CN103646053A - 一种网站提供对象的推荐方法和装置 - Google Patents
一种网站提供对象的推荐方法和装置 Download PDFInfo
- Publication number
- CN103646053A CN103646053A CN201310627646.8A CN201310627646A CN103646053A CN 103646053 A CN103646053 A CN 103646053A CN 201310627646 A CN201310627646 A CN 201310627646A CN 103646053 A CN103646053 A CN 103646053A
- Authority
- CN
- China
- Prior art keywords
- website
- provides
- scoring
- page
- user
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/958—Organisation or management of web site content, e.g. publishing, maintaining pages or automatic linking
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种网站提供对象的推荐方法和装置。所述方法包括:对于指定网站的每个网站提供对象,根据用户打开该网站提供对象的页面的次数和/或用户浏览该网站提供对象的页面的时间长度,确定该网站提供对象的隐式评分,根据各网站提供对象的显式评分和隐式评分计算出候选网站提供对象,并推荐给用户。本发明的技术方案,由于根据用户打开该网站提供对象的页面的次数和/或用户浏览该网站提供对象的页面的时间长度进行隐式评分,解决了由于评分数据稀疏而导致推荐结果不准确的问题。
Description
技术领域
本发明涉及计算机网络技术领域,具体涉及一种网站提供对象的推荐方法和装置。
背景技术
推荐***是目前很多的视频网站、音乐网站、购物网站等背后所使用的***。推荐***根据用户来访的用户的特点计算出最适合推荐给用户的候选网站提供对象(如视频网站提供的视频,音乐网站提供的音乐,购物网站提供的商品等),然后将这些网站提供对象展现给用户,供其选择。由于网站提供对象的数量和用户数量非常庞大,推荐***大量使用到了基于云计算的数据挖掘技术,通过挖掘用户行为和网站提供对象的信息来计算推荐列表。
目前推荐计算一般根据用户对网站提供对象的平分计算推荐列表。用户在网站购买或使用网站提供的网站提供对象后,网站会让用户对该网站提供对象进行评分,例如按1-5分给该网站提供对象评分;取所有用户对该网站提供对象的评分的平均值作为该网站提供对象的最终评分;根据各网站提供对象的最终评分的高低生成推荐列表。
在上述方法中,所有用户对各网站提供对象的打分数据是在计算推荐列表时的重要依据,但并不是每个用户都会对所有网站提供对象打分,且并不是每个网站提供对象都曾被所有用户打过分。事实上这些评分数据往往是非常稀疏的,会导致很多网站提供对象的评分并不全面,当用户数量和网站提供对象数量非常大的时候,只有一部分网站提供对象有评分,且这部分网站提供对象中很多都只有几个用户给予评分,评分不具有代表性,使得根据评分计算出来的推荐网站提供对象的准确度不高,不一定是用户喜欢的网站提供对象。
可见现有的推荐***中存在由于评分数据稀疏而导致推荐结果不准确的问题。
发明内容
鉴于上述问题,提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的一种网站提供对象的推荐方法和装置。
依据本发明的一个方面,提供了一种网站提供对象的推荐方法,该方法包括:
对于指定网站的每个网站提供对象,将用户主动打给对该网站提供对象的平均评分作为该网站提供对象的显式评分;
对于指定网站的每个网站提供对象,根据用户打开该网站提供对象的页面的次数和/或用户浏览该网站提供对象的页面的时间长度,确定该网站提供对象的隐式评分;
根据各网站提供对象的显式评分和隐式评分计算出候选网站提供对象,并推荐给用户。
可选地,对于指定网站的每个网站提供对象,根据用户打开该网站提供对象的页面的次数和/或用户浏览该网站提供对象的页面的时间长度,确定该网站提供对象的隐式评分包括:
对于指定网站的每个网站提供对象,获取打开过该网站提供对象的页面的每个用户的打开该网站提供对象的页面的次数,根据该次数确定该用户对该网站提供对象的第一评分,其中次数越多对应的分值越高,取打开过该网站提供对象的页面的所有用户对该网站提供对象的第一评分的平均值,得到第一平均评分;将第一平均评分作为该网站提供对象的隐式评分;
或者,
对于指定网站的每个网站提供对象,获取打开过该网站提供对象的页面的每个用户浏览该网站提供对象的页面的时间长度,根据该时间长度确定该用户对该网站提供对象的第二评分,其中时间长度越长对应的分值越高,取打开过该网站提供对象的页面的所有用户对该网站提供对象的第二评分的平均值,得到第二平均评分;将第二平均评分作为该网站提供对象的隐式评分;
或者,
将第一平均评分和第二平均评分的均值作为该网站提供对象的隐式评分。
可选地,所述获取打开过该网站提供对象的页面的每个用户浏览该网站提供对象的页面的时间长度包括:
对于打开过该网站提供对象的页面的每个用户,将该用户登录网站后,操作***的输入焦点落在该网站提供对象的页面上的时间长度,作为该用户浏览该网站提供对象的页面的时间长度。
可选地,所述根据各网站提供对象的显式评分和隐式评分计算出候选网站提供对象包括:
根据如下公式计算每个网站提供对象的最终评分:
最终评分=a×隐式评分+(1-a)×显式评分,a的取值范围为[0,1];
根据各网站提供对应的最终评分计算出候选网站提供对象。
可选地,对于一个网站提供对象,如果主动打分给对该网站提供对象的用户数量大于或等于预设阀值,则在计算其最终评分时a取0,如果主动打分给对该网站提供对象的用户数量小于预设阀值,则在计算其最终评分时a取大于0的一个固定值。
依据本发明的另一个方面,提供了一种网站提供对象的推荐装置,其中,该装置包括:
显式评分计算单元,适于对于指定网站的每个网站提供对象,将用户主动打给对该网站提供对象的平均评分作为该网站提供对象的显式评分;
隐式评分计算单元,适于对于指定网站的每个网站提供对象,根据用户打开该网站提供对象的页面的次数和/或用户浏览该网站提供对象的页面的时间长度,确定该网站提供对象的隐式评分;
推荐单元,适于根据各网站提供对象的显式评分和隐式评分计算出候选网站提供对象,并推荐给用户。
可选地,所述隐式评分计算单元,
适于对于指定网站的每个网站提供对象,获取打开过该网站提供对象的页面的每个用户的打开该网站提供对象的页面的次数,根据该次数确定该用户对该网站提供对象的第一评分,其中次数越多对应的分值越高,取打开过该网站提供对象的页面的所有用户对该网站提供对象的第一评分的平均值,得到第一平均评分;将第一平均评分作为该网站提供对象的隐式评分;
或者,
适于对于指定网站的每个网站提供对象,获取打开过该网站提供对象的页面的每个用户浏览该网站提供对象的页面的时间长度,根据该时间长度确定该用户对该网站提供对象的第二评分,其中时间长度越长对应的分值越高,取打开过该网站提供对象的页面的所有用户对该网站提供对象的第二评分的平均值,得到第二平均评分;将第二平均评分作为该网站提供对象的隐式评分;
或者,
适于将第一平均评分和第二平均评分的均值作为该网站提供对象的隐式评分。
可选地,所述隐式评分计算单元,适于对于打开过该网站提供对象的页面的每个用户,将该用户登录网站后,操作***的输入焦点落在该网站提供对象的页面上的时间长度,作为该用户浏览该网站提供对象的页面的时间长度。
可选地,所述推荐单元适于根据如下公式计算每个网站提供对象的最终评分:
最终评分=a隐式评分×+(1-a)×显式评分,a的取值范围为[0,1];
所述推荐单元适于根据各网站提供对应的最终评分计算出候选网站提供对象。
可选地,所述推荐单元,适于对于一个网站提供对象,如果主动打分给对该网站提供对象的用户数量大于或等于预设阀值,则在计算其最终评分时a取0,如果主动打分给对该网站提供对象的用户数量小于预设阀值,则在计算其最终评分时a取大于0的一个固定值。
根据本发明的这种对于指定网站的每个网站提供对象,根据用户打开该网站提供对象的页面的次数和/或用户浏览该网站提供对象的页面的时间长度,确定该网站提供对象的隐式评分,根据各网站提供对象的显式评分和隐式评分计算出候选网站提供对象,并推荐给用户的技术方案,由于根据用户打开该网站提供对象的页面的次数和/或用户浏览该网站提供对象的页面的时间长度进行隐式评分,解决了由于评分数据稀疏而导致推荐结果不准确的问题。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,而可依照说明书的内容予以实施,并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂,以下特举本发明的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述,各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的,而并不认为是对本发明的限制。而且在整个附图中,用相同的参考符号表示相同的部件。在附图中:
图1示出了根据本发明一个实施例的一种网站提供对象的推荐方法的流程图;
图2示出了根据本发明一个实施例的一种网站提供对象的推荐装置的结构图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员。
图1示出了根据本发明一个实施例的一种网站提供对象的推荐方法的流程图。如图1所示,该方法包括:
步骤S110,对于指定网站的每个网站提供对象,将用户主动打给对该网站提供对象的平均评分作为该网站提供对象的显式评分。
这里所述的网站可以是购物网站、音乐网站或视频网站或电子书网站等。如果是购物网站,则所述的网站提供对象即为网站销售的商品。如果是音乐网站,则所述网站提供对象即为网站所提供的音乐。以此类推。
步骤S120,对于指定网站的每个网站提供对象,根据用户打开该网站提供对象的页面的次数和/或用户浏览该网站提供对象的页面的时间长度,确定该网站提供对象的隐式评分。
步骤S130,根据各网站提供对象的显式评分和隐式评分计算出候选网站提供对象,并推荐给用户。
图1所示的方法中,由于根据用户打开该网站提供对象的页面的次数和/或用户浏览该网站提供对象的页面的时间长度进行隐式评分,解决了由于显示评分数据稀疏而导致推荐结果不准确的问题。
在本发明的一个实施例中,对于指定网站的每个网站提供对象,根据用户打开该网站提供对象的页面的次数和/或用户浏览该网站提供对象的页面的时间长度,确定该网站提供对象的隐式评分包括:
对于指定网站的每个网站提供对象,获取打开过该网站提供对象的页面的每个用户的打开该网站提供对象的页面的次数,根据该次数确定该用户对该网站提供对象的第一评分,其中次数越多对应的分值越高,取打开过该网站提供对象的页面的所有用户对该网站提供对象的第一评分的平均值,得到第一平均评分;将第一平均评分作为该网站提供对象的隐式评分;
或者,
对于指定网站的每个网站提供对象,获取打开过该网站提供对象的页面的每个用户浏览该网站提供对象的页面的时间长度,根据该时间长度确定该用户对该网站提供对象的第二评分,其中时间长度越长对应的分值越高,取打开过该网站提供对象的页面的所有用户对该网站提供对象的第二评分的平均值,得到第二平均评分;将第二平均评分作为该网站提供对象的隐式评分;
或者,
将第一平均评分和第二平均评分的均值作为该网站提供对象的隐式评分。
在本发明的一个实施例中,所述获取打开过该网站提供对象的页面的每个用户浏览该网站提供对象的页面的时间长度包括:
对于打开过该网站提供对象的页面的每个用户,将该用户登录网站后,操作***的输入焦点落在该网站提供对象的页面上的时间长度,作为该用户浏览该网站提供对象的页面的时间长度。
在本发明的一个实施例中,所述根据各网站提供对象的显式评分和隐式评分计算出候选网站提供对象包括:
根据如下公式计算每个网站提供对象的最终评分:
最终评分=a×隐式评分+(1-a)×显式评分,a的取值范围为[0,1];
根据各网站提供对应的最终评分计算出候选网站提供对象。
在本发明的一个实施例中,对于一个网站提供对象,如果主动打分给对该网站提供对象的用户数量大于或等于预设阀值,则在计算其最终评分时a取0,如果主动打分给对该网站提供对象的用户数量小于预设阀值,则在计算其最终评分时a取大于0的一个固定值。即设置一个显示评分人数的阈值,如果某网站提供对象的评分人数大于等于该阈值,则计算推荐结果时不考虑该网站提供对象的隐式评分。
下面以网站为购物网站为例,对本发明的技术方案进行进一步的说明。具体包括如下几点:
一、将用户主动给的评分作为显式评分。同时,将每个用户打开商品介绍页面的次数,按区段映射成该用户对此商品的隐式评分。例如1次为1分,2次为2分,3-4次为3分,5-9次为4分,10次以上为5分。通常情况下,一个用户越频繁地查看一个商品信息,代表他/她对该商品越感兴趣。此外,用户在商品页面上停留的时间(即浏览时间)也映射为对该商品的隐式评分(停留时间的定义是操作***的输入焦点落在该页面上的时间长度,如果该页面被其他程序窗口覆盖,则会失去输入焦点。因此,如果该页面获得输入焦点,说明用户正在观看此页面),例如1分钟为1分,2分钟为2分,3分钟为3分,4分钟为4分,5分钟及以上为5分。若一个页面多次被打开,则将每次映射的评分取平均值。最后,将打开次数的隐式评分和停留时间的隐式评分取平均值,作为最终的隐式评分。
二、设置一个显式评分人数的阈值,若某商品的显式评分人数大于等于该阈值,则计算推荐结果时不考虑该商品的隐式评分。例如设置阈值为10,如果评分人数大于等于10人,那么该商品的最终评分即为平均显式评分。
三、若某商品的显式评分人数小于上述阈值,则设置一个隐式评分权重比例a(0<=a<=1),这样商品的最后评分为:a*平均隐式评分+(1-a)*平均显式评分。例如,接上例,设置a为0.8,则当显式评分人数小于10时,则商品的最后评分为:0.8*平均隐式评分+0.2*平均显式评分。
本发明的方法,解决了现有方法的因用户评分数据非常稀疏,导致推荐结果不准确的问题。本发明中通过采用获取用户隐式评分的方法,扩大了评分数据的信息量,为推荐决策提供更多参考依据,提高了推荐结果的准确度。
例如,对于购物网站上的某个商品X,共用三个用户A、B、C打开并浏览了商品X的页面。其中:设定打开页面1次为1分,2次为2分,3-4次为3分,5-9次为4分,10次以上为5分。浏览页面的时间长度1分钟为1分,2分钟为2分,3分钟为3分,4分钟为4分,5分钟及以上为5分。则:
用户A打开商品X的页面的次数为:1次 计1分;
用户B打开商品X的页面的次数为:3次 计3分;
用户C打开商品X的页面的次数为:12次 计5分;
则该商品X的页面打开次数的隐式评分为:(1+3+5)/3=3分。
用户A浏览商品X的页面的时间长度为:1分钟 计1分;
用户B浏览商品X的页面的时间长度为:2分钟 计2分;
用户C浏览商品X的页面的时间长度为:3分钟 计3分;
则该商品X的浏览时间的隐式评分为:(1+2+3)/3=2分。
如果,同时考虑页面打开次数的隐式评分和浏览时间的隐式评分,则该商品X的最终隐式评分为:(2+3)/2=2.5分。
用户A主动给商品X的评分为:2分;
用户B主动给商品X的评分为:5分;
用户C主动给商品X的评分为:5分;
则该商品X的显示评分为:(2+5+5)/3=4分。
设隐式评分权重比例a=0.8,则该商品X的最后评分为:
0.8×2.5+(1-0.8)×4=2.8分。
图2示出了根据本发明一个实施例的一种网站提供对象的推荐装置的结构图。如图2所示,该网站提供对象的推荐装置200包括:
显式评分计算单元201,适于对于指定网站的每个网站提供对象,将用户主动打给对该网站提供对象的平均评分作为该网站提供对象的显式评分;
隐式评分计算单元202,适于对于指定网站的每个网站提供对象,根据用户打开该网站提供对象的页面的次数和/或用户浏览该网站提供对象的页面的时间长度,确定该网站提供对象的隐式评分;
推荐单元203,适于根据各网站提供对象的显式评分和隐式评分计算出候选网站提供对象,并推荐给用户。
在本发明的一个实施例中,所述隐式评分计算单元202,
适于对于指定网站的每个网站提供对象,获取打开过该网站提供对象的页面的每个用户的打开该网站提供对象的页面的次数,根据该次数确定该用户对该网站提供对象的第一评分,其中次数越多对应的分值越高,取打开过该网站提供对象的页面的所有用户对该网站提供对象的第一评分的平均值,得到第一平均评分;将第一平均评分作为该网站提供对象的隐式评分;
或者,
适于对于指定网站的每个网站提供对象,获取打开过该网站提供对象的页面的每个用户浏览该网站提供对象的页面的时间长度,根据该时间长度确定该用户对该网站提供对象的第二评分,其中时间长度越长对应的分值越高,取打开过该网站提供对象的页面的所有用户对该网站提供对象的第二评分的平均值,得到第二平均评分;将第二平均评分作为该网站提供对象的隐式评分;
或者,
适于将第一平均评分和第二平均评分的均值作为该网站提供对象的隐式评分。
在本发明的一个实施例中,所述隐式评分计算单元202,适于对于打开过该网站提供对象的页面的每个用户,将该用户登录网站后,操作***的输入焦点落在该网站提供对象的页面上的时间长度,作为该用户浏览该网站提供对象的页面的时间长度。
在本发明的一个实施例中,所述推荐单元203适于根据如下公式计算每个网站提供对象的最终评分:
最终评分=a×隐式评分+(1-a)×显式评分,a的取值范围为[0,1];
所述推荐单元适于根据各网站提供对应的最终评分计算出候选网站提供对象。
在本发明的一个实施例中,所述推荐单元203,适于对于一个网站提供对象,如果主动打分给对该网站提供对象的用户数量大于或等于预设阀值,则在计算其最终评分时a取0,如果主动打分给对该网站提供对象的用户数量小于预设阀值,则在计算其最终评分时a取大于0的一个固定值。
综上所述,根据本发明的这种对于指定网站的每个网站提供对象,根据用户打开该网站提供对象的页面的次数和/或用户浏览该网站提供对象的页面的时间长度,确定该网站提供对象的隐式评分,根据各网站提供对象的显式评分和隐式评分计算出候选网站提供对象,并推荐给用户的技术方案,由于根据用户打开该网站提供对象的页面的次数和/或用户浏览该网站提供对象的页面的时间长度进行隐式评分,解决了由于评分数据稀疏而导致推荐结果不准确的问题。
需要说明的是:
在此提供的算法和显示不与任何特定计算机、虚拟***或者其它设备固有相关。各种通用***也可以与基于在此的示教一起使用。根据上面的描述,构造这类***所要求的结构是显而易见的。此外,本发明也不针对任何特定编程语言。应当明白,可以利用各种编程语言实现在此描述的本发明的内容,并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。
在此处所提供的说明书中,说明了大量具体细节。然而,能够理解,本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中,并未详细示出公知的方法、结构和技术,以便不模糊对本说明书的理解。
类似地,应当理解,为了精简本公开并帮助理解各个发明方面中的一个或多个,在上面对本发明的示例性实施例的描述中,本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而,并不应将该公开的方法解释成反映如下意图:即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说,如下面的权利要求书所反映的那样,发明方面在于少于前面公开的单个实施例的所有特征。因此,遵循具体实施方式的权利要求书由此明确地并入该具体实施方式,其中每个权利要求本身都作为本发明的单独实施例。
本领域那些技术人员可以理解,可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件,以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外,可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述,本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外,本领域的技术人员能够理解,尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征,但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如,在下面的权利要求书中,所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
本发明的各个部件实施例可以以硬件实现,或者以在一个或者多个处理器上运行的软件模块实现,或者以它们的组合实现。本领域的技术人员应当理解,可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本发明实施例的网站提供对象的推荐装置中的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如,计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上,或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到,或者在载体信号上提供,或者以任何其他形式提供。
应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制,并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中,不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中,这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
Claims (10)
1.一种网站提供对象的推荐方法,其中,该方法包括:
对于指定网站的每个网站提供对象,将用户主动打给对该网站提供对象的平均评分作为该网站提供对象的显式评分;
对于指定网站的每个网站提供对象,根据用户打开该网站提供对象的页面的次数和/或用户浏览该网站提供对象的页面的时间长度,确定该网站提供对象的隐式评分;
根据各网站提供对象的显式评分和隐式评分计算出候选网站提供对象,并推荐给用户。
2.如权利要求1所述的方法,其中,对于指定网站的每个网站提供对象,根据用户打开该网站提供对象的页面的次数和/或用户浏览该网站提供对象的页面的时间长度,确定该网站提供对象的隐式评分包括:
对于指定网站的每个网站提供对象,获取打开过该网站提供对象的页面的每个用户的打开该网站提供对象的页面的次数,根据该次数确定该用户对该网站提供对象的第一评分,其中次数越多对应的分值越高,取打开过该网站提供对象的页面的所有用户对该网站提供对象的第一评分的平均值,得到第一平均评分;将第一平均评分作为该网站提供对象的隐式评分;
或者,
对于指定网站的每个网站提供对象,获取打开过该网站提供对象的页面的每个用户浏览该网站提供对象的页面的时间长度,根据该时间长度确定该用户对该网站提供对象的第二评分,其中时间长度越长对应的分值越高,取打开过该网站提供对象的页面的所有用户对该网站提供对象的第二评分的平均值,得到第二平均评分;将第二平均评分作为该网站提供对象的隐式评分;
或者,
将第一平均评分和第二平均评分的均值作为该网站提供对象的隐式评分。
3.如权利要求2所述的方法,其中,所述获取打开过该网站提供对象的页面的每个用户浏览该网站提供对象的页面的时间长度包括:
对于打开过该网站提供对象的页面的每个用户,将该用户登录网站后,操作***的输入焦点落在该网站提供对象的页面上的时间长度,作为该用户浏览该网站提供对象的页面的时间长度。
4.如权利要求1至3中任一项所述的方法,其中,所述根据各网站提供对象的显式评分和隐式评分计算出候选网站提供对象包括:
根据如下公式计算每个网站提供对象的最终评分:
最终评分=a×隐式评分+(1-a)×显式评分,a的取值范围为[0,1];
根据各网站提供对应的最终评分计算出候选网站提供对象。
5.如权利要求4所述的方法,其中,
对于一个网站提供对象,如果主动打分给对该网站提供对象的用户数量大于或等于预设阀值,则在计算其最终评分时a取0,如果主动打分给对该网站提供对象的用户数量小于预设阀值,则在计算其最终评分时a取大于0的一个固定值。
6.一种网站提供对象的推荐装置,其中,该装置包括:
显式评分计算单元,适于对于指定网站的每个网站提供对象,将用户主动打给对该网站提供对象的平均评分作为该网站提供对象的显式评分;
隐式评分计算单元,适于对于指定网站的每个网站提供对象,根据用户打开该网站提供对象的页面的次数和/或用户浏览该网站提供对象的页面的时间长度,确定该网站提供对象的隐式评分;
推荐单元,适于根据各网站提供对象的显式评分和隐式评分计算出候选网站提供对象,并推荐给用户。
7.如权利要求6所述的装置,其中,所述隐式评分计算单元,
适于对于指定网站的每个网站提供对象,获取打开过该网站提供对象的页面的每个用户的打开该网站提供对象的页面的次数,根据该次数确定该用户对该网站提供对象的第一评分,其中次数越多对应的分值越高,取打开过该网站提供对象的页面的所有用户对该网站提供对象的第一评分的平均值,得到第一平均评分;将第一平均评分作为该网站提供对象的隐式评分;
或者,
适于对于指定网站的每个网站提供对象,获取打开过该网站提供对象的页面的每个用户浏览该网站提供对象的页面的时间长度,根据该时间长度确定该用户对该网站提供对象的第二评分,其中时间长度越长对应的分值越高,取打开过该网站提供对象的页面的所有用户对该网站提供对象的第二评分的平均值,得到第二平均评分;将第二平均评分作为该网站提供对象的隐式评分;
或者,
适于将第一平均评分和第二平均评分的均值作为该网站提供对象的隐式评分。
8.如权利要求7所述的装置,其中,
所述隐式评分计算单元,适于对于打开过该网站提供对象的页面的每个用户,将该用户登录网站后,操作***的输入焦点落在该网站提供对象的页面上的时间长度,作为该用户浏览该网站提供对象的页面的时间长度。
9.如权利要求6至8中任一项所述的装置,其中,
所述推荐单元适于根据如下公式计算每个网站提供对象的最终评分:
最终评分=a×隐式评分+(1-a)×显式评分,a的取值范围为[0,1];
所述推荐单元适于根据各网站提供对应的最终评分计算出候选网站提供对象。
10.如权利要求6至8中任一项所述的装置,其中,
所述推荐单元,适于对于一个网站提供对象,如果主动打分给对该网站提供对象的用户数量大于或等于预设阀值,则在计算其最终评分时a取0,如果主动打分给对该网站提供对象的用户数量小于预设阀值,则在计算其最终评分时a取大于0的一个固定值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310627646.8A CN103646053A (zh) | 2013-11-29 | 2013-11-29 | 一种网站提供对象的推荐方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310627646.8A CN103646053A (zh) | 2013-11-29 | 2013-11-29 | 一种网站提供对象的推荐方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103646053A true CN103646053A (zh) | 2014-03-19 |
Family
ID=50251267
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310627646.8A Pending CN103646053A (zh) | 2013-11-29 | 2013-11-29 | 一种网站提供对象的推荐方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103646053A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104517222A (zh) * | 2014-12-15 | 2015-04-15 | 小米科技有限责任公司 | 智能硬件商品的置顶展示方法及装置 |
CN105824946A (zh) * | 2016-03-21 | 2016-08-03 | 乐视网信息技术(北京)股份有限公司 | 基于数据评分进行多媒体推荐的方法及*** |
CN106600372A (zh) * | 2016-12-12 | 2017-04-26 | 武汉烽火信息集成技术有限公司 | 一种基于用户行为的商品推荐方法及*** |
CN108090124A (zh) * | 2017-11-13 | 2018-05-29 | 深圳市华阅文化传媒有限公司 | 阅读app对源网站进行排序的方法及装置 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080294617A1 (en) * | 2007-05-22 | 2008-11-27 | Kushal Chakrabarti | Probabilistic Recommendation System |
CN102915307A (zh) * | 2011-08-02 | 2013-02-06 | 腾讯科技(深圳)有限公司 | 一种个性化信息推荐的方法、装置及信息处理*** |
-
2013
- 2013-11-29 CN CN201310627646.8A patent/CN103646053A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080294617A1 (en) * | 2007-05-22 | 2008-11-27 | Kushal Chakrabarti | Probabilistic Recommendation System |
CN102915307A (zh) * | 2011-08-02 | 2013-02-06 | 腾讯科技(深圳)有限公司 | 一种个性化信息推荐的方法、装置及信息处理*** |
Non-Patent Citations (1)
Title |
---|
蒋翀等: ""个性化推荐***中的混合用户偏好获取"", 《计算机***应用》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104517222A (zh) * | 2014-12-15 | 2015-04-15 | 小米科技有限责任公司 | 智能硬件商品的置顶展示方法及装置 |
CN105824946A (zh) * | 2016-03-21 | 2016-08-03 | 乐视网信息技术(北京)股份有限公司 | 基于数据评分进行多媒体推荐的方法及*** |
CN106600372A (zh) * | 2016-12-12 | 2017-04-26 | 武汉烽火信息集成技术有限公司 | 一种基于用户行为的商品推荐方法及*** |
CN108090124A (zh) * | 2017-11-13 | 2018-05-29 | 深圳市华阅文化传媒有限公司 | 阅读app对源网站进行排序的方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Garcin et al. | Offline and online evaluation of news recommender systems at swissinfo. ch | |
US9753902B2 (en) | System and method for orchestration of customization for a user experience | |
US8380784B2 (en) | Correlated information recommendation | |
TWI424369B (zh) | 用於決定內容相關性的活動型使用者興趣模型化 | |
US11250086B2 (en) | Visualization and augmentation of human knowledge construction during material consumption | |
CN102999634B (zh) | 基于浏览器数据的用户导航推荐方法、***及云端服务器 | |
CN109725803B (zh) | 评论信息处理方法及装置、存储介质、电子设备 | |
US11275748B2 (en) | Influence score of a social media domain | |
US10210247B2 (en) | Generating word clouds | |
US8140983B2 (en) | System and method for auto-generating threads on web forums | |
CN108829808A (zh) | 一种页面个性化排序方法、装置及电子设备 | |
CN104462593A (zh) | 一种提供用户个性化资源消息推送的方法和装置 | |
CN103440335A (zh) | 视频推荐方法及装置 | |
US10762151B2 (en) | Method and device for recommending content to browser of terminal device and method and device for displaying content on browser of terminal device | |
US10997264B2 (en) | Delivery of contextual interest from interaction information | |
US9911130B1 (en) | Attribution modeling using regression analysis | |
CN110851712B (zh) | 书籍信息的推荐方法、设备以及计算机可读介质 | |
WO2013039605A1 (en) | Method and system for providing recommended content for user generated content on an article | |
CN103646053A (zh) | 一种网站提供对象的推荐方法和装置 | |
Lee et al. | Exploring the serial position effects of online consumer reviews on heuristic vs. Systematic information processing and consumer decision-making | |
US10976901B1 (en) | Method and system to share information | |
US20180137587A1 (en) | Contextual personalized list of recommended courses | |
US20180089284A1 (en) | Ranking courses for a presentation | |
CN111666481B (zh) | 数据挖掘方法、装置、计算机可读介质及电子设备 | |
US20180089570A1 (en) | Skills detector system |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20140319 |