CN101334792B - 一种个性化服务推荐***和方法 - Google Patents
一种个性化服务推荐***和方法 Download PDFInfo
- Publication number
- CN101334792B CN101334792B CN2008101164770A CN200810116477A CN101334792B CN 101334792 B CN101334792 B CN 101334792B CN 2008101164770 A CN2008101164770 A CN 2008101164770A CN 200810116477 A CN200810116477 A CN 200810116477A CN 101334792 B CN101334792 B CN 101334792B
- Authority
- CN
- China
- Prior art keywords
- information
- user
- recommendation
- database
- strategy
- Prior art date
- Legal status (The legal status 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 status listed.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 45
- 238000004458 analytical method Methods 0.000 claims abstract description 47
- 239000000284 extract Substances 0.000 claims abstract description 14
- 238000001914 filtration Methods 0.000 claims description 25
- 230000008878 coupling Effects 0.000 claims description 24
- 238000010168 coupling process Methods 0.000 claims description 24
- 238000005859 coupling reaction Methods 0.000 claims description 24
- 230000000694 effects Effects 0.000 claims description 10
- 230000005540 biological transmission Effects 0.000 claims description 9
- 230000004044 response Effects 0.000 claims description 9
- 230000008447 perception Effects 0.000 claims description 8
- 230000009977 dual effect Effects 0.000 claims description 5
- 230000003542 behavioural effect Effects 0.000 claims description 2
- 238000007781 pre-processing Methods 0.000 abstract 1
- 230000006399 behavior Effects 0.000 description 40
- 238000005516 engineering process Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 7
- 230000001186 cumulative effect Effects 0.000 description 6
- 238000007726 management method Methods 0.000 description 6
- 230000009471 action Effects 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000000605 extraction Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 239000003795 chemical substances by application Substances 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 2
- 230000000875 corresponding effect Effects 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 230000000977 initiatory effect Effects 0.000 description 2
- 238000005065 mining Methods 0.000 description 2
- 238000012797 qualification Methods 0.000 description 2
- 239000013598 vector Substances 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- HUTDUHSNJYTCAR-UHFFFAOYSA-N ancymidol Chemical compound C1=CC(OC)=CC=C1C(O)(C=1C=NC=NC=1)C1CC1 HUTDUHSNJYTCAR-UHFFFAOYSA-N 0.000 description 1
- 238000009412 basement excavation Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000013479 data entry Methods 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
Images
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种个性化服务推荐***和方法。该方法包括:用户信息收集器监控在终端上进行的各种操作信息,并进行预处理后,存入用户信息数据库,若用户信息数据库发生更新,则启动用户行为分析器进行分析;用户行为分析器扫描用户信息数据库,提取新的用户信息并记入资源信息数据库,计算新的推荐策略并记入推荐策略数据库;上下文感知处理器感知用户的当前的上下文,输出当前的上下文描述信息,启动个性化推荐处理器;个性化推荐处理器,接收来自上下文感知处理器的消息后,获得当前的上下文的信息,通过检索推荐策略数据库,获得匹配的最优推荐策略,并按照最优推荐策略通过检索资源信息数据库,匹配合适的资源信息,实时生成个性化推荐服务。
Description
技术领域
本发明涉及计算机应用技术领域,特别是涉及一种个性化服务推荐***和方法。
背景技术
个性化推荐***被用来帮助用户在大量的信息中寻找感兴趣的内容,它体现的“个性化”服务目前越来越为商务网站、电子图书馆等众多领域所接受,成为了它们的一个重要的功能。个性化服务技术为不同的用户提供不同的服务,以满足不同的需求。个性化服务通过收集和分析用户信息来学习用户的兴趣和行为,从而实现主动推荐的目的。目前存在许多个性化服务***,它们提出了各种思路以实现个性化服务。根据其所采用的推荐技术可以分为两种:基于规则的***和信息过滤***。信息过滤***又可分为基于内容过滤的***和协作过滤***。
为了实现个性化服务,首先需要跟踪和学习用户的兴趣和行为,并设计一种合适的表达方式。为了把资源推荐给用户,必须组织好资源,选取资源的特征,并采用合适的推荐方式。此外,还必须考虑***的体系结构,考虑在服务器端、客户端和代理端实现的利弊。
一般的,个性化推荐***需要经过用户建模、项目匹配和推荐输出三个阶段来实现个性化推荐。用户建模是获取和维护与用户兴趣、需求或者习惯相关的知识的过程,其结果将产生一个表示用户特有背景知识或兴趣、需求的用户模型。项目匹配阶段将以这一模型为依据,运用各种推荐技术寻找出与其相匹配的项目,然后在推荐输出阶段将这些项目以预测值、Top-N推荐或者其他形式呈现给用户。
不同个性化服务***的用户描述文件各有其特点,用户描述文件从内容上可以划分为基于兴趣的和基于行为的两种类型。基于兴趣的用户描述文件可以表示为加权矢量模型、类型层次结构模型、加权语义网模型、书签和目录结构 等。基于行为的用户描述文件可以表示为用户浏览模式或访问模式。用户描述文件可以用文件来组织,也可以用关系数据库或其他数据库来组织。
在用户第1次使用个性化服务***的时候,***可以要求用户注册自己的基本信息和感兴趣的内容,***也可以隐式地收集用户信息。在定制好一个用户描述文件之后,***可以让用户自主修改,也可以由***自适应地修改。***要自适应的修改用户信息,必须根据学习的信息源分析当前用户的行为,从而调整用户兴趣的权重或调整用户兴趣层次结构。根据学习的信息源,用户跟踪的方法可分为两种:显式跟踪和隐式跟踪。显式跟踪是指***要求用户对推荐的资源进行反馈和评价,从而达到学习的目的。隐式跟踪不要求用户提供什么信息,所有的跟踪都由***自动完成,隐式跟踪又可分为行为跟踪和日志挖掘。
资源的描述与用户的描述密切相关,一般的做法是用同样的机制来表达用户和资源,可以用基于内容的方法和基于分类的方法来表示。基于内容的方法是从资源本身抽取信息来表示资源,例如加权关键词矢量。基于分类的方法是利用类别来表示资源,对文档资源进行分类有利于将文档推荐给对该文档感兴趣的用户。文本分类的方法有多种,例如朴素贝叶斯,k最近邻方法和支持向量机。
个性化推荐可以采用基于规则的技术、基于内容过滤的技术和协作过滤技术。
基于Web的个性化服务体系结构和用户的描述文件分布的位置有很大关系。现有的个性化服务推荐***和方法,对于涉及用户隐私信息的用户描述文件可以存放在服务器端、客户端、代理端。
大部分个性化服务***的用户描述文件都存放在服务器端。优点是可以避免用户描述文件的传输,除了支持基于内容的过滤,还可以支持协作过滤。缺点是用户描述文件不能在不同的Web应用之间共享。
用户描述文件存储在代理上的优点是不仅可以支持基于内容的过滤和协作过滤,还支持用户描述文件在不同Web应用之间的共享,缺点是可能需要传输用户描述文件。
用户描述文件存储在客户端的优点是用户描述文件可以在不同的应用之间共享,缺点是只能进行基于内容的过滤,限制了推荐能力。
发明内容
本发明的目的在于提供一种个性化服务推荐***和方法,其能够在有效地保护终端用户的隐私信息的前提下,保持与现有推荐***相当的推荐能力,并扩展了服务推荐的范围。
本发明提供一种个性化服务推荐***,包括至少一个终端,所述终端包括:用户信息收集器、用户信息数据库、用户行为分析器、资源信息数据库、推荐策略数据库、上下文感知处理器、信息共享管理器以及个性化推荐处理器,其中:
所述用户信息收集器,用于监控用户在终端上进行的各种操作的信息,以收集终端的原始用户数据,将该原始用户数据进行预处理后得到用户信息,将所述用户信息存入用户信息数据库,并在用户信息数据库发生更新后向用户行为分析器发送触发消息;
所述用户信息数据库,用于存放由所述用户信息收集器输出的用户信息条目,供用户行为分析器进行用户行为分析;
所述用户行为分析器,用于在收到所述触发消息后,扫描所述用户信息数据库,从中提取新的资源信息,记入资源信息数据库,计算新的推荐策略,记入推荐策略数据库;
所述资源信息数据库,用于存放由所述用户行为分析器分析产生的资源信息;
所述推荐策略数据库,用于存放由所述用户行为分析器生成的推荐策略,并将该推荐策略用于个性化推荐处理器生成推荐服务;
所述上下文感知处理器,用于感知用户的当前的上下文,从用户信息数据库实时地提取用户信息,从中查询虚拟***代表用户和虚拟环境代表用户的最新更新的记录条目和新增的记录条目,并根据感知到上下文的变化输出当前的上下文描述信息,向个性化推荐处理器发送触发消息;
所述个性化推荐处理器,用于接收来自上下文感知处理器的触发消息后,获得当前的上下文的信息,通过本地或者信息共享管理器检索推荐策略数据库,获得匹配的最优推荐策略,并按照最优推荐策略通过本地或者信息共享管理器检索资源信息数据库,匹配合适的资源信息,实时生成个性化推荐服务;
所述信息共享管理器,用于使不同终端之间共享资源信息和推荐策略,以及获取共享的资源信息和推荐策略。
所述个性化服务推荐***,还包括共享信息服务器和用户控制接口,其中:
所述共享信息服务器,用于对于基于共享信息服务器的方式的信息共享时,存放终端用户允许并上传的资源信息和推荐策略,供其他终端用户检索并下载使用;
所述用户控制接口,用于调整推荐策略以及对信息共享管理器进行配置和管理,以及控制信息共享管理器。
所述信息共享管理器的信息共享通过以下两种方式实现:一种是P2P方式,可以在用户终端之间点对点的共享;另一种是基于共享信息服务器的方式,用户将共享信息存储到共享信息服务器上,供其他用户查询使用。
所述个性化推荐处理器,能够同时支持个性化服务推荐中的基于规则的过滤、基于内容的过滤和协作过滤。
所述用户信息收集器和上下文感知处理器是作为独立的程序或者程序模块同时运行。
本发明还提供一种个性化服务推荐方法,包括步骤:
步骤A.用户信息收集器监控用户在终端上进行的各种操作的信息,以收集终端的原始用户数据,将所述原始用户数据进行预处理后得到用户信息,将所述用户信息存入用户信息数据库,若用户信息数据库发生更新,则启动用户行为分析器进行分析;
步骤B,用户行为分析器扫描用户信息数据库,从中提取新的资源信息并记入资源信息数据库,计算新的推荐策略并记入推荐策略数据库;
步骤C,上下文感知处理器感知用户的当前的上下文,从用户信息数据库实时地提取信息,从中查询虚拟***代表用户和虚拟环境代表用户的最新更新的记录条目和新增的记录条目,并根据感知到上下文的变化,输出当前的上下文描述信息,启动个性化推荐处理器;
步骤D,个性化推荐处理器,用于接收来自上下文感知处理器的当前的上下文描述信息后,获得当前的上下文的信息,通过本地或者信息共享管理器检索推荐策略数据库,获得匹配的最优推荐策略,并按照推荐策略通过本地或者信息共享管理器检索资源信息数据库,匹配合适的资源,实时生成个性化推荐服务。
所述步骤D包括步骤:
步骤D1,个性化推荐处理器以当前的上下文描述信息作为输入,并检索本地终端的第一推荐策略数据库,如果找到匹配的推荐策略,则按照策略,检索本地终端的第一资源信息数据库,找到匹配的资源信息;
步骤D2,若匹配失败,个性化推荐处理器向信息共享管理器发送查询请 求,等待响应;
步骤D3,信息共享管理器向可连接的第二终端或者共享信息服务器发送查询请求,并等待响应;
步骤D4,可连接的第二终端或者共享信息服务器的信息共享管理器接受查询请求,以当前的上下文描述信息作为输入,检索并匹配推荐策略和资源信息;
步骤D5,本地的信息共享管理器接收到响应消息,更新资源信息数据库和推荐策略数据库,并向个性化推荐处理器发送一个触发消息,启动个性化推荐处理器运行,实时生成个性化推荐服务。
所述个性化服务推荐方法,还包括步骤:
步骤E,本地终端用户根据推荐效果,通过用户控制接口,优化推荐策略,提升推荐效果;
步骤F,终端用户根据使用效果,配置信息共享策略和共享信息的获取策略,提升推荐效果。
本发明的有益效果是:本发明的个性化服务推荐***和方法,其既能对用户隐私信息进行有效保护,又能同时支持个性化服务推荐中的基于规则的过滤、基于内容的过滤和协作过滤;其可推荐的服务范围不仅限于Web资源,还包括终端的本地资源和终端的周围资源;进一步地,用户在使用本发明所提供的推荐服务的同时,能够不受任何限制地使用现有的各种个性化推荐服务。
附图说明
图1是本发明个性化服务推荐***实施例的结构图;
图2是本发明个性化服务推荐方法实施例的流程图;
图3是本发明个性化服务推荐方法实施例中数据的传输图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明的一种个性化服务推荐***和方法进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本发明所要解决的问题在于提供一种基于终端的个性化服务推荐***和 方法。能够在有效的保护终端用户的隐私信息的前提下,保持与现有推荐***相当的推荐能力,并扩展了服务推荐的范围。
图1是本发明个性化服务推荐***实施例的结构图,参照图1,本发明一种个性化服务推荐***,包括至少一个终端。
所述终端可以是任意形式的终端,包括但不限于PC、移动电话、嵌入式手持设备等,但不限于这些终端形式,只要具有一定的计算能力即可。
本发明的个性化服务推荐***由多个独立的模块和数据存储组成,通过共享信息交换和消息实现各独立模块之间的联系和协作。
其中用户信息收集器和上下文感知处理器并行运行,其他模块通过消息触发运行。
如图1所示,本发明的所述终端包括用户信息收集器、用户信息数据库、用户行为分析器、资源信息数据库、推荐策略数据库、上下文感知处理器、个性化推荐处理器、信息共享管理器、用户控制接口,其中:
所述用户信息收集器,用于监控用户在终端上发生的各种行为,以收集终端的原始用户数据,将该原始用户数据进行预处理后得到用户信息,将用户信息存入用户信息数据库,并根据情况向用户行为分析器发送触发消息;
如果用户信息数据库发生更新,用户信息收集器通过消息触发,启动用户行为分析器进行分析。
所述用户信息收集器的数据来源主要包括:操作***级日志、web浏览器访问记录、用户操作行为记录。操作***级日志和Web浏览器访问记录的存储位置是公开和固定的,用户信息收集器可以通过定期读取这些数据存储文件获得原始数据。
用户操作行为记录和上述两种原始数据不同,没有可以直接使用的数据来源,而且不同的操作***需要采用不同的方法获取。针对类Unix***,有一组***命令可以获取用户操作的相关信息,例如,w命令查询utmp文件并显示当前***中每个用户和它所运行的进程信息。用户信息收集器可以通过exec***调用执行这些命令,并通过管道或者socket通信得到执行结果,从而获取用户操作行为记录。更简单的方法直接读取这些命令所操作的记录文件,但是需要预先了解其存储位置。针对Windows***,方法之一是采用微软提供的MSAA(Microsoft Active Accessibility)技术。这项技术是用来提供交互式 在线帮助的,能够实时捕获用户的各项操作,只要按照规范实现其客户端程序就可以实现实时的获取用户操作行为记录。
所述原始用户数据包括但不限于如下内容:用户标识信息、用户操作信息、用户操作开始时间、用户操作使用的资源。
所述用户数据收集器进行的数据预处理,是指将收集到的原始数据整理成具有如下语意的信息条目:何用户在何时间使用何应用程序进行了何操作需要何资源取得何结果,并将此条目存入用户信息数据库。
所述用户信息数据库,用于存放由用户信息收集器输出的用户信息条目,此用户信息用于用户行为分析。
所述用户信息数据库可以是一个逻辑存储器,并不限定具体实现类型,可以是关系型数据库,也可以是文件。其主要字段为:
序号:用于标识每条记录,主键;
用户标识:用于标识每个用户,采用用户的***登陆名;
最近一次发生时间:记录本条记录所描述的信息的最近一次出现的时间;
应用程序名称:记录用户使用的应用程序名称;
操作名称:记录用户此时的操作名称;
操作的结果:操作引发的反映,例如新进程的启动;
累计次数:此条记录所述信息的重复次数;
更新标志:此条记录相对于前一次是否发生了更新;
关联资源:主要包括文档资源、设备资源和网络资源,此字段是一个复合字段,包含的子表结构为:
资源名称:记录资源的名称;
资源的访问地址:记录资源的可访问地址;
资源的访问权限:记录资源的访问权限;
所述用户行为分析器,收到触发消息后,扫描用户信息数据库,从中提取新的资源信息,记入资源信息数据库,计算新的推荐策略,记入推荐策略数据库。
所述推荐策略包括但不限于关联规则。
所述用户行为分析器,首先对用户信息数据库进行全局扫描,选出更新过的记录和新增加的记录。得到这些记录以后,提取所述用户信息数据库中主要 字段的关联资源字段,得到资源信息,资源信息包括但不限于设备类资源、文档类资源、程序类资源等。对资源信息进行分类之后存入资源信息数据库。主要的分类包括但不限于:设备类资源、文档类资源、程序类资源等。上述类别还可划分多层次的子类。完成资源信息提取之后,用户行为分析器对用户信息数据库进行关联规则挖掘,此处可以使用目前主流的关联规则挖掘算法,不作具体限定。生成的关联规则存入推荐策略数据库。关联规则采用IF-THAN结构表达。例如:IF(Open a file with MSWORD)THEN(Using a printer)。
所述资源信息数据库,用于存放由用户行为分析器分析产生的资源信息。其字段主要包括:
序号:主键;
资源类别代码:标识资源类别;
资源名称:资源的名称;
资源的访问地址:记录资源的可访问地址;
资源的访问权限:记录资源的访问权限;
所述数据库是一个逻辑存储器,并不限定具体实现类型,可以是关系型数据库,也可以是文件。
所述推荐策略数据库,用于存放由用户行为分析器生成的推荐策略,并将该推荐策略用于个性化推荐处理器生成推荐服务,其主要字段包括:
序号:主键;
前件:策略的前提条件;
后件:策略的推荐内容;
权值:统计权值,代表此条策略的可信程度;
所述上下文感知处理器,用于感知用户的当前的上下文。上下文感知处理器定时扫描用户信息数据库,从中查询两类特殊用户的最新更新的记录条目和新增的记录条目,来感知用户的当前的上下文,并根据情况向个性化推荐处理器发送触发消息。
所述上下文是指终端自身软硬件状态的实时特征描述信息和终端周围环境状态的实时特征描述信息。
两类特殊用户包括虚拟***代表用户和虚拟环境代表用户。这两类特殊用户的用户信息由用户信息收集器收集,方法和普通用户完全一样。但是信息的 语意上有不同。虚拟***代表用户代表的是终端软硬件环境,虚拟环境代表用户代表的是终端的周围环境。其每条用户信息记录代表的是终端上下文的变化。例如下面两条记录:
(“虚拟***代表用户”,“200801011224”,“设备加载删除”,“断开无线网络”,“成功断开”,“1”,“更新”,“”);
(“虚拟环境代表用户”,“200801011224”,“位置感知”,“切换环境”,“切换完成”,“1”,“更新”,“”);
上下文感知处理器由如上两条用户信息数据库的记录可以得到当前的上下文的一个高层语意:环境切换,无线网络失效。得到此上下文的信息以后,将其加入触发消息,发送给个性化推荐处理器。
所述个性化推荐处理器,用于接收来自上下文感知处理器的消息后,获得当前的上下文的信息,通过检索推荐策略数据库,获得匹配的最优推荐策略,并按照最优推荐策略通过检索资源信息数据库,匹配合适的资源,实时生成个性化推荐服务。
所述个性化推荐处理器的输入来自资源信息数据库、推荐策略数据库和上下文感知处理器输出的上下文的信息,其输出为推荐服务列表和执行计划;
本发明中个性化推荐处理器能够同时支持现有的个性化服务推荐中的基于规则的过滤、基于内容的过滤和协作过滤。
首先使用基于内容的过滤算法选择可用的推荐策略。如果失败,则通过获得其他终端或者共享信息服务器的推荐策略的方法,进行协同过滤算法。得到推荐策略以后,进行基于规则的过滤,完成推荐过程。
所述输出的推荐服务列表和执行计划,可以是以预测值、Top-N推荐或者其他形式呈现给用户。
所述用户控制接口,用于调整推荐策略以及对信息共享管理器进行配置和管理,以及控制信息共享管理器。
用户控制接口是终端用户干涉终端工作活动的通道,即本发明所述***的界面。终端用户通过用户控制接口调整推荐策略以及对信息共享管理器进行配置和管理,以及控制信息共享管理器。主要包含如下操作:指定可以共享的推荐策略、开关P2P共享方式、开关基于中心服务器的共享方式、共享本地信息。
较佳地,信息共享的配置和管理完全由用户控制接口控制,更佳地,所述 信息共享经过用户控制接口的显式允许,才能共享信息,而且提示用户可能带来的风险。
所述信息共享管理器,用于使不同终端之间共享资源信息和推荐策略,以及获取共享的资源信息和推荐策略。其既被动的被各个有需要的终端通过授权的方式访问,又主动的将自身允许被共享的资源发布给个终端。
所述信息共享管理器的信息共享通过以下两种方式实现:一种是P2P方式,可以在用户终端之间点对点的共享;另一种是基于共享信息服务器的方式,用户将共享信息存储到共享信息服务器上,供其他用户查询使用。
作为一种可实施方式,在信息共享的时候,如果是基于共享信息服务器的方式,则本发明的个性化服务推荐***,还包括共享信息服务器,用于存放终端用户允许并上传的资源信息和推荐策略,供其他终端用户检索并下载使用。
用户信息收集器可以作为独立的程序模块或者独立的软件模块运行于用户终端之上。用户信息收集器监控用户在终端上进行的各种操作,用户操作信息的来源包括操作***日志、应用程序日志和其他操作***的应用程序提供的可能的用于获取用户操作信息的接口或者数据缓冲区。该用户信息收集器根据终端的操作***和主要的应用程序环境自身进行调整。
较佳地,该用户信息收集器收集到用户操作的原始信息以后,为了不使数据库无限增长,如果有相同的操作,则只更新时间,并将累计次数增1。
用户信息收集器生成的用户信息包括但不限于时间、操作类型、操作资源类型、资源访问地址、资源访问方式、资源访问权限、资源使用开始时间、资源使用结束时间、累计次数等。
该生成的用户信息由用户信息收集器存入用户信息数据库。
用户信息收集器在每次更新用户信息数据库之后,向用户行为分析器发送一个消息,启动用户行为分析器进行分析;用户行为分析器扫描用户信息数据库,从中提取新的资源信息存入资源信息数据库,同时计算新的推荐策略,如果有新的推荐策略生成,则更新推荐策略数据库。
上下文感知处理器作为独立的程序模块或者软件模块运行,从用户信息数据库实时地提取信息,分析上下文的变化;如果上下文发生了变化,则更新上下文的信息,并且发送一个消息启动个性化推荐处理器。
个性化推荐处理器接收到来自上下文感知处理器的消息以后,首先获得当 前的上下文的信息;然后根据上下文的信息检索推荐策略数据库,获得匹配的最优推荐策略;得到推荐策略以后,个性化推荐处理器按照推荐策略检索资源信息数据库,匹配合适的资源,并按照上下文的信息进行合适的资源推荐,例如预先启动一个下一步要使用的本地资源,或者提供一个可能要使用的资源连接列表。
信息共享管理器作为单独的程序模块或者单独的软件模块运行,通过用户控制接口接受用户的直接控制。信息共享管理器具有两种功能:1、共享本地信息;2、获取其他终端的共享信息。针对这两种功能有两种方式实现:1、P2P方式;2、基于中心服务器方式。
图2是本发明个性化服务推荐方法实施例的流程图,图3是本发明个性化服务推荐方法实施例中数据的传输图,参照图2、图3,本发明一种个性化服务推荐方法,包括下列步骤:
步骤A,用户信息收集器监控在终端上进行的各种操作信息,以收集终端的原始用户数据,将该原始用户数据进行预处理后得到用户信息,将所述用户信息存入用户信息数据库,并判断用户信息数据库是否发生更新,若是,则启动用户行为分析器进行分析;
用户信息收集器实时地收集终端用户的各类信息,执行操作1,将处理后的信息存入用户信息数据库;如果用户信息数据库发生更新,则产生一个触发消息,执行操作2,启动用户行为分析器;
所述用户信息数据库发生更新,又分为两种情况:一种是新增数据,另一种是用户在终端上重复进行的某一个操作信息的次数到达一定阈值,这两种情况下,都认为用户信息数据库发生了更新。
对于前者,用户信息数据库直接进行更新,并将对应该新增的用户信息的累积次数增一,并产生一个触发消息,启动用户行为分析器;
对于后者,当用户在终端上重复进行的某一个操作信息的次数未到达一定阈值时,用户信息数据库更新原先用户信息对应的时间,并将对应该原先用户信息的累积次数增一,而并不启动用户行为分析器;而只有当用户在终端上重复进行的某一个操作信息的次数,即对应该原先用户信息的累积次数,到达一定阈值时,此时说明该操作信息被经常使用,需要用户行为分析器进行分析,以便于推荐,那么用户信息数据库才产生一个触发消息,启动用户行为分析器。
所述阈值,是根据具体操作信息而设定的。不同操作信息对应的阈值不同。
步骤B,用户行为分析器扫描用户信息数据库,从中提取新的用户信息并记入资源信息数据库,计算新的推荐策略并记入推荐策略数据库;
执行操作3,用户行为分析器扫描用户信息数据库,用户行为分析器根据用户信息数据库,重新计算用户行为,执行操作4,将提取的新资源记入资源信息数据库,同时执行操作5,将提取的新推荐策略记入推荐策略数据库;
步骤C,上下文感知处理器感知用户的当前的上下文,从用户信息数据库实时地提取用户信息,分析上下文的变化,输出当前的上下文描述信息,启动个性化推荐处理器;
执行操作7,上下文感知处理器感知用户的当前的上下文,执行操作6,上下文感知处理器实时的分析用户信息数据库,如果发现上下文发生变化,更新当前的上下文描述信息,并产生一个触发消息,执行操作8,启动个性化推荐处理器。
步骤D,个性化推荐处理器,用于接收来自上下文感知处理器的当前的上下文描述信息后,获得当前的上下文的信息,通过本地或者信息共享管理器检索推荐策略数据库,获得匹配的最优推荐策略,并按照推荐策略通过本地或者信息共享管理器检索资源信息数据库,匹配合适的资源信息,实时生成个性化推荐服务。
所述检索推荐策略数据库,既可以只检索本地的推荐策略数据库,又可以通过信息共享管理器检索远程共享的推荐策略数据库。
个性化推荐处理器,用于接收来自上下文感知处理器的消息后,执行操作11,获得上下文的信息,执行操作14、16,通过本地或者信息共享管理器检索推荐策略数据库,执行操作10,获得匹配的最优推荐策略;然后执行操作15、16,按照推荐策略通过本地或者信息共享管理器检索资源信息数据库,执行操作9,匹配合适的资源,实时生成个性化推荐服务。
具体进一步地,所述步骤D包括下列步骤:
步骤D1,个性化推荐处理器以当前的上下文描述信息作为输入,并检索本地终端的第一推荐策略数据库,如果找到匹配的推荐策略,则按照策略,检索本地终端的第一资源信息数据库,找到匹配的资源;
步骤D2,如果匹配失败,个性化推荐处理器向信息共享管理器发送查询 请求,等待响应;
步骤D3,信息共享管理器向可连接的第二终端或者共享信息服务器发送查询请求,并等待响应;
步骤D4,可连接的第二终端或者共享信息服务器的信息共享管理器接受查询请求,以当前的上下文描述信息作为输入,检索并匹配推荐策略和资源信息;
步骤D5,本地的信息共享管理器接收到响应消息,更新资源信息数据库和推荐策略数据库,并向个性化推荐处理器发送一个触发消息,启动个性化推荐处理器运行,实时生成个性化推荐服务。
所述步骤D4中,信息共享管理器进行检索匹配,包括两种方式:1、P2P方式;2、基于共享信息服务器方式。
下面按照这两种实现方式分别描述步骤D4的实现过程:
1、P2P方式
在P2P方式下,信息共享管理器执行操作17,与其他可连接用户终端的信息共享管理器(即外部信息共享管理器)进行直接通信,交换资源信息和推荐策略,实现协作过滤。
检索的具体过程如下:
第二终端的信息共享管理器接收到查询请求以后,如果存在第二终端允许共享的推荐策略,则检索第二终端的第二推荐策略数据库,如果找到匹配的推荐策略,则按照策略,检索第二终端的第二资源信息数据库,找到匹配的资源,将推荐策略和匹配的资源结果返回给查询的发起终端;
2、基于共享信息服务器方式
在基于共享信息服务器方式下,本地终端的信息共享管理器执行操作18,与中心共享信息服务器的信息共享管理器直接连接,上传或检索共享信息,上传的共享信息由用户通过控制接口指定,并由用户控制完成上传。检索的具体过程如下:
共享信息服务器的信息共享管理器接收到查询请求以后,如果存在共享信息服务器允许共享的推荐策略,则检索该共享信息服务器的第二推荐策略数据库,如果找到匹配的推荐策略,则按照策略,检索共享信息服务器的第二资源
信息数据库,找到匹配的资源,将推荐策略和匹配的资源结果返回给查询 的发起终端。
较佳地,本发明的个性化服务推荐方法,还包括下列步骤
步骤E,本地终端用户根据推荐效果,通过用户控制接口,优化推荐策略,提升推荐效果;
本地终端用户根据推荐效果,执行操作12,通过用户控制接口,优化推荐策略,提升推荐效果。
步骤F,终端用户根据使用效果,配置信息共享策略和共享信息的获取策略,提升推荐效果。
终端用户根据使用效果,执行操作13,通过用户控制接口,配置信息共享策略和共享信息的获取策略,提升推荐效果。
本发明的个性化服务推荐***和方法,与现有的个性化服务推荐***和方法相比,主要具有如下优点:
1.现有的个性化服务推荐***和方法,对于涉及用户隐私信息的用户描述文件有三种存放位置:客户端、服务器和代理。将用户描述文件存放在客户端,能够有效的保护用户隐私信息,并且用户描述文件可以在不同的应用之间共享,但只能进行基于内容的过滤,限制了推荐能力。其他两种方法,都需要将用户描述文件存放在用户终端以外的位置,对用户的隐私信息构成了潜在的威胁。本发明所述***和方法能够解决上述问题。一方面,用户信息、资源信息和推荐策略只存储在用户终端,可以避免用户隐私信息的外泄。另一方面,用户之间可以通过显式控制,以P2P或者服务器的方式共享推荐策略和资源信息,从而同时实现基于内容的过滤和协作过滤。
2.现有的个性化服务推荐***和方法,都是针对Web应用的,一般基于B/S计算模式,只能对Web服务进行个性化推荐。本发明的基于终端的个性化服务推荐***和方法,针对终端应用,基于本地计算模式,不仅能够将Web服务纳入推荐范围,而且能够将本地服务和周围服务都纳入推荐范围,扩展了推荐范围。
3.现有的个性化服务推荐***和方法,能够不受任何限制的应用于本发明的***中,因为本地浏览器作为一种本地资源纳入本发明***的推荐范围。例如,当侦测到用户将进行网络搜索时,将启动浏览器,并自动连接用户经常使用的搜索引擎,例如Google,从而用户可以使用其提供的个性化推荐服务。
以上对本发明的具体实施例进行了描述和说明,这些实施例应被认为其只是示例性的,并不用于对本发明进行限制,本发明应根据所附的权利要求进行解释。
Claims (8)
1.一种个性化服务推荐***,包括至少一个终端,其特征在于,所述终端包括:用户信息收集器、用户信息数据库、用户行为分析器、资源信息数据库、推荐策略数据库、上下文感知处理器、信息共享管理器以及个性化推荐处理器,其中:
所述用户信息收集器,用于监控用户在终端上进行的各种操作的信息,以收集终端的原始用户数据,将该原始用户数据进行预处理后得到用户信息,将所述用户信息存入用户信息数据库,并在用户信息数据库发生更新后向用户行为分析器发送触发消息;
所述用户信息数据库,用于存放由所述用户信息收集器输出的用户信息,供用户行为分析器进行用户行为分析;
所述用户行为分析器,用于在收到所述触发消息后,扫描所述用户信息数据库,从中提取新的资源信息,记入资源信息数据库,计算新的推荐策略,记入推荐策略数据库;
所述资源信息数据库,用于存放由所述用户行为分析器分析产生的资源信息;
所述推荐策略数据库,用于存放由所述用户行为分析器生成的推荐策略,并将该推荐策略用于个性化推荐处理器生成推荐服务;
所述上下文感知处理器,用于感知用户的当前的上下文,从用户信息数据库实时地提取用户信息,从中查询虚拟***代表用户和虚拟环境代表用户的最新更新的记录条目和新增的记录条目,并根据感知到上下文的变化输出当前的上下文描述信息,向个性化推荐处理器发送触发消息;
所述个性化推荐处理器,用于接收来自上下文感知处理器的触发消息后,获得当前的上下文的信息,通过本地或者信息共享管理器检索推荐策略数据库,获得匹配的最优推荐策略,并按照最优推荐策略通过本地或者信息共享管理器检索资源信息数据库,匹配合适的资源信息,实时生成个性化推荐服务;
所述信息共享管理器,用于使不同终端之间共享资源信息和推荐策略,以及获取共享的资源信息和推荐策略。
2.根据权利要求1所述的个性化服务推荐***,其特征在于,还包括共享信息服务器和用户控制接口,其中:
所述共享信息服务器,用于对于基于共享信息服务器的方式的信息共享时,存放终端用户允许并上传的资源信息和推荐策略,供其他终端用户检索并下载使用;
所述用户控制接口,用于调整推荐策略以及对信息共享管理器进行配置和管理,以及控制信息共享管理器。
3.根据权利要求2所述的个性化服务推荐***,其特征在于,所述信息共享管理器的信息共享通过以下两种方式实现:一种是P2P方式,在用户终端之间点对点的共享;另一种是基于共享信息服务器的方式,用户将共享信息存储到共享信息服务器上,供其他用户查询使用。
4.根据权利要求1所述的个性化服务推荐***,其特征在于,所述个性化推荐处理器,能够同时支持个性化服务推荐中的基于规则的过滤、基于内容的过滤和协作过滤。
5.根据权利要求1所述的个性化服务推荐***,其特征在于,所述用户信息收集器和上下文感知处理器是作为独立的程序或者程序模块同时运行。
6.一种个性化服务推荐方法,其特征在于,包括步骤:
步骤A、用户信息收集器监控用户在终端上进行的各种操作的信息,以收集终端的原始用户数据,将所述原始用户数据进行预处理后得到用户信息,将所述用户信息存入用户信息数据库,若用户信息数据库发生更新,则启动用户行为分析器进行分析;
步骤B、用户行为分析器扫描用户信息数据库,从中提取新的资源信息并记入资源信息数据库,计算新的推荐策略并记入推荐策略数据库;
步骤C、上下文感知处理器感知用户的当前的上下文,从用户信息数据库实时地提取用户信息,从中查询虚拟***代表用户和虚拟环境代表用户的最新更新的记录条目和新增的记录条目,并根据感知到上下文的变化输出当前的上下文描述信息,启动个性化推荐处理器;
步骤D、个性化推荐处理器,用于接收来自上下文感知处理器的当前的上下文描述信息后,获得当前的上下文的信息,通过本地或者信息共享管理器检索推荐策略数据库,获得匹配的最优推荐策略,并按照推荐策略通过本地或者信息共享管理器检索资源信息数据库,匹配合适的资源信息,实时生成个性化推荐服务。
7.根据权利要求6所述的个性化服务推荐方法,其特征在于,所述步骤D包括步骤:
步骤D1、个性化推荐处理器以当前的上下文描述信息作为输入,并检索本地终端的第一推荐策略数据库,如果找到匹配的推荐策略,则按照策略,检索本地终端的第一资源信息数据库,找到匹配的资源信息;
步骤D2、若匹配失败,个性化推荐处理器向信息共享管理器发送查询请求,等待响应;
步骤D3、信息共享管理器向可连接的第二终端或者共享信息服务器发送查询请求,并等待响应;
步骤D4、可连接的第二终端或者共享信息服务器的信息共享管理器接受查询请求,以当前的上下文描述信息作为输入,检索并匹配推荐策略和资源信息;
步骤D5、本地的信息共享管理器接收到响应消息,更新资源信息数据库和推荐策略数据库,并向个性化推荐处理器发送一个触发消息,启动个性化推荐处理器运行,实时生成个性化推荐服务。
8.根据权利要求6所述的个性化服务推荐方法,其特征在于,还包括步骤:
步骤E、本地终端用户根据推荐效果,通过用户控制接口,优化推荐策略,提升推荐效果;
步骤F、终端用户根据使用效果,配置信息共享策略和共享信息的获取策略,提升推荐效果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2008101164770A CN101334792B (zh) | 2008-07-10 | 2008-07-10 | 一种个性化服务推荐***和方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2008101164770A CN101334792B (zh) | 2008-07-10 | 2008-07-10 | 一种个性化服务推荐***和方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101334792A CN101334792A (zh) | 2008-12-31 |
CN101334792B true CN101334792B (zh) | 2011-01-12 |
Family
ID=40197390
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2008101164770A Expired - Fee Related CN101334792B (zh) | 2008-07-10 | 2008-07-10 | 一种个性化服务推荐***和方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101334792B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104202339A (zh) * | 2014-09-24 | 2014-12-10 | 广西大学 | 一种基于用户行为的跨云认证服务方法 |
CN105608121A (zh) * | 2015-12-14 | 2016-05-25 | 东软集团股份有限公司 | 一种个性化推荐方法及装置 |
CN105630989A (zh) * | 2015-12-25 | 2016-06-01 | 北京东方长盈信息技术有限责任公司 | 一种理财产品全域推荐*** |
Families Citing this family (56)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102439582A (zh) * | 2009-03-20 | 2012-05-02 | 剥离技术公司 | 基于设备的控制*** |
CN102194183B (zh) * | 2010-03-04 | 2015-09-16 | 深圳市腾讯计算机***有限公司 | 支持多个推广活动协同实施的服务推广***及方法 |
US9680886B2 (en) | 2010-03-22 | 2017-06-13 | Peel Technologies, Inc. | Internet enabled universal remote control system |
US20110257957A1 (en) * | 2010-04-15 | 2011-10-20 | Htc Corporation | Personalized information service method and information platform |
CN102063453A (zh) * | 2010-05-31 | 2011-05-18 | 百度在线网络技术(北京)有限公司 | 一种用于基于用户的需求进行搜索的方法和设备 |
CN102279856B (zh) | 2010-06-09 | 2013-10-02 | 阿里巴巴集团控股有限公司 | 一种网站导航实现方法及*** |
CN102279851B (zh) | 2010-06-12 | 2017-05-03 | 阿里巴巴集团控股有限公司 | 一种智能导航方法、装置和*** |
CN101883107B (zh) | 2010-06-18 | 2014-06-04 | 华为技术有限公司 | 实现上下文感知业务应用的方法和相关装置 |
CN101895547A (zh) * | 2010-07-16 | 2010-11-24 | 浙江大学 | 一种基于不确定服务的推荐***及方法 |
EP2619999A4 (en) * | 2010-09-21 | 2017-11-15 | Nokia Technologies Oy | Method and apparatus for collaborative context recognition |
US20120096435A1 (en) * | 2010-10-18 | 2012-04-19 | Microsoft Corporation | Capability-based application recommendation |
CN102573102A (zh) * | 2010-12-30 | 2012-07-11 | 上海博泰悦臻电子设备制造有限公司 | 行为特征数据的提供方法及提供装置 |
CN102546973A (zh) * | 2011-01-04 | 2012-07-04 | 中兴通讯股份有限公司 | 上下文信息应用的方法及装置 |
CN102681886A (zh) * | 2011-04-14 | 2012-09-19 | 天脉聚源(北京)传媒科技有限公司 | 一种移动设备上用户行为追踪的方法和*** |
CN103620595A (zh) * | 2011-04-29 | 2014-03-05 | 诺基亚公司 | 用于情境感知角色建模和推荐的方法和装置 |
CN109597945B (zh) * | 2011-07-20 | 2023-05-02 | 电子湾有限公司 | 用于产生位置感知推荐的方法 |
CN102982286A (zh) * | 2011-09-06 | 2013-03-20 | 海尔集团公司 | 普适计算环境下cbr的隐私策略的生成方法及*** |
CN102298650B (zh) * | 2011-10-18 | 2012-12-19 | 东莞市巨细信息科技有限公司 | 一种海量数字信息的分布式推荐方法 |
CN102609460B (zh) * | 2012-01-13 | 2015-02-04 | 中国科学院计算技术研究所 | 微博客数据采集方法及*** |
CN103218719B (zh) | 2012-01-19 | 2016-12-07 | 阿里巴巴集团控股有限公司 | 一种电子商务网站导航方法及*** |
JP5702317B2 (ja) * | 2012-02-15 | 2015-04-15 | 株式会社オプティム | 営業販売促進サーバ、営業販売促進方法及び、営業販売促進プログラム |
CN102663019B (zh) * | 2012-03-21 | 2017-06-20 | 北京英孚斯迈特信息技术有限公司 | 一种即时推荐*** |
CN102708455A (zh) * | 2012-05-15 | 2012-10-03 | 深圳供电局有限公司 | 纠正与预防问题的管理***及管理方法 |
CN103632278A (zh) * | 2012-08-21 | 2014-03-12 | 镇江雅迅软件有限责任公司 | 一种基于上下文信息的多策略商品推荐*** |
CN102801817B (zh) * | 2012-09-07 | 2015-07-15 | 深圳市学之泉集团有限公司 | 基于用户上下文的推送方法及装置 |
CN103810202B (zh) * | 2012-11-13 | 2016-03-30 | 腾讯科技(深圳)有限公司 | 数据收集方法及数据收集*** |
CN103220289A (zh) * | 2013-04-15 | 2013-07-24 | 北京京东尚科信息技术有限公司 | 基于web应用的资源验证***和方法 |
CN103226774A (zh) * | 2013-04-25 | 2013-07-31 | 中国科学技术大学 | 一种信息交互*** |
CN103260061B (zh) * | 2013-05-24 | 2015-11-18 | 华东师范大学 | 一种上下文感知的iptv节目推荐方法 |
CN103457840B (zh) * | 2013-09-09 | 2017-01-11 | 中国农业银行股份有限公司 | 一种信息共享***及信息共享方法 |
CN103559197A (zh) * | 2013-09-23 | 2014-02-05 | 浙江大学 | 基于上下文预过滤的实时音乐推荐方法 |
CN103955359A (zh) * | 2014-03-25 | 2014-07-30 | 西安乾易企业管理咨询有限公司 | 移动终端应用和信息的自动推送方法及*** |
KR102277772B1 (ko) | 2014-04-30 | 2021-07-14 | 삼성전자주식회사 | 모바일 기기에서 데이터를 통합 관리하는 장치 및 방법과, 그 모바일 기기 |
CN105095781B (zh) * | 2014-05-12 | 2018-07-24 | 宇龙计算机通信科技(深圳)有限公司 | 一种应用程序访问权限提醒***及方法 |
CN104809107A (zh) * | 2015-05-18 | 2015-07-29 | 中国科学院自动化研究所 | 基于上下文转换向量模型的推荐方法和*** |
CN105159366B (zh) * | 2015-09-21 | 2017-04-05 | 北京农业信息技术研究中心 | 一种适于温室环境监控***的用户行为采集方法 |
CN106603601A (zh) * | 2015-10-15 | 2017-04-26 | 阿里巴巴集团控股有限公司 | 服务处理方法、装置、***及终端设备 |
CN105897676A (zh) * | 2015-12-01 | 2016-08-24 | 乐视网信息技术(北京)股份有限公司 | 处理用户的资源访问行为的方法及装置 |
CN106227900A (zh) * | 2016-09-06 | 2016-12-14 | 北京易游华成科技有限公司 | 景点推荐设备、方法及*** |
CN106503073A (zh) * | 2016-09-30 | 2017-03-15 | 刘兴兵 | 任务处理方法、任务处理装置及移动智能终端 |
CN107947956A (zh) * | 2016-10-13 | 2018-04-20 | 深圳市中兴微电子技术有限公司 | 分析用户操作行为的方法、网关设备、服务器及*** |
CN107038051B (zh) * | 2017-04-27 | 2020-08-04 | 新华三信息技术有限公司 | 一种bios配置项推荐方法及装置 |
US20190045013A1 (en) * | 2017-08-05 | 2019-02-07 | Piiipo Inc. | System and method for forming a network with integrated managerial positions and task placement |
CN108121770B (zh) * | 2017-11-30 | 2021-09-14 | 南京南邮信息产业技术研究院有限公司 | 一种基于移动端大数据的信息分类装置 |
CN108170462B (zh) * | 2017-12-26 | 2020-09-22 | 深圳豪客互联网有限公司 | 一种功能推荐表组维护方法及*** |
CN109740017A (zh) * | 2018-12-14 | 2019-05-10 | 北京字节跳动网络技术有限公司 | 推荐信息的即时反馈方法及装置 |
CN110059249B (zh) | 2019-04-03 | 2022-11-25 | 华为技术有限公司 | 个性化推荐的方法、终端设备和*** |
CN110321479B (zh) * | 2019-05-27 | 2021-07-20 | 哈尔滨工业大学(深圳) | 一种隐私保护移动服务推荐方法及客户端、推荐*** |
CN110348958A (zh) * | 2019-06-28 | 2019-10-18 | 中信百信银行股份有限公司 | 一种个性化推荐方法和*** |
CN112417310B (zh) * | 2019-08-21 | 2023-10-03 | 上海掌门科技有限公司 | 建立智能服务索引以及推荐智能服务的方法 |
CN110929086A (zh) * | 2019-12-20 | 2020-03-27 | 腾讯科技(深圳)有限公司 | 一种音视频推荐方法、装置及存储介质 |
CN111274481A (zh) * | 2020-01-19 | 2020-06-12 | 咪咕视讯科技有限公司 | 个性化环境场景提供方法、装置、电子设备及存储介质 |
CN111439268B (zh) * | 2020-03-31 | 2023-03-14 | 重庆长安汽车股份有限公司 | 一种主动提供个性化服务的方法、装置、云端服务器及汽车 |
CN113469704A (zh) * | 2021-06-10 | 2021-10-01 | 云南电网有限责任公司 | 一种自动推荐客户服务策略的***和方法 |
CN114338814B (zh) * | 2022-03-03 | 2022-06-28 | 广州卓远虚拟现实科技有限公司 | 基于区块链的数据共享处理方法及*** |
CN114662006B (zh) * | 2022-05-23 | 2022-09-02 | 阿里巴巴达摩院(杭州)科技有限公司 | 端云协同推荐***、方法以及电子设备 |
-
2008
- 2008-07-10 CN CN2008101164770A patent/CN101334792B/zh not_active Expired - Fee Related
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104202339A (zh) * | 2014-09-24 | 2014-12-10 | 广西大学 | 一种基于用户行为的跨云认证服务方法 |
CN104202339B (zh) * | 2014-09-24 | 2018-01-05 | 广西大学 | 一种基于用户行为的跨云认证服务方法 |
CN105608121A (zh) * | 2015-12-14 | 2016-05-25 | 东软集团股份有限公司 | 一种个性化推荐方法及装置 |
CN105608121B (zh) * | 2015-12-14 | 2020-09-25 | 东软集团股份有限公司 | 一种个性化推荐方法及装置 |
CN105630989A (zh) * | 2015-12-25 | 2016-06-01 | 北京东方长盈信息技术有限责任公司 | 一种理财产品全域推荐*** |
Also Published As
Publication number | Publication date |
---|---|
CN101334792A (zh) | 2008-12-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101334792B (zh) | 一种个性化服务推荐***和方法 | |
CN110462604B (zh) | 基于设备使用关联互联网设备的数据处理***和方法 | |
US10423686B2 (en) | Adaptable real-time feed for site population | |
US6434548B1 (en) | Distributed metadata searching system and method | |
Chitraa et al. | A survey on preprocessing methods for web usage data | |
JP2021108183A (ja) | 意図推薦方法、装置、機器及び記憶媒体 | |
CN102224520B (zh) | 与目标站点相关联地提供建议站点 | |
CN100483407C (zh) | 文档信息管理***和文档信息管理方法 | |
Liang et al. | Search engine for the internet of things: Lessons from web search, vision, and opportunities | |
CN101808102B (zh) | 一种基于云计算的操作记录追踪***和方法 | |
CN101652777A (zh) | 使用环境配置的查询生成 | |
CN101796752A (zh) | 无限企业平台 | |
CN102930025A (zh) | 用于处理大数据的属性和区间的***和方法 | |
CN102037481A (zh) | 用于检测行为模式的方法及设备 | |
US20130283274A1 (en) | Method and system for discovering and activating an application in a computer device | |
CN102117331B (zh) | 视频搜索方法及*** | |
JP5537428B2 (ja) | ワイヤレス通信ネットワークを通じた検索インデックス断片の標的設定した配信 | |
CN102737021A (zh) | 搜索引擎及其实现方法 | |
CN102063454A (zh) | 一种搜索与应用相结合的方法和设备 | |
AlZu'bi et al. | A multi-levels geo-location based crawling method for social media platforms | |
CN104348628A (zh) | 获取本机Root权限的方法和装置 | |
KR100714504B1 (ko) | 유무선 인터넷을 이용한 개인 단말의 컨텐츠 검색 시스템및 방법 | |
CN1271812C (zh) | 无线设备同步***及方法 | |
CN102325143A (zh) | 一种基于云平台的信息收集存储和加密检索*** | |
KR100840019B1 (ko) | 사용자의 스케쥴 정보를 이용하여 광고를 제공하는 방법 및시스템 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20110112 |