TWI490710B - 向用戶推薦網路目標資訊的方法及向用戶推薦網路目標資訊的伺服器 - Google Patents
向用戶推薦網路目標資訊的方法及向用戶推薦網路目標資訊的伺服器 Download PDFInfo
- Publication number
- TWI490710B TWI490710B TW099104195A TW99104195A TWI490710B TW I490710 B TWI490710 B TW I490710B TW 099104195 A TW099104195 A TW 099104195A TW 99104195 A TW99104195 A TW 99104195A TW I490710 B TWI490710 B TW I490710B
- Authority
- TW
- Taiwan
- Prior art keywords
- network
- user
- target
- information
- network target
- Prior art date
Links
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Information Transfer Between Computers (AREA)
Description
本案關於電腦網路領域,特別關於一種向用戶推薦網路目標資訊的方法和伺服器。
應用網際網路技術,網站可以向用戶推薦各種網路目標資訊,例如經營電子商務的網站向用戶推薦關於商品供需方面的資訊。因為可以提供的資訊數量十分巨大,而用戶每次的瀏覽量有限,為此,網站需要設法使用戶方便地找到需要的資訊。
對此,目前通常的做法是:記錄用戶在網站註冊的資訊,或者根據用戶的網路協定IP位址所在地,推測用戶可能需要的資訊;當用戶訪問網站時,將這些資訊提供給用戶。以經營電子商務的網站為例,記錄的用戶在網站註冊的資訊包括用戶的所屬行業、收入區間、感興趣的商品類別和用戶的個人愛好,根據這些資訊可以推測出用戶具體需要哪些商品的資訊。另外,根據用戶的IP位址所在地,可以由該地的地理特點推測用戶可能需要的商品資訊。
在網站的實際運行中,上述做法存在一定的局限性。首先,用戶註冊時填寫的資訊並不一定符合實際情況或者很不完整,並且用戶填寫的某些註冊資訊會不斷變化。例如,用戶的收入區間,會不斷變化,但是絕大多數情況下用戶不會去不斷修改此類個人資訊。其次,用戶在不同的時間段,感興趣的產品可能發生變化,例如隨著工作單位的變化而變化,也可能隨著同一個單位內的採購任務的變化而變化。這些資訊都是不可能在註冊的時候描述清楚的。最後,根據用戶的IP位址所在地推測用戶可能需要的商品資訊,由此確定的商品範圍仍然十分模糊,並且在用戶使用異地代理伺服器連接到網際網路的情況下,用戶實際位置與其顯示的IP位址不符。因此,根據目前的做法,仍然難以有效地向用戶提供其可能需要的網路目標資訊。
本案的主要目的是給出一種向用戶推薦網路目標資訊的方法和伺服器,以解決現有技術中難以有效地向用戶提供其可能需要的網路目標資訊的問題。
為解決上述問題,本案提供如下的技術方案:一種向用戶推薦網路目標資訊的方法,包括:伺服器根據預選的網路行為和網路目標,確定設定的時間段中用戶對每個網路目標執行網路行為的次數;伺服器根據確定的該次數選擇網路目標;伺服器向用戶提供選擇的網路目標的資訊。
一種向用戶推薦網路目標資訊的伺服器,包括:確定模組,用於根據預選的網路行為,確定設定的時間段中用戶對每個網路目標執行網路行為的次數;選擇模組,用於根據確定模組確定的該次數選擇網路目標;提供模組,用於向用戶提供選擇模組所選網路目標的資訊。
一種向用戶推薦網路目標資訊的伺服器,包括:資料庫模組,用於保存網路目標資訊;確定模組,用於根據預選的網路行為和網路目標,確定設定的時間段中用戶對每個網路目標執行網路行為的次數;選擇模組,用於根據確定模組確定的該次數選擇網路目標;提供模組,用於從資料庫模組中提取選擇模組所選網路目標的資訊然後提供給用戶。
根據本案實施例的技術方案,統計用戶在一定時間段內對網路目標的具體網路行為的次數,根據該次數分析出用戶對網路目標資訊的關心程度並據此向用戶提供網路目標資訊。因為用戶對網路目標的具體網路行為能夠直接而真實地反映其對網路目標資訊的需求程度,所以根據本案實施例的方案,能夠較為準確地得出用戶真正需要哪些網路目標的資訊,從而有效地向用戶提供他們需要的網路目標資訊。
下面結合附圖對本案實施例的技術方案進行說明,本案實施例在各種實現中不限於附圖的形式。
如圖1所示的網際網路結構,用戶通過終端設備11訪問伺服器12,以獲取網路目標的資訊。網際網路中通常存在不止一個訪問伺服器的用戶,如圖1所示。為了有效地向用戶提供其需要的網路目標資訊,在本案實施例中,伺服器12根據用戶對網路目標實際作出的各種網路行為的次數向用戶推薦網路目標的資訊。網路目標的資訊可以儲存在資料庫裝置13中。在網際網路中,資料庫裝置13也可以作為伺服器的一個部件設置在伺服器12中。伺服器12向用戶推薦網路目標的資訊時,可以根據圖2所示的流程進行,具體步驟如下:
步驟21:根據預選的網路行為和網路目標,確定設定的時間段中用戶對每個網路目標執行網路行為的次數。
步驟22:根據步驟21中統計得到的次數選擇網路目標。
步驟23:向用戶提供步驟22中所選網路目標的資訊。
下面對本案實施例中的技術方案作進一步說明。
網際網路電子商務網站上的商品,都會有自己的產品描述關鍵字。例如,某企業在網站上發佈“R牌大米”,根據網站要求,該企業在發佈時填寫了該產品的描述關鍵字“R牌”、“大米”、“東北”、“長粒”、“糯米”等。
用戶在訪問網際網路時會採取各種網路行為,用戶的網路行為例如:通過網際網路發佈商品資訊、通過網際網路接收包含有商品資訊的電子郵件、通過網際網路瀏覽商品資訊,通過網際網路搜尋商品資訊、通過網際網路發佈對商品評價的資訊等等。這裏的通過網際網路發佈對商品評價的資訊例如對商品打分、推薦商品或給出對商品評論的文字等。網路側保存有關於用戶的網路行為的資訊,通常保存在網站的日誌中,或者保存在網站的資料庫中或其他位置。在網路運行期間這些資訊在不斷地增長,因此可以將這些資訊分類處理,每當用戶執行網路行為時,將該網路行為帶來的新增資訊保存在各類中。可以按用戶進行分類,如圖3(a)所示,將已有的各用戶的網路行為資訊以及新增的用戶網路行為資訊按用戶分類保存,這樣,步驟21中所需的資料可以從分類保存的資料中提取。在將用戶網路行為帶來的資訊按用戶進行分類時,可以進一步按該用戶的各種網路行為進行細化分類,例如,某用戶進行了2次搜尋行為,3次發佈行為,以及收取了4封關於商品的廣告郵件,那麼可以將上述2次搜尋行為的資訊例如搜尋的關鍵字及搜尋時間記錄在該用戶的“搜尋行為”一類中,類似地可以將上述3次發佈行為、收取了4封產於商品的廣告郵件的行為的資訊分別記錄在該用戶的“發佈行為”和“訂閱行為”兩類中。這樣,資料庫在保存各用戶的各類行為資訊時,可以方便地同時對資訊條目即用戶網路行為計數,並且在以下的說明中可以看到,用戶的各種行為在步驟22中的統計中有不同的權重,因此預先將用戶的各種行為分類保存有助於提高執行步驟21、步驟22的效率。步驟21主要包括如下步驟:
步驟211:提取已保存的用戶網路行為資訊。如果網路側保存了一些未按用戶分類的用戶網路行為資訊,可以先提取這些資訊。
步驟212:接收新增的用戶網路行為資訊。在實現中,步驟212是一個持續的過程。
步驟213:將步驟211和步驟212中得到的資料分類保存。
步驟214:針對當前用戶,從步驟213保存的資料中提取該用戶的網路行為的資料。在下面的分析中可以看到,本步驟中提取用戶網路行為的資訊可以是有選擇地提取。
步驟215:根據步驟214中提取的資料,確定當前用戶對每個網路目標執行網路行為的次數。
上述步驟211-213是資料統計之前的準備工作。統計行為在步驟214和215中實現。為了便於理解,以下對此作進一步分析。如果用戶對某種網路目標感興趣,一般來說他可能會對該網路目標執行一些網路行為,例如搜尋該網路目標、訂閱有關該網路目標的電子郵件、對該網路目標發表評論等。用戶在訪問網際網路時會採取各種網路行為,都可以看作是針對網際網路中的各種網路目標而進行。例如,用戶通過網際網路獲取商品R牌大米的資訊,則可以認為用戶對網路目標“R牌大米”執行了獲取資訊的行為,也可以認為用戶對網路目標“R牌糧食產品”、“大米”或者“糧食產品”執行了該行為。用戶每次行為是針對一個網路物件進行,在通過網際網路進行商品交易或有關商品的其他活動時,網路物件一般來說是具體品牌的具體商品,例如這裏的“R牌大米”,另外還可能進一步包括商品的型號等資訊。因為本案實施例中考慮的是如何通過用戶的行為判斷他感興趣的網路目標資訊,所以根據用戶的一個具體行為“獲取商品R牌大米的資訊”,可以從多個角度分析該行為表現出的用戶對網路目標的傾向,例如可以推測該用戶可能喜歡吃R牌大米,或者推測該用戶可能較為認可R牌糧食產品,還可以推測該用戶現在可能需要採購大米。可以看出,之所以能夠進行多種可能性的推測,是因為網路物件一般來說具有多種屬性,例如其品牌或其品種,根據各種屬性可以將網路物件歸入多種類別,對於通過網際網路進行交易的商品,通常將其歸入商品的類目。目前網際網路中儲存商品資訊的裝置中,一般採用商品類目對商品資訊進行管理。商品的類目是根據一定的規則將商品進行分類之後,商品所屬的集合名稱。這裏的規則可以有多種方式,例如按品牌劃分電子產品,電子產品的品牌有A牌、B牌、C牌等,則電子類商品的類目有類目1、類目2、類目3,三個類目的成員分別包括且僅包括A牌、B牌、C牌的電子產品。也可以按功能對商品進行劃分,例如劃分為印表機、數碼像機、手機,則相應可以設置三個類目,分別保存這三類商品的資訊。在本案實施例中,R牌大米,可以歸入的類目有“R牌糧食產品”和“大米”。用戶對某一網路物件執行的網路行為,通常反映出他對該網路物件所屬某一類目的興趣。因此商品的類目可以作為網路目標。有時也使用關鍵字來劃分各種商品,於是具體的一件商品可以對應若干關鍵字,例如“R牌大米”可以對應關鍵字“R牌”、“大米”,而每個關鍵字實際上也標誌了一個類目,例如關鍵字“R牌”標誌了R牌農產品,關鍵字“大米”標誌了所有品牌的大米。這些關鍵字也可以作為網路目標,考察用戶對關鍵字的喜好程度,從而有選擇地向用戶提供包含其喜好的關鍵字的網路資訊。用戶在獲取資訊時可能執行網路行為中的搜尋行為,即使用關鍵字進行搜尋。例如,輸入關鍵字“R牌大米”進行搜尋,這裏實際上是兩個關鍵字“R牌”和“大米”,這樣的查詢可以認為是對這兩個關鍵字的一次搜尋行為。通常用戶在執行搜尋行為時,通過終端設備獲取包含表單的網際網路頁面,在表單中輸入關鍵字然後提交給網路側的伺服器,伺服器根據用戶提交的表單獲得相應的關鍵字。用戶的網路行為之間還可能存在互相的關聯,例如用戶在搜尋行為之後即對搜尋結果進行點擊瀏覽,如上例,用戶提供關鍵字“R牌大米”進行搜尋,在獲得關於R牌大米的搜尋結果之後,用戶會接著點擊搜尋結果中的鏈結,從而瀏覽各種商品,此時可以分析用戶所瀏覽的商品具有的描述關鍵字(描述關鍵字一般在商品發佈時由發佈商品的用戶提供並在網路側保存,例如用戶發佈了一種大米的資訊,則填入這種大米的描述關鍵字:R牌、大米、糯米、東北等),例如用戶在搜尋關鍵字“R牌大米”後,進一步瀏覽的商品具有描述關鍵字“糯米”、“東北”等,如果用戶瀏覽了較多描述關鍵字為糯米的資訊,則可以將描述關鍵字“糯米”作為網路目標,優先向用戶提供糯米的資訊,而不論糯米是何種品牌。
以上分析了對網路目標如何界定和選擇,接下來將要說明如何得出用戶對網路目標的喜好程度或者說關心程度,在本案實施例中採用一種數值對此進行度量,該數值通過統計用戶對網路目標執行網路行為的次數來得出。在本實施例中,統計用戶的網路行為的次數時,統計用戶在一個時間段內對某個網路目標執行網路行為的次數,並且指定一種或多種網路行為,並指定若干網路目標進行統計。例如考察某一用戶A對網路目標“R牌大米”的如下幾種網路行為:通過網際網路接收包含有“R牌大米”資訊的電子郵件、通過網際網路搜尋“R牌大米”資訊和通過網際網路發佈對“R牌大米”評價的資訊,並且根據這些行為分析用戶對“R牌大米”的喜好程度,則可以從一個選定的起始時間開始統計,即執行步驟215,統計3月1日零點至次日零點用戶A對“R牌大米”的搜尋次數x1、收到的包含“R牌大米”資訊的郵件的數目y1以及用戶A發佈對“R牌大米”評價的次數z1。根據步驟214,獲取該統計所需的資料。相類似地,統計3月2日的上述三種網路行為次數,分別記作x2、y2和z2。將多日統計的這些次數相加得到一個數值,例如將3月1日至31日統計得到的數值記作R(x,y,z,d(1,31)),即:
R(x,y,z,d(1,31))=[x1+x2+...+x31]+[y1+y2+...+y31]+[z1+z2+...+z31]。
則數值R(x,y,z,d(1,31))大小就能從一定程度上體現出用戶A對“R牌大米”的喜好程度。如果為了分析出用戶A對商品的喜好程度與偏向,則不僅要計算用戶A關於“R牌大米”的網路行為數值,還要計算用戶A對其他網路目標即其他品牌例如S牌和T牌大米的網路行為的數值。在統計得到用戶A對各品牌大米的網路行為的次數之後,根據步驟22和步驟23,對各次數進行排序,從中選擇若干較大的次數對應的品牌,將這些品牌大米的資訊提供給用戶A。
以上是以各品牌標誌的類目作為網路目標的例子,也可以根據關鍵字,確定另外一組網路目標進行統計,例如將關鍵字“糯米”、“東北大米”、“長粒”作為網路目標,對用戶A的所有網路行為(發佈資訊、瀏覽、搜尋、郵件通知等)按上述方法進行歸總統計,得到一個表示用戶A對“糯米”的所有網路行為次數的數值R(糯米,用戶A);類似的,計算出數值R(東北大米,用戶A)、R(長粒,用戶A)等,如果R(糯米,用戶A)數值最大,說明用戶A最近對糯米喜好程度最大。可以相應的向其推薦是糯米的大米商品。
一般地,有如下公式(1):
其中,Cnt
(Act
(i
),Time
(j
),K 1
)表示在第j
個時間段Time
(j
)中,對網路目標K 1
執行第i
種網路行為Act
(i
)的次數,而數值C
(K 1
)就能從一定程度上體現用戶A對網路目標K 1
的關心程度。對於其他網路目標例如將各種大米品牌作為多個網路目標K 2
、K 3
、……、K n
,也能計算得到相應的數值C
(K 1
)、C
(K 2
)、……、C
(K n
),根據這些數值的大小關係選擇網路目標的資訊並向用戶提供,例如將C
(K 1
)、C
(K 2
)、……、C
(K n
)排序,則靠前的數值對應的網路目標更受用戶的關心,於是可以在用戶瀏覽網路時優先向他展示包含有這些網路目標即大米品牌的資訊。網路目標還可以是商品內涵的各種關鍵字,例如糯米、東北、長粒、粳米等,將它們作為網路目標,根據用戶A的網路行為資料計算對應的C
值,如果糯米、東北這兩個關鍵字對應的C
值排在前兩位,則還可以進一步將這兩個關鍵字進行搭配,形成關於網路物件的描述,即“東北糯米”,那麼就可以認為用戶A對“東北糯米”有較高的喜好程度,可以當用戶A登錄之後,在A看到的主頁上顯示東北出產的糯米資訊。
在實際中,因為商品數量的限制,可能向用戶推薦包含有關鍵字“糯米、東北、長粒”時,可能數量不夠多。因此,可以用用戶各種網路行為中的商品的類目作為網路目標,計算其C
值。
例如,用戶瀏覽了R牌大米,將其類目“大米”作為網路目標,統計用戶有關“大米”的網路行為,計算出相應的C
值。
一般地,有如下公式(1):
這樣,計算出某個用戶對具體哪些類目最感興趣。在網站上向用戶做商品推薦時,可以根據商品的數量、網站本身的要求等,將類目和關鍵字進行組合,做商品推薦。如果計算得到的用戶A對各種品牌的大米喜好程度的數值普遍較高,說明該用戶主要採購大米;或者有可能該數值並不高,而反映用戶對其他農產品的喜好程度的數值較高,則說明採購大米僅是該用戶的行動之一。所以本案實施例中的方法能夠較為具體地確定用戶對哪些網路目標感興趣。
另外從上述的方法中可以看出,統計的日期數越多,上述相加得到的數值越能真實地體現用戶對網路目標的關心程度。根據本案實施例的方案,統計的日期可以長達一年。但如果是根據很久以前的日期計算得到的C
(K 1
)數值,則用戶的興趣可能已經轉移,該數值的說服力就可能減弱。另外,網路行為本身也能體現出用戶對網路目標的關心程度。例如一般情況下,用戶對某商品發表評論,就說明他對該商品相當關心。而用戶獲取某商品的資訊,可能是偶然行為,不一定說明他很關心該商品。為了把上面分析的情況考慮進去,在計算C
(K 1
)時,可以將權重值分配到各時間段中用戶對網路目標執行的各種網路行為的次數上去,然後計算多個時間段的該次數的加權和。權重值可以根據網路行為分配,也可以根據網路行為的發生時間分配,或兼顧這兩種情況。如果將第i
種網路行為的權重表示為twc
(Act
(i
)),將第j
個時間段Time
(j
)中執行第i
種網路行為Act
(i
)的權重值表示為tdf
(Time
(j
)),則可以根據下式計算C
(K 1
)值:
式中n
表示考察的網路行為的數目,T
表示考察的時間段的數目。當然,式中的twc
(Act
(i
))以及tdf
(Time
(j
))可以只選一項計入。時間段距當前時間越遠,則該時間段對應的權重值一般來說應該越低。對於時間遠近與權重的關係,對各個商品應當採用相同的原則。可以採用一個小於1的正數來作為各時間段對應的權重,例如,1年之前的時間段,權重設為0.1;1年內的前四個月的時間段、第五個月至第八個月的時間段和後四個月的時間段,權重可分別設為0.2、0.3和0.4。當然,也可以選擇其他正數作為權重,一般來說時間較遠的時間段,其權重可以較小。
對於其他網路目標K 2
、K 3
、……、K n
,也能計算得到相應的數值C
(K 1
)、C
(K 2
)、……、C
(K n
),類似於前面的方法,根據計算得到的各個加權和C
(K 1
)、C
(K 2
)、……、C
(K n
)的大小順序,向用戶提供選定的加權和所對應的網路目標的資訊。對每個用戶,都可以作類似處理。如圖3(b)所示,保存各用戶的網路行為所產生的資料,對這些資料按上述方法進行分析得到各用戶所喜好的網路目標,最後將這些網路目標的資訊提供給用戶。
基於本案實施例中的方法,下面對本案實施例中的伺服器作出說明。本案實施例中,伺服器內的各個模組按照其功能來劃分,可以使用軟體來實現,可以使用硬體或硬體與軟體相結合來實現,這裏的軟體可以儲存在磁片、光碟或積體電路形式的儲存裝置中。如圖4(a)所示,伺服器40a用於向用戶提供網路目標資訊,它包括確定模組41、選擇模組42和提供模組43。其中確定模組41用於根據預選的網路行為,確定設定的時間段中用戶對每個網路目標執行網路行為的次數。選擇模組42用於根據確定模組41確定出的次數對網路目標進行選擇。提供模組43用於向用戶提供選擇模組42所選網路目標的資訊。
可以在伺服器40a中進一步設置資料庫模組,如圖4(b)所示,伺服器40b包括確定模組41、選擇模組42和提供模組43,並且還包含有資料庫模組44,用於保存網路目標資訊。這樣,提供模組43向用戶提供網路目標資訊時,從資料庫模組44中提取選擇模組42所選網路目標的資訊,然後再將提取的資訊提供給用戶。
選擇模組42的一種結構如圖5所示,包括計算單元451,用於針對每個網路目標,計算選定的多個時間段中用戶對該網路目標執行網路行為的次數之和;以及選擇單元452,用於根據計算單元451計算得到的該次數之和,對網路目標進行選擇。
選擇模組42的另一種結構如圖6所示,包括計算單元461,用於針對每個網路目標,將預設的權重值分配到每個該時間段中用戶對該網路目標執行的每種網路行為的次數,然後計算選定的多個時間段中用戶對該網路目標執行的網路行為的次數的加權和;以及選擇單元462,用於根據計算單元461計算得到的該加權和,對網路目標進行選擇。
根據本案實施例的技術方案,統計用戶在一定時間段內對網路目標的具體網路行為的次數,根據該次數分析出用戶對網路目標資訊的關心程度並據此向用戶提供網路目標資訊。因為用戶對網路目標的具體網路行為能夠直接而真實地反映其對網路目標資訊的需求程度,所以根據本案實施例的方案,能夠較為準確地得出用戶真正需要哪些網路目標的資訊,從而有效地向用戶提供他們需要的網路目標資訊。並且這種方式能夠促進網際網路向用戶提供資訊的效率,並且使用戶能夠從網際網路方便地獲取自己所需要的資訊。
顯然,本領域的技術人員可以對本案進行各種改動和變形而不脫離本案的精神和範圍。這樣,倘若本案的這些修改和變型屬於本案申請專利範圍及其等同技術的範圍之內,則本案也意圖包含這些改動和變形在內。
11...終端設備
12...伺服器
13...資料庫裝置
40a...伺服器
40b...伺服器
41...確定模組
42...選擇模組
43...提供模組
44...資料庫模組
451...計算單元
452...選擇單元
461...計算單元
462...選擇單元
圖1為本案實施例中的網際網路結構示意圖;
圖2為本案實施例中的方法瀏程圖;
圖3(a)為本案實施例中分類保存用戶網路行為資料的示意圖;
圖3(b)為本案實施例中向多個用戶推薦網路目標資訊的示意圖;
圖4(a)為本案實施例中的伺服器結構示意圖;
圖4(b)為本案實施例中的另一種伺服器結構示意圖;
圖5為本案實施例中伺服器的選擇模組的一種結構示意圖;
圖6為本案實施例中伺服器的選擇模組的另一種結構示意圖。
Claims (10)
- 一種向用戶推薦網路目標資訊的方法,其特徵在於,包括:伺服器根據預選的網路行為和網路目標,確定設定的時間段中該用戶對每個網路目標執行網路行為的次數;該伺服器根據確定的該次數選擇網路目標;及該伺服器向該用戶提供選擇的網路目標的資訊,其中,結合包含第一關鍵字且基於該用戶的喜好程度的第一網路目標、包含第二關鍵字且基於該用戶的喜好程度的第二網路目標、以及類目資訊,該伺服器向該用戶提供選擇的網路目標的資訊。
- 根據申請專利範圍第1項所述的方法,其中,該網路行為包括如下的一種或多種:通過網際網路發佈商品資訊;通過網際網路接收包含有商品資訊的電子郵件;通過網際網路發佈對商品評價的資訊;通過網際網路獲取商品資訊;及通過網際網路搜尋商品資訊。
- 根據申請專利範圍第1項所述的方法,其中,該伺服器根據確定的該次數選擇網路目標包括:針對每個網路目標,計算選定的多個時間段中該用戶對該網路目標執行網路行為的次數之和;及根據針對多個網路目標計算得到的該次數之和,從該多個網路目標中進行選擇。
- 根據申請專利範圍第1項所述的方法,其中,該根據確定的該次數選擇網路目標包括:針對每個網路目標,將預設的權重值分配到每個該時間段中該用戶對該網路目標執行的每種網路行為的次數,然後計算選定的多個時間段中該用戶對該網路目標執行的網路行為的次數的加權和;及根據針對多個網路目標計算得到的該加權和,從該多個網路目標中進行選擇。
- 根據申請專利範圍第4項所述的方法,其中,該權重包括根據網路行為的類型分配的權重值、根據網路行為的發生時間分配的權重值或上述二者之積。
- 根據申請專利範圍第4項所述的方法,其中,該計算選定的多個時間段中該用戶對該網路目標執行的網路行為的次數的加權和包括根據如下公式進行計算:
- 一種向用戶推薦網路目標資訊的伺服器,其特徵 在於,包括:確定模組,用於根據預選的網路行為和網路目標,確定設定的時間段中該用戶對每個網路目標執行網路行為的次數;選擇模組,用於根據確定模組確定的該次數選擇網路目標;及提供模組,用於向該用戶提供選擇模組所選網路目標的資訊,其中,結合包含第一關鍵字且基於該用戶的喜好程度的第一網路目標、包含第二關鍵字且基於該用戶的喜好程度的第二網路目標、以及類目資訊,該伺服器向該用戶提供選擇的網路目標的資訊。
- 根據申請專利範圍第7項所述的伺服器,其中,該選擇模組包括:計算單元,用於針對每個網路目標,計算選定的多個時間段中該用戶對該網路目標執行網路行為的次數之和;及選擇單元,用於根據計算單元計算得到的該次數之和,對網路目標進行選擇。
- 根據申請專利範圍第7項所述的伺服器,其中,該選擇模組包括:計算單元,用於針對每個網路目標,將預設的權重值分配到每個該時間段中該用戶對該網路目標執行的每種網路行為的次數,然後計算選定的多個時間段中該用戶對該 網路目標執行的網路行為的次數的加權和;及選擇單元,用於根據計算單元計算得到該加權和,對網路目標進行選擇。
- 一種向用戶推薦網路目標資訊的伺服器,其特徵在於,包括:資料庫模組,用於保存網路目標資訊;確定模組,用於根據預選的網路行為,確定設定的時間段中該用戶對每個網路目標執行網路行為的次數;選擇模組,用於根據確定模組確定的該次數選擇網路目標;及提供模組,用於從資料庫模組中提取選擇模組所選網路目標的資訊,然後提供給該用戶,其中,結合包含第一關鍵字且基於該用戶的喜好程度的第一網路目標、包含第二關鍵字且基於該用戶的喜好程度的第二網路目標、以及類目資訊,該伺服器向該用戶提供選擇的網路目標的資訊。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW099104195A TWI490710B (zh) | 2010-02-10 | 2010-02-10 | 向用戶推薦網路目標資訊的方法及向用戶推薦網路目標資訊的伺服器 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW099104195A TWI490710B (zh) | 2010-02-10 | 2010-02-10 | 向用戶推薦網路目標資訊的方法及向用戶推薦網路目標資訊的伺服器 |
Publications (2)
Publication Number | Publication Date |
---|---|
TW201128415A TW201128415A (en) | 2011-08-16 |
TWI490710B true TWI490710B (zh) | 2015-07-01 |
Family
ID=45025192
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW099104195A TWI490710B (zh) | 2010-02-10 | 2010-02-10 | 向用戶推薦網路目標資訊的方法及向用戶推薦網路目標資訊的伺服器 |
Country Status (1)
Country | Link |
---|---|
TW (1) | TWI490710B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105589905B (zh) | 2014-12-26 | 2019-06-18 | 中国银联股份有限公司 | 用户兴趣数据分析和收集系统及其方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TW200527337A (en) * | 2003-11-05 | 2005-08-16 | Contentguard Holdings Inc | System, method and device for selected content distribution |
US20060069616A1 (en) * | 2004-09-30 | 2006-03-30 | David Bau | Determining advertisements using user behavior information such as past navigation information |
US20070239535A1 (en) * | 2006-03-29 | 2007-10-11 | Koran Joshua M | Behavioral targeting system that generates user profiles for target objectives |
-
2010
- 2010-02-10 TW TW099104195A patent/TWI490710B/zh active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TW200527337A (en) * | 2003-11-05 | 2005-08-16 | Contentguard Holdings Inc | System, method and device for selected content distribution |
US20060069616A1 (en) * | 2004-09-30 | 2006-03-30 | David Bau | Determining advertisements using user behavior information such as past navigation information |
US20070239535A1 (en) * | 2006-03-29 | 2007-10-11 | Koran Joshua M | Behavioral targeting system that generates user profiles for target objectives |
Also Published As
Publication number | Publication date |
---|---|
TW201128415A (en) | 2011-08-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11315155B2 (en) | Method and system for exposing data used in ranking search results | |
US8898283B2 (en) | Recommendation of network object information to user | |
JP5818980B2 (ja) | ペイ・フォー・パフォーマンス情報に基づく補足製品の推奨 | |
TWI539305B (zh) | Personalized information push method and device | |
US10354309B2 (en) | Methods and systems for selecting an optimized scoring function for use in ranking item listings presented in search results | |
TWI512508B (zh) | Recommended methods and systems for recommending information | |
US10157344B2 (en) | Systems and methods for trend aware self-correcting entity relationship extraction | |
TWI564829B (zh) | Method and apparatus for generating traffic quality comparison parameters, advertising charging method | |
US10423999B1 (en) | Performing personalized category-based product sorting | |
US20130030950A1 (en) | Providing social product recommendations | |
CN105894332A (zh) | 基于用户行为分析的商品推荐方法、装置及系统 | |
AU2017258825A1 (en) | Multiple attribution models with return on ad spend | |
CN102254028A (zh) | 一种集成属性和结构相似性的个性化商品推荐方法和系统 | |
US20150142782A1 (en) | Method for associating metadata with images | |
TWI490710B (zh) | 向用戶推薦網路目標資訊的方法及向用戶推薦網路目標資訊的伺服器 | |
CN102789615A (zh) | 图书信息关联推荐方法、服务器及系统 | |
KR101549188B1 (ko) | 브랜드 이미지 측정장치 및 측정방법 | |
JP6564114B1 (ja) | 提供装置、提供方法および提供プログラム | |
Zhang | Research on Precision Marketing Strategy in Big Data Era | |
CN113301094A (zh) | 一种信息推送方法及装置 | |
KR20220120989A (ko) | 인공지능을 이용한 빅데이터 기반 팬덤 상품 추천 장치의 동작 방법 | |
JP2003058560A (ja) | 情報分類・集計方法および情報分類・集計装置ならびに情報分類・集計処理プログラム |