CN106777239A - 推荐信息生成方法、装置及计算机设备 - Google Patents
推荐信息生成方法、装置及计算机设备 Download PDFInfo
- Publication number
- CN106777239A CN106777239A CN201611225448.9A CN201611225448A CN106777239A CN 106777239 A CN106777239 A CN 106777239A CN 201611225448 A CN201611225448 A CN 201611225448A CN 106777239 A CN106777239 A CN 106777239A
- Authority
- CN
- China
- Prior art keywords
- behavior data
- user
- user behavior
- continuous
- data
- 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
Links
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
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
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)
- Information Transfer Between Computers (AREA)
Abstract
本发明提供一种推荐信息生成方法、装置及计算机设备,所述方法包括:获取用户行为数据及对应的产生时间;根据所述用户行为数据及对应的产生时间得到各个用户标识对应的用户连续行为数据;获取具有指定用户行为数据的用户连续行为数据,统计所述用户连续行为数据中各个用户行为数据的数量;以及将所述用户连续行为数据中的用户行为数据按数量进行排序,作为所述指定用户行为数据的推荐信息。上述方法、装置及计算机设备,使得生成的推荐信息与指定用户行为数据的关联性更强,推荐信息的使用率也会更高。
Description
技术领域
本发明涉及计算机技术领域,特别是涉及一种推荐信息生成方法、装置及计算机设备。
背景技术
随着互联网技术的发展,人们的日常生活与互联网结合得越来越紧密,因此互联网产品也发展为多种多样。互联网产品在生活中无处不见,例如网络社交平台、网络购物平台、音乐应用程序等等。互联网产品可以应用到网络设备中,而推荐功能是互联网产品中必不可少的应用。传统的推荐功能一般是根据用户输入或选择的信息,将相关联的热门信息推荐给用户。这样的推荐方法使得被推荐信息使用率很低。
发明内容
本发明实施例提供一种推荐信息生成方法、装置及计算机设备,可以提高被推荐信息的使用率。
一种推荐信息生成方法,包括:
获取用户行为数据及对应的产生时间;
根据所述用户行为数据及对应的产生时间得到各个用户标识对应的用户连续行为数据;
获取具有指定用户行为数据的用户连续行为数据,统计所述用户连续行为数据中各个用户行为数据的数量;以及
将所述用户连续行为数据中的用户行为数据按数量进行排序,作为所述指定用户行为数据的推荐信息。
一种推荐信息生成装置,包括:
数据获取模块,用于获取用户行为数据及对应的产生时间;
连续数据生成模块,用于根据所述用户行为数据及对应的产生时间得到各个用户标识对应的用户连续行为数据;
数量统计模块,用于获取具有指定用户行为数据的用户连续行为数据,统计所述用户连续行为数据中各个用户行为数据的数量;
推荐信息生成模块,用于将所述用户连续行为数据中的用户行为数据按数量进行排序,作为所述指定用户行为数据的推荐信息。
一种计算机设备,包括存储器,处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现以下步骤:
获取用户行为数据及对应的产生时间;
根据所述用户行为数据及对应的产生时间得到各个用户标识对应的用户连续行为数据;
获取具有指定用户行为数据的用户连续行为数据,统计所述用户连续行为数据中各个用户行为数据的数量;以及
将所述用户连续行为数据中的用户行为数据按数量进行排序,作为所述指定用户行为数据的推荐信息。
附图说明
图1为一个实施例中推荐信息生成方法的应用环境图;
图2A为一个实施例中终端的内部结构示意图;
图2B为一个实施例中服务器的内部结构示意图;
图3为一个实施例中推荐信息生成方法的流程图;
图4为另一个实施例中推荐信息生成方法的流程图;
图5为一个实施例中用户行为数据的终端界面展示图;
图6为另一个实施例中推荐信息生成方法的流程图;
图7为一个实施例中推荐信息的终端界面展示图;
图8为另一个实施例中推荐信息的终端界面展示图;
图9为另一个实施例中推荐信息的终端界面展示图;
图10为另一个实施例中推荐信息的终端界面展示图;
图11为一个实施例中推荐信息生成装置的结构示意图;
图12为另一个实施例中推荐信息生成装置的结构示意图;
图13为一个实施例中与计算机设备相关的移动终端的内部结构示意图。
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。
图1为一个实施例中推荐信息生成方法的应用环境图。如图1所示,该应用环境包括用户终端102、服务器104和用户终端106。用户终端102和用户终端106用于输入用户行为数据以及展示推荐信息。用户终端102和用户终端106是处于计算机网络最***,主要用于输入用户信息以及输出处理结果的电子设备,例如可以是个人电脑、移动终端、个人数字助理、可穿戴电子设备等。可以理解的是,在其他实施例中的推荐信息生成方法的应用环境中,用户终端不局限为两个,也可以是一个或者多个。服务器104用于获取用户终端102和用户终端106输入的用户行为数据以及用户行为数据的产生时间,根据用户行为数据以及对应的产生时间生成指定用户行为数据的推荐信息,并将指定用户行为数据的推荐信息发送至用户终端102和用户终端106。服务器104是用于响应服务请求,同时提供计算服务的设备,例如可以是一台或者多台计算机。
图2A为一个实施例中终端的内部结构示意图。如图2A所示,该终端包括通过***总线连接的处理器、非易失性存储介质、内存储器和网络接口、扬声器、显示屏和输入装置。其中,终端的非易失性存储介质存储有操作***,还包括一种推荐信息生成装置,该推荐信息生成装置用于实现一种推荐信息生成方法。该处理器用于提供计算和控制能力,支撑整个终端的运行。终端中的内存储器为非易失性存储介质中的推荐信息生成装置的运行提供环境,该内存储器中可储存有计算机可读指令,该计算机可读指令被所述处理器执行时,可使得所述处理器执行一种推荐信息生成方法。网络接口用于与服务器进行网络通信,如发送推荐信息生成请求至服务器,接收服务器返回的推荐信息等。终端的显示屏可以是液晶显示屏或者电子墨水显示屏等,输入装置可以是显示屏上覆盖的触摸层,也可以是终端外壳上设置的按键、轨迹球或触控板,也可以是外接的键盘、触控板或鼠标等。该终端可以是手机、平板电脑、个人数字助理或穿戴式设备等。本领域技术人员可以理解,图2A中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的终端的限定,具体的终端可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
图2B为一个实施例中服务器的内部结构示意图。如图2B所示,该服务器包括通过***总线连接的处理器、非易失性存储介质、内存储器和网络接口。其中,该服务器的非易失性存储介质存储有操作***、数据库和推荐信息生成装置,数据库中存储有用户行为数据及对应的产生时间和用户标识,该推荐信息生成装置用于实现适用于服务器的一种推荐信息生成方法。该服务器的处理器用于提供计算和控制能力,支撑整个服务器的运行。该服务器的内存储器为非易失性存储介质中的推荐信息生成装置的运行提供环境,该内存储器中可储存有计算机可读指令,该计算机可读指令被所述处理器执行时,可使得所述处理器执行一种推荐信息生成方法。该服务器的网络接口用于据以与外部的终端通过网络连接通信,比如接收终端发送的推荐信息生成请求以及向终端返回推荐信息等。服务器可以用独立的服务器或者是多个服务器组成的服务器集群来实现。本领域技术人员可以理解,图2B中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的服务器的限定,具体的服务器可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
图3为一个实施例中推荐信息生成方法的流程图。如图3所示,该推荐信息生成方法包括步骤S302到步骤S308,其中:
步骤S302,获取用户行为数据及对应的产生时间。
在一个实施例中,用户行为数据是指用户通过用户终端发起应用服务请求的过程中所产生的数据。例如,用户行为数据可以是下载应用程序对应的应用程序标识、通过搜索框输入的搜索词、社交平台上关注的好友标识等。
在一个实施例中,用户行为数据对应的产生时间是指用户终端发起应用服务请求的时间。例如,当用户终端发起应用程序下载请求时,记录该应用程序下载请求的发起时间。
步骤S304,根据用户行为数据及对应的产生时间得到各个用户标识对应的用户连续行为数据。
在一个实施例中,用户标识是指通过用户终端发起应用服务请求的用户的唯一身份标识。例如,用户标识可以是应用程序账户标识、用户终端IP(Internet Protocol,网际协议)地址、用户终端MAC(Media Access Control,媒体访问控制)地址、即时通信账号、移动通信标识、电子邮箱等。
在一个实施例中,用户连续行为数据是指用户连续发起应用服务请求时所产生的数据。其中,用户发起的相邻的应用服务请求的时间间隔小于预设时间可认为其为用户连续发起应用服务请求的行为。例如,用户连续行为数据可以是,以用户开始下载应用程序为起点的一个小时内所触发要下载的应用程序对应的应用程序标识。
在一个实施例中,步骤S302中获取的是所有用户的用户行为数据,一个用户标识可以对应多个用户连续行为数据。得到各个用户标识对应的用户连续行为数据,即将每一个用户标识对应的所有用户行为数据根据产生时间分成多个用户连续行为数据。
在一个实施例中,将每一个用户标识对应的所有用户行为数据按产生时间的先后顺序进行排列,首先找到第一个用户行为数据,然后获取以该第一个用户行为数据的产生时间为起点的预设时间段内的所有用户行为数据,作为一个用户连续行为数据。以此类推,将剩余的用户行为数据也按照此方法进行筛选,从而得到多个用户连续行为数据。
例如,某用户的用户行为数据及对应的产生时间包括:“应用程序1”下载时间为13:00、“应用程序2”下载时间为13:30、“应用程序3”下载时间为14:10、“应用程序4”下载时间为14:50。那么,获取以第一个用户行为数据“应用程序1”的下载时间“13:00”为起点的一个小时之内的所有用户行为数据,则得到的一个用户连续行为数据就为“应用程序1、应用程序2”。同样获取剩余的用户行为数据中的用户连续行为数据为“应用程序3、应用程序4”。则该用户标识对应的用户连续行为数据就为“应用程序1、应用程序2”和“应用程序3、应用程序4”。
步骤S306,获取具有指定用户行为数据的用户连续行为数据,统计用户连续行为数据中各个用户行为数据的数量。
在一个实施例中,指定用户行为数据为指定的用户行为数据,可以是根据获取的用户连续行为数据进行指定的,也可以是预先设置的。例如,指定用户行为数据可以为用户连续行为数据中任意位用户行为数据,也可以是预先设置的“应用程序1”。
在一个实施例中,获取具有指定用户行为数据的用户连续行为数据是指获取包含指定用户行为数据的用户连续行为数据。统计用户连续行为数据中的各个用户行为数据的数量,可以是统计所获取的用户连续行为数据中所包含的各个用户行为数据的数量,也可以是统计除指定用户行为数据之外的各个用户行为数据的数量,还可以是统计所获取的用户连续行为数据中任意位用户行为数据的数量。
例如,用户连续行为数据为“数据”、“数据,数据库,数据表”、“数据,数据表”和“***,***查询”。预先设置的指定用户行为数据为“数据”,获取包含指定用户行为数据“数据”的用户连续行为数据为“数据”、“数据,数据库,数据表”、“数据,数据表”。统计所获取的用户连续行为数据中所包含的各个用户行为数据的数量,则统计结果为“数据库”的数量为1,“数据表”的数量为2,“数据”的数量为3。
步骤S308,将用户连续行为数据中的用户行为数据按数量进行排序,作为指定用户行为数据的推荐信息。
在一个实施例中,将步骤S306中统计的用户行为数据按数量进行排序,排序后的用户行为数据作为指定用户行为数据的推荐信息。若在步骤S306中将指定用户行为数据的数量也进行了统计,可以将排除指定用户行为数据之外的用户行为数据作为推荐信息。
例如,指定用户行为数据为“数据”,统计的用户行为数据包括“数据库”的数量为1,“数据表”数量为2,“数据”的数量为3。按数量的降序排列结果为“数据,数据表,数据库”,则排除指定用户行为数据“数据”后形成的推荐信息为“数据表、数据库”。
上述推荐信息生成方法,通过用户行为数据及对应的产生时间得到用户连续行为数据,再将用户连续行为数据中的用户行为数据进行统计,作为指定用户行为数据的推荐信息。由于用户连续行为数据是具有较强关联性的用户行为数据,因此根据用户连续行为数据统计出来的用户行为数据,按统计结果进行推荐,使得生成的推荐信息与指定用户行为数据的关联性更强,推荐信息的使用率也会更高。
图4为另一个实施例中推荐信息生成方法的流程图。如图4所示,该推荐信息生成方法包括步骤S402到步骤S418,其中:
步骤S402,获取用户行为数据及对应的产生时间。
在一个实施例中,用户行为数据是指用户通过用户终端发起应用服务请求的过程中所产生的数据。例如,用户行为数据可以是下载应用程序对应的应用程序标识、地图平台上搜索的位置信息、阅读器上搜索的文章信息、购物平台上搜索的商品标识以及下载音乐对应的音乐标识等。
在一个实施例中,用户行为数据对应的产生时间是指用户终端发起应用服务请求的时间。例如,当用户终端输入所需搜索的位置信息时,记录完成位置信息输入时的时间。
在一个实施例中,可以是获取所有用户的用户行为数据及对应的产生时间,也可以是获取指定时间段内的所有用户的用户行为数据及对应的产生时间。例如,获取2016年10月10日所产生的用户行为数据及对应的产生时间。
图5为一个实施例中用户行为数据的终端界面展示图。如图5所示,该终端界面展示的是应用程序的安装界面,该界面中展示了应用程序名称、应用程序大小以及应用程序的历史安装次数等信息。用户可以通过“安装”按钮选择需要安装的应用程序,当点击该“安装”按钮时,获取应用程序名称作为一个用户行为数据,并记录当前时间作为用户行为数据对应的产生时间。
步骤S404,获取用户行为数据对应的用户标识,将用户行为数据根据用户标识进行分类。
在一个实施例中,用户标识是指通过用户终端发起应用服务请求的用户的唯一身份标识。若一个用户终端对应多个用户,则用户标识可以是用户的***账户标识。例如,统计地图查询***的用户行为数据,则用户标识可以是登录地图查询***的账户名称或者账户编号。
在一个实施例中,若一个用户终端只对应一个用户,则用户终端标识可以作为用户标识。例如,用户标识可以是用户终端IP地址、用户终端MAC地址等。用户标识与用户行为数据为一对多的对应关系。
在一个实施例中,将获取的用户行为数据根据用户标识进行分类,即将同一个用户对应的用户行为数据分为一类。则所获取的用户行为数据可以分为多个不同用户对应的用户行为数据。
步骤S406,将根据用户标识进行分类后的用户行为数据根据产生时间进行分类,并根据分类后的用户行为数据得到用户连续行为数据。
在一个实施例中,用户根据产生时间自定义分类规则,将根据用户标识进行分类后的用户行为数据根据该用户自定义的分类规则进行分类。
在一个实施例中,根据产生时间自定义的分类规则可以是,将每一个用户的所有用户行为数据按产生时间的先后顺序进行排列,首先找到第一个用户行为数据,然后获取以该第一个用户行为数据的产生时间为起点的预设时间段内的所有用户行为数据,作为一个用户连续行为数据。以此类推,将剩余的用户行为数据也按照此方法进行筛选,从而得到多个用户连续行为数据。
在一个实施例中,根据产生时间自定义的分类规则还可以是,将每一个用户的所有用户行为数据按产生时间的先后顺序进行排列,判断排序中两个用户行为数据之间间隔的产生时间,若间隔的产生时间大于预设分割时间,则将这两个用户行为数据之间作为一个分割点。将排序后的用户行为数据中所有两两连续的用户行为数据之间的间隔时间跟预设分割时间进行比较,找出所有的分割点,通过这些分割点将用户行为数据进行分类。
例如,按时间先后顺序排列后的用户行为数据为“苹果,香蕉,葡萄,橙子,梨,榴莲”,对应的产生时间分别是“8:00,8:10,8:15,9:00,10:00,10:05”,预设分割时间为20分钟。那么将两两连续的用户行为数据的间隔时间与预设分割时间进行比较,间隔时间大于20分钟用户行为数据之间设置分割点,得到的用户连续行为数据就为“苹果,香蕉,葡萄”、“橙子”、“梨,榴莲”。
步骤S408,获取用户连续行为数据中的首位用户行为数据,作为指定用户行为数据。
在一个实施例中,指定用户行为数据为指定的用户行为数据,可以是根据获取的用户连续行为数据进行指定的,也可以是预先设置的。首位用户行为数据是指用户连续行为数据中的第一个用户行为数据。将步骤S406中获取的用户连续行为数据中的首位用户行为数据作为指定用户行为数据。
步骤S410,获取具有同一首位用户行为数据的用户连续行为数据。
在一个实施例中,获取具有同一首位用户行为数据的用户连续行为数据,是指将用户连续行为数据根据首位用户行为数据进行归类,将首位用户行为数据相同的用户连续行为数据分成一类。
例如,用户连续行为数据为“苹果,香蕉,葡萄”、“橙子,葡萄”、“梨,榴莲”、“苹果,橙子”、“橙子,荔枝”、“苹果,橙子,香蕉”,具有同一首位用户行为数据的用户连续行为数据分别为:第一类为“苹果,香蕉,葡萄”、“苹果,橙子”和“苹果,橙子,香蕉”,第二类为“橙子,葡萄”和“橙子,荔枝”,第三类为“梨,榴莲”。指定用户行为数据就为“苹果”、“橙子”和“梨”。
步骤S412,获取用户连续行为数据中的末位用户行为数据,并统计末位用户行为数据的数量。
在一个实施例中,根据步骤S410将用户连续行为数据按照首位用户行为数据进行分类后,提取同一首位用户行为数据对应的用户连续行为数据中的末位用户行为数据。其中,末位用户行为数据是指用户连续行为数据中的最后一个用户行为数据。
在一个实施例中,将提取出的同一首位用户行为数据对应的末位用户行为数据进行统计,计算出每一个末位用户行为数据的数量。例如,首位用户行为数据为“苹果”的用户连续行为数据为“苹果,香蕉,葡萄”、“苹果,葡萄”、“苹果,橙子”、“苹果,香蕉”、“苹果,橙子,葡萄”和“苹果,橙子,香蕉”。该首位用户行为数据“苹果”对应的末位用户行为数据分别为“葡萄”、“葡萄”、“橙子”、“香蕉”、“葡萄”和“香蕉”,统计得到的末位用户行为数据及对应的数量为:“葡萄”数量为3个、“橙子”数量为1个、“香蕉”数量为2个。
在一个实施例中,还可以是先判断用户连续行为数据中的用户行为数据的数据类型,删除用户连续行为数据中与首位用户行为数据的数据类型不同的用户行为数据,再统计保留下来的用户行为数据中的最后一个用户行为数据的数量。其中,数据类型是指用户行为数据的不同分类类型。例如,应用程序可以为“游戏”、“购物”、“社交”等类型,商品可以为“家居”、“电器”、“水果”等类型。
步骤S414,获取用户连续行为数据中的末位用户行为数据的权值。
在一个实施例中,权值是指***设定的用于表示用户行为数据推荐程度的数值。权值可以用小数进行表示,不做推荐的用户行为数据的权值为0,必须推荐的用户行为数据的权值为1。权值为0到1之间的用户行为数据,推荐程度随着数值的增大而增强。
步骤S416,将用户连续行为数据中的末位用户行为数据按数量和权值进行排序。
在一个实施例中,根据统计出来的数量和获取的权值对用户连续行为数据中的末位用户行为数据进行排序。将每一个末位用户行为数据的数量和权值进行算数运算,得到一个排序值。按照该排序值将末位用户行为数据进行排序。
例如,一个末位用户行为数据的数量为20,获取的对应的权值为0.6,将数量与权值进行乘法运算,得到的该末位用户行为数据的排序值为12。将每一个末位用户行为数据计算出相应的排序值,再将末位用户行为数据根据该排序值进行排序。
步骤S418,获取用户连续行为数据中预设位数的末位用户行为数据,作为指定用户行为数据的推荐信息。
在一个实施例中,将末位用户行为数据按数量和权值进行降序排列,获取排序后的预设位数的用户行为数据作为指定用户行为数据的推荐信息。例如从排序后的用户行为数据中,取前10位用户行为数据作为指定用户行为数据的推荐信息。
在一个实施例中,生成的推荐信息可以以列表的形式进行存储,即将获取的排序后的预设位数的用户行为数据生成推荐信息表,作为指定用户行为数据对应的推荐信息表。当用户再次输入该指定用户行为数据时,根据该指定用户行为数据获取对应的推荐信息表,将该推荐信息表中的用户行为数据发送到用户终端,作为该指定用户行为数据的推荐信息进行展示。
在一个实施例中,还可以将用户定义不同的用户类型,即一个用户标识对应一个用户类型。将同一用户类型的用户行为数据进行统计,并生成该用户类型对应的推荐信息。例如,用户类型可以是根据用户年龄、用户职业或用户性别等进行区分的分类类型。当用户输入指定用户行为数据时,先判断该用户的用户类型,将该用户类型对应的推荐信息发送到用户终端进行展示。
在一个实施例中,可以每天更新一次推荐信息的生成结果,每天获取最新的用户行为数据,生成最新推荐信息。并将最新推荐信息与历史推荐信息进行叠加,得到最终的推荐信息。例如,将最新推荐信息和历史推荐信息中的用户行为数据按权值进行升序排列,根据权值排序得到最终的推荐信息。
上述推荐信息生成方法,通过用户行为数据及对应的产生时间得到用户连续行为数据,再将用户连续行为数据中的首位用户行为数据作为指定用户行为数据,对末位用户行为数据进行统计,将末位用户行为数据根据数量和权值进行排序,并获取预设位作为指定用户行为数据的推荐信息。由于用户连续行为数据是具有较强关联性的用户行为数据,因此根据用户连续行为数据统计出来的用户行为数据,按统计结果进行推荐,使得生成的推荐信息与指定用户行为数据的关联性更强,推荐信息的使用率也会更高。同时按照权值进行排序,并获取排序靠前的用户行为数据进行推荐,进一步提高了推荐信息与指定用户行为数据的关联性,同时更进一步提高了推荐信息的使用率。
图6为另一个实施例中推荐信息生成方法的流程图。如图6所示,该推荐信息生成方法包括步骤S602到步骤S612,其中:
步骤S602,获取所有用户的应用程序下载行为。
在一个实施例中,获取所有用户的应用程序下载行为,包括用户所下载应用的应用程序名称、用户标识和下载时间。将获取的应用程序名称、用户标识和下载时间存储在数据库中。其中,数据库是指按照数据结构来组织、存储和管理数据的仓库。
步骤S604,获取用户连续下载的应用程序。
在一个实施例中,用户连续下载的应用程序是指同一个用户在一个时间段内连续下载的应用程序。根据步骤S602中获取的应用程序下载行为,通过用户标识来区分不同用户下载的应用程序,通过下载时间进一步提取用户连续下载的应用程序。
例如,获取的用户A的应用程序下载行为包括:在2016-11-16 12:00下载的“美颜相机”,在2016-11-16 12:05下载的“美图秀秀”,在2016-11-16 13:05下载的“QQ音乐”,2016-11-16 13:35下载的“网易云音乐”。那么用户A的下载连续行为就为“美颜相机,美图秀秀”和“QQ音乐,网易云音乐”。
步骤S606,获取首位应用程序及对应的用户连续下载的应用程序。
在一个实施例中,在用户连续下载的应用程序中,获取首位应用程序。其中,首位应用程序是指用户连续下载的应用程序中的第一个应用程序,即首位应用程序认为是一个用户连续下载应用程序的开始。
在一个实施例中,根据获取的首位应用程序将用户连续下载的应用程序进行分类。例如,以“美颜相机”为首位应用程序的用户连续下载的应用程序包括:“美颜相机,美图秀秀”、“美颜相机,天天P图,美图秀秀”、“美颜相机,驾校,美图秀秀”和“美颜相机,天天P图”。
步骤S608,统计末位应用程序数量。
在一个实施例中,在用户连续下载的应用程序中,统计同一首位应用程序对应的末位应用程序的数量。其中,末位应用程序是指用户连续下载的应用程序中的最后一个应用程序。末位应用程序为一个用户连续下载应用程序的结束,认为是该用户最终确定下载的应用程序。
例如,以“美颜相机”为首位应用程序的用户连续下载的应用程序包括:“美颜相机,美图秀秀”、“美颜相机,天天P图,美图秀秀”、“美颜相机,驾校,美图秀秀”和“美颜相机,天天P图”。那么末位应用程序及对应数量就为:“美图秀秀”数量为3个,“天天P图”数量为1个。
步骤S610,将末位应用程序进行排序,生成应用程序推荐表。
在一个实施例中,根据步骤S608中统计的数量将末位应用程序进行降序排列,并取排序后的前五个末位应用程序生成应用程序推荐表,作为首位应用程序的应用程序推荐信息。
在一个实施例中,当检测到用户搜索首位应用程序时,则根据首位应用程序查找对应的应用程序推荐表,再将首位应用程序和应用程序推荐表中的应用程序按照排列顺序进行展示。
在一个实施例中,根据用户标识区分不同用户下载的应用程序,根据下载时间获取用户连续下载的应用程序,再根据连续下载的应用程序生成推荐表。该推荐表中的应用程序与被推荐的应用程序具有较强的关联性,当输入被推荐的应用程序时,根据推荐表推荐的应用程序的使用率也会更高。
图7为一个实施例中推荐信息的终端界面展示图。如图7所示,该终端界面展示的是应用程序推荐信息的展示界面。当用户通过用户终端输入“应用程序1”时,查找“应用程序1”的相关信息以及对应的推荐信息,将“应用程序1”的相关信息以及对应的推荐信息在终端界面进行展示。
图8为另一个实施例中推荐信息的终端界面展示图。如图8所示,该终端界面展示的是购物平台中商品搜索推荐信息的展示界面。当用户通过用户终端输入搜索词“衣”时,查找“衣”对应的商品搜索推荐信息包括“衣服女”、“衣柜”、“衣架”等,并将该商品搜索推荐信息进行展示。
图9为另一个实施例中推荐信息的终端界面展示图。如图9所示,该终端界面展示的是购物平台中商品详情的展示界面,包括商品展示区902和推荐信息展示区904。当用户通过用户终端点击商品查看商品详情时,服务器接收用户终端发送的商品标识,获取商品标识对应的商品详情及商品推荐信息。用户终端接收到商品详情和商品推荐信息之后,在购物平台中进行显示。
图10为另一个实施例中推荐信息的终端界面展示图。如图10所示,该终端界面展示的是社交平台中好友推荐信息的展示界面。当用户通过用户终端输入搜索词“王”时,查找“王”对应的好友推荐信息包括“王珞丹”、“王力宏”、“王思聪”等,并将该好友推荐信息进行展示。
图11为一个实施例中推荐信息生成装置的结构示意图。如图11所示,该推荐信息生成装置包括数据获取模块1102、连续数据生成模块1104、数量统计模块1106和推荐信息生成模块1108,其中:
数据获取模块1102,用于获取用户行为数据及对应的产生时间。
连续数据生成模块1104,用于根据所述用户行为数据及对应的产生时间得到各个用户标识对应的用户连续行为数据。
数量统计模块1106,用于获取具有指定用户行为数据的用户连续行为数据,统计所述用户连续行为数据中各个用户行为数据的数量。
推荐信息生成模块1108,用于将所述用户连续行为数据中的用户行为数据按数量进行排序,作为所述指定用户行为数据的推荐信息。
图12为另一个实施例中推荐信息生成装置的结构示意图。如图12所示,该推荐信息生成装置包括数据获取模块1202、数据分类模块1204、连续数据生成模块1206、指定数据生成模块1208、数量统计模块1210和推荐信息生成模块1212,其中:
数据获取模块1202,用于获取用户行为数据及对应的产生时间。
数据分类模块1204,用于获取所述用户行为数据对应的用户标识,将所述用户行为数据根据所述用户标识进行分类。
连续数据生成模块1206,用于根据所述用户行为数据及对应的产生时间得到各个用户标识对应的用户连续行为数据。
指定数据生成模块1208,用于获取所述用户连续行为数据中的任意位用户行为数据,作为指定用户行为数据。
数量统计模块1210,用于获取具有指定用户行为数据的用户连续行为数据,统计所述用户连续行为数据中各个用户行为数据的数量。
推荐信息生成模块1212,用于将所述用户连续行为数据中的用户行为数据按数量进行排序,作为所述指定用户行为数据的推荐信息。
上述推荐信息生成装置,通过用户行为数据及对应的产生时间得到用户连续行为数据,再将用户连续行为数据中的用户行为数据进行统计,作为指定用户行为数据的推荐信息。生成的推荐信息与指定用户行为数据的关联性更强,推荐信息的使用率也会更高。
在一个实施例中,连续数据生成模块1206还用于将根据所述用户标识进行分类后的用户行为数据根据所述产生时间进行分类;以及根据分类后的用户行为数据得到用户连续行为数据。
在一个实施例中,指定数据生成模块1208还用于获取所述用户连续行为数据中的首位用户行为数据,作为指定用户行为数据。
在一个实施例中,数量统计模块1210还用于获取具有同一所述首位用户行为数据的用户连续行为数据;以及获取所述用户连续行为数据中的末位用户行为数据,并统计所述末位用户行为数据的数量。
在一个实施例中,数量统计模块1210还用于获取具有同一所述首位用户行为数据的用户连续行为数据;以及获取所述用户连续行为数据中与所述首位用户行为数据的数据类型相同的末位用户行为数据,并统计所述末位用户行为数据的数量。
在一个实施例中,推荐信息生成模块1212还用于获取所述用户连续行为数据中的用户行为数据的权值;以及将所述用户连续行为数据中的用户行为数据按数量和权值进行排序,作为所述指定用户行为数据的推荐信息。
在一个实施例中,推荐信息生成模块1212还用于将所述用户连续行为数据中的用户行为数据按数量进行排序;以及获取所述用户连续行为数据中预设位数的用户行为数据,作为所述指定用户行为数据的推荐信息。
在一个实施例中,推荐信息生成装置还可以包括数据获取模块1202、连续数据生成模块1206、指定数据生成模块1208、数量统计模块1210和推荐信息生成模块1212。
在一个实施例中,推荐信息生成装置还可以包括数据获取模块1202、数据分类模块1204、连续数据生成模块1206、数量统计模块1210和推荐信息生成模块1212。
可以理解的是,上述推荐信息生成装置中各个模块的划分仅用于举例说明,在其他实施例中,可将推荐信息生成装置按照需要划分为不同的模块,以完成上述推荐信息生成装置的全部或部分功能。
在一个实施例中,一种计算机设备,包括存储器,处理器及存储在存储器上并可在处理器上运行的计算机程序(指令),所述处理器执行所述程序时实现以下步骤:
获取用户行为数据及对应的产生时间;
根据所述用户行为数据及对应的产生时间得到各个用户标识对应的用户连续行为数据;
获取具有指定用户行为数据的用户连续行为数据,统计所述用户连续行为数据中各个用户行为数据的数量;以及
将所述用户连续行为数据中的用户行为数据按数量进行排序,作为所述指定用户行为数据的推荐信息。
图13为一个实施例中与计算机设备相关的移动终端的内部结构示意图。如图13所示,该移动终端1300包括:射频电路1310、存储器1320、输入单元1330、显示单元1340、传感器1350、音频电路1360、WiFi(Wireless Fidelity,无线保真)模块1370以及处理器1380等。其中:
射频电路1310用于移动终端1300中信号的接收与发送,比如接收到基站的下行数据后,传输到处理器1380中进行处理,或者将处理器1380处理的上行数据发送给基站。射频电路1310可以但不限于包括射频天线、射频收发电路、射频功率放大器、射频电源管理电路和射频信号处理电路等。射频电路1310可以通过无线通信网络与其他电子设备进行通信。无线通信网络可以使用移动通信标准实现数据的传输,该移动通信标准可以但不限于是全球移动通讯***、通用分组无线服务技术、码分多址技术、宽带码分多址技术、长期演进、电子邮件、短消息服务技术等。
存储器1320主要用于存储计算机程序和数据,并在移动终端运行过程中高速、自动地完成计算机程序或数据的存取。处理器1380通过运行存储在存储器1320中的计算机程序和数据,完成移动终端1300的各种功能应用和数据处理。存储器1320可以包括程序存储区和数据存储区。其中,程序存储区可以用于存储移动终端1300的操作***、应用程序等,数据存储区可以用于存储移动终端1300所使用和创建的数据等。例如,程序存储区存储了用于生成推荐信息的计算机程序,数据存储区存储了根据该生成推荐信息的计算机程序生成的推荐信息。此外,存储器1320可以括高速缓存存储器和非易失性存储器,例如存储器1320可以包括磁盘、闪存和/或其他固态存储器。
输入单元1330用于接收用户输入的数据,以及产生与用户设置或功能控制相关联的键信号输入。输入单元1330可以但不限于包括触控面板1331和其他输入设备1332。其中,触控面板1331可用于收集用户的触摸操作,并根据预先设定的计算机程序驱动触摸操作对应的连接装置,比如触摸操作可以是用户用手指在触控面板1331的触摸点击或触摸轨迹操作等。触摸面板1331可以但不限于包括触摸检测器和触摸控制器,用户在触摸面板1331产生触摸操作时,通过触摸检测器检测用户的触摸操作,将该触摸操作转化为操作信号,并将该操作信号传输到触摸控制器,触摸控制器将接收到的操作信号转换成触点坐标传输到处理器1380,处理器1380再根据触点坐标执行相应的操作。触控面板1331可以是电阻式触控面板、电容式触控面板、红外线式触控面板或表面声波触控面板等。其他输入设备1332可以是移动终端外壳上设置的物理按键、轨迹球,也可以是外接于移动终端1300的操作杆等。
显示单元1340用于显示移动终端1300获取或处理得到的数据,例如显示用户输入的用户行为数据,或者显示推荐信息等。显示单元1340包括显示面板1341,其中显示面板1341可以是液晶显示屏、发光二极管显示屏等。可以理解的是,触控面板1331可以覆盖于显示面板1341的上层,用户在触控面板1331上完成触摸操作,触控面板1331采集到该触摸操作后传输给处理器1380,处理器1380根据该触摸操作确定触摸事件,并对该触摸事件进行处理,最后将处理结果传输到显示面板1341进行显示。触控面板1331和显示面板1341可以作为两个独立的模块来分别实现移动终端1300的输入和输出功能,也可以通过集成来实现移动终端1300的输入和输出功能。
传感器1350用于采集信息,并按一定的规律将该信息转换成电信号,移动终端1300通过对该电信号进行处理来实现具体的应用。传感器1350可以是光敏传感器、运动传感器、压力传感器或者声敏传感器等。
音频电路1360可以包括扬声器1361和传声器1362,用于提供用户与移动终端1300之间的音频接口。具体地,音频电路1360一方面可以通过传声器1362接收音频数据,并将接收到的音频数据转换成电信号;另一方面可以通过扬声器将电信号转换成音频数据,并将音频数据进行输出。音频电路1360处理的音频数据可以通过射频电路1360发送给另一终端,也可以通过处理器1380进行处理,还可以存储到存储器1320中。
WiFi模块1370用于通过短距离无线传输技术实现移动终端1300与其他电子设备的数据传输,例如移动终端1300可以通过WiFi模块浏览网页、发送即时通讯信息或访问多媒体信息等。
处理器1380用于通过执行计算机程序、提供数据处理以及控制能力,来支撑整个移动终端1300的运行。具体地,处理器1380可以通过执行存储在存储器1320中的计算机程序和数据,来实现移动终端1300的各种功能以及数据的处理。处理器1380可以包括一个或多个处理单元,例如,处理器1380可以包括应用处理器和调制解调处理器,应用处理器用于处理移动终端1300的操作***、用户界面以及应用程序的相关操作,调制解调处理器用于实现移动终端1300的无线通信功能,应用处理器和调制解调处理器可为集成。
处理器1380还具有以下功能:获取用户行为数据及对应的产生时间;根据所述用户行为数据及对应的产生时间得到各个用户标识对应的用户连续行为数据;获取具有指定用户行为数据的用户连续行为数据,统计所述用户连续行为数据中各个用户行为数据的数量;以及将所述用户连续行为数据中的用户行为数据按数量进行排序,作为所述指定用户行为数据的推荐信息。
本领域技术人员可以理解的是,图13中示出的移动终端结构并不构成对移动终端的限定。在其他实施例中,移动终端可以包括比图示更多或更少的模块。例如,移动终端还可以包括摄像头、蓝牙模块等,在此不再赘述。上述移动终端1300可以是手机、平板电脑、个人数字助理或穿戴式设备等。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一非易失性计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)等。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (13)
1.一种推荐信息生成方法,其特征在于,包括:
获取用户行为数据及对应的产生时间;
根据所述用户行为数据及对应的产生时间得到各个用户标识对应的用户连续行为数据;
获取具有指定用户行为数据的用户连续行为数据,统计所述用户连续行为数据中各个用户行为数据的数量;以及
将所述用户连续行为数据中的用户行为数据按数量进行排序,作为所述指定用户行为数据的推荐信息。
2.根据权利要求1所述的推荐信息生成方法,其特征在于,所述根据所述用户行为数据及对应的产生时间得到各个用户标识对应的用户连续行为数据之前还包括:
获取所述用户行为数据对应的用户标识,将所述用户行为数据根据所述用户标识进行分类;
所述根据所述用户行为数据及对应的产生时间得到各个用户标识对应的用户连续行为数据包括:
将根据所述用户标识进行分类后的用户行为数据根据所述产生时间进行分类;以及
根据分类后的用户行为数据得到用户连续行为数据。
3.根据权利要求1所述的推荐信息生成方法,其特征在于,所述方法还包括:
获取所述用户连续行为数据中的任意位用户行为数据,作为指定用户行为数据。
4.根据权利要求1所述的推荐信息生成方法,其特征在于,所述方法还包括:
获取所述用户连续行为数据中的首位用户行为数据,作为指定用户行为数据;
所述获取具有指定用户行为数据的用户连续行为数据,统计所述用户连续行为数据中各个用户行为数据的数量包括:
获取具有同一所述首位用户行为数据的用户连续行为数据;以及
获取所述用户连续行为数据中的末位用户行为数据,并统计所述末位用户行为数据的数量。
5.根据权利要求1所述的推荐信息生成方法,其特征在于,所述将所述用户连续行为数据中的用户行为数据按数量进行排序,作为所述指定用户行为数据的推荐信息包括:
获取所述用户连续行为数据中的用户行为数据的权值;以及
将所述用户连续行为数据中的用户行为数据按数量和权值进行排序,作为所述指定用户行为数据的推荐信息。
6.根据权利要求1至5中任意一项所述的推荐信息生成方法,其特征在于,所述将所述用户连续行为数据中的用户行为数据按数量进行排序,作为所述指定用户行为数据的推荐信息包括:
将所述用户连续行为数据中的用户行为数据按数量进行排序;以及
获取所述用户连续行为数据中预设位数的用户行为数据,作为所述指定用户行为数据的推荐信息。
7.一种推荐信息生成装置,其特征在于,包括:
数据获取模块,用于获取用户行为数据及对应的产生时间;
连续数据生成模块,用于根据所述用户行为数据及对应的产生时间得到各个用户标识对应的用户连续行为数据;
数量统计模块,用于获取具有指定用户行为数据的用户连续行为数据,统计所述用户连续行为数据中各个用户行为数据的数量;
推荐信息生成模块,用于将所述用户连续行为数据中的用户行为数据按数量进行排序,作为所述指定用户行为数据的推荐信息。
8.根据权利要求7所述的推荐信息生成装置,其特征在于,所述装置还包括:
数据分类模块,用于获取所述用户行为数据对应的用户标识,将所述用户行为数据根据所述用户标识进行分类;
所述连续数据生成模块还用于将根据所述用户标识进行分类后的用户行为数据根据所述产生时间进行分类;以及根据分类后的用户行为数据得到用户连续行为数据。
9.根据权利要求7所述的推荐信息生成装置,其特征在于,所述装置还包括:
指定数据生成模块,用于获取所述用户连续行为数据中的任意位用户行为数据,作为指定用户行为数据。
10.根据权利要求7所述的推荐信息生成装置,其特征在于,所述指定数据生成模块还用于获取所述用户连续行为数据中的首位用户行为数据,作为指定用户行为数据;
所述数量统计模块还用于获取具有同一所述首位用户行为数据的用户连续行为数据;以及获取所述用户连续行为数据中的末位用户行为数据,并统计所述末位用户行为数据的数量。
11.根据权利要求7所述的推荐信息生成装置,其特征在于,所述推荐信息生成模块还用于获取所述用户连续行为数据中的用户行为数据的权值;以及将所述用户连续行为数据中的用户行为数据按数量和权值进行排序,作为所述指定用户行为数据的推荐信息。
12.根据权利要求7所述的推荐信息生成装置,其特征在于,所述推荐信息生成模块还用于将所述用户连续行为数据中的用户行为数据按数量进行排序;以及获取所述用户连续行为数据中预设位数的用户行为数据,作为所述指定用户行为数据的推荐信息。
13.一种计算机设备,包括存储器,处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现以下步骤:
获取用户行为数据及对应的产生时间;
根据所述用户行为数据及对应的产生时间得到各个用户标识对应的用户连续行为数据;
获取具有指定用户行为数据的用户连续行为数据,统计所述用户连续行为数据中各个用户行为数据的数量;以及
将所述用户连续行为数据中的用户行为数据按数量进行排序,作为所述指定用户行为数据的推荐信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611225448.9A CN106777239B (zh) | 2016-12-27 | 2016-12-27 | 推荐信息生成方法、装置及计算机设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611225448.9A CN106777239B (zh) | 2016-12-27 | 2016-12-27 | 推荐信息生成方法、装置及计算机设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106777239A true CN106777239A (zh) | 2017-05-31 |
CN106777239B CN106777239B (zh) | 2019-09-17 |
Family
ID=58921612
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611225448.9A Active CN106777239B (zh) | 2016-12-27 | 2016-12-27 | 推荐信息生成方法、装置及计算机设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106777239B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107657485A (zh) * | 2017-10-07 | 2018-02-02 | 张嘉雯 | 一种依托网络服务器的营销*** |
CN107909390A (zh) * | 2017-10-31 | 2018-04-13 | 广州云移信息科技有限公司 | 一种信息推荐方法及终端 |
WO2019037684A1 (zh) * | 2017-08-23 | 2019-02-28 | Oppo广东移动通信有限公司 | 信息推荐方法以及装置、移动终端及存储介质 |
CN109782990A (zh) * | 2018-12-13 | 2019-05-21 | 深圳壹账通智能科技有限公司 | 指令推荐方法、装置、计算机设备及存储介质 |
CN111131388A (zh) * | 2019-11-25 | 2020-05-08 | 上海风秩科技有限公司 | 用户行为路径分析方法、装置、电子设备和存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080082633A1 (en) * | 2006-08-24 | 2008-04-03 | Kabushiki Kaisha Toshiba | Recommending system, recommending server, content recommending method, and recommending program product |
CN101515360A (zh) * | 2009-04-13 | 2009-08-26 | 阿里巴巴集团控股有限公司 | 向用户推荐网络目标信息的方法和服务器 |
CN102768667A (zh) * | 2011-05-06 | 2012-11-07 | 腾讯科技(北京)有限公司 | 一种推送信息的发布方法和*** |
CN104750807A (zh) * | 2015-03-25 | 2015-07-01 | 百度在线网络技术(北京)有限公司 | 一种应用推荐方法及装置 |
CN104951563A (zh) * | 2015-07-08 | 2015-09-30 | 北京理工大学 | 一种待推荐对象的确定方法及装置 |
CN105610929A (zh) * | 2015-12-24 | 2016-05-25 | 北京奇虎科技有限公司 | 一种个性化的数据推送方法和装置 |
-
2016
- 2016-12-27 CN CN201611225448.9A patent/CN106777239B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080082633A1 (en) * | 2006-08-24 | 2008-04-03 | Kabushiki Kaisha Toshiba | Recommending system, recommending server, content recommending method, and recommending program product |
CN101515360A (zh) * | 2009-04-13 | 2009-08-26 | 阿里巴巴集团控股有限公司 | 向用户推荐网络目标信息的方法和服务器 |
CN102768667A (zh) * | 2011-05-06 | 2012-11-07 | 腾讯科技(北京)有限公司 | 一种推送信息的发布方法和*** |
CN104750807A (zh) * | 2015-03-25 | 2015-07-01 | 百度在线网络技术(北京)有限公司 | 一种应用推荐方法及装置 |
CN104951563A (zh) * | 2015-07-08 | 2015-09-30 | 北京理工大学 | 一种待推荐对象的确定方法及装置 |
CN105610929A (zh) * | 2015-12-24 | 2016-05-25 | 北京奇虎科技有限公司 | 一种个性化的数据推送方法和装置 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019037684A1 (zh) * | 2017-08-23 | 2019-02-28 | Oppo广东移动通信有限公司 | 信息推荐方法以及装置、移动终端及存储介质 |
CN107657485A (zh) * | 2017-10-07 | 2018-02-02 | 张嘉雯 | 一种依托网络服务器的营销*** |
CN107909390A (zh) * | 2017-10-31 | 2018-04-13 | 广州云移信息科技有限公司 | 一种信息推荐方法及终端 |
CN109782990A (zh) * | 2018-12-13 | 2019-05-21 | 深圳壹账通智能科技有限公司 | 指令推荐方法、装置、计算机设备及存储介质 |
CN109782990B (zh) * | 2018-12-13 | 2022-01-04 | 深圳壹账通智能科技有限公司 | 指令推荐方法、装置、计算机设备及存储介质 |
CN111131388A (zh) * | 2019-11-25 | 2020-05-08 | 上海风秩科技有限公司 | 用户行为路径分析方法、装置、电子设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN106777239B (zh) | 2019-09-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106777239B (zh) | 推荐信息生成方法、装置及计算机设备 | |
CN106357517B (zh) | 定向标签生成方法及装置 | |
WO2021003673A1 (zh) | 内容推送方法及相关产品 | |
CN108073605A (zh) | 一种业务数据的加载、推送、交互信息的生成方法和装置 | |
CN108984731A (zh) | 歌单推荐方法、装置及存储介质 | |
CN105718184A (zh) | 一种数据处理方法和装置 | |
CN104123332A (zh) | 搜索结果的显示方法及装置 | |
CN108334887A (zh) | 一种用户选取方法和装置 | |
CN109409949A (zh) | 用户群体分类的确定方法、装置、电子设备及存储介质 | |
CN109961077A (zh) | 性别预测方法、装置、存储介质及电子设备 | |
CN107122429A (zh) | 一种文件管理的方法和装置及移动终端 | |
WO2020257988A1 (zh) | 刷量用户识别方法及相关产品 | |
CN110472016B (zh) | 文章推荐方法、装置、电子设备及存储介质 | |
CN108460148A (zh) | 一种获取商品附加信息的方法及相关设备 | |
CN107766891A (zh) | 用户性别识别方法、装置、存储介质及电子设备 | |
CN106126717A (zh) | 一种应用的推送方法及移动终端 | |
CN105183295A (zh) | 一种应用图标的归类方法及终端 | |
CN107818492A (zh) | 产品推荐装置、方法及计算机可读存储介质 | |
CN106446180A (zh) | 一种歌曲的识别方法及移动终端 | |
CN107908442A (zh) | 基于spring的资源加载方法、装置、终端设备及计算机可读存储介质 | |
CN109582418A (zh) | 用户行为数据收集方法、装置、计算机装置、存储介质 | |
CN111242709A (zh) | 一种消息推送方法及其装置、设备、存储介质 | |
CN107291327A (zh) | 应用控制方法及相关产品 | |
CN104063400B (zh) | 数据搜索方法和装置 | |
CN106844528A (zh) | 获取多媒体文件的方法和装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: Changan town in Guangdong province Dongguan 523860 usha Beach Road No. 18 Applicant after: OPPO Guangdong Mobile Communications Co., Ltd. Address before: Changan town in Guangdong province Dongguan 523860 usha Beach Road No. 18 Applicant before: Guangdong OPPO Mobile Communications Co., Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |