CN112989191A - 一种企业微信中物料推荐方法和*** - Google Patents

一种企业微信中物料推荐方法和*** Download PDF

Info

Publication number
CN112989191A
CN112989191A CN202110261436.6A CN202110261436A CN112989191A CN 112989191 A CN112989191 A CN 112989191A CN 202110261436 A CN202110261436 A CN 202110261436A CN 112989191 A CN112989191 A CN 112989191A
Authority
CN
China
Prior art keywords
similarity
users
recommending
enterprise wechat
materials
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
Application number
CN202110261436.6A
Other languages
English (en)
Inventor
黄楷
梁新敏
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Mininglamp Software System Co ltd
Original Assignee
Beijing Mininglamp Software System Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Mininglamp Software System Co ltd filed Critical Beijing Mininglamp Software System Co ltd
Priority to CN202110261436.6A priority Critical patent/CN112989191A/zh
Publication of CN112989191A publication Critical patent/CN112989191A/zh
Pending legal-status Critical Current

Links

Images

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
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明提出一种企业微信中物料推荐方法和***，其方法技术方案包括行为定义步骤，定义企业微信中用户对物料的操作行为，并将所述操作行为存储；相似度计算步骤，根据所述操作行为计算所述用户之间的相似度；相似度增强步骤，根据所述用户在所述企业微信中的组织架构关系，对所述用户之间的相似度进行加权计算；物料推荐步骤，根据加权计算后的所述相似度对所述用户进行所述物料的推荐。本发明解决企业微信中进行内容推荐存在用户行为过少难以精准推荐的问题。

Description

一种企业微信中物料推荐方法和***
技术领域
本发明属于内容推荐领域，尤其涉及一种企业微信中物料推荐方法和***。
背景技术
在企业微信中，可通过用户标签以及用户行为，打造面向员工发展和公司消息分发的推荐***。在此背景下，如何基于充分利用员工信息和员工对企业内容推荐的行为，打造基于企业微信特有信息的基于用户的协同过滤推荐***，是一个亟待解决的问题。传统的基于用户的协同过滤推荐***，通常使用用户行为信息进行构建，而在企业微信中，由于面向公司内部用户，基于公司内部量级原因，导致用户行为过少。在此情况下，用户共同点击或者点击的相似文章较少。因此，难以衡量用户间的相似性。
发明内容
本申请实施例提供了一种企业微信中物料推荐方法和***，以至少解决企业微信中进行内容推荐存在用户行为过少难以精准推荐的问题。
第一方面，本申请实施例提供了一种企业微信中物料推荐方法，包括：行为定义步骤，定义企业微信中用户对物料的操作行为，并将所述操作行为存储；相似度计算步骤，根据所述操作行为计算所述用户之间的相似度；相似度增强步骤，根据所述用户在所述企业微信中的组织架构关系，对所述用户之间的相似度进行加权计算；物料推荐步骤，根据加权计算后的所述相似度对所述用户进行所述物料的推荐。
优选的，所述相似度计算步骤包括：根据所述用户所操作过的所述物料的集合，通过一相似度算法计算所述用户之间的相似度。
优选的，所述相似度增强步骤包括：若两个所述用户之间存在相同的所述组织架构关系，则对两个所述用户之间的相似度进行相似度增强加权；若两个所述用户之间不存在相同的所述组织架构关系，则对两个所述用户之间的相似度不进行所述相似度增强加权。
优选的，所述相似度增强加权公式为：
W＝WAB+Wmean
其中，WAB为两个所述用户之间的相似度，Wmean为所述相似度的计算中所有所述用户的平均相似度。
优选的，所述物料推荐步骤包括：通过UserCF算法为一所述用户推荐与其最相似的一预设数量的其他所述用户所操作过的所述物料。
第二方面，本申请实施例提供了一种企业微信中物料推荐***，适用于上述一种企业微信中物料推荐方法，包括：行为定义单元，定义企业微信中用户对物料的操作行为，并将所述操作行为存储；相似度计算单元，根据所述操作行为计算所述用户之间的相似度；相似度增强单元，根据所述用户在所述企业微信中的组织架构关系，对所述用户之间的相似度进行加权计算；物料推荐单元，根据加权计算后的所述相似度对所述用户进行所述物料的推荐。
在其中一些实施例中，所述相似度计算单元包括：根据所述用户所操作过的所述物料的集合，通过一相似度算法计算所述用户之间的相似度。
在其中一些实施例中，所述相似度增强单元包括：若两个所述用户之间存在相同的所述组织架构关系，则对两个所述用户之间的相似度进行相似度增强加权；若两个所述用户之间不存在相同的所述组织架构关系，则对两个所述用户之间的相似度不进行所述相似度增强加权。
在其中一些实施例中，所述相似度增强加权公式为：
W＝WAB+Wmean
其中，WAB为两个所述用户之间的相似度，Wmean为所述相似度的计算中所有所述用户的平均相似度。
在其中一些实施例中，所述物料推荐单元包括：通过UserCF算法为一所述用户推荐与其最相似的一预设数量的其他所述用户所操作过的所述物料。
相比于相关技术，本申请实施例提供的一种企业微信中物料推荐方法在用户行为信息的基础上，创新性得引入组织架构信息，解决企业微信内容推荐中行为过少的问题。
附图说明
此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1为本发明的企业微信中物料推荐方法流程图；
图2为本发明的企业微信中物料推荐***的框架图；
图3为本发明的电子设备的框架图；
以上图中：
1、行为定义单元；2、相似度计算单元；3、相似度增强单元；4、物料推荐单元；60、总线；61、处理器；62、存储器；63、通信接口。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行描述和说明。应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。基于本申请提供的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。
显而易见地，下面描述中的附图仅仅是本申请的一些示例或实施例，对于本领域的普通技术人员而言，在不付出创造性劳动的前提下，还可以根据这些附图将本申请应用于其他类似情景。此外，还可以理解的是，虽然这种开发过程中所作出的努力可能是复杂并且冗长的，然而对于与本申请公开的内容相关的本领域的普通技术人员而言，在本申请揭露的技术内容的基础上进行的一些设计，制造或者生产等变更只是常规的技术手段，不应当理解为本申请公开的内容不充分。
在本申请中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域普通技术人员显式地和隐式地理解的是，本申请所描述的实施例在不冲突的情况下，可以与其它实施例相结合。
除非另作定义，本申请所涉及的技术术语或者科学术语应当为本申请所属技术领域内具有一般技能的人士所理解的通常意义。本申请所涉及的“一”、“一个”、“一种”、“该”等类似词语并不表示数量限制，可表示单数或复数。本申请所涉及的术语“包括”、“包含”、“具有”以及它们任何变形，意图在于覆盖不排他的包含；例如包含了一系列步骤或模块(单元)的过程、方法、***、产品或设备没有限定于已列出的步骤或单元，而是可以还包括没有列出的步骤或单元，或可以还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
在企业微信中，可通过用户标签以及用户行为，打造面向员工发展和公司消息分发的推荐***，并以企业微信头条的形式呈现。
以下，结合附图详细介绍本发明的实施例：
图1为本发明的企业微信中物料推荐方法流程图，请参见图1，本发明企业微信中物料推荐方法包括如下步骤：
S1：定义企业微信中用户对物料的操作行为，并将所述操作行为存储。
可选的，物料以文章的形式呈现。
在具体实施中，在企业微信头条中，通常存在各种用户行为定义，包括点击、分享、收藏等。因此，需要预先定义用户行为的种类和行为的存储形式。可选的，存储字段包括用户ID、文章ID、行为、时间。
S2：根据所述操作行为计算所述用户之间的相似度。
可选的，根据所述用户所操作过的所述物料的集合，通过一相似度算法计算所述用户之间的相似度。可选的，该相似度算法为余弦相似度算法或杰卡德相似系数。
在具体实施中，使用余弦相似度算法时，计算过程如下：
给定用户A和用户B，令{abd}表示用户A曾经点击、分享、收藏的文章集合，令{ac}为用户B曾经点击、分享、收藏的文章集合。
则用户A与用户B的相似度为：
Figure BDA0002970188950000051
S3：根据所述用户在所述企业微信中的组织架构关系，对所述用户之间的相似度进行加权计算。
可选的，若两个所述用户之间存在相同的所述组织架构关系，则对两个所述用户之间的相似度进行相似度增强加权；若两个所述用户之间不存在相同的所述组织架构关系，则对两个所述用户之间的相似度不进行所述相似度增强加权。
可选的，所述相似度增强加权公式为：
W＝WAB+Wmean
其中，WAB为两个所述用户之间的相似度，Wmean为所述相似度的计算中所有所述用户的平均相似度。
在具体实施中，对于步骤S2所有相似度结果，计算均值，得到Wmean。对于企业微信，可通过职位获取其组织关系，例如“EIP产品/应用产品与客户成功部/研发团队/私域电商/后端/算法”。
在具体实施中，对于职位相同的用户，假设用户A与B职位相同，则对于的W＝WAB+Wmean，增强AB两个用户的连接。若AB职位不同，则W＝WAB。
S4：根据加权计算后的所述相似度对所述用户进行所述物料的推荐。
可选的，通过UserCF算法为一所述用户推荐与其最相似的一预设数量的其他所述用户所操作过的所述物料。
UserCF算法即基于用户的协同过滤算法，协同过滤(collaborative filtering)是一种在推荐***中广泛使用的技术。该技术通过分析用户或者事物之间的相似性，来预测用户可能感兴趣的内容并将此内容推荐给用户。这里的相似性可以是人口特征的相似性，也可以是历史浏览内容的相似性，还可以是个人通过一定机制给与某个事物的回应。比如，A和B是无话不谈的好朋友，并且都喜欢看电影，那么协同过滤会认为A和B的相似度很高，会将A喜欢但是B没有关注的电影推荐给B，反之亦然。
在具体实施中，计算得到相似度后，通过UserCF算法给用户推荐与其兴趣最相似的K个用户喜欢的文章。假设用户A最相似的用户集合N(A)，则获得相似用户集合N(A)中的行为文章列表S(A)。
可选的，在具体实施中，对S(A)中，若某个文章i被N(A)中多人看过或者点击了分享以及收藏，则评分升高，优先推荐。可选的，评分方式如下：R(i)＝W1*N(A)中对文章i的点击人数+W2*N(A)中对文章i的分享人数+W3*N(A)中对文章i的收***数。
其中，R(i)为评分，W1、W2、W3为评分系数，可根据需要进行自定义。
需要说明的是，在上述流程中或者附图的流程图中示出的步骤可以在诸如一组计算机可执行指令的计算机***中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
本申请实施例提供了一种企业微信中物料推荐***，适用于上述的一种企业微信中物料推荐方法。如以下所使用的，术语“单元”、“模块”等可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件、或者软件和硬件的组合的实现也是可能并被构想的。
图2为根据本发明的企业微信中物料推荐***的框架图，请参见图2，包括：
行为定义单元1：定义企业微信中用户对物料的操作行为，并将所述操作行为存储。
可选的，物料以文章的形式呈现。
在具体实施中，在企业微信头条中，通常存在各种用户行为定义，包括点击、分享、收藏等。因此，需要预先定义用户行为的种类和行为的存储形式。可选的，存储字段包括用户ID、文章ID、行为、时间。
相似度计算单元2：根据所述操作行为计算所述用户之间的相似度。
可选的，根据所述用户所操作过的所述物料的集合，通过一相似度算法计算所述用户之间的相似度。可选的，该相似度算法为余弦相似度算法或杰卡德相似系数。
在具体实施中，使用余弦相似度算法时，计算过程如下：
给定用户A和用户B，令{abd}表示用户A曾经点击、分享、收藏的文章集合，令{ac}为用户B曾经点击、分享、收藏的文章集合。
则用户A与用户B的相似度为：
Figure BDA0002970188950000071
相似度增强单元3：根据所述用户在所述企业微信中的组织架构关系，对所述用户之间的相似度进行加权计算。
可选的，若两个所述用户之间存在相同的所述组织架构关系，则对两个所述用户之间的相似度进行相似度增强加权；若两个所述用户之间不存在相同的所述组织架构关系，则对两个所述用户之间的相似度不进行所述相似度增强加权。
可选的，所述相似度增强加权公式为：
W＝WAB+Wmean
其中，WAB为两个所述用户之间的相似度，Wmean为所述相似度的计算中所有所述用户的平均相似度。
在具体实施中，对于相似度计算单元2的所有相似度结果，计算均值，得到Wmean。对于企业微信，可通过职位获取其组织关系，例如“EIP产品/应用产品与客户成功部/研发团队/私域电商/后端/算法”。
在具体实施中，对于职位相同的用户，假设用户A与B职位相同，则对于的W＝WAB+Wmean，增强AB两个用户的连接。若AB职位不同，则W＝WAB。
物料推荐单元4：根据加权计算后的所述相似度对所述用户进行所述物料的推荐。
可选的，通过UserCF算法为一所述用户推荐与其最相似的一预设数量的其他所述用户所操作过的所述物料。
在具体实施中，计算得到相似度后，通过UserCF算法给用户推荐与其兴趣最相似的K个用户喜欢的文章。假设用户A最相似的用户集合N(A)，则获得相似用户集合N(A)中的行为文章列表S(A)。
可选的，在具体实施中，对S(A)中，若某个文章i被N(A)中多人看过或者点击了分享以及收藏，则评分升高，优先推荐。可选的，评分方式如下：R(i)＝W1*N(A)中对文章i的点击人数+W2*N(A)中对文章i的分享人数+W3*N(A)中对文章i的收***数。
其中，R(i)为评分，W1、W2、W3为评分系数，可根据需要进行自定义。
另外，结合图1描述的一种企业微信中物料推荐方法可以由一电子设备来实现。图3为本发明的电子设备的框架图。
电子设备可以包括处理器61以及存储有计算机程序指令的存储器62。
具体地，上述处理器61可以包括中央处理器(CPU)，或者特定集成电路(Application Specific Integrated Circuit，简称为ASIC)，或者可以被配置成实施本申请实施例的一个或多个集成电路。
其中，存储器62可以包括用于数据或指令的大容量存储器。举例来说而非限制，存储器62可包括硬盘驱动器(Hard Disk Drive，简称为HDD)、软盘驱动器、固态驱动器(SolidState Drive，简称为SSD)、闪存、光盘、磁光盘、磁带或通用串行总线(Universal SerialBus，简称为USB)驱动器或者两个或更多个以上这些的组合。在合适的情况下，存储器62可包括可移除或不可移除(或固定)的介质。在合适的情况下，存储器62可在数据处理装置的内部或外部。在特定实施例中，存储器62是非易失性(Non-Volatile)存储器。在特定实施例中，存储器62包括只读存储器(Read-Only Memory，简称为ROM)和随机存取存储器(RandomAccess Memory，简称为RAM)。在合适的情况下，该ROM可以是掩模编程的ROM、可编程ROM(Programmable Read-Only Memory，简称为PROM)、可擦除PROM(Erasable ProgrammableRead-Only Memory，简称为EPROM)、电可擦除PROM(Electrically Erasable ProgrammableRead-Only Memory，简称为EEPROM)、电可改写ROM(Electrically Alterable Read-OnlyMemory，简称为EAROM)或闪存(FLASH)或者两个或更多个以上这些的组合。在合适的情况下，该RAM可以是静态随机存取存储器(Static Random-Access Memory，简称为SRAM)或动态随机存取存储器(Dynamic Random Access Memory，简称为DRAM)，其中，DRAM可以是快速页模式动态随机存取存储器(Fast Page Mode Dynamic Random Access Memory，简称为FPMDRAM)、扩展数据输出动态随机存取存储器(Extended Date Out Dynamic RandomAccess Memory，简称为EDODRAM)、同步动态随机存取内存(Synchronous Dynamic Random-Access Memory，简称SDRAM)等。
存储器62可以用来存储或者缓存需要处理和/或通信使用的各种数据文件，以及处理器61所执行的可能的计算机程序指令。
处理器61通过读取并执行存储器62中存储的计算机程序指令，以实现上述实施例中的任意一种企业微信中物料推荐方法。
在其中一些实施例中，电子设备还可包括通信接口63和总线60。其中，如图3所示，处理器61、存储器62、通信接口63通过总线60连接并完成相互间的通信。
通信端口63可以实现与其他部件例如：外接设备、图像/数据采集设备、数据库、外部存储以及图像/数据处理工作站等之间进行数据通信。
总线60包括硬件、软件或两者，将电子设备的部件彼此耦接在一起。总线60包括但不限于以下至少之一：数据总线(Data Bus)、地址总线(Address Bus)、控制总线(ControlBus)、扩展总线(Expansion Bus)、局部总线(Local Bus)。举例来说而非限制，总线60可包括图形加速接口(Accelerated Graphics Port，简称为AGP)或其他图形总线、增强工业标准架构(Extended Industry Standard Architecture，简称为EISA)总线、前端总线(FrontSide Bus，简称为FSB)、超传输(Hyper Transport，简称为HT)互连、工业标准架构(Industry Standard Architecture，简称为ISA)总线、无线带宽(InfiniBand)互连、低引脚数(Low Pin Count，简称为LPC)总线、存储器总线、微信道架构(Micro ChannelArchitecture，简称为MCA)总线、***组件互连(Peripheral Component Interconnect，简称为PCI)总线、PCI-Express(PCI-X)总线、串行高级技术附件(Serial AdvancedTechnology Attachment，简称为SATA)总线、视频电子标准协会局部(Video ElectronicsStandards Association Local Bus，简称为VLB)总线或其他合适的总线或者两个或更多个以上这些的组合。在合适的情况下，总线60可包括一个或多个总线。尽管本申请实施例描述和示出了特定的总线，但本申请考虑任何合适的总线或互连。
该电子设备可以执行本申请实施例中的一种企业微信中物料推荐方法。
另外，结合上述实施例中的一种企业微信中物料推荐方法，本申请实施例可提供一种计算机可读存储介质来实现。该计算机可读存储介质上存储有计算机程序指令；该计算机程序指令被处理器执行时实现上述实施例中的任意一种企业微信中物料推荐方法。
而前述的存储介质包括：U盘、移动硬盘、只读存储器(ReadOnly Memory，简称为ROM)、随机存取存储器(Random Access Memory，简称为RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，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，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种企业微信中物料推荐方法，其特征在于，包括：
行为定义步骤，定义企业微信中用户对物料的操作行为，并将所述操作行为存储；
相似度计算步骤，根据所述操作行为计算所述用户之间的相似度；
相似度增强步骤，根据所述用户在所述企业微信中的组织架构关系，对所述用户之间的相似度进行加权计算；
物料推荐步骤，根据加权计算后的所述相似度对所述用户进行所述物料的推荐。
2.如权利要求1所述的企业微信中物料推荐方法，其特征在于，所述相似度计算步骤包括：根据所述用户所操作过的所述物料的集合，通过一相似度算法计算所述用户之间的相似度。
3.如权利要求1所述的企业微信中物料推荐方法，其特征在于，所述相似度增强步骤包括：若两个所述用户之间存在相同的所述组织架构关系，则对两个所述用户之间的相似度进行相似度增强加权；若两个所述用户之间不存在相同的所述组织架构关系，则对两个所述用户之间的相似度不进行所述相似度增强加权。
4.如权利要求3所述的企业微信中物料推荐方法，其特征在于，所述相似度增强加权公式为：
W＝WAB+Wmean
其中，WAB为两个所述用户之间的相似度，Wmean为所述相似度的计算中所有所述用户的平均相似度。
5.如权利要求1所述的企业微信中物料推荐方法，其特征在于，所述物料推荐步骤包括：通过UserCF算法为一所述用户推荐与其最相似的一预设数量的其他所述用户所操作过的所述物料。
6.一种企业微信中物料推荐***，其特征在于，包括：
行为定义单元，定义企业微信中用户对物料的操作行为，并将所述操作行为存储；
相似度计算单元，根据所述操作行为计算所述用户之间的相似度；
相似度增强单元，根据所述用户在所述企业微信中的组织架构关系，对所述用户之间的相似度进行加权计算；
物料推荐单元，根据加权计算后的所述相似度对所述用户进行所述物料的推荐。
7.如权利要求6所述的企业微信中物料推荐***，其特征在于，所述相似度计算单元包括：根据所述用户所操作过的所述物料的集合，通过一相似度算法计算所述用户之间的相似度。
8.如权利要求6所述的企业微信中物料推荐***，其特征在于，所述相似度增强单元包括：若两个所述用户之间存在相同的所述组织架构关系，则对两个所述用户之间的相似度进行相似度增强加权；若两个所述用户之间不存在相同的所述组织架构关系，则对两个所述用户之间的相似度不进行所述相似度增强加权。
9.如权利要求8所述的企业微信中物料推荐***，其特征在于，所述相似度增强加权公式为：
W＝WAB+Wmean
其中，WAB为两个所述用户之间的相似度，Wmean为所述相似度的计算中所有所述用户的平均相似度。
10.如权利要求6所述的企业微信中物料推荐***，其特征在于，所述物料推荐单元包括：通过UserCF算法为一所述用户推荐与其最相似的一预设数量的其他所述用户所操作过的所述物料。
CN202110261436.6A 2021-03-10 2021-03-10 一种企业微信中物料推荐方法和*** Pending CN112989191A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110261436.6A CN112989191A (zh) 2021-03-10 2021-03-10 一种企业微信中物料推荐方法和***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110261436.6A CN112989191A (zh) 2021-03-10 2021-03-10 一种企业微信中物料推荐方法和***

Publications (1)

Publication Number Publication Date
CN112989191A true CN112989191A (zh) 2021-06-18

Family

ID=76334855

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110261436.6A Pending CN112989191A (zh) 2021-03-10 2021-03-10 一种企业微信中物料推荐方法和***

Country Status (1)

Country Link
CN (1) CN112989191A (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20140140309A (ko) * 2013-05-29 2014-12-09 (주) 다이퀘스트 사용자 간의 유사도 계산방법 및 이를 이용한 아이템 추천방법
CN107357793A (zh) * 2016-05-10 2017-11-17 腾讯科技（深圳）有限公司 信息推荐方法和装置
CN111488531A (zh) * 2020-03-16 2020-08-04 山东浪潮通软信息科技有限公司 一种基于协同过滤算法的信息推荐方法、设备及介质
CN111858717A (zh) * 2020-07-29 2020-10-30 广州易行信息技术有限公司 一种物料创建的实时智能推荐方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20140140309A (ko) * 2013-05-29 2014-12-09 (주) 다이퀘스트 사용자 간의 유사도 계산방법 및 이를 이용한 아이템 추천방법
CN107357793A (zh) * 2016-05-10 2017-11-17 腾讯科技（深圳）有限公司 信息推荐方法和装置
CN111488531A (zh) * 2020-03-16 2020-08-04 山东浪潮通软信息科技有限公司 一种基于协同过滤算法的信息推荐方法、设备及介质
CN111858717A (zh) * 2020-07-29 2020-10-30 广州易行信息技术有限公司 一种物料创建的实时智能推荐方法

Similar Documents

Publication Publication Date Title
US11861628B2 (en) Method, system and computer readable medium for creating a profile of a user based on user behavior
Quick et al. Big forensic data reduction: digital forensic images and electronic evidence
US10783206B2 (en) Method and system for recommending text content, and storage medium
JP5736469B2 (ja) ユーザ意図の有無に基づく検索キーワードの推薦
CN105787055B (zh) 信息推荐方法及装置
US9660947B1 (en) Method and apparatus for filtering undesirable content based on anti-tags
CN110334356B (zh) 文章质量的确定方法、文章筛选方法、以及相应的装置
CN104216884B (zh) 一种基于时间衰减的协同过滤***及方法
US11222375B2 (en) Data analysis method and system thereof
CN111008348A (zh) 反爬虫方法、终端、服务器及计算机可读存储介质
US20150262238A1 (en) Techniques for Topic Extraction Using Targeted Message Characteristics
CN110766486A (zh) 确定物品类目的方法和装置
CN113010778A (zh) 一种基于用户历史兴趣的知识图谱推荐方法和***
TW201513035A (zh) 相關關係顯示系統、相關關係顯示方法及相關關係顯示程式
US20160299907A1 (en) Stochastic document clustering using rare features
CN112149003B (zh) 商品社群推荐方法、装置和计算机设备
CN111767713A (zh) 关键词的提取方法、装置、电子设备及存储介质
CN111768258A (zh) 识别异常订单的方法、装置、电子设备和介质
CN112241904A (zh) 商品销售量预测方法、装置、计算机设备和存储介质
CN110058992B (zh) 一种文案模板效果反馈方法、装置及电子设备
US10339559B2 (en) Associating social comments with individual assets used in a campaign
US10530889B2 (en) Identifying member profiles containing disallowed content in an online social network
CN109933691A (zh) 用于内容检索的方法、装置、设备和存储介质
CN113343109A (zh) 榜单推荐方法、计算设备及计算机存储介质
CN106952111B (zh) 个性化推荐方法及装置

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