RU2015102821A - Устройство и способ для автоматического формирования рекомендации - Google Patents
Устройство и способ для автоматического формирования рекомендации Download PDFInfo
- Publication number
- RU2015102821A RU2015102821A RU2015102821A RU2015102821A RU2015102821A RU 2015102821 A RU2015102821 A RU 2015102821A RU 2015102821 A RU2015102821 A RU 2015102821A RU 2015102821 A RU2015102821 A RU 2015102821A RU 2015102821 A RU2015102821 A RU 2015102821A
- Authority
- RU
- Russia
- Prior art keywords
- user
- users
- community
- database
- level
- Prior art date
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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2457—Query processing with adaptation to user needs
- G06F16/24578—Query processing with adaptation to user needs using ranking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
-
- 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
- G06Q30/0278—Product appraisal
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Game Theory and Decision Science (AREA)
- Databases & Information Systems (AREA)
- Entrepreneurship & Innovation (AREA)
- Mathematical Optimization (AREA)
- Artificial Intelligence (AREA)
- Computational Mathematics (AREA)
- Evolutionary Computation (AREA)
- Mathematical Analysis (AREA)
- Algebra (AREA)
- Pure & Applied Mathematics (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Transfer Between Computers (AREA)
Abstract
1. Устройство для автоматического формирования рекомендации элемента p для пользователя u, причем упомянутое устройство содержит или по меньшей мере опосредованно соединено (имеет доступ к) сбазой данных элементов, содержащей информацию о доступных элементах;базой данных профилей пользователей, содержащей, для пользователя ν системы, информацию о том, какие элементы пользователь видел, или приобрел, или оценил, ибазой данных взаимосвязей пользователей, содержащей информацию о связях, существующих между пользователями u и ν, причем прямая связь задается, если пользователь ν принадлежит к контактам пользователя u,при этом устройство содержит стандартную рекомендательную машину, которая выполнена с возможностью осуществления доступа к упомянутой базе данных элементов и упомянутой базе данных профилей пользователей, и вычисления оценки s(p, u) в интервале [0, 1], указывающей уровень оценки «нравится» элемента p для пользователя u на основании профиля пользователя для пользователя u, ирекомендательное устройство обнаружения информационного наполнения, которое выполнено с возможностью осуществления доступа к упомянутой базе данных взаимосвязей пользователей и выявления по меньшей мере пользователей ν, которые имеют прямую связь с пользователем u, и дополнительно осуществления доступа купомянутой базе данных профилей пользователей, чтобы определять долю пользователей ν, которые знают элемент p, и формировать рекомендацию, основанную на оценке s(p, u) элемента p и степени (доли пользователей ν, знающих элемент p), до которой этот элемент известен среди пользователей ν, имеющих прямую связь с пользователем u.2. Устройство по п. 1, причем упомянутое
Claims (15)
1. Устройство для автоматического формирования рекомендации элемента p для пользователя u, причем упомянутое устройство содержит или по меньшей мере опосредованно соединено (имеет доступ к) с
базой данных элементов, содержащей информацию о доступных элементах;
базой данных профилей пользователей, содержащей, для пользователя ν системы, информацию о том, какие элементы пользователь видел, или приобрел, или оценил, и
базой данных взаимосвязей пользователей, содержащей информацию о связях, существующих между пользователями u и ν, причем прямая связь задается, если пользователь ν принадлежит к контактам пользователя u,
при этом устройство содержит стандартную рекомендательную машину, которая выполнена с возможностью осуществления доступа к упомянутой базе данных элементов и упомянутой базе данных профилей пользователей, и вычисления оценки s(p, u) в интервале [0, 1], указывающей уровень оценки «нравится» элемента p для пользователя u на основании профиля пользователя для пользователя u, и
рекомендательное устройство обнаружения информационного наполнения, которое выполнено с возможностью осуществления доступа к упомянутой базе данных взаимосвязей пользователей и выявления по меньшей мере пользователей ν, которые имеют прямую связь с пользователем u, и дополнительно осуществления доступа к
упомянутой базе данных профилей пользователей, чтобы определять долю пользователей ν, которые знают элемент p, и формировать рекомендацию, основанную на оценке s(p, u) элемента p и степени (доли пользователей ν, знающих элемент p), до которой этот элемент известен среди пользователей ν, имеющих прямую связь с пользователем u.
2. Устройство по п. 1, причем упомянутое устройство выполнено с возможностью определения оценки s(p, u) элемента p в упомянутой базе данных элементов, основанной на профиле пользователя u в базе данных профилей пользователей, при этом упомянутое рекомендательное устройство обнаружения информационного наполнения содержит блок статистических данных сообщества и рекомендательный блок обнаружения информационного наполнения, которые выполнены с возможностью выполнения следующих этапов для формирования рекомендаций относительно N элементов для данного пользователя u,
блок статистических данных сообщества извлекает из базы данных взаимосвязей пользователей сообщество С(1) (u), которое содержит всех пользователей ν, непосредственно связанных с пользователем u, и
рекомендательный блок обнаружения информационного наполнения находит подмножество из N элементов p, которое оптимизирует сочетание совокупной оценки для пользователя u и параметра, называемого k, который указывает, до какой степени элемент p известен в сообществе С(1) (u), сформированном блоком статистических данных сообщества, при этом k определяется следующим образом:
где |C(1)(u)| представляет собой количество пользователей ν, непосредственно связанных с пользователем u,
a seen(p, ν) является функцией, которая выдает 1, если конкретный пользователь ν видел элемент p, в противном случае выдает 0, указывая, что пользователь ν не видел элемент p.
3. Устройство по п. 2, в котором рекомендательный блок обнаружения информационного наполнения выполнен с возможностью выбора и вывода N элементов с самой высокой оценкой.
5. Устройство по п. 2, в котором блок статистических данных сообщества выполнен с возможностью извлечения из базы данных взаимосвязей пользователей для каждого пользователя ν∈C(1) (u) другого сообщества первого уровня C(1) (ν), которое содержит по меньшей мере всех пользователей, непосредственно связанных с пользователем ν, при этом члены ν′ сообщества первого уровня С(1) (ν) опосредованно связаны с пользователем и, таким образом формируя сообщество второго уровня С(2) (u) пользователя u,
при этом рекомендательный блок обнаружения информационного
наполнения находит подмножество из N элементов p, которое оптимизирует сочетание совокупной оценки для пользователя u и параметра, называемого k, который указывает, до какой степени элемент p известен в сообществе C(n) (u), сформированном блоком статистических данных сообщества, при этом k определяется следующим образом:
6. Устройство по п. 1, в котором стандартная рекомендательная машина выполнена с возможностью определения оценки s(p, u) на основании наивной байесовской классификации или совместного фильтрования.
7. Устройство по п. 1, в котором устройство содержит фильтр, отфильтровывающий элементы, которые, вероятно, не интересны для значительного подмножества пользователей, связанных с пользователем u.
8. Устройство по п. 1, в котором устройство выполнено с возможностью определения расширенной оценки s′(p, u) таким образом, что уровень оценки «нравится» пользователей ν, принадлежащих к контактам пользователя u, также принимается во внимание.
9. Устройство по п. 5, в котором устройство выполнено с возможностью оценивания влияния уровня оценки «нравится» пользователя ν и ν′ в зависимости от отдаленности конкретного пользователя ν от пользователя u таким образом, что члены ν сообщества второго уровня С(2) (u) имеют меньшее влияние, чем члены v сообщества первого уровня С(1) (u).
10. Устройство по п. 1, в котором устройство выполнено с возможностью определения модифицированной функции seen′(p, ν) вместо seen(p, ν), причем seen′(p, ν) является функцией, которая выдает 1, если конкретный пользователь ν видел элемент p и/или элемент p был рекомендован пользователю ν, и которая в противном случае выдает 0, указывая, что пользователь ν не видел элемент p или что элемент p не был рекомендован пользователю ν.
11. Способ автоматического формирования рекомендации элемента p для пользователя u, причем упомянутый способ содержит этапы:
вычисления оценки s(p, u) в интервале [0, 1], указывающей уровень оценки «нравится» элемента p для пользователя u на основании профиля пользователя для пользователя u,
выявления по меньшей мере пользователей ν, которые имеют прямую связь с пользователем u,
определения доли пользователей ν, которые знают элемент p, и
формирования рекомендации на основании оценки s(p, u) элемента p и степени (доли пользователей ν, которые знают элемент p), до которой этот элемент известен среди пользователей ν, имеющих прямую связь с пользователем u.
12. Способ по п. 11, в котором этап выявления по меньшей мере пользователей ν, которые имеют прямую связь с пользователем u, включает в себя формирование сообщества С(1) (u), которое содержит всех пользователей ν, непосредственно связанных с пользователем u, и
в котором этапы определения доли пользователей ν, которые знают элемент p, и формирования рекомендации содержат выявление
подмножества из N элементов p, которое оптимизирует сочетание совокупной оценки s(p, u) для пользователя u и параметра, называемого k, который указывает, до какой степени элемент p известен в сообществе С(1) (u), сформированном блоком статистических данных сообщества, при этом к определяется следующим образом:
где |С(1) (u)| представляет собой количество пользователей ν, непосредственно связанных с пользователем u,
a seen(p, ν) является функцией, которая выдает 1, если конкретный пользователь ν видел элемент p, в противном случае выдает 0, указывая, что пользователь ν не видел элемент p.
13. Способ по п. 12, в котором рекомендательным блоком обнаружения информационного наполнения выбираются и выводятся N элементов с наивысшей оценкой.
15. Способ по п. 11, в котором способ дополнительно содержит этап выявления по меньшей мере пользователей ν′, которые имеют опосредованную связь с пользователем u, посредством формирования другого сообщества первого уровня C(1) (ν), которое содержит по меньшей мере всех пользователей, непосредственно связанных с пользователем ν, при этом члены ν′ сообщества первого уровня С(1) (ν) опосредованно связаны с пользователем u, таким образом формируя сообщество второго уровня С(2) (u) пользователя u, причем этапы определения доли пользователей ν, которые знают элемент p, и формирования рекомендации содержат выявление подмножества из N элементов p, которое оптимизирует сочетание совокупной оценки s(p, u) для пользователя u и параметра, называемого k, который указывает, до какой степени элемент p известен в сообществе C(n) (u), сформированном блоком статистических данных сообщества, при этом k определяется следующим образом:
где |C(1) (u)| представляет собой количество пользователей ν, непосредственно связанных с пользователем u,
a seen(p, ν) является функцией, которая выдает 1, если конкретный пользователь ν видел элемент p, в противном случае выдает 0, указывая, что пользователь ν не видел элемент p.
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP12174493.2 | 2012-06-29 | ||
EP12174493.2A EP2680209A1 (en) | 2012-06-29 | 2012-06-29 | Device and method for automatic generation of a recommendation |
PCT/EP2013/063740 WO2014001553A1 (en) | 2012-06-29 | 2013-06-28 | Device and method for automatic generation of a recommendation |
Publications (2)
Publication Number | Publication Date |
---|---|
RU2015102821A true RU2015102821A (ru) | 2016-08-20 |
RU2642377C2 RU2642377C2 (ru) | 2018-01-24 |
Family
ID=48700613
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
RU2015102821A RU2642377C2 (ru) | 2012-06-29 | 2013-06-28 | Устройство и способ для автоматического формирования рекомендации |
Country Status (6)
Country | Link |
---|---|
US (1) | US20150134476A1 (ru) |
EP (2) | EP2680209A1 (ru) |
CN (1) | CN104520887A (ru) |
IN (1) | IN2015DN00382A (ru) |
RU (1) | RU2642377C2 (ru) |
WO (1) | WO2014001553A1 (ru) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
US10089363B2 (en) * | 2015-10-15 | 2018-10-02 | At&T Intellectual Property I, L.P. | Method and apparatus for identifying users who know each other |
CN110209952B (zh) | 2018-12-18 | 2023-03-24 | 腾讯科技(深圳)有限公司 | 信息推荐方法、装置、设备及存储介质 |
CN111612573B (zh) * | 2020-04-30 | 2023-04-25 | 杭州电子科技大学 | 一种基于全贝叶斯方法的推荐系统评分推荐预测方法 |
Family Cites Families (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6334127B1 (en) * | 1998-07-17 | 2001-12-25 | Net Perceptions, Inc. | System, method and article of manufacture for making serendipity-weighted recommendations to a user |
US7054900B1 (en) * | 2000-08-18 | 2006-05-30 | Netzero, Inc. | Automatic, profile-free web page recommendation |
KR20040020933A (ko) * | 2001-06-22 | 2004-03-09 | 노사 오모이구이 | 지식 검색, 관리, 전달 및 프리젠테이션을 위한 시스템 및방법 |
JP4098539B2 (ja) * | 2002-03-15 | 2008-06-11 | 富士通株式会社 | プロファイル情報の推薦方法、プログラム及び装置 |
CN1751306A (zh) * | 2002-09-10 | 2006-03-22 | 皇家飞利浦电子股份有限公司 | 使用其他人的简档的个人推荐器数据库 |
US7689452B2 (en) * | 2004-05-17 | 2010-03-30 | Lam Chuck P | System and method for utilizing social networks for collaborative filtering |
BRPI0405688A (pt) * | 2004-12-20 | 2006-09-05 | Genius Inst De Tecnologia | sistema genérico de recomendação personalizada e método multivariável de definição automática de perfil |
EP2343660A1 (en) * | 2007-03-31 | 2011-07-13 | Sony Deutschland GmbH | Method for content recommendation |
US8275764B2 (en) * | 2007-08-24 | 2012-09-25 | Google Inc. | Recommending media programs based on media program popularity |
US20090163183A1 (en) * | 2007-10-04 | 2009-06-25 | O'donoghue Hugh | Recommendation generation systems, apparatus and methods |
US8060525B2 (en) * | 2007-12-21 | 2011-11-15 | Napo Enterprises, Llc | Method and system for generating media recommendations in a distributed environment based on tagging play history information with location information |
US20090259621A1 (en) * | 2008-04-11 | 2009-10-15 | Concert Technology Corporation | Providing expected desirability information prior to sending a recommendation |
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 |
-
2012
- 2012-06-29 EP EP12174493.2A patent/EP2680209A1/en not_active Withdrawn
-
2013
- 2013-06-28 WO PCT/EP2013/063740 patent/WO2014001553A1/en active Application Filing
- 2013-06-28 EP EP13732202.0A patent/EP2867842A1/en not_active Withdrawn
- 2013-06-28 IN IN382DEN2015 patent/IN2015DN00382A/en unknown
- 2013-06-28 CN CN201380034823.XA patent/CN104520887A/zh active Pending
- 2013-06-28 RU RU2015102821A patent/RU2642377C2/ru not_active IP Right Cessation
- 2013-06-28 US US14/405,328 patent/US20150134476A1/en not_active Abandoned
Also Published As
Publication number | Publication date |
---|---|
EP2680209A1 (en) | 2014-01-01 |
WO2014001553A1 (en) | 2014-01-03 |
RU2642377C2 (ru) | 2018-01-24 |
US20150134476A1 (en) | 2015-05-14 |
EP2867842A1 (en) | 2015-05-06 |
IN2015DN00382A (ru) | 2015-06-12 |
CN104520887A (zh) | 2015-04-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11977541B2 (en) | Systems and methods for rapid data analysis | |
CN103455515B (zh) | Sns社区中的用户推荐方法和系统 | |
WO2020048084A1 (zh) | 资源推荐方法、装置、计算机设备及计算机可读存储介质 | |
US9215252B2 (en) | Methods and apparatus to identify privacy relevant correlations between data values | |
Levey et al. | GFR evaluation in living kidney donor candidates | |
KR101764696B1 (ko) | 사용자 영향력 및 시간 변화를 고려한 소셜 네트워크 핫 토픽 결정 방법 및 시스템 | |
US20100088265A1 (en) | Method, system, and apparatus for determining a predicted rating | |
EP2946308A1 (en) | Content-identification engine based on social media | |
CN103258025B (zh) | 生成共现关键词的方法、提供关联搜索词的方法以及系统 | |
KR102131791B1 (ko) | 추천 컨텐츠 및 연관 컨텐츠 제공 방법 | |
RU2015102821A (ru) | Устройство и способ для автоматического формирования рекомендации | |
CA2861898C (en) | Download resource recommendation method, system and storage medium | |
CN106649832B (zh) | 一种基于缺失数据的预估方法及装置 | |
KR20130092310A (ko) | 상품 추천 시스템 | |
WO2015179556A1 (en) | Method, apparatus and system for processing promotion information | |
KR20140047226A (ko) | 이슈 일지를 제공하는 단말기, 이슈 일지를 생성하는 서버 및 이슈 일지 제공 및 생성 방법 | |
CN115577991B (zh) | 一种基于大数据的商业智能数据分析系统及分析方法 | |
CN105117425B (zh) | 选择兴趣点poi数据的方法及装置 | |
CN108090089B (zh) | 探测网站中热点数据的方法、装置和系统 | |
CN109062945B (zh) | 一种社交网络的信息推荐方法、装置及系统 | |
CN107229621B (zh) | 差异数据的清洗方法及装置 | |
US10630633B2 (en) | Real-time collection, analysis and presentation of aggregated selection data by users of social media | |
CN109213937B (zh) | 智能搜索方法及装置 | |
WO2011162415A1 (ja) | 情報提供装置、システム、方法、及びプログラム | |
Dreesman et al. | Challenges for signal generation from medical social media data |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
MM4A | The patent is invalid due to non-payment of fees |
Effective date: 20200629 |