CN110309410A - 一种资讯推荐方法、平台及计算机可读存储介质 - Google Patents
一种资讯推荐方法、平台及计算机可读存储介质 Download PDFInfo
- Publication number
- CN110309410A CN110309410A CN201810214568.1A CN201810214568A CN110309410A CN 110309410 A CN110309410 A CN 110309410A CN 201810214568 A CN201810214568 A CN 201810214568A CN 110309410 A CN110309410 A CN 110309410A
- Authority
- CN
- China
- Prior art keywords
- information
- recommended
- recommendation
- recommendation list
- mentioned
- 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)
Abstract
本发明实施例公开了一种资讯推荐方法、平台及计算机可读存储介质,上述资讯推荐方法,包括:获取推荐对象对应的第一浏览数据;当预设源资讯存在第一浏览数据时,根据第一浏览数据对应的资讯属性和资讯内容,获取第一推荐列表;当预设源资讯不存在第一浏览数据时,根据第一浏览数据、推荐对象对应的属性信息,获取第二推荐列表;根据第一推荐列表或第二推荐列表,向推荐对象进行资讯推荐。
Description
技术领域
本发明涉及资讯业务领域,尤其涉及一种资讯推荐方法、平台及计算机可读存储介质。
背景技术
目前,资讯推荐平台在对用户进行资讯推荐时,可用的推荐方法包括:基于内容的推荐、协同过滤推荐、基于关联的推荐,基于效用的推荐、基于知识的推荐以及组合推荐。其中,基于内容的推荐、协同过滤推荐以及组合推荐的方法最为常用。具体地,基于内容的推荐是根据资讯内容的元数据,发现资讯内容的相关性,然后基于用户的浏览数据推荐给用户相似的资讯;协同过滤推荐主要分为基于用户的协同过滤推荐、基于项目的协同过滤推荐以及基于模型的协同过滤推荐三种方式;组合推荐是对资讯进行多种不同组合方式进行推荐,包括加权、变换、混合、层叠以及扩充等。
现有的资讯推荐方式中,基于内容的推荐需要结合用户的浏览数据进行资讯推荐,因此对于不存在浏览数据的用户,该方法存在稀疏问题和推荐失败的问题;协同过滤推荐的可扩展性较差,且推荐质量取决于用户的浏览数据,因此该方法也无法向不存在浏览数据的用户进行资讯推荐;组合推荐方式虽然可以克服基于内容的推荐和协同过滤推荐存在的部分问题,但是,组合推荐方式大多结合具体场景和具体的应用来实现,需借鉴用户的浏览数据进行推荐,因此对于不存在浏览数据的用户仍存在无法进行资讯推荐的问题,也就是说,现有的资讯推荐技术并不能对任一类型的用户进行资讯推荐,即现有技术无法对用户进行个性化的资讯推荐。
发明内容
为解决上述技术问题,本发明实施例期望提供一种资讯推荐方法、平台及计算机可读存储介质,能够解决对不存在浏览数据的推荐对象无法进行资讯推荐的问题,从而可以实现对任一类型的推荐对象进行个性化的资讯推荐。
为达到上述目的,本发明实施例的技术方案是这样实现的:
本发明实施例提供了一种资讯推荐方法,所述方法包括:
获取推荐对象对应的第一浏览数据;
当预设源资讯存在所述第一浏览数据时,根据所述第一浏览数据对应的资讯属性和资讯内容,获取第一推荐列表;
当预设源资讯不存在所述第一浏览数据时,根据所述第一浏览数据、所述推荐对象对应的属性信息,获取第二推荐列表;
根据所述第一推荐列表或所述第二推荐列表,向所述推荐对象进行资讯推荐。
在上述方案中,所述当预设源资讯存在所述第一浏览数据时,根据所述第一浏览数据对应的资讯属性和资讯内容,获取第一推荐列表,包括:
根据所述资讯属性、所述资讯内容以及预设源资讯,确定所述第一浏览数据和所述预设源资讯对应的属性相似度和内容相似度;
根据所述属性相似度和所述内容相似度,确定所述第一推荐列表。
在上述方案中,所述根据所述资讯属性和预设源资讯,确定所述第一浏览数据和所述预设源资讯对应的属性相似度,包括:
获取所述预设源资讯对应的预存属性;
将所述资讯属性和所述预存属性输入至预设属性相似度计算模型中,获得所述属性相似度。
在上述方案中,所述根据所述资讯内容和预设源资讯,确定所述第一浏览数据和所述预设源资讯对应的内容相似度,包括:
获取所述预设源资讯对应的预存内容;
确定所述资讯内容对应的第一关键词权重和所述预存内容对应的第二关键词权重;
将所述第一关键词权重和所述第二关键词权重输入至预设内容相似度计算模型中,获得所述内容相似度。
在上述方案中,所述根据所述属性相似度和所述内容相似度,确定所述第一推荐列表,包括:
将所述属性相似度和所述内容相似度输入至预存资讯相似度计算模型中,获得所述第一浏览数据和所述预设源资讯之间的资讯相似度;
确定所述预设源资讯对应的第一上线时间;
根据所述资讯相似度和所述第一上线时间,确定所述第一推荐列表。
在上述方案中,所述当预设源资讯不存在所述第一浏览数据时,根据所述第一浏览数据、所述推荐对象对应的属性信息,获取第二推荐列表,包括:
根据所述第一浏览数据、所述属性信息以及预存对象标识,获取目标对象;
获取所述目标对象对应的第二浏览数据;
根据所述第二浏览数据,确定所述第二推荐列表。
在上述方案中,所述根据所述第一浏览数据、所述属性信息以及预存对象标识,获取目标对象,包括:
根据所述第一浏览数据和所述属性信息,获得所述推荐对象对应的标识信息;
将所述标识信息和所述预存对象标识输入至预设对象相似度计算模型中,获得对象相似度;
根据所述对象相似度确定所述目标对象。
在上述方案中,所述根据所述第二浏览数据,确定所述第二推荐列表,包括:
确定所述第二浏览数据对应的第二上线时间;
根据所述第二浏览数据和所述第二上线时间,确定所述第二推荐列表。
在上述方案中,所述获取推荐对象对应的第一浏览数据之后,所述方法还包括:
按照预设热度类型获取第三推荐列表;其中,所述预设热度类型用于根据资讯的热度进行资讯推荐。
在上述方案中,所述按照预设热度类型获取第三推荐列表,包括:
获取所述预设源资讯对应的访问量;
将所述访问量和所述第一上线时间输入至预设热度计算模型中,获得所述预设源资讯对应的热度参数;
根据所述热度参数获取所述第三推荐列表。
在上述方案中,所述根据所述第一推荐列表或所述第二推荐列表,向所述推荐对象进行资讯推荐,包括:
根据所述第一推荐列表和所述第三推荐列表,向所述推荐对象进行资讯推荐;或者,
根据所述第二推荐列表和所述第三推荐列表,向所述推荐对象进行资讯推荐。
在上述方案中,所述根据所述第一推荐列表和所述第三推荐列表,向所述推荐对象进行资讯推荐,包括:
确定所述第一推荐列表对应的第一资讯数量;
若所述第一资讯数量小于预设数量阈值,则将所述第三推荐列表补充至所述第一推荐列表,以向所述推荐对象进行资讯推荐;
若所述第一资讯数量大于或者等于所述预设数量阈值,则直接根据所述第一推荐列表向所述推荐对象进行资讯推荐。
在上述方案中,所述根据所述第二推荐列表和所述第三推荐列表,向所述推荐对象进行资讯推荐,包括:
确定所述第二推荐列表对应的第二资讯数量;
若所述第二资讯数量小于预设数量阈值,则将所述第三推荐列表补充至所述第二推荐列表,以向所述推荐对象进行资讯推荐;
若所述第二资讯数量大于或者等于所述预设数量阈值,则直接根据所述第二推荐列表向所述推荐对象进行资讯推荐。
本发明实施例提供了一种资讯推荐平台,所述资讯推荐平台包括:获取单元和推荐单元,
所述获取单元,用于获取推荐对象对应的第一浏览数据;以及当预设源资讯存在所述第一浏览数据时,根据所述第一浏览数据对应的资讯属性和资讯内容,获取第一推荐列表;以及当预设源资讯不存在所述第一浏览数据时,根据所述第一浏览数据、所述推荐对象对应的属性信息,获取第二推荐列表;
所述推荐单元,用于根据所述第一推荐列表或所述第二推荐列表,向所述推荐对象进行资讯推荐。
在上述方案中,所述获取单元,还用于获取推荐对象对应的第一浏览数据之后,按照预设热度类型获取第三推荐列表;其中,所述预设热度类型用于根据资讯的热度进行资讯推荐;
所述推荐单元,还用于根据所述第一推荐列表和所述第三推荐列表,向所述推荐对象进行资讯推荐;或者,根据所述第二推荐列表和所述第三推荐列表,向所述推荐对象进行资讯推荐。
本发明实施例提供了一种资讯推荐平台,所述资讯推荐平台包括:处理器、存储器以及通信总线;所述通信总线用于实现所述处理器和所述存储器之间的连接通信;所述处理器用于执行所述存储器中存储的数据发送程序,以实现如下步骤:
获取推荐对象对应的第一浏览数据;
当预设源资讯存在所述第一浏览数据时,根据所述第一浏览数据对应的资讯属性和资讯内容,获取第一推荐列表;
当预设源资讯不存在所述第一浏览数据时,根据所述第一浏览数据、所述推荐对象对应的属性信息,获取第二推荐列表;
根据所述第一推荐列表或所述第二推荐列表,向所述推荐对象进行资讯推荐。
在上述方案中,所述处理器,具体用于根据所述资讯属性、所述资讯内容以及预设源资讯,确定所述第一浏览数据和所述预设源资讯对应的属性相似度和内容相似度;以及根据所述属性相似度和所述内容相似度,确定所述第一推荐列表;以及获取所述预设源资讯对应的预存属性;以及将所述资讯属性和所述预存属性输入至预设属性相似度计算模型中,获得所述属性相似度;以及获取所述预设源资讯对应的预存内容;以及确定所述资讯内容对应的第一关键词权重和所述预存内容对应的第二关键词权重;以及将所述第一关键词权重和所述第二关键词权重输入至预设内容相似度计算模型中,获得所述内容相似度;以及将所述属性相似度和所述内容相似度输入至预存资讯相似度计算模型中,获得所述第一浏览数据和所述预设源资讯之间的资讯相似度;以及确定所述预设源资讯对应的第一上线时间;以及根据所述资讯相似度和所述第一上线时间,确定所述第一推荐列表。
在上述方案中,所述处理器,还具体用于根据所述第一浏览数据、所述属性信息以及预存对象标识,获取目标对象;以及获取所述目标对象对应的第二浏览数据;以及根据所述第二浏览数据,确定所述第二推荐列表;以及根据所述第一浏览数据和所述属性信息,获得所述推荐对象对应的标识信息;以及将所述标识信息和所述预存对象标识输入至预设对象相似度计算模型中,获得对象相似度;以及根据所述对象相似度确定所述目标对象;以及确定所述第二浏览数据对应的第二上线时间;以及根据所述第二浏览数据和所述第二上线时间,确定所述第二推荐列表。
在上述方案中,所述处理器,还用于获取推荐对象对应的第一浏览数据之后,按照预设热度类型获取第三推荐列表;其中,所述预设热度类型用于根据资讯的热度进行资讯推荐;
所述处理器,还具体用于获取所述预设源资讯对应的访问量;以及将所述访问量和所述第一上线时间输入至预设热度计算模型中,获得所述预设源资讯对应的热度参数;以及根据所述热度参数获取所述第三推荐列表;以及根据所述第一推荐列表和所述第三推荐列表,向所述推荐对象进行资讯推荐;或者,根据所述第二推荐列表和所述第三推荐列表,向所述推荐对象进行资讯推荐;以及确定所述第一推荐列表对应的第一资讯数量;以及若所述第一资讯数量小于预设数量阈值,则将所述第三推荐列表补充至所述第一推荐列表,以向所述推荐对象进行资讯推荐;以及若所述第一资讯数量大于或者等于所述预设数量阈值,则直接根据所述第一推荐列表向所述推荐对象进行资讯推荐;以及确定所述第二推荐列表对应的第二资讯数量;以及若所述第二资讯数量小于预设数量阈值,则将所述第三推荐列表补充至所述第二推荐列表,以向所述推荐对象进行资讯推荐;以及若所述第二资讯数量大于或者等于所述预设数量阈值,则直接根据所述第二推荐列表向所述推荐对象进行资讯推荐。
本发明实施例提供了一种计算机可读存储介质,所述计算机可读存储介质存储有一个或者多个程序,所述一个或者多个程序可被一个或者多个处理器执行,以实现上述资讯推荐方法。
由此可见,本发明实施例的技术方案中,获取推荐对象对应的第一浏览数据;当预设源资讯存在第一浏览数据时,根据第一浏览数据对应的资讯属性和资讯内容,获取第一推荐列表;当预设源资讯不存在第一浏览数据时,根据第一浏览数据、推荐对象对应的属性信息,获取第二推荐列表;根据第一推荐列表或第二推荐列表,向推荐对象进行资讯推荐。由此可见,本发明实施例提出的一种资讯推荐方法、平台及计算机可读存储介质,可以先确定推荐对象对应的第一浏览数据是否属于预设源资讯,然后再根据第一浏览数据对应的资讯属性和资讯内容,获取第一推荐列表,或者,根据第一浏览数据、推荐对象对应的属性信息,获取第二推荐列表,最后按照第一推荐列表或者第二推荐列表对推荐对象进行个性化的资讯推荐,从而能够解决对不存在浏览数据的推荐对象无法进行资讯推荐的问题,进而可以实现对任一类型的推荐对象进行个性化的资讯推荐。
附图说明
图1为本发明实施例提出的一种资讯推荐方法的实现流程示意图一;
图2为本发明实施例提出的一种资讯推荐方法的实现流程示意图二;
图3为本发明实施例提出的一种资讯推荐方法的实现流程示意图三;
图4为本发明实施例提出的一种资讯推荐方法的实现流程示意图四;
图5为本发明实施例提出的一种资讯推荐方法的实现流程示意图五;
图6为本发明实施例提出的一种资讯推荐方法的实现流程示意图六;
图7为本发明实施例提出的一种资讯推荐方法的实现流程示意图七;
图8为本发明实施例提出的一种资讯推荐方法的实现流程示意图八;
图9为本发明实施例提出的一种资讯推荐方法的实现流程示意图九;
图10为本发明实施例提出的一种资讯推荐方法的实现流程示意图十;
图11为本发明实施例提出的一种资讯推荐方法的实现流程示意图十一;
图12为本发明实施例提出的一种资讯推荐方法的实现流程示意图十二;
图13为本发明实施例提出的资讯推荐平台的组成结构示意图一;
图14为本发明实施例提出的资讯推荐平台的组成结构示意图二。
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。
实施例一
本发明实施例一提出了一种资讯推荐方法,图1为本发明实施例提出的一种资讯推荐方法的实现流程示意图一,如图1所示,在本发明的具体实施例中,上述资讯推荐平台进行资讯推荐的方法主要包括以下步骤:
步骤101、获取推荐对象对应的第一浏览数据。
在本发明的具体实施例中,上述资讯推荐平台可以先获取推荐对象对应的第一浏览数据。其中,上述第一浏览数据可以包括上述推荐对象已浏览的至少一个资讯。
需要说明的是,在本发明的实施例中,上述资讯推荐平台可以用于针对不同的推荐对象进行个性化推荐的新闻资讯平台。
进一步地,在本发明的实施例中,上述第一浏览数据可以包括上述推荐对象浏览的多种不同类型的资讯。
步骤102、当预设源资讯存在第一浏览数据时,根据第一浏览数据对应的资讯属性和资讯内容,获取第一推荐列表。
在本发明的具体实施例中,上述资讯推荐平台在获取上述推荐对象对应的上述第一浏览数据之后,如果预设源资讯存在上述第一浏览数据时,那么可以根据上述第一浏览数据对应的资讯属性和资讯内容,获取第一推荐列表。
需要说明的是,在本发明的实施例中,上述资讯推荐平台在获取上述第一浏览数据之后,可以将上述预设源资讯与上述第一浏览数据进行对比,如果上述预设原资讯中存在上述第一浏览数据,即可以认为上述推荐对象浏览过上述预设源资讯,那么上述资讯推荐平台便可以进一步获取上述第一推荐列表。
进一步地,在本发明的实施例中,如果上述预设源资讯中存在上述第一浏览数据,那么上述资讯推荐平台便可以根据上述第一浏览数据对应的资讯属性和资讯内容,进一步获取上述第一推荐列表。
需要说明的是,在本发明的实施例中,上述预设源资讯为上述资讯推荐平台中的一种类型的资讯。
步骤103、当预设源资讯不存在第一浏览数据时,根据第一浏览数据、推荐对象对应的属性信息,获取第二推荐列表。
在本发明的具体实施例中,上述资讯推荐平台在获取上述推荐对象对应的上述第一浏览数据之后,如果预设源资讯不存在上述第一浏览数据时,那么可以根据上述第一浏览数据,上述推荐对象对应的属性信息,获取第二推荐列表。
需要说明的是,在本发明的实施例中,上述资讯推荐平台在获取上述第一浏览数据之后,可以将上述预设源资讯与上述第一浏览数据进行对比,如果上述预设原资讯中不存在上述第一浏览数据,即可以认为上述推荐对象没有浏览过上述预设源资讯,那么上述资讯推荐平台便可以进一步获取上述第二推荐列表。
进一步地,在本发明的实施例中,如果上述预设源资讯中不存在上述第一浏览数据,那么上述资讯推荐平台便需要根据上述第一浏览数据、上述推荐对象对应的属性信息,进一步获取上述第二推荐列表。
步骤104、根据第一推荐列表或第二推荐列表,向推荐对象进行资讯推荐。
在本发明的具体实施例中,上述资讯推荐平台在根据上述第一浏览数据对应的资讯属性和资讯内容,获取第一推荐列表之后,或者,上述资讯推荐平台在根据上述第一浏览数据,上述推荐对象对应的属性信息,获取第二推荐列表之后,便可以进一步根据上述第一推荐列表或上述第二推荐列表,向上述推荐对象进行资讯推荐。
进一步地,在本发明的实施例中,当上述推荐对象浏览过上述预设源资讯时,上述资讯推荐平台便可以根据上述第一推荐列表向上述推荐对象进行资讯推荐;相应地,当上述推荐对象没有浏览过上述预设源资讯时,上述资讯推荐平台便可以根据上述第二推荐列表向上述推荐对象进行资讯推荐。从而便可以有效地根据不同的推荐对象进行个性化的资讯推荐。
本发明实施例提出的一种资讯推荐方法,获取推荐对象对应的第一浏览数据;当预设源资讯存在第一浏览数据时,根据第一浏览数据对应的资讯属性和资讯内容,获取第一推荐列表;当预设源资讯不存在第一浏览数据时,根据第一浏览数据、推荐对象对应的属性信息,获取第二推荐列表;根据第一推荐列表或第二推荐列表,向推荐对象进行资讯推荐。由此可见,本发明实施例提出的一种资讯推荐方法,可以先确定推荐对象对应的第一浏览数据是否属于预设源资讯,然后再根据第一浏览数据对应的资讯属性和资讯内容,获取第一推荐列表,或者,根据第一浏览数据、推荐对象对应的属性信息,获取第二推荐列表,最后按照第一推荐列表或者第二推荐列表对推荐对象进行个性化的资讯推荐,从而能够解决对不存在浏览数据的推荐对象无法进行资讯推荐的问题,进而可以实现对任一类型的推荐对象进行个性化的资讯推荐。
实施例二
基于实施例一,图2为本发明实施例提出的一种资讯推荐方法的实现流程示意图二,如图2所示,在本发明的具体实施例中,当预设源资讯存在第一浏览数据时,根据第一浏览数据对应的资讯属性和资讯内容,获取第一推荐列表的方法可以包括以下步骤:
步骤102a、根据资讯属性、资讯内容以及预设源资讯,确定第一浏览数据和预设源资讯对应的属性相似度和内容相似度。
在本发明的实施例中,上述资讯推荐平台在获取上述推荐对象对应的上述第一浏览数据之后,如果预设源资讯存在上述第一浏览数据,便可以根据上述资讯属性、上述资讯内容以及预先存储的预设源资讯,确定出上述第一浏览数据和上述预设源资讯对应的属性相似度和内容相似度。
需要说明的是,在本发明的具体实施例中,上述资讯推荐平台在获取上述推荐对象对应的上述第一浏览数据之后,如果预设源资讯存在上述第一浏览数据,可以先确定上述第一浏览数据对应的资讯属性和资讯内容。
需要说明的是,在本发明的实施例中,上述资讯属性为上述第一浏览数据中的至少一个资讯对应的至少一个属性特征。
进一步地,在本发明的实施例中,上述属性特征可以通过属性向量表示。具体地,在本发明的实施例中,对于资讯A,上述资讯推荐平台可以提取上述资讯A的基本属性,例如,提取上述资讯A的类型、专题、是否原创、是否热门的4为基本属性,然后上述资讯推荐平台便可以对资讯A的基本属性进行哑变量获得上述资讯A的属性向量Ra,即上述属性向量Ra可以表示上述资讯A的属性特征。
需要说明的是,在本发明的实施例中,上述资讯内容为上述第一浏览数据中的至少一个资讯对应的至少一个内容特征。
进一步地,在本发明的实施例中,上述资讯推荐平台可以将上述第一历史浏览中的资讯对应的关键词确定为该资讯对应的内容特征。具体地,在本发明的实施例中,对于上述资讯A,上述资讯推荐平台可以对上述资讯A的标题和正文进行分词和词性标注,保留动词,名词和动名词,将标题中出现的词直接作为关键词,设置权重为1;将正文中出现的词利用词频和词覆盖度来得到每个词的权重,然后将权重按降序排列,将权重值较大的至少一个关键词作为资讯A对应的内容特征。
进一步地,在本发明的实施例中,上述属性相似度是上述第一浏览数据中的资讯与上述预设源资讯中的其他资讯之间的资讯属性的相似度;相应地,上述内容相似度是上述第一浏览数据中的资讯与上述预设源资讯中的其他资讯之间的资讯内容的相似度。
具体地,在本发明的实施例中,上述资讯推荐平台可以根据上述资讯属性、和上述预设源资讯,确定上述第一浏览数据和预设源资讯对应的上述属性相似度;上述资讯推荐平台可以根据上述资讯内容和上述预设源资讯,确定上述第一浏览数据和预设源资讯对应的内容相似度。
步骤102b、根据属性相似度和内容相似度,确定第一推荐列表。
在本发明的实施例中,上述资讯推荐平台在根据上述资讯属性、上述资讯内容以及预先存储的预设源资讯,确定出上述第一浏览数据和上述预设源资讯对应的属性相似度和内容相似度之后,可以根据上述属性相似度和上述内容相似度,确定出上述第一推荐列表。
进一步地,在本发明的实施例中,上述资讯推荐平台在分别获得上述属性相似度和上述内容相似度,便可以根据上述属性相似度和上述内容相似度,从上述预设源资讯中确定出至少一个与上述第一浏览数据相似度较高的资讯,从而将该至少一个资讯作为上述第一推荐列表。
根据上述描述可知,通过上述步骤102a-102b,上述资讯推荐平台根据资讯属性、资讯内容以及预设源资讯,确定第一浏览数据和预设源资讯对应的属性相似度和内容相似度;根据属性相似度和内容相似度,确定第一推荐列表。由此可见,本发明实施例提出的一种资讯推荐方法,可以先确定推荐对象对应的第一浏览数据是否属于预设源资讯,然后再根据第一浏览数据对应的资讯属性和资讯内容,获取第一推荐列表,或者,根据第一浏览数据、推荐对象对应的属性信息,获取第二推荐列表,最后按照第一推荐列表或者第二推荐列表对推荐对象进行个性化的资讯推荐,从而能够解决对不存在浏览数据的推荐对象无法进行资讯推荐的问题,进而可以实现对任一类型的推荐对象进行个性化的资讯推荐。
实施例三
基于实施例二,图3为本发明实施例提出的一种资讯推荐方法的实现流程示意图三,如图3所示,在本发明的具体实施例中,上述资讯推荐平台根据资讯属性和预设源资讯,确定第一浏览数据和预设源资讯对应的属性相似度的方法可以包括以下步骤:
步骤201、获取预设源资讯对应的预存属性。
在本发明的实施例中,上述资讯推荐平台在确定上述第一浏览数据对应的上述资讯属性之后,可以先获取上述预设源资讯对应的预存属性。
需要说明的是,在本发明的实施例中,上述预存属性为上述预设源资讯中的至少一个资讯对应的至少一个属性特征。
进一步地,在本发明的实施例中,上述属性特征也可以通过属性向量表示。具体地,在本发明的实施例中,对于资讯B,上述资讯推荐平台可以提取上述资讯B的基本属性,例如,提取上述资讯B的类型、专题、是否原创、是否热门的4为基本属性,然后上述资讯推荐平台便可以对资讯B的基本属性进行哑变量获得上述资讯B的属性向量Rb,即上述属性向量Rb可以表示上述资讯B的属性特征。
步骤202、将资讯属性和预存属性输入至预设属性相似度计算模型中,获得属性相似度。
在本发明的实施例中,上述资讯推荐平台在获取上述预设源资讯对应的上述预存属性之后,可以将上述资讯属性和上述预存属性输入至于预先设置的预设属性相似度计算迷行中,然后便可以获得上述属性相似度。
进一步地,在本发明的实施例中,上述预设属性相似度计算模型用于根据不同资讯对应的不同属性特征计算不同资讯之间的相似程度。具体地,在本发明的实施例中,上述资讯推荐平台可以根据公式(1)计算获得资讯i和资讯j之间的属性相似度sim(i,j)。
其中,其中Ri和Rj分别表示资讯i和资讯j的向属性量。
图4为本发明实施例提出的一种资讯推荐方法的实现流程示意图四,如图4所示,在本发明的具体实施例中,上述根据资讯内容和预设源资讯,确定第一浏览数据和预设源资讯对应的内容相似度的方法可以包括以下步骤:
步骤301、获取预设源资讯对应的预存内容。
在本发明的实施例中,上述资讯推荐平台在确定上述第一浏览数据对应的上述资讯内容之后,可以先获取上述预设源资讯对应的预存内容。
需要说明的是,在本发明的实施例中,上述预存内容为上述预设源资讯中的至少一个资讯对应的至少一个内容特征。
进一步地,在本发明的实施例中,上述资讯推荐平台可以将上述预设源资讯中的资讯对应的关键词确定为该资讯对应的内容特征。具体地,在本发明的实施例中,对于上述资讯B,上述资讯推荐平台可以对上述资讯B的标题和正文进行分词和词性标注,保留动词,名词和动名词,将标题中出现的词直接作为关键词,设置权重为1;将正文中出现的词利用词频和词覆盖度来得到每个词的权重,然后将权重按降序排列,将权重值较大的至少一个关键词作为资讯B对应的内容特征。
步骤302、确定资讯内容对应的第一关键词权重和预存内容对应的第二关键词权重。
在本发明的实施例中,上述资讯推荐平台在获取上述预设源资讯对应的上述预存内容之后,可以分别确定上述资讯内容对应的第一关键词权重和上述预存内容对应的第二关键词权重。
需要说明的是,在本发明的实施例中,上述第一关键词权重为上述资讯内同的关键词所对应的权重值;相应地,上述第二关键词权重为上述预存内容的关键词所对应的权重值。且上述第一关键词权重和上述第二关键词权重为同一关键词分别在不同的资讯中所对应的权重值。
具体地,在本发明的实施例中,上述第一关键词权重和上述第二关键词权重均可以根据关键词的词频因子和词覆盖度计算获得。进一步地,在本发明的实施例中,,对于关键词i,上述资讯推荐平台可以根据公式(2)和公式(3)分别计算获得关键词i的词频因子tfi和词覆盖度spani。
其中,frei为关键词i在该资讯中出现的频率,lasi与firi分别表示关键词在该资讯中最后出现的位置参数和首次出现的位置参数,sum则为关键词在该资讯中出现的所有位置参数的总和。
进一步地,在本发明的实施例中,上述资讯推荐平台在根据公式(2)和公式(3)分别计算获得关键词i的词频因子tfi和词覆盖度spani之后,便可以根据该关键词i的词频因子和词覆盖度,通过公式(4)计算获得相应地权重weighti。
weighti=tfi*spani (4)
步骤303、将第一关键词权重和第二关键词权重输入至预设内容相似度计算模型中,获得内容相似度。
在本发明的实施例中,上述资讯推荐平台在分别确定上述资讯内容对应的上述第一关键词权重和上述预存内容对应的上述第二关键词权重之后,便可以将上述第一关键词权重和上述第二关键词权重输入至预先设置的预设内容相似度计算模型中,获得上述内容相似度。
进一步地,在本发明的实施例中,上述资讯推荐平台在计算出上述第一关键词权重和上述第二关键词权重之后,即分别计算获得同一个关键词在上述第一浏览数据中的一个资讯中的权重值和在上述预设源资讯中的另一个资讯中的权重值之后,便可以根据该同一关键词对应的上述第一关键词权重和上述第二关键词权重计算获得两条不同资讯对应的上述内容相似度。
需要说明的是,在本发明的实施例中,上述资讯推荐平台可以通过关键词k,根据公式(5)计算资讯i和资讯j之间的内容同相似度Con(i,j)。
其中,Con(i,j)代表资讯i与资讯j的相似度,k代表资讯i与资讯j相同的第k个关键词,L代表资讯i与资讯j相同的关键词总和,wik代表资讯i与资讯j匹配成功的第k个关键词在资讯i中的权重,wjk代表资讯i与资讯j匹配成功的第k个关键词在资j中的权重。
图5为本发明实施例提出的一种资讯推荐方法的实现流程示意图五,如图5所示,在本发明的具体实施例中,上述根据属性相似度和内容相似度,确定第一推荐列表的方法可以包括以下步骤:
步骤401、将属性相似度和内容相似度输入至预存资讯相似度计算模型中,获得第一浏览数据和预设源资讯之间的资讯相似度。
在本发明的实施例中,上述资讯推荐平台在根据上述资讯属性、上述资讯内容以及预先存储的预设源资讯,确定出上述第一浏览数据和上述预设源资讯对应的属性相似度和内容相似度之后,可以先将上述属性相似度和上述内容相似度输入至预先设置的预存资讯相似度计算模型中,从而便可以获得上述第一浏览数据和上述预设源资讯之间的资讯相似度。
进一步地,在本发明的实施例中,上述资讯推荐平台在分别计算获得上述第一浏览数据和上述预设源资讯之间的上述属性相似度和上述内容相似度之后,便可以进一步将上述属性相似度和上述内容相似度进行融合,进而获得上述资讯相似度。
需要说明的是,在本发明的实施例中,上述资讯推荐平台在获得资讯i和资讯j之间的属性相似度sim(i,j)和内容相似度Con(i,j)之后,便可以根据公式(6)计算获得上述资讯相似度simfinal(i,j)。
步骤402、确定预设源资讯对应的第一上线时间。
在本发明的实施例中,上述资讯推荐平台在将上述属性相似度和上述内容相似度输入至上述预存资讯相似度计算模型中,计算获得上述第一浏览数据和上述预设源资讯之间的资讯相似度之后,还可以确定上述预设源资讯对应的第一上线时间。
需要说明的是,在本发明的实施例中,上述第一上线时间为上述预设源资讯中的任一个资讯对应的最近出现时间。具体地,在本发明的实施例中,上述第一上线时间的单位可以为“天”。
步骤403、根据资讯相似度和第一上线时间,确定第一推荐列表。
在本发明的实施例中,上述资讯推荐平台在计算获得上述第一浏览数据和上述预设源资讯之间的上述资讯相似度、上述预设源资讯对应的上述第一上线时间之后,可以根据上述资讯相似度和上述第一上线时间,确定上述第一推荐列表。
进一步地,在本发明的实施例中,上述资讯推荐平台可以根据上述第一上上线时间进一步调整上述资讯相似度,然后再根据调整后的资讯相似度从上述预设源资讯中选择相似度最高的多个资讯,并根据上述相似度最高的多个资讯创建上述第一推荐列表。
具体地,在本发明的实施例中,对于资讯i和资讯j,上述资讯推荐平台可以根据公式(7)获得调整后的资讯相似度sim’final(i,j)。
sim/ final(i,j)=simfinal(i,j)*e-a (7)
其中,a是与资讯i相似的资讯j对应的第一上线时间。
进一步地,在本发明的实施例中,上述资讯推荐平台在从上述预设源资讯中确定出上述第一浏览数据中的每一个资讯对应的对个相似度较高的多个资讯之后,便可以根据上述多个资讯建立上述第一推荐列表,以便获得与上述推荐对象对应的资讯推荐结果。
本发明实施例提出的一种资讯推荐方法,获取推荐对象对应的第一浏览数据;当预设源资讯存在第一浏览数据时,根据第一浏览数据对应的资讯属性和资讯内容,获取第一推荐列表;当预设源资讯不存在第一浏览数据时,根据第一浏览数据、推荐对象对应的属性信息,获取第二推荐列表;根据第一推荐列表或第二推荐列表,向推荐对象进行资讯推荐。由此可见,本发明实施例提出的一种资讯推荐方法,可以先确定推荐对象对应的第一浏览数据是否属于预设源资讯,然后再根据第一浏览数据对应的资讯属性和资讯内容,获取第一推荐列表,或者,根据第一浏览数据、推荐对象对应的属性信息,获取第二推荐列表,最后按照第一推荐列表或者第二推荐列表对推荐对象进行个性化的资讯推荐,从而能够解决对不存在浏览数据的推荐对象无法进行资讯推荐的问题,进而可以实现对任一类型的推荐对象进行个性化的资讯推荐。
实施例四
基于实施例一,图6为本发明实施例提出的一种资讯推荐方法的实现流程示意图六,如图6所示,在本发明的具体实施例中,当预设源资讯不存在第一浏览数据时,根据第一浏览数据、推荐对象对应的属性信息,获取第二推荐列表的方法可以包括以下步骤:
步骤103a、根据第一浏览数据、属性信息以及预存对象标识,获取目标对象。
在本发明的具体实施例中,上述资讯推荐平台在获取上述推荐对象对应的上述第一浏览数据之后,如果预设源资讯不存在上述第一浏览数据,可以根据上述第一浏览数据、上述属性信息以及预存对象标识,获取目标对象。
需要说明的是,在本发明的具体实施例中,上述资讯推荐平台在获取上述推荐对象对应的上述第一浏览数据之后,如果预设源资讯不存在上述第一浏览数据,可以先获取上述推荐对象对应的属性信息。
需要说明的是,在本发明的实施例中,如果预设源资讯不存在上述第一浏览数据,即上述第一浏览数据可以为上述推荐对象访问其他网站资源的行为数据。上述属性信息可以包括上述推荐对象的年级、身份、职业、推荐对象价值类型等具体属性。
进一步地,在本发明的实施例中,上述资讯推荐平台可以根据上述第一浏览数据和上述属性信息,建立上述推荐对象对应的对象画像,即上述对象标识信息,从而可以根据上述推荐对象的上述标识信息,在上述预存对象标识中,确定出上述目标对象。
需要说明的是,在本发明的实施例中,上述目标对象为上述预存对象标识中与上述对象标识信息相似度高的对象标识所对应的对象。
步骤103b、获取目标对象对应的第二浏览数据。
在本发明的实施例中,上述资讯推荐平台在根据上述第一浏览数据、上述属性信息以及上述预存对象标识,获取上述目标对象之后,便可以获取上述目标对象对应的第二浏览数据。
需要说明的是,在本发明的实施例中,上述第二浏览数据可以包括上述目标对象已浏览的至少一个资讯,同时,上述第二浏览数据属于上述预设源资讯,即上述目标对象浏览过上述预设源资讯。
步骤103c、根据第二浏览数据,确定第二推荐列表。
在本发明的实施例中,上述资讯推荐平台在获取上述目标对象对应的第二浏览数据之后,便可以根据上述第二浏览数据,确定出上述第二推荐列表。
进一步地,在本发明的实施例中,上述资讯推荐平台在获得上述目标推荐对象对应的第二浏览数据之后,便可以根据上述第二浏览数据中的至少一个资讯建立上述第二推荐列表。
根据上述描述可知,通过上述步骤103a-103c,上述资讯推荐平台根据第一浏览数据、属性信息以及预存对象标识,获取目标对象;获取目标对象对应的第二浏览数据;根据第二浏览数据,确定第二推荐列表。由此可见,本发明实施例提出的一种资讯推荐方法,可以先确定推荐对象对应的第一浏览数据是否属于预设源资讯,然后再根据第一浏览数据对应的资讯属性和资讯内容,获取第一推荐列表,或者,根据第一浏览数据、推荐对象对应的属性信息,获取第二推荐列表,最后按照第一推荐列表或者第二推荐列表对推荐对象进行个性化的资讯推荐,从而能够解决对不存在浏览数据的推荐对象无法进行资讯推荐的问题,进而可以实现对任一类型的推荐对象进行个性化的资讯推荐,同时可以有效地解决资讯推荐时的冷启动问题。
实施例五
基于实施例四,图7为本发明实施例提出的一种资讯推荐方法的实现流程示意图七,如图7所示,在本发明的具体实施例中,上述资讯推荐平台根据第一浏览数据、属性信息以及预存对象标识,获取目标对象的方法可以包括以下步骤:
步骤501、根据第一浏览数据和属性信息,获得推荐对象对应的标识信息。
在本发明的具体实施例中,上述资讯推荐平台在获取上述对象对应的上述属性信息之后,可以根据上述第一浏览数据和上述属性信息,获得上述推荐对象对应的标识信息。
需要说明的是,在本发明的实施例中,上述标识信息即为上述资讯推荐平台根据上述推荐对象的第一浏览数据和上述属性信息建立的对象画像。
具体地,在本发明的实施例中,上述资讯推荐平台可以根据上述第一浏览数据和上述属性信息获得上述推荐对象的指标参数,并进一步对上述指标参数进行哑变量化,从而获得上述推荐对象对应的上述标识信息。
步骤502、将标识信息和预存对象标识输入至预设对象相似度计算模型中,获得对象相似度。
在本发明的实施例中,上述资讯推荐平台在根据上述历史行为记录和上述属性信息,获得上述推荐对象对应的上述标识信息之后,可以将上述标识信息和上述预存对象标识输入至预先设置的预设对象相似度计算模型中,计算获得对象相似度。
需要说明的是,在本发明的实施例中,上述预设对象相似度计算模型用于根据不同对象对应的标识信息计算获得不同对象之间的相似程度。
进一步地,在本发明的实施例中,对于对象i和对象j,上述资讯推荐平台可以根据公式(8)计算获得对象i和对象j之间的对象相似度sim(i,j)。
其中,Xi和Xj分别表示对象i和对象j的标识信息。
步骤503、根据对象相似度确定目标对象。
在本发明的实施例中,上述资讯推荐平台在将上述标识信息和上述预存对象标识输入至预先设置的预设对象相似度计算模型中,计算获得上述对象相似度之后,便可以根据上述对象相似度,从上述预存对象中确定出与上述推荐对象的较为相似的上述目标对象。
图8为本发明实施例提出的一种资讯推荐方法的实现流程示意图八,如图8所示,在本发明的具体实施例中,上述资讯推荐平台根据第二浏览数据,确定第一推荐列表的方法可以包括以下步骤:
步骤601、确定第二浏览数据对应的第二上线时间。
在本发明的实施例中,上述资讯推荐平台在获取上述目标对象对应的第二浏览数据之后,便可以确定上述第二浏览数据对应的第二上线时间。
需要说明的是,在本发明的实施例中,上述第二上线时间为上述第二浏览数据中的任一个资讯对应的最近出现时间。具体地,在本发明的实施例中,上述第二上线时间的单位可以为“天”。
步骤602、根据第二浏览数据和第二上线时间,确定第二推荐列表。
在本发明的实施例中,上述资讯推荐平台在确定上述第二浏览数据对应的上述第二上线时间之后,便可以根据上述第二浏览数据和上述第二上线时间,进一步确定上述第二推荐列表。
进一步地,在本发明的实施例中,上述资讯推荐平台可以根据上述第二上上线时间进一步从上述第二浏览数据中选择兴趣度较高的多个资讯,并根据上述兴趣度较高的多个资讯创建上述第二推荐列表。
具体地,在本发明的实施例中,上述资讯推荐平台可以根据公式(9)获得对象i对资讯j的兴趣度excij。
excij=sim(i,j)*e-a (9)
其中,a是资讯j对应的第二上线时间。
进一步地,在本发明的实施例中,上述资讯推荐平台在从上述第二浏览数据中确定出上述推荐对象的兴趣度较高的多个资讯之后,便可以根据上述多个资讯建立上述第二推荐列表,以便获得与上述推荐对象对应的资讯推荐结果。
本发明实施例提出的一种资讯推荐方法,获取推荐对象对应的第一浏览数据;当预设源资讯存在第一浏览数据时,根据第一浏览数据对应的资讯属性和资讯内容,获取第一推荐列表;当预设源资讯不存在第一浏览数据时,根据第一浏览数据、推荐对象对应的属性信息,获取第二推荐列表;根据第一推荐列表或第二推荐列表,向推荐对象进行资讯推荐。由此可见,本发明实施例提出的一种资讯推荐方法,可以先确定推荐对象对应的第一浏览数据是否属于预设源资讯,然后再根据第一浏览数据对应的资讯属性和资讯内容,获取第一推荐列表,或者,根据第一浏览数据、推荐对象对应的属性信息,获取第二推荐列表,最后按照第一推荐列表或者第二推荐列表对推荐对象进行个性化的资讯推荐,从而能够解决对不存在浏览数据的推荐对象无法进行资讯推荐的问题,进而可以实现对任一类型的推荐对象进行个性化的资讯推荐,同时可以有效地解决资讯推荐时的冷启动问题。
实施例六
基于实施例三,图9为本发明实施例提出的一种资讯推荐方法的实现流程示意图九,如图9所示,在本发明的具体实施例中,上述资讯推荐平台获取推荐对象对应的第一浏览数据之后,即步骤101之后,上述资讯推荐平台进行资讯推荐的方法还可以包括以下步骤:
步骤105、按照预设热度类型获取第三推荐列表;其中,预设热度类型用于根据资讯的热度进行资讯推荐。
在本发明的具体实施例中,上述资讯推荐平台在获取推荐对象对应的第一浏览数据之后,便可以按照预设热度类型获取第三推荐列表。
需要说明的是,在本发明的实施例中,上述预设热度类型可以为上述资讯推荐平台根据资讯的热度进行推荐的一种资讯推荐方式。
进一步地,在本发明的实施例中,上述第三推荐列表可以为上述资讯推荐平台根据上述预设热度推荐类型进行资讯推荐之后获得的包含有多个资讯的推荐列表。
图10为本发明实施例提出的一种资讯推荐方法的实现流程示意图十,如图10所示,在本发明的具体实施例中,上述资讯推荐平台按照预设热度类型获取第三推荐列表的方法可以包括以下步骤:
步骤105a、获取预设源资讯对应的访问量。
在本发明的具体实施例中,上述资讯推荐平台可以先获取上述预设源资讯对应的访问量。
需要说明的是,在本发明的实施例中,上述预设源资讯对应的访问量可以为上述预设源资讯中的至少一个资讯对应的至少一个历史访问数据。
步骤105b、将访问量和第一上线时间输入至预设热度计算模型中,获得预设源资讯对应的热度参数。
在本发明的具体实施例中,上述资讯推荐平台在获取上述预设源资讯对应的访问量之后,可以将上述访问量和第一上线时间输入至预先设置的预设热度计算模型中,获得上述预设源资讯对应的热度参数。
进一步地,在本发明的实施例中,上述预设热度计算模型用于根据访问量和上线时间对资讯的热度参数进行获取。具体地,在本发明的实施例中,上述资讯推荐平台可以根据公式(10)计算获得热度参数HOT。
HOT=READ_COUNT*e-a (10)
其中,READ_COUNT为资讯对应的访问量,a是资讯对应的第一上线时间。
步骤105c、根据热度参数获取第三推荐列表。
在本发明的具体实施例中,上述资讯推荐平台在将上述访问量和第一上线时间输入至预先设置的预设热度计算模型中,获得上述预设源资讯对应的热度参数之后,便可以根据热度参数获取第三推荐列表。
需要说明的是,在本发明的实施例中,上述第三推荐列表为根据资讯的访问热度确定的,且上述第三推荐列表中的资讯为热度参数较高,同时上线时间较多的多个资讯。
根据上述描述可知,通过上述步骤105a-105c,上述资讯推荐平台获取预设源资讯对应的访问量;将访问量和第一上线时间输入至预设热度计算模型中,获得预设源资讯对应的热度参数;根据热度参数获取第三推荐列表。由此可见,本发明实施例提出的一种资讯推荐方法,可以先确定推荐对象对应的第一浏览数据是否属于预设源资讯,然后再根据第一浏览数据对应的资讯属性和资讯内容,获取第一推荐列表,或者,根据第一浏览数据、推荐对象对应的属性信息,获取第二推荐列表,最后按照第一推荐列表或者第二推荐列表对推荐对象进行个性化的资讯推荐,从而能够解决对不存在浏览数据的推荐对象无法进行资讯推荐的问题,进而可以实现对任一类型的推荐对象进行个性化的资讯推荐,进一步地,本发明还可以将根据预设热度类型获得的第三推荐列表与第一推荐列表相结合,以确定资讯推荐结果,从而可以解决资讯稀疏的问题,同时大大提高资讯推荐的丰富程度。
在本发明的实施例中,进一步地,上述资讯推荐平台根据第一推荐列表和第二推荐列表,向推荐对象进行资讯推荐的方法具体可以为根据第一推荐列表和第三推荐列表,向推荐对象进行资讯推荐;或者,根据第二推荐列表和第三推荐列表,向推荐对象进行资讯推荐。
在本发明的实施例中,进一步地,图11为本发明实施例提出的一种资讯推荐方法的实现流程示意图十一,如图11所示,在本发明的具体实施例中,上述资讯推荐平台根据第一推荐列表和第三推荐列表,向推荐对象进行资讯推荐的方法可以包括以下步骤:
步骤701、确定第一推荐列表对应的第一资讯数量。
在本发明的实施例中,上述资讯推荐平台可以先确定第一推荐列表对应的第一资讯数量。
需要说明的是,在本发明的实施例中,对于资讯量更新量小、资讯更新速度慢的网站,上述第一推荐列表中的资讯数量可能较少。
步骤702、若第一资讯数量小于预设数量阈值,则将第三推荐列表补充至第一推荐列表,以向推荐对象进行资讯推荐。
在本发明的实施例中,上述资讯推荐平台在确定上述第一推荐列表对应的第一资讯数量之后,若果上述第一资讯数量小于预先设置的预设数量阈值,那么上述资讯推荐平台可以将上述第三推荐列表补充至上述第一推荐列表中,从而确定出上述资讯推荐结果。
进一步地,在本发明的实施例中,上述资讯推荐平台可以将上述第一资讯数量与上述预设数量阈值进行比较,如果上述第一资讯数量小于上述预设数量阈值,即上述第一推荐列表中的第一资讯数量不足,那么上述资讯推荐平台便可以将第三推荐列表中的资讯补充至上述第一推荐列表中,从而获得上述资讯推荐结果。
步骤703、若第一资讯数量大于或者等于预设数量阈值,则直接根据第一推荐列表向推荐对象进行资讯推荐。
在本发明的实施例中,上述资讯推荐平台在确定上述第一推荐列表对应的第一资讯数量之后,若果上述第一资讯数量大于或者等于预先设置的预设数量阈值,那么上述资讯推荐平台可以直接将上述第一推荐列表确定为上述资讯推荐结果。
进一步地,在本发明的实施例中,上述资讯推荐平台可以将上述第一资讯数量与上述预设数量阈值进行比较,如果上述第一资讯数量大于或者等于上述预设数量阈值,即第一推荐列表中的第一资讯数量充足,那么上述资讯推荐平台便无需将上述第三推荐列表中的资讯补充至上述第一推荐列表中,而是可以直接将上述第一推荐列表确定为上述资讯推荐结果。
在本发明的实施例中,进一步地,图12为本发明实施例提出的一种资讯推荐方法的实现流程示意图十二,如图12所示,在本发明的具体实施例中,上述资讯推荐平台根据第二推荐列表和第三推荐列表,向推荐对象进行资讯推荐的方法可以包括以下步骤:
步骤801、确定第二推荐列表对应的第二资讯数量。
在本发明的实施例中,上述资讯推荐平台可以先确定第二推荐列表对应的第二资讯数量。
需要说明的是,在本发明的实施例中,对于资讯量更新量小、资讯更新速度慢的网站,上述第二推荐列表中的资讯数量可能较少。
步骤802、若第二资讯数量小于预设数量阈值,则将第三推荐列表补充至第二推荐列表,以向推荐对象进行资讯推荐。
在本发明的实施例中,上述资讯推荐平台在确定上述第二推荐列表对应的第二资讯数量之后,若果上述第二资讯数量小于预先设置的预设数量阈值,那么上述资讯推荐平台可以将上述第三推荐列表补充至上述第二推荐列表中,从而确定出上述资讯推荐结果。
进一步地,在本发明的实施例中,上述资讯推荐平台可以将上述第二资讯数量与上述预设数量阈值进行比较,如果上述第二资讯数量小于上述预设数量阈值,即上述第二推荐列表中的第二资讯数量不足,那么上述资讯推荐平台便可以将第三推荐列表中的资讯补充至上述第二推荐列表中,从而获得上述资讯推荐结果。
步骤803、若第二资讯数量大于或者等于预设数量阈值,则直接根据第二推荐列表向推荐对象进行资讯推荐。
在本发明的实施例中,上述资讯推荐平台在确定上述第二推荐列表对应的第二资讯数量之后,若果上述第二资讯数量大于或者等于预先设置的预设数量阈值,那么上述资讯推荐平台可以直接将上述第二推荐列表确定为上述资讯推荐结果。
进一步地,在本发明的实施例中,上述资讯推荐平台可以将上述第二资讯数量与上述预设数量阈值进行比较,如果上述第二资讯数量大于或者等于上述预设数量阈值,即第二推荐列表中的第二资讯数量充足,那么上述资讯推荐平台便无需将上述第三推荐列表中的资讯补充至上述第二推荐列表中,而是可以直接将上述第二推荐列表确定为上述资讯推荐结果。
本发明实施例提出的一种资讯推荐方法,获取推荐对象对应的第一浏览数据;当预设源资讯存在第一浏览数据时,根据第一浏览数据对应的资讯属性和资讯内容,获取第一推荐列表;当预设源资讯不存在第一浏览数据时,根据第一浏览数据、推荐对象对应的属性信息,获取第二推荐列表;根据第一推荐列表或第二推荐列表,向推荐对象进行资讯推荐。由此可见,本发明实施例提出的一种资讯推荐方法,可以先确定推荐对象对应的第一浏览数据是否属于预设源资讯,然后再根据第一浏览数据对应的资讯属性和资讯内容,获取第一推荐列表,或者,根据第一浏览数据、推荐对象对应的属性信息,获取第二推荐列表,最后按照第一推荐列表或者第二推荐列表对推荐对象进行个性化的资讯推荐,从而能够解决对不存在浏览数据的推荐对象无法进行资讯推荐的问题,进而可以实现对任一类型的推荐对象进行个性化的资讯推荐,进一步地,本发明还可以将根据预设热度类型获得的第三推荐列表与第一推荐列表相结合,以确定资讯推荐结果,从而可以解决资讯稀疏的问题,同时大大提高资讯推荐的丰富程度。
实施例七
基于实施例一至实施例六的同一发明构思下,图13为本发明实施例提出的资讯推荐平台的组成结构示意图一,如图13所示,在本发明的具体实施例中,资讯推荐平台1包括:获取单元11,推荐单元12。
获取单元11,用于获取推荐对象对应的第一浏览数据;以及当预设源资讯存在第一浏览数据时,根据第一浏览数据对应的资讯属性和资讯内容,获取第一推荐列表;以及当预设源资讯不存在第一浏览数据时,根据第一浏览数据、推荐对象对应的属性信息,获取第二推荐列表。
确定单元12,用于根据第一推荐列表或第二推荐列表,向推荐对象进行资讯推荐。
在本发明的实施例中,进一步地,获取单元11,还用于获取推荐对象对应的第一浏览数据之后,按照预设热度类型获取第三推荐列表;其中,预设热度类型用于根据资讯的热度进行资讯推荐。
在本发明的实施例中,进一步地,推荐单元12,还用于根据第一推荐列表和第三推荐列表,向推荐对象进行资讯推荐;或者,根据第二推荐列表和第三推荐列表,向推荐对象进行资讯推荐。
本发明实施例提供的获取单元11、推荐单元12都可以以程序代码的形式通过由服务器中的处理器执行相应功能来实现;当然也可通过具体的逻辑电路实现;在具体实施例的过程中,处理器可以为中央处理器(Central Processing Unit,CPU)、微处理器((Microprocessor Unit,MPU)、数字信号处理器(Digital Signal Processor,DSP)或现场可编程门阵列(Field Programmable Gate Array,FPGA)等;上述资讯推荐平台还包括:存储器,该存储器可以为具有实物形式的存储设备,如内存条、TF卡,或者具有存储功能的电路,如随机存取存储器(RAM)、FIFO储存器等。
基于实施例一至实施例六的同一发明构思下,图14为本发明实施例提出的资讯推荐平台的组成结构示意图二,如图14所示,本发明实施例提出的资讯推荐平台1可以包括处理器13、存储有处理器13可执行指令的存储器14,和用于连接处理器13、存储器14的通信总线15。
在具体实施例的过程中,上述处理器13可以为特定用途集成电路(ApplicationSpecific IntegRated CiRcuit,ASIC)、数字信号处理器(Digital Signal PRocessoR,DSP)、数字信号处理装置(Digital Signal PRocessing Device,DSPD)、可编程逻辑装置(PRogRammable Logic Device,PLD)、现场可编程门阵列(Field PRogRammable GateARRay,FPGA)、中央处理器(CentRal PRocessing Unit,CPU)、控制器、微控制器、微处理器中的至少一种。可以理解地,对于不同的设备,用于实现上述处理器功能的电子器件还可以为其它,本发明实施例不作具体限定。
在本发明的实施例中,上述通信总线15用于实现处理器13和存储器14之间的连接通信;上述处理器13用于执行存储器14中存储的资讯推荐程序,以实现以下步骤:
获取推荐对象对应的第一浏览数据;当预设源资讯存在第一浏览数据时,根据第一浏览数据对应的资讯属性和资讯内容,获取第一推荐列表;当预设源资讯不存在第一浏览数据时,根据第一浏览数据、推荐对象对应的属性信息,获取第二推荐列表;根据第一推荐列表或第二推荐列表,向推荐对象进行资讯推荐。
本发明实施例提出的资讯推荐平台,获取推荐对象对应的第一浏览数据;当预设源资讯存在第一浏览数据时,根据第一浏览数据对应的资讯属性和资讯内容,获取第一推荐列表;当预设源资讯不存在第一浏览数据时,根据第一浏览数据、推荐对象对应的属性信息,获取第二推荐列表;根据第一推荐列表或第二推荐列表,向推荐对象进行资讯推荐。由此可见,本发明实施例提出的一种资讯推荐方法、平台及计算机可读存储介质,可以先确定推荐对象对应的第一浏览数据是否属于预设源资讯,然后再根据第一浏览数据对应的资讯属性和资讯内容,获取第一推荐列表,或者,根据第一浏览数据、推荐对象对应的属性信息,获取第二推荐列表,最后按照第一推荐列表或者第二推荐列表对推荐对象进行个性化的资讯推荐,从而能够解决对不存在浏览数据的推荐对象无法进行资讯推荐的问题,进而可以实现对任一类型的推荐对象进行个性化的资讯推荐。并且,实现起来简单方便,便于普及,适用范围更广。
本发明实施例提供一种计算机可读存储介质,上述计算机可读存储介质存储有一个或者多个程序,上述一个或者多个程序可被一个或者多个处理器执行,应用于资讯推荐平台中,该程序被处理器执行时实现如实施例一至实施例六的方法。
具体来讲,本实施例中的一种资讯推荐方法对应的程序指令可以被存储在光盘,硬盘,U盘等存储介质上,当存储介质中的与一种资讯推荐方法对应的程序指令被一电子设备读取或被执行时,包括如下步骤:
获取推荐对象对应的第一浏览数据;
当预设源资讯存在第一浏览数据时,根据第一浏览数据对应的资讯属性和资讯内容,获取第一推荐列表;
当预设源资讯不存在第一浏览数据时,根据第一浏览数据、推荐对象对应的属性信息,获取第二推荐列表;
根据第一推荐列表或第二推荐列表,向推荐对象进行资讯推荐。
本领域内的技术人员应明白,本发明的实施例可提供为方法、***、或计算机程序产品。因此,本发明可采用硬件实施例、软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述,仅为本发明的较佳实施例而已,并非用于限定本发明的保护范围。
Claims (20)
1.一种资讯推荐方法,其特征在于,所述方法包括:
获取推荐对象对应的第一浏览数据;
当预设源资讯存在所述第一浏览数据时,根据所述第一浏览数据对应的资讯属性和资讯内容,获取第一推荐列表;
当预设源资讯不存在所述第一浏览数据时,根据所述第一浏览数据、所述推荐对象对应的属性信息,获取第二推荐列表;
根据所述第一推荐列表或所述第二推荐列表,向所述推荐对象进行资讯推荐。
2.根据权利要求1所述的方法,其特征在于,所述当预设源资讯存在所述第一浏览数据时,根据所述第一浏览数据对应的资讯属性和资讯内容,获取第一推荐列表,包括:
根据所述资讯属性、所述资讯内容以及预设源资讯,确定所述第一浏览数据和所述预设源资讯对应的属性相似度和内容相似度;
根据所述属性相似度和所述内容相似度,确定所述第一推荐列表。
3.根据权利要求2所述的方法,其特征在于,所述根据所述资讯属性和预设源资讯,确定所述第一浏览数据和所述预设源资讯对应的属性相似度,包括:
获取所述预设源资讯对应的预存属性;
将所述资讯属性和所述预存属性输入至预设属性相似度计算模型中,获得所述属性相似度。
4.根据权利要求2所述的方法,其特征在于,所述根据所述资讯内容和预设源资讯,确定所述第一浏览数据和所述预设源资讯对应的内容相似度,包括:
获取所述预设源资讯对应的预存内容;
确定所述资讯内容对应的第一关键词权重和所述预存内容对应的第二关键词权重;
将所述第一关键词权重和所述第二关键词权重输入至预设内容相似度计算模型中,获得所述内容相似度。
5.根据权利要求2所述的方法,其特征在于,所述根据所述属性相似度和所述内容相似度,确定所述第一推荐列表,包括:
将所述属性相似度和所述内容相似度输入至预存资讯相似度计算模型中,获得所述第一浏览数据和所述预设源资讯之间的资讯相似度;
确定所述预设源资讯对应的第一上线时间;
根据所述资讯相似度和所述第一上线时间,确定所述第一推荐列表。
6.根据权利要求1所述的方法,其特征在于,所述当预设源资讯不存在所述第一浏览数据时,根据所述第一浏览数据、所述推荐对象对应的属性信息,获取第二推荐列表,包括:
根据所述第一浏览数据、所述属性信息以及预存对象标识,获取目标对象;
获取所述目标对象对应的第二浏览数据;
根据所述第二浏览数据,确定所述第二推荐列表。
7.根据权利要求6所述的方法,其特征在于,所述根据所述第一浏览数据、所述属性信息以及预存对象标识,获取目标对象,包括:
根据所述第一浏览数据和所述属性信息,获得所述推荐对象对应的标识信息;
将所述标识信息和所述预存对象标识输入至预设对象相似度计算模型中,获得对象相似度;
根据所述对象相似度确定所述目标对象。
8.根据权利要求7所述的方法,其特征在于,所述根据所述第二浏览数据,确定所述第二推荐列表,包括:
确定所述第二浏览数据对应的第二上线时间;
根据所述第二浏览数据和所述第二上线时间,确定所述第二推荐列表。
9.根据权利要求5所述的方法,其特征在于,所述获取推荐对象对应的第一浏览数据之后,所述方法还包括:
按照预设热度类型获取第三推荐列表;其中,所述预设热度类型用于根据资讯的热度进行资讯推荐。
10.根据权利要求9所述的方法,其特征在于,所述按照预设热度类型获取第三推荐列表,包括:
获取所述预设源资讯对应的访问量;
将所述访问量和所述第一上线时间输入至预设热度计算模型中,获得所述预设源资讯对应的热度参数;
根据所述热度参数获取所述第三推荐列表。
11.根据权利要求10所述的方法,其特征在于,所述根据所述第一推荐列表或所述第二推荐列表,向所述推荐对象进行资讯推荐,包括:
根据所述第一推荐列表和所述第三推荐列表,向所述推荐对象进行资讯推荐;或者,
根据所述第二推荐列表和所述第三推荐列表,向所述推荐对象进行资讯推荐。
12.根据权利要求11所述的方法,其特征在于,所述根据所述第一推荐列表和所述第三推荐列表,向所述推荐对象进行资讯推荐,包括:
确定所述第一推荐列表对应的第一资讯数量;
若所述第一资讯数量小于预设数量阈值,则将所述第三推荐列表补充至所述第一推荐列表,以向所述推荐对象进行资讯推荐;
若所述第一资讯数量大于或者等于所述预设数量阈值,则直接根据所述第一推荐列表向所述推荐对象进行资讯推荐。
13.根据权利要求11所述的方法,其特征在于,所述根据所述第二推荐列表和所述第三推荐列表,向所述推荐对象进行资讯推荐,包括:
确定所述第二推荐列表对应的第二资讯数量;
若所述第二资讯数量小于预设数量阈值,则将所述第三推荐列表补充至所述第二推荐列表,以向所述推荐对象进行资讯推荐;
若所述第二资讯数量大于或者等于所述预设数量阈值,则直接根据所述第二推荐列表向所述推荐对象进行资讯推荐。
14.一种资讯推荐平台,其特征在于,所述资讯推荐平台包括:获取单元和推荐单元,
所述获取单元,用于获取推荐对象对应的第一浏览数据;以及当预设源资讯存在所述第一浏览数据时,根据所述第一浏览数据对应的资讯属性和资讯内容,获取第一推荐列表;以及当预设源资讯不存在所述第一浏览数据时,根据所述第一浏览数据、所述推荐对象对应的属性信息,获取第二推荐列表;
所述推荐单元,用于根据所述第一推荐列表或所述第二推荐列表,向所述推荐对象进行资讯推荐。
15.根据权利要求14所述的资讯推荐平台,其特征在于,
所述获取单元,还用于获取推荐对象对应的第一浏览数据之后,按照预设热度类型获取第三推荐列表;其中,所述预设热度类型用于根据资讯的热度进行资讯推荐;
所述推荐单元,还用于根据所述第一推荐列表和所述第三推荐列表,向所述推荐对象进行资讯推荐;或者,根据所述第二推荐列表和所述第三推荐列表,向所述推荐对象进行资讯推荐。
16.一种资讯推荐平台,其特征在于,所述资讯推荐平台包括:处理器、存储器以及通信总线;所述通信总线用于实现所述处理器和所述存储器之间的连接通信;所述处理器用于执行所述存储器中存储的数据发送程序,以实现如下步骤:
获取推荐对象对应的第一浏览数据;
当预设源资讯存在所述第一浏览数据时,根据所述第一浏览数据对应的资讯属性和资讯内容,获取第一推荐列表;
当预设源资讯不存在所述第一浏览数据时,根据所述第一浏览数据、所述推荐对象对应的属性信息,获取第二推荐列表;
根据所述第一推荐列表或所述第二推荐列表,向所述推荐对象进行资讯推荐。
17.根据权利要求16所述的资讯推荐平台,其特征在于,
所述处理器,具体用于根据所述资讯属性、所述资讯内容以及预设源资讯,确定所述第一浏览数据和所述预设源资讯对应的属性相似度和内容相似度;以及根据所述属性相似度和所述内容相似度,确定所述第一推荐列表;以及获取所述预设源资讯对应的预存属性;以及将所述资讯属性和所述预存属性输入至预设属性相似度计算模型中,获得所述属性相似度;以及获取所述预设源资讯对应的预存内容;以及确定所述资讯内容对应的第一关键词权重和所述预存内容对应的第二关键词权重;以及将所述第一关键词权重和所述第二关键词权重输入至预设内容相似度计算模型中,获得所述内容相似度;以及将所述属性相似度和所述内容相似度输入至预存资讯相似度计算模型中,获得所述第一浏览数据和所述预设源资讯之间的资讯相似度;以及确定所述预设源资讯对应的第一上线时间;以及根据所述资讯相似度和所述第一上线时间,确定所述第一推荐列表。
18.根据权利要求16所述的资讯推荐平台,其特征在于,
所述处理器,还具体用于根据所述第一浏览数据、所述属性信息以及预存对象标识,获取目标对象;以及获取所述目标对象对应的第二浏览数据;以及根据所述第二浏览数据,确定所述第二推荐列表;以及根据所述第一浏览数据和所述属性信息,获得所述推荐对象对应的标识信息;以及将所述标识信息和所述预存对象标识输入至预设对象相似度计算模型中,获得对象相似度;以及根据所述对象相似度确定所述目标对象;以及确定所述第二浏览数据对应的第二上线时间;以及根据所述第二浏览数据和所述第二上线时间,确定所述第二推荐列表。
19.根据权利要求16所述的资讯推荐平台,其特征在于,
所述处理器,还用于获取推荐对象对应的第一浏览数据之后,按照预设热度类型获取第三推荐列表;其中,所述预设热度类型用于根据资讯的热度进行资讯推荐;
所述处理器,还具体用于获取所述预设源资讯对应的访问量;以及将所述访问量和所述第一上线时间输入至预设热度计算模型中,获得所述预设源资讯对应的热度参数;以及根据所述热度参数获取所述第三推荐列表;以及根据所述第一推荐列表和所述第三推荐列表,向所述推荐对象进行资讯推荐;或者,根据所述第二推荐列表和所述第三推荐列表,向所述推荐对象进行资讯推荐;以及确定所述第一推荐列表对应的第一资讯数量;以及若所述第一资讯数量小于预设数量阈值,则将所述第三推荐列表补充至所述第一推荐列表,以向所述推荐对象进行资讯推荐;以及若所述第一资讯数量大于或者等于所述预设数量阈值,则直接根据所述第一推荐列表向所述推荐对象进行资讯推荐;以及确定所述第二推荐列表对应的第二资讯数量;以及若所述第二资讯数量小于预设数量阈值,则将所述第三推荐列表补充至所述第二推荐列表,以向所述推荐对象进行资讯推荐;以及若所述第二资讯数量大于或者等于所述预设数量阈值,则直接根据所述第二推荐列表向所述推荐对象进行资讯推荐。
20.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有一个或者多个程序,所述一个或者多个程序可被一个或者多个处理器执行,以实现如权利要求1-13任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810214568.1A CN110309410B (zh) | 2018-03-15 | 2018-03-15 | 一种资讯推荐方法、平台及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810214568.1A CN110309410B (zh) | 2018-03-15 | 2018-03-15 | 一种资讯推荐方法、平台及计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110309410A true CN110309410A (zh) | 2019-10-08 |
CN110309410B CN110309410B (zh) | 2022-04-29 |
Family
ID=68073838
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810214568.1A Active CN110309410B (zh) | 2018-03-15 | 2018-03-15 | 一种资讯推荐方法、平台及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110309410B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111368202A (zh) * | 2020-03-06 | 2020-07-03 | 咪咕文化科技有限公司 | 搜索推荐方法、装置、电子设备及存储介质 |
CN111429232A (zh) * | 2020-04-12 | 2020-07-17 | 中信银行股份有限公司 | 产品推荐方法、装置和电子设备及计算机可读存储介质 |
CN111737558A (zh) * | 2020-05-21 | 2020-10-02 | 苏宁金融科技(南京)有限公司 | 一种资讯推荐方法、装置及计算机可读存储介质 |
CN113836404A (zh) * | 2021-09-09 | 2021-12-24 | 武汉卓尔数字传媒科技有限公司 | 对象推荐方法、装置、电子设备及计算机可读存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103559315A (zh) * | 2013-11-20 | 2014-02-05 | 上海华勤通讯技术有限公司 | 资讯筛选推送方法及装置 |
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*** |
US20140331142A1 (en) * | 2013-05-06 | 2014-11-06 | Tencent Technology (Shenzhen) Company Limited | Method and system for recommending contents |
CN104809154A (zh) * | 2015-03-19 | 2015-07-29 | 百度在线网络技术(北京)有限公司 | 用于资讯推荐的方法及装置 |
WO2017101317A1 (zh) * | 2015-12-14 | 2017-06-22 | 乐视控股(北京)有限公司 | 智能推荐的全端显示方法及装置 |
CN107657004A (zh) * | 2017-09-21 | 2018-02-02 | 广州华多网络科技有限公司 | 视频推荐方法、***及设备 |
-
2018
- 2018-03-15 CN CN201810214568.1A patent/CN110309410B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140331142A1 (en) * | 2013-05-06 | 2014-11-06 | Tencent Technology (Shenzhen) Company Limited | Method and system for recommending contents |
CN103559315A (zh) * | 2013-11-20 | 2014-02-05 | 上海华勤通讯技术有限公司 | 资讯筛选推送方法及装置 |
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*** |
CN104809154A (zh) * | 2015-03-19 | 2015-07-29 | 百度在线网络技术(北京)有限公司 | 用于资讯推荐的方法及装置 |
WO2017101317A1 (zh) * | 2015-12-14 | 2017-06-22 | 乐视控股(北京)有限公司 | 智能推荐的全端显示方法及装置 |
CN107657004A (zh) * | 2017-09-21 | 2018-02-02 | 广州华多网络科技有限公司 | 视频推荐方法、***及设备 |
Non-Patent Citations (1)
Title |
---|
商雪晶: "基于内容的相关书籍推荐技术研究", 《中国优秀硕士学位论文全文数据库》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111368202A (zh) * | 2020-03-06 | 2020-07-03 | 咪咕文化科技有限公司 | 搜索推荐方法、装置、电子设备及存储介质 |
CN111368202B (zh) * | 2020-03-06 | 2023-09-19 | 咪咕文化科技有限公司 | 搜索推荐方法、装置、电子设备及存储介质 |
CN111429232A (zh) * | 2020-04-12 | 2020-07-17 | 中信银行股份有限公司 | 产品推荐方法、装置和电子设备及计算机可读存储介质 |
CN111737558A (zh) * | 2020-05-21 | 2020-10-02 | 苏宁金融科技(南京)有限公司 | 一种资讯推荐方法、装置及计算机可读存储介质 |
CN113836404A (zh) * | 2021-09-09 | 2021-12-24 | 武汉卓尔数字传媒科技有限公司 | 对象推荐方法、装置、电子设备及计算机可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN110309410B (zh) | 2022-04-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104102648B (zh) | 基于用户行为数据的兴趣推荐方法及装置 | |
CN110309410A (zh) | 一种资讯推荐方法、平台及计算机可读存储介质 | |
CN109034935A (zh) | 产品推荐方法、装置、计算机设备及存储介质 | |
CN108898459A (zh) | 一种商品推荐方法及装置 | |
CN108320213A (zh) | 电商商品推荐方法和电商平台服务器 | |
CN109658206A (zh) | 信息推荐方法和装置 | |
CN105488233A (zh) | 阅读信息推荐方法和*** | |
CN109447713A (zh) | 一种基于知识图谱的推荐方法及装置 | |
CN112633973B (zh) | 一种商品推荐方法及其相关设备 | |
CN108205768A (zh) | 数据库建立方法和数据推荐方法及装置、设备和存储介质 | |
CN105847985A (zh) | 一种视频推荐方法及装置 | |
WO2012054488A1 (en) | Method and apparatus of determining a linked list of candidate products | |
CN110335123B (zh) | 基于社交电商平台的商品推荐方法、***、计算机可读介质以及装置 | |
CN106251168A (zh) | 信息推送方法及*** | |
CN106168980A (zh) | 多媒体资源推荐排序方法及装置 | |
CN105488366A (zh) | 一种数据权限的控制方法和*** | |
CN112989169B (zh) | 目标对象识别方法、信息推荐方法、装置、设备及介质 | |
CN110069713B (zh) | 一种基于用户上下文感知的个性化推荐方法 | |
CN107895038A (zh) | 一种链路预测关系推荐方法及装置 | |
JP6056592B2 (ja) | 情報推薦装置、推薦情報決定方法、推薦情報決定プログラム、及び情報推薦プログラム | |
CN108170731A (zh) | 数据处理方法、装置、计算机存储介质及服务器 | |
CN110197404A (zh) | 可降低流行度偏差的个性化长尾商品推荐方法和*** | |
CN104915440A (zh) | 一种商品排重方法和*** | |
CN107133811A (zh) | 一种目标用户的识别方法和装置 | |
CN106447364A (zh) | 信息推荐方法及装置 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right |
Effective date of registration: 20220701 Address after: 610041 China (Sichuan) pilot Free Trade Zone, Chengdu, Sichuan Patentee after: China Mobile (Chengdu) information and Communication Technology Co.,Ltd. Patentee after: China Mobile Communications Group Co., Ltd Address before: 100032 No. 29, Finance Street, Beijing, Xicheng District Patentee before: CHINA MOBILE COMMUNICATIONS GROUP Co.,Ltd. |
|
TR01 | Transfer of patent right |