CN116303663A - 一种基于内容社交平台的用户亲密度计算方法及系统 - Google Patents
一种基于内容社交平台的用户亲密度计算方法及系统 Download PDFInfo
- Publication number
- CN116303663A CN116303663A CN202310083358.4A CN202310083358A CN116303663A CN 116303663 A CN116303663 A CN 116303663A CN 202310083358 A CN202310083358 A CN 202310083358A CN 116303663 A CN116303663 A CN 116303663A
- Authority
- CN
- China
- Prior art keywords
- user
- social
- data
- content
- calculating
- 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
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
- G06F16/20—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
-
- 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
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9536—Search customisation based on social or collaborative filtering
-
- 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)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Fuzzy Systems (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Probability & Statistics with Applications (AREA)
- Mathematical Physics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于内容社交平台的用户亲密度计算方法及系统,该方法包括如下步骤:S1:采集用户社交数据与针对特定内容的行为数据;S2:根据采集的用户社交数据计算综合社交关联度;S3:根据采集到用户针对特定内容的行为数据来计算用户相似度;S4:根据社交关联度与用户相似度来计算用户亲密度。本发明相较于现有技术更稳定,有预见性,对于增进用户间的亲密度、扩大推荐领域、挖掘用户潜在的关注点等方面具有积极的意义。
Description
技术领域
本发明涉及数据分析技术领域,尤其涉及一种基于内容社交平台的用户亲密度计算方法及系统。
背景技术
现有的用户亲密度主要考虑到用户之间的交互,交互越多亲密度越高,并没有综合考虑到用户的相似度,而融入相似度的用户亲密度算法依托“物以类聚人以群分”的观点,能够获得长期保持、受时间衰减影响较小的相对稳定的用户亲密度,通过这种方式计算的用户亲密度在增进用户亲密度、扩大推荐领域、挖掘用户潜在的关注点有较好的效果。
并且现有的用户亲密度计算多是基于用户线上或线下的交互,通过交互的类型、次数等因素来综合计算,并且多是单向的亲密权重计算,这种计算方法受时间的影响因素较大,依据此进行的内容推荐,反馈效果欠佳。此外,现有的用户亲密度计算多是基于社交数据的单向计算,并没有考虑到亲密度的双向特点,以及用户之间的相似度对亲密度有着更长期的意义,这样计算出的亲密度受用户行为频次与时间的影响较大。
发明内容
本发明的目的是提供一种基于内容社交平台的用户亲密度计算方法及系统,以解决目前线上亲密度的计算仅考虑到用户的正向互动行为,没有考虑到用户间,即用户的反向互动对亲密度计算影响的技术问题。
本发明是采用以下技术方案实现的:一种基于内容社交平台的用户亲密度计算方法,包括如下步骤:
S1:采集用户社交数据与针对特定内容的行为数据;
S2:根据采集的用户社交数据计算综合社交关联度;
S3:根据采集到用户针对特定内容的行为数据来计算用户相似度;
S4:根据社交关联度与用户相似度来计算用户亲密度。
进一步的,步骤S1包括如下子步骤:
S11:通过微信小程序、IOS端SDK Log、Android端SDK Log、数据接口和业务数据Mysql表中的一种或多种来采集用户社交与针对特定内容的行为数据;
S12:对用户行为数据做数据校验、清洗和转换处理;
S13:完成数据清洗的数据以增量明细表和/或全量统计表方式来存储,为后续用户社交关联度、用户相似度、用户亲密度计算提供准确的数据支持。
进一步的,所述用户社交数据包括用户在内容社交平台中针对与其他用户的内容数据进行关注、转发分享和评论的社交行为,这些数据将用于计算用户社交关联度。
进一步的,所述针对特定内容的行为数据包括用户对某一内容进行浏览、评论和点赞的行为数据,这部分数据将用于计算用户相似度。
进一步的,步骤S2包括如下子步骤:
S21:计算正向社交关联度;
S22:计算反向社交关联度;
S23:计算综合社交关联度。
进一步的,步骤S21具体为:给定内容平台中的所有行为种类集合W,包含点赞、转发、评论、关注和浏览的行为;用户行为距统计时间的间隔t月(t=1,2,3...m);某种类社交行为权重wi(i∈W),以及t月前该行为的次数nit;时间衰减系数α;计算U对V的正向社交关联度FR(U,V):
进一步的,步骤S22具体为:给定内容平台中的所有行为种类集合W,用户行为距统计时间的间隔t月(t=1,2,3...m);某种类社交行为权重wi(i∈W),以及t月前该行为的次数nit;时间衰减系数α;计算U对V的反向社交关联度RR(U,V):
进一步的,步骤S23具体为:通过加权来计算综合社交关联度CR(U,V):
CR(U,V)=m×FR(U,V)+n×RR(U,V),其中m+n=1,根据用户行为反馈不断进行数据调整,优化计算综合社交关联度。
进一步的,步骤S3包括如下子步骤:
S31:整理并计算用户内容行为偏好数据;
S32:计算用户间的兴趣相似度。
一种基于内容社交平台的用户亲密度计算系统,包括采集模块、综合社交关联度计算模块、用户相似度计算模块和用户亲密度计算模块,所述采集模块用以采集用户社交数据与针对特定内容的行为数据;所述综合社交关联度计算模块用以根据采集的用户社交数据计算综合社交关联度;所述用户相似度计算模块用以根据采集到用户针对特定内容的行为数据来计算用户相似度;所述用户亲密度计算模块用以根据社交关联度与用户相似度来计算用户亲密度。
本发明的有益效果在于:本发明依托用户双向社交互动行为,考虑了时间衰减的综合社交关联度,并考虑到了用户间的相似性对亲密度具有潜在影响,使得本发明亲密度计算方法更稳定,有预见性,对于增进用户间的亲密度、扩大推荐领域、挖掘用户潜在的关注点等方面具有积极的意义。
附图说明
为了更清楚地说明本发明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示出的结构获得其他的附图。
图1为数据采集流程图;
图2为正向社交关联度计算流程图;
图3为反向社交关联度计算流程图;
图4为用户间相似度计算流程图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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,所描述的实施例是本发明一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
下面结合附图,对本发明的一些实施方式作详细说明。在不冲突的情况下,下述的实施例及实施例中的特征可以相互组合。
实施例1:一种基于内容社交平台的用户亲密度计算方法,包括如下步骤:
S1:采集用户社交数据与针对特定内容的行为数据;
S2:根据采集的用户社交数据计算综合社交关联度;
S3:根据采集到用户针对特定内容的行为数据来计算用户相似度;
S4:根据社交关联度与用户相似度来计算用户亲密度。
在本实施例当中,用户社交数据主要是指用户在内容社交平台中针对与其他用户的内容数据进行关注、转发分享、评论等社交行为,这些数据将用于计算用户社交关联度;针对特定内容的行为数据是指用户对某一内容进行浏览、评论、点赞等行为数据,这部分数据将用于计算用户相似度。
见图1,步骤S1包括如下子步骤:
S11:结合业务实际情况,通过微信小程序、IOS端SDK Log、Android端SDK Log、数据接口和业务数据Mysql表这五个入口来采集用户社交与针对特定内容的行为数据;
S12:对用户行为数据做数据校验、清洗和转换处理;
S13:完成数据清洗的数据以增量明细表和/或全量统计表方式来存储,完整记录用户点赞,关注,转发,收藏,评论等行为数据明细,为后续用户社交关联度、用户相似度、用户亲密度计算提供准确的数据支持。
微信小程序、IOS端SDK Log、Android端SDK Log的数据采集通过前端埋点上传用户相关行为日志数据。行为日志(Clicklog)包括用户的浏览,点赞,收藏,转发,关注,评论等行为。小程序或客户端通过Post请求上传该用户行为数据到Nginx服务器,LUA脚本服务解析相关POST请求获取参数,解析后的参数通过Kafka消息队列消费者解析后入Hbase,并映射到Hive中。业务数据Mysql表的数据采集分为定时抽取和实时抽取两部分。定时抽取结合具体业务逻辑每日定时增量或全量抽取Mysql数据库基础业务数据到Hive仓库中;实时抽取主要解决大数据量历史数据发生修改的情况,Cannal实时解析Mysql Binlog变动同步到Hase中,并映射到Hive仓库。数据接口直接通过Python服务处理入库到Hive仓库中。
数据进入到Hive仓库之后需要对用户行为相关数据做数据校验,清洗,转换处理。微信小程序,IOS端SDK Log,Android端SDK Log的数据分别进行ETL处理,主要包括异常业务数据过滤、数据类型校验、数据准确性、完整性校验、Ip映射转换、维度表映射关联等等。对于其中的重要业务节点如果存在不合格的业务数据,通过消息提醒相关人员,人工干预的方式完成数据的修正和清洗。业务数据Mysql表相关业务后端和前端已完成数据校验,按照相关需求,相关业务逻辑,关联汇总成为宽表,或直接使用。
在本实施例当中,步骤S2包括如下子步骤:
S21:计算正向社交关联度;
S22:计算反向社交关联度;
S23:计算综合社交关联度。
见图2,假定要计算用户U与用户V的正向社交关联度,扫描用户U的社交数据,圈定U的社交关联用户,统计用户U与用户V的互动类型、互动次数、互动时间,计算用户U与V的正向社交关联度。如果已无其他社交关联用户,则对已计算的正向社交关联度分数排名,用于后续计算反向社交关联度使用。进一步的,步骤S21具体为:给定内容平台中的所有行为种类集合W,包含点赞、转发、评论、关注和浏览的行为;用户行为距统计时间的间隔t月(t=1,2,3...m);某种类社交行为权重wi(i∈W),以及t月前该行为的次数nit;时间衰减系数α;计算U对V的正向社交关联度FR(U,V):
举例:其中社交行为权重wi从用户主观情感出发,如关注的权重分数为2,浏览其他用户的内容的权重为0.5,此权重分数需要数据建模人员结合具体的业务场景给出不同的分值,基本原则是反应用户情感的复杂程度越高的行为权重越大,并且在实际应用中需要通过真实数据验证,不断调优;时间衰减系数越大,则关联度受到的时间衰减越严重,此参数同样需要在实际应用中根据业务情况不断调优。
见图3,选取用户U的正向社交关联度得分较高的前N个用户,其中N可以根据实验数据不断调优。如果用户V为排名最高的正向社交关联度用户,则扫描用户V发给用户U的互动社交数据,统计互动类型、次数、时间,从而计算用户U与用户V的反向关联度。进一步的,步骤S22具体为:给定内容平台中的所有行为种类集合W,用户行为距统计时间的间隔t月(t=1,2,3...m);某种类社交行为权重wi(i∈W),以及t月前该行为的次数nit;时间衰减系数α;计算U对V的反向社交关联度RR(U,V):
更进一步的,步骤S23具体为:考虑到正向关联度与反向关联度在亲密度计算中的侧重,通过加权来计算综合社交关联度CR(U,V):
CR(U,V)=m×FR(U,V)+n×RR(U,V),其中m+n=1,根据用户行为反馈不断进行数据调整,优化计算综合社交关联度。
在本实施例当中,步骤S3包括如下子步骤:
S31:整理并计算用户内容行为偏好数据;
S32:计算用户间的兴趣相似度。
具体的,步骤S31具体为:采集全部用户内容行为数据,以内容维度,整理该用户对于平台内全部内容的行为数据,如浏览过某个文章、点赞过某个视频、转发分享过哪些内容等等。考虑到用户的兴趣偏好度可能随时间进行转变,故而计算用户内容行为偏好时同样加入了时间衰减系数。以近m个月的用户行为数据作为偏好度计算基础,按月统计行为次数与确定计算时间衰减系数。给定平台内的内容全集k,用户行为全集W,用户行为距统计时间间隔t,用户内容行为权重wj与当月该行为次数njt计算用户U对于某一篇内容ki(ki∈k)的偏好度Ui,计算方式为:
举例:其中不同行为的权重wj需要根据业务的不同与该行为所体现的偏好程度进行调整,时间衰减系数α同样需要根据业务不同进行调优,使最后计算得出的Ui真实反映出用户的兴趣偏好程度。而通过用户U对于每一篇内容的偏好度计算,可以得出该用户对于每一篇内容量化后的偏好度数据。
见图4,步骤S32具体为:对有社交关联的用户,计算用户两两之间的兴趣相似度,给定用户U和用户V,以及内容全集k;Ui(i∈k)表示用户U对于内容i的偏好度,Vi(i∈k)表示用户V对于内容i的偏好度,采用余弦相似度方法计算用户U与用户V的兴趣相似度S(U,V):
在本实施例当中,步骤S4具体为:根据综合社交关联度与用户相似度计算用户亲密度I(U,V):
I(U,V)=CR(U,V)×(1+q),其中q为用户相似度系数,取值根据用户相似度值所在的区间范围进行取值,举例:
用户相似度使用余弦相似度的计算方法,其取值范围为-1至1,使用分段加权的方式计算用户相似度系数是为了降低相似度的影响,使得相似度对亲密度的计算影响在合理并有效的范围内,而合理并有效的衡量标准是推荐给用户后,反馈的结果与预期一致。
一种基于内容社交平台的用户亲密度计算系统,用以实现上述基于内容社交平台的用户亲密度计算方法,该系统包括采集模块、综合社交关联度计算模块、用户相似度计算模块和用户亲密度计算模块,所述采集模块用以采集用户社交数据与针对特定内容的行为数据;所述综合社交关联度计算模块用以根据采集的用户社交数据计算综合社交关联度;所述用户相似度计算模块用以根据采集到用户针对特定内容的行为数据来计算用户相似度;所述用户亲密度计算模块用以根据社交关联度与用户相似度来计算用户亲密度。
本发明基于线上内容社交平台,通过采集用户社交互动行为,计算用户双向社交关联度。具体来说,根据不同行为的权重与次数,考虑时间衰减等因素,来计算用户双向社交关联度,同时选取社交关联圈中关联度较高的前N个用户,分析这些用户的行为,计算相似度,再将综合社交关联度与相似度通过加权计算得出用户的亲密度,在此基础上计算的亲密度更稳定,更有预见性,对于增进用户间的亲密度、扩大推荐领域、挖掘用户潜在的关注点具有积极的意义。本发明通过增加影响亲密度的因素来获得更准确的用户亲密度,在实践中可以根据用户的反馈行为调节权重因子,使得亲密度更准确,并能够得到更广泛的应用。
需要说明的是,对于前述的实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本申请并不受所描述的动作顺序的限制,因为依据本申请,某一些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例属于优选实施例,所涉及的动作并不一定是本申请所必须的。
上述实施例中,描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下,本领域人员所进行的改动和变化不脱离本发明的精神和范围,则都应在本发明所附权利要求的保护范围内。
Claims (10)
1.一种基于内容社交平台的用户亲密度计算方法,其特征在于,包括如下步骤:
S1:采集用户社交数据与针对特定内容的行为数据;
S2:根据采集的用户社交数据计算综合社交关联度;
S3:根据采集到用户针对特定内容的行为数据来计算用户相似度;
S4:根据社交关联度与用户相似度来计算用户亲密度。
2.如权利要求1所述的一种基于内容社交平台的用户亲密度计算方法,其特征在于,步骤S1包括如下子步骤:
S11:通过微信小程序、IOS端SDK Log、Android端SDK Log、数据接口和业务数据Mysql表中的一种或多种来采集用户社交与针对特定内容的行为数据;
S12:对用户行为数据做数据校验、清洗和转换处理;
S13:完成数据清洗的数据以增量明细表和/或全量统计表方式来存储,为后续用户社交关联度、用户相似度、用户亲密度计算提供准确的数据支持。
3.如权利要求1或2所述的一种基于内容社交平台的用户亲密度计算方法,其特征在于,所述用户社交数据包括用户在内容社交平台中针对与其他用户的内容数据进行关注、转发分享和评论的社交行为,这些数据将用于计算用户社交关联度。
4.如权利要求1或2所述的一种基于内容社交平台的用户亲密度计算方法,其特征在于,所述针对特定内容的行为数据包括用户对某一内容进行浏览、评论和点赞的行为数据,这部分数据将用于计算用户相似度。
5.如权利要求1所述的一种基于内容社交平台的用户亲密度计算方法,其特征在于,步骤S2包括如下子步骤:
S21:计算正向社交关联度;
S22:计算反向社交关联度;
S23:计算综合社交关联度。
8.如权利要求7所述的一种基于内容社交平台的用户亲密度计算方法,其特征在于,步骤S23具体为:通过加权来计算综合社交关联度CR(U,V):
CR(U,V)=m×FR(U,V)+n×RR(U,V),其中m+n=1,根据用户行为反馈不断进行数据调整,优化计算综合社交关联度。
9.如权利要求1所述的一种基于内容社交平台的用户亲密度计算方法,其特征在于,步骤S3包括如下子步骤:
S31:整理并计算用户内容行为偏好数据;
S32:计算用户间的兴趣相似度。
10.一种基于内容社交平台的用户亲密度计算系统,用以实现上述所述的一种基于内容社交平台的用户亲密度计算方法,其特征在于,包括采集模块、综合社交关联度计算模块、用户相似度计算模块和用户亲密度计算模块,所述采集模块用以采集用户社交数据与针对特定内容的行为数据;所述综合社交关联度计算模块用以根据采集的用户社交数据计算综合社交关联度;所述用户相似度计算模块用以根据采集到用户针对特定内容的行为数据来计算用户相似度;所述用户亲密度计算模块用以根据社交关联度与用户相似度来计算用户亲密度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310083358.4A CN116303663A (zh) | 2023-02-08 | 2023-02-08 | 一种基于内容社交平台的用户亲密度计算方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310083358.4A CN116303663A (zh) | 2023-02-08 | 2023-02-08 | 一种基于内容社交平台的用户亲密度计算方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116303663A true CN116303663A (zh) | 2023-06-23 |
Family
ID=86824774
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310083358.4A Pending CN116303663A (zh) | 2023-02-08 | 2023-02-08 | 一种基于内容社交平台的用户亲密度计算方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116303663A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116796079A (zh) * | 2023-06-30 | 2023-09-22 | 深圳市爱彼利科技有限公司 | 用于社交评价的数据处理方法和装置 |
-
2023
- 2023-02-08 CN CN202310083358.4A patent/CN116303663A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116796079A (zh) * | 2023-06-30 | 2023-09-22 | 深圳市爱彼利科技有限公司 | 用于社交评价的数据处理方法和装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9213996B2 (en) | System and method for analyzing social media trends | |
US20190197416A1 (en) | Information recommendation method, apparatus, and server based on user data in an online forum | |
US9245252B2 (en) | Method and system for determining on-line influence in social media | |
WO2016101777A1 (zh) | 用户兴趣数据分析和收集系统及其方法 | |
US20180181667A1 (en) | System and method to model recognition statistics of data objects in a business database | |
CN103714130A (zh) | 视频推荐系统及方法 | |
US20150205580A1 (en) | Method and System for Sorting Online Videos of a Search | |
CN103258025B (zh) | 生成共现关键词的方法、提供关联搜索词的方法以及系统 | |
TW201327233A (zh) | 個性化的資訊推送方法及裝置 | |
WO2015021937A1 (zh) | 用户推荐方法和装置 | |
CN104866557A (zh) | 一种基于建构学习理论的个性化即时学习支持系统与方法 | |
CN111177559A (zh) | 文旅服务推荐方法、装置、电子设备及存储介质 | |
CN106921795A (zh) | 一种联系人数据管理方法及其系统 | |
CN110825868A (zh) | 一种基于话题热度的文本推送方法、终端设备及存储介质 | |
CN114663132A (zh) | 一种基于实时用户画像的智能营销方法及装置 | |
CN112036659A (zh) | 基于组合策略的社交网络媒体信息流行度预测方法 | |
KR101780237B1 (ko) | 온라인 상에 공개된 질의응답 데이터를 기초로 한 사용자 질의에 대한 응답 방법 및 장치 | |
WO2019242453A1 (zh) | 信息处理方法及装置、存储介质、电子装置 | |
WO2017028791A1 (zh) | 一种公众号推荐方法及系统 | |
CN110019763B (zh) | 文本过滤方法、系统、设备及计算机可读存储介质 | |
CN116861063B (zh) | 一种发掘社媒热搜商业价值度的方法 | |
CN111680224A (zh) | 跨平台课程推送方法、装置、电子设备、存储介质 | |
CN116738293A (zh) | 一种业务评价处理方法、装置及电子设备 | |
CN116303663A (zh) | 一种基于内容社交平台的用户亲密度计算方法及系统 | |
CN114969525B (zh) | 音乐社交推荐方法、系统、装置及存储介质 |
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 |