CN110110222A - 一种目标对象确定方法、装置及计算机存储介质 - Google Patents
一种目标对象确定方法、装置及计算机存储介质 Download PDFInfo
- Publication number
- CN110110222A CN110110222A CN201910296083.6A CN201910296083A CN110110222A CN 110110222 A CN110110222 A CN 110110222A CN 201910296083 A CN201910296083 A CN 201910296083A CN 110110222 A CN110110222 A CN 110110222A
- Authority
- CN
- China
- Prior art keywords
- user
- information
- determining
- similarity
- relationship
- 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 40
- 230000008569 process Effects 0.000 claims description 9
- 238000010276 construction Methods 0.000 claims description 2
- 102000006479 Heterogeneous-Nuclear Ribonucleoproteins Human genes 0.000 abstract 3
- 108010019372 Heterogeneous-Nuclear Ribonucleoproteins Proteins 0.000 abstract 3
- 230000001419 dependent effect Effects 0.000 abstract 2
- 230000006399 behavior Effects 0.000 description 36
- 238000010586 diagram Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 9
- 238000004590 computer program Methods 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 6
- 238000012827 research and development Methods 0.000 description 6
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 230000003068 static effect Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
一种目标对象确定方法及装置，包括：确定第一用户的信息，所述信息包括专利或专利包信息、需求信息；根据预先构建的关系网络以及所述第一用户的信息，确定所述第一用户的目标对象；所述第一用户的目标对象为具有与所述第一用户的专利或专利包信息相关度高于预设相关阈值的需求的第二用户，和/或，具有与所述第一用户的需求信息相关度高于预设相关阈值的专利或专利包的第二用户；所述关系网络为描述一个或多个第一用户与一个或多个第二用户的关系距离远近的网络。本申请通过预先构建的关系网络将多个用户预先建立起关系网，在确定第一用户的需求或专利或专利包信息之后，可以根据所述预先构建的关系网络准确、快速地确定出第一用户的目标对象。
Description
技术领域
本申请涉及互联网平台推荐技术领域，尤其涉及一种目标对象确定方法、装置及计算机存储介质。
背景技术
互联网平台往往包含了海量信息，在信息过载的情况下，用户想要找到自己所需内容并非易事，而内容提供商想要找到潜在用户同样如此。目前已有多种推荐引擎，为用户精准推荐服务内容，例如：基于大众行为的推荐、基于用户静态信息(性别、年龄、爱好等)的推荐、基于用户动态信息(检索、浏览等历史行为)的推荐等。
然而，这些推荐方式都需要对用户或所要推荐的内容预先有一定的数据积累，特别是在互联网平台的初始阶段，用户数量、信息、行为数据不多甚至一无所知的情况下，推荐的精准度就会很低。只有通过不断累积用户信息、花一段时间收集用户行为数据，才能不断提高推荐质量。
发明内容
本申请实施例中提供了一种目标对象确定方法、装置及计算机存储介质，用于解决上述至少一种问题。
根据本申请实施例的第一个方面，提供了一种目标对象确定方法，包括：
确定第一用户的信息，所述信息包括专利或专利包信息、需求信息；
根据预先构建的关系网络以及所述第一用户的信息，确定所述第一用户的目标对象；所述第一用户的目标对象为具有与所述第一用户的专利或专利包信息相关度高于预设相关阈值的需求的第二用户，和/或，具有与所述第一用户的需求信息相关度高于预设相关阈值的专利或专利包的第二用户；
其中，所述关系网络为描述一个或多个第一用户与一个或多个第二用户的关系距离远近的网络。
根据本申请实施例的第二个方面，提供了一种目标对象确定装置，包括：
第一确定模块，用于确定第一用户的信息；所述信息包括专利或专利包信息、需求信息；
第二确定模块，用于根据预先构建的关系网络以及所述第一用户的信息，确定所述第一用户的目标对象；所述第一用户的目标对象为具有与所述第一用户的专利或专利包信息相关度高于预设相关阈值的需求的第二用户，和/或，具有与所述第一用户的需求信息相关度高于预设相关阈值的专利或专利包的第二用户；
其中，所述关系网络为描述一个或多个第一用户与一个或多个第二用户的关系距离远近的网络。
根据本申请实施例的第三个方面，提供了一种计算机存储介质，该计算机存储介质上存储有计算机可执行指令，所述计算机可执行指令被处理器执行时用于实现所上述的方法步骤。
采用本申请实施例中提供的目标对象确定方法、装置及计算机存储介质，通过预先构建的关系网络将多个用户预先建立起关系网，在确定第一用户的需求或专利或专利包信息之后，可以根据所述预先构建的关系网络准确、快速地确定出第一用户的目标对象。
附图说明
此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1示出了本申请实施例中目标对象确定方法实施的流程示意图；
图2示出了本申请实施例中目标对象确定装置的结构示意图。
具体实施方式
为了使本申请实施例中的技术方案及优点更加清楚明白，以下结合附图对本申请的示例性实施例进行进一步详细的说明，显然，所描述的实施例仅是本申请的一部分实施例，而不是所有实施例的穷举。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。
发明人在发明过程中注意到：
现有技术中有很多种推荐方法，例如：
1)基于大众行为的推荐，根据多数人的总体爱好向每一个相关用户推荐一样的内容。例如推荐最受欢迎的歌曲、视频。
2)基于用户静态信息的推荐，例如用户信息包括性别、年龄、教育程度、职业、工作地点，甚至包括兴趣、爱好，平台可以基于这些静态信息，向用户进行针对性、个性化推荐。
3)基于用户动态信息的推荐，例如基于用户的检索、浏览等历史行为推测用户的需求，向其推荐相关内容。例如电商平台的“猜你所想”，“看了又看”等推荐功能。
互联网平台初始阶段，用户数量、信息、行为数据不多甚至一无所知，难以进行有效推荐，这就是所谓的“冷启动”问题。不断累积用户静态信息(例如实名验证、完善信息)，花一段时间收集用户行为数据，才能不断提高推荐内容的质量。
冷启动问题包括：
用户冷启动：新用户如何推荐；
物品冷启动：如何将新物品推荐给用户；
系统冷启动：如何在一个新平台，运营初期就能进行有效推荐。
为了解决现有技术存在的技术问题，本申请为需求方、供应方提供了一种快速、准确的推荐方法，使得需求方可以快速的找到供应方，供应方可以快速的找到潜在客户，提高了互联网平台推荐的精准度，同时解决了冷启动问题。
实施例一
图1示出了本申请实施例中目标对象确定方法实施的流程示意图。
如图1所示，本申请实施例中目标对象确定方法，包括如下步骤：
步骤101、确定第一用户的信息，所述信息包括专利或专利包信息、需求信息；
步骤102、根据预先构建的关系网络以及所述第一用户的信息，确定所述第一用户的目标对象；所述第一用户的目标对象为具有与所述第一用户的专利或专利包信息相关度高于预设相关阈值的需求的第二用户，和/或，具有与所述第一用户的需求信息相关度高于预设相关阈值的专利或专利包的第二用户；
其中，所述关系网络为描述一个或多个第一用户与一个或多个第二用户的关系距离远近的网络。
在一种实施方式中，第一用户可以是买家，第二用户可以是卖家；或者，第一用户是卖家，第二用户是买家。
本申请实施例可以根据预先构建的关系网络以及所述专利或专利包信息，确定具有与所述专利或专利包信息相关度高于预设相关阈值的需求的用户；和/或，根据预先构建的关系网络以及所述买家的需求确定具有与所述买家需求相关度高于预设相关阈值的专利或专利包的用户；
其中，所述关系网络可以为描述一个或多个买家与一个或多个卖家的关系距离远近的网络。
具体实施时，在一个软件APP(例如：专利运营平台)或终端设备中，可以同时包括买家的功能模块和卖家的功能模块，系统后台可以预先构建出关系网络，将一个或多个买家、与、一个或多个卖家建立起关联关系，然后在买家的功能模块中根据买家的需求，为所述买家确定其潜在客户(即与该需求相关度较高的卖家)，或者在卖家的功能模块中根据卖家的专利或专利包信息，为所述卖家确定其潜在客户(即与该专利或专利包相关度较高的买家)。
采用本申请实施例中提供的目标对象确定方法，通过预先构建的关系网络将多个用户预先建立起关系网，在确定第一用户的需求或专利或专利包信息之后，可以根据所述预先构建的关系网络准确、快速地确定出第一用户的目标对象。
在一种实施方式中，所述预先构建的关系网络包括多个相互具有关联关系的用户，每个用户维护有信息表，所述信息表中包括该用户的基本信息、该用户的需求信息、该用户的专利或专利包信息以及各个信息与其他各用户的多个信息之间的相关度；所述根据预先构建的关系网络以及所述第一用户的信息，确定所述第一用户的目标对象，包括：
根据所述第一用户的信息在所述第一用户的信息表中进行匹配，确定在所述第一用户的信息表中与所述第一用户的信息相匹配的信息；
根据所述第一用户的信息表得到所述与所述第一用户的信息相匹配的信息与所述关系网络上其他用户的相关度；
将与所述关系网络其他用户的相关度值高于预设相关阈值的用户确定为所述第一用户的目标对象。
例如：当用户A的信息为想要出售的专利包信息时，在所述第一用户的信息表中查找所述用户A想要出售的专利包信息与用户B、用户C、用户D的需求的相关度，在所述用户D的需求与所述用户A想要出售的专利包信息相关度高于预设相关阈值时确定用户D为用户A的目标对象。
具体实施时，所述关系网络可以为一张表格，该表格可以如下所示：
具体实施时，所述关系网络还可以为多张表格，每张表格可以按用户区分，以用户A为例表格可以如下所示：
| 用户A | 与用户B的相关度 | 与用户C的相关度 | 与用户D的相关度 | … |
| 基本信息1 | b11 | c11 | d11 | |
| 基本信息2 | b12 | c12 | d12 | |
| 需求1 | b21 | c21 | d21 | |
| 专利包1 | b31 | c31 | d31 | |
| 专利包2 | b32 | c32 | d32 | |
| 专利包3 | b33 | c33 | d33 |
针对每个信息预先计算有用户之间的相关度，相关度越高，则认为用户之间的距离越小；反之，相关度越低，认为用户之间的距离越大。
以上仅是以表格方式为例对关系网络进行的说明示意，本领域技术人员还可以采用除表格以外的其他方式来表示关系网络，显然的，其他方式来表示关系网络的技术方案也在本申请的保护范围之内。
在一种实施方式中，所述关系网络的构建过程，包括：
获取第一用户和第二用户的数据；
根据所述第一用户和第二用户的数据确定每个第一用户和第二用户之间的相关度；
根据所述相关度建立关系网络。
具体实施时，为了实现专利运营，买家和卖家可以分别在专利运营平台中进行操作。买家可以提供需求，卖家可以提供单件专利或专利包/专利组合，最终系统可以根据这些信息建立所有用户的关系网络。
所述关系网络具体可以根据每个买家和卖家之间的相关度进行确定，假设买家A、买家B与卖家C的相关度均为4.7(假设相关度阈值为4)，那么可以将买家A与卖家C建立联系、将买家B与卖家C建立联系。
在一种实施方式中，买家和卖家的身份并不是固定的。例如：用户A在发布需求、寻找专利或专利包时，用户A是作为买家进行操作的；然而，用户A自身可能也是存在专利或专利包可以出售的，那么，当用户A发布专利或专利包商品时，用户A是作为卖家进行操作的。
本申请实施例中所述的关系网络不仅根据用户双方的需求或商品进行建立关联，还可以结合用户的身份属性(买家/卖家)进行建立关联，当用户的身份属性不同时，可能关联的潜在客户或者网络邻居是不同的。
在一种实施方式中，所述第一用户和第二用户的数据均包括：基本信息、需求描述、行为信息、专利或专利包信息；所述根据所述第一用户和所述第二用户的数据确定每个第一用户和第二用户之间的相关度，包括：
根据所述第一用户的基本信息、需求描述以及第二用户的专利或专利包信息，确定供需关系；
根据所述第一用户的行为信息以及第二用户的专利或专利包信息，确定用户行为与专利或专利包的关系；
根据所述第一用户的专利信息与第二用户的专利或专利包信息，确定用户双方专利或专利包信息的相似度；
根据所述供需关系、所述用户行为与专利或专利包的关系、以及所述用户双方专利或专利包信息的相似度，确定第一用户和第二用户之间的相关度。
以第一用户为买家、第二用户为卖家为例，本申请实施例可以首先根据所述买家的基本信息、买家的需求描述以及卖家的专利或专利包信息，确定供需关系；再根据所述买家的行为信息以及卖家的专利或专利包信息，确定买家行为与专利或专利包的关系；根据所述买家的专利信息与卖家的专利或专利包信息，确定买家专利与卖家的专利或专利包信息的相似度；最终，根据所述供需关系、所述买家行为与专利或专利包的关系、以及所述买家专利与卖家的专利或专利包信息的相似度，确定买家和卖家之间的相关度。
实施时，基本信息可以包括用户的名称、研发方向、注册类别、关于该用户的报道或新闻等，所述需求描述可以为历史需求，具体可以通过现有的网络爬虫技术抓取网络上关于该用户的各种数据。
具体实施时，本申请实施例可以基于以下三种数据来建立计算模型、构建关系网络：
A、供需关系描述：买家需求、卖家商品的静态信息；
例如：买家的基本信息、买家的需求描述、卖家的商品描述(专利或专利包的描述)。
B、买家行为信息：根据买家的动态信息实现与卖家商品的关联；
例如：买家的检索行为、浏览行为与卖家的专利或专利包之间的关联。
C、专利对比情况：根据买家的专利或专利包和卖家的专利或专利包的关联；
例如：根据买家作为申请人或专利权人而检索到的全球专利数据，与商品相似度越高，买家和商品越相关，越有可能是潜在客户。
以上述三种数据构建关系网络，相关度越高、越是更近的邻居。
在一种实施方式中，所述根据所述供需关系、所述用户行为与专利或专利包的关系、以及所述用户双方专利或专利包信息的相似度，确定第一用户和第二用户之间的相关度，包括：
量化所述供需关系、所述用户行为与专利或专利包的关系、以及所述用户双方专利或专利包信息的相似度；以及，根据层次分析法确定所述供需关系、所述用户行为与专利或专利包的关系、以及所述用户双方专利或专利包信息的相似度的权重；
根据所述供需关系、所述用户行为与专利或专利包的关系、以及所述用户双方专利或专利包信息的相似度的量化结果以及所确定的权重，确定第一用户和第二用户之间的相关度。
具体实施时，权重可以借助于层次分析法AHP，将主观经验与客观指标相结合。
以下表为例：
| A:供需描述 | B:买家行为 | C:专利对比 | 权重 | |
| A:供需描述 | 1 | 3 | 5 | 0.65 |
| B:买家行为 | 1/3 | 1 | 2 | 0.23 |
| C:专利对比 | 1/5 | 1/2 | 1 | 0.12 |
其中，
1、表示同等重要；
3、表示略重要；
5、表示重要；
7、表示很重要；
9、表示极其重要；
2表示介于1和3之间、4表示介于3和5之间、6表示介于5和7之间、8表示介于7和9之间。
三种数据可以采用百分制：
A:供需描述：具体实施时，可以基于词项(term)，词频(frequency)，汉明距离(Hamming distance)，余弦相似度(Cosine similarity)等，现有技术中已有较多相关技术方案，本申请在此不做太多描述，完全一致100分，完全不相似0分。
B:买家行为：具体实施时可以参考命中次数、浏览详情次数、浏览时长等参数，进行相关度计算。例如：浏览一次10分，最高100分。
C:专利对比：具体实施时可以分为以下两类：
简单数据相关度：如IPC，具有相同IPC信息(部、大类、小类、大组、小组)的专利具有明显的相关性；又如：引证专利，引用专利与被引专利间认为具有相关度，此外，还可以包括多级引证、共同引证等情况的相关度计算。
语义相关度：具体实施时专利之间可以基于名称、摘要、权利要求、说明书进行语义相关度的计算，可以采用的技术方案包括：基于词项(term)，词频(frequency)，汉明距离(Hamming distance)，余弦相似度(Cosine similarity)等，具体算法的实施可以参考现有技术方案，本申请在此不做太多描述。
在一种实施方式中，所述根据所述第一用户的专利信息与第二用户的专利或专利包信息，确定用户双方专利或专利包信息的相似度，包括：
确定所述第一用户的每个专利信息与所述第二用户的专利或专利包信息的相似度；
根据所述第一用户的所有专利中与所述第二用户的专利或专利包信息的相似度最大的相似度值、或者、所述第一用户的所有专利与所述第二用户的专利或专利包信息的相似度的平均值，确定所述用户双方专利或专利包信息的相似度。
具体实施时，本申请实施例中用户的专利集合与卖家专利、专利包的相似度，可以采用以下两种方式确定相似度：
1)最大相似度，两个专利集合(集合1、集合2)的相似度是集合1中的专利，与集合2中专利相似度的最大值，作为集合的相似度。
2)平均相似度：两个专利集合(集合1、集合2)的相似度是集合1中的专利，与集合2中专利相似度的平均值，作为集合的相似度。
例如：
供需描述：相似度80分；
买家行为：相似度60分；
专利对比：相似度40分；
那么买家与商品的相关度：80×0.65+60×0.23+40×0.12＝70.6分。
在一种实施方式中，所述用户双方专利或专利包信息的相似度，包括以下一个或多个：
第一用户的专利与第二用户的专利之间的相似度；
第一用户的专利与第二用户的专利包之间的相似度；
第一用户的专利包与第二用户的专利包之间的相似度。
具体实施时，专利相似度的计算也可以使用层次分析法AHP，例如：
| 简单指标 | 文本指标 | 权重 | |
| 简单指标 | 1 | 2 | 0.67 |
| 文本指标 | 1/2 | 1 | 0.33 |
简单指标，例如：
IPC相同100分
大组相同80分
小类相同60分
大类相同40分
部相同20分。
文本指标完全相同100分，完全不同0分。
在一种实施方式中，所述相似度的计算，包括：
确定第一用户和第二用户的专利的IPC分类号、引证信息之间的相似度；以及，确定第一用户和第二用户的专利文本之间的相似度；
根据第一用户和第二用户的专利的IPC分类号、引证信息之间的相似度，以及，第一用户和第二用户的专利文本之间的相似度，并结合各自预设的权重值，确定第一用户和第二用户的专利和/或专利包的相似度。
具体实施时，在进行专利相似度计算时，还可以考虑其他专利信息，例如发明名称、摘要、全文等，本申请对此不作限制。
本申请实施例通过建立买家与商品/卖家之间的关系网络，通过供需描述、买家行为、专利对比三个维度以及专利相似度这一维度进行权重计算，可以最终确定买家最近的商品(网络邻居)是买家最可能采购的商品、商品最近的买家(网络邻居)是卖家最可能的潜在客户。
本申请实施例以一具体实例说明如下：
假设相关度阈值为4，以下表为例(相关度低于4的没有计算或显示)：
假设所述关系网络上包括用户A、B、C、D，用户A自身维护的信息表中包括研发方向为机器人，用户B自身维护的信息表中包括历史需求为买机器人相关的专利，用户C自身维护的信息表中包括研发方向为无人机(与用户D的相关度为5、与用户A相关度为4)、历史行为为浏览机器人相关的专利包(与用户A的相关度为5、与用户B的相关度为4)，用户D自身维护的信息表中包括自有专利为无人机相关的专利。那么，当用户C发布的信息为“购买无人机相关的专利”这一需求时，本申请实施例首先将该需求与用户C自身维护的信息表进行匹配，得到该需求相匹配的信息“研发方向为无人机”，再根据该“研发方向为无人机”对应的与其他用户的相关度情况(信息表中已经预先确定该研发方向为无人机”对应的相关度最高的是用户D)，确定用户C输入这一需求对应的目标对象为用户D。
实施例二
基于同一发明构思，本申请实施例中还提供了一种目标对象确定装置，由于该装置解决问题的原理与本申请实施例一所提供的目标对象确定方法相似，因此这些设备的实施可以参见目标对象确定方法的实施，重复之处不再赘述。
图2示出了本申请实施例中目标对象确定装置的结构示意图。
如图2所示，本申请实施例中目标对象确定装置，包括：
第一确定模块201，用于确定第一用户的信息；所述信息包括专利或专利包信息、需求信息；
第二确定模块202，用于根据预先构建的关系网络以及所述第一用户的信息，确定所述第一用户的目标对象；所述第一用户的目标对象为具有与所述第一用户的专利或专利包信息相关度高于预设相关阈值的需求的第二用户，和/或，具有与所述第一用户的需求信息相关度高于预设相关阈值的专利或专利包的第二用户；
其中，所述关系网络为描述一个或多个第一用户与一个或多个第二用户的关系距离远近的网络。
采用本申请实施例中提供的目标对象确定装置，通过预先构建的关系网络将多个用户预先建立起关系网，在确定第一用户的需求或专利或专利包信息之后，可以根据所述预先构建的关系网络准确、快速地确定出第一用户的目标对象。
在一种实施方式中，所述装置进一步包括：
网络构建模块，用于获取第一用户和第二用户的数据；根据所述第一用户和所述第二用户的数据确定每个第一用户和第二用户之间的相关度；根据所述相关度建立关系网络。
在一种实施方式中，所述第一用户和第二用户的数据均包括：基本信息、需求描述、行为信息、专利或专利包信息；所述网络构建模块，包括：
获取模块，用于第一用户和第二用户的数据；
供需确定模块，用于根据所述第一用户的基本信息、需求描述以及第二用户的专利或专利包信息，确定供需关系；
行为确定模块，用于根据所述第一用户的行为信息以及第二用户的专利或专利包信息，确定用户行为与专利或专利包的关系；
专利确定模块，用于根据所述第一用户的专利信息与第二用户的专利或专利包信息，确定用户双方专利或专利包信息的相似度；
相关度确定模块，用于根据所述供需关系、所述用户行为与专利或专利包的关系、以及所述用户双方专利或专利包信息的相似度，确定第一用户和第二用户之间的相关度；
建立模块，用于根据所述相关度建立关系网络。
在一种实施方式中，所述相关度确定模块，包括：
量化单元，用于量化所述供需关系、所述用户行为与专利或专利包的关系、以及所述用户双方专利或专利包信息的相似度；
权重设置单元，用于根据层次分析法确定所述供需关系、所述用户行为与专利或专利包的关系、以及所述用户双方专利或专利包信息的相似度的权重；
相关度确定单元，用于根据所述供需关系、所述用户行为与专利或专利包的关系、以及所述用户双方专利或专利包信息的相似度的量化结果以及所确定的权重，确定第一用户和第二用户之间的相关度。
在一种实施方式中，所述专利确定模块，包括：
第一相似度确定单元，用于确定所述第一用户的每个专利信息与所述第二用户的专利或专利包信息的相似度；
第二相似度确定单元，用于根据所述第一用户的所有专利中与所述第二用户的专利或专利包信息的相似度最大的相似度值、或者、所述第一用户的所有专利与所述第二用户的专利或专利包信息的相似度的平均值，确定所述用户双方专利或专利包信息的相似度。
在一种实施方式中，所述用户双方专利或专利包信息的相似度，包括以下一个或多个：
第一用户的专利与第二用户的专利之间的相似度；
第一用户的专利与第二用户的专利包之间的相似度；
第一用户的专利包与第二用户的专利包之间的相似度。
在一种实施方式中，所述第一相似度确定单元，包括：
文本相似度子单元，用于确定第一用户和第二用户的专利的IPC分类号、引证信息之间的相似度；以及，确定第一用户和第二用户的专利文本之间的相似度；
专利相似度子单元，用于根据第一用户和第二用户的专利的IPC分类号、引证信息之间的相似度，以及，第一用户和第二用户的专利文本之间的相似度，并结合各自预设的权重值，确定第一用户和第二用户的专利和/或专利包的相似度。
在一种实施方式中，所述预先构建的关系网络包括多个相互具有关联关系的用户，每个用户自身维护有信息表，所述信息表中包括自身基本信息、自身需求信息、自身专利或专利包信息以及各个信息与其他每个用户的相关度；所述第二确定模块，包括：
匹配单元，用于根据所述第一用户的信息在所述第一用户的信息表中进行匹配，确定在所述第一用户的信息表中与所述第一用户的信息相匹配的信息；
第一确定单元，用于根据所述第一用户的信息表得到所述与所述第一用户的信息相匹配的信息与所述关系网络上其他用户的相关度；
第二确定单元，用于将与所述关系网络其他用户的相关度值高于预设相关阈值的用户确定为所述第一用户的目标对象。
实施例三
基于同一发明构思，本申请实施例提供了一种计算机存储介质，该计算机存储介质上存储有计算机可执行指令，所述计算机可执行指令被处理器执行时用于实现实施例一中的方法步骤。
采用本申请实施例中提供的计算机存储介质，通过预先构建的关系网络将多个买家和卖家建立起关系网，在确定买家的需求或卖家的商品信息之后，可以根据所述预先构建的关系网络准确、快速地确定出买家或卖家的潜在客户。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本申请的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。
显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样，倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。
Claims (10)
1.一种目标对象确定方法，其特征在于，包括：
确定第一用户的信息，所述信息包括专利或专利包信息、需求信息；
根据预先构建的关系网络以及所述第一用户的信息，确定所述第一用户的目标对象；所述第一用户的目标对象为具有与所述第一用户的专利或专利包信息相关度高于预设相关阈值的需求的第二用户，和/或，具有与所述第一用户的需求信息相关度高于预设相关阈值的专利或专利包的第二用户；
其中，所述关系网络为描述一个或多个第一用户与一个或多个第二用户的关系距离远近的网络。
2.根据权利要求1所述的方法，其特征在于，所述预先构建的关系网络包括多个相互具有关联关系的用户，每个用户维护有信息表，所述信息表中包括基本信息、需求信息、专利或专利包信息以及各个信息与其他每个用户的相关度；所述根据预先构建的关系网络以及所述第一用户的信息，确定所述第一用户的目标对象，包括：
根据所述第一用户的信息在所述第一用户的信息表中进行匹配，确定在所述第一用户的信息表中与所述第一用户的信息相匹配的信息；
根据所述第一用户的信息表得到所述与所述第一用户的信息相匹配的信息与所述关系网络上其他用户的相关度；
将与所述关系网络其他用户的相关度值高于预设相关阈值的用户确定为所述第一用户的目标对象。
3.根据权利要求1所述的方法，其特征在于，所述关系网络的构建过程，包括：
获取第一用户和第二用户的数据；
根据所述第一用户和所述第二用户的数据确定每个第一用户和第二用户之间的相关度；
根据所述相关度建立关系网络。
4.根据权利要求3所述的方法，其特征在于，所述第一用户和第二用户的数据均包括：基本信息、需求描述、行为信息、专利或专利包信息；所述根据所述第一用户和所述第二用户的数据确定每个第一用户和第二用户之间的相关度，包括：
根据所述第一用户的基本信息、需求描述以及第二用户的专利或专利包信息，确定供需关系；
根据所述第一用户的行为信息以及第二用户的专利或专利包信息，确定用户行为与专利或专利包的关系；
根据所述第一用户的专利信息与第二用户的专利或专利包信息，确定用户双方专利或专利包信息的相似度；
根据所述供需关系、所述用户行为与专利或专利包的关系、以及所述用户双方专利或专利包信息的相似度，确定第一用户和第二用户之间的相关度。
5.根据权利要求4所述的方法，其特征在于，所述根据所述供需关系、所述用户行为与专利或专利包的关系、以及所述用户双方专利或专利包信息的相似度，确定第一用户和第二用户之间的相关度，包括：
量化所述供需关系、所述用户行为与专利或专利包的关系、以及所述用户双方专利或专利包信息的相似度；以及，根据层次分析法确定所述供需关系、所述用户行为与专利或专利包的关系、以及所述用户双方专利或专利包信息的相似度的权重；
根据所述供需关系、所述用户行为与专利或专利包的关系、以及所述用户双方专利或专利包信息的相似度的量化结果以及所确定的权重，确定第一用户和第二用户之间的相关度。
6.根据权利要求4所述的方法，其特征在于，所述根据所述第一用户的专利信息与第二用户的专利或专利包信息，确定用户双方专利或专利包信息的相似度，包括：
确定所述第一用户的每个专利信息与所述第二用户的专利或专利包信息的相似度；
根据所述第一用户的所有专利中与所述第二用户的专利或专利包信息的相似度最大的相似度值、或者、所述第一用户的所有专利与所述第二用户的专利或专利包信息的相似度的平均值，确定所述用户双方专利或专利包信息的相似度。
7.根据权利要求6所述的方法，其特征在于，所述用户双方专利或专利包信息的相似度，包括以下一个或多个：
第一用户的专利与第二用户的专利之间的相似度；
第一用户的专利与第二用户的专利包之间的相似度；
第一用户的专利包与第二用户的专利包之间的相似度。
8.根据权利要求7所述的方法，其特征在于，所述相似度的计算，包括：
确定第一用户和第二用户的专利的IPC分类号、引证信息之间的相似度；以及，确定第一用户和第二用户的专利文本之间的相似度；
根据第一用户和第二用户的专利的IPC分类号、引证信息之间的相似度，以及，第一用户和第二用户的专利文本之间的相似度，并结合各自预设的权重值，确定第一用户和第二用户的专利和/或专利包的相似度。
9.一种目标对象确定装置，其特征在于，包括：
第一确定模块，用于确定第一用户的信息；所述信息包括专利或专利包信息、需求信息；
第二确定模块，用于根据预先构建的关系网络以及所述第一用户的信息，确定所述第一用户的目标对象；所述第一用户的目标对象为具有与所述第一用户的专利或专利包信息相关度高于预设相关阈值的需求的第二用户，和/或，具有与所述第一用户的需求信息相关度高于预设相关阈值的专利或专利包的第二用户；
其中，所述关系网络为描述一个或多个第一用户与一个或多个第二用户的关系距离远近的网络。
10.一种计算机存储介质，其特征在于，包括：所述计算机存储介质上存储有计算机可执行指令，所述计算机可执行指令被处理器执行时用于实现权利要求1-8任一项所述的方法步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910296083.6A CN110110222B (zh) | 2019-04-12 | 2019-04-12 | 一种目标对象确定方法、装置及计算机存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910296083.6A CN110110222B (zh) | 2019-04-12 | 2019-04-12 | 一种目标对象确定方法、装置及计算机存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110110222A true CN110110222A (zh) | 2019-08-09 |
| CN110110222B CN110110222B (zh) | 2021-03-16 |
Family
ID=67485422
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910296083.6A Active CN110110222B (zh) | 2019-04-12 | 2019-04-12 | 一种目标对象确定方法、装置及计算机存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110110222B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114648274A (zh) * | 2022-04-12 | 2022-06-21 | 深圳市玄羽科技有限公司 | 一种基于物联网的物品管理系统及方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2013005188A2 (en) * | 2011-07-07 | 2013-01-10 | Serena F David | Relationship networks having link quality metrics with inference and concomitant digital value exchange |
| CN103678279A (zh) * | 2013-12-31 | 2014-03-26 | 中南大学 | 基于异质网络时态语义路径相似度的人物唯一性识别方法 |
| CN105117325A (zh) * | 2015-08-26 | 2015-12-02 | 湖南科技大学 | 一种基于随机游走的Web服务质量预测方法 |
| CN107123011A (zh) * | 2016-08-26 | 2017-09-01 | 北京小度信息科技有限公司 | 商户推荐方法、建立商户评价模型的方法及相关装置 |
| CN109447713A (zh) * | 2018-10-31 | 2019-03-08 | 国家电网公司 | 一种基于知识图谱的推荐方法及装置 |
| CN109523337A (zh) * | 2018-09-19 | 2019-03-26 | 平安科技（深圳）有限公司 | 专利交易方法、装置、计算机设备及存储介质 |
-
2019
- 2019-04-12 CN CN201910296083.6A patent/CN110110222B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2013005188A2 (en) * | 2011-07-07 | 2013-01-10 | Serena F David | Relationship networks having link quality metrics with inference and concomitant digital value exchange |
| CN103678279A (zh) * | 2013-12-31 | 2014-03-26 | 中南大学 | 基于异质网络时态语义路径相似度的人物唯一性识别方法 |
| CN105117325A (zh) * | 2015-08-26 | 2015-12-02 | 湖南科技大学 | 一种基于随机游走的Web服务质量预测方法 |
| CN107123011A (zh) * | 2016-08-26 | 2017-09-01 | 北京小度信息科技有限公司 | 商户推荐方法、建立商户评价模型的方法及相关装置 |
| CN109523337A (zh) * | 2018-09-19 | 2019-03-26 | 平安科技（深圳）有限公司 | 专利交易方法、装置、计算机设备及存储介质 |
| CN109447713A (zh) * | 2018-10-31 | 2019-03-08 | 国家电网公司 | 一种基于知识图谱的推荐方法及装置 |
Non-Patent Citations (1)
| Title |
|---|
| 李颖聪: "面向产品迭代创新的用户需求知识图谱构建与分析 ——以MIUI系统为例", 《中国优秀硕士学位论文全文数据库》 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114648274A (zh) * | 2022-04-12 | 2022-06-21 | 深圳市玄羽科技有限公司 | 一种基于物联网的物品管理系统及方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110110222B (zh) | 2021-03-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109658206B (zh) | 信息推荐方法和装置 | |
| EP2304619B1 (en) | Correlated information recommendation | |
| US9569499B2 (en) | Method and apparatus for recommending content on the internet by evaluating users having similar preference tendencies | |
| JP7105700B2 (ja) | サービス対象のための時分割推薦方法及び装置 | |
| WO2017028735A1 (zh) | 选择及推荐展示对象的方法及装置 | |
| US20180285957A1 (en) | Recommendation system associated with an online marketplace | |
| CN108665329A (zh) | 一种基于用户浏览行为的商品推荐方法 | |
| CN111080409A (zh) | 一种推送信息的计算机装置、方法、设备及介质 | |
| KR101646312B1 (ko) | 개인행동기반 관심 대상 및 선호 분야 분석시스템 및 그 방법 | |
| WO2011005072A2 (en) | Personalized shopping list recommendation based on shopping behavior | |
| CN112750011A (zh) | 商品推荐方法、装置和电子设备 | |
| JP6780992B2 (ja) | 判定装置、判定方法および判定プログラム | |
| CN103890762A (zh) | 信息处理装置、信息处理方法、信息处理程序以及记录介质 | |
| US9542482B1 (en) | Providing items of interest | |
| US20170111461A1 (en) | Apparatus and method for generating dynamic similarity audiences | |
| JP2020047156A (ja) | 商品推薦装置及びプログラム | |
| CN104346428A (zh) | 信息处理装置、信息处理方法及程序 | |
| CN111340522A (zh) | 资源推荐方法、装置、服务器及存储介质 | |
| CN116402569A (zh) | 基于知识图谱的商品推荐方法、装置、系统及存储介质 | |
| Prasetyo | Searching cheapest product on three different e-commerce using k-means algorithm | |
| CN110110222B (zh) | 一种目标对象确定方法、装置及计算机存储介质 | |
| CN113781171A (zh) | 信息推送方法、装置、设备及存储介质 | |
| JP2017091054A (ja) | 広告システム及び広告配信方法 | |
| KR102576123B1 (ko) | 제품 공동구매 연계 시스템 및 방법 | |
| WO2015097544A1 (en) | Computer implemented system and method for placing into relationship buyers and sellers of products or services |
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 |