CN103164804B - 一种个性化的信息推送方法及装置 - Google Patents

一种个性化的信息推送方法及装置 Download PDF

Info

Publication number
CN103164804B
CN103164804B CN201110424664.7A CN201110424664A CN103164804B CN 103164804 B CN103164804 B CN 103164804B CN 201110424664 A CN201110424664 A CN 201110424664A CN 103164804 B CN103164804 B CN 103164804B
Authority
CN
China
Prior art keywords
information
terminal
user terminal
provides
data set
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.)
Active
Application number
CN201110424664.7A
Other languages
English (en)
Other versions
CN103164804A (zh
Inventor
杨志雄
邓中华
苏宁军
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.)
Alibaba Group Holding Ltd
Original Assignee
Alibaba Group Holding 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 Alibaba Group Holding Ltd filed Critical Alibaba Group Holding Ltd
Priority to CN201110424664.7A priority Critical patent/CN103164804B/zh
Priority to TW101107350A priority patent/TWI539305B/zh
Priority to US13/714,027 priority patent/US9208437B2/en
Priority to PCT/US2012/069693 priority patent/WO2013090686A1/en
Priority to EP12809499.2A priority patent/EP2791832A1/en
Priority to JP2014542596A priority patent/JP5945332B2/ja
Publication of CN103164804A publication Critical patent/CN103164804A/zh
Application granted granted Critical
Publication of CN103164804B publication Critical patent/CN103164804B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/02—Knowledge representation; Symbolic representation
    • 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
    • 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
    • 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Strategic Management (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Economics (AREA)
  • Tourism & Hospitality (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Development Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Computational Linguistics (AREA)
  • Evolutionary Computation (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请公开了一种个性化的信息推送方法及装置，应用于网络技术领域。该方法包括：网络服务器获取所述多个用户终端进行访问操作的网络行为数据，并根据所述网络行为数据确定在设定时间窗内每个用户终端与每个信息提供终端的关联度数值；根据所述关联度数值，获取与第一用户终端对应的多个信息提供终端形成第一数据集；根据关联度数值的大小顺序从所述第一数据集中获取多个信息提供终端的信息生成第一信息提供终端信息，并将获取到的第一信息提供终端信息推送给所述第一用户终端。本申请公开的方法和装置根据设定时间窗中的网络行为的次数向用户推荐信息，使得推荐信息更加精确。

Description

一种个性化的信息推送方法及装置
技术领域
本申请涉及网络技术领域，尤其涉及一种个性化的信息推送方法及装置。
背景技术
目前的商品买卖网站中，向用户推荐卖家，最常用的方式是：根据用户最近搜索过的关键词，去搜索引擎查询匹配得到卖家，从而向用户推荐。
这种推荐方式比较单一，无法根据卖家、买家以及运营商各方的推荐要求。例如：在实际的应用中某些运营部门要求向买家推荐最热门的商品、多推荐买家用户已经熟悉的用户(因为对于已经有过联系的买卖用户，再次发生交易的概率会更大)。
上述技术方案除了方式单一之外，因为如果用户近期没有搜索行为，则不能搜索到对应的搜索关键词，所以为了实现向尽量多的用户提供卖家推荐操作，则需要系统保存大量而且长时间的搜索数据。从而会导致存储数据占用大量的系统存储空间。另外，即使买家近期搜索了相关内容，如果要在用户浏览、交易或者收藏某个具体的商品时向用户推荐卖家，也需要临时提取出当前商品的关键词进行搜索。临时提取关键词进行搜索，首先提取关键词的操作需要花费一定的时间，另外，利用关键词进行搜索操作需要对用户的所有行文都进行分析处理，因此，会带来非常大的计算量，而且计算效率低，计算得到的结果也存在不够准确的问题。
发明内容
本申请提供一种个性化的信息推送方法及装置，本申请所提供的方法和装置根据设定时间窗中的网络行为的次数向用户推荐信息，使得推荐信息更精确。
一种个性化的信息推送方法，该方法包括：
当多个用户终端访问多个信息提供终端存储在网络服务器的信息时，网络服务器获取所述多个用户终端进行访问操作的网络行为数据，并根据所述网络行为数据确定在设定时间窗内每个用户终端与有过关联的每个信息提供终端的关联度数值；
根据第一用户终端在设定时间窗内与信息提供终端的关联度数值，获取与第一用户终端对应的多个信息提供终端形成第一数据集；
根据关联度数值的大小顺序从所述第一数据集中获取多个信息提供终端的信息生成第一信息提供终端信息，并将获取到的第一信息提供终端信息推送给所述第一用户终端。
根据上述方法一种个性化的信息推送装置，该装置包括：
关联度数值确定模块，用于当多个用户终端访问多个信息提供终端存储在网络服务器的信息时，获取所述多个用户终端进行访问操作的网络行为数据，并根据所述网络行为数据确定在设定时间窗内每个用户终端与有过关联的每个信息提供终端的关联度数值；
第一数据集生成模块，用于根据第一用户终端在设定时间窗内与信息提供终端的关联度数值，获取与第一用户终端对应的多个信息提供终端形成第一数据集；
信息推送模块，用于根据关联度数值的大小顺序从所述第一数据集中获取多个信息提供终端的信息生成第一信息提供终端信息，并将获取到的第一信息提供终端信息推送给所述第一用户终端。
上述技术方案中的一个或两个，至少具有如下技术效果：
本申请实施例所提供的方法和装置，设置了一个固定时长的时间窗，对该时间窗中的数据进行分析，从而只需要存储并分析所述固定时长用户访问网站所生成的数据，所以减少了数据存储的空间同时也减少了待分析数据的数量，从而提到了数据分析的效率。
附图说明
图1为本申请实施例一种个性化的信息推送方法的流程图；
图2为本申请实施例中确定关联度数值的方法流程图；
图3为本申请实施例偏好P随天数t的衰减趋势的示意图；
图4为本申请实施例获取第二数据集的方法流程图；
图5为本申请实施例获取第三数据集的方法流程图；
图6为本申请实施例一种个性化的信息推送装置的结构示意图。
具体实施方式
本申请实施例提供一种个性化的信息推送方法，该方法包括：当多个用户终端访问多个信息提供终端存储在网络服务器的信息时，网络服务器获取所述多个用户终端进行访问操作的网络行为数据，并根据所述网络行为数据确定在设定时间窗内每个用户终端与有过关联的每个信息提供终端的关联度数值；根据第一用户终端在设定时间窗内与信息提供终端的关联度数值，获取与第一用户终端对应的多个信息提供终端形成第一数据集S1；根据关联度数值的大小顺序从所述第一数据集中获取多个信息提供终端的信息生成第一信息提供终端信息，并将获取到的第一信息提供终端信息推送给所述第一用户终端。
如图1所示，本申请实施例提供一种个性化的信息推送方法，下面结合说明书附图对本申请的具体实施方式进行详细说明，该方法具体包括步骤：
步骤101，当多个用户终端访问多个信息提供终端存储在网络服务器的信息时，网络服务器获取所述多个用户终端进行访问操作的网络行为数据，并根据所述网络行为数据确定在设定时间窗内每个用户终端与有过关联的每个信息提供终端的关联度数值；
步骤102，根据第一用户终端在设定时间窗内与信息提供终端的关联度数值，获取与第一用户终端对应的多个信息提供终端形成第一数据集S1；
步骤103，根据关联度数值的大小顺序从所述第一数据集中获取多个信息提供终端的信息生成第一信息提供终端信息，并将获取到的第一信息提供终端信息推送给所述第一用户终端。
如图2所示，本申请实施例在步骤101中，根据所述网络行为数据确定在设定时间窗口内每个用户终端与有过关联的每个信息提供终端的关联度数值的具体实现方式可以是：
步骤201，根据所述网络行为数据确定任一用户终端在设定时间窗中每个预设时间周期对任一信息提供终端的各网络行为的次数；
当本申请实施例所提供的方法应用于网络商店提供相关的店铺信息和商品信息时，则本申请实施例中的用户终端则可视为与网络店铺具有关联操作的用户端设备，则所述信息提供终端则为提供店铺信息的终端。则所述网络行为包括交易行为、收藏行为、联系行为(发email、通过即时通讯工具沟通等)和浏览店铺商品行为等；对于每一个(用户终端，信息提供终端)对，先筛选出每个用户终端存在关联的信息提供终端的行为数据(本申请实施例中存在广联是指用户终端与信息提供终端之间有网络行为操作)；当然，本申请实施例并不限于应用于网络商店提供相关的店铺信息和商品信息，也可以应用于视频网站提供的视频信息或其他各种信息提供平台。
步骤202，将各网络行为的次数分别乘以对应的行为权重后乘以所述时间周期对应的时间衰减系数得到所述任一用户终端与所述任一信息提供终端在一个时间周期的关联度数值；
因为在具体的应用中交易行为和浏览行为都体现了用户对某个店铺或商品的关注度，但是根据网络行为的不同类型所表明的关注度并不相同，所以对于不同的行为，分别设定对应的行为权重w1，w2，w3，w4等；
因为服务器设备的数据容量有限，所以，在设定用于计算的时间窗时，需要根据实际的需要确定。例如最近90天内，也可以根据数据保存期限设定为30天或者60天等；将收集到的计算时间窗内所有的行为数据参与计算；
因为用户的偏好会随时间衰减。当前用户喜欢某一个类目，不代表一个月后仍然会喜欢这个类目。30天前的行为所表现出来的对偏好的兴趣，对当前用户偏好的影响没有最近几天的行为影响大。偏好P随天数t的衰减趋势如图3所示的指数模型表示，即
P(t)＝K1+exp((t-K2)/K3)，t≤0，这里的天数t是负数。
参数K1，K2，K3可以根据应用场景和数据的不同而调整。
因为在时间窗的时间相对较长，所以对应了好几种不同的衰减系数，所以本申请实施例中进一步将所述时间窗划分为多个计算时间周期(例如，1天、5天、7天或者10天)，对于每个计算周期，对应有一个时间衰减系数；其中，所述衰减系数与所述时间周期的对应关系是所述时间周期与当前时间间隔的长度越大则对应的衰减系数愈小。即离当前计算日越远的计算时间周期，时间衰减越大，也就意味着时间衰减系数值越小。例如在60天内从1逐步衰减到0.01，计算周期为1天。则时间衰减因子a＝0.9261，相当于60天从1衰退到0.01)；
显然，不同的行为所代表的用户喜好程度会不一样。设一共有n个行为，某用户某天针对某一类目下的各行为发生的次数累计分别为x1，...，xn。则这一天里该用户表现出来的对该类目的偏好为Y＝w1x1+...+wnxn。作为买家的偏好和作为卖家的偏好会分别计算。
目前各行为的权重，即各w的值，根据实际应用中各行为所对应的关联度确定，具体形式可以是如表1所述的格式：
行为 权重
浏览 W1
收藏 W2
交易 W3
。。。 。。。
表1
具体应用中可以将各项网络行为的权重设置为表2所示的格式：
行为编号 行为类别 目标对象 行为权重
1 点击浏览 Offer 1
2 站内留言 Offer 3
3 贸易通留言 Offer 3
4 点击联系方式 Offer 2
5 收藏 Offer 5
6 下订单 Offer 10
7 买家付款 Offer 5
8 退款(申请) Offer -12
表2
表2中的offer为商品信息。
步骤203，将所述时间窗中任一用户终端与对应的任一信息提供终端的所有预设时间周期的关联度数值累加，得到所述任一用户终端与对应任一信息提供终端的关联度数值；
综合各行为的权重与用户偏好的时间衰减。设最近N天用户行为表现出来的对某一类目的偏好为Y0，...，YN，而这N天的时间衰减函数值分别为P(0)，...，P(-N)。那么用户对该类目的偏好值即为P(0)Y0+...+P(-N)YN。
表达为：Y(catid)＝∑y(catid，date)*P(date-now)。
每个商品都隶属于某个类目。因此，用户在网站上对于商品的所有行为都可以归属到某些类目上。
用户对一个类目感兴趣会通过网站上的一系列行为来体现。这些行为包括：浏览属于某类目的商品信息的详细页面，通过商品信息页面查看对方联系方式，通过商品信息页面给对方贸易通留言或系统留言，发布某个类目下的商品信息，针对某个类目下的商品信息生成订单等。作为买家和作为卖家的行为会根据商品信息的性质区分。为了进一步的参考用户终端和信息提供终端的偏好，则还需要在将获取到的第一信息提供终端信息推送给所述用户终端之前，如图4所示，本申请方法还进一步包括：
步骤401，获取多个用户终端访问信息提供终端的商品信息，根据每个商品所属的类目，确定每个用户终端的偏好类目以及对应的第一偏好数值；
步骤402，信息提供终端提供的商品所属的不同类目和每个类目对应的商品数量，确定每个信息提供终端的偏好类目以及对应的第二偏好数值；
步骤403，根据所述第一偏好数值和第二偏好数值应用相关性计算方式得到每个用户终端与每个信息提供终端的相关性数值；
步骤404，根据所述相关性数值，获取多个信息提供终端形成第二数据集S2；
步骤405，根据相关性数值的大小顺序从所述第二数据集中获取多个信息提供终端信息，并将获取到的信息提供终端信息添加到第一信息提供终端信息中。
在具体的应用中，店铺的热度值和也会影响到用户终端的选择，所以在向用户终端推荐相关信息时，也需要考虑到店铺热度值。所以步骤103中将获取到的第一信息提供终端信息推送给所述用户终端之前，如图5所示，该方法还进一步包括：
步骤501，根据任一信息提供终端的网络行为数据的来源方式分别将不同来源的网络行为次数乘上对应的权重后乘以所述时间周期对应的时间衰减系数得到该信息提供终端在一个时间周期的区段热度值；
其中，所述网络行为数据是通过用户对信息提供终端所提供的商品信息以及对整个店铺的行为操作数据，如对某个商品的浏览收藏和对某个店铺的浏览收藏操作，则对应的网络行为数据的来源并不相同。所以在具体应用时，该方法的具体实现方式可以是：
计算每个商品的热度值；然后对于每个卖家(信息提供终端)，将归属于该卖家的所有商品的热度累加起来，表示为hotdegree_goods；
参考商品热度计算方式，计算卖家的商铺的热度(行为假设为被收藏、联系行为等)，表示为hotdegree_seller；
计算卖家热度值＝hotdegree_goods*w11+hotdegree_seller*w21，其中，W11和w21分别为对应的权重值。
因为每个用户或者是卖家会根据季节变化等因素导致各种商品的热度值产生变化，所以在确定商品的热度值时，需要乘上对应的时间衰减因子已使得最终得到的热度值更具有实际应用意义。
步骤502，将一个时间窗中多个时间周期对应的区段热度值进行累加得到信息提供终端的热度值。
步骤503，根据信息提供终端的热度值，获取多个信息提供终端形成第三数据集S3；
步骤504，根据所述卖家热度值的大小顺序从所述第三数据集中获取多个信息提供终端信息，并将获取到的信息提供终端信息添加到第一信息提供终端信息中。
另外，因为上述三个数据集是根据用户终端和信息提供终端的不同侧重点得出的数据信息集合，所以在根据实际应用中从所述三个数据集中获取多个信息提供终端的信息推送给对应的用户终端可以是：
将第一数据集、第二数据集和第三数据集预设的对应百分比rat1，rat2，rat3分别乘上N，确定需从每个数据集中获取的客户终端信息个数，其中，rat1+rat2+rat3＝100％；其中，百分比rat1，rat2和rat3根据不同的业务需求，在不同的推荐场景中不相同。
如果需要推荐N个卖家，则对应的每个数据集所推送的信息提供终端信息的数据为：
从S1中依次取出N*rat1个卖家，具体卖家数不足，则表示为k1；
从S2中依次取出N*rat2个卖家，具体卖家数不足，则表示为k2；
从S3中依次取出N*rat3个卖家，具体卖家数不足，则表示为k3；
如果k1＜N*rat1，则从S2中再从未取过的卖家中取N*rat1-k1个卖家，实际取到的卖家数表示为k4；
如果k1+k2+k4＜N*rat1+n*rat2，则从S3中再取N*rat 1+N*rat2-k1-k2-k4个卖家。
如图6所示，本申请是实施例还提供一种个性化的信息推送装置，该装置包括：
关联度数值确定模块601，用于当多个用户终端访问多个信息提供终端存储在网络服务器的信息时，获取所述多个用户终端进行访问操作的网络行为数据，并根据所述网络行为数据确定在设定时间窗内每个用户终端与有过关联的每个信息提供终端的关联度数值；
第一数据集生成模块602，用于根据第一用户终端在设定时间窗内与信息提供终端的关联度数值，获取与第一用户终端对应的多个信息提供终端形成第一数据集S1；
信息推送模块603，用于根据关联度数值的大小顺序从所述第一数据集中获取多个信息提供终端的信息生成第一信息提供终端信息，并将获取到的第一信息提供终端信息推送给所述第一用户终端。
每个商品都隶属于某个类目。因此，用户在网站上对于商品的所有行为都可以归属到某些类目上。该装置还包括：
第二数据信息获取模块604，用于获取多个用户终端访问信息提供终端的商品信息，根据每个商品所属的的类目，确定每个用户终端的偏好类目以及对应的第一偏好数值；信息提供终端提供的商品所属的不同类目和每个类目对应的商品数量，确定每个信息提供终端的偏好类目以及对应的第二偏好数值；根据所述第一偏好数值和第二偏好数值应用相关性计算方式得到每个用户终端与每个信息提供终端的相关性数值；根据所述相关性数值，获取多个信息提供终端形成第二数据集S2；根据相关性数值的大小顺序从所述第二数据集中获取多个信息提供终端信息，并将获取到的信息提供终端信息添加到第一信息提供终端信息中。
在具体的应用中，店铺的热度值和也会影响到用户终端的选择，所以在向用户终端推荐相关信息时，也需要考虑到店铺热度值。该装置还包括：
第三数据信息获取模块605，用于根据任一信息提供终端的网络行为数据的来源方式分别将不同来源的网络行为次数乘上对应的权重后乘以所述时间周期对应的时间衰减系数得到该信息提供终端在一个时间周期的区段热度值，将一个时间窗中多个时间周期对应的区段热度值进行累加得到信息提供终端的热度值；根据信息提供终端的热度值，获取多个信息提供终端形成第三数据集S3；根据所述热度值的大小顺序从所述第三数据集中获取多个信息提供终端信息，并将获取到的信息提供终端信息添加到第一信息提供终端信息中。
另外，因为上述三个数据集是根据用户终端和信息提供终端的不同侧重点得出的数据信息集合，所以在根据实际应用中从所述三个数据集中获取多个信息提供终端的信息推送给对应的用户终端，该装置还还包括：
选择模块606，用于将第一数据集、第二数据集和第三数据集预设的对应百分比rat1，rat2，rat3分别乘上N，确定需从每个数据集中获取的客户终端信息个数，其中，rat1+rat2+rat3＝100％。
本申请实施例中的上述一个或多个技术方案，至少具有如下的技术效果：
本申请所提供的方法和装置，设置了一个固定时长的时间窗，对该时间窗中的数据进行分析，从而只需要存储并分析所述固定时长用户访问网站所生成的数据，所以减少了数据存储的空间同时也减少了待分析数据的数量，从而提到了数据分析的效率。
另外，根据用户的网络行为以及根据网络行为的时间确定所述网络行为对用户选择的影响，从而更精确的向用户终端推送信息提供终端的信息。而且本申请所提供的方法并不局限于用户的输入信息进行对推荐，所以在用户没有输入关键词的情况下也能为用户推荐对应的信息。
本申请所述的方法并不限于具体实施方式中所述的实施例，本领域技术人员根据本申请的技术方案得出其它的实施方式，同样属于本申请的技术创新范围。
显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样，倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。

Claims (10)

1.一种个性化的信息推送方法，其特征在于，该方法包括：
当多个用户终端访问多个信息提供终端存储在网络服务器的信息时，网络服务器获取所述多个用户终端进行访问操作的网络行为数据，并根据所述网络行为数据确定在设定时间窗内每个用户终端与有过关联的每个信息提供终端的关联度数值；
根据第一用户终端在设定时间窗内与信息提供终端的关联度数值，获取与第一用户终端对应的多个信息提供终端形成第一数据集；
根据关联度数值的大小顺序从所述第一数据集中获取多个信息提供终端的信息生成第一信息提供终端信息，并将获取到的第一信息提供终端信息推送给所述第一用户终端。
2.如权利要求1所述的方法，其特征在于，根据所述网络行为数据确定在设定时间窗口内每个用户终端与有过关联的每个信息提供终端的关联度数值包括：
根据所述网络行为数据确定任一用户终端在设定时间窗中每个预设时间周期对任一信息提供终端的各网络行为的次数；
将各网络行为的次数分别乘以对应的行为权重后乘以所述时间周期对应的时间衰减系数得到所述任一用户终端与所述任一信息提供终端在一个时间周期的关联度数值；
将所述时间窗中任一用户终端与对应的任一信息提供终端的所有预设时间周期的关联度数值累加，得到所述任一用户终端与对应任一信息提供终端的关联度数值。
3.如权利要求2所述的方法，其特征在于，所述衰减系数与所述时间周期的对应关系是所述时间周期与当前时间间隔的长度越大则对应的衰减系数愈小。
4.如权利要求1所述的方法，其特征在于，将获取到的第一信息提供终端信息推送给所述用户终端之前，进一步包括：
获取多个用户终端访问信息提供终端的信息，根据每个信息所属的类目，确定每个用户终端的偏好类目以及对应的第一偏好数值；
信息提供终端提供的信息所属的不同类目和每个类目对应的信息数量，确定每个信息提供终端的偏好类目以及对应的第二偏好数值；
根据所述第一偏好数值和第二偏好数值应用相关性计算方式得到每个用户终端与每个信息提供终端的相关性数值；
根据所述相关性数值，获取多个信息提供终端形成第二数据集；
根据相关性数值的大小顺序从所述第二数据集中获取多个信息提供终端信息，并将获取到的信息提供终端信息添加到第一信息提供终端信息中。
5.如权利要求4所述的方法，其特征在于，将获取到的第一信息提供终端信息推送给所述用户终端之前，进一步包括：
根据任一信息提供终端的网络行为数据的来源方式分别将不同来源的网络行为次数乘上对应的权重后乘以所述时间周期对应的时间衰减系数得到该信息提供终端在一个时间周期的区段热度值；
将一个时间窗中多个时间周期对应的区段热度值进行累加得到信息提供终端的热度值；
根据信息提供终端的热度值，获取多个信息提供终端形成第三数据集S3；
根据所述热度值的大小顺序从所述第三数据集中获取多个信息提供终端信息，并将获取到的信息提供终端信息添加到第一信息提供终端信息中。
6.如权利要求5所述的方法，其特征在于，将获取到的第一信息提供终端信息推送给所述用户终端之前，从第一数据集、第二数据集和第三数据集获取N个客户终端信息，包括：
将第一数据集、第二数据集和第三数据集预设的对应百分比rat1，rat2，rat3分别乘上N，确定需从每个数据集中获取的客户终端信息个数，其中，rat1+rat2+rat3＝100％。
7.一种个性化的信息推送装置，其特征在于，该装置包括：
关联度数值确定模块，用于当多个用户终端访问多个信息提供终端存储在网络服务器的信息时，获取所述多个用户终端进行访问操作的网络行为数据，并根据所述网络行为数据确定在设定时间窗内每个用户终端与有过关联的每个信息提供终端的关联度数值；
第一数据集生成模块，用于根据第一用户终端在设定时间窗内与信息提供终端的关联度数值，获取与第一用户终端对应的多个信息提供终端形成第一数据集；
信息推送模块，用于根据关联度数值的大小顺序从所述第一数据集中获取多个信息提供终端的信息生成第一信息提供终端信息，并将获取到的第一信息提供终端信息推送给所述第一用户终端。
8.如权利要求7所述的装置，其特征在于，该装置还包括：
第二数据信息获取模块，用于获取多个用户终端访问信息提供终端的信息，根据每个信息所属的类目，确定每个用户终端的偏好类目以及对应的第一偏好数值；信息提供终端提供的信息所属的不同类目和每个类目对应的信息数量，确定每个信息提供终端的偏好类目以及对应的第二偏好数值；根据所述第一偏好数值和第二偏好数值应用相关性计算方式得到每个用户终端与每个信息提供终端的相关性数值；根据所述相关性数值，获取多个信息提供终端形成第二数据集；根据相关性数值的大小顺序从所述第二数据集中获取多个信息提供终端信息，并将获取到的信息提供终端信息添加到第一信息提供终端信息中。
9.如权利要求8所述的装置，其特征在于，该装置还包括：
第三数据信息获取模块，用于根据任一信息提供终端的网络行为数据的来源方式分别将不同来源的网络行为次数乘上对应的权重后乘以所述时间周期对应的时间衰减系数得到该信息提供终端在一个时间周期的区段热度值，将一个时间窗中多个时间周期对应的区段热度值进行累加得到信息提供终端的热度值；根据信息提供终端的热度值，获取多个信息提供终端形成第三数据集S3；根据所述热度值的大小顺序从所述第三数据集中获取多个信息提供终端信息，并将获取到的信息提供终端信息添加到第一信息提供终端信息中。
10.如权利要求9所述的装置，其特征在于，该装置还还包括：
选择模块，用于将第一数据集、第二数据集和第三数据集预设的对应百分比rat1，rat2，rat3分别乘上N，确定需从每个数据集中获取的客户终端信息个数，其中，rat1+rat2+rat3＝100％。
CN201110424664.7A 2011-12-16 2011-12-16 一种个性化的信息推送方法及装置 Active CN103164804B (zh)

Priority Applications (6)

Application Number Priority Date Filing Date Title
CN201110424664.7A CN103164804B (zh) 2011-12-16 2011-12-16 一种个性化的信息推送方法及装置
TW101107350A TWI539305B (zh) 2011-12-16 2012-03-05 Personalized information push method and device
US13/714,027 US9208437B2 (en) 2011-12-16 2012-12-13 Personalized information pushing method and device
PCT/US2012/069693 WO2013090686A1 (en) 2011-12-16 2012-12-14 Personalized information pushing method and device
EP12809499.2A EP2791832A1 (en) 2011-12-16 2012-12-14 Personalized information pushing method and device
JP2014542596A JP5945332B2 (ja) 2011-12-16 2012-12-14 パーソナライズ情報転送方法および装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201110424664.7A CN103164804B (zh) 2011-12-16 2011-12-16 一种个性化的信息推送方法及装置

Publications (2)

Publication Number Publication Date
CN103164804A CN103164804A (zh) 2013-06-19
CN103164804B true CN103164804B (zh) 2016-11-23

Family

ID=48587867

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201110424664.7A Active CN103164804B (zh) 2011-12-16 2011-12-16 一种个性化的信息推送方法及装置

Country Status (6)

Country Link
US (1) US9208437B2 (zh)
EP (1) EP2791832A1 (zh)
JP (1) JP5945332B2 (zh)
CN (1) CN103164804B (zh)
TW (1) TWI539305B (zh)
WO (1) WO2013090686A1 (zh)

Families Citing this family (47)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102542474B (zh) 2010-12-07 2015-10-21 阿里巴巴集团控股有限公司 查询结果排序方法及装置
CN102956009B (zh) * 2011-08-16 2017-03-01 阿里巴巴集团控股有限公司 一种基于用户行为的电子商务信息推荐方法与装置
CN104252470B (zh) * 2013-06-26 2018-02-09 重庆新媒农信科技有限公司 一种热词推荐方法及系统
US20150081469A1 (en) * 2013-09-17 2015-03-19 International Business Machines Corporation Assisting buying decisions using customer behavior analysis
CN103473352A (zh) * 2013-09-24 2013-12-25 上海新数网络科技有限公司 集成个性化信息推送系统
CN104636373A (zh) * 2013-11-11 2015-05-20 腾讯科技（深圳）有限公司 一种信息推送方法及装置
US10521824B1 (en) * 2014-01-02 2019-12-31 Outbrain Inc. System and method for personalized content recommendations
CN104021163B (zh) * 2014-05-28 2017-10-24 深圳市盛讯达科技股份有限公司 产品推荐系统及方法
CN104077713B (zh) * 2014-06-16 2017-11-03 微梦创科网络科技（中国）有限公司 访问网站的用户的需求评估、广告推送方法和系统
CN104391853B (zh) * 2014-09-25 2018-09-04 深圳大学 Poi推荐方法、poi信息处理方法及服务器
CN105630852A (zh) * 2014-11-28 2016-06-01 北京奇立软件技术有限公司 信息查询的方法以及服务器
CN106341735A (zh) 2015-07-07 2017-01-18 阿里巴巴集团控股有限公司 一种信息推送方法和装置
WO2017007785A1 (en) * 2015-07-07 2017-01-12 Alibaba Group Holding Limited Computerized system and method for pushing information between devices
CN106339393B (zh) * 2015-07-09 2020-08-11 阿里巴巴集团控股有限公司 信息推送方法及装置
CN105142028B (zh) * 2015-07-29 2018-02-27 华中科技大学 面向三网融合的电视节目内容搜索与推荐方法
CN105634860B (zh) * 2015-12-21 2019-09-24 中国电子科技集团公司第十五研究所 一种上网行为轨迹还原的方法和装置
CN105491056A (zh) * 2015-12-25 2016-04-13 深圳市金立通信设备有限公司 一种信息推送方法及终端
CN106997360A (zh) * 2016-01-25 2017-08-01 阿里巴巴集团控股有限公司 用户行为数据的处理方法和装置
CN107368483B (zh) * 2016-05-11 2020-06-23 阿里巴巴集团控股有限公司 信息推荐方法、装置及服务器
CN107920103B (zh) * 2016-10-11 2021-02-26 阿里巴巴集团控股有限公司 一种信息推送的方法和系统及客户端和服务器
CN107026892B (zh) * 2016-11-03 2020-04-28 阿里巴巴集团控股有限公司 消息推荐方法和装置
CN106791962B (zh) * 2016-11-29 2020-11-06 聚好看科技股份有限公司 用户的兴趣视频确定方法及视频服务器
TWI726981B (zh) * 2017-01-23 2021-05-11 香港商阿里巴巴集團服務有限公司 資訊投放用戶的篩選方法和設備
US10609453B2 (en) * 2017-02-21 2020-03-31 The Directv Group, Inc. Customized recommendations of multimedia content streams
CN108632311A (zh) * 2017-03-20 2018-10-09 北京京东尚科信息技术有限公司 信息推送方法和装置
CN106993030A (zh) * 2017-03-22 2017-07-28 北京百度网讯科技有限公司 基于人工智能的信息推送方法和装置
CN108733706B (zh) * 2017-04-20 2022-12-20 腾讯科技（深圳）有限公司 热度信息的生成方法和装置
CN108985805B (zh) * 2017-05-31 2021-04-30 北京京东尚科信息技术有限公司 一种选择性执行推送任务的方法和装置
CN107392669B (zh) * 2017-07-26 2020-12-11 莆田市烛火信息技术有限公司 一种商品信息推送方法、装置及系统
CN107844536B (zh) * 2017-10-18 2020-06-09 西安万像电子科技有限公司 应用程序选择的方法、装置和系统
CN110536269B (zh) * 2018-05-25 2023-04-18 北京搜狗科技发展有限公司 一种信息共享的方法和装置
CN110633405A (zh) * 2018-06-01 2019-12-31 北京京东尚科信息技术有限公司 用于推送信息的方法和装置
CN108920596B (zh) * 2018-06-27 2021-10-29 广东亿迅科技有限公司 一种个性化推荐算法及终端
CN108959602A (zh) * 2018-07-13 2018-12-07 大连思索引擎信息有限公司 一种依托于主观价值的信息筛选方法
CN111091253A (zh) * 2018-10-23 2020-05-01 北京嘀嘀无限科技发展有限公司 网约车组队方法、装置、设备及存储介质
CN111192657A (zh) * 2018-11-15 2020-05-22 宁波方太厨具有限公司 一种基于用户行为热度的菜谱推荐方法
CN110032860B (zh) * 2018-12-27 2020-07-28 阿里巴巴集团控股有限公司 登录方式的推送、展示方法、装置及设备
CN109741112B (zh) * 2019-01-10 2020-12-25 博拉网络股份有限公司 一种基于移动大数据的用户购买意向预测方法
CN110222257B (zh) * 2019-05-13 2020-01-31 特斯联（北京）科技有限公司 一种推荐业务信息的方法、装置及数据链节点
CN110135910A (zh) * 2019-05-16 2019-08-16 拉扎斯网络科技（上海）有限公司 一种用户数据处理方法及装置、介质、计算设备
CN110971659A (zh) * 2019-10-11 2020-04-07 贝壳技术有限公司 推荐消息的推送方法、装置及存储介质
CN111475726B (zh) * 2020-04-03 2022-05-03 中国人民解放军国防科技大学 一种基于多因数@优化模型的Twitter网络信息推送最大化方法
CN111554387B (zh) * 2020-04-26 2023-05-23 医渡云（北京）技术有限公司 医生信息推荐的方法、装置、存储介质及电子设备
CN111738768A (zh) * 2020-06-24 2020-10-02 江苏云柜网络技术有限公司 广告推送方法及系统
CN112927040A (zh) * 2021-02-23 2021-06-08 四川享宇金信金融科技有限公司 一种金融服务平台智能化推荐方法
CN113326434B (zh) * 2021-06-15 2023-03-03 深圳前海微众银行股份有限公司 一种信息推荐方法、设备及存储介质
CN115456721B (zh) * 2022-09-16 2023-12-12 广东朝阳全网通科技有限公司 一种基于互联网的电子商务商品推送方法及系统

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101324948A (zh) * 2008-07-24 2008-12-17 阿里巴巴集团控股有限公司 一种信息推荐的方法及装置
CN101515360A (zh) * 2009-04-13 2009-08-26 阿里巴巴集团控股有限公司 向用户推荐网络目标信息的方法和服务器

Family Cites Families (54)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6029195A (en) 1994-11-29 2000-02-22 Herz; Frederick S. M. System for customized electronic identification of desirable objects
US5758257A (en) 1994-11-29 1998-05-26 Herz; Frederick System and method for scheduling broadcast of and access to video programs and other data using customer profiles
US6092105A (en) 1996-07-12 2000-07-18 Intraware, Inc. System and method for vending retail software and other sets of information to end users
US6195657B1 (en) 1996-09-26 2001-02-27 Imana, Inc. Software, method and apparatus for efficient categorization and recommendation of subjects according to multidimensional semantics
US6356879B2 (en) 1998-10-09 2002-03-12 International Business Machines Corporation Content based method for product-peer filtering
US6606624B1 (en) 1999-08-13 2003-08-12 The Regents Of The University Of California Apparatus and method for recommending to an individual selective information contained within a computer network
US6963867B2 (en) 1999-12-08 2005-11-08 A9.Com, Inc. Search query processing to provide category-ranked presentation of search results
JP2001236405A (ja) 2000-02-24 2001-08-31 Sumisho Computer Systems Corp 販売促進支援装置および方法、記録媒体
IL134943A0 (en) 2000-03-08 2001-05-20 Better T V Technologies Ltd Method for personalizing information and services from various media sources
JP2001265767A (ja) 2000-03-17 2001-09-28 Toshiba Corp 販売支援システム、販売支援方法及び販売支援システムにおける販売支援プログラムを記録した記録媒体
JP4222712B2 (ja) 2000-06-27 2009-02-12 シャープ株式会社 広告配信システム、第２利用者装置、およびサービス提供装置
JP2002063303A (ja) 2000-08-23 2002-02-28 Takayuki Oishi 格付情報を利用したオンライン・マーケティング・システム
US6587781B2 (en) * 2000-08-28 2003-07-01 Estimotion, Inc. Method and system for modeling and processing vehicular traffic data and information and applying thereof
JP2006012115A (ja) 2000-09-14 2006-01-12 Silver Egg Technology Kk 推奨情報提供方法、推奨情報送信システム、推奨情報送信装置及び記録媒体
JP3838014B2 (ja) 2000-09-27 2006-10-25 日本電気株式会社 嗜好学習装置、嗜好学習システム、嗜好学習方法および記録媒体
US7089237B2 (en) 2001-01-26 2006-08-08 Google, Inc. Interface and system for providing persistent contextual relevance for commerce activities in a networked environment
EP1265398A1 (en) 2001-06-08 2002-12-11 Hewlett Packard Company, a Delaware Corporation Proces for personalizing a transaction through an internet or intranet network
US7181488B2 (en) 2001-06-29 2007-02-20 Claria Corporation System, method and computer program product for presenting information to a user utilizing historical information about the user
JP2003058672A (ja) 2001-08-17 2003-02-28 Yutaka Matsudo 店舗の評価情報提供システム
JP2003150835A (ja) 2001-11-14 2003-05-23 Just Syst Corp 商品推薦システム、方法及び装置、並びにプログラム
US8352499B2 (en) 2003-06-02 2013-01-08 Google Inc. Serving advertisements using user request information and user information
US20060069616A1 (en) 2004-09-30 2006-03-30 David Bau Determining advertisements using user behavior information such as past navigation information
US7320020B2 (en) 2003-04-17 2008-01-15 The Go Daddy Group, Inc. Mail server probability spam filter
US7836051B1 (en) 2003-10-13 2010-11-16 Amazon Technologies, Inc. Predictive analysis of browse activity data of users of a database access system in which items are arranged in a hierarchy
US7606772B2 (en) 2003-11-28 2009-10-20 Manyworlds, Inc. Adaptive social computing methods
US8255413B2 (en) 2004-08-19 2012-08-28 Carhamm Ltd., Llc Method and apparatus for responding to request for information-personalization
US8171022B2 (en) 2004-11-05 2012-05-01 Johnston Jeffrey M Methods, systems, and computer program products for facilitating user interaction with customer relationship management, auction, and search engine software using conjoint analysis
US7676400B1 (en) 2005-06-03 2010-03-09 Versata Development Group, Inc. Scoring recommendations and explanations with a probabilistic user model
US8019758B2 (en) 2005-06-21 2011-09-13 Microsoft Corporation Generation of a blended classification model
US20070061195A1 (en) 2005-09-13 2007-03-15 Yahoo! Inc. Framework for selecting and delivering advertisements over a network based on combined short-term and long-term user behavioral interests
JP2007140841A (ja) 2005-11-17 2007-06-07 Tokyo Servey Research Inc 情報処理装置及びその制御方法
US8438170B2 (en) 2006-03-29 2013-05-07 Yahoo! Inc. Behavioral targeting system that generates user profiles for target objectives
WO2008005102A2 (en) 2006-05-13 2008-01-10 Sap Ag Consistent set of interfaces derived from a business object model
JP2007318364A (ja) 2006-05-24 2007-12-06 Sharp Corp 番組推薦装置、番組推薦方法、そのプログラムおよびコンピュータ読取可能な記録媒体
US20080004884A1 (en) 2006-06-29 2008-01-03 Microsoft Corporation Employment of offline behavior to display online content
US9003056B2 (en) 2006-07-11 2015-04-07 Napo Enterprises, Llc Maintaining a minimum level of real time media recommendations in the absence of online friends
WO2008019007A2 (en) 2006-08-04 2008-02-14 Thefind, Inc. Method for relevancy ranking of products in online shopping
KR20090074688A (ko) 2006-11-02 2009-07-07 가부시키가이샤 아이.피.비. 특허 평가 장치
KR20100039825A (ko) 2006-12-22 2010-04-16 폼 유케이, 인코포레이티드 클라이언트 네트워크 활동 채널링 시스템 및 방법
US20080189169A1 (en) 2007-02-01 2008-08-07 Enliven Marketing Technologies Corporation System and method for implementing advertising in an online social network
JP2008305037A (ja) 2007-06-06 2008-12-18 Fuji Xerox Co Ltd 顧客支援システム
CN101079064B (zh) 2007-06-25 2011-11-30 腾讯科技（深圳）有限公司 一种网页排序方法及装置
US8380563B2 (en) 2007-06-28 2013-02-19 Google Inc. Using previous user search query to target advertisements
US20090106221A1 (en) 2007-10-18 2009-04-23 Microsoft Corporation Ranking and Providing Search Results Based In Part On A Number Of Click-Through Features
US8645409B1 (en) 2008-04-02 2014-02-04 Google Inc. Contextual search term evaluation
US8731995B2 (en) 2008-05-12 2014-05-20 Microsoft Corporation Ranking products by mining comparison sentiment
JP2010108082A (ja) 2008-10-28 2010-05-13 Brother Ind Ltd コンテンツ分散保存システム、コンテンツ保存方法、ノード装置、及びノード処理プログラム
US8176043B2 (en) 2009-03-12 2012-05-08 Comcast Interactive Media, Llc Ranking search results
CN101887437B (zh) 2009-05-12 2016-03-30 阿里巴巴集团控股有限公司 一种搜索结果生成方法及信息搜索系统
US8234147B2 (en) 2009-05-15 2012-07-31 Microsoft Corporation Multi-variable product rank
CN102110098B (zh) * 2009-12-25 2016-04-13 腾讯科技（深圳）有限公司 网络信息推荐方法及系统
US8250145B2 (en) 2010-04-21 2012-08-21 Facebook, Inc. Personalizing a web page outside of a social networking system with content from the social networking system
US8600926B2 (en) * 2011-03-29 2013-12-03 Manyworlds, Inc. Integrated interest and expertise-based discovery system and method
US8966392B2 (en) * 2011-08-29 2015-02-24 Novell, Inc. Event management apparatus, systems, and methods

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101324948A (zh) * 2008-07-24 2008-12-17 阿里巴巴集团控股有限公司 一种信息推荐的方法及装置
CN101515360A (zh) * 2009-04-13 2009-08-26 阿里巴巴集团控股有限公司 向用户推荐网络目标信息的方法和服务器

Also Published As

Publication number Publication date
EP2791832A1 (en) 2014-10-22
WO2013090686A1 (en) 2013-06-20
JP5945332B2 (ja) 2016-07-05
US9208437B2 (en) 2015-12-08
US20130166488A1 (en) 2013-06-27
JP2014533418A (ja) 2014-12-11
TW201327233A (zh) 2013-07-01
TWI539305B (zh) 2016-06-21
CN103164804A (zh) 2013-06-19

Similar Documents

Publication Publication Date Title
CN103164804B (zh) 一种个性化的信息推送方法及装置
CN107590675B (zh) 一种基于大数据的用户购物行为识别方法、储存设备及移动终端
JP7105700B2 (ja) サービス対象のための時分割推薦方法及び装置
US20220114199A1 (en) System and method for information recommendation
CN102629360B (zh) 一种有效的动态商品推荐方法及商品推荐系统
CN108805598B (zh) 相似度信息确定方法、服务器及计算机可读存储介质
CN106327227A (zh) 一种信息推荐系统及信息推荐方法
US20140379617A1 (en) Method and system for recommending information
US9213733B2 (en) Computerized internet search system and method
US20150356194A1 (en) Systems and methods for trend aware self-correcting entity relationship extraction
CN106469382A (zh) 闲置商品对象信息处理方法及装置
EP2779058A1 (en) Recommendations based upon explicit user similarity
US20130204822A1 (en) Tools and methods for determining relationship values
CN108509466A (zh) 一种信息推荐方法和装置
CN106503059B (zh) 展示页面推送方法及装置
CN103038769A (zh) 用于将内容导引到社交网络引擎用户的系统和方法
CN104239335B (zh) 特定用户信息获取方法及装置
US20170186065A1 (en) System and Method of Product Selection for Promotional Display
CN113689259A (zh) 基于用户行为的商品个性化推荐方法及系统
CN112149003B (zh) 商品社群推荐方法、装置和计算机设备
US9342834B2 (en) System and method for setting goals and modifying segment criteria counts
CN111429214B (zh) 一种基于交易数据的买卖双方匹配方法及装置
CN111861605A (zh) 业务对象推荐方法
CN112801803B (zh) 一种理财产品推荐方法和装置
CN115423555A (zh) 一种商品推荐方法、装置、电子设备及存储介质

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
REG Reference to a national code

Ref country code: HK

Ref legal event code: DE

Ref document number: 1182508

Country of ref document: HK

C14 Grant of patent or utility model
GR01 Patent grant
REG Reference to a national code

Ref country code: HK

Ref legal event code: GR

Ref document number: 1182508

Country of ref document: HK