CN109543132A - 内容推荐方法、装置、电子设备及存储介质 - Google Patents
内容推荐方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN109543132A CN109543132A CN201811402455.0A CN201811402455A CN109543132A CN 109543132 A CN109543132 A CN 109543132A CN 201811402455 A CN201811402455 A CN 201811402455A CN 109543132 A CN109543132 A CN 109543132A
- Authority
- CN
- China
- Prior art keywords
- recommendation
- interest preference
- user
- content
- interest
- 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
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及内容推荐方法、装置、电子设备及存储介质。该内容推荐方法包括:基于用户的实时浏览数据确定用户的第一兴趣偏好;根据第一兴趣偏好生成第一推荐内容;基于第一兴趣偏好、第一推荐内容、第二兴趣偏好和第二推荐内容确定最终推荐内容,并推荐至用户终端,其中,第二兴趣偏好为事先基于用户的历史浏览数据确定的,第二推荐内容为事先根据第二兴趣偏好生成的。该方法根据用户的实时浏览数据实时计算用户的兴趣偏好,并以此进行内容的实时推荐,保证了推荐内容的及时性;同时还结合事先根据用户历史浏览数据确定的第二兴趣偏好以及生成的第二推荐内容对推荐内容进行修正,能够更实时的捕捉到用户的新兴趣,为用户推荐其更感兴趣的内容。
Description
技术领域
本发明属于互联网技术领域,具体涉及一种内容推荐方法、装置、电子设备及存储介质。
背景技术
随着互联网技术的发展,人们获取信息的渠道越来越多,各类平台为用户提供了包括文章、图集、视频等信息,对于平台而言,如何向用户推荐用户感兴趣的信息是平台首要面对的问题。平台向用户推荐的信息往往由各类算法所决定,而算法需要经过大量数据的训练及测试才能准确地确定不同用户所喜好的信息,由于,算法的训练所需的数据量庞大,往往以一天的时间间隔对一整天的数据进行训练、测试,因此,以此进行的内容推荐没能及时地对用户当前的操作行为进行反馈,常常要到第二天才能计算出用户感兴趣的推荐内容,使得推荐效果不理想。
发明内容
鉴于此,本发明的目的在于提供一种内容推荐方法、装置、电子设备及存储介质,以有效地改善上述问题。
本发明的实施例是这样实现的:
第一方面,本发明实施例提供了一种内容推荐方法,包括:基于用户的实时浏览数据确定所述用户的第一兴趣偏好;根据所述第一兴趣偏好生成第一推荐内容;基于所述第一兴趣偏好、所述第一推荐内容、第二兴趣偏好和第二推荐内容确定最终推荐内容,并推荐至用户终端,其中,所述第二兴趣偏好为事先基于所述用户的历史浏览数据确定的兴趣偏好,所述第二推荐内容为事先根据所述第二兴趣偏好生成的推荐内容。
结合第一方面的一种可能的实施方式,基于所述第一兴趣偏好、所述第一推荐内容、所述第二兴趣偏好和所述第二推荐内容确定最终推荐内容,包括:将所述第一兴趣偏好、所述第一推荐内容、所述第二兴趣偏好和所述第二推荐内容转换成libsvm格式数据;基于训练好的XGBoost模型对所述libsvm格式数据进行排序,得到排序结果;基于所述排序结果确定所述最终推荐内容。
结合第一方面的一种可能的实施方式,根据所述第一兴趣偏好生成第一推荐内容,包括:根据所述第一兴趣偏好匹配与所述第一兴趣偏好相似的内容;基于匹配到的与所述第一兴趣偏好相似的内容生成第一推荐内容。
结合第一方面的一种可能的实施方式,通过以下步骤确定所述第二兴趣偏好:根据所述用户的历史浏览数据统计所述用户对于不同类型内容的浏览量;根据所述用户对于不同类型内容的浏览量确定所述用户的第二兴趣偏好。
结合第一方面的一种可能的实施方式,通过以下步骤生成所述第二推荐内容:根据所述第二兴趣偏好匹配与所述第二兴趣偏好相似的内容;基于匹配到的与所述第二兴趣偏好相似的内容生成第二推荐内容。
第二方面,本申请实施例还提供了一种内容推荐装置,包括:第一确定模块,用于基于用户的实时浏览数据确定所述用户的第一兴趣偏好;第一生成模块,用于根据所述第一兴趣偏好生成第一推荐内容;推荐模块,用于基于所述第一兴趣偏好、所述第一推荐内容、第二兴趣偏好和第二推荐内容确定最终推荐内容,并推荐至用户终端,其中,所述第二兴趣偏好为事先基于所述用户的历史浏览数据确定的兴趣偏好,所述第二推荐内容为事先根据所述第二兴趣偏好生成的推荐内容。
结合第二方面的一种可能的实施方式,所述推荐模块,用于将所述第一兴趣偏好、所述第一推荐内容、所述第二兴趣偏好和所述第二推荐内容转换成libsvm格式数据;基于训练好的XGBoost模型对所述libsvm格式数据进行排序,得到排序结果;基于所述排序结果确定所述最终推荐内容。
结合第二方面的一种可能的实施方式,第一生成模块,用于根据所述第一兴趣偏好匹配与所述第一兴趣偏好相似的内容;基于匹配到的与所述第一兴趣偏好相似的内容生成第一推荐内容。
结合第二方面的一种可能的实施方式,所述装置还包括:统计模块,用于根据所述用户的历史浏览数据统计所述用户对于不同类型内容的浏览量;第二确定模块,用于根据所述用户对于不同类型内容的浏览量确定所述用户的第二兴趣偏好。
结合第二方面的一种可能的实施方式,所述装置还包括:匹配模块,用于根据所述第二兴趣偏好匹配与所述第二兴趣偏好相似的内容;第二生成模块,用于基于匹配到的与所述第二兴趣偏好相似的内容生成第二推荐内容。
第三方面,本申请实施例还提供了一种电子设备,包括:存储器和处理器,所述存储器和所述处理器连接;所述存储器用于存储程序;所述处理器用于调用存储于所述存储器中的程序,以执行上述第一方面和/或结合第一方面的任一种可能的实施方式提供的方法。
第四方面,本申请实施例还提供了一种存储介质,其所述存储介质包括计算机程序,所述计算机程序被处理器运行时执行上述第一方面和/或结合第一方面的任一种可能的实施方式提供的方法。
本发明实施例提供的内容推荐方法,根据用户的实时浏览数据实时计算用户的第一兴趣偏好,并以此进行内容的实时推荐,保证了推荐内容的及时性;同时还结合事先根据用户历史浏览数据确定的第二兴趣偏好以及生成的第二推荐内容对推荐内容进行修正完善,确保能够更实时的捕捉到用户的新兴趣,为用户推荐其更感兴趣的内容。
本发明的其他特征和优点将在随后的说明书阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明实施例而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例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发明的一些实施例,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。通过附图所示,本发明的上述及其它目的、特征和优势将更加清晰。在全部附图中相同的附图标记指示相同的部分。并未刻意按实际尺寸等比例缩放绘制附图,重点在于示出本发明的主旨。
图1示出了本发明实施例提供的一种电子设备的结构示意图。
图2示出了本发明实施例提供的一种内容推荐方法的流程图。
图3示出了本发明实施例提供的图2中的步骤S103的流程示意图。
图4示出了本发明实施例提供的一种内容推荐装置的模块示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
在本发明的描述中,需要说明的是,术语“第一”、“第二”、“第三”等仅用于区分描述,而不能理解为指示或暗示相对重要性。再者,本申请中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。
第一实施例
如图1所示,图1示出了本发明实施例提供的一种电子设备100的结构框图。所述电子设备100包括:内容推荐装置110、存储器120、存储控制器130和处理器140。其中,在本发明实施例中,所述电子设备100可以是,但不限于网络服务器、数据库服务器、云端服务器等。
所述存储器120、存储控制器130、处理器140各元件相互之间直接或间接地电性连接,以实现数据的传输或交互。例如,这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。所述内容推荐装置110包括至少一个可以软件或固件(firmware)的形式存储于所述存储器120中或固化在所述电子设备100的操作系统(operating system,OS)中的软件功能模块。所述处理器140用于执行存储器120中存储的可执行模块,例如所述内容推荐装置110包括的软件功能模块或计算机程序。
其中,存储器120可以是,但不限于,随机存取存储器(Random Access Memory,RAM),只读存储器(Read Only Memory,ROM),可编程只读存储器(Programmable Read-Only Memory,PROM),可擦除只读存储器(Erasable Programmable Read-Only Memory,EPROM),电可擦除只读存储器(Electric Erasable Programmable Read-Only Memory,EEPROM)等。其中,存储器120用于存储程序,所述处理器140在接收到执行指令后,执行所述程序,后述本发明实施例任一实施例揭示的流程定义的电子设备100所执行的方法可以应用于处理器140中,或者由处理器140实现。
处理器140可能是一种集成电路芯片,具有信号的处理能力。上述的处理器可以是通用处理器,包括中央处理器(Central Processing Unit,CPU)、网络处理器(NetworkProcessor,NP)等;还可以是数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
第二实施例
请参阅图2,为本发明实施例提供的一种应用于上述电子设备100的内容推荐方法,下面将结合图2对其所包含的步骤进行说明。
步骤S101:基于用户的实时浏览数据确定所述用户的第一兴趣偏好。
通过开源内容队列如Kafka工具,将用户浏览的实时数据接入系统供后续使用,通过Spark-Streaming框架获取Kafka工具中的用户的实时浏览数据,并以此确定该用户的第一兴趣偏好。例如,当前用户正在浏览某部电影,则可以以该部电影的类型、题材等特征信息确定该用户的第一兴趣偏好。又例如,统计用户在预设时间段内的对于不同类型内容的浏览量,根据用户对于不同类型内容的浏览量确定用户的第一兴趣偏好。
其中,需要说明的是,本文中的实时浏览数据是值满足预设时间段内的浏览数据,并不一定是指当前的浏览数据,例如,规定该预设时间段为半小时,则该用户在这半小时内的所有浏览数据均为实时浏览数据。
其中,该浏览数据可以是,但不限于文章、图集、视频、购物链接、广告等数据。
步骤S102:根据所述第一兴趣偏好生成第一推荐内容。
根据实时浏览数据计算出用户的第一兴趣偏好后,根据该第一兴趣偏好生成第一推荐内容。可以是根据所述第一兴趣偏好匹配与所述第一兴趣偏好相似的内容;基于匹配到的与所述第一兴趣偏好相似的内容生成第一推荐内容。例如,确定的用户的第一兴趣偏好包括战争类的电影,则可以匹配与战争题材相似的电影、文章、图片等内容,然后结合这些内容的一个热度,选取热度排名靠前的内容生成第一推荐内容。其中,热度可以根据点击量、搜索量、下载量等来确定。
步骤S103:基于所述第一兴趣偏好、所述第一推荐内容、第二兴趣偏好和第二推荐内容确定最终推荐内容,并推荐至用户终端。
在得到第一兴趣偏好以及第一推荐内容后,基于所述第一兴趣偏好、所述第一推荐内容、第二兴趣偏好和第二推荐内容确定最终推荐内容,并推荐至用户终端,以便用户浏览。其中,所述第二兴趣偏好为事先基于所述用户的历史浏览数据确定的兴趣偏好,所述第二推荐内容为事先根据所述第二兴趣偏好生成的推荐内容。
作为一种可选的实施方式,在确定推荐内容时可以是对上述4种内容(第一兴趣偏好、第一推荐内容、第二兴趣偏好和第二推荐内容)直接进行排序,然后选取排名靠前的内容作为推荐内容,或者再选取与之相似且最热门的内容作为最终推荐内容。
作为一种可选的实施方式,可以是结合图3所示的步骤对该过程进行说明。
步骤S201:将所述第一兴趣偏好、所述第一推荐内容、所述第二兴趣偏好和所述第二推荐内容转换成libsvm格式数据。
在得到第一兴趣偏好、第一推荐内容、第二兴趣偏好和第二推荐内容后,先进行格式转换,如将所述第一兴趣偏好、所述第一推荐内容、所述第二兴趣偏好和所述第二推荐内容转换成libsvm格式数据。
步骤S202:基于训练好的XGBoost模型对所述libsvm格式数据进行排序,得到排序结果。
将所述第一兴趣偏好、所述第一推荐内容、所述第二兴趣偏好和所述第二推荐内容转换成libsvm格式数据后,利用事先训练好的XGBoost模型对上述的libsvm格式数据进行排序,得到排序结果。
步骤S203:基于所述排序结果确定所述最终推荐内容。
得到排序结果直接,选取排名靠前的结果作为推荐内容,如排名前三的内容作为最终推荐内容。
其中,需要说明的是,可以通过以下方式确定本文中的第二兴趣偏好以及生成第二推荐内容:
可以通过获取用户的历史浏览数据如30天的浏览数据,并以此确定用户的第二兴趣偏好。例如,根据所述用户的历史浏览数据统计所述用户对于不同类型内容的浏览量;根据所述用户对于不同类型内容的浏览量确定所述用户的第二兴趣偏好。如,在统计用户对于不同类型内容的浏览量时,该用户观看古装类的电影以及电视剧的比例为56%,观看体育类比赛的比例为38%,其余类型合计为6%时,则可以得出该用户比较偏好古装类题材的内容以及体育类题材的内容,进而便可以得出该用户的第二兴趣偏好。
其中,需要说明的是,本文中的第二兴趣偏好是系统周期性的根据用户的历史浏览数据提前计算出的,并将其与用户进行绑定,这样在为该用户推荐内容时,能更及时地捕捉到用户的新兴趣,为用户推荐其更感兴趣的内容容。如系统每隔七天便根据30天内的历史浏览数据更新用户的兴趣偏好。
在确定用户的第二兴趣偏好后,根据第二兴趣偏好生成第二推荐内容。
其中,可以是根据所述第二兴趣偏好匹配与所述第二兴趣偏好相似的内容;基于匹配到的与所述第二兴趣偏好相似的内容生成第二推荐内容。该过程与上述的根据所述第一兴趣偏好生成第一推荐内容类似。也可以是采用协同过滤推荐的方式推荐内容,计算各个内容之间的协同相似性,并匹配与之相类似的内容。也可以是采用热门推荐方式,如根据第二兴趣偏好确定出最热门的内容,并以此作为第二推荐信息。也可以是同时结合上述记载推荐方式进行推荐。
其中,需要说明的是,上述的第二推荐内容也是事先推荐好并保存的,这样在为该用户推荐内容时,能更及时地推荐内容。
第三实施例
本申请实施例还提供了一种内容推荐装置110,如图4所示。该内容推荐装置110包括:第一确定模块111、第一生成模块112以及推荐模块113。
第一确定模块111,用于基于用户的实时浏览数据确定所述用户的第一兴趣偏好。
第一生成模块112,用于根据所述第一兴趣偏好生成第一推荐内容。
推荐模块113,用于基于所述第一兴趣偏好、所述第一推荐内容、第二兴趣偏好和第二推荐内容确定最终推荐内容,并推荐至用户终端,其中,所述第二兴趣偏好为事先基于所述用户的历史浏览数据确定的兴趣偏好,所述第二推荐内容为事先根据所述第二兴趣偏好生成的推荐内容。
本申请实施例还提供了一种非易失性存储介质,所述非易失性存储介质包括计算机程序,所述计算机程序被处理器运行时执行上述第二实施例所示的方法。
需要说明的是,本说明书中的各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似的部分互相参见即可。
本发明实施例所提供的内容推荐装置110,其实现原理及产生的技术效果和前述方法实施例相同,为简要描述,装置实施例部分未提及之处,可参考前述方法实施例中相应内容。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,附图中的流程图和框图显示了根据本发明的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
另外,在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
所述功能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,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说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,该计算机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机设备(可以是个人计算机,笔记本电脑,服务器,或者网络设备等)执行本发明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-OnlyMemory)、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。需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种内容推荐方法,其特征在于,包括:
基于用户的实时浏览数据确定所述用户的第一兴趣偏好;
根据所述第一兴趣偏好生成第一推荐内容;
基于所述第一兴趣偏好、所述第一推荐内容、第二兴趣偏好和第二推荐内容确定最终推荐内容,并推荐至用户终端,其中,所述第二兴趣偏好为事先基于所述用户的历史浏览数据确定的兴趣偏好,所述第二推荐内容为事先根据所述第二兴趣偏好生成的推荐内容。
2.根据权利要求1所述的方法,其特征在于,基于所述第一兴趣偏好、所述第一推荐内容、所述第二兴趣偏好和所述第二推荐内容确定最终推荐内容,包括:
将所述第一兴趣偏好、所述第一推荐内容、所述第二兴趣偏好和所述第二推荐内容转换成libsvm格式数据;
基于训练好的XGBoost模型对所述libsvm格式数据进行排序,得到排序结果;
基于所述排序结果确定所述最终推荐内容。
3.根据权利要求1所述的方法,其特征在于,根据所述第一兴趣偏好生成第一推荐内容,包括:
根据所述第一兴趣偏好匹配与所述第一兴趣偏好相似的内容;
基于匹配到的与所述第一兴趣偏好相似的内容生成第一推荐内容。
4.根据权利要求1所述的方法,其特征在于,通过以下步骤确定所述第二兴趣偏好:
根据所述用户的历史浏览数据统计所述用户对于不同类型内容的浏览量;
根据所述用户对于不同类型内容的浏览量确定所述用户的第二兴趣偏好。
5.根据权利要求1所述的方法,其特征在于,通过以下步骤生成所述第二推荐内容:
根据所述第二兴趣偏好匹配与所述第二兴趣偏好相似的内容;
基于匹配到的与所述第二兴趣偏好相似的内容生成第二推荐内容。
6.一种内容推荐装置,其特征在于,包括:
第一确定模块,用于基于用户的实时浏览数据确定所述用户的第一兴趣偏好;
第一生成模块,用于根据所述第一兴趣偏好生成第一推荐内容;
推荐模块,用于基于所述第一兴趣偏好、所述第一推荐内容、第二兴趣偏好和第二推荐内容确定最终推荐内容,并推荐至用户终端,其中,所述第二兴趣偏好为事先基于所述用户的历史浏览数据确定的兴趣偏好,所述第二推荐内容为事先根据所述第二兴趣偏好生成的推荐内容。
7.根据权利要求6所述的装置,其特征在于,所述推荐模块,用于将所述第一兴趣偏好、所述第一推荐内容、所述第二兴趣偏好和所述第二推荐内容转换成libsvm格式数据;基于训练好的XGBoost模型对所述libsvm格式数据进行排序,得到排序结果;基于所述排序结果确定所述最终推荐内容。
8.根据权利要求6所述的装置,其特征在于,第一生成模块,用于根据所述第一兴趣偏好匹配与所述第一兴趣偏好相似的内容;基于匹配到的与所述第一兴趣偏好相似的内容生成第一推荐内容。
9.一种电子设备,其特征在于,包括:存储器和处理器,所述存储器和所述处理器连接;
所述存储器用于存储程序;
所述处理器用于调用存储于所述存储器中的程序,以执行如权利要求1-5中任一项所述的方法。
10.一种存储介质,其特征在于,所述存储介质包括计算机程序,所述计算机程序被处理器运行时执行如权利要求1-5中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811402455.0A CN109543132A (zh) | 2018-11-22 | 2018-11-22 | 内容推荐方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811402455.0A CN109543132A (zh) | 2018-11-22 | 2018-11-22 | 内容推荐方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109543132A true CN109543132A (zh) | 2019-03-29 |
Family
ID=65849308
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811402455.0A Pending CN109543132A (zh) | 2018-11-22 | 2018-11-22 | 内容推荐方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109543132A (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111259248A (zh) * | 2020-01-19 | 2020-06-09 | 托普朗宁(北京)教育科技有限公司 | 信息资源的推荐方法及装置、可读存储介质、电子设备 |
CN111400605A (zh) * | 2020-04-26 | 2020-07-10 | Oppo广东移动通信有限公司 | 基于眼球追踪的推荐方法及装置 |
CN111694971A (zh) * | 2020-06-10 | 2020-09-22 | 三星电子(中国)研发中心 | 一种内容的推荐方法和系统 |
CN111767430A (zh) * | 2020-06-30 | 2020-10-13 | 平安国际智慧城市科技股份有限公司 | 视频资源推送方法、视频资源推送装置及存储介质 |
CN112100362A (zh) * | 2020-09-11 | 2020-12-18 | 北京百度网讯科技有限公司 | 文档格式推荐模型训练方法、装置以及电子设备 |
CN113360744A (zh) * | 2020-03-04 | 2021-09-07 | 北京达佳互联信息技术有限公司 | 媒体内容的推荐方法、装置、计算机设备和存储介质 |
CN114416246A (zh) * | 2021-12-31 | 2022-04-29 | 北京五八信息技术有限公司 | 一种数据处理方法、装置、电子设备及存储介质 |
CN114612126A (zh) * | 2021-12-08 | 2022-06-10 | 江苏众亿国链大数据科技有限公司 | 一种基于大数据的信息推送方法 |
CN116610864A (zh) * | 2023-06-06 | 2023-08-18 | 北京科码先锋互联网技术股份有限公司 | 一种基于pgc、ugc内容版块千人千面的内容呈现算法及系统 |
CN116628313A (zh) * | 2023-03-31 | 2023-08-22 | 北京百度网讯科技有限公司 | 内容推荐方法及装置、电子设备和存储介质 |
Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105260471A (zh) * | 2015-10-19 | 2016-01-20 | 广州唯品会信息科技有限公司 | 商品个性化排序模型训练方法及系统 |
CN106127546A (zh) * | 2016-06-20 | 2016-11-16 | 重庆房慧科技有限公司 | 一种基于智慧社区大数据的商品推荐方法 |
CN106250403A (zh) * | 2016-07-19 | 2016-12-21 | 北京奇艺世纪科技有限公司 | 用户流失预测方法及装置 |
CN106327234A (zh) * | 2015-07-02 | 2017-01-11 | 中兴通讯股份有限公司 | 一种信息推荐方法和装置 |
CN106383895A (zh) * | 2016-09-27 | 2017-02-08 | 北京金山安全软件有限公司 | 信息推荐方法、装置以及终端设备 |
CN107633326A (zh) * | 2017-09-14 | 2018-01-26 | 北京拉勾科技有限公司 | 一种用户投递意愿模型的构建方法和计算设备 |
CN107766561A (zh) * | 2017-11-06 | 2018-03-06 | 广东欧珀移动通信有限公司 | 音乐推荐的方法、装置、存储介质及终端设备 |
CN107885886A (zh) * | 2017-12-07 | 2018-04-06 | 百度在线网络技术(北京)有限公司 | 对信息推荐结果排序的方法、装置及服务器 |
CN107909433A (zh) * | 2017-11-14 | 2018-04-13 | 重庆邮电大学 | 一种基于大数据移动电子商务的商品推荐方法 |
CN108198019A (zh) * | 2017-12-27 | 2018-06-22 | 网易无尾熊(杭州)科技有限公司 | 物品推荐方法及装置、存储介质、电子设备 |
CN108197327A (zh) * | 2018-02-07 | 2018-06-22 | 腾讯音乐娱乐(深圳)有限公司 | 歌曲推荐方法、装置及存储介质 |
CN108230009A (zh) * | 2017-11-30 | 2018-06-29 | 北京三快在线科技有限公司 | 一种用户偏好的预测方法及装置,电子设备 |
CN108255840A (zh) * | 2016-12-28 | 2018-07-06 | 北京酷我科技有限公司 | 一种歌曲的推荐方法和系统 |
CN108509583A (zh) * | 2018-03-29 | 2018-09-07 | 广东欧珀移动通信有限公司 | 一种信息推送方法、服务器及计算机可读存储介质 |
CN108520034A (zh) * | 2018-03-29 | 2018-09-11 | 广州优视网络科技有限公司 | 应用推荐方法、装置及计算机设备 |
CN108563680A (zh) * | 2018-03-07 | 2018-09-21 | 阿里巴巴集团控股有限公司 | 资源推荐方法及装置 |
CN108573032A (zh) * | 2018-03-27 | 2018-09-25 | 麒麟合盛网络技术股份有限公司 | 视频推荐方法及装置 |
-
2018
- 2018-11-22 CN CN201811402455.0A patent/CN109543132A/zh active Pending
Patent Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106327234A (zh) * | 2015-07-02 | 2017-01-11 | 中兴通讯股份有限公司 | 一种信息推荐方法和装置 |
CN105260471A (zh) * | 2015-10-19 | 2016-01-20 | 广州唯品会信息科技有限公司 | 商品个性化排序模型训练方法及系统 |
CN106127546A (zh) * | 2016-06-20 | 2016-11-16 | 重庆房慧科技有限公司 | 一种基于智慧社区大数据的商品推荐方法 |
CN106250403A (zh) * | 2016-07-19 | 2016-12-21 | 北京奇艺世纪科技有限公司 | 用户流失预测方法及装置 |
CN106383895A (zh) * | 2016-09-27 | 2017-02-08 | 北京金山安全软件有限公司 | 信息推荐方法、装置以及终端设备 |
CN108255840A (zh) * | 2016-12-28 | 2018-07-06 | 北京酷我科技有限公司 | 一种歌曲的推荐方法和系统 |
CN107633326A (zh) * | 2017-09-14 | 2018-01-26 | 北京拉勾科技有限公司 | 一种用户投递意愿模型的构建方法和计算设备 |
CN107766561A (zh) * | 2017-11-06 | 2018-03-06 | 广东欧珀移动通信有限公司 | 音乐推荐的方法、装置、存储介质及终端设备 |
CN107909433A (zh) * | 2017-11-14 | 2018-04-13 | 重庆邮电大学 | 一种基于大数据移动电子商务的商品推荐方法 |
CN108230009A (zh) * | 2017-11-30 | 2018-06-29 | 北京三快在线科技有限公司 | 一种用户偏好的预测方法及装置,电子设备 |
CN107885886A (zh) * | 2017-12-07 | 2018-04-06 | 百度在线网络技术(北京)有限公司 | 对信息推荐结果排序的方法、装置及服务器 |
CN108198019A (zh) * | 2017-12-27 | 2018-06-22 | 网易无尾熊(杭州)科技有限公司 | 物品推荐方法及装置、存储介质、电子设备 |
CN108197327A (zh) * | 2018-02-07 | 2018-06-22 | 腾讯音乐娱乐(深圳)有限公司 | 歌曲推荐方法、装置及存储介质 |
CN108563680A (zh) * | 2018-03-07 | 2018-09-21 | 阿里巴巴集团控股有限公司 | 资源推荐方法及装置 |
CN108573032A (zh) * | 2018-03-27 | 2018-09-25 | 麒麟合盛网络技术股份有限公司 | 视频推荐方法及装置 |
CN108509583A (zh) * | 2018-03-29 | 2018-09-07 | 广东欧珀移动通信有限公司 | 一种信息推送方法、服务器及计算机可读存储介质 |
CN108520034A (zh) * | 2018-03-29 | 2018-09-11 | 广州优视网络科技有限公司 | 应用推荐方法、装置及计算机设备 |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111259248A (zh) * | 2020-01-19 | 2020-06-09 | 托普朗宁(北京)教育科技有限公司 | 信息资源的推荐方法及装置、可读存储介质、电子设备 |
CN111259248B (zh) * | 2020-01-19 | 2023-11-03 | 北京博学广阅教育科技有限公司 | 信息资源的推荐方法及装置、可读存储介质、电子设备 |
CN113360744A (zh) * | 2020-03-04 | 2021-09-07 | 北京达佳互联信息技术有限公司 | 媒体内容的推荐方法、装置、计算机设备和存储介质 |
CN111400605A (zh) * | 2020-04-26 | 2020-07-10 | Oppo广东移动通信有限公司 | 基于眼球追踪的推荐方法及装置 |
CN111694971A (zh) * | 2020-06-10 | 2020-09-22 | 三星电子(中国)研发中心 | 一种内容的推荐方法和系统 |
CN111767430A (zh) * | 2020-06-30 | 2020-10-13 | 平安国际智慧城市科技股份有限公司 | 视频资源推送方法、视频资源推送装置及存储介质 |
CN111767430B (zh) * | 2020-06-30 | 2021-05-25 | 平安国际智慧城市科技股份有限公司 | 视频资源推送方法、视频资源推送装置及存储介质 |
CN112100362B (zh) * | 2020-09-11 | 2023-07-28 | 北京百度网讯科技有限公司 | 文档格式推荐模型训练方法、装置以及电子设备 |
CN112100362A (zh) * | 2020-09-11 | 2020-12-18 | 北京百度网讯科技有限公司 | 文档格式推荐模型训练方法、装置以及电子设备 |
CN114612126A (zh) * | 2021-12-08 | 2022-06-10 | 江苏众亿国链大数据科技有限公司 | 一种基于大数据的信息推送方法 |
CN114416246A (zh) * | 2021-12-31 | 2022-04-29 | 北京五八信息技术有限公司 | 一种数据处理方法、装置、电子设备及存储介质 |
CN114416246B (zh) * | 2021-12-31 | 2024-03-19 | 北京五八信息技术有限公司 | 一种数据处理方法、装置、电子设备及存储介质 |
CN116628313A (zh) * | 2023-03-31 | 2023-08-22 | 北京百度网讯科技有限公司 | 内容推荐方法及装置、电子设备和存储介质 |
CN116610864A (zh) * | 2023-06-06 | 2023-08-18 | 北京科码先锋互联网技术股份有限公司 | 一种基于pgc、ugc内容版块千人千面的内容呈现算法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109543132A (zh) | 内容推荐方法、装置、电子设备及存储介质 | |
CN110941740B (zh) | 视频推荐方法及计算机可读存储介质 | |
CN109543111B (zh) | 推荐信息筛选方法、装置、存储介质及服务器 | |
CN106294830A (zh) | 多媒体资源的推荐方法及装置 | |
CN109582857A (zh) | 基于大数据信息推送方法、装置、计算机设备及存储介质 | |
CN109934619A (zh) | 用户画像标签建模方法、装置、电子设备及可读存储介质 | |
CN110796477A (zh) | 广告展示方法、装置、电子设备及可读存储介质 | |
CN107798027B (zh) | 一种信息热度预测方法、信息推荐方法及装置 | |
CN103823908A (zh) | 基于用户偏好的内容推荐方法和服务器 | |
CN104021163A (zh) | 产品推荐系统及方法 | |
CN110322093B (zh) | 信息处理方法、信息显示方法、装置及计算设备 | |
RU2622850C2 (ru) | Метод и сервер для обработки идентификаторов продукта и машиночитаемый носитель данных | |
CN108846097A (zh) | 用户的兴趣标签表示方法、文章推荐方法、及装置、设备 | |
CN110113634A (zh) | 一种信息互动方法、装置、设备及存储介质 | |
CN110766438A (zh) | 一种通过人工智能对电网用户的用户行为进行分析的方法 | |
CN105608604A (zh) | 一种品牌广告效果优化的连续计算方法 | |
CN111460301B (zh) | 对象推送方法、装置、电子设备及存储介质 | |
CN112579910A (zh) | 信息处理方法、信息处理装置、存储介质和电子设备 | |
CN109377103B (zh) | 学习平台课程推荐的评估方法及设备 | |
CN107665202B (zh) | 一种构建兴趣模型的方法、装置及电子设备 | |
CN110019774A (zh) | 标签分配方法、装置、存储介质及电子装置 | |
CN110570271A (zh) | 信息推荐方法、装置、电子设备及可读存储介质 | |
CN111325572B (zh) | 一种数据处理方法及装置 | |
CN112927050A (zh) | 待推荐金融产品确定方法、装置、电子设备及存储介质 | |
Laussel et al. | The curse of knowledge: having access to customer information can reduce monopoly profits |
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: 20190329 |
|
RJ01 | Rejection of invention patent application after publication |