CN109165742A - 推荐方法、装置、存储介质和终端设备 - Google Patents

推荐方法、装置、存储介质和终端设备 Download PDF

Info

Publication number
CN109165742A
CN109165742A CN201810988166.7A CN201810988166A CN109165742A CN 109165742 A CN109165742 A CN 109165742A CN 201810988166 A CN201810988166 A CN 201810988166A CN 109165742 A CN109165742 A CN 109165742A
Authority
CN
China
Prior art keywords
impact factor
value
candidate target
influence degree
factor
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
Application number
CN201810988166.7A
Other languages
English (en)
Inventor
吴东峰
孙凯
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Baidu Netcom Science and Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN201810988166.7A priority Critical patent/CN109165742A/zh
Publication of CN109165742A publication Critical patent/CN109165742A/zh
Priority to JP2020534513A priority patent/JP7150228B2/ja
Priority to US16/957,260 priority patent/US20210365776A1/en
Priority to EP19855724.1A priority patent/EP3678067A4/en
Priority to KR1020207019637A priority patent/KR102402918B1/ko
Priority to PCT/CN2019/095560 priority patent/WO2020042776A1/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/10—Office automation; Time management
    • G06Q10/109—Time management, e.g. calendars, reminders, meetings or time accounting
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/02—Reservations, e.g. for tickets, services or events
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06313—Resource planning in a project environment

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Economics (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Data Mining & Analysis (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Educational Administration (AREA)
  • Biophysics (AREA)
  • Artificial Intelligence (AREA)
  • General Health & Medical Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Computational Linguistics (AREA)
  • Mathematical Physics (AREA)
  • Biomedical Technology (AREA)
  • Molecular Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提出一种推荐方法、装置、存储介质和终端设备，其中，所述方法包括：确定候选对象的至少一个影响因子的权重和变化量；获取各所述影响因子的期望值和实际值；根据各所述影响因子的期望值、实际值、变化量和权重，计算各所述影响因子对所述候选对象的影响程度；以及根据各所述影响因子的影响程度和权重，计算所述候选对象的推荐程度。采用本发明，可以提高推荐的准确度和效率。

Description

推荐方法、装置、存储介质和终端设备
技术领域
本发明涉及计算机技术领域，尤其涉及一种推荐方法、装置、存储介质和终端设备。
背景技术
随着AI(Artificial Intelligence，人工智能)技术的深度发展，人工智能的技术频繁应用于实际的生活场景。例如，在会议室预定系统中为用户预定会议室。但是，由于企业用户对于会议室的需求量大，可能存在用户想要的会议室不存在或者已被预定的情况。此时，提供相似的会议室可以也在一定程度上符合用户的预期。
对于会议室的筛选，目前有以下实现方案：
1、通过逻辑判断，筛选候选对象。例如，根据用户的需求，从会议室的结果选项中筛选出会议室。如果用户希望预定今天下午三点的会议室，并在系统中输入“今天下午三点”的筛选条件，发现没有筛选结果。然后，用户再次在系统中输入“今天下午”的筛选条件。此时，系统查询到今天下午的会议室，包括下午三点半、四点以及四点半的会议室。则系统将此结果推荐给用户进行选择。
2、通过神经网络算法，筛选候选对象。例如，将用户期望的会议室与系统筛选出来的会议室组合成样本数据，并标注两者的相符合的程度。利用标注好的样本数据构建神经网络模型。利用此模型筛选会议室时，可以自动判断筛选出来的会议室与用户期望的会议室的相符合的程度。
但是，上述方案仍然存在以下缺陷：
1、方案1利用条件进行逻辑判断，工作量大。并且，有可能需要用户根据系统提供的筛选结果进行进一步的判断，用户体验不佳。
2、方案2需要法采集大量的样本数据进行训练，前期工作成本过高。另外，神经网络算法不确定性大，适应性差，即使经过大量的样本数据的训练，模型在使用时得到的推荐结果也可能是不准确的。因而，利用神经网络算法来推荐，准确性不高。
发明内容
本发明实施例提供一种推荐方法、装置、存储介质和终端设备，以解决或缓解现有技术中的以上一个或多个技术问题。
第一方面，本发明实施例提供一种推荐方法，包括：确定候选对象的至少一个影响因子的权重和变化量；获取各所述影响因子的期望值和实际值；根据各所述影响因子的期望值、实际值、变化量和权重，计算各所述影响因子对所述候选对象的影响程度；以及根据各所述影响因子的影响程度和权重，计算所述候选对象的推荐程度。
结合第一方面，在第一方面的第一种实施方式，根据各所述影响因子的期望值、实际值、变化量和权重，计算各所述影响因子对所述候选对象的影响程度，包括：计算所述影响因子的期望值与下限变化量的差值，得到所述候选对象的所述影响因子的下限值；计算所述影响因子的期望值与上限变化量的差值，得到上限值；判断所述影响因子的实际值是否落在所述下限值与所述上限值之间的范围；如果所述影响因子的实际值落在所述下限值与所述上限值之间的范围，则根据所述影响因子的期望值、实际值、上限变化量、下限变化量和权重，计算所述影响因子对所述候选对象的影响程度。
结合第一方面的第一种实施方式，在第一方面的第二种实施方式中，根据所述影响因子的期望值、实际值、上限变化量、下限变化量和权重，计算所述影响因子对所述候选对象的影响程度，包括：
采用式1和式2，计算所述影响因子对所述候选对象的影响程度，如果t>s，则式1，如果t<s，则式2，其中，t为所述影响因子的实际值，s为所述影响因子的期望值，sl为所述影响因子对所述候选对象的影响程度，div为所述影响因子的实际值与期望值的差值的绝对值；up为所述影响因子的上限变化量；down为所述影响因子的下限变化量，q为所述影响因子的权重。
结合第一方面的第一种实施方式，在第一方面的第三种实施方式中，所述方法还包括：如果所述影响因子的实际值落在所述下限值与所述上限值之间的范围，则所述影响因子对所述候选对象的影响程度为零。
结合第一方面，在第一方面的第四种实施方式中，根据各所述影响因子的影响程度和权重，计算所述候选对象的推荐程度，包括：计算各影响因子的影响程度的总和与权重的总和的比值，得到所述候选对象的推荐程度。
结合第一方面或其任意一种实施方式，在第一方面的第五种实施方式中，所述方法还包括：如果所述影响因子的类型为非数值类型，获取所述影响因子的期望条件和实际情况；如果所述影响因子的期望条件与实际情况相同，则所述影响因子对所述候选对象的影响程度为100％；如果所述影响因子的期望条件与实际情况不相同，则所述影响因子对所述候选对象的影响程度为零。
结合第一方面或其任意一种实施方式，在第一方面的第六种实施方式中，所述方法还包括：按照候选对象的推荐程度大小，对各所述候选对象进行排序；将排序结果发送给用户终端。
第二方面，本发明实施例提供一种推荐装置，包括：影响因子确定模块，用于确定候选对象的至少一个影响因子的权重和变化量；数值获取模块，用于获取各所述影响因子的期望值和实际值；影响程度计算模块，用于根据各所述影响因子的期望值、实际值、变化量和权重，计算各所述影响因子对所述候选对象的影响程度；以及推荐程度计算模块，用于根据各所述影响因子的影响程度和权重，计算所述候选对象的推荐程度。
结合第二方面，在第二方面的第一种实施方式中，所述影响程度计算模块包括：下限值计算单元，用于计算所述影响因子的期望值与下限变化量的差值，得到所述候选对象的所述影响因子的下限值；上限值计算单元，用于计算所述影响因子的期望值与上限变化量的差值，得到上限值；实际值范围判断单元，用于判断所述影响因子的实际值是否落在所述下限值与所述上限值之间的范围；影响计算单元，用于如果所述影响因子的实际值落在所述下限值与所述上限值之间的范围，则根据所述影响因子的期望值、实际值、上限变化量、下限变化量和权重，计算所述影响因子对所述候选对象的影响程度。
结合第二方面的第一种实施方式，在第二方面的第二种实施方式中，所述影响计算单元具体用于：采用式1和式2，计算所述影响因子对所述候选对象的影响程度，如果t>s，则式1，如果t<s，则式2，其中，t为所述影响因子的实际值，s为所述影响因子的期望值，sl为所述影响因子对所述候选对象的影响程度，div为所述影响因子的实际值与期望值的差值的绝对值；up为所述影响因子的上限变化量；down为所述影响因子的下限变化量，q为所述影响因子的权重。
结合第二方面的第一种实施方式，在第二方面的第三种实施方式中，所述影响程度计算模块还包括：影响程度判定单元，用于如果所述影响因子的实际值落在所述下限值与所述上限值之间的范围，则所述影响因子对所述候选对象的影响程度为零。
结合第二方面，在第二方面的第四种实施方式，所述推荐程度计算模块具体用于：计算各影响因子的影响程度的总和与权重的总和的比值，得到所述候选对象的推荐程度。
结合第二方面或其任意一种实施方式，在第二方面的第五种实施方式中，所述装置还包括：非数值数据获取模块，用于如果所述影响因子的类型为非数值类型，获取所述影响因子的期望条件和实际情况；非数值因子第一判定模块，用于如果所述影响因子的期望条件与实际情况相同，则所述影响因子对所述候选对象的影响程度为100％；非数值因子第二判定模块，用于如果所述影响因子的期望条件与实际情况不相同，则所述影响因子对所述候选对象的影响程度为零。
结合第二方面或其任意一种实施方式，在第二方面的第六种实施方式中，所述装置还包括：候选对象排序模块，用于按照候选对象的推荐程度大小，对各所述候选对象进行排序；结果推送模块，用于将排序结果发送给用户终端。
所述装置的功能可以通过硬件实现，也可以通过硬件执行相应的软件实现。所述硬件或软件包括一个或多个与上述功能相对应的模块。
在一个可能的设计中，推荐结构中包括处理器和存储器，所述存储器用于推荐装置执行上述推荐程序，所述处理器被配置为用于执行所述存储器中存储的程序。所述推荐装置还可以包括通信接口，用于推荐装置与其他设备或通信网络通信。
第三方面，本发明实施例还提供一种计算机可读存储介质，用于推荐装置所用的计算机软件指令，其中包括用于执行上述推荐方法所涉及的程序。
上述技术方案中的任意一个技术方案具有如下优点或有益效果：
本发明实施例可以在候选对象的推荐过程确定影响因子以及影响因子的权重和变化量的大小，实现影响因子的动态调配和候选对象的个性化推荐，通用性强。在候选对象的推荐程度的计算过程中，不利用期望条件进行逻辑判断的方式来逐一选择候选对象，工作量小，用户体验佳。
上述概述仅仅是为了说明书的目的，并不意图以任何方式进行限制。除上述描述的示意性的方面、实施方式和特征之外，通过参考附图和以下的详细描述，本发明进一步的方面、实施方式和特征将会是容易明白的。
附图说明
在附图中，除非另外规定，否则贯穿多个附图相同的附图标记表示相同或相似的部件或元素。这些附图不一定是按照比例绘制的。应该理解，这些附图仅描绘了根据本发明公开的一些实施方式，而不应将其视为是对本发明范围的限制。
图1是本发明提供的推荐方法的一个实施例的流程示意图；
图2是本发明提供的影响因子的一个实施例的示意图；
图3是本发明提供的各影响因子对候选对象的影响程度的计算过程的一个实施例的流程示意图；
图4是本发明提供的相似度模型的一个实施例的流程示意图；
图5是本发明提供的在数值类型的影响因子的影响程度的计算参数关系的一个实施例的示意图；
图6是本发明提供的非数值类型的影响因子的影响程度的计算过程的一个实施例的流程示意图；
图7是本发明提供的推荐装置的一个实施例的结构示意图；
图8是本发明提供的终端设备的一个实施例的结构示意图。
具体实施方式
在下文中，仅简单地描述了某些示例性实施例。正如本领域技术人员可认识到的那样，在不脱离本发明的精神或范围的情况下，可通过各种不同方式修改所描述的实施例。因此，附图和描述被认为本质上是示例性的而非限制性的。
请参阅图1，本发明实施例提供了一种推荐方法，可以应用于终端设备。终端设备可以包括计算机、微机、手机、平板、手机等。终端设备可以运行推荐系统，以实现本实施例的方法。本实施例包括步骤S100至步骤S400，具体如下：
S100，确定候选对象的至少一个影响因子的权重和变化量。
在本实施例中，影响因子是决定候选对象的推荐程度的基础，影响候选对象与用户期望之间相似程度的因素。以预定会议室为例，影响因子可以包括会议开始时间或预定时间、会议室容量、投影仪数量(或者，是否有投影仪)等。如果会议开始时间比较重要，则可以确定会议开始时间的权重为60。如果用户期望的会议开始时间可以允许在其上下15分钟内的波动，则该影响因子的上限变化量、下限变化量分别为15分钟和15分钟。
一般来说，参见图2，影响因子可以包括以下几种属性：
(1)名称，影响因子的标识。例如：时间影响因子、容量影响因子。
(2)类型，影响因子的具体类型。例如：距离(数值)影响因子(两个时间之间的距离、两个长度之间的距离等所属的类型)、匹配影响因子(两个字符串的匹配程度、两个集合中元素的相同程度等所属的类型)。
(3)权重，表示影响因子对候选对象的推荐程度的影响大小。权重越大，影响因子对于对候选对象的推荐程度的影响越大；
(4)下限变化量，影响因子在基准(标准值或期望值)之下的最小变化量；
(5)上限变化量：该影响因子在基准之上的最大变化量。
示例性地，在预定会议室的场景中，如果用户希望预定一个6人会议室，则可以通过步骤S100确定容量影响因子为推荐会议室的影响因子。如果上限变化量和下限变化量分别为2和1，则会议室系统中容量在5人(基准－下限变化量)和7人(基准+上限变化量)之间的会议室，可以作为推荐会议室的候选对象。
S200，获取各影响因子的期望值和实际值。
在本实施例中，在推荐过程中，所有候选对象的同一影响因子的期望值一般是相同的。用户可以通过用户终端输入各影响因子的期望值。但各候选对象的同一影响因子的实际值可以是相同的也可以是不相同的。例如，以影响因子会议开始时间为例，假设用户期望的会议开始时间为上午10点，推荐系统包括：会议室A的会议开始时间(会议室空闲时间)为上午9点；会议室B的会议开始时间为上午11点；会议室C的会议开始时间为上午10点半。在推荐过程中，对于会议开始时间这一个影响因子来说，期望值为上午10点，会议室A的实际值为上午9点、会议室B的实际值为上午11点，会议室C的实际值为上午10点半。
S300，根据各影响因子的期望值、实际值、变化量和权重，计算各影响因子对候选对象的影响程度。在本实施例中，可以将影响因子的期望值与实际值之间的相似程度与权重值的乘积，作为影响因子对候选对象的影响程度。例如，如果会议开始时间的期望值上午10点，会议室A的会议开始时间的实际值上午9点，得到两个数值的相似程度为a，如果权重值为10，则会议开始时间对会议室A的影响程度为10与a的乘积。
S400，根据各影响因子的影响程度和权重，计算候选对象的推荐程度。
本发明实施例可以在候选对象的推荐过程调整影响因子以及影响因子的权重和变化量的大小，实现影响因子的动态调配，达到候选对象的个性化推荐，通用性强。在候选对象的推荐过程中，不利用期望条件进行逻辑判断来选择候选对象，工作量小、效率高。
在一种可能的实现方式中，如图3所示，如果影响因子为数值类型，可以上述步骤S300的各影响因子对候选对象的影响程度的计算过程，可以包括步骤S310至步骤S340，如下：
S310，计算影响因子的期望值与下限变化量的差值，得到候选对象的影响因子的下限值。
S320，计算影响因子的期望值与上限变化量的差值，得到上限值。
S330，判断影响因子的实际值是否落在下限值与上限值之间的范围。
S340，如果影响因子的实际值落在下限值与上限值之间的范围，则根据影响因子的期望值、实际值、上限变化量、下限变化量和权重，计算影响因子对候选对象的影响程度。
在一种可能的实现方式中，如图3所示，还包括步骤S350，如果影响因子的实际值落在下限值与上限值之间的范围，则影响因子对候选对象的影响程度为零。
示例性地，以会议开始时间这一个影响因子为例，如果会议开始时间的期望为15:00，下限变化量为15分钟，上限变化量为30分钟，则下限值为14:25，上限值为15:30。如果会议室A的会议开始时间的实际值为15:15，则通过步骤S340计算会议开始时间对会议室A的影响程度。如果会议室A的会议开始时间的实际值为16:00，超出了会议开始时间的上下限值范围，则会议开始时间对会议室A的影响程度为零、骤减或负影响等。
在本实施例中，如果影响因子为数值类型，可以先计算影响因子的期望值与实际值的相似程度，再与权重相乘，得到影响因子对候选对象的影响程度。
如图4所示的相似度模型，如果存在期望对象A(代表各影响因子的期望)和候选对象B(代表候选对象B的各影响因子的实际值)，可以将两者的数据输入相似度接口，进行计算两对象的相似度。最后可以计算得到候选对象B的推荐程度。相似度接口的计算可以包括数值对象相似度、字符对象相似度、集合对象相似度以及一般对象相似度等。
此外，影响因子可以包括数值影响因子和匹配影响因子。其中，匹配影响因子亦称非数值类型的影响因子。因而，计算影响因子对候选对象的影响程度的算法可以包括数值相似度算法和匹配相似度算法。其中，数值相似度算法，用于计算数值影响因子的期望值与实际值的相似程度；匹配相似度算法，用于计算影响因子的期望与实际情况的相符程度。例如前述的字符对象相似度、集合对象相似度以及一般对象相似度。
参见图5，t为影响因子的实际值，s为影响因子的期望值，div为影响因子的实际值与期望值的差值的绝对值，up为影响因子的上限变化量；down为影响因子的下限变化量。如果影响因子的实际值在上限值与下限值之间的范围内，则采用式a和式b，计算影响因子的期望值与实际值的相似程度simila：
如果t>s，则式a；
如果t<s，则式b。
以及，如果影响因子的实际值不在上限值与下限值之间的范围内，则影响因子的期望值与实际值的相似程度simila为零。
示例性地，以影响因子会议开始时间为例，如果用户期望的会议开始时间为下午3点，查询到会议室A的会议开始时间(会议室空闲时间)为下午3点5分，时间可以看作是数值。根据式a进行计算，3点和3点5分的相似程度为：1-5/15＝66.67％。如果会议开始时间的权重为60，则会议开始时间对候选对象会议室A的影响程度为：60*66.67％＝40。
在本实施例中，将上述的式a和式b分别与权重相乘可以得到以下的式1和式2，即影响因子对候选对象的影响程度。那么，上述步骤S340可以包括：
采用式1和式2，计算影响因子对候选对象的影响程度，
如果t>s，则式1；
如果t<s，则式2；
其中，sl为影响因子对候选对象的影响程度，q为影响因子的权重。
在一种可能的实现方式中，上述步骤S400可以包括：计算各影响因子的影响程度的总和与权重的总和的比值，得到候选对象的推荐程度。
示例性地，如果会议室A的影响因子包括会议开始时间、会议室容量和是否存在投影仪，各影响因子对会议室A的影响程度分别为40、15和20，各影响因子的权重分别为60、20和20，则会议室A的推荐程度为(40+15+20)/(60+20+20)＝75％。
在一种可能的实现方式中，如果影响因子的类型为非数值类型，则影响因子对候选对象的影响程度的过程，可以如图6所示，包括步骤S510至步骤S530，如下：
S510，获取影响因子的期望条件和实际情况。
S520，如果影响因子的期望条件与实际情况相同，则影响因子对候选对象的影响程度为100％。
S530，如果影响因子的期望条件与实际情况不相同，则影响因子对候选对象的影响程度为零。
示例性地，如果影响因子为会议室是否存在投影仪，而用户期望会议室有投影仪，但会议室A没有投影仪。此时，影响因子的期望条件与会议室A的实际情况不相同，则会议室是否存在投影仪对会议A的影响程度为零。如果会议室A有投影仪，此时，影响因子的期望条件与实际情况相同，则影响因子对候选对象的影响程度为100％。
在一种可能的实现方式中，在通过上述实施例计算得到各候选对象的推荐程度之后，可以获取的推荐结果给用户终端。例如：按照候选对象的推荐程度大小，对各候选对象进行排序；然后，将排序结果发送给用户终端。再如，选择推荐程度满足推荐阈值的候选对象作为推荐结果。
本实施例的优点包括以下：
1、通用性强。在确定好影响因子之后，可以定义个性化的推荐模型。
2、可扩展性好。在确定影响因子的过程中，增加或者删除影响因子。以及可以动态调配影响因子的数值。
3、实现多级推荐。可以将推荐模型进行累加，获取复杂的候选对象与期望对象之间的相似度。
本实施例的方法可以应用于预定会议室、酒店客房或飞机航班等实际的场景。例如，用户通过语音或文字的方式将期望的会议室输入到用户终端中，用户终端中的会议室推荐系统(软件)将依据本实施例的方法推荐满足该期望的会议室推荐结果。可以有效地提高会议室推荐的准确度和效率。以下将结合表1至表5，以预定会议室这一应用场景为例，对会议室的推荐过程进行详细的描述：
1、确定会议室推荐系统推荐会议室的影响因子及相关属性。
定义的影响因子如表1所示：
表1：
名称 类型 权重 下限变化量 上限变化量
会议开始时间 数值影响因子 60 15 15
会议室容量 数值影响因子 20 2 4
是否有投影仪 匹配影响因子 20 无 无
其中，投影仪影响因子属于匹配影响因子。如果会议室有投影仪，则相似度为100％；如果会议室无投影仪，则相似度为零。因此，投影仪影响因子无下限变化量和上限变化量。
2、获取用户的期望条件，转换标准值(期望值)。
如果用户期望的会议室为：下午3点的可以容纳6个人且具有投影仪的会议室，则转换成相应的影响因子的期望值，可以如下：
会议开始时间的期望值：15:00；
会议室容量的期望值：6人；
是否有投影仪的期望：有。
3、获取待推荐的会议室的各影响因子的实际因子，分别计算各影响因子的相似度值，并最终计算待推荐的会议室与用户期望的会议室的相似度。
假设待推荐的会议室有三个，基本情况如表2所示：
表2：
会议室名称 会议开始时间 会议室容量 是否有投影仪
A 15:00 5 否
B 14:55 7 是
C 15:10 6 否
按照上述推荐方法，分别计算待选的会议室的三个影响因子的影响程度，进而算出三个会议室与用户期望会议室的相似度百分比(推荐程度)。
其中，会议室A的情况如表3所示：
表3：
属性 期望值 实际值 下限值 上限值 权重 影响程度
会议开始时间 15:00 15:00 14:45 15:15 60 60
会议室容量 6 5 4 10 20 10
是否有投影仪 有 无 － － 20 0
其中，表中下限值为期望值与下限变化量的差值，上限值为期望值与上限变化量的差值。
根据表3的数据可以计算得到，会议室A与期望的会议室的相似度百分比为：(60+10+0)/(60+20+20)＝70％。
会议室B和C的情况分别如表4和表5所示：
表4：
属性 期望值 实际值 最小值 最大值 权重 影响程度
会议开始时间 15:00 14:55 14:45 15:15 60 40
会议室容量 6 7 4 10 20 15
是否有投影仪 有 有 － － 20 20
表5：
属性 期望值 实际值 最小值 最大值 权重 影响程度
会议开始时间 15:00 15:10 14:45 15:15 60 20
会议室容量 6 6 4 10 20 20
是否有投影仪 有 无 － － 20 0
按照上述计算会议室A的相似度百分比的计算原理，根据表4和表5的数据分别计算会议室B、会议室C与期望的会议室的相似度百分比，分别为：75％、40％。
因此，按照相似度百分比的大小，推荐的会议室的排序为B>A>C。可以将此排序结果反馈在用户终端，用户可以从中选择会议室。
本实施例能够较好地满足用户的需求，可以调整影响因子及其影响值的大小，提供综合全面的推荐结果。
参阅图7，本发明实施例提供一种推荐装置，包括：
影响因子确定模块100，用于确定候选对象的至少一个影响因子的权重和变化量；数值获取模块200，用于获取各所述影响因子的期望值和实际值；影响程度计算模块300，用于根据各所述影响因子的期望值、实际值、变化量和权重，计算各所述影响因子对所述候选对象的影响程度；以及推荐程度计算模块400，用于根据各所述影响因子的影响程度和权重，计算所述候选对象的推荐程度。
在一种可能的实现方式中，所述影响程度计算模块300包括：下限值计算单元，用于计算所述影响因子的期望值与下限变化量的差值，得到所述候选对象的所述影响因子的下限值；上限值计算单元，用于计算所述影响因子的期望值与上限变化量的差值，得到上限值；实际值范围判断单元，用于判断所述影响因子的实际值是否落在所述下限值与所述上限值之间的范围；影响计算单元，用于如果所述影响因子的实际值落在所述下限值与所述上限值之间的范围，则根据所述影响因子的期望值、实际值、上限变化量、下限变化量和权重，计算所述影响因子对所述候选对象的影响程度。
在一种可能的实现方式中，所述影响计算单元具体用于：采用式1和式2，计算所述影响因子对所述候选对象的影响程度，如果t>s，则式1，如果t<s，则式2，其中，t为所述影响因子的实际值，s为所述影响因子的期望值，sl为所述影响因子对所述候选对象的影响程度，div为所述影响因子的实际值与期望值的差值的绝对值；up为所述影响因子的上限变化量；down为所述影响因子的下限变化量，q为所述影响因子的权重。
在一种可能的实现方式中，所述影响程度计算模块300还包括：影响程度判定单元，用于如果所述影响因子的实际值落在所述下限值与所述上限值之间的范围，则所述影响因子对所述候选对象的影响程度为零。
在一种可能的实现方式中，推荐程度计算模块具体用于：计算各影响因子的影响程度的总和与权重的总和的比值，得到所述候选对象的推荐程度。
在一种可能的实现方式中，所述装置还包括：非数值数据获取模块，用于如果所述影响因子的类型为非数值类型，获取所述影响因子的期望条件和实际情况；非数值因子第一判定模块，用于如果所述影响因子的期望条件与实际情况相同，则所述影响因子对所述候选对象的影响程度为100％；非数值因子第二判定模块，用于如果所述影响因子的期望条件与实际情况不相同，则所述影响因子对所述候选对象的影响程度为零。
在一种可能的实现方式中，所述装置还包括：候选对象排序模块，用于按照候选对象的推荐程度大小，对各所述候选对象进行排序；结果推送模块，用于将排序结果发送给用户终端。
所述装置的功能可以通过硬件实现，也可以通过硬件执行相应的软件实现。所述硬件或软件包括一个或多个与上述功能相对应的模块。
在一个可能的设计中，推荐结构中包括处理器和存储器，所述存储器用于推荐装置执行上述第一方面中推荐程序，所述处理器被配置为用于执行所述存储器中存储的程序。所述推荐装置还可以包括通信接口，用于推荐装置与其他设备或通信网络通信。
本发明实施例还提供一种推荐终端设备，如图8所示，该设备包括：存储器21和处理器22，存储器21内存储有可在处理器22上的计算机程序。处理器22执行计算机程序时实现上述实施例中的推荐方法。存储器21和处理器22的数量可以为一个或多个。
该设备还包括：
通信接口23，用于处理器22与外部设备之间的通信。
存储器21可能包含高速RAM存储器，也可能还包括非易失性存储器(non-volatilememory)，例如至少一个磁盘存储器。
如果存储器21、处理器22和通信接口23独立实现，则存储器21、处理器22和通信接口23可以通过总线相互连接并完成相互间的通信。总线可以是工业标准体系结构(ISA，Industry Standard Architecture)总线、外部设备互连(PCI，Peripheral Component)总线或扩展工业标准体系结构(EISA，Extended Industry Standard Component)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示，图8中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
可选的，在具体实现上，如果存储器21、处理器22及通信接口23集成在一块芯片上，则存储器21、处理器22及通信接口23可以通过内部接口完成相互间的通信。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或隐含地包括至少一个该特征。在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本发明的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本发明的实施例所属技术领域的技术人员所理解。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。
本发明实施例的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质的更具体的示例至少(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式只读存储器(CDROM)。另外，计算机可读存储介质甚至可以是可在其上打印程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得程序，然后将其存储在计算机存储器中。
在本发明实施例中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于指令执行系统、输入法或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、射频(Radio Frequency，RF)等等，或者上述的任意合适的组合。
应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成的程序，该程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
此外，在本发明各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读存储介质中。存储介质可以是只读存储器，磁盘或光盘等。
以上，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到其各种变化或替换，这些都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。

Claims (16)

1.一种推荐方法，其特征在于，包括：
确定候选对象的至少一个影响因子的权重和变化量；
获取各所述影响因子的期望值和实际值；
根据各所述影响因子的期望值、实际值、变化量和权重，计算各所述影响因子对所述候选对象的影响程度；以及
根据各所述影响因子的影响程度和权重，计算所述候选对象的推荐程度。
2.如权利要求1所述的方法，其特征在于，根据各所述影响因子的期望值、实际值、变化量和权重，计算各所述影响因子对所述候选对象的影响程度，包括：
计算所述影响因子的期望值与下限变化量的差值，得到所述候选对象的所述影响因子的下限值；
计算所述影响因子的期望值与上限变化量的差值，得到上限值；
判断所述影响因子的实际值是否落在所述下限值与所述上限值之间的范围；
如果所述影响因子的实际值落在所述下限值与所述上限值之间的范围，则根据所述影响因子的期望值、实际值、上限变化量、下限变化量和权重，计算所述影响因子对所述候选对象的影响程度。
3.如权利要求2所述的方法，其特征在于，根据所述影响因子的期望值、实际值、上限变化量、下限变化量和权重，计算所述影响因子对所述候选对象的影响程度，包括：
采用式1和式2，计算所述影响因子对所述候选对象的影响程度，
如果t>s，则
如果t<s，则
其中，t为所述影响因子的实际值，s为所述影响因子的期望值，sl为所述影响因子对所述候选对象的影响程度，div为所述影响因子的实际值与期望值的差值的绝对值；up为所述影响因子的上限变化量；down为所述影响因子的下限变化量，q为所述影响因子的权重。
4.如权利要求2所述的方法，其特征在于，所述方法还包括：
如果所述影响因子的实际值落在所述下限值与所述上限值之间的范围，则所述影响因子对所述候选对象的影响程度为零。
5.如权利要求1所述的方法，其特征在于，根据各所述影响因子的影响程度和权重，计算所述候选对象的推荐程度，包括：
计算各影响因子的影响程度的总和与权重的总和的比值，得到所述候选对象的推荐程度。
6.如权利要求1至5任一项所述的方法，其特征在于，所述方法还包括：
如果所述影响因子的类型为非数值类型，获取所述影响因子的期望条件和实际情况；
如果所述影响因子的期望条件与实际情况相同，则所述影响因子对所述候选对象的影响程度为100％；
如果所述影响因子的期望条件与实际情况不相同，则所述影响因子对所述候选对象的影响程度为零。
7.如权利要求1至5任一项所述的方法，其特征在于，所述方法还包括：
按照候选对象的推荐程度大小，对各所述候选对象进行排序；
将排序结果发送给用户终端。
8.一种推荐装置，其特征在于，包括：
影响因子确定模块，用于确定候选对象的至少一个影响因子的权重和变化量；
数值获取模块，用于获取各所述影响因子的期望值和实际值；
影响程度计算模块，用于根据各所述影响因子的期望值、实际值、变化量和权重，计算各所述影响因子对所述候选对象的影响程度；以及
推荐程度计算模块，用于根据各所述影响因子的影响程度和权重，计算所述候选对象的推荐程度。
9.如权利要求8所述的装置，其特征在于，所述影响程度计算模块包括：
下限值计算单元，用于计算所述影响因子的期望值与下限变化量的差值，得到所述候选对象的所述影响因子的下限值；
上限值计算单元，用于计算所述影响因子的期望值与上限变化量的差值，得到上限值；
实际值范围判断单元，用于判断所述影响因子的实际值是否落在所述下限值与所述上限值之间的范围；
影响计算单元，用于如果所述影响因子的实际值落在所述下限值与所述上限值之间的范围，则根据所述影响因子的期望值、实际值、上限变化量、下限变化量和权重，计算所述影响因子对所述候选对象的影响程度。
10.如权利要求9所述的装置，其特征在于，所述影响计算单元具体用于：
采用式1和式2，计算所述影响因子对所述候选对象的影响程度，
如果t>s，则
如果t<s，则
其中，t为所述影响因子的实际值，s为所述影响因子的期望值，sl为所述影响因子对所述候选对象的影响程度，div为所述影响因子的实际值与期望值的差值的绝对值；up为所述影响因子的上限变化量；down为所述影响因子的下限变化量，q为所述影响因子的权重。
11.如权利要求9所述的装置，其特征在于，所述影响程度计算模块还包括：
影响程度判定单元，用于如果所述影响因子的实际值落在所述下限值与所述上限值之间的范围，则所述影响因子对所述候选对象的影响程度为零。
12.如权利要求8所述的装置，其特征在于，所述推荐程度计算模块具体用于：
计算各影响因子的影响程度的总和与权重的总和的比值，得到所述候选对象的推荐程度。
13.如权利要求8至12任一项所述的装置，其特征在于，所述装置还包括：
非数值数据获取模块，用于如果所述影响因子的类型为非数值类型，获取所述影响因子的期望条件和实际情况；
非数值因子第一判定模块，用于如果所述影响因子的期望条件与实际情况相同，则所述影响因子对所述候选对象的影响程度为100％；
非数值因子第二判定模块，用于如果所述影响因子的期望条件与实际情况不相同，则所述影响因子对所述候选对象的影响程度为零。
14.如权利要求8至12任一项所述的装置，其特征在于，所述装置还包括：
候选对象排序模块，用于按照候选对象的推荐程度大小，对各所述候选对象进行排序；
结果推送模块，用于将排序结果发送给用户终端。
15.一种实现推荐的终端设备，其特征在于，所述终端设备包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如权利要求1-7中任一所述的推荐方法。
16.一种计算机可读存储介质，其存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-7中任一所述的推荐方法。
CN201810988166.7A 2018-08-28 2018-08-28 推荐方法、装置、存储介质和终端设备 Pending CN109165742A (zh)

Priority Applications (6)

Application Number Priority Date Filing Date Title
CN201810988166.7A CN109165742A (zh) 2018-08-28 2018-08-28 推荐方法、装置、存储介质和终端设备
JP2020534513A JP7150228B2 (ja) 2018-08-28 2019-07-11 推薦方法、装置、記憶媒体、端末設備、及びプログラム
US16/957,260 US20210365776A1 (en) 2018-08-28 2019-07-11 Recommendation method, device, storage medium, and terminal apparatus
EP19855724.1A EP3678067A4 (en) 2018-08-28 2019-07-11 RECOMMENDED PROCEDURE AND DEVICE, STORAGE MEDIUM AND TERMINAL DEVICE
KR1020207019637A KR102402918B1 (ko) 2018-08-28 2019-07-11 추천 방법, 장치, 저장 매체 및 단말 기기
PCT/CN2019/095560 WO2020042776A1 (zh) 2018-08-28 2019-07-11 推荐方法、装置、存储介质和终端设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810988166.7A CN109165742A (zh) 2018-08-28 2018-08-28 推荐方法、装置、存储介质和终端设备

Publications (1)

Publication Number Publication Date
CN109165742A true CN109165742A (zh) 2019-01-08

Family

ID=64893100

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810988166.7A Pending CN109165742A (zh) 2018-08-28 2018-08-28 推荐方法、装置、存储介质和终端设备

Country Status (6)

Country Link
US (1) US20210365776A1 (zh)
EP (1) EP3678067A4 (zh)
JP (1) JP7150228B2 (zh)
KR (1) KR102402918B1 (zh)
CN (1) CN109165742A (zh)
WO (1) WO2020042776A1 (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020042776A1 (zh) * 2018-08-28 2020-03-05 北京百度网讯科技有限公司 推荐方法、装置、存储介质和终端设备
CN113379436A (zh) * 2020-03-09 2021-09-10 阿里巴巴集团控股有限公司 信息处理方法、装置、计算设备及介质
CN113807550A (zh) * 2021-03-01 2021-12-17 北京京东振世信息技术有限公司 一种会议室预定方法、系统、装置及其存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102523247A (zh) * 2011-11-24 2012-06-27 合肥工业大学 一种基于多属性匹配的云服务推荐方法及装置
CN104636339A (zh) * 2013-11-06 2015-05-20 华为技术有限公司 一种会议室预定的方法和装置
WO2017118328A1 (zh) * 2016-01-04 2017-07-13 腾讯科技（深圳）有限公司 推送信息粗选排序方法、装置和计算机存储介质
CN108055334A (zh) * 2017-12-21 2018-05-18 武汉虹信技术服务有限责任公司 一种智能化会议室管理系统及方法
CN108334539A (zh) * 2017-12-15 2018-07-27 努比亚技术有限公司 对象推荐方法、移动终端及计算机可读存储介质

Family Cites Families (26)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006243950A (ja) 2005-03-01 2006-09-14 Canon System Solutions Inc 情報処理装置及びその制御方法、プログラム
US8065175B1 (en) * 2007-01-30 2011-11-22 Intuit Inc. System and method for relational scheduling of people and/or resources
JP5277619B2 (ja) 2007-11-26 2013-08-28 富士通株式会社 情報処理装置及び訪問スケジュール調整システム
WO2014068697A1 (ja) 2012-10-31 2014-05-08 三菱電機株式会社 カーレンタル支援装置
US20170351978A1 (en) * 2013-11-06 2017-12-07 Swift Travel Services, Llc Dynamic recommendation platform with artificial intelligence
US20160148121A1 (en) * 2013-11-27 2016-05-26 Er Express, Llc Emergency-room reservation system and method
JP2015176221A (ja) 2014-03-13 2015-10-05 カシオ計算機株式会社 登山情報検索装置、登山情報検索方法、およびプログラム
JP6309362B2 (ja) 2014-06-19 2018-04-11 株式会社イトーキ 会議室予約システム
US20160239765A1 (en) * 2015-02-17 2016-08-18 Amadeus S.A.S. Personalized ranking for search results of a travel-related database query
CN104967679B (zh) * 2015-06-09 2017-07-21 深圳市腾讯计算机系统有限公司 信息推荐系统、方法及装置
KR101760181B1 (ko) * 2015-07-17 2017-07-31 김지은 비딩을 이용한 호텔 예약 방법
JP2017078985A (ja) 2015-10-21 2017-04-27 株式会社Ｆａｓコンサルティング Ｍ＆ａ候補表示方法及びｍ＆ａ候補表示装置並びにスコアリング方法及びスコアリング装置
JP6621307B2 (ja) * 2015-11-12 2019-12-18 アズビル株式会社 予約システム
US20170141967A1 (en) * 2015-11-16 2017-05-18 International Business Machines Corporation Resource forecasting for enterprise applications
CN105678587B (zh) * 2016-01-12 2020-11-24 腾讯科技（深圳）有限公司 一种推荐特征确定方法、信息推荐方法及装置
CN105677881B (zh) * 2016-01-12 2020-07-03 腾讯科技（深圳）有限公司 一种信息推荐方法、装置及服务器
CN105761106A (zh) * 2016-02-07 2016-07-13 徐璇炫 一种基于用户设置进行对象排序的方法和装置
JP6834152B2 (ja) 2016-03-14 2021-02-24 株式会社リコー 会議室予約装置、会議室予約方法、及びプログラム
WO2018018201A1 (zh) * 2016-07-24 2018-02-01 严映军 一种酒店推荐时的信息展示方法以及订房系统
JP2018063469A (ja) 2016-10-11 2018-04-19 オムロン株式会社 マッチングシステム、マッチング方法及びプログラム
CN106503822A (zh) 2016-10-27 2017-03-15 深圳市家创易科技有限公司 一种智能预约匹配方法及系统
CN108268559A (zh) * 2017-01-04 2018-07-10 阿里巴巴集团控股有限公司 基于票务搜索的信息提供方法和装置
JP2018121212A (ja) 2017-01-25 2018-08-02 京セラドキュメントソリューションズ株式会社 予約管理装置及び予約システム
CN107368907A (zh) * 2017-07-25 2017-11-21 携程计算机技术（上海）有限公司 酒店信息展示方法及装置、电子设备、存储介质
US20190311416A1 (en) * 2018-04-10 2019-10-10 International Business Machines Corporation Trend identification and modification recommendations based on influencer media content analysis
CN109165742A (zh) * 2018-08-28 2019-01-08 北京百度网讯科技有限公司 推荐方法、装置、存储介质和终端设备

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102523247A (zh) * 2011-11-24 2012-06-27 合肥工业大学 一种基于多属性匹配的云服务推荐方法及装置
CN104636339A (zh) * 2013-11-06 2015-05-20 华为技术有限公司 一种会议室预定的方法和装置
WO2017118328A1 (zh) * 2016-01-04 2017-07-13 腾讯科技（深圳）有限公司 推送信息粗选排序方法、装置和计算机存储介质
CN108334539A (zh) * 2017-12-15 2018-07-27 努比亚技术有限公司 对象推荐方法、移动终端及计算机可读存储介质
CN108055334A (zh) * 2017-12-21 2018-05-18 武汉虹信技术服务有限责任公司 一种智能化会议室管理系统及方法

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020042776A1 (zh) * 2018-08-28 2020-03-05 北京百度网讯科技有限公司 推荐方法、装置、存储介质和终端设备
CN113379436A (zh) * 2020-03-09 2021-09-10 阿里巴巴集团控股有限公司 信息处理方法、装置、计算设备及介质
CN113807550A (zh) * 2021-03-01 2021-12-17 北京京东振世信息技术有限公司 一种会议室预定方法、系统、装置及其存储介质
CN113807550B (zh) * 2021-03-01 2023-11-07 北京京东振世信息技术有限公司 一种会议室预定方法、系统、装置及其存储介质

Also Published As

Publication number Publication date
KR20200098586A (ko) 2020-08-20
JP2021508116A (ja) 2021-02-25
KR102402918B1 (ko) 2022-05-30
EP3678067A4 (en) 2021-04-28
WO2020042776A1 (zh) 2020-03-05
EP3678067A1 (en) 2020-07-08
JP7150228B2 (ja) 2022-10-11
US20210365776A1 (en) 2021-11-25

Similar Documents

Publication Publication Date Title
CN107330750B (zh) 一种推荐产品配图方法及装置，电子设备
CN109165742A (zh) 推荐方法、装置、存储介质和终端设备
CN110060090A (zh) 推荐商品组合的方法、装置、电子设备及可读存储介质
CN109508394A (zh) 一种多媒体文件搜索排序模型的训练方法及装置
CN109429234A (zh) 一种基站的部署方法及装置
CN106228386A (zh) 一种信息推送方法及装置
CN106951527B (zh) 一种歌曲推荐方法及装置
CN106776930B (zh) 一种融入时间和地理位置信息的地点推荐方法
CN110956202B (zh) 基于分布式学习的图像训练方法、系统、介质及智能设备
TW201939400A (zh) 目標用戶群體的確定方法和裝置
CN109933834A (zh) 一种时序数据预测的模型创建方法及装置
CN109582849A (zh) 一种基于知识图谱的网络资源智能检索方法
CN107180093A (zh) 信息搜索方法及装置和时效性查询词识别方法及装置
CN106874355A (zh) 同时融入社交关系和用户相似度的协同过滤方法
CN109961077A (zh) 性别预测方法、装置、存储介质及电子设备
CN106713034A (zh) 微信公众号制定用户群活跃度监测方法及装置
CN110362744A (zh) 阅读推荐方法及系统、终端设备、计算机设备及介质
CN109993179A (zh) 一种对数据进行聚类的方法和装置
CN105183295A (zh) 一种应用图标的归类方法及终端
CN106919588A (zh) 一种应用程序搜索系统及方法
CN105786810B (zh) 类目映射关系的建立方法与装置
CN104135718B (zh) 一种位置信息的获取方法及装置
CN108764283A (zh) 一种分类模型的损失值获取方法及装置
CN110287361A (zh) 一种人物图片筛选方法及装置
CN109657840A (zh) 决策树生成方法、装置、计算机可读存储介质及电子设备

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