CN113076450A - 一种目标推荐列表的确定方法和装置 - Google Patents
一种目标推荐列表的确定方法和装置 Download PDFInfo
- Publication number
- CN113076450A CN113076450A CN202110275714.3A CN202110275714A CN113076450A CN 113076450 A CN113076450 A CN 113076450A CN 202110275714 A CN202110275714 A CN 202110275714A CN 113076450 A CN113076450 A CN 113076450A
- Authority
- CN
- China
- Prior art keywords
- target
- list
- keyword
- data
- reference data
- 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 51
- 238000010586 diagram Methods 0.000 claims description 23
- 238000004364 calculation method Methods 0.000 claims description 19
- 230000015654 memory Effects 0.000 claims description 19
- 238000009825 accumulation Methods 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims description 4
- 230000008520 organization Effects 0.000 description 10
- 230000005540 biological transmission Effects 0.000 description 6
- 230000000694 effects Effects 0.000 description 4
- 238000003058 natural language processing Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 239000013598 vector Substances 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000000547 structure data Methods 0.000 description 1
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
- G06F16/903—Querying
- G06F16/9035—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
- G06F16/903—Querying
- G06F16/9038—Presentation of query results
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Computational Linguistics (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)
Abstract
本申请涉及一种目标推荐列表的确定方法和装置，其中，该方法包括：获取与目标对象具有关联关系的参考对象的参考浏览列表，所述参考浏览列表包括多个第一参考数据，每个所述第一参考数据为根据所述参考对象浏览的初始数据排序列表中的参考数据确定的；根据所述关联关系以及所述参考浏览列表确定所述目标对象的目标推荐列表，所述目标推荐列表中包括第二参考数据，所述第二参考数据包括所述参考浏览列表中的一个或多个参考数据。本申请解决了确定目标对象的目标推荐列表的效率较低的技术问题。
Description
技术领域
本申请涉及数据推荐领域，尤其涉及一种目标推荐列表的确定方法和装置。
背景技术
随着互联网的发展，信息发布也越来越简单便捷，每天都有海量数据等待发布，每个内容发布平台都在努力的做到提升自己的推荐算法的精准度，将合适的内容分发给合适的人，然而现在的数据类型越来越复杂多样，而且当内容中的视频、图片、文本数据太多时，推荐算法将面临巨大的计算挑战。
针对上述的问题，目前尚未提出有效的解决方案。
发明内容
本申请提供了一种目标推荐列表的确定方法，以至少解决相关技术中确定目标对象的目标推荐列表的效率较低的技术问题。
根据本申请实施例的一个方面，提供了一种目标推荐列表的确定方法，包括：获取与目标对象具有关联关系的参考对象的参考浏览列表，所述参考浏览列表包括多个第一参考数据，每个所述第一参考数据为根据所述参考对象浏览的初始数据排序列表中的参考数据确定的；根据所述关联关系以及所述参考浏览列表确定所述目标对象的目标推荐列表，所述目标推荐列表中包括第二参考数据，所述第二参考数据包括所述参考浏览列表中的一个或多个参考数据。
可选地，根据所述关联关系以及所述参考浏览列表确定所述目标对象的所述目标推荐列表包括：获取所述目标对象在第一时间段内的初始浏览列表；根据所述关联关系以及所述参考浏览列表对所述初始浏览列表进行更新，以得到所述目标推荐列表。
可选地，根据所述关联关系以及所述参考浏览列表对所述初始浏览列表进行更新包括：根据所述关联关系以及所述参考浏览列表确定初始推荐列表；根据所述初始推荐列表更新所述初始浏览列表，以得到所述目标对象的所述目标推荐列表。
可选地，对所述根据所述关联关系以及所述参考浏览列表确定所述初始推荐列表包括：获取所述目标对象与所述参考对象的第一关系值，以及所述目标对象与所述参考对象的第二关系值，其中，所述第一关系值是根据所述目标对象与所述参考对象在目标群组内的发送的信息量确定的，所述第二关系值是根据所述目标对象与所述参考对象的属性信息确定的；根据所述第一关系值以及所述第二关系值对所述第一参考数据的目标相似度值进行目标计算，以得到所述第一参考数据的匹配度，其中，所述目标相似度值是根据目标关键词与参考关键词之间的相似度确定的，所述目标关键词为所述第一参考数据对应的关键词，所述参考关键词为预设关键词列表中的关键词；根据所述匹配度对所述第一参考数据进行排序，以得到所述初始推荐列表。
可选地，获取与所述目标对象具有关联关系的所述参考对象的所述参考浏览列表包括：根据组织架构图和群组关系图确定与所述目标对象具有所述关联关系的所述参考对象；获取所述参考对象在第二时间段内浏览的所述初始数据排序列表中的所述第一参考数据，其中，所述初始数据排序列表中包含按目标排序方式排列的参考数据，所述目标排序方式是按照所述参考数据对应的目标相似度值的大小确定的，所述目标相似度值是根据目标关键词与参考关键词之间的相似度确定的，所述目标关键词为所述参考数据对应的关键词，所述参考关键词为预设关键词列表中的关键词；根据所述相似度值对所述参考数据列表中的所述第一参考数据进行排序，以得到所述参考浏览列表。
可选地，获取所述参考对象在所述第二时间段内浏览的所述初始数据排序列表中的所述第一参考数据之前，所述方法还包括：获取预设的目标标签体系，所述目标标签体系包括目标分类和目标关键词，每个所述目标分类可包含一个或多个所述目标关键词；计算所述目标关键词与所述预设关键词列表中包含的所述参考关键词的欧式距离值；对每个所述目标关键词对应的前N个欧式距离值进行计算，以得到所述目标关键词与所述预设关键词列表中参考关键词之间的参考相似度值，其中，N为大于零的整数；对所述参考数据进行解析处理，以得到与所述参考数据对应的所述目标关键词；对所述参考数据对应的所述目标关键词的参考相似度值进行累加计算，以得到所述参考数据与所述目标关键词之间的目标相似度值。
根据本申请实施例的另一方面，还提供了一种目标推荐列表的确定装置，包括：第一获取模块，用于获取与目标对象具有关联关系的参考对象的参考浏览列表，所述参考浏览列表包括多个第一参考数据，每个所述第一参考数据为根据所述参考对象浏览的初始数据排序列表中的参考数据确定的；确定模块，用于根据所述关联关系以及所述参考浏览列表确定所述目标对象的目标推荐列表，所述目标推荐列表中包括第二参考数据，所述第二参考数据包括所述参考浏览列表中的一个或多个参考数据。
可选地，所述确定模块包括：第一获取单元，用于获取所述目标对象在第一时间段内的初始浏览列表；更新单元，用于根据所述关联关系以及所述参考浏览列表对所述初始浏览列表进行更新，以得到所述目标推荐列表。
根据本申请实施例的另一方面，还提供了一种存储介质，该存储介质包括存储的程序，程序运行时执行上述的方法。
根据本申请实施例的另一方面，还提供了一种电子装置，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器通过计算机程序执行上述的方法。
在本申请实施例中，获取与目标对象具有关联关系的参考对象的参考浏览列表，所述参考浏览列表包括多个第一参考数据，每个所述第一参考数据为根据所述参考对象浏览的初始数据排序列表中的参考数据确定的；根据所述关联关系以及所述参考浏览列表确定所述目标对象的目标推荐列表，所述目标推荐列表中包括第二参考数据，所述第二参考数据包括所述参考浏览列表中的一个或多个参考数据的方式，当参考对象在浏览初始数据排序列表中的参考数据时，可得到每个参考对象的参考浏览列表，通过获取与目标对象具有某种关联关系的参考对象的参考浏览列表，并根据与目标对象与参考对象之间的关联关系以及参考对象的参考浏览列表从而确定出包含需要向目标对象推荐的参考数据的目标推荐列表，达到了根据与目标对象具有关联关系的参考对象的参考浏览列表确定目标对象的目标推荐列表的目的，从而实现了提高确定目标对象的目标推荐列表的效率的技术效果，进而解决了确定目标对象的目标推荐列表的效率较低的技术问题。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。
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，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是根据本申请实施例的目标推荐列表的确定方法的硬件环境的示意图；
图2是根据本申请实施例的一种可选的目标推荐列表的确定方法的流程图；
图3是根据本申请实施例的一种可选的组织架构图示意图；
图4是根据本申请实施例的一种可选的群组关系图；
图5是根据本申请实施例的一种可选的推荐列表确定的方法流程图；
图6是根据本申请实施例的一种可选的目标推荐列表的确定装置的示意图；
图7是根据本申请实施例的一种电子装置的结构框图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分的实施例，而不是全部的实施例。基于本申请中的实施例，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，都应当属于本申请保护的范围。
需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
根据本申请实施例的一方面，提供了一种目标推荐列表的确定方法实施例。
可选地，在本实施例中，上述目标推荐列表的确定方法可以应用于如图1所示的由终端101和服务器103所构成的硬件环境中。如图1所示，服务器103通过网络与终端101进行连接，可用于为终端或终端上安装的客户端提供服务(如数据计算服务、数据排序服务等)，可在服务器上或独立于服务器设置数据库，用于为服务器103提供数据存储服务，上述网络包括但不限于：广域网、城域网或局域网，终端101并不限定于PC、手机、平板电脑等。本申请实施例的目标推荐列表的确定方法可以由服务器103来执行，也可以由终端101来执行，还可以是由服务器103和终端101共同执行。其中，终端101执行本申请实施例的目标推荐列表的确定方法也可以是由安装在其上的客户端来执行。
图2是根据本申请实施例的一种可选的目标推荐列表的确定方法的流程图，如图2所示，该方法可以包括以下步骤：
步骤S202，获取与目标对象具有关联关系的参考对象的参考浏览列表，所述参考浏览列表包括多个第一参考数据，每个所述第一参考数据为根据所述参考对象浏览的初始数据排序列表中的参考数据确定的；
步骤S204，根据所述关联关系以及所述参考浏览列表确定所述目标对象的目标推荐列表，所述目标推荐列表中包括第二参考数据，所述第二参考数据包括所述参考浏览列表中的一个或多个参考数据。
通过上述步骤S202至步骤S204，当参考对象在浏览初始数据排序列表中的参考数据时，可得到每个参考对象的参考浏览列表，通过获取与目标对象具有某种关联关系的参考对象的参考浏览列表，并根据与目标对象与参考对象之间的关联关系以及参考对象的参考浏览列表从而确定出包含需要向目标对象推荐的参考数据的目标推荐列表，达到了根据与目标对象具有关联关系的参考对象的参考浏览列表确定目标对象的目标推荐列表的目的，从而实现了提高确定目标对象的目标推荐列表的效率的技术效果，进而解决了确定目标对象的目标推荐列表的效率较低的技术问题。
在步骤S202提供的技术方案中，目标对象和参考对象可以但不限于是位于同一个群组内、同一公司内、同一社区内等等，本方案对此不做限定。
可选地，在本实施例中，参考对象的数量可以但不限于是1个、2个、3个等等，本方案对此不做限定。
可选地，在本实施例中，初始数据排序列表中的参考数据的数据类型可以但不限于是音频、视频、图片、文章等等，本方案对此不做限定。
可选地，在本实施例中，关联关系可以但不限于包括直接关联关系和间接关联关系，比如A和B是好友，则A和B具有直接关联关系，同时B和C是好友，但是A和C不是好友，则A和C具有间接关联关系。
在步骤S204提供的技术方案中，目标推荐列表可以是对目标对象的一个浏览列表进行更新的得到的浏览列表，还可以是将参考对象的参考浏览列表直接作为目标对象的推荐列表。
作为一种可选的实施例，根据所述关联关系以及所述参考浏览列表确定所述目标对象的所述目标推荐列表包括：
S11，获取所述目标对象在第一时间段内的初始浏览列表；
S12，根据所述关联关系以及所述参考浏览列表对所述初始浏览列表进行更新，以得到所述目标推荐列表。
可选地，在本实施例中，第一时间段可以是根据开发者的需求灵活设置的，第一时间段可以但不限于是5分钟、1小时、1周等等，比如可以设置第一时间段为历史某一天的上午10：00-11:00。
可选地，在本实施例中，获取初始浏览列表的方式可以但不限于是通过直接对目标对象进行检测并统计得到的，还可以是通过获取其他检测设备对目标对象的浏览情况进行检测统计得到的，本方案对此不作限定。
作为一种可选的实施例，根据所述关联关系以及所述参考浏览列表对所述初始浏览列表进行更新包括：
S21，根据所述关联关系以及所述参考浏览列表确定初始推荐列表；
S22，根据所述初始推荐列表更新所述初始浏览列表，以得到所述目标对象的所述目标推荐列表。
可选地，在本实施例中，对初始浏览列表进行更新的方法可以当不限于包括将初始推荐列表中的不在初始浏览列表中的参考数据添加至初始浏览列表中，并将添加后的初始浏览列表作为目标推荐列表，还可以是在初始推荐列表中剔除初始浏览列表中包含的参考数据，并将剔除后的初始推荐列表确定为目标推荐列表。
可选地，在本实施例中，确定初始推荐列表的方式可以是将与目标对象有关联关系的参考对象的参考浏览列表进行融合得到的，还可以是根据关联关系设置与参考对象的权重值，并根据权重值对每个参考对象的参考浏览列表中的参考数据进行计算，并根据计算结果排序从而得到初始推荐列表。
作为一种可选的实施例，对所述根据所述关联关系以及所述参考浏览列表确定所述初始推荐列表包括：
S31，获取所述目标对象与所述参考对象的第一关系值，以及所述目标对象与所述参考对象的第二关系值，其中，所述第一关系值是根据所述目标对象与所述参考对象在目标群组内的发送的信息量确定的，所述第二关系值是根据所述目标对象与所述参考对象的属性信息确定的；
S32，根据所述第一关系值以及所述第二关系值对所述第一参考数据的目标相似度值进行目标计算，以得到计算结果，其中，所述目标相似度值是根据目标关键词与参考关键词之间的相似度确定的，所述目标关键词为所述第一参考数据对应的关键词，所述参考关键词为预设关键词列表中的关键词；
S33，根据所述计算结果对所述第一参考数据进行排序，以得到所述初始推荐列表。
可选地，在本实施例中，目标群组可以但不限于是社交软件中的某个群组，第一关系值可以但不限于通过公式W*(Pa+Pb)/P0确定的，在该公式中W为目标对象与参考对象所在的群组中的总人数，Pa为目标对象在该群组中发送消息的次数，Pb为参考对象在该群组中发送消息的次数，P0为该群组中所有对象的发言总次数。
可选地，在本实施例中，属性信息可以但不限于包括目标对象和参考对象所述的部门、职位等级等等，比如目标对象和参考对象同属于一个最小的部门则可设置他们之间的第二关系值为1，目标对象和另外一个参考对象同属于一个较小部门但不属于最小的部门，则可设置他们之间的第二关系值为2。
可选地，在本实施例中，进行目标计算的方法可以是通过公式
作为一种可选的实施例，获取与所述目标对象具有关联关系的所述参考对象的所述参考浏览列表包括：
S41，根据组织架构图和群组关系图确定与所述目标对象具有所述关联关系的所述参考对象；
S42，获取所述参考对象在第二时间段内浏览的所述初始数据排序列表中的所述第一参考数据，其中，所述初始数据排序列表中包含按目标排序方式排列的参考数据，所述目标排序方式是按照所述参考数据对应的目标相似度值的大小确定的，所述目标相似度值是根据目标关键词与参考关键词之间的相似度确定的，所述目标关键词为所述参考数据对应的关键词，所述参考关键词为预设关键词列表中的关键词；
S43，根据所述相似度值对所述参考数据列表中的所述第一参考数据进行排序，以得到所述参考浏览列表。
可选地，在本实施例中，组织架构图可以是根据目标对象和参考对象的属性关系确定的，比如对于同一家公司内的员工，根据员工的属性信息可以构建组织架构图，在该组织架构图中，员工为节点，节点属性为员工的等级，同属于一个最小部门的关系值为0，同属于一个较小部门但不属于最小部门关系值为1，图3是根据本申请实施例的一种可选的组织架构图示意图，如图3所示，员工a、b、c、d、e、f同属于一个部门，其中员工a和员工b员工f同属于该部门下的一个小工作组，员工d和员工e属于该部门下的另一个工作组，因此，在该组织架构图中，员工a员工b以及员工f之间的关系度值为0，员工d和员工e之间的关系度值为0，员工d与员工b以及员工c之间的关系度值为1，员工b和员工e之间的关系度值为1。
可选地，在本实施例中，群组关系图可以升级会根据目标对象和参考对象在某社交工具或者办公软件中的群组关系确定的，比如根据某个公司的员工微信聊天群构建群组关系图，在该关系图中，员工为节点，节点之间的关联关系是在员工组织架构图的基础上根据员工在群组中的发言次数确定的员工之间的关系值，图4是根据本申请实施例的一种可选的群组关系图，根据员工在该聊天群组中的聊天情况确定员工a与员工b、员工d与员工e之间的群组关系度值为0.8，员工b与员工d之间的群组关系度值为0.1，员工d与员工c之间的群组关系度值为0.2，员工b与员工e之间的群组关系度值为0.3，员工a与员工f之间的群组关系度值为0.6。
作为一种可选的实施例，获取所述参考对象在所述第二时间段内浏览的所述初始数据排序列表中的所述第一参考数据之前，所述方法还包括：
S51，获取预设的目标标签体系，所述目标标签体系包括目标分类和目标关键词，每个所述目标分类可包含一个或多个所述目标关键词；
S52，计算所述目标关键词与所述预设关键词列表中包含的所述参考关键词的欧式距离值；
S53，对每个所述目标关键词对应的前N个欧式距离值进行计算，以得到所述目标关键词与所述预设关键词列表中参考关键词之间的参考相似度值，其中，N为大于零的整数；
S54，对所述参考数据进行解析处理，以得到与所述参考数据对应的所述目标关键词；
S55，对所述参考数据对应的所述目标关键词的参考相似度值进行累加计算，以得到所述参考数据与所述目标关键词之间的目标相似度值。
可选地，在本实施例中，设计目标标签体系可以但不限于是根据历史工作经验或者相关行业标准经专家设计得到的。
可选地，在本实施例中，目标分类可以是根据数据的属性进行分类的，比如，目标分类可以包括人工智能、体育竞技、美食等等，人工智能分类下包括深度学习、神经网络等关键词。
可选地，在本实施例中，预设关键词列表可以是已有的关键词词表，比如腾讯AIlabembedding发布的词向量表。
可选地，在本申请实施例中，计算目标关键词和参考关键词之间的欧式距离值的方法可以但不限于通过使用公式
进行计算，在该公式中x和y分别代表目标关键词和参考关键词的embedding向量，n表示embedding的维度。
可选地，在本实施例中，对前N个欧式距离值进行计算的方法可以是将目标关键词语对应参考关键词的欧式距离值的倒数进行累加。
可选地，在本实施例中，对参考数据进行解析的方法可以但不限于包括图像识别、视频解析、语义识别、NLP(Natural Language Processing，自然语言处理)等等。
图5是根据本申请实施例的一种可选的推荐列表确定的方法流程图，如图5所示：
S501，数据物料池中的数据可以包括图文文章、视频、音频等等，首先设计一个符合行业属性和具体业务的标签体系，包括分类和目标关键词两级结构，每个分类下可包含多个目标关键词，然后将上述数据归属于相应的类别下的目标关键词。
S502，在数据池构建适，将每一条数据归属于一个或者多个目标关键词，因此此处采用数据本身与目标关键词的相关度作为数据初始排序的唯一指标，并采用AIlabembedding发布的词向量作为词表征的数据，并通过计算目标关键词与AIlabembedding词表中的参考关键词的欧式距离值，将AIlabembedding词表中所有的词与关键词均采用上述欧式距离公式进行计算，然后根据得到的d(X,Y)的大小，从小到大排序，取topN(此处N值大小可根据具体数据状况进行调整)的数据，最终获取一个3列N行的数据表A，然后采用相应的NLP(Natural Language Processing，自然语言处理)、图像识别、视频解析技术，获取不同数据源中覆盖的词数量，然后计算累加1/score作为该数据与关键词的相关度，相关度越大，数据排序越靠前，从而得到初始相关数据排序。
S503，在企业微信中，员工之间存在天然的组织架构，而且会创建不同的群组一起沟通项目，因此，可采用员工的群聊数据以及组织架构数据构建一个动态的员工关系图，员工为节点，节点属性为员工等级，节点间关系有两种，一种是采用组织架构图计算关系等级(i)，同属于一个最小的部门的关系i值为0，同属于较小部门但不属于最小部门关系i值为1，以此递增；一种是采用群聊数据统计计算得到的关系(j)，计算方法如下：一段时间内，员工a与员工b同属所有群总人数*(员工发言次数+员工b发言次数)/群总发言数，为方便之后计算对所有员工的j关系值计算后，将其进行归一化。
S504，根据步骤S503中构建的员工之间的关系图以及收集一段时间内每个员工浏览的步骤S502中初始粗排的数据，然后更新每个员工新的数据粗排序，对于每个员工某个类别的数据排序，通过公式
进行计算，Rank(n)表示员工n待推荐数据的排序，jmn表示员工n的相关联系人m在群聊数据中的关系度，imn表示员工n的相关联系人m在组织架构中的关系度，Tm表示员工m浏览过的数据列表中数据的相关度值，从而等到一个对目标用户的新的粗排序推荐结果。
需要说明的是，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，本申请并不受所描述的动作顺序的限制，因为依据本申请，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申请所必须的。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到根据上述实施例的方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台电子设备(可以是手机，计算机，服务器，或者网络设备等)执行本申请各个实施例所述的方法。
根据本申请实施例的另一个方面，还提供了一种用于实施上述目标推荐列表的确定方法的目标推荐列表的确定装置。图6是根据本申请实施例的一种可选的目标推荐列表的确定装置的示意图，如图6所示，该装置可以包括：
第一获取模块62，用于获取与目标对象具有关联关系的参考对象的参考浏览列表，所述参考浏览列表包括多个第一参考数据，每个所述第一参考数据为根据所述参考对象浏览的初始数据排序列表中的参考数据确定的；
确定模块64，用于根据所述关联关系以及所述参考浏览列表确定所述目标对象的目标推荐列表，所述目标推荐列表中包括第二参考数据，所述第二参考数据包括所述参考浏览列表中的一个或多个参考数据。
需要说明的是，该实施例中的第一获取模块62可以用于执行本申请实施例中的步骤S202，该实施例中的确定模块64可以用于执行本申请实施例中的步骤S204。
此处需要说明的是，上述模块与对应的步骤所实现的示例和应用场景相同，但不限于上述实施例所公开的内容。需要说明的是，上述模块作为装置的一部分可以运行在如图1所示的硬件环境中，可以通过软件实现，也可以通过硬件实现。
通过上述模块，可以解决了确定目标对象的目标推荐列表的效率较低的技术问题，进而达到提高确定目标对象的目标推荐列表的效率的技术效果。
可选地，所述确定模块包括：第一获取单元，用于获取所述目标对象在第一时间段内的初始浏览列表；更新单元，用于根据所述关联关系以及所述参考浏览列表对所述初始浏览列表进行更新，以得到所述目标推荐列表。
可选地，所述更新单元用于：根据所述关联关系以及所述参考浏览列表确定初始推荐列表；根据所述初始推荐列表更新所述初始浏览列表，以得到所述目标对象的所述目标推荐列表。
可选地，所述更新单元用于：获取所述目标对象与所述参考对象的第一关系值，以及所述目标对象与所述参考对象的第二关系值，其中，所述第一关系值是根据所述目标对象与所述参考对象在目标群组内的发送的信息量确定的，所述第二关系值是根据所述目标对象与所述参考对象的属性信息确定的；根据所述第一关系值以及所述第二关系值对所述第一参考数据的目标相似度值进行目标计算，以得到所述第一参考数据的匹配度，其中，所述目标相似度值是根据目标关键词与参考关键词之间的相似度确定的，所述目标关键词为所述第一参考数据对应的关键词，所述参考关键词为预设关键词列表中的关键词；根据所述匹配度对所述第一参考数据进行排序，以得到所述初始推荐列表。
可选地，所述第一获取模块包括：确定单元，用于根据组织架构图和群组关系图确定与所述目标对象具有所述关联关系的所述参考对象；第二获取单元，用于获取所述参考对象在第二时间段内浏览的所述初始数据排序列表中的所述第一参考数据，其中，所述初始数据排序列表中包含按目标排序方式排列的参考数据，所述目标排序方式是按照所述参考数据对应的目标相似度值的大小确定的，所述目标相似度值是根据目标关键词与参考关键词之间的相似度确定的，所述目标关键词为所述参考数据对应的关键词，所述参考关键词为预设关键词列表中的关键词；排序单元，用于根据所述相似度值对所述参考数据列表中的所述第一参考数据进行排序，以得到所述参考浏览列表。
可选地，所述装置还包括：获取模块，用于获取所述参考对象在所述第二时间段内浏览的所述初始数据排序列表中的所述第一参考数据之前，获取预设的目标标签体系，所述目标标签体系包括目标分类和目标关键词，每个所述目标分类可包含一个或多个所述目标关键词；第一计算模块，用于计算所述目标关键词与所述预设关键词列表中包含的所述参考关键词的欧式距离值；第二计算模块，用于对每个所述目标关键词对应的前N个欧式距离值进行计算，以得到所述目标关键词与所述预设关键词列表中参考关键词之间的参考相似度值，其中，N为大于零的整数；解析模块，用于对所述参考数据进行解析处理，以得到与所述参考数据对应的所述目标关键词；第三计算模块，用于对所述参考数据对应的所述目标关键词的参考相似度值进行累加计算，以得到所述参考数据与所述目标关键词之间的目标相似度值。
此处需要说明的是，上述模块与对应的步骤所实现的示例和应用场景相同，但不限于上述实施例所公开的内容。需要说明的是，上述模块作为装置的一部分可以运行在如图1所示的硬件环境中，可以通过软件实现，也可以通过硬件实现，其中，硬件环境包括网络环境。
根据本申请实施例的另一个方面，还提供了一种用于实施上述目标推荐列表的确定方法的电子装置。
图7是根据本申请实施例的一种电子装置的结构框图，如图7所示，该电子装置可以包括：一个或多个(图中仅示出一个)处理器701、存储器703、以及传输装置705，如图7所示，该电子装置还可以包括输入输出设备707。
其中，存储器703可用于存储软件程序以及模块，如本申请实施例中的目标推荐列表的确定方法和装置对应的程序指令/模块，处理器701通过运行存储在存储器703内的软件程序以及模块，从而执行各种功能应用以及数据处理，即实现上述的目标推荐列表的确定方法。存储器703可包括高速随机存储器，还可以包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器703可进一步包括相对于处理器701远程设置的存储器，这些远程存储器可以通过网络连接至电子装置。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
上述的传输装置705用于经由一个网络接收或者发送数据，还可以用于处理器与存储器之间的数据传输。上述的网络具体实例可包括有线网络及无线网络。在一个实例中，传输装置705包括一个网络适配器(Network Interface Controller，NIC)，其可通过网线与其他网络设备与路由器相连从而可与互联网或局域网进行通讯。在一个实例中，传输装置705为射频(Radio Frequency，RF)模块，其用于通过无线方式与互联网进行通讯。
其中，具体地，存储器703用于存储应用程序。
处理器701可以通过传输装置705调用存储器703存储的应用程序，以执行下述步骤：获取与目标对象具有关联关系的参考对象的参考浏览列表，所述参考浏览列表包括多个第一参考数据，每个所述第一参考数据为根据所述参考对象浏览的初始数据排序列表中的参考数据确定的；根据所述关联关系以及所述参考浏览列表确定所述目标对象的目标推荐列表，所述目标推荐列表中包括第二参考数据，所述第二参考数据包括所述参考浏览列表中的一个或多个参考数据。
采用本申请实施例，提供了一种目标推荐列表的确定方法和装置的方案。当参考对象在浏览初始数据排序列表中的参考数据时，可得到每个参考对象的参考浏览列表，通过获取与目标对象具有某种关联关系的参考对象的参考浏览列表，并根据与目标对象与参考对象之间的关联关系以及参考对象的参考浏览列表从而确定出包含需要向目标对象推荐的参考数据的目标推荐列表，达到了根据与目标对象具有关联关系的参考对象的参考浏览列表确定目标对象的目标推荐列表的目的，从而实现了提高确定目标对象的目标推荐列表的效率的技术效果，进而解决了确定目标对象的目标推荐列表的效率较低的技术问题。
可选地，本实施例中的具体示例可以参考上述实施例中所描述的示例，本实施例在此不再赘述。
本领域普通技术人员可以理解，图7所示的结构仅为示意，电子装置可以是智能手机(如Android手机、iOS手机等)、平板电脑、掌上电脑以及移动互联网设备(MobileInternet Devices，MID)、PAD等电子设备。图7其并不对上述电子装置的结构造成限定。例如，电子装置还可包括比图7中所示更多或者更少的组件(如网络接口、显示装置等)，或者具有与图7所示不同的配置。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令电子设备相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：闪存盘、只读存储器(Read-Only Memory，ROM)、随机存取器(RandomAccess Memory，RAM)、磁盘或光盘等。
本申请的实施例还提供了一种存储介质。可选地，在本实施例中，上述存储介质可以用于执行目标推荐列表的确定方法的程序代码。
可选地，在本实施例中，上述存储介质可以位于上述实施例所示的网络中的多个网络设备中的至少一个网络设备上。
可选地，在本实施例中，存储介质被设置为存储用于执行以下步骤的程序代码：获取与目标对象具有关联关系的参考对象的参考浏览列表，所述参考浏览列表包括多个第一参考数据，每个所述第一参考数据为根据所述参考对象浏览的初始数据排序列表中的参考数据确定的；根据所述关联关系以及所述参考浏览列表确定所述目标对象的目标推荐列表，所述目标推荐列表中包括第二参考数据，所述第二参考数据包括所述参考浏览列表中的一个或多个参考数据。
可选地，本实施例中的具体示例可以参考上述实施例中所描述的示例，本实施例在此不再赘述。
可选地，在本实施例中，上述存储介质可以包括但不限于：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
上述本申请实施例序号仅仅为了描述，不代表实施例的优劣。
上述实施例中的集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在上述计算机可读取的存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在存储介质中，包括若干指令用以使得一台或多台计算机设备(可为个人计算机、服务器或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。
在本申请的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中，应该理解到，所揭露的客户端，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，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单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
以上所述仅是本申请的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本申请的保护范围。
Claims (10)
1.一种目标推荐列表的确定方法，其特征在于，包括：
获取与目标对象具有关联关系的参考对象的参考浏览列表，所述参考浏览列表包括多个第一参考数据，每个所述第一参考数据为根据所述参考对象浏览的初始数据排序列表中的参考数据确定的；
根据所述关联关系以及所述参考浏览列表确定所述目标对象的目标推荐列表，所述目标推荐列表中包括第二参考数据，所述第二参考数据包括所述参考浏览列表中的一个或多个参考数据。
2.根据权利要求1所述的方法，其特征在于，根据所述关联关系以及所述参考浏览列表确定所述目标对象的所述目标推荐列表包括：
获取所述目标对象在第一时间段内的初始浏览列表；
根据所述关联关系以及所述参考浏览列表对所述初始浏览列表进行更新，以得到所述目标推荐列表。
3.根据权利要求2所述的方法，其特征在于，根据所述关联关系以及所述参考浏览列表对所述初始浏览列表进行更新包括：
根据所述关联关系以及所述参考浏览列表确定初始推荐列表；
根据所述初始推荐列表更新所述初始浏览列表，以得到所述目标对象的所述目标推荐列表。
4.根据权利要求3所述的方法，其特征在于，对所述根据所述关联关系以及所述参考浏览列表确定所述初始推荐列表包括：
获取所述目标对象与所述参考对象的第一关系值，以及所述目标对象与所述参考对象的第二关系值，其中，所述第一关系值是根据所述目标对象与所述参考对象在目标群组内的发送的信息量确定的，所述第二关系值是根据所述目标对象与所述参考对象的属性信息确定的；
根据所述第一关系值以及所述第二关系值对所述第一参考数据的目标相似度值进行目标计算，以得到所述第一参考数据的匹配度，其中，所述目标相似度值是根据目标关键词与参考关键词之间的相似度确定的，所述目标关键词为所述第一参考数据对应的关键词，所述参考关键词为预设关键词列表中的关键词；
根据所述匹配度对所述第一参考数据进行排序，以得到所述初始推荐列表。
5.根据权利要求1所述的方法，其特征在于，获取与所述目标对象具有关联关系的所述参考对象的所述参考浏览列表包括：
根据组织架构图和群组关系图确定与所述目标对象具有所述关联关系的所述参考对象；
获取所述参考对象在第二时间段内浏览的所述初始数据排序列表中的所述第一参考数据，其中，所述初始数据排序列表中包含按目标排序方式排列的参考数据，所述目标排序方式是按照所述参考数据对应的目标相似度值的大小确定的，所述目标相似度值是根据目标关键词与参考关键词之间的相似度确定的，所述目标关键词为所述参考数据对应的关键词，所述参考关键词为预设关键词列表中的关键词；
根据所述相似度值对所述参考数据列表中的所述第一参考数据进行排序，以得到所述参考浏览列表。
6.根据权利要求5所述的方法，其特征在于，获取所述参考对象在所述第二时间段内浏览的所述初始数据排序列表中的所述第一参考数据之前，所述方法还包括：
获取预设的目标标签体系，所述目标标签体系包括目标分类和目标关键词，每个所述目标分类可包含一个或多个所述目标关键词；
计算所述目标关键词与所述预设关键词列表中包含的所述参考关键词的欧式距离值；
对每个所述目标关键词对应的前N个欧式距离值进行计算，以得到所述目标关键词与所述预设关键词列表中参考关键词之间的参考相似度值，其中，N为大于零的整数；
对所述参考数据进行解析处理，以得到与所述参考数据对应的所述目标关键词；
对所述参考数据对应的所述目标关键词的参考相似度值进行累加计算，以得到所述参考数据与所述目标关键词之间的目标相似度值。
7.一种目标推荐列表的确定装置，其特征在于，包括：
第一获取模块，用于获取与目标对象具有关联关系的参考对象的参考浏览列表，所述参考浏览列表包括多个第一参考数据，每个所述第一参考数据为根据所述参考对象浏览的初始数据排序列表中的参考数据确定的；
确定模块，用于根据所述关联关系以及所述参考浏览列表确定所述目标对象的目标推荐列表，所述目标推荐列表中包括第二参考数据，所述第二参考数据包括所述参考浏览列表中的一个或多个参考数据。
8.根据权利要求7所述的装置，其特征在于，所述确定模块包括：
第一获取单元，用于获取所述目标对象在第一时间段内的初始浏览列表；
更新单元，用于根据所述关联关系以及所述参考浏览列表对所述初始浏览列表进行更新，以得到所述目标推荐列表。
9.一种存储介质，其特征在于，所述存储介质包括存储的程序，其中，所述程序运行时执行上述权利要求1至6任一项中所述的方法。
10.一种电子装置，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器通过所述计算机程序执行上述权利要求1至6任一项中所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110275714.3A CN113076450B (zh) | 2021-03-15 | 2021-03-15 | 一种目标推荐列表的确定方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110275714.3A CN113076450B (zh) | 2021-03-15 | 2021-03-15 | 一种目标推荐列表的确定方法和装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113076450A true CN113076450A (zh) | 2021-07-06 |
| CN113076450B CN113076450B (zh) | 2024-03-22 |
Family
ID=76612409
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110275714.3A Active CN113076450B (zh) | 2021-03-15 | 2021-03-15 | 一种目标推荐列表的确定方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113076450B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118133763A (zh) * | 2024-05-08 | 2024-06-04 | 上海楷领科技有限公司 | Pcb设计元器件的预测方法、装置、系统及存储介质 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20140129371A1 (en) * | 2012-11-05 | 2014-05-08 | Nathan R. Wilson | Systems and methods for providing enhanced neural network genesis and recommendations |
| CN109190033A (zh) * | 2018-08-23 | 2019-01-11 | 微梦创科网络科技（中国）有限公司 | 一种用户好友推荐方法及系统 |
| US20190122122A1 (en) * | 2017-10-24 | 2019-04-25 | Tibco Software Inc. | Predictive engine for multistage pattern discovery and visual analytics recommendations |
| CN110162695A (zh) * | 2019-04-09 | 2019-08-23 | 中国科学院深圳先进技术研究院 | 一种信息推送的方法及设备 |
| CN111061962A (zh) * | 2019-11-25 | 2020-04-24 | 上海海事大学 | 一种基于用户评分分析的推荐方法 |
| CN111523035A (zh) * | 2020-04-24 | 2020-08-11 | 上海异势信息科技有限公司 | App浏览内容的推荐方法、装置、服务器和介质 |
| CN112148889A (zh) * | 2020-09-23 | 2020-12-29 | 平安直通咨询有限公司上海分公司 | 一种推荐列表的生成方法及设备 |
-
2021
- 2021-03-15 CN CN202110275714.3A patent/CN113076450B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20140129371A1 (en) * | 2012-11-05 | 2014-05-08 | Nathan R. Wilson | Systems and methods for providing enhanced neural network genesis and recommendations |
| US20190122122A1 (en) * | 2017-10-24 | 2019-04-25 | Tibco Software Inc. | Predictive engine for multistage pattern discovery and visual analytics recommendations |
| CN109190033A (zh) * | 2018-08-23 | 2019-01-11 | 微梦创科网络科技（中国）有限公司 | 一种用户好友推荐方法及系统 |
| CN110162695A (zh) * | 2019-04-09 | 2019-08-23 | 中国科学院深圳先进技术研究院 | 一种信息推送的方法及设备 |
| CN111061962A (zh) * | 2019-11-25 | 2020-04-24 | 上海海事大学 | 一种基于用户评分分析的推荐方法 |
| CN111523035A (zh) * | 2020-04-24 | 2020-08-11 | 上海异势信息科技有限公司 | App浏览内容的推荐方法、装置、服务器和介质 |
| CN112148889A (zh) * | 2020-09-23 | 2020-12-29 | 平安直通咨询有限公司上海分公司 | 一种推荐列表的生成方法及设备 |
Non-Patent Citations (1)
| Title |
|---|
| 刘冬冬;王红;: "基于时间衰减和用户相似权重的推荐算法", 信息技术与信息化, no. 06 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118133763A (zh) * | 2024-05-08 | 2024-06-04 | 上海楷领科技有限公司 | Pcb设计元器件的预测方法、装置、系统及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113076450B (zh) | 2024-03-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106651542B (zh) | 一种物品推荐的方法及装置 | |
| CN106326391B (zh) | 多媒体资源推荐方法及装置 | |
| CN106339507B (zh) | 流媒体消息推送方法和装置 | |
| CN111190939A (zh) | 一种用户画像构建方法及装置 | |
| CN111797210A (zh) | 基于用户画像的信息推荐方法、装置、设备及存储介质 | |
| CN109471978B (zh) | 一种电子资源推荐方法及装置 | |
| CN106874253A (zh) | 识别敏感信息的方法及装置 | |
| CN109509010B (zh) | 一种多媒体信息处理方法、终端及存储介质 | |
| CN113656699B (zh) | 用户特征向量确定方法、相关设备及介质 | |
| CN111429161B (zh) | 特征提取方法、特征提取装置、存储介质及电子设备 | |
| CN111159563A (zh) | 用户兴趣点信息的确定方法、装置、设备及存储介质 | |
| CN105574030A (zh) | 一种信息搜索方法及装置 | |
| CN114223012A (zh) | 推送对象确定方法、装置、终端设备及存储介质 | |
| CN114139052B (zh) | 用于智能推荐的排序模型训练方法、智能推荐方法及装置 | |
| CN108810577B (zh) | 一种用户画像的构建方法、装置及电子设备 | |
| CN116823410B (zh) | 数据处理方法、对象处理方法、推荐方法及计算设备 | |
| CN111667018B (zh) | 一种对象聚类的方法、装置、计算机可读介质及电子设备 | |
| CN115204436A (zh) | 检测业务指标异常原因的方法、装置、设备及介质 | |
| CN113076450A (zh) | 一种目标推荐列表的确定方法和装置 | |
| CN112785095A (zh) | 贷款预测方法、装置、电子设备和计算机可读存储介质 | |
| CN112948526A (zh) | 用户画像的生成方法及装置、电子设备、存储介质 | |
| CN110262906B (zh) | 接口标签推荐方法、装置、存储介质和电子设备 | |
| CN114282119B (zh) | 一种基于异构信息网络的科技信息资源检索方法及系统 | |
| CN112532692B (zh) | 一种信息推送方法及装置、存储介质 | |
| CN114093447A (zh) | 数据资产推荐方法、装置、计算机设备及存储介质 |
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 |