CN107844525A - 一种基于用户行为的资讯个性化推荐方法、系统及装置 - Google Patents
一种基于用户行为的资讯个性化推荐方法、系统及装置 Download PDFInfo
- Publication number
- CN107844525A CN107844525A CN201710947513.7A CN201710947513A CN107844525A CN 107844525 A CN107844525 A CN 107844525A CN 201710947513 A CN201710947513 A CN 201710947513A CN 107844525 A CN107844525 A CN 107844525A
- Authority
- CN
- China
- Prior art keywords
- information
- label
- recommendation
- clicking rate
- click
- 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
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
Abstract
本发明公开了一种基于用户行为的资讯个性化推荐方法、系统及装置,包括:读取用户的资讯发送记录和资讯点击记录;根据用户的资讯发送记录和资讯点击记录,获取对应资讯的标签,并计算得到推荐方式点击率和标签点击率;根据获取得到的标签,生成得到推荐列表;获取用户最近点击的资讯,生成得到扩展阅读推荐列表;根据推荐方式点击率,按照预设的比例从推荐列表和扩展阅读推荐列表中选出资讯组合并推荐至前端进行展示。本发明通过实时分析用户的资讯发送记录和资讯点击记录,在保证一定准确率的同时,还能尽可能地提高覆盖率,本发明能够比较迅速的响应到用户的兴趣变化,推荐结果更加敏锐,可广泛应用于资讯推荐中。
Description
技术领域
本发明涉及资讯推荐技术领域,尤其涉及一种基于用户行为的资讯个性化推荐方法、系统及装置。
背景技术
关于推荐方法及系统,目前市场上并没有一套针对各方面可用的,方便使用的成熟系统,原因在于推荐物品的属性不一、用户兴趣的多样性、推荐方法的多样性等。常见的推荐算法有:基于人口统计学的推荐、基于内容的推荐、基于协同过滤的推荐以及基于知识的推荐。对于资讯类型的推荐系统,最终的目标是提高用户的点击率,即推荐的效率,这些常见的理论方法在实际应用中并不理想,有的需要一定的用户基数,有的虽然准确率高但覆盖率低,不够全面,无法帮助用户发现新的兴趣。
发明内容
为了解决上述技术问题,本发明的目的是提供一种能保证准确率,且能提高覆盖率的基于用户行为的资讯个性化推荐方法、系统及装置。
本发明所采取的技术方案是:
一种基于用户行为的资讯个性化推荐方法,包括以下步骤:
读取用户的资讯发送记录和资讯点击记录;
根据用户的资讯发送记录和资讯点击记录,获取对应资讯的标签,并计算得到推荐方式点击率和标签点击率;
根据获取得到的标签,生成得到推荐列表;
获取用户最近点击的资讯,生成得到扩展阅读推荐列表;
根据推荐方式点击率,按照预设的比例从推荐列表和扩展阅读推荐列表中选出资讯组合并推荐至前端进行展示。
作为所述的一种基于用户行为的资讯个性化推荐方法的进一步改进,所述的标签点击率的具体计算过程为:
根据资讯点击记录中对应资讯的标签,统计各个标签的发送次数和发送时间因子和,并统计各个标签的点击次数和点击时间因子和;
根据各个标签的发送时间因子和以及点击时间因子和,计算其对应的标签点击率;
根据标签的点击次数,对标签进行筛选,得到不稳定状态的标签,并对其进行重新计算标签点击率。
作为所述的一种基于用户行为的资讯个性化推荐方法的进一步改进,所述的推荐方式点击率的具体计算过程为:
根据资讯发送记录中对应资讯的推荐方式,统计各个推荐方式的发送次数和发送时间因子和,并统计各个推荐方式的资讯的点击次数和点击时间因子和;
根据各个推荐方式的发送时间因子和以及点击时间因子和,计算其对应的推荐方式点击率。
作为所述的一种基于用户行为的资讯个性化推荐方法的进一步改进,所述的根据获取得到的标签,生成得到推荐列表,这一步骤具体包括:
根据标签点击率,从资讯库中查找出每个标签对应的资讯,每个标签得到一个资讯推荐池;
根据资讯推荐池中资讯的标签,按照其对应的标签点击率从大到小的顺序,对资讯进行排序,生成得到推荐列表。
作为所述的一种基于用户行为的资讯个性化推荐方法的进一步改进,所述的获取用户最近点击的资讯,生成得到扩展阅读推荐列表,这一步骤具体包括:
获取用户最近点击的资讯以及其对应的标签;
根据最近点击的资讯,从资讯库中选出与其对应的标签有交集的资讯,得到各资讯对应的交集资讯;
对每一条最近点击的资讯,分别从对应的交集资讯选取一条交集最大的资讯,得到扩展资讯;
将得到的扩展资讯,按照对应的最近点击的资讯的点击时间进行排序,得到扩展阅读推荐列表。
作为所述的一种基于用户行为的资讯个性化推荐方法的进一步改进,所述的标签点击率计算公式为:
标签点击率=点击时间因子和/发送时间因子和;
所述标签的点击时间因子和的计算公式为:
标签的点击时间因子和=∑e^(-1.0*(当前时间-点击时间)/D1/a);
所述标签的发送时间因子和的计算公式为:
标签的发送时间因子和=∑e^(-1.0*(当前时间-发送时间)/D2/b);
其中,a、b是衰减因子;D1、D2表示由项目实际决定的天数。
作为所述的一种基于用户行为的资讯个性化推荐方法的进一步改进,所述的推荐方式点击率计算公式为:
推荐方式点击率=点击时间因子和/发送时间因子和;
所述推荐方式的点击时间因子和的计算公式为:
推荐方式的点击时间因子和=∑e^(-1.0*(当前时间-点击时间)/D1/a);
所述推荐方式的发送时间因子和的计算公式为:
推荐方式的发送时间因子和=∑e^(-1.0*(当前时间-发送时间)/D2/b);
其中,a、b是衰减因子;D1、D2表示由项目实际决定的天数。
本发明所采用的另一个技术方案是:
一种基于用户行为的资讯个性化推荐系统,包括:
记录读取单元,用于读取用户的资讯发送记录和资讯点击记录;
计算单元,用于根据用户的资讯发送记录和资讯点击记录,获取对应资讯的标签,并计算得到推荐方式点击率和标签点击率;
推荐列表生成单元,用于根据获取得到的标签,生成得到推荐列表;
扩展列表生成单元,用于获取用户最近点击的资讯,生成得到扩展阅读推荐列表;
展示单元,用于根据推荐方式点击率,按照预设的比例从推荐列表和扩展阅读推荐列表中选出资讯组合并推荐至前端进行展示。
本发明所采用的再一个技术方案是:
一种基于用户行为的资讯个性化推荐装置,包括:
存储器,用于存放程序;
处理器,用于执行所述程序,所述程序使得所述处理器执行所述的基于用户行为的资讯个性化推荐方法。
本发明的有益效果是:
本发明一种基于用户行为的资讯个性化推荐方法、系统及装置通过实时分析用户的资讯发送记录和资讯点击记录,在保证一定准确率的同时,还能尽可能地提高覆盖率,本发明能够比较迅速地响应到用户的兴趣变化,推荐结果更加敏锐。
附图说明
图1是本发明一种基于用户行为的资讯个性化推荐方法的步骤流程图;
图2是本发明一种基于用户行为的资讯个性化推荐系统的模块方框图。
具体实施方式
下面结合附图对本发明的具体实施方式作进一步说明:
参考图1,本发明一种基于用户行为的资讯个性化推荐方法,包括以下步骤:
读取用户的资讯发送记录和资讯点击记录;
根据用户的资讯发送记录和资讯点击记录,获取对应资讯的标签,并计算得到推荐方式点击率和标签点击率;
根据获取得到的标签,生成得到推荐列表;
获取用户最近点击的资讯,生成得到扩展阅读推荐列表;
根据推荐方式点击率,按照预设的比例从推荐列表和扩展阅读推荐列表中选出资讯组合并推荐至前端进行展示。
进一步作为优选的实施方式,所述的标签点击率的具体计算过程为:
根据资讯点击记录中对应资讯的标签,统计各个标签的发送次数和发送时间因子和,并统计各个标签的点击次数和点击时间因子和;
根据各个标签的发送时间因子和以及点击时间因子和,计算其对应的标签点击率;
根据标签的点击次数,对标签进行筛选,得到不稳定状态的标签,并对其进行重新计算标签点击率。
进一步作为优选的实施方式,所述的推荐方式点击率的具体计算过程为:
根据资讯发送记录中对应资讯的推荐方式,统计各个推荐方式的发送次数和发送时间因子和,并统计各个推荐方式的资讯的点击次数和点击时间因子和;
根据各个推荐方式的发送时间因子和以及点击时间因子和,计算其对应的推荐方式点击率。
进一步作为优选的实施方式,所述的根据获取得到的标签,生成得到推荐列表,这一步骤具体包括:
根据标签点击率,从资讯库中查找出每个标签对应的资讯,每个标签得到一个资讯推荐池;
根据资讯推荐池中资讯的标签,按照其对应的标签点击率从大到小的顺序,对资讯进行排序,生成得到推荐列表。
进一步作为优选的实施方式,所述的获取用户最近点击的资讯,生成得到扩展阅读推荐列表,这一步骤具体包括:
获取用户最近点击的资讯以及其对应的标签;
根据最近点击的资讯,从资讯库中选出与其对应的标签有交集的资讯,得到各资讯对应的交集资讯;
对每一条最近点击的资讯,分别从对应的交集资讯选取一条交集最大的资讯,得到扩展资讯;
将得到的扩展资讯,按照对应的最近点击的资讯的点击时间进行排序,得到扩展阅读推荐列表。
进一步作为优选的实施方式,所述的标签点击率计算公式为:
标签点击率=点击时间因子和/发送时间因子和;
所述标签的点击时间因子和的计算公式为:
标签的点击时间因子和=∑e^(-1.0*(当前时间-点击时间)/D1/a);
所述标签的发送时间因子和的计算公式为:
标签的发送时间因子和=∑e^(-1.0*(当前时间-发送时间)/D2/b);
其中,a、b是衰减因子;D1、D2表示由项目实际决定的天数。
进一步作为优选的实施方式,所述的推荐方式点击率计算公式为:
推荐方式点击率=点击时间因子和/发送时间因子和;
所述推荐方式的点击时间因子和的计算公式为:
推荐方式的点击时间因子和=∑e^(-1.0*(当前时间-点击时间)/D1/a);
所述推荐方式的发送时间因子和的计算公式为:
推荐方式的发送时间因子和=∑e^(-1.0*(当前时间-发送时间)/D2/b);
其中,a、b是衰减因子;D1、D2表示由项目实际决定的天数。
本发明实施例中,会根据用户在不同渠道下的行为信息的量化的数值作加权处理,如:相同情况下,推荐频道的资讯点击对兴趣的贡献度会大于该资讯在其所属频道的点击,本发明将渠道分为推荐频道与非推荐频道两种渠道,本发明通过控制上述公式中b的数值来处理,如推荐b取1.0,则非推荐频道的b取1.2,则在分子相同的情况下,推荐频道的值大于非推荐频道的值。用户行为对标签兴趣的贡献随时间衰减,即认为当前操作对标签兴趣刻画所产生的贡献大于之前操作所产生的贡献,同样的标签,当前阅读过2篇资讯,兴趣值可能为0.99,而如果10天前阅读过的,兴趣值则可能只有0.60。同时,本系统认为发送次数少于10次(暂定)的标签都是处于不稳定状态,噪声相对较大(这部分标签的兴趣度通常都排在前列)这部分标签的兴趣值将不能大于发送次数大于10的那些标签的最大兴趣值maxRate。根据公式,连续的不点击有可能使得这些标签的兴趣还是比maxRate大,为了短时间内对那些发送次数少、原兴趣度高、当前连续不点击的标签进行惩罚,所以根据其(发送次数少于10的某个标签)最近一次点击时间,统计其之后的点击情况,利用公式:标签点击率=maxRate*c^(连续不点击次数),对其兴趣度进行衰减惩罚,从而使得不稳定状态下的标签在发送给前端,得到不点击的用户反馈之后,能迅速反馈,从而更好地利用标签兴趣度的大小排序的结果,使得更多的不稳定状态下的标签能够得到展示,使不稳定状态标签的数量逐步减少,得到验证的(发送次数大于10)标签能够确定其位置:不感兴趣(短期连续不点击)的则靠后,等待其他标签衰减或者靠前的标签没有资讯可用从而再次有展示机会;断断续续点击或者连续点击的,则逐步属于常看标签,噪声相对较小。
本发明实施例中,先是收集用户的资讯发送记录、资讯点击记录以及不感兴趣上报记录,收集信息包括事件的时间、资讯的标签等。每个用户有自己相应的资讯发送记录和资讯点击记录,列表的每条信息记录了资讯的编码、事件的时间、事件的触发渠道(推荐频道、非推荐频道及其他渠道)、资讯的推荐类型(是根据点击率推荐还是根据最近点击推荐)等信息,统计用户点击这两种推荐类型的次数及比重。同时该模块会记录资讯对应的点击次数、发送次数,以便作淘汰。
接收到上述信息之后,读取指定用户的发送记录、点击记录,统计标签的点击次数、发送次数,计算指定用户的标签点击率,标签筛选过滤,对点击次数少于某个阈值(本实施例中设置为2)的过滤掉,目的是处理误操作的情况。轮循涉及的标签,将发送次数少于10次(不稳定状态)的标签筛选出来,得到稳定状态的标签中点击率最大的标签点击率maxRate,对不稳定状态的标签进行处理,如果最近有连续不点击的记录并且标签点击率比maxRate大的,则代入惩罚公式重新计算标签点击率,如果只是标签点击率大于maxRate的,则点击率取maxRate。然后将点击率保存到redis,通知推荐计算模块重新计算推荐列表。
标签点击率=点击时间因子和/发送时间因子和;
标签点击时间因子和=∑e^(-1.0*(当前时间-点击时间)/D1/a);
标签发送时间因子和=∑e^(-1.0*(当前时间-发送时间)/D2/b);
本发明中时间单位为毫秒级,a、b是衰减因子;D1、D2由项目实际决定的天数,需转化成毫秒为单位,D1、D2控制的是界限问题,a、b是微调控制);
惩罚公式:标签点击率=maxRate*c^(连续不点击次数);
其中,c为惩罚因子,由实际效果测评动态决定。
传统的点击率公式为点击次数/发送次数,缺少时间衰减的过程。本发明使用的公式较好的处理了这个问题,即认为传统计算方式下,相同的点击率,时间更接近于现在的兴趣更高。
本发明实施例中的标签部分采用人工添加,部分采用外部可信源,部分会根据文章渠道(采集的频道等)进行分类,根据标题、正文内容采取切词等方法以及现有标签库对资讯进行自动打标签。资讯在打上标签(可能有多个)之后,就会将资讯的编号插入到相关的标签对应的资讯列表里面,按时间排序。该模块在启动时会获取这些标签的资讯列表和资讯的属性,保存在程序中作缓存以便快速处理,并且定时对这些标签的资讯列表进行更新。
本实施例中,获取指定用户的标签点击率列表、不感兴趣标签列表、不感兴趣媒体列表、已阅列表、已发送展示列表等,标签点击率从大到小排序,通过获取用户的不感兴趣标签列表,本实施例将不感兴趣标签的惩罚机制是如果用户的标签点击率列表包含此标签,则将其从点击率列表中删掉。
然后轮循标签点击率列表,每个标签从对应的标签资讯列表中选出50条备用,这50条是轮循标签的资讯列表,经过已发送过滤、已点击过滤、有效时间(从缓存中的新闻属性中获取)超时过滤、不感兴趣媒体过滤、已选取过滤(一条资讯可能在不同的标签资讯列表出现),同时为了淘汰部分不达标的资讯(发送次数大于400,点击次数小于1的资讯),这里作指标过滤,最终从标签资讯列表选出50条可用资讯,按时间拍讯。由于老用户的标签点击率列表可能包含几百个,每次展示给用户的资讯条数有限(推荐8条左右),所以其实不可能完成兼顾全部标签,本实施例设置了中断条件,即处理过程已经涉及到3个频道(如体育、财经等)并且选取条数超过300条即跳出轮循标签点击率的循环。
经过上一步等到至少3个标签的可用资讯池,至少300条的可用资讯。下一步进行排序操作。按标签点击率从大到小,从对应的可用资讯池里选取资讯进行排序,本系统采用的标签间隔的排序,每次8条间隔,即一批8条都可能从不同的标签池里取出来的,最终得到根据点击率生成的推荐列表,本实施例推荐列表以300条为上限,满300条截止,保存到redis中。本实施例采用这样的排序方法,是为了能推荐用户感兴趣的标签,但又尽可能不要太集中于某一方面的资讯。
同时,本实施例根据指定用户最近阅读的前10条,作扩展性推荐。获取这10条资讯的标签信息,然后到标签资讯池里筛选出与之标签有交集的资讯,每条最近阅读选取一条交集最大且较新的资讯作扩展,然后再根据最近点击资讯的点击时间进行排序,得到扩展阅读推荐列表。
当接收到请求时,取出所述的推荐列表和扩展阅读推荐列表,根据用户点击的某种推荐方式点击率,从对应的推荐列表选取适当的数量组合成列表发送给用户,本实施例每次展示给用户为8条资讯,每次每种推荐方式的推荐条数不能低于2条的限制,其他情况按推荐的点击率决定归一化之后的比重决定选取的条数。
本实施例推荐算法并不仅仅考虑到用户的最近阅读的相关推荐,还从标签的点击率的角度,结合时间、连续不点击等因素,对点击率进行处理,然后根据点击率来进行推荐反馈,能够较好地解决误点等干扰的影响,同时,能够迅速铺抓到用户的兴趣爱好。
参考图2,本发明一种基于用户行为的资讯个性化推荐系统,包括:
记录读取单元,用于读取用户的资讯发送记录和资讯点击记录;
计算单元,用于根据用户的资讯发送记录和资讯点击记录,获取对应资讯的标签,并计算得到推荐方式点击率和标签点击率;
推荐列表生成单元,用于根据获取得到的标签,生成得到推荐列表;
扩展列表生成单元,用于获取用户最近点击的资讯,生成得到扩展阅读推荐列表;
展示单元,用于根据推荐方式点击率,按照预设的比例从推荐列表和扩展阅读推荐列表中选出资讯组合并推荐至前端进行展示。
本发明一种基于用户行为的资讯个性化推荐装置,包括:
存储器,用于存放程序;
处理器,用于执行所述程序,所述程序使得所述处理器执行所述的基于用户行为的资讯个性化推荐方法。
从上述内容可知,本发明一种基于用户行为的资讯个性化推荐方法、系统及装置通过实时分析用户的资讯发送记录和资讯点击记录,在保证一定准确率的同时,还能尽可能地提高覆盖率,本发明能够比较迅速的响应到用户的兴趣变化,推荐结果更加敏锐。
以上是对本发明的较佳实施进行了具体说明,但本发明创造并不限于所述实施例,熟悉本领域的技术人员在不违背本发明精神的前提下还可做作出种种的等同变形或替换,这些等同的变形或替换均包含在本申请权利要求所限定的范围内。
Claims (9)
1.一种基于用户行为的资讯个性化推荐方法,其特征在于,包括以下步骤:
读取用户的资讯发送记录和资讯点击记录;
根据用户的资讯发送记录和资讯点击记录,获取对应资讯的标签,并计算得到推荐方式点击率和标签点击率;
根据获取得到的标签,生成得到推荐列表;
获取用户最近点击的资讯,生成得到扩展阅读推荐列表;
根据推荐方式点击率,按照预设的比例从推荐列表和扩展阅读推荐列表中选出资讯组合并推荐至前端进行展示。
2.根据权利要求1所述的一种基于用户行为的资讯个性化推荐方法,其特征在于:所述的标签点击率的具体计算过程为:
根据资讯点击记录中对应资讯的标签,统计各个标签的发送次数和发送时间因子和,并统计各个标签的点击次数和点击时间因子和;
根据各个标签的发送时间因子和以及点击时间因子和,计算其对应的标签点击率;
根据标签的点击次数,对标签进行筛选,得到不稳定状态的标签,并对其进行重新计算标签点击率。
3.根据权利要求1所述的一种基于用户行为的资讯个性化推荐方法,其特征在于:所述的推荐方式点击率的具体计算过程为:
根据资讯发送记录中对应资讯的推荐方式,统计各个推荐方式的发送次数和发送时间因子和,并统计各个推荐方式的资讯的点击次数和点击时间因子和;
根据各个推荐方式的发送时间因子和以及点击时间因子和,计算其对应的推荐方式点击率。
4.根据权利要求1所述的一种基于用户行为的资讯个性化推荐方法,其特征在于:所述的根据获取得到的标签,生成得到推荐列表,这一步骤具体包括:
根据标签点击率,从资讯库中查找出每个标签对应的资讯,每个标签得到一个资讯推荐池;
根据资讯推荐池中资讯的标签,按照其对应的标签点击率从大到小的顺序,对资讯进行排序,生成得到推荐列表。
5.根据权利要求1所述的一种基于用户行为的资讯个性化推荐方法,其特征在于:所述的获取用户最近点击的资讯,生成得到扩展阅读推荐列表,这一步骤具体包括:
获取用户最近点击的资讯以及其对应的标签;
根据最近点击的资讯,从资讯库中选出与其对应的标签有交集的资讯,得到各资讯对应的交集资讯;
对每一条最近点击的资讯,分别从对应的交集资讯选取一条交集最大的资讯,得到扩展资讯;
将得到的扩展资讯,按照对应的最近点击的资讯的点击时间进行排序,得到扩展阅读推荐列表。
6.根据权利要求2所述的一种基于用户行为的资讯个性化推荐方法,其特征在于:所述的标签点击率计算公式为:
标签点击率=点击时间因子和/发送时间因子和;
所述标签的点击时间因子和的计算公式为:
标签的点击时间因子和=∑e^(-1.0*(当前时间-点击时间)/D1/a);
所述标签的发送时间因子和的计算公式为:
标签的发送时间因子和=∑e^(-1.0*(当前时间-发送时间)/D2/b);
其中,a、b是衰减因子;D1、D2表示由项目实际决定的天数。
7.根据权利要求3所述的一种基于用户行为的资讯个性化推荐方法,其特征在于:所述的推荐方式点击率计算公式为:
推荐方式点击率=点击时间因子和/发送时间因子和;
所述推荐方式的点击时间因子和的计算公式为:
推荐方式的点击时间因子和=∑e^(-1.0*(当前时间-点击时间)/D1/a);
所述推荐方式的发送时间因子和的计算公式为:
推荐方式的发送时间因子和=∑e^(-1.0*(当前时间-发送时间)/D2/b);
其中,a、b是衰减因子;D1、D2表示由项目实际决定的天数。
8.一种基于用户行为的资讯个性化推荐系统,其特征在于,包括:
记录读取单元,用于读取用户的资讯发送记录和资讯点击记录;
计算单元,用于根据用户的资讯发送记录和资讯点击记录,获取对应资讯的标签,并计算得到推荐方式点击率和标签点击率;
推荐列表生成单元,用于根据获取得到的标签,生成得到推荐列表;
扩展列表生成单元,用于获取用户最近点击的资讯,生成得到扩展阅读推荐列表;
展示单元,用于根据推荐方式点击率,按照预设的比例从推荐列表和扩展阅读推荐列表中选出资讯组合并推荐至前端进行展示。
9.一种基于用户行为的资讯个性化推荐装置,其特征在于,包括:
存储器,用于存放程序;
处理器,用于执行所述程序,所述程序使得所述处理器执行如权利要求1~7任一项所述的基于用户行为的资讯个性化推荐方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710947513.7A CN107844525A (zh) | 2017-10-12 | 2017-10-12 | 一种基于用户行为的资讯个性化推荐方法、系统及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710947513.7A CN107844525A (zh) | 2017-10-12 | 2017-10-12 | 一种基于用户行为的资讯个性化推荐方法、系统及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107844525A true CN107844525A (zh) | 2018-03-27 |
Family
ID=61662324
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710947513.7A Pending CN107844525A (zh) | 2017-10-12 | 2017-10-12 | 一种基于用户行为的资讯个性化推荐方法、系统及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107844525A (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108377273A (zh) * | 2018-05-15 | 2018-08-07 | 北京奇虎科技有限公司 | 一种信息推送方法、服务器和装置 |
CN109241403A (zh) * | 2018-08-03 | 2019-01-18 | 腾讯科技(深圳)有限公司 | 项目推荐方法、装置、机器设备和计算机可读存储介质 |
CN109461053A (zh) * | 2018-10-24 | 2019-03-12 | 平安科技(深圳)有限公司 | 多推荐渠道的动态分流方法、电子装置及存储介质 |
CN109753601A (zh) * | 2018-11-28 | 2019-05-14 | 北京奇艺世纪科技有限公司 | 推荐信息点击率确定方法、装置及电子设备 |
CN110413881A (zh) * | 2019-07-11 | 2019-11-05 | 腾讯科技(深圳)有限公司 | 一种识别标签准确性的方法、装置、网络设备和存储介质 |
CN110457581A (zh) * | 2019-08-02 | 2019-11-15 | 达而观信息科技(上海)有限公司 | 一种资讯推荐方法、装置、电子设备及存储介质 |
WO2020087386A1 (zh) * | 2018-10-31 | 2020-05-07 | 深圳市欢太科技有限公司 | 内容推荐方法、装置、移动终端及服务器 |
CN111339429A (zh) * | 2020-03-27 | 2020-06-26 | 上海景域智能科技有限公司 | 一种资讯推荐方法 |
CN111597470A (zh) * | 2020-05-19 | 2020-08-28 | 北京字节跳动网络技术有限公司 | 一种搜索结果展示位置的确定方法及确定装置 |
CN112052379A (zh) * | 2020-01-20 | 2020-12-08 | 河南紫联物联网技术有限公司 | 智能终端、智能家居设备的推荐方法及系统 |
CN112291297A (zh) * | 2020-09-04 | 2021-01-29 | 腾讯科技(深圳)有限公司 | 资讯数据的处理方法、装置、存储介质以及电子设备 |
CN112738227A (zh) * | 2020-12-28 | 2021-04-30 | 广州金融科技股份有限公司 | 一种资讯热度的评估方法、计算机设备和存储介质 |
CN113297457A (zh) * | 2021-05-24 | 2021-08-24 | 陕西合友网络科技有限公司 | 一种高精准性的信息资源智能推送系统及推送方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103294778A (zh) * | 2013-05-13 | 2013-09-11 | 百度在线网络技术(北京)有限公司 | 一种推送资讯信息的方法及系统 |
CN103870453A (zh) * | 2012-12-07 | 2014-06-18 | 盛乐信息技术(上海)有限公司 | 数据推荐方法及系统 |
CN104281718A (zh) * | 2014-11-04 | 2015-01-14 | 深圳市英威诺科技有限公司 | 一种基于用户群体行为数据挖掘智能推荐的方法 |
CN106446189A (zh) * | 2016-09-29 | 2017-02-22 | 广州艾媒数聚信息咨询股份有限公司 | 一种资讯推荐方法及系统 |
CN106503014A (zh) * | 2015-09-08 | 2017-03-15 | 腾讯科技(深圳)有限公司 | 一种实时信息的推荐方法、装置和系统 |
CN106776808A (zh) * | 2016-11-23 | 2017-05-31 | 百度在线网络技术(北京)有限公司 | 基于人工智能的资讯数据提供方法及装置 |
-
2017
- 2017-10-12 CN CN201710947513.7A patent/CN107844525A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103870453A (zh) * | 2012-12-07 | 2014-06-18 | 盛乐信息技术(上海)有限公司 | 数据推荐方法及系统 |
CN103294778A (zh) * | 2013-05-13 | 2013-09-11 | 百度在线网络技术(北京)有限公司 | 一种推送资讯信息的方法及系统 |
CN104281718A (zh) * | 2014-11-04 | 2015-01-14 | 深圳市英威诺科技有限公司 | 一种基于用户群体行为数据挖掘智能推荐的方法 |
CN106503014A (zh) * | 2015-09-08 | 2017-03-15 | 腾讯科技(深圳)有限公司 | 一种实时信息的推荐方法、装置和系统 |
CN106446189A (zh) * | 2016-09-29 | 2017-02-22 | 广州艾媒数聚信息咨询股份有限公司 | 一种资讯推荐方法及系统 |
CN106776808A (zh) * | 2016-11-23 | 2017-05-31 | 百度在线网络技术(北京)有限公司 | 基于人工智能的资讯数据提供方法及装置 |
Cited By (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108377273B (zh) * | 2018-05-15 | 2021-03-05 | 北京奇虎科技有限公司 | 一种信息推送方法、服务器和装置 |
CN108377273A (zh) * | 2018-05-15 | 2018-08-07 | 北京奇虎科技有限公司 | 一种信息推送方法、服务器和装置 |
CN109241403A (zh) * | 2018-08-03 | 2019-01-18 | 腾讯科技(深圳)有限公司 | 项目推荐方法、装置、机器设备和计算机可读存储介质 |
CN109241403B (zh) * | 2018-08-03 | 2022-11-22 | 腾讯科技(北京)有限公司 | 项目推荐方法、装置、机器设备和计算机可读存储介质 |
CN109461053A (zh) * | 2018-10-24 | 2019-03-12 | 平安科技(深圳)有限公司 | 多推荐渠道的动态分流方法、电子装置及存储介质 |
WO2020087386A1 (zh) * | 2018-10-31 | 2020-05-07 | 深圳市欢太科技有限公司 | 内容推荐方法、装置、移动终端及服务器 |
EP3873065A4 (en) * | 2018-10-31 | 2021-10-06 | Shenzhen Heytap Technology Corp., Ltd. | CONTENT, MOBILE TERMINAL, AND SERVER RECOMMENDATION METHOD AND DEVICE |
CN109753601A (zh) * | 2018-11-28 | 2019-05-14 | 北京奇艺世纪科技有限公司 | 推荐信息点击率确定方法、装置及电子设备 |
CN109753601B (zh) * | 2018-11-28 | 2021-10-22 | 北京奇艺世纪科技有限公司 | 推荐信息点击率确定方法、装置及电子设备 |
CN110413881A (zh) * | 2019-07-11 | 2019-11-05 | 腾讯科技(深圳)有限公司 | 一种识别标签准确性的方法、装置、网络设备和存储介质 |
CN110413881B (zh) * | 2019-07-11 | 2023-10-20 | 腾讯科技(深圳)有限公司 | 一种识别标签准确性的方法、装置、网络设备和存储介质 |
CN110457581A (zh) * | 2019-08-02 | 2019-11-15 | 达而观信息科技(上海)有限公司 | 一种资讯推荐方法、装置、电子设备及存储介质 |
CN110457581B (zh) * | 2019-08-02 | 2023-04-18 | 达而观信息科技(上海)有限公司 | 一种资讯推荐方法、装置、电子设备及存储介质 |
CN112052379A (zh) * | 2020-01-20 | 2020-12-08 | 河南紫联物联网技术有限公司 | 智能终端、智能家居设备的推荐方法及系统 |
CN111339429B (zh) * | 2020-03-27 | 2022-09-13 | 上海景域智能科技有限公司 | 一种资讯推荐方法 |
CN111339429A (zh) * | 2020-03-27 | 2020-06-26 | 上海景域智能科技有限公司 | 一种资讯推荐方法 |
CN111597470A (zh) * | 2020-05-19 | 2020-08-28 | 北京字节跳动网络技术有限公司 | 一种搜索结果展示位置的确定方法及确定装置 |
CN112291297A (zh) * | 2020-09-04 | 2021-01-29 | 腾讯科技(深圳)有限公司 | 资讯数据的处理方法、装置、存储介质以及电子设备 |
CN112291297B (zh) * | 2020-09-04 | 2022-04-26 | 腾讯科技(深圳)有限公司 | 资讯数据的处理方法、装置、存储介质以及电子设备 |
CN112738227A (zh) * | 2020-12-28 | 2021-04-30 | 广州金融科技股份有限公司 | 一种资讯热度的评估方法、计算机设备和存储介质 |
CN112738227B (zh) * | 2020-12-28 | 2022-10-18 | 广州金融科技股份有限公司 | 一种资讯热度的评估方法、计算机设备和存储介质 |
CN113297457A (zh) * | 2021-05-24 | 2021-08-24 | 陕西合友网络科技有限公司 | 一种高精准性的信息资源智能推送系统及推送方法 |
CN113297457B (zh) * | 2021-05-24 | 2023-02-28 | 陕西合友网络科技有限公司 | 一种高精准性的信息资源智能推送系统及推送方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107844525A (zh) | 一种基于用户行为的资讯个性化推荐方法、系统及装置 | |
CN107888950B (zh) | 一种推荐视频的方法和系统 | |
CN105183897B (zh) | 一种视频搜索排序的方法和系统 | |
CN108550068B (zh) | 一种基于用户行为分析的个性化商品推荐方法及系统 | |
CN102483745B (zh) | 共同选择图像分类 | |
CN105335509A (zh) | 一种推荐活动信息的方法、装置及服务器 | |
CN108363821A (zh) | 一种信息推送方法、装置、终端设备及存储介质 | |
CN108460082B (zh) | 一种推荐方法及装置,电子设备 | |
DE102017005963A1 (de) | Bereitstellen von relevanten Videoszenen in Reaktion auf eine Videosuchabfrage | |
CN101901450A (zh) | 媒体内容推荐方法和媒体内容推荐系统 | |
CN105447730A (zh) | 目标用户定向方法及装置 | |
CN106651542A (zh) | 一种物品推荐的方法及装置 | |
CN108875022A (zh) | 一种视频推荐方法及装置 | |
CN111400546B (zh) | 一种视频召回方法、视频推荐方法及装置 | |
CN101661484A (zh) | 一种查询方法及系统 | |
CN112163614A (zh) | 一种主播分类方法、装置、电子设备及存储介质 | |
CN108650532A (zh) | 有线电视点播节目推荐方法及系统 | |
CN109508407A (zh) | 融合时间与兴趣相似度的电视产品推荐方法 | |
US20100312786A1 (en) | System and method for development of search success metrics | |
CN107977445A (zh) | 应用程序推荐方法及装置 | |
CN112579913A (zh) | 一种视频推荐方法、装置、设备和计算机可读存储介质 | |
CN101464883A (zh) | 内容检索设备和方法 | |
CN103294670A (zh) | 一种基于词表的搜索方法和系统 | |
CN108304570B (zh) | 一种搜索结果的处理方法及展现方法、服务器、客户端 | |
CN107194814A (zh) | 推荐用户的方法和装置 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180327 |
|
RJ01 | Rejection of invention patent application after publication |