CN107909428A - 电子装置、产品推荐方法和计算机可读存储介质 - Google Patents
电子装置、产品推荐方法和计算机可读存储介质 Download PDFInfo
- Publication number
- CN107909428A CN107909428A CN201711058995.7A CN201711058995A CN107909428A CN 107909428 A CN107909428 A CN 107909428A CN 201711058995 A CN201711058995 A CN 201711058995A CN 107909428 A CN107909428 A CN 107909428A
- Authority
- CN
- China
- Prior art keywords
- targeted customer
- association user
- degree
- target product
- belief
- 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
- 238000000034 method Methods 0.000 title claims abstract description 18
- 230000003542 behavioural effect Effects 0.000 claims abstract description 18
- 230000006399 behavior Effects 0.000 claims description 26
- 230000002452 interceptive effect Effects 0.000 claims description 24
- 235000010627 Phaseolus vulgaris Nutrition 0.000 description 4
- 244000046052 Phaseolus vulgaris Species 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 238000004891 communication Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- 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
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0631—Item recommendations
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/01—Social networking
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- General Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- Primary Health Care (AREA)
- Human Resources & Organizations (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Development Economics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开一种电子装置、产品推荐方法和计算机可读存储介质,该方法包括:基于社交网络获取目标用户的关联用户,建立目标用户与关联用户之间的信任关系网络图;计算出目标用户对各个关联用户的信任度,并根据得到的信任度对信任关系网络图中的有向边进行相应赋值;选出该目标用户的信任度最高的前K个关联用户;针对每个目标产品,分别获取前K个关联用户对该目标产品的历史预设行为数据,根据前K个关联用户的信任度及历史预设行为数据,计算得出目标用户对该目标产品的兴趣倾向度;按兴趣倾向度对各个目标产品进行降序排名,选取前N名目标产品推荐给目标用户。本发明技术方案实现了有针对性的、准确的向目标用户推荐目标用户未了解的产品。
Description
技术领域
本发明涉及计算机人工智能领域,特别涉及一种电子装置、产品推荐方法和计算机可读存储介质。
背景技术
传统的推荐系统通常为基于内容的关联规则推荐模型,也就是基于目标用户之前的购买或者浏览信息,向目标用户推荐与之前购买或者浏览的产品相似度高的其他产品,该方法很大的局限性就是要求目标用户有之前类似的产品购买或浏览记录,针对目标用户未了解的产品则无法准确推荐。
发明内容
本发明提供一种电子装置、产品推荐方法和计算机可读存储介质,旨在实现有针对性的、准确的向目标用户推荐目标用户未了解的产品。
为实现上述目的,本发明提出的电子装置包括存储器、处理器,所述存储器上存储有可在所述处理器上运行的产品推荐系统,所述产品推荐系统被所述处理器执行时实现如下步骤:
基于社交网络获取目标用户的关联用户,将目标用户和各个关联用户均作为节点,以目标用户至关联用户的有向边作为目标用户对关联用户的信任度,建立目标用户与关联用户之间的信任关系网络图;
按预设规则分别计算出目标用户对各个关联用户的信任度,并根据计算出的信任度将对应的权重赋与所述信任关系网络图中对应的有向边;
基于所述信任关系网络图,选出该目标用户的信任度最高的前K个关联用户,K为预设值;
针对每个目标产品,分别获取所述前K个关联用户对该目标产品的历史预设行为数据,并根据所述目标用户对所述前K个关联用户的信任度及所述前K个用户的历史预设行为数据,利用预设的计算公式计算得出所述目标用户对该目标产品的兴趣倾向度;
按所述目标用户对各个目标产品的兴趣倾向度对各个目标产品进行降序排名,选取排名榜的前N名目标产品推荐给所述目标用户。
优选地,所述预设规则为:
计算关联用户与所述目标用户的社交圈重叠度;
确定关联用户与所述目标用户在预设时间段内的互动频次;
确定关联用户在社交网络中的影响力;
将所述社交圈重叠度、确定的互动频次和确定的影响力按预设权重比例加权求和得到目标用户对所述关联用户的信任度。
优选地,所述计算关联用户与所述目标用户的社交圈重叠度的步骤包括:
获取所述关联用户关注的人群集合B和所述目标用户关注的人群集合A;
根据计算公式计算出关联用户与所述目标用户的社交圈重叠度SAB。
优选地,所述预设的计算公式为:
其中,P(u,i)为目标用户u对目标产品i的兴趣倾向度,t(u,K)为包含所述K个关联用户的集合,N(i)为对目标产品i有过的历史预设行为的关联用户集合,Tuv代表目标用户u对关联用户v的信任度,rvi为关联用户v对目标产品i的预设历史行为值。
本发明还提出一种产品推荐方法,该方法包括步骤:
基于社交网络获取目标用户的关联用户,将目标用户和各个关联用户均作为节点,以目标用户至关联用户的有向边作为目标用户对关联用户的信任度,建立目标用户与关联用户之间的信任关系网络图;
按预设规则分别计算出目标用户对各个关联用户的信任度,并根据计算出的信任度将对应的权重赋与所述信任关系网络图中对应的有向边;
基于所述信任关系网络图,选出该目标用户的信任度最高的前K个关联用户,K为预设值;
针对每个目标产品,分别获取所述前K个关联用户对该目标产品的历史预设行为数据,并根据所述目标用户对所述前K个关联用户的信任度及所述前K个用户的历史预设行为数据,利用预设的计算公式计算得出所述目标用户对该目标产品的兴趣倾向度;
按所述目标用户对各个目标产品的兴趣倾向度对各个目标产品进行降序排名,选取排名榜的前N名目标产品推荐给所述目标用户。
优选地,所述预设规则为:
计算关联用户与所述目标用户的社交圈重叠度;
确定关联用户与所述目标用户在预设时间段内的互动频次;
确定关联用户在社交网络中的影响力;
将所述社交圈重叠度、确定的互动频次和确定的影响力按预设权重比例加权求和得到目标用户对所述关联用户的信任度。
优选地,所述计算关联用户与所述目标用户的社交圈重叠度的步骤包括:
获取所述关联用户关注的人群集合B和所述目标用户关注的人群集合A;
根据计算公式计算出关联用户与所述目标用户的社交圈重叠度SAB。
优选地,所述预设的计算公式为:
其中,P(u,i)为目标用户u对目标产品i的兴趣倾向度,t(u,K)为包含所述K个关联用户的集合,N(i)为对目标产品i有过的历史预设行为的关联用户集合,Tuv代表目标用户u对关联用户v的信任度,rvi为关联用户v对目标产品i的预设历史行为值。
本发明还提出一种计算机可读存储介质,所述计算机可读存储介质存储有产品推荐系统,所述产品推荐系统可被至少一个处理器执行,以使所述至少一个处理器执行如下步骤:
基于社交网络获取目标用户的关联用户,将目标用户和各个关联用户均作为节点,以目标用户至关联用户的有向边作为目标用户对关联用户的信任度,建立目标用户与关联用户之间的信任关系网络图;
按预设规则分别计算出目标用户对各个关联用户的信任度,并根据计算出的信任度将对应的权重赋与所述信任关系网络图中对应的有向边;
基于所述信任关系网络图,选出该目标用户的信任度最高的前K个关联用户,K为预设值;
针对每个目标产品,分别获取所述前K个关联用户对该目标产品的历史预设行为数据,并根据所述目标用户对所述前K个关联用户的信任度及所述前K个用户的历史预设行为数据,利用预设的计算公式计算得出所述目标用户对该目标产品的兴趣倾向度;
按所述目标用户对各个目标产品的兴趣倾向度对各个目标产品进行降序排名,选取排名榜的前N名目标产品推荐给所述目标用户。
优选地,所述预设规则为:
计算关联用户与所述目标用户的社交圈重叠度;
确定关联用户与所述目标用户在预设时间段内的互动频次;
确定关联用户在社交网络中的影响力;
将所述社交圈重叠度、确定的互动频次和确定的影响力按预设权重比例加权求和得到目标用户对所述关联用户的信任度。
本发明技术方案,基于社交网络获取目标用户的关联用户,并根据目标用户与各个关联用户的信任度,构建完成目标用户与各个关联用户之间的信任关系网络图;选取目标用户的信任度最高的前K个关联用户,根据所述目标用户对所述前K个关联用户的信任度及所述前K个用户的历史预设行为数据,利用预设的计算公式计算得出所述目标用户对该目标产品的兴趣倾向度;按所述目标用户对各个目标产品的兴趣倾向度对各个目标产品进行降序排名,选取排名榜的前N名目标产品推荐给所述目标用户。与现有技术相比,本方案实现了有针对性的、准确的向目标用户推荐目标用户未了解的产品。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,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示出的结构获得其他的附图。
图1为本发明产品推荐方法一实施例的流程示意图;
图2为本发明产品推荐系统一实施例的运行环境示意图;
图3为本发明产品推荐系统一实施例的程序模块图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
以下结合附图对本发明的原理和特征进行描述,所举实例只用于解释本发明,并非用于限定本发明的范围。
如图1所示,图1为本发明产品推荐方法一实施例的流程示意图。
本实施例中,该产品推荐方法包括:
步骤S10,基于社交网络获取目标用户的关联用户,将目标用户和各个关联用户均作为节点,以目标用户至关联用户的有向边作为目标用户对关联用户的信任度,建立目标用户与关联用户之间的信任关系网络图;
所述社交网络可以为微博、贴吧等,目标用户的关联用户例如为目标用户关注的人群。基于所述社交网络获取到目标用户的各个关联用户后,构建目标用户与其所有关联用户之间的信任关系网络图,该信任关系网络图中,目标用户、每个关联用户分别对应为该信任关系网络图中的节点,以目标用户的节点到每个关联用户的节点的有向边代表该目标用户对该关联用户的信任度。
步骤S20,按预设规则分别计算出目标用户对各个关联用户的信任度,并根据计算出的信任度将对应的权重赋与所述信任关系网络图中对应的有向边;
在构建完信任关系网络图后,根据预设规则计算出该目标用户分别对各个关联用户的信任度,按照计算出的各个信任度的比例关系对所述信任关系网络图中的各个有向边对应赋予权重,即信任度高的关联用户对应的有向边所赋予的权重就高,信任度低的关联用户对应的有向边所赋予的权重就低。
步骤S30,基于所述信任关系网络图,选出该目标用户的信任度最高的前K个关联用户,K为预设值;
基于该信任关系网络图,根据各个有向边的权重,找出该目标用户的信任度最高的前K个关联用户,即信任度降序排名的前K名信任度对应的关联用户,其中K为预设值(例如10)。
步骤S40,针对每个目标产品,分别获取所述前K个关联用户对该目标产品的历史预设行为数据,并根据所述目标用户对所述前K个关联用户的信任度及所述前K个用户的历史预设行为数据,利用预设的计算公式计算得出所述目标用户对该目标产品的兴趣倾向度;
目标产品为该目标用户未了解的产品或广告等。对每一个目标产品,通过查询社交网络中所述前K个关联用户的历史行为记录,分别获取所述前K个关联用户对该目标产品的历史预设行为数据,所述历史预设行为数据包括:购买、点击浏览、收藏等。再根据该目标用户对所述前K个关联用户的信任度及所述前K个用户的历史预设行为数据,利用预设的计算公式计算得出所述目标用户对该目标产品的兴趣倾向度。
步骤S50,按所述目标用户对各个目标产品的兴趣倾向度对各个目标产品进行降序排名,选取排名榜的前N名目标产品推荐给所述目标用户。
根据得出的该目标用户对各个目标产品的兴趣倾向度,对各个目标产品进行降序排名,即目标用户兴趣倾向度最高的目标产品排名最前;从该排名榜中选出前N(例如3)名目标产品推荐给该目标用户,也就是将目标用户兴趣倾向度最高的前N个目标产品推荐给目标用户。
本实施例技术方案,基于社交网络获取目标用户的关联用户,并根据目标用户与各个关联用户的信任度,构建完成目标用户与各个关联用户之间的信任关系网络图;选取目标用户的信任度最高的前K个关联用户,根据所述目标用户对所述前K个关联用户的信任度及所述前K个用户的历史预设行为数据,利用预设的计算公式计算得出所述目标用户对该目标产品的兴趣倾向度;按所述目标用户对各个目标产品的兴趣倾向度对各个目标产品进行降序排名,选取排名榜的前N名目标产品推荐给所述目标用户。与现有技术相比,本方案实现了有针对性的、准确的向目标用户推荐目标用户未了解的产品。
优选地,本实施例中,所述预设规则为:
1、计算关联用户与所述目标用户的社交圈重叠度;
2、确定关联用户与所述目标用户在预设时间段内的互动频次;
3、确定关联用户在社交网络中的影响力;
4、将所述社交圈重叠度、确定的互动频次和确定的影响力按预设权重比例加权求和得到目标用户对所述关联用户的信任度。
其中,社交圈重叠度也就是目标用户与关联用户的直接信任度,其可采取以下方式得出:先获取所述关联用户关注的人群集合B和所述目标用户关注的人群集合A;然后根据计算公式(即相似性公式),计算出关联用户与所述目标用户的关注的人群的重叠程度,即社交圈重叠度。
确定关联用户与该目标用户的互动关系程度,通过社交系统的互动记录中查询得出,两者在预设时间段内的互动频次;比如关联用户近一个月内回复目标用户及被目标用户回复的次数。
关联用户在社交网络中的影响力的确定,例如,可根据该关联用户是否为大V以及该关联用户在社交网络中的粉丝数量排名来确定其影响力值,一般来说,权威的可信度和影响对人们来说更高,因此,若该关联用户是大V,则影响力加a(第一预设数值),若其粉丝数量排名在前预设名(例如1000)内,影响力加b(第二预设数值);等等。
最后,将社交圈重叠度(记为D)、互动频次(记为E)和影响力(记为F)按照预先设置的权重比例,通过加权求和得到目标用户对该关联用户的信任度;例如,D、E和F的预设权重比例为:4:4:2,则最终得到的目标用户对该关联用户的信任度为:4D+4E+2F。
优选地,本实施例中,所述预设的计算公式为:
其中,P(u,i)就是代表目标用户u对目标产品i的兴趣倾向度,t(u,K)为包含所述K个关联用户的集合,N(i)为对目标产品i有过的历史预设行为的关联用户集合,Tuv代表目标用户u对关联用户v的信任度,rvi为关联用户v对目标产品i的预设历史行为值。其中,关联用户v对目标产品有预设历史行为值rvi确定可采取以下方式:1、关联用户v对目标产品有预设历史行为(例如,有过购买、点击浏览或收藏),则rvi=1;2、关联用户v对目标产品有预设历史行为,该预设历史行为是购买时,rvi=1,该预设历史行为是点击浏览或收藏时,rvi=0.8;等等。
此外,本发明还提出一种产品推荐系统。
请参阅图2,是本发明产品推荐系统10较佳实施例的运行环境示意图。
在本实施例中,产品推荐系统10安装并运行于电子装置1中。电子装置1可以是桌上型计算机、笔记本、掌上电脑及服务器等计算设备。该电子装置1可包括,但不仅限于,存储器11、处理器12及显示器13。图2仅示出了具有组件11-13的电子装置1,但是应理解的是,并不要求实施所有示出的组件,可以替代的实施更多或者更少的组件。
存储器11在一些实施例中可以是电子装置1的内部存储单元,例如该电子装置1的硬盘或内存。存储器11在另一些实施例中也可以是电子装置1的外部存储设备,例如电子装置1上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(SecureDigital,SD)卡,闪存卡(Flash Card)等。进一步地,存储器11还可以既包括电子装置1的内部存储单元也包括外部存储设备。存储器11用于存储安装于电子装置1的应用软件及各类数据,例如产品推荐系统10的程序代码等。存储器11还可以用于暂时地存储已经输出或者将要输出的数据。
处理器12在一些实施例中可以是一中央处理器(Central Processing Unit,CPU),微处理器或其他数据处理芯片,用于运行存储器11中存储的程序代码或处理数据,例如执行产品推荐系统10等。
显示器13在一些实施例中可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode,有机发光二极管)触摸器等。显示器13用于显示在电子装置1中处理的信息以及用于显示可视化的用户界面,例如业务定制界面等。电子装置1的部件11-13通过系统总线相互通信。
请参阅图3,是本发明产品推荐系统10较佳实施例的程序模块图。在本实施例中,产品推荐系统10可以被分割成一个或多个模块,一个或者多个模块被存储于存储器11中,并由一个或多个处理器(本实施例为处理器12)所执行,以完成本发明。例如,在图3中,产品推荐系统10可以被分割成获取模块101、第一计算模块102、选择模块模块103、第二计算模块104及推荐模块105。本发明所称的模块是指能够完成特定功能的一系列计算机程序指令段,比程序更适合于描述产品推荐系统10在电子装置1中的执行过程,其中:
获取模块101,用于基于社交网络获取目标用户的关联用户,将目标用户和各个关联用户均作为节点,以目标用户至关联用户的有向边作为目标用户对关联用户的信任度,建立目标用户与关联用户之间的信任关系网络图;
所述社交网络可以为微博、贴吧等,目标用户的关联用户例如为目标用户关注的人群。基于所述社交网络获取到目标用户的各个关联用户后,构建目标用户与其所有关联用户之间的信任关系网络图,该信任关系网络图中,目标用户、每个关联用户分别对应为该信任关系网络图中的节点,以目标用户的节点到每个关联用户的节点的有向边代表该目标用户对该关联用户的信任度。
第一计算模块102,用于按预设规则分别计算出目标用户对各个关联用户的信任度,并根据计算出的信任度将对应的权重赋与所述信任关系网络图中对应的有向边;
在构建完信任关系网络图后,根据预设规则计算出该目标用户分别对各个关联用户的信任度,按照计算出的各个信任度的比例关系对所述信任关系网络图中的各个有向边对应赋予权重,即信任度高的关联用户对应的有向边所赋予的权重就高,信任度低的关联用户对应的有向边所赋予的权重就低。
选择模块103,用于基于所述信任关系网络图,选出该目标用户的信任度最高的前K个关联用户,K为预设值;
基于该信任关系网络图,根据各个有向边的权重,找出该目标用户的信任度最高的前K个关联用户,即信任度降序排名的前K名信任度对应的关联用户,其中K为预设值(例如10)。
第二计算模块104,用于针对每个目标产品,分别获取所述前K个关联用户对该目标产品的历史预设行为数据,并根据所述目标用户对所述前K个关联用户的信任度及所述前K个用户的历史预设行为数据,利用预设的计算公式计算得出所述目标用户对该目标产品的兴趣倾向度;
目标产品为该目标用户未了解的产品或广告等。对每一个目标产品,通过查询社交网络中所述前K个关联用户的历史行为记录,分别获取所述前K个关联用户对该目标产品的历史预设行为数据,所述历史预设行为数据包括:购买、点击浏览、收藏等。再根据该目标用户对所述前K个关联用户的信任度及所述前K个用户的历史预设行为数据,利用预设的计算公式计算得出所述目标用户对该目标产品的兴趣倾向度。
推荐模块105,用于按所述目标用户对各个目标产品的兴趣倾向度对各个目标产品进行降序排名,选取排名榜的前N名目标产品推荐给所述目标用户。
根据得出的该目标用户对各个目标产品的兴趣倾向度,对各个目标产品进行降序排名,即目标用户兴趣倾向度最高的目标产品排名最前;从该排名榜中选出前N(例如3)名目标产品推荐给该目标用户,也就是将目标用户兴趣倾向度最高的前N个目标产品推荐给目标用户。
本实施例技术方案,基于社交网络获取目标用户的关联用户,并根据目标用户与各个关联用户的信任度,构建完成目标用户与各个关联用户之间的信任关系网络图;选取目标用户的信任度最高的前K个关联用户,根据所述目标用户对所述前K个关联用户的信任度及所述前K个用户的历史预设行为数据,利用预设的计算公式计算得出所述目标用户对该目标产品的兴趣倾向度;按所述目标用户对各个目标产品的兴趣倾向度对各个目标产品进行降序排名,选取排名榜的前N名目标产品推荐给所述目标用户。与现有技术相比,本方案实现了有针对性的、准确的向目标用户推荐目标用户未了解的产品。
优选地,本实施例中,所述预设规则为:
1、计算关联用户与所述目标用户的社交圈重叠度;
2、确定关联用户与所述目标用户在预设时间段内的互动频次;
3、确定关联用户在社交网络中的影响力;
4、将所述社交圈重叠度、确定的互动频次和确定的影响力按预设权重比例加权求和得到目标用户对所述关联用户的信任度。
其中,社交圈重叠度也就是目标用户与关联用户的直接信任度,其可采取以下方式得出:先获取所述关联用户关注的人群集合B和所述目标用户关注的人群集合A;然后根据计算公式(即相似性公式),计算出关联用户与所述目标用户关注的人群的重叠程度,即社交圈重叠度。
确定关联用户与该目标用户的互动关系程度,通过社交系统的互动记录中查询得出,两者在预设时间段内的互动频次;比如关联用户近一个月内回复目标用户及被目标用户回复的次数。
关联用户在社交网络中的影响力的确定,例如,可根据该关联用户是否为大V以及该关联用户在社交网络中的粉丝数量排名来确定其影响力值,一般来说,权威的可信度和影响对人们来说更高,因此,若该关联用户是大V,则影响力加a(第一预设数值),若其粉丝数量排名在前预设名(例如1000)内,影响力加b(第二预设数值);等等。
最后,将社交圈重叠度(记为D)、互动频次(记为E)和影响力(记为F)按照预先设置的权重比例,通过加权求和得到目标用户对该关联用户的信任度;例如,D、E和F的预设权重比例为:4:4:2,则最终得到的目标用户对该关联用户的信任度为:4D+4E+2F。
优选地,本实施例中,所述预设的计算公式为:
其中,P(u,i)就是代表目标用户u对目标产品i的兴趣倾向度,t(u,K)为包含所述K个关联用户的集合,N(i)为对目标产品i有过的历史预设行为的关联用户集合,Tuv代表目标用户u对关联用户v的信任度,rvi为关联用户v对目标产品i的预设历史行为值。其中,关联用户v对目标产品有预设历史行为值rvi确定可采取以下方式:1、关联用户v对目标产品有预设历史行为(例如,有过购买、点击浏览或收藏),则rvi=1;2、关联用户v对目标产品有预设历史行为,该预设历史行为是购买时,rvi=1,该预设历史行为是点击浏览或收藏时,rvi=0.8;等等。
进一步地,本发明还提出一种计算机可读存储介质,所述计算机可读存储介质存储有产品推荐系统,所述产品推荐系统可被至少一个处理器执行,以使所述至少一个处理器执行上述任一实施例中的产品推荐方法。
以上所述仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是在本发明的发明构思下,利用本发明说明书及附图内容所作的等效结构变换,或直接/间接运用在其他相关的技术领域均包括在本发明的专利保护范围内。
Claims (10)
1.一种电子装置,其特征在于,所述电子装置包括存储器、处理器,所述存储器上存储有可在所述处理器上运行的产品推荐系统,所述产品推荐系统被所述处理器执行时实现如下步骤:
基于社交网络获取目标用户的关联用户,将目标用户和各个关联用户均作为节点,以目标用户至关联用户的有向边作为目标用户对关联用户的信任度,建立目标用户与关联用户之间的信任关系网络图;
按预设规则分别计算出目标用户对各个关联用户的信任度,并根据计算出的信任度将对应的权重赋与所述信任关系网络图中对应的有向边;
基于所述信任关系网络图,选出该目标用户的信任度最高的前K个关联用户,K为预设值;
针对每个目标产品,分别获取所述前K个关联用户对该目标产品的历史预设行为数据,并根据所述目标用户对所述前K个关联用户的信任度及所述前K个用户的历史预设行为数据,利用预设的计算公式计算得出所述目标用户对该目标产品的兴趣倾向度;
按所述目标用户对各个目标产品的兴趣倾向度对各个目标产品进行降序排名,选取排名榜的前N名目标产品推荐给所述目标用户。
2.如权利要求1所述的电子装置,其特征在于,所述预设规则为:
计算关联用户与所述目标用户的社交圈重叠度;
确定关联用户与所述目标用户在预设时间段内的互动频次;
确定关联用户在社交网络中的影响力;
将所述社交圈重叠度、确定的互动频次和确定的影响力按预设权重比例加权求和得到目标用户对所述关联用户的信任度。
3.如权利要求2所述的电子装置,其特征在于,所述计算关联用户与所述目标用户的社交圈重叠度的步骤包括:
获取所述关联用户关注的人群集合B和所述目标用户关注的人群集合A;
根据计算公式计算出关联用户与所述目标用户的社交圈重叠度SAB。
4.如权利要求1-3中任意一项所述的电子装置,其特征在于,所述预设的计算公式为:
其中,P(u,i)为目标用户u对目标产品i的兴趣倾向度,t(u,K)为包含所述K个关联用户的集合,N(i)为对目标产品i有过的历史预设行为的关联用户集合,Tuv代表目标用户u对关联用户v的信任度,rvi为关联用户v对目标产品i的预设历史行为值。
5.一种产品推荐方法,其特征在于,该方法包括步骤:
基于社交网络获取目标用户的关联用户,将目标用户和各个关联用户均作为节点,以目标用户至关联用户的有向边作为目标用户对关联用户的信任度,建立目标用户与关联用户之间的信任关系网络图;
按预设规则分别计算出目标用户对各个关联用户的信任度,并根据计算出的信任度将对应的权重赋与所述信任关系网络图中对应的有向边;
基于所述信任关系网络图,选出该目标用户的信任度最高的前K个关联用户,K为预设值;
针对每个目标产品,分别获取所述前K个关联用户对该目标产品的历史预设行为数据,并根据所述目标用户对所述前K个关联用户的信任度及所述前K个用户的历史预设行为数据,利用预设的计算公式计算得出所述目标用户对该目标产品的兴趣倾向度;
按所述目标用户对各个目标产品的兴趣倾向度对各个目标产品进行降序排名,选取排名榜的前N名目标产品推荐给所述目标用户。
6.如权利要求5所述的产品推荐方法,其特征在于,所述预设规则为:
计算关联用户与所述目标用户的社交圈重叠度;
确定关联用户与所述目标用户在预设时间段内的互动频次;
确定关联用户在社交网络中的影响力;
将所述社交圈重叠度、确定的互动频次和确定的影响力按预设权重比例加权求和得到目标用户对所述关联用户的信任度。
7.如权利要求6所述的产品推荐方法,其特征在于,所述计算关联用户与所述目标用户的社交圈重叠度的步骤包括:
获取所述关联用户关注的人群集合B和所述目标用户关注的人群集合A;
根据计算公式计算出关联用户与所述目标用户的社交圈重叠度SAB。
8.如权利要求5-7中任意一项所述的产品推荐方法,其特征在于,所述预设的计算公式为:
其中,P(u,i)为目标用户u对目标产品i的兴趣倾向度,t(u,K)为包含所述K个关联用户的集合,N(i)为对目标产品i有过的历史预设行为的关联用户集合,Tuv代表目标用户u对关联用户v的信任度,rvi为关联用户v对目标产品i的预设历史行为值。
9.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有产品推荐系统,所述产品推荐系统可被至少一个处理器执行,以使所述至少一个处理器执行如下步骤:
基于社交网络获取目标用户的关联用户,将目标用户和各个关联用户均作为节点,以目标用户至关联用户的有向边作为目标用户对关联用户的信任度,建立目标用户与关联用户之间的信任关系网络图;
按预设规则分别计算出目标用户对各个关联用户的信任度,并根据计算出的信任度将对应的权重赋与所述信任关系网络图中对应的有向边;
基于所述信任关系网络图,选出该目标用户的信任度最高的前K个关联用户,K为预设值;
针对每个目标产品,分别获取所述前K个关联用户对该目标产品的历史预设行为数据,并根据所述目标用户对所述前K个关联用户的信任度及所述前K个用户的历史预设行为数据,利用预设的计算公式计算得出所述目标用户对该目标产品的兴趣倾向度;
按所述目标用户对各个目标产品的兴趣倾向度对各个目标产品进行降序排名,选取排名榜的前N名目标产品推荐给所述目标用户。
10.如权利要求9所述的计算机可读存储介质,其特征在于,所述预设规则为:
计算关联用户与所述目标用户的社交圈重叠度;
确定关联用户与所述目标用户在预设时间段内的互动频次;
确定关联用户在社交网络中的影响力;
将所述社交圈重叠度、确定的互动频次和确定的影响力按预设权重比例加权求和得到目标用户对所述关联用户的信任度。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711058995.7A CN107909428A (zh) | 2017-11-01 | 2017-11-01 | 电子装置、产品推荐方法和计算机可读存储介质 |
PCT/CN2018/076114 WO2019085327A1 (zh) | 2017-11-01 | 2018-02-10 | 电子装置、产品推荐方法、系统和计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711058995.7A CN107909428A (zh) | 2017-11-01 | 2017-11-01 | 电子装置、产品推荐方法和计算机可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107909428A true CN107909428A (zh) | 2018-04-13 |
Family
ID=61843320
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711058995.7A Pending CN107909428A (zh) | 2017-11-01 | 2017-11-01 | 电子装置、产品推荐方法和计算机可读存储介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN107909428A (zh) |
WO (1) | WO2019085327A1 (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108985895A (zh) * | 2018-07-10 | 2018-12-11 | 西南科技大学 | 一种获取电子商务中商家信誉值的方法 |
CN109800356A (zh) * | 2019-01-23 | 2019-05-24 | 国信优易数据有限公司 | 一种信息资源推荐方法、装置、设备及存储介质 |
CN109886823A (zh) * | 2019-02-25 | 2019-06-14 | 北京奇艺世纪科技有限公司 | 一种社交圈的推荐方法及装置 |
CN110457573A (zh) * | 2019-07-04 | 2019-11-15 | 平安科技(深圳)有限公司 | 产品推荐方法、装置、计算机设备及存储介质 |
WO2020006834A1 (zh) * | 2018-07-06 | 2020-01-09 | 平安科技(深圳)有限公司 | 金融机构推荐方法、设备、存储介质及装置 |
CN110738554A (zh) * | 2019-10-28 | 2020-01-31 | 拉扎斯网络科技(上海)有限公司 | 任务处理方法、装置、电子设备及计算机可读存储介质 |
CN110737846A (zh) * | 2019-10-28 | 2020-01-31 | 北京字节跳动网络技术有限公司 | 一种社交界面推荐方法、装置、电子设备及存储介质 |
CN112084423A (zh) * | 2020-08-31 | 2020-12-15 | 腾讯科技(深圳)有限公司 | 一种信息发布平台推荐方法及装置 |
CN112269926A (zh) * | 2020-10-21 | 2021-01-26 | 深圳思为科技有限公司 | 数据推送方法及相关装置 |
CN112328865A (zh) * | 2019-07-31 | 2021-02-05 | 北京达佳互联信息技术有限公司 | 信息处理和推荐方法、装置、设备及存储介质 |
CN112861015A (zh) * | 2019-11-27 | 2021-05-28 | 北京达佳互联信息技术有限公司 | 一种应用程序中账户关联信息获取方法、装置及电子设备 |
CN113127749A (zh) * | 2021-05-18 | 2021-07-16 | 北京大米科技有限公司 | 一种内容推荐的方法、装置、可读存储介质和电子设备 |
CN113449177A (zh) * | 2020-03-27 | 2021-09-28 | 北京达佳互联信息技术有限公司 | 信息推荐方法、装置、电子设备及存储介质 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112995256B (zh) * | 2019-12-13 | 2022-08-26 | 腾讯科技(深圳)有限公司 | 行为数据处理方法及相关设备 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090284531A1 (en) * | 2008-05-19 | 2009-11-19 | Takuya Ishioka | Information Processing Apparatus, Information Processing Method and Program |
CN103995823A (zh) * | 2014-03-25 | 2014-08-20 | 南京邮电大学 | 一种基于社交网络的信息推荐方法 |
CN104317959A (zh) * | 2014-11-10 | 2015-01-28 | 北京字节跳动网络技术有限公司 | 基于社交平台的数据挖掘方法及装置 |
CN105677881A (zh) * | 2016-01-12 | 2016-06-15 | 腾讯科技(深圳)有限公司 | 一种信息推荐方法、装置及服务器 |
CN105956201A (zh) * | 2016-06-22 | 2016-09-21 | Tcl集团股份有限公司 | 一种社会化网络的视频推荐方法和装置 |
-
2017
- 2017-11-01 CN CN201711058995.7A patent/CN107909428A/zh active Pending
-
2018
- 2018-02-10 WO PCT/CN2018/076114 patent/WO2019085327A1/zh active Application Filing
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090284531A1 (en) * | 2008-05-19 | 2009-11-19 | Takuya Ishioka | Information Processing Apparatus, Information Processing Method and Program |
CN103995823A (zh) * | 2014-03-25 | 2014-08-20 | 南京邮电大学 | 一种基于社交网络的信息推荐方法 |
CN104317959A (zh) * | 2014-11-10 | 2015-01-28 | 北京字节跳动网络技术有限公司 | 基于社交平台的数据挖掘方法及装置 |
CN105677881A (zh) * | 2016-01-12 | 2016-06-15 | 腾讯科技(深圳)有限公司 | 一种信息推荐方法、装置及服务器 |
CN105956201A (zh) * | 2016-06-22 | 2016-09-21 | Tcl集团股份有限公司 | 一种社会化网络的视频推荐方法和装置 |
Non-Patent Citations (3)
Title |
---|
ZHIJUN ZHANG ET AL.: ""Personalized recommendation algorithm for social networks based on comprehensive trust"", 《APPLIED INTELLIGENCE》 * |
何秀娟: ""基于信任的协同过滤推荐模型研究"", 《中国优秀硕士学位论文全文数据库 经济与管理科学辑(月刊)》 * |
朱琳可: ""基于社交网络的个性化推荐服务研究"", 《中国优秀硕士学位论文全文数据库 信息科技辑(月刊)》 * |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020006834A1 (zh) * | 2018-07-06 | 2020-01-09 | 平安科技(深圳)有限公司 | 金融机构推荐方法、设备、存储介质及装置 |
CN108985895A (zh) * | 2018-07-10 | 2018-12-11 | 西南科技大学 | 一种获取电子商务中商家信誉值的方法 |
CN109800356A (zh) * | 2019-01-23 | 2019-05-24 | 国信优易数据有限公司 | 一种信息资源推荐方法、装置、设备及存储介质 |
CN109886823A (zh) * | 2019-02-25 | 2019-06-14 | 北京奇艺世纪科技有限公司 | 一种社交圈的推荐方法及装置 |
CN110457573B (zh) * | 2019-07-04 | 2024-05-07 | 平安科技(深圳)有限公司 | 产品推荐方法、装置、计算机设备及存储介质 |
CN110457573A (zh) * | 2019-07-04 | 2019-11-15 | 平安科技(深圳)有限公司 | 产品推荐方法、装置、计算机设备及存储介质 |
CN112328865A (zh) * | 2019-07-31 | 2021-02-05 | 北京达佳互联信息技术有限公司 | 信息处理和推荐方法、装置、设备及存储介质 |
CN112328865B (zh) * | 2019-07-31 | 2024-01-05 | 北京达佳互联信息技术有限公司 | 信息处理和推荐方法、装置、设备及存储介质 |
CN110737846A (zh) * | 2019-10-28 | 2020-01-31 | 北京字节跳动网络技术有限公司 | 一种社交界面推荐方法、装置、电子设备及存储介质 |
CN110737846B (zh) * | 2019-10-28 | 2022-05-31 | 北京字节跳动网络技术有限公司 | 一种社交界面推荐方法、装置、电子设备及存储介质 |
CN110738554B (zh) * | 2019-10-28 | 2023-01-24 | 拉扎斯网络科技(上海)有限公司 | 任务处理方法、装置、电子设备及计算机可读存储介质 |
CN110738554A (zh) * | 2019-10-28 | 2020-01-31 | 拉扎斯网络科技(上海)有限公司 | 任务处理方法、装置、电子设备及计算机可读存储介质 |
CN112861015A (zh) * | 2019-11-27 | 2021-05-28 | 北京达佳互联信息技术有限公司 | 一种应用程序中账户关联信息获取方法、装置及电子设备 |
CN113449177A (zh) * | 2020-03-27 | 2021-09-28 | 北京达佳互联信息技术有限公司 | 信息推荐方法、装置、电子设备及存储介质 |
CN112084423B (zh) * | 2020-08-31 | 2023-12-12 | 腾讯科技(深圳)有限公司 | 一种信息发布平台推荐方法及装置 |
CN112084423A (zh) * | 2020-08-31 | 2020-12-15 | 腾讯科技(深圳)有限公司 | 一种信息发布平台推荐方法及装置 |
CN112269926A (zh) * | 2020-10-21 | 2021-01-26 | 深圳思为科技有限公司 | 数据推送方法及相关装置 |
CN113127749A (zh) * | 2021-05-18 | 2021-07-16 | 北京大米科技有限公司 | 一种内容推荐的方法、装置、可读存储介质和电子设备 |
Also Published As
Publication number | Publication date |
---|---|
WO2019085327A1 (zh) | 2019-05-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107909428A (zh) | 电子装置、产品推荐方法和计算机可读存储介质 | |
CN103914468B (zh) | 一种投放信息搜索的方法和装置 | |
US10936608B2 (en) | System and method for using past or external information for future search results | |
Jiang et al. | Pricing strategy in a dual-channel and remanufacturing supply chain system | |
US20070294149A1 (en) | Catalog based price search | |
US20130006713A1 (en) | Method for aggregating pricing information and assigning a fair market value to goods sold in a peer-to-peer e-commerce transaction | |
CN106934498A (zh) | Ota网站中酒店房型的推荐方法及系统 | |
CA2952034A1 (en) | Real-time dynamic pricing system | |
CN102411596A (zh) | 一种信息推荐方法及系统 | |
CN110097395A (zh) | 定向广告投放方法、装置及计算机可读存储介质 | |
US20090234848A1 (en) | System and method for ranking search results | |
CN107274242A (zh) | 一种基于关联分析算法的商品推荐方法 | |
CN102479366A (zh) | 一种商品推荐方法及系统 | |
US20210065236A1 (en) | Method for matching influencers to brands and pairing influencer videos to products for intra-video transactions | |
CN107145506B (zh) | 一种改进基于内容的农资商品推荐方法 | |
CN107895213A (zh) | 消费额度的预测方法、装置及电子设备 | |
US20180150894A1 (en) | System and method for prioritized product index searching | |
US20180357290A1 (en) | System and method for capturing seasonality and newness in database searches | |
CN108133390A (zh) | 用于预测用户行为的方法和装置以及计算设备 | |
CN106920119A (zh) | 一种用户价值的评价方法及装置 | |
CN109271423A (zh) | 一种对象推荐方法、装置、终端及计算机可读存储介质 | |
CN105740415A (zh) | 基于标签位置权重与自学习的招投标好友推荐系统 | |
CN110443686A (zh) | 基于垃圾识别的商品推荐系统及方法 | |
CN118134553B (zh) | 一种电商爆款多平台协同推送系统、方法、设备及介质 | |
CN115204971B (zh) | 产品推荐方法、装置、电子设备及计算机可读存储介质 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180413 |