CN110147500A - 一种信息推荐方法及装置 - Google Patents
一种信息推荐方法及装置 Download PDFInfo
- Publication number
- CN110147500A CN110147500A CN201910423261.7A CN201910423261A CN110147500A CN 110147500 A CN110147500 A CN 110147500A CN 201910423261 A CN201910423261 A CN 201910423261A CN 110147500 A CN110147500 A CN 110147500A
- Authority
- CN
- China
- Prior art keywords
- recommended
- recommendation
- factor
- algorithm
- recommending
- 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
- 238000000034 method Methods 0.000 title claims abstract description 48
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 108
- 238000004364 calculation method Methods 0.000 claims description 12
- 241000406668 Loxodonta cyclotis Species 0.000 claims description 6
- 230000008569 process Effects 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 230000009467 reduction Effects 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
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007717 exclusion Effects 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000003786 synthesis reaction Methods 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
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)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)
Abstract
本发明提供一种信息推荐方法及装置,在确定推荐场景对应的多个待推荐对象的情况下,获取各个待推荐对象对应的各个推荐因子,对任一待推荐对象:确定该待推荐对象对应的各个推荐因子对应的推荐算法,根据各个推荐因子对应的推荐算法,获得各个推荐因子对该待推荐对象的影响数据,并基于各个推荐因子对各个待推荐对象的影响数据,确定推荐场景对应的至少一个目标推荐对象,其中各个推荐因子从不同方面对待推荐对象进行描述,不同待推荐对象对应有相同的推荐因子,每个推荐因子对待推荐对象的影响数据指示该待推荐对象在推荐因子所描述方面在所有待推荐对象中的重要程度,由此从每个推荐因子对待推荐对象的影响确定目标推荐对象,从而提高推荐质量。
Description
技术领域
本发明属于信息处理技术领域,尤其涉及一种信息推荐方法及装置。
背景技术
目前各类应用如网站和APP(Application,应用程序)等均具备推荐功能,通过信息平台的推荐功能向用户推荐信息以此达到引入更多流量的目的,例如根据用户在信息平台中的历史行为向用户推荐信息,以各类购物网站来说,可以根据用户历史购物信息向用户推荐相关物品,以直播网络平台来说,可以根据用户历史浏览信息向用户推荐直播节目。又或者根据信息平台中待推荐对象相关信息进行推荐,以直播网络平台为例,可以根据待推荐的直播节目的人气或送礼价值进行推荐。
从上述推荐方式可知,目前各类信息平台根据单一信息向用户推荐信息,而单一信息仅能体现出待推荐对象的一个方面,无法对待推荐对象进行全面描述,从而降低推荐质量。
发明内容
有鉴于此,本发明的目的在于提供一种信息推荐方法及装置,用于提高推荐质量。技术方案如下:
本发明提供一种信息推荐方法,所述方法包括:
确定推荐场景对应的各个待推荐对象;
获取所述各个待推荐对象对应的各个推荐因子,任一待推荐对象对应的各个推荐因子用于从不同方面对该待推荐对象进行描述,且不同待推荐对象对应有相同的推荐因子;
对各个待推荐对象中任一待推荐对象:确定该待推荐对象对应的各个推荐因子对应的推荐算法,根据各个推荐因子对应的推荐算法,获得各个推荐因子对该待推荐对象的影响数据,所述影响数据用于指示该待推荐对象在推荐因子所描述方面在所有待推荐对象中的重要程度;
基于各个推荐因子对各个待推荐对象的影响数据,从所述各个待推荐对象中确定所述推荐场景对应的至少一个目标推荐对象。
优选的,所述确定该待推荐对象对应的各个推荐因子对应的推荐算法包括:
获得各个推荐因子对该待推荐对象的描述内容;
基于各个描述内容对该待推荐对象的影响情况,从预设算法集合中选取出各个推荐因子对应的推荐算法,任一描述内容用于表明该描述内容所属推荐因子提高该待推荐对象在所有待推荐对象中的重要程度或降低该待推荐对象在所有待推荐对象中的重要程度。
优选的,所述预设算法集合中包括第一算法和第二算法,所述第一算法用于表明描述内容所属推荐因子提高该待推荐对象在所有待推荐对象中的重要程度,所述第二算法用于表明描述内容所属推荐因子降低该待推荐对象在所有待推荐对象中的重要程度;
所述第一算法的计算公式为:
所述第二算法的计算公式为:
其中yi为第i个推荐因子的权重,以表示第i个推荐因子对该待推荐对象的影响数据,xi表示第i个推荐因子的取值,M表示所有待推荐对象中第i个推荐因子的最大值,c为常数,a表示所有待推荐对象中第i个推荐因子的平均值,若a=M时,则基于第一算法得到yi的取值为1,基于第二算法得到的yi的取值为0。
优选的,所述基于各个推荐因子对各个待推荐对象的影响数据,从所述各个待推荐对象中确定所述推荐场景对应的至少一个目标推荐对象包括:
基于各个推荐因子对各个待推荐对象的影响数据,获得各个待推荐对象的综合影响数据,基于各个待推荐对象的综合影响数据确定所述至少一个目标推荐对象,所述待推荐对象的综合影响数据用于指示该待推荐对象在所有待推荐对象中的重要程度;
或者
从具有第一优先级至第n优先级的各推荐因子中,确定出影响数据不同的最高一级的推荐因子,获得所述最高一级的推荐因子对各个待推荐对象的影响数据,基于最高一级的推荐因子对各个待推荐对象的影响数据确定所述至少一个目标推荐对象。
优选的,所述方法还包括:
在接收到携带有所述推荐场景的信息展示请求的情况下,确定所述推荐场景对应的至少一个目标推荐对象的推荐内容;
展示所述至少一个目标推荐对象的推荐内容。
本发明还提供一种信息推荐装置,所述装置包括:
第一确定单元,用于确定推荐场景对应的各个待推荐对象;
获取单元,用于获取所述各个待推荐对象对应的各个推荐因子,任一待推荐对象对应的各个推荐因子用于从不同方面对该待推荐对象进行描述,且不同待推荐对象对应有相同的推荐因子;
第二确定单元,用于对各个待推荐对象中任一待推荐对象:确定该待推荐对象对应的各个推荐因子对应的推荐算法;
计算单元,用于对各个待推荐对象中任一待推荐对象:根据各个推荐因子对应的推荐算法,获得各个推荐因子对该待推荐对象的影响数据,所述影响数据用于指示该待推荐对象在推荐因子所描述方面在所有待推荐对象中的重要程度;
第三确定单元,用于基于各个推荐因子对各个待推荐对象的影响数据,从所述各个待推荐对象中确定所述推荐场景对应的至少一个目标推荐对象。
优选的,所述第二确定单元,具体用于获得各个推荐因子对该待推荐对象的描述内容,并基于各个描述内容对该待推荐对象的影响情况,从预设算法集合中选取出各个推荐因子对应的推荐算法,任一描述内容用于表明该描述内容所属推荐因子提高该待推荐对象在所有待推荐对象中的重要程度或降低该待推荐对象在所有待推荐对象中的重要程度。
优选的,所述预设算法集合中包括第一算法和第二算法,所述第一算法用于表明描述内容所属推荐因子提高该待推荐对象在所有待推荐对象中的重要程度,所述第二算法用于表明描述内容所属推荐因子降低该待推荐对象在所有待推荐对象中的重要程度;
所述第一算法的计算公式为:
所述第二算法的计算公式为:
其中yi为第i个推荐因子的权重,以表示第i个推荐因子对该待推荐对象的影响数据,xi表示第i个推荐因子的取值,M表示所有待推荐对象中第i个推荐因子的最大值,c为常数,a表示所有待推荐对象中第i个推荐因子的平均值,若a=M时,则基于第一算法得到yi的取值为1,基于第二算法得到的yi的取值为0。
优选的,所述第三确定单元,具体用于基于各个推荐因子对各个待推荐对象的影响数据,获得各个待推荐对象的综合影响数据,基于各个待推荐对象的综合影响数据确定所述至少一个目标推荐对象,所述待推荐对象的综合影响数据用于指示该待推荐对象在所有待推荐对象中的重要程度;
或者
所述第三确定单元,具体用于从具有第一优先级至第n优先级的各推荐因子中,确定出影响数据不同的最高一级的推荐因子,获得所述最高一级的推荐因子对各个待推荐对象的影响数据,基于最高一级的推荐因子对各个待推荐对象的影响数据确定所述至少一个目标推荐对象。
优选的,所述装置还包括:
第四确定单元,用于在接收到携带有所述推荐场景的信息展示请求的情况下,确定所述推荐场景对应的至少一个目标推荐对象的推荐内容;
展示单元,用于展示所述至少一个目标推荐对象的推荐内容。
本发明还提供一种存储介质,所述存储介质上存储有计算机程序代码,所述计算机程序代码执行时实现上述信息推荐方法。
本发明还提供一种处理设备,所述处理设备包括处理器和存储器,所述存储器上存储有一个或多个程序,所述处理器运行所述一个或多个程序时实现上述信息推荐方法。
从上述技术方案可知,在确定推荐场景对应的多个待推荐对象的情况下,获取各个待推荐对象对应的各个推荐因子,对各个待推荐对象中任一待推荐对象:确定该待推荐对象对应的各个推荐因子对应的推荐算法,根据各个推荐因子对应的推荐算法,获得各个推荐因子对该待推荐对象的影响数据,并基于各个推荐因子对各个待推荐对象的影响数据,从各个待推荐对象中确定推荐场景对应的至少一个目标推荐对象,其中任一待推荐对象对应的各个推荐因子用于从不同方面对该待推荐对象进行描述,不同待推荐对象对应有相同的推荐因子,意味着从各个待推荐对象中确定目标推荐对象是综合考虑待推荐对象的多个方面,并且不同待推荐对象对应有相同的推荐因子,每个推荐因子对待推荐对象的影响数据指示该待推荐对象在推荐因子所描述方面在所有待推荐对象中的重要程度,由此能够从每个推荐因子对待推荐对象的影响以及相同推荐因子对待推荐对象的影响综合考虑以确定出目标推荐对象,从而提高推荐质量。
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,下面将对实施例或现有技术描述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。
图1是本发明实施例提供的一种信息推荐方法的流程图;
图2是本发明实施例提供的待推荐对象排序的示意图;
图3是本发明实施例提供的另一种信息推荐方法的流程图;
图4是本发明实施例提供的直播应用对应的系统框架示意图;
图5是本发明实施例提供的一种信息推荐装置的结构示意图;
图6是本发明实施例提供的另一种信息推荐装置的结构示意图。
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。基于本发明中的实施例,本领域普通技术人员在没有做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。
请参阅图1,其示出了本发明实施例提供的一种信息推荐方法的流程图,用于提高推荐质量,可以包括以下步骤:
S101:确定推荐场景对应的各个待推荐对象。可以理解的是:推荐场景是为展示目标推荐对象的推荐内容预设的场景,对于任一具备推荐功能的应用可以预设多个推荐场景,并且每个推荐场景对应的推荐需求可能不同,使得每个推荐场景展示的目标推荐对象可有所不同。
例如对于直播应用来说,为直播应用预设的推荐场景包括但不限于:首页特别推荐场景、热门推荐场景、广场页推荐场景和家族推荐场景等,其中首页特别推荐场景表明在直播应用的首页进行推荐,如推荐不存在违法行为的目标推荐对象,所谓直播应用的首页是在直播应用启用后呈现的第一个页面;热门推荐场景用于表明对直播应用中播出的热门对象进行推荐,所谓热门对象是在直播应用中播出的各个待推荐对象中符合预设条件的目标推荐对象,如预设条件可以包括但不限于:被浏览次数大于预设次数、待推荐对象的人气热度超过预设热度、待推荐对象的在线观看人数超过预设人数等中的至少一种,对于预设次数、预设热度和预设人数可以根据实际应用而定。广场页是展示所有开播主播的页面,相应的广场页推荐场景则是对页面展示的所有主播进行排序推荐。家族推荐场景则是为使用同一个直播应用的各个家庭成员进行推荐,如使用同一个账户的用户视为是同一个家庭的成员,或者使用同一个设备运行直播应用的用户视为是同一个家庭的成员。
在为应用预设多个推荐场景的情况下,本实施例确定推荐场景的方式可以是但不限于是:随机选取一个推荐场景,或者展示预设的多个推荐场景,从多个推荐场景中确定用户操作选中的推荐场景,其中展示预设的多个推荐场景可以是但不限于是:在终端(执行本实施例提供的信息推荐方法的终端)的显示区域显示预设的多个推荐场景,或者终端借助于其他技术如投屏和投影等显示预设的多个推荐场景。
在本实施例中除预设多个推荐场景之外,还可以通过其他方式来确定推荐场景,如预先训练得到一个用于进行推荐场景确定的识别模型,将当前应用对应的用于进行推荐场景确定的输入参数输入到识别模型中,得到当前应用对应的推荐场景,其中识别模型和用于进行推荐场景确定的输入参数可参照现有基于神经网络训练模型的技术,对此本实施例不再详述。
在通过上述方式确定推荐场景的情况下,需要为确定出的推荐场景匹配各个待推荐对象,如根据推荐场景的推荐需求,匹配与推荐场景对应的各个待推荐对象。又或者将推荐场景所属应用可提供的所有待推荐对象均确定为推荐场景对应的各个待推荐对象,对此本实施例对推荐场景对应的各个待推荐对象不进行限定。
S102:获取各个待推荐对应的各个推荐因子,其中任一推荐对象对应的各个推荐因子用于从不同方面对该待推荐对象进行描述,且不同待推荐对象对应有相同的推荐因子。
也就是说,对于任一待推荐对象:通过多个推荐因子对该待推荐对象进行多方面的描述,以使得在确定目标推荐对象时可综合考虑待推荐对象的多个方面,并且各个待推荐对象可以对应有相同的推荐因子,这样能够从同一个方面确定出相同的推荐因子对各个待推荐对象的影响,以基于相同的推荐因子确定目标推荐对象。
其中任一推荐场景的推荐因子是预先基于推荐场景的推荐需求而定,仍以上述直播应用为例,对于热门推荐场景对应的各个待推荐对象来说,需要从该推荐场景中获得最热门的待推荐对象为目标推荐对象(推荐需求),而待推荐对象是否为最热门的待推荐对象可以从人气热度、观看该待推荐对象的人数以及与该待推荐对象的交流等方面出发,由此热门推荐场景对应的各个待推荐对象的推荐因子可以有但不限于有:被浏览次数、在线观看人数、人气热度、预设时间内的交流情况(如预设时间内的弹幕条数、收到的礼物价值、点赞等)中的至少两种,属于该热门推荐场景的各个待推荐对象对应的推荐因子可以完全相同或者可以部分相同。
S103:对各个待推荐对象中任一待推荐对象:确定该待推荐对应的各个待推荐因子对应的推荐算法,根据各个推荐因子对应的推荐算法,获得各个推荐因子对该待推荐对象的影响数据,其中影响数据用于指示该待推荐对象在推荐因子所描述方面在所有待推荐对象中的重要程度。也就是说对于任一推荐因子来说,该推荐因子对一个待推荐对象的影响数据能够表明在该推荐因子所描述方面这个待推荐对象在所有待推荐对象中的重要程度。
在本实施例中,各个推荐因子所描述方面是由各个推荐因子对该待推荐对象的描述内容而定,例如推荐因子对该待推荐对象的描述内容为被浏览次数,则该推荐因子所描述方面为待推荐对象的被浏览方面,如果推荐因子对该待推荐对象的描述内容为在线观看人数,则该推荐因子所描述方面为待推荐对象的被观看方面。
并且各个推荐因子的描述内容对待推荐对象的影响情况不同,描述内容对待推荐对象的影响情况有:一些描述内容表明该描述内容所属推荐因子提高该待推荐对象在所有待推荐对象中的重要程度,一些描述内容表明该描述内容所属推荐因子降低该待推荐对象在所有待推荐对象中的重要程度。
以上述被浏览次数这一推荐因子为例,该推荐因子的描述内容可以是但不限于是:待推荐对象被用户浏览M次(M的取值视实际浏览而定,如可以是100次等),被浏览次数越多说明关注该待推荐对象的用户越多,这就意味着被浏览次数这一推荐因子能够提高待推荐对象在所有待推荐对象中的重要程度。如果推荐因子为违规操作次数,该推荐因子的描述内容可以是但不限于是:待推荐对象未遵照规定A操作,且已违规N次,那么违规操作次数越多和/或未遵照规定的等级(规定可以基于推荐场景人为设定且规定的等级也预设设置)越高说明该待推荐对象没有遵照规定进行操作的情况越严重,若将其确定为目标推荐对象则会加大提高违规内容被传播的次数,因此该违规操作次数这一推荐因子能够降低待推荐对象在所有待推荐对象中的重要程度。
基于此对任一待推荐对象来说,本实施例确定该待推荐对象对应的各个推荐因子对应的推荐算法的一种可行方式如下:
获得各个推荐因子对该待推荐对象的描述内容,基于各个描述内容对该待推荐对象的影响情况,从预设算法集合中选取出各个推荐因子对应的推荐算法,任一描述内容用于表明该描述内容所属推荐因子提高该待推荐对象在所有待推荐对象中的重要程度或降低该待推荐对象在所有待推荐对象中的重要程度。
其中预设算法集合中包括第一算法和第二算法,第一算法用于表明描述内容所属推荐因子提高该待推荐对象在所有待推荐对象中的重要程度,第二算法用于表明描述内容所属推荐因子降低该待推荐对象在所有待推荐对象中的重要程度。
第一算法的计算公式为:第二算法的计算公式为:
其中,yi为第i个推荐因子的权重,以表示第i个推荐因子对该待推荐对象的影响数据,xi表示第i个推荐因子的取值,M表示所有待推荐对象中第i个推荐因子的最大值,c为常数,a表示所有待推荐对象中第i个推荐因子的平均值,若a=M时,则基于第一算法得到yi的取值为1,基于第二算法得到的yi的取值为0。
由此如果推荐因子能够提高待推荐对象在所有待推荐对象中的重要程度,则可以从预设算法集合中选取第一算法,如果推荐因子能够降低待推荐对象在所有待推荐对象中的重要程度,则可以从预设算法集合中选取第二算法。
在这里需要说明的一点是:在实际使用过程中,上述预设算法集合还可以根据当前推荐场景下的各个推荐因子的描述内容更新推荐算法,以该推荐场景下的各个推荐因子能够从得预设算法集合中获得对应的推荐算法,例如一个推荐场景下的推荐因子为:待推荐对象的在线状态,如果在线则可以在确定目标推荐对象时考虑该待推荐对象,此时该推荐因子对待推荐对象的影响数据为1,如果不在线则可以忽略该待推荐对象,此时该推荐因子对待推荐对象的影响数据为0。当然在实际使用过程中还可以由用户指定任一推荐场景下的各个推荐因子对应的推荐算法,这样在获知推荐场景的情况下,可以基于用户指定得到各个推荐因子对应的推荐算法。
S104:基于各个推荐因子对各个待推荐对象的影响数据,从各个待推荐对象中确定推荐场景对应的至少一个目标推荐对象。例如从各个待推荐对象中确定出重要程度满足预设条件的待推荐对象作为目标推荐对象,如确定出重要程度最高的待推荐对象作为目标推荐对象,或者确定出重要程度在预设范围的待推荐对象作为目标推荐对象。在本实施例中,确定目标推荐对象的方式包括但不限于如下两种方式:
第一种方式:基于各个推荐因子对各个待推荐对象的影响数据,获得各个待推荐对象的综合影响数据,基于各个待推荐对象的综合影响数据确定至少一个目标推荐对象,其中待推荐对象的综合影响数据用于指示该待推荐对象在所有待推荐对象中的重要程度。
所谓综合影响数据是对一个待推荐对象从所有推荐因子进行综合考虑得到的数据,例如综合影响数据是由同一个待推荐对象的各个推荐因子对该待推荐对象的影响数据进行求和处理得到,例如各个推荐因子对待推荐对象的影响数据为各个推荐因子的权重,则对于所有待推荐对象中的任一待推荐对象来说,将各个推荐因子的权重进行加权求和或求和平均来得到待推荐对象的权重(综合影响数据的一种形式)。
如果待推荐对象的权重越大说明待推荐对象的重要程度越高,则可以基于待推荐对象的权重对所有待推荐对象进行排序,如按照待推荐对象的权重从大到小的顺序进行排序,以从所有待推荐对象中确定出权重最大的待推荐对象,如果待推荐对象的权重越大说明待推荐对象的重要程度越低,则需要从所有待推荐对象确定出权重最小的待推荐对象。
第二种方式:从具有第一优先级至第n优先级的各推荐因子中,确定出影响数据不同的最高一级的推荐因子,获得最高一级的推荐因子对各个待推荐对象的影响数据,基于最高一级的推荐因子对各个待推荐对象的影响数据确定至少一个目标推荐对象,n为大于1的自然数,且n的取值与该推荐场景对应的推荐因子的数量相同,具体处理过程如下:
确定第一优先级的推荐因子对各个待推荐对象的影响数据是否相同,如果都相同,则确定第二优先级的推荐因子对各个待推荐对象的影响数据是否相同,如果都相同,则确定第三优先级的推荐因子对各个待推荐对象的影响数据是否相同,以此类推直至确定出第j优先级的推荐因子对各个待推荐对象的影响数据不同(j小于或等于n),则第j优先级的推荐因子对各个待推荐对象的影响数据是从具有第一优先级至第n优先级的各推荐因子中确定出的影响数据不同的最高一级的推荐因子。
然后基于第j优先级的推荐因子对各个待推荐对象的影响数据确定至少一个目标推荐对象,如第j优先级的推荐因子对各个待推荐对象的影响数据能够提高待推荐对象的重要程度,那么第j优先级的推荐因子对第i个待推荐对象的影响数据对第i个待推荐对象提高的重要程度越高,说明第i个待推荐对象越能够被确定为目标推荐对象。以第j优先级的推荐因子对第i个待推荐对象的影响数据为第j优先级的推荐因子对第i个待推荐对象的权重,且该权重采用第一算法得到为例,如果第j优先级的推荐因子对第i个待推荐对象的权重的取值越大,说明对第i个待推荐对象提高的重要程度越高,由此第i个待推荐对象越能够被确定为目标推荐对象。
从上述说明可知,对于相邻两个优先级,如第j优先级和第j+1优先级来说,如果第j优先级的推荐因子对各个待推荐对象的影响数据不同,则可以基于第j优先级的推荐因子对各个待推荐对象的影响数据确定至少一个目标推荐对象,如果第j优先级的推荐因子对各个待推荐对象的影响数据均相同,则需要确定第j+1优先级的推荐因子对各个待推荐对象的影响数据是否相同,直至确定出影响数据不同的优先级。
然而在实际使用过程中,任一优先级的推荐因子对各个待推荐对象的影响数据可能同时存在相同和不同两种情况,也就是说任一优先级的推荐因子对各个待推荐对象的影响数据中有部分是相同的,有部分是不同的,则可以根据每个优先级的推荐因子对各个带推荐对象的影响数据进行排序,进而基于排序确定目标推荐对象。
如图2所示,推荐场景对应的各个待推荐对象为待推荐对象1至待推荐对象9,第一优先级的推荐因子对这些待推荐对象的影响数据中待推荐对象3至待推荐对象7的影响数据相同,待推荐对象6至待推荐对象9的影响数据相同,则在基于第一优先级的推荐因子进行排序时,待推荐对象3至待推荐对象7的排序相同,待推荐对象6至待推荐对象9的排序相同,然后基于第一优先级的推荐因子对待推荐对象1至待推荐对象3以及待推荐对象6的影响数据对这些待推荐对象进行排序,得到第一优先级的排序结果,然后再基于第二优先级对待推荐对象3至待推荐对象9进行排序,排序方式参照第一优先级的排序,得到第二优先级的排序结果,以此类推直至得到所有待推荐对象的排序。
结合图2可知对于相邻两个优先级,如第j优先级和第j+1优先级的排序过程是:根据第j优先级的推荐因子对各个待推荐对象的影响数据,对所有待推荐对象进行排序,若第j优先级的推荐因子对各个待推荐对象的影响数据中具有相同的影响数据(简称为具有相同数据的待推荐对象),则根据第j+1优先级的推荐因子对具有相同数据的待推荐对象进行再次排序,其中第j优先级对应的所有待推荐对象是:若第j优先级为第一优先级,则第j优先级对应的所有待推荐对象是推荐场景对应的各个待推荐对象,若第j优先级是除第一优先级之外的,则第j优先级对应的所有待推荐对象是:第j-1优先级中具有相同推荐权重的待推荐对象。
在这里需要说明的一点是:若根据第j优先级的推荐因子(j小于n),得到的排序中不存在具有相同排序的待推荐对象,则终止排序操作。若根据第j优先级的推荐因子得到的排序中存在具有相同排序的待推荐对象,则继续根据剩余的推荐优先级的推荐因子集合继续排序。
上述各个推荐因子的优先级需要视各个推荐因子对待推荐对象的重要程度的影响而定,如果推荐因子能够提高待推荐对象的重要程度,则可以提高该推荐因子的优先级,如果推荐因子能够降低待推荐对象的重要程度,则可以降低该推荐因子的优先级。进一步的如果多个推荐因子都能够提高待推荐对象的重要程度,则根据这多个推荐因子对待推荐对象的重要程度的提高程度确定这多个推荐因子的优先级,例如提高程度越高推荐因子的优先级越高,反之推荐因子的优先级越低,如果多个推荐因子都能够降低待推荐对象的重要程度,也需要根据这多个推荐因此对待推荐对象的重要程度的降低程度确定这多个推荐因子的优先级,例如降低程度越高推荐因子的优先级越低,反之推荐因子的优先级越高。在本实施例中各个推荐因子对待推荐对象的重要程度的影响需要视推荐因子的描述内容而定,具体请参阅上述步骤S 103中的相关说明,对此本实施例不在阐述。
从上述技术方案可知,在确定推荐场景对应的多个待推荐对象的情况下,获取各个待推荐对象对应的各个推荐因子,对各个待推荐对象中任一待推荐对象:确定该待推荐对象对应的各个推荐因子对应的推荐算法,根据各个推荐因子对应的推荐算法,获得各个推荐因子对该待推荐对象的影响数据,并基于各个推荐因子对各个待推荐对象的影响数据,从各个待推荐对象中确定推荐场景对应的至少一个目标推荐对象,其中任一待推荐对象对应的各个推荐因子用于从不同方面对该待推荐对象进行描述,不同待推荐对象对应有相同的推荐因子,意味着从各个待推荐对象中确定目标推荐对象是综合考虑待推荐对象的多个方面,并且不同待推荐对象对应有相同的推荐因子,每个推荐因子对待推荐对象的影响数据指示该待推荐对象在推荐因子所描述方面在所有待推荐对象中的重要程度,由此能够从每个推荐因子对待推荐对象的影响以及相同推荐因子对待推荐对象的影响综合考虑以确定出目标推荐对象,从而提高推荐质量。
请参阅图3,其示出了本发明实施例提供的另一种信息推荐方法的流程图,在图1基础上还可以包括以下步骤:
S105:在接收到携带有推荐场景的信息展示请求的情况下,确定推荐场景对应的至少一个目标推荐对象的推荐内容。其中推荐场景对应的各个目标推荐对象是通过上述图1所示信息推荐方法确定,而各个目标推荐对象的推荐内容可用于对目标推荐对象进行简要说明,其可以通过现有数据获取方式(如爬虫)得到目标推荐对象的所有内容,然后对目标推荐对象的所有内容中提取出推荐内容,以直播应用为例,目标推荐对象可以是一个在线直播主播的视频,相对应的其推荐内容可以是:在线直播主播的头像、在线直播主播当前直播视频的内容等。
信息展示请求则可以与推荐场景绑定,这样在选中任一推荐场景的情况下,则会触发信息展示请求并在信息展示请求中携带有推荐场景,其中对于推荐场景的选中可以是由用户从多个推荐场景中选出,或者为应用绑定的一个默认的推荐场景,在应用启动的情况下接收携带有默认的推荐场景的信息展示请求。
S106:展示至少一个目标推荐对象的推荐内容。其中展示各个目标推荐对象的推荐内容可以是但不限于是:在终端(执行本实施例提供的信息推荐方法的终端)的显示区域显示各个目标推荐对象的推荐内容,或者终端借助于其他技术如投屏和投影等显示预设的多个推荐场景。
从上述技术方案可知,在确定推荐场景对应的各个目标推荐对象的情况下,通过信息展示请求可以展示各个目标推荐对象的推荐内容,以满足不同推荐场景展示不同推荐内容的需求。
下面结合直播应用对本实施例提供的信息推荐方法进行说明,直播应用对应的系统框架如图4所示,该直播应用对应的推荐场景包括但不限于:首页特别推荐场景、热门推荐场景、广场页推荐场景和家族推荐场景,该系统架构包括基础数据work进程、推荐计算算法模型、推荐内容获得模型和展示模型,通过基础数据work进程收集各个推荐因子的取值,如各个推荐因子包括但不限于:20分钟消费、在线人数、开播清晰度和基础权重(推荐的初始权重,作为一种推荐因子)等,推荐计算算法模型下存储有各个推荐场景模型,如首页特别推荐模型用于确定与首页特别推荐场景对应的目标推荐对象,这就意味着推荐计算算法模型下存储的各个推荐场景模型集成有本实施例提供的信息推荐方法,以通过各个推荐场景模型确定出各自对应的目标推荐对象,推荐内容获得模型用于获得属于各个推荐场景的目标推荐对象的推荐内容,并通过该推荐内容获得模型的数据集合存储属于各个推荐场景的目标推荐对象的推荐内容,展示模型则可以用于展示各个目标推荐对象的推荐内容。
对于前述的各方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本发明并不受所描述的动作顺序的限制,因为依据本发明,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和模块并不一定是本发明所必须的。
与上述方法实施例相对应,本发明实施例还提供一种信息推荐装置,其结构如图5所示,可以包括:第一确定单元10、获取单元20、第二确定单元30、计算单元40和第三确定单元50。
第一确定单元10,用于确定推荐场景对应的各个待推荐对象。可以理解的是:推荐场景是为展示目标推荐对象的推荐内容预设的场景,对于任一具备推荐功能的应用可以预设多个推荐场景,并且每个推荐场景对应的推荐需求可能不同,使得每个推荐场景展示的目标推荐对象可有所不同,具体说明请参阅方法实施例。
第一确定单元10在确定推荐场景的情况下,需要为确定出的推荐场景匹配各个待推荐对象,如根据推荐场景的推荐需求,匹配与推荐场景对应的各个待推荐对象。又或者将推荐场景所属应用可提供的所有待推荐对象均确定为推荐场景对应的各个待推荐对象,对此本实施例对推荐场景对应的各个待推荐对象不进行限定。
获取单元20,用于获取各个待推荐对象对应的各个推荐因子,任一待推荐对象对应的各个推荐因子用于从不同方面对该待推荐对象进行描述,且不同待推荐对象对应有相同的推荐因子。
也就是说,对于任一待推荐对象:通过多个推荐因子对该待推荐对象进行多方面的描述,以使得在确定目标推荐对象时可综合考虑待推荐对象的多个方面,并且各个待推荐对象可以对应有相同的推荐因子,这样能够从同一个方面确定出相同的推荐因子对各个待推荐对象的影响,以基于相同的推荐因子确定目标推荐对象。
其中任一推荐场景的推荐因子是预先基于推荐场景的推荐需求而定,由此在确定推荐场景的情况下,获取单元20可以获取为该推荐场景预先设定的各个推荐因子。
第二确定单元30,用于对各个待推荐对象中任一待推荐对象:确定该待推荐对象对应的各个推荐因子对应的推荐算法。
在本实施例中,各个推荐因子所描述方面是由各个推荐因子对该待推荐对象的描述内容而定,例如推荐因子对该待推荐对象的描述内容为被浏览次数,则该推荐因子所描述方面为待推荐对象的被浏览方面,如果推荐因子对该待推荐对象的描述内容为在线观看人数,则该推荐因子所描述方面为待推荐对象的被观看方面。
并且各个推荐因子的描述内容对待推荐对象的影响情况不同,描述内容对待推荐对象的影响情况有:一些描述内容表明该描述内容所属推荐因子提高该待推荐对象在所有待推荐对象中的重要程度,一些描述内容表明该描述内容所属推荐因子降低该待推荐对象在所有待推荐对象中的重要程度。基于此对任一待推荐对象来说,第二确定单元30确定该待推荐对象对应的各个推荐因子对应的推荐算法的一种可行方式如下:
获得各个推荐因子对该待推荐对象的描述内容,基于各个描述内容对该待推荐对象的影响情况,从预设算法集合中选取出各个推荐因子对应的推荐算法,任一描述内容用于表明该描述内容所属推荐因子提高该待推荐对象在所有待推荐对象中的重要程度或降低该待推荐对象在所有待推荐对象中的重要程度。
其中预设算法集合中包括第一算法和第二算法,第一算法用于表明描述内容所属推荐因子提高该待推荐对象在所有待推荐对象中的重要程度,第二算法用于表明描述内容所属推荐因子降低该待推荐对象在所有待推荐对象中的重要程度。
第一算法的计算公式为:第二算法的计算公式为:
其中,yi为第i个推荐因子的权重,以表示第i个推荐因子对该待推荐对象的影响数据,xi表示第i个推荐因子的取值,M表示所有待推荐对象中第i个推荐因子的最大值,c为常数,a表示所有待推荐对象中第i个推荐因子的平均值,若a=M时,则基于第一算法得到yi的取值为1,基于第二算法得到的yi的取值为0。
计算单元40,用于对各个待推荐对象中任一待推荐对象:根据各个推荐因子对应的推荐算法,获得各个推荐因子对该待推荐对象的影响数据,影响数据用于指示该待推荐对象在推荐因子所描述方面在所有待推荐对象中的重要程度。也就是说对于任一推荐因子来说,该推荐因子对一个待推荐对象的影响数据能够表明在该推荐因子所描述方面这个待推荐对象在所有待推荐对象中的重要程度,通过各个推荐因子对应的推荐算法,计算单元40能够计算出各个推荐因子对该待推荐对象的影响数据。
例如如果推荐因子能够提高待推荐对象在所有待推荐对象中的重要程度,则可以从预设算法集合中选取第一算法进行计算,如果推荐因子能够降低待推荐对象在所有待推荐对象中的重要程度,则可以从预设算法集合中选取第二算法进行计算。
第三确定单元50,用于基于各个推荐因子对各个待推荐对象的影响数据,从各个待推荐对象中确定推荐场景对应的至少一个目标推荐对象。例如从各个待推荐对象中确定出重要程度满足预设条件的待推荐对象作为目标推荐对象,如确定出重要程度最高的待推荐对象作为目标推荐对象,或者确定出重要程度在预设范围的待推荐对象作为目标推荐对象。在本实施例中,确定目标推荐对象的方式包括但不限于如下两种方式:
第一种方式:基于各个推荐因子对各个待推荐对象的影响数据,获得各个待推荐对象的综合影响数据,基于各个待推荐对象的综合影响数据确定至少一个目标推荐对象,待推荐对象的综合影响数据用于指示该待推荐对象在所有待推荐对象中的重要程度。
第二种方式:从具有第一优先级至第n优先级的各推荐因子中,确定出影响数据不同的最高一级的推荐因子,获得最高一级的推荐因子对各个待推荐对象的影响数据,基于最高一级的推荐因子对各个待推荐对象的影响数据确定至少一个目标推荐对象。
对于上述两种方式的详细说明请参阅方法实施例,对此本实施例不在阐述。
从上述技术方案可知,在确定推荐场景对应的多个待推荐对象的情况下,获取各个待推荐对象对应的各个推荐因子,对各个待推荐对象中任一待推荐对象:确定该待推荐对象对应的各个推荐因子对应的推荐算法,根据各个推荐因子对应的推荐算法,获得各个推荐因子对该待推荐对象的影响数据,并基于各个推荐因子对各个待推荐对象的影响数据,从各个待推荐对象中确定推荐场景对应的至少一个目标推荐对象,其中任一待推荐对象对应的各个推荐因子用于从不同方面对该待推荐对象进行描述,不同待推荐对象对应有相同的推荐因子,意味着从各个待推荐对象中确定目标推荐对象是综合考虑待推荐对象的多个方面,并且不同待推荐对象对应有相同的推荐因子,每个推荐因子对待推荐对象的影响数据指示该待推荐对象在推荐因子所描述方面在所有待推荐对象中的重要程度,由此能够从每个推荐因子对待推荐对象的影响以及相同推荐因子对待推荐对象的影响综合考虑以确定出目标推荐对象,从而提高推荐质量。
请参阅图6,其示出了本发明实施例提供的另一种信息推荐装置,在图5基础上还可以包括:第四确定单元60和展示单元70。
第四确定单元60,用于在接收到携带有推荐场景的信息展示请求的情况下,确定推荐场景对应的至少一个目标推荐对象的推荐内容。其中推荐场景对应的各个目标推荐对象是通过上述图1所示信息推荐方法确定,而各个目标推荐对象的推荐内容可用于对目标推荐对象进行简要说明,其可以通过现有数据获取方式(如爬虫)得到目标推荐对象的所有内容,然后对目标推荐对象的所有内容中提取出推荐内容,以直播应用为例,目标推荐对象可以是一个在线直播主播的视频,相对应的其推荐内容可以是:在线直播主播的头像、在线直播主播当前直播视频的内容等。
信息展示请求则可以与推荐场景绑定,这样在选中任一推荐场景的情况下,则会触发信息展示请求并在信息展示请求中携带有推荐场景,其中对于推荐场景的选中可以是由用户从多个推荐场景中选出,或者为应用绑定的一个默认的推荐场景,在应用启动的情况下接收携带有默认的推荐场景的信息展示请求。
展示单元70,用于展示至少一个目标推荐对象的推荐内容。其中展示各个目标推荐对象的推荐内容可以是但不限于是:在终端(执行本实施例提供的信息推荐方法的终端)的显示区域显示各个目标推荐对象的推荐内容,或者终端借助于其他技术如投屏和投影等显示预设的多个推荐场景。
从上述技术方案可知,在确定推荐场景对应的各个目标推荐对象的情况下,通过信息展示请求可以展示各个目标推荐对象的推荐内容,以满足不同推荐场景展示不同推荐内容的需求。
本发明实施例还提供一种存储介质,存储介质上存储有计算机程序代码,计算机程序代码执行时实现上述信息推荐方法。
本发明实施例还提供一种处理设备,处理设备包括处理器和存储器,存储器上存储有一个或多个程序,处理器运行一个或多个程序时实现上述信息推荐方法。
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。对于装置类实施例而言,由于其与方法实施例基本相似,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
最后,还需要说明的是,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。
对所公开的实施例的上述说明,使本领域技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (10)
1.一种信息推荐方法,其特征在于,所述方法包括:
确定推荐场景对应的各个待推荐对象;
获取所述各个待推荐对象对应的各个推荐因子,任一待推荐对象对应的各个推荐因子用于从不同方面对该待推荐对象进行描述,且不同待推荐对象对应有相同的推荐因子;
对各个待推荐对象中任一待推荐对象:确定该待推荐对象对应的各个推荐因子对应的推荐算法,根据各个推荐因子对应的推荐算法,获得各个推荐因子对该待推荐对象的影响数据,所述影响数据用于指示该待推荐对象在推荐因子所描述方面在所有待推荐对象中的重要程度;
基于各个推荐因子对各个待推荐对象的影响数据,从所述各个待推荐对象中确定所述推荐场景对应的至少一个目标推荐对象。
2.根据权利要求1所述的方法,其特征在于,所述确定该待推荐对象对应的各个推荐因子对应的推荐算法包括:
获得各个推荐因子对该待推荐对象的描述内容;
基于各个描述内容对该待推荐对象的影响情况,从预设算法集合中选取出各个推荐因子对应的推荐算法,任一描述内容用于表明该描述内容所属推荐因子提高该待推荐对象在所有待推荐对象中的重要程度或降低该待推荐对象在所有待推荐对象中的重要程度。
3.根据权利要求2所述的方法,其特征在于,所述预设算法集合中包括第一算法和第二算法,所述第一算法用于表明描述内容所属推荐因子提高该待推荐对象在所有待推荐对象中的重要程度,所述第二算法用于表明描述内容所属推荐因子降低该待推荐对象在所有待推荐对象中的重要程度;
所述第一算法的计算公式为:
所述第二算法的计算公式为:
其中yi为第i个推荐因子的权重,以表示第i个推荐因子对该待推荐对象的影响数据,xi表示第i个推荐因子的取值,M表示所有待推荐对象中第i个推荐因子的最大值,c为常数,a表示所有待推荐对象中第i个推荐因子的平均值,若a=M时,则基于第一算法得到yi的取值为1,基于第二算法得到的yi的取值为0。
4.根据权利要求1所述的方法,其特征在于,所述基于各个推荐因子对各个待推荐对象的影响数据,从所述各个待推荐对象中确定所述推荐场景对应的至少一个目标推荐对象包括:
基于各个推荐因子对各个待推荐对象的影响数据,获得各个待推荐对象的综合影响数据,基于各个待推荐对象的综合影响数据确定所述至少一个目标推荐对象,所述待推荐对象的综合影响数据用于指示该待推荐对象在所有待推荐对象中的重要程度;
或者
从具有第一优先级至第n优先级的各推荐因子中,确定出影响数据不同的最高一级的推荐因子,获得所述最高一级的推荐因子对各个待推荐对象的影响数据,基于最高一级的推荐因子对各个待推荐对象的影响数据确定所述至少一个目标推荐对象。
5.根据权利要求1所述的方法,其特征在于,所述方法还包括:
在接收到携带有所述推荐场景的信息展示请求的情况下,确定所述推荐场景对应的至少一个目标推荐对象的推荐内容;
展示所述至少一个目标推荐对象的推荐内容。
6.一种信息推荐装置,其特征在于,所述装置包括:
第一确定单元,用于确定推荐场景对应的各个待推荐对象;
获取单元,用于获取所述各个待推荐对象对应的各个推荐因子,任一待推荐对象对应的各个推荐因子用于从不同方面对该待推荐对象进行描述,且不同待推荐对象对应有相同的推荐因子;
第二确定单元,用于对各个待推荐对象中任一待推荐对象:确定该待推荐对象对应的各个推荐因子对应的推荐算法;
计算单元,用于对各个待推荐对象中任一待推荐对象:根据各个推荐因子对应的推荐算法,获得各个推荐因子对该待推荐对象的影响数据,所述影响数据用于指示该待推荐对象在推荐因子所描述方面在所有待推荐对象中的重要程度;
第三确定单元,用于基于各个推荐因子对各个待推荐对象的影响数据,从所述各个待推荐对象中确定所述推荐场景对应的至少一个目标推荐对象。
7.根据权利要求6所述的装置,其特征在于,所述第二确定单元,具体用于获得各个推荐因子对该待推荐对象的描述内容,并基于各个描述内容对该待推荐对象的影响情况,从预设算法集合中选取出各个推荐因子对应的推荐算法,任一描述内容用于表明该描述内容所属推荐因子提高该待推荐对象在所有待推荐对象中的重要程度或降低该待推荐对象在所有待推荐对象中的重要程度。
8.根据权利要求7所述的装置,其特征在于,所述预设算法集合中包括第一算法和第二算法,所述第一算法用于表明描述内容所属推荐因子提高该待推荐对象在所有待推荐对象中的重要程度,所述第二算法用于表明描述内容所属推荐因子降低该待推荐对象在所有待推荐对象中的重要程度;
所述第一算法的计算公式为:
所述第二算法的计算公式为:
其中yi为第i个推荐因子的权重,以表示第i个推荐因子对该待推荐对象的影响数据,xi表示第i个推荐因子的取值,M表示所有待推荐对象中第i个推荐因子的最大值,c为常数,a表示所有待推荐对象中第i个推荐因子的平均值,若a=M时,则基于第一算法得到yi的取值为1,基于第二算法得到的yi的取值为0。
9.根据权利要求6所述的装置,其特征在于,所述第三确定单元,具体用于基于各个推荐因子对各个待推荐对象的影响数据,获得各个待推荐对象的综合影响数据,基于各个待推荐对象的综合影响数据确定所述至少一个目标推荐对象,所述待推荐对象的综合影响数据用于指示该待推荐对象在所有待推荐对象中的重要程度;
或者
所述第三确定单元,具体用于从具有第一优先级至第n优先级的各推荐因子中,确定出影响数据不同的最高一级的推荐因子,获得所述最高一级的推荐因子对各个待推荐对象的影响数据,基于最高一级的推荐因子对各个待推荐对象的影响数据确定所述至少一个目标推荐对象。
10.根据权利要求6所述的装置,其特征在于,所述装置还包括:
第四确定单元,用于在接收到携带有所述推荐场景的信息展示请求的情况下,确定所述推荐场景对应的至少一个目标推荐对象的推荐内容;
展示单元,用于展示所述至少一个目标推荐对象的推荐内容。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910423261.7A CN110147500B (zh) | 2019-05-21 | 2019-05-21 | 一种信息推荐方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910423261.7A CN110147500B (zh) | 2019-05-21 | 2019-05-21 | 一种信息推荐方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110147500A true CN110147500A (zh) | 2019-08-20 |
CN110147500B CN110147500B (zh) | 2021-11-16 |
Family
ID=67592522
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910423261.7A Active CN110147500B (zh) | 2019-05-21 | 2019-05-21 | 一种信息推荐方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110147500B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111461516A (zh) * | 2020-03-26 | 2020-07-28 | 深圳市百纳九洲科技有限公司 | 一种智慧城市综合网格化管理系统平台 |
CN113645474A (zh) * | 2021-07-26 | 2021-11-12 | 阿里巴巴(中国)有限公司 | 互动信息的处理方法、显示方法及电子设备 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104252478A (zh) * | 2013-06-27 | 2014-12-31 | 腾讯科技(深圳)有限公司 | 一种应用程序推荐方法、相关设备和系统 |
CN104965889A (zh) * | 2015-06-17 | 2015-10-07 | 腾讯科技(深圳)有限公司 | 内容推荐方法及装置 |
CN105022761A (zh) * | 2014-04-30 | 2015-11-04 | 腾讯科技(深圳)有限公司 | 群组查找方法和装置 |
CN105183731A (zh) * | 2014-06-04 | 2015-12-23 | 腾讯科技(深圳)有限公司 | 推荐信息生成方法、装置及系统 |
CN106599092A (zh) * | 2016-11-24 | 2017-04-26 | 宇龙计算机通信科技(深圳)有限公司 | 旅游景点的推荐方法及装置 |
CN106815352A (zh) * | 2017-01-17 | 2017-06-09 | 维沃移动通信有限公司 | 一种数据推送方法及移动终端 |
CN107609198A (zh) * | 2017-10-20 | 2018-01-19 | 咪咕互动娱乐有限公司 | 一种推荐方法、装置及计算机可读存储介质 |
CN107784551A (zh) * | 2017-07-24 | 2018-03-09 | 上海壹账通金融科技有限公司 | 股票舆情数据处理方法、装置、计算机设备和存储介质 |
CN107832365A (zh) * | 2017-10-25 | 2018-03-23 | 携程旅游信息技术(上海)有限公司 | 多类旅行产品推送方法、装置、电子设备、存储介质 |
CN109359217A (zh) * | 2018-09-21 | 2019-02-19 | 武汉斗鱼网络科技有限公司 | 一种用户兴趣度计算方法、服务器及可读存储介质 |
CN109492153A (zh) * | 2018-10-18 | 2019-03-19 | 平安科技(深圳)有限公司 | 一种产品推荐方法和装置 |
CN109544231A (zh) * | 2018-11-21 | 2019-03-29 | 浙江工商大学 | 基于物流信息平台的物流配送服务个性化推荐方法 |
-
2019
- 2019-05-21 CN CN201910423261.7A patent/CN110147500B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104252478A (zh) * | 2013-06-27 | 2014-12-31 | 腾讯科技(深圳)有限公司 | 一种应用程序推荐方法、相关设备和系统 |
CN105022761A (zh) * | 2014-04-30 | 2015-11-04 | 腾讯科技(深圳)有限公司 | 群组查找方法和装置 |
CN105183731A (zh) * | 2014-06-04 | 2015-12-23 | 腾讯科技(深圳)有限公司 | 推荐信息生成方法、装置及系统 |
CN104965889A (zh) * | 2015-06-17 | 2015-10-07 | 腾讯科技(深圳)有限公司 | 内容推荐方法及装置 |
CN106599092A (zh) * | 2016-11-24 | 2017-04-26 | 宇龙计算机通信科技(深圳)有限公司 | 旅游景点的推荐方法及装置 |
CN106815352A (zh) * | 2017-01-17 | 2017-06-09 | 维沃移动通信有限公司 | 一种数据推送方法及移动终端 |
CN107784551A (zh) * | 2017-07-24 | 2018-03-09 | 上海壹账通金融科技有限公司 | 股票舆情数据处理方法、装置、计算机设备和存储介质 |
CN107609198A (zh) * | 2017-10-20 | 2018-01-19 | 咪咕互动娱乐有限公司 | 一种推荐方法、装置及计算机可读存储介质 |
CN107832365A (zh) * | 2017-10-25 | 2018-03-23 | 携程旅游信息技术(上海)有限公司 | 多类旅行产品推送方法、装置、电子设备、存储介质 |
CN109359217A (zh) * | 2018-09-21 | 2019-02-19 | 武汉斗鱼网络科技有限公司 | 一种用户兴趣度计算方法、服务器及可读存储介质 |
CN109492153A (zh) * | 2018-10-18 | 2019-03-19 | 平安科技(深圳)有限公司 | 一种产品推荐方法和装置 |
CN109544231A (zh) * | 2018-11-21 | 2019-03-29 | 浙江工商大学 | 基于物流信息平台的物流配送服务个性化推荐方法 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111461516A (zh) * | 2020-03-26 | 2020-07-28 | 深圳市百纳九洲科技有限公司 | 一种智慧城市综合网格化管理系统平台 |
CN111461516B (zh) * | 2020-03-26 | 2021-04-13 | 深圳市百纳九洲科技有限公司 | 一种智慧城市综合网格化管理系统平台 |
CN113645474A (zh) * | 2021-07-26 | 2021-11-12 | 阿里巴巴(中国)有限公司 | 互动信息的处理方法、显示方法及电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN110147500B (zh) | 2021-11-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105005582B (zh) | 多媒体信息的推荐方法及装置 | |
US9076148B2 (en) | Dynamic pricing models for digital content | |
CN110796477A (zh) | 广告展示方法、装置、电子设备及可读存储介质 | |
CN106708817B (zh) | 信息搜索方法及装置 | |
CN106407241A (zh) | 视频推荐方法及系统 | |
CN107590689A (zh) | 一种广告数据推荐方法和系统 | |
CN106326297B (zh) | 一种应用程序推荐方法及装置 | |
CN110602518A (zh) | 直播推荐方法、装置、电子设备及可读存储介质 | |
CN104053023B (zh) | 一种确定视频相似度的方法及装置 | |
CN103686237A (zh) | 推荐视频资源的方法及系统 | |
CN110147500A (zh) | 一种信息推荐方法及装置 | |
JP2001043282A (ja) | 分散データ処理システム | |
CN108363730B (zh) | 一种内容推荐方法、系统及终端设备 | |
CN108280928A (zh) | 一种基于派送圈粉机的广告推送和线下引流方法、系统 | |
CN106708982A (zh) | 一种直播间搜索方法及装置 | |
US20070277218A1 (en) | Interactive television system | |
CN110337012A (zh) | 基于互联网电视平台的智能推荐方法和装置 | |
CN106294564A (zh) | 一种视频推荐方法及装置 | |
CN108733842A (zh) | 视频推荐方法及装置 | |
CN104835049A (zh) | 购买链接推送方法及系统 | |
EP2596464A1 (en) | A method and apparatus for creating recommendations for a user | |
CN108509630A (zh) | 一种新闻推荐方法及装置 | |
Babaei et al. | On the efficiency of the information networks in social media | |
CN106547808A (zh) | 图片更新方法、类目排序方法及装置 | |
CN107645667A (zh) | 视频推荐方法、系统及服务器设备 |
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 | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20231121 Address after: 200335 room 205, floor 2, building 9, No. 365, Linhong Road, Changning District, Shanghai Patentee after: Shanghai iqiyi New Media Technology Co.,Ltd. Address before: 10 / F and 11 / F, iqiyi innovation building, No.2 Beiyi street, Haidian District, Beijing 100080 Patentee before: BEIJING QIYI CENTURY SCIENCE & TECHNOLOGY Co.,Ltd. |