本发明涉及大数据技术领域,具体是一种信息分享推送的手机应用软件,包括所述应用软件内获得的内容分类储存至所述应用软件数据库,组成原始数据集合；将所述原始数据集合推送至已登录账号的用户终端进行播放；接收所述用户终端反馈的与账号关联的操作特征信息集合；基于账号关联的操作特征信息集合,配置目标原始资源类型配比；根据所述原始资源类型配比,从所述原始数据集合中抽取原始资源集合组成新的原始资源集合；推送所述新的原始资源集合至所述用户终端进行浏览；本发明使得用户的分享操作更为简洁快捷,用户的浏览模式更符合用户需求,提高了软件使用率。

本发明提供一种基于大数据协同过滤技术的电商平台商品推荐方法及系统,根据商品的不同类别及特性,对每种商品建立具有空间化的不同多维属性信息,将用户对商品本身的兴趣度转换为对多维属性的取向度,从而深度刨析用户实质的兴趣需求,利用属性值的均值计算每位用户中各属性值的权重,以此权重预测未评价商品的估分,极大地克服了因用户评价不全或大数据松散而导致的评价数据稀疏性问题,同时通过估分能够深度挖掘鲜为人知、冷门的商品,符合个性化推荐需求；根据商品被评价次数及均值进一步计算热度相关系数,以此系数构建相似度模型,在推荐算法中形成热门惩罚、冷门奖励的机制,降低热门数据的噪音影响,增强冷门数据的个性化推荐能力。

本申请涉及基于与页面链接的交互来在页面内排列描述项目的信息。在线系统接收描述与实体相关联的项目和包括图像的内容项的信息。在线系统访问并应用经训练的机器学习模型来预测内容项包括与实体相关联的项目的图像的概率。如果概率至少是阈值概率,则在线系统将与项目相关联的页面的链接添加到内容项,该页面包括描述项目的信息的集合。响应于从被呈现内容项的用户接收到与链接的交互,在线系统基于描述项目的信息确定项目和每个附加项目之间的相似性度量,基于相似性度量在页面内排列描述项目的信息集合,并将页面发送给用户以用于显示。

本发明公开了一种用户裂变方法及计算设备,方法包括：从数据库中获取当前用户的用户画像；将当前用户的用户画像输入至裂变任务匹配模型,得到向当前用户投放的裂变任务；从数据库中获取已得到的向当前用户投放的裂变任务；将已获取的裂变任务投放至当前用户的客户端,以便当前用户将该裂变任务分享至好友；响应好友点击所述裂变任务的操作,判断好友是否为新用户；在好友为新用户时,确定好友的用户画像,并保存至数据库中。有上述内容可知,本方法实现针对不同用户投放不同的裂变任务和投放裂变任务的数量,从而基于用户画像更加有针对性地向用户分配裂变任务,能够精准投放裂变任务,从而提高了用户裂变的效果。

本发明涉及互联网社交领域,提供了一种基于车牌与礼物的社交方法、装置、服务器、客户端、终端及存储介质,该方法包括以下步骤：S1、获取所述赠送用户发送的向车牌号码后期将要关联的车主用户赠送礼物的赠送指令；S2、存储所述赠送用户的赠送记录；S3、获取车主用户认证车牌号码的认证请求；S4、通过所述认证,将所述车牌号码关联所述车主用户,并查询与所述车牌号码关联的赠送记录；S5、将与所述赠送记录关联的礼物赠送给所述车主用户。本发明利用车主用户的车辆、自身形象或车装饰的展示宣传,增加车主用户的社交机会；利用赠送礼物作为沟通意愿的表达与沟通门槛,避免车主用户被过渡骚扰以及车主用户隐私的过渡泄露。实现即使车主没有认证车牌情况下,也可以提前赠送礼物,增加赠送用户与车主认识的机会。

本发明涉及互联网社交领域,提供了一种基于车牌与礼物的社交方法、装置、服务器、客户端、终端及存储介质,该方法包括以下步骤：S1、获取车主用户提交的认证车牌号码的认证请求；S2、通过所述认证请求,将所述车牌号码与所述车主用户关联,并存储认证记录；S3、获取赠送用户向车牌号码关联的车主用户赠送礼物的赠送指令；S4、依据所述赠送指令中车牌号码,查询与所述车牌号码关联的车主用户；S5、将与所述赠送用户的所述赠送指令关联的礼物赠送给所述车主用户。本发明利用车主用户汽车、自身形象或车装饰的展示宣传,增加车主用户的社交机会；同时通过赠送车主用户礼物作为社交意愿的表达方式；利用赠送礼物作为沟通意愿的表达与沟通门槛,避免车主用户被过渡骚扰以及车主用户隐私的过渡泄露。

本发明提供了一种热点事件识别方法和系统,其方法包括：接收若干个事件信息；计算所述事件信息在不同维度下的总相关指数；根据所述事件信息的总相关指数识别出各个所述事件信息中至少一个热点事件；对所述热点事件进行人工判别,人为筛选所述热点事件。本发明通过引入多维空间事件距离计算规则库,根据事件信息在不同维度下的总相关指数识别热点事件。解决了城市管理过程中热点事件识别、处理不及时的问题,并且及时、智能、高效地在大量城市管理事件中完成热点事件的识别与筛选,方便城市管理者在事件发展成较大热点事件前进行处置。

本申请实施例提供了一种信息推荐方法、装置、电子设备和存储介质,该方法包括：根据用户关联信息对应的特征参数,确定用户关联信息的初始关联关系模型；根据特征参数的参数值训练初始关联关系模型,得到用户关联信息的目标关联关系模型；获取第一用户和第二用户的特征参数的参数值；根据目标关联关系模型以及第一用户和第二用户的特征参数的参数值,确定第一用户和所述第二用户间的用户关联信息；根据第一用户和所述第二用户间的用户关联信息进行信息推荐。基于本申请提供的信息推荐方法,提高向用户进行信息推荐的有效性。

近年,基于图神经网络的推荐方法在学术界和工业界取得了巨大成功,一些研究学者通过图卷积神经网络建模用户之间的高阶关系来模拟在社交网络中递归传播的社会影响,利用高阶邻居的特征向量约束目标用户的特征向量。为了提高社会化推荐的准确性,本发明将进一步捕获隐藏在用户物品交互网络中的用户与物品之间的协同相似性的影响传播,则用户的偏好会随着社会影响和协同相似性影响的传播而发生变化。结合实际推荐场景,用户社交域和用户物品交互域的信息表现不同特点,本发明将在不同语义空间自适应初始化用户潜在特征向量,来体现用户间的社交关系和用户物品间的交互关系对约束用户特征向量产生不同影响的特点。另外,为了使得模型更适合实际应用,本发明公开了一个快速的非采样优化器来学习模型参数,提升模型优化效率。

本申请涉及互联网技术领域,公开了一种社交关系建立方法、装置及电子设备,方法包括：在目标用户的用户终端的展示界面上显示至少两个第一类型用户的用户展示信息；接收并在展示界面上显示目标用户针对任一第一类型用户的选择信息；在展示界面上显示所选择的该第一类型用户的用户展示信息、目标用户的用户展示信息以及至少一个第二类型用户的用户展示信息,并显示该第一类型用户针对目标用户或第二类型用户的选择信息；接收目标用户与该第一类型用户的互选成功消息。本申请提供的社交关系建立方法可以提高社交关系建立效率。