CN107066582A - 实现虚拟资源推荐的方法及装置 - Google Patents
实现虚拟资源推荐的方法及装置 Download PDFInfo
- Publication number
- CN107066582A CN107066582A CN201710243476.1A CN201710243476A CN107066582A CN 107066582 A CN107066582 A CN 107066582A CN 201710243476 A CN201710243476 A CN 201710243476A CN 107066582 A CN107066582 A CN 107066582A
- Authority
- CN
- China
- Prior art keywords
- user
- virtual resource
- platform
- association
- platforms
- 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
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
本公开揭示了一种实现虚拟资源推荐的方法及装置。所述方法包括:确定用户在其它虚拟资源平台的身份关联用户,用户为所在虚拟资源平台进行虚拟资源推荐的目标;从预先与其它虚拟资源平台构建的用户相似关系映射数据中,获得所在虚拟资源平台中相对身份关联用户的相似用户;获取相似用户对虚拟资源的偏好信息;按照偏好信息进行用户的虚拟资源推荐。由上述方法可知,确定用户在其它虚拟资源平台的身份关联用户,并获得所在虚拟资源平台中相对身份关联用户的相似用户,根据相似用户对虚拟资源的偏好信息,为目标用户推荐虚拟资源,实现向冷启动用户和非活跃用户推荐虚拟资源,提高了为冷启动用户和非活跃用户推荐虚拟资源的精准性、针对性和有效性。
Description
技术领域
本公开涉及互联网应用技术领域,特别涉及一种实现虚拟资源推荐的方法及装置。
背景技术
现如今随着互联网应用的发展和进步,各种包含多种虚拟资源的应用平台层出不穷。大多数应用平台都拥有推荐虚拟资源的方法来吸引用户,应用平台根据用户的浏览历史向用户推荐可能符合其喜好的虚拟资源。
现有的虚拟资源推荐方法,是根据用户在应用平台上登录的账号,获取用户在应用平台上对虚拟资源的浏览历史和收藏的虚拟资源,并向用户推荐与浏览历史和收藏的虚拟资源类似的虚拟资源。
随着应用平台种类的增加,应用平台上存在许多没有任何用户历史行为的冷启动用户,以及用户行为数远远低于平均历史行为数的非活跃用户,而应用平台由于缺少这些用户对虚拟资源的浏览历史和收藏的虚拟资源,因此难以向冷启动用户和非活跃用户推荐其感兴趣的虚拟资源,进而使得所进行的虚拟资源推荐缺乏精准性。
发明内容
为了解决相关技术中针对冷启动用户和非活跃用户的虚拟资源推荐存在着缺乏精准性的技术问题,本公开提供了一种实现虚拟资源推荐的方法及装置。
一种实现虚拟资源推荐的方法,所述方法包括:
确定用户在其它虚拟资源平台的身份关联用户,所述用户为所在虚拟资源平台进行虚拟资源推荐的目标;
从预先与其它虚拟资源平台构建的用户相似关系映射数据中,获得所在虚拟资源平台中相对所述身份关联用户的相似用户;
获取所述相似用户对虚拟资源的偏好信息;
按照所述偏好信息进行所述用户的虚拟资源推荐。
一种实现虚拟资源推荐的装置,所述装置包括:
用户关联模块,用于确定用户在其它虚拟资源平台的身份关联用户,所述用户为所在虚拟资源平台进行虚拟资源推荐的目标;
相似用户获取模块,用于从预先与其它虚拟资源平台构建的用户相似关系映射数据中,获得所在虚拟资源平台中相对所述身份关联用户的相似用户;
信息获取模块,用于获取所述相似用户对虚拟资源的偏好信息;
推荐模块,用于按照所述偏好信息进行所述用户的虚拟资源推荐。
本公开的实施例提供的技术方案可以包括以下有益效果:
确定用户在其它虚拟资源平台的身份关联用户,用户为所在虚拟资源平台进行虚拟资源推荐的目标;从预先与其它虚拟资源平台构建的用户相似关系映射数据中,获得所在虚拟资源平台中相对身份关联用户的相似用户;获取相似用户对虚拟资源的偏好信息;按照偏好信息进行用户的虚拟资源推荐。由上述方法可知,通过确定用户在其它虚拟资源平台的身份关联用户,从预先与其它虚拟资源平台构建的用户相似关系映射数据中,获得所在虚拟资源平台中相对身份关联用户的相似用户,并根据相似用户对虚拟资源的偏好信息,为目标用户推荐虚拟资源,从而实现向冷启动用户和非活跃用户推荐虚拟资源的功能,提高了为冷启动用户和非活跃用户推荐虚拟资源的精准性、针对性和有效性。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性的,并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本发明的实施例,并于说明书一起用于解释本发明的原理。
图1是根据一示例性实施例示出的一种实现虚拟资源推荐的方法的流程图;
图2是图1对应实施例的确定用户在其它虚拟资源平台的身份关联用户,用户为所在虚拟资源平台进行虚拟资源推荐的目标在一个实施例的流程图;
图3是根据另一示例性实施例示出的一种实现虚拟资源推荐的方法的流程图;
图4是图3对应实施例的按照用户所在虚拟资源平台和其它虚拟资源平台的用户之间所存在的重叠用户,关联分别对应于用户所在虚拟资源平台和其它虚拟资源平台中的用户相似关系映射数据,获得与其它虚拟资源平台构建的用户相似关系映射数据在一个实施例中的存在形式示意图;
图5是图1对应实施例的从预先与其它虚拟资源平台构建的用户相似关系映射数据中,获得所在虚拟资源平台中相对身份关联用户的相似用户在一个实施例的流程图;
图6是图1对应实施例的按照偏好信息进行用户的虚拟资源推荐在一个实施例的流程图;
图7是根据一示例性实施例示出的一种实现虚拟资源推荐的装置框图;
图8是图7对应实施例的用户关联模块在一个实施例的框图;
图9是根据另一示例性实施例示出的一种实现虚拟资源推荐的装置框图;
图10是图7对应实施例的相似用户获取模块在一个实施例的框图;
图11是图7对应实施例的推荐模块在一个实施例的框图。
具体实施方式
这里将详细地对示例性实施例执行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本发明的一些方面相一致的装置和方法的例子。
图1是根据一示例性实施例示出的一种实现目标推荐平台中虚拟资源推荐方法的流程图。如图1所示,该实现目标推荐平台中虚拟资源推荐方法可以包括以下步骤。
在步骤110中,确定用户在其它虚拟资源平台的身份关联用户,用户为所在虚拟资源平台进行虚拟资源推荐的目标。
其中,用户所在虚拟资源平台是对用户进行虚拟资源推荐的平台,该用户是指在所在虚拟资源平台进行推荐虚拟资源的对象用户。在一个示例性实施例的具体实现中,用户为没有任何用户历史行为的冷启动用户和用户行为数远远低于平均历史行为数的非活跃用户。
其它虚拟资源平台为用户所在虚拟资源平台进行虚拟资源推荐进行参考的平台,其它虚拟资源平台用于为用户所在虚拟资源平台所进行的虚拟资源推荐提供辅助。身份关联用户为其它虚拟资源平台上的某一用户。根据其它虚拟资源平台中身份关联用户与用户所在虚拟资源平台中进行推荐的目标用户的用户属性相同,确定用户在其它虚拟资源平台中的身份关联用户。在一个示例性实施例的具体现实现中,身份关联用户的确定往往会屏蔽掉其它虚拟资源平台上的非活跃用户,而选择其它虚拟资源平台上的活跃用户。
在一个示例性实施例中,用户所在虚拟资源平台和其它虚拟资源平台可以拥有相同类型虚拟资源的平台,也可以是虚拟资源类型不同,但是具备关联性的平台,在此不进行限定。对于用户所在虚拟资源平台而言,其所拥有的虚拟资源可以是音乐,视频,图片等等资源。
在步骤130中,从预先与其它虚拟资源平台构建的用户相似关系映射数据中,获得所在虚拟资源平台中相对身份关联用户的相似用户。
其中,用户所在虚拟资源平台和其它虚拟资源平台分别针对其存在的用户构建了用户相似关系映射数据,用户相似映射数据包含所在平台中两个用户之间的相似度。
预先构建的用户相似关系映射数据是将用户所在虚拟资源平台和其它虚拟资源平台中的用户相似关系映射数据按照重叠用户进行关联而得到的。根据用户间的相似度,在预先构建的用户相似关系映射数据中找到与身份关联用户相似度高的用户来作为用户所在虚拟资源平台中相对于身份关联用户的相似用户。
在步骤150中,获取相似用户对虚拟资源的偏好信息。
其中,虚拟资源是以平台上各种资源信息的数据形式而存在的,并通过相应的页面来实现其形象的展示。偏好信息对应于所平台上的用户与虚拟资源,存储于平台的服务器中,表明用户对虚拟资源的喜好程度。在一个示例性实施例的具体现实现中,偏好信息根据用户在用户所在虚拟资源平台上对虚拟资源的浏览和喜好而产生,并与此用户关联存储于服务器中。
在为用户进行虚拟资源推荐的过程中,从用户所在虚拟资源平台获取服务器中存储对应于相似用户的偏好信息。
在步骤170中,按照偏好信息进行用户的虚拟资源推荐。
其中,虚拟资源对应于偏好信息,按照偏好信息对应的虚拟资源进行推荐。该虚拟资源对应于用户所在虚拟资源平台中相对于身份关联用户的相似用户,因此虚拟资源与身份关联用户的相似用户相对应,而身份关联用户与用户在其它虚拟资源平台中相关联,因此虚拟资源与用户的相似用户相对应,保证了推荐的准确性,有效性和针对性。
此实施例实现了用户所在虚拟资源平台向用户推荐虚拟资源的功能。
图2是根据一示例性实施例示出的对步骤110的细节进行描述。如图2所示,该步骤110可以包括以下步骤:
在步骤111中,获取用户的用户属性。
其中,用户属性用于存储用户的用户信息。用户属性将从一个或者若干个维度来描述相应的用户。因此,无论处于何种平台,用户属性都对应于其所描述的用户,具备着唯一性。
在一个示例性实施例的具体现实现中,用户属性所包含的维度,可以是IP地址(Internet Protocol Address,互联网协议地址),也可以是用户标识以及此用户标识在其它平台中映射的标识信息,还可以是其它可唯一描述用户的内容,在此不进行一一列举。
用户所在虚拟资源平台获取存储于用户所在虚拟资源平台的服务器中的用户的用户属性。
在步骤113中,在其它虚拟资源平台中为用户确定具备相同用户属性的用户,具备相同用户属性的用户即为用户在其它虚拟资源平台的身份关联用户。
在一个示例性实施例的具体现实现中,相同用户属性的用户为与用户的IP地址相同的用户,且在其它虚拟资源平台中存在该用户的用户属性。在其它虚拟资源平台中找到和用户具有相同用户属性,即IP地址相同的用户,确定该用户为用户在其它虚拟资源平台中的身份关联用户。
此实施例实现了确定用户在其它虚拟资源平台中的身份关联用户。
图3是根据另一示例性实施例示出的一种实现虚拟资源推荐的方法的流程图。如图3所示,该实现虚拟资源推荐的方法还可以包括以下步骤。
在步骤210中,进行用户所在虚拟资源平台和其它虚拟资源平台中用户之间的相似性运算,分别获得用户所在虚拟资源平台中的用户相似关系映射数据和其它虚拟资源平台中的用户相似关系映射数据。
在一个示例性实施例的具体实现中,用户所在虚拟资源平台和其它虚拟资源平台中用户之间的相似性运算利用皮尔森相关系数或余弦相似度计算。获得用户所在虚拟资源平台和其它虚拟资源平台中用户之间的相似性运算的结果后,根据相似性运算的结果,计算用户间的相似度,如下公式。
其中,sij为用户i对用户j之间的用户相似度,s′ij为用户i对用户j的相似性运算结果,max s′ij为用户i对平台中其他用户的相似性运算的结果的最大值。
通过方法将得到的相似性运算的结果进行归一化处理,从而得到用户间的相似度。得到的用户间的相似度均为小于一的值,且得到的相似度是有指向性的,保证用户间的相似度的有效性和统一性。
根据用户间的相似度的计算使得所获得用户所在虚拟资源平台中的用户相似关系映射数据和其它虚拟资源平台中的用户相似关系映射数据均包含有用户间的相似度。
在步骤230中,按照用户所在虚拟资源平台和其它虚拟资源平台的用户之间所存在的重叠用户,关联分别对应于用户所在虚拟资源平台和其它虚拟资源平台中的用户相似关系映射数据,获得与其它虚拟资源平台构建的用户相似关系映射数据。
重叠用户根据用户所在虚拟资源平台和其它虚拟资源平台中的用户属性来确定,即用户所在虚拟资源平台和其它虚拟资源平台中用户属性相同的用户形成重叠用户。也就是说,对于用户所在虚拟资源平台和其它虚拟资源平台而言,重叠用户,实质上是在两个平台中具备相同用户属性的若干组用户的集合。
在一个示例性实施例的具体实现中,当用户所在虚拟资源平台的用户和其它虚拟资源平台的用户之间用户属性相同,如IP地址相同时,即可判断用户具备相同用户属性。将用户所在虚拟资源平台和其它虚拟资源平台中具备相同用户属性的用户,确定为用户所在虚拟资源平台和其它虚拟资源平台的重叠用户。
将重叠用户间的用户相似度设置为相同且数值为1,即将重叠用户看作相同的用户。将分别对应于用户所在虚拟资源平台和其它虚拟资源平台的用户相似关系映射数据根据重叠用户关联起来,获得用户所在虚拟资源平台与其它虚拟资源平台之间基于重叠用户的用户相似关系映射数据。
此实施例构建了用户所在虚拟资源平台与其它虚拟资源平台之间基于重叠用户的用户相似关系映射数据。
图4是图3对应实施例的步骤230在一个实施例的存在形式示意图。如图4所示,310和320为用户所在虚拟资源平台与其它虚拟资源平台的形成的单平台用户关系映射数据。圆形节点中表示用户所在虚拟资源平台与其它虚拟资源平台中的用户,加权有向边为用户间的相似度。其中,根据平台上的用户属性相同判断出,用户和用户为重叠用户。
330为基于重叠用户的用户相似关系映射数据。将用户所在虚拟资源平台与其它虚拟资源平台形成的单平台用户关系映射数据中的重叠用户和进行合并,即将用户和当作相同的用户,从而关联对应于用户所在虚拟资源平台和其它虚拟资源平台的用户相似关系映射数据,形成用户所在虚拟资源平台与其它虚拟资源平台构建的用户相似关系映射数据。
图5是根据一示例性实施例示出的对步骤130的细节进行描述。如图5所示,该步骤130可以包括以下步骤:
在步骤131中,在预先与其它虚拟资源平台构建的用户相似关系映射数据中,根据所有用户相对于其它用户的相似度确定所述身份关联用户与用户所在虚拟资源平台中各用户之间的关联度。
在一个示例性实施例的具体实现中,关联度是其它虚拟资源平台中的身份关联用户指示用户相对于目用户所在虚拟资源平台中用户之间的相似度。根据带重启动的随机游走公式确定身份关联用户与用户所在虚拟资源平台中各用户之间的关联度。如下公式。
pt+1=(1-α)Apt+αq
其中,该公式从身份关联用户所在的节点出发,α是重启动概率,表示节点回到身份关联用户所在的节点的概率,q是一个列向量,除了身份关联用户所在的节点对应的位置,即在身份关联用户所在的节点进行重启动时,q为1,其余全为0。pt为第t步游走后从身份关联用户所在的节点到其他节点的概率。初始化设置p0为1/n的单位向量,n为所有节点数目。A是跨平台用户关联矩阵,定义为A=Si∪(β·C),其中Si为其它虚拟资源平台中用户间的相似度,C为用户所在虚拟资源平台中用户间的相似度,β为跳转到用户所在虚拟资源平台的概率。所得到的pt+1即为身份关联用户跳转到用户所在虚拟资源平台中各用户的概率,即为身份关联用户与用户所在虚拟资源平台中各用户之间的关联度。
在步骤133中,按照身份关联用户与用户所在虚拟资源平台中各用户之间的关联度,获得用户所在虚拟资源平台中相对于身份关联用户的相似用户。
其中,比较身份关联用户与用户所在虚拟资源平台中各用户之间的关联度,当关联用户与用户所在虚拟资源平台中的用户的关联度高,即判定该用户为用户所在虚拟资源平台中相对于身份关联用户的相似用户。
此实施例实现了获取用户所在虚拟资源平台中相对于身份关联用户的相似用户。
图6是根据一示例性实施例示出的对步骤170的细节进行描述。如图6所示,该步骤170可以包括以下步骤:
在步骤171中,针对于用户所在虚拟资源平台中的虚拟资源,按照相似用户对虚拟资源的偏好信息和相似用户与身份关联用户之间的关联度,计算身份关联用户对虚拟资源的偏好值。
其中,利用个性化交叉推荐算法,实现按照相似用户对虚拟资源的偏好信息和相似用户与身份关联用户之间的关联度,计算身份关联用户对虚拟资源的偏好值。如下公式。
其中,u为身份关联用户,a为相似用户。Nu为身份关联用户的相似用户a所组成的集合,sim(a,u)为相似用户与身份关联用户间的关联度。为相似用户a对物品Ii的偏好信息值。为计算所得的身份关联用户对虚拟资源的偏好值。
在步骤173中,按照身份关联用户对虚拟资源的偏好值,获得用户所在虚拟资源平台中为用户推荐的虚拟资源。
其中,比较身份关联用户对虚拟资源的偏好值,当身份关联用户对虚拟资源的偏好值偏好值大时,则获取偏好值对应的虚拟资源,为用户所在虚拟资源平台中为用户推荐的虚拟资源。
在步骤175中,在用户所在虚拟资源平台中,向用户推荐所获得的虚拟资源。
其中,将获取的用户所在虚拟资源平台中为用户推荐的虚拟资源向用户进行推荐,即为用户所在虚拟资源平台向用户推荐的虚拟资源。
此实施例实现在用户所在虚拟资源平台向用户推荐虚拟资源。
图7是根据一示例性实施例示出的一种实现虚拟资源推荐的装置框图。该装置执行图1任一所示的实现虚拟资源推荐的方法的全部或者部分步骤。如图7所示,该装置包括但不限于:用户关联模块410,相似用户获取模块430,信息获取模块450和推荐模块470。
用户关联模块410用于确定用户在其它虚拟资源平台的身份关联用户,用户为所在虚拟资源平台进行虚拟资源推荐的目标。
相似用户获取模块430用于从预先与其它虚拟资源平台构建的用户相似关系映射数据中,获得所在虚拟资源平台中相对身份关联用户的相似用户。
信息获取模块450用于获取相似用户对虚拟资源的偏好信息。
推荐模块470用于按照偏好信息进行用户的虚拟资源推荐。
图8是图7对应实施例的用户关联模块在一个实施例的框图。如图8所示,该用户关联模块410包括但不限于:属性获取单元411和确定关联单元413。
属性获取单元411用于获取用户的用户属性。
确定关联单元413用于在其它虚拟资源平台中为用户确定具备相同用户属性的用户,具备相同用户属性的用户即为用户在其它虚拟资源平台的身份关联用户。
图9是根据另一示例性实施例示出的一种实现虚拟资源推荐的装置框图。如图9所示,该装置包括但不限于:相似性运算模块510和数据获取模块530。
相似性运算模块510用于进行用户所在虚拟资源平台和其它虚拟资源平台中用户之间的相似性运算,分别获得用户所在虚拟资源平台中的用户相似关系映射数据和其它虚拟资源平台中的用户相似关系映射数据。
数据获取模块530用于按照用户所在虚拟资源平台和其它虚拟资源平台的用户之间所存在的重叠用户,关联分别对应于用户所在虚拟资源平台和其它虚拟资源平台中的用户相似关系映射数据,获得与其它虚拟资源平台构建的用户相似关系映射数据。
图10是图7对应实施例的相似用户获取模块在一个实施例的框图。如图10所示,该相似用户获取模块430包括但不限于:关联度确定单元431和关联获取单元433。
关联度确定单元431用于在预先与其它虚拟资源平台构建的用户相似关系映射数据中,根据所有用户相对于其它用户的相似度确定身份关联用户与用户所在虚拟资源平台中各用户之间的关联度。
关联获取单元433用于按照身份关联用户与用户所在虚拟资源平台中各用户之间的关联度,获得用户所在虚拟资源平台中相对于身份关联用户的相似用户。
图11是图7对应实施例的推荐模块在一个实施例的框图。如图11所示,该推荐模块470包括但不限于:偏好值计算单元471,虚拟资源获取单元473和资源推荐单元475。
偏好值计算单元471用于针对于用户所在虚拟资源平台中的虚拟资源,按照相似用户对虚拟资源的偏好信息和相似用户与身份关联用户之间的关联度,计算身份关联用户对虚拟资源的偏好值。
虚拟资源获取单元473用于按照身份关联用户对虚拟资源的偏好值,获得用户所在虚拟资源平台中为用户推荐的虚拟资源。
资源推荐单元475用于在用户所在虚拟资源平台中,向用户推荐所获得的虚拟资源。
上述装置中各个模块的功能和作用的实现过程详见上述实现虚拟资源推荐的方法中对应步骤的实现过程,在此不再赘述。
应当理解的是,本发明并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围执行各种修改和改变。本发明的范围仅由所附的权利要求来限制。
Claims (10)
1.一种实现虚拟资源推荐的方法,其特征在于,所述方法包括:
确定用户在其它虚拟资源平台的身份关联用户,所述用户为所在虚拟资源平台进行虚拟资源推荐的目标;
从预先与其它虚拟资源平台构建的用户相似关系映射数据中,获得所在虚拟资源平台中相对所述身份关联用户的相似用户;
获取所述相似用户对虚拟资源的偏好信息;
按照所述偏好信息进行所述用户的虚拟资源推荐。
2.根据权利要求1所述的方法,其特征在于,所述确定用户在其它虚拟资源平台的身份关联用户,所述用户为所在虚拟资源平台进行虚拟资源推荐的目标步骤包括:
获取所述用户的用户属性;
在其它虚拟资源平台中为所述用户确定具备相同用户属性的用户,所述具备相同用户属性的用户即为所述用户在其它虚拟资源平台的身份关联用户。
3.根据权利要求1所述方法,其特征在于,所述从预先与其它虚拟资源平台构建的用户相似关系映射数据中,获得所在虚拟资源平台中相对所述身份关联用户的相似用户之前,所述方法包括:
进行所述用户所在虚拟资源平台和其它虚拟资源平台中用户之间的相似性运算,分别获得所述用户所在虚拟资源平台中的用户相似关系映射数据和其它虚拟资源平台中的用户相似关系映射数据;
按照所述用户所在虚拟资源平台和其它虚拟资源平台的用户之间所存在的重叠用户,关联分别对应于所述用户所在虚拟资源平台和其它虚拟资源平台中的用户相似关系映射数据,获得所述与其它虚拟资源平台构建的用户相似关系映射数据。
4.根据权利要求1所述方法,其特征在于,所述从预先与其它虚拟资源平台构建的用户相似关系映射数据中,获得所在虚拟资源平台中相对所述身份关联用户的相似用户步骤包括:
在预先与其它虚拟资源平台构建的用户相似关系映射数据中,根据所有用户相对于其它用户的相似度确定所述身份关联用户与所述用户所在虚拟资源平台中各用户之间的关联度;
按照所述身份关联用户与所述用户所在虚拟资源平台中各用户之间的关联度,获得所述用户所在虚拟资源平台中相对于所述身份关联用户的相似用户。
5.根据权利要求1所述方法,其特征在于,所述按照所述偏好信息进行所述用户的虚拟资源推荐步骤包括:
针对于所述用户所在虚拟资源平台中的虚拟资源,按照所述相似用户对所述虚拟资源的偏好信息和所述相似用户与所述身份关联用户之间的关联度,计算所述身份关联用户对所述虚拟资源的偏好值;
按照所述身份关联用户对所述虚拟资源的偏好值,获得所述用户所在虚拟资源平台中为所述用户推荐的虚拟资源;
在所述用户所在虚拟资源平台中,向所述用户推荐所获得的虚拟资源。
6.一种实现虚拟资源推荐的装置,其特征在于,所述装置包括:
用户关联模块,用于确定用户在其它虚拟资源平台的身份关联用户,所述用户为所在虚拟资源平台进行虚拟资源推荐的目标;
相似用户获取模块,用于从预先与其它虚拟资源平台构建的用户相似关系映射数据中,获得所在虚拟资源平台中相对所述身份关联用户的相似用户;
信息获取模块,用于获取所述相似用户对虚拟资源的偏好信息;
推荐模块,用于按照所述偏好信息进行所述用户的虚拟资源推荐。
7.根据权利要求6所述装置,其特征在于,所述用户关联模块包括:
属性获取单元,用于获取所述用户的用户属性;
确定关联单元,用于在其它虚拟资源平台中为所述用户确定具备相同用户属性的用户,所述具备相同用户属性的用户即为所述用户在其它虚拟资源平台的身份关联用户。
8.根据权利要求6所述装置,其特征在于,所述装置还包括:
相似性运算模块,用于进行所述用户所在虚拟资源平台和其它虚拟资源平台中用户之间的相似性运算,分别获得所述用户所在虚拟资源平台中的用户相似关系映射数据和其它虚拟资源平台中的用户相似关系映射数据;
数据获取模块,用于按照所述用户所在虚拟资源平台和其它虚拟资源平台的用户之间所存在的重叠用户,关联分别对应于所述用户所在虚拟资源平台和其它虚拟资源平台中的用户相似关系映射数据,获得所述与其它虚拟资源平台构建的用户相似关系映射数据。
9.根据权利要求6所述装置,其特征在于,所述相似用户获取模块包括:
关联度确定单元,用于在预先与其它虚拟资源平台构建的用户相似关系映射数据中,根据所有用户相对于其它用户的相似度确定所述身份关联用户与所述用户所在虚拟资源平台中各用户之间的关联度;
关联获取单元,用于按照所述身份关联用户与所述用户所在虚拟资源平台中各用户之间的关联度,获得所述用户所在虚拟资源平台中相对于所述身份关联用户的相似用户。
10.根据权利要求6所述装置,其特征在于,所述推荐模块包括:
偏好值计算单元,用于针对于所述用户所在虚拟资源平台中的虚拟资源,按照所述相似用户对所述虚拟资源的偏好信息和所述相似用户与所述身份关联用户之间的关联度,计算所述身份关联用户对所述虚拟资源的偏好值;
虚拟资源获取单元,用于按照所述身份关联用户对所述虚拟资源的偏好值,获得所述用户所在虚拟资源平台中为所述用户推荐的虚拟资源;
资源推荐单元,用于在所述用户所在虚拟资源平台中,向所述用户推荐所获得的虚拟资源。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710243476.1A CN107066582B (zh) | 2017-04-14 | 2017-04-14 | 实现虚拟资源推荐的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710243476.1A CN107066582B (zh) | 2017-04-14 | 2017-04-14 | 实现虚拟资源推荐的方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107066582A true CN107066582A (zh) | 2017-08-18 |
CN107066582B CN107066582B (zh) | 2020-06-26 |
Family
ID=59600565
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710243476.1A Active CN107066582B (zh) | 2017-04-14 | 2017-04-14 | 实现虚拟资源推荐的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107066582B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107730271A (zh) * | 2017-09-20 | 2018-02-23 | 北京奇艺世纪科技有限公司 | 基于虚拟交互对象的相似用户确定方法、装置及电子设备 |
CN110674386A (zh) * | 2018-06-14 | 2020-01-10 | 北京百度网讯科技有限公司 | 资源推荐方法、装置及存储介质 |
WO2022142020A1 (zh) * | 2020-12-30 | 2022-07-07 | 平安科技(深圳)有限公司 | 资讯推送方法、装置、电子设备及计算机可读存储介质 |
CN115348353A (zh) * | 2022-08-10 | 2022-11-15 | 青岛海信智慧生活科技股份有限公司 | 一种内容推送方法和服务器 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103620595A (zh) * | 2011-04-29 | 2014-03-05 | 诺基亚公司 | 用于情境感知角色建模和推荐的方法和装置 |
CN103716338A (zh) * | 2012-09-28 | 2014-04-09 | 腾讯科技(深圳)有限公司 | 一种信息推送方法和装置 |
CN104156436A (zh) * | 2014-08-13 | 2014-11-19 | 福州大学 | 一种社交云媒体协同过滤推荐方法 |
CN104462560A (zh) * | 2014-12-25 | 2015-03-25 | 广东电子工业研究院有限公司 | 一种个性化推荐系统及其推荐方法 |
CN104598474A (zh) * | 2013-10-30 | 2015-05-06 | 同济大学 | 云环境下基于数据语义的信息推荐方法 |
CN105183895A (zh) * | 2015-09-29 | 2015-12-23 | 北京奇虎科技有限公司 | 虚拟资源推送方法和装置 |
US20160140230A1 (en) * | 2014-11-18 | 2016-05-19 | Radialpoint Safecare Inc. | Implicit Collaborative Searching Based on Search History Database |
US20160371725A1 (en) * | 2015-06-18 | 2016-12-22 | Duy Nguyen | Campaign optimization system |
CN106557953A (zh) * | 2016-11-11 | 2017-04-05 | 无锡雅座在线科技发展有限公司 | 信息处理方法及装置 |
-
2017
- 2017-04-14 CN CN201710243476.1A patent/CN107066582B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103620595A (zh) * | 2011-04-29 | 2014-03-05 | 诺基亚公司 | 用于情境感知角色建模和推荐的方法和装置 |
CN103716338A (zh) * | 2012-09-28 | 2014-04-09 | 腾讯科技(深圳)有限公司 | 一种信息推送方法和装置 |
CN104598474A (zh) * | 2013-10-30 | 2015-05-06 | 同济大学 | 云环境下基于数据语义的信息推荐方法 |
CN104156436A (zh) * | 2014-08-13 | 2014-11-19 | 福州大学 | 一种社交云媒体协同过滤推荐方法 |
US20160140230A1 (en) * | 2014-11-18 | 2016-05-19 | Radialpoint Safecare Inc. | Implicit Collaborative Searching Based on Search History Database |
CN104462560A (zh) * | 2014-12-25 | 2015-03-25 | 广东电子工业研究院有限公司 | 一种个性化推荐系统及其推荐方法 |
US20160371725A1 (en) * | 2015-06-18 | 2016-12-22 | Duy Nguyen | Campaign optimization system |
CN105183895A (zh) * | 2015-09-29 | 2015-12-23 | 北京奇虎科技有限公司 | 虚拟资源推送方法和装置 |
CN106557953A (zh) * | 2016-11-11 | 2017-04-05 | 无锡雅座在线科技发展有限公司 | 信息处理方法及装置 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107730271A (zh) * | 2017-09-20 | 2018-02-23 | 北京奇艺世纪科技有限公司 | 基于虚拟交互对象的相似用户确定方法、装置及电子设备 |
CN107730271B (zh) * | 2017-09-20 | 2021-09-17 | 北京奇艺世纪科技有限公司 | 基于虚拟交互对象的相似用户确定方法、装置及电子设备 |
CN110674386A (zh) * | 2018-06-14 | 2020-01-10 | 北京百度网讯科技有限公司 | 资源推荐方法、装置及存储介质 |
CN110674386B (zh) * | 2018-06-14 | 2022-11-01 | 北京百度网讯科技有限公司 | 资源推荐方法、装置及存储介质 |
WO2022142020A1 (zh) * | 2020-12-30 | 2022-07-07 | 平安科技(深圳)有限公司 | 资讯推送方法、装置、电子设备及计算机可读存储介质 |
CN115348353A (zh) * | 2022-08-10 | 2022-11-15 | 青岛海信智慧生活科技股份有限公司 | 一种内容推送方法和服务器 |
Also Published As
Publication number | Publication date |
---|---|
CN107066582B (zh) | 2020-06-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104199896B (zh) | 基于特征分类的视频相似度确定及视频推荐方法 | |
CN103544623B (zh) | 一种基于用户偏好特征建模的Web 服务推荐方法 | |
Ying et al. | A temporal-aware POI recommendation system using context-aware tensor decomposition and weighted HITS | |
US10332150B2 (en) | Location event advertising | |
CN107066582A (zh) | 实现虚拟资源推荐的方法及装置 | |
CN108090208A (zh) | 融合数据处理方法及装置 | |
CN107798557A (zh) | 电子装置、基于lbs数据的服务场所推荐方法及存储介质 | |
US9972031B1 (en) | Directed content to anonymized users | |
CN105824912A (zh) | 基于用户画像的个性化推荐方法和装置 | |
CN108536694A (zh) | 用户偏好的推测方法、装置和终端设备 | |
CN108287864A (zh) | 一种兴趣群组划分方法、装置、介质及计算设备 | |
US20170300566A1 (en) | Determining clusters of similar activities | |
WO2014079297A1 (zh) | 一种网络广告的定向条件展示方法和装置 | |
JP2016536725A (ja) | ユーザ行動の特徴を抽出して推奨を個人化する方法及びシステム | |
CN107301247B (zh) | 建立点击率预估模型的方法及装置、终端、存储介质 | |
CN104156356B (zh) | 个性化导航页面生成方法及装置 | |
WO2014026429A1 (zh) | 热力图中的数据确定方法及装置 | |
CN106095887A (zh) | 基于加权时空效应的情境感知Web 服务推荐方法 | |
CN103365842B (zh) | 一种页面浏览推荐方法及装置 | |
Tian et al. | Privacy-preserving social tie discovery based on cloaked human trajectories | |
CN105430615A (zh) | 一种连续位置服务请求下基于假位置的位置隐私保护方法 | |
US20170243276A1 (en) | Temperature-based determination of business objects | |
CN112989169A (zh) | 目标对象识别方法、信息推荐方法、装置、设备及介质 | |
CN103399900A (zh) | 基于位置服务的图片推荐方法 | |
CN107547626B (zh) | 用户画像的共享方法和装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |