CN112163151A - 一种模拟推荐方法、计算机设备及存储介质 - Google Patents

一种模拟推荐方法、计算机设备及存储介质 Download PDF

Info

Publication number
CN112163151A
CN112163151A CN202011021833.8A CN202011021833A CN112163151A CN 112163151 A CN112163151 A CN 112163151A CN 202011021833 A CN202011021833 A CN 202011021833A CN 112163151 A CN112163151 A CN 112163151A
Authority
CN
China
Prior art keywords
user
information
user information
recommendation
recommended object
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
Application number
CN202011021833.8A
Other languages
English (en)
Inventor
周希波
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.)
BOE Technology Group Co Ltd
Original Assignee
BOE Technology Group 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 BOE Technology Group Co Ltd filed Critical BOE Technology Group Co Ltd
Priority to CN202011021833.8A priority Critical patent/CN112163151A/zh
Publication of CN112163151A publication Critical patent/CN112163151A/zh
Pending legal-status Critical Current

Links

Images

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
    • 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
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0631—Item recommendations

Landscapes

  • Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Physics & Mathematics (AREA)
  • Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Strategic Management (AREA)
  • Marketing (AREA)
  • Development Economics (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • User Interface Of Digital Computer (AREA)

Abstract

本申请实施例公开一种模拟推荐方法、计算机设备及存储介质。该模拟推荐方法的一具体实施方式包括显示用户信息、用户信息修改控件和推荐对象信息；响应于对用户信息修改控件的操作或响应于接收自用户终端的操作数据，得到修改后的用户信息；计算得到修改后的用户信息对应的推荐对象信息，并同步显示修改后的用户信息及其对应的推荐对象信息。该模拟推荐方法通过直观可视化的方式模拟呈现出用户信息的修改对推荐对象结果所产生的变化，有助于测评该模拟推荐方法的系统逻辑，及时发现并修正算法漏洞，同时有助于对比不同的推荐策略，更好地进行商品标签的管理及制定个性化的运营策略。

Description

一种模拟推荐方法、计算机设备及存储介质
技术领域
本申请涉及互联网技术领域。更具体地，涉及一种模拟推荐方法、计算设备及存储介质。
背景技术
个性化推荐系统是互联网和电子商务发展的产物，利用海量数据挖掘技术，向用户提供个性化的信息服务。现有技术中的个性化推荐系统通常针对每个用户构建专属的用户画像，即通过用户与个性化推荐系统的不断交互，从而挖掘用户的兴趣标签，并结合用户提供的基本信息，逐渐形成稳定的用户画像，个性化推荐系统再根据生成的用户画像向每个用户推荐不同的商品。随着个性化推荐系统与用户之间长时间的交互，使得用户画像的兴趣标签持续演变，从而带来推荐结果的演变。
对于开发者及运营人员而言，现有技术的个性化推荐系统与用户之间长期交互所带来用户画像的兴趣标签的演变从而导致推荐系统的推荐结果演变的过程是难以被感知的，即运营人员无法得知这一推荐结果的演变是基于用户画像中何种兴趣标签的演变所带来的。
发明内容
本申请的目的在于提供一种模拟推荐方法、计算设备及存储介质，以解决现有技术存在的问题中的至少一个。
为达到上述目的，本申请采用下述技术方案：
本申请第一方面提供了一种模拟推荐方法，应用于计算机设备，包括显示用户信息、用户信息修改控件和推荐对象信息；响应于对所述用户信息修改控件的操作或响应于接收自用户终端的操作数据，得到修改后的用户信息；计算得到修改后的用户信息对应的推荐对象信息，并同步显示修改后的用户信息及其对应的推荐对象信息。
在一种实施例中，所述用户信息包括用户基本信息和用户对推荐对象标签的喜好度，所述用户信息修改控件包括用户对推荐对象标签的喜好度的修改控件。
在一种实施例中，所述推荐对象信息包括：推荐对象名称、用户对推荐对象的喜好度。
在一种实施例中，所述推荐对象信息还包括：推荐对象对应的推荐对象标签。
在一种实施例中，所述计算得到修改后的用户信息对应的推荐对象信息包括：根据修改后的用户对推荐对象标签的喜好度和推荐对象对应的推荐对象标签，计算用户对各推荐对象的喜好度，得到修改后的用户信息对应的推荐对象信息。
在一种实施例中，该方法还包括记录用户信息的历史数据及每次修改后的用户信息对应的推荐对象信息的历史数据；根据预设的时间参数，依次同步展示历史数据中的用户信息及其对应的推荐对象信息。
本申请第二方面提供一种计算机设备，包括：显示模块，用于显示显示用户信息、用户信息修改控件和推荐对象信息；交互模块，用于响应于对所述用户信息修改控件的操作或响应于接收自用户终端的操作数据，得到修改后的用户信息；处理模块，用于计算得到修改后的用户信息对应的推荐对象信息，并控制所述显示模块同步显示修改后的用户信息及其对应的推荐对象信息。
在一种实施例中，所述用户信息包括用户基本信息和用户对推荐对象标签的喜好度，所述用户信息修改控件包括用户对推荐对象标签的喜好度的修改控件。
在一种实施例中，所述推荐对象信息包括：推荐对象名称、用户对推荐对象的喜好度。
在一种实施例中，所述推荐对象信息还包括：推荐对象对应的推荐对象标签。
在一种实施例中，所述处理模块，用于计算得到修改后的用户信息对应的推荐对象信息包括：根据修改后的用户对推荐对象标签的喜好度和推荐对象对应的推荐对象标签，计算用户对各推荐对象的喜好度，得到修改后的用户信息对应的推荐对象信息。
在一种实施例中，所述处理模块，还用于记录用户信息的历史数据及每次修改后的用户信息对应的推荐对象信息的历史数据，并根据预设的时间参数，控制所述显示模块依次同步展示历史数据中的用户信息及其对应的推荐对象信息。
本申请第三方面提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现本申请第一方面所提供的模拟推荐方法。
本申请的有益效果如下：
针对现有技术中存在的技术问题，本申请提供一种模拟推荐方法、计算机设备及存储介质。该模拟推荐方法通过直观可视化的方式模拟呈现出用户信息的修改对最终的推荐对象所产生的变化，使得操作者可以通过动态调整用户信息的兴趣标签喜好度，从而观察推荐对象所产生的变化，有助于测评该模拟推荐方法的系统逻辑，及时发现并修正算法漏洞，同时有助于对比不同的推荐策略，更好地进行商品标签的管理及制定个性化的运营策略。
附图说明
下面结合附图对本申请的具体实施方式作进一步详细的说明。
图1示出本申请的一个实施例中的模拟推荐方法的流程图。
图2示出本申请实施例中的模拟推荐方法的显示界面图。
图3示出本申请实施例中的模拟推荐方法的另一显示界面图。
图4示出本申请的另一个实施例中的计算机设备的结构示意图。
图5示出实现本申请实施例提供的计算机设备的计算机系统的结构示意图。
具体实施方式
为了更清楚地说明本申请，下面结合实施例和附图对本申请做进一步的说明。附图中相似的部件以相同的附图标记进行表示。本领域技术人员应当理解，下面所具体描述的内容是说明性的而非限制性的，不应以此限制本申请的保护范围。
在本申请的描述中，需要说明的是，术语“上”、“下”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本申请和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本申请的限制。除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本申请中的具体含义。
还需要说明的是，在本申请的描述中，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。
针对现有技术中存在的技术问题，本申请的一个实施例提供一种应用于计算机设备的模拟推荐方法，该模拟推荐方法可应用于电子设备上的电子商务类应用的个性化推荐系统中。
如图1所示，本实施例提供的应用于计算机设备的模拟推荐方法，包括以下步骤：
S101、显示用户信息、用户信息修改控件和推荐对象信息；
在一个具体的实施例中，用户信息包括用户基本信息和用户对推荐对象标签的喜好度。如图2-3所示的示例中，执行该模拟推荐方法的执行主体(服务器或计算机设备)包括有用于显示用户信息、用户信息修改控件和推荐对象信息的显示装置，显示装置的显示界面包括有交互区和展示区，其中，交互区包括展示用户基本信息、用户对推荐对象标签的喜好度及用户信息修改控件。其中，用户基本信息包括但不限于用户的性别、年龄、星座、所在地、职业、收入、婚姻状况和学历等，以上信息一般用于概括用户的人口及商业属性，可理解的是，用户基本信息具有独特性，基本信息发生变化的频率较低，对推荐对象的产生的影响有限。另外，用户对推荐对象标签的喜好度是指用户对推荐对象所带的标签的喜好度的分值，用户对推荐对象标签的喜好度一般用于概括用户的兴趣及行为属性。用户对推荐对象标签的喜好度随用户的实际需求、体验或者兴趣变化等因素，时常会发生改变。
另外，显示界面的展示区用于显示推荐对象信息，在一个具体的实施例中，推荐对象信息包括：推荐对象名称以及用户对推荐对象的喜好度。例如，如图2-3所示，推荐对象名称以及用户对推荐对象的喜好度可通过列表的形式显示。在另一个具体的实施例中，推荐对象信息还包括推荐对象所包含的推荐对象标签，例如，推荐对象对应的推荐对象标签也可通过以列表形式显示。其中，推荐对象可按照用户对推荐对象的喜好度从多到少进行排序，便于操作人员直观可视化地观察用户的基本信息和用户对推荐对象标签的喜好度，以及对应的推荐对象和每个推荐对象对应的喜好度和推荐对象标签，使操作人员清楚每个推荐对象的推荐理由。
在一个具体示例中，推荐对象可为商品、服务等信息。以推荐对象为商品手机为例进行说明，用户对推荐对象标签的喜好度例如可为用户对手机的“内存”、“分辨率”、“颜色”、“屏幕大小”、“品牌”等标签的喜好度分值，即反映出用户更看重手机这一推荐对象的哪种特性。如图2所示，显示界面的展示区显示出根据用户基本信息和用户对手机的标签喜好度，所推荐的手机信息，手机推荐结果根据用户对该款手机的喜好度进行从高到低排序，每一款推荐手机后显示该款推荐手机所包含的推荐对象标签，例如为“内存”、“分辨率”、“颜色”、“屏幕大小”、“品牌”等。
另外，用户信息修改控件包括用户对推荐对象标签的喜好度的修改控件。在一个具体示例中，如图2-3所示，可针对推荐对象所携带的标签分别对应设置有喜好度进度条，进度条的范围为0-100，操作人员可通过手动拖动进度条从而修改用户对推荐对象的某个标签的喜好度；在另一个具体示例中，执行该模拟推荐方法的执行主体(服务器或计算机设备)可根据用户终端与该模拟推荐方法的长期交互，不断迭代更新用户对推荐对象标签的喜好度分值，并通过进度条的方式呈现，方便操作人员对比比较，更好地对推荐对象的标签进行管理。
在另一个具体的实施例中，用户信息修改控件还包括对用户基本信息的修改控件。以图2-3所示为例，针对用户的不同基本信息分别设置对应的输入框，操作人员可手动填入或者更改相应的信息；在另一个具体示例中，执行该模拟推荐方法的执行主体(服务器或计算机设备)也可根据用户终端与该模拟推荐方法的长期交互，更新用户的基本信息并呈现。
S102、响应于对用户信息修改控件的操作或响应于接收自用户终端的操作数据，得到修改后的用户信息；
在一个具体的实施例中，对用户信息修改控件的操作例如可为操作人员通过手动拖动进度条，修改用户对推荐对象的某个标签的喜好度或者为手动更改输入框内的基本信息。
在一个具体的实施例中，接收自用户终端的操作数据是指执行该模拟推荐方法的执行主体(服务器或计算机设备)通过远程网络获取用户终端(如用户的电子设备)的历史数据库中用户的历史操作数据，从而对应修改用户对推荐对象的标签的喜好度或者用户的基本信息。
在另一个具体的实施例中，执行该模拟推荐方法的执行主体(服务器或计算机设备)设置在电子商务类应用的个性化推荐系统内，其中个性化推荐系统与用户终端进行长期交互(例如个性化推荐系统向用户终端推荐商品，用户对推荐商品进行反馈等)。该实施例中，接收自用户终端的操作数据是指执行该模拟推荐方法的执行主体(服务器或计算机设备)通过从个性化推荐系统的历史数据库内调取个性化推荐系统与该用户的历史操作数据，从而修改用户对推荐对象的标签的喜好度或者用户的基本信息。
S103、计算得到修改后的用户信息对应的推荐对象信息，并同步显示修改后的用户信息及其对应的推荐对象信息。
在一个具体的实施例中，计算得到修改后的用户信息对应的推荐对象信息包括：根据修改后的用户对推荐对象标签的喜好度和推荐对象对应的推荐对象标签，计算用户对各推荐对象的喜好度，得到修改后的用户信息对应的推荐对象信息。在一个具体示例中，通过以下计算公式计算用户对各个推荐对象的喜好度likep：
Figure BDA0002700874760000061
其中，Lp为推荐对象p所携带的标签的集合，|Lp|为集合Lp的模，likel为用于对标签l的喜好度。通过上式计算出用户对各个推荐对象的喜好度后，根据喜好度从高到低进行重新排序并展示。
在一个具体的实施例中，如图2-3所示，其中，图2为该模拟推荐方法针对某个用户的显示界面图，其中显示界面左半部分为交互区，显示该用户的用户基本信息、用户对推荐对象标签的喜好度以及用户信息修改控件。另外，显示界面右半部分的展示区，展示出该模拟推荐方法基于左半部分交互区中的用户基本信息和用户对推荐对象标签的喜好度，计算得出的推荐对象信息，如图2所示，该推荐对象的排序例如商品1、商品2、商品3、…、商品M，对应地用户对该推荐对象的喜好度为98、95、93、…、78；请继续参阅图3，图3为该模拟推荐方法针对该用户的修改后的用户信息的显示界面图。其中，相比于图2的显示界面，图3的显示界面的交互区中用户基本信息没有变化，用户对推荐对象标签(如标签1、标签2、标签3…)的喜好度的分值有所变化，用户对推荐对象标签的喜好度分支的变化可通过操作人员通过手动拖动进度条进行修改，或者执行该模拟推荐方法的执行主体(服务器或计算机设备)通过远程网络获取用户终端的历史数据库中用户的历史操作数据进行修改，或执行该模拟推荐方法的执行主体(服务器或计算机设备)通过从个性化推荐系统的历史数据库内调取个性化推荐系统与该用户的历史操作数据进行修改，相应地，显示界面右半部分的展示区，展示出该模拟推荐方法基于图3所示的用户基本信息和更新后的用户对推荐对象标签的喜好度，计算得出的推荐对象信息，如图3所示，该推荐对象的排序例如商品4、商品3、商品5、…、商品M，对应地用户对该推荐对象的喜好度为96、94、90、…、75。
该实施例的模拟推荐方法首先显示用户基本信息、用户对推荐对象的喜好度，随后可通过操作人员手动操作修改用户基本信息或者通过拖动喜好度进度条，修改用户对推荐对象的喜好度，或者通过接收自用户终端的操作数据从而修改用户基本信息或者用户对推荐对象的喜好度，该模拟推荐方法根据修改之后的用户信息，计算得到修改后的用户信息对应的推荐对象信息，并同步显示，该实施例的模拟推荐方法可实现动态演示用户信息(包括用户基本信息和用户对推荐对象标签的喜好度)的变化对推荐结果(如推荐对象信息，用户对推荐对象的喜好度，推荐对象的排序)的改变，即通过直观可视化的方式模拟呈现出用户信息的修改对最终的推荐对象结果所产生的变化，使得操作者可以通过动态调整用户的兴趣标签喜好度，从而观察该模拟推荐方法的推荐对象的变化，对于开发人员而言，有助于测评该推荐方法的系统逻辑，及时发现并修正算法漏洞；对于运营人员而言，有助于对比不同的推荐策略，更好地进行商品标签的管理及制定个性化的运营策略。
在一个具体的实施例中，该模拟推荐方法还包括：
S104、记录用户信息的历史数据及每次修改后的用户信息对应的推荐对象信息的历史数据。
在一个具体示例中，执行该模拟推荐方法的执行主体(服务器或计算机设备)设置在电子商务类应用的个性化推荐系统内，其中个性化推荐系统与用户终端进行长期交互(例如个性化推荐系统向用户终端推荐商品)，用户针对个性化推荐系统的推荐对象进行反馈，如正反馈和负反馈，执行该模拟推荐方法的执行主体(服务器或计算机设备)会实时地对用户行为日志进行分析，区别用户对个性化推荐系统的推荐对象进行的正、负反馈，并以此更新用户对推荐对象的标签的喜好度或者用户的基本信息，例如用户对个性化推荐系统的推荐对象产生正反馈，该模拟推荐方法可将该用户对该推荐对象所携带的标签的喜好度按照预设的规则累加，反之则递减。在该实施例中，用户信息的历史数据及每次修改后的用户信息对应的推荐对象信息的历史数据指的是执行该模拟推荐方法的执行主体(服务器或计算机设备)通过从个性化推荐系统的历史数据库内调取个性化推荐系统与该用户的历史操作数据，从而修改得到的用户对推荐对象的标签的喜好度或者用户的基本信息以及通过计算得到的修改后的用户信息对应的推荐对象信息。
在一个具体示例中，用户信息的历史数据及每次修改后的用户信息对应的推荐对象信息的历史数据为执行该模拟推荐方法的执行主体(服务器或计算机设备)通过远程网络获取用户终端(如用户的电子设备)的历史数据库中用户的历史操作数据以及该模拟推荐方法基于每次修改后的用户信息计算得到的推荐对象信息。
在一个具体示例中，用户信息的历史数据及每次修改后的用户信息对应的推荐对象信息的历史数据为操作人员每一次通过手动拖动进度条，修改用户对推荐对象的某个标签的喜好度或者为手动更改输入框内的基本信息以及该模拟推荐方法根据操作人员每一次修改后的用户信息计算得到的推荐对象信息。
S105、根据预设的时间参数，依次同步展示历史数据中的用户信息及其对应的推荐对象信息。
在一个具体示例中，执行该模拟推荐方法的执行主体(服务器或计算机设备)将用户信息(即用户基本信息、用户对推荐对象标签的喜好度)以及该用户信息所对应的推荐对象信息按照预设的时间参数(例如以一天、一周为时间粒度)进行时间切片并保存。在一个具体示例中，当操作人员输入该用户信息时，执行该模拟推荐方法的执行主体(服务器或计算机设备)从数据库中获取该用户的用户信息的所有时间切片，如以一天为时间粒度的实施例中，则获取该用户每一天的用户信息的时间切片，并按照顺序将每一个时间切片对应的用户信息展示在显示界面的交互区中，相应地，将该用户信息对应的推荐对象信息显示在展示区中，也就是说，该模拟推荐方法可快速模拟或显示出用户信息及其对应的推荐对象信息随时间所发生的演变，使得操作人员可直观地观察该用户的用户信息及其对应的推荐对象信息随着时间的演变过程。
请参考图4，作为对图1所示的模拟推荐方法的实现，本申请的另一个实施例提供一种计算机设备200，该计算机设备200的实施例与图1所示的模拟推荐方法实施例相对应，该计算机设备200具体可以为服务器。该计算机设备200包括显示模块201，用于显示用户信息、用户信息修改控件和推荐对象信息；交互模块202，用于响应于对用户信息修改控件的操作或响应于接收自用户终端的操作数据，得到修改后的用户信息；处理模块203，用于计算得到修改后的用户信息对应的推荐对象信息，并控制显示模块同步显示修改后的用户信息及其对应的推荐对象信息。
在一个具体的实施例中，用户信息包括用户基本信息和用户对推荐对象标签的喜好度，用户信息修改控件包括用户对推荐对象标签的喜好度的修改控件。
在一个具体的实施例中，该显示模块可为触摸屏，用户信息修改控件可为设置在触摸屏的虚拟按键，如喜好度进度条，通过操作人员拖动喜好度进度条从而修改用户对推荐对象标签的喜好度。在另一个具体的实施例中，操作人员可通过键盘修改或者鼠标点击、拖动的方式修改用户信息。
在一个具体的实施例中，推荐对象信息包括：推荐对象名称、用户对推荐对象的喜好度。
在一个具体的实施例中，推荐对象信息还包括：推荐对象对应的推荐对象标签。
在一个具体的实施例中，处理模块203，用于计算得到修改后的用户信息对应的推荐对象信息包括：根据修改后的用户对推荐对象标签的喜好度和推荐对象对应的推荐对象标签，计算用户对各推荐对象的喜好度，得到修改后的用户信息对应的推荐对象信息。
在一个具体的实施例中，处理模块203，还用于记录用户信息的历史数据及每次修改后的用户信息对应的推荐对象信息的历史数据，并根据预设的时间参数，控制显示模块201依次同步展示历史数据中的用户信息及其对应的推荐对象信息。
需要说明的是，本实施例提供的计算机设备的原理及工作流程与上述模拟推荐方法相似，相关之处可以参照上述说明，在此不再赘述。
如图5所示，适于用来实现上述实施例提供的计算机设备的计算机系统，包括中央处理模块(CPU)，其可以根据存储在只读存储器(ROM)中的程序或者从存储部分加载到随机访问存储器(RAM)中的程序而执行各种适当的动作和处理。在RAM中，还存储有计算机系统操作所需的各种程序和数据。CPU、ROM以及RAM通过总线被此相连。输入/输入(I/O)接口也连接至总线。
以下部件连接至I/O接口:包括键盘、鼠标等的输入部分；包括诸如液晶显示器(LCD)等以及扬声器等的输出部分；包括硬盘等的存储部分；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分。通信部分经由诸如因特网的网络执行通信处理。驱动器也根据需要连接至I/O接口。可拆卸介质，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器上，以便于从其上读出的计算机程序根据需要被安装入存储部分。
特别地，根据本实施例，上文流程图描述的过程可以被实现为计算机软件程序。例如，本实施例包括一种计算机程序产品，其包括有形地包含在计算机可读介质上的计算机程序，上述计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分从网络上被下载和安装，和/或从可拆卸介质被安装。
附图中的流程图和示意图，图示了本实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或示意图中的每个方框可以代表一个模块、程序段或代码的一部分，上述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，示意图和/或流程图中的每个方框、以及示意和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
作为另一方面，本实施例还提供了一种非易失性计算机存储介质，该非易失性计算机存储介质可以是上述实施例中上述装置中所包含的非易失性计算机存储介质，也可以是单独存在，未装配入终端中的非易失性计算机存储介质。上述非易失性计算机存储介质存储有一个或者多个程序，当上述一个或者多个程序被一个设备执行时，使得上述设备执行：显示用户信息、用户信息修改控件和推荐对象信息；响应于对所述用户信息修改控件的操作或响应于接收自用户终端的操作数据，得到修改后的用户信息；计算得到修改后的用户信息对应的推荐对象信息，并同步显示修改后的用户信息及其对应的推荐对象信息。
显然，本申请的上述实施例仅仅是为清楚地说明本申请所作的举例，而并非是对本申请的实施方式的限定，对于本领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动，这里无法对所有的实施方式予以穷举，凡是属于本申请的技术方案所引伸出的显而易见的变化或变动仍处于本申请的保护范围之列。

Claims (13)

1.一种模拟推荐方法，应用于计算机设备，其特征在于，包括：
显示用户信息、用户信息修改控件和推荐对象信息；
响应于对所述用户信息修改控件的操作或响应于接收自用户终端的操作数据，得到修改后的用户信息；
计算得到修改后的用户信息对应的推荐对象信息，并同步显示修改后的用户信息及其对应的推荐对象信息。
2.根据权利要求1所述的方法，其特征在于，所述用户信息包括用户基本信息和用户对推荐对象标签的喜好度，所述用户信息修改控件包括用户对推荐对象标签的喜好度的修改控件。
3.根据权利要求2所述的方法，其特征在于，所述推荐对象信息包括：推荐对象名称、用户对推荐对象的喜好度。
4.根据权利要求3所述的方法，其特征在于，所述推荐对象信息还包括：推荐对象对应的推荐对象标签。
5.根据权利要求2所述的方法，其特征在于，所述计算得到修改后的用户信息对应的推荐对象信息包括：根据修改后的用户对推荐对象标签的喜好度和推荐对象对应的推荐对象标签，计算用户对各推荐对象的喜好度，得到修改后的用户信息对应的推荐对象信息。
6.根据权利要求1所述的方法，其特征在于，该方法还包括：
记录用户信息的历史数据及每次修改后的用户信息对应的推荐对象信息的历史数据；
根据预设的时间参数，依次同步展示历史数据中的用户信息及其对应的推荐对象信息。
7.一种计算机设备，其特征在于，包括：
显示模块，用于显示显示用户信息、用户信息修改控件和推荐对象信息；
交互模块，用于响应于对所述用户信息修改控件的操作或响应于接收自用户终端的操作数据，得到修改后的用户信息；
处理模块，用于计算得到修改后的用户信息对应的推荐对象信息，并控制所述显示模块同步显示修改后的用户信息及其对应的推荐对象信息。
8.根据权利要求7所述的计算机设备，其特征在于，所述用户信息包括用户基本信息和用户对推荐对象标签的喜好度，所述用户信息修改控件包括用户对推荐对象标签的喜好度的修改控件。
9.根据权利要求8所述的计算机设备，其特征在于，所述推荐对象信息包括：推荐对象名称、用户对推荐对象的喜好度。
10.根据权利要求9所述的计算机设备，其特征在于，所述推荐对象信息还包括：推荐对象对应的推荐对象标签。
11.根据权利要求8所述的计算机设备，其特征在于，所述处理模块，用于计算得到修改后的用户信息对应的推荐对象信息包括：根据修改后的用户对推荐对象标签的喜好度和推荐对象对应的推荐对象标签，计算用户对各推荐对象的喜好度，得到修改后的用户信息对应的推荐对象信息。
12.根据权利要求7所述的计算机设备，其特征在于，所述处理模块，还用于记录用户信息的历史数据及每次修改后的用户信息对应的推荐对象信息的历史数据，并根据预设的时间参数，控制所述显示模块依次同步展示历史数据中的用户信息及其对应的推荐对象信息。
13.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-6中任一项所述的模拟推荐方法。
CN202011021833.8A 2020-09-25 2020-09-25 一种模拟推荐方法、计算机设备及存储介质 Pending CN112163151A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011021833.8A CN112163151A (zh) 2020-09-25 2020-09-25 一种模拟推荐方法、计算机设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011021833.8A CN112163151A (zh) 2020-09-25 2020-09-25 一种模拟推荐方法、计算机设备及存储介质

Publications (1)

Publication Number Publication Date
CN112163151A true CN112163151A (zh) 2021-01-01

Family

ID=73864327

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011021833.8A Pending CN112163151A (zh) 2020-09-25 2020-09-25 一种模拟推荐方法、计算机设备及存储介质

Country Status (1)

Country Link
CN (1) CN112163151A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113468354A (zh) * 2021-07-23 2021-10-01 建信金融科技有限责任公司 推荐图表的方法、装置、电子设备及计算机可读介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130103628A1 (en) * 2011-10-20 2013-04-25 Sidebar, Inc. User activity dashboard for depicting behaviors and tuning personalized content guidance
CN106796595A (zh) * 2014-09-26 2017-05-31 甲骨文国际公司 用于推荐的数据变换和修复的声明性语言和可视化系统
US10055746B1 (en) * 2011-06-24 2018-08-21 The Directv Group, Inc. Method and system for obtaining feedback for a content recommendation by various algorithms
CN110399185A (zh) * 2018-04-24 2019-11-01 华为技术有限公司 一种调整智能推荐的方法、终端及服务器

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10055746B1 (en) * 2011-06-24 2018-08-21 The Directv Group, Inc. Method and system for obtaining feedback for a content recommendation by various algorithms
US20130103628A1 (en) * 2011-10-20 2013-04-25 Sidebar, Inc. User activity dashboard for depicting behaviors and tuning personalized content guidance
CN106796595A (zh) * 2014-09-26 2017-05-31 甲骨文国际公司 用于推荐的数据变换和修复的声明性语言和可视化系统
CN110399185A (zh) * 2018-04-24 2019-11-01 华为技术有限公司 一种调整智能推荐的方法、终端及服务器

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113468354A (zh) * 2021-07-23 2021-10-01 建信金融科技有限责任公司 推荐图表的方法、装置、电子设备及计算机可读介质

Similar Documents

Publication Publication Date Title
US20190156357A1 (en) Advanced computational prediction models for heterogeneous data
US20180330248A1 (en) Context-aware recommendation system for analysts
US20020089532A1 (en) Graphical user interface and web site evaluation tool for customizing web sites
US20110238670A1 (en) Crowd-sourcing and contextual reclassification of rated content
US11113705B2 (en) Business forecasting using predictive metadata
US20160210658A1 (en) Determining touchpoint attributions in a segmented media campaign
US20080184130A1 (en) Service Architecture Based Metric Views
US20130282626A1 (en) Choice modelling system and method
US20170300939A1 (en) Optimizing promotional offer mixes using predictive modeling
US11074635B2 (en) Real-time recommendation monitoring dashboard
CN112115363A (zh) 一种推荐方法、计算设备及存储介质
CN113157752A (zh) 一种基于用户画像和情境的科技资源推荐方法及系统
CN110889725B (zh) 在线广告ctr预估方法、装置、设备及存储介质
EP4016403A1 (en) Methods and systems for evaluating content
US20200380541A1 (en) Method and system for adjustable automated forecasts
CN110888974A (zh) 数据可视化方法及装置
WO2015074079A1 (en) User task focus and guidance for recurring revenue asset management
CN111340605A (zh) 训练用户行为预测模型、用户行为预测的方法和装置
CN112163151A (zh) 一种模拟推荐方法、计算机设备及存储介质
KR102345753B1 (ko) 서로 다른 복수의 인공신경망을 이용하여 데이터를 지능적으로 시각화하는 방법
US10504254B2 (en) Predictor visualization system, predictor visualization method, and predictor visualization program
Hu et al. Dynamics of a quantum duopoly Stackelberg game model with marginal costs
CN112862693B (zh) 图片处理方法及装置
US20210090098A1 (en) Computational Methods and Systems for Marketing Analysis
CN113590692A (zh) 一种三阶段人群挖掘条件优化方法及系统

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20210101