CN109754274A - 一种确定目标对象的方法和装置 - Google Patents
一种确定目标对象的方法和装置 Download PDFInfo
- Publication number
- CN109754274A CN109754274A CN201711078007.5A CN201711078007A CN109754274A CN 109754274 A CN109754274 A CN 109754274A CN 201711078007 A CN201711078007 A CN 201711078007A CN 109754274 A CN109754274 A CN 109754274A
- Authority
- CN
- China
- Prior art keywords
- vertex
- user
- probability
- target object
- access
- 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
Abstract
本发明公开了一种确定目标对象的方法和装置,涉及计算机技术领域。该方法的一个具体实施方式包括:根据用户与对象的访问关系数据生成包含用户顶点与对象顶点的二分图,在所述二分图中,每个所述用户顶点表示一个所述用户,每个所述对象顶点表示一个所述对象,所述用户顶点与所述对象顶点之间的直接连线表示所述用户对所述对象存在访问关系;根据所述二分图计算所述用户访问每个所述对象顶点的概率;基于所述概率确定目标对象。该实施方式可以扩大用户的目标对象选取范围,提高用户体验。
Description
技术领域
本发明涉及计算机技术领域,尤其涉及一种确定目标对象的方法、装置、电子设备和计算机可读介质。
背景技术
常规的确定用户的目标对象的方法是将多个用户与其对应的对象的关系进行协同过滤,进而得到某个用户的目标对象,例如,如果用户1的对象包括A、B、C,用户2的对象包括A、B、C、D,这两个用户有共同的对象A、B、C,则说明D为用户1的目标对象的概率较大。
在实现本发明过程中,发明人发现现有技术中至少存在如下问题:
常规方法确定目标用户的方式单一,对于大量复杂的用户与对象数据的处理精度较低,未能有针对性地深入挖掘用户的目标对象。
发明内容
有鉴于此,本发明实施例提供一种确定目标对象的方法和装置,能够根据二分图计算所述用户访问每个所述对象顶点的概率确定用户的目标对象,以及得到用户喜好的预设标签,根据这些预设标签确定用户的目标对象,扩大用户的目标对象选取范围,提高用户体验。
为实现上述目的,根据本发明实施例的一个方面,提供了一种确定目标对象的方法,包括:根据用户与对象的访问关系数据生成包含用户顶点与对象顶点的二分图,在所述二分图中,每个所述用户顶点表示一个所述用户,每个所述对象顶点表示一个所述对象,所述用户顶点与所述对象顶点之间的直接连线表示所述用户对所述对象存在访问关系;根据所述二分图计算所述用户访问每个所述对象顶点的概率;基于所述概率确定目标对象。
可选地,基于所述概率确定目标对象的步骤包括:根据预设选取规则和所述概率选取对象顶点,获取每个被选出的对象顶点的预设标签;基于所述预设标签确定目标对象。
可选地,根据所述二分图计算所述用户访问每个所述对象顶点的概率的步骤包括:以所述二分图中的任意一个用户顶点为初始起点,计算沿该顶点的所有直接连线,访问所述直接连线连到的所有顶点的概率,以该顶点的所有直接连线连到的所有顶点为第二起点,计算沿所述第二起点的所有直接连线,访问所述直接连线连到的所有顶点的概率,使用以上方法经过多次迭代计算后,得到每个顶点被访问到的概率,其中包括该用户访问每个所述对象顶点的概率。
可选地,在根据用户与对象的访问关系数据生成包含用户顶点与对象顶点的二分图之前,所述方法还包括:提取所述用户顶点的样本与所述对象顶点的样本,形成样本集;所述用户顶点是所述样本集中的用户顶点,所述对象顶点是所述样本集中的对象顶点。
可选地,在根据用户与对象的访问关系数据生成包含用户顶点与对象顶点的二分图时,所述方法还包括:根据所述访问关系设置所述用户顶点与所述对象顶点之间的直接连线的长度。
可选地,基于所述预设标签确定目标对象包括:选取所述预设标签的相似标签;获取所述相似标签和所述预设标签对应的对象顶点列表,基于所述对象顶点列表确定目标对象。
可选地,基于所述预设标签确定目标对象包括:获取所述预设标签对应的对象顶点列表,基于所述对象顶点列表确定目标对象。
可选地,基于所述对象顶点列表确定目标对象的方法包括:对所述对象顶点列表内的对象顶点进行排序;根据预设优选规则选取排序后的所述对象顶点作为目标对象。
为实现上述目的,根据本发明实施例的另一个方面,提供了一种确定目标对象的装置,包括:生成模块,用于根据用户与对象的访问关系数据生成包含用户顶点与对象顶点的二分图,在所述二分图中,每个所述用户顶点表示一个所述用户,每个所述对象顶点表示一个所述对象,所述用户顶点与所述对象顶点之间的直接连线表示所述用户对所述对象存在访问关系;计算模块,用于根据所述二分图计算所述用户访问每个所述对象顶点的概率;优化模块,用于基于所述概率确定目标对象。
可选地,所述装置还包括:选取模块,用于根据预设选取规则和所述概率选取对象顶点,获取每个被选出的对象顶点的预设标签;所述优化模块还用于,基于所述预设标签确定目标对象。
可选地,所述计算模块还用于,以所述二分图中的任意一个用户顶点为初始起点,计算沿该顶点的所有直接连线,访问所述直接连线连到的所有顶点的概率,以该顶点的所有直接连线连到的所有顶点为第二起点,计算沿所述第二起点的所有直接连线,访问所述直接连线连到的所有顶点的概率,使用以上方法经过多次迭代计算后,得到每个顶点被访问到的概率,其中包括该用户访问每个所述对象顶点的概率。
可选地,所述装置还包括:采样模块,用于在所述生成模块根据用户与对象的访问关系数据生成包含用户顶点与对象顶点的二分图之前,提取所述用户顶点的样本与所述对象顶点的样本,形成样本集;所述用户顶点是所述样本集中的用户顶点,所述对象顶点是所述样本集中的对象顶点。
可选地,所述生成模块还用于,根据所述访问关系设置所述用户顶点与所述对象顶点之间的直接连线的长度。
可选地,所述选取模块还用于,选取所述预设标签的相似标签;获取所述相似标签和所述预设标签对应的对象顶点列表;所述优化模块还用于,基于所述对象顶点列表确定目标对象。
可选地,所述选取模块还用于,获取所述预设标签对应的对象顶点列表;所述优化模块还用于,基于所述对象顶点列表确定目标对象。
可选地,所述优化模块还用于,对所述对象顶点列表内的对象顶点进行排序;根据预设优选规则选取排序后的所述对象顶点作为目标对象。
为实现上述目的,根据本发明实施例的再一个方面,提供了一种确定目标对象的电子设备终端,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,使得所述一个或多个处理器实现一种确定目标对象的方法中任一所述的方法。
为实现上述目的,根据本发明实施例的再一个方面,提供了一种确定目标对象的计算机可读介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现一种确定目标对象的方法中任一所述的方法。
上述发明中的一个实施例具有如下优点或有益效果:因为采用根据所述二分图计算所述用户访问每个所述对象顶点的概率确定用户的目标对象技术手段,所以克服了常规方法确定目标用户的方式单一,对于大量复杂的用户与对象数据的处理精度较低,未能有针对性地深入挖掘用户的目标对象的技术问题,进而达到扩大用户的目标对象范围,提高用户体验的技术效果。本发明的一个优化的方法在于,根据所述概率获取对象的预设标签,根据预设标签再确定目标对象,进一步扩大了选取目标对象的范围。
上述的非惯用的可选方式所具有的进一步效果将在下文中结合具体实施方式加以说明。
附图说明
附图用于更好地理解本发明,不构成对本发明的不当限定。其中:
图1是根据本发明实施例的一种确定目标对象的方法的主要步骤的示意图;
图2是用户顶点与对象顶点的二分图的示意图;
图3是根据本发明实施例的一种确定目标对象的装置的主要部分的示意图;
图4是本发明实施例可以应用于其中的示例性系统架构图;
图5是适于用来实现本发明实施例的终端设备或服务器的计算机系统的结构示意图。
具体实施方式
以下结合附图对本发明的示范性实施例做出说明,其中包括本发明实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本发明的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
图1是根据本发明实施例的一种确定目标对象的方法的主要步骤的示意图,如图1所示:
步骤S101表示根据用户与对象的访问关系数据生成包含用户顶点与对象顶点的二分图,在所述二分图中,每个所述用户顶点表示一个所述用户,每个所述对象顶点表示一个所述对象,所述用户顶点与所述对象顶点之间的直接连线表示所述用户对所述对象存在访问关系;访问关系表明用户对对象存在某种访问行为。根据所述访问关系设置所述用户顶点与所述对象顶点之间的直接连线的长度。此步骤的目的是有针对性地控制与区分每种不同的访问行为对于对象的影响作用,从而更细化对目标用户的选取。其中,直接连线的定义是以任意两个顶点为端点用线相连,连线上不存在任何顶点。
如图2所示,顶点A、B、C分别表示用户A、B、C,顶点a、b、c、d分别表示对象a、b、c、d,其中用户顶点与对象顶点之间的直接连线表示用户与对象之间的访问关系,Aa(表示从顶点A到a的连线)和Ac表示用户A的访问对象包括a和c,Ba、Bb、Bc和Bd表示用户B的访问对象包括a、b、c和d,Cc和Cd表示用户C的访问对象包括c和d。本发明在电商领域的一个实施例为所述二分图中的用户顶点和对象顶点之间的直接连线的长度是根据用户对对象的购买、浏览、收藏、关注等访问行为预设的,如用户A对对象a的访问行为为购买,则设置Aa的长度为4(即|Aa|=4)。
用户与对象的访问关系数据可以是从用户或对象的访问日志中得到的,当数据量非常大时,为了提高计算效率,减小计算量,可以利用采样原理,提取所述用户顶点的样本与所述对象顶点的样本,形成样本集;所述用户顶点是所述样本集中的用户顶点,所述对象顶点是所述样本集中的对象顶点。样本集中的用户顶点和对象顶点起了一定的代表作用,可以参照计算结果来处理同样货相似的用户顶点和对象顶点。
步骤S102表示根据所述二分图计算所述用户访问每个所述对象顶点的概率;
以所述二分图中的任意一个用户顶点为初始起点,计算沿该顶点的所有直接连线,访问所述直接连线连到的所有顶点的概率,以该顶点的所有直接连线连到的所有顶点为第二起点,计算沿所述第二起点的所有直接连线,访问所述直接连线连到的所有顶点的概率,使用以上方法经过多次迭代计算后,得到每个顶点被访问到的概率,其中包括该用户访问每个所述对象顶点的概率。
以图2所示的二分图为例,所有顶点都可是用户A的访问对象,包括用户A本身,令PR(i)表示用户顶点A访问顶点i(i=A,B,C,a,b,c,d)的概率,则初始值为PR(A)0=1,PR(B)0=0,PR(C)0=0,PR(a)0=0,PR(b)0=0,PR(c)0=0,PR(d)0=0,即用户顶点A对其本身的访问概率为1,对其他顶点的访问概率为0;然后以用户顶点A为初始起点,沿着连线Aa和Ac在二分图上进行访问,每次都是从PR(i)≠0的顶点开始访问,假如往前访问一步的概率是α(为一个经验值,可以通过多次计算的结果总结得到),则停留在当前顶点的概率为1-α,第一次访问,从顶点A到顶点a和c的概率为计算公式为
第一次访问后PR(A)1=1-α,
若设置直接连线长度均为1,则以A为初始起点第一次访问顶点a和c的概率均为0.5α,而后以A、a和c为第二起点进行第二次访问,得到的概率为:
PR(a)2=0.5αPR(A)1,PR(c)2=0.5αPR(A)1,PR(A)2=0.5αPR(c)1,PR(B)2=0.5αPR(a)1,PR(B)2=(1/3)αPR(c)1,PR(C)2=(1/3)αPR(c)1。
这样一直迭代计算下去,最终各个顶点被A访问的概率会收敛为一个稳定值,或者根据经验值总结出一个迭代次数,以这个次数迭代计算后的值作为稳定值,这个稳定的值就是用户顶点A访问每个顶点的概率,选取其中用户顶点A访问每个对象顶点的概率。
以Python(一种面向对象的解释型计算机程序设计语言)编写的示例代码如下:
以上代码运行结果为:
A:0.314,c:0.189,B:0.166,a:0.159,C:0.076,d:0.063,b:0.033,
以上结果表明用户顶点A访问二分图中各个顶点的概率,在对象顶点a、b、c和d中,用户A访问对象c的概率最大,其次为a、d和b,而根据实际情况,用户A与对象b与d之间是不存在访问关系的,所以通过步骤S102还可以得到用户访问之前未存在访问关系的对象的概率。
步骤S103表示基于所述概率确定目标对象。
其中,可以根据预设选取规则和所述概率选取对象顶点,获取每个被选出的对象顶点的预设标签;基于所述预设标签确定目标对象。例如可以将具有所述预设标签的对象都确定为目标对象,此步骤的目的是对对象顶点进行筛选,以得到用户喜好的预设标签。所述预设选取规则是指对对象顶点的筛选规则,可以是根据计算得到的用户访问每个对象顶点的概率进行由大到小排序,选取排序靠前的一定数量的对象顶点作为目标对象;或者设置一个阈值,选取用户访问某个对象顶点的概率大于这个阈值的对象顶点作为目标对象;或者是选取之前未存在访问关系,但访问概率较大的对象作为目标对象;或者选取访问概率较小的对象作为目标对象。选取这些对象作为目标对象是为了有针对性地增加用户对于这些目标对象的访问概率。
选取出这些对象后,还可以获取这些对象所具有的预设标签,预设标签可以是用来区分的标记,如在电商领域,当商家店铺作为对象时,其所具有的预设标签是由商家填写的,例如“女装”、“女袜”、“健身器材”、“电视机”等。基于这些预设标签确定目标对象。例如将具有这些预设标签的对象作为目标对象。
更进一步地,可以获取所述预设标签对应的对象顶点列表,基于所述对象顶点列表确定目标对象。此步骤的目的是根据用户喜好的预设标签确定针对该用户的目标对象,而不仅仅是将被访问概率大的对象顶点作为目标对象,尤其是根据用户顶点的样本与所述对象顶点的样本的二分图作为计算依据时,扩大了目标对象的选择范围。例如,在得到了用户喜好的预设标签“女装”后,可以直接查询具有“女装”标签的所有商家店铺(即对象),可以根据关注量、购买量等对具有“女装”标签的所有商家店铺进行排名,将排名靠前的热门商家店铺确定为该用户的目标对象。
还可以选取所述预设标签的相似标签;获取所述相似标签和所述预设标签对应的对象顶点列表,基于所述对象顶点列表确定目标对象。此步骤增加了具有预设标签的相似标签的目标对象的选取范围,可以利用word2vec工具(一种将单词转换成向量形式的工具)将预设标签向量化,可以把对文本内容的处理简化为向量空间中的向量运算,计算出向量空间上的相似度,来表示文本语义上的相似度,以此来选取预设标签的相似标签。
例如,在得到了用户喜好的预设标签“女装”后,选取其相似标签“女裤”,基于“女装”和“女裤”标签对应的商家店铺来选取目标对象,这样就扩大了目标对象的选取范围,可以将更多的热门商家店铺作为用户的目标对象。
在选取目标对象时,可以对对象顶点列表内的对象顶点进行排序;根据预设优选规则选取排序后的所述对象顶点作为目标对象,增加目标对象对于用户的访问概率。例如,可以根据关注量、购买量等对具有“女装”标签的所有商家店铺进行排名,将排名靠前的热门商家店铺确定为该用户的目标对象。
图3是根据本发明实施例的一种确定目标对象的装置300的主要部分的示意图,如图3所示:
生成模块301用于根据用户与对象的访问关系数据生成包含用户顶点与对象顶点的二分图,在所述二分图中,每个所述用户顶点表示一个所述用户,每个所述对象顶点表示一个所述对象,所述用户顶点与所述对象顶点之间的直接连线表示所述用户对所述对象存在访问关系。访问关系表明用户对对象存在某种访问行为。生成模块301还用于,根据所述访问关系设置所述用户顶点与所述对象顶点之间的直接连线的长度。此模块的目的是有针对性地控制与区分每种不同的访问行为对于对象的影响作用,从而更细化对目标用户的选取。其中,直接连线的定义是以任意两个顶点为端点用线相连,连线上不存在任何顶点。
如图2所示,顶点A、B、C分别表示用户A、B、C,顶点a、b、c、d分别表示对象a、b、c、d,其中用户顶点与对象顶点之间的直接连线表示用户与对象之间的访问关系,Aa(表示从顶点A到a的连线)和Ac表示用户A的访问对象包括a和c,Ba、Bb、Bc和Bd表示用户B的访问对象包括a、b、c和d,Cc和Cd表示用户C的访问对象包括c和d。本发明在电商领域的一个实施例为所述二分图中的用户顶点和对象顶点之间的直接连线的长度是根据用户对对象的购买、浏览、收藏、关注等访问行为预设的,如用户A对对象a的访问行为为购买,则设置Aa的长度为4(即|Aa|=4)。
计算模块302用于根据所述二分图计算所述用户访问每个所述对象顶点的概率;计算模块302还用于,以所述二分图中的任意一个用户顶点为初始起点,计算沿该顶点的所有直接连线,访问所述直接连线连到的所有顶点的概率,以该顶点的所有直接连线连到的所有顶点为第二起点,计算沿所述第二起点的所有直接连线,访问所述直接连线连到的所有顶点的概率,使用以上方法经过多次迭代计算后,得到每个顶点被访问到的概率,其中包括用户访问每个所述对象顶点的概率。
以图2所示的二分图为例,所有顶点都可是用户A的访问对象,包括用户A本身,令PR(i)表示用户顶点A访问顶点i(i=A,B,C,a,b,c,d)的概率,则初始值为PR(A)0=1,PR(B)0=0,PR(C)0=0,PR(a)0=0,PR(b)0=0,PR(c)0=0,PR(d)0=0,即用户顶点A对其本身的访问概率为1,对其他顶点的访问概率为0;然后以用户顶点A为初始起点,沿着连线Aa和Ac在二分图上进行访问,每次都是从PR(i)≠0的顶点开始访问,假如往前访问一步的概率是α(为一个经验值,可以通过多次计算的结果总结得到),则停留在当前顶点的概率为1-α,第一次访问,从顶点A到顶点a和c的概率为计算公式为
第一次访问后PR(A)1=1-α,
若设置直接连线长度均为1,则以A为初始起点第一次访问顶点a和c的概率均为0.5α,而后以A、a和c为第二起点进行第二次访问,得到的概率为
PR(a)2=0.5αPR(A)1,PR(c)2=0.5αPR(A)1,PR(A)2=0.5αPR(c)1,PR(B)2=0.5αPR(a)1,PR(B)2=(1/3)αPR(c)1,PR(C)2=(1/3)αPR(c)1。
这样一直迭代计算下去,最终各个顶点被A访问的概率会收敛为一个稳定值,或者根据经验值总结出一个迭代次数,以这个次数迭代计算后的值作为稳定值,这个稳定的值就是用户顶点A访问每个顶点的概率,选取其中用户顶点A访问每个对象顶点的概率。
以Python(一种面向对象的解释型计算机程序设计语言)编写的示例代码如下:
以上代码运行结果为:
A:0.314,c:0.189,B:0.166,a:0.159,C:0.076,d:0.063,b:0.033,
以上结果表明用户顶点A访问二分图中各个顶点的概率,在对象顶点a、b、c和d中,用户A访问对象c的概率最大,其次为a、d和b,而根据实际情况,用户A与对象b与d之间是不存在访问关系的,所以通过步骤S102还可以得到用户访问之前未存在访问关系的对象的概率。
优化模块303用于基于所述概率确定目标对象。
其中,可以根据预设选取规则和所述概率选取对象顶点,获取每个被选出的对象顶点的预设标签;基于所述预设标签确定目标对象。例如可以将具有所述预设标签的对象都确定为目标对象,此模块的目的是对对象顶点进行筛选,以得到用户喜好的预设标签。所述预设选取规则是指对对象顶点的筛选规则,可以是根据计算得到的用户访问每个对象顶点的概率进行由大到小排序,选取排序靠前的一定数量的对象顶点作为目标对象;或者设置一个阈值,选取用户访问某个对象顶点的概率大于这个阈值的对象顶点作为目标对象;或者是选取之前未存在访问关系,但访问概率较大的对象作为目标对象;或者选取访问概率较小的对象作为目标对象。选取这些对象作为目标对象是为了有针对性地增加用户对于这些目标对象的访问概率。
选取出这些对象后,还可以获取这些对象所具有的预设标签,预设标签可以是用来区分的标记,如在电商领域,当商家店铺作为对象时,其所具有的预设标签是由商家填写的,例如“女装”、“女袜”、“健身器材”、“电视机”等。基于这些预设标签确定目标对象。例如将具有这些预设标签的对象作为目标对象。
更进一步地,可以获取所述预设标签对应的对象顶点列表,基于所述对象顶点列表确定目标对象。此模块的目的是根据用户喜好的预设标签确定针对该用户的目标对象,而不仅仅是将被访问概率大的对象顶点作为目标对象,尤其是根据用户顶点的样本与所述对象顶点的样本的二分图作为计算依据时,扩大了目标对象的选择范围。例如,在得到了用户喜好的预设标签“女装”后,可以直接查询具有“女装”标签的所有商家店铺(即对象),可以根据关注量、购买量等对具有“女装”标签的所有商家店铺进行排名,将排名靠前的热门商家店铺确定为该用户的目标对象。
还可以选取所述预设标签的相似标签;获取所述相似标签和所述预设标签对应的对象顶点列表,基于所述对象顶点列表确定目标对象。此模块增加了具有预设标签的相似标签的目标对象的选取范围,可以利用word2vec工具(一种将单词转换成向量形式的工具)将预设标签向量化,可以把对文本内容的处理简化为向量空间中的向量运算,计算出向量空间上的相似度,来表示文本语义上的相似度,以此来选取预设标签的相似标签。
例如,在得到了用户喜好的预设标签“女装”后,选取其相似标签“女裤”,基于“女装”和“女裤”标签对应的商家店铺来选取目标对象,这样就扩大了目标对象的选取范围,可以将更多的热门商家店铺作为用户的目标对象。
在选取目标对象时,可以对对象顶点列表内的对象顶点进行排序;根据预设优选规则选取排序后的所述对象顶点作为目标对象,增加目标对象对于用户的访问概率。例如,可以根据关注量、购买量等对具有“女装”标签的所有商家店铺进行排名,将排名靠前的热门商家店铺确定为该用户的目标对象。
采样模块305,用于在生成模块301根据用户与对象的访问关系数据生成包含用户顶点与对象顶点的二分图之前,提取所述用户顶点的样本与所述对象顶点的样本,形成样本集;所述用户顶点是所述样本集中的用户顶点,所述对象顶点是所述样本集中的对象顶点。用户与对象的访问关系数据可以是从用户或对象的访问日志中得到的,当数据量非常大时,为了提高计算效率,减小计算量,可以利用采样原理,提取所述用户顶点的样本与所述对象顶点的样本,形成样本集;所述用户顶点是所述样本集中的用户顶点,所述对象顶点是所述样本集中的对象顶点。样本集中的用户顶点和对象顶点起了一定的代表作用,可以参照计算结果来处理同样货相似的用户顶点和对象顶点。
图4示出了可以应用本发明实施例的一种确定目标对象的方法或装置的示例性系统架构400。
如图4所示,系统架构400可以包括终端设备401、402、403,网络404和服务器405。网络404用以在终端设备401、402、403和服务器405之间提供通信链路的介质。网络404可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备401、402、403通过网络404与服务器405交互,以接收或发送消息等。终端设备401、402、403上可以安装有各种通讯客户端应用,例如购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。
终端设备401、402、403可以是具有显示屏并且支持网页浏览的各种电子设备,包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
服务器405可以是提供各种服务的服务器,例如对用户利用终端设备401、402、403所浏览的购物类网站提供支持的后台管理服务器。后台管理服务器可以对接收到的产品信息查询请求等数据进行分析等处理,并将处理结果(例如目标推送信息、产品信息)反馈给终端设备。
需要说明的是,本发明实施例所提供的一种确定目标对象的方法一般由服务器405执行,相应地,一种确定目标对象的装置一般设置于服务器405中。
应该理解,图4中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
图5所示为适于用来实现本发明实施例的终端设备的计算机系统500的结构示意图。图5所示的终端设备仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图5所示,计算机系统500包括中央处理单元(CPU)501,其可以根据存储在只读存储器(ROM)502中的程序或者从存储部分508加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作和处理。在RAM 503中,还存储有系统500操作所需的各种程序和数据。CPU 501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。
以下部件连接至I/O接口505:包括键盘、鼠标等的输入部分506;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分507;包括硬盘等的存储部分508;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分509。通信部分509经由诸如因特网的网络执行通信处理。驱动器510也根据需要连接至I/O接口505。可拆卸介质511,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器510上,以便于从其上读出的计算机程序根据需要被安装入存储部分508。
特别地,根据本发明公开的实施例,上文参考步骤图描述的过程可以被实现为计算机软件程序。例如,本发明公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行步骤图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分509从网络上被下载和安装,和/或从可拆卸介质511被安装。在该计算机程序被中央处理单元(CPU)501执行时,执行本发明的系统中限定的上述功能。
需要说明的是,本发明所示的计算机可读介质包括计算机可读信号介质或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包括但不限于电、磁、光、电磁、红外线、半导体的系统、装置或器件,或者上述内容的任意组合。计算机可读存储介质具体包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述内容的任意组合。在本发明中,计算机可读存储介质包括任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用;计算机可读的信号介质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、光信号或上述信号的任意组合。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、传播或者传输用于由指令执行系统、装置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、RF(射频)等,或者上述介质的任意组合。
附图中的步骤图或框图,图示了按照本发明各种实施例的系统、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,步骤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,上述模块、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。应当注意,在有些作为替换的实现中,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,两个接连地表示的方框实际上可以并行地执行,有时也可以按相反的顺序执行,其执行顺序依所涉及的功能而定。也要注意的是,框图或步骤图中的每个方框以及其组合,可以用执行规定的功能或操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。
描述于本发明实施例中所涉及到的模块可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的模块也可以设置在处理器中,例如,可以描述为:一种处理器包括生成模块、计算模块、优化模块。其中,这些模块的名称在某种情况下并不构成对该模块本身的限定,例如,优化模块还可以被描述为“用于基于所述概率确定目标对象的模块”。
另一方面,本发明实施例还提供了一种计算机可读介质,该计算机可读介质可以是上述实施例中描述的设备中所包含的;也可以是单独存在,而未装配入该设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被一个该设备执行时,使得该设备包括:根据用户与对象的访问关系数据生成包含用户顶点与对象顶点的二分图,在所述二分图中,每个所述用户顶点表示一个所述用户,每个所述对象顶点表示一个所述对象,所述用户顶点与所述对象顶点之间的直接连线表示所述用户对所述对象存在访问关系;根据所述二分图计算所述用户访问每个所述对象顶点的概率;基于所述概率确定目标对象。
根据本发明实施例的技术方案,上述发明中的一个实施例具有如下优点或有益效果:因为采用根据所述二分图计算所述用户访问每个所述对象顶点的概率确定用户的目标对象技术手段,所以克服了常规方法确定目标用户的方式单一,对于大量复杂的用户与对象数据的处理精度较低,未能有针对性地深入挖掘用户的目标对象的技术问题,进而达到扩大用户的目标对象范围,提高用户体验的技术效果。本发明的一个优化的方法在于,根据所述概率获取对象的预设标签,根据预设标签再确定目标对象,进一步扩大了选取目标对象的范围。
上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应该明白的是,取决于设计要求和其他因素,可以发生各种各样的修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
Claims (18)
1.一种确定目标对象的方法,其特征在于,包括:
根据用户与对象的访问关系数据生成包含用户顶点与对象顶点的二分图,在所述二分图中,每个所述用户顶点表示一个所述用户,每个所述对象顶点表示一个所述对象,所述用户顶点与所述对象顶点之间的直接连线表示所述用户对所述对象存在访问关系;
根据所述二分图计算所述用户访问每个所述对象顶点的概率;
基于所述概率确定目标对象。
2.根据权利要求1所述的方法,其特征在于,基于所述概率确定目标对象的步骤包括:
根据预设选取规则和所述概率选取对象顶点,获取每个被选出的对象顶点的预设标签;
基于所述预设标签确定目标对象。
3.根据权利要求1所述的方法,其特征在于,根据所述二分图计算所述用户访问每个所述对象顶点的概率的步骤包括:
以所述二分图中的任意一个用户顶点为初始起点,计算沿该顶点的所有直接连线,访问所述直接连线连到的所有顶点的概率,以该顶点的所有直接连线连到的所有顶点为第二起点,计算沿所述第二起点的所有直接连线,访问所述直接连线连到的所有顶点的概率,使用以上方法经过多次迭代计算后,得到每个顶点被访问到的概率,其中包括该用户访问每个所述对象顶点的概率。
4.根据权利要求1所述的方法,其特征在于,在根据用户与对象的访问关系数据生成包含用户顶点与对象顶点的二分图之前,所述方法还包括:
提取所述用户顶点的样本与所述对象顶点的样本,形成样本集;
所述用户顶点是所述样本集中的用户顶点,所述对象顶点是所述样本集中的对象顶点。
5.根据权利要求1所述的方法,其特征在于,在根据用户与对象的访问关系数据生成包含用户顶点与对象顶点的二分图时,所述方法还包括:根据所述访问关系设置所述用户顶点与所述对象顶点之间的直接连线的长度。
6.根据权利要求2所述的方法,其特征在于,基于所述预设标签确定目标对象包括:
选取所述预设标签的相似标签;
获取所述相似标签和所述预设标签对应的对象顶点列表,基于所述对象顶点列表确定目标对象。
7.根据权利要求2所述的方法,其特征在于,基于所述预设标签确定目标对象包括:
获取所述预设标签对应的对象顶点列表,基于所述对象顶点列表确定目标对象。
8.根据权利要求6或7所述的方法,其特征在于,基于所述对象顶点列表确定目标对象的方法包括:
对所述对象顶点列表内的对象顶点进行排序;
根据预设优选规则选取排序后的所述对象顶点作为目标对象。
9.一种确定目标对象的装置,其特征在于,包括:
生成模块,用于根据用户与对象的访问关系数据生成包含用户顶点与对象顶点的二分图,在所述二分图中,每个所述用户顶点表示一个所述用户,每个所述对象顶点表示一个所述对象,所述用户顶点与所述对象顶点之间的直接连线表示所述用户对所述对象存在访问关系;
计算模块,用于根据所述二分图计算所述用户访问每个所述对象顶点的概率;
优化模块,用于基于所述概率确定目标对象。
10.根据权利要求9所述的装置,其特征在于,所述装置还包括:
选取模块,用于根据预设选取规则和所述概率选取对象顶点,获取每个被选出的对象顶点的预设标签;
所述优化模块还用于,基于所述预设标签确定目标对象。
11.根据权利要求9所述的装置,其特征在于,所述计算模块还用于,以所述二分图中的任意一个用户顶点为初始起点,计算沿该顶点的所有直接连线,访问所述直接连线连到的所有顶点的概率,以该顶点的所有直接连线连到的所有顶点为第二起点,计算沿所述第二起点的所有直接连线,访问所述直接连线连到的所有顶点的概率,使用以上方法经过多次迭代计算后,得到每个顶点被访问到的概率,其中包括该用户访问每个所述对象顶点的概率。
12.根据权利要求9所述的装置,其特征在于,所述装置还包括:
采样模块,用于在所述生成模块根据用户与对象的访问关系数据生成包含用户顶点与对象顶点的二分图之前,提取所述用户顶点的样本与所述对象顶点的样本,形成样本集;
所述用户顶点是所述样本集中的用户顶点,所述对象顶点是所述样本集中的对象顶点。
13.根据权利要求9所述的装置,其特征在于,所述生成模块还用于,根据所述访问关系设置所述用户顶点与所述对象顶点之间的直接连线的长度。
14.根据权利要求10所述的装置,其特征在于,所述选取模块还用于,选取所述预设标签的相似标签;
获取所述相似标签和所述预设标签对应的对象顶点列表;
所述优化模块还用于,基于所述对象顶点列表确定目标对象。
15.根据权利要求10所述的装置,其特征在于,所述选取模块还用于,获取所述预设标签对应的对象顶点列表;
所述优化模块还用于,基于所述对象顶点列表确定目标对象。
16.根据权利要求14或15所述的装置,其特征在于,所述优化模块还用于,对所述对象顶点列表内的对象顶点进行排序;
根据预设优选规则选取排序后的所述对象顶点作为目标对象。
17.一种确定目标对象的电子设备终端,其特征在于,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,使得所述一个或多个处理器实现如权利要求1-8中任一所述的方法。
18.一种计算机可读介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现如权利要求1-8中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711078007.5A CN109754274A (zh) | 2017-11-06 | 2017-11-06 | 一种确定目标对象的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711078007.5A CN109754274A (zh) | 2017-11-06 | 2017-11-06 | 一种确定目标对象的方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109754274A true CN109754274A (zh) | 2019-05-14 |
Family
ID=66400425
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711078007.5A Pending CN109754274A (zh) | 2017-11-06 | 2017-11-06 | 一种确定目标对象的方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109754274A (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103180798A (zh) * | 2010-12-21 | 2013-06-26 | 索尼公司 | 社交网络的好友和家庭树 |
CN103974097A (zh) * | 2014-05-22 | 2014-08-06 | 南京大学镇江高新技术研究院 | 基于流行度和社交网络的个性化用户原创视频预取方法及系统 |
EP2860685A1 (en) * | 2013-10-11 | 2015-04-15 | Palo Alto Research Center Incorporated | System and method for improved parallel search on bipartite graphs using dynamic vertex-to-processor mapping |
CN104679866A (zh) * | 2015-03-04 | 2015-06-03 | 重庆理工大学 | 基于图一致性模型的半监督学习的推荐方法 |
CN105913296A (zh) * | 2016-04-01 | 2016-08-31 | 北京理工大学 | 一种基于图的个性化推荐方法 |
CN106156113A (zh) * | 2015-04-03 | 2016-11-23 | Tcl集团股份有限公司 | 一种视频推荐的方法、系统及电子设备 |
CN106326345A (zh) * | 2016-08-08 | 2017-01-11 | 浙江工业大学 | 一种基于用户行为的社交网络中朋友关系挖掘方法 |
CN106708978A (zh) * | 2016-12-07 | 2017-05-24 | 北京邮电大学 | 一种基于二分图的服务推荐方法及装置 |
CN107248095A (zh) * | 2017-04-14 | 2017-10-13 | 北京小度信息科技有限公司 | 推荐方法及装置 |
-
2017
- 2017-11-06 CN CN201711078007.5A patent/CN109754274A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103180798A (zh) * | 2010-12-21 | 2013-06-26 | 索尼公司 | 社交网络的好友和家庭树 |
EP2860685A1 (en) * | 2013-10-11 | 2015-04-15 | Palo Alto Research Center Incorporated | System and method for improved parallel search on bipartite graphs using dynamic vertex-to-processor mapping |
CN103974097A (zh) * | 2014-05-22 | 2014-08-06 | 南京大学镇江高新技术研究院 | 基于流行度和社交网络的个性化用户原创视频预取方法及系统 |
CN104679866A (zh) * | 2015-03-04 | 2015-06-03 | 重庆理工大学 | 基于图一致性模型的半监督学习的推荐方法 |
CN106156113A (zh) * | 2015-04-03 | 2016-11-23 | Tcl集团股份有限公司 | 一种视频推荐的方法、系统及电子设备 |
CN105913296A (zh) * | 2016-04-01 | 2016-08-31 | 北京理工大学 | 一种基于图的个性化推荐方法 |
CN106326345A (zh) * | 2016-08-08 | 2017-01-11 | 浙江工业大学 | 一种基于用户行为的社交网络中朋友关系挖掘方法 |
CN106708978A (zh) * | 2016-12-07 | 2017-05-24 | 北京邮电大学 | 一种基于二分图的服务推荐方法及装置 |
CN107248095A (zh) * | 2017-04-14 | 2017-10-13 | 北京小度信息科技有限公司 | 推荐方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109460513A (zh) | 用于生成点击率预测模型的方法和装置 | |
CN110019211A (zh) | 关联索引的方法、装置和系统 | |
CN110472207A (zh) | 表单生成方法和装置 | |
CN108776692A (zh) | 用于处理信息的方法和装置 | |
CN109388654A (zh) | 一种查询数据表的方法和装置 | |
CN109981719A (zh) | 信息处理方法及其系统、计算机系统和计算机可读介质 | |
CN109901987A (zh) | 一种生成测试数据的方法和装置 | |
CN110276065A (zh) | 一种处理物品评论的方法和装置 | |
CN112347147A (zh) | 基于用户关联关系的信息推送方法、装置及电子设备 | |
CN109753424A (zh) | Ab测试的方法和装置 | |
CN110019802A (zh) | 一种文本聚类的方法和装置 | |
CN110110184A (zh) | 信息查询方法、系统、计算机系统及存储介质 | |
CN108959294A (zh) | 一种访问搜索引擎的方法和装置 | |
CN107908662A (zh) | 搜索系统的实现方法和实现装置 | |
CN109754273A (zh) | 提升活跃用户数量的方法和装置 | |
CN107562941A (zh) | 数据处理方法及其系统 | |
CN110020112A (zh) | 对象推送方法及其系统 | |
CN110019531A (zh) | 一种获取相似对象集合的方法和装置 | |
CN109614603A (zh) | 用于生成信息的方法和装置 | |
CN110069753A (zh) | 一种生成相似度信息的方法和装置 | |
CN110110267A (zh) | 提取对象特征、搜索对象的方法和装置 | |
CN110109912A (zh) | 一种标识符生成方法和装置 | |
CN110019393A (zh) | 一种模糊查询的方法和装置 | |
CN109754274A (zh) | 一种确定目标对象的方法和装置 | |
CN109872211A (zh) | 一种对象推荐的方法和装置 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190514 |
|
RJ01 | Rejection of invention patent application after publication |