CN109767270A - 基于人工智能的存房养老信息推荐方法及系统 - Google Patents
基于人工智能的存房养老信息推荐方法及系统 Download PDFInfo
- Publication number
- CN109767270A CN109767270A CN201910042431.7A CN201910042431A CN109767270A CN 109767270 A CN109767270 A CN 109767270A CN 201910042431 A CN201910042431 A CN 201910042431A CN 109767270 A CN109767270 A CN 109767270A
- Authority
- CN
- China
- Prior art keywords
- information
- user
- data
- nursing home
- geriatric nursing
- 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
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种基于人工智能的存房养老信息推荐方法、系统、计算机可读介质及服务器，方法包括：从第三方业务系统获取用户的行为数据；基于人工智能对行为数据进行预处理以确定用户的地域偏好信息、健康信息、财务信息、预期收入信息以及年龄信息；获取若干条养老机构信息；针对于每一条养老机构信息，根据地域偏好信息、健康信息、财务信息、预期收入信息以及年龄信息，计算养老机构信息与用户的匹配系数；按照由大到小的顺序选择至少一个匹配系数，将选择的各个匹配系数分别对应的养老机构信息发送给用户。通过本发明的技术方案，可实现更为准确的向用户发送符合其需求的养老机构信息。
Description
技术领域
本发明涉及计算机技术领域，尤其涉及基于人工智能的存房养老信息推荐方法及系统。
背景技术
随着我国人口老龄化问题的日趋严峻，如何为老年人提供优质、可靠的养老服务成为社会关注的焦点和亟需解决的问题。其中，对于自有房产但储蓄不足的老年人，存房养老成为了一种备受好评的选择。
所谓存房养老，指的是老年客户将自有房产交与“存房养老”服务平台委托管理，“存房养老”服务平台利用受托房产所产生的孳息为老年客户提供专业养老服务的商业模式。“存房养老”服务平台有着广泛的老年客户，且入驻了大量的专业化养老服务机构，如何将客户群体的实际需求与养老服务机构之间进行自动化匹配，从而为客户推荐更有效、更有针对性的养老服务，是服务平台要考虑的重要问题。
发明内容
本发明提供一种基于人工智能的存房养老信息推荐方法、系统、计算机可读介质及服务器，可实现更为准确的向用户发送符合其需求的养老机构信息，用户即可更为容易的接受到满足其需求的专业养老服务。
第一方面，本发明提供了一种基于人工智能的存房养老信息推荐方法，该方法包括：
从第三方业务系统获取用户的行为数据；
基于人工智能对所述行为数据进行预处理以确定所述用户的地域偏好信息、健康信息、财务信息、预期收入信息以及年龄信息；
获取若干条养老机构信息；
针对于每一条所述养老机构信息，根据所述地域偏好信息、所述健康信息、所述财务信息、所述预期收入信息以及所述年龄信息，计算所述养老机构信息与所述用户的匹配系数；
按照由大到小的顺序选择至少一个所述匹配系数，将选择的各个所述匹配系数分别对应的所述养老机构信息发送给所述用户。
优选地，
该方法还包括：基于人工智能对所述行为数据进行预处理以确定所述用户对已经向其推荐的养老机构信息的反馈信息；
所述根据所述地域偏好信息、所述健康信息、所述财务信息、所述预期收入信息以及所述年龄信息，计算所述养老机构信息与所述用户的匹配系数，包括：根据所述地域偏好信息、所述健康信息、所述财务信息、所述预期收入信息、所述年龄信息以及所述反馈信息，计算所述养老机构信息与所述用户的匹配系数。
优选地，
该方法还包括：
预先训练用于预测待分析数据所属数据分类的分类器；
通过所述分类器预测所述用户行为数据中的每一条待分析数据分别所属的数据分类；
则，所述基于人工智能对所述行为数据进行预处理以确定所述用户的地域偏好信息，包括：针对所述用户行为数据中的每一条待分析数据，基于人工智能对所述待分析数据进行深度词法分析以确定所述待分析数据是否携带地域名称，若是，则提取所述地域名称，在所述待分析数据所属的数据分类下将所述地域名称的提取次数加1；将提取的各个所述地域名称作为所述用户的地域偏好信息。
优选地，
在所述计算所述养老机构信息与所述用户的匹配系数之前，进一步包括：从所述养老机构信息中确定出与所述地域偏好信息中的任一个所述地域名称相同的各个相同地域名称；
则，所述计算所述养老机构信息与所述用户的匹配系数，包括：
根据所述健康信息确定所述用户的健康度评价值；
根据所述财务信息确定所述用户的财务评价值；
根据所述预期收入信息确定所述用户的预期收入评价值；
根据所述年龄信息确定所述用户的年龄匹配值；
根据所述反馈信息确定所述用户对已经向其推荐的养老机构信息的适应值；
通过如下公式计算所述养老机构信息与所述用户的匹配系数：
其中，β表征匹配系数、m表征各个相同地域名称的总量、n表征各个数据分类的总量、yij表征第i个相同地域名称在第j个数据分类下的提取次数、kj表征第j个数据分类的权重系数、p表征健康度评价值、q表征财务评价值、k表征预期收入评价值、t表征年龄匹配值、μ表征适应值。
优选地，
所述数据分类包括搜索信息及订单信息中的任意一个或多个。
第二方面，本发明提供了一种基于人工智能的存房养老信息推荐系统，包括：
数据采集模块，用于从第三方业务系统获取用户的行为数据；
预处理模块，用于基于人工智能对所述行为数据进行预处理以确定所述用户的地域偏好信息、健康信息、财务信息、预期收入信息以及年龄信息；
养老信息获取模块，用于获取若干条养老机构信息；
计算处理模块，用于针对于每一条所述养老机构信息，根据所述地域偏好信息、所述健康信息、所述财务信息、所述预期收入信息以及所述年龄信息，计算所述养老机构信息与所述用户的匹配系数；
推荐处理模块，用于按照由大到小的顺序选择至少一个所述匹配系数，将选择的各个所述匹配系数分别对应的所述养老机构信息发送给所述用户。
优选地，
所述预处理模块，还用于基于人工智能对所述行为数据进行预处理以确定所述用户对已经向其推荐的养老机构信息的反馈信息；
所述计算处理模块，还用于根据所述地域偏好信息、所述健康信息、所述财务信息、所述预期收入信息、所述年龄信息以及所述反馈信息，计算所述养老机构信息与所述用户的匹配系数。
优选地，
还包括：
训练处理模块，用于预先训练用于预测待分析数据所属数据分类的分类器；
分类处理模块，用于通过所述分类器预测所述用户行为数据中的每一条待分析数据分别所属的数据分类；
则，所述预处理模块，用于针对所述用户行为数据中的每一条待分析数据，基于人工智能对所述待分析数据进行深度词法分析以确定所述待分析数据是否携带地域名称，若是，则提取所述地域名称，在所述待分析数据所属的数据分类下将所述地域名称的提取次数加1；将提取的各个所述地域名称作为所述用户的地域偏好信息。
第三方面，本发明提供了一种计算机可读介质，包括执行指令，当电子设备的处理器执行所述执行指令时，所述电子设备执行如第一方面中任一所述的方法。
第四方面，本发明提供了一种基于人工智能的存房养老信息推荐服务器，包括处理器以及存储有执行指令的存储器，当所述处理器执行所述存储器存储的所述执行指令时，所述处理器执行如第一方面中任一所述的方法。
本发明提供了一种基于人工智能的存房养老信息推荐方法、系统、计算机可读介质及服务器，用户通过第三方业务系统实现某些业务(比如购买机票或车票)时，可能在第三方业务系统中产生相应的行为数据(比如一条或多条订单数据)，从第三方业务系统获取到用户的行为数据之后，则可基于人工智能对获取的行为数据进行预处理以确定该用户的地域偏好信息、健康信息、财务信息、预期收入信息以及年龄信息；养老服务机构可发布其提供的各种专业养老服务(或称为存房养老服务产品)分别对应的养老机构信息，对于每一条养老机构信息，即可根据用户的地域偏好信息、健康信息、财务信息、预期收入信息以及年龄信息，计算该养老机构信息与用户的匹配系数，养老机构信息对应的匹配系数越大，则说明该养老机构信息对应的专业养老服务满足用户需求的可能性越高；相应的，将对应匹配系数较大的一条或多条养老机构信息发送给用户，实现更为准确的向用户发送符合其需求的养老机构信息，用户即可更为容易的接受到满足其需求的专业养老服务。
附图说明
为了更清楚地说明本发明实施例或现有的技术方案，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中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明一实施例提供的一种基于人工智能的存房养老信息推荐方法的流程示意图；
图2为本发明一实施例提供的一种基于人工智能的存房养老信息推荐系统的结构示意图；
图3为本发明一实施例提供的一种基于人工智能的存房养老信息推荐服务器的结构示意图；
图4是本发明一实施例提供的另一种基于人工智能的存房养老信息推荐系统的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合具体实施例及相应的附图对本发明的技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。
如图1所示，本发明实施例提供了一种基于人工智能的存房养老信息推荐方法，该方法包括如下各个步骤：
步骤101，从第三方业务系统获取用户的行为数据；
步骤102，基于人工智能对所述行为数据进行预处理以确定所述用户的地域偏好信息、健康信息、财务信息、预期收入信息以及年龄信息；
步骤103，获取若干条养老机构信息；
步骤104，针对于每一条所述养老机构信息，根据所述地域偏好信息、所述健康信息、所述财务信息、所述预期收入信息以及所述年龄信息，计算所述养老机构信息与所述用户的匹配系数；
步骤105，按照由大到小的顺序选择至少一个所述匹配系数，将选择的各个所述匹配系数分别对应的所述养老机构信息发送给所述用户。
如图1所示的实施例，用户通过第三方业务系统实现某些业务(比如购买机票或车票)时，可能在第三方业务系统中产生相应的行为数据(比如一条或多条订单数据)，从第三方业务系统获取到用户的行为数据之后，则可基于人工智能对获取的行为数据进行预处理以确定该用户的地域偏好信息、健康信息、财务信息、预期收入信息以及年龄信息；养老服务机构可发布其提供的各种专业养老服务(或称为存房养老服务产品)分别对应的养老机构信息，对于每一条养老机构信息，即可根据用户的地域偏好信息、健康信息、财务信息、预期收入信息以及年龄信息，计算该养老机构信息与用户的匹配系数，养老机构信息对应的匹配系数越大，则说明该养老机构信息对应的专业养老服务满足用户需求的可能性越高；相应的，将对应匹配系数较大的一条或多条养老机构信息发送给用户，实现更为准确的向用户发送符合其需求的养老机构信息，用户即可更为容易的接受到满足其需求的专业养老服务。
显而易见的，可结合实际业务需求从一个或多个第三方业务系统获取用户的行为数据；第三方业务系统具体可以是提供旅行服务业务的旅游信息服务系统、医疗数据管理系统、体检数据管理系统、由银行或金融机构管理的金融服务系统，第三方业务系统还可以是向用户销售火车票、机票等交通票据的票务管理系统。举例来说，用户通过这些第三方业务系统实现旅游信息查询、购买交通票据时，即会在这些第三方业务系统中产生相应的行为数据(比如，一条或多条因购买交通票据而产生的订单数据)，行为数据中将会携带能够在一定程度上反映用户是否曾经到达某些地域、是否对某些地域具有兴趣的地域偏好信息，基于人工智能对用户的行为数据进行预处理，即可找到这些能够体现用户对相应地域具有一定偏好的地域偏好信息。基于相似的原理，可找到能够用于评价用户的健康状况的健康信息、能够用于评价用户的预期收入的预期收入信息以及用户的年龄信息。
本发明一个实施例中，基于人工智能对获取的行为数据进行预处理时，还可以得到用户对已经向其推荐的养老机构信息的反馈信息，此时，所述根据所述地域偏好信息、所述健康信息、所述财务信息、所述预期收入信息以及所述年龄信息，计算所述养老机构信息与所述用户的匹配系数，包括：根据所述地域偏好信息、所述健康信息、所述财务信息、所述预期收入信息、所述年龄信息以及所述反馈信息，计算所述养老机构信息与所述用户的匹配系数。
本发明一个实施例中，还包括：
预先训练用于预测待分析数据所属数据分类的分类器；
通过所述分类器预测所述用户行为数据中的每一条待分析数据分别所属的数据分类；
则，所述基于人工智能对所述行为数据进行预处理以确定所述用户的地域偏好信息，包括：针对所述用户行为数据中的每一条待分析数据，基于人工智能对所述待分析数据进行深度词法分析以确定所述待分析数据是否携带地域名称，若是，则提取所述地域名称，在所述待分析数据所属的数据分类下将所述地域名称的提取次数加1；将提取的各个所述地域名称作为所述用户的地域偏好信息。
该实施例中，通过人工智能技术能够较好的实现对行为数据中的待分析数据进行词法分析，得到待分析数据的语法结构以及组成待分析数据的各个分词的词性，从而根据语法结构及相应分词的词性确定出待分析数据中携带的一个或多个地域名称，并对确定的地域名称进行提取；行为数据中的一条待分析数据中存在相应的地域名称时，则说明用户可能到达过该第一地域名称所指示的地域，或说明用户对该地域名称所指示的地域的相关信息曾经进行过搜索，即说明用户可能对该地域名称所指示的地域具有一定程度的地域偏好。
该实施例中，各条待分析数据可能具有多种不同的数据分类，对于分属不同数据分类的任意两条待分析数据，即使这两条待分析数据携带相同的地域名称，这两条待分析数据依然会分别在不同程度上反映用户对该地域名称指示的地域的偏好程度。比如，以行为数据中包括的一条待分析数据为用户在第三方业务系统进行信息搜索时向第三方业务系统输入的搜索信息，同时包括另一条待分析数据为用户在第三方业务系统购买交通票据时产生的订单信息，两条待分析数据均携带相同的第一地域名称，但是，订单信息说明用户可能已经到达过该第一地域名称所指示的地域，显然订单信息相对于搜索信息能够在较高程度上反映用户对该第一地域名称所指示的地域具有地域偏好，可见，分属不同数据分类的待分析数据能够在不同程度上分别反映用户对相同地域的地域偏好。同时，行为数据中某一个地域名称出现的次数也能够在一定程度上反映用户对该第一地域名称所指示的地域的偏好程度。
该实施例中，分类器是人工智能技术领域的常用技术手段之一，仅需要通过相应数量的样本数据训练出一个用于预测待分析数据所属数据分类的分类器，后续则可将待分析数据输入训练的分类器，通过分类器快速预测行为数据中各个待分析数据所属的数据分类。
需要说明的是，数据分类包括但不限于搜索信息及订单信息中的任意一个或多个。
综上所述，该实施例提供的技术方案，通过结合用户对不同地域的偏好程度，可更为准确的评价各个养老机构信息与用户的匹配程度，以便实现更为准确的向用户推荐符合其需求的养老机构信息。
具体地，本发明一个实施例中，在所述计算所述养老机构信息与所述用户的匹配系数之前，进一步包括：从所述养老机构信息中确定出与所述地域偏好信息中的任一个所述地域名称相同的各个相同地域名称；
则，所述计算所述养老机构信息与所述用户的匹配系数，包括：
根据所述健康信息确定所述用户的健康度评价值；
根据所述财务信息确定所述用户的财务评价值；
根据所述预期收入信息确定所述用户的预期收入评价值；
根据所述年龄信息确定所述用户的年龄匹配值；
根据所述反馈信息确定所述用户的户对已经向其推荐的养老机构信息的适应值；
通过如下公式计算所述养老机构信息与所述用户的匹配系数：
其中，β表征匹配系数、m表征各个相同地域名称的总量、n表征各个数据分类的总量、yij表征第i个相同地域名称在第j个数据分类下的提取次数、kj表征第j个数据分类的权重系数、p表征健康度评价值、q表征财务评价值、k表征预期收入评价值、t表征年龄匹配值、μ表征适应值。
不难理解的，各数据分类的权重系数可以是经验值。
具体地，健康度评价值具体指的是通过相应的算法对健康信息(比如，医疗机构和/或体检机构提供的该用户的疾病诊疗数据和/或体检数据)进行分析以确定的一个数值；举例来说，可以通过用户的疾病诊疗数据及体检数据评估用户是否患有特定疾病，针对患有特定疾病的用户以及未患有特定疾病的用户分别设置不同的健康度评价值。
具体地，财务评价值具体指的是通过相应的算法对财务信息(比如，银行和/或理财机构提供该用户的财务数据)进行分析以确定的一个数值；举例来说，可以通过对用户的财务数据进行分析以确定出用户对应的财务等级，将预先设置的该财务等级所对应的财务评价值作为该用户的财务评价值。
具体地，适应值具体指的是通过相应的算法对反馈信息(比如，用户对已经向其推荐的各条养老机构信息的处理方式)进行分析以确定的一个数值；举例来说，向用户推荐m条养老机构信息时，用户通过特定的触发方式在终端设备上完整查看向其推荐的m条养老机构信息中的n条养老机构信息，对于其中的(m-n)条信息则通过特定的方式使得终端设备不再对其完整显示，此时即可确定出该用户对已经向其推荐的养老机构信息的适应值为n*100/m。
具体地，可根据预先设置年龄与若干个年龄匹配值之间的对应关系，直接确定用户的年龄信息所对应的年龄匹配值。
需要说明的是，在不考虑部署成本的情况下，可针对不同的数据分类分别训练一个用于提取地址特征的神经网络模型，通过训练的神经网络模型，分别针对相应数据分类的各条待分析数据逐一进行处理，即通过训练的神经网络模型实现对每一条待分析数据进行深度词法分析以确定所述待分析数据是否携带第一地域名称，并提取待分析数据携带的第一地域名称。
为了方便用户在后续过程中较好的与养老服务机构、房产受让方(比如，银行或房屋租赁管理公司)相协作具体实现相应的存房养老业务，以及本发明一个实施例中，还包括：
获取至少一条样本房产信息，利用各条所述样本房产信息训练用于预测房产出让收益的神经网络模型；
接收所述用户输入的当前房产信息；
通过训练的所述神经网络模型对所述当前房产信息进行处理以预测所述当前房产信息所对应的当前房产出让收益；
确定所述用户从向其推荐的各个所述养老机构信息中选择的当前养老机构信息；
根据所述当前养老机构信息携带的养老服务费用以及所述当前房产出让收益确定出让时长；
将所述出让时长提供给所述用户。
该实施例中，通过一定数量的样本房产信息训练用于预测房产出让收益的神经网络模型之后，当用户接收到向其推荐的若干养老机构信息时，用户可进一步结合每条养老机构信息中携带的一个或多个第二地域名称、养老服务费用及其他服务内容，从向其推荐的各条养老机构信息中主观选择相应的当前养老机构信息，并提供其可以出让的房产的当前房产信息，提供的当前房产信息将会被输入至用于预测出让收益的神经网络模型，通过训练的神经网络模型对输入的当前房产信息进行处理，预测并输出当前房产信息所对应的房产出让收益，进而根据房产出让收益及其选择的当前养老机构信息携带的养老服务费用确定用户可以出让的房产需要出让的出让时长。
后续过程中，用户即可在线下或线上、根据该出让时长以及当前房产信息完成与房产受让方签署对应于当前养老机构信息的相关协议，进而由房产受让方直接向养老服务机构支付对应于该当前养老机构信息的养老服务费用，之后，用户即可接受养老服务机构提供的对应于该当前养老机构信息的专业养老服务。
基于与本发明方法实施例相同的构思，请参考图2，本发明实施例还提供了一种基于人工智能的存房养老信息推荐系统，在一较佳实施例中，基于人工智能的存房养老信息推荐系统是由计算机程序指令组成的程序模块组成，本发明所称的模块是指一种基于人工智能的存房养老信息推荐服务器的处理器(如图3的处理器301)执行并且能够完成固定功能的一系列计算机程序指令段，其存储在存储器(如图3的存储器302)中。所述基于人工智能的存房养老信息推荐系统包括：
数据采集模块201，用于从第三方业务系统获取用户的行为数据；
预处理模块202，用于基于人工智能对所述行为数据进行预处理以确定所述用户的地域偏好信息、健康信息、财务信息、预期收入信息以及年龄信息；
养老信息获取模块203，用于获取若干条养老机构信息；
计算处理模块204，用于针对于每一条所述养老机构信息，根据所述地域偏好信息、所述健康信息、所述财务信息、所述预期收入信息以及所述年龄信息，计算所述养老机构信息与所述用户的匹配系数；
推荐处理模块205，用于按照由大到小的顺序选择至少一个所述匹配系数，将选择的各个所述匹配系数分别对应的所述养老机构信息发送给所述用户。
本发明一个实施例中，所述预处理模块202，用于基于人工智能对所述行为数据进行预处理以确定所述用户对已经向其推荐的养老机构信息的反馈信息；
所述计算处理模块204，用于根据所述地域偏好信息、所述健康信息、所述财务信息、所述预期收入信息、所述年龄信息以及所述反馈信息，计算所述养老机构信息与所述用户的匹配系数。
请参考图4，本发明一个实施例中，所述系统还包括：
训练处理模块401，用于预先训练用于预测待分析数据所属数据分类的分类器；
分类处理模块402，用于通过所述分类器预测所述用户行为数据中的每一条待分析数据分别所属的数据分类；
则，所述预处理模块202，用于针对所述用户行为数据中的每一条待分析数据，基于人工智能对所述待分析数据进行深度词法分析以确定所述待分析数据是否携带地域名称，若是，则提取所述地域名称，在所述待分析数据所属的数据分类下将所述地域名称的提取次数加1；将提取的各个所述地域名称作为所述用户的地域偏好信息。
为了描述的方便，描述以上系统实施例是以功能分为各种单元或模块分别描述，在实施本发明是可以把各单元或模块的功能在同一个或多个软件和/或硬件中实现。
图3是本发明实施例提供的一种基于人工智能的存房养老信息推荐服务器的结构示意图。在硬件层面，该服务器包括处理器301以及存储有执行指令的存储器302，可选地还包括内部总线303及网络接口304。其中，存储器302可能包含内存3021，例如高速随机存取存储器(Random-Access Memory，RAM)，也可能还包括非易失性存储器3022(non-volatilememory)，例如至少1个磁盘存储器等；处理器301、网络接口304和存储器302可以通过内部总线303相互连接，该内部总线303可以是ISA(Industry Standard Architecture，工业标准体系结构)总线、PCI(Peripheral Component Interconnect，外设部件互连标准)总线或EISA(Extended Industry Standard Architecture，扩展工业标准结构)总线等；所述内部总线303可以分为地址总线、数据总线、控制总线等，为便于表示，图3中仅用一个双向箭头表示，但并不表示仅有一根总线或一种类型的总线。当然，该服务器还可能包括其他业务所需要的硬件。当处理器301执行存储器302存储的执行指令时，处理器301执行本发明任意一个实施例中所述的方法，并至少用于执行：
从第三方业务系统获取用户的行为数据；
基于人工智能对所述行为数据进行预处理以确定所述用户的地域偏好信息、健康信息、财务信息、预期收入信息以及年龄信息；
获取若干条养老机构信息；
针对于每一条所述养老机构信息，根据所述地域偏好信息、所述健康信息、所述财务信息、所述预期收入信息以及所述年龄信息，计算所述养老机构信息与所述用户的匹配系数；
按照由大到小的顺序选择至少一个所述匹配系数，将选择的各个所述匹配系数分别对应的所述养老机构信息发送给所述用户。
在一种可能实现的方式中，处理器从非易失性存储器中读取对应的执行指令到内存中然后运行，也可从其它设备上获取相应的执行指令，以在逻辑层面上形成基于人工智能的存房养老信息推荐系统。处理器执行存储器所存放的执行指令，以通过执行的执行指令实现本发明任一实施例中提供的基于人工智能的存房养老信息推荐方法。
处理器可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器，包括中央处理器(Central Processing Unit，CPU)、网络处理器(Network Processor，NP)等；还可以是数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(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。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。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。
本发明实施例还提供了一种计算机可读介质，包括执行指令，当电子设备的处理器执行所述执行指令时，所述电子设备执行本发明任意一个实施例中提供的方法。该电子设备具体可以是如图3所示基于人工智能的存房养老信息推荐服务器；执行指令是基于人工智能的存房养老信息推荐系统所对应计算机程序。
本领域内的技术人员应明白，本发明的实施例可提供为方法或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例，或软件和硬件相结合的形式。
本发明中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
还需要说明的是，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、商品或者设备不仅包括那些要素，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、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
以上所述仅为本发明的实施例而已，并不用于限制本发明。对于本领域技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本发明的权利要求范围之内。
Claims (10)
1.一种基于人工智能的存房养老信息推荐方法，其特征在于，该方法包括：
从第三方业务系统获取用户的行为数据；
基于人工智能对所述行为数据进行预处理以确定所述用户的地域偏好信息、健康信息、财务信息、预期收入信息以及年龄信息；
获取若干条养老机构信息；
针对于每一条所述养老机构信息，根据所述地域偏好信息、所述健康信息、所述财务信息、所述预期收入信息以及所述年龄信息，计算所述养老机构信息与所述用户的匹配系数；
按照由大到小的顺序选择至少一个所述匹配系数，将选择的各个所述匹配系数分别对应的所述养老机构信息发送给所述用户。
2.根据权利要求1所述的方法，其特征在于，
该方法还包括：基于人工智能对所述行为数据进行预处理以确定所述用户对已经向其推荐的养老机构信息的反馈信息；
所述根据所述地域偏好信息、所述健康信息、所述财务信息、所述预期收入信息以及所述年龄信息，计算所述养老机构信息与所述用户的匹配系数，包括：根据所述地域偏好信息、所述健康信息、所述财务信息、所述预期收入信息、所述年龄信息以及所述反馈信息，计算所述养老机构信息与所述用户的匹配系数。
3.根据权利要求2所述的方法，其特征在于，
该方法还包括：
预先训练用于预测待分析数据所属数据分类的分类器；
通过所述分类器预测所述用户行为数据中的每一条待分析数据分别所属的数据分类；
则，所述基于人工智能对所述行为数据进行预处理以确定所述用户的地域偏好信息，包括：针对所述用户行为数据中的每一条待分析数据，基于人工智能对所述待分析数据进行深度词法分析以确定所述待分析数据是否携带地域名称，若是，则提取所述地域名称，在所述待分析数据所属的数据分类下将所述地域名称的提取次数加1；将提取的各个所述地域名称作为所述用户的地域偏好信息。
4.根据权利要求3所述的方法，其特征在于，
在所述计算所述养老机构信息与所述用户的匹配系数之前，该方法包括：从所述养老机构信息中确定出与所述地域偏好信息中的任一个所述地域名称相同的各个相同地域名称；
则，所述计算所述养老机构信息与所述用户的匹配系数，包括：
根据所述健康信息确定所述用户的健康度评价值；
根据所述财务信息确定所述用户的财务评价值；
根据所述预期收入信息确定所述用户的预期收入评价值；
根据所述年龄信息确定所述用户的年龄匹配值；
根据所述反馈信息确定所述用户对已经向其推荐的养老机构信息的适应值；
通过如下公式计算所述养老机构信息与所述用户的匹配系数：
其中，β表征匹配系数、m表征各个相同地域名称的总量、n表征各个数据分类的总量、yij表征第i个相同地域名称在第j个数据分类下的提取次数、kj表征第j个数据分类的权重系数、p表征健康度评价值、q表征财务评价值、k表征预期收入评价值、t表征年龄匹配值、μ表征适应值。
5.根据权利要求3所述的方法，其特征在于，
所述数据分类包括搜索信息及订单信息中的任意一个或多个。
6.一种基于人工智能的存房养老信息推荐系统，其特征在于，包括：
数据采集模块，用于从第三方业务系统获取用户的行为数据；
预处理模块，用于基于人工智能对所述行为数据进行预处理以确定所述用户的地域偏好信息、健康信息、财务信息、预期收入信息以及年龄信息；
养老信息获取模块，用于获取若干条养老机构信息；
计算处理模块，用于针对于每一条所述养老机构信息，根据所述地域偏好信息、所述健康信息、所述财务信息、所述预期收入信息以及所述年龄信息，计算所述养老机构信息与所述用户的匹配系数；
推荐处理模块，用于按照由大到小的顺序选择至少一个所述匹配系数，将选择的各个所述匹配系数分别对应的所述养老机构信息发送给所述用户。
7.根据权利要求6所述的系统，其特征在于，
所述预处理模块，还用于基于人工智能对所述行为数据进行预处理以确定所述用户对已经向其推荐的养老机构信息的反馈信息；
所述计算处理模块，还用于根据所述地域偏好信息、所述健康信息、所述财务信息、所述预期收入信息、所述年龄信息以及所述反馈信息，计算所述养老机构信息与所述用户的匹配系数。
8.根据权利要求7所述的系统，其特征在于，
还包括：
训练处理模块，用于预先训练用于预测待分析数据所属数据分类的分类器；
分类处理模块，用于通过所述分类器预测所述用户行为数据中的每一条待分析数据分别所属的数据分类；
则，所述预处理模块，用于针对所述用户行为数据中的每一条待分析数据，基于人工智能对所述待分析数据进行深度词法分析以确定所述待分析数据是否携带地域名称，若是，则提取所述地域名称，在所述待分析数据所属的数据分类下将所述地域名称的提取次数加1；将提取的各个所述地域名称作为所述用户的地域偏好信息。
9.一种计算机可读介质，包括执行指令，当电子设备的处理器执行所述执行指令时，所述电子设备执行如权利要求1至5中任一所述的方法。
10.一种基于人工智能的存房养老信息推荐服务器，包括处理器以及存储有执行指令的存储器，当所述处理器执行所述存储器存储的所述执行指令时，所述处理器执行如权利要求1至5中任一所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910042431.7A CN109767270A (zh) | 2019-01-17 | 2019-01-17 | 基于人工智能的存房养老信息推荐方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910042431.7A CN109767270A (zh) | 2019-01-17 | 2019-01-17 | 基于人工智能的存房养老信息推荐方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109767270A true CN109767270A (zh) | 2019-05-17 |
Family
ID=66454059
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910042431.7A Pending CN109767270A (zh) | 2019-01-17 | 2019-01-17 | 基于人工智能的存房养老信息推荐方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109767270A (zh) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111047394A (zh) * | 2019-11-20 | 2020-04-21 | 泰康保险集团股份有限公司 | 商品推荐方法、装置、电子设备及计算机可读介质 |
| CN111190958A (zh) * | 2019-12-02 | 2020-05-22 | 泰康保险集团股份有限公司 | 用户信息匹配处理方法及装置 |
| CN111652433A (zh) * | 2020-06-02 | 2020-09-11 | 泰康保险集团股份有限公司 | 养老费用测算装置 |
| CN111814055A (zh) * | 2020-07-30 | 2020-10-23 | 广州驰兴通用技术研究有限公司 | 一种基于云平台的智慧城市综合服务方法及系统 |
| CN112148974A (zh) * | 2020-09-16 | 2020-12-29 | 国网浙江省电力有限公司电力科学研究院 | 用户养老服务推荐方法以及计算机设备及存储介质 |
| CN112380425A (zh) * | 2020-10-23 | 2021-02-19 | 华南理工大学 | 社区推荐方法、系统、计算机设备及存储介质 |
| CN112949997A (zh) * | 2021-02-04 | 2021-06-11 | 上海营邑城市规划设计股份有限公司 | 用于城市规划设计中的社区画像的系统和方法 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101833713A (zh) * | 2010-05-31 | 2010-09-15 | 李濒 | 网络养老院服务营运体系 |
| CN103714071A (zh) * | 2012-09-29 | 2014-04-09 | 株式会社日立制作所 | 标签情感倾向量化方法与系统 |
| CN105975522A (zh) * | 2016-04-29 | 2016-09-28 | 清华大学深圳研究生院 | 一种多领域内容推荐方法及服务器 |
| CN106354852A (zh) * | 2016-09-02 | 2017-01-25 | 北京百度网讯科技有限公司 | 基于人工智能的搜索方法及装置 |
| CN107248129A (zh) * | 2017-06-13 | 2017-10-13 | 北京阿孝科技有限公司 | 一种养老机构线上vr展示以及综合信息管理平台 |
| CN108681581A (zh) * | 2018-05-11 | 2018-10-19 | 重庆工商职业学院 | 一种就业数据的协同过滤方法及系统 |
| KR20180117411A (ko) * | 2017-04-19 | 2018-10-29 | 주식회사 케이비시스 | 미디어 콘텐츠 서비스를 위한 협업형 하이브리드 필터링 장치 |
| CN108876517A (zh) * | 2018-05-31 | 2018-11-23 | 周国俊 | 基于人工智能的用户喜好分析方法及系统 |
| CN108959641A (zh) * | 2018-07-27 | 2018-12-07 | 北京未来媒体科技股份有限公司 | 一种基于人工智能的内容信息推荐方法及系统 |
-
2019
- 2019-01-17 CN CN201910042431.7A patent/CN109767270A/zh active Pending
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101833713A (zh) * | 2010-05-31 | 2010-09-15 | 李濒 | 网络养老院服务营运体系 |
| CN103714071A (zh) * | 2012-09-29 | 2014-04-09 | 株式会社日立制作所 | 标签情感倾向量化方法与系统 |
| CN105975522A (zh) * | 2016-04-29 | 2016-09-28 | 清华大学深圳研究生院 | 一种多领域内容推荐方法及服务器 |
| CN106354852A (zh) * | 2016-09-02 | 2017-01-25 | 北京百度网讯科技有限公司 | 基于人工智能的搜索方法及装置 |
| KR20180117411A (ko) * | 2017-04-19 | 2018-10-29 | 주식회사 케이비시스 | 미디어 콘텐츠 서비스를 위한 협업형 하이브리드 필터링 장치 |
| CN107248129A (zh) * | 2017-06-13 | 2017-10-13 | 北京阿孝科技有限公司 | 一种养老机构线上vr展示以及综合信息管理平台 |
| CN108681581A (zh) * | 2018-05-11 | 2018-10-19 | 重庆工商职业学院 | 一种就业数据的协同过滤方法及系统 |
| CN108876517A (zh) * | 2018-05-31 | 2018-11-23 | 周国俊 | 基于人工智能的用户喜好分析方法及系统 |
| CN108959641A (zh) * | 2018-07-27 | 2018-12-07 | 北京未来媒体科技股份有限公司 | 一种基于人工智能的内容信息推荐方法及系统 |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111047394A (zh) * | 2019-11-20 | 2020-04-21 | 泰康保险集团股份有限公司 | 商品推荐方法、装置、电子设备及计算机可读介质 |
| CN111047394B (zh) * | 2019-11-20 | 2023-07-21 | 泰康保险集团股份有限公司 | 商品推荐方法、装置、电子设备及计算机可读介质 |
| CN111190958A (zh) * | 2019-12-02 | 2020-05-22 | 泰康保险集团股份有限公司 | 用户信息匹配处理方法及装置 |
| CN111652433A (zh) * | 2020-06-02 | 2020-09-11 | 泰康保险集团股份有限公司 | 养老费用测算装置 |
| CN111652433B (zh) * | 2020-06-02 | 2023-04-18 | 泰康保险集团股份有限公司 | 养老费用测算装置 |
| CN111814055A (zh) * | 2020-07-30 | 2020-10-23 | 广州驰兴通用技术研究有限公司 | 一种基于云平台的智慧城市综合服务方法及系统 |
| CN112148974A (zh) * | 2020-09-16 | 2020-12-29 | 国网浙江省电力有限公司电力科学研究院 | 用户养老服务推荐方法以及计算机设备及存储介质 |
| CN112380425A (zh) * | 2020-10-23 | 2021-02-19 | 华南理工大学 | 社区推荐方法、系统、计算机设备及存储介质 |
| CN112380425B (zh) * | 2020-10-23 | 2023-11-14 | 华南理工大学 | 社区推荐方法、系统、计算机设备及存储介质 |
| CN112949997A (zh) * | 2021-02-04 | 2021-06-11 | 上海营邑城市规划设计股份有限公司 | 用于城市规划设计中的社区画像的系统和方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109767270A (zh) | 基于人工智能的存房养老信息推荐方法及系统 | |
| Faltings et al. | Game theory for data science: Eliciting truthful information | |
| CN104090919B (zh) | 推荐广告的方法及广告推荐服务器 | |
| CN109977403B (zh) | 恶意评论信息识别方法及装置 | |
| Zhang et al. | Trusting advice from other buyers in e-marketplaces: the problem of unfair ratings | |
| CN110163647A (zh) | 一种数据处理方法及装置 | |
| CN108921398B (zh) | 店铺质量评价方法及装置 | |
| CN102132285A (zh) | 自动设置和改变价格以用于在线内容销售的方法和系统 | |
| CN109242612A (zh) | 一种产品推荐的方法及设备 | |
| CN109034583A (zh) | 异常交易识别方法、装置及电子设备 | |
| CN109558544A (zh) | 排序方法及装置、服务器和存储介质 | |
| CN107153656A (zh) | 一种信息搜索方法和装置 | |
| Wynne et al. | The socioeconomic impact of gambling: The Whistler symposium | |
| CN108304935A (zh) | 机器学习模型训练方法、装置和计算机设备 | |
| CN108416630A (zh) | 一种目标受众的确定方法及装置 | |
| CN108182587A (zh) | 一种电商平台刷单行为检测方法及系统 | |
| CN107622197A (zh) | 设备识别方法及装置、用于设备识别的权重计算方法及装置 | |
| CN108011740A (zh) | 一种媒体流量数据处理方法和装置 | |
| CN110348745A (zh) | 广告渠道的评级方法和装置 | |
| CN108985595A (zh) | 基于交易方互评的移动交易服务评价方法及装置 | |
| KR102536003B1 (ko) | 부동산 정보 제공에 따른 차등적 리워드 보상 서비스를 제공하는 시스템 및 방법 | |
| EP3082090A1 (en) | Method for determining a user profile in relation to certain web content | |
| CN114625975B (zh) | 一种基于知识图谱的客户行为分析系统 | |
| Phoomvuthisarn | A survey study on reputation-based trust mechanisms in service-oriented computing | |
| CN114692002A (zh) | 预测模型的更新方法、装置、电子设备及存储介质 |
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 | ||
| WD01 | Invention patent application deemed withdrawn after publication | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20190517 |