• 专利附录
  • 专利说明
  • 权利要求
  • 类似技术
  • 同族专利
  • 引用文献
  • 法律状态
  • 优先权
    • 专利摘要:
    本申請公開了一種基於人際距離的排名、搜索方法和裝置，該方法包括：排名伺服器根據用戶終端發起的查詢請求，獲取請求查詢的各物件，並獲取查詢的各物件對應的參考用戶群；獲取參考用戶群中每個用戶到發起該查詢請求的用戶的人際距離，並獲取參考用戶群中每個用戶對所請求查詢的物件的評價值；根據獲取到的人際距離和評價值，確定各物件的用戶關係維度排名指數，並根據各物件的用戶關係維度排名指數，對各物件進行排序，相對於現有技術，本申請實施例的排名伺服器根據用戶和參考用戶人際距離的遠近以及參考用戶的評價值進行排名，將用戶的社交圈的選擇對用戶選擇購物的參考價值進行了量化，提供了一種基於用戶特性的排名方法。
    公开号:TW201303771A
    申请号:TW100148958
    申请日:2011-12-27
    公开日:2013-01-16
    发明作者:Shan-Shu Leng
    申请人:Alibaba Group Holding Ltd；
    IPC主号:G06Q30-00
    专利说明:
    基於人際距離的排名、搜索方法和裝置
    本申請係關於電腦及互聯網技術領域，尤其關於一種基於人際距離的排名、搜索方法和裝置。
    用戶在網路購物時，通常會以商品的排名作為參考來確定需要購買的商品。目前的提供給用戶的商品排名方式包括價格、地理位置、信用評價、銷售量等。然而這些排名方式不一定能夠使得用戶很快搜索到自己想要購買的商品，因為商品是否適合一個人，不僅僅是簡單的價格問題，也不僅僅是信用評價的問題，雖然信用評價從一定程度上反映了商品的品質好壞，但是不能確保信用評價高的商品就是用戶喜歡的商品。除了價格和信用評價等參考因素外，用戶的性情愛好也是決定某個商品是否是用戶優先選擇的參考因素。目前的商品排名方法僅僅考慮價格、信用等因素，無法將用戶的性情愛好等因素也考慮在內，無法提供結合用戶特性的排名方法，使得用戶很難快速獲取期望的搜索結果，用戶需要較多次數的搜索，搜索時間較長，同時增加了網路通訊的負擔，增加了伺服器的處理量，降低了伺服器的處理性能。
    另外，用戶和商家的熟悉程度也會影響用戶選擇商品時的決策，如果用戶和商家有過成功的交易經歷，或者用戶的好友和商家有過成功的交易經歷，那麼相對於未和用戶產生過任何關聯的商家，該商家具有較大的機率成為用戶的優先選擇。而現有的網購平臺中，僅根據商家的過往交易記錄對商家進行信用評價，但是如果用戶和該商家的過往交易成功的用戶具有差異很大的購物習慣或性情愛好，則用戶依然不會優先選擇該信用評價很好的商家，因此，現有的基於商家的過往交易記錄的評價和排名方法無法結合用戶特性進行評價和排名。現有的評價和排名方式無法結合用戶特點進行處理，使得用戶難以快速獲取期望的搜索結果，用戶需要較多次數的搜索，搜索時間較長，同時增加了網路通訊的負擔，增加了伺服器的處理量，降低了伺服器的處理性能。
    本申請實施例提供了一種基於人際距離的排名、搜索方法和裝置，用以解決現有技術中無法結合用戶特性進行排名的問題。
    本申請實施例提供一種基於人際距離的排名方法，包括：排名伺服器根據用戶終端發起的查詢請求，獲取請求查詢的各物件，並獲取查詢的各物件對應的參考用戶群；排名伺服器獲取參考用戶群中每個用戶到發起該查詢請求的用戶的人際距離，並獲取參考用戶群中每個用戶對所請求查詢的物件的評價值；排名伺服器根據獲取到的人際距離和評價值，確定各物件的用戶關係維度排名指數，並根據各物件的用戶關係維度排名指數，對各物件進行排序。
    本申請實施例提供一種基於人際距離的排名方法，包括：排名伺服器根據用戶終端提交的查詢請求，確定所請求查詢的各物件各自所在的參考商家；排名伺服器獲取發起該查詢請求的用戶到參考商家的人際距離，並獲取該參考商家的評價值；排名伺服器根據獲取到的人際距離和參考商家的評價值，確定該參考商家的商家關係維度排名指數，並根據參考商家的商家關係維度排名指數，對參考商家進行排序。
    本申請實施例提供一種基於人際距離的排名方法，包括：排名伺服器接收用戶終端發起的查詢請求，獲取請求查詢的各物件，確定各物件的綜合指數；排名伺服器根據各物件的綜合指數對各物件進行排序；其中，排名伺服器根據如下方法中的一種確定各物件的綜合指數：策略一，排名伺服器根據上述基於人際距離的排名方法確定用戶請求查詢的各物件的用戶關係維度排名指數，並根據用戶關係維度排名指數以及網購平臺維度指數，確定各物件的綜合指數；或策略二，排名伺服器根據上述基於人際距離的排名方法確定該各物件所在的商家的商家關係維度排名指數；並根據商家關係維度排名指數以及網購平臺維度指數，確定各物件的綜合指數；或策略三，排名伺服器根據上述基於人際距離的排名方法確定用戶請求查詢的各物件的用戶關係維度排名指數，根據上述基於人際距離的排名方法確定該各物件所在的商家的商家關係維度排名指數；排名伺服器根據用戶關係維度排名指數和商家關係維度排名指數確定各物件的綜合指數；或者，根據用戶關係維度排名指數、商家關係維度排名指數，以及網購平臺維度指數，確定各物件的綜合指數。
    本申請實施例提供一種資訊搜索方法，其特徵在於，包括：排名伺服器接收用戶終端發起的查詢請求；排名伺服器根據上述基於人際距離的排名方法確定用戶請求查詢的各物件的用戶關係維度排名指數，並根據各物件的用戶關係維度排名指數，對各物件進行排序；或，根據上述基於人際距離的排名方法確定該各物件所在的商家的商家關係維度排名指數，並根據各物件所在的商家的商家關係維度排名指數，對各物件進行排序；或，根據上述基於人際距離的排名方法確定各物件的綜合指數，並根據各物件的綜合指數，對各物件進行排序；排名伺服器根據排序的結果，向發起查詢的用戶返回查詢結果。
    本申請實施例提供一種排名伺服器，包括：獲取單元，用於根據用戶終端發起的查詢請求，獲取請求查詢的各物件，並獲取查詢的各物件對應的參考用戶群；獲取單元，用於獲取參考用戶群中每個用戶到發起該查詢請求的用戶的人際距離，並獲取參考用戶群中每個用戶對所請求查詢的物件的評價值；排序單元，用於根據獲取到的人際距離和評價值，確定各物件的用戶關係維度排名指數，並根據各物件的用戶關係維度排名指數，對各物件進行排序。
    本申請實施例提供一種排名伺服器，包括：確定單元，用於根據用戶終端提交的查詢請求，確定所請求查詢的各物件各自所在的參考商家；獲取單元，用於獲取發起該查詢請求的用戶到參考商家的人際距離，並獲取該參考商家的評價值；排序單元，用於根據獲取到的人際距離和參考商家的評價值，確定該參考商家的商家關係維度排名指數，並根據參考商家的商家關係維度排名指數，對參考商家進行排序。
    本申請實施例提供一種排名伺服器，包括：綜合單元，用於接收用戶終端發起的查詢請求，獲取請求查詢的各物件，確定各物件的綜合指數；排序單元，用於根據各物件的綜合指數對各物件進行排序；其中，該綜合單元具體用於根據如下策略中的一種確定各物件的綜合指數：策略一，排名伺服器根據上述基於人際距離的排名方法確定用戶請求查詢的各物件的用戶關係維度排名指數，並根據用戶關係維度排名指數以及網購平臺維度指數，確定各物件的綜合指數；策略二，排名伺服器根據上述基於人際距離的排名方法確定該各物件所在的商家的商家關係維度排名指數；並根據商家關係維度排名指數以及網購平臺維度指數，確定各物件的綜合指數；策略三，排名伺服器根據上述基於人際距離的排名方法確定用戶請求查詢的各物件的用戶關係維度排名指數，根據上述基於人際距離的排名方法確定該各物件所在的商家的商家關係維度排名指數；排名伺服器根據用戶關係維度排名指數和商家關係維度排名指數確定各物件的綜合指數；或者，根據用戶關係維度排名指數、商家關係維度排名指數，以及網購平臺維度指數，確定各物件的綜合指數。
    本申請實施例中，排名伺服器根據用戶終端發起的查詢請求，獲取請求查詢的各物件，並獲取查詢的各物件對應的參考用戶群；獲取參考用戶群中每個用戶到發起該查詢請求的用戶的人際距離，並獲取參考用戶群中每個用戶對所請求查詢的物件的評價值；根據獲取到的人際距離和評價值，確定各物件的用戶關係維度排名指數，並根據各物件的用戶關係維度排名指數，對各物件進行排序，相對於現有技術，本申請實施例的排名伺服器根據用戶和參考用戶人際距離的遠近以及參考用戶的評價值進行排名，將用戶的社交圈的選擇對用戶選擇購物的參考價值進行了量化，提供了一種基於用戶特性的排名方法。
    針對現有技術存在的問題，本申請實施例提供了一種基於人際距離的排名、搜索方法和裝置。
    下面結合附圖對本申請實施例進行詳細描述。
    本申請實施例提供的基於人際距離的排名方法透過用戶的人際距離來量化用戶特性對購物選擇的影響。用戶所在的用戶圈會對用戶購物的選擇產生影響，例如，用戶及其好友相對於用戶和某個陌生人，有更大的機率具有相似的性情愛好，而這些性情愛好會影響用戶的購物選擇，因此，可以透過用戶的人際關係量化用戶特性對購物選擇的影響。 實施例一
    如圖1所示，本申請實施例一提供的基於人際距離的排名方法可包括：步驟101，排名伺服器根據用戶的商品查詢請求確定查詢商品群。
    在步驟101之前還可包括，排名伺服器接受用戶透過所在終端發送的商品查詢請求，其中攜帶商品描述資訊，如商品類別資訊、提供商品的商家資訊，或商品標識資訊(如商品名稱或商品型號等)或其他相關資訊中的一項或多項的組合，根據商品描述資訊，排名伺服器可以獲取所有匹配的商品作為查詢商品群。根據現有搜索技術，當商品查詢請求中關鍵字資訊較多導致無搜索結果時，可以忽略其中的某項關鍵字資訊，或採用類似的結果作為搜索結果。
    步驟102，排名伺服器根據各查詢商品獲取參考用戶群。
    其中，排名伺服器可以預先設定各查詢商品和參考用戶群的對應關係，並根據該對應關係獲取參考用戶群，預先為各查詢商品設定參考用戶群。
    或者，排名伺服器根據各查詢商品選取參考用戶群，在選取參考用戶群之前，還可包括，設定需要選取參考用戶群的樣本數。該樣本數可根據經驗值由系統預設。
    其中，參考用戶群可以是購買了某項查詢商品的已購買用戶群。例如當參考用戶群的樣本數設定為100時，可以選取100個最近購買了該查詢商品的用戶作為參考用戶群。可以設定參考用戶群中的用戶具有獨一性，例如，該商品的最近10條購買記錄的購買者為同一人，則認為只選取了一個用戶，再另外選取其他99個不同的用戶。
    其中，參考用戶群也可以是對該查詢商品表示了購買意願的用戶群，可以優先選擇提供了購買意願程度評價的意願用戶。在這種情況下，購物平臺網站提供相應記錄用戶對商品的購買願望的功能，並且提供購買意願程度評價功能，例如用戶可以選擇1-10表示意願程度，1到10表示購買意願的逐漸增加。當參考用戶群設定為意願用戶群，並且參考用戶群的用戶數設定為100時，選取100個最近提交購買該商品的意願，並且提供了意願值的用戶作為參考用戶群。
    參考用戶群還可以是上述已購買用戶群和意願用戶群按照一定用戶群樣本比例的混合用戶群。例如，在選取的參考用戶群中，設定用戶群樣本比例為6：4，則選取已購買用戶群的用戶數占總用戶數的60%，意願用戶群的用戶數占總用戶數的40%。
    步驟103，排名伺服器向社交關係伺服器發送社交關係查詢請求，獲取發送查詢請求的用戶到參考用戶群中每個用戶的人際距離。
    人際距離用於描述用戶之間的人際距離的遠近。根據六度分割理論，一個人和任何另外一個陌生人之間所間隔的人不會超過六個，也就是說，一個人最多透過六個人就可以認識任何一個陌生人。社交關係伺服器儲存了好友關聯體系中，每個用戶及其好友關係。當採用好友關係來確定人際距離時，人際距離指是完全不同用戶，在某個好友關聯體系中，透過幾個中間人才能夠建立朋友關係。根據社交關係伺服器提供的好友關係，排名伺服器可以計算用戶到參考用戶群中每個用戶的人際距離。例如，在某個好友體系中，一個用戶A有好友B，則用戶A和用戶B的之間的人際距離為1，如果用戶B有好友C，並且用戶C不是用戶A的好友，則用戶A和用戶C的之間的人際距離為2，依次類推。根據六度分割理論，兩個用戶之間的人際距離最遠為7，此時兩個用戶之間所間隔的好友為六個。
    上述好友關聯體系可以是擁有用戶，及用戶的好友關係特性的平臺。社交關係伺服器可以是儲存下列一個或多個好友關聯體系的用戶及其好友資訊的伺服器，例如，郵箱服務系統中的用戶及用戶好友關係；社交網路服務網站中的用戶及用戶好友關係；即時通訊系統中的用戶及用戶好友關係；網路遊戲平臺中的用戶及用戶好友關係；基於用戶關係的資訊分享、傳播以及獲取平臺中的用戶及用戶好友關係；或，電子商務網站中的用戶及用戶好友關係。例如，在購物網站平臺中，用戶可以添加自己的好友，所有用戶的好友關係在一起構成了一個社交網路。或者，在郵箱服務系統中，郵箱用戶有自己的通訊簿或好友名單，所有的用戶及其通訊簿在一起構成一種人際網路，例如A的通訊錄中有(b，c，d)；b的通訊錄中有(d，g，t，w)，這樣A與b的人際距離就是1，A與w的人際距離就是2，對於A來說，距離是1的b比距離是2的w具有更近的人際關係。上述好友關聯體系可以是虛擬社區網路平臺，或是即時通訊系統，或者網路遊戲平臺等具有用戶及用戶的好友關係特性的平臺。
    本申請實施例中，人際距離的值越小，表示兩個用戶的人際距離更近。人際距離可以設定取值範圍為1-7。另外，考慮到並非所有的自然人都是某一個好友關聯體系的使用者，因此，兩個用戶之間可能需要不止6個而是更多的人才能彼此認識，伺服器在根據好友關係計算人際距離，如果經過一定時間或者運算量的搜索無法透過好友關係確定人際距離，則可以設定人際距離為特定值，例如10。
    另外，除了根據好友關係確定人際距離，也可以根據社交關係伺服器能夠提供的其他衡量兩個用戶之間相似度的資訊來綜合評定人際距離。現有社交關係服務系統中，可以根據相同話題對用戶進行凝聚、根據學習經歷進行凝聚、根據週末出遊的相同地點進行凝聚等，這些都是社交關係的一部分，提供了一種從好友關係之外的方式來衡量兩個用戶之間人際關係的遠近。
    具體的，可以設定若干個用戶屬性，評價兩個用戶在這些用戶屬性上是否具有共通性，兩個用戶的用戶屬性的共通性越多，人際距離越小，具體的，可以根據判斷用戶屬性是否相同，對人際距離增加相應的權重使之變小。
    例如，設定5個用戶屬性，分別為：(k1，參加相同的聚會)，(k2，喜歡相同的樂隊)，(k3，相同的大學)，(k4，喜歡足球)，(k5，話題關注相似度)，基於用戶屬性評價的人際距離K=k1*k2*k3*k4*k5，如果某個用戶屬性相同，則相應的ki(i [1，5])取值為0.8，如果用戶屬性相同不同則ki取值為1。例如在好友關係的基礎上，如果用戶A和用戶B，k1，k2，k3相同，k4，k5不同，則K=0.8 * 0.8 * 0.8 * 1 * 1=0.512。上述具體的參數取值和公式僅為示範具體，本申請的技術方案不限於本實施例中的參數和公式的設定。
    步驟104，排名伺服器獲取參考用戶群中每個用戶對該查詢商品的評價值。
    如果參考用戶群是已購買用戶群，則評價值為參考用戶群中用戶對商品的評價，如果參考用戶群是意願用戶群，則評價值為意願用戶群中用戶對商品的購買意願程度評價值。
    當參考用戶群為已購買用戶群時，某些已購買用戶可能未提供評價，可以將這些用戶的評價值設為一預設值；或者在選取參考用戶群時，預設選取已經提供了評價值的已購買用戶。當參考用戶群為表示了購買意願的用戶群時，同樣的，可以將沒有提供了購買意願程度評價值的意願用戶的購買意願程度評價值設為一預設值；也可以設定預設選取表達了購買意願並且已經提供了購買意願程度評價值的意願用戶。
    評價值可以是用戶根據系統給出的一個評分範圍給出的一個分數，也可以由系統提供根據用戶提供的“好中差”等級評價進行量化得到評價值。
    本申請實施例中，步驟103和步驟104不分先後順序。
    步驟105，排名伺服器根據參考用戶群中每個用戶的人際距離，以及參考用戶群中每個用戶對該查詢商品的評價值，計算用戶關係維度排名指數。
    具體的，對參考用戶群中每個用戶對該查詢商品的評價值增加一個權重係數。該權重係數根據人際距離確定，反應人際關係對參考用戶群中用戶評價值的影響，權重係數隨著人際距離的增大而減小。例如，可以設定權重係數和人際距離成反比，或者為了增強人際關係對於評價值的影響，可以設定權重係數和人際距離的平方成反比，或者可以根據系統需求或經驗結果設定其他演算法來設定權重係數。計算參考用戶群中每個用戶權重之後的評價值的平均值，從而得到用戶關係維度排名指數。用戶關係維度排名演算法可以根據如下公式計算得到：用戶關係維度排名指數=SUM(評價值/人際距離)/樣本數；或，用戶關係維度排名指數=SUM(評價值*f(人際距離))/樣本數，其中，f(人際距離)為根據人際距離計算得到的權重係數。
    如表1所示，為某個查詢商品對應的用戶參考群中的用戶到發起查詢請求的用戶之間的人際距離以及對查詢商品的評價值。該用戶參考群中的每個用戶都是在該商家購買過該查詢商品)的用戶。
    根據表1中的資料，可以得到查詢商品的用戶關係維度排名指數為(8/1+8/1+7/3+8/2+6/5+7/4+10/3+9/2+6/4+8/6)/10=3.495。類似的，對於其他查詢商品以及對應的參考用戶群，可以得到其他各查詢商品的關係維度排名指數。
    根據商品類別資訊查詢到的對應查詢商品通常為多個，針對其中的每個查詢商品分別執行上述步驟102~105，這樣可以分別得到每個查詢商品的用戶關係維度排名指數。
    步驟106，排名伺服器根據查詢商品的用戶關係維度排名指數，對所有的查詢商品進行排序。
    具體的，可以按照用戶關係維度排名指數由高到低的順序進行排名。用戶關係維度排名指數為結合了人際距離的評價值的平均，相對於傳統的評價值直接平均的評價方法，該評價方法對用戶的好友圈的對商品評價的影響進行了量化，對於具有相同平均評價值的兩個商品，如果其中一個用戶關係維度排名指數較高，說明該商品更加受到用戶的好友或用戶所在的人際圈的好評，該商品更可能是提交查詢用戶希望看到的搜索結果。
    上述流程的一種典型應用場景為：用戶想購買手機，用戶可向系統提交查詢請求，查詢詞為“手機觸控螢幕”，系統根據該查詢請求確定所有匹配的商品，假定匹配的結果包括500個商品條目，系統根據每個條目中商品的歷史購買記錄，確定該商品之前的100個購買者為參考用戶群，根據該100個購買者到提交查詢請求的用戶的人際距離，以及該100個購買者對於該商品的評價，計算該商品的用戶關係維度排名指數，分別計算500個商品的各自的用戶關係維度排名指數之後，根據用戶關係維度排名指數的大小對這500個商品進行排名。
    本申請實施例中，排名伺服器根據用戶發起的查詢請求，獲取請求查詢的各物件，並獲取查詢的各物件對應的參考用戶群；獲取參考用戶群中每個用戶到發起該查詢請求的用戶的人際距離，並獲取參考用戶群中每個用戶對所請求查詢的物件的評價值；根據獲取到的人際距離和評價值，確定各物件的用戶關係維度排名指數，並根據各物件的用戶關係維度排名指數，對各物件進行排序，相對於現有技術，本申請實施例的排名伺服器根據用戶和參考用戶人際距離的遠近以及參考用戶的評價值進行排名，將用戶的社交圈的選擇對用戶選擇購物的參考價值進行了量化，提供了一種基於用戶特性的排名方法。 實施例二
    本申請實施例基於參考商家到用戶的人際距離的遠近和參考商家的評價值計算參考商家的商家關係維度排名指數，並基於商家關係維度排名指數對參考商家進行排名。
    參見圖2，為本申請實施例提供的基於人際距離的排名方法流程示意圖，如圖所示，該流程可包括：步驟201，排名伺服器獲取用戶透過所在終端提交的商品查詢請求，根據其中的商品描述資訊獲取相應的各參考商家。
    步驟202，排名伺服器向社交關係伺服器發送社交關係查詢請求，分別獲取發起查詢請求的用戶到各參考商家的人際距離。
    用戶到參考商家的人際距離可以根據和步驟102中類似的方法，根據用戶和參考商家在社交網路中的好友關係進行確定。
    用戶到參考商家的人際距離也可以根據用戶和參考商家的交易記錄進行確定，例如，設定人際距離取值範圍為1到7，如果用戶和參考商家曾經有過成功的交易記錄，用戶到參考商家的人際距離取較小值1，如果用戶和參考商家曾經有過失敗的交易記錄，用戶到參考商家的人際距離取較大值7。具體可以根據交易資料庫中記錄的用戶和參考商家的交易次數以及交易的成功率確定用戶和參考商家之間的人際距離。
    步驟203，排名伺服器獲取各參考商家的評價值。
    其中，參考商家的評價值可以根據現有的網路交易平臺中評價商家的方法確定。
    其中，步驟202和步驟203不分先後順序。
    步驟204，排名伺服器根據各參考商家的人際距離，以及各參考商家的評價值，確定各參考商家的商家關係維度排名指數。
    具體的，對於每個參考商家，其到用戶人際距離越遠，其評價值的參考度越低，相應的權重越低。
    可以根據如下公式計算：商家關係維度排名指數=評價值/人際距離。
    步驟205，排名伺服器根據各參考商家的商家關係維度排名指數，對各參考商家進行排序。
    具體的，可以按照商家關係維度排名指數由大到小的順序進行排名。具有相同評價值的兩個商家，如果其中一個商家的商家關係維度排名指數較高，說明該商家更加受到用戶的好友或用戶所在的人際圈的好評，該商品更可能是被提交查詢用戶將要選擇的結果。
    本申請實施例中，排名伺服器獲取用戶提交的查詢商品，根據該查詢商品獲取提供該查詢商品的參考商家；排名伺服器向社交關係伺服器發送社交關係查詢請求，獲取用戶到參考商家的人際距離；獲取該參考商家的評價值；根據用戶到參考商家的人際距離，以及參考商家的評價值，確定該參考商家的商家關係維度排名指數；根據參考商家的商家關係維度排名指數，對參考商家進行排序。相對於現有技術，本申請實施例的排名伺服器根據用戶和參考商家人際距離的遠近以及商家的評價值進行排名，將商家和用戶人際距離因素對用戶選擇購物的參考價值進行了量化，提供了一種基於用戶特性的排名方法。 實施例三
    本實施例基於購買者到用戶的人際距離的遠近和購買者對商品的評價值計算商品的用戶關係維度排名指數，基於提供該商品的商家到用戶的人際距離的遠近和該商家的評價值計算參考該商家的商家關係維度排名指數，綜合考慮用戶關係維度排名指數和商家關係維度排名指數對商品進行評價並排序。
    參見圖3，基於和上述方法實施例相似的技術構思，本申請實施例提供了一種基於人際距離的排名方法流程示意圖，如圖所示，該流程可包括：步驟301，排名伺服器接收用戶的商品查詢請求，確定和商品查詢請求匹配的各查詢商品；步驟302，排名伺服器確定各查詢商品的用戶關係維度排名指數；其中，確定查詢商品的用戶關係維度排名指數的過程同步驟102-步驟105。
    步驟303，排名伺服器確定提供該各查詢商品的商家的商家關係維度排名指數；其中，確定商家的商家關係維度排名指數的過程同步驟202-步驟204。
    步驟304，根據該用戶關係維度排名指數以及該商家關係維度排名指數得到綜合指數；具體的，當上述用戶關係維度排名指數為A，上述商家關係維度排名指數為B，可以如下公式得到綜合指數：C=k1*A+k2*B，其中C為綜合指數，k1，k2為權重系統，可以根據經驗值設定。
    步驟305，根據該綜合指數對各查詢商品進行排序。
    具體的，可以按照綜合指數由大到小的順序進行排名。對於具有相同平均評價值的兩個商品，並且提供這兩個商品的商家具有相同評價值，如果其中一個商品的綜合指數較高，說明該商品更加受到用戶的好友或用戶所在的人際圈的好評，該商品更可能是被提交查詢用戶將要選擇的結果。
    另外，也可以在本申請實施例提供的排名方法中結合現有的排名方法來進行排名，並根據權重因數的設定確定各種排名評價方法在最終排名結果中所占的權重。例如，根據排名伺服器確定用戶請求查詢的各物件的用戶關係維度排名指數，並獲取現有排名方法中的網購平臺維度指數，根據用戶關係維度排名指數以及網購平臺維度指數確定各物件的綜合指數，從而根據各物件的綜合指數對各物件進行排序。
    在本申請提供的方法實施例中，排名伺服器在根據各物件的用戶關係維度排名指數，或各物件的商家關係維度排名指數，或各物件的綜合指數對各物件進行排序之後，可以根據排序的結果，向發起查詢的用戶所在終端返回查詢結果。
    基於與上述方法實施例相同的技術構思，本申請實施例提供了一種排名伺服器。
    參見圖4，為本申請實施例提供的排名伺服器的結構示意圖，該伺服器可包括：獲取單元41，用於根據用戶終端發起的查詢請求，為所請求查詢的各物件選取參考用戶群；獲取單元41還用於獲取參考用戶群中每個用戶到發起該查詢請求的用戶的人際距離，並獲取參考用戶群中每個用戶對所請求查詢的物件的評價值；排序單元42，用於根據獲取到的人際距離和評價值，確定各物件的用戶關係維度排名指數，並根據各物件的用戶關係維度排名指數，對各物件進行排序
    上述伺服器中，該獲取單元41為該各物件選取參考用戶群包括：根據預設的參考用戶群的樣本數，選取最近購買了該物件的相應數量的用戶組成參考用戶群；或，根據預設的參考用戶群的樣本數，選取最近對該物件表示了購買意願的相應數量的用戶組成參考用戶群；或，根據預設的參考用戶群的樣本數，按照設定比例選取最近購買了該物件的用戶以及最近對該物件表示了購買意願的用戶組成參考用戶群。
    上述伺服器中，該獲取單元41獲取各參考用戶群中每個用戶到發起該查詢請求的用戶的人際距離，包括：該獲取單元41從社交關係伺服器獲取用戶的好友關係資訊，根據獲取到的好友關係資訊確定各參考用戶群中每個用戶到發起該查詢請求的用戶的人際距離；或該獲取單元41根據社交關係伺服器記錄的用戶屬性，判斷兩個用戶在用戶屬性上是否具有共通性，並根據具有共通性的用戶屬性來確定人際距離，其具有共通性的用戶屬性越多，人際距離越小。
    上述伺服器中，根據獲取單元41獲取的人際距離設置權重係數，該權重係數隨著人際距離的增大而減小；該排序單元42根據各參考用戶群中每個用戶到發起該查詢請求的用戶的人際距離，以及參考用戶群中每個用戶對該物件的評價值，計算用戶關係維度排名指數包括：根據參考用戶群中每個用戶的人際距離，計算權重之後的評價值的平均值，從而得到用戶關係維度排名指數。
    上述伺服器中，該排序單元42計算用戶關係維度排名指數的公式為：用戶關係維度排名指數=SUM(評價值/人際距離)/樣本數。
    本申請實施例中，排名伺服器根據用戶發起的查詢請求，為所請求查詢的各物件選取參考用戶群；獲取參考用戶群中每個用戶到發起該查詢請求的用戶的人際距離，並獲取參考用戶群中每個用戶對所請求查詢的物件的評價值；根據獲取到的人際距離和評價值，確定各物件的用戶關係維度排名指數，並根據各物件的用戶關係維度排名指數，對各物件進行排序，相對於現有技術，本申請實施例的排名伺服器根據用戶和參考用戶人際距離的遠近以及參考用戶的評價值進行排名，將用戶的社交圈的選擇對用戶選擇購物的參考價值進行了量化，提供了一種基於用戶特性的排名方法。
    基於與上述方法實施例相同的技術構思，本申請實施例提供了一種排名伺服器。
    參見圖5，為本申請實施例提供的排名伺服器的結構示意圖，該伺服器可包括：確定單元51，用於根據用戶終端提交的查詢請求，確定所請求查詢的各物件各自所在的參考商家；獲取單元52，用於獲取發起該查詢請求的用戶到參考商家的人際距離，並獲取該參考商家的評價值；排序單元53，用於根據獲取到的人際距離和參考商家的評價值，確定該參考商家的商家關係維度排名指數，並根據參考商家的商家關係維度排名指數，對參考商家進行排序。
    上述伺服器中，該獲取單元52獲取發起該查詢請求的用戶到參考商家的人際距離，包括：該獲取單元52從社交關係伺服器獲取用戶的好友關係資訊，並根據獲取到的好友關係資訊確定發起該查詢請求的用戶到參考商家的人際距離；或該獲取單元52從交易資料庫獲取發起該查詢請求的用戶和參考商家的交易次數以及交易成功率，並根據獲取到的交易次數以及交易成功率確定用戶和參考商家之間的人際距離。
    上述伺服器中，該排序單元53確定參考商家的商家關係維度排名指數的公式為：商家關係維度排名指數=評價值/人際距離。
    基於與上述方法實施例相同的技術構思，本申請實施例提供了一種排名伺服器。
    參見圖6，為本申請實施例提供的排名伺服器的結構示意圖，該伺服器可包括：綜合單元61，用於接收用戶終端發起的查詢請求，獲取請求查詢的各物件，確定各物件的綜合指數；排序單元62，用於根據各物件的綜合指數對各物件進行排序；其中，該綜合單元61具體用於根據如下方法中的一種確定各物件的綜合指數：策略一，排名伺服器根據上述基於人際距離的排名方法確定用戶請求查詢的各物件的用戶關係維度排名指數，並根據用戶關係維度排名指數以及網購平臺維度指數，確定各物件的綜合指數；或策略二，排名伺服器根據上述基於人際距離的排名方法確定該各物件所在的商家的商家關係維度排名指數；並根據商家關係維度排名指數以及網購平臺維度指數，確定各物件的綜合指數；或策略三，排名伺服器根據上述基於人際距離的排名方法確定用戶請求查詢的各物件的用戶關係維度排名指數，根據上述基於人際距離的排名方法確定該各物件所在的商家的商家關係維度排名指數；排名伺服器根據用戶關係維度排名指數和商家關係維度排名指數確定各物件的綜合指數；或者，根據用戶關係維度排名指數、商家關係維度排名指數，以及網購平臺維度指數，確定各物件的綜合指數。
    上述伺服器中，該綜合單元61確定對象的綜合指數包括：對物件的用戶關係維度排名指數，商家關係維度排名指數，以及網購平臺維度指數進行加權求和後得到該對象的綜合指數。
    在本申請實施例的排名伺服器中，還可以包括：回應單元，用於根據該排序單元排序的結果，向發起查詢的用戶返回查詢結果。
    本領域技術人員可以理解實施例中的裝置中的模組可以按照實施例描述進行分佈於實施例的裝置中，也可以進行相應變化位於不同於本實施例的一個或多個裝置中。上述實施例的模組可以合併為一個模組，也可以進一步拆分成多個子模組。
    透過以上的實施方式的描述，本領域的技術人員可以清楚地瞭解到本申請可借助軟體加必需的通用硬體平臺的方式來實現，當然也可以透過硬體，但很多情況下前者是更佳的實施方式。基於這樣的理解，本申請的技術方案本質上或者說對現有技術做出貢獻的部分可以以軟體產品的形式體現出來，該電腦軟體產品儲存在一個儲存媒體中，包括若干指令用以使得一台終端設備(可以是手機，個人電腦，伺服器，或者網路設備等)執行本申請各個實施例所述的方法。
    以上所述僅是本申請的較佳實施方式，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視本申請的保護範圍。
    41‧‧‧獲取單元
    42‧‧‧排序單元
    51‧‧‧確定單元
    52‧‧‧獲取單元
    53‧‧‧排序單元
    61‧‧‧綜合單元
    62‧‧‧排序單元
    圖1為本申請實施例提供的基於人際距離的排名方法流程示意圖；圖2為本申請實施例提供的基於人際距離的排名方法流程示意圖；圖3為本申請實施例提供的基於人際距離的排名方法流程示意圖；圖4為本申請實施例提供的排名伺服器的結構示意圖；圖5為本申請實施例提供的排名伺服器的結構示意圖；圖6為本申請實施例提供的排名伺服器的結構示意圖。
    权利要求:
    Claims (15)
    [1] 一種基於人際距離的排名方法，其特徵在於，包括：排名伺服器根據用戶終端發起的查詢請求，獲取請求查詢的各物件，並獲取查詢的各物件對應的參考用戶群；排名伺服器獲取參考用戶群中每個用戶到發起該查詢請求的用戶的人際距離，並獲取參考用戶群中每個用戶對所請求查詢的物件的評價值；排名伺服器根據獲取到的人際距離和評價值，確定各物件的用戶關係維度排名指數，並根據各物件的用戶關係維度排名指數，對各物件進行排序。
    [2] 如申請專利範圍第1項所述的方法，其中，該獲取查詢的各物件對應的參考用戶群包括：根據預設的參考用戶群的樣本數，選取最近購買了該物件的相應數量的用戶組成參考用戶群；或，根據預設的參考用戶群的樣本數，選取最近對該物件表示了購買意願的相應數量的用戶組成參考用戶群；或，根據預設的參考用戶群的樣本數，按照設定比例選取最近購買了該物件的用戶以及最近對該物件表示了購買意願的用戶組成參考用戶群。
    [3] 如申請專利範圍第1項所述的方法，其中，該排名伺服器獲取各參考用戶群中每個用戶到發起該查詢請求的用戶的人際距離，包括：該排名伺服器從社交關係伺服器獲取用戶的好友關係資訊，根據獲取到的好友關係資訊確定各參考用戶群中每個用戶到發起該查詢請求的用戶的人際距離；或該排名伺服器根據社交關係伺服器記錄的用戶屬性，判斷兩個用戶在用戶屬性上是否具有共通性，並根據具有共通性的用戶屬性來確定人際距離，其具有共通性的用戶屬性越多，人際距離越小。
    [4] 如申請專利範圍第1項所述的方法，其中，根據人際距離設置權重係數，該權重係數隨著人際距離的增大而減小；根據各參考用戶群中每個用戶到發起該查詢請求的用戶的人際距離，以及參考用戶群中每個用戶對該物件的評價值，計算用戶關係維度排名指數包括：根據參考用戶群中每個用戶的人際距離，計算權重之後的評價值的平均值，從而得到用戶關係維度排名指數。
    [5] 如申請專利範圍第1項所述的方法，其中，該計算用戶關係維度排名指數的公式為：用戶關係維度排名指數=SUM(評價值/人際距離)/樣本數。
    [6] 如申請專利範圍第3項所述的方法，其中，該社交關係伺服器儲存如下內容中的一項或多項，郵箱服務系統中的用戶及用戶好友關係；社交網路服務網站中的用戶及用戶好友關係；即時通訊系統中的用戶及用戶好友關係；網路遊戲平臺中的用戶及用戶好友關係；基於用戶關係的資訊分享、傳播以及獲取平臺中的用戶及用戶好友關係；電子商務網站中的用戶及用戶好友關係。
    [7] 一種基於人際距離的排名方法，其特徵在於，包括：排名伺服器根據用戶終端提交的查詢請求，確定所請求查詢的各物件各自所在的參考商家；排名伺服器獲取發起該查詢請求的用戶到參考商家的人際距離，並獲取該參考商家的評價值；排名伺服器根據獲取到的人際距離和參考商家的評價值，確定該參考商家的商家關係維度排名指數，並根據參考商家的商家關係維度排名指數，對參考商家進行排序。
    [8] 如申請專利範圍第7項所述的方法，其中，該排名伺服器獲取發起該查詢請求的用戶到參考商家的人際距離，包括：該排名伺服器從社交關係伺服器獲取用戶的好友關係資訊，並根據獲取到的好友關係資訊確定發起該查詢請求的用戶到參考商家的人際距離；或該排名伺服器從交易資料庫獲取發起該查詢請求的用戶和參考商家的交易次數以及交易成功率，並根據獲取到的交易次數以及交易成功率確定用戶和參考商家之間的人際距離。
    [9] 如申請專利範圍第7項所述的方法，其中，確定參考商家的商家關係維度排名指數的公式為：商家關係維度排名指數=評價值/人際距離。
    [10] 一種基於人際距離的排名方法，其特徵在於，包括：排名伺服器接收用戶終端發起的查詢請求，獲取請求查詢的各物件，確定各物件的綜合指數；排名伺服器根據各物件的綜合指數對各物件進行排序；其中，排名伺服器根據如下策略中的一種確定各物件的綜合指數：策略一，排名伺服器根據如申請專利範圍第1-6項中之任一項所述的基於人際距離的排名方法確定用戶請求查詢的各物件的用戶關係維度排名指數，並根據用戶關係維度排名指數以及網購平臺維度指數，確定各物件的綜合指數；策略二，排名伺服器根據如申請專利範圍第7-9項中之任一項所述的基於人際距離的排名方法確定該各物件所在的商家的商家關係維度排名指數；並根據商家關係維度排名指數以及網購平臺維度指數，確定各物件的綜合指數；策略三，排名伺服器根據如申請專利範圍第1-6項中之任一項所述的基於人際距離的排名方法確定用戶請求查詢的各物件的用戶關係維度排名指數，根據如申請專利範圍第7-9項中之任一項所述的基於人際距離的排名方法確定該各物件所在的商家的商家關係維度排名指數；排名伺服器根據用戶關係維度排名指數和商家關係維度排名指數確定各物件的綜合指數；或者，根據用戶關係維度排名指數、商家關係維度排名指數，以及網購平臺維度指數，確定各物件的綜合指數。
    [11] 一種資訊搜索方法，其特徵在於，包括：排名伺服器接收用戶終端發起的查詢請求，獲取請求查詢的各物件，對各物件進行排序；排名伺服器根據排序的結果，向發起查詢的用戶終端返回查詢結果；其中，對各物件進行排序包括：排名伺服器根據如申請專利範圍第1-6項中之任一項所述的基於人際距離的排名方法確定用戶請求查詢的各物件的用戶關係維度排名指數，並根據各物件的用戶關係維度排名指數，對各物件進行排序；或，根據如申請專利範圍第7-9項中之任一項所述的基於人際距離的排名方法確定該各物件所在的商家的商家關係維度排名指數，並根據各物件所在的商家的商家關係維度排名指數，對各物件進行排序；或，根據如申請專利範圍第10項所述的基於人際距離的排名方法確定各物件的綜合指數，並根據各物件的綜合指數，對各物件進行排序。
    [12] 一種排名伺服器，其特徵在於，包括：獲取單元，用於根據用戶終端發起的查詢請求，獲取請求查詢的各物件，並獲取查詢的各物件對應的參考用戶群；該獲取單元，還用於獲取參考用戶群中每個用戶到發起該查詢請求的用戶的人際距離，並獲取參考用戶群中每個用戶對所請求查詢的物件的評價值；排序單元，用於根據獲取到的人際距離和評價值，確定各物件的用戶關係維度排名指數，並根據各物件的用戶關係維度排名指數，對各物件進行排序。
    [13] 如申請專利範圍第12項所述的伺服器，其中，根據獲取單元獲取的人際距離設置權重係數，該權重係數隨著人際距離的增大而減小；該排序單元根據各參考用戶群中每個用戶到發起該查詢請求的用戶的人際距離，以及參考用戶群中每個用戶對該物件的評價值，計算用戶關係維度排名指數包括：根據參考用戶群中每個用戶的人際距離，計算權重之後的評價值的平均值，從而得到用戶關係維度排名指數。
    [14] 一種排名伺服器，其特徵在於，包括：確定單元，用於根據用戶終端提交的查詢請求，確定所請求查詢的各物件各自所在的參考商家；獲取單元，用於獲取發起該查詢請求的用戶到參考商家的人際距離，並獲取該參考商家的評價值；排序單元，用於根據獲取到的人際距離和參考商家的評價值，確定該參考商家的商家關係維度排名指數，並根據參考商家的商家關係維度排名指數，對參考商家進行排序。
    [15] 一種排名伺服器，其特徵在於，包括：綜合單元，用於接收用戶終端發起的查詢請求，獲取請求查詢的各物件，確定各物件的綜合指數；排序單元，用於根據各物件的綜合指數對各物件進行排序；其中，該綜合單元具體用於根據如下策略中的一種確定各物件的綜合指數：策略一，排名伺服器根據如申請專利範圍第1-6項中之任一項所述的基於人際距離的排名方法確定用戶請求查詢的各物件的用戶關係維度排名指數，並根據用戶關係維度排名指數以及網購平臺維度指數，確定各物件的綜合指數；策略二，排名伺服器根據如申請專利範圍第7-9項中之任一項所述的基於人際距離的排名方法確定該各物件所在的商家的商家關係維度排名指數；並根據商家關係維度排名指數以及網購平臺維度指數，確定各物件的綜合指數；策略三，排名伺服器根據如申請專利範圍第1-6項中之任一項所述的基於人際距離的排名方法確定用戶請求查詢的各物件的用戶關係維度排名指數，根據如申請專利範圍第7-9項中之任一項所述的基於人際距離的排名方法確定該各物件所在的商家的商家關係維度排名指數；排名伺服器根據用戶關係維度排名指數和商家關係維度排名指數確定各物件的綜合指數；或者，根據用戶關係維度排名指數、商家關係維度排名指數，以及網購平臺維度指數，確定各物件的綜合指數。
    类似技术:
    公开号 | 公开日 | 专利标题
    TWI534733B|2016-05-21|Based on interpersonal distance ranking, search methods and devices
    US10846775B1|2020-11-24|Identifying item recommendations through recognized navigational patterns
    US8762226B2|2014-06-24|Item discovery tools and methods for shopping in an electronic commerce environment
    TW201305944A|2013-02-01|商品資訊投放方法和設備
    JP5945369B2|2016-07-05|目的物品情報を推薦するための方法およびシステム
    EP2304619B1|2018-07-18|Correlated information recommendation
    TW201539346A|2015-10-16|提供使用者評價資訊的方法及系統
    US20110035329A1|2011-02-10|Search Methods and Systems Utilizing Social Graphs as Filters
    US20130006713A1|2013-01-03|Method for aggregating pricing information and assigning a fair market value to goods sold in a peer-to-peer e-commerce transaction
    JP6753578B2|2020-09-09|電子配信プラットフォーム上で提示対象を選択および推奨するための方法および装置
    TW201342290A|2013-10-16|基於交易平台的供應商資訊搜索方法和裝置
    KR100889230B1|2009-03-16|쇼핑몰 상품 검색 서비스 시스템 및 방법
    US20160132901A1|2016-05-12|Ranking Vendor Data Objects
    JP2016053784A|2016-04-14|情報推薦プログラム及び情報処理装置
    US20170024783A1|2017-01-26|Methods and systems for ranking merchants
    US20190333176A1|2019-10-31|Recording recommendation method, device, apparatus and computer-readable storage medium
    JP3752499B2|2006-03-08|金融商品提示システム及びその方法
    KR102014773B1|2019-08-27|소셜 커머스와 소셜 네트워크를 통한 선물 추천 방법
    JP6679705B1|2020-04-15|情報処理装置、情報処理方法、及び情報処理プログラム
    JP6731469B2|2020-07-29|情報処理装置、情報処理方法、及び情報処理プログラム
    US20190295106A1|2019-09-26|Ranking Vendor Data Objects
    KR20220012669A|2022-02-04|소셜 네트워크 서비스를 이용한 쇼핑 최적화 시스템
    KR20120130962A|2012-12-04|유사 성향 분석 방법 및 시스템
    CN111798282A|2020-10-20|一种信息处理方法、终端及存储介质
    EP2803028A1|2014-11-19|System and method for generating a list of recommended items
    同族专利:
    公开号 | 公开日
    TWI534733B|2016-05-21|
    CN102880608A|2013-01-16|
    JP6189836B2|2017-08-30|
    US9767492B2|2017-09-19|
    JP2014523049A|2014-09-08|
    WO2013009980A1|2013-01-17|
    EP2732418A1|2014-05-21|
    US20170345067A1|2017-11-30|
    US20130024447A1|2013-01-24|
    引用文献:
    公开号 | 申请日 | 公开日 | 申请人 | 专利标题
    US6092049A|1995-06-30|2000-07-18|Microsoft Corporation|Method and apparatus for efficiently recommending items using automated collaborative filtering and feature-guided automated collaborative filtering|
    US6785671B1|1999-12-08|2004-08-31|Amazon.Com, Inc.|System and method for locating web-based product offerings|
    US7233940B2|2000-11-06|2007-06-19|Answers Corporation|System for processing at least partially structured data|
    US20020156756A1|2000-12-06|2002-10-24|Biosentients, Inc.|Intelligent molecular object data structure and method for application in heterogeneous data environments with high data density and dynamic application needs|
    JP2004259083A|2003-02-27|2004-09-16|Shigeru Koyanagi|情報検索方法、情報検索サーバ、及び情報検索プログラム|
    US7788260B2|2004-06-14|2010-08-31|Facebook, Inc.|Ranking search results based on the frequency of clicks on the search results by members of a social network who are within a predetermined degree of separation|
    US8688673B2|2005-09-27|2014-04-01|Sarkar Pte Ltd|System for communication and collaboration|
    US8060463B1|2005-03-30|2011-11-15|Amazon Technologies, Inc.|Mining of user event data to identify users with common interests|
    US7451161B2|2005-04-28|2008-11-11|Friendster, Inc.|Compatibility scoring of users in a social network|
    JP4625365B2|2005-05-02|2011-02-02|日本放送協会|推薦順位選定装置及び推薦順位選定プログラム|
    JP2007041930A|2005-08-04|2007-02-15|Toshiba Corp|コンテンツ管理システム|
    US20070060114A1|2005-09-14|2007-03-15|Jorey Ramer|Predictive text completion for a mobile communication facility|
    US20070060173A1|2005-09-14|2007-03-15|Jorey Ramer|Managing sponsored content based on transaction history|
    US20090030801A1|2005-11-07|2009-01-29|Anthony Meggs|Permissive search intent registry|
    JP2007148741A|2005-11-28|2007-06-14|Hitachi Software Eng Co Ltd|Ｗｅｂ検索支援サーバ|
    EP1969555A4|2005-12-16|2013-03-13|John Stannard Davis|ASSESSMENT SYSTEM BASED ON TRUST|
    US8112324B2|2006-03-03|2012-02-07|Amazon Technologies, Inc.|Collaborative structured tagging for item encyclopedias|
    JP2008097365A|2006-10-12|2008-04-24|Ntt Docomo Inc|サービス情報提供装置およびサービス情報提供方法|
    US20080183694A1|2007-01-31|2008-07-31|Daniel Cane|Method and system presenting search results using relationship information|
    US20080195586A1|2007-02-09|2008-08-14|Sap Ag|Ranking search results based on human resources data|
    WO2009001138A1|2007-06-28|2008-12-31|Taptu Ltd|Search result ranking|
    US20090063304A1|2007-08-29|2009-03-05|Anthony Meggs|System and method for searching, identifying, and ranking merchants based upon preselected criteria such as social values|
    CN101493818A|2008-01-24|2009-07-29|徐蔚|基于人际关系网络的网络信息搜索方法|
    US8244721B2|2008-02-13|2012-08-14|Microsoft Corporation|Using related users data to enhance web search|
    US7974974B2|2008-03-20|2011-07-05|Microsoft Corporation|Techniques to perform relative ranking for search results|
    JP2009289092A|2008-05-30|2009-12-10|Sony Corp|情報処理装置、推薦方法、プログラム及び記録媒体|
    CN101388024B|2008-10-09|2010-11-10|浙江大学|一种基于复杂网络的压缩空间高效搜索方法|
    US8108406B2|2008-12-30|2012-01-31|Expanse Networks, Inc.|Pangenetic web user behavior prediction system|
    US20100174712A1|2009-01-07|2010-07-08|Microsoft Corporation|Expertise ranking using social distance|
    CN101499101A|2009-03-10|2009-08-05|腾讯科技（深圳）有限公司|一种社会化网络中特征关系圈的提取方法及装置|
    US9088757B2|2009-03-25|2015-07-21|Eloy Technology, Llc|Method and system for socially ranking programs|
    CN101996215B|2009-08-27|2013-07-24|阿里巴巴集团控股有限公司|一种应用于电子商务网站的信息匹配方法和系统|
    US20110106597A1|2009-10-28|2011-05-05|Pushkart, Llc|Methods And Systems For Offering Discounts|
    US8515888B2|2009-10-30|2013-08-20|Google Inc.|Affiliate linking where answerer requests permission to insert an interactive link in an answer|
    US20110131106A1|2009-12-02|2011-06-02|George Eberstadt|Using social network and transaction information|
    CN101841539A|2010-04-16|2010-09-22|工业和信息化部电信传输研究所|一种基于信任度的网格资源分配方法、装置及系统|
    US8880520B2|2010-04-21|2014-11-04|Yahoo! Inc.|Selectively adding social dimension to web searches|
    CN101986299A|2010-10-28|2011-03-16|浙江大学|基于超图的多任务个性化网络服务方法|
    US20120131013A1|2010-11-19|2012-05-24|Cbs Interactive Inc.|Techniques for ranking content based on social media metrics|US10181126B2|2012-03-13|2019-01-15|American Express Travel Related Services Company, Inc.|Systems and methods for tailoring marketing|
    CN103970768B|2013-01-29|2018-07-20|腾讯科技（深圳）有限公司|获取排名的方法及系统|
    US20140222817A1|2013-02-04|2014-08-07|David Allen Olsen|System and method for grouping segments of data sequences into clusters|
    US20140280046A1|2013-03-14|2014-09-18|Microsoft Corporation|Searching using social filters as operators|
    US20140337160A1|2013-05-09|2014-11-13|Microsoft Corporation|Considering social information in generating recommendations|
    CN104657369A|2013-11-19|2015-05-27|深圳市腾讯计算机系统有限公司|用户属性信息的生成方法及系统|
    CN105208068A|2014-06-26|2015-12-30|中兴通讯股份有限公司|一种推送黄页信息的方法及黄页服务器|
    CN104239423B|2014-08-22|2017-12-26|北京盛世光明软件股份有限公司|一种人脉关系距离获取方法及系统|
    CN104462337A|2014-12-04|2015-03-25|上海理工大学|网络购物情况显示装置|
    CN105843836A|2015-02-02|2016-08-10|三星电子株式会社|用于搜索内容的装置、系统和方法|
    US9965560B2|2015-02-02|2018-05-08|Samsung Electronics Co., Ltd.|Social-distance permission-based search algorithm|
    US10007721B1|2015-07-02|2018-06-26|Collaboration. AI, LLC|Computer systems, methods, and components for overcoming human biases in subdividing large social groups into collaborative teams|
    CN105096144A|2015-08-24|2015-11-25|小米科技有限责任公司|社交关系分析方法及装置|
    CN105227448B|2015-10-30|2019-09-17|Tcl集团股份有限公司|一种信息推送方法及系统|
    CN107886345B|2016-09-30|2021-12-07|阿里巴巴集团控股有限公司|选取数据对象的方法及装置|
    CN110800011A|2017-06-29|2020-02-14|北京嘀嘀无限科技发展有限公司|用于提供购车金融方案的系统和方法|
    CN107767171A|2017-09-29|2018-03-06|阿里巴巴集团控股有限公司|确定用户重要度的方法、装置和电子设备|
    US10521820B1|2018-06-12|2019-12-31|Capital One Services, Llc|Systems and methods for providing transaction affinity information|
    CN109543078A|2018-10-18|2019-03-29|深圳云天励飞技术有限公司|社会关系确定方法、装置、设备及计算机可读存储介质|
    法律状态:
    优先权:
    申请号 | 申请日 | 专利标题
    CN2011101955069A|CN102880608A|2011-07-13|2011-07-13|基于人际距离的排名、搜索方法和装置|
    [返回顶部]