CN108334536A - 一种信息推荐方法、设备和存储介质 - Google Patents
一种信息推荐方法、设备和存储介质 Download PDFInfo
- Publication number
- CN108334536A CN108334536A CN201711237353.3A CN201711237353A CN108334536A CN 108334536 A CN108334536 A CN 108334536A CN 201711237353 A CN201711237353 A CN 201711237353A CN 108334536 A CN108334536 A CN 108334536A
- Authority
- CN
- China
- Prior art keywords
- information
- recommendation
- structure type
- page
- data
- 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
- 238000000034 method Methods 0.000 title claims abstract description 33
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 50
- 238000012549 training Methods 0.000 claims abstract description 29
- 230000006399 behavior Effects 0.000 claims description 43
- 230000003542 behavioural effect Effects 0.000 claims description 24
- 230000015654 memory Effects 0.000 claims description 21
- 238000001914 filtration Methods 0.000 claims description 4
- 238000012216 screening Methods 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 3
- 230000004927 fusion Effects 0.000 abstract description 4
- 238000010801 machine learning Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 238000005194 fractionation Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000003032 molecular docking Methods 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000032258 transport Effects 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
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种信息推荐方法、设备和存储介质。该方法包括:在预设结构类型的页面中,采集用户行为数据;根据所述用户行为数据和预设的多种推荐算法,在网络中筛选偏好信息;通过预先训练的与所述结构类型对应的推荐模型,在筛选出的偏好信息中和历史推荐信息中确定推荐信息,并将所述推荐信息在所述页面中进行展示。在本发明中,推荐模型在确定推荐信息时,以多种推荐算法筛选出的偏好信息以及历史推荐信息作为参考,从而使确定出的推荐信息更具针对性和准确性,用户体验更佳,而且实现了多算法的智能融合。
Description
技术领域
本发明涉及计算机技术领域,特别是涉及一种信息推荐方法、设备和存储介质。
背景技术
当前互联网、移动互联网快速发展并普及,人们通过网络浏览新闻、购买商品、办理业务以及参与教育、娱乐互动活动等。网络逐渐成为人们日常生活中不可缺少的重要部分。然而,网络给生活带来便利的同时,也存在着自身发展的问题——信息迷航。网络中的信息成指数级增长,数据量过于庞大。用户在庞大的网络信息中难以快速直接地寻找到自己需要的信息,在信息查找、对接过程中花费大量的时间。针对此问题,个性化推荐技术应运而生,其通过采集网站上的用户行为数据,分析用户的兴趣偏好,基于此对网站上的信息进行筛选,将用户可能感兴趣的信息项目推荐给用户。
以往的推荐技术注重于研究单一的推荐算法,推测用户的兴趣、关注点并向其推送相应的信息项目。但是,已有的个性化推荐方法侧重于单一算法的改进,忽略了对网站结构的把握,缺乏对用户的真实需求进行细致化深层次分析,而且单一的算法都有各自的优缺点,能较好地适应于某一类或几类网站结构,并不能较好地满足于所有网站结构的线上需求,因此,使用现有的信息推荐方法进行信息推荐的准确率较低。
发明内容
本发明要解决的技术问题是一种信息推荐方法、设备和存储介质,用以解决现有的信息推荐方法准确率低的问题。
为了解决上述技术问题,本发明是通过以下技术方案来解决的:
本发明提供了一种信息推荐方法,包括:在预设结构类型的页面中,采集用户行为数据;根据所述用户行为数据和预设的多种推荐算法,在网络中筛选偏好信息;通过预先训练的与所述结构类型对应的推荐模型,在筛选出的偏好信息中和历史推荐信息中确定推荐信息,并将所述推荐信息在所述页面中进行展示。
其中,所述在预设结构类型的页面中,采集用户行为数据,包括:在预设结构类型的页面中,采集推荐信息的点击行为数据;在采集用户行为数据之后,在网络中筛选偏好信息之前,还包括:根据推荐信息的点击行为数据,训练与所述结构类型对应的推荐模型。
其中,根据推荐信息的点击行为数据,训练与所述结构类型对应的推荐模型,包括:根据推荐信息的点击行为数据,将发生点击行为的推荐信息标记为正样本,将未发生点击行为的推荐信息标记为负样本;根据所述正样本和所述负样本,训练所述推荐模型。
其中,在在预设结构类型的页面中,采集用户行为数据之前,还包括:为网站中的各个页面分别设置结构类型,并为每种结构类型设置对应的推荐模型。
其中,所述推荐算法的种类,包括:人口统计学推荐算法、TopN推荐算法、基于内容的推荐算法和协同过滤推荐算法。
本发明还提供了一种信息推荐设备,所述信息推荐设备包括处理器、存储器;所述处理器用于执行存储器中存储的数据传输程序,以实现以下步骤:在预设结构类型的页面中,采集用户行为数据;根据所述用户行为数据和预设的多种推荐算法,在网络中筛选偏好信息;通过预先训练的与所述结构类型对应的推荐模型,在筛选出的偏好信息中和历史推荐信息中确定推荐信息,并将所述推荐信息在所述页面中进行展示。
其中,所述处理器还用于执行存储器中存储的数据传输程序,以实现以下步骤:在预设结构类型的页面中,采集推荐信息的点击行为数据;根据推荐信息的点击行为数据,训练与所述结构类型对应的推荐模型。
其中,所述处理器还用于执行存储器中存储的数据传输程序,以实现以下步骤:根据推荐信息的点击行为数据,将发生点击行为的推荐信息标记为正样本,将未发生点击行为的推荐信息标记为负样本;根据所述正样本和所述负样本,训练所述推荐模型。
其中,所述处理器还用于执行存储器中存储的数据传输程序,以实现以下步骤:为网站中的各个页面分别设置结构类型,并为每种结构类型设置对应的推荐模型。
本发明还提供了一种存储介质,所述存储介质存储有一个或者多个程序,所述一个或者多个程序可被一个或者多个处理器执行,以实现所述的信息推荐方法。
本发明有益效果如下:
在本发明中,推荐模型在确定推荐信息时,以多种推荐算法筛选出的偏好信息以及历史推荐信息作为参考,从而使确定出的推荐信息更具针对性和准确性,用户体验更佳,而且实现了多算法的智能融合。进一步地,本发明集成了各算法的优势,同时通过机器学习的方法,可以实现训练、预测的闭环反馈运行,随着运行的次数增多,推荐准确率将越来越高。
附图说明
图1是根据本发明第一实施例的信息推荐方法的流程图;
图2是根据本发明第一实施例的网站页面的结构类型划分示意图;
图3是根据本发明第二实施例的推荐模型训练步骤流程;
图4是根据本发明第三实施例的信息推荐设备的结构图。
具体实施方式
当用户在网站中不同结构的页面浏览时,用户的意图以及其对信息的关注点是不一样的。基于此,本发明将对不同结构的页面采用相同或不同的多种推荐算法,推荐不同的结果,以提升推荐准确率。
以下结合附图以及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不限定本发明。
实施例一
本实施例提供一种信息推荐方法。图1是根据本发明第一实施例的信息推荐方法的流程图。
步骤S110,在预设结构类型的页面中,采集用户行为数据。
在该预设结构类型的页面中,展示有一条或多条推荐信息。
结构类型,包括但不限于:首页、栏目页、搜索页、内容页。页面的结构类型可以根据需求进行预定义设置,如图2所示。
用户行为数据,包括但不限于:用户的位置、域名、在页面的停留时间、在页面中的点击行为数据、对页面的重复访问次数。
为网站中的各个页面分别设置结构类型,并为每种结构类型设置对应的推荐模型;分别在每个结构类型对应的页面中,采集用户行为数据。进一步地,可以使用不同的标签对页面进行标注,该标签用于区分页面的结构类型。
步骤S120,根据所述用户行为数据和预设的多种推荐算法,在网络中筛选偏好信息。
推荐算法,包括但不限于以下种类:人口统计学推荐算法、TopN推荐算法、基于内容的推荐算法和协同过滤推荐算法。
偏好信息,是指用户感兴趣的、偏好的信息。
推荐算法可以根据用户行为数据分析出用户偏好,再根据用户偏好在网络中筛选出符合用户偏好的信息。例如:根据用户行为数据分析出用户偏好查看视频、图片和音频信息,根据用户偏好可以在网络中筛选出视频、图片和音频信息作为偏好信息。
可以为每种结构类型设置相同或不同的多种推荐算法;根据当前页面的结构类型,选择该结构类型对应的多种推荐算法;根据用户行为数据,利用该多种推荐算法在网络中筛选偏好信息。
在本实施例中,在每种结构类型的页面中,综合利用多种推荐算法筛选偏好信息。在为当前页面推荐信息时,在这多种推荐算法中必然存在适用于当前结构类型的推荐算法,在这多种推荐算法筛选出的信息中必然存在用户最为关注的偏好信息。
步骤S130,通过预先训练的与所述结构类型对应的推荐模型,在筛选出的偏好信息中和历史推荐信息中确定推荐信息,并将所述推荐信息在所述页面中进行展示。
推荐模型,为学习机,用于在用户的偏好信息中,确定用户在该推荐模型对应的结构类型的页面中关注的偏好信息。每种结构类型对应一个推荐模型。
推荐信息,是指用户在页面中关注的偏好信息。
历史推荐信息,是指在本次信息推荐之前,已经在该结构类型的页面中展示过的推荐信息。在展示推荐信息时,需要记录推荐信息,以便后续进行信息推荐时作为历史推荐信息。
由于在不同结构类型的页面中用户所关注的信息不同,所以在本实施例中,推荐模型用于根据页面的结构类型,在筛选出的众多偏好信息中和历史推荐信息中,去除用户不关注的偏好信息。
例如:根据用户行为数据分析可知,用户偏好查看视频、图片、音频信息,但是通过推荐模型的机器学习获知用户在访问内容页时,更为关注视频信息,这样内容页对应的推荐模型,在众多偏好信息中和众多的历史推荐信息中,确定视频信息,将视频信息作为推荐信息在内容页中展示。
在本实施例中,推荐模型在确定推荐信息时,以多种推荐算法筛选出的偏好信息以及历史推荐信息作为参考,从而使确定出的推荐信息更具针对性和准确性,而且用户体验更佳。
本实施例实现了多算法的智能融合,集成了各算法的优势,同时通过机器学习的方法,可以实现训练、预测的闭环反馈运行,随着运行的次数增多,推荐准确率将越来越高。
实施例二
下面对推荐模型的训练过程进行描述。
在本实施例中,在预设结构类型的页面中,采集用户行为数据,利用采集的用户行为数据,训练与该结构类型对应的推荐模型。
进一步地,利用用户行为数据中的点击行为数据,通过机器学习算法,训练该结构类型对应的推荐模型。其中,机器学习算法,包括但不限于:深度学习算法、SVM(SupportVector Machine,支持向量机)算法。
通过不断的训练该推荐模型,可以逐渐提高推荐模型的识别准确性。本实施例可以循环执行信息推荐步骤,进而可以循环训练推荐模型,逐渐增加推荐模型的准确度。换而言之,在实施例一中,步骤S130执行完毕,跳转回步骤S110,继续进行信息推荐,并在此过程中训练推荐模型。
如图3所示,为根据本发明第二实施例的推荐模型训练步骤流程。
步骤S310,通过推荐模型在偏好信息和历史推荐信息中确定推荐信息。
步骤S320,将推荐信息放入该推荐模型对应的结构类型的页面中。
步骤S330,在该结构类型的页面中,采集推荐信息的点击行为数据。
步骤S340,根据推荐信息的点击行为数据,训练与所述结构类型对应的推荐模型。
根据推荐信息的点击行为数据,将发生点击行为的推荐信息标记为正样本,将未发生点击行为的推荐信息标记为负样本;根据所述正样本和所述负样本,训练所述推荐模型。
进一步地,用户点击的推荐信息表示用户感兴趣,用户未点击的推荐信息表示用户不感兴趣。可以根据用户是否点击信息进行标记区分样本,1表示点击,0表示未点击。将发生点击行为的推荐信息作为正样本并标记为1,将未发生点击行为的推荐信息作为负样本并标记为0,将标记完毕的点击行为数据作为训练数据输入推荐模型,进行机器学习。
通过机器学习,可以使推荐模型掌握用户的关注点,最终在推荐信息中,确定出用户关注的偏好信息。
本发明提出一种基于网站结构的多算法融合智能推荐方法。该方法可以为用户从网络信息库中抽取出用户关注的、感兴趣的信息,并将此类信息快速推送给用户,减少用户查找信息的时间,实现智能推荐。
本发明针对每种结构类型的页面分别建立学习机(推荐模型),以学习掌握用户在不用结构类型页面的兴趣偏好、关注点,并基于每个训练好的学习机对信息进行预测,筛选出用户在当前结构类型页面上可能关注的信息作为推荐结果推荐给用户。
实施例三
本实施例还提供了一种计算机程序、存储有该程序的存储介质和数据传输设备。其中,执行该程序用于实现以下步骤:在预设结构类型的页面中,采集用户行为数据;根据所述用户行为数据和预设的多种推荐算法,在网络中筛选偏好信息;通过预先训练的与所述结构类型对应的推荐模型,在筛选出的偏好信息中和历史推荐信息中确定推荐信息,并将所述推荐信息在所述页面中进行展示。
进一步地,所述在预设结构类型的页面中,采集用户行为数据,包括:在预设结构类型的页面中,采集推荐信息的点击行为数据;在采集用户行为数据之后,在网络中筛选偏好信息之前,还包括:根据推荐信息的点击行为数据,训练与所述结构类型对应的推荐模型。
进一步地,根据推荐信息的点击行为数据,训练与所述结构类型对应的推荐模型,包括:根据推荐信息的点击行为数据,将发生点击行为的推荐信息标记为正样本,将未发生点击行为的推荐信息标记为负样本;根据所述正样本和所述负样本,训练所述推荐模型。
进一步地,在在预设结构类型的页面中,采集用户行为数据之前,还包括:为网站中的各个页面分别设置结构类型,并为每种结构类型设置对应的推荐模型。
进一步地,述推荐算法的种类,包括:人口统计学推荐算法、TopN推荐算法、基于内容的推荐算法和协同过滤推荐算法。
该存储介质主要是用于存储上述程序,因此,本实施例不再详细描述存储介质内的程序;而存储介质只要能存储上述程序即可。
前述实施例所公开信息推荐设备对应的信息推荐方法的技术方案可以通过在信息推荐设备中实施执行,以得到对应的信息推荐设备。图4是本发明实施例的一种实现信息推荐方法的信息推荐设备的硬件结构示意图。如图4所示,信息推荐设备400可以包括一个或多个(图中仅示出一个)处理器410(处理器410可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置)、用于存储数据的存储器420、以及用于通信功能的数据收发器430。本领域普通技术人员可以理解,图4所示的结构仅为示意,其并不对上述电子装置的结构造成单一限定。例如,信息推荐设备400通过对上述功能的拆分或合并,还可包括比图4中所示更多或者更少的组件,或者具有与图4所示不同的配置。
存储器420可以用于存储应用软件的软件程序以及模块,前述实施例中公开的信息推荐设备对应的信息推荐方法对应的程序指令/模块就可以存储在存储器420,关于信息推荐方法在之前的实施例已经详细描述,因此本实施例不再详细重述。
处理器410通过运行(执行)存储在存储器420内的软件程序以及模块,从而执行各种功能应用以及数据处理,即实现上述的方法。存储器420可包括高速随机存储器,还可包括非易失性存储器,如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中,存储器420可进一步包括相对于处理器410远程设置的存储器(云存储器),这些远程存储器可以通过网络连接至信息推荐设备400。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
数据收发器430用于经由一个网络接收或者发送数据。上述的网络具体实例可包括信息推荐设备400的通信供应商提供的无线网络。在一个实例中,数据收发器430包括一个网络适配器(Network Interface Controller,简称为NIC),其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中,数据收发器430包括射频(RadioFrequency,简称为RF)模块,其用于通过无线方式与互联网进行通讯。
尽管为示例目的,已经公开了本发明的优选实施例,本领域的技术人员将意识到各种改进、增加和取代也是可能的,因此,本发明的范围应当不限于上述实施例。
Claims (10)
1.一种信息推荐方法,其特征在于,包括:
在预设结构类型的页面中,采集用户行为数据;
根据所述用户行为数据和预设的多种推荐算法,在网络中筛选偏好信息;
通过预先训练的与所述结构类型对应的推荐模型,在筛选出的偏好信息中和历史推荐信息中确定推荐信息,并将所述推荐信息在所述页面中进行展示。
2.如权利要求1所述的方法,其特征在于,
所述在预设结构类型的页面中,采集用户行为数据,包括:
在预设结构类型的页面中,采集推荐信息的点击行为数据;
在采集用户行为数据之后,在网络中筛选偏好信息之前,还包括:
根据推荐信息的点击行为数据,训练与所述结构类型对应的推荐模型。
3.如权利要求2所述的方法,其特征在于,根据推荐信息的点击行为数据,训练与所述结构类型对应的推荐模型,包括:
根据推荐信息的点击行为数据,将发生点击行为的推荐信息标记为正样本,将未发生点击行为的推荐信息标记为负样本;
根据所述正样本和所述负样本,训练所述推荐模型。
4.如权利要求1所述的方法,其特征在于,在在预设结构类型的页面中,采集用户行为数据之前,还包括:
为网站中的各个页面分别设置结构类型,并为每种结构类型设置对应的推荐模型。
5.如权利要求1-4中任一项所述的方法,其特征在于,
所述推荐算法的种类,包括:人口统计学推荐算法、TopN推荐算法、基于内容的推荐算法和协同过滤推荐算法。
6.一种信息推荐设备,其特征在于,所述信息推荐设备包括处理器、存储器;所述处理器用于执行存储器中存储的数据传输程序,以实现以下步骤:
在预设结构类型的页面中,采集用户行为数据;
根据所述用户行为数据和预设的多种推荐算法,在网络中筛选偏好信息;
通过预先训练的与所述结构类型对应的推荐模型,在筛选出的偏好信息中和历史推荐信息中确定推荐信息,并将所述推荐信息在所述页面中进行展示。
7.如权利要求6所述的信息推荐设备,其特征在于,所述处理器还用于执行存储器中存储的数据传输程序,以实现以下步骤:
在预设结构类型的页面中,采集推荐信息的点击行为数据;
根据推荐信息的点击行为数据,训练与所述结构类型对应的推荐模型。
8.如权利要求6所述的信息推荐设备,其特征在于,所述处理器还用于执行存储器中存储的数据传输程序,以实现以下步骤:
根据推荐信息的点击行为数据,将发生点击行为的推荐信息标记为正样本,将未发生点击行为的推荐信息标记为负样本;
根据所述正样本和所述负样本,训练所述推荐模型。
9.如权利要求7所述的信息推荐设备,其特征在于,所述处理器还用于执行存储器中存储的数据传输程序,以实现以下步骤:
为网站中的各个页面分别设置结构类型,并为每种结构类型设置对应的推荐模型。
10.一种存储介质,其特征在于,所述存储介质存储有一个或者多个程序,所述一个或者多个程序可被一个或者多个处理器执行,以实现权利要求1~5中任一项所述的信息推荐方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711237353.3A CN108334536B (zh) | 2017-11-30 | 2017-11-30 | 一种信息推荐方法、设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711237353.3A CN108334536B (zh) | 2017-11-30 | 2017-11-30 | 一种信息推荐方法、设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108334536A true CN108334536A (zh) | 2018-07-27 |
CN108334536B CN108334536B (zh) | 2023-10-24 |
Family
ID=62922153
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711237353.3A Active CN108334536B (zh) | 2017-11-30 | 2017-11-30 | 一种信息推荐方法、设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108334536B (zh) |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109146575A (zh) * | 2018-09-10 | 2019-01-04 | 深圳市元征科技股份有限公司 | 一种在线商品营销方法及相关设备 |
CN109241455A (zh) * | 2018-08-28 | 2019-01-18 | 北京三快在线科技有限公司 | 一种推荐对象的展示方法及装置 |
CN109408731A (zh) * | 2018-12-27 | 2019-03-01 | 网易(杭州)网络有限公司 | 一种多目标推荐方法、多目标推荐模型生成方法以及装置 |
CN109615437A (zh) * | 2018-12-18 | 2019-04-12 | 北京蚁链科技有限公司 | 销售获客跟踪管理方法 |
CN109831684A (zh) * | 2019-03-11 | 2019-05-31 | 深圳前海微众银行股份有限公司 | 视频优化推荐方法、装置及可读存储介质 |
CN110502648A (zh) * | 2019-07-17 | 2019-11-26 | 北京达佳互联信息技术有限公司 | 用于多媒体信息的推荐模型获取方法及装置 |
CN110572711A (zh) * | 2019-09-27 | 2019-12-13 | 北京达佳互联信息技术有限公司 | 视频封面生成方法、装置、计算机设备及存储介质 |
CN110855731A (zh) * | 2018-08-21 | 2020-02-28 | 阿里巴巴集团控股有限公司 | 消息处理、推送及模型训练方法、装置、设备及存储介质 |
CN110874639A (zh) * | 2018-08-31 | 2020-03-10 | 珠海格力电器股份有限公司 | 操作信息的获取方法及装置 |
CN110996142A (zh) * | 2019-11-08 | 2020-04-10 | 北京奇艺世纪科技有限公司 | 视频召回方法及装置、电子设备及存储介质 |
CN111104591A (zh) * | 2019-11-29 | 2020-05-05 | 支付宝(杭州)信息技术有限公司 | 一种推荐信息生成方法及装置 |
CN111241381A (zh) * | 2018-11-28 | 2020-06-05 | 北京奇虎科技有限公司 | 信息推荐方法、装置、电子设备及计算机可读存储介质 |
CN111339327A (zh) * | 2020-02-20 | 2020-06-26 | 北京达佳互联信息技术有限公司 | 作品推荐方法及装置、服务器和存储介质 |
CN112084404A (zh) * | 2020-09-01 | 2020-12-15 | 北京百度网讯科技有限公司 | 内容推荐方法、装置、设备和介质 |
CN112733021A (zh) * | 2020-12-31 | 2021-04-30 | 荆门汇易佳信息科技有限公司 | 互联网用户的知识与兴趣个性化描摹系统 |
WO2021109981A1 (zh) * | 2019-12-04 | 2021-06-10 | 北京三快在线科技有限公司 | 信息展示方法及装置 |
CN113158102A (zh) * | 2021-02-23 | 2021-07-23 | 北京三快在线科技有限公司 | 页面配置方法、装置、电子设备和计算机可读介质 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2659698A1 (en) * | 2008-03-21 | 2009-09-21 | Dressbot Inc. | System and method for collaborative shopping, business and entertainment |
CN102722524A (zh) * | 2012-05-07 | 2012-10-10 | 北京邮电大学 | 网站推荐结果显示方法、装置及具有该装置的终端 |
CN105069099A (zh) * | 2015-08-06 | 2015-11-18 | 北京奇艺世纪科技有限公司 | 一种信息推荐方法及系统 |
CN105095219A (zh) * | 2014-04-23 | 2015-11-25 | 华为技术有限公司 | 微博推荐方法和终端 |
US20160188734A1 (en) * | 2014-12-30 | 2016-06-30 | Socialtopias, Llc | Method and apparatus for programmatically synthesizing multiple sources of data for providing a recommendation |
CN105893398A (zh) * | 2015-10-12 | 2016-08-24 | 乐视网信息技术(北京)股份有限公司 | 多媒体内容的推荐方法、装置、用户终端设备及服务器 |
WO2016172306A1 (en) * | 2015-04-23 | 2016-10-27 | Rovi Guides, Inc. | Systems and methods for improving accuracy in media asset recommendation models |
US9519722B1 (en) * | 2011-11-14 | 2016-12-13 | Google Inc. | Method and system for providing dynamic personalized recommendations for a destination |
CN106874522A (zh) * | 2017-03-29 | 2017-06-20 | 珠海习悦信息技术有限公司 | 信息推荐方法、装置、存储介质及处理器 |
CN107273427A (zh) * | 2017-05-18 | 2017-10-20 | 武汉大学 | 基于数据融合的跨设备网络信息搜索方法及系统 |
-
2017
- 2017-11-30 CN CN201711237353.3A patent/CN108334536B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2659698A1 (en) * | 2008-03-21 | 2009-09-21 | Dressbot Inc. | System and method for collaborative shopping, business and entertainment |
US9519722B1 (en) * | 2011-11-14 | 2016-12-13 | Google Inc. | Method and system for providing dynamic personalized recommendations for a destination |
CN102722524A (zh) * | 2012-05-07 | 2012-10-10 | 北京邮电大学 | 网站推荐结果显示方法、装置及具有该装置的终端 |
CN105095219A (zh) * | 2014-04-23 | 2015-11-25 | 华为技术有限公司 | 微博推荐方法和终端 |
US20160188734A1 (en) * | 2014-12-30 | 2016-06-30 | Socialtopias, Llc | Method and apparatus for programmatically synthesizing multiple sources of data for providing a recommendation |
WO2016172306A1 (en) * | 2015-04-23 | 2016-10-27 | Rovi Guides, Inc. | Systems and methods for improving accuracy in media asset recommendation models |
CN105069099A (zh) * | 2015-08-06 | 2015-11-18 | 北京奇艺世纪科技有限公司 | 一种信息推荐方法及系统 |
CN105893398A (zh) * | 2015-10-12 | 2016-08-24 | 乐视网信息技术(北京)股份有限公司 | 多媒体内容的推荐方法、装置、用户终端设备及服务器 |
CN106874522A (zh) * | 2017-03-29 | 2017-06-20 | 珠海习悦信息技术有限公司 | 信息推荐方法、装置、存储介质及处理器 |
CN107273427A (zh) * | 2017-05-18 | 2017-10-20 | 武汉大学 | 基于数据融合的跨设备网络信息搜索方法及系统 |
Non-Patent Citations (3)
Title |
---|
Q. YANG 等: "Personalizing Web Page Recommendation via Collaborative Filtering and Topic- Aware Markov Model", 《2010 IEEE INTERNATIONAL CONFERENCE ON DATA MINING》, pages 1145 - 1150 * |
田莹颖: "基于社会化标签系统的个性化信息推荐探讨", 《图书情报工作》, vol. 54, no. 1, pages 50 - 53 * |
马萌: "一种B2C电子商务推荐系统的应用研究", 《中国优秀硕士学位论文全文数据库信息科技辑》, no. 2006, pages 138 - 1014 * |
Cited By (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110855731A (zh) * | 2018-08-21 | 2020-02-28 | 阿里巴巴集团控股有限公司 | 消息处理、推送及模型训练方法、装置、设备及存储介质 |
CN109241455A (zh) * | 2018-08-28 | 2019-01-18 | 北京三快在线科技有限公司 | 一种推荐对象的展示方法及装置 |
CN109241455B (zh) * | 2018-08-28 | 2021-08-20 | 北京三快在线科技有限公司 | 一种推荐对象的展示方法及装置 |
CN110874639A (zh) * | 2018-08-31 | 2020-03-10 | 珠海格力电器股份有限公司 | 操作信息的获取方法及装置 |
CN109146575A (zh) * | 2018-09-10 | 2019-01-04 | 深圳市元征科技股份有限公司 | 一种在线商品营销方法及相关设备 |
CN111241381A (zh) * | 2018-11-28 | 2020-06-05 | 北京奇虎科技有限公司 | 信息推荐方法、装置、电子设备及计算机可读存储介质 |
CN109615437A (zh) * | 2018-12-18 | 2019-04-12 | 北京蚁链科技有限公司 | 销售获客跟踪管理方法 |
CN109408731A (zh) * | 2018-12-27 | 2019-03-01 | 网易(杭州)网络有限公司 | 一种多目标推荐方法、多目标推荐模型生成方法以及装置 |
CN109408731B (zh) * | 2018-12-27 | 2021-03-16 | 网易(杭州)网络有限公司 | 一种多目标推荐方法、多目标推荐模型生成方法以及装置 |
CN109831684A (zh) * | 2019-03-11 | 2019-05-31 | 深圳前海微众银行股份有限公司 | 视频优化推荐方法、装置及可读存储介质 |
CN110502648A (zh) * | 2019-07-17 | 2019-11-26 | 北京达佳互联信息技术有限公司 | 用于多媒体信息的推荐模型获取方法及装置 |
CN110572711A (zh) * | 2019-09-27 | 2019-12-13 | 北京达佳互联信息技术有限公司 | 视频封面生成方法、装置、计算机设备及存储介质 |
CN110572711B (zh) * | 2019-09-27 | 2023-03-24 | 北京达佳互联信息技术有限公司 | 视频封面生成方法、装置、计算机设备及存储介质 |
CN110996142A (zh) * | 2019-11-08 | 2020-04-10 | 北京奇艺世纪科技有限公司 | 视频召回方法及装置、电子设备及存储介质 |
CN110996142B (zh) * | 2019-11-08 | 2021-12-07 | 北京奇艺世纪科技有限公司 | 视频召回方法及装置、电子设备及存储介质 |
CN111104591A (zh) * | 2019-11-29 | 2020-05-05 | 支付宝(杭州)信息技术有限公司 | 一种推荐信息生成方法及装置 |
CN111104591B (zh) * | 2019-11-29 | 2023-05-12 | 支付宝(杭州)信息技术有限公司 | 一种推荐信息生成方法及装置 |
WO2021109981A1 (zh) * | 2019-12-04 | 2021-06-10 | 北京三快在线科技有限公司 | 信息展示方法及装置 |
CN111339327A (zh) * | 2020-02-20 | 2020-06-26 | 北京达佳互联信息技术有限公司 | 作品推荐方法及装置、服务器和存储介质 |
WO2021164643A1 (zh) * | 2020-02-20 | 2021-08-26 | 北京达佳互联信息技术有限公司 | 作品推荐方法及服务器 |
CN111339327B (zh) * | 2020-02-20 | 2024-05-07 | 北京达佳互联信息技术有限公司 | 作品推荐方法及装置、服务器和存储介质 |
CN112084404A (zh) * | 2020-09-01 | 2020-12-15 | 北京百度网讯科技有限公司 | 内容推荐方法、装置、设备和介质 |
CN112084404B (zh) * | 2020-09-01 | 2024-03-01 | 北京百度网讯科技有限公司 | 内容推荐方法、装置、设备和介质 |
CN112733021A (zh) * | 2020-12-31 | 2021-04-30 | 荆门汇易佳信息科技有限公司 | 互联网用户的知识与兴趣个性化描摹系统 |
CN113158102A (zh) * | 2021-02-23 | 2021-07-23 | 北京三快在线科技有限公司 | 页面配置方法、装置、电子设备和计算机可读介质 |
Also Published As
Publication number | Publication date |
---|---|
CN108334536B (zh) | 2023-10-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108334536A (zh) | 一种信息推荐方法、设备和存储介质 | |
CN104462292B (zh) | 社交协同过滤 | |
CA2964822C (en) | Method and device for refreshing news list | |
US20170195176A1 (en) | Method and apparatus for recommending device configuration | |
CN110321422A (zh) | 在线训练模型的方法、推送方法、装置以及设备 | |
CN107430630A (zh) | 用于聚集和呈现与特定视频游戏相关的内容的方法、系统和介质 | |
WO2020082855A1 (zh) | 服务推荐方法、装置及设备 | |
CN112765400B (zh) | 兴趣标签的权重更新方法、内容推荐方法、装置及设备 | |
CN109033149A (zh) | 信息推荐方法、装置、服务器及存储介质 | |
DE102012203763A1 (de) | Intelligente Lieferung und Erwerb von digitalen Gütern | |
US20190339824A1 (en) | Systems and methods for analyzing visual content items | |
CN105359125A (zh) | 用户历史播放列表和预订 | |
CN104462516B (zh) | 一种信息提示方法及移动终端 | |
US8954868B2 (en) | Guided profile editing system | |
CN105915701A (zh) | 一种信息推荐方法及装置 | |
CN106663015A (zh) | 恢复会话状态 | |
US20200133641A1 (en) | Machine learning models for customization of a graphical user interface | |
CN106227870A (zh) | 一种视频网站推荐方法及装置 | |
US20140089238A1 (en) | Information processing device and information processing method | |
US9992539B2 (en) | Identifying viewing characteristics of an audience of a content channel | |
CN110020152B (zh) | 应用推荐方法及装置 | |
WO2022127166A1 (zh) | 视频处理方法及电子设备 | |
US20200081912A1 (en) | Identifying physical objects using visual search query | |
CN106815285A (zh) | 基于视频网站的视频推荐的方法、装置及电子设备 | |
CN104954407B (zh) | 信息推送方法及装置 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |