CN108038237A - 一种信息推荐方法与*** - Google Patents
一种信息推荐方法与*** Download PDFInfo
- Publication number
- CN108038237A CN108038237A CN201711447182.7A CN201711447182A CN108038237A CN 108038237 A CN108038237 A CN 108038237A CN 201711447182 A CN201711447182 A CN 201711447182A CN 108038237 A CN108038237 A CN 108038237A
- Authority
- CN
- China
- Prior art keywords
- user
- information
- recommendation
- attribute
- build
- 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
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)
Abstract
本发明公开了一种信息推荐方法与***,所述信息推荐方法包括:获取用户的固有属性和行为属性;对所述固有属性和所述行为属性进行统计分析处理,挖掘用户兴趣;对所述行为属性进行分析挖掘处理,挖掘用户的阅读习惯和消费观念;根据所述固有属性、所述行为属性、所述用户兴趣、所述阅读习惯以及所述消费观念,挖掘用户的用户画像和行为习惯;根据所述用户画像所述行为习惯,调用预设的信息推荐模型获取推荐信息,并将所述推荐推送给用户。通过所述信息推荐方法能够挖掘用户的多种偏好信息,实现推荐信息的多样化,以满足用户的广泛阅读要求。
Description
技术领域
本发明涉及信息推荐领域,具体涉及一种信息推荐方法与***。
背景技术
随着网络技术的飞速发展,在互联网上每天生产大量的资讯、信息,因此,如何让用户从海量的数据中快速找到自己想要或者适合自己的网络信息则成为技术人员迫切需要解决的技术问题。目前,现有的信息推荐***主要采用协同过滤推荐、关联规则推荐、决策树推荐的方法,例如一种基于决策树的信息推荐方法包括:基于用户的行为获取用户的信息浏览记录序列,其中,所述信息浏览记录序列中的每个信息浏览记录包括下列各项:与浏览目标相关联的属性以及浏览时间;基于接收到的所述信息浏览记录序列生成决策树,其中,所述决策树中的每个节点代表所述与浏览目标相关联的属性中的不同层级的属性的分类,并且所述决策树的根节点代表最上层的第一级分类;在所述决策树生成后基于所述信息浏览记录序列中的每个信息浏览记录中的浏览时间为与该信息浏览记录相关联的节点赋以权重值;基于加权后的决策树确定推荐目标。但是,现有的信息推荐方法基本是采用单一模式的算法根据单一的兴趣点搜索网络信息,从而导致推荐信息较为单一,不能满足用户的广泛阅读的要求。
发明内容
本发明的目的是提供一种信息推荐方法与***,能够挖掘用户的多种偏好信息,实现推荐信息的多样化,以满足用户的广泛阅读要求。
为避免以上技术问题,本发明实施例提供一种信息推荐方法,包括:
获取用户的固有属性和行为属性;
对所述固有属性和所述行为属性进行统计分析处理,挖掘用户兴趣;
对所述行为属性进行分析挖掘处理,挖掘用户的阅读习惯和消费观念;
根据所述固有属性、所述行为属性、所述用户兴趣、所述阅读习惯以及所述消费观念,挖掘用户的用户画像和行为习惯;
根据所述用户画像和所述行为习惯,调用预设的信息推荐模型获取推荐信息,并将所述推荐信息推送给用户。
优选地,所述根据所述用户画像和所述行为习惯,调用预设的信息推荐模型获取推荐信息,并将所述推荐信息推送给用户之前,还包括:
根据所述用户画像和所述行为属性,训练所述预设的信息推荐模型。
优选地,所述信息推荐方法还包括:
将所述固有属性和所述行为属性进行分割处理形成多个数据块;
将所述多个数据块分布式存储到预设的服务器集群中。
优选地,所述根据所述用户画像和所述行为习惯,调用预设的信息推荐模型获取推荐信息,并将所述推荐信息推送给用户,具体包括:
根据所述用户画像以及所述用户画像中各个标签的权重,调用所述预设的信息推荐模型从网站的网络资源中搜索出所述推荐信息;
根据所述行为习惯、所述行为习惯的权重以及所述推荐信息,调用所述预设的信息推荐模型生成推荐信息列表;
根据所述推荐信息列表,将所述推荐信息推送给用户。
优选地,所述获取用户的固有属性和行为属性,具体包括:
按照设定的时间间隔采集用户的注册信息和行为日志,并分别对所述注册信息和所述行为日志进行数据预处理以获得所述固有属性和所述行为属性。
优选地,所述对所述固有属性和所述行为属性进行统计分析处理,挖掘用户兴趣,具体包括:
根据预设的兴趣分析模型对所述固有属性和所述行为属性进行文本关联分析和词频统计处理,挖掘所述用户兴趣。
优选地,所述对所述行为属性进行分析挖掘处理,挖掘用户的阅读习惯和消费观念,具体包括:
所述行为属性包括用户阅读的时段信息、使用的阅读设备信息、网络信息以及阅读的文本信息;
根据预设的习惯分析模型对所述用户阅读的时段信息、所述使用的阅读设备信息、所述网络信息进行分析挖掘处理,挖掘用户的阅读习惯;
根据所述预设的习惯分析模型对所述阅读的文本信息进行分析挖掘处理,挖掘用户的消费观念。
本发明实施例还提供一种信息推荐***,包括:
信息获取模块,用于获取用户的固有属性和行为属性;
兴趣挖掘模块,用于对所述固有属性和所述行为属性进行统计分析处理,挖掘用户兴趣;
习惯挖掘模块,用于对所述行为属性进行分析挖掘处理,挖掘用户的阅读习惯和消费观念;
画像挖掘模块,用于根据所述固有属性、所述行为属性、所述用户兴趣、所述阅读习惯以及所述消费观念,挖掘用户的用户画像和行为习惯;
信息推荐模块,用于根据所述用户画像和所述行为习惯,调用预设的信息推荐模型获取推荐信息,并将所述推荐信息推送给用户。
优选地,所述信息推荐***还包括训练模块,用于根据所述用户画像和所述行为属性,训练所述预设的信息推荐模型。
相对于现有技术,本发明实施例提供的一种信息推荐方法的有益效果在于:所述信息推荐方法包括:获取用户的固有属性和行为属性;对所述固有属性和所述行为属性进行统计分析处理,挖掘用户兴趣;对所述行为属性进行分析挖掘处理,挖掘用户的阅读习惯和消费观念;根据所述固有属性、所述行为属性、所述用户兴趣、所述阅读习惯以及所述消费观念,挖掘用户的用户画像和行为习惯;根据所述用户画像和所述行为习惯,调用预设的信息推荐模型获取推荐信息,并将所述推荐信息推送给用户。通过所述信息推荐方法能够挖掘用户的多种偏好信息,实现推荐信息的多样化,以满足用户的广泛阅读要求。本发明实施例提供一种信息推荐***。
附图说明
图1是本发明实施例提供的一种信息推荐方法的流程图;
图2是本发明实施例提供的一种信息推荐***的示意图。
具体实施方式
下面将结合本发明实施例中的附图,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。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动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。
请参阅图1,其是本发明实施例提供的一种信息推荐方法的流程图,所述信息推荐方法包括:
S1:获取用户的固有属性和行为属性;
S2:对所述固有属性和所述行为属性进行统计分析处理,挖掘用户兴趣;
S3:对所述行为属性进行分析挖掘处理,挖掘用户的阅读习惯和消费观念;
S4:根据所述固有属性、所述行为属性、所述用户兴趣、所述阅读习惯以及所述消费观念,挖掘用户的用户画像和行为习惯;
S5:根据所述用户画像和所述行为习惯,调用预设的信息推荐模型获取推荐信息,并将所述推荐信息推送给用户。
通过所述信息推荐方法深度挖掘用户的多种偏好信息,例如所述固有属性、所述行为属性、所述用户兴趣、所述阅读习惯以及所述消费观念,从而实现推荐信息的多样化,以满足用户的广泛阅读要求。例如根据所述用户画像和所述行为习惯,深度分析用户的多种兴趣点、恶趣点、线下活动类型等,推荐除了新闻,还包括生活信息(机票、行程、优惠推广等)、活动信息(演唱会、讲座、宣传活动等),从而实现推荐信息的多样化。
在一种可选的实施例中,所述根据所述用户画像和所述行为习惯,调用预设的信息推荐模型获取推荐信息,并将所述推荐信息推送给用户之前,还包括:
根据所述用户画像和所述行为属性,训练所述预设的信息推荐模型。
在本实施例中,由于所述用户画像和所述行为属性是根据采集信息的时间不断更新的,所述预设的信息推荐模型根据更新的所述用户画像和所述行为属性,调整自身的参数,实现所述预设的信息模型的自学习优化,可以使得通过预设的信息推荐模型获取的推荐信息更符合用户的偏好,提过信息推荐的准确性。
在一种可选的实施例中,所述信息推荐方法还包括:
将所述固有属性和所述行为属性进行分割处理形成多个数据块;
将所述多个数据块分布式存储到预设的服务器集群中。
在本实施例中,将所述固有属性和所述行为属性将被分割成多个指定的大小数据块;所述预设的服务器集群包括多个服务器,任意一个所述数据块存储在任意一个所述服务器的数据表中。通过将所述固有属性和所述行为属性分布存储在不同的服务器中,可降低服务器的存储容量的要求,降低服务器价格和维护成本,降低对机房环境的要求。
在一种可选的实施例中,所述根据所述用户画像和所述行为习惯,调用预设的信息推荐模型获取推荐信息,并将所述推荐信息推送给用户,具体包括:
根据所述用户画像以及所述用户画像中各个标签的权重,调用所述预设的信息推荐模型从网站的网络资源中搜索出所述推荐信息;
根据所述行为习惯、所述行为习惯的权重以及所述推荐信息,调用所述预设的信息推荐模型生成推荐信息列表;
根据所述推荐信息列表,将所述推荐信息推送给用户。
在本实施中,例如,所述用户画像的标签包括科技爱好者,其权重为90%;男性,其权重为85%;九零后,其权重为80%;……;则根据所述用户画像的标签及其权重,从网站的网络资源中检索出相关热门文章、生活信息、活动信息。根据所述行为习惯包括中午阅读,其权重为70%;客户端阅读,其权重为95%、……;对检索出来的文章、生活信息、活动信息按照所述行为习惯来进行推荐。
在一种可选的实施例中,所述获取用户的固有属性和行为属性,具体包括:
按照设定的时间间隔采集用户的注册信息和行为日志;
分别对所述注册信息和所述行为日志进行数据预处理以获得所述固有属性和所述行为属性。
在本实施例中,可以根据所述用户注册信息对用户群体进行粗划分,所述用户行为属性包括用户的阅读信息(阅读文章类型、阅读时间段,阅读时长,阅读文章的不同粒度的标签等),互动信息(评论、点赞、收藏),通过分析所述阅读信息和互动信息挖掘所述用户画像和所述行为习惯,能够丰富所述用户画像的标签和所述行为习惯,实现用户偏好信息的深度挖掘。
在本实施例中,所述数据预处理包括数据清洗、数据集成、数据变换、数据归约以及数据离散化。通过对所述注册信息和所述行为日志进行数据清洗、数据集成、数据变换、数据归约以及数据离散化处理从所述注册信息和所述行为日志中获取合适的属性作为数据挖掘的依据。
在一种可选的实施例中,所述对所述固有属性和所述行为属性进行统计分析处理,挖掘用户兴趣,具体包括:
根据预设的兴趣分析模型对所述固有属性和所述行为属性进行文本关联分析和词频统计处理,挖掘所述用户兴趣。
在一种可选的实施例中,所述对所述行为属性进行分析挖掘处理,挖掘用户的阅读习惯和消费观念,具体包括:
所述行为属性包括用户阅读的时段信息、使用的阅读设备信息、网络信息以及阅读的文本信息;
根据预设的习惯分析模型对所述用户阅读的时段信息、所述使用的阅读设备信息、所述网络信息进行分析挖掘处理,挖掘用户的阅读习惯;
根据所述预设的习惯分析模型对所述阅读的文本信息进行分析挖掘处理,挖掘用户的消费观念。
请参阅图2,其是本发明实施例提供的一种信息推荐***的示意图,所述信息推荐***,包括:
信息获取模块1,用于获取用户的固有属性和行为属性;
兴趣挖掘模块2,用于对所述固有属性和所述行为属性进行统计分析处理,挖掘用户兴趣;
习惯挖掘模块3,用于对所述行为属性进行分析挖掘处理,挖掘用户的阅读习惯和消费观念;
画像挖掘模块4,用于根据所述固有属性、所述行为属性、所述用户兴趣、所述阅读习惯以及所述消费观念,挖掘用户的用户画像和行为习惯;
信息推荐模块5,用于根据所述用户画像和所述行为习惯,调用预设的信息推荐模型获取推荐信息,并将所述推荐信息推送给用户。
通过所述信息推荐***深度挖掘用户的多种偏好信息,例如所述固有属性、所述行为属性、所述用户兴趣、所述阅读习惯以及所述消费观念,从而实现推荐信息的多样化,以满足用户的广泛阅读要求。例如根据所述用户画像和所述行为习惯,深度分析用户的多种兴趣点、恶趣点、线下活动类型等,推荐除了新闻,还包括生活信息(机票、行程、优惠推广等)、活动信息(演唱会、讲座、宣传活动等),实现推荐信息的多样化。
在一种可选的实施例中,所述信息推荐***还包括训练模块,用于根据所述用户画像和所述行为属性,训练所述预设的信息推荐模型。
在本实施例中,由于所述用户画像和所述行为属性是根据采集信息的时间不断更新的,所述预设的信息推荐模型根据更新的所述用户画像和所述行为属性,调整自身的参数,实现所述预设的信息模型的自学习优化,可以使得通过预设的信息推荐模型获取的推荐信息更符合用户的偏好,提过信息推荐的准确性。
在一种可选的实施例中,所述信息推荐***还包括:
数据分割模块,用于将所述固有属性和所述行为属性进行分割处理形成多个数据块;
数据存储模块,同于将所述多个数据块分布式存储到预设的服务器集群中。
在本实施例中,将所述固有属性和所述行为属性将被分割成多个指定的大小数据块;所述预设的服务器集群包括多个服务器,任意一个所述数据块存储在任意一个所述服务器的数据表中。通过将所述固有属性和所述行为属性分布存储在不同的服务器中,可降低服务器的存储容量的要求,降低服务器价格和维护成本,降低对机房环境的要求。
在一种可选的实施例中,所述信息推荐模块包括:
推荐信息获取模块,用于根据所述用户画像以及所述用户画像中各个标签的权重,调用所述预设的信息推荐模型从网站的网络资源中搜索出所述推荐信息;
推荐信息列表生成模块,用于根据所述行为习惯、所述行为习惯的权重以及所述推荐信息,调用所述预设的信息推荐模型生成推荐信息列表;
推荐信息推送模块,用于根据所述推荐信息列表,将所述推荐信息推送给用户。
在本实施中,例如,所述用户画像的标签包括科技爱好者,其权重为90%;男性,其权重为85%;九零后,其权重为80%;……;则根据所述用户画像的标签及其权重,从网站的网络资源中检索出相关热门文章、生活信息、活动信息。根据所述行为习惯包括中午阅读,其权重为70%;客户端阅读,其权重为95%、……;对检索出来的文章、生活信息、活动信息按照所述行为习惯来进行推荐。
在一种可选的实施例中,所述信息获取模块包括:
原始数据采集模块,用于按照设定的时间间隔采集用户的注册信息和行为日志;
属性数据生成模块,用于分别对所述注册信息和所述行为日志进行数据预处理以获得所述固有属性和所述行为属性。
在本实施例中,可以根据所述用户注册信息对用户群体进行粗划分,所述用户行为属性包括用户的阅读信息(阅读文章类型、阅读时间段,阅读时长,阅读文章的不同粒度的标签等),互动信息(评论、点赞、收藏),通过分析所述阅读信息和互动信息挖掘所述用户画像和所述行为习惯,能够丰富所述用户画像的标签和所述行为习惯,实现用户偏好信息的深度挖掘。
在本实施例中,所述数据预处理包括数据清洗、数据集成、数据变换、数据归约以及数据离散化。通过对所述注册信息和所述行为日志进行数据清洗、数据集成、数据变换、数据归约以及数据离散化处理从所述注册信息和所述行为日志中获取合适的属性作为数据挖掘的依据。
在一种可选的实施例中,所述兴趣挖掘模块用于根据预设的兴趣分析模型对所述固有属性和所述行为属性进行文本关联分析和词频统计处理,挖掘所述用户兴趣。
在一种可选的实施例中,所述习惯挖掘模块包括阅读习惯挖掘模块以及消费观念挖掘模块;
所述行为属性包括用户阅读的时段信息、使用的阅读设备信息、网络信息以及阅读的文本信息;
所述阅读习惯挖掘模块,用于根据预设的习惯分析模型对所述用户阅读的时段信息、所述使用的阅读设备信息、所述网络信息进行分析挖掘处理,挖掘用户的阅读习惯;
所述消费观念挖掘模块,用于根据所述预设的习惯分析模型对所述阅读的文本信息进行分析挖掘处理,挖掘用户的消费观念。
相对于现有技术,本发明实施例提供的一种信息推荐方法的有益效果在于:所述信息推荐方法包括:获取用户的固有属性和行为属性;对所述固有属性和所述行为属性进行统计分析处理,挖掘用户兴趣;对所述行为属性进行分析挖掘处理,挖掘用户的阅读习惯和消费观念;根据所述固有属性、所述行为属性、所述用户兴趣、所述阅读习惯以及所述消费观念,挖掘用户的用户画像和行为习惯;根据所述用户画像和所述行为习惯,调用预设的信息推荐模型获取推荐信息,并将所述推荐信息推送给用户。通过所述信息推荐方法能够挖掘用户的多种偏好信息,实现推荐信息的多样化,以满足用户的广泛阅读要求。本发明实施例提供一种信息推荐***。
以上是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也视为本发明的保护范围。
Claims (9)
1.一种信息推荐方法,其特征在于,包括:
获取用户的固有属性和行为属性;
对所述固有属性和所述行为属性进行统计分析处理,挖掘用户兴趣;
对所述行为属性进行分析挖掘处理,挖掘用户的阅读习惯和消费观念;
根据所述固有属性、所述行为属性、所述用户兴趣、所述阅读习惯以及所述消费观念,挖掘用户的用户画像和行为习惯;
根据所述用户画像和所述行为习惯,调用预设的信息推荐模型获取推荐信息,并将所述推荐信息推送给用户。
2.如权利要求1所述的信息推荐方法,其特征在于,所述根据所述用户画像和所述行为习惯,调用预设的信息推荐模型获取推荐信息,并将所述推荐信息推送给用户之前,还包括:
根据所述用户画像和所述行为属性,训练所述预设的信息推荐模型。
3.如权利要求1所述的信息推荐方法,其特征在于,还包括:
将所述固有属性和所述行为属性进行分割处理形成多个数据块;
将所述多个数据块分布式存储到预设的服务器集群中。
4.如权利要求1所述的信息推荐方法,其特征在于,所述根据所述用户画像和所述行为习惯,调用预设的信息推荐模型获取推荐信息,并将所述推荐信息推送给用户,具体包括:
根据所述用户画像以及所述用户画像中各个标签的权重,调用所述预设的信息推荐模型从网站的网络资源中搜索出所述推荐信息;
根据所述行为习惯、所述行为习惯的权重以及所述推荐信息,调用所述预设的信息推荐模型生成推荐信息列表;
根据所述推荐信息列表,将所述推荐信息推送给用户。
5.如权利要求1所述的信息推荐方法,其特征在于,所述获取用户的固有属性和行为属性,具体包括:
按照设定的时间间隔采集用户的注册信息和行为日志;
分别对所述注册信息和所述行为日志进行数据预处理以获得所述固有属性和所述行为属性。
6.如权利要求1所述的信息推荐方法,其特征在于,所述对所述固有属性和所述行为属性进行统计分析处理,挖掘用户兴趣,具体包括:
根据预设的兴趣分析模型对所述固有属性和所述行为属性进行文本关联分析和词频统计处理,挖掘所述用户兴趣。
7.如权利要求1所述的信息推荐方法,其特征在于,所述对所述行为属性进行分析挖掘处理,挖掘用户的阅读习惯和消费观念,具体包括:
所述行为属性包括用户阅读的时段信息、使用的阅读设备信息、网络信息以及阅读的文本信息;
根据预设的习惯分析模型对所述用户阅读的时段信息、所述使用的阅读设备信息、所述网络信息进行分析挖掘处理,挖掘用户的阅读习惯;
根据所述预设的习惯分析模型对所述阅读的文本信息进行分析挖掘处理,挖掘用户的消费观念。
8.一种信息推荐***,其特征在于,包括:
信息获取模块,用于获取用户的固有属性和行为属性;
兴趣挖掘模块,用于对所述固有属性和所述行为属性进行统计分析处理,挖掘用户兴趣;
习惯挖掘模块,用于对所述行为属性进行分析挖掘处理,挖掘用户的阅读习惯和消费观念;
画像挖掘模块,用于根据所述固有属性、所述行为属性、所述用户兴趣、所述阅读习惯以及所述消费观念,挖掘用户的用户画像和行为习惯;
信息推荐模块,用于根据所述用户画像和所述行为习惯,调用预设的信息推荐模型获取推荐信息,并将所述推荐信息推送给用户。
9.如权利要求8所述的信息推荐***,其特征在于,所述信息推荐***还包括训练模块,用于根据所述用户画像和所述行为属性,训练所述预设的信息推荐模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711447182.7A CN108038237A (zh) | 2017-12-27 | 2017-12-27 | 一种信息推荐方法与*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711447182.7A CN108038237A (zh) | 2017-12-27 | 2017-12-27 | 一种信息推荐方法与*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108038237A true CN108038237A (zh) | 2018-05-15 |
Family
ID=62097548
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711447182.7A Pending CN108038237A (zh) | 2017-12-27 | 2017-12-27 | 一种信息推荐方法与*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108038237A (zh) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109145210A (zh) * | 2018-08-17 | 2019-01-04 | 腾讯科技(深圳)有限公司 | 一种信息推荐的方法、装置及存储介质 |
CN109254990A (zh) * | 2018-09-11 | 2019-01-22 | 北京唐冠天朗科技开发有限公司 | 一种信息源采集和动态分析的方法和*** |
CN109284448A (zh) * | 2018-09-28 | 2019-01-29 | Oppo广东移动通信有限公司 | 信息推荐方法、装置、终端及存储介质 |
CN109318902A (zh) * | 2018-09-27 | 2019-02-12 | 上海蔚来汽车有限公司 | 基于用户操作行为的用户操作引导方法、***及控制器 |
CN109543951A (zh) * | 2018-10-24 | 2019-03-29 | 深圳市万屏时代科技有限公司 | 一种网络营销方法、***及计算机存储介质 |
CN109559152A (zh) * | 2018-10-24 | 2019-04-02 | 深圳市万屏时代科技有限公司 | 一种网络营销方法、***及计算机存储介质 |
CN109800359A (zh) * | 2018-12-20 | 2019-05-24 | 北京百度网讯科技有限公司 | 信息推荐处理方法、装置、电子设备及可读存储介质 |
CN109977301A (zh) * | 2019-02-28 | 2019-07-05 | 贵阳学院 | 一种用户使用习惯挖掘方法 |
CN110059177A (zh) * | 2019-04-24 | 2019-07-26 | 南京传唱软件科技有限公司 | 一种基于用户画像的活动推荐方法及装置 |
CN110188276A (zh) * | 2019-05-31 | 2019-08-30 | 秒针信息技术有限公司 | 数据发送装置、方法、电子设备及计算机可读存储介质 |
WO2020082596A1 (zh) * | 2018-10-23 | 2020-04-30 | 深圳壹账通智能科技有限公司 | 基于数据处理的用户画像自动生成方法和*** |
CN112653908A (zh) * | 2020-12-21 | 2021-04-13 | 四川长虹电器股份有限公司 | 一种智能电视媒资实时推荐方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101505284A (zh) * | 2008-11-12 | 2009-08-12 | ***通信集团广东有限公司 | 一种智能的信息动态推送方法及*** |
CN105930425A (zh) * | 2016-04-18 | 2016-09-07 | 乐视控股(北京)有限公司 | 个性化视频推荐方法及装置 |
CN106126582A (zh) * | 2016-06-20 | 2016-11-16 | 乐视控股(北京)有限公司 | 推荐方法及装置 |
CN106202534A (zh) * | 2016-07-25 | 2016-12-07 | 十九楼网络股份有限公司 | 一种基于社区用户行为的内容推荐方法及*** |
CN107423442A (zh) * | 2017-08-07 | 2017-12-01 | 火烈鸟网络(广州)股份有限公司 | 基于用户画像行为分析的应用推荐方法及***,储存介质及计算机设备 |
CN107451217A (zh) * | 2017-07-17 | 2017-12-08 | 广州特道信息科技有限公司 | 资讯推荐方法及装置 |
-
2017
- 2017-12-27 CN CN201711447182.7A patent/CN108038237A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101505284A (zh) * | 2008-11-12 | 2009-08-12 | ***通信集团广东有限公司 | 一种智能的信息动态推送方法及*** |
CN105930425A (zh) * | 2016-04-18 | 2016-09-07 | 乐视控股(北京)有限公司 | 个性化视频推荐方法及装置 |
CN106126582A (zh) * | 2016-06-20 | 2016-11-16 | 乐视控股(北京)有限公司 | 推荐方法及装置 |
CN106202534A (zh) * | 2016-07-25 | 2016-12-07 | 十九楼网络股份有限公司 | 一种基于社区用户行为的内容推荐方法及*** |
CN107451217A (zh) * | 2017-07-17 | 2017-12-08 | 广州特道信息科技有限公司 | 资讯推荐方法及装置 |
CN107423442A (zh) * | 2017-08-07 | 2017-12-01 | 火烈鸟网络(广州)股份有限公司 | 基于用户画像行为分析的应用推荐方法及***,储存介质及计算机设备 |
Non-Patent Citations (2)
Title |
---|
丁俊杰 等: "《中国营销实效趋势报告》", 31 October 2013, 中国市场出版社 * |
梁春晓 等: "《电子商务——从理念到行动》", 31 October 2001, 清华大型出版社 * |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109145210A (zh) * | 2018-08-17 | 2019-01-04 | 腾讯科技(深圳)有限公司 | 一种信息推荐的方法、装置及存储介质 |
CN109145210B (zh) * | 2018-08-17 | 2023-03-21 | 深圳市雅阅科技有限公司 | 一种信息推荐的方法、装置及存储介质 |
CN109254990A (zh) * | 2018-09-11 | 2019-01-22 | 北京唐冠天朗科技开发有限公司 | 一种信息源采集和动态分析的方法和*** |
CN109318902A (zh) * | 2018-09-27 | 2019-02-12 | 上海蔚来汽车有限公司 | 基于用户操作行为的用户操作引导方法、***及控制器 |
CN109284448A (zh) * | 2018-09-28 | 2019-01-29 | Oppo广东移动通信有限公司 | 信息推荐方法、装置、终端及存储介质 |
WO2020082596A1 (zh) * | 2018-10-23 | 2020-04-30 | 深圳壹账通智能科技有限公司 | 基于数据处理的用户画像自动生成方法和*** |
CN109543951A (zh) * | 2018-10-24 | 2019-03-29 | 深圳市万屏时代科技有限公司 | 一种网络营销方法、***及计算机存储介质 |
CN109559152A (zh) * | 2018-10-24 | 2019-04-02 | 深圳市万屏时代科技有限公司 | 一种网络营销方法、***及计算机存储介质 |
CN109800359B (zh) * | 2018-12-20 | 2021-08-17 | 北京百度网讯科技有限公司 | 信息推荐处理方法、装置、电子设备及可读存储介质 |
CN109800359A (zh) * | 2018-12-20 | 2019-05-24 | 北京百度网讯科技有限公司 | 信息推荐处理方法、装置、电子设备及可读存储介质 |
CN109977301A (zh) * | 2019-02-28 | 2019-07-05 | 贵阳学院 | 一种用户使用习惯挖掘方法 |
CN110059177A (zh) * | 2019-04-24 | 2019-07-26 | 南京传唱软件科技有限公司 | 一种基于用户画像的活动推荐方法及装置 |
CN110059177B (zh) * | 2019-04-24 | 2023-09-26 | 南京传唱软件科技有限公司 | 一种基于用户画像的活动推荐方法及装置 |
CN110188276B (zh) * | 2019-05-31 | 2021-07-06 | 秒针信息技术有限公司 | 数据发送装置、方法、电子设备及计算机可读存储介质 |
CN110188276A (zh) * | 2019-05-31 | 2019-08-30 | 秒针信息技术有限公司 | 数据发送装置、方法、电子设备及计算机可读存储介质 |
CN112653908A (zh) * | 2020-12-21 | 2021-04-13 | 四川长虹电器股份有限公司 | 一种智能电视媒资实时推荐方法 |
CN112653908B (zh) * | 2020-12-21 | 2022-02-01 | 四川长虹电器股份有限公司 | 一种智能电视媒资实时推荐方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108038237A (zh) | 一种信息推荐方法与*** | |
CN104182389B (zh) | 一种基于语义的大数据分析商业智能服务*** | |
CN111708740A (zh) | 基于云平台的海量搜索查询日志计算分析*** | |
CN107451861B (zh) | 一种大数据下用户上网特征识别的方法 | |
CN103106285B (zh) | 一种基于信息安全专业社交网络平台的推荐算法 | |
US9165305B1 (en) | Generating models based on user behavior | |
CN104484431B (zh) | 一种基于领域本体的多源个性化新闻网页推荐方法 | |
CN106528693A (zh) | 面向个性化学习的教育资源推荐方法及*** | |
CN106846061A (zh) | ***挖掘方法以及装置 | |
CN101329674A (zh) | 一种提供个性化搜索的***和方法 | |
CN108874812B (zh) | 一种数据处理方法及服务器、计算机存储介质 | |
CN105095187A (zh) | 一种搜索意图识别方法及装置 | |
CN102495872A (zh) | 对移动设备用户进行个性化新闻推荐的方法和装置 | |
CN106354818B (zh) | 基于社交媒体的动态用户属性提取方法 | |
CN102360386A (zh) | 电子商务网站智能导购***和方法 | |
CN101833587A (zh) | 网络视频搜索*** | |
CN104423621A (zh) | 拼音字符串处理方法和装置 | |
CN101000627A (zh) | 一种相关信息的发布方法和装置 | |
CN102541892A (zh) | 记录和分析用户行为特征的方法 | |
CN105183925A (zh) | 内容关联推荐方法及装置 | |
CN102957949A (zh) | 为用户推荐视频的装置及方法 | |
CN101894157A (zh) | 网页呈现方法和装置 | |
CN103688256A (zh) | 基于评论信息确定视频质量参数的方法、装置和*** | |
CN110457283A (zh) | 一种基于数据挖掘的教学点评与推荐***及其方法 | |
CN102567392A (zh) | 一种基于时间窗口兴趣主题挖掘的控制方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180515 |