CN115630170B - 一种文档推荐方法、系统、终端机及存储介质 - Google Patents

一种文档推荐方法、系统、终端机及存储介质 Download PDF

Info

Publication number
CN115630170B
CN115630170B CN202211568123.6A CN202211568123A CN115630170B CN 115630170 B CN115630170 B CN 115630170B CN 202211568123 A CN202211568123 A CN 202211568123A CN 115630170 B CN115630170 B CN 115630170B
Authority
CN
China
Prior art keywords
user
document
tag
data
recommendation
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
Application number
CN202211568123.6A
Other languages
English (en)
Other versions
CN115630170A (zh
Inventor
李言飞
徐宁
武东侠
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhongfu Safety Technology Co Ltd
Original Assignee
Zhongfu Safety Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Zhongfu Safety Technology Co Ltd filed Critical Zhongfu Safety Technology Co Ltd
Priority to CN202211568123.6A priority Critical patent/CN115630170B/zh
Publication of CN115630170A publication Critical patent/CN115630170A/zh
Application granted granted Critical
Publication of CN115630170B publication Critical patent/CN115630170B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
    • G06F16/367—Ontology
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/35—Clustering; Classification
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Animal Behavior & Ethology (AREA)
  • Computational Linguistics (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明提供一种文档推荐方法、系统、终端机及存储介质，涉及数据搜索技术领域，采集用户行为文档数据；在用户行为文档数据中添加文档标签，以及对访问用户行为文档数据所对应的用户，添加用户标签；对用户行为文档数据进行智能化分类，结合分类结果和用户标签，形成文档标签库；分析用户标签与文档标签关系，构建用户标签与文档标签的知识图谱；对推荐给用户的内容进行分析筛选，生成具有推荐文档的列表；基于推荐结果向用户推送文档数据，并将推荐结果保存到数据库中。通过动态分析用户对文档的访问行为，实时计算用户关注的动态，实现基于用户习惯的文档推荐方法，为用户提供智能化的推荐。

Description

一种文档推荐方法、系统、终端机及存储介质
技术领域
本发明涉及数据搜索技术领域，尤其涉及一种文档推荐方法、系统、终端机及存储介质。
背景技术
随着信息化系统的普及，伴随着企业数据规模的快速增长，非结构化数据使用的集中存储与管理的需求越来越大。用户在海量的个人文档和公司文档中，发现个人感兴趣和需要的文档的需要变得越来越突出。但是目前的文件搜索无法为用户提供个性化、满足不同用户个人习惯兴趣的检索结果。
基于用户检索和用户最近访问记录，以及用户关注标签的内容推荐技术，无法实施动态且借助同属性用户进行精准分析，导致在大量的云存储文档中，用户无法快速获取想要访问的网盘类应用中的文档。
发明内容
本发明提供一种文档推荐方法，方法解决现有技术中无法实施动态且借助同属性用户进行精准分析，使用户无法快速获取想要访问文档的问题。
方法包括：步骤一、采集用户行为文档数据；
步骤二、在用户行为文档数据中添加文档标签，以及对访问用户行为文档数据所对应的用户，添加用户标签；对采集的用户行为文档数据中添加文档标签，实现对用户行为文档标签化；
步骤三、对用户行为文档数据进行分类，结合分类结果和用户标签，形成文档标签库；
步骤四、分析用户标签与文档标签关系，构建用户标签与文档标签的知识图谱；
步骤五、对推荐给用户的内容进行分析筛选，生成具有推荐文档的列表；
步骤六、基于推荐结果向用户推送文档数据，并将推荐结果保存到数据库中。
进一步需要说明的是，步骤一中的响应于用户行为采集探针和网盘类应用数据采集探针收集出用户行为文档数据；用户行为文档数据包括：用户对文档的访问时间，用户对文档的编辑方式，文档的内容，用户对文档的访问次数。
进一步需要说明的是，步骤二中调取用户身份信息，匹配出用户在预设时间段内访问的文档内容，形成用户画像数据，结合用户画像，在用户身份信息上添加标签，并建立用户标签库。
进一步需要说明的是，知识图谱的构建过程包括：基于用户访问的文档，结合用户标签和文档标签进行树形化关联；
树的根节点为用户，树的子节点为用户标签，树叶子节点为文档标签，构建用户与文档的标签关系图谱。
进一步需要说明的是，通过权重区分用户、用户标签、文档标签的热度关系；
系统每次访问分析后的权重均在原基础上进行累加，并根据权重对树形结构重新排列，使最左侧权重大于右侧权重。
进一步需要说明的是，步骤五还包括：调取知识图谱，分析用户行为热度大于预设阈值的用户标签，作为用户推荐标签；
调取知识图谱，分析被访问次数大于预设访问阈值的文档标签，作为推荐文档，最终生成具有用户推荐标签的推荐文档列表。
进一步需要说明的是，步骤五还包括：通过用户设置的关注标签数量、内容，并结合知识图谱树，从左到右，获取用户感兴趣的标签和文档标签，并依据文档标签，获取对应的文档列表。
本发明还提供一种文档推荐系统，系统包括：数据采集模块、标签添加模块、文档分类模块、知识图谱构建模块、列表生成模块以及文档推荐模块；
数据采集模块用于采集用户行为文档数据；
标签添加模块用于在用户行为文档数据中添加文档标签，以及对访问用户行为文档数据所对应的用户，添加用户标签；
文档分类模块用于对用户行为文档数据进行智能化分类，结合分类结果和用户标签，形成文档标签库；
知识图谱构建模块用于分析用户标签与文档标签关系，构建用户标签与文档标签的知识图谱；
列表生成模块用于对推荐给用户的内容进行分析筛选，生成具有推荐文档的列表；
文档推荐模块基于推荐结果向用户推送文档数据，并将推荐结果保存到数据库中。
本发明还提供一种终端机，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，处理器执行所述程序时实现文档推荐方法的步骤。
本发明还提供一种存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现文档推荐方法的步骤。
从以上技术方案可以看出，本发明具有以下优点：
本发明提供的文档推荐方法分析用户行为和同属性用户行为，以及文档的分类标识化，进行智能推荐，满足用户检索文档的要求。
本方法分为用户行为采集、用户行为分析标识、文档智能分类标识、用户标识与文档标识匹配这几部分，完成对不同用户的智能文档推荐。采集用户的操作行为，通过用户行为的路径分析、漏斗模型分析和用户健康度分析，并结合用户的部门等特征信息，形成用户的画像。
本发明能够拆解分析用户画像，形成用户标签库。针对用户的访问文档和公司发布文档的标签化，结合智能分类与标识化方法，形成文档标签库。根据用户标签与文档的标签匹配策略，形成智能文档推荐，解决用户在大量文档库中，传统的文档检索无法快速寻找用户想要访问的数据的问题。
附图说明
为了更清楚地说明本发明的技术方案，下面将对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发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为文档推荐方法流程图；
图2为文档推荐系统示意图。
具体实施方式
如图1和2所示，本发明提供一种文档推荐方法中所提供的图示仅以示意方式说明本发明的基本构想，遂图式中仅显示与本发明中有关的模块而非按照实际实施时的模块数目及功能，其实际实施时各模块的功能、数量及作用可为一种随意的改变，且其模块的功能和用途也可能更为复杂。
文档推荐方法可以基于人工智能技术对关联的数据进行获取和处理。其中，文档推荐方法利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用装置。
文档推荐方法中既有硬件层面的技术也有软件层面的技术。文档推荐方法可以基于如专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。方法的软件技术主要包括计算机视角技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等。
如图1和2示出了本发明文档推荐方法较佳实施例流程图。方法应用于一个或者多个终端机中，所述终端机是一种能够按照事先设定或存储的指令，自动进行数值计算和/或信息处理的设备，其硬件包括但不限于微处理器、专用集成电路(Application SpecificIntegrated Circuit，ASIC)、可编程门阵列(Field－Programmable Gate Array，FPGA)、数字处理器(Digital Signal Processor，DSP)、嵌入式设备等。
终端机可以是任何一种可与用户进行人机交互的电子产品，例如，个人计算机、平板电脑、智能手机、个人数字助理(Personal Digital Assistant， PDA)、交互式网络电视(Internet Protocol Television，IPTV)等。
终端机还可以包括网络设备和/或用户设备。其中，所述网络设备包括，但不限于单个网络服务器、多个网络服务器组成的服务器组或基于云计算(Cloud Computing)的由大量主机或网络服务器构成的云。
终端机所处的网络包括但不限于互联网、广域网、城域网、局域网、虚拟专用网络(Virtual Private Network，VPN)等。
下面将结合本发明实施例中的附图，对本发明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发明一部分实施例，而不是全部的实施例。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。
请参阅附图所示是一具体实施例中文档推荐方法的流程图，方法包括：
S101、采集用户行为文档数据；
本实施例中，系统响应于用户行为采集探针和网盘类应用数据采集探针收集出用户行为文档数据；用户行为文档数据包括：用户对文档的访问时间，用户对文档的编辑方式，文档的内容，用户对文档的访问次数。
可以理解的是，数据库中储存用户日常的操作记录，比如对文件的增删改查等等。本发明的文档数据包括但不限于视频信息，文字信息，代码信息，图像信息等等。
S102、在用户行为文档数据中添加文档标签，以及对访问用户行为文档数据所对应的用户，添加用户标签；
本发明中，对采集的用户行为文档数据中添加文档标签，实现对用户行为文档标签化。这里可以对用户行为文档数据进行添加标签。本发明的后续步骤涉及的文档数据主要指的是用户行为文档数据。
为了能够准确的匹配到用户需要的文档数据，本发明还对用户身份信息添加标签。具体来讲，调取用户身份信息，匹配出用户在预设时间段内访问的文档内容，形成用户画像数据，结合用户画像，在用户身份信息上添加标签，并建立用户标签库。这样，对用户设置了相应的用户标签，对文档设置了文档标签。
示例性的讲，文档标签可以标识访问过该文档的用户身份，访问时间，每个用户的访问次数，还可以记录访问该文档的操作记录。
用户标签可以表示该用户访问过的文档，对文档的操作记录，用户的上线时长，上线时间等等。
S103、对用户行为文档数据进行智能化分类，结合分类结果和用户标签，形成文档标签库；
对用户行为文档数据进行智能化分类的方式可以基于用户身份为分类方式，即某个用户标签下访问过的文档数据作为一类。也可以基于用户行为文档数据的类型进行分类，比如基于视频信息，文字信息，代码信息，图像信息等等进行分类，再结合用户的访问状态，使文档标签与用户标签进行匹配。这就是基于文档标签为基准，匹配到用户标签，可以看出文档标签下有哪些用户标签对该文档进行了操作。
S104、分析用户标签与文档标签关系，构建用户标签与文档标签的知识图谱；
步骤中，结合用户标签和文档标签，对用户的访问行为进行二次分析，并对用户的标识进行匿名化处理，在保障用户隐私的前提下，形成用户标签与文档标签的知识图谱。
知识图谱的构建过程包括：基于用户访问的文档，结合用户标签和文档标签进行树形化关联；
用户标签可以包括用户种类、用户部门等属性信息进行标签化。文档标签可以包括文档类别属性、文档内容属性、文档分发部门范围属性等信息进行标签化处理。
树的根节点为用户，树的子节点为用户标签，树叶子节点为文档标签，构建用户与文档的标签关系图谱。
本实施例中，通过权重区分用户、用户标签、文档标签的热度关系；系统每次访问分析后的权重均在原基础上进行累加，并根据权重对树形结构重新排列，使最左侧权重大于右侧权重。
S105、对推荐给用户的内容进行分析筛选，生成具有推荐文档的列表；
本实施例中，根据用户最新的画像结果和标签，通过知识图谱获取用户偏好的文档标签结果。
调取知识图谱，分析用户行为热度大于预设阈值的用户标签，作为用户推荐标签；
调取知识图谱，分析被访问次数大于预设访问阈值的文档标签，作为推荐文档，最终生成具有用户推荐标签的推荐文档列表。
通过用户设置的关注标签数量、内容，并结合知识图谱树，从左到右，获取用户最感兴趣的标签和文档标签，并依据文档标签，获取对应的文档列表。文档标签和文档也是根据热度进行排列最优推荐。
S106、基于推荐结果向用户推送文档数据，并将推荐结果保存到数据库中。推荐结果可以借助API接口推送给操作系统进行处理显示。
基于上述方法，本发明打破现有技术中基于用户固定关注标签，进行文档的推荐，而是通过动态分析用户对文档的访问行为，实时计算用户关注的动态，结合文档的智能分类与标识化技术，实现基于用户习惯的文档推荐方法。本方法同时借助同属性用户的访问行为进行辅助纠正，结合文档的发布范围等特点，为用户提供智能化的推荐。
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
以下是本公开实施例提供的文档推荐系统的实施例，该文档推荐系统与上述各实施例的文档推荐方法属于同一个发明构思，在文档推荐系统的实施例中未详尽描述的细节内容，可以参考上述文档推荐方法的实施例。
系统包括：数据采集模块、标签添加模块、文档分类模块、知识图谱构建模块、列表生成模块以及文档推荐模块；
数据采集模块用于采集用户行为文档数据；
标签添加模块用于在用户行为文档数据中添加文档标签，以及对访问用户行为文档数据所对应的用户，添加用户标签；
文档分类模块用于对用户行为文档数据进行智能化分类，结合分类结果和用户标签，形成文档标签库；
知识图谱构建模块用于分析用户标签与文档标签关系，构建用户标签与文档标签的知识图谱；
列表生成模块用于对推荐给用户的内容进行分析筛选，生成具有推荐文档的列表；
文档推荐模块基于推荐结果向用户推送文档数据，并将推荐结果保存到数据库中。
系统可以满足用户提供个性化的文件搜索，基于不同用户个人习惯，检索到用户感兴趣的检索结果，提升用户对系统的使用体验。
本发明提供的文档推荐方法及系统中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
文档推荐方法及系统附图中的流程图和框图，图示了按照本公开各种实施例的设备、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，该模块、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。示例性的讲，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，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
本发明提供的文档推荐方法及系统中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。例如，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。另外，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、装置或单元的间接耦合或通信连接，也可以是电的，机械的或其它的形式连接。
在具有存储介质中，存储有能够实现文档推荐方法的程序产品。在一些可能的实施方式中，本公开的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当所述程序产品在终端设备上运行时，所述程序代码用于使所述终端设备执行本说明书上述“示例性方法”部分中描述的根据本公开各种示例性实施方式的步骤。
在本发明的实施例中，可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码，上述程序设计语言包括但不限于面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或电力服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)——连接到用户计算机，或者，可以连接到外部计算机(示例性的讲利用因特网服务提供商来通过因特网连接)。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (6)

1.一种文档推荐方法，其特征在于，方法包括：
步骤一、采集用户行为文档数据；
步骤二、在用户行为文档数据中添加文档标签，以及对访问用户行为文档数据所对应的用户，添加用户标签；
步骤三、对用户行为文档数据进行分类，结合分类结果和用户标签，形成文档标签库；
步骤四、分析用户标签与文档标签关系，构建用户标签与文档标签的知识图谱；
知识图谱的构建过程包括：基于用户访问的文档，结合用户标签和文档标签进行树形化关联；
树的根节点为用户，树的子节点为用户标签，树叶子节点为文档标签，构建用户与文档的标签关系图谱；
通过权重区分用户、用户标签、文档标签的热度关系；
系统每次访问分析后的权重均在原基础上进行累加，并根据权重对树形结构重新排列，使最左侧权重大于右侧权重；
步骤五、对推荐给用户的内容进行分析筛选，生成具有推荐文档的列表；
调取知识图谱，分析用户行为热度大于预设阈值的用户标签，作为用户推荐标签；
调取知识图谱，分析被访问次数大于预设访问阈值的文档标签，作为推荐文档，最终生成具有用户推荐标签的推荐文档列表；
通过用户设置的关注标签数量、内容，并结合知识图谱树，从左到右，获取用户感兴趣的标签和文档标签，并依据文档标签，获取对应的文档列表；
步骤六、基于推荐结果向用户推送文档数据，并将推荐结果保存到数据库中。
2.根据权利要求1所述的文档推荐方法，其特征在于，
步骤一中的响应于用户行为采集探针和网盘类应用数据采集探针收集出用户行为文档数据；用户行为文档数据包括：用户对文档的访问时间，用户对文档的编辑方式，文档的内容，用户对文档的访问次数。
3.根据权利要求1所述的文档推荐方法，其特征在于，
步骤二中调取用户身份信息，匹配出用户在预设时间段内访问的文档内容，形成用户画像数据，结合用户画像，在用户身份信息上添加标签，并建立用户标签库。
4.一种文档推荐系统，其特征在于，系统采用如权利要求1至3任意一项所述的文档推荐方法；系统包括：数据采集模块、标签添加模块、文档分类模块、知识图谱构建模块、列表生成模块以及文档推荐模块；
数据采集模块用于采集用户行为文档数据；
标签添加模块用于在用户行为文档数据中添加文档标签，以及对访问用户行为文档数据所对应的用户，添加用户标签；
文档分类模块用于对用户行为文档数据进行智能化分类，结合分类结果和用户标签，形成文档标签库；
知识图谱构建模块用于分析用户标签与文档标签关系，构建用户标签与文档标签的知识图谱；
列表生成模块用于对推荐给用户的内容进行分析筛选，生成具有推荐文档的列表；
文档推荐模块基于推荐结果向用户推送文档数据，并将推荐结果保存到数据库中。
5.一种终端机，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，所述处理器执行所述程序时实现如权利要求1至3任一项所述文档推荐方法的步骤。
6.一种存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至3任一项所述文档推荐方法的步骤。
CN202211568123.6A 2022-12-08 2022-12-08 一种文档推荐方法、系统、终端机及存储介质 Active CN115630170B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211568123.6A CN115630170B (zh) 2022-12-08 2022-12-08 一种文档推荐方法、系统、终端机及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211568123.6A CN115630170B (zh) 2022-12-08 2022-12-08 一种文档推荐方法、系统、终端机及存储介质

Publications (2)

Publication Number Publication Date
CN115630170A CN115630170A (zh) 2023-01-20
CN115630170B true CN115630170B (zh) 2023-04-21

Family

ID=84910623

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211568123.6A Active CN115630170B (zh) 2022-12-08 2022-12-08 一种文档推荐方法、系统、终端机及存储介质

Country Status (1)

Country Link
CN (1) CN115630170B (zh)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112329964A (zh) * 2020-11-24 2021-02-05 北京百度网讯科技有限公司 用于推送信息的方法、装置、设备以及存储介质

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102651011B (zh) * 2011-02-27 2014-04-23 祁勇 一种确定文档特征和用户特征的方法和系统
US11238056B2 (en) * 2013-10-28 2022-02-01 Microsoft Technology Licensing, Llc Enhancing search results with social labels
CN103886067B (zh) * 2014-03-20 2017-01-18 浙江大学 使用标签隐含主题进行图书推荐的方法
US10534825B2 (en) * 2017-05-22 2020-01-14 Microsoft Technology Licensing, Llc Named entity-based document recommendations
CN112989215B (zh) * 2019-12-13 2022-06-14 复旦大学 一种基于稀疏用户行为数据的知识图谱增强的推荐系统
CN111125528B (zh) * 2019-12-24 2023-04-28 腾讯科技（深圳）有限公司 信息推荐方法及装置
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
CN112507229A (zh) * 2020-12-15 2021-03-16 北京明略软件系统有限公司 一种文档推荐方法、系统和计算机设备
CN112818111B (zh) * 2021-01-28 2023-07-25 北京百度网讯科技有限公司 文档推荐方法、装置、电子设备和介质

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112329964A (zh) * 2020-11-24 2021-02-05 北京百度网讯科技有限公司 用于推送信息的方法、装置、设备以及存储介质

Also Published As

Publication number Publication date
CN115630170A (zh) 2023-01-20

Similar Documents

Publication Publication Date Title
Khder Web scraping or web crawling: State of art, techniques, approaches and application.
Alam et al. Processing social media images by combining human and machine computing during crises
Stieglitz et al. Social media analytics–Challenges in topic discovery, data collection, and data preparation
US10572565B2 (en) User behavior models based on source domain
JP2021108183A (ja) 意図推薦方法、装置、機器及び記憶媒体
CN102713965B (zh) 数据源的可缩放主题聚集
US8793285B2 (en) Multidimensional tags
KR20210040891A (ko) 정보 추천 방법과 장치, 전자 장비， 컴퓨터 판독가능 저장 매체 및 컴퓨터 프로그램
CN114238573B (zh) 基于文本对抗样例的信息推送方法及装置
US11341186B2 (en) Cognitive video and audio search aggregation
CN111159341B (zh) 基于用户投资理财偏好的资讯推荐方法及装置
WO2014144869A1 (en) System and method for providing a semi-automated research tool
CN111859160A (zh) 一种基于图神经网络会话序列推荐方法及系统
US11126682B1 (en) Hyperlink based multimedia processing
CN112632405A (zh) 一种推荐方法、装置、设备及存储介质
Khan et al. A systematic approach towards web preservation
WO2024114034A1 (zh) 内容推荐方法、装置、设备、介质和程序产品
CN112328905B (zh) 线上营销内容推送方法、装置、计算机设备及存储介质
CN112165639B (zh) 内容分发方法、装置、电子设备以及存储介质
Rai et al. Using open source intelligence as a tool for reliable web searching
WO2024193216A1 (zh) 推送对象的处理方法、对象推送模型的训练方法和装置
CN114328947A (zh) 一种基于知识图谱的问答方法和装置
Bhujbal et al. News aggregation using web scraping news portals
CN115630170B (zh) 一种文档推荐方法、系统、终端机及存储介质
CN110062112A (zh) 数据处理方法、装置、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
GR01 Patent grant
GR01 Patent grant
CB03 Change of inventor or designer information
CB03 Change of inventor or designer information

Inventor after: Li Yanfei

Inventor after: Xu Ning

Inventor after: Wu Dongxia

Inventor before: Li Yanfei

Inventor before: Xu Ning

Inventor before: Wu Dongxia