CN111125498B - 用户属性区分方法、装置、设备及计算机可读介质 - Google Patents

用户属性区分方法、装置、设备及计算机可读介质 Download PDF

Info

Publication number
CN111125498B
CN111125498B CN201811278701.6A CN201811278701A CN111125498B CN 111125498 B CN111125498 B CN 111125498B CN 201811278701 A CN201811278701 A CN 201811278701A CN 111125498 B CN111125498 B CN 111125498B
Authority
CN
China
Prior art keywords
user
category
attribute
users
frequency
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
Application number
CN201811278701.6A
Other languages
English (en)
Other versions
CN111125498A (zh
Inventor
周俊
刘康
戴明洋
石逸轩
潘剑飞
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Baidu Netcom Science and Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN201811278701.6A priority Critical patent/CN111125498B/zh
Publication of CN111125498A publication Critical patent/CN111125498A/zh
Application granted granted Critical
Publication of CN111125498B publication Critical patent/CN111125498B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • YGENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02DCLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明提出一种用户属性区分方法、装置、设备和计算机可读介质,所示方法包括:推送不同类别的资讯至用户;接收用户的资讯点击数据,获取各个类别的重度用户和负反馈用户;所述重度用户为对推送的资讯的点击频次或频率大于设定阈值的用户,所述负反馈用户为对推送的资讯的点击频次或频率小于设定阈值的用户;对每个类别的重度用户和负反馈用户进行差异分析,获取每个类别的重度用户的类别属性。本发明实施例可以有效地分析某个类别特别倾向的用户群体的属性特点,更能突出群体的共性特点,能够区分真正喜欢以及真正不喜欢的人群的差异。

Description

用户属性区分方法、装置、设备及计算机可读介质
技术领域
本发明涉及互联网技术领域,尤其涉及一种用户属性区分方法及装置、设备和计算机可读介质。
背景技术
目前在进行资讯的推送时,需要确定目标用户,从而提高推送的精度。因此需要对用户的属性进行分析。用户属性涉及用户信息,如姓名、年龄、家庭、婚姻状况、性别、最高教育程度等自然信息,也有产品相关属性,如用户常驻省市、用户等级、用户首次访问渠道来源等。
现有的分析方法是基于用户关于多个类别之间的区分性来表达用户属性区分性,比如阅读“A类别”文章的用户集合X与阅读“非A类别”文章的用户集合Y,通过分析X与Y对应的属性占比的差异来进行区分。
然而,大部分推送场景下,用户所看到的内容并不完全是用户主动选择的,有一定比例的文章是通过探索触发的,用户点击探索对应的文章也有一定随机性,仅通过比较集合X、Y的差异有一定偏差。
发明内容
本发明实施例提供一种用户属性区分方法、装置、设备及计算机可读介质,以解决或缓解现有技术中的一个或多个技术问题。
第一方面,本发明实施例提供了一种用户属性区分方法,包括:
推送不同类别的资讯至用户;
接收用户的资讯点击数据,获取各个类别的重度用户和负反馈用户;所述重度用户为对推送的资讯的点击频次或频率大于设定阈值的用户,所述负反馈用户为对推送的资讯的点击频次或频率小于设定阈值的用户;
对每个类别的重度用户和负反馈用户进行差异分析,获取每个类别的重度用户的类别属性。
在一种实施方式中,所述接收客户端反馈的点击数据,获取各个类别的重度用户和负反馈用户,包括:
统计用户对不同类别资讯的点击频次或频率;
根据统计的点击频次或频率分别提取出重度用户和负反馈用户。
在一种实施方式中,所述对每个类别的重度用户和负反馈用户进行差异分析,获取每个类别的重度用户的类别属性,包括:
分别计算各个类别中重度用户的每个属性的目标群体指数;
获取目标群体指数最高的属性,将该属性作为所属类别的类别属性。
在一种实施方式中,所述分别计算各个类别中重度用户的每个属性的目标群体指数,包括:
分别提取重度用户集合中的每个属性的占比,以及分别提取负反馈用户集合中的每个属性的占比;
计算相同属性的重度用户集合中的占比与负反馈用户集合中的占比的比值,将该比值乘以标准数作为该属性的目标群体指数。
在一种实施方式中,所述资讯类别包括:体育类别、娱乐类别、新闻类别、教育类别、财经类别中的一种或多种;所述类别属性包括:性别属性、年龄属性、职业属性中的一种或多种。
第二方面,本发明实施例提供一种用户属性区分装置,包括:
推送模块,用于推送不同类别的资讯至用户;
接收模块,用于接收用户的资讯点击数据,获取各个类别的重度用户和负反馈用户;所述重度用户为对推送的资讯的点击频次或频率大于设定阈值的用户,所述负反馈用户为对推送的资讯的点击频次或频率小于设定阈值的用户;
分析模块,用于对每个类别的重度用户和负反馈用户进行差异分析,获取每个类别的重度用户的类别属性。
在一种实施方式中,所述接收模块包括:
统计子模块,用于统计用户对不同类别资讯的点击频次或频率;
提取子模块,用于根据统计的点击频次或频率分别提取出重度用户和负反馈用户。
在一种实施方式中,所述分析模块包括:
计算子模块,用于分别计算各个类别中重度用户的每个属性的目标群体指数;
获取子模块,用于获取目标群体指数最高的属性,将该属性作为所属类别的类别属性。
在一种实施方式中,所述计算子模块包括:
占比提取单元,用于分别提取重度用户集合中的每个属性的占比,以及分别提取负反馈用户集合中的每个属性的占比;
指数计算单元,用于计算相同属性的重度用户集合中的占比与负反馈用户集合中的占比的比值,将该比值乘以标准数作为该属性的目标群体指数。
在一种实施方式中,所述资讯类别包括:体育类别、娱乐类别、新闻类别、教育类别、财经类别中的一种或多种;所述类别属性包括:性别属性、年龄属性、职业属性中的一种或多种。
第三方面,本发明实施例提供了一种用户属性区分装置,所述装置的功能可以通过硬件实现,也可以通过硬件执行相应的软件实现。所述硬件或软件包括一个或多个与上述功能相对应的模块。
在一个可能的设计中,用户属性区分装置的结构中包括处理器和存储器,所述存储器用于存储支持用户属性区分装置执行上述第一方面中用户属性区分方法的程序,所述处理器被配置为用于执行所述存储器中存储的程序。所述用户属性区分装置还可以包括通信接口,用于用户属性区分装置与其他设备或通信网络通信。
第四方面,本发明实施例提供了一种计算机可读介质,用于存储用户属性区分装置所用的计算机软件指令,其包括用于执行上述第一方面的用户属性区分方法所涉及的程序。
上述技术方案中的一个技术方案具有如下优点或有益效果:本发明实施例可以有效地分析某个类别特别倾向的用户群体的属性特点,更能突出群体的共性特点,能够区分真正喜欢以及真正不喜欢的人群的差异。
上述概述仅仅是为了说明书的目的,并不意图以任何方式进行限制。除上述描述的示意性的方面、实施方式和特征之外,通过参考附图和以下的详细描述,本发明进一步的方面、实施方式和特征将会是容易明白的。
附图说明
在附图中,除非另外规定,否则贯穿多个附图相同的附图标记表示相同或相似的部件或元素。这些附图不一定是按照比例绘制的。应该理解,这些附图仅描绘了根据本发明公开的一些实施方式,而不应将其视为是对本发明范围的限制。
图1为本发明一实施例的用户属性区分方法的流程图;
图2为本发明一实施例的步骤S200的具体流程图;
图3为本发明一实施例的步骤S300的具体流程图;
图4为本发明一实施例的步骤S310的具体流程图;
图5为本发明一实施例的用户属性区分装置的连接框图;
图6为本发明一实施例的接收模块的连接框图;
图7为本发明一实施例的分析模块的连接框图;
图8为本发明一实施例的计算子模块的连接框图;
图9为本发明另一实施例的用户属性区分设备框图。
具体实施方式
在下文中,仅简单地描述了某些示例性实施例。正如本领域技术人员可认识到的那样,在不脱离本发明的精神或范围的情况下,可通过各种不同方式修改所描述的实施例。因此,附图和描述被认为本质上是示例性的而非限制性的。本发明实施例主要提供了一种通用户属性区分的方法及装置,下面分别通过以下实施例进行技术方案的展开描述。
本发明提供了一种用户属性区分方法和装置,以下详细介绍本发明实施例的用户属性区分方法和装置的具体处理流程和原理。
如图1所示,其为本发明实施例的用户属性区分方法的流程图。本发明实施例的用户属性区分方法可以包括以下步骤:
S100:推送不同类别的资讯至用户。
首先,将不同类别的资讯推送至用户。比如,可以将体育类资讯、娱乐类资讯、时事类资讯等类别分别推送给用户。
S200:接收用户的资讯点击数据,获取各个类别的重度用户和负反馈用户。其中,所述重度用户为对推送的资讯的点击频次或频率大于设定阈值的用户,所述负反馈用户为对推送的资讯的点击频次或频率小于设定阈值的用户。
在本步骤中,根据用户反馈的点击数据判断该用户是否对推送的资讯类别感兴趣。例如,若推送体育类资讯至某一用户,而该用户的仅仅点击前几条资讯,而后续推送的资讯都不点击,则可以初步认定该用户对体育类资讯不感兴趣。在一种实施方式中,如图2所示,所述接收客户端反馈的点击数据,获取各个类别的重度用户,包括:
S210:统计用户对不同类别资讯的点击频次或频率。
在一种实施方式中,可以在一段时间内对用户针对不同类比的资讯的点击的频次或频率进行统计。
S220:根据统计的点击频次或频率分别提取出重度用户和负反馈用户。
根据统计后的点击频次或频率跟设定阈值进行比较,从而分别提取出重度用户和负反馈用户。例如,某一用户对体育类别资讯的点击频次或频率大于设定阈值,则该用户为体育类别的重度用户。同理,若某一用户对体育类别的资讯的点击频次或频率小于设定阈值,则该用户为负反馈用户。
S300:对每个类别的重度用户和负反馈用户进行差异分析,获取每个类别的重度用户的类别属性。
在完成对每个类别的重度用户的提取后,再对对每个类别的重度用户的属性进行分析,以获取每个类别的重度用户的类别属性。如图3所示,在一种实施方式中,所示步骤S300可以包括:
S310:分别计算各个类别中重度用户的每个属性的目标群体指数。
例如,分别计算体育类别、娱乐类别、时事类别等的重度用户的目标群体指数。其中,如图4所示,在计算各个类别中重度用户的每个属性的目标群体指数,可以包括:
S311:分别提取重度用户集合中的每个属性的占比,以及分别提取负反馈用户集合中的每个属性的占比。
S312:计算相同属性的重度用户集合中的占比与负反馈用户集合中的占比的比值,将该比值乘以标准数作为该属性的目标群体指数。
例如,以用户的性别作为属性进行计算。若体育类别的重度用户中性别为“男”的用户的占比为90%,而负反馈用户中性别为“男”的用户占比为20%。然后,再计算当前“性别男”这个属性的目标群体指数。在计算目标群体指数(TGI,target group index)时,采用的标准数可以为100。即“性别男”这个属性的TGI=90%/20%*100=450,具有比较高的增益,则该属性比较重要。同理,依照相同的方式计算其他属性特征,比如:年龄属性、职业属性等。
S320:获取目标群体指数最高的属性,将该属性作为所属类别的类别属性。
例如,对不同的属性进行计算后,体育类资讯的重度用户中的“性别男”属性的指数最高,则可以将该属性作为体育类的类别属性。
本发明实施例可以有效地分析某个类别特别倾向的用户群体的属性特点,更能突出群体的共性特点,能够区分真正喜欢以及真正不喜欢的人群的差异。
如图5所示,本发明在另一种实施例中还提供了一种用户属性区分装置,包括:
推送模块100,用于推送不同类别的资讯至用户。
接收模块200,用于接收用户的资讯点击数据,获取各个类别的重度用户和负反馈用户;所述重度用户为对推送的资讯的点击频次或频率大于设定阈值的用户,所述负反馈用户为对推送的资讯的点击频次或频率小于设定阈值的用户。
分析模块300,用于对每个类别的重度用户和负反馈用户进行差异分析,获取每个类别的重度用户的类别属性。
如图6所示,所述接收模块200包括:
统计子模块210,用于统计用户对不同类别资讯的点击频次或频率。
提取子模块220,用于根据统计的点击频次或频率分别提取出重度用户和负反馈用户。
如图7所示,所述分析模块300包括:
计算子模块310,用于分别计算各个类别中重度用户的每个属性的目标群体指数。
获取子模块320,用于获取目标群体指数最高的属性,将该属性作为所属类别的类别属性。
如图8所示,所述计算子模块310包括:
占比提取单元311,用于分别提取重度用户集合中的每个属性的占比,以及分别提取负反馈用户集合中的每个属性的占比。
指数计算单元312,用于计算相同属性的重度用户集合中的占比与负反馈用户集合中的占比的比值,将该比值乘以标准数作为该属性的目标群体指数。
本实施例的用户属性区分装置与上述实施例的用户属性区分方法的原理类似,故不再赘述。
在另一个实施例中,本发明还提供一种用户属性区分设备,如图9所示,该设备包括:存储器510和处理器520,存储器510内存储有可在处理器520上运行的计算机程序。所述处理器520执行所述计算机程序时实现上述实施例中的用户属性区分方法。所述存储器510和处理器520的数量可以为一个或多个。
该设备还包括:
通信接口530,用于与外界设备进行通信,进行数据交互传输。
存储器510可能包含高速RAM存储器,也可能还包括非易失性存储器(non-volatile memory),例如至少一个磁盘存储器。
如果存储器510、处理器520和通信接口530独立实现,则存储器510、处理器520和通信接口530可以通过总线相互连接并完成相互间的通信。所述总线可以是工业标准体系结构(ISA,Industry Standard Architecture)总线、外部设备互连(PCI,PeripheralComponent)总线或扩展工业标准体系结构(EISA,Extended Industry StandardComponent)总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示,图9中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
可选的,在具体实现上,如果存储器510、处理器520及通信接口530集成在一块芯片上,则存储器510、处理器520及通信接口530可以通过内部接口完成相互间的通信。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或隐含地包括至少一个该特征。在本发明的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为,表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分,并且本发明的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本发明的实施例所属技术领域的技术人员所理解。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤,例如,可以被认为是用于实现逻辑功能的可执行指令的定序列表,可以具体实现在任何计算机可读介质中,以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用,或结合这些指令执行系统、装置或设备而使用。就本说明书而言,“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。
本发明实施例所述的计算机可读介质可以是计算机可读信号介质或者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的更具体的示例至少(非穷尽性列表)包括以下:具有一个或多个布线的电连接部(电子装置),便携式计算机盘盒(磁装置),随机存取存储器(RAM),只读存储器(ROM),可擦除可编辑只读存储器(EPROM或闪速存储器),光纤装置,以及便携式只读存储器(CDROM)。另外,计算机可读存储介质甚至可以是可在其上打印所述程序的纸或其他合适的介质,因为可以例如通过对纸或其他介质进行光学扫描,接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序,然后将其存储在计算机存储器中。
在本发明实施例中,计算机可读信号介质可以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、光信号或上述的任意合适的组合。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、传播或者传输用于指令执行系统、输入法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、射频(Radio Frequency,RF)等等,或者上述的任意合适的组合。
应当理解,本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如,如果用硬件来实现,和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,该程序在执行时,包括方法实施例的步骤之一或其组合。
此外,在本发明各个实施例中的各功能单元可以集成在一个处理模块中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读存储介质中。所述存储介质可以是只读存储器,磁盘或光盘等。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到其各种变化或替换,这些都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。

Claims (8)

1.一种用户属性区分方法,其特征在于,包括:
推送不同类别的资讯至用户;
接收用户的资讯点击数据,获取各个类别的重度用户和负反馈用户;所述重度用户为对推送的资讯的点击频次或频率大于设定阈值的用户,所述负反馈用户为对推送的资讯的点击频次或频率小于设定阈值的用户;
对每个类别的重度用户和负反馈用户进行差异分析,获取每个类别的重度用户的类别属性,包括:
分别计算各个类别中重度用户的每个属性的目标群体指数,包括:分别提取重度用户集合中的每个属性的占比,以及分别提取负反馈用户集合中的每个属性的占比;计算相同属性的重度用户集合中的占比与负反馈用户集合中的占比的比值,将该比值乘以标准数作为该属性的目标群体指数;
获取目标群体指数最高的属性,将该属性作为所属类别的类别属性。
2.根据权利要求1所述的方法,其特征在于,所述接收用户的资讯点击数据,获取各个类别的重度用户和负反馈用户,包括:
统计用户对不同类别资讯的点击频次或频率;
根据统计的点击频次或频率分别提取出重度用户和负反馈用户。
3.根据权利要求1所述的方法,其特征在于,所述资讯类别包括:体育类别、娱乐类别、新闻类别、教育类别、财经类别中的一种或多种;所述类别属性包括:性别属性、年龄属性、职业属性中的一种或多种。
4.一种用户属性区分装置,其特征在于,包括:
推送模块,用于推送不同类别的资讯至用户;
接收模块,用于接收用户的资讯点击数据,获取各个类别的重度用户和负反馈用户;所述重度用户为对推送的资讯的点击频次或频率大于设定阈值的用户,所述负反馈用户为对推送的资讯的点击频次或频率小于设定阈值的用户;
分析模块,用于对每个类别的重度用户和负反馈用户进行差异分析,获取每个类别的重度用户的类别属性;
所述分析模块包括:
计算子模块,用于分别计算各个类别中重度用户的每个属性的目标群体指数;获取子模块,用于获取目标群体指数最高的属性,将该属性作为所属类别的类别属性;
所述计算子模块包括:
占比提取单元,用于分别提取重度用户集合中的每个属性的占比,以及分别提取负反馈用户集合中的每个属性的占比;指数计算单元,用于计算相同属性的重度用户集合中的占比与负反馈用户集合中的占比的比值,将该比值乘以标准数作为该属性的目标群体指数。
5.根据权利要求4所述的装置,其特征在于,所述接收模块包括:
统计子模块,用于统计用户对不同类别资讯的点击频次或频率;
提取子模块,用于根据统计的点击频次或频率分别提取出重度用户和负反馈用户。
6.根据权利要求4所述的装置,其特征在于,所述资讯类别包括:体育类别、娱乐类别、新闻类别、教育类别、财经类别中的一种或多种;所述类别属性包括:性别属性、年龄属性、职业属性中的一种或多种。
7.一种用户属性区分设备,其特征在于,所述设备包括:
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时,使得所述一个或多个处理器实现如权利要求1-3中任一所述的用户属性区分方法。
8.一种计算机可读介质,其存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-3中任一所述的用户属性区分方法。
CN201811278701.6A 2018-10-30 2018-10-30 用户属性区分方法、装置、设备及计算机可读介质 Active CN111125498B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811278701.6A CN111125498B (zh) 2018-10-30 2018-10-30 用户属性区分方法、装置、设备及计算机可读介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811278701.6A CN111125498B (zh) 2018-10-30 2018-10-30 用户属性区分方法、装置、设备及计算机可读介质

Publications (2)

Publication Number Publication Date
CN111125498A CN111125498A (zh) 2020-05-08
CN111125498B true CN111125498B (zh) 2023-06-06

Family

ID=70484657

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811278701.6A Active CN111125498B (zh) 2018-10-30 2018-10-30 用户属性区分方法、装置、设备及计算机可读介质

Country Status (1)

Country Link
CN (1) CN111125498B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103686237A (zh) * 2013-11-19 2014-03-26 乐视致新电子科技(天津)有限公司 推荐视频资源的方法及系统
CN104333773A (zh) * 2013-12-18 2015-02-04 乐视网信息技术(北京)股份有限公司 一种视频推荐方法及服务器
WO2017113840A1 (zh) * 2015-12-31 2017-07-06 乐视控股(北京)有限公司 一种信息推荐方法及装置
CN107273489A (zh) * 2017-06-14 2017-10-20 掌阅科技股份有限公司 内容推送方法、电子设备及计算机存储介质
CN107690638A (zh) * 2015-06-07 2018-02-13 苹果公司 提供推荐同时保持用户隐私的具有个性化馈源的阅读器应用程序和方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106557513B (zh) * 2015-09-29 2022-05-10 腾讯科技(深圳)有限公司 事件信息推送方法及事件信息推送装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103686237A (zh) * 2013-11-19 2014-03-26 乐视致新电子科技(天津)有限公司 推荐视频资源的方法及系统
CN104333773A (zh) * 2013-12-18 2015-02-04 乐视网信息技术(北京)股份有限公司 一种视频推荐方法及服务器
CN107690638A (zh) * 2015-06-07 2018-02-13 苹果公司 提供推荐同时保持用户隐私的具有个性化馈源的阅读器应用程序和方法
WO2017113840A1 (zh) * 2015-12-31 2017-07-06 乐视控股(北京)有限公司 一种信息推荐方法及装置
CN107273489A (zh) * 2017-06-14 2017-10-20 掌阅科技股份有限公司 内容推送方法、电子设备及计算机存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于海量数据的用户点击模式识别;林湘粤等;《电信网技术》;20160815(第08期);全文 *

Also Published As

Publication number Publication date
CN111125498A (zh) 2020-05-08

Similar Documents

Publication Publication Date Title
CN108491529B (zh) 信息推荐方法及装置
Marcus et al. Counting with the crowd
EP2866421A1 (en) Method and apparatus for identifying a same user in multiple social networks
EP4198775A1 (en) Abnormal user auditing method and apparatus, electronic device, and storage medium
CN109325121B (zh) 用于确定文本的关键词的方法和装置
CN111371767B (zh) 恶意账号识别方法、恶意账号识别装置、介质及电子设备
CN111459993B (zh) 基于行为分析的配置更新方法、装置、设备及存储介质
CN110689395B (zh) 用于推送信息的方法和装置
CN109992781B (zh) 文本特征的处理方法、装置和存储介质
CN110263155B (zh) 数据分类方法、数据分类模型的训练方法及系统
US20180107953A1 (en) Content delivery method, apparatus, and storage medium
CN111061842B (zh) 一种相似文本确定方法及装置
CN111447081B (zh) 数据链生成方法、装置、服务器及存储介质
CN114398473A (zh) 企业画像生成方法、装置、服务器及存储介质
CN110245684B (zh) 数据处理方法、电子设备和介质
CN110427358B (zh) 数据清洗方法及装置和信息推荐方法及装置
CN113934937A (zh) 一种内容智能推荐方法、装置、终端和存储介质
CN107908649B (zh) 一种文本分类的控制方法
CN110910188A (zh) 课程优化与推荐的方法、装置、存储介质和终端设备
CN111125498B (zh) 用户属性区分方法、装置、设备及计算机可读介质
CN116705310A (zh) 围术期风险评估的数据集构建方法、装置、设备及介质
CN107688596B (zh) 突发话题检测方法及突发话题检测设备
CN115795097A (zh) 基于xml逻辑规则的数据处理方法及装置
CN115841144A (zh) 一种文本检索模型的训练方法及装置
CN115907906A (zh) 确定待推荐物品的方法、装置、存储介质及电子设备

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