TWI512508B - Recommended methods and systems for recommending information - Google Patents

Recommended methods and systems for recommending information Download PDF

Info

Publication number
TWI512508B
TWI512508B TW100128686A TW100128686A TWI512508B TW I512508 B TWI512508 B TW I512508B TW 100128686 A TW100128686 A TW 100128686A TW 100128686 A TW100128686 A TW 100128686A TW I512508 B TWI512508 B TW I512508B
Authority
TW
Taiwan
Prior art keywords
keyword
user
preset
weight
time
Prior art date
Application number
TW100128686A
Other languages
English (en)
Other versions
TW201243628A (en
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
Publication of TW201243628A publication Critical patent/TW201243628A/zh
Application granted granted Critical
Publication of TWI512508B publication Critical patent/TWI512508B/zh

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; 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
    • G06Q30/0256—User search
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/60—Information retrieval; Database structures therefor; File system structures therefor of audio data
    • G06F16/68—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/686—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using information manually generated, e.g. tags, keywords, comments, title or artist information, time, location or usage information, user ratings
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
    • G06F16/78—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/7867—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using information manually generated, e.g. tags, keywords, comments, title and artist information, manually generated time, location and usage information, user ratings
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; 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 OR CALCULATING; 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Finance (AREA)
  • Development Economics (AREA)
  • Accounting & Taxation (AREA)
  • Strategic Management (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • General Business, Economics & Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Game Theory and Decision Science (AREA)
  • Marketing (AREA)
  • Economics (AREA)
  • Library & Information Science (AREA)
  • Multimedia (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Information Transfer Between Computers (AREA)

Description

推薦資料的推送方法及系統
本申請案係有關資料處理技術，尤其有關一種推薦資料的推送方法及系統。
隨著互聯網技術的發展，在網路用戶瀏覽互聯網網頁內容的同時，網站運營者會透過網站伺服器向網路用戶所在的用戶端推送一些與用戶的網頁訪問請求相關的推薦資料，例如，與用戶所瀏覽的網頁內容相關的網路推薦廣告、與用戶購買意圖相關的推薦商品等。
以現有的網路廣告投放為例，傳統的投放方法是：在預設的時間段內，在網站的固定位置展示某一預設的廣告。這裏所展示的廣告是針對所有訪問該網站的用戶的，也就是說每一個訪問該網站的用戶均能夠瀏覽到該廣告。該投放方法並未考慮訪問網站的用戶之間的個體差異，廣告投放效果較差。從而，定向廣告投放方法應運而生。
在現有的定向廣告投放方法中，根據用戶目前瀏覽網頁的內容，確定與該內容對應的廣告，在預設位置展示該廣告。具體而言，在用戶瀏覽網頁的過程中，網站伺服器接收用戶所在用戶端發送來的網頁資料請求，根據所述網頁資料請求而查找得到用戶所請求的網頁資料；根據所述網頁資料來確定網頁內容，進而根據網頁內容而確定所需投放的廣告資料，將廣告資料和網頁資料一起送回給用戶所在的用戶端，以便用戶端在向用戶展示網頁的同時進行對應廣告的展示。
但是，對於定向廣告投放來說，將用戶意向與廣告精確匹配非常重要，而現有的上述定向廣告投放方法中，由於每一頁網頁所包含內容的多樣性，因此，透過網頁所包含的內容並無法對用戶意向進行準確判斷，因此，所投放廣告與用戶意向之間的匹配程度較低。
更為重要的是，現有的定向廣告投放方法中，網站伺服器在每次接收到用戶端發送來的網頁資料請求時，都需要即時根據所述網頁資料請求所請求的網頁資料而確定所需投放的廣告資料，因此，網站伺服器的資料處理量較大，從而影響了網站伺服器的處理速度和對於用戶端的回應速度；尤其是在網站訪問量很大時，網站伺服器所接收到的網頁瀏覽請求數量很大，這時，網站伺服器再同時進行廣告資料的即時確定，必然會嚴重降低網站伺服器的處理速度和回應速度。
綜上所述，現有的網頁推薦資料與用戶意向之間的匹配程度較低，且由於網站伺服器的資料處理量較大，從而影響了網站伺服器的處理速度和對於用戶端的回應速度
有鑒於此，本申請案想要解決的技術問題是，提供一種網頁推薦資料的推送方法及系統，能夠提高用戶意向與推薦資料之間的匹配程度，而且，能夠提高網站伺服器的處理速度和回應速度。
為此，本申請案之實施例採用如下技術方案：本申請案之實施例提供一種推薦資料的推送方法，包括：獲取預設時間點之前用戶的行為日誌，以提取行為日誌中的第一關鍵字集合，利用預設規則來計算關鍵字集合中各個關鍵字的第一權重；獲取預設時間點之後的用戶行為日誌，以提取行為日誌中的第二關鍵字集合，利用預設規則來計算關鍵字集合中各個關鍵字的第二權重；將第一關鍵字集合和第二關鍵字集合進行合併處理，並對兩個集合中重複的關鍵字的權重進行合併處理，以得到第三關鍵字集合以及各個關鍵字的第三權重；以及將第三關鍵字集合中的關鍵字與預先設定的推薦資料的關鍵字進行匹配，確定所需向該用戶推送的推薦資料，將確定的推薦資料隨用戶請求的網頁資料一起發送給用戶所在的用戶端，以便用戶端根據所述推薦資料而進行展現。
本申請案之實施例還提供一種推薦資料的推送系統，包括：第一計算單元，用以獲取預設時間點之前用戶的行為日誌，提取行為日誌中的第一關鍵字集合，利用預設規則來計算關鍵字集合中各個關鍵字的第一權重；第二計算單元，用以獲取預設時間點之後的用戶行為日誌，提取行為日誌中的第二關鍵字集合，利用預設規則來計算關鍵字集合中各個關鍵字的第二權重；合併單元，用以將第一關鍵字集合和第二關鍵字集合進行合併處理，並對兩個集合中重複的關鍵字的權重進行合併處理，以得到第三關鍵字集合以及各個關鍵字的第三權重；以及匹配單元，用以將第三關鍵字集合中的關鍵字與預先設定的推薦資料的關鍵字進行匹配，確定所需向該用戶推送的推薦資料，將確定的推薦資料隨用戶請求的網頁資料一起發送用戶所在的用戶端，以便用戶端根據所述推薦資料而進行展現。
對於上述技術方案的技術效果分析如下：根據用戶在預設時間點之前和之後的用戶行為日誌分別進行關鍵字的提取以及權重的計算，且為距離目前時間近的關鍵字賦予更高的權重值，進行關鍵字以及權重的合併處理後，透過權重值最高的幾個關鍵字與推薦資料的關鍵字進行匹配，從而確定所需推送的推薦資料並進行推送處理，從而使得所推送的推薦資料與用戶行為日誌中的關鍵字，亦即，用戶的意向進行匹配，提高了推薦資料與用戶意向之間的匹配程度；而且，透過預設時間點，將用戶的行為日誌劃分為兩部分，從而可以以一個較大的週期值週期性的對預設時間點之前用戶的行為日誌進行處理，而以一個較小的週期值週期性的對預設時間點之後的用戶行為日誌進行處理，甚至，可以在網站伺服器確定用戶進行網頁訪問時，再對預設時間點之後的用戶行為日誌進行處理，網站伺服器接收到用戶透過用戶端發送來的網頁資料請求後，無須根據所請求的網頁資料進行推薦資料的即時確定，而是預先進行用戶對應推薦資料的確定，在用戶訪問網頁時直接查找得到用戶對應的推薦資料即可；即使網站伺服器確定用戶進行網頁訪問時，再對預設時間點之後的用戶行為日誌進行處理，其所需處理的資料量也大大減小，從而相對於現有技術中的推薦資料推送方法，網站伺服器的資料處理量大大降低，從而大大提高了網站伺服器的處理速度和回應速度；另外，在實際應用中如果每次用戶訪問網站時，都進行用戶所有行為日誌資料的處理，則處理的資料量巨大，對網站系統的處理速率以及回應速度影響較大；而且，同時處理用戶所有的行為日誌時，對於用戶目前的用戶意向將會有所忽略。而透過設定預設時間點，分別以不同的週期來進行預設時間點之前和之後行為日誌的處理，則處理的資料量相對很小，處理速度快，也可以提高網站系統的回應速度。
為使本領域技術人員更加清楚的理解本申請案的實施例，首先介紹本申請案之實施例所應用的網路環境。如圖1所示，包括網站伺服器110以及用戶端120，其中，網站伺服器用以接收到用戶透過用戶端發送來的網頁資料請求時，確定所需向用戶推送的推薦資料，將推薦資料與網頁資料一起發送給用戶端；用戶端用以接收用戶操作指令，根據用戶操作指令向網站伺服器發送網頁資料請求，並將接收到的網頁資料和推薦資料向用戶進行展現。
以下，結合附圖而詳細說明本申請案之實施例的推薦資料推送方法及系統的實現。
圖2為本申請案之實施例的推薦資料推送方法流程示意圖，該方法係適用於網站伺服器中，如圖2所示，包括：
步驟201：獲取預設時間點之前用戶的行為日誌，以提取行為日誌中的第一關鍵字集合，利用預設規則來計算關鍵字集合中各個關鍵字的第一權重；
步驟202：獲取預設時間點之後的用戶行為日誌，以提取行為日誌中的第二關鍵字集合，利用預設規則來計算關鍵字集合中各個關鍵字的第二權重；
其中，步驟201和步驟202之間的執行順序不限制。
另外，在實際應用中，可以為步驟201設定一個第一週期，以進行步驟201的迴圈(loop)處理；而為步驟202設定一個第二週期，以進行步驟202的迴圈處理，其中，第一週期大於第二週期，例如，第一週期為1天，而第二週期為1小時等；或者，步驟202也可以在網站伺服器確定用戶進行網頁訪問時，再執行，這裏並不限制。
步驟203：將第一關鍵字集合和第二關鍵字集合進行合併處理，並對兩個集合中重複的關鍵字的權重進行合併處理，以得到第三關鍵字集合以及各個關鍵字的第三權重；
步驟204：將第三關鍵字集合中的關鍵字與預先設定的廣告資料的關鍵字進行匹配，以確定所需向該用戶推送的推薦資料；
其中，該用戶對應的推薦資料亦即為：所需向用戶推送的推薦資料。
步驟205：將確定的推薦資料隨用戶請求的網頁資料一起發送給用戶所在的用戶端，以便用戶端根據所述推薦資料而進行展現。
在實際應用中，可以預先由用戶進行登錄，從而獲知用戶資訊；或者由網站伺服器根據用戶端的IP位址等確定所述網頁資料請求對應用戶的用戶資訊，以便在本步驟中，根據用戶資訊查找得到發送網頁資料請求的用戶對應的廣告資料等等，這裏並不限制。
圖2所示的推薦資料推送方法中，根據用戶在預設時間點之前和之後的用戶行為日誌分別進行關鍵字的提取以及權重的計算，且為距離目前時間近的關鍵字賦予更高的權重值，透過權重值最高的幾個關鍵字與推薦資料的關鍵字進行匹配，從而確定所需向用戶推薦的推薦資料，從而使得所推送的推薦資料與用戶行為日誌中的關鍵字，亦即，用戶的意向進行匹配，提高了推薦資料與用戶意向之間的匹配程度；而且，透過預設時間點，將用戶的行為日誌劃分為兩部分，從而可以以一個較大的週期值週期性之對預設時間點之前用戶的行為日誌進行處理，而以一個較小的週期值週期性之對預設時間點之後的用戶行為日誌進行處理，甚至，可以在網站伺服器確定用戶進行網頁訪問時，再對預設時間點之後的用戶行為日誌進行處理，網站伺服器接收到用戶透過用戶端發送來的網頁資料請求後，無須根據所請求的網頁資料進行推薦資料的即時確定，而是預先進行用戶對應推薦資料的確定，在用戶訪問網頁時直接查找得到用戶對應的推薦資料即可；即使網站伺服器確定用戶進行網頁訪問時，再對預設時間點之後的用戶行為日誌進行處理，其所需處理的資料量也大大減小，從而相對於現有技術中的定向廣告投放方法，網站伺服器的資料處理量大大降低，從而大大提高了網站伺服器的處理速度和回應速度；另外，在實際應用中如果每次用戶訪問網站時，都進行用戶所有行為日誌資料的處理，則處理的資料量巨大，對網站系統的處理速率以及回應速度影響較大；而且，同時處理用戶所有的行為日誌時，對於用戶目前的用戶意向將會有所忽略。而透過設定預設時間點，分別以不同的週期來進行預設時間點之前和之後行為日誌的處理，則處理的資料量相對很小，處理速度快，也可以提高網站系統的回應速度。
圖3為本申請案之實施例的推薦資料推送方法流程示意圖，如圖3所示，包括：
步驟301：獲取預設時間點之前用戶的行為日誌，以提取行為日誌中的第一關鍵字集合，利用預設規則來計算關鍵字集合中各個關鍵字的第一權重；
其中，在進行用戶行為日誌的獲取時，可以根據用戶的ID或者用戶的cookie等而獲取。具體而言，如果所述用戶為該網站的註冊用戶，該用戶註冊並登錄了該網站時，則可以以用戶ID標識該用戶，根據用戶ID進行用戶行為日誌的獲取；而如果該用戶為非註冊用戶或者該用戶未登錄，則可以根據用戶的cookie而獲取該用戶的行為日誌。
所述用戶的行為日誌可以包括：用戶在網站上的點擊、搜索、瀏覽、收藏等操作記錄。
其中，所述提取行為日誌中第一關鍵字集合可以透過以下步驟來予以實現：
A1、使用中心詞提取方法而從所述行為日誌中提取出第一預設數量的中心詞；
A2、將提取的各個中心詞與預設產品詞庫中的產品詞進行匹配，提取出中心詞中的產品詞，以提高所述產品詞的優先順序；
A3、將提取出的各個產品詞與預設競價詞庫中的競價詞進行匹配，提取出產品詞中的競價詞，以提高所述競價詞的優先順序；
A4、將所述中心詞按照優先順序進行排序，從所述中心詞中選擇優先順序最高的第二預設數量個關鍵字構成所述第一關鍵字集合。
其中，所述產品詞庫以及競價詞庫可以預先進行設定，其中，產品詞庫可以為根據各類產品詞或者幾類產品詞所建立的資料庫；而競價詞可以與廣告(以廣告為例對推薦資料加以說明)的關鍵字相對應，以便更好的將廣告與代表用戶意向的關鍵字進行匹配；或者，也可以方便網站運營商根據競價詞向對應類別的廣告主進行廣告位的招標和拍賣。
這裏，在具體實現中，可以預先設定優先順序為：第一級＜第二級＜第三級；則，在A1步驟中將所有中心詞默認為或設定為第一級；在A2步驟中將提取出的產品詞的優先順序提高為第二級；在A3步驟中將提取出的競價詞的優先順序再提高為第三級。從而在A4步驟中直接按照優先順序進行中心詞的排序即可。
所述利用預設規則來計算各個關鍵字的第一權重可以透過以下步驟來予以實現：
B1、從所述預設時間點開始，按照預設第一時間長度而將該時間點之前的時間劃分為幾個時間段，並確定每一個時間段的順序號；
B2、對於每一個關鍵字，從每一個時間段對應的行為日誌中查找該關鍵字的出現次數；其中，所述出現次數可以包括：對該關鍵字的搜索、瀏覽等操作，可以在實際應用中自主設定。
B3、根據預設的權重函數、時間段的順序號以及在該時間段中出現次數來計算該關鍵字的第一權重。
其中，可以將第一時間長度設定為天、N小時、1小時甚至半小時等。其中，所述時間段的順序號與權重函數相關，如果權重函數是增函數，則為每一個時間段確定順序號可以為：按照距離預設時間點的遠近，越遠的時間段順序號越小，越近的時間段順序號越大；而如果權重函數為減函數，則為每一個時間段確定順序號可以為：其中，第一時間長度為天時，可以透過以下公式來計算關鍵字的第一權重：
其中，ti表示所述第i天距離所述預設時間點的天數；n(ti)為預設時間點之前第i天該詞出現的次數，f(ti)是一個關於ti的遞減函數，亦即，所述權重函數；透過該計算公式可知，距離預設時間點越遠的詞所獲得分數越低。f(ti)可以根據實際的應用情況選擇。例如，可以選e-a*t ，其中，參數a根據實際資料特徵進行賦值；k為預設時間點距離目前時間的天數。
以上的權重計算公式既體現了中心詞對用戶偏好等用戶意向的反映，也能兼顧時間因素對用戶偏好等用戶意向的影響。
例如，以下舉例進行說明：假設以天為預設第一時間長度，預設時間點為當天之前，而用戶在最近7天的行為日誌中，對詞W搜索了10次，瀏覽了100個網頁，其中，有27個網頁中包含了詞W，每天的頻率如表1所示：
則詞W在當天之前的7天的權重為：
Score(W)=f(1)*0+f(2)*6+f(3)*8+f(4)*11+f(5)*2+f(6)*3+f(7)*7
f(t)可以選函數e-a*t，其中，參數a根據實際資料特徵進行賦值；其中，所述n(ti)是根據每天的當天搜索頻率以及包含詞W的流覽網頁總數加和而得到的。
在具體實現中，透過步驟301，可以得到第一關鍵字集合以及每一個關鍵字的第一權重，此時，可以將關鍵字以及第一權重以<關鍵字，第一權重>的二維向量方式表示，用幾個關鍵字表示用戶的歷史興趣，第一權重表示用戶在該關鍵字上表示出的興趣程度。例如，從某用戶的行為日誌中提取出的關鍵字集合為：{<葡萄酒,14.1586>,<四特酒,9.29328>,<低檔白酒,3.74181>,<中糧長城,3.22576>,<張裕,3.1076>}，可以得出該用戶對“葡萄酒”的興趣最強，其次為四特酒、低檔白酒等。
步驟302：獲取預設時間點之後的用戶行為日誌，以提取行為日誌中的第二關鍵字集合，利用預設規則來計算關鍵字集合中各個關鍵字的第二權重。
其中，步驟302中各個步驟可以使用與步驟301相同的方式來予以實現，這裏不再贅述。
也就是說：在具體實現中，可以將步驟301和步驟302進行合併同時進行，而這裏之所以將步驟302與步驟301進行區別處理的理由在於：在實際應用中如果每次用戶訪問網站時，都進行用戶所有行為日誌資料的處理，則處理的資料量巨大，對網站系統的處理速率以及回應速度影響較大；而且，同時處理用戶所有的行為日誌時，對於用戶目前的用戶意向將會有所忽略。而透過將步驟301和步驟302分別進行處理，則可以以一個較大的週期值週期性的進行步驟301的處理，而以一個較小的週期值進行步驟302的處理，甚至在用戶訪問網頁時進行步驟302的處理，由於步驟301和步驟302已經在網站後臺處理完畢，或者，在用戶訪問網頁時只有步驟302中需要處理某一預設時間點之後的用戶行為日誌，則處理的資料量相對很小，處理速度快，可以提高網站系統的回應速度；而且，單獨進行預設時間點之後的用戶行為日誌中關鍵字的提取，考慮了用戶在最近時間內改變用戶意向的可能性，從而提取到的關鍵字更接近用戶意向，可以提高推薦資料與用戶意向的匹配精確度。
步驟303：將第一關鍵字集合和第二關鍵字集合進行合併處理，並對兩個集合中重複的關鍵字的權重進行合併處理，以得到第三關鍵字集合以及各個關鍵字的第三權重。
其中，將第一關鍵字集合和第二關鍵字集合進行合併處理，也就是說，將第一關鍵字集合和第二關鍵字集合中所有的關鍵字進行合併，以得到第三關鍵字集合。
而將重複的關鍵字的權重進行合併處理可以為：將該關鍵字的第一權重與第二權重相加，或者也可以為不同的權重分別設定係數，再相加。
其中，如果第一關鍵字集合和第二關鍵字集合中不重合的關鍵字過多，例如，用戶當天改變了前一段時間的購買習慣，轉而對另一類產品感興趣並進行相關搜索和瀏覽，可能導致第三關鍵字集合中關鍵詞數量過多，為了防止這種現象的出現，可以為第三關鍵字集合預先設定關鍵詞數量閾值，從合併後的關鍵字集合中選擇權重值最大的預設數量個關鍵字構成第三關鍵字集合，這裏並不限定。
而這裏，由於在步驟301和步驟302中，對越與目前時間靠近的關鍵字賦予的權重越高，從而本步驟中，即使按照權重進行了第三關鍵字集合中關鍵字的選擇，也由於與目前時間靠近的關鍵字權重較高的緣故，不會造成與用戶意向匹配度高的關鍵字的漏選，從而影響推薦資料與用戶意向匹配結果的精確度。
而且，透過這種綜合歷史行為日誌和目前行為日誌的方式，在充分掌握用戶背景資訊基礎上，可以更好地理解用戶的目前意向。例如，用戶的即時搜索關鍵字為‘‘蘋果”，由於“蘋果”既可以是一種水果，也可以是一種電子產品，僅用這個詞很難識別用戶真正的意圖，但在對用戶的歷史行為日誌分析中，得到了“筆記本”，“mp3”,“筆記本配件”等關鍵字，由此，用戶的意圖表示為{蘋果，筆記本，mp3，筆記本配件}，綜合之後可以得到該用戶的意向是“蘋果”品牌的電子產品。
步驟304：將第三關鍵字集合中的關鍵字與預先設定的各個推薦資料的關鍵字進行匹配，以得到匹配程度最高的預設第三數量個推薦資料。
本步驟的實現中，可以使用現有的檢索模型，例如BM25、向量空間模型等來予以實現，這裏不贅述。
步驟305：按照用戶在網站內的訪問路徑，將所述推薦資料和所述訪問路徑對應的網頁資料一起發送給用戶所在的用戶端，以便用戶端進行所述網頁以及推薦資料的展現。
透過本步驟，將推薦資料始終跟隨著用戶在站內的訪問路徑進行推送，從而無論用戶切換到任何頁面，都將展現與其意向相關的推薦資料。
進一步地，以推薦資料為廣告資料為例來加以說明，在實際應用中，網站運營商可以根據表示用戶的意向的關鍵字來進行廣告的投放，從而銷售不同產品的廣告主也可以根據自身銷售的產品所針對的用戶意向，亦即，所述關鍵字來進行廣告的購買，從而使得廣告的競價不再針對所有用戶意向，而是在固定時間段內，由廣告主對表示用戶不同意向的關鍵字進行購買，分別進行收費。如在網站首頁中部的右邊有一個廣告位，廣告主A在購買該廣告位時，可以指定自己廣告的投放目標是對“運動”感興趣的用戶，而另一個廣告主B則可以指定自己廣告的投放目標是對“數碼產品”感興趣的用戶，因此當對“運動”感興趣的用戶訪問網站時即可以根據用戶的關鍵字匹配出廣告A，來進行廣告的投放，對“數碼產品”感興趣的用戶則根據用戶的關鍵字匹配出廣告B來進行投放，依次類推。當有多個廣告主需要購買“運動”這個關鍵字時，則可以進行在效果廣告中存在的競價，競價成功的廣告主可以得到向具有該關鍵字表示的用戶意向對應的用戶投放廣告的機會。所述用來由廣告主進行競價的代表用戶意向的關鍵字可以設定於所述競價詞庫中。
從而在進行廣告的計費時，可以根據該關鍵字對應的收費標準以及該廣告的投放時間長度來進行計費。
與以上的推薦資料推送方法相對應地，本申請案之實施例還提供了一種推薦資料的推送系統，該系統可以被設置於網站伺服器中，如圖4所示，該系統包括：第一計算單元410，用以獲取預設時間點之前用戶的行為日誌，提取行為日誌中的第一關鍵字集合，利用預設規則來計算關鍵字集合中各個關鍵字的第一權重；第二計算單元420，用以獲取預設時間點之後的用戶行為日誌，提取行為日誌中的第二關鍵字集合，利用預設規則來計算關鍵字集合中各個關鍵字的第二權重；合併單元430，用以將第一關鍵字集合和第二關鍵字集合進行合併處理，並對兩個集合中重複的關鍵字的權重進行合併處理，以得到第三關鍵字集合以及各個關鍵字的第三權重；匹配單元440，用以將第三關鍵字集合中的關鍵字與預先設定的推薦資料的關鍵字進行匹配，確定所需推送的推薦資料，將確定的推薦資料推送給用戶所在的用戶端，以便用戶端根據所述推薦資料而進行展現。
其中，如圖5所示，所述第一計算單元410可以包括：劃分子單元510，用以從所述預設時間點開始，按照預設第一時間長度將該時間點之前的時間劃分為幾個時間段；查找子單元520，用以對於每一個關鍵字，從每一個時間段對應的行為日誌中查找該關鍵字的出現次數；計算子單元530，用以根據預設的權重函數、時間段距離預設時間點的時間長度以及在該時間段中出現次數來計算該關鍵字的第一權重。
具體而言，所述計算子單元530具體可以用以：使用公式Score(W)=f(ti)*n(ti)來計算關鍵字的權重；其中，W表示關鍵字；ti表示關鍵字所在時間段距離所述預設時間點的時間長度；n(ti)表示ti對應的時間段內關鍵字出現的次數，f(ti)為關於ti的權重函數，且該權重函數為遞減函數。其中，所述權重函數可以為：f(ti)=e-a*ti ，a為常數。
較佳地，如圖6所示，第一計算單元410和第二計算單元420分別可以包括如下子單元：第一提取子單元610，用以使用中心詞提取方法而從行為日誌中提取出第一預設數量的中心詞；第二提取子單元620，用以將提取的各個中心詞與預設產品詞庫中的產品詞進行匹配，提取出中心詞中的產品詞，以提高所述產品詞的優先順序；第三提取子單元630，用以將提取出的各個產品詞與預設競價詞庫中的競價詞進行匹配，提取出產品詞中的競價詞，以提高所述競價詞的優先順序；選擇子單元640，用以將所述中心詞按照優先順序進行排序，從所述中心詞中選擇優先順序最高的第二預設數量個關鍵字構成所述關鍵字集合。
較佳地，匹配單元440可以包括：匹配子單元，用以將第三關鍵字集合中的關鍵字與預先設定的推薦資料的關鍵字進行匹配，以確定所需推送的推薦資料；發送子單元，用以按照用戶在網站內的訪問路徑，將所述推薦資料和所述訪問路徑對應的網頁資料一起發送給用戶所在的用戶端，以便用戶端將所述推薦資料以及網頁向用戶進行展現。
圖4~6所示的推薦資料投推送系統中，第一計算單元以及第二計算單元分別根據用戶在預設時間點之前和之後的用戶行為日誌進行關鍵字的提取以及權重的計算，且為距離目前時間近的關鍵字賦予更高的權重值；合併單元進行關鍵字集合以及權重值的合併處理後，匹配單元透過權重值最高的幾個關鍵字與推薦資料的關鍵字進行匹配，從而確定所需推送的推薦資料並進行推送處理，使得所推送的推薦資料與用戶行為日誌中的關鍵字，亦即，用戶的意向進行匹配，提高了推薦資料與用戶意向之間的匹配程度，提高了推薦資料的推送效果；而且，透過預設時間點，將用戶的行為日誌劃分為兩部分，從而可以以一個較大的週期值週期性的對預設時間點之前用戶的行為日誌進行處理，而以一個較小的週期值週期性的對預設時間點之後的用戶行為日誌進行處理，甚至，可以在網站伺服器確定用戶進行網頁訪問時，再對預設時間點之後的用戶行為日誌進行處理，網站伺服器接收到用戶透過用戶端發送來的網頁資料請求後，無須根據所請求的網頁資料進行推薦資料的即時確定，而是預先進行用戶對應推薦資料的確定，在用戶訪問網頁時直接查找得到用戶對應的推薦資料即可；即使網站伺服器確定用戶進行網頁訪問時，再對預設時間點之後的用戶行為日誌進行處理，其所需處理的資料量也大大減小，從而相對於現有技術中的定向廣告投放方法，網站伺服器的資料處理量大大降低，從而大大提高了網站伺服器的處理速度和回應速度；另外，在實際應用中，如果每次用戶訪問網站時，部進行用戶所有行為日誌資料的處理，則處理的資料量巨大，對網站系統的處理速率以及回應速度影響較大；而且，同時處理用戶所有的行為日誌時，對於用戶目前的用戶意向將會有所忽略。而通過設定預設時間點，分別以不同的週期來進行預設時間點之前和之後行為日誌的處理，則處理的資料量相對很小，處理速度快，也可以提高網站系統的回應速度。
本領域普通技術人員可以理解，實現上述實施例的方法的過程可以透過程式指令相關的硬體來予以完成，所述的程式可以被儲存於可讀取儲存媒體中，該程式在執行時執行上述方法中的對應步驟。所述的儲存媒體可以為諸如：ROM/RAM、磁碟、光碟等。
以上所述僅是本申請案的較佳實施方式，應當指出，對於本技術領域的普通技術人員來說，在不脫離本申請案之原理的前提下，還可以做出若干改進和潤飾，這些改進和潤飾也應被視為在本申請案的保護範圍內。
110．．．網站伺服器
120．．．用戶端
410．．．第一計算單元
420．．．第二計算單元
430．．．合併單元
440．．．匹配單元
510．．．劃分子單元
520．．．查找子單元
530．．．計算子單元
610．．．第一提取子單元
620．．．第二提取子單元
630．．．第三提取子單元
640．．．選擇子單元
圖1為本申請案之實施例中的網路環境結構示意圖；
圖2為本申請案之實施例的一種推薦資料推送方法流程示意圖；
圖3為本申請案之實施例的另一種推薦資料推送方法流程示意圖；
圖4為本申請案之實施例的一種推薦資料推送系統結構示意圖；
圖5為本申請案之實施例的推薦資料推送系統中的一個單元結構示意圖；
圖6為本申請案之實施例的推薦資料推送系統中另一單元結構示意圖。

Claims (10)

  1. 一種推薦資料的推送方法，其特徵在於，包括：獲取預設時間點之前用戶的行為日誌，提取行為日誌中的第一關鍵字集合，利用預設規則來計算關鍵字集合中各個關鍵字的第一權重；獲取預設時間點之後的用戶行為日誌，提取行為日誌中的第二關鍵字集合，利用預設規則來計算關鍵字集合中各個關鍵字的第二權重；將第一關鍵字集合和第二關鍵字集合進行合併處理，並對兩個集合中重複的關鍵字的權重進行合併處理，以得到第三關鍵字集合以及各個關鍵字的第三權重；以及將第三關鍵字集合中的關鍵字與預先設定的推薦資料的關鍵字進行匹配，以確定所需向該用戶推送的推薦資料，將確定的推薦資料隨用戶請求的網頁資料一起發送給用戶所在的用戶端，以便用戶端根據該推薦資料而進行展現。
  2. 根據申請專利範圍第1項所述的方法，其中，該利用預設規則來計算關鍵字集合中各個關鍵字的權重包括：從該預設時間點開始，按照預設第一時間長度而將該時間點之前的時間劃分為幾個時間段；對於每一個關鍵字，從每一個時間段對應的行為日誌中查找該關鍵字的出現次數；以及根據預設的權重函數、時間段距離預設時間點的時間長度以及在該時間段中出現次數來計算該關鍵字的權重。
  3. 根據申請專利範圍第2項所述的方法，其中，該根據預設的權重函數、時間段距離預設時間點的時間長度以及在該時間段中出現次數來計算該關鍵字的權重包括：使用公式Score(W)=f(ti)*n(ti)來計算關鍵字的權重；其中，W表示關鍵字；ti表示關鍵字所在時間段距離該預設時間點的時間長度；n(ti)表示ti對應的時間段內關鍵字出現的次數，f(ti)為關於ti的權重函數，且該權重函數為遞減函數；k為預設時間點距離目前時間的時間段數。
  4. 根據申請專利範圍第3項所述的方法，其中，該權重函數為：f(ti)=e-a*ti ，a為常數。
  5. 根據申請專利範圍第1項所述的方法，其中，該提取行為日誌中的關鍵字集合包括：使用中心詞提取方法而從行為日誌中提取出第一預設數量的中心詞；將提取的各個中心詞與預設產品詞庫中的產品詞進行匹配，提取出中心詞中的產品詞，以提高該產品詞的優先順序；將提取出的各個產品詞與預設競價詞庫中的競價詞進行匹配，提取出產品詞中的競價詞，以提高該競價詞的優先順序；以及將該中心詞按照優先順序進行排序，從該中心詞中選擇優先順序最高的第二預設數量個關鍵字而構成該關鍵字集合。
  6. 根據申請專利範圍第1至5項中任一項所述的方法，其中，該將確定的推薦資料隨用戶請求的網頁資料一起發送給用戶所在的用戶端包括：按照用戶在網站內的訪問路徑，將該推薦資料和該訪問路徑對應的網頁資料一起發送給用戶所在的用戶端。
  7. 一種推薦資料的推送系統，其特徵在於，包括：第一計算單元，用以獲取預設時間點之前用戶的行為日誌，提取行為日誌中的第一關鍵字集合，利用預設規則來計算關鍵字集合中各個關鍵字的第一權重；第二計算單元，用以獲取預設時間點之後的用戶行為日誌，提取行為日誌中的第二關鍵字集合，利用預設規則來計算關鍵字集合中各個關鍵字的第二權重；合併單元，用以將第一關鍵字集合和第二關鍵字集合進行合併處理，並對兩個集合中重複的關鍵字的權重進行合併處理，以得到第三關鍵字集合以及各個關鍵字的第三權重；以及匹配單元，用以將第三關鍵字集合中的關鍵字與預先設定的推薦資料的關鍵字進行匹配，以確定所需向該用戶推送的推薦資料，將確定的推薦資料隨用戶請求的網頁資料一起發送用戶所在的用戶端，以便用戶端根據該推薦資料而進行展現。
  8. 根據申請專利範圍第7項所述的系統，其中，該第一計算單元包括：劃分子單元，用以從該預設時間點開始，按照預設第一時間長度而將該時間點之前的時間劃分為幾個時間段；查找子單元，用以對於每一個關鍵字，從每一個時間段對應的行為日誌中查找該關鍵字的出現次數；以及計算子單元，用以根據預設的權重函數、時間段距離預設時間點的時間長度以及在該時間段中出現次數來計算該關鍵字的第一權重。
  9. 根據申請專利範圍第8項所述的系統，其中，該計算子單元具體用以：使用公式Score(W)=f(ti)*n(ti)來計算關鍵字的權重；其中，W表示關鍵字；ti表示關鍵字所在時間段距離該預設時間點的時間長度；n(ti)表示ti對應的時間段內關鍵字出現的次數，f(ti)為關於ti的權重函數，且該權重函數為遞減函數；k為預設時間點距離目前時間的時間段數。
  10. 根據申請專利範圍第9項所述的系統，其中，該權重函數為：f(ti)=e-a*ti ，a為常數。
TW100128686A 2011-04-25 2011-08-11 Recommended methods and systems for recommending information TWI512508B (zh)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201110104248.9A CN102760124B (zh) 2011-04-25 2011-04-25 一种推荐数据的推送方法及系统

Publications (2)

Publication Number Publication Date
TW201243628A TW201243628A (en) 2012-11-01
TWI512508B true TWI512508B (zh) 2015-12-11

Family

ID=47022093

Family Applications (1)

Application Number Title Priority Date Filing Date
TW100128686A TWI512508B (zh) 2011-04-25 2011-08-11 Recommended methods and systems for recommending information

Country Status (6)

Country Link
US (2) US8655890B2 (zh)
EP (1) EP2702513A4 (zh)
JP (1) JP5928920B2 (zh)
CN (1) CN102760124B (zh)
TW (1) TWI512508B (zh)
WO (1) WO2012148855A2 (zh)

Families Citing this family (48)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8347228B1 (en) * 2009-06-08 2013-01-01 Sprint Communications Company L.P. User interface screen presentation prioritization
CN102760124B (zh) * 2011-04-25 2014-11-12 阿里巴巴集团控股有限公司 一种推荐数据的推送方法及系统
US8788487B2 (en) * 2012-11-30 2014-07-22 Facebook, Inc. Querying features based on user actions in online systems
US10204170B2 (en) 2012-12-21 2019-02-12 Highspot, Inc. News feed
US20140280120A1 (en) * 2013-03-15 2014-09-18 Highspot, Inc. Interest graph-powered browsing
US9727618B2 (en) * 2012-12-21 2017-08-08 Highspot, Inc. Interest graph-powered feed
WO2014124083A1 (en) * 2013-02-06 2014-08-14 Electronics Commodities Exchange Methods for recommending jewelry items
CN103997413A (zh) * 2013-02-18 2014-08-20 中国移动通信集团浙江有限公司 一种基于用户行为分析的引导方法及装置
US10055418B2 (en) 2014-03-14 2018-08-21 Highspot, Inc. Narrowing information search results for presentation to a user
CN103345476B (zh) * 2013-06-09 2017-03-01 北京百度网讯科技有限公司 用于确定与目标页面相对应的呈现信息的方法与设备
CN104252456B (zh) * 2013-06-25 2018-10-09 阿里巴巴集团控股有限公司 一种权重估计方法、装置及系统
CN103559315B (zh) * 2013-11-20 2017-01-04 上海华勤通讯技术有限公司 资讯筛选推送方法及装置
CN104699696B (zh) * 2013-12-05 2018-12-28 深圳市腾讯计算机系统有限公司 文件推荐方法和装置
US9710434B2 (en) 2013-12-10 2017-07-18 Highspot, Inc. Skim preview
CN104090893B (zh) * 2013-12-13 2015-11-18 深圳市腾讯计算机系统有限公司 推荐算法优化方法、装置及系统
US9116771B2 (en) 2013-12-27 2015-08-25 International Business Machines Corporation Merging weighted recommendations for installation and configuration of software products
US9594471B1 (en) 2014-01-31 2017-03-14 Sprint Communications Company L.P. System and method for inserting additional icon content into a display screen
CN104834647B (zh) * 2014-02-12 2019-04-23 腾讯科技（深圳）有限公司 一种获取信息摘要的方法及装置
CN104601638B (zh) * 2014-02-24 2019-06-14 腾讯科技（深圳）有限公司 进行浏览器网页信息传送的方法及系统
CN103955465A (zh) * 2014-03-28 2014-07-30 百度在线网络技术（北京）有限公司 一种用于生成推荐页面的方法和装置
CN104484431B (zh) * 2014-12-19 2017-07-21 合肥工业大学 一种基于领域本体的多源个性化新闻网页推荐方法
CN105808596B (zh) * 2014-12-31 2019-06-14 北京奇虎科技有限公司 基于用户行为特征的搜索资源收录方法及装置
US9984310B2 (en) 2015-01-23 2018-05-29 Highspot, Inc. Systems and methods for identifying semantically and visually related content
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
JP6663005B2 (ja) * 2015-10-27 2020-03-11 株式会社Ａ１ Ｍｅｄｉａ Ｇｒｏｕｐ インターネットコンテンツ提供サーバ及びその方法が具現化されたコンピュータで判読できる記録媒体
CN105808648A (zh) * 2016-02-25 2016-07-27 焦点科技股份有限公司 一种基于r语言程序的个性化推荐方法
CN107666404B (zh) * 2016-07-29 2021-04-20 中国电信股份有限公司 宽带网络用户识别方法和装置
CN107657500B (zh) * 2016-12-03 2022-04-29 平安证券股份有限公司 股票推荐方法及服务器
CN107689981B (zh) * 2017-05-05 2021-03-16 平安科技（深圳）有限公司 数据分发系统及方法
US10528407B2 (en) * 2017-07-20 2020-01-07 Vmware, Inc. Integrated statistical log data mining for mean time auto-resolution
TWI633448B (zh) * 2017-07-24 2018-08-21 優像數位媒體科技股份有限公司 Method of analyzing the interest preferences of website readers
CN107463853B (zh) * 2017-08-04 2020-01-21 晶赞广告（上海）有限公司 受众标签分析的方法及系统
CN107992563B (zh) * 2017-11-29 2022-02-11 北信源系统集成有限公司 一种用户浏览内容的推荐方法及系统
CN108038732A (zh) * 2017-12-25 2018-05-15 北京比利信息技术有限公司 一种品牌广告运营方法及装置
CN108510319A (zh) * 2018-03-21 2018-09-07 四川斐讯信息技术有限公司 一种精确推送广告的方法及系统
US11010553B2 (en) * 2018-04-18 2021-05-18 International Business Machines Corporation Recommending authors to expand personal lexicon
CN108830636B (zh) * 2018-05-07 2021-03-26 北京奇艺世纪科技有限公司 一种活跃用户的询量方法和装置
CN108874976B (zh) * 2018-06-08 2021-06-01 Oppo（重庆）智能科技有限公司 搜索内容推荐方法、装置、终端设备及存储介质
CN108959053B (zh) * 2018-07-10 2021-12-14 海信视像科技股份有限公司 一种用户行为日志的生成方法及装置
US11188930B2 (en) * 2018-07-26 2021-11-30 EMC IP Holding Company LLC Dynamically determining customer intent and related recommendations using deep learning techniques
CN109379330A (zh) * 2018-09-07 2019-02-22 阿里巴巴集团控股有限公司 内容投放的实现方法和装置
CN109697256B (zh) * 2018-12-21 2020-12-22 北京字节跳动网络技术有限公司 确定相关搜索词的方法、装置、存储介质及电子设备
CN110119960A (zh) * 2019-04-17 2019-08-13 微梦创科网络科技（中国）有限公司 一种广告投放方法及系统
CN111353864B (zh) * 2020-03-31 2024-04-05 建信金融科技有限责任公司 一种产品推荐方法、装置、服务器及存储介质
TWI819247B (zh) * 2020-10-26 2023-10-21 國立臺灣大學 基於非結構化資料的預測方法
CN116415986A (zh) * 2021-12-28 2023-07-11 北京奇虎科技有限公司 潜在用户优先级确定方法、装置、设备及存储介质
CN114740746B (zh) * 2022-04-27 2025-02-28 青岛海信智慧生活科技股份有限公司 家居系统的家居场景推荐方法及设备
US12572575B2 (en) 2023-05-31 2026-03-10 Highspot, Inc. Using large language models to generate search query answers

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI231907B (en) * 2001-04-10 2005-05-01 Galaxy Software Service Ltd System and method of recording, extracting, and searching interpersonal relationship from databases of Internet
TWI266214B (en) * 2004-08-19 2006-11-11 Tek Maker Corp Device and related method for obtaining a code wirelessly and automatically searching information on the network
TWI282236B (en) * 2005-06-15 2007-06-01 Wu Mei Yao Method of establishing a shared information net for supporting conditional search to communicate with the group members matching the search condition
US20090150827A1 (en) * 2007-10-15 2009-06-11 Lexisnexis Group System and method for searching for documents

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3458745B2 (ja) * 1999-01-22 2003-10-20 日本電気株式会社 顧客対応事例検索システム
JP4206961B2 (ja) * 2004-04-30 2009-01-14 日本電信電話株式会社 話題抽出方法及び装置及びプログラム
JP2005352754A (ja) * 2004-06-10 2005-12-22 Sharp Corp 情報ナビゲーション装置、方法、プログラム、及び記録媒体
US20070156887A1 (en) 2005-12-30 2007-07-05 Daniel Wright Predicting ad quality
CN100456298C (zh) * 2006-07-12 2009-01-28 百度在线网络技术（北京）有限公司 广告信息检索系统及广告信息检索方法
JP4610543B2 (ja) * 2006-11-02 2011-01-12 日本電信電話株式会社 期間抽出装置，期間抽出方法，その方法を実装した期間抽出プログラム及びそのプログラムを格納した記録媒体
CN101354714B (zh) * 2008-09-09 2010-09-08 浙江大学 一种基于概率潜在语义分析的问题推荐方法
CN101446959A (zh) * 2008-12-30 2009-06-03 深圳市迅雷网络技术有限公司 一种基于互联网的新闻推荐方法和系统
US9330139B2 (en) * 2009-11-18 2016-05-03 Blackberry Limited Automatic reuse of user-specified content in queries
GB2490838A (en) * 2010-02-03 2012-11-14 Occam Inc Intuitive, contextual information search and presentation systems and methods
US8799260B2 (en) * 2010-12-17 2014-08-05 Yahoo! Inc. Method and system for generating web pages for topics unassociated with a dominant URL
CN102760124B (zh) * 2011-04-25 2014-11-12 阿里巴巴集团控股有限公司 一种推荐数据的推送方法及系统

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI231907B (en) * 2001-04-10 2005-05-01 Galaxy Software Service Ltd System and method of recording, extracting, and searching interpersonal relationship from databases of Internet
TWI266214B (en) * 2004-08-19 2006-11-11 Tek Maker Corp Device and related method for obtaining a code wirelessly and automatically searching information on the network
TWI282236B (en) * 2005-06-15 2007-06-01 Wu Mei Yao Method of establishing a shared information net for supporting conditional search to communicate with the group members matching the search condition
US20090150827A1 (en) * 2007-10-15 2009-06-11 Lexisnexis Group System and method for searching for documents

Also Published As

Publication number Publication date
JP2014518583A (ja) 2014-07-31
JP5928920B2 (ja) 2016-06-01
CN102760124A (zh) 2012-10-31
WO2012148855A3 (en) 2013-12-19
TW201243628A (en) 2012-11-01
US20120271819A1 (en) 2012-10-25
US8655890B2 (en) 2014-02-18
CN102760124B (zh) 2014-11-12
EP2702513A4 (en) 2014-10-22
US20140188609A1 (en) 2014-07-03
HK1172410A1 (zh) 2013-04-19
US9047623B2 (en) 2015-06-02
WO2012148855A2 (en) 2012-11-01
EP2702513A2 (en) 2014-03-05

Similar Documents

Publication Publication Date Title
TWI512508B (zh) Recommended methods and systems for recommending information
JP5818980B2 (ja) ペイ・フォー・パフォーマンス情報に基づく補足製品の推奨
TWI603273B (zh) Method and device for placing information search
US10134053B2 (en) User engagement-based contextually-dependent automated pricing for non-guaranteed delivery
TWI539305B (zh) Personalized information push method and device
US9213749B1 (en) Content item selection based on presentation context
WO2015081219A1 (en) Individualized data search
CN103136257B (zh) 信息提供方法及其装置
CN105931082B (zh) 一种商品类目关键词提取方法和装置
US20130066709A1 (en) Method of and system for determining contextually relevant advertisements to be provided to a web page
CN108229990B (zh) 一种广告标题生成方法、装置和设备
JP6320258B2 (ja) 抽出装置、抽出方法及び抽出プログラム
US10217132B1 (en) Content evaluation based on users browsing history
JP2018088282A (ja) 抽出装置、抽出方法及び抽出プログラム
US20160275569A1 (en) Method and system for advertisement coordination
CN104331823B (zh) 确定发布信息中关键词保留价格的方法及装置
US20160275568A1 (en) Method and system for advertisement coordination
US20160267531A1 (en) Method and system for advertisement coordination
JP6007300B1 (ja) 算出装置、算出方法および算出プログラム
US9824073B1 (en) Estimating effects of user interface changes on content item performance
KR20130014460A (ko) 쇼핑 상품 검색 서비스에서 상품 정보 노출 순위를 결정하는 방법 및 그 시스템
US20160275567A1 (en) Method and system for advertisement coordination

Legal Events

Date Code Title Description
MM4A Annulment or lapse of patent due to non-payment of fees