CN108804491A - 项目推荐方法、装置、计算设备及存储介质 - Google Patents
项目推荐方法、装置、计算设备及存储介质 Download PDFInfo
- Publication number
- CN108804491A CN108804491A CN201810258197.7A CN201810258197A CN108804491A CN 108804491 A CN108804491 A CN 108804491A CN 201810258197 A CN201810258197 A CN 201810258197A CN 108804491 A CN108804491 A CN 108804491A
- Authority
- CN
- China
- Prior art keywords
- cluster
- project
- presented
- item
- user
- 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
- 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
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种项目推荐方法、装置、计算设备及存储介质。首先获得多个聚类,每个聚类包含多个项目。然后,以瀑布流的形式呈现多个聚类卡片,其中每个聚类卡片分别对应于一个聚类,聚类卡片上呈现预定数量的属于相应聚类的推荐项目的项目入口。这样可以使用户快速浏览推荐的项目,短时间内获取更多的推荐信息,提升用户的个性化交互式体验。
Description
技术领域
本发明涉及个性化推荐技术领域,尤其涉及一种项目推荐方法、装置、计算设备及存储介质。
背景技术
个性化推荐是指根据每个用户的兴趣爱好和访问行为帮助用户找到自己感兴趣的项目或物品,包括电商网站的商品、在线视频网站的视频作品、音乐网站的音乐作品等。
随着推荐技术的研究和发展,其应用领域也越来越多,例如,新闻推荐、视频推荐、广告推送、决策支持等。一般利用用户的兴趣偏好、属性、物品属性、内容、分类,以及用户之间的相关性,挖掘用户的喜好和需求,向用户进行个性化推荐。
目前,个性化推荐技术一般使用协同过滤算法、聚类算法、基于分类或基于搜索的方法等,可根据不同的业务场景使用不同的推荐算法。在进行推荐算法之前一般需要对数据进行处理,例如将文本等自然语言转换为计算机可以识别的符号或者将数据进行归一化处理。将文本用词向量的方式表示是自然语言处理领域的一个核心技术,word2vec是一种计算词向量的工具,能够将自然语言中的字词转换为计算机可以理解的向量。一般是将项目的内容(如视频的标题、音乐的歌词等文本特征)作为训练输入语料,词向量可以很好地度量词与词之间的相似性。
在呈现向用户推荐的项目时,一般只是呈现若干个推荐项目的入口,用户点击某个入口后,呈现该项目的内容。这种方式呈现的推荐项目数量有限,不利于用户的交互式体验。
因此,需要一种向用户更多地呈现推荐项目的项目推荐方法。
发明内容
本发明提供一种项目推荐方法、装置、计算设备及存储介质,能够更多、更准确地为用户呈现推荐项目。
根据本发明的一个方面,提供了一种项目推荐方法,包括:
获得多个聚类,每个聚类包含多个项目;以瀑布流的形式呈现多个聚类卡片,其中每个聚类卡片分别对应于一个聚类,聚类卡片上呈现预定数量的属于相应聚类的推荐项目的项目入口。
这样,可以以瀑布流的形式在应用或网页的首页呈现多个类型的推荐项目,用户可以快速浏览推荐的项目
可选地,聚类卡片上还呈现相应聚类的聚类入口。
这样可以使用户在短时间内获取更多的推荐信息。
可选地,该方法还包括:响应于聚类入口被点击,进入对应于该聚类的项目推荐页面,其中以瀑布流的形式呈现属于该聚类的多个项目的项目入口。
可选地,在聚类卡片上以缩略形式呈现推荐项目的项目入口。这样在首页上可以展示更多的推荐项目。
可选地,聚类卡片上还呈现聚类标签。这样可以更直观地向用户呈现推荐项目的类型。
可选地,该方法还包括:对多个聚类进行排序,其中,在以瀑布流的形式呈现多个聚类卡片的步骤中,根据聚类排序结果布置对应于各个聚类的聚类卡片。
可选地,根据各聚类中全部项目的访问次数之和,对多个聚类进行排序。
可选地,该方法还包括:根据聚类包含的多个项目的访问次数,在聚类内部对多个项目进行排序,其中,在聚类卡片中呈现相应聚类中排序靠前的预定数量的项目的项目入口。
这样,可以进一步筛选各聚类和项目,提高推荐的准确性。
可选地,以用户所访问项目的项目ID作为输入语料,使用词向量模型生成与用户对应的向量;对与多个用户分别对应的多个向量进行聚类分析,获得多个聚类。
由于项目ID可以唯一地标识用户所访问的项目,将项目ID作为词向量模型的输入语料,不必再进行分词处理,从而减少了计算步骤,并且可以使生成的词向量与项目对应。
可选地,该方法还包括:收集多个用户对项目的访问行为数据,其中访问行为数据包括用户所访问的项目的项目ID;以及将各用户访问的项目的项目ID依次排列,生成分别对应于多个用户的多组输入语料。
可选地,在输入语料中用预定符号分割相邻的项目ID。
可选地,计算多个向量中两两向量之间的相似性;基于相似性对多个向量进行聚类,获得多个聚类。
这样通过计算向量之间的相似性可以直接获得两个项目之间的相似性。
可选地,通过计算多个向量中两两向量之间的距离,计算相似性。
可选地,使用K-均值聚类算法对多个向量进行聚类。
可选地,通过计算多个向量中两两向量之间的距离,计算相似性。
根据本发明的另一方面,提供了一种项目推荐装置,包括:获取模块和第一呈现模块。
获取模块可以获得多个聚类,每个聚类包含多个项目。
第一呈现模块可以以瀑布流的形式呈现多个聚类卡片,其中每个聚类卡片分别对应于一个聚类,聚类卡片上呈现预定数量的属于相应聚类的推荐项目的项目入口。
可选地,所述聚类卡片上还可以呈现相应聚类的聚类入口,该装置还可以包括第二呈现模块。第二呈现模块可以响应于聚类入口被点击,进入对应于该聚类的项目推荐页面,其中以瀑布流的形式呈现属于该聚类的多个项目的项目入口。
可选地,该装置还包括:第一排序模块和第二排序模块。
第一排序模块可以根据各聚类中全部项目的访问次数之和,对多个聚类进行排序。其中,第一呈现模块可以根据聚类排序结果布置对应于各个聚类的聚类卡片。
第二排序模块可以根据聚类包含的多个项目的访问次数,在聚类内部对多个项目进行排序。其中,所述第一呈现模块在所述聚类卡片中呈现相应聚类中排序靠前的预定数量的项目的项目入口。
可选地,获取模块包括:生成单元和分析单元。
生成单元可以以用户所访问项目的项目ID作为输入语料,使用词向量模型生成与用户对应的向量。
分析单元可以对与多个用户分别对应的多个向量进行聚类分析,获得多个聚类。
可选的,该装置还包括:收集模块和生成模块。
收集模块可以收集多个用户对项目的访问行为数据,其中访问行为数据包括用户所访问的项目的项目ID。
生成模块可以将各用户访问的项目的项目ID依次排列,生成分别对应于多个用户的多组输入语料。
可选地,分析单元包括:计算单元和聚类单元。
计算单元可以计算多个向量中两两向量之间的相似性。例如,计算单元可以通过计算所述多个向量中两两向量之间的距离,计算所述相似性。
聚类单元可以基于相似性对多个向量进行聚类,获得多个聚类。例如,聚类单元可以使用K-均值聚类算法对所述多个向量进行聚类。
根据本发明另一方面,提供了一种计算设备,包括:处理器;以及存储器,其上存储有可执行代码,当可执行代码被处理器执行时,使处理器执行上述的项目推荐方法。
根据本发明另一方面,提供了一种非暂时性机器可读存储介质,其上存储有可执行代码,当可执行代码被电子设备的处理器执行时,使处理器执行上述的项目推荐方法。
通过上述方案,可以更多地向用户呈现推荐项目,能够提高推荐的准确性,提升用户的个性化交互式体验。
附图说明
通过结合附图对本公开示例性实施方式进行更详细的描述,本公开的上述以及其它目的、特征和优势将变得更加明显,其中,在本公开示例性实施方式中,相同的参考标号通常代表相同部件。
图1示出了根据本发明一实施例的项目推荐方法的示意性流程图。
图2A-2B示出了根据本发明一实施例的聚类卡片的示意性布局图。
图3示出了根据本发明一实施例的聚类卡片内部的示意性布局图。
图4示出了根据本发明一实施例的项目推荐页面的示意性布局图。
图5示出了根据本发明一实施例的项目推荐装置的示意性框图。
图6示出了根据本发明一实施例的项目推荐装置的示意性框图。
图7示出了根据本发明一实施例的获取模块的示意性框图。
图8示出了根据本发明一实施例的项目推荐装置的示意性框图。
图9示出了根据本发明一实施例的分析单元的示意性框图。
图10示出了根据本发明一实施例的计算设备的示意性框图。
具体实施方式
下面将参照附图更详细地描述本公开的优选实施方式。虽然附图中显示了本公开的优选实施方式,然而应该理解,可以以各种形式实现本公开而不应被这里阐述的实施方式所限制。相反,提供这些实施方式是为了使本公开更加透彻和完整,并且能够将本公开的范围完整地传达给本领域的技术人员。
由于视频、新闻等信息更新快,对用户进行推荐往往需要进行聚类预处理,传统方法复杂度高,不能准确高效地应用于短视频推荐中。为了更多地向用户呈现推荐项目,提升用户的交互式体验,本发明提供一种项目推荐方法,能够以瀑布流的形式更多地呈现推荐项目。
图1示出了根据本发明一实施例的项目推荐方法的示意性流程图。
如图1所示,在步骤S100中,可以获得多个聚类,每个聚类包含多个项目。
项目可以是电商网站的商品、导航网站的广告、应用平台的视频(例如短视频、音乐视频等)、新闻网站中的新闻信息等,即项目可以是任一形式的推荐应用场景中的项目。
聚类例如可以是指项目所属的类别,还可以是基于项目的某种特征属性所进行的分类。例如,在项目为短视频时,聚类例如可以是该短视频所属的视频类别。其中,聚类的数量可以根据实际情况调整。例如,在短视频推荐场景中一般为100到300之间。
应当理解的是,本发明如上所述的聚类还可以包含多个子聚类,每个子聚类可以包含多个项目,本发明对于聚类以及项目及其之间的分类层级均不做限制。
本发明中优选可以通过词向量模型进行聚类分析,从而获得上述多个聚类。在一个优选实施例中,例如,可以以用户所访问项目的项目ID作为输入语料,使用词向量模型生成与用户对应的向量,对多个用户分别对应的多个向量进行聚类分析,得到多个聚类。
项目的ID可以唯一地标识该项目,其可以是数字、字母或者数字和字母的组合或其它表示方式。
其中,可以通过服务器或JS脚本语言收集多个用户对项目的访问日志来获取项目ID。访问日志中例如可以包括用户对项目的用户访问行为数据,用户访问行为数据例如可以包括用户所访问项目的项目ID,还可以包括用户对某个项目的评分、投票、转发、点击、购买等信息数据。以视频为例,用户访问行为数据可以是点击或播放视频的相关信息。在短视频应用场景中,访问行为数据例如可以是用户点击或播放短视频的视频ID。
在上述收集步骤中,例如可以以预设的时间间隔收集用户的访问行为数据。其中,收集用户访问行为数据的时间间隔可以根据具体的业务场景、用户量、用户访问频度等来确定。例如,超过千万用户量级的场景需要一天以内的数据即可,百万用户量级的场景则需要3到7天的数据,十万用户量级的场景可能需要10天以上的数据,可以根据实际情况来调整收集数据的时间窗口。
另外,收集了用户的访问行为数据,我们还可以对该访问行为数据进行一定的预处理,以便于后续的聚类分析。例如,可以将自然语言转换为计算机可以识别的符号、降噪、进行归一化处理等。进一步地,可以将用户访问项目的项目ID作为word2vec(词向量模型)的输入语料,这样就不需要进行分词处理,一个项目ID对应一个词向量,可以在本地(离线)运行word2vec,将多组输入预料输入word2vec中,通过计算获得项目ID对应的向量。
在一个优选实施例中,可以将各用户访问的项目的项目ID依次排列,生成分别对应于多个用户的多组输入语料。
例如,一个用户可能连续访问多个视频,这些视频之间可能存在相似性,可以将一个用户所访问的视频的视频ID依次排列为一行,作为一个输入预料。这样,多个用户即可对应多个输入预料。
对于一个输入语料,为了对该输入预料中可能存在的多个项目ID进行区分,还可以在该输入语料中用预定符号分割相邻的项目ID。例如,可以使用空格、逗号、分号、顿号等起分割作用的符号,区分不同的项目ID,这样便于记录项目ID所对应的词向量的一个或多个维度。
本发明的聚类可以是建立在相似性的基础上的。此时,例如可以计算多个向量中两两向量之间的相似性,基于相似性对多个向量进行聚类,获得多个聚类。
在一个优选实施例中,可以通过计算多个向量中两两向量之间的距离,计算相似性。例如,可以将向量看作向量空间中的一个点,通过计算两点之间的欧式距离或余弦夹角,计算两个向量之间的相似性。也可以是其他相似性度量的方法,如信息熵、相关系数等。
在一个优选实施例中,可以使用K-均值聚类算法对多个向量进行聚类。其中,K-means(均值)算法以k为参数,把n个样本分成k个簇,处理过程可以如下:
首先,随机地选择k个样本,每个样本初始地代表了一个簇的平均值或中心。
对剩余的每个样本,根据其与各簇中心的距离,将它赋给最近的簇。
然后,重新计算每个簇的平均值。
上述过程不断重复,直到簇中心的变化小于预定阈值。
应当理解的是,本发明中也可以使用其他的聚类算法进行聚类分析,例如层次聚类法、模糊聚类法、Canopy聚类法等,本发明对此不做限制。
由此,通过如上步骤S100可以获得多个聚类。
之后,在步骤S200中,可以以瀑布流的形式呈现多个聚类卡片。聚类卡片可以在呈现在页面(例如应用首页)的预定位置或预定窗口,例如,聚类热度列表。
瀑布流又称瀑布流式布局,是本发明所采用的多个聚类或多个项目的展现形式。本发明中,瀑布流式的呈现内容可以是动态更新的,例如周期性更新或响应于用户的操作而更新。
在一个优选实施例中,可以在聚类热度列表中以预定行或列呈现一个或多个聚类卡片。
作为示例,图2A示出了在聚类热度列表中呈现一个聚类卡片A的情形,图2B示出了在聚类热度列表中呈现四个聚类卡片A、B、C、D的情形。
如果当前显示的聚类卡片不满足用户需求,用户可以手动向下拉动页面,随着页面滚动条向下滚动,这种布局还会不断加载数据块并附加至当前页面或聚类热度列表的尾部,以向用户展示更多的聚类卡片。
每个聚类卡片分别对应于一个聚类,聚类卡片上可以呈现预定数量的属于相应聚类的推荐项目的项目入口,以供用户浏览、点击。
推荐项目的项目入口也可以以瀑布流的形式呈现。这样,当用户的访问行为发生变化时,可以实时地更新推荐项目,即可尽可能多地向用户展示更为丰富的推荐项目,提高用户体验。
项目入口也可以具有多种展示形式。例如,项目入口可以是图片形式或图片与文本的组合形式,可以包括项目的图标和文字简介,能够直观地展示该项目的类型或属性等信息。在一个优选实施例中,在聚类卡片上可以优选以缩略形式呈现推荐项目的项目入口。其中,缩略形式可以是尺寸属性意义上的缩略,也可以是内容属性意义上的缩略。例如,项目入口可以是该项目的封面或简介页面,也可以是该项目的封面的缩小图。图3示出了根据本发明一个实施例的聚类卡片内部的示意性布局图。如图3所示,一个聚类卡片中包含多个(例如6个)推荐项目的项目入口(例如,项目入口1、2、3、4、5、6)和一个聚类入口(聚类标签未示出)。
当用户希望详细浏览聚类卡片中的某个推荐项目时,用户可以点击相应的项目入口,由此可以进入该项目的详情页,方便用户了解该项目的更多精彩内容。
参见图3,聚类卡片上的项目入口可以是以缩略形式展示的。其中,缩略形式是指聚类卡片上的项目入口所占据的尺寸,小于该项目在其详情页的项目展示所占据的尺寸,由此以便于在聚类卡片中呈现更多的项目入口。
作为示例,在短视频推荐场景中,例如可以以缩略的视频封面的形式展示推荐视频,这样用户可以在不点击视频的情况下也能快速浏览视频的大致内容。
如果该聚类卡片上当前展示的推荐项目不是用户所需求的,用户可以点击该聚类卡片下方设置的聚类入口,进入该聚类,以获得该聚类下更多的推荐项目。
图4示出了根据本发明一实施例的项目推荐页面的示意性布局图。
当用户点击聚类入口按钮时,可以响应于聚类入口被点击,进入对应于该聚类的项目推荐页面(如图4所示),方便用户浏览更多的该聚类下的推荐项目。其中,在项目推荐页面也可以以瀑布流的形式呈现属于该聚类的多个项目的项目入口(例如,项目入口7、8、9、10,当然,在对应于聚类的项目推荐页面中,也可以呈现在聚类卡片上已经呈现的项目入口)。
如前所述,本发明的瀑布流式的展示可以是动态更新的。在一个优选的实施例中,可以对多个聚类进行排序,以便于根据聚类结果合理配置页面或聚类热度列表。优选地,可以在聚类热度列表中优先展示排序靠前的聚类。并且,还可以根据聚类排序结果的实时更新而更新聚类热度列表中实时展示的聚类。
在一个优选实施例中,可以根据各个聚类的热度进行聚类排序。例如,可以根据各聚类中全部项目的访问次数之和,对多个聚类进行排序。例如,在短视频推荐场景中,统计每个聚类中全部视频的访问次数之和,对各聚类进行排序,得到聚类热度列表,可以根据需要选取列表中topN个聚类作为待推荐项目。
另外,对于每一个聚类,也可以对该聚类下的各个推荐项目进行排序,以便于根据排序的结果布置各个聚类的聚类卡片。
在一个优选实施例中,也可以根据聚类包含的多个项目的访问次数,在聚类内部对多个项目进行排序。优选地,可以在聚类卡片中呈现相应聚类中排序靠前的预定数量的推荐项目的项目入口。并且,在对应于该聚类的项目推荐页面中,也可以按项目的排序结果布置多个推荐项目。
作为示例,在短视频应用场景中,例如,对于一个聚类,可以将播放次数较多的视频,如top4或top6,作为相应聚类卡片的集合。也可以直接根据用户的喜好选取推荐视频,例如,当某个视频的播放次数较少但是用户标记为喜欢或收藏,也将其作为推荐视频。
由此,通过本发明如上的项目推荐方法,可以更多地向用户呈现推荐项目,能够提高推荐的准确性,提升用户的个性化交互式体验。
另外,本发明还提供一种项目推荐装置,图5示出了根据本发明一实施例的项目推荐装置的示意性框图。以下所描述的装置各模块或单元所执行的内容均可参考上述对应的方法描述,在此不一一赘述。
如图5所示,该装置200包括获取模块210和呈现模块220。
获取模块210可以获得多个聚类,每个聚类包含多个项目。
第一呈现模块220可以以瀑布流的形式呈现多个聚类卡片,其中每个聚类卡片分别对应于一个聚类,聚类卡片上呈现预定数量的属于相应聚类的推荐项目的项目入口。其中,在所述聚类卡片上可以以缩略形式呈现所述推荐项目的项目入口。
聚类卡片上还可以呈现相应聚类的聚类入口。在一个优选实施例中,该装置200还可以包括:第二呈现模块(图中未示出)。
第二呈现模块可以响应于聚类入口被点击,进入对应于该聚类的项目推荐页面,其中以瀑布流的形式呈现属于该聚类的多个项目的项目入口。第二呈现模块可以是该项目推荐装置200中的一个单独的呈现模块。在一个优选实施例中,第二呈现模块也可以和第一呈现模块210复用,根据两个呈现模块的功能为其设置不同的呈现规则。
可选地,聚类卡片上还可以呈现相应的聚类标签。
图6示出了根据本发明另一个实施例的项目推荐装置的示意性框图。如图6所示,除图5所示的模块外,该装置200还可以包括:第一排序模块230和第二排序模块240。
第一排序模块230可以根据各聚类中全部项目的访问次数之和,对多个聚类进行排序。其中,所述第一呈现模块根据聚类排序结果布置对应于各个聚类的聚类卡片。
第二排序模块240可以根据聚类包含的多个项目的访问次数,在聚类内部对多个项目进行排序。其中,所述第一呈现模块在所述聚类卡片中呈现相应聚类中排序靠前的预定数量的项目的项目入口。
图7示出了根据本发明一实施例的获取模块210的示意性框图。如图7所示,获取模块210包括:生成单元211和分析单元212。
生成单元211可以以用户所访问项目的项目ID作为输入语料,使用词向量模型生成与用户对应的向量。其中,在输入语料中可以用预定符号分割相邻的项目ID。
分析单元212可以对与多个用户分别对应的多个向量进行聚类分析,获得多个聚类。
图8示出了根据本发明一实施例的项目推荐装置的示意性框图。如图8所示,该装置200还可以包括:收集模块250和生成模块260。
收集模块250可以收集多个用户对项目的访问行为数据,其中访问行为数据包括用户所访问的项目的项目ID。
生成模块260可以将各用户访问的项目的项目ID依次排列,生成分别对应于多个用户的多组输入语料。
图9示出了根据本发明一实施例的分析单元212的示意性框图。如图9所示,分析单元212包括:计算单元2121和聚类单元2122。
计算单元2121可以计算多个向量中两两向量之间的相似性。
聚类单元2122可以基于相似性对多个向量进行聚类,获得多个聚类。
在一个优选实施例中,计算单元2121可以通过计算所述多个向量中两两向量之间的距离,计算所述相似性。在一个优选实施例中,聚类单元2122可以使用K-均值聚类算法对所述多个向量进行聚类。
上文中已经参考附图详细描述了根据本发明的项目推荐方法和装置。
通过上述方法和装置,通过以瀑布流的形式呈现聚类和聚类中的推荐项目,可以使用户快速浏览推荐的项目,短时间内获取更多的推荐信息,提升用户的个性化交互式体验。
另外,通过将用户所访问项目的项目ID作为词向量模型的输入语料,省去了分词的步骤,使生成的词向量与用户所访问的项目对应,可以减少了计算步骤,提高了推荐的准确性。
图10示出了根据本发明一实施例的计算设备1000的示意性框图。其中,计算设备1000可以实施为各种类型的计算机装置,例如台式机、便携式计算机、平板电脑、智能手机、个人数据助理(PDA),或者其他类型的计算机装置,但是不限于任何特定形式。
如图10所示,本发明的计算设备1000可以包括处理器1010以及存储器1020。处理器1010可以是一个多核的处理器,也可以包含多个处理器。在一些实施例中,处理器1010可以包含一个通用的主处理器以及一个或多个特殊的协处理器,例如图形处理器(GPU)、数字信号处理器(DSP)等等。在一些实施例中,处理器1010可以使用定制的电路实现,例如特定用途集成电路(ASIC,Application Specific Integrated Circuit)或者现场可编程逻辑门阵列(FPGA,Field Programmable Gate Arrays)。
存储器1020可以包括各种类型的存储单元,例如系统内存、只读存储器(ROM),和永久存储装置。其中,ROM可以存储处理器1010或者计算机的其他模块需要的静态数据或者指令。永久存储装置可以是可读写的存储装置。永久存储装置可以是即使计算机断电后也不会失去存储的指令和数据的非易失性存储设备。在一些实施方式中,永久性存储装置采用大容量存储装置(例如磁或光盘、闪存)作为永久存储装置。另外一些实施方式中,永久性存储装置可以是可移除的存储设备(例如软盘、光驱)。系统内存可以是可读写存储设备或者易失性可读写存储设备,例如动态随机访问内存。系统内存可以存储一些或者所有处理器在运行时需要的指令和数据。此外,存储器1020可以包括任意计算机可读存储媒介的组合,包括各种类型的半导体存储芯片(DRAM,SRAM,SDRAM,闪存,可编程只读存储器),磁盘和/或光盘也可以采用。在一些实施方式中,存储器1020可以包括可读和/或写的可移除的存储设备,例如激光唱片(CD)、只读数字多功能光盘(例如DVD-ROM,双层DVD-ROM)、只读蓝光光盘、超密度光盘、闪存卡(例如SD卡、min SD卡、Micro-SD卡等等)、磁性软盘等等。计算机可读存储媒介不包含载波和通过无线或有线传输的瞬间电子信号。
在本发明实施例中,存储器1020上存储有可执行代码,处理器1010可以执行存储在存储器1020上的可执行代码。当可执行代码被处理器1010执行时,可以使处理器1010执行本发明的项目推荐方法。其中,存储器1020上除了存储可执行代码,还可以存储处理器1010在执行本发明的项目推荐方法过程中所需的部分或所有数据。
此外,根据本发明的方法还可以实现为一种计算机程序或计算机程序产品,该计算机程序或计算机程序产品包括用于执行本发明的上述方法中限定的上述各步骤的计算机程序代码指令。
或者,本发明还可以实施为一种非暂时性机器可读存储介质(或计算机可读存储介质、或机器可读存储介质),其上存储有可执行代码(或计算机程序、或计算机指令代码),当可执行代码(或计算机程序、或计算机指令代码)被电子设备(或计算设备、服务器等)的处理器执行时,使处理器执行根据本发明的上述方法的各个步骤。
本领域技术人员还将明白的是,结合这里的公开所描述的各种示例性逻辑块、模块、电路和算法步骤可以被实现为电子硬件、计算机软件或两者的组合。
附图中的流程图和框图显示了根据本发明的多个实施例的系统和方法的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标记的功能也可以以不同于附图中所标记的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
以上已经描述了本发明的各实施例,上述说明是示例性的,并非穷尽性的,并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择,旨在最好地解释各实施例的原理、实际应用或对市场中的技术的改进,或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。
Claims (22)
1.一种项目推荐方法,包括:
获得多个聚类,每个聚类包含多个项目;
以瀑布流的形式呈现多个聚类卡片,其中每个聚类卡片分别对应于一个所述聚类,所述聚类卡片上呈现预定数量的属于相应聚类的推荐项目的项目入口。
2.根据权利要求1所述的方法,其中,
所述聚类卡片上还呈现相应聚类的聚类入口。
3.根据权利要求2所述的方法,还包括:
响应于聚类入口被点击,进入对应于该聚类的项目推荐页面,其中以瀑布流的形式呈现属于该聚类的多个项目的项目入口。
4.根据权利要求1所述的方法,其中,
在所述聚类卡片上以缩略形式呈现所述推荐项目的项目入口。
5.根据权利要求1所述的方法,其中,
所述聚类卡片上还呈现聚类标签。
6.根据权利要求1所述的方法,还包括:
对所述多个聚类进行排序,
其中,在以瀑布流的形式呈现多个聚类卡片的步骤中,根据聚类排序结果布置对应于各个聚类的聚类卡片。
7.根据权利要求6所述的方法,其中,所述对多个聚类进行排序的步骤包括:
根据各聚类中全部项目的访问次数之和,对所述多个聚类进行排序。
8.根据权利要求1所述的方法,还包括:
根据聚类包含的多个项目的访问次数,在所述聚类内部对所述多个项目进行排序,
其中,在所述聚类卡片中呈现相应聚类中排序靠前的预定数量的项目的项目入口。
9.根据权利要求1所述的方法,其中,所述获得多个聚类的步骤包括:
以用户所访问项目的项目ID作为输入语料,使用词向量模型生成与所述用户对应的向量;
对与多个用户分别对应的多个向量进行聚类分析,获得所述多个聚类。
10.根据权利要求9所述的方法,该方法还包括:
收集所述多个用户对项目的访问行为数据,其中所述访问行为数据包括用户所访问的项目的项目ID;以及
将各用户访问的项目的项目ID依次排列,生成分别对应于所述多个用户的多组所述输入语料。
11.根据权利要求10所述的方法,其中,
在所述输入语料中用预定符号分割相邻的项目ID。
12.根据权利要求9所述的方法,其中,所述对与多个用户分别对应的多个向量进行聚类分析获得多个聚类的步骤包括:
计算所述多个向量中两两向量之间的相似性;以及
基于所述相似性对所述多个向量进行聚类,获得多个聚类。
13.根据权利要求12所述的方法,其中,
通过计算所述多个向量中两两向量之间的距离,计算所述相似性。
14.根据权利要求12所述的方法,其中,
使用K-均值聚类算法对所述多个向量进行聚类。
15.一种项目推荐装置,包括:
获取模块,用于获得多个聚类,每个聚类包含多个项目;
第一呈现模块,用于以瀑布流的形式呈现多个聚类卡片,其中每个聚类卡片分别对应于一个所述聚类,所述聚类卡片上呈现预定数量的属于相应聚类的推荐项目的项目入口。
16.根据权利要求15所述的装置,其中,所述聚类卡片上还呈现相应聚类的聚类入口,该装置还包括:
第二呈现模块,用于响应于聚类入口被点击,进入对应于该聚类的项目推荐页面,其中以瀑布流的形式呈现属于该聚类的多个项目的项目入口。
17.根据权利要求15所述的装置,还包括:
第一排序模块,用于根据各聚类中全部项目的访问次数之和,对所述多个聚类进行排序,其中,所述第一呈现模块根据聚类排序结果布置对应于各个聚类的聚类卡片;以及/或者
第二排序模块,用于根据聚类包含的多个项目的访问次数,在所述聚类内部对所述多个项目进行排序,其中,所述第一呈现模块在所述聚类卡片中呈现相应聚类中排序靠前的预定数量的项目的项目入口。
18.根据权利要求15所述的装置,其中,所述获取模块包括:
生成单元,用于以用户所访问项目的项目ID作为输入语料,使用词向量模型生成与所述用户对应的向量;
分析单元,用于对与多个用户分别对应的多个向量进行聚类分析,获得多个聚类。
19.根据权利要求18所述的装置,还包括:
收集模块,用于收集所述多个用户对项目的访问行为数据,其中所述访问行为数据包括用户所访问的项目的项目ID;以及
生成模块,用于将各用户访问的项目的项目ID依次排列,生成分别对应于所述多个用户的多组所述输入语料。
20.根据权利要求18所述的装置,其中,所述分析单元包括:
计算单元,用于计算所述多个向量中两两向量之间的相似性;以及
聚类单元,用于基于所述相似性对所述多个向量进行聚类,获得多个聚类。
21.一种计算设备,包括:
处理器;以及
存储器,其上存储有可执行代码,当所述可执行代码被所述处理器执行时,使所述处理器执行如权利要求1-14中任何一项所述的方法。
22.一种非暂时性机器可读存储介质,其上存储有可执行代码,当所述可执行代码被电子设备的处理器执行时,使所述处理器执行如权利要求1至14中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810258197.7A CN108804491A (zh) | 2018-03-27 | 2018-03-27 | 项目推荐方法、装置、计算设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810258197.7A CN108804491A (zh) | 2018-03-27 | 2018-03-27 | 项目推荐方法、装置、计算设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108804491A true CN108804491A (zh) | 2018-11-13 |
Family
ID=64094607
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810258197.7A Pending CN108804491A (zh) | 2018-03-27 | 2018-03-27 | 项目推荐方法、装置、计算设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108804491A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109889878A (zh) * | 2019-01-03 | 2019-06-14 | 百度在线网络技术(北京)有限公司 | 视频信息处理方法、装置、设备及计算机可读存储介质 |
CN113377275A (zh) * | 2021-07-14 | 2021-09-10 | 亿览在线网络技术(北京)有限公司 | 一种基于标签的界面呈现方法 |
CN115309299A (zh) * | 2022-09-14 | 2022-11-08 | Oppo广东移动通信有限公司 | 桌面卡片的显示方法、装置、终端、存储介质及程序产品 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104965897A (zh) * | 2015-06-26 | 2015-10-07 | 百度在线网络技术(北京)有限公司 | 信息推荐方法和装置 |
CN105824942A (zh) * | 2016-03-21 | 2016-08-03 | 上海珍岛信息技术有限公司 | 一种基于协同过滤算法的项目推荐方法及系统 |
US20160275192A1 (en) * | 2015-03-17 | 2016-09-22 | Kobo Incorporated | Personalizing an e-book search query |
CN106846053A (zh) * | 2017-01-19 | 2017-06-13 | 腾讯科技(深圳)有限公司 | 一种聚合页广告的推荐方法及装置 |
CN106909629A (zh) * | 2017-01-26 | 2017-06-30 | 武汉奇米网络科技有限公司 | 一种个性化推荐坑位标签的方法及系统 |
CN106951489A (zh) * | 2017-03-13 | 2017-07-14 | 杭州师范大学 | 一种用于稀疏大数据的个性化推荐方法和装置 |
CN107526846A (zh) * | 2017-09-27 | 2017-12-29 | 百度在线网络技术(北京)有限公司 | 频道排序模型的生成、排序方法、装置、服务器和介质 |
-
2018
- 2018-03-27 CN CN201810258197.7A patent/CN108804491A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160275192A1 (en) * | 2015-03-17 | 2016-09-22 | Kobo Incorporated | Personalizing an e-book search query |
CN104965897A (zh) * | 2015-06-26 | 2015-10-07 | 百度在线网络技术(北京)有限公司 | 信息推荐方法和装置 |
CN105824942A (zh) * | 2016-03-21 | 2016-08-03 | 上海珍岛信息技术有限公司 | 一种基于协同过滤算法的项目推荐方法及系统 |
CN106846053A (zh) * | 2017-01-19 | 2017-06-13 | 腾讯科技(深圳)有限公司 | 一种聚合页广告的推荐方法及装置 |
CN106909629A (zh) * | 2017-01-26 | 2017-06-30 | 武汉奇米网络科技有限公司 | 一种个性化推荐坑位标签的方法及系统 |
CN106951489A (zh) * | 2017-03-13 | 2017-07-14 | 杭州师范大学 | 一种用于稀疏大数据的个性化推荐方法和装置 |
CN107526846A (zh) * | 2017-09-27 | 2017-12-29 | 百度在线网络技术(北京)有限公司 | 频道排序模型的生成、排序方法、装置、服务器和介质 |
Non-Patent Citations (1)
Title |
---|
叶锡君等: "基于项目类别的协同过滤推荐算法多样性研究", 《计算机工程》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109889878A (zh) * | 2019-01-03 | 2019-06-14 | 百度在线网络技术(北京)有限公司 | 视频信息处理方法、装置、设备及计算机可读存储介质 |
CN113377275A (zh) * | 2021-07-14 | 2021-09-10 | 亿览在线网络技术(北京)有限公司 | 一种基于标签的界面呈现方法 |
CN115309299A (zh) * | 2022-09-14 | 2022-11-08 | Oppo广东移动通信有限公司 | 桌面卡片的显示方法、装置、终端、存储介质及程序产品 |
CN115309299B (zh) * | 2022-09-14 | 2024-02-23 | Oppo广东移动通信有限公司 | 桌面卡片的显示方法、装置、终端、存储介质及程序产品 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109690529B (zh) | 按事件将文档编译到时间线中 | |
WO2018040069A1 (zh) | 信息推荐系统及方法 | |
US20200089769A1 (en) | Consumer Insights Analysis Using Word Embeddings | |
CN110532451A (zh) | 针对政策文本的检索方法和装置、存储介质、电子装置 | |
US8412650B2 (en) | Device and method and program of text analysis based on change points of time-series signals | |
CN109511015B (zh) | 多媒体资源推荐方法、装置、存储介质及设备 | |
US20090055390A1 (en) | Information sorting device and information retrieval device | |
US20130036121A1 (en) | System and method for recommending blog | |
WO2014161452A1 (en) | System and method for pushing and distributing promotion content | |
CN102929939A (zh) | 个性化信息的提供方法及装置 | |
CN108537567A (zh) | 一种目标用户群体的确定方法和装置 | |
CN105426514A (zh) | 个性化的移动应用app推荐方法 | |
US20110320442A1 (en) | Systems and Methods for Semantics Based Domain Independent Faceted Navigation Over Documents | |
CN109903086A (zh) | 一种相似人群扩展方法、装置及电子设备 | |
KR20160113532A (ko) | 컨텐츠 추천 시스템 및 방법 | |
CN103309869A (zh) | 数据对象的展示关键词推荐方法及系统 | |
CN108804491A (zh) | 项目推荐方法、装置、计算设备及存储介质 | |
US20120317117A1 (en) | Information Visualization System | |
CN108959550B (zh) | 用户关注点挖掘方法、装置、设备及计算机可读介质 | |
JP2018073429A (ja) | 検索装置、検索方法および検索プログラム | |
CN108133058A (zh) | 一种视频检索方法 | |
KR20140015653A (ko) | 컨텐츠 추천 시스템 및 방법 | |
CN116955591A (zh) | 用于内容推荐的推荐语生成方法、相关装置和介质 | |
US10685184B1 (en) | Consumer insights analysis using entity and attribute word embeddings | |
CN104077281B (zh) | 一种生成推广语的方法和装置 |
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 | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20210104 Address after: Room 508, floor 5, building 4, No. 699, Wangshang Road, Changhe street, Binjiang District, Hangzhou City, Zhejiang Province Applicant after: Alibaba (China) Co.,Ltd. Address before: Singapore Marine financial centre - 10-01, 10 golly Wharf (049315) Applicant before: YOUSHI TECHNOLOGY SINGAPORE Co.,Ltd. |
|
TA01 | Transfer of patent application right | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181113 |
|
RJ01 | Rejection of invention patent application after publication |