CN108885624B - 信息推荐系统及方法 - Google Patents
信息推荐系统及方法 Download PDFInfo
- Publication number
- CN108885624B CN108885624B CN201680084097.6A CN201680084097A CN108885624B CN 108885624 B CN108885624 B CN 108885624B CN 201680084097 A CN201680084097 A CN 201680084097A CN 108885624 B CN108885624 B CN 108885624B
- Authority
- CN
- China
- Prior art keywords
- information
- user
- retrieval
- evaluation value
- related product
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 58
- 238000003860 storage Methods 0.000 claims abstract description 42
- 238000004458 analytical method Methods 0.000 claims abstract description 19
- 238000011156 evaluation Methods 0.000 claims description 19
- 238000012549 training Methods 0.000 claims description 12
- 238000010845 search algorithm Methods 0.000 claims description 5
- 238000000605 extraction Methods 0.000 claims description 3
- 238000012804 iterative process Methods 0.000 claims 4
- 238000013102 re-test Methods 0.000 claims 1
- 230000015654 memory Effects 0.000 description 29
- 238000012545 processing Methods 0.000 description 27
- 230000008569 process Effects 0.000 description 13
- 238000010586 diagram Methods 0.000 description 12
- 230000006870 function Effects 0.000 description 12
- 238000004891 communication Methods 0.000 description 10
- 238000003058 natural language processing Methods 0.000 description 9
- 230000003287 optical effect Effects 0.000 description 8
- 238000004422 calculation algorithm Methods 0.000 description 7
- 230000003993 interaction Effects 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 230000002085 persistent effect Effects 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000011068 loading method Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000001465 metallisation Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000001915 proofreading effect Effects 0.000 description 1
- 230000001902 propagating effect Effects 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000010187 selection method Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000004984 smart glass Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000010409 thin film Substances 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/335—Filtering based on additional data, e.g. user or group profiles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2457—Query processing with adaptation to user needs
- G06F16/24578—Query processing with adaptation to user needs using ranking
-
- 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
- G06F16/951—Indexing; Web crawling techniques
-
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/205—Parsing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
Abstract
一种信息推荐系统及方法。该信息推荐方法包括获取用户选定的信息或用户的检索信息；解析上述选定信息或检索信息；基于上述选定信息或检索信息的解析结果，确定检索路径；基于检索路径，检索与用户选定信息相关的其他信息；以及向用户推荐相关的其他信息。该信息推荐系统包括一种计算机可读的存储媒介；存储在计算机可读的存储媒介的代码；以及一个处理器，在代码被处理器执行时，处理器执行上述信息推荐方法。
Description
技术领域
本申请涉及一种信息推荐系统与方法，尤其涉及一种基于用户记录、用户需求与现有信息之间的对比关系，向用户推荐相关产品或信息的一种信息推荐系统与方法。
背景技术
随着计算机、互联网技术和信息技术的发展，越来越多的用户开始通过网络和软件（例如电子商务）来进行购物、读书、听音乐、社交、出行、证券交易等活动。各种多样化功能的通讯装置如智能手机、个人数字助理（PDA）等被广泛使用，来满足用户对于实时信息取得的需求。信息服务提供商依据大型计算设备、数据库、通信网络系统等可以接收用户在客户终端的主动搜索为用户提供相关产品或信息。
另外服务提供商还会向用户主动推荐产品。以证券交易中的股票为例，大多数用户都是金融专业知识相对较少或者投资经验很少的股民。为了使用户能够获得适合自身的股票、达到预期的收益和/或避免不必要的亏损，这就需要服务提供商能够为用户准确并且切实可行的推荐。当前的股票推荐方法主要包括基于人为的数理分析的股价预测和基于股评的在线股票推荐等。但这些方法是面向大众用户的，不能针对不同的用户满足用户个性化的需求。因此，如何为用户推荐基于自身偏好的匹配性投资策略，在股票推荐领域变得日益重要。
发明内容
根据本申请的一个方面，提供一种信息推荐方法。该方法包括获取用户选定的信息或用户的检索信息和对用户选定的信息或检索信息进行解析。该方法还包括基于对用户的选定信息或检索信息的解析结果，确定检索路径和基于检索路径，检索与用户的选定信息相关的其他信息，以及向该用户推荐相关的其他信息。
根据本申请的另一个方面，提供一种信息推荐系统。该系统包括一种计算机可读的存储媒介，存储在该计算机可读的存储媒介的代码，以及一个处理器。当代码被该处理器执行时，该处理器执行以下操作，包括：获取用户选定的信息或用户的检索信息和对用户选定的信息或检索信息进行解析。该处理器执行基于对用户的选定信息或检索信息的解析结果，确定检索路径；基于检索路径，检索与用户的选定信息相关的其他信息；以及向该用户推荐相关的其他信息。
在一些实施例中，用户选定的证券信息可以包括用户持有的证券信息、用户已卖出的证券信息、用户感兴趣的证券信息、用户收藏的证券信息、用户用来模拟操作的证券信息等中的至少一种。
在一些实施例中，解析用户选定的信息或检索信息进一步包括：判断选定信息或检索信息是否为自然语言；若是，对自然语言进行解析。
在一些实施例中，解析用户选定的信息或检索信息可以包括对信息进行分类、提取关键词、排列优先权、赋予权重等中的至少一种。
在一些实施例中，检索路径可以包括一条或一条以上，每条检索路径可以包括一层或一层以上的搜索算法。
在一些实施例中，基于检索路径，检索与用户的选定信息相关的其他信息，进一步包括：根据相关的其他信息，得到评估值；将该评估值与阈值进行比较；以及当该评估值不低于该阈值时，选择相关的其他信息。
在一些实施例中，向用户推荐相关的其他信息，进一步包括：将相关的其他信息进行分类；以及将至少部分的分类结果发送给所述用户。
在一些实施例中，可以进一步对相关的其他信息进行预测或回测。
在一些实施例中，可以对检索路径进行机器训练，训练结果可以存储在系统中，供以后使用。
在一些实施例中，信息推荐系统还可以包括一个客户终端，用于：向上述信息推荐系统发送用户选定的信息或用户的检索信息，以及接收上述系统根据上述用户选定的信息或检索信息推荐的相关的其他信息。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对在实施例描述中所需要使用的附图作简单的介绍。下面描述中的附图仅仅是本申请的一些实施例，用来解释本申请，并不够成对本申请的限定。除非从语言环境中显而易见或另做说明，图中相同标号代表相同结构和操作。
图1是根据本申请一些实施例所示的信息服务系统的一种示意图；
图2是根据本申请一些实施例所示的服务器设备的架构的一种示意图；
图3是根据本申请一些实施例所示的信息推荐引擎的一种示意图；
图4是根据本申请一些实施例所示的处理模块的一种示意图；
图5是根据本申请一些实施例所示的策略确定单元的一种示意图；
图6是根据本申请一些实施例所示的信息推荐方法的一种示例性流程图；
图7是根据本申请一些实施例所示的信息推荐方法中的检索方法的一种示例性流程图；
图8是根据本申请一些实施例所示的信息推荐方法中的一种示例推荐方法流程图；和
图9是根据本申请一些实施例所示的信息推荐系统的一种用户交互界面的示意图。
具体实施方式
如本说明书和权利要求书中所示，除非上下文明确提示例外情形，“一”、“一个”、“一种”和/或“该”等词并非特指单数，也可包括复数。一般说来，术语“包括”与“包含”仅提示包括已明确标识的步骤和元素，而这些步骤和元素不构成一个排他性的罗列，方法或者设备也可能包含其他的步骤或元素。
虽然本申请对根据本申请的实施例的系统中的某些设备、引擎、模块、单元和/或子单元做出了各种引用，然而，任何数量的不同设备、模块、单元和/或子单元可以被使用并运行在客户终端和/或服务器上。所述设备、模块、单元和/或子单元仅是说明性的，并且所述系统和方法的不同方面可以使用不同设备、模块、单元和/或子单元。另外，“系统”、“设备”、“引擎”、“模块”、“单元”和/或“子单元”等词汇仅用以描述申请方便，这些词汇所代表的功能、结构、大小、类别并没有绝对的限制，在其他情况下，这些词汇可以相互替换。
根据本申请的一些实施例，图1所示的是信息服务系统的一种示意图。据图所示，信息服务系统100可以包括但不限于一个服务器101、一个网络102、一个客户终端103和一个其他信息源104。其中，服务器101可以进行信息的收集、处理以及信息交互。网络102可以提供信息传递及交换的渠道。客户终端103可以提供用户交互的入口。其他信息源104可以提供各种信息。信息服务系统100中，服务器101、客户终端103和其他信息源104之间可以通过网络102进行信息交换。
在一些实施例中，服务器101可以是单个服务器，也可以是服务器群组。一个服务器群组可以是集中式的，例如数据中心。一个服务器群组也可以是分布式的，例如一个分布式系统。服务器101可以是本地的，也可以是远程的，例如云端服务器。服务器101可以是网页服务器、文件服务器、数据库服务器、FTP服务器、应用程序服务器、代理服务器、邮件服务器等中的一种或几种的组合。在一些实施例中，服务器101可以执行信息推荐功能。例如，服务器101可以收集信息并对信息进行分析。服务器101还可以根据对信息的分析结果，确定产品的检索策略。服务器101进一步可以根据检索策略，检索并推荐相关的产品。
在一些实施例中，网络102可以是有线网络，也可以是无线网络。网络102可以是单一网络，也可以是多种网络组合的。网络102可以包括但不限于局域网、广域网、公用网络、专用网络、无线局域网、虚拟网络、都市城域网、公用开关电话网络等一种或多种组合。网络102可以提供有线或无线接入点、基站或网络交换点，通过这些接入点使得客户终端103和其他信息源104可以连接到网络102实现信息的交换。
在一些实施例中，客户终端103可以是手机、个人电脑、平板电脑等，或者是上述通信终端的任意组合。在本申请的一些实施例中，客户终端103还可以是智能家居设备、可穿戴设备、智能移动设备或其他智能设备。对于智能家居设备，可以包括但不限于智能照明设备、智能电器控制设备、智能监控设备、智能电视、智能摄像机、智能电话、对讲机等中的一种或几种的组合；对于可穿戴设备，可以包括但不限于智能手环、智能手表、智能鞋袜、智能眼镜、智能头盔、智能头带、智能服装、智能背包、智能配饰等中的一种或几种的组合；对于智能移动设备，可以包括但不限于交通工具内置设备（车载电脑或车载电视等）、游戏设备、GPS设备、POS机等中的一种或几种的组合。在一些实施例中，客户终端103可以由用户输入信息或者向用户展示信息。例如，客户终端103由用户输入用户信息、用户检索信息或用户已选择的产品信息。关于用户信息、用户检索信息或用户已选择的产品信息，可以参看本申请的相关描述。再例如，客户终端103可以展示由服务器101传来的信息，例如展示产品推荐信息等。
在一些实施例中，其他信息源104可以泛指除客户终端103提供的信息以外的所有信息源。其他信息源104可以包括但不限于购物网站、门户网站、证券交易所、微博、博客、个人网站、图书馆等可以提供信息的各种信息源。其他信息源104可以是以一个单独的数据库的形式存在，也可以是以多个通过网络连接的数据库形式存在，还可以是以大量的个人设备形式存在。当信息源以大量个人设备形式存在时，这些设备可以通过一种用户生成内容（user-generated contents）的方式，例如向云端服务器上传文字、声音、图像、视频等，从而使云端服务器连同与其连接的众多个人设备一起组成信息源。在一些实施例中，其他信息源104可以提供一些相关信息，包括但不限于证券要闻、大盘分析、社会热点、财经观点、行情分析、行业研报、公司公告、投资机会、基金、大宗商品、港股、美股等中的一种或几种的组合。
图2描述了一种示例服务器设备的架构200，这种服务器设备能够被用于实现实施本申请中披露的特定系统（例如服务器101）。本实施例中的特定系统利用功能框图解释了一个包含用户界面的硬件平台。这种服务器可以是具有特定用户的计算机，可以是具有多个用户的计算机，也可以是计算机组。为了方便起见，图2中只绘制了一台服务器，但是提供信息推荐所需要信息的相关计算机功能是可以以分布的方式、由一组相似的平台所实施的，以便分散系统的处理负荷。据图2所示，服务器101可以包括一个或多个输入设备201、一个或多个存储设备202、一个或多个输出设备203、一个或多个处理设备204、一个或多个供电设备205和一个或多个通信端口206。
在一些实施例中，输入设备201可以实现客户终端103向服务器101的信息输入。输入设备201可以为输入数字、字符、指令、压力、声音、图像、系统、软件、程序等任意信息或数据的设备，包括但不限于显示器、键盘、鼠标、触摸板、摄像头、麦克风、扫描仪、光笔、传感器等中的一种或几种的组合。其中，传感器可以包括但不限于声音传感器、气味传感器、气体传感器、图像传感器、温度传感器、湿度传感器、压力传感器、电磁波传感器、速度传感器、加速度传感器等中的一种或几种的组合。在一些实施例中，输入设备201可以由用户输入用户信息、用户检索信息或用户已选择的产品信息等。关于用户信息、用户检索信息或用户已选择的产品信息，可以参看本申请的相关描述。
在一些实施例中，存储设备202可以是任意具有存储功能的部件，用于存储相关信息（例如系统、软件、程序、图像、声音、字符、指令和数字等）。在一些实施例中，存储设备202可以存储控制服务器101的计算机程序指令和数据等，包括实现本申请中披露的服务器101的一个或多个功能。在一些实施例中，存储设备202可以存储由输入设备201输入的信息（例如，用户信息、用户检索信息或用户已选择的产品信息等）和/或处理设备204产生的信息（例如检索策略、产品推荐信息等）。
存储设备202可以在服务器101内部，也可以在服务器101外部（比如可通过通信端口206连接）。存储设备202可以包括主存储器、辅助存储器、高速缓存存储器或控制存储器等。存储器202可以是本地的，也可以是远程的（例如网络或云端）。存储设备202可以直接存储信息，也可以将信息数字化后再以利用电、磁或光学等方式的存储设备加以存储。存储设备202可以是利用电能方式存储信息的设备，例如各种存储器、随机存取存储器（RandomAccess Memory（RAM））、只读存储器（Read Only Memory（ROM））等。其中随机存储器包括但不限于十进计数管、选数管、延迟线存储器、威廉姆斯管、动态随机存储器（DRAM）、静态随机存储器（SRAM）、晶闸管随机存储器（T-RAM）、零电容随机存储器（Z-RAM）等中的一种或几种的组合。只读存储器包括但不限于磁泡存储器、磁钮线存储器、薄膜存储器、磁镀线存储器、磁芯内存、磁鼓存储器、光盘驱动器、硬盘、磁带、相变化内存、磁阻式随机存储式内存、铁电随机存储内存、非易失SRAM、闪存、电子抹除式可复写只读存储器、可擦除可编程只读存储器、可编程只读存储器、屏蔽式堆读内存、浮动连接门随机存取存储器、纳米随机存储器、赛道内存、可变电阻式内存、可编程金属化单元等中的一种或几种的组合。存储设备202可以是利用磁能方式存储信息的设备，例如硬盘、软盘、磁带、磁芯存储器、磁泡存储器、U盘、闪存等。存储设备202可以是利用光学方式存储信息的设备，例如CD或DVD等。存储设备202可以是利用磁光方式存储信息的设备，例如磁光盘等。存储设备202的存取方式可以是随机存储、串行访问存储、只读存储等中的一种或几种的组合。存储设备202可以是非永久记忆存储器，也可以是永久记忆存储器。以上提及的存储设备只是列举了一些例子，服务器101可以使用的存储设备并不局限于此。
在一些实施例中，输出设备203可以用于将服务器101中的信息通过一定形式输出。服务器101输出信息的形式可以包括但不限于数字、字符、指令、压力、声音、图像、系统、软件、程序等中的一种或几种的组合。在一些实施例中，输出设备203可以包括但不限于显示器、打印机、绘图仪、影像输出设备、语言输出设备等中的一种或几种的组合。输出的信息可以发送给服务器101，也可以不发送。不发送的输出信息可以存储在存储设备202中，也可以删除。
在一些实施例中，处理设备204可以用于处理信息，包括但不限于对信息进行存储、分类、筛选、转换、计算、检索、预测、训练等操作中的一种或几种的组合。在一些实施例中，处理设备204可以对信息进行分析（例如解析自然语言等）、确定检索路径、推荐相关产品等。在一些实施例中，处理设备204还可以用于处理指令、执行操作或控制时间等。处理设备204可以进一步包括逻辑部件、寄存器部件或控制部件等（图中未示）。在一些实施例中，处理设备204的种类可以包括但不限于中央处理器（Central Processing Unit（CPU））、专门应用集成电路（Application Specific Integrated Circuit（ASIC））、专用指令处理器（Application Specific Instruction Set Processor（ASIP））、物理处理器（PhysicsProcessing Unit（PPU））、数字信号处理器（Digital Processing Processor（DSP））、现场可编程逻辑门阵列（Field-Programmable Gate Array（FPGA））、可编程逻辑器件（Programmable Logic Device（PLD））、处理器、微处理器、控制器、微控制器等中的一种或几种的组合。
在一些实施例中，供电设备205可以用于对服务器101提供电源。通信端口206可以通过一定的通信方式（例如网络102）与服务器101内部或外部的设备进行连接。外部设备包括服务器101、信息源104、云端、物联网等。其中，网络102可以是单一网络，也可以是多种网络的组合。网络102可以包括但不限于局域网（Local Area Network（LAN））、无线局域网（Wireless Local Area Network（WLAN））、城域网（Metropolitan Area Network（MAN））、广域网（Wide Area Network（WAN））、公用网络、专用网络、虚拟网络等中的一种或几种的组合。
需要注意的是，上述存储设备202和/或处理设备204可以实际存在于系统中，也可以通过云计算平台完成相应功能。其中，云计算平台可以包括但不限于以存储数据为主的存储型云平台、以处理数据为主的计算型云平台以及兼顾数据存储和处理的综合云计算平台。服务器101所使用的云平台可以是公共云、私有云、社区云或混合云等。例如，根据实际需要，服务器101接收的一部分信息，可以通过云平台进行计，算和/或存储。另一部分信息，可以通过本地的处理设备204和/或存储设备202进行计算和/或存储。
根据本申请的一些实施例，图3是信息推荐引擎300的一种示意图。信息推荐引擎300中的各个模块可以由服务器101的硬件平台所执行。服务器101可以用于实施图3所示信息推荐引擎300的任何单元。例如，信息推荐引擎300能够被如服务器101的计算机通过其硬件设备、软件程序、固件以及它们的组合所实现。据图3所示，信息推荐引擎300可以包括一个收集模块301、一个处理模块302、一个输出模块303和一个数据库304。
收集模块301可以用于获取来自客户终端103、其他信息源104或信息推荐引擎300中其他模块的信息。在一些实施例中，收集模块301的信息收集功能可以由图2中的输入设备201执行。信息推荐引擎300通过收集模块301获得的信息类型，可以包括但不限于数字、字符、指令、压力、声音、图像、系统、软件、程序等中的一种或几种的组合。在一些实施例中，信息推荐引擎300需要收集的信息可以为用户信息、用户检索记录、用户已选择产品、其他相关信息等中的一种或几种的组合。其中，用户信息可以包括但不限于用户的姓名、昵称、性别、年龄、联系方式、地址、历史订单、退货订单、历史评论、会员等级、信用度、购买力、优惠券、余额等中的一种或几种的组合。用户检索记录可以包括但不限于用户在检索框中主动输入或被动选择的任意文字、符号、声音、图片、视频等信息。在一些实施例中，用户检索记录还可以是根据用户历史检索记录所总结或习得的习惯，例如爱好或倾向性等信息。用户已选择产品可以包括但不包括用户已购买产品、欲购买产品、已收藏产品、已退货产品等中的一种或几种的组合。针对这些产品，还可以收集它们相关的信息，包括但不限于产品的名称、大小、尺寸、型号、厂家、颜色、材质、评价、盈亏等中的一种或几种的组合。其他相关信息可以包括但不限于与产品相关的新闻、资讯、行情、广告、报道、报告、政策、法律等中的一种或几种的组合。
为理解此披露书的方便，以下用信息推荐中的股票推荐为例进行说明。在股票推荐场景中，收集模块301获取的信息中，用户信息可以包括但不限于用户的姓名、昵称、性别、年龄、简介、入市时间、盈亏、持股情况、资金、委托券商等中的一种或几种的组合。用户检索记录可以包括但不限于用户输入的任意文字、符号、声音、压力、图片、视频等信息。以文字为例，可以是股票的代码、名称、行业、换手率、振幅等信息。用户检索记录还可以包括用户的选股记录、浏览记录或者基于用户检索记录形成的检索习惯等信息。用户已选择产品可以包括用户已购买的股票（自选股）、已卖出的股票、收藏的股票等。针对这些股票，还可以收集它们的代码、名称、板块、现价、买入价、卖出价、涨幅、涨速、所属行业、大单金额、流通市值、好评率、成功率、公司概要、公司重要事件、相关新闻、公司股东信息等中的一种或几种的组合。其他相关信息可以包括但不限于证券要闻、大盘分析、社会热点、财经观点、行情分析、行业研报、公司公告、投资机会、基金、大宗商品、港股、美股等中的一种或几种的组合。
在一些实施例中，处理模块302可以用于处理从收集模块301获取的信息。其中，处理方法可以包括但不限于对信息进行存储、分类、筛选、转换、计算、检索、预测、训练等操作中的一种或几种的组合。处理模块302的功能可以由服务器101中的处理设备204执行。在股票推荐场景中，处理模块302可以将收集模块301获取的用户自选股信息进行解析，然后根据相应策略，检索相关股票。在一些实施例中，输出模块303可以用于输出处理模块302处理后的信息。输出模块303的功能可以由服务器101中的输出设备执行。在一些实施例中，数据库304可以用于存储外部获取和/或信息推荐引擎300获取的信息。数据库304的功能可以由服务器101中的存储设备202执行。
根据本申请的一些实施例，图4是处理模块302的一种示意图。由图所示，处理模块302可以包括一个信息分析单元401、一个策略确定单元402、一个检索单元403、一个训练单元404、一个信息整合单元405、一个存储单元406和一个评估单元407。在一些实施例中，信息分析单元401可以用于对收集来的信息进行分析，包括但不限于数据清洗、自然语言解析、特征量提取、归类、排序、判断、计算、统计等中的一种或几种的组合。策略确定单元402可以根据信息分析单元401的分析结果确定一个检索策略（参见图5），该策略可以由用户设定，也可以由信息推荐引擎300制定或选择。检索单元403可以根据确定出的检索策略进行检索，得到相关的产品。训练单元404可以对某个数据、参数、策略、模块、流程等不断机器训练，以得到针对不同用户进行信息推荐的个性化设置。例如训练单元404可以对检索策略进行训练，得到针对某个用户的最优检索策略。该最优检索策略可以存储在存储单元406中，供以后使用。信息整合单元405可以将检索到的相关产品信息进行进一步整合，以便推荐给用户。整合方法可以是针对检索出的产品信息进行的分类、排序、融合等操作。存储单元406可以将处理模块302中一个或几个单元输出的信息进行存储，评估单元407可以对检索到的产品进行评估，评估内容可以是产品的性能、价值、收益、风险等中的一种或几种的组合。
根据本申请的一些实施例，图5是策略确定单元402的一种示意图。据图5所示，策略确定单元402包括一个自然语言处理子单元501和一个检索路径确定子单元502。在一些实施例中，自然语言处理子单元501可以包括能实现用户和机器进行通信的任意设备。自然语言处理子单元501可以执行诸如文本朗读、语音识别、自动分词、词性标注、句法分析、自然语言生成、文本分类、信息检索、信息抽取、文字校对、机器翻译等操作中的一种或几种。在一些实施例中，自然语言处理子单元501可以将用户输入的信息（例如文本、语音、动作、图片等）进行处理，然后提取信息中的关键词。在一些实施例中，提取的关键词还可以进一步转换成自然语言，供用户确认。检索路径确定子单元502可以根据自然语言处理子单元501得到的关键词，确定检索路径。检索路径可以指查找到一个或多个相关产品的基本表达式。搜索路径可以通过一层或一层以上的搜索算法实现。例如，搜索算法可以包括深度优先搜索算法（Depth-First-Search，DFS）和广度优先搜索算法（Breadth-First-Search，BFS）。检索路径可以包括一条、两条或两条以上，检索路径确定子单元502可以保留所有的路径，也可以仅保留其中的一条路径，例如最优路径。
需要注意的是，以上对于处理模块302和策略确定单元402的描述，仅为阐述方便，并不能把本申请限制在所举实施例范围之内。可以理解，对于本领域的技术人员来说，在了解该处理模块的工作原理后，可能在不背离这一原理的情况下，对各个单元进行诸如合并、分解、增加、减少、重组等变形。例如，处理模块302可以不包括训练单元404、存储单元406或评估单元407，相应功能可以省略或由其他单元实现。例如，信息分析单元401和策略确定单元402可以合并，整合为一个具有信息分析功能的策略确定单元。再例如，检索单元403和训练单元404也可以合并，整合为一个具有训练功能的检索单元。诸如此类的变形，均在本申请的设想之内。
根据本申请的一些实施例，图6所示的是信息推荐方法的一种示例性流程图。信息推荐方法600可以包括收集信息（步骤601）、检索相关产品（步骤602）、评估相关产品（步骤603）和推荐相关产品（步骤604）。在一些实施例中，信息推荐方法600中的步骤可以依照顺序执行，可以交换部分步骤的顺序。例如，步骤602执行后可以返回执行步骤601，步骤603执行后可以返回执行步骤602，步骤604执行后可以返回执行步骤603。在一些实施例中，信息推荐方法600可以执行所有步骤，也可以省略掉部分步骤。例如，可以是步骤601、602、603、604依次进行，也可以是只实施步骤601、602和604。
在一些实施例中，在步骤601中，收集模块301可以收集信息。其中，所收集的信息可以是来自客户终端103的用户浏览记录、用户喜好记录以及用户主动输入的搜索记录，还可以是来自其他信息源104的信息。收集信息的方式可以是服务器101主动从各个信息源进行信息收集，也可以是客户终端103或其他信息源104根据设定将各种信息发送给服务器101，服务器101进行被动收集。收集的信息的格式可以包括但不限于文字、图片、音频、视频等中的一种或多种。收集的信息可以是关于各个行业的信息，包括但不限于体育、娱乐、经济、政治、军事、文化、艺术、科学、工程等中的一种或多种。
在一些实施例中，步骤601收集的信息可以包括用户信息、用户检索记录、用户已选择产品、其他相关信息等，这些信息可以被划分为两大类，一类是产品相关信息，一类是用户需求信息。产品相关信息可以泛指用户选择的产品的相关信息，其中用户选择的产品可以是信息推荐引擎300为用户提供推荐产品或信息时赖以依据的产品。用户需求信息可以泛指用户对信息推荐引擎300所推荐的产品或信息应该具有的属性的要求。
下面以本申请的一个实施例，针对股票的信息推荐系统为例进行说明。步骤601收集的产品相关信息可以是用户的自选股的相关信息，用户的自选股可以包括但不限于用户持有的股票、用户已卖出的股票、用户感兴趣在观望的股票、用户收藏的股票、用户用来模拟炒股的股票、用户近期浏览过的股票等。这些股票的相关信息可以包括但不限于公司资料、股东研究、经营分析、股本结构、财务概况、分红融资、公司大事等。在一些实施例中，还可以再依据上述的股票相关信息收集更为详细的二级信息。步骤601收集的用户需求信息可以是用户选择或输入的推荐策略，推荐策略包括但不限于用户选择或输入的推荐方法、用户选择或输入的对推荐产品的期望等。推荐方法可以是用户希望信息推荐引擎300对自己进行推荐产品时所遵循的方法，包括检索方法、结果排序方法、推荐方式的选择方法等。对推荐产品的期望可以是用户希望所推荐股票具有的某些指标，如每股收益、总股本、每股净资产、净资产收益率、市盈率、市净率等中的一种或几种的组合。
例如，假设某个用户的自选股产品是A股票，针对此只股票，信息推荐引擎300收集的产品相关信息具体来说可以包括，A公司的股票代码、股东构成、近年业绩、融资情况、历年财报、公司架构等，还可以包括A这只股票的研报、公告、相应的新闻等。用户需求信息可以是用户输入的推荐期望，如“预期年化收益率大于8%”，“三个月后上涨概率大于60%”，“一年后平均盈利大于7.50%”。用户需求信息还可以是用户输入的推荐策略，如“上季度与A股票走势相似的股票”，“公司大股东包括A公司大股东在内的公司”，“在三级行业排名前五位的公司”等。
在一些实施例中，在步骤602中，检索单元403可以检索相关产品。例如，步骤602可以根据步骤601收集的信息来进行相关产品的检索。根据本申请的一些实施例，步骤602可以包括如图7所示的流程700。需要注意的是，图7仅是信息检索方法的一种示例性流程图，本申请的范围并不限制在此实施例中。据图7所示，在步骤601收集的信息基础上，步骤701，策略确定单元402可以首先进行判断，判断所收集的信息是否为自然语言，如果是自然语言，则进行步骤702，如果不是自然语言，则进行步骤703。如上所述，步骤601中收集的信息可以是用户主动输入的内容，这时用户输入的是自然语言，需要先进行自然语言处理才能被信息推荐引擎300利用。如果收集的信息不是用户主动输入而是用户选择的系统已经给定的某些选项，则可跳过步骤702执行步骤703。
步骤702，自然语言处理子单元501可以处理自然语言处理，自然语言可以是字母、数字、字符、词语、短语、语句、段落、篇章等中的一种或几种的组合，或由任意数量的标识符集合，该标识符集合可以包含一种或多种语义。
步骤703，策略确定单元402可以解析信息，解析信息可以包括但不限于对收集的信息进行格式转换，如对图片、音频、视频等格式的信息进行文字识别，将其转换为文字信息。解析信息还可以包括对收集的信息进行语言识别，针对不同的语言可以进行分词处理等。解析信息可以进一步包括对收集的信息进行分类、提取关键词、排列优先权、赋予权重等。
步骤704，检索路径确定子单元502可以确定检索路径，信息推荐引擎300利用前述解析后的信息来确定检索的路径，也可以直接使用用户指定的信息来确定检索路径。检索路径可以是信息推荐引擎300进行产品检索时依据的检索式，检索路径确定后，信息推荐引擎300按照此检索路径开始检索，直到检索到相关产品。
以本申请的一个实施例，针对股票的信息推荐系统为例进行流程700的具体说明。如果步骤601收集的信息是A股票的相关信息与用户输入的推荐策略——“上季度与A股票走势相似”，“收益率大于6%的股票”。执行步骤701，判断用户输入的推荐策略是自然语言输入的，因此执行步骤702，对推荐策略进行自然语言处理。步骤703解析信息，对产品相关信息分解可得到A公司的股票代码、股权构成、近年业绩、融资情况、历年财报、公司架构等，还可以包括A股票的研报、公告、相应的新闻等；对用户需求信息即经过自然语言处理的推荐策略进行分解，可得到有关检索策略的关键词可以包括但不限于“上季度”、“A”、“走势相似”、“收益率”、“大于6%”、“股票”，将这些关键词信息归入对应的类别，如时间类、指标类、商品类别类等。步骤704确定检索路径，可以将检索路径分为两条，一条是股票走势，一条是收益率，在检索过程中可以并行检索也可以交叉检索。
回到图6，执行步骤602检索相关产品后，信息推荐引擎300可以执行步骤603来评估相关产品。在检索到相关产品后，可以利用系统定义的匹配算法来打分，也可以利用用户自定义的匹配算法来打分，评估检索到的相关产品和用户的需求之间的匹配度。如果匹配度大于系统预设的匹配阈值，则执行步骤604推荐相关产品；如果匹配度小于某个阈值则返回步骤602再次检索相关产品，即执行流程700；如果再次检索到的产品的匹配度仍然小于匹配阈值，则可以返回步骤601，主动要求用户输入新的信息或者是再次收集更多的信息来丰富检索词，以进行第二轮检索。在一些实施例中，上述阈值可以由系统预设，可以由用户定义，也可以由系统根据机器训练习得。
信息推荐引擎300定义的匹配算法可以依据不同类别的产品制定不同的算法。在本申请的一些实施例中，可以针对家用或个人用计算机类别进行产品推荐，此时的匹配算法进行比较的项目可以包括但不限于操作系统、CPU类型、内存容量、内存类型、插槽数量、最大支持容量、显卡类型、显卡容量、光驱类型、显示器屏幕尺寸、屏幕物理分辨率、屏幕类型、屏幕显示比例、USB接口、音频端口、显示端口、扬声器等中的一种或几种的组合。对各个项目进行比较打分后，可以赋予不同的项目不同的权重值，最后进行加权总打分。以前述的流程700中的针对股票的信息推荐引擎300为例进行说明，流程700（及步骤602）执行完毕后，针对用户输入的推荐策略——“上季度与A股票走势相似”，“收益率大于6%的股票”，检索到的相关产品可能有数千种之多，这些产品并不一定符合用户需求，需要与用户的需求进行比较打分，进行量化。打分时可以比较的项目可以包括但不限于与A股票相关的分时图、K线图、年收益率、净资产收益率、股东人数、人均流通股、行业地位、新闻公告的回测值、分红融资情况等项目。还可以是可以给每个项目赋予权重，最后进行加权打分。根据用户的不同需求，各个项目的权重值可以随用户不同而不同。
在一些实施例中，在步骤604，信息推荐引擎300可以推荐相关产品，信息推荐引擎300可以将步骤603已评估过的相关产品推荐给用户。根据本申请的一些实施例，步骤604可以包括如图8所示的流程800。步骤801分类产品，检索的相关产品可以划分为不同的类别，因此进行产品的分类。步骤802排列产品，可以将检索到的相关产品中处于同一类别下的产品进行匹配度的排列，也可以按照用户预设的喜好度排列。
步骤803选择推荐方式，在完成推荐产品的整理后，可以按照用户预设的推荐方式来向用户推荐相关产品。推荐方式可以包括但不限于通过客户终端消息推荐、通过手机短信推荐、通过邮件推荐、通过各种社交软件推荐等方式。步骤804推荐产品，根据步骤803选择的推荐方式选择不同的接口服务向用户推荐产品。
回到图6，在执行步骤604推荐相关产品后，可以返回至步骤603，信息推荐引擎300可以记录此次向用户推荐的产品，在系统数据库中查找历史中类似用户类似需求的以往推荐记录，预测本次推荐服务的满意度。
在流程600中，步骤601、602、603、604可以是依次执行的，也可以是如前文所述的，根据不同的情况循环进行的。在本申请的一些实施例中，当步骤601收集的信息较为单调，如用户的需求较为简单时，在进行步骤602检索相关产品后，可以跳过步骤603直接执行步骤604向用户推荐相关产品。在另一些实施例中，当步骤603对检索到的相关产品的评估结果不能满足系统阈值时，可以返回602进行检索路径的重新确定来进一步检索，还可以返回步骤601收集更多的信息。在另一些实施例中，步骤604完成向用户推荐相关产品后，可以返回至步骤603进行评估中的回测或预测过程，再将相关产品的预测或回测结果推荐给用户。
图9所示是本申请描述的信息服务系统的一种用户交互界面示意图。该用户交互界面可以作为一个终端，使得客户终端103和服务器101进行交互。用户交互界面在多种显示设备上显示，显示设备可以包括但不限于，手机、个人电脑、平板电脑、PDA、智能手表、智能家居、智能交通工具，或其中的一种或多种。该交互界面仅仅是本申请的一个实施例，并不限定其表现形式。
在一些实施例中，自选产品栏901中可以显示用户所选择的产品，该产品可以是用户感兴趣主动添加的产品，也可以是用户浏览过的产品。以本申请的一个实施例，针对股票的信息推荐系统为例进行说明，自选产品可以是用户的自选股，包括但不限于用户持有的股票、用户已卖出的股票、用户感兴趣在观望的股票、用户用来模拟炒股的股票、用户近期浏览过的股票等。
在一些实施例中，推荐策略栏902中可以显示和选择各种推荐策略。推荐策略是指在依据用户的自选产品向用户推荐相关产品时，系统所采用的推荐逻辑或推荐方法。用户可以选择系统默认的推荐策略，也可以选择系统不同的设定策略，用户还可以在输入栏903中输入自己定义的推荐策略。以本申请的一个实施例，针对股票的信息推荐系统为例进行说明，推荐策略可以是基于行情指标、K线图、财务指标、市场估值、市场研报等，还可以是基于自选股票的股东、基金经理等，还可以是基于股票的历史表现等，还可以是基于某个证券分析师的推荐策略。用户在自定义推荐策略时，可以输入任何自然语言语句，如“过去三个月收益大于25%的股票”。输入的自然语言语句可以包括任意格式的数字和日期，如百分之五、5-10%、1/3、上上周、上季度、近N个交易日等。
用户选择了某种自选产品和某种推荐策略后，可以点击搜索按钮904。信息服务系统可以按照用户选择进行相关产品的检索。在一些实施例中，推荐产品栏905中可以显示信息服务系统推荐给用户的产品。推荐产品可以是按照字母顺序排列的，可以是按照用户需求相关度排列的，还可以是按照用户定义的顺序排列显示。以本申请的一个实施例，针对股票的信息推荐系统为例进行说明，推荐产品可以是按股东相关度排列，可以是按预期年化收益率大小排列，可以是按年累计收益大小排列等。在一些实施例中，在推荐产品栏905中，或者点击推荐产品栏905中某一个产品之后，可以显示信息服务系统推荐该产品的说明、理由或分析，供用户参考。
以上概述了信息推荐方法的不同方面和/或通过程序实现其他步骤的方法。技术中的程序部分可以被认为是以可执行的代码和/或相关数据的形式而存在的“产品”或“制品”，是通过计算机可读的介质所参与或实现的。有形的、永久的储存介质包括任何计算机、处理器、或类似设备或相关的模块所用到的内存或存储器。例如各种半导体存储器、磁带驱动器、磁盘驱动器或者类似任何时间能够为软件提供存储功能的设备。
所有软件或其中的一部分有时可能会通过网络进行通信，例如互联网或其他通信网络。此类通信能够将软件从一个计算机设备或处理器加载到另一个。例如：从按需服务系统的一个管理服务器或主机计算机加载至一个计算机环境的硬件平台，或其他实现系统的计算机环境，或与提供按需服务所需要的信息相关的类似功能的系统。因此，另一种能够传递软件元素的介质也可以被用作局部设备之间的物理连接，例如光波、电波、电磁波等，通过电缆、光缆或者空气实现传播。用来载波的物理介质如电缆、无线连接或光缆等类似设备，也可以被认为是承载软件的介质。在这里的用法除非限制了有形的“储存”介质，其他表示计算机或机器“可读介质”的术语都表示在处理器执行任何指令的过程中参与的介质。
一个计算机可读的介质可能有多种形式，包括但不限于有形的存储介质，载波介质或物理传输介质。稳定的储存介质包括：光盘或磁盘，以及其他计算机或类似设备中使用的，能够实现图中所描述的系统组件的存储系统。不稳定的存储介质包括动态内存，例如计算机平台的主内存。有形的传输介质包括同轴电缆、铜电缆以及光纤，包括计算机系统内部形成总线的线路。载波传输介质可以传递电信号、电磁信号，声波信号或光波信号，这些信号可以由无线电频率或红外数据通信的方法所产生的。通常的计算机可读介质包括硬盘、软盘、磁带、任何其他磁性介质；CD-ROM、DVD、DVD-ROM、任何其他光学介质；穿孔卡、任何其他包含小孔模式的物理存储介质；RAM、PROM、EPROM、FLASH-EPROM，任何其他存储器片或磁带；传输数据或指令的载波、电缆或传输载波的连接装置、任何其他可以利用计算机读取的程序代码和/或数据。这些计算机可读介质的形式中，会有很多种出现在处理器在执行指令、传递一个或更多结果的过程之中。
本领域技术人员能够理解，本申请所披露的内容可以出现多种变型和改进。例如，以上所描述的不同系统组件都是通过硬件设备所实现的，但是也可能只通过软件的解决方案得以实现。例如：在现有的服务器上安装系统。此外，这里所披露的位置信息的提供可能是通过一个固件、固件/软件的组合、固件/硬件的组合或硬件/固件/软件的组合得以实现。
以上内容描述了本申请和/或一些实施例。根据上述内容，本申请还可以作出不同的变形。本申请披露的主题能够以不同的形式和例子所实现，并且本申请可以被应用于大量的应用程序中。后文权利要求中所要求保护的所有应用、修饰以及改变都属于本申请的范围。
Claims (16)
1.一种方法，包括：
一次或多次迭代执行迭代过程，所述一次迭代过程包括：
获取用户选定的信息或用户的检索信息；
解析所述选定信息或所述检索信息，所述解析所述选定信息或所述检索信息包括对信息进行分类、提取关键词、排列优先权、赋予权重中的至少一种；
基于所述选定信息或检索信息的解析结果，确定一条或多条检索路径；
基于所述检索路径，检索与所述选定信息相关的产品信息；
确定与用户需求相关的多个项目及各项目对应的权重，所述用户需求包括所述用户选定的信息或所述用户的检索信息；
确定所述相关的产品信息与所述用户需求关于所述多个项目的多个匹配度，并根据所述多个匹配度和各项目对应的所述权重，确定所述相关的产品信息的评估值；
确定所述评估值是否满足预设条件；
当所述评估值不满足所述预设条件时，返回继续获取所述用户选定的信息或所述用户的检索信息或者返回重新解析所述选定信息或所述检索信息，以使得更新所述检索路径，进而使得重新检索所述相关的产品信息；
当所述评估值满足所述预设条件时，向所述用户推荐所述相关的产品信息；以及
对所述检索路径进行机器训练。
2.根据权利要求1所述的方法，其特征在于，所述用户选定的信息是证券信息，包括用户持有的证券信息、用户已卖出的证券信息、用户感兴趣的证券信息、用户收藏的证券信息、用户用来模拟操作的证券信息中的至少一种。
3.根据权利要求1所述的方法，其特征在于，解析所述选定信息或所述检索信息进一步包括：
判断所述选定信息或所述检索信息是否为自然语言；以及
若是，对所述自然语言进行解析。
4.根据权利要求1所述的方法，其特征在于，所述一条检索路径包括一层或一层以上的搜索算法。
5.根据权利要求1所述的方法，其特征在于，所述预设条件包括：所述评估值不低于阈值。
6.根据权利要求1所述的方法，其特征在于，向所述用户推荐所述相关的产品信息，进一步包括：
将所述相关的产品信息进行分类；以及
将至少部分的分类结果发送给所述用户。
7.根据权利要求1所述的方法，其特征在于，所述方法进一步包括对所述相关的产品信息进行预测或回测。
8.一种系统，包括：
一种计算机可读的存储媒介；
存储在所述计算机可读的存储媒介的代码；以及
一个处理器，所述代码被处理器执行时，所述处理器执行一次或多次迭代执行迭代过程，所述一次迭代过程包括：
获取用户选定的信息或用户的检索信息；
解析所述选定信息或所述检索信息，所述解析所述选定信息或所述检索信息包括对信息进行分类、提取关键词、排列优先权、赋予权重中的至少一种；
基于所述选定信息或检索信息的解析结果，确定一条或多条检索路径；基于所述检索路径，检索与所述选定信息相关的产品信息；
确定与用户需求相关的多个项目及各项目对应的权重，所述用户需求包括所述用户选定的信息或所述用户的检索信息；
确定所述相关的产品信息与所述用户需求关于所述多个项目的多个匹配度，并根据所述多个匹配度和各项目对应的所述权重，确定所述相关的产品信息的评估值；
确定所述评估值是否满足预设条件；
当所述评估值不满足所述预设条件时，返回继续获取所述用户选定的信息或所述用户的检索信息或者返回重新解析所述选定信息或所述检索信息，以使得更新所述检索路径，进而使得重新检索所述相关的产品信息；当所述评估值满足所述预设条件时，向所述用户推荐所述相关的产品信息；以及
对所述检索路径进行机器训练。
9.根据权利要求8所述的系统其特征在于，所述系统进一步包括一个客户终端，执行一项或多项操作，包括：
向所述系统发送用户选定的信息或用户的检索信息；以及
接收所述系统根据所述选定信息或所述检索信息推荐的与所述选定信息相关的产品信息。
10.根据权利要求9所述的系统，其特征在于，所述客户终端可以显示所述相关的产品信息。
11.根据权利要求8所述的系统，其特征在于，所述用户选定的信息是证券信息，包括用户持有的证券信息、用户已卖出的证券信息、用户感兴趣的证券信息、用户收藏的证券信息、用户用来模拟操作的证券信息中的至少一种。
12.根据权利要求8所述的系统，其特征在于，解析所述选定信息或所述检索信息进一步包括：
判断所述选定信息或所述检索信息是否为自然语言；以及
若是，对所述自然语言进行解析。
13.根据权利要求8所述的系统，其特征在于，所述一条检索路径包括一层或一层以上的搜索算法。
14.根据权利要求8所述的系统，其特征在于，所述预设条件包括：所述评估值不低于阈值。
15.根据权利要求8所述的系统，其特征在于，向所述用户推荐所述相关的产品信息，进一步包括：
将所述相关的产品信息进行分类；以及
将至少部分的分类结果发送给所述用户。
16.根据权利要求8所述的系统，其特征在于，所述处理器进一步对所述相关的产品信息进行预测或回测。
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| PCT/CN2016/097944 WO2018040069A1 (zh) | 2016-09-02 | 2016-09-02 | 信息推荐系统及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108885624A CN108885624A (zh) | 2018-11-23 |
| CN108885624B true CN108885624B (zh) | 2022-11-08 |
Family
ID=61299755
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201680084097.6A Active CN108885624B (zh) | 2016-09-02 | 2016-09-02 | 信息推荐系统及方法 |
Country Status (3)
| Country | Link |
|---|---|
| US (2) | US11243992B2 (zh) |
| CN (1) | CN108885624B (zh) |
| WO (1) | WO2018040069A1 (zh) |
Families Citing this family (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108885624B (zh) * | 2016-09-02 | 2022-11-08 | 浙江核新同花顺网络信息股份有限公司 | 信息推荐系统及方法 |
| CN108446359B (zh) * | 2018-03-12 | 2021-11-02 | 百度在线网络技术（北京）有限公司 | 信息推荐方法和装置 |
| WO2020061586A1 (en) * | 2018-09-22 | 2020-03-26 | Manhattan Engineering Incorporated | Code completion |
| CN112445942A (zh) * | 2019-09-02 | 2021-03-05 | 智慧芽信息科技(苏州)有限公司 | 一种检索条件的推荐方法、装置、设备及存储介质 |
| CN112528007B (zh) * | 2019-09-19 | 2023-04-07 | 中冶赛迪信息技术(重庆)有限公司 | 一种招商项目的目标企业的确认方法及确认装置 |
| CN111008897B (zh) * | 2019-12-23 | 2023-08-25 | 集奥聚合(北京)人工智能科技有限公司 | 一种基于雷达技术的银行卡拒件导流方法 |
| CN111339411B (zh) * | 2020-02-21 | 2023-09-29 | 京东科技控股股份有限公司 | 控制推荐策略使用的方法、装置、设备及存储介质 |
| CN111475714A (zh) * | 2020-03-17 | 2020-07-31 | 北京声智科技有限公司 | 一种信息推荐的方法、装置、设备和介质 |
| JP7127080B2 (ja) * | 2020-03-19 | 2022-08-29 | ヤフー株式会社 | 判定装置、判定方法及び判定プログラム |
| CN112912915A (zh) * | 2020-03-31 | 2021-06-04 | 浙江核新同花顺网络信息股份有限公司 | 一种当前页面信息刷新方法和系统 |
| CN112269934A (zh) * | 2020-11-09 | 2021-01-26 | 武汉蝌蚪信息技术有限公司 | 基于去中心化大数据检索市场的阅读相关检索及推荐系统 |
| CN113344674A (zh) * | 2021-06-28 | 2021-09-03 | 平安信托有限责任公司 | 基于用户购买力的产品推荐方法、装置、设备及存储介质 |
| CN113849546A (zh) * | 2021-09-08 | 2021-12-28 | 国家电网公司东北分部 | 一种基于电力k线分析数据的系统 |
| CN117033801B (zh) * | 2023-10-08 | 2023-12-22 | 太平金融科技服务（上海）有限公司 | 一种业务推荐方法、装置、设备和存储介质 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| AU2015203232A1 (en) * | 2010-08-19 | 2015-07-09 | Google Llc | Predictive query completion and predictive search results |
Family Cites Families (28)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7509277B1 (en) * | 1998-04-24 | 2009-03-24 | Starmine Corporation | Security analyst estimates performance viewing system and method |
| US6501832B1 (en) * | 1999-08-24 | 2002-12-31 | Microstrategy, Inc. | Voice code registration system and method for registering voice codes for voice pages in a voice network access provider system |
| US8285619B2 (en) * | 2001-01-22 | 2012-10-09 | Fred Herz Patents, LLC | Stock market prediction using natural language processing |
| CN101324948B (zh) * | 2008-07-24 | 2015-11-25 | 阿里巴巴集团控股有限公司 | 一种信息推荐的方法及装置 |
| US8504458B1 (en) * | 2009-03-27 | 2013-08-06 | Bank Of America Corporation | Investment strategy system |
| US20110246298A1 (en) * | 2010-03-31 | 2011-10-06 | Williams Gregory D | Systems and Methods for Integration and Anomymization of Supplier Data |
| JP2011253462A (ja) * | 2010-06-03 | 2011-12-15 | Sony Corp | コンテンツ推薦システム、コンテンツ推薦装置、およびコンテンツ推薦方法 |
| US11151588B2 (en) * | 2010-10-21 | 2021-10-19 | Consensus Point, Inc. | Future trends forecasting system |
| US8909624B2 (en) * | 2011-05-31 | 2014-12-09 | Cisco Technology, Inc. | System and method for evaluating results of a search query in a network environment |
| CN102354385A (zh) * | 2011-09-07 | 2012-02-15 | 宇龙计算机通信科技(深圳)有限公司 | 移动终端、服务器和证券信息推送方法 |
| US20180032997A1 (en) * | 2012-10-09 | 2018-02-01 | George A. Gordon | System, method, and computer program product for determining whether to prompt an action by a platform in connection with a mobile device |
| CN103208080A (zh) * | 2012-01-12 | 2013-07-17 | 孙武仲 | 股票选股装置及方法 |
| KR101599576B1 (ko) * | 2013-03-12 | 2016-03-03 | 유안타증권 주식회사 | 주식 종목 추천 시스템 |
| US10922755B2 (en) * | 2013-06-17 | 2021-02-16 | Intercontinental Exchange Holdings, Inc. | Systems and methods for determining an initial margin |
| US20140379551A1 (en) * | 2013-06-21 | 2014-12-25 | Morris Donald Scott PUMA | Instantly back-testing trading strategies in an options portfolio |
| WO2015149035A1 (en) * | 2014-03-28 | 2015-10-01 | LÓPEZ DE PRADO, Marcos | Systems and methods for crowdsourcing of algorithmic forecasting |
| CN104036045B (zh) | 2014-07-01 | 2018-04-03 | 彩带网络科技（北京）有限公司 | 一种信息分析方法及服务平台 |
| US20160042455A1 (en) * | 2014-08-11 | 2016-02-11 | Sunil Arvindam | Performance evaluation of trading strategies |
| US10089364B2 (en) * | 2014-10-31 | 2018-10-02 | Kabushiki Kaisha Toshiba | Item recommendation device, item recommendation method, and computer program product |
| CN104598538A (zh) * | 2014-12-30 | 2015-05-06 | 百度在线网络技术（北京）有限公司 | 信息查找方法和装置 |
| US10191946B2 (en) * | 2015-03-11 | 2019-01-29 | International Business Machines Corporation | Answering natural language table queries through semantic table representation |
| US20160292786A1 (en) * | 2015-04-03 | 2016-10-06 | Pavel Khizhnyak | Online Broker Evaluation Strategy |
| US11113704B2 (en) * | 2015-12-07 | 2021-09-07 | Daniel J. Towriss | Systems and methods for interactive annuity product services using machine learning modeling |
| CN105589936A (zh) | 2015-12-11 | 2016-05-18 | 航天恒星科技有限公司 | 一种数据查询方法及系统 |
| CN108885624B (zh) * | 2016-09-02 | 2022-11-08 | 浙江核新同花顺网络信息股份有限公司 | 信息推荐系统及方法 |
| US20190172142A1 (en) * | 2017-12-01 | 2019-06-06 | Dale Sundby | Model investment portfolios and funds containing combined holdings only found in managed accounts with the greatest performances by time period, risk level, and asset class; including artificial intelligence-enhanced versions |
| US20210065296A1 (en) * | 2018-03-26 | 2021-03-04 | Ziggurat Technologies, Inc. | Intelligent trading and risk management framework |
| US11410240B2 (en) * | 2019-09-12 | 2022-08-09 | Marcos M. Lopez De Prado Lopez | Tactical investment algorithms through Monte Carlo backtesting |
-
2016
- 2016-09-02 CN CN201680084097.6A patent/CN108885624B/zh active Active
- 2016-09-02 WO PCT/CN2016/097944 patent/WO2018040069A1/zh active Application Filing
- 2016-09-02 US US16/329,259 patent/US11243992B2/en active Active
-
2021
- 2021-12-17 US US17/644,793 patent/US20220114199A1/en active Pending
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| AU2015203232A1 (en) * | 2010-08-19 | 2015-07-09 | Google Llc | Predictive query completion and predictive search results |
Non-Patent Citations (1)
| Title |
|---|
| B2C电子商务中用户认知信息检索模型的分析――以当当网和卓越网为例;李志义等;《图书情报工作》;20120620(第12期);正文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| US11243992B2 (en) | 2022-02-08 |
| WO2018040069A1 (zh) | 2018-03-08 |
| US20190213194A1 (en) | 2019-07-11 |
| CN108885624A (zh) | 2018-11-23 |
| US20220114199A1 (en) | 2022-04-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108885624B (zh) | 信息推荐系统及方法 | |
| US11907240B2 (en) | Method and system for presenting a search result in a search result card | |
| Gloor et al. | Web science 2.0: Identifying trends through semantic social network analysis | |
| US9235646B2 (en) | Method and system for a search engine for user generated content (UGC) | |
| CN111444428A (zh) | 基于人工智能的信息推荐方法、装置、电子设备及存储介质 | |
| KR101419504B1 (ko) | 사용자 성향 분석을 통한 맞춤형 쇼핑 정보 제공 시스템 및 방법 | |
| CN102054003B (zh) | 网络信息推荐、建立网络资源索引的方法及系统 | |
| Cleger-Tamayo et al. | Top-N news recommendations in digital newspapers | |
| Lytvyn et al. | Design of the architecture of an intelligent system for distributing commercial content in the internet space based on SEO-technologies, neural networks, and Machine Learning | |
| CN110110233B (zh) | 信息处理方法、装置、介质和计算设备 | |
| US9767417B1 (en) | Category predictions for user behavior | |
| US9767204B1 (en) | Category predictions identifying a search frequency | |
| CN103309869A (zh) | 数据对象的展示关键词推荐方法及系统 | |
| Gioti et al. | Social business intelligence: Review and research directions | |
| CN111159563A (zh) | 用户兴趣点信息的确定方法、装置、设备及存储介质 | |
| CN105706081A (zh) | 结构化信息链接注释 | |
| CN111429214B (zh) | 一种基于交易数据的买卖双方匹配方法及装置 | |
| CN112328889A (zh) | 推荐搜索词确定方法、装置、可读介质及电子设备 | |
| Kuchkovskiy et al. | Application of Online Marketing Methods and SEO Technologies for Web Resources Analysis within the Region. | |
| CN116823410B (zh) | 数据处理方法、对象处理方法、推荐方法及计算设备 | |
| Wei et al. | Online education recommendation model based on user behavior data analysis | |
| CN101770467A (zh) | 分析和排序可访问web的数据目标的方法、装置和系统 | |
| Vysotska et al. | V. Lytvyn | |
| Thorleuchter et al. | Using Webcrawling of Publicly Available Websites to Assess E-commerce Relationships | |
| CN110347923B (zh) | 一种可回溯的快速裂变式构建用户画像的方法 |
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 |