CN107679079A - 基于手机用户兴趣三维模型的个性化应用推荐方法 - Google Patents

基于手机用户兴趣三维模型的个性化应用推荐方法 Download PDF

Info

Publication number
CN107679079A
CN107679079A CN201710756027.7A CN201710756027A CN107679079A CN 107679079 A CN107679079 A CN 107679079A CN 201710756027 A CN201710756027 A CN 201710756027A CN 107679079 A CN107679079 A CN 107679079A
Authority
CN
China
Prior art keywords
interest
cellphone subscriber
threedimensional model
similarity
application software
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
CN201710756027.7A
Other languages
English (en)
Inventor
刘俊
唐志京
徐光侠
解绍词
吴佳键
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.)
Chongqing University of Post and Telecommunications
Original Assignee
Chongqing University of Post and Telecommunications
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 Chongqing University of Post and Telecommunications filed Critical Chongqing University of Post and Telecommunications
Priority to CN201710756027.7A priority Critical patent/CN107679079A/zh
Publication of CN107679079A publication Critical patent/CN107679079A/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
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9535—Search customisation based on user profiles and personalisation
    • 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
    • G06Q30/0241—Advertisements
    • G06Q30/0251—Targeted advertisements
    • G06Q30/0255—Targeted advertisements based on user history
    • 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
    • G06Q30/0241—Advertisements
    • G06Q30/0251—Targeted advertisements
    • G06Q30/0269—Targeted advertisements based on user profile or attribute
    • G06Q30/0271—Personalized advertisement

Landscapes

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

Abstract

本发明的提出一种基于手机用户兴趣三维模型的个性化应用推荐方法。通过分析手机用户的行为数据，从兴趣广度、兴趣深度和兴趣时效来分析手机用户的兴趣构成，对手机用户兴趣进行三维建模，并在此基础上，提出一种基于手机用户兴趣模型的个性化应用推荐算法。首先，获取手机用户行为数据。其次，建立手机用户三维兴趣模型。兴趣模型从手机用户兴趣广度、兴趣深度和兴趣时效三方面来建立。然后，计算手机用户兴趣之间的相似度，分别从手机用户兴趣的广度、兴趣的深度和兴趣的时效三方面来计算手机用户之间的相似度。通过第三步可以计算出目标用户与其他用户之间的相似度，然后从中根据相似度选取与目标手机用户最接近的K个手机用户。最后，计算手机用户对未产生行为的应用软件的感兴趣程度然后进行推荐。

Description

基于手机用户兴趣三维模型的个性化应用推荐方法
技术领域
本发明属于个性化推荐方法的技术领域，特别是基于手机用户兴趣三维模型的个性化应用推荐方法。
背景技术
随着移动互联网与信息技术的飞速发展，复杂多样的信息充斥着整个网络。海量信息的多样性和易变性使得用户很难从中获取对自己真正有用的资源，不仅降低了信息的利用率，而且许多有用的信息不能被及时发现，造成了资源浪费的现象。
利用用户的信息主动向用户推荐其感兴趣的个性化推荐系统孕育而生。针对市场需求选择合适的个性化推荐算法是个性化推荐系统成功应用的核心，推荐算法的性能对推荐质量有着直接的影响。如何提高推荐算法的准确性成为研究的热点。
但目前而言，个性化推荐系统存在准确性和可靠性低的情况。很多个性化推荐系统不能充分根据用户的兴趣情况进行推荐，特别是用户不同时段的兴趣上的改变，使得推荐在广度、深度及时效上失去了准确性和针对性。
发明内容
本发明根据以上问题，提出一种基于手机用户兴趣三维模型的个性化应用推荐方法。通过分析手机用户的行为数据，从兴趣广度、兴趣深度和兴趣时效来分析手机用户的兴趣构成，对手机用户兴趣进行三维建模，并在此基础上提出一种基于手机用户兴趣三维模型的个性化应用推荐算法，具体步骤如下：
S1：获取手机用户行为数据，并对数据集进行时间分片。
S2：创建手机用户兴趣三维模型，计算手机用户之间的兴趣相似度，并选取与手机目标用户最邻近用户集合。
S3：根据S2中得到的与目标手机用户的最邻近集合，计算目标用户对未点击过的应用软件的感兴趣程度。
S4：根据S3中得到的目标用户对未点击过的应用软件的感兴趣程度，对目标手机用户进行推荐。
所述S1中获取手机用户行为数据，包括获取手机用户对手机应用软件的点击目标、点击的时间、浏览的时间和消耗的流量。
所述S2中创建手机用户兴趣三维模型，从手机用户兴趣广度、兴趣深度和兴趣时效三方面来建立。所述手机用户兴趣广度用来描述手机用户的兴趣范围，包括手机用户点击了手机的哪些应用软件。
所述手机用户兴趣深度用来描述用户对应用软件的感兴趣程度，根据手机用户对应用软件点击的次数、浏览的时间和消耗的流量三方面来权衡，并给每一个影响因素设计权重以反映手机用户对应用软件的感兴趣程度。
所述手机用户兴趣时效用于描述手机用户对应用软件最后点击的时间与当前时间比较。如果用户不久前点击过应用软件，那么距离当前时间就越近，用户对该应用软件的兴趣时效就越大。
所述S2中计算手机用户之间的兴趣相似度，是根据手机用户兴趣三维模型的每一维来逐步改进计算用户兴趣相似度的Jaccard方法后进行计算的。所述根据手机用户兴趣三维模型的每一维来逐步改进计算用户兴趣相似度的Jaccard方法，以三级计算方式完成对手机用户之间的兴趣相似度计算。所述三级计算方式，包括第一级为手机用户兴趣广度相似度计算，第二级在第一级的基础上添加手机用户兴趣深度相似度计算，第三级在第二级的基础上添加手机用户时效深度计算。
具体步骤如下：
1.第一级广度计算：
其中，W'uv为手机用户u和手机用户v之间的兴趣广度相似度。Width(u)为手机用户u的兴趣广度，Width(v)为手机用户v的兴趣广度。
2.第二级深度计算：
其中i为手机用户u和手机用户v都用过的应用软件，Depthui为手机用户u对应用软件i的兴趣深度，Depthvi为手机用户v对应用软件i的兴趣深度。如果手机用户u和手机用户v对应用软件i的Depthui差别越小，那么两者的兴趣相似度就越大。
3.第三级时效计算：
其中，W”'uv为手机用户u和手机用户v的兴趣时效相似度，Timeui为手机用户u对应用软件i的兴趣时效，Timevi为手机用户v对应用软件i的兴趣时效。如果手机用户u和手机用户v对应用软件的点击行为的时间点越接近，那么手机用户之间的兴趣相似度就越大。最后输出手机用户u和手机用户v的兴趣相似度。
最终得出手机用户u和手机用户v之间的相似度。
本发明的优点及有益效果：
本发明从兴趣广度、深度和时效三方面来进行建模，对于手机用户的兴趣特征考虑地更加的周密，因此基于手机用户兴趣三维建模的个性化推荐算法具有更高的准确率和可靠性。个性化推荐系统的推荐结果具有更符合用户的需求的特点，同时用户参与度也更低，降低了用户寻找信息的成本。
通过分析手机用户的行为数据，从手机用户兴趣的广度、深度和时效三方面来构建手机用户兴趣三维模型，提出了手机用户兴趣之间相似度的三级计算方法，使手机用户兴趣模型能更好的反映出手机用户在每个时段的兴趣状态，方便对手机用户做出更加精准的推荐，能够显著提高推荐质量。
附图说明
图1是本发明的总体流程图；
图2是本发明的手机用户兴趣三维模型示意图；
图3是本发明的手机用户之间兴趣相似度计算方法图。
具体实施方式
下面将结合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、详细地描述。所描述的实施例仅仅是本发明的一部分实施例。
如图1所示，基于手机用户兴趣三维模型的个性化应用推荐方法，包括以下步骤：
S1：获取手机用户行为数据集。数据集中包括手机用户点击应用软件的名称，点击的时间，浏览的时间，消耗的流量等行为数据能够体现不同年龄、性别和地区的手机用户。
S2：创建手机用户兴趣三维模型，选取手机目标用户最近邻用户集合。分别从手机用户兴趣广度、兴趣深度和兴趣时效这三个方面来构建手机用户兴趣三维模型，然后根据手机用户兴趣三维模型的每一维来逐步改进计算用户兴趣相似度的Jaccard方法，获得手机目标用户最邻近用户集合。Jaccard公式表示为：其中，W'uv表示手机用户u和手机用户v之间的兴趣相似程度；Width(u)表示手机用户u点击过的应用软件集合；Width(v)表示手机用户v点击过的应用软件集合。
S3：根据S2中得到的目标手机用户的最近邻集合，计算目标用户对未点击过的应用软件的感兴趣程度，以确定目标用户对应用软件的感兴趣程度和范围。
S4：选取前N应用软件对手机用户进行推荐。根据S3可以得到手机用户对未点击过的应用软件的感兴趣程度，选取其中的前N个应用软件进行推荐。
所述S1主要分以下2个步骤:
S11：获取手机用户行为数据集。
S12：对数据集进行时间分片。可根据数据特点，对时间周期进行具体划分。在每个时间周期里，对手机用户行为建立具有时序关系的观测序列集。
如图2所示，所述S2中创建手机用户兴趣三维模型，是从手机用户之间的兴趣广度、兴趣深度、兴趣时效进行建立的。
如图3所示，所述S2中手机用户之间兴趣相似度计算的步骤为：
S21：输入手机用户u和v的行为数据集；
S22：假设手机用户u和手机用户v的兴趣广度分别是Width(u)和Width(v)，那么手机用户u和手机用户v之间的兴趣相似度W'uv可以表示为如下：
W'uv表示手机用户u和手机用户v之间的兴趣相似程度；Width(u)表示手机用户u点击过的应用软件集合；Width(v)表示手机用户v点击过的应用软件集合。从公式(1)中可以看出，如果手机用户u和手机用户v共同点击过的应用软件越多，那么手机用户u和手机用户v之间的兴趣相似度就越高。
S23：在S22的基础上，进行手机用户兴趣相似度的深度计算。首先计算手机用户对应用软件的兴趣深度，然后在公式(1)的基础上，对手机用户u和手机用户v的兴趣相似度W'uv进行改进。具体步骤为：
1.根据手机用户u对应用软件的点击次数Number(u)，浏览时间Time(u)和消费流量Stream(u)这三方面来计算手机用户对应用软件的兴趣深度。则手机用户u对应用软件i的兴趣深度Depthui可以表示为：
Depthui＝αNumber(u)+βTime(u)+γStream(u) (2)
其中α、β和γ分别为点击次数Number(u)，浏览时间Time(u)和消费流量Stream(u)的影响因子，可以通过调整这3个参数来改变每个因子的权重，从而来达到不同的推荐效果。
2.在公式(1)的基础上，添加手机用户对应用软件的兴趣深度Depthui。那么手机用户u和手机用户v的兴趣相似度改进为：
其中i为手机用户u和手机用户v都用过的应用软件，Depthui为手机用户u对应用软件i的兴趣深度，Depthvi为手机用户v对应用软件i的兴趣深度。如果手机用户u和手机用户v对应用软件i的兴趣深度差别越小，那么两者的兴趣相似度就越大。
S24：在S23的基础上，进行手机用户兴趣相似度的时效计算。一般情况下，用户的兴趣会随着时间而变化。因此在S23的基础上，根据手机用户兴趣时效来表示和时间相关的兴趣衰减。根据手机用户的行为数据，得到手机用户u对应用软件i的最后点击时间为Tui。
在当前时刻，若手机用户u对应用软件i不久前搜索过，那么用户u对应用软件i的兴趣时效就越大。将手机用户u对应用软件i的兴趣时效记为Timeui，那么Timeui可以表示为：
其中，δ为平衡参数。如果手机用户u经常点击应用软件i，那么|T-Tui|就会比较偏小，但是这只能说明手机用户u的兴趣变化快，并不意味着手机用户u对手机用户v的兴趣时效大，因此，可以通过平衡参数δ来消去这一差距。如果某用户产生点击的频率很高，手机用户比较活跃，那么选取较大的δ，反则选取较小的δ。
在公式(3)的基础上，引入手机用户兴趣时效来更进一步分析手机用户之间的兴趣相似度。设手机用户u和手机用户v对应用软件的兴趣时效分别为Timeui和Timevi，那么手机用户u和手机用户v的兴趣时效相似度为：
其中，W”'uv为手机用户u和手机用户v的兴趣时效相似度，Timeui为手机用户u对应用软件i的兴趣时效，Timevi为手机用户v对应用软件i的兴趣时效。从公式(5)可以看出，如果手机用户u和手机用户v对应用软件的点击行为的时间点越接近，那么手机用户之间的兴趣相似度就越大。最后输出手机用户u和手机用户v的兴趣相似度。
S25：在S24的基础上，可以得到与手机用户有着相同兴趣的用户集合。根据公式(5)，可以得到目标手机用户与其他手机用户之间的相似度，然后选取与目标手机用户u兴趣最接近的K个用户，可以通过W”'uv进行top-N运算求得。
然后在根据所述S3，计算目标手机用户u对未产生过点击行为的应用软件j的感兴趣程度Depthvj，可以表示为：
其中，S(u,k)表示与目标手机用户u兴趣最接近的K个手机用户，M(j)表示对应用软件j产生过点击行为的手机用户集合。
上述步骤S4中，通过S3中的P(u,j)计算出目标手机用户对其它应用软件的感兴趣程度，最后向手机用户推荐P(u,j)排名前N的应用软件。
本发明从基于手机用户的行为出发，提出一种基于手机用户兴趣三维模型的个性化应用推荐方法。该方法为根据手机用户行为数据，建立一种基于手机用户兴趣广度、深度和时效的三维模型，然后根据模型得出与手机用户最最近邻集合，再计算手机用户对未产生过点击行为的应用软件的感兴趣程度，最后推荐前N应用软件。
应当指出上述具体的实施例，可以使本领域的技术人员和读者更全面地理解本发明创造的实施方法，应该被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。因此，尽管本发明说明书参照附图和实施例对本发明创造已进行了详细的说明，但是，本领域的技术人员应当理解，仍然可以对本发明创造进行修改或者等同替换，总之，一切不脱离本发明创造的精神和范围的技术方案及其改进，其均应涵盖在本发明创造专利的保护范围当中。

Claims (6)

1.基于手机用户兴趣三维模型的个性化应用推荐方法，其特征在于，包括以下步骤：
S1：获取手机用户行为数据，并对数据集进行时间分片；
S2：创建手机用户兴趣三维模型，计算手机用户之间的兴趣相似度，并选取与手机目标用户最近邻用户集合；
S3：根据S2中得到的与目标手机用户的最近邻集合，计算目标用户对未点击过的应用软件的感兴趣程度；
S4：根据S3中得到的目标用户对未点击过的应用软件的感兴趣程度，对目标手机用户进行推荐。
2.根据权利要求1所述的基于手机用户兴趣三维模型的个性化应用推荐方法，其特征在于：所述S1中获取手机用户行为数据，包括获取手机用户对手机应用软件的点击目标、点击的时间、浏览的时间和消耗的流量。
3.根据权利要求1所述的基于手机用户兴趣三维模型的个性化应用推荐方法，其特征在于：所述S2中创建手机用户兴趣三维模型，从手机用户兴趣广度、兴趣深度和兴趣时效三方面来建立。
4.根据权利要求3所述的基于手机用户兴趣三维模型的个性化应用推荐方法，其特征在于：所述手机用户兴趣广度用来描述手机用户的兴趣范围，包括手机用户点击了手机的哪些应用软件；所述手机用户兴趣深度用来描述用户对应用软件的感兴趣程度；所述手机用户兴趣时效用于描述手机用户对应用软件最后点击的时间与当前时间比较。
5.根据权利要求3或4所述的基于手机用户兴趣三维模型的个性化应用推荐方法，其特征在于：所述手机用户兴趣深度，根据手机用户对应用软件点击的次数、浏览的时间和消耗的流量三方面来计算，并给每一个影响因素相应权重以反映手机用户对应用软件的感兴趣程度。
6.根据权利要求1所述的基于手机用户兴趣三维模型的个性化应用推荐方法，其特征在于：所述S2中计算手机用户之间的兴趣相似度，是根据手机用户兴趣三维模型的每一维来逐步改进计算用户兴趣相似度，以三级计算方式完成对手机用户之间的兴趣相似度计算，所述三级计算方式，包括第一级为手机用户兴趣广度相似度计算，第二级在第一级的基础上添加手机用户兴趣深度相似度计算，第三级在第二级的基础上添加手机用户时效深度计算。
CN201710756027.7A 2017-08-29 2017-08-29 基于手机用户兴趣三维模型的个性化应用推荐方法 Pending CN107679079A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710756027.7A CN107679079A (zh) 2017-08-29 2017-08-29 基于手机用户兴趣三维模型的个性化应用推荐方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710756027.7A CN107679079A (zh) 2017-08-29 2017-08-29 基于手机用户兴趣三维模型的个性化应用推荐方法

Publications (1)

Publication Number Publication Date
CN107679079A true CN107679079A (zh) 2018-02-09

Family

ID=61134370

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710756027.7A Pending CN107679079A (zh) 2017-08-29 2017-08-29 基于手机用户兴趣三维模型的个性化应用推荐方法

Country Status (1)

Country Link
CN (1) CN107679079A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109615437A (zh) * 2018-12-18 2019-04-12 北京蚁链科技有限公司 销售获客跟踪管理方法
CN112182411A (zh) * 2020-11-09 2021-01-05 广州酷狗计算机科技有限公司 多媒体数据推荐方法、装置、计算机设备及可读存储介质
US20210357983A1 (en) * 2020-05-14 2021-11-18 Nanning Fugui Precision Industrial Co., Ltd. System for presenting advertisements online and method thereof

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102421062A (zh) * 2011-12-01 2012-04-18 中国联合网络通信集团有限公司 应用信息推送方法和系统
CN102662679A (zh) * 2012-04-18 2012-09-12 奇智软件（北京）有限公司 个性化用户界面实现方法及装置
CN103399883A (zh) * 2013-07-19 2013-11-20 百度在线网络技术（北京）有限公司 根据用户兴趣点/关注点进行个性化推荐的方法和系统
CN103617221A (zh) * 2013-11-22 2014-03-05 中国联合网络通信集团有限公司 软件推荐方法及系统

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102421062A (zh) * 2011-12-01 2012-04-18 中国联合网络通信集团有限公司 应用信息推送方法和系统
CN102662679A (zh) * 2012-04-18 2012-09-12 奇智软件（北京）有限公司 个性化用户界面实现方法及装置
CN103399883A (zh) * 2013-07-19 2013-11-20 百度在线网络技术（北京）有限公司 根据用户兴趣点/关注点进行个性化推荐的方法和系统
CN103617221A (zh) * 2013-11-22 2014-03-05 中国联合网络通信集团有限公司 软件推荐方法及系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
王冰怡 等: "基于用户兴趣三维建模的个性化推荐算法", 《计算机工程》 *
薄阳: "基于用户兴趣模型的个性化推荐与搜索系统的研究", 《万方数据库》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109615437A (zh) * 2018-12-18 2019-04-12 北京蚁链科技有限公司 销售获客跟踪管理方法
US20210357983A1 (en) * 2020-05-14 2021-11-18 Nanning Fugui Precision Industrial Co., Ltd. System for presenting advertisements online and method thereof
CN112182411A (zh) * 2020-11-09 2021-01-05 广州酷狗计算机科技有限公司 多媒体数据推荐方法、装置、计算机设备及可读存储介质

Similar Documents

Publication Publication Date Title
CN104166668B (zh) 基于folfm模型的新闻推荐系统及方法
CN103678518B (zh) 一种推荐列表调整方法和装置
CN102955798B (zh) 一种基于搜索引擎的搜索方法及搜索服务器
CN109559208A (zh) 一种信息推荐方法、服务器及计算机可读介质
CN104281718B (zh) 一种基于用户群体行为数据挖掘智能推荐的方法
CN103942712A (zh) 基于产品相似度的电子商务推荐系统及其方法
CN104077415B (zh) 搜索方法及装置
CN107066476A (zh) 一种基于物品相似度的实时推荐方法
CN105488233A (zh) 阅读信息推荐方法和系统
CN105975641A (zh) 视频推荐方法及装置
CN101551806A (zh) 一种个性化网址导航的方法和系统
CN103886001A (zh) 一种个性化商品推荐系统
CN107679239B (zh) 一种基于用户行为的个性化社区推荐方法
CN102073717A (zh) 一种面向垂直电子商务网站的首页推荐方法
CN102214345A (zh) 网购引导装置及方法
CN106446189A (zh) 一种资讯推荐方法及系统
CN109409928A (zh) 一种素材推荐方法、装置、存储介质、终端
CN107679079A (zh) 基于手机用户兴趣三维模型的个性化应用推荐方法
CN106168980A (zh) 多媒体资源推荐排序方法及装置
CN109816482A (zh) 电商平台的知识图谱构建方法、装置、设备及存储介质
CN109242592A (zh) 一种应用的推荐方法和装置
CN102930052B (zh) 一种基于多维度属性关注度的兴趣资源推荐方法
CN106776859A (zh) 基于用户偏好的移动应用App推荐系统
CN105894310A (zh) 一种个性化推荐方法
CN114896517A (zh) 一种商品推荐方法、系统、设备及存储介质

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20180209

RJ01 Rejection of invention patent application after publication