CN102929959A - 一种基于用户行为的图书推荐方法 - Google Patents

一种基于用户行为的图书推荐方法 Download PDF

Info

Publication number
CN102929959A
CN102929959A CN2012103820060A CN201210382006A CN102929959A CN 102929959 A CN102929959 A CN 102929959A CN 2012103820060 A CN2012103820060 A CN 2012103820060A CN 201210382006 A CN201210382006 A CN 201210382006A CN 102929959 A CN102929959 A CN 102929959A
Authority
CN
China
Prior art keywords
user
books
degree
label
interest
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.)
Granted
Application number
CN2012103820060A
Other languages
English (en)
Other versions
CN102929959B (zh
Inventor
廖建新
刘同存
张雷
赵贝尔
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Xinxun Digital Technology (Hangzhou) Co.,Ltd.
Original Assignee
Hangzhou Dongxin Beiyou Information Technology Co Ltd
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 Hangzhou Dongxin Beiyou Information Technology Co Ltd filed Critical Hangzhou Dongxin Beiyou Information Technology Co Ltd
Priority to CN201210382006.0A priority Critical patent/CN102929959B/zh
Publication of CN102929959A publication Critical patent/CN102929959A/zh
Application granted granted Critical
Publication of CN102929959B publication Critical patent/CN102929959B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

一种基于用户行为的图书推荐方法，包括有：根据用户在当前一天中对图书的浏览时间、访问次数、访问路径数、每条访问路径的访问次数、访问路径深度以及图书的内容字节数，计算出每位用户对其所浏览图书的用户-图书兴趣度；基于用户-图书兴趣度计算用户之间的相似度，并为目标用户选择若干个相似度高的邻居用户，然后将邻居用户已阅读而目标用户尚未阅读的图书向目标用户推荐。本发明属于移动互联网电子商务信息检索与处理技术领域，能根据用户的图书浏览行为来挖掘用户偏好，从而为用户提供更精准的图书推荐服务。

Description

一种基于用户行为的图书推荐方法
技术领域
本发明涉及一种基于用户行为的图书推荐方法，属于移动互联网电子商务信息检索与处理技术领域。 
背景技术
移动互联网络的高速发展及智能手机的普及极大方便了用户的网络应用，越来越多的用户开始***台的资源利用效率也在降低。传统的信息检索技术在一定程度上可以缓解这一问题，但需要用户提供关键词，并且对不同用户提供的同一关键词给出相同的检索结果。推荐***作为智能化的信息过滤技术已经成功应用于互联网电子商务***中，通过挖掘消费者的潜在偏好为其推荐符合其当前偏好的图书，从而有利于实施个性化营销方案，增强用户粘性。 
推荐***的成功应用引起了互联网新的变革，个性化的信息服务方式逐渐成为互联网运营商所密切关注的焦点。从整体上来说，推荐***包括用户潜在偏好挖掘和推荐服务两部分，其中用户偏好的挖掘成为推荐服务精确程度的关键所在，推荐服务主要包括协同过滤、内容匹配和关联规则推荐等方法。现有的推荐***一定程度上缓解了信息资源***引起的有效信息匮乏窘境，但仍存在诸多不足，主要体现在：①仅对用户浏览行为结果（如浏览时间、频率）进行分析，忽略了图书的本身特征及其在图书阅读平台中的布局、用户的访问轨迹等因素的影响；②使用的数据源过于单一，忽略了用户浏览/阅读过程中的其它操作行为信息，如标签的使用。 
因此，如何根据用户的图书浏览行为来挖掘用户偏好，从而为用户提供更精准的图书推荐服务？仍是一个急需要解决的技术难题。 
发明内容
有鉴于此，本发明的目的是提供一种基于用户行为的图书推荐方法，能根据用户的图书浏览行为来挖掘用户偏好，从而为用户提供更精准的图书推荐服务。 
为了达到上述目的，本发明提供了一种基于用户行为的图书推荐方法，所述方法包括有： 
步骤A、根据用户在当前一天中对图书的浏览时间、访问次数、访问路径数、每条访问路径的访问次数、访问路径深度以及图书的内容字节数，计算出每位用户对其所浏览图书的用户-图书兴趣度；
步骤C、基于用户-图书兴趣度计算用户之间的相似度，并为目标用户选择若干个相似度高的邻居用户，然后将邻居用户已阅读而目标用户尚未阅读的图书向目标用户推荐。 
与现有技术相比，本发明的有益效果是：本发明根据用户对图书的浏览时间、访问次数、访问路径数、每条访问路径的访问次数、访问路径深度以及图书的内容字节数，来计算用户-图书兴趣度，不仅对用户浏览行为信息（如浏览时间、频率）进行了分析，还考虑了图书的本身特征及其在图书阅读平台中的布局、用户的访问轨迹等因素的影响；进一步考虑了用户浏览图书过程中的标签使用行为，并根据计算出的用户-标签兴趣度对用户-图书兴趣度的值进行调整，从而能更准确的挖掘用户偏好；由于用户偏好随时间动态转移、历史兴趣随时间动态衰减，因此在计算用户在当前图书阅读平台访问过程中对图书、标签的兴趣度时，还考虑了用户的历史兴趣；根据用户-图书兴趣度来计算用户之间的相似度，并为每个目标用户选择与其相似度高的邻居用户，最后通过邻居用户已阅读而目标用户尚未阅读的图书的偏好值的计算，为目标用户形成符合其个人偏好的图书推荐集，从而实现为用户提供更精准的图书推荐服务。 
附图说明
图1是本发明一种基于用户行为的图书推荐方法流程图。 
图2是图1步骤A中，计算用户i对图书j的用户-图书兴趣度                                                   的具体操作流程图。 
图3是图1步骤B中，计算用户i对标签集中标签x的用户-标签兴趣度   
Figure 2012103820060100002DEST_PATH_IMAGE002
的具体操作流程图。 
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面结合附图和实施例对本发明作进一步的详细描述。 
如图1所示，本发明一种基于用户行为的图书推荐方法，包括有： 
步骤A、根据用户在当前一天中对图书的浏览时间、访问次数、访问路径数、每条访问路径的访问次数、访问路径深度以及图书的内容字节数，计算出每位用户对其所浏览图书的用户-图书兴趣度；
步骤B、将用户在当前一天中标注到图书上的所有标签构成用户标签集，并根据用户对标签的使用频率，计算出用户对标签集中每个标签的用户-标签兴趣度，然后根据图书上被用户标注的标签所对应的用户-标签兴趣度，调整用户-图书兴趣度，所述标签是由图书阅读平台的编辑根据每本图书内容所选择的部分能代表图书内容特征的关键词，用户可以从由所有标签构成的标签库中选择多个标签，并标注到其浏览的图书上；
步骤C、基于用户-图书兴趣度计算用户之间的相似度，并为目标用户选择若干个相似度高的邻居用户，然后将邻居用户已阅读而目标用户尚未阅读的图书向目标用户推荐。
如图2所示，图1步骤A中，用户i对图书j的用户-图书兴趣度   
Figure 178646DEST_PATH_IMAGE001
的计算进一步包括有： 
步骤A1、计算用户i对图书j的单字节总浏览时间：   
Figure 2012103820060100002DEST_PATH_IMAGE003
，其中是用户i在当前一天中对图书j的第m次访问时的浏览时间，M1是用户i在当前一天中对图书j的访问次数，
Figure 395994DEST_PATH_IMAGE005
是图书j的内容字节数；
步骤A2、计算用户i对图书j的单深度单路径总访问频率：   
Figure 2012103820060100002DEST_PATH_IMAGE004
，其中S1是用户i在当前一天中对图书j的非重复访问路径数（即用户从图书阅读平台首页到达图书j的非重复访问路径数，当用户通过同一条访问路径多次到达一本图书时，其非重复访问路径数仍为1），nk是用户i在当前一天中通过第    条访问路径到达图书j的访问次数，   
Figure 2012103820060100002DEST_PATH_IMAGE006
是第   
Figure 2012103820060100002DEST_PATH_IMAGE007
条访问路径深度（例如第   条访问路径为：首页-）热门图书-〉图书j时，则   
Figure 2012103820060100002DEST_PATH_IMAGE008
=2）；
步骤A3、计算用户i对图书j的单字节有效浏览时间：   
Figure 2012103820060100002DEST_PATH_IMAGE009
，当用户对图书在指定的阈值内（例如30分钟）无任何操作行为时，则此次访问为无效访问，否则为有效访问，   
Figure 2012103820060100002DEST_PATH_IMAGE010
和   
Figure 2012103820060100002DEST_PATH_IMAGE011
是在用户i对图书j进行有效访问时的浏览时间和访问次数，其中   
Figure 62475DEST_PATH_IMAGE010
是用户i在当前一天中对图书j的第l次有效访问时的浏览时间，   
Figure 129788DEST_PATH_IMAGE011
是用户i在当前一天中对图书j的有效访问次数；
步骤A4、计算用户i对图书j的单深度单路径有效访问频率：   
Figure 2012103820060100002DEST_PATH_IMAGE012
，其中   
Figure 2012103820060100002DEST_PATH_IMAGE013
、   、   
Figure 2012103820060100002DEST_PATH_IMAGE015
均是在用户i对图书j进行有效访问时的访问路径数、每条访问路径的访问次数和访问路径深度，   
Figure 944160DEST_PATH_IMAGE013
是用户在当前一天中对图书j进行有效访问的非重复访问路径数，   
Figure 766622DEST_PATH_IMAGE014
是用户i在当前一天中通过第   
Figure 2012103820060100002DEST_PATH_IMAGE016
条访问路径到达图书j进行有效访问的访问次数，   
Figure 2012103820060100002DEST_PATH_IMAGE017
是第   
Figure 486186DEST_PATH_IMAGE016
条有效访问路径深度； 
步骤A5、计算用户i对图书j的用户-图书兴趣度：   
Figure 2012103820060100002DEST_PATH_IMAGE018
；
步骤A6、查询数据库中是否保存有用户i对图书j的历史兴趣度   
Figure 2012103820060100002DEST_PATH_IMAGE019
？如果是，则从数据库中提取用户i对图书j的历史兴趣度   以及   
Figure 353965DEST_PATH_IMAGE019
对应的图书浏览日期，继续下一步；如果否，则将用户i对图书j的用户-图书兴趣度   
Figure 347328DEST_PATH_IMAGE001
和当前的图书浏览日期作为用户i对图书j的历史兴趣度   
Figure 2012103820060100002DEST_PATH_IMAGE020
和   
Figure 39341DEST_PATH_IMAGE020
对应的图书浏览日期，保存到数据库中，本流程结束；
由于用户对图书的兴趣具有随时间动态转移的特性，因此本发明在计算用户对图书的兴趣度时，还同时考虑了用户对该图书的历史兴趣度； 
步骤A7、更新用户i对图书j的用户-图书兴趣度：   
Figure 2012103820060100002DEST_PATH_IMAGE021
，其中   
Figure 2012103820060100002DEST_PATH_IMAGE022
是用户i对图书j的历史兴趣权重系数；
步骤A8、将数据库中用户i对图书j的历史兴趣度   
Figure 776353DEST_PATH_IMAGE019
和   
Figure 486689DEST_PATH_IMAGE019
对应的图书浏览日期更新成用户i对图书j的用户-图书兴趣度   和当前的图书浏览日期。
由于用户的历史兴趣随时间动态衰减，步骤A7中，   
Figure 158158DEST_PATH_IMAGE022
的计算还包括有： 
判断用户i对图书j的历史兴趣度   
Figure 433282DEST_PATH_IMAGE019
对应的图书浏览日期距离当前的图书浏览日期的时间间隔   
Figure 2012103820060100002DEST_PATH_IMAGE023
是否小于或等于2天？如果是，则   
Figure 76753DEST_PATH_IMAGE022
=0.5；如果否，则   
Figure 411919DEST_PATH_IMAGE022
=1/   
Figure 78524DEST_PATH_IMAGE023
。
如图3所示，图1步骤B中，用户i对标签集中标签x的用户-标签兴趣度   
Figure 157338DEST_PATH_IMAGE002
的计算进一步包括有： 
步骤B1、计算用户i对标签x的用户-标签兴趣度：   ，其中   
Figure 2012103820060100002DEST_PATH_IMAGE025
是用户i对标签x的使用频率（即使用次数），Y是用户i使用的标签总数；
步骤B2、判断用户i是否首次使用所述标签x？如果否，则从数据库中提取用户i对标签x的历史兴趣度   
Figure 2012103820060100002DEST_PATH_IMAGE026
以及   对应的标签使用日期，继续下一步；如果是，则将用户i对标签x的用户-标签兴趣度   
Figure 348334DEST_PATH_IMAGE002
和当前的标签使用日期作为用户i对标签x的历史兴趣度   
Figure 298973DEST_PATH_IMAGE026
和   对应的标签使用日期，保存到数据库中，本流程结束；
步骤B3、更新用户i对标签x的用户-标签兴趣度：   
Figure 2012103820060100002DEST_PATH_IMAGE027
，其中   是用户i对标签x的历史兴趣权重系数；
的计算还可以包括有：
判断用户i对标签x的历史兴趣度   
Figure 476510DEST_PATH_IMAGE026
对应的标签使用日期距离当前的标签使用日期的时间间隔   
Figure 2012103820060100002DEST_PATH_IMAGE029
是否小于或等于2天？如果是，则   =0.5；如果否，则   
Figure 538324DEST_PATH_IMAGE028
=1/   ；
步骤B4、将数据库中用户i对标签x的历史兴趣度   
Figure 124343DEST_PATH_IMAGE026
以及   
Figure 49574DEST_PATH_IMAGE026
对应的标签使用日期更新成用户i对标签x的用户-标签兴趣度   
Figure 460833DEST_PATH_IMAGE002
和当前的标签使用日期。
所述步骤B中，可以按如下公式对用户-图书兴趣度的值进行调整：   
Figure 2012103820060100002DEST_PATH_IMAGE030
，其中   
Figure 2012103820060100002DEST_PATH_IMAGE031
是图书浏览行为对用户偏好的权重值，   
Figure 2012103820060100002DEST_PATH_IMAGE032
是标签使用行为对用户偏好的权重值（例如：设定   
Figure 522330DEST_PATH_IMAGE031
、   
Figure 806680DEST_PATH_IMAGE032
的值均为0.5），   
Figure 2012103820060100002DEST_PATH_IMAGE033
是标签x的重要性值，其值可以用单位时间内用户对标签的有效使用频率表示，即   
Figure 2012103820060100002DEST_PATH_IMAGE034
，   表示用户i一次图书阅读平台的访问时间长度，   
Figure 2012103820060100002DEST_PATH_IMAGE036
表示用户i一次图书阅读平台访问过程中对标签x的有效使用频率，所述标签的有效使用是指用户相邻两次标签使用的时间大于一个指定阈值下的使用行为，以防止恶意使用标签行为对分析结果产生的影响。考虑到数据量的问题，用户对图书阅读平台的访问期以天为单位，即用户每天访问的总行为作为其一次图书阅读平台访问行为。 
所述步骤C中，用户之间的相似度可以采用pearson相似性度量方法，其计算公式如下： 
Figure 2012103820060100002DEST_PATH_IMAGE037
其中，   
Figure 2012103820060100002DEST_PATH_IMAGE038
是用户   
Figure 2012103820060100002DEST_PATH_IMAGE039
和   
Figure 2012103820060100002DEST_PATH_IMAGE040
的相似度，   是用户   
Figure 343841DEST_PATH_IMAGE039
和   共同浏览的图书集合，   
Figure 2012103820060100002DEST_PATH_IMAGE043
、   
Figure 2012103820060100002DEST_PATH_IMAGE044
分别是用户   
Figure 2012103820060100002DEST_PATH_IMAGE045
、   
Figure 2012103820060100002DEST_PATH_IMAGE046
对图书b的用户-图书兴趣度，   
Figure 2012103820060100002DEST_PATH_IMAGE047
、   
Figure 2012103820060100002DEST_PATH_IMAGE048
分别是用户
Figure 613642DEST_PATH_IMAGE041
、对其浏览的所有图书的用户-图书兴趣度的平均值。
本发明还可以进一步根据用户-图书兴趣度以及目标用户和邻居用户之间的相似度，对邻居用户已阅读而目标用户尚未阅读的图书的偏好值进行计算，其中目标用户对图书的偏好值的计算公式如下： 
Figure 2012103820060100002DEST_PATH_IMAGE049
是目标用户
Figure 350467DEST_PATH_IMAGE041
对图书j的偏好值，   
Figure 309523DEST_PATH_IMAGE047
、   
Figure 491105DEST_PATH_IMAGE048
分别是目标用户   
Figure 680778DEST_PATH_IMAGE045
、邻居用户   
Figure 580601DEST_PATH_IMAGE042
对其浏览的所有图书的用户-图书兴趣度的平均值，   
Figure 2012103820060100002DEST_PATH_IMAGE050
是邻居用户   对其浏览的图书j的用户-图书兴趣度，   
Figure 2012103820060100002DEST_PATH_IMAGE051
是目标用户   
Figure 635331DEST_PATH_IMAGE045
和邻居用户   
Figure 995905DEST_PATH_IMAGE040
之间的相似度，   
Figure 2012103820060100002DEST_PATH_IMAGE052
是目标用户   
Figure 383024DEST_PATH_IMAGE039
的邻居用户集合，可以根据计算的用户之间的相似度，选择与目标用户   相似度较高的若干用户作为目标用户   
Figure 643421DEST_PATH_IMAGE039
的邻居用户。
根据目标用户对图书的偏好值的高低，形成图书推荐列表，然后将图书推荐列表中目标用户明确不喜好或已重复推荐的图书进行过滤，并根据目标用户对图书所属类别的其它图书浏览情况对图书推荐列表的图书排序进行调整，其中属于目标用户经常阅读或浏览的图书种类则排序靠前，最后将图书推荐列表中排序靠前的若干图书作为最终的推荐图书集推荐给目标用户，从而向用户推荐符合其偏好的图书。 
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明保护的范围之内。 

Claims (12)

1.一种基于用户行为的图书推荐方法，其特征在于，所述方法包括有：
步骤A、根据用户在当前一天中对图书的浏览时间、访问次数、访问路径数、每条访问路径的访问次数、访问路径深度以及图书的内容字节数，计算出每位用户对其所浏览图书的用户-图书兴趣度；
步骤C、基于用户-图书兴趣度计算用户之间的相似度，并为目标用户选择若干个相似度高的邻居用户，然后将邻居用户已阅读而目标用户尚未阅读的图书向目标用户推荐。
2.根据权利要求1所述的方法，其特征在于，所述步骤A中，用户i对图书j的用户-图书兴趣度的计算进一步包括有：
步骤A1、计算用户i对图书j的单字节总浏览时间： 
Figure 2012103820060100001DEST_PATH_IMAGE001
，其中
Figure 559303DEST_PATH_IMAGE002
是用户i在当前一天中对图书j的第m次访问时的浏览时间，M1是用户i在当前一天中对图书j的访问次数，
Figure 152089DEST_PATH_IMAGE003
是图书j的内容字节数；
步骤A2、计算用户i对图书j的单深度单路径总访问频率： 
Figure 2012103820060100001DEST_PATH_IMAGE002
，其中S1是用户i在当前一天中对图书j的非重复访问路径数，nk是用户i在当前一天中通过第 条访问路径到达图书j的访问次数， 
Figure 2012103820060100001DEST_PATH_IMAGE004
是第 
Figure 2012103820060100001DEST_PATH_IMAGE005
条访问路径深度；
步骤A3、计算用户i对图书j的单字节有效浏览时间： 
Figure 2012103820060100001DEST_PATH_IMAGE006
，其中 
Figure DEST_PATH_IMAGE007
是用户i在当前一天中对图书j的第l次有效访问时的浏览时间， 
Figure 2012103820060100001DEST_PATH_IMAGE008
是用户i在当前一天中对图书j的有效访问次数；
步骤A4、计算用户i对图书j的单深度单路径有效访问频率： 
Figure DEST_PATH_IMAGE009
，其中 
Figure 2012103820060100001DEST_PATH_IMAGE010
是用户在当前一天中对图书j进行有效访问的非重复访问路径数， 
Figure DEST_PATH_IMAGE011
是用户i在当前一天中通过第 
Figure 2012103820060100001DEST_PATH_IMAGE012
条访问路径到达图书j进行有效访问的访问次数， 是第 
Figure 239411DEST_PATH_IMAGE012
条有效访问路径深度；
步骤A5、计算用户i对图书j的用户-图书兴趣度： 
Figure 2012103820060100001DEST_PATH_IMAGE014
。
3.根据权利要求2所述的方法，其特征在于，还包括有：
步骤A6、查询数据库中是否保存有用户i对图书j的历史兴趣度 
Figure DEST_PATH_IMAGE015
？如果是，则从数据库中提取用户i对图书j的历史兴趣度 
Figure 848247DEST_PATH_IMAGE015
以及 对应的图书浏览日期，继续下一步；如果否，则将用户i对图书j的用户-图书兴趣度 
Figure 2012103820060100001DEST_PATH_IMAGE016
和当前的图书浏览日期作为用户i对图书j的历史兴趣度 
Figure DEST_PATH_IMAGE017
和 
Figure 219371DEST_PATH_IMAGE017
对应的图书浏览日期，保存到数据库中，本流程结束；
步骤A7、更新用户i对图书j的用户-图书兴趣度： 
Figure 2012103820060100001DEST_PATH_IMAGE018
，其中 
Figure DEST_PATH_IMAGE019
是用户i对图书j的历史兴趣权重系数；
步骤A8、将数据库中用户i对图书j的历史兴趣度 和 
Figure 221142DEST_PATH_IMAGE015
对应的图书浏览日期更新成用户i对图书j的用户-图书兴趣度 和当前的图书浏览日期。
4.根据权利要求3所述的方法，其特征在于，所述步骤A7中， 
Figure 797934DEST_PATH_IMAGE019
的计算还包括有：
判断用户i对图书j的历史兴趣度 
Figure 936791DEST_PATH_IMAGE015
对应的图书浏览日期距离当前的图书浏览日期的时间间隔 
Figure 2012103820060100001DEST_PATH_IMAGE020
是否小于或等于2天？如果是，则 
Figure 520219DEST_PATH_IMAGE019
=0.5；如果否，则 
Figure 769935DEST_PATH_IMAGE019
=1/ 
Figure 755209DEST_PATH_IMAGE020
。
5.根据权利要求1所述的方法，其特征在于，在步骤A和步骤C之间，还包括有：
步骤B、将用户在当前一天中标注到图书上的所有标签构成用户标签集，并根据用户对标签的使用频率，计算出用户对标签集中每个标签的用户-标签兴趣度，然后根据图书上被用户标注的标签所对应的用户-标签兴趣度，调整用户-图书兴趣度。
6.根据权利要求5所述的方法，其特征在于，所述步骤B进一步包括有：
步骤B1、计算用户i对标签x的用户-标签兴趣度： 
Figure DEST_PATH_IMAGE021
，其中 
Figure 2012103820060100001DEST_PATH_IMAGE022
是用户i对标签x的使用频率，Y是用户i使用的标签总数。
7.根据权利要求6所述的方法，其特征在于，还包括有：
步骤B2、判断用户i是否首次使用所述标签x？如果否，则从数据库中提取用户i对标签x的历史兴趣度 
Figure DEST_PATH_IMAGE023
以及 
Figure 251918DEST_PATH_IMAGE023
对应的标签使用日期，继续下一步；如果是，则将用户i对标签x的用户-标签兴趣度 
Figure DEST_PATH_IMAGE024
和当前的标签使用日期作为用户i对标签x的历史兴趣度 
Figure 322642DEST_PATH_IMAGE023
和 
Figure 376049DEST_PATH_IMAGE023
对应的标签使用日期，保存到数据库中，本流程结束；
步骤B3、更新用户i对标签x的用户-标签兴趣度： ，其中 是用户i对标签x的历史兴趣权重系数；
步骤B4、将数据库中用户i对标签x的历史兴趣度 
Figure 153512DEST_PATH_IMAGE023
以及 
Figure 634172DEST_PATH_IMAGE023
对应的标签使用日期更新成用户i对标签x的用户-标签兴趣度 
Figure 926613DEST_PATH_IMAGE024
和当前的标签使用日期。
8.根据权利要求7所述的方法，其特征在于，所述步骤B3中， 
Figure DEST_PATH_IMAGE027
的计算还包括有：
判断用户i对标签x的历史兴趣度 对应的标签使用日期距离当前的标签使用日期的时间间隔 
Figure DEST_PATH_IMAGE028
是否小于或等于2天？如果是，则 
Figure 664948DEST_PATH_IMAGE027
=0.5；如果否，则 
Figure 316509DEST_PATH_IMAGE027
=1/ 
Figure 361825DEST_PATH_IMAGE028
。
9.根据权利要求5所述的方法，其特征在于，所述步骤B中，按如下公式对用户-图书兴趣度的值进行调整： 
Figure DEST_PATH_IMAGE029
，其中 是用户i对图书j的用户-图书兴趣度， 
Figure DEST_PATH_IMAGE030
是图书浏览行为对用户偏好的权重值， 
Figure DEST_PATH_IMAGE031
是标签使用行为对用户偏好的权重值， 
Figure DEST_PATH_IMAGE032
是标签x的重要性值，其值可以用单位时间内用户对标签的有效使用频率表示。
10.根据权利要求1所述的方法，其特征在于，所述步骤C中，用户之间的相似度的计算公式如下：
Figure DEST_PATH_IMAGE033
其中， 
Figure DEST_PATH_IMAGE034
是用户 和 
Figure DEST_PATH_IMAGE036
的相似度， 
Figure DEST_PATH_IMAGE037
是用户 
Figure 430461DEST_PATH_IMAGE035
和 
Figure DEST_PATH_IMAGE038
共同浏览的图书集合， 
Figure DEST_PATH_IMAGE039
、 
Figure DEST_PATH_IMAGE040
分别是用户 
Figure DEST_PATH_IMAGE041
、 对图书b的用户-图书兴趣度， 
Figure DEST_PATH_IMAGE043
、 
Figure DEST_PATH_IMAGE044
分别是用户 
Figure 456186DEST_PATH_IMAGE035
、 
Figure 723219DEST_PATH_IMAGE038
对其浏览的所有图书的用户-图书兴趣度的平均值。
11.根据权利要求10所述的方法，其特征在于，所述步骤C还包括有：
根据用户-图书兴趣度以及目标用户和邻居用户之间的相似度，对邻居用户已阅读而目标用户尚未阅读的图书的偏好值进行计算，其中目标用户对图书的偏好值的计算公式如下：
Figure DEST_PATH_IMAGE045
是目标用户 对图书j的偏好值， 
Figure 922120DEST_PATH_IMAGE043
、 分别是目标用户 
Figure DEST_PATH_IMAGE048
、邻居用户 
Figure DEST_PATH_IMAGE049
对其浏览的所有图书的用户-图书兴趣度的平均值， 
Figure DEST_PATH_IMAGE050
是邻居用户 
Figure 771313DEST_PATH_IMAGE038
对其浏览的图书j的用户-图书兴趣度， 
Figure DEST_PATH_IMAGE051
是目标用户 
Figure 525642DEST_PATH_IMAGE041
和邻居用户 
Figure 262654DEST_PATH_IMAGE036
之间的相似度， 
Figure DEST_PATH_IMAGE052
是目标用户 
Figure 723722DEST_PATH_IMAGE035
的邻居用户集合。
12.根据权利要求11所述的方法，其特征在于，还包括有： 
根据目标用户对图书的偏好值的高低，形成图书推荐列表，然后将图书推荐列表中目标用户明确不喜好或已重复推荐的图书进行过滤，并根据目标用户对图书所属类别的其它图书浏览情况对图书推荐列表的图书排序进行调整，其中属于目标用户经常阅读或浏览的图书种类则排序靠前，最后将图书推荐列表中排序靠前的若干图书作为最终的推荐图书集推荐给目标用户。
CN201210382006.0A 2012-10-10 2012-10-10 一种基于用户行为的图书推荐方法 Active CN102929959B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201210382006.0A CN102929959B (zh) 2012-10-10 2012-10-10 一种基于用户行为的图书推荐方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201210382006.0A CN102929959B (zh) 2012-10-10 2012-10-10 一种基于用户行为的图书推荐方法

Publications (2)

Publication Number Publication Date
CN102929959A true CN102929959A (zh) 2013-02-13
CN102929959B CN102929959B (zh) 2016-02-17

Family

ID=47644757

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201210382006.0A Active CN102929959B (zh) 2012-10-10 2012-10-10 一种基于用户行为的图书推荐方法

Country Status (1)

Country Link
CN (1) CN102929959B (zh)

Cited By (48)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103268553A (zh) * 2013-04-11 2013-08-28 蒋月琴 利用点编码的图书交易、租赁电子商务***
CN103488714A (zh) * 2013-09-11 2014-01-01 杭州东信北邮信息技术有限公司 一种基于社交网络的图书推荐方法和***
CN103678647A (zh) * 2013-12-20 2014-03-26 Tcl集团股份有限公司 一种实现信息推荐的方法及***
CN103714126A (zh) * 2013-12-11 2014-04-09 深圳先进技术研究院 一种推送书籍阅读服务的方法及装置
CN104111939A (zh) * 2013-04-18 2014-10-22 ***通信集团浙江有限公司 一种图书推荐方法和装置
CN104572863A (zh) * 2014-12-19 2015-04-29 阳珍秀 一种产品推荐方法及***
CN104915365A (zh) * 2015-02-10 2015-09-16 腾讯科技（深圳）有限公司 活动流推荐方法及装置
CN104951465A (zh) * 2014-03-28 2015-09-30 腾讯科技（深圳）有限公司 应用推荐方法及装置
CN105426550A (zh) * 2015-12-28 2016-03-23 Tcl集团股份有限公司 一种基于用户质量模型的协同过滤标签推荐方法及***
CN105447038A (zh) * 2014-08-29 2016-03-30 国际商业机器公司 用于获取用户特征的方法和***
CN105488233A (zh) * 2016-01-25 2016-04-13 广东顺德中山大学卡内基梅隆大学国际联合研究院 阅读信息推荐方法和***
CN105488194A (zh) * 2015-12-03 2016-04-13 山东金佳园科技股份有限公司 一种相似用户识别方法及装置
CN105760547A (zh) * 2016-03-16 2016-07-13 中山大学 一种基于用户聚类的图书推荐方法及***
CN105912708A (zh) * 2016-04-28 2016-08-31 南京信息工程大学 一种中小尺度气象产品集成显示平台及其使用的推荐方法
CN105939388A (zh) * 2016-06-28 2016-09-14 华为技术有限公司 一种推送业务内容的方法和内容控制器
CN105955663A (zh) * 2016-04-26 2016-09-21 深圳市八零年代网络科技有限公司 一种基于用户行为的讯息推送方法及装置
CN105989108A (zh) * 2015-02-12 2016-10-05 广东欧珀移动通信有限公司 一种信息推荐方法及装置
CN103886067B (zh) * 2014-03-20 2017-01-18 浙江大学 使用标签隐含主题进行图书推荐的方法
CN106776697A (zh) * 2016-11-11 2017-05-31 北京小度信息科技有限公司 内容推荐方法及装置
CN106897284A (zh) * 2015-12-17 2017-06-27 腾讯科技（深圳）有限公司 电子书籍的推荐方法及装置
CN107016589A (zh) * 2016-08-10 2017-08-04 阿里巴巴集团控股有限公司 推荐产品的确定方法及装置
CN107220365A (zh) * 2017-06-07 2017-09-29 四川大学 基于协同过滤与关联规则并行处理的精准推荐***及方法
CN107437215A (zh) * 2017-08-02 2017-12-05 杭州东信北邮信息技术有限公司 一种基于标签的图书推荐方法
CN107766547A (zh) * 2017-10-31 2018-03-06 掌阅科技股份有限公司 电子书推荐方法、电子设备及计算机存储介质
CN108009194A (zh) * 2017-10-23 2018-05-08 广州星耀悦教育科技有限公司 一种图书推送方法、电子设备、存储介质及装置
CN108256499A (zh) * 2018-02-05 2018-07-06 湖南科乐坊教育科技股份有限公司 一种图书评价信息确定方法、装置及***
CN108984752A (zh) * 2018-07-17 2018-12-11 华北理工大学 一种图书馆专业书籍智能推荐方法
CN109446418A (zh) * 2018-10-17 2019-03-08 重庆扬升信息技术有限公司 一种通过大数据对无纸化信息进行挖掘推送方法
CN109472286A (zh) * 2018-09-30 2019-03-15 浙江工业大学 基于兴趣度模型与类型因子的高校图书推荐方法
CN109492154A (zh) * 2018-10-19 2019-03-19 广州市西美信息科技有限公司 一种协同过滤推荐资讯的方法
CN109726334A (zh) * 2016-01-06 2019-05-07 北京京东尚科信息技术有限公司 电子书籍的推送方法和装置
CN109785212A (zh) * 2018-12-28 2019-05-21 佛山科学技术学院 一种基于大数据的社区图书馆的图书管理方法及装置
CN110148028A (zh) * 2018-02-13 2019-08-20 北京京东尚科信息技术有限公司 向用户推荐菜单的方法、装置及计算机可读存储介质
CN110334281A (zh) * 2019-07-11 2019-10-15 广东工业大学 一种结合用户行为的图书推荐方法、装置、设备及介质
CN110489633A (zh) * 2019-08-22 2019-11-22 广州图创计算机软件开发有限公司 一种基于图书馆数据的智慧大脑服务平台
CN110647680A (zh) * 2019-09-06 2020-01-03 中国建设银行股份有限公司 用户浏览行为分析方法及装置
CN110674410A (zh) * 2019-10-08 2020-01-10 北京物灵科技有限公司 用户画像构建、内容推荐方法、装置及设备
CN110704744A (zh) * 2019-09-30 2020-01-17 北京金山安全软件有限公司 一种向用户推荐目标对象的方法、装置及电子设备
CN110737822A (zh) * 2018-07-03 2020-01-31 百度在线网络技术（北京）有限公司 用户兴趣挖掘方法、装置、设备和存储介质
CN110826850A (zh) * 2019-09-24 2020-02-21 西安科成新果信息科技有限公司 基于信息处理的智慧校园图书馆管理方法及其***
CN110889039A (zh) * 2019-11-20 2020-03-17 上海连尚网络科技有限公司 一种在阅读应用中进行书籍推送的方法与设备
CN111179011A (zh) * 2019-11-05 2020-05-19 泰康保险集团股份有限公司 一种保险产品推荐方法及装置
CN111353075A (zh) * 2018-12-21 2020-06-30 富士施乐株式会社 信息处理装置、记录媒体及信息处理方法
CN111753208A (zh) * 2020-06-30 2020-10-09 贝壳技术有限公司 确定用户可比属性收敛度的方法、装置、介质和电子设备
CN112634531A (zh) * 2020-12-11 2021-04-09 深圳市智莱科技股份有限公司 智能书柜的预约借书方法、服务器和计算机可读存储介质
CN113392327A (zh) * 2021-07-02 2021-09-14 滨州学院 基于用户网站访问记录的图书推荐方法
CN114021013A (zh) * 2021-11-04 2022-02-08 海信集团控股股份有限公司 书友推荐方法、服务器及***
CN116361566A (zh) * 2023-03-29 2023-06-30 竞速信息技术(廊坊)有限公司 一种基于大数据的用户关系推荐方法及装置

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101287082A (zh) * 2008-05-16 2008-10-15 华东师范大学 一种引入节目热门度权重的协作过滤推荐方法
US20090282093A1 (en) * 2008-05-06 2009-11-12 Microsoft Corporation Media content programming, delivery, and consumption
CN102208086A (zh) * 2010-03-31 2011-10-05 北京邮电大学 面向领域的个性化智能推荐***及实现方法
CN102542489A (zh) * 2011-12-27 2012-07-04 纽海信息技术（上海）有限公司 一种基于用户兴趣关联的推荐方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090282093A1 (en) * 2008-05-06 2009-11-12 Microsoft Corporation Media content programming, delivery, and consumption
CN101287082A (zh) * 2008-05-16 2008-10-15 华东师范大学 一种引入节目热门度权重的协作过滤推荐方法
CN102208086A (zh) * 2010-03-31 2011-10-05 北京邮电大学 面向领域的个性化智能推荐***及实现方法
CN102542489A (zh) * 2011-12-27 2012-07-04 纽海信息技术（上海）有限公司 一种基于用户兴趣关联的推荐方法

Cited By (67)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103268553A (zh) * 2013-04-11 2013-08-28 蒋月琴 利用点编码的图书交易、租赁电子商务***
CN104111939B (zh) * 2013-04-18 2018-08-17 ***通信集团浙江有限公司 一种图书推荐方法和装置
CN104111939A (zh) * 2013-04-18 2014-10-22 ***通信集团浙江有限公司 一种图书推荐方法和装置
CN103488714A (zh) * 2013-09-11 2014-01-01 杭州东信北邮信息技术有限公司 一种基于社交网络的图书推荐方法和***
CN103488714B (zh) * 2013-09-11 2017-01-18 杭州东信北邮信息技术有限公司 一种基于社交网络的图书推荐方法和***
CN103714126A (zh) * 2013-12-11 2014-04-09 深圳先进技术研究院 一种推送书籍阅读服务的方法及装置
CN103678647A (zh) * 2013-12-20 2014-03-26 Tcl集团股份有限公司 一种实现信息推荐的方法及***
CN103678647B (zh) * 2013-12-20 2017-12-19 Tcl集团股份有限公司 一种实现信息推荐的方法及***
CN103886067B (zh) * 2014-03-20 2017-01-18 浙江大学 使用标签隐含主题进行图书推荐的方法
CN104951465B (zh) * 2014-03-28 2020-02-14 腾讯科技（深圳）有限公司 应用推荐方法及装置
CN104951465A (zh) * 2014-03-28 2015-09-30 腾讯科技（深圳）有限公司 应用推荐方法及装置
US10679132B2 (en) 2014-03-28 2020-06-09 Tencent Technology (Shenzhen) Company Limited Application recommending method and apparatus
CN105447038A (zh) * 2014-08-29 2016-03-30 国际商业机器公司 用于获取用户特征的方法和***
CN104572863A (zh) * 2014-12-19 2015-04-29 阳珍秀 一种产品推荐方法及***
CN104915365B (zh) * 2015-02-10 2020-05-12 腾讯科技（深圳）有限公司 活动流推荐方法及装置
CN104915365A (zh) * 2015-02-10 2015-09-16 腾讯科技（深圳）有限公司 活动流推荐方法及装置
CN105989108A (zh) * 2015-02-12 2016-10-05 广东欧珀移动通信有限公司 一种信息推荐方法及装置
CN105488194A (zh) * 2015-12-03 2016-04-13 山东金佳园科技股份有限公司 一种相似用户识别方法及装置
CN105488194B (zh) * 2015-12-03 2019-05-14 山东金佳园科技股份有限公司 一种相似用户识别方法及装置
CN106897284A (zh) * 2015-12-17 2017-06-27 腾讯科技（深圳）有限公司 电子书籍的推荐方法及装置
CN106897284B (zh) * 2015-12-17 2020-06-16 腾讯科技（深圳）有限公司 电子书籍的推荐方法及装置
CN105426550A (zh) * 2015-12-28 2016-03-23 Tcl集团股份有限公司 一种基于用户质量模型的协同过滤标签推荐方法及***
CN105426550B (zh) * 2015-12-28 2020-02-07 Tcl集团股份有限公司 一种基于用户质量模型的协同过滤标签推荐方法及***
CN109726334A (zh) * 2016-01-06 2019-05-07 北京京东尚科信息技术有限公司 电子书籍的推送方法和装置
CN105488233A (zh) * 2016-01-25 2016-04-13 广东顺德中山大学卡内基梅隆大学国际联合研究院 阅读信息推荐方法和***
CN105760547A (zh) * 2016-03-16 2016-07-13 中山大学 一种基于用户聚类的图书推荐方法及***
CN105955663A (zh) * 2016-04-26 2016-09-21 深圳市八零年代网络科技有限公司 一种基于用户行为的讯息推送方法及装置
CN105912708A (zh) * 2016-04-28 2016-08-31 南京信息工程大学 一种中小尺度气象产品集成显示平台及其使用的推荐方法
CN105939388B (zh) * 2016-06-28 2019-03-19 华为技术有限公司 一种推送业务内容的方法和内容控制器
CN105939388A (zh) * 2016-06-28 2016-09-14 华为技术有限公司 一种推送业务内容的方法和内容控制器
CN107016589A (zh) * 2016-08-10 2017-08-04 阿里巴巴集团控股有限公司 推荐产品的确定方法及装置
CN106776697A (zh) * 2016-11-11 2017-05-31 北京小度信息科技有限公司 内容推荐方法及装置
CN107220365B (zh) * 2017-06-07 2020-10-23 四川大学 基于协同过滤与关联规则并行处理的精准推荐***及方法
CN107220365A (zh) * 2017-06-07 2017-09-29 四川大学 基于协同过滤与关联规则并行处理的精准推荐***及方法
CN107437215B (zh) * 2017-08-02 2020-07-24 杭州东信北邮信息技术有限公司 一种基于标签的图书推荐方法
CN107437215A (zh) * 2017-08-02 2017-12-05 杭州东信北邮信息技术有限公司 一种基于标签的图书推荐方法
CN108009194A (zh) * 2017-10-23 2018-05-08 广州星耀悦教育科技有限公司 一种图书推送方法、电子设备、存储介质及装置
CN107766547A (zh) * 2017-10-31 2018-03-06 掌阅科技股份有限公司 电子书推荐方法、电子设备及计算机存储介质
CN108256499A (zh) * 2018-02-05 2018-07-06 湖南科乐坊教育科技股份有限公司 一种图书评价信息确定方法、装置及***
CN110148028A (zh) * 2018-02-13 2019-08-20 北京京东尚科信息技术有限公司 向用户推荐菜单的方法、装置及计算机可读存储介质
CN110148028B (zh) * 2018-02-13 2024-05-24 北京京东尚科信息技术有限公司 向用户推荐菜单的方法、装置及计算机可读存储介质
CN110737822A (zh) * 2018-07-03 2020-01-31 百度在线网络技术（北京）有限公司 用户兴趣挖掘方法、装置、设备和存储介质
CN108984752A (zh) * 2018-07-17 2018-12-11 华北理工大学 一种图书馆专业书籍智能推荐方法
CN108984752B (zh) * 2018-07-17 2021-06-04 华北理工大学 一种图书馆专业书籍智能推荐方法
CN109472286A (zh) * 2018-09-30 2019-03-15 浙江工业大学 基于兴趣度模型与类型因子的高校图书推荐方法
CN109446418A (zh) * 2018-10-17 2019-03-08 重庆扬升信息技术有限公司 一种通过大数据对无纸化信息进行挖掘推送方法
CN109492154A (zh) * 2018-10-19 2019-03-19 广州市西美信息科技有限公司 一种协同过滤推荐资讯的方法
CN111353075A (zh) * 2018-12-21 2020-06-30 富士施乐株式会社 信息处理装置、记录媒体及信息处理方法
CN109785212A (zh) * 2018-12-28 2019-05-21 佛山科学技术学院 一种基于大数据的社区图书馆的图书管理方法及装置
CN109785212B (zh) * 2018-12-28 2022-04-26 佛山科学技术学院 一种基于大数据的社区图书馆的图书管理方法及装置
CN110334281A (zh) * 2019-07-11 2019-10-15 广东工业大学 一种结合用户行为的图书推荐方法、装置、设备及介质
CN110334281B (zh) * 2019-07-11 2022-02-15 广东工业大学 一种结合用户行为的图书推荐方法、装置、设备及介质
CN110489633B (zh) * 2019-08-22 2020-03-24 广州图创计算机软件开发有限公司 一种基于图书馆数据的智慧大脑服务***
CN110489633A (zh) * 2019-08-22 2019-11-22 广州图创计算机软件开发有限公司 一种基于图书馆数据的智慧大脑服务平台
CN110647680A (zh) * 2019-09-06 2020-01-03 中国建设银行股份有限公司 用户浏览行为分析方法及装置
CN110826850A (zh) * 2019-09-24 2020-02-21 西安科成新果信息科技有限公司 基于信息处理的智慧校园图书馆管理方法及其***
CN110704744A (zh) * 2019-09-30 2020-01-17 北京金山安全软件有限公司 一种向用户推荐目标对象的方法、装置及电子设备
CN110674410B (zh) * 2019-10-08 2022-05-24 北京物灵科技有限公司 用户画像构建、内容推荐方法、装置及设备
CN110674410A (zh) * 2019-10-08 2020-01-10 北京物灵科技有限公司 用户画像构建、内容推荐方法、装置及设备
CN111179011A (zh) * 2019-11-05 2020-05-19 泰康保险集团股份有限公司 一种保险产品推荐方法及装置
CN110889039A (zh) * 2019-11-20 2020-03-17 上海连尚网络科技有限公司 一种在阅读应用中进行书籍推送的方法与设备
CN110889039B (zh) * 2019-11-20 2024-04-12 上海连尚网络科技有限公司 一种在阅读应用中进行书籍推送的方法与设备
CN111753208A (zh) * 2020-06-30 2020-10-09 贝壳技术有限公司 确定用户可比属性收敛度的方法、装置、介质和电子设备
CN112634531A (zh) * 2020-12-11 2021-04-09 深圳市智莱科技股份有限公司 智能书柜的预约借书方法、服务器和计算机可读存储介质
CN113392327A (zh) * 2021-07-02 2021-09-14 滨州学院 基于用户网站访问记录的图书推荐方法
CN114021013A (zh) * 2021-11-04 2022-02-08 海信集团控股股份有限公司 书友推荐方法、服务器及***
CN116361566A (zh) * 2023-03-29 2023-06-30 竞速信息技术(廊坊)有限公司 一种基于大数据的用户关系推荐方法及装置

Also Published As

Publication number Publication date
CN102929959B (zh) 2016-02-17

Similar Documents

Publication Publication Date Title
CN102929959A (zh) 一种基于用户行为的图书推荐方法
US9842170B2 (en) Method, apparatus and system of intelligent navigation
CN102053983B (zh) 一种垂直搜索的查询方法、***和装置
JP5456412B2 (ja) コミュニティに基づく広告語あいまいさ除去システム及び方法
US8332775B2 (en) Adaptive user feedback window
CN107784092A (zh) 一种推荐热词的方法、服务器及计算机可读介质
CN103246980B (zh) 信息输出方法及服务器
CN104239331B (zh) 一种用于实现评论搜索引擎排序的方法和装置
CN107784066A (zh) 信息推荐方法、装置、服务器及存储介质
CN106503014A (zh) 一种实时信息的推荐方法、装置和***
CN103310003A (zh) 一种基于点击日志的新广告点击率预测方法及***
CN105488233A (zh) 阅读信息推荐方法和***
CN103838756A (zh) 一种确定推送信息的方法及装置
CN103136696A (zh) 媒体投放管理方法及其***
CN104008184A (zh) 信息的推送方法和装置
CN103020845A (zh) 一种移动应用的推送方法及***
CN104281956A (zh) 基于时间信息的适应用户兴趣变化的动态推荐方法
CN102841946A (zh) 商品数据检索排序及商品推荐方法和***
CN105930507B (zh) 一种获得用户的Web浏览兴趣的方法及装置
CN103617289A (zh) 基于用户特征及网络关系的微博推荐方法
CN103150663A (zh) 一种网络投放数据投放的方法和装置
CN104376058A (zh) 用户兴趣模型更新方法及相关装置
CN106354867A (zh) 多媒体资源的推荐方法及装置
CN112818230B (zh) 内容推荐方法、装置、电子设备和存储介质
CN102890683A (zh) 信息提供方法及装置

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
CP02 Change in the address of a patent holder

Address after: 310013, Zhejiang, Xihu District, Wensanlu Road, No. 398, 4 floor, Hangzhou

Patentee after: EB Information Technology Ltd.

Address before: 100191 Beijing, Zhichun Road, No. 9, hearing the building on the floor of the 7 floor,

Patentee before: EB Information Technology Ltd.

CP02 Change in the address of a patent holder
CP01 Change in the name or title of a patent holder

Address after: 310013 4th floor, No.398 Wensan Road, Xihu District, Hangzhou City, Zhejiang Province

Patentee after: Xinxun Digital Technology (Hangzhou) Co.,Ltd.

Address before: 310013 4th floor, No.398 Wensan Road, Xihu District, Hangzhou City, Zhejiang Province

Patentee before: EB Information Technology Ltd.

CP01 Change in the name or title of a patent holder