CN110134870A - 一种基于大数据的推送方法及系统 - Google Patents
一种基于大数据的推送方法及系统 Download PDFInfo
- Publication number
- CN110134870A CN110134870A CN201910424223.3A CN201910424223A CN110134870A CN 110134870 A CN110134870 A CN 110134870A CN 201910424223 A CN201910424223 A CN 201910424223A CN 110134870 A CN110134870 A CN 110134870A
- Authority
- CN
- China
- Prior art keywords
- information
- target user
- user
- historical record
- identity information
- 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
- 238000000034 method Methods 0.000 title claims abstract description 25
- 238000004458 analytical method Methods 0.000 claims description 28
- 238000004364 calculation method Methods 0.000 claims description 5
- 241001269238 Data Species 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Telephonic Communication Services (AREA)
Abstract
本发明公开了一种基于大数据的推送方法，包括如下步骤：S1、获取目标用户历史记录，若目标用户历史记录少于预设条数，则执行步骤S2，否则，执行S5；S2、获取目标用户身份信息，执行S3；S3、基于目标用户身份信息生成用户类别推送信息，执行S4；S4、向目标用户推送用户类别推送信息；S5、基于目标用户历史记录生成用户推送信息，执行S6；S6、向目标用户推送用户推送信息。与现有技术相比，本发明在目标用户历史记录不足的情况下，会基于目标用户身份信息对目标用户进行归类，从而生成相应的用户类别推送信息进行推送。这样可以实现在目标用户历史记录较少或没有的情况下的信息推送，且保证推送准确性。
Description
技术领域
本发明涉及信息推送技术领域，具体设计一种基于大数据的推送方法及系统。
背景技术
随着互联网技术的快速发展，人们越来越多地使用互联网获取信息。很多网站都会根据用户的浏览行为，智能推送用户感兴趣的内容，例如购物网站、新闻网站及视频浏览网站等。
然而，现有的推送方式通常需要首先获取用户自身的历史浏览或购买记录，然后根据用户自身的历史浏览或购买记录进行分析后得出应当对用户进行推送的信息，虽然这种方式能够实现对每个用户的个性化推送，但是这需要较多的用户历史记录作为支撑才能保证推送的准确性，对于历史记录丢失的用户或历史记录较少的新用户而言，这种推送方式准确性较差，并不适用。
因此，如何在没有用户历史记录或用户历史记录较少的情况下进行推送成为了本领域技术人员急需解决的问题。
发明内容
针对现有技术存在的上述不足，本发明要解决的技术问题是：如何在没有用户历史记录或用户历史记录较少的情况下进行推送。
为解决上述技术问题，本发明采用了如下的技术方案：
一种基于大数据的推送方法，包括如下步骤：
S1、获取目标用户历史记录，若目标用户历史记录少于预设条数，则执行步骤S2，否则，执行S5；
S2、获取目标用户身份信息，执行S3；
S3、基于目标用户身份信息生成用户类别推送信息，执行S4；
S4、向目标用户推送用户类别推送信息；
S5、基于目标用户历史记录生成用户推送信息，执行S6；
S6、向目标用户推送用户推送信息。
优选地，目标用户身份信息包括用户地域信息，所述基于目标用户身份信息生成用户类别推送信息包括：
获取目标用户所在地域内预设个数的同类别用户的历史记录；
基于同类别用户的历史记录生成用户类别推送信息。
优选地，目标用户身份信息包括用户年龄信息、用户性别信息、用户职业信息及用户爱好信息中的任意一项或多项，所述基于目标用户身份信息生成用户类别推送信息包括：
基于目标用户身份信息获取预设个数的相似用户的历史记录；
基于相似用户的历史记录生成用户类别推送信息。
优选地，所述基于相似用户的历史记录生成用户类别推送信息包括：
获取相似用户的身份信息；
计算相似用户的身份信息与目标用户的身份信息的身份信息相似度；
基于每个相似用户的身份信息相似度计算每个相似用户的历史记录权重；
基于每个相似用户的历史记录生成每个相似用户的相似用户推送信息；
基于历史记录权重及其对应的相似用户推送信息生成用户类别推送信息。
一种基于大数据的推送系统，包括大数据获取模块、判断模块、分析模块及推送模块，其中：
大数据获取模块用于目标用户历史记录；
判断模块用于判断目标用户历史记录是否少于预设条数；
大数据获取模块还用于获取目标用户身份信息；
分析模块用于基于目标用户身份信息生成用户类别推送信息；
推送模块用于向目标用户推送用户类别推送信息；
分析模块还用于基于目标用户历史记录生成用户推送信息；
推送模块还用于向目标用户推送用户推送信息。
优选地，目标用户身份信息包括用户地域信息，所述基于目标用户身份信息生成用户类别推送信息中：
大数据获取模块还用于获取目标用户所在地域内预设个数的同类别用户的历史记录；
分析模块还用于基于同类别用户的历史记录生成用户类别推送信息。
优选地，目标用户身份信息包括用户年龄信息、用户性别信息、用户职业信息及用户爱好信息中的任意一项或多项，所述基于目标用户身份信息生成用户类别推送信息中：
大数据获取模块还用于基于目标用户身份信息获取预设个数的相似用户的历史记录；
分析模块还用于基于相似用户的历史记录生成用户类别推送信息。
优选地，所述基于相似用户的历史记录生成用户类别推送信息中：
大数据获取模块还用于获取相似用户的身份信息；
分析模块还用于计算相似用户的身份信息与目标用户的身份信息的身份信息相似度；
分析模块还用于基于每个相似用户的历史记录生成每个相似用户的相似用户推送信息；
分析模块还用于基于历史记录权重及其对应的相似用户推送信息生成用户类别推送信息。
综上所述，本发明公开了一种基于大数据的推送方法，包括如下步骤：S1、获取目标用户历史记录，若目标用户历史记录少于预设条数，则执行步骤S2，否则，执行S5；S2、获取目标用户身份信息，执行S3；S3、基于目标用户身份信息生成用户类别推送信息，执行S4；S4、向目标用户推送用户类别推送信息；S5、基于目标用户历史记录生成用户推送信息，执行S6；S6、向目标用户推送用户推送信息。与现有技术相比，本发明在目标用户历史记录不足的情况下，会基于目标用户身份信息对目标用户进行归类，从而生成相应的用户类别推送信息进行推送。这样可以实现在目标用户历史记录较少或没有的情况下的信息推送，且保证推送准确性。
附图说明
图1是本发明公开的一种基于大数据的推送方法的流程图；
图2是本发明公开的一种基于大数据的推送系统的结构示意图。
附图标记说明：大数据获取模块1、判断模块2、分析模块3、推送模块4。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步的详细描述说明。
如图1所示，本发明公开了一种基于大数据的推送方法的一种实施方式，包括如下步骤：
S1、获取目标用户历史记录，若目标用户历史记录少于预设条数，则执行步骤S2，否则，执行S5；
S2、获取目标用户身份信息，执行S3；
S3、基于目标用户身份信息生成用户类别推送信息，执行S4；
S4、向目标用户推送用户类别推送信息；
S5、基于目标用户历史记录生成用户推送信息，执行S6；
S6、向目标用户推送用户推送信息。
在本发明中，若目标用户历史记录大于预设条数，则按照传统的推送方法生成用户推送信息，此为现有技术，再次不再赘述。本发明中对于用户信息的历史记录包括历史浏览记录、购买记录及搜索记录等。这些历史数据可存储于各大网站的存储器中。在现有技术中，若不存在目标用户的历史记录（目标用户为新用户或目标用户的历史记录丢失），则无法进行推送；若目标用户的历史记录过少（少于预设条数，预设条数可根据实际情况进行调整，优选为500条），根据少量样本得出的推送信息，准确率极低。本发明获取用户的身份信息，并根据用户的身份信息对用户进行分类，根据用户的类别得到用户类别推送信息，并将用户类别推送信息推送给目标用户，实现了不存在目标用户的历史记录情况下的信息推送，与目标用户的历史记录过少时进行传统的用户推送信息推送相比，类别推送信息更具有普适性，更能够满足大多数目标用户的需求。
为进一步优化上述技术方案，目标用户身份信息包括用户地域信息，所述基于目标用户身份信息生成用户类别推送信息包括：
获取目标用户所在地域内预设个数的同类别用户的历史记录；
基于同类别用户的历史记录生成用户类别推送信息。
在本发明中，目标用户身份信息可包括用户地域信息，以推送购物信息为例，不同地域的用户购买习惯差异较大，但相同地域的用户的购买习惯相似性较高，因此，获取预设个数（优选为50个）的同类别用户的历史记录来生成用户类别推送信息。在具体生成推送信息时，可将这些相同地域内的用户的历史记录视作目标用户的历史记录，再采用现有的推送信息生成方法生成相应的类别推送信息。这种方法简单快捷计算量小，且具有较好的普适性。地域的划分可按照经纬度进行划分，也可按照省、市或县的方式进行划分，还可根据不同地区的风俗习惯进行划分。
如图2所示，本发明还公开了上述推送方法的此种实施方式对应的推送系统，包括大数据获取模块、判断模块、分析模块及推送模块，其中：
大数据获取模块用于目标用户历史记录；
判断模块用于判断目标用户历史记录是否少于预设条数；
大数据获取模块还用于获取目标用户身份信息；
分析模块用于基于目标用户身份信息生成用户类别推送信息；
推送模块用于向目标用户推送用户类别推送信息；
分析模块还用于基于目标用户历史记录生成用户推送信息；
推送模块还用于向目标用户推送用户推送信息。
为进一步优化上述技术方案，目标用户身份信息包括用户地域信息，所述基于目标用户身份信息生成用户类别推送信息中：
大数据获取模块还用于获取目标用户所在地域内预设个数的同类别用户的历史记录；
分析模块还用于基于同类别用户的历史记录生成用户类别推送信息。
如图1所示，本发明还公开了一种基于大数据的推送方法的另一种实施方式，包括如下步骤：
S1、获取目标用户历史记录，若目标用户历史记录少于预设条数，则执行步骤S2，否则，执行S5；
S2、获取目标用户身份信息，执行S3；
S3、基于目标用户身份信息生成用户类别推送信息，执行S4；
S4、向目标用户推送用户类别推送信息；
S5、基于目标用户历史记录生成用户推送信息，执行S6；
S6、向目标用户推送用户推送信息。
在本发明中，若目标用户历史记录大于预设条数，则按照传统的推送方法生成用户推送信息，此为现有技术，再次不再赘述。本发明中对于用户信息的历史记录包括历史浏览记录、购买记录及搜索记录等。这些历史数据可存储于各大网站的存储器中。在现有技术中，若不存在目标用户的历史记录（目标用户为新用户或目标用户的历史记录丢失），则无法进行推送；若目标用户的历史记录过少（少于预设条数，预设条数可根据实际情况进行调整，优选为500条），根据少量样本得出的推送信息，准确率极低。本发明获取用户的身份信息，并根据用户的身份信息对用户进行分类，根据用户的类别得到用户类别推送信息，并将用户类别推送信息推送给目标用户，实现了不存在目标用户的历史记录情况下的信息推送，与目标用户的历史记录过少时进行传统的用户推送信息推送相比，类别推送信息更具有普适性，更能够满足大多数目标用户的需求。
为进一步优化上述技术方案，目标用户身份信息包括用户年龄信息、用户性别信息、用户职业信息及用户爱好信息中的任意一项或多项，所述基于目标用户身份信息生成用户类别推送信息包括：
基于目标用户身份信息获取预设个数的相似用户的历史记录；
基于相似用户的历史记录生成用户类别推送信息。
当不同用户的年龄、性别、执业及爱好相同或相似时，他们也会具有相同或相似的感兴趣的推送信息，因此，本发明中，还可以将这些信息作为用户身份信息。然后获取那些拥有与目标用户身份信息相似的身份信息的相似用户的历史记录，从而生成用户类别推送信息。这种方法与采用相同地域的用户的历史记录生成类别推送信息相比，针对性更强且准确性更高。再具体实施时，可将具有相同性别，相同职业，年龄相差在5岁以内，爱好包括了目标用户爱好的用户作为相似用户。在这种方式中，用户身份信息包括的栏目越多，最终得到的类别推送信息就越准确。
为进一步优化上述技术方案，所述基于相似用户的历史记录生成用户类别推送信息包括：
获取相似用户的身份信息；
计算相似用户的身份信息与目标用户的身份信息的身份信息相似度；
基于每个相似用户的身份信息相似度计算每个相似用户的历史记录权重；
基于每个相似用户的历史记录生成每个相似用户的相似用户推送信息；
基于历史记录权重及其对应的相似用户推送信息生成用户类别推送信息。
在本发明中，不同的相似用户的身份信息其与目标用户身份信息的相似度是不同的，越相似的用户其历史记录就越具有代表性，因此，本发明为不同相似用户设置了不同的历史记录权重，从而使推送信息更加准确。身份信息的相似度计算现有技术中有多种方法，再次不再赘述。在获取了相似用户对应的相似度后，可计算历史记录权重。不同相似用户的历史记录权重的比值与其相似度的比值相等，之后再将所有历史记录权重乘以一个相同的系数x，使xA1+xA2+……+xAn=1，式中，A1至An为各历史记录权重。之后再将得到的A1至An作为新的历史记录权重，将新的历史记录权重与对应的历史记录中的数据相乘，以相乘后的数据的和生成用户类别推送信息。
如图2所示，本发明还公开了上述推送方法的此种实施方式对应的推送系统，包括大数据获取模块、判断模块、分析模块及推送模块，其中：
大数据获取模块用于目标用户历史记录；
判断模块用于判断目标用户历史记录是否少于预设条数；
大数据获取模块还用于获取目标用户身份信息；
分析模块用于基于目标用户身份信息生成用户类别推送信息；
推送模块用于向目标用户推送用户类别推送信息；
分析模块还用于基于目标用户历史记录生成用户推送信息；
推送模块还用于向目标用户推送用户推送信息。
为进一步优化上述技术方案，目标用户身份信息包括用户年龄信息、用户性别信息、用户职业信息及用户爱好信息中的任意一项或多项，所述基于目标用户身份信息生成用户类别推送信息中：
大数据获取模块还用于基于目标用户身份信息获取预设个数的相似用户的历史记录；
分析模块还用于基于相似用户的历史记录生成用户类别推送信息。
为进一步优化上述技术方案，所述基于相似用户的历史记录生成用户类别推送信息中：
大数据获取模块还用于获取相似用户的身份信息；
分析模块还用于计算相似用户的身份信息与目标用户的身份信息的身份信息相似度；
分析模块还用于基于每个相似用户的历史记录生成每个相似用户的相似用户推送信息；
分析模块还用于基于历史记录权重及其对应的相似用户推送信息生成用户类别推送信息。
最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管通过参照本发明的优选实施例已经对本发明进行了描述，但本领域的普通技术人员应当理解，可以在形式上和细节上对其作出各种各样的改变，而不偏离所附权利要求书所限定的本发明的精神和范围。
Claims (8)
1.一种基于大数据的推送方法，其特征在于，包括如下步骤：
S1、获取目标用户历史记录，若目标用户历史记录少于预设条数，则执行步骤S2，否则，执行S5；
S2、获取目标用户身份信息，执行S3；
S3、基于目标用户身份信息生成用户类别推送信息，执行S4；
S4、向目标用户推送用户类别推送信息；
S5、基于目标用户历史记录生成用户推送信息，执行S6；
S6、向目标用户推送用户推送信息。
2.如权利要求1所述的基于大数据的推送方法，其特征在于，目标用户身份信息包括用户地域信息，所述基于目标用户身份信息生成用户类别推送信息包括：
获取目标用户所在地域内预设个数的同类别用户的历史记录；
基于同类别用户的历史记录生成用户类别推送信息。
3.如权利要求1所述的基于大数据的推送方法，其特征在于，目标用户身份信息包括用户年龄信息、用户性别信息、用户职业信息及用户爱好信息中的任意一项或多项，所述基于目标用户身份信息生成用户类别推送信息包括：
基于目标用户身份信息获取预设个数的相似用户的历史记录；
基于相似用户的历史记录生成用户类别推送信息。
4.如权利要求3所述的基于大数据的推送方法，其特征在于，所述基于相似用户的历史记录生成用户类别推送信息包括：
获取相似用户的身份信息；
计算相似用户的身份信息与目标用户的身份信息的身份信息相似度；
基于每个相似用户的身份信息相似度计算每个相似用户的历史记录权重；
基于每个相似用户的历史记录生成每个相似用户的相似用户推送信息；
基于历史记录权重及其对应的相似用户推送信息生成用户类别推送信息。
5.一种基于大数据的推送系统，其特征在于，包括大数据获取模块、判断模块、分析模块及推送模块，其中：
大数据获取模块用于目标用户历史记录；
判断模块用于判断目标用户历史记录是否少于预设条数；
大数据获取模块还用于获取目标用户身份信息；
分析模块用于基于目标用户身份信息生成用户类别推送信息；
推送模块用于向目标用户推送用户类别推送信息；
分析模块还用于基于目标用户历史记录生成用户推送信息；
推送模块还用于向目标用户推送用户推送信息。
6.如权利要求5所述的基于大数据的推送系统，其特征在于，目标用户身份信息包括用户地域信息，所述基于目标用户身份信息生成用户类别推送信息中：
大数据获取模块还用于获取目标用户所在地域内预设个数的同类别用户的历史记录；
分析模块还用于基于同类别用户的历史记录生成用户类别推送信息。
7.如权利要求5所述的基于大数据的推送系统，其特征在于，目标用户身份信息包括用户年龄信息、用户性别信息、用户职业信息及用户爱好信息中的任意一项或多项，所述基于目标用户身份信息生成用户类别推送信息中：
大数据获取模块还用于基于目标用户身份信息获取预设个数的相似用户的历史记录；
分析模块还用于基于相似用户的历史记录生成用户类别推送信息。
8.如权利要求7所述的基于大数据的推送系统，其特征在于，所述基于相似用户的历史记录生成用户类别推送信息中：
大数据获取模块还用于获取相似用户的身份信息；
分析模块还用于计算相似用户的身份信息与目标用户的身份信息的身份信息相似度；
分析模块还用于基于每个相似用户的历史记录生成每个相似用户的相似用户推送信息；
分析模块还用于基于历史记录权重及其对应的相似用户推送信息生成用户类别推送信息。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910424223.3A CN110134870A (zh) | 2019-05-21 | 2019-05-21 | 一种基于大数据的推送方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910424223.3A CN110134870A (zh) | 2019-05-21 | 2019-05-21 | 一种基于大数据的推送方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110134870A true CN110134870A (zh) | 2019-08-16 |
Family
ID=67571921
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910424223.3A Pending CN110134870A (zh) | 2019-05-21 | 2019-05-21 | 一种基于大数据的推送方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110134870A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112464106A (zh) * | 2020-11-26 | 2021-03-09 | 上海哔哩哔哩科技有限公司 | 对象推荐方法及装置 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102332006A (zh) * | 2011-08-03 | 2012-01-25 | 百度在线网络技术（北京）有限公司 | 一种信息推送控制方法及装置 |
| CN105787061A (zh) * | 2016-02-29 | 2016-07-20 | 广东顺德中山大学卡内基梅隆大学国际联合研究院 | 信息推送方法 |
| CN106447372A (zh) * | 2015-08-10 | 2017-02-22 | 北京奇虎科技有限公司 | 产品信息推送方法及装置 |
| CN109460514A (zh) * | 2018-11-02 | 2019-03-12 | 北京京东尚科信息技术有限公司 | 用于推送信息的方法和装置 |
| CN109583961A (zh) * | 2018-12-04 | 2019-04-05 | 北京唐冠天朗科技开发有限公司 | 一种基于身份识别信息匹配服务信息的方法和系统 |
| CN109657140A (zh) * | 2018-12-13 | 2019-04-19 | 平安普惠企业管理有限公司 | 信息推送方法、装置、计算机设备及存储介质 |
| CN109697628A (zh) * | 2018-11-12 | 2019-04-30 | 平安科技（深圳）有限公司 | 产品数据推送方法及装置、存储介质、计算机设备 |
-
2019
- 2019-05-21 CN CN201910424223.3A patent/CN110134870A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102332006A (zh) * | 2011-08-03 | 2012-01-25 | 百度在线网络技术（北京）有限公司 | 一种信息推送控制方法及装置 |
| CN106447372A (zh) * | 2015-08-10 | 2017-02-22 | 北京奇虎科技有限公司 | 产品信息推送方法及装置 |
| CN105787061A (zh) * | 2016-02-29 | 2016-07-20 | 广东顺德中山大学卡内基梅隆大学国际联合研究院 | 信息推送方法 |
| CN109460514A (zh) * | 2018-11-02 | 2019-03-12 | 北京京东尚科信息技术有限公司 | 用于推送信息的方法和装置 |
| CN109697628A (zh) * | 2018-11-12 | 2019-04-30 | 平安科技（深圳）有限公司 | 产品数据推送方法及装置、存储介质、计算机设备 |
| CN109583961A (zh) * | 2018-12-04 | 2019-04-05 | 北京唐冠天朗科技开发有限公司 | 一种基于身份识别信息匹配服务信息的方法和系统 |
| CN109657140A (zh) * | 2018-12-13 | 2019-04-19 | 平安普惠企业管理有限公司 | 信息推送方法、装置、计算机设备及存储介质 |
Non-Patent Citations (1)
| Title |
|---|
| 毛郁欣，赵亮: "大数据时代电商伦理前沿问题研究", 东北大学出版社 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112464106A (zh) * | 2020-11-26 | 2021-03-09 | 上海哔哩哔哩科技有限公司 | 对象推荐方法及装置 |
| CN112464106B (zh) * | 2020-11-26 | 2022-12-13 | 上海哔哩哔哩科技有限公司 | 对象推荐方法及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10366119B2 (en) | Customized content stream utilizing dwelltime-based machine learning | |
| US20220188369A1 (en) | High-speed delay scanning and deep learning techniques for spectroscopic srs imaging | |
| CN107644089B (zh) | 一种基于网络媒体的热门事件提取方法 | |
| US9183497B2 (en) | Performance-efficient system for predicting user activities based on time-related features | |
| JP6316409B2 (ja) | トピックに関連付けられているコンテンツ・アイテムのフィードを複数のコンテンツ・ソースから生成する | |
| TWI475412B (zh) | 數位內容次序調整方法和數位內容匯流器 | |
| US20190266257A1 (en) | Vector similarity search in an embedded space | |
| US20180246899A1 (en) | Generate an index for enhanced search based on user interests | |
| US20170214646A1 (en) | Systems and methods for providing social media location information | |
| CN105426514A (zh) | 个性化的移动应用app推荐方法 | |
| CN102184224A (zh) | 一种筛选搜索结果的系统和方法 | |
| CN103295145A (zh) | 一种基于用户消费特征向量的手机广告投放方法 | |
| KR20150054861A (ko) | 계층화된 디스크립터들의 클러스터링에 기반한 사용자 프로파일 | |
| US10970296B2 (en) | System and method for data mining and similarity estimation | |
| Hauff et al. | Placing images on the world map: a microblog-based enrichment approach | |
| KR101259604B1 (ko) | 소셜 네트워크 기반의 컨텐츠 추천 시스템 및 컨텐츠 추천 방법 | |
| CN105787055A (zh) | 信息推荐方法及装置 | |
| CN106850750A (zh) | 一种实时推送信息的方法和装置 | |
| CN107408122B (zh) | 用于新鲜因特网内容的有效检索的介质和方法 | |
| US20140330770A1 (en) | Context-aware implicit and explicit search | |
| WO2017136179A1 (en) | Pattern matching for content in digital magazine | |
| CN117273003B (zh) | 文本数据处理方法、模型训练方法以及命名实体识别方法 | |
| CN105488213A (zh) | 面向lbs的基于马尔可夫预测算法的个性化推荐方法 | |
| CN107357845A (zh) | 一种基于Spark的旅游兴趣推荐系统及推荐方法 | |
| CN106354859A (zh) | 景点推荐设备、方法及系统 |
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: 20190816 |
|
| RJ01 | Rejection of invention patent application after publication |