CN116170497B - 用户行为信息推送方法、装置、电子设备和计算机介质 - Google Patents
用户行为信息推送方法、装置、电子设备和计算机介质 Download PDFInfo
- Publication number
- CN116170497B CN116170497B CN202211586137.0A CN202211586137A CN116170497B CN 116170497 B CN116170497 B CN 116170497B CN 202211586137 A CN202211586137 A CN 202211586137A CN 116170497 B CN116170497 B CN 116170497B
- Authority
- CN
- China
- Prior art keywords
- behavior
- user
- information
- index
- identifications
- 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
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
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2465—Query processing support for facilitating data mining operations in structured databases
-
- 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)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Probability & Statistics with Applications (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本公开的实施例公开了用户行为信息推送方法、装置、电子设备和计算机介质。该方法的一具体实施方式包括:构建用户行为权重分值表;根据各个用户的用户标识、操作行为信息集与用户行为权重分值表,构建用户行为评分信息表;根据用户行为评分信息表,构建行为指标信息倒查表;根据行为指标信息倒查表,构建用户行为指标相似度矩阵;基于用户行为指标相似度矩阵和用户行为权重分值表,构建用户倾向行为指标表;根据目标用户对应的行为指标信息与用户倾向行为指标表,生成目标用户倾向行为指标推荐表;将目标用户倾向行为指标推荐表发送至目标用户的用户终端。该实施方式提升了向用户推送的指标信息与用户的契合度,减少了用户的浏览时间的浪费。
Description
技术领域
本公开的实施例涉及计算机技术领域,具体涉及用户行为信息推送方法、装置、电子设备和计算机介质。
背景技术
随着新型电力系统的构建以及电力信息建设范围规模的扩大,使得电力业务数据呈“指数爆炸式”增长,同时也加速了大数据分析技术在信息数据挖掘领域的应用进程。当前针对数据知识挖掘推荐服务更多集中于基于人口统计学的推荐以及基于内容的推荐,由于缺乏企业用户与实际业务场景知识的深入考查,使得在用户个性化推荐在深度应用中具备挑战性。现有知识挖掘推荐一种是基于人口统计学机制利用用户的基本信息如年龄、部门、专业、登录时间、所属地域等,发现企业服务系统中用户的相关程度,然后将同一服务系统中相似用户所拥有使用的物品、设备、指标等数据推荐给当前服务用户。
然而,采用上述推荐方式通常会存在以下技术问题:
第一,相似用户逻辑计算可信度较低,导致向用户推送的指标信息与用户的契合度较低,浪费了用户的浏览时间;
第二,未考虑指标之间相似性,导致向用户推送的指标信息不全面。
该背景技术部分中所公开的以上信息仅用于增强对本发明构思的背景的理解,并因此,其可包含并不形成本国的本领域普通技术人员已知的现有技术的信息。
发明内容
本公开的内容部分用于以简要的形式介绍构思,这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征,也不旨在用于限制所要求的保护的技术方案的范围。
本公开的一些实施例提出了用户行为信息推送方法、装置、电子设备和计算机可读介质,来解决以上背景技术部分提到的技术问题中的一项或多项。
第一方面,本公开的一些实施例提供了一种用户行为信息推送方法,该方法包括:获取每个用户对于目标页面的操作行为信息,得到操作行为信息集,其中,上述操作行为信息集中的操作行为信息包括:点击行为信息、查询行为信息、收藏行为信息、浏览行为信息、申请行为信息,点击行为信息包括点击标识和点击次数,查询行为信息包括查询标识和查询次数,收藏行为信息包括收藏标识和收藏次数,浏览行为信息包括浏览标识和浏览次数,申请行为信息包括申请标识和申请次数;根据点击行为信息包括的点击标识、查询行为信息包括的查询标识、收藏行为信息包括的收藏标识、浏览行为信息包括的浏览标识与申请行为信息包括的申请标识,构建用户行为权重分值表;根据各个用户的用户标识、上述操作行为信息集与上述用户行为权重分值表,构建用户行为评分信息表,其中,上述用户行为评分信息表的纵向表头为各个用户的用户标识,用户行为评分信息表的横向表头为各个行为标识,用户行为评分信息包括:用户标识与用户行为评分组,每一用户行为评分对应一行为标识;根据上述用户行为评分信息表,构建行为指标信息倒查表,其中,上述行为指标信息倒查表中的行为指标信息包括行为标识与对应的至少一个用户标识;根据上述行为指标信息倒查表,构建用户行为指标相似度矩阵,其中,上述用户行为指标相似度矩阵的矩阵纵向表头与矩阵横向表头均为各个用户标识,上述矩阵纵向表头对应的各个用户标识的顺序与上述矩阵横向表头对应的各个用户标识的顺序相同;基于上述用户行为指标相似度矩阵和上述用户行为权重分值表,构建用户倾向行为指标表;根据目标用户对应的行为指标信息与上述用户倾向行为指标表,生成目标用户倾向行为指标推荐表;将上述目标用户倾向行为指标推荐表发送至上述目标用户的用户终端。
第二方面,本公开的一些实施例提供了一种用户行为信息推送装置,装置包括:获取单元,被配置成获取每个用户对于目标页面的操作行为信息,得到操作行为信息集,其中,上述操作行为信息集中的操作行为信息包括:点击行为信息、查询行为信息、收藏行为信息、浏览行为信息、申请行为信息,点击行为信息包括点击标识和点击次数,查询行为信息包括查询标识和查询次数,收藏行为信息包括收藏标识和收藏次数,浏览行为信息包括浏览标识和浏览次数,申请行为信息包括申请标识和申请次数;第一构建单元,被配置成根据点击行为信息包括的点击标识、查询行为信息包括的查询标识、收藏行为信息包括的收藏标识、浏览行为信息包括的浏览标识与申请行为信息包括的申请标识,构建用户行为权重分值表;第二构建单元,被配置成根据各个用户的用户标识、上述操作行为信息集与上述用户行为权重分值表,构建用户行为评分信息表,其中,上述用户行为评分信息表的纵向表头为各个用户的用户标识,用户行为评分信息表的横向表头为各个行为标识,用户行为评分信息包括:用户标识与用户行为评分组,每一用户行为评分对应一行为标识;第三构建单元,被配置成根据上述用户行为评分信息表,构建行为指标信息倒查表,其中,上述行为指标信息倒查表中的行为指标信息包括行为标识与对应的至少一个用户标识;第四构建单元,被配置成根据上述行为指标信息倒查表,构建用户行为指标相似度矩阵,其中,上述用户行为指标相似度矩阵的矩阵纵向表头与矩阵横向表头均为各个用户标识,上述矩阵纵向表头对应的各个用户标识的顺序与上述矩阵横向表头对应的各个用户标识的顺序相同;第五构建单元,被配置成基于上述用户行为指标相似度矩阵和上述用户行为权重分值表,构建用户倾向行为指标表;生成单元,被配置成根据目标用户对应的行为指标信息与上述用户倾向行为指标表,生成目标用户倾向行为指标推荐表;发送单元,被配置成将上述目标用户倾向行为指标推荐表发送至上述目标用户的用户终端。
第三方面,本公开的一些实施例提供了一种电子设备,包括:一个或多个处理器;存储装置,其上存储有一个或多个程序,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上述第一方面任一实现方式所描述的方法。
第四方面,本公开的一些实施例提供了一种计算机可读介质,其上存储有计算机程序,其中,程序被处理器执行时实现上述第一方面任一实现方式所描述的方法。
本公开的上述各个实施例具有如下有益效果:通过本公开的一些实施例的用户行为信息推送方法,提升了向用户推送的指标信息与用户的契合度,减少了用户的浏览时间的浪费。具体来说,浪费了用户的浏览时间的原因在于:相似用户逻辑计算可信度较低,导致向用户推送的指标信息与用户的契合度较低。基于此,本公开的一些实施例的用户行为信息推送方法,首先,获取每个用户对于目标页面的操作行为信息,得到操作行为信息集。由此,为目标用户推荐相关联的指标信息提供了数据支持。其次,根据点击行为信息包括的点击标识、查询行为信息包括的查询标识、收藏行为信息包括的收藏标识、浏览行为信息包括的浏览标识与申请行为信息包括的申请标识,构建用户行为权重分值表。由此,可以确定每个行为指标的重要性。接着,根据各个用户的用户标识、上述操作行为信息集与上述用户行为权重分值表,构建用户行为评分信息表。由此,可以确定每个用户的每个操作行为的评分,便于后续向目标用户推送适配的行为指标。再接着,根据上述用户行为评分信息表,构建行为指标信息倒查表。然后,根据上述行为指标信息倒查表,构建用户行为指标相似度矩阵。由此,便于查询目标用户感兴趣的行为指标。再然后,基于上述用户行为指标相似度矩阵和上述用户行为权重分值表,构建用户倾向行为指标表。之后,根据目标用户对应的行为指标信息与上述用户倾向行为指标表,生成目标用户倾向行为指标推荐表。由此,可以构建出目标用户感兴趣的行为指标的推荐表。最后,将上述目标用户倾向行为指标推荐表发送至上述目标用户的用户终端。由此,提升了向用户推送的指标信息与用户的契合度,减少了用户的浏览时间的浪费。
附图说明
结合附图并参考以下具体实施方式,本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中,相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的,元件和元素不一定按照比例绘制。
图1是根据本公开的用户行为信息推送方法的一些实施例的流程图;
图2是根据本公开的用户行为信息推送装置的一些实施例的结构示意图;
图3是适于用来实现本公开的一些实施例的电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例,然而应当理解的是,本公开可以通过各种形式来实现,而且不应该被解释为限于这里阐述的实施例。相反,提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是,本公开的附图及实施例仅用于示例性作用,并非用于限制本公开的保护范围。
另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。在不冲突的情况下,本公开中的实施例及实施例中的特征可以相互组合。
需要注意,本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分,并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意,本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的,本领域技术人员应当理解,除非在上下文另有明确指出,否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的,而并不是用于对这些消息或信息的范围进行限制。
下面将参考附图并结合实施例来详细说明本公开。
图1是根据本公开的用户行为信息推送方法的一些实施例的流程图。示出了根据本公开的用户行为信息推送方法的一些实施例的流程100。该用户行为信息推送方法,包括以下步骤:
步骤101,获取每个用户对于目标页面的操作行为信息,得到操作行为信息集。
在一些实施例中,用户行为信息推送方法的执行主体(例如服务器)可以通过有线连接或无线连接的方式从终端设备中获取每个用户对于目标页面的操作行为信息,得到操作行为信息集。其中,上述操作行为信息集中的操作行为信息包括:点击行为信息、查询行为信息、收藏行为信息、浏览行为信息、申请行为信息。点击行为信息包括点击标识和点击次数,查询行为信息包括查询标识和查询次数,收藏行为信息包括收藏标识和收藏次数,浏览行为信息包括浏览标识和浏览次数,申请行为信息包括申请标识和申请次数。这里,目标页面可以是指物品展示页面,也可以是指电力材料宣传页面。点击行为信息可以表示用户对于点击目标页面的信息。查询行为信息可以表示用户查询目标页面的信息。收藏行为信息可以表示用户收藏目标页面的信息。浏览行为信息可以表示用户浏览目标页面的信息。申请行为信息可以表示用户申请(读取/获取)目标页面的信息。
步骤102,根据点击行为信息包括的点击标识、查询行为信息包括的查询标识、收藏行为信息包括的收藏标识、浏览行为信息包括的浏览标识与申请行为信息包括的申请标识,构建用户行为权重分值表。
在一些实施例中,上述执行主体可以根据点击行为信息包括的点击标识、查询行为信息包括的查询标识、收藏行为信息包括的收藏标识、浏览行为信息包括的浏览标识与申请行为信息包括的申请标识,构建用户行为权重分值表。这里,用户行为权重分值表可以包括行为标识和对应行为标识的权重分值。一行为标识对应一权重分值。这里,权重分值为预先设定的。例如,用户行为权重分值表可以如下表所示例:
步骤103,根据各个用户的用户标识、上述操作行为信息集与上述用户行为权重分值表,构建用户行为评分信息表。
在一些实施例中,上述执行主体可以根据各个用户的用户标识、上述操作行为信息集与上述用户行为权重分值表,构建用户行为评分信息表。其中,上述用户行为评分信息表的纵向表头为各个用户的用户标识。用户行为评分信息表的横向表头为各个行为标识,用户行为评分信息包括:用户标识与用户行为评分组。每一用户行为评分对应一行为标识。
实践中,对于每个操作行为信息,执行如下处理步骤:
第一步,将上述操作行为信息包括的每个行为信息包括的行为次数与对应的权重分值相乘,再将乘积与行为信息对应的权重相乘,得到该行为信息的行为评分作为用户行为评分。这里,行为信息可以是点击行为信息、查询行为信息、收藏行为信息、浏览行为信息、申请行为信息中的一个。行为次数可以是指点击行为信息、查询行为信息、收藏行为信息、浏览行为信息、申请行为信息中的任一个行为信息包括的次数。
第二步,将各个用户的用户标识作为纵向表头,将各个行为标识作为横向表头,根据各个用户行为评分,构建用户行为评分信息表。
例如,用户行为评分信息表可以入下表所示例:
这里,行为指标a可以表示点击行为。行为指标b可以表示查询行为。行为指标c可以表示收藏行为。行为指标d可以表示浏览行为。行为指标e可以表示申请行为。
步骤104,根据上述用户行为评分信息表,构建行为指标信息倒查表。
在一些实施例中,上述执行主体可以根据上述用户行为评分信息表,构建行为指标信息倒查表。其中,上述行为指标信息倒查表中的行为指标信息包括行为标识与对应的至少一个用户标识。即,将上述用户行为评分信息表的纵向表头改换为各个行为标识,横向表头改换为各个用户标识,再更换对应的用户行为评分。从而,得到行为指标信息倒查表。
步骤105,根据上述行为指标信息倒查表,构建用户行为指标相似度矩阵。
在一些实施例中,上述执行主体可以根据上述行为指标信息倒查表,构建用户行为指标相似度矩阵。其中,上述用户行为指标相似度矩阵的矩阵纵向表头与矩阵横向表头均为各个用户标识,上述矩阵纵向表头对应的各个用户标识的顺序与上述矩阵横向表头对应的各个用户标识的顺序相同。
实践中,对于上述行为指标信息倒查表包括的每个行为标识,执行如下处理步骤:
第一步,将上述行为标识对应的各个用户标识确定为相似用户标识组。
第二步,对于相似用户标识组中的每两个相似用户标识,将两个相似用户标识设定为M与N,采用w[M][N]=w[M][N]+1,w[N][M]=w[N][M]+1的方式扫描行为指标信息倒查表查找对应的行为指标。令N(u)、N(v)分别表示用户u、v对行为指标产生过行为。可以通过以下公式,确定每两个相似用户u、v之间的用户行为指标相似度:
其中,wuv可以表示用户u、v之间的用户行为指标相似度。N(i)可以表示对行为指标i有过操作行为的各个用户的数量。
第三步,将矩阵纵向表头与矩阵横向表头设定为各个用户标识,根据所生成的各个用户行为指标相似度,构建用户行为指标相似度矩阵。例如,用户行为指标相似度矩阵可以如下所示例:
A | B | C | D | |
A | 0 | 1 | 1 | 2 |
B | 1 | 0 | 1 | 1 |
C | 1 | 1 | 0 | 2 |
D | 2 | 1 | 2 | 0 |
这里,A、B、C、D分别表示一用户标识。
步骤106,基于上述用户行为指标相似度矩阵和上述用户行为权重分值表,构建用户倾向行为指标表。
在一些实施例中,上述执行主体可以基于上述用户行为指标相似度矩阵和上述用户行为权重分值表,构建用户倾向行为指标表。
实践中,上述执行主体可以通过以下步骤构建用户倾向行为指标表:
第一步,从上述用户行为指标相似度矩阵中选择前目标数量个用户行为指标相似度对应的相似用户标识,得到相似用户标识组。这里,对于目标数量的设定,不作限制。即,相似用户标识对应的用户行为指标相似度大于0。相似用户标识可以是指用户行为指标相似度对应的两个用户标识组成的标识。
第二步,根据上述相似用户标识组对应的各个用户行为指标相似度和上述用户行为权重分值表,构建用户倾向行为指标表。实践中,可以通过以下公式确定相似用户标识组中相似用户标识对于某一行为指标的倾向度:
其中,p(u,i)可以表示相似用户标识对应的用户u对于行为指标i的倾向度。S(u,K)代表与用户u兴趣最接近的K个用户。N(i)可以表示对行为指标i有过操作行为的各个用户的数量。wuv可以表示用户u和企业用户v的用户行为指标相似度。rvi可以表示用户v对隐反馈行为指标i的权重值。
然后,可以将各个相似用户标识作为列表纵向表头,可以将各个行为指标作为列表横向表头,构建用户倾向行为指标表。其中,用户倾向行为指标表中每一相似用户标识对应多个行为指标,每一相似用户标识与一行为指标存在对应的倾向度。
步骤107,根据目标用户对应的行为指标信息与上述用户倾向行为指标表,生成目标用户倾向行为指标推荐表。
在一些实施例中,上述执行主体可以根据目标用户对应的行为指标信息与上述用户倾向行为指标表,生成目标用户倾向行为指标推荐表。这里,目标用户可以是指待推荐行为指标的用户。
实践中,上述执行主体可以通过以下步骤生成目标用户倾向行为指标推荐表:
第一步,从上述行为指标信息包括的各个行为信息中选择包括的行为次数大于0的行为信息作为备选行为指标信息,得到备选行为指标信息组。
第二步,去除上述用户倾向行为指标表中对应上述备选行为指标信息组的各个行为指标,以对上述用户倾向行为指标表进行更新,得到目标用户倾向行为指标推荐表。
步骤108,将上述目标用户倾向行为指标推荐表发送至上述目标用户的用户终端。
在一些实施例中,上述执行主体可以将上述目标用户倾向行为指标推荐表发送至上述目标用户的用户终端。
可选地,根据上述用户行为评分信息表与用户行为权重分值表,构建行为指标相似度矩阵。
在一些实施例中,上述执行主体可以根据上述用户行为评分信息表与用户行为权重分值表,构建行为指标相似度矩阵。其中,上述行为指标相似度矩阵的矩阵纵向表头与矩阵横向表头均为各个行为标识,矩阵纵向表头对应的各个行为标识的顺序与矩阵横向表头对应的各个行为标识的顺序相同。实践中,可以参考步骤105中的描述构建行为指标相似度矩阵。
即,用基于惩罚因子的余弦相似度计算每两个行为标识对应的行为指标之间的行为指标相似度。
可选地,对上述用户行为评分信息表进行转置,得到用户行为评分信息转置表。
在一些实施例中,上述执行主体可以对上述用户行为评分信息表进行转置,得到用户行为评分信息转置表。即,可以通过java集合技术对上述用户行为评分信息表进行转置,得到用户行为评分信息转置表。
可选地,将上述用户行为评分信息转置表与上述行为指标相似度矩阵相乘,得到行为指标推荐列表。
在一些实施例中,上述执行主体可以将上述用户行为评分信息转置表与上述行为指标相似度矩阵相乘,得到行为指标推荐列表。
可选地,根据目标用户对应的操作行为信息,对上述行为指标推荐列表进行更新,以生成更新行为指标推荐列表。
在一些实施例中,上述执行主体可以根据目标用户对应的操作行为信息,对上述行为指标推荐列表进行更新,以生成更新行为指标推荐列表。
实践中,上述执行主体可以通过以下步骤对上述行为指标推荐列表进行更新,以生成更新行为指标推荐列表:
第一步,从上述操作行为信息包括的各个行为信息中选择包括的行为次数大于0的行为信息作为备选行为信息,得到备选行为信息组。
第二步,去除上述行为指标推荐列表中对应上述备选行为信息组的各个行为指标,以对上述行为指标推荐列表进行更新,得到更新行为指标推荐列表。
可选地,将上述更新行为指标推荐列表推送至上述目标用户的用户终端。
在一些实施例中,上述执行主体可以将上述更新行为指标推荐列表推送至上述目标用户的用户终端。
上述相关内容作为本公开的一个发明点,解决了背景技术提及的技术问题二“导致向用户推送的指标信息不全面。”。导致向用户推送的指标信息不全面的因素往往如下:未考虑指标之间相似性。如果解决了上述因素,就能达到较为全面的向用户推送的指标信息的效果。为了达到这一效果,首先,根据上述用户行为评分信息表与用户行为权重分值表,构建行为指标相似度矩阵。由此,可以从行为指标的角度考虑,确定向目标用户推送的行为指标。其次,对上述用户行为评分信息表进行转置,得到用户行为评分信息转置表。接着,将上述用户行为评分信息转置表与上述行为指标相似度矩阵相乘,得到行为指标推荐列表。由此,行为指标的服务用户潜在倾向挖掘计算可信度高,通过采用惩罚因子降低行为指标热度列表对用户服务的影响,解决信息化数据建设的长尾问题。然后,根据目标用户对应的操作行为信息,对上述行为指标推荐列表进行更新,以生成更新行为指标推荐列表。由此,可以避免向目标用户推送重复的行为指标,以提高通信资源的有效利用率。从而,可以较为全面的向用户推送的指标信息。
本公开的上述各个实施例具有如下有益效果:通过本公开的一些实施例的用户行为信息推送方法,提升了向用户推送的指标信息与用户的契合度,减少了用户的浏览时间的浪费。
进一步参考图2,作为对上述各图所示方法的实现,本公开提供了一种用户行为信息推送装置的一些实施例,这些用户行为信息推送装置实施例与图1所示的那些方法实施例相对应,该用户行为信息推送装置具体可以应用于各种电子设备中。
如图2所示,一些实施例的用户行为信息推送装置200包括:获取单元201、第一构建单元202、第二构建单元203、第三构建单元204、第四构建单元205、第五构建单元206、生成单元207和发送单元208。其中,获取单元201,被配置成获取每个用户对于目标页面的操作行为信息,得到操作行为信息集,其中,上述操作行为信息集中的操作行为信息包括:点击行为信息、查询行为信息、收藏行为信息、浏览行为信息、申请行为信息,点击行为信息包括点击标识和点击次数,查询行为信息包括查询标识和查询次数,收藏行为信息包括收藏标识和收藏次数,浏览行为信息包括浏览标识和浏览次数,申请行为信息包括申请标识和申请次数;第一构建单元202,被配置成根据点击行为信息包括的点击标识、查询行为信息包括的查询标识、收藏行为信息包括的收藏标识、浏览行为信息包括的浏览标识与申请行为信息包括的申请标识,构建用户行为权重分值表;第二构建单元203,被配置成根据各个用户的用户标识、上述操作行为信息集与上述用户行为权重分值表,构建用户行为评分信息表,其中,上述用户行为评分信息表的纵向表头为各个用户的用户标识,用户行为评分信息表的横向表头为各个行为标识,用户行为评分信息包括:用户标识与用户行为评分组,每一用户行为评分对应一行为标识;第三构建单元204,被配置成根据上述用户行为评分信息表,构建行为指标信息倒查表,其中,上述行为指标信息倒查表中的行为指标信息包括行为标识与对应的至少一个用户标识;第四构建单元205,被配置成根据上述行为指标信息倒查表,构建用户行为指标相似度矩阵,其中,上述用户行为指标相似度矩阵的矩阵纵向表头与矩阵横向表头均为各个用户标识,上述矩阵纵向表头对应的各个用户标识的顺序与上述矩阵横向表头对应的各个用户标识的顺序相同;第五构建单元206,被配置成基于上述用户行为指标相似度矩阵和上述用户行为权重分值表,构建用户倾向行为指标表;生成单元207,被配置成根据目标用户对应的行为指标信息与上述用户倾向行为指标表,生成目标用户倾向行为指标推荐表;发送单元208,被配置成将上述目标用户倾向行为指标推荐表发送至上述目标用户的用户终端。
可以理解的是,该用户行为信息推送装置200中记载的诸单元与参考图1描述的方法中的各个步骤相对应。由此,上文针对方法描述的操作、特征以及产生的有益效果同样适用于用户行为信息推送装置200及其中包含的单元,在此不再赘述。
下面参考图3,其示出了适于用来实现本公开的一些实施例的电子设备(例如服务器)300的结构示意图。本公开的一些实施例中的电子设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图3示出的电子设备仅仅是一个示例,不应对本公开的实施例的功能和使用范围带来任何限制。
如图3所示,电子设备300可以包括处理装置(例如中央处理器、图形处理器等)301,其可以根据存储在只读存储器(ROM)302中的程序或者从存储装置308加载到随机访问存储器(RAM)303中的程序而执行各种适当的动作和处理。在RAM303中,还存储有电子设备300操作所需的各种程序和数据。处理装置301、ROM302以及RAM303通过总线304彼此相连。输入/输出(I/O)接口305也连接至总线304。
通常,以下装置可以连接至I/O接口305:包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置306;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置307;包括例如磁带、硬盘等的存储装置308;以及通信装置309。通信装置309可以允许电子设备300与其他设备进行无线或有线通信以交换数据。虽然图3示出了具有各种装置的电子设备300,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图3中示出的每个方框可以代表一个装置,也可以根据需要代表多个装置。
特别地,根据本公开的一些实施例,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,本公开的一些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。在这样的一些实施例中,该计算机程序可以通过通信装置309从网络上被下载和安装,或者从存储装置308被安装,或者从ROM302被安装。在该计算机程序被处理装置301执行时,执行本公开的一些实施例的方法中限定的上述功能。
需要说明的是,本公开的一些实施例中记载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。在本公开的一些实施例中,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。而在本公开的一些实施例中,计算机可读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,该计算机可读信号介质可以发送、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:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
在一些实施方式中,客户端、服务器可以利用诸如HTTP(Hyper Text TransferProtocol,超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信,并且可以与任意形式或介质的数字数据通信(例如,通信网络)互连。通信网络的示例包括局域网(“LAN”),广域网(“WAN”),网际网(例如,互联网)以及端对端网络(例如,ad hoc端对端网络),以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。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该电子设备执行时,使得该电子设备:获取每个用户对于目标页面的操作行为信息,得到操作行为信息集,其中,上述操作行为信息集中的操作行为信息包括:点击行为信息、查询行为信息、收藏行为信息、浏览行为信息、申请行为信息,点击行为信息包括点击标识和点击次数,查询行为信息包括查询标识和查询次数,收藏行为信息包括收藏标识和收藏次数,浏览行为信息包括浏览标识和浏览次数,申请行为信息包括申请标识和申请次数;根据点击行为信息包括的点击标识、查询行为信息包括的查询标识、收藏行为信息包括的收藏标识、浏览行为信息包括的浏览标识与申请行为信息包括的申请标识,构建用户行为权重分值表;根据各个用户的用户标识、上述操作行为信息集与上述用户行为权重分值表,构建用户行为评分信息表,其中,上述用户行为评分信息表的纵向表头为各个用户的用户标识,用户行为评分信息表的横向表头为各个行为标识,用户行为评分信息包括:用户标识与用户行为评分组,每一用户行为评分对应一行为标识;根据上述用户行为评分信息表,构建行为指标信息倒查表,其中,上述行为指标信息倒查表中的行为指标信息包括行为标识与对应的至少一个用户标识;根据上述行为指标信息倒查表,构建用户行为指标相似度矩阵,其中,上述用户行为指标相似度矩阵的矩阵纵向表头与矩阵横向表头均为各个用户标识,上述矩阵纵向表头对应的各个用户标识的顺序与上述矩阵横向表头对应的各个用户标识的顺序相同;基于上述用户行为指标相似度矩阵和上述用户行为权重分值表,构建用户倾向行为指标表;根据目标用户对应的行为指标信息与上述用户倾向行为指标表,生成目标用户倾向行为指标推荐表;将上述目标用户倾向行为指标推荐表发送至上述目标用户的用户终端。
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一些实施例的操作的计算机程序代码,上述程序设计语言包括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(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、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,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。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。
描述于本公开的一些实施例中的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元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单元、第一构建单元、第二构建单元、第三构建单元、第四构建单元、第五构建单元、生成单元和发送单元。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定,例如,发送单元还可以被描述为“将上述目标用户倾向行为指标推荐表发送至上述目标用户的用户终端的单元”。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如,非限制性地,可以使用的示范类型的硬件逻辑部件包括:现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
以上描述仅为本公开的一些较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本公开的实施例中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (6)
1.一种用户行为信息推送方法,包括:
获取每个用户对于目标页面的操作行为信息,得到操作行为信息集,其中,所述操作行为信息集中的操作行为信息包括:点击行为信息、查询行为信息、收藏行为信息、浏览行为信息、申请行为信息,点击行为信息包括点击标识和点击次数,查询行为信息包括查询标识和查询次数,收藏行为信息包括收藏标识和收藏次数,浏览行为信息包括浏览标识和浏览次数,申请行为信息包括申请标识和申请次数;
根据点击行为信息包括的点击标识、查询行为信息包括的查询标识、收藏行为信息包括的收藏标识、浏览行为信息包括的浏览标识与申请行为信息包括的申请标识,构建用户行为权重分值表;
根据各个用户的用户标识、所述操作行为信息集与所述用户行为权重分值表,构建用户行为评分信息表,其中,所述用户行为评分信息表的纵向表头为各个用户的用户标识,用户行为评分信息表的横向表头为各个行为标识,用户行为评分信息包括:用户标识与用户行为评分组,每一用户行为评分对应一行为标识;
根据所述用户行为评分信息表,构建行为指标信息倒查表,其中,所述行为指标信息倒查表中的行为指标信息包括行为标识与对应的至少一个用户标识;
根据所述行为指标信息倒查表,构建用户行为指标相似度矩阵,其中,所述用户行为指标相似度矩阵的矩阵纵向表头与矩阵横向表头均为各个用户标识,所述矩阵纵向表头对应的各个用户标识的顺序与所述矩阵横向表头对应的各个用户标识的顺序相同;
基于所述用户行为指标相似度矩阵和所述用户行为权重分值表,构建用户倾向行为指标表;
根据目标用户对应的行为指标信息与所述用户倾向行为指标表,生成目标用户倾向行为指标推荐表;
将所述目标用户倾向行为指标推荐表发送至所述目标用户的用户终端;
其中,所述根据所述用户行为评分信息表,构建行为指标信息倒查表,包括:
将所述用户行为评分信息表的纵向表头改换为各个行为标识,横向表头改换为各个用户标识,再更换对应的用户行为评分,得到行为指标信息倒查表;
其中,根据所述行为指标信息倒查表,构建用户行为指标相似度矩阵,包括:
对于所述行为指标信息倒查表包括的每个行为标识,执行如下处理步骤:
将所述行为标识对应的各个用户标识确定为相似用户标识组;
对于相似用户标识组中的每两个相似用户标识,将两个相似用户标识设定为M与N,采用w[M][N]=w[M][N]+1,w[N][M]=w[N][M]+1的方式扫描行为指标信息倒查表查找对应的行为指标,其中,N(u)、N(v)分别表示用户u、v对行为指标产生过行为;
通过以下公式,确定每两个相似用户u、v之间的用户行为指标相似度:
其中,wuv表示用户u、v之间的用户行为指标相似度,N(i)表示对行为指标i有过操作行为的各个用户的数量;
将矩阵纵向表头与矩阵横向表头设定为各个用户标识,根据所生成的各个用户行为指标相似度,构建用户行为指标相似度矩阵。
2.根据权利要求1所述的方法,其中,所述基于所述用户行为指标相似度矩阵和所述用户行为权重分值表,构建用户倾向行为指标表,包括:
从所述用户行为指标相似度矩阵中选择前目标数量个用户行为指标相似度对应的相似用户标识,得到相似用户标识组;
根据所述相似用户标识组对应的各个用户行为指标相似度和所述用户行为权重分值表,构建用户倾向行为指标表。
3.根据权利要求1所述的方法,其中,所述根据目标用户对应的行为指标信息与所述用户倾向行为指标表,生成目标用户倾向行为指标推荐表,包括:
从所述行为指标信息包括的各个行为信息中选择包括的行为次数大于0的行为信息作为备选行为指标信息,得到备选行为指标信息组;
去除所述用户倾向行为指标表中对应所述备选行为指标信息组的各个行为指标,以对所述用户倾向行为指标表进行更新,得到目标用户倾向行为指标推荐表。
4.一种用户行为信息推送装置,包括:
获取单元,被配置成获取每个用户对于目标页面的操作行为信息,得到操作行为信息集,其中,所述操作行为信息集中的操作行为信息包括:点击行为信息、查询行为信息、收藏行为信息、浏览行为信息、申请行为信息,点击行为信息包括点击标识和点击次数,查询行为信息包括查询标识和查询次数,收藏行为信息包括收藏标识和收藏次数,浏览行为信息包括浏览标识和浏览次数,申请行为信息包括申请标识和申请次数;
第一构建单元,被配置成根据点击行为信息包括的点击标识、查询行为信息包括的查询标识、收藏行为信息包括的收藏标识、浏览行为信息包括的浏览标识与申请行为信息包括的申请标识,构建用户行为权重分值表;
第二构建单元,被配置成根据各个用户的用户标识、所述操作行为信息集与所述用户行为权重分值表,构建用户行为评分信息表,其中,所述用户行为评分信息表的纵向表头为各个用户的用户标识,用户行为评分信息表的横向表头为各个行为标识,用户行为评分信息包括:用户标识与用户行为评分组,每一用户行为评分对应一行为标识;
第三构建单元,被配置成根据所述用户行为评分信息表,构建行为指标信息倒查表,其中,所述行为指标信息倒查表中的行为指标信息包括行为标识与对应的至少一个用户标识;第三构建单元,被进一步配置成:
将所述用户行为评分信息表的纵向表头改换为各个行为标识,横向表头改换为各个用户标识,再更换对应的用户行为评分,得到行为指标信息倒查表;
第四构建单元,被配置成根据所述行为指标信息倒查表,构建用户行为指标相似度矩阵,其中,所述用户行为指标相似度矩阵的矩阵纵向表头与矩阵横向表头均为各个用户标识,所述矩阵纵向表头对应的各个用户标识的顺序与所述矩阵横向表头对应的各个用户标识的顺序相同;第四构建单元,被进一步配置成:
对于所述行为指标信息倒查表包括的每个行为标识,执行如下处理步骤:
将所述行为标识对应的各个用户标识确定为相似用户标识组;
对于相似用户标识组中的每两个相似用户标识,将两个相似用户标识设定为M与N,采用w[M][N]=w[M][N]+1,w[N][M]=w[N][M]+1的方式扫描行为指标信息倒查表查找对应的行为指标,其中,N(u)、N(v)分别表示用户u、v对行为指标产生过行为;
通过以下公式,确定每两个相似用户u、v之间的用户行为指标相似度:
其中,wuv表示用户u、v之间的用户行为指标相似度,N(i)表示对行为指标i有过操作行为的各个用户的数量;
将矩阵纵向表头与矩阵横向表头设定为各个用户标识,根据所生成的各个用户行为指标相似度,构建用户行为指标相似度矩阵;
第五构建单元,被配置成基于所述用户行为指标相似度矩阵和所述用户行为权重分值表,构建用户倾向行为指标表;
生成单元,被配置成根据目标用户对应的行为指标信息与所述用户倾向行为指标表,生成目标用户倾向行为指标推荐表;
发送单元,被配置成将所述目标用户倾向行为指标推荐表发送至所述目标用户的用户终端。
5.一种电子设备,包括:
一个或多个处理器;
存储装置,其上存储有一个或多个程序;
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1-3中任一所述的方法。
6.一种计算机可读介质,其上存储有计算机程序,其中,所述程序被处理器执行时实现如权利要求1-3中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211586137.0A CN116170497B (zh) | 2022-12-09 | 2022-12-09 | 用户行为信息推送方法、装置、电子设备和计算机介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211586137.0A CN116170497B (zh) | 2022-12-09 | 2022-12-09 | 用户行为信息推送方法、装置、电子设备和计算机介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116170497A CN116170497A (zh) | 2023-05-26 |
CN116170497B true CN116170497B (zh) | 2023-10-20 |
Family
ID=86417286
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211586137.0A Active CN116170497B (zh) | 2022-12-09 | 2022-12-09 | 用户行为信息推送方法、装置、电子设备和计算机介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116170497B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107609943A (zh) * | 2017-09-14 | 2018-01-19 | 山东建筑大学 | 一种超市购物智能引导系统及方法 |
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 |
CN109992674A (zh) * | 2019-04-12 | 2019-07-09 | 南京工业大学 | 一种融合自动编码器和知识图谱语义信息的推荐方法 |
CN112381616A (zh) * | 2020-11-28 | 2021-02-19 | 武汉虹信技术服务有限责任公司 | 物品推荐引导方法、装置及计算机设备 |
CN112989174A (zh) * | 2019-12-12 | 2021-06-18 | 腾讯科技(北京)有限公司 | 信息推荐方法及装置、介质和设备 |
CN114741592A (zh) * | 2022-04-02 | 2022-07-12 | 天元大数据信用管理有限公司 | 一种基于多模型融合的产品推荐方法、设备及介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103714084B (zh) * | 2012-10-08 | 2018-04-03 | 腾讯科技(深圳)有限公司 | 推荐信息的方法和装置 |
-
2022
- 2022-12-09 CN CN202211586137.0A patent/CN116170497B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107609943A (zh) * | 2017-09-14 | 2018-01-19 | 山东建筑大学 | 一种超市购物智能引导系统及方法 |
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 |
CN109992674A (zh) * | 2019-04-12 | 2019-07-09 | 南京工业大学 | 一种融合自动编码器和知识图谱语义信息的推荐方法 |
CN112989174A (zh) * | 2019-12-12 | 2021-06-18 | 腾讯科技(北京)有限公司 | 信息推荐方法及装置、介质和设备 |
CN112381616A (zh) * | 2020-11-28 | 2021-02-19 | 武汉虹信技术服务有限责任公司 | 物品推荐引导方法、装置及计算机设备 |
CN114741592A (zh) * | 2022-04-02 | 2022-07-12 | 天元大数据信用管理有限公司 | 一种基于多模型融合的产品推荐方法、设备及介质 |
Non-Patent Citations (1)
Title |
---|
融合用户相似度与评分信息的协同过滤算法;乔雨;李玲娟;;南京邮电大学学报(自然科学版)(03);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN116170497A (zh) | 2023-05-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110096584B (zh) | 一种应答方法和装置 | |
JP2021103506A (ja) | 情報を生成するための方法及び装置 | |
CN110619078B (zh) | 用于推送信息的方法和装置 | |
CN115757400B (zh) | 数据表处理方法、装置、电子设备和计算机可读介质 | |
CN110781373B (zh) | 榜单更新方法、装置、可读介质和电子设备 | |
CN110866040B (zh) | 用户画像生成方法、装置和系统 | |
EP4086770A1 (en) | Method and apparatus for generating prediction information, electronic device, and computer-readable medium | |
CN108600329B (zh) | 用于推送信息、展示信息的方法和设备 | |
CN111680799B (zh) | 用于处理模型参数的方法和装置 | |
CN111488386B (zh) | 数据查询方法和装置 | |
CN113590756A (zh) | 信息序列生成方法、装置、终端设备和计算机可读介质 | |
CN116170497B (zh) | 用户行为信息推送方法、装置、电子设备和计算机介质 | |
CN112860999B (zh) | 信息推荐方法、装置、设备和存储介质 | |
CN111339124B (zh) | 显示数据方法、装置、电子设备和计算机可读介质 | |
CN111460020B (zh) | 用于解析消息的方法、装置、电子设备和介质 | |
CN114239501A (zh) | 合同生成方法、装置、设备及介质 | |
CN111782895B (zh) | 检索处理方法、装置、可读介质及电子设备 | |
CN114896244A (zh) | 配置数据库表的方法、装置、设备和计算机可读介质 | |
CN115700548A (zh) | 用户行为预测的方法、设备和计算机程序产品 | |
CN111737571A (zh) | 搜索方法、装置和电子设备 | |
CN111597439A (zh) | 信息处理方法、装置和电子设备 | |
CN112307061A (zh) | 用于查询数据的方法和装置 | |
CN110941683A (zh) | 获取空间中对象属性信息的方法、装置、介质和电子设备 | |
CN116629984B (zh) | 基于嵌入模型的产品信息推荐方法、装置、设备和介质 | |
CN114040014B (zh) | 内容推送方法、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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |