CN107273538A - 资讯推荐方法、装置及服务器 - Google Patents
资讯推荐方法、装置及服务器 Download PDFInfo
- Publication number
- CN107273538A CN107273538A CN201710530877.5A CN201710530877A CN107273538A CN 107273538 A CN107273538 A CN 107273538A CN 201710530877 A CN201710530877 A CN 201710530877A CN 107273538 A CN107273538 A CN 107273538A
- Authority
- CN
- China
- Prior art keywords
- user
- information
- crowd
- colony
- label
- 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)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- User Interface Of Digital Computer (AREA)
Abstract
本发明实施例提供一种资讯推荐方法、装置及服务器,所述方法包括:根据资讯集合中各个资讯对应的历史用户记录,分别向第一群体中的各个用户推荐资讯;从所述资讯集合中选出曝光次数低于预设阈值的资讯作为推荐资讯,分别向第二群体中的各个用户推荐所述推荐资讯,并分别根据第二群体中的各个用户对所述推荐资讯的反馈结果,更新所述资讯集合中各个资讯对应的历史用户记录及更新用户列表中的用户记录,其中,所述第一群体中的用户及所述第二群体中的用户均为所述用户列表中的拥有新用户标签的用户且所述第二群体的用户数少于所述第一群体的用户数。所述方法提高了向新用户推荐的准确率,并进一步提高了新用户的体验。
Description
技术领域
本发明涉及计算机应用领域,具体而言,涉及一种资讯推荐方法、装置及服务器。
背景技术
随着互联网的快速发展,用户每天接收到的资讯开始膨胀。目前,存在一些根据用户自己过去的行为习惯进行推荐的资讯的方法,但是,这种方式无法解决新用户的问题,对于一个新用户,如何向其推荐感兴趣的资讯,成为亟待解决的问题。
发明内容
有鉴于此,本发明实施例的目的在于提供一种资讯推荐方法、装置及服务器,以解决上述问题。
为了实现上述目的,本发明实施例采用的技术方案如下:
第一方面,本发明实施例提供了一种资讯推荐方法,所述方法包括:根据资讯集合中各个资讯对应的历史用户记录,分别向第一群体中的各个用户推荐资讯;从所述资讯集合中选出曝光次数低于预设阈值的资讯作为推荐资讯,分别向第二群体中的各个用户推荐所述推荐资讯,并分别根据第二群体中的各个用户对所述推荐资讯的反馈结果,更新所述资讯集合中各个资讯对应的历史用户记录及更新用户列表中的用户记录,其中,所述第一群体中的用户及所述第二群体中的用户均为所述用户列表中的拥有新用户标签的用户且所述第二群体的用户数少于所述第一群体的用户数。
第二方面,本发明实施例提供了一种资讯推荐方法,所述方法包括:根据拥有新用户标签的用户对应的人群标签,查询资讯集合中各个资讯对应的历史用户记录,获取各个所述资讯在拥有所述人群标签的人群中的点击率;根据所述人群标签,及各个所述资讯在拥有所述人群标签的人群中的点击率,计算各个所述资讯对应的点击指数;根据各个所述点击指数,向所述拥有新用户标签的用户推荐资讯。
第三方面,本发明实施例提供了一种资讯推荐装置,所述装置包括:第一推荐模块,用于根据资讯集合中各个资讯对应的历史用户记录,分别向第一群体中的各个用户推荐资讯;第二推荐模块,用于从所述资讯集合中选出曝光次数低于预设阈值的资讯作为推荐资讯,分别向第二群体中的各个用户推荐所述推荐资讯,并分别根据第二群体中的各个用户对所述推荐资讯的反馈结果,更新所述资讯集合中各个资讯对应的历史用户记录及更新用户列表中的用户记录,其中,所述第一群体中的用户及所述第二群体中的用户均为所述用户列表中的拥有新用户标签的用户且所述第二群体的用户数少于所述第一群体的用户数。
第四方面,本发明实施例提供了一种资讯推荐装置,所述装置包括:查询模块,用于根据拥有新用户标签的用户对应的人群标签,查询资讯集合中各个资讯对应的历史用户记录,获取各个所述资讯在拥有所述人群标签的人群中的点击率;计算模块,用于根据所述人群标签,及各个所述资讯在拥有所述人群标签的人群中的点击率,计算各个所述资讯对应的点击指数;第三推荐模块,用于根据各个所述点击指数,向所述拥有新用户标签的用户推荐资讯。
第五方面,本发明实施例提供了一种服务器,所述服务器包括存储器及处理器,所述存储器耦接到所述处理器,所述存储器存储指令,当所述指令由所述处理器执行时以使所述处理器执行以下操作:根据资讯集合中各个资讯对应的历史用户记录,分别向第一群体中的各个用户推荐资讯;从所述资讯集合中选出曝光次数低于预设阈值的资讯作为推荐资讯,分别向第二群体中的各个用户推荐所述推荐资讯,并分别根据第二群体中的各个用户对所述推荐资讯的反馈结果,更新所述资讯集合中各个资讯对应的历史用户记录及更新用户列表中的用户记录,其中,所述第一群体中的用户及所述第二群体中的用户均为所述用户列表中的拥有新用户标签的用户且所述第二群体的用户数少于所述第一群体的用户数。
第六方面,本发明实施例提供了一种服务器,所述服务器包括存储器及处理器,所述存储器耦接到所述处理器,所述存储器存储指令,当所述指令由所述处理器执行时以使所述处理器执行以下操作:根据拥有新用户标签的用户对应的人群标签,查询资讯集合中各个资讯对应的历史用户记录,获取各个所述资讯在拥有所述人群标签的人群中的点击率;根据所述人群标签,及各个所述资讯在拥有所述人群标签的人群中的点击率,计算各个所述资讯对应的点击指数;根据各个所述点击指数,向所述拥有新用户标签的用户推荐资讯。
与现有技术相比,本发明实施例提供的一种资讯推荐方法、装置及服务器,通过根据资讯集合中各个资讯对应的历史用户记录,分别向第一群体中的各个用户推荐资讯;从所述资讯集合中选出曝光次数低于预设阈值的资讯作为推荐资讯,分别向第二群体中的各个用户推荐所述推荐资讯,并分别根据第二群体中的各个用户对所述推荐资讯的反馈结果,更新所述资讯集合中各个资讯对应的历史用户记录及更新用户列表中的用户记录,其中,所述第一群体中的用户及所述第二群体中的用户均为所述用户列表中的拥有新用户标签的用户且所述第二群体的用户数少于所述第一群体的用户数,本方案通过采用“试探推荐”的方式向小部分新用户推荐资讯,并根据这部分用户的反馈来发现优质资讯,同时根据资讯集合中各个资讯对应的历史用户记录给大部分新用户推荐已经验证是优质的资讯,提高了向新用户推荐的准确率,并进一步提高了新用户的体验。
本发明实施例提供的一种资讯推荐方法、装置及服务器,通过根据拥有新用户标签的用户对应的人群标签,查询资讯集合中各个资讯对应的历史用户记录,获取各个所述资讯在拥有所述人群标签的人群中的点击率;根据所述人群标签,及各个所述资讯在拥有所述人群标签的人群中的点击率,计算各个所述资讯对应的点击指数;根据各个所述点击指数,向所述拥有新用户标签的用户推荐资讯,本方案通过根据资讯集合中各个资讯对应的其它历史用户记录给新用户推荐已经验证是优质的资讯,提高了向新用户推荐的准确率,并进一步提高了新用户的体验。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1是本发明实施例提供的一种服务器与用户终端进行交互的示意图。
图2是本发明实施例提供的一种服务器的结构框图。
图3是本发明第一实施例提供的一种资讯推荐方法的流程图。
图4是本发明第一实施例提供的一种资讯推荐方法的第一部分流程图。
图5是本发明第一实施例提供的一种资讯推荐方法的第二部分流程图。
图6是本发明第一实施例提供的一种资讯推荐方法的第三部分流程图。
图7是本发明第一实施例提供的一种资讯推荐方法的第四部分流程图。
图8是本发明第二实施例提供的一种资讯推荐方法的流程图。
图9是本发明第二实施例提供的一种资讯推荐方法的部分流程图。
图10是本发明第三实施例提供的一种资讯推荐装置的结构框图。
图11是本发明第四实施例提供的一种资讯推荐装置的结构框图。
具体实施方式
下面将结合本发明实施例中附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。同时,在本发明的描述中,术语“第一”、“第三”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
图1示出了本发明实施例提供的服务器200与用户终端100进行交互的示意图。所述服务器200通过网络与一个或多个用户终端100进行通信连接,以进行数据通信或交互。所述服务器200可以是网络服务器、数据库服务器等。所述用户终端100可以是个人电脑(personal computer,PC)、平板电脑、智能手机、穿戴设备等。
图2示出了可应用于本发明实施例中的服务器200的方框示意图。所述服务器200包括存储器201、处理器202以及网络模块203。
存储器201可用于存储软件程序以及模块,如本发明实施例中的资讯推荐方法及装置对应的程序指令/模块,处理器202通过运行存储在存储器201内的软件程序以及模块,从而执行各种功能应用以及数据处理,即实现本发明实施例中的资讯推荐方法。存储器201可包括高速随机存储器,还可包括非易失性存储器,如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。进一步地,上述存储器201内的软件程序以及模块还可包括:操作***221以及服务模块222。其中操作***221,例如可为LINUX、UNIX、WINDOWS,其可包括各种用于管理***任务(例如内存管理、存储设备控制、电源管理等)的软件组件和/或驱动,并可与各种硬件或软件组件相互通讯,从而提供其他软件组件的运行环境。服务模块222运行在操作***221的基础上,并通过操作***221的网络服务监听来自网络的请求,根据请求完成相应的数据处理,并返回处理结果给客户端。也就是说,服务模块222用于向客户端提供网络服务。
网络模块203用于接收以及发送网络信号。上述网络信号可包括无线信号或者有线信号。
可以理解,图2所示的结构仅为示意,所述服务器200还可包括比图2中所示更多或者更少的组件,或者具有与图2所示不同的配置。图2中所示的各组件可以采用硬件、软件或其组合实现。另外,本发明实施例中的服务器还可以包括多个具体不同功能的服务器。
图3示出了本发明第一实施例提供的一种资讯推荐方法的流程图,请参阅图3,该资讯推荐方法运行于上述服务器中,该方法包括:
步骤S300,根据资讯集合中各个资讯对应的历史用户记录,分别向第一群体中的各个用户推荐资讯。
资讯的实施方式有很多,例如,新闻资讯,视频,推送广告,淘宝连接,视频等。
进一步,在移动应用时代,用户更乐意通过一些短视频去了解一些新鲜的资讯,因此,作为一种实施方式,所述资讯为播放时长小于预设时长的短视频。其中,预设时长可以根据需求进行设置,例如,10秒,30秒,一分钟等。
作为一种实施方式,每个所述资讯对应的历史用户记录包括资讯识别号、人群标签、该资讯识别号对应的资讯在拥有所述人群标签的人群中的曝光次数、点击次数、及点击率。
资讯集合中包括了各个资讯对应的历史用户记录,作为一种具体的实施方式,该资讯为短视频,各个短视频对应的历史用户记录以列表的方式存储于数据库中,具体存储方式请参见下表1:
表1
短视频识别号 | 人群标签 | 曝光次数 | 点击次数 | 点击率 |
12345 | 男性 | 300 | 60 | 0.2 |
12345 | 女性 | 500 | 50 | 0.1 |
67890 | 大学生 | 500 | 150 | 0.3 |
… | … | … | … |
该表中每条记录由短视频识别号及人群标签共同决定,每条记录代表该短视频识别号在该短视频识别号对应的短视频在拥有所述人群标签的人群中的曝光次数、点击次数、及点击率。其中,点击率=点击次数/曝光数。
当运营人员将一篇新的短视频加入该短视频集合中时,初始化数据为短视频识别号,该短视频识别号为短视频的唯一标识符;人群标签为该短视频集合中的标签;曝光次数初始化为0;点击次数初始化为0;点击率初始化为0。
作为一种实施方式,请参阅图4,步骤S300可以包括:
步骤S310,根据资讯集合中各个资讯对应的历史用户记录,计算与第一群体中的每个用户分别对应的各个所述资讯的点击指数。
作为一种具体的实施方式,请参阅图5,步骤S310可以包括:
步骤S311,分别获取所述第一群体中的每个用户的人群标签。
所述第一群体中的用户为所述用户列表中的拥有新用户标签的用户。作为一种实施方式,该新用户标签为新用户标签。也就是说,第一群体中的用户均为新用户。
可以通过查询用户列表,来获取第一群体中的每个用户的人群标签。
作为一种实施方式,该用户列表可以以列表的形式存储于数据库中,具体存储方式请参见下表2:
表2
用户识别号 | 人群标签 | 新用户标签 |
1 | 男性 | 1 |
1 | 大学生 | 1 |
2 | 女性 | 0 |
3 | 大学生 | 1 |
… | … | … |
该表中每条记录由用户识别号及人群标签共同决定,每条记录代表该用户是该人群标签下的用户,及该用户是否新用户。其中,新用户标签为1,代表该用户为新用户。
进一步的,新用户标签获取的途径有很多,例如:通过用户的个人注册信息获取用户的性别、地域、职业信息等;通过用户已安装的应用判断用户是否为“网络游戏”用户;用户首次启动产品时给用户推荐一批标签,用户选择的感兴趣的标签。
步骤S312,分别根据每个所述用户的人群标签,查询所述资讯集合中各个资讯对应的历史用户记录,获取与每个所述用户对应的各个所述资讯的点击率。
以第一群体中的用户1为例进行说明,首先查询用户列表(表2所示)中用户1的人群标签,用户1的人群标签包括:男性及大学生。
根据用户1的人群标签,即男性及大学生,查询资讯集合(表1所示)中各个资讯对应的历史用户记录,获取与每个所述用户对应的各个所述资讯的点击率。即查询表1中拥有人群标签为男性对各个视频的点击率及拥有人群标签为大学生对各个视频的点击率。
步骤S313,根据每个所述用户的人群标签,及每个所述用户对应的各个所述资讯的点击率,分别计算每个所述用户对应的各个所述资讯的点击指数。
作为一种实施方式,将各个所述资讯在拥有该用户的人群标签的人群中的点击率相加,作为该用户对应的各个所述资讯对应的点击指数。具体的,可以根据下述公式进行计算:
其中,ctri,t为拥有用户标签t的人群对资讯i的点击率;utu,t表示用户u是否具有用户标签t(0表示为不是,1表示是);eu,i为用户u对资讯i的点击指数。
步骤S320,根据各个所述点击指数,分别向所述第一群体中的各个用户推荐资讯。
作为一种实施方式,请参阅图6,步骤S320可以包括:
步骤S321,根据所述第一群体中每个用户对应的各个所述点击指数,分别将每个所述用户对应的各个资讯排序。
例如,对于用户a,根据公式计算出用户a对各个资讯的点击指数,按照各个资讯的点击指数进行降序排序。
步骤S322,根据每个所述用户对应的排序结果,分别为每个所述用户选出并推荐预设个数的推荐资讯。
其中,预设个数可以根据需求进行设置。例如,为每个所述用户选出并推荐100个推荐资讯。
步骤S400,从所述资讯集合中选出曝光次数低于预设阈值的资讯作为推荐资讯,分别向第二群体中的各个用户推荐所述推荐资讯。
其中,所述第二群体中的用户均为所述用户列表中的拥有新用户标签的用户且所述第二群体的用户数少于所述第一群体的用户数。
第一人群及第二人群可以根据预设规则获得,作为一种实施方式,请参阅图7,所述方法还包括:
步骤S410,从所述用户列表中获取多个拥有新用户标签的用户。
作为一种实施方式,该新用户标签为新用户标签。请参阅表2,从表2中获取多个拥有新用户标签的用户。
步骤S420,将所述多个拥有新用户标签的用户按照比例分为第一群体及第二群体。
其中,比例可以按照根据用户需求设置。例如,若从所述用户列表中获取100个拥有新用户标签的用户,将90%的用户划分到第一群体,将10%的用户划分到第二群体。
曝光次数是指资讯在用户的屏幕上出现过的次数。例如,资讯在用户的屏幕上出现过一次即为一次曝光。
预设阈值可以根据需求进行设置。例如,取值可以为500,即从资讯集合中选出曝光次数低于500次的资讯作为推荐资讯,分别向第二群体中的各个用户推荐所述推荐资讯。
步骤S500,分别根据第二群体中的各个用户对所述推荐资讯的反馈结果,更新所述资讯集合中各个资讯对应的历史用户记录及更新用户列表中的用户记录。
作为一种实施方式,所述反馈结果包括第二群体中的各个用户的信息及各个所述用户是否点击所述推荐资讯的信息。作为一种具体的实施方式,若资讯为短视频,各个用户的反馈数据可以参见下表3:
表3
用户识别号 | 短视频识别号 | 曝光点击数据 |
1 | 11 | 1 |
1 | 22 | 0 |
2 | 11 | -1 |
… | … | … |
其中,曝光点击数据的值为-1表示该短视频没有曝光,曝光点击数据的值为0表示该短视频曝光了给用户但用户没有点击,曝光点击数据的值为1表示曝光了短视频且用户有点击。
所述更新所述资讯集合中各个资讯对应的历史用户记录,包括:更新所述资讯集合中与所述反馈结果对应的资讯在拥有所述第二群体中的各个用户的人群标签的人群中的曝光次数、点击次数、及点击率。
作为一种具体的实施方式,可以根据下述公式进行更新:
(1)更新资讯i在用户人群标签t的人群中的曝光次数showi,t
showi,t←showi,t+∑u∈Uutu,t*f(is_clicku,i)
其中,函数f(is_clicku,i)定义如下:
其中,(is_clicku,i)是用户反馈结果中曝光点击数据的值,utu,t表示用户u是否是拥有人群标签t的用户(0表示为不是,1表示是),showi,t表示资讯i在用户人群标签t的人群中的曝光次数。
(2)更新资讯i在用户人群标签t的人群中的的点击次数clicki,t
其中,g(is_clicku,i)函数定义如下:
其中,is_clicku,i是用户反馈结果中曝光点击数据的值,utu,t表示用户u是否是拥有人群标签t的用户(0表示为不是,1表示是),clicki,t表示资讯i在用户人群标签t的人群中的的点击次数。
(3)更新资讯i在用户人群标签t的人群中的点击率ctri,t
其中,ctri,t为资讯i在用户人群标签t的人群中的点击率,clicki,t表示资讯i在用户人群标签t的人群中的的点击次数,showi,t表示资讯i在用户人群标签t的人群中的曝光次数。
所述更新用户列表中的用户记录,包括:更新所述用户列表中与所述反馈结果对应的用户的新用户标签。
作为一种具体的实施方式,可以根据下述公式进行更新:
其中,g(is_clicku,i)函数定义如下:
其中,sgn(x)函数定义如下:
其中,I表示资讯集合;is_new_useru是用户列表中的新用户标签的值(1表示新用户,0表示不是新用户);is_clicku,i是用户反馈结果中曝光点击数据的值。
本发明实施例提供的资讯推荐方法,通过根据资讯集合中各个资讯对应的历史用户记录,分别向第一群体中的各个用户推荐资讯;从所述资讯集合中选出曝光次数低于预设阈值的资讯作为推荐资讯,分别向第二群体中的各个用户推荐所述推荐资讯,并分别根据第二群体中的各个用户对所述推荐资讯的反馈结果,更新所述资讯集合中各个资讯对应的历史用户记录及更新用户列表中的用户记录,其中,所述第一群体中的用户及所述第二群体中的用户均为所述用户列表中的拥有新用户标签的用户且所述第二群体的用户数少于所述第一群体的用户数,本方案通过采用“试探推荐”的方式向小部分新用户推荐资讯,并根据这部分用户的反馈来发现优质资讯,同时根据资讯集合中各个资讯对应的历史用户记录给大部分新用户推荐已经验证是优质的资讯,提高了向新用户推荐的准确率,并进一步提高了新用户的体验。
图8示出了本发明第二实施例提供的一种资讯推荐方法的流程图,请参阅图8,该资讯推荐方法运行于上述服务器中,该方法包括:
步骤S610,根据拥有新用户标签的用户对应的人群标签,查询资讯集合中各个资讯对应的历史用户记录,获取各个所述资讯在拥有所述人群标签的人群中的点击率。
作为一种实施方式,所述资讯为播放时长小于预设时长的短资讯。
步骤S620,根据所述人群标签,及各个所述资讯在拥有所述人群标签的人群中的点击率,计算各个所述资讯对应的点击指数。
作为一种实施方式,将各个所述资讯在拥有所述人群标签的人群中的点击率相加,作为拥有新用户标签的用户对应的各个所述资讯对应的点击指数。
步骤S610至步骤S620的实施方式与上一实施例中的步骤S312至步骤S313的实施方式相似,此处不再赘述。
步骤S630,根据各个所述点击指数,向所述拥有新用户标签的用户推荐资讯。
作为一种实施方式,请参阅图9,步骤S530包括:
步骤S631,根据各个所述点击指数,将各个所述资讯排序;
步骤S632,根据排序结果,选出并向所述拥有新用户标签的用户推荐预设个数的推荐资讯。
步骤S631至步骤S632的实施方式与上一实施例中的步骤S321至步骤S322的实施方式相似,此处不再赘述。
本发明实施例提供的资讯推荐方法,通过根据拥有新用户标签的用户对应的人群标签,查询资讯集合中各个资讯对应的历史用户记录,获取各个所述资讯在拥有所述人群标签的人群中的点击率;根据所述人群标签,及各个所述资讯在拥有所述人群标签的人群中的点击率,计算各个所述资讯对应的点击指数;根据各个所述点击指数,向所述拥有新用户标签的用户推荐资讯,本方案通过根据资讯集合中各个资讯对应的其它历史用户记录给新用户推荐已经验证是优质的资讯,提高了向新用户推荐的准确率,并进一步提高了新用户的体验。
请参阅图10,是本发明第三实施例提供的资讯推荐装置700的功能模块示意图。所述资讯推荐装置700包括第一推荐模块710,第二推荐模块720。
第一推荐模块710,用于根据资讯集合中各个资讯对应的历史用户记录,分别向第一群体中的各个用户推荐资讯。
作为一种实施方式,所述资讯为播放时长小于预设时长的短视频。
作为一种实施方式,所述第一推荐模块710,还用于根据资讯集合中各个资讯对应的历史用户记录,计算与第一群体中的每个用户分别对应的各个所述资讯的点击指数;根据各个所述点击指数,分别向所述第一群体中的各个用户推荐资讯。
作为一种实施方式,所述第一推荐模块710,还用于分别获取所述第一群体中的每个用户的人群标签;分别根据每个所述用户的人群标签,查询所述资讯集合中各个资讯对应的历史用户记录,获取与每个所述用户对应的各个所述资讯的点击率;根据每个所述用户的人群标签,及每个所述用户对应的各个所述资讯的点击率,分别计算每个所述用户对应的各个所述资讯的点击指数。
作为一种实施方式,所述第一推荐模块710,还用于将各个所述资讯在拥有该用户的人群标签的人群中的点击率相加,作为该用户对应的各个所述资讯对应的点击指数。
作为一种实施方式,所述第一推荐模块710,还用于根据所述第一群体中每个用户对应的各个所述点击指数,分别将每个所述用户对应的各个资讯排序;根据每个所述用户对应的排序结果,分别为每个所述用户选出并推荐预设个数的推荐资讯。
作为一种实施方式,所述装置还包括划分模块730,用于从所述用户列表中获取多个拥有新用户标签的用户;将所述多个拥有新用户标签的用户按照比例分为第一群体及第二群体。
第二推荐模块720,用于从所述资讯集合中选出曝光次数低于预设阈值的资讯作为推荐资讯,分别向第二群体中的各个用户推荐所述推荐资讯,并分别根据第二群体中的各个用户对所述推荐资讯的反馈结果,更新所述资讯集合中各个资讯对应的历史用户记录及更新用户列表中的用户记录,其中,所述第一群体中的用户及所述第二群体中的用户均为所述用户列表中的拥有新用户标签的用户且所述第二群体的用户数少于所述第一群体的用户数。
作为一种实施方式,所述反馈结果包括第二群体中的各个用户的信息及各个所述用户是否点击所述推荐资讯的信息;每个所述资讯对应的历史用户记录包括资讯识别号、人群标签、该资讯识别号对应的资讯在拥有所述人群标签的人群中的曝光次数、点击次数、及点击率;所述第二推荐模块720,还用于更新所述资讯集合中与所述反馈结果对应的资讯在拥有所述第二群体中的各个用户的人群标签的人群中的曝光次数、点击次数、及点击率。
作为一种实施方式,所述用户列表中的每个用户记录包括用户识别号,人群标签,及新用户标签;所述第二推荐模块720,还用于更新所述用户列表中与所述反馈结果对应的用户的新用户标签。
以上各模块可以是由软件代码实现,此时,上述的各模块可存储于服务器200的存储器201内。以上各模块同样可以由硬件例如集成电路芯片实现。
请参阅图11,是本发明第四实施例提供的资讯推荐装置800的功能模块示意图。所述资讯推荐装置800包括查询模块810,计算模块820,及第三推荐模块830。
查询模块810,用于根据拥有新用户标签的用户对应的人群标签,查询资讯集合中各个资讯对应的历史用户记录,获取各个所述资讯在拥有所述人群标签的人群中的点击率。
作为一种实施方式,所述资讯为播放时长小于预设时长的短视频。
计算模块820,用于根据所述人群标签,及各个所述资讯在拥有所述人群标签的人群中的点击率,计算各个所述资讯对应的点击指数。
作为一种实施方式,所述计算模块820,还用于将各个所述资讯在拥有所述人群标签的人群中的点击率相加,作为拥有新用户标签的用户对应的各个所述资讯对应的点击指数。
第三推荐模块830,用于根据各个所述点击指数,向所述拥有新用户标签的用户推荐资讯。
作为一种实施方式,所述第三推荐模块830,还用于根据各个所述点击指数,将各个所述资讯排序;根据排序结果,选出并向所述拥有新用户标签的用户推荐预设个数的推荐资讯。
以上各模块可以是由软件代码实现,此时,上述的各模块可存储于服务器200的存储器201内。以上各模块同样可以由硬件例如集成电路芯片实现。
本发明第五实施例提供了一种服务器,所述服务器包括存储器及处理器,所述存储器耦接到所述处理器,所述存储器存储指令,当所述指令由所述处理器执行时以使所述处理器执行以下操作:
根据资讯集合中各个资讯对应的历史用户记录,分别向第一群体中的各个用户推荐资讯;
从所述资讯集合中选出曝光次数低于预设阈值的资讯作为推荐资讯,分别向第二群体中的各个用户推荐所述推荐资讯,并分别根据第二群体中的各个用户对所述推荐资讯的反馈结果,更新所述资讯集合中各个资讯对应的历史用户记录及更新用户列表中的用户记录,其中,所述第一群体中的用户及所述第二群体中的用户均为所述用户列表中的拥有新用户标签的用户且所述第二群体的用户数少于所述第一群体的用户数。
本发明第六实施例提供了一种服务器,所述服务器包括存储器及处理器,所述存储器耦接到所述处理器,所述存储器存储指令,当所述指令由所述处理器执行时以使所述处理器执行以下操作:
根据拥有新用户标签的用户对应的人群标签,查询资讯集合中各个资讯对应的历史用户记录,获取各个所述资讯在拥有所述人群标签的人群中的点击率;
根据所述人群标签,及各个所述资讯在拥有所述人群标签的人群中的点击率,计算各个所述资讯对应的点击指数;
根据各个所述点击指数,向所述拥有新用户标签的用户推荐资讯。
需要说明的是,本说明书中的各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似的部分互相参见即可。
本发明实施例所提供的资讯推荐装置,其实现原理及产生的技术效果和前述方法实施例相同,为简要描述,装置实施例部分未提及之处,可参考前述方法实施例中相应内容。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,附图中的流程图和框图显示了根据本发明的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的***来实现,或者可以用专用硬件与计算机指令的组合来实现。
另外,在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。需要说明的是,在本文中,诸如第一和第三等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (28)
1.一种资讯推荐方法,其特征在于,所述方法包括:
根据资讯集合中各个资讯对应的历史用户记录,分别向第一群体中的各个用户推荐资讯;
从所述资讯集合中选出曝光次数低于预设阈值的资讯作为推荐资讯,分别向第二群体中的各个用户推荐所述推荐资讯,
并分别根据第二群体中的各个用户对所述推荐资讯的反馈结果,更新所述资讯集合中各个资讯对应的历史用户记录及更新用户列表中的用户记录,
其中,所述第一群体中的用户及所述第二群体中的用户均为所述用户列表中的拥有新用户标签的用户且所述第二群体的用户数少于所述第一群体的用户数。
2.根据权利要求1所述的方法,其特征在于,所述根据资讯集合中各个资讯对应的历史用户记录,分别向第一群体中的各个用户推荐资讯,包括:
根据资讯集合中各个资讯对应的历史用户记录,计算与第一群体中的每个用户分别对应的各个所述资讯的点击指数;
根据各个所述点击指数,分别向所述第一群体中的各个用户推荐资讯。
3.根据权利要求2所述的方法,其特征在于,所述根据资讯集合中各个资讯对应的历史用户记录,计算与第一群体中的每个用户分别对应的各个所述资讯的点击指数,包括:
分别获取所述第一群体中的每个用户的人群标签;
分别根据每个所述用户的人群标签,查询所述资讯集合中各个资讯对应的历史用户记录,获取与每个所述用户对应的各个所述资讯的点击率;
根据每个所述用户的人群标签,及每个所述用户对应的各个所述资讯的点击率,分别计算每个所述用户对应的各个所述资讯的点击指数。
4.根据权利要求3所述的方法,其特征在于,所述根据每个所述用户的人群标签,及每个所述用户对应的各个所述资讯的点击率,分别计算每个所述用户对应的各个所述资讯的点击指数,包括:
将各个所述资讯在拥有该用户的人群标签的人群中的点击率相加,作为该用户对应的各个所述资讯对应的点击指数。
5.根据权利要求2所述的方法,其特征在于,所述根据各个所述点击指数,分别向所述第一群体中的各个用户推荐资讯,包括:
根据所述第一群体中每个用户对应的各个所述点击指数,分别将每个所述用户对应的各个资讯排序;
根据每个所述用户对应的排序结果,分别为每个所述用户选出并推荐预设个数的推荐资讯。
6.根据权利要求1所述的方法,其特征在于,所述方法还包括:
从所述用户列表中获取多个拥有新用户标签的用户;
将所述多个拥有新用户标签的用户按照比例分为第一群体及第二群体。
7.根据权利要求1所述的方法,其特征在于,所述反馈结果包括第二群体中的各个用户的信息及各个所述用户是否点击所述推荐资讯的信息;每个所述资讯对应的历史用户记录包括资讯识别号、人群标签、该资讯识别号对应的资讯在拥有所述人群标签的人群中的曝光次数、点击次数、及点击率,
所述更新所述资讯集合中各个资讯对应的历史用户记录,包括:
更新所述资讯集合中与所述反馈结果对应的资讯在拥有所述第二群体中的各个用户的人群标签的人群中的曝光次数、点击次数、及点击率。
8.根据权利要求1所述的方法,其特征在于,所述用户列表中的每个用户记录包括用户识别号,人群标签,及新用户标签;
所述更新用户列表中的用户记录,包括:
更新所述用户列表中与所述反馈结果对应的用户的新用户标签。
9.根据权利要求1至8中任一项所述的方法,其特征在于,所述资讯为播放时长小于预设时长的短视频。
10.一种资讯推荐方法,其特征在于,所述方法包括:
根据拥有新用户标签的用户对应的人群标签,查询资讯集合中各个资讯对应的历史用户记录,获取各个所述资讯在拥有所述人群标签的人群中的点击率;
根据所述人群标签,及各个所述资讯在拥有所述人群标签的人群中的点击率,计算各个所述资讯对应的点击指数;
根据各个所述点击指数,向所述拥有新用户标签的用户推荐资讯。
11.根据权利要求10所述的方法,其特征在于,所述根据所述人群标签,及各个所述资讯在拥有所述人群标签的人群中的点击率,计算各个所述资讯对应的点击指数,包括:
将各个所述资讯在拥有所述人群标签的人群中的点击率相加,作为拥有新用户标签的用户对应的各个所述资讯对应的点击指数。
12.根据权利要求10所述的方法,其特征在于,根据各个所述点击指数,向所述拥有新用户标签的用户推荐资讯,包括:
根据各个所述点击指数,将各个所述资讯排序;
根据排序结果,选出并向所述拥有新用户标签的用户推荐预设个数的推荐资讯。
13.根据权利要求10至12中任一项所述的方法,其特征在于,所述资讯为播放时长小于预设时长的短视频。
14.一种资讯推荐装置,其特征在于,所述装置包括:
第一推荐模块,用于根据资讯集合中各个资讯对应的历史用户记录,分别向第一群体中的各个用户推荐资讯;
第二推荐模块,用于从所述资讯集合中选出曝光次数低于预设阈值的资讯作为推荐资讯,分别向第二群体中的各个用户推荐所述推荐资讯,并分别根据第二群体中的各个用户对所述推荐资讯的反馈结果,更新所述资讯集合中各个资讯对应的历史用户记录及更新用户列表中的用户记录,其中,所述第一群体中的用户及所述第二群体中的用户均为所述用户列表中的拥有新用户标签的用户且所述第二群体的用户数少于所述第一群体的用户数。
15.根据权利要求14所述的装置,其特征在于,所述第一推荐模块,还用于根据资讯集合中各个资讯对应的历史用户记录,计算与第一群体中的每个用户分别对应的各个所述资讯的点击指数;根据各个所述点击指数,分别向所述第一群体中的各个用户推荐资讯。
16.根据权利要求15所述的装置,其特征在于,所述第一推荐模块,还用于分别获取所述第一群体中的每个用户的人群标签;分别根据每个所述用户的人群标签,查询所述资讯集合中各个资讯对应的历史用户记录,获取与每个所述用户对应的各个所述资讯的点击率;根据每个所述用户的人群标签,及每个所述用户对应的各个所述资讯的点击率,分别计算每个所述用户对应的各个所述资讯的点击指数。
17.根据权利要求16所述的装置,其特征在于,所述第一推荐模块,还用于将各个所述资讯在拥有该用户的人群标签的人群中的点击率相加,作为该用户对应的各个所述资讯对应的点击指数。
18.根据权利要求15所述的装置,其特征在于,所述第一推荐模块,还用于根据所述第一群体中每个用户对应的各个所述点击指数,分别将每个所述用户对应的各个资讯排序;根据每个所述用户对应的排序结果,分别为每个所述用户选出并推荐预设个数的推荐资讯。
19.根据权利要求14所述的装置,其特征在于,所述装置还包括划分模块,用于从所述用户列表中获取多个拥有新用户标签的用户;将所述多个拥有新用户标签的用户按照比例分为第一群体及第二群体。
20.根据权利要求14所述的装置,其特征在于,所述反馈结果包括第二群体中的各个用户的信息及各个所述用户是否点击所述推荐资讯的信息;每个所述资讯对应的历史用户记录包括资讯识别号、人群标签、该资讯识别号对应的资讯在拥有所述人群标签的人群中的曝光次数、点击次数、及点击率;所述第二推荐模块,还用于更新所述资讯集合中与所述反馈结果对应的资讯在拥有所述第二群体中的各个用户的人群标签的人群中的曝光次数、点击次数、及点击率。
21.根据权利要求14所述的装置,其特征在于,所述用户列表中的每个用户记录包括用户识别号,人群标签,及新用户标签;所述第二推荐模块,还用于更新所述用户列表中与所述反馈结果对应的用户的新用户标签。
22.根据权利要求14至22中任一项所述的装置,其特征在于,所述资讯为播放时长小于预设时长的短视频。
23.一种资讯推荐装置,其特征在于,所述装置包括:
查询模块,用于根据拥有新用户标签的用户对应的人群标签,查询资讯集合中各个资讯对应的历史用户记录,获取各个所述资讯在拥有所述人群标签的人群中的点击率;
计算模块,用于根据所述人群标签,及各个所述资讯在拥有所述人群标签的人群中的点击率,计算各个所述资讯对应的点击指数;
第三推荐模块,用于根据各个所述点击指数,向所述拥有新用户标签的用户推荐资讯。
24.根据权利要求23所述的装置,其特征在于,所述计算模块,还用于将各个所述资讯在拥有所述人群标签的人群中的点击率相加,作为拥有新用户标签的用户对应的各个所述资讯对应的点击指数。
25.根据权利要求23所述的装置,其特征在于,所述第三推荐模块,还用于根据各个所述点击指数,将各个所述资讯排序;根据排序结果,选出并向所述拥有新用户标签的用户推荐预设个数的推荐资讯。
26.根据权利要求23至25中任一项所述的装置,其特征在于,所述资讯为播放时长小于预设时长的短视频。
27.一种服务器,其特征在于,所述服务器包括存储器及处理器,所述存储器耦接到所述处理器,所述存储器存储指令,当所述指令由所述处理器执行时以使所述处理器执行以下操作:
根据资讯集合中各个资讯对应的历史用户记录,分别向第一群体中的各个用户推荐资讯;
从所述资讯集合中选出曝光次数低于预设阈值的资讯作为推荐资讯,分别向第二群体中的各个用户推荐所述推荐资讯,并分别根据第二群体中的各个用户对所述推荐资讯的反馈结果,更新所述资讯集合中各个资讯对应的历史用户记录及更新用户列表中的用户记录,其中,所述第一群体中的用户及所述第二群体中的用户均为所述用户列表中的拥有新用户标签的用户且所述第二群体的用户数少于所述第一群体的用户数。
28.一种服务器,其特征在于,所述服务器包括存储器及处理器,所述存储器耦接到所述处理器,所述存储器存储指令,当所述指令由所述处理器执行时以使所述处理器执行以下操作:
根据拥有新用户标签的用户对应的人群标签,查询资讯集合中各个资讯对应的历史用户记录,获取各个所述资讯在拥有所述人群标签的人群中的点击率;
根据所述人群标签,及各个所述资讯在拥有所述人群标签的人群中的点击率,计算各个所述资讯对应的点击指数;
根据各个所述点击指数,向所述拥有新用户标签的用户推荐资讯。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710530877.5A CN107273538B (zh) | 2017-06-29 | 2017-06-29 | 资讯推荐方法、装置及服务器 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710530877.5A CN107273538B (zh) | 2017-06-29 | 2017-06-29 | 资讯推荐方法、装置及服务器 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107273538A true CN107273538A (zh) | 2017-10-20 |
CN107273538B CN107273538B (zh) | 2020-07-07 |
Family
ID=60070468
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710530877.5A Active CN107273538B (zh) | 2017-06-29 | 2017-06-29 | 资讯推荐方法、装置及服务器 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107273538B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108804577A (zh) * | 2018-05-24 | 2018-11-13 | 联通在线信息科技有限公司 | 一种资讯标签兴趣度的预估方法 |
CN111523050A (zh) * | 2020-04-16 | 2020-08-11 | 咪咕文化科技有限公司 | 内容推荐方法、服务器及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101556622A (zh) * | 2008-04-11 | 2009-10-14 | 纳珀企业有限责任公司 | 在发送推荐之前提供预期的合意性信息 |
CN103425703A (zh) * | 2012-05-25 | 2013-12-04 | 深圳市腾讯计算机***有限公司 | 一种网络信息的处理方法和装置 |
CN104504098A (zh) * | 2014-12-29 | 2015-04-08 | 北京奇虎科技有限公司 | 信息推荐方法和装置 |
CN105335509A (zh) * | 2015-10-29 | 2016-02-17 | 广州神马移动信息科技有限公司 | 一种推荐活动信息的方法、装置及服务器 |
CN106446189A (zh) * | 2016-09-29 | 2017-02-22 | 广州艾媒数聚信息咨询股份有限公司 | 一种资讯推荐方法及*** |
-
2017
- 2017-06-29 CN CN201710530877.5A patent/CN107273538B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101556622A (zh) * | 2008-04-11 | 2009-10-14 | 纳珀企业有限责任公司 | 在发送推荐之前提供预期的合意性信息 |
CN103425703A (zh) * | 2012-05-25 | 2013-12-04 | 深圳市腾讯计算机***有限公司 | 一种网络信息的处理方法和装置 |
CN104504098A (zh) * | 2014-12-29 | 2015-04-08 | 北京奇虎科技有限公司 | 信息推荐方法和装置 |
CN105335509A (zh) * | 2015-10-29 | 2016-02-17 | 广州神马移动信息科技有限公司 | 一种推荐活动信息的方法、装置及服务器 |
CN106446189A (zh) * | 2016-09-29 | 2017-02-22 | 广州艾媒数聚信息咨询股份有限公司 | 一种资讯推荐方法及*** |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108804577A (zh) * | 2018-05-24 | 2018-11-13 | 联通在线信息科技有限公司 | 一种资讯标签兴趣度的预估方法 |
CN108804577B (zh) * | 2018-05-24 | 2022-11-01 | 联通在线信息科技有限公司 | 一种资讯标签兴趣度的预估方法 |
CN111523050A (zh) * | 2020-04-16 | 2020-08-11 | 咪咕文化科技有限公司 | 内容推荐方法、服务器及存储介质 |
CN111523050B (zh) * | 2020-04-16 | 2023-09-19 | 咪咕文化科技有限公司 | 内容推荐方法、服务器及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN107273538B (zh) | 2020-07-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105960656B (zh) | 用于创建用于向多个事件分配归因得分的数据驱动归因模型的方法和*** | |
CN107222566A (zh) | 信息推送方法、装置及服务器 | |
US10304113B2 (en) | Method and medium for determining whether a target item is related to a candidate affinity item | |
CA2700030C (en) | Touchpoint customization system | |
US8799814B1 (en) | Automated targeting of content components | |
US9858308B2 (en) | Real-time content recommendation system | |
US8893012B1 (en) | Visual indicator based on relative rating of content item | |
CN105898209A (zh) | 视频平台监控分析*** | |
CN107341245A (zh) | 数据处理方法、装置及服务器 | |
CN106503015A (zh) | 一种构建用户画像的方法 | |
WO2014105622A2 (en) | Selecting an advertisement for a traffic source | |
CN103164804A (zh) | 一种个性化的信息推送方法及装置 | |
CN102594870A (zh) | 一种云计算平台、云计算***及其业务信息发布方法 | |
CN102332006A (zh) | 一种信息推送控制方法及装置 | |
JP2014510972A (ja) | ユーザアクセス属性値に基づいた選好カテゴリの決定 | |
CN103678518A (zh) | 一种推荐列表调整方法和装置 | |
CN106446189A (zh) | 一种资讯推荐方法及*** | |
CN111815375B (zh) | 广告投放中的用户画像方法及装置 | |
CN104239335B (zh) | 特定用户信息获取方法及装置 | |
CN105335518A (zh) | 生成用户偏好信息的方法及装置 | |
CN112150227A (zh) | 商品推荐方法、***、设备及介质 | |
CN113961830A (zh) | 利用网页脚本对网站的客户端会话进行分段的***和方法 | |
KR20180137351A (ko) | 사용자 행위 기반의 아이템 추천 방법 및 장치 | |
CN105574198A (zh) | 一种栏目推荐方法及装置 | |
CN106919692B (zh) | 一种推送消息的方法和装置 |
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 | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20200529 Address after: 310051 room 508, floor 5, building 4, No. 699, Wangshang Road, Changhe street, Binjiang District, Hangzhou City, Zhejiang Province Applicant after: Alibaba (China) Co.,Ltd. Address before: 510627 Guangdong city of Guangzhou province Whampoa Tianhe District Road No. 163 Xiping Yun Lu Yun Ping square B radio tower 15 layer self unit 02 (only for office use) Applicant before: GUANGZHOU UC NETWORK TECHNOLOGY Co.,Ltd. |
|
TA01 | Transfer of patent application right | ||
GR01 | Patent grant | ||
GR01 | Patent grant |