CN113434772B - 推荐处理方法及装置 - Google Patents
推荐处理方法及装置 Download PDFInfo
- Publication number
- CN113434772B CN113434772B CN202110779951.3A CN202110779951A CN113434772B CN 113434772 B CN113434772 B CN 113434772B CN 202110779951 A CN202110779951 A CN 202110779951A CN 113434772 B CN113434772 B CN 113434772B
- Authority
- CN
- China
- Prior art keywords
- score
- users
- recommendation
- candidate
- candidate place
- 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
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 31
- 238000011156 evaluation Methods 0.000 claims abstract description 93
- 238000012545 processing Methods 0.000 claims abstract description 45
- 238000004364 calculation method Methods 0.000 claims description 17
- 238000013507 mapping Methods 0.000 claims description 12
- 238000012216 screening Methods 0.000 claims description 6
- 230000001960 triggered effect Effects 0.000 claims description 2
- 238000000034 method Methods 0.000 description 44
- 230000008569 process Effects 0.000 description 24
- 238000010586 diagram Methods 0.000 description 20
- 230000006870 function Effects 0.000 description 9
- 230000006872 improvement Effects 0.000 description 8
- 238000004590 computer program Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 6
- 238000010606 normalization Methods 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 235000012054 meals Nutrition 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000008447 perception Effects 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 229920001296 polysiloxane Polymers 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 239000010979 ruby Substances 0.000 description 1
- 229910001750 ruby Inorganic materials 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
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
- 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
- G06F16/907—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/909—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using geographical or spatial information, e.g. location
-
- 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
- G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/12—Hotels or restaurants
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Educational Administration (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Library & Information Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本说明书实施例提供了推荐处理方法及装置,其中,一种推荐处理方法包括:获取至少一个用户录入的参与用户数、位置信息以及候选对象;根据所述参与用户数、所述位置信息以及所述候选对象的评价数据中至少一者,计算各候选对象在至少一个评分维度的推荐评分;基于所述至少一个评分维度的推荐评分计算各候选对象的总推荐评分;按照所述总推荐评分确定目标推荐对象并进行推荐处理。
Description
技术领域
本文件涉及数据处理技术领域,尤其涉及一种推荐处理方法及装置。
背景技术
随着电子技术的快速发展,由程序给用户提供的信息、服务和产品的数量也呈现出快较快的增长趋势,为了将信息、服务和产品等数据更准确的推送给用户,智能推荐在这其中所起的作用越来越重要,智能推荐主要是通过分析用户信息、对象信息或其他辅助信息,获得用户对对象的偏好特征,并据此为用户进行对象推荐。
发明内容
本说明书一个或多个实施例提供了一种推荐处理方法,包括:获取至少一个用户录入的参与用户数、位置信息以及候选对象。根据所述参与用户数、所述位置信息以及所述候选对象的评价数据中至少一者,计算各候选对象在至少一个评分维度的推荐评分。基于所述至少一个评分维度的推荐评分计算各候选对象的总推荐评分。按照所述总推荐评分确定目标推荐对象并进行推荐处理。
本说明书一个或多个实施例提供了一种推荐处理装置,包括:信息获取模块,被配置为获取至少一个用户录入的参与用户数、位置信息以及候选对象。推荐评分计算模块,被配置为根据所述参与用户数、所述位置信息以及所述候选对象的评价数据中至少一者,计算各候选对象在至少一个评分维度的推荐评分。总推荐评分计算模块,被配置为基于所述至少一个评分维度的推荐评分计算各候选对象的总推荐评分。推荐处理模块,被配置为按照所述总推荐评分确定目标推荐对象并进行推荐处理。
本说明书一个或多个实施例提供了一种服务器,包括:处理器;以及,被配置为存储计算机可执行指令的存储器,所述计算机可执行指令在被执行时使所述处理器:获取至少一个用户录入的参与用户数、位置信息以及候选对象。根据所述参与用户数、所述位置信息以及所述候选对象的评价数据中至少一者,计算各候选对象在至少一个评分维度的推荐评分。基于所述至少一个评分维度的推荐评分计算各候选对象的总推荐评分。按照所述总推荐评分确定目标推荐对象并进行推荐处理。
本说明书一个或多个实施例提供了一种存储介质,用于存储计算机可执行指令,所述计算机可执行指令在被执行时实现以下流程:获取至少一个用户录入的参与用户数、位置信息以及候选对象。根据所述参与用户数、所述位置信息以及所述候选对象的评价数据中至少一者,计算各候选对象在至少一个评分维度的推荐评分。基于所述至少一个评分维度的推荐评分计算各候选对象的总推荐评分。按照所述总推荐评分确定目标推荐对象并进行推荐处理。
附图说明
为了更清楚地说明本说明书一个或多个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,下面描述中的附图仅仅是本说明书中记载的一些实施例,对于本领域普通技术人员来讲,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为本说明书一个或多个实施例提供的一种推荐处理方法处理流程图;
图2为本说明书一个或多个实施例提供的一种邀请链接显示页面的示意图;
图3为本说明书一个或多个实施例提供的一种信息录入页的示意图;
图4为本说明书一个或多个实施例提供的一种推荐页面的示意图;
图5为本说明书一个或多个实施例提供的一种排序列表的示意图;
图6为本说明书一个或多个实施例提供的一种应用于聚餐场景的推荐处理方法处理流程图;
图7为本说明书一个或多个实施例提供的一种应用于场所推荐场景的推荐处理方法处理流程图;
图8为本说明书一个或多个实施例提供的一种推荐处理装置示意图;
图9为本说明书一个或多个实施例提供的一种推荐处理设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本说明书一个或多个实施例中的技术方案,下面将结合本说明书一个或多个实施例中的附图,对本说明书一个或多个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说明书的一部分实施例,而不是全部的实施例。基于本说明书一个或多个实施例,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,都应当属于本文件的保护范围。
本说明书提供的一种推荐处理方法实施例:
参照图1,其示出了本实施例提供的一种推荐处理方法处理流程图,参照图2,其示出了本实施例提供的一种邀请链接显示页面的示意图,参照图3,其示出了本实施例提供的一种信息录入页的示意图,参照图4,其示出了本实施例提供的一种推荐页面的示意图,参照图5,其示出了本实施例提供的一种排序列表的示意图,参照图6,其示出了本实施例提供的一种应用于聚餐场景的推荐处理方法处理流程图,参照图7,其示出了本实施例提供的一种应用于场所推荐场景的推荐处理方法处理流程图。
参照图1,本实施例提供的推荐处理方法,具体包括步骤S102至步骤S108。
步骤S102,获取至少一个用户录入的参与用户数、位置信息以及候选对象。
本实施例提供的推荐处理方法,在向多个用户进行对象推荐的过程中,从各用户的出发位置、各出发位置的参与人数以及各用户各自选择的候选对象的评价数据这3类数据出发,分别计算每个候选对象在这3类数据对应的评分维度的推荐评分,并进一步计算每个候选对象的总推荐评分作为最终向用户进行推荐的依据,以此能够兼顾不同用户所处的位置、偏好以及候选对象评价,向用户推荐位置合适、满足偏好需求和评价较佳的对象,以此来提升用户的推荐体验,进而有利于提升用户的推荐反馈。
本实施例提供的推荐处理场景中,由至少一个用户分别提供各自意向或者偏好的对象,然后从至少一个用户提供的所有对象中,确定最终进行推荐的推荐对象,用户在推荐的基础上最终选择实际参与的目标对象。这其中,所述候选对象,是指由用户指定并提供的对象,比如在集体聚餐场景中,多个用户分别提供各自偏好的餐厅作为候选餐厅;再比如在集体活动中,多个用户分别提供各自偏好的活动场所作为候选活动场所。
所述参与用户数,是指用户输入的参与人数,比如在聚餐场景中,用户前往聚餐时携带亲属2人,则用户输入的参与人数为3人。所述位置信息,包括用户指定的出发地的位置信息,此外,所述位置信息还可以是基于用户携带的用户终端获取的用户当前所处的实际位置信息。
具体实施时,为提升用户的交互体验,可选的,通过配置目标项目的参与链接,所述至少一个用户通过触发目标项目的参与链接后展示的信息录入页,进行所述参与用户数、所述位置信息以及所述候选对象的录入,以此来解决多用户参与场景中用户之间沟通耗时长、沟通不易的问题,能够快速和高效的收集参与用户的个人诉求,从而在收集的用户个人诉求的基础上进行对象推荐。本实施例所述目标项目,是指由多个用户共同参与的活动项目,比如聚餐活动、集体参加户外体育项目、团体出游、参加团体娱乐活动等。
例如,图2所示的聚餐活动的邀请链接的显示页面,用户点击显示页面的确认参加按钮可进入图3所示的信息录入页,接收到该邀请的所有用户均可通过该页面可分别通过信息录入页录入参与人数、出发位置信息以及意向或者偏好的候选餐厅。
步骤S104,根据所述参与用户数、所述位置信息以及所述候选对象的评价数据中至少一者,计算各候选对象在至少一个评分维度的推荐评分。
上述获取到至少一个用户录入的参与用户数、所述位置信息以及所述候选对象之后,进一步获取所述候选对象的评价数据,然后根据所述参与用户数、所述位置信息以及所述候选对象的评价数据中至少一者,计算各候选对象在至少一个评分维度的推荐评分。
此外,为提升推荐评分计算的处理效率,可选的,上述获取到至少一个用户录入的候选对象之后,并且在进行推荐评分计算之前,对至少一个用户录入的候选对象进行去重处理,各候选对象通过对至少一个用户录入的候选对象去重后获得,相应的,下述各候选对象即是指去重之后活动的候选对象。
本实施例所述评分维度包括不限于偏好维度、位置维度和/或评价维度,相应的,偏好维度的推荐评分即为偏好评分,位置维度的推荐评分即为位置评分,评价维度的推荐评分即为评价评分。
下述以偏好维度、位置维度和评价维度为例,对这3个评分维度的推荐评分的计算过程进行具体说明,具体是根据参与用户数计算偏好评分,根据位置信息计算位置评分,以及根据候选对象的评价数据计算评价评分。
需要说明的是,下述提供的至少一个评分维度的推荐评分计算过程的具体实现,仅仅示意性的例子,除此之外,还可以采用其他方式进行至少一个评分维度的推荐评分的计算,比如参与用户数、位置信息以及候选对象的评价数据三者中参与用户数、所述位置信息,计算在用户维度的用户评分,并根据评价数据计算在评价维度的评价数据,或者根据参与用户数、位置信息以及候选对象的评价数据三者计算综合维度的综合评分。
本实施例提供的一种可选实施方式中,根据所述参与用户数、所述位置信息以及所述候选对象的评价数据中至少一者,计算各候选对象在至少一个评分维度的推荐评分,包括:
根据所述参与用户数计算各候选对象的偏好评分,根据所述位置信息计算各候选对象的位置评分,和/或,根据所述各候选对象的评价数据计算各候选对象的评价评分。
下述分别对根据参与用户数计算偏好评分,根据位置信息计算位置评分,以及根据候选对象的评价数据计算评价评分的过程进行具体说明。
(1)根据参与用户数计算偏好评分
本实施例提供的一种可选实施方式中,根据所述参与用户数计算各候选对象的偏好评分,具体采用如下方式实现:
统计各候选对象的被选用户数;
基于各候选对象的被选用户数确定各候选对象的偏好评分。
其中,候选对象的被选用户数,是指选择该候选对象的用户总数。需要说明的是,针对任意一个录入候选对象的用户,该用户在录入候选对象的过程中,同时也录入了参与用户数,此处,对于该用户录入的候选对象,不仅仅表明该用户选择了录入的候选对象,而是表明与录入的参与用户数相应的用户选择了录入的候选对象,比如用户A在进行录入的过程中,录入了餐厅A、参与人数为5人,则表明有5个用户选择了餐厅A,此时,选择餐厅A的用户数为5;如果用户B也录入了餐厅A,参与人数为2人,选择餐厅A的用户数为2,则选择餐厅A的用户总数为5+2=7。
具体的,基于被选用户数确定偏好评分的过程中,针对各候选对象中任意一者,将该候选对象的被选用户数作为该候选对象的偏好评分;除此之外,还可基于预先构建人数与评分映射关系表,将该候选对象的被选用户数在人数与评分映射关系表中映射的评分,作为该候选对象的偏好评分。
例如,在聚餐场景中,将参与人数表示为Cn,餐厅表示为Dm,餐厅Dm的偏好评分的偏好评分表示为prefer_score(Dm),则餐厅Dm的偏好评分prefer_score(Dm),等于所有选择餐厅Dm的用户提交参与人数Cn的加和,即:prefer_score(Dm)=∑(Cn)。
(2)根据参与用户数计算偏好评分
本实施例提供的一种可选实施方式中,根据所述位置信息计算各候选对象的位置评分,具体采用如下方式实现:
根据所述位置信息以及各候选对象的位置信息进行距离计算,获得各候选对象的用户参与距离;
将各候选对象的用户参与距离与各候选对象的被选用户数对应的权重进行加权计算,获得各候选对象的位置评分。
具体的,计算位置评分的过程中,针对各候选对象中任意一者,计算选择该候选对象的每个用户的用户参与距离与被选用户数的乘积,并对选择该候选对象的所有用户的乘积进行求和,获得该候选对象的位置评分。
例如,在聚餐场景中,将参与人数表示为Cn,餐厅表示为Dm,用户的位置表示为Ln,餐厅Dm与各用户位置Ln之间的距离为distance(Dm,Ln),餐厅Dm的位置评分的位置评分表示为locate_score(Dm),则餐厅Dm的位置评分locate_score(Dm),等于所有选择餐厅Dm的用户的距离distance(Dm,Ln)与参与人数Cn的乘积之和,即:locate_score(Dm)=∑(distance(Dm,Ln)*Cn)。
(3)根据参与用户数计算偏好评分
本实施例提供的一种可选实施方式中,根据所述各候选对象的评价数据计算各候选对象的评价评分,具体采用如下方式实现:
获取各候选对象在历史周期内的评价数据;
计算各候选对象的评价数据中包含的评价分的评价分均值,作为各候选对象的评价评分。
例如,在聚餐场景中,将餐厅表示为Dm,餐厅Dm在过去6个月内的不同时间段的用户打分记为rank(Dm_i),则餐厅Dm的评价评分rank_score(Dm)=average(rank(Dm_i))。
此外,在上述用户通过触发目标项目的参与链接后展示的信息录入页,进行所述参与用户数、所述位置信息以及所述候选对象的录入的基础上,为进一步提升评价评分的计算准确性,进而提升后续向用户推荐的对象的有效性,本实施例提供的另一种可选实施方式中,在根据所述各候选对象的评价数据计算各候选对象的评价评分的过程中,从所述目标项目的项目类型出发,筛选与该项目类型匹配的评价数据作为因子进行评价评分的计算,具体计算过程如下:
从各候选对象的评价数据中筛选与目标项目的项目类型匹配的有效评价数据;
基于各候选对象的有效评价数据中包含的评价分,计算各候选对象的评价评分。
比如在“同学聚会”类型的聚餐场景中,餐厅的过去6个月内评价数据中,筛选出评价数据中包含“同学聚会”相关评价标签的评价数据,然后对筛选出的评价数据中包含的用户打分求平均,以此计算出餐厅的评价评分。
步骤S106,基于所述至少一个评分维度的推荐评分计算各候选对象的总推荐评分。
上述计算出各候选对象在至少一个评分维度的推荐评分,基于至少一个评分维度的推荐评分计算各候选对象的总推荐评分的过程中,由于不同评分维度采用不同的评分计算体系,因此计算出的不同评分维度的推荐评分的数值大小差距较大,针对于此,本实施例通过对计算获得各候选对象的在不同评分维度的推荐评分进行标准化,以此将不同评分维度的推荐评分纳入相近的评价标准,从而来提升各候选对象的总推荐评分的计算准确性。
本实施例提供的一种可选实施方式中,基于所述至少一个评分维度的推荐评分计算各候选对象的总推荐评分,包括:
对所述至少一个评分维度的推荐评分进行归一化处理,获得至少一个评分维度的归一化评分;
基于所述至少一个评分维度的归一化评分以及各评分维度对应的评分权重,计算各候选对象的总推荐评分。
具体在归一化处理的过程中,采用归一化算法对至少一个评分维度的推荐评分进行归一化处理。除此之外,还可通过标准化算法对至少一个评分维度的推荐评分进行标准化处理,并根据标准化处理获得的标准化评分以及对应的评分权重计算各候选对象的总推荐评分。
例如,在聚餐场景中,通过归一化算法对餐厅Dm的偏好评分prefer_score(Dm)、位置评分locate_score(Dm)和评价评分rank_score(Dm)进行归一化处理,获得餐厅Dm的偏好评分prefer_score(Dm)的归一化偏好评分nor_prefer_score(Dm),位置评分locate_score(Dm)的归一化位置评分nor_locate_score(Dm),以及评价评分rank_score(Dm)的归一化评价评分nor_rank_score(Dm);
则餐厅Dm的总推荐评分Num_score(Dm)=nor_prefer_score(Dm)*w1+nor_locate_score(Dm)*w2+nor_rank_score(Dm)*w3;
其中,w1为偏好维度的评分权重,w2为位置维度的评分权重,w1为评价维度的评分权重。
进一步,为使计算获得的总推荐评分能够更加准确,本实施例通过调整计算总推荐评分过程中所使用的评分权重,具体是根据实际推荐后的用户反馈对评分权重进行调整,可选的,所述评分维度对应的评分权重,根据推荐反馈进行调整,比如,在过去一段时间内进行1000次推荐,根据推荐后用户的实际选择,如果统计表明1000次推荐中多数评价评分较高的对象,则增大评价维度的评分权重。
步骤S108,按照所述总推荐评分确定目标推荐对象并进行推荐处理。
上述计算出各候选对象的总推荐评分之后,从各候选对象的总推荐评分出发,确定各候选对象中向用户推荐的目标推荐对象,并进行所述目标推荐对象的推荐处理。为增强用户对目标推荐对象的感知,进而提升用户的推荐体验,本实施例提供的一种可选实施方式中,按照所述总推荐评分确定目标推荐对象并进行推荐处理,具体实现如下:
按照所述总推荐评分从高到低的排序顺序对各候选对象进行排序,并选择排序位次处于预设位次区间的候选对象作为所述目标推荐对象;
生成所述目标推荐对象的对象推荐页并向所述至少一个用户发送。
为进一步增强用户对目标推荐对象的感知,可选的,所述对象推荐页配置的地图坐标中展示有所述推荐对象映射的位置标识,且所述地图坐标中所述至少一个用户对应的位置点,展示有所述至少一个用户各自的用户标识。
此外,实际应用中,往往会由于实际因素的影响导致用户无法选择推荐的目标推荐对象,比如推荐的目标推荐对象附近的交通拥堵较为严重,针对于此,本实施例提供的一种可选实施方式中,若检测到所述对象推荐页配置的列表访问控件被触发,基于所述对象推荐页展示根据各候选对象的排序结果组成的对象列表;其中,所述对象列表中记录有下述至少一项:对象标识、总推荐评分以及至少一个评分维度的推荐评分。
例如,在聚餐场景中,根据计算获得各个餐厅的总推荐评分(综合分),确定总推荐评分最高的餐厅001为最终向用户推荐的目标推荐餐厅,并在餐厅001的推荐页面中配置地图坐标,餐厅001在地图坐标中映射的位置标识,以及各用户的位置在地图坐标映射的位置,并在各用户映射的位置显示各用户的头像标识,如图4所示;
并且,在推荐页面的下方区域配置查看更多餐厅的访问控件,如果用户想要查看其它候选餐厅的推荐详情,可通过触发该访问控件进行访问,触发后显示的页面如图5所示,其中展示由按照总推荐评分从高到低的顺序对候选餐厅进行排序后的排序列表。
下述以本实施例提供的一种推荐处理方法在聚餐场景的应用为例,对本实施例提供的推荐处理方法进行进一步说明,参见图6,应用于聚餐场景的推荐处理方法,具体包括步骤S602至步骤S616。
步骤S602,获取用户触发聚餐活动的参与链接后、在展示的信息录入页录入的参与人数、位置信息以及候选餐厅。
此处,用户是指接收到聚餐活动的参与链接的用户,用户数目可以是一个,也可以是多个。
步骤S604,根据参与人数计算各候选餐厅的偏好评分。
步骤S606,根据位置信息计算各候选餐厅的位置评分。
步骤S608,获取各候选餐厅的评价数据,并根据评价数据计算各候选餐厅的评价评分。
步骤S610,对偏好评分、位置评分和评价评分进行标准化处理,获得标准化偏好评分、标准化位置评分和标准化评价评分。
步骤S612,基于标准化偏好评分、标准化位置评分和标准化评价评分以及各自对应的评分权重,计算各候选餐厅的总推荐评分。
步骤S614,按照总推荐评分从高到低的排序顺序对各候选餐厅进行排序,并选择排序位次处于首位的候选餐厅作为推荐餐厅。
步骤S616,生成推荐餐厅的推荐页并向用户发送。
下述以本实施例提供的一种推荐处理方法在场所推荐场景的应用为例,对本实施例提供的推荐处理方法进行进一步说明,参见图7,应用于场所推荐场景的推荐处理方法,具体包括步骤S702至步骤S712。
步骤S702,获取目标项目的多个被邀用户录入的参与用户数、位置信息以及候选场所。
步骤S704,根据参与用户数计算各候选场所的偏好评分,根据位置信息计算各候选场所的位置评分,根据各候选场所的评价数据计算各候选场所的评价评分。
步骤S706,对偏好评分、位置评分和评价评分进行归一化处理,获得归一化偏好评分、归一化位置评分和归一化评价评分。
步骤S708,基于归一化偏好评分、归一化位置评分和归一化评价评分以及各自对应的评分权重,计算各候选场所的总推荐评分。
步骤S710,按照总推荐评分从高到低的排序顺序对各候选场所进行排序,并选择排序位次处于预设位次区间的候选场所作为目标推荐场所。
步骤S712,生成目标推荐场所的推荐页并分别向多个被邀用户发送。
本说明书提供的一种推荐处理装置实施例如下:
在上述的实施例中,提供了一种推荐处理方法,与之相对应的,还提供了一种推荐处理装置,下面结合图进行说明。
参照图8,其示出了本实施例提供的一种推荐处理装置示意图。
由于装置实施例对应于方法实施例,所以描述得比较简单,相关的部分请参见上述提供的方法实施例的对应说明即可。下述描述的装置实施例仅仅是示意性的。
本实施例提供一种推荐处理装置,包括:
信息获取模块802,被配置为获取至少一个用户录入的参与用户数、位置信息以及候选对象;
推荐评分计算模块804,被配置为根据所述参与用户数、所述位置信息以及所述候选对象的评价数据中至少一者,计算各候选对象在至少一个评分维度的推荐评分;
总推荐评分计算模块806,被配置为基于所述至少一个评分维度的推荐评分计算各候选对象的总推荐评分;
推荐处理模块808,被配置为按照所述总推荐评分确定目标推荐对象并进行推荐处理。
本说明书提供的一种推荐处理设备实施例如下:
对应上述描述的一种推荐处理方法,基于相同的技术构思,本说明书一个或多个实施例还提供一种推荐处理设备,该推荐处理设备用于执行上述提供的推荐处理方法,图5为本说明书一个或多个实施例提供的一种推荐处理设备的结构示意图。
本实施例提供的一种推荐处理设备,包括:
如图9所示,推荐处理设备可因配置或性能不同而产生比较大的差异,可以包括一个或一个以上的处理器901和存储器902,存储器902中可以存储有一个或一个以上存储应用程序或数据。其中,存储器902可以是短暂存储或持久存储。存储在存储器902的应用程序可以包括一个或一个以上模块(图示未示出),每个模块可以包括推荐处理设备中的一系列计算机可执行指令。更进一步地,处理器901可以设置为与存储器902通信,在推荐处理设备上执行存储器902中的一系列计算机可执行指令。推荐处理设备还可以包括一个或一个以上电源903,一个或一个以上有线或无线网络接口904,一个或一个以上输入/输出接口905,一个或一个以上键盘906等。
在一个具体的实施例中,推荐处理设备包括有存储器,以及一个或一个以上的程序,其中一个或者一个以上程序存储于存储器中,且一个或者一个以上程序可以包括一个或一个以上模块,且每个模块可以包括对推荐处理设备中的一系列计算机可执行指令,且经配置以由一个或者一个以上处理器执行该一个或者一个以上程序包含用于进行以下计算机可执行指令:
获取至少一个用户录入的参与用户数、位置信息以及候选对象;
根据所述参与用户数、所述位置信息以及所述候选对象的评价数据中至少一者,计算各候选对象在至少一个评分维度的推荐评分;
基于所述至少一个评分维度的推荐评分计算各候选对象的总推荐评分;
按照所述总推荐评分确定目标推荐对象并进行推荐处理。
本说明书提供的一种存储介质实施例如下:
对应上述描述的一种推荐处理方法,基于相同的技术构思,本说明书一个或多个实施例还提供一种存储介质。
本实施例提供的存储介质,用于存储计算机可执行指令,所述计算机可执行指令在被执行时实现以下流程:
获取至少一个用户录入的参与用户数、位置信息以及候选对象;
根据所述参与用户数、所述位置信息以及所述候选对象的评价数据中至少一者,计算各候选对象在至少一个评分维度的推荐评分;
基于所述至少一个评分维度的推荐评分计算各候选对象的总推荐评分;
按照所述总推荐评分确定目标推荐对象并进行推荐处理。
需要说明的是,本说明书中关于存储介质的实施例与本说明书中关于推荐处理方法的实施例基于同一发明构思,因此该实施例的具体实施可以参见前述对应方法的实施,重复之处不再赘述。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
在20世纪30年代,对于一个技术的改进可以很明显地区分是硬件上的改进(例如,对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而,随着技术的发展,当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此,不能说一个方法流程的改进就不能用硬件实体模块来实现。例如,可编程逻辑器件(Programmable Logic Device,PLD)(例如现场可编程门阵列(Field Programmable GateArray,FPGA))就是这样一种集成电路,其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片PLD上,而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且,如今,取代手工地制作集成电路芯片,这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现,它与程序开发撰写时所用的软件编译器相类似,而要编译之前的原始代码也得用特定的编程语言来撰写,此称之为硬件描述语言(Hardware Description Language,HDL),而HDL也并非仅有一种,而是有许多种,如ABEL(Advanced Boolean Expression Language)、AHDL(Altera Hardware DescriptionLanguage)、Confluence、CUPL(Cornell University Programming Language)、HDCal、JHDL(Java Hardware Description Language)、Lava、Lola、MyHDL、PALASM、RHDL(RubyHardware Description Language)等,目前最普遍使用的是VHDL(Very-High-SpeedIntegrated Circuit Hardware Description Language)与Verilog。本领域技术人员也应该清楚,只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中,就可以很容易得到实现该逻辑方法流程的硬件电路。
控制器可以按任何适当的方式实现,例如,控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application Specific Integrated Circuit,ASIC)、可编程逻辑控制器和嵌入微控制器的形式,控制器的例子包括但不限于以下微控制器:ARC625D、Atmel AT91SAM、Microchip PIC18F26K20以及Silicone Labs C8051F320,存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道,除了以纯计算机可读程序代码方式实现控制器以外,完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件,而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至,可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
上述实施例阐明的系统、装置、模块或单元,具体可以由计算机芯片或实体实现,或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的,计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
为了描述的方便,描述以上装置时以功能分为各种单元分别描述。当然,在实施本说明书实施例时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
本领域内的技术人员应明白,本说明书一个或多个实施例可提供为方法、系统或计算机程序产品。因此,本说明书一个或多个实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本说明书可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本说明书是参照根据本说明书实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,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、商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、商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、商品或者设备中还存在另外的相同要素。
本说明书一个或多个实施例可以在由计算机执行的计算机可执行指令的一般上下文中描述,例如程序模块。一般地,程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本说明书的一个或多个实施例,在这些分布式计算环境中,由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中,程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于系统实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
以上所述仅为本文件的实施例而已,并不用于限制本文件。对于本领域技术人员来说,本文件可以有各种更改和变化。凡在本文件的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本文件的权利要求范围之内。
Claims (10)
1.一种推荐处理方法,包括:
获取目标项目的多个用户录入的参与用户数、位置信息以及候选场所;所述多个用户中各用户的参与用户数为所述各用户和所述各用户携带的用户的总人数;
统计各候选场所的被选用户数,并基于预先构建的人数与评分映射关系表,将所述被选用户数在所述人数与评分映射关系表中映射的评分作为所述各候选场所的偏好评分;所述被选用户数根据选择所述各候选场所的参与用户数确定;
根据所述位置信息以及所述各候选场所的位置信息进行距离计算,获得所述各候选场所的用户参与距离;
将所述用户参与距离与基于所述各候选场所的被选用户数确定的权重进行加权计算,获得所述各候选场所的位置评分;
从所述各候选场所的评价数据中筛选与所述目标项目的项目类型匹配的有效评价数据,并根据所述有效评价数据计算所述各候选场所的评价评分;
基于所述偏好评分、所述位置评分和所述评价评分计算所述各候选场所的总推荐评分;
按照所述总推荐评分确定目标推荐场所,生成所述目标推荐场所的推荐页并向所述多个用户发送。
2.根据权利要求1所述的推荐处理方法,还包括:
获取所述各候选场所在历史周期内的评价数据;
计算所述各候选场所的评价数据中包含的评价分的评价分均值,作为所述各候选场所的评价评分。
3.根据权利要求1所述的推荐处理方法,所述基于所述偏好评分、所述位置评分和所述评价评分计算所述各候选场所的总推荐评分,包括:
对所述偏好评分、所述位置评分和所述评价评分进行归一化处理,获得归一化偏好评分、归一化位置评分和归一化评价评分;
基于所述归一化偏好评分、所述归一化位置评分和所述归一化评价评分以及各自对应的评分权重,计算所述各候选场所的总推荐评分。
4.根据权利要求1所述的推荐处理方法,所述多个用户通过触发所述目标项目的参与链接后展示的信息录入页,进行参与用户数、位置信息以及所述候选场所的录入。
5.根据权利要求4所述的推荐处理方法,所述按照所述总推荐评分确定目标推荐场所,生成所述目标推荐场所的推荐页并向所述多个用户发送,包括:
按照所述总推荐评分从高到低的排序顺序对所述各候选场所进行排序,并选择排序位次处于预设位次区间的候选场所作为所述目标推荐场所;
生成所述目标推荐场所的推荐页并向所述多个用户发送。
6.根据权利要求5所述的推荐处理方法,所述推荐页配置的地图坐标中展示有所述目标推荐场所映射的位置标识,且所述地图坐标中所述多个用户对应的位置点,展示有所述多个用户各自的用户标识。
7.根据权利要求5所述的推荐处理方法,还包括:
若检测到所述推荐页配置的列表访问控件被触发,基于所述推荐页展示根据所述各候选场所的排序结果组成的对象列表;
其中,所述对象列表中记录有下述至少一项:对象标识、总推荐评分以及偏好评分、位置评分、评价评分。
8.一种推荐处理装置,包括:
信息获取模块,被配置为获取目标项目的多个用户录入的参与用户数、位置信息以及候选场所;所述多个用户中各用户的参与用户数为所述各用户和所述各用户携带的用户的总人数;
推荐评分计算模块,被配置为统计各候选场所的被选用户数,并基于预先构建的人数与评分映射关系表,将所述被选用户数在所述人数与评分映射关系表中映射的评分作为所述各候选场所的偏好评分;所述被选用户数根据选择所述各候选场所的参与用户数确定;根据所述位置信息以及所述各候选场所的位置信息进行距离计算,获得所述各候选场所的用户参与距离;将所述用户参与距离与基于所述各候选场所的被选用户数确定的权重进行加权计算,获得所述各候选场所的位置评分;从所述各候选场所的评价数据中筛选与所述目标项目的项目类型匹配的有效评价数据,并根据所述有效评价数据计算所述各候选场所的评价评分;
总推荐评分计算模块,被配置为基于所述偏好评分、所述位置评分和所述评价评分计算所述各候选场所的总推荐评分;
推荐处理模块,被配置为按照所述总推荐评分确定目标推荐场所,生成所述目标推荐场所的推荐页并向所述多个用户发送。
9.一种推荐处理设备,包括:
处理器;以及,被配置为存储计算机可执行指令的存储器,所述计算机可执行指令在被执行时使所述处理器:
获取目标项目的多个用户录入的参与用户数、位置信息以及候选场所;所述多个用户中各用户的参与用户数为所述各用户和所述各用户携带的用户的总人数;
统计各候选场所的被选用户数,并基于预先构建的人数与评分映射关系表,将所述被选用户数在所述人数与评分映射关系表中映射的评分作为所述各候选场所的偏好评分;所述被选用户数根据选择所述各候选场所的参与用户数确定;
根据所述位置信息以及所述各候选场所的位置信息进行距离计算,获得所述各候选场所的用户参与距离;
将所述用户参与距离与基于所述各候选场所的被选用户数确定的权重进行加权计算,获得所述各候选场所的位置评分;
从所述各候选场所的评价数据中筛选与所述目标项目的项目类型匹配的有效评价数据,并根据所述有效评价数据计算所述各候选场所的评价评分;
基于所述偏好评分、所述位置评分和所述评价评分计算所述各候选场所的总推荐评分;
按照所述总推荐评分确定目标推荐场所,生成所述目标推荐场所的推荐页并向所述多个用户发送。
10.一种存储介质,用于存储计算机可执行指令,所述计算机可执行指令在被执行时实现以下流程:
获取目标项目的多个用户录入的参与用户数、位置信息以及候选场所;所述多个用户中各用户的参与用户数为所述各用户和所述各用户携带的用户的总人数;
统计各候选场所的被选用户数,并基于预先构建的人数与评分映射关系表,将所述被选用户数在所述人数与评分映射关系表中映射的评分作为所述各候选场所的偏好评分;所述被选用户数根据选择所述各候选场所的参与用户数确定;
根据所述位置信息以及所述各候选场所的位置信息进行距离计算,获得所述各候选场所的用户参与距离;
将所述用户参与距离与基于所述各候选场所的被选用户数确定的权重进行加权计算,获得所述各候选场所的位置评分;
从所述各候选场所的评价数据中筛选与所述目标项目的项目类型匹配的有效评价数据,并根据所述有效评价数据计算所述各候选场所的评价评分;
基于所述偏好评分、所述位置评分和所述评价评分计算所述各候选场所的总推荐评分;
按照所述总推荐评分确定目标推荐场所,生成所述目标推荐场所的推荐页并向所述多个用户发送。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310821648.4A CN116861084A (zh) | 2021-07-09 | 2021-07-09 | 推荐处理方法及装置 |
CN202110779951.3A CN113434772B (zh) | 2021-07-09 | 2021-07-09 | 推荐处理方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110779951.3A CN113434772B (zh) | 2021-07-09 | 2021-07-09 | 推荐处理方法及装置 |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310821648.4A Division CN116861084A (zh) | 2021-07-09 | 2021-07-09 | 推荐处理方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113434772A CN113434772A (zh) | 2021-09-24 |
CN113434772B true CN113434772B (zh) | 2023-07-25 |
Family
ID=77759941
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110779951.3A Active CN113434772B (zh) | 2021-07-09 | 2021-07-09 | 推荐处理方法及装置 |
CN202310821648.4A Pending CN116861084A (zh) | 2021-07-09 | 2021-07-09 | 推荐处理方法及装置 |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310821648.4A Pending CN116861084A (zh) | 2021-07-09 | 2021-07-09 | 推荐处理方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (2) | CN113434772B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114301973A (zh) * | 2021-12-24 | 2022-04-08 | 支付宝(杭州)信息技术有限公司 | 信息推荐处理方法及装置 |
CN115374141B (zh) * | 2022-09-20 | 2024-05-10 | 支付宝(杭州)信息技术有限公司 | 虚拟形象的更新处理方法及装置 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112733024A (zh) * | 2021-01-05 | 2021-04-30 | 北京三快在线科技有限公司 | 一种信息推荐的方法及装置 |
CN112948686A (zh) * | 2021-03-25 | 2021-06-11 | 支付宝(杭州)信息技术有限公司 | 位置推荐处理方法及装置 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10877976B2 (en) * | 2017-05-03 | 2020-12-29 | Facebook, Inc. | Recommendations for online system groups |
CN112528130A (zh) * | 2019-09-02 | 2021-03-19 | 中国移动通信有限公司研究院 | 一种信息推荐方法、装置、设备及计算机可读存储介质 |
CN110784508A (zh) * | 2019-09-12 | 2020-02-11 | 腾讯科技(深圳)有限公司 | 一种信息处理方法、装置及设备 |
-
2021
- 2021-07-09 CN CN202110779951.3A patent/CN113434772B/zh active Active
- 2021-07-09 CN CN202310821648.4A patent/CN116861084A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112733024A (zh) * | 2021-01-05 | 2021-04-30 | 北京三快在线科技有限公司 | 一种信息推荐的方法及装置 |
CN112948686A (zh) * | 2021-03-25 | 2021-06-11 | 支付宝(杭州)信息技术有限公司 | 位置推荐处理方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN116861084A (zh) | 2023-10-10 |
CN113434772A (zh) | 2021-09-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6293642B2 (ja) | 推薦エンジンに基づく汎用グラフ、ルール及び空間構造 | |
CN107924506B (zh) | 用于推断用户可用性的方法、系统及计算机存储介质 | |
US9026941B1 (en) | Suggesting activities | |
EP2820616B1 (en) | Empirical expert determination and question routing system and method | |
US20220237486A1 (en) | Suggesting activities | |
US9058563B1 (en) | Suggesting activities | |
US8880600B2 (en) | Creating groups of users in a social networking system | |
CN113434772B (zh) | 推荐处理方法及装置 | |
CN110033156B (zh) | 一种业务活动效果的确定方法及装置 | |
CN109118336A (zh) | 信息推荐方法、装置、计算机设备及存储介质 | |
US20170192625A1 (en) | Data managing and providing method and system for the same | |
US11765107B2 (en) | Method and system for providing relevance information between users | |
CN115862088A (zh) | 一种身份识别方法及装置 | |
US20190287081A1 (en) | Method and device for implementing service operations based on images | |
CN113454669A (zh) | 通过用户访问的特征来表征地点 | |
US20230244862A1 (en) | Form processing method and apparatus, device, and storage medium | |
CN108369695A (zh) | 确定响应于简档的活动 | |
CN111639269B (zh) | 一种地点推荐方法及装置 | |
WO2024037285A1 (zh) | 场所服务处理方法及装置 | |
Rosa et al. | A weight-aware recommendation algorithm for mobile multimedia systems | |
CN110166347A (zh) | 一种信息的分享方法、装置及设备 | |
CN111008864B (zh) | 一种营销码与商户之间的铺设关系的确定方法、装置及电子设备 | |
CN109584088B (zh) | 产品信息的推送方法及装置 | |
CN110110014B (zh) | 目标对象的位置信息的确定方法、服务器及用户客户端 | |
Suzumura et al. | Where can we accomplish our To-Do?: estimating the target location by analyzing the task |
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 |