CN102682005A - 偏好类目的确定方法及装置 - Google Patents
偏好类目的确定方法及装置 Download PDFInfo
- Publication number
- CN102682005A CN102682005A CN2011100582117A CN201110058211A CN102682005A CN 102682005 A CN102682005 A CN 102682005A CN 2011100582117 A CN2011100582117 A CN 2011100582117A CN 201110058211 A CN201110058211 A CN 201110058211A CN 102682005 A CN102682005 A CN 102682005A
- Authority
- CN
- China
- Prior art keywords
- preference
- classification
- commodity
- user
- attribute information
- 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.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
Landscapes
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Finance (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Transfer Between Computers (AREA)
Abstract
本申请公开了一种偏好类目的确定方法及装置,包括步骤:获取访问网站的用户的各访问属性的属性信息;针对获取到的属性信息,分别在属性信息与偏好类目的对应关系中,查找该属性信息对应的各偏好类目;根据查找到的各偏好类目,确定该用户在访问该网站时的偏好类目。采用本申请技术方案,解决了现有技术中存在的确定用户访问网站时的偏好类目的方法准确性及灵活性较低,浪费了网站处理***较多的处理资源的问题。
Description
技术领域
本申请涉及互联网信息处理技术领域,尤其涉及一种偏好类目的确定方法及装置。
背景技术
电子商务网站为用户提供了能够在网上实现交易的商品的商品信息,用户利用电子商务网站的资金结算***来购买商品,电子商务网站通过物流配送***将用户购买的商品配送给用户,这极大提高了用户购物的便利性。
当用户访问电子商务网站时,网站一般会在包含的所有类目中确定出该用户所偏好的类目(称为偏好类目),然后在用户打开的页面上将确定出的偏好类目推荐给该用户,以便用户在网站推荐的偏好类目所包含的各商品中可以顺利找到自己需要的商品,这就避免了用户盲目和繁琐的搜索过程。此外,网站也可以在确定出的各偏好类目所包含的商品中,选择出一些商品热度比较高的商品推荐给用户,在确定商品的商品热度时,一般根据商品在某个时间段内各操作行为的次数与各操作行为的权重值来确定,例如,确定商品在两天内的商品热度时,先确定该商品在两天内的各操作行为的次数,每个操作行为分别对应一个权重值,然后针对每个操作行为,将该操作行为的次数乘以对应的权重值,再将针对各操作行为得到的乘积相加,得到该商品在两天内的商品热度。
现有技术中,确定用户访问网站时的偏好类目的方法如图1所示,其具体处理流程如下:
步骤11,当用户访问网站时,在网站所包含的各商品中,确定在规定时间段内该用户发生操作行为的商品,其中点击浏览行为、收藏行为等均属于用户针对商品发生的操作行为;
步骤12,针对在该规定时间段内发生操作行为的每个商品,分别确定该商品所属的类目;
步骤13,针对确定出的每个类目,确定该用户的各操作行为的次数,例如确定出的类目为类目A和类目B,用户针对类目A中的各商品的点击浏览行为的次数为10次,收藏行为的次数为5次,针对类目B中的各商品的点击浏览行为的次数为20次,收藏行为的次数为12次;
步骤14,获取每个操作行为的权重值,例如预先针对点击浏览行为设置的权重值为1,针对收藏行为设置的权重值为5;
步骤15,针对确定出的每个类目,将每个操作行为的次数分别乘以该操作行为对应的权重值,再将得到的各乘积相加,得到该类目对应的归一化操作行为次数,例如对于类目A,点击浏览行为的次数为10次,收藏行为的次数为5次,点击浏览行为的权重值为1,收藏行为的权重值为5,则类目A对应的归一化操作行为次数为:10×1+5×5=20;
步骤16,将确定出的各类目按照归一化操作行为次数由大到小的顺序进行排序后,选择前规定数目个(例如前N个)类目;
步骤17,将选择出的类目确定为该用户访问该网站时的偏好类目。
由上可见,现有技术根据用户针对商品的操作行为的次数来确定用户访问网站时的偏好类目,但是若用户针对网站中各商品的操作行为的次数非常少,或者用户针对网站中各商品的操作行为都比较随机(例如用户经常没有目的性的胡乱点击商品链接),那么按照现有技术的方法确定出的偏好类目就不能准确地反映用户访问网站时的偏好,即现有的确定偏好类目的方法准确性较低,浪费了网站处理***较多的处理资源。此外,对于第一次访问网站的用户(即网站的新用户),由于新用户对网站中的商品不存在操作行为,因此现有的方法就不能确定新用户访问网站时的偏好类目,这就使得现有的确定偏好类目的方法灵活性较低。
发明内容
本申请实施例提供一种偏好类目确定方法及装置,用以解决现有技术中存在的确定用户访问网站时的偏好类目的方法准确性及灵活性较低,浪费了网站处理***较多的处理资源的问题。
本申请实施例技术方案如下:
一种偏好类目的确定方法,该方法包括步骤:获取访问网站的用户的各访问属性的属性信息;针对获取到的属性信息,分别在属性信息与偏好类目的对应关系中,查找该属性信息对应的各偏好类目;根据查找到的各偏好类目,确定该用户在访问该网站时的偏好类目。
一种偏好类目的确定装置,包括:获取单元,用于获取访问网站的用户的各访问属性的属性信息;第一查找单元,用于针对获取单元获取到的属性信息,分别在属性信息与偏好类目的对应关系中,查找该属性信息对应的各偏好类目;第一确定单元,用于根据第一查找单元查找到的各偏好类目,确定该用户在访问该网站时的偏好类目。
本申请实施例技术方案中,首先获取访问网站的用户的各访问属性的属性信息,然后针对获取到的每个属性信息,分别在属性信息与偏好类目的对应关系中,查找该属性信息对应的各偏好类目,再根据查找到的各偏好类目,确定该用户在访问该网站时的偏好类目,由上可见,本申请实施例技术方案不再根据用户的操作行为来确定用户访问网站时的偏好类目,而是根据用户的访问属性来确定,因此即使用户针对网站中各商品的操作行为的次数非常少,或者用户针对网站中各商品的操作行为都比较随机,也可以准确地确定出用户访问网站时的偏好类目,从而提高了确定偏好类目的准确性,节省了网站处理***较多的处理资源,此外,即使对于不存在操作行为的新用户,本申请实施例技术方案也能够根据新用户的访问属性确定出该新用户访问该网站时的偏好类目,从而有效地提高了确定偏好类目的灵活性。
附图说明
图1为现有技术中,确定偏好类目的方法流程示意图;
图2为本申请实施例一中,确定偏好类目的方法流程示意图;
图3为本申请实施例一中,基于属性信息的偏好类目统计实现方式示意图;
图4为本申请实施例一中,确定商品热度的方法流程示意图;
图5为本申请实施例二中,为用户提供推荐商品的商品信息的网络架构图;
图6为本申请实施例三中,偏好类目的确定装置结构示意图。
具体实施方式
下面结合各个附图对本申请实施例技术方案的主要实现原理、具体实施方式及其对应能够达到的有益效果进行详细地阐述。
实施例一
本申请实施例一提供了一种偏好类目的确定方法,如图2所示,其具体处理过程如下:
步骤21,获取访问网站的用户的各访问属性的属性信息;
若用户通过登录的方式访问网站,则用户可以称为该网站的老用户;若用户访问网站时未登录该网站,但是该用户之前访问过该网站,且该用户所使用的网页浏览器中存储有为该用户分配的、用于访问该网站的临时访问标识,此时该用户也称为网站的老用户,其中,网站为用户分配的临时访问标识一般存储在用户的网页浏览器的Cookie文件或者flash文件或者其他类型的身份识别文件中;若用户访问网站时未登录该网站,且该用户所使用的网页浏览器中未存储为该用户分配的、用于访问该网站的临时访问标识,则该用户为网站的新用户,一般新用户分为两种,一种是第一次访问网站的用户,因此网页浏览器中并没有存储临时访问标识,另一种是之前访问过该网站,但是清除了网页浏览器中的Cookie文件或者flash文件或者其他存储有临时访问标识的文件的用户,因此网页浏览器中也没有存储临时访问标识。
本申请实施例一提出,可以针对网站所有的用户,均通过用户的访问属性来确定偏好类目,也可以只针对网站的新用户,通过访问属性来确定偏好类目,而针对网站的老用户,通过用户针对网站中各商品的操作行为来确定偏好类目,此时,在获取用户的各访问属性的属性信息之前,还需要确定访问网站的用户为该网站的新用户,具体为:首先确定该用户未登录该网站,然后确定该用户所使用的网页浏览器中,未存储为该用户分配的、用于访问该网站的临时访问标识。
其中,上述访问属性可以但不限于包含下述至少一种属性:访问地址属性;访问场所属性;访问时间段属性;访问来源方式属性。
用户的访问地址属性是指用户访问网站时所处的地理位置,可以但不限于通过用户访问网站时所使用的互联网协议(IP,Internet Protocol)地址来确定,例如,根据用户访问网站时使用的IP地址确定出用户位于杭州市,则该用户的访问地址属性的属性信息为“杭州市”;
用户的访问场所属性是指用户在何种场所访问网站,例如学校、研究所、网吧、家庭、公司等;
用户的访问时间段属性是指用户访问网站时的时间段,划分用户的访问时间段的方式有多种,例如,将访问时间段划分为工作时间段(8点至18点)和非工作时间段(18点至8点),或者将访问时间段划分为工作日(周一至周五)和非工作日(周六和周日),或者将访问时间段划分为上午(6点至12点)、下午(12点至18点)和晚上(18点至6点);
用户的访问来源方式属性是指用户通过何种方式访问网站,例如用户通过搜索引擎搜索到该网站的网址信息,然后点击访问,或者用户在网页浏览器输入网站的网址信息后访问网站,或者用户通过导航网站提供的网址信息访问网站。
用户在访问网站时,会存在多个访问属性,可以但不限于根据其中的一个或多个访问属性的属性信息来确定用户访问该网站时的偏好类目。
步骤22,针对获取到的每个属性信息,分别在属性信息与偏好类目的对应关系中,查找该属性信息对应的各偏好类目;
本申请实施例一中,预先确定各属性信息对应的偏好类目,即进行基于属性信息的偏好类目统计,该偏好类目统计不是针对某一个用户,而是针对所有用户涉及到的属性信息进行偏好类目统计,主要统计各用户在访问该网站时的偏好类目和用户的各属性信息之间的对应关系,因此所有访问过网站的用户均为偏好类目统计的统计样本,如图3所示,其具体实现方式如下:
进行基于每个访问属性的偏好类目统计,例如基于访问地址属性的偏好类目统计、基于访问场所属性的偏好类目统计、基于访问时间段属性的偏好类目统计、基于访问来源方式属性的偏好类目统计等,在进行基于每个访问属性的偏好类目统计时,根据之前各用户在访问该网站时确定出的偏好类目,以及各用户在访问该网站时各访问属性的属性信息,确定各属性信息所对应的偏好类目,例如不同访问地址对应的偏好类目、不同访问场所对应的偏好类目、不同访问时间段对应的偏好类目、不同访问来源方式对应的偏好类目等。针对每个属性信息,得到该属性信息对应的各偏好类目后,还可以进一步计算每个偏好类目在该属性信息下的偏好度,可以但不限于根据该属性信息对应的各用户中,偏好类目中包含该偏好类目的用户的数量来计算偏好度,例如统计得到属性信息1对应的偏好类目为类目A、类目B和类目C,属性信息1对应的各用户中,偏好类目包含类目A的用户的数量为10个,偏好类目包含类目B的用户的数量为20个,偏好类目包含类目C的用户的数量为20个,则类目A在属性信息1下的偏好度为V1A=0.2,类目B在属性信息1下的偏好度为V1B=0.4,类目C在属性信息1下的偏好度为V1C=0.4。
由于基于访问属性的偏好类目统计具有很大的随机性,可能会出现统计样本的数量较少的情况,此时可以但不限于进行特征规律整理的操作,主要包括下述两种操作:1、专家审定与管理,运营专家根据多年的经验,对一些属性信息的用户可能偏好的类目进行审核与调整,例如,福建泉州陶瓷用品出口自古繁盛,运营专家通过统计发现在访问地址为“福建泉州”的用户中,“瓷器用品”这一类目大多为偏好类目,因此可以将该类目确定为“福建泉州”这一属性信息对应的偏好类目;2、非可用类目的剔除,当统计样本的数量较少时,统计得到的偏好类目可能是不准确的,因此,可以设定一个阀值(例如设为K),针对每个属性信息,在确定出的对应的偏好类目中,将偏好度小于K的偏好类目剔除。
经过特征规律整理操作就能够得到不同属性信息对应的各偏好类目,还可以进一步得到各偏好类目在各属性信息下的偏好度,其中本申请实施例一中提到的类目可以但不限于为叶子类目(位于类目结构中最底层的类目)。
统计得到的属性信息与偏好类目的对应关系可以但不限于如表1所示。
表1:
步骤23,根据查找到的各偏好类目,确定该用户在访问该网站时的偏好类目。
本申请实施例一中,可以直接将查找到的各偏好类目,确定为用户访问该网站时的偏好类目,也可以分别确定查找到的每个偏好类目的综合偏好度,然后选择出综合偏好度满足第一预设条件的偏好类目,将选择出的偏好类目,确定为该用户在访问该网站时的偏好类目,第一预设条件可以但不限于为:综合偏好度不小于第一规定阈值的偏好类目,或按照综合偏好度由高到低的顺序进行排序后的前第一规定数目个(例如前10个)偏好类目。
确定每个偏好类目的综合偏好度的实现方式可以但不限于为下述:
针对获取到的每个属性信息,分别确定该属性信息对应的每个偏好类目在该属性信息下的偏好度,然后针对查找到的每个偏好类目,根据该偏好类目在各属性信息下的偏好度,确定该偏好类目的综合偏好度。
其中,可以直接将偏好类目在各属性信息下的偏好度的和,确定为该偏好类目的综合偏好度,例如,类目A为属性信息1和属性信息2的偏好类目,其中类目A在属性信息1下的偏好度为V1A,在属性信息2下的偏好度为V2A,则类目A的综合偏好度为VA=V1A+V2A;也可以预先设置每个访问属性的偏好权重值,然后针对该偏好类目对应的每个属性信息,分别将该偏好类目在该属性信息下的偏好度与该属性信息对应的访问属性的偏好权重值的乘积,确定为该偏好类目在该属性信息下的权重偏好度,再将该偏好类目在各属性信息下的权重偏好度的和,确定为该偏好类目的综合偏好度,例如,预先设置的访问属性与偏好权重值的对应关系如表2所示:
表2:
访问属性 | 偏好权重值 |
访问地址属性 | W1 |
访问场所属性 | W2 |
访问时间段属性 | W3 |
访问来源方式属性 | W4 |
类目A为属性信息1和属性信息2的偏好类目,其中属性信息1为访问地址属性的属性信息,属性信息2为访问时间段属性的属性信息,类目A在属性信息1下的偏好度为V1A,在属性信息2下的偏好度为V2A,则类目A在属性信息1下的权重偏好度为V′1A=V1A×W1,类目A在属性信息2下的权重偏好度为V′2A=V2A×W3,类目A的综合偏好度为VA=V′1A+V′2A。
在确定出用户访问网站时的偏好类目后,可以直接将确定出的偏好类目的类目信息提供给用户,即将确定出的偏好类目的类目信息在用户打开的页面上进行显示,也可以针对确定出的每个偏好类目,在类目和推荐商品之间的对应关系中,查找该偏好类目对应的推荐商品,再将查找到的推荐商品的商品信息提供给用户,即将查找到的推荐商品的商品信息在用户打开的页面上进行显示。
其中各类目与推荐商品的对应关系是预先根据商品热度确定的,即先确定出各商品的商品热度,然后针对每个类目,在该类目所包含的各商品中,选择出商品热度满足第二预设条件的商品,并将选择出的商品,确定为该类目对应的推荐商品,其中第二预设条件可以但不限于为:商品热度不小于第二规定阈值的商品,或按照商品热度由高到低的顺序进行排序后的前第二规定数目个商品。
本申请实施例一可以按照现有技术的方法确定商品热度,但是现有技术确定商品热度的方法存在下述问题:现有技术在确定某一时间段内各商品的商品热度时,对于不在该时间段内的操作行为不予考虑,例如,确定商品在最近30天内的商品热度时,某商品在距离当前时间点31天时,存在大量的付款行为,但是该商品的这些付款行为并不在上述时间段的范围内,而且在最近30天内,该商品的操作行为的次数较少,那么确定出的商品热度就比较低,综上可见,按照现有技术的方法确定商品热度时的准确性较低。
为了提高确定商品热度的准确性,本申请实施例一提出了一种确定商品热度的方法,如图4所示,其具体处理过程如下:
步骤41,确定某商品在规定时间段内的商品热度时,首先获得该规定时间段内的日志记录,其中,可以周期性的确定商品热度,那么上述规定时间段就为每周期的时长;
用户在访问网站时,针对网站中的商品会存在各种操作行为,如点击浏览行为、站内留言行为、点击联系方式行为、收藏行为、下订单行为、付款行为、退款行为等,网页浏览器将用户的各种操作行为记录在日志记录中,日志记录的格式可以但不限于如表3所示:
表3:
网站周期性获取日志记录,周期可以进行设置,例如设置为一个月,在设置获取日志记录的周期和确定商品热度的周期时,可以但不限于设置为:获取日志记录的周期时长大于确定商品热度的周期时长,这样就不必每次确定商品热度时均要从网页浏览器中获取日志记录。
步骤42,针对每个商品,确定该商品在上述规定时间段内的归一化操作行为次数,具体为:首先根据获得的日志记录中包含的商品和操作行为之间的对应关系,确定该商品在上述规定时间段内的各操作行为的次数,然后根据确定出的各操作行为的次数以及各操作行为的行为权重值,确定该商品在上述规定时间段内的归一化操作行为次数。
预先设置每个操作行为的行为权重值,可以但不限于如表4所示:
表4:
操作行为 | 行为权重值 |
点击浏览行为 | 1 |
站内留言行为 | 3 |
点击联系方式行为 | 2 |
收藏行为 | 5 |
下订单行为 | 10 |
付款行为 | 5 |
退款行为 | -12 |
针对每个操作行为,先将该商品在上述规定时间段内的该操作行为的次数乘以该操作行为的行为权重值,得到该操作行为的操作行为权重次数,然后再将该商品对应的所有操作行为的操作行为权重次数相加,得到该商品的归一化操作行为次数,例如,商品A在上述规定时间段内的点击浏览行为的次数为10次,收藏行为的次数为5次,下订单行为的次数为3次,退款行为的次数为1次,则商品A在上述规定时间段内的归一化操作行为次数为10×1+5×5+3×10-1×12=53。
步骤43,根据上一次确定出的、该商品的商品热度,以及上述规定时间段对应的时间衰减因子,确定上一次确定出的商品热度对应的时间衰减热度,然后将该商品在所述规定时间段内的归一化操作行为次数与确定出的所述时间衰减热度的和,确定为该商品在所述规定时间段内的商品热度。
本申请实施例一中,预先设置时间衰减基本因子,假设时间衰减基本因子为a,若商品的商品热度从1衰减到0.01需要60天,则可以认为a60=0.01,时间衰减基本因子为a=0.9261,若商品的商品热度从1衰减到0.01需要m天,则可以认为am=0.01,由此可以计算出时间衰减基本因子,时间衰减基本因子表示商品热度在一天内的衰减情况。根据时间衰减基本因子,就可以确定出规定时间段内的时间衰减因子,若规定时间段为n天,则该规定时间段对应的时间衰减因子为an。
若商品在上述规定时间段内的商品热度为f,在上述规定时间段内的归一化操作行为次数为f2,上一次确定出的商品热度为f1,该规定时间段包含n天,对应的时间衰减因此为an,则该商品在上述规定时间段内的商品热度的计算方式如下:
f=f2+f1×an
其中f1×an为上一次确定出的商品热度对应的时间衰减热度。
在第一次确定商品热度时,在获得某段时间内的日志记录后,可以进行商品热度的初始化操作,具体为:从日志记录中提取出某段时间内用户的操作行为记录,将该时间段划分为各子时间段,例如每个子时间段对应一天,针对每个子时间段,将商品在该子时间段内的每个操作行为的次数分别乘以该操作行为的行为权重值,得到各操作行为在该子时间段内的操作行为权重次数,然后将各操作行为权重次数相加后,乘以该子时间段对应的时间衰减因子,得到商品在该子时间段内的归一化操作行为次数,将各子时间段的归一化操作行为次数相加,即为该商品对应的初始化后的商品热度。
本申请实施例一在确定商品热度时,考虑到了上一次确定出的商品热度,也就是考虑到了不在规定时间段内的操作行为,而且由于用户针对商品的操作行为的时间点不同,那么该操作行为对商品热度的贡献程度也不同,操作行为的时间点与当前时间点之间的距离越近,对商品热度的贡献程度也越大,因此本申请实施例一基于时间衰减的方式将上一次确定出的商品热度纳入到本次计算商品热度的过程中,这样就能够保证最近发生的操作行为对商品热度的贡献程度大于较早之前发生的操作行为对商品热度的贡献度,因此能够有效地提高确定商品热度的准确性。
现有技术中,如果访问网站的用户为新用户,则无法确定其偏好类目,可能直接向其推荐热卖的商品,这使得新用户的用户体验比较差,例如,中国幅员辽阔,最北边和最南边温差较大,位于黑龙江的用户在隆冬时节购买连衣裙的可能性较低,而这个时候位于海南的用户购买连衣裙的可能性就较大,但是现有技术针对所有新用户进行商品推荐时,都是千篇一律的推荐方式,即向所有新用户推荐相同的商品,这就使得新用户的体验较差。而本申请实施例一中,先根据新用户的访问属性确定该新用户的偏好类目,再确定偏好类目对应的推荐商品,将确定出的推荐商品的商品信息提供给用户,从而能够有效地提高新用户的用户体验。
由上述处理过程可知,本申请实施例技术方案中,首先获取访问网站的用户的各访问属性的属性信息,然后针对获取到的每个属性信息,分别在属性信息与偏好类目的对应关系中,查找该属性信息对应的各偏好类目,再根据查找到的各偏好类目,确定该用户在访问该网站时的偏好类目,由上可见,本申请实施例技术方案不再根据用户的操作行为来确定用户访问网站时的偏好类目,而是根据用户的访问属性来确定,因此即使用户针对网站中各商品的操作行为的次数非常少,或者用户针对网站中各商品的操作行为都比较随机,也可以准确地确定出用户访问网站时的偏好类目,从而提高了确定偏好类目的准确性,节省了网站处理***较多的处理资源,此外,即使对于不存在操作行为的新用户,本申请实施例技术方案也能够根据新用户的访问属性确定出该新用户访问该网站时的偏好类目,从而有效地提高了确定偏好类目的灵活性。
实施例二
如图5所示,本申请实施例二提出了一种为用户提供推荐商品的商品信息的网络架构图,其中分为数据模型层、数据层、应用功能层、对外服务接口,其中:
数据模型层主要负责计算各商品的商品热度,以及进行基于属性信息的偏好类目统计,数据层主要负责根据各商品的热度确定各类目对应的推荐商品,以及根据基于属性信息的偏好类目确定属性信息和偏好类目之间的对应关系,应用功能层主要负责识别访问网站的用户是否为新用户,当为新用户时,获取该用户的各访问属性的属性信息,然后查找各属性信息对应的偏好类目,再计算各偏好类目的综合偏好度,将查找到的各偏好类目根据综合偏好度由大到小的顺序进行排序后,选择前N个偏好类目,再根据各类目对应的推荐商品,确定选择出的偏好类目对应的推荐商品,将确定出的推荐商品的商品信息通过对外服务接口提供给用户,其中可以通过不同的服务通道将商品信息提供给用户。
实施例三
本申请实施例三提供一种偏好类目的确定装置,其结构如图6所示,包括获取单元61、第一查找单元62和第一确定单元63,其中
获取单元61,用于获取访问网站的用户的各访问属性的属性信息;
第一查找单元62,用于针对获取单元61获取到的每个属性信息,分别在属性信息与偏好类目的对应关系中,查找该属性信息对应的各偏好类目;
第一确定单元63,用于根据第一查找单元62查找到的各偏好类目,确定该用户在访问该网站时的偏好类目。
较佳地,所述偏好类目的确定装置还包括第二确定单元和第三确定单元,其中:
第二确定单元,用于在获取单元61获取访问网站的用户的各访问属性的属性信息之前,确定访问网站的用户未登录该网站;
第三确定单元,用于在第二确定单元确定出该用户未登录该网站时,确定该用户所使用的网页浏览器中,未存储为该用户分配的、用于访问所述网站的临时访问标识。
较佳地,所述第一确定单元63具体包括第一确定子单元、第一选择子单元和第二确定子单元,其中:
第一确定子单元,用于分别确定第一查找单元62查找到的每个偏好类目的综合偏好度;
第一选择子单元,用于选择出综合偏好度满足第一预设条件的偏好类目;
第二确定子单元,用于将第一选择子单元选择出的偏好类目,确定为该用户在访问该网站时的偏好类目。
更佳地,所述第一确定子单元具体包括第一确定模块和第二确定模块,其中:
第一确定模块,用于针对获取单元61获取到的每个属性信息,分别确定该属性信息对应的每个偏好类目在该属性信息下的偏好度;
第二确定模块,用于针对第一查找单元62查找到的每个偏好类目,根据该偏好类目在各属性信息下的偏好度,确定该偏好类目的综合偏好度。
更佳地,所述第二确定模块具体包括获得子模块、第一确定子模块和第二确定子模块,其中:
获得子模块,用于获得该用户的每个访问属性的偏好权重值;
第一确定子模块,用于针对第一查找单元62查找到的每个偏好类目对应的每个属性信息,分别将该偏好类目在该属性信息下的偏好度与该属性信息对应的访问属性的偏好权重值的乘积,确定为该偏好类目在该属性信息下的权重偏好度;
第二确定子模块,用于针对第一查找单元62查找到的每个偏好类目,将该偏好类目在各属性信息下的权重偏好度的和,确定为该偏好类目的综合偏好度。
较佳地,所述偏好类目的确定装置还包括第一提供单元,用于将第一确定单元63确定出的各偏好类目的类目信息提供给用户。
较佳地,所述偏好类目的确定装置还包括第四确定单元、第二查找单元和第二提供单元,其中:
第四确定单元,用于确定类目和推荐商品之间的对应关系;
第二查找单元,用于针对第一确定单元63确定出的每个偏好类目,在第四确定单元确定出的类目和推荐商品之间的对应关系中,查找该偏好类目对应的推荐商品;
第二提供单元,用于将第二查找单元查找到的推荐商品的商品信息提供给用户。
更佳地,所述第四确定单元具体包括第一获得子单元、第三确定子单元、第四确定子单元、第二获得子单元、第五确定子单元、第六确定子单元、第二选择子单元和第七确定子单元,其中:
第一获得子单元,用于获得规定时间段内的日志记录,所述日志记录中包含商品和操作行为之间的对应关系;
第三确定子单元,用于针对每个商品,分别根据第一获得子单元获得的日志记录中包含的商品和操作行为之间的对应关系,确定该商品在所述规定时间段内的各操作行为的次数;
第四确定子单元,用于针对每个商品,根据第三确定子单元确定出的各操作行为的次数以及各操作行为的行为权重值,确定该商品在所述规定时间段内的归一化操作行为次数;
第二获得子单元,用于针对每个商品,获得上一次确定出的、该商品的商品热度,以及所述规定时间段对应的时间衰减因子;
第五确定子单元,用于针对每个商品,根据上一次确定出的商品热度以及所述时间衰减因子,确定上一次确定出的商品热度对应的时间衰减热度;
第六确定子单元,用于针对每个商品,将第四确定子单元确定出的该商品在所述规定时间段内的归一化操作行为次数与第五确定子单元确定出的所述时间衰减热度的和,确定为该商品在所述规定时间段内的商品热度;
第二选择子单元,用于针对每个类目,在该类目包含的各商品中,选择出商品热度满足第二预设条件的商品;
第七确定子单元,用于针对每个类目,将第二选择子单元选择出的商品,确定为该类目对应的推荐商品。
本领域的技术人员应明白,本申请的实施例可提供为方法、装置(设备)、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、装置(设备)和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本申请的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样,倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内,则本申请也意图包含这些改动和变型在内。
Claims (19)
1.一种偏好类目的确定方法,其特征在于,包括:
获取访问网站的用户的各访问属性的属性信息;
针对获取到的属性信息,分别在属性信息与偏好类目的对应关系中,查找该属性信息对应的各偏好类目;
根据查找到的各偏好类目,确定该用户在访问该网站时的偏好类目。
2.如权利要求1所述的偏好类目的确定方法,其特征在于,获取访问网站的用户的各访问属性的属性信息之前,还包括:
确定访问网站的用户未登录该网站;以及
确定该用户所使用的网页浏览器中,未存储为该用户分配的、用于访问所述网站的临时访问标识。
3.如权利要求1所述的偏好类目的确定方法,其特征在于,所述访问属性包含下述至少一种属性:
访问地址属性;
访问场所属性;
访问时间段属性;
访问来源方式属性。
4.如权利要求1所述的偏好类目的确定方法,其特征在于,根据查找到的各偏好类目,确定该用户在访问该网站时的偏好类目,具体包括:
分别确定查找到的偏好类目的综合偏好度;
选择出综合偏好度满足第一预设条件的偏好类目;
将选择出的偏好类目,确定为该用户在访问该网站时的偏好类目。
5.如权利要求4所述的偏好类目的确定方法,其特征在于,分别确定查找到的偏好类目的综合偏好度,具体包括:
针对获取到的属性信息,分别确定该属性信息对应的每个偏好类目在该属性信息下的偏好度;
针对查找到的偏好类目,根据该偏好类目在各属性信息下的偏好度,确定该偏好类目的综合偏好度。
6.如权利要求5所述的偏好类目的确定方法,其特征在于,根据该偏好类目在各属性信息下的偏好度,确定该偏好类目的综合偏好度,具体包括:
获得该用户的访问属性的偏好权重值;
针对该偏好类目对应的属性信息,分别将该偏好类目在该属性信息下的偏好度与该属性信息对应的访问属性的偏好权重值的乘积,确定为该偏好类目在该属性信息下的权重偏好度;
将该偏好类目在各属性信息下的权重偏好度的和,确定为该偏好类目的综合偏好度。
7.如权利要求4所述的偏好类目的确定方法,其特征在于,所述第一预设条件为:
综合偏好度不小于第一规定阈值的偏好类目;或
按照综合偏好度由高到低的顺序进行排序后的前第一规定数目个偏好类目。
8.如权利要求1所述的偏好类目的确定方法,其特征在于,还包括:
将确定出的各偏好类目的类目信息提供给用户。
9.如权利要求1所述的偏好类目的确定方法,其特征在于,还包括:
针对确定出的偏好类目,在类目和推荐商品之间的对应关系中,查找该偏好类目对应的推荐商品;
将查找到的推荐商品的商品信息提供给用户。
10.如权利要求9所述的偏好类目的确定方法,其特征在于,类目和推荐商品之间的对应关系是通过下述方式确定的:
获得规定时间段内的日志记录,所述日志记录中包含商品和操作行为之间的对应关系;
针对所述商品,分别执行:
根据获得的日志记录中包含的商品和操作行为之间的对应关系,确定该商品在所述规定时间段内的各操作行为的次数;
根据确定出的各操作行为的次数以及各操作行为的行为权重值,确定该商品在所述规定时间段内的归一化操作行为次数;
获得上一次确定出的、该商品的商品热度,以及所述规定时间段对应的时间衰减因子;
根据上一次确定出的商品热度以及所述时间衰减因子,确定上一次确定出的商品热度对应的时间衰减热度;
将该商品在所述规定时间段内的归一化操作行为次数与确定出的所述时间衰减热度的和,确定为该商品在所述规定时间段内的商品热度;
针对所述类目,在该类目包含的各商品中,选择出商品热度满足第二预设条件的商品;并
将选择出的商品,确定为该类目对应的推荐商品。
11.如权利要求10所述的偏好类目的确定方法,其特征在于,所述第二预设条件为:
商品热度不小于第二规定阈值的商品;或
按照商品热度由高到低的顺序进行排序后的前第二规定数目个商品。
12.一种偏好类目的确定装置,其特征在于,包括:
获取单元,用于获取访问网站的用户的各访问属性的属性信息;
第一查找单元,用于针对获取单元获取到的属性信息,分别在属性信息与偏好类目的对应关系中,查找该属性信息对应的各偏好类目;
第一确定单元,用于根据第一查找单元查找到的各偏好类目,确定该用户在访问该网站时的偏好类目。
13.如权利要求12所述的偏好类目的确定装置,其特征在于,还包括:
第二确定单元,用于在获取单元获取访问网站的用户的各访问属性的属性信息之前,确定访问网站的用户未登录该网站;
第三确定单元,用于在第二确定单元确定出该用户未登录该网站时,确定该用户所使用的网页浏览器中,未存储为该用户分配的、用于访问所述网站的临时访问标识。
14.如权利要求12所述的偏好类目的确定装置,其特征在于,第一确定单元具体包括:
第一确定子单元,用于分别确定第一查找单元查找到的每个偏好类目的综合偏好度;
第一选择子单元,用于选择出综合偏好度满足第一预设条件的偏好类目;
第二确定子单元,用于将第一选择子单元选择出的偏好类目,确定为该用户在访问该网站时的偏好类目。
15.如权利要求14所述的偏好类目的确定装置,其特征在于,第一确定子单元具体包括:
第一确定模块,用于针对获取单元获取到的每个属性信息,分别确定该属性信息对应的每个偏好类目在该属性信息下的偏好度;
第二确定模块,用于针对第一查找单元查找到的每个偏好类目,根据该偏好类目在各属性信息下的偏好度,确定该偏好类目的综合偏好度。
16.如权利要求15所述的偏好类目的确定装置,其特征在于,第二确定模块具体包括:
获得子模块,用于获得该用户的每个访问属性的偏好权重值;
第一确定子模块,用于针对第一查找单元查找到的每个偏好类目对应的属性信息,分别将该偏好类目在该属性信息下的偏好度与该属性信息对应的访问属性的偏好权重值的乘积,确定为该偏好类目在该属性信息下的权重偏好度;
第二确定子模块,用于针对第一查找单元查找到的偏好类目,将该偏好类目在各属性信息下的权重偏好度的和,确定为该偏好类目的综合偏好度。
17.如权利要求12所述的偏好类目的确定装置,其特征在于,还包括:
第一提供单元,用于将第一确定单元确定出的各偏好类目的类目信息提供给用户。
18.如权利要求12所述的偏好类目的确定装置,其特征在于,还包括:
第四确定单元,用于确定类目和推荐商品之间的对应关系;
第二查找单元,用于针对第一确定单元确定出的每个偏好类目,在第四确定单元确定出的类目和推荐商品之间的对应关系中,查找该偏好类目对应的推荐商品;
第二提供单元,用于将第二查找单元查找到的推荐商品的商品信息提供给用户。
19.如权利要求18所述的偏好类目的确定装置,其特征在于,第四确定单元具体包括:
第一获得子单元,用于获得规定时间段内的日志记录,所述日志记录中包含商品和操作行为之间的对应关系;
第三确定子单元,用于针对所述商品,分别根据第一获得子单元获得的日志记录中包含的商品和操作行为之间的对应关系,确定该商品在所述规定时间段内的各操作行为的次数;
第四确定子单元,用于针对所述商品,根据第三确定子单元确定出的各操作行为的次数以及各操作行为的行为权重值,确定该商品在所述规定时间段内的归一化操作行为次数;
第二获得子单元,用于针对所述商品,获得上一次确定出的、该商品的商品热度,以及所述规定时间段对应的时间衰减因子
第五确定子单元,用于针对所述商品,根据上一次确定出的商品热度以及所述时间衰减因子,确定上一次确定出的商品热度对应的时间衰减热度;
第六确定子单元,用于针对所述商品,将第四确定子单元确定出的该商品在所述规定时间段内的归一化操作行为次数与第五确定子单元确定出的所述时间衰减热度的和,确定为该商品在所述规定时间段内的商品热度;
第二选择子单元,用于针对所述类目,在该类目包含的各商品中,选择出商品热度满足第二预设条件的商品;
第七确定子单元,用于针对所述类目,将第二选择子单元选择出的商品,确定为该类目对应的推荐商品。
Priority Applications (6)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2011100582117A CN102682005A (zh) | 2011-03-10 | 2011-03-10 | 偏好类目的确定方法及装置 |
TW100116695A TW201237665A (en) | 2011-03-10 | 2011-05-12 | Determining preferred categories based on user access attribute values |
US13/414,295 US20120233173A1 (en) | 2011-03-10 | 2012-03-07 | Determining preferred categories based on user access attribute values |
EP12754702.4A EP2684106A4 (en) | 2011-03-10 | 2012-03-08 | DETERMINING PREFERRED CATEGORIES BASED ON USER ACCESS ATTRIBUTE VALUES |
JP2013557867A JP5671633B2 (ja) | 2011-03-10 | 2012-03-08 | ユーザアクセス属性値に基づいた選好カテゴリの決定 |
PCT/US2012/028294 WO2012122384A1 (en) | 2011-03-10 | 2012-03-08 | Determining preferred categories based on user access attribute values |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2011100582117A CN102682005A (zh) | 2011-03-10 | 2011-03-10 | 偏好类目的确定方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN102682005A true CN102682005A (zh) | 2012-09-19 |
Family
ID=46797029
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2011100582117A Pending CN102682005A (zh) | 2011-03-10 | 2011-03-10 | 偏好类目的确定方法及装置 |
Country Status (6)
Country | Link |
---|---|
US (1) | US20120233173A1 (zh) |
EP (1) | EP2684106A4 (zh) |
JP (1) | JP5671633B2 (zh) |
CN (1) | CN102682005A (zh) |
TW (1) | TW201237665A (zh) |
WO (1) | WO2012122384A1 (zh) |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103106600A (zh) * | 2012-11-15 | 2013-05-15 | 深圳中兴网信科技有限公司 | 商品信息推送***和商品信息推送方法 |
CN103198120A (zh) * | 2013-04-02 | 2013-07-10 | 百度在线网络技术(北京)有限公司 | 网页呈现方法和装置以及网页内容提供方法和*** |
CN103248631A (zh) * | 2013-05-27 | 2013-08-14 | 百度在线网络技术(北京)有限公司 | 跨浏览器标识用户身份的方法、***、浏览器和服务器 |
CN103457944A (zh) * | 2013-08-27 | 2013-12-18 | 小米科技有限责任公司 | 信息推送方法、装置和服务器 |
CN103679497A (zh) * | 2012-09-20 | 2014-03-26 | 阿里巴巴集团控股有限公司 | 一种试用商品的派发方法及装置 |
CN103729387A (zh) * | 2012-10-16 | 2014-04-16 | 北京糯米网科技发展有限公司 | 数据推送方法及装置 |
CN104050174A (zh) * | 2013-03-12 | 2014-09-17 | 腾讯科技(深圳)有限公司 | 一种个性化页面生成方法及装置 |
WO2014194657A1 (zh) * | 2013-06-05 | 2014-12-11 | 北京京东尚科信息技术有限公司 | 产品信息推荐方法、装置和*** |
CN104281594A (zh) * | 2013-07-04 | 2015-01-14 | 阿里巴巴集团控股有限公司 | 用户覆盖量信息的提示方法及装置 |
CN104615677A (zh) * | 2015-01-20 | 2015-05-13 | 同济大学 | 一种图数据存取方法及*** |
CN104978523A (zh) * | 2014-11-06 | 2015-10-14 | 哈尔滨安天科技股份有限公司 | 一种基于网络热词识别的恶意样本捕获方法及*** |
CN106339393A (zh) * | 2015-07-09 | 2017-01-18 | 阿里巴巴集团控股有限公司 | 信息推送方法及装置 |
CN106919619A (zh) * | 2015-12-28 | 2017-07-04 | 阿里巴巴集团控股有限公司 | 一种商品聚类方法、装置及电子设备 |
TWI614620B (zh) * | 2014-05-13 | 2018-02-11 | 宏達國際電子股份有限公司 | 選擇方法、用於維護資料列表的方法以及電子裝置 |
CN108230057A (zh) * | 2016-12-09 | 2018-06-29 | 阿里巴巴集团控股有限公司 | 一种智能推荐方法及*** |
CN111563769A (zh) * | 2020-04-26 | 2020-08-21 | 北京深演智能科技股份有限公司 | 数据处理方法、装置、非易失性存储介质和处理器 |
CN111984854A (zh) * | 2019-05-23 | 2020-11-24 | 北京京东尚科信息技术有限公司 | 用于呈现类目信息的方法和装置 |
CN113824980A (zh) * | 2021-09-09 | 2021-12-21 | 广州方硅信息技术有限公司 | 视频推荐方法、***、装置及计算机设备 |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102542474B (zh) | 2010-12-07 | 2015-10-21 | 阿里巴巴集团控股有限公司 | 查询结果排序方法及装置 |
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 |
CN103544150B (zh) * | 2012-07-10 | 2016-03-09 | 腾讯科技(深圳)有限公司 | 为移动终端浏览器提供推荐信息的方法及*** |
US10528907B2 (en) * | 2012-12-19 | 2020-01-07 | Oath Inc. | Automated categorization of products in a merchant catalog |
US9524319B2 (en) | 2013-04-30 | 2016-12-20 | Wal-Mart Stores, Inc. | Search relevance |
US20140324851A1 (en) * | 2013-04-30 | 2014-10-30 | Wal-Mart Stores, Inc. | Classifying e-commerce queries to generate category mappings for dominant products |
US9524520B2 (en) | 2013-04-30 | 2016-12-20 | Wal-Mart Stores, Inc. | Training a classification model to predict categories |
JP5844337B2 (ja) * | 2013-11-13 | 2016-01-13 | 株式会社Agoop | 属性決定装置、通信端末、属性決定方法及びプログラム |
CN104899220B (zh) * | 2014-03-06 | 2021-06-25 | 腾讯科技(深圳)有限公司 | 应用程序推荐方法和*** |
US10510105B2 (en) * | 2016-06-10 | 2019-12-17 | Oath Inc. | Traveler recommendations |
US20210200753A1 (en) * | 2016-12-05 | 2021-07-01 | StrainTech Inc. | Strain Recommendation System and Method |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100076968A1 (en) * | 2008-05-27 | 2010-03-25 | Boyns Mark R | Method and apparatus for aggregating and presenting data associated with geographic locations |
US20100169340A1 (en) * | 2008-12-30 | 2010-07-01 | Expanse Networks, Inc. | Pangenetic Web Item Recommendation System |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AU769742B2 (en) * | 1999-03-02 | 2004-02-05 | Amway Corp. | Electronic commerce transactions within a marketing system that may contain a membership buying opportunity |
US6519571B1 (en) * | 1999-05-27 | 2003-02-11 | Accenture Llp | Dynamic customer profile management |
US20030074206A1 (en) * | 2001-03-23 | 2003-04-17 | Restaurant Services, Inc. | System, method and computer program product for utilizing market demand information for generating revenue |
JP2004348682A (ja) * | 2003-05-26 | 2004-12-09 | Toshiba Corp | 顧客情報分析システム、顧客情報分析用プログラム及び顧客情報分析方法 |
JP2005025460A (ja) * | 2003-07-01 | 2005-01-27 | Fuseeds Inc | サーバコンピュータおよびウェプページの提供方法 |
US20050267809A1 (en) * | 2004-06-01 | 2005-12-01 | Zhiliang Zheng | System, method and computer program product for presenting advertising alerts to a user |
US7773812B2 (en) * | 2005-04-11 | 2010-08-10 | Microsoft Corporation | Method and system for performing searches and returning results based on weighted criteria |
JP2008299542A (ja) * | 2007-05-30 | 2008-12-11 | Nippon Telegr & Teleph Corp <Ntt> | コンテンツ提供方法、コンテンツ提供装置、コンテンツ提供プログラムおよびコンテンツ提供システム |
US20100306198A1 (en) * | 2009-06-02 | 2010-12-02 | Cbs Interactive, Inc. | System and method for determining categories associated with searches of electronic catalogs and displaying category information with search results |
JP2011175362A (ja) * | 2010-02-23 | 2011-09-08 | Sony Corp | 情報処理装置、重要度算出方法及びプログラム |
US8566261B2 (en) * | 2010-12-17 | 2013-10-22 | Microsoft Corporation | Interactive recommendations |
-
2011
- 2011-03-10 CN CN2011100582117A patent/CN102682005A/zh active Pending
- 2011-05-12 TW TW100116695A patent/TW201237665A/zh unknown
-
2012
- 2012-03-07 US US13/414,295 patent/US20120233173A1/en not_active Abandoned
- 2012-03-08 EP EP12754702.4A patent/EP2684106A4/en not_active Withdrawn
- 2012-03-08 JP JP2013557867A patent/JP5671633B2/ja not_active Expired - Fee Related
- 2012-03-08 WO PCT/US2012/028294 patent/WO2012122384A1/en active Application Filing
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100076968A1 (en) * | 2008-05-27 | 2010-03-25 | Boyns Mark R | Method and apparatus for aggregating and presenting data associated with geographic locations |
US20100169340A1 (en) * | 2008-12-30 | 2010-07-01 | Expanse Networks, Inc. | Pangenetic Web Item Recommendation System |
Cited By (27)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103679497A (zh) * | 2012-09-20 | 2014-03-26 | 阿里巴巴集团控股有限公司 | 一种试用商品的派发方法及装置 |
CN103729387A (zh) * | 2012-10-16 | 2014-04-16 | 北京糯米网科技发展有限公司 | 数据推送方法及装置 |
CN103106600A (zh) * | 2012-11-15 | 2013-05-15 | 深圳中兴网信科技有限公司 | 商品信息推送***和商品信息推送方法 |
CN104050174B (zh) * | 2013-03-12 | 2018-10-02 | 腾讯科技(深圳)有限公司 | 一种个性化页面生成方法及装置 |
CN104050174A (zh) * | 2013-03-12 | 2014-09-17 | 腾讯科技(深圳)有限公司 | 一种个性化页面生成方法及装置 |
WO2014139436A1 (en) * | 2013-03-12 | 2014-09-18 | Tencent Technology (Shenzhen) Company Limited | Method and apparatus for generating personalized page |
CN103198120A (zh) * | 2013-04-02 | 2013-07-10 | 百度在线网络技术(北京)有限公司 | 网页呈现方法和装置以及网页内容提供方法和*** |
CN103198120B (zh) * | 2013-04-02 | 2016-08-31 | 百度在线网络技术(北京)有限公司 | 网页呈现方法和装置以及网页内容提供方法和*** |
CN103248631B (zh) * | 2013-05-27 | 2016-05-25 | 百度在线网络技术(北京)有限公司 | 跨浏览器标识用户身份的方法、***和浏览器 |
CN103248631A (zh) * | 2013-05-27 | 2013-08-14 | 百度在线网络技术(北京)有限公司 | 跨浏览器标识用户身份的方法、***、浏览器和服务器 |
RU2641268C2 (ru) * | 2013-06-05 | 2018-01-16 | Бэйцзин Цзиндун Шанкэ Информейшн Текнолоджи Ко., Лтд | Способ, устройство и система для рекомендации информации о продукте |
WO2014194657A1 (zh) * | 2013-06-05 | 2014-12-11 | 北京京东尚科信息技术有限公司 | 产品信息推荐方法、装置和*** |
CN104281594B (zh) * | 2013-07-04 | 2017-09-01 | 阿里巴巴集团控股有限公司 | 用户覆盖量信息的提示方法及装置 |
CN104281594A (zh) * | 2013-07-04 | 2015-01-14 | 阿里巴巴集团控股有限公司 | 用户覆盖量信息的提示方法及装置 |
CN103457944A (zh) * | 2013-08-27 | 2013-12-18 | 小米科技有限责任公司 | 信息推送方法、装置和服务器 |
TWI614620B (zh) * | 2014-05-13 | 2018-02-11 | 宏達國際電子股份有限公司 | 選擇方法、用於維護資料列表的方法以及電子裝置 |
CN104978523A (zh) * | 2014-11-06 | 2015-10-14 | 哈尔滨安天科技股份有限公司 | 一种基于网络热词识别的恶意样本捕获方法及*** |
CN104615677A (zh) * | 2015-01-20 | 2015-05-13 | 同济大学 | 一种图数据存取方法及*** |
CN104615677B (zh) * | 2015-01-20 | 2018-02-09 | 同济大学 | 一种图数据存取方法及*** |
CN106339393B (zh) * | 2015-07-09 | 2020-08-11 | 阿里巴巴集团控股有限公司 | 信息推送方法及装置 |
CN106339393A (zh) * | 2015-07-09 | 2017-01-18 | 阿里巴巴集团控股有限公司 | 信息推送方法及装置 |
CN106919619A (zh) * | 2015-12-28 | 2017-07-04 | 阿里巴巴集团控股有限公司 | 一种商品聚类方法、装置及电子设备 |
CN108230057A (zh) * | 2016-12-09 | 2018-06-29 | 阿里巴巴集团控股有限公司 | 一种智能推荐方法及*** |
CN111984854A (zh) * | 2019-05-23 | 2020-11-24 | 北京京东尚科信息技术有限公司 | 用于呈现类目信息的方法和装置 |
CN111563769A (zh) * | 2020-04-26 | 2020-08-21 | 北京深演智能科技股份有限公司 | 数据处理方法、装置、非易失性存储介质和处理器 |
CN111563769B (zh) * | 2020-04-26 | 2024-01-26 | 北京深演智能科技股份有限公司 | 数据处理方法、装置、非易失性存储介质和处理器 |
CN113824980A (zh) * | 2021-09-09 | 2021-12-21 | 广州方硅信息技术有限公司 | 视频推荐方法、***、装置及计算机设备 |
Also Published As
Publication number | Publication date |
---|---|
EP2684106A1 (en) | 2014-01-15 |
EP2684106A4 (en) | 2014-09-03 |
TW201237665A (en) | 2012-09-16 |
JP5671633B2 (ja) | 2015-02-18 |
US20120233173A1 (en) | 2012-09-13 |
JP2014510972A (ja) | 2014-05-01 |
WO2012122384A1 (en) | 2012-09-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102682005A (zh) | 偏好类目的确定方法及装置 | |
CN107526807B (zh) | 信息推荐方法及装置 | |
US20190026816A1 (en) | Time-division Recommendation Method and Apparatus for Service Objects | |
CN102722481B (zh) | 一种用户收藏夹数据的处理方法及搜索方法 | |
CN107451861B (zh) | 一种大数据下用户上网特征识别的方法 | |
CN109190043A (zh) | 推荐方法及装置,存储介质,电子设备及推荐*** | |
CN102054003B (zh) | 网络信息推荐、建立网络资源索引的方法及*** | |
US20140032264A1 (en) | Data refining engine for high performance analysis system and method | |
CN102855309B (zh) | 一种基于用户行为关联分析的信息推荐方法及装置 | |
TWI752303B (zh) | 營銷資訊投放平台建立方法及裝置 | |
CN105608117A (zh) | 一种信息推荐方法及装置 | |
Verma et al. | An intelligent approach to Big Data analytics for sustainable retail environment using Apriori-MapReduce framework | |
CN102479366A (zh) | 一种商品推荐方法及*** | |
CN103309894B (zh) | 基于用户属性的搜索实现方法及*** | |
CN102456058A (zh) | 类目信息提供方法及装置 | |
CN102999586A (zh) | 一种网站推荐的方法和装置 | |
CN104572863A (zh) | 一种产品推荐方法及*** | |
CN103116581A (zh) | 一种电子信息的推荐方法以及装置 | |
CN108830689A (zh) | 物品推荐方法、装置、服务器和存储介质 | |
CN103699603A (zh) | 一种基于用户行为的信息推荐方法和*** | |
CN104778237A (zh) | 一种基于关键用户的个性化推荐方法和*** | |
Wu et al. | How Web 1.0 fails: the mismatch between hyperlinks and clickstreams | |
CN103377240A (zh) | 信息提供方法、处理服务器及合并服务器 | |
CN106294410A (zh) | 一种个性化信息推送时间的确定方法及确定*** | |
Kumar et al. | Toward maximizing the visibility of content in social media brand pages: a temporal analysis |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 1170037 Country of ref document: HK |
|
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20120919 |
|
RJ01 | Rejection of invention patent application after publication | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: WD Ref document number: 1170037 Country of ref document: HK |