CN106021562B - 用于电商平台的基于主题相关的推荐方法 - Google Patents

用于电商平台的基于主题相关的推荐方法 Download PDF

Info

Publication number
CN106021562B
CN106021562B CN201610374595.6A CN201610374595A CN106021562B CN 106021562 B CN106021562 B CN 106021562B CN 201610374595 A CN201610374595 A CN 201610374595A CN 106021562 B CN106021562 B CN 106021562B
Authority
CN
China
Prior art keywords
theme
commodity
degree
correlation
user
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
Application number
CN201610374595.6A
Other languages
English (en)
Other versions
CN106021562A (zh
Inventor
杨振
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.)
Beijing Jing Partner Technology Co Ltd
Original Assignee
Beijing Jing Partner Technology Co 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 Beijing Jing Partner Technology Co Ltd filed Critical Beijing Jing Partner Technology Co Ltd
Priority to CN201610374595.6A priority Critical patent/CN106021562B/zh
Publication of CN106021562A publication Critical patent/CN106021562A/zh
Application granted granted Critical
Publication of CN106021562B publication Critical patent/CN106021562B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06F16/951—Indexing; Web crawling techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Finance (AREA)
  • Databases & Information Systems (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Accounting & Taxation (AREA)
  • Development Economics (AREA)
  • General Engineering & Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Game Theory and Decision Science (AREA)
  • Data Mining & Analysis (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提出了一种用于电商平台的基于主题相关的推荐方法，包括：爬取网络上的多个文章，设置主题分类参数，训练生成主题分类模型；获取电商平台中的原始商品订单数据，生成主题‑商品的倒排索引数据库；接收用户输入的搜索关键词，计算搜索关键词与分类主题的相关度，在主题‑商品的倒排索引数据库中查找与选取分类主题相关的所有商品；计算所选商品的相关度，根据预设查询条件对剩余商品进行排序，生成查询推荐结果，反馈给用户。本发明为用户输入的关键词查找推荐最匹配的商品名称，可以帮助用户找到真正所需要产品，特别是在用户描述不精确的情况下，同样可以推荐给用户所需的产品，推荐产品与用户需求相关度高。

Description

用于电商平台的基于主题相关的推荐方法
技术领域
本发明涉及互联网技术领域，特别涉及一种用于电商平台的基于主题相关的推荐方法。
背景技术
现有的针对电商平台的关键词匹配及筛选，主要采用以下两种方式：
(1)访客找回(Retargeting)：基于关键字的精确匹配，只能找到用户直接相关的产品。在用户描述不准确的情况下有时无法帮助用户找到最需要的产品。
(2)协同过滤(Collaborative Filtering)：根据用户所在的用户群做推荐目标用户可能关心产品。用户群很小的时候，或者用户数据不完备的时候，推荐的产品会让用户满意度很低。被推荐的产品取决于其所在分类人群，不能反映用户自己真正的诉求。
发明内容
本发明的目的旨在至少解决所述技术缺陷之一。
为此，本发明的目的在于提出一种用于电商平台的基于主题相关的推荐方法，为用户输入的关键词查找推荐最匹配的商品名称，可以帮助用户找到真正所需要产品，特别是在用户描述不精确的情况下，同样可以推荐给用户所需的产品，推荐产品与用户需求相关度高。
为了实现上述目的，本发明的实施例提供一种用于电商平台的基于主题相关的推荐方法，包括如下步骤：
步骤S1，爬取网络上的多个文章，对所述文章进行词频统计并设置主题分类参数，训练生成主题分类模型；
步骤S2，获取电商平台中的原始商品订单数据，将所述原始商品订单数据加载至所述主题分类模型中，生成主题-商品的倒排索引数据库；
步骤S3，接收用户输入的搜索关键词，计算所述搜索关键词与分类主题的相关度，选取相关度位于前N位的分类主题，在所述主题-商品的倒排索引数据库中查找与选取分类主题相关的所有商品；
步骤S4，计算所选商品的相关度，在过滤掉相关度低于阈值的商品后，根据预设查询条件对剩余的商品进行排序，生成查询推荐结果，反馈给用户。
进一步，在所述步骤S1中，对爬取到的多个文章，采用正则表达式进行字符清理和网页标签去除，将去除后的文章进行转码并打上序号。
进一步，在所述步骤S1中，设置主题参数包括：主题个数和最大迭代数，
采用EM迭代算法，对转码后的文章的主题参数进行迭代训练，生成参数文件，对所述参数文件进行标准化归一化，形成所述主题分类模型。
进一步，在所述步骤S2中，
将所述原始商品订单数据进行数据预处理，对预处理后的原始商品订单数据中的产品名称，应用基于词典的正向最大匹配算法，进行切分，去除预设基本词典之外的词。
进一步，在所述步骤S2中，
将所述原始商品订单数据加载至所述主题分类度模型，应用EM迭代算法迭代计算切分后的商品分词与各个分类主题的相关度；计算相关度相对阈值，对每个商品选取相关度高分类主题的模型；
遍历所有产品，将商品和主题模型进行倒排索引，形成主题-商品的倒排索引数据库。
进一步，在所述步骤S3中，采用EM迭代算法计算所述搜索关键词与分类主题的相关度，
根据所有主题的相关度的数值，计算其平均值和方差，过滤掉主题相关度数值低于平均值减1.645倍的方差的主题，选取相关度位于前N位的主题。
进一步，在所述步骤S4中，所述预设查询条件为：商品的价格、相关度、热度的查询。
根据本发明实施例的用于电商平台的基于主题相关的推荐方法，通过爬取网络上的文章，训练生成主题分类模型，将电商平台的商品数据加载到该主题分类模型上，实现为用户输入的关键词查找推荐最匹配的商品名称，可以帮助用户找到真正所需要产品，特别是在用户描述不精确的情况下，同样可以推荐给用户所需的产品，推荐产品与用户需求相关度高。本发明可以推荐基于主题相关的产品，帮助用户发现除直接需求之外的潜在需求，充分发挥电商平台的长尾效应。
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
本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：
图1为根据本发明一个实施例的用于电商平台的基于主题相关的推荐方法的流程图；
图2为根据本发明另一个实施例的用于电商平台的基于主题相关的推荐方法的流程图。
具体实施方式
下面详细描述本发明的实施例，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。
如图1和图2所示，本发明实施例的用于电商平台的基于主题相关的推荐方法，包括如下步骤：
步骤S1，爬取网络上的多个文章，对文章进行词频统计并设置主题分类参数，训练生成主题分类模型。
具体地，利用网络爬虫工具进行在线搜集各类文章，对爬取到的多个文章，采用正则表达式进行字符清理和网页标签去除，例如<div><br>)和特殊字符(例如㊣㈱@の％)，将去除后的文章进行转码并打上序号。
在本发明的一个实施例中，输入每行一篇文章，对文章转码并打上序号。
此外，对每篇文章进行词频统计，计算每个词在文档中出现的总频率、每个词出现在文档的数量，生成高频词列表。根据设定值判断是否加入词典，判断依据是TF(termfrequency)和DF(document frequency)。优选的，TF和DF的门限预设值是2。整理排序后生成基本词典和共现词典。
然后，设置主题参数包括：主题个数和最大迭代数。主题个数和最大迭代数都是根据经验主观设定的。主题个数太小易欠拟合，太大易过拟合。所谓过拟合，是这样一种现象：一个假设在训练数据上能够获得比其他假设更好的拟合，但是在测试数据集上却不能很好的拟合。确定主题个数没有好的办法，只能用交叉验证。
采用EM迭代算法，对转码后的文章的主题参数进行迭代训练，生成参数文件，对参数文件进行标准化归一化，形成主题分类模型。
具体地，采用EM算法迭代求解近似极大似然。E指的是在当前参数的情况下隐变量的后验概率，M指的是计算的隐含变量的后验概率，得到新的参数值。两步迭代进行直到收敛。EM迭代算法试图找到一系列的估计参数，使得训练数据的对数似然函数的期望是不断增加的，并最后趋于稳定收敛。对迭代结果进行整理工作，将每个主题的支撑词按照p(w|z)进行降序排列。其中，支撑词是指一个主题下面大量出现的词。根据生成参数文件，对其进行标准化归一化，形成可用的主题分类模型。
步骤S2，获取电商平台中的原始商品订单数据，将原始商品订单数据加载至主题分类模型中，生成主题-商品的倒排索引数据库。
将原始商品订单数据进行数据预处理，包括应用字符清理规则，去除特殊字符。然后对预处理后的原始商品订单数据中的产品名称，应用基于词典的正向最大匹配算法，进行切分，去除步骤S1中的基本词典之外的词。
在本发明的一个实施例中，切分的方法采用正向最大匹配算法，即从左到右将待分词文本中的几个连续字符与词表匹配，如果匹配上，则切分出一个词，预设基本词典是在训练主题模型时得出的。
将原始商品订单数据加载至主题分类度模型，应用EM迭代算法迭代计算切分后的商品分词与各个分类主题的相关度，计算相关度相对阈值，对每个商品选取相关度高分类主题的模型。
根据产品和主题的相关程度，进行降序排列，形成“商品-主题”数组放在内存或写在临时文件。遍历所有产品，将商品和主题模型进行倒排索引，形成主题-商品的倒排索引数据库。
步骤S3，接收用户输入的搜索关键词，计算搜索关键词与分类主题的相关度，选取相关度位于前N位的分类主题，在主题-商品的倒排索引数据库中查找与选取分类主题相关的所有商品。
具体地，根据用户输入的搜索关键词，应用加载训练好的主题分类度模型，用EM迭代算法计算搜索关键词与分类主题的相关度，根据所有主题的相关度的数值，计算其平均值和方差，过滤掉主题相关度数值低于平均值减1.645倍的方差的主题，选取相关度位于前N位的主题。在主题-商品的倒排索引数据库中找到产品与选取的相关主题的所有商品。
步骤S4，计算所选商品的相关度，在过滤掉相关度低于阈值的商品后，根据预设查询条件对剩余的商品进行排序，生成查询推荐结果，反馈给用户。
在本发明的一个实施例中，根据所有产品的相关度的数值，计算出平均值和方差，过滤掉产品相关度数值低于平均值减1.645倍的方差的产品，经过排序后，选取用户要查询的个数(例如：40个)。在得到过滤后的结果，根据预设查询条件进行排序，形成结果集返回给查询用户。
在本发明的一个实施例中，预设查询条件为：商品的价格、相关度、热度的查询。
根据本发明实施例的用于电商平台的基于主题相关的推荐方法，通过爬取网络上的文章，训练生成主题分类模型，将电商平台的商品数据加载到该主题分类模型上，实现为用户输入的关键词查找推荐最匹配的商品名称，可以帮助用户找到真正所需要产品，特别是在用户描述不精确的情况下，同样可以推荐给用户所需的产品的。本发明可以推荐基于主题相关的产品，帮助用户发现除直接需求之外的潜在需求，充分发挥电商平台的长尾效应。
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一定指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何的一个或多个实施例或示例中以合适的方式结合。
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不脱离本发明的原理和宗旨的情况下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。本发明的范围由所附权利要求极其等同限定。

Claims (5)

1.一种用于电商平台的基于主题相关的推荐方法，其特征在于，包括如下步骤：
步骤S1，爬取网络上的多个文章，对所述文章进行词频统计并设置主题分类参数，训练生成主题分类模型；
步骤S2，获取电商平台中的原始商品订单数据，将所述原始商品订单数据加载至所述主题分类模型中，生成主题-商品的倒排索引数据库，将所述原始商品订单数据进行数据预处理，对预处理后的原始商品订单数据中的产品名称，应用基于词典的正向最大匹配算法，进行切分，去除预设基本词典之外的词，将所述原始商品订单数据加载至所述主题分类度模型，应用EM迭代算法迭代计算切分后的商品分词与各个分类主题的相关度；计算相关度相对阈值，对每个商品选取相关度高分类主题的模型；遍历所有产品，将商品和主题模型进行倒排索引，形成主题-商品的倒排索引数据库；
步骤S3，接收用户输入的搜索关键词，计算所述搜索关键词与分类主题的相关度，选取相关度位于前N位的分类主题，在所述主题-商品的倒排索引数据库中查找与选取分类主题相关的所有商品；
步骤S4，计算所选商品的相关度，在过滤掉相关度低于阈值的商品后，根据预设查询条件对剩余的商品进行排序，生成查询推荐结果，反馈给用户。
2.如权利要求1所述的用于电商平台的基于主题相关的推荐方法，其特征在于，在所述步骤S1中，
对爬取到的多个文章，采用正则表达式进行字符清理和网页标签去除，将去除后的文章进行转码并打上序号。
3.如权利要求1所述的用于电商平台的基于主题相关的推荐方法，其特征在于，在所述步骤S1中，设置主题分类参数包括：主题个数和最大迭代数，
采用EM迭代算法，对转码后的文章的主题分类参数进行迭代训练，生成参数文件，对所述参数文件进行标准化归一化，形成所述主题分类模型。
4.如权利要求1所述的用于电商平台的基于主题相关的推荐方法，其特征在于，在所述步骤S3中，采用EM迭代算法计算所述搜索关键词与分类主题的相关度，
根据所有主题的相关度的数值，计算其平均值和方差，过滤掉主题相关度数值低于平均值减1.645倍的方差的主题，选取相关度位于前N位的主题。
5.如权利要求1所述的用于电商平台的基于主题相关的推荐方法，其特征在于，在所述步骤S4中，所述预设查询条件为：商品的价格、相关度、热度的查询。
CN201610374595.6A 2016-05-31 2016-05-31 用于电商平台的基于主题相关的推荐方法 Active CN106021562B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610374595.6A CN106021562B (zh) 2016-05-31 2016-05-31 用于电商平台的基于主题相关的推荐方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610374595.6A CN106021562B (zh) 2016-05-31 2016-05-31 用于电商平台的基于主题相关的推荐方法

Publications (2)

Publication Number Publication Date
CN106021562A CN106021562A (zh) 2016-10-12
CN106021562B true CN106021562B (zh) 2019-05-24

Family

ID=57092547

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610374595.6A Active CN106021562B (zh) 2016-05-31 2016-05-31 用于电商平台的基于主题相关的推荐方法

Country Status (1)

Country Link
CN (1) CN106021562B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112836031A (zh) * 2021-02-01 2021-05-25 杭州微洱网络科技有限公司 面向电商领域的问题判别方法

Families Citing this family (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106528644B (zh) * 2016-10-14 2020-07-31 航天恒星科技有限公司 一种遥感数据的检索方法及装置
CN108108380B (zh) * 2016-11-25 2022-05-31 阿里巴巴集团控股有限公司 搜索排序方法、搜索排序装置、搜索方法和搜索装置
CN106897914A (zh) * 2017-01-25 2017-06-27 浙江大学 一种基于主题模型的商品推荐方法及系统
CN109919699B (zh) * 2017-12-12 2022-03-04 北京京东尚科信息技术有限公司 项目推荐方法、项目推荐系统以及计算机可读介质
CN108563681B (zh) * 2018-03-07 2021-02-02 创新先进技术有限公司 一种内容推荐方法、装置、电子设备及系统
CN110020195B (zh) * 2018-08-16 2024-04-09 北京京东尚科信息技术有限公司 文章推荐方法及装置、存储介质、电子设备
US11921767B1 (en) * 2018-09-14 2024-03-05 Palantir Technologies Inc. Efficient access marking approach for efficient retrieval of document access data
CN109816438B (zh) * 2019-01-11 2020-10-30 珠海天燕科技有限公司 信息推送方法及装置
CN109992602B (zh) * 2019-04-02 2023-05-16 海南颖川科技有限公司 少儿数字阅读指引设备
CN110362757A (zh) * 2019-05-28 2019-10-22 成都美美臣科技有限公司 一种电子商务网站排序搜索结果的方法
CN111127079A (zh) * 2019-12-04 2020-05-08 北京奇艺世纪科技有限公司 下发商品资源的方法、装置、计算机设备和存储介质
CN111104485A (zh) * 2019-12-24 2020-05-05 上海风秩科技有限公司 一种产品文本的确定方法、装置、计算机设备和介质
CN112288456A (zh) * 2020-01-22 2021-01-29 北京沃东天骏信息技术有限公司 物品选择方法和装置
CN111815413A (zh) * 2020-07-09 2020-10-23 湖南数客星球信息技术有限公司 一种基于热点事件的大数据商品预测系统及方法
CN111882401A (zh) * 2020-08-03 2020-11-03 施兴明 一种电商自动提醒方法及系统
CN113763084A (zh) * 2020-09-21 2021-12-07 北京沃东天骏信息技术有限公司 产品推荐的处理方法、装置、设备及存储介质
CN112270275B (zh) * 2020-11-02 2023-11-21 上海哔哩哔哩科技有限公司 基于图片识别的商品搜索方法、装置及计算机设备
CN113326442A (zh) * 2020-11-17 2021-08-31 崔海燕 基于大数据定位的推荐素材推送方法、系统及云计算中心
CN113744019A (zh) * 2021-01-12 2021-12-03 北京沃东天骏信息技术有限公司 一种商品推荐方法、装置、设备及存储介质
CN114049505B (zh) * 2021-10-11 2022-08-23 数采小博科技发展有限公司 一种商品的匹配与识别方法、装置、设备和介质

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102915312A (zh) * 2011-08-03 2013-02-06 阿里巴巴集团控股有限公司 网站中的信息发布方法和系统
CN103092894A (zh) * 2011-11-08 2013-05-08 阿里巴巴集团控股有限公司 一种结构化信息检索方法和系统
CN103329140A (zh) * 2010-12-22 2013-09-25 皇家飞利浦电子股份有限公司 基于用户隐私偏好创建访问控制策略
CN103678365A (zh) * 2012-09-13 2014-03-26 阿里巴巴集团控股有限公司 数据的动态获取方法、装置及系统
CN104036010A (zh) * 2014-06-25 2014-09-10 华东师范大学 一种基于半监督cbow的用户搜索词主题分类的方法
CN104484815A (zh) * 2014-12-18 2015-04-01 刘耀强 基于模糊本体面向产品方面的情感分析方法及系统
CN104679820A (zh) * 2014-12-29 2015-06-03 厦门欣欣信息有限公司 一种搜索结果排序方法及装置
CN105512333A (zh) * 2015-12-28 2016-04-20 上海电机学院 基于情感倾向的产品评论主题搜索方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103329140A (zh) * 2010-12-22 2013-09-25 皇家飞利浦电子股份有限公司 基于用户隐私偏好创建访问控制策略
CN102915312A (zh) * 2011-08-03 2013-02-06 阿里巴巴集团控股有限公司 网站中的信息发布方法和系统
CN103092894A (zh) * 2011-11-08 2013-05-08 阿里巴巴集团控股有限公司 一种结构化信息检索方法和系统
CN103678365A (zh) * 2012-09-13 2014-03-26 阿里巴巴集团控股有限公司 数据的动态获取方法、装置及系统
CN104036010A (zh) * 2014-06-25 2014-09-10 华东师范大学 一种基于半监督cbow的用户搜索词主题分类的方法
CN104484815A (zh) * 2014-12-18 2015-04-01 刘耀强 基于模糊本体面向产品方面的情感分析方法及系统
CN104679820A (zh) * 2014-12-29 2015-06-03 厦门欣欣信息有限公司 一种搜索结果排序方法及装置
CN105512333A (zh) * 2015-12-28 2016-04-20 上海电机学院 基于情感倾向的产品评论主题搜索方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112836031A (zh) * 2021-02-01 2021-05-25 杭州微洱网络科技有限公司 面向电商领域的问题判别方法

Also Published As

Publication number Publication date
CN106021562A (zh) 2016-10-12

Similar Documents

Publication Publication Date Title
CN106021562B (zh) 用于电商平台的基于主题相关的推荐方法
CN106802956B (zh) 一种基于加权异构信息网络的电影推荐方法
Sivapalan et al. Recommender systems in e-commerce
Li et al. Using multidimensional clustering based collaborative filtering approach improving recommendation diversity
CN103377250B (zh) 基于邻域的top‑k推荐方法
Wang et al. Opportunity model for e-commerce recommendation: right product; right time
Cheng et al. Personalized click prediction in sponsored search
CN104615779B (zh) 一种Web文本个性化推荐方法
CN103400286B (zh) 一种基于用户行为进行物品特征标注的推荐系统及方法
KR101565339B1 (ko) 집단지성을 이용한 추천 시스템 및 방법
CN104063481A (zh) 一种基于用户实时兴趣向量的电影个性化推荐方法
CN110020128B (zh) 一种搜索结果排序方法及装置
CN106802915A (zh) 一种基于用户行为的学术资源推荐方法
CN106022865A (zh) 一种基于评分和用户行为的商品推荐方法
CN102902691A (zh) 推荐方法及系统
CN105426528A (zh) 一种商品数据的检索排序方法及系统
CN102289514B (zh) 社会标签自动标注的方法以及社会标签自动标注器
CN103309894B (zh) 基于用户属性的搜索实现方法及系统
CN104794154A (zh) 基于文本挖掘的医疗器械o2o服务质量评价模型
CN108334592A (zh) 一种基于内容与协同过滤相结合的个性化推荐方法
Xie et al. A probabilistic recommendation method inspired by latent Dirichlet allocation model
CN110019563B (zh) 一种基于多维数据的肖像建模方法和装置
CN114461879A (zh) 基于文本特征整合的语义社交网络多视角社区发现方法
CN106651461A (zh) 基于灰理论的电影个性化推荐方法
Mathur et al. A graph-based recommender system for food products

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