CN109408712A - 一种旅行社用户多维信息画像的构建方法 - Google Patents
一种旅行社用户多维信息画像的构建方法 Download PDFInfo
- Publication number
- CN109408712A CN109408712A CN201811154032.1A CN201811154032A CN109408712A CN 109408712 A CN109408712 A CN 109408712A CN 201811154032 A CN201811154032 A CN 201811154032A CN 109408712 A CN109408712 A CN 109408712A
- Authority
- CN
- China
- Prior art keywords
- user
- users
- sample
- similarity
- travel agency
- 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
- 238000010276 construction Methods 0.000 title claims abstract description 8
- 239000013598 vector Substances 0.000 claims abstract description 18
- 239000011159 matrix material Substances 0.000 claims abstract description 17
- 238000005259 measurement Methods 0.000 claims abstract description 8
- 238000000034 method Methods 0.000 claims description 16
- 238000004364 calculation method Methods 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 7
- 238000004140 cleaning Methods 0.000 claims description 6
- 238000011524 similarity measure Methods 0.000 claims description 3
- 230000002159 abnormal effect Effects 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000003672 processing method Methods 0.000 description 2
- 208000025174 PANDAS Diseases 0.000 description 1
- 208000021155 Paediatric autoimmune neuropsychiatric disorders associated with streptococcal infection Diseases 0.000 description 1
- 240000000220 Panda oleosa Species 0.000 description 1
- 235000016496 Panda oleosa Nutrition 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization 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
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0631—Item recommendations
-
- 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
- G06Q50/10—Services
- G06Q50/14—Travel agencies
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
Landscapes
- Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Human Resources & Organizations (AREA)
- General Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种旅行社用户多维信息画像的构建方法，包括如下步骤：获取样本用户的特征向量和用户画像信息；为样本用户每个标签分配权重；设置需要聚类的簇的个数k和相似度阈值θ；根据样本用户的标签向量，分别计算每两个样本用户之间的相似度；计算邻居矩阵A；计算链接矩阵；计算每两个样本用户的相似性度量，将相似性度量最高的两个样本用户合并；利用目标函数以获得最优的聚类结果；重复迭代，直至形成k个簇；为用户画像群划分等级。本发明利用利用聚类算法构建旅行社用户画像，并将其进行群分，有利于整理用户之间的共性，以便于更加了解用户需求，进而拓展新用户，确定旅游产品的模式。
Description
技术领域
本发明属于数据处理技术领域，具体涉及一种旅行社用户多维信息画像的构建方法。
背景技术
随着大数据技术的发展与应用，越来越多企业和政府机构对精准定位某个人的特征的需求越来越大，在大数据项目整合的过程中最重要的就是针对不同类人的不同需求进行精准营销和个性化解决方案。一方面用户需要从大量的产品信息中筛选出自己感兴趣的产品；另一方面企业需要通过产品的特征参数的修改精准地推销出合适的产品给合适的用户。目前常用的推荐算法有：基于内容的推荐、基于用户行为的推荐、基于混合模型的推荐、基于标签的推荐等几种；对于产品量比较少，用户量较多，需要进行精准匹配的运营模式中，这些常用的推荐方法就不是很实用。
发明内容
为了解决现有技术存在的上述问题，本发明目的在于提供一种旅行社用户多维信息画像的构建方法，利用该用户画像，有利于整理用户之间的共性，为旅行社产品推荐提供数据基础。
本发明所采用的技术方案为：
旅行社用户多维信息画像的构建方法，包括如下步骤：
S101、获取样本用户原始数据，根据该原始数据对样本用户的特征和标签进行分析和提取，获得样本用户的特征向量和用户画像信息；
S102、为样本用户每个标签分配权重；
S103、设置需要聚类的簇的个数k和相似度阈值θ；
S104、根据样本用户的标签向量，分别计算每两个样本用户之间的相似度，生成相似度矩阵；
S105、根据相似度矩阵和相似度阈值θ，计算邻居矩阵A；若两个样本用户之间的相似度>＝θ，则该两个样本用户之间互为邻居，取值1，否则，该两个样本用户之间不互为邻居，取值0；
S106、根据每两个样本用户之间的共同邻居数量计算链接矩阵；
S107、根据链接矩阵和样本用户的标签向量，计算每两个样本用户的相似性度量，将相似性度量最高的两个样本用户合并；
S108、利用目标函数以获得最优的聚类结果；
S109、重复步骤S105～S108进行迭代，直至形成k个簇；
S110、利用标签的平均值，为用户画像群划分等级。
进一步，所述样本用户原始数据包括样本用户基本信息和样本用户旅游行为信息。
更进一步，所述步骤S102中，采用布尔模型S-TFIWF对用户标签进行加权处理，得到用户标签权重的S-TW模型，具体计算如下：
其中，TW(w，d)为标签w是否出现，出现为1，否则为0；N表示用户数量，WT(w)表示用户中出现该标签的数量之和，P表示所有用户消费总金额，T 表示某个标签的用户群的消费总金额，T/P表示某个标签的用户群的消费总金额与所有用户消费总金额之比。
更进一步，所述步骤S104中，采用修正余弦相似度算法计算样本用户之间的相似度。
更进一步，所述步骤S107中，采用如下公式计算每两个样本用户的相似性度量：
其中，link[Ci,Cj]＝∑link(Pq,Pr)，Pq，Pr分别表示客户q和r的标签向量，
Ci为第i个簇，Cj为第j个簇，ni为Ci的大小(即样本用户的数量)，nj为Cj的大小，f(θ)＝(1-θ)/(1+θ)。f(θ)具有以下性质：Ci中的每个样本用户在Ci中有ni f(θ)个邻居。
更进一步，所述步骤S108中，所述目标函数公式如下：
其中，Pq，Pr分别表示客户q和r的标签向量，k为族的个数，Ci为第i个簇，Cj为第j个簇，ni为Ci的大小(即样本用户的数量)，nj为Cj的大小，f(θ) ＝(1-θ)/(1+θ)。f(θ)具有以下性质：Ci中的每个样本用户在Ci中有ni f(θ)个邻居。
更进一步，所述步骤S110中，所述等级划分计算方法如下：
设Ti为用户画像群中第i个标签的平均值，其权重为Wi，客户画像群的等级计算公式如下：
更进一步，在进行特征标签的分析和提取之前，还包括对原始数据进行清洗、去除脏数据，转换不同格式的数据的步骤。
更进一步，还包括对数据进行标准化、归一化和缺省值处理。
本发明的有益效果为：
本发明利用利用聚类算法构建旅行社用户画像，并将其进行群分，有利于整理用户之间的共性(比如旅游超过两次的用户的平均年龄、喜欢在重庆旅游的用户有哪些，用户最喜欢旅游的地点有哪些等等)，以便于更加了解用户需求，进而拓展新用户，确定旅游产品的模式。
附图说明
图1为本发明旅行社用户多维信息画像构建流程图。
具体实施方式
下面结合附图及具体实施例对本发明作进一步阐述。
参见图1：旅行社用户多维信息画像的构建方法，包括如下步骤：
S101、获取样本用户原始数据，根据该原始数据对样本用户的特征和标签进行分析和提取，获得样本用户的特征向量和用户画像信息。
样本用户原始数据包括样本用户基本信息和样本用户旅游行为信息。样本用户基本信息包括但不限于姓名、身份证号码、年龄、家庭住址、单次消费金额、学历、职业、拥有住房面积、拥有车辆、月收入、拥有企业数量、拥有私人银行数量、拥有总资产。样本用户旅游行为信息包括但不限于近两年旅行次数、最喜欢旅游的前5个景点、最喜欢旅游的季节、出行的平均人数、平均消费金额、最近2年消费金额。
样本用户原始数据可直接从旅行社管理系统中抓取，也可以利用网络爬虫从携程等网站中抓取。对所抓取的原始数据进行特征标签的分析和提取，得到该样本用户的特征标签向量，形成样本用户的用户画像。
用户画像是用户信息的标签化。样本用户画像信息即样本用户的标签。在本实施例中，样本用户的标签包括用户喜欢旅游的城市、用户年龄段、用户每年旅游平均消费金额、用户的学历、职业、拥有住房总面积、拥有的车辆、月收入、用户每年平均旅行次数、旅行总次数等。
用户年龄段具体划分如下：未成年：小于18岁，青年：18～30岁，壮年： 30～40岁，中年：40～60岁，老人：60～75岁，高龄老人：大于75岁。
在步骤S101中，进行特征和标签的分析、提取之前，还包括对原始数据进行清洗、去除脏数据，转换不同格式的数据的步骤。比如将不同的日期格式 1015-01-10、1015/01/10、10150110统一转换为10150110。数据清洗主要是清洗异常数据，例如年龄大于100岁，身高超过3米，一个月旅行次数为30次等都属于异常数据，需要对其进行清洗。对于异常数据的清洗规则，可根据实际情况进行具体设置。
在步骤S101中，还包括对数据进行标准化、归一化和缺省值处理，该处理方法为常规技术，sklearn、numpy、pandas等python工具包都有相应处理方法，在此不再赘述。
S102、为样本用户每个标签分配权重。
由于每个标签对用户行为的影响不同，因此还需要对用户画像的每个标签进行加权。本实施例中，根据每个标签对用户旅行消费总金额的影响进行加权，影响越大，权重越大。标签对用户旅行消费总金额的影响可以参考WOE的分布，WOE变化越大，影响越大。比如在旅行社用户当中不同年龄段的消费总金额之间的差异很大，则用户年龄段这个标签的权重就很大。当然，权重分配也可以根据业务经验进行人工赋值，如销售总监根据经验认为用户拥有的住房总面积对其旅游消费影响很大，则可给予拥有住房总面积赋予相对较高的权重。
在本实施例中，采用布尔模型S-TFIWF(Supervised TFIWF)对用户标签进行加权处理，得到用户标签权重的S-TW模型，具体计算如下：
其中，TW(w，d)为标签w是否出现，出现为1，否则为0；N表示用户数量，WT(w)表示用户中出现该标签的数量之和，P表示所有用户消费总金额，T 表示某个标签的用户群的消费总金额，T/P表示某个标签的用户群的消费总金额与所有用户消费总金额之比。
在一个示例性实施例中，某个标签的用户群的消费总金额与所有用户消费总金额之比T/P计算方法如下：
设所有客户旅游消费的总金额为90000000元人民币，如下表：
| 标签id | 标签名称 | 旅游消费 | 标签权重(T/P) |
| 0001 | 年龄段10～30 | 500000 | 500000/90000000 |
| 0002 | 月收入2～30000 | 6000000 | 6000000/90000000 |
| 0003 | 拥有的车辆数量2～3 | 700000 | 700000/90000000 |
S103、设置需要聚类的簇的个数k和相似度阈值θ。本实施例中，设置聚类的个数为3类，分别为A类、B类、C类。
S104、根据样本用户的标签向量，分别计算每两个样本用户之间的相似度，生成相似度矩阵。相似度计算可采用Jaccard系数、余弦相似度和修正余弦相似度算法。本实施例中，采用修正余弦相似度算法计算样本用户之间的相似度。
S105、根据相似度矩阵和相似度阈值θ，计算邻居矩阵A。若两个样本用户之间的相似度>＝θ，则该两个样本用户之间互为邻居，取值1，否则，该两个样本用户之间不互为邻居，取值0。
S106、根据每两个样本用户之间的共同邻居数量计算链接矩阵。
S107、根据链接矩阵和样本用户的标签向量，计算每两个样本用户的相似性度量，将相似性度量最高的两个样本用户合并。相似性度量计算公式如下：
其中，Pq，Pr分别表示客户q和r的标签向量， Ci为第i个簇，Cj为第j个簇，ni为Ci的大小(即样本用户的数量)，nj为Cj的大小，f(θ)＝(1-θ)/(1+θ)。f(θ)具有以下性质：Ci中的每个样本用户在Ci中有ni f(θ)个邻居。
S108、利用目标函数以获得最优的聚类结果。所谓最优的聚类结果就是族之间的链接总数最小，而族内的链接总数最大。目标函数公式如下：
其中，Pq，Pr分别表示客户q和r的标签向量，k为族的个数，Ci为第i个簇，Cj为第j个簇，ni为Ci的大小(即样本用户的数量)，nj为Cj的大小，f(θ) ＝(1-θ)/(1+θ)。f(θ)具有以下性质：Ci中的每个样本用户在Ci中有ni f(θ)个邻居。
S109、重复步骤S105～S108进行迭代，直至形成k个簇或聚类的数量不再发生变化。
一个簇为一个用户画像群。
S110、利用标签的平均值，为用户画像群划分等级。
为了区分不同用户画像群的重要性，在聚类完成后，还需要利用标签的平均值，为用户画像群划分等级。具体等级划分计算方法如下：
设Ti为用户画像群中第i个标签的平均值，其权重为Wi，客户画像群的等级计算公式如下：
利用用户画像群内各样本用户的标签的平均值，再乘以该标签的对应权重，即可计算出用户画像群的等级，对用户重要性进行一个归类。
通过以上步骤，可采用聚类算法将样本用户聚类成多个用户画像群。用户画像群建立以后，可离线计算好每个用户画像群的中心点，以及每个用户画像群内各样本用户之间的相信度。在有新用户加入时，可采用如上方法对新加入的用户进行分类，并计算新用户与其所属的用户画像群中的每个样本用户之间的相似度。用户画像群的更新可采用定时更新策略。
构建旅行社用户画像，并将其进行群分，有利于整理用户之间的共性(比如旅游超过两次的用户的平均年龄、喜欢在重庆旅游的用户有哪些，用户最喜欢旅游的地点有哪些等等)，以便于更加了解用户需求，进而拓展新用户，确定旅游产品的模式。
本发明不局限于上述可选实施方式，任何人在本发明的启示下都可得出其他各种形式的产品，但不论在其形状或结构上作任何变化，凡是落入本发明权利要求界定范围内的技术方案，均落在本发明的保护范围之内。
Claims (9)
1.旅行社用户多维信息画像的构建方法，其特征在于，包括如下步骤：
S101、获取样本用户原始数据，根据该原始数据对样本用户的特征和标签进行分析和提取，获得样本用户的特征向量和用户画像信息；
S102、为样本用户每个标签分配权重；
S103、设置需要聚类的簇的个数k和相似度阈值θ；
S104、根据样本用户的标签向量，分别计算每两个样本用户之间的相似度，生成相似度矩阵；
S105、根据相似度矩阵和相似度阈值θ，计算邻居矩阵A；若两个样本用户之间的相似度>＝θ，则该两个样本用户之间互为邻居，取值1，否则，该两个样本用户之间不互为邻居，取值0；
S106、根据每两个样本用户之间的共同邻居数量计算链接矩阵；
S107、根据链接矩阵和样本用户的标签向量，计算每两个样本用户的相似性度量，将相似性度量最高的两个样本用户合并；
S108、利用目标函数以获得最优的聚类结果；
S109、重复步骤S105～S108进行迭代，直至形成k个簇；
S110、利用标签的平均值，为用户画像群划分等级。
2.根据权利要求1所述的旅行社用户多维信息画像的构建方法，其特征在于，所述样本用户原始数据包括样本用户基本信息和样本用户旅游行为信息。
3.根据权利要求1所述的旅行社用户多维信息画像的构建方法，其特征在于，所述步骤S102中，采用布尔模型S-TFIWF对用户标签进行加权处理，得到用户标签权重的S-TW模型，具体计算如下：
其中，TW(w，d)为标签w是否出现，出现为1，否则为0；N表示用户数量，WT(w)表示用户中出现该标签的数量之和，P表示所有用户消费总金额，T表示某个标签的用户群的消费总金额，T/P表示某个标签的用户群的消费总金额与所有用户消费总金额之比。
4.根据权利要求1所述的旅行社用户多维信息画像的构建方法，其特征在于，所述步骤S104中，采用修正余弦相似度算法计算样本用户之间的相似度。
5.根据权利要求1所述的旅行社用户多维信息画像的构建方法，其特征在于，所述步骤S107中，采用如下公式计算每两个样本用户的相似性度量：
其中，link[Ci,Cj]＝∑link(Pq,Pr)，Pq，Pr分别表示客户q和r的标签向量，Ci为第i个簇，Cj为第j个簇，ni为Ci的大小(即样本用户的数量)，nj为Cj的大小，f(θ)＝(1-θ)/(1+θ)。f(θ)具有以下性质：Ci中的每个样本用户在Ci中有ni f(θ)个邻居。
6.根据权利要求1所述的旅行社用户多维信息画像的构建方法，其特征在于，所述步骤S108中，所述目标函数公式如下：
其中，Pq，Pr分别表示客户q和r的标签向量，k为族的个数，Ci为第i个簇，Cj为第j个簇，ni为Ci的大小(即样本用户的数量)，nj为Cj的大小，f(θ)＝(1-θ)/(1+θ)。f(θ)具有以下性质：Ci中的每个样本用户在Ci中有ni f(θ)个邻居。
7.根据权利要求1所述的旅行社用户多维信息画像的构建方法，其特征在于，所述步骤S110中，所述等级划分计算方法如下：
设Ti为用户画像群中第i个标签的平均值，其权重为Wi，客户画像群的等级计算公式如下：
8.根据权利要求1所述的旅行社用户多维信息画像的构建方法，其特征在于，在进行特征标签的分析和提取之前，还包括对原始数据进行清洗、去除脏数据，转换不同格式的数据的步骤。
9.根据权利要求1所述的旅行社用户多维信息画像的构建方法，其特征在于，还包括对数据进行标准化、归一化和缺省值处理。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811154032.1A CN109408712B (zh) | 2018-09-30 | 2018-09-30 | 一种旅行社用户多维信息画像的构建方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811154032.1A CN109408712B (zh) | 2018-09-30 | 2018-09-30 | 一种旅行社用户多维信息画像的构建方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109408712A true CN109408712A (zh) | 2019-03-01 |
| CN109408712B CN109408712B (zh) | 2021-01-26 |
Family
ID=65465721
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811154032.1A Active CN109408712B (zh) | 2018-09-30 | 2018-09-30 | 一种旅行社用户多维信息画像的构建方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109408712B (zh) |
Cited By (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109978608A (zh) * | 2019-03-05 | 2019-07-05 | 广州海晟科技有限公司 | 目标用户画像的营销标签分析提取方法及系统 |
| CN110263126A (zh) * | 2019-06-20 | 2019-09-20 | 维沃移动通信有限公司 | 一种用户画像的生成方法及移动终端 |
| CN110796453A (zh) * | 2019-09-30 | 2020-02-14 | 深圳市云积分科技有限公司 | 电商会员等级处理方法及装置 |
| CN111159576A (zh) * | 2019-12-31 | 2020-05-15 | 亚信科技（中国）有限公司 | 一种用户分类方法、装置及系统 |
| CN111445308A (zh) * | 2020-03-26 | 2020-07-24 | 四川旅游学院 | 基于用户画像的旅游景点推荐方法 |
| CN111625718A (zh) * | 2020-05-19 | 2020-09-04 | 辽宁工程技术大学 | 一种基于用户搜索关键词数据的用户画像构建方法 |
| CN111666503A (zh) * | 2019-03-05 | 2020-09-15 | 百度在线网络技术（北京）有限公司 | 出行方式推荐方法、装置、计算机设备和可读存储介质 |
| CN111882398A (zh) * | 2020-07-31 | 2020-11-03 | 深圳市华云中盛科技股份有限公司 | 智慧城市服务推荐方法、装置、计算机设备及存储介质 |
| CN112256973A (zh) * | 2020-11-04 | 2021-01-22 | 贝壳技术有限公司 | 用户画像修正方法、装置、介质和电子设备 |
| CN112801821A (zh) * | 2021-02-25 | 2021-05-14 | 国网山东省电力公司经济技术研究院 | 基于大数据分析的工程施工队伍画像方法和系统 |
| CN113704620A (zh) * | 2021-08-31 | 2021-11-26 | 中国平安人寿保险股份有限公司 | 基于人工智能的用户标签更新方法、装置、设备及介质 |
| CN113780415A (zh) * | 2021-09-10 | 2021-12-10 | 平安科技（深圳）有限公司 | 基于小程序游戏的用户画像生成方法、装置、设备及介质 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103198418A (zh) * | 2013-03-15 | 2013-07-10 | 北京亿赞普网络技术有限公司 | 一种应用推荐方法和系统 |
| CN103246672A (zh) * | 2012-02-09 | 2013-08-14 | 中国科学技术大学 | 对用户进行个性化推荐的方法和装置 |
| US20150356424A1 (en) * | 2014-06-09 | 2015-12-10 | Cognitive Scale, Inc. | Method for Providing Cognitive Insights Using a Cognition Engine |
| US20160314377A1 (en) * | 2015-04-23 | 2016-10-27 | Monotype Imaging Inc. | Using Similarity for Grouping Fonts and Individuals for Recommendations |
| CN106650763A (zh) * | 2016-07-05 | 2017-05-10 | 国网内蒙古东部电力有限公司电力科学研究院 | 一种电力缴费渠道分析的指标选择、权值优化与渠道规划的计算方法 |
| CN106716067A (zh) * | 2015-08-02 | 2017-05-24 | 黄智谦 | 个性化旅行规划和引导系统 |
| CN107578292A (zh) * | 2017-09-19 | 2018-01-12 | 上海财经大学 | 一种用户画像构建系统 |
| CN108197285A (zh) * | 2018-01-15 | 2018-06-22 | 腾讯科技（深圳）有限公司 | 一种数据推荐方法以及装置 |
| US20180268454A1 (en) * | 2007-07-06 | 2018-09-20 | Ebay Inc. | Providing informational tags within networked systems |
-
2018
- 2018-09-30 CN CN201811154032.1A patent/CN109408712B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20180268454A1 (en) * | 2007-07-06 | 2018-09-20 | Ebay Inc. | Providing informational tags within networked systems |
| CN103246672A (zh) * | 2012-02-09 | 2013-08-14 | 中国科学技术大学 | 对用户进行个性化推荐的方法和装置 |
| CN103198418A (zh) * | 2013-03-15 | 2013-07-10 | 北京亿赞普网络技术有限公司 | 一种应用推荐方法和系统 |
| US20150356424A1 (en) * | 2014-06-09 | 2015-12-10 | Cognitive Scale, Inc. | Method for Providing Cognitive Insights Using a Cognition Engine |
| US20160314377A1 (en) * | 2015-04-23 | 2016-10-27 | Monotype Imaging Inc. | Using Similarity for Grouping Fonts and Individuals for Recommendations |
| CN106716067A (zh) * | 2015-08-02 | 2017-05-24 | 黄智谦 | 个性化旅行规划和引导系统 |
| CN106650763A (zh) * | 2016-07-05 | 2017-05-10 | 国网内蒙古东部电力有限公司电力科学研究院 | 一种电力缴费渠道分析的指标选择、权值优化与渠道规划的计算方法 |
| CN107578292A (zh) * | 2017-09-19 | 2018-01-12 | 上海财经大学 | 一种用户画像构建系统 |
| CN108197285A (zh) * | 2018-01-15 | 2018-06-22 | 腾讯科技（深圳）有限公司 | 一种数据推荐方法以及装置 |
Cited By (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111666503A (zh) * | 2019-03-05 | 2020-09-15 | 百度在线网络技术（北京）有限公司 | 出行方式推荐方法、装置、计算机设备和可读存储介质 |
| CN109978608A (zh) * | 2019-03-05 | 2019-07-05 | 广州海晟科技有限公司 | 目标用户画像的营销标签分析提取方法及系统 |
| CN111666503B (zh) * | 2019-03-05 | 2023-08-18 | 百度在线网络技术（北京）有限公司 | 出行方式推荐方法、装置、计算机设备和可读存储介质 |
| CN110263126A (zh) * | 2019-06-20 | 2019-09-20 | 维沃移动通信有限公司 | 一种用户画像的生成方法及移动终端 |
| CN110796453A (zh) * | 2019-09-30 | 2020-02-14 | 深圳市云积分科技有限公司 | 电商会员等级处理方法及装置 |
| CN111159576B (zh) * | 2019-12-31 | 2023-08-11 | 亚信科技（中国）有限公司 | 一种用户分类方法、装置及系统 |
| CN111159576A (zh) * | 2019-12-31 | 2020-05-15 | 亚信科技（中国）有限公司 | 一种用户分类方法、装置及系统 |
| CN111445308A (zh) * | 2020-03-26 | 2020-07-24 | 四川旅游学院 | 基于用户画像的旅游景点推荐方法 |
| CN111625718A (zh) * | 2020-05-19 | 2020-09-04 | 辽宁工程技术大学 | 一种基于用户搜索关键词数据的用户画像构建方法 |
| CN111882398A (zh) * | 2020-07-31 | 2020-11-03 | 深圳市华云中盛科技股份有限公司 | 智慧城市服务推荐方法、装置、计算机设备及存储介质 |
| CN112256973A (zh) * | 2020-11-04 | 2021-01-22 | 贝壳技术有限公司 | 用户画像修正方法、装置、介质和电子设备 |
| CN112256973B (zh) * | 2020-11-04 | 2021-09-10 | 贝壳找房(北京)科技有限公司 | 用户画像修正方法、装置、介质和电子设备 |
| CN112801821A (zh) * | 2021-02-25 | 2021-05-14 | 国网山东省电力公司经济技术研究院 | 基于大数据分析的工程施工队伍画像方法和系统 |
| CN113704620A (zh) * | 2021-08-31 | 2021-11-26 | 中国平安人寿保险股份有限公司 | 基于人工智能的用户标签更新方法、装置、设备及介质 |
| CN113704620B (zh) * | 2021-08-31 | 2023-08-18 | 中国平安人寿保险股份有限公司 | 基于人工智能的用户标签更新方法、装置、设备及介质 |
| CN113780415A (zh) * | 2021-09-10 | 2021-12-10 | 平安科技（深圳）有限公司 | 基于小程序游戏的用户画像生成方法、装置、设备及介质 |
| CN113780415B (zh) * | 2021-09-10 | 2023-08-15 | 平安科技（深圳）有限公司 | 基于小程序游戏的用户画像生成方法、装置、设备及介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109408712B (zh) | 2021-01-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109408712B (zh) | 一种旅行社用户多维信息画像的构建方法 | |
| CN109345348B (zh) | 基于旅行社用户的多维信息画像的推荐方法 | |
| US11188935B2 (en) | Analyzing consumer behavior based on location visitation | |
| US7340060B2 (en) | System and method for behavioural modelling | |
| Bhat et al. | A comparison of two alternative behavioral choice mechanisms for household auto ownership decisions | |
| CN113468227B (zh) | 基于图神经网络的信息推荐方法、系统、设备和存储介质 | |
| CN110096634B (zh) | 一种基于粒子群优化的房产数据向量对齐方法 | |
| CN109191181B (zh) | 一种基于神经网络和Huff模型的数字标牌广告受众人群分类方法 | |
| CN116385048B (zh) | 一种农产品智慧营销方法和系统 | |
| CN108898244B (zh) | 一种耦合多源要素的数字标牌位置推荐方法 | |
| Rao et al. | Research on personalized referral service and big data mining for e-commerce with machine learning | |
| CN109214863A (zh) | 一种基于快递数据预测城市房屋需求的方法 | |
| CN112837087A (zh) | 一种面向咨询服务系统的用户画像构建方法 | |
| CN105654361A (zh) | 一种基于社区o2o的信用评价方法和系统 | |
| JP2011134356A (ja) | キャンペーン動的適正化システム及びその方法又はその方法を記録した記録媒体及びその方法を伝送する伝送媒体 | |
| CN110532429A (zh) | 一种基于聚类和关联规则的线上用户群体分类方法及装置 | |
| Hicham et al. | Analysis of unsupervised machine learning techniques for an efficient customer segmentation using clustering ensemble and spectral clustering | |
| Akay et al. | Hierarchical clustering of mixed variable panel data based on new distance | |
| CN114723535A (zh) | 一种基于供应链与知识图谱的物品推荐方法、设备及介质 | |
| CN118013120A (zh) | 基于聚类标签优化推荐给用户的产品的方法、介质和设备 | |
| CN117495482A (zh) | 一种基于用户画像的二手手机销售推荐方法及系统 | |
| CN116629904A (zh) | 一种基于大数据的客户分层匹配方法 | |
| Wang et al. | Computer supported data-driven decisions for service personalization: a variable-scale clustering method | |
| CN108346287A (zh) | 基于影响因素分析的交通流量序列模式匹配方法 | |
| TW202312060A (zh) | 以用戶短期特徵預測用戶是否屬於價值用戶群的預測裝置、方法與儲存該方法的儲存媒介 |
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 | ||
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20200819 Address after: The middle section of Mount Huangshan road 401121 Chongqing city Yubei District No. 53 of No. 2 C block 9 layer kylin Applicant after: CHONGQING SOCIALCREDITS BIG DATA TECHNOLOGY Co.,Ltd. Applicant after: Luo Can Address before: The middle section of Mount Huangshan road 401121 Chongqing city Yubei District No. 53 of No. 2 C block 9 layer kylin Applicant before: CHONGQING SOCIALCREDITS BIG DATA TECHNOLOGY Co.,Ltd. |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CP03 | Change of name, title or address | ||
| CP03 | Change of name, title or address |
Address after: 401121 Chongqing Yubei District Huangshan Avenue No. 53 with No. 2 Kirin C Block 9 Floor Patentee after: Chongqing Yucun Technology Co.,Ltd. Country or region after: China Patentee after: Luo Can Address before: 401121 Chongqing Yubei District Huangshan Avenue No. 53 with No. 2 Kirin C Block 9 Floor Patentee before: CHONGQING SOCIALCREDITS BIG DATA TECHNOLOGY CO.,LTD. Country or region before: China Patentee before: Luo Can |