CN110188277A - 一种资源的推荐方法及装置 - Google Patents
一种资源的推荐方法及装置 Download PDFInfo
- Publication number
- CN110188277A CN110188277A CN201910469050.7A CN201910469050A CN110188277A CN 110188277 A CN110188277 A CN 110188277A CN 201910469050 A CN201910469050 A CN 201910469050A CN 110188277 A CN110188277 A CN 110188277A
- Authority
- CN
- China
- Prior art keywords
- recommendation
- resource
- results
- recommending
- way
- 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 24
- 230000006399 behavior Effects 0.000 claims abstract description 14
- 235000013399 edible fruits Nutrition 0.000 claims description 7
- 238000012545 processing Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000001360 synchronised effect Effects 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
- G06F16/10—File systems; File servers
- G06F16/14—Details of searching files based on file metadata
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/40—Information retrieval; Database structures therefor; File system structures therefor of multimedia data, e.g. slideshows comprising image and additional audio data
- G06F16/43—Querying
- G06F16/435—Filtering based on additional data, e.g. user or group profiles
-
- 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
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/20—Education
- G06Q50/205—Education administration or guidance
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Educational Administration (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Educational Technology (AREA)
- Economics (AREA)
- Multimedia (AREA)
- Health & Medical Sciences (AREA)
- Library & Information Science (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- General Business, Economics & Management (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明涉及一种资源的推荐方法及装置，所述方法包括：基于至少一种推荐方式获取与每一个所述推荐方式分别相对应的推荐资源集合，所述推荐方式至少包括基于资源标签的推荐方式、基于学习行为数据的推荐方式以及基于用户兴趣的推荐方式中的至少一种；对至少一个所述推荐资源集合中的推荐结果进行合并，得到推荐合并集合；确定所述推荐合并集合中每个推荐结果的资源推荐价值；其中，每个推荐结果的所述资源推荐价值与该推荐结果的原资源推荐价值和推荐系数均成正比，该推荐系数与该推荐结果的推荐次数成正比；基于所述资源推荐价值的大小排序关系向用户推荐预设数目的推荐结果。本发明可以提升资源推荐的准确性。
Description
技术领域
本发明涉及计算机技术领域，特别是涉及一种资源的推荐方法及装置。
背景技术
在基础教育的媒体类资源和文档类资源平台领域，根据平台用户特点，从海量的学习资源中选择最适合当前用户的资进行推荐处理，是近年来基础教育学习平台发展的重要方向。在该领域，进行智能化推荐的处理，各推荐引擎可以分别从不同角度计算得出推荐子集。主要包括：
1、基于资源标签的推荐：使用类似搜索引擎的技术，根据用户的具体场景计算出场景标签，并基于此标签在资源库中进行搜索查找，并将查找结果输出成为推荐子集。
2、基于学习行为数据的推荐：通过采集用户在平台上的行为数据，如资源点击、资源点赞、资源收藏与引用、对资源的评论等行为，经过计算处理，形成资源的热度指数，将符合用户学习场景最热的几个资源输出成为推荐子集。
3、基于用户兴趣的推荐：根据对用户兴趣的分析，得出一批具有相同爱好的用户群，向用户推荐同一个用户群中其他用户的都感兴趣的推荐子集。
以上资源的推荐过程，对资源有效性的衡量并不充分，通过上述处理计算出来的最终推荐结果，对用户的价值并不大，往往用户并没有被吸引进行点击与观看学习。
发明内容
基于此，有必要针对目前向用户推荐资源的价值较低的问题，提供一种资源的推荐方法及装置。
一种资源的推荐方法，所述方法包括：
基于至少一种推荐方式获取与每一个所述推荐方式分别相对应的推荐资源集合，所述推荐方式至少包括基于资源标签的推荐方式、基于学习行为数据的推荐方式以及基于用户兴趣的推荐方式中的至少一种；
对至少一个所述推荐资源集合中的推荐结果进行合并，得到推荐合并集合；
确定所述推荐合并集合中每个推荐结果的资源推荐价值；其中，每个推荐结果的所述资源推荐价值与该推荐结果的原资源推荐价值和推荐系数均成正比，该推荐系数与该推荐结果的推荐次数成正比；
基于所述资源推荐价值的大小排序关系向用户推荐预设数目的推荐结果。
其中，所述对至少一个所述推荐资源集合中的推荐结果进行合并，得到推荐合并集合，包括：
去除所述推荐资源集合中重复的推荐结果；
将去重后的推荐结果作为推荐合并集合。
其中，所述确定所述推荐合并集合中每个推荐结果的资源推荐价值，包括：
更新所述推荐合并集合中的每个推荐结果的推荐次数；
基于更新后的所述推荐次数更新该推荐结果的推荐系数；
基于更新后的所述推荐系数和对应推荐结果的原资源推荐价值更新该推荐结果的资源推荐价值。
其中，所述基于更新后的所述推荐次数更新该推荐结果的推荐系数之前，所述方法还包括：
确定用户对所述推荐合并集合进行预设操作的目标推荐结果；
所述所述基于更新后的所述推荐次数更新该推荐结果的推荐系数，包括：
基于用户对所述目标推荐结果的预设操作的操作参数和更新后的推荐次数更新该目标推荐结果的推荐系数。
其中，所述预设操作的操作参数包括以下至少一种：
当目标推荐结果为媒体资源时，操作参数为用户的观看时长与媒体资源总时长的比值；
当目标推荐结果为文档资源时，操作参数为用户观看的页数与文档资源总页数的比值。
一种资源的推荐装置，所述装置包括：
获取模块，用于基于至少一种推荐方式获取与每一个所述推荐方式分别相对应的推荐资源集合，所述推荐方式至少包括基于资源标签的推荐方式、基于学习行为数据的推荐方式以及基于用户兴趣的推荐方式中的至少一种；
合并模块，用于对至少一个所述推荐资源集合中的推荐结果进行合并，得到推荐合并集合；
确定模块，用于确定所述推荐合并集合中每个推荐结果的资源推荐价值；其中，每个推荐结果的所述资源推荐价值与该推荐结果的原资源推荐价值和推荐系数均成正比，该推荐系数与该推荐结果的推荐次数成正比；
推荐模块，用于基于所述资源推荐价值的大小排序关系向用户推荐预设数目的推荐结果。
其中，合并模块还用于：
去除所述推荐资源集合中重复的推荐结果；
将去重后的推荐结果作为推荐合并集合。
其中，确定模块包括：
第一单元，用于更新所述推荐合并集合中的每个推荐结果的推荐次数；
第二单元，用于基于更新后的所述推荐次数更新该推荐结果的推荐系数；
第三单元，用于基于更新后的所述推荐系数和对应推荐结果的原资源推荐价值更新该推荐结果的资源推荐价值。
其中，确定模块还包括：
第四单元，用于确定用户对所述推荐合并集合进行预设操作的目标推荐结果；
所述第二单元还用于：
基于用户对所述目标推荐结果的预设操作的操作参数和更新后的推荐次数更新该目标推荐结果的推荐系数。
其中，所述预设操作的操作参数包括以下至少一种：
当目标推荐结果为媒体资源时，操作参数为用户的观看时长与媒体资源总时长的比值；
当目标推荐结果为文档资源时，操作参数为用户观看的页数与文档资源总页数的比值。
本发明中，基于至少一种推荐方式获取与每一个所述推荐方式分别相对应的推荐资源集合，所述推荐方式至少包括基于资源标签的推荐方式、基于学习行为数据的推荐方式以及基于用户兴趣的推荐方式中的至少一种；对至少一个所述推荐资源集合中的推荐结果进行合并，得到推荐合并集合；确定所述推荐合并集合中每个推荐结果的资源推荐价值；其中，每个推荐结果的所述资源推荐价值与该推荐结果的原资源推荐价值和推荐系数均成正比，该推荐系数与该推荐结果的推荐次数成正比；基于所述资源推荐价值的大小排序关系向用户推荐预设数目的推荐结果。由此，本发明在得到推荐合并集合后，可以更新推荐次数后进一步确定推荐结果的资源推荐价值，从而向用户推荐更为有价值的资源，提升推荐的准确性。
附图说明
图1为本发明一实施例的资源的推荐方法的流程图；
图2为本发明一实施例的资源的推荐装置的结构图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，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，并不用于限定本发明。
图1为本发明一实施例的资源的推荐方法的流程图，如图1所示，该资源的推荐方法包括：
步骤120，基于至少一种推荐方式获取与每一个推荐方式分别相对应的推荐资源集合，推荐方式至少包括基于资源标签的推荐方式、基于学习行为数据的推荐方式以及基于用户兴趣的推荐方式中的至少一种；
步骤140，对至少一个推荐资源集合中的推荐结果进行合并，得到推荐合并集合；
步骤160，确定推荐合并集合中每个推荐结果的资源推荐价值；其中，每个推荐结果的资源推荐价值与该推荐结果的原资源推荐价值和推荐系数均成正比，该推荐系数与该推荐结果的推荐次数成正比；
步骤180，基于资源推荐价值的大小排序关系向用户推荐预设数目的推荐结果。
本发明中，基于至少一种推荐方式获取与每一个所述推荐方式分别相对应的推荐资源集合，所述推荐方式至少包括基于资源标签的推荐方式、基于学习行为数据的推荐方式以及基于用户兴趣的推荐方式中的至少一种；对至少一个所述推荐资源集合中的推荐结果进行合并，得到推荐合并集合；确定所述推荐合并集合中每个推荐结果的资源推荐价值；其中，每个推荐结果的所述资源推荐价值与该推荐结果的原资源推荐价值和推荐系数均成正比，该推荐系数与该推荐结果的推荐次数成正比；基于所述资源推荐价值的大小排序关系向用户推荐预设数目的推荐结果。由此，本发明在得到推荐合并集合后，可以更新推荐次数后进一步确定推荐结果的资源推荐价值，从而向用户推荐更为有价值的资源，提升推荐的准确性。
本实施例中，可以理解，资源可以是媒体资源或者文档资源等，媒体资源可以是音频、视频等资源，文档资源可以word、excel等各种文档资源。本实施例在此不再一一列举。可以理解，各种资源并不影响本实施例的实现。
对于不同的资源，如视频或文件资源等，可以基于不同的推荐方式，如基于资源标签的推荐方式、基于学习行为数据的推荐方式以及基于用户兴趣的推荐方式等。本实施例不局限于以上推荐方式。
对于各种资源，包括同一类型或不同类型的资源，如只包括视频或文档，或者视频与文档均包括等，均可以基于至少一种推荐方式得到对应的推荐资源集合。
本实施例的一实施例中，步骤140对至少一个推荐资源集合中的推荐结果进行合并，得到推荐合并集合，包括：
去除推荐资源集合中重复的推荐结果；
将去重后的推荐结果作为推荐合并集合。
可以理解，去除重复的推荐结果，可以去除冗余的推荐结果，方便后续的计算。
本实施例中，步骤160确定推荐合并集合中每个推荐结果的资源推荐价值，包括：
更新推荐合并集合中的每个推荐结果的推荐次数；
基于更新后的推荐次数更新该推荐结果的推荐系数；
基于更新后的推荐系数和对应推荐结果的原资源推荐价值更新该推荐结果的资源推荐价值。
在更新推荐次数时，更新后的推荐次数可以是原推荐次数加上预设值。预设值可以是1等数字。
本实施中，步骤160中，基于更新后的推荐次数更新该推荐结果的推荐系数之前，该方法还包括：
确定用户对推荐合并集合进行预设操作的目标推荐结果；
基于更新后的推荐次数更新该推荐结果的推荐系数，包括：
基于用户对目标推荐结果的预设操作的操作参数和更新后的推荐次数更新该目标推荐结果的推荐系数。
可以理解，预设操作是一种与目标推荐结果相匹配的操作。例如，当推荐结果为文档资源时，预设操作可以是打开文档；当推荐结果为媒体资源时，预设操作可以为打开媒体资源等。
由以上可知，本发明在得到推荐合并集合后，可以继续进行用户行为的记录与采集，当用户产生预设操作时，可以确定预设操作所操作的目标推荐结果和对该目标推荐结果的操作参数，并同步结合推荐次数更新推荐系数；对于推荐系数大的推荐结果，会在以后的推荐中提高其显示的权重，而对于推荐系数小的资源，会在以后的推荐中降低其显示的权重，使后续排序筛选的推荐结果只显示对用户最有价值的资源，尽可能不显示对用户无价值的资源。
本实施例中，预设操作的操作参数包括以下至少一种：
当目标推荐结果为媒体资源时，操作参数为用户的观看时长与媒体资源总时长的比值；
当目标推荐结果为文档资源时，操作参数为用户观看的页数与文档资源总页数的比值。
本实施例中，推荐系数可以采用以下公式计算，即：
由此，推荐系数与推荐次数成正比，与操作参数成反比。
本实施例中，操作系数可以每间隔1分钟或者其它预设时间段更新一次，从而向用户推荐更为有价值的资源。
本实施例中，步骤180基于资源推荐价值的大小排序关系向用户推荐预设数目的推荐结果时，对于用户已经打开过的推荐结果，不论是媒体资源或者文档资源，由于用户已经观看过，不需要重复观看，因此，可以将用户在现在之前已经观看过的推荐结果剔除掉，避免用户重复观看相应的媒体资源或者文档资源。
可以理解，可以按照资源推荐价值的大小对推荐结果从大至小进行排序，从而由大至小显示预设数目的推荐结果。
图2为本发明一实施例的资源的推荐装置的结构图。如图2所示，该装置包括：
获取模块220，用于基于至少一种推荐方式获取与每一个推荐方式分别相对应的推荐资源集合，推荐方式至少包括基于资源标签的推荐方式、基于学习行为数据的推荐方式以及基于用户兴趣的推荐方式中的至少一种；
合并模块240，用于对至少一个推荐资源集合中的推荐结果进行合并，得到推荐合并集合；
确定模块260，用于确定推荐合并集合中每个推荐结果的资源推荐价值；其中，每个推荐结果的资源推荐价值与该推荐结果的原资源推荐价值和推荐系数均成正比，该推荐系数与该推荐结果的推荐次数成正比；
推荐模块280，用于基于资源推荐价值的大小排序关系向用户推荐预设数目的推荐结果。
本发明中，基于至少一种推荐方式获取与每一个所述推荐方式分别相对应的推荐资源集合，所述推荐方式至少包括基于资源标签的推荐方式、基于学习行为数据的推荐方式以及基于用户兴趣的推荐方式中的至少一种；对至少一个所述推荐资源集合中的推荐结果进行合并，得到推荐合并集合；确定所述推荐合并集合中每个推荐结果的资源推荐价值；其中，每个推荐结果的所述资源推荐价值与该推荐结果的原资源推荐价值和推荐系数均成正比，该推荐系数与该推荐结果的推荐次数成正比；基于所述资源推荐价值的大小排序关系向用户推荐预设数目的推荐结果。由此，本发明在得到推荐合并集合后，可以更新推荐次数后进一步确定推荐结果的资源推荐价值，从而向用户推荐更为有价值的资源，提升推荐的准确性。
本实施例的一实现方式中，合并模块还用于：
去除推荐资源集合中重复的推荐结果；
将去重后的推荐结果作为推荐合并集合。
本实施例的一实现方式中，确定模块包括：
第一单元，用于更新推荐合并集合中的每个推荐结果的推荐次数；
第二单元，用于基于更新后的推荐次数更新该推荐结果的推荐系数；
第三单元，用于基于更新后的推荐系数和对应推荐结果的原资源推荐价值更新该推荐结果的资源推荐价值。
本实施例的一实现方式中，确定模块还包括：
第四单元，用于确定用户对推荐合并集合进行预设操作的目标推荐结果；
第二单元还用于：
基于用户对目标推荐结果的预设操作的操作参数和更新后的推荐次数更新该目标推荐结果的推荐系数。
本实施例的一实现方式中，预设操作的操作参数包括以下至少一种：
当目标推荐结果为媒体资源时，操作参数为用户的观看时长与媒体资源总时长的比值；
当目标推荐结果为文档资源时，操作参数为用户观看的页数与文档资源总页数的比值。
本实施例中，以上装置实施例的实现与以上方法实施例的实现相同，具体可以参照以上方法实施例中的具体内容，本实施例在此不再叙述。
以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种资源的推荐方法，其特征在于，所述方法包括：
基于至少一种推荐方式获取与每一个所述推荐方式分别相对应的推荐资源集合，所述推荐方式至少包括基于资源标签的推荐方式、基于学习行为数据的推荐方式以及基于用户兴趣的推荐方式中的至少一种；
对至少一个所述推荐资源集合中的推荐结果进行合并，得到推荐合并集合；
确定所述推荐合并集合中每个推荐结果的资源推荐价值；其中，每个推荐结果的所述资源推荐价值与该推荐结果的原资源推荐价值和推荐系数均成正比，该推荐系数与该推荐结果的推荐次数成正比；
基于所述资源推荐价值的大小排序关系向用户推荐预设数目的推荐结果。
2.根据权利要求1所述的方法，其特征在于，所述对至少一个所述推荐资源集合中的推荐结果进行合并，得到推荐合并集合，包括：
去除所述推荐资源集合中重复的推荐结果；
将去重后的推荐结果作为推荐合并集合。
3.根据权利要求1所述的方法，其特征在于，所述确定所述推荐合并集合中每个推荐结果的资源推荐价值，包括：
更新所述推荐合并集合中的每个推荐结果的推荐次数；
基于更新后的所述推荐次数更新该推荐结果的推荐系数；
基于更新后的所述推荐系数和对应推荐结果的原资源推荐价值更新该推荐结果的资源推荐价值。
4.根据权利要求3所述的方法，其特征在于，所述基于更新后的所述推荐次数更新该推荐结果的推荐系数之前，所述方法还包括：
确定用户对所述推荐合并集合进行预设操作的目标推荐结果；
所述所述基于更新后的所述推荐次数更新该推荐结果的推荐系数，包括：
基于用户对所述目标推荐结果的预设操作的操作参数和更新后的推荐次数更新该目标推荐结果的推荐系数。
5.根据权利要求4所述的方法，其特征在于，所述预设操作的操作参数包括以下至少一种：
当目标推荐结果为媒体资源时，操作参数为用户的观看时长与媒体资源总时长的比值；
当目标推荐结果为文档资源时，操作参数为用户观看的页数与文档资源总页数的比值。
6.一种资源的推荐装置，其特征在于，所述装置包括：
获取模块，用于基于至少一种推荐方式获取与每一个所述推荐方式分别相对应的推荐资源集合，所述推荐方式至少包括基于资源标签的推荐方式、基于学习行为数据的推荐方式以及基于用户兴趣的推荐方式中的至少一种；
合并模块，用于对至少一个所述推荐资源集合中的推荐结果进行合并，得到推荐合并集合；
确定模块，用于确定所述推荐合并集合中每个推荐结果的资源推荐价值；其中，每个推荐结果的所述资源推荐价值与该推荐结果的原资源推荐价值和推荐系数均成正比，该推荐系数与该推荐结果的推荐次数成正比；
推荐模块，用于基于所述资源推荐价值的大小排序关系向用户推荐预设数目的推荐结果。
7.根据权利要求6所述的装置，其特征在于，合并模块还用于：
去除所述推荐资源集合中重复的推荐结果；
将去重后的推荐结果作为推荐合并集合。
8.根据权利要求6所述的装置，其特征在于，确定模块包括：
第一单元，用于更新所述推荐合并集合中的每个推荐结果的推荐次数；
第二单元，用于基于更新后的所述推荐次数更新该推荐结果的推荐系数；
第三单元，用于基于更新后的所述推荐系数和对应推荐结果的原资源推荐价值更新该推荐结果的资源推荐价值。
9.根据权利要求8所述的装置，其特征在于，确定模块还包括：
第四单元，用于确定用户对所述推荐合并集合进行预设操作的目标推荐结果；
所述第二单元还用于：
基于用户对所述目标推荐结果的预设操作的操作参数和更新后的推荐次数更新该目标推荐结果的推荐系数。
10.根据权利要求9所述的装置，其特征在于，所述预设操作的操作参数包括以下至少一种：
当目标推荐结果为媒体资源时，操作参数为用户的观看时长与媒体资源总时长的比值；
当目标推荐结果为文档资源时，操作参数为用户观看的页数与文档资源总页数的比值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910469050.7A CN110188277B (zh) | 2019-05-31 | 2019-05-31 | 一种资源的推荐方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910469050.7A CN110188277B (zh) | 2019-05-31 | 2019-05-31 | 一种资源的推荐方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110188277A true CN110188277A (zh) | 2019-08-30 |
| CN110188277B CN110188277B (zh) | 2021-06-25 |
Family
ID=67719429
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910469050.7A Active CN110188277B (zh) | 2019-05-31 | 2019-05-31 | 一种资源的推荐方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110188277B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110809177A (zh) * | 2019-10-22 | 2020-02-18 | 腾讯科技（深圳）有限公司 | 内容的处理方法、装置、服务器及存储介质 |
| CN113032662A (zh) * | 2021-03-31 | 2021-06-25 | 龙关玲 | 基于人工智能的区块链大数据推荐方法、系统及云平台 |
Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104504133A (zh) * | 2014-12-31 | 2015-04-08 | 百度在线网络技术（北京）有限公司 | 应用程序的推荐方法及装置 |
| CN104991914A (zh) * | 2015-06-23 | 2015-10-21 | 腾讯科技（深圳）有限公司 | 一种应用推荐方法及服务器 |
| CN106383904A (zh) * | 2016-09-29 | 2017-02-08 | 中国联合网络通信集团有限公司 | 视频推荐方法及装置 |
| CN106503082A (zh) * | 2016-10-08 | 2017-03-15 | 广东小天才科技有限公司 | 一种服装搭配的自动推荐方法及装置、智能设备 |
| CN106528693A (zh) * | 2016-10-25 | 2017-03-22 | 广东科海信息科技股份有限公司 | 面向个性化学习的教育资源推荐方法及系统 |
| CN106776660A (zh) * | 2015-11-25 | 2017-05-31 | 阿里巴巴集团控股有限公司 | 一种信息推荐方法及装置 |
| CN106802915A (zh) * | 2016-12-09 | 2017-06-06 | 宁波大学 | 一种基于用户行为的学术资源推荐方法 |
| CN107194721A (zh) * | 2017-05-12 | 2017-09-22 | 中国人民解放军信息工程大学 | 基于声誉记录分析的服务推荐者发现方法 |
| US20180150305A1 (en) * | 2016-11-29 | 2018-05-31 | Samsung Electronics Co., Ltd. | Method for recommending content and apparatus therefor |
| WO2018107091A1 (en) * | 2016-12-09 | 2018-06-14 | Alibaba Group Holding Limited | Intelligent recommendation method and system |
| CN108846042A (zh) * | 2018-05-29 | 2018-11-20 | 昆明理工大学 | 一种结合用户反馈机制的社交网络推荐方法 |
| CN108874935A (zh) * | 2018-06-01 | 2018-11-23 | 广东小天才科技有限公司 | 一种基于语音搜索的复习内容推荐方法及电子设备 |
| CN109501630A (zh) * | 2018-12-04 | 2019-03-22 | 国网电动汽车服务有限公司 | 一种电动汽车充电方案实时推荐方法及系统 |
| CN109800356A (zh) * | 2019-01-23 | 2019-05-24 | 国信优易数据有限公司 | 一种信息资源推荐方法、装置、设备及存储介质 |
-
2019
- 2019-05-31 CN CN201910469050.7A patent/CN110188277B/zh active Active
Patent Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104504133A (zh) * | 2014-12-31 | 2015-04-08 | 百度在线网络技术（北京）有限公司 | 应用程序的推荐方法及装置 |
| CN104991914A (zh) * | 2015-06-23 | 2015-10-21 | 腾讯科技（深圳）有限公司 | 一种应用推荐方法及服务器 |
| CN106776660A (zh) * | 2015-11-25 | 2017-05-31 | 阿里巴巴集团控股有限公司 | 一种信息推荐方法及装置 |
| CN106383904A (zh) * | 2016-09-29 | 2017-02-08 | 中国联合网络通信集团有限公司 | 视频推荐方法及装置 |
| CN106503082A (zh) * | 2016-10-08 | 2017-03-15 | 广东小天才科技有限公司 | 一种服装搭配的自动推荐方法及装置、智能设备 |
| CN106528693A (zh) * | 2016-10-25 | 2017-03-22 | 广东科海信息科技股份有限公司 | 面向个性化学习的教育资源推荐方法及系统 |
| US20180150305A1 (en) * | 2016-11-29 | 2018-05-31 | Samsung Electronics Co., Ltd. | Method for recommending content and apparatus therefor |
| CN106802915A (zh) * | 2016-12-09 | 2017-06-06 | 宁波大学 | 一种基于用户行为的学术资源推荐方法 |
| WO2018107091A1 (en) * | 2016-12-09 | 2018-06-14 | Alibaba Group Holding Limited | Intelligent recommendation method and system |
| CN107194721A (zh) * | 2017-05-12 | 2017-09-22 | 中国人民解放军信息工程大学 | 基于声誉记录分析的服务推荐者发现方法 |
| CN108846042A (zh) * | 2018-05-29 | 2018-11-20 | 昆明理工大学 | 一种结合用户反馈机制的社交网络推荐方法 |
| CN108874935A (zh) * | 2018-06-01 | 2018-11-23 | 广东小天才科技有限公司 | 一种基于语音搜索的复习内容推荐方法及电子设备 |
| CN109501630A (zh) * | 2018-12-04 | 2019-03-22 | 国网电动汽车服务有限公司 | 一种电动汽车充电方案实时推荐方法及系统 |
| CN109800356A (zh) * | 2019-01-23 | 2019-05-24 | 国信优易数据有限公司 | 一种信息资源推荐方法、装置、设备及存储介质 |
Non-Patent Citations (4)
| Title |
|---|
| XUE,ZHENGYUAN等: "FRFB: Top-k Followee Recommendation by exploring the Following Behaviors in social networks", 《CONCURRENCY AND COMPUTATION-PRACTICE & EXPERIENCE》 * |
| ZHANG, PENG: "Research on the construction of regional electronic commerce large data analysis platform", 《EURASIP JOURNAL ON WIRELESS COMMUNICATIONS AND NETWORKING》 * |
| 张鑫: "SaaS企业云服务安全问题研究", 《中国优秀硕士学位论文全文数据库(电子期刊)》 * |
| 潘燕梅: "协同过滤推荐算法改进分析研究", 《宿州学院学报》 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110809177A (zh) * | 2019-10-22 | 2020-02-18 | 腾讯科技（深圳）有限公司 | 内容的处理方法、装置、服务器及存储介质 |
| CN110809177B (zh) * | 2019-10-22 | 2021-11-05 | 腾讯科技（深圳）有限公司 | 内容的处理方法、装置、服务器及存储介质 |
| CN113032662A (zh) * | 2021-03-31 | 2021-06-25 | 龙关玲 | 基于人工智能的区块链大数据推荐方法、系统及云平台 |
| CN113032662B (zh) * | 2021-03-31 | 2021-11-26 | 艾普深瞳(北京)智能科技有限公司 | 基于人工智能的区块链大数据推荐方法、系统及云平台 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110188277B (zh) | 2021-06-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US9535992B2 (en) | Recommendation engine | |
| US20190034424A1 (en) | Enhanced online user-interaction tracking and document rendition | |
| US8818928B2 (en) | Evaluating an item based on user reputation information | |
| US7685200B2 (en) | Ranking and suggesting candidate objects | |
| CN102855309B (zh) | 一种基于用户行为关联分析的信息推荐方法及装置 | |
| US20100205168A1 (en) | Thread-Based Incremental Web Forum Crawling | |
| CN109889891B (zh) | 获取目标媒体文件的方法、装置及存储介质 | |
| CN111597449B (zh) | 用于搜索的候选词构建方法、装置、电子设备及可读介质 | |
| CN111159341B (zh) | 基于用户投资理财偏好的资讯推荐方法及装置 | |
| KR100970335B1 (ko) | 사용자의 관심 키워드를 업데이트 하는 방법과 그 방법을수행하기 위한 시스템 | |
| CN106095766A (zh) | 使用选择性重新讲话来校正话音识别 | |
| CN109903127A (zh) | 一种群组推荐方法、装置、存储介质及服务器 | |
| US20110184940A1 (en) | System and method for detecting changes in the relevance of past search results | |
| CN106202294A (zh) | 基于关键词和主题模型融合的相关新闻计算方法及装置 | |
| CN105760380A (zh) | 数据库查询方法、装置及系统 | |
| CN111159563A (zh) | 用户兴趣点信息的确定方法、装置、设备及存储介质 | |
| CN110175264A (zh) | 视频用户画像的构建方法、服务器及计算机可读存储介质 | |
| CN105574030A (zh) | 一种信息搜索方法及装置 | |
| CN112182414A (zh) | 文章推荐方法、装置及电子设备 | |
| CN110188277A (zh) | 一种资源的推荐方法及装置 | |
| CN108810577B (zh) | 一种用户画像的构建方法、装置及电子设备 | |
| CN104123321B (zh) | 一种确定推荐图片的方法及装置 | |
| CN110096609A (zh) | 房源搜索方法、装置、设备及计算机可读存储介质 | |
| CN106445922B (zh) | 确定多媒体资源的标题的方法及装置 | |
| CN117056619A (zh) | 确定用户行为特征的方法和装置 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |