CN106484762A - 利用网页浏览行为来进行性别预测的方法 - Google Patents

利用网页浏览行为来进行性别预测的方法 Download PDF

Info

Publication number
CN106484762A
CN106484762A CN201610723750.0A CN201610723750A CN106484762A CN 106484762 A CN106484762 A CN 106484762A CN 201610723750 A CN201610723750 A CN 201610723750A CN 106484762 A CN106484762 A CN 106484762A
Authority
CN
China
Prior art keywords
website
user
blog
blog website
gender prediction
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.)
Pending
Application number
CN201610723750.0A
Other languages
English (en)
Inventor
吕承谕
施晨扬
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.)
Pixnet Digital Media Corp
Original Assignee
Pixnet Digital Media Corp
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 Pixnet Digital Media Corp filed Critical Pixnet Digital Media Corp
Publication of CN106484762A publication Critical patent/CN106484762A/zh
Pending legal-status Critical Current

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
    • G06F16/958—Organisation or management of web site content, e.g. publishing, maintaining pages or automatic linking
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/35—Clustering; Classification

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Information Transfer Between Computers (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种利用网页浏览行为的性别预测的方法，适用于架设在网站服务器的博客网站，此网站服务器分别存储多个第一用户的性别数据以及多个第一使用者登录博客网站时的网页浏览信息，此方法包含下列步骤：离散化多个第一用户的连续特征以形成至少一离散特征，根据至少一离散特征以及多个第一特征产生多个测试特征，计算对应多个测试特征的多个男性比例以及多个女性比例，将第二使用者浏览博客网站时的多个第二特征代入至分类器，由分类器依据多个男性比例以及多个女性比例计算第二使用者的性别比例。

Description

利用网页浏览行为来进行性别预测的方法
技术领域
本发明涉及一种性别预测方法，尤其涉及一种在博客网站上利用使用者的网页浏览行为来进行性别预测的方法。
背景技术
博客网站通常指以时间排序，并时时更新的网站，其多半以日记型态存在并且包含文章及回复功能。网络日志的内容可以是个人生活，甚至到政治话题，而其主题可以是一个小众的议题，或是大范围的话题。
在目前较知名的博客网站中，其网页上的广告收入主要为其收入来源之一，而若是要吸引著名的广告商加入其网站，则此网站必须要有极高的点击率或是人气。然而，无论是网站中的广告或是其内部的网站内容，目前大多是以单向播放方式来进行，即将网页的档案在一定的时间周期内进行反复地播放，然而此种方式却极有可能招致使用者的反感，而使得点击率下降。举例来说，当一男性使用者浏览博客网站时，看到的却是有关女性的文章内容或是广告信息等，此男性用户便可能不耐烦地直接跳离此博客网站而不继续浏览。
归究发生此情况的最主要原因在于，此网站无法得知在计算机前的用户的性别，进而根据其性别来播放相关联的广告或文章，而使得使用者能愿意停留在此博客网站中。也因为如此，导致目前部份的博客网站可能偏向于以一特定主题为主，如仅吸引部份的少女族群或是上班族群，无法广泛的适用于不同的使用者。
如此一来，对于博客网站来说，其广告商的来源便只能局限于一个领域，将导致其收入减少。而对于使用者而言，其也只能看到由博客网站固定摆放的文章内容以及广告。再者，对于广告商而言，其营销通路亦无法有效地进行扩增，而造成三输的局面产生。
因此，本发明人提出一种通过博客网站来进行性别预测的方法以解决以上的问题。
发明内容
根据上述背景技术的问题，本发明用来解决无法得知浏览一博客网站的使用者性别的问题。
根据上述背景技术的问题，本发明用来解决无法针对用户播放适当信息及广告内容的问题。
基于上述目的，本发明提供一种利用网页浏览行为的性别预测方法，适用于博客网站，此博客网站架设在网站服务器上，网站服务器分别存储多个第一用户的性别数据以及多个第一使用者登录陆博客网站时的网页浏览信息，性别预测方法包含下列步骤：离散化多个第一用户的连续特征以形成至少一离散特征，连续特征可包含连续数值。根据至少一离散特征以及多个第一特征产生多个测试特征，多个第一特征包含文章类别、登录来源网址、文章浏览信息及登录博客网站时的前一网站信息。计算对应多个测试特征的多个男性比例以及多个女性比例。将第二使用者浏览博客网站时的多个第二特征代入至分类器，由分类器依据多个男性比例以及多个女性比例计算第二使用者的性别比例。多个第一使用者以及多个第二使用者通过博客网站浏览网页两次以上。
优选地，本发明的性别预测方法进一步包含利用一拉普拉斯平滑(LaplaceSmoothing)以正规化男性比例以及女性比例。
优选地，分类器可包含单纯贝氏分类器( Bayes Classifier)。
优选地，登录来源网址可包含国别信息或组织信息。
优选地，文章浏览信息可包含作者信息。
优选地，连续特征可为浏览博客网站的时间。
优选地，本发明的性别预测方法进一步包含利用假设检验方法以减少多个第一特征的个数，假设检验方法可为卡方检验测试(chi-square test)。
优选地，登录博客网站时的前一网站信息可包含不同于博客网站的外部网页以及在博客网站内的另一网页。
优选地，本发明的性别预测方法进一步包含根据性别比例以实时变动博客网站内广告的内容、版面的设计以及推荐的文章。
附图说明
图1为根据本发明的性别预测方法的流程图。
图2为根据本发明另一实施例的性别预测方法的第一示意图。
图3为根据本发明另一实施例的性别预测方法的第二示意图。
具体实施方式
为了解本发明的特征、内容与优点及其所能达成的功效，兹将本发明配合附图，并以实施例的表达形式详细说明如下，而其中所使用的图式，其主旨仅为示意及辅助说明书之用，未必为本发明实施后的真实比例与精准配置，故不应就所附的附图的比例与配置关系解读、局限本发明于实际实施上的权利范围。
本发明的优点、特征以及达到的技术方法将参照例示性实施例及所附图式进行更详细地描述而更容易理解，且本发明或可以不同形式来实现，故不应被理解仅限于此处所陈述的实施例，相反地，对本领域技术人员而言，所提供的实施例将更加透彻与全面且完整地传达本发明的范畴，且本发明将仅为所附加的权利要求所定义。
如图1所示，为根据本发明的性别预测方法的流程图。如图1所示，此利用网页浏览行为的性别预测方法适用于博客网站，此博客网站安装在网站服务器上，网站服务器可为工作站主机或是计算机主机且其可用存储多个第一用户的性别数据以及多个第一使用者登录博客网站时的网页浏览信息，其性别数据可以在第一用户加入此博客网站的会员时加以记录，而在每一次此第一使用者登录此博客网站之后，在其浏览网页时同时存储此第一用户的浏览记录，如其IP位置、点击的网页等等。而本发明的性别预测方法包含下列步骤。
步骤S11，离散化多个第一用户的一连续特征以形成至少一离散特征，其中此连续特征可包含一连续数值，如登录的时间或是浏览网页的时间总和。
步骤S12，根据至少一离散特征以及多个第一特征产生多个测试特征，其中此多个第一特征可包含文章类别、登录来源网址、文章浏览信息及登录博客网站时的前一网站信息，登录来源网址可包含国别信息(如.tw或cn)或组织信息(如com或org)，文章浏览信息可包含作者信息，登录博客网站时的前一网站信息可包含不同于博客网站的外部网页，即通过外部网页链接至此博客网站，以及在博客网站内的另一网页，即通过此博客网站的另一网页而链接此目前浏览的网页。
步骤S13，计算对应多个测试特征的多个男性比例以及多个女性比例，并将多个男性比例以及多个女性比例代入分类器。
步骤S14，将一第二使用者浏览博客网站时的多个第二特征代入至分类器，并由分类器依据多个男性比例以及多个女性比例计算第二使用者的性别比例。其中此分类器可以为单纯贝氏分类器( Bayes Classifier)，并且此多个第二特征包含于多个测试特征内，并且多个第一使用者以及多个第二使用者通过博客网站浏览网页两次以上。
在本发明的性别预测方法中更可以包含根据步骤14所计算出的性别比例以实时变动博客网站内广告的内容、版面的设计以及推荐的文章。
本发明的性别预测方法更可包含利用一假设检验方法以减少多个第一特征的个数，其中此假设检验方法可为卡方检验测试(chi-square test)。
通过上述可以得知，本发明的性别预测方法可以通过已注册在博客网站上会员的网页浏览行为，来预测浏览此博客网站的非会员使用者的性别，并根据所预测到的性别立即产生与使用者性别有关的内容、广告等等，以具体改进传统博客网站无法针对用户播放适当信息及广告内容的问题。
本发明的另一优选实施例以一博客网站的登录会员及非登录会员来举例实施，其中此博客网站架设在网站服务器上。此网站服务器中记录了会员登录此博客网站时的浏览信息，包含会员的姓名、性别、年纪、工作性质、年纪以及其国别、登录的ip地址、使用的浏览器、在此博客网站所浏览的页面、浏览的博客文章及其类别、登录时间、浏览网页的博客文章的前后网页等等信息。
表一说明五个会员(p1～p5)登录此博客网站时所被记录的浏览文章类别与登录时间，如表一所示，p1、p2为男性使用者，而p3～p5则均为女性使用者。值得一提的是，表一的内容为已经过离散化的记录结果，此离散化的方式为根据将一天的登录时间切割为24等分，即以小时来进行区分，并记录每小时内会员所浏览的文章类别，如p1的男性使用者曾在06:00AM以及07:00AM的时间区段浏览有关“财经”及“运动”类别的文章，而p3的女性使用者曾在03:00PM及04:00PM分别浏览“美妆”以及“美妆”与“旅游”类别的文章。然而表一中所挑选的“浏览文章类别”与“登录时间”仅为举例实施，但不以此为限，亦可以以其他用户浏览行为的特征来举例实施，如所观看博客文章的作者、类别、浏览一网页时的前一个网页信息或是国别(即以ip来进行推定)。
表一
使用者 类别 登录时间
p1(男) 财经 06:00AM
p1 运动 07:00AM
p2(男) 运动 08:00AM
p2 旅游 06:00AM
p3(女) 旅游 04:00PM
p3 美妆 04:00PM
p3 美妆 03:00PM
p4(女) 旅游 06:00AM
p4 运动 03:00PM
p5(女) 美妆 05:00PM
p5 美妆 05:00PM
表二为利用表一所整理出来的特征特性表，其中以特征“hour_6”的特征来说，在男性特性“2/2”“表示在2个男性会员中，此2个男性会员均有在6:00时登录”，而在女性特性“1/3”则“表示在3个女性会员中，只有一个会员会在6:00时登录”，此计算方式即计算“浏览文章类别”与“登录时间”相对于“性别”的条件机率值，其他特征与其所对应的男性特性以及女性特性的表示内容等同于特征“our_6”与其所对应的男性特性以及女性特性的内容，故在此不进行赘述。
表二
特征 男性比例 女性比例
hour_6 2/2 1/3
hour_7 1/2 0/3
hour_8 1/2 0/3
hour_15 0/2 2/3
hour_16 0/2 1/3
hour_17 0/2 1/3
cate_财金 1/2 0/3
cate_运动 2/2 1/3
cate_旅游 1/2 1/3
cate_美妆 0/2 2/3
进一步地，可将表二进行拉普拉斯平滑(Laplace Smoothing)以正规化男性比例以及女性比例以形成如下的表三，此拉普拉斯平滑正规化方式利用分子加1以及分母加2的方式来加以进行运算。
表三
在建立表三内的男性比例以及女性比例之后，网站服务器可将此结果存储于其内部的存储单元内，其中此存储单元可以为一物理内存或是一硬盘。当有一非会员的使用者浏览此博客网站时，网站服务器可以利用表三所存储的男性比例以及女性比例来预测此非会员使用者的性别。
举例来说，当一非会员使用者p6浏览此博客网站时，若是其分别在06:30AM以及07:15AM浏览了运动以及旅游的文章类别时，则此时用户p6被记录的“浏览文章类别”与“登录时间”可离散化成如表四所示。
表四
使用者 类别 登录时间
p6 运动 6
p6 旅游 7
在本实施例中利用单纯贝氏分类器( Bayes Classifier)作为分类器使用，其公式如下所述：，
P(x|yj)＝Пi＝n(P(i|yj)×xi+(1-xi)(1-P(i|yi)))，i∈{1，2，～n}
其中，为了方便计算，我们将其以上公式取对数进行计算，
而根据以上两个公式，我们可以分别计算出使用者p6为男性的分数为-2.3(log(2/5)+log(3/4)+log(2/4)+log(1-2/4)+log(1-1/4)+log(1-1/4)+log(1-1/4)+log(1-2/4)+log(3/4)+log(2/4)+log(1-1/4)～＝-2.3)，其中第一个(2/5)表示五个使用者中为男性的机率，为女性的分数为-3.54(log(3/5)+log(2/5)+log(1/5)+log(1-1/5)+log(1-3/5)+log(1-2/5)+log(1-2/5)+log(1-1/5)+log(2/5)+log(2/5)+log(1-3/5)～＝-3.54)，其中第一个(3/5)表示五个使用者中为女性的机率，而由于男性的分数较高，故通过本发明的性别预测方法可预测使用者p6的性别为一男性。
而在网站服务器计算出使用者p6为男性之后，其便可以将使用者p6正在浏览的网页画面进行更新，如更新成有关男性使用者的广告内容，包含运动器材、3C用品或是汽车广告等等，或是更新成男性使用者有兴趣的博客文章，以增加p6停留在此博客网站的浏览时间，进而增加博客网站的点击率或是人气。
而值得一提的是，本发明所使用的使用者p1～p6的网页浏览记录指其必须在此博客网站浏览网页两次以上，换句话说，使用者必须停留在此博客网站并进行最少一次的页面切换动作，若是使用者点击至此博客网站后而直接离开此博客网站者，则此种网页浏览记录将不被使用于本发明的内。
如图2和图3所示，是根据本发明另一实施例的性别预测方法的第一示意图及第二示意图。在此实施例中，博客网站100架设在网站服务器101上，其中此网站服务器101可包含计算机主机、工作站或是服务器。如图2所示，当第二用户20利用计算机浏览至本发明的博客网站100的网页时，若是此第二使用者20并未以会员的身份登录至此博客网站100内，且其在此博客网站100上浏览至少两个以上页面时，此时网站服务器101可以通过网络接收第二用户20点击网页时所送出的封包，以得知第二使用者20浏览网页时的多个第二特征21，其中此第二特征21可包含登录的时间、文章类别、登录来源网址以及所浏览文章的类别、作者及其他相关信息等。
如图3所示，当网站服务器101接收到此第二特征21后，利用本发明的性别预测方法即可预测出目前浏览此博客网站100的第二使用者20的性别为何，而其利用第一用户的网页浏览信息进行预测的计算方式已于上述实施例公开，故在此不进行赘述。而当预测出第二使用者20的性别为女性时，则此时博客网站100便可以传送更新页面22，包含女性的广告页面、博客文章页面，或是更新为较柔合的版面设计至第二使用者20正在浏览的页面上，以增加此第二使用者20在此博客网站100的停留时间或是点击率。
尽管本发明的内容已经通过上述优选实施例作了详细介绍，但应当认识到上述的描述不应被认为是对本发明的限制。在本领域技术人员阅读了上述内容后，对于本发明的多种修改和替代都将是显而易见的。因此，本发明的保护范围应由所附的权利要求来限定。

Claims (9)

1.一种利用网页浏览行为来进行性别预测的方法，其特征在于，适用于博客网站，该博客网站架设在网站服务器上，该网站服务器分别存储多个第一用户的性别数据以及所述多个第一使用者登录所述博客网站时的网页浏览信息，所述性别预测方法包含：
离散化所述多个第一用户的连续特征以形成至少一离散特征，其中所述连续特征包含连续数值；
根据所述至少一离散特征以及多个第一特征产生多个测试特征，其中所述多个第一特征包含文章类别、登录来源网址、文章浏览信息及登录所述博客网站时的前一网站信息；
计算对应所述多个测试特征的多个男性比例以及多个女性比例；以及
将第二使用者浏览所述博客网站时的多个第二特征代入至所述分类器，由所述分类器依据所述多个男性比例以及所述多个女性比例计算所述第二使用者的性别比例；
其中所述多个第一使用者以及所述多个第二使用者通过所述博客网站浏览网页两次以上。
2.如权利要求1所述的性别预测方法，其特征在于，还包含利用拉普拉斯平滑以正规化所述男性比例以及所述女性比例。
3.如权利要求1所述的性别预测方法，其特征在于，所述分类器包含单纯贝氏分类器。
4.如权利要求1所述的性别预测方法，其特征在于，所述登录来源网址包含国别信息或组织信息。
5.如权利要求1所述的性别预测方法，其特征在于，所述文章浏览信息包含作者信息。
6.如权利要求1所述的性别预测方法，其特征在于，所述连续特征为浏览所述博客网站的时间。
7.如权利要求1所述的性别预测方法，其特征在于，还包含利用假设检验方法以减少所述多个第一特征的个数，所述假设检验方法为卡方检验测试。
8.如权利要求1所述的性别预测方法，其特征在于，登录所述博客网站时的前一网站信息包含不同于所述博客网站的外部网页以及在所述博客网站内的另一网页。
9.如权利要求1所述的性别预测方法，其特征在于，还包含根据所述性别比例以实时变动所述博客网站内广告的内容、版面的设计以及推荐的文章。
CN201610723750.0A 2015-08-27 2016-08-25 利用网页浏览行为来进行性别预测的方法 Pending CN106484762A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
TW104128081 2015-08-27
TW104128081A TWI556121B (zh) 2015-08-27 2015-08-27 利用網頁瀏覽行為之性別預測方法

Publications (1)

Publication Number Publication Date
CN106484762A true CN106484762A (zh) 2017-03-08

Family

ID=57851441

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610723750.0A Pending CN106484762A (zh) 2015-08-27 2016-08-25 利用网页浏览行为来进行性别预测的方法

Country Status (2)

Country Link
CN (1) CN106484762A (zh)
TW (1) TWI556121B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109034868A (zh) * 2018-06-21 2018-12-18 上海二三四五网络科技有限公司 一种基于用户浏览信息确定用户性别的控制方法及控制装置
CN109145932A (zh) * 2017-06-28 2019-01-04 中兴通讯股份有限公司 用户性别预测方法、装置及设备
CN109766955A (zh) * 2019-02-12 2019-05-17 深圳乐信软件技术有限公司 性别识别方法、装置、设备及存储介质
CN113268654A (zh) * 2020-02-17 2021-08-17 北京搜狗科技发展有限公司 一种用户性别识别方法、装置及电子设备

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8041082B1 (en) * 2007-11-02 2011-10-18 Google Inc. Inferring the gender of a face in an image
CN102902986A (zh) * 2012-06-13 2013-01-30 上海汇纳网络信息科技有限公司 自动性别识别系统及方法
CN104036291A (zh) * 2014-06-11 2014-09-10 杭州巨峰科技有限公司 基于人种分类的多特征性别判断方法
CN104620267A (zh) * 2012-06-21 2015-05-13 汤姆逊许可公司 用于推断用户人口统计的方法和装置

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7660468B2 (en) * 2005-05-09 2010-02-09 Like.Com System and method for enabling image searching using manual enrichment, classification, and/or segmentation
TW200802162A (en) * 2006-06-20 2008-01-01 Nu Channel Beijing Xplus Method and system for precisely distributing data messages
CN103186565B (zh) * 2011-12-28 2017-02-22 中国移动通信集团浙江有限公司 根据用户网页浏览行为判断用户偏好的方法及装置
CN104008184A (zh) * 2014-06-10 2014-08-27 百度在线网络技术（北京）有限公司 信息的推送方法和装置

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8041082B1 (en) * 2007-11-02 2011-10-18 Google Inc. Inferring the gender of a face in an image
CN102902986A (zh) * 2012-06-13 2013-01-30 上海汇纳网络信息科技有限公司 自动性别识别系统及方法
CN104620267A (zh) * 2012-06-21 2015-05-13 汤姆逊许可公司 用于推断用户人口统计的方法和装置
CN104036291A (zh) * 2014-06-11 2014-09-10 杭州巨峰科技有限公司 基于人种分类的多特征性别判断方法

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109145932A (zh) * 2017-06-28 2019-01-04 中兴通讯股份有限公司 用户性别预测方法、装置及设备
CN109034868A (zh) * 2018-06-21 2018-12-18 上海二三四五网络科技有限公司 一种基于用户浏览信息确定用户性别的控制方法及控制装置
CN109766955A (zh) * 2019-02-12 2019-05-17 深圳乐信软件技术有限公司 性别识别方法、装置、设备及存储介质
CN113268654A (zh) * 2020-02-17 2021-08-17 北京搜狗科技发展有限公司 一种用户性别识别方法、装置及电子设备

Also Published As

Publication number Publication date
TWI556121B (zh) 2016-11-01
TW201709088A (zh) 2017-03-01

Similar Documents

Publication Publication Date Title
JP6145576B2 (ja) オンライン・ソーシャル・ネットワークにおける大規模ページ推薦
CN101216825B (zh) 标引关键词提取/预测方法
Heimbach et al. Content virality on online social networks: Empirical evidence from Twitter, Facebook, and Google+ on German news websites
US10269024B2 (en) Systems and methods for identifying and measuring trends in consumer content demand within vertically associated websites and related content
US9275395B2 (en) Optimization of social media engagement
US8990208B2 (en) Information management and networking
US9798820B1 (en) Classification of keywords
US20120042020A1 (en) Micro-blog message filtering
US20090132561A1 (en) Link-based classification of graph nodes
US8843619B2 (en) System and method for monitoring visits to a target site
CN105589971A (zh) 训练推荐模型的方法、装置及推荐系统
Hu et al. Predicting the popularity of viral topics based on time series forecasting
EP2581869A1 (en) Content quality and user engagement in social platforms
CN104217030A (zh) 一种根据服务器搜索日志数据进行用户分类的方法和装置
Dougnon et al. Inferring user profiles in online social networks using a partial social graph
CN106484762A (zh) 利用网页浏览行为来进行性别预测的方法
US20150348059A1 (en) System and method for determining the shopping phase of a shopper
Wang et al. Temporal topic-based multi-dimensional social influence evaluation in online social networks
US8977948B1 (en) System, method, and computer program for determining information associated with an extracted portion of content
CN103870452A (zh) 数据推荐方法及系统
Niu et al. Predicting image popularity in an incomplete social media community by a weighted bi-partite graph
Xuan et al. Explicitly and implicitly exploiting the hierarchical structure for mining website interests on news events
Gao et al. Twitter hyperlink recommendation with user-tweet-hyperlink three-way clustering
Zhang et al. Targeted advertising based on browsing history
Zhang et al. Estimating online review helpfulness with probabilistic distribution and confidence

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20170308

WD01 Invention patent application deemed withdrawn after publication