CN109684546A - 推荐方法、装置、存储介质及终端 - Google Patents
推荐方法、装置、存储介质及终端 Download PDFInfo
- Publication number
- CN109684546A CN109684546A CN201811580280.2A CN201811580280A CN109684546A CN 109684546 A CN109684546 A CN 109684546A CN 201811580280 A CN201811580280 A CN 201811580280A CN 109684546 A CN109684546 A CN 109684546A
- Authority
- CN
- China
- Prior art keywords
- user
- item class
- application program
- proportionality coefficient
- click
- 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.)
- Granted
Links
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种推荐方法、装置、存储介质及终端,该方法包括:获取用户在预设应用程序上用户行为;根据用户行为,确定样本统计值;根据样本统计值,确定用户在使用预设应用程序的过程中单品类的点击比例系数;归一化单品类的点击比例系数,作为单品类的动态推荐比例。本发明通过首先确定用户在使用预设应用程序的过程中单品类的点击比例系数,再根据其单品类的点击比例系数的归一化计算,计算出的该品类在所有品类的点击比例系数中所占的比例作为其动态推荐比例,向用户推荐对应内容,使应用程序推荐的内容更符合用户对各品类的偏好情况,以进一步提高了用户的点击率,达到更好的推荐效果。
Description
技术领域
本发明涉及应用软件领域,特别是涉及一种推荐方法、装置、存储介质及终端。
背景技术
应用程序App在用户使用的过程中会根据用户的使用行为数据,提取用户的行为特征,为用户推荐其可能感兴趣的帖子,以提高用户的使用体验。在以往实现方案中,主要采用根据总体用户行为偏好,基于收集数据的统计,设置一个全局的品类比例,一定程度上满足了用户的推荐需求,但现有方案只能大致体现用户的行为偏好,不能反应出用户对App所提供的各个品类之间的偏好,进而可能影响用户的点击率,无法起到更好的推荐效果。
发明内容
本发明提供一种推荐方法、装置、存储介质及终端,用以解决现有技术只能大致体现用户的行为偏好,不能反应出用户对App所提供的各个品类之间的偏好,进而可能影响用户的点击率,无法起到更好的推荐效果的问题。
为解决上述技术问题,一方面,本发明提供一种推荐方法,包括:获取用户在预设应用程序上用户行为;根据所述用户行为,确定样本统计值;根据所述样本统计值,确定所述用户在使用预设应用程序的过程中单品类的点击比例系数;归一化所述单品类的点击比例系数,作为单品类的动态推荐比例。
进一步,所述样本统计值至少包括:预设应用程序的点击率H、预设应用程序的点击量G、预设应用程序的单品类点击率r、用户行为频数c。
进一步,所述根据所述样本统计值,确定所述用户在使用预设应用程序的过程中单品类的比例系数,包括:根据如下公式计算预设应用程序的单品类i的总体比例系数wi和偏移量b:
根据如下公式计算所述单品类i的点击比例系数
其中,N为预设应用程序的所有品类数量,K为用户行为数量,m为N的比例系数,d为K的比例系数,且m+d=1,p和q满足且q的值根据用户行为发生变化,a为最低比例系数,并且,m、d、p、q、N、K和a均为固定值。
进一步,所述归一化所述单品类的点击比例系数,作为单品类的动态推荐比例,包括:根据如下公式计算单品类i的动态推荐比例
另一方面,本发明还提供一种推荐比例,包括:用户行为获取模块,用于获取用户在预设应用程序上用户行为;样本统计模块,用于根据所述用户行为,确定样本统计值;比例系数确定模块,用于根据所述样本统计值,确定所述用户在使用预设应用程序的过程中单品类的点击比例系数;归一化模块,用于归一化所述单品类的点击比例系数,作为单品类的动态推荐比例。
进一步,所述样本统计值至少包括:预设应用程序的点击率H、预设应用程序的点击量G、预设应用程序的单品类点击率r、用户行为频数c。
进一步,所述比例系数确定模块,具体用于:根据如下公式计算预设应用程序的单品类i的总体比例系数wi和偏移量b:
根据如下公式计算所述单品类i的点击比例系数
其中,N为预设应用程序的所有品类数量,K为用户行为数量,m为N的比例系数,d为K的比例系数,且m+d=1,p和q满足且q的值根据用户行为发生变化,a为最低比例系数,并且,m、d、p、q、N、K和a均为固定值。
进一步,所述归一化模块,具体用于:根据如下公式计算单品类i的动态推荐比例
另一方面,本发明还提供一种存储介质,存储有计算机程序,计算机程序被处理器执行时实现上述的推荐方法的步骤。
另一方面,本发明还提供一种终端,至少包括存储器、处理器,存储器上存储有计算机程序,处理器在执行存储器上的计算机程序时实现上述的推荐方法的步骤。
本发明通过首先确定用户在使用预设应用程序的过程中单品类的点击比例系数,再根据其单品类的点击比例系数的归一化计算,计算出的该品类在所有品类的点击比例系数中所占的比例作为其动态推荐比例,向用户推荐对应内容,使应用程序推荐的关注点设置在用户点击的不同品类的帖子之间,而不考虑除点击各品类帖子之外的其他用户行为,使推荐的内容更符合用户对各品类的偏好情况,以进一步提高了用户的点击率,达到更好的推荐效果。
附图说明
图1是本发明第一实施例中推荐方法的流程图;
图2是本发明第二实施例中推荐方法的流程图;
图3是本发明第三和第四实施例中推荐装置的结构示意图。
具体实施方式
为了解决现有技术只能大致体现用户的行为偏好,不能反应出用户对App所提供的各个品类之间的偏好,进而可能影响用户的点击率,无法起到更好的推荐效果的问题,本发明提供了一种推荐方法、装置、存储介质及终端,以下结合附图以及实施例,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仅用以解释本发明,并不限定本发明。
本发明的第一实施例提供了一种推荐方法,主要应用于应用程序的后台服务器上,其流程图如图1所示,主要包括步骤S101至S104:
S101,获取用户在预设应用程序上用户行为。
预设应用程序可以为用户使用的任意一个应用程序,为用户提供相应的功能,并且记录用户的使用情况,将其上报至后台服务器,如使用时间、点击情况、个人信息、聊天信息等;后台服务器在接收到应用程序发送的用户使用情况后,可以从中筛选过滤出用户的用户行为信息,作为分析用户使用偏好的主要依据。具体地,在本实施例中,用户行为至少包括:点击、在线聊天、发送短信、拨打电话等用户常用的四种情况。
进一步地,根据预设应用程序的品类不同,用户行为也可以根据品类进行区分,如用户在招聘品类下的点击情况,在租房品类下的拨打电话情况等。并且,本实施例中主要针对的是用户当前所在地域下该用户的使用偏好,当用户所在地切换时,应当重新进行用户行为获取和分析。
S102,根据用户行为,确定样本统计值。
用户行为反映了用户在使用应用程序时的行为习惯和偏好,根据获取到的用户行为信息,首先确定样本统计值,以作为计算单品类点击比例系数确定的数据支撑。具体地,样本统计值主要包括预设应用程序的点击率H、预设应用程序的点击量G、预设应用程序的单品类点击率r、用户行为频数c等仅通过简单统计和计算即可以得出的样本值。
例如,点击率H即为用户在当前展示的所有帖子中点击阅读的帖子所占的比例;点击量G是用户在所有品类下的总点击次数;单品类点击率r就是在某一品类下,用户点击浏览过的帖子占当前品类下的所有帖子的比例;用户行为频数就是用户在不同品类下的不同用户行为次数的统计,并且,不同品类下,行为频次可以不同。
S103,根据样本统计值,确定用户在使用预设应用程序的过程中单品类的点击比例系数。
单品类的点击比例系数,即为用户点击使用应用程序的所有品类中的任意一个品类的频次占用用户点击使用所有品类的总频次的比例值,可初步代表用户对该品类的偏好程度。本实施例通过样本统计值,结合预先设置好的相关固定值,即可以计算出用户对于每个品类的初步偏好情况。
S104,归一化单品类的点击比例系数,作为单品类的动态推荐比例。
为了体现每一个用户针对不同品类帖子之间的偏好程度,将推荐的关注点设置在用户点击的不同品类的帖子之间,而不考虑除点击各品类帖子之外的其他用户行为,本实施例通过归一化的方法,确定某个单品类的点击比例系数占用所有品类的点击比例系数之和的比例,相当于确定了用户对当前品类的偏好程度在所有品类的偏好程度之间所占的比例,即单品类的动态推荐比例,单品类的动态推荐比例更好的反应了用户在各品类之间的偏好。在后续向用户进行推荐时,则将单品类的动态推荐比例作为该品类的帖子所占所有品类的推荐帖子的比例。
本实施例通过首先确定用户在使用预设应用程序的过程中单品类的点击比例系数,再根据其单品类的点击比例系数的归一化计算,计算出的该品类在所有品类的点击比例系数中所占的比例作为其动态推荐比例,向用户推荐对应内容,使应用程序推荐的关注点设置在用户点击的不同品类的帖子之间,而不考虑除点击各品类帖子之外的其他用户行为,使推荐的内容更符合用户对各品类的偏好情况,以进一步提高了用户的点击率,达到更好的推荐效果。
本发明的第二实施例提供了一种推荐方法,主要应用于应用程序的后台服务器上,其流程图如图2所示,主要包括步骤S201至S205:
S201,获取用户在预设应用程序上用户行为。
S202,根据用户行为,确定样本统计值。
S203,根据公式计算预设应用程序的单品类i的总体比例系数wi和偏移量b。
S204,根据公式计算单品类i的点击比例系数
S205,根据公式计算单品类i的动态推荐比例
本实施例中步骤S201至S202与本发明第一实施例中步骤S101至S102相同,在此不再详细赘述。应当了解的是,图2中未示出步骤S203至S205中的具体公式,详细内容将在本实施例中进行描述。
在进行单品类的点击比例系数的计算时,首先根据多元线性回归模型计算各个品类的总体比例系数wi值和偏移量b,具体公式为:
在本实施例中,总体比例系数wi只是一个参考值,是通过多元线性回归模型预测得到的一个中间系数,偏移量同理,是对总体比例系数的一个修正参数。
另外,N为预设应用程序的所有品类数量;K为用户行为数量,包括点击、在线聊天、发送短信、拨打电话四种;m为N的比例系数,d为K的比例系数,且m+d=1;p和q满足且q的值根据用户行为发生变化,例如:q(点击)=0.03,q(在线聊天)=0.04,q(发送短信)=0.06,q(拨打电话)=0.07;H、G、ri和cij都是可以根据用户行为直接得出的样本统计值,在利用公式进行计算时直接带入响应值即可。
应当了解的是,经过计算后,b的值应当只有一个,而wi的值则根据i值的不同具有不同数值,而i值的不同则代表应用程序各个品类的不同,其最大值为N,例如,i=1时可以代表二手房品类,i=2时代表二手车品类等等,具体的对应关系以实际情况为准,本实施例不再详细限制。
计算出每个品类下的总体比例系数wi值之后,本实施例对多元线性回归模型进行改进,即根据如下公式计算单品类i的点击比例系数
其中,a为最低比例系数,通常取0.05。
通过上述公式即可确定单品类i的点击比例系数该值即可反映用户点击使用应用程序的单品类i的频次占用用户点击使用所有品类的总频次的比例值,即初步代表用户对该品类的偏好程度。
在确定每个品类的单品类的点击比例系数后,归一化计算每个单品类的动态推荐比例,公式如下:
其中,代表单品类i的动态推荐比例,是单品类i的点击比例系数,则代表所有品类的点击比例系数的和,通过上述归一化的方式,计算出用户对当前品类i的偏好程度在所有品类的偏好程度之间所占的比例,该比例即为后续向用户进行推荐时,为当前品类i的帖子所占总推荐帖子的比例。
本实施例通过改进的多元线性回归模型确定用户在使用预设应用程序的过程中单品类的点击比例系数,再根据其单品类的点击比例系数的归一化计算,计算出的该品类在所有品类的点击比例系数中所占的比例作为其动态推荐比例,向用户推荐对应内容,使应用程序推荐的关注点设置在用户点击的不同品类的帖子之间,而不考虑除点击各品类帖子之外的其他用户行为,使推荐的内容更符合用户对各品类的偏好情况,以进一步提高了用户的点击率,达到更好的推荐效果。
本发明的第三实施例提供了一种推荐装置,主要安装于应用程序的后台服务器上,其结构示意图如图3所示,主要包括:用户行为获取模块10,用于获取用户在预设应用程序上用户行为;样本统计模块20,与用户行为获取模块10耦合,用于根据用户行为,确定样本统计值;比例系数确定模块30,与样本统计模块20耦合,用于根据样本统计值,确定用户在使用预设应用程序的过程中单品类的点击比例系数;归一化模块40,与比例系数确定模块30耦合,用于归一化单品类的点击比例系数,作为单品类的动态推荐比例。
本实施例中的预设应用程序可以为用户使用的任意一个应用程序,为用户提供相应的功能,并且记录用户的使用情况,将其上报至后台服务器,如使用时间、点击情况、个人信息、聊天信息等;后台服务器在接收到应用程序发送的用户使用情况后,由获取模块10从中筛选过滤出用户的用户行为信息,作为分析用户使用偏好的主要依据。具体地,在本实施例中,用户行为至少包括:点击、在线聊天、发送短信、拨打电话等用户常用的四种情况。
进一步地,根据预设应用程序的品类不同,用户行为也可以根据品类进行区分,如用户在招聘品类下的点击情况,在租房品类下的拨打电话情况等。并且,本实施例中主要针对的是用户当前所在地域下该用户的使用偏好,当用户所在地切换时,应当重新进行用户行为获取和分析。
用户行为反映了用户在使用应用程序时的行为习惯和偏好,样本统计模块20则根据获取到的用户行为信息,首先确定样本统计值,以作为计算单品类点击比例系数确定的数据支撑。具体地,样本统计值主要包括预设应用程序的点击率H、预设应用程序的点击量G、预设应用程序的单品类点击率r、用户行为频数c等仅通过简单统计和计算即可以得出的样本值。
单品类的点击比例系数,即为用户点击使用应用程序的所有品类中的任意一个品类的频次占用用户点击使用所有品类的总频次的比例值,可初步代表用户对该品类的偏好程度。比例系数确定模块30可以通过样本统计值,结合预先设置好的相关固定值,即可以计算出用户对于每个品类的初步偏好情况。
为了体现每一个用户针对不同品类帖子之间的偏好程度,将推荐的关注点设置在用户点击的不同品类的帖子之间,而不考虑除点击各品类帖子之外的其他用户行为,归一化模块40通过归一化的方法,确定某个单品类的点击比例系数占用所有品类的点击比例系数之和的比例,相当于确定了用户对当前品类的偏好程度在所有品类的偏好程度之间所占的比例,即单品类的动态推荐比例,单品类的动态推荐比例更好的反应了用户在各品类之间的偏好。在后续向用户进行推荐时,则将单品类的动态推荐比例作为该品类的帖子所占所有品类的推荐帖子的比例。
本实施例通过首先确定用户在使用预设应用程序的过程中单品类的点击比例系数,再根据其单品类的点击比例系数的归一化计算,计算出的该品类在所有品类的点击比例系数中所占的比例作为其动态推荐比例,向用户推荐对应内容,使应用程序推荐的关注点设置在用户点击的不同品类的帖子之间,而不考虑除点击各品类帖子之外的其他用户行为,使推荐的内容更符合用户对各品类的偏好情况,以进一步提高了用户的点击率,达到更好的推荐效果。
本发明的第四实施例提供了一种推荐装置,主要安装于应用程序的后台服务器上,其结构示意图如图3所示,主要包括:用户行为获取模块10,用于获取用户在预设应用程序上用户行为;样本统计模块20,与用户行为获取模块10耦合,用于根据用户行为,确定样本统计值;比例系数确定模块30,与样本统计模块20耦合,用于根据公式计算预设应用程序的单品类i的总体比例系数wi和偏移量b;根据公式 计算单品类i的点击比例系数归一化模块40,用于根据公式计算单品类的动态推荐比例
本实施例中用户行为获取模块10和样本统计模块20的功能与本发明第三实施例中的用户行为获取模块10和样本统计模块20完全相同,在本实施例中不再详细赘述。
比例系数确定模块30在进行单品类的点击比例系数的计算时,首先根据多元线性回归模型计算各个品类的总体比例系数wi值和偏移量b,具体公式为:
在本实施例中,总体比例系数wi只是一个参考值,是通过多元线性回归模型预测得到的一个中间系数,偏移量同理,是对总体比例系数的一个修正参数。
另外,N为预设应用程序的所有品类数量;K为用户行为数量,包括点击、在线聊天、发送短信、拨打电话四种;m为N的比例系数,d为K的比例系数,且m+d=1;p和q满足且q的值根据用户行为发生变化,例如:q(点击)=0.03,q(在线聊天)=0.04,q(发送短信)=0.06,q(拨打电话)=0.07;H、G、ri和cij都是可以根据用户行为直接得出的样本统计值,在利用公式进行计算时直接带入响应值即可。
应当了解的是,经过计算后,b的值应当只有一个,而wi的值则根据i值的不同具有不同数值,而i值的不同则代表应用程序各个品类的不同,其最大值为N,例如,i=1时可以代表二手房品类,i=2时代表二手车品类等等,具体的对应关系以实际情况为准,本实施例不再详细限制。
计算出每个品类下的总体比例系数wi值之后,本实施例对多元线性回归模型进行改进,比例系数确定模块30再根据如下公式计算单品类i的点击比例系数
其中,a为最低比例系数,通常取0.05。
通过上述公式即可确定单品类i的点击比例系数该值即可反映用户点击使用应用程序的单品类i的频次占用用户点击使用所有品类的总频次的比例值,即初步代表用户对该品类的偏好程度。
在比例系数确定模块30确定每个品类的单品类的点击比例系数后,由归一化模块40归一化计算每个单品类的动态推荐比例,公式如下:
其中,代表单品类i的动态推荐比例,是单品类i的点击比例系数,则代表所有品类的点击比例系数的和,通过上述归一化的方式,计算出用户对当前品类i的偏好程度在所有品类的偏好程度之间所占的比例,该比例即为后续向用户进行推荐时,为当前品类i的帖子所占总推荐帖子的比例。
本实施例通过改进的多元线性回归模型确定用户在使用预设应用程序的过程中单品类的点击比例系数,再根据其单品类的点击比例系数的归一化计算,计算出的该品类在所有品类的点击比例系数中所占的比例作为其动态推荐比例,向用户推荐对应内容,使应用程序推荐的关注点设置在用户点击的不同品类的帖子之间,而不考虑除点击各品类帖子之外的其他用户行为,使推荐的内容更符合用户对各品类的偏好情况,以进一步提高了用户的点击率,达到更好的推荐效果。
本发明的第五实施例提供了一种存储介质,存储有计算机程序,计算机程序被处理器执行时实现如下步骤S11至S14:
S11,获取用户在预设应用程序上用户行为;
S12,根据用户行为,确定样本统计值;
S13,根据样本统计值,确定用户在使用预设应用程序的过程中单品类的点击比例系数;
S14,归一化单品类的点击比例系数,作为单品类的动态推荐比例。
在本实施例中,存储介质可以安装在应用程序的后台服务器中。由于在第一实施例中已经对推荐方法的具体步骤进行了详细说明,因此,在本实施例中不再赘述。
可选地,在本实施例中,上述存储介质可以包括但不限于:U盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。可选地,在本实施例中,处理器根据存储介质中已存储的程序代码执行上述实施例记载的方法步骤。可选地,本实施例中的具体示例可以参考上述实施例及可选实施方式中所描述的示例,本实施例在此不再赘述。显然,本领域的技术人员应该明白,上述的本发明的各模块或各步骤可以用通用的计算装置来实现,它们可以集中在单个的计算装置上,或者分布在多个计算装置所组成的网络上,可选地,它们可以用计算装置可执行的程序代码来实现,从而,可以将它们存储在存储装置中由计算装置来执行,并且在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样,本发明不限制于任何特定的硬件和软件结合。
本发明的第六实施例提供了一种终端,至少包括存储器、处理器,存储器上存储有计算机程序,处理器在执行存储器上的计算机程序时实现如下步骤S21至S24:
S21,获取用户在预设应用程序上用户行为;
S22,根据用户行为,确定样本统计值;
S23,根据样本统计值,确定用户在使用预设应用程序的过程中单品类的点击比例系数;
S24,归一化单品类的点击比例系数,作为单品类的动态推荐比例。
在本实施例中,终端可以为应用程序的后台服务器。由于在第一实施例中已经对推荐方法的具体步骤进行了详细说明,因此,在本实施例中不再赘述。
尽管为示例目的,已经公开了本发明的优选实施例,本领域的技术人员将意识到各种改进、增加和取代也是可能的,因此,本发明的范围应当不限于上述实施例。
Claims (10)
1.一种推荐方法,其特征在于,包括:
获取用户在预设应用程序上用户行为;
根据所述用户行为,确定样本统计值;
根据所述样本统计值,确定所述用户在使用预设应用程序的过程中单品类的点击比例系数;
归一化所述单品类的点击比例系数,作为单品类的动态推荐比例。
2.如权利要求1所述的推荐方法,其特征在于,所述样本统计值至少包括:预设应用程序的点击率H、预设应用程序的点击量G、预设应用程序的单品类点击率r、用户行为频数c。
3.如权利要求2所述的推荐方法,其特征在于,所述根据所述样本统计值,确定所述用户在使用预设应用程序的过程中单品类的比例系数,包括:
根据如下公式计算预设应用程序的单品类i的总体比例系数wi和偏移量b:
根据如下公式计算所述单品类i的点击比例系数
其中,N为预设应用程序的所有品类数量,K为用户行为数量,m为N的比例系数,d为K的比例系数,且m+d=1,p和q满足且q的值根据用户行为发生变化,a为最低比例系数,并且,m、d、p、q、N、K和a均为固定值。
4.如权利要求3所述的推荐方法,其特征在于,所述归一化所述单品类的点击比例系数,作为单品类的动态推荐比例,包括:
根据如下公式计算单品类i的动态推荐比例
5.一种推荐装置,其特征在于,包括:
用户行为获取模块,用于获取用户在预设应用程序上用户行为;
样本统计模块,用于根据所述用户行为,确定样本统计值;
比例系数确定模块,用于根据所述样本统计值,确定所述用户在使用预设应用程序的过程中单品类的点击比例系数;
归一化模块,用于归一化所述单品类的点击比例系数,作为单品类的动态推荐比例。
6.如权利要求5所述的推荐装置,其特征在于,所述样本统计值至少包括:预设应用程序的点击率H、预设应用程序的点击量G、预设应用程序的单品类点击率r、用户行为频数c。
7.如权利要求6所述的推荐装置,其特征在于,所述比例系数确定模块,具体用于:
根据如下公式计算预设应用程序的单品类i的总体比例系数wi和偏移量b:
根据如下公式计算所述单品类i的点击比例系数
其中,N为预设应用程序的所有品类数量,K为用户行为数量,m为N的比例系数,d为K的比例系数,且m+d=1,p和q满足且q的值根据用户行为发生变化,a为最低比例系数,并且,m、d、p、q、N、K和a均为固定值。
8.如权利要求7所述的推荐装置,其特征在于,所述归一化模块,具体用于:
根据如下公式计算单品类i的动态推荐比例
9.一种存储介质,存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至4中任一项所述的推荐方法的步骤。
10.一种终端,至少包括存储器、处理器,所述存储器上存储有计算机程序,其特征在于,所述处理器在执行所述存储器上的计算机程序时实现权利要求1至4中任一项所述的推荐步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811580280.2A CN109684546B (zh) | 2018-12-24 | 2018-12-24 | 推荐方法、装置、存储介质及终端 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811580280.2A CN109684546B (zh) | 2018-12-24 | 2018-12-24 | 推荐方法、装置、存储介质及终端 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109684546A true CN109684546A (zh) | 2019-04-26 |
CN109684546B CN109684546B (zh) | 2022-01-28 |
Family
ID=66188786
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811580280.2A Active CN109684546B (zh) | 2018-12-24 | 2018-12-24 | 推荐方法、装置、存储介质及终端 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109684546B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110737829A (zh) * | 2019-09-17 | 2020-01-31 | Oppo广东移动通信有限公司 | 一种数据处理方法、装置、设备及存储介质 |
CN111191117A (zh) * | 2019-12-11 | 2020-05-22 | 中国地质大学(武汉) | 一种用于政务地图服务的精准性用户兴趣检测方法及系统 |
CN113487361A (zh) * | 2021-07-13 | 2021-10-08 | 广州虎牙科技有限公司 | 平台用户价值的预测方法、装置、设备及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102479366A (zh) * | 2010-11-25 | 2012-05-30 | 阿里巴巴集团控股有限公司 | 一种商品推荐方法及系统 |
CN103106259A (zh) * | 2013-01-25 | 2013-05-15 | 西北工业大学 | 一种基于情境的移动网页内容推荐方法 |
US20150213368A1 (en) * | 2012-10-08 | 2015-07-30 | Tencent Technology (Shenzhen) Company Limited | Information recommendation method, apparatus, and server |
CN106204113A (zh) * | 2016-06-29 | 2016-12-07 | 北京小米移动软件有限公司 | 广告投放方法及装置 |
CN108460631A (zh) * | 2018-02-13 | 2018-08-28 | 口口相传(北京)网络技术有限公司 | 多元化信息的混合推送方法及装置 |
-
2018
- 2018-12-24 CN CN201811580280.2A patent/CN109684546B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102479366A (zh) * | 2010-11-25 | 2012-05-30 | 阿里巴巴集团控股有限公司 | 一种商品推荐方法及系统 |
US20150213368A1 (en) * | 2012-10-08 | 2015-07-30 | Tencent Technology (Shenzhen) Company Limited | Information recommendation method, apparatus, and server |
CN103106259A (zh) * | 2013-01-25 | 2013-05-15 | 西北工业大学 | 一种基于情境的移动网页内容推荐方法 |
CN106204113A (zh) * | 2016-06-29 | 2016-12-07 | 北京小米移动软件有限公司 | 广告投放方法及装置 |
CN108460631A (zh) * | 2018-02-13 | 2018-08-28 | 口口相传(北京)网络技术有限公司 | 多元化信息的混合推送方法及装置 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110737829A (zh) * | 2019-09-17 | 2020-01-31 | Oppo广东移动通信有限公司 | 一种数据处理方法、装置、设备及存储介质 |
CN110737829B (zh) * | 2019-09-17 | 2023-04-07 | Oppo广东移动通信有限公司 | 一种数据处理方法、装置、设备及存储介质 |
CN111191117A (zh) * | 2019-12-11 | 2020-05-22 | 中国地质大学(武汉) | 一种用于政务地图服务的精准性用户兴趣检测方法及系统 |
CN113487361A (zh) * | 2021-07-13 | 2021-10-08 | 广州虎牙科技有限公司 | 平台用户价值的预测方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN109684546B (zh) | 2022-01-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Meade et al. | Forecasting in telecommunications and ICT—A review | |
US11093950B2 (en) | Customer activity score | |
CN103716338B (zh) | 一种信息推送方法和装置 | |
US20130254294A1 (en) | Method and Arrangement For Ranking Users | |
CN109784959B (zh) | 一种目标用户预测方法、装置、后台服务器及存储介质 | |
CN109684546A (zh) | 推荐方法、装置、存储介质及终端 | |
CN102934113A (zh) | 信息提供系统、信息提供方法、信息提供设备、程序和信息记录介质 | |
CN103761228B (zh) | 应用程序的排名阈值确定方法和排名阈值确定系统 | |
CN108965951B (zh) | 广告的播放方法及装置 | |
CN109543940B (zh) | 活动评估方法、装置、电子设备及存储介质 | |
CN113643070A (zh) | 一种基于大数据的智能信息推送方法及系统 | |
CN111915156A (zh) | 基于用户价值的业务推送方法、电子设备及存储介质 | |
CN110866698A (zh) | 用于评定服务提供方的服务分值的装置 | |
CN109492863A (zh) | 金融单证的自动生成方法及装置 | |
CN108229133B (zh) | 一种业务操作方法及装置、业务权限获取方法及装置 | |
CN113297486B (zh) | 一种点击率预测方法及相关装置 | |
CN112328865A (zh) | 信息处理和推荐方法、装置、设备及存储介质 | |
CN111598632B (zh) | 权益份额、权益份额序列的确定方法及装置 | |
US7991661B1 (en) | Method and system for providing market analysis for wireless voice markets | |
CN107562846A (zh) | 一种推荐应用的方法和装置 | |
CN105045910B (zh) | 一种应用候选集生成方法、装置及服务设备 | |
WO2023179162A1 (zh) | 数据处理方法及装置 | |
CN110717653A (zh) | 风险识别方法及装置和电子设备 | |
CN112287208A (zh) | 用户画像生成方法、装置、电子设备及存储介质 | |
CN116151872A (zh) | 产品特性分析方法和装置 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |