所述目标用户的性别、年龄、兴趣、行业、购买力、在线活跃时间及移动性，确定所述目标用户的用户特征。
4.根据权利要求2或3所述的方法，其特征在于，基于所述设备配置信息及所述用户特征，对所述目标用户进行设备配置推荐包括：
依据所述用户特征，对所述设备配置信息进行调整，得到待推荐的目标设备配置信息，并反馈所述目标设备配置信息。
5.根据权利要求4所述的方法，其特征在于，所述用户特征具体通过目标用户特征向量表征，则所述依据所述用户特征，对所述设备配置信息进行调整包括：
获取预先建立的用户特征向量与设备配置间的关联模型；其中，所述设备配置包括至少一个配置项，每个所述配置项对应相应维度的多个可选取值；
利用所述关联模型，计算所述目标用户特征向量与所述设备配置间的相关系数；所述相关系数包括所述目标用户与每个所述配置项的每个取值间的相关度数值；
获取相关度数值最大的各个配置项取值，得到参考配置信息；
利用所述参考配置信息对所述设备配置信息进行调整，得到所述目标设备配置信息。
6.一种设备配置推荐装置，其特征在于，包括：
获取模块，用于获取用户设备的设备配置信息，及预设时段内目标用户对所述用户设备的操作行为信息；
确定模块，用于依据所述设备配置信息及所述操作行为信息，确定所述目标用户的用户特征；
推荐模块，用于基于所述设备配置信息及所述用户特征，对所述目标用户进行设备配置推荐。
7.根据权利要求6所述的装置，其特征在于，所述确定模块包括：
第一确定单元，用于依据所述操作行为信息，确定所述目标用户与所述设备配置信息相关的用户需求特征。
8.根据权利要求6所述的装置，其特征在于，所述操作行为信息包括：所述目标用户在所述用户设备上的软件操作信息及网页浏览信息、所述目标用户使用所述用户设备的时间和频率、所述目标用户移动所述用户设备时的位置变化信息；则所述确定模块包括：
第一分析单元，用于基于所述目标用户在所述用户设备上的软件操作信息及网页浏览信息，分析所述目标用户的性别、年龄、兴趣、行业和购买力；
第二分析单元，用于基于所述目标用户使用所述用户设备的时间和频率，分析所述目标用户的在线活跃时间；
第三分析单元，用于基于所述目标用户移动所述用户设备时的位置变化信息，分析所述目标用户的移动性；
第二确定单元，用于利用所述设备配置信息及所述目标用户的性别、年龄、兴趣、行业、购买力、在线活跃时间及移动性，确定所述目标用户的用户特征。
9.根据权利要求7或8所述的装置，其特征在于，所述推荐模块包括：
调整与反馈单元，用于依据所述用户特征，对所述设备配置信息进行调整，得到待推荐的目标设备配置信息，并反馈所述目标设备配置信息。
10.根据权利要求9所述的装置，其特征在于，所述用户特征具体通过目标用户特征向量表征，则所述调整与反馈单元包括：
第一获取子单元，用于获取预先建立的用户特征向量与设备配置间的关联模型；其中，所述设备配置包括至少一个配置项，每个所述配置项对应相应维度的多个可选取值；
计算子单元，用于利用所述关联模型，计算所述目标用户特征向量与所述设备配置间的相关系数；所述相关系数包括所述目标用户与每个所述配置项的每个取值间的相关度数值；
第二获取子单元，用于获取相关度数值最大的各个配置项取值，得到参考配置信息；
调整子单元，用于利用所述参考配置信息对所述设备配置信息进行调整，得到所述目标设备配置信息。
CN201511023838.3A 2015-12-30 2015-12-30 一种设备配置推荐方法和装置 Active CN105677767B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201511023838.3A CN105677767B (zh) 2015-12-30 2015-12-30 一种设备配置推荐方法和装置
US15/394,801 US20170195176A1 (en) 2015-12-30 2016-12-29 Method and apparatus for recommending device configuration

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201511023838.3A CN105677767B (zh) 2015-12-30 2015-12-30 一种设备配置推荐方法和装置

Publications (2)

Publication Number Publication Date
CN105677767A true CN105677767A (zh) 2016-06-15
CN105677767B CN105677767B (zh) 2020-02-21

Family

ID=56298177

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201511023838.3A Active CN105677767B (zh) 2015-12-30 2015-12-30 一种设备配置推荐方法和装置

Country Status (2)

Country Link
US (1) US20170195176A1 (zh)
CN (1) CN105677767B (zh)

Cited By (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106126743A (zh) * 2016-07-06 2016-11-16 上海携程商务有限公司 配置页面的生成方法及系统
CN106382719A (zh) * 2016-08-30 2017-02-08 广东美的制冷设备有限公司 一种基于路由器实现的空调控制方法及系统
CN106527388A (zh) * 2017-01-06 2017-03-22 孟翔宇 一种智能家居设备的控制系统及方法
CN106846191A (zh) * 2016-11-25 2017-06-13 北京粉笔蓝天科技有限公司 一种课程列表的编排方法、系统及服务器
CN106980769A (zh) * 2017-04-05 2017-07-25 张莹 一种目标客户分类系统
CN107025377A (zh) * 2017-04-05 2017-08-08 苏华巍 一种健康管理系统和方法
CN107180363A (zh) * 2017-05-15 2017-09-19 泰康保险集团股份有限公司 数据获取方法和装置
CN107862002A (zh) * 2017-10-20 2018-03-30 四川朗骏文化传播有限公司 一种个性化推荐系统
CN107979639A (zh) * 2017-11-21 2018-05-01 重庆金窝窝网络科技有限公司 基于区块链的动作处理方法及装置
CN109032683A (zh) * 2017-05-31 2018-12-18 腾讯科技（深圳）有限公司 配置数据处理方法及装置
CN111142968A (zh) * 2019-12-26 2020-05-12 联想(北京)有限公司 电子设备配置推荐处理方法、装置及存储介质
CN111176758A (zh) * 2019-12-31 2020-05-19 腾讯科技（深圳）有限公司 配置参数的推荐方法、装置、终端及存储介质
CN111381053A (zh) * 2018-12-28 2020-07-07 深圳迈瑞生物医疗电子股份有限公司 一种仪器推荐方法、体外诊断分析仪和计算机存储介质
CN111800537A (zh) * 2019-04-09 2020-10-20 Oppo广东移动通信有限公司 终端使用状态的评估方法、装置、存储介质及电子设备
CN111800535A (zh) * 2019-04-09 2020-10-20 Oppo广东移动通信有限公司 终端运行状态的评估方法、装置、存储介质及电子设备
CN114258529A (zh) * 2019-10-31 2022-03-29 深圳市欢太科技有限公司 参数配置方法、装置、电子设备及计算机可读介质
CN115952073A (zh) * 2023-03-13 2023-04-11 广州市易鸿智能装备有限公司 工控机性能评估方法、装置、电子设备及存储介质
CN111381053B (zh) * 2018-12-28 2024-09-27 深圳迈瑞生物医疗电子股份有限公司 一种仪器推荐方法、体外诊断分析仪和计算机存储介质

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110472143A (zh) * 2019-07-22 2019-11-19 平安科技（深圳）有限公司 一种信息推送方法、装置、可读存储介质及终端设备
US12093396B2 (en) * 2020-07-16 2024-09-17 Bank Of America Corporation System and method for associating a common vulnerability and exposures (CVE) with a computing device and applying a security patch

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030182295A1 (en) * 2002-03-20 2003-09-25 Fujitsu Limited Location information recommending apparatus, method, and storage medium
CN102368225A (zh) * 2011-06-29 2012-03-07 奇智软件（北京）有限公司 一种基于硬件检测的升级建议方法及装置
CN102571694A (zh) * 2010-12-16 2012-07-11 盛乐信息技术（上海）有限公司 一种计算机性能优化系统及方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030182295A1 (en) * 2002-03-20 2003-09-25 Fujitsu Limited Location information recommending apparatus, method, and storage medium
CN102571694A (zh) * 2010-12-16 2012-07-11 盛乐信息技术（上海）有限公司 一种计算机性能优化系统及方法
CN102368225A (zh) * 2011-06-29 2012-03-07 奇智软件（北京）有限公司 一种基于硬件检测的升级建议方法及装置

Cited By (25)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106126743A (zh) * 2016-07-06 2016-11-16 上海携程商务有限公司 配置页面的生成方法及系统
CN106382719B (zh) * 2016-08-30 2019-10-15 广东美的制冷设备有限公司 一种基于路由器实现的空调控制方法及系统
CN106382719A (zh) * 2016-08-30 2017-02-08 广东美的制冷设备有限公司 一种基于路由器实现的空调控制方法及系统
CN106846191A (zh) * 2016-11-25 2017-06-13 北京粉笔蓝天科技有限公司 一种课程列表的编排方法、系统及服务器
CN106527388A (zh) * 2017-01-06 2017-03-22 孟翔宇 一种智能家居设备的控制系统及方法
CN106980769A (zh) * 2017-04-05 2017-07-25 张莹 一种目标客户分类系统
CN107025377A (zh) * 2017-04-05 2017-08-08 苏华巍 一种健康管理系统和方法
CN106980769B (zh) * 2017-04-05 2021-02-19 张莹 一种目标客户分类系统
CN107025377B (zh) * 2017-04-05 2020-12-11 苏华巍 一种健康管理系统和方法
CN107180363A (zh) * 2017-05-15 2017-09-19 泰康保险集团股份有限公司 数据获取方法和装置
CN107180363B (zh) * 2017-05-15 2021-01-26 泰康保险集团股份有限公司 数据获取方法和装置
CN109032683A (zh) * 2017-05-31 2018-12-18 腾讯科技（深圳）有限公司 配置数据处理方法及装置
CN109032683B (zh) * 2017-05-31 2021-03-26 腾讯科技（深圳）有限公司 配置数据处理方法及装置
CN107862002A (zh) * 2017-10-20 2018-03-30 四川朗骏文化传播有限公司 一种个性化推荐系统
CN107979639A (zh) * 2017-11-21 2018-05-01 重庆金窝窝网络科技有限公司 基于区块链的动作处理方法及装置
CN111381053A (zh) * 2018-12-28 2020-07-07 深圳迈瑞生物医疗电子股份有限公司 一种仪器推荐方法、体外诊断分析仪和计算机存储介质
CN111381053B (zh) * 2018-12-28 2024-09-27 深圳迈瑞生物医疗电子股份有限公司 一种仪器推荐方法、体外诊断分析仪和计算机存储介质
CN111800535A (zh) * 2019-04-09 2020-10-20 Oppo广东移动通信有限公司 终端运行状态的评估方法、装置、存储介质及电子设备
CN111800537A (zh) * 2019-04-09 2020-10-20 Oppo广东移动通信有限公司 终端使用状态的评估方法、装置、存储介质及电子设备
CN111800537B (zh) * 2019-04-09 2021-07-20 Oppo广东移动通信有限公司 终端使用状态的评估方法、装置、存储介质及电子设备
CN111800535B (zh) * 2019-04-09 2021-07-20 Oppo广东移动通信有限公司 终端运行状态的评估方法、装置、存储介质及电子设备
CN114258529A (zh) * 2019-10-31 2022-03-29 深圳市欢太科技有限公司 参数配置方法、装置、电子设备及计算机可读介质
CN111142968A (zh) * 2019-12-26 2020-05-12 联想(北京)有限公司 电子设备配置推荐处理方法、装置及存储介质
CN111176758A (zh) * 2019-12-31 2020-05-19 腾讯科技（深圳）有限公司 配置参数的推荐方法、装置、终端及存储介质
CN115952073A (zh) * 2023-03-13 2023-04-11 广州市易鸿智能装备有限公司 工控机性能评估方法、装置、电子设备及存储介质

Also Published As

Publication number Publication date
US20170195176A1 (en) 2017-07-06
CN105677767B (zh) 2020-02-21

Similar Documents

Publication Publication Date Title
CN105677767A (zh) 一种设备配置推荐方法和装置
US11995112B2 (en) System and method for information recommendation
US8413052B2 (en) Bidded marketplace for applications
US9589025B2 (en) Correlated information recommendation
CN101887437B (zh) 一种搜索结果生成方法及信息搜索系统
US7908184B2 (en) Method of providing customized information of commodity for on-line shopping mall users
CN103038769B (zh) 用于将内容导引到社交网络引擎用户的系统和方法
CN105009103B (zh) 网页的显示时间
CN104899315A (zh) 推送用户信息的方法和装置
KR20190010173A (ko) 사용자 의도 프로파일링 방법 및 이를 위한 장치
CN108205768A (zh) 数据库建立方法和数据推荐方法及装置、设备和存储介质
CN103064945A (zh) 基于本体的情境搜索方法
CN103914468A (zh) 一种投放信息搜索的方法和装置
CN112528153B (zh) 内容推荐方法、装置、设备、存储介质以及程序产品
CN104281962A (zh) 用于在线系统中的广告和内容的统一市场
CN109064293A (zh) 商品推荐方法、装置、计算机设备及存储介质
TW201207651A (en) Operationalizing search engine optimization
US20140222587A1 (en) Bid adjustment suggestions based on device type
KR20140098314A (ko) 추천 컨텐츠 및 연관 컨텐츠 제공 방법
KR101042901B1 (ko) 광고 구매 히스토리에 기초하여 검색 광고용 키워드 페어를생성하기 위한 방법, 시스템 및 컴퓨터 판독 가능한 기록 매체
WO2017116526A1 (en) Systems and methods for utilizing webpage scripts to segment client sessions of a website
US9565078B1 (en) Recommended content traffic exchange
CN102945273A (zh) 一种用于提供搜索结果的方法和设备
CN111344696A (zh) 评估广告的系统和方法
CN110347923B (zh) 一种可回溯的快速裂变式构建用户画像的方法

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