CN109145193A - 一种信息推送方法及系统 - Google Patents
一种信息推送方法及系统 Download PDFInfo
- Publication number
- CN109145193A CN109145193A CN201710501465.9A CN201710501465A CN109145193A CN 109145193 A CN109145193 A CN 109145193A CN 201710501465 A CN201710501465 A CN 201710501465A CN 109145193 A CN109145193 A CN 109145193A
- Authority
- CN
- China
- Prior art keywords
- ugc
- user
- candidate
- pushed
- condition
- 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
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0241—Advertisements
- G06Q30/0251—Targeted advertisements
- G06Q30/0255—Targeted advertisements based on user history
-
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/205—Parsing
- G06F40/216—Parsing using statistical methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/237—Lexical tools
- G06F40/242—Dictionaries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
-
- 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
- G06Q30/0241—Advertisements
- G06Q30/0277—Online advertisement
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Artificial Intelligence (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Probability & Statistics with Applications (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请提供了一种信息推送方法及系统,依据用户的历史行为数据,确定所述用户的需求对象,并将与用户的需求对象相关的用户创建内容推送给用户,使得推送信息更加可信,进一步的,应用在电子商务网站,能够提高用户的购买力。
Description
技术领域
本申请涉及电子信息领域,尤其涉及一种信息推送方法及系统。
背景技术
随着电子商务的日益普及,向用户推荐商品成为一个重要的研究方向。如何通过向用户推荐商品,提高用户的购买力,成为目前亟待解决的问题。
发明内容
申请人在研究的过程中发现,仅仅将商品推荐给用户,并不能为提高购买力带来显著效果。而将用户的创建内容例如对商品的评论等发送给用户,则可以提升购买力。
本申请提供了一种信息推送方法及系统,目的在于解决如何将网站的用户的创建内容作为推送内容发送的问题。
为了实现上述目的,本申请提供了以下技术方案:
一种信息推送方法,包括:
依据用户的历史行为数据,确定所述用户的需求对象;
从多个用户创建内容UGC中,筛选满足条件的UGC作为候选UGC,所述条件包括与所述用户的需求对象相关;
将所述候选UGC推送给所述用户。
可选的,所述多个UGC中包括优质UGC;
任意一条优质UGC为包括目标对象的预设关键属性以及情感词特征的UGC,所述目标对象为该条优质UGC涉及的对象。
可选的,所述条件还包括:
匹配标签,所述标签表示所述用户的偏好。
可选的,所述将所述候选UGC推送给所述用户包括:
依据所述候选UGC和候选UGC的用户标签,生成推送信息清单,所述推送信息清单中的每一个UGC均携带该UGC的用户标签;
将所述推送信息清单推送给所述用户。
可选的,所述用户标签的生成过程包括:
确定所述候选UGC的能力标签和/或关系标签,所述能力标签为创建所述候选UGC的用户在预设领域的资深程度,所述关系标签为所述用户与所述创建所述候选UGC的用户之间的关系。
可选的,所述优质UGC的筛选方法包括:
从UGC中提取特征,所述特征包括所述关键属性以及所述情感词特征;
将所述特征与所述特征的权重值相乘,得到所述UGC的评价值;
在所述评价值大于预设的阈值的情况下,所述UGC为优质UGC。
可选的,所述从UGC中提取特征包括:
将所述UGC进行分词和词型标注处理;
从经过分词和词型标注处理的UGC中提取所述特征。
可选的,所述候选UGC不包括所述用户的UGC。
可选的,所述条件还包括:
由所述用户创建。
一种信息推送系统,包括:
用户需求挖掘模块,用于依据用户的历史行为数据,确定所述用户的需求对象;
推荐生成模块,用于从多个用户创建内容UGC中,筛选满足条件的UGC作为候选UGC,所述条件包括与所述用户的需求对象相关;
消息推送模块,用于将所述候选UGC推送给所述用户。
可选的,所述多个UGC中包括优质UGC;
任意一条优质UGC为包括目标对象的预设关键属性以及情感词特征的UGC,所述目标对象为该条优质UGC涉及的对象。
可选的,所述推荐生成模块具体用于:
从多个用户创建内容UGC中,筛选满足条件的UGC作为候选UGC,所述条件包括与所述用户的需求对象相关,所述条件还包括:匹配标签,所述标签表示所述用户的偏好。
可选的,所述消息推送模块具体用于:
依据所述候选UGC和候选UGC的用户标签,生成推送信息清单,所述推送信息清单中的每一个UGC均携带该UGC的用户标签;将所述推送信息清单推送给所述用户。
可选的,还包括:
用户标签关系计算模块,用于确定所述候选UGC的能力标签和/或关系标签,所述能力标签为创建所述候选UGC的用户在预设领域的资深程度,所述关系标签为所述用户与所述创建所述候选UGC的用户之间的关系。
可选的,还包括:
优质UGC挖掘模块,用于按照下述过程筛选所述优质UGC:从UGC中提取特征,所述特征包括所述关键属性以及所述情感词特征;将所述特征与所述特征的权重值相乘,得到所述UGC的评价值;在所述评价值大于预设的阈值的情况下,所述UGC为优质UGC。
可选的,所述优质UGC挖掘模块具体用于:
将所述UGC进行分词和词型标注处理;从经过分词和词型标注处理的UGC中提取所述特征。
可选的,所述推荐生成模块具体用于:
从多个用户创建内容UGC中,筛选满足条件的UGC作为候选UGC,所述候选UGC不包括所述用户的UGC,所述条件包括与所述用户的需求对象相关。
可选的,所述推荐生成模块具体用于:
从多个用户创建内容UGC中,筛选满足条件的UGC作为候选UGC,所述条件包括与所述用户的需求对象相关,所述条件还包括:由所述用户创建。
一种信息推送系统,包括:
存储器,用于存储应用程序以及所述应用程序执行过程中产生的数据;
处理器,用于执行所述存储器中存储的所述应用程序,以实现以下功能:依据用户的历史行为数据,确定所述用户的需求对象;从多个用户创建内容UGC中,筛选满足条件的UGC作为候选UGC,所述条件包括与所述用户的需求对象相关;并将所述候选UGC推送给所述用户。
可选的,所述处理器具体用于:依据所述候选UGC和候选UGC的用户标签,生成推送信息清单,所述推送信息清单中的每一个UGC均携带该UGC的用户标签,并将所述推送信息清单推送给所述用户。
一种计算机可读存储介质,所述计算机可读存储介质中存储有指令,当其在计算机上运行时,使得计算机执行如下功能:依据用户的历史行为数据,确定所述用户的需求对象;从多个用户创建内容UGC中,筛选满足条件的UGC作为候选UGC,所述条件包括与所述用户的需求对象相关;并将所述候选UGC推送给所述用户。
一种信息推送方法,包括:
依据用户的历史行为数据,确定所述用户的需求对象;
从多个用户创建内容UGC中,筛选满足条件的UGC作为候选UGC,所述条件包括与所述用户的需求对象相关;
基于所述候选UGC,形成推荐UGC;
将所述推荐UGC推送给所述用户。
可选的,所述基于所述候选UGC,形成推荐UGC包括:
通过简化所述候选UGC的内容,形成所述推荐UGC。
可选的,所述条件还包括:
匹配标签,所述标签表示所述用户的偏好。
本申请所述的方法及系统,依据用户的历史行为数据,确定所述用户的需求对象,并将与用户的需求对象相关的用户创建内容推送给用户,使得推送信息更加可信,进一步的,应用在电子商务网站,能够提高用户的购买力。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例公开的一种信息推送系统的结构示意图;
图2为本申请实施例公开的一种信息推送方法的流程图;
图3为本申请实施例公开的优质UGC筛选方法的流程图;
图4为本申请实施例公开的又一种信息推送方法的流程图;
图5(a)和图5(b)为本申请实施例公开的信息推送方法的效果示意图。
具体实施方式
本申请提供的信息推送方法以及系统,可以应用在网站的服务器。网站上注册的用户可以对网站上展示的对象发表用户创建内容(User Generated Content,UGC)。以电子商务网站为例,在电子商务网站上注册的用户,在购买电子商务网站上展示的商品后,可以对购买的商品发表评论(评论即为该用户的UGC)。
本申请所述的信息推送方法以及系统,目的在于向该用户之外的其它用户(也可以包括该用户本身)推送该用户的UGC。本申请所述的信息推送系统的结构如图1所示,包括:用户需求挖掘模块、推荐生成模块以及消息推送模块,可选的,还包括优质UGC挖掘模块、个性化匹配模块和用户标签关系计算模块。
下面将结合本申请实施例中的附图,对图1中各个模块的功能进行说明,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
图2为本申请实施例公开的一种信息推送方法,包括以下步骤:
S201:用户需求挖掘模块依据用户A的历史行为数据,确定用户A的需求对象。
用户A的需求对象为用户可能发生行为的对象,即用户A可能发出操作指令的对象。具体的,在电子商务网站中,需求对象为用户可能收藏的商品、用户可能购买的商品、用户可能点击查看的商品、用户可能加购物车的商品的至少一项。
用户A是否可能发生行为,依据用户A的历史行为数据确定。
例如,通过网站近7天的日志,收集用户A在近7天内对商品的点击、收藏、加购物车以及搜索、购买等行为数据。从发生历史行为的商品的标题中抽取出核心产品词和品牌词,作为用户的候选需求商品。并为不同的行为方式赋不同的权重,比如加购物车的权重是10,收藏的权重是8,点击的权重是5,根据行为权重和行为频次,使用线性加权的方式计算用户的候选需求商品的分数,过滤掉低于分数阈值的商品。进一步的,还可以过滤掉用户在近7天内购买过的商品。剩余的商品即为用户的需求对象。
可选的,在上例中确定出用户的候选需求商品之后,也可以不进行加权计分,而将全部用户需求的商品中发生的行为频次小于阈值的商品过滤掉,剩余的商品即为用户的需求对象。
S202:推荐生成模块从多个UGC中,筛选与用户A的需求对象相关的UGC,作为候选UGC。
多个UGC中包括从网站接收到的UGC中筛选出的优质UGC。本实施例中,所述优质UGC中的任意一条UGC是包括目标对象的关键属性,以及具有预设的情感词特征的UGC。目标对象为该条优质UGC涉及的对象。某个用户的优质UGC对于其它用户具有参考意义。
以电子商务网站为例,一条优质UGC为:“黄小妞去黑头好像没什么用,但是护肤效果真是杠杠的,易推易吸收不油腻,一两滴就可以一整天都不干燥紧绷,必须赞。”
而非优质UGC为:“商品质量好,发货速度快,卖家服务态度好。”
可以看出,优质UGC中包括了商品“黄小妞”的关键属性“易推易吸收不油腻、不干燥紧绷”以及情感词特征“护肤效果真是杠杠的、必须赞”,而非优质UGC中则没有包括关键属性和情感词特征。
多个UGC可以包括在UGC库中,多个UGC或UGC库由图1中的优质UGC挖掘模块创建,优质UGC挖掘模块筛选优质UGC的方法如图3所示:
首先将网站接收到的UGC进行预处理,预处理包括但不限于分词以及词型标注。再对经过预处理的UGC提取关键属性和情感词特征。可选的,也可以对经过预处理的UGC提取基础特征和行业特征。
其中,对象的关键属性即为对象所属的类目的关键属性,可以预先设定,不同的类目的关键属性不同。例如,类目女装的关键属性为面料和颜色等。类目化妆品的关键属性为色牢度等。
如图3中虚线框所示,从经过预处理的UGC中提取关键属性的具体过程为:如虚线框中的右侧流程,将经过预处理的UGC输入训练好的随机场模型,输出经过预处理的UGC的关键属性。虚线框中的左侧流程为随机场模型的训练过程。具体的训练方式可以参见现有技术,这里不再赘述。
情感词特征为预先设置的情感词典中包括的词。通常,情感词典包括正类词,例如非常满意、物超所值等,以及负类词,例如掉毛、起球等。从经过预处理的UGC中提取情感词特征的具体方式为:从经过预处理的UGC中提取属于情感词典的词。
基础特征包括但不限于句子情感极性、重复文本片段、句子长度、文本与对象的相关性、该条文本与其他文本的相似度、用户评分、点赞数等。其中,情感极性是指情感类别,通常分为3类(褒义、贬义、中性)。句子情感极性通过常用的情感分析技术对句子进行预测得到。
行业特征包括但不限于行业给出的一些关键属性和属性值。
将上述提取的关键属性和情感词特征,可选的,还包括基础特征和行业特征输入训练好的支持向量机(SVM)中,得到该条UGC的评价值。具体的,SVM是一个线性的模型,如式(1)所示,输出的评价值为特征向量X与权重向量W的乘积,评价值的范围为[0,1]。
score=W*X (1)
其中,X为关键属性和情感词特征,可选的,还包括基础特征和行业特征,各个特征的权重W通过预先对SVM的训练得到。训练SVM的过程中,输入样本的特征包括关键属性和情感词特征,可选的,还包括基础特征和行业特征,训练方法可以参见现有技术。
得到一条UGC的分数后,判断分数是否大于预设的阈值,如果是,则该条UGC被选入UGC库,否则,丢弃该条UGC。
需要说明的是,本实施例中通过SVM得到评价值的方式并不是确定评价值的唯一方式,也可以使用其它方式按照式(1)得到评价值。
可选的,优质UGC挖掘模块还可以对多个UGC或UGC库中的UGC进行进一步筛选:依据网站的日志,确定多个UGC或UGC库中的UGC是否被其它用户分享或者带来过回流(如果用户A通过其它用户的分享进入电子商务网站则为回流),如果否,则从多个UGC或UGC库中删除该条UGC,以减小多个UGC或UGC库的数据量,提高后续的筛选速度。并且,进一步提升UGC库的质量和对用户的吸引力。
S202中,UGC库中与用户A的需求相关的UGC为:与用户的需求包括的对象相关的UGC,例如,用户A的需求为“口红”,则与用户A的需求相关的UGC为内容涉及“口红”的UGC。
可选的,与用户A的需求相关的UGC不包括用户A的UGC,以便于向用户推荐未购买过的商品,提高用户的购买几率。
可选的,与用户A的需求相关的UGC可以包括用户A的UGC,即将用户A创建的优质UGC再次推回给用户A,促进二次购买。
S203:消息推送模块将候选UGC推送给用户A。
具体的,可以根据用户A的历史行为确定用户A的活跃时间段,在用户A比较活跃的时间推送信息。如果用户A的历史行为稀疏,则在固定时间段推送信息。还可以根据用户A对消息打开的情况计算用户的疲劳度,控制消息推送的频率。
从图2所示的过程可以看出,本实施例中,先确定向用户A的需求,并向用户A推送与用户A的需求相关的用户的UGC,因此,能够提高用户A对于推送的商品的可信度,区别于常规的商品推荐,提高用户对推荐商品做出行为的概率。
图4为本申请实施例公开的又一种信息推送方法,与图2所示的方法的区别在于,进一步依据用户A的画像,对与用户A的需求对象相关的UGC进行进一步筛选,并且,在推送的信息中增加候选UGC的用户标签。
图4包括以下步骤:
S401:用户需求挖掘模块依据用户A的历史行为数据,确定用户A的需求对象。
S402:个性化匹配模块确定用户A的画像。
具体的,用户的画像是根据网站中注册的用户的人口统计学信息和历史行为数据计算的用户的偏好的标签,包含但不限于性别、年龄、购买力、属性偏好等。
例如,用户A的画像为女性、高购买力、偏爱森系。
S403:推荐生成模块从多个UGC中,筛选与用户A的需求对象相关的UGC。
S404:推荐生成模块从与用户A的需求对象相关的UGC中筛选出匹配用户A的画像的UGC,作为候选UGC。
例如,用户A的需求为连衣裙,用户A的画像为女性、高购买力、偏爱森系,则候选UGC为高购买力、偏爱森系的女性用户对连衣裙做出的UGC,和/或女性用户对价格高、森系的连衣裙做出的UGC。
S405:用户标签关系计算模块确定候选UGC的用户标签。
本实施例中,用户标签包括但不限于能力标签和关系标签。能力标签指的是用户在某个领域的资深程度,比如“数码达人”、“宝妈”、“时尚潮男”等。关系标签是指候选UGC的用户(即创建候选UGC的用户)和用户A之间的关系,比如“淘宝好友”、“身材相同的用户”等。
S406:推荐生成模块依据候选UGC和候选UGC的用户标签,生成推送信息清单。
在推送信息清单中,可以按照预设规则对全部候选UGC按照各个对象进行打分,并按照分数进行排序,每一个UGC均携带该UGC的用户标签。
S407:消息推送模块将所述推送信息清单推送给用户A。
图4所示的方法得到图5(b)所示的效果:用户A接收到推送信息,图5(b)显示分数最高的“口红”的UGC,包括图片,以及UGC的商品的信息,UGC的用户标签“达人”。
可以看出,本实施例所述的信息推送方法,能够向用户推送其它用户(也可以包括该用户本身)的购买评价,从而增加推荐内容的可信度。并且,用户在海量商品UGC内容中寻找真实体验的内容成本巨大,很有可能遗漏,而本申请所述的方法,对UGC进行了筛选,因此,帮助用户节省了决策成本。进一步的,UGC从使用者的角度提供了更多维度的信息,是现有的直接推荐商品的方式不具备的优势。
进一步的,图3或图4所示的过程中,在确定出候选UGC之后,还可以依据候选UGC形成推荐UGC,并将推荐UGC推送给用户。所述推荐UGC为候选UGC的简化内容,以图5(a)为例:用户A接收到推送信息分数最高的“口红”的UGC的简化内容。当用户A点击UGC的简化内容或者点击查看详情后,显示图5(b)所示的UGC的全部内容。
结合图4所示的过程,S405后,可以将候选UGC简化以生成推荐UGC,并依据推荐UGC和候选UGC的用户标签,生成推送清单,将推送清单推送给用户A。
向用户推送UGC的简化内容,不仅能够节省数据传输量,还有利于用户更有效率地了解推送内容,在用户有兴趣的情况下,可以点击UGC的简化内容对UGC的全部内容进行进一步的了解。
本申请实施例还公开了一种信息推送系统,包括存储器和处理器。其中,存储器用于存储应用程序以及所述应用程序执行过程中产生的数据。处理器用于执行所述存储器中存储的所述应用程序,以实现图2、图3以及图4所示的过程。
本申请实施例还公开了一种计算机可读存储介质,所述计算机可读存储介质中存储有指令,当其在计算机上运行时,使得计算机执行图2、图3以及图4所示的过程。
本申请实施例方法所述的功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算设备可读取存储介质中。基于这样的理解,本申请实施例对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该软件产品存储在一个存储介质中,包括若干指令用以使得一台计算设备(可以是个人计算机,服务器,移动计算设备或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其它实施例的不同之处,各个实施例之间相同或相似部分互相参见即可。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下,在其它实施例中实现。因此,本申请将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (24)
1.一种信息推送方法,其特征在于,包括:
依据用户的历史行为数据,确定所述用户的需求对象;
从多个用户创建内容UGC中,筛选满足条件的UGC作为候选UGC,所述条件包括与所述用户的需求对象相关;
将所述候选UGC推送给所述用户。
2.根据权利要求1所述的方法,其特征在于,所述多个UGC中包括优质UGC;
任意一条优质UGC为包括目标对象的预设关键属性以及情感词特征的UGC,所述目标对象为该条优质UGC涉及的对象。
3.根据权利要求1或2所述的方法,其特征在于,所述条件还包括:
匹配标签,所述标签表示所述用户的偏好。
4.根据权利要求1或2所述的方法,其特征在于,所述将所述候选UGC推送给所述用户包括:
依据所述候选UGC和候选UGC的用户标签,生成推送信息清单,所述推送信息清单中的每一个UGC均携带该UGC的用户标签;
将所述推送信息清单推送给所述用户。
5.根据权利要求4所述的方法,其特征在于,所述用户标签的生成过程包括:
确定所述候选UGC的能力标签和/或关系标签,所述能力标签为创建所述候选UGC的用户在预设领域的资深程度,所述关系标签为所述用户与所述创建所述候选UGC的用户之间的关系。
6.根据权利要求2所述的方法,其特征在于,所述优质UGC的筛选方法包括:
从UGC中提取特征,所述特征包括所述关键属性以及所述情感词特征;
将所述特征与所述特征的权重值相乘,得到所述UGC的评价值;
在所述评价值大于预设的阈值的情况下,所述UGC为优质UGC。
7.根据权利要求6所述的方法,其特征在于,所述从UGC中提取特征包括:
将所述UGC进行分词和词型标注处理;
从经过分词和词型标注处理的UGC中提取所述特征。
8.根据权利要求6或7所述的方法,其特征在于,所述候选UGC不包括所述用户的UGC。
9.根据权利要求6或7所述的方法,其特征在于,所述条件还包括:
由所述用户创建。
10.一种信息推送系统,其特征在于,包括:
用户需求挖掘模块,用于依据用户的历史行为数据,确定所述用户的需求对象;
推荐生成模块,用于从多个用户创建内容UGC中,筛选满足条件的UGC作为候选UGC,所述条件包括与所述用户的需求对象相关;
消息推送模块,用于将所述候选UGC推送给所述用户。
11.根据权利要求10所述的系统,其特征在于,所述多个UGC中包括优质UGC;
任意一条优质UGC为包括目标对象的预设关键属性以及情感词特征的UGC,所述目标对象为该条优质UGC涉及的对象。
12.根据权利要求10或11所述的系统,其特征在于,所述推荐生成模块具体用于:
从多个用户创建内容UGC中,筛选满足条件的UGC作为候选UGC,所述条件包括与所述用户的需求对象相关,所述条件还包括:匹配标签,所述标签表示所述用户的偏好。
13.根据权利要求10或11所述的系统,其特征在于,所述消息推送模块具体用于:
依据所述候选UGC和候选UGC的用户标签,生成推送信息清单,所述推送信息清单中的每一个UGC均携带该UGC的用户标签;将所述推送信息清单推送给所述用户。
14.根据权利要求13所述的系统,其特征在于,还包括:
用户标签关系计算模块,用于确定所述候选UGC的能力标签和/或关系标签,所述能力标签为创建所述候选UGC的用户在预设领域的资深程度,所述关系标签为所述用户与所述创建所述候选UGC的用户之间的关系。
15.根据权利要求11所述的系统,其特征在于,还包括:
优质UGC挖掘模块,用于按照下述过程筛选所述优质UGC:从UGC中提取特征,所述特征包括所述关键属性以及所述情感词特征;将所述特征与所述特征的权重值相乘,得到所述UGC的评价值;在所述评价值大于预设的阈值的情况下,所述UGC为优质UGC。
16.根据权利要求15所述的系统,其特征在于,所述优质UGC挖掘模块具体用于:
将所述UGC进行分词和词型标注处理;从经过分词和词型标注处理的UGC中提取所述特征。
17.根据权利要求15或16所述的系统,其特征在于,所述推荐生成模块具体用于:
从多个用户创建内容UGC中,筛选满足条件的UGC作为候选UGC,所述候选UGC不包括所述用户的UGC,所述条件包括与所述用户的需求对象相关。
18.根据权利要求15或16所述的系统,其特征在于,所述推荐生成模块具体用于:
从多个用户创建内容UGC中,筛选满足条件的UGC作为候选UGC,所述条件包括与所述用户的需求对象相关,所述条件还包括:由所述用户创建。
19.一种信息推送系统,其特征在于,包括:
存储器,用于存储应用程序以及所述应用程序执行过程中产生的数据;
处理器,用于执行所述存储器中存储的所述应用程序,以实现以下功能:依据用户的历史行为数据,确定所述用户的需求对象;从多个用户创建内容UGC中,筛选满足条件的UGC作为候选UGC,所述条件包括与所述用户的需求对象相关;并将所述候选UGC推送给所述用户。
20.根据权利要求19所述的系统,其特征在于,所述处理器具体用于:
依据所述候选UGC和候选UGC的用户标签,生成推送信息清单,所述推送信息清单中的每一个UGC均携带该UGC的用户标签,并将所述推送信息清单推送给所述用户。
21.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有指令,当其在计算机上运行时,使得计算机执行如下功能:依据用户的历史行为数据,确定所述用户的需求对象;从多个用户创建内容UGC中,筛选满足条件的UGC作为候选UGC,所述条件包括与所述用户的需求对象相关;并将所述候选UGC推送给所述用户。
22.一种信息推送方法,其特征在于,包括:
依据用户的历史行为数据,确定所述用户的需求对象;
从多个用户创建内容UGC中,筛选满足条件的UGC作为候选UGC,所述条件包括与所述用户的需求对象相关;
基于所述候选UGC,形成推荐UGC;
将所述推荐UGC推送给所述用户。
23.根据权利要求22所述的方法,其特征在于,所述基于所述候选UGC,形成推荐UGC包括:
通过简化所述候选UGC的内容,形成所述推荐UGC。
24.根据权利要求22或23所述的方法,其特征在于,所述条件还包括:
匹配标签,所述标签表示所述用户的偏好。
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710501465.9A CN109145193A (zh) | 2017-06-27 | 2017-06-27 | 一种信息推送方法及系统 |
TW107106549A TW201905736A (zh) | 2017-06-27 | 2018-02-27 | 資訊推送方法及系統 |
PCT/US2018/039792 WO2019005991A1 (en) | 2017-06-27 | 2018-06-27 | METHOD AND SYSTEM FOR PUSHING INFORMATION |
US16/020,437 US20180374141A1 (en) | 2017-06-27 | 2018-06-27 | Information pushing method and system |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710501465.9A CN109145193A (zh) | 2017-06-27 | 2017-06-27 | 一种信息推送方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109145193A true CN109145193A (zh) | 2019-01-04 |
Family
ID=64693344
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710501465.9A Pending CN109145193A (zh) | 2017-06-27 | 2017-06-27 | 一种信息推送方法及系统 |
Country Status (4)
Country | Link |
---|---|
US (1) | US20180374141A1 (zh) |
CN (1) | CN109145193A (zh) |
TW (1) | TW201905736A (zh) |
WO (1) | WO2019005991A1 (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109977319A (zh) * | 2019-04-04 | 2019-07-05 | 睿驰达新能源汽车科技(北京)有限公司 | 一种生成行为标签的方法及装置 |
CN111915382A (zh) * | 2019-05-08 | 2020-11-10 | 阿里巴巴集团控股有限公司 | 数据处理方法、系统及装置 |
CN112532692A (zh) * | 2020-11-09 | 2021-03-19 | 北京沃东天骏信息技术有限公司 | 一种信息推送方法及装置、存储介质 |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110413872B (zh) * | 2019-01-21 | 2021-01-26 | 北京京东尚科信息技术有限公司 | 用于展示信息的方法和装置 |
CN112131848A (zh) * | 2019-06-25 | 2020-12-25 | 北京沃东天骏信息技术有限公司 | 文案信息生成方法及装置、存储介质、电子设备 |
CN112446716B (zh) * | 2019-08-27 | 2024-03-05 | 百度在线网络技术(北京)有限公司 | Ugc处理方法、装置、电子设备和存储介质 |
CN111666382A (zh) * | 2020-06-19 | 2020-09-15 | 中信银行股份有限公司 | 用户特征提取方法、装置、电子设备及可读存储介质 |
CN112836038A (zh) * | 2021-01-21 | 2021-05-25 | 中国科学院沈阳自动化研究所 | 一种基于多源数据可信度的智能推荐系统 |
CN113010777B (zh) * | 2021-03-05 | 2022-10-14 | 腾讯科技(深圳)有限公司 | 数据推送方法、装置、设备及存储介质 |
CN114244897B (zh) * | 2022-02-23 | 2022-08-30 | 浙江口碑网络技术有限公司 | 消息推送方法及装置 |
CN116911960B (zh) * | 2023-09-12 | 2023-11-17 | 贵昌集团有限公司 | 基于大数据的电子商务数据推荐方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101957834A (zh) * | 2010-08-12 | 2011-01-26 | 百度在线网络技术(北京)有限公司 | 一种基于用户特征进行内容推荐的方法与设备 |
CN103049440A (zh) * | 2011-10-11 | 2013-04-17 | 腾讯科技(深圳)有限公司 | 一种相关文章的推荐处理方法和处理系统 |
CN106776697A (zh) * | 2016-11-11 | 2017-05-31 | 北京小度信息科技有限公司 | 内容推荐方法及装置 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10867123B2 (en) * | 2009-11-09 | 2020-12-15 | Microsoft Technology Licensing, Llc | Social browsing |
US9152722B2 (en) * | 2008-07-22 | 2015-10-06 | Yahoo! Inc. | Augmenting online content with additional content relevant to user interest |
WO2011050495A1 (en) * | 2009-10-29 | 2011-05-05 | Google Inc. | Ranking user generated web content |
US20110173570A1 (en) * | 2010-01-13 | 2011-07-14 | Microsoft Corporation | Data feeds with peripherally presented interesting content |
US8666979B2 (en) * | 2010-04-09 | 2014-03-04 | Palo Alto Research Center Incorporated | Recommending interesting content using messages containing URLs |
-
2017
- 2017-06-27 CN CN201710501465.9A patent/CN109145193A/zh active Pending
-
2018
- 2018-02-27 TW TW107106549A patent/TW201905736A/zh unknown
- 2018-06-27 WO PCT/US2018/039792 patent/WO2019005991A1/en active Application Filing
- 2018-06-27 US US16/020,437 patent/US20180374141A1/en not_active Abandoned
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101957834A (zh) * | 2010-08-12 | 2011-01-26 | 百度在线网络技术(北京)有限公司 | 一种基于用户特征进行内容推荐的方法与设备 |
CN103049440A (zh) * | 2011-10-11 | 2013-04-17 | 腾讯科技(深圳)有限公司 | 一种相关文章的推荐处理方法和处理系统 |
CN106776697A (zh) * | 2016-11-11 | 2017-05-31 | 北京小度信息科技有限公司 | 内容推荐方法及装置 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109977319A (zh) * | 2019-04-04 | 2019-07-05 | 睿驰达新能源汽车科技(北京)有限公司 | 一种生成行为标签的方法及装置 |
CN111915382A (zh) * | 2019-05-08 | 2020-11-10 | 阿里巴巴集团控股有限公司 | 数据处理方法、系统及装置 |
CN112532692A (zh) * | 2020-11-09 | 2021-03-19 | 北京沃东天骏信息技术有限公司 | 一种信息推送方法及装置、存储介质 |
Also Published As
Publication number | Publication date |
---|---|
TW201905736A (zh) | 2019-02-01 |
WO2019005991A1 (en) | 2019-01-03 |
US20180374141A1 (en) | 2018-12-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109145193A (zh) | 一种信息推送方法及系统 | |
CN109299994B (zh) | 推荐方法、装置、设备及可读存储介质 | |
US11694257B2 (en) | Utilizing artificial intelligence to make a prediction about an entity based on user sentiment and transaction history | |
CN103914492B (zh) | 查询词融合方法、商品信息发布方法和搜索方法及系统 | |
US11487946B2 (en) | Content editing using content modeling and semantic relevancy scoring | |
JP6661790B2 (ja) | テキストタイプを識別する方法、装置及びデバイス | |
CN108388608B (zh) | 基于文本感知的情感反馈方法、装置、计算机设备和存储介质 | |
EP4181026A1 (en) | Recommendation model training method and apparatus, recommendation method and apparatus, and computer-readable medium | |
CN110110205A (zh) | 推荐信息生成方法与装置 | |
JP2019519019A5 (zh) | ||
CN109902229B (zh) | 一种基于评论的可解释推荐方法 | |
CN110955750A (zh) | 评论区域和情感极性的联合识别方法、装置、电子设备 | |
US20220414741A1 (en) | Systems and methods for managing a personalized online experience | |
Siddharth et al. | Sentiment analysis on twitter data using machine learning algorithms in python | |
CN111461757B (zh) | 信息处理方法及装置、计算机存储介质、电子设备 | |
CN116823410B (zh) | 数据处理方法、对象处理方法、推荐方法及计算设备 | |
CN115641179A (zh) | 信息推送方法、装置及电子设备 | |
CN111523315B (zh) | 数据处理方法、文本识别方法、装置及计算机设备 | |
CN115618126A (zh) | 搜索处理方法、系统、计算机可读存储介质及计算机设备 | |
Zhu et al. | Intelligent product redesign strategy with ontology-based fine-grained sentiment analysis | |
CN115345669A (zh) | 文案生成方法、装置、存储介质及计算机设备 | |
Elzeheiry et al. | Sentiment analysis for e-commerce product reviews: Current trends and future directions | |
Ren et al. | A co-attention based multi-modal fusion network for review helpfulness prediction | |
KR20220118703A (ko) | 머신러닝 기반 온라인 쇼핑 리뷰 감정 예측 시스템 및 방법 | |
CN110929513A (zh) | 基于文本的标签体系构建方法及装置 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190104 |
|
RJ01 | Rejection of invention patent application after publication |