CN109325883A - 一种双向匹配的推荐方法及装置 - Google Patents

一种双向匹配的推荐方法及装置 Download PDF

Info

Publication number
CN109325883A
CN109325883A CN201710644334.6A CN201710644334A CN109325883A CN 109325883 A CN109325883 A CN 109325883A CN 201710644334 A CN201710644334 A CN 201710644334A CN 109325883 A CN109325883 A CN 109325883A
Authority
CN
China
Prior art keywords
user
recommended
condition
spouse
request
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
CN201710644334.6A
Other languages
English (en)
Inventor
陈秋松
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.)
SHENZHEN ZHENAI INFORMATION TECHNOLOGY Co Ltd
Original Assignee
SHENZHEN ZHENAI INFORMATION 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 SHENZHEN ZHENAI INFORMATION TECHNOLOGY Co Ltd filed Critical SHENZHEN ZHENAI INFORMATION TECHNOLOGY Co Ltd
Priority to CN201710644334.6A priority Critical patent/CN109325883A/zh
Publication of CN109325883A publication Critical patent/CN109325883A/zh
Pending legal-status Critical Current

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
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/50—Network services
    • H04L67/55—Push-based network services

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Tourism & Hospitality (AREA)
  • Human Resources & Organizations (AREA)
  • Primary Health Care (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Marketing (AREA)
  • Signal Processing (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明公开了一种双向匹配的推荐方法及装置，该方法包括：接收请求用户的推荐请求并从用户特征库中获取请求用户的第一用户信息；依据所述第一用户信息从推荐库中确定一至多个被推荐用户，并分别获取一至多个所述被推荐用户的第二用户信息；依据所述第一用户信息及所述第二用户信息计算双向匹配得分；依据所述双向匹配得分确定向所述用户推荐的一至多个所述被推荐用户的列表。该发明的有益效果为：根据用户择偶条件从推荐库中筛选符合条件的推荐用户，并将用户特征与择偶条件纳入模型，从而得到优先推荐双向匹配模型，提高推荐结果中双向择偶匹配度，进而提高用户间的互动率，减少热门用户推荐，增加冷门用户曝光率。

Description

一种双向匹配的推荐方法及装置
技术领域
本发明涉及信息查询匹配技术领域，尤其涉及一种双向匹配的推荐方法及装置。
背景技术
随着互联网产业的高速发展，网络婚恋产业服务兴起，婚恋网站逐渐成为大家寻找人生伴侣的一个新渠道。如何从数以百万计的用户群中快速地找到符合自己择偶条件、又是自己感兴趣的人，是每一个婚恋网站用户面临的主要问题，也是每个婚恋网站重点考虑的问题。
用户推荐是婚恋网站帮助用户查找并展示符合用户择偶条件且用户可能感兴趣的异性的方法。目前大部分婚恋网站的婚姻推荐算法，主要是根据用户属性和行为进行单向推荐。然而婚姻推荐算法并非类似商品推荐，商品推荐主要预测用户的喜好和购买概率。婚姻推荐对象也是用户，需要考虑双向用户的喜好与匹配程度。如果只是单向考虑用户是否喜欢，那么很容易推出热门用户，且推荐结果同质化比较严重。
如上所述，现有技术主要考虑单向用户是否喜欢，而没有考虑被推荐的用户是否喜欢该用户。该类方法具有几个不足：
(1)容易推荐热门用户，导致热门用户被过度发邮件、打招呼等；
(2)互动差，热门用户不一定喜欢该用户，互动率低；
(3)冷门用户更难被推荐。
发明内容
本发明要解决的技术问题在于，针对上述现有技术中只考虑单向用户是否喜欢，而没有考虑被推荐的用户是否喜欢该用户的问题，提供一种双向匹配的推荐方法及装置。
本发明解决其技术问题所采用的技术方案是：
一方面，构造一种双向匹配的推荐方法，包括：
接收请求用户的推荐请求并从用户特征库中获取请求用户的第一用户信息；
依据所述第一用户信息从推荐库中确定一至多个被推荐用户，并分别获取一至多个所述被推荐用户的第二用户信息；
依据所述第一用户信息及所述第二用户信息计算双向匹配得分；
依据所述双向匹配得分确定向所述用户推荐的一至多个所述被推荐用户的列表。
在本发明所述的推荐方法中，所述接收请求用户的推荐请求并从用户特征库中获取请求用户的第一用户信息，包括：
接收请求用户的推荐请求；
依据所述推荐请求从用户特征库中获取请求用户的第一用户信息，所述第一用户信息至少包括第一用户基础特征及第一择偶条件；
将所述第一用户信息存储至所述推荐库中。
在本发明所述的推荐方法中，所述依据所述第一用户信息从推荐库中确定一至多个被推荐用户，并分别获取一至多个所述被推荐用户的第二用户信息，包括：
对所述推荐库中所有用户数据进行抽样以获取多个样本用户的建模样本；
对样本用户的建模样本进行建模并获得偏好标签权重矩阵中用户对各个特征标签的偏好得分；
设置各个所述特征标签的权重；
依据所述偏好得分及所述权重查询符合所述请求用户的所述第一用户基础特征及所述第一择偶条件的一至多个被推荐用户的信息；
分别获取一至多个所述被推荐用户的第二用户信息，所述第二用户信息至少包括第二用户基础特征及第二择偶条件。
在本发明所述的推荐方法中，所述依据所述第一用户信息及所述第二用户信息计算双向匹配得分，包括：
依据所述第一用户基础特征及所述第一择偶条件判断所述请求用户是否符合所述第二用户基础特征及所述第二择偶条件，并按照预设的优先级推荐符合条件的被推荐用户；
分别设置第一用户基础特征、第一择偶条件、所述第二用户基础特征及第二择偶条件的权重，并分别归一化所述第一用户基础特征、第一择偶条件、所述第二用户基础特征及第二择偶条件；
依据归一化后的所述第一用户基础特征、第一择偶条件、所述第二用户基础特征、第二择偶条件及其权重计算所述双向匹配得分。
在本发明所述的推荐方法中，所述依据所述双向匹配得分确定向所述用户推荐的一至多个所述被推荐用户的列表，包括：
依据所述双向匹配得分排列一至多个所述被推荐用户以生成所述列表；
判断一至多个所述被推荐用户的任一个是否已被推荐给所述请求用户，若是，则从所述列表中删除所述被推荐用户，若否，则在所述列表中保留所述被推荐用户；
展示所述列表，或者，截取排列在所述列表预设范围内的子列表，展示所述子列表。
另一方面，提供一种双向匹配的推荐装置，其中存储有多条指令，所述指令适于由处理器加载并执行，包括：
接收请求用户的推荐请求并从用户特征库中获取请求用户的第一用户信息；
依据所述第一用户信息从推荐库中确定一至多个被推荐用户，并分别获取一至多个所述被推荐用户的第二用户信息；
依据所述第一用户信息及所述第二用户信息计算双向匹配得分；
依据所述双向匹配得分确定向所述用户推荐的一至多个所述被推荐用户的列表。
在本发明所述的推荐装置中，所述接收请求用户的推荐请求并从用户特征库中获取请求用户的第一用户信息，包括：
接收请求用户的推荐请求；
依据所述推荐请求从用户特征库中获取请求用户的第一用户信息，所述第一用户信息至少包括第一用户基础特征及第一择偶条件；
将所述第一用户信息存储至所述推荐库中。
在本发明所述的推荐装置中，所述依据所述第一用户信息从推荐库中确定一至多个被推荐用户，并分别获取一至多个所述被推荐用户的第二用户信息，包括：
对所述推荐库中所有用户数据进行抽样以获取多个样本用户的建模样本；
对样本用户的建模样本进行建模并获得偏好标签权重矩阵中用户对各个特征标签的偏好得分；
设置各个所述特征标签的权重；
依据所述偏好得分及所述权重查询符合所述请求用户的所述第一用户基础特征及所述第一择偶条件的一至多个被推荐用户的信息；
分别获取一至多个所述被推荐用户的第二用户信息，所述第二用户信息至少包括第二用户基础特征及第二择偶条件。
在本发明所述的推荐装置中，所述依据所述第一用户信息及所述第二用户信息计算双向匹配得分，包括：
依据所述第一用户基础特征及所述第一择偶条件判断所述请求用户是否符合所述第二用户基础特征及所述第二择偶条件，并按照预设的优先级推荐符合条件的被推荐用户；
分别设置第一用户基础特征、第一择偶条件、所述第二用户基础特征及第二择偶条件的权重，并分别归一化所述第一用户基础特征、第一择偶条件、所述第二用户基础特征及第二择偶条件；
依据归一化后的所述第一用户基础特征、第一择偶条件、所述第二用户基础特征、第二择偶条件及其权重计算所述双向匹配得分。
在本发明所述的推荐装置中，所述依据所述双向匹配得分确定向所述用户推荐的一至多个所述被推荐用户的列表，包括：
依据所述双向匹配得分排列一至多个所述被推荐用户以生成所述列表；
判断一至多个所述被推荐用户的任一个是否已被推荐给所述请求用户，若是，则从所述列表中删除所述被推荐用户，若否，则在所述列表中保留所述被推荐用户；
展示所述列表，或者，截取排列在所述列表预设范围内的子列表，展示所述子列表。
上述公开的一种双向匹配的推荐方法及装置具有以下有益效果：根据用户择偶条件从推荐库中筛选符合条件的推荐用户，并将用户特征与择偶条件纳入模型，从而得到优先推荐双向匹配模型，提高推荐结果中双向择偶匹配度，进而提高用户间的互动率，减少热门用户推荐，增加冷门用户曝光率。
附图说明
图1为本发明提供的一种双向匹配的推荐方法的流程图；
图2为本发明提供的一种双向匹配的推荐方法的模块示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
本发明提供了一种双向匹配的推荐方法及装置，其目的在于，将用户双向择偶匹配纳入婚姻推荐算法中，通过机器学习方法，学习双向用户偏好。技术关键点即是保护点，即在婚姻推荐中引入双向择偶匹配，并通过机器学习方法获得双向用户偏好。该算法不仅考虑用户的择偶条件匹配情况，还考虑该用户是否符合被推荐用户的择偶条件。通过增加推荐用户之间双向匹配程度，提高用户互动率与匹配成功率。
参见图1，图1为本发明提供的一种双向匹配的推荐方法的流程图，所述双向匹配的推荐方法包括步骤S1-S4：
S1、接收请求用户的推荐请求并从用户特征库中获取请求用户的第一用户信息；步骤S1包括以下子步骤S11-S13：
S11、接收请求用户的推荐请求；一般的，通过前端与客户端交互数据以接收请求用户发出的推荐请求。
S12、依据所述推荐请求从用户特征库中获取请求用户的第一用户信息，所述第一用户信息至少包括第一用户基础特征及第一择偶条件；用户特征库，存储用户基础属性特征、历史行为特征、择偶条件等。参见图2，图2为本发明提供的一种双向匹配的推荐方法的模块示意图。该方法通过软件程序实现，软件程序包括算法统一调度模块、基础数据准备模块、机器学习建模模块及计算模块等等。该第一用户信息还可以包括用户特征标签、关注用户特征标签、被关注用户特征标签、用户行为特征标签等。
S13、将所述第一用户信息存储至所述推荐库中。一般的，推荐库用于存储被推荐用户特征、择偶条件等，当另一用户发出推荐请求时，该请求用户也就成了另一用户的被推荐用户。
S2、依据所述第一用户信息从推荐库中确定一至多个被推荐用户，并分别获取一至多个所述被推荐用户的第二用户信息；步骤S2包括以下子步骤 S21-S25：
S21、对所述推荐库中所有用户数据进行抽样以获取多个样本用户的建模样本；该步骤首先对各个特征进行归一化，归一化后数据可方便存取并运算。由于推荐库中的存储数量较大，通过抽样的方式可以加快建模数据的获取，从而提升运算效率。
S22、对样本用户的建模样本进行建模并获得偏好标签权重矩阵中用户对各个特征标签的偏好得分；参见图2，本模型训练算法一较佳的实施例采用 SVMRank(RankingSupport Vector Machine，SVMRank)，除此机器学习算法之外，亦可使用其他分类排序算法替代，比如逻辑回归算法(Logistic Regression) 等。偏好得分采用用户评分模型，即用户评分模型是根据用户的历史数据，离线训练得到。模型算法采用排序支持向量机SVMRank，根据日常用户的操作数据，将样本分为正样本和负样本，通过模型训练得到用户对各类标签的偏好权重，从而在用户请求推荐时，实时计算用户评分。
S23、设置各个所述特征标签的权重；参见图2，通过建模学习每个特征的权重，再由用户打分权重以初步筛选符合择偶条件的用户。
S24、依据所述偏好得分及所述权重查询符合所述请求用户的所述第一用户基础特征及所述第一择偶条件的一至多个被推荐用户的信息；
S25、分别获取一至多个所述被推荐用户的第二用户信息，所述第二用户信息至少包括第二用户基础特征及第二择偶条件。
S3、依据所述第一用户信息及所述第二用户信息计算双向匹配得分；步骤S3包括以下子步骤S31-S33：
S31、依据所述第一用户基础特征及所述第一择偶条件判断所述请求用户是否符合所述第二用户基础特征及所述第二择偶条件，并按照预设的优先级推荐符合条件的被推荐用户；该步骤中，通过反向运算请求用户是否为被推荐用户的推荐用户来确定两者是否匹配，该步骤具体也应当包括：对请求用户通过过偏好标签权重矩阵计算请求用户对各个特征标签的偏好得分，再通过设置各个所述特征标签的权重，依据所述第一用户基础特征及所述第一择偶条件判断所述请求用户是否符合所述第二用户基础特征及所述第二择偶条件。
S32、分别设置第一用户基础特征、第一择偶条件、所述第二用户基础特征及第二择偶条件的权重，并分别归一化所述第一用户基础特征、第一择偶条件、所述第二用户基础特征及第二择偶条件；按照单向计算匹配得分方法对婚姻推荐进行双向匹配。
S33、依据归一化后的所述第一用户基础特征、第一择偶条件、所述第二用户基础特征、第二择偶条件及其权重计算所述双向匹配得分。归一化是一种简化计算的方式，即将有量纲的表达式，经过变换，化为无量纲的表达式，成为标量。
S4、依据所述双向匹配得分确定向所述用户推荐的一至多个所述被推荐用户的列表。步骤S4包括以下子步骤S41-S43：
S41、依据所述双向匹配得分排列一至多个所述被推荐用户以生成所述列表；
S42、判断一至多个所述被推荐用户的任一个是否已被推荐给所述请求用户，若是，则从所述列表中删除所述被推荐用户，若否，则在所述列表中保留所述被推荐用户；
S43、展示所述列表，或者，截取排列在所述列表预设范围内的子列表，展示所述子列表。例如：用户登录请求推荐，系统会根据用户ID从用户特征库中查询用户特征和择偶条件，根据择偶条件从推荐库中筛选符合条件的用户及其特征，最后根据离线训练好的评分模型，对被推荐用户进行评分，最后按照评分降序排序，并推荐排序前200的用户。
另一方面，本发明提供一种双向匹配的推荐装置，其中存储有多条指令，所述指令适于由处理器加载并执行，包括：
接收请求用户的推荐请求并从用户特征库中获取请求用户的第一用户信息；
依据所述第一用户信息从推荐库中确定一至多个被推荐用户，并分别获取一至多个所述被推荐用户的第二用户信息；
依据所述第一用户信息及所述第二用户信息计算双向匹配得分；
依据所述双向匹配得分确定向所述用户推荐的一至多个所述被推荐用户的列表。
在本发明所述的推荐装置中，所述接收请求用户的推荐请求并从用户特征库中获取请求用户的第一用户信息，包括：
接收请求用户的推荐请求；
依据所述推荐请求从用户特征库中获取请求用户的第一用户信息，所述第一用户信息至少包括第一用户基础特征及第一择偶条件；
将所述第一用户信息存储至所述推荐库中。
在本发明所述的推荐装置中，所述依据所述第一用户信息从推荐库中确定一至多个被推荐用户，并分别获取一至多个所述被推荐用户的第二用户信息，包括：
对所述推荐库中所有用户数据进行抽样以获取多个样本用户的建模样本；
对样本用户的建模样本进行建模并获得偏好标签权重矩阵中用户对各个特征标签的偏好得分；
设置各个所述特征标签的权重；
依据所述偏好得分及所述权重查询符合所述请求用户的所述第一用户基础特征及所述第一择偶条件的一至多个被推荐用户的信息；
分别获取一至多个所述被推荐用户的第二用户信息，所述第二用户信息至少包括第二用户基础特征及第二择偶条件。
在本发明所述的推荐装置中，所述依据所述第一用户信息及所述第二用户信息计算双向匹配得分，包括：
依据所述第一用户基础特征及所述第一择偶条件判断所述请求用户是否符合所述第二用户基础特征及所述第二择偶条件，并按照预设的优先级推荐符合条件的被推荐用户；
分别设置第一用户基础特征、第一择偶条件、所述第二用户基础特征及第二择偶条件的权重，并分别归一化所述第一用户基础特征、第一择偶条件、所述第二用户基础特征及第二择偶条件；
依据归一化后的所述第一用户基础特征、第一择偶条件、所述第二用户基础特征、第二择偶条件及其权重计算所述双向匹配得分。
在本发明所述的推荐装置中，所述依据所述双向匹配得分确定向所述用户推荐的一至多个所述被推荐用户的列表，包括：
依据所述双向匹配得分排列一至多个所述被推荐用户以生成所述列表；
判断一至多个所述被推荐用户的任一个是否已被推荐给所述请求用户，若是，则从所述列表中删除所述被推荐用户，若否，则在所述列表中保留所述被推荐用户；
展示所述列表，或者，截取排列在所述列表预设范围内的子列表，展示所述子列表。
本文提供了实施例的各种操作。在一个实施例中，所述的一个或操作可以构成一个或计算机可读介质上存储的计算机可读指令，其在被电子设备执行时将使得计算设备执行所述操作。描述一些或所有操作的顺序不应当被解释为暗示这些操作必需是顺序相关的。本领域技术人员将理解具有本说明书的益处的可替代的排序。而且，应当理解，不是所有操作必需在本文所提供的每个实施例中存在。
而且，本文所使用的词语“优选的”意指用作实例、示例或例证。奉文描述为“优选的”任意方面或设计不必被解释为比其他方面或设计更有利。相反，词语“优选的”的使用旨在以具体方式提出概念。如本申请中所使用的术语“或”旨在意指包含的“或”而非排除的“或”。即，除非另外指定或从上下文中清楚，“X使用A或B”意指自然包括排列的任意一个。即，如果X使用A；X 使用B；或X使用A和B二者，则“X使用A或B”在前述任一示例中得到满足。
而且，尽管已经相对于一个或实现方式示出并描述了本公开，但是本领域技术人员基于对本说明书和附图的阅读和理解将会想到等价变型和修改。本公开包括所有这样的修改和变型，并且仅由所附权利要求的范围限制。特别地关于由上述组件(例如元件、资源等)执行的各种功能，用于描述这样的组件的术语旨在对应于执行所述组件的指定功能(例如其在功能上是等价的)的任意组件(除非另外指示)，即使在结构上与执行本文所示的本公开的示范性实现方式中的功能的公开结构不等同。此外，尽管本公开的特定特征已经相对于若干实现方式中的仅一个被公开，但是这种特征可以与如可以对给定或特定应用而言是期望和有利的其他实现方式的一个或其他特征组合。而且，就术语“包括”、“具有”、“含有”或其变形被用在具体实施方式或权利要求中而言，这样的术语旨在以与术语“包含”相似的方式包括。
本发明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。所述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取存储介质中。上述提到的存储介质可以是只读存储器，磁盘或光盘等。上述的各装置或系统，可以执行相应方法实施例中的方法。
综上所述，虽然本发明已以优选实施例揭露如上，但上述优选实施例并非用以限制本发明，本领域的普通技术人员，在不脱离本发明的精神和范围内，均可作各种更动与润饰，因此本发明的保护范围以权利要求界定的范围为准。

Claims (10)

1.一种双向匹配的推荐方法，其特征在于，包括：
接收请求用户的推荐请求并从用户特征库中获取请求用户的第一用户信息；
依据所述第一用户信息从推荐库中确定一至多个被推荐用户，并分别获取一至多个所述被推荐用户的第二用户信息；
依据所述第一用户信息及所述第二用户信息计算双向匹配得分；
依据所述双向匹配得分确定向所述用户推荐的一至多个所述被推荐用户的列表。
2.根据权利要求1所述的推荐方法，其特征在于，所述接收请求用户的推荐请求并从用户特征库中获取请求用户的第一用户信息，包括：
接收请求用户的推荐请求；
依据所述推荐请求从用户特征库中获取请求用户的第一用户信息，所述第一用户信息至少包括第一用户基础特征及第一择偶条件；
将所述第一用户信息存储至所述推荐库中。
3.根据权利要求2所述的推荐方法，其特征在于，所述依据所述第一用户信息从推荐库中确定一至多个被推荐用户，并分别获取一至多个所述被推荐用户的第二用户信息，包括：
对所述推荐库中所有用户数据进行抽样以获取多个样本用户的建模样本；
对样本用户的建模样本进行建模并获得偏好标签权重矩阵中用户对各个特征标签的偏好得分；
设置各个所述特征标签的权重；
依据所述偏好得分及所述权重查询符合所述请求用户的所述第一用户基础特征及所述第一择偶条件的一至多个被推荐用户的信息；
分别获取一至多个所述被推荐用户的第二用户信息，所述第二用户信息至少包括第二用户基础特征及第二择偶条件。
4.根据权利要求3所述的推荐方法，其特征在于，所述依据所述第一用户信息及所述第二用户信息计算双向匹配得分，包括：
依据所述第一用户基础特征及所述第一择偶条件判断所述请求用户是否符合所述第二用户基础特征及所述第二择偶条件，并按照预设的优先级推荐符合条件的被推荐用户；
分别设置第一用户基础特征、第一择偶条件、所述第二用户基础特征及第二择偶条件的权重，并分别归一化所述第一用户基础特征、第一择偶条件、所述第二用户基础特征及第二择偶条件；
依据归一化后的所述第一用户基础特征、第一择偶条件、所述第二用户基础特征、第二择偶条件及其权重计算所述双向匹配得分。
5.根据权利要求4所述的推荐方法，其特征在于，所述依据所述双向匹配得分确定向所述用户推荐的一至多个所述被推荐用户的列表，包括：
依据所述双向匹配得分排列一至多个所述被推荐用户以生成所述列表；
判断一至多个所述被推荐用户的任一个是否已被推荐给所述请求用户，若是，则从所述列表中删除所述被推荐用户，若否，则在所述列表中保留所述被推荐用户；
展示所述列表，或者，截取排列在所述列表预设范围内的子列表，展示所述子列表。
6.一种双向匹配的推荐装置，其中存储有多条指令，所述指令适于由处理器加载并执行，其特征在于，包括：
接收请求用户的推荐请求并从用户特征库中获取请求用户的第一用户信息；
依据所述第一用户信息从推荐库中确定一至多个被推荐用户，并分别获取一至多个所述被推荐用户的第二用户信息；
依据所述第一用户信息及所述第二用户信息计算双向匹配得分；
依据所述双向匹配得分确定向所述用户推荐的一至多个所述被推荐用户的列表。
7.根据权利要求6所述的推荐装置，其特征在于，所述接收请求用户的推荐请求并从用户特征库中获取请求用户的第一用户信息，包括：
接收请求用户的推荐请求；
依据所述推荐请求从用户特征库中获取请求用户的第一用户信息，所述第一用户信息至少包括第一用户基础特征及第一择偶条件；
将所述第一用户信息存储至所述推荐库中。
8.根据权利要求7所述的推荐装置，其特征在于，所述依据所述第一用户信息从推荐库中确定一至多个被推荐用户，并分别获取一至多个所述被推荐用户的第二用户信息，包括：
对所述推荐库中所有用户数据进行抽样以获取多个样本用户的建模样本；
对样本用户的建模样本进行建模并获得偏好标签权重矩阵中用户对各个特征标签的偏好得分；
设置各个所述特征标签的权重；
依据所述偏好得分及所述权重查询符合所述请求用户的所述第一用户基础特征及所述第一择偶条件的一至多个被推荐用户的信息；
分别获取一至多个所述被推荐用户的第二用户信息，所述第二用户信息至少包括第二用户基础特征及第二择偶条件。
9.根据权利要求8所述的推荐装置，其特征在于，所述依据所述第一用户信息及所述第二用户信息计算双向匹配得分，包括：
依据所述第一用户基础特征及所述第一择偶条件判断所述请求用户是否符合所述第二用户基础特征及所述第二择偶条件，并按照预设的优先级推荐符合条件的被推荐用户；
分别设置第一用户基础特征、第一择偶条件、所述第二用户基础特征及第二择偶条件的权重，并分别归一化所述第一用户基础特征、第一择偶条件、所述第二用户基础特征及第二择偶条件；
依据归一化后的所述第一用户基础特征、第一择偶条件、所述第二用户基础特征、第二择偶条件及其权重计算所述双向匹配得分。
10.根据权利要求9所述的推荐装置，其特征在于，所述依据所述双向匹配得分确定向所述用户推荐的一至多个所述被推荐用户的列表，包括：
依据所述双向匹配得分排列一至多个所述被推荐用户以生成所述列表；
判断一至多个所述被推荐用户的任一个是否已被推荐给所述请求用户，若是，则从所述列表中删除所述被推荐用户，若否，则在所述列表中保留所述被推荐用户；
展示所述列表，或者，截取排列在所述列表预设范围内的子列表，展示所述子列表。
CN201710644334.6A 2017-07-31 2017-07-31 一种双向匹配的推荐方法及装置 Pending CN109325883A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710644334.6A CN109325883A (zh) 2017-07-31 2017-07-31 一种双向匹配的推荐方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710644334.6A CN109325883A (zh) 2017-07-31 2017-07-31 一种双向匹配的推荐方法及装置

Publications (1)

Publication Number Publication Date
CN109325883A true CN109325883A (zh) 2019-02-12

Family

ID=65245167

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710644334.6A Pending CN109325883A (zh) 2017-07-31 2017-07-31 一种双向匹配的推荐方法及装置

Country Status (1)

Country Link
CN (1) CN109325883A (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109902753A (zh) * 2019-03-06 2019-06-18 深圳市珍爱捷云信息技术有限公司 用户推荐模型训练方法、装置、计算机设备和存储介质
CN110472154A (zh) * 2019-08-26 2019-11-19 秒针信息技术有限公司 一种资源推送方法、装置、电子设备及可读存储介质
CN110782091A (zh) * 2019-10-25 2020-02-11 广州华多网络科技有限公司 用户匹配结果的计算方法、装置、计算机可读介质及设备
CN110837600A (zh) * 2019-10-12 2020-02-25 惠州市德赛西威汽车电子股份有限公司 一种基于行车数据的智能婚恋匹配方法
WO2020253357A1 (zh) * 2019-06-17 2020-12-24 深圳壹账通智能科技有限公司 数据产品推荐方法、装置、计算机设备和存储介质
CN112948710A (zh) * 2021-03-22 2021-06-11 华南师范大学 基于图神经网络的朋辈教育推荐方法、系统和存储介质
CN116662654A (zh) * 2023-05-26 2023-08-29 惠州市西子湖畔网络有限公司 一种基于大数据的相亲匹配系统及方法

Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101493913A (zh) * 2008-01-23 2009-07-29 阿里巴巴集团控股有限公司 一种评估网上用户信用的方法及系统
CN101751448A (zh) * 2009-07-22 2010-06-23 中国科学院自动化研究所 一种基于情景信息的个性化资源信息的推荐方法
CN101847226A (zh) * 2009-12-17 2010-09-29 广州市盈海文化传播有限公司 一种社会性网络sns社区中推荐异性朋友的方法及系统
CN102662975A (zh) * 2012-03-12 2012-09-12 浙江大学 一种混合双向聚类好友推荐方法
CN103984775A (zh) * 2014-06-05 2014-08-13 网易（杭州）网络有限公司 一种推荐好友的方法和设备
CN104391883A (zh) * 2014-11-05 2015-03-04 北京航空航天大学 一种基于迁移学习的在线广告受众排序方法
CN105224321A (zh) * 2015-09-25 2016-01-06 北京大学 实体双边匹配方法及系统
CN105404658A (zh) * 2015-11-04 2016-03-16 中国联合网络通信集团有限公司 同态交友关系的建立方法、建立系统及移动终端
CN105488662A (zh) * 2016-01-07 2016-04-13 北京歌利沃夫企业管理有限公司 一种基于双向推荐的在线招聘系统
CN105574216A (zh) * 2016-03-07 2016-05-11 达而观信息科技（上海）有限公司 基于概率模型和用户行为分析的个性化推荐方法、系统
CN106022826A (zh) * 2016-05-18 2016-10-12 武汉斗鱼网络科技有限公司 一种网络直播平台中的作弊用户识别方法与系统
CN106097113A (zh) * 2016-06-21 2016-11-09 仲兆满 一种社交网络用户动静兴趣挖掘方法
CN106202474A (zh) * 2016-07-14 2016-12-07 Tcl集团股份有限公司 一种对象推荐方法和装置
CN106649650A (zh) * 2016-12-10 2017-05-10 宁波思库网络科技有限公司 一种需求信息双向匹配方法
CN106960001A (zh) * 2017-02-08 2017-07-18 北京师范大学 一种检索词的实体链接方法及系统

Patent Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101493913A (zh) * 2008-01-23 2009-07-29 阿里巴巴集团控股有限公司 一种评估网上用户信用的方法及系统
CN101751448A (zh) * 2009-07-22 2010-06-23 中国科学院自动化研究所 一种基于情景信息的个性化资源信息的推荐方法
CN101847226A (zh) * 2009-12-17 2010-09-29 广州市盈海文化传播有限公司 一种社会性网络sns社区中推荐异性朋友的方法及系统
CN102662975A (zh) * 2012-03-12 2012-09-12 浙江大学 一种混合双向聚类好友推荐方法
CN103984775A (zh) * 2014-06-05 2014-08-13 网易（杭州）网络有限公司 一种推荐好友的方法和设备
CN104391883A (zh) * 2014-11-05 2015-03-04 北京航空航天大学 一种基于迁移学习的在线广告受众排序方法
CN105224321A (zh) * 2015-09-25 2016-01-06 北京大学 实体双边匹配方法及系统
CN105404658A (zh) * 2015-11-04 2016-03-16 中国联合网络通信集团有限公司 同态交友关系的建立方法、建立系统及移动终端
CN105488662A (zh) * 2016-01-07 2016-04-13 北京歌利沃夫企业管理有限公司 一种基于双向推荐的在线招聘系统
CN105574216A (zh) * 2016-03-07 2016-05-11 达而观信息科技（上海）有限公司 基于概率模型和用户行为分析的个性化推荐方法、系统
CN106022826A (zh) * 2016-05-18 2016-10-12 武汉斗鱼网络科技有限公司 一种网络直播平台中的作弊用户识别方法与系统
CN106097113A (zh) * 2016-06-21 2016-11-09 仲兆满 一种社交网络用户动静兴趣挖掘方法
CN106202474A (zh) * 2016-07-14 2016-12-07 Tcl集团股份有限公司 一种对象推荐方法和装置
CN106649650A (zh) * 2016-12-10 2017-05-10 宁波思库网络科技有限公司 一种需求信息双向匹配方法
CN106960001A (zh) * 2017-02-08 2017-07-18 北京师范大学 一种检索词的实体链接方法及系统

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109902753A (zh) * 2019-03-06 2019-06-18 深圳市珍爱捷云信息技术有限公司 用户推荐模型训练方法、装置、计算机设备和存储介质
CN109902753B (zh) * 2019-03-06 2023-01-13 深圳市珍爱捷云信息技术有限公司 用户推荐模型训练方法、装置、计算机设备和存储介质
WO2020253357A1 (zh) * 2019-06-17 2020-12-24 深圳壹账通智能科技有限公司 数据产品推荐方法、装置、计算机设备和存储介质
CN110472154A (zh) * 2019-08-26 2019-11-19 秒针信息技术有限公司 一种资源推送方法、装置、电子设备及可读存储介质
CN110837600A (zh) * 2019-10-12 2020-02-25 惠州市德赛西威汽车电子股份有限公司 一种基于行车数据的智能婚恋匹配方法
CN110782091A (zh) * 2019-10-25 2020-02-11 广州华多网络科技有限公司 用户匹配结果的计算方法、装置、计算机可读介质及设备
CN110782091B (zh) * 2019-10-25 2021-02-12 广州方硅信息技术有限公司 用户匹配结果的计算方法、装置、计算机可读介质及设备
CN112948710A (zh) * 2021-03-22 2021-06-11 华南师范大学 基于图神经网络的朋辈教育推荐方法、系统和存储介质
CN116662654A (zh) * 2023-05-26 2023-08-29 惠州市西子湖畔网络有限公司 一种基于大数据的相亲匹配系统及方法
CN116662654B (zh) * 2023-05-26 2024-04-09 惠州市西子湖畔网络有限公司 一种基于大数据的相亲匹配系统及方法

Similar Documents

Publication Publication Date Title
CN109325883A (zh) 一种双向匹配的推荐方法及装置
CN107609152B (zh) 用于扩展查询式的方法和装置
TWI539305B (zh) Personalized information push method and device
WO2018209954A1 (zh) 用于推送信息的方法和装置
CN102722481B (zh) 一种用户收藏夹数据的处理方法及搜索方法
US9910930B2 (en) Scalable user intent mining using a multimodal restricted boltzmann machine
US20150161529A1 (en) Identifying Related Events for Event Ticket Network Systems
CN105809473B (zh) 匹配模型参数的训练方法、服务推荐方法及对应装置
CN108596695B (zh) 实体推送方法及系统
WO2018014771A1 (zh) 一种数据对象推送的方法、装置及系统
US20120296900A1 (en) Adaptively learning a similarity model
WO2010022655A1 (zh) 一种搜索方法和系统
CN105302810A (zh) 一种信息搜索方法和装置
US9767417B1 (en) Category predictions for user behavior
US20120296776A1 (en) Adaptive interactive search
US9767204B1 (en) Category predictions identifying a search frequency
CN110428295A (zh) 商品推荐方法和系统
CN113837842A (zh) 一种基于用户行为数据的商品推荐方法及设备
CN110008396B (zh) 对象信息推送方法、装置、设备及计算机可读存储介质
US10474670B1 (en) Category predictions with browse node probabilities
CN110866191A (zh) 推荐召回方法、设备和存储介质
CN110827101A (zh) 一种店铺推荐的方法和装置
CN110175892B (zh) 基于消费者行为的热力球双向推荐方法及系统
US20130290130A1 (en) Temperature-based determination of business objects
CN117151823A (zh) 一种基于大数据的购车评估方法、系统、电子设备及介质

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20190212