CN113763110A - 一种物品推荐方法和装置 - Google Patents
一种物品推荐方法和装置 Download PDFInfo
- Publication number
- CN113763110A CN113763110A CN202110173044.4A CN202110173044A CN113763110A CN 113763110 A CN113763110 A CN 113763110A CN 202110173044 A CN202110173044 A CN 202110173044A CN 113763110 A CN113763110 A CN 113763110A
- Authority
- CN
- China
- Prior art keywords
- article
- target
- occurrence
- time
- item
- 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 52
- 230000009471 action Effects 0.000 claims abstract description 66
- 238000012163 sequencing technique Methods 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 9
- 230000006399 behavior Effects 0.000 description 47
- 238000010586 diagram Methods 0.000 description 17
- 230000008569 process Effects 0.000 description 11
- 238000004422 calculation algorithm Methods 0.000 description 10
- 238000001914 filtration Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 238000005065 mining Methods 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 239000013256 coordination polymer Substances 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
Images
Classifications
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
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)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种物品推荐方法和装置,涉及计算机技术领域。该方法的一具体实施方式包括:根据物品推荐请求,获取目标用户的历史行为记录包含的目标物品和目标物品对应的行为时间;根据目标物品对应的行为时间与当前时间之间的时间差,确定目标物品对应的时间层次;基于物品关系库,根据目标物品和目标物品对应的时间层次,获取目标物品对应的待推荐物品,以向目标用户推荐待推荐物品。该实施方式采用了时间分层的思想,可以向用户推荐感兴趣的物品,提高物品推荐的准确性,提升用户体验。
Description
技术领域
本发明涉及计算机技术领域,尤其涉及一种物品推荐方法和装置。
背景技术
随着电商平台规模的不断扩大,平台上可以提供的物品数量和种类快速增长,为解决信息过载情况下用户浏览大量不相关物品的问题,个性化推荐系统应运而生,以帮助平台为用户推荐感兴趣的物品。
现有技术主要采用基于物品的协同过滤算法为用户推荐感兴趣的物品,具体实现为:通过用户的历史行为数据挖掘物品的共现关系,从而计算物品之间的相似度;然后根据物品之间的相似度,为用户推荐其浏览过的物品对应的相似度高的物品集合。其中,物品的共现关系是指物品共同出现的关系。
在实现本发明过程中,发明人发现现有的基于物品的协同过滤算法没有考虑用户兴趣随时间变化的问题,导致即使用户很久前浏览过某物品,还为用户推荐与该物品相似的物品,也即,会向用户推荐不感兴趣的物品,影响用户体验。
发明内容
有鉴于此,本发明实施例提供一种物品推荐方法和装置,采用了时间分层的思想,可以向用户推荐感兴趣的物品,提高物品推荐的准确性,提升用户体验。
为实现上述目的,根据本发明实施例的一个方面,提供了一种物品推荐方法。
本发明实施例的一种物品推荐方法,包括:根据物品推荐请求,获取目标用户的历史行为记录包含的目标物品和所述目标物品对应的行为时间;根据所述目标物品对应的行为时间与当前时间之间的时间差,确定所述目标物品对应的时间层次;基于物品关系库,根据所述目标物品和所述目标物品对应的时间层次,获取所述目标物品对应的待推荐物品,以向所述目标用户推荐所述待推荐物品;其中,所述物品关系库用于存储物品共现关系,所述物品共现关系包括物品之间的共现次数和物品之间的时间层次。
可选地,所述方法还包括:获取用户的历史行为记录,确定所述用户的历史行为记录包含的多个物品;针对所述多个物品中的每个物品,按照预设的时间分层规则,生成所述物品对应的物品共现关系;根据所述物品对应的物品共现关系,获得所述多个物品对应的物品共现关系,并将所述多个物品对应的物品共现关系存储至所述物品关系库中。
可选地,所述按照预设的时间分层规则,生成所述物品对应的物品共现关系,包括:获取所述物品对应的共现物品,其中,获取的共现物品对应的用户与所述物品对应的用户为相同的,且所述获取的共现物品对应的行为时间大于所述物品对应的行为时间;统计所述物品与所述获取的共现物品之间的共现次数;按照预设的时间分层规则,根据所述物品对应的行为时间和所述获取的共现物品对应的行为时间,计算所述物品与所述获取的共现物品之间的时间层次;根据所述获取的共现物品、所述物品与所述获取的共现物品之间的共现次数、以及所述物品与所述获取的共现物品之间的时间层次,生成所述物品对应的物品共现关系。
可选地,所述按照预设的时间分层规则,根据所述物品对应的行为时间和所述获取的共现物品对应的行为时间,计算所述物品与所述获取的共现物品之间的时间层次,包括:计算所述物品对应的行为时间与所述获取的共现物品对应的行为时间之间的时间差;按照预设的时间粒度,对计算的时间差进行层次划分,得到所述物品与所述获取的共现物品之间的时间层次。
可选地,所述根据所述目标物品对应的行为时间与当前时间之间的时间差,确定所述目标物品对应的时间层次,包括:按照所述预设的时间粒度,对所述目标物品对应的行为时间与当前时间之间的时间差进行层次划分,得到所述目标物品对应的时间层次。
可选地,所述基于物品关系库,根据所述目标物品和所述目标物品对应的时间层次,获取所述目标物品对应的待推荐物品,包括:以所述目标物品和所述目标物品对应的时间层次为选择条件,从所述物品关系库中选择所述目标物品对应的物品共现关系,其中,选择的共现关系对应的物品之间的时间层次与所述目标物品对应的时间层次相同;根据所述选择的共现关系,获得所述目标物品对应的可选物品,确定所述目标物品与所述可选物品之间的共现次数;对所述目标物品与所述可选物品之间的共现次数进行排序,根据排序结果,从所述可选物品中选取所述目标物品对应的待推荐物品。
为实现上述目的,根据本发明实施例的又一个方面,提供了一种物品推荐装置。
本发明实施例的一种物品推荐装置,包括:获取模块,用于根据物品推荐请求,获取目标用户的历史行为记录包含的目标物品和所述目标物品对应的行为时间;确定模块,用于根据所述目标物品对应的行为时间与当前时间之间的时间差,确定所述目标物品对应的时间层次;推荐模块,用于基于物品关系库,根据所述目标物品和所述目标物品对应的时间层次,获取所述目标物品对应的待推荐物品,以向所述目标用户推荐所述待推荐物品;其中,所述物品关系库用于存储物品共现关系,所述物品共现关系包括物品之间的共现次数和物品之间的时间层次。
可选地,所述装置还包括存储模块,用于:获取用户的历史行为记录,确定所述用户的历史行为记录包含的多个物品;针对所述多个物品中的每个物品,按照预设的时间分层规则,生成所述物品对应的物品共现关系;根据所述物品对应的物品共现关系,获得所述多个物品对应的物品共现关系,并将所述多个物品对应的物品共现关系存储至所述物品关系库中。
可选地,所述存储模块还用于:获取所述物品对应的共现物品,其中,获取的共现物品对应的用户与所述物品对应的用户为相同的,且所述获取的共现物品对应的行为时间大于所述物品对应的行为时间;统计所述物品与所述获取的共现物品之间的共现次数;按照预设的时间分层规则,根据所述物品对应的行为时间和所述获取的共现物品对应的行为时间,计算所述物品与所述获取的共现物品之间的时间层次;根据所述获取的共现物品、所述物品与所述获取的共现物品之间的共现次数、以及所述物品与所述获取的共现物品之间的时间层次,生成所述物品对应的物品共现关系。
可选地,所述存储模块还用于:计算所述物品对应的行为时间与所述获取的共现物品对应的行为时间之间的时间差;按照预设的时间粒度,对计算的时间差进行层次划分,得到所述物品与所述获取的共现物品之间的时间层次。
可选地,所述确定模块还用于:按照所述预设的时间粒度,对所述目标物品对应的行为时间与当前时间之间的时间差进行层次划分,得到所述目标物品对应的时间层次。
可选地,所述推荐模块还用于:以所述目标物品和所述目标物品对应的时间层次为选择条件,从所述物品关系库中选择所述目标物品对应的物品共现关系,其中,选择的共现关系对应的物品之间的时间层次与所述目标物品对应的时间层次相同;根据所述选择的共现关系,获得所述目标物品对应的可选物品,确定所述目标物品与所述可选物品之间的共现次数;对所述目标物品与所述可选物品之间的共现次数进行排序,根据排序结果,从所述可选物品中选取所述目标物品对应的待推荐物品。
为实现上述目的,根据本发明实施例的另一个方面,提供了一种电子设备。
本发明实施例的一种电子设备包括:一个或多个处理器;存储装置,用于存储一个或多个程序,当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器实现本发明实施例的物品推荐方法。
为实现上述目的,根据本发明实施例的还一个方面,提供了一种计算机可读介质。
本发明实施例的一种计算机可读介质,其上存储有计算机程序,程序被处理器执行时实现本发明实施例的物品推荐方法。
上述发明中的一个实施例具有如下优点或有益效果:能够根据物品推荐请求获取到目标物品和目标物品对应的行为时间,接着计算得到目标物品对应的时间层次,然后可以借助物品关系库,利用目标物品和目标物品对应的时间层次获得目标物品对应的待推荐物品,以将待推荐物品推荐给目标用户,因为采用了时间分层的思想,解决了现有技术没有考虑用户兴趣随时间变化的问题,从而可以向用户推荐感兴趣的物品,提高物品推荐的准确性,提升用户体验。
上述的非惯用的可选方式所具有的进一步效果将在下文中结合具体实施方式加以说明。
附图说明
附图用于更好地理解本发明,不构成对本发明的不当限定。其中:
图1是根据本发明实施例的物品推荐方法的主要步骤的示意图;
图2是根据本发明实施例的获得物品共现关系的主要过程的示意图;
图3是根据本发明实施例的基于物品关系库获取待推荐物品的主要过程的示意图;
图4是根据本发明实施例的物品推荐方法的主要流程的示意图;
图5是根据本发明实施例的物品推荐装置的主要模块的示意图;
图6是本发明实施例可以应用于其中的示例性系统架构图;
图7是适于用来实现本发明实施例的终端设备或服务器的计算机系统的结构示意图。
具体实施方式
以下结合附图对本发明的示范性实施例做出说明,其中包括本发明实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本发明的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
协同过滤算法是一种较为著名和常用的推荐算法,它基于对用户历史行为数据的挖掘发现用户的喜好偏向,并预测用户可能喜好的产品进行推荐。作为目前电商领域中应用最广泛的推荐算法之一,简单来说就是利用群体智慧来挖掘用户之间、物品之间以及用户与物品之间的关系为用户推荐感兴趣的物品。
现有技术主要采用基于物品的协同过滤算法为用户推荐感兴趣的物品,主要思想是通过用户的历史行为数据挖掘物品的共现关系,从而计算物品之间的相似度;然后根据物品之间的相似度,为用户推荐其浏览过的物品对应的相似度高的物品集合。比如,用户U1浏览过物品A1、A2和A3,用户U2浏览过A1、A4和A3,那么A1、A2和A3是共现关系,以及A1、A4和A3是共现关系。在计算相似度的时候,A1与A2共同出现了一次,A1和A3共同出现了两次,A1和A4共同出现了1次,那么对于物品A1来说,A3的相似度比A2和A4的相似度更高。因此,当用户U3浏览过物品A1,可以将与物品A1相似度较高的物品A3推荐给用户U3。
但是,在电商领域,用户兴趣变化比较频繁,比如用户在十天前浏览并购买了某款手机,那么再为该用户推荐手机反而没有推荐手机壳、手机膜等手机配件更能吸引用户的关注。所以在电商领域,现有的基于物品的协同过滤算法没有考虑用户兴趣随时间变化的问题,导致即使用户很久前浏览过某物品,还为用户推荐与该物品相似的物品,也即,会向用户推荐不感兴趣的物品,影响用户体验。
为了解决上述问题,本发明实施例提供一种物品推荐方法。图1是根据本发明实施例的物品推荐方法的主要步骤的示意图。如图1所示,物品推荐方法的主要步骤可以包括步骤S101至步骤S103。
步骤S101:根据物品推荐请求,获取目标用户的历史行为记录包含的目标物品和目标物品对应的行为时间。
物品推荐请求是指为用户推荐其感兴趣的物品的请求。通过物品推荐请求,可以确定该请求对应的目标用户,也就是说,需要为目标用户推荐其感兴趣的物品。然后,获取该目标用户的历史行为记录,如目标用户最近30天的浏览记录、目标用户最近7天的收藏记录等。接着,对该目标用户的历史行为记录进行分析,获得用户历史记录包含的目标物品,如目标用户最近30天浏览了物品A1和物品A2、最近7天收藏了物品A3。并且,获取目标物品对应的行为时间,也即,获取目标用户对目标物品执行操作的具体时间,如目标用户在30天前浏览了物品A1、在20天前浏览了A2、在2天前收藏了物品A3。
步骤S102:根据目标物品对应的行为时间与当前时间之间的时间差,确定目标物品对应的时间层次。其中,当前时间是指物品推荐请求对应的时间。
现有的基于物品的协同过滤算法没有考虑用户兴趣随时间变化的问题,导致向用户推荐不感兴趣的物品,影响用户体验。但是,本发明实施例的物品推荐方法中,通过步骤S101获取到目标物品对应的行为时间,然后在步骤S102中,计算目标物品对应的行为时间与当前时间之间的时间差,确定目标物品对应的时间层次,接下来可以结合目标物品对应的时间层次为目标用户推荐物品,考虑了用户兴趣随时间变化的问题,使得向用户推荐的物品为用户感兴趣的物品,提升用户体验。
具体的,确定目标物品对应的时间层次的方法可以为:按照预设的时间粒度,对目标物品对应的行为时间与当前时间之间的时间差进行层次划分,得到目标物品对应的时间层次。其中,时间粒度是对时间进行层次划分的单位,如预设的时间粒度为1天,就是指以1天为单位进行层次划分,再如预设的时间粒度为2天,就是指以2天为单位进行层次划分。假设,预设的时间粒度为1天,目标物品对应的行为时间与当前时间之间的时间差为5天,那么得到目标物品对应的时间层次为5。
步骤S103:基于物品关系库,根据目标物品和目标物品对应的时间层次,获取目标物品对应的待推荐物品,以向目标用户推荐待推荐物品。
其中,物品关系库用于存储物品共现关系,物品共现关系包括物品之间的共现次数和物品之间的时间层次。物品关系库中存储的物品共现关系是指对用户的历史行为记录进行分析,挖掘出的物品之间的共现关系。如果同一个用户对两个物品存在浏览或者收藏等行为,那么认为这两个物品共同出现,也即,这两个物品之间存在共现关系。物品之间的共现次数是指物品共同出现的次数,如用户U1、U2和U3均浏览过两个物品,那么这两个物品之间的共现次数为3。如果两个物品之间存在共现关系,那么根据这两个物品对应的行为时间差,计算得到这两个物品之间的时间层次。综上,物品之间的共现次数是指物品共同出现的次数,物品之间的时间层次可以表示物品对应的行为时间差。可见,物品关系库中存储的物品共现关系包含时间层次,解决了现有技术没有考虑用户兴趣随时间变化的问题,从而可以向用户推荐的物品为用户感兴趣的物品,提升用户体验。
为了便于理解,通过以下例子详细说明现有的基于物品的协同过滤算法和本发明实施例的物品推荐方法。假设,基于物品A1(即,目标物品为A1)为用户推荐物品,且物品A1与物品A2、A3、A4、A5和A6都有共现关系。(一)若采用现有的基于物品的协同过滤算法进行物品推荐,由于物品A1与物品A2、A3、A4、A5和A6都有共现关系,那么会将物品A2、A3、A4、A5和A6都推荐给用户。(二)若采用本发明实施例的物品推荐方法进行物品推荐,虽然物品A1与物品A2、A3、A4、A5和A6都有共现关系,但是可以得到物品A2、A3是在浏览物品A1后的第10天浏览的,物品A4、A5和A6是在浏览物品A1后的第3天浏览的。以及,在基于物品A1为用户推荐物品时,会考虑该用户是在什么时间浏览的物品A1。如果该用户是在3天前浏览的物品A1,那么会将物品A4、A5和A6推荐给该用户,而不会将物品A2、A3推荐给该用户。显然,本发明实施例的物品推荐方法考虑了时间因素造成的用户兴趣变化的问题,能够向用户推荐其更感兴趣的物品。
本发明实施例的物品推荐方法,能够根据物品推荐请求获取到目标物品和目标物品对应的行为时间,接着计算得到目标物品对应的时间层次,然后可以借助物品关系库,利用目标物品和目标物品对应的时间层次获得目标物品对应的待推荐物品,以将待推荐物品推荐给目标用户,因为采用了时间分层的思想,解决了现有技术没有考虑用户兴趣随时间变化的问题,从而可以向用户推荐感兴趣的物品,提高物品推荐的准确性,提升用户体验。
本发明实施例的物品关系库中存储的物品共现关系包含时间层次,因此可以基于物品关系库,根据目标物品和目标物品对应的时间层次获取目标物品对应的待推荐物品,所以物品关系库中存储的物品共现关系有重要作用。接下来,详细说明本发明实施例的物品共现关系。图2是根据本发明实施例的获得物品共现关系的主要过程的示意图。如图2所示,获得物品共现关系的主要过程可以包括步骤S201至步骤S203。
步骤S201:获取用户的历史行为记录,确定用户的历史行为记录包含的多个物品。
其中,用户的历史行为记录可以为某电商平台上的用户的历史浏览记录、历史收藏记录等。但是需要注意的是,如果是对用户的历史浏览记录进行分析得到物品共现关系,那么确定用户历史浏览记录中的已浏览物品;以及步骤S101中目标用户的历史行为记录是指目标用户的历史浏览记录,目标物品是指目标用户的已浏览物品,获取的待推荐物品是目标用户可能会浏览的物品。同理,如果是对用户的历史收藏记录进行分析得到物品共现关系,那么确定用户历史收藏记录中的已收藏物品;以及步骤S101中目标用户的历史行为记录是指目标用户的历史收藏记录,目标物品是指目标用户的已收藏物品,获取的待推荐物品是目标用户可能会收藏的物品。比如,获取用户U1、U2和U3在某平台上的历史浏览记录,分析得到这3个用户浏览过物品A1至A8。当然,可以根据具体需求获取多个(可以但不限于是3个)用户的历史浏览记录或者历史收藏记录或者用户的其他历史行为记录等。
步骤S202:针对多个物品中的每个物品,按照预设的时间分层规则,生成物品对应的物品共现关系。就是说,得到历史行为记录包含的多个物品后,对每个物品进行分析,得到每个物品对应的物品共现关系。为了便于描述,假设物品A1为用户历史行为记录中的物品,以生成物品A1对应的物品共现关系为例进行说明。
作为本发明的实施例,按照预设的时间分层规则,生成物品A1对应的物品共现关系,可以包括:
(一)获取物品A1对应的共现物品。其中,获取的共现物品对应的用户与物品A1对应的用户为相同的,且获取的共现物品对应的行为时间大于物品A1对应的行为时间。
在上文已经说明,如果同一个用户对两个物品存在浏览或者收藏或者点击等行为,即同一个用户浏览过这两个物品、或者同一个用户收藏过这两个物品、或者同一个用户点击过这两个物品等,那么可以认为这两个物品共同出现过。所以,获取物品A1对应的共现物品的过程中,如果用户U1的历史行为记录中包含物品A1,那么可以从用户U1的历史行为记录中的其他物品中选择物品A1对应的共现物品。另外,考虑物品推荐方法中,根据用户的历史行为记录向用户推荐物品,比如,用户在3天前浏览了某物品,那么基于该已浏览的物品向用户推荐其可能会浏览的物品,显然,该已浏览的物品的浏览时间是小于推荐的物品的浏览时间的。因此,可以限定获取的共现物品对应的行为时间是大于物品A1对应的行为时间的。
比如,用户U1的历史行为记录中包含物品A1至A4,且用户U1对物品执行具体行为的时间顺序为:A3、A1、A2、A4;用户U2的历史行为记录中包含物品A1、A2、A4、A7和A8,且用户U2对物品执行具体行为的时间顺序为:A8、A7、A1、A2、A4;用户U3的历史行为记录中包含物品A1、A2、A5至A7,且用户U3对物品执行具体行为的时间顺序为:A1、A2、A5、A6、A7。那么可以得到,物品A1对应的共现物品有A2、A4、A5、A6、A7。
(二)统计物品A1与获取的共现物品之间的共现次数,也即,统计物品A1与获取到的共现物品共同出现的次数。如,对于用户U1,物品A1和A2共同出现1次,物品A1和A4共同出现1次;对于用户U2,物品A1和A2共同出现1次,物品A1和A4共同出现1次;对于用户U3,物品A1和A2共同出现1次,物品A1和A5共同出现1次,物品A1和A6共同出现1次,物品A1和A7共同出现1次。总结可以得到,A1和A2共同出现3次,物品A1和A4共同出现2次,物品A1和A5共同出现1次,物品A1和A6共同出现1次,物品A1和A7共同出现1次。
(三)按照预设的时间分层规则,根据物品A1对应的行为时间和获取的共现物品对应的行为时间,计算物品A1与获取的共现物品之间的时间层次。
具体的,计算物品A1对应的行为时间与获取共现物品对应的行为时间之间的时间差;然后按照预设的时间粒度,对计算的时间差进行层次划分,得到物品A1与获取的共现物品之间的时间层次。如,用户U1在20天前浏览了物品A1,在18天前浏览了物品A4;计算得到用户U1浏览物品A1和A4的时间差为2天;以预设的时间粒度为1天为例,对时间差2天进行层次划分,得到对于用户U1,物品A1与A4之间的时间层次为2。以及,用户U2在10天前浏览了物品A1,在5天前浏览了物品A4;计算得到用户U2浏览物品A1和A4的时间差为5天;以预设的时间粒度为1天为例,对时间差5天进行层次划分,得到对于用户U2,物品A1与A4之间的时间层次为5。因此,得到物品A1与A1对应的共现物品A4之间的共现次数为2次,有1次对应的时间层次为2,另1次对应的时间层次为5。同理,分别得到A1与其他共现物品A2、A5、A6、A7之间的时间层次。
(四)根据获取的共现物品、物品A1与获取的共现物品之间的共现次数、以及物品与获取的共现物品之间的时间层次,生成物品A1对应的物品共现关系。可以设置物品对应的物品共现关系为S->S1:T1:k1,S2:T2:k2,...,Si:Ti:ki,其中S表示物品,Si表示该物品对应的第i个共现物品,Ti表示物品与该物品对应的第i个共现物品之间的时间层次,ki表示物品与该物品对应的第i个共现物品之间的共现次数。另外,由于物品推荐方法是根据目标物品对应的时间层次进行查询的,因此可以将物品对应的物品共现关系设置为S-Tm->S1:k1,S2:k2,S3:k3,即物品S与S对应的共现物品S1、S2和S3之间的时间层次均是相同的。也就是说,将时间层次相同的共现物品放在一起,从而可以直接利用时间层次进行查询,提高物品推荐率。
步骤S203:根据物品对应的物品共现关系,获得多个物品对应的物品共现关系,并将多个物品对应的物品共现关系存储至物品关系库中。
对于用户的历史行为记录包含的多个物品,可以按照上述(一)到(四)得到每个物品对应的物品共现关系,也即,得到多个物品对应的物品共现关系。然后,将得到的多个物品对应的物品共现关系存储至物品关系库中。此外,本发明实施例,还可以定期更新物品共现关系。
由于物品关系库中存储的物品共现关系包含时间层次,所以在步骤S103中,可以基于物品关系库,根据目标物品和目标物品对应的时间层次获取目标物品对应的待推荐物品,然后向目标用户推荐待推荐物品。图3是根据本发明实施例的基于物品关系库获取待推荐物品的主要过程的示意图。如图3所示,基于物品关系库获取待推荐物品的主要过程可以包括:
步骤S301,以目标物品和目标物品对应的时间层次为选择条件,从物品关系库中选择目标物品对应的物品共现关系;
步骤S302,根据选择的共现关系,获得目标物品对应的可选物品,确定目标物品与可选物品之间的共现次数;
步骤S303,对目标物品与可选物品之间的共现次数进行排序,根据排序结果,从可选物品中选取目标物品对应的待推荐物品。
本发明实施例的物品关系库存储物品共现关系,即存储每个物品与该物品对应的共现物品之间的物品共现关系;且物品共现关系可以包括:物品之间的共现次数和物品之间的时间层次。其中,物品之间的共现次数是指物品与该物品对应的共现物品共同出现的次数,物品之间的时间层次是指物品与该物品对应的共现物品之间的时间层次。
显然,物品关系库存储目标物品对应的物品共现关系,因此可以以目标物品和目标物品对应的时间层次为选择条件,从物品关系库中选择目标物品对应的物品共现关系,其中,选择的共现关系对应的物品之间的时间层次与目标物品对应的时间层次相同。如选择的共现关系为N,目标物品为A1,N中目标物品A1与A1对应的共现物品之间的时间层次为Ta,根据物品推荐请求得到的目标物品A1对应的时间层次为Tb,那么Ta与Tb相同。
通过选择的共现关系,可以获得目标物品对应的共现物品,即得到目标物品对应的可选物品,并且可选物品的数量为一个或多个。另外,通过选择的共现关系,可以获得目标物品与可选物品共同出现的次数,即可以获得目标物品与每个可选物品共同出现的次数。然后,可以对目标物品与可选物品共同出现的次数进行排序,根据排序结果,从可选物品中选取目标物品对应的待推荐物品。如目标物品A1对应的可选物品为A2、A4、A7,得到A1与A2共同出现的次数为30,A1与A4共同出现的次数为25,A1与A7共同出现的次数为15,如果只将一个物品进行推荐,则可以推荐A4。
另外,考虑到目标物品的数量为一个或多个,可以得到每个目标物品对应的可选物品,然后将所有目标物品与可选物品共同出现的次数进行排序,得到待推荐物品。
图4是根据本发明实施例的物品推荐方法的主要流程的示意图。如图4所示,物品推荐方法的主要流程可以包括:
步骤S401,根据物品推荐请求,获取目标用户的历史行为记录包含的目标物品和目标物品对应的行为时间;
步骤S402,按照预设的时间粒度,对目标物品对应的行为时间与当前时间之间的时间差进行层次划分,得到目标物品对应的时间层次;
步骤S403,以目标物品和目标物品对应的时间层次为选择条件,从物品关系库中选择目标物品对应的物品共现关系,其中,选择的共现关系对应的物品之间的时间层次与目标物品对应的时间层次相同;
步骤S404,根据选择的共现关系,获得目标物品对应的可选物品,确定目标物品与可选物品之间的共现次数;
步骤S405,对目标物品与可选物品之间的共现次数进行排序,根据排序结果,从可选物品中选取目标物品对应的待推荐物品。
其中,物品关系库用于存储物品共现关系,物品共现关系包括物品之间的共现次数和物品之间的时间层次。在上文步骤S201至步骤S203已经详细说明物品关系库中的物品共现关系,此处不再描述。
本发明实施例的物品推荐方法,能够根据物品推荐请求获取到目标物品和目标物品对应的行为时间,接着计算得到目标物品对应的时间层次,然后可以借助物品关系库,利用目标物品和目标物品对应的时间层次获得目标物品对应的待推荐物品,以将待推荐物品推荐给目标用户,因为采用了时间分层的思想,解决了现有技术没有考虑用户兴趣随时间变化的问题,从而可以向用户推荐感兴趣的物品,提高物品推荐的准确性,提升用户体验。
图5是根据本发明实施例的物品推荐装置的主要模块的示意图。如图5所示,物品推荐装置500的主要模块可以包括:获取模块501、确定模块502和推荐模块503。
其中,获取模块501可用于:根据物品推荐请求,获取目标用户的历史行为记录包含的目标物品和目标物品对应的行为时间;确定模块502可用于:根据目标物品对应的行为时间与当前时间之间的时间差,确定目标物品对应的时间层次;推荐模块503可用于:基于物品关系库,根据目标物品和目标物品对应的时间层次,获取目标物品对应的待推荐物品,以向目标用户推荐待推荐物品。其中,物品关系库用于存储物品共现关系,物品共现关系包括物品之间的共现次数和物品之间的时间层次。
从图5看出,物品推荐装置500还可以包括存储模块504。该存储模块504可用于:获取用户的历史行为记录,确定用户的历史行为记录包含的多个物品;针对多个物品中的每个物品,按照预设的时间分层规则,生成物品对应的物品共现关系;根据物品对应的物品共现关系,获得多个物品对应的物品共现关系,并将多个物品对应的物品共现关系存储至物品关系库中。
作为本发明的实施例,存储模块504还可用于:获取物品对应的共现物品,其中,获取的共现物品对应的用户与物品对应的用户为相同的,且获取的共现物品对应的行为时间大于物品对应的行为时间;统计物品与获取的共现物品之间的共现次数;按照预设的时间分层规则,根据物品对应的行为时间和获取的共现物品对应的行为时间,计算物品与获取的共现物品之间的时间层次;根据获取的共现物品、物品与获取的共现物品之间的共现次数、以及物品与获取的共现物品之间的时间层次,生成物品对应的物品共现关系。
作为本发明的实施例,存储模块504还可用于:计算物品对应的行为时间与获取的共现物品对应的行为时间之间的时间差;按照预设的时间粒度,对计算的时间差进行层次划分,得到物品与获取的共现物品之间的时间层次。
作为本发明的实施例,确定模块502还可用于:按照预设的时间粒度,对目标物品对应的行为时间与当前时间之间的时间差进行层次划分,得到目标物品对应的时间层次。
作为本发明的实施例,推荐模块503还可用于:以目标物品和目标物品对应的时间层次为选择条件,从物品关系库中选择与目标物品对应的物品共现关系,其中,选择的共现关系对应的物品之间的时间层次与目标物品对应的时间层次相同;根据选择的共现关系,获得目标物品对应的可选物品,确定目标物品与可选物品之间的共现次数;对目标物品与可选物品之间的共现次数进行排序,根据排序结果,从可选物品中选取目标物品对应的待推荐物品。
本发明实施例的物品推荐装置,能够根据物品推荐请求获取到目标物品和目标物品对应的行为时间,接着计算得到目标物品对应的时间层次,然后可以借助物品关系库,利用目标物品和目标物品对应的时间层次获得目标物品对应的待推荐物品,以将待推荐物品推荐给目标用户,因为采用了时间分层的思想,解决了现有技术没有考虑用户兴趣随时间变化的问题,从而可以向用户推荐感兴趣的物品,提高物品推荐的准确性,提升用户体验。
图6示出了可以应用本发明实施例的物品推荐方法或物品推荐装置的示例性系统架构600。
如图6所示,系统架构600可以包括终端设备601、602、603,网络604和服务器605。网络604用以在终端设备601、602、603和服务器605之间提供通信链路的介质。网络604可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备601、602、603通过网络604与服务器605交互,以接收或发送消息等。终端设备601、602、603上可以安装有各种通讯客户端应用。终端设备601、602、603可以是具有显示屏并且支持网页浏览的各种电子设备,包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
服务器605可以是提供各种服务的服务器,例如作为用户利用终端设备601、602、603进行物品推荐的过程中,提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的物品推荐请求等数据进行分析等处理,并将待推荐物品反馈给终端设备。
需要说明的是,本发明实施例所提供的物品推荐方法一般由服务器605执行,相应地,物品推送装置一般设置于服务器605中。
应该理解,图6中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
下面参考图7,其示出了适于用来实现本发明实施例的终端设备的计算机系统700的结构示意图。图7示出的终端设备仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图7所示,计算机系统700包括中央处理单元(CPU)701,其可以根据存储在只读存储器(ROM)702中的程序或者从存储部分708加载到随机访问存储器(RAM)703中的程序而执行各种适当的动作和处理。在RAM 703中,还存储有系统700操作所需的各种程序和数据。CPU 701、ROM 702以及RAM 703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。
以下部件连接至I/O接口705:包括键盘、鼠标等的输入部分706;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分707;包括硬盘等的存储部分708;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709。通信部分709经由诸如因特网的网络执行通信处理。驱动器710也根据需要连接至I/O接口705。可拆卸介质711,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710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708。
特别地,根据本发明公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本发明公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该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709从网络上被下载和安装,和/或从可拆卸介质711被安装。在该计算机程序被中央处理单元(CP U)701执行时,执行本发明的系统中限定的上述功能。
需要说明的是,本发明所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本发明中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线、电线、光缆、RF等等,或者上述的任意合适的组合。
附图中的流程图和框图,图示了按照本发明各种实施例的系统、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,流程图或框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,框图或流程图中的每个方框、以及框图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。
描述于本发明实施例中所涉及到的模块可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的模块也可以设置在处理器中,例如,可以描述为:一种处理器包括获取模块、确定模块和推荐模块。其中,这些模块的名称在某种情况下并不构成对该模块本身的限定,例如,获取模块还可以被描述为“根据物品推荐请求,获取目标用户的历史行为记录包含的目标物品和目标物品对应的行为时间的模块”。
作为另一方面,本发明还提供了一种计算机可读介质,该计算机可读介质可以是上述实施例中描述的设备中所包含的;也可以是单独存在,而未装配入该设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被一个该设备执行时,使得该设备包括:根据物品推荐请求,获取目标用户的历史行为记录包含的目标物品和目标物品对应的行为时间;根据目标物品对应的行为时间与当前时间之间的时间差,确定目标物品对应的时间层次;基于物品关系库,根据目标物品和目标物品对应的时间层次,获取目标物品对应的待推荐物品,以向目标用户推荐待推荐物品;其中,物品关系库用于存储物品共现关系,物品共现关系包括物品之间的共现次数和物品之间的时间层次。
根据本发明实施例的技术方案,能够根据物品推荐请求获取到目标物品和目标物品对应的行为时间,接着计算得到目标物品对应的时间层次,然后可以借助物品关系库,利用目标物品和目标物品对应的时间层次获得目标物品对应的待推荐物品,以将待推荐物品推荐给目标用户,因为采用了时间分层的思想,解决了现有技术没有考虑用户兴趣随时间变化的问题,从而可以向用户推荐感兴趣的物品,提高物品推荐的准确性,提升用户体验。
上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应该明白的是,取决于设计要求和其他因素,可以发生各种各样的修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
Claims (10)
1.一种物品推荐方法,其特征在于,包括:
根据物品推荐请求,获取目标用户的历史行为记录包含的目标物品和所述目标物品对应的行为时间;
根据所述目标物品对应的行为时间与当前时间之间的时间差,确定所述目标物品对应的时间层次;
基于物品关系库,根据所述目标物品和所述目标物品对应的时间层次,获取所述目标物品对应的待推荐物品,以向所述目标用户推荐所述待推荐物品;其中,
所述物品关系库用于存储物品共现关系,所述物品共现关系包括物品之间的共现次数和物品之间的时间层次。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
获取用户的历史行为记录,确定所述用户的历史行为记录包含的多个物品;
针对所述多个物品中的每个物品,按照预设的时间分层规则,生成所述物品对应的物品共现关系;
根据所述物品对应的物品共现关系,获得所述多个物品对应的物品共现关系,并将所述多个物品对应的物品共现关系存储至所述物品关系库中。
3.根据权利要求2所述的方法,其特征在于,所述按照预设的时间分层规则,生成所述物品对应的物品共现关系,包括:
获取所述物品对应的共现物品,其中,获取的共现物品对应的用户与所述物品对应的用户为相同的,且所述获取的共现物品对应的行为时间大于所述物品对应的行为时间;
统计所述物品与所述获取的共现物品之间的共现次数;
按照预设的时间分层规则,根据所述物品对应的行为时间和所述获取的共现物品对应的行为时间,计算所述物品与所述获取的共现物品之间的时间层次;
根据所述获取的共现物品、所述物品与所述获取的共现物品之间的共现次数、以及所述物品与所述获取的共现物品之间的时间层次,生成所述物品对应的物品共现关系。
4.根据权利要求3所述的方法,其特征在于,所述按照预设的时间分层规则,根据所述物品对应的行为时间和所述获取的共现物品对应的行为时间,计算所述物品与所述获取的共现物品之间的时间层次,包括:
计算所述物品对应的行为时间与所述获取的共现物品对应的行为时间之间的时间差;
按照预设的时间粒度,对计算的时间差进行层次划分,得到所述物品与所述获取的共现物品之间的时间层次。
5.根据权利要求4所述的方法,其特征在于,所述根据所述目标物品对应的行为时间与当前时间之间的时间差,确定所述目标物品对应的时间层次,包括:
按照所述预设的时间粒度,对所述目标物品对应的行为时间与当前时间之间的时间差进行层次划分,得到所述目标物品对应的时间层次。
6.根据权利要求1所述的方法,其特征在于,所述基于物品关系库,根据所述目标物品和所述目标物品对应的时间层次,获取所述目标物品对应的待推荐物品,包括:
以所述目标物品和所述目标物品对应的时间层次为选择条件,从所述物品关系库中选择所述目标物品对应的物品共现关系,其中,选择的共现关系对应的物品之间的时间层次与所述目标物品对应的时间层次相同;
根据所述选择的共现关系,获得所述目标物品对应的可选物品,确定所述目标物品与所述可选物品之间的共现次数;
对所述目标物品与所述可选物品之间的共现次数进行排序,根据排序结果,从所述可选物品中选取所述目标物品对应的待推荐物品。
7.一种物品推荐装置,其特征在于,包括:
获取模块,用于根据物品推荐请求,获取目标用户的历史行为记录包含的目标物品和所述目标物品对应的行为时间;
确定模块,用于根据所述目标物品对应的行为时间与当前时间之间的时间差,确定所述目标物品对应的时间层次;
推荐模块,用于基于物品关系库,根据所述目标物品和所述目标物品对应的时间层次,获取所述目标物品对应的待推荐物品,以向所述目标用户推荐所述待推荐物品;其中,
所述物品关系库用于存储物品共现关系,所述物品共现关系包括物品之间的共现次数和物品之间的时间层次。
8.根据权利要求7所述的装置,其特征在于,还包括存储模块,用于:
获取用户的历史行为记录,确定所述用户的历史行为记录包含的多个物品;
针对所述多个物品中的每个物品,按照预设的时间分层规则,生成所述物品对应的物品共现关系;
根据所述物品对应的物品共现关系,获得所述多个物品对应的物品共现关系,并将所述多个物品对应的物品共现关系存储至所述物品关系库中。
9.一种电子设备,其特征在于,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-6中任一所述的方法。
10.一种计算机可读介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现如权利要求1-6中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110173044.4A CN113763110A (zh) | 2021-02-08 | 2021-02-08 | 一种物品推荐方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110173044.4A CN113763110A (zh) | 2021-02-08 | 2021-02-08 | 一种物品推荐方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113763110A true CN113763110A (zh) | 2021-12-07 |
Family
ID=78786592
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110173044.4A Pending CN113763110A (zh) | 2021-02-08 | 2021-02-08 | 一种物品推荐方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113763110A (zh) |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008176398A (ja) * | 2007-01-16 | 2008-07-31 | Sony Corp | 情報処理装置および方法、並びにプログラム |
CN102609433A (zh) * | 2011-12-16 | 2012-07-25 | 北京大学 | 基于用户日志进行查询推荐的方法及系统 |
CN104216884A (zh) * | 2013-05-29 | 2014-12-17 | 酷盛(天津)科技有限公司 | 一种基于时间衰减的协同过滤系统及方法 |
CN109034935A (zh) * | 2018-06-06 | 2018-12-18 | 平安科技(深圳)有限公司 | 产品推荐方法、装置、计算机设备及存储介质 |
CN109857935A (zh) * | 2019-01-24 | 2019-06-07 | 腾讯科技(深圳)有限公司 | 一种信息推荐方法及装置 |
US20190311275A1 (en) * | 2018-04-10 | 2019-10-10 | Beijing Baidu Netcome Science and Technology Co., Ltd. | Method and apparatus for recommending entity |
CN110413870A (zh) * | 2018-12-18 | 2019-11-05 | 北京沃东天骏信息技术有限公司 | 商品推荐方法、装置及服务器 |
CN110442789A (zh) * | 2019-08-02 | 2019-11-12 | 达而观信息科技(上海)有限公司 | 基于用户行为的关联结果确定方法、装置及电子设备 |
CN110569432A (zh) * | 2019-08-14 | 2019-12-13 | 中国平安人寿保险股份有限公司 | 商品序列计算方法、装置、计算机设备及存储介质 |
CN111339400A (zh) * | 2020-02-07 | 2020-06-26 | 北京明略软件系统有限公司 | 一种实现物品推荐的方法、装置、计算机存储介质及终端 |
CN111506831A (zh) * | 2020-04-13 | 2020-08-07 | 蔡梓超 | 一种协同过滤的推荐模块、方法、电子设备及存储介质 |
CN111523010A (zh) * | 2019-02-03 | 2020-08-11 | 阿里巴巴集团控股有限公司 | 推荐方法、装置、终端设备及计算机存储介质 |
CN112148980A (zh) * | 2020-09-28 | 2020-12-29 | 京东数字科技控股股份有限公司 | 基于用户点击的物品推荐方法、装置、设备和存储介质 |
-
2021
- 2021-02-08 CN CN202110173044.4A patent/CN113763110A/zh active Pending
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008176398A (ja) * | 2007-01-16 | 2008-07-31 | Sony Corp | 情報処理装置および方法、並びにプログラム |
CN102609433A (zh) * | 2011-12-16 | 2012-07-25 | 北京大学 | 基于用户日志进行查询推荐的方法及系统 |
CN104216884A (zh) * | 2013-05-29 | 2014-12-17 | 酷盛(天津)科技有限公司 | 一种基于时间衰减的协同过滤系统及方法 |
US20190311275A1 (en) * | 2018-04-10 | 2019-10-10 | Beijing Baidu Netcome Science and Technology Co., Ltd. | Method and apparatus for recommending entity |
CN109034935A (zh) * | 2018-06-06 | 2018-12-18 | 平安科技(深圳)有限公司 | 产品推荐方法、装置、计算机设备及存储介质 |
CN110413870A (zh) * | 2018-12-18 | 2019-11-05 | 北京沃东天骏信息技术有限公司 | 商品推荐方法、装置及服务器 |
CN109857935A (zh) * | 2019-01-24 | 2019-06-07 | 腾讯科技(深圳)有限公司 | 一种信息推荐方法及装置 |
CN111523010A (zh) * | 2019-02-03 | 2020-08-11 | 阿里巴巴集团控股有限公司 | 推荐方法、装置、终端设备及计算机存储介质 |
CN110442789A (zh) * | 2019-08-02 | 2019-11-12 | 达而观信息科技(上海)有限公司 | 基于用户行为的关联结果确定方法、装置及电子设备 |
CN110569432A (zh) * | 2019-08-14 | 2019-12-13 | 中国平安人寿保险股份有限公司 | 商品序列计算方法、装置、计算机设备及存储介质 |
CN111339400A (zh) * | 2020-02-07 | 2020-06-26 | 北京明略软件系统有限公司 | 一种实现物品推荐的方法、装置、计算机存储介质及终端 |
CN111506831A (zh) * | 2020-04-13 | 2020-08-07 | 蔡梓超 | 一种协同过滤的推荐模块、方法、电子设备及存储介质 |
CN112148980A (zh) * | 2020-09-28 | 2020-12-29 | 京东数字科技控股股份有限公司 | 基于用户点击的物品推荐方法、装置、设备和存储介质 |
Non-Patent Citations (1)
Title |
---|
涂海丽 等: ""基于标签的商品推荐模型研究"", 《数据分析与知识发现》, no. 09, 25 September 2017 (2017-09-25), pages 33 - 44 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111414498B (zh) | 多媒体信息推荐方法、装置及电子设备 | |
Wang et al. | Unified embedding model over heterogeneous information network for personalized recommendation | |
CN110298716B (zh) | 信息推送方法和装置 | |
CN110634047B (zh) | 一种推荐房源的方法、装置、电子设备及存储介质 | |
CN111190888A (zh) | 一种管理图数据库集群的方法和装置 | |
CN112818226B (zh) | 数据处理方法、推荐方法、装置、电子设备及存储介质 | |
CN110111167A (zh) | 一种确定推荐对象的方法和装置 | |
EP3846083A1 (en) | Method and apparatus for parallel processing of information | |
CN110555172A (zh) | 用户关系挖掘方法及装置、电子设备和存储介质 | |
CN112116426A (zh) | 一种推送物品信息的方法和装置 | |
CN111291258A (zh) | 搜索热词的推荐方法、装置、电子设备及可读介质 | |
CN112825182A (zh) | 一种确定推荐商品的方法和装置 | |
CN112925978A (zh) | 一种推荐系统评测方法、装置、电子设备和存储介质 | |
CN111461754A (zh) | 一种确定订单的流量来源的方法和装置 | |
CN108985805B (zh) | 一种选择性执行推送任务的方法和装置 | |
CN113763110A (zh) | 一种物品推荐方法和装置 | |
CN110659919A (zh) | 数据匹配方法、装置、介质及电子设备 | |
CN110956514A (zh) | 一种生成订单信息的方法和装置 | |
CN113761102B (zh) | 数据处理方法、装置、服务器、系统和存储介质 | |
CN113065932A (zh) | 一种物品推荐方法和装置 | |
CN109785178B (zh) | 用于生成信息的方法和装置 | |
CN113779412A (zh) | 一种基于区块链网络的消息触达方法、节点和系统 | |
CN113139113A (zh) | 搜索请求的处理方法和装置 | |
CN110378714B (zh) | 一种处理访问数据的方法和装置 | |
CN113377473A (zh) | 任务创建方法、装置、电子设备及计算机可读存储介质 |
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 |