CN108197211A - 一种信息推荐方法、装置、服务器和存储介质 - Google Patents
一种信息推荐方法、装置、服务器和存储介质 Download PDFInfo
- Publication number
- CN108197211A CN108197211A CN201711460241.4A CN201711460241A CN108197211A CN 108197211 A CN108197211 A CN 108197211A CN 201711460241 A CN201711460241 A CN 201711460241A CN 108197211 A CN108197211 A CN 108197211A
- Authority
- CN
- China
- Prior art keywords
- current
- user
- client
- current user
- information
- 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 44
- 230000006399 behavior Effects 0.000 claims description 89
- 238000004590 computer program Methods 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 4
- 238000012163 sequencing technique Methods 0.000 claims description 2
- 230000003287 optical effect Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 238000013475 authorization Methods 0.000 description 2
- 230000003203 everyday effect Effects 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 239000002537 cosmetic Substances 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Transfer Between Computers (AREA)
Abstract
本发明实施例公开了一种信息推荐方法、装置、服务器和存储介质,该方法包括:当确定当前用户冷启动当前客户端时,获取所述当前用户在所述当前客户端的关联客户端中的历史行为日志;根据所述当前用户在所述关联客户端中的历史行为日志确定所述当前用户的当前推荐信息;将所述当前推荐信息通过所述当前客户端推荐给所述当前用户。本发明实施例提出的信息推荐方法、装置、服务器及存储介质,当用户冷启动客户端时,可以向其推荐较为准确的信息,无需用户注册或者授权相关权限,从而可以提高信息推荐的准确度,降低信息推荐的复杂度;并且,本发明实施例的技术方案实现简单方便、便于普及,适用范围更广。
Description
技术领域
本发明实施例涉及互联网技术领域,尤其涉及一种信息推荐方法、装置、服务器和存储介质。
背景技术
随着信息技术和互联网的快速发展,终端上可以安装各种各样的应用程序来满足用户的需求。为了提高用户的使用体验,带动且便于用户进一步使用应用程序,针对用户兴趣提供个性化的推荐变得尤为重要。
当用户冷启动某一应用程序的客户端时,该用户作为此客户端的新用户,在此客户端中没有历史数据,系统进而无法根据该用户的历史数据进行信息推荐。在现有技术中,通常采用以下三种方法向新用户推荐信息:第一、基于非个性化的信息推荐,即向新用户推荐全局热门信息;第二、根据用户的注册信息进行粗粒度的推荐,即根据用户注册时提供的年龄、性别等信息向用户进行推荐;第三、根据用户的登录信息推荐其好友感兴趣的信息,即在用户授权的前提下,向用户推荐其好友感兴趣的信息。
然而采用上述第一种信息推荐方法,只能向用户推荐非个性化信息,推荐内容不够准确,推荐效果较差;采用上述第二种或者第三种信息推荐方法,需要用户注册或者授权,推荐流程复杂,而且其推荐内容和用户感兴趣的内容可能存在较大差异,推荐内容也不够准确。
发明内容
有鉴于此,本发明实施例提供了一种信息推荐方法、装置、服务器和存储介质,可以提高信息推荐的准确度,降低信息推荐的复杂度。
第一方面,本发明实施例提供了一种信息推荐方法,所述方法包括:
当确定当前用户冷启动当前客户端时,获取所述当前用户在所述当前客户端的关联客户端中的历史行为日志;
根据所述当前用户在所述关联客户端中的历史行为日志确定所述当前用户的当前推荐信息;
将所述当前推荐信息通过所述当前客户端推荐给所述当前用户。
第二方面,本发明实施例提供了一种信息推荐装置,所述装置包括:获取模块、确定模块和推荐模块;其中,
所述获取模块,用于当确定当前用户冷启动当前客户端时,获取所述当前用户在所述当前客户端的关联客户端中的历史行为日志;
所述确定模块,用于根据所述当前用户在所述关联客户端中的历史行为日志确定所述当前用户的当前推荐信息;
所述推荐模块,用于将所述当前推荐信息通过所述当前客户端推荐给所述当前用户。
第三方面,本发明实施例提供了一种服务器,包括:
一个或多个处理器;
存储器,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现本发明任意实施例所述的信息推荐方法。
第四方面,本发明实施例提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现本发明任意实施例所述的信息推荐方法。
本发明实施例提出了一种信息推荐方法、装置、服务器及存储介质,当确定当前用户冷启动当前客户端时,先获取当前用户在其关联客户端中的历史行为日志;再根据当前用户在关联客户端中的历史行为日志确定当前用户的当前推荐信息;然后将当前推荐信息通过当前客户端推荐给当前用户。也就是说,在本发明的具体实施例中,可以根据当前用户在当前客户端的关联客户端中的历史行为日志向当前用户推荐较为准确的信息。而现有的信息推荐方法,当用户冷启动客户端时,只能向用户推荐非个性化信息、粗粒度的信息或者其好友感兴趣的信息。因此,和现有技术相比,本发明实施例提出的信息推荐方法、装置、服务器及存储介质,当用户冷启动客户端时,可以向其推荐较为准确的信息,无需用户注册或者授权相关权限,从而可以提高信息推荐的准确度,降低信息推荐的复杂度;并且,本发明实施例的技术方案实现简单方便、便于普及,适用范围更广。
附图说明
图1为本发明实施例一提供的一种信息推荐方法的流程图;
图2为本发明实施例二提供的一种信息推荐方法的流程图;
图3为本发明实施例三提供的一种信息推荐装装置的结构示意图;
图4为本发明实施例四提供的一种服务器的结构示意图。
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为本发明实施例一提供的一种信息推荐方法的流程图,本实施例可适用于客户端冷启动时向新用户推荐信息的情况,该方法可由信息推荐装置来执行。该方法具体包括如下步骤:
S110、当确定当前用户冷启动当前客户端时,获取当前用户在当前客户端的关联客户端中的历史行为日志。
在本发明实施例的具体实施例中,冷启动是指新用户对当前客户端进行的首次启动。在冷启动的情况下,由于用户是首次使用当前客户端,因此当前客户端中没有存储任何有关该新用户的信息。关联客户端是指通过一定的方式与当前客户端进行关联的客户端,因此当前客户端可以与关联客户端之间进行信息的共享。例如,通过同一社交账号登录当前客户端,当前客户端可以通过该社交账号对应的关联客户端获得当前用户的相关信息。又例如,当前客户端与关联客户端通过合作关系进行关联,即使当前用户首次使用当前客户端,仍然可以通过当前用户在关联客户端中的登录账号登录当前客户端,也就可以在首次使用当前客户端时,获得关联客户端中任何关于当前用户的信息。
在客户端冷启动的情况下为用户推荐个性化的信息是当前研究的重点和难点。由于为用户提供推荐信息的关键在于掌握用户感兴趣的内容,因此在冷启动的情况下获知用户的历史操作行为变得至关重要。客户端中用户的历史行为日志记录了用户使用该客户端时所有的操作行为以及行为发生的时间,例如用户在某时某刻进行了搜索行为、点击行为和浏览行为等。
S120、根据当前用户在关联客户端中的历史行为日志确定当前用户的当前推荐信息。
在本发明实施例的具体实施例中,客户端中用户的历史行为日志记录了用户使用该客户端时所有的操作行为以及行为发生的时间,例如用户在某时某刻进行了搜索行为、点击行为和浏览行为等。这些历史操作行为充分反映了用户在某一时间所关注的内容,因此根据各历史操作行为的发生时间对各历史操作行为进行分析,可以总结出用户长期或近期感兴趣的内容,从而根据用户所感兴趣的内容为用户提供个性化的推荐信息。
示例性的,当前用户使用自己的账号在百度浏览器中经常进行搜索操作,例如当前用户近期每天都对某一电视剧进行搜索和观看。假设爱奇艺视频播放器与百度浏览器进行合作,因此百度浏览器可以作为爱奇艺视频播放器的关联客户端。当当前用户采用同一账号首次登录爱奇艺视频播放器时,爱奇艺视频播放器根据用户在百度浏览器中的历史行为日志,对当前用户的搜索行为和观看行为进行分析,即可以获知当前用户近期对某一电视剧的搜索和观看较为频繁,该电视剧是当前用户感兴趣的电视剧。进而为用户优先推荐该电视剧,便于用户的查找和观看。
优选的,根据当前用户在关联客户端中的历史行为日志预测当前用户的用户画像;根据当前用户的用户画像确定当前用户的当前推荐信息。
在本发明实施例的具体实施例中,用户画像是真实用户的虚拟代表,作为一种勾画目标用户、联系用户诉求与设计方向的有效工具,在实际操作的过程中往往会以最为浅显和贴近生活的话语将用户的属性、行为与期待联结起来。在本实施例中,用户画像是由当前用户在关联客户端中的历史行为日志预测出来的,例如可以描绘出当前用户的属性包括年龄、性别、职业和教育背景等属性信息;可以记录用户的操作行为包括搜索行为、点击行为和浏览行为等操作行为;还可以根据上述信息分析和总结出用户感兴趣的内容。根据当前用户的用户画像,能够将用户自身的属性、行为和兴趣点有效地结合起来,为用户提供更加有针对性的个性化推荐信息。
S130、将当前推荐信息通过当前客户端推荐给当前用户。
在本发明实施例的具体实施例中,在当前用户冷启动当前客户端的情况下,当前客户端根据关联客户端中当前用户的历史行为日志,预测当前用户的用户画像,并根据当前用户的用户画像可以获得多个当前推荐信息,因此根据各推荐信息与用户画像的匹配程度,可以按照匹配程度由高到低的顺序将推荐信息通过当前客户端推荐给当前用户,以便用户优先获得最为匹配的推荐信息。
示例性的,在上述示例中,若当前用户近期每天都在搜索偶像剧A并进行观看,每周末都会搜索综艺节目B进行观看,时常还会搜索化妆品的相关信息。因此,当当前用户采用同一账号首次登录爱奇艺视频播放器时,爱奇艺视频播放器根据当前用户在百度浏览器中的历史行为日志,对当前用户的历史行为日志进行分析,可以预测出当前用户的用户画像为一个喜欢偶像剧和综艺节目的年轻女性。进而,在当前用户冷启动爱奇艺视频播放器的时候,为当前用户提供的推荐信息可以包括偶像剧A、综艺节目B、美妆视频以及和以上相关的视频内容。根据各推荐信息与当前用户的匹配度,在众多推荐信息中首先将偶像剧A推荐给当前用户,其次是综艺节目B和美妆视频,最后推荐其他相关视频内容。
本发明实施例提出了一种信息推荐方法、装置、服务器及存储介质,当确定当前用户冷启动当前客户端时,先获取当前用户在其关联客户端中的历史行为日志;再根据当前用户在关联客户端中的历史行为日志确定当前用户的当前推荐信息;然后将当前推荐信息通过当前客户端推荐给当前用户。也就是说,在本发明的具体实施例中,可以根据当前用户在当前客户端的关联客户端中的历史行为日志向当前用户推荐较为准确的信息。而现有的信息推荐方法,当用户冷启动客户端时,只能向用户推荐非个性化信息、粗粒度的信息或者其好友感兴趣的信息。因此,和现有技术相比,本发明实施例提出的信息推荐方法、装置、服务器及存储介质,当用户冷启动客户端时,可以向其推荐较为准确的信息,无需用户注册或者授权相关权限,从而可以提高信息推荐的准确度,降低信息推荐的复杂度;并且,本发明实施例的技术方案实现简单方便、便于普及,适用范围更广。
实施例二
本实施例在上述实施例一的基础上,提供了信息推荐方法的一个优选实施方式,能够根据关联客户端中的历史行为日志预测当前用户的用户画像,根据用户画像确定推荐信息。图2为本发明实施例二提供的一种信息推荐方法的流程图,如图2所示,该方法包括以下具体步骤:
步骤210、当确定当前用户冷启动当前客户端时,获取当前用户在当前客户端的关联客户端中的历史行为日志。
在本发明实施例的具体实施例中,由于为用户提供推荐信息的关键在于掌握用户感兴趣的内容,因此在冷启动的情况下获知用户的历史操作行为变得至关重要。关联客户端中用户的历史行为日志记录了用户使用该客户端时所有的操作行为以及行为发生的时间,例如用户在某时某刻进行了搜索行为、点击行为和浏览行为等。通过对当前客户端的关联客户端中历史行为日志的获取,有助于当前客户端分析和总结当前用户的用户信息和需求,有利于为用户提供符合用户兴趣倾向的推荐信息。
步骤220、提取历史行为日志的特征词。
在本发明实施例的具体实施例中,历史行为日志不但记录了用户的操作行为,还可以记录了操作行为对应的操作内容和时间。历史行为日志的特征词可以理解为是能够描述一个完整操作行为的具有代表性的精简的词语,利于信息的存储、查找和匹配。
优选的,确定关联客户端的客户端类型;其中,客户端类型包括但不限于以下类型:搜索引擎类客户端、社交网站类客户端、阅读分享类客户端、娱乐游戏类客户端以及购物消费类客户端;根据所述关联客户端的客户端类型对应的提取方法提取历史行为日志的特征词。
在本发明实施例的具体实施例中,客户端的类型在很大程度上描述了当前用户的属性信息,由于各类客户端的用户使用方式不同,因此对不同类型的客户端采用不同的特征词提取方法。例如,根据当前用户在搜索引擎类客户端的搜索内容和频率,根据当前用户在社交网站类客户端所关注的内容和社交网站的使用频率,可以预测出当前用户的年龄阶段、职业、性别以及感兴趣的内容等信息。针对不同类型的客户端采用对应的特征词提取方法,便于对用户画像的预测,提高预测的准确度。
步骤230、根据提取出的特征词预测当前用户在预先设置的各个领域的每个类别中的分类概率。
在本发明实施例的具体实施例中,在每个领域中都包含了多个类别,例如职业领域中可以分为程序员、护士、教师等职业类别。用户历史行为日志中的特征词可能涵盖了一个领域中的多个类型,因此全面且毫无遗漏地统计各个领域中每个类别的分类概率,便于清晰地描绘出用户画像。
示例性的,职业领域中包含多种职业类别。根据从用户的历史行为日志中提取的特征词获知,假设在100次的当前用户的搜索行为中,存在60次搜索行为对应的搜索内容为程序代码编写类的疑问解答,存在18次搜索行为对应的搜索内容为足球新闻,存在12次搜索行为对应的搜索内容为育儿经验,还有10次搜索行为对应零散的搜索内容。根据特征词程序代码编写、足球新闻、育儿经验以及对应的搜索频次,可以预测当前用户的职业为程序员的概率为60%,足球运动员的概率为18%,幼儿教师的概率为12%。
步骤240、根据当前用户在每个类别中的分类概率确定当前用户的用户画像。
在本发明实施例的具体实施例中,全面且毫无遗漏地统计各个领域中每个类别的分类概率,可以选取各个领域中概率最大的类别并结合领域特征来描述用户画像,便于清晰地描绘出用户画像。
示例性的,在上述示例的职业领域中,由于每个人的工作时间占据了自己大部分的时间,因此可以确定当前用户的用户画像中的职业为程序员。而其他搜索内容反映了当前用户的业余爱好和生活状态,例如可以分析出当前用户为一个喜欢足球运动的年轻父亲。
步骤250、根据当前用户画像计算当前用户与各个待推荐信息的匹配度。
在本发明实施例的具体实施例中,根据用户画像可以获得多个待推荐信息,当待推荐信息较多的情况下,可以对待推荐信息进行进一步的筛选。因此,可以通过计算各个待推荐信息与用户画像的匹配程度来进行筛选,例如可以计算待推荐信息与用户画像中各个特征词的相似度,将同一待推荐信息与各个特征词的相似度之和作为该待推荐信息与用户画像的匹配度。
步骤260、根据当前用户与各个待推荐信息的匹配度确定当前用户的当前推荐信息。
在本发明实施例的具体实施例中,待推荐信息的匹配度越高代表该待推荐信息越符合用户的兴趣倾向或用户需求,因此可以筛选出匹配度较高的待推荐信息作为可以推荐给用户的当前推荐信息。
步骤270、根据当前用户与各个当前推荐信息的匹配度对全部当前推荐信息进行排序。
在本发明实施例的具体实施例中,信息的推荐应该按照符合用户的兴趣倾向或用户需求程度进行有顺序性的推荐,进而可以使用户优先获得匹配度最高的推荐信息,因此在信息推荐前,将全部的当前推荐信息按照匹配程度由高到低的顺序进行排序。
步骤280、将排序后的当前推荐信息通过当前客户端推荐给当前用户。
在本发明实施例的具体实施例中,在当前用户冷启动当前客户端的情况下,当前客户端根据关联客户端中当前用户的历史行为日志,预测当前用户的用户画像,并根据当前用户的用户画像可以获得多个当前推荐信息,因此根据各推荐信息与用户画像的匹配程度,可以按照匹配程度由高到低的顺序将推荐信息通过当前客户端推荐给当前用户,以便用户优先获得最为匹配的推荐信息。
本发明实施例提出了一种信息推荐方法、装置、服务器及存储介质,可以提取当前用户在冷启动的当前客户端的关联客户端的历史行为日志中的特征词,以此确定当前用户的用户画像;并根据用户画像确定推荐信息,根据推荐信息的匹配度筛选出当前推荐信息,并按照匹配度由高到低的顺序推荐给用户,向当前用户推荐较为准确的信息。本发明实施例提出的信息推荐方法、装置、服务器及存储介质,当用户冷启动客户端时,可以向其推荐较为准确的信息,无需用户注册或者授权相关权限,从而可以提高信息推荐的准确度,降低信息推荐的复杂度;并且,本发明实施例的技术方案实现简单方便、便于普及,适用范围更广。
实施例三
图3为本发明实施例三提供的一种信息推荐装置的结构示意图,本实施例可适用于客户端冷启动时向新用户推荐信息的情况,该装置可实现本发明任意实施例所述的信息推荐方法。该装置具体包括:
获取模块310,用于当确定当前用户冷启动当前客户端时,获取所述当前用户在所述当前客户端的关联客户端中的历史行为日志;
确定模块320,用于根据所述当前用户在所述关联客户端中的历史行为日志确定所述当前用户的当前推荐信息;
推荐模块330,用于将所述当前推荐信息通过所述当前客户端推荐给所述当前用户。
进一步的,所述确定模块320包括:
所述预测单元3201,用于根据所述当前用户在所述关联客户端中的历史行为日志预测所述当前用户的用户画像;
所述确定单元3202,用于根据所述当前用户的用户画像确定所述当前用户的当前推荐信息。
优选的,所述预测单元3201,具体用于提取所述历史行为日志的特征词;根据提取出的特征词预测所述当前用户在预先设置的各个领域的每个类别中的分类概率;根据所述当前用户在每个类别中的分类概率确定所述当前用户的用户画像。
优选的,所述确定单元3202,具体用于根据所述当前用户画像计算所述当前用户与各个待推荐信息的匹配度;根据所述当前用户与各个待推荐信息的匹配度确定所述当前用户的当前推荐信息。
进一步的,所述推荐模块330包括:
所述排序单元3301,用于根据所述当前用户与各个当前推荐信息的匹配度对全部当前推荐信息进行排序;
所述推荐单元3302,用于将排序后的当前推荐信息通过所述当前客户端推荐给所述当前用户。
本实施例的技术方案,通过各个模块间的相互配合,实现了关联客户端中的历史行为日志的获取、用户画像的预测以及推荐信息的匹配和推荐。当用户冷启动客户端时,可以向其推荐较为准确的信息,无需用户注册或者授权相关权限,从而可以提高信息推荐的准确度,降低信息推荐的复杂度;并且,本发明实施例的技术方案实现简单方便、便于普及,适用范围更广。
实施例四
图4为本发明实施例四提供的一种服务器的结构示意图,图4示出了适于用来实现本发明实施例实施方式的示例性服务器的框图。图4显示的服务器仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
图4显示的服务器12仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图4所示,服务器12以通用计算设备的形式表现。服务器12的组件可以包括但不限于:一个或者多个处理器或者处理单元16,系统存储器28,连接不同系统组件(包括系统存储器28和处理单元16)的总线18。
总线18表示几类总线结构中的一种或多种,包括存储器总线或者存储器控制器,外围总线,图形加速端口,处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说,这些体系结构包括但不限于工业标准体系结构(ISA)总线,微通道体系结构(MAC)总线,增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。
服务器12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被服务器12访问的可用介质,包括易失性和非易失性介质,可移动的和不可移动的介质。
系统存储器28可以包括易失性存储器形式的计算机系统可读介质,例如随机存取存储器(RAM)30和/或高速缓存存储器32。服务器12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例,存储系统34可以用于读写不可移动的、非易失性磁介质(图4未显示,通常称为“硬盘驱动器”)。尽管图4中未示出,可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器,以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下,每个驱动器可以通过一个或者多个数据介质接口与总线18相连。存储器28可以包括至少一个程序产品,该程序产品具有一组(例如至少一个)程序模块,这些程序模块被配置以执行本发明实施例各实施例的功能。
具有一组(至少一个)程序模块42的程序/实用工具40,可以存储在例如存储器28中,这样的程序模块42包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本发明实施例所描述的实施例中的功能和/或方法。
服务器12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信,还可与一个或者多个使得用户能与该服务器12交互的设备通信,和/或与使得该服务器12能与一个或多个其它计算设备进行通信的任何设备(例如网卡,调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口22进行。并且,服务器12还可以通过网络适配器20与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器20通过总线18与服务器12的其它模块通信。应当明白,尽管图中未示出,可以结合服务器12使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
处理单元16通过运行存储在系统存储器28中的程序,从而执行各种功能应用以及数据处理,例如实现本发明实施例所提供的信息推荐方法。
实施例五
本发明实施例五还提供一种计算机可读存储介质,其上存储有计算机程序(或称为计算机可执行指令),该程序被处理器执行时用于执行一种信息推荐方法,该方法包括:
当确定当前用户冷启动当前客户端时,获取所述当前用户在所述当前客户端的关联客户端中的历史行为日志;
根据所述当前用户在所述关联客户端中的历史行为日志确定所述当前用户的当前推荐信息;
将所述当前推荐信息通过所述当前客户端推荐给所述当前用户。
本发明实施例的计算机存储介质,可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括——但不限于无线、电线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明实施例操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如”C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
注意,上述仅为本发明实施例的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明实施例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实施例的保护范围。因此,虽然通过以上实施例对本发明实施例进行了较为详细的说明,但是本发明实施例不仅仅限于以上实施例,在不脱离本发明实施例构思的情况下,还可以包括更多其他等效实施例,而本发明实施例的范围由所附的权利要求范围决定。
Claims (13)
1.一种信息推荐方法,其特征在于,所述方法包括:
当确定当前用户冷启动当前客户端时,获取所述当前用户在所述当前客户端的关联客户端中的历史行为日志;
根据所述当前用户在所述关联客户端中的历史行为日志确定所述当前用户的当前推荐信息;
将所述当前推荐信息通过所述当前客户端推荐给所述当前用户。
2.根据权利要求1所述的方法,其特征在于,所述根据所述当前用户在所述关联客户端中的历史行为日志确定所述当前用户的当前推荐信息,包括:
根据所述当前用户在所述关联客户端中的历史行为日志预测所述当前用户的用户画像;
根据所述当前用户的用户画像确定所述当前用户的当前推荐信息。
3.根据权利要求2所述的方法,其特征在于,所述根据所述当前用户在所述关联客户端中的历史行为日志预测所述当前用户的用户画像,包括:
提取所述历史行为日志的特征词;
根据提取出的特征词预测所述当前用户在预先设置的各个领域的每个类别中的分类概率;
根据所述当前用户在每个类别中的分类概率确定所述当前用户的用户画像。
4.根据权利要求3所述的方法,其特征在于,所述提取所述历史行为日志的特征词,包括:
确定所述关联客户端的客户端类型;其中,所述客户端类型包括但不限于以下类型:搜索引擎类客户端、社交网站类客户端、阅读分享类客户端、娱乐游戏类客户端以及购物消费类客户端;
根据所述关联客户端的客户端类型对应的提取方法提取所述历史行为日志的特征词。
5.根据权利要求2所述的方法,其特征在于,所述根据所述当前用户的用户画像确定所述当前用户的当前推荐信息,包括:
根据所述当前用户画像计算所述当前用户与各个待推荐信息的匹配度;
根据所述当前用户与各个待推荐信息的匹配度确定所述当前用户的当前推荐信息。
6.根据权利要求5所述的方法,其特征在于,所述将所述当前推荐信息通过所述当前客户端推荐给所述当前用户,包括:
根据所述当前用户与各个当前推荐信息的匹配度对全部当前推荐信息进行排序;
将排序后的当前推荐信息通过所述当前客户端推荐给所述当前用户。
7.一种信息推荐装置,其特征在于,所述装置包括:获取模块、确定模块和推荐模块;其中,
所述获取模块,用于当确定当前用户冷启动当前客户端时,获取所述当前用户在所述当前客户端的关联客户端中的历史行为日志;
所述确定模块,用于根据所述当前用户在所述关联客户端中的历史行为日志确定所述当前用户的当前推荐信息;
所述推荐模块,用于将所述当前推荐信息通过所述当前客户端推荐给所述当前用户。
8.根据权利要求7所述的装置,其特征在于,所述确定模块包括:预测单元和确定单元;其中,
所述预测单元,用于根据所述当前用户在所述关联客户端中的历史行为日志预测所述当前用户的用户画像;
所述确定单元,用于根据所述当前用户的用户画像确定所述当前用户的当前推荐信息。
9.根据权利要求8所述的装置,其特征在于:
所述预测单元,具体用于提取所述历史行为日志的特征词;根据提取出的特征词预测所述当前用户在预先设置的各个领域的每个类别中的分类概率;根据所述当前用户在每个类别中的分类概率确定所述当前用户的用户画像。
10.根据权利要求8所述的装置,其特征在于:
所述确定单元,具体用于根据所述当前用户画像计算所述当前用户与各个待推荐信息的匹配度;根据所述当前用户与各个待推荐信息的匹配度确定所述当前用户的当前推荐信息。
11.根据权利要求10所述的装置,其特征在于,所述推荐模块包括:排序单元和推荐单元;其中,
所述排序单元,用于根据所述当前用户与各个当前推荐信息的匹配度对全部当前推荐信息进行排序;
所述推荐单元,用于将排序后的当前推荐信息通过所述当前客户端推荐给所述当前用户。
12.一种服务器,其特征在于,包括:
一个或多个处理器;
存储器,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1至6中任一项所述的信息推荐方法。
13.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1至6中任一项所述的信息推荐方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711460241.4A CN108197211A (zh) | 2017-12-28 | 2017-12-28 | 一种信息推荐方法、装置、服务器和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711460241.4A CN108197211A (zh) | 2017-12-28 | 2017-12-28 | 一种信息推荐方法、装置、服务器和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108197211A true CN108197211A (zh) | 2018-06-22 |
Family
ID=62585393
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711460241.4A Pending CN108197211A (zh) | 2017-12-28 | 2017-12-28 | 一种信息推荐方法、装置、服务器和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108197211A (zh) |
Cited By (37)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109189817A (zh) * | 2018-08-20 | 2019-01-11 | 深圳市彬讯科技有限公司 | 推荐对象生成方法、装置、设备及介质 |
CN109241408A (zh) * | 2018-08-14 | 2019-01-18 | 深圳开黑科技有限公司 | 基于游戏陪玩平台的用户画像处理方法、设备及系统 |
CN109446407A (zh) * | 2018-09-18 | 2019-03-08 | 深圳壹账通智能科技有限公司 | 关联推荐方法、装置、计算机设备和存储介质 |
CN109493199A (zh) * | 2019-01-04 | 2019-03-19 | 深圳壹账通智能科技有限公司 | 产品推荐方法、装置、计算机设备和存储介质 |
CN109618231A (zh) * | 2018-11-15 | 2019-04-12 | 深圳市酷开网络科技有限公司 | 一种基于冷启动的影视内容推荐方法及系统 |
CN109783741A (zh) * | 2019-01-31 | 2019-05-21 | 北京百度网讯科技有限公司 | 用于推送信息的方法和装置 |
CN110009397A (zh) * | 2019-03-11 | 2019-07-12 | 深圳前海微众银行股份有限公司 | 一种精准营销的方法及装置 |
CN110275952A (zh) * | 2019-05-08 | 2019-09-24 | 平安科技(深圳)有限公司 | 基于用户短期兴趣的新闻推荐方法、装置及介质 |
CN110334283A (zh) * | 2018-08-27 | 2019-10-15 | 腾讯科技(北京)有限公司 | 信息推荐方法、装置、服务器及存储介质 |
CN110489662A (zh) * | 2019-08-05 | 2019-11-22 | 北京字节跳动网络技术有限公司 | 一种多人信息同步推荐方法、装置、介质和电子设备 |
CN110516159A (zh) * | 2019-08-30 | 2019-11-29 | 北京字节跳动网络技术有限公司 | 一种信息推荐方法、装置、电子设备及存储介质 |
CN110858231A (zh) * | 2018-08-07 | 2020-03-03 | 北京京东尚科信息技术有限公司 | 一种物品推荐方法和装置 |
CN111256320A (zh) * | 2018-11-30 | 2020-06-09 | 广东美的制冷设备有限公司 | 温度控制方法、空气调节设备及其控制设备、存储介质 |
CN111256325A (zh) * | 2018-11-30 | 2020-06-09 | 广东美的制冷设备有限公司 | 温度控制方法、空气调节设备及控制设备和存储介质 |
CN111256324A (zh) * | 2018-11-30 | 2020-06-09 | 广东美的制冷设备有限公司 | 温度控制方法、空气调节设备及移动控制设备和存储介质 |
CN111256296A (zh) * | 2018-11-30 | 2020-06-09 | 广东美的制冷设备有限公司 | 温度控制方法、同步控制终端、空气调节设备及存储介质 |
CN111256328A (zh) * | 2018-11-30 | 2020-06-09 | 广东美的制冷设备有限公司 | 温度控制方法、电子设备、空气调节设备、存储介质 |
CN111256348A (zh) * | 2018-11-30 | 2020-06-09 | 广东美的制冷设备有限公司 | 温度控制方法、空气调节设备及其控制设备、存储介质 |
CN111256298A (zh) * | 2018-11-30 | 2020-06-09 | 广东美的制冷设备有限公司 | 温度控制方法、空气调节设备及其控制设备、存储介质 |
CN111256307A (zh) * | 2018-11-30 | 2020-06-09 | 广东美的制冷设备有限公司 | 温度控制方法、空气调节设备及控制设备和存储介质 |
CN111256297A (zh) * | 2018-11-30 | 2020-06-09 | 广东美的制冷设备有限公司 | 温度控制方法、空气调节设备及其控制设备、存储介质 |
CN111256306A (zh) * | 2018-11-30 | 2020-06-09 | 广东美的制冷设备有限公司 | 温度控制方法、空气调节设备及其控制设备、存储介质 |
CN111256347A (zh) * | 2018-11-30 | 2020-06-09 | 广东美的制冷设备有限公司 | 推荐端、接收端、舒适温区的推送方法和存储介质 |
CN111256319A (zh) * | 2018-11-30 | 2020-06-09 | 广东美的制冷设备有限公司 | 空气调节设备及其控制方法、控制设备、存储介质 |
CN111339406A (zh) * | 2020-02-17 | 2020-06-26 | 北京百度网讯科技有限公司 | 个性化推荐方法、装置、设备及存储介质 |
CN111383040A (zh) * | 2018-12-28 | 2020-07-07 | 百度在线网络技术(北京)有限公司 | 一种身份属性的识别方法、装置、电子设备及存储介质 |
CN111729319A (zh) * | 2020-08-10 | 2020-10-02 | 成都卓杭网络科技股份有限公司 | 一种游戏玩家的社交推荐方法及装置 |
CN111737501A (zh) * | 2020-06-22 | 2020-10-02 | 北京百度网讯科技有限公司 | 一种内容推荐方法及装置、电子设备、存储介质 |
CN111738789A (zh) * | 2019-08-02 | 2020-10-02 | 北京京东尚科信息技术有限公司 | 一种物品信息推送方法、装置、设备和存储介质 |
CN111814032A (zh) * | 2019-04-11 | 2020-10-23 | 阿里巴巴集团控股有限公司 | 冷启动推荐方法、装置及电子设备 |
CN111814033A (zh) * | 2019-04-12 | 2020-10-23 | 百度在线网络技术(北京)有限公司 | 用于投放的媒介信息确定方法、装置、设备和存储介质 |
CN112115298A (zh) * | 2020-09-15 | 2020-12-22 | 北京奇艺世纪科技有限公司 | 视频推荐方法、装置、电子设备及存储介质 |
CN112528145A (zh) * | 2020-12-11 | 2021-03-19 | 北京百度网讯科技有限公司 | 信息推荐方法、装置、设备及可读存储介质 |
CN113157911A (zh) * | 2020-01-07 | 2021-07-23 | 北京沃东天骏信息技术有限公司 | 一种服务验证方法和装置 |
CN113421172A (zh) * | 2021-07-09 | 2021-09-21 | 恒瑞通(福建)信息技术有限公司 | 一种政策信息推送方法及装置 |
CN113496402A (zh) * | 2020-04-01 | 2021-10-12 | 黑杰克科技有限公司 | 扫码支付金额输入的方法、装置、存储介质和终端设备 |
CN113553105A (zh) * | 2020-04-23 | 2021-10-26 | 百度在线网络技术(北京)有限公司 | 引导页面的生成方法和装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102831234A (zh) * | 2012-08-31 | 2012-12-19 | 北京邮电大学 | 基于新闻内容和主题特征的个性化新闻推荐装置和方法 |
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 |
CN104090971A (zh) * | 2014-07-17 | 2014-10-08 | 中国科学院自动化研究所 | 面向个性化应用的跨网络行为关联方法 |
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 |
-
2017
- 2017-12-28 CN CN201711460241.4A patent/CN108197211A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102831234A (zh) * | 2012-08-31 | 2012-12-19 | 北京邮电大学 | 基于新闻内容和主题特征的个性化新闻推荐装置和方法 |
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 |
CN104090971A (zh) * | 2014-07-17 | 2014-10-08 | 中国科学院自动化研究所 | 面向个性化应用的跨网络行为关联方法 |
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 |
Cited By (42)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110858231A (zh) * | 2018-08-07 | 2020-03-03 | 北京京东尚科信息技术有限公司 | 一种物品推荐方法和装置 |
CN109241408A (zh) * | 2018-08-14 | 2019-01-18 | 深圳开黑科技有限公司 | 基于游戏陪玩平台的用户画像处理方法、设备及系统 |
CN109189817A (zh) * | 2018-08-20 | 2019-01-11 | 深圳市彬讯科技有限公司 | 推荐对象生成方法、装置、设备及介质 |
CN110334283A (zh) * | 2018-08-27 | 2019-10-15 | 腾讯科技(北京)有限公司 | 信息推荐方法、装置、服务器及存储介质 |
CN109446407A (zh) * | 2018-09-18 | 2019-03-08 | 深圳壹账通智能科技有限公司 | 关联推荐方法、装置、计算机设备和存储介质 |
CN109618231A (zh) * | 2018-11-15 | 2019-04-12 | 深圳市酷开网络科技有限公司 | 一种基于冷启动的影视内容推荐方法及系统 |
CN111256298A (zh) * | 2018-11-30 | 2020-06-09 | 广东美的制冷设备有限公司 | 温度控制方法、空气调节设备及其控制设备、存储介质 |
CN111256307A (zh) * | 2018-11-30 | 2020-06-09 | 广东美的制冷设备有限公司 | 温度控制方法、空气调节设备及控制设备和存储介质 |
CN111256319A (zh) * | 2018-11-30 | 2020-06-09 | 广东美的制冷设备有限公司 | 空气调节设备及其控制方法、控制设备、存储介质 |
CN111256347A (zh) * | 2018-11-30 | 2020-06-09 | 广东美的制冷设备有限公司 | 推荐端、接收端、舒适温区的推送方法和存储介质 |
CN111256306A (zh) * | 2018-11-30 | 2020-06-09 | 广东美的制冷设备有限公司 | 温度控制方法、空气调节设备及其控制设备、存储介质 |
CN111256297A (zh) * | 2018-11-30 | 2020-06-09 | 广东美的制冷设备有限公司 | 温度控制方法、空气调节设备及其控制设备、存储介质 |
CN111256320A (zh) * | 2018-11-30 | 2020-06-09 | 广东美的制冷设备有限公司 | 温度控制方法、空气调节设备及其控制设备、存储介质 |
CN111256325A (zh) * | 2018-11-30 | 2020-06-09 | 广东美的制冷设备有限公司 | 温度控制方法、空气调节设备及控制设备和存储介质 |
CN111256324A (zh) * | 2018-11-30 | 2020-06-09 | 广东美的制冷设备有限公司 | 温度控制方法、空气调节设备及移动控制设备和存储介质 |
CN111256296A (zh) * | 2018-11-30 | 2020-06-09 | 广东美的制冷设备有限公司 | 温度控制方法、同步控制终端、空气调节设备及存储介质 |
CN111256328A (zh) * | 2018-11-30 | 2020-06-09 | 广东美的制冷设备有限公司 | 温度控制方法、电子设备、空气调节设备、存储介质 |
CN111256348A (zh) * | 2018-11-30 | 2020-06-09 | 广东美的制冷设备有限公司 | 温度控制方法、空气调节设备及其控制设备、存储介质 |
CN111383040A (zh) * | 2018-12-28 | 2020-07-07 | 百度在线网络技术(北京)有限公司 | 一种身份属性的识别方法、装置、电子设备及存储介质 |
CN111383040B (zh) * | 2018-12-28 | 2023-08-08 | 百度在线网络技术(北京)有限公司 | 一种身份属性的识别方法、装置、电子设备及存储介质 |
CN109493199A (zh) * | 2019-01-04 | 2019-03-19 | 深圳壹账通智能科技有限公司 | 产品推荐方法、装置、计算机设备和存储介质 |
CN109783741A (zh) * | 2019-01-31 | 2019-05-21 | 北京百度网讯科技有限公司 | 用于推送信息的方法和装置 |
CN110009397A (zh) * | 2019-03-11 | 2019-07-12 | 深圳前海微众银行股份有限公司 | 一种精准营销的方法及装置 |
CN111814032B (zh) * | 2019-04-11 | 2024-05-28 | 阿里巴巴集团控股有限公司 | 冷启动推荐方法、装置及电子设备 |
CN111814032A (zh) * | 2019-04-11 | 2020-10-23 | 阿里巴巴集团控股有限公司 | 冷启动推荐方法、装置及电子设备 |
CN111814033A (zh) * | 2019-04-12 | 2020-10-23 | 百度在线网络技术(北京)有限公司 | 用于投放的媒介信息确定方法、装置、设备和存储介质 |
CN110275952A (zh) * | 2019-05-08 | 2019-09-24 | 平安科技(深圳)有限公司 | 基于用户短期兴趣的新闻推荐方法、装置及介质 |
CN111738789A (zh) * | 2019-08-02 | 2020-10-02 | 北京京东尚科信息技术有限公司 | 一种物品信息推送方法、装置、设备和存储介质 |
CN110489662A (zh) * | 2019-08-05 | 2019-11-22 | 北京字节跳动网络技术有限公司 | 一种多人信息同步推荐方法、装置、介质和电子设备 |
CN110516159A (zh) * | 2019-08-30 | 2019-11-29 | 北京字节跳动网络技术有限公司 | 一种信息推荐方法、装置、电子设备及存储介质 |
CN113157911A (zh) * | 2020-01-07 | 2021-07-23 | 北京沃东天骏信息技术有限公司 | 一种服务验证方法和装置 |
CN111339406A (zh) * | 2020-02-17 | 2020-06-26 | 北京百度网讯科技有限公司 | 个性化推荐方法、装置、设备及存储介质 |
CN113496402A (zh) * | 2020-04-01 | 2021-10-12 | 黑杰克科技有限公司 | 扫码支付金额输入的方法、装置、存储介质和终端设备 |
CN113553105A (zh) * | 2020-04-23 | 2021-10-26 | 百度在线网络技术(北京)有限公司 | 引导页面的生成方法和装置 |
CN111737501A (zh) * | 2020-06-22 | 2020-10-02 | 北京百度网讯科技有限公司 | 一种内容推荐方法及装置、电子设备、存储介质 |
CN111737501B (zh) * | 2020-06-22 | 2024-08-06 | 北京百度网讯科技有限公司 | 一种内容推荐方法及装置、电子设备、存储介质 |
CN111729319A (zh) * | 2020-08-10 | 2020-10-02 | 成都卓杭网络科技股份有限公司 | 一种游戏玩家的社交推荐方法及装置 |
CN112115298A (zh) * | 2020-09-15 | 2020-12-22 | 北京奇艺世纪科技有限公司 | 视频推荐方法、装置、电子设备及存储介质 |
CN112115298B (zh) * | 2020-09-15 | 2023-07-25 | 北京奇艺世纪科技有限公司 | 视频推荐方法、装置、电子设备及存储介质 |
CN112528145A (zh) * | 2020-12-11 | 2021-03-19 | 北京百度网讯科技有限公司 | 信息推荐方法、装置、设备及可读存储介质 |
CN112528145B (zh) * | 2020-12-11 | 2023-09-05 | 北京百度网讯科技有限公司 | 信息推荐方法、装置、设备及可读存储介质 |
CN113421172A (zh) * | 2021-07-09 | 2021-09-21 | 恒瑞通(福建)信息技术有限公司 | 一种政策信息推送方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108197211A (zh) | 一种信息推荐方法、装置、服务器和存储介质 | |
Karimi et al. | News recommender systems–Survey and roads ahead | |
US10706100B2 (en) | Method of and system for recommending media objects | |
RU2636702C1 (ru) | Способ и устройство для выбора сетевого ресурса в качестве источника содержимого для системы рекомендаций | |
RU2632132C1 (ru) | Способ и устройство для создания рекомендаций содержимого в системе рекомендаций | |
KR101477306B1 (ko) | 웹 검색 시스템 및 웹 쿼리 정제 방법 | |
US11741072B2 (en) | Method and apparatus for real-time interactive recommendation | |
US8972397B2 (en) | Auto-detection of historical search context | |
US10733197B2 (en) | Method and apparatus for providing information based on artificial intelligence | |
US11372942B2 (en) | Method, apparatus, computer device and storage medium for verifying community question answer data | |
CN108845806B (zh) | 小程序分发方法、装置、服务器和存储介质 | |
CN111149100A (zh) | 基于命名实体的解析和识别确定跨文档的修辞相互关系 | |
US20160335704A1 (en) | Method, Apparatus and System for Content Recommendation | |
US20160328403A1 (en) | Method and system for app search engine leveraging user reviews | |
US11748429B2 (en) | Indexing native application data | |
CN107835439B (zh) | 一种弹幕推送方法、电子设备以及计算机可读存储介质 | |
US20170185964A1 (en) | Methods and systems for matching candidates and job positions bi-directionally using cognitive computing | |
US11501059B2 (en) | Methods and systems for auto-filling fields of electronic documents | |
US20160379283A1 (en) | Analysis of social data to match suppliers to users | |
WO2024049851A1 (en) | System and method for searching media or data based on contextual weighted keywords | |
CN111127057B (zh) | 一种多维用户画像恢复方法 | |
Pan et al. | Not All Contexts Are Equal: Teaching LLMs Credibility-aware Generation | |
US20240169003A1 (en) | Server and method for generating digital content for users of a recommendation system | |
CN110659419B (zh) | 确定目标用户的方法及相关装置 | |
Bing et al. | Unsupervised extraction of popular product attributes from web sites |
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 |