CN103177374A - 业务推荐方法和业务推荐系统 - Google Patents
业务推荐方法和业务推荐系统 Download PDFInfo
- Publication number
- CN103177374A CN103177374A CN2011104438581A CN201110443858A CN103177374A CN 103177374 A CN103177374 A CN 103177374A CN 2011104438581 A CN2011104438581 A CN 2011104438581A CN 201110443858 A CN201110443858 A CN 201110443858A CN 103177374 A CN103177374 A CN 103177374A
- Authority
- CN
- China
- Prior art keywords
- service
- user
- preference
- degree
- acquiring
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 48
- 239000006185 dispersion Substances 0.000 claims description 11
- 238000001514 detection method Methods 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000010586 diagram Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
Images
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明提供一种业务推荐方法和业务推荐系统,所述业务推荐方法包括:获取用户的偏好业务集合;获取业务的关联规则集合;根据所述用户的偏好业务集合以及所述关联规则集合,得到所述用户的业务推荐集合。本发明能够得到较为准确的业务推荐结果,使得推荐的业务能够满足用户的需求。
Description
技术领域
本发明涉及数据业务技术领域,尤其涉及一种业务推荐方法和业务推荐系统。
背景技术
现有技术中主要存在以下两种业务推荐方法:
(1)直接采用传统的关联规则算法挖掘关联规则,形成业务关联项进行业务推荐;
(2)对传统的关联规则算法进行改进,为每个项目赋予一定的权值,利用项目的权值来体现每个项目的受关注程度,然后再利用关联规则算法计算业务间的关联,形成业务关联项目的推荐。
可见,现有的业务推荐方法主要是基于业务关联规则。
目前,业内普遍认为推荐的业务需要满足用户的需求。而现有的业务推荐方法在利用关联规则进行业务推荐时,只考虑了业务之间的关联性,即使采用了加权等方法来改进,其体现的依然是业务整体的受关注程度。而业务之间的关联数据和业务的权值只能反映业务本身的特性,所以根据业务之间的关联数据和业务的权值得到的业务推荐结果只能反映业务推荐方认为值得推荐的业务,显然这样的业务推荐结果是不准确的,进而使得推荐的业务无法满足用户的需求。
发明内容
有鉴于此,本发明提供一种业务推荐方法和业务推荐系统,能够得到较为准确的业务推荐结果,使得推荐的业务能够满足用户的需求。
为解决上述问题,本发明提供一种业务推荐方法,包括:
获取用户的偏好业务集合;
获取业务的关联规则集合;
根据所述用户的偏好业务集合以及所述关联规则集合,得到所述用户的业务推荐集合。
可选的,所述获取用户的偏好业务集合的步骤包括:
通过分散度检测方法获取用户的偏好业务集合。
可选的,所述通过分散度检测方法获取用户的偏好业务集合的步骤包括:
获取所述用户在其所使用的每个业务上的业务流量信息;
根据所述业务流量信息,计算所述用户在其所使用的每个业务上的偏离业务流量均值程度数据;
将所述偏离业务流量均值程度数据与预先设置的偏离程度阈值进行比较,保留所述偏离业务流量均值程度数据高于所述偏离程度阈值的业务;
获取所述用户的所有所述偏离业务流量均值程度数据高于所述偏离程度阈值的业务,得到所述用户的偏好业务集合。
可选的,所述偏离业务流量均值程度的数据的计算公式如下:
可选的,所述获取业务的关联规则集合的步骤包括:
获取所有用户的业务集合;
从所述所有用户的业务集合中,获取高频率出现的业务集合,所述高频率出现的业务集合的支持度大于或等于预先设置的最小支持度;
从所述高频率出现的业务集合中,获取具有强关联规则的业务集合,组成所述关联规则集合,所述具有强关联规则的业务集合的置信度大于或等于预先设置的最小置信度。
可选的,所述根据所述用户的偏好业务集合以及所述关联规则集合,得到所述用户的业务推荐集合的步骤包括:
针对所述用户的业务偏好集合中的每个偏好业务,从所述关联规则集合中查找出与所述偏好业务相关联的业务;
获取所述用户的业务偏好集合中的所有偏好业务相关联的业务,得到所述用户的业务推荐集合。
本发明还提供一种业务推荐系统,包括:
偏好业务集合获取模块,用于获取用户的偏好业务集合;
关联规则集合获取模块,用于获取业务的关联规则集合;
业务推荐集合获取模块,用于根据所述用户的偏好业务集合以及所述关联规则集合,得到所述用户的业务推荐集合。
可选的,所述偏好业务集合获取模块通过分散度检测方法获取用户的偏好业务集合。
可选的,所述偏好业务集合获取模块包括:
业务流量获取模块,用于获取所述用户在其所使用的每个业务上的业务流量信息;
计算模块,用于根据所述业务流量信息,计算所述用户在其所使用的每个业务上的偏离业务流量均值程度数据;
比较模块,用于将所述偏离业务流量均值程度数据与预先设置的偏离程度阈值进行比较,保留所述偏离业务流量均值程度数据高于所述偏离程度阈值的业务;
第一生成模块,用于获取所述用户的所有所述偏离业务流量均值程度数据高于所述偏离程度阈值的业务,得到所述用户的偏好业务集合。
可选的,所述偏离业务流量均值程度的数据的计算公式如下:
可选的,所述关联规则集合获取模块包括:
业务集合获取模块,用于获取所有用户的业务集合;
高频率业务集合获取模块,用于从所述所有用户的业务集合中,获取高频率出现的业务集合,所述高频率出现的业务集合的支持度大于或等于预先设置的最小支持度;
第二生成模块,用于从所述高频率出现的业务集合中,获取具有强关联规则的业务集合,组成所述关联规则集合,所述具有强关联规则的业务集合的置信度大于或等于预先设置的最小置信度。
可选的,所述业务推荐集合获取模块包括:
查找模块,用于针对所述用户的业务偏好集合中的每个偏好业务,从所述关联规则集合中查找出与所述偏好业务相关联的业务;
第三生成模块,用于获取所述用户的业务偏好集合中的所有偏好业务相关联的业务,得到所述用户的业务推荐集合。
本发明具有以下有益效果:
在业务推荐时,同时考虑了用户偏好和业务关联规则,由于用户偏好能够反映用户的真实需求,因而使得业务推荐结果更加准确,推荐的业务能够满足用户的需求。
附图说明
图1为本发明实施例的业务推荐方法的一流程示意图;
图2为本发明实施例的用户的偏好业务集合的获取方法的一流程示意图;
图3为本发明实施例的关联规则集合的获取方法的一流程示意图;
图4为本发明实施例的业务推荐系统的一结构示意图。
具体实施方式
下面结合附图和实施例,对本发明的具体实施方式作进一步详细描述。
如图1所示为本发明实施例的业务推荐方法的一流程示意图,该业务推荐方法包括以下步骤:
步骤101,获取用户的偏好业务集合;
本发明实施例中所指的用户是指待推荐业务的用户。用户的偏好业务集合是指用户所偏好的业务的集合。偏好业务集合中的元素可以是业务的标识信息。
步骤102,获取业务的关联规则集合;
所述关联规则集合表示业务之间的关联关系。其中,所述业务可以是所有的业务,也可以是预先设置的待推荐业务。
步骤103,根据所述用户的偏好业务集合以及所述关联规则集合,得到所述用户的业务推荐集合。
需要说明的是,上述步骤101和步骤102在执行顺序上并没有必然的先后顺序关系,先执行步骤101或者先执行步骤102均可。
本实施例中,可以按照上述方法,获取所有待推荐业务的用户的业务推荐集合。
上述实施例提供的业务推荐方法,在业务推荐时,同时考虑了用户偏好和业务关联规则,由于用户偏好能够反映用户的真实需求,因而使得业务推荐结果更加准确,推荐的业务能够满足用户的需求。
(一)用户的偏好业务集合的获取方法
本发明实施例中,可以通过多种方法获取用户的偏好业务集合,例如通过分散度检测方法,下面将举例对通过分散度检测方法获取用户的偏好业务集合的方法进行说明。
如图2所示为本发明实施例的用户的偏好业务集合的获取方法的一流程示意图,所述方法包括以下步骤:
步骤201,获取用户在其所使用的每个业务上的业务流量信息;
本发明实施例中的业务流量信息可以是真实的业务流量数据,也可以是其他能够反映真实业务流量的数据。
步骤202,根据所述业务流量信息,计算所述用户在其所使用的每个业务上的偏离业务流量均值程度数据;
其中,用户在其所使用的某个业务上的偏离业务流量均值程度数据反映该用户在该业务上的业务流量与所有用户在该业务上的业务流量均值的偏离程度。
步骤203,将所述偏离业务流量均值程度数据与预先设置的偏离程度阈值进行比较,保留所述偏离业务流量均值程度数据高于所述偏离程度阈值的业务;
步骤204,获取所述用户的所有所述偏离业务流量均值程度数据高于所述偏离程度阈值的业务,得到所述用户的偏好业务集合。
上述步骤201和步骤202中,是计算用户在其使用的每个业务上的业务流量信息,然后根据用户在其使用的每个业务上的业务流量信息,计算用户在其所使用的每个业务上的偏离业务流量均值程度数据。本发明实施例中,也可以在步骤201和步骤202中,计算用户在每个业务(包括用户使用的业务和用户未使用的业务)上的业务流量信息,然后根据用户在每个业务上的业务流量信息,计算用户在每个业务上的偏离业务流量均值程度数据。需要说明的是,如果某个用户没有使用过某个业务,则这个用户在这个业务上的真实业务流量数据则为零。
为使本领域技术人员更加清楚的理解上述分散度检测方法,下面以举例的形式,对上述分散度检测方法进行详细说明。
上述分散度检测方法主要包括以下步骤:
(1)假设共有m项业务,对于第j(j=1,2…m)项业务,使用第j项业务的用户为n个,按照每个用户在第j项业务的业务流量大小,对每个用户在第j项业务的业务流量进行降序排序,排序的结果为xj1,xj2,…,xjn,其中,xji为第i个用户在第j项业务的业务流量,i=1,2…n;
(2)计算第i个用户在第j项业务上的偏离业务流量均值程度数据Gji。
本实施例中,可以采用以下公式计算第i个用户在第j项业务上的偏离业务流量均值程度数据Gji:
(3)将Gji与预先设置的偏离程度阈值Gj进行比较,若Gji>Gj,则说明第i个用户在第j项业务上的业务流量与第j项业务的业务流量均值的偏离程度越高,从而确定第j项业务为第i个用户的偏好业务;否则,说明第i个用户在第j项业务上的业务流量与第j项业务的业务流量均值较为接近,从而确定第j项业务不是第i个用户的偏好业务;
(4)按照(1)-(3)的步骤继续筛选用户的其他偏好业务以及其他用户的偏好业务,直到确定每个用户的所有偏好业务为止,得到每个用户的业务偏好集合。
本发明实施例中,还可以采用其他方法获取用户的偏好业务集合,举例来说,首先获取用户在每个业务上的业务流量以及每个业务的业务流量均值,将用户在每个业务上的业务流量与每个业务的业务流量均值进行比较,保留业务流量高于其对应的业务流量均值的业务,获取用户的所有业务流量高于其对应的业务流量均值的业务,得到用户的偏好业务集合。
(二)关联规则集合的获取方法
本发明实施例中,可以通过多种方法获取关联规则集合,下面将举例进行说明。
如图3所示为本发明实施例的关联规则集合的获取方法的一流程示意图,所述方法包括以下步骤:
步骤301,获取所有用户的业务集合;
其中,一个用户的业务集合是指这个用户所有使用过的所有业务的集合。业务集合中的元素可以是业务的标识信息。
步骤302,从所述所有用户的业务集合中,获取高频率出现的业务集合,所述高频率出现的业务集合的支持度大于或等于预先设置的最小支持度;
步骤303,从所述高频率出现的业务集合中,获取具有强关联规则的业务集合,组成所述关联规则集合,所述具有强关联规则的业务集合的置信度大于或等于预先设置的最小置信度。
下面对支持度和置信度的定义进行说明:
支持度S表示事务在规则中出现的频率。关联规则X=>Y的支持度S定义为:S(X=>Y)=|T(XUY)|/|T|,其中,|T(XUY)|表示数据集中XUY的事务数,|T|表示数据集中的事务总数。
置信度C表示关联规则X=>Y的强度,可定义为:CX=>Y=|T(X ∪Y)|/|T(X)|,其中,|T(XUY)|表示数据集中包含XUY的事务数;|T(X)|表示数据集中包含X的事务数。关联规则X=>Y的置信度Cx=>y表示在X给定的情况下关于Y的条件概率,即Cx=>y=P(Y|X)
上述关联规则集合的获取方法也可称为Apriori关联算法,Apriori关联算法的基本思想是:
首先从所有的项集中,找出高频率出现的项集(在本发明实施例中,项集即是用户的业务集合),高频率出现的项集的出现频率大于或等于预先设置的最小支持度。
然后,再从高频率出现的项集中找出具有强关联规则的项集(即关联规则集合),具有强关联规则的项集必须满足最小置信度的要求。
当然,本发明实施例中,还可以采用其他关联规则算法,获取业务的关联规则集合。
(三)业务推荐集合的获取方法
具体的,对于用户的业务偏好集合中的每个偏好业务(即业务偏好集合的每个元素),从关联规则集合中查找是否存在与该偏好业务相关联的业务,如果是,则将查找到的与该偏好业务相关联的业务加入到该用户的业务推荐集合中,例如将查找到的与该偏好业务相关联的业务的标识加入到该用户的业务推荐集合中,直至将该用户的业务偏好集合中的所有偏好业务均查找完毕,即可以得到该用户的业务推荐集合。
在具体实现时,可以参考下面的实现方式:
输入:第i个用户的业务偏好集合ARi,关联规则集合BR;
输出:第i个用户的业务推荐集合Ri;
(2)对于第i个用户,输入其业务偏好集合为ARi=(Si1,Si2...Siu);
则Ri←B。即,将查找到的推荐业务B加入到推荐业务集合中。
下面举例对本发明实施例的业务推荐集合的获取方法进行说明。
假设关联规则集合为{(新浪网站的标识,搜狐网站的标识,网易网站的标识),(QQ的标识,飞信的标识)},某一个用户的业务偏好集合为{新浪网站的标识,QQ的标识},那么这个用户的业务推荐集合为{(新浪网站的标识,搜狐网站的标识,网易网站的标识),(QQ的标识,飞信的标识)}。
如图4所示为本发明实施例的业务推荐系统的一结构示意图,该业务推荐系统包括:
偏好业务集合获取模块401,用于获取用户的偏好业务集合;
关联规则集合获取模块402,用于获取业务的关联规则集合;
业务推荐集合获取模块403,用于根据所述用户的偏好业务集合以及所述关联规则集合,得到所述用户的业务推荐集合。
所述偏好业务集合获取模块401可以采用下述方法获取用户的偏好业务集合:获取所述用户在其所使用的每个业务上的业务流量信息;根据所述业务流量信息,计算所述用户在其所使用的每个业务上的偏离业务流量均值程度数据;将所述偏离业务流量均值程度数据与预先设置的偏离程度阈值进行比较,保留所述偏离业务流量均值程度数据高于所述偏离程度阈值的业务;获取所述用户的所有所述偏离业务流量均值程度数据高于所述偏离程度阈值的业务,得到所述用户的偏好业务集合。
所述偏离业务流量均值程度的数据可以采用如下公式计算得到:
基于上述描述,本发明实施例的偏好业务集合获取模块501可以包括以下功能模块:
业务流量获取模块,用于获取所述用户在其所使用的每个业务上的业务流量信息;
计算模块,用于根据所述业务流量信息,计算所述用户在其所使用的每个业务上的偏离业务流量均值程度数据;
比较模块,用于将所述偏离业务流量均值程度数据与预先设置的偏离程度阈值进行比较,保留所述偏离业务流量均值程度数据高于所述偏离程度阈值的业务;
第一生成模块,用于获取所述用户的所有所述偏离业务流量均值程度数据高于所述偏离程度阈值的业务,得到所述用户的偏好业务集合。
当然,本发明实施例的偏好业务集合获取模块401还可以采用其他方法获取用户的偏好业务集合,具体请参见上述对应的方法实施例。
本发明实施例中的关联规则集合获取模块402可以采用下述方法获取关联规则集合:获取所有用户的业务集合;从所述所有用户的业务集合中,获取高频率出现的业务集合,所述高频率出现的业务集合的支持度大于或等于预先设置的最小支持度;从所述高频率出现的业务集合中,获取具有强关联规则的业务集合,组成所述关联规则集合,所述具有强关联规则的业务集合的置信度大于或等于预先设置的最小置信度。
基于上述描述,本发明实施例的关联规则集合获取模块402可以包括以下功能模块:
业务集合获取模块,用于获取所有用户的业务集合;
高频率业务集合获取模块,用于从所述所有用户的业务集合中,获取高频率出现的业务集合,所述高频率出现的业务集合的支持度大于或等于预先设置的最小支持度;
第二生成模块,用于从所述高频率出现的业务集合中,获取具有强关联规则的业务集合,组成所述关联规则集合,所述具有强关联规则的业务集合的置信度大于或等于预先设置的最小置信度。
当然,本发明实施例的关联规则集合获取模块402还可以采用其他方法获取关联规则集合,具体请参见上述对应的方法实施例。
本发明实施例的业务推荐集合获取模块403可以采用下述方法获取用户的业务推荐集合:针对所述用户的业务偏好集合中的每个偏好业务,从所述关联规则集合中查找出与所述偏好业务相关联的业务;获取所述用户的业务偏好集合中的所有偏好业务相关联的业务,得到所述用户的业务推荐集合。
基于上述描述,本发明实施例的业务推荐集合获取模块403可以包括以下功能模块:
查找模块,用于针对所述用户的业务偏好集合中的每个偏好业务,从所述关联规则集合中查找出与所述偏好业务相关联的业务;
第三生成模块,用于获取所述用户的业务偏好集合中的所有偏好业务相关联的业务,得到所述用户的业务推荐集合。
上述实施例提供的业务推荐系统,在业务推荐时,同时考虑了用户偏好和业务关联规则,由于用户偏好能够反映用户的真实需求,因而使得业务推荐结果更加准确,推荐的业务能够满足用户的需求。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以作出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (12)
1.一种业务推荐方法,其特征在于,包括:
获取用户的偏好业务集合;
获取业务的关联规则集合;
根据所述用户的偏好业务集合以及所述关联规则集合,得到所述用户的业务推荐集合。
2.如权利要求1所述的业务推荐方法,其特征在于,所述获取用户的偏好业务集合的步骤包括:
通过分散度检测方法获取用户的偏好业务集合。
3.如权利要求2所述的业务推荐方法,其特征在于,所述通过分散度检测方法获取用户的偏好业务集合的步骤包括:
获取所述用户在其所使用的每个业务上的业务流量信息;
根据所述业务流量信息,计算所述用户在其所使用的每个业务上的偏离业务流量均值程度数据;
将所述偏离业务流量均值程度数据与预先设置的偏离程度阈值进行比较,保留所述偏离业务流量均值程度数据高于所述偏离程度阈值的业务;
获取所述用户的所有所述偏离业务流量均值程度数据高于所述偏离程度阈值的业务,得到所述用户的偏好业务集合。
5.如权利要求1所述的业务推荐方法,其特征在于,所述获取业务的关联规则集合的步骤包括:
获取所有用户的业务集合;
从所述所有用户的业务集合中,获取高频率出现的业务集合,所述高频率出现的业务集合的支持度大于或等于预先设置的最小支持度;
从所述高频率出现的业务集合中,获取具有强关联规则的业务集合,组成所述关联规则集合,所述具有强关联规则的业务集合的置信度大于或等于预先设置的最小置信度。
6.如权利要求1所述的业务推荐方法,其特征在于,所述根据所述用户的偏好业务集合以及所述关联规则集合,得到所述用户的业务推荐集合的步骤包括:
针对所述用户的业务偏好集合中的每个偏好业务,从所述关联规则集合中查找出与所述偏好业务相关联的业务;
获取所述用户的业务偏好集合中的所有偏好业务相关联的业务,得到所述用户的业务推荐集合。
7.一种业务推荐系统,其特征在于,包括:
偏好业务集合获取模块,用于获取用户的偏好业务集合;
关联规则集合获取模块,用于获取业务的关联规则集合;
业务推荐集合获取模块,用于根据所述用户的偏好业务集合以及所述关联规则集合,得到所述用户的业务推荐集合。
8.如权利要求7所述的业务推荐系统,其特征在于,所述偏好业务集合获取模块通过分散度检测方法获取用户的偏好业务集合。
9.如权利要求8所述的业务推荐系统,其特征在于,所述偏好业务集合获取模块包括:
业务流量获取模块,用于获取所述用户在其所使用的每个业务上的业务流量信息;
计算模块,用于根据所述业务流量信息,计算所述用户在其所使用的每个业务上的偏离业务流量均值程度数据;
比较模块,用于将所述偏离业务流量均值程度数据与预先设置的偏离程度阈值进行比较,保留所述偏离业务流量均值程度数据高于所述偏离程度阈值的业务;
第一生成模块,用于获取所述用户的所有所述偏离业务流量均值程度数据高于所述偏离程度阈值的业务,得到所述用户的偏好业务集合。
11.如权利要求7所述的业务推荐系统,其特征在于,所述关联规则集合获取模块包括:
业务集合获取模块,用于获取所有用户的业务集合;
高频率业务集合获取模块,用于从所述所有用户的业务集合中,获取高频率出现的业务集合,所述高频率出现的业务集合的支持度大于或等于预先设置的最小支持度;
第二生成模块,用于从所述高频率出现的业务集合中,获取具有强关联规则的业务集合,组成所述关联规则集合,所述具有强关联规则的业务集合的置信度大于或等于预先设置的最小置信度。
12.如权利要求7所述的业务推荐系统,其特征在于,所述业务推荐集合获取模块包括:
查找模块,用于针对所述用户的业务偏好集合中的每个偏好业务,从所述关联规则集合中查找出与所述偏好业务相关联的业务;
第三生成模块,用于获取所述用户的业务偏好集合中的所有偏好业务相关联的业务,得到所述用户的业务推荐集合。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201110443858.1A CN103177374B (zh) | 2011-12-26 | 2011-12-26 | 业务推荐方法和业务推荐系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201110443858.1A CN103177374B (zh) | 2011-12-26 | 2011-12-26 | 业务推荐方法和业务推荐系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103177374A true CN103177374A (zh) | 2013-06-26 |
CN103177374B CN103177374B (zh) | 2016-04-27 |
Family
ID=48637210
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201110443858.1A Active CN103177374B (zh) | 2011-12-26 | 2011-12-26 | 业务推荐方法和业务推荐系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103177374B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106791966A (zh) * | 2016-12-28 | 2017-05-31 | 武汉斗鱼网络科技有限公司 | 一种基于改进型关联规则的直播间推荐方法及系统 |
CN109542410A (zh) * | 2018-11-29 | 2019-03-29 | 江苏满运软件科技有限公司 | 规则引擎系统、方法、设备及存储介质 |
CN109903093A (zh) * | 2019-02-27 | 2019-06-18 | 中国联合网络通信集团有限公司 | 通信营销方法及平台 |
CN109033352B (zh) * | 2018-07-25 | 2021-02-02 | 中国联合网络通信集团有限公司 | 一种增值业务推荐方法及装置 |
CN113988722A (zh) * | 2021-12-28 | 2022-01-28 | 恒银金融科技股份有限公司 | 一种应用于综合自助设备的用户习惯自适应方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101094481A (zh) * | 2006-06-19 | 2007-12-26 | 上海全成通信技术有限公司 | 数据分析和挖掘系统与操作型crm系统的互动支撑方法 |
JP4745774B2 (ja) * | 2005-09-27 | 2011-08-10 | 株式会社エヌ・ティ・ティ・ドコモ | サービス推薦システム、及び、サービス推薦方法 |
CN102255907A (zh) * | 2011-07-11 | 2011-11-23 | 中国电信股份有限公司 | 业务推送方法和系统、移动终端及服务器 |
-
2011
- 2011-12-26 CN CN201110443858.1A patent/CN103177374B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4745774B2 (ja) * | 2005-09-27 | 2011-08-10 | 株式会社エヌ・ティ・ティ・ドコモ | サービス推薦システム、及び、サービス推薦方法 |
CN101094481A (zh) * | 2006-06-19 | 2007-12-26 | 上海全成通信技术有限公司 | 数据分析和挖掘系统与操作型crm系统的互动支撑方法 |
CN102255907A (zh) * | 2011-07-11 | 2011-11-23 | 中国电信股份有限公司 | 业务推送方法和系统、移动终端及服务器 |
Non-Patent Citations (1)
Title |
---|
范洋: "数据挖掘技术在电信业务中的应用研究", 《万方学位论文数据库》, 30 June 2011 (2011-06-30) * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106791966A (zh) * | 2016-12-28 | 2017-05-31 | 武汉斗鱼网络科技有限公司 | 一种基于改进型关联规则的直播间推荐方法及系统 |
CN106791966B (zh) * | 2016-12-28 | 2019-11-15 | 武汉斗鱼网络科技有限公司 | 一种基于改进型关联规则的直播间推荐方法及系统 |
CN109033352B (zh) * | 2018-07-25 | 2021-02-02 | 中国联合网络通信集团有限公司 | 一种增值业务推荐方法及装置 |
CN109542410A (zh) * | 2018-11-29 | 2019-03-29 | 江苏满运软件科技有限公司 | 规则引擎系统、方法、设备及存储介质 |
CN109542410B (zh) * | 2018-11-29 | 2022-03-15 | 江苏满运软件科技有限公司 | 规则引擎系统、方法、设备及存储介质 |
CN109903093A (zh) * | 2019-02-27 | 2019-06-18 | 中国联合网络通信集团有限公司 | 通信营销方法及平台 |
CN113988722A (zh) * | 2021-12-28 | 2022-01-28 | 恒银金融科技股份有限公司 | 一种应用于综合自助设备的用户习惯自适应方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103177374B (zh) | 2016-04-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11960471B2 (en) | Using lineage to infer data quality issues | |
CN103177374B (zh) | 业务推荐方法和业务推荐系统 | |
Xu et al. | Integrated collaborative filtering recommendation in social cyber-physical systems | |
CN109522475B (zh) | 一种基于用户历史消费数据的商家推荐方法 | |
CN101990668B (zh) | 推荐信息生成装置和推荐信息生成方法 | |
Kanza et al. | Interactive route search in the presence of order constraints | |
US9384278B2 (en) | Methods and systems for assessing excessive accessory listings in search results | |
US11503033B2 (en) | Using one or more networks to assess one or more metrics about an entity | |
US9558273B2 (en) | System and method for generating influencer scores | |
EP3364309B1 (en) | Account mapping method and device based on address information | |
KR101565957B1 (ko) | 제품 피드 유사성을 사용하는 스팸 상인 발견 | |
WO2016155493A1 (zh) | 数据处理方法及装置 | |
US20130110835A1 (en) | Method for calculating proximities between nodes in multiple social graphs | |
Mashal et al. | Analysis of recommendation algorithms for Internet of Things | |
US20240211977A1 (en) | System and method for correlating and enhancing data obtained from distributed sources in a network of distributed computer systems | |
KR20180089479A (ko) | 사용자 데이터 공유 방법 및 디바이스 | |
CN114663158B (zh) | 确定目标对象的方法及标识关联图的构建方法、装置 | |
US20200151200A1 (en) | Feature transformation and missing values | |
US20150169794A1 (en) | Updating location relevant user behavior statistics from classification errors | |
AU2015218443A1 (en) | Itinerary estimation device and method, program, and information classification method | |
CN105786810A (zh) | 类目映射关系的建立方法与装置 | |
CN106611339B (zh) | 种子用户筛选方法、产品的用户影响力评价方法及装置 | |
US20180322125A1 (en) | Itemset determining method and apparatus, processing device, and storage medium | |
CN103514187B (zh) | 一种提供搜索结果的方法及装置 | |
US9305081B2 (en) | Information processing device |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |