CN107292646A - 一种生成业务的方法和装置 - Google Patents
一种生成业务的方法和装置 Download PDFInfo
- Publication number
- CN107292646A CN107292646A CN201610201368.3A CN201610201368A CN107292646A CN 107292646 A CN107292646 A CN 107292646A CN 201610201368 A CN201610201368 A CN 201610201368A CN 107292646 A CN107292646 A CN 107292646A
- Authority
- CN
- China
- Prior art keywords
- user
- business
- sample data
- sparse matrix
- multidimensional
- 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.)
- Pending
Links
Classifications
-
- 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0282—Rating or review of business operators or products
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
Abstract
本发明实施例公开了一种生成业务的方法,该方法包括:对用户进行采样,获得第一用户的多维样本数据,基于所述第一用户的多维样本数据,确定出与所述第一用户的相似度满足预设条件的第二用户,基于所述第二用户的已订购业务,确定针对所述第一用户的待推荐业务。本发明实施例还同时公开了一种生成业务的装置。
Description
技术领域
本发明涉及通信技术领域,尤其涉及一种生成业务的方法和装置。
背景技术
在通信技术领域中,运营商为了提高业务范围,通常会通过很多种方法来挖掘潜在客户,当前针对于第四代移动通信技术(4G,the 4th Generation mobilecommunication)换机潜在客户识别有很多方法,比较主流的有两种,一种是基于多模型算法对比,选择最优的模型算法,一种是基于终端生命周期的挖掘算法;
现有技术的方案中基于多模型算法和挖掘算法模型,由于考虑的因素单一或者较少,使得为用户终端确定的待推荐业务的精准性较低,导致业务的提升度较低。
由此看出,现有技术中存在为用户终端确定的待推荐业务的精准性较低的技术问题。
发明内容
有鉴于此,本发明实施例期望提供一种生成业务的方法和装置,以解决现有技术中存在的为用户终端确定的待推荐业务的精准性较低的技术问题,提高了针对不同用户确定的待推荐业务的精准性,进而提高外呼业务的提升度。
为达到上述目的,本发明的技术方案是这样实现的:
第一方面,本发明实施例提供一种生成业务的方法,包括:对用户进行采样,获得第一用户的多维样本数据,基于所述第一用户的多维样本数据,确定出与所述第一用户的相似度满足预设条件的第二用户,基于所述第二用户的已订购业务,确定针对所述第一用户的待推荐业务。
进一步地,所述基于所述第一用户的多维样本数据,确定出与所述第一用户相似度满足预设条件的第二用户,包括:对所述用户进行采样,获得第三用户的多维样本数据,对所述第一用户的多维样本数据和第三用户的多维样本数据进行处理,得到所述第一用户的稀疏矩阵和所述第三用户的稀疏矩阵,基于所述第一用户的稀疏矩阵和所述第三用户的稀疏矩阵,计算所述第三用户与所述第一用户的相似度,并将所述相似度满足预设条件的第三用户确定为所述第二用户。
进一步地,所述对所述第一用户的多维样本数据和第三用户的多维样本数据进行处理,得到所述第一用户的稀疏矩阵和所述第三用户的稀疏矩阵,包括:分别对所述第一用户的多维样本数据和所述第三用户的多维样本数据进行离散化和二值化,得到所述第一用户的稀疏矩阵和所述第三用户的稀疏矩阵。
进一步地,所述基于所述满足预设条件的第二用户的已订购业务,确定针对所述第一用户的待推荐业务,包括:从所述第二用户的已订购业务中所述第一用户未订购的业务确定为所述待推荐业务;或者,将所述第二用户的已订购业务中出现频率满足预设值且所述第一用户未订购的业务确定为所述待推荐业务。
进一步地,所述对用户进行采样,获得第一用户的样本数据,包括:获得所有用户的用户数据,按照预设规则进行采用,获得用户采样数据,基于所述用户采样数据,从所有用户中确定出所述第一用户,并获得所述第一用户的多维样本数据。
第二方面,本发明实施例提供一种生成业务的装置,包括:获取模块,用于对用户进行采样,获得第一用户的多维样本数据,处理模块,用于基于所述第一用户的多维样本数据,确定出与所述第一用户的相似度满足预设条件的第二用户,确定模块,用于基于所述第二用户的已订购业务,确定针对所述第一用户的待推荐业务。
进一步地,所述处理模块包括:获取子模块,用于对所述用户进行采样,获得第三用户的多维样本数据,处理子模块,用于对所述第一用户的多维样本数据和第三用户的多维样本数据进行处理,得到所述第一用户的稀疏矩阵和所述第三用户的稀疏矩阵,确定子模块,用于基于所述第一用户的稀疏矩阵和所述第三用户的稀疏矩阵,计算所述第三用户与所述第一用户的相似度,并将所述相似度满足预设条件的第三用户确定为所述第二用户。
进一步地,所述处理子模块具体用于:分别对所述第一用户的多维样本数据和所述第三用户的多维样本数据进行离散化和二值化,得到所述第一用户的稀疏矩阵和所述第三用户的稀疏矩阵。
进一步地,所述确定模块具体用于:从所述第二用户的已订购业务中所述第一用户未订购的业务确定为所述待推荐业务;或者,将所述第二用户的已订购业务中出现频率满足预设值且所述第一用户未订购的业务确定为所述待推荐业务。
进一步地,所述获取模块具体用于:获得所有用户的用户数据,按照预设规则进行采用,获得用户采样数据,基于所述用户采样数据,从所有用户中确定出所述第一用户,并获得所述第一用户的多维样本数据。
本发明实施例所提供的生成业务的方法和装置,首先,生成业务的装置对用户进行采样,获得第一用户的多维样本数据,然后,基于第一用户的多维样本数据,确定出与第一用户相似度满足预设条件的第二用户,最后,基于第二用户的已订购业务,确定针对第一用户的待推荐业务;这样,生成业务的装置对多维样本数据进行处理,并针对与第一用户的相似度来筛选出满足预设条件的第二用户,使得针对第一用户的待推荐业务是以与第一用户的相似度为基础确定出来的,进而可以解决现有技术中存在的为用户终端确定的待推荐业务的精准性较低的技术问题,提高了针对不同用户确定的待推荐业务的精准性,进而提高外呼业务的提升度。
附图说明
图1为本发明实施例中的生成业务的方法的流程示意图;
图2为本发明实施例中的生成业务的方法的一种优选的实施例的流程示意图;
图3为本发明实施例中的生成业务的装置的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述。
本发明实施例提供一种生成业务的方法,图1为本发明实施例中的生成业务的方法的流程示意图,参考图1所示,该方法包括:
S101:对用户进行采样,获得第一用户的多维样本数据;
上述第一用户可以为某一运营商的终端用户,上述运营商可以包括:移动、联通和电信等,上述多维样本数据可以包括:终端参数信息、合约优惠信息、上网体验信息、电商网站的浏览信息、增值业务的使用信息和社交通讯使用信息等,但本发明不做具体限定。
在另一实施例中,为了获取到具有推荐价值的终端用户,在获取第一用户的多维样本数据中,S101可以包括:
获得所有用户的用户数据,按照预设规则进行采用,获得用户采样数据,基于用户采样数据,从所有用户中确定出第一用户,并获得第一用户的多维样本数据。
具体来说,在获得所有用户的用户数据之后,为了剔除掉一些没有推荐价值的用户,按照预设规则进行采用,获得用户采样数据可以包括:针对获得到的所有用户的用户数据,删除如下用户:入网时长小于等于3个月的用户(从入网当月即为第1月),通话记录、短信记录和上网记录为零或者使用率极低的用户,样本数据不完整或者有缺失的用户,欠费停机等非正常状态的用户,公免测试用等特殊用户等。
通过从获得到的所有用户中删除掉这些没有推荐价值的用户,获得用户采样数据之后,以运营商是为了向换机用户推荐业务为例来说,运营商可以设置第一用户为第n月的用户在第(n+1)月有过参加合约购机或者自然更换终端的用户,根据运营商针对第一用户的设置条件筛选出第一用户之后,便获得到了第一用户的多维样本数据;
通过上述方法获取第一用户的多维采样数据,筛选出的第一用户更具有推荐价值,进而使得为第一用户生成待推荐业务的精准性更高。
S102:基于第一用户的多维样本数据,确定出与第一用户的相似度满足预设条件的第二用户;
在另一实施例中,在获取到第一用户的多维样本数据之后,可以通过相似度来查找与第一用户相似度满足预设条件的第二用户,图2为本发明实施例中的生成业务的方法的一种优选的实施例的流程示意图,参考图2所示,S102可以包括:
S21:对用户进行采样,获得第三用户的多维样本数据;
S22:对第一用户的多维样本数据和第三用户的多维样本数据进行处理,得到第一用户的稀疏矩阵和第三用户的稀疏矩阵;
S23:基于第一用户的稀疏矩阵和第三用户的稀疏矩阵,计算第三用户与第一用户的相似度,并将相似度满足预设条件的第三用户确定为第二用户。
在S21中,在对用户进行采样之后,为了剔除掉一些没有参考价值的用户,获得第三用户的多维样本数据可以包括:针对获得到的用户的采样数据,删除如下用户:入网时长小于等于3个月的用户(从入网当月即为第1月),通话记录、短信记录和上网记录为零或者使用率极低的用户,样本数据不完整或者有缺失的用户,欠费停机等非正常状态的用户,公免测试用等特殊用户等,通过从获得到的用户的采样数据中删除掉这些对于第一用户没有参考价值的用户,从而获得第三用户的多维样本数据,还是以运营商是为了向换机用户推荐业务为例来说,运营商可以设置第三用户为第n月的用户在第(n+1)月份没有任何更换终端动作的用户,根据运营商针对第三用户的设置条件筛选出第三用户;
这里,需要说明的是,第一用户与第三用户的比例可以根据实际情况来进行设置,例如,第一用户与第三用户比例为(1:1.5~3)倍,这样通过参考适当比例的第三用户,可以进一步提高生成待推荐业务的精确度;
在另一实施例中,为了得到第一用户的稀疏矩阵和第三用户的稀疏矩阵,S22可以包括:分别对第一用户的多维样本数据和第三用户的多维样本数据进行离散化和二值化,得到第一用户的稀疏矩阵和第三用户的稀疏矩阵。
以终端的屏幕大小为例来说,首先,对每个用户的屏幕大小进行统计,如下面表1所示,根据屏幕大小的类型建立矩阵,并对每个用户的屏幕大小进行判断,在矩阵中,在判断屏幕大小是否为3寸时,如果该用户的屏幕大小为3寸,则将1写入该矩阵的对应项中,如果该用户的屏幕大小不为3寸,则将0写入该矩阵的对应项中,依次类推,形成每个用户的稀疏矩阵,如下面表2所示;
用户ID | 屏幕大小(寸) |
张三 | 4.7 |
李四 | 5 |
赵五 | 4 |
表1
用户ID | 是否3寸 | 是否3.5寸 | 是否4寸 | 是否4.7寸 | 是否5寸 |
张三 | 0 | 0 | 0 | 1 | 0 |
李四 | 0 | 0 | 0 | 0 | 1 |
赵五 | 0 | 0 | 1 | 0 | 0 |
表2
则张三的稀疏矩阵C1如下:
C1=[0 0 0 1 0] (1)
则李四的稀疏矩阵C2如下:
C2=[0 0 0 0 1] (2)
则赵五的稀疏矩阵C3如下:
C3=[0 0 1 0 0] (3)
在S23中,在得到第一用户的稀疏矩阵和第三用户的稀疏矩阵之后,可以根据每个用户的稀疏矩阵的不同选择不同的算法来计算第三用户与第一用户的相似度;
目前较多使用的相似度算法有余弦算法(Cosine)和皮尔逊算法(Person)。
其中,在Cosine中,用户间的相似度是通过计算两个用户的矩阵数据之间的余弦夹角而得到的,设用户i和用户j在n维矩阵中分别表示为向量i,j,则用户i和用户j之间的相似度sim(i,j)具体通过下面的公式(3)来计算:
其中,上述公式(3)中的分子为两个用户向量的内积,分母为两个向量模的乘积;在Cosine中还可以通过下面的公式(4)来计算用户间的相似度:
其中,Ri,u表示用户i对样本数据u的矩阵数据,Rj,u表示用户j对样本数据u的矩阵数据,Ui,j表示用户i和用户j共同的样本数据u的矩阵。
在Person中,计算用户A和用户B之间的相似度可以通过下面的公式(5)和公式(6)来计算:
其中,Avgx表示用户X的平均值,Scoz∈A-AvgA、Scoz∈B-AvgB表示平均差值,Z表示用户A和用户B中的同一样本数据。
在计算得到用户的相似度之后,根据相似度值的大小进行降序排序,选取出满足预设阈值的相似度值对应的用户为第二用户,这样,便可以确定出能够对第一用户来说具有参考价值的第二用户。
S103:基于第二用户的已订购业务,确定针对第一用户的待推荐业务。
上述确定针对第一用户的待推荐业务主要使用的是Top-N推荐算法和关联推荐算法;
在另一实施例中,为了为第一用户确定出更加精确的待推荐业务,S103可以包括:从第二用户的已订购业务中第一用户未订购的业务确定为待推荐业务;或者,将第二用户的已订购业务中出现频率满足预设值且第一用户未订购的业务确定为待推荐业务。
具体来说,通过对第二用户的已订购的业务进行统计发现,D业务是第一用户未订购的业务,则将D业务推荐给第一用户,E业务是第二用户中出现频率达到预设值且第一用户未订购的业务,在将E业务推荐给第一用户;
另外,关联推荐算法是对第二用户已订购的业务进行关联规则挖掘,通过关联推荐算法可以确定出不同的业务之间的相关性,从而确定出第二用户中已订购业务中的关联业务且该关联业务是第一用户未订购的业务,将该关联业务推荐给第一用户。
本发明实施例所提供的生成业务的方法,首先,生成业务的装置对用户进行采样,获得第一用户的多维样本数据,然后,基于第一用户的多维样本数据,确定出与第一用户相似度满足预设条件的第二用户,最后,基于第二用户的已订购业务,确定针对第一用户的待推荐业务;这样,生成业务的装置对多维样本数据进行处理,并针对与第一用户的相似度来筛选出满足预设条件的第二用户,使得针对第一用户的待推荐业务是以与第一用户的相似度为基础确定出来的,进而可以解决现有技术中存在的为用户终端确定的待推荐业务的精准性较低的技术问题,提高了针对不同用户确定的待推荐业务的精准性,进而提高外呼业务的提升度。
基于同一发明构思,本发明提供一种生成业务的装置,图3为本发明实施例中的生成业务的装置的结构示意图,参考图3所示,该装置包括:获取模块31,处理模块32和确定模块33;
其中,获取模块31,用于对用户进行采样,获得第一用户的多维样本数据,处理模块32,用于基于第一用户的多维样本数据,确定出与第一用户的相似度满足预设条件的第二用户,确定模块33,用于基于第二用户的已订购业务,确定针对第一用户的待推荐业务。
上述第一用户可以为某一运营商的终端用户,上述运营商可以包括:移动、联通和电信等,上述多维样本数据可以包括:终端参数信息、合约优惠信息、上网体验信息、电商网站的浏览信息、增值业务的使用信息和社交通讯使用信息等,但本发明不做具体限定。
在另一实施例中,为了获取到具有推荐价值的终端用户,在获取第一用户的多维样本数据中,上述获取模块31具体用于:获得所有用户的用户数据,按照预设规则进行采用,获得用户采样数据,基于用户采样数据,从所有用户中确定出第一用户,并获得第一用户的多维样本数据。
具体来说,在获得所有用户的用户数据之后,为了剔除掉一些没有推荐价值的用户,按照预设规则进行采用,获得用户采样数据可以包括:针对获得到的所有用户的用户数据,删除如下用户:入网时长小于等于3个月的用户(从入网当月即为第1月),通话记录、短信记录和上网记录为零或者使用率极低的用户,样本数据不完整或者有缺失的用户,欠费停机等非正常状态的用户,公免测试用等特殊用户等。
通过从获得到的所有用户中删除掉这些没有推荐价值的用户,获得用户采样数据之后,以运营商是为了向换机用户推荐为例来说,运营商可以设置第一用户为第n月的用户在第(n+1)月有过参加合约购机或者自然更换终端的用户,根据运营商针对第一用户的设置条件筛选出第一用户之后,便获得到了第一用户的多维样本数据;
通过上述获取模块31获取第一用户的多维采样数据,筛选出的第一用户更具有推荐价值,进而使得为第一用户生成待推荐业务的精准性更高。
在另一实施例中,在获取到第一用户的多维样本数据之后,可以通过相似度来查找与第一用户相似度满足预设条件的第二用户,上述处理模块32可以包括:获取子模块、处理子模块和确定子模块;其中,获取子模块,用于对用户进行采样,获得第三用户的多维样本数据,处理子模块,用于对第一用户的多维样本数据和第三用户的多维样本数据进行处理,得到第一用户的稀疏矩阵和第三用户的稀疏矩阵,确定子模块,用于基于第一用户的稀疏矩阵和第三用户的稀疏矩阵,计算第三用户与第一用户的相似度,并将相似度满足预设条件的第三用户确定为第二用户。
在获取子模块中,在对用户进行采样之后,为了剔除掉一些没有参考价值的用户,获得第三用户的多维样本数据可以包括:针对获得到的用户的采样数据,删除如下用户:入网时长小于等于3个月的用户(从入网当月即为第1月),通话记录、短信记录和上网记录为零或者使用率极低的用户,样本数据不完整或者有缺失的用户,欠费停机等非正常状态的用户,公免测试用等特殊用户等,通过从获得到的用户的采样数据中删除掉这些对于第一用户没有参考价值的用户,从而获得第三用户的多维样本数据,还是以运营商是为了向换机用户推荐业务为例来说,运营商可以设置第三用户为第n月的用户在第(n+1)月份没有任何更换终端动作的用户,根据运营商针对第三用户的设置条件筛选出第三用户;
这里,需要说明的是,第一用户与第三用户的比例可以根据实际情况来进行设置,例如,第一用户与第三用户比例为(1:1.5~3)倍,这样通过参考适当比例的第三用户,可以进一步提高生成待推荐业务的精确度;
在另一实施例中,上述处理子模块具体用于:分别对第一用户的多维样本数据和第三用户的多维样本数据进行离散化和二值化,得到第一用户的稀疏矩阵和第三用户的稀疏矩阵。
以终端的屏幕大小为例来说,首先,对每个用户的屏幕大小进行统计,如上述表1所示,根据屏幕大小的类型建立矩阵,并对每个用户的屏幕大小进行判断,在矩阵中,在判断屏幕大小是否为3寸时,如果该用户的屏幕大小为3寸,则将1写入该矩阵的对应项中,如果该用户的屏幕大小不为3寸,则将0写入该矩阵的对应项中,依次类推,形成每个用户的稀疏矩阵,如上述表2所示;
则张三的稀疏矩阵C1如上述矩阵(1)所示,则李四的稀疏矩阵C2如上述矩阵(2)所示,则赵五的稀疏矩阵C3如上述矩阵(3)所示。
在确定子模块中,在得到第一用户的稀疏矩阵和第三用户的稀疏矩阵之后,可以根据每个用户的稀疏矩阵的不同选择不同的算法来计算第三用户与第一用户的相似度;
目前较多使用的相似度算法有余弦算法(Cosine)和皮尔逊算法(Person)。
其中,在Cosine中,用户间的相似度是通过计算两个用户的矩阵数据之间的余弦夹角而得到的,则用户i和用户j之间的相似度具体通过上述公式(3)来计算,在Cosine中还可以通过上述公式(4)来计算用户间的相似度;
在Person中,计算用户A和用户B之间的相似度可以通过上述公式(5)和上述公式(6)来计算;
在计算得到用户的相似度之后,根据相似度值的大小进行降序排序,选取出满足预设阈值的相似度值对应的用户为第二用户,这样,便可以确定出能够对第一用户来说具有参考价值的第二用户。
在另一实施例中,上述确定模块33具体用于:从第二用户的已订购业务中第一用户未订购的业务确定为待推荐业务;或者,将第二用户的已订购业务中出现频率满足预设值且第一用户未订购的业务确定为待推荐业务。
上述确定针对第一用户的待推荐业务主要使用的是Top-N推荐算法和关联推荐算法;具体来说,通过对第二用户的已订购的业务进行统计发现,D业务是第一用户未订购的业务,则将D业务推荐给第一用户,E业务是第二用户中出现频率达到预设值且第一用户未订购的业务,在将E业务推荐给第一用户;
另外,关联推荐算法是对第二用户已订购的业务进行关联规则挖掘,通过关联推荐算法可以确定出不同的业务之间的相关性,从而确定出第二用户中已订购业务中的关联业务且该关联业务是第一用户未订购的业务,将该关联业务推荐给第一用户。
本发明实施例所提供的生成业务的装置,首先,获取模块31对用户进行采样,获得第一用户的多维样本数据,然后,处理模块32基于第一用户的多维样本数据,确定出与第一用户相似度满足预设条件的第二用户,最后,确定模块33基于第二用户的已订购业务,确定针对第一用户的待推荐业务;这样,生成业务的装置对多维样本数据进行处理,并针对与第一用户的相似度来筛选出满足预设条件的第二用户,使得针对第一用户的待推荐业务是以与第一用户的相似度为基础确定出来的,进而可以解决现有技术中存在的为用户终端确定的待推荐业务的精准性较低的技术问题,提高了针对不同用户确定的待推荐业务的精准性,进而提高外呼业务的提升度。
这里需要指出的是:以上装置实施例项的描述,与上述方法描述是类似的,具有同方法实施例相同的有益效果,因此不做赘述。对于本发明装置实施例中未披露的技术细节,本领域的技术人员请参照本发明方法实施例的描述而理解,为节约篇幅,这里不再赘述。
这里需要指出的是:
应理解,说明书通篇中提到的“一个实施例”或“一实施例”意味着与实施例有关的特定特征、结构或特性包括在本发明的至少一个实施例中。因此,在整个说明书各处出现的“在一个实施例中”或“在一实施例中”未必一定指相同的实施例。此外,这些特定的特征、结构或特性可以任意适合的方式结合在一个或多个实施例中。应理解,在本发明的各种实施例中,上述各过程的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
在本申请所提供的几个实施例中,应该理解到,所揭露的设备和方法,可以通过其它的方式实现。以上所描述的设备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,如:多个单元或组件可以结合,或可以集成到另一个系统,或一些特征可以忽略,或不执行。另外,所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口,设备或单元的间接耦合或通信连接,可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的,作为单元显示的部件可以是、或也可以不是物理单元;既可以位于一个地方,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全部单元来实现本实施例方案的目的。
另外,在本发明各实施例中的各功能单元可以全部集成在一个处理单元中,也可以是各单元分别单独作为一个单元,也可以两个或两个以上单元集成在一个单元中;上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储于计算机可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:移动存储设备、只读存储器(Read Only Memory,ROM)、磁碟或者光盘等各种可以存储程序代码的介质。
或者,本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机、服务器、或者网络设备等)执行本发明各个实施例所述方法的全部或部分。而前述的存储介质包括:移动存储设备、ROM、磁碟或者光盘等各种可以存储程序代码的介质。
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以所述权利要求的保护范围为准。
Claims (10)
1.一种生成业务的方法,其特征在于,包括:
对用户进行采样,获得第一用户的多维样本数据;
基于所述第一用户的多维样本数据,确定出与所述第一用户的相似度满足预设条件的第二用户;
基于所述第二用户的已订购业务,确定针对所述第一用户的待推荐业务。
2.根据权利要求1所述的方法,其特征在于,所述基于所述第一用户的多维样本数据,确定出与所述第一用户相似度满足预设条件的第二用户,包括:
对所述用户进行采样,获得第三用户的多维样本数据;
对所述第一用户的多维样本数据和第三用户的多维样本数据进行处理,得到所述第一用户的稀疏矩阵和所述第三用户的稀疏矩阵;
基于所述第一用户的稀疏矩阵和所述第三用户的稀疏矩阵,计算所述第三用户与所述第一用户的相似度,并将所述相似度满足预设条件的第三用户确定为所述第二用户。
3.根据权利要求2所述的方法,其特征在于,所述对所述第一用户的多维样本数据和第三用户的多维样本数据进行处理,得到所述第一用户的稀疏矩阵和所述第三用户的稀疏矩阵,包括:
分别对所述第一用户的多维样本数据和所述第三用户的多维样本数据进行离散化和二值化,得到所述第一用户的稀疏矩阵和所述第三用户的稀疏矩阵。
4.根据权利要求1所述的方法,其特征在于,所述基于所述满足预设条件的第二用户的已订购业务,确定针对所述第一用户的待推荐业务,包括:
从所述第二用户的已订购业务中所述第一用户未订购的业务确定为所述待推荐业务;或者,
将所述第二用户的已订购业务中出现频率满足预设值且所述第一用户未订购的业务确定为所述待推荐业务。
5.根据权利要求1所述的方法,其特征在于,所述对用户进行采样,获得第一用户的样本数据,包括:
获得所有用户的用户数据;
按照预设规则进行采用,获得用户采样数据;
基于所述用户采样数据,从所有用户中确定出所述第一用户,并获得所述第一用户的多维样本数据。
6.一种生成业务的装置,其特征在于,包括:
获取模块,用于对用户进行采样,获得第一用户的多维样本数据;
处理模块,用于基于所述第一用户的多维样本数据,确定出与所述第一用户的相似度满足预设条件的第二用户;
确定模块,用于基于所述第二用户的已订购业务,确定针对所述第一用户的待推荐业务。
7.根据权利要求6所述的装置,其特征在于,所述处理模块包括:
获取子模块,用于对所述用户进行采样,获得第三用户的多维样本数据;
处理子模块,用于对所述第一用户的多维样本数据和第三用户的多维样本数据进行处理,得到所述第一用户的稀疏矩阵和所述第三用户的稀疏矩阵;
确定子模块,用于基于所述第一用户的稀疏矩阵和所述第三用户的稀疏矩阵,计算所述第三用户与所述第一用户的相似度,并将所述相似度满足预设条件的第三用户确定为所述第二用户。
8.根据权利要求7所述的装置,其特征在于,所述处理子模块具体用于:
分别对所述第一用户的多维样本数据和所述第三用户的多维样本数据进行离散化和二值化,得到所述第一用户的稀疏矩阵和所述第三用户的稀疏矩阵。
9.根据权利要求6所述的装置,其特征在于,所述确定模块具体用于:
从所述第二用户的已订购业务中所述第一用户未订购的业务确定为所述待推荐业务;或者,
将所述第二用户的已订购业务中出现频率满足预设值且所述第一用户未订购的业务确定为所述待推荐业务。
10.根据权利要求6所述的装置,其特征在于,所述获取模块具体用于:
获得所有用户的用户数据;
按照预设规则进行采用,获得用户采样数据;
基于所述用户采样数据,从所有用户中确定出所述第一用户,并获得所述第一用户的多维样本数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610201368.3A CN107292646A (zh) | 2016-04-01 | 2016-04-01 | 一种生成业务的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610201368.3A CN107292646A (zh) | 2016-04-01 | 2016-04-01 | 一种生成业务的方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107292646A true CN107292646A (zh) | 2017-10-24 |
Family
ID=60086836
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610201368.3A Pending CN107292646A (zh) | 2016-04-01 | 2016-04-01 | 一种生成业务的方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107292646A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110163662A (zh) * | 2019-04-26 | 2019-08-23 | 阿里巴巴集团控股有限公司 | 一种业务模型训练方法、装置及设备 |
CN112860988A (zh) * | 2021-01-18 | 2021-05-28 | 中国联合网络通信集团有限公司 | 业务产品推荐方法和装置 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101329683A (zh) * | 2008-07-25 | 2008-12-24 | 华为技术有限公司 | 推荐系统及方法 |
JP2009069346A (ja) * | 2007-09-12 | 2009-04-02 | Yahoo Japan Corp | サービス利用ポイント流通と連動する電子広告配信装置 |
CN103138954A (zh) * | 2011-12-02 | 2013-06-05 | 中国移动通信集团公司 | 一种推荐项的推送方法、系统及推荐服务器 |
KR20140108453A (ko) * | 2013-02-28 | 2014-09-11 | 주식회사 오디 | 유사 관심사를 갖는 이용자 매칭을 통한 마케팅 시스템 및 마케팅 방법 |
CN104239324A (zh) * | 2013-06-17 | 2014-12-24 | 阿里巴巴集团控股有限公司 | 一种基于用户行为的特征提取、个性化推荐的方法和系统 |
TW201501059A (zh) * | 2013-06-19 | 2015-01-01 | Alibaba Group Services Ltd | 訊息推薦方法及裝置 |
CN104933135A (zh) * | 2015-06-12 | 2015-09-23 | 海信集团有限公司 | 一种多媒体数据的聚类方法及装置 |
CN105095256A (zh) * | 2014-05-07 | 2015-11-25 | 阿里巴巴集团控股有限公司 | 基于用户之间相似度进行信息推送的方法及装置 |
CN105389713A (zh) * | 2015-10-15 | 2016-03-09 | 南京大学 | 基于用户历史数据的移动流量套餐推荐算法 |
-
2016
- 2016-04-01 CN CN201610201368.3A patent/CN107292646A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009069346A (ja) * | 2007-09-12 | 2009-04-02 | Yahoo Japan Corp | サービス利用ポイント流通と連動する電子広告配信装置 |
CN101329683A (zh) * | 2008-07-25 | 2008-12-24 | 华为技术有限公司 | 推荐系统及方法 |
CN103138954A (zh) * | 2011-12-02 | 2013-06-05 | 中国移动通信集团公司 | 一种推荐项的推送方法、系统及推荐服务器 |
KR20140108453A (ko) * | 2013-02-28 | 2014-09-11 | 주식회사 오디 | 유사 관심사를 갖는 이용자 매칭을 통한 마케팅 시스템 및 마케팅 방법 |
CN104239324A (zh) * | 2013-06-17 | 2014-12-24 | 阿里巴巴集团控股有限公司 | 一种基于用户行为的特征提取、个性化推荐的方法和系统 |
TW201501059A (zh) * | 2013-06-19 | 2015-01-01 | Alibaba Group Services Ltd | 訊息推薦方法及裝置 |
CN105095256A (zh) * | 2014-05-07 | 2015-11-25 | 阿里巴巴集团控股有限公司 | 基于用户之间相似度进行信息推送的方法及装置 |
CN104933135A (zh) * | 2015-06-12 | 2015-09-23 | 海信集团有限公司 | 一种多媒体数据的聚类方法及装置 |
CN105389713A (zh) * | 2015-10-15 | 2016-03-09 | 南京大学 | 基于用户历史数据的移动流量套餐推荐算法 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110163662A (zh) * | 2019-04-26 | 2019-08-23 | 阿里巴巴集团控股有限公司 | 一种业务模型训练方法、装置及设备 |
CN110163662B (zh) * | 2019-04-26 | 2024-04-05 | 创新先进技术有限公司 | 一种业务模型训练方法、装置及设备 |
CN112860988A (zh) * | 2021-01-18 | 2021-05-28 | 中国联合网络通信集团有限公司 | 业务产品推荐方法和装置 |
CN112860988B (zh) * | 2021-01-18 | 2023-06-16 | 中国联合网络通信集团有限公司 | 业务产品推荐方法和装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103886068B (zh) | 用于互联网用户行为分析的数据处理方法和装置 | |
CN102724219B (zh) | 网络数据的计算机处理方法及系统 | |
CN108241667A (zh) | 用于推送信息的方法和装置 | |
CN107526807A (zh) | 信息推荐方法及装置 | |
CN105260414B (zh) | 用户行为相似性计算方法及装置 | |
CN105426365B (zh) | 区分交互行为的方法及装置 | |
CN109409928A (zh) | 一种素材推荐方法、装置、存储介质、终端 | |
CN101520878A (zh) | 向用户进行广告推送的方法、装置和系统 | |
CN104504077B (zh) | 网页访问数据的统计方法和装置 | |
CN105095219A (zh) | 微博推荐方法和终端 | |
CN103235803B (zh) | 一种从文本中获取物品属性值的方法和装置 | |
CN102377790A (zh) | 一种推送数据的方法和装置 | |
CN108154425A (zh) | 一种结合社会网络和位置的线下商户推荐方法 | |
CN106708841A (zh) | 网站访问路径的聚合方法和装置 | |
CN106650760A (zh) | 基于流量分析识别用户行为对象的方法和装置 | |
CN107483381A (zh) | 关联账户的监控方法及装置 | |
CN108243016A (zh) | 业务套餐的推荐方法以及推荐装置、以及服务器 | |
CN107292646A (zh) | 一种生成业务的方法和装置 | |
CN108268357A (zh) | 实时数据处理方法和装置 | |
CN105405026A (zh) | 一种基于用户行为的定制机确定方法及装置 | |
CN110110206A (zh) | 物品间关系挖掘及推荐方法、装置、计算设备、存储介质 | |
CN106933903A (zh) | 应用于分布式存储的存储方法及装置 | |
CN113204716A (zh) | 可疑洗钱用户交易关系确定方法及装置 | |
CN103020214B (zh) | 访问网站历史记录信息处理方法和设备 | |
Liao et al. | Applying fuzzy data mining to telecom churn management |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20171024 |