CN111192657A - 一种基于用户行为热度的菜谱推荐方法 - Google Patents
一种基于用户行为热度的菜谱推荐方法 Download PDFInfo
- Publication number
- CN111192657A CN111192657A CN201811357870.9A CN201811357870A CN111192657A CN 111192657 A CN111192657 A CN 111192657A CN 201811357870 A CN201811357870 A CN 201811357870A CN 111192657 A CN111192657 A CN 111192657A
- Authority
- CN
- China
- Prior art keywords
- menu
- heat
- value
- time
- hot
- 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 29
- 230000006399 behavior Effects 0.000 claims abstract description 106
- 238000011156 evaluation Methods 0.000 claims description 95
- 230000008859 change Effects 0.000 claims description 28
- 238000010411 cooking Methods 0.000 claims description 15
- 230000009471 action Effects 0.000 claims description 6
- 230000001932 seasonal effect Effects 0.000 claims description 6
- 230000008569 process Effects 0.000 description 3
- 230000006872 improvement Effects 0.000 description 2
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/60—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to nutrition control, e.g. diets
Abstract
本发明涉及一种基于用户行为热度的菜谱推荐方法,通过服务器端针对移动终端施加给数字菜谱的各种访问行为赋予不同的菜谱热度影响权重值,并在计算每个数字菜谱的菜谱热度基本值后,由服务器端根据菜谱热度基本值情况将菜谱数据库内的数字菜谱分为热推菜谱和时令菜谱,以及设置热推菜谱热度值实时变化曲线和时令菜谱热度值实时变化曲线,从而将具有最大热推菜谱热度值的最佳热推菜谱和具有最大时令菜谱热度值的最佳时令菜谱推荐给用户,实现了该菜谱推荐方法能够从表征用户行为的多个维度来计算每个数字菜谱的菜谱热度值情况,这样考虑的因素更加全面,使得推荐出来的菜谱更加符合用户对菜谱的实际需求。
Description
技术领域
本发明涉及智能菜谱领域,尤其涉及一种基于用户行为热度的菜谱推荐方法。
背景技术
在当前的智能菜谱领域总,用户利用自己的移动终端与存储菜谱数据库的服务器端连接后,用户可以使用移动终端从服务器处获取到数字菜谱。因此,越来越多的菜谱推荐方法被相继提出。例如,基于菜谱点击量的菜谱推荐方法就是比较流行的一种菜谱推荐方案。
这种基于菜谱点击量的菜谱推荐方法是基于点击量或者曝光率设计的。但是,由于该菜谱推荐方法所推荐的菜谱结果仅仅是依据每个数字菜谱的点击量,没有考虑到用户对菜谱数据库内各数字菜谱所表现出来的欢迎与否的情况,导致推荐出的菜谱因推荐过程所依据的维度单一,不能全面、很好地反应每一个数字菜谱对于用户欢迎程度的真实热度情况,也就难以将具有更好热度的菜谱推荐给用户。
发明内容
本发明所要解决的技术问题是针对上述现有技术提供一种基于用户行为热度的菜谱推荐方法。
本发明解决上述技术问题所采用的技术方案为:一种基于用户行为热度的菜谱推荐方法,用于包括有移动终端和服务器端的菜谱推荐系统,服务器端内存储有菜谱数据库,其特征在于,所述基于用户行为热度的菜谱推荐方法包括如下步骤1~步骤9:
步骤1,建立移动终端与服务器端的通信连接,由用户利用移动终端访问服务器端内的菜谱数据库;其中,所述菜谱数据库中存储有N个数字菜谱,第i个数字菜谱标记为Cookbooki,1≤i≤N;
步骤2,所述服务器端预先设置移动终端的各种访问行为分别对菜谱推荐热度的菜谱热度影响权重值;
其中,移动终端的访问行为包括查看行为、点赞行为、收藏行为、智能烹饪行为和分享行为;所述移动终端的查看行为标记为View,所述点赞行为标记为Like,所述收藏行为标记为Collect,所述智能烹饪行为标记为Cooke,所述分析行为标记为Share;
所述查看行为对应的菜谱热度影响权重值标记为wView、所述点赞行为对应的菜谱热度影响权重值标记为wLike、所述收藏行为对应的菜谱热度影响权重值标记为wCollect、所述智能烹饪行为对应的菜谱热度影响权重值标记为wCooke、所述分享行为对应的菜谱热度影响权重值标记为wShare;wView+wLike+wCollect+wCooke+wShare=1,且0<wView<1,0<wLike<1,0<wCollect<1,0<wCooke<1,0<wShare<1;
步骤4,所述服务器端在预设周期内获取其菜谱数据库内各数字菜谱被所有移动终端执行的访问行为次数集;
其中,所述预设周期标记为T,所述数字菜谱Cookbooki在预设周期T内所对应查看行为的总次数标记为所对应点赞行为的总次数标记为所对应收藏行为的总次数标记为所对应智能烹饪行为的总次数标记为所对应分享行为的总次数标记为
步骤5,所述服务器端获取所述所有访问行为在所述预设周期内对各数字菜谱的菜谱热度影响值,并根据数字菜谱的菜谱热度初始化值和菜谱热度影响值,得到每个数字菜谱在所述预设周期内的菜谱热度基本值;其中,所述所有访问行为为在所述预设周期T内对数字菜谱Cookbooki的菜谱热度影响值标记为数字菜谱Cookbooki的菜谱热度基本值标记为
步骤6,所述服务器端预先设置针对热推菜谱的菜谱热度阈值,且由服务器端将步骤5所得菜谱热度基本值大于或者等于所述菜谱热度阈值的数字菜谱作为菜谱上架时刻的所要推荐的热推菜谱以及将步骤5所得菜谱热度基本值小于所述菜谱热度阈值的数字菜谱作为菜谱上架时刻所要推荐的时令菜谱;其中,所述菜谱上架时刻标记为t0;
步骤7,所述服务器端设置针对所述热推菜谱的热推菜谱热度值实时变化曲线以及针对所述时令菜谱的时令菜谱热度值实时变化曲线;其中:
所述热推菜谱对应的热推菜谱热度值实时变化曲线为:
所述时令菜谱对应的时令菜谱热度值实时变化曲线为:
步骤8,所述服务器端在接收到用户利用移动终端发送的菜谱推荐请求时,该服务器端获取接收到该菜谱推荐请求时所对应的当前时刻值,并将该当前时刻值分别代入各热推菜谱的热推菜谱热度值实时变化曲线以及将该当前时刻值分别代入各时令菜谱对应的时令菜谱热度值实时变化曲线,分别得到具有最大菜谱热度值的最佳热推菜谱以及具有最大菜谱热度值的最佳时令菜谱;
步骤9,所述服务器端将所得最佳热推菜谱以及最佳时令菜谱发送给请求推荐菜谱的移动终端。
改进地,在所述基于用户行为热度的菜谱推荐方法中,所述步骤7中的所述热度增强系数K1大于所述热度衰减系数K2。
再改进地,在所述基于用户行为热度的菜谱推荐方法中,在步骤9之后还包括如下步骤a1~步骤a5:
步骤a1,在预先针对热推菜谱设置的热推菜谱评价反馈时间段内,接收到最佳热推菜谱的用户利用其移动终端分别发送针对最佳热推菜谱的好评反馈结果、中评反馈结果和差评反馈给服务器端;
步骤a2,所述服务器端统计其在所述热推菜谱评价反馈时间段内所接收到的好评反馈结果次数、中评反馈结果次数、差评反馈结果次数以及评价反馈结果总次数;其中,所述评价反馈结果总次数为所述好评反馈结果次数、中评反馈结果次数与所述差评反馈结果次数的和值;
步骤a3,所述服务器端判断所述好评反馈结果次数在所述评价反馈结果总次数的占比值大于或者等于预设占比值时,该服务器端将步骤7中的所述热度增强系数调高;否则,该服务器端将步骤7中的所述热度增强系数调低;
步骤a4,所述服务器端将调整后的热度增强系数替换掉所述热推菜谱热度值实时变化曲线的原有热度增强系数,得到更新后的热推菜谱热度值实时变化曲线;
步骤a5,所述服务器端在再次接收到任一移动终端发送的热推菜谱推荐请求时,该服务器端获取接收到该热推菜谱推荐请求时所对应的当前时刻值,并将该当前时刻值分别代入各热推菜谱的更新后的热推菜谱热度值实时变化曲线,得到具有最大菜谱热度值的最佳热推菜谱,然后将所得该最佳热推菜谱发送给发送热推菜谱推荐请求的移动终端。
再改进地,在所述基于用户行为热度的菜谱推荐方法中,在步骤9之后还包括如下步骤b1~步骤b5:
步骤b1,在预先针对时令菜谱设置的时令菜谱评价反馈时间段内,接收到最佳时令菜谱的用户利用其移动终端分别发送针对最佳时令菜谱的好评反馈结果、中评反馈结果和差评反馈给服务器端;
步骤b2,所述服务器端统计其在所述时令菜谱评价反馈时间段内所接收到的好评反馈结果次数、中评反馈结果次数、差评反馈结果次数以及评价反馈结果总次数;其中,所述评价反馈结果总次数为所述好评反馈结果次数、中评反馈结果次数与所述差评反馈结果次数的和值;
步骤b3,所述服务器端判断所述好评反馈结果次数在所述评价反馈结果总次数的占比值大于或者等于预设占比值时,该服务器端将步骤7中的所述热度衰减系数调低;否则,该服务器端将步骤7中的所述热度衰减系数调高;
步骤b4,所述服务器端将调整后的热度衰减系数替换掉所述时令菜谱热度值实时变化曲线的原有热度衰减系数,得到更新后的时令菜谱热度值实时变化曲线;
步骤b5,所述服务器端在再次接收到任一移动终端发送的时令菜谱推荐请求时,该服务器端获取接收到该时令菜谱推荐请求时所对应的当前时刻值,并将该当前时刻值分别代入各时令菜谱的更新后的时令菜谱热度值实时变化曲线,得到具有最大菜谱热度值的最佳时令菜谱,然后将所得该最佳时令菜谱发送给发送时令菜谱推荐请求的移动终端。
与现有技术相比,本发明的优点在于:
首先,由于移动终端针对服务器端内各数字菜谱的访问行为是由用户施加的,所以移动终端针对服务器端内数字菜谱的任一访问行为实质上都在反映着用户的行为,本发明通过针对移动终端施加给数字菜谱的各种访问行为赋予不同的菜谱热度影响权重值,并通过在计算每个数字菜谱的菜谱热度基本值后,由服务器端根据菜谱热度基本值情况将菜谱数据库内的数字菜谱分为热推菜谱和时令菜谱,以及设置热推菜谱热度值实时变化曲线和时令菜谱热度值实时变化曲线,从而将具有最大热推菜谱热度值的最佳热推菜谱和具有最大时令菜谱热度值的最佳时令菜谱推荐给用户;
其次,本发明通过移动终端的诸如查看行为、点赞行为、收藏行为、智能烹饪行为和分享行为这些访问行为做对应设置,实现了该菜谱推荐方法能够从表征用户行为的多个维度来计算每个数字菜谱的菜谱热度值情况,考虑的因素更加全面,很好地反应出了每一个数字菜谱对于用户欢迎程度的真实热度情况,使得推荐出来的菜谱更加符合用户对菜谱的实际需求;
再次,本发明还通过服务器端还根据菜谱热度基本值情况,把其菜谱数据库内的数字菜谱分为热推菜谱和时令菜谱,满足了按照菜谱使用场景来区分菜谱的需要;
最后,本发明还针对热推菜谱热度值曲线设置了可调的热度增强系数以及针对时令菜谱热度值曲线设置了可调的热度衰减系数,并基于用户针对服务器端前期所推荐菜谱的评价反馈情况做自动调整,更切合用户烹饪后的实际评价结论。
附图说明
图1为本发明实施例中基于用户行为热度的菜谱推荐方法流程示意图。
具体实施方式
以下结合附图实施例对本发明作进一步详细描述。
参见图1所示,本实施例中基于用户行为热度的菜谱推荐方法,用于包括有移动终端和服务器端的菜谱推荐系统,服务器端内存储有菜谱数据库,菜谱数据库内具有若干数字菜谱。在本实施例中,该基于用户行为热度的菜谱推荐方法包括如下步骤1~步骤9:
步骤1,建立移动终端与服务器端的通信连接,由用户利用移动终端访问服务器端内的菜谱数据库;其中,菜谱数据库中存储有N个数字菜谱,第i个数字菜谱标记为Cookbooki,1≤i≤N;
步骤2,服务器端预先设置移动终端的各种访问行为分别对菜谱推荐热度的菜谱热度影响权重值;
其中,移动终端的访问行为包括查看行为、点赞行为、收藏行为、智能烹饪行为和分享行为;移动终端的查看行为标记为View,点赞行为标记为Like,收藏行为标记为Collect,智能烹饪行为标记为Cooke,分析行为标记为Share;
在该步骤2中,此处的查看行为对应的菜谱热度影响权重值标记为wView、点赞行为对应的菜谱热度影响权重值标记为wLike、收藏行为对应的菜谱热度影响权重值标记为wCollect、智能烹饪行为对应的菜谱热度影响权重值标记为wCooke、分享行为对应的菜谱热度影响权重值标记为wShare;wView+wLike+wCollect+wCooke+wShare=1,且0<wView<1,0<wLike<1,0<wCollect<1,0<wCooke<1,0<wShare<1;
步骤3,服务器端针对其菜谱数据库内的每一个数字菜谱赋予对应的菜谱热度初始化值;其中,该菜谱数据库内的数字菜谱Cookbooki对应的菜谱热度初始化值标记为通过该步骤3,可以使得所述菜谱数据库内的每个数字菜谱均对应有一个菜谱热度初始化值;
步骤4,服务器端在预设周期内获取其菜谱数据库内各数字菜谱被所有移动终端执行的访问行为次数集;其中,此处的预设周期标记为T,数字菜谱Cookbooki在预设周期T内所对应查看行为的总次数标记为所对应点赞行为的总次数标记为所对应收藏行为的总次数标记为所对应智能烹饪行为的总次数标记为所对应分享行为的总次数标记为
也就说是说,在步骤4中,服务器端需要对访问其菜谱数据库的所有移动终端的访问行为做次数统计,以得到针对所有移动终端的每一类访问行为所对应的总次数;
步骤5,服务器端获取所有访问行为在预设周期T内对各数字菜谱的菜谱热度影响值,并根据数字菜谱的菜谱热度初始化值和菜谱热度影响值,得到每个数字菜谱在该预设周期T内的菜谱热度基本值;其中,此处所说的所有访问行为为在预设周期T内对数字菜谱Cookbooki的菜谱热度影响值标记为数字菜谱Cookbooki的菜谱热度基本值标记为
在本实施例中,通过针对移动终端的诸如查看行为、点赞行为、收藏行为、智能烹饪行为和分享行为这些访问行为做对应设置,实现了该菜谱推荐方法能够从表征用户行为的多个维度来计算每个数字菜谱的菜谱热度值情况,这样考虑的因素更加全面,使得经由服务器端推荐出来的菜谱更加符合多数用户对菜谱的实际需求;
步骤6,服务器端预先设置针对热推菜谱的菜谱热度阈值,且由服务器端将步骤5所得菜谱热度基本值大于或者等于菜谱热度阈值的数字菜谱作为菜谱上架时刻的所要推荐的热推菜谱以及将步骤5所得菜谱热度基本值小于菜谱热度阈值的数字菜谱作为菜谱上架时刻所要推荐的时令菜谱;其中,菜谱上架时刻标记为t0;此处的服务器端根据菜谱热度基本值情况,把其菜谱数据库内的数字菜谱分为热推菜谱和时令菜谱,满足了按照菜谱使用场景来区分热推菜谱和时令菜谱的需要;
步骤7,服务器端设置针对热推菜谱的热推菜谱热度值实时变化曲线以及针对时令菜谱的时令菜谱热度值实时变化曲线;其中:
此处的热推菜谱对应的热推菜谱热度值实时变化曲线为:
此处的时令菜谱对应的时令菜谱热度值实时变化曲线为:
通过上述热推菜谱热度值实时变化曲线和时令菜谱热度值实时变化曲线公式可看出,热推菜谱热度值以及时令菜谱热度值均是以时间t作为变量的函数;
步骤8,服务器端在接收到用户利用移动终端发送的菜谱推荐请求时,该服务器端获取接收到该菜谱推荐请求时所对应的当前时刻值,并将该当前时刻值分别代入各热推菜谱的热推菜谱热度值实时变化曲线以及将该当前时刻值分别代入各时令菜谱对应的时令菜谱热度值实时变化曲线,分别得到具有最大菜谱热度值的最佳热推菜谱以及具有最大菜谱热度值的最佳时令菜谱;
例如,针对服务器端所归类后的所有热推菜谱以及所有时令菜谱,服务器端一旦判断在其接收到菜谱推荐请求时所对应的时刻t1时,热推菜谱内的第五个热推菜谱具有最大菜谱热度值,时令菜谱内的第二个时令菜谱具有最大菜谱热度值,那么就将该第五个热推菜谱作为最佳热推菜谱,将该第二个时令菜谱作为最佳时令菜谱;
步骤9,服务器端将所得最佳热推菜谱以及最佳时令菜谱发送给请求推荐菜谱的移动终端。
为了将受多数用户欢迎的菜谱推荐给需要推荐菜谱的用户,在本实施例的步骤7中的热度增强系数K1大于热度衰减系数K2。由此,可以确保热推菜谱在上架后能够得到更长的上架维持时间,避免热推菜谱因时间推迟而被快速地淘汰出高热度的菜谱行列。
当然,为了不断提高菜谱推荐的准确度,提高热推菜谱在推荐实施过程中的智能化动态调整,本实施例的步骤9之后还可以包括如下步骤a1~步骤a5:
步骤a1,在预先针对热推菜谱设置的热推菜谱评价反馈时间段内,接收到最佳热推菜谱的用户利用其移动终端分别发送针对最佳热推菜谱的好评反馈结果、中评反馈结果和差评反馈给服务器端;
步骤a2,服务器端统计其在上述热推菜谱评价反馈时间段内所接收到的好评反馈结果次数、中评反馈结果次数、差评反馈结果次数以及评价反馈结果总次数;此处的评价反馈结果总次数为好评反馈结果次数、中评反馈结果次数与差评反馈结果次数的和值;
步骤a3,服务器端判断上述好评反馈结果次数在评价反馈结果总次数的占比值大于或者等于预设占比值时,说明服务器端推荐出的热推菜谱较好的匹配用户的喜好,此时的该服务器端将步骤7中的热度增强系数调高;否则,说明服务器端推荐出的热推菜谱与用户喜好出现较大偏离,该服务器端将步骤7中的热度增强系数调低;
步骤a4,服务器端将调整后的热度增强系数替换掉热推菜谱热度值实时变化曲线的原有热度增强系数,得到更新后的热推菜谱热度值实时变化曲线;
步骤a5,服务器端在再次接收到任一移动终端发送的热推菜谱推荐请求时,该服务器端获取接收到该热推菜谱推荐请求时所对应的当前时刻值,并将该当前时刻值分别代入各热推菜谱的更新后的热推菜谱热度值实时变化曲线,得到具有最大菜谱热度值的最佳热推菜谱,然后将所得该最佳热推菜谱发送给发送热推菜谱推荐请求的移动终端。
当然,为了不断提高针对时令菜谱推荐的准确度,提高时令菜谱在推荐实施过程中的智能化动态调整,本实施例的步骤9之后还可以包括如下步骤b1~步骤b5:
步骤b1,在预先针对时令菜谱设置的时令菜谱评价反馈时间段内,接收到最佳时令菜谱的用户利用其移动终端分别发送针对最佳时令菜谱的好评反馈结果、中评反馈结果和差评反馈给服务器端;
步骤b2,服务器端统计其在所述时令菜谱评价反馈时间段内所接收到的好评反馈结果次数、中评反馈结果次数、差评反馈结果次数以及评价反馈结果总次数;其中,此处的评价反馈结果总次数为所述好评反馈结果次数、中评反馈结果次数与所述差评反馈结果次数的和值;
步骤b3,服务器端判断所述好评反馈结果次数在所述评价反馈结果总次数的占比值大于或者等于预设占比值时,该服务器端将步骤7中的热度衰减系数调低;否则,该服务器端将步骤7中的热度衰减系数调高;
步骤b4,服务器端将调整后的热度衰减系数替换掉时令菜谱热度值实时变化曲线的原有热度衰减系数,得到更新后的时令菜谱热度值实时变化曲线;
步骤b5,服务器端在再次接收到任一移动终端发送的时令菜谱推荐请求时,该服务器端获取接收到该时令菜谱推荐请求时所对应的当前时刻值,并将该当前时刻值分别代入各时令菜谱的更新后的时令菜谱热度值实时变化曲线,得到具有最大菜谱热度值的最佳时令菜谱,然后将所得该最佳时令菜谱发送给发送时令菜谱推荐请求的移动终端。
需要说明的是,该菜谱推荐方法针对热推菜谱热度值曲线设置了可调的热度增强系数且针对时令菜谱热度值曲线设置了可调的热度衰减系数,并基于用户对服务器端前期所推荐菜谱的评价反馈情况做自动调整,更切合用户烹饪后的实际评价结论。
Claims (4)
1.一种基于用户行为热度的菜谱推荐方法,用于包括有移动终端和服务器端的菜谱推荐系统,服务器端内存储有菜谱数据库,其特征在于,所述基于用户行为热度的菜谱推荐方法包括如下步骤1~步骤9:
步骤1,建立移动终端与服务器端的通信连接,由用户利用移动终端访问服务器端内的菜谱数据库;其中,所述菜谱数据库中存储有N个数字菜谱,第i个数字菜谱标记为Cookbooki,1≤i≤N;
步骤2,所述服务器端预先设置移动终端的各种访问行为分别对菜谱推荐热度的菜谱热度影响权重值;
其中,移动终端的访问行为包括查看行为、点赞行为、收藏行为、智能烹饪行为和分享行为;所述移动终端的查看行为标记为View,所述点赞行为标记为Like,所述收藏行为标记为Collect,所述智能烹饪行为标记为Cooke,所述分析行为标记为Share;
所述查看行为对应的菜谱热度影响权重值标记为wView、所述点赞行为对应的菜谱热度影响权重值标记为wLike、所述收藏行为对应的菜谱热度影响权重值标记为wCollect、所述智能烹饪行为对应的菜谱热度影响权重值标记为wCooke、所述分享行为对应的菜谱热度影响权重值标记为wShare;wView+wLike+wCollect+wCooke+wShare=1,且0<wView<1,0<wLike<1,0<wCollect<1,0<wCooke<1,0<wShare<1;
步骤4,所述服务器端在预设周期内获取其菜谱数据库内各数字菜谱被所有移动终端执行的访问行为次数集;
其中,所述预设周期标记为T,所述数字菜谱Cookbooki在预设周期T内所对应查看行为的总次数标记为所对应点赞行为的总次数标记为所对应收藏行为的总次数标记为所对应智能烹饪行为的总次数标记为所对应分享行为的总次数标记为
步骤5,所述服务器端获取所述所有访问行为在所述预设周期内对各数字菜谱的菜谱热度影响值,并根据数字菜谱的菜谱热度初始化值和菜谱热度影响值,得到每个数字菜谱在所述预设周期内的菜谱热度基本值;其中,所述所有访问行为为在所述预设周期T内对数字菜谱Cookbooki的菜谱热度影响值标记为数字菜谱Cookbooki的菜谱热度基本值标记为
步骤6,所述服务器端预先设置针对热推菜谱的菜谱热度阈值,且由服务器端将步骤5所得菜谱热度基本值大于或者等于所述菜谱热度阈值的数字菜谱作为菜谱上架时刻的所要推荐的热推菜谱以及将步骤5所得菜谱热度基本值小于所述菜谱热度阈值的数字菜谱作为菜谱上架时刻所要推荐的时令菜谱;其中,所述菜谱上架时刻标记为t0;
步骤7,所述服务器端设置针对所述热推菜谱的热推菜谱热度值实时变化曲线以及针对所述时令菜谱的时令菜谱热度值实时变化曲线;其中:
所述热推菜谱对应的热推菜谱热度值实时变化曲线为:
所述时令菜谱对应的时令菜谱热度值实时变化曲线为:
步骤8,所述服务器端在接收到用户利用移动终端发送的菜谱推荐请求时,该服务器端获取接收到该菜谱推荐请求时所对应的当前时刻值,并将该当前时刻值分别代入各热推菜谱的热推菜谱热度值实时变化曲线以及将该当前时刻值分别代入各时令菜谱对应的时令菜谱热度值实时变化曲线,分别得到具有最大菜谱热度值的最佳热推菜谱以及具有最大菜谱热度值的最佳时令菜谱;
步骤9,所述服务器端将所得最佳热推菜谱以及最佳时令菜谱发送给请求推荐菜谱的移动终端。
2.根据权利要求1所述基于用户行为热度的菜谱推荐方法,其特征在于,所述步骤7中的所述热度增强系数K1大于所述热度衰减系数K2。
3.根据权利要求1所述基于用户行为热度的菜谱推荐方法,其特征在于,在步骤9之后还包括如下步骤a1~步骤a5:
步骤a1,在预先针对热推菜谱设置的热推菜谱评价反馈时间段内,接收到最佳热推菜谱的用户利用其移动终端分别发送针对最佳热推菜谱的好评反馈结果、中评反馈结果和差评反馈给服务器端;
步骤a2,所述服务器端统计其在所述热推菜谱评价反馈时间段内所接收到的好评反馈结果次数、中评反馈结果次数、差评反馈结果次数以及评价反馈结果总次数;其中,所述评价反馈结果总次数为所述好评反馈结果次数、中评反馈结果次数与所述差评反馈结果次数的和值;
步骤a3,所述服务器端判断所述好评反馈结果次数在所述评价反馈结果总次数的占比值大于或者等于预设占比值时,该服务器端将步骤7中的所述热度增强系数调高;否则,该服务器端将步骤7中的所述热度增强系数调低;
步骤a4,所述服务器端将调整后的热度增强系数替换掉所述热推菜谱热度值实时变化曲线的原有热度增强系数,得到更新后的热推菜谱热度值实时变化曲线;
步骤a5,所述服务器端在再次接收到任一移动终端发送的热推菜谱推荐请求时,该服务器端获取接收到该热推菜谱推荐请求时所对应的当前时刻值,并将该当前时刻值分别代入各热推菜谱的更新后的热推菜谱热度值实时变化曲线,得到具有最大菜谱热度值的最佳热推菜谱,然后将所得该最佳热推菜谱发送给发送热推菜谱推荐请求的移动终端。
4.根据权利要求1或3所述基于用户行为热度的菜谱推荐方法,其特征在于,在步骤9之后还包括如下步骤b1~步骤b5:
步骤b1,在预先针对时令菜谱设置的时令菜谱评价反馈时间段内,接收到最佳时令菜谱的用户利用其移动终端分别发送针对最佳时令菜谱的好评反馈结果、中评反馈结果和差评反馈给服务器端;
步骤b2,所述服务器端统计其在所述时令菜谱评价反馈时间段内所接收到的好评反馈结果次数、中评反馈结果次数、差评反馈结果次数以及评价反馈结果总次数;其中,所述评价反馈结果总次数为所述好评反馈结果次数、中评反馈结果次数与所述差评反馈结果次数的和值;
步骤b3,所述服务器端判断所述好评反馈结果次数在所述评价反馈结果总次数的占比值大于或者等于预设占比值时,该服务器端将步骤7中的所述热度衰减系数调低;否则,该服务器端将步骤7中的所述热度衰减系数调高;
步骤b4,所述服务器端将调整后的热度衰减系数替换掉所述时令菜谱热度值实时变化曲线的原有热度衰减系数,得到更新后的时令菜谱热度值实时变化曲线;
步骤b5,所述服务器端在再次接收到任一移动终端发送的时令菜谱推荐请求时,该服务器端获取接收到该时令菜谱推荐请求时所对应的当前时刻值,并将该当前时刻值分别代入各时令菜谱的更新后的时令菜谱热度值实时变化曲线,得到具有最大菜谱热度值的最佳时令菜谱,然后将所得该最佳时令菜谱发送给发送时令菜谱推荐请求的移动终端。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811357870.9A CN111192657A (zh) | 2018-11-15 | 2018-11-15 | 一种基于用户行为热度的菜谱推荐方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811357870.9A CN111192657A (zh) | 2018-11-15 | 2018-11-15 | 一种基于用户行为热度的菜谱推荐方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111192657A true CN111192657A (zh) | 2020-05-22 |
Family
ID=70710521
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811357870.9A Pending CN111192657A (zh) | 2018-11-15 | 2018-11-15 | 一种基于用户行为热度的菜谱推荐方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111192657A (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103164804A (zh) * | 2011-12-16 | 2013-06-19 | 阿里巴巴集团控股有限公司 | 一种个性化的信息推送方法及装置 |
CN105045921A (zh) * | 2015-08-26 | 2015-11-11 | 北京京东尚科信息技术有限公司 | 为移动终端提供推荐信息的方法及装置 |
CN105528374A (zh) * | 2014-10-21 | 2016-04-27 | 苏宁云商集团股份有限公司 | 一种电子商务中的商品推荐方法及其系统 |
CN105893440A (zh) * | 2015-12-15 | 2016-08-24 | 乐视网信息技术(北京)股份有限公司 | 一种关联应用的推荐方法及装置 |
CN106202151A (zh) * | 2016-06-23 | 2016-12-07 | 长沙学院 | 一种用于提高个性化推荐系统多样性的方法 |
CN108153792A (zh) * | 2016-12-02 | 2018-06-12 | 阿里巴巴集团控股有限公司 | 一种数据处理方法和相关装置 |
CN108304399A (zh) * | 2017-01-12 | 2018-07-20 | 武汉斗鱼网络科技有限公司 | 网络内容的推荐方法及装置 |
CN108509630A (zh) * | 2018-04-09 | 2018-09-07 | 北京搜狐新媒体信息技术有限公司 | 一种新闻推荐方法及装置 |
CN108769159A (zh) * | 2018-05-16 | 2018-11-06 | 北京豆果信息技术有限公司 | 一种电子菜谱智能推荐方法 |
-
2018
- 2018-11-15 CN CN201811357870.9A patent/CN111192657A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103164804A (zh) * | 2011-12-16 | 2013-06-19 | 阿里巴巴集团控股有限公司 | 一种个性化的信息推送方法及装置 |
CN105528374A (zh) * | 2014-10-21 | 2016-04-27 | 苏宁云商集团股份有限公司 | 一种电子商务中的商品推荐方法及其系统 |
CN105045921A (zh) * | 2015-08-26 | 2015-11-11 | 北京京东尚科信息技术有限公司 | 为移动终端提供推荐信息的方法及装置 |
CN105893440A (zh) * | 2015-12-15 | 2016-08-24 | 乐视网信息技术(北京)股份有限公司 | 一种关联应用的推荐方法及装置 |
CN106202151A (zh) * | 2016-06-23 | 2016-12-07 | 长沙学院 | 一种用于提高个性化推荐系统多样性的方法 |
CN108153792A (zh) * | 2016-12-02 | 2018-06-12 | 阿里巴巴集团控股有限公司 | 一种数据处理方法和相关装置 |
CN108304399A (zh) * | 2017-01-12 | 2018-07-20 | 武汉斗鱼网络科技有限公司 | 网络内容的推荐方法及装置 |
CN108509630A (zh) * | 2018-04-09 | 2018-09-07 | 北京搜狐新媒体信息技术有限公司 | 一种新闻推荐方法及装置 |
CN108769159A (zh) * | 2018-05-16 | 2018-11-06 | 北京豆果信息技术有限公司 | 一种电子菜谱智能推荐方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109495770B (zh) | 一种直播间推荐方法、装置、设备及介质 | |
CN105812255B (zh) | 回源线路的选择方法及装置 | |
JP2008529117A (ja) | ユーザグループの共通の興味の度合いを得る方法及び装置 | |
WO2019120331A3 (en) | Retrieving values of digital tickets using smart contracts in blockchain networks | |
CN109348260B (zh) | 一种直播间推荐方法、装置、设备及介质 | |
CN110932908B (zh) | 一种选择网络切片接入的方法、装置及系统 | |
CN111222553B (zh) | 机器学习模型的训练数据处理方法、装置和计算机设备 | |
CN111192657A (zh) | 一种基于用户行为热度的菜谱推荐方法 | |
CN108198565B (zh) | 混音处理方法、装置、计算机设备和存储介质 | |
CN106991122B (zh) | 一种基于粒子群算法的电影推荐方法 | |
CN105303517B (zh) | 一种图像处理方法及装置 | |
CN111754118A (zh) | 基于自适应学习的智能菜谱优化系统 | |
US11405384B2 (en) | Method and device of regulating website load | |
Shin et al. | FedVar: Federated learning algorithm with weight variation in clients | |
CN109559707A (zh) | 显示面板的伽马值处理方法、装置及显示设备 | |
CN112836085A (zh) | 一种权重调整方法及装置、存储介质 | |
CN101107852A (zh) | 一种获取一个用户群共同兴趣度的方法及装置 | |
CN113766650B (zh) | 基于动态平衡的互联网资源获取方法及系统 | |
CN110581842B (zh) | Dns请求的处理方法及服务器 | |
CN104301759B (zh) | 收视时长的获取方法和获取装置 | |
CN111666486B (zh) | 热度值获取方法及装置 | |
US20040044907A1 (en) | Method of self-adjusting sensitivity for filtering documents | |
CN107545931B (zh) | 一种医疗体系评价方法及系统 | |
CN112596992A (zh) | 应用活跃度的计算方法及装置 | |
CN112836767A (zh) | 联邦建模方法、装置、设备、存储介质及程序产品 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200522 |