CN108230101A - 信息推荐方法和装置 - Google Patents
信息推荐方法和装置 Download PDFInfo
- Publication number
- CN108230101A CN108230101A CN201711486301.XA CN201711486301A CN108230101A CN 108230101 A CN108230101 A CN 108230101A CN 201711486301 A CN201711486301 A CN 201711486301A CN 108230101 A CN108230101 A CN 108230101A
- Authority
- CN
- China
- Prior art keywords
- interest
- point
- user
- node
- clicks
- 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.)
- Granted
Links
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
Abstract
本发明提出一种信息推荐方法和装置,该方法包括获取用户历史上网行为数据;将用户历史上网行为数据映射至预设兴趣点层次体系中,确定预设兴趣点层次体系中每个兴趣节点的目标值;根据目标值确定用户实际的兴趣点;对与实际的兴趣点所关联的信息进行推荐。通过本发明,由于是基于预设兴趣点层次体系进行兴趣点匹配,能够实现基于层次化兴趣体系进行用户兴趣点识别分析,使得信息推荐能够更加契合用户的个性化需求,提升用户使用体验度,提升相关产品的商业价值。
Description
技术领域
本发明涉及电子设备技术领域,尤其涉及一种信息推荐方法和装置。
背景技术
随着互联网信息的爆炸性增长,导致互联网用户很难,甚至不可能快速地从中找到需要的或者感兴趣的未知信息。于是,个性化推荐技术应运而生,并不断地推陈出新。个性化推荐技术旨在根据用户自身的特点,对用户的兴趣偏好进行建模,进而推荐符合用户个性化偏好的,且尚未搜索到的信息。
发明内容
本发明旨在至少在一定程度上解决相关技术中的技术问题之一。
为此,本发明的一个目的在于提出一种信息推荐方法,能够实现基于层次化兴趣体系进行用户兴趣点识别分析,使得信息推荐能够更加契合用户的个性化需求,提升用户使用体验度,提升相关产品的商业价值。
本发明的另一个目的在于提出一种信息推荐装置。
本发明的另一个目的在于提出一种非临时性计算机可读存储介质。
本发明的另一个目的在于提出一种计算机程序产品。
为达到上述目的,本发明第一方面实施例提出的信息推荐方法,包括:获取用户历史上网行为数据;将所述用户历史上网行为数据映射至预设兴趣点层次体系中,确定所述预设兴趣点层次体系中每个兴趣节点的目标值;根据所述目标值确定用户实际的兴趣点;对与所述实际的兴趣点所关联的信息进行推荐。
本发明第一方面实施例提出的信息推荐方法,通过获取用户历史上网行为数据,将用户历史上网行为数据映射至预设兴趣点层次体系中,并确定预设兴趣点层次体系中每个兴趣节点的目标值,根据目标值确定用户实际的兴趣点,以及对与实际的兴趣点所关联的信息进行推荐,由于是基于预设兴趣点层次体系进行兴趣点匹配,能够实现基于层次化兴趣体系进行用户兴趣点识别分析,使得信息推荐能够更加契合用户的个性化需求,提升用户使用体验度,提升相关产品的商业价值。
为达到上述目的,本发明第二方面实施例提出的信息推荐装置,包括:获取模块,用于获取用户历史上网行为数据;映射模块,用于将所述用户历史上网行为数据映射至预设兴趣点层次体系中,确定所述预设兴趣点层次体系中每个兴趣节点的目标值;确定模块,用于根据所述目标值确定用户实际的兴趣点;推荐模块,用于对与所述实际的兴趣点所关联的信息进行推荐。
本发明第二方面实施例提出的信息推荐装置,通过获取用户历史上网行为数据,将用户历史上网行为数据映射至预设兴趣点层次体系中,并确定预设兴趣点层次体系中每个兴趣节点的目标值,根据目标值确定用户实际的兴趣点,以及对与实际的兴趣点所关联的信息进行推荐,由于是基于预设兴趣点层次体系进行兴趣点匹配,能够实现基于层次化兴趣体系进行用户兴趣点识别分析,使得信息推荐能够更加契合用户的个性化需求,提升用户使用体验度,提升相关产品的商业价值。
为达到上述目的,本发明第三方面实施例提出的非临时性计算机可读存储介质,当所述存储介质中的指令由移动终端的处理器被执行时,使得移动终端能够执行一种信息推荐方法,所述方法包括:获取用户历史上网行为数据;将所述用户历史上网行为数据映射至预设兴趣点层次体系中,确定所述预设兴趣点层次体系中每个兴趣节点的目标值;根据所述目标值确定用户实际的兴趣点;对与所述实际的兴趣点所关联的信息进行推荐。
本发明第三方面实施例提出的非临时性计算机可读存储介质,通过获取用户历史上网行为数据,将用户历史上网行为数据映射至预设兴趣点层次体系中,并确定预设兴趣点层次体系中每个兴趣节点的目标值,根据目标值确定用户实际的兴趣点,以及对与实际的兴趣点所关联的信息进行推荐,由于是基于预设兴趣点层次体系进行兴趣点匹配,能够实现基于层次化兴趣体系进行用户兴趣点识别分析,使得信息推荐能够更加契合用户的个性化需求,提升用户使用体验度,提升相关产品的商业价值。
为达到上述目的,本发明第四方面实施例提出的计算机程序产品,当所述计算机程序产品中的指令由处理器执行时,执行一种信息推荐方法,所述方法包括:获取用户历史上网行为数据;将所述用户历史上网行为数据映射至预设兴趣点层次体系中,确定所述预设兴趣点层次体系中每个兴趣节点的目标值;根据所述目标值确定用户实际的兴趣点;对与所述实际的兴趣点所关联的信息进行推荐。
本发明第四方面实施例提出的计算机程序产品,通过获取用户历史上网行为数据,将用户历史上网行为数据映射至预设兴趣点层次体系中,并确定预设兴趣点层次体系中每个兴趣节点的目标值,根据目标值确定用户实际的兴趣点,以及对与实际的兴趣点所关联的信息进行推荐,由于是基于预设兴趣点层次体系进行兴趣点匹配,能够实现基于层次化兴趣体系进行用户兴趣点识别分析,使得信息推荐能够更加契合用户的个性化需求,提升用户使用体验度,提升相关产品的商业价值。
本发明附加的方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解,其中:
图1是本发明一实施例提出的信息推荐方法的流程示意图;
图2是本发明另一实施例提出的信息推荐方法的流程示意图;
图3为本发明实施例中预设兴趣点层次体系示意图;
图4是本发明另一实施例提出的信息推荐方法的流程示意图;
图5是本发明一实施例提出的信息推荐装置的结构示意图;
图6是本发明另一实施例提出的信息推荐装置的结构示意图。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,仅用于解释本发明,而不能理解为对本发明的限制。相反,本发明的实施例包括落入所附加权利要求书的精神和内涵范围内的所有变化、修改和等同物。
图1是本发明一实施例提出的信息推荐方法的流程示意图。
本实施例以该信息推荐方法被配置为信息推荐装置中来举例说明。
该信息推荐装置可以应用在信息推荐类应用程序中,对此不作限制。
其中,应用程序可以是指运行在电子设备上的软件程序,电子设备例如智能手机,或者平板电脑等。
本实施例中信息推荐装置可以设置在服务器中,或者也可以设置在电子设备中,本发明实施例对此不作限制。
本发明实施例中的信息推荐方法,用于在用户使用互联网的过程中进行信息推荐,所推荐的信息可以例如为商品信息、图书信息等,对此不作限制。
需要说明的是,本发明实施例的执行主体,在硬件上可以例如为服务器或者电子设备中的中央处理器(Central Processing Unit,CPU),在软件上可以例如为服务器或者电子设备中的后台管理服务,对此不作限制。
本发明实施例以信息推荐装置设置在电子设备中进行示例。
参见图1,该方法包括:
S101:获取用户历史上网行为数据。
本发明实施例中可以基于用户历史上网行为数据进行信息推荐。
本发明在具体实施的过程中,可以采用相关技术中的数据挖掘类算法,获取用户历史上网行为数据,例如,用户在购物网站历史购买物品行为相关的数据,用户在阅读网站历史浏览图书行为相关的数据等,对此不作限制。
可选地,历史上网行为数据中包括:用户历史所搜索的第一物体的标识和标签,以及与标签所关联的第二物体的标识和标签,用户对第一物体的标识和标签的第一点击行为数据,第一物体的标识和标签的第一展现数据,用户对第二物体的标识和标签的第二点击行为数据,第二物体的标识和标签的第二展现数据。
其中,第一物体可以和第二物体相同或者不相同。
本发明实施例中的第一物体可以为用户历史上网行为过程中所直接搜索的物体。
本发明实施例中的第二物体可以为用户历史上网行为过程中,与第一物体相关联的物体,例如为网页根据用户所搜索的第一物体对其进行推荐的物体。
假设本发明实施例应用在用户在购物网站历史购买物品行为,则其中的第一物体可以例如为用户历史购买物品行为过程中所直接搜索过的商品,而其中的第二物体可以例如为网页根据用户所直接搜索过的商品,对用户进行推荐的其它商品。
本发明实施例中的第一物体的标识和标签可以为第一物体的名称、商标、所属类别等,以此类推解释第二物体的标识和标签。
本发明实施例中,用户对第一物体的标识和标签的第一点击行为数据,可以例如为用户对第一物体的标识和标签的点击次数,第一展现数据可以例如为第一物体的标识和标签的展现次数,以此类推解释第二物体的第二点击行为数据和第二展现数据。
本发明实施例中采集的用户历史上网行为数据,综合考量了存在多种形式的用户历史上网行为数据的实际情况,能够得到更为全面的统计分析结果,提升信息推荐的精准度,从另一维度提升信息推荐的效果。
S102:将用户历史上网行为数据映射至预设兴趣点层次体系中,确定预设兴趣点层次体系中每个兴趣节点的目标值。
可选地,一些实施例中,预设兴趣点层次体系包括多个兴趣父节点和与每个兴趣父节点对应的至少一个的兴趣子节点,参见图2,预设兴趣点层次体系通过以下步骤建立:
具体地,可以在获取用户历史上网行为数据之前,建立预设兴趣点层次体系,后续也可以根据所获取的用户历史上网行为数据对预设兴趣点层次体系中的节点进行更新补充。
S201:获取海量兴趣点,并确定每个兴趣点所属的类别。
S202:根据类别对海量兴趣点进行类别划分。
S203:根据类别划分得到的兴趣点建立预设兴趣点层次体系。
本发明实施例中的兴趣点可以采用用户历史上网行为数据中第一物体和第二物体所属的类别进行标记,对此不作限制。
假设本发明实施例应用在用户在阅读网站历史浏览图书行为,第一物体例如为用户直接搜索过的图书,第二物体为网页根据用户所直接搜索过的图书,对用户进行推荐的其它图书,则其中的兴趣点可以采用图书的类别进行标记,类别例如,历史、中国历史、世界历史、历史文化等。
参见图3,图3为本发明实施例中预设兴趣点层次体系示意图,其中,预设兴趣点层次体系包括多个兴趣父节点和与每个兴趣父节点对应的至少一个的兴趣子节点,其中,具备至少一个的兴趣子节点的节点均可以被称为兴趣父节点,不具备兴趣子节点的节点,可以被称为兴趣子节点。图3中包括:兴趣子节点31和兴趣父节点32,可以理解的是,基于这种划分规则,同一个节点可能同时为兴趣子节点和兴趣父节点。
通过建立预设兴趣点层次体系,能够实现基于层次化兴趣体系进行用户兴趣点识别分析,使得信息推荐能够更加契合用户的个性化需求,提升用户使用体验度,提升相关产品的商业价值。
其中的目标值为点击次数和展现次数。
可选地,一些实施例中,参见图4,S102还可以包括:
S401:根据第一物体的标识和标签确定第一物体的类别并作为第一类别,并根据第二物体的标识和标签确定第二物体的类别并作为第二类别。
S402:将第一类别和第二类别映射至预设兴趣点层次体系中。
S403:根据第一点击行为数据和第二点击行为数据确定每个兴趣节点的点击次数。
S404:根据第一展现数据和第二展现数据确定每个兴趣节点的展现次数。
本发明实施例在具体执行的过程中,可以确定第一物体和第二物体的类别之后,将确定出的类别匹配至预设兴趣点层次体系中的兴趣节点中,并依据第一点击行为数据和第二点击行为数据确定每个兴趣节点的点击次数,根据第一展现数据和第二展现数据确定每个兴趣节点的展现次数,即,在预设兴趣点层次体系中匹配出的兴趣节点的其中的部分节点,而后,可以在确定出一个兴趣子节点的点击次数和展现次数后,采用递归的方式,确定一个兴趣子节点所属的兴趣父节点对应的点击次数和展现次数,依次类推,确定预设兴趣点层次体系中每个兴趣节点的点击次数。
S103:根据目标值确定用户实际的兴趣点。
其中,每个兴趣节点都对应目标值,可以根据目标值确定用户实际的兴趣点。
可选地,根据目标值确定用户实际的兴趣点,可以包括:将点击次数和展现次数满足预设条件的目标值对应的兴趣点作为用户实际的兴趣点。
其中,预设条件可以根据用户的实际使用需求进行设定,也可以由信息推荐装置的出厂程序预先设定,对此不作限制。
可选地,预设条件为:
实际的兴趣点的兴趣子节点中,存在展现次数不为零的兴趣子节点,且展现次数不为零的兴趣子节点的点击次数或者展现次数的方差小于0.1。
实际的兴趣点的兴趣子节点中,存在点击次数大于或者等于3次的兴趣子节点。
实际的兴趣点的兴趣父节点的点击次数,大于或者等于,实际的兴趣点的多个兴趣子节点的平均点击次数。
实际的兴趣点的兴趣父节点的展现次数,大于或者等于,实际的兴趣点的多个兴趣子节点的平均展现次数。
本发明实施例中所配置的预设条件,能够匹配出更为契合用户需求的兴趣点。
S104:对与实际的兴趣点所关联的信息进行推荐。
在确定出用户实际的兴趣点之后,可以从信息库中获取与实际的兴趣点所关联的信息进行推荐,对此不作限制。
本实施例中,通过获取用户历史上网行为数据,将用户历史上网行为数据映射至预设兴趣点层次体系中,并确定预设兴趣点层次体系中每个兴趣节点的目标值,根据目标值确定用户实际的兴趣点,以及对与实际的兴趣点所关联的信息进行推荐,由于是基于预设兴趣点层次体系进行兴趣点匹配,能够实现基于层次化兴趣体系进行用户兴趣点识别分析,使得信息推荐能够更加契合用户的个性化需求,提升用户使用体验度,提升相关产品的商业价值。
图5是本发明一实施例提出的信息推荐装置的结构示意图。
参见图5,该装置500包括:
获取模块501,用于获取用户历史上网行为数据。
映射模块502,用于将用户历史上网行为数据映射至预设兴趣点层次体系中,确定预设兴趣点层次体系中每个兴趣节点的目标值。
确定模块503,用于根据目标值确定用户实际的兴趣点。
推荐模块504,用于对与实际的兴趣点所关联的信息进行推荐。
可选地,历史上网行为数据中包括:用户历史所搜索的第一物体的标识和标签,以及与标签所关联的第二物体的标识和标签,用户对第一物体的标识和标签的第一点击行为数据,第一物体的标识和标签的第一展现数据,用户对第二物体的标识和标签的第二点击行为数据,第二物体的标识和标签的第二展现数据。
可选地,预设兴趣点层次体系包括多个兴趣父节点和与每个兴趣父节点对应的至少一个的兴趣子节点,参见图6,该装置500还包括:
建立模块505,用于获取海量兴趣点,并确定每个兴趣点所属的类别,并根据类别对海量兴趣点进行类别划分,以及根据类别划分得到的兴趣点建立预设兴趣点层次体系。
可选地,一些实施例中,目标值为点击次数和展现次数,映射模块502,包括:
第一确定子模块5021,用于根据第一物体的标识和标签确定第一物体的类别并作为第一类别,并根据第二物体的标识和标签确定第二物体的类别并作为第二类别。
映射子模块5022,用于将第一类别和第二类别映射至预设兴趣点层次体系中。
第二确定子模块5023,用于根据第一点击行为数据和第二点击行为数据确定每个兴趣节点的点击次数。
第三确定子模块5024,用于根据第一展现数据和第二展现数据确定每个兴趣节点的展现次数。
第四确定子模块5025,用于在确定出一个兴趣子节点的点击次数和展现次数后,采用递归的方式,确定一个兴趣子节点所属的兴趣父节点对应的点击次数和展现次数。
可选地,确定模块503,具体用于:
将点击次数和展现次数满足预设条件的目标值对应的兴趣点作为用户实际的兴趣点。
可选地,预设条件为:
实际的兴趣点的兴趣子节点中,存在展现次数不为零的兴趣子节点,且展现次数不为零的兴趣子节点的点击次数或者展现次数的方差小于0.1;
实际的兴趣点的兴趣子节点中,存在点击次数大于或者等于3次的兴趣子节点;
实际的兴趣点的兴趣父节点的点击次数,大于或者等于,实际的兴趣点的多个兴趣子节点的平均点击次数;
实际的兴趣点的兴趣父节点的展现次数,大于或者等于,实际的兴趣点的多个兴趣子节点的平均展现次数。
需要说明的是,前述图1-图4实施例中对信息推荐方法实施例的解释说明也适用于该实施例的信息推荐装置500,其实现原理类似,此处不再赘述。
本实施例中,通过获取用户历史上网行为数据,将用户历史上网行为数据映射至预设兴趣点层次体系中,并确定预设兴趣点层次体系中每个兴趣节点的目标值,根据目标值确定用户实际的兴趣点,以及对与实际的兴趣点所关联的信息进行推荐,由于是基于预设兴趣点层次体系进行兴趣点匹配,能够实现基于层次化兴趣体系进行用户兴趣点识别分析,使得信息推荐能够更加契合用户的个性化需求,提升用户使用体验度,提升相关产品的商业价值。
为了实现上述实施例,本发明还提出一种非临时性计算机可读存储介质,当存储介质中的指令由终端的处理器执行时,使得终端能够执行一种信息推荐方法,方法包括:
获取用户历史上网行为数据;
将用户历史上网行为数据映射至预设兴趣点层次体系中,确定预设兴趣点层次体系中每个兴趣节点的目标值;
根据目标值确定用户实际的兴趣点;
对与实际的兴趣点所关联的信息进行推荐。
本实施例中的非临时性计算机可读存储介质,通过获取用户历史上网行为数据,将用户历史上网行为数据映射至预设兴趣点层次体系中,并确定预设兴趣点层次体系中每个兴趣节点的目标值,根据目标值确定用户实际的兴趣点,以及对与实际的兴趣点所关联的信息进行推荐,由于是基于预设兴趣点层次体系进行兴趣点匹配,能够实现基于层次化兴趣体系进行用户兴趣点识别分析,使得信息推荐能够更加契合用户的个性化需求,提升用户使用体验度,提升相关产品的商业价值。
为了实现上述实施例,本发明还提出一种计算机程序产品,当计算机程序产品中的指令被处理器执行时,执行一种信息推荐方法,方法包括:
获取用户历史上网行为数据;
将用户历史上网行为数据映射至预设兴趣点层次体系中,确定预设兴趣点层次体系中每个兴趣节点的目标值;
根据目标值确定用户实际的兴趣点;
对与实际的兴趣点所关联的信息进行推荐。
本实施例中的计算机程序产品,通过获取用户历史上网行为数据,将用户历史上网行为数据映射至预设兴趣点层次体系中,并确定预设兴趣点层次体系中每个兴趣节点的目标值,根据目标值确定用户实际的兴趣点,以及对与实际的兴趣点所关联的信息进行推荐,由于是基于预设兴趣点层次体系进行兴趣点匹配,能够实现基于层次化兴趣体系进行用户兴趣点识别分析,使得信息推荐能够更加契合用户的个性化需求,提升用户使用体验度,提升相关产品的商业价值。
需要说明的是,在本发明的描述中,术语“第一”、“第二”等仅用于描述目的,而不能理解为指示或暗示相对重要性。此外,在本发明的描述中,除非另有说明,“多个”的含义是两个或两个以上。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为,表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分,并且本发明的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本发明的实施例所属技术领域的技术人员所理解。
应当理解,本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如,如果用硬件来实现,和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,该程序在执行时,包括方法实施例的步骤之一或其组合。
此外,在本发明各个实施例中的各功能单元可以集成在一个处理模块中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器,磁盘或光盘等。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (16)
1.一种信息推荐方法,其特征在于,包括以下步骤:
获取用户历史上网行为数据;
将所述用户历史上网行为数据映射至预设兴趣点层次体系中,确定所述预设兴趣点层次体系中每个兴趣节点的目标值;
根据所述目标值确定用户实际的兴趣点;
对与所述实际的兴趣点所关联的信息进行推荐。
2.如权利要求1所述的信息推荐方法,其特征在于,所述历史上网行为数据中包括:用户历史所搜索的第一物体的标识和标签,以及与所述标签所关联的第二物体的标识和标签,所述用户对所述第一物体的标识和标签的第一点击行为数据,所述第一物体的标识和标签的第一展现数据,所述用户对所述第二物体的标识和标签的第二点击行为数据,所述第二物体的标识和标签的第二展现数据。
3.如权利要求2所述的信息推荐方法,其特征在于,所述预设兴趣点层次体系包括多个兴趣父节点和与每个兴趣父节点对应的至少一个的兴趣子节点,所述预设兴趣点层次体系通过以下步骤建立:
获取海量兴趣点,并确定每个兴趣点所属的类别;
根据所述类别对所述海量兴趣点进行类别划分;
根据类别划分得到的兴趣点建立所述预设兴趣点层次体系。
4.如权利要求3所述的信息推荐方法,其特征在于,所述目标值为点击次数和展现次数,所述将所述用户历史上网行为数据映射至预设兴趣点层次体系中,确定所述预设兴趣点层次体系中每个兴趣节点的目标值,包括:
根据所述第一物体的标识和标签确定第一物体的类别并作为第一类别,并根据所述第二物体的标识和标签确定所述第二物体的类别并作为第二类别;
将所述第一类别和所述第二类别映射至所述预设兴趣点层次体系中;
根据所述第一点击行为数据和所述第二点击行为数据确定所述每个兴趣节点的点击次数;
根据所述第一展现数据和所述第二展现数据确定所述每个兴趣节点的展现次数。
5.如权利要求4所述的信息推荐方法,其特征在于,还包括:
在确定出一个兴趣子节点的点击次数和展现次数后,采用递归的方式,确定所述一个兴趣子节点所属的兴趣父节点对应的点击次数和展现次数。
6.如权利要求4所述的信息推荐方法,其特征在于,所述根据所述目标值确定用户实际的兴趣点,包括:
将所述点击次数和展现次数满足预设条件的目标值对应的兴趣点作为所述用户实际的兴趣点。
7.如权利要求6所述的信息推荐方法,其特征在于,所述预设条件为:
所述实际的兴趣点的兴趣子节点中,存在展现次数不为零的兴趣子节点,且所述展现次数不为零的兴趣子节点的点击次数或者展现次数的方差小于0.1;
所述实际的兴趣点的兴趣子节点中,存在点击次数大于或者等于3次的兴趣子节点;
所述实际的兴趣点的兴趣父节点的点击次数,大于或者等于,所述实际的兴趣点的多个兴趣子节点的平均点击次数;
所述实际的兴趣点的兴趣父节点的展现次数,大于或者等于,所述实际的兴趣点的多个兴趣子节点的平均展现次数。
8.一种信息推荐装置,其特征在于,包括:
获取模块,用于获取用户历史上网行为数据;
映射模块,用于将所述用户历史上网行为数据映射至预设兴趣点层次体系中,确定所述预设兴趣点层次体系中每个兴趣节点的目标值;
确定模块,用于根据所述目标值确定用户实际的兴趣点;
推荐模块,用于对与所述实际的兴趣点所关联的信息进行推荐。
9.如权利要求8所述的信息推荐装置,其特征在于,所述历史上网行为数据中包括:用户历史所搜索的第一物体的标识和标签,以及与所述标签所关联的第二物体的标识和标签,所述用户对所述第一物体的标识和标签的第一点击行为数据,所述第一物体的标识和标签的第一展现数据,所述用户对所述第二物体的标识和标签的第二点击行为数据,所述第二物体的标识和标签的第二展现数据。
10.如权利要求9所述的信息推荐方法,其特征在于,所述预设兴趣点层次体系包括多个兴趣父节点和与每个兴趣父节点对应的至少一个的兴趣子节点,还包括:建立模块,用于获取海量兴趣点,并确定每个兴趣点所属的类别,并根据所述类别对所述海量兴趣点进行类别划分,以及根据类别划分得到的兴趣点建立所述预设兴趣点层次体系。
11.如权利要求10所述的信息推荐装置,其特征在于,所述目标值为点击次数和展现次数,所述映射模块,包括:
第一确定子模块,用于根据所述第一物体的标识和标签确定第一物体的类别并作为第一类别,并根据所述第二物体的标识和标签确定所述第二物体的类别并作为第二类别;
映射子模块,用于将所述第一类别和所述第二类别映射至所述预设兴趣点层次体系中;
第二确定子模块,用于根据所述第一点击行为数据和所述第二点击行为数据确定所述每个兴趣节点的点击次数;
第三确定子模块,用于根据所述第一展现数据和所述第二展现数据确定所述每个兴趣节点的展现次数。
12.如权利要求11所述的信息推荐装置,其特征在于,所述映射模块,包括:
第四确定子模块,用于在确定出一个兴趣子节点的点击次数和展现次数后,采用递归的方式,确定所述一个兴趣子节点所属的兴趣父节点对应的点击次数和展现次数。
13.如权利要求11所述的信息推荐装置,其特征在于,所述确定模块,具体用于:
将所述点击次数和展现次数满足预设条件的目标值对应的兴趣点作为所述用户实际的兴趣点。
14.如权利要求13所述的信息推荐装置,其特征在于,所述预设条件为:
所述实际的兴趣点的兴趣子节点中,存在展现次数不为零的兴趣子节点,且所述展现次数不为零的兴趣子节点的点击次数或者展现次数的方差小于0.1;
所述实际的兴趣点的兴趣子节点中,存在点击次数大于或者等于3次的兴趣子节点;
所述实际的兴趣点的兴趣父节点的点击次数,大于或者等于,所述实际的兴趣点的多个兴趣子节点的平均点击次数;
所述实际的兴趣点的兴趣父节点的展现次数,大于或者等于,所述实际的兴趣点的多个兴趣子节点的平均展现次数。
15.一种非临时性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1-7中任一项所述的信息推荐方法。
16.一种计算机程序产品,当所述计算机程序产品中的指令由处理器执行时,执行一种信息推荐方法,所述方法包括:
获取用户历史上网行为数据;
将所述用户历史上网行为数据映射至预设兴趣点层次体系中,确定所述预设兴趣点层次体系中每个兴趣节点的目标值;
根据所述目标值确定用户实际的兴趣点;
对与所述实际的兴趣点所关联的信息进行推荐。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711486301.XA CN108230101B (zh) | 2017-12-29 | 2017-12-29 | 信息推荐方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711486301.XA CN108230101B (zh) | 2017-12-29 | 2017-12-29 | 信息推荐方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108230101A true CN108230101A (zh) | 2018-06-29 |
CN108230101B CN108230101B (zh) | 2022-05-17 |
Family
ID=62647384
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711486301.XA Active CN108230101B (zh) | 2017-12-29 | 2017-12-29 | 信息推荐方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108230101B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109241428A (zh) * | 2018-09-05 | 2019-01-18 | 广州视源电子科技股份有限公司 | 用户性别的确定方法、装置、服务器及存储介质 |
CN109684512A (zh) * | 2018-11-20 | 2019-04-26 | 北京奇虎科技有限公司 | 一种用户兴趣点的挖掘方法及装置 |
CN110096645A (zh) * | 2019-05-07 | 2019-08-06 | 北京百度网讯科技有限公司 | 信息推荐方法、装置、设备和介质 |
CN111626805A (zh) * | 2019-02-28 | 2020-09-04 | 北京沃东天骏信息技术有限公司 | 信息展示方法和装置 |
CN112231580A (zh) * | 2020-11-10 | 2021-01-15 | 腾讯科技(深圳)有限公司 | 基于人工智能的信息推荐方法、装置、电子设备及存储介质 |
CN114329187A (zh) * | 2021-12-08 | 2022-04-12 | 北京五八信息技术有限公司 | 内容对象的推荐方法、装置、电子设备以及可读介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102831199A (zh) * | 2012-08-07 | 2012-12-19 | 北京奇虎科技有限公司 | 建立兴趣模型的方法及装置 |
CN104063383A (zh) * | 2013-03-19 | 2014-09-24 | 北京三星通信技术研究有限公司 | 信息推荐方法及装置 |
CN104391999A (zh) * | 2014-12-15 | 2015-03-04 | 北京国双科技有限公司 | 信息推荐方法和装置 |
CN104484431A (zh) * | 2014-12-19 | 2015-04-01 | 合肥工业大学 | 一种基于领域本体的多源个性化新闻网页推荐方法 |
CN104537115A (zh) * | 2015-01-21 | 2015-04-22 | 北京字节跳动科技有限公司 | 用户兴趣的探索方法和装置 |
EP2902956A1 (en) * | 2014-01-31 | 2015-08-05 | BlackBerry Limited | System and method for determining interests from location data |
CN105005582A (zh) * | 2015-06-17 | 2015-10-28 | 深圳市腾讯计算机系统有限公司 | 多媒体信息的推荐方法及装置 |
CN107306355A (zh) * | 2016-04-20 | 2017-10-31 | 华为技术有限公司 | 一种内容推荐方法及服务器 |
CN107330050A (zh) * | 2017-06-28 | 2017-11-07 | 达而观信息科技(上海)有限公司 | 一种个性化推荐方法及系统 |
-
2017
- 2017-12-29 CN CN201711486301.XA patent/CN108230101B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102831199A (zh) * | 2012-08-07 | 2012-12-19 | 北京奇虎科技有限公司 | 建立兴趣模型的方法及装置 |
CN104063383A (zh) * | 2013-03-19 | 2014-09-24 | 北京三星通信技术研究有限公司 | 信息推荐方法及装置 |
EP2902956A1 (en) * | 2014-01-31 | 2015-08-05 | BlackBerry Limited | System and method for determining interests from location data |
CN104391999A (zh) * | 2014-12-15 | 2015-03-04 | 北京国双科技有限公司 | 信息推荐方法和装置 |
CN104484431A (zh) * | 2014-12-19 | 2015-04-01 | 合肥工业大学 | 一种基于领域本体的多源个性化新闻网页推荐方法 |
CN104537115A (zh) * | 2015-01-21 | 2015-04-22 | 北京字节跳动科技有限公司 | 用户兴趣的探索方法和装置 |
CN105005582A (zh) * | 2015-06-17 | 2015-10-28 | 深圳市腾讯计算机系统有限公司 | 多媒体信息的推荐方法及装置 |
CN107306355A (zh) * | 2016-04-20 | 2017-10-31 | 华为技术有限公司 | 一种内容推荐方法及服务器 |
CN107330050A (zh) * | 2017-06-28 | 2017-11-07 | 达而观信息科技(上海)有限公司 | 一种个性化推荐方法及系统 |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109241428A (zh) * | 2018-09-05 | 2019-01-18 | 广州视源电子科技股份有限公司 | 用户性别的确定方法、装置、服务器及存储介质 |
CN109684512A (zh) * | 2018-11-20 | 2019-04-26 | 北京奇虎科技有限公司 | 一种用户兴趣点的挖掘方法及装置 |
CN111626805A (zh) * | 2019-02-28 | 2020-09-04 | 北京沃东天骏信息技术有限公司 | 信息展示方法和装置 |
CN111626805B (zh) * | 2019-02-28 | 2023-11-03 | 北京沃东天骏信息技术有限公司 | 信息展示方法和装置 |
CN110096645A (zh) * | 2019-05-07 | 2019-08-06 | 北京百度网讯科技有限公司 | 信息推荐方法、装置、设备和介质 |
CN110096645B (zh) * | 2019-05-07 | 2022-02-25 | 北京百度网讯科技有限公司 | 信息推荐方法、装置、设备和介质 |
CN112231580A (zh) * | 2020-11-10 | 2021-01-15 | 腾讯科技(深圳)有限公司 | 基于人工智能的信息推荐方法、装置、电子设备及存储介质 |
CN112231580B (zh) * | 2020-11-10 | 2024-04-02 | 腾讯科技(深圳)有限公司 | 基于人工智能的信息推荐方法、装置、电子设备及存储介质 |
CN114329187A (zh) * | 2021-12-08 | 2022-04-12 | 北京五八信息技术有限公司 | 内容对象的推荐方法、装置、电子设备以及可读介质 |
Also Published As
Publication number | Publication date |
---|---|
CN108230101B (zh) | 2022-05-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108230101A (zh) | 信息推荐方法和装置 | |
CN108228873B (zh) | 对象推荐、发布内容推送方法、装置、存储介质和设备 | |
US11823218B2 (en) | Customer clustering using integer programming | |
CN108197331B (zh) | 用户兴趣的探索方法和装置 | |
CN111008869A (zh) | 一种广告推荐方法、装置、电子设备及存储介质 | |
US20150066586A1 (en) | Evaluation calculating device, evaluation calculating method, and recording medium | |
CN109903086B (zh) | 一种相似人群扩展方法、装置及电子设备 | |
CN107426328B (zh) | 信息推送方法和装置 | |
CN105701498A (zh) | 一种用户分类方法及服务器 | |
CN104978346A (zh) | 提供用户评价信息的方法及系统 | |
CN107704560B (zh) | 一种信息推荐的方法、装置及设备 | |
CN102365637A (zh) | 表征用户信息 | |
CN106168980A (zh) | 多媒体资源推荐排序方法及装置 | |
CN105630836A (zh) | 搜索结果的排序方法和装置 | |
CN113032668A (zh) | 基于用户画像的产品推荐方法、装置、设备及存储介质 | |
US20240029107A1 (en) | Automatic Item Placement Recommendations Based on Entity Similarity | |
CN111861605A (zh) | 业务对象推荐方法 | |
CN108595580B (zh) | 新闻推荐方法、装置、服务器及存储介质 | |
CN108595498B (zh) | 问题反馈方法及装置 | |
JP5824601B1 (ja) | 情報処理装置、情報処理方法、及び情報処理プログラム | |
CN107341172B (zh) | 视频收益计算建模装置与方法及视频推荐装置与方法 | |
CN113781180A (zh) | 一种物品推荐方法、装置、电子设备及存储介质 | |
CN111666481B (zh) | 数据挖掘方法、装置、计算机可读介质及电子设备 | |
CN113744021A (zh) | 一种推荐方法、装置、计算机存储介质及系统 | |
CN113076487A (zh) | 一种用户兴趣表征及内容推荐方法、装置和设备 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |