CN107992487A - 个性化推荐方法及装置 - Google Patents
个性化推荐方法及装置 Download PDFInfo
- Publication number
- CN107992487A CN107992487A CN201610945552.9A CN201610945552A CN107992487A CN 107992487 A CN107992487 A CN 107992487A CN 201610945552 A CN201610945552 A CN 201610945552A CN 107992487 A CN107992487 A CN 107992487A
- Authority
- CN
- China
- Prior art keywords
- resource
- target
- targeted customer
- correlation
- keyword
- 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
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
本发明实施例公开了个性化推荐方法及装置。该方法包括:依据候选资源集合包含的候选资源以及目标用户的历史访问行为,确定所述目标用户关联的目标关键词以及所述目标用户与所述目标关键词的相关度;依据所述目标关键词对应的相关度,从所述目标关键词中选择当前关键词;依据所述当前关键词,从所述候选资源集合包含的候选资源中选择所述目标用户关联的目标资源;依据所述目标资源为所述目标用户进行资源推荐。本发明实施例的技术方案,通过依据目标用户的历史访问行为为目标用户进行个性化推荐,推荐结果与目标用户的相关度高,并且无需依赖海量用户行为数据即可实现个性化推荐,即实现了适用于小体量产品的个性化推荐。
Description
技术领域
本发明涉及网络通信技术领域,尤其涉及个性化推荐方法及装置。
背景技术
随着互联网行业的不断发展以及用户审美情趣的提升,标准化的大众消费已经成为了过去式,提供满足用户多元化口味的个性化的服务,已经成为了互联网行业的大趋势,越来越多的产品开始追求用户体验的个性化,希望通过用户的历史行为主动预测用户需求,获得用户青睐,并在市场竞争中立于不败。
现有的个性化推荐方法主要有两种:一种是基于内容的相关性推荐,另一种是协同过滤推荐。然而,基于内容相关性的推荐,虽然推荐的结果非常直观,但主要的缺点在于,推荐与用户行为的相关度低,难以形成真正基于用户个体的个性化体验。协同过滤推荐,主要缺点在于推荐质量对于用户历史行为数据集的体量及质量要求比较高,对于新兴产品或者小体量产品来说,难以充分发挥效用。因而,提供适用于小体量产品的个性化推荐方法十分迫切。
发明内容
有鉴于此,本发明实施例提供个性化推荐方法及装置,以实现适用于小体量产品的个性化推荐。
第一方面,本发明实施例提供了个性化推荐方法,包括:
依据候选资源集合包含的候选资源以及目标用户的历史访问行为,确定所述目标用户关联的目标关键词以及所述目标用户与所述目标关键词的相关度;
依据所述目标关键词对应的相关度,从所述目标关键词中选择当前关键词;
依据所述当前关键词,从所述候选资源集合包含的候选资源中选择所述目标用户关联的目标资源;
依据所述目标资源为所述目标用户进行资源推荐。
第二方面,本发明实施例提供了个性化推荐装置,包括:
相关度确定模块,用于依据候选资源集合包含的候选资源以及目标用户的历史访问行为,确定所述目标用户关联的目标关键词以及所述目标用户与所述目标关键词的相关度;
关键词选择模块,用于依据所述目标关键词对应的相关度,从所述目标关键词中选择当前关键词;
资源选择模块,用于依据所述当前关键词,从所述候选资源集合包含的候选资源中选择所述目标用户关联的目标资源;
资源推荐模块,用于依据所述目标资源为所述目标用户进行资源推荐。
本发明实施例提供的技术方案,通过依据候选资源集合中包含的候选资源以及目标用户的历史访问行为,确定目标关键词以及目标关键词的相关度,依据目标关键词的相关度选择当前关键词,随后依据当前关键词选择目标用户关联的目标资源,并依据目标资源为目标用户进行资源推荐。由于该方案通过依据目标用户的历史访问行为为目标用户进行个性化推荐,推荐结果与目标用户的相关度高,并且无需依赖海量用户行为数据即可实现个性化推荐,即实现了适用于小体量产品的个性化推荐。
附图说明
图1是本发明实施例一提供的个性化推荐方法的流程图;
图2是本发明实施例二提供的个性化推荐方法的流程图;
图3是本发明实施例三提供的个性化推荐方法的流程图;
图4是本发明实施例四提供的个性化推荐装置的结构图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1是本发明实施例一提供的个性化推荐方法的流程图。本实施例的方法可以由个性化推荐装置执行,该装置可通过硬件和/或软件的方式实现。本实施例的方法一般可适用于为用户进行个性化资源推荐的情形。参考图1,本实施例提供的个性化推荐方法具体可以包括如下:
S11、依据候选资源集合包含的候选资源以及目标用户的历史访问行为,确定所述目标用户关联的目标关键词以及所述目标用户与所述目标关键词的相关度。
在本实施例中,候选资源的类型是依据个性化推荐的应用场景确定的,如针对教育场景的资源推荐,候选资源可以是文本资源、音频资源或视频资源等;针对娱乐资源的推荐,候选资源可以是电影资源、音乐资源或游戏资源等。目标用户指的是任意需要进行资源推荐的用户,目标用户的历史访问行为可以包括阅读行为、购买行为、收藏行为、检索行为或下载行为等类型,如目标用户的历史访问行为包括但不限于目标用户访问的标题、检索的词条或浏览的内容等。目标关键词是目标用户的个性化标签信息,用于表征目标用户关联的候选资源的特征信息,以候选资源是文本资源为例,目标关键词可以是经济、文学、童话或诗歌等,以候选资源是电影资源为例,目标关键词可以是悬疑、剧情、武打或科幻等。
具体的,为了进行个性化推荐,获取预先提供的候选资源集合以及目标用户的历史访问行为,将目标用户的历史访问行为对应的候选资源中的关键词确定为目标用户关联的目标关键词,并依据目标用户的历史访问行为确定目标用户与目标关键词的相关度。
S12、依据所述目标关键词对应的相关度,从所述目标关键词中选择当前关键词。
其中,针对每一目标关键词,该目标关键词对应的相关度即目标用户与该目标关键词的相关度,当前关键词指的是当前个性化推荐过程中目标用户的关键词。
具体的,确定目标关键词对应的相关度确定目标关键词是否满足预设的推荐条件,并且满足推荐条件的目标关键词确定为当前关键词。为了进一步提高当前关键词的选择效率,可以依据目标关键词对应的相关度为目标关键词进行排序,并依据排序结果从所述目标关键词中选择当前关键词。例如,依据目标关键词对应的相关度为目标关键词进行排序,依据排序结果按照相关度由大到小的顺序依次确定对应的目标关键词是否满足推荐条件,并将满足推荐条件的目标关键词作为当前关键词,直到不满足推荐条件的目标关键词时为止。
S13、依据所述当前关键词,从所述候选资源集合包含的候选资源中选择所述目标用户关联的目标资源。
具体的,依据候选资源与关键词之间的映射关系,从所述候选资源集合包含的候选资源中选择当前关键词关联的候选资源,将选择的候选资源作为目标用户关联的目标资源。
S14、依据所述目标资源为所述目标用户进行资源推荐。
由于目标资源是依据候选资源集合中包含的候选资源以及目标用户的历史访问行为确定的,即本实施例是依据目标用户的历史访问行为为目标用户进行个性化推荐的,因而推荐结果与用户行为具有高相关度,并且无需依赖海量用户行为,适用于小体量产品。
本实施例提供的技术方案,通过依据目标用户的历史访问行为对应的候选资源,确定目标关键词,并依据历史访问行为确定目标关键词对应的相关度,随后,依据目标关键词对应的相关度确定当前关键词,依据当前关键词确定目标资源,且依据目标资源为目标用户进行资源推荐。由于该方案通过依据目标用户的历史访问行为为目标用户进行个性化推荐,推荐结果与目标用户的相关度高,并且无需依赖海量用户行为数据即可实现个性化推荐,即实现了适用于小体量产品的个性化推荐。
示例性的,依据所述目标资源为所述目标用户进行资源推荐,可以包括:
依据所述当前关键词对应的相关度,对所述目标资源进行排序,并依据排序结果为所述目标用户进行资源推荐。例如,按照相关度由大到小对目标资源进行排序,将排序在前的目标资源推荐给目标用户,或者按照相关度由小到大对目标资源进行排序,将排序在后的目标资源推荐给目标用户,从而提高推荐结果与目标用户之间的相关度。
实施例二
本实施例在上述实施例一的基础上提供了一种新的个性化推荐方法,在本实施例中目标关键词对应的相关度的确定方式作进一步限定。图2是本发明实施例二提供的个性化推荐方法的流程图。参考图2,本实施例提供的个性化推荐方法具体可以包括如下:
S21、抽取所述候选资源集合中包含的候选资源的关键词,并确定抽取的关键词与所述候选资源之间的映射关系。
在本实施例中,候选资源的关键词指的是候选资源的个性化标签信息,用于表征候选资源的特征信息,以候选资源是文本资源为例,候选资源的关键词可以是经济、文学、童话或诗歌等,以候选资源是电影资源为例,候选资源的关键词可以是悬疑、剧情、武打或科幻等。
具体的,为了进行个性化推荐,获取预先提供的候选资源集合,针对候选资源集合中包含的每一候选资源,提取该候选资源的内容特征,作为该候选资源的关键词,其中关键词可以是候选资源中出现频次高的词语以及语义相近的词语。随后,通过关键词与候选资源进行分类整合聚类,确定关键词与候选资源之间的映射关系,并且还可以通过去除数量稀少的映射关系消除噪音关键词。例如,若关键词“列夫托尔斯泰”对应的资源数量较少,则可以把关键词“列夫托尔斯泰”以及对应的映射关系剔除。
S22、依据所述目标用户的历史访问行为,确定所述目标用户历史访问的历史候选资源以及所述历史候选资源的访问量。
在本实施例中,历史候选资源指的是目标用户的历史访问行为所访问的候选资源。具体的,对于目标用户的每一种历史访问行为,确定该种历史访问行为涉及的历史候选资源以及该种历史访问行为对历史候选资源的访问量(Page View,PV)。
并且,针对每一历史候选资源,统计该历史候选资源对应的每种历史访问行为的访问量,依据每种历史访问行为的权值对各历史访问行为的访问量加权,得到该历史候选资源的访问量,其中每种历史访问行为的权重可以是经验值。例如针对任一历史候选资源的阅读行为的访问量是4,下载行为访问量是3,购买行为访问量是1,且阅读行为的权值是0.5,下载行为的权值是0.8,购物行为的权值是1,则该历史候选资源的访问量是5.4。
需要说明的是,还需剔除历史访问行为中与候选资源无关的列表切换行为,如剔除网页切换或菜单切换等与资源弱关联的行为。并且,可以通过终端设备与服务器端的会话(session)信息区别不同用户的历史访问行为。
S23、依据所述历史候选资源的访问量,确定所述目标用户与所述历史候选资源的相关度。
具体的,历史候选资源对应的相关度与历史候选资源的访问量正相关,即访问量越大的历史候选资源对应的相关度越高。
S24、依据所述历史候选资源对应的相关度,以及关键词与候选资源之间的映射关系,确定所述目标用户关联的目标关键词以及所述目标用户与所述目标关键词的相关度。
具体的,依据S21中确定的关键词与候选资源之间的映射关系,确定历史候选资源中的关键词,并将历史候选资源中的关键词作为目标用户关联的目标关键词。随后,依据历史候选资源对应的相关度,确定目标关键词对应的相关度。
S25、依据所述目标关键词对应的相关度,从所述目标关键词中选择当前关键词。
示例性的,S25、具体可以包括:依据所述目标关键词对应的相关度,确定所述目标关键词的相关度均值;若所述目标关键词对应的相关度减去所述相关度均值的结果大于相关度阈值,则确定所述目标关键词是所述当前关键词。其中相关度阈值可以是零。
S26、依据所述当前关键词,从所述候选资源集合包含的候选资源中选择所述目标用户关联的目标资源。
S27、依据所述目标资源为所述目标用户进行资源推荐。
本实施例提供的技术方案中,通过抽取候选资源的关键词建立关键词与候选资源之间的映射关系,依据目标用户的历史访问行为确定目标用户的历史候选资源以及历史候选资源的访问量,并且确定历史候选资源对应的相关度,进而确定目标关键词对应的相关度,随后,依据目标关键词对应的相关度确定当前关键词以及目标资源,并依据目标资源为目标用户进行资源推荐。由于该方案中目标关键词对应的相关度是依据目标用户的历史用户行为对历史候选资源的访问量确定的,因而推荐结果与目标用户具有高相关度。相比于现有的个性化推荐方法,本方法中个性化推荐的透明度更高,推荐结果与用户行为的相关性更强,用户对推荐由来的感知性更强,从而能提示整体的推荐体验。
实施例三
本实施例在上述实施例一和实施例二的基础上提供了一种新的个性化推荐方法。图3是本发明实施例三提供的个性化推荐方法的流程图。参考图3,本实施例提供的个性化推荐方法具体可以包括如下:
S31、依据候选资源集合包含的候选资源以及目标用户的历史访问行为,确定所述目标用户关联的目标关键词以及所述目标用户与所述目标关键词的相关度。
S32、依据所述目标关键词对应的相关度,从所述目标关键词中选择当前关键词。
S33、依据所述当前关键词,从所述候选资源集合包含的候选资源中选择所述目标用户关联的目标资源。
S34、依据所有用户的历史访问行为,确定所述目标资源的热度。
在本实施例中,所有用户指的是个性化推荐产品的所有用户,个性化推荐产品可以是小体量产品。目标资源的热度可以依据所有用户的历史访问行为对目标资源的访问量确定。
具体的,获取个性化推荐产品的所有用户的历史访问行为,以及所有用户的历史访问行为对目标资源的访问量,随后依据所有用户对目标资源的访问量确定目标资源的热度。
S35、依据所述当前关键词对应的相关度以及所述目标资源的热度,为所述目标用户进行资源推荐。
具体的,在为目标用户进行资源推荐的过程中,当前关键词对应的相关度的权值高于目标资源的热度权值,即以当前关键词对应的相关度为主,以目标资源的热度为辅,为目标用户进行资源推荐。
示例性的,S35具体可以包括:依据所述当前关键词对应的相关度,对所述目标资源排序;若任一组排序相邻的两目标资源中排序在后的目标资源的热度值减去排序在前的目标资源的热度值得到的热度差值大于热度差阈值,则交换该组相邻的两目标资源的顺序;依据重新排序的目标资源,为所述目标用户进行资源推荐。其中,热度差阈值可以是经验值。
本实施例提供的技术方案中,通过依据目标用户的历史访问行为为目标用户进行个性化推荐,无需依赖海量用户行为数据即可实现个性化推荐且推荐结果的相关性较强,并且还可以结合其他用户的历史访问行为确定目标资源的热度,并结合目标资源的热度进一步个性化推荐效果。
实施例四
图4是本发明实施例四提供的个性化推荐装置的结构图。该装置一般可适用于为用户进行个性化资源推荐的情形。参见图4,本实施例提供的个性化推荐装置的具体结构如下:
相关度确定模块41,用于依据候选资源集合包含的候选资源以及目标用户的历史访问行为,确定所述目标用户关联的目标关键词以及所述目标用户与所述目标关键词的相关度;
关键词选择模块42,用于依据所述目标关键词对应的相关度,从所述目标关键词中选择当前关键词;
资源选择模块43,用于依据所述当前关键词,从所述候选资源集合包含的候选资源中选择所述目标用户关联的目标资源;
资源推荐模块44,用于依据所述目标资源为所述目标用户进行资源推荐。
示例性的,所述相关度确定模块41可以包括:
映射关系确定单元,用于抽取所述候选资源集合中包含的候选资源的关键词,并确定抽取的关键词与所述候选资源之间的映射关系;
访问量确定单元,用于依据所述目标用户的历史访问行为,确定所述目标用户历史访问的历史候选资源以及所述历史候选资源的访问量;
资源相关度单元,用于依据所述历史候选资源的访问量,确定所述目标用户与所述历史候选资源的相关度;
关键词相关度单元,用于依据所述历史候选资源对应的相关度,以及关键词与候选资源之间的映射关系,确定所述目标用户关联的目标关键词以及所述目标用户与所述目标关键词的相关度。
示例性的,所述关键词选择模块42可以包括:
相关度均值单元,用于依据所述目标关键词对应的相关度,确定所述目标关键词的相关度均值;
当前关键词单元,用于若所述目标关键词对应的相关度减去所述相关度均值的结果大于相关度阈值,则确定所述目标关键词是所述当前关键词。
示例性的,所述资源推荐模块43具体可以用于:
依据所述当前关键词对应的相关度,对所述目标资源进行排序,并依据排序结果为所述目标用户进行资源推荐。
示例性的,所述资源推荐模块43包括:
热度确定单元,用于依据所有用户的历史访问行为,确定所述目标资源的热度;
资源推荐单元,用于依据所述当前关键词对应的相关度以及所述目标资源的热度,为所述目标用户进行资源推荐。
示例性的,所述资源推荐单元可以包括:
资源排序子单元,用于依据所述当前关键词对应的相关度,对所述目标资源排序;
顺序交换子单元,用于若任一组排序相邻的两目标资源中排序在后的目标资源的热度值减去排序在前的目标资源的热度值得到的热度差值大于热度差阈值,则交换该组相邻的两目标资源的顺序;
资源推荐子单元,用于依据重新排序的目标资源,为所述目标用户进行资源推荐。
本实施例提供的个性化推荐装置,与本发明任意实施例所提供的个性化推荐方法属于同一发明构思,可执行本发明任意实施例所提供的个性化推荐方法,具备执行基于个性化推荐方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节,可参见本发明任意实施例提供的个性化推荐方法。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (12)
1.个性化推荐方法,包括:
依据候选资源集合包含的候选资源以及目标用户的历史访问行为,确定所述目标用户关联的目标关键词以及所述目标用户与所述目标关键词的相关度;
依据所述目标关键词对应的相关度,从所述目标关键词中选择当前关键词;
依据所述当前关键词,从所述候选资源集合包含的候选资源中选择所述目标用户关联的目标资源;
依据所述目标资源为所述目标用户进行资源推荐。
2.根据权利要求1所述的方法,其中,依据候选资源集合包含的候选资源以及目标用户的历史访问行为,确定所述目标用户关联的目标关键词以及所述目标用户与所述目标关键词的相关度,包括:
抽取所述候选资源集合中包含的候选资源的关键词,并确定抽取的关键词与所述候选资源之间的映射关系;
依据所述目标用户的历史访问行为,确定所述目标用户历史访问的历史候选资源以及所述历史候选资源的访问量;
依据所述历史候选资源的访问量,确定所述目标用户与所述历史候选资源的相关度;
依据所述历史候选资源对应的相关度,以及关键词与候选资源之间的映射关系,确定所述目标用户关联的目标关键词以及所述目标用户与所述目标关键词的相关度。
3.根据权利要求1所述的方法,其中,依据所述目标关键词对应的相关度,从所述目标关键词中选择当前关键词,包括:
依据所述目标关键词对应的相关度,确定所述目标关键词的相关度均值;
若所述目标关键词对应的相关度减去所述相关度均值的结果大于相关度阈值,则确定所述目标关键词是所述当前关键词。
4.根据权利要求1所述的方法,其中,依据所述目标资源为所述目标用户进行资源推荐,包括:
依据所述当前关键词对应的相关度,对所述目标资源进行排序,并依据排序结果为所述目标用户进行资源推荐。
5.根据权利要求1所述的方法,其中,依据所述目标资源为所述目标用户进行资源推荐,包括:
依据所有用户的历史访问行为,确定所述目标资源的热度;
依据所述当前关键词对应的相关度以及所述目标资源的热度,为所述目标用户进行资源推荐。
6.根据权利要求5所述的方法,其中,依据所述当前关键词对应的相关度以及所述目标资源的热度,为所述目标用户进行资源推荐,包括:
依据所述当前关键词对应的相关度,对所述目标资源排序;
若任一组排序相邻的两目标资源中排序在后的目标资源的热度值减去排序在前的目标资源的热度值得到的热度差值大于热度差阈值,则交换该组相邻的两目标资源的顺序;
依据重新排序的目标资源,为所述目标用户进行资源推荐。
7.个性化推荐装置,包括:
相关度确定模块,用于依据候选资源集合包含的候选资源以及目标用户的历史访问行为,确定所述目标用户关联的目标关键词以及所述目标用户与所述目标关键词的相关度;
关键词选择模块,用于依据所述目标关键词对应的相关度,从所述目标关键词中选择当前关键词;
资源选择模块,用于依据所述当前关键词,从所述候选资源集合包含的候选资源中选择所述目标用户关联的目标资源;
资源推荐模块,用于依据所述目标资源为所述目标用户进行资源推荐。
8.根据权利要求7所述的装置,其中,所述相关度确定模块包括:
映射关系确定单元,用于抽取所述候选资源集合中包含的候选资源的关键词,并确定抽取的关键词与所述候选资源之间的映射关系;
访问量确定单元,用于依据所述目标用户的历史访问行为,确定所述目标用户历史访问的历史候选资源以及所述历史候选资源的访问量;
资源相关度单元,用于依据所述历史候选资源的访问量,确定所述目标用户与所述历史候选资源的相关度;
关键词相关度单元,用于依据所述历史候选资源对应的相关度,以及关键词与候选资源之间的映射关系,确定所述目标用户关联的目标关键词以及所述目标用户与所述目标关键词的相关度。
9.根据权利要求7所述的装置,其中,所述关键词选择模块包括:
相关度均值单元,用于依据所述目标关键词对应的相关度,确定所述目标关键词的相关度均值;
当前关键词单元,用于若所述目标关键词对应的相关度减去所述相关度均值的结果大于相关度阈值,则确定所述目标关键词是所述当前关键词。
10.根据权利要求7所述的装置,其中,所述资源推荐模块具体用于:
依据所述当前关键词对应的相关度,对所述目标资源进行排序,并依据排序结果为所述目标用户进行资源推荐。
11.根据权利要求7所述的装置,其中,所述资源推荐模块包括:
热度确定单元,用于依据所有用户的历史访问行为,确定所述目标资源的热度;
资源推荐单元,用于依据所述当前关键词对应的相关度以及所述目标资源的热度,为所述目标用户进行资源推荐。
12.根据权利要求11所述的装置,其中,所述资源推荐单元包括:
资源排序子单元,用于依据所述当前关键词对应的相关度,对所述目标资源排序;
顺序交换子单元,用于若任一组排序相邻的两目标资源中排序在后的目标资源的热度值减去排序在前的目标资源的热度值得到的热度差值大于热度差阈值,则交换该组相邻的两目标资源的顺序;
资源推荐子单元,用于依据重新排序的目标资源,为所述目标用户进行资源推荐。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610945552.9A CN107992487A (zh) | 2016-10-26 | 2016-10-26 | 个性化推荐方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610945552.9A CN107992487A (zh) | 2016-10-26 | 2016-10-26 | 个性化推荐方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107992487A true CN107992487A (zh) | 2018-05-04 |
Family
ID=62028239
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610945552.9A Pending CN107992487A (zh) | 2016-10-26 | 2016-10-26 | 个性化推荐方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107992487A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110309427A (zh) * | 2018-05-31 | 2019-10-08 | 腾讯科技(深圳)有限公司 | 一种对象推荐方法、装置及存储介质 |
CN113779368A (zh) * | 2020-06-23 | 2021-12-10 | 北京沃东天骏信息技术有限公司 | 信息推送方法、装置及设备 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102663627A (zh) * | 2012-04-26 | 2012-09-12 | 焦点科技股份有限公司 | 个性化推荐方法 |
CN104216881A (zh) * | 2013-05-29 | 2014-12-17 | 腾讯科技(深圳)有限公司 | 一种个性化标签的推荐方法及装置 |
-
2016
- 2016-10-26 CN CN201610945552.9A patent/CN107992487A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102663627A (zh) * | 2012-04-26 | 2012-09-12 | 焦点科技股份有限公司 | 个性化推荐方法 |
CN104216881A (zh) * | 2013-05-29 | 2014-12-17 | 腾讯科技(深圳)有限公司 | 一种个性化标签的推荐方法及装置 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110309427A (zh) * | 2018-05-31 | 2019-10-08 | 腾讯科技(深圳)有限公司 | 一种对象推荐方法、装置及存储介质 |
CN110309427B (zh) * | 2018-05-31 | 2023-03-10 | 腾讯科技(深圳)有限公司 | 一种对象推荐方法、装置及存储介质 |
CN113779368A (zh) * | 2020-06-23 | 2021-12-10 | 北京沃东天骏信息技术有限公司 | 信息推送方法、装置及设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103823908B (zh) | 基于用户偏好的内容推荐方法和服务器 | |
WO2021042826A1 (zh) | 一种视频播放完整度预测方法及装置 | |
WO2017096877A1 (zh) | 一种推荐方法和装置 | |
CN104598518B (zh) | 一种内容的推送方法和装置 | |
CN105488233A (zh) | 阅读信息推荐方法和系统 | |
US11113315B2 (en) | Search keyword generation | |
CN101431485A (zh) | 一种自动推荐互联网上信息的方法及系统 | |
KR101869815B1 (ko) | 집단지성을 이용한 뉴스 판단 방법 및 장치 | |
JP2008502028A (ja) | リコメンデーションを作成する方法及びシステム | |
CN106326391A (zh) | 多媒体资源推荐方法及装置 | |
CN102084645B (zh) | 关联场景赋予装置以及关联场景赋予方法 | |
Gulla et al. | Implicit user profiling in news recommender systems | |
CN108304422A (zh) | 一种媒体搜索词推送方法和装置 | |
Gao et al. | Genius: generic user modeling library for the social semantic web | |
CN106156351B (zh) | 多媒体资源推荐信息生成方法及装置 | |
CN109918678A (zh) | 一种字段含义识别方法和装置 | |
CN102054112A (zh) | 推荐游戏的系统、方法及目录服务器 | |
CN115640470A (zh) | 一种推荐方法及电子设备 | |
Zhang et al. | A novel social situation analytics-based recommendation algorithm for multimedia social networks | |
CN107992487A (zh) | 个性化推荐方法及装置 | |
KR101976056B1 (ko) | 추천 시스템 및 추천 방법 | |
KR101976816B1 (ko) | SaaS 어플리케이션 연동 서비스의 제공장치 및 그 제공방법 | |
TW201933231A (zh) | 物品間關係探勘及推薦方法、裝置、計算設備、儲存媒體 | |
KR20110022834A (ko) | 관심도 기반 태그 맵 서비스 시스템 및 방법 | |
CN116823410B (zh) | 数据处理方法、对象处理方法、推荐方法及计算设备 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180504 |
|
RJ01 | Rejection of invention patent application after publication |