CN110276013A - 一种维修技师的推荐方法、装置及存储介质 - Google Patents
一种维修技师的推荐方法、装置及存储介质 Download PDFInfo
- Publication number
- CN110276013A CN110276013A CN201910570336.4A CN201910570336A CN110276013A CN 110276013 A CN110276013 A CN 110276013A CN 201910570336 A CN201910570336 A CN 201910570336A CN 110276013 A CN110276013 A CN 110276013A
- Authority
- CN
- China
- Prior art keywords
- maintenance
- technician
- maintenance technician
- rating
- recommended
- 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
- 238000012423 maintenance Methods 0.000 title claims abstract description 360
- 238000000034 method Methods 0.000 title claims abstract description 84
- 238000012549 training Methods 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 11
- 238000010586 diagram Methods 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 6
- 238000012216 screening Methods 0.000 claims description 4
- 238000001914 filtration Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 abstract description 6
- 230000008439 repair process Effects 0.000 description 10
- 238000010276 construction Methods 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 235000013399 edible fruits Nutrition 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000011156 evaluation Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000007635 classification algorithm Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 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
-
- 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
- G06Q10/20—Administration of product repair or maintenance
-
- 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
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0241—Advertisements
- G06Q30/0251—Targeted advertisements
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Databases & Information Systems (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Finance (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Accounting & Taxation (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Game Theory and Decision Science (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开了一种维修技师的推荐方法装置及存储介质,该方法包括:获取用户的维修需求;提取维修需求中的维修需求参数;从技师数据库中获取与维修需求参数相匹配的维修技师作为推荐候选集;根据维修技师的评定等级对推荐候选集中的维修技师进行排序,并将排序结果输出。由此可见,相对于现有技术中通过距离推荐的方法而言,本方法根据与维修需求参数的匹配程度得到的推荐候选集,并依据维修技师的评定等级对推荐候选集中的维修技师排序,所推荐的维修技师的维修水平与用户维修需求更加吻合,即本方法的推荐结果更加准确,能够提高用户体验感。
Description
技术领域
本申请涉及数据挖掘技术领域,特别是涉及一种维修技师的推荐方法、装置及存储介质。
背景技术
随着汽车行业的不断发展,维修保养也成为一个重要的关注点。在维修保养中,为了方便用户操作,可以为用户推荐维修技师。
现有技术中,维修技师的推荐方法通常是预先搜集各维修厂的地理位置和维修品牌范围,当有用户需要维修保养时,再获取用户的地理位置,然后计算当前用户和各符合当前用户品牌的维修厂的距离,根据距离排序推荐给用户最近的维修厂。现有技术提供的推荐方法虽然可以为用户提供相应的信息,但是随着用户对维修保养的专业性的要求不断提高,简单通过距离的方式产生的推荐结果已经不能满足用户的要求,例如,距离最近的维修厂的维修技师有可能不具有维修当前用户车辆的能力或者该技师不够专业,这必然导致用户体验感差。
由此可见,如何为用户推荐维修技师以提高用户体验感是本领域技术人员亟待解决的问题。
发明内容
本申请的目的是提供一种维修技师的推荐方法、装置及存储介质,用于在用户有维修需求时,向用户提供专业性较好的维修技师以提高用户体验感。
为解决上述技术问题,本申请提供一种维修技师的推荐方法,包括:
获取用户的维修需求;
提取所述维修需求中的维修需求参数;
从技师数据库中获取与所述维修需求参数相匹配的维修技师作为推荐候选集;
根据维修技师的评定等级对所述推荐候选集中的维修技师进行排序,并将排序结果输出。
优选地,在所述获取用户的维修需求之前,所述方法还包括:
获取用于表征维修技师维修水平的特征参数,并根据所述特征参数构建维修技师画像;
基于所述维修技师画像构建维修技师评级模型;
利用所述评级模型生成维修技师的评定等级,并将维修技师与对应的评定等级关联存储在所述技师数据库中。
优选地,所述基于所述维修技师画像构建维修技师评级模型,具体包括:
抽取所述维修技师画像中的特征参数;
采用无监督聚类方法标记技师类别;
根据技师类别分类生成训练数据;
对所述训练数据进行训练得到维修技师多分类评级模型。
优选地,所述利用所述评级模型生成维修技师的评定等级,具体包括:
根据评级指标计算所述多分类评级模型中的每一类中的维修技师的评定等级。
优选地,所述从技师数据库中获取与所述维修需求参数相匹配的维修技师作为推荐候选集,具体包括:
以所述特征参数为基础计算与所述维修需求参数相匹配的维修技师的相似度,并以距离为筛选依据筛选出预定范围内的维修技师作为推荐候选集。
优选地,所述以所述特征参数为基础计算与所述维修需求参数相匹配的维修技师的相似度,具体包括:
采用协同过滤算法计算与所述维修需求参数相匹配的维修技师的相似度。
优选地,所述将排序结果输出,具体包括:
输出排序结果中的前M个维修技师。
为解决上述技术问题,本申请还提供一种维修技师的推荐装置,包括:
获取单元,用于获取用户的维修需求;
提取单元,用于提取所述维修需求中的维修需求参数;
推荐单元,用于从技师数据库中获取与所述维修需求参数相匹配的维修技师作为推荐候选集;
输出单元,用于根据维修技师的评定等级对所述推荐候选集中的维修技师进行排序,并将排序结果输出。
优选地,还包括:
第一构建单元,用于获取用于表征维修技师维修水平的特征参数,并根据所述特征参数构建维修技师画像;
第二构建单元,用于基于所述维修技师画像构建维修技师评级模型;
生成单元,用于利用所述评级模型生成维修技师的评定等级,并将维修技师与对应的评定等级关联存储在所述技师数据库中。
第二构建单元具体包括:
抽取模块,用于抽取所述维修技师画像中的特征参数;
标记模块,用于采用无监督聚类方法标记技师类别;
生成模块,用于根据技师类别分类生成训练数据;
训练模块,用于对所述训练数据进行训练得到维修技师多分类评级模型。
为解决上述技术问题,本申请还提供一种维修技师的推荐装置,包括存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现如所述的维修技师的推荐方法的步骤。
为解决上述技术问题,本申请还提供一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如所述的维修技师的推荐方法的步骤。
本申请所提供的维修技师的推荐方法,预先建立技师数据库,并对维修技师进行评级,在获取到用户的维修需求后,提取其中的维系需求参数,按照与维修需求参数的匹配程度在技师数据库中筛选出部分维修技师作为推荐候选集,然后根据维修技师的评定等级对推荐候选集中的维修技师排序,并将排序结果输出以供用户选择。由此可见,相对于现有技术中通过距离推荐的方法而言,本方法根据与维修需求参数的匹配程度得到的推荐候选集,并依据维修技师的评定等级对推荐候选集中的维修技师排序,所推荐的维修技师的维修水平与用户维修需求更加吻合,即本方法的推荐结果更加准确,能够提高用户体验感。
另外,本申请所提供的维修技师的推荐装置及存储介质,与上述方法相对应,同样具有上述有益效果。
附图说明
为了更清楚地说明本申请实施例,下面将对实施例中所需要使用的附图做简单的介绍。
图1为本申请实施例提供的一种维修技师的推荐方法的流程图;
图2为本申请实施例提供的另一种维修技师的推荐方法的流程图;
图3为基于维修技师画像构建维修技师评级模型的流程图;
图4为本申请实施例提供的一种维修技师的推荐装置的结构图;
图5为本发明实施例提供的另一种维修技师的推荐装置的结构图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述。
本申请的核心是提供一种维修技师的推荐方法、装置及存储介质,用于在用户有维修需求时,向用户提供专业性较好的维修技师以提高用户体验感。
为了使本技术领域的人员更好地理解本申请方案,下面结合附图和具体实施方式对本申请作进一步的详细说明。
图1为本发明实施例提供的一种维修技师的推荐方法的流程图。如图1所示,该方法包括:
S10:获取用户的维修需求。
用户可以通过移动终端,例如,手机上的APP或者登陆相关的网页输入自己的维修需求。可以理解的是,维修需求可以包括多种信息,例如,维修车辆的品牌、维修车辆的车系及年款、当前所在位置、维修日期、期望的维修技师的从业年限等,本实施例不作限定。在具体实施中,如果用户采用APP登录,则可以在显示界面上以下拉菜单的形式供用户填写相关内容,如果用户采用网页登录,则可以采用表格的形式供用户填写相关内容。
S11:提取维修需求中的维修需求参数。
在得到维修需求后,提取维修需求参数,可以理解的是,维修需求参数是指维修需求中的具体参数,例如,用户在维护需求中输入了维修车辆的品牌,那么该品牌就是维修需求参数。因此,维修需求参数是依赖于S10中的维修需求的,其具体种类和数量本实施例不作限定。
S12:从技师数据库中获取与维修需求参数相匹配的维修技师作为推荐候选集。
可以理解的是,技师数据库是预先建立的,可以从用于表征维修技师水平的特征参数对维修技师进行汇总,此处的特征参数,可以为从业年限、维修次数等。特征参数可以通过汽车检修记录数据中获取。可以理解的是,特征参数与S10中维修需求是相关联的,特征参数越多,涵盖的内容越广泛,则向用户推荐后越接近用户的维修需求,用户的体验感就越高。作为优选地实施方式,特征参数具体包括从业年限、最近一年内维修的次数、维修的品牌种类、每种品牌维修的次数和维修的故障种类。
需要说明的是,推荐候选集中的维修技师的数量可以根据实际情况确定,具体可以通过相匹配的程度去确定,本实施例不作限定。
S13:根据维修技师的评定等级对推荐候选集中的维修技师进行排序,并将排序结果输出。
对于推荐候选集来说,只是包含了与用户需求较为匹配的维修技师,但是至于这些维修技师的维修水平如何,并不能体现出来。为了方便用户选择以及推荐给用户最专业的维修技师,本实施中,通过评定等级对推荐候选集中的维修技师排序,可以理解的是,评定等级是综合衡量一个维修技师水平的参数,评定等级的具体计算可以通过用于表征维修技师水平的特征参数来确定。评定等级越高,则维修水平就越高。在具体实施中,可以按照评定等级依次降低的排序方式排序,那么排序靠前的维修技师的维修水平就越高,对应的用户体验感也会越高。
当用户得到该排序结果后,可以根据实际情况选取其中的一个维修技师进行车辆维修,通常情况下,不考虑其它因素,用户选取评定等级最高的维修技师。
本实施例提供的维修技师的推荐方法,预先建立技师数据库,并对维修技师进行评级,在获取到用户的维修需求后,提取其中的维系需求参数,按照与维修需求参数的匹配程度在技师数据库中筛选出部分维修技师作为推荐候选集,然后根据维修技师的评定等级对推荐候选集中的维修技师排序,并将排序结果输出以供用户选择。由此可见,相对于现有技术中通过距离推荐的方法而言,本方法根据与维修需求参数的匹配程度得到的推荐候选集,并依据维修技师的评定等级对推荐候选集中的维修技师排序,所推荐的维修技师的维修水平与用户维修需求更加吻合,即本方法的推荐结果更加准确,能够提高用户体验感。
图2为本申请实施例提供的另一种维修技师的推荐方法的流程图。在上述实施例的基础上,在获取用户的维修需求之前,还包括:
S20:获取用于表征维修技师维修水平的特征参数,并根据特征参数构建维修技师画像。
在具体实施中,特征参数用于表征维修技师的维修水平,考量一个维修技师的水平,可以从从业年限、维修次数等方面进行,本实施例对于特征参数的种类不作限定。特征参数可以通过汽车检修记录数据中获取。可以理解的是,特征参数越多,涵盖的内容越广泛,则对于维修技师的维修水平的评定等级越准确,则向用户推荐后的用户的体验感就越高。作为优选地实施方式,特征参数具体包括从业年限、最近一年内维修的次数、维修的品牌种类、每种品牌维修的次数和维修的故障种类。此外,还可以统计衍生特征,例如从业年限、最近一年内维修的次数、维修的品牌种类、每种品牌维修的次数和维修的故障种类的方差、极值、置信区间等丰富的维修技师画像的特征集(特征参数构成的集合)。
在得到特征参数后,将特征参数抽象成标签,利用这些标签将维修技师形象具体化,从而为用户提供有针对性的服务,具体构建过程请参见现有技术,本实施例不再赘述。
S21:基于维修技师画像构建维修技师评级模型。
图3为基于维修技师画像构建维修技师评级模型的流程图。在具体实施中,基于维修技师画像构建维修技师评级模型,具体包括S210-S213。
S210:抽取维修技师画像中的特征参数。
S211:采用无监督聚类方法标记技师类别。
在得到维修技师画像之后,各个特征参数是不规则排布的,本实施例通过无监督聚类方法将这些散乱的特征参数进行聚类从而标记技师类别。可以理解的是,标记技师类别其实是对维修技师进行分类,分类的方法有多种,本实施例中,采用KMeans无监督聚类方法进行分类,无监督聚类方法有多种,主要有基于距离、密度两种,每种算法是固定的,其效果在不同的数据集上的表现是不同的。优选地,该步骤具体包括:采用无监督聚类方法将维修技师画像进行分类以得到轮廓系数符合要求的N个类簇。每一类簇中包含同一类别的维修技师。通过调整聚类K值得到最小的轮廓系数,找到最佳的N个类簇,例如,N具体为5。
S212:根据技师类别分类生成训练数据。
在具体实施中,标记了技师类别后,就实现了对多个维修技师的分类,本步骤中按照类别生成其对应的训练数据。以上文中基于轮廓系数分类的方式为例,将N个类簇中靠近簇心的预定个数的特征参数作为多分类算法的训练数据。优选地,预定个数的比例是2%。
S213:对训练数据进行训练得到维修技师多分类评级模型。
S22:利用评级模型生成维修技师的评定等级,并将维修技师与对应的评定等级关联存储在技师数据库中。
在具体实施中,得到评级模型后,分别计算每个类别中对应的维修技师的评定等级,具体的,根据评级指标计算多分类评级模型中的每一类中的维修技师的评定等级。需要说明的是,评级指标可以是特征参数中的一种,例如,特征参数包括从业年限,评级指标也是从业年限,优选地,评级指标具体是从业年限的中位数。本实施例中,将维系技师与评定等级关联存储可以快速确定维修技师的评定等级,需要的时候直接调用即可。相对应的,当特征参数发生变化时,需要相应更新维修技师画像和评定等级,因此,本方法是一个动态的推荐过程,时效性更佳。
在上述实施例的基础上,从技师数据库中获取与维修需求参数相匹配的维修技师作为推荐候选集,具体包括:
以特征参数为基础计算与维修需求参数相匹配的维修技师的相似度,并以距离为筛选依据筛选出预定范围内的维修技师作为推荐候选集。
需要说明的是,本步骤之所以要以特征参数作为基础是因为用户维修需求参数需包含在特征参数中,可以是全部特征参数,也可以是部分特征参数,并且相似度计算就是比较两个事物的相似性,通过相似度来表征维修技师的维修水平与用户维修需求之间的匹配程度。相似度计算一般是通过计算事物的特征之间的距离,如果距离小,那么相似度大;如果距离大,那么相似度小。本实施例中就是计算用户维修需求参数所包含的特征与用于表征维修水平的特征参数所包含的特征的距离。计算用户维修需求参数相匹配的维修技师的相似度的方法可以有多种,例如,可以选取基于皮尔逊相关系数法、欧几里得距离的方法、基于曼哈顿距离的方法、基于明科夫斯基距离的方法、基于余弦相似度的方法,基于皮尔森相关系数的方法等,具体的方法本实施例不作限定。优选地,可以采用协同过滤算法计算与用户维修需求参数相匹配的维修技师的相似度。优选地,可以将相似度在90%以上的维修技师进行后续运算,以降低计算量,提高效率。
本实施例中,通过相似度计算来确定维修技师的维修水平与用户维修需求之间的匹配程度,算法简单,能够找到与用户维修需求最匹配的维修技师。此外,本步骤中,还结合距离筛选出预定范围内的维修技师,从而避免符合用户维修需求的维修技师距离用户较远的情况。
可以理解的是,预定范围可以根据实际情况确定,例如20公里。
在上述实施例的基础上,将排序结果输出,具体包括:输出排序结果中的前M个维修技师。
可以理解的是,排序结果越多,则用户的选择范围越大,必将增加用户的工作量,本实施例中,为了减少用户的工作量,且考虑到最符合用户维修需求的维修技师,在输出排序结果时,只输出排序结果中靠前的M个维修技师,例如输出维修技师的姓名等唯一标识。用户通过该排序结果就可以自行选定相应的维修技师。
在上述实施例的基础上,还包括:
输出对应的维修技师的从业年限、擅长维修的品牌、地理位置信息和活跃度(活跃度=一定时间段内检修次数/时间段)。
为了方便用户在排序结果中选择相应的维修技师,本实施例中,还向用户输出对应的维修技师的从业年限、擅长维修的品牌、地址位置信息和活跃度,具体的,可以将上述信息以列表的形式呈现给用户。
在其他实施例中,在S13后还可以包括:
接收用户返回的选择结果,并判断选择结果中对应的维修技师是否能够提供维修服务;
如果是,则锁定该维修技师和该用户。
由于每个维修技师的维修时间或者用户的维修时间不定,可能存在不同用户选择同一个维修技师,考虑到该情况,用户返回的选择结果中除了包含有所选择的维修技师外,还包括维修预约时间。服务器在接收到选择结果后,判断所选择的维修技师在该维修预约时间是否被预约,如果没被预约,说明该维修技师可以在该时间提供维修服务,否则不能提供。另外,当锁定了维修技师和用户后,还可以向用户返回锁定的信息,表明成功选中该维修技师。
上述实施例对于维修技师的推荐方法进行了详细说明,为了让本领域技术人员更加清楚本方法的具体应用,本申请还给出具体的应用场景,可以基于APP实现。
首先,按照上述实施例提供的维修技师的评定等级的方法得到维修技师的评定等级,该评定等级存储于技师数据库中。
然后,用户通过APP输入其维修需求参数,例如检修车型、品牌、年款等,还需要输入当前位置信息,或者可以自动检测到其位置信息,服务器在接收到用户维修需求参数后,计算与用户维修需求参数相匹配的维修技师的相似度,并以距离为筛选依据筛选出20公里内的维修技师作为推荐候选集。结合评定等级将推荐候选集上的维修技师进行排序得到排序结果,并在用户终端页面上显示前20的维修技师,以及对应的维修技师的具体详细信息。
最后,用户通过在终端页面上查看,通过App选择一位维修技师发送至服务器,服务器再相应的反馈给维修厂以锁定该维修技师。
在上述实施例中,对于维修技师的推荐方法进行了详细描述,本申请还提供维修技师的推荐装置对应的实施例。需要说明的是,本申请从两个角度对装置部分的实施例进行描述,一种是基于功能模块的角度,另一种是基于硬件的角度。
图4为本申请实施例提供的一种维修技师的推荐装置的结构图。如图4所示,该装置包括:
获取单元10,用于获取用户的维修需求。
提取单元11,用于提取维修需求中的维修需求参数。
推荐单元12,用于从技师数据库中获取与维修需求参数相匹配的维修技师作为推荐候选集。
输出单元13,用于根据维修技师的评定等级对推荐候选集中的维修技师进行排序,并将排序结果输出。
由于装置部分的实施例与方法部分的实施例相互对应,因此装置部分的实施例请参见方法部分的实施例的描述,这里暂不赘述。
优选地,还包括:
第一构建单元,用于获取用于表征维修技师维修水平的特征参数,并根据所述特征参数构建维修技师画像;
第二构建单元,用于基于所述维修技师画像构建维修技师评级模型;
生成单元,用于利用所述评级模型生成维修技师的评定等级,并将维修技师与对应的评定等级关联存储在所述技师数据库中。
第二构建单元具体包括:
抽取模块,用于抽取所述维修技师画像中的特征参数;
标记模块,用于采用无监督聚类方法标记技师类别;
生成模块,用于根据技师类别分类生成训练数据;
训练模块,用于对所述训练数据进行训练得到维修技师多分类评级模型。
图5为本发明实施例提供的另一种维修技师的推荐装置的结构图。如图5所示,该装置包括存储器20,用于存储计算机程序;
处理器21,用于执行计算机程序时实现如上述实施例描述的维修技师的推荐方法的步骤。
具体的,处理器21还需要连接输入装置和输出装置,其中,输入装置用于将维修需求输入至处理器以便处理器获取用户的维修需求;然后提取维修需求中的维修需求参数;从技师数据库中获取与维修需求参数相匹配的维修技师作为推荐候选集;最后,根据维修技师的评定等级对推荐候选集中的维修技师进行排序,并将排序结果输出。其中,输出装置用于将处理器得到的结果输出,以便用户在APP上看到推荐结果。
由于装置部分的实施例与方法部分的实施例相互对应,因此装置部分的实施例请参见方法部分的实施例的描述,这里暂不赘述。在本申请的一些实施例中,处理器21和存储器20可通过总线22或其它方式连接。
其中,存储器20至少包括一种类型的可读存储介质,所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如,SD或DX存储器等)、磁性存储器、磁盘、光盘等。在一些实施例中,如果上述方法基于服务器实现,则存储器20可以是服务器的内部存储单元,例如服务器的硬盘。存储器20在另一些实施例中也可以是服务器的外部存储设备,例如服务器上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,存储器20还可以既包括服务器的内部存储单元也包括外部存储设备。存储器20不仅可以用于存储安装于服务器的应用软件及各类数据,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21在一些实施例中可以是一中央处理器(Central Processing Unit,CPU)、控制器、微控制器、微处理器或其他数据处理芯片,用于运行存储器20中存储的程序代码或处理数据,例如执行维修技师的推荐方法的程序等。
该总线22可以是外设部件互连标准(peripheral component interconnect,简称PCI)总线或扩展工业标准结构(extended industry standard architecture,简称EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。为便于表示,图5中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
本实施例提供的维修技师的推荐装置,包括存储器和处理器,处理器在执行存储器存储的计算机程序时,能够实现如下步骤:预先建立技师数据库,并对维修技师进行评级,在获取到用户的维修需求后,提取其中的维系需求参数,按照与维修需求参数的匹配程度在技师数据库中筛选出部分维修技师作为推荐候选集,然后根据维修技师的评定等级对推荐候选集中的维修技师排序,并将排序结果输出以供用户选择。由此可见,相对于现有技术中通过距离推荐的方法而言,本方法根据与维修需求参数的匹配程度得到的推荐候选集,并依据维修技师的评定等级对推荐候选集中的维修技师排序,所推荐的维修技师的维修水平与用户维修需求更加吻合,即本方法的推荐结果更加准确,能够提高用户体验感。
最后,本申请还提供一种计算机可读存储介质,计算机可读存储介质上存储有计算机程序,计算机程序被处理器执行时实现如上述实施例描述的维修技师的推荐方法的步骤。
可以理解的是,如果上述实施例中的方法以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
本实施例提供的计算机可读存储介质,存储有维修技师的推荐方法,相对于现有技术中通过距离推荐的方法而言,采用本申请提供的推荐方法根据与维修需求参数的匹配程度得到的推荐候选集,并依据维修技师的评定等级对推荐候选集中的维修技师排序,所推荐的维修技师的维修水平与用户维修需求更加吻合,即本方法的推荐结果更加准确,能够提高用户体验感。
以上对本申请所提供的维修技师的推荐方法、装置及存储介质进行了详细介绍。说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。应当指出,对于本技术领域的普通技术人员来说,在不脱离本申请原理的前提下,还可以对本申请进行若干改进和修饰,这些改进和修饰也落入本申请权利要求的保护范围内。
还需要说明的是,在本说明书中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,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、物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、物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、物品或者设备中还存在另外的相同要素。
Claims (10)
1.一种维修技师的推荐方法,其特征在于,包括:
获取用户的维修需求;
提取所述维修需求中的维修需求参数;
从技师数据库中获取与所述维修需求参数相匹配的维修技师作为推荐候选集;
根据维修技师的评定等级对所述推荐候选集中的维修技师进行排序,并将排序结果输出。
2.根据权利要求1所述的维修技师的推荐方法,其特征在于,在所述获取用户的维修需求之前,所述方法还包括:
获取用于表征维修技师维修水平的特征参数,并根据所述特征参数构建维修技师画像;
基于所述维修技师画像构建维修技师评级模型;
利用所述评级模型生成维修技师的评定等级,并将维修技师与对应的评定等级关联存储在所述技师数据库中。
3.根据权利要求2所述的维修技师的推荐方法,其特征在于,所述基于所述维修技师画像构建维修技师评级模型,具体包括:
抽取所述维修技师画像中的特征参数;
采用无监督聚类方法标记技师类别;
根据技师类别分类生成训练数据;
对所述训练数据进行训练得到维修技师多分类评级模型。
4.根据权利要求3所述的维修技师的推荐方法,其特征在于,所述利用所述评级模型生成维修技师的评定等级,具体包括:
根据评级指标计算所述多分类评级模型中的每一类中的维修技师的评定等级。
5.根据权利要求2-4任一项所述的维修技师的推荐方法,其特征在于,所述从技师数据库中获取与所述维修需求参数相匹配的维修技师作为推荐候选集,具体包括:
以所述特征参数为基础计算与所述维修需求参数相匹配的维修技师的相似度,并以距离为筛选依据筛选出预定范围内的维修技师作为推荐候选集。
6.根据权利要求5所述的维修技师的推荐方法,其特征在于,所述以所述特征参数为基础计算与所述维修需求参数相匹配的维修技师的相似度,具体包括:
采用协同过滤算法计算与所述维修需求参数相匹配的维修技师的相似度。
7.根据权利要求1所述的维修技师的推荐方法,其特征在于,所述将排序结果输出,具体包括:
输出排序结果中的前M个维修技师。
8.一种维修技师的推荐装置,其特征在于,包括:
获取单元,用于获取用户的维修需求;
提取单元,用于提取所述维修需求中的维修需求参数;
推荐单元,用于从技师数据库中获取与所述维修需求参数相匹配的维修技师作为推荐候选集;
输出单元,用于根据维修技师的评定等级对所述推荐候选集中的维修技师进行排序,并将排序结果输出。
9.一种维修技师的推荐装置,其特征在于,包括存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现如权利要求1至7任一项所述的维修技师的推荐方法的步骤。
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上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的维修技师的推荐方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910570336.4A CN110276013A (zh) | 2019-06-27 | 2019-06-27 | 一种维修技师的推荐方法、装置及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910570336.4A CN110276013A (zh) | 2019-06-27 | 2019-06-27 | 一种维修技师的推荐方法、装置及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110276013A true CN110276013A (zh) | 2019-09-24 |
Family
ID=67963547
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910570336.4A Pending CN110276013A (zh) | 2019-06-27 | 2019-06-27 | 一种维修技师的推荐方法、装置及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110276013A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112765208A (zh) * | 2021-01-12 | 2021-05-07 | 云南电网有限责任公司电力科学研究院 | 输电线路巡维任务的调度方法、系统、设备和存储介质 |
CN112766895A (zh) * | 2021-01-12 | 2021-05-07 | 云南电网有限责任公司电力科学研究院 | 输电线路巡维任务结算方法、系统、计算机设备和介质 |
CN114429679A (zh) * | 2020-10-29 | 2022-05-03 | 福建星网视易信息系统有限公司 | 一种服务场所管理方法及系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107577704A (zh) * | 2017-07-28 | 2018-01-12 | 武汉依迅北斗空间技术有限公司 | 一种车辆维修订单推送方法及系统 |
CN109345112A (zh) * | 2018-09-28 | 2019-02-15 | 深圳市元征科技股份有限公司 | 一种维修技师评级方法、系统及电子设备和存储介质 |
CN109409672A (zh) * | 2018-09-25 | 2019-03-01 | 深圳市元征科技股份有限公司 | 一种汽车维修技师分类评级建模方法及装置 |
-
2019
- 2019-06-27 CN CN201910570336.4A patent/CN110276013A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107577704A (zh) * | 2017-07-28 | 2018-01-12 | 武汉依迅北斗空间技术有限公司 | 一种车辆维修订单推送方法及系统 |
CN109409672A (zh) * | 2018-09-25 | 2019-03-01 | 深圳市元征科技股份有限公司 | 一种汽车维修技师分类评级建模方法及装置 |
CN109345112A (zh) * | 2018-09-28 | 2019-02-15 | 深圳市元征科技股份有限公司 | 一种维修技师评级方法、系统及电子设备和存储介质 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114429679A (zh) * | 2020-10-29 | 2022-05-03 | 福建星网视易信息系统有限公司 | 一种服务场所管理方法及系统 |
CN114429679B (zh) * | 2020-10-29 | 2024-05-24 | 福建星网视易信息系统有限公司 | 一种服务场所管理方法及系统 |
CN112765208A (zh) * | 2021-01-12 | 2021-05-07 | 云南电网有限责任公司电力科学研究院 | 输电线路巡维任务的调度方法、系统、设备和存储介质 |
CN112766895A (zh) * | 2021-01-12 | 2021-05-07 | 云南电网有限责任公司电力科学研究院 | 输电线路巡维任务结算方法、系统、计算机设备和介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105550756B (zh) | 一种基于模拟车辆受损的汽车快速定损方法 | |
CN102236663B (zh) | 一种基于垂直搜索的查询方法、系统和装置 | |
CN110245213A (zh) | 调查问卷生成方法、装置、设备和存储介质 | |
CN110276013A (zh) | 一种维修技师的推荐方法、装置及存储介质 | |
CN108734184B (zh) | 一种对敏感图像进行分析的方法及装置 | |
CN107688987A (zh) | 电子装置、保险推荐方法、及计算机可读存储介质 | |
CN109919781A (zh) | 团伙欺诈案件识别方法、电子装置及计算机可读存储介质 | |
CN110781381B (zh) | 基于神经网络的数据验证方法、装置、设备及存储介质 | |
CN110852785B (zh) | 用户分级方法、装置及计算机可读存储介质 | |
CN105721629A (zh) | 用户标识匹配方法和装置 | |
CN104463177A (zh) | 相似人脸图片获取方法和装置 | |
CN110457576A (zh) | 账户分类方法、装置、计算机设备和存储介质 | |
CN108182457A (zh) | 用于生成信息的方法和装置 | |
CN106934679B (zh) | 信息匹配方法及装置 | |
CN111078512A (zh) | 告警记录生成方法、装置、告警设备及存储介质 | |
CN109102303B (zh) | 风险检测方法和相关装置 | |
CN108153661A (zh) | 执行测试用例的方法和装置 | |
CN114117134A (zh) | 一种异常特征检测方法、装置、设备和计算机可读介质 | |
CN111784053A (zh) | 交易风险检测方法、设备及可读存储介质 | |
CN114817518A (zh) | 基于大数据档案识别的证照办理方法、系统及介质 | |
CN110688850A (zh) | 餐饮类型确定方法和装置 | |
CN113434680A (zh) | 基于坐席数据的用户意愿分析方法、装置、电子设备 | |
CN113191570A (zh) | 基于深度学习的资金规划推荐方法、装置和设备 | |
CN111897853A (zh) | 一种基于大数据的计算机数据挖掘探索方法及系统 | |
CN116861101B (zh) | 用于社交匹配的数据处理方法和装置 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190924 |