CN108510307A - 一种课程推荐方法及系统 - Google Patents
一种课程推荐方法及系统 Download PDFInfo
- Publication number
- CN108510307A CN108510307A CN201810158079.9A CN201810158079A CN108510307A CN 108510307 A CN108510307 A CN 108510307A CN 201810158079 A CN201810158079 A CN 201810158079A CN 108510307 A CN108510307 A CN 108510307A
- Authority
- CN
- China
- Prior art keywords
- course
- user
- behavior
- label
- tag library
- 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 19
- 239000000284 extract Substances 0.000 claims abstract description 5
- 238000000605 extraction Methods 0.000 claims description 15
- 238000011156 evaluation Methods 0.000 claims description 6
- 230000003542 behavioural effect Effects 0.000 claims 1
- 230000006399 behavior Effects 0.000 abstract description 57
- 230000008901 benefit Effects 0.000 abstract description 5
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 235000013399 edible fruits Nutrition 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012544 monitoring process Methods 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
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0282—Rating or review of business operators or products
-
- 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
- G06Q50/10—Services
- G06Q50/20—Education
- G06Q50/205—Education administration or guidance
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Educational Technology (AREA)
- Educational Administration (AREA)
- Primary Health Care (AREA)
- Human Resources & Organizations (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种课程推荐方法及系统,其中,从每个用户的用户行为数据中提取行为标签并放入该用户的行为标签库,行为标签库可反映该用户的兴趣和关注点;获取每一门课程的标签形成该课程的课程标签库,课程的标签可以反映该课程的内容、重点;根据一用户的行为标签库和各课程标签库的相似度对每一门课程进行打分,获取该用户对每一门课程的兴趣评分;按照兴趣评分从高到低将各课程排序形成课程推荐列表,将课程推荐列表中前预设数目的课程间隔第一间隔时间推荐给该用户,从而实现向用户智能推荐其感兴趣的课程,更加主动、准确、有针对性的向用户推荐课程,提高用户学习效率,提高课程的利用率,发挥优质课程的社会效益。
Description
技术领域
本发明涉及内容推荐技术领域,尤其是涉及一种课程推荐方法及系统。
背景技术
现在的每一所高校基本上都有自己的精品课程,然而精品课程只是放在学校网站上,利用率很低,精品课程的科目、种类繁多,但是并没有针对学生用户的喜好、特点、关注点向用户进行推荐,精品课程并没有得到较大推广,没有发挥其应有的社会效益,浪费了资源。
发明内容
本发明的目的在于克服上述技术不足,提出一种课程推荐方法及系统,解决现有技术中的上述技术问题。
为达到上述技术目的,本发明的技术方案提供一种课程推荐方法,包括:
S1、收集每个用户的用户行为数据,从每个用户的用户行为数据中提取行为标签并放入该用户的行为标签库;
S2、获取每一门课程的标签形成该课程的课程标签库;
S3、根据一用户的行为标签库和各课程标签库的相似度对每一门课程进行打分,获取该用户对每一门课程的兴趣评分;
S4、按照兴趣评分从高到低将各课程排序形成课程推荐列表,将课程推荐列表中前预设数目的课程间隔第一间隔时间推荐给该用户。
本发明还提供一种课程推荐系统,包括:
用户信息提取模块:用于收集每个用户的用户行为数据,从每个用户的用户行为数据中提取行为标签并放入该用户的行为标签库;
课程信息提取模块:用于获取每一门课程的标签形成该课程的课程标签库;
兴趣评分获取模块:用于根据一用户的行为标签库和各课程标签库的相似度对每一门课程进行打分,获取该用户对每一门课程的兴趣评分;
推荐模块:用于按照兴趣评分从高到低将各课程排序形成课程推荐列表,将课程推荐列表中前预设数目的课程间隔第一间隔时间推荐给该用户。
与现有技术相比,本发明的有益效果包括:从用户行为数据中提取行为标签库,行为标签库可反映该用户的兴趣和关注点,获取每一门课程的标签形成该课程的课程标签库,课程的标签可以反映该课程的内容、重点、用户观看感受,根据用户的行为标签库和各课程标签库的相似度对每一门课程进行打分,获取该用户对每一门课程的兴趣评分,根据兴趣评分的高低向用户推荐其感兴趣的课程,从而实现向用户智能推荐其感兴趣的课程,更加主动、准确、有针对性的向用户推荐课程,提高用户学习效率,提高课程的利用率,发挥优质课程的社会效益。
附图说明
图1是本发明提供的一种课程推荐方法流程图;
图2是本发明提供的一种课程推荐系统结构框图。
附图中:1、课程推荐系统,11、用户信息提取模块,12、课程信息提取模块,13、兴趣评分获取模块,14、推荐模块。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,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,并不用于限定本发明。
本发明提供了一种课程推荐方法,包括:
S1、收集每个用户的用户行为数据,从每个用户的用户行为数据中提取行为标签并放入该用户的行为标签库;
S2、获取每一门课程的标签形成该课程的课程标签库;
S3、根据一用户的行为标签库和各课程标签库的相似度对每一门课程进行打分,获取该用户对每一门课程的兴趣评分;
S4、按照兴趣评分从高到低将各课程排序形成课程推荐列表,将课程推荐列表中前预设数目的课程间隔第一间隔时间推荐给该用户。
本发明所述的课程推荐方法,步骤S1中从所述用户行为数据中提取行为标签的具体步骤为:
从用户行为数据中抽取关键词作为该用户的行为标签,具体的,收集用户各方面的数据形成用户行为数据,用户行为数据包括用户搜索记录、用户发帖信息、用户评论信息、用户购买记录、用户补考信息、用户参与活动信息、用户参与社团信息等。一用户的行为标签库可反映该用户的兴趣和关注点。
本发明所述的课程推荐方法,步骤S1还包括:
每间隔第二间隔时间收集新的用户行为数据,从新的用户行为数据中提取新的行为标签,并将新的行为标签更新到该用户的行为标签库;
用户的行为标签库更新后,由于行为标签库发生了变化,重新根据该用户的行为标签库和各课程标签库的相似度对每一门课程进行打分,重新获取该用户对每一门课程的兴趣评分,并更新课程推荐列表,下一次推荐课程时,会从更新后的课程推荐列表选取前预设数目的课程推荐给用户。
本发明所述的课程推荐方法,步骤S2中获取课程的标签的步骤具体为:
从课程的课程简介、课程评价中抽取关键词作为该课程的标签;课程观看页面带有评论区域,用户观看课程后可以在评论区域进行评价,每一个课程在上传到观看页面时都会附有课程简介,利用爬虫技术从观看页面爬取课程简介、课程评价信息,然后从课程简介、课程评价中抽取关键词作为该课程的标签,课程的标签可以反映该课程的内容、重点、用户观看感受;爬虫技术和关键词抽取技术均为现有技术。
本发明所述的课程推荐方法,步骤S3中根据一用户的行为标签库和各课程标签库的相似度对每一门课程进行打分,获取该用户对每一门课程的兴趣评分的具体步骤为;
每一门课程均可以提取出若干标签,该课程的若干标签组成该课程的课程标签库,每一个课程对应一个课程标签库,每一个用户对应一个行为标签库,将该用户的行为标签库和各课程标签库进行对比,计算行为标签库和各课程标签库的相似度,其中,一行为标签库和一课程标签库的相似度计算具体方法为:将行为标签库中的若干关键词和课程标签库的若干关键词进行对比,运用文本相似度算法计算行为标签库中的关键词文本和课程标签库的关键词文本的相似度,将相似度值作为该用户对该门课程的兴趣评分;文本相似度算法为现有技术。
本发明所述的课程推荐方法,步骤S4还包括:
将课程推荐给该用户后,统计推荐给该用户的课程中该用户观看的课程数量,如果推荐给该用户的课程中该用户观看的课程数量超过预设阈值,则将该用户标记为高兴趣度用户,减小向该用户推荐课程的第一间隔时间的长度,并在下一次向该用户进行推荐课程时,增大预设数目的值;
实现根据用户对推荐的课程观看数量的大小区分该用户是否对推荐的内容感兴趣,如果用户观看推荐的课程数量超过预设阈值,代表用户对推荐的内容感兴趣,课程推荐很有效,可以提高推荐频率,即减小向该用户推荐课程的第一间隔时间的长度,可以提高推荐力度,即增大预设数目的值,把课程推荐列表中更多的课程推荐给用户;实现监控课程推荐的反馈和效果,根据课程推荐的反馈和效果调整推荐频率和力度。
本发明还提供一种课程推荐系统1,包括:
用户信息提取模块11:用于收集每个用户的用户行为数据,从每个用户的用户行为数据中提取行为标签并放入该用户的行为标签库;
课程信息提取模块12:用于获取每一门课程的标签形成该课程的课程标签库;
兴趣评分获取模块13:用于根据一用户的行为标签库和各课程标签库的相似度对每一门课程进行打分,获取该用户对每一门课程的兴趣评分;
推荐模块14:用于按照兴趣评分从高到低将各课程排序形成课程推荐列表,将课程推荐列表中前预设数目的课程间隔第一间隔时间推荐给该用户。
本发明所述的课程推荐系统1,用户信息提取模块11还用于:
从用户行为数据中抽取关键词作为该用户的行为标签。
本发明所述的课程推荐系统1,用户信息提取模块11还用于:
每间隔第二间隔时间收集新的用户行为数据,从新的用户行为数据中提取新的行为标签,并将新的行为标签更新到该用户的行为标签库。
本发明所述的课程推荐系统1,课程信息提取模块12还用于:
从课程的课程简介、课程评价中抽取关键词作为该课程的标签。
本发明所述的课程推荐系统1,推荐模块14还用于:
将课程推荐给该用户后,统计推荐给该用户的课程中该用户观看的课程数量,如果所述课程数量超过预设阈值,则将该用户标记为高兴趣度用户,减小向该用户推荐课程的第一间隔时间的长度,并在下一次向该用户进行推荐课程时,增大预设数目的值。
与现有技术相比,本发明的有益效果包括:从用户行为数据中提取行为标签库,行为标签库可反映该用户的兴趣和关注点,获取每一门课程的标签形成该课程的课程标签库,课程的标签可以反映该课程的内容、重点、用户观看感受,根据用户的行为标签库和各课程标签库的相似度对每一门课程进行打分,获取该用户对每一门课程的兴趣评分,根据兴趣评分的高低向用户推荐其感兴趣的课程,从而实现向用户智能推荐其感兴趣的课程,更加主动、准确、有针对性的向用户推荐课程,提高用户学习效率,提高课程的利用率,发挥优质课程的社会效益;且可以通过统计推荐给该用户的课程中该用户观看的课程数量决定是否将该用户标记为高兴趣度用户,对高兴趣度用户提高推荐频率和力度,实现对高兴趣度用户的区分,更有针对性的向高兴趣度用户进行推荐。
以上所述本发明的具体实施方式,并不构成对本发明保护范围的限定。任何根据本发明的技术构思所做出的各种其他相应的改变与变形,均应包含在本发明权利要求的保护范围内。
Claims (10)
1.一种课程推荐方法,其特征在于,包括:
S1、收集每个用户的用户行为数据,从每个用户的所述用户行为数据中提取行为标签并放入该用户的行为标签库;
S2、获取每一门课程的标签形成该课程的课程标签库;
S3、根据一用户的所述行为标签库和各所述课程标签库的相似度对每一门课程进行打分,获取该用户对每一门课程的兴趣评分;
S4、按照所述兴趣评分从高到低将各课程排序形成课程推荐列表,将所述课程推荐列表中前预设数目的课程间隔第一间隔时间推荐给该用户。
2.如权利要求1所述的课程推荐方法,其特征在于,步骤S1中从所述用户行为数据中提取行为标签的具体步骤为:
从所述用户行为数据中抽取关键词,将抽取的关键词作为该用户的行为标签。
3.如权利要求1所述的课程推荐方法,其特征在于,步骤S1还包括:
每间隔第二间隔时间收集新的所述用户行为数据,从新的所述用户行为数据中提取新的行为标签,并将新的行为标签更新到该用户的所述行为标签库。
4.如权利要求1所述的课程推荐方法,其特征在于,步骤S2中获取课程的标签的具体步骤为:
从课程的课程简介、课程评价中抽取关键词作为该课程的标签。
5.如权利要求1所述的课程推荐方法,其特征在于,步骤S4还包括:
将课程推荐给该用户后,统计推荐给该用户的课程中该用户观看的课程数量,如果所述课程数量超过预设阈值,则将该用户标记为高兴趣度用户,减小向该用户推荐课程的所述第一间隔时间的长度,并在下一次向该用户进行推荐课程时,增大所述预设数目的值。
6.一种课程推荐系统,其特征在于,包括:
用户信息提取模块:用于收集每个用户的用户行为数据,从每个用户的所述用户行为数据中提取行为标签并放入该用户的行为标签库;
课程信息提取模块:用于获取每一门课程的标签形成该课程的课程标签库;
兴趣评分获取模块:用于根据一用户的所述行为标签库和各所述课程标签库的相似度对每一门课程进行打分,获取该用户对每一门课程的兴趣评分;
推荐模块:用于按照所述兴趣评分从高到低将各课程排序形成课程推荐列表,将所述课程推荐列表中前预设数目的课程间隔第一间隔时间推荐给该用户。
7.如权利要求6所述的课程推荐系统,其特征在于,用户信息提取模块还用于从所述用户行为数据中抽取关键词作为该用户的所述行为标签。
8.如权利要求6所述的课程推荐系统,其特征在于,用户信息提取模块还用于每间隔第二间隔时间收集新的所述用户行为数据,从新的所述用户行为数据中提取新的行为标签,并将新的行为标签更新到该用户的所述行为标签库。
9.如权利要求6所述的课程推荐系统,其特征在于,课程信息提取模块还用于从课程的课程简介、课程评价中抽取关键词作为该课程的标签。
10.如权利要求6所述的课程推荐系统,其特征在于,推荐模块还用于在将课程推荐给该用户后,统计推荐给该用户的课程中该用户观看的课程数量,如果所述课程数量超过预设阈值,则将该用户标记为高兴趣度用户,减小向该用户推荐课程的所述第一间隔时间的长度,并在下一次向该用户进行推荐课程时,增大所述预设数目的值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810158079.9A CN108510307A (zh) | 2018-02-25 | 2018-02-25 | 一种课程推荐方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810158079.9A CN108510307A (zh) | 2018-02-25 | 2018-02-25 | 一种课程推荐方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108510307A true CN108510307A (zh) | 2018-09-07 |
Family
ID=63375770
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810158079.9A Pending CN108510307A (zh) | 2018-02-25 | 2018-02-25 | 一种课程推荐方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108510307A (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109670087A (zh) * | 2018-11-28 | 2019-04-23 | 平安科技(深圳)有限公司 | 课程智能推荐方法、装置、计算机设备和存储介质 |
CN109919816A (zh) * | 2019-03-21 | 2019-06-21 | 北京旷视科技有限公司 | 基于数据分析的排课方法及装置、存储介质及电子设备 |
CN112052396A (zh) * | 2020-09-28 | 2020-12-08 | 中国平安人寿保险股份有限公司 | 课程匹配方法、系统、计算机设备和存储介质 |
CN112328881A (zh) * | 2020-11-05 | 2021-02-05 | 中国平安人寿保险股份有限公司 | 文章推荐方法、装置、终端设备及存储介质 |
CN112395421A (zh) * | 2021-01-21 | 2021-02-23 | 平安科技(深圳)有限公司 | 课程标签的生成方法、装置、计算机设备及介质 |
CN112732892A (zh) * | 2020-12-30 | 2021-04-30 | 平安科技(深圳)有限公司 | 课程推荐方法、装置、设备及存储介质 |
CN113139135A (zh) * | 2021-05-13 | 2021-07-20 | 南京工程学院 | 一种改进型协同过滤的网络课程推荐算法 |
CN114416246A (zh) * | 2021-12-31 | 2022-04-29 | 北京五八信息技术有限公司 | 一种数据处理方法、装置、电子设备及存储介质 |
CN114862141A (zh) * | 2022-04-20 | 2022-08-05 | 平安科技(深圳)有限公司 | 基于画像关联性的课程推荐方法、装置、设备及存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103544663A (zh) * | 2013-06-28 | 2014-01-29 | Tcl集团股份有限公司 | 网络公开课的推荐方法、系统和移动终端 |
CN106952112A (zh) * | 2017-03-01 | 2017-07-14 | 心触动(武汉)文化传媒有限公司 | 一种广告精准投放方法及系统 |
-
2018
- 2018-02-25 CN CN201810158079.9A patent/CN108510307A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103544663A (zh) * | 2013-06-28 | 2014-01-29 | Tcl集团股份有限公司 | 网络公开课的推荐方法、系统和移动终端 |
CN106952112A (zh) * | 2017-03-01 | 2017-07-14 | 心触动(武汉)文化传媒有限公司 | 一种广告精准投放方法及系统 |
Non-Patent Citations (2)
Title |
---|
丁璐: "基于隐式反馈的音乐推荐技术研究", 《中国优秀硕士学位论文全文数据库信息科技辑(月刊)》 * |
黄震华等: "基于排序学习的推荐算法研究综述 ", 《软件学报》 * |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109670087A (zh) * | 2018-11-28 | 2019-04-23 | 平安科技(深圳)有限公司 | 课程智能推荐方法、装置、计算机设备和存储介质 |
CN109919816A (zh) * | 2019-03-21 | 2019-06-21 | 北京旷视科技有限公司 | 基于数据分析的排课方法及装置、存储介质及电子设备 |
CN112052396A (zh) * | 2020-09-28 | 2020-12-08 | 中国平安人寿保险股份有限公司 | 课程匹配方法、系统、计算机设备和存储介质 |
CN112328881A (zh) * | 2020-11-05 | 2021-02-05 | 中国平安人寿保险股份有限公司 | 文章推荐方法、装置、终端设备及存储介质 |
CN112328881B (zh) * | 2020-11-05 | 2024-04-02 | 中国平安人寿保险股份有限公司 | 文章推荐方法、装置、终端设备及存储介质 |
CN112732892A (zh) * | 2020-12-30 | 2021-04-30 | 平安科技(深圳)有限公司 | 课程推荐方法、装置、设备及存储介质 |
CN112395421B (zh) * | 2021-01-21 | 2021-05-11 | 平安科技(深圳)有限公司 | 课程标签的生成方法、装置、计算机设备及介质 |
CN112395421A (zh) * | 2021-01-21 | 2021-02-23 | 平安科技(深圳)有限公司 | 课程标签的生成方法、装置、计算机设备及介质 |
CN113139135A (zh) * | 2021-05-13 | 2021-07-20 | 南京工程学院 | 一种改进型协同过滤的网络课程推荐算法 |
CN113139135B (zh) * | 2021-05-13 | 2023-09-19 | 南京工程学院 | 一种改进型协同过滤的网络课程推荐算法 |
CN114416246A (zh) * | 2021-12-31 | 2022-04-29 | 北京五八信息技术有限公司 | 一种数据处理方法、装置、电子设备及存储介质 |
CN114416246B (zh) * | 2021-12-31 | 2024-03-19 | 北京五八信息技术有限公司 | 一种数据处理方法、装置、电子设备及存储介质 |
CN114862141A (zh) * | 2022-04-20 | 2022-08-05 | 平安科技(深圳)有限公司 | 基于画像关联性的课程推荐方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108510307A (zh) | 一种课程推荐方法及系统 | |
Millington et al. | ‘The datafication of everything’: Toward a sociology of sport and big data | |
US9201880B2 (en) | Processing a content item with regard to an event and a location | |
Cohen et al. | End to end long short term memory networks for non-factoid question answering | |
CN103810274B (zh) | 基于WordNet语义相似度的多特征图像标签排序方法 | |
CN113553429B (zh) | 一种规范化标签体系构建及文本自动标注方法 | |
Chambers et al. | Identifying political sentiment between nation states with social media | |
Shimada et al. | Analyzing tourism information on twitter for a local city | |
CN103246670A (zh) | 微博排序、搜索、展示方法和系统 | |
Gao et al. | Filtering of brand-related microblogs using social-smooth multiview embedding | |
CN106294744A (zh) | 兴趣识别方法及系统 | |
CN111309936A (zh) | 一种电影用户画像的构建方法 | |
CN105378730A (zh) | 社交媒体分析与输出 | |
Jiang et al. | Travel recommendation via author topic model based collaborative filtering | |
Diao et al. | A unified model for topics, events and users on twitter | |
CN109949174A (zh) | 一种异构社交网络用户实体锚链接识别方法 | |
CN104572877A (zh) | 游戏舆情的检测方法及系统 | |
CN109446399A (zh) | 一种影视实体搜索方法 | |
CN111782816B (zh) | 生成知识图谱的方法及装置、搜索方法、引擎及系统 | |
CN112434126B (zh) | 一种信息处理方法、装置、设备和存储介质 | |
Shimada et al. | On-site likelihood identification of tweets for tourism information analysis | |
CN106779080A (zh) | 一种人物信息知识库自动构建方法 | |
Alghieth et al. | A map-based job recommender model | |
Yilmaz et al. | Inferring political alignments of Twitter users | |
Ye et al. | Feature extraction of travel destinations from online Chinese-language customer reviews |
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: 20180907 |
|
RJ01 | Rejection of invention patent application after publication |