CN110750733A - 基于在校生身份画像的业务推荐方法、装置、设备及介质 - Google Patents
基于在校生身份画像的业务推荐方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN110750733A CN110750733A CN201910982459.9A CN201910982459A CN110750733A CN 110750733 A CN110750733 A CN 110750733A CN 201910982459 A CN201910982459 A CN 201910982459A CN 110750733 A CN110750733 A CN 110750733A
- Authority
- CN
- China
- Prior art keywords
- service
- characteristic model
- school
- school student
- model
- 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
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000001914 filtration Methods 0.000 claims description 14
- 238000011156 evaluation Methods 0.000 claims description 7
- 238000010586 diagram Methods 0.000 description 15
- 238000004590 computer program Methods 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 6
- 238000013499 data model Methods 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 5
- 230000006399 behavior Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000004891 communication Methods 0.000 description 1
- 230000007123 defense Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000001815 facial effect Effects 0.000 description 1
- 238000013467 fragmentation Methods 0.000 description 1
- 238000006062 fragmentation reaction Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
Images
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
- G06F16/9536—Search customisation based on social or collaborative filtering
-
- 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
- G06Q50/20—Education
- G06Q50/205—Education administration or guidance
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Educational Technology (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Finance (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Primary Health Care (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Human Resources & Organizations (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本公开提供了一种基于在校生身份画像的业务推荐方法,包括:S1,建立在校生用户特征模型,所述在校生用户特征模型基于所述在校生的身份画像创建;S2,建立业务特征模型,所述业务特征模型基于教育网内部资源创建;S3,建立所述用户特征模型与业务特征模型之间的关联信息;S4,基于所述关联信息将所述业务模型中的业务推荐给对应的在校生。本公开还提供了一种基于在校生身份画像的业务推荐装置、一种电子设备以及一种计算机可读存储介质。
Description
技术领域
本公开涉及用户画像及大数据领域,尤其涉及一种基于在校生身份画像的业务推荐方法、装置、设备及介质。
背景技术
用户画像即用户的信息标签化,传统的画像受技术的限制,仅能勾画人的脸部特征,而无法进行立体化再现。而随着互联网技术的飞速发展,尤其在大数据时代后,越来越多的电商平台,通过采集用户的访问痕迹以及用户的基本信息,如姓名、年龄、性别、邮箱等数据,通过数据同步、分析与展示技术,使得用户画像几乎能够全方位再现用户外在的、内在的特征。互联网时代最大的问题是信息碎片化严重,对各高校师生来说,往往因为找不到自己想要的内容而浪费大量的时间。因此,在教育领域急需一种将教育网所包含的服务及产品内容进行精准推荐的方法,以节省师生的搜索时间。
发明内容
本公开第一方面提供了一种基于在校生身份画像的业务推荐方法,包括:S1,建立在校生用户特征模型,所述在校生用户特征模型基于所述在校生的身份画像创建;S2,建立业务特征模型,所述业务特征模型基于教育网内部资源创建;S3,建立所述用户特征模型与业务特征模型之间的关联信息;S4,基于所述关联信息将所述业务模型中的业务推荐给对应的在校生。
可选地,步骤S4之前还包括:采集所述在校生在教育网内部的上网信息;过滤所述上网信息。
可选地,所述在校生用户特征模型包括终端设备类型、性别、年龄、访问时间特征、访问频次特征、关注业务特征、搜索、收藏、点赞、分享中的至少一种。
可选地,所述业务特征模型包括多种业务的内容特征、内容标签、内容所属行业领域、内容流行度、内容社会特征、内容评价中的至少一种。
可选地,所述步骤S4具体为:识别所述上网信息所属业务特征模型;基于所述业务特征模型识别所述在校生的用户特征模型;基于所述用户特征模型向所述在校生推荐所述业务特征模型中的其他业务。
可选地,采用协同过滤算法过滤所述上网信息,其中,所述协同过滤算法包括基于用户的协同过滤算法以及基于物品的协同过滤算法。
可选地,所方法还包括:S250,展示所述在校生的身份画像及向其推荐的业务。
本公开第二方面提供了一种基于在校生身份画像的业务推荐装置,包括:第一建立模块,用于建立在校生用户特征模型,所述在校生用户特征模型基于所述在校生的身份画像创建;第二建立模块,用于建立业务特征模型,所述业务特征模型基于教育网内部资源创建;第三建立模块,用于建立所述用户特征模型与业务特征模型之间的关联信息;推荐模块,用于基于所述关联信息将所述业务模型中的业务推荐给对应的在校生。
本公开第三方面提供了一种电子设备,包括:处理器;以及存储器,其上存储有计算机可读指令,所述指令被处理器执行时使得处理器执行上述述的方法。
本公开第四方面提供了一种计算机可读存储介质,其上存储有计算机可读指令,所述指令被处理器执行时使得处理器执行上述的方法。
该方法通过在校生的身份画像,对符合用户身份的师生人群进行特价销售增值业务产品和服务,利用基于CERNET2的IP、域名、URL的TOPN排名结果对用户行为进行分析并画像,将教育网所包含的服务及产品内容进行精准推荐,从而建设出一套基于在校生身份画像的业务推荐装置。
附图说明
图1示意性示出了根据本公开实施例的基于在校生身份画像的业务推荐方法的应用场景的示意图;
图2示意性示出了根据本公开实施例的基于在校生身份画像的业务推荐方法的流程图;
图3示意性示出了根据本公开实施例的基于在校生身份画像的业务推荐系统图;
图4示意性示出了根据本公开实施例的关联信息结构图;
图5示意性示出了根据本公开实施例的基于用户的CF示意图;
图6示意性示出了根据本公开另一实施例的基于在校生身份画像的业务推荐方法的流程图;
图7示意性示出了根据本公开实施例的基于在校生身份画像的业务推荐装置的框图;以及
图8示意性示出了根据本公开实施例的电子设备的框图。
具体实施方式
以下,将参照附图来描述本公开的实施例。但是应该理解,这些描述只是示例性的,而并非要限制本公开的范围。在下面的详细描述中,为便于解释,阐述了许多具体的细节以提供对本公开实施例的全面理解。然而,明显地,一个或多个实施例在没有这些具体细节的情况下也可以被实施。此外,在以下说明中,省略了对公知结构和技术的描述,以避免不必要地混淆本公开的概念。
在此使用的术语仅仅是为了描述具体实施例,而并非意在限制本公开。在此使用的术语“包括”、“包含”等表明了所述特征、步骤、操作和/或部件的存在,但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。
在此使用的所有术语(包括技术和科学术语)具有本领域技术人员通常所理解的含义,除非另外定义。应注意,这里使用的术语应解释为具有与本说明书的上下文相一致的含义,而不应以理想化或过于刻板的方式来解释。
在使用类似于“A、B和C等中至少一个”这样的表述的情况下,一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如,“具有A、B和C中至少一个的系统”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的系统等)。在使用类似于“A、B或C等中至少一个”这样的表述的情况下,一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如,“具有A、B或C中至少一个的系统”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的系统等)。
附图中示出了一些方框图和/或流程图。应理解,方框图和/或流程图中的一些方框或其组合可以由计算机程序指令来实现。这些计算机程序指令可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器,从而这些指令在由该处理器执行时可以创建用于实现这些方框图和/或流程图中所说明的功能/操作的装置。本公开的技术可以硬件和/或软件(包括固件、微代码等)的形式来实现。另外,本公开的技术可以采取存储有指令的计算机可读存储介质上的计算机程序产品的形式,该计算机程序产品可供指令执行系统使用或者结合指令执行系统使用。
本公开实施例提供了一种基于在校生身份画像的业务推荐方法,包括:S1,建立在校生用户特征模型,该在校生用户特征模型基于所述在校生的身份画像创建;S2,建立业务特征模型,该业务特征模型基于教育网内部资源创建;S3,建立上述用户特征模型与业务特征模型之间的关联信息;S4,基于上述关联信息将上述业务模型中的业务推荐给对应的在校生。
图1示意性示出了根据本公开实施例的基于在校生身份画像的业务推荐方法的应用场景的示意图。本领域技术人员可以理解,图1所示仅为可以应用本公开实施例的场景的示例,以帮助本领域技术人员理解本公开的技术内容,但并不意味着本公开实施例不可以用于其他设备、系统、环境或场景。
如图1所示,在校生通过终端设备110对服务器120中的业务进行访问,服务器120可以与外部服务器130连接,外部服务器130可以为其他高校服务器或教育网服务器等,服务器120可以与外部服务器130之间进行信息交互。服务器120中可以预设有在校生用户特征模型、业务特征模型及其之间的关联信息等。当在校生通过终端设备110访问服务器120时,根据该在校生浏览的内容,可以抽取该在校生所对应的用户特征模型,根据该用户特征模型与关联信息识别出对应的业务特征模型,进而可以将服务器120或外部服务器130中对应的业务推荐给该在校生。
例如,终端设备110可以为用户可视化操作的设备,实现人机交互,接收用户操作指令,执行相应操作,其可以为手机终端、PC终端、PAD终端等。
服务器120内预设有在校生用户特征模型、业务特征模型及其之间的关联信息等。其中,在校生用户特征模型包括终端设备类型、性别、年龄、访问时间特征、访问频次特征、关注业务特征、搜索、收藏、点赞、分享中的至少一种。业务特征模型包括多种业务的内容特征、内容标签、内容所属行业领域、内容流行度、内容社会特征、内容评价中的至少一种。服务器120可以根据在校生的用户特征模型和关联信息向在校生精准的推荐业务模型中的业务。
外部服务器130可以为其他高校服务器或教育网服务器等,其内预存由增值业务,该增值业务可以向在校生推荐。
应该理解的是,图1中的各终端、服务器和外部服务器的种类和数量仅仅是示意性的。根据实际需要,可以选择任意数量和种类的终端、服务器和外部服务器。
图2示意性示出了根据本公开实施例的基于在校生身份画像的业务推荐方法的流程图。
如图2所示,该方法可以包括操作S210~S240。
在操作S210,建立在校生用户特征模型,该在校生用户特征模型基于所述在校生的身份画像创建。
在操作S220,建立业务特征模型,该业务特征模型基于教育网内部资源创建。
在操作S230,建立上述用户特征模型与业务特征模型之间的关联信息。
在操作S240,基于上述关联信息将上述业务模型中的业务推荐给对应的在校生。
还包括操作S250,展示在校生的身份画像及向其推荐的业务。
下面结合图3中的具体实施例对上述方法进行详细说明。
图3示意性示出了根据本公开实施例的基于在校生身份画像的业务推荐系统图。
如图3所示,在校生可以通过internet、GAMS/3G/4G/5G网络等执行Web搜索,以访问基于在校生身份画像的业务推荐系统。
在操作S210,建立在校生用户特征模型,该在校生用户特征模型基于所述在校生的身份画像创建。
例如,可以根据在校生的特征将其抽象到数据模型中。如图3所示,该数据模型可以存储于数据层的数据库中。其中,在校生的特征可以包括在校生所使用的终端设备类型(电脑、手机、平板等)、性别、年龄、学历、访问时间特征(上次登录时间,一天访问时间分布等)、访问频次特征(一天访问次数、一周访问次数)、关注业务特征(对应业务及服务、对业务及服务中的某一资源,如源码、文章等)、其他行为特征(搜索、收藏、点赞、分享等)。
在操作S220,建立业务特征模型,该业务特征模型基于教育网内部资源创建。
例如,可以将目前教育网内置资源抽象到数据模型中。该数据模型可以存储于数据层的数据库中。业务特征模型包括多种业务的内容特征(服务、资源、文章等)、内容标签、内容所属行业领域、内容流行度、内容社会特征(适合某某专业/行业学生等)、内容评价。另外,如图3所示,该业务特征模型还可以包括教育网特色资源服务及内容,例如,CERNETCARSI资源共享服务、eduroam漫游用户免责服务、教育网开源资源服务、教育网域名安全证书服务等。
在操作S230,建立上述用户特征模型与业务特征模型之间的关联信息。
图4示意性示出了根据本公开实施例的关联信息结构图。
如图4所示,建立用户特征模型与业务特征模型之间的关联信息,例如,业务内容与业务内容之间的关联信息、关键词与业务内容之间的关联信息、分类与业务内容之间的关联信息、聚类与业务内容之间的关联信息、业务内容与在校生之间的关联信息以及在校生与在校生之间的关联信息等。
在操作S240,基于上述关联信息将上述业务模型中的业务推荐给对应的在校生。
当在校生浏览教育网上内容时可以执行采集在校生在教育网内部的上网信息;过滤上网信息。
例如,采集在校生在教育网内的上网痕迹,如IP地址、访问时间、访问域名等字段信息,根据业务特征模型的数据模型对其进行整理。然后可以采用协同过滤(Collaborative Filtering,CF)算法,CF算法可以包括基于用户的CF(User-based CF)和基于物品(本发明中用于业务内容)的CF(Item-based CF)。
其中,下面结合图5对基于用户的CF进行介绍,基于用户的CF可以包括如下操作:
图5示意性示出了根据本公开实施例的基于用户的CF示意图。
1.分析各个用户对内容的评价(通过浏览记录、点评记录、收藏记录、分享记录等)。例如,如图5所示,可以根据采集到的在校生A、在校生B的访问的内容A和内容B,分析各个在校生对内容的访问记录(浏览记录、点评记录、收藏记录、分享记录),比如在校生甲访问了eduroam相关文章,并收藏了CERNET CARSI资源共享服务,转发多条有关教育网域名安全证书服务的文章。将这些记录中,分享次数最多、转发次数最多的做为记录保存下来。
2.依据用户对内容的评价计算得出所有用户之间的相似度。例如,现有在校生C同样访问了内容A和内容B,找出各用户中的相似特征,比如都是网络安全专业,都对域名安全证书服务感兴趣。
3.选出与当前用户最相似的N个用户。发现在校生C与在校生A很相似。
4.将这N个用户评价最高并且当前用户又没有浏览过的内容推荐给当前用户。可以将这些用户分享次数最多、转发次数最多的内容且当前用户又没有浏览过的内容进行保存记录。将在校生A访问的业务内容而且在校生C尚未访问的业务内容C推荐给在校生C。
基于物品(内容)的CF可以包括如下操作:
1.分析各个用户对内容的浏览记录。
2.依据浏览记录分析得出所有内容之间的相似度;
3.对于当前用户评价高的内容,找出与之相似度最高的N个内容;
4.将这N个内容推荐给用户。
为提高推荐内容的精准度,除了平台的应用内容进行推荐算法分析后,还需要引入大量外部数据,比如用户在中国教育在线、各大门户网站对应栏目板块数据、相关技术论坛等。将这些收集到的数据再进行整理和分析使用过滤算法进一步计算出更为精准的内容。
在操作S250,展示在校生的身份画像及向其推荐的业务。
例如,可以根据计算得到的推荐业务内容,展现出该在校生的身份画像,如清华大学计算机科学与技术专业,学生甲,对网络安全攻防、架构设计方面感兴趣,关心有关下一代互联网技术发展相关新闻。
使用上述方法,用户在使用教育用户增值业务的学籍认证平台使时,平台会自动展示其感兴趣的内容和服务,对其实施精准推荐。
图6示意性示出了根据本公开另一实施例的基于在校生身份画像的业务推荐方法的流程图。
如图6所示,业务推荐系统根据用户行为抽取该用户所属的用户特征模型,进而查找关联信息得到该用户特征模型对应的业务特征模型,将业务特征模型对应的业务并且该用户尚未访问的业务推荐给用户,并展示于用户所使用的终端设备上。还可以将展示的内容反馈至日志系统进行日志存储。
基于同一发明构思,本公开实施例还提供了一种基于在校生身份画像的业务推荐装置,下面结合图7对本公开实施例的基于在校生身份画像的业务推荐装置进行介绍。
图7示意性示出了根据本公开实施例的基于在校生身份画像的业务推荐装置700的框图。
如图7所示,基于在校生身份画像的业务推荐装置700包括第一建立模块710、第二建立模块720、第三建立模块730以及推荐模块740。该资源访问权限的装置700可以执行上文参考图1~图3描述的各种方法。
第一建立模块710例如执行参考上文图2描述的操作S210,用于建立在校生用户特征模型,该在校生用户特征模型基于所述在校生的身份画像创建;
第二建立模块720例如执行参考上文图2描述的操作S220,用于建立业务特征模型,该业务特征模型基于教育网内部资源创建;
第三建立模块730例如执行参考上文图2描述的操作S230,用于建立上述用户特征模型与业务特征模型之间的关联信息;
推荐模块740例如执行参考上文图2描述的操作S240,用于基于上述关联信息将上述业务模型中的业务推荐给对应的在校生。
根据本公开的实施例,第一建立模块710、第二建立模块720、第三建立模块730以及推荐模块740中的多个模块可以合并在一个模块中实现,或者其中的任意一个模块可以被拆分成多个模块。或者,这些模块中的一个或多个模块的至少部分功能可以与其他模块的至少部分功能相结合,并在一个模块中实现。根据本公开的实施例,第一建立模块710、第二建立模块720、第三建立模块730以及推荐模块740中的至少一个可以至少被部分地实现为硬件电路,例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上系统、基板上的系统、封装上的系统、专用集成电路(ASIC),或可以通过对电路进行集成或封装的任何其他的合理方式等硬件或固件来实现,或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者,第一建立模块710、第二建立模块720、第三建立模块730以及推荐模块740中的至少一个可以至少被部分地实现为计算机程序模块,当该计算机程序模块被运行时,可以执行相应的功能。
图8示意性示出了根据本公开实施例的适于实现上文描述的方法的电子设备的方框图。图8示出的电子设备仅仅是一个示例,不应对本公开实施例的功能和使用范围带来任何限制。
如图8所示,本发明提供了一种电子设备800,包括处理器801以及存储器802,该电子设备800可以执行根据本发明实施例的方法。
具体的,处理器801例如可以包括通用微处理器、指令集处理器和/或相关芯片组和/或专用微处理器(例如,专用集成电路(ASIC)),等等。处理器801还可以包括用于缓存用途的板载存储器。处理器801可以是用于执行根据本发明实施例的方法流程的不同动作的单一处理单元或者是多个处理单元。
存储器802,例如可以是能够包含、存储、传送、传播或传输指令的任意介质。例如,可读存储介质可以包括但不限于电、磁、光、电磁、红外或半导体系统、装置、器件或传播介质。可读存储介质的具体示例包括:磁存储装置,如磁带或硬盘(HDD);光存储装置,如光盘(CD-ROM);存储器,如随机存取存储器(RAM)或闪存;和/或有线/无线通信链路。
存储器802可以包括计算机程序8021,该计算机程序8021可以包括代码/计算机可执行指令,其在由处理器801执行时使得处理器801执行例如上面本发明实施例的方法流程及其任何变形。
计算机程序8021可被配置为具有例如包括计算机程序模块的计算机程序代码。例如,在示例实施例中,计算机程序8021中的代码可以包括一个或多个程序模块,例如包括8021A、模块8021B、……。应当注意,模块的划分方式和个数并不是固定的,本领域技术人员可以根据实际情况使用合适的程序模块或程序模块组合,当这些程序模块组合被处理器801执行时,使得处理器801可以执行例如上面结合本发明实施例的方法流程及其任何变形。
本公开还提供了一种计算机可读介质,该计算机可读介质可以是上述实施例中描述的设备/装置/系统中所包含的;也可以是单独存在,而未装配入该设备/装置/系统中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被执行时,实现根据本申请实施例的方法。
根据本申请的实施例,计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线、有线、光缆、射频信号等等,或者上述的任意合适的组合。
以上所述的具体实施例,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施例而已,并不用于限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于在校生身份画像的业务推荐方法,包括:
S1,建立在校生用户特征模型,所述在校生用户特征模型基于所述在校生的身份画像创建;
S2,建立业务特征模型,所述业务特征模型基于教育网内部资源创建;
S3,建立所述用户特征模型与业务特征模型之间的关联信息;
S4,基于所述关联信息将所述业务模型中的业务推荐给对应的在校生。
2.根据权利要求1所述的推荐方法,步骤S4之前还包括:
采集所述在校生在教育网内部的上网信息;
过滤所述上网信息。
3.根据权利要求1所述的推荐方法,所述在校生用户特征模型包括终端设备类型、性别、年龄、访问时间特征、访问频次特征、关注业务特征、搜索、收藏、点赞、分享中的至少一种。
4.根据权利要求1所述的推荐方法,所述业务特征模型包括多种业务的内容特征、内容标签、内容所属行业领域、内容流行度、内容社会特征、内容评价中的至少一种。
5.根据权利要求4所述的推荐方法,所述步骤S4具体为:
识别所述上网信息所属业务特征模型;
基于所述业务特征模型识别所述在校生的用户特征模型;
基于所述用户特征模型向所述在校生推荐所述业务特征模型中的其他业务。
6.根据权利要求4所述的推荐方法,采用协同过滤算法过滤所述上网信息,其中,所述协同过滤算法包括基于用户的协同过滤算法以及基于物品的协同过滤算法。
7.根据权利要求1所述的推荐方法,还包括:
S250,展示所述在校生的身份画像及向其推荐的业务。
8.一种基于在校生身份画像的业务推荐装置,包括:
第一建立模块,用于建立在校生用户特征模型,所述在校生用户特征模型基于所述在校生的身份画像创建;
第二建立模块,用于建立业务特征模型,所述业务特征模型基于教育网内部资源创建;
第三建立模块,用于建立所述用户特征模型与业务特征模型之间的关联信息;
推荐模块,用于基于所述关联信息将所述业务模型中的业务推荐给对应的在校生。
9.一种电子设备,包括:
处理器;以及
存储器,其上存储有计算机可读指令,所述指令被处理器执行时使得处理器执行权利要求1~7中任意一项所述的方法。
10.一种计算机可读存储介质,其上存储有计算机可读指令,所述指令被处理器执行时使得处理器执行权利要求1~7中任意一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910982459.9A CN110750733A (zh) | 2019-10-15 | 2019-10-15 | 基于在校生身份画像的业务推荐方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910982459.9A CN110750733A (zh) | 2019-10-15 | 2019-10-15 | 基于在校生身份画像的业务推荐方法、装置、设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110750733A true CN110750733A (zh) | 2020-02-04 |
Family
ID=69278477
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910982459.9A Pending CN110750733A (zh) | 2019-10-15 | 2019-10-15 | 基于在校生身份画像的业务推荐方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110750733A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111340332A (zh) * | 2020-02-06 | 2020-06-26 | 辽宁大学 | 基于校园大数据平台的面向学科竞赛的学生团队组建模型方法 |
CN112530220A (zh) * | 2020-12-23 | 2021-03-19 | 北京星恒教育科技有限公司 | 一种用于职业教育的在线直播及考试系统 |
CN113407831A (zh) * | 2021-06-16 | 2021-09-17 | 中国联合网络通信集团有限公司 | 课程推荐方法及设备 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150066559A1 (en) * | 2013-03-08 | 2015-03-05 | James Robert Brouwer | College Planning System, Method and Article |
CN107895026A (zh) * | 2017-11-17 | 2018-04-10 | 联奕科技有限公司 | 一种校园用户画像的实现方法 |
CN108470023A (zh) * | 2018-01-18 | 2018-08-31 | 阿里巴巴集团控股有限公司 | 业务功能的推荐方法及装置 |
CN109064268A (zh) * | 2018-07-20 | 2018-12-21 | 中国建设银行股份有限公司 | 业务推荐方法、装置、服务端及存储介质 |
CN109427218A (zh) * | 2017-08-25 | 2019-03-05 | 北京三好互动教育科技有限公司 | 一种在线教育系统和方法 |
CN109829110A (zh) * | 2019-01-29 | 2019-05-31 | 四川长虹电器股份有限公司 | 一种学习资料的个性化推荐方法 |
CN109933729A (zh) * | 2019-03-28 | 2019-06-25 | 广州麦迪森在线医疗科技有限公司 | 一种基于用户偏好的医疗学术资讯推荐方法及系统 |
-
2019
- 2019-10-15 CN CN201910982459.9A patent/CN110750733A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150066559A1 (en) * | 2013-03-08 | 2015-03-05 | James Robert Brouwer | College Planning System, Method and Article |
CN109427218A (zh) * | 2017-08-25 | 2019-03-05 | 北京三好互动教育科技有限公司 | 一种在线教育系统和方法 |
CN107895026A (zh) * | 2017-11-17 | 2018-04-10 | 联奕科技有限公司 | 一种校园用户画像的实现方法 |
CN108470023A (zh) * | 2018-01-18 | 2018-08-31 | 阿里巴巴集团控股有限公司 | 业务功能的推荐方法及装置 |
CN109064268A (zh) * | 2018-07-20 | 2018-12-21 | 中国建设银行股份有限公司 | 业务推荐方法、装置、服务端及存储介质 |
CN109829110A (zh) * | 2019-01-29 | 2019-05-31 | 四川长虹电器股份有限公司 | 一种学习资料的个性化推荐方法 |
CN109933729A (zh) * | 2019-03-28 | 2019-06-25 | 广州麦迪森在线医疗科技有限公司 | 一种基于用户偏好的医疗学术资讯推荐方法及系统 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111340332A (zh) * | 2020-02-06 | 2020-06-26 | 辽宁大学 | 基于校园大数据平台的面向学科竞赛的学生团队组建模型方法 |
CN112530220A (zh) * | 2020-12-23 | 2021-03-19 | 北京星恒教育科技有限公司 | 一种用于职业教育的在线直播及考试系统 |
CN113407831A (zh) * | 2021-06-16 | 2021-09-17 | 中国联合网络通信集团有限公司 | 课程推荐方法及设备 |
CN113407831B (zh) * | 2021-06-16 | 2024-03-01 | 中国联合网络通信集团有限公司 | 课程推荐方法及设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2022091890A (ja) | 対話型デジタルマップ上の位置にリンクされるユーザ管理オンラインページ(MAPpage)を作成するためのシステム及び方法 | |
KR101322679B1 (ko) | 커뮤니티 교환들의 의미 분석을 이용하는 어시스턴트―어드바이저 | |
KR101953303B1 (ko) | 브라우징 액티비티에 기초하여 정합 애플리케이션을 식별하는 기법 | |
US10269024B2 (en) | Systems and methods for identifying and measuring trends in consumer content demand within vertically associated websites and related content | |
KR101168705B1 (ko) | 이동통신 단말기와 아이피 기반 정보 단말기를 이용한 맞춤, 지능형 심볼, 아이콘 인터넷 정보 검색시스템 | |
US10212170B1 (en) | User authentication using client-side browse history | |
US9483462B2 (en) | Generating training data for disambiguation | |
CN110597962B (zh) | 搜索结果展示方法、装置、介质及电子设备 | |
US9961162B2 (en) | Disambiguating online identities | |
US9727926B2 (en) | Entity page recommendation based on post content | |
US9767417B1 (en) | Category predictions for user behavior | |
WO2015081720A1 (en) | Instant messaging (im) based information recommendation method, apparatus, and terminal | |
CN110750733A (zh) | 基于在校生身份画像的业务推荐方法、装置、设备及介质 | |
US9767204B1 (en) | Category predictions identifying a search frequency | |
US9305102B2 (en) | Systems and methods for providing personalized search results based on prior user interactions | |
US10474670B1 (en) | Category predictions with browse node probabilities | |
US9646104B1 (en) | User tracking based on client-side browse history | |
US10628498B2 (en) | Interest-based message-aggregation alteration | |
Srivastava et al. | Analyzing social media research: a data quality and research reproducibility perspective | |
CN106383857A (zh) | 一种信息处理方法及电子设备 | |
US10387934B1 (en) | Method medium and system for category prediction for a changed shopping mission | |
CN110851582A (zh) | 文本处理方法及系统、计算机系统和计算机可读存储介质 | |
US20170103073A1 (en) | Identifying Expert Reviewers | |
Sangameswar et al. | Building a Natural Disaster Management System based on Blogging Platforms. | |
US20160253424A1 (en) | A system and method for determining a search response to a research query |
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: 20200204 |