CN110517114A - 一种基于社区发现算法的信息推送方法及*** - Google Patents
一种基于社区发现算法的信息推送方法及*** Download PDFInfo
- Publication number
- CN110517114A CN110517114A CN201910774612.9A CN201910774612A CN110517114A CN 110517114 A CN110517114 A CN 110517114A CN 201910774612 A CN201910774612 A CN 201910774612A CN 110517114 A CN110517114 A CN 110517114A
- Authority
- CN
- China
- Prior art keywords
- user
- community
- label
- algorithm
- information
- 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
- 238000000034 method Methods 0.000 title claims abstract description 18
- 230000003542 behavioural effect Effects 0.000 claims abstract description 16
- 230000005540 biological transmission Effects 0.000 claims description 7
- 238000012790 confirmation Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 3
- 125000004122 cyclic group Chemical group 0.000 claims 1
- 230000008569 process Effects 0.000 description 3
- 241000406668 Loxodonta cyclotis Species 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000002747 voluntary effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0241—Advertisements
- G06Q30/0251—Targeted advertisements
- G06Q30/0255—Targeted advertisements based on user history
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0631—Item recommendations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/01—Social networking
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Marketing (AREA)
- Economics (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computing Systems (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Human Resources & Organizations (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种基于社区发现算法的信息推送方法及***,包括步骤:对用户数据进行采集,所述用户数据包括用户的行为数据以及购物数据;利用标签传播算法对用户的行为数据进行分析,得到人际关系社区;利用聚类算法得到社区内客户群体的偏好;根据社区内客户群体的偏好匹配商品;将近期已经购买过要推荐的商品的客户剔除;最后,对社区内的客户群体进行精准推送。通过本发明的信息推送方法及***可以在横向方向,通过找到相似的社区,进而根据相似社区需求相似的逻辑,定位客群和需求,精准的营销,达到提高营销效果,以及降低营销成本。
Description
技术领域
本发明涉及数据处理领域,特别涉及一种基于社区发现算法的信息推送方法。
背景技术
精准营销就是在精准定位的基础上,依托现代信息技术手段建立个性化的顾客沟通服务体系,实现企业可度量的低成本扩张之路。而精准营销必须依靠精准的用户数据,然而随着互联网的飞速发展,信息“大***”使得信息服务领域面临着“信息资源丰富,但获取有利用价值的信息困难”的问题。推荐***是解决信息过载问题的主要手段,它能够以用户为中心在分析预测用户需求的基础上主动给用户推送其可能需要但又难以获取的信息,通过根据用户的不同环境场合下的行为特征为用户推荐更具有利用价值的信息资源。
社交网络通过互联网把具有相同爱好甚至是互不相识的人们连接起来,从而形成具有某一特点的团体。社交网络是一个能够互相沟通和交流并且能够参与互动的平台,通过社交网络,人们会主动公布自己的特点和偏好,积极提供各种资源(比如图片、视频)或分享他们的知识。可以说,社交网络正悄悄的改变着人们的生活方式和价值取向。
但是现有的推荐***都是根据单独个体的行为数据进行分析,通常是从用户搜索、浏览的行为上进行商品的推荐,以客户“找”什么,就给客户推荐什么这种纵向的方式判断,无法拓展客户群体,导致营销效率低下。
发明内容
为了克服上述技术问题,提供一种基于社区发现算法的信息推送方法及***,可以在横向方向,通过找到相似的社区,进而根据相似社区需求相似的逻辑,定位客群和需求,精准的营销,达到提高营销效果,以及降低营销成本。
为了实现上述发明目的,本发明提供了以下技术方案:
一种基于社区发现算法的信息推送方法,包括以下步骤:
步骤1,对用户数据进行采集,所述用户数据包括用户的行为数据以及购物数据;
步骤2,利用标签传播算法对用户的行为数据进行分析,得到人际关系社区;
步骤3,利用聚类算法得到社区内客户群体的偏好;
步骤4,根据社区内客户群体的偏好匹配商品;
步骤5,将近期已经购买过要推荐的商品的客户剔除;
步骤6,最后,对社区内的客户群体进行精准推送。
优选地,所述的标签传播算法为,首先为所有节点指定一个唯一的标签,之后逐轮刷新所有节点的标签,直到达到收敛要求为止;对于每一轮刷新,节点标签刷新,对于某一个节点,考察其所有邻居节点的标签,并进行统计,将出现个数最多的那个标签赋给当前节点;当个数最多的标签不唯一时,随机选一个标签赋给当前节点。
优选地,还包括用户相似度计算步骤,通过转发相似度算法计算两个用户之间兴趣的相似度,用户p和q之间的转发相似度计算公式如下:
其中com(p,q)retweet指用户p和q共同转发的内容数量,|Dp|、|Dq|指用户p、q转发内容数量,mpq、mqp指用户p、q相互转发的次数。
优选地,所述的聚类算法为:
step-1,首先从n个数据对象任意选择 k 个对象作为初始聚类中心;
step-2,根据每个聚类对象的均值,即中心对象,计算每个对象与这些中心对象的距离;并根据最小距离重新对相应对象进行划分;
step-3,重新计算每个聚类的均值;
step-4,循环(2)到(3)直到每个聚类不再发生变化为止。
一种基于社区发现算法的信息推送***,该***包括:
数据采集单元,对用户数据进行采集,所述用户数据包括用户的行为数据以及购物数据;
人际关系社区确认单元,利用标签传播算法对用户的行为数据进行分析,得到人际关系社区;
偏好确认单元,利用聚类算法得到社区内客户群体的偏好;
商品匹配单元,根据社区内客户群体的偏好匹配商品
剔除单元,将近期已经购买过要推荐的商品的客户剔除;
信息推送单元,对社区内的客户群体进行精准推送。
优选地,所述的标签传播算法为,首先为所有节点指定一个唯一的标签,之后逐轮刷新所有节点的标签,直到达到收敛要求为止;对于每一轮刷新,节点标签刷新,对于某一个节点,考察其所有邻居节点的标签,并进行统计,将出现个数最多的那个标签赋给当前节点;当个数最多的标签不唯一时,随机选一个标签赋给当前节点。
优选地,还包括用户相似度计算单元,通过转发相似度算法计算两个用户之间兴趣的相似度,用户p和q之间的转发相似度计算公式如下:
其中com(p,q)retweet指用户p和q共同转发的内容数量,|Dp|、|Dq|指用户p、q转发内容数量,mpq、mqp指用户p、q相互转发的次数。
优选地,所述的聚类算法为:
step-1,首先从n个数据对象任意选择 k 个对象作为初始聚类中心;
step-2,根据每个聚类对象的均值,即中心对象,计算每个对象与这些中心对象的距离;并根据最小距离重新对相应对象进行划分;
step-3,重新计算每个聚类的均值;
step-4,循环(2)到(3)直到每个聚类不再发生变化为止。
与现有技术相比,本发明具有如下有益效果:
现有的技术通常是从搜索、浏览的行为上进行商品的推荐,以客户“找”什么,就给客户推荐什么这种纵向的方式判断,通过本发明的基于社区发现算法的信息推送方法可以在横向方向,通过找到相似的社区,进而根据相似社区需求相似的逻辑,定位客群和需求,精准的营销,达到提高营销效果,以及降低营销成本。
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,本发明实施例1提出的一种基于社区发现算法的信息推送方法的流程示意图;
图2 ,本发明实施例2提出的一种基于社区发现算法的信息推送***的设备示意图;
图3,网络社区示意图。
具体实施方式
在下文中,将更全面地描述本公开的各种实施例。本公开可具有各种实施例,并且可在其中做出调整和改变。然而,应理解:不存在将本公开的各种实施例限于在此公开的特定实施例的意图,而是应将本公开理解为涵盖落入本公开的各种实施例的精神和范围内的所有调整、等同物和/或可选方案。
实施例1
本发明实施例1提出一种基于社区发现算法的信息推送方法,包括以下步骤:
步骤1,对用户数据进行采集,所述用户数据包括用户的行为数据以及购物数据;
步骤2,利用标签传播算法对用户的行为数据进行分析,得到人际关系社区;
步骤3,利用聚类算法得到社区内客户群体的偏好;
步骤4,根据社区内客户群体的偏好匹配商品;
步骤5,将近期已经购买过要推荐的商品的客户剔除;
步骤6,最后,对社区内的客户群体进行精准推送。
标签传播算法(LPA):首先为所有节点指定一个唯一的标签,之后逐轮刷新所有节点的标签,直到达到收敛要求为止。对于每一轮刷新,节点标签刷新,对于某一个节点,考察其所有邻居节点的标签,并进行统计,将出现个数最多的那个标签赋给当前节点。当个数最多的标签不唯一时,随机选一个。
转发相似度算法:一个用户如果对某个用户所转发的内容感兴趣,那么他会查看这个内容(资讯/商品/活动)甚至转发这个内容,通过这种方式来表达他同意另一位用户的意见或者传递一种信息。如果一个用户频繁的查看或者转发另一个客户传递给他的内容,那么可以说明这两个用户具有一定的兴趣相似性;因此,本发明提出转发相似性来进一步计算用户之间的相似性。
用户p和q之间的转发相似度计算公式如下所示:
其中com(p,q)retweet指用户p和q共同转发的内容数量,|Dq|指用户q转发的用户的内容数量,mpq指用户p转发用户q的次数。
聚类算法: 首先从n个数据对象任意选择 k 个对象作为初始聚类中心;而对于所剩下其它对象,则根据它们与这些聚类中心的相似度(距离),分别将它们分配给与其最相似的(聚类中心所代表的)聚类;然后再计算每个所获新聚类的聚类中心(该聚类中所有对象的均值);不断重复这一过程直到标准测度函数开始收敛为止。一般都采用均方差作为标准测度函数。k个聚类具有以下特点:各聚类本身尽可能的紧凑,而各聚类之间尽可能的分开。
算法流程:
step-1:首先从n个数据对象任意选择 k 个对象作为初始聚类中心;
step-2:根据每个聚类对象的均值(中心对象),计算每个对象与这些中心对象的距离;并根据最小距离重新对相应对象进行划分;
step-3:重新计算每个(有变化)聚类的均值(中心对象);
step-4:循环(2)到(3)直到每个聚类不再发生变化为止。
实施例2
本发明实施例2提出一种基于社区发现算法的信息推送***,包括:
数据采集单元,对用户数据进行采集,所述用户数据包括用户的行为数据以及购物数据;
人际关系社区确认单元,利用标签传播算法对用户的行为数据进行分析,得到人际关系社区;
偏好确认单元,利用聚类算法得到社区内客户群体的偏好;
商品匹配单元,根据社区内客户群体的偏好匹配商品
剔除单元,将近期已经购买过要推荐的商品的客户剔除;
信息推送单元,对社区内的客户群体进行精准推送。
标签传播算法(LPA):首先为所有节点指定一个唯一的标签,之后逐轮刷新所有节点的标签,直到达到收敛要求为止。对于每一轮刷新,节点标签刷新,对于某一个节点,考察其所有邻居节点的标签,并进行统计,将出现个数最多的那个标签赋给当前节点。当个数最多的标签不唯一时,随机选一个。
转发相似度算法:一个用户如果对某个用户所转发的内容感兴趣,那么他会查看这个内容(资讯/商品/活动)甚至转发这个内容,通过这种方式来表达他同意另一位用户的意见或者传递一种信息。如果一个用户频繁的查看或者转发另一个客户传递给他的内容,那么可以说明这两个用户具有一定的兴趣相似性;因此,本发明提出转发相似性来进一步计算用户之间的相似性。
用户p和q之间的转发相似度计算公式如下所示:
其中com(p,q)retweet指用户p和q共同转发的内容数量,|Dq|指用户q转发的用户的内容数量,mpq指用户p转发用户q的次数。
聚类算法: 首先从n个数据对象任意选择 k 个对象作为初始聚类中心;而对于所剩下其它对象,则根据它们与这些聚类中心的相似度(距离),分别将它们分配给与其最相似的(聚类中心所代表的)聚类;然后再计算每个所获新聚类的聚类中心(该聚类中所有对象的均值);不断重复这一过程直到标准测度函数开始收敛为止。一般都采用均方差作为标准测度函数。k个聚类具有以下特点:各聚类本身尽可能的紧凑,而各聚类之间尽可能的分开。
算法流程:
step-1:首先从n个数据对象任意选择 k 个对象作为初始聚类中心;
step-2:根据每个聚类对象的均值(中心对象),计算每个对象与这些中心对象的距离;并根据最小距离重新对相应对象进行划分;
step-3:重新计算每个(有变化)聚类的均值(中心对象);
step-4:循环(2)到(3)直到每个聚类不再发生变化为止。
以上所述仅为本发明的优选实施例,不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的相关技术人员来说,在不脱离本发明构思的前提下,还可以做出若干简单推演或替换,其中所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (8)
1.一种基于社区发现算法的信息推送方法,包括以下步骤:
步骤1,对用户数据进行采集,所述用户数据包括用户的行为数据以及购物数据;
步骤2,利用标签传播算法对用户的行为数据进行分析,得到人际关系社区;
步骤3,利用聚类算法得到社区内客户群体的偏好;
步骤4,根据社区内客户群体的偏好匹配商品;
步骤5,将近期已经购买过要推荐的商品的客户剔除;
步骤6,最后,对社区内的客户群体进行精准推送。
2.如权利要求1所述的基于社区发现算法的信息推送方法,所述的标签传播算法为,首先为所有节点指定一个唯一的标签,之后逐轮刷新所有节点的标签,直到达到收敛要求为止;对于每一轮刷新,节点标签刷新,对于某一个节点,考察其所有邻居节点的标签,并进行统计,将出现个数最多的那个标签赋给当前节点;当个数最多的标签不唯一时,随机选一个标签赋给当前节点。
3.如权利要求1所述的基于社区发现算法的信息推送方法,还包括用户相似度计算步骤,通过转发相似度算法计算两个用户之间兴趣的相似度,用户p和q之间的转发相似度计算公式如下:
其中com(p,q)retweet指用户p和q共同转发的内容数量,|Dp|、|Dq|指用户p、q转发内容数量,mpq、mqp指用户p、q相互转发的次数。
4.如权利要求1所述的基于社区发现算法的信息推送方法,所述的聚类算法为:
step-1,首先从n个数据对象任意选择 k 个对象作为初始聚类中心;
step-2,根据每个聚类对象的均值,即中心对象,计算每个对象与这些中心对象的距离;并根据最小距离重新对相应对象进行划分;
step-3,重新计算每个聚类的均值;
step-4,循环环step-2到step-3直到每个聚类不再发生变化为止。
5.一种基于社区发现算法的信息推送***,包括以下步骤:
数据采集单元,对用户数据进行采集,所述用户数据包括用户的行为数据以及购物数据;
人际关系社区确认单元,利用标签传播算法对用户的行为数据进行分析,得到人际关系社区;
偏好确认单元,利用聚类算法得到社区内客户群体的偏好;
商品匹配单元,根据社区内客户群体的偏好匹配商品
剔除单元,将近期已经购买过要推荐的商品的客户剔除;
信息推送单元,对社区内的客户群体进行精准推送。
6.如权利要求1所述的基于社区发现算法的信息推送***,所述的标签传播算法为,首先为所有节点指定一个唯一的标签,之后逐轮刷新所有节点的标签,直到达到收敛要求为止;对于每一轮刷新,节点标签刷新,对于某一个节点,考察其所有邻居节点的标签,并进行统计,将出现个数最多的那个标签赋给当前节点;当个数最多的标签不唯一时,随机选一个标签赋给当前节点。
7.如权利要求1所述的基于社区发现算法的信息推送***,还包括用户相似度计算单元,通过转发相似度算法计算两个用户之间兴趣的相似度,用户p和q之间的转发相似度计算公式如下:
其中com(p,q)retweet指用户p和q共同转发的内容数量,|Dp|、|Dq|指用户p、q转发内容数量,mpq、mqp指用户p、q相互转发的次数。
8.如权利要求1所述的基于社区发现算法的信息推送***,所述的聚类算法为:
step-1,首先从n个数据对象任意选择 k 个对象作为初始聚类中心;
step-2,根据每个聚类对象的均值,即中心对象,计算每个对象与这些中心对象的距离;并根据最小距离重新对相应对象进行划分;
step-3,重新计算每个聚类的均值;
step-4,循环step-2到step-3直到每个聚类不再发生变化为止。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910774612.9A CN110517114A (zh) | 2019-08-21 | 2019-08-21 | 一种基于社区发现算法的信息推送方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910774612.9A CN110517114A (zh) | 2019-08-21 | 2019-08-21 | 一种基于社区发现算法的信息推送方法及*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110517114A true CN110517114A (zh) | 2019-11-29 |
Family
ID=68626139
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910774612.9A Pending CN110517114A (zh) | 2019-08-21 | 2019-08-21 | 一种基于社区发现算法的信息推送方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110517114A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111340601A (zh) * | 2020-03-30 | 2020-06-26 | 贝壳技术有限公司 | 商品信息的推荐方法和装置、电子设备和存储介质 |
CN112052380A (zh) * | 2020-01-20 | 2020-12-08 | 河南紫联物联网技术有限公司 | 智能终端、智能家居设备的营销推荐方法及*** |
CN112070600A (zh) * | 2020-09-03 | 2020-12-11 | 中国银行股份有限公司 | 一种基于银行跨境业务建立海外互助共享圈的***及方法 |
CN112184303A (zh) * | 2020-09-25 | 2021-01-05 | 中国建设银行股份有限公司 | 基于聚类算法的目标信息推送方法、装置及存储介质 |
CN112381598A (zh) * | 2020-10-26 | 2021-02-19 | 泰康保险集团股份有限公司 | 产品服务信息推送方法及装置 |
CN113610608A (zh) * | 2021-08-19 | 2021-11-05 | 创优数字科技(广东)有限公司 | 一种用户偏好推荐方法、装置、电子设备及存储介质 |
CN114387064A (zh) * | 2022-01-13 | 2022-04-22 | 福州大学 | 一种基于综合相似度的电商平台潜在客户推荐方法及*** |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104268290A (zh) * | 2014-10-22 | 2015-01-07 | 武汉科技大学 | 一种基于用户聚类的推荐方法 |
US20150046458A1 (en) * | 2012-03-21 | 2015-02-12 | Tencent Technology (Shenzhen) Company Limited | Method for recommending users in social network and the system thereof |
CN107633430A (zh) * | 2017-09-20 | 2018-01-26 | 哈尔滨工业大学 | 一种基于群体社区的商品推荐方法 |
CN108363821A (zh) * | 2018-05-09 | 2018-08-03 | 深圳壹账通智能科技有限公司 | 一种信息推送方法、装置、终端设备及存储介质 |
CN108810089A (zh) * | 2018-05-04 | 2018-11-13 | 微梦创科网络科技(中国)有限公司 | 一种信息推送方法、装置及存储介质 |
US20190102652A1 (en) * | 2016-08-31 | 2019-04-04 | Tencent Technology (Shenzhen) Company Limited | Information pushing method, storage medium and server |
-
2019
- 2019-08-21 CN CN201910774612.9A patent/CN110517114A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150046458A1 (en) * | 2012-03-21 | 2015-02-12 | Tencent Technology (Shenzhen) Company Limited | Method for recommending users in social network and the system thereof |
CN104268290A (zh) * | 2014-10-22 | 2015-01-07 | 武汉科技大学 | 一种基于用户聚类的推荐方法 |
US20190102652A1 (en) * | 2016-08-31 | 2019-04-04 | Tencent Technology (Shenzhen) Company Limited | Information pushing method, storage medium and server |
CN107633430A (zh) * | 2017-09-20 | 2018-01-26 | 哈尔滨工业大学 | 一种基于群体社区的商品推荐方法 |
CN108810089A (zh) * | 2018-05-04 | 2018-11-13 | 微梦创科网络科技(中国)有限公司 | 一种信息推送方法、装置及存储介质 |
CN108363821A (zh) * | 2018-05-09 | 2018-08-03 | 深圳壹账通智能科技有限公司 | 一种信息推送方法、装置、终端设备及存储介质 |
Non-Patent Citations (2)
Title |
---|
李梦洁: "基于文本属性的微博用户相似度研究", 《计算机技术与发展》 * |
郑伟涛: "基于链接分析和用户兴趣的微博社区发现算法", 《计算机工程与科学》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112052380A (zh) * | 2020-01-20 | 2020-12-08 | 河南紫联物联网技术有限公司 | 智能终端、智能家居设备的营销推荐方法及*** |
CN111340601A (zh) * | 2020-03-30 | 2020-06-26 | 贝壳技术有限公司 | 商品信息的推荐方法和装置、电子设备和存储介质 |
CN112070600A (zh) * | 2020-09-03 | 2020-12-11 | 中国银行股份有限公司 | 一种基于银行跨境业务建立海外互助共享圈的***及方法 |
CN112070600B (zh) * | 2020-09-03 | 2023-09-22 | 中国银行股份有限公司 | 一种基于银行跨境业务建立海外互助共享圈的***及方法 |
CN112184303A (zh) * | 2020-09-25 | 2021-01-05 | 中国建设银行股份有限公司 | 基于聚类算法的目标信息推送方法、装置及存储介质 |
CN112381598A (zh) * | 2020-10-26 | 2021-02-19 | 泰康保险集团股份有限公司 | 产品服务信息推送方法及装置 |
CN112381598B (zh) * | 2020-10-26 | 2023-12-05 | 泰康保险集团股份有限公司 | 产品服务信息推送方法及装置 |
CN113610608A (zh) * | 2021-08-19 | 2021-11-05 | 创优数字科技(广东)有限公司 | 一种用户偏好推荐方法、装置、电子设备及存储介质 |
CN114387064A (zh) * | 2022-01-13 | 2022-04-22 | 福州大学 | 一种基于综合相似度的电商平台潜在客户推荐方法及*** |
CN114387064B (zh) * | 2022-01-13 | 2024-07-19 | 福州大学 | 一种基于综合相似度的电商平台潜在客户推荐方法及*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110517114A (zh) | 一种基于社区发现算法的信息推送方法及*** | |
WO2019233258A1 (zh) | 信息发送方法、装置、***和计算机可读存储介质 | |
WO2009023070A1 (en) | Systems and methods for keyword selection in a web-based social network | |
KR20140071418A (ko) | 인터넷 연결 장치와 관련된 정보 데이터에 기초하는 데이터 네트워크를 이용한 모바일 광고 제공 | |
CN110941635A (zh) | 概率性生成的身份数据库***和方法 | |
CN106407349A (zh) | 一种产品推荐方法及装置 | |
CN107679239B (zh) | 一种基于用户行为的个性化社区推荐方法 | |
CN112149000B (zh) | 一种基于网络嵌入的在线社交网络用户社区发现方法 | |
CN114528480A (zh) | 一种基于k均值聚类的时间感知自适应兴趣点推荐方法 | |
CN112424814A (zh) | 确定物品相关性 | |
CN108694234A (zh) | 一种基于改进协同过滤算法的服务推荐模型 | |
CN109857928A (zh) | 基于多元信用评估的用户偏好预测方法 | |
Biswas et al. | OCSO-CA: opposition based competitive swarm optimizer in energy efficient IoT clustering | |
CN110727863A (zh) | 一种基于复杂网络协同过滤的项目推荐方法 | |
CN104967643A (zh) | 一种获取转移数据的方法及装置 | |
CN101442466B (zh) | 一种叠加网络及实现方法 | |
CN106991122A (zh) | 一种基于粒子群算法的电影推荐方法 | |
CN109145223A (zh) | 一种基于社交影响力传播的社交推荐方法 | |
CN112131486B (zh) | 基于图卷积神经网络的电商网络平台用户社区发现方法 | |
Hazela et al. | Enhance movie recommender system using machine learning techniques | |
Praditya | Literature Review Recommendation System Using Hybrid Method (Collaborative Filtering & Content-Based Filtering) by Utilizing Social Media as Marketing | |
Xin et al. | An approach to the mobile social services recommendation algorithm based on association rules mining | |
Tasgave et al. | Friend-space: Cluster-based users similar post friend recommendation technique in social networks | |
Yin et al. | Commodity recommendation algorithm based on social network | |
Nenava et al. | Hybrid personalized recommendation approach for improving mobile e-commerce |
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 |
Application publication date: 20191129 |
|
RJ01 | Rejection of invention patent application after publication |