RU2013128483A - Рекомендующая система для стимулирования пользователя рекомендовать элемент контакту пользователя - Google Patents

Рекомендующая система для стимулирования пользователя рекомендовать элемент контакту пользователя Download PDF

Info

Publication number
RU2013128483A
RU2013128483A RU2013128483/08A RU2013128483A RU2013128483A RU 2013128483 A RU2013128483 A RU 2013128483A RU 2013128483/08 A RU2013128483/08 A RU 2013128483/08A RU 2013128483 A RU2013128483 A RU 2013128483A RU 2013128483 A RU2013128483 A RU 2013128483A
Authority
RU
Russia
Prior art keywords
user
recommended
interest
elements
database
Prior art date
Application number
RU2013128483/08A
Other languages
English (en)
Other versions
RU2589375C2 (ru
Inventor
Мауро БАРБЬЕРИ
Сервериус Петрус Паулус ПРОНК
Ян КОРСТ
Original Assignee
Функе Диджитал Тв Гайд Гмбх
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 Функе Диджитал Тв Гайд Гмбх filed Critical Функе Диджитал Тв Гайд Гмбх
Publication of RU2013128483A publication Critical patent/RU2013128483A/ru
Application granted granted Critical
Publication of RU2589375C2 publication Critical patent/RU2589375C2/ru

Links

Classifications

    • 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
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0631—Item recommendations
    • 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
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • 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
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0609—Buyer or seller confidence or verification
    • 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
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0613—Third-party assisted
    • 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
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0641—Shopping interfaces
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L51/00—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail
    • H04L51/52—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail for supporting social networking services
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L51/00—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail
    • H04L51/02—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail using automatic reactions or user delegation, e.g. automatic replies or chatbot-generated messages

Landscapes

  • Business, Economics & Management (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Development Economics (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Theoretical Computer Science (AREA)
  • General Business, Economics & Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Game Theory and Decision Science (AREA)
  • Computing Systems (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Information Transfer Between Computers (AREA)
  • Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)

Abstract

1. Рекомендующая система (100) для стимулирования пользователя компьютерной сети (110) рекомендовать элемент контакту пользователя, содержащая:- доступ (120), к по меньшей мере, одной из ряда баз данных (125) элементов,- базу данных (140) пользователей, сконфигурированную для хранения множества профилей пользователей (140-A, …, 140-Z), причем соответствующий профиль пользователя включает в себя:- по меньшей мере, ссылку на базу данных (144) контактов, связывающую контакты (a, b, c...) пользователя с рекомендуемыми элементами (Ι, ΙΙ, ΙΙΙ...), где соответствующий контакт связан с рядом рекомендованных элементов, каждый из которых был рекомендован пользователем соответствующему контакту,- определитель (160) степени интереса, сконфигурированный для определения первой степени интереса (164) для конкретного элемента (II) из одной из ряда баз данных элементов на основе рекомендованных элементов,- рекомендующую машину (180) в виде автоматического устройства, содержащего:- генератор (182) сигналов, сконфигурированный для генерации электронного сигнала (186) предложения, и- отправитель (184), сконфигурированный для отправки сгенерированного сигнала электронного предложения (186) соответствующему пользователю (199), если первая степень интереса (164) превышает фиксированный уровень, при этомэлектронный сигнал (186) предложения указывает потенциальный интерес соответствующего контакта (198) соответствующего пользователя (199) к конкретному элементу (II).2. Рекомендующая система (100) по п. 1, содержащая:- детектор рекомендаций (190), сконфигурированный для обнаружения того, что соответствующий пользователь из базы данных (140) пользователей рекомендовал элемент одному из с�

Claims (14)

1. Рекомендующая система (100) для стимулирования пользователя компьютерной сети (110) рекомендовать элемент контакту пользователя, содержащая:
- доступ (120), к по меньшей мере, одной из ряда баз данных (125) элементов,
- базу данных (140) пользователей, сконфигурированную для хранения множества профилей пользователей (140-A, …, 140-Z), причем соответствующий профиль пользователя включает в себя:
- по меньшей мере, ссылку на базу данных (144) контактов, связывающую контакты (a, b, c...) пользователя с рекомендуемыми элементами (Ι, ΙΙ, ΙΙΙ...), где соответствующий контакт связан с рядом рекомендованных элементов, каждый из которых был рекомендован пользователем соответствующему контакту,
- определитель (160) степени интереса, сконфигурированный для определения первой степени интереса (164) для конкретного элемента (II) из одной из ряда баз данных элементов на основе рекомендованных элементов,
- рекомендующую машину (180) в виде автоматического устройства, содержащего:
- генератор (182) сигналов, сконфигурированный для генерации электронного сигнала (186) предложения, и
- отправитель (184), сконфигурированный для отправки сгенерированного сигнала электронного предложения (186) соответствующему пользователю (199), если первая степень интереса (164) превышает фиксированный уровень, при этом
электронный сигнал (186) предложения указывает потенциальный интерес соответствующего контакта (198) соответствующего пользователя (199) к конкретному элементу (II).
2. Рекомендующая система (100) по п. 1, содержащая:
- детектор рекомендаций (190), сконфигурированный для обнаружения того, что соответствующий пользователь из базы данных (140) пользователей рекомендовал элемент одному из своих контактов, при этом рекомендующая система (100) сконфигурирована для обновления базы данных контактов (144) в зависимости от рекомендации.
3. Рекомендующая система (100) по п. 2, в которой рекомендующая система (100) сконфигурирована для добавления нерекомендованных элементов в базу данных (144) контактов, если по электронному сигналу (186) предложения рекомендация не была сделана.
4. Рекомендующая система (100) по любому из пп. 1-3, содержащая:
- детектор (190) оценок, сконфигурированный для обнаружения того, что соответствующий пользователь из базы данных (140) пользователей оценил элемент, причем определитель степени интереса (160) и рекомендующая машина (180) используют упомянутый оцененный элемент в качестве конкретного элемента.
5. Рекомендующая система (100) по любому из пп. 1-3, включающая в себя:
- детектор (190) элементов, сконфигурированный для обнаружения того, что новый элемент был добавлен в одну из ряда баз данных (125) элементов, причем определитель степени интереса
(160) и рекомендующая машина (180) используют упомянутый новый элемент в качестве конкретного элемента.
6. Рекомендующая система (100) по любому из пп. 1-3, в которой база данных (140) пользователей дополнительно содержит связанную с пользователем информацию (142) о пользовательских предпочтениях в отношении элементов (Ι, ΙΙ, ΙΙΙ,...), и в которой генератор (182) сигналов сконфигурирован для формирования электронного сигнала предложения (186) в зависимости от связанной с пользователем информации (142) соответствующего пользователя.
7. Рекомендующая система (100) по п. 6, которая сконфигурирована для обновления связанной с пользователем информации соответствующего пользователя в зависимости от оценки пользователя.
8. Рекомендующая система (100) по п. 6, в которой соответствующий профиль пользователя из базы данных (140) пользователей содержит первую таблицу (142), которая связывает элементы с личными численными оценками для хранения связанной с пользователем информации о пользовательских предпочтениях в отношении элементов.
9. Рекомендующая система (100) по п. 6, в которой:
- определитель (160) степени интереса сконфигурирован для определения второй степени интереса (166) для конкретного элемента из одной из ряда баз данных (125) на основе связанной с пользователем информации (142) о личных предпочтениях в отношении элементов,
- отправитель (184) дополнительно сконфигурирован для
отправки электронного сигнала (187) рекомендации соответствующему пользователю из базы данных (199) пользователей в зависимости от второй степени интереса (164), при этом электронный сигнал (187) рекомендации указывает на наличие конкретного элемента.
10. Рекомендующая система (100) по любому из пп. 1-3, в которой определитель (160) степени интереса сконфигурирован для определения первой степени интереса (164) на основе совместной фильтрации.
11. Рекомендующая система (100) по любому из пп. 1-3, содержащая второй доступ (195) к, по меньшей мере, одной из ряда компьютерных сетей (110) для обновления списка контактов в базе данных (144) контактов.
12. Рекомендующая система (100) по любому из пп. 1-3, в которой:
- рекомендующая система (100) сконфигурирована для регистрации того, какие элементы были оценены, приняты или увидены пользователями и контактами базы данных пользователей, и
- рекомендующая машина (180) сконфигурирована так, чтобы избежать отправки электронного сигнала (186) предложения соответствующему пользователю, если конкретный элемент, который должен быть рекомендован соответствующим пользователем соответствующему контакту, уже был оценен, принят или увиден соответствующим контактом.
13. Реализуемый компьютером способ (200) рекомендации для стимулирования пользователя компьютерной сети рекомендовать элемент контакту пользователя, содержащий этапы, на которых:
- устанавливают (210) доступ к, по меньшей мере, одной из ряда баз данных элементов,
- сохраняют (220) множество профилей пользователей, причем соответствующий профиль пользователя содержит:
- по меньшей мере, ссылку на базу данных контактов, связывающую контакты пользователя с рекомендуемыми элементами, причем соответствующий контакт связан с рядом рекомендованных элементов, каждый из которых был рекомендован пользователем соответствующему контакту,
- определяют (230) первую степень интереса для конкретного элемента из одной из ряда баз данных элементов на основе рекомендованных элементов,
- генерируют (240) электронный сигнал предложения, и
- отправляют (250) сгенерированный электронный сигнал предложения соответствующему пользователю, если первая степень интереса превышает фиксированный уровень, причем электронный сигнал предложения указывает потенциальный интерес соответствующего контакта соответствующего пользователя к конкретному элементу.
14. Машиночитаемый носитель, имеющий воплощенное на нем считываемое компьютером средство кода, которое побуждает программируемую систему, при выполнении упомянутого считываемого компьютером средства кода, выполнять способ рекомендации по п. 13.
RU2013128483/08A 2010-11-23 2011-11-23 Рекомендующая система для стимулирования пользователя рекомендовать элемент контакту пользователя RU2589375C2 (ru)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
EP10192273.0 2010-11-23
EP20100192273 EP2458546A1 (en) 2010-11-23 2010-11-23 Recommender system for stimulating a user to recommend an item to a contact of the user
PCT/EP2011/070841 WO2012069548A1 (en) 2010-11-23 2011-11-23 Recommender system for stimulating a user to recommend an item to a contact of the user

Publications (2)

Publication Number Publication Date
RU2013128483A true RU2013128483A (ru) 2014-12-27
RU2589375C2 RU2589375C2 (ru) 2016-07-10

Family

ID=44486950

Family Applications (1)

Application Number Title Priority Date Filing Date
RU2013128483/08A RU2589375C2 (ru) 2010-11-23 2011-11-23 Рекомендующая система для стимулирования пользователя рекомендовать элемент контакту пользователя

Country Status (5)

Country Link
US (1) US10621642B2 (ru)
EP (2) EP2458546A1 (ru)
CN (1) CN103229203B (ru)
RU (1) RU2589375C2 (ru)
WO (1) WO2012069548A1 (ru)

Families Citing this family (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2541486A1 (en) * 2011-07-01 2013-01-02 Axel Springer Digital TV Guide GmbH Recommender system and method of operating same
US8713104B1 (en) * 2013-03-15 2014-04-29 Lucky Oyster, Inc. Sharing networks determined by sharing of items between individuals
US9135650B2 (en) 2013-03-15 2015-09-15 Lucky Oyster, Inc. Person-to-person item recommendation with decline
US9524346B2 (en) 2013-03-15 2016-12-20 Lucky Oyster, Inc. Person-to-person viewing of recommended items as grouped into categories
CN103188348A (zh) * 2013-03-21 2013-07-03 无锡德思普科技有限公司 一种基于文件分享的联系人管理方法
KR101445054B1 (ko) * 2014-02-25 2014-09-30 주식회사 브릿지랩 추천인 시스템 및 그 동작 방법
EP3149891B1 (en) * 2014-05-30 2021-08-04 Assia Spe, Llc Method and apparatus for improving broadband experience using cloud based recommendation engine
CN107113466A (zh) * 2014-06-12 2017-08-29 慧与发展有限责任合伙企业 向用户推荐项目
US9788178B2 (en) 2014-11-25 2017-10-10 Xiaomi Inc. Method for acquiring recommending information, terminal, and server
CN104539812B (zh) * 2014-11-25 2017-12-05 小米科技有限责任公司 推荐信息获取方法、终端及服务器
WO2016082033A1 (en) * 2014-11-25 2016-06-02 Shunock Michael Stewart System and method for managing interaction between commercial and intermediary users
US10373618B2 (en) 2017-08-07 2019-08-06 Soundhound, Inc. Natural language recommendation feedback
CN113785540B (zh) * 2019-05-06 2023-07-07 谷歌有限责任公司 使用机器学习提名方生成内容宣传的方法、介质和系统

Family Cites Families (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6317722B1 (en) * 1998-09-18 2001-11-13 Amazon.Com, Inc. Use of electronic shopping carts to generate personal recommendations
US8006266B2 (en) 2002-06-24 2011-08-23 Pace LLC Method for using only feedback from shows that improve the performance of the recommender system
AU2003272021A1 (en) * 2002-11-15 2004-06-15 Koninklijke Philips Electronics N.V. Introducing new content items in a community-based recommendation system
US8538810B2 (en) * 2005-03-29 2013-09-17 Google Inc. Methods and systems for member-created advertisement in a member network
BRPI0620084B1 (pt) * 2005-12-19 2018-11-21 Apple Inc método para identificar usuários individuais em uma comunidade definida de usuários, com base na comparação do perfil do primeiro usuário com outros perfis de usuário, para um primeiro membro da comunidade e método para medir similaridade de usuários individuais para um primeiro usuário em uma comunidade definida de usuários
JP4240096B2 (ja) * 2006-09-21 2009-03-18 ソニー株式会社 情報処理装置および方法、プログラム並びに記録媒体
US7895121B2 (en) * 2006-10-31 2011-02-22 Hewlett-Packard Development Company, L.P. Method and system for tracking conversions in a system for targeted data delivery
US20080189274A1 (en) * 2007-02-05 2008-08-07 8Lives Technology Systems and methods for connecting relevant web-based product information with relevant network conversations
US9224427B2 (en) * 2007-04-02 2015-12-29 Napo Enterprises LLC Rating media item recommendations using recommendation paths and/or media item usage
US20080255934A1 (en) * 2007-04-16 2008-10-16 Jeffrey Leventhal Method and system for selling or promoting a product online
US8260787B2 (en) * 2007-06-29 2012-09-04 Amazon Technologies, Inc. Recommendation system with multiple integrated recommenders
US20090259621A1 (en) * 2008-04-11 2009-10-15 Concert Technology Corporation Providing expected desirability information prior to sending a recommendation
US20100042471A1 (en) * 2008-08-18 2010-02-18 Microsoft Corporation Determination of advertisement referrer incentives and disincentives
US20100144426A1 (en) * 2008-08-18 2010-06-10 Jeffrey Winner Inviting Users to Participate in a Venture Exchange

Also Published As

Publication number Publication date
US20130204740A1 (en) 2013-08-08
CN103229203B (zh) 2019-10-01
WO2012069548A1 (en) 2012-05-31
US10621642B2 (en) 2020-04-14
RU2589375C2 (ru) 2016-07-10
CN103229203A (zh) 2013-07-31
EP2643804A1 (en) 2013-10-02
EP2458546A1 (en) 2012-05-30

Similar Documents

Publication Publication Date Title
RU2013128483A (ru) Рекомендующая система для стимулирования пользователя рекомендовать элемент контакту пользователя
US20210133817A1 (en) Information Recommendation Method and Apparatus
RU2015154732A (ru) Способ, устройство и система для рекомендации информации о продукте
JP6397704B2 (ja) 情報処理装置、情報処理システム、情報処理方法及びプログラム
KR101597247B1 (ko) 실시간 키워드 연동형 광고 노출 시스템 및 방법
Tewari Generating items recommendations by fusing content and user-item based collaborative filtering
US20160105520A1 (en) Method, apparatus, and system for pushing network content
US20150248721A1 (en) Recommendation engine with profile analysis
JP2013254288A5 (ru)
WO2015004527A3 (en) Calendar-event recommendation system
RU2012100619A (ru) Машиночитаемый носитель для использования в коллективных системах знаний
US8392431B1 (en) System, method, and computer program for determining a level of importance of an entity
JP2013541082A5 (ru)
KR102131791B1 (ko) 추천 컨텐츠 및 연관 컨텐츠 제공 방법
US20160086206A1 (en) Machine generated recommendation and notification models
KR20150110846A (ko) 상품 추천 방법 및 시스템
Embarak A method for solving the cold start problem in recommendation systems
CN107103028A (zh) 一种信息处理方法及装置
JP2015153088A (ja) 習慣度算出装置、行動予測装置、方法、及びプログラム
CN106062809A (zh) 用于基于评论文本对投稿者的心理状态转变进行分析的装置、程序和方法
RU2015131297A (ru) Способ и устройство для предоставления контактных данных
KR20130082910A (ko) 컨텐츠 추천 방법 및 장치
KR101507328B1 (ko) 협업 추천 시스템에서의 사용자 피드백 예측 장치 및 방법
Jia et al. A new weighting method in network-based recommendation
EP2680209A1 (en) Device and method for automatic generation of a recommendation

Legal Events

Date Code Title Description
MM4A The patent is invalid due to non-payment of fees

Effective date: 20191124