CN107562870A - 一种用户推荐方法和装置 - Google Patents
一种用户推荐方法和装置 Download PDFInfo
- Publication number
- CN107562870A CN107562870A CN201710765669.3A CN201710765669A CN107562870A CN 107562870 A CN107562870 A CN 107562870A CN 201710765669 A CN201710765669 A CN 201710765669A CN 107562870 A CN107562870 A CN 107562870A
- Authority
- CN
- China
- Prior art keywords
- role
- candidate user
- demand
- characteristic
- characteristic vector
- 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
Links
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明提供了一种用户推荐方法和装置,该方法包括:从预设平台获取每个候选用户的历史角色信息;根据每个候选用户的历史角色信息,确定对应候选用户在预设的多个角色特征维度下的特征值,得到每个候选用户的历史角色特征向量;根据角色需求信息表征的角色需求信息,确定预设的多个角色特征维度下的特征值,得到角色需求特征向量;并根据每个候选用户的历史角色特征向量分别与所述角色需求特征向量之间的匹配度,从候选用户中确定满足角色需求的用户并推荐。
Description
技术领域
本发明涉及信息技术领域,具体而言,涉及一种用户推荐方法和装置。
背景技术
随着互联网技术的发展,越来越多的用户通过社交平台进行社交,结识更多有相同兴趣爱好的人,并且通过这个平台来相互联系。目前,可以通过用户角色模型(Personas)工具从各个社交平台中爬取各个用户的基础信息、人物关系等信息,通过Personas工具仅可以简单的对爬取到的信息进行简单的预测,而无法对爬取到的信息进行定向的推荐,例如,对于影视剧本而言,仅能根据获取到的各个演员的信息对该影视剧本做一个大概的例如收益的预测,而无法针对该影视剧的类型以及影视剧中角色的类型,为该影视剧推荐适合的演员。
发明内容
有鉴于此,本发明的目的在于提供一种用户推荐方法和装置,用于解决现有技术中的无法进行定向推荐的问题。
第一方面,本发明实施例提供一种用户推荐方法,该方法包括:
从预设平台获取每个候选用户的历史角色信息;
根据每个候选用户的历史角色信息,确定对应候选用户在预设的多个角色特征维度下的特征值,得到每个候选用户的历史角色特征向量;
根据角色需求信息表征的角色需求信息,确定预设的多个角色特征维度下的特征值,得到角色需求特征向量;并
根据每个候选用户的历史角色特征向量分别与所述角色需求特征向量之间的匹配度,从候选用户中确定满足角色需求的用户并推荐。
第二方面,本发明实施例提供一种用户推荐装置,该装置包括:
信息获取单元,用于从预设平台获取每个候选用户的历史角色信息;
角色特征确定单元,用于根据每个候选用户的历史角色信息,确定对应候选用户在预设的多个角色特征维度下的特征值,得到每个候选用户的历史角色特征向量;
角色需求确定单元,用于根据角色需求信息表征的角色需求信息,确定预设的多个角色特征维度下的特征值,得到角色需求特征向量;并
角色推荐单元,用于根据每个候选用户的历史角色特征向量分别与所述角色需求特征向量之间的匹配度,从候选用户中确定满足角色需求的用户并推荐。
本发明实施例的用户推荐方法和装置,从预设平台获取每个候选用户的历史角色信息;根据每个候选用户的历史角色信息,确定对应候选用户在预设的多个角色特征维度下的特征值,得到每个候选用户的历史角色特征向量;根据角色需求信息表征的角色需求信息,确定预设的多个角色特征维度下的特征值,得到角色需求特征向量;并根据每个候选用户的历史角色特征向量分别与所述角色需求特征向量之间的匹配度,从候选用户中确定满足角色需求的用户并推荐。在推荐用户时,从各个平台获取候选用户的历史角色信息,增加了获取候选用户的信息的来源,将获取到的历史角色信息和角色需求信息进行向量化,进一步计算每个候选用户与当前角色的匹配度从而为该角色推荐用户,耗费时间比较少,提高了该角色匹配成功的概率。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,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,还可以根据这些附图获得其他相关的附图。
图1为本发明一实施例提供的一种用户推荐方法的第一种流程示意图;
图2为本发明一实施例提供的一种用户推荐方法的第二种流程示意图;
图3为本发明一实施例提供的一种用户推荐方法的第三种流程示意图;
图4为本发明一实施例提供的一种用户推荐方法的第四种流程示意图;
图5为本发明一实施例提供的一种用户推荐方法的第五种流程示意图;
图6为本发明一实施例提供的一种用户推荐方法的第六种流程示意图;
图7为本发明一实施例提供的一种用户推荐装置的结构示意图;
图8为本发明实施例所提供一种计算机设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中附图,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。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明的实施例,本领域技术人员在没有做出创造性劳动的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。
本发明一实施例提供了一种用户推荐方法,如图1所示,该用户推荐方法包括以下步骤:
S101,从预设平台获取每个候选用户的历史角色信息。
S102,根据每个候选用户的历史角色信息,确定对应候选用户在预设的多个角色特征维度下的特征值,得到每个候选用户的历史角色特征向量。
S103,根据角色需求信息表征的角色需求信息,确定预设的多个角色特征维度下的特征值,得到角色需求特征向量。
S104,根据每个候选用户的历史角色特征向量分别与所述角色需求特征向量之间的匹配度,从候选用户中确定满足角色需求的用户并推荐。
具体地,预设平台为网络中可以获取到候选用户相关信息的各个平台,如,在候选用户为演员时,预设平台可以包括互联网电影资料库(Internet Movie Database,IMDB)、豆瓣、微博、优酷、土豆、爱奇艺等平台,在候选用户为职员时,预设平台可以包括猎聘网、智联招聘、58同城、赶集网、应届生招聘网等平台;历史角色信息为候选用户在预设时间段内经历过的每个历史角色的相关描述信息,或者指定个数历史角色的相关描述信息,如,候选用户为演员时,历史角色信息可以是该演员饰演过的角色本身的角色描述信息,还可以包括观众、导演、编剧、业内专家等对该演员饰演过的角色的评价,候选用户为职员时,历史角色信息可以是该用户担任过的工作的职责描述信息,还可以包括领导、同事等对该职员在从事过的职位中的表现的评价;角色特征为与角色相关的特征,如,候选用户为演员时,角色特征可以包括英俊、聪明、勇敢、猥琐、粗心、性感、义气等,在候选用户为职员时,以程序员职业为例,角色特征可以包括岗位职责等特征:C语言编程、算法设计、大数据挖掘、细心、严谨、专业、聪明、圆滑等;角色需求信息可以表征角色需求信息、角色情境需求信息和附加增益需求信息等信息,角色需求信息表征的角色需求信息为对需求角色的描述信息,如,在候选用户为演员时,该角色需求信息可以为对剧本中各个角色的需求信息,在候选用户为职员时,该角色需求信息为对企业招聘职位的需求信息。
本发明提供的实施例中,在推荐用户时,从各个平台获取候选用户的历史角色信息,增加了获取候选用户的信息的来源,将获取到的历史角色信息和角色需求信息进行向量化,进一步计算每个候选用户与当前角色的匹配度从而为该角色推荐用户,耗费时间比较少,提高了该角色匹配成功的概率。
进一步地,如图2所示,上述步骤S101到步骤S104中,从候选用户中确定满足角色需求的用户并推荐,是通过如下步骤S1011-S1017实现的,具体包括:
S1011,针对每个候选用户的各历史角色,从预设平台获取对所述各历史角色的相关信息;其中,相关信息包括介绍信息和/或评论信息。
本步骤中,各历史角色的相关信息可以包括各历史角色的介绍信息和/或各历史角色的评论信息;由于各个平台中存在海量的信息,可以通过网络爬虫或网站获取精灵等工具,爬取每个候选用户的历史角色的相关信息,如,在候选用户为演员时,爬取到的相关信息一般包括观众、导演、业内专业人士等对该演员参与的历史角色的评论,还可以包括历史角色本身的描述介绍信息,在候选用户为职员时,爬取到的相关信息一般包括领导、同事、企业人力资源部、朋友等对该职员在从事过的职位中的表现的评价,也可以包括该职员从事过的职位职责介绍信息。
S1012,从所述相关信息中统计出所述多个角色特征维度所表征角色特征的特征词的词频。
本步骤中,可以利用机器学习(Scikit-learn)中的朴素贝叶斯模型以及隶属于集成模型的梯度提升树分类模型,从所述相关信息中统计出多个角色特征维度所表征角色特征的特征词的词频,也可以采用关键词抽取工具从相关信息中抽取各个角色特征维度表征角色特征的特征词,形成特征词列表,将特征词列表转换为特征词向量,基于特征词向量确定每个角色特征维度所表征角色特征的特征词的词频。统计特征词词频的技术在现有技术中已有大量的介绍,此处不再进行过多叙述。
S1013,将各特征词的词频进行正态化处理。
本步骤中,将步骤S1012中得到的每个角色特征维度下的特征词的词频转变为服从正态分布的过程,对各特征词的词频进行正态化处理的过程在现有技术中已有详细的介绍,此处不在进行过多说明。
S1014,根据各特征词词频与正态化均值之间的数值关系,确定各特征词在对应角色特征维度下的特征值,得到每个候选用户的历史角色特征向量。
本步骤中,正态化均值是指进行正态化处理后的各角色特征维度下的特征词词频的均值,在具体实施过程中,针对每个角色特征维度下的经过正态化之后的特征词词频,可以计算该角色特征维度下的特征词词频与正态化均值之间的差值,根据计算得到的该角色特征维度下的特征词词频与正态化均值之间的差值,以及正态化过程得到的标准差和该角色特征的初始特征值,确定该角色特征维度的特征值。具体地,该角色特征维度下的特征词词频每超过正态化均值一个标准差,就在该角色特征维度下初始值的基础上加预设分值。
以候选用户为演员为例说明,该演员的每个角色特征维度对应的角色初始特征值均为50,针对每个角色特征维度,如果该演员在该角色特征维度下,计算得到的该角色特征维度对应的特征词词频与正态化均值之间的差值为0,则该角色特征维度对应的特征值为50,即角色初始特征值;如果该演员在该角色特征维度下,计算得到的该角色特征维度对应的特征词词频与正态化均值之间的差值为20,而预设的角色标准差为10,该差值是标准差的2倍,则在角色初始特征值基础上增加20,得到该角色特征维度的特征值为70。
S1015,针对每个候选用户,确定该候选用户的历史角色特征向量与所述角色需求特征向量中对应角色特征维度元素之间的差值;
在本步骤中,根据公式(1)确定该候选用户的历史角色特征向量与所述角色需求特征向量中对应角色特征维度元素之间的差值:
Ci=Si-α1Qi (1)
其中,Ci为候选用户在历史特征维度向量中第i个历史角色特征维度元素与角色需求特征向量中第i个角色特征维度元素的差,Si为角色需求特征向量中第i个角色特征维度元素,Qi为候选用户的历史特征维度向量中的第i个历史角色特征维度元素,α1为调整系数,具体取值可以根据实际需要确定。
S1016,基于该候选用户的历史角色特征向量与所述角色需求特征向量在各角色特征维度分别对应的差值,确定该候选用户的历史角色特征向量与所述角色需求特征向量之间的角色匹配度;
本步骤,根据公式(2)确定候选用户的历史角色特征向量与所述角色需求特征向量之间的角色匹配度:
其中,D1为候选用户的历史角色特征向量与角色需求特征向量之间的角色匹配度,a1和b1均为正数,β1为大于1的正数,M表征历史角色特征向量中元素个数,且为正整数。较佳地,如果将各特征词在对应角色特征维度下的特征值看做各特征词在对应角色特征维度下的打分,β1为满分值,例如100。
S1017,将候选用户中对应角色匹配度最高的候选用户确定为满足角色需求的用户并推荐。
本发明实施例提供的另一种用户推荐方法,如图3所示,与本发明一实施例提供的一种用户推荐方法相比,该用户推荐方法还包括如下步骤:
S301,从预设平台获取每个候选用户的各历史角色所处的历史情境信息。
本步骤中,针对每个候选用户的各历史角色所处的历史情境,从预设平台获取对各历史情境的相关信息;其中,所述相关信息包括介绍信息和/或评论信息。
历史情境信息为历史角色所处环境或情境的信息,如,候选用户为演员时,历史情境信息可以为该演员参与过的电影剧本、电视剧剧本等信息,相关信息可以包括观众、专业人士对该演员参与过的电影剧本、电视剧剧本等的评论,还可以包括剧本内容介绍信息,候选用户为职员时,历史情境信息可以包括该职员工作过的公司或企业信息,还可以包括专业人士或者企业员工等对该职员在从事过的企业的评价。
S302,根据每个候选用户的各历史角色所处历史情境信息,确定对应候选用户在预设的多个情境特征维度下的特征值,得到每个候选用户的历史情境特征向量;
其中,情境特征可以为与情境相关的特征,如,在候选用户为演员时,情境特征包括动作冒险、爱情、喜剧、正剧、文艺、现实、历史、科幻、神怪、恐怖等,在候选用户为职员时,情境特征包括互联网、大数据、电商、科技、服务、法律等。
进一步地,根据以下步骤确定对应候选用户在预设的多个情境特征维度下的特征值:
从所述相关信息中统计出所述多个情境特征维度所表征情境特征的特征词的词频;
将各特征词的词频进行正态化处理;
根据各特征词词频与正态化均值之间的数值关系,确定各特征词对应情境特征维度下的特征值。
上述统计特征词词频、正态化处理、以及基于各特征词词频与正态化均值之间的数值关系确定各特征词对应情境特征维度下的特征值的过程中方法可参考步骤S1012-S1014中的处理过程,此处不再进行过多说明。
S303,根据角色需求信息表征的角色情境需求信息,确定预设的多个情境特征维度下的特征值,得到情境需求特征向量。
本步骤中,角色情境需求信息为角色所处情境的需求信息,如,在候选用户为演员时,角色情境需求信息可以为剧本所属类别的需求信息,在候选用户为职员时,角色情境需求信息可以为企业所属领域的需求信息;角色情境对应的每个情境特征维度下的特征值可以根据角色情境需求信息通过人工方式进行设置。
S304,针对各候选用户,根据对应候选用户的历史角色特征向量与所述角色需求特征向量之间的匹配度,以及对应候选用户的历史情境特征向量与所述情境需求特征向量之间的匹配度,从候选用户中确定满足角色需求的用户并推荐。
进一步地,如图4所示,上述步骤S304中,根据对应候选用户的历史角色特征向量与所述角色需求特征向量之间的匹配度,以及对应候选用户的历史情境特征向量与所述情境需求特征向量之间的匹配度,从候选用户中确定满足角色需求的用户并推荐,是通过如下步骤S3041-S3045实现的,具体包括:
S3041,针对每个候选用户,确定该候选用户的历史角色特征向量与所述角色需求特征向量中对应角色特征维度元素之间的差值;
本步骤中,通过公式(1)确定该候选用户的历史角色特征向量与所述角色需求特征向量中对应角色特征维度元素之间的差值,上文已进行详细的描述,此处不再进行过多介绍。
S3042,基于该候选用户的历史角色特征向量与所述角色需求特征向量在各角色特征维度分别对应的差值,确定该候选用户的历史角色特征向量与所述角色需求特征向量之间的角色匹配度;
本步骤中,通过公式(2)确定该候选用户的历史角色特征向量与所述角色需求特征向量之间的角色匹配度,上文已进行详细的描述,此处不再进行过多介绍。
S3043,针对每个候选用户,确定该候选用户的历史情境特征向量与所述情境需求特征向量中对应情境特征维度元素之间的差值;
本步骤中,根据公式(3)确定该候选用户的历史情境特征向量与所述情境需求特征向量中对应情境特征维度元素之间的差值:
Ej=Rj-α2Pj (3)
其中,Ej为候选用户在历史情境特征向量中第j个情境特征维度元素与情境需求特征向量中第j个情境特征维度元素的差,Rj为情境需求特征向量中第j个情境特征维度元素,Pj为候选用户的历史情境特征向量中第j个情境特征维度元素,α2为调整系数,具体取值可以根据实际需要确定。
S3044,基于该候选用户的历史情境特征向量与所述情境需求特征向量在各情境特征维度分别对应的差值,确定该候选用户的历史情境特征向量与所述情境需求特征向量之间的情境匹配度;
本步骤中,根据公式(4)确定该候选用户的历史情境特征向量与所述情境需求特征向量之间的情境匹配度:
其中,D2为候选用户的历史情境特征向量与情境需求特征向量之间的角色匹配度,a2和b2均为正数,β2为大于1的正数,H表征历史情境特征向量的元素个数,且为正整数。较佳地,如果将各特征词在对应历史情境特征维度下的特征值看做各特征词在对应历史情境特征维度下的打分,β2为满分值,例如100。
S3045,针对每个候选用户,对该候选用户的角色匹配度和情境匹配度进行加权运算,并将对应加权运算值最高的候选用户确定为满足角色需求的用户并推荐。
本步骤中,根据上述步骤中得到每个候选用户的角色匹配度和情境匹配度,针对每个候选用户,计算该候选用户的角色匹配度和情境匹配度的加权和值。根据得到各个候选用户的加权和值,将加权和值按照由高到低的顺序排序,从中选取最高的加权和值对应的候选用户作为满足角色需求的用户。
以候选用户为演员为例说明,演员包括A、B、C、D、E,各个演员对应的角色匹配度分别A1、B1、C1、D1、E1,各个演员对应的情境匹配度分别为A2、B2、C2、D2、E2,演员A对应的加权和值为m A1+n A2,其中,m和n均为大于0且小于或等于1,演员B、C、D、E的加权和值的计算方法与演员A相同,从得到的所有的加权和值中选择最大的加权和值对应的演员作为满足角色需求的用户。
在候选用户为职员时,选择满足职位需求的职员的过程与候选用户为演员的过程相同,不再进行示例。
本发明实施例提供的再一种用户推荐方法,如图5所示,与本发明一实施例提供的另一种用户推荐方法相比,该用户推荐方法还包括如下步骤:
S501,从预设平台获取每个候选用户的各历史角色所产生的附加增益信息;
本步骤中,从预设平台获取各历史角色以及分别与各历史角色具有预设关联关系的相关角色所产生的附加增益信息。
其中,相关角色可以是与各历史角色处于同一时期的角色,如,在候选用户为演员时,相关角色可以是与该演员参与过的角色中每个角色处于同一个档期的角色,在候选用户为职员时,相关角色可以是与该职员从事过的职位中每个职位处于相同或相近领域的职位;附加增益信息可以为各个历史角色和各个相关角色带来的收益信息,如,在候选用户为演员时,附加增益信息可以为该演员参与的电影的票房、观看电影的观众人数等信息,在候选用户为职员时,附加增益信息可以为该职员在从事过的职位中参与的项目带来的收益等信息。
S502,根据每个候选用户的各历史角色所产生的附加增益信息,确定对应候选用户在预设的多个附加增益特征维度下的特征值,得到每个候选用户的历史附加增益特征向量;
进一步地,根据以下步骤确定对应候选用户在预设的多个附加增益特征维度下的特征值,得到每个候选用户的历史附加增益特征向量:
步骤一、针对每个候选用户的每个历史角色,根据获取的附加增益信息,为该历史角色以及与该历史角色具有预设关联关系的相关角色,分别确定各附加增益特征维度下的增益值;
本步骤中,针对每个历史角色,首先确定与该历史角色具有预设关联关系的相关角色,以候选用户为演员为例,可以实施为确定该历史角色以及与该历史角色同一档期电影中的相关角色;然后,为该历史角色以及各相关角色分别确定各附加增益特征维度下的增益值,此处各附加增益特征维度包括票房和观众人数两个维度,那么,本步骤可以实施为给该历史角色确定票房和观众人数两个附加增益特征维度下的增益值,即对应的票房数和观众人数,以及给相关角色分别确定票房和观众人数两个附加增益特征维度下的增益值,及对应的票房数和观众人数。
步骤二、针对每个附加增益特征,将该历史角色以及对应相关角色在该特征下增益值进行正态化处理;
延续步骤一中的例子,本步骤中,可以将该历史角色以及对应相关角色票房数进行正态化处理,以及将该历史角色以及对应相关角色观众人数进行正态化处理。
步骤三、针对每个附加增益特征,根据该历史角色的在该附加增益特征下的增益值与对应正态化均值之间的数值关系,确定该历史角色在该附加增益特征下的特征值,进而得到该历史角色对应的历史附加增益特征向量;
延续步骤一中的例子,本步骤中,根据该历史角色票房数与对票房数进行正态化处理后得到的正态化均值之间的数值关系,确定该历史角色在票房这一增益特征下的特征值;以及根据该历史角色观众人数与对观众人数进行正态化处理后得到的正态化均值之间的数值关系,确定该历史角色在观众人数这一增益特征下的特征值,从而得到该历史角色对应的包括票房和观众人数两个附加增益特征的历史附加增益特征向量。
具体实施时,可以计算该历史角色在该附加增益特征下的增益值与对应正态化均值的差值。在差值是对应正态化标准差的整数倍时,计算该整数倍与设定分数的乘积,进一步计算增益初始特征值和上述乘积的和值,得到该附加增益特征下的特征值,进而得到该历史角色对应的历史附加增益特征向量。也就是说,该历史角色在该附加增益特征下的增益值每超过正态化均值一个标准差,就在该附加增益特征维度下初始值的基础上加预设分值。例如,附加增益特征为票房,票房的初始特征值为50,计算得到票房的增益值与对应正态化均值的差值是对应标准差的3倍,设定分数为10分,计算得到该票房的特征值为80。
步骤四、将各历史角色分别对应的历史附加增益特征向量进行加权求和,得到该候选用户的历史附加增益特征向量。
步骤一至步骤三为针对一个历史角色确定的该历史角色对应的历史附加增益特征向量的过程,步骤四中,针对每个历史角色对应的历史附加增益特征向量,确定该候选用户的历史附加增益特征向量。
上述预设关联关系可以为档期相同、领域相同等,如,在候选用户为演员时,预设关联关系为影视剧档期相同,在候选用户为职员时,预设关联关系可以为企业领域相同。
S503,根据角色需求信息表征的附加增益需求信息,确定预设的多个附加增益特征维度下的特征值,得到附加增益需求特征向量;其中,所述附加增益需求信息表征对应附加增益特征维度的重要程度;
本步骤中,附加增益需求信息可以表征对应附加增益特征维度的重要程度。可以通过为不同的附加增益特征维度分配权重的形式表征不同附加增益特征维度的不同重要程度。附加增益需求特征向量中的元素表征对应附加增益特征维度对应的权重值。
如,在候选用户为演员时,附加增益信息可以为导演、编剧等为剧本设定的预期票房收益以及预期观看人数的期望程度,在候选用户为职员时,附加增益信息可以为企业为招聘职位设定的不同种类收益的重要程度。附加增益特征为与剧本或角色附加增益相关的特征,如,在候选用户为演员时,附加增益特征包括票房、观众人数等,在候选用户为职员时,附加增益特征包括项目、合作企业等。
S504,针对各候选用户,根据对应候选用户的历史角色特征向量与所述角色需求特征向量之间的匹配度、对应候选用户的历史情境特征向量与所述情境需求特征向量之间的匹配度、以及对应候选用户的经所述附加增益需求特征向量调整后的历史附加增益特征向量,从候选用户中确定满足角色需求的用户并推荐。
进一步地,如图6所示,上述步骤S504中,根据对应候选用户的历史角色特征向量与所述角色需求特征向量之间的匹配度、对应候选用户的历史情境特征向量与所述情境需求特征向量之间的匹配度、以及对应候选用户的经所述附加增益需求特征向量调整后的历史附加增益特征向量,从候选用户中确定满足角色需求的用户并推荐,是通过如下步骤S5041-S5048实现的,具体包括:
S5041,针对每个候选用户,确定该候选用户的历史角色特征向量与所述角色需求特征向量中对应角色特征维度元素之间的差值;
本步骤中,根据公式(1)确定该候选用户的历史角色特征向量与所述角色需求特征向量中对应角色特征维度元素之间的差值,上文已进行详细描述,此处不再进行过多说明。
S5042,基于该候选用户的历史角色特征向量与所述角色需求特征向量在各角色特征维度分别对应的差值,确定该候选用户的历史角色特征向量与所述角色需求特征向量之间的角色匹配度;
本步骤中,根据公式(2)确定该候选用户的历史角色特征向量与所述角色需求特征向量之间的角色匹配度,上文已进行详细的描述,此处不再进行过多说明。
S5043,针对每个候选用户,确定该候选用户的历史情境特征向量与所述情境需求特征向量中对应情境特征维度下元素之间的差值;
本步骤中,根据公式(3)确定该候选用户的历史情境特征向量与所述情境需求特征向量中对应情境特征维度下元素之间的差值,上文已进行详细描述,此处不再进行过多说明。
S5044,基于该候选用户的历史情境特征向量与所述情境需求特征向量在各情境特征维度分别对应的差值,确定该候选用户的历史情境特征向量与所述情境需求特征向量之间的情境匹配度;
本步骤中,根据公式(4)确定该候选用户的历史情境特征向量与所述情境需求特征向量之间的情境匹配度,上文已进行详细描述,此处不再进行过多说明。
S5045,针对每个候选用户,以所述附加增益需求特征向量中的各元素分别作为所述历史附加增益特征向量中对应元素的权重,对所述历史附加增益特征向量加权求和,得到该候选用户对应的增益系数;
本步骤中,根据公式(5)确定该候选用户的历史附加增益特征向量与所述附加增益需求特征向量中对应附加增益特征维度下元素之间的乘积:
Fk=wk*α3Vk (5)
其中,Fk为候选用户的历史附加增益特征向量与附加增益需求特征向量中第k个附加增益特征维度元素之间的乘积,wk为附加增益需求特征向量中第k个附加增益需求特征维度元素,通常wk越大,表征第k个附加增益需求特征维度越重要;Vk为候选用户的历史附加增益特征向量中第k个历史附加增益特征维度元素,α3为调整系数,具体取值可以根据实际需要确定。
根据公式(6)确定该候选用户对应的增益系数:
其中,D3为候选用户对应的增益系数,β3为小于1的正数,n表征附加增益需求特征维度,且为正整数。较佳地,β3可以等于β1或β2。
S5046,针对每个候选用户,对该候选用户的角色匹配度和情境匹配度进行加权运算,并将该候选用户的增益系数作为系数与加权运算结果相乘;
根据公式(7)对该候选用户的角色匹配度和情境匹配度进行加权运算,并将该候选用的附加增益差异度作为系数与加权运算结果相乘,将该乘积作为满足角色需求的用户推荐匹配度:
D4=(D1+D2)*D3 (7)
其中,D4为满足角色需求的用户推荐匹配度,D1为候选用户的历史角色特征向量与角色需求特征向量之间的角色匹配度,D2为候选用户的历史情境角色特征向量与情境需求特征向量之间的角色匹配度,D3为候选用户的历史附加增益特征向量与附加增益需求特征向量之间的附加增益差异度。
S5047,将对应乘积最高的候选用户确定为满足角色需求的用户并推荐。
本步骤中,根据步骤S5047中计算的各个用户推荐匹配度,按照由高到低的顺序进行排序,可以选择最高的用户推荐匹配度对应的候选用户确定为满足角色需求的用户。
本发明实施例在为影视剧本推荐演员时,可以形成一套包括演员基本信息、历史信誉等信息的资源系统,便于社会管理和信息时代的精神文明建设;也为影视媒体行业提供了一套完整的资源系统,为影视艺术的前期如选角色工作提供便利;对于经济条件充足但人脉有限的新入行的出品人和导演而言,便于摸清各个演员的类型、各个演员的人际关系,大幅缩短剧本前期筹备工作的时间消耗,减少不必要的经济消耗,同时也避免不可预见的交往冲突,推动影视行业出现更多的创新作品和人才;对于演员而言,可以参考该资源系统进行未来的职业规划,在强势方向继续保持强势优势,在弱势方面进行提升、丰富,帮助演员称为德艺双馨的演员榜样;对于影视公司而言,可参考该资源系统精细化、多元化管理旗下签约的各类演员,有效约束可能出现不良社交行为的演员,避免自己旗下的演员因吸毒、嫖娼等不良行为被曝光后带来的不良影响,防患于未然。
基于同一发明构思,本发明实施例还提供了一种用户推荐装置,由于该装置所解决问题的原理与前述用户推荐方法相似,因此该装置的实施可以参见前述方法的实施,重复之处不再赘述。
本发明实施例提供了一种用户推荐装置,如图7所示,该用户推荐装置包括如单元:
信息获取单元710,用于从预设平台获取每个候选用户的历史角色信息;
角色特征确定单元720,用于根据每个候选用户的历史角色信息,确定对应候选用户在预设的多个角色特征维度下的特征值,得到每个候选用户的历史角色特征向量;
角色需求确定单元730,用于根据角色需求信息表征的角色需求信息,确定预设的多个角色特征维度下的特征值,得到角色需求特征向量;
角色推荐单元740,用于根据每个候选用户的历史角色特征向量分别与所述角色需求特征向量之间的匹配度,从候选用户中确定满足角色需求的用户并推荐。
可选地,信息获取单元710具体用于:
针对每个候选用户的各历史角色,从预设平台获取对所述各历史角色的相关信息;其中,所述相关信息包括介绍信息和/或评论信息;
角色特征确定单元720具体用于:
从所述相关信息中统计出所述多个角色特征维度所表征角色特征的特征词的词频;
将各特征词的词频进行正态化处理;
根据各特征词词频与正态化均值之间的数值关系,确定各特征词在对应角色特征维度下的特征值。
角色推荐单元740具体用于:
针对每个候选用户,确定该候选用户的历史角色特征向量与所述角色需求特征向量中对应角色特征维度元素之间的差值;
基于该候选用户的历史角色特征向量与所述角色需求特征向量在各角色特征维度分别对应的差值,确定该候选用户的历史角色特征向量与所述角色需求特征向量之间的角色匹配度;
将候选用户中对应角色匹配度最高的候选用户确定为满足角色需求的用户并推荐。
进一步地,该装置还包括:
信息获取单元710,还用于从预设平台获取每个候选用户的各历史角色所处的历史情境信息;
情境特征确定单元750,用于根据每个候选用户的各历史角色所处历史情境信息,确定对应候选用户在预设的多个情境特征维度下的特征值,得到每个候选用户的历史情境特征向量;
情境需求确定单元760,根据角色需求信息表征的角色情境需求信息,确定预设的多个情境特征维度下的特征值,得到情境需求特征向量;
角色推荐单元740,还用于根据每个候选用户的历史角色特征向量分别与所述角色需求特征向量之间的匹配度,从候选用户中确定满足角色需求的用户并推荐,具体包括:
针对各候选用户,根据对应候选用户的历史角色特征向量与所述角色需求特征向量之间的匹配度,以及对应候选用户的历史情境特征向量与所述情境需求特征向量之间的匹配度,从候选用户中确定满足角色需求的用户并推荐。
可选地,信息获取单元710,还用于针对每个候选用户的各历史角色所处的历史情境,从预设平台获取对各历史情境的相关信息;其中,所述相关信息包括介绍信息和/或评论信息;;
可选地,情境特征确定单元750具体用于:
从所述相关信息中统计出所述多个情境特征维度所表征情境特征的特征词的词频;
将各特征词的词频进行正态化处理;
根据各特征词词频与正态化均值之间的数值关系,确定各特征词对应情境特征维度下的特征值。
可选地,角色推荐单元740还用于:
针对每个候选用户,确定该候选用户的历史角色特征向量与所述角色需求特征向量中对应角色特征维度元素之间的差值;
基于该候选用户的历史角色特征向量与所述角色需求特征向量在各角色特征维度分别对应的差值,确定该候选用户的历史角色特征向量与所述角色需求特征向量之间的角色匹配度;
针对每个候选用户,确定该候选用户的历史情境特征向量与所述情境需求特征向量中对应情境特征维度元素之间的差值;
基于该候选用户的历史情境特征向量与所述情境需求特征向量在各情境特征维度分别对应的差值,确定该候选用户的历史情境特征向量与所述情境需求特征向量之间的情境匹配度;
针对每个候选用户,对该候选用户的角色匹配度和情境匹配度进行加权运算,并将对应加权运算值最高的候选用户确定为满足角色需求的用户并推荐。
进一步地,上述装置还包括:
信息获取单元710,还用于从预设平台获取每个候选用户的各历史角色所产生的附加增益信息;
增益特征确定单元770,具体用于根据每个候选用户的各历史角色所产生的附加增益信息,确定对应候选用户在预设的多个附加增益特征维度下的特征值,得到每个候选用户的历史附加增益特征向量;
增益需求确定单元780,具体用于根据角色需求信息表征的附加增益需求信息,确定预设的多个附加增益特征维度下的特征值,得到附加增益需求特征向量;其中,所述附加增益需求信息表征对应附加增益特征维度的重要程度;
角色推荐单元740,还用于:
针对各候选用户,根据对应候选用户的历史角色特征向量与所述角色需求特征向量之间的匹配度、对应候选用户的历史情境特征向量与所述情境需求特征向量之间的匹配度、以及对应候选用户的经所述附加增益需求特征向量调整后的历史附加增益特征向量,从候选用户中确定满足角色需求的用户并推荐。
可选地,信息获取单元710,还用于从预设平台获取各历史角色以及分别与各历史角色具有预设关联关系的相关角色所产生的附加增益信息;
可选地,增益特征确定单元780具体用于:
针对每个候选用户的每个历史角色,根据获取的附加增益信息,为该历史角色以及与该历史角色具有预设关联关系的相关角色,分别确定各附加增益特征维度下的增益值;
针对每个附加增益特征,将该历史角色以及对应相关角色在该特征下增益值进行正态化处理;
针对每个附加增益特征,根据该历史角色的在该附加增益特征下的增益值与对应正态化均值之间的数值关系,确定该历史角色在该附加增益特征下的特征值,进而得到该历史角色对应的历史附加增益特征向量;
将各历史角色分别对应的历史附加增益特征向量进行加权求和,得到该候选用户的历史附加增益特征向量。
可选地,角色推荐单元740还用于:
针对每个候选用户,确定该候选用户的历史角色特征向量与所述角色需求特征向量中对应角色特征维度元素之间的差值;
基于该候选用户的历史角色特征向量与所述角色需求特征向量在各角色特征维度分别对应的差值,确定该候选用户的历史角色特征向量与所述角色需求特征向量之间的角色匹配度;
针对每个候选用户,确定该候选用户的历史情境特征向量与所述情境需求特征向量中对应情境特征维度下元素之间的差值;
基于该候选用户的历史情境特征向量与所述情境需求特征向量在各情境特征维度分别对应的差值,确定该候选用户的历史情境特征向量与所述情境需求特征向量之间的情境匹配度;
针对每个候选用户,以所述附加增益需求特征向量中的各元素分别作为所述历史附加增益特征向量中对应元素的权重,对所述历史附加增益特征向量加权求和,得到该候选用户对应的增益系数;
针对每个候选用户,对该候选用户的角色匹配度和情境匹配度进行加权运算,并将该候选用户的增益系数作为系数与加权运算结果相乘;
将对应乘积最高的候选用户确定为满足角色需求的用户并推荐。
对应于图1中的用户推荐方法,本发明实施例还提供了一种计算机设备,如图8所示,该设备包括存储器1000、处理器2000及存储在该存储器1000上并可在该处理器2000上运行的计算机程序,其中,上述处理器2000执行上述计算机程序时实现上述用户推荐方法的步骤。
具体地,上述存储器1000和处理器2000能够为通用的存储器和处理器,这里不做具体限定,当处理器2000运行存储器1000存储的计算机程序时,能够执行上述用户推荐方法,从而解决现有技术中无法进行定向推荐的问题,进而在推荐用户时,将获取到的历史角色信息和角色需求信息进行向量化,进一步计算每个候选用户与当前角色的匹配度从而为该角色推荐用户,耗费时间比较少,提高了该角色匹配成功的概率。
对应于图1中的用户推荐方法,本发明实施例还提供了一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器运行时执行上述用户推荐方法的步骤。
具体地,该存储介质能够为通用的存储介质,如移动磁盘、硬盘等,该存储介质上的计算机程序被运行时,能够执行上述用户推荐方法,从而解决现有技术中无法进行定向推荐的问题,进而在推荐用户时,将获取到的历史角色信息和角色需求信息进行向量化,进一步计算每个候选用户与当前角色的匹配度从而为该角色推荐用户,耗费时间比较少,提高了该角色匹配成功的概率。
在本发明所提供的实施例中,应该理解到,所揭露装置和方法,可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,又例如,多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明提供的实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,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)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释,此外,术语“第一”、“第二”、“第三”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
最后应说明的是:以上所述实施例,仅为本发明的具体实施方式,用以说明本发明的技术方案,而非对其限制,本发明的保护范围并不局限于此,尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围。都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应所述以权利要求的保护范围为准。
Claims (10)
1.一种用户推荐方法,其特征在于,该方法包括:
从预设平台获取每个候选用户的历史角色信息;
根据每个候选用户的历史角色信息,确定对应候选用户在预设的多个角色特征维度下的特征值,得到每个候选用户的历史角色特征向量;
根据角色需求信息表征的角色需求信息,确定预设的多个角色特征维度下的特征值,得到角色需求特征向量;并
根据每个候选用户的历史角色特征向量分别与所述角色需求特征向量之间的匹配度,从候选用户中确定满足角色需求的用户并推荐。
2.如权利要求1所述的方法,其特征在于,还包括:
从预设平台获取每个候选用户的各历史角色所处的历史情境信息;
根据每个候选用户的各历史角色所处历史情境信息,确定对应候选用户在预设的多个情境特征维度下的特征值,得到每个候选用户的历史情境特征向量;
根据角色需求信息表征的角色情境需求信息,确定预设的多个情境特征维度下的特征值,得到情境需求特征向量;
根据每个候选用户的历史角色特征向量分别与所述角色需求特征向量之间的匹配度,从候选用户中确定满足角色需求的用户并推荐,具体包括:
针对各候选用户,根据对应候选用户的历史角色特征向量与所述角色需求特征向量之间的匹配度,以及对应候选用户的历史情境特征向量与所述情境需求特征向量之间的匹配度,从候选用户中确定满足角色需求的用户并推荐。
3.如权利要求2所述的方法,其特征在于,还包括:
从预设平台获取每个候选用户的各历史角色所产生的附加增益信息;
根据每个候选用户的各历史角色所产生的附加增益信息,确定对应候选用户在预设的多个附加增益特征维度下的特征值,得到每个候选用户的历史附加增益特征向量;
根据角色需求信息表征的附加增益需求信息,确定预设的多个附加增益特征维度下的特征值,得到附加增益需求特征向量;其中,所述附加增益需求信息表征对应附加增益特征维度的重要程度;
根据每个候选用户的历史角色特征向量分别与所述角色需求特征向量之间的匹配度,从候选用户中确定满足角色需求的用户,具体包括:
针对各候选用户,根据对应候选用户的历史角色特征向量与所述角色需求特征向量之间的匹配度、对应候选用户的历史情境特征向量与所述情境需求特征向量之间的匹配度、以及对应候选用户的经所述附加增益需求特征向量调整后的历史附加增益特征向量,从候选用户中确定满足角色需求的用户并推荐。
4.如权利要求1所述的方法,其特征在于,从预设平台获取每个候选用户的历史角色信息,具体包括:
针对每个候选用户的各历史角色,从预设平台获取对所述各历史角色的相关信息;其中,所述相关信息包括介绍信息和/或评论信息;
根据每个候选用户的历史角色信息,确定对应候选用户在预设的多个角色特征维度下的特征值,具体包括:
从所述相关信息中统计出所述多个角色特征维度所表征角色特征的特征词的词频;
将各特征词的词频进行正态化处理;
根据各特征词词频与正态化均值之间的数值关系,确定各特征词在对应角色特征维度下的特征值。
5.如权利要求1所述的方法,其特征在于,根据每个候选用户的历史角色特征向量分别与所述角色需求特征向量之间的匹配度,从候选用户中确定满足角色需求的用户并推荐,具体包括:
针对每个候选用户,确定该候选用户的历史角色特征向量与所述角色需求特征向量中对应角色特征维度元素之间的差值;
基于该候选用户的历史角色特征向量与所述角色需求特征向量在各角色特征维度分别对应的差值,确定该候选用户的历史角色特征向量与所述角色需求特征向量之间的角色匹配度;
将候选用户中对应角色匹配度最高的候选用户确定为满足角色需求的用户并推荐。
6.如权利要求2所述的方法,其特征在于,从预设平台获取每个候选用户的各历史角色所处的历史情境信息,具体包括:
针对每个候选用户的各历史角色所处的历史情境,从预设平台获取对各历史情境的相关信息;其中,所述相关信息包括介绍信息和/或评论信息;
根据每个候选用户的各历史角色所处历史情境信息,确定对应候选用户在预设的多个情境特征维度下的特征值,具体包括:
从所述相关信息中统计出所述多个情境特征维度所表征情境特征的特征词的词频;
将各特征词的词频进行正态化处理;
根据各特征词词频与正态化均值之间的数值关系,确定各特征词对应情境特征维度下的特征值。
7.如权利要求2所述的方法,其特征在于,针对各候选用户,根据对应候选用户的历史角色特征向量与所述角色需求特征向量之间的匹配度,以及对应候选用户的历史情境特征向量与所述情境需求特征向量之间的匹配度,从候选用户中确定满足角色需求的用户并推荐,具体包括:
针对每个候选用户,确定该候选用户的历史角色特征向量与所述角色需求特征向量中对应角色特征维度元素之间的差值;
基于该候选用户的历史角色特征向量与所述角色需求特征向量在各角色特征维度分别对应的差值,确定该候选用户的历史角色特征向量与所述角色需求特征向量之间的角色匹配度;
针对每个候选用户,确定该候选用户的历史情境特征向量与所述情境需求特征向量中对应情境特征维度元素之间的差值;
基于该候选用户的历史情境特征向量与所述情境需求特征向量在各情境特征维度分别对应的差值,确定该候选用户的历史情境特征向量与所述情境需求特征向量之间的情境匹配度;
针对每个候选用户,对该候选用户的角色匹配度和情境匹配度进行加权运算,并将对应加权运算值最高的候选用户确定为满足角色需求的用户并推荐。
8.如权利要求3所述的方法,其特征在于,从预设平台获取每个候选用户的各历史角色所产生的附加增益信息,具体包括:
从预设平台获取各历史角色以及分别与各历史角色具有预设关联关系的相关角色所产生的附加增益信息;
根据每个候选用户的各历史角色所产生的附加增益信息,确定对应候选用户在预设的多个附加增益特征维度下的特征值,具体包括:
针对每个候选用户的每个历史角色,根据获取的附加增益信息,为该历史角色以及与该历史角色具有预设关联关系的相关角色,分别确定各附加增益特征维度下的增益值;
针对每个附加增益特征,将该历史角色以及对应相关角色在该特征下增益值进行正态化处理;
针对每个附加增益特征,根据该历史角色的在该附加增益特征下的增益值与对应正态化均值之间的数值关系,确定该历史角色在该附加增益特征下的特征值,进而得到该历史角色对应的历史附加增益特征向量;
将各历史角色分别对应的历史附加增益特征向量进行加权求和,得到该候选用户的历史附加增益特征向量。
9.如权利要求3所述的方法,其特征在于,针对各候选用户,根据对应候选用户的历史角色特征向量与所述角色需求特征向量之间的匹配度、对应候选用户的历史情境特征向量与所述情境需求特征向量之间的匹配度、以及对应候选用户的经所述附加增益需求特征向量调整后的历史附加增益特征向量,从候选用户中确定满足角色需求的用户并推荐,具体包括:
针对每个候选用户,确定该候选用户的历史角色特征向量与所述角色需求特征向量中对应角色特征维度元素之间的差值;
基于该候选用户的历史角色特征向量与所述角色需求特征向量在各角色特征维度分别对应的差值,确定该候选用户的历史角色特征向量与所述角色需求特征向量之间的角色匹配度;
针对每个候选用户,确定该候选用户的历史情境特征向量与所述情境需求特征向量中对应情境特征维度下元素之间的差值;
基于该候选用户的历史情境特征向量与所述情境需求特征向量在各情境特征维度分别对应的差值,确定该候选用户的历史情境特征向量与所述情境需求特征向量之间的情境匹配度;
针对每个候选用户,以所述附加增益需求特征向量中的各元素分别作为所述历史附加增益特征向量中对应元素的权重,对所述历史附加增益特征向量加权求和,得到该候选用户对应的增益系数;
针对每个候选用户,对该候选用户的角色匹配度和情境匹配度进行加权运算,并将该候选用户的增益系数作为系数与加权运算结果相乘;
将对应乘积最高的候选用户确定为满足角色需求的用户并推荐。
10.一种用户推荐装置,其特征在于,该装置包括:
信息获取单元,用于从预设平台获取每个候选用户的历史角色信息;
角色特征确定单元,用于根据每个候选用户的历史角色信息,确定对应候选用户在预设的多个角色特征维度下的特征值,得到每个候选用户的历史角色特征向量;
角色需求确定单元,用于根据角色需求信息表征的角色需求信息,确定预设的多个角色特征维度下的特征值,得到角色需求特征向量;并
角色推荐单元,用于根据每个候选用户的历史角色特征向量分别与所述角色需求特征向量之间的匹配度,从候选用户中确定满足角色需求的用户并推荐。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710765669.3A CN107562870A (zh) | 2017-08-30 | 2017-08-30 | 一种用户推荐方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710765669.3A CN107562870A (zh) | 2017-08-30 | 2017-08-30 | 一种用户推荐方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107562870A true CN107562870A (zh) | 2018-01-09 |
Family
ID=60978498
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710765669.3A Pending CN107562870A (zh) | 2017-08-30 | 2017-08-30 | 一种用户推荐方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107562870A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109740623A (zh) * | 2018-11-21 | 2019-05-10 | 北京奇艺世纪科技有限公司 | 一种演员筛选的方法及装置 |
CN110721475A (zh) * | 2019-09-09 | 2020-01-24 | 福建省天奕网络科技有限公司 | 一种游戏角色的推荐方法及终端 |
CN110772796A (zh) * | 2018-07-30 | 2020-02-11 | 优视科技有限公司 | 组队方法、装置及电子设备 |
CN110990709A (zh) * | 2019-12-17 | 2020-04-10 | 北京奇艺世纪科技有限公司 | 角色自动推荐方法、装置及电子设备 |
CN113748439A (zh) * | 2019-05-20 | 2021-12-03 | 索尼集团公司 | 电影的成功商数的预测 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140358606A1 (en) * | 2013-05-30 | 2014-12-04 | Linkedln Corporation | System and method for recommending an employee for a role |
CN105159962A (zh) * | 2015-08-21 | 2015-12-16 | 北京全聘致远科技有限公司 | 职位推荐方法与装置、简历推荐方法与装置、招聘平台 |
CN106296252A (zh) * | 2015-06-04 | 2017-01-04 | 阿里巴巴集团控股有限公司 | 用户推荐方法及装置 |
US20170060536A1 (en) * | 2015-08-28 | 2017-03-02 | International Business Machines Corporation | Fusion recommendation for performance management in streams |
CN106503015A (zh) * | 2015-09-07 | 2017-03-15 | 国家计算机网络与信息安全管理中心 | 一种构建用户画像的方法 |
-
2017
- 2017-08-30 CN CN201710765669.3A patent/CN107562870A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140358606A1 (en) * | 2013-05-30 | 2014-12-04 | Linkedln Corporation | System and method for recommending an employee for a role |
CN106296252A (zh) * | 2015-06-04 | 2017-01-04 | 阿里巴巴集团控股有限公司 | 用户推荐方法及装置 |
CN105159962A (zh) * | 2015-08-21 | 2015-12-16 | 北京全聘致远科技有限公司 | 职位推荐方法与装置、简历推荐方法与装置、招聘平台 |
US20170060536A1 (en) * | 2015-08-28 | 2017-03-02 | International Business Machines Corporation | Fusion recommendation for performance management in streams |
CN106503015A (zh) * | 2015-09-07 | 2017-03-15 | 国家计算机网络与信息安全管理中心 | 一种构建用户画像的方法 |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110772796A (zh) * | 2018-07-30 | 2020-02-11 | 优视科技有限公司 | 组队方法、装置及电子设备 |
CN110772796B (zh) * | 2018-07-30 | 2023-05-05 | 阿里巴巴(中国)有限公司 | 组队方法、装置及电子设备 |
CN109740623A (zh) * | 2018-11-21 | 2019-05-10 | 北京奇艺世纪科技有限公司 | 一种演员筛选的方法及装置 |
CN109740623B (zh) * | 2018-11-21 | 2020-12-04 | 北京奇艺世纪科技有限公司 | 一种演员筛选的方法及装置 |
CN113748439A (zh) * | 2019-05-20 | 2021-12-03 | 索尼集团公司 | 电影的成功商数的预测 |
CN113748439B (zh) * | 2019-05-20 | 2024-03-12 | 索尼集团公司 | 电影的成功商数的预测 |
CN110721475A (zh) * | 2019-09-09 | 2020-01-24 | 福建省天奕网络科技有限公司 | 一种游戏角色的推荐方法及终端 |
CN110721475B (zh) * | 2019-09-09 | 2022-09-06 | 福建省天奕网络科技有限公司 | 一种游戏角色的推荐方法及终端 |
CN110990709A (zh) * | 2019-12-17 | 2020-04-10 | 北京奇艺世纪科技有限公司 | 角色自动推荐方法、装置及电子设备 |
CN110990709B (zh) * | 2019-12-17 | 2023-07-21 | 北京奇艺世纪科技有限公司 | 角色自动推荐方法、装置及电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107562870A (zh) | 一种用户推荐方法和装置 | |
US11995564B2 (en) | System and method for generating aspect-enhanced explainable description-based recommendations | |
US20240080531A1 (en) | Profiling media characters | |
Zhang et al. | Can consumer-posted photos serve as a leading indicator of restaurant survival? Evidence from Yelp | |
Dasgupta et al. | Inattentive importers | |
CN111553754B (zh) | 行为预测系统的更新方法及装置 | |
US10354184B1 (en) | Joint modeling of user behavior | |
KR20200030252A (ko) | 예술 작품 제공 장치 및 방법 | |
CN104991966A (zh) | 媒体内容排序方法及系统 | |
CN106776716B (zh) | 一种智能匹配销售顾问和用户的方法及设备 | |
CN108287857A (zh) | 表情图片推荐方法及装置 | |
CN111768239A (zh) | 道具推荐方法、装置、系统、服务器和存储介质 | |
CN111046166B (zh) | 一种基于相似度修正的半隐式多模态推荐方法 | |
CN102640146A (zh) | 数据库搜索方法、系统和控制器 | |
Kitamura et al. | Developing support system for making posters with interactive evolutionary computation | |
JP6856503B2 (ja) | 印象推定モデル学習装置、印象推定装置、印象推定モデル学習方法、印象推定方法、およびプログラム | |
CN111522979B (zh) | 图片排序推荐方法、装置、电子设备、存储介质 | |
US20150379906A1 (en) | Systems and methods for rule-based animated content optimization | |
CN109101309A (zh) | 用于更新用户界面方法和装置 | |
CN116910373B (zh) | 房源推荐方法、装置、电子设备及存储介质 | |
CN116762070A (zh) | 用于提供图像推荐的系统、方法、计算平台和存储介质 | |
CN117436679A (zh) | 一种元宇宙资源匹配方法及其系统 | |
US20140222700A1 (en) | Predictive pairing and/or matching systems, apparatus, and methods | |
CN111353793A (zh) | Crm业务推荐方法及装置 | |
CN113469752A (zh) | 内容推荐方法、装置、存储介质及电子设备 |
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 | ||
CB02 | Change of applicant information |
Address after: 101-8, 1st floor, building 31, area 1, 188 South Fourth Ring Road West, Fengtai District, Beijing Applicant after: Guoxin Youyi Data Co., Ltd Address before: 100071 B, block B, ABP building, district ABP building, No. 188 headquarters base of South Fourth Ring West Road Applicant before: SIC YOUE DATA Co.,Ltd. |
|
CB02 | Change of applicant information | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180109 |
|
RJ01 | Rejection of invention patent application after publication |