CN109255715A - 电子装置、产品推荐方法和计算机可读存储介质 - Google Patents
电子装置、产品推荐方法和计算机可读存储介质 Download PDFInfo
- Publication number
- CN109255715A CN109255715A CN201811022972.5A CN201811022972A CN109255715A CN 109255715 A CN109255715 A CN 109255715A CN 201811022972 A CN201811022972 A CN 201811022972A CN 109255715 A CN109255715 A CN 109255715A
- Authority
- CN
- China
- Prior art keywords
- user
- feature tag
- characteristic
- preference
- feature
- 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
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/06—Asset management; Financial planning or analysis
-
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- 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
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0631—Item recommendations
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- Finance (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Technology Law (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明涉及一种人工智能技术,揭露了一种电子装置、产品推荐方法和计算机可读存储介质。本发明获取用户的各项特征数据;从各项所述特征数据中提取出所述用户的特征标签;根据所述用户的特征标签,确定所述用户的风险承受能力值及偏好产品类型序列;根据所述用户的风险承受能力值对所述偏好产品类型序列进行调整;于预先建立的产品库中,分别选出所述调整后的偏好产品类型序列中各偏好产品类型对应的推荐产品,并按照所述调整后的偏好产品类型序列的顺序,向所述用户展示各推荐产品。相较于现有技术,本发明使推荐产品更符合用户的需求且降低了用户投资的风险。
Description
技术领域
本发明涉及计算机技术领域,特别涉及一种电子装置、产品推荐方法和计算机可读存储介质。
背景技术
随着国内金融市场竞争的日趋激烈,金融服务公司的经营模式逐渐从“技术驱动”向“服务驱动”转化。面对多样化、层次化、个性化的客户需求,大众化营销和服务已经失去了其优势,基于客户需求深入数据分析的洞察力营销、个性化营销的理念逐渐被各大金融服务公司所接受。
目前,业内也有利用历史数据向用户进行投资产品推荐的方式,但这种推荐方式通常使用的是单一的收益率等指标进行投资产品的筛选,无法满足用户多样化的需求。
发明内容
本发明的主要目的是提供一种电子装置、产品推荐方法和计算机可读存储介质,旨在解决现有推荐方式使用单一的收益率等指标进行投资产品的筛选,无法满足用户多样化的需求的问题。
为实现上述目的,本发明提出一种电子装置,所述电子装置包括存储器和处理器,所述存储器上存储有产品推荐程序,所述产品推荐程序被所述处理器执行时实现如下步骤:
获取步骤:在接收到用户发出的推荐指令时,获取用户的各项特征数据;
提取步骤:根据预先确定的标签提取规则,从各项所述特征数据中提取出所述用户的特征标签;
第一确定步骤:根据所述用户的特征标签及预先确定的风险评估规则,确定所述用户的风险承受能力值;
第二确定步骤:根据所述用户的特征标签及预先确定的偏好分析规则,确定所述用户的偏好产品类型序列;
调整步骤:根据所述用户的风险承受能力值,对所述偏好产品类型序列进行调整,生成调整后的偏好产品类型序列;
推荐步骤:于预先建立的产品库中,分别选出所述调整后的偏好产品类型序列中各偏好产品类型对应的推荐产品,并按照所述调整后的偏好产品类型序列的顺序,向所述用户展示各推荐产品。
优选地,所述第二确定步骤、调整步骤及推荐步骤替换为如下步骤:
在预先建立的产品库中查找预先设置的各风险承受能力值区间对应的产品,且分别从各所述风险承受能力值区间对应的的产品中选出推荐产品;
确定所述用户的风险承受能力值所在的风险承受能力值区间;
展示各所述风险承受能力值区间对应的推荐产品,并标记出所述用户的风险承受能力值所在的风险承受能力值区间对应的推荐产品。
优选地,所述第一确定步骤包括:
筛选步骤:从所述用户的若干个特征标签中筛选出若干个待处理特征标签;
第一判断步骤:判断所述待处理特征标签的数量是否等于第一预设数量,若是,则转入第三确定步骤,若否,则转入第二判断步骤;
第二判断步骤:判断所述待处理特征标签的数量是否大于或等于第二预设数量且小于第一预设数量,若是,则转入数据处理步骤,若否,则输出提示信息;
第三确定步骤:根据预先确定的特征标签与特征值之间的映射关系,确定各所述待处理特征标签对应的特征值,且根据预先确定的特征标签与风险系数之间的映射关系,确定各所述待处理特征标签对应的待分析风险系数,并转入风险评估步骤;
数据处理步骤:根据预先确定的特征标签与特征值之间的映射关系,确定各所述待处理特征标签对应的特征值,根据预先确定的特征标签与风险系数之间的映射关系,确定各所述待处理特征标签对应的初始风险系数,对各所述初始风险系数进行数据标准化处理,得到各所述待处理特征标签对应的待分析风险系数后转入风险评估步骤;
风险评估步骤:根据各所述待处理特征标签对应的特征值及待分析风险系数,确定所述用户的风险承受能力值。
优选地,所述提取步骤包括:
查找步骤:分别识别各项所述特征数据的特征类别,根据预先确定的特征类别与特征标签之间的映射关系,分别查找各项所述特征数据对应的所有特征标签;
匹配步骤:逐一选择特征数据,在选择一特征数据后,判断所选的特征数据是否满足对应的各个所述特征标签的预设匹配条件,每当判定所选的特征数据满足对应的一特征标签的预设匹配条件时,将该特征标签作为该所选的特征数据匹配的特征标签;
第三判断步骤:在查找出所有与所选的特征数据匹配的特征标签后,判断是否存在未被选择过的特征数据,若是,则返回继续执行所述匹配步骤,若否,则输出各特征数据匹配的特征标签作为所述用户的特征标签。
优选地,所述第二确定步骤包括:
从所述用户的特征标签中筛选出若干个特征标签作为偏好标签;
判断所述偏好标签的数量是否大于或等于第三预设数量;
当所述偏好标签的数量大于或等于第三预设数量时,根据预先确定的特征标签、产品类型及偏好系数三者之间的映射关系,确定各偏好标签基于各产品类型的偏好系数;
计算所有所述偏好标签基于各所述产品类型的偏好系数总和;
根据各产品类型的偏好系数总和的大小顺序对各产品类型进行排序,得到所述用户的偏好产品类型序列。
此外,为实现上述目的,本发明还提出一种产品推荐方法,该方法包括步骤:
获取步骤:在接收到用户发出的推荐指令时,获取用户的各项特征数据;
提取步骤:根据预先确定的标签提取规则,从各项所述特征数据中提取出所述用户的特征标签;
第一确定步骤:根据所述用户的特征标签及预先确定的风险评估规则,确定所述用户的风险承受能力值;
第二确定步骤:根据所述用户的特征标签及预先确定的偏好分析规则,确定所述用户的偏好产品类型序列;
调整步骤:根据所述用户的风险承受能力值,对所述偏好产品类型序列进行调整,生成调整后的偏好产品类型序列;
推荐步骤:于预先建立的产品库中,分别选出所述调整后的偏好产品类型序列中各偏好产品类型对应的推荐产品,并按照所述调整后的偏好产品类型序列的顺序,向所述用户展示各推荐产品。
优选地,所述第二确定步骤、调整步骤及推荐步骤替换为如下步骤:
在预先建立的产品库中查找预先设置的各风险承受能力值区间对应的产品,且分别从各所述风险承受能力值区间对应的的产品中选出推荐产品;
确定所述用户的风险承受能力值所在的风险承受能力值区间;
展示各所述风险承受能力值区间对应的推荐产品,并标记出所述用户的风险承受能力值所在的风险承受能力值区间对应的推荐产品。
优选地,所述第一确定步骤包括:
筛选步骤:从所述用户的若干个特征标签中筛选出若干个待处理特征标签;
第一判断步骤:判断所述待处理特征标签的数量是否等于第一预设数量,若是,则转入第三确定步骤,若否,则转入第二判断步骤;
第二判断步骤:判断所述待处理特征标签的数量是否大于或等于第二预设数量且小于第一预设数量,若是,则转入数据处理步骤,若否,则输出提示信息;
第三确定步骤:根据预先确定的特征标签与特征值之间的映射关系,确定各所述待处理特征标签对应的特征值,且根据预先确定的特征标签与风险系数之间的映射关系,确定各所述待处理特征标签对应的待分析风险系数,并转入风险评估步骤;
数据处理步骤:根据预先确定的特征标签与特征值之间的映射关系,确定各所述待处理特征标签对应的特征值,根据预先确定的特征标签与风险系数之间的映射关系,确定各所述待处理特征标签对应的初始风险系数,对各所述初始风险系数进行数据标准化处理,得到各所述待处理特征标签对应的待分析风险系数后转入风险评估步骤;
风险评估步骤:根据各所述待处理特征标签对应的特征值及待分析风险系数,确定所述用户的风险承受能力值。
优选地,所述提取步骤包括:
查找步骤:分别识别各项所述特征数据的特征类别,根据预先确定的特征类别与特征标签之间的映射关系,分别查找各项所述特征数据对应的所有特征标签;
匹配步骤:逐一选择特征数据,在选择一特征数据后,判断所选的特征数据是否满足对应的各个所述特征标签的预设匹配条件,每当判定所选的特征数据满足对应的一特征标签的预设匹配条件时,将该特征标签作为该所选的特征数据匹配的特征标签;
第三判断步骤:在查找出所有与所选的特征数据匹配的特征标签后,判断是否存在未被选择过的特征数据,若是,则返回继续执行所述匹配步骤,若否,则输出各特征数据匹配的特征标签作为所述用户的特征标签。
此外,为实现上述目的,本发明还提出一种计算机可读存储介质,所述计算机可读存储介质存储有产品推荐程序,所述产品推荐程序可被至少一个处理器执行,以使所述至少一个处理器执行如上述任一项所述的产品推荐方法的步骤。
本发明获取用户的各项特征数据;根据预先确定的标签提取规则,从各项所述特征数据中提取出所述用户的特征标签;根据所述用户的特征标签及预先确定的风险评估规则,确定所述用户的风险承受能力值;根据所述用户的特征标签及预先确定的偏好分析规则,确定所述用户的偏好产品类型序列;根据所述用户的风险承受能力值对所述偏好产品类型序列进行调整,生成调整后的偏好产品类型序列;于预先建立的产品库中,分别选出所述调整后的偏好产品类型序列中各偏好产品类型对应的推荐产品,并按照所述调整后的偏好产品类型序列的顺序,向所述用户展示各推荐产品。相较于现有技术,本发明综合用户的风险承受能力及用户的偏好产品类型,为用户推荐产品,使推荐的产品更符合用户的需求且降低了用户投资的风险。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,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示出的结构获得其他的附图。
图1为本发明产品推荐程序第一、第二实施例的运行环境示意图;
图2为本发明产品推荐程序第一实施例的程序模块图;
图3为图2中第一确定模块的细化程序模块图;
图4为本发明产品推荐程序第二实施例的程序模块图;
图5为本发明产品推荐方法第一实施例的流程示意图;
图6为图5中步骤S30的细化流程示意图;
图7为本发明产品推荐方法第二实施例的流程示意图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
以下结合附图对本发明的原理和特征进行描述,所举实例只用于解释本发明,并非用于限定本发明的范围。
本发明提出一种产品推荐程序。
请参阅图1,是本发明产品推荐程序10第一实施例的运行环境示意图。
在本实施例中,产品推荐程序10安装并运行于电子装置1中。电子装置1可以是桌上型计算机、笔记本、掌上电脑及服务器等计算设备。该电子装置1可包括,但不仅限于,存储器11、处理器12及显示器13。图1仅示出了具有组件11-13的电子装置1,但是应理解的是,并不要求实施所有示出的组件,可以替代的实施更多或者更少的组件。
存储器11在一些实施例中可以是电子装置1的内部存储单元,例如该电子装置1的硬盘或内存。存储器11在另一些实施例中也可以是电子装置1的外部存储设备,例如电子装置1上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(SecureDigital,SD)卡,闪存卡(Flash Card)等。进一步地,存储器11还可以既包括电子装置1的内部存储单元也包括外部存储设备。存储器11用于存储安装于电子装置1的应用软件及各类数据,例如产品推荐程序10的程序代码等。存储器11还可以用于暂时地存储已经输出或者将要输出的数据。
处理器12在一些实施例中可以是一中央处理器(Central Processing Unit,CPU),微处理器或其他数据处理芯片,用于运行存储器11中存储的程序代码或处理数据,例如执行产品推荐程序10等。
显示器13在一些实施例中可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode,有机发光二极管)触摸器等。显示器13用于显示在电子装置1中处理的信息以及用于显示可视化的用户界面。电子装置1的部件11-13通过程序总线相互通信。
请参阅图2,是本发明产品推荐程序10第一实施例的程序模块图。在本实施例中,产品推荐程序10可以被分割成一个或多个模块,一个或者多个模块被存储于存储器11中,并由一个或多个处理器(本实施例为处理器12)所执行,以完成本发明。例如,在图2中,产品推荐程序10可以被分割成获取模块101、提取模块102、第一确定模块103、第二确定模块104、调整模块105及第一推荐模块106。本发明所称的模块是指能够完成特定功能的一系列计算机程序指令段,比程序更适合于描述产品推荐程序10在电子装置1中的执行过程,其中:
获取模块101,用于在接收到用户发出的推荐指令时,获取用户的各项特征数据。
上述特征数据的特征类别包括如下一种或多种:性别、年龄、资产分布、年收入、消费水平、投资经验及投资期限。
上述获取模块101获取用户的各项特征数据的方法包括:提供用户交互界面供用户输入特征数据,获取该用户输入的各项特征数据,和/或,从预先存储的用户行为数据中提取出部分数据作为特征数据。
提取模块102,用于根据预先确定的标签提取规则,从各项所述特征数据中提取出所述用户的特征标签。
上述提取模块102用于:
首先,分别识别各项所述特征数据的特征类别,根据预先确定的特征类别与特征标签之间的映射关系,分别查找各项所述特征数据对应的所有特征标签。
然后,逐一选择特征数据,在选择一特征数据后,判断所选的特征数据是否满足对应的各个所述特征标签的预设匹配条件,每当判定所选的特征数据满足对应的一特征标签的预设匹配条件时,将该特征标签作为该所选的特征数据匹配的特征标签。
例如,以特征类别为年收入的特征数据为例,说明特征数据与特征标签的匹配方法。表一为特征类别、特征标签及预设匹配条件三种之间的映射关系示例表:
表一:
若用户特征类别为年收入的特征数据值为8万,通过上表可知该用户的年收入特征数据满足特征标签B的预设匹配条件,则该用户的年收入特征数据匹配的特征标签为B。
最后,在查找出所有与所选的特征数据匹配的特征标签后,判断是否存在未被选择过的特征数据,若是,则返回上一步骤继续选择一特征数据,若否,则输出各特征数据匹配的特征标签作为所述用户的特征标签。
第一确定模块103,用于根据所述用户的特征标签及预先确定的风险评估规则,确定所述用户的风险承受能力值。
参照图3,上述第一确定模块103包括筛选单元1031、第一判断单元1032、第二判断单元1033、确定单元1034、数据处理单元1035、风险评估单元1036及提示单元1037,其中:
筛选单元1031,用于从所述用户的若干个特征标签中筛选出若干个待处理特征标签。
第一判断单元1032,用于判断所述待处理特征标签的数量是否等于第一预设数量(例如,7个),若是,则调用确定单元1034,若否,则调用第二判断单元1033。
第二判断单元1033,用于判断所述待处理特征标签的数量是否大于或等于第二预设数量(例如,4个)且小于第一预设数量,若是,则调用数据处理单元1035,若否,则调用提示单元1037。
确定单元1034,用于根据预先确定的特征标签与特征值之间的映射关系,确定各所述待处理特征标签对应的特征值,且根据预先确定的特征标签与风险系数之间的映射关系,确定各所述待处理特征标签对应的待分析风险系数,并调用风险评估单元1036。
数据处理单元1035,用于根据预先确定的特征标签与特征值之间的映射关系,确定各所述待处理特征标签对应的特征值,根据预先确定的特征标签与风险系数之间的映射关系,确定各所述待处理特征标签对应的初始风险系数,对各所述初始风险系数进行数据标准化处理,得到各所述待处理特征标签对应的待分析风险系数后调用风险评估单元1036。
例如,数据处理单元1035利用第一计算公式确定各所述待处理特征标签对应的待分析风险系数,所述第一计算公式如下:
其中,Wi代表第i个待处理特征标签对应的待分析风险系数,Wi’代表第i个待处理特征标签对应的初始风险系数,Wmin’代表在所有所述待处理特征标签对应的初始风险系数中数值最小的初始风险系数,Wmax’代表在所有所述待处理特征标签对应的初始风险系数中数值最大的初始风险系数,i∈[1,n],n为所述待处理特征标签的总数量,i、n为正整数;
风险评估单元1036,用于根据各所述待处理特征标签对应的特征值及待分析风险系数,确定所述用户的风险承受能力值。
例如,首先,风险评估单元1036利用第二计算公式计算所述用户的初始风险承受能力值,所述第二计算公式如下:
其中,S1代表所述用户的初始风险承受能力值,Vi代表第i个待处理特征标签对应的特征值,Wi代表第i个待处理特征标签对应的待分析风险系数,i∈[1,n],n为待处理特征标签的总数量,i、n为正整数;
然后,风险评估单元1036将所述用户的初始风险承受能力值进行数据标准化处理得到最终风险承受能力值,该数据标准化处理的作用刚在于将最终风险承受能力值的数值落入预设的数值区间内。
提示单元1037,用于输出提示信息(例如,提示用户补充特征数据)。
第二确定模块104,用于根据所述用户的特征标签及预先确定的偏好分析规则,确定所述用户的偏好产品类型序列。
上述第二确定模块104用于:
第二确定模块104从所述用户的特征标签中筛选出若干个特征标签作为偏好标签。然后,第二确定模块104判断所述偏好标签的数量是否大于或等于第三预设数量(例如,5个)。接着,当所述偏好标签的数量大于或等于第三预设数量时,第二确定模块104根据预先确定的特征标签、产品类型及偏好系数三者之间的映射关系,确定各偏好标签基于各产品类型的偏好系数。计算所有所述偏好标签基于各所述产品类型的偏好系数总和。最后,第二确定模块104根据各产品类型的偏好系数总和的大小顺序对各产品类型进行排序,得到所述用户的偏好产品类型序列。
调整模块105,用于根据所述用户的风险承受能力值对所述偏好产品类型序列进行调整,生成调整后的偏好产品类型序列。
例如,以产品类型甲、乙、丙为例,说明偏好产品类型序列的调整方法。表二展示了各产品类型对应的风险级别:
表二:
产品类型 | 风险级别 |
甲 | 高 |
乙 | 中 |
丙 | 低 |
表三展示了风险承受能力值与风险级别的对应关系示例:
表三:
假设用户的偏好产品类型序列中各产品类型是按照偏好系数总和由大到小的顺序排列,则调整模块105首先获取用户的偏好产品类型序列中第一序位的产品类型对应的风险级别以及风险承受能力值对应的风险级别。接着,当第一序位的产品类型对应的风险级别为高,且用户的风险承受能力值对应的风险级别为低时,或者,当第一序位的产品类型对应的风险级别为低,且用户的风险承受能力值对应的风险级别为高时,调整模块105将偏好产品类型序列中第一序位的产品类型与第二序位的产品类型进行序位的置换,得到调整后的偏好产品类型序列。
第一推荐模块106,用于在预先建立的产品库(例如,投资产品库)中,分别选出所述调整后的偏好产品类型序列中各偏好产品类型对应的推荐产品(例如,投资产品),并按照所述调整后的偏好产品类型序列的顺序,向所述用户展示各推荐产品。
上述产品库中包括多个预先选择的产品。
上述第一推荐模块106分别选出所述调整后的偏好产品类型序列中各偏好产品类型对应的推荐产品的方法包括如下两种方案:
方案一:
在所述产品库中查找各产品类型对应的产品。然后,分别将各产品类型对应的产品按照历史收益率的大小进行排序,分别从各产品类型对应的产品中按照历史收益率由大到小的顺序选择出第四预设数量(例如,2个)的产品。
方案二:
在所述产品库中查找各产品类型对应的产品。然后,分别从各产品类型对应的的产品中随机抽取第四预设数量的产品。
本实施例获取用户的各项特征数据;根据预先确定的标签提取规则,从各项所述特征数据中提取出所述用户的特征标签;根据所述用户的特征标签及预先确定的风险评估规则,确定所述用户的风险承受能力值;根据所述用户的特征标签及预先确定的偏好分析规则,确定所述用户的偏好产品类型序列;根据所述用户的风险承受能力值对所述偏好产品类型序列进行调整,生成调整后的偏好产品类型序列;于预先建立的产品库中,分别选出所述调整后的偏好产品类型序列中各偏好产品类型对应的推荐产品,并按照所述调整后的偏好产品类型序列的顺序,向所述用户展示各推荐产品。相较于现有技术,本实施例综合用户的风险承受能力及用户的偏好产品类型,为用户推荐产品,使推荐的产品更符合用户的需求且降低了用户投资的风险。
参照图4,图4为本发明产品推荐程序10第二实施例的程序模块图。
本实施例与第一实施例的区别在于,本实施例将第一实施例中的第二确定模块104、调整模块105及第一推荐模块106替换为如下模块:
选择模块107,用于在预先建立的产品库中查找预先设置的各风险承受能力值区间对应的产品,且分别从各所述风险承受能力值区间对应的的产品中选出推荐产品。
例如,预先设置多个风险承受能力区间,并预先根据产品库中各产品的风险等级,将各产品与各风险承受能力区间建立关联映射,因此,选择模块107可通过风险承受能力区间查找出对应的产品。在查找出风险承受能力区间对应的产品后,选择模块107可按照历史收益率由大到小的顺序从各风险承受能力值区间对应的产品中选出推荐产品,或者,可随机从各风险承受能力值区间对应的产品中选出推荐产品。
第三确定模块108,用于确定所述用户的风险承受能力值所在的风险承受能力值区间。
第二推荐模块109,用于展示各所述风险承受能力值区间对应的推荐产品,并标记出所述用户的风险承受能力值所在的风险承受能力值区间对应的推荐产品。
本实施例按照用户的风险承受能力值为用户推荐产品,有效的降低了用户的投资风险。
此外,本发明提出一种产品推荐方法。
如图5所示,图5为本发明产品推荐方法第一实施例的流程示意图。
本实施例中,该方法包括:
步骤S10,在接收到用户发出的推荐指令时,获取用户的各项特征数据。
上述特征数据的特征类别包括如下一种或多种:性别、年龄、资产分布、年收入、消费水平、投资经验及投资期限。
上述获取用户的各项特征数据的方法包括:提供用户交互界面供用户输入特征数据,获取该用户输入的各项特征数据,和/或,从预先存储的用户行为数据中提取出部分数据作为特征数据。
步骤S20,根据预先确定的标签提取规则,从各项所述特征数据中提取出所述用户的特征标签。
上述步骤S20包括:
首先,分别识别各项所述特征数据的特征类别,根据预先确定的特征类别与特征标签之间的映射关系,分别查找各项所述特征数据对应的所有特征标签。
然后,逐一选择特征数据,在选择一特征数据后,判断所选的特征数据是否满足对应的各个所述特征标签的预设匹配条件,每当判定所选的特征数据满足对应的一特征标签的预设匹配条件时,将该特征标签作为该所选的特征数据匹配的特征标签。
例如,以特征类别为年收入的特征数据为例,说明特征数据与特征标签的匹配方法。表一为特征类别、特征标签及预设匹配条件三种之间的映射关系示例表:
表一:
若用户特征类别为年收入的特征数据值为8万,通过上表可知该用户的年收入特征数据满足特征标签B的预设匹配条件,则该用户的年收入特征数据匹配的特征标签为B。
最后,在查找出所有与所选的特征数据匹配的特征标签后,判断是否存在未被选择过的特征数据,若是,则返回上一步骤继续选择一特征数据,若否,则输出各特征数据匹配的特征标签作为所述用户的特征标签。
步骤S30,根据所述用户的特征标签及预先确定的风险评估规则,确定所述用户的风险承受能力值。
参照图6,上述步骤S30包括:
步骤S31,从所述用户的若干个特征标签中筛选出若干个待处理特征标签。
步骤S32,判断所述待处理特征标签的数量是否等于第一预设数量(例如,7个),若是,则转入步骤S34,若否,则转入步骤S33。
步骤S33,判断所述待处理特征标签的数量是否大于或等于第二预设数量(例如,4个)且小于第一预设数量,若是,则转入步骤S35,若否,则转入步骤S37。
步骤S34,根据预先确定的特征标签与特征值之间的映射关系,确定各所述待处理特征标签对应的特征值,且根据预先确定的特征标签与风险系数之间的映射关系,确定各所述待处理特征标签对应的待分析风险系数,并转入步骤S36。
步骤S35,根据预先确定的特征标签与特征值之间的映射关系,确定各所述待处理特征标签对应的特征值,根据预先确定的特征标签与风险系数之间的映射关系,确定各所述待处理特征标签对应的初始风险系数,对各所述初始风险系数进行数据标准化处理,得到各所述待处理特征标签对应的待分析风险系数后转入步骤S36。
例如,利用第一计算公式确定各所述待处理特征标签对应的待分析风险系数,所述第一计算公式如下:
其中,Wi代表第i个待处理特征标签对应的待分析风险系数,Wi’代表第i个待处理特征标签对应的初始风险系数,Wmin’代表在所有所述待处理特征标签对应的初始风险系数中数值最小的初始风险系数,Wmax’代表在所有所述待处理特征标签对应的初始风险系数中数值最大的初始风险系数,i∈[1,n],n为所述待处理特征标签的总数量,i、n为正整数;
步骤S36,根据各所述待处理特征标签对应的特征值及待分析风险系数,确定所述用户的风险承受能力值。
例如,首先,利用第二计算公式计算所述用户的初始风险承受能力值,所述第二计算公式如下:
其中,S1代表所述用户的初始风险承受能力值,Vi代表第i个待处理特征标签对应的特征值,Wi代表第i个待处理特征标签对应的待分析风险系数,i∈[1,n],n为待处理特征标签的总数量,i、n为正整数;
然后,将所述用户的初始风险承受能力值进行数据标准化处理得到最终风险承受能力值,该数据标准化处理的作用刚在于将最终风险承受能力值的数值落入预设的数值区间内。
步骤S37,输出提示信息(例如,提示用户补充特征数据)。
步骤S40,根据所述用户的特征标签及预先确定的偏好分析规则,确定所述用户的偏好产品类型序列。
上述步骤S40包括:
从所述用户的特征标签中筛选出若干个特征标签作为偏好标签。然后,判断所述偏好标签的数量是否大于或等于第三预设数量(例如,5个)。接着,当所述偏好标签的数量大于或等于第三预设数量时,根据预先确定的特征标签、产品类型及偏好系数三者之间的映射关系,确定各偏好标签基于各产品类型的偏好系数。计算所有所述偏好标签基于各所述产品类型的偏好系数总和。最后,根据各产品类型的偏好系数总和的大小顺序对各产品类型进行排序,得到所述用户的偏好产品类型序列。
需要注意的是,本实施例不对步骤S30、S40的执行先后顺序进行限定,用户可根据具体的应用场景进行设置。
步骤S50,根据所述用户的风险承受能力值对所述偏好产品类型序列进行调整,生成调整后的偏好产品类型序列。
例如,以产品类型甲、乙、丙为例,说明偏好产品类型序列的调整方法。表二展示了各产品类型对应的风险级别:
表二:
产品类型 | 风险级别 |
甲 | 高 |
乙 | 中 |
丙 | 低 |
表三展示了风险承受能力值与风险级别的对应关系示例:
表三:
风险承受能力值 | 风险级别 |
7≤X | 高 |
4≤X<7 | 中 |
0≤X<4 | 低 |
假设用户的偏好产品类型序列中各产品类型是按照偏好系数总和由大到小的顺序排列,则首先获取用户的偏好产品类型序列中第一序位的产品类型对应的风险级别以及风险承受能力值对应的风险级别。
接着,当第一序位的产品类型对应的风险级别为高,且用户的风险承受能力值对应的风险级别为低时,或者,当第一序位的产品类型对应的风险级别为低,且用户的风险承受能力值对应的风险级别为高时,将偏好产品类型序列中第一序位的产品类型与第二序位的产品类型进行序位的置换,得到调整后的偏好产品类型序列。
步骤S60,于预先建立的产品库中,分别选出所述调整后的偏好产品类型序列中各偏好产品类型对应的推荐产品,并按照所述调整后的偏好产品类型序列的顺序,向所述用户展示各推荐产品。
上述产品库中包括多个预先选择的产品。
上述分别选出所述调整后的偏好产品类型序列中各偏好产品类型对应的推荐产品的方法包括如下两种方案:
方案一:
在所述产品库中查找各产品类型对应的产品。然后,分别将各产品类型对应的产品按照历史收益率的大小进行排序,分别从各产品类型对应的产品中按照历史收益率由大到小的顺序选择出第四预设数量(例如,2个)的产品。
方案二:
在所述产品库中查找各产品类型对应的产品。然后,分别从各产品类型对应的的产品中随机抽取第四预设数量的产品。
本实施例获取用户的各项特征数据;根据预先确定的标签提取规则,从各项所述特征数据中提取出所述用户的特征标签;根据所述用户的特征标签及预先确定的风险评估规则,确定所述用户的风险承受能力值;根据所述用户的特征标签及预先确定的偏好分析规则,确定所述用户的偏好产品类型序列;根据所述用户的风险承受能力值对所述偏好产品类型序列进行调整,生成调整后的偏好产品类型序列;于预先建立的产品库中,分别选出所述调整后的偏好产品类型序列中各偏好产品类型对应的推荐产品,并按照所述调整后的偏好产品类型序列的顺序,向所述用户展示各推荐产品。相较于现有技术,本实施例综合用户的风险承受能力及用户的偏好产品类型,为用户推荐产品,使推荐的产品更符合用户的需求且降低了用户投资的风险。
参照图7,图7为本发明产品推荐方法第二实施例的流程示意图。
本实施例与第一实施例的区别在于,本实施例将第一实施例中的步骤S40至S60替换为如下步骤:
步骤S70,在预先建立的产品库中查找预先设置的各风险承受能力值区间对应的产品,且分别从各所述风险承受能力值区间对应的的产品中选出推荐产品。
例如,预先设置多个风险承受能力区间,并预先根据产品库中各产品的风险等级,将各产品与各风险承受能力区间建立关联映射,因此,可通过风险承受能力区间查找出对应的产品。在查找出风险承受能力区间对应的产品后,可按照历史收益率由大到小的顺序从各风险承受能力值区间对应的产品中选出推荐产品,或者,可随机从各风险承受能力值区间对应的产品中选出推荐产品。
步骤S80,确定所述用户的风险承受能力值所在的风险承受能力值区间。
需要注意的是,本实施例不对步骤S70及S80的先后顺序进行限定,用户可根据具体的应用场景对该执行步骤进行设置。
步骤S90,展示各所述风险承受能力值区间对应的推荐产品,并标记出所述用户的风险承受能力值所在的风险承受能力值区间对应的推荐产品。
本实施例按照用户的风险承受能力值为用户推荐产品,有效的降低了用户的投资风险。
进一步地,本发明还提出一种计算机可读存储介质,所述计算机可读存储介质存储有产品推荐程序,所述产品推荐程序可被至少一个处理器执行,以使所述至少一个处理器执行上述任一实施例中的产品推荐方法的步骤。
以上所述仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是在本发明的发明构思下,利用本发明说明书及附图内容所作的等效结构变换,或直接/间接运用在其他相关的技术领域均包括在本发明的专利保护范围内。
Claims (10)
1.一种电子装置,所述电子装置包括存储器和处理器,其特征在于,所述存储器上存储有产品推荐程序,所述产品推荐程序被所述处理器执行时实现如下步骤:
获取步骤:在接收到用户发出的推荐指令时,获取用户的各项特征数据;
提取步骤:根据预先确定的标签提取规则,从各项所述特征数据中提取出所述用户的特征标签;
第一确定步骤:根据所述用户的特征标签及预先确定的风险评估规则,确定所述用户的风险承受能力值;
第二确定步骤:根据所述用户的特征标签及预先确定的偏好分析规则,确定所述用户的偏好产品类型序列;
调整步骤:根据所述用户的风险承受能力值,对所述偏好产品类型序列进行调整,生成调整后的偏好产品类型序列;
推荐步骤:于预先建立的产品库中,分别选出所述调整后的偏好产品类型序列中各偏好产品类型对应的推荐产品,并按照所述调整后的偏好产品类型序列的顺序,向所述用户展示各推荐产品。
2.如权利要求1所述的电子装置,其特征在于,所述第二确定步骤、调整步骤及推荐步骤替换为如下步骤:
在预先建立的产品库中查找预先设置的各风险承受能力值区间对应的产品,且分别从各所述风险承受能力值区间对应的的产品中选出推荐产品;
确定所述用户的风险承受能力值所在的风险承受能力值区间;
展示各所述风险承受能力值区间对应的推荐产品,并标记出所述用户的风险承受能力值所在的风险承受能力值区间对应的推荐产品。
3.如权利要求1所述的电子装置,其特征在于,所述第一确定步骤包括:
筛选步骤:从所述用户的若干个特征标签中筛选出若干个待处理特征标签;
第一判断步骤:判断所述待处理特征标签的数量是否等于第一预设数量,若是,则转入第三确定步骤,若否,则转入第二判断步骤;
第二判断步骤:判断所述待处理特征标签的数量是否大于或等于第二预设数量且小于第一预设数量,若是,则转入数据处理步骤,若否,则输出提示信息;
第三确定步骤:根据预先确定的特征标签与特征值之间的映射关系,确定各所述待处理特征标签对应的特征值,且根据预先确定的特征标签与风险系数之间的映射关系,确定各所述待处理特征标签对应的待分析风险系数,并转入风险评估步骤;
数据处理步骤:根据预先确定的特征标签与特征值之间的映射关系,确定各所述待处理特征标签对应的特征值,根据预先确定的特征标签与风险系数之间的映射关系,确定各所述待处理特征标签对应的初始风险系数,对各所述初始风险系数进行数据标准化处理,得到各所述待处理特征标签对应的待分析风险系数后转入风险评估步骤;
风险评估步骤:根据各所述待处理特征标签对应的特征值及待分析风险系数,确定所述用户的风险承受能力值。
4.如权利要求1或3所述的电子装置,其特征在于,所述提取步骤包括:
查找步骤:分别识别各项所述特征数据的特征类别,根据预先确定的特征类别与特征标签之间的映射关系,分别查找各项所述特征数据对应的所有特征标签;
匹配步骤:逐一选择特征数据,在选择一特征数据后,判断所选的特征数据是否满足对应的各个所述特征标签的预设匹配条件,每当判定所选的特征数据满足对应的一特征标签的预设匹配条件时,将该特征标签作为该所选的特征数据匹配的特征标签;
第三判断步骤:在查找出所有与所选的特征数据匹配的特征标签后,判断是否存在未被选择过的特征数据,若是,则返回继续执行所述匹配步骤,若否,则输出各特征数据匹配的特征标签作为所述用户的特征标签。
5.如权利要求1或3所述的电子装置,其特征在于,所述第二确定步骤包括:
从所述用户的特征标签中筛选出若干个特征标签作为偏好标签;
判断所述偏好标签的数量是否大于或等于第三预设数量;
当所述偏好标签的数量大于或等于第三预设数量时,根据预先确定的特征标签、产品类型及偏好系数三者之间的映射关系,确定各偏好标签基于各产品类型的偏好系数;
计算所有所述偏好标签基于各所述产品类型的偏好系数总和;
根据各产品类型的偏好系数总和的大小顺序对各产品类型进行排序,得到所述用户的偏好产品类型序列。
6.一种产品推荐方法,其特征在于,该方法包括步骤:
获取步骤:在接收到用户发出的推荐指令时,获取用户的各项特征数据;
提取步骤:根据预先确定的标签提取规则,从各项所述特征数据中提取出所述用户的特征标签;
第一确定步骤:根据所述用户的特征标签及预先确定的风险评估规则,确定所述用户的风险承受能力值;
第二确定步骤:根据所述用户的特征标签及预先确定的偏好分析规则,确定所述用户的偏好产品类型序列;
调整步骤:根据所述用户的风险承受能力值,对所述偏好产品类型序列进行调整,生成调整后的偏好产品类型序列;
推荐步骤:于预先建立的产品库中,分别选出所述调整后的偏好产品类型序列中各偏好产品类型对应的推荐产品,并按照所述调整后的偏好产品类型序列的顺序,向所述用户展示各推荐产品。
7.如权利要求6所述的产品推荐方法,其特征在于,所述第二确定步骤、调整步骤及推荐步骤替换为如下步骤:
在预先建立的产品库中查找预先设置的各风险承受能力值区间对应的产品,且分别从各所述风险承受能力值区间对应的的产品中选出推荐产品;
确定所述用户的风险承受能力值所在的风险承受能力值区间;
展示各所述风险承受能力值区间对应的推荐产品,并标记出所述用户的风险承受能力值所在的风险承受能力值区间对应的推荐产品。
8.如权利要求6所述的产品推荐方法,其特征在于,所述第一确定步骤包括:
筛选步骤:从所述用户的若干个特征标签中筛选出若干个待处理特征标签;
第一判断步骤:判断所述待处理特征标签的数量是否等于第一预设数量,若是,则转入第三确定步骤,若否,则转入第二判断步骤;
第二判断步骤:判断所述待处理特征标签的数量是否大于或等于第二预设数量且小于第一预设数量,若是,则转入数据处理步骤,若否,则输出提示信息;
第三确定步骤:根据预先确定的特征标签与特征值之间的映射关系,确定各所述待处理特征标签对应的特征值,且根据预先确定的特征标签与风险系数之间的映射关系,确定各所述待处理特征标签对应的待分析风险系数,并转入风险评估步骤;
数据处理步骤:根据预先确定的特征标签与特征值之间的映射关系,确定各所述待处理特征标签对应的特征值,根据预先确定的特征标签与风险系数之间的映射关系,确定各所述待处理特征标签对应的初始风险系数,对各所述初始风险系数进行数据标准化处理,得到各所述待处理特征标签对应的待分析风险系数后转入风险评估步骤;
风险评估步骤:根据各所述待处理特征标签对应的特征值及待分析风险系数,确定所述用户的风险承受能力值。
9.如权利要求6或8所述的产品推荐方法,其特征在于,所述提取步骤包括:
查找步骤:分别识别各项所述特征数据的特征类别,根据预先确定的特征类别与特征标签之间的映射关系,分别查找各项所述特征数据对应的所有特征标签;
匹配步骤:逐一选择特征数据,在选择一特征数据后,判断所选的特征数据是否满足对应的各个所述特征标签的预设匹配条件,每当判定所选的特征数据满足对应的一特征标签的预设匹配条件时,将该特征标签作为该所选的特征数据匹配的特征标签;
第三判断步骤:在查找出所有与所选的特征数据匹配的特征标签后,判断是否存在未被选择过的特征数据,若是,则返回继续执行所述匹配步骤,若否,则输出各特征数据匹配的特征标签作为所述用户的特征标签。
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产品推荐程序,所述产品推荐程序可被至少一个处理器执行,以使所述至少一个处理器执行如权利要求6-9中的任一项所述的产品推荐方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811022972.5A CN109255715A (zh) | 2018-09-03 | 2018-09-03 | 电子装置、产品推荐方法和计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811022972.5A CN109255715A (zh) | 2018-09-03 | 2018-09-03 | 电子装置、产品推荐方法和计算机可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109255715A true CN109255715A (zh) | 2019-01-22 |
Family
ID=65047214
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811022972.5A Pending CN109255715A (zh) | 2018-09-03 | 2018-09-03 | 电子装置、产品推荐方法和计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109255715A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110516061A (zh) * | 2019-07-24 | 2019-11-29 | 视联动力信息技术股份有限公司 | 一种数据处理方法、装置和计算机可读存储介质 |
WO2020151152A1 (zh) * | 2019-01-24 | 2020-07-30 | 平安科技(深圳)有限公司 | 基于用户画像的聚类方法、电子装置及存储介质 |
CN112184302A (zh) * | 2020-09-25 | 2021-01-05 | 中国建设银行股份有限公司 | 一种产品推荐方法、装置、规则引擎及存储介质 |
CN114780842A (zh) * | 2022-04-20 | 2022-07-22 | 北京字跳网络技术有限公司 | 一种数据处理方法、装置、设备及存储介质 |
CN116012118A (zh) * | 2023-02-28 | 2023-04-25 | 荣耀终端有限公司 | 一种产品推荐方法和装置 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7860774B1 (en) * | 2003-10-31 | 2010-12-28 | Charles Schwab & Co., Inc. | System and method for providing financial advice for an investment portfolio |
CN104090967A (zh) * | 2014-07-16 | 2014-10-08 | 北京智谷睿拓技术服务有限公司 | 应用程序推荐方法及推荐装置 |
CN106097044A (zh) * | 2016-06-01 | 2016-11-09 | 腾讯科技(深圳)有限公司 | 一种数据推荐处理方法以及装置 |
CN107358530A (zh) * | 2017-08-17 | 2017-11-17 | 杭州铜板街互联网金融信息服务有限公司 | 理财产品推荐方法 |
CN107784583A (zh) * | 2017-02-20 | 2018-03-09 | 上海陆家嘴国际金融资产交易市场股份有限公司 | 风险匹配方法及装置 |
CN108399565A (zh) * | 2017-10-09 | 2018-08-14 | 平安科技(深圳)有限公司 | 金融产品推荐装置、方法及计算机可读存储介质 |
-
2018
- 2018-09-03 CN CN201811022972.5A patent/CN109255715A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7860774B1 (en) * | 2003-10-31 | 2010-12-28 | Charles Schwab & Co., Inc. | System and method for providing financial advice for an investment portfolio |
CN104090967A (zh) * | 2014-07-16 | 2014-10-08 | 北京智谷睿拓技术服务有限公司 | 应用程序推荐方法及推荐装置 |
CN106097044A (zh) * | 2016-06-01 | 2016-11-09 | 腾讯科技(深圳)有限公司 | 一种数据推荐处理方法以及装置 |
CN107784583A (zh) * | 2017-02-20 | 2018-03-09 | 上海陆家嘴国际金融资产交易市场股份有限公司 | 风险匹配方法及装置 |
CN107358530A (zh) * | 2017-08-17 | 2017-11-17 | 杭州铜板街互联网金融信息服务有限公司 | 理财产品推荐方法 |
CN108399565A (zh) * | 2017-10-09 | 2018-08-14 | 平安科技(深圳)有限公司 | 金融产品推荐装置、方法及计算机可读存储介质 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020151152A1 (zh) * | 2019-01-24 | 2020-07-30 | 平安科技(深圳)有限公司 | 基于用户画像的聚类方法、电子装置及存储介质 |
CN110516061A (zh) * | 2019-07-24 | 2019-11-29 | 视联动力信息技术股份有限公司 | 一种数据处理方法、装置和计算机可读存储介质 |
CN112184302A (zh) * | 2020-09-25 | 2021-01-05 | 中国建设银行股份有限公司 | 一种产品推荐方法、装置、规则引擎及存储介质 |
CN114780842A (zh) * | 2022-04-20 | 2022-07-22 | 北京字跳网络技术有限公司 | 一种数据处理方法、装置、设备及存储介质 |
CN116012118A (zh) * | 2023-02-28 | 2023-04-25 | 荣耀终端有限公司 | 一种产品推荐方法和装置 |
CN116012118B (zh) * | 2023-02-28 | 2023-08-29 | 荣耀终端有限公司 | 一种产品推荐方法和装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109255715A (zh) | 电子装置、产品推荐方法和计算机可读存储介质 | |
WO2019223379A1 (zh) | 一种产品推荐方法和装置 | |
CN110163476A (zh) | 项目智能推荐方法、电子装置及存储介质 | |
Tuma et al. | Finite mixture models in market segmentation: A review and suggestions for best practices | |
CN107704946B (zh) | 电子装置、语音导航需求预测方法和存储介质 | |
CN110135942A (zh) | 产品推荐方法、装置及计算机可读存储介质 | |
CN102722880B (zh) | 图像主颜色的识别方法、装置及图像匹配方法和服务器 | |
CN107909428A (zh) | 电子装置、产品推荐方法和计算机可读存储介质 | |
CN106874355A (zh) | 同时融入社交关系和用户相似度的协同过滤方法 | |
CN108734561A (zh) | 电子装置、订单数据处理方法和计算机可读存储介质 | |
CN103714349A (zh) | 一种基于颜色和纹理特征的图像识别方法 | |
CN109302541A (zh) | 电子装置、坐席分配方法和计算机可读存储介质 | |
CN106886559A (zh) | 同时融入好友特征和相似用户特征的协同过滤方法 | |
CN110111158A (zh) | 生命周期或成长特征的营销设计方法、装置和存储介质 | |
CN110347789A (zh) | 文本意图智能分类方法、装置及计算机可读存储介质 | |
CN110675238A (zh) | 客户标签配置方法、系统、可读存储介质及电子设备 | |
CN109933502A (zh) | 电子装置、用户操作记录的处理方法和存储介质 | |
CN110458644A (zh) | 一种信息处理方法及相关设备 | |
CN112560465A (zh) | 批量异常事件的监控方法、装置、电子设备及存储介质 | |
CN113505273B (zh) | 基于重复数据筛选的数据排序方法、装置、设备及介质 | |
CN113837631B (zh) | 员工评价方法、装置、电子设备及可读存储介质 | |
CN108280377A (zh) | 在物资仓储管理系统中多标签的防碰撞读取方法 | |
Lok et al. | A new statistical depth function with applications to multimodal data | |
CN115099680B (zh) | 风险管理方法、装置、设备及存储介质 | |
CN115827994A (zh) | 一种数据处理方法、装置、设备、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 |