KR102402918B1 - 추천 방법, 장치, 저장 매체 및 단말 기기 - Google Patents

추천 방법, 장치, 저장 매체 및 단말 기기 Download PDF

Info

Publication number
KR102402918B1
KR102402918B1 KR1020207019637A KR20207019637A KR102402918B1 KR 102402918 B1 KR102402918 B1 KR 102402918B1 KR 1020207019637 A KR1020207019637 A KR 1020207019637A KR 20207019637 A KR20207019637 A KR 20207019637A KR 102402918 B1 KR102402918 B1 KR 102402918B1
Authority
KR
South Korea
Prior art keywords
influence factor
influence
degree
value
factor
Prior art date
Application number
KR1020207019637A
Other languages
English (en)
Other versions
KR20200098586A (ko
Inventor
동펭 우
카이 선
Original Assignee
베이징 바이두 넷컴 사이언스 앤 테크놀로지 코., 엘티디.
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 베이징 바이두 넷컴 사이언스 앤 테크놀로지 코., 엘티디. filed Critical 베이징 바이두 넷컴 사이언스 앤 테크놀로지 코., 엘티디.
Publication of KR20200098586A publication Critical patent/KR20200098586A/ko
Application granted granted Critical
Publication of KR102402918B1 publication Critical patent/KR102402918B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/10—Office automation; Time management
    • G06Q10/109—Time management, e.g. calendars, reminders, meetings or time accounting
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/02—Reservations, e.g. for tickets, services or events
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06313—Resource planning in a project environment

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Data Mining & Analysis (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Educational Administration (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Biomedical Technology (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

본 출원은 추천 방법, 장치, 저장 매체 및 단말 기기를 제공하며, 여기서, 상기 방법은, 후보 대상의 영향 인자의 가중치와 변화량을 확정하는 것; 상기 영향 인자의 기대치와 실제치를 획득하는 것; 상기 영향 인자의 기대치, 실제치, 변화량 및 가중치에 기반하여, 상기 영향 인자가 상기 후보 대상에 대한 영향 정도를 계산하는 것; 및 상기 영향 인자의 영향 정도와 가중치에 기반하여, 상기 후보 대상의 추천 정도를 계산하는 것, 을 포함한다. 본 출원에 이용하면, 추천의 정확도와 효율을 향상시킬수 있다.

Description

추천 방법, 장치, 저장 매체 및 단말 기기
본 출원은 2018년 8월 28일자로 중국지식재산권국에 제출된 출원번호가 201810988166.7이고 발명 명칭이 "추천 방법, 장치, 저장 매체 및 단말 기기"인 중국특허출원의 우선권을 주장하며, 그 전체 내용은 참조로서 본원에 포함된다.
본 발명은 컴퓨터 기술 분야에 관한 것으로서, 특히 추천 방법, 장치, 저장 매체 및 단말 기기에 관한 것이다.
AI(Artificial Intelligence, 인공 지능)기술의 심층화 발전과 더불어, 인공 지능 기술은 실제의 생활 정경에 빈번히 응용되고 있다. 예를 들어, 회의실 예약 시스템에서 사용자를 위해 회의실을 예약할수 있다. 그런데, 기업 사용자는 회의실에 대한 수요량이 크기에, 사용자가 원하는 회의실이 없거나 또는 이미 예약되였을 경우가 있을수 있다. 이때, 유사한 회의실을 제공하면 일정한 정도에서 사용자의 예상에 부합될수 있게 할수 있다.
회의실의 선별에 관하여, 현재는 다음과 같은 방안이 있다. 즉:
1. 논리적 판단을 통하여, 후보 대상을 선별한다. 예를 들어, 사용자의 요구에 기반하여, 회의실의 결과 선택항으로부터 회의실을 선별해낸다. 사용자가 오늘 오후3시의 회의실을 예약하기를 희망하고, 시스템에 "오늘 오후 3시"라는 선별조건을 입력하였는데, 선별결과가 없을수 있다. 그러면 다음, 사용자가 재차 시스템에 "오늘 오후"라는 선별조건을 입력한다. 이때, 시스템은 오후3시반, 4시 및 4시반의 회의실을 포함한 오늘 오후의 회의실을 검색해낸다. 그러면 시스템은 해당 결과를 사용자에서 추천하여 선택하게 할수 있다.
2. 신경망 알고리즘을 통하여, 후보 대상을 선별한다. 예를 들어, 사용자가 기대하는 회의실과 시스템이 선별해낸 회의실로 샘플 데이터를 조성하고, 양자가 서로 부합되는 정도를 표기한다. 표기된 샘플 데이터를 이용하여 신경망 모델을 구성한다. 해당 모델을 이용하여 회의실을 선별할 시, 선별해낸 회의실과 사용자가 기대하는 회의실의 서로 부합되는 정도를 자동적으로 판단할수 있다.
하지만, 상기 방안은 여전히 다음과 같은 부족점이 존재한다. 즉:
1. 방안1은 조건을 이용하여 논리적 판단을 진행하기에, 작업량이 크다. 또한, 사용자가 시스템이 제공한 선별 결과에 기반하여 진일보 판단할 필요가 있을수 있기에, 사용자 체험감이 떨어진다.
2. 방안2는 대량의 샘플 데이터를 채집하여 트레이닝할 필요가 있기에, 사전 작업 코스트가 너무 높다. 그리고, 신경망 알고리즘은 불확실성이 크고, 적응력도 차하여, 대량의 샘플 데이터로 트레이닝을 거쳤다 하더라도, 모델을 사용시에 획득한 추천 결과가 정확하지 않을 가능성도 있다. 때문에, 신경망 알고리즘을 이용하여 추천하는것은 정확성이 높지 않다.
본 발명의 실시예는 추천 방법, 장치, 저장 매체 및 단말 기기를 제공하여, 적어도 종래 기술중의 하나 혹은 복수의 기술 문제를 해결하도록 한다.
제1 측면에 있어서, 본 발명의 실시예는 추천 방법을 제공하는 바, 해당 방법은, 후보 대상의 영향 인자의 가중치와 변화량을 확정하는 것; 상기 영향 인자의 기대치와 실제치를 획득하는 것; 상기 영향 인자의 기대치, 실제치, 변화량 및 가중치에 기반하여, 상기 영향 인자가 상기 후보 대상에 대한 영향 정도를 계산하는 것; 및 상기 영향 인자의 영향 정도와 가중치에 기반하여, 상기 후보 대상의 추천 정도를 계산하는 것, 을 포함한다.
제1측면에 결합하여, 제1측면의 1번째 실시 방식에 있어서, 상기 영향 인자의 유형은 수치 유형이고, 상기 변화량은 상한 변화량과 하한 변화량을 포함하며, 그리고 상기 영향 인자의 기대치, 실제치, 변화량 및 가중치에 기반하여, 상기 영향 인자가 상기 후보 대상에 대한 영향 정도를 계산하는 것은, 상기 영향 인자의 기대치와 상기 하한 변화량의 차이값을 계산하여, 상기 영향 인자의 하한치를 획득하는 것; 상기 영향 인자의 기대치와 상기 상한 변화량의 차이값을 계산하여, 상기 영향 인자의 상한치를 획득하는 것; 상기 영향 인자의 실제치가 상기 하한치와 상기 상한치 사이에 있는것을 확정하는 것; 및 상기 영향 인자의 기대치, 실제치, 상한 변화량, 하한 변화량 및 가중치에 기반하여, 상기 영향 인자가 상기 후보 대상에 대한 영향 정도를 계산하는 것, 을 포함한다.
제1측면의 1번째 실시 방식에 결합하여, 제1측면의 2번째 실시 방식에 있어서, 상기 영향 인자의 기대치, 실제치, 상한 변화량, 하한 변화량 및 가중치에 기반하여, 상기 영향 인자가 상기 후보 대상에 대한 영향 정도를 계산하는 것은,
계산식1과 계산식2를 이용하여, 상기 영향 인자가 상기 후보 대상에 대한 영향 정도를 계산하는 것을 포함하고, t > s 이면,
Figure 112020070438020-pct00001
(계산식1); t < s 이면,
Figure 112020070438020-pct00002
(계산식2), 여기서, t는 상기 영향 인자의 실제치이고, s는 상기 영향 인자의 기대치이고, sl는 상기 영향 인자가 상기 후보 대상에 대한 영향 정도이고, div는 상기 영향 인자의 실제치와 기대치의 차이값의 절대치이고, up는 상기 영향 인자의 상한 변화량이고, down은 상기 영향 인자의 하한 변화량이고, q는 상기 영향 인자의 가중치이다.
제1측면의 1번째 실시 방식에 결합하여, 제1측면의 3번째 실시 방식에 있어서, 상기 방법은 상기 영향 인자의 실제치가 상기 하한치와 상기 상한치밖에 있는것을 확정하고, 상기 영향 인자가 상기 후보 대상에 대한 영향 정도를 0이라고 확정하는 것을 더 포함한다.
제1측면에 결합하여, 제1측면의 4번째 실시 방식에 있어서, 상기 영향 인자의 영향 정도와 가중치에 기반하여, 상기 후보 대상의 추천 정도를 계산하는 것은, 상기 영향 인자의 영향 정도의 총계와 가중치의 총계의 비율을 계산하여, 상기 후보 대상의 추천 정도를 획득하는 것을 포함한다.
제1측면에 결합하여, 제1측면의 5번째 실시 방식에 있어서, 상기 영향 인자의 유형은 비수치 유형이고, 그리고 상기 영향 인자의 기대치, 실제치, 변화량 및 가중치에 기반하여, 상기 영향 인자가 상기 후보 대상에 대한 영향 정도를 계산하는 것은, 상기 영향 인자의 기대치와 실제치를 상기 영향 인자의 기대 조건과 실제 조건으로 확정하고, 상기 영향 인자의 기대 조건과 실제 조건이 동일한지 여부를 확정하는 것; 상기 영향 인자의 기대 조건과 실제 조건이 동일하다고 확정한 경우, 상기 영향 인자가 상기 후보 대상에 대한 영향 정도를 100%이라고 확정하는 것; 및 상기 영향 인자의 기대 조건과 실제 조건이 부동하다고 확정한 경우, 상기 영향 인자가 상기 후보 대상에 대한 영향 정도를 0이라고 확정하는 것, 을 포함한다.
제1측면 또는 그 임의의 한 실시 방식에 결합하여, 제1측면의 6번째 실시 방식에 있어서, 상기 방법은 또한, 복수의 후보 대상을 획득하고, 상기 복수의 후보 대상의 추천 정도 크기에 따라, 상기 복수의 후보 대상에 대해 순서 배열을 진행하여, 순서 배열 결과를 획득하는 것; 및 상기 순서 배열 결과를 사용자 단말에 송신하는 것, 을 포함한다.
제2 측면에 있어서, 본 출원의 실시예는 추천 장치를 제공하며, 해당 장치는, 후보 대상의 영향 인자의 가중치와 변화량을 확정하기 위한 확정 모듈; 상기 영향 인자의 기대치와 실제치를 획득하기 위한 획득 모듈; 상기 영향 인자의 기대치, 실제치, 변화량과 가중치에 기반하여, 상기 영향 인자가 상기 후보 대상에 대한 영향 정도를 계산하기 위한 제1계산 모듈; 및 상기 영향 인자의 영향 정도와 가중치에 기반하여, 상기 후보 대상의 추천 정도를 계산하기 위한 제2계산 모듈, 을 포함한다.
제2측면에 결합하여, 제2측면의 1번째 실시 방식에 있어서, 상기 영향 인자의 유형은 수치 유형이고, 상기 변화량은 상한 변화량과 하한 변화량을 포함하며, 그리고 상기 제1 계산 모듈은, 상기 영향 인자의 기대치와 상기 하한 변화량의 차이값을 계산하여, 상기 영향 인자의 하한치를 획득하기 위한 하한 계산 유닛; 상기 영향 인자의 기대치와 상기 상한 변화량의 차이값을 계산하여, 상기 영향 인자의 상한치를 획득하기 위한 상한 계산 유닛; 상기 영향 인자의 실제치가 상기 하한치와 상기 상한치사이에 있는것을 확정하기 위한 제1 확정 유닛; 및 상기 영향 인자의 기대치, 실제치, 상한 변화량, 하한 변화량 및 가중치에 기반하여, 상기 영향 인자가 상기 후보 대상에 대한 영향 정도를 계산하기 위한 제1 계산 유닛, 을 포함한다.
제2측면의 1번째 실시 방식에 결합하여, 제2측면의 2번째 실시 방식에 있어서, 상기 제1 계산 유닛은 또한, 계산식1과 계산식2를 이용하여, 상기 영향 인자가 상기 후보 대상에 대한 영향 정도를 계산하는데 이용되며, t > s 이면,
Figure 112020070438020-pct00003
(계산식1), t < s 이면,
Figure 112020070438020-pct00004
(계산식2), 여기서, t는 상기 영향 인자의 실제치이고, s는 상기 영향 인자의 기대치이고, sl는 상기 영향 인자가 상기 후보 대상에 대한 영향 정도이고, div는 상기 영향 인자의 실제치와 기대치의 차이값의 절대치이고, up는 상기 영향 인자의 상한 변화량이고, down은 상기 영향 인자의 하한 변화량이고, q는 상기 영향 인자의 가중치이다.
제2측면의 1번째 실시 방식에 결합하여, 제2측면의 3번째 실시 방식에 있어서, 상기 제1 계산 모듈은, 상기 영향 인자의 실제치가 상기 하한치와 상기 상한치밖에 있는것을 확정하고, 상기 영향 인자가 상기 후보 대상에 대한 영향 정도를 0이라고 확정하기 위한 제2계산 유닛을 더 포함한다.
제2측면에 결합하여, 제2측면의 4번째 실시 방식에 있어서, 상기 제2 계산 모듈은 또한, 상기 영향 인자의 영향 정도의 총계와 가중치의 총계의 비율을 계산하여, 상기 후보 대상의 추천 정도를 획득하는데 이용된다.
제2측면에 결합하여, 제2측면의 5번째 실시 방식에 있어서, 상기 영향 인자의 유형은 비수치 유형이고, 그리고 상기 제1 계산 모듈은, 상기 영향 인자의 기대치와 실제치를 상기 영향 인자의 기대 조건과 실제 조건으로 확정하고, 상기 영향 인자의 기대 조건과 실제 조건이 동일한지 여부를 확정하기 위한 획득 유닛; 상기 영향 인자의 기대 조건과 실제 조건이 동일하다고 확정한 경우, 상기 영향 인자가 상기 후보 대상에 대한 영향 정도를 100%이라고 확정하기 위한 제2 확정 유닛; 및 상기 영향 인자의 기대 조건과 실제 조건이 부동하다고 확정한 경우, 상기 영향 인자가 상기 후보 대상에 대한 영향 정도를 0이라고 확정하기 위한 제3 확정 유닛, 을 포함한다.
제2측면 또는 그 임의의 한 실시 방식에 결합하여, 제2측면의 6번째 실시 방식에 있어서, 상기 장치는, 복수의 후보 대상을 획득하고, 상기 복수의 후보 대상의 추천 정도 크기에 따라, 상기 복수의 후보 대상에 대해 순서 배열을 진행하여, 순서 배열 결과를 획득하기 위한 순서 배열 모듈; 및 상기 순서 배열 결과를 사용자 단말에 송신하기 위한 결과 송신 모듈, 을 더 포함한다.
상기 장치의 기능은 하드웨어를 통하여 구현될 수도 있고, 하드웨어가 상응한 소프트웨어를 실행하는것을 통하여 구현될 수도 있다. 상기 하드웨어 또는 소프트웨어는 하나 또는 복수의 상기 기능에 대응되는 모듈을 포함할수 있다.
일 가능한 설계에 있어서, 추천 구조중에는 프로세서 및 메모리를 포함할수 있으며, 상기 메모리는 추천 장치가 상기 추천 프로그램을 실행하기 위한 것이며, 상기 프로세서는 상기 메모리에 저장된 프로그램을 실행하도록 구성될수 있다. 상기 추천 장치는 추천 장치가 기타 장치 또는 통신 네트워크와 통신을 진행하기 위한 통신 인터페이스를 더 포함할수 있다
제3측면에 있어서, 본 출원의 실시예는 컴퓨터 판독 가능한 저장 매체를 제공하며, 해당 매체는 추천 장치에 사용되는 컴퓨터 소프트웨어 명령에 이용되며, 그 중에는 상기 추천 방법에 관한 프로그램을 실행하는 명령을 포함한다.
상기 기술방안은 다음과 같은 장점과 유익한 효과를 갖다줄수 있다. 즉:
본 출원의 실시예는 후보 대상의 추천 과정에서 영향 인자 및 영향 인자의 가중치와 변화량의 크기를 확정하고, 영향 인자의 동적인 배치와 후보 대상의 개성화된 추천을 구현할수 있으며, 보편성이 강하다. 후보 대상의 추천 정도의 계산 과정에서, 기대 조건을 이용하여 논리적 판단을 하지 않고 순서대로 후보 대상을 선택하므로, 작업량이 적고, 사용자 체험감이 우수하다.
상기 요약은 단지 명세서를 위한 목적이며, 어떠한 방식으로 제한하는것을 의미하는것이 아니다. 상기 기술된 예시적 측면, 실시 방식과 특징 외, 도면과 아래의 상세한 설명을 통하여, 본 발명의 진일보의 측면, 실시 방식과 특징은 더욱 명료해질 것이다.
도면 중에서, 별도로 규정된 것 외, 복수의 도면을 통해 표시된 동일한 도면 부호는 동일하거나 유사한 부품 또는 요소를 표시한다. 이러한 도면은 반드시 비례에 따라 그려진 것이 아니다. 이러한 도면은 단지 본 발명에 기반하여 공개된 일부 실시 방식만 도시하고 있으며, 이를 본 발명의 범위를 제한하는 것으로 간주해서는 안된다.
도1은 본 출원에서 제공한 추천 방법의 일 실시예의 흐름도이다.
도2는 본 출원에서 제공한 영향 인자의 일 실시예의 모식도이다.
도3은 본 출원에서 제공한 영향 인자가 후보 대상에 대한 영향 정도의 계산 과정을 나타내는 일 실시예의 흐름도이다.
도4는 본 출원에서 제공한 유사도 모델의 일 실시예의 흐름도이다.
도5는 본 출원에서 제공한 수치 유형의 영향 인자의 경우 영향 정도의 계산 파라미터 관계의 일 실시예의 모식도이다.
도6은 본 출원에서 제공한 비수치 유형의 영향 인자의 경우 영향 정도의 계산 파라미터 관계의 일 실시예의 흐름도이다.
도7은 본 출원에서 제공한 추천 장치의 일 실시예의 구조 모식도이다.
도8은 본 출원에서 제공한 단말 기기의 일 실시예의 구조 모식도이다.
이하에서는 단지 어떠한 예시적 실시예를 설명하고자 한다. 해당분야 기술자들에게 숙지된 바와 같이, 본 발명의 정신과 범위를 초과하지 않는 경우, 여러 가지 부동한 방식을 통하여 이하에서 설명된 실시예를 수정할 수 있다. 그러므로, 도면과 설명은 본질적으로는 예시적이고 비제한적인 것으로 간주한다.
도1을 참조하여, 본 출원의 실시예는 단말 기기에 활용할수 있는 추천 방법을 제공한다. 단말 기기는 컴퓨터, 마이컴, 핸드폰, 태블릿 등을 포함할수 있다. 단말 기기는 추천 시스템을 작동하여, 본 실시예의 방법을 구현하도록 한다. 본 실시예는 단계S100 내지 단계S400를 포함할수 있다. 구체적으로는 다음과 같다.
단계S100, 후보 대상의 영향 인자의 가중치 및 변화량을 확정한다.
본 실시예에 있어서, 영향 인자는 후보 대상의 추천 정도를 결정하는 요소이며, 후보 대상과 사용자 기대 사이의 유사 정도에 영향을 준다. 회의실을 예약하는것을 예로 들면, 영향 인자는 회의 시작 시간 또는 예약 시간, 회의실 용량, 프로젝터 수량(또는 프로젝터가 있는지 여부) 등을 포함할수 있다. 회의 시작 시간이 비교적 중요하다면, 회의 시작 시간의 가중치를 60으로 확정할수 있다. 사용자가 기대하는 회의 시작 시간은 상하로 15분내의 파동을 허용한다면, 해당 영향 인자의 변화량은 상한 변화량 및 하한 변화량을 포함하고, 모두 15분이다.
일반적으로, 도2를 참조하면, 영향 인자는 다음과 같은 몇가지 속성을 포함할수 있다. 즉:
(1) 명칭: 영향 인자의 아이디. 예를 들어: 시간 영향 인자, 용량 영향 인자;
(2) 유형: 영향 인자의 유형. 예를 들어: 차이값(수치) 영향 인자(두 시간사이의 간격, 두 길이 사이의 차이값 등이 속하는 유형), 매칭 영향 인자(두 문자열의 매칭 정도, 두 집합중의 요소의 동일한 정도 등의 유형 );
(3) 가중치: 영향 인자가 후보 대상의 추천 정도에 대한 영향의 크기를 나타낸다. 가중치가 클수록, 영향 인자가 후보 대상의 추천 정도에 대한 영향이 더 크다;
(4) 하한 변화량: 영향 인자가 기준(표준치 또는 기대치)이하에서의 최소 변화량;
(5) 상한 변화량: 해당 영향 인자가 기준 이상에서의 최대 변화량.
예시적으로, 회의실을 예약하는 정경하에서, 사용자가 6인용 회의실을 예약하기를 희망한다면, 단계S100을 통하여 용량 영향 인자를 회의실을 추천하는 영향 인자로 확정할수 있다. 만약 상한 변화량 및 하한 변화량이 각각 2 및 1이라면, 회의실 시스템중 용량이 5인(기준-하한 변화량) 및 7인(기준+상한 변화량) 사이의 회의실을, 회의실을 추천하는 후보 대상으로 정할수 있다.
단계S200, 상기 영향 인자의 기대치와 실제치를 획득한다.
본 실시예에 있어서, 추천 과정에서, 부동한 후보 대상의 동일한 영향 인자의 기대치는 일반적으로 동일하다. 사용자는 사용자 단말을 통하여 영향 인자의 기대치를 입력할수 있다. 그런데, 부동한 후보 대상의 동일한 영향 인자의 실제치는 동일할수도 있고 부동할수도 있다. 예를 들어, 영향 인자가 회의 시작 시간인 경우를 예로 들면, 사용자가 기대하는 회의 시작 시간은 오전 10시이고, 추천 시스템은, 회의실A의 회의 시작 시간(회의실이 비여있는 시간)은 오전 9시이고; 회의실B의 회의 시작 시간은 오전 11시이고; 회의실C의 회의 시작 시간은 오전 10시반이다. 추천 과정에서, 회의 시작 시간이라는 영향 인자를 살펴보면, 기대치는 오전10시이며, 회의실A의 실제치는 오전 9시이고, 회의실B의 실제치는 오전 11시이고, 회의실C의 실제치는 오전 10시반이다.
단계S300, 영향 인자의 기대치, 실제치, 변화량 및 가중치에 기반하여, 영향 인자가 후보 대상에 대한 영향 정도를 계산한다. 본 실시예에 있어서, 영향 인자의 기대치와 실제치사이의 유사 정도와 가중치값의 승적을, 영향 인자가 후보 대상에 대한 영향 정도로 한다. 예를 들어, 회의 시작 시간의 기대치는 오전 10시이고, 회의실A의 회의 시작 시간의 실제치는 오전 9시이면, 두 수치의 유사 정도는 a이라는것을 획득하고, 가중치가 10이면, 회의 시작 시간이 회의실A에 대한 영향 정도는 10과 a의 승적이다.
단계S400, 영향 인자의 영향 정도와 가중치에 기반하여, 후보 대상의 추천 정도를 계산한다.
본 출원의 실시예는 후보 대상의 추천 방법의 실행 과정에서 영향 인자 및 영향 인자의 가중치와 변화량의 크기를 조정할수 있으며, 영향 인자의 동적인 배치를 구현할수 있으며, 후보 대상의 개성화된 추천을 실현할수 있어, 보편성이 강하다. 후보 대상의 추천 과정에서, 기대 조건을 이용하여 논리적인 판단을 하지 않고 후보 대상을 선택하므로, 작업량이 작고, 효율이 높다.
일 가능한 구현 방식에 있어서, 도3에서 도시한 바와 같이, 영향 인자가 수치 유형이면, 상기 단계S300의 영향 인자가 후보 대상에 대한 영향 정도의 계산 과정은 다음과 같은 단계S310 내지 단계S340을 포함할수 있다. 즉:
단계S310: 영향 인자의 기대치와 하한 변화량의 차이값을 계산하고, 영향 인자의 하한치를 획득한다;
단계S320: 영향 인자의 기대치와 상한 변화량의 차이값을 계산하고, 영향 인자의 상한치를 획득한다;
단계S330: 영향 인자의 실제치가 하한치와 상한치사이에 있는것을 확정한다;
단계S340: 영향 인자의 기대치, 실제치, 상한 변화량, 하한 변화량 및 가중치에 기반하여, 영향 인자가 후보 대상에 대한 영향 정도를 계산한다.
일 가능한 구현 방식에 있어서, 도3에서 도시한 바와 같이, 다음과 같은 단계S350을 더 포함한다. 즉: 영향 인자의 실제치가 하한치와 상한치밖에 있는 것을 확정하고, 영향 인자가 후보 대상에 대한 영향 정도를 0이라고 확정한다.
예시적으로, 회의 시작 시간이라는 영향 인자를 예로 들면, 회의 시작 시간의 기대는 15:00이고, 하한 변화량이 15분이고, 상한 변화량이 30분이면, 하한치는 14:45이고 상한치는 15:30이다. 회의실A의 회의 시작 시간의 실제치는 15:15이면, 단계S340을 통하여 회의 시작 시간이 회의실A에 대한 영향 정도를 계산한다. 회의실A의 회의 시작 시간의 실제치가 16:00이면, 회의 시작 시간의 상, 하한치 범위를 초과하기에, 회의 시작 시간이 회의실A에 대한 영향 정도는 0, 급감 또는 부정적인 영향 등이다.
본 실시예에서, 영향 인자가 수치이면, 먼저 영향 인자의 기대치와 실제치의 유사 정도를 계산하고, 다시 가중치와 곱하기 계산하여, 영향 인자가 후보 대상에 대한 영향 정도를 획득한다.
도4에서 도시한 유사도 모델과 같이, 기대 대상A(영향 인자의 기대를 대표함)와 후보 대상B(후보 대상B의 영향 인자의 실제치를 대표함)가 존재한다면, 양자의 데이터를 유사도 인터페이스에 입력하고, 두 대상의 유사도를 계산한다. 마지막에 후보 대상B의 추천 정도를 계산하여 획득한다. 유사도 인터페이스의 계산은 수치 대상 유사도, 문자 대상 유사도, 집합 대상 유사도 및 일반 대상 유사도 등을 포함할수 있다.
그리고, 영향 인자는 수치 영향 인자와 매칭 영향 인자를 포함할수 있다. 여기서, 매칭 영향 인자는 비수치 유형의 영향 인자라고도 칭한다. 그러므로, 영향 인자가 후보 대상에 대한 영향 정도의 계산 방법은 수치 유사도 계산 방법과 매칭 유사도 계산 방법을 포함할수 있다. 여기서, 수치 유사도 계산 방법은 수치 영향 인자의 기대치와 실제치의 유사 정도를 계산하기 위한 것이고; 매칭 유사도 계산 방법은 영향 인자의 기대와 실제 정황의 부합 정도를 계산하기 위한 것이다. 예를 들어, 전술한 문자 대상 유사도, 집합 대상 유사도 및 일반 대상 유사도가 있다.
도5를 참조하면, t는 영향 인자의 실제치이며, s는 영향 인자의 기대치이며, div는 영향 인자의 실제치와 기대치의 차이값의 절대치이며, up는 영향 인자의 상한 변화량이며, down은 영향 인자의 하한 변화량이다. 영향 인자의 실제치가 상한치와 하한치사이의 범위내에 있다면, 계산식a 및 계산식b를 이용하여, 영향 인자의 기대치와 실제치의 유사 정도simila를 계산한다. 즉:
t > s 이면,
Figure 112020070438020-pct00005
계산식a;
t < s 이면,
Figure 112020070438020-pct00006
계산식b.
그리고, 영향 인자의 실제치가 상한치와 하한치사이의 범위내에 있지 않는다면, 영향 인자의 기대치와 실제치의 유사 정도simila는 0이다.
예시적으로, 영향 인자가 회의 시작 시간인 경우를 예로 들면, 사용자가 기대하는 회의 시작 시간이 오후 3시이면, 회의실A의 회의 시작 시간(회의실이 비여있는 시간)은 오후 3시5분인 것을 검색해내고, 시간을 수치로 간주할수 있다. 계산식 a에 기반하여, 3시와 3시 5분의 유사 정도는 1-5/15=66.67%이다. 회의 시작 시간의 가중치가 60이면, 회의 시작 시간이 후보 대상 회의실A에 대한 영향 정도는 60*66.67%＝40이다.
본 실시예에서, 상기의 계산식 a와 계산식 b을 각각 가중치와 곱하기 계산을 하여 다음의 계산식1과 계산식2를 얻을수 있다. 즉 영향 인자가 후보 대상에 대한 영향 정도이다. 그러면, 상기 단계S340은 다음 것을 포함할수 있다.
계산식1과 계산식2를 이용하여, 영향 인자가 후보 대상에 대한 영향 정도를 계산한다. 즉:
t > s 이면,
Figure 112020070438020-pct00007
계산식1;
t < s 이면,
Figure 112020070438020-pct00008
계산식2.
여기서, sl는 영향 인자가 후보 대상에 대한 영향 정도이고, q는 영향 인자의 가중치이다.
일 가능한 구현 방식에 있어서, 상기 단계S400은 영향 인자의 영향 정도의 총계와 가중치의 총계의 비율을 계산하여, 후보 대상의 추천 정도를 획득한다.
예시적으로, 회의실A의 영향 인자는 회의 시작 시간, 회의실 용량와 프로젝터가 있는지 여부를 포함하고, 각 영향 인자가 회의실A에 대한 영향 정도는 각각 40, 15와 20이고, 각 영향 인자의 가중치는 각각 60, 20, 20이면, 회의실A의 추천 정도는 （40+15+20）/（60+20+20）=75%이다.
일 가능한 구현 방식에 있어서, 영향 인자의 유형이 비수치 유형이면, 영향 인자가 후보 대상에 대한 영향 정도를 계산하는 과정은, 도6에서 도시한 바와 같이, 단계S510 내지 단계S530을 포함할수 있다. 즉:
단계S510: 상기 영향 인자의 기대치와 실제치를 상기 영향 인자의 기대 조건과 실제 조건으로 확정하고, 상기 영향 인자의 기대 조건과 실제 조건이 동일한지 여부를 확정한다;
단계S520: 상기 영향 인자의 기대 조건과 실제 조건이 동일하다고 확정한 경우, 상기 영향 인자가 상기 후보 대상에 대한 영향 정도를 100%이라고 확정한다; 및
단계S530: 상기 영향 인자의 기대 조건과 실제 조건이 부동하다고 확정한 경우, 상기 영향 인자가 상기 후보 대상에 대한 영향 정도를 0이라고 확정한다.
예시적으로, 영향 인자가 회의실에 프로젝터가 존재하는 여부이고, 사용자는 회의실에 프로젝터가 존재하는것을 기대하는데, 회의실A에는 프로젝터가 없을수 있다. 이때, 영향 인자의 기대 조건과 회의실A의 실제 정황이 부동하고, 회의실에 프로젝터가 존재하는 여부가 회의실A에 대한 영향 정도는 0이다. 회의실A에 프로젝터가 존재한다면, 이때, 영향 인자의 기대 조건과 실제 정황은 동일하고, 영향 인자가 후보 대상에 대한 영향 정도는 100%이다.
일 가능한 구현 방식에 있어서, 복수의 후보 대상이 있다면, 상기 실시예를 통하여 복수의 후보 대상의 추천 정도를 계산해낸 후, 획득한 추천 결과를 사용자 단말에 보낼수 있다. 예를 들어, 복수의 후보 대상의 추천 정도의 크기에 따라, 복수의 후보 대상에 대해 순서 배열을 진행한다; 다음, 순서 배열 결과를 사용자 단말에 송신한다. 또 예를 들면, 추천 정도가 추천 역치를 만족하는 후보 대상을 추천 결과로 선택할수 있다.
본 실시예의 장점은 다음과 같다. 즉:
1. 보편성이 강하다. 영향 인자를 확정한 후, 개성화된 추천 모델을 정의할수 있다;
2. 확장 가능성이 양호하다. 영향 인자를 확정하는 과정에서, 영향 인자를 증가 또는 삭제할수 있으며, 영향인자의 수치를 동적으로 배치할수 있다;
3. 다단식 추천을 구현할수 있다. 추천 모델을 누적하여, 복잡한 후보 대상과 기대 대상사이의 유사도를 획득할수 있다.
본 실시예의 방법은 회의실, 호텔 객방 또는 항공편 등을 예약하는 실제의 정경에 응용될수 있다. 예를 들어, 사용자는 음성 또는 문자를 통한 방식으로 기대하는 회의실을 사용자 단말에 입력하고, 사용자 단말중의 회의실 추천 시스템(소프트웨어)은 본 실시예의 방법에 기반하여 해당 기대를 만족하는 회의실 추천 결과를 추천할수 있다. 회의실을 추천하는 정확도 및 효율을 유효적으로 향상시킬수 있다. 이하에서는 표1 내지 표5와 결합하여, 회의실을 예약하는 응용 정경을 예로 들어, 회의실의 추천 과정에 대해 상세히 설명하기로 한다.
1. 회의실 추천 시스템이 회의실을 추천하는 영향 인자 및 관련 속성을 확정한다.
정의한 영향 인자는 표1에 나타난 바와 같다.
명칭 유형 가중치 하한 변화량 상한 변화량
회의 시작 시간 수치 영향 인자 60 15 15
회의실 용량 수치 영향 인자 20 2 4
프로젝터가 있는 여부 매칭 영향 인자 20 없음 없음
여기서, 프로젝터 영향 인자는 매칭 영향 인자에 속한다. 회의실에 프로젝터가 있으면, 유사도는 100%이고; 회의실에 프로젝터가 없으면, 유사도는 0이다. 그러므로, 프로젝터 영향 인자는 하한 변화량과 상한 변화량이 존재하지 않는다.
2. 사용자의 기대 조건을 획득하여, 표준치 (기대치)로 변환한다.
사용자가 기대하는 회의실은 오후 3시에 6인을 수용할수 있고 프로젝터가 있는 회의실인 경우, 상응한 영향 인자의 기대치로 변환하면, 다음과 같다. 즉:
회의 시작 시간의 기대치는 15:00이고;
회의실 용량의 기대치는 6인 이고;
프로젝터가 존재하는 여부에 대한 기대는 있음 이다.
3. 추천 대기 회의실의 각 영향 인자의 실제 인자를 획득하고, 각 영향 인자의 유사도 값을 각각 계산하여, 최종적으로 추천 대기 회의실과 사용자가 기대하는 회의실의 유사도를 계산한다.
추천 대기 회의실이 3개 존재하고, 기본 정황은 표2에 나타난 바와 같다.
회의실 명칭 회의 시작 시간 회의실 용량 프로젝터가 있는 여부
A 15:00 5 없음
B 14:55 7 있음
C 15:10 6 없음
상기 추천 방법에 따라, 선택 대기 회의실의 3개 영향 인자의 영향 정도를 각각 계산하고, 더 나아가 3개의 회의실과 사용자가 기대하는 회의실의 유사도 백분비(추천 정도)를 계산해낸다.
여기서, 회의실A의 정황은 표3에 나타난 바와 같다.
속성 기대치 실제치 하한치 상한치 가중치 영향 정도
회의 시작 시간 15:00 15:00 14:45 15:15 60 60
회의실 용량 6 5 4 10 20 10
프로젝터가 있는 여부 있음 없음 － － 20 0
여기서, 표중의 하한치는 기대치와 하한 변화량의 차이값이고, 상한치는 기대치와 상한 변화량의 차이값이다.
표3의 데이터에 기반하여, 회의실A과 기대하는 회의실의 유사도 백분비는 （60+10+0）/（60+20+20）=70% 이라는것을 계산해 낼수 있다.
회의실 B와 C의 정황은 표4 및 표5에 나타난 바와 같다.
속성 기대치 실제치 하한치 상한치 가중치 영향 정도
회의 시작 시간 15:00 14:55 14:45 15:15 60 40
회의실 용량 6 7 4 10 20 15
프로젝터가 있는 여부 있음 있음 － － 20 20
속성 기대치 실제치 하한치 상한치 가중치 영향 정도
회의 시작 시간 15:00 15:10 14:45 15:15 60 20
회의실 용량 6 6 4 10 20 20
프로젝터가 있는 여부 있음 없음 － － 20 0
상기 회의실A의 유사도 백분비를 계산하는 계산 원리에 따라, 표4 및 표5의 데이터에 기반하여, 회의실B, 회의실C의 기대하는 회의실과의 유사도 백분비를 각각 계산하면, 각각75%, 40% 이다.
그러므로, 유사도 백분비의 크기에 따라, 추천하는 회의실을 순서는 B>A>C 이다. 해당 순서 배열 결과를 사용자 단말에 피드백할수 있으며, 사용자는 이들중에서 회의실을 선택할수 있다.
본 실시예는 사용자의 요구를 보다 잘 만족시킬수 있으며, 영향 인자 및 그의 영향 치의 크기를 조정할수 있고, 종합적이고 전면적인 추천 결과를 제공할수 있다.
도7을 참조하면, 본 출원의 실시예는 추천 장치를 제공하는 바, 해당 장치는,
후보 대상의 영향 인자의 가중치와 변화량을 확정하기 위한 확정 모듈(100); 상기 영향 인자의 기대치와 실제치를 획득하기 위한 획득 모듈(200); 상기 영향 인자의 기대치, 실제치, 변화량과 가중치에 기반하여, 상기 영향 인자가 상기 후보 대상에 대한 영향 정도를 계산하기 위한 제1계산 모듈(300); 및 상기 영향 인자의 영향 정도와 가중치에 기반하여, 상기 후보 대상의 추천 정도를 계산하기 위한 제2계산 모듈(400)을 포함한다.
일 가능한 구현 방식에 있어서, 상기 영향 인자의 유형은 수치 유형이고, 상기 변화량은 상한 변화량과 하한 변화량을 포함하고, 상기 제1계산 모듈(300)은, 상기 영향 인자의 기대치와 상기 하한 변화량의 차이값을 계산하여, 상기 영향 인자의 하한치를 획득하기 위한 하한 계산 유닛; 상기 영향 인자의 기대치와 상기 상한 변화량의 차이값을 계산하여, 상기 영향 인자의 상한치를 획득하기 위한 상한 계산 유닛; 상기 영향 인자의 실제치가 상기 하한치와 상기 상한치사이에 있는지를 확정하기 위한 제1 확정 유닛; 및 상기 영향 인자의 기대치, 실제치, 상한 변화량, 하한 변화량 및 가중치에 기반하여, 상기 영향 인자가 상기 후보 대상에 대한 영향 정도를 계산하기 위한 제1 계산 유닛을 포함한다.
일 가능한 구현 방식에 있어서, 상기 제1계산 유닛은 또한 계산식 1 및 계산식 2를 이용하여, 상기 영향 인자가 상기 후보 대상에 대한 영향 정도를 계산하는데 이용된다. 구체적으로: t > s 이면,
Figure 112020070438020-pct00009
계산식1; t < s 이면,
Figure 112020070438020-pct00010
계산식2, 여기서, t는 상기 영향 인자의 실제치이고, s는 상기 영향 인자의 기대치이고, sl는 상기 영향 인자가 상기 후보 대상에 대한 영향 정도이고, div는 상기 영향 인자의 실제치와 기대치의 차이값의 절대치이고, up는 상기 영향 인자의 상한 변화량이고, down은 상기 영향 인자의 하한 변화량이고, q는 상기 영향 인자의 가중치이다.
일 가능한 구현 방식에 있어서, 상기 제1 계산 모듈(300)은 상기 영향 인자의 실제치가 상기 하한치와 상기 상한치밖에 있는것을 확정하고, 상기 영향 인자가 상기 후보 대상에 대한 영향 정도를 0이라고 확정하기 위한 제2계산 유닛을 더 포함할수 있다.
일 가능한 구현 방식에 있어서, 제2계산 모듈은 또한 상기 영향 인자의 영향 정도의 총계와 가중치의 총계의 비율을 계산하여, 상기 후보 대상의 추천 정도를 획득하는데 이용될수 있다.
일 가능한 구현 방식에 있어서, 상기 영향 인자의 유형은 비수치 유형이고, 상기 제1계산 모듈은 상기 영향 인자의 기대치와 실제치를 상기 영향 인자의 기대 조건과 실제 조건으로 확정하고, 상기 영향 인자의 기대 조건과 실제 조건이 동일한지 여부를 확정하기 위한 획득유닛; 상기 영향 인자의 기대 조건과 실제 조건이 동일하다고 확정한 경우, 상기 영향 인자가 상기 후보 대상에 대한 영향 정도가 100%라고 확정하기 위한 제2 확정 유닛; 및 상기 영향 인자의 기대 조건과 실제 조건이 부동하다고 확정한 경우, 상기 영향 인자가 상기 후보 대상에 대한 영향 정도가 0이라고 확정하기 위한 제3확정 유닛을 포함할수 있다.
일 가능한 구현 방식에 있어서, 상기 장치는, 복수의 후보 대상을 획득하고, 상기 복수의 후보 대상의 추천 정도 크기에 따라, 상기 복수의 후보 대상에 대해 순서 배열을 진행하여 순서 배열 결과를 획득하기 위한 순서 배열 모듈; 및 상기 순서 배열 결과를 사용자 단말에 송신하기 위한 결과 송신 모듈을 더 포함할수 있다.
상기 장치의 기능은 하드웨어를 통하여 구현할수도 있고, 하드웨어가 상응한 소프트웨어를 실행하는것을 통하여 구현할수도 있다. 상기 하드웨어 또는 소프트웨어는 하나 또는 복수의 상기 기능에 대응되는 모듈을 포함할수 있다.
일 가능한 설계에 있어서, 추천 구조중에는 프로세서 및 메모리를 포함할수 있으며, 상기 메모리는 추천 장치가 상기 제1측면중의 추천 프로그램을 실행하기 위한 것이며, 상기 프로세서는 상기 메모리에 저장된 프로그램을 실행하도록 구성될수 있다. 상기 추천 장치는 추천 장치가 기타 장치 또는 통신 네트워크와 통신을 진행하기 위한 통신 인터페이스를 더 포함할수 있다.
본 발명의 실시예는 또한 추천 단말 기기를 제공한다. 도8에서 도시한 바와 같이, 해당 장치는 메모리(21)와 프로세서(22)를 구비하며, 메모리(21) 내에는 프로세서(22) 에서 실행될 수 있는 컴퓨터 프로그램이 저장되어 있다. 프로세서(22)가 컴퓨터 프로그램을 실행할 시, 상기 실시예 중의 추천 방법을 구현할수 있다. 메모리(21)와 프로세서(22)의 수량은 하나 또는 복수일 수 있다.
해당 장치는, 프로세서(22)가 외부 장치와 통신을 진행하기 위한 통신 인터페이스(23)를 더 구비한다.
메모리(21)은 고속 RAM 메모리를 포함할 수 있고, 또한 비휘발성 메모리(non-volatile memory)를 포함할 수 있는 바, 예를 들면 적어도 하나의 자기 디스크 메모리를 포함할 수도 있다.
메모리(21), 프로세서(22)와 통신 인터페이스(23)가 독립적으로 구현될 경우, 메모리(21), 프로세서(22)와 통신 인터페이스(23)은 버스를 통하여 상호 연결되고 또한 상호 사이의 통신을 완성할 수 있다. 버스는 업계 표준 구조(ISA, Industry Standard Architecture) 버스, 주변 장치 상호 연결(PCI, Peripheral Component Interconnect) 버스 또는 확장 업계 표준 구조(EISA, Extended Industry Standard Architecture) 버스 등일 수 있다. 버스는 주소 버스, 데이터 버스, 제어 버스 등으로 구분될 수 있다. 표시의 편리를 위하여, 도8에서는 하나의 굵은 선으로 표시하였지만, 단지 한 갈래의 버스 또는 한 유형의 버스만 있다는 것을 뜻하는 것이 아니다.
선택적으로, 구체적인 구현에 있어서, 메모리(21), 프로세서(22)와 통신 인터페이스(23)이 하나의 칩에 집적될 경우, 메모리(21), 프로세서(22)와 통신 인터페이스(23)은 내부 인터페이스를 통하여 상호 사이의 통신을 완성할 수 있다.
본 발명에 대한 설명 중에 있어서, 참조 용어 "하나의 실시예", "일부 실시예", "예시", "구체적인 예시" 또는 "일부 예시" 등 설명은 해당 실시예 또는 예시를 참조하여 설명한 구체적인 특징, 구조, 재료 또는 특징이 본 발명의 적어도 하나의 실시예 또는 예시에 포함된다는 것을 뜻한다. 그리고, 설명된 구체적인 특징, 구조, 재료 또는 특점은 어느 하나 또는 복수 실시예 또는 예시 중에서 적합한 방식으로 결합될 수 있다. 그리고 상호 모순되지 않는 상황 하에서, 해당 분야 기술자들은 본 명세서에 기재된 서로 다른 실시예 또는 예시 및 서로 다른 실시예 또는 예시의 특징을 결합 또는 조합할 수 있다.
그리고, 용어 "제1", "제2"는 단지 설명의 편리를 위한 것이고, 상대적인 중요성을 암시하거나 또는 지시한 기술 특징의 수량을 암시하는 것이 아니다. 그러므로, "제1", "제2"로 한정된 특징은 명시적 또는 암시적으로 적어도 하나의 해당 특징을 포함할수 있다. 본 발명에 대한 설명에 있어서, 명확하게 구체적인 한정이 없는 한, "복수"는 두 개 또는 두 개 이상을 의미한다.
흐름도 중 또는 여기에서 기타 방식으로 설명된 어떠한 과정 또는 방법에 대한 설명은, 특정 논리 기능 또는 과정을 구현하는 하나 또는 더욱 많은 단계를 포함하는 실행가능한 명령 코드의 모듈, 프래그먼트 또는 부분으로 이해될 수 있으며, 또한 본 발명의 바람직한 실시 방식의 범위에는 기타 구현 방식이 포함되는 바, 이는 예시 또는 논의된 순서대로 진행하지 않을 수 있으며, 언급된 기능에 기반하여 기본 동시적인 방식 또는 반대되는 순서에 따라 기능을 실행하는 것이 포함되며, 이는 본 발명의 실시예가 속하는 기술분야의 기술자들이 이해하여야 하는 부분이다.
흐름도에 표시되거나 또는 여기에서 기타 방식으로 기술된 논리 및/또는 단계는, 예를 들면 논리 기능을 구현하기 위한 실행가능한 명령의 순차 리스트라 간주될 수 있으며, 구체적으로 임의의 컴퓨터 판독 가능한 매체에서 구현되어, 명령 실행 시스템, 장치 또는 설비(예를 들면 컴퓨터를 기반으로 하는 시스템, 프로세서를 포함하는 시스템 또는 기타 명령 실행 시스템, 장치 또는 설비로부터 명령을 취하고 명령을 실행하는 시스템)가 사용하도록 하거나, 또는 이러한 명령 실행 시스템, 장치 또는 설비를 결합하여 사용하도록 할 수 있다. 본 명세서로 말하면, "컴퓨터 판독 가능한 매체"는 프로그램을 포함, 저장, 통신, 전파 또는 전송하여, 명령 실행 시스템, 장치 또는 설비가 사용하도록 하거나, 또는 이러한 명령 실행 시스템, 장치 또는 설비를 결합하여 사용하도록 하는 장치일 수 있다.
본 출원의 실시예에서의 컴퓨터 판독 가능한 매체는 컴퓨터 판독 가능한 신호 매체, 컴퓨터 판독 가능한 저장 매체 또는 상기 양자의 임의의 조합일수 있다. 컴퓨터 판독 가능한 매체의 더욱 구체적인 예시(비무한대 리스트)에는, 하나 또는 복수의 배선을 구비하는 전기적 연결부(전자 장치), 휴대식 컴퓨터 디스크 박스(자기 장치), 랜덤 액세스 메모리(RAM), 읽기전용 메모리(ROM), 소거가능 프로그래머블 읽기전용 메모리(EPROM 또는 플래시 메모리), 광섬유 장치 및 휴대식 시디롬(CDROM)이 포함될 수 있다. 그리고, 컴퓨터 판독 가능한 매체는 심지어 그 위에 상기 프로그램을 프린트한 종이 또는 기타 적합한 매체일 수 있는 바, 왜냐하면 예를 들면 종이 도는 기타 매체에 대하여 광학 스캔을 진행하고, 이어 편집, 해석을 진행하거나 또는 필요 시에는 기타 적합한 방식으로 처리하여 전자 방식으로 상기 프로그램을 획득하고, 다음에 이를 컴퓨터 메모리중에 저장할 수 있기 때문이다.
본 출원의 실시예에 있어서, 컴퓨터 판독 가능한 신호 매체는 기저 대역중에서 또는 반송파 일부분으로서 전파되는 데이터 신호를 포함할수 있으며, 그 중에는 컴퓨터 판독 가능한 프로그램 코드를 적재하고 있다. 이렇게 전파되는 데이터 신호는 여러가지 형식을 채용할수 있으며, 전자기 신호, 광신호 또는 상기 임의의 적합한 조합을 포함할수 있지만, 이에 한정되는것은 아니다. 컴퓨터 판독 가능한 신호 매체는 또한 컴퓨터 판독 가능한 저장 매체이외의 임의의 컴퓨터 판독 가능한 매체일수 있으며, 해당 컴퓨터 판독 가능한 매체는 명령 실행 시스템, 입력기 또는 기기 사용 혹은 그와 결합하여 사용되는 프로그램을 송신, 전파 또는 전송할수 있다. 컴퓨터 판독 가능한 매체에 포함된 프로그램 코드는 임의의 적당한 매체를 이용하여 전송될수 있으며, 무선, 전선, 광 케이블, 고주파수(Radio Frequency，RF)등을 포함할수 있지만 이에 한정되는것은 아니고, 상기의 임의의 적합한 조합일수 있다.
본 발명의 각 부분은 하드웨어, 소프트웨어, 펌웨어 또는 이들의 조합으로 구현될 수 있음을 이해하여야 할 것이다. 상기 실시 방식에 있어서, 복수의 단계 또는 방법은 메모리에 저장되고 또한 적합한 명령 실행 시스템에 의하여 실행되는 소프트웨어 또는 펌웨어에 통하여 구현될 수 있다. 예를 들면, 하드웨어를 통하여 구현된다면, 다른 실시 방식에서와 같이, 해당분야에서 공지된 하기 기술중의 임의의 한 항 또는 이들의 조합으로 구현될 수 있는 바, 즉 디지털 신호에 대하여 논리 기능을 구현하는 논리 게이트 회로를 구비하는 이산 논리 회로, 적합한 조합 논리 게이트 회로를 구비한 전용 집적 회로, 프로그램 가능한 게이트 어레이(PGA), 필드 프로그램 가능한 게이트 어레이(FPGA) 등이다.
해당분야 기술자들은 상기 실시 방식의 방법에 포함된 전부 또는 일부 단계는 프로그램을 통하여 관련 하드웨어를 명령하여 구현할 수 있고, 상기 프로그램은 일종의 컴퓨터 판독 가능한 저장 매체에 저장될 수 있고, 해당 프로그램이 실행될 때, 방법 실시예의 단계중의 하나 또는 이들의 조합이 포함됨을 이해하여야 할 것이다.
그리고, 본 발명의 각 실시예중의 각 기능 유닛은 하나의 프로세스 모듈 중에 집적될 수도 있고, 또한 각 유닛의 독립적인 물리적 존재일 수 있으며, 또는 두개 또는 두개 이상의 유닛이 하나의 모듈에 집적되어 있을 수도 있다. 상기 집적된 모듈은 하드웨어 형식으로 구현될 수도 있고, 소프트웨어 기능 모듈의 형식으로 구현될 수도 있을 것이다. 상기 집적된 모듈은 소프트웨어 기능 모듈의 형식으로 구현되어 독립적인 제품으로 판매 또는 사용될 때, 컴퓨터 판독 가능한 저장 매체에 저장될 수 있다. 상기 저장 매체는 읽기전용 메모리, 자기 디스크 또는 광 디스크 등일 수 있다.
이상의 기재는 본 발명의 구체적인 실시방식 일뿐, 본 발명의 보호범위는 이에 한정되지 않으며, 해당분야 기술자들은 본 발명이 개시하는 기술 범위 내에서 쉽게 여러 가지 변화와 교체를 생각해낼 수 있으며, 이들은 모두 본 발명의 보호범위에 속하여야 한다. 그러므로, 본 발명의 보호 범위는 특허청구범위의 보호 범위를 기준으로 하여야 할 것이다.

Claims (16)

  1. 추천 방법에 있어서,
    후보 대상의 영향 인자의 가중치와 변화량을 확정하는 것;
    상기 영향 인자의 기대치와 실제치를 획득하는 것;
    상기 영향 인자의 기대치, 실제치, 변화량 및 가중치에 기반하여, 상기 영향 인자가 상기 후보 대상에 대한 영향 정도를 계산하는 것; 및
    상기 영향 인자의 영향 정도와 가중치에 기반하여, 상기 후보 대상의 추천 정도를 계산하는 것,
    을 포함하는 것을 특징으로 하는 추천 방법.
  2. 제1항에 있어서,
    상기 영향 인자의 유형은 수치 유형이고, 상기 변화량은 상한 변화량과 하한 변화량을 포함하며,
    상기 영향 인자의 기대치, 실제치, 변화량 및 가중치에 기반하여, 상기 영향 인자가 상기 후보 대상에 대한 영향 정도를 계산하는 것은,
    상기 영향 인자의 기대치와 상기 하한 변화량의 차이값을 계산하여, 상기 영향 인자의 하한치를 획득하는 것;
    상기 영향 인자의 기대치와 상기 상한 변화량의 차이값을 계산하여, 상기 영향 인자의 상한치를 획득하는 것;
    상기 영향 인자의 실제치가 상기 하한치와 상기 상한치사이에 있는것을 확정하는것; 및
    상기 영향 인자의 기대치, 실제치, 상한 변화량, 하한 변화량 및 가중치에 기반하여, 상기 영향 인자가 상기 후보 대상에 대한 영향 정도를 계산하는 것, 을 포함하는 것
    을 특징으로 하는 추천 방법.
  3. 제2항에 있어서,
    상기 영향 인자의 기대치, 실제치, 상한 변화량, 하한 변화량 및 가중치에 기반하여, 상기 영향 인자가 상기 후보 대상에 대한 영향 정도를 계산하는 것은,
    계산식1과 계산식2를 이용하여, 상기 영향 인자가 상기 후보 대상에 대한 영향 정도를 계산하는 것을 포함하고,
    t > s 이면,
    Figure 112020070438020-pct00011
    계산식1,
    t < s 이면,
    Figure 112020070438020-pct00012
    계산식2,
    여기서, t는 상기 영향 인자의 실제치이고, s는 상기 영향 인자의 기대치이고, sl는 상기 영향 인자가 상기 후보 대상에 대한 영향 정도이고, div는 상기 영향 인자의 실제치와 기대치의 차이값의 절대치이고, up는 상기 영향 인자의 상한 변화량이고, down은 상기 영향 인자의 하한 변화량이고, q는 상기 영향 인자의 가중치인 것
    을 특징으로 하는 추천 방법.
  4. 제2항에 있어서,
    상기 방법은 상기 영향 인자의 실제치가 상기 하한치와 상기 상한치밖에 있는것을 확정하고, 상기 영향 인자가 상기 후보 대상에 대한 영향 정도를 0이라고 확정하는것을 더 포함하는 것
    을 특징으로 하는 추천 방법.
  5. 제1항에 있어서,
    상기 영향 인자의 영향 정도와 가중치에 기반하여, 상기 후보 대상의 추천 정도를 계산하는 것은,
    상기 영향 인자의 영향 정도의 총계와 가중치의 총계의 비율을 계산하여, 상기 후보 대상의 추천 정도를 획득하는 것을 포함하는 것,
    을 특징으로 하는 추천 방법.
  6. 제1항에 있어서,
    상기 영향 인자의 유형은 비수치 유형이고,
    상기 영향 인자의 기대치, 실제치, 변화량 및 가중치에 기반하여, 상기 영향 인자가 상기 후보 대상에 대한 영향 정도를 계산하는 것은,
    상기 영향 인자의 기대치와 실제치를 상기 영향 인자의 기대 조건과 실제 조건으로 확정하고, 상기 영향 인자의 기대 조건과 실제 조건이 동일한지 여부를 확정하는 것;
    상기 영향 인자의 기대 조건과 실제 조건이 동일하다고 확정한 경우, 상기 영향 인자가 상기 후보 대상에 대한 영향 정도를 100%이라고 확정하는 것; 및
    상기 영향 인자의 기대 조건과 실제 조건이 부동하다고 확정한 경우, 상기 영향 인자가 상기 후보 대상에 대한 영향 정도를 0이라고 확정하는 것, 을 포함하는 것
    을 특징으로 하는 추천 방법.
  7. 제1항에 있어서,
    상기 방법은 또한,
    복수의 후보 대상을 획득하고, 상기 복수의 후보 대상의 추천 정도 크기에 따라, 상기 복수의 후보 대상에 대해 순서 배열을 진행하여, 순서 배열 결과를 획득하는 것; 및
    상기 순서 배열 결과를 사용자 단말에 송신하는 것, 을 포함하는 것
    을 특징으로 하는 추천 방법.
  8. 추천 장치에 있어서,
    후보 대상의 영향 인자의 가중치와 변화량을 확정하기 위한 확정 모듈;
    상기 영향 인자의 기대치와 실제치를 획득하기 위한 획득 모듈;
    상기 영향 인자의 기대치, 실제치, 변화량과 가중치에 기반하여, 상기 영향 인자가 상기 후보 대상에 대한 영향 정도를 계산하기 위한 제1계산 모듈; 및
    상기 영향 인자의 영향 정도와 가중치에 기반하여, 상기 후보 대상의 추천 정도를 계산하기 위한 제2계산 모듈,
    을 포함하는 것을 특징으로 하는 추천 장치.
  9. 제8항에 있어서,
    상기 영향 인자의 유형은 수치 유형이고, 상기 변화량은 상한 변화량과 하한 변화량을 포함하며,
    상기 제1 계산 모듈은,
    상기 영향 인자의 기대치와 상기 하한 변화량의 차이값을 계산하여, 상기 영향 인자의 하한치를 획득하기 위한 하한 계산 유닛;
    상기 영향 인자의 기대치와 상기 상한 변화량의 차이값을 계산하여, 상기 영향 인자의 상한치를 획득하기 위한 상한 계산 유닛;
    상기 영향 인자의 실제치가 상기 하한치와 상기 상한치사이에 있는것을 확정하기 위한 제1 확정 유닛; 및
    상기 영향 인자의 기대치, 실제치, 상한 변화량, 하한 변화량 및 가중치에 기반하여, 상기 영향 인자가 상기 후보 대상에 대한 영향 정도를 계산하기 위한 제1 계산 유닛, 을 포함하는 것
    을 특징으로 하는 추천 장치.
  10. 제9항에 있어서,
    상기 제1 계산 유닛은 또한, 계산식1과 계산식2를 이용하여, 상기 영향 인자가 상기 후보 대상에 대한 영향 정도를 계산하는데 이용되며,
    t > s 이면,
    Figure 112020070438020-pct00013
    계산식1,
    t < s 이면,
    Figure 112020070438020-pct00014
    계산식2,
    여기서, t는 상기 영향 인자의 실제치이고, s는 상기 영향 인자의 기대치이고, sl는 상기 영향 인자가 상기 후보 대상에 대한 영향 정도이고, div는 상기 영향 인자의 실제치와 기대치의 차이값의 절대치이고, up는 상기 영향 인자의 상한 변화량이고, down은 상기 영향 인자의 하한 변화량이고, q는 상기 영향 인자의 가중치인 것
    을 특징으로 하는 추천 장치.
  11. 제9항에 있어서,
    상기 제1 계산 모듈은,
    상기 영향 인자의 실제치가 상기 하한치와 상기 상한치밖에 있는것을 확정하고, 상기 영향 인자가 상기 후보 대상에 대한 영향 정도를 0이라고 확정하기 위한 제2계산 유닛을 더 포함하는 것
    을 특징으로 하는 추천 장치.
  12. 제8항에 있어서,
    상기 제2 계산 모듈은 또한,
    상기 영향 인자의 영향 정도의 총계와 가중치의 총계의 비율을 계산하여, 상기 후보 대상의 추천 정도를 획득하는데 이용되는것
    을 특징으로 하는 추천 장치.
  13. 제8항에 있어서,
    상기 영향 인자의 유형은 비수치 유형이고,
    상기 제1 계산 모듈은,
    상기 영향 인자의 기대치와 실제치를 상기 영향 인자의 기대 조건과 실제 조건으로 확정하고, 상기 영향 인자의 기대 조건과 실제 조건이 동일한지 여부를 확정하기 위한 획득 유닛;
    상기 영향 인자의 기대 조건과 실제 조건이 동일하다고 확정한 경우, 상기 영향 인자가 상기 후보 대상에 대한 영향 정도를 100%이라고 확정하기 위한 제2 확정 유닛; 및
    상기 영향 인자의 기대 조건과 실제 조건이 부동하다고 확정한 경우, 상기 영향 인자가 상기 후보 대상에 대한 영향 정도를 0이라고 확정하기 위한 제3 확정 유닛, 을 포함하는 것
    을 특징으로 하는 추천 장치.
  14. 제8항 내지 제13항 중의 어느 한 항 에 있어서,
    상기 장치는,
    복수의 후보 대상을 획득하고, 상기 복수의 후보 대상의 추천 정도 크기에 따라, 상기 복수의 후보 대상에 대해 순서 배열을 진행하여, 순서 배열 결과를 획득하기 위한 순서 배열 모듈; 및
    상기 순서 배열 결과를 사용자 단말에 송신하기 위한 결과 송신 모듈, 을 더 포함하는것
    을 특징으로 하는 추천 장치.
  15. 추천을 구현하는 단말 기기에 있어서,
    상기 단말 기기는,
    하나 또는 복수의 프로세서; 및
    하나 또는 복수의 프로그램을 저장하기 위한 저장 장치를 포함하며,
    상기 하나 또는 복수의 프로세서가 상기 하나 또는 복수의 프로그램을 실행할 시, 상기 하나 또는 복수의 프로세서로 하여금 청구항1 내지 청구항7중의 어느 한 항에 기재된 추천 방법을 구현하는 것
    을 특징으로 하는 단말 기기.
  16. 컴퓨터 프로그램을 저장하는 컴퓨터 판독 가능한 저장 매체에 있어서,
    프로세서가 상기 프로그램을 실행할 시, 청구항1 내지 청구항7중의 어느 한 항에 기재된 추천 방법을 구현하는 것
    을 특징으로 하는 저장 매체.
KR1020207019637A 2018-08-28 2019-07-11 추천 방법, 장치, 저장 매체 및 단말 기기 KR102402918B1 (ko)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
CN201810988166.7 2018-08-28
CN201810988166.7A CN109165742A (zh) 2018-08-28 2018-08-28 推荐方法、装置、存储介质和终端设备
PCT/CN2019/095560 WO2020042776A1 (zh) 2018-08-28 2019-07-11 推荐方法、装置、存储介质和终端设备

Publications (2)

Publication Number Publication Date
KR20200098586A KR20200098586A (ko) 2020-08-20
KR102402918B1 true KR102402918B1 (ko) 2022-05-30

Family

ID=64893100

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020207019637A KR102402918B1 (ko) 2018-08-28 2019-07-11 추천 방법, 장치, 저장 매체 및 단말 기기

Country Status (6)

Country Link
US (1) US20210365776A1 (ko)
EP (1) EP3678067A4 (ko)
JP (1) JP7150228B2 (ko)
KR (1) KR102402918B1 (ko)
CN (1) CN109165742A (ko)
WO (1) WO2020042776A1 (ko)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109165742A (zh) * 2018-08-28 2019-01-08 北京百度网讯科技有限公司 推荐方法、装置、存储介质和终端设备
CN113379436A (zh) * 2020-03-09 2021-09-10 阿里巴巴集团控股有限公司 信息处理方法、装置、计算设备及介质
CN113807550B (zh) * 2021-03-01 2023-11-07 北京京东振世信息技术有限公司 一种会议室预定方法、系统、装置及其存储介质
CN114219282A (zh) * 2021-12-14 2022-03-22 深圳七能科技有限公司 一种空气调节方法、装置、设备及存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2016004511A (ja) 2014-06-19 2016-01-12 株式会社イトーキ 会議室予約システム
JP2017091293A (ja) 2015-11-12 2017-05-25 アズビル株式会社 予約システム
JP2017167636A (ja) 2016-03-14 2017-09-21 株式会社リコー 会議室予約装置、会議室予約方法、及びプログラム
JP2018121212A (ja) 2017-01-25 2018-08-02 京セラドキュメントソリューションズ株式会社 予約管理装置及び予約システム

Family Cites Families (27)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006243950A (ja) * 2005-03-01 2006-09-14 Canon System Solutions Inc 情報処理装置及びその制御方法、プログラム
US8065175B1 (en) * 2007-01-30 2011-11-22 Intuit Inc. System and method for relational scheduling of people and/or resources
JP5277619B2 (ja) * 2007-11-26 2013-08-28 富士通株式会社 情報処理装置及び訪問スケジュール調整システム
CN102523247B (zh) * 2011-11-24 2014-09-24 合肥工业大学 一种基于多属性匹配的云服务推荐方法及装置
JP5676062B2 (ja) * 2012-10-31 2015-02-25 三菱電機株式会社 カーレンタル支援装置
CN104636339B (zh) * 2013-11-06 2018-11-16 华为技术有限公司 一种会议室预定的方法和装置
US20170351978A1 (en) * 2013-11-06 2017-12-07 Swift Travel Services, Llc Dynamic recommendation platform with artificial intelligence
WO2015081212A1 (en) * 2013-11-27 2015-06-04 Er Express, Llc Emergency-room reservation system and method
JP2015176221A (ja) * 2014-03-13 2015-10-05 カシオ計算機株式会社 登山情報検索装置、登山情報検索方法、およびプログラム
US20160239765A1 (en) * 2015-02-17 2016-08-18 Amadeus S.A.S. Personalized ranking for search results of a travel-related database query
CN104967679B (zh) * 2015-06-09 2017-07-21 深圳市腾讯计算机系统有限公司 信息推荐系统、方法及装置
KR101760181B1 (ko) * 2015-07-17 2017-07-31 김지은 비딩을 이용한 호텔 예약 방법
JP2017078985A (ja) * 2015-10-21 2017-04-27 株式会社Ｆａｓコンサルティング Ｍ＆ａ候補表示方法及びｍ＆ａ候補表示装置並びにスコアリング方法及びスコアリング装置
US20170141967A1 (en) * 2015-11-16 2017-05-18 International Business Machines Corporation Resource forecasting for enterprise applications
CN106940703B (zh) * 2016-01-04 2020-09-11 腾讯科技（北京）有限公司 推送信息粗选排序方法及装置
CN105677881B (zh) * 2016-01-12 2020-07-03 腾讯科技（深圳）有限公司 一种信息推荐方法、装置及服务器
CN105678587B (zh) * 2016-01-12 2020-11-24 腾讯科技（深圳）有限公司 一种推荐特征确定方法、信息推荐方法及装置
CN105761106A (zh) * 2016-02-07 2016-07-13 徐璇炫 一种基于用户设置进行对象排序的方法和装置
WO2018018201A1 (zh) * 2016-07-24 2018-02-01 严映军 一种酒店推荐时的信息展示方法以及订房系统
JP2018063469A (ja) * 2016-10-11 2018-04-19 オムロン株式会社 マッチングシステム、マッチング方法及びプログラム
CN106503822A (zh) * 2016-10-27 2017-03-15 深圳市家创易科技有限公司 一种智能预约匹配方法及系统
CN108268559A (zh) * 2017-01-04 2018-07-10 阿里巴巴集团控股有限公司 基于票务搜索的信息提供方法和装置
CN107368907A (zh) * 2017-07-25 2017-11-21 携程计算机技术（上海）有限公司 酒店信息展示方法及装置、电子设备、存储介质
CN108334539B (zh) * 2017-12-15 2021-10-15 努比亚技术有限公司 对象推荐方法、移动终端及计算机可读存储介质
CN108055334A (zh) * 2017-12-21 2018-05-18 武汉虹信技术服务有限责任公司 一种智能化会议室管理系统及方法
US20190311416A1 (en) * 2018-04-10 2019-10-10 International Business Machines Corporation Trend identification and modification recommendations based on influencer media content analysis
CN109165742A (zh) * 2018-08-28 2019-01-08 北京百度网讯科技有限公司 推荐方法、装置、存储介质和终端设备

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2016004511A (ja) 2014-06-19 2016-01-12 株式会社イトーキ 会議室予約システム
JP2017091293A (ja) 2015-11-12 2017-05-25 アズビル株式会社 予約システム
JP2017167636A (ja) 2016-03-14 2017-09-21 株式会社リコー 会議室予約装置、会議室予約方法、及びプログラム
JP2018121212A (ja) 2017-01-25 2018-08-02 京セラドキュメントソリューションズ株式会社 予約管理装置及び予約システム

Also Published As

Publication number Publication date
JP2021508116A (ja) 2021-02-25
KR20200098586A (ko) 2020-08-20
JP7150228B2 (ja) 2022-10-11
WO2020042776A1 (zh) 2020-03-05
EP3678067A1 (en) 2020-07-08
EP3678067A4 (en) 2021-04-28
US20210365776A1 (en) 2021-11-25
CN109165742A (zh) 2019-01-08

Similar Documents

Publication Publication Date Title
KR102402918B1 (ko) 추천 방법, 장치, 저장 매체 및 단말 기기
US10983902B2 (en) Collaborative computer aided test plan generation
CN108898351A (zh) 配送方选择方法、系统、介质和计算设备
CN103701704B (zh) 基于优先级的插入删除访问控制列表的方法
CN109815261A (zh) 全局搜索功能实现及数据实时同步方法、装置及电子设备
CN110830604B (zh) Dns调度方法、装置
CN108288179A (zh) 一种用户偏好房源计算方法和系统
CN111340323B (zh) 一种投诉服务请求自动派单方法及系统
CN110826123A (zh) 一种bim构件资源系统及bim构件调用方法
CN107301209A (zh) 一种自动命名文件夹的方法、存储设备及移动终端
CN113342759B (zh) 内容共享方法、装置、设备以及存储介质
CN107844593B (zh) 一种分布式计算平台中视频数据分布方法及装置
CN108153885B (zh) 图表联动方法、装置、存储介质及电子设备
US20020052908A1 (en) Information processing method and information
CN111639918A (zh) 审批的方法、装置、电子设备及计算机可读介质
CN116860751A (zh) 一种数据处理方法、装置、电子设备及存储介质
CN110378479A (zh) 基于深度学习的图片输入方法、装置及终端设备
CN115359211A (zh) 模型加载方法、装置、存储介质及电子设备
CN110717109B (zh) 推荐数据的方法、装置、电子设备及存储介质
CN110674330B (zh) 表情管理的方法、装置、电子设备及存储介质
CN112783914B (zh) 优化语句的方法和装置
CN110557503B (zh) 屏幕显示方向切换处理方法、装置及终端设备
CN114071515A (zh) 网络优化方法、装置、设备和存储介质
CN108984426B (zh) 用于处理数据的方法和装置
CN112926907A (zh) 一种仓库库存布局方法和装置

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant