CN110473074A - 一种车辆维修服务商推荐方法、装置、设备、介质 - Google Patents
一种车辆维修服务商推荐方法、装置、设备、介质 Download PDFInfo
- Publication number
- CN110473074A CN110473074A CN201910778342.9A CN201910778342A CN110473074A CN 110473074 A CN110473074 A CN 110473074A CN 201910778342 A CN201910778342 A CN 201910778342A CN 110473074 A CN110473074 A CN 110473074A
- Authority
- CN
- China
- Prior art keywords
- service provider
- information
- vehicle maintenance
- maintenance service
- recommendation
- 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
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
- 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
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0631—Item recommendations
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- Finance (AREA)
- Human Resources & Organizations (AREA)
- Accounting & Taxation (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开了一种车辆维修服务商推荐方法、装置、设备、介质,该方法包括:根据预设信息,筛选出预推荐车辆维修服务商,得到预推荐车辆维修服务商信息;确定车主信息与所述预推荐车辆维修服务商信息之间的相似度;将所述预推荐车辆维修服务商中相似度满足预设条件的服务商推荐给车主。本申请先根据预设信息,筛选出预推荐车辆维修服务商,在确定出车主信息和预推荐车辆维修服务商信息之间的相似度之后,将所述预推荐车辆维修服务商中相似度满足预设条件的服务商推荐给车主,上述过程可以将与车主相似度高的车辆维修服务商推荐给车主,使得车主能够快速找到满意的车辆维修服务商,实现车主和车辆维修服务商之间的资源智能高效对接。
Description
技术领域
本申请涉及大数据智能推荐技术领域,特别涉及一种车辆维修服务商方法、装置、设备、介质。
背景技术
汽车是日常生活中使用最广泛的交通工具之一,因此车辆维修成为日常生活中要解决的问题之一。当需要车辆维修服务时,如何快速找到满意的车辆维修服务商成为当前要解决的问题。
当前,广泛存在车辆维修服务商与车主资源对接效率低问题,未实现车辆维修服务商资源有效配置。车主寻找车辆维修服务商,往往依靠原有经验、他人介绍等,找到满意的车辆维修服务商较困难,车主和车辆维修服务商之间的资源对接效率低。
发明内容
有鉴于此,本申请的目的在于提供一种车辆维修服务商推荐方法、装置、设备、介质,使得车主能够快速满意的车辆维修服务商,实现车主和车辆维修服务商之间的资源高效对接。其具体方案如下:
第一方面,本申请公开了一种车辆维修服务商推荐方法,包括:
根据预设信息,筛选出预推荐车辆维修服务商,得到预推荐车辆维修服务商信息;
确定车主信息与所述预推荐车辆维修服务商信息之间的相似度;
将所述预推荐车辆维修服务商中相似度满足预设条件的服务商推荐给车主。
可选的,所述根据预设信息,筛选出预推荐车辆维修服务商,得到预推荐车辆维修服务商信息,包括:
根据车主位置信息,筛选出预推荐车辆维修服务商,得到预推荐车辆维修服务商信息;
和/或,根据车主意向服务信息,筛选出预推荐车辆维修服务商,得到预推荐车辆维修服务商信息。
可选的,所述根据车主位置信息,筛选出预推荐车辆维修服务商,得到预推荐车辆维修服务商信息,包括:
根据移动终端获取的车主位置信息,筛选出预推荐车辆维修服务商,得到预推荐车辆维修服务商信息;
或,根据载人设备获取的车主位置信息,筛选出预推荐车辆维修服务商,得到预推荐车辆维修服务商信息;
或,根据人工设置的车主位置信息,筛选出预推荐车辆维修服务商,得到预推荐车辆维修服务商信息。
可选的,所述根据预设信息,筛选出预推荐车辆维修服务商,得到预推荐车辆维修服务商信息,包括:
根据预设信息,筛选出预推荐车辆维修服务商,得到包括历史维修车辆信息、车辆维修项目信息、服务价格信息以及地理位置信息中的任一项或几项的组合的预推荐车辆维修服务商信息。
可选的,所述确定车主信息与所述预推荐车辆维修服务商信息之间的相似度之前,还包括:
获取车主信息;
其中,所述车主信息包括车辆信息、故障信息、意向服务价格信息以及车主位置信息中的任一项或几项的组合。
可选的,所述确定车主信息与所述预推荐车辆维修服务商信息之间的相似度,包括:
分别从所述车主信息和所述预推荐汽车服务商信息中提取出相应的特征词,得到第一特征词组和第二特征词组;
分别确定所述第一特征词组和所述第二特征词组中每个特征词对应的特征值,以得到相应的第一特征向量和第二特征向量;
利用相似度算法,计算所述第一特征向量和所述第二特征向量的相似度,得到所述车主信息与所述预推荐车辆维修服务商信息之间的相似度。
第二方面,本申请公开了一种车辆维修服务商推荐装置,包括:
服务商筛选模块,用于根据预设条件,筛选出预推荐车辆维修服务商,得到预推荐车辆维修服务商信息;
相似度确定模块,用于确定车主信息与所述预推荐车辆维修服务商信息的相似度;
服务商推荐模块,用于将所述预推荐车辆维修服务商中相似度满足预设条件的服务商推荐给车主。
可选的,所述相似度确定模块,具体包括:
分词模块,用于对所述车主信息和所述预推荐车辆服务商信息进行分词预处理;
特征提取模块,用于分别从所述车主信息和所述预推荐汽车服务商信息中提取出相应的特征词,得到第一特征词组和第二特征词组;
特征量化模块,用于分别确定所述第一特征词组和所述第二特征词组中每个特征词对应的特征值,以得到相应的第一特征向量和第二特征向量;
相似度计算模块,用于利用相似度算法,计算所述第一特征向量和所述第二特征向量的相似度,得到所述车主信息与所述预推荐车辆维修服务商信息之间的相似度。
第三方面,本申请公开了一种电子设备,包括:
存储器和处理器;
其中,所述存储器,用于存储计算机程序;
所述处理器,用于执行所述计算机程序,以实现权利要求前述的车辆维修服务商推荐方法。
第四方面,本申请公开了一种计算机可读存储介质,用于保存计算机程序,其中,所述计算机程序被处理器执行时实现前述的车辆维修服务商推荐方法。
可见,本申请根据预设信息,筛选出预推荐车辆维修服务商,得到预推荐车辆维修服务商信息,然后确定车主信息与所述预推荐车辆维修服务商信息之间的相似度,并将所述预推荐车辆维修服务商中相似度满足预设条件的服务商推荐给车主。由此可知,本申请先根据预设信息,筛选出预推荐车辆维修服务商,并得到所述预推荐车辆维修服务商信息,在确定出车主信息和所述预推荐车辆维修服务商信息之间的相似度之后,将所述预推荐车辆维修服务商中相似度满足预设条件的服务商推荐给车主,可见上述过程可以将与车主相似度高的车辆维修服务商推荐给车主,使得车主能够快速找到满意的车辆维修服务商,实现车主和车辆维修服务商之间的资源智能高效对接。
附图说明
为了更清楚地说明本申请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申请的实施例,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,还可以根据提供的附图获得其他的附图。
图1为本申请公开的一种车辆维修服务商推荐方法流程图;
图2为本申请公开的一种具体的车辆维修服务商推荐方法流程图;
图3为本申请公开的一种具体的车主与预车辆维修服务商相似度关系图;
图4为本申请公开的一种具体的车辆维修服务商推荐方法流程图;
图5为本申请公开的一种车辆维修服务商推荐装置结构示意图;
图6为本申请公开的一种用户终端结构图。
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,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,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,都属于本申请保护的范围。
目前,广泛存在车辆维修服务商与车主资源对接效率低问题,未实现车辆维修服务商资源有效配置。车主寻找车辆维修服务商,往往依靠原有经验、他人介绍等,找到满意的车辆维修服务商较困难,车主和车辆维修服务商之间的资源对接效率低。为此,本申请提供了一种车辆维修服务商推荐方法,使得车主能够快速满意的车辆维修服务商,实现车主和车辆维修服务商之间的资源高效对接。
本申请实施例公开了一种车辆维修服务商推荐方法,参见图1所示,该方法包括:
步骤S11:根据预设信息,筛选出预推荐车辆维修服务商,得到预推荐车辆维修服务商信息。
可以理解的是,在本实施例中,先获取预设信息,并根据所述预设信息,筛选出预推荐车辆维修服务商,得到预推荐车辆维修服务商信息。所述预推荐车辆维修服务商信息包括历史维修车辆信息、车辆维修项目信息、服务价格信息以及地理位置信息中的一项或几项的组合。
另外,所述预设信息包括车主位置信息和/或车主意向服务信息。具体可以理解为,预设信息既可以是一种类型的信息,即车主位置信息,或车主意向服务信息,也可以是两种类型的信息,即车主位置信息和车主意向服务信息。其中,所述车主意向服务信息包括但不限于意向服务价格、车辆维修服务商类型、维修项目。
步骤S12:确定车主信息与所述预推荐车辆维修服务商信息之间的相似度。
在本实施例中,在所述确定车主信息与所述预推荐车辆维修服务商信息之间的相似度之前,还包括:获取车主信息。其中,所述车主信息包括车辆信息、故障信息、意向服务价格信息以及车主位置信息中的任一项或几项的组合。可以理解的是,所述车主信息与所述预推荐车辆维修服务商信息要对应。具体的,若所述预推荐车辆维修服务商信息包括历史维修车辆信息、车辆维修项目信息、服务价格信息以及地理位置信息,相应地,车主信息应包括车辆信息、故障信息、意向服务价格信息以及车主位置信息。
可以理解的是,所述车主信息与所述预推荐车辆维修服务商信息包括文本信息和数值型信息,故在计算所述车主信息与所述预推荐车辆维修服务商信息之间的相似度之前,还需要对所述车主信息和所述预推荐车辆服务商信息进行特征提取,以及特征向量化,将所述车主信息和所述预推荐车辆服务商信息的特征转化成特征向量,然后确定出所述车主信息和所述预推荐车辆服务商信息之间的相似度。
步骤S13:将所述预推荐车辆维修服务商中相似度满足预设条件的服务商推荐给车主。
可以理解的是,本实施例中,所述将所述预推荐车辆维修服务商中相似度满足预设条件的服务商推荐给车主,所述服务商可以是单个服务商,也可以是多个服务商。
可见,本申请根据预设信息,筛选出预推荐车辆维修服务商,得到预推荐车辆维修服务商信息,然后确定车主信息与所述预推荐车辆维修服务商信息之间的相似度,并将所述预推荐车辆维修服务商中相似度满足预设条件的服务商推荐给车主。由此可知,本申请先根据预设信息,筛选出预推荐车辆维修服务商,并得到所述预推荐车辆维修服务商信息,在确定出车主信息和所述预推荐车辆维修服务商信息之间的相似度之后,将所述预推荐车辆维修服务商中相似度满足预设条件的服务商推荐给车主,可见上述过程可以将与车主相似度高的车辆维修服务商推荐给车主,使得车主能够快速找到满意的车辆维修服务商,实现车主和车辆维修服务商之间的资源智能高效对接。
参见图2所示,本申请实施例公开了一种具体的车辆维修服务商方法,该方法包括:
步骤S21:根据预设信息,筛选出预推荐车辆维修服务商,得到预推荐车辆维修服务商信息。
步骤S22:获取车主信息。
步骤S23:分别从所述车主信息和所述预推荐汽车服务商信息中提取出相应的特征词,得到第一特征词组和第二特征词组。
可以理解的是,本实施例中,在所述分别从所述车主信息和所述预推荐汽车服务商信息中提取出相应的特征词,得到第一特征词组和第二特征词组之前,还包括:对所述车主信息和所述预推荐车辆服务商信息进行分词和去停用词预处理。
在本实施例中,所述车主信息和所述预推荐车辆维修服务商信息应相对应,所述特征词应能反映所述车主和所述预推荐车辆维修服务商的关联关系。具体的,若所述车主信息中包含车辆的品牌、车型、年款、故障点、保养项目、历史服务商类型、历史服务商等级、消费价格等内容;则所述预推荐车辆服务商信息中包含历史维修车辆品牌、车型、年款、维修服务项目、保养项目、服务商类型、服务商等级等内容。分析所述车主信息和所述预推荐车辆服务商信息,找到两则信息中相同类型的信息,构成特征词。比如,分别以所述车主信息的车辆品牌、车型、年款、故障点、保养项目、历史服务商类型、历史服务商等级和所述预推荐车辆维修服务商信息的历史维修车辆品牌、车型、年款、维修服务项目、保养项目、服务商类型、服务商等级为特征词,得到第一特征词组和第二特征词组。
另外,所述分别从所述车主信息和所述预推荐汽车服务商信息中提取出相应的特征词的方法包括但不限于词袋模型法、TF-IDF以及信息增益法等。
步骤S24:分别确定所述第一特征词组和所述第二特征词组中每个特征词对应的特征值,以得到相应的第一特征向量和第二特征向量。
在本实施例中,分别确定所述第一特征词组和所述第二特征词组中每个特征词对应的特征值,以得到相应的第一特征向量和第二特征向量,包括:根据预设规则,分别确定所述第一特征词组和所述第二特征词组中每个特征词对应的特征值,以得到相应的第一特征向量和第二特征向量。
其中,所述预设规则,包括:对于定性特征的特征词,可以为其赋予1或0的特征值,而对于数值型特征的特征词,可以将这种数值型特征的具体数值作为该特征词的特征值。所述定性特征为用文字语言描述的特征,如维修服务项目特征。所述数值型特征为用数字语言描述的特征,如价格特征。例如,在任一特征词组中,如果与“车辆品牌”对应的特征词是“大众”,则将该特征词的特征值设为1,否则,将该特征词的特征值设为0。在任一特征词组中,如果与“消费价格”对应的特征词是“200”,则将该特征词的特征值设为200。
步骤S25:利用相似度算法,计算所述第一特征向量和所述第二特征向量的相似度,得到所述车主信息与所述预推荐车辆维修服务商信息之间的相似度。
本实施例中,所述相似度算法为能够计算所述第一特征向量和所述第二特征向量之间相似度的算法,包括但不限于欧几里得距离法、皮尔逊相关系数法、余弦相似度法以及Tanimoto系数法。例如,利用余弦相似度算法计算第一特征向量和第二特征向量之间的相似度,则所述第一特征向量和所述第二特征向量之间的相似度为:
可以理解的是,所述第一特征向量和所述第二特征向量分别表征的是所述车主信息和所述预推荐车辆维修服务商信息,所以计算出的所述第一特征向量和所述第二特征向量之间的相似度也即计算出所述车主信息和所述预推荐车辆维修服务商信息之间的相似度。如图3所示,展示了预推荐车辆维修服务商B1、B2、B3、B4、B5和车主A1的相似度信息。所述预推荐车辆维修服务商B1与所述车主A1之间的相似度为0.8,所述预推荐车辆维修服务商B2与所述车主A1之间的相似度为0.7,所述预推荐车辆维修服务商B3与所述车主A1之间的相似度为0.6,所述预推荐车辆维修服务商B4、B5与所述车主A1之间的相似度均为0.5。
步骤S26:将所述预推荐车辆维修服务商中相似度满足预设条件的服务商推荐给车主。
例如,在图3中,若预设条件为相似度大于0.6,则将所述预推荐车辆维修服务商B1和B2推荐给车主;若预设条件为相似度大于0.5,则将所述预推荐车辆维修服务商B1、B2和B3推荐给车主。
其中,步骤S21、步骤S22和步骤S26的具体过程可以参考前述实施例中公开的相应内容。
参见图4所示,本申请实施例公开了一种具体的车辆维修服务商推荐方法,该方法包括:
步骤S31:根据车主位置信息,筛选出预推荐车辆维修服务商,得到预推荐车辆维修服务商信息。
可以理解的是,所述车主位置信息为车主实时位置信息。在所述根据车主位置信息,筛选出预推荐车辆维修服务商,得到预推荐车辆维修服务商信息之前,还包括:设置筛选策略。所述筛选策略包括但不限于距离范围。例如,设置筛选策略为距离车主3公里以内的车辆维修服务商,则筛选出的预推荐车辆维修服务商均满足与车主的距离小于3公里。
在第一种具体实施方式中,所述根据车主位置信息,筛选出预推荐车辆维修服务商,得到预推荐车辆维修服务商信息,可以包括:根据移动终端获取的车主位置信息,筛选出预推荐车辆维修服务商,得到预推荐车辆维修服务商信息。具体可以理解为,利用移动终端自带的定位装置获取车主的位置信息,根据所述车主位置信息和筛选策略,筛选出预推荐车辆维修服务商,得到所述预推荐车辆维修服务商信息。
在第二种具体实施方式中,所述根据车主位置信息,筛选出预推荐车辆维修服务商,得到预推荐车辆维修服务商信息,可以包括:根据载人设备获取的车主位置信息,筛选出预推荐车辆维修服务商,得到预推荐车辆维修服务商信息。具体可以理解为,利用载人设备自带的定位装置获取车主的位置信息,再通过通信接口将所述车主位置信息传送给车主移动终端,然后根据所述车主位置信息,筛选出预推荐车辆维修服务商,得到预推荐车辆维修服务商信息。利用载人设备获取车主位置信息,可以缓解移动终端的电量压力,延长移动终端的待机时间。
在第三种具体的实施方式中,所述根据车主位置信息,筛选出预推荐车辆维修服务商,得到预推荐车辆维修服务商信息,可以包括:根据人工设置的车主位置信息,筛选出预推荐车辆维修服务商,得到预推荐车辆维修服务商信息。在利用移动终端获取车主位置的过程中,会存在定位不到车主当前位置的情况,此时可以通过人工设置车主位置信息,以根据所述车主位置信息,筛选出预推荐车辆维修服务商,得到预推荐车辆服务商信息。
步骤S32:获取车主信息。
其中,所述车主信息包括车辆信息、故障信息、意向服务价格信息以及车主位置信息中的任意一项或几项的组合。
步骤S33:分别从所述车主信息和所述预推荐汽车服务商信息中提取出相应的特征词,得到第一特征词组和第二特征词组。
步骤S34:分别确定所述第一特征词组和所述第二特征词组中每个特征词对应的特征值,以得到相应的第一特征向量和第二特征向量。
步骤S35:利用相似度算法,计算所述第一特征向量和所述第二特征向量的相似度,得到所述车主信息与所述预推荐车辆维修服务商信息之间的相似度。
步骤S36:将所述预推荐车辆维修服务商按照所述相似度由大到小的顺序排序,得到预推荐车辆维修服务商列表。
本实施例中,将所述预推荐车辆维修服务商按照所述相似度由大到小的顺序排序,当所述相似度相同时,可以按所述预推荐服务商到车主距离由近到远排序,此过程使得车主先看到相似度高的车辆维修服务商,相似度高的所述车辆维修服务商满足车主意向服务商的概率更大,有利于所述车主快速找到意向服务商。
步骤S37:将所述预推荐车辆维修服务商列表中相似度满足预设条件的服务商推荐给车主。
也即,将所述预推荐车辆维修服务商列表中满足预设相似度条件的服务商按照相似度大小推荐给车主。例如,预设条件为相似度大于等于0.4,则找到预推荐车辆维修服务商列表中相似度等于0.4的服务商,将所述服务商以及排在所述服务商之前的车辆维修服务商按预推荐车辆维修服务商列表顺序推荐给车主。
其中,其中,步骤S33、步骤S34和步骤S35的具体过程可以参考前述实施例中公开的相应内容。
参见图5所示,本申请实施例公开了一种车辆维修服务商推荐装置,包括:
服务商筛选模块11,用于根据预设条件,筛选出预推荐车辆维修服务商,得到预推荐车辆维修服务商信息;
相似度确定模块12,用于确定车主信息与所述预推荐车辆维修服务商信息的相似度;
服务商推荐模块13,用于将所述预推荐车辆维修服务商中相似度满足预设条件的服务商推荐给车主。
可见,本申请根据预设信息,筛选出预推荐车辆维修服务商,得到预推荐车辆维修服务商信息,然后确定车主信息与所述预推荐车辆维修服务商信息之间的相似度,并将所述预推荐车辆维修服务商中相似度满足预设条件的服务商推荐给车主。由此可知,本申请先根据预设信息,筛选出预推荐车辆维修服务商,并得到所述预推荐车辆维修服务商信息,在确定出车主信息和所述预推荐车辆维修服务商信息之间的相似度之后,将所述预推荐车辆维修服务商中相似度满足预设条件的服务商推荐给车主,可见上述过程可以将与车主相似度高的车辆维修服务商推荐给车主,使车主能够快速找到满意的车辆维修服务商,实现车主和车辆维修服务商之间的资源智能高效对接。
本实施例中,所述相似度确定模块12,具体可以包括:
分词模块,用于对所述车主信息和所述预推荐车辆服务商信息进行分词预处理;
特征提取模块,用于分别从所述车主信息和所述预推荐汽车服务商信息中提取出相应的特征词,得到第一特征词组和第二特征词组;
特征量化模块,用于分别确定所述第一特征词组和所述第二特征词组中每个特征词对应的特征值,以得到相应的第一特征向量和第二特征向量;
相似度计算模块,用于利用相似度算法,计算所述第一特征向量和所述第二特征向量的相似度,得到所述车主信息与所述预推荐车辆维修服务商信息之间的相似度。
另外,所述车辆维修服务商推荐装置,还可以包括:
信息获取模块,用于获取车主信息。
进一步的,本申请还公开了一种电子设备。上述电子设备可以是如图6所示的用户终端20。图6是根据已示例性的实施例出的电子设备结构图,图中的内容不能被认为是对对本申请的使用范围的任何限制。
图6位本申请实施例提供的一种用户终端20的结构示意图,该用户终端具体可以包括但不限于智能手机、平板电脑等。
通常,本实施例中的用户终端20包括:处理器21和存储器22。
其中,处理器21可以包括一个或多个处理核心,比如四核心处理器、八核心处理器等。处理器21可以采用DSP(digital signal processing,数字信号处理)、FPGA(field-programmable gate array,现场可编程们阵列)、PLA(programmable logic array,可编程逻辑阵列)中的至少一种硬件来实现。处理器21也可以包括主处理器和协处理器,主处理器是用于对在唤醒状态下的数据进行处理的处理器,也称CPU(central processing unit,中应处理器);协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。在一些实施例中,处理器21可以集成有GPU(graphics processing unit,图像处理器),GPU用于负责显示屏所需要显示的图像的渲染和绘制。一些实施例中,处理器21可以包括AI(artificialintelligence,人工智能)处理器,该AI处理器用于处理有关机器学习的计算操作。
存储器22可以包括一个或多个计算机可读存储介质,计算机可读存储介质可以是非暂态的。存储器22还可以包括高速随机存取存储器,以及非易失性存储器,比如一个或多个磁盘存储设备、闪存存储设备。本实施例中,存储器22至少用于存储以下计算机程序221,其中,该计算机程序被处理器21加载并执行之后,能够实现前述任一实施例中公开的由用户终端侧执行的方法步骤。另外,存储器22所存储的资源还可以包括操作系统222和数据223等,存储方式可以是短暂存储也可以是永久存储。其中,操作系统222可以是Windows、Unix、Linux等。数据223可以包括各种各样的数据。
在一些实施例中,终端20还可包括有显示屏23、输入输出接口24、通信接口25、传感器26、电源27以及通信总线28.
本技术领域人员可以理解,图6中示出的结构并不构成对用户终端20的限定,可以包括比图示更多或更少的组件。
进一步的,本申请实施例还公开了一种计算机可读存储介质,用于保存计算机程序,其中,所述计算机程序被处理器执行时实现以下步骤:
根据预设信息,筛选出预推荐车辆维修服务商,得到预推荐车辆维修服务商信息;确定车主信息与所述预推荐车辆维修服务商信息之间的相似度;
将所述预推荐车辆维修服务商中相似度满足预设条件的服务商推荐给车主。
可见,本申请根据预设信息,筛选出预推荐车辆维修服务商,得到预推荐车辆维修服务商信息,然后确定车主信息与所述预推荐车辆维修服务商信息之间的相似度,并将所述预推荐车辆维修服务商中相似度满足预设条件的服务商推荐给车主。由此可知,本申请先根据预设信息,筛选出预推荐车辆维修服务商,并得到所述预推荐车辆维修服务商信息,在确定出车主信息和所述预推荐车辆维修服务商信息之间的相似度之后,将所述预推荐车辆维修服务商中相似度满足预设条件的服务商推荐给车主,可见上述过程可以让车主快速找到满意的车辆维修服务商,实现车主和车辆维修服务商之间的资源智能高效对接。
本实施例中,所述计算机可读存储介质中保存的计算机子程序被处理器执行时,可以具体实现以下步骤:根据车主位置信息,筛选出预推荐车辆维修服务商,得到预推荐车辆维修服务商信息。
本实施例中,所述计算机可读存储介质中保存的计算机子程序被处理器执行时,可以具体实现以下步骤:根据车主意向服务信息,筛选出预推荐车辆维修服务商,得到预推荐车辆维修服务商信息。
本实施例中,所述计算机可读存储介质中保存的计算机子程序被处理器执行时,可以具体实现以下步骤:根据移动终端获取的车主位置信息,筛选出预推荐车辆维修服务商,得到预推荐车辆维修服务商信息。
本实施例中,所述计算机可读存储介质中保存的计算机子程序被处理器执行时,可以具体实现以下步骤:根据载人设备获取的车主位置信息,筛选出预推荐车辆维修服务商,得到预推荐车辆维修服务商信息。
本实施例中,所述计算机可读存储介质中保存的计算机子程序被处理器执行时,可以具体实现以下步骤:根据人工设置的车主位置信息,筛选出预推荐车辆维修服务商,得到预推荐车辆维修服务商信息。
本实施例中,所述计算机可读存储介质中保存的计算机子程序被处理器执行时,可以具体实现以下步骤:根据预设信息,筛选出预推荐车辆维修服务商,得到包括历史维修车辆信息、车辆维修项目信息、服务价格信息以及地理位置信息中的一项或几项的组合的预推荐车辆维修服务商信息。
本实施例中,所述计算机可读存储介质中保存的计算机子程序被处理器执行时,可以具体实现以下步骤:获取车主信息,其中,所述车主信息包括车辆信息、故障信息、意向服务价格信息以及车主位置信息中的任意一项或几项的组合。
本实施例中,所述计算机可读存储介质中保存的计算机子程序被处理器执行时,可以具体实现以下步骤:分别从所述车主信息和所述预推荐汽车服务商信息中提取出相应的特征词,得到第一特征词组和第二特征词组;分别确定所述第一特征词组和所述第二特征词组中每个特征词对应的特征值,以得到相应的第一特征向量和第二特征向量;利用相似度算法,计算所述第一特征向量和所述第二特征向量的相似度,得到所述车主信息与所述预推荐车辆维修服务商信息之间的相似度。
本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它实施例的不同之处,各个实施例之间相同或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。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块,或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
最后,还需要说明的是,在本文中,诸如第一和第二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者操作区分开来,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,从而使得一系列包含其他要素的过程、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。
以上对本申请所提供的一种车辆维修服务商推荐方法、装置、设备、介质进行了详细介绍,本文中应用了具体个例对本申请的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请的方法及其核心思想;同时,对于本领域的一般技术人员,依据本申请的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本申请的限制。
Claims (10)
1.一种车辆维修服务商推荐方法,其特征在于,包括:
根据预设信息,筛选出预推荐车辆维修服务商,得到预推荐车辆维修服务商信息;
确定车主信息与所述预推荐车辆维修服务商信息之间的相似度;
将所述预推荐车辆维修服务商中相似度满足预设条件的服务商推荐给车主。
2.根据权利要求1所述的车辆维修服务商推荐方法,其特征在于,所述根据预设信息,筛选出预推荐车辆维修服务商,得到预推荐车辆维修服务商信息,包括:
根据车主位置信息,筛选出预推荐车辆维修服务商,得到预推荐车辆维修服务商信息;
和/或,根据车主意向服务信息,筛选出预推荐车辆维修服务商,得到预推荐车辆维修服务商信息。
3.根据权利要求2所述的车辆维修服务商推荐方法,其特征在于,所述根据车主位置信息,筛选出预推荐车辆维修服务商,得到预推荐车辆维修服务商信息,包括:
根据移动终端获取的车主位置信息,筛选出预推荐车辆维修服务商,得到预推荐车辆维修服务商信息;
或,根据载人设备获取的车主位置信息,筛选出预推荐车辆维修服务商,得到预推荐车辆维修服务商信息;
或,根据人工设置的车主位置信息,筛选出预推荐车辆维修服务商,得到预推荐车辆维修服务商信息。
4.根据权利要求1所述的车辆维修服务商推荐方法,其特征在于,所述根据预设信息,筛选出预推荐车辆维修服务商,得到预推荐车辆维修服务商信息,包括:
根据预设信息,筛选出预推荐车辆维修服务商,得到包括历史维修车辆信息、车辆维修项目信息、服务价格信息以及地理位置信息中的任一项或几项的组合的预推荐车辆维修服务商信息。
5.根据权利要求1所述的车辆维修服务商推荐方法,其特征在于,所述确定车主信息与所述预推荐车辆维修服务商信息之间的相似度之前,还包括:
获取车主信息;
其中,所述车主信息包括车辆信息、故障信息、意向服务价格信息以及车主位置信息中的任一项或几项的组合。
6.根据权利要求1至5任一项所述的车辆维修服务商推荐方法,其特征在于,所述确定车主信息与所述预推荐车辆维修服务商信息之间的相似度,包括:
分别从所述车主信息和所述预推荐汽车服务商信息中提取出相应的特征词,得到第一特征词组和第二特征词组;
分别确定所述第一特征词组和所述第二特征词组中每个特征词对应的特征值,以得到相应的第一特征向量和第二特征向量;
利用相似度算法,计算所述第一特征向量和所述第二特征向量的相似度,得到所述车主信息与所述预推荐车辆维修服务商信息之间的相似度。
7.一种车辆维修服务商推荐装置,其特征在于,包括:
服务商筛选模块,用于根据预设条件,筛选出预推荐车辆维修服务商,得到预推荐车辆维修服务商信息;
相似度确定模块,用于确定车主信息与所述预推荐车辆维修服务商信息的相似度;
服务商推荐模块,用于将所述预推荐车辆维修服务商中相似度满足预设条件的服务商推荐给车主。
8.根据权利要求7所述的车辆维修服务商推荐装置,其特征在于,所述相似度确定模块,具体包括:
分词模块,用于对所述车主信息和所述预推荐车辆服务商信息进行分词预处理;
特征提取模块,用于分别从所述车主信息和所述预推荐汽车服务商信息中提取出相应的特征词,得到第一特征词组和第二特征词组;
特征量化模块,用于分别确定所述第一特征词组和所述第二特征词组中每个特征词对应的特征值,以得到相应的第一特征向量和第二特征向量;
相似度计算模块,用于利用相似度算法,计算所述第一特征向量和所述第二特征向量的相似度,得到所述车主信息与所述预推荐车辆维修服务商信息之间的相似度。
9.一种电子设备,其特征在于,包括:
存储器和处理器;
其中,所述存储器,用于存储计算机程序;
所述处理器,用于执行所述计算机程序,以实现权利要求1至6任一项所述的车辆维修服务商推荐方法。
10.一种计算机可读存储介质,其特征在于,用于保存计算机程序,其中,所述计算机程序被处理器执行时实现如权利要求1至6任一项所述的车辆维修服务商推荐方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910778342.9A CN110473074A (zh) | 2019-08-22 | 2019-08-22 | 一种车辆维修服务商推荐方法、装置、设备、介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910778342.9A CN110473074A (zh) | 2019-08-22 | 2019-08-22 | 一种车辆维修服务商推荐方法、装置、设备、介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110473074A true CN110473074A (zh) | 2019-11-19 |
Family
ID=68512805
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910778342.9A Pending CN110473074A (zh) | 2019-08-22 | 2019-08-22 | 一种车辆维修服务商推荐方法、装置、设备、介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110473074A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111898774A (zh) * | 2020-07-29 | 2020-11-06 | 重庆啄木鸟网络科技有限公司 | 一种家庭维修监控方法、装置及终端设备 |
CN114357295A (zh) * | 2021-12-30 | 2022-04-15 | 浙江太美医疗科技股份有限公司 | 医学临床项目承接方推荐方法、装置、计算机设备和介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105976034A (zh) * | 2016-03-02 | 2016-09-28 | 趣车网络科技(苏州)有限公司 | 汽车精准服务平台 |
CN106375398A (zh) * | 2016-08-30 | 2017-02-01 | 深圳市元征科技股份有限公司 | 一种服务推荐的方法、终端以及服务器 |
US20170337573A1 (en) * | 2016-05-20 | 2017-11-23 | CarMoxy Inc. | Vehicle management services |
CN108776838A (zh) * | 2018-06-01 | 2018-11-09 | 深圳市轱辘汽车维修技术有限公司 | 一种车辆维修商家匹配方法及相关装置 |
CN108846768A (zh) * | 2018-05-30 | 2018-11-20 | 深圳市元征科技股份有限公司 | 一种车友推荐方法及系统 |
-
2019
- 2019-08-22 CN CN201910778342.9A patent/CN110473074A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105976034A (zh) * | 2016-03-02 | 2016-09-28 | 趣车网络科技(苏州)有限公司 | 汽车精准服务平台 |
US20170337573A1 (en) * | 2016-05-20 | 2017-11-23 | CarMoxy Inc. | Vehicle management services |
CN106375398A (zh) * | 2016-08-30 | 2017-02-01 | 深圳市元征科技股份有限公司 | 一种服务推荐的方法、终端以及服务器 |
CN108846768A (zh) * | 2018-05-30 | 2018-11-20 | 深圳市元征科技股份有限公司 | 一种车友推荐方法及系统 |
CN108776838A (zh) * | 2018-06-01 | 2018-11-09 | 深圳市轱辘汽车维修技术有限公司 | 一种车辆维修商家匹配方法及相关装置 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111898774A (zh) * | 2020-07-29 | 2020-11-06 | 重庆啄木鸟网络科技有限公司 | 一种家庭维修监控方法、装置及终端设备 |
CN111898774B (zh) * | 2020-07-29 | 2023-09-22 | 重庆啄木鸟网络科技有限公司 | 一种家庭维修监控方法、装置及终端设备 |
CN114357295A (zh) * | 2021-12-30 | 2022-04-15 | 浙江太美医疗科技股份有限公司 | 医学临床项目承接方推荐方法、装置、计算机设备和介质 |
CN114357295B (zh) * | 2021-12-30 | 2023-05-23 | 上海太美数字科技有限公司 | 医学临床项目承接方推荐方法、装置、计算机设备和介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112231584B (zh) | 基于小样本迁移学习的数据推送方法、装置及计算机设备 | |
CN110738219A (zh) | 图像中线条提取方法和装置、存储介质及电子装置 | |
CN110473074A (zh) | 一种车辆维修服务商推荐方法、装置、设备、介质 | |
CN109447320A (zh) | 用户业务的识别方法、装置及系统 | |
CN110489449A (zh) | 一种图表推荐方法、装置和电子设备 | |
CN110347724A (zh) | 异常行为识别方法、装置、电子设备及介质 | |
CN107578659A (zh) | 电子题目的生成方法、生成装置及终端 | |
CN105989107A (zh) | 一种应用推荐方法及装置 | |
CN108648189A (zh) | 图像模糊检测方法、装置、计算设备及可读存储介质 | |
CN115293332A (zh) | 一种图神经网络的训练方法、装置、设备及存储介质 | |
CN112328657A (zh) | 特征衍生方法、装置、计算机设备及介质 | |
CN109559218A (zh) | 一种异常交易的确定方法、装置及存储介质 | |
CN115731422A (zh) | 多标签分类模型的训练方法、分类方法及装置 | |
CN112990583A (zh) | 一种数据预测模型的入模特征确定方法及设备 | |
CN115759433A (zh) | 业务办理等待时长的确定方法、装置和服务器 | |
CN114070791A (zh) | 数据流量的限速处理方法及装置 | |
CN111881943A (zh) | 图像分类的方法、装置、设备和计算机可读介质 | |
CN103955713A (zh) | 一种图标识别方法和装置 | |
CN104809109A (zh) | 一种社交信息展示方法、装置及服务器 | |
CN109359255A (zh) | 一种表格数据展示方法及终端设备 | |
CN104766221A (zh) | 流量精细化营销参数的选取方法 | |
CN111967478A (zh) | 一种基于权重翻转的特征图重构方法、系统、存储介质及终端 | |
CN111460293A (zh) | 信息推送方法、装置及计算机可读存储介质 | |
CN110400106A (zh) | 信息获取方法、装置及电子设备 | |
CN114139052B (zh) | 用于智能推荐的排序模型训练方法、智能推荐方法及装置 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20191119 |
|
RJ01 | Rejection of invention patent application after publication |