CN109376306A - 一种基于标签全景图的服务推荐方法及系统 - Google Patents
一种基于标签全景图的服务推荐方法及系统 Download PDFInfo
- Publication number
- CN109376306A CN109376306A CN201811473969.5A CN201811473969A CN109376306A CN 109376306 A CN109376306 A CN 109376306A CN 201811473969 A CN201811473969 A CN 201811473969A CN 109376306 A CN109376306 A CN 109376306A
- Authority
- CN
- China
- Prior art keywords
- user
- label
- service
- panorama sketch
- subgroup
- 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
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
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0631—Item recommendations
Landscapes
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明提供了一种基于标签全景图的服务推荐方法及系统,所述方法包括以下步骤:基于用户标签数据,建立用户的标签全景图;依据所述标签全景图划分用户群;建立第一预设规则,并依据第一预设规则将所述用户群划分为若干个子群;从所述标签全景图中获取待测用户的标签,并依据所述标签判断待测用户所属子群,所述子群是所述若干个子群中的一个子群;获取待测用户所属子群的候选服务列表,建立第二预设规则,从所述候选服务列表中依据第二预设规则推荐服务;所述方法及系统实现了在向用户推荐的服务满足多样化的同时,保证了服务价值的最大化。
Description
技术领域
本发明涉及服务推荐技术领域,更具体地,涉及一种基于标签全景图的服务推荐方法及系统。
背景技术
随着互联网行业的快速发展,面对着用户多样化的需求,服务商需要向用户推荐满足用户喜好的服务。目前常见的服务推荐方式主要有两种,第一种是基于用户行为触发推荐方式,第二种是基于用户标识和相应的用户即时场景的推荐方式;第一种服务推荐方式必须采集大量的用户行为样本数据,才能够较为全面地分析出用户喜好,也就是说对于用户而言,只有在多次尝试之后才能获取到精准的服务推荐,但是面对繁杂的网络信息,用户通常只会在服务前短暂地停留,就导致基于用户行为触发的服务推荐方式推荐的服务往往过于单一,不能保证推荐服务的多样化。
第二种服务推荐方式通过获取用户标识,然后查询用户标识所属的用户集群,获取对应用户集群的服务推荐方式,当用户即时场景信息满足对应集群的服务推荐方式的触发条件时,将满足条件的服务信息推荐给用户,这种服务推荐方式推荐的服务信息具有较好的多样性,但是该方式将满足条件的所有服务信息都推荐给用户,而用户通常停留时间较短,并不能保证用户浏览到的服务对用户有价值,那么就需要在有限的时间内,将价值最大的服务推荐给用户。所以,如何设计一种能够使得推荐的服务既具有多样化,又能实现推荐服务价值最大化的服务推荐方法,是目前面临的一个主要问题。
发明内容
本发明的目的在于提供一种基于标签全景图的服务推荐方法及系统,在保证推荐服务的多样化的同时,给用户推荐的服务实现了价值最大化。
为实现上述目的,本发明提供了一种基于标签全景图的服务推荐方法,包括以下步骤:
基于用户标签数据,建立用户的标签全景图;
依据所述标签全景图划分用户群;
建立第一预设规则,并依据第一预设规则将所述用户群划分为若干个子群;
从所述标签全景图中获取待测用户的标签,并依据所述标签判断待测用户所属子群,所述子群是所述若干个子群中的一个子群;
获取待测用户所属子群的候选服务列表,建立第二预设规则,从所述候选服务列表中依据第二预设规则推荐服务。
优选地,所述用户标签数据包括性别籍贯、职业身份、年龄分段、文化程度、金融行为、资产偏好、消费偏好、服务次数、服务路径、信用状态、投资分布和资产分布。
优选地,所述用户群包括基础用户群、行为用户群和画像用户群。
优选地,所述第一预设规则是每个子群包含所属用户群中的一个标签。
优选地,所述第二预设规则是先从候选服务列表中获取转化率最大的N个服务,再从所述N个服务中选择转化率最大的或者用户自定义的预设个数的服务推荐。
为实现上述目的,本发明还提供了一种基于标签全景图的服务推荐系统,包括:
标签全景图建立模块,用于基于用户标签数据,建立用户的标签全景图;
用户群划分模块,用于依据所述标签全景图划分用户群;
用户子群划分模块,用于建立第一预设规则,并依据第一预设规则将所述用户群划分为若干个子群;
用户所属子群判断模块,用于从所述标签全景图中获取待测用户的标签,并依据所述标签判断待测用户所属子群,所述子群是所述若干个子群中的一个子群;
服务推荐模块,用于获取待测用户所属子群的候选服务列表,建立第二预设规则,从所述候选服务列表中依据第二预设规则推荐服务。
优选地,所述用户标签数据包括性别籍贯、职业身份、年龄分段、文化程度、金融行为、资产偏好、消费偏好、服务次数、服务路径、信用状态、投资分布和资产分布。
优选地,所述用户群包括基础用户群、行为用户群和画像用户群。
优选地,所述第一预设规则是每个子群包含所属用户群中的一个标签。
优选地,所述第二预设规则是先从候选服务列表中获取转化率最大的N个服务,再从所述N个服务中选择转化率最大的或者用户自定义的预设个数的服务推荐。
本发明与现有技术相比,具有以下优点及突出性效果:
本发明提供的一种基于标签全景图的服务推荐方法及系统通过先分析待测用户的标签,将待测用户划分到对应的用户子群中,再获取子群对应的候选服务列表,按照相应的规则从候选服务列表中选择对待测用户价值最大的服务推荐,实现了在向待测用户推荐的服务满足多样化的同时,保证了服务价值的最大化。
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获得其他的附图。
图1为本发明实施例一公开的一种基于标签全景图的服务推荐方法的流程示意图;
图2为本发明实施例二公开的一种基于标签全景图的服务推荐系统的结构示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
实施例一
如图1所示,本发明实施例一公开了一种基于标签全景图的服务推荐方法,包括以下步骤:
S101,基于用户标签数据,建立用户的标签全景图。本实施例中,用户标签数据包括:性别籍贯、职业身份、年龄分段、文化程度、金融行为、资产偏好、消费偏好、服务次数、服务路径、信用状态、投资分布和资产分布。金融行为是指用户产生交易的操作流水订单,资产偏好是指用户消费过程中喜欢的投资类型,消费偏好指的是用户喜欢的消费类型,服务次数指推荐给用户服务之后用户消费的次数;服务路径是指用户在产品上的各种操作的路径,获取服务路径便于在推荐服务时根据服务路径进行分析,确定更适合给用户推荐服务的节点;信用状态指用户在消费过程中是否有过逾期等失信记录。需要说明的是,在其他实施例中,也可以根据需要在用户标签数据中设置其他标签。
S102,根据上述标签全景图划分用户群。具体来说,本实施例中,划分之后的用户群为基础用户群、行为用户群和画像用户群,其中基础用户群中包含的标签有性别籍贯、职业身份、年龄分段和文化程度,行为用户群中包含的标签有金融行为、资产偏好、消费偏好和服务次数,画像用户群中包含的标签有服务路径、信用状态、投资分布和资产分布。
对于新用户,具有的属性特征只符合基础用户群,但新用户在服务消费过程中逐渐产生行为数据,比如金融行为、消费行为等,当行为数据对应的所属标签分值超过预设阈值,会划分到下一个用户群,即行为用户群。当该用户在行为用户群的基础上服务消费更加频繁,留存时间更长,在服务路径、信用状态、投资分布和资产分布四个标签中其中一个标签的分值超过预设阈值时,那么该用户就可以划分为以用户偏好为基准的画像用户群。
S103,建立第一预设规则,并依据第一预设规则将上述用户群划分为若干个子群,上述第一预设规则是每个子群包含所属用户群中的一个标签,比如行为用户群中具有金融行为、资产偏好、消费偏好和服务次数四个标签,那么划分子群之后,子群1中的标签是金融行为,子群2中的标签是资产偏好,子群3中的标签是消费偏好,子群4中的标签是服务次数,具体来说,当待测用户在标签金融行为上的计算分值大于预设阈值,那么该待测用户就被归类到子群1中。在其他实施例中,也可以将两个标签归类到一个子群中,比如将金融行为和资产偏好归类为子群1的标签,消费偏好和服务次数归类为子群2的标签。这样就依据计算模型分别计算待测用户各个标签的分值,当金融行为标签和资产偏好标签分值之和大于预设阈值时,该待测用户被划分为子群1中。
S104,从上述标签全景图中获取待测用户的标签,并依据该标签判断待测用户所属子群,该所属子群是上述若干个子群中的一个子群。具体来说,待测用户在产品上浏览时,采集待测用户的行为信息,这些行为信息以标签的形式被记录归类,这样就获取到了待测用户的标签,该标签是上述标签全景图中的一个标签。然后依据待测用户的标签计算所有标签的分值,当待测用户在性别籍贯、职业身份、年龄分段或者文化程度这些标签中的任一个标签的计算分值大于对应标签的预设阈值时,该待测用户将被划分到基础用户群的对应子群中。若待测用户还产生了金融行为、资产配置行为、消费行为或者接受推荐的服务行为时,则计算待测用户在这些标签上的分值,若待测用户在其中一个标签上的分值大于对应的预设阈值,则将该待测用户划分到对应的子群,若待测用户在两个以上的标签上的分值都大于预设阈值,则取分值最高的标签所在的子群作为该待测用户所属子群。
S105,获取待测用户所属子群的候选服务列表,建立第二预设规则,从所述候选服务列表中依据第二预设规则推荐服务。第二预设规则是先从候选服务列表中获取转化率最大的N个服务,再从所述N个服务中选择转化率最大的或者用户自定义的预设个数的服务推荐。其中转化率是指在当前用户群消费推荐服务的用户中,满足下一个用户群条件且转换为下一个用户群的用户所占的比例。具体来说,每个子群的候选服务列表是预先设置好的,获取到待测用户所属子群之后,然后查询得到对应子群的候选服务列表,然后获取该候选服务列表中转化率最大的N个服务,再从这N个服务中选择转化率最大的预设个数的服务进行推荐,或者用户自定义选择其中预设个数的服务进行推荐。本实施例中,获取转化率最大的10个服务,由于待测用户在页面上停留时间较短,所以本实施例选取转化率最高的3个服务进行推荐,这样能实现推荐服务的价值最大化。或者,用户可以自定义从这10个服务中选取服务进行推荐,比如不同类型的服务都有预先设置的优先级,用户可以根据需要将这10个服务中的优先级从高往低排序,然后推荐优先级最高的3个服务。用户也可以指定3个服务进行推荐。
实施例二
如图2所示,本发明实施例二公开了一种基于标签全景图的服务推荐系统,包括:
标签全景图建立模块201,用于基于用户标签数据,建立用户的标签全景图。本实施例中,用户标签数据包括:性别籍贯、职业身份、年龄分段、文化程度、金融行为、资产偏好、消费偏好、服务次数、服务路径、信用状态、投资分布和资产分布。金融行为是指用户产生交易的操作流水订单,资产偏好是指用户消费过程中喜欢的投资类型,消费偏好指的是用户喜欢的消费类型,服务次数指推荐给用户服务之后用户消费的次数;服务路径是指用户在产品上的各种操作的路径,获取服务路径便于在推荐服务时根据服务路径进行分析,确定更适合给用户推荐服务的节点;信用状态指用户在消费过程中是否有过逾期等失信记录。需要说明的是,在其他实施例中,也可以根据需要在用户标签数据中设置其他标签。
用户群划分模块202,用于根据上述标签全景图划分用户群。具体来说,本实施例中,划分之后的用户群为基础用户群、行为用户群和画像用户群,其中基础用户群中包含的标签有性别籍贯、职业身份、年龄分段和文化程度,行为用户群中包含的标签有金融行为、资产偏好、消费偏好和服务次数,画像用户群中包含的标签有服务路径、信用状态、投资分布和资产分布。
对于新用户,具有的属性特征只符合基础用户群,但新用户在服务消费过程中逐渐产生行为数据,比如金融行为、消费行为等,当行为数据对应的所属标签分值超过预设阈值,会划分到下一个用户群,即行为用户群。当该用户在行为用户群的基础上服务消费更加频繁,留存时间更长,在服务路径、信用状态、投资分布和资产分布四个标签中其中一个标签的分值超过预设阈值时,那么该用户就可以划分为以用户偏好为基准的画像用户群。
用户子群划分模块203,用于建立第一预设规则,并依据第一预设规则将上述用户群划分为若干个子群,上述第一预设规则是每个子群包含所属用户群中的一个标签,比如行为用户群中具有金融行为、资产偏好、消费偏好和服务次数四个标签,那么划分子群之后,子群1中的标签是金融行为,子群2中的标签是资产偏好,子群3中的标签是消费偏好,子群4中的标签是服务次数,具体来说,当待测用户在标签金融行为上的计算分值大于预设阈值,那么该待测用户就被归类到子群1中。在其他实施例中,也可以将两个标签归类到一个子群中,比如将金融行为和资产偏好归类为子群1的标签,消费偏好和服务次数归类为子群2的标签。这样就依据计算模型分别计算待测用户各个标签的分值,当金融行为标签和资产偏好标签分值之和大于预设阈值时,该待测用户被划分为子群1中。
用户所属子群判断模块204,从上述标签全景图中获取待测用户的标签,并依据该标签判断待测用户所属子群,该所属子群是上述若干个子群中的一个子群。具体来说,待测用户在产品上浏览时,采集待测用户的行为信息,这些行为信息以标签的形式被记录归类,这样就获取到了待测用户的标签,该标签是上述标签全景图中的一个标签。然后依据待测用户的标签计算所有标签的分值,当待测用户在性别籍贯、职业身份、年龄分段或者文化程度这些标签中的任一个标签的计算分值大于对应标签的预设阈值时,该待测用户将被划分到基础用户群的对应子群中。若待测用户还产生了金融行为、资产配置行为、消费行为或者接受推荐的服务行为时,则计算待测用户在这些标签上的分值,若待测用户在其中一个标签上的分值大于对应的预设阈值,则将该待测用户划分到对应的子群,若待测用户在两个以上的标签上的分值都大于预设阈值,则取分值最高的标签所在的子群作为该待测用户所属子群。
服务推荐模块205,用于获取待测用户所属子群的候选服务列表,建立第二预设规则,从所述候选服务列表中依据第二预设规则推荐服务。第二预设规则是先从候选服务列表中获取转化率最大的N个服务,再从所述N个服务中选择转化率最大的或者用户自定义的预设个数的服务推荐。其中转化率是指在当前用户群消费推荐服务的用户中,满足下一个用户群条件且转换为下一个用户群的用户所占的比例。具体来说,每个子群的候选服务列表是预先设置好的,获取到待测用户所属子群之后,然后查询得到对应子群的候选服务列表,然后获取该候选服务列表中转化率最大的N个服务,再从这N个服务中选择转化率最大的预设个数的服务进行推荐,或者用户自定义选择其中预设个数的服务进行推荐。本实施例中,获取转化率最大的10个服务,由于待测用户在页面上停留时间较短,所以本实施例选取转化率最高的3个服务进行推荐,这样能实现推荐服务的价值最大化。或者,用户可以自定义从这10个服务中选取服务进行推荐,比如不同类型的服务都有预先设置的优先级,用户可以根据需要将这10个服务中的优先级从高往低排序,然后推荐优先级最高的3个服务。用户也可以指定3个服务进行推荐。
本发明实施例公开的一种基于标签全景图的服务推荐方法及系统通过先分析待测用户的标签,将待测用户划分到对应的用户子群中,再获取子群对应的候选服务列表,按照相应的规则从候选服务列表中选择对待测用户价值最大的服务推荐,实现了在向待测用户推荐的服务满足多样化的同时,保证了服务价值的最大化。
以上所述的具体实施例,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施例而已,并不用于限制本发明,凡在本发明的原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于标签全景图的服务推荐方法,其特征在于,包括以下步骤:
基于用户标签数据,建立用户的标签全景图;
依据所述标签全景图划分用户群;
建立第一预设规则,并依据第一预设规则将所述用户群划分为若干个子群;
从所述标签全景图中获取待测用户的标签,并依据所述标签判断待测用户所属子群,所述子群是所述若干个子群中的一个子群;
获取待测用户所属子群的候选服务列表,建立第二预设规则,从所述候选服务列表中依据第二预设规则推荐服务。
2.如权利要求1所述的一种基于标签全景图的服务推荐方法,其特征在于,所述用户标签数据包括性别籍贯、职业身份、年龄分段、文化程度、金融行为、资产偏好、消费偏好、服务次数、服务路径、信用状态、投资分布和资产分布。
3.如权利要求1所述的一种基于标签全景图的服务推荐方法,其特征在于,所述用户群包括基础用户群、行为用户群和画像用户群。
4.如权利要求1所述的一种基于标签全景图的服务推荐方法,其特征在于,所述第一预设规则是每个子群包含所属用户群中的一个标签。
5.如权利要求1所述的一种基于标签全景图的服务推荐方法,其特征在于,所述第二预设规则是先从候选服务列表中获取转化率最大的N个服务,再从所述N个服务中选择转化率最大的或者用户自定义的预设个数的服务推荐。
6.一种基于标签全景图的服务推荐系统,其特征在于,包括:
标签全景图建立模块,用于基于用户标签数据,建立用户的标签全景图;
用户群划分模块,用于依据所述标签全景图划分用户群;
用户子群划分模块,用于建立第一预设规则,并依据第一预设规则将所述用户群划分为若干个子群;
用户所属子群判断模块,用于从所述标签全景图中获取待测用户的标签,并依据所述标签判断待测用户所属子群,所述子群是所述若干个子群中的一个子群;
服务推荐模块,用于获取待测用户所属子群的候选服务列表,建立第二预设规则,从所述候选服务列表中依据第二预设规则推荐服务。
7.如权利要求6所述的一种基于标签全景图的服务推荐系统,其特征在于,所述用户标签数据包括性别籍贯、职业身份、年龄分段、文化程度、金融行为、资产偏好、消费偏好、服务次数、服务路径、信用状态、投资分布和资产分布。
8.如权利要求6所述的一种基于标签全景图的服务推荐系统,其特征在于,所述用户群包括基础用户群、行为用户群和画像用户群。
9.如权利要求6所述的一种基于标签全景图的服务推荐系统,其特征在于,所述第一预设规则是每个子群包含所属用户群中的一个标签。
10.如权利要求6所述的一种基于标签全景图的服务推荐系统,其特征在于,所述第二预设规则是先从候选服务列表中获取转化率最大的N个服务,再从所述N个服务中选择转化率最大的或者用户自定义的预设个数的服务推荐。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811473969.5A CN109376306B (zh) | 2018-12-04 | 2018-12-04 | 一种基于标签全景图的服务推荐方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811473969.5A CN109376306B (zh) | 2018-12-04 | 2018-12-04 | 一种基于标签全景图的服务推荐方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109376306A true CN109376306A (zh) | 2019-02-22 |
CN109376306B CN109376306B (zh) | 2021-04-16 |
Family
ID=65375647
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811473969.5A Active CN109376306B (zh) | 2018-12-04 | 2018-12-04 | 一种基于标签全景图的服务推荐方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109376306B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105930425A (zh) * | 2016-04-18 | 2016-09-07 | 乐视控股(北京)有限公司 | 个性化视频推荐方法及装置 |
CN106548255A (zh) * | 2016-11-24 | 2017-03-29 | 山东浪潮云服务信息科技有限公司 | 一种基于海量用户行为的商品推荐方法 |
CN107391687A (zh) * | 2017-07-24 | 2017-11-24 | 华中师范大学 | 一种面向地方志网站的混合推荐系统 |
CN108492194A (zh) * | 2018-03-06 | 2018-09-04 | 平安科技(深圳)有限公司 | 产品推荐方法、装置及存储介质 |
US20180322122A1 (en) * | 2017-05-03 | 2018-11-08 | Facebook, Inc. | Recommendations for online system groups |
-
2018
- 2018-12-04 CN CN201811473969.5A patent/CN109376306B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105930425A (zh) * | 2016-04-18 | 2016-09-07 | 乐视控股(北京)有限公司 | 个性化视频推荐方法及装置 |
CN106548255A (zh) * | 2016-11-24 | 2017-03-29 | 山东浪潮云服务信息科技有限公司 | 一种基于海量用户行为的商品推荐方法 |
US20180322122A1 (en) * | 2017-05-03 | 2018-11-08 | Facebook, Inc. | Recommendations for online system groups |
CN107391687A (zh) * | 2017-07-24 | 2017-11-24 | 华中师范大学 | 一种面向地方志网站的混合推荐系统 |
CN108492194A (zh) * | 2018-03-06 | 2018-09-04 | 平安科技(深圳)有限公司 | 产品推荐方法、装置及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN109376306B (zh) | 2021-04-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Ni et al. | Social responsibility allocation in two-echelon supply chains: Insights from wholesale price contracts | |
CN103455542B (zh) | 多类识别器以及多类识别方法 | |
CN108536694A (zh) | 用户偏好的推测方法、装置和终端设备 | |
CN101193037B (zh) | 一种网络信息推送系统及方法 | |
Song et al. | Building trust in home services—stochastic team-orienteering with consistency constraints | |
Liu et al. | Mobile commerce product recommendations based on hybrid multiple channels | |
JP2023078202A (ja) | 自動コンテンツ認識のための広告フレームのフラッギング | |
US20180307733A1 (en) | User characteristic extraction method and apparatus, and storage medium | |
CN108777701A (zh) | 一种确定信息受众的方法及装置 | |
CN103365842B (zh) | 一种页面浏览推荐方法及装置 | |
Chen | Developing a travel segmentation methodology: A criterion-based approach | |
Modani et al. | Fairness aware recommendations on behance | |
US10304081B1 (en) | Yielding content recommendations based on serving by probabilistic grade proportions | |
CN109345201A (zh) | 人力资源管理方法、装置、电子设备及存储介质 | |
WO2022127517A1 (en) | Hierarchical adaptive contextual bandits for resource-constrained recommendation | |
CN109376306A (zh) | 一种基于标签全景图的服务推荐方法及系统 | |
CN111090790A (zh) | 一种数据处理方法、装置及电子设备 | |
CN110428278A (zh) | 确定资源份额的方法及装置 | |
CN108833143A (zh) | 计算用户活跃度的方法、装置及系统 | |
CN110069695A (zh) | 标签处理方法和装置 | |
CN114997952A (zh) | 物品信息流的动态推荐方法、装置及设备 | |
JP2020533918A (ja) | 自動コンテンツ認識によるコールドマッチング | |
US20160321682A1 (en) | Interpolation using matrix completion | |
El Alami et al. | Improving Neighborhood-Based Collaborative Filtering by a Heuristic Approach and an Adjusted Similarity Measure. | |
CN111382343B (zh) | 一种标签体系生成方法及装置 |
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 |