CN109800359B - 信息推荐处理方法、装置、电子设备及可读存储介质 - Google Patents
信息推荐处理方法、装置、电子设备及可读存储介质 Download PDFInfo
- Publication number
- CN109800359B CN109800359B CN201811561863.0A CN201811561863A CN109800359B CN 109800359 B CN109800359 B CN 109800359B CN 201811561863 A CN201811561863 A CN 201811561863A CN 109800359 B CN109800359 B CN 109800359B
- Authority
- CN
- China
- Prior art keywords
- user
- information
- poi
- model
- operation object
- 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.)
- Active
Links
Images
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明实施例提供一种信息推荐处理方法、装置、电子设备及可读存储介质,所述方法包括:获取与用户相关的当前兴趣点POI的标识;将所述当前POI的标识以及所述用户的标识输入第一模型中,以经所述第一模型输出在所述当前POI下针对所述用户的待推荐信息;向所述用户推送所述待推荐信息。该方法使得所推荐的信息能够同时体现位置的特征以及用户的兴趣特征,从而极大提升待推荐信息与用户真正需求的符合度,极大提升用户的使用体验。
Description
技术领域
本发明涉及计算机技术,尤其涉及一种信息推荐处理方法、装置、电子设备及可读存储介质。
背景技术
随着互联网技术的不断发展,越来越多的网络平台希望向用户推荐符合用户需求的个性化信息,以不断提升用户的使用体验。
现有技术中,可以根据兴趣点(Point of Interest,简称POI)为用户进行信息推荐。具体的,首先对用户的POI进行识别,进而,使用POI信息向用户进行位置相关的信息推荐。
但是,现有技术的推荐方式仅与位置相关,即对于到达该位置的所有的用户,所推荐的信息均相同,这种方式无法真正满足每个用户的个性化需求,导致用户的使用体验不佳。
发明内容
本发明实施例提供一种信息推荐处理方法、装置、电子设备及可读存储介质,用于解决现有技术中推荐信息无法真正满足用户个性化需求所导致的用户体验不佳的问题。
本发明实施例第一方面提供一种信息推荐处理方法,包括:
获取与用户相关的当前兴趣点POI的标识;
将所述当前POI的标识以及所述用户的标识输入第一模型中,以经所述第一模型输出在所述当前POI下针对所述用户的待推荐信息;
向所述用户推送所述待推荐信息。
进一步的,所述将所述当前POI的标识以及所述用户的标识输入第一模型中,以经所述第一模型输出在所述当前POI下针对所述用户的待推荐信息之前,还包括:
将多个与用户相关的当前POI组成POI序列;
获得POI序列中用户对各POI的操作对象信息;
根据所述操作对象信息训练所述第一模型。
进一步的,所述根据所述操作对象信息训练所述第一模型,包括:
根据所述操作对象信息更新所述第一模型的特征信息,所述第一模型的特征信息为表征POI以及POI对应的操作对象信息的特征。
进一步的,根据所述操作对象信息更新所述第一模型的特征信息,包括:
对所述操作对象信息进行聚类;
使用聚类后的操作对象信息,更新所述第一模型的特征信息。
进一步的,所述操作对象信息为所述用户通过点击、滑动所操作的对象信息。
本发明实施例第二方面提供一种信息推荐处理装置,包括:
第一获取模块,用于获取与用户相关的当前兴趣点POI的标识;
处理模块,用于将所述当前POI的标识以及所述用户的标识输入第一模型中,以经所述第一模型输出在所述当前POI下针对所述用户的待推荐信息;
推送模块,用于向所述用户推送所述待推荐信息。
进一步的,还包括:
组合模块,用于将多个与用户相关的当前POI组成POI序列;
第二获取模块,用于获取获得POI序列中用户对各POI的操作对象信息;
训练模块,用于根据所述用户的POI序列以及所述用户在所述POI序列中每个POI下的操作对象信息,训练所述第一模型。
进一步的,所述训练模块,包括:
更新单元,用于根据所述操作对象信息更新所述第一模型的特征信息,所述第一模型的特征信息为表征POI以及POI对应的操作对象信息的特征。
进一步的,所述更新单元具体用于:
对所述操作对象信息进行聚类;
使用聚类后的操作对象信息,更新所述第一模型的特征信息。
进一步的,所述操作对象信息为所述用户通过点击、滑动所操作的对象信息。
本发明实施例第三方面提供一种电子设备,包括:
存储器,用于存储程序指令;
处理器,用于调用并执行所述存储器中的程序指令,执行上述第一方面所述的方法步骤。
本发明实施例第四方面提供一种可读存储介质,所述可读存储介质中存储有计算机程序,所述计算机程序用于执行上述第一方面所述的方法。
本发明实施例所提供的信息推荐处理方法、装置、电子设备及可读存储介质,由第一模型根据与用户相关当前的POI信息分析出在该POI下可以为该用户推荐的信息,从而使得所推荐的信息能够同时体现位置的特征以及用户的兴趣特征,从而极大提升待推荐信息与用户真正需求的符合度,极大提升用户的使用体验。
进一步的,现有技术的方法由于仅与POI的位置相关,因此,通过现有技术的方法向用户推荐的信息过于生硬,本实施例中由于同时体现了位置的特征以及用户的兴趣特征,因此,向用户推荐的信息在“亲和度”上相比于现有技术有了明显提升。
进一步的,现有技术的方法由于直接根据POI信息进行信息推荐,因此,可能使得用户产生隐私泄露的感受,而通过本实施的方法所推荐的信息可以使得用户不产生隐私泄露的感受。示例性的,用户在咖啡店阅读了新闻,在现有技术中,可能直接向用户推荐咖啡以及整个咖啡店的相关信息。而在本实施例中,由于同时体现了位置的特征以及用户的兴趣特征,因此,可以根据模型学习到的该用户在咖啡馆的兴趣,向用户推荐了各类文艺信息,从而使得在推荐效果和隐私保护方面相比现有技术均有极大提升。
附图说明
为了更清楚地说明本发明或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图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性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的信息推荐处理方法的一种示例性系统架构图;
图2为本发明实施例提供的信息推荐处理方法实施例一的流程示意图;
图3为本发明实施例提供的信息推荐处理方法实施例二的流程示意图;
图4为上述第一模型的训练架构示意图;
图5为本发明实施例提供的信息推荐处理方法实施例三的流程示意图;
图6为本发明实施例提供的信息推荐处理装置实施例一的模块结构图;
图7为本发明实施例提供的信息推荐处理装置实施例二的模块结构图;
图8为本发明实施例提供的信息推荐处理装置实施例三的模块结构图;
图9为本发明实施例提供的一种电子设备的实体框图。
具体实施方式
为使本发明的目的、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。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。
本发明的说明书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。
应当理解,在本发明的各种实施例中,各过程的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。应当理解,在本发明中,“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
应当理解,在本发明中,“与A相对应的B”、“A与B相对应”或者“B与A相对应”,表示B与A相关联,根据A可以确定B。根据A确定B并不意味着仅仅根据A确定B,还可以根据A和/或其他信息确定B。
取决于语境,如在此所使用的“若”可以被解释成为“在……时”或“当……时”或“响应于确定”或“响应于检测”。
下面以具体地实施例对本发明的技术方案进行详细说明。下面这几个具体的实施例可以相互结合,对于相同或相似的概念或过程可能在某些实施例不再赘述。
在现有技术中,由于仅根据基本的位置信息进行信息推荐,因此对于到达该位置的所有的用户,所推荐的信息均相同,这种方式无法真正满足每个用户的个性化需求,导致用户的使用体验不佳。
本发明实施例基于上述问题,提出一种信息推荐处理方法,由第一模型根据与用户相关的当前POI信息分析出在该POI下可以为该用户推荐的信息,从而使得所推荐的信息能够同时体现位置的特征以及用户的兴趣特征,从而极大提升待推荐信息与用户真正需求的符合度,极大提升用户的使用体验。
本发明实施例可以在独立的一台电子设备上执行,也可以通过不同电子设备之间的交互来完成。图1为本发明实施例提供的信息推荐处理方法的一种示例性系统架构图,如图1所示,该方法可以涉及终端设备和服务器,终端设备可以实时获取用户当前所在的位置信息,并将位置信息发送给服务器,并由运行在服务器上的第一模型得出可以推荐给用户的待推荐信息,服务器再将待推荐信息发送给终端设备,由终端设备向用户推送。
图2为本发明实施例提供的信息推荐处理方法实施例一的流程示意图,该方法的执行主体可以为上述独立的电子设备,也可以为上述图1所示系统架构中的服务器,本发明实施例对此不做具体限定。为便于理解,本发明实施例以下以服务器为执行主体为例进行说明。如图2所示,该方法包括:
S201、获取与用户相关的当前POI的标识。
可选的,POI可以指一切可以抽象为点的地理实体,例如学校、银行、加油站、医院、超市等。
一种示例中,终端设备可以通过全球定位系统(Global Positioning System,简称GPS)获取到用户当前的POI,例如用户当前正位于咖啡馆A内。终端设备进而可以将用户的当前POI的标识发送给服务器,服务器即可获取到用户的当前POI。
可选的,与用户相关的当前POI的标识可以是用户当前对应的POI的名称、经纬度等信息,本发明实施例对此不做具体限定。
S202、将上述当前POI的标识以及上述用户的标识输入第一模型中,以经上述第一模型输出在上述当前POI下针对上述用户的待推荐信息。
可选的,上述用户的标识可以是用户的手机号码、用户在某网络平台的帐号信息或者用户的社交帐号等,本发明实施例对此不做具体限定。
可选的,上述第一模型可以但不限于是神经网络模型。
可选的,上述第一模型预先通过上述用户在网络上的大量行为信息训练而成。示例性的,在时间1时,用户A在咖啡馆A内阅读了文艺相关的文章,在时间2时,用户A超市阅读了美食相关的文章,则第一模型可以根据用户A的这些行为信息训练而成。
可选的,第一模型所输出的在上述当前POI下针对上述用户的待推荐信息,可以是文章主题标签、类别标签等。
S203、向上述用户推送上述待推荐信息。
可选的,第一模型所输出的可以是一些文章主题标签、类别标签等,服务器可以将这些信息发送给终端设备,终端设备可以基于这些标签信息,搜索出符合这些标签信息的文章、发帖、视频等,并将这些文章、发帖、视频等显示出来,从而实现向用户推送待推荐信息。
本实施例中,由第一模型根据与用户相关的当前POI信息分析出在该POI下可以为该用户推荐的信息,从而使得所推荐的信息能够同时体现位置的特征以及用户的兴趣特征,从而极大提升待推荐信息与用户真正需求的符合度,极大提升用户的使用体验。
进一步的,现有技术的方法由于仅与POI的位置相关,因此,通过现有技术的方法向用户推荐的信息过于生硬,本实施例中由于同时体现了位置的特征以及用户的兴趣特征,因此,向用户推荐的信息在“亲和度”上相比于现有技术有了明显提升。
进一步的,现有技术的方法由于直接根据POI信息进行信息推荐,因此,可能使得用户产生隐私泄露的感受,而通过本实施的方法所推荐的信息可以使得用户不产生隐私泄露的感受。示例性的,用户在咖啡店阅读了新闻,在现有技术中,可能直接向用户推荐咖啡以及整个咖啡店的相关信息。而在本实施例中,由于同时体现了位置的特征以及用户的兴趣特征,因此,可以根据模型学习到的该用户在咖啡馆的兴趣,向用户推荐了各类文艺信息,从而使得在推荐效果和隐私保护方面相比现有技术均有极大提升。
在上述实施例的基础上,本实施例涉及训练上述第一模型的训练建立过程。
图3为本发明实施例提供的信息推荐处理方法实施例二的流程示意图,如图3所示,第一模型的训练过程包括:
S301、将多个与用户相关的当前POI组成POI序列。
S302、获得POI序列中用户对各POI的操作对象信息。
可选的,上述操作对象信息可以是用户通过点击、滑动等所操作的对象信息。
一种示例中,用户点击一个连接打开了一个页面A,该页面A即为用户的一个操作对象。
另一种示例中,用户在页面A上执行了向右滑动操作,从而触发页面B启动,则该页面B为用户的一个操作对象。
可选的,服务器可以基于用户的标识,例如用户的手机号码,在网络中搜索出多个与用户相关的多个当前POI,并将这些POI组成POI序列。该POI序列中每个POI下均包括用户所操作过的操作对象信息,服务器进而可以逐一获取该POI序列中用户对各POI的操作对象信息。
其中,上述POI序列可以是根据时间信息所形成的序列。示例性的,假设用户在9:00时位于超市,并阅读了关于美食的文章,11:00时在咖啡馆,阅读了关于文艺的文章,在15:00时位于加油站,阅读了关于汽车的文章,则可以形成超市->咖啡馆->加油站的POI序列,超市、咖啡馆和加油站分别为该POI序列中的一个POI,同时,能够得到用户在每个POI的阅读信息,即操作对象信息。
S303、根据上述操作对象信息训练上述第一模型。
本实施例中,通过序列化的POI以及每个POI的操作对象信息训练第一模型,能够解决现有技术中仅使用POI的信息所产生的特征不完整、单一的问题,从而更好的分析出用户的兴趣信息。
图4为上述第一模型的训练架构示意图,如图4所示,将网络上搜索到到的用户所阅读的文件作为原型文件,基于这些原型文件以及阅读时的POI得到POI序列,POI序列中每个POI都对应至少一个文件(doc),将该POI序列输入第一模型中,得到一个待推荐信息,根据待推荐信息对第一模型的模型参数进行调整,进而继续执行下一次的训练。依次类推,直至模型所输出的待推荐信息与用户实际感兴趣的信息匹配。
在一种可选的实施方式中,上述第一模型的一次训练过程包括:
根据上述的操作对象信息更新上述第一模型的特征信息,其中,上述第一模型的特征信息为表征POI以及POI对应的操作对象信息的特征。
可选的,在获取到POI序列中用户对各POI的操作对象信息后,在第一模型的每次训练过程中,都可以基于第一模型当前的特征信息得到第一模型所输出的POI信息以及POI的操作对象信息。其中,该特征信息同时能够体现POI信息以及操作对象信息,例如咖啡馆对应标签为“文艺”的文章。
进而,在每次训练结束后,根据第一模型所输出的POI的操作对象信息以及该POI的实际的操作对象信息,更新第一模型的特征信息。
其中,该POI的实际的操作对象信息是指在上述POI序列中该POI所对应的操作对象信息。
图5为本发明实施例提供的信息推荐处理方法实施例三的流程示意图,如图5所示,根据上述操作对象信息更新上述第一模型的特征信息的一种可选方式包括:
S501、对上述操作对象信息进行聚类。
S502、使用聚类后的操作对象信息,更新上述第一模型的特征信息。
可选的,在更新上述第一模型的特征信息前,首先对各POI的操作对象信息进行聚类。示例性的,可以根据阅读文章的标签对阅读文章进行聚合,例如,对“文艺”类文章进行聚合,再对“美食”文章进行聚合。进而,利用聚合后的操作对象信息,更新第一模型的特征信息。
本实施例中,通过对操作对象信息进行聚类,并基于聚类后的操作对象信息更新第一模型的特征信息,可以使得构建的第一模型的特征的准确度更高。
图6为本发明实施例提供的信息推荐处理装置实施例一的模块结构图,如图6所示,该装置包括:
第一获取模块601,用于获取与用户相关的当前POI的标识。
处理模块602,用于将所述当前POI的标识以及所述用户的标识输入第一模型中,以经所述第一模型输出在所述当前POI下针对所述用户的待推荐信息。
推送模块603,用于向所述用户推送所述待推荐信息。
该装置用于实现前述方法实施例,其实现原理和技术效果类似,此处不再赘述。
图7为本发明实施例提供的信息推荐处理装置实施例二的模块结构图,如图7所示,该装置还包括:
组合模块604,用于将多个与用户相关的当前POI组成POI序列。
第二获取模块605,用于获取获得POI序列中用户对各POI的操作对象信息。
训练模块606,用于根据所述用户的POI序列以及所述用户在所述POI序列中每个POI下的操作对象信息,训练所述第一模型。
图8为本发明实施例提供的信息推荐处理装置实施例三的模块结构图,如图8所示,训练模块606,包括:
更新单元6061,用于根据所述操作对象信息更新所述第一模型的特征信息,所述第一模型的特征信息为表征POI以及POI对应的操作对象信息的特征。
另一实施例中,更新单元6061具体用于:
对所述操作对象信息进行聚类。
使用聚类后的操作对象信息,更新所述第一模型的特征信息。
另一实施例中,所述操作对象信息为所述用户通过点击、滑动所操作的对象信息。
图9为本发明实施例提供的一种电子设备的实体框图,如图9所示,该电子设备900包括:
存储器901,用于存储程序指令;
处理器902,用于调用并执行存储器901中的程序指令,执行上述方法实施例中所述的方法步骤。
该电子设备900可以为前述方法实施例中所述的独立的电子设备,也可以为前述方法实施例中所述的服务器。
本领域普通技术人员可以理解:实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时,执行包括上述各方法实施例的步骤;而前述的存储介质包括:ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (10)
1.一种信息推荐处理方法,其特征在于,包括:
获取用户的当前兴趣点POI的标识;
将所述用户的当前POI的标识以及所述用户的标识输入第一模型中,以经所述第一模型输出在所述当前POI下针对所述用户的待推荐信息,所述待推荐信息能够同时体现当前位置的特征以及所述用户的兴趣特征;
向所述用户推送所述待推荐信息;
所述将所述用户的当前POI的标识以及所述用户的标识输入第一模型中,以经所述第一模型输出在所述当前POI下针对所述用户的待推荐信息之前,还包括:
将多个与用户相关的POI组成POI序列;
获得POI序列中用户对各POI的操作对象信息;
根据所述操作对象信息训练所述第一模型。
2.根据权利要求1所述的方法,其特征在于,所述根据所述操作对象信息训练所述第一模型,包括:
根据所述操作对象信息更新所述第一模型的特征信息,所述第一模型的特征信息为表征POI以及POI对应的操作对象信息的特征。
3.根据权利要求2所述的方法,其特征在于,所述根据所述操作对象信息更新所述第一模型的特征信息,包括:
对所述操作对象信息进行聚类;
使用聚类后的操作对象信息,更新所述第一模型的特征信息。
4.根据权利要求1-3任一项所述的方法,其特征在于,所述操作对象信息为所述用户通过点击、滑动所操作的对象信息。
5.一种信息推荐处理装置,其特征在于,包括:
第一获取模块,用于获取用户的当前兴趣点POI的标识;
处理模块,用于将所述用户的当前POI的标识以及所述用户的标识输入第一模型中,以经所述第一模型输出在所述当前POI下针对所述用户的待推荐信息,所述待推荐信息能够同时体现当前位置的特征以及所述用户的兴趣特征;
推送模块,用于向所述用户推送所述待推荐信息;
所述装置还包括:
组合模块,用于将多个与用户相关的POI组成POI序列;
第二获取模块,用于获取获得POI序列中用户对各POI的操作对象信息;
训练模块,用于根据所述用户的POI序列以及所述用户在所述POI序列中每个POI下的操作对象信息,训练所述第一模型。
6.根据权利要求5所述的装置,其特征在于,所述训练模块,包括:
更新单元,用于根据所述操作对象信息更新所述第一模型的特征信息,所述第一模型的特征信息为表征POI以及POI对应的操作对象信息的特征。
7.根据权利要求6所述的装置,其特征在于,所述更新单元具体用于:
对所述操作对象信息进行聚类;
使用聚类后的操作对象信息,更新所述第一模型的特征信息。
8.根据权利要求5-7任一项所述的装置,其特征在于,所述操作对象信息为所述用户通过点击、滑动所操作的对象信息。
9.一种电子设备,其特征在于,包括:
存储器,用于存储程序指令;
处理器,用于调用并执行所述存储器中的程序指令,执行权利要求1-4任一项所述的方法步骤。
10.一种可读存储介质,其特征在于,所述可读存储介质中存储有计算机程序,所述计算机程序用于执行权利要求1-4任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811561863.0A CN109800359B (zh) | 2018-12-20 | 2018-12-20 | 信息推荐处理方法、装置、电子设备及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811561863.0A CN109800359B (zh) | 2018-12-20 | 2018-12-20 | 信息推荐处理方法、装置、电子设备及可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109800359A CN109800359A (zh) | 2019-05-24 |
CN109800359B true CN109800359B (zh) | 2021-08-17 |
Family
ID=66557212
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811561863.0A Active CN109800359B (zh) | 2018-12-20 | 2018-12-20 | 信息推荐处理方法、装置、电子设备及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109800359B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111476622B (zh) * | 2019-11-21 | 2021-05-25 | 北京沃东天骏信息技术有限公司 | 一种物品推送方法及装置、计算机可读存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108038237A (zh) * | 2017-12-27 | 2018-05-15 | 广州市云润大数据服务有限公司 | 一种信息推荐方法与系统 |
CN108446374A (zh) * | 2018-03-16 | 2018-08-24 | 北京三快在线科技有限公司 | 用户意图预测方法、装置、电子设备、存储介质 |
Family Cites Families (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8340436B2 (en) * | 2009-06-19 | 2012-12-25 | Eastman Kodak Company | Detecting significant events in consumer image collections |
US20140236756A1 (en) * | 2013-02-21 | 2014-08-21 | Sweetlabs, Inc. | Systems and methods for integrated recommendations |
CN104077705A (zh) * | 2014-07-11 | 2014-10-01 | 武汉理工大学 | 基于svm的景区电子商务推送方法及系统 |
US20160210703A1 (en) * | 2015-01-20 | 2016-07-21 | Linkedin Corporation | Virtual career counselor |
CN105139301B (zh) * | 2015-08-13 | 2019-04-12 | 法信维途(厦门)信息技术有限公司 | 一种基于bp神经网络的导游方法 |
US10304103B2 (en) * | 2016-02-23 | 2019-05-28 | Brillio LLC | Method for providing recommendations for data item by collaborative video server |
CN106095895B (zh) * | 2016-06-07 | 2019-12-10 | 百度在线网络技术(北京)有限公司 | 信息推送方法和装置 |
CN106528614B (zh) * | 2016-09-29 | 2019-03-08 | 南京邮电大学 | 一种移动社交网络中用户的地理位置预测方法 |
CN106530010B (zh) * | 2016-11-15 | 2017-12-12 | 平安科技(深圳)有限公司 | 融合时间因素的协同过滤方法和装置 |
CN107133263B (zh) * | 2017-03-31 | 2021-06-11 | 百度在线网络技术(北京)有限公司 | Poi推荐方法、装置、设备及计算机可读存储介质 |
CN107357874B (zh) * | 2017-07-04 | 2020-09-29 | 北京京东尚科信息技术有限公司 | 用户分类方法及装置、电子设备、存储介质 |
CN107682178A (zh) * | 2017-08-30 | 2018-02-09 | 国信优易数据有限公司 | 一种移动用户上网操作行为预测方法和装置 |
CN108009877B (zh) * | 2017-11-24 | 2021-10-15 | 创新先进技术有限公司 | 信息挖掘方法及装置 |
CN108197219A (zh) * | 2017-12-28 | 2018-06-22 | 北京奇虎科技有限公司 | 推送信息的方法及装置 |
CN108596695B (zh) * | 2018-05-15 | 2021-04-27 | 口口相传(北京)网络技术有限公司 | 实体推送方法及系统 |
CN108829766B (zh) * | 2018-05-29 | 2021-09-21 | 苏州大学 | 一种兴趣点推荐方法、系统、设备及计算机可读存储介质 |
-
2018
- 2018-12-20 CN CN201811561863.0A patent/CN109800359B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108038237A (zh) * | 2017-12-27 | 2018-05-15 | 广州市云润大数据服务有限公司 | 一种信息推荐方法与系统 |
CN108446374A (zh) * | 2018-03-16 | 2018-08-24 | 北京三快在线科技有限公司 | 用户意图预测方法、装置、电子设备、存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN109800359A (zh) | 2019-05-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110929162B (zh) | 基于兴趣点的推荐方法、装置、计算机设备和存储介质 | |
CN107451199B (zh) | 问题推荐方法及装置、设备 | |
KR101753947B1 (ko) | 트랙 정보를 푸싱하기 위한 방법 및 장치 | |
CN109460512B (zh) | 推荐信息处理方法、装置、设备及存储介质 | |
CN111061946A (zh) | 场景化内容推荐方法、装置、电子设备及存储介质 | |
CN104111954B (zh) | 一种获取位置信息的方法、装置和系统 | |
CN108399409A (zh) | 图像分类方法、装置及终端 | |
EP3242225B1 (en) | Method and apparatus for determining region of image to be superimposed, superimposing image and displaying image | |
US20160034968A1 (en) | Method and device for determining target user, and network server | |
CN105868390A (zh) | 个性化信息推荐方法及装置 | |
US9418076B2 (en) | System and method for determining interests from location data | |
CN111460290B (zh) | 信息的推荐方法、装置、设备和存储介质 | |
CN111782947A (zh) | 一种搜索内容展示方法、装置、电子设备及存储介质 | |
KR20200102500A (ko) | 비디오들의 분류 매칭을 위한 방법, 장치 및 선택 엔진 | |
CN110837586A (zh) | 问答匹配方法、系统、服务器及存储介质 | |
CN112488155A (zh) | 用户信息预测方法、装置、设备及介质 | |
CN110110218A (zh) | 一种身份关联方法及终端 | |
CN106462628B (zh) | 用于向用户自动推送位置特定内容的系统和方法 | |
CN109800359B (zh) | 信息推荐处理方法、装置、电子设备及可读存储介质 | |
CN111753616A (zh) | 一种错题收集方法及学习设备 | |
CN112241489A (zh) | 信息推送方法、装置、可读存储介质和计算机设备 | |
CN112214677B (zh) | 一种兴趣点推荐方法、装置、电子设备及存储介质 | |
JP5476571B2 (ja) | コメント評価装置、コメント評価方法及びプログラム | |
CN116775815B (zh) | 对话数据的处理方法、装置、电子设备及存储介质 | |
CN108694625A (zh) | 权益偏好预估方法、装置及服务器 |
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 |