CN109214772A - 项目推荐方法、装置、计算机设备及存储介质 - Google Patents
项目推荐方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN109214772A CN109214772A CN201810892197.2A CN201810892197A CN109214772A CN 109214772 A CN109214772 A CN 109214772A CN 201810892197 A CN201810892197 A CN 201810892197A CN 109214772 A CN109214772 A CN 109214772A
- Authority
- CN
- China
- Prior art keywords
- enterprise
- business data
- new
- project
- recommended
- 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 50
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 21
- 238000012545 processing Methods 0.000 claims abstract description 17
- 238000007619 statistical method Methods 0.000 claims abstract description 9
- 238000004590 computer program Methods 0.000 claims description 16
- 238000013481 data capture Methods 0.000 claims description 7
- 238000010606 normalization Methods 0.000 claims description 4
- 238000001914 filtration Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 22
- 230000006870 function Effects 0.000 description 12
- 238000012216 screening Methods 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 3
- 238000003064 k means clustering Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 2
- 239000010931 gold Substances 0.000 description 2
- 229910052737 gold Inorganic materials 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
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
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
- G06Q10/103—Workflow collaboration or project management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
-
- 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
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/06—Asset management; Financial planning or analysis
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Probability & Statistics with Applications (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Technology Law (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Game Theory and Decision Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请实施例公开了一种项目推荐方法、装置、计算机设备及存储介质。该方法包括:获取多个企业的企业数据;从每个企业的企业数据中筛选出预设类型的企业数据,并对预设类型的企业数据进行归一化处理以得到处理后的企业数据;根据预设聚类算法对所有企业的处理后的企业数据进行聚类处理以划分成多个企业群;通过对每个企业群中所有企业的企业数据进行统计分析以得到每个企业群对应的企业特征数据;当需要进行项目推荐时,获取新引入企业的企业数据;根据新引入企业的企业数据以及每个企业群的企业特征数据,确定新引入企业所属的企业群;根据新引入企业所属的企业群,向新引入企业进行项目推荐。该方法可以提高项目推荐的效率。
Description
技术领域
本申请涉及计算机技术领域,尤其涉及一种项目推荐方法、装置、计算机设备及存储介质。
背景技术
在招商引资工作中,一家新引进的企业一般都需要了解其能够申请哪些政府项目等。然而,目前都是通过人工筛选出符合条件的政府项目。这样不但给工作人员带来较大的工作量,还降低筛选效率,尤其是在新引入企业、政府项目等数量较多时,筛选效率将更低。
发明内容
本申请提供了一种项目推荐方法、装置、计算机设备及存储介质,以减少项目筛选所耗时间,提高项目推荐的效率。
第一方面,本申请提供了一种项目推荐方法,其包括:获取多个企业的企业数据;从每个所述企业的企业数据中筛选出预设类型的企业数据,并对所述预设类型的企业数据进行归一化处理以得到处理后的企业数据;根据预设聚类算法,对所有所述企业的处理后的企业数据进行聚类处理,以将多个所述企业划分成多个企业群,其中,每个所述企业群包括至少一个所述企业的企业数据;通过对每个所述企业群中所有所述企业的企业数据进行统计分析以得到每个所述企业群对应的企业特征数据;当需要进行项目推荐时,获取新引入企业的企业数据;根据所述新引入企业的企业数据以及每个所述企业群的企业特征数据,确定所述新引入企业所属的企业群;以及根据所述新引入企业所属的企业群,向所述新引入企业进行项目推荐。
第二方面,本申请提供了一种项目推荐装置,其包括:数据获取单元,用于获取多个企业的企业数据;归一化单元,用于从每个所述企业的企业数据中筛选出预设类型的企业数据,并对所述预设类型的企业数据进行归一化处理以得到处理后的企业数据;聚类单元,用于根据预设聚类算法,对所有所述企业的处理后的企业数据进行聚类处理,以将多个所述企业划分成多个企业群,其中,每个所述企业群包括至少一个所述企业的企业数据;分析单元,用于通过对每个所述企业群中所有所述企业的企业数据进行统计分析以得到每个所述企业群对应的企业特征数据;所述数据获取单元,还用于当需要进行项目推荐时,获取新引入企业的企业数据;确定单元,用于根据所述新引入企业的企业数据以及每个所述企业群的企业特征数据,确定所述新引入企业所属的企业群;以及推荐单元,用于根据所述新引入企业所属的企业群,向所述新引入企业进行项目推荐。
第三方面,本申请又提供了一种计算机设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现第一方面提供的所述的项目推荐方法。
第四方面,本申请还提供了一种计算机可读存储介质,其中所述计算机可读存储介质存储有计算机程序,所述计算机程序当被处理器执行时使所述处理器执行第一方面提供的所述的项目推荐方法。
本申请提供一种项目推荐方法、装置、计算机设备及存储介质。该方法通过历史的多个企业的企业数据进行聚类处理,以将多个历史的企业的企业数据划分成多个企业群,并通过统计分析得到每个企业群的企业特征数据,即完成每个企业群的画像。当有新引入企业时,通过比较新引入企业的企业数据与每个企业群的企业特征数据的相似度找到新引入企业所属的企业群,以方便根据所属的企业群向新引入企业推荐所属企业群中企业所申请过的项目。该方法可以自动将新引入企业进行企业群归类,并根据所属企业群完成项目推荐,大大省了项目筛选所耗时间,提高项目推荐的效率,同时,不需要人工审核,节省大量的劳动力。
附图说明
为了更清楚地说明本申请实施例技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本申请的一些实施例,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的附图。
图1为本申请实施例提供的一种项目推荐方法的示意流程图;
图2为本申请实施例提供的一种项目推荐方法的具体示意流程图;
图3为本申请实施例提供的一种项目推荐方法的具体示意流程图;
图4为本申请实施例提供的一种项目推荐方法的具体示意流程图;
图5为本申请实施例提供的一种项目推荐方法的具体示意流程图;
图6为本申请实施例提供的一种项目推荐装置的示意性框图;
图7为本申请实施例提供的一种项目推荐装置的具体示意性框图;
图8为本申请实施例提供的一种项目推荐装置的具体示意性框图;
图9为本申请实施例提供的一种项目推荐装置的具体示意性框图;
图10为本申请实施例提供的一种项目推荐装置的具体示意性框图;
图11为本申请实施例提供的一种计算机设备的示意性框图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
应当理解,当在本说明书和所附权利要求书中使用时,术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在此本申请说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本申请。如在本申请说明书和所附权利要求书中所使用的那样,除非上下文清楚地指明其它情况,否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解,在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
请参阅图1,图1是本申请实施例提供的一种项目推荐方法的示意流程图。该项目推荐方法可以应用于项目推荐系统。该项目推荐系统安装于终端中,其中,该终端可例如为平板电脑、手提电脑、台式电脑等终端,也可以为服务器。如图1所示,该项目推荐方法包括步骤S101~S107。
S101、获取多个企业的企业数据。
譬如,为了增加后续划分企业群的准确性,可以选择1000个企业并将这1000个企业的企业数据作为生成企业群的数据对象。
在一实施例中,该企业数据可以包括量化数据类型的企业数据、类别数据类型的企业数据等。其中,该量化数据类型的企业数据可例如为企业的营收总额、净利润、员工总数、注册资金、政府项目所得的项目金额等等。类别数据类型的企业数据可例如为企业名称、企业所属行业、经营类别、企业曾经所申请过的政府项目的项目标识等等。可以理解的是,企业数据的具体内容不局限于上述陈列出来的内容,还可以包括其他内容,在此不做具体限制。
S102、从每个所述企业的企业数据中筛选出预设类型的企业数据,并对所述预设类型的企业数据进行归一化处理以得到处理后的企业数据。
在本实施例中,该预设类型可例如为量化数据类型和类别数据类型。终端从每个企业的企业数据中筛选出预设类型的企业数据,譬如,从每个企业的企业数据中筛选出营收总额、净利润、员工总数等企业数据,由于不同企业的营收总额、净利润、员工总数等的单位可能不统一、数字的数量级差别较大,因此,为了方便后续进行聚类算法,先将营收总额、净利润、员工总数等量化数据类型的企业数据分别进行归一化处理,以得到每个企业对应的处理后的企业数据。
S103、根据预设聚类算法,对所有所述企业的处理后的企业数据进行聚类处理,以将多个所述企业划分成多个企业群,其中,每个所述企业群包括至少一个所述企业的企业数据。
在一实施例中,该预设聚类算法可以为K-means聚类算法。终端根据K-means聚类算法对步骤S102生成的每个企业的处理后的企业数据进行聚类处理,从而将多个企业划分成多个企业群。可以理解的是,每个企业群中包括至少一个企业的企业数据。每个企业群中的多个企业的企业数据之间存在较高的相似度,不同企业群中的多个企业的企业数据之间存在较低的相似度。
在一实施例中,当预设聚类算法为K-means聚类算法时,由于K-means聚类算法需要预先设置K个企业的企业数据作为初始聚类中心,因此,在步骤S101获取的多个企业的企业数据中会包括预设的多个企业代表的企业数据。也就是说,开发人员预先在多个企业中筛选并标记出多个企业作为企业代表。这样,根据预设聚类算法,对所有所述企业的处理后的企业数据进行聚类处理,以将多个所述企业划分成多个企业群,具体包括:根据预设聚类算法并以多个企业代表的处理后的企业数据为初始聚类中心,对多个所述企业的处理后的企业数据进行聚类处理,以将多个所述企业划分成多个企业群。
S104、通过对每个所述企业群中所有所述企业的企业数据进行统计分析以得到每个所述企业群对应的企业特征数据。
在划分出多个企业群后,对每个企业群中的多个企业的企业数据进行统计分析,就可以得到每个企业群的企业特征数据,即得到每个企业群的画像。
譬如,A企业群中包括10个企业以及这10个企业对应的企业数据。企业数据中包括企业的营收总额。那么就可以统计分析这10个企业的企业营收总额的平均值,并将10个企业的企业营收总额的平均值作为该A企业群在企业营收总额方面的特征数据。比如,10个企业的企业营收总额的平均值为1.1亿,那么该A企业群的企业特征数据中的营收总额特征数据为1.1亿。
又譬如,企业数据中包括企业曾经所申请过的项目的项目标识,那么终端将统计A企业群中10个企业所申请过的项目的项目标识,并计算每个项目标识对应的项目的申请率。比如,10个企业中有5个企业申请过“a101”这个项目标识对应的项目,有8个企业申请过“b201”这个项目标识对应的项目,那么该“a101”这个项目标识对应的项目的申请率为50%,该“b201”这个项目标识对应的项目的申请率为80%。在统计分析出A企业群中每个项目标识对应的项目的申请率后,可以选择申请率最高的项目标识作为该A企业群的企业特征数据中的特征项目标识。比如,将“b201”这个项目标识作为特征项目标识时,说明该A企业群的企业在申请“b201”这个政府项目上存在优势。当然,也可以选择一些申请率满足预设条件的项目标识作为该A企业群的企业特征数据中的特征项目标识,比如,该预设条件可以为申请率大于等于50%,或者预设条件为A企业群中所有项目标识对应的申请率中申请率较高的前3个对应的项目标识作为该A企业群的特征项目标识,等等。该预设条件可以根据实际需求进行设置。
需要说明的是,企业群的企业特征数据不局限于上述的营收总额特征数据和特征项目标识,还可以包括其他特征数据,在此不做具体限制。
S105、当需要进行项目推荐时,获取新引入企业的企业数据。
当有新引入企业想了解能够申请的哪些项目时,终端先获取新引入企业的企业数据。
S106、根据所述新引入企业的企业数据以及每个所述企业群的企业特征数据,确定所述新引入企业所属的企业群。
具体地,在一实施例中,如图2所示,图2为本申请实施例提供的一种项目推荐方法的具体示意流程图。该步骤S106具体包括步骤S1061和S1062。
S1061、计算所述新引入企业的企业数据分别与每个所述企业群的企业特征数据之间的相似度。
S1062、获取与所述新引入企业的企业数据的相似度最高的企业群作为所述新引入企业所属的企业群。
譬如,假设终端在步骤S103中划分成5个企业群,那么终端就计算新引入企业的企业数据分别与5个企业群的企业特征数据之间的相似度,然后再计算出的5个相似度中获取相似度最高的企业群作为该新引入企业所属的企业群。这样就完成根据企业群对新引入企业进行打标签的操作。比如,假设该新引进企业所属的企业群的一个企业特征数据为“科技型企业”,那么通过本申请的方法可以快速地确定出该新引入企业为科技型企业。
S107、根据所述新引入企业所属的企业群,向所述新引入企业进行项目推荐。
在确定出该新引入企业所属的企业群后,就可以根据所属的企业群向新引入企业进行项目推荐。
具体地,在一实施例中,如图3所示,图3为本申请实施例提供的一种项目推荐方法的具体示意流程图。在该实施例中,企业数据包括企业所申请的项目的项目标识。该步骤S107具体包括步骤S1071和S1072。
S1071、获取所述新引入企业所属的企业群中待推荐项目标识。
S1072、将所述待推荐项目标识推荐至所述新引入企业以完成项目推荐。
其中,该待推荐项目标识可以包括以下两种情况:
第一种情况,该待推荐项目标识可以为所述新引入企业所属的企业群中的企业所申请过的所有项目的项目标识。那么获取所述新引入企业所属的企业群中待推荐项目标识,具体包括:获取所述新引入企业所属的企业群中的企业所申请过的所有项目的项目标识作为待推荐项目标识。
譬如,新引入企业所属的企业群中包括10个企业,这10个企业曾经申请过30个政府的项目,那么就可以将该30个政府的项目的项目标识作为待推荐项目标识并推荐给新引入企业。
第二种情况,该待推荐项目标识还可以为企业群的特征项目标识。该特征项目标识为对应的企业群的一个企业特征数据。该特征项目标识可以包括一个项目申请率满足预设条件的项目标识,也可以包括两个或更多个项目申请率满足预设条件的项目标识,在此不做具体限制。另外,该预设条件可例如为:特征项目标识为企业群中项目申请率最高的项目对应的项目标识;该预设条件可例如为:特征项目标识为企业群中项目申请率超过预设阈值的项目对应的项目标识,比如,该预设阈值可以为50%;该预设条件可例如为:特征项目标识为企业群中项目申请率较高的前3个项目对应的项目标识。可以理解的是,上述陈列的三种预设条件仅仅是起到示范说明的作用,不能用于限制本技术方案,该预设条件可以根据实际需求进行设置。
此时,获取所述新引入企业所属的企业群中待推荐项目标识,具体包括:获取所述新引入企业所属的企业群的特征项目标识作为待推荐项目标识。这样可以将新引入企业所属企业群中申请率较高的一些项目标识推荐给新引入企业,使得项目推荐更有针对性,提高项目推荐的质量和准确性。
当然,根据新引入企业所属的企业群进行项目推荐的方式不局限于上述两种方式,还可以为其他种方式,在此不做具体限制。
在一实施例中,如图4所示,图4为本申请实施例提供的一种项目推荐方法的具体示意流程图。在该实施例中,在步骤S1072之前,还包括步骤S1073至S1075。
S1073、获取预先存储的每个所述待推荐项目标识对应的分类模型。
一般来说,每个项目都有项目申请条件,新引入企业不一定会满足所有待推荐项目标识对应的项目申请条件,为了提高项目推荐的准确性和所推荐项目的质量,在将待推荐项目标识推荐至新引入企业之前,还需要获取预先存储的每个待推荐项目标识对应的分类模型。这里,开发人员会预先对所有企业群中所有的项目标识对应的项目申请条件进行统计,并根据每个项目标识对应的项目申请条件编写对应的分类模型,并将每个项目标识对应的分类模型存储在终端中。其中,该分类模型可以是基于随机森林模型的用于进行分类的模型。
S1074、通过所述分类模型判断所述新引入企业的企业数据是否满足相应的待推荐项目标识的项目申请条件。
具体地,终端将新引入企业的企业数据作为分类模型的输入值输入至每个待推荐项目标识对应的分类模型中,然后,通过分类模型判断新引入企业的企业数据是否满足待推荐项目标识对应的项目申请条件。
若所述新引入企业的企业数据满足相应的待推荐项目标识的项目申请条件,则执行步骤S1072,即执行将所述待推荐项目标识推荐至所述新引入企业以完成项目推荐的步骤。
若所述新引入企业的企业数据不满足相应的待推荐项目标识的项目申请条件,则执行步骤S1075。
S1075、舍弃相应的待推荐项目标识。
当不满足待推荐项目标识的项目申请条件时,舍弃相应的待推荐项目标识,即不会将该舍弃的待推荐项目标识推荐至新引入企业。这样可以实现对待推荐项目标识的进一步筛选,提高推荐的项目的质量和准确性。
在一实施例中,如图5所示,图5为本申请实施例提供的一种项目推荐方法的具体示意流程图。在该实施例中,在步骤S1072之前,还包括步骤S1076至S1079。
S1076、从所述新引入企业所属的企业群中,获取包括所述待推荐项目标识的企业数据。
S1077、基于K近邻算法,从包括所述待推荐项目标识的企业数据中获取与所述新引入企业的企业数据相似度较高的K个企业数据。
S1078、从所述相似度较高的K个企业数据中获取所述待推荐项目标识对应的项目金额。
S1079、计算K个所述项目金额的均值作为所述待推荐项目标识的平均项目金额。
在该实施例中,在将待推荐项目标识推荐至新引入企业之前,还需要从所属的企业群中,获取待推荐项目标识对应的企业的企业数据,然后,基于K近邻算法计算并获得待推荐项目标识对应的企业的企业数据中与新引入企业的企业数据相似度较高的K个企业的企业数据,然后,在获取该K个企业的企业数据中的待推荐项目标识对应的项目金额,再对这K个待推荐项目标识对应的项目金额进行均值处理以得到每个待推荐项目标识的平均项目金额。
这样,在执行步骤S1072时,即执行将所述待推荐项目标识推荐至所述新引入企业以完成项目推荐时,具体执行步骤S10721:将所述待推荐项目标识以及对应的平均项目金额推荐至所述新引入企业以完成项目推荐。也就是说,在发送待推荐项目标识至新引入企业时,将该待推荐项目标识对应的平均项目金额也推荐至新引入企业,使得该新引入企业得知若申请该待推荐项目可以获得多少的项目金额。
可以理解的是,图4和图5所示的技术方案可以融合在同一个实施例中,譬如,在执行完步骤S1074之后,若判断出所述新引入企业的企业数据满足相应的待推荐项目标识的项目申请条件,则先执行步骤S1076至S1079,然后再执行步骤S10721。
本实施例中的项目推荐方法,可以自动将新引入企业进行企业群归类,并根据所属企业群中的企业所申请过的项目完成项目推荐,大大省了项目筛选所耗时间,提高项目推荐的效率,同时也提高推荐项目的质量。
本申请实施例还提供一种项目推荐装置,该项目推荐装置用于执行前述任一项项目推荐方法。具体地,请参阅图6,图6是本申请实施例提供的一种项目推荐装置的示意性框图。项目推荐装置300可以安装于终端中,其中,该终端可例如为平板电脑、手提电脑、台式电脑等终端,也可以为服务器。
如图6所示,项目推荐装置300包括数据获取单元301、归一化单元302、聚类单元303、分析单元304、确定单元305和推荐单元306。
数据获取单元301,用于获取多个企业的企业数据。
归一化单元302,用于从每个所述企业的企业数据中筛选出预设类型的企业数据,并对所述预设类型的企业数据进行归一化处理以得到处理后的企业数据。
聚类单元303,用于根据预设聚类算法,对所有所述企业的处理后的企业数据进行聚类处理,以将多个所述企业划分成多个企业群,其中,每个所述企业群包括至少一个所述企业的企业数据。
分析单元304,用于通过对每个所述企业群中所有所述企业的企业数据进行统计分析以得到每个所述企业群对应的企业特征数据。
所述数据获取单元301,还用于当需要进行项目推荐时,获取新引入企业的企业数据。
确定单元305,用于根据所述新引入企业的企业数据以及每个所述企业群的企业特征数据,确定所述新引入企业所属的企业群。
具体地,在一实施例中,如图7所示,图7是本申请实施例提供的一种项目推荐装置的具体示意性框图。该确定单元305包括相似度计算子单元3051和群获取子单元3052。
相似度计算子单元3051,用于计算所述新引入企业的企业数据分别与每个所述企业群的企业特征数据之间的相似度。
群获取子单元3052,用于获取与所述新引入企业的企业数据的相似度最高的企业群作为所述新引入企业所属的企业群。
推荐单元306,用于根据所述新引入企业所属的企业群,向所述新引入企业进行项目推荐。
具体地,在一实施例中,如图8所示,图8为本申请实施例提供的一种项目推荐装置的具体示意性框图。在该实施例中,企业数据包括企业所申请的项目的项目标识。该推荐单元306包括标识获取子单元3061和推荐子单元3062。
标识获取子单元3061,用于获取所述新引入企业所属的企业群中待推荐项目标识。
在一实施例中,该标识获取子单元3061具体用于获取所述新引入企业所属的企业群中的企业所申请过的所有项目的项目标识作为待推荐项目标识。
在另一实施例中,企业特征数据包括特征项目标识,所述特征项目标识为所述企业群中项目申请率满足预设条件的项目对应的标识。该标识获取子单元3061具体用于获取所述新引入企业所属的企业群的特征项目标识作为待推荐项目标识。
推荐子单元3062,用于将所述待推荐项目标识推荐至所述新引入企业以完成项目推荐。
在一实施例中,如图9所示,图9为本申请实施例提供的一种项目推荐装置的具体示意性框图。该推荐单元306还包括模型获取子单元3063、判断子单元3064和舍弃单元3065。
模型获取子单元3063,用于获取预先存储的每个所述待推荐项目标识对应的分类模型。
判断子单元3064,用于通过所述分类模型判断所述新引入企业的企业数据是否满足相应的待推荐项目标识的项目申请条件。
所述推荐子单元3062,用于若所述新引入企业的企业数据满足相应的待推荐项目标识的项目申请条件,将所述待推荐项目标识推荐至所述新引入企业以完成项目推荐。
舍弃单元3065,用于若所述新引入企业的企业数据不满足相应的待推荐项目标识的项目申请条件,舍弃相应的待推荐项目标识。
在一实施例中,如图10所示,图10为本申请实施例提供的一种项目推荐装置的具体示意性框图。该推荐单元306还包括数据获取子单元3066。
数据获取子单元3066,用于从所述新引入企业所属的企业群中,获取包括所述待推荐项目标识的企业数据;基于K近邻算法,从包括所述待推荐项目标识的企业数据中获取与所述新引入企业的企业数据相似度较高的K个企业数据;从所述相似度较高的K个企业数据中获取所述待推荐项目标识对应的项目金额;以及计算K个所述项目金额的均值作为所述待推荐项目标识的平均项目金额。
此时,推荐子单元3062,具体用于将所述待推荐项目标识以及对应的平均项目金额推荐至所述新引入企业以完成项目推荐。
需要说明的是,所属领域的技术人员可以清楚地了解到,上述项目推荐装置300和各单元的具体实现过程,可以参考前述项目推荐方法实施例中的相应描述,为了描述的方便和简洁,在此不再赘述。
本实施例中的项目推荐装置300,可以自动将新引入企业进行企业群归类,并根据所属企业群中的企业所申请过的项目完成项目推荐,大大省了项目筛选所耗时间,提高项目推荐的效率,同时也提高推荐项目的质量。
上述项目推荐装置可以实现为一种计算机程序的形式,该计算机程序可以在如图11所示的计算机设备上运行。
请参阅图11,图11是本申请实施例提供的一种计算机设备的示意性框图。该计算机设备500设备可以是平板电脑、手提电脑、台式电脑等终端,也可以为服务器。
参阅图11,该计算机设备500包括通过系统总线501连接的处理器502、存储器和网络接口505,其中,存储器可以包括非易失性存储介质503和内存储器504。
该非易失性存储介质503可存储操作系统5031和计算机程序5032。该计算机程序5032包括程序指令,该程序指令被执行时,可使得处理器502执行一种项目推荐方法。
该处理器502用于提供计算和控制能力,支撑整个计算机设备500的运行。
该内存储器504为非易失性存储介质503中的计算机程序5032的运行提供环境,该计算机程序5032被处理器502执行时,可使得处理器502执行一种项目推荐方法。
该网络接口505用于进行网络通信,如发送分配的任务等。本领域技术人员可以理解,图11中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备500的限定,具体的计算机设备500可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
其中,所述处理器502用于运行存储在存储器中的计算机程序5032,以实现如下功能:获取多个企业的企业数据;从每个所述企业的企业数据中筛选出预设类型的企业数据,并对所述预设类型的企业数据进行归一化处理以得到处理后的企业数据;根据预设聚类算法,对所有所述企业的处理后的企业数据进行聚类处理,以将多个所述企业划分成多个企业群,其中,每个所述企业群包括至少一个所述企业的企业数据;通过对每个所述企业群中所有所述企业的企业数据进行统计分析以得到每个所述企业群对应的企业特征数据;当需要进行项目推荐时,获取新引入企业的企业数据;根据所述新引入企业的企业数据以及每个所述企业群的企业特征数据,确定所述新引入企业所属的企业群;以及根据所述新引入企业所属的企业群,向所述新引入企业进行项目推荐。
在一实施例中,处理器502在执行根据所述新引入企业的企业数据以及每个所述企业群的企业特征数据,确定所述新引入企业所属的企业群时,具体实现如下功能:计算所述新引入企业的企业数据分别与每个所述企业群的企业特征数据之间的相似度;以及获取与所述新引入企业的企业数据的相似度最高的企业群作为所述新引入企业所属的企业群。
在一实施例中,处理器502在执行根据所述新引入企业所属的企业群,向所述新引入企业进行项目推荐时,具体实现如下功能:获取所述新引入企业所属的企业群中待推荐项目标识;以及将所述待推荐项目标识推荐至所述新引入企业以完成项目推荐。
在一实施例中,所述企业特征数据包括特征项目标识,所述特征项目标识为所述企业群中项目申请率满足预设条件的项目对应的标识;处理器502在执行获取所述新引入企业所属的企业群中待推荐项目标识时,具体实现如下功能:获取所述新引入企业所属的企业群的特征项目标识作为待推荐项目标识。
在另一实施例中,处理器502在执行获取所述新引入企业所属的企业群中待推荐项目标识时,具体实现如下功能:获取所述新引入企业所属的企业群中的企业所申请过的所有项目的项目标识作为待推荐项目标识。
在一实施例中,处理器502在执行将所述待推荐项目标识推荐至所述新引入企业以完成项目推荐之前,还实现如下功能:获取预先存储的每个所述待推荐项目标识对应的分类模型;通过所述分类模型判断所述新引入企业的企业数据是否满足相应的待推荐项目标识的项目申请条件;若所述新引入企业的企业数据满足相应的待推荐项目标识的项目申请条件,执行将所述待推荐项目标识推荐至所述新引入企业以完成项目推荐的步骤。
在一实施例中,处理器502在执行将所述待推荐项目标识推荐至所述新引入企业以完成项目推荐之前,还实现如下功能:从所述新引入企业所属的企业群中,获取包括所述待推荐项目标识的企业数据;基于K近邻算法,从包括所述待推荐项目标识的企业数据中获取与所述新引入企业的企业数据相似度较高的K个企业数据;从所述相似度较高的K个企业数据中获取所述待推荐项目标识对应的项目金额;以及计算K个所述项目金额的均值作为所述待推荐项目标识的平均项目金额。
相应地,处理器502在执行将所述待推荐项目标识推荐至所述新引入企业以完成项目推荐时,具体实现如下功能:将所述待推荐项目标识以及对应的平均项目金额推荐至所述新引入企业以完成项目推荐。
应当理解,在本申请实施例中,处理器502可以是中央处理单元(CentralProcessing Unit,CPU),该处理器502还可以是其他通用处理器、数字信号处理器(DigitalSignal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。其中,通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
本领域普通技术人员可以理解的是实现上述项目推荐方法实施例中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成。该计算机程序可存储于一计算机可读存储介质中。该计算机程序被该计算机系统中的至少一个处理器执行,以实现包括如上述各项目推荐方法的实施例的流程步骤。
该计算机可读存储介质可以是U盘、移动硬盘、只读存储器(ROM,Read-OnlyMemory)、磁碟或者光盘等各种可以存储程序代码的介质。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的。例如,各个单元的划分,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。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。
本申请实施例方法中的步骤可以根据实际需要进行顺序调整、合并和删减。本申请实施例装置中的单元可以根据实际需要进行合并、划分和删减。另外,在本申请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,也可以是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,也可以采用软件功能单元的形式实现。
该集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分,或者该技术方案的全部或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,终端,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。
以上所述,仅为本申请的具体实施方式,但本申请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申请揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种项目推荐方法,其特征在于,包括:
获取多个企业的企业数据;
从每个所述企业的企业数据中筛选出预设类型的企业数据,并对所述预设类型的企业数据进行归一化处理以得到处理后的企业数据;
根据预设聚类算法,对所有所述企业的处理后的企业数据进行聚类处理,以将多个所述企业划分成多个企业群,其中,每个所述企业群包括至少一个所述企业的企业数据;
通过对每个所述企业群中所有所述企业的企业数据进行统计分析以得到每个所述企业群对应的企业特征数据;
当需要进行项目推荐时,获取新引入企业的企业数据;
根据所述新引入企业的企业数据以及每个所述企业群的企业特征数据,确定所述新引入企业所属的企业群;以及
根据所述新引入企业所属的企业群,向所述新引入企业进行项目推荐。
2.根据权利要求1所述的项目推荐方法,其特征在于,所述根据所述新引入企业的企业数据以及每个所述企业群的企业特征数据,确定所述新引入企业所属的企业群,包括:
计算所述新引入企业的企业数据分别与每个所述企业群的企业特征数据之间的相似度;以及
获取与所述新引入企业的企业数据的相似度最高的企业群作为所述新引入企业所属的企业群。
3.根据权利要求1所述的项目推荐方法,其特征在于,所述根据所述新引入企业所属的企业群,向所述新引入企业进行项目推荐,包括:
获取所述新引入企业所属的企业群中待推荐项目标识;以及
将所述待推荐项目标识推荐至所述新引入企业以完成项目推荐。
4.根据权利要求3所述的项目推荐方法,其特征在于,所述企业特征数据包括特征项目标识,所述特征项目标识为所述企业群中项目申请率满足预设条件的项目对应的标识;
所述获取所述新引入企业所属的企业群中待推荐项目标识,包括:获取所述新引入企业所属的企业群的特征项目标识作为待推荐项目标识。
5.根据权利要求3所述的项目推荐方法,其特征在于,所述获取所述新引入企业所属的企业群中待推荐项目标识,包括:获取所述新引入企业所属的企业群中的企业所申请过的所有项目的项目标识作为待推荐项目标识。
6.根据权利要求3所述的项目推荐方法,其特征在于,在所述将所述待推荐项目标识推荐至所述新引入企业以完成项目推荐之前,还包括:
获取预先存储的每个所述待推荐项目标识对应的分类模型;
通过所述分类模型判断所述新引入企业的企业数据是否满足相应的待推荐项目标识的项目申请条件;
若所述新引入企业的企业数据满足相应的待推荐项目标识的项目申请条件,执行将所述待推荐项目标识推荐至所述新引入企业以完成项目推荐的步骤。
7.根据权利要求3所述的项目推荐方法,其特征在于,在所述将所述待推荐项目标识推荐至所述新引入企业以完成项目推荐之前,还包括:
从所述新引入企业所属的企业群中,获取包括所述待推荐项目标识的企业数据;
基于K近邻算法,从包括所述待推荐项目标识的企业数据中获取与所述新引入企业的企业数据相似度较高的K个企业数据;
从所述相似度较高的K个企业数据中获取所述待推荐项目标识对应的项目金额;以及
计算K个所述项目金额的均值作为所述待推荐项目标识的平均项目金额;
所述将所述待推荐项目标识推荐至所述新引入企业以完成项目推荐,包括:将所述待推荐项目标识以及对应的平均项目金额推荐至所述新引入企业以完成项目推荐。
8.一种项目推荐装置,其特征在于,包括:
数据获取单元,用于获取多个企业的企业数据;
归一化单元,用于从每个所述企业的企业数据中筛选出预设类型的企业数据,并对所述预设类型的企业数据进行归一化处理以得到处理后的企业数据;
聚类单元,用于根据预设聚类算法,对所有所述企业的处理后的企业数据进行聚类处理,以将多个所述企业划分成多个企业群,其中,每个所述企业群包括至少一个所述企业的企业数据;
分析单元,用于通过对每个所述企业群中所有所述企业的企业数据进行统计分析以得到每个所述企业群对应的企业特征数据;
所述数据获取单元,还用于当需要进行项目推荐时,获取新引入企业的企业数据;
确定单元,用于根据所述新引入企业的企业数据以及每个所述企业群的企业特征数据,确定所述新引入企业所属的企业群;以及
推荐单元,用于根据所述新引入企业所属的企业群,向所述新引入企业进行项目推荐。
9.一种计算机设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至7中任一项的项目推荐方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机程序,所述计算机程序当被处理器执行时使所述处理器执行如权利要求1至7中任一项所述的项目推荐方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810892197.2A CN109214772B (zh) | 2018-08-07 | 2018-08-07 | 项目推荐方法、装置、计算机设备及存储介质 |
PCT/CN2018/107950 WO2020029400A1 (zh) | 2018-08-07 | 2018-09-27 | 项目推荐方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810892197.2A CN109214772B (zh) | 2018-08-07 | 2018-08-07 | 项目推荐方法、装置、计算机设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109214772A true CN109214772A (zh) | 2019-01-15 |
CN109214772B CN109214772B (zh) | 2024-01-16 |
Family
ID=64987520
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810892197.2A Active CN109214772B (zh) | 2018-08-07 | 2018-08-07 | 项目推荐方法、装置、计算机设备及存储介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN109214772B (zh) |
WO (1) | WO2020029400A1 (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109785144A (zh) * | 2019-01-18 | 2019-05-21 | 国家电网有限公司 | 一种资产分类方法、装置、设备及介质 |
CN109831531A (zh) * | 2019-03-15 | 2019-05-31 | 河北冀联人力资源服务集团有限公司 | 求职简历推送方法与装置以及任务推送方法与装置 |
CN112000870A (zh) * | 2020-07-23 | 2020-11-27 | 广州知商谷科技发展有限公司 | 一种基于用户信息的申报方案生成方法及系统 |
CN112785441A (zh) * | 2020-04-20 | 2021-05-11 | 招商证券股份有限公司 | 数据处理方法、装置、终端设备及存储介质 |
CN117575370A (zh) * | 2024-01-16 | 2024-02-20 | 浙江省发展规划研究院 | 基于园区物质流的项目推荐方法和装置 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2011049037A1 (ja) * | 2009-10-19 | 2011-04-28 | 日本電気株式会社 | 情報推薦システム、方法、及び、プログラム |
CN102542520A (zh) * | 2011-12-27 | 2012-07-04 | 中国移动通信集团贵州有限公司 | 一种供应商聚类分析管理及客户分配方法 |
JP2017027480A (ja) * | 2015-07-24 | 2017-02-02 | 大学共同利用機関法人情報・システム研究機構 | アイテム推薦システム及びアイテム推薦方法 |
CN106611291A (zh) * | 2016-12-13 | 2017-05-03 | 税云网络科技服务有限公司 | 信息推送方法和装置 |
CN106777200A (zh) * | 2016-12-23 | 2017-05-31 | Tcl集团股份有限公司 | 项目推荐的方法及装置 |
CN107180298A (zh) * | 2017-04-26 | 2017-09-19 | 北京望远迅杰科技有限公司 | 一种投资项目的推荐方法 |
CN107391713A (zh) * | 2017-07-29 | 2017-11-24 | 内蒙古工业大学 | 一种解决协同过滤推荐技术中冷启动问题的方法及系统 |
CN107665451A (zh) * | 2016-07-29 | 2018-02-06 | 百度在线网络技术(北京)有限公司 | 一种基于客户特征数据进行产品推送的方法及装置 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107730131B (zh) * | 2017-10-24 | 2021-09-10 | 北京航空航天大学 | 一种众包软件开发者的能力预测及推荐方法、装置 |
CN107767058B (zh) * | 2017-10-26 | 2021-03-19 | 北京航空航天大学 | 一种众包软件开发者推荐方法 |
-
2018
- 2018-08-07 CN CN201810892197.2A patent/CN109214772B/zh active Active
- 2018-09-27 WO PCT/CN2018/107950 patent/WO2020029400A1/zh active Application Filing
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2011049037A1 (ja) * | 2009-10-19 | 2011-04-28 | 日本電気株式会社 | 情報推薦システム、方法、及び、プログラム |
CN102542520A (zh) * | 2011-12-27 | 2012-07-04 | 中国移动通信集团贵州有限公司 | 一种供应商聚类分析管理及客户分配方法 |
JP2017027480A (ja) * | 2015-07-24 | 2017-02-02 | 大学共同利用機関法人情報・システム研究機構 | アイテム推薦システム及びアイテム推薦方法 |
CN107665451A (zh) * | 2016-07-29 | 2018-02-06 | 百度在线网络技术(北京)有限公司 | 一种基于客户特征数据进行产品推送的方法及装置 |
CN106611291A (zh) * | 2016-12-13 | 2017-05-03 | 税云网络科技服务有限公司 | 信息推送方法和装置 |
CN106777200A (zh) * | 2016-12-23 | 2017-05-31 | Tcl集团股份有限公司 | 项目推荐的方法及装置 |
CN107180298A (zh) * | 2017-04-26 | 2017-09-19 | 北京望远迅杰科技有限公司 | 一种投资项目的推荐方法 |
CN107391713A (zh) * | 2017-07-29 | 2017-11-24 | 内蒙古工业大学 | 一种解决协同过滤推荐技术中冷启动问题的方法及系统 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109785144A (zh) * | 2019-01-18 | 2019-05-21 | 国家电网有限公司 | 一种资产分类方法、装置、设备及介质 |
CN109831531A (zh) * | 2019-03-15 | 2019-05-31 | 河北冀联人力资源服务集团有限公司 | 求职简历推送方法与装置以及任务推送方法与装置 |
CN112785441A (zh) * | 2020-04-20 | 2021-05-11 | 招商证券股份有限公司 | 数据处理方法、装置、终端设备及存储介质 |
CN112785441B (zh) * | 2020-04-20 | 2023-12-05 | 招商证券股份有限公司 | 数据处理方法、装置、终端设备及存储介质 |
CN112000870A (zh) * | 2020-07-23 | 2020-11-27 | 广州知商谷科技发展有限公司 | 一种基于用户信息的申报方案生成方法及系统 |
CN117575370A (zh) * | 2024-01-16 | 2024-02-20 | 浙江省发展规划研究院 | 基于园区物质流的项目推荐方法和装置 |
CN117575370B (zh) * | 2024-01-16 | 2024-04-12 | 浙江省发展规划研究院 | 基于园区物质流的项目推荐方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN109214772B (zh) | 2024-01-16 |
WO2020029400A1 (zh) | 2020-02-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109214772A (zh) | 项目推荐方法、装置、计算机设备及存储介质 | |
US7912795B2 (en) | Automated predictive modeling of business future events based on transformation of modeling variables | |
WO2017215346A1 (zh) | 业务数据分类方法和装置 | |
CN110806954B (zh) | 评估云主机资源的方法、装置、设备及存储介质 | |
WO2019144556A1 (zh) | 电子装置、信用卡催收案件自动分案方法及存储介质 | |
CN109191090A (zh) | 支付工具推荐方法、装置、设备及计算机可读存储介质 | |
WO2019061664A1 (zh) | 电子装置、基于用户上网数据的产品推荐方法及存储介质 | |
CN109636497A (zh) | 一种产品推荐方法和装置 | |
US20230004979A1 (en) | Abnormal behavior detection method and apparatus, electronic device, and computer-readable storage medium | |
CN111459993A (zh) | 基于行为分析的配置更新方法、装置、设备及存储介质 | |
CN112712383A (zh) | 应用程序的潜在用户预测方法、装置、设备及存储介质 | |
CN103455509B (zh) | 一种获取时间窗口模型参数的方法和系统 | |
CN108171570A (zh) | 一种数据筛选方法、装置及终端 | |
CA3144411A1 (en) | Data classification method, device and system | |
CN111475541A (zh) | 数据决策方法、装置、电子设备及存储介质 | |
CN109993588A (zh) | 一种用户年龄预测的方法及装置 | |
CN107679889B (zh) | 一种潜在客户的识别方法及终端设备 | |
CN112862013A (zh) | 一种量化交易策略的问题诊断方法及装置 | |
CN109241042A (zh) | 数据处理方法、装置以及电子设备 | |
CN108647936B (zh) | 佣金发放方法、装置、计算机设备及存储介质 | |
CN111652281B (zh) | 信息数据的分类方法、装置及可读存储介质 | |
CN113590692A (zh) | 一种三阶段人群挖掘条件优化方法及系统 | |
CN107179969A (zh) | 一键设置Benchmark测试的BIOS选项的装置及方法 | |
CN106503920A (zh) | 一种配网项目管理现状评估方法及装置 | |
CN111984637A (zh) | 数据建模中的缺失值处理方法和装置、设备及存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |