CN113434762A - 基于用户信息的关联推送方法、装置、设备及存储介质 - Google Patents
基于用户信息的关联推送方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN113434762A CN113434762A CN202110718367.7A CN202110718367A CN113434762A CN 113434762 A CN113434762 A CN 113434762A CN 202110718367 A CN202110718367 A CN 202110718367A CN 113434762 A CN113434762 A CN 113434762A
- Authority
- CN
- China
- Prior art keywords
- user
- pushed
- information
- preset
- user group
- 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 44
- 230000006399 behavior Effects 0.000 claims description 119
- 238000001816 cooling Methods 0.000 claims description 33
- 239000013598 vector Substances 0.000 claims description 30
- 230000015654 memory Effects 0.000 claims description 28
- 238000004422 calculation algorithm Methods 0.000 claims description 27
- 238000012163 sequencing technique Methods 0.000 claims description 14
- 238000012545 processing Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 5
- 230000000694 effects Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 5
- 239000004973 liquid crystal related substance Substances 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000000329 smooth muscle myocyte Anatomy 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000000007 visual effect Effects 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
- G06F16/95—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
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (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)
- Information Transfer Between Computers (AREA)
Abstract
本发明涉及数据推送领域，提供了一种基于用户信息的关联推送方法、装置、设备及存储介质。所述方法包括：当侦测到需要向用户推送待推送事项时，根据待推送事项的事项类型获取用户的相关信息，基于相关信息确定用户的关联用户群，根据预设的亲密度值及社交关系树得到目标用户群，之后获取目标用户群中各用户的行为信息，基于行为信息判断目标用户群中的用户是否存在与待推送事项相关联的偏好事项，若是，将待推送事项推送至用户及存在相关联的偏好事项的用户。本发明还涉及区块链技术领域，上述行为信息可以存储于一区块链的节点中。
Description
技术领域
本发明涉及数据推送领域，尤其涉及一种基于用户信息的关联推送方法、装置、设备及存储介质。
背景技术
目前，现有的信息推送大多根据用户的基本信息结合相关的推荐算法进行推送的，而对于用户的关联推送，例如，推送给A用户的信息同时也推送给B用户，大多数是基于协同过滤算法或者大型的推送模型进行推送的，这种采用模型的方案存在占用系统资源较多、对系统性能的要求较高的问题。
发明内容
鉴于以上内容，本发明提供一种基于用户信息的关联推送方法、装置、设备及存储介质，其目的在于在不需要构建复杂推送模型的基础上实现关联推送，既能实现关联推送的准确性，又可以解决现有技术中通过构建复杂推送模型实现关联推送占用系统资源较多的技术问题。
为实现上述目的，本发明提供一种基于用户信息的关联推送方法，该方法包括：
当侦测到需要向用户推送待推送事项时，根据所述待推送事项的事项类型获取所述用户的相关信息；
基于所述相关信息确定所述用户的关联用户群，根据预设的亲密度值从所述关联用户群中选取目标用户群；
基于所述社交信息构建该用户与预设用户群的社交关系树，基于所述社交关系树利用预设算法计算所述用户与所述预设用户群中各用户的社交相似度值，将所述社交相似度值大于第一预设阈值对应的用户添加至所述目标用户群；
获取所述目标用户群中各用户的行为信息，基于所述行为信息判断所述目标用户群中的用户是否存在与所述待推送事项相关联的偏好事项，若是，将所述待推送事项推送至所述用户及存在相关联的偏好事项的用户。
优选的，所述预设算法的计算公式包括：
其中，Stree，ab表示用户a与用户b的社交相似度值，N表示叶子节点到根节点的深度，Kab表示用户a与用户b之间的深度，w表示预设的权重系数。
优选的，所述根据预设的亲密度值从所述关联用户群中选取目标用户群，包括：
分别统计所述用户与所述关联用户群中各用户在预设时间段内各日期的聊天时长；
基于所述聊天时长及预设时间段内各日期的权重值，计算所述用户与所述关联用户群中各用户的行为亲密度值；
基于所述行为亲密度值及预设的初始亲密度值，计算得到所述用户与所述关联用户群中各用户的目标亲密度值；
对所述目标亲密度值由大到小进行排序，根据排序顺序选取第一预设数量的关联用户群中的用户作为所述目标用户群。
优选的，所述初始亲密度值是基于用户的相关信息确定的，包括：
获取所述用户与关联用户群中各用户的属性特征词，将所述属性特征词转换为词向量；
计算所述用户与关联用户群中各用户对应的词向量相似度，统计词向量相似度值大于第二预设阈值的词向量的数量；
基于所述词向量相似度值大于第二预设阈值的词向量的数量，确定所述用户与关联用户群中各用户的初始亲密度值。
优选的，所述基于所述行为信息判断所述目标用户群中的用户是否存在与所述待推送事项相关联的偏好事项，包括：
基于预设的权重分配算法，对所述目标用户群中各用户的行为信息中各类型的行为分配相应的冷却权重，基于所述冷却权重由大到小的顺序对各类型的行为进行排序，选取第二预设数量的行为作为特征行为；
将所述特征行为与对所述待推送事项对应的行为进行匹配，若所述特征行为与对所述待推送事项对应的行为匹配成功，则判断所述目标用户群的该用户存在与所述待推送事项相关联的偏好事项。
优选的，所述预设的权重分配算法包括：
其中，F表示所述冷却权重，T0为初始的搜索冷却权重，α为预设的冷却系数，Dn表示该冷却权重对应的行为的发生日期，D0表示当前时间的日期。
优选的，所述根据所述待推送事项的事项类型获取所述用户的相关信息，包括：
根据预先配置的事项类型表确定所述待推送事项的事项类型，当确定所述待推送事项的事项类型为第一事项类型时，从预设数据库获取所述用户的相关信息；
当确定所述待推送事项的事项类型为第二事项类型时，将所述待推送事项推送至所述用户。
为实现上述目的，本发明还提供一种基于用户信息的关联推送装置，该基于用户信息的关联推送装置包括：
获取模块：用于当侦测到需要向用户推送待推送事项时，根据所述待推送事项的事项类型获取所述用户的相关信息；
选取模块：用于基于所述相关信息确定所述用户的关联用户群，根据预设的亲密度值从所述关联用户群中选取目标用户群；
计算模块：用于基于所述社交信息构建该用户与预设用户群的社交关系树，基于所述社交关系树利用预设算法计算所述用户与所述预设用户群中各用户的社交相似度值，将所述社交相似度值大于第一预设阈值对应的用户添加至所述目标用户群；
推送模块：用于获取所述目标用户群中各用户的行为信息，基于所述行为信息判断所述目标用户群中的用户是否存在与所述待推送事项相关联的偏好事项，若是，将所述待推送事项推送至所述用户及存在相关联的偏好事项的用户。
为实现上述目的，本发明还提供一种电子设备，所述电子设备包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的程序，所述程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行如上所述的基于用户信息的关联推送方法的任意步骤。
为实现上述目的，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质存储有基于用户信息的关联推送程序，所述基于用户信息的关联推送程序被处理器执行时，实现如上所述基于用户信息的关联推送方法的任意步骤。
本发明提出的基于用户信息的关联推送方法、装置、设备及存储介质，通过亲密度值及社交关系树确定出待推送事项的目标用户群，根据目标用户群的行为信息及冷却权重确定出关联用户是否对待推送事项感兴趣，从而确定是否将待推送事项推送至关联用户，结合用户之间的关联关系和时间对用户行为的影响，提高了关联推送的准确性，实现在不需要构建复杂推送模型的基础上，节省了系统资源。
附图说明
图1为本发明基于用户信息的关联推送方法较佳实施例的流程图示意图；
图2为本发明基于用户信息的关联推送装置较佳实施例的模块示意图；
图3为本发明电子设备较佳实施例的示意图；
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
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用以解释本发明，并不用于限定本发明。基于本发明中的实施例，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，都属于本发明保护的范围。
本发明提供一种基于用户信息的关联推送方法。参照图1所示，为本发明基于用户信息的关联推送方法的实施例的方法流程示意图。该方法可以由一个电子设备执行，该电子设备可以由软件和/或硬件实现。基于用户信息的关联推送方法包括：
步骤S10：当侦测到需要向用户推送待推送事项时，根据所述待推送事项的事项类型获取所述用户的相关信息。
在社交软件平台中，常常需要向用户推荐各种类型的信息，例如，广告推送、生日提醒、待办事项等，有些推送的信息需要触达与该用户相关联的用户以实现准确地关联推送，本方案以该场景为例对方案进行说明。
在本实施例中，用户可以通过电子设备的人机交互界面的预设推送入口开启自动推送功能，当电子设备侦测到需要向用户推送待推送事项时，可以根据该推送事项的事项类型从预设数据库(例如，本地数据库及/或第三方数据库)获取用户的相关信息，相关信息包括用户的行为信息，社交信息，基本资料信息等，其中，行为信息包括网页的浏览信息、点赞及评论信息等，社交信息包括用户在社交软件平台的好友信息，或职场信息等，基本资料信息包括用户的性别、年龄、兴趣、爱好等。
在一个实施例中，所述根据所述待推送事项的事项类型获取所述用户的相关信息，包括：
根据预先配置的事项类型表确定所述待推送事项的事项类型，当确定所述待推送事项的事项类型为第一事项类型时，从预设数据库获取所述用户的相关信息；
当确定所述待推送事项的事项类型为第二事项类型时，将所述待推送事项推送至所述用户。
由于待推送事项涉及不同类型的事项，例如，待推送事项可能涉及到用户的隐私信息，因此可以根据预先配置的事项类型表确定待推送事项的事项类型，再根据待推送事项的事项类型判断该推送事项是否需要推送至用户的关联用户，当待推送事项的事项类型为第一事项类型时，第一事项类型是未涉及用户隐私信息的推送事项，即可以将该推送事项触达至关联用户，从预设数据库获取用户的相关信息确定该用户的关联用户，当待推送事项的事项类型为第二事项类型时，第二实现类型为涉及用户隐私数据的推送事项(例如，信用卡还款)，因此将推送事项直接推送给该用户。
步骤S20：基于所述相关信息确定所述用户的关联用户群，根据预设的亲密度值从所述关联用户群中选取目标用户群。
在本实施例中，获取用户的相关信息之后，根据用户的相关信息(例如，社交信息)确定该用户的关联用户群，关联用户群可以是用户在社交软件中已添加的好友，也可以是用户在社交软件中某个群组中的群友，之后从关联用户群中选取出目标用户群，目标用户群可以是根据用户在社交软件的亲密度值确定的，亲密度值在本实施例中是基于用户与用户之间的聊天时长确定的，用户与用户的聊天时长越长，说明用户之间的亲密度值越高，因此，可以从关联用户群中选取多个的亲密度值大于预设值的用户作为该用户对应的目标用户群。
在一个实施例中，所述根据预设的亲密度值从所述关联用户群中选取目标用户群，包括：
分别统计所述用户与所述关联用户群中各用户在预设时间段内各日期的聊天时长；
基于所述聊天时长及预设时间段内各日期的权重值，计算所述用户与所述关联用户群中各用户的行为亲密度值；
基于所述行为亲密度值及预设的初始亲密度值，计算得到所述用户与所述关联用户群中各用户的目标亲密度值；
对所述目标亲密度值由大到小进行排序，根据排序顺序选取第一预设数量的关联用户群中的用户作为所述目标用户群。
可以统计用户与关联用户群(例如，已添加的好友)中各用户在一周内每天的聊天时长，并依次为预设时间段内的各个日期赋予权重值，可以根据距离当前时间的远近，依次为各个日期赋由小到大的权重值，例如，距离当前时间最远的日期赋最小的权重，距离当前时间最近的日期赋最大的权重。
将每天的聊天时长(分钟数)及各日期的权重值相乘后求和后的值作为用户之间的行为亲密度值，将行为亲密度值与用户之间的初始亲密度值相加，得到用户之间的目标亲密度值，对目标亲密度值由大到小进行排序，选取第一预设数量(例如，50个)关联用户群中的用户作为目标用户群。通过聊天时长可以准确地确定出与用户关系较为亲密的用户作为目标用户群。
进一步地，所述初始亲密度值是基于用户的相关信息确定的，包括：
获取所述用户与关联用户群中各用户的属性特征词，将所述属性特征词转换为词向量；
计算所述用户与关联用户群中各用户对应的词向量相似度，统计词向量相似度值大于第二预设阈值的词向量的数量；
基于所述词向量相似度值大于第二预设阈值的词向量的数量，确定所述用户与关联用户群中各用户的初始亲密度值。
具体地，可以根据用户相关信息中的属性特征词来确定用户之间的初始亲密度值，用户的属性特征词可以是用户的兴趣爱好等标签，也可以是用户的基本资料信息(例如，故乡、毕业学校等)，利用word2vec模型将用户的属性特征词转换成词向量，利用余弦相似度算法计算用户之间对应的词向量的相似度，统计出相似度值大于第二预设阈值(例如，80％)的词向量的数量，该数量越高，说明用户之间的属性特征越相似，可以为该用户之间分配较高的初始亲密度值。
步骤S30：基于所述社交信息构建该用户与预设用户群的社交关系树，基于所述社交关系树利用预设算法计算所述用户与所述预设用户群中各用户的社交相似度值，将所述社交相似度值大于第一预设阈值对应的用户添加至所述目标用户群。
在本实施例中，社交关系树可以包含用户日常生活涉及的可获取的社交关系，例如，用户在社交软件中某个群组成员关系等，预设用户群为该群的所有成员。将有重要影响关系的用户定义为父节点，依次递归形成树结构。以某个旅游群组为例，先入群的成员与后入群的成员，群内活跃度高的成员与群内活跃度低的成员等数据都可以构成社交关系树，以活跃度高的成员A为例，当A作为父节点时，如果活跃度低的成员B和C的目标旅游地或已旅游过的景点与A相同，此时，可将成员B和C的关系从属于成员A，即B和C作为父节点A的子节点。用户与用户之间的深度是通过社交关系树查询获得，树中节点元素为用户之间关系，获取用户之间深度关系，首先根据用户基本信息定位所在节点，从该用户出发，再查询社交关系树可获得两个用户(即成员)之间的深度。将用户与预设用户群的每个用户关系体现在树结构中，利用社交关系树的深度及社交关系树各节点之间的预设权重系数进行用户之间的社交相似度计算，将社交相似度值大于第一预设阈值(例如，70％)对应的用户添加至上述目标用户群，其中，预设算法的公式为：
其中，Stree，ab表示用户a与用户b的社交相似度，N表示叶子节点到根节点的深度，Kab表示用户a与用户b之间的深度，w表示预设的权重系数，w的取值可以为[0.9，1]。
步骤S40：获取所述目标用户群中各用户的行为信息，基于所述行为信息判断所述目标用户群中的用户是否存在与所述待推送事项相关联的偏好事项，若是，将所述待推送事项推送至所述用户及存在相关联的偏好事项的用户。
在本实施例中，获取目标用户群中各用户的行为信息，行为信息包括用户对网页的浏览、点赞或评论信息等，例如，在某时间段内浏览某网站的次数及具体的浏览日期。根据目标用户群中各用户的行为信息，判断目标用户群中的用户是否存在与待推送事项相关联的偏好事项，即判断目标用户群中的用户是否对待推送事项感兴趣，若目标用户群中有用户对待推送事项感兴趣，则将待推送事项推送至用户及目标用户群中感兴趣的用户。例如，用户P的待推送事项为C，用户Q为目标用户群中的用户，用户Q的偏好事项有A、B、C，则将待推送事项推送至用户P和Q。
在一个实施例中，所述基于所述行为信息判断所述目标用户群中的用户是否存在与所述待推送事项相关联的偏好事项，包括：
基于预设的权重分配算法，对所述目标用户群中各用户的行为信息中各类型的行为分配相应的冷却权重，基于所述冷却权重由大到小的顺序对各类型的行为进行排序，选取第二预设数量的行为作为特征行为；
将所述特征行为与对所述待推送事项对应的行为进行匹配，若所述特征行为与对所述待推送事项对应的行为匹配成功，则判断所述目标用户群的该用户存在与所述待推送事项相关联的偏好事项。
具体地，判断目标用户群中的用户是否存在与待推送事项相关联的偏好事项，可以根据权重分配算法对目标用户群中各用户的各类型的行为分配相应的权重，例如，根据用户在某段时间内(例如，三天内)浏览或点击某类型的网页次数多与少，对该浏览行为分配由大到小的权重，或者根据用户在某段时间内浏览某类型网页的时长的长与短，对该浏览行为分配由大到小的权重。
根据权重由大到小对各类型的行为进行排序，选取预设数量(例如，3个)的行为作为代表该用户感兴趣的特征行为，将特征行为与对待推送事项对应的行为进行匹配，其中每个待推送事项均预先配置了的多种类型的行为，例如，待推送事项为培训课程的推送，则预先配置的行为可以包括该类课程的网站、该类课程的其它网站等。若特征行为与对待推送事项对应的行为匹配成功，则判断目标用户群中的该用户存在与待推送事项相关联的偏好事项。
进一步地，所述预设的权重分配算法包括：
其中，F表示所述冷却权重，T0为初始的搜索冷却权重，Dn表示该冷却权重对应的行为的发生日期，D0表示当前时间的日期，α为预设的冷却系数，冷却系数用于控制时间冷却的速度，该系数越大，F的降速越快。
冷却权重是通过不同的时间确定的，距离当前时间越久的行为，其冷却权重越小，将距离当前时间较近的行为代表该用户感兴趣的行为，随着时间的推移，距离当前时间越久的行为，其冷却权重值不断地减小。
在一个实施例中，所述基于所述行为信息判断所述目标用户群中的用户是否存在与所述待推送事项相关联的偏好事项，包括：
当判断所述目标用户群中的用户均不存在与所述待推送事项相关联的偏好事项时，将所述待推送事项推送至所述用户。
当判断目标用户群中的用户均不存在与待推送事项相关联的偏好事项时，说明目标用户群中的用户对待推送事项均不感兴趣，因此，可以将待推送事项推送直接推送至用户。
参照图2所示，为本发明基于用户信息的关联推送装置100的功能模块示意图。
本发明所述基于用户信息的关联推送装置100可以安装于电子设备中。根据实现的功能，所述基于用户信息的关联推送装置100可以包括获取模块110、选取模块120、计算模块130及推送模块140。本发所述模块也可以称之为单元，是指一种能够被电子设备处理器所执行，并且能够完成固定功能的一系列计算机程序段，其存储在电子设备的存储器中。
在本实施例中，关于各模块/单元的功能如下：
获取模块110，用于当侦测到需要向用户推送待推送事项时，根据所述待推送事项的事项类型获取所述用户的相关信息。
在本实施例中，在本实施例中，用户可以通过电子设备的人机交互界面的预设推送入口开启自动推送功能，当电子设备侦测到需要向用户推送待推送事项时，可以根据该推送事项的事项类型从预设数据库(例如，本地数据库及/或第三方数据库)获取用户的相关信息，相关信息包括用户的行为信息，社交信息，基本资料信息等，其中，行为信息包括网页的浏览信息、点赞及评论信息等，社交信息包括用户在社交软件平台的好友信息，或职场信息等，基本资料信息包括用户的性别、年龄、兴趣、爱好等。
在一个实施例中，所述根据所述待推送事项的事项类型获取所述用户的相关信息，包括：
根据预先配置的事项类型表确定所述待推送事项的事项类型，当确定所述待推送事项的事项类型为第一事项类型时，从预设数据库获取所述用户的相关信息；
当确定所述待推送事项的事项类型为第二事项类型时，将所述待推送事项推送至所述用户。
由于待推送事项涉及不同类型的事项，例如，待推送事项可能涉及到用户的隐私信息，因此可以根据预先配置的事项类型表确定待推送事项的事项类型，再根据待推送事项的事项类型判断该推送事项是否需要推送至用户的关联用户，当待推送事项的事项类型为第一事项类型时，第一事项类型是未涉及用户隐私信息的推送事项，即可以将该推送事项触达至关联用户，从预设数据库获取用户的相关信息确定该用户的关联用户，当待推送事项的事项类型为第二事项类型时，第二实现类型为涉及用户隐私数据的推送事项(例如，信用卡还款)，因此将推送事项直接推送给该用户。
选取模块120，用于基于所述相关信息确定所述用户的关联用户群，根据预设的亲密度值从所述关联用户群中选取目标用户群。
在本实施例中，获取用户的相关信息之后，根据用户的相关信息(例如，社交信息)确定该用户的关联用户群，关联用户群可以是用户在社交软件中已添加的好友，也可以是用户在社交软件中某个群组中的群友，之后从关联用户群中选取出目标用户群，目标用户群可以是根据用户在社交软件的亲密度值确定的，亲密度值在本实施例中是基于用户与用户之间的聊天时长确定的，用户与用户的聊天时长越长，说明用户之间的亲密度值越高，因此，可以从关联用户群中选取多个的亲密度值大于预设值的用户作为该用户对应的目标用户群。
在一个实施例中，所述根据预设的亲密度值从所述关联用户群中选取目标用户群，包括：
分别统计所述用户与所述关联用户群中各用户在预设时间段内各日期的聊天时长；
基于所述聊天时长及预设时间段内各日期的权重值，计算所述用户与所述关联用户群中各用户的行为亲密度值；
基于所述行为亲密度值及预设的初始亲密度值，计算得到所述用户与所述关联用户群中各用户的目标亲密度值；
对所述目标亲密度值由大到小进行排序，根据排序顺序选取第一预设数量的关联用户群中的用户作为所述目标用户群。
可以统计用户与关联用户群(例如，已添加的好友)中各用户在一周内每天的聊天时长，并依次为预设时间段内的各个日期赋予权重值，可以根据距离当前时间的远近，依次为各个日期赋由小到大的权重值，例如，距离当前时间最远的日期赋最小的权重，距离当前时间最近的日期赋最大的权重。
将每天的聊天时长(分钟数)及各日期的权重值相乘后求和后的值作为用户之间的行为亲密度值，将行为亲密度值与用户之间的初始亲密度值相加，得到用户之间的目标亲密度值，对目标亲密度值由大到小进行排序，选取第一预设数量(例如，50个)关联用户群中的用户作为目标用户群。通过聊天时长可以准确地确定出与用户关系较为亲密的用户作为目标用户群。
进一步地，所述初始亲密度值是基于用户的相关信息确定的，包括：
获取所述用户与关联用户群中各用户的属性特征词，将所述属性特征词转换为词向量；
计算所述用户与关联用户群中各用户对应的词向量相似度，统计词向量相似度值大于第二预设阈值的词向量的数量；
基于所述词向量相似度值大于第二预设阈值的词向量的数量，确定所述用户与关联用户群中各用户的初始亲密度值。
具体地，可以根据用户相关信息中的属性特征词来确定用户之间的初始亲密度值，用户的属性特征词可以是用户的兴趣爱好等标签，也可以是用户的基本资料信息(例如，故乡、毕业学校等)，利用word2vec模型将用户的属性特征词转换成词向量，利用余弦相似度算法计算用户之间对应的词向量的相似度，统计出相似度值大于第二预设阈值(例如，80％)的词向量的数量，该数量越高，说明用户之间的属性特征越相似，可以为该用户之间分配较高的初始亲密度值。
计算模块130：用于基于所述社交信息构建该用户与预设用户群的社交关系树，基于所述社交关系树利用预设算法计算所述用户与所述预设用户群中各用户的社交相似度值，将所述社交相似度值大于第一预设阈值对应的用户添加至所述目标用户群。
在本实施例中，社交关系树可以包含用户日常生活涉及的可获取的社交关系，例如，用户在社交软件中某个群组成员关系等，预设用户群为该群的所有成员。将有重要影响关系的用户定义为父节点，依次递归形成树结构。以某个旅游群组为例，先入群的成员与后入群的成员，群内活跃度高的成员与群内活跃度低的成员等数据都可以构成社交关系树，以活跃度高的成员A为例，当A作为父节点时，如果活跃度低的成员B和C的目标旅游地或已旅游过的景点与A相同，此时，可将成员B和C的关系从属于成员A，即B和C作为父节点A的子节点。用户与用户之间的深度是通过社交关系树查询获得，树中节点元素为用户之间关系，获取用户之间深度关系，首先根据用户基本信息定位所在节点，从该用户出发，再查询社交关系树可获得两个用户(即成员)之间的深度。将用户与预设用户群的每个用户关系体现在树结构中，利用社交关系树的深度及社交关系树各节点之间的预设权重系数进行用户之间的社交相似度计算，将社交相似度值大于第一预设阈值(例如，70％)对应的用户添加至上述目标用户群，其中，预设算法的公式为：
其中，Stree，ab表示用户a与用户b的社交相似度，N表示叶子节点到根节点的深度，Kab表示用户a与用户b之间的深度，w表示预设的权重系数，w的取值可以为[0.9，1]。
推送模块140，用于获取所述目标用户群中各用户的行为信息，基于所述行为信息判断所述目标用户群中的用户是否存在与所述待推送事项相关联的偏好事项，若是，将所述待推送事项推送至所述用户及存在相关联的偏好事项的用户。
在本实施例中，获取目标用户群中各用户的行为信息，行为信息包括用户对网页的浏览、点赞或评论信息等，例如，在某时间段内浏览某网站的次数及具体的浏览日期。根据目标用户群中各用户的行为信息，判断目标用户群中的用户是否存在与待推送事项相关联的偏好事项，即判断目标用户群中的用户是否对待推送事项感兴趣，若目标用户群中有用户对待推送事项感兴趣，则将待推送事项推送至用户及目标用户群中感兴趣的用户。例如，用户P的待推送事项为C，用户Q为目标用户群中的用户，用户Q的偏好事项有A、B、C，则将待推送事项推送至用户P和Q。
在一个实施例中，所述基于所述行为信息判断所述目标用户群中的用户是否存在与所述待推送事项相关联的偏好事项，包括：
基于预设的权重分配算法，对所述目标用户群中各用户的行为信息中各类型的行为分配相应的冷却权重，基于所述冷却权重由大到小的顺序对各类型的行为进行排序，选取第二预设数量的行为作为特征行为；
将所述特征行为与对所述待推送事项对应的行为进行匹配，若所述特征行为与对所述待推送事项对应的行为匹配成功，则判断所述目标用户群的该用户存在与所述待推送事项相关联的偏好事项。
具体地，判断目标用户群中的用户是否存在与待推送事项相关联的偏好事项，可以根据权重分配算法对目标用户群中各用户的各类型的行为分配相应的权重，例如，根据用户在某段时间内(例如，三天内)浏览或点击某类型的网页次数多与少，对该浏览行为分配由大到小的权重，或者根据用户在某段时间内浏览某类型网页的时长的长与短，对该浏览行为分配由大到小的权重。
根据权重由大到小对各类型的行为进行排序，选取预设数量(例如，3个)的行为作为代表该用户感兴趣的特征行为，将特征行为与对待推送事项对应的行为进行匹配，其中每个待推送事项均预先配置了的多种类型的行为，例如，待推送事项为培训课程的推送，则预先配置的行为可以包括该类课程的网站、该类课程的其它网站等。若特征行为与对待推送事项对应的行为匹配成功，则判断目标用户群中的该用户存在与待推送事项相关联的偏好事项。
进一步地，所述预设的权重分配算法包括：
其中，F表示所述冷却权重，T0为初始的搜索冷却权重，Dn表示该冷却权重对应的行为的发生日期，D0表示当前时间的日期，α为预设的冷却系数，冷却系数用于控制时间冷却的速度，该系数越大，F的降速越快。
冷却权重是通过不同的时间确定的，距离当前时间越久的行为，其冷却权重越小，将距离当前时间较近的行为代表该用户感兴趣的行为，随着时间的推移，距离当前时间越久的行为，其冷却权重值不断地减小。
在一个实施例中，所述基于所述行为信息判断所述目标用户群中的用户是否存在与所述待推送事项相关联的偏好事项，包括：
当判断所述目标用户群中的用户均不存在与所述待推送事项相关联的偏好事项时，将所述待推送事项推送至所述用户。
当判断目标用户群中的用户均不存在与待推送事项相关联的偏好事项时，说明目标用户群中的用户对待推送事项均不感兴趣，因此，可以将待推送事项推送直接推送至用户。
参照图3所示，为本发明电子设备1较佳实施例的示意图。
该电子设备1包括但不限于：存储器11、处理器12、显示器13及网络接口14。所述电子设备1通过网络接口14连接网络，获取原始数据。其中，所述网络可以是企业内部网(Intranet)、互联网(Internet)、全球移动通讯系统(Global System of Mobilecommunication，GSM)、宽带码分多址(Wideband Code Division Multiple Access，WCDMA)、4G网络、5G网络、蓝牙(Bluetooth)、Wi-Fi、通话网络等无线或有线网络。
其中，存储器11至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如，SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等。在一些实施例中，所述存储器11可以是所述电子设备1的内部存储单元，例如该电子设备1的硬盘或内存。在另一些实施例中，所述存储器11也可以是所述电子设备1的外部存储设备，例如该电子设备1配备的插接式硬盘，智能存储卡(Smart Media Card，SMC)，安全数字(Secure Digital，SD)卡，闪存卡(Flash Card)等。当然，所述存储器11还可以既包括所述电子设备1的内部存储单元也包括其外部存储设备。本实施例中，存储器11通常用于存储安装于所述电子设备1的操作系统和各类应用软件，例如基于用户信息的关联推送程序10的程序代码等。此外，存储器11还可以用于暂时地存储已经输出或者将要输出的各类数据。
处理器12在一些实施例中可以是中央处理器(Central Processing Unit，CPU)、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器12通常用于控制所述电子设备1的总体操作，例如执行数据交互或者通信相关的控制和处理等。本实施例中，所述处理器12用于运行所述存储器11中存储的程序代码或者处理数据，例如运行基于用户信息的关联推送程序10的程序代码等。
显示器13可以称为显示屏或显示单元。在一些实施例中显示器13可以是LED显示器、液晶显示器、触控式液晶显示器以及有机发光二极管(Organic Light-EmittingDiode，OLED)触摸器等。显示器13用于显示在电子设备1中处理的信息以及用于显示可视化的工作界面，例如显示数据统计的结果。
网络接口14可选地可以包括标准的有线接口、无线接口(如WI-FI接口)，该网络接口14通常用于在所述电子设备1与其它电子设备之间建立通信连接。
图3仅示出了具有组件11-14以及基于用户信息的关联推送程序10的电子设备1，但是应理解的是，并不要求实施所有示出的组件，可以替代的实施更多或者更少的组件。
可选地，所述电子设备1还可以包括用户接口，用户接口可以包括显示器(Display)、输入单元比如键盘(Keyboard)，可选的用户接口还可以包括标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及有机发光二极管(Organic Light-Emitting Diode，OLED)触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备1中处理的信息以及用于显示可视化的用户界面。
该电子设备1还可以包括射频(Radio Frequency，RF)电路、传感器和音频电路等等，在此不再赘述。
在上述实施例中，处理器12执行存储器11中存储的基于用户信息的关联推送程序10时可以实现如下步骤：
当侦测到需要向用户推送待推送事项时，根据所述待推送事项的事项类型获取所述用户的相关信息；
基于所述相关信息确定所述用户的关联用户群，根据预设的亲密度值从所述关联用户群中选取目标用户群；
基于所述社交信息构建该用户与预设用户群的社交关系树，基于所述社交关系树利用预设算法计算所述用户与所述预设用户群中各用户的社交相似度值，将所述社交相似度值大于第一预设阈值对应的用户添加至所述目标用户群；
获取所述目标用户群中各用户的行为信息，基于所述行为信息判断所述目标用户群中的用户是否存在与所述待推送事项相关联的偏好事项，若是，将所述待推送事项推送至所述用户及存在相关联的偏好事项的用户。
所述存储设备可以为电子设备1的存储器11，也可以为与电子设备1通讯连接的其它存储设备。
关于上述步骤的详细介绍，请参照上述图2关于基于用户信息的关联推送装置100实施例的功能模块图以及图1关于基于用户信息的关联推送方法实施例的流程图的说明。
此外，本发明实施例还提出一种计算机可读存储介质，所述计算机可读存储介质可以是非易失性的，也可以是易失性的。该计算机可读存储介质可以是硬盘、多媒体卡、SD卡、闪存卡、SMC、只读存储器(ROM)、可擦除可编程只读存储器(EPROM)、便携式紧致盘只读存储器(CD-ROM)、USB存储器等等中的任意一种或者几种的任意组合。所述计算机可读存储介质中包括存储数据区和存储程序区，存储数据区存储根据区块链节点的使用所创建的数据，存储程序区存储有基于用户信息的关联推送程序10，所述基于用户信息的关联推送程序10被处理器执行时实现如下操作：
当侦测到需要向用户推送待推送事项时，根据所述待推送事项的事项类型获取所述用户的相关信息；
基于所述相关信息确定所述用户的关联用户群，根据预设的亲密度值从所述关联用户群中选取目标用户群；
基于所述社交信息构建该用户与预设用户群的社交关系树，基于所述社交关系树利用预设算法计算所述用户与所述预设用户群中各用户的社交相似度值，将所述社交相似度值大于第一预设阈值对应的用户添加至所述目标用户群：
获取所述目标用户群中各用户的行为信息，基于所述行为信息判断所述目标用户群中的用户是否存在与所述待推送事项相关联的偏好事项，若是，将所述待推送事项推送至所述用户及存在相关联的偏好事项的用户。
本发明之计算机可读存储介质的具体实施方式与上述基于用户信息的关联推送方法的具体实施方式大致相同，在此不再赘述。
在另一个实施例中，本发明所提供的基于用户信息的关联推送方法，为进一步保证上述所有出现的数据的私密和安全性，上述所有数据还可以存储于一区块链的节点中。例如待推送事项及用户的行为信息等，这些数据均可存储在区块链节点中。
需要说明的是，本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
需要说明的是，上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。并且本文中的术语“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、装置、物品或者方法不仅包括那些要素，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、装置、物品或者方法所固有的要素。在没有更多限制的情况下，由语句“包括一个......”限定的要素，并不排除在包括该要素的过程、装置、物品或者方法中还存在另外的相同要素。
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上述实施例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，本发明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如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，电子装置，或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种基于用户信息的关联推送方法，其特征在于，所述方法包括：
当侦测到需要向用户推送待推送事项时，根据所述待推送事项的事项类型获取所述用户的相关信息，所述相关信息包括社交信息；
基于所述相关信息确定所述用户的关联用户群，根据预设的亲密度值从所述关联用户群中选取目标用户群；
基于所述社交信息构建该用户与预设用户群的社交关系树，基于所述社交关系树利用预设算法计算所述用户与所述预设用户群中各用户的社交相似度值，将所述社交相似度值大于第一预设阈值对应的用户添加至所述目标用户群；
获取所述目标用户群中各用户的行为信息，基于所述行为信息判断所述目标用户群中的用户是否存在与所述待推送事项相关联的偏好事项，若是，将所述待推送事项推送至所述用户及存在相关联的偏好事项的用户。
2.如权利要求1所述的基于用户信息的关联推送方法，其特征在于，所述预设算法的计算公式包括：
其中，Stree，ab表示用户a与用户b的社交相似度值，N表示叶子节点到根节点的深度，Kab表示用户a与用户b之间的深度，w表示预设的权重系数。
3.如权利要求1所述的基于用户信息的关联推送方法，其特征在于，所述根据预设的亲密度值从所述关联用户群中选取目标用户群，包括：
分别统计所述用户与所述关联用户群中各用户在预设时间段内各日期的聊天时长；
基于所述聊天时长及预设时间段内各日期的权重值，计算所述用户与所述关联用户群中各用户的行为亲密度值；
基于所述行为亲密度值及预设的初始亲密度值，计算得到所述用户与所述关联用户群中各用户的目标亲密度值；
对所述目标亲密度值由大到小进行排序，根据排序顺序选取第一预设数量的关联用户群中的用户作为所述目标用户群。
4.如权利要求3所述的基于用户信息的关联推送方法，其特征在于，所述初始亲密度值是基于用户的相关信息确定的，包括：
获取所述用户与关联用户群中各用户的属性特征词，将所述属性特征词转换为词向量；
计算所述用户与关联用户群中各用户对应的词向量相似度，统计词向量相似度值大于第二预设阈值的词向量的数量；
基于所述词向量相似度值大于第二预设阈值的词向量的数量，确定所述用户与关联用户群中各用户的初始亲密度值。
5.如权利要求1所述的基于用户信息的关联推送方法，其特征在于，所述基于所述行为信息判断所述目标用户群中的用户是否存在与所述待推送事项相关联的偏好事项，包括：
基于预设的权重分配算法，对所述目标用户群中各用户的行为信息中各类型的行为分配相应的冷却权重，基于所述冷却权重由大到小的顺序对各类型的行为进行排序，选取第二预设数量的行为作为特征行为；
将所述特征行为与对所述待推送事项对应的行为进行匹配，若所述特征行为与对所述待推送事项对应的行为匹配成功，则判断所述目标用户群的该用户存在与所述待推送事项相关联的偏好事项。
6.如权利要求5所述的基于用户信息的关联推送方法，其特征在于，所述预设的权重分配算法包括：
其中，F表示所述冷却权重，T0为初始的搜索冷却权重，α为预设的冷却系数，Dn表示该冷却权重对应的行为的发生日期，D0表示当前时间的日期。
7.如权利要求1至6中任意一项所述的基于用户信息的关联推送方法，其特征在于，所述根据所述待推送事项的事项类型获取所述用户的相关信息，包括：
根据预先配置的事项类型表确定所述待推送事项的事项类型，当确定所述待推送事项的事项类型为第一事项类型时，从预设数据库获取所述用户的相关信息；
当确定所述待推送事项的事项类型为第二事项类型时，将所述待推送事项推送至所述用户。
8.一种基于用户信息的关联推送装置，其特征在于，所述装置包括：
获取模块：用于当侦测到需要向用户推送待推送事项时，根据所述待推送事项的事项类型获取所述用户的相关信息；
选取模块：用于基于所述相关信息确定所述用户的关联用户群，根据预设的亲密度值从所述关联用户群中选取目标用户群；
计算模块：用于基于所述社交信息构建该用户与预设用户群的社交关系树，基于所述社交关系树利用预设算法计算所述用户与所述预设用户群中各用户的社交相似度值，将所述社交相似度值大于第一预设阈值对应的用户添加至所述目标用户群；
推送模块：用于获取所述目标用户群中各用户的行为信息，基于所述行为信息判断所述目标用户群中的用户是否存在与所述待推送事项相关联的偏好事项，若是，将所述待推送事项推送至所述用户及存在相关联的偏好事项的用户。
9.一种电子设备，其特征在于，所述电子设备包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的程序，所述程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行如权利要求1至7中任一项所述的基于用户信息的关联推送方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有基于用户信息的关联推送程序，所述基于用户信息的关联推送程序被处理器执行时，实现如权利要求1至7中任一项所述基于用户信息的关联推送方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110718367.7A CN113434762A (zh) | 2021-06-28 | 2021-06-28 | 基于用户信息的关联推送方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110718367.7A CN113434762A (zh) | 2021-06-28 | 2021-06-28 | 基于用户信息的关联推送方法、装置、设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113434762A true CN113434762A (zh) | 2021-09-24 |
Family
ID=77755026
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110718367.7A Pending CN113434762A (zh) | 2021-06-28 | 2021-06-28 | 基于用户信息的关联推送方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113434762A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114169418A (zh) * | 2021-11-30 | 2022-03-11 | 北京百度网讯科技有限公司 | 标签推荐模型训练方法及装置、标签获取方法及装置 |
| CN114994713A (zh) * | 2022-05-30 | 2022-09-02 | 平安科技（深圳）有限公司 | 一种gps拆机黑区的动态识别方法、系统及存储介质 |
| CN116401460A (zh) * | 2023-04-23 | 2023-07-07 | 中航信移动科技有限公司 | 一种提高信息推送准确性的方法、存储介质及电子设备 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108243219A (zh) * | 2016-12-26 | 2018-07-03 | 百度在线网络技术（北京）有限公司 | 信息推送的方法和装置 |
| WO2020108605A1 (zh) * | 2018-11-29 | 2020-06-04 | 腾讯科技（深圳）有限公司 | 一种推荐方法、装置及存储介质 |
| CN111914188A (zh) * | 2020-08-19 | 2020-11-10 | 英华达（上海）科技有限公司 | 推荐目标用户的选择方法、系统、设备及存储介质 |
-
2021
- 2021-06-28 CN CN202110718367.7A patent/CN113434762A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108243219A (zh) * | 2016-12-26 | 2018-07-03 | 百度在线网络技术（北京）有限公司 | 信息推送的方法和装置 |
| WO2020108605A1 (zh) * | 2018-11-29 | 2020-06-04 | 腾讯科技（深圳）有限公司 | 一种推荐方法、装置及存储介质 |
| CN111914188A (zh) * | 2020-08-19 | 2020-11-10 | 英华达（上海）科技有限公司 | 推荐目标用户的选择方法、系统、设备及存储介质 |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114169418A (zh) * | 2021-11-30 | 2022-03-11 | 北京百度网讯科技有限公司 | 标签推荐模型训练方法及装置、标签获取方法及装置 |
| CN114169418B (zh) * | 2021-11-30 | 2023-12-01 | 北京百度网讯科技有限公司 | 标签推荐模型训练方法及装置、标签获取方法及装置 |
| CN114994713A (zh) * | 2022-05-30 | 2022-09-02 | 平安科技（深圳）有限公司 | 一种gps拆机黑区的动态识别方法、系统及存储介质 |
| CN116401460A (zh) * | 2023-04-23 | 2023-07-07 | 中航信移动科技有限公司 | 一种提高信息推送准确性的方法、存储介质及电子设备 |
| CN116401460B (zh) * | 2023-04-23 | 2024-04-05 | 中航信移动科技有限公司 | 一种提高信息推送准确性的方法、存储介质及电子设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111782943B (zh) | 基于历史数据记录的信息推荐方法、装置、设备及介质 | |
| CN113434762A (zh) | 基于用户信息的关联推送方法、装置、设备及存储介质 | |
| CN110866180B (zh) | 资源推荐方法、服务器及存储介质 | |
| US8856229B2 (en) | System and method for social networking | |
| US20160132904A1 (en) | Influence score of a brand | |
| US20160034968A1 (en) | Method and device for determining target user, and network server | |
| CN112837106A (zh) | 商品推荐方法、装置、计算机设备 | |
| CN108171267B (zh) | 用户群划分方法及装置、消息推送方法及装置 | |
| CN112328909B (zh) | 信息推荐方法、装置、计算机设备及介质 | |
| CN109636487B (zh) | 广告推送方法、服务器、计算机设备及存储介质 | |
| US20160117328A1 (en) | Influence score of a social media domain | |
| CN107808346B (zh) | 一种潜在目标对象的评估方法及评估装置 | |
| US20140229229A1 (en) | Information processing apparatus, information processing method, information processing program, and recording medium | |
| EP2577584A1 (en) | Method of identifying remote users of websites | |
| CN110825977A (zh) | 一种数据推荐方法及相关设备 | |
| CN111242709A (zh) | 一种消息推送方法及其装置、设备、存储介质 | |
| JP2011227721A (ja) | 関心抽出装置、関心抽出方法、及び関心抽出プログラム | |
| CN108351787A (zh) | 与移动应用相关联的内容项目的基于装置的过滤 | |
| CN113468441A (zh) | 基于权重调整的搜索排序方法、装置、设备及存储介质 | |
| CN111159183B (zh) | 报表生成方法、电子装置及计算机可读存储介质 | |
| CN114880566A (zh) | 基于图神经网络的用户行为分析方法、装置、设备及介质 | |
| CN113886721B (zh) | 个性化兴趣点推荐方法、装置、计算机设备及存储介质 | |
| WO2014099384A1 (en) | Determining contact opportunities | |
| CN104992318A (zh) | 行事历主动推荐事件的方法 | |
| CN107294905B (zh) | 一种识别用户的方法及装置 |
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 |