CN116955833B - 一种用户行为分析系统及方法 - Google Patents
一种用户行为分析系统及方法 Download PDFInfo
- Publication number
- CN116955833B CN116955833B CN202311214636.1A CN202311214636A CN116955833B CN 116955833 B CN116955833 B CN 116955833B CN 202311214636 A CN202311214636 A CN 202311214636A CN 116955833 B CN116955833 B CN 116955833B
- Authority
- CN
- China
- Prior art keywords
- browsing
- user
- click
- historical
- generating
- 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
- 238000000034 method Methods 0.000 title claims abstract description 30
- 238000004458 analytical method Methods 0.000 title claims abstract description 27
- 238000011156 evaluation Methods 0.000 claims abstract description 64
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000010586 diagram Methods 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
-
- 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)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种用户行为分析系统及方法,属于数据处理技术领域,其系统包括用户历史行为获取单元、兴趣类别生成单元和浏览内容推荐单元;用户历史行为获取单元用于获取用户浏览网站的历史行为信息;兴趣类别生成单元用于根据历史行为信息,生成用户的浏览兴趣标签值;浏览内容推荐单元用于根据用户的浏览兴趣标签值,为用户生成推荐浏览内容。该用户行为分析系统将用户浏览网站时的历史评价信息、历史签到量、历史点击标题以及历史点击标题的历史浏览时长都作为影响推荐内容的因素,全面且充分考虑上述因素,保证生成的推荐内容更贴近用户自身。
Description
技术领域
本发明属于数据处理技术领域,具体涉及一种用户行为分析系统及方法。
背景技术
互联网规模和应用面的迅速增长逐渐产生了越来越严重的信息过载问题。过量信息同时呈现,使得用户无法轻易从中获得对自己有用的部分。现有技术中,互联网在进行相关主题内容的推荐时候,通常以整篇文章的关键词内容进行推荐,忽略用户在使用该网站时标题对应的历史浏览时长、历史签到量以及历史点击量对推荐内容的影响,因此利用现有技术生成的推荐内容往往不准确。
发明内容
本发明为了解决以上问题,提出了一种用户行为分析系统及方法。
本发明的技术方案是:一种用户行为分析系统包括用户历史行为获取单元、兴趣类别生成单元和浏览内容推荐单元;
用户历史行为获取单元用于获取用户浏览网站的历史行为信息;
兴趣类别生成单元用于根据历史行为信息,生成用户的浏览兴趣标签值;
浏览内容推荐单元用于根据用户的浏览兴趣标签值,为用户生成推荐浏览内容。
进一步地,用户的历史行为信息包括历史评价信息、历史签到量、历史点击标题以及历史点击标题的历史浏览时长。
进一步地,兴趣类别生成单元生成用户的浏览兴趣标签值包括以下步骤:
提取用户的历史评价信息中所有关键词,生成评价关键词集合,并为评价关键词集合中各个评价关键词生成评价权重;
提取用户的历史点击标题中所有关键词,生成点击关键词集合,并为点击关键词集合中各个点击关键词生成点击权重;
根据点击关键词集合各个点击关键词的点击权重以及历史点击标题的历史浏览时长,生成点击兴趣标签值;
根据点击兴趣标签值、历史签到量以及关键词集合中各个评价关键词的评价权重,生成用户的浏览兴趣标签值。
进一步地,评价关键词集合中第m个评价关键词的评价权重αm的计算公式为:
;式中,am表示第m个评价关键词的词频,M表示评价关键词个数;
点击关键词集合中第n个点击关键词的点击权重βn的计算公式为:
;式中,bn表示第n个点击关键词的词频,N表示点击关键词个数。
进一步地,点击兴趣标签值B的计算公式为:
;式中,T表示历史点击标题的历史浏览时长,βn表示第n个点击关键词的点击权重,bn表示第n个点击关键词的词频,c表示常数,N表示点击关键词个数。
进一步地,浏览兴趣标签值θ的计算公式为:
;式中,M表示评价关键词个数,αm表示评价关键词集合中第m个评价关键词的评价权重,max(·)表示最大值运算,q表示历史签到量,B表示点击兴趣标签值,e表示指数。
进一步地,浏览内容推荐单元生成推荐浏览内容包括以下步骤:
提取网站中所有标题,并为各个标题生成标题浏览阈值,生成标题浏览阈值集合;
根据标题浏览阈值集合和用户的浏览兴趣标签值,为用户生成推荐内容。
进一步地,标题浏览阈值集合的生成方法具体为:将标题中所有关键词的逆文本频率均值作为标题的标题浏览阈值,将所有标题浏览阈值从大到小排序,生成标题浏览阈值集合。
进一步地,推荐内容的生成方法具体为:将标题浏览阈值集合中满足浏览约束条件的标题浏览阈值对应的标题作为推荐内容;
其中,浏览约束条件的表达式为:
;式中,K表示标题浏览阈值集合中标题浏览阈值个数,ε表示极小值,ck表示标题浏览阈值集合中第k个标题浏览阈值,θ表示浏览兴趣标签值。
本发明的有益效果是:该用户行为分析系统将用户浏览网站时的历史评价信息、历史签到量、历史点击标题以及历史点击标题的历史浏览时长都作为影响推荐内容的因素,全面且充分考虑上述因素,保证生成的推荐内容更贴近用户自身;同时,该用户行为分析系统为网站的各个标题生成浏览阈值,便于与用户的浏览兴趣标签值进行适配,保证整个用户行为分析系统的推荐流程易实现,并提高用户浏览网站的体验感。
基于以上系统,本发明还提出一种用户行为分析方法,包括以下步骤:
获取用户浏览网站的历史行为信息;
根据历史行为信息,生成用户的浏览兴趣标签值;
根据用户的浏览兴趣标签值,为用户生成推荐浏览内容。
本发明的有益效果是:该用户行为分析方法全面考虑用户在浏览网站时产生的各种行为因素,为用户推荐更准确的内容,提高用户浏览网站的体验感。
附图说明
图1为用户行为分析系统的结构示意图;
图2为用户行为分析方法的流程图。
具体实施方式
下面结合附图对本发明的实施例作进一步的说明。
如图1所示,本发明提供了一种用户行为分析系统,包括用户历史行为获取单元、兴趣类别生成单元和浏览内容推荐单元;
用户历史行为获取单元用于获取用户浏览网站的历史行为信息;
兴趣类别生成单元用于根据历史行为信息,生成用户的浏览兴趣标签值;
浏览内容推荐单元用于根据用户的浏览兴趣标签值,为用户生成推荐浏览内容。
在本发明实施例中,用户的历史行为信息包括历史评价信息、历史签到量、历史点击标题以及历史点击标题的历史浏览时长。
在本发明实施例中,兴趣类别生成单元生成用户的浏览兴趣标签值包括以下步骤:
提取用户的历史评价信息中所有关键词,生成评价关键词集合,并为评价关键词集合中各个评价关键词生成评价权重;
提取用户的历史点击标题中所有关键词,生成点击关键词集合,并为点击关键词集合中各个点击关键词生成点击权重;
根据点击关键词集合各个点击关键词的点击权重以及历史点击标题的历史浏览时长,生成点击兴趣标签值;
根据点击兴趣标签值、历史签到量以及关键词集合中各个评价关键词的评价权重,生成用户的浏览兴趣标签值。
用户在浏览网站时可能会对所点击标题对应的浏览内容留下评价,该评价可以反映用户对该浏览内容的主观评价,能一定程度反映用户对该标题以及浏览内容的满意度,可以作为分析用户感兴趣内容的因素之一;用户在浏览网站时会根据所看到的标题来判断是否点击浏览,因此用户的历史点击标题也可以作为分析用户感兴趣内容的因素之一;用户在所点击标题的浏览时长越长,说明用户对该标题以及该标题对应的浏览内容越感兴趣,因此用户的历史浏览时长也可以作为分析用户感兴趣内容的因素之一;另外,用户在网站的历史签到量越高,表示用户越自发参与浏览该网站。综上,以上几个因素可较大程度决定和反映用户所关注的兴趣点,由此为各个用户生成浏览兴趣标签值。
在本发明实施例中,评价关键词集合中第m个评价关键词的评价权重αm的计算公式为:
;式中,am表示第m个评价关键词的词频,M表示评价关键词个数;
点击关键词集合中第n个点击关键词的点击权重βn的计算公式为:
;式中,bn表示第n个点击关键词的词频,N表示点击关键词个数。
在本发明实施例中,点击兴趣标签值B的计算公式为:
;式中,T表示历史点击标题的历史浏览时长,βn表示第n个点击关键词的点击权重,bn表示第n个点击关键词的词频,c表示常数,N表示点击关键词个数。
在本发明实施例中,浏览兴趣标签值θ的计算公式为:
;式中,M表示评价关键词个数,αm表示评价关键词集合中第m个评价关键词的评价权重,max(·)表示最大值运算,q表示历史签到量,B表示点击兴趣标签值,e表示指数,θ表示浏览兴趣标签值。
在本发明实施例中,浏览内容推荐单元生成推荐浏览内容包括以下步骤:
提取网站中所有标题,并为各个标题生成标题浏览阈值,生成标题浏览阈值集合;
根据标题浏览阈值集合和用户的浏览兴趣标签值,为用户生成推荐内容。
网站一般由若干个标题组成,用户根据标题可快速获取该标题对应浏览内容所表达的重点,由此用户可确定是否点进该标题进行浏览。本发明为各个标题生成浏览阈值,浏览阈值由标题中所有关键词逆文本频率的均值得到。满足浏览约束条件的标题浏览阈值对应的标题可以最大程度与用户适配,大概率为用户感兴趣的内容。
在本发明实施例中,标题浏览阈值集合的生成方法具体为:将标题中所有关键词的逆文本频率均值作为标题的标题浏览阈值,将所有标题浏览阈值从大到小排序,生成标题浏览阈值集合。
在本发明实施例中,推荐内容的生成方法具体为:将标题浏览阈值集合中满足浏览约束条件的标题浏览阈值对应的标题作为推荐内容;
其中,浏览约束条件的表达式为:
;式中,K表示标题浏览阈值集合中标题浏览阈值个数,ε表示极小值,ck表示标题浏览阈值集合中第k个标题浏览阈值。
基于以上系统,本发明还提出一种用户行为分析方法,如图2所示,包括以下步骤:
获取用户浏览网站的历史行为信息;
根据历史行为信息,生成用户的浏览兴趣标签值;
根据用户的浏览兴趣标签值,为用户生成推荐浏览内容。
本领域的普通技术人员将会意识到,这里所述的实施例是为了帮助读者理解本发明的原理,应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。本领域的普通技术人员可以根据本发明公开的这些技术启示做出各种不脱离本发明实质的其它各种具体变形和组合,这些变形和组合仍然在本发明的保护范围内。
Claims (7)
1.一种用户行为分析系统,其特征在于,包括用户历史行为获取单元、兴趣类别生成单元和浏览内容推荐单元;
所述用户历史行为获取单元用于获取用户浏览网站的历史行为信息;
所述兴趣类别生成单元用于根据历史行为信息,生成用户的浏览兴趣标签值;
所述浏览内容推荐单元用于根据用户的浏览兴趣标签值,为用户生成推荐浏览内容;
所述用户的历史行为信息包括历史评价信息、历史签到量、历史点击标题以及历史点击标题的历史浏览时长;
所述兴趣类别生成单元生成用户的浏览兴趣标签值包括以下步骤:
提取用户的历史评价信息中所有关键词,生成评价关键词集合,并为评价关键词集合中各个评价关键词生成评价权重;
提取用户的历史点击标题中所有关键词,生成点击关键词集合,并为点击关键词集合中各个点击关键词生成点击权重;
根据点击关键词集合各个点击关键词的点击权重以及历史点击标题的历史浏览时长,生成点击兴趣标签值;
根据点击兴趣标签值、历史签到量以及关键词集合中各个评价关键词的评价权重,生成用户的浏览兴趣标签值。
2.根据权利要求1所述的用户行为分析系统,其特征在于,所述评价关键词集合中第m个评价关键词的评价权重αm的计算公式为:
;式中,am表示第m个评价关键词的词频,M表示评价关键词个数;
所述点击关键词集合中第n个点击关键词的点击权重βn的计算公式为:
;式中,bn表示第n个点击关键词的词频,N表示点击关键词个数。
3.根据权利要求1所述的用户行为分析系统,其特征在于,点击兴趣标签值B的计算公式为:
;式中,T表示历史点击标题的历史浏览时长,βn表示第n个点击关键词的点击权重,bn表示第n个点击关键词的词频,c表示常数,N表示点击关键词个数。
4.根据权利要求1所述的用户行为分析系统,其特征在于,浏览兴趣标签值θ的计算公式为:
;式中,M表示评价关键词个数,αm表示评价关键词集合中第m个评价关键词的评价权重,max(·)表示最大值运算,q表示历史签到量,B表示点击兴趣标签值,e表示指数。
5.根据权利要求1所述的用户行为分析系统,其特征在于,所述浏览内容推荐单元生成推荐浏览内容包括以下步骤:
提取网站中所有标题,并为各个标题生成标题浏览阈值,生成标题浏览阈值集合;
根据标题浏览阈值集合和用户的浏览兴趣标签值,为用户生成推荐内容;
所述标题浏览阈值集合的生成方法具体为:将标题中所有关键词的逆文本频率均值作为标题的标题浏览阈值,将所有标题浏览阈值从大到小排序,生成标题浏览阈值集合。
6.根据权利要求5所述的用户行为分析系统,其特征在于,所述推荐内容的生成方法具体为:将标题浏览阈值集合中满足浏览约束条件的标题浏览阈值对应的标题作为推荐内容;
其中,浏览约束条件的表达式为:
;式中,K表示标题浏览阈值集合中标题浏览阈值个数,ε表示极小值,ck表示标题浏览阈值集合中第k个标题浏览阈值,θ表示浏览兴趣标签值。
7.一种用户行为分析方法,应用于如权利要求1-6任一所述的用户行为分析系统,其特征在于,包括以下步骤:
获取用户浏览网站的历史行为信息;
根据历史行为信息,生成用户的浏览兴趣标签值;
根据用户的浏览兴趣标签值,为用户生成推荐浏览内容;
所述用户行为分析方法利用用户行为分析系统,所述系统包括用户历史行为获取单元、兴趣类别生成单元和浏览内容推荐单元;
所述用户历史行为获取单元用于获取用户浏览网站的历史行为信息;
所述兴趣类别生成单元用于根据历史行为信息,生成用户的浏览兴趣标签值;
所述浏览内容推荐单元用于根据用户的浏览兴趣标签值,为用户生成推荐浏览内容;
所述用户的历史行为信息包括历史评价信息、历史签到量、历史点击标题以及历史点击标题的历史浏览时长;
所述兴趣类别生成单元生成用户的浏览兴趣标签值包括以下步骤:
提取用户的历史评价信息中所有关键词,生成评价关键词集合,并为评价关键词集合中各个评价关键词生成评价权重;
提取用户的历史点击标题中所有关键词,生成点击关键词集合,并为点击关键词集合中各个点击关键词生成点击权重;
根据点击关键词集合各个点击关键词的点击权重以及历史点击标题的历史浏览时长,生成点击兴趣标签值;
根据点击兴趣标签值、历史签到量以及关键词集合中各个评价关键词的评价权重,生成用户的浏览兴趣标签值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311214636.1A CN116955833B (zh) | 2023-09-20 | 2023-09-20 | 一种用户行为分析系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311214636.1A CN116955833B (zh) | 2023-09-20 | 2023-09-20 | 一种用户行为分析系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116955833A CN116955833A (zh) | 2023-10-27 |
CN116955833B true CN116955833B (zh) | 2023-11-28 |
Family
ID=88449637
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311214636.1A Active CN116955833B (zh) | 2023-09-20 | 2023-09-20 | 一种用户行为分析系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116955833B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117708863B (zh) * | 2024-02-05 | 2024-04-19 | 四川集鲜数智供应链科技有限公司 | 一种基于物联网的设备数据加密处理方法 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101266620A (zh) * | 2008-04-07 | 2008-09-17 | 北京大学 | 向用户提供目标信息的方法及设备 |
CN102917309A (zh) * | 2012-11-06 | 2013-02-06 | 北京奇虎科技有限公司 | 信息推送方法及服务器 |
CN109241408A (zh) * | 2018-08-14 | 2019-01-18 | 深圳开黑科技有限公司 | 基于游戏陪玩平台的用户画像处理方法、设备及系统 |
CN110020192A (zh) * | 2018-07-31 | 2019-07-16 | 北京微播视界科技有限公司 | 一种信息内容推送方法和装置、服务端设备 |
CN110334202A (zh) * | 2019-03-28 | 2019-10-15 | 平安科技(深圳)有限公司 | 基于新闻应用软件的用户兴趣标签构建方法及相关设备 |
WO2020083020A1 (zh) * | 2018-10-23 | 2020-04-30 | 腾讯科技(深圳)有限公司 | 确定用户对物品的兴趣度的方法与装置、设备和存储介质 |
CN114662015A (zh) * | 2022-02-25 | 2022-06-24 | 武汉大学 | 一种基于深度强化学习的兴趣点推荐方法及系统 |
CN115344701A (zh) * | 2021-05-12 | 2022-11-15 | 杭州天识信息科技有限公司 | 基于知识图谱的电商推荐方法 |
CN115618128A (zh) * | 2022-10-20 | 2023-01-17 | 河北大学 | 一种基于图注意力神经网络的协同过滤推荐系统及方法 |
CN115687745A (zh) * | 2021-07-29 | 2023-02-03 | 腾讯科技(深圳)有限公司 | 多媒体数据推荐方法、装置、存储介质及计算机设备 |
CN116109373A (zh) * | 2022-12-05 | 2023-05-12 | 中国工商银行股份有限公司 | 金融产品的推荐方法、装置、电子设备和介质 |
-
2023
- 2023-09-20 CN CN202311214636.1A patent/CN116955833B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101266620A (zh) * | 2008-04-07 | 2008-09-17 | 北京大学 | 向用户提供目标信息的方法及设备 |
CN102917309A (zh) * | 2012-11-06 | 2013-02-06 | 北京奇虎科技有限公司 | 信息推送方法及服务器 |
CN110020192A (zh) * | 2018-07-31 | 2019-07-16 | 北京微播视界科技有限公司 | 一种信息内容推送方法和装置、服务端设备 |
CN109241408A (zh) * | 2018-08-14 | 2019-01-18 | 深圳开黑科技有限公司 | 基于游戏陪玩平台的用户画像处理方法、设备及系统 |
WO2020083020A1 (zh) * | 2018-10-23 | 2020-04-30 | 腾讯科技(深圳)有限公司 | 确定用户对物品的兴趣度的方法与装置、设备和存储介质 |
CN110334202A (zh) * | 2019-03-28 | 2019-10-15 | 平安科技(深圳)有限公司 | 基于新闻应用软件的用户兴趣标签构建方法及相关设备 |
CN115344701A (zh) * | 2021-05-12 | 2022-11-15 | 杭州天识信息科技有限公司 | 基于知识图谱的电商推荐方法 |
CN115687745A (zh) * | 2021-07-29 | 2023-02-03 | 腾讯科技(深圳)有限公司 | 多媒体数据推荐方法、装置、存储介质及计算机设备 |
CN114662015A (zh) * | 2022-02-25 | 2022-06-24 | 武汉大学 | 一种基于深度强化学习的兴趣点推荐方法及系统 |
CN115618128A (zh) * | 2022-10-20 | 2023-01-17 | 河北大学 | 一种基于图注意力神经网络的协同过滤推荐系统及方法 |
CN116109373A (zh) * | 2022-12-05 | 2023-05-12 | 中国工商银行股份有限公司 | 金融产品的推荐方法、装置、电子设备和介质 |
Non-Patent Citations (3)
Title |
---|
A Survey of Recommendation Systems: Recommendation Models, Techniques, and Application Fields;Hyeyoung Ko 等;Electronics 2022;第11卷(第1期);1-48 * |
基于改进位置社交的近邻知识推荐算法;李月 等;计算机与数字工程;第48卷(第01期);34-38 * |
基于浏览历史的用户兴趣提取模型;张涛;软件导刊;第8卷(第06期);139-140 * |
Also Published As
Publication number | Publication date |
---|---|
CN116955833A (zh) | 2023-10-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10795939B2 (en) | Query method and apparatus | |
US10776431B2 (en) | System and method for recommending content based on search history and trending topics | |
US8990241B2 (en) | System and method for recommending queries related to trending topics based on a received query | |
US9213961B2 (en) | Systems and methods for generating social index scores for key term analysis and comparisons | |
US8707160B2 (en) | System and method for inferring user interest based on analysis of user-generated metadata | |
US9576251B2 (en) | Method and system for processing web activity data | |
US7580926B2 (en) | Method and apparatus for representing text using search engine, document collection, and hierarchal taxonomy | |
US8171015B2 (en) | Optimizing, distributing, and tracking online content | |
WO2016000555A1 (zh) | 基于社交网络的内容、新闻推荐方法和系统 | |
CN111177538B (zh) | 一种基于无监督权值计算的用户兴趣标签构建方法 | |
US20110119209A1 (en) | Method and system for developing a classification tool | |
CN103399891A (zh) | 网络内容自动推荐方法、装置和系统 | |
CN103838756A (zh) | 一种确定推送信息的方法及装置 | |
TW201327233A (zh) | 個性化的資訊推送方法及裝置 | |
WO2014169776A1 (en) | Cluster method and apparatus based on user interest | |
JP2011222004A (ja) | 情報ストリーム中の興味深いコンテンツを推奨するためのシステムおよび方法 | |
EP2438539A1 (en) | Co-selected image classification | |
CN116955833B (zh) | 一种用户行为分析系统及方法 | |
CN107193883B (zh) | 一种数据处理方法和系统 | |
CN106126605B (zh) | 一种基于用户画像的短文本分类方法 | |
CN106462644B (zh) | 标识来自多个结果页面标识的优选结果页面 | |
TWI417751B (zh) | Information providing device, information providing method, information application program, and information recording medium | |
CN112579729A (zh) | 文档质量评价模型的训练方法、装置、电子设备和介质 | |
US20120005021A1 (en) | Selecting advertisements using user search history segmentation | |
CN110245357B (zh) | 主实体识别方法和装置 |
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 |