RU2014106735A - Автоматическое определение характерной для жанра релевантности рекомендаций в социальной сети - Google Patents
Автоматическое определение характерной для жанра релевантности рекомендаций в социальной сети Download PDFInfo
- 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
Links
- 238000000034 method Methods 0.000 claims abstract 13
- 230000004044 response Effects 0.000 claims abstract 12
- 238000001914 filtration Methods 0.000 claims abstract 10
- 230000006399 behavior Effects 0.000 claims abstract 9
- 230000000903 blocking effect Effects 0.000 claims abstract 3
- 230000003139 buffering effect Effects 0.000 claims abstract 2
- 238000004590 computer program Methods 0.000 claims 3
- 238000013528 artificial neural network Methods 0.000 claims 1
- 238000004891 communication Methods 0.000 claims 1
- 230000001186 cumulative effect Effects 0.000 claims 1
- 238000012544 monitoring process Methods 0.000 claims 1
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.
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.
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)
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)
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 |
-
2011
- 2011-07-22 EP EP11175096A patent/EP2549423A1/en not_active Withdrawn
-
2012
- 2012-07-13 CN CN201280036384.1A patent/CN103703485B/zh active Active
- 2012-07-13 RU RU2014106735/08A patent/RU2589320C2/ru not_active IP Right Cessation
- 2012-07-13 WO PCT/EP2012/063859 patent/WO2013014011A1/en active Application Filing
- 2012-07-13 US US14/131,510 patent/US10404824B2/en active Active
- 2012-07-13 EP EP12735534.5A patent/EP2734964A1/en not_active Ceased
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 |