RU2014106735A - Автоматическое определение характерной для жанра релевантности рекомендаций в социальной сети - Google Patents

Автоматическое определение характерной для жанра релевантности рекомендаций в социальной сети Download PDF

Info

Publication number
RU2014106735A
RU2014106735A RU2014106735/08A RU2014106735A RU2014106735A RU 2014106735 A RU2014106735 A RU 2014106735A RU 2014106735/08 A RU2014106735/08 A RU 2014106735/08A RU 2014106735 A RU2014106735 A RU 2014106735A RU 2014106735 A RU2014106735 A RU 2014106735A
Authority
RU
Russia
Prior art keywords
user
recommendation
contact
recommendations
genre
Prior art date
Application number
RU2014106735/08A
Other languages
English (en)
Other versions
RU2589320C2 (ru
Inventor
Ян КОРСТ
Мауро БАРБЬЕРИ
Сервериус Петрус Паулус ПРОНК
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 RU2014106735A publication Critical patent/RU2014106735A/ru
Application granted granted Critical
Publication of RU2589320C2 publication Critical patent/RU2589320C2/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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/2866—Architectures; Arrangements
    • H04L67/30—Profiles
    • H04L67/306—User profiles
    • 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
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/01—Social networking

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Primary Health Care (AREA)
  • Human Resources & Organizations (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • Development Economics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Information Transfer Between Computers (AREA)

Abstract

1. Способ (100) работы персональной рекомендательной системы, выполненной с возможностью связи с реализованной на компьютерах социальной сетью, причем способ (100) содержит этапы:a) обнаружения (110), что рекомендация кортежа (CU1, g) "контакт-жанр" была занесена в учетную запись пользователя для пользователя A социальной сети, причем рекомендация кортежа (CU1, g) "контакт-жанр" относится к элементу x контента конкретного жанра (g=g(x)) и была инициирована посредством учетной записи контакта для контакта CU1 пользователя A,b) контроля (120) относящегося к рекомендации поведения отклика пользователя A в ответ на прием рекомендации,c) повторения этапов a)-b) для множества рекомендаций этого же кортежа (CU1, g) "контакт-жанр" и регистрации множества контролируемых поведений отклика для определения (130) относящегося к пользователю A индекса r=r((CU1, g)) "релевантность-вкус", ассоциированного с кортежем (CU1, g) "контакт-жанр" в зависимости от множества контролируемых поведений отклика,d) фильтрации (150) текущей рекомендации (112) этого же кортежа (CU1, g) "контакт-жанр" посредством занесения (152) текущей рекомендации в учетную запись пользователя только, если критерий фильтрации удовлетворяется индексом "релевантность-вкус" текущей рекомендации, и блокирования (154) текущей рекомендации, если не удовлетворяется критерий фильтрации.2. Способ (100) по п. 1, содержащий дополнительные этапы:- буферизации (160) текущих рекомендаций, которые были посланы учетной записи пользователя, но были блокированы и, поэтому, не были предоставлены пользователю A, и- занесения (152) по меньшей мере одной из буферизованных рекомендаций в учетную запись пользователя, если по меньшей мере о�

Claims (14)

1. Способ (100) работы персональной рекомендательной системы, выполненной с возможностью связи с реализованной на компьютерах социальной сетью, причем способ (100) содержит этапы:
a) обнаружения (110), что рекомендация кортежа (CU1, g) "контакт-жанр" была занесена в учетную запись пользователя для пользователя A социальной сети, причем рекомендация кортежа (CU1, g) "контакт-жанр" относится к элементу x контента конкретного жанра (g=g(x)) и была инициирована посредством учетной записи контакта для контакта CU1 пользователя A,
b) контроля (120) относящегося к рекомендации поведения отклика пользователя A в ответ на прием рекомендации,
c) повторения этапов a)-b) для множества рекомендаций этого же кортежа (CU1, g) "контакт-жанр" и регистрации множества контролируемых поведений отклика для определения (130) относящегося к пользователю A индекса r=r((CU1, g)) "релевантность-вкус", ассоциированного с кортежем (CU1, g) "контакт-жанр" в зависимости от множества контролируемых поведений отклика,
d) фильтрации (150) текущей рекомендации (112) этого же кортежа (CU1, g) "контакт-жанр" посредством занесения (152) текущей рекомендации в учетную запись пользователя только, если критерий фильтрации удовлетворяется индексом "релевантность-вкус" текущей рекомендации, и блокирования (154) текущей рекомендации, если не удовлетворяется критерий фильтрации.
2. Способ (100) по п. 1, содержащий дополнительные этапы:
- буферизации (160) текущих рекомендаций, которые были посланы учетной записи пользователя, но были блокированы и, поэтому, не были предоставлены пользователю A, и
- занесения (152) по меньшей мере одной из буферизованных рекомендаций в учетную запись пользователя, если по меньшей мере одна рекомендация удовлетворяет скорректированному критерию фильтрации.
3. Способ (100) по п. 1, содержащий дополнительные этапы:
- группирования (170) блокированных рекомендаций, относящихся к общему элементу y контента,
- определения (180) накопленного индекса "релевантность-вкус" посредством суммирования индексов "релевантность-вкус", ассоциированных с каждой из сгруппированных рекомендаций,
- занесения (152) сгруппированных рекомендаций в виде единственной объединенной рекомендации в учетную запись пользователя, если накопленный индекс "релевантность-вкус" удовлетворяет критерию фильтрации.
4. Способ (100) по п. 3, дополнительно содержащий этапы:
- идентификации отправителей F(A) сгруппированных рекомендаций, причем каждый из отправителей F(A) имеет ассоциированную учетную запись контакта, которая связана с учетной записью пользователя для пользователя A,
- для каждого из идентифицированных отправителей F(A) определения степени λ(B, y) симпатии для общего элемента y контента, причем степень λ(B, y) симпатии указывает заинтересованность или отсутствие заинтересованности
соответствующего отправителя B в общем элементе y контента,
- вычисления нормализованного накопленного индекса "релевантность-вкус" в зависимости от определенных степеней симпатии и накопленного индекса "релевантность-вкус", причем нормализованный накопленный индекс "релевантность-вкус" соответствует предполагаемой степени λ(A, y) симпатии, указывающей заинтересованность или отсутствие заинтересованности пользователя A в общем элементе y контента и
- занесения (152) рекомендации для общего элемента y контента в учетную запись пользователя, если нормализованный накопленный индекс "релевантность-вкус" удовлетворяет критерию фильтрации.
5. Способ (100) по п. 4, в котором нормализованный накопленный индекс λ(A, y) "релевантность-вкус" вычисляется по формуле
Figure 00000001
где ∑ B ∈ F ( A ) r ( B , g ( y ) )
Figure 00000002
 представляет собой накопленный индекс "релевантность-вкус".
6. Способ (100) по п. 4, дополнительно содержащий этап:
- представления (190) отфильтрованных рекомендаций пользователю A посредством отображения пользовательского интерфейса, связанного с персональной рекомендательной системой, посредством применения цветового кодирования для кодирования соответствующей предполагаемой степени симпатии каждой из представленных рекомендаций.
7. Способ (100) по п. 1, в котором этап определения индекса
"релевантность-вкус" включает в себя применение обучающего алгоритма, такого как применение нейронной сети, наивного байесовского классификатора и/или метода опорных векторов.
8. Способ (100) по п. 7, в котором применение обучающего алгоритма включает в себя принятие во внимание предупреждения, относящегося к элементу контента, которое было представлено посредством учетной записи контакта, причем предупреждение указывает антипатию контакта в отношении элемента контента.
9. Носитель данных, хранящий компьютерную программу для работы рекомендательной системы, причем компьютерная программа содержит средство программного кода, вызывающее выполнение рекомендательной системой этапов, определенных в пункте 1, когда компьютерная программа выполняется на компьютере, управляющем рекомендательной системой.
10. Устройство (260) фильтра, выполненное с возможностью связи с рекомендательной системой (200) для пользователя A реализованной на компьютерах социальной сети (300), причем устройство (260) фильтра содержит:
- детектор (210), выполненный с возможностью обнаружения, что рекомендация (212) кортежа (CU1, g) "контакт-жанр" была занесена в учетную запись пользователя для пользователя A социальной сети (300), причем рекомендация (212) кортежа (CU1, g) "контакт-жанр" относится к элементу x контента конкретного жанра (g=g(x)) и была инициирована посредством учетной записи контакта для контакта CU1 пользователя A,
- блок (220) контроля, выполненный с возможностью контроля связанного с рекомендацией поведения (222) отклика пользователя
A в ответ на прием рекомендации (212),
- регистратор (240) данных, выполненный с возможностью регистрации множества контролируемых поведений отклика, относящихся к множеству рекомендаций одного и того же кортежа (CU1, g) "контакт-жанр",
- анализатор (230), выполненный с возможностью определения относящегося к пользователю A индекса r=r((CU1, g)) "релевантность-вкус", ассоциированного с кортежем "контакт-жанр" в зависимости от множества контролируемых поведений (242) отклика,
- фильтр (250) рекомендаций, выполненный с возможностью фильтрации текущей рекомендации (302) этого же кортежа (CU1, g) "контакт-жанр" посредством занесения текущей рекомендации (302) в учетную запись пользователя только, если критерий фильтрации удовлетворяется индексом "релевантность-вкус" текущей рекомендации, и посредством блокирования текущей рекомендации, если не удовлетворяется критерий фильтрации.
11. Рекомендательная система (200) для пользователя A реализованной на компьютерах социальной сети (300), причем рекомендательная система (200) содержит устройство фильтрации по п. 10.
12. Рекомендательная система (200) по п. 11, дополнительно содержащая пользовательский интерфейс (270) для представления отфильтрованной рекомендации пользователю A.
13. Рекомендательная система (200) по п. 12, дополнительно содержащая персональный рекомендательный механизм (280), связанный с пользовательским интерфейсом (270) и выполненный с
возможностью обеспечения основанной на механизме рекомендации.
14. Рекомендательная система (200) по одному из пп. 11-13, дополнительно содержащая память (290), выполненную с возможностью хранения блокированных рекомендаций.
RU2014106735/08A 2011-07-22 2012-07-13 Автоматическое определение характерной для жанра релевантности рекомендаций в социальной сети RU2589320C2 (ru)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
EP11175096.4 2011-07-22
EP11175096A EP2549423A1 (en) 2011-07-22 2011-07-22 Automatic determination of the relevance of recommendations in a social network
PCT/EP2012/063859 WO2013014011A1 (en) 2011-07-22 2012-07-13 Automatic determination of genre-specific relevance of recommendations in a social network

Publications (2)

Publication Number Publication Date
RU2014106735A true RU2014106735A (ru) 2015-09-10
RU2589320C2 RU2589320C2 (ru) 2016-07-10

Family

ID=46514364

Family Applications (1)

Application Number Title Priority Date Filing Date
RU2014106735/08A RU2589320C2 (ru) 2011-07-22 2012-07-13 Автоматическое определение характерной для жанра релевантности рекомендаций в социальной сети

Country Status (5)

Country Link
US (1) US10404824B2 (ru)
EP (2) EP2549423A1 (ru)
CN (1) CN103703485B (ru)
RU (1) RU2589320C2 (ru)
WO (1) WO2013014011A1 (ru)

Families Citing this family (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8666980B1 (en) * 2010-05-19 2014-03-04 Amazon Technologies, Inc. Virtual clickstream recommendations
CN104281622B (zh) 2013-07-11 2017-12-05 华为技术有限公司 一种社交媒体中的信息推荐方法和装置
CN104750745B (zh) 2013-12-30 2019-08-16 华为技术有限公司 一种智能体处理信息的方法及智能体
US20150310101A1 (en) * 2014-04-23 2015-10-29 Oz Labs Ltd. Matching interests of users
CN104008141A (zh) * 2014-05-08 2014-08-27 南京邮电大学 基于在线社交网络的帮助用户给产品评分的方法
US10097648B2 (en) * 2015-02-27 2018-10-09 Rovi Guides, Inc. Methods and systems for recommending media content
CN105898336A (zh) * 2015-12-15 2016-08-24 乐视网信息技术（北京）股份有限公司 热评确定方法、热评显示系统及服务器
US10764153B2 (en) * 2016-09-24 2020-09-01 Apple Inc. Generating suggestions for scenes and triggers
CN109118243B (zh) * 2017-06-26 2022-09-30 阿里巴巴集团控股有限公司 一种产品分享、有用评价识别、推送方法和服务器
RU2675896C1 (ru) * 2018-01-10 2018-12-25 Федеральное государственное бюджетное образовательное учреждение высшего образования "Оренбургский государственный университет" Устройство для контроля поведения пользователя
EP3665583A1 (en) 2018-10-17 2020-06-17 Alibaba Group Holding Limited Secret sharing with no trusted initializer
CN113641919B (zh) * 2021-10-12 2022-03-25 北京达佳互联信息技术有限公司 数据处理方法、装置、电子设备及存储介质

Family Cites Families (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA2342045C (en) * 2000-06-02 2006-05-23 Tri-Vision Electronics Inc. Universal media ratings selector
AU2001267815A1 (en) * 2000-06-29 2002-01-08 Musicgenome.Com Inc. Using a system for prediction of musical preferences for the distribution of musical content over cellular networks
US7081579B2 (en) * 2002-10-03 2006-07-25 Polyphonic Human Media Interface, S.L. Method and system for music recommendation
US7707122B2 (en) 2004-01-29 2010-04-27 Yahoo ! Inc. System and method of information filtering using measures of affinity of a relationship
JP2008521116A (ja) 2004-11-23 2008-06-19 コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ ファイル管理方法及び装置
JP4741267B2 (ja) * 2005-03-28 2011-08-03 ソニー株式会社 コンテンツ推薦システム、通信端末およびコンテンツ推薦方法
RU2420908C2 (ru) 2005-11-30 2011-06-10 Конинклейке Филипс Электроникс Н.В. Способ и устройство генерации рекомендации для по меньшей мере одного элемента контента
US7680959B2 (en) * 2006-07-11 2010-03-16 Napo Enterprises, Llc P2P network for providing real time media recommendations
US8059646B2 (en) * 2006-07-11 2011-11-15 Napo Enterprises, Llc System and method for identifying music content in a P2P real time recommendation network
US9317179B2 (en) * 2007-01-08 2016-04-19 Samsung Electronics Co., Ltd. Method and apparatus for providing recommendations to a user of a cloud computing service
US8112720B2 (en) * 2007-04-05 2012-02-07 Napo Enterprises, Llc System and method for automatically and graphically associating programmatically-generated media item recommendations related to a user's socially recommended media items
US9060034B2 (en) * 2007-11-09 2015-06-16 Napo Enterprises, Llc System and method of filtering recommenders in a media item recommendation system
US20090259621A1 (en) * 2008-04-11 2009-10-15 Concert Technology Corporation Providing expected desirability information prior to sending a recommendation
US20100228590A1 (en) * 2009-03-03 2010-09-09 International Business Machines Corporation Context-aware electronic social networking
EP2239695A1 (en) * 2009-04-10 2010-10-13 ACCENTURE Global Services GmbH System for transmitting an electronic recommendation
US20120036084A1 (en) 2009-04-20 2012-02-09 Koninklijke Philips Electronics N.V. Method and system for rating items
US8825574B2 (en) * 2010-09-28 2014-09-02 Robert Bodor Peer-to-peer media item recommendation system with peer interaction including calculating a correlation-based and a domain-based recommendation score for a friend
CN102110098B (zh) 2009-12-25 2016-04-13 腾讯科技（深圳）有限公司 网络信息推荐方法及系统
CN101826114B (zh) * 2010-05-26 2012-05-09 南京大学 一种基于多马尔可夫链的内容推荐方法

Also Published As

Publication number Publication date
CN103703485B (zh) 2018-10-09
EP2734964A1 (en) 2014-05-28
RU2589320C2 (ru) 2016-07-10
US10404824B2 (en) 2019-09-03
EP2549423A1 (en) 2013-01-23
WO2013014011A1 (en) 2013-01-31
US20140136621A1 (en) 2014-05-15
CN103703485A (zh) 2014-04-02

Similar Documents

Publication Publication Date Title
RU2014106735A (ru) Автоматическое определение характерной для жанра релевантности рекомендаций в социальной сети
CN111557012B (zh) 跨传感器预测性推断
Gazit et al. Severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2) naturally acquired immunity versus vaccine-induced immunity, reinfections versus breakthrough infections: a retrospective cohort study
Duckworth et al. Using explainable machine learning to characterise data drift and detect emergent health risks for emergency department admissions during COVID-19
Gsell et al. Evaluating early-warning indicators of critical transitions in natural aquatic ecosystems
US10248528B2 (en) System monitoring method and apparatus
US9392463B2 (en) System and method for detecting anomaly in a handheld device
US9215252B2 (en) Methods and apparatus to identify privacy relevant correlations between data values
US10142213B1 (en) Techniques for providing event driven notifications
Gilarranz et al. Regime shifts, trends, and variability of lake productivity at a global scale
GB2584256A (en) Systems and methods for monitoring, maintaining and upgrading a property
CN110546621B (zh) 用于数据存储的垃圾收集
US10824292B2 (en) Widget-of-interest identification
US20210217093A1 (en) A system and method for protection plans and warranty data analytics
TW202020888A (zh) 風險控制方法、裝置、伺服器及儲存媒體
JP5805169B2 (ja) 行動パターン分析装置および行動パターン分析方法
US20140095346A1 (en) Data analysis method and system thereof
US20220067814A1 (en) Web application for service recommendations with machine learning
Sharma et al. Predicting return periods of hydrological droughts using the Pearson 3 distribution: a case from rivers in the Canadian prairies
US20230211515A1 (en) Machine learning for a personal care device
Patterson et al. When and where we can expect to see early warning signals in multispecies systems approaching tipping points: insights from theory
Qirtas et al. Privacy preserving loneliness detection: a federated learning approach
CN114693409A (zh) 产品匹配方法、装置、计算机设备、存储介质和程序产品
US20190087904A1 (en) Remote processing of anomalous vehicle sensor data
KR20190128704A (ko) 소셜 미디어 대화에 응답하여 자원을 할당하기 위한 방법 및 시스템

Legal Events

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

Effective date: 20200714