RU2720899C2 - Способ и система для определения зависящих от пользователя пропорций содержимого для рекомендации - Google Patents

Способ и система для определения зависящих от пользователя пропорций содержимого для рекомендации Download PDF

Info

Publication number
RU2720899C2
RU2720899C2 RU2018132713A RU2018132713A RU2720899C2 RU 2720899 C2 RU2720899 C2 RU 2720899C2 RU 2018132713 A RU2018132713 A RU 2018132713A RU 2018132713 A RU2018132713 A RU 2018132713A RU 2720899 C2 RU2720899 C2 RU 2720899C2
Authority
RU
Russia
Prior art keywords
user
content
dependent
proportion
parameter
Prior art date
Application number
RU2018132713A
Other languages
English (en)
Other versions
RU2018132713A3 (ru
RU2018132713A (ru
Inventor
Андрей Вадимович Зимовнов
Евгений Андреевич Соколов
Original Assignee
Общество С Ограниченной Ответственностью "Яндекс"
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 Общество С Ограниченной Ответственностью "Яндекс" filed Critical Общество С Ограниченной Ответственностью "Яндекс"
Priority to RU2018132713A priority Critical patent/RU2720899C2/ru
Priority to US16/372,553 priority patent/US11263217B2/en
Publication of RU2018132713A3 publication Critical patent/RU2018132713A3/ru
Publication of RU2018132713A publication Critical patent/RU2018132713A/ru
Application granted granted Critical
Publication of RU2720899C2 publication Critical patent/RU2720899C2/ru

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24Querying
    • G06F16/245Query processing
    • G06F16/2457Query processing with adaptation to user needs
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90Details of database functions independent of the retrieved data types
    • G06F16/95Retrieval from the web
    • G06F16/953Querying, e.g. by the use of web search engines
    • G06F16/9535Search customisation based on user profiles and personalisation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24Querying
    • G06F16/245Query processing
    • G06F16/2457Query processing with adaptation to user needs
    • G06F16/24575Query processing with adaptation to user needs using context
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90Details of database functions independent of the retrieved data types
    • G06F16/95Retrieval from the web
    • G06F16/953Querying, e.g. by the use of web search engines
    • G06F16/9536Search customisation based on social or collaborative filtering
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90Details of database functions independent of the retrieved data types
    • G06F16/95Retrieval from the web
    • G06F16/953Querying, e.g. by the use of web search engines
    • G06F16/9538Presentation of query results
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q30/00Commerce
    • G06Q30/06Buying, selling or leasing transactions
    • G06Q30/0601Electronic shopping [e-shopping]
    • G06Q30/0631Item recommendations
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04LTRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L65/00Network arrangements, protocols or services for supporting real-time applications in data packet communication
    • H04L65/40Support for services or applications
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04LTRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00Network arrangements or protocols for supporting network services or applications
    • H04L67/2866Architectures; Arrangements
    • H04L67/30Profiles
    • H04L67/306User profiles

Abstract

Изобретение относится к системе рекомендаций в общем смысле, в частности к способу и системе для определения зависящих от пользователя пропорций содержимого для рекомендации данному пользователю системы рекомендаций. Предложены способ и система для определения зависящих от пользователя пропорций типов содержимого для рекомендации данному пользователю. Технический результат заключается в расширении арсенала средств систем такого назначения. Способ и система включают в себя: получение для каждого соответствующего типа содержимого из по меньшей мере двух типов содержимого соответствующего базового интервала пропорций содержимого для рекомендации, вычисление для каждого соответствующего типа содержимого из по меньшей мере двух типов содержимого соответствующего распределения параметров пользовательского взаимодействия на основе соответствующего набора пользователей, получение соответственно связанного зависящего от пользователя параметра взаимодействий для данного пользователя, вычисление для каждого соответствующего типа содержимого соответствующей зависящей от пользователя пропорции соответствующего типа содержимого для рекомендации содержимого данному пользователю, причем соответствующая зависящая от пользователя пропорция находится в соответствующем базовом интервале пропорций содержимого и вычисление основано на соответствующем распределении параметров пользовательского взаимодействия из набора пользователей и соответствующем зависящем от пользователя параметре взаимодействия данного пользователя. 2 н. и 26 з.п. ф-лы, 8 ил.

Description

ОБЛАСТЬ ТЕХНИКИ
[01] Настоящая технология относится к системе рекомендаций в общем смысле, и в частности - к способу и системе для определения зависящих от пользователя пропорций содержимого для рекомендации данному пользователю системы рекомендаций.
УРОВЕНЬ ТЕХНИКИ
[02] Различные глобальные или локальные сети связи (интернет, всемирная паутина, локальные сети и подобные им) предлагают пользователю большой объем информации. Информация включает в себя контекстуальные разделы, такие как, среди прочего, новости и текущие события, карты, информацию о компаниях, финансовую информацию и ресурсы, информацию о трафике, игры и информацию развлекательного характера. Пользователи используют множество клиентских устройств (настольный компьютер, портативный компьютер, ноутбук, смартфон, планшеты и подобные им) для получения доступа к богатому информационному контенту (например, изображениям, аудио- и видеофайлам, анимированным изображениям и прочему мультимедийному контенту подобных сетей).
[03] Объем доступной информации на различных интернет-ресурсах экспоненциально вырос за последние несколько лет. Были разработаны различные решения, которые позволяют обычному пользователю находить информацию, которую он(а) ищет. Примером такого решения является поисковая система. Примеры поисковых систем включают в себя такие поисковые системы как GOOGLE™, YANDEX™, YAHOO! и так далее. Пользователь может получить доступ к интерфейсу поисковой системы и подтвердить поисковый запрос, связанный с информацией, которую пользователь хочет найти в Интернете. В ответ на поисковый запрос поисковые системы предоставляют ранжированный список результатов поиска. Ранжированный список результатов поиска создается на основе различных алгоритмов ранжирования, которые реализованы в конкретной поисковой системе, и которые используются пользователем, производящим поиск. Общей целью таких алгоритмов ранжирования является представление наиболее релевантных результатов вверху ранжированного списка, а менее релевантных результатов - на менее высоких позициях ранжированного списка результатов поиска (а наименее релевантные результаты поиска будут расположены внизу ранжированного списка результатов поиска).
[04] Поисковые системы обычно являются хорошим поисковым инструментом в том случае, когда пользователю заранее известно, что именно он(а) хочет найти. Другими словами, если пользователь заинтересован в получении информации о наиболее популярных местах в Италии (т.е. поисковая тема известна), пользователь может ввести поисковый запрос: «Наиболее популярные места в Италии». Поисковая система предоставит ранжированный список интернет-ресурсов, которые потенциально являются релевантными по отношению к поисковому запросу. Пользователь далее может просматривать ранжированный список результатов поиска для того, чтобы получить информацию, в которой он заинтересован, в данном случае - о посещаемых местах в Италии. Если пользователь по какой-либо причине не удовлетворен представленными результатами, пользователь может произвести вторичный поиск, уточнив запрос, например «наиболее популярные места в Италии летом», «наиболее популярные места на юге Италии», «Наиболее популярные места в Италии для романтичного отдыха».
[05] Существует и другой подход, в котором пользователю предоставляется возможность обнаруживать содержимое и, конкретнее, позволяется отображать и/или рекомендовать содержимое, в поиске которого пользователь не был явно заинтересован. В некоторым смысле, подобные системы рекомендуют пользователю содержимое без отдельного поискового запроса, на основе явных или неявных интересов пользователя.
[06] Примерами таких систем являются система рекомендаций FLIPBOARD™, которая агрегирует и рекомендует содержимое из различных социальных сетей. Система рекомендаций FLIPBOARD™ предоставляет содержимое в «журнальном формате», где пользователь может «пролистывать» страницы с рекомендуемым/агрегированным содержимым. Системы рекомендаций собирают содержимое из социальных медиа и других веб-сайтах, представляет его в журнальном формате, и позволяют пользователям «пролистывать» ленты социальных новостей и ленты веб-сайтов, которые поддерживают партнерские отношения с компанией, что позволяет эффективно «рекомендовать» содержимое пользователю, даже если пользователь явно не выражал свой интерес в конкретном содержимом.
[07] Обычно, системы рекомендаций предоставляют персонализированное содержимое пользователям на основе предыдущих пользовательских взаимодействий с сервисом рекомендаций, которые могут указывать на предпочтения пользователя в отношении конкретного содержимого по сравнению с другим содержимым. Например, если какое-то конкретное содержимое связано с большим количеством предыдущих пользовательских взаимодействий, это конкретное содержимое, скорее всего, будет предоставляться как персонализированное содержимое, поскольку большое количество предыдущих пользовательских взаимодействий может указывать на релевантное содержимое.
[08] Американская патентная заявка No. 2017/0068992 А1, опубликованная 9 марта 2017 компанией Yahoo! и озаглавленная "MULTI-SOURCE CONTENT BLENDING" (англ. "СМЕШИВАНИЕ СОДЕРЖИМОГО ИЗ НЕСКОЛЬКИХ ИСТОЧНИКОВ"), описывает способ и устройство для смешивания содержимого из нескольких источников.
[09] Американская патентная заявка No. 2011/0302158 А1, опубликованная 8 декабря 2011 года компанией Netflix Inc., и озаглавленная "Interest based row selection" (англ. "Выбор строки на основе интереса"), описывает механизм рекомендации жанров и соответствующих цифровых элементов пользователю. Жанры, которые интересны пользователю, определяются на основе пользовательских предпочтений, собранных явно или неявно. Жанры далее оцениваются и сортируются на основе различных способов оценки и сортировки. Подмножество оцененных и отсортированных жанров далее выбирается для рекомендаций пользователю.
[10] Американская патентная заявка No. 2010/131844 А1, опубликованная 27 мая 2010 компанией AT&T INTELLECTUAL PROPERTY и озаглавленная "Systems and methods to select media content" (англ. "Системы и способы выбора медиа-содержимого", описывает системы и способы для выбора медиа-содержимого. Конкретный способы включает в себя создание медиа-плейлиста на основе данных о пользовательских предпочтениях и создание дисплея пользовательского интерфейса. Данные о пользовательских предпочтениях указывают на пропорции каждой из множества категорий медиа-содержимого, предназначенные для представления в медиа-плейлисте. Дисплей пользовательского интерфейса представляет данные о пользовательских предпочтениях с помощью настраиваемых строк. Каждая строка связана с одной из категорий медиа-содержимого, и измерение каждой строки связано с пропорцией соответствующей категории медиа-содержимого, включенного в медиа-плейлист. Способ включает в себя получение пользовательского ввода, корректирующего измерение первой строки, связанной с первой категорией из множества категорий медиа-содержимого. Способ включает в себя корректировку пропорции первой категории медиа-содержимого, включенного в медиа-плейлист на основе пользовательского ввода.
[11] Американская патентная заявка No. 2016/0328480 А1, опубликованная 10 ноября 2016 компанией Facebook Inc. и озаглавленная "Systems and methods for tuning content provision based on user preference" (англ. "Системы и способы для настройки предоставления содержимого на основе пользовательских предпочтений"), описывает системы, способы и постоянный компьютерный носитель, выполненный с возможностью предложить пользователю указать желаемую частоту получения элементов содержимого, отражающих тему. Может быть получено указание на желаемую частоту. Выбор элементов содержимого, отражающих тему, может быть настроен на осуществление представления пользователю на основе желаемой частоты.
РАСКРЫТИЕ ТЕХНОЛОГИИ
[12] Разработчики настоящей технологии обратили внимание на некоторые технические недостатки, связанные с существующими системами рекомендаций. Обычные системы рекомендаций обычно используют предыдущие пользовательские взаимодействия с элементами в качестве основы для определения релевантности этих элементов для пользователей сервиса рекомендаций. Эти обычные системы рекомендаций основаны на предположении о том, что пользователи часто просматривают и/или часто взаимодействуют с элементами содержимого, что указывает на высокую релевантность этих элементов для пользователей. Тем не менее, в некоторых случаях, это предположение может быть неточным по различным причинам.
[13] Задачей предлагаемой технологии является устранение по меньшей мере некоторых недостатков, присущих известному уровню техники.
[14] Первым объектом настоящей технологии является исполняемый на компьютере способ определения зависящих от пользователя пропорций типов содержимого для рекомендаций для данного пользователя, причем данный пользователь связан с электронным устройством, которое соединено с сервером через сеть передачи данных, причем сервер размещает сервис рекомендации содержимого для создания рекомендаций содержимого, обладающих элементами содержимого по меньшей мере двух типов, причем способ выполняется сервером, и включает в себя: получение сервером для каждого соответствующего типа содержимого из по меньшей мере двух типов содержимого, указания на соответствующий базовый интервал пропорций содержимого для рекомендации; получение сервером для каждого соответствующего типа содержимого из по меньшей мере двух типов содержимого, соответствующего набора параметров пользовательского взаимодействия, который указывает на взаимодействие пользователя из соответствующего набора пользователей сервиса рекомендации содержимого с соответствующим типом содержимого; вычисление сервером для каждого соответствующего типа содержимого из по меньшей мере двух типов содержимого, соответствующего распределения параметров пользовательского взаимодействия на основе соответствующего набора параметров пользовательского взаимодействия из соответствующего набора пользователей; в ответ на получение указания на запрос персонализированного содержимого от электронного устройства, связанного с данным пользователем: получение сервером, для каждого соответствующего типа содержимого из по меньшей мер двух типов содержимого, соответствующего зависящего от пользователя параметра взаимодействий для данного пользователя, причем соответствующий зависящий от пользователя параметр взаимодействий указывает на предпочтения данного пользователя в соответствующем типе содержимого; вычисление сервером для каждого соответствующего типа содержимого из по меньшей мере двух типов содержимого, соответствующей зависящей от пользователя пропорции соответствующего типа содержимого для рекомендации содержимого данному пользователю, причем соответствующая зависящая от пользователя пропорция в границах соответствующего базового интервала пропорций содержимого, и вычисление основано на: соответственно связанном распределении параметров пользовательского взаимодействия из набора пользователей, и соответствующем зависящем от пользователя параметре взаимодействия данного пользователя; создание сервисом рекомендации содержимого сервера множества элементов содержимого для персонализированной рекомендации содержимого для данного пользователя, причем множество элементов содержимого относится по меньшей мере к одному из двух типов, соответствующая часть множества элементов содержимого находится в соответствующей зависящей от пользователя пропорции; и отправку сервером множества элементов содержимого для отображения на электронном устройстве данного пользователя.
[15] В некоторых вариантах осуществления технологии, до вычисления соответствующей зависящей от пользователя пропорции соответствующего типа содержимого, способ далее включает в себя: вычисление сервером соответствующего центрального параметра распределения соответственно связанного распределения параметров пользовательского взаимодействия, определение сервером соответствующего зависящего от пользователя параметра распределения данного пользователя, причем соответствующий зависящий от пользователя параметр распределения указывает на расположение соответственно связанного зависящего от пользователя параметра взаимодействия данного пользователя в соответствующем связанном распределении параметров пользовательского взаимодействия, вычисление сервером смещения между соответствующим центральным распределением параметра и соответствующим зависящим от пользователя параметра распределения, и причем вычисление соответствующей зависящей от пользователя пропорции соответствующего типа содержимого далее основано на: смещении между соответствующим центральным распределением параметра и соответствующим зависящим от пользователя параметра распределения, и соответствующей центральной пропорции соответствующего базового интервала пропорций, которая соответствует соответствующему центральному параметру распределения соответственно связанного распределения параметра пользовательского взаимодействия.
[16] В некоторых вариантах осуществления технологии, вычисление соответствующей зависящей от пользователя пропорции соответствующего типа содержимого далее включает в себя: определение сервером, является ли направление смещения между соответствующим центральным распределением параметра и соответствующим зависящим от пользователя параметра распределения одним из: положительным направлением или отрицательным направлением, в ответ на то, что направление положительное: назначение сервером соответствующего первого заранее определенного значения соответствующей зависящей от пользователя пропорции, причем соответствующее первое заранее определенное значение находится выше соответствующей центральной пропорции, и, в ответ на то, что направление отрицательное: назначение сервером соответствующего второго заранее определенного значения соответствующей зависящей от пользователя пропорции, причем соответствующее второе заранее определенное значение находится ниже соответствующей центральной пропорции.
[17] В некоторых вариантах осуществления технологии, соответствующее расстояние между соответствующим первым заранее определенным значением и соответствующей центральной пропорции на базовом интервале пропорций пропорционально величине смещения между соответствующим центральным параметром распределения и соответствующим зависящим от пользователя параметра распределения, и соответствующее расстояние между соответствующим вторым заранее определенным значением и соответствующей центральной пропорции на базовом интервале пропорций пропорционально величине смещения между соответствующим центральным параметром распределения и соответствующим зависящим от пользователя параметре распределения.
[18] В некоторых вариантах осуществления технологии, соответствующий центральный параметр распределения является медианным для соответственно связанного распределения пользовательских взаимодействий.
[19] В некоторых вариантах осуществления технологии, соответствующая центральная пропорция является медианной для соответствующего базового интервала пропорции.
[20] В некоторых вариантах осуществления технологии, соответствующий зависящий от пользователя параметр распределения является процентильным рангом соответствующего зависящего от пользователя параметра взаимодействия данного пользователя в соответствующем распределении параметров пользовательского взаимодействия.
[21] В некоторых вариантах осуществления технологии, по меньшей мере два типа содержимого включают в себя по меньшей мере два из: текстовое содержимое, оригинальное содержимое, неоригинальное содержимое, графическое содержимое, видео содержимое, аудио содержимое и содержимое с информацией о погоде.
[22] В некоторых вариантах осуществления технологии, соответствующий набор параметров пользовательского взаимодействия и соответствующий зависящий от пользователя параметр взаимодействия, связанный с соответствующим типом содержимого из по меньшей мер двух типов содержимого относится к одному и тому же типу параметра взаимодействия, и способ далее включает в себя, используя тот же тип параметра взаимодействия для соответствующего типа содержимого: для текстового содержимого, рейтинг кликабельности (CTR), для оригинального содержимого, рейтинг кликабельности (CTR), для неоригинального содержимого, рейтинг кликабельности (CTR), для графического содержимого, рейтинг кликабельности (CTR), для видео содержимого, время пребывания на странице, для аудио содержимого, время пребывания на странице, и для графического содержимого, рейтинг кликабельности (CTR).
[23] В некоторых вариантах осуществления технологии, сервер соединен с базой данных журнала, и получение соответствующего зависящего от пользователя параметра взаимодействия включает в себя: применение сервером скользящего окна предыдущих пользовательских взаимодействий к пользовательским взаимодействиям, связанным с данным пользователем в базе данных журнала, и вычисление сервером соответствующего зависящего от пользователя параметра взаимодействия на основе пользовательских взаимодействий, связанным с данным пользователем в базе данных журнала, которые попадают в скользящее окно предыдущих пользовательских взаимодействий.
[24] В некоторых вариантах осуществления технологии, далее включающий в себя, в ответ на то, что соответствующее число пользовательских взаимодействий, связанных с данным пользователем, которое попадает в скользящее окно предыдущих пользовательских взаимодействий, ниже заранее определенного порога пользовательских взаимодействий: назначение сервером соответствующего заранее определенного значения соответствующей зависящей от пользователя пропорции.
[25] В некоторых вариантах осуществления технологии, способ далее включает в себя: получение сервером другого указания на запрос на персонализированное содержимое от электронного устройства, связанного с данным пользователем после указания на запрос на персонализированное содержимое, определение сервером того, находится ли тогда соответствующее число пользовательских взаимодействий данного пользователя выше заранее определенного порога пользовательских взаимодействий, в ответ на то, что тогда соответствующее число пользовательских взаимодействий данного пользователя выше заранее определенного порога пользовательских взаимодействий в момент получения другого запроса на персонализированное содержимое: замену сервером соответствующее заранее определенного значения, назначенного соответствующей зависящей от пользователя пропорции, на вычисленную соответствующую зависящую от пользователя пропорцию.
[26] В некоторых вариантах осуществления технологии, скользящее окно обладает заранее определенным размером заранее определенного числа предыдущих пользовательских сессий с системой рекомендаций.
[27] В некоторых вариантах осуществления технологии, способ дополнительно включает в себя, перед созданием множества элементов содержимого: суммирование сервером соответственно связанных зависящих от пользователя пропорций для получения суммы зависящих от пользователя пропорций, в ответ на то, что сумма зависящих от пользователя пропорций: ниже заранее определенного порога суммы или выше заранее определенного порога суммы: корректировку сервером каждой соответственно связанной зависящей от пользователя пропорции таким образом, чтобы сумма зависящей от пользователя пропорции была равна заранее определенному порогу суммы.
[28] Вторым объектом настоящей технологии является система определения зависящих от пользователя пропорций типов содержимого для рекомендаций для данного пользователя, причем данный пользователь связан с электронным устройством, которое соединено с системой через сеть передачи данных, причем система размещает сервис рекомендации содержимого для создания рекомендаций содержимого, обладающих элементами содержимого по меньшей мере двух типов, причем система включает в себя: процессор, постоянный читаемый компьютером носитель, содержащий инструкции, и процессор, при выполнении инструкций, выполнен с возможностью осуществлять: получение сервером для каждого соответствующего типа содержимого из по меньшей мере двух типов содержимого, указания на соответствующий базовый интервал пропорций содержимого для рекомендации, получение для каждого соответствующего типа содержимого из по меньшей мере двух типов содержимого, соответствующего набора параметров пользовательского взаимодействия, который указывает на взаимодействие пользователя из соответствующего набора пользователей сервиса рекомендации содержимого с соответствующим типом содержимого, вычисление для каждого соответствующего типа содержимого из по меньшей мере двух типов содержимого, соответствующего распределения параметров пользовательского взаимодействия на основе соответствующего набора параметров пользовательских взаимодействий из соответствующего набора пользователей, в ответ на получение указания на запрос персонализированного содержимого от электронного устройства, связанного с данным пользователем: получение, для каждого соответствующего типа содержимого из по меньшей мер двух типов содержимого, соответствующего зависящего от пользователя параметра взаимодействий для данного пользователя, причем соответствующий зависящий от пользователя параметр взаимодействий указывает на предпочтения данного пользователя в соответствующем типе содержимого, вычисление для каждого соответствующего типа содержимого из по меньшей мере двух типов содержимого, соответствующей зависящей от пользователя пропорции соответствующего типа содержимого для рекомендации содержимого данному пользователю, причем соответствующая зависящая от пользователя пропорция в границах соответствующего базового интервала пропорций содержимого, и вычисление основано на: соответственно связанном распределении параметров пользовательского взаимодействия из набора пользователей, и соответствующем зависящем от пользователя параметре взаимодействия данного пользователя, создание сервисом рекомендации содержимого системы множества элементов содержимого для персонализированной рекомендации содержимого для данного пользователя, причем множество элементов содержимого относится по меньшей мере к одному из двух типов, соответствующая часть множества элементов содержимого находится в соответствующей зависящей от пользователя пропорции, и отправку множества элементов содержимого для отображения на электронном устройстве данного пользователя.
[29] В некоторых вариантах осуществления технологии, до вычисления соответствующей зависящей от пользователя пропорции соответствующего типа содержимого, процессор далее выполнен с возможностью осуществлять: вычисление сервером соответствующего центрального параметра распределения соответственно связанного распределения параметров пользовательского взаимодействия, определение соответствующего зависящего от пользователя параметра распределения данного пользователя, причем соответствующий зависящий от пользователя параметр распределения указывает на расположение соответственно связанного зависящего от пользователя параметра взаимодействия данного пользователя в соответствующем связанном распределении параметров пользовательского взаимодействия, вычисление смещения между соответствующим центральным распределением параметра и соответствующим зависящим от пользователя параметра распределения, и причем вычисление соответствующей зависящей от пользователя пропорции соответствующего типа содержимого далее основано на: смещении между соответствующим центральным распределением параметра и соответствующим зависящим от пользователя параметра распределения, и соответствующей центральной пропорции соответствующего базового интервала пропорций, которая соответствует соответствующему центральному параметру распределения соответственно связанного распределения параметров пользовательского взаимодействия.
[30] В некоторых вариантах осуществления технологии, вычисление соответствующей зависящей от пользователя пропорции соответствующего типа содержимого далее включает в себя: определение того, является ли направление смещения между соответствующим центральным распределением параметра и соответствующим зависящим от пользователя параметра распределения одним из: положительным направлением или отрицательным направлением, в ответ на то, что направление положительное: назначение соответствующего первого заранее определенного значения соответствующей зависящей от пользователя пропорции, причем соответствующее первое заранее определенное значение находится выше соответствующей центральной пропорции, и, в ответ на то, что направление отрицательное: назначение соответствующего второго заранее определенного значения соответствующей зависящей от пользователя пропорции, причем соответствующее второе заранее определенное значение находится ниже соответствующей центральной пропорции.
[31] В некоторых вариантах осуществления технологии, соответствующее расстояние между соответствующим первым заранее определенным значением и соответствующей центральной пропорции на базовом интервале пропорций пропорционально величине смещения между соответствующим центральным параметром распределения и соответствующим зависящим от пользователя параметра распределения, и соответствующее расстояние между соответствующим вторым заранее определенным значением и соответствующей центральной пропорции на базовом интервале пропорций пропорционально величине смещения между соответствующим центральным параметром распределения и соответствующим зависящим от пользователя параметре распределения.
[32] В некоторых вариантах осуществления технологии, соответствующий центральный параметр распределения является медианным для соответственно связанного распределения пользовательских взаимодействий.
[33] В некоторых вариантах осуществления технологии, соответствующая центральная пропорция является медианной для соответствующего базового интервала пропорции.
[34] В некоторых вариантах осуществления технологии, соответствующий зависящий от пользователя параметр распределения является процентильным рангом соответствующего зависящего от пользователя параметра взаимодействия данного пользователя в соответствующем распределении параметров пользовательского взаимодействия.
[35] В некоторых вариантах осуществления технологии, по меньшей мере два типа содержимого включают в себя по меньшей мере два из: текстовое содержимое, оригинальное содержимое, неоригинальное содержимое, графическое содержимое, видео содержимое, аудио содержимое и содержимое с информацией о погоде.
[36] В некоторых вариантах осуществления технологии, соответствующий набор параметров пользовательского взаимодействия и соответствующий зависящий от пользователя параметр взаимодействия, связанный с соответствующим типом содержимого из по меньшей мер двух типов содержимого относится к одному и тому же типу параметра взаимодействия, и система далее включает в себя, используя тот же тип параметра взаимодействия для соответствующего типа содержимого: для текстового содержимого, рейтинг кликабельности (CTR), для оригинального содержимого, для неоригинального содержимого, рейтинг кликабельности (CTR), для графического содержимого, рейтинг кликабельности (CTR), рейтинг кликабельности (CTR), для видео содержимого, время пребывания на странице, для аудио содержимого, время пребывания на странице, и для графического содержимого, рейтинг кликабельности (CTR).
[37] В некоторых вариантах осуществления технологии, система соединена с базой данных журнала, и для получения соответствующего зависящего от пользователя параметра взаимодействия процессор далее выполнен с возможностью осуществлять: применение скользящего окна предыдущих пользовательских взаимодействий к пользовательским взаимодействиям, связанным с данным пользователем в базе данных журнала, и вычисление соответствующего зависящего от пользователя параметра взаимодействия на основе пользовательских взаимодействий, связанным с данным пользователем в базе данных журнала, которые попадают в скользящее окно предыдущих пользовательских взаимодействий.
[38] В некоторых вариантах осуществления технологии, процессор далее выполнен с возможностью осуществлять, в ответ на то, что соответствующее число пользовательских взаимодействий, связанных с данным пользователем, которое попадает в скользящее окно предыдущих пользовательских взаимодействий, ниже заранее определенного порога пользовательских взаимодействий: назначение соответствующего заранее определенного значения соответствующей зависящей от пользователя пропорции.
[39] В некоторых вариантах осуществления технологии, процессор далее выполнен с возможностью осуществлять: получение другого указания на запрос на персонализированное содержимое от электронного устройства, связанного с данным пользователем после указания на запрос на персонализированное содержимое, определение того, находится ли тогда соответствующее число пользовательских взаимодействий данного пользователя выше заранее определенного порога пользовательских взаимодействий, в ответ на то, что тогда соответствующее число пользовательских взаимодействий данного пользователя выше заранее определенного порога пользовательских взаимодействий в момент получения другого запроса на персонализированное содержимое: замену соответствующее заранее определенного значения, назначенного соответствующей зависящей от пользователя пропорции, на вычисленную соответствующую зависящую от пользователя пропорцию.
[40] В некоторых вариантах осуществления технологии, скользящее окно обладает заранее определенным размером заранее определенного числа предыдущих пользовательских сессий с системой рекомендаций.
[41] В некоторых вариантах осуществления технологии, процессор дополнительно выполнен с возможностью осуществлять, перед созданием множества элементов содержимого: суммирование соответственно связанных зависящих от пользователя пропорций для получения суммы зависящих от пользователя пропорций, в ответ на то, что сумма зависящих от пользователя пропорций: ниже заранее определенного порога суммы или выше заранее определенного порога суммы: корректировку каждой соответственно связанной зависящей от пользователя пропорции таким образом, чтобы сумма зависящей от пользователя пропорции была равна заранее определенному порогу суммы.
[42] В контексте настоящего описания «сервер» подразумевает под собой компьютерную программу, работающую на соответствующем оборудовании, которая способна получать запросы (например, от клиентских устройств) по сети и выполнять эти запросы или инициировать выполнение этих запросов. Оборудование может представлять собой один физический компьютер или одну физическую компьютерную систему, но ни то, ни другое не является обязательным для данной технологии. В контексте настоящей технологии использование выражения "сервер" не означает, что каждая задача (например, полученные команды или запросы) или какая-либо конкретная задача будет получена, выполнена или инициирована к выполнению одним и тем же сервером (то есть одним и тем же программным обеспечением и/или аппаратным обеспечением); это означает, что любое количество элементов программного обеспечения или аппаратных устройств может быть вовлечено в прием/передачу, выполнение или инициирование выполнения любого запроса или последствия любого запроса, связанного с клиентским устройством, и все это программное и аппаратное обеспечение может быть одним сервером или несколькими серверами, оба варианта включены в выражение "по меньшей мере один сервер".
[43] В контексте настоящего описания "клиентское устройство" подразумевает под собой аппаратное устройство, способное работать с программным обеспечением, подходящим к решению соответствующей задачи. Таким образом, примерами клиентских устройств (среди прочего) могут служить персональные компьютеры (настольные компьютеры, ноутбуки, нетбуки и т.п.), смартфоны, планшеты, а также сетевое оборудование, такое как маршрутизаторы, коммутаторы и шлюзы. Следует иметь в виду, что устройство, ведущее себя как клиентское устройство в настоящем контексте, может вести себя как сервер по отношению к другим клиентским устройствам. Использование выражения «клиентское устройство» не исключает возможности использования множества клиентских устройств для получения/отправки, выполнения или инициирования выполнения любой задачи или запроса, или же последствий любой задачи или запроса, или же этапов любого вышеописанного способа.
[44] В контексте настоящего описания, «база данных» подразумевает под собой любой структурированный набор данных, не зависящий от конкретной структуры, программного обеспечения по управлению базой данных, аппаратного обеспечения компьютера, на котором данные хранятся, используются или иным образом оказываются доступны для использования. База данных может находиться на том же оборудовании, которое выполняет процесс, который сохраняет или использует информацию, хранящуюся в базе данных, или же она может находиться на отдельном оборудовании, например, выделенном сервере или множестве серверов.
[45] В контексте настоящего описания "информация" включает в себя информацию любую информацию, которая может храниться в базе данных. Таким образом, информация включает в себя, среди прочего, аудиовизуальные произведения (изображения, видео, звукозаписи, презентации и т.д.), данные (данные о местоположении, цифровые данные и т.д.), текст (мнения, комментарии, вопросы, сообщения и т.д.), документы, таблицы, списки слов и т.д.
[46] В контексте настоящего описания "компонент" подразумевает под собой программное обеспечение (соответствующее конкретному аппаратному контексту), которое является необходимым и достаточным для выполнения конкретной(ых) указанной(ых) функции(й).
[47] В контексте настоящего описания «используемый компьютером носитель компьютерной информации» подразумевает под собой носитель абсолютно любого типа и характера, включая ОЗУ, ПЗУ, диски (компакт диски, DVD-диски, дискеты, жесткие диски и т.д.), USB флеш-накопители, твердотельные накопители, накопители на магнитной ленте и т.д.
[48] В контексте настоящего описания слова «первый», «второй», «третий» и и т.д. используются в виде прилагательных исключительно для того, чтобы отличать существительные, к которым они относятся, друг от друга, а не для целей описания какой-либо конкретной взаимосвязи между этими существительными. Так, например, следует иметь в виду, что использование терминов "первый сервер" и "третий сервер " не подразумевает какого-либо порядка, отнесения к определенному типу, хронологии, иерархии или ранжирования (например) серверов/между серверами, равно как и их использование (само по себе) не предполагает, что некий "второй сервер" обязательно должен существовать в той или иной ситуации. В дальнейшем, как указано здесь в других контекстах, упоминание «первого» элемента и «второго» элемента не исключает возможности того, что это один и тот же фактический реальный элемент. Так, например, в некоторых случаях, "первый" сервер и "второй" сервер могут являться одним и тем же программным и/или аппаратным обеспечением, а в других случаях они могут являться разным программным и/или аппаратным обеспечением.
[49] Каждый вариант осуществления настоящей технологии преследует по меньшей мере одну из вышеупомянутых целей и/или объектов, но наличие всех не является обязательным. Следует иметь в виду, что некоторые объекты данной технологии, полученные в результате попыток достичь вышеупомянутой цели, могут не удовлетворять этой цели и/или могут удовлетворять другим целям, отдельно не указанным здесь.
[50] Дополнительные и/или альтернативные характеристики, аспекты и преимущества вариантов осуществления настоящей технологии станут очевидными из последующего описания, прилагаемых чертежей и прилагаемой формулы изобретения.
КРАТКОЕ ОПИСАНИЕ ЧЕРТЕЖЕЙ
[51] Для лучшего понимания настоящей технологии, а также других ее аспектов и характерных черт сделана ссылка на следующее описание, которое должно использоваться в сочетании с прилагаемыми чертежами, где:
[52] На Фиг. 1 представлена система, подходящая для реализации неограничивающих вариантов осуществления настоящей технологии;
[53] На Фиг. 2 представлен снимок экрана с рекомендательным интерфейсом, выполненным в соответствии с неограничивающим вариантом осуществления настоящей технологии, рекомендательный интерфейс представлен на экране электронного устройства системы, показанной на Фиг. 1, электронное устройство выполнено в виде смартфона.
[54] На Фиг. 3 схематически представлена система адаптивных частот, используемая системой, изображенной на Фиг. 1, в соответствии с неограничивающими вариантами осуществления настоящей технологии.
[55] На Фиг. 4 и Фиг. 5 схематически представлены распределения параметров пользовательского взаимодействия и базового интервала пропорций, созданных системой адаптивных частот, показанной на Фиг. 3, в соответствии с неограничивающими вариантами осуществления настоящей технологии.
[56] На Фиг. 6 и Фиг. 7 представлена блок-схема первого способа определения зависящих от пользователя пропорций содержимого для рекомендации данному пользователю, способ выполняется в системе, показанной на Фиг. 1, в соответствии с вариантами осуществления настоящей технологии.
[57] На Фиг. 8 представлена блок-схема второго способа определения зависящих от пользователя пропорций содержимого для рекомендации данному пользователю, способ выполняется в системе, показанной на Фиг. 1, в соответствии с вариантами осуществления настоящей технологии.
ОСУЩЕСТВЛЕНИЕ
[58] Все примеры и используемые здесь условные конструкции предназначены, главным образом, для того, чтобы помочь читателю понять принципы настоящей технологии, а не для установления границ ее объема. Следует также отметить, что специалисты в данной области техники могут разработать различные схемы, отдельно не описанные и не показанные здесь, но которые, тем не менее, воплощают собой принципы настоящей технологии и находятся в границах ее объема.
[59] Кроме того, для ясности в понимании, следующее описание касается достаточно упрощенных вариантов осуществления настоящей технологии. Как будет понятно специалисту в данной области техники, многие варианты осуществления настоящей технологии будут обладать гораздо большей сложностью.
[60] Некоторые полезные примеры модификаций настоящей технологии также могут быть охвачены нижеследующим описанием. Целью этого является также исключительно помощь в понимании, а не определение объема и границ настоящей технологии. Эти модификации не представляют собой исчерпывающего списка, и специалисты в данной области техники могут создавать другие модификации, остающиеся в границах объема настоящей технологии. Кроме того, те случаи, где не были представлены примеры модификаций, не должны интерпретироваться как то, что никакие модификации невозможны, и/или что то, что было описано, является единственным вариантом осуществления этого элемента настоящей технологии.
[61] Более того, все заявленные здесь принципы, аспекты и варианты осуществления настоящей технологии, равно как и конкретные их примеры, предназначены для обозначения их структурных и функциональных основ, вне зависимости от того, известны ли они на данный момент или будут разработаны в будущем. Таким образом, например, специалистами в данной области техники будет очевидно, что представленные здесь блок-схемы представляют собой концептуальные иллюстративные схемы, отражающие принципы настоящей технологии. Аналогично, любые блок-схемы, диаграммы, псевдокоды и т.п. представляют собой различные процессы, которые могут быть представлены на машиночитаемом носителе и, таким образом, использоваться компьютером или процессором, вне зависимости от того, показан явно подобный компьютер или процессор, или нет.
[62] Функции различных элементов, показанных на чертежах, включая функциональный блок, обозначенный как "процессор" или "графический процессор", могут быть обеспечены с помощью специализированного аппаратного обеспечения или же аппаратного обеспечения, способного использовать подходящее программное обеспечение. Когда речь идет о процессоре, функции могут обеспечиваться одним специализированным процессором, одним общим процессором или множеством индивидуальных процессоров, причем некоторые из них могут являться общими. В некоторых вариантах осуществления настоящей технологии, процессор может являться универсальным процессором, например, центральным процессором (CPU) или специализированным для конкретной цели процессором, например, графическим процессором (GPU). Более того, использование термина «процессор» или «контроллер» не должно подразумевать исключительно аппаратное обеспечение, способное поддерживать работу программного обеспечения, и может включать в себя, без установления ограничений, цифровой сигнальный процессор (DSP), сетевой процессор, интегральную схему специального назначения (ASIC), программируемую пользователем вентильную матрицу (FPGA), постоянное запоминающее устройство (ПЗУ) для хранения программного обеспечения, оперативное запоминающее устройство (ОЗУ) и энергонезависимое запоминающее устройство. Также в это может быть включено другое аппаратное обеспечение, обычное и/или специальное.
[63] Программные модули или простые модули, представляющие собой программное обеспечение, могут быть использованы здесь в комбинации с элементами блок-схемы или другими элементами, которые указывают на выполнение этапов процесса и/или текстовое описание. Подобные модели могут быть выполнены на аппаратном обеспечении, показанном напрямую или косвенно.
[64] С учетом этих примечаний, далее будут рассмотрены некоторые не ограничивающие варианты осуществления аспектов настоящей технологии.
[65] На Фиг. 1 представлена принципиальная схема системы 100, выполненной в соответствии с вариантами осуществления настоящей технологии, не ограничивающими ее объем. Важно иметь в виду, что нижеследующее описание системы 100 представляет собой описание иллюстративных вариантов осуществления настоящего технического решения. Таким образом, все последующее описание представлено только как описание иллюстративного примера настоящей технологии. Это описание не предназначено для определения объема или установления границ настоящей технологии. Некоторые полезные примеры модификаций системы 100 также могут быть охвачены нижеследующим описанием. Целью этого является также исключительно помощь в понимании, а не определение объема и границ настоящей технологии. Эти модификации не представляют собой исчерпывающий список, и специалистам в данной области техники будет понятно, что возможны и другие модификации. Кроме того, это не должно интерпретироваться так, что там, где это еще не было сделано, т.е. там, где не были изложены примеры модификаций, никакие модификации невозможны, и/или что то, что описано, является единственным вариантом осуществления этого элемента настоящей технологии. Как будет понятно специалисту в данной области техники, это, скорее всего, не так. Кроме того, следует иметь в виду, что система 100 представляет собой в некоторых конкретных проявлениях достаточно простой вариант осуществления настоящей технологии, и в подобных случаях этот вариант представлен здесь с целью облегчения понимания. Как будет понятно специалисту в данной области техники, многие варианты осуществления настоящей технологии будут обладать гораздо большей сложностью.
[66] В общем случае, система 100 выполнена с возможностью предоставлять рекомендации содержимого пользователю 102 системы 100. Пользователь 102 может являться подписчиком сервиса рекомендаций, который предоставляет система 100. Однако, подписка не обязана быть оплачиваемой или явной. Например, пользователь 102 может стать подписчиком путем скачивания рекомендательного предложения из системы 100, путем регистрации и предоставления сочетания логина/пароля, путем регистрации и предоставления предпочтений пользователя и так далее. Поэтому любой вариант системы, выполненный с возможностью создавать рекомендации содержимого для данного пользователя, может быть адаптирован специалистом для выполнения вариантов осуществления настоящей технологии после того, как специалистом было прочитано настоящее описание. Кроме того, система 100 может быть описана с помощью примера системы 100, которая является системой рекомендаций (следовательно, система 100 может упоминаться как "система 100 рекомендаций" или "система 100 предсказаний" или "система 100 обучения"). Тем не менее, варианты осуществления настоящей технологии могут также применяться к другим типам систем 100, как будет более подробно описано далее.
[67] Система 100 содержит электронное устройство 104, электронное устройство 104 связано с пользователем 102. Таким образом, электронное устройство 104 может иногда упоминаться как "клиентское устройство", "устройство конечного пользователя" или "клиентское электронное устройство". Следует отметить, что тот факт, что электронное устройство 104 связано с пользователем 102, не подразумевает какого-либо конкретного режима работы, равно как и необходимости входа в систему, быть зарегистрированным, или чего-либо подобного.
[68] Варианты осуществления электронного устройства 104 конкретно не ограничены, но в качестве примера электронного устройства 104 могут использоваться персональные компьютеры (настольные компьютеры, ноутбуки, нетбуки и т.п.), устройства беспроводной связи (смартфоны, мобильные телефоны, планшеты и т.п.), а также сетевое оборудование (маршрутизаторы, коммутаторы или шлюзы). Электронное устройство 104 содержит аппаратное и/или прикладное программное, и/или системное программное обеспечение (или их комбинацию), как известно в области техники, чтобы выполнять рекомендательное приложение 106. В общем случае, задачей рекомендательного приложения 106 является позволить пользователю получать (или каким-либо иным способом иметь доступ) к рекомендациям содержимого, которые предоставлены системой 100, как будет более подробно описано далее.
[69] Реализация рекомендательного приложения 106 никак конкретно не ограничена. Одним из примеров выполнения рекомендательного приложения 106 является доступ пользователем на веб-сайт, соответствующий системе рекомендаций, для получения доступа к рекомендательному приложению 106. Например, рекомендательное приложение 106 может быть вызвано путем ввода (или копирования-вставки или выбора ссылки) URL, связанного с сервисом рекомендаций. Альтернативно, рекомендательное приложение 106 может являться приложением, скачанным из так называемого магазина приложений, например, APPSTORE™ или GOOGLEPLAY™, и установленным/используемым на электронном устройстве 104. Важно иметь в виду, что рекомендательное приложение 106 может быть вызвано с помощью любых других средств. В других дополнительных вариантах осуществления технологии, функции приложения 106 рекомендаций могут быть встроены в другое приложение, например, приложение браузера (не показано) и так далее. Например, приложение 106 рекомендаций может выполняться как часть браузерного приложения, например, когда пользователь 102 в первый раз запускает браузерное приложение, может выполняться функциональность приложения 106 рекомендаций.
[70] В общем случае, рекомендательное приложение 106 включает в себя рекомендательный интерфейс 108, причем рекомендательный интерфейс 108 отображается на экране (отдельно не пронумерован) электронного устройства 104. На Фиг. 2 представлен снимок экрана с рекомендательным интерфейсом 108, реализованным в соответствии с неограничивающим вариантом осуществления настоящей технологии (пример рекомендательного интерфейса 108 представлен на экране электронного устройства 104, который реализован в виде смартфона).
[71] В некоторых вариантах осуществления настоящей технологии, рекомендательный интерфейс 108 отображается, когда пользователь 102 электронного устройства 104 активирует (т.е. запускает, использует, запускает в фоновом режиме и так далее) рекомендательное приложение 106. Альтернативно, рекомендательный интерфейс 108 может быть представлен, когда пользователь 102 открывает новое окно браузера и/или активирует новую вкладку в браузерном приложении. Например, в некоторых вариантах осуществления настоящей технологии, рекомендательный интерфейс 108 может активировать "домашний экран" в браузерном приложении.
[72] Рекомендательный интерфейс 108 включает в себя поисковый интерфейс 202. Поисковый интерфейс 202 включает в себя интерфейс 204 поискового запроса. Интерфейс 204 поискового запроса может быть реализован как "омнибокс", что позволяет вводить поисковый запрос для проведения поиска или сетевой адрес (например, Единый Указатель Ресурсов (URL)) для идентификации ресурса (например, веб-сайта), который будет вызван. Тем не менее, интерфейс 204 поискового запроса может быть реализован для получения одного или обоих из: записи поискового запроса на выполнение поиска или сетевого адреса (например, Единый Указатель Ресурсов (URL)) для идентификации ресурса (например, веб-сайта), который будет вызван.
[73] Рекомендательный интерфейс 108 дополнительно включает в себя интерфейс 206 ссылок. Интерфейс 206 ссылок включает в себя множество фрагментов 208 - восемь из которых представлены на Фиг. 2 - только два пронумерованы на Фиг. 2 - первый фрагмент 210 и второй фрагмент 212.
[74] Используя, например, первый фрагмент 210 и второй фрагмент 212 - каждый из множества фрагментов 208 включает в себя (или действует как) ссылку на (i) веб-сайт, отмеченный как «избранное» или как-либо иначе отмеченный пользователем 102, (ii) ранее посещенный веб-сайт или (iii) тому подобное. Множество фрагментов 208 в представленном варианте осуществления визуально представлено пользователю 102 в виде квадратных кнопок с логотипом и/или названием представленного ресурса, логотип и название позволяют пользователю 102 идентифицировать, на какой ресурс ведет каждый из множества фрагментов (отдельно не пронумеровано). Тем не менее, важно иметь в виду, что визуальное представление некоторых или всех из множества фрагментов 208 может быть иным. Таким образом, некоторые или все из множества фрагментов 208 могут быть реализованы как кнопки других форм, как список гиперссылок и так далее.
[75] Например, первый фрагмент 210 включает в себя ссылку на веб-сайт TRAVELZOO™, а второй фрагмент 212 включает в себя ссылку на веб-сайт персонального живого журнала. Излишне говорить, что число и содержимое индивидуальных фрагментов из множества фрагментов 208 никак конкретно не ограничено.
[76] Например, число фрагментов во множестве фрагментов 208 может быть выбрано заранее поставщиком приложения 106 рекомендаций. В некоторых вариантах осуществления настоящей технологии, число фрагментов во множестве фрагментов 208 выбирается заранее на основе размера и/или разрешения экрана электронного устройства 104, которое выполняет рекомендательное приложение 106. Например, первое число фрагментов может быть выбрано заранее для электронного устройства 104, которое реализовано как смартфон, второе число фрагментов может быть выбрано заранее для электронного устройства 104, которое реализовано как планшет, и третье число фрагментов может быть выбрано заранее для электронного устройства 104, которое реализовано как ноутбук или настольный компьютер.
[77] Рекомендательный интерфейс 108 дополнительно включает в себя набор 214 рекомендованного содержимого. Набор 214 рекомендованного содержимого включает в себя один или несколько элементов рекомендаций содержимого, например, первый элемент 216 рекомендаций содержимого и второй элемент 218 рекомендаций содержимого (второй элемент 218 рекомендаций содержимого только частично виден на Фиг. 2). Естественно, набор 214 рекомендаций содержимого может обладать большим числом элементов рекомендаций содержимого. В рамках варианта осуществления, представленного на Фиг. 2, и тех вариантов осуществления технологии, где присутствует более одного элемента рекомендованного содержимого, пользователь 102 может прокручивать через набор 214 рекомендованного содержимого. Прокрутка может осуществляться любыми подходящими способами. Например, пользователь 102 может прокручивать содержимое набора 214 рекомендованного содержимого путем активации мыши (не показано), клавиши клавиатуры (не показано) или взаимодействия с сенсорным экраном (не показано) соответствующего электронного устройства 104.
[78] Пример, приведенный на Фиг. 2 является одним возможным вариантом осуществления рекомендательного интерфейса 108. Другой вариант осуществления рекомендательного интерфейса 108, а также описание того, как пользователь 102 может взаимодействовать с рекомендательным интерфейсом 108, представлено в находящейся в совместном владении российской патентной заявке, озаглавленной "ИСПОЛЯЕМЫЙ НА КОМПЬЮТЕРЕ СПОСОБ СОЗДАНИЯ РЕКОМЕНДАТЕЛЬНОГО ИНТЕРФЕЙСА СОДЕРЖИМОГО", поданной 12 мая 2016 под номером 2016118519; содержимое которой включено здесь полностью посредством ссылки.
[79] То, как именно создается набор 214 рекомендованного содержимого, будет более подробно описано далее.
[80] Возвращаясь к описанию Фиг. 1, электронное устройство 104 функционально соединено с сетью 110 передачи данных для получения доступа к рекомендательному серверу 112. В некоторых вариантах осуществления настоящей технологии, не ограничивающих ее объем, сеть 110 передачи данных может представлять собой Интернет. В других вариантах осуществления настоящего технического решения, сеть 110 передачи данных может быть реализована иначе - в виде глобальной сети передачи данных, локальной сети передачи данных, частной сети передачи данных и т.п. Линия передачи данных (отдельно не пронумерована) между электронным устройством 104 и сетью 110 передачи данных реализована таким образом, что она будет зависеть, среди прочего, от того, как реализовано электронное устройство 104. В качестве примера, но не ограничения, в данных вариантах осуществления настоящей технологии в случаях, когда электронное устройство 104 представляет собой беспроводное устройство связи (например, смартфон), линия передачи данных представляет собой беспроводную сеть передачи данных (например, среди прочего, линия передачи данных 3G, линия передачи данных 4G, беспроводной интернет Wireless Fidelity или коротко WiFi®, Bluetooth® и т.п.). В тех примерах, где электронное устройство 104 представляет собой портативный компьютер, линия связи может быть как беспроводной (беспроводной интернет Wireless Fidelity или коротко WiFi®, Bluetooth® и т.п.) так и проводной (соединение на основе сети Ethernet).
[81] Рекомендательный сервер 112 может представлять собой обычный компьютерный сервер. В примере варианта осуществления настоящего технического решения, рекомендательный сервер 112 может представлять собой сервер Dell™ PowerEdge™, на котором используется операционная система Microsoft™ Windows Server™. Излишне говорить, что рекомендательный сервер 112 может представлять собой любое другое подходящее аппаратное, прикладное программное, и/или системное программное обеспечение или их комбинацию. В представленном варианте осуществления настоящей технологии, не ограничивающем ее объем, рекомендательный сервер 112 является одиночным сервером. В других вариантах осуществления настоящего технического решения, не ограничивающих ее объем, функциональность рекомендательного сервера 112 изображения может быть разделена, и может выполняться с помощью нескольких серверов.
[82] Сервер 112 рекомендаций включает в себя модуль 114 обработки Модуль 114 обработки соединен или иным образом имеет доступ к модулю 115 обнаружения содержимого, модулю 116 аналитики и модулю 117 выбора рекомендуемого содержимого. Сервер 112 рекомендаций содержимого имеет доступ к устройству 118 хранения данных. Работа рекомендательного сервера 112 и его компонентов будет более подробно описана далее.
[83] Устройство 118 хранения данных включает в себя главную базу 120 данных, базу 122 данных факторов элементов, базу 124 данных рекомендуемых элементов содержимого и базу 126 данных пользовательских взаимодействий.
[84] Также с сетью 110 передачи данных соединено множество сетевых ресурсов 130, включая первый сетевой ресурс 132, второй сетевой ресурс 134 и множество дополнительных сетевых ресурсов 136. Первый сетевой ресурс 132, второй сетевой ресурс 134 и множество дополнительных сетевых ресурсов 136 являются сетевыми ресурсами, доступными электронному устройству 104 (а также другим электронным устройствам, потенциально присутствующим в системе 100) через сеть 110 передачи данных. Соответствующее содержимое первого сетевого ресурса 132, второго сетевого ресурса 134 и множества дополнительных сетевых ресурсов 136 никак конкретно не ограничено.
[85] Данный первый сетевой ресурс 132, второй сетевой ресурс 134 и множество дополнительных сетевых ресурсов 136 может содержать (или, другими словами, размещать) цифровое содержимое (т.е. один или несколько цифровых элементов из одного или нескольких цифровых элементов, обладающих одним или несколькими типами цифрового содержимого). В некоторых вариантах осуществления настоящей технологии, содержимое цифрового элемента может включать в себя, среди прочего: аудио содержимое для потокового вещания или загрузки, видео содержимое для потокового вещания или загрузки, новости, блоки, информацию о различных государственных институтах, информацию об интересных местах, тематически кластеризованное содержимое (например, содержимое, релевантное для тех, кто заинтересован в кикбоксинге), другое мультимедийное содержимое и так далее.
[86] В других вариантах осуществления настоящей технологии, содержимое цифровых элементов, размещенное на первом сетевом ресурсе 132, втором сетевом ресурсе 134 и множестве дополнительных сетевых ресурсов 136, является текстовым. Примеры текстовых элементов содержимого включают в себя, без установления ограничений: новости, статьи, блоги, информацию о различных государственных институтах, информацию об интересных местах, тематически кластеризованное содержимое (например, содержимое, релевантное для тех, кто заинтересован в кикбоксинге) и так далее. Следует отметить, что термин "текстовое" содержимое не означает, что данный цифровой элемент включает в себя только текст и исключает другие типы мультимедийных элементов. Напротив, данный текстовый цифровой элемент включает в себя текстовые элементы, а также потенциально другой тип мультимедийных элементов. Например, данный текстовый цифровой элемент содержимого, который является статьей, может содержать текст и фотографии. В качестве другого примера, текстовый цифровой элемент содержимого, который является блогом, может содержать текст и встроенные видео элементы.
[87] Содержимое потенциально "доступно для нахождения" для электронного устройства 104 различными способами. Например, пользователь 102 электронного устройства 104 может использовать браузерное приложение (не показано) и ввести Универсальный Указатель Ресурса (URL), связанный с одним из первого сетевого ресурса 132, второго сетевого ресурса 134 и множества дополнительных сетевых ресурсов 136. Альтернативно, пользователь 102 электронного устройства 104 может выполнить поиск с помощью поисковой системы (не показано), чтобы изучить содержимое одного или нескольких из первого сетевого ресурса 132, второго сетевого ресурса 134 и множества дополнительных сетевых ресурсов 136. Как было упомянуто ранее, это удобно в том случае, если пользователь 102 заранее знает, в каком именно содержимом пользователь 102 заинтересован.
[88] В соответствии с вариантами осуществления настоящей технологии, рекомендательное приложение 106 может рекомендовать элементы содержимого, доступные с одного из первого сетевого ресурса 132, второго сетевого ресурса 134 и множества дополнительных сетевых ресурсов 136, пользователю 102, элементы содержимого, о которых пользователь 102 может заранее не знать. Рекомендательный сервер 112 выполнен с возможностью осуществлять выбор содержимого для одного или нескольких рекомендуемых элементов, которые будут представлены пользователю 102 через рекомендательное приложение 106. Конкретнее, модуль 114 обработки выполнен с возможностью (i) получать от электронного устройства 104 запрос на рекомендации 150 содержимого и (ii) в ответ на запрос, создавать сообщение 152 рекомендаций содержимого, специально настроенное для пользователя 102, связанного с электронным устройством 104. Модуль 114 обработки может далее координировать выполнение различных процедур, описанных здесь как выполняемые модулем 115 обнаружения содержимого, модулем 116 аналитики и модуль 117 выбора рекомендуемого содержимого, например.
[89] Модуль 114 обработки выполнен с возможность сохранять информацию, извлекаемую во время обработки, в главной базе 120 данных. В общем случае, главная база данных 120 может получать данные от модуля 114 обработки, которые были извлечены или иным образом определены модулем 114 обработки во время обработки для временного и/или постоянного хранения, и могут предоставлять сохраненные данные модулю 114 обработки для использования.
[90] В некоторых вариантах осуществления настоящей технологии, запрос на рекомендации 150 содержимого может быть создан в ответ на предоставление пользователем 102 явного указания на его/ее желание получать рекомендации содержимого. Например, рекомендательный интерфейс 108 может предоставлять кнопку (или другой активируемый элемент), который позволит пользователю 102 выражать свое желание получить новые или обновленные рекомендации содержимого. В качестве неограничивающего примера, рекомендательный интерфейс 108 может предоставить активируемую кнопку, на которой написано "запросить рекомендации содержимого". В рамках этих вариантов осуществления технологии, запрос на рекомендации 150 содержимого может считаться "явным запросом" в том смысле, что пользователь 102 явно выражает запрос на рекомендуемое содержимого.
[91] В других вариантах осуществления настоящей технологии, запрос на рекомендации 150 содержимого может быть создан в ответ на явное указание от пользователя 102 на желание пользователя получить рекомендации содержимого. В некоторых вариантах осуществления настоящей технологии, запрос на рекомендации 150 содержимого может быть создан в ответ на то, что пользователь 102 запускает рекомендательное приложение 106.
[92] Альтернативно, в тех вариантах осуществления настоящей технологии, где приложение 106 рекомендаций реализовано как браузер (например, браузер GOOGLE™, браузер YANDEX™, браузер YAHOO!™ или любой другой частный или коммерчески доступный браузер), как упоминалось ранее, запрос на рекомендацию 150 содержимого может быть создан в ответ на то, что пользователь 102 открывает браузерное приложение и может быть создан, например, без выполнения пользователем 102 каких-либо действий, кроме активации браузерного приложения. В качестве другого примера, запрос на рекомендации 150 содержимого может быть создан в ответ на открытие пользователем 102 новой вкладки в уже открытом браузерном приложении, и могут быть созданы, например, без выполнения пользователем 102 каких-либо действий, кроме активации новой вкладки браузера. Другими словами, запрос на рекомендации 150 содержимого может быть создан даже без знания пользователя 102 о том, что он может быть заинтересован в получении рекомендации содержимого.
[93] В качестве другого примера, запрос на рекомендацию 150 содержимого может быть создан в ответ на выбор пользователем 102 конкретного элемента браузерного приложения, и могут быть созданы, например, без выполнения пользователем 102 каких-либо действий, кроме активации/выбора конкретного элемента браузерного приложения.
[94] Примеры конкретного элемента браузерного приложения включают в себя, без установления ограничений:
Figure 00000001
Адресную строку строки браузерного приложения
Figure 00000002
Поисковую строку браузерного приложения и/или поисковую строку веб-сайта поисковой системы, доступного в браузерном приложении
Figure 00000003
Омнибокс (комбинированная адресная и поисковая строка браузерного приложения)
Figure 00000004
Панель избранных или недавно посещенных сетевых ресурсов
Figure 00000005
Любую другую заранее определенную область интерфейса браузерного приложения или сетевого ресурса, отображенного в браузерном приложении
[95] То, как именно модуль 117 выбора рекомендуемого содержимого создает элементы содержимого для рекомендаций в ответ на запрос рекомендации 150 содержимого, будет описано далее более подробно.
[96] В некоторых вариантах осуществления настоящей технологии, модуль 115 обнаружения содержимого может быть выполнен с возможностью осуществлять работу "поискового робота". Другими словами, модуль 115 обнаружения содержимого может выполнять работу робота, который "посещает" множество ресурсов (например, множество сетевых ресурсов 130, включая первый сетевой ресурс 132, второй сетевой ресурс 134 и множество дополнительных сетевых ресурсов 136) и каталогизирует один или несколько цифровых элементов, размещенных на соответствующем одном из первого сетевого ресурса 132, второго сетевого ресурса 134 и множества дополнительных сетевых ресурсов 136. В некоторых вариантах осуществления настоящей технологии, модуль 115 обнаружения содержимого может каталогизировать цифровые элементы в инвертированный индекс, сопоставляя данный цифровой элемент для составления списка ключевых слов, связанных с данным цифровым элементом.
[97] Как часть функции поискового робота, модуль 115 обнаружения содержимого выполнен с возможностью содержать информацию, представляющую новые найденные сетевые ресурсы и/или новое найденное доступное содержимое, доступное на них. В некоторых вариантах осуществления настоящей технологии, модуль 115 выбора рекомендуемого содержимого может быть выполнен с возможностью поддерживать инвертированный индекс как пример базы 124 данных рекомендованных элементов содержимого на устройстве 118 хранения данных, но модуль 117 выбора рекомендуемого содержимого может организовать информацию, представляющую новые найденные сетевые ресурсы и/или новое найденное содержимое, доступное на них, в структуру данных, отличную от инвертированного индекса. В других вариантах осуществления технологии, модуль 115 обнаружения содержимого может также быть выполнен с возможностью извлекать факторы из новых обнаруженных сетевых ресурсов и/или нового обнаруженного доступного содержимого, и сохранять соответствующие факторы, в качестве неограничивающего примера, в базе 122 данных факторов элементов.
[98] В других вариантах осуществления настоящей технологии, вместо соответствующего выполнения модуля 115 обнаружения содержимого, сервер 112 рекомендаций может делить функции модуля 115 обнаружения содержимого с другим сервером (не представлен) и/или другим сервисом (не представлен). Например, функции модуля 115 обнаружения содержимого могут быть разделены с сервером поисковой системы (не показано), который выполняет сервис поисковой системы. Когда модуль 115 обнаружения содержимого просматривает и индексирует новые ресурсы, которые могут потенциально содержать текстовые или другие цифровые элементы, модуль 115 обнаружения содержимого может также индексировать подобные новые обнаруженные (или обновленные) цифровые элементы для целей процедур сервера 112 рекомендаций, которые описаны здесь.
[99] База 124 данных рекомендуемых элементов содержимого хранит информацию/содержимое, связанное с пулом потенциально рекомендуемых элементов содержимого сервисом рекомендаций, и включает в себя некоторые или все элементы содержимого, обнаруженные модулем 115 обнаружения содержимого. Природа одного или нескольких потенциально рекомендуемых элементов содержимого в пуле потенциально рекомендованных элементов содержимого никак конкретно не ограничена. Некоторые примеры одного или нескольких потенциально рекомендуемых элементов содержимого включают в себя, без установления ограничений, такие цифровые элементы содержимого как:
Figure 00000006
новостной элемент;
Figure 00000007
публикацию;
Figure 00000008
веб-ресурс;
Figure 00000009
погода на месте
Figure 00000010
пост на веб-сайте социального медиа;
Figure 00000011
новый элемент, который предназначен для загрузки из магазина приложений;
Figure 00000012
новую песню (музыкальный трек), которая предназначена для воспроизведения / загрузки с ресурса;
Figure 00000013
аудиокнигу для воспроизведения / загрузки с ресурса;
Figure 00000014
подкаст для воспроизведения / загрузки с ресурса;
Figure 00000015
новый фильм (видеоклип), который предназначен для воспроизведения/ загрузки с ресурса;
Figure 00000016
продукт, который предназначен для покупки с ресурса; и
Figure 00000017
новый документ, загруженный для исследования на веб-сайте социального медиа (например, новую фотографию, которая загружена в учетную запись в сетях INSTRAGRAM™ или FACEBOOK™).
[100] Пул потенциально рекомендуемых элементов содержимого может включать в себя по меньшей мере один элемент из соответствующих множеств элементов, связанных с множеством сетевых ресурсов 130, хотя это и не является обязательным в каждом варианте осуществления настоящей технологии. Пул потенциально рекомендуемых элементов содержимого может далее быть рекомендован пользователям сервиса рекомендаций с помощью модуля 117 выбора рекомендуемого содержимого.
[101] Модуль 116 аналитики выполнен с возможностью (i) отслеживать взаимодействия пользователей с элементами содержимого, которые были ранее рекомендованы сервисом рекомендаций, и сохранять пользовательские взаимодействия в базе 126 данных пользовательских взаимодействий, и (ii) извлекать информацию, относящуюся к факторам элементов, которые связаны, например, с элементами содержимого, которые были ранее рекомендованы сервисом рекомендаций предыдущим пользователям и с которыми по меньшей мере один предыдущий пользователь взаимодействовал в базе 122 данных факторов элементов.
[102] Примеры пользовательских событий/взаимодействий, связанных с предыдущими пользователями системы 100, отслеживались модулем 116 аналитики и сохранялись в базе 126 данных пользовательских взаимодействий, включают в себя, без установления ограничений:
Figure 00000018
данный пользователь системы рекомендаций "прокрутил" мимо данного элемента;
Figure 00000019
данный пользователь системы рекомендаций "лайкнул" или "дислайкнул" данный элемент;
Figure 00000020
данный пользователь системы рекомендаций "репостнул" данный элемент;
Figure 00000021
данный пользователь системы рекомендаций щелкнул на (или иначе выбрал) данный элемент;
Figure 00000022
данный пользователь системы рекомендаций провел время, обращаясь к данному элементу, прежде чем вернуться к системе рекомендаций; и
Figure 00000023
данный пользователь системы рекомендаций купил / заказал / загрузил данный элемент.
[103] В качестве неограничивающего примера, каждое пользовательское событие/взаимодействие в базе 126 данных пользовательских взаимодействий может быть связано с соответствующей временной отметкой, соответствующим элементом содержимого и соответствующим пользователем.
[104] Примеры факторов элементов, извлеченных модулем 116 аналитики и сохраненных в базе 112 данных факторов элементов, включают в себя, без установления ограничений:
Figure 00000018
популярность данного элемента среди пользователей сервиса рекомендаций (например, в случае, если данный элемент является музыкальным треком, количество раз, когда музыкальный трек был прослушан и/или скачан пользователями сервиса рекомендаций);
Figure 00000018
число лайков / покупок / скачиваний / кликов среди всех событий, связанных с данным элементом и выполненных с помощью сервиса рекомендаций; и
Figure 00000018
характеристики, присущие элементу, которые основаны на содержимом соответствующего элемента содержимого - в случае, если элемент является музыкальным треком - длина трека, жанр трека, аудио-характеристики трека (например, темп трека); другие присущие элементу характеристики включают в себя: цену элемента, мерность элемента, категорию элемента, производителя/изготовителя элемента, длину документа, выраженную в количестве слов или символов; категорию / тему документа; рейтинг фильма в сервисе ранжирования фильмов, и так далее.
[105] Важно иметь в виду, что пользовательские события и факторы элементов могут принимать различные формы, и никак конкретно не ограничены. Таким образом, представленные выше списки неограничивающих примеров того, как реализованы пользовательские события и факторы элементов, представлены здесь только для примера. И важно иметь в виду, что многие альтернативные варианты осуществления пользовательских событий и факторов элементов могут быть представлены в других вариациях в рамках настоящей технологии.
[106] То, как именно получают и сохраняют информацию в базе 122 данных факторов элементов, базе 124 данных рекомендуемых элементов содержимого и базе 126 данных пользовательских взаимодействий, никак конкретно не ограничено.
[107] Например, информация, связанная с факторами элементов, может быть получена от конкретного сервиса, который располагает информацией о различных элементах, доступных на нем и тому подобное; и может быть сохранена в базе 122 данных факторов элементов. Информация, связанная с факторами элементов может быть разделена на различные категории, представляющие различные типы или тематики элементов.
[108] Модуль 117 выбора рекомендуемого содержимого может быть выполнен с возможностью выполнять один или несколько алгоритмов машинного обучения (MLA) для рекомендации элементов содержимого пользователям сервиса рекомендаций содержимого. В некоторых вариантах осуществления настоящей технологии, один или несколько алгоритмов машинного обучения могут представлять собой любой подходящий алгоритм машинного обучения с учителем или полуконтролируемого обучения, такой как, например:
Figure 00000024
Искусственная нейронная сеть
Figure 00000025
Байесовская статистика
Figure 00000026
Гауссовский процесс регрессии
Figure 00000027
Деревья решений
Figure 00000028
И так далее
[109] В общем случае, модуль 117 выбора рекомендуемого содержимого выполняет один или несколько алгоритмов машинного обучения для анализа индексированных элементов содержимого (т.е. обнаруженные и проиндексированные модулем 115 обнаружения содержимого в базе 124 данных рекомендуемых элементов содержимого на устройстве 118 хранения данных) для выбора одного или нескольких элементов содержимого в качестве элементов содержимого для пользователя 102. Один или несколько алгоритмов машинного обучения, выполняемые модулем 117 выбора рекомендуемого содержимого могут, например, в ответ на запрос рекомендации 150 содержимого, выбирать один или несколько проиндексированных элементов содержимого в качестве элементов содержимого для пользователя 102 на основе (i) одного или нескольких факторов элементов проиндексированных элементов содержимого из базы 122 данных факторов элементов; и (ii) предыдущих пользовательских взаимодействий с проиндексированными элементами содержимого (связанными с пользователем 102 или другим пользователями сервиса рекомендаций) в базе 126 данных пользовательских взаимодействий.
[110] Следует отметить, что, несмотря на то, что модуль 115 обнаружения содержимого, модуль 116 аналитики и модуль 117 выбора рекомендуемого содержимого были описаны как отдельные элементы, каждый из которых выполняет соответствующие функции, в других вариантах осуществления настоящей технологии, функции, выполняемые модулем 115 обнаружения содержимого, модулем 116 аналитики и модулем 117 выбора рекомендуемого содержимого, могут выполняться одним элементом (например, модулем 114 обработки). Альтернативно, функции, выполняемые модулем 115 обнаружения содержимого, модулем 116 аналитики и модулем 117 выбора рекомендуемого содержимого, могут быть распределены между большим числом модулей, чем те, что показаны на Фиг. 1, и могут выполняться как часть нескольких копий сервера 112 рекомендаций.
[111] Кроме того, каждый из модуля 115 обнаружения содержимого, модуля 116 аналитики и модуля 117 выбора рекомендуемого содержимого может выполнять дополнительные функции (т.е. отличные от соответствующих описанных здесь функций).
[112] Следует отметить, что несмотря на то, что главная база 120 данных, база 122 данных факторов элементов, база 124 данных рекомендуемых элементов содержимого, база 126 данных пользовательских взаимодействиях представлены как раздельные базы данных, это не является обязательным в каждом варианте осуществления технологии. Таким образом, некоторые или все из главной базы 120 данных, базы 122 данных факторов элементов, базы 124 данных рекомендуемых элементов содержимого и базы 126 данных пользовательских взаимодействий могут быть реализованы в виде одной базы данных. Кроме того, любая из главной базы 120 данных, базы 122 данных факторов элементов, базы 124 данных рекомендуемых элементов содержимого и базы 126 данных пользовательских взаимодействий может быть разделена на несколько отдельных устройств хранения (не показано).
[113] Далее следуют ссылки одновременно на Фиг. 3 и Фиг. 5. На Фиг. 3 представлена принципиальная схема системы 300 адаптивных частот, выполняемой в системе 100 в соответствии с неограничивающими вариантами осуществления настоящей технологии. На Фиг. 4 и 5 представлено первое распределение параметров 420 пользовательского взаимодействия и первый базовый интервал пропорции 312, второе распределение параметров 440 пользовательского взаимодействия и второй базовый интервал пропорции 314, третьей распределение параметров 460 пользовательского взаимодействия и третий базовый интервал пропорции 316, и четвертое распределение параметров 480 пользовательского взаимодействия и четвертый базовый интервал пропорции 318 в соответствии с неограничивающими вариантами осуществления настоящей технологии.
[114] Целью системы 300 адаптивных частот является создание зависящих от пользователя пропорций одного или нескольких типов элементов содержимого для рекомендации данного пользователя приложения 106 рекомендаций на основе предыдущих пользовательских взаимодействий данного пользователя с приложением 106 рекомендаций. Таким образом, зависящие от пользователя пропорции позволяют предлагать элементы содержимого, которые могут быть более интересны данному пользователю приложения 106 рекомендаций. В представленном здесь варианте осуществления технологии, данный пользователь может быть пользователем 102.
[115] Система 300 адаптивных частот включает в себя агрегатор 340, калькулятор 360 параметра распределения и калькулятор 380 зависящей от пользователя пропорции.
[116] В общем случае, целью агрегатора 340 является (i) получение указания на множество базовых интервалов пропорции содержимого для рекомендации 310; и (ii) получение и фильтрация параметров пользовательских взаимодействий, связанные с пользователями (не показано) сервиса рекомендации содержимого, пользователи включают в себя пользователя 102.
[117] Агрегатор 340 может получать, из главной базы 120 данных, указание на множество базовых интервалов пропорции содержимого для рекомендации 310, которая в общем случае уточняет различные пропорции типа элементов содержимого для рекомендации пользователям приложения 106 рекомендаций. Как было показано здесь, указание на множество базовых интервалов пропорции содержимого для рекомендации 310 включает в себя первый базовый интервал пропорции 312, связанной с первым типом содержимого 302, второй базовый интервал пропорции 314, связанной со вторым типом содержимого 304, третий базовый интервал пропорции 316, связанной с третьим типом содержимого 306 и четвертый базовый интервал пропорции 318, связанной с четвертым типом содержимого 308. Число типов содержимого не ограничено, но в общем случае включает в себя по меньшей мере два типа содержимого. В некоторых вариантах осуществления настоящей технологии, может существовать интервал пропорции для некоторых или всех типов содержимого, предоставляемого приложением 106 рекомендаций, или группы типов содержимого, например, содержимое текстового типа может включать в себя новостное содержимое, содержимое электронной почты, содержимое социальных медиа и т.д.
[118] В представленном варианте осуществления технологии, первый тип содержимого 302 может представлять собой новостное содержимое от издателя, связанное с приложением 106 рекомендаций (этот тип содержимого может считаться "оригинальным для системы содержимым"), третий тип содержимого 306 может представлять собой видео содержимое, четвертый тип содержимого 308 может представлять собой содержимое от других издателей (например, других ресурсов, доступных в Интернете, и тому подобное).
[119] Например,
Figure 00000029
первый базовый интервал пропорции 312 может представлять собой от 0 до 10%, и описывает, что элементы содержимого пропорции первого типа содержимого 302, представленные данному пользователю системы рекомендаций, могут составлять до 10% от всех элементов содержимого, представленных данному пользователю,
Figure 00000030
второй базовый интервал пропорции 314 может представлять собой от 0 до 30%, и описывает, что элементы содержимого пропорции второго типа содержимого 304, представленные данному пользователю системы рекомендаций, могут составлять до 30% от всех элементов содержимого, представленных данному пользователю,
Figure 00000031
третий базовый интервал пропорции 316 может представлять собой от 0 до 10%, и описывает, что элементы содержимого пропорции третьего типа содержимого 306, представленные данному пользователю системы рекомендаций, могут составлять до 10% от всех элементов содержимого, представленных данному пользователю, и
Figure 00000032
четвертый базовый интервал пропорции 318 может представлять собой от 0 до 50%, и описывает, что элементы содержимого пропорции четвертого типа содержимого 306, представленные данному пользователю системы рекомендаций, могут составлять до 50% от всех элементов содержимого, представленных данному пользователю.
[120] Способ, в котором базовые интервалы пропорции определены и не ограничены, и базовые интервалы пропорции могут быть определены, например, на основе статистических данных приложения 106 рекомендаций, или выбраны операторами приложения 106 рекомендаций.
[121] Агрегатор 340 может получать множество наборов параметров 320 пользовательского взаимодействия в заранее определенные периоды времени, например, каждые несколько часов или каждый день. В некоторых вариантах осуществления настоящей технологии, агрегатор 340 может получать множество наборов параметров 320 пользовательского взаимодействия при получении запроса на рекомендацию 150 содержимого. Множество наборов параметров 320 пользовательского взаимодействия может быть получено из базы 126 данных пользовательских взаимодействий. Множество наборов параметров 320 пользовательского взаимодействия включает в себя первый набор параметров 322 пользовательского взаимодействия, связанных с первым типом содержимого 302, второй набор параметров 324 пользовательского взаимодействия, связанных со вторым типом содержимого 304, третий набор параметров 326 пользовательского взаимодействия, связанных с третьим типом содержимого 306, и четвертый набор параметров 328 пользовательского взаимодействия, связанных с четвертым типом содержимого 308.
[122] Первый набор параметров 322 пользовательского взаимодействия связан с первым набором пользователей (не показано), первый набор параметров 322 пользовательского взаимодействия указывает на взаимодействие пользователя из первого набора пользователей с первым типом содержимого 302. В общем случае, каждый соответствующий параметр пользовательского взаимодействия из первого набора параметров 322 пользовательского взаимодействия может быть связан с соответствующим пользователем из первого набора пользователей, и может быть средним из соответствующих пользовательских взаимодействий ряда пользовательских сессий в приложении 106 рекомендаций с элементами содержимого первого типа содержимого 302 за данный период времени. В качестве неограничивающего примера, соответствующий параметр пользовательского взаимодействия может быть средним показателем кликабельности (CTR) для новостного содержимого соответствующего пользователя из первого набора пользователей, поскольку соответствующий пользователь установил приложение 106 рекомендаций на электронном устройстве 104.
[123] Второй набор параметров 324 пользовательского взаимодействия связан со вторым набором пользователей (не показано), второй набор параметров 324 пользовательского взаимодействия указывает на взаимодействие пользователя из второго набора пользователей со вторым типом содержимого 304. Второй набор пользователей может быть тем же самым, что и первый набор пользователей, может включать в себя некоторых пользователей из второго набора пользователей, или может включать других пользователей.
[124] В общем случае, каждый соответствующий параметр пользовательского взаимодействия из второго набора параметров 324 пользовательского взаимодействия может быть связан с соответствующим пользователем из второго набора пользователей, и может быть средним из пользовательских взаимодействий соответствующего пользователя из второго набора пользователей ряда пользовательских сессий в приложении 106 рекомендаций с элементами содержимого второго типа содержимого 304 за данный период времени. В качестве неограничивающего примера, соответствующий параметр пользовательского взаимодействия может быть показателем кликабельности (CTR) для оригинального содержимого соответствующего пользователя из второго набора пользователей, поскольку пользователь установил приложение рекомендаций.
[125] Третий набор параметров 326 пользовательского взаимодействия связан с третьим набором пользователей (не показано), третий набор параметров 326 пользовательского взаимодействия указывает на взаимодействие пользователя из третьего набора пользователей с третьим типом содержимого 306. В общем случае, каждый соответствующий параметр пользовательского взаимодействия из третьего набора параметров 326 пользовательского взаимодействия может быть связан с соответствующим пользователем из третьего набора пользователей, и может быть средним из соответствующих пользовательских взаимодействий ряда пользовательских сессий в приложении 106 рекомендаций с элементами содержимого третьего типа содержимого 306 за данный период времени. В качестве неограничивающего примера, соответствующий параметр пользовательского взаимодействия может быть средним временем пребывания на странице для элементов видео содержимого соответствующего пользователя из третьего набора пользователей, поскольку пользователь установил приложение 106 рекомендаций.
[126] Третий набор пользователей может включать или не включать в себя пользователей из первого набора пользователей и второго набора пользователей.
[127] Четвертый набор параметров 328 пользовательского взаимодействия связан с четвертым набором пользователей (не показано), четвертый набор параметров 328 пользовательского взаимодействия указывает на взаимодействие пользователя из четвертого набора пользователей с четвертым типом содержимого 308 в приложении 106 рекомендаций. В общем случае, каждый соответствующий параметр пользовательского взаимодействия из четвертого набора параметров 328 пользовательского взаимодействия может быть связан с соответствующим пользователем из четвертого набора пользователей, и может быть средним из соответствующих пользовательских взаимодействий ряда пользовательских сессий в приложении 106 рекомендаций с элементами содержимого четвертого типа содержимого 308 за данный период времени. В качестве неограничивающего примера, соответствующий параметр пользовательского взаимодействия может быть средним показателем кликабельности (CTR) на странице для элементов содержимого издателя соответствующего пользователя из третьего набора пользователей, поскольку пользователь установил приложение 106 рекомендаций.
[128] Четвертый набор пользователей может включать или не включать в себя пользователей из первого набора пользователей, второго набора пользователей и третьего набора пользователей.
[129] Способ, в соответствии с которым получают множество наборов параметров 320 пользовательских взаимодействий агрегатором 340 из базы 126 данных пользовательских взаимодействий, никак не ограничен. В некоторых вариантах осуществления настоящей технологии, агрегатор 340 может получать пользовательские взаимодействия, связанные с каждым из первого типа содержимого 302, второго типа содержимого 304, третьего типа содержимого 306 и четвертого типа содержимого 308 для всех сессий из первого набора пользователей, второго набора пользователей, третьего набора пользователей и четвертого набора пользователей, и может далее усреднять и вычислять каждый соответствующий из множества зависящих от пользователя параметров 330 взаимодействия. В альтернативных вариантах осуществления технологии, множество наборов параметров 320 пользовательского взаимодействия может быть уже заранее вычислено в базе 126 данных пользовательских взаимодействий.
[130] Агрегатор 340 может получать множество зависящих от пользователя параметров 330 взаимодействия, связанных с пользователем 102 при получении запроса на рекомендацию 150 содержимого. Множество параметров 330 пользовательского взаимодействия может быть получено из базы 126 данных пользовательских взаимодействий. Множество зависящих от пользователя параметров 330 взаимодействий включает в себя первый зависящий от пользователя параметр 332, связанный с первым типом содержимого 302, второй зависящий от пользователя параметр 334, связанный с первым типом содержимого 304, третий зависящий от пользователя параметр 336, связанный с первым типом содержимого 306 и четвертый зависящий от пользователя параметр 338, связанный с первым типом содержимого 308.
[131] Агрегатор 340 может применять скользящее окно предыдущих пользовательских взаимодействий к пользовательским взаимодействиям пользователя 102 во время получения первого зависящего от пользователя параметра 332 взаимодействия, второго зависящего от пользователя параметра 334 взаимодействия, третьего зависящего от пользователя параметра 336 взаимодействия и четвертого зависящего от пользователя параметра 338 взаимодействия. Скользящее окно предыдущих пользовательских взаимодействий обладает заранее определенным размером заранее определенного числа предыдущих пользовательских сессий с приложением 106 рекомендаций. В других вариантах осуществления настоящей технологии, скользящее окно предыдущих пользовательских взаимодействий обладает заранее определенным периодом времени, например, количеством часов, дней и недель. В качестве неограничивающего примера, скользящее окно предыдущих пользовательских взаимодействий может быть пользовательскими взаимодействиями в последних 20 сессиях пользователя 102. Таким образом, целью скользящего окна предыдущих пользовательских взаимодействий является включение более поздних пользовательских взаимодействиях пользователя 102 по отношению к каждому из первого типа содержимого 302, второго типа содержимого 304, третьего типа содержимого 306 и четвертого типа содержимого 308, таким образом, чтобы каждый из первого зависящего от пользователя параметра 332 взаимодействия, второго зависящего от пользователя параметра 334 взаимодействия, третьего зависящего от пользователя параметра 336 взаимодействия и четвертого зависящего от пользователя параметра 338 взаимодействия представлял текущий интерес или взаимодействие пользователя с каждым из первого типа содержимого 302, второго типа содержимого 304, третьего типа содержимого 306 и четвертого типа содержимого 308. Таким образом, каждый раз запрос на рекомендацию содержимого получают на сервер 112 рекомендации, каждый из первого зависящего от пользователя параметра 332 взаимодействия, второго зависящего от пользователя параметра 334 взаимодействия, третьего зависящего от пользователя параметра 336 взаимодействия и четвертого зависящего от пользователя параметра 338 взаимодействия может быть вычислен заново для учета наиболее поздних взаимодействий пользователя 102.
[132] Первый зависящий от пользователя параметр 332 взаимодействия относится к тому же типу, что и каждый из зависящих от пользователя параметров в первом наборе параметров 322 пользовательского взаимодействия, второй зависящий от пользователя параметр 334 взаимодействия относится к тому же типу, что и каждый из зависящих от пользователя параметров во втором наборе параметров 324 пользовательского взаимодействия, третий зависящий от пользователя параметр 336 взаимодействия относится к тому же типу, что и каждый из зависящих от пользователя параметров в третьем наборе параметров 326 пользовательского взаимодействия, и четвертый зависящий от пользователя параметр 338 взаимодействия относится к тому же типу, что и каждый из зависящих от пользователя параметров в четвертом наборе параметров 328 пользовательского взаимодействия.
[133] В представленном здесь варианте осуществления технологии, первый зависящий от пользователя параметр 332 взаимодействия может представлять собой показатель кликабельности 0,2, второй зависящий от пользователя параметр 334 взаимодействия может представлять собой показатель кликабельности 0,34, третий зависящий от пользователя параметр 336 взаимодействия может представлять собой время пребывания на странице - 47 секунд, и четвертый зависящий от пользователя параметр 338 взаимодействия может представлять собой показатель кликабельности 0,3.
[134] В некоторых случаях, например, когда пользователь 102 совершил ряд пользовательских взаимодействий данного одного из первого типа содержимого 302, второго типа содержимого 304, третьего типа содержимого 306 и четвертого типа содержимого 308, который меньше, чем соответствующий заранее определенный порог, агрегатор 340 может назначать заранее определенное значение соответствующему одному из первого зависящего от пользователя параметра 332 взаимодействия, второго зависящего от пользователя параметра 334 взаимодействия, третьего зависящего от пользователя параметра 336 взаимодействия и четвертого зависящего от пользователя параметра 338 взаимодействия, который обладает числом пользовательских взаимодействий ниже заранее определенного порога пользовательских взаимодействий в базе 126 данных пользовательских взаимодействий. В качестве неограничивающего примера, заранее определенный порог числа может представлять собой 20 пользовательских взаимодействий с данным одним из первого типа содержимого 302, второго типа содержимого 304, третьего типа содержимого 306 и четвертого типа содержимого 308, и соответствующее заранее определенное значение для каждого из первого зависящего от пользователя параметра 332 взаимодействия, второго зависящего от пользователя параметра 334 взаимодействия, третьего зависящего от пользователя параметра 336 взаимодействия и четвертого зависящего от пользователя параметра 338 взаимодействия может быть соответствующей медианой связанного распределения параметров пользовательского взаимодействия. Естественно, подразумевается, что различные типы содержимого могут обладать различным пороговым значением.
[135] Агрегатор 340 может связывать первый базовый интервал пропорции 312 с первым набором параметров 322 пользовательского взаимодействия, и первым зависящим от пользователя параметром 332 взаимодействия, которые могут быть получены как ввод калькулятора 360 параметра распределения. Агрегатор 340 может связывать второй базовый интервал пропорции 314, второй набор параметров 324 пользовательского взаимодействия, и второй зависящий от пользователя параметр 334 взаимодействия, которые могут быть получены как ввод калькулятора 360 параметра распределения. Агрегатор 340 может связывать третий базовый интервал пропорции 316, третий набор параметров 326 пользовательского взаимодействия, и третий зависящий от пользователя параметр 336 взаимодействия, которые могут быть получены как ввод калькулятора 360 параметра распределения. Агрегатор 340 может связывать первый базовый интервал пропорции 318, четвертый набор параметров 328 пользовательского взаимодействия, и четвертый зависящий от пользователя параметр 338 взаимодействия, которые могут быть получены как ввод калькулятора 360 параметра распределения.
[136] В общем случае, задачей калькулятора 360 параметра распределения является (i) вычисление соответствующего распределения параметра пользовательского взаимодействия для первого набора параметров 322 пользовательского взаимодействия, второго набора параметров 324 пользовательского взаимодействия, третьего набора параметров 326 пользовательского взаимодействия и четвертого набора параметров 328 пользовательского взаимодействия; и (ii) вычисление соответствующего набора параметров распределения для каждого из соответствующих распределений параметров пользовательского взаимодействия, которые включают в себя соответствующие зависящие от пользователя параметры распределения для каждого из соответствующих зависящих от пользователя параметров взаимодействия. Соответствующий набор параметров распределения будет далее использован зависящим от пользователя калькулятором 380 пропорции для вычисления соответствующей зависящей от пользователя пропорции для каждого первого типа содержимого 302, второго типа содержимого 304, третьего типа содержимого 306 и четвертого типа содержимого 308.
[137] Калькулятор 360 параметра распределения может вычислять, для первого набора параметров 322 пользовательского взаимодействия, первое распределение параметров 420 пользовательского взаимодействия. Первое распределение параметров 420 пользовательского взаимодействия является распределением частоты пользовательских взаимодействий с первым типом содержимого 302, причем данное значение параметра пользовательского взаимодействия первого набора параметров 322 пользовательского взаимодействия связано с данным числом пользователей из первого набора пользователей, и данное число пользователей обладает в среднем одним и тем же значением данного параметра пользовательского взаимодействия с первым типом содержимого 302. В некоторых вариантах осуществления технологии, первое распределение параметров 420 пользовательского взаимодействия может быть нормализовано. В качестве неограничивающего примера, разработчиком(ами) настоящей технологии было отмечено, что распределение показателей кликабельности аналогично усеченному логарифмически нормальному распределению.
[138] Калькулятор 360 параметра распределения может определять, из первого распределения параметров 420 пользовательского распределения, первый набор параметров 422 распределения, который включает в себя первый центральный параметр 424 распределения и первый зависящий от пользователя параметр 426 распределения.
[139] Первый центральный параметр 424 распределения является медианным первого распределения параметров 420 пользовательских взаимодействий. В некоторых вариантах осуществления настоящей технологии, первый набор параметров 422 распределения может включать в себя множество процентильных рейтингов первого распределения параметров 420 пользовательского взаимодействия, в качестве неограничивающего примера, 10-й процентиль, 20-й процентиль, 30-й процентиль, 40-й процентиль, 50-й процентиль (первый центральный параметр 424 распределения), 60-й процентиль, 70-й процентиль, 80-й процентиль и 90-й процентиль. Процентильные рейтинги могут быть вычислены напрямую или с помощью интерполяции.
[140] Калькулятор 360 параметра распределения может вычислять первый зависящий от пользователя параметр 426 распределения на основе первого распределения параметров 420 пользовательского взаимодействия и первого зависящего от пользователя параметра 332 взаимодействия, причем первый зависящий от пользователя параметр 426 распределения указывает на местоположение первого зависящего от пользователя параметра 332 взаимодействия в первом распределении параметров 420 пользовательского взаимодействия. Калькулятор 360 параметров распределения может вычислить местоположение первого зависящего от пользователя параметра 332 взаимодействия в первом распределении параметров 420 пользовательского взаимодействия, т.к. число пользователей или относительное число пользователей, связанных со значением первого зависящего от пользователя параметра 332 взаимодействия. Калькулятор 360 параметра распределения может далее вычислять первый зависящий от пользователя параметр 426 распределения, который соответствует процентильному рейтингу первого распределения параметров 420 пользовательского взаимодействия, причем первый зависящий от пользователя параметр 426 распределения указывает на число или относительное число пользователей из первого набора пользователей, которые в большинстве случае обладают параметрами пользовательского взаимодействия, равными первому зависящему от пользователя параметру 332 взаимодействия.
[141] Калькулятор 360 параметра распределения может вычислять, для второго набора параметров 324 пользовательского взаимодействия, второе распределение параметров 440 пользовательского взаимодействия. Второе распределение параметров 440 пользовательского взаимодействия является распределением частоты пользовательских взаимодействий из второго набора пользователей со вторым типом содержимого 304. В некоторых вариантах осуществления технологии, второе распределение параметров 440 пользовательского взаимодействия может быть нормализовано.
[142] Калькулятор 360 параметра распределения может определять, из второго распределения параметров 440 пользовательского взаимодействия, второй набор параметров 442 распределения, который включает в себя второй центральный параметр 444 распределения и второй зависящий от пользователя параметр 446 распределения.
[143] Второй центральный параметр 444 распределения является медианным второго распределения параметров 440 пользовательского взаимодействия.
[144] Калькулятор 360 параметра распределения может вычислять второй зависящий от пользователя параметр 446 распределения на основе второго распределения параметров 440 пользовательского взаимодействия и второго зависящего от пользователя параметра 334 взаимодействия, причем второй зависящий от пользователя параметр 446 распределения указывает на местоположение второго зависящего от пользователя параметра 334 взаимодействия во втором распределении параметров 420 пользовательского взаимодействия. Калькулятор 360 параметров распределения может вычислить местоположение второго зависящего от пользователя параметра 334 взаимодействия во втором распределении параметров 420 пользовательского взаимодействия, т.к. число пользователей или относительное число пользователей второго набора пользователей, связанных со значением первого зависящего от пользователя параметра 334 взаимодействия. Калькулятор 360 параметра распределения может далее вычислять второй зависящий от пользователя параметр 446 распределения, который соответствует процентильному рейтингу второго распределения параметров 440 пользовательского взаимодействия, причем второй зависящий от пользователя параметр 446 распределения указывает на число или относительное число пользователей из второго набора пользователей, которые в большинстве случае обладают параметрами пользовательского взаимодействия, равными второму зависящему от пользователя параметру 334 взаимодействия.
[145] Калькулятор 360 параметра распределения может вычислять, для третьего набора параметров 326 пользовательского взаимодействия, третье распределение параметров 460 пользовательского взаимодействия. Третье распределение параметров 460 пользовательского взаимодействия является распределением частоты пользовательских взаимодействий из третьего набора пользователей с третьим типом содержимого 306. В некоторых вариантах осуществления технологии, третье распределение параметров 460 пользовательского взаимодействия может быть нормализовано.
[146] Калькулятор 360 параметра распределения может определять, из третьего распределения параметров 460 пользовательского взаимодействия, третий набор параметров 462 распределения, который включает в себя третий центральный параметр 464 распределения и третий зависящий от пользователя параметр 466 распределения.
[147] Третий центральный параметр 464 распределения является медианным для третьего распределения параметров 460 пользовательского взаимодействия.
[148] Калькулятор 360 параметра распределения может вычислять третий зависящий от пользователя параметр 466 распределения на основе третьего распределения параметров 460 пользовательского взаимодействия и третьего зависящего от пользователя параметра 336 взаимодействия, причем третий зависящий от пользователя параметр 466 распределения указывает на местоположение третьего зависящего от пользователя параметра 336 взаимодействия в третьем распределении параметров 420 пользовательского взаимодействия. Калькулятор 360 параметров распределения может вычислить местоположение третьего зависящего от пользователя параметра 336 взаимодействия в третьем распределении параметров 460 пользовательского взаимодействия, т.к. число пользователей или относительное число пользователей из третьего набора пользователей, связанных со значением третьего зависящего от пользователя параметра 336 взаимодействия. Калькулятор 360 параметра распределения может далее вычислять третий зависящий от пользователя параметр 466 распределения, который соответствует процентильному рейтингу третьего распределения параметров 460 пользовательского взаимодействия, причем третий зависящий от пользователя параметр 466 распределения указывает на число или относительное число пользователей из третьего набора пользователей, которые в большинстве случае обладают параметрами пользовательского взаимодействия, равными третьему зависящему от пользователя параметру 336 взаимодействия.
[149] Калькулятор 360 параметра распределения может вычислять, для четвертого набора параметров 328 пользовательского взаимодействия, четвертое распределение параметров 480 пользовательского взаимодействия. Четвертое распределение параметров 480 пользовательского взаимодействия является распределением частоты пользовательских взаимодействий из четвертого набора пользователей с четвертым типом содержимого 308. В некоторых вариантах осуществления технологии, четвертое распределение параметров 480 пользовательского взаимодействия может быть нормализовано.
[150] Калькулятор 360 параметра распределения может определять, из четвертого распределения параметров 480 пользовательского распределения, четвертый набор параметров 482 распределения, который включает в себя четвертый центральный параметр 484 распределения и четвертый зависящий от пользователя параметр 486 распределения.
[151] Четвертый центральный параметр 484 распределения является медианным четвертого распределения параметров 480 пользовательского взаимодействия.
[152] Калькулятор 360 параметра распределения может вычислять четвертый зависящий от пользователя параметр 486 распределения на основе четвертого распределения параметров 480 пользовательского взаимодействия и четвертого зависящего от пользователя параметра 338 взаимодействия, причем четвертый зависящий от пользователя параметр 486 распределения указывает на местоположение четвертого зависящего от пользователя параметра 338 взаимодействия в четвертом распределении параметров 420 пользовательского взаимодействия. Калькулятор 360 параметров распределения может вычислить местоположение четвертого зависящего от пользователя параметра 338 взаимодействия в четвертом распределении параметров 480 пользовательского взаимодействия, т.е. число пользователей из четвертого набора пользователей, связанных со значением четвертого зависящего от пользователя параметра 338 взаимодействия. Калькулятор 360 параметра распределения может далее вычислять четвертый зависящий от пользователя параметр 486 распределения, который соответствует процентильному рейтингу четвертого распределения параметров 480 пользовательского взаимодействия, причем четвертый зависящий от пользователя параметр 486 распределения указывает на число или относительное число пользователей из четвертого набора пользователей, которые в большинстве случае обладают параметрами пользовательского взаимодействия, равными четвертому зависящему от пользователя параметру 338 взаимодействия.
[153] Первый набор параметров 422 распределения, второй набор параметров 442 распределения, третий набор параметров 462 распределения и четвертый набор параметров 482 распределения могли быть получены калькулятором 380 зависящей от пользователя пропорции.
[154] В общем случае, целью калькулятора 380 зависящей от пользователя пропорции является вычисление зависящих от пользователя пропорции для каждого из первого типа содержимого 302, второго типа содержимого 304, третьего типа содержимого 306 и четвертого типа содержимого 308 для пользователя 102 приложения 106 рекомендаций.
[155] Калькулятор 380 зависящей от пользователя пропорции может связывать первый центральный параметр 424 распределения из первого набора параметров 422 распределения с первой центральной пропорцией 428 из первого базового интервала пропорции 312, причем первая центральная пропорция 428 является средним значением или медианным для первого базового интервала пропорции 312. В представленном здесь неограничивающем варианта осуществления технологии, первый центральный параметр 424 распределения может соответствовать данному числу пользователей, связанных с показателем кликабельности, который равен 0,5, и может быть связан с 5%, что является медианным для первого базового интервала пропорции 312, который находится в пределах от 0 до 10%.
[156] В некоторых вариантах осуществления настоящей технологии, калькулятор 380 зависящей от пользователя пропорции может вычислять соответствующее значение пропорции в первом базовом интервале пропорции 312, соответствующей каждому из первого набора параметров 422, т.е. пропорции в первом базовом интервале пропорции 312 соответствуют процентильным рейтингам первого распределения параметров 420 пользовательского взаимодействия. В альтернативных вариантах осуществления настоящей технологии, таблица соответствия между процентильными рейтингами и первым базовым интервалом пропорции 312 может быть заранее определена и получена, например, из главной базы 120 данных, где данный процентильный рейтинг связан с данной пропорцией в первом базовом интервале пропорции 312, и первая зависящая от пользователя пропорция 438 может быть определена на основе таблицы соответствия.
[157] Калькулятор 380 зависящей от пользователя пропорции может вычислять первое смещение 432 между первым зависящим от пользователя параметром 426 распределения и первым центральным параметром 424 распределения, причем первое смещение 432 указывает на то, где первый зависящий от пользователя параметр 426 распределения (т.е. процентильный рейтинг, соответствующий числу пользователей или относительному числу первого набора пользователей, связанных со значением первого зависящего от пользователя параметра 332 взаимодействия) находится в первом наборе параметров 422 распределения по отношению к первому центральному параметру 424 распределения (т.е. медианным для первого набора параметров 422 распределения). Первое смещение 432 может далее быть использовано для определения первой зависящей от пользователя пропорции 438 на первом базовом интервале пропорции 312, причем первая зависящая от пользователя пропорция указывает на пропорцию общих элементов содержимого первого типа для рекомендации пользователю 102.
[158] Первое смещение 432 может включать в себя (i) направление 434 первого смещения и (ii) величину первого смещения 436. Направление 434 первого смещения указывает на то, находится ли первый зависящий от пользователя параметр 426 распределения выше (положительное направление) или ниже (отрицательное направление) первого центрального параметра 424 распределения. Величина 436 первого смещения указывает на разницу в процентильных рейтингах между первым зависящим от пользователя параметром 426 распределения и первым центральным параметром 424 распределения.
[159] В некоторых вариантах осуществления технологии, первая зависящая от пользователя 438 пропорция может определяться на основе только направления 434 первого смещения, где положительное направление может быть связано с первым заранее определенным значением, предназначенным для назначения первой зависящей от пользователя пропорции 438, и отрицательное направление может быть связано со вторым заранее определенным значением предназначенным для назначения первой зависящей от пользователя пропорции 438. В качестве неограничивающего примера, на первом базовом интервале пропорции 312, положительное направление 434 первого смещения, которое соответствует первому зависящему от пользователя параметру 426 распределения, находящемуся выше 50-ой процентили, может быть связано с первой зависящей от пользователя пропорцией 438, равной 7,5%, а отрицательное направление 434 первого смещения, которое соответствует первому зависящему от пользователя параметру 426 распределения, находящемуся ниже 50-ой процентили, может быть связано с первой зависящей от пользователя пропорцией 438, равной 2,5%.
[160] В других вариантах осуществления настоящей технологии, первая зависящая от пользователя пропорция 438 может быть определена на основе направления первого смещения 434 и величины 436 первого смещения, где направление разницы в процентильных рангах может быть пропорционально адаптировано на первом базовом интервале пропорции 312 для получения первой зависящей от пользователя пропорции 438. В общем случае, первая зависящая от пользователя пропорция 438 может быть округлена или скорректирована таким образом, чтобы она соответствовала концертному числу элементов из всех элементов содержимого для рекомендации пользователю 102, например, если в целом 25 элементов содержимого рекомендуются пользователю 102 во время данной сессий, первая зависящая от пользователя пропорция 8,3% может быть округлена до 8%, что соответствует 2 элементам содержимого первого типа содержимого 302 из 25 элементов содержимого.
[161] Этот калькулятор 380 зависящей от пользователя пропорции может вычислять вторую зависящую от пользователя пропорцию 458 для второго типа содержимого 304 способом, аналогичным первой зависящей от пользователя пропорции 438.
[162] Калькулятор 380 зависящей от пользователя пропорции может связывать второй центральный параметр 444 распределения из второго набора параметров 442 распределения с второй центральной пропорцией 448 из второго базового интервала пропорции 314, причем вторая центральная пропорция 448 является средним значением или медианным для второго базового интервала пропорции 314.
[163] Калькулятор 380 зависящей от пользователя пропорции может вычислять второе смещение 452 между вторым зависящим от пользователя параметром 446 распределения и вторым центральным параметром 444 распределения. В представленном здесь неограничивающем варианта осуществления технологии, второй центральный параметр 444 распределения может быть числом пользователей, связанных с показателем кликабельности, который равен 0,5, и может быть связан со второй центральной пропорцией 448, равной 15% на втором базовом интервале пропорции 314, что является медианным для второго базового интервала пропорции 314, который находится в пределах от 0 до 30%.
[164] В некоторых вариантах осуществления настоящей технологии, второе смещение 452 может включать в себя направление 454 второго смещения. В других вариантах осуществления настоящей технологии, второе смещение 452 может включать в себя направление 454 второго смещения и величину 456 второго смещения.
[165] В некоторых вариантах осуществления настоящей технологии, калькулятор 380 зависящей от пользователя пропорции может определять, для второго распределения параметров 440 пользовательского взаимодействия, если направление 454 второго смещения представляет собой одно из: положительное направление 454 второго смещения или отрицательное направление 454 второго смещения. В ответ на то, что направление 454 второго смещения является положительным, калькулятор 380 зависящей от пользователя пропорции может назначать соответствующее первое заранее определенное значение второй зависящей от пользователя пропорции 458, причем первое заранее определенное значение находится выше второй центральной пропорции 448. В ответ на то, что направление 454 второго смещения является отрицательным, калькулятор 380 зависящей от пользователя пропорции может назначать соответствующее второе заранее определенное значение второй зависящей от пользователя пропорции 458, причем второе заранее определенное значение находится ниже второй центральной пропорции 448. В представленном здесь варианте осуществления технологии, положительное направление 454 второго смещения может быть связано со значением 23%, и отрицательное направление 454 второго смещения может быть связано со значением 7%.
[166] В других вариантах осуществления настоящей технологии, калькулятор 380 зависящей от пользователя пропорции может вычислять вторую зависящую от пользователя пропорцию 458 на основе направления 454 второго смещения и величины 456 второго смещения. Вторая зависящая от пользователя пропорция 458 может быть определена таким образом, что расстояние между второй зависящей от пользователя пропорцией 458 и второй центральной пропорцией 448 на втором базовом интервале пропорции 314 пропорционально величине 456 второго смещения на втором распределении параметров 440 пользовательского взаимодействия.
[167] Этот калькулятор 380 зависящей от пользователя пропорции может вычислять третью зависящую от пользователя пропорцию 478 для третьего типа содержимого 306 способом, аналогичным первой зависящей от пользователя пропорции 438.
[168] Калькулятор 380 зависящей от пользователя пропорции может связывать третий центральный параметр 464 распределения из третьего набора параметров 462 распределения с третьей центральной пропорцией 468 из третьего базового интервала пропорции 316, причем третья центральная пропорция 468 является средним значением или медианным для третьего базового интервала пропорции 316.
[169] Калькулятор 360 параметров распределения может вычислять третье смещение 472 между третьим центральным параметром 464 распределения и третьим зависящим от пользователя параметром 466 распределения. В некоторых вариантах осуществления настоящей технологии, третьей смещение 472 может включать в себя направление 474 третьего смещения. В других вариантах осуществления настоящей технологии, третье смещение 472 может включать в себя (i) направление 474 третьего смещения и (ii) величину 476 третьего смещения.
[170] В некоторых вариантах осуществления настоящей технологии, калькулятор 380 зависящей от пользователя пропорции может определять, для третьего распределения параметров 460 пользовательского взаимодействия, если направление 474 третьего смещения представляет собой одно из: положительное направление или отрицательное направление. В ответ на то, что направление 474 третьего смещения является положительным, калькулятор 380 зависящей от пользователя пропорции может назначать первое заранее определенное значение третьей зависящей от пользователя пропорции 478, причем первое заранее определенное значение находится выше третьей центральной пропорции 468. В ответ на то, что направление 474 третьего смещения является отрицательным, калькулятор 380 зависящей от пользователя пропорции может назначать второе заранее определенное значение третьей зависящей от пользователя пропорции 478, причем второе заранее определенное значение находится ниже третьей центральной пропорции 468. В представленном здесь варианте осуществления технологии, положительное направление 474 третьего смещения может быть связано со значением 10%, и отрицательное направление 474 третьего смещения может быть связано со значением 7%.
[171] В других вариантах осуществления настоящей технологии, калькулятор 380 зависящей от пользователя пропорции может вычислять третью зависящую от пользователя пропорцию 478 на основе направления 474 третьего смещения и величины 476 третьего смещения. Третья зависящая от пользователя пропорция 478 может быть определена таким образом, что расстояние между третьей центральной пропорцией 468 и третьей зависящей от пользователя пропорцией 478 на третьем базовом интервале пропорции 316 пропорционально величине 476 второго смещения.
[172] Этот калькулятор 380 зависящей от пользователя пропорции может вычислять четвертую зависящую от пользователя пропорцию 498 для четвертого типа содержимого 308 способом, аналогичным первой зависящей от пользователя пропорции 438.
[173] Калькулятор 380 зависящей от пользователя пропорции может связывать четвертый центральный параметр 484 распределения из четвертого набора параметров 482 распределения с четвертой центральной пропорцией 488 из четвертого базового интервала пропорции 318, причем четвертая центральная пропорция 488 является средним значением или медианным для четвертого базового интервала пропорции 318.
[174] Калькулятор 380 зависящей от пользователя пропорции может вычислять четвертое смещение 492 между четвертым центральным параметром 484 распределения и четвертым зависящим от пользователя параметром 486 распределения. В некоторых вариантах осуществления настоящей технологии, четвертое смещение 492 может включать в себя направление 494 четвертого смещения. В других вариантах осуществления настоящей технологии, четвертое смещение 492 может включать в себя направление 494 четвертого смещения и величину 496 четвертого смещения.
[175] В некоторых вариантах осуществления настоящей технологии, калькулятор 380 зависящей от пользователя пропорции может определять, для четвертого распределения параметров 480 пользовательского взаимодействия, если направление 494 четвертого смещения представляет собой одно из: положительное направление 494 четвертого смещения или отрицательное направление 494 четвертого смещения. В ответ на то, что направление 494 четвертого смещения является положительным, калькулятор 480 зависящей от пользователя пропорции может назначать первое заранее определенное значение четвертой зависящей от пользователя пропорции 498, причем первое заранее определенное значение выше четвертой центральной пропорции 488, в ответ на то, что направление 494 третьего смещения является отрицательным, калькулятор 380 зависящей от пользователя пропорции может назначать второе заранее определенное значение четвертой зависящей от пользователя пропорции 498, причем второе заранее определенное значение находится ниже четвертой центральной пропорции 488. В представленном здесь варианте осуществления технологии, положительное направление 494 четвертого смещения может быть связано со значением 38%, и отрицательное направление 494 четвертого смещения может быть связано со значением 12%.
[176] В других вариантах осуществления настоящей технологии, калькулятор 380 зависящей от пользователя пропорции может вычислять четвертую зависящую от пользователя пропорцию 498 на основе направления 494 четвертого смещения и величины 496 четвертого смещения. Третья зависящая от пользователя пропорция 478 может быть определена таким образом, что расстояние между четвертой центральной пропорцией 488 и четвертой зависящей от пользователя пропорцией 498 пропорционально величине 496 четвертого смещения.
[177] Калькулятор 380 зависящей от пользователя пропорции может вычислять сумму первой зависящей от пользователя пропорции 438, второй зависящей от пользователя пропорции 458, третьей зависящей от пользователя пропорции 478 и четвертой зависящей от пользователя пропорции 498. Если сумма не равна заранее определенному порогу суммы - 100%, калькулятор 380 зависящей от пользователя пропорции может пропорционально корректировать каждую из первой зависящей от пользователя пропорции 438, второй зависящей от пользователя пропорции 458, третьей зависящей от пользователя пропорции 478 и четвертой зависящей от пользователя пропорции 498 таким образом, чтобы сумма была равна 100%.
[178] С учетом описания, со ссылкой на Фиг. 3 и Фиг. 5, система 300 адаптивных частот в соответствии с неограничивающими вариантами осуществления настоящей технологии, далее будут описаны способы создания зависящих от пользователя пропорций со ссылками на Фиг. 5 - Фиг. 8.
[179] На Фиг. 6 и 7 представлена блок-схема способа 500 создания зависящих от пользователя пропорций, реализованного в соответствии с неограничивающими вариантами осуществления настоящей технологии. Способ 500 может быть реализован в системе 100, представленной на Фиг. 1.
[180] Способ 500 может начинаться на этапе 502.
[181] ЭТАП 502: получение для каждого соответствующего типа содержимого по меньшей мере двух типов содержимого, указания на соответствующий базовый интервал пропорций содержимого для рекомендации.
[182] На этапе 502, агрегатор 340 сервера 112 рекомендаций может получать, из главной базы 120 данных, указание на множество базовых интервалов пропорции из содержимого, предназначенного для рекомендации 310. Указание на множество базовых интервалов пропорции содержимого для рекомендации 310 включает в себя первый базовый интервал пропорции 312, связанной с первым типом содержимого 302, второй базовый интервал пропорции 314, связанной со вторым типом содержимого 304, третий базовый интервал пропорции 316, связанной с третьим типом содержимого 306 и четвертый базовый интервал пропорции 318, связанной с четвертым типом содержимого 308. Первый тип содержимого 302 может представлять собой видео-содержимое, второй тип содержимого 304 может представлять собой содержимое x, третий тип содержимого 306 может представлять собой содержимое у, и четвертый тип содержимого 308 может представлять собой содержимое z. Первый базовый интервал пропорции 312 может находиться в пределах от 0 до 10%, второй базовый интервал пропорции 314 может находиться в пределах от 0 до 40%, третий базовый интервал пропорции 316 может находиться в пределах от 0 до 40%, и четвертый базовый интервал пропорции 318 может находиться в пределах от 0 до 40%
[183] Способ 500 далее может перейти к выполнению этапа 504.
[184] ЭТАП 504: получение для каждого соответствующего типа содержимого из по меньшей мере двух типов содержимого, соответствующего набора параметров пользовательского взаимодействия, который указывает на взаимодействие пользователя из соответствующего набора пользователей сервиса рекомендации содержимого с соответствующим типом содержимого
[185] На этапе 504, агрегатор 340 сервера 112 рекомендации может получать множество наборов параметров 320 пользовательского взаимодействия. Множество наборов параметров 320 пользовательского взаимодействия включает в себя первый набор параметров 322 пользовательского взаимодействия, связанных с первым типом содержимого 302, второй набор параметров 324 пользовательского взаимодействия, связанных со вторым типом содержимого 304, третий набор параметров 326 пользовательского взаимодействия, связанных с третьим типом содержимого 306, и четвертый набор параметров 328 пользовательского взаимодействия, связанных с четвертым типом содержимого 308.
[186] Способ 500 далее может перейти к выполнению этапа 506.
[187] ЭТАП 506: вычисление для каждого соответствующего типа содержимого из по меньшей мере двух типов содержимого, соответствующего распределения параметров пользовательского взаимодействия на основе соответствующего набора параметров пользовательского взаимодействия из соответствующего набора пользователей
[188] На этапе 506, калькулятор 360 параметра распределения сервера 112 рекомендаций может вычислять: для первого набора параметров 322 пользовательского взаимодействия, первое распределение параметров 420 пользовательского взаимодействия, для второго набора параметров 324 пользовательского взаимодействия, второе распределение параметров 440 пользовательского взаимодействия, для третьего набора параметров 326 пользовательского взаимодействия, третье распределение параметров 460 пользовательского взаимодействия, и для четвертого набора параметров 328 пользовательского взаимодействия, четвертое распределение параметров 480 пользовательского взаимодействия.
[189] Способ 500 далее может перейти к выполнению этапа 506.
[190] ЭТАП 508: в ответ на получение указания на запрос персонализированного содержимого от электронного устройства, связанного с данным пользователем:
получение для каждого соответствующего типа содержимого из по меньшей мер двух типов содержимого, соответствующего зависящего от пользователя параметра взаимодействий для данного пользователя, причем соответствующий зависящий от пользователя параметр взаимодействий указывает на предпочтения данного пользователя в соответствующем типе содержимого
[191] На этапе 508 сервер 112 рекомендаций может получать запрос на рекомендацию 150 содержимого от электронного устройства 104 пользователя 102. В ответ на запрос на рекомендацию 150 содержимого, агрегатор 340 сервера 112 рекомендаций может получать множество зависящих от пользователя параметров 330 взаимодействия, связанных с пользователем 102. Множество зависящих от пользователя параметров 330 взаимодействий включает в себя первый зависящий от пользователя параметр 332, указывающий на интерес пользователя 102 в первом типе содержимого 302, второй зависящий от пользователя параметр 334, указывающий на интерес пользователя 102 во втором типе содержимого 304, третий зависящий от пользователя параметр 336, указывающий на интерес пользователя 102 в третьем типе содержимого 306 и четвертый зависящий от пользователя параметр 338, указывающий на интерес пользователя 102 в четвертом типе содержимого 308.
[192] Способ 500 далее может перейти к выполнению этапа 510.
[193] ЭТАП 510: вычисление соответствующего центрального параметра распределения соответствующего распределения параметров пользовательского взаимодействия определение соответствующего зависящего от пользователя параметра распределения данного пользователя, причем соответствующий зависящий от пользователя параметр распределения указывает на расположение соответственно связанного зависящего от пользователя параметра взаимодействия данного пользователя в соответствующем связанном распределении параметров пользовательского взаимодействия
вычисление смещения между соответствующим центральным распределением параметра и соответствующим зависящим от пользователя параметра распределения
[194] На этапе 510, калькулятор 360 параметра распределения сервера 112 рекомендаций может вычислять, из первого распределения параметров 420 пользовательского распределения, первый набор параметров 422 распределения, который включает в себя первый центральный параметр 424 распределения и первый зависящий от пользователя параметр 426 распределения.
[195] Калькулятор 360 зависящей от пользователя пропорции может далее вычислять первое смещение 432 между первым зависящим от пользователя параметром 426 распределения и первым центральным параметром 424 распределения. В некоторых вариантах осуществления настоящей технологии, первое смещение 432 может включать в себя направление 434 первого смещения. В других вариантах осуществления настоящей технологии, первое смещение 432 может включать в себя направление 434 первого смещения и величину 436 первого смещения.
[196] Калькулятор 360 параметра распределения модуля 117 выбора рекомендуемого содержимого может вычислять, из второго распределения параметров 440 пользовательского взаимодействия, второй набор параметров 442 распределения, который включает в себя второй центральный параметр 444 распределения и второй зависящий от пользователя параметр 446 распределения.
[197] Калькулятор 360 параметра распределения может вычислять второе смещение 452 между вторым зависящим от пользователя параметром 446 распределения и вторым центральным параметром 444 распределения. В некоторых вариантах осуществления настоящей технологии, второе смещение 452 может включать в себя направление 454 второго смещения. В других вариантах осуществления настоящей технологии, второе смещение 452 может включать в себя направление 454 второго смещения и величину 456 второго смещения.
[198] В некоторых вариантах осуществления настоящей технологии, калькулятор 380 зависящей от пользователя пропорции может определять, для второго распределения параметров 440 пользовательского взаимодействия, если направление 454 второго смещения представляет собой одно из: положительное направление 454 второго смещения или отрицательное направление 454 второго смещения. В ответ на то, что направление 454 второго смещения является положительным, калькулятор 380 зависящей от пользователя пропорции может назначать соответствующее первое заранее определенное значение второй зависящей от пользователя пропорции 458, причем первое заранее определенное значение находится выше первой центральной пропорции 428. В ответ на то, что направление 454 второго смещения является отрицательным, калькулятор 380 зависящей от пользователя пропорции может назначать соответствующее второе заранее определенное значение второй зависящей от пользователя пропорции 458, причем второе заранее определенное значение находится ниже первой центральной пропорции 428.
[199] В других вариантах осуществления настоящей технологии, калькулятор 380 зависящей от пользователя пропорции может вычислять вторую зависящую от пользователя пропорцию 458 на основе направления 454 второго смещения и величины 456 второго смещения. Вторая зависящая от пользователя пропорция 458 может быть определена таким образом, что расстояние между второй зависящей от пользователя пропорцией 458 и второй центральной пропорцией 448 на втором базовом интервале пропорции 314 пропорционально величине 456 второго смещения на втором распределении параметров 440 пользовательского взаимодействия.
[200] Калькулятор 360 параметра распределения модуля 117 выбора рекомендуемого содержимого сервера 112 рекомендаций может вычислять, из третьего распределения параметров 460 пользовательского распределения, третий набор параметров 462 распределения, который включает в себя третий центральный параметр 464 распределения и третий зависящий от пользователя параметр 466 распределения.
[201] Калькулятор 360 за висящей от пользователя пропорции может далее вычислять второе смещение 472 между вторым зависящим от пользователя параметром 464 распределения и вторым центральным параметром 466 распределения. В некоторых вариантах осуществления настоящей технологии, третьей смещение 472 может включать в себя направление 474 третьего смещения. В других вариантах осуществления настоящей технологии, третье смещение 472 может включать в себя (i) направление 474 третьего смещения и (ii) величину 476 третьего смещения.
[202] Калькулятор 360 параметра распределения модуля 117 выбора рекомендуемого содержимого может вычислять, из четвертого распределения параметров 480 пользовательского взаимодействия, четвертый набор параметров 482 распределения, который включает в себя четвертый центральный параметр 484 распределения и четвертый зависящий от пользователя параметр 486 распределения.
[203] Калькулятор 360 зависящей от пользователя пропорции может вычислять четвертое смещение 492 между четвертым зависящим от пользователя параметром 484 распределения и четвертым центральным параметром 486 распределения. В некоторых вариантах осуществления настоящей технологии, четвертое смещение 492 может включать в себя направление 494 четвертого смещения. В других вариантах осуществления настоящей технологии, четвертое смещение 492 может включать в себя направление 494 четвертого смещения и величину 496 четвертого смещения.
[204] Способ 500 далее может перейти к выполнению этапа 512.
[205] ЭТАП 512: вычисление для каждого соответствующего типа содержимого из по меньшей мере двух типов содержимого, соответствующей зависящей от пользователя пропорции соответствующего типа содержимого для рекомендации содержимого данному пользователю, причем соответствующая зависящая от пользователя пропорция находится в границах соответствующего базового интервала пропорций содержимого.
[206] На этапе 512, калькулятор 380 зависящей от пользователя пропорции может вычислять множество зависящих от пользователя пропорций 385, которые включают в себя первую зависящую от пользователя пропорцию 438 для первого типа содержимого 302, вторую зависящую от пользователя пропорцию 458 для второго типа содержимого 304, третью зависящую от пользователя пропорцию 478 для третьего типа содержимого 306 и четвертую зависящую от пользователя пропорцию 498 для четвертого типа содержимого 308.
[207] Заранее определенное значение зависящей от пользователя пропорции основано на направлении смещения
[208] В некоторых вариантах осуществления настоящей технологии, калькулятор 380 зависящей от пользователя пропорции может определять, для первого распределения параметров 420 пользовательского взаимодействия, если направление 434 первого смещения представляет собой одно из: положительное направление или отрицательное направление. В ответ на то, что направление 434 третьего смещения является положительным, калькулятор 380 зависящей от пользователя пропорции может назначать первое заранее определенное значение первой зависящей от пользователя пропорции 438, причем первое заранее определенное значение находится выше соответствующей центральной пропорции. В ответ на то, что направление 434 первого смещения является отрицательным, калькулятор 380 зависящей от пользователя пропорции может назначать соответствующее второе заранее определенное значение зависящей от пользователя пропорции, причем второе заранее определенное значение находится ниже соответствующей центральной пропорции.
[209] В некоторых вариантах осуществления настоящей технологии, калькулятор 380 зависящей от пользователя пропорции может определять, для второго распределения параметров 440 пользовательского взаимодействия, если направление 454 второго смещения представляет собой одно из: положительное направление 454 второго смещения или отрицательное направление 454 второго смещения. В ответ на то, что направление 454 второго смещения является положительным, калькулятор 380 зависящей от пользователя пропорции может назначать соответствующее первое заранее определенное значение второй зависящей от пользователя пропорции 458, причем первое заранее определенное значение находится выше второй центральной пропорции 448. В ответ на то, что направление 454 второго смещения является отрицательным, калькулятор 380 зависящей от пользователя пропорции может назначать соответствующее второе заранее определенное значение второй зависящей от пользователя пропорции 458, причем второе заранее определенное значение находится ниже второй центральной пропорции 448.
[210] В некоторых вариантах осуществления настоящей технологии, калькулятор 380 зависящей от пользователя пропорции может определять, для третьего распределения параметров 460 пользовательского взаимодействия, если направление 474 третьего смещения представляет собой одно из: положительное направление или отрицательное направление. В ответ на то, что направление 474 третьего смещения является положительным, калькулятор 380 зависящей от пользователя пропорции может назначать первое заранее определенное значение третьей зависящей от пользователя пропорции 478, причем первое заранее определенное значение находится выше третьей центральной пропорции 468. В ответ на то, что направление 474 третьего смещения является отрицательным, калькулятор 380 зависящей от пользователя пропорции может назначать второе заранее определенное значение третьей зависящей от пользователя пропорции 478, причем второе заранее определенное значение находится ниже третьей центральной пропорции 468.
[211] В некоторых вариантах осуществления настоящей технологии, калькулятор 380 зависящей от пользователя пропорции может определять, для четвертого распределения параметров 480 пользовательского взаимодействия, если направление 494 четвертого смещения представляет собой одно из: положительное направление 494 четвертого смещения или отрицательное направление 494 четвертого смещения. В ответ на то, что направление 494 четвертого смещения является положительным, калькулятор 380 зависящей от пользователя пропорции может назначать первое заранее определенное значение четвертой зависящей от пользователя пропорции 498, причем первое заранее определенное значение находится выше четвертой центральной пропорции 488. В ответ на то, что направление 494 четвертого смещения является отрицательным, калькулятор 380 зависящей от пользователя пропорции может назначать второе заранее определенное значение четвертой зависящей от пользователя пропорции 498, причем второе заранее определенное значение находится ниже четвертой центральной пропорции 488.
[212] Зависящая от пользователя пропорция основана на направлении и величине смещения
[213] В других вариантах осуществления настоящей технологии, калькулятор 380 зависящей от пользователя пропорции может вычислять первую зависящую от пользователя пропорцию 438 на основе направления 434 первого смещения и величины 436 первого смещения. Первая зависящая от пользователя пропорция 438 может быть определена таким образом, что расстояние между первой зависящей от пользователя пропорцией 438 и первой центральной пропорцией 428 пропорционально величине 436 первого смещения на первом распределении параметров 420 пользовательского взаимодействия.
[214] В других вариантах осуществления настоящей технологии, калькулятор 380 зависящей от пользователя пропорции может вычислять вторую зависящую от пользователя пропорцию 458 на основе направления 454 второго смещения и величины 456 второго смещения. Вторая зависящая от пользователя пропорция 458 может быть определена таким образом, что расстояние между второй зависящей от пользователя пропорцией 458 и второй центральной пропорцией 448 на втором базовом интервале пропорции 314 пропорционально величине 456 второго смещения на втором распределении параметров 440 пользовательского взаимодействия.
[215] В других вариантах осуществления настоящей технологии, калькулятор 380 зависящей от пользователя пропорции может вычислять третью зависящую от пользователя пропорцию 478 на основе направления 474 третьего смещения и величины 476 третьего смещения. Третья зависящая от пользователя пропорция 478 может быть определена таким образом, что расстояние между третьей центральной пропорцией 468 и третьей зависящей от пользователя пропорцией 478 на третьем базовом интервале пропорции 316 пропорционально величине 476 второго смещения.
[216] В других вариантах осуществления настоящей технологии, калькулятор 380 зависящей от пользователя пропорции может вычислять четвертую зависящую от пользователя пропорцию 498 на основе направления 494 четвертого смещения и величины 496 четвертого смещения. Четвертая зависящая от пользователя пропорция 498 может быть определена таким образом, что расстояние между четвертой центральной пропорцией 488 и четвертой зависящей от пользователя пропорцией 498 пропорционально величине 496 четвертого смещения.
[217] Калькулятор 380 зависящей от пользователя пропорции может вычислять сумму первой зависящей от пользователя пропорции 438, второй зависящей от пользователя пропорции 458, третьей зависящей от пользователя пропорции 478 и четвертой зависящей от пользователя пропорции 498. Если сумма не равна 100%, калькулятор 380 зависящей от пользователя пропорции может пропорционально корректировать каждую из первой зависящей от пользователя пропорции 438, второй зависящей от пользователя пропорции 458, третьей зависящей от пользователя пропорции 478 и четвертой зависящей от пользователя пропорции 498 таким образом, чтобы сумма была равна 100%.
[218] Способ 500 далее может перейти к выполнению этапа 514.
[219] ЭТАП 514: создание множества элементов содержимого для персонализированной рекомендации содержимого для данного пользователя, причем множество элементов содержимого относится по меньшей мере к одному из двух типов, соответствующая часть множества элементов содержимого находится в соответствующей зависящей от пользователя пропорции
[220] На этапе 514, модуль 114 обработки модуля 117 выбора рекомендуемого содержимого сервера 112 рекомендаций может создавать, с помощью модуля 117 выбора рекомендуемого содержимого, множество элементов содержимого для рекомендации пользователю 102, причем множество элементов содержимого включает в себя элементы содержимого первого типа содержимого 302, который находится в первой зависящей от пользователя пропорции 438, элементы содержимого второго типа содержимого 304, который находится во второй зависящей от пользователя пропорции 458, элементы содержимого третьего типа содержимого 306, который находится в третьей зависящей от пользователя пропорции 478, и элементы содержимого четвертого типа содержимого 308, который находится в четвертой зависящей от пользователя пропорции 498.
[221] Способ 500 далее может перейти к выполнению этапа 516.
[222] ЭТАП 516: отправка множества элементов содержимого для отображения на электронном устройстве данного пользователя.
[223] На этапе 516, модуль 115 обработки модуля 117 выбора рекомендуемого содержимого сервера 112 рекомендаций может отправлять сообщение 152 рекомендуемого содержимого, включающего в себя множество элементов содержимого для рекомендации электронному устройству 104 пользователя 102 с помощью сети 110 передачи данных. Множество элементов содержимого включает в себя элементы содержимого первого типа содержимого 302, который находится в первой зависящей от пользователя пропорции 438, элементы содержимого второго типа содержимого 304, который находится во второй зависящей от пользователя пропорции 458, элементы содержимого третьего типа содержимого 306, который находится в третьей зависящей от пользователя пропорции 478, и элементы содержимого четвертого типа содержимого 308, который находится в четвертой зависящей от пользователя пропорции 498.
[224] Далее способ 500 завершается.
[225] На Фиг. 8 представлена блок-схема способа 600 создания зависящих от пользователя пропорции в соответствии с не ограничивающим вариантом осуществления настоящей технологии. Способ 600 может быть выполнен после способа 500, в случаях, когда пользователь 102 совершил ряд пользовательских взаимодействий, число которых ниже заранее определенного порога пользовательских взаимодействий с по меньшей мере одним из первого типа содержимого 302, второго типа содержимого 304, третьего типа содержимого 306 и четвертого типа содержимого 308, и причем соответствующей зависящей от пользователя пропорции назначается заранее определенное значение.
[226] Способ 600 может быть реализован в системе 100, представленной на Фиг. 1.
[227] Способ 600 может начинаться на этапе 602.
[228] ЭТАП 602: получение другого указания на запрос на персонализированное содержимое от электронного устройства, связанного с данным пользователем после указания на запрос на персонализированное содержимое.
[229] На этапе 602, сервер 112 рекомендаций может получать другой запрос на рекомендацию содержимого (не показано) от электронного устройства 104 пользователя 102, и другой запрос получают после запроса на рекомендацию 150 содержимого.
[230] Способ 600 далее может перейти к выполнению этапа 604.
[231] ЭТАП 604: определение того, находится ли тогда соответствующее число пользовательских взаимодействий данного пользователя выше заранее определенного порога пользовательских взаимодействий
[232] На этапе 604, в ответ на получение другого запроса на рекомендацию содержимого, агрегатор 340 сервера 112 рекомендаций может определять, для каждого из первого типа содержимого 302, второго типа содержимого 304, третьего типа содержимого 306 и четвертого типа содержимого 308, если соответствующее число пользовательских взаимодействий в базе 126 данных пользовательских взаимодействий находится выше заранее определенного порога пользовательских взаимодействий.
[233] Способ 600 далее может перейти к выполнению этапа 606.
[234] ЭТАП 606: в ответ на то, что тогда соответствующее число пользовательских взаимодействий данного пользователя выше заранее определенного порога пользовательских взаимодействий в момент получения другого запроса на персонализированное содержимое:
замена сервером соответствующее заранее определенного значения, назначенного соответствующей зависящей от пользователя пропорции, на вычисленную соответствующую зависящую от пользователя пропорцию.
[235] На этапе 606, в ответ на то, что число пользовательских взаимодействий, связанных с пользователем 102, выше заранее определенного порога пользовательских взаимодействий для одного или нескольких из перового типа содержимого 302, второго типа содержимого 304, третьего типа содержимого 306 и четвертого типа содержимого 308, способ 600 может повторно вычислять соответствующую зависящую от пользователя пропорцию, проходя через этапы 510-516.
[236] Если число одного или нескольких из соответствующих пользовательских взаимодействий первого типа содержимого 302, второго типа содержимого 304, третьего типа содержимого 306 и четвертого типа содержимого 308 снова находятся ниже заранее определенного порога пользовательских взаимодействий, агрегатор 340 может назначать соответствующее заранее определенное значение соответствующей зависящей от пользователя пропорции (т.е. одна из первой зависящей от пользователя пропорции 438, второй зависящей от пользователя пропорции 458, третьей зависящей от пользователя пропорции 478 и четвертой зависящей от пользователя пропорции 498 для четвертого типа содержимого 308), которая обладает числом пользовательских взаимодействий ниже заранее определенного порога пользовательских взаимодействий. Заранее определенное значение может быть медианным для первого базового интервала пропорции 312, связанной с первым типом содержимого 302, второго базового интервала пропорции 314, связанной со вторым типом содержимого 304, третьего базового интервала пропорции 316, связанной с третьим типом содержимого 306 и четвертого базового интервала пропорции 318, связанной с четвертым типом содержимого 308.
[237] Далее способ 600 завершается.
[238] Специалистам в данной области техники будет понятно, что по меньшей мере некоторые варианты осуществления настоящей технологии направлены на расширение арсенала технических решений для конкретной технической проблемы, а именно -рекомендации персонализированного интересного содержимого пользователя системы рекомендаций для максимизации пользовательских взаимодействий с персонализированным содержимым, что может сохранить компьютерные ресурсы и пропускную способность как на стороне клиентского устройства, так и на стороне сервера.
[239] Важно иметь в виду, что не все упомянутые здесь технические результаты могут проявляться в каждом варианте осуществления настоящей технологии. Например, варианты осуществления настоящей технологии могут быть реализованы без проявления некоторых технических результатов, а другие варианты могут быть реализованы с проявлением других технических результатов или вовсе без них.
[240] Некоторые из этих этапов, а также процессы передачи-получения сигнала являются хорошо известными в данной области техники и поэтому для упрощения были опущены в некоторых частях данного описания. Сигналы могут быть переданы-получены с помощью оптических средств (например, оптоволоконного соединения), электронных средств (например, проводного или беспроводного соединения) и механических средств (например, на основе давления, температуры или другого подходящего параметра).
[241] Модификации и улучшения вышеописанных вариантов осуществления настоящей технологии будут ясны специалистам в данной области техники. Предшествующее описание представлено только в качестве примера и не устанавливает никаких ограничений. Таким образом, объем настоящей технологии ограничен только объемом прилагаемой формулы изобретения.

Claims (126)

1. Исполняемый на компьютере способ определения зависящих от пользователя пропорций типов содержимого для рекомендаций для данного пользователя, причем данный пользователь связан с электронным устройством, которое соединено с сервером через сеть передачи данных, причем сервер размещает сервис рекомендации содержимого для создания рекомендаций содержимого, обладающих элементами содержимого по меньшей мере двух типов,
причем способ выполняется сервером и включает в себя:
получение сервером для каждого соответствующего типа содержимого из по меньшей мере двух типов содержимого указания на соответствующий базовый интервал пропорции содержимого для рекомендации;
получение сервером для каждого соответствующего типа содержимого из по меньшей мере двух типов содержимого соответствующего набора параметров пользовательского взаимодействия, который указывает на взаимодействие пользователя из соответствующего набора пользователей сервиса рекомендации содержимого с соответствующим типом содержимого;
вычисление сервером для каждого соответствующего типа содержимого из по меньшей мере двух типов содержимого соответствующего распределения параметров пользовательского взаимодействия на основе соответствующего набора параметров пользовательского взаимодействия из соответствующего набора пользователей;
в ответ на получение указания на запрос персонализированного содержимого от электронного устройства, связанного с данным пользователем:
получение сервером для каждого соответствующего типа содержимого из по меньшей мере двух типов содержимого соответствующего зависящего от пользователя параметра взаимодействий для данного пользователя, причем соответствующий зависящий от пользователя параметр взаимодействий указывает на предпочтения данного пользователя в соответствующем типе содержимого;
вычисление сервером для каждого соответствующего типа содержимого из по меньшей мере двух типов содержимого соответствующей зависящей от пользователя пропорции соответствующего типа содержимого для рекомендации содержимого данному пользователю, причем соответствующая зависящая от пользователя пропорция - в границах соответствующего базового интервала пропорций содержимого и вычисление основано на
соответствующем распределении параметров пользовательского взаимодействия из набора пользователей и соответствующем зависящем от пользователя параметре взаимодействия данного пользователя;
создание сервисом рекомендации содержимого сервера множества элементов содержимого для персонализированной рекомендации содержимого для данного пользователя, причем множество элементов содержимого относится по меньшей мере к двум типам, соответствующая часть множества элементов содержимого находится в соответствующей зависящей от пользователя пропорции; и
отправка сервером множества элементов содержимого для отображения на электронном устройстве данного пользователя.
2. Способ по п. 1, в котором:
до вычисления соответствующей зависящей от пользователя пропорции соответствующего типа содержимого, способ далее включает в себя:
вычисление сервером соответствующего центрального параметра распределения соответственно связанного распределения параметров пользовательского взаимодействия;
определение сервером соответствующего зависящего от пользователя параметра распределения данного пользователя, причем соответствующий зависящий от пользователя параметр распределения указывает на расположение соответственно связанного зависящего от пользователя параметра взаимодействия данного пользователя в соответствующем связанном распределении параметров пользовательского взаимодействия;
вычисление сервером смещения между соответствующим центральным параметром распределения и соответствующим зависящим от пользователя параметром распределения; и причем
вычисление соответствующей зависящей от пользователя пропорции соответствующего типа содержимого далее основано на:
смещении между соответствующим центральным параметром распределения и соответствующим зависящим от пользователя параметром распределения и
соответствующей центральной пропорции соответствующего базового интервала пропорций, которая соответствует соответствующему центральному параметру распределения соответственно связанного распределения параметров пользовательского взаимодействия.
3. Способ по п. 2, в котором вычисление соответствующей зависящей от пользователя пропорции соответствующего типа содержимого далее включает в себя:
определение сервером, является ли направление смещения между соответствующим центральным параметром распределения и соответствующим зависящим от пользователя параметром распределения одним из: положительным направлением или отрицательным направлением;
в ответ на то, что направление положительное:
назначение сервером соответствующего первого заранее определенного значения соответствующей зависящей от пользователя пропорции, причем соответствующее первое заранее определенное значение находится выше соответствующей центральной пропорции; и
в ответ на то, что направление отрицательное:
назначение сервером соответствующего второго заранее определенного значения соответствующей зависящей от пользователя пропорции, причем соответствующее второе заранее определенное значение находится ниже соответствующей центральной пропорции.
4. Способ по п. 3, в котором:
соответствующее расстояние между соответствующим первым заранее определенным значением и соответствующей центральной пропорцией на базовом интервале пропорций пропорционально величине смещения между соответствующим центральным параметром распределения и соответствующим зависящим от пользователя параметром распределения; и
соответствующее расстояние между соответствующим вторым заранее определенным значением и соответствующей центральной пропорцией на базовом интервале пропорций пропорционально величине смещения между соответствующим центральным параметром распределения и соответствующим зависящим от пользователя параметром распределения.
5. Способ по п. 4, в котором
соответствующий центральный параметр распределения является медианным для соответственно связанного распределения пользовательских взаимодействий.
6. Способ по п. 5, в котором
соответствующая центральная пропорция является медианной для соответствующего базового интервала пропорции.
7. Способ по п. 6, в котором соответствующий зависящий от пользователя параметр распределения является процентильным рангом соответствующего зависящего от пользователя параметра взаимодействия данного пользователя в соответствующем распределении параметров пользовательского взаимодействия.
8. Способ по п. 3, в котором по меньшей мере два типа содержимого включают в себя по меньшей мере два из: текстовое содержимое, оригинальное содержимое, неоригинальное содержимое, графическое содержимое, видеосодержимое, аудиосодержимое и содержимое с информацией о погоде.
9. Способ по п. 8, в котором
соответствующий набор параметров пользовательского взаимодействия и соответствующий зависящий от пользователя параметр взаимодействия, связанный с соответствующим типом содержимого из по меньшей мере двух типов содержимого, относится к одному и тому же типу параметра взаимодействия; и
способ далее включает в себя, используя тот же тип параметра взаимодействия для соответствующего типа содержимого:
для текстового содержимого, рейтинг кликабельности (CTR);
для оригинального содержимого, рейтинг кликабельности (CTR);
для неоригинального содержимого, рейтинг кликабельности (CTR);
для графического содержимого, рейтинг кликабельности (CTR);
для видеосодержимого, время пребывания на странице;
для аудиосодержимого, время пребывания на странице; и
для графического содержимого, рейтинг кликабельности (CTR).
10. Способ по п. 3, в котором:
сервер соединен с базой данных журнала;
получение соответствующего зависящего от пользователя параметра взаимодействия включает в себя: применение сервером скользящего окна предыдущих пользовательских взаимодействий к пользовательским взаимодействиям, связанным с данным пользователем в базе данных журнала; и
вычисление сервером соответствующего зависящего от пользователя параметра взаимодействия на основе пользовательских взаимодействий, связанных с данным пользователем в базе данных журнала, которые попадают в скользящее окно предыдущих пользовательских взаимодействий.
11. Способ по п. 10, далее включающий в себя, в ответ на то, что соответствующее число пользовательских взаимодействий, связанных с данным пользователем, которое попадает в скользящее окно предыдущих пользовательских взаимодействий, находится ниже заранее определенного порога пользовательских взаимодействий:
назначение сервером соответствующего заранее определенного значения соответствующей зависящей от пользователя пропорции.
12. Способ по п. 11, дополнительно включающий в себя:
получение сервером другого указания на запрос на персонализированное содержимое от электронного устройства, связанного с данным пользователем, после указания на запрос на персонализированное содержимое;
определение сервером того, находится ли тогда соответствующее число пользовательских взаимодействий данного пользователя выше заранее определенного порога пользовательских взаимодействий;
в ответ на то, что тогда соответствующее число пользовательских взаимодействий данного пользователя выше заранее определенного порога пользовательских взаимодействий в момент получения другого запроса на персонализированное содержимое:
замена сервером соответствующего заранее определенного значения, назначенного соответствующей зависящей от пользователя пропорции, на вычисленную соответствующую зависящую от пользователя пропорцию.
13. Способ по п. 10, в котором скользящее окно обладает заранее определенным размером одного из: заранее определенного числа предыдущих пользовательских сессий с системой рекомендаций и заранее определенного периода времени.
14. Способ по п. 3, который дополнительно включает в себя, перед созданием множества элементов содержимого:
суммирование сервером соответственно связанных зависящих от пользователя пропорций для получения суммы зависящих от пользователя пропорций;
в ответ на то, что сумма зависящих от пользователя пропорций ниже заранее определенного порога суммы или выше заранее определенного порога суммы:
корректировку сервером каждой соответственно связанной зависящей от пользователя пропорции таким образом, чтобы сумма зависящих от пользователя пропорций была равна заранее определенному порогу суммы.
15. Система для определения зависящих от пользователя пропорций типов содержимого для рекомендаций для данного пользователя, причем данный пользователь связан с электронным устройством, которое соединено с системой через сеть передачи данных, причем система размещает сервис рекомендации содержимого для создания рекомендаций содержимого, обладающих элементами содержимого по меньшей мере двух типов,
причем система включает в себя:
процессор;
постоянный машиночитаемый носитель компьютерной информации, содержащий инструкции,
процессор,
при выполнении инструкций, выполнен с возможностью осуществлять:
получение для каждого соответствующего типа содержимого из по меньшей мере двух типов содержимого указания на соответствующий базовый интервал пропорций содержимого для рекомендации;
получение для каждого соответствующего типа содержимого из по меньшей мере двух типов содержимого соответствующего набора параметров пользовательского взаимодействия, который указывает на взаимодействие пользователя из соответствующего набора пользователей сервиса рекомендации содержимого с соответствующим типом содержимого;
вычисление для каждого соответствующего типа содержимого из по меньшей мере двух типов содержимого соответствующего распределения параметров пользовательского взаимодействия на основе соответствующего набора параметров пользовательского взаимодействия из соответствующего набора пользователей;
в ответ на получение указания на запрос персонализированного содержимого от электронного устройства, связанного с данным пользователем:
получение для каждого соответствующего типа содержимого из по меньшей мере двух типов содержимого соответствующего зависящего от пользователя параметра взаимодействий для данного пользователя, причем соответствующий зависящий от пользователя параметр взаимодействий указывает на предпочтения данного пользователя в соответствующем типе содержимого;
вычисление для каждого соответствующего типа содержимого из по меньшей мере двух типов содержимого соответствующей зависящей от пользователя пропорции соответствующего типа содержимого для рекомендации содержимого данному пользователю, причем соответствующая зависящая от пользователя пропорция - в границах соответствующего базового интервала пропорций содержимого и вычисление основано на:
соответствующем распределении параметров пользовательского взаимодействия из набора пользователей и
соответствующем зависящем от пользователя параметре взаимодействия данного пользователя;
создание сервисом рекомендации содержимого системы множества элементов содержимого для персонализированной рекомендации содержимого для данного пользователя, причем множество элементов содержимого относится по меньшей мере к двум типам, соответствующая часть множества элементов содержимого находится в соответствующей зависящей от пользователя пропорции; и
отправку множества элементов содержимого для отображения на электронном устройстве данного пользователя.
16. Система по п. 15, в которой,
до вычисления соответствующей зависящей от пользователя пропорции соответствующего типа содержимого, процессор выполнен с возможностью осуществлять:
вычисление соответствующего центрального параметра распределения соответствующего распределения параметров пользовательского взаимодействия;
определение соответствующего зависящего от пользователя параметра распределения данного пользователя, причем соответствующий зависящий от пользователя параметр распределения указывает на расположение соответственно связанного зависящего от пользователя параметра взаимодействия данного пользователя в соответствующем связанном распределении параметров пользовательского взаимодействия;
вычисление смещения между соответствующим центральным параметром распределения и соответствующим зависящим от пользователя параметром распределения; и причем
вычисление соответствующей зависящей от пользователя пропорции соответствующего типа содержимого далее основано на: смещении между соответствующим центральным параметром распределения и соответствующим зависящим от пользователя параметром распределения и
соответствующей центральной пропорции соответствующего базового интервала пропорций, которая соответствует соответствующему центральному параметру распределения соответственно связанного распределения параметров пользовательского взаимодействия.
17. Система по п. 16, в которой вычисление соответствующей зависящей от пользователя пропорции соответствующего типа содержимого далее включает в себя:
определение того, является ли направление смещения между соответствующим центральным параметром распределения и соответствующим зависящим от пользователя параметром распределения одним из: положительным направлением или отрицательным направлением;
в ответ на то, что направление положительное:
назначение соответствующего первого заранее определенного значения соответствующей зависящей от пользователя пропорции, причем соответствующее первое заранее определенное значение находится выше соответствующей центральной пропорции; и
в ответ на то, что направление отрицательное:
назначение соответствующего второго заранее определенного значения соответствующей зависящей от пользователя пропорции, причем соответствующее второе заранее определенное значение находится ниже соответствующей центральной пропорции.
18. Система по п. 17, в которой:
соответствующее расстояние между соответствующим первым заранее определенным значением и соответствующей центральной пропорцией на базовом интервале пропорций пропорционально величине смещения между соответствующим центральным параметром распределения и соответствующим зависящим от пользователя параметром распределения; и
соответствующее расстояние между соответствующим вторым заранее определенным значением и соответствующей центральной пропорцией на базовом интервале пропорций пропорционально величине смещения между соответствующим центральным параметром распределения и соответствующим зависящим от пользователя параметром распределения.
19. Система по п. 18, в которой
соответствующий центральный параметр распределения является медианным для соответственно связанного распределения пользовательских взаимодействий.
20. Система по п. 19, в которой
соответствующая центральная пропорция является медианной для соответствующего базового интервала пропорции.
21. Система по п. 20, в которой
соответствующий зависящий от пользователя параметр распределения является процентильным рангом соответствующего зависящего от пользователя параметра взаимодействия данного пользователя в соответствующем распределении параметров пользовательского взаимодействия.
22. Система по п. 17, в которой по меньшей мере два типа содержимого включают в себя по меньшей мере два из: текстовое содержимое, оригинальное содержимое, неоригинальное содержимое, графическое содержимое, видеосодержимое, аудиосодержимое и содержимое с информацией о погоде.
23. Система по п. 22, в которой:
соответствующий набор параметров пользовательского взаимодействия и соответствующий зависящий от пользователя параметр взаимодействия, связанный с соответствующим типом содержимого из по меньшей мере двух типов содержимого, относится к одному и тому же типу параметра взаимодействия; и
система далее включает в себя, используя тот же тип параметра взаимодействия для соответствующего типа содержимого:
для текстового содержимого, рейтинг кликабельности (CTR);
для оригинального содержимого, рейтинг кликабельности (CTR);
для неоригинального содержимого, рейтинг кликабельности (CTR);
для графического содержимого, рейтинг кликабельности (CTR);
для видеосодержимого, время пребывания на странице;
для аудиосодержимого, время пребывания на странице; и
для графического содержимого, рейтинг кликабельности (CTR).
24. Система по п. 18, в которой:
система соединена с базой данных журнала;
для получения соответствующего зависящего от пользователя параметра взаимодействий процессор далее выполнен с возможностью осуществлять:
применение скользящего окна предыдущих пользовательских взаимодействий к пользовательским взаимодействиям, связанным с данным пользователем в базе данных журнала; и
вычисление соответствующего зависящего от пользователя параметра взаимодействия на основе пользовательских взаимодействий, связанных с данным пользователем в базе данных журнала, которые попадают в скользящее окно предыдущих пользовательских взаимодействий.
25. Система по п. 24, в которой процессор далее выполнен с возможностью осуществлять, в ответ на то, что соответствующее число пользовательских взаимодействий, связанных с данным пользователем, которое попадает в скользящее окно предыдущих пользовательских взаимодействий, ниже заранее определенного порога пользовательских взаимодействий:
назначение соответствующего заранее определенного значения соответствующей зависящей от пользователя пропорции.
26. Система по п. 25, в которой процессор выполнен с дополнительной возможностью осуществлять:
получение другого указания на запрос на персонализированное содержимое от электронного устройства, связанного с данным пользователем, после указания на запрос на персонализированное содержимое;
определение того, находится ли тогда соответствующее число пользовательских взаимодействий данного пользователя выше заранее определенного порога пользовательских взаимодействий;
в ответ на то, что тогда соответствующее число пользовательских взаимодействий данного пользователя выше заранее определенного порога пользовательских взаимодействий, в момент получения другого запроса на персонализированное содержимое:
замену соответствующего заранее определенного значения, назначенного соответствующей зависящей от пользователя пропорции, на вычисленную соответствующую зависящую от пользователя пропорцию.
27. Система по п. 24, в которой скользящее окно обладает заранее определенным размером одного из: заранее определенного числа предыдущих пользовательских сессий с системой рекомендаций и заранее определенного периода времени.
28. Система по п. 17, в которой процессор далее выполнен с возможностью, до этапа создания множества элементов содержимого, осуществлять:
суммирование соответственно связанных зависящих от пользователя пропорций для получения суммы зависящих от пользователя пропорций;
в ответ на то, что сумма зависящих от пользователя пропорций ниже заранее определенного порога суммы или выше заранее определенного порога суммы:
корректировку каждой соответственно связанной зависящей от пользователя пропорции таким образом, чтобы сумма зависящей от пользователя пропорции была равна заранее определенному порогу суммы.
RU2018132713A 2018-09-14 2018-09-14 Способ и система для определения зависящих от пользователя пропорций содержимого для рекомендации RU2720899C2 (ru)

Priority Applications (2)

Application Number Priority Date Filing Date Title
RU2018132713A RU2720899C2 (ru) 2018-09-14 2018-09-14 Способ и система для определения зависящих от пользователя пропорций содержимого для рекомендации
US16/372,553 US11263217B2 (en) 2018-09-14 2019-04-02 Method of and system for determining user-specific proportions of content for recommendation

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
RU2018132713A RU2720899C2 (ru) 2018-09-14 2018-09-14 Способ и система для определения зависящих от пользователя пропорций содержимого для рекомендации

Publications (3)

Publication Number Publication Date
RU2018132713A3 RU2018132713A3 (ru) 2020-03-16
RU2018132713A RU2018132713A (ru) 2020-03-16
RU2720899C2 true RU2720899C2 (ru) 2020-05-14

Family

ID=69774443

Family Applications (1)

Application Number Title Priority Date Filing Date
RU2018132713A RU2720899C2 (ru) 2018-09-14 2018-09-14 Способ и система для определения зависящих от пользователя пропорций содержимого для рекомендации

Country Status (2)

Country Link
US (1) US11263217B2 (ru)
RU (1) RU2720899C2 (ru)

Families Citing this family (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10904360B1 (en) 2015-12-02 2021-01-26 Zeta Global Corp. Method and apparatus for real-time personalization
US10621532B1 (en) 2017-02-14 2020-04-14 Patreon, Inc. Generation of engagement and support recommendations for content creators
US10607242B1 (en) 2017-02-14 2020-03-31 Patreon, Inc. Generation of subscription recommendations for content creators
US11269952B1 (en) 2019-07-08 2022-03-08 Meta Platforms, Inc. Text to music selection system
US11210339B1 (en) 2019-08-29 2021-12-28 Facebook, Inc. Transient contextual music streaming
US10911504B1 (en) 2019-08-29 2021-02-02 Facebook, Inc. Social media music streaming
US11379513B2 (en) * 2019-08-30 2022-07-05 Spotify Ab Systems and methods for providing content based on consumption in a distinct domain
US11775581B1 (en) 2019-09-18 2023-10-03 Meta Platforms, Inc. Systems and methods for feature-based music selection
USD941324S1 (en) 2019-09-25 2022-01-18 Facebook, Inc. Display screen with a graphical user interface for music fetching
USD941325S1 (en) 2019-09-25 2022-01-18 Facebook, Inc. Display screen with a graphical user interface for music fetching
US11416544B2 (en) 2019-09-25 2022-08-16 Meta Platforms, Inc. Systems and methods for digitally fetching music content
US11270330B1 (en) 2020-02-26 2022-03-08 Patreon, Inc. Systems and methods to determine tax classification of benefits offered to subscribers of a membership platform
US11386377B1 (en) 2020-03-17 2022-07-12 Patreon, Inc. Systems and methods to recommend price of benefit items offered through a membership platform
US11790391B1 (en) 2020-03-17 2023-10-17 Patreon, Inc. Systems and methods to recommend benefit types of benefit items to offer within a membership platform
US11853380B2 (en) 2020-06-08 2023-12-26 Dropbox, Inc. Intelligently generating and managing third-party sources within a contextual hub
US11907232B2 (en) * 2021-01-12 2024-02-20 Adobe Inc. Facilitating efficient identification of relevant data
US11368735B1 (en) 2021-05-18 2022-06-21 Patreon, Inc. Systems and methods to facilitate quality control of benefit items created for subscribers of a membership platform
US11715126B1 (en) 2021-06-07 2023-08-01 Patreon, Inc. Systems and methods to process payments for subscribership within a membership platform
US11675860B1 (en) * 2021-07-28 2023-06-13 Patreon, Inc. Systems and methods to generate creator page recommendations for content creators

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100131844A1 (en) * 2008-11-25 2010-05-27 At&T Intellectual Property I, L.P. Systems and methods to select media content
US20170124093A1 (en) * 2013-02-06 2017-05-04 Wespeke, Inc. Matching users of a network based on profile data
CN107577682A (zh) * 2016-07-05 2018-01-12 上海交通大学 基于社交图片的用户兴趣挖掘和用户推荐方法及系统
RU2017101241A (ru) * 2014-06-17 2018-07-17 Алибаба Груп Холдинг Лимитед Поиск, основанный на комбинировании пользовательских данных отношений
CN108346072A (zh) * 2017-01-23 2018-07-31 长沙湘佩网络技术有限公司 基于混合算法的互联网商城推荐系统

Family Cites Families (352)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2001022310A1 (en) 1999-09-22 2001-03-29 Oleg Kharisovich Zommers Interactive personal information system and method
US6687696B2 (en) 2000-07-26 2004-02-03 Recommind Inc. System and method for personalized search, information filtering, and for generating recommendations utilizing statistical latent class models
JP2002082745A (ja) 2000-09-07 2002-03-22 Sony Corp 情報処理装置及び方法、並びにプログラム格納媒体
US7277765B1 (en) 2000-10-12 2007-10-02 Bose Corporation Interactive sound reproducing
WO2002052374A2 (en) 2000-12-26 2002-07-04 Trustees Of Dartmouth College Methods and apparatus for personalized content presentation
US20020198882A1 (en) 2001-03-29 2002-12-26 Linden Gregory D. Content personalization based on actions performed during a current browsing session
US7007242B2 (en) 2002-02-20 2006-02-28 Nokia Corporation Graphical user interface for a mobile device
AU2003279992A1 (en) 2002-10-21 2004-05-13 Ebay Inc. Listing recommendation in a network-based commerce system
US20110107223A1 (en) 2003-01-06 2011-05-05 Eric Tilton User Interface For Presenting Presentations
US7475027B2 (en) 2003-02-06 2009-01-06 Mitsubishi Electric Research Laboratories, Inc. On-line recommender system
US8554601B1 (en) 2003-08-22 2013-10-08 Amazon Technologies, Inc. Managing content based on reputation
KR100493902B1 (ko) 2003-08-28 2005-06-10 삼성전자주식회사 콘텐츠 추천방법 및 시스템
US7451173B1 (en) 2003-09-09 2008-11-11 Sandia Corporation Fast combinatorial algorithm for the solution of linearly constrained least squares problems
US7346839B2 (en) 2003-09-30 2008-03-18 Google Inc. Information retrieval based on historical data
US20130097302A9 (en) 2003-10-01 2013-04-18 Robert Khedouri Audio visual player apparatus and system and method of content distribution using the same
US8041602B2 (en) 2003-10-15 2011-10-18 Aol Advertising, Inc. Systems and methods for providing a reverse frequency cap in advertisement viewing
US20050097190A1 (en) 2003-10-31 2005-05-05 Aaron Abdelhak System and method for customized portal web pages
CA2512945A1 (en) 2004-07-23 2006-01-23 Genesis Group Inc. System and method for estimating user ratings from user behavior and providing recommendations
US7540051B2 (en) 2004-08-20 2009-06-02 Spatial Systems, Inc. Mapping web sites based on significance of contact and category
US20060074883A1 (en) 2004-10-05 2006-04-06 Microsoft Corporation Systems, methods, and interfaces for providing personalized search and information access
CN101057500A (zh) 2004-11-15 2007-10-17 皇家飞利浦电子股份有限公司 用于帮助用户选择内容的方法和网络设备
US8225195B1 (en) 2004-12-15 2012-07-17 Amazon Technologies, Inc. Displaying links at varying levels of prominence to reveal emergent paths based on user interaction
US7720436B2 (en) 2006-01-09 2010-05-18 Nokia Corporation Displaying network objects in mobile devices based on geolocation
US20110208732A1 (en) 2010-02-24 2011-08-25 Apple Inc. Systems and methods for organizing data items
US8060463B1 (en) * 2005-03-30 2011-11-15 Amazon Technologies, Inc. Mining of user event data to identify users with common interests
US20060293065A1 (en) 2005-06-27 2006-12-28 Lucent Technologies Inc. Dynamic information on demand
US7630999B2 (en) 2005-07-15 2009-12-08 Microsoft Corporation Intelligent container index and search
US20150331859A1 (en) 2005-10-26 2015-11-19 Cortica, Ltd. Method and system for providing multimedia content to users based on textual phrases
US8429184B2 (en) 2005-12-05 2013-04-23 Collarity Inc. Generation of refinement terms for search queries
US7502789B2 (en) 2005-12-15 2009-03-10 Microsoft Corporation Identifying important news reports from news home pages
GB0610119D0 (en) 2006-05-20 2006-06-28 Ibm Internet browser and method of bookmarking in same
US9443022B2 (en) 2006-06-05 2016-09-13 Google Inc. Method, system, and graphical user interface for providing personalized recommendations of popular search queries
JP2010502116A (ja) 2006-08-18 2010-01-21 ソニー株式会社 推奨エンジンによる選択的メディアコンテンツアクセスのシステム及び方法
US9405830B2 (en) 2007-02-28 2016-08-02 Aol Inc. Personalization techniques using image clouds
US7685200B2 (en) 2007-03-01 2010-03-23 Microsoft Corp Ranking and suggesting candidate objects
US20080222132A1 (en) 2007-03-07 2008-09-11 Jiangyi Pan Personalized shopping recommendation based on search units
US7801888B2 (en) 2007-03-09 2010-09-21 Microsoft Corporation Media content search results ranked by popularity
US9224427B2 (en) 2007-04-02 2015-12-29 Napo Enterprises LLC Rating media item recommendations using recommendation paths and/or media item usage
US8108417B2 (en) 2007-04-04 2012-01-31 Intertrust Technologies Corporation Discovering and scoring relationships extracted from human generated lists
JP5032183B2 (ja) 2007-04-12 2012-09-26 株式会社東芝 情報推薦システムおよび情報推薦方法
KR20080096134A (ko) 2007-04-27 2008-10-30 엘지전자 주식회사 이동통신 단말기 및 그 웹페이지 제어방법
US8296179B1 (en) 2007-05-02 2012-10-23 Monster Worldwide, Inc. Targeted advertisement placement based on explicit and implicit criteria matching
US20080281711A1 (en) 2007-05-11 2008-11-13 Bridges Thomas L System and method for displaying advertisements according to business and consumer relevance
US8301623B2 (en) 2007-05-22 2012-10-30 Amazon Technologies, Inc. Probabilistic recommendation system
USD613300S1 (en) 2007-06-28 2010-04-06 Apple Inc. Animated graphical user interface for a display screen or portion thereof
US8010527B2 (en) 2007-06-29 2011-08-30 Fuji Xerox Co., Ltd. System and method for recommending information resources to user based on history of user's online activity
US7949659B2 (en) 2007-06-29 2011-05-24 Amazon Technologies, Inc. Recommendation system with multiple integrated recommenders
US8260787B2 (en) 2007-06-29 2012-09-04 Amazon Technologies, Inc. Recommendation system with multiple integrated recommenders
US8751507B2 (en) 2007-06-29 2014-06-10 Amazon Technologies, Inc. Recommendation system with multiple integrated recommenders
KR101415022B1 (ko) 2007-07-24 2014-07-09 삼성전자주식회사 복합 알고리즘 이용한 정보 추천 방법 및 장치
US8275764B2 (en) 2007-08-24 2012-09-25 Google Inc. Recommending media programs based on media program popularity
GB0719129D0 (en) 2007-10-01 2007-11-07 Torridon Solutions Ltd Improvements relating to graphical user interfaces
US20090163183A1 (en) 2007-10-04 2009-06-25 O'donoghue Hugh Recommendation generation systems, apparatus and methods
US8972865B2 (en) 2007-10-19 2015-03-03 Opera Software Asa Method and device for providing easy access to pre-selected data resources
US8484142B2 (en) 2007-11-02 2013-07-09 Ebay Inc. Integrating an internet preference learning facility into third parties
US8494978B2 (en) 2007-11-02 2013-07-23 Ebay Inc. Inferring user preferences from an internet based social interactive construct
US8666909B2 (en) 2007-11-02 2014-03-04 Ebay, Inc. Interestingness recommendations in a computing advice facility
US8510252B1 (en) 2007-12-07 2013-08-13 Google, Inc. Classification of inappropriate video content using multi-scale features
CN101971687B (zh) 2007-12-17 2013-05-29 艾利森电话股份有限公司 增强无线终端的测距过程标识
WO2009087414A1 (en) 2008-01-08 2009-07-16 Taptu Ltd. Mobile search service
RU2368006C1 (ru) 2008-01-10 2009-09-20 Корпорация "САМСУНГ ЭЛЕКТРОНИКС Ко., Лтд." Способ и система адаптивного переформатирования цифровых изображений
USD607463S1 (en) 2008-02-19 2010-01-05 Allstate Insurance Company Portion of a display screen showing a user interface
US8560964B2 (en) 2008-02-20 2013-10-15 International Business Machines Corporation Method and system for predictive browsing
US9323439B2 (en) 2008-03-28 2016-04-26 International Business Machines Corporation System and method for displaying published electronic documents
US7849076B2 (en) 2008-03-31 2010-12-07 Yahoo! Inc. Learning ranking functions incorporating isotonic regression for information retrieval and ranking
US20090276368A1 (en) 2008-04-28 2009-11-05 Strands, Inc. Systems and methods for providing personalized recommendations of products and services based on explicit and implicit user data and feedback
US7685232B2 (en) 2008-06-04 2010-03-23 Samsung Electronics Co., Ltd. Method for anonymous collaborative filtering using matrix factorization
US8683374B2 (en) 2008-06-24 2014-03-25 Microsoft Corporation Displaying a user's default activities in a new tab page
US8631351B2 (en) 2008-06-29 2014-01-14 Microsoft Corporation Providing multiple degrees of context for content consumed on computers and media players
US8762313B2 (en) 2008-07-25 2014-06-24 Liveperson, Inc. Method and system for creating a predictive model for targeting web-page to a surfer
US20100205542A1 (en) 2008-08-07 2010-08-12 Christina Walman Method, system for tracking group behavior
CN102349066B (zh) 2008-09-01 2015-07-15 谷歌公司 在浏览器中的新标签页面和书签工具条
JP4650541B2 (ja) 2008-09-08 2011-03-16 ソニー株式会社 推薦装置および方法、プログラム、並びに記録媒体
US8583418B2 (en) 2008-09-29 2013-11-12 Apple Inc. Systems and methods of detecting language and natural language strings for text to speech synthesis
US8335721B2 (en) 2008-10-01 2012-12-18 Google Inc. Placement identification and reservation
CN103605452B (zh) 2008-11-11 2018-04-17 索尼电脑娱乐公司 图像处理装置、以及图像处理方法
US8244740B2 (en) 2008-11-26 2012-08-14 Microsoft Corporation Providing suggested sites associated with target sites
EP2202656A1 (en) 2008-12-23 2010-06-30 Axel Springer Digital TV Guide GmbH Context-based recommender system
US8499251B2 (en) 2009-01-07 2013-07-30 Microsoft Corporation Virtual page turn
US9396258B2 (en) 2009-01-22 2016-07-19 Google Inc. Recommending video programs
US20100241597A1 (en) * 2009-03-19 2010-09-23 Bee-Chung Chen Dynamic estimation of the popularity of web content
US11076189B2 (en) 2009-03-30 2021-07-27 Time Warner Cable Enterprises Llc Personal media channel apparatus and methods
US8555173B2 (en) 2009-05-31 2013-10-08 Linkedin Corporation Recommendation engine
US20110047136A1 (en) 2009-06-03 2011-02-24 Michael Hans Dehn Method For One-Click Exclusion Of Undesired Search Engine Query Results Without Clustering Analysis
US8271898B1 (en) 2009-06-04 2012-09-18 Mellmo Inc. Predictive scrolling
US8935258B2 (en) 2009-06-15 2015-01-13 Microsoft Corporation Identification of sample data items for re-judging
US8813124B2 (en) 2009-07-15 2014-08-19 Time Warner Cable Enterprises Llc Methods and apparatus for targeted secondary content insertion
US8412796B2 (en) 2009-07-31 2013-04-02 University College Dublin—National University of Ireland, Dublin Real time information feed processing
KR100984817B1 (ko) 2009-08-19 2010-10-01 주식회사 컴퍼니원헌드레드 이동통신 단말기의 터치스크린을 이용한 사용자 인터페이스 방법
US20110066497A1 (en) 2009-09-14 2011-03-17 Choicestream, Inc. Personalized advertising and recommendation
US8229873B1 (en) 2009-09-18 2012-07-24 Google Inc. News topic-interest-based recommendations twiddling
WO2011035210A2 (en) 2009-09-18 2011-03-24 Lexxe Pty Ltd Method and system for scoring texts
EP2306339A1 (en) 2009-09-23 2011-04-06 Adobe Systems Incorporated Algorith and implementation for fast computation of content recommendation
US8972391B1 (en) * 2009-10-02 2015-03-03 Google Inc. Recent interest based relevance scoring
US20110112981A1 (en) 2009-11-09 2011-05-12 Seung-Taek Park Feature-Based Method and System for Cold-Start Recommendation of Online Ads
US8290818B1 (en) 2009-11-19 2012-10-16 Amazon Technologies, Inc. System for recommending item bundles
US8285602B1 (en) 2009-11-19 2012-10-09 Amazon Technologies, Inc. System for recommending item bundles
US20110125763A1 (en) 2009-11-24 2011-05-26 Nokia Corporation Method and apparatus for determining similarity of media interest
US9336315B2 (en) 2010-01-19 2016-05-10 Ebay Inc. Personalized recommendation of a volatile item
US8606792B1 (en) 2010-02-08 2013-12-10 Google Inc. Scoring authors of posts
US8650172B2 (en) 2010-03-01 2014-02-11 Microsoft Corporation Searchable web site discovery and recommendation
DE102010011039A1 (de) 2010-03-11 2011-09-15 Volkswagen Ag Verfahren und Vorrichtung zum Betreiben einer Benutzerschnittstelle
US9760643B2 (en) 2010-04-09 2017-09-12 Aol Inc. Systems and methods for identifying electronic content
EP2393056A1 (en) 2010-06-02 2011-12-07 Layar B.V. Acquiring, ranking and displaying points of interest for use in an augmented reality service provisioning system and graphical user interface for displaying such ranked points of interests
US8412726B2 (en) 2010-06-03 2013-04-02 Microsoft Corporation Related links recommendation
US8577896B2 (en) 2010-06-08 2013-11-05 Netflix, Inc Interest based row selection
EP2397952A1 (en) 2010-06-15 2011-12-21 Axel Springer Digital TV Guide GmbH Profile based content retrieval for recommender systems
US9798822B2 (en) 2010-06-29 2017-10-24 Apple Inc. Location based grouping of browsing histories
USD668674S1 (en) 2010-07-26 2012-10-09 Apple Inc. Display screen or portion thereof with icon
US8676736B2 (en) 2010-07-30 2014-03-18 Gravity Research And Development Kft. Recommender systems and methods using modified alternating least squares algorithm
KR101709470B1 (ko) 2010-09-02 2017-02-23 엘지전자 주식회사 영상표시기기 및 그 동작 방법
CA2810227A1 (en) 2010-09-01 2012-03-08 Google Inc. Methods and apparatus to cluster user data
JP5621422B2 (ja) 2010-09-07 2014-11-12 ソニー株式会社 情報処理装置、プログラム及び制御方法
US8893042B2 (en) 2010-09-14 2014-11-18 Microsoft Corporation Determination and display of relevant websites
US8903834B2 (en) 2010-10-14 2014-12-02 Netflix, Inc. Recommending groups of items based on item ranks
CN102467709B (zh) 2010-11-17 2017-03-01 阿里巴巴集团控股有限公司 一种发送商品信息的方法和装置
CN103348342B (zh) 2010-12-01 2017-03-15 谷歌公司 基于用户话题简档的个人内容流
US20120158685A1 (en) 2010-12-16 2012-06-21 Microsoft Corporation Modeling Intent and Ranking Search Results Using Activity-based Context
US20120159337A1 (en) 2010-12-17 2012-06-21 Kerry Travilla System and method for recommending media content
US9172762B2 (en) 2011-01-20 2015-10-27 Linkedin Corporation Methods and systems for recommending a context based on content interaction
US20120209907A1 (en) 2011-02-14 2012-08-16 Andrews Anton O A Providing contextual content based on another user
US8468164B1 (en) 2011-03-09 2013-06-18 Amazon Technologies, Inc. Personalized recommendations based on related users
US8694442B2 (en) 2011-03-29 2014-04-08 Manyworlds, Inc. Contextually integrated learning layer
EP2695123A4 (en) 2011-04-05 2014-08-27 Ericsson Telefon Ab L M PROCEDURE AND ARRANGEMENTS FOR CREATING PERSONALIZED RECOMMENDATIONS
US8600968B2 (en) 2011-04-19 2013-12-03 Microsoft Corporation Predictively suggesting websites
US9202200B2 (en) 2011-04-27 2015-12-01 Credibility Corp. Indices for credibility trending, monitoring, and lead generation
JP5713790B2 (ja) 2011-05-09 2015-05-07 キヤノン株式会社 画像処理装置、画像処理方法、及びプログラム
US20120304073A1 (en) 2011-05-27 2012-11-29 Mirko Mandic Web Browser with Quick Site Access User Interface
GB201109339D0 (en) 2011-06-03 2011-07-20 Firestorm Lab Ltd Computing device interface
USD682844S1 (en) 2011-06-06 2013-05-21 Sony Corporation Audio video display device with user interface
US20120317104A1 (en) 2011-06-13 2012-12-13 Microsoft Corporation Using Aggregate Location Metadata to Provide a Personalized Service
TWI480794B (zh) 2011-07-10 2015-04-11 Compal Electronics Inc 訊息顯示方法與電子裝置
US8886797B2 (en) 2011-07-14 2014-11-11 Cisco Technology, Inc. System and method for deriving user expertise based on data propagating in a network environment
US20130018823A1 (en) 2011-07-15 2013-01-17 F-Secure Corporation Detecting undesirable content on a social network
WO2013013161A1 (en) 2011-07-20 2013-01-24 Ebay Inc. Real-time location-aware recommendations
US9146909B2 (en) 2011-07-27 2015-09-29 Qualcomm Incorporated Web browsing enhanced by cloud computing
US8972414B2 (en) 2011-07-29 2015-03-03 Linkedin Corporation Methods and systems for identifying similar people via a business networking service
EP2557510A1 (en) 2011-08-12 2013-02-13 Accenture Global Services Limited Context and process based search ranking
CN102956009B (zh) 2011-08-16 2017-03-01 阿里巴巴集团控股有限公司 一种基于用户行为的电子商务信息推荐方法与装置
US8712937B1 (en) 2011-09-13 2014-04-29 Amazon Technologies, Inc. Predicting popularity of electronic publications
US11195057B2 (en) 2014-03-18 2021-12-07 Z Advanced Computing, Inc. System and method for extremely efficient image and pattern recognition and artificial intelligence platform
US11074495B2 (en) 2013-02-28 2021-07-27 Z Advanced Computing, Inc. (Zac) System and method for extremely efficient image and pattern recognition and artificial intelligence platform
US20130080968A1 (en) 2011-09-27 2013-03-28 Amazon Technologies Inc. User interface with media content prediction
US11151617B2 (en) 2012-03-09 2021-10-19 Nara Logics, Inc. Systems and methods for providing recommendations based on collaborative and/or content-based nodal interrelationships
US20130085871A1 (en) 2011-09-30 2013-04-04 Local.Com Corporation Browser based composition interface for tags linkable by webpages
US8386955B1 (en) 2011-10-21 2013-02-26 Google Inc. User-optimized content for web browsing windows
US8478664B1 (en) 2011-10-25 2013-07-02 Amazon Technologies, Inc. Recommendation system with user interface for exposing downstream effects of particular rating actions
US9098551B1 (en) 2011-10-28 2015-08-04 Google Inc. Method and system for ranking content by click count and other web popularity signals
US8935629B2 (en) 2011-10-28 2015-01-13 Flipboard Inc. Systems and methods for flipping through content
CA2856285A1 (en) 2011-11-18 2013-05-23 Rubriq Corporation Method and apparatus for enabling recipient interaction with a content stream
US8868481B2 (en) 2011-12-14 2014-10-21 Google Inc. Video recommendation based on video co-occurrence statistics
CN103167330A (zh) 2011-12-15 2013-06-19 盛乐信息技术(上海)有限公司 音视频推荐方法及系统
KR101493643B1 (ko) 2011-12-15 2015-02-13 엔티티 도꼬모 인코퍼레이티드 표시 장치, 유저 인터페이스 방법 및 프로그램
US9053416B1 (en) 2012-01-03 2015-06-09 Google Inc. Systems and methods for screening potentially inappropriate content
US20130179252A1 (en) 2012-01-11 2013-07-11 Yahoo! Inc. Method or system for content recommendations
US8860763B2 (en) 2012-01-31 2014-10-14 Xerox Corporation Reversible user interface component
US20130204737A1 (en) 2012-02-03 2013-08-08 Shubham Agarwal Leveraging store activity for recommendations
WO2013138742A1 (en) 2012-03-15 2013-09-19 Vibrant Media, Inc. Systems and methods for delivery techniques of contextualized services on mobile devices
CN104303516A (zh) 2012-03-23 2015-01-21 耶德托公司 推荐内容项目
EP2645324A1 (en) 2012-03-30 2013-10-02 Sony Corporation Method for recommending items and recommendation system
US9836545B2 (en) 2012-04-27 2017-12-05 Yahoo Holdings, Inc. Systems and methods for personalized generalized content recommendations
US8996530B2 (en) 2012-04-27 2015-03-31 Yahoo! Inc. User modeling for personalized generalized content recommendations
US9785883B2 (en) 2012-04-27 2017-10-10 Excalibur Ip, Llc Avatars for use with personalized generalized content recommendations
US20130297698A1 (en) 2012-05-07 2013-11-07 Nokia Corporation Method and Apparatus for Utilizing Context and Profile Information in Content Searching and Recommendation
US20130311408A1 (en) 2012-05-15 2013-11-21 Comcast Cable Communications, Llc Determining and Predicting Popularity of Content
US9582767B2 (en) 2012-05-16 2017-02-28 Excalibur Ip, Llc Media recommendation using internet media stream modeling
EP2677758A1 (en) 2012-06-19 2013-12-25 Thomson Licensing Mind opening content recommending system
US20130346182A1 (en) 2012-06-20 2013-12-26 Yahoo! Inc. Multimedia features for click prediction of new advertisements
US9495456B2 (en) 2012-06-25 2016-11-15 Google Inc. Selecting, ranking, and/or presenting microsite content
US9922360B2 (en) 2012-06-26 2018-03-20 Here Global B.V. Recommendations system
US9147000B2 (en) 2012-06-29 2015-09-29 Yahoo! Inc. Method and system for recommending websites
US20140025532A1 (en) 2012-07-19 2014-01-23 Barnesandnoble.Com Llc Correlated Content Recommendation Techniques
US8949334B2 (en) 2012-07-26 2015-02-03 Microsoft Corporation Push-based recommendations
US9660947B1 (en) 2012-07-27 2017-05-23 Intuit Inc. Method and apparatus for filtering undesirable content based on anti-tags
US20140040776A1 (en) 2012-08-02 2014-02-06 Jonathan P. Dann Systems and methods for bi-directional display of content of a social networking system
USD691619S1 (en) 2012-08-03 2013-10-15 Microsoft Corporation Display screen with transitional graphical user interface
CN103678298B (zh) 2012-08-30 2016-04-13 腾讯科技(深圳)有限公司 一种信息展示方法和设备
US9367878B2 (en) 2012-09-07 2016-06-14 Yahoo! Inc. Social content suggestions based on connections
KR20150087200A (ko) 2012-09-25 2015-07-29 오페라 소프트웨어 에이에스에이 웹 브라우저에 있는 정보 관리 및 디스플레이
US20140100835A1 (en) 2012-10-04 2014-04-10 Futurewei Technologies, Inc. User Behavior Modeling for Intelligent Mobile Companions
US9454530B2 (en) 2012-10-04 2016-09-27 Netflix, Inc. Relationship-based search and recommendations
US9817827B2 (en) 2012-10-04 2017-11-14 Netflix, Inc. Relationship-based search and recommendations
GB2507036A (en) 2012-10-10 2014-04-23 Lifecake Ltd Content prioritization
US9495645B2 (en) 2012-10-21 2016-11-15 Concept.Io, Inc. Method and system of iteratively autotuning prediction parameters in a media content recommender
US9773229B2 (en) 2012-11-01 2017-09-26 Google Inc. Systems and methods for providing contact group member suggestions
US20170011409A1 (en) 2012-11-06 2017-01-12 Dna Response Inc. Systems and methods for detecting and eliminating unauthorized digital communications
US8983888B2 (en) 2012-11-07 2015-03-17 Microsoft Technology Licensing, Llc Efficient modeling system for user recommendation using matrix factorization
US9355415B2 (en) 2012-11-12 2016-05-31 Google Inc. Providing content recommendation to users on a site
US9696898B2 (en) 2012-11-14 2017-07-04 Facebook, Inc. Scrolling through a series of content items
US9654426B2 (en) 2012-11-20 2017-05-16 Dropbox, Inc. System and method for organizing messages
US9569785B2 (en) 2012-11-21 2017-02-14 Marketo, Inc. Method for adjusting content of a webpage in real time based on users online behavior and profile
US10133812B2 (en) 2012-12-05 2018-11-20 Grapevine6 Inc. System and method for finding and prioritizing content based on user specific interest profiles
US10037538B2 (en) 2012-12-11 2018-07-31 Facebook, Inc. Selection and presentation of news stories identifying external content to social networking system users
US20140172545A1 (en) 2012-12-17 2014-06-19 Facebook, Inc. Learned negative targeting features for ads based on negative feedback from users
US20140172544A1 (en) 2012-12-17 2014-06-19 Facebook, Inc. Using negative feedback about advertisements to serve advertisements
US20140181121A1 (en) 2012-12-21 2014-06-26 Microsoft Corporation Feature embedding in matrix factorization
GB201223450D0 (en) 2012-12-27 2013-02-13 Touchtype Ltd Search and corresponding method
CN103077220B (zh) 2012-12-29 2016-06-29 中国科学院深圳先进技术研究院 一种基于用户群关联度的个性化推荐方法及系统
US9129227B1 (en) 2012-12-31 2015-09-08 Google Inc. Methods, systems, and media for recommending content items based on topics
USD733747S1 (en) 2013-01-05 2015-07-07 Samsung Electronics Co., Ltd. Display screen or portion thereof with graphical user interface
US20140195890A1 (en) 2013-01-09 2014-07-10 Amazon Technologies, Inc. Browser interface for accessing supplemental content associated with content pages
KR20140091633A (ko) 2013-01-11 2014-07-22 삼성전자주식회사 모바일 장치에서의 상황 인지에 따른 추천 항목을 제공하기 위한 방법 및 이를 위한 모바일 장치
US9652797B2 (en) 2013-01-18 2017-05-16 24/7 Customer, Inc. Intent prediction based recommendation system using data combined from multiple channels
US9122989B1 (en) 2013-01-28 2015-09-01 Insidesales.com Analyzing website content or attributes and predicting popularity
KR102111769B1 (ko) 2013-02-08 2020-06-08 삼성전자주식회사 추천 패널 제공 방법 및 이를 위한 디바이스, 추천 아이템 제공 방법 및 이를 위한 서버
CN104038517A (zh) 2013-03-05 2014-09-10 腾讯科技(深圳)有限公司 基于群组关系的信息推送方法以及服务器
US9507830B2 (en) 2013-03-13 2016-11-29 Google Inc. Tailoring user experience for unrecognized and new users
US9514191B2 (en) 2013-03-14 2016-12-06 Microsoft Technology Licensing, Llc Visualizing ranking factors for items in a search result list
US20140278786A1 (en) 2013-03-14 2014-09-18 Twain Liu-Qiu-Yan System and method to survey and evaluate items according to people's perceptions and to generate recommendations based on people's perceptions
US10491694B2 (en) 2013-03-15 2019-11-26 Oath Inc. Method and system for measuring user engagement using click/skip in content stream using a probability model
US20160027062A1 (en) 2013-03-15 2016-01-28 Yandex Europe Ag Method of and system for providing a client device with particularized information without employing unique identifiers
US9342580B2 (en) 2013-03-15 2016-05-17 FEM, Inc. Character based media analytics
US9282138B2 (en) 2013-03-15 2016-03-08 Facebook, Inc. Enabling photoset recommendations
US9703783B2 (en) 2013-03-15 2017-07-11 Yahoo! Inc. Customized news stream utilizing dwelltime-based machine learning
RU2543315C2 (ru) 2013-03-22 2015-02-27 Федеральное государственное автономное образовательное учреждение высшего профессионального образования "Национальный исследовательский университет "Высшая школа экономики" Способ отбора эффективных вариантов в поисковых и рекомендательных системах (варианты)
US20140317105A1 (en) 2013-04-23 2014-10-23 Google Inc. Live recommendation generation
US20140316930A1 (en) 2013-04-23 2014-10-23 Google, Inc. Explanations for personalized recommendations
US20140358916A1 (en) 2013-05-29 2014-12-04 Microsoft Corporation Personalized prioritization of integrated search results
US20140359489A1 (en) 2013-05-30 2014-12-04 Qualcomm Incorporated Web browser history
US9804745B2 (en) 2013-06-09 2017-10-31 Apple Inc. Reordering content panes in a stacked tab view
US9374431B2 (en) 2013-06-20 2016-06-21 Microsoft Technology Licensing, Llc Frequent sites based on browsing patterns
US9965153B2 (en) 2013-06-21 2018-05-08 Oracle International Corporation Configuring and displaying multidimensional data using two or more correlated interactive screen interfaces
US20150006286A1 (en) 2013-06-28 2015-01-01 Linkedin Corporation Targeting users based on categorical content interactions
US9286621B2 (en) 2013-07-31 2016-03-15 Linkedin Corporation Independent targeted sponsored content management system and method
US20150052003A1 (en) 2013-08-19 2015-02-19 Wal-Mart Stores, Inc. Providing Personalized Item Recommendations Using Scalable Matrix Factorization With Randomness
EP3039581A4 (en) 2013-08-29 2016-08-10 Yandex Europe Ag SYSTEM AND METHOD FOR DISPLAYING VERTICALLY RELEVANT VERTICAL RESEARCH RESULTS
US20150088921A1 (en) 2013-09-20 2015-03-26 Ebay Inc. Search guidance
CN103473354A (zh) 2013-09-25 2013-12-25 焦点科技股份有限公司 基于电子商务平台的保险推荐系统框架及保险推荐方法
RU2605039C2 (ru) 2013-10-02 2016-12-20 Общество С Ограниченной Ответственностью "Яндекс" Способ и система ранжирования элементов сетевого ресурса для пользователя
US10437901B2 (en) 2013-10-08 2019-10-08 Flipboard, Inc. Identifying similar content on a digital magazine server
JP2015079395A (ja) 2013-10-17 2015-04-23 Necパーソナルコンピュータ株式会社 情報処理装置、方法及びプログラム
US20150112801A1 (en) 2013-10-22 2015-04-23 Microsoft Corporation Multiple persona based modeling
US20150120722A1 (en) 2013-10-31 2015-04-30 Telefonica Digital Espana, S.L.U. Method and system for providing multimedia content recommendations
US9760608B2 (en) 2013-11-01 2017-09-12 Microsoft Technology Licensing, Llc Real-time search tuning
CN103559262B (zh) 2013-11-04 2016-10-05 北京邮电大学 基于社区的作者及其学术论文推荐系统和推荐方法
CN104636371B (zh) 2013-11-11 2018-05-18 华为技术有限公司 信息推荐方法及设备
US9201931B2 (en) 2013-12-02 2015-12-01 Qbase, LLC Method for obtaining search suggestions from fuzzy score matching and population frequencies
US20150161672A1 (en) 2013-12-09 2015-06-11 Microsoft Corporation Preventing Display of Age Inappropriate Advertising
US9471671B1 (en) 2013-12-18 2016-10-18 Google Inc. Identifying and/or recommending relevant media content
USD751571S1 (en) 2013-12-19 2016-03-15 Asustek Computer Inc. Electronic device with graphical user interface
USD751570S1 (en) 2013-12-19 2016-03-15 Asustek Computer Inc. Electronic device with graphical user interface
USD751572S1 (en) 2013-12-19 2016-03-15 Asustek Computer Inc. Electronic device with graphical user interface
US20150189070A1 (en) 2013-12-20 2015-07-02 Richard L. Baker Mobile platform functionalities employing proximal variants and advanced personalization methods to control dynamic icon display on a mobile computing device display screen
USD757788S1 (en) 2013-12-23 2016-05-31 Symantec Corporation Display screen or a portion thereof with transitional graphical user interface
US20150178282A1 (en) 2013-12-23 2015-06-25 Yahoo! Inc. Fast and dynamic targeting of users with engaging content
USD752636S1 (en) 2013-12-23 2016-03-29 Samsung Electronics Co., Ltd. Display screen or portion thereof with animated graphical user interface
CN103678672B (zh) 2013-12-25 2017-05-24 北京中兴通德网络科技有限公司 一种信息推荐方法
USD755832S1 (en) 2013-12-30 2016-05-10 Beijing Qihoo Technology Co., Ltd. Display screen with animated graphical user interface
WO2015113306A1 (en) 2014-01-30 2015-08-06 Microsoft Corporation Entity page generation and entity related searching
USD752601S1 (en) 2014-02-19 2016-03-29 Oracle International Corporation Display or portion thereof with graphical user interface
CN103838842A (zh) 2014-02-28 2014-06-04 北京奇虎科技有限公司 一种浏览器中加载新标签页的方法和装置
US9251224B2 (en) 2014-03-04 2016-02-02 Google Inc. Triggering and ranking of native applications
US10165069B2 (en) 2014-03-18 2018-12-25 Outbrain Inc. Provisioning personalized content recommendations
US9405741B1 (en) 2014-03-24 2016-08-02 Amazon Technologies, Inc. Controlling offensive content in output
US9563760B2 (en) 2014-03-24 2017-02-07 Google Technology Holdings LLC Biometric authentication for regulating access to content sources via a client device
US20150278706A1 (en) 2014-03-26 2015-10-01 Telefonaktiebolaget L M Ericsson (Publ) Method, Predictive Analytics System, and Computer Program Product for Performing Online and Offline Learning
US9348898B2 (en) 2014-03-27 2016-05-24 Microsoft Technology Licensing, Llc Recommendation system with dual collaborative filter usage matrix
US9836533B1 (en) 2014-04-07 2017-12-05 Plentyoffish Media Ulc Apparatus, method and article to effect user interest-based matching in a network environment
CN103942288B (zh) 2014-04-10 2017-02-08 南京邮电大学 一种基于用户风险偏好的服务推荐方法
US9691035B1 (en) 2014-04-14 2017-06-27 Amazon Technologies, Inc. Real-time updates to item recommendation models based on matrix factorization
US20150312348A1 (en) 2014-04-24 2015-10-29 David Lustgarten Methods, apparatus, and systems for home information management
USD828369S1 (en) 2014-04-30 2018-09-11 Yandex Europe Ag Display screen with graphical user interface
RU2629449C2 (ru) 2014-05-07 2017-08-29 Общество С Ограниченной Ответственностью "Яндекс" Устройство, а также способ выбора и размещения целевых сообщений на странице результатов поиска
US20150325094A1 (en) 2014-05-09 2015-11-12 International Business Machines Corporation Providing recommendations based on detection and prediction of undesirable interactions
WO2015174764A1 (en) 2014-05-15 2015-11-19 Samsung Electronics Co., Ltd. System for providing personalized information and method of providing the personalized information
US9836765B2 (en) 2014-05-19 2017-12-05 Kibo Software, Inc. System and method for context-aware recommendation through user activity change detection
US9317498B2 (en) 2014-05-23 2016-04-19 Codeq Llc Systems and methods for generating summaries of documents
USD755806S1 (en) 2014-05-29 2016-05-10 Comcast Cable Communications, Llc Display screen with animated graphical user interface
USD755805S1 (en) 2014-05-29 2016-05-10 Comcast Cable Communications, Llc Display screen with animated graphical user interface
US20150347358A1 (en) 2014-06-01 2015-12-03 Apple Inc. Concurrent display of webpage icon categories in content browser
CN105446970A (zh) 2014-06-10 2016-03-30 华为技术有限公司 推荐项目的方法和装置
US9846836B2 (en) 2014-06-13 2017-12-19 Microsoft Technology Licensing, Llc Modeling interestingness with deep neural networks
US10210261B2 (en) 2014-06-18 2019-02-19 Facebook, Inc. Ranking and filtering groups recommendations
CN104102696A (zh) 2014-06-26 2014-10-15 海信集团有限公司 一种内容推荐方法及装置
US9916613B1 (en) 2014-06-26 2018-03-13 Amazon Technologies, Inc. Automatic color palette based recommendations for affiliated colors
KR20160001266A (ko) 2014-06-27 2016-01-06 엘지전자 주식회사 이동단말기 및 그 제어방법
US10318983B2 (en) 2014-07-18 2019-06-11 Facebook, Inc. Expansion of targeting criteria based on advertisement performance
US10139987B2 (en) 2014-07-18 2018-11-27 Google Llc Automated group recommendation
US9473803B2 (en) 2014-08-08 2016-10-18 TCL Research America Inc. Personalized channel recommendation method and system
RU2580516C2 (ru) 2014-08-19 2016-04-10 Общество С Ограниченной Ответственностью "Яндекс" Способ формирования персонализированной модели ранжирования, способ формирования модели ранжирования, электронное устройство и сервер
US20160055242A1 (en) 2014-08-20 2016-02-25 Luceo Social, Inc. Systems and methods for analyzing content from digital content sources
WO2016030701A1 (en) 2014-08-28 2016-03-03 Dozo LLP Method, system and apparatus for distributing and accessing media content
US11809501B2 (en) 2014-08-28 2023-11-07 Ebay Inc. Systems, apparatuses, and methods for providing a ranking based recommendation
US20160070803A1 (en) 2014-09-09 2016-03-10 Funky Flick, Inc. Conceptual product recommendation
US10102559B1 (en) 2014-09-30 2018-10-16 Amazon Technologies, Inc. Diversification of recommendations
US20160196244A1 (en) 2014-10-09 2016-07-07 Wrap Media, LLC Card based package for distributing electronic media and services
CN104317835B (zh) 2014-10-10 2018-01-16 中国科学院深圳先进技术研究院 视频终端的新用户推荐方法
US10820051B2 (en) 2014-10-21 2020-10-27 At&T Mobility Ii Llc Inhibiting display of advertisements with age-inappropriate content
US20160110363A1 (en) 2014-10-21 2016-04-21 Anatoliy TKACH Method and system for measuring and matching individual cultural preferences and for targeting of culture related content and advertising to the most relevant audience
US20160117397A1 (en) 2014-10-24 2016-04-28 The Governing Council Of The University Of Toronto System and method for identifying experts on social media
US9900659B1 (en) 2014-11-07 2018-02-20 Amazon Technologies, Inc. Personalized content appropriateness ratings
CN104503973A (zh) 2014-11-14 2015-04-08 浙江大学软件学院(宁波)管理中心(宁波软件教育中心) 一种基于奇异值分解与分类器融合推荐的方法
US20160147753A1 (en) 2014-11-20 2016-05-26 Facebook, Inc. Suggesting Content for Discovery Based on User Interests and Authorship
KR20160064447A (ko) 2014-11-28 2016-06-08 이종찬 협력적 필터링의 예측 선호도를 이용한 처음 사용자에 대한 추천 제공 방법
US9767102B2 (en) 2014-12-01 2017-09-19 Comcast Cable Communications, Llc Content recommendation system
EP3032780B1 (en) 2014-12-12 2018-05-09 Alcatel Lucent Method and apparatus for transmitting messages to users using trajectory-based clustering
US20160170982A1 (en) 2014-12-16 2016-06-16 Yahoo! Inc. Method and System for Joint Representations of Related Concepts
US10282384B2 (en) 2014-12-29 2019-05-07 Facebook, Inc. Systems and methods for throttling click bait
US20160283481A1 (en) 2014-12-30 2016-09-29 Socialtopias, Llc Method and apparatus for combining text search and recommendation engines
KR20160101530A (ko) 2015-02-17 2016-08-25 한국전자통신연구원 광고 제공 서버 및 광고 편성표 생성 방법
US20160259790A1 (en) 2015-03-06 2016-09-08 Facebook, Inc. Ranking External Content Using Social Signals on Online Social Networks
US20160275804A1 (en) 2015-03-16 2016-09-22 eSpark, Inc. Delivery of Personalized Educational Content
US11290783B2 (en) 2015-03-17 2022-03-29 Comcast Cable Communications, Llc Real-time recommendations for altering content output
US10515127B2 (en) 2015-04-09 2019-12-24 Oath Inc. Inductive matrix completion and graph proximity for content item recommendation
US20160328480A1 (en) 2015-05-06 2016-11-10 Facebook, Inc. Systems and methods for tuning content provision based on user preference
US11887164B2 (en) 2015-05-26 2024-01-30 Microsoft Technology Licensing, Llc Personalized information from venues of interest
US10191949B2 (en) 2015-06-18 2019-01-29 Nbcuniversal Media, Llc Recommendation system using a transformed similarity matrix
US10606466B2 (en) 2015-07-13 2020-03-31 Facebook, Inc. Presenting additional content to an online system user based on user interaction with a scrollable content unit
US10149958B1 (en) 2015-07-17 2018-12-11 Bao Tran Systems and methods for computer assisted operation
US20170024657A1 (en) 2015-07-21 2017-01-26 Yp Llc Fuzzy autosuggestion for query processing services
US10180968B2 (en) 2015-07-23 2019-01-15 Netflix, Inc. Gaussian ranking using matrix factorization
US9607616B2 (en) 2015-08-17 2017-03-28 Mitsubishi Electric Research Laboratories, Inc. Method for using a multi-scale recurrent neural network with pretraining for spoken language understanding tasks
USD766274S1 (en) 2015-08-24 2016-09-13 Salesforce.Com, Inc. Display screen or portion thereof with animated graphical user interface
US10387431B2 (en) 2015-08-24 2019-08-20 Google Llc Video recommendation based on video titles
US20170061286A1 (en) 2015-08-27 2017-03-02 Skytree, Inc. Supervised Learning Based Recommendation System
US10528572B2 (en) 2015-08-28 2020-01-07 Microsoft Technology Licensing, Llc Recommending a content curator
US10083237B2 (en) 2015-08-31 2018-09-25 Google Llc Protecting users from inappropriate sensitive or offensive search results
US20170068992A1 (en) 2015-09-04 2017-03-09 Yahoo! Inc. Multi-source content blending
RU2632138C2 (ru) 2015-09-14 2017-10-02 Общество С Ограниченной Ответственностью "Яндекс" Способ (варианты) и сервер ранжирования поисковых результатов на основе параметра полезности
CN106529985B (zh) 2015-09-15 2021-06-08 腾讯科技(深圳)有限公司 一种推广信息的投放方法、装置和系统
US20170076318A1 (en) 2015-09-16 2017-03-16 Microsoft Technology Licensing, Llc Enhanced content quality using content features
RU2632100C2 (ru) 2015-09-28 2017-10-02 Общество С Ограниченной Ответственностью "Яндекс" Способ и сервер создания рекомендованного набора элементов
US10909576B1 (en) 2015-10-01 2021-02-02 Sprint Communications Company L.P. Virtual environment creation, scaling, and population with multiple display opportunities
CN105893398A (zh) 2015-10-12 2016-08-24 乐视网信息技术(北京)股份有限公司 多媒体内容的推荐方法、装置、用户终端设备及服务器
US10977322B2 (en) 2015-11-09 2021-04-13 WP Company, LLC Systems and methods for recommending temporally relevant news content using implicit feedback data
SE539774C2 (en) 2015-11-23 2017-11-28 365id AB Methods, a system and an analysis server for verifying an authenticity of an identity document and extracting textual information there from
US20170161773A1 (en) 2015-12-03 2017-06-08 Rovi Guides, Inc. Methods and Systems for Targeted Advertising Using Machine Learning Techniques
USD791792S1 (en) 2015-12-08 2017-07-11 Axinom Holding Oü Computer display with graphical user interface
US20170337612A1 (en) 2016-05-23 2017-11-23 Ebay Inc. Real-time recommendation of entities by projection and comparison in vector spaces
US20180012236A1 (en) 2016-07-06 2018-01-11 Facebook, Inc. Systems and methods for analyzing interaction-bait content based on classifier models
RU2636702C1 (ru) 2016-07-07 2017-11-27 Общество С Ограниченной Ответственностью "Яндекс" Способ и устройство для выбора сетевого ресурса в качестве источника содержимого для системы рекомендаций
RU2632132C1 (ru) 2016-07-07 2017-10-02 Общество С Ограниченной Ответственностью "Яндекс" Способ и устройство для создания рекомендаций содержимого в системе рекомендаций
US10003924B2 (en) 2016-08-10 2018-06-19 Yandex Europe Ag Method of and server for processing wireless device sensor data to generate an entity vector associated with a physical location
RU2731659C2 (ru) 2016-09-09 2020-09-07 Общество С Ограниченной Ответственностью "Яндекс" Способ и устройство для обучения алгоритма машинного обучения (MLA) по созданию рекомендаций содержимого в системе рекомендаций и способ и устройство для создания рекомендуемого содержимого с помощью алгоритма машинного обучения
CN106446195A (zh) 2016-09-29 2017-02-22 北京百度网讯科技有限公司 基于人工智能的新闻推荐方法及装置
CN106802915B (zh) 2016-12-09 2020-07-28 宁波大学 一种基于用户行为的学术资源推荐方法
CN106815297B (zh) 2016-12-09 2020-04-10 宁波大学 一种学术资源推荐服务系统与方法
CN106777229B (zh) 2016-12-26 2020-02-28 北京金山安全软件有限公司 一种个性化推荐实时性测试方法、装置及电子设备
CN106874374A (zh) 2016-12-31 2017-06-20 杭州益读网络科技有限公司 一种基于用户历史行为交互分析的推荐推送方法
USD847163S1 (en) 2017-01-27 2019-04-30 Yahoo Japan Corporation Display screen or portion thereof with animated graphical user interface
US10380259B2 (en) 2017-05-22 2019-08-13 International Business Machines Corporation Deep embedding for natural language content based on semantic dependencies
US11074500B2 (en) 2017-06-20 2021-07-27 Battelle Memorial Institute Prediction of social media postings as trusted news or as types of suspicious news
RU2689812C2 (ru) 2017-07-25 2019-05-29 Общество С Ограниченной Ответственностью "Яндекс" Способ и система для определения ранжированных позиций ненативных элементов с помощью системы ранжирования
US20190069030A1 (en) 2017-08-25 2019-02-28 Facebook, Inc. Determining effects of presenting a content item to various users on actions performed by the users based on actions performed by users to whom the content item was and was not presented
CN107491813B (zh) 2017-08-29 2023-06-30 天津工业大学 一种基于多目标优化的长尾群组推荐方法
GB201713821D0 (en) 2017-08-29 2017-10-11 Factmata Ltd Content scoring
GB201713817D0 (en) 2017-08-29 2017-10-11 Factmata Ltd Fact checking
US20190130296A1 (en) 2017-10-26 2019-05-02 Microsoft Technology Licensing, Llc Populating a user interface using quadratic constraints
US20190236448A1 (en) 2018-01-31 2019-08-01 Jungle Disk, L.L.C. System for predicting and mitigating organization disruption based on file access patterns
DK201870353A1 (en) 2018-05-07 2019-12-04 Apple Inc. USER INTERFACES FOR RECOMMENDING AND CONSUMING CONTENT ON AN ELECTRONIC DEVICE
US10887655B2 (en) 2018-06-27 2021-01-05 Microsoft Technology Licensing, Llc Cluster-based collaborative filtering
RU2720952C2 (ru) 2018-09-14 2020-05-15 Общество С Ограниченной Ответственностью "Яндекс" Способ и система для создания рекомендации цифрового содержимого

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100131844A1 (en) * 2008-11-25 2010-05-27 At&T Intellectual Property I, L.P. Systems and methods to select media content
US20170124093A1 (en) * 2013-02-06 2017-05-04 Wespeke, Inc. Matching users of a network based on profile data
RU2017101241A (ru) * 2014-06-17 2018-07-17 Алибаба Груп Холдинг Лимитед Поиск, основанный на комбинировании пользовательских данных отношений
CN107577682A (zh) * 2016-07-05 2018-01-12 上海交通大学 基于社交图片的用户兴趣挖掘和用户推荐方法及系统
CN108346072A (zh) * 2017-01-23 2018-07-31 长沙湘佩网络技术有限公司 基于混合算法的互联网商城推荐系统

Also Published As

Publication number Publication date
RU2018132713A3 (ru) 2020-03-16
RU2018132713A (ru) 2020-03-16
US20200089724A1 (en) 2020-03-19
US11263217B2 (en) 2022-03-01

Similar Documents

Publication Publication Date Title
RU2720899C2 (ru) Способ и система для определения зависящих от пользователя пропорций содержимого для рекомендации
US10387115B2 (en) Method and apparatus for generating a recommended set of items
RU2636702C1 (ru) Способ и устройство для выбора сетевого ресурса в качестве источника содержимого для системы рекомендаций
RU2720952C2 (ru) Способ и система для создания рекомендации цифрового содержимого
US10430481B2 (en) Method and apparatus for generating a content recommendation in a recommendation system
US10706100B2 (en) Method of and system for recommending media objects
RU2699574C2 (ru) Способ и сервер для представления элемента рекомендуемого содержимого пользователю
RU2731335C2 (ru) Способ и система для формирования рекомендаций цифрового контента
RU2725659C2 (ru) Способ и система для оценивания данных о взаимодействиях пользователь-элемент
RU2693323C2 (ru) Способ и сервер для выбора элементов рекомендаций для пользователя
RU2632131C2 (ru) Способ и устройство для создания рекомендуемого списка содержимого
RU2731654C1 (ru) Способ и система для создания пуш-уведомлений, связанных с цифровыми новостями
RU2629638C2 (ru) Способ и сервер создания рекомендуемого набора элементов для пользователя
RU2714594C1 (ru) Способ и система определения параметра релевантность для элементов содержимого
US20170193059A1 (en) Searching For Applications Based On Application Usage
US9946794B2 (en) Accessing special purpose search systems
EP3136265A1 (en) Method and apparatus for generating a recommended content list
US10445326B2 (en) Searching based on application usage
US11276079B2 (en) Method and system for meeting service level of content item promotion
EP3147803A1 (en) Method and apparatus for generating a recommended set of items
RU2778382C2 (ru) Способ обучения алгоритма машинного обучения формированию прогнозируемого совместного векторного представления для цифрового элемента
US20240012861A1 (en) Method and a server for generating a machine learning model
US20220083614A1 (en) Method for training a machine learning algorithm (mla) to generate a predicted collaborative embedding for a digital item
EP3147804A1 (en) Method and apparatus for generating a recommended set of items for a user