CN106294779B - 一种个人品牌标签生成方法及系统 - Google Patents
一种个人品牌标签生成方法及系统 Download PDFInfo
- Publication number
- CN106294779B CN106294779B CN201610662313.2A CN201610662313A CN106294779B CN 106294779 B CN106294779 B CN 106294779B CN 201610662313 A CN201610662313 A CN 201610662313A CN 106294779 B CN106294779 B CN 106294779B
- Authority
- CN
- China
- Prior art keywords
- information
- personal
- related information
- target object
- personal brand
- 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.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 31
- 238000012545 processing Methods 0.000 claims abstract description 31
- 230000002996 emotional effect Effects 0.000 claims description 29
- 238000001914 filtration Methods 0.000 claims description 24
- 230000000694 effects Effects 0.000 claims description 6
- 230000008451 emotion Effects 0.000 claims description 6
- 238000011161 development Methods 0.000 abstract description 3
- 239000000969 carrier Substances 0.000 abstract 1
- 238000005516 engineering process Methods 0.000 description 8
- 230000010354 integration Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000013144 data compression Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 241000282376 Panthera tigris Species 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 210000000936 intestine Anatomy 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 230000006855 networking Effects 0.000 description 2
- 238000010422 painting Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 206010051602 Laziness Diseases 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000001149 cognitive effect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000001747 exhibiting effect Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
Images
Classifications
-
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/335—Filtering based on additional data, e.g. user or group profiles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/35—Clustering; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/10—Text processing
- G06F40/166—Editing, e.g. inserting or deleting
- G06F40/174—Form filling; Merging
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/205—Parsing
- G06F40/216—Parsing using statistical methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/284—Lexical analysis, e.g. tokenisation or collocates
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
-
- 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—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/01—Social networking
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Databases & Information Systems (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Artificial Intelligence (AREA)
- Data Mining & Analysis (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Strategic Management (AREA)
- Primary Health Care (AREA)
- Marketing (AREA)
- Economics (AREA)
- Computing Systems (AREA)
- Probability & Statistics with Applications (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明实施例提供的一种个人品牌标签生成方法,包括步骤:获取目标对象的相关信息;处理所述相关信息,获取所述目标对象的特征信息;用所述特征信息填充个人品牌标签模型,生成个人品牌标签。本发明实施例另一方面还提供了一种个人品牌标签生成系统。充分利用大数据及网络载体等获取目标对象的相关信息,通过对相关信息过滤、分类、分布概率统计、扩展等处理,生成对目标对象定位准确度较高的个人品牌标签,方便目标对象充分认识自己,树立个人品牌,促进个人发展。
Description
技术领域
本发明涉及个人品牌管理技术领域,具体而言,涉及一种个人品牌标签生成方法及系统。
背景技术
目前,我们常常花费越来越多时间在网络社交上,每分每秒网络上都会新增大量与个人形象相关的网络社交数据,因而,网络形象非常重要。如何快速、简洁地打造适合自己独特的线上线下形象成为当代人无法忽视的重要问题。想要打造“适合”的形象,即个人品牌,首先要明确个人特征及他人的看法。
个人品牌是指个人拥有的外在形象和内在涵养所传递的独特、鲜明、确定、易被感知的信息集合体;能够展现足以引起群体消费认知或消费模式改变的力量;具有整体性、长期性、稳定性的特性。目前,随着个人品牌理论和技术的初步应用,其实用性已得到肯定,但其具体实施方案仍需不断优化和完善。
发明内容
本发明正是基于上述问题,提出了一种可以快速、准确获取个人品牌信息的个人品牌标签生成方法及系统。
有鉴于此,本发明的一方面提出了一种个人品牌标签生成方法,包括步骤:
获取目标对象的相关信息;
处理所述相关信息,获取所述目标对象的特征信息;
用所述特征信息填充个人品牌标签模型,生成个人品牌标签。
步骤“获取目标对象的相关信息”具体包括:
获取所述目标对象的网络信息;
过滤及转换所述网络信息,生成所述相关信息。
步骤“处理所述相关信息”具体包括:
按照预设规则对所述相关信息分类;和/或
统计所述相关信息的分布概率;和/或
扩展所述相关信息。
步骤“用所述特征信息填充个人品牌标签模型,生成个人品牌标签”之前还包括:
建立及存储至少一所述个人品牌标签模型;
获取选定的一所述个人品牌标签模型。
步骤“用所述特征信息填充个人品牌标签模型,生成个人品牌标签”之后还包括:
根据所述个人品牌标签,生成个人品牌定位语。
本发明实施例另一方面提供了一种个人品牌标签生成系统,包括获取单元、处理单元和生成单元。
所述获取单元,用于获取目标对象的相关信息。
所述处理单元,用于处理所述相关信息,获取所述目标对象的特征信息。
所述生成单元,用于用所述特征信息填充个人品牌标签模型,生成个人品牌标签。
进一步地,所述获取单元包括获取模块和过滤模块,
所述获取模块,用于获取与所述目标对象相关的网络信息;
所述过滤模块,用于过滤及转换所述网络信息,生成所述相关信息。
进一步地,所述处理单元包括分类模块,和/或统计模块,和/或扩展模块,
所述分类模块,用于按照预设规则对所述相关信息分类;
所述统计模块,用于统计所述相关信息的分布概率;
所述扩展模块,用于扩展所述相关信息。
进一步地,还包括建模单元和选定单元,
所述建模单元,用于建立及存储至少一所述个人品牌标签模型;
所述选定单元,用于响应用户的输入操作获取用户选定的一所述个人品牌标签模型。
进一步地,还包括定位单元,所述定位单元用于根据所述个人品牌标签,生成个人品牌定位语。
本发明实施例提供的个人品牌标签生成方法及系统,充分利用大数据及网络载体等获取目标对象的相关信息,通过对相关信息过滤、分类、分布概率统计、扩展等处理,生成对目标对象定位准确度较高的个人品牌标签,方便目标对象充分认识自己,树立个人品牌,促进个人发展。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1示出了本发明实施例提供的一种个人品牌标签生成方法的第一流程示意图;
图2示出了本发明实施例提供的一种个人品牌标签生成方法的个人品牌标签模型的示意图;
图3示出了本发明实施例提供的一种个人品牌标签生成方法的第二流程示意图;
图4示出了本发明实施例提供的一种个人品牌标签生成系统的结构示意图。
主要元件符号说明:
100-个人品牌标签生成系统;10-获取单元;11-获取模块;12-过滤模块;20-处理单元;21-分类模块;22-统计模块;23-扩展模块;30-生成单元;41-建模单元;42-选定单元;50-定位单元;60-个人品牌标签模型;61-填充空格。
具体实施方式
为了便于理解本发明,下面将参照相关附图对个人品牌标签生成方法及系统进行更清楚、完整地描述。附图中给出了个人品牌标签生成方法及系统的优选实施例。个人品牌标签生成方法及系统可以通过许多不同的形式来实现,并不限于本文所描述的实施例。因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例1
图1示出了本发明实施例提供的一种个人品牌标签生成方法的流程示意图。个人品牌标签生成方法包括步骤:
步骤S10,获取目标对象的相关信息。
首先,通过多维度搜索获取与目标对象有关的网络信息。例如,通过数据爬虫技术对目标对象的微信、微博、QQ、知乎、论坛、博客、网站等进行信息收集,获取与目标对象相关的所有信息。所述网络信息可以是文字、图像、视频、语音等。所述网络信息通过WIFI等无线网络或4G等移动网络存储至云端服务器。所述网络信息通过WIFI等无线网络或4G等移动网络存储至云端服务器。所述网络信息包括个人基本信息、个性情感类信息、网络用语信息、专业领域信息、社交信息、活动信息等。
具体地,云端服务器根据各网络信息的价值度对网络信息进行过滤。云端服务器存储有一标准价值度,云端服务器过滤掉价值度低于标准价值度的网络信息,只保留价值度高于或等于标准价值度的网络信息。所述价值度可以根据获取的各网络信息的重复率高低判断,一网络信息的重复率越高,其价值度越高。当然,所述价值度可以选择其他判断方式,这里不做限制。
进一步地,云端服务器统一转换过滤后的各网络信息为文本格式。云端服务器通过图像处理、音频处理、视频处理等技术对过滤后各网络信息进行数据压缩、转码等,从而转换为文本格式的网络信息。所述网络信息经过滤及格式转换得到与目标对象有关的目标信息。
需要说明的是,在获取目标对象的相关信息之前需要获知该目标对象在各个社交平台的账号及密码信息,因而本实施例中,所述目标对象是指具有生成个人品牌标签意愿的个人,并不能随意的对任何人生成个人品牌标签,比较符合当前社会法制要求及人们隐私保护需求。
步骤S20,处理所述相关信息,获取所述目标对象的特征信息。
通过步骤S10发现,获取的相关信息具有一定的价值度,但此时的相关信息仍比较杂乱,需要对获取的相关信息进行分类、排序或扩展等处理,从而获取所述目标对象的特征信息。
优选地,本实施例中,对获取的相关信息按照预设规则进行分类。云端服务器存储有情感倾向词库、特征短语词库和专业领域词库。对应地,所述预设规则可以是对所述相关信息分别与所述情感倾向词库、所述特征短语词库和所述专业领域词库进行比对,根据所述相关信息分别与所述情感倾向词库、所述特征短语词库和所述专业领域词库的匹配情况,所述相关信息分为情感倾向类信息、特征短语类信息和专业领域类信息。所述情感倾向类信息为可以表征目标对象性格的信息,例如,内向、外向、稳重、活泼、独立、依赖、强势、随和等。所述特征短语类信息为可以表征目标对象为人处事、个人能力、兴趣爱好等的信息,例如,敬业、懒散、真诚、孝顺、表达能力强等。所述专业领域类信息为可以表征目标对象所属技术领域的信息,例如,企业家,资深营销,企业高管,媒体人,手艺人,画家等。
进一步地,本实施例中,统计获取的相关信息的分布概率。具体地,统计每一所述相关信息在所有获取的相关信息中的分布概率,例如,云端服务器共获取了100条目标对象的相关信息,其中与“重情重义”同义或相近的相关信息为30条,则“重情重义”相关信息的分布概率为30%。另一实施例中,对获取的相关信息分类后,统计每一所述相关信息在所有情感倾向类信息,或所有特征短语类信息,或所有专业领域类信息中的分布概率,例如,情感倾向类信息50条,特征短语类信息50条,其中,情感倾向类信息中与“独立”同义或相近的相关信息为10条,则“独立”相关信息的分布概率为20%;特征短语类信息中与“敬业”同义或相近的相关信息为20条,则“敬业”相关信息的分布概率为40%。
优选地,云端服务器存储有一概率阈值,云端服务器筛选分布概率不低于所述概率阈值的相关信息。或,云端服务器根据所述相关信息的分布概率,对所述相关信息进行排序,及筛选排序靠前的相关信息,所述排序靠前是指排序位置在云端服务器预设的顺序之前,从而进一步提高了对目标对象的个人品牌的定位准确度。
进一步地,本实施例中,扩展获取的相关信息。具体地,单次获取的与目标对象的网络信息或单纯从网络获取的信息,往往不够全面或对重点信息存在遗漏,难以对目标对象的个人品牌做出准确判断。通过目标对象,以及目标对象的朋友、家人等对所述相关信息进行补充,从而进一步优化个人品牌的定位准确度。
步骤S30,用所述特征信息填充个人品牌标签模型,生成个人品牌标签。
请一并参阅图2所示,个人品牌标签模型60可以是包括多个填充空格61的图片、名片等。云端服务器存储有至少一个人品牌标签模型60。个人品牌标签模型60的获取可以是通过Photoshop、Adobe Illustrator、InDesign等相关软件建立,也可以是对现有图片、名片等的修改等。个人品牌标签模型60中的任一所述填充空格61对应一个填充主题。与所述相关信息分类类别相对应地,所述填充主题包括情感倾向、特征短语和专业领域等主题。同一填充主题的填充空格的数目可以根据目标对象的需求自由设置。
获取目标对象等人选定的一个人品牌标签模型60。用所述特征信息填充选定的个人品牌标签模型60中对应的填充空格61,例如,如果所述特征信息为“坚强”,则填充至情感倾向填充空格61,从而生成最终的个人品牌标签。
实施例2
图3示出了本发明实施例提供的一种个人品牌标签生成方法的流程示意图。个人品牌标签生成方法包括步骤:
步骤S1,获取所述目标对象的网络信息。
通过多维度搜索获取与目标对象有关的网络信息。例如,通过数据爬虫技术对目标对象的微信、微博、QQ、知乎、论坛、博客、网站等进行信息收集,获取与目标对象相关的所有信息。所述网络信息可以是文字、图像、视频、语音等。所述网络信息通过WIFI等无线网络或4G等移动网络存储至云端服务器。所述网络信息包括个人基本信息、个性情感类信息、网络用语信息、专业领域信息、社交信息、活动信息等。
需要说明的是,在获取目标对象的相关信息之前需要获知该目标对象在各个社交平台的账号及密码信息,因而本实施例中,所述目标对象是指具有生成个人品牌标签意愿的个人,并不能随意的对任何人生成个人品牌标签,比较符合当前社会法制要求及人们隐私保护需求。
步骤S2,过滤及转换所述网络信息,生成所述相关信息。
具体地,云端服务器根据各网络信息的价值度对网络信息进行过滤。云端服务器存储有一标准价值度,云端服务器过滤掉价值度低于标准价值度的网络信息,只保留价值度高于或等于标准价值度的网络信息。所述价值度可以根据获取的各网络信息的重复率高低判断,一网络信息的重复率越高,其价值度越高。当然,所述价值度可以选择其他判断方式,这里不做限制。
进一步地,云端服务器统一转换过滤后的各网络信息为文本格式。云端服务器通过图像处理、音频处理、视频处理等技术对过滤后各网络信息进行数据压缩、转码等,从而转换为文本格式的网络信息。经过滤及转换后网络信息即为目标对象的相关信息。
步骤S3,按照预设规则对所述相关信息分类。
需要说明的是,本实施例中,步骤S3在步骤S4之前执行,另一实施例中,步骤S3、步骤S4及步骤S5的执行不分先后顺序。云端服务器存储有情感倾向词库、特征短语词库和专业领域词库。对应地,所述预设规则可以是对所述相关信息分别与所述情感倾向词库、所述特征短语词库和所述专业领域词库进行比对,根据所述相关信息分别与所述情感倾向词库、所述特征短语词库和所述专业领域词库的匹配情况,所述相关信息分为情感倾向类信息、特征短语类信息和专业领域类信息。
步骤S4,统计所述相关信息的分布概率。
具体地,统计每一所述相关信息在所有获取的相关信息中的分布概率。另一实施例中,对获取的相关信息分类后,统计每一所述相关信息在所有情感倾向类信息,或所有特征短语类信息,或所有专业领域类信息中的分布概率。
优选地,云端服务器存储有一概率阈值,云端服务器筛选分布概率不低于所述概率阈值的相关信息。或,云端服务器根据所述相关信息的分布概率,对所述相关信息进行排序,及筛选排序靠前的相关信息,所述排序靠前是指排序位置在云端服务器预设的顺序之前,从而进一步提高了对目标对象的个人品牌的定位准确度。
步骤S5,扩展所述相关信息。
具体地,单次获取的与目标对象的网络信息或单纯从网络获取的信息,往往不够全面或对重点信息存在遗漏难以对目标对象的个人品牌做出准确判断。通过目标对象,以及目标对象的朋友、家人等对所述相关信息进行补充,从而进一步优化个人品牌的定位准确度。
步骤S6,建立及存储至少一所述个人品牌标签模型。
需要说明的是,步骤S6只需要保证在步骤S7之前执行。
请一并参阅图2所示,个人品牌标签模型60可以是包括多个填充空格61的图片、名片等。云端服务器存储有至少一个人品牌标签模型60。个人品牌标签模型60的获取可以是通过Photoshop、Adobe Illustrator、InDesign等相关软件建立,也可以是对现有图片、名片等的修改等。个人品牌标签60中的任一所述填充空格61对应一个填充主题。与所述相关信息分类类别相对应地,所述填充主题包括情感倾向、特征短语和专业领域等主题。同一填充主题的填充空格的数目可以根据目标对象的需求自由设置。
步骤S7,获取选定的一所述个人品牌标签模型60。
步骤S8,用所述特征信息填充个人品牌标签模型60,生成个人品牌标签。
其中,步骤S8和步骤S30内容相同。
步骤S9,根据所述个人品牌标签,生成个人品牌定位语。
云端服务器根据存储的整合规则,对所述个人品牌标签中填充的目标对象的各个特征信息进行整合,从而生成个人品牌定位语。所述整合规则可以是对目标对象的各个特征信息按照不同组合顺序进行组合,及对组合结果的选定及优化。例如,特征信息为“重情重义”“家庭经济支持”“营销”“薛霞”,生成的初步的组合结果有“铁胆柔肠的营销侠女”、“营销江湖的义气侠女”等;选定组合结果“铁胆柔肠的营销侠女”,并对这一组合结果进行语句顺畅等优化,生成最终的个人品牌定位为“在坚毅中心软的营销侠女”。
所述个人品牌定位语是对个人品牌标签内容的进一步精简,例如“中国画虎第一人”、“全国最年轻省级商会会长”、“资深地产广告人”等。所述个人品牌定位语为目标对象的最有代表性的个人品牌信息,能够充分体现目标对象的核心价值,从而实现更好的个人品牌的定位、推销等。
实施例3
图4示出了本发明实施例提供的一种个人品牌标签生成系统的结构示意图。如图4所示,个人品牌标签生成系统100包括获取单元10,处理单元20和生成单元30。
获取单元10用于获取目标对象的相关信息。进一步地,获取单元10包括获取模块11和过滤模块12。
获取模块11用于获取与所述目标对象相关的网络信息。
获取模块11通过多维度搜索获取与目标对象有关的网络信息。例如,通过数据爬虫技术对目标对象的微信、微博、QQ、知乎、论坛、博客、网站等进行信息收集,获取与目标对象相关的所有信息。所述网络信息可以是文字、图像、视频、语音等。所述网络信息通过WIFI等无线网络或4G等移动网络存储至过滤模块12。所述网络信息经过滤及格式转换得到与目标对象有关的目标信息。所述网络信息包括个人基本信息、个性情感类信息、网络用语信息、专业领域信息、社交信息、活动信息等。
过滤模块12用于过滤及转换所述网络信息,生成所述相关信息。
具体地,过滤模块12根据各网络信息的价值度对网络信息进行过滤。过滤模块12存储有一标准价值度,过滤模块12过滤掉价值度低于标准价值度的网络信息,只保留价值度高于或等于标准价值度的网络信息。所述价值度可以根据获取的各网络信息的重复率高低判断,一网络信息的重复率越高,其价值度越高。当然,所述价值度可以选择其他判断方式,这里不做限制。
进一步地,过滤模块12统一转换过滤后的各网络信息为文本格式。过滤模块12通过图像处理、音频处理、视频处理等技术对过滤后各网络信息进行数据压缩、转码等,从而转换为文本格式的网络信息。经过滤及转换后网络信息即为目标对象的相关信息。
处理单元20用于处理所述相关信息,获取所述目标对象的特征信息。进一步地,处理单元20包括分类模块21,和/或统计模块22,和/或扩展模块23。
分类模块21用于按照预设规则对所述相关信息分类。
分类模块21存储有情感倾向词库、特征短语词库和专业领域词库。对应地,所述预设规则可以是对所述相关信息分别与所述情感倾向词库、所述特征短语词库和所述专业领域词库进行比较,分类模块21根据所述相关信息分别与所述情感倾向词库、所述特征短语词库和所述专业领域词库的匹配情况,分类模块21分类所述相关信息为情感倾向类信息、特征短语类信息和专业领域类信息。
统计模块22用于统计所述相关信息的分布概率。
具体地,统计模块22统计每一所述相关信息在所有获取的相关信息中的分布概率,例如,获取单元10共获取了100条目标对象的相关信息,其中与“重情重义”同义或相近的相关信息为30条,则“重情重义”相关信息的分布概率为30%。另一实施例中,对分类模块21对获取的相关信息分类后,统计模块22统计每一所述相关信息在所有情感倾向类信息,或所有特征短语类信息,或所有专业领域类信息中的分布概率。
优选地,统计模块22存储有一概率阈值,统计模块22筛选分布概率不低于所述概率阈值的相关信息。或,统计模块22根据所述相关信息的分布概率,对所述相关信息进行排序,及筛选排序靠前的相关信息,所述排序靠前是指排序位置在预设顺序之前,从而进一步提高了对目标对象的个人品牌的定位准确度。
扩展模块23用于扩展所述相关信息。
具体地,单次获取的与目标对象的网络信息或单纯从网络获取的信息,往往不够全面或对重点信息存在遗漏难以对目标对象的个人品牌做出准确判断。扩展模块23通过目标对象,以及目标对象的朋友、家人等对所述相关信息进行补充,从而进一步优化个人品牌的定位准确度。
个人品牌标签生成系统100还包括建模单元41和选定单元42。
建模单元41用于建立及存储至少一所述个人品牌标签模型。
请一并参阅图2所示,个人品牌标签模型60可以是包括多个填充空格61的图片、名片等。建模单元41存储有至少一个人品牌标签模型60。建模单元41通过Photoshop、AdobeIllustrator、InDesign等相关软件建立个人品牌标签模型60,或对现有图片、名片等的修改获取个人品牌标签模型60。建模单元41存储个人品牌标签模型60。
选定单元42用于响应用户的输入操作获取用户选定的一所述个人品牌标签模型。
生成单元30用于用所述特征信息填充个人品牌标签模型60,生成个人品牌标签。生成单元30用所述特征信息填充选定的个人品牌标签模型60中对应的填充空格61。
个人品牌标签生成系统100还包括定位单元50。
定位单元50用于根据所述个人品牌标签,生成个人品牌定位语。
定位单元50根据存储的整合规则,对所述个人品牌标签中填充的目标对象的各个特征信息进行整合,从而生成个人品牌定位语。所述整合规则可以是对目标对象的各个特征信息按照不同组合顺序进行组合,及对组合结果的选定及优化。
所述个人品牌定位语是对个人品牌标签内容的进一步精简,例如“中国画虎第一人”、“全国最年轻省级商会会长”、“资深地产广告人”等。所述个人品牌定位语为目标对象的最有代表性的个人品牌信息,能够充分体现目标对象的核心价值,从而实现更好的个人品牌的定位、推销等。
本发明实施例提供的个人品牌标签生成方法及系统,充分利用大数据及网络载体等获取目标对象的相关信息,通过对相关信息过滤、分类、分布概率统计、扩展等处理,生成对目标对象定位准确度较高的个人品牌标签,方便目标对象充分认识自己,树立个人品牌,促进个人发展。
本发明实施例所提供的系统,其实现原理及产生的技术效果和前述方法实施例相同,为简要描述,系统实施例部分未提及之处,可参考前述方法实施例中相应内容。
在这里示出和描述的所有示例中,任何具体值应被解释为仅仅是示例性的,而不是为限制,因此,示例性实施例的其他示例可以具有不同的值。应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,又例如,多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述为分离部件说明的单元可以是或者也可以不是物理上分开的,为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应所述以权利要求的保护范围为准。
Claims (6)
1.一种个人品牌标签生成方法,其特征在于,包括步骤:
获取目标对象的相关信息;所述目标对象是指具有生成个人品牌标签意愿的个人;
处理所述相关信息,获取所述目标对象的特征信息;所述相关信息为与所述目标对象有关的网络信息;所述网络信息包括个人基本信息、个人情感类信息、网络用语信息、专业领域信息、社交信息以及活动信息;
用所述特征信息填充个人品牌标签模型,生成个人品牌标签;
根据所述个人品牌标签,生成个人品牌定位语;
其中,处理所述相关信息,包括:
按照预设规则对所述相关信息分类;所述预设规则为对所述相关信息分别与情感倾向词库、特征短语词库以及专业领域词库进行比对,根据所述相关信息分别与所述情感倾向词库、所述特征短语词库以及所述专业领域词库的匹配情况,将所述相关信息分为情感倾向类信息、特征短语信息和专业领域信息;和/或
统计所述相关信息的分布概率;和/或
拓展所述相关信息;
所述个人品牌标签模型中的任一填充空格对应一个填充主题,所述填充主题与所述相关信息的分类类别相对应,包括:情感倾向类主题、特征短语主题和专业领域主题。
2.根据权利要求1所述的个人品牌标签生成方法,其特征在于,所述步骤“获取目标对象的相关信息”具体包括:
获取所述目标对象的网络信息;
过滤及转换所述网络信息,生成所述相关信息。
3.根据权利要求1所述的个人品牌标签生成方法,其特征在于,在所述步骤“用所述特征信息填充个人品牌标签模型,生成个人品牌标签”之前还包括:
建立及存储至少一所述个人品牌标签模型;
获取选定的一所述个人品牌标签模型。
4.一种个人品牌标签生成系统,其特征在于,包括获取单元、处理单元、生成单元以及定位单元,
所述获取单元,用于获取目标对象的相关信息;所述目标对象是指具有生成个人品牌标签意愿的个人;
所述处理单元,用于处理所述相关信息,获取所述目标对象的特征信息;所述相关信息为与所述目标对象有关的网络信息;所述网络信息包括个人基本信息、个人情感类信息、网络用语信息、专业领域信息、社交信息以及活动信息
所述生成单元,用于用所述特征信息填充个人品牌标签模型,生成个人品牌标签;
所述定位单元,用于所述定位单元用于根据所述个人品牌标签,生成个人品牌定位语;
其中,所述处理单元包括分类模块,和/或统计模块,和/或扩展模块;
所述分类模块,用于按照预设规则对所述相关信息分类;所述预设规则为对所述相关信息分别与情感倾向词库、特征短语词库以及专业领域词库进行比对,根据所述相关信息分别与所述情感倾向词库、所述特征短语词库以及所述专业领域词库的匹配情况,将所述相关信息分为情感倾向类信息、特征短语信息和专业领域信息;
所述统计模块,用于统计所述相关信息的分布概率;
所述扩展模块,用于扩展所述相关信息,
所述个人品牌标签模型中的任一填充空格对应一个填充主题,所述填充主题与所述相关信息的分类类别相对应,包括:情感倾向类主题、特征短语主题和专业领域主题。
5.根据权利要求4所述的个人品牌标签生成系统,其特征在于,所述获取单元包括获取模块和过滤模块,
所述获取模块,用于获取与所述目标对象相关的网络信息;
所述过滤模块,用于过滤及转换所述网络信息,生成所述相关信息。
6.根据权利要求4所述的个人品牌标签生成系统,其特征在于,还包括建模单元和选定单元,
所述建模单元,用于建立及存储至少一所述个人品牌标签模型;
所述选定单元,用于响应用户的输入操作获取用户选定的一所述个人品牌标签模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610662313.2A CN106294779B (zh) | 2016-08-12 | 2016-08-12 | 一种个人品牌标签生成方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610662313.2A CN106294779B (zh) | 2016-08-12 | 2016-08-12 | 一种个人品牌标签生成方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106294779A CN106294779A (zh) | 2017-01-04 |
CN106294779B true CN106294779B (zh) | 2020-03-17 |
Family
ID=57669704
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610662313.2A Expired - Fee Related CN106294779B (zh) | 2016-08-12 | 2016-08-12 | 一种个人品牌标签生成方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106294779B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107885784A (zh) * | 2017-10-17 | 2018-04-06 | 北京京东尚科信息技术有限公司 | 提取用户特征数据的方法和装置 |
CN112307298B (zh) * | 2019-07-23 | 2023-11-07 | 上海应帆数字科技有限公司 | 个人品牌标签的生成方法及其装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1714359A (zh) * | 2002-12-16 | 2005-12-28 | 株式会社电通 | 品牌动态评价信息处理装置以及方法 |
CN1720546A (zh) * | 2003-01-17 | 2006-01-11 | 株式会社电通 | 品牌沟通战略方案制作支援装置 |
CN103488635A (zh) * | 2012-06-11 | 2014-01-01 | 腾讯科技(深圳)有限公司 | 一种获取产品信息的方法及装置 |
CN104951434A (zh) * | 2015-07-10 | 2015-09-30 | 沃民高新科技(北京)股份有限公司 | 品牌情绪的确定方法和装置 |
-
2016
- 2016-08-12 CN CN201610662313.2A patent/CN106294779B/zh not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1714359A (zh) * | 2002-12-16 | 2005-12-28 | 株式会社电通 | 品牌动态评价信息处理装置以及方法 |
CN1720546A (zh) * | 2003-01-17 | 2006-01-11 | 株式会社电通 | 品牌沟通战略方案制作支援装置 |
CN103488635A (zh) * | 2012-06-11 | 2014-01-01 | 腾讯科技(深圳)有限公司 | 一种获取产品信息的方法及装置 |
CN104951434A (zh) * | 2015-07-10 | 2015-09-30 | 沃民高新科技(北京)股份有限公司 | 品牌情绪的确定方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN106294779A (zh) | 2017-01-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Bernard | Theory of the Hashtag | |
CN106886518B (zh) | 一种微博账号分类的方法 | |
CN106227786B (zh) | 用于推送信息的方法和装置 | |
CN105512326B (zh) | 一种图片推荐的方法及系统 | |
US20180293505A1 (en) | Method for clustering nodes of a textual network taking into account textual content, computer-readable storage device and system implementing said method | |
CN104572735B (zh) | 一种图片标注词推荐方法及装置 | |
CN111797210A (zh) | 基于用户画像的信息推荐方法、装置、设备及存储介质 | |
CN104077417B (zh) | 社交网络中的人物标签推荐方法和系统 | |
CN104794145B (zh) | 基于内容和关系距离来连接人们 | |
CN103778260A (zh) | 一种个性化微博信息推荐系统和方法 | |
CN106354818B (zh) | 基于社交媒体的动态用户属性提取方法 | |
CN104951542A (zh) | 识别社交短文本类别的方法、分类模型训练方法及装置 | |
CN105094775B (zh) | 网页生成方法和装置 | |
CN106776760B (zh) | 应用于智能终端的搜题方法及装置 | |
CN110503459A (zh) | 基于大数据的用户信用度评估方法、装置及存储介质 | |
US11574123B2 (en) | Content analysis utilizing general knowledge base | |
CN111782825A (zh) | 知识库构建方法及装置 | |
CN106294779B (zh) | 一种个人品牌标签生成方法及系统 | |
CN106462933A (zh) | 使用内容结构来社交地连接用户 | |
CN110363206A (zh) | 数据对象的聚类、数据处理及数据识别方法 | |
Cui et al. | Personalized microblog recommendation using sentimental features | |
CN111222000B (zh) | 一种基于图卷积神经网络的图像分类方法及系统 | |
JP2014099045A (ja) | プロフィール推定装置、方法、及びプログラム | |
Bødker et al. | Journalism and the circulation of communicative objects | |
CN110955778A (zh) | 一种基于差分隐私联合学习的垃圾短信识别方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20200317 Termination date: 20200812 |
|
CF01 | Termination of patent right due to non-payment of annual fee |