CN110825929B - 一种业务权限推荐方法及装置 - Google Patents
一种业务权限推荐方法及装置 Download PDFInfo
- Publication number
- CN110825929B CN110825929B CN201910962394.1A CN201910962394A CN110825929B CN 110825929 B CN110825929 B CN 110825929B CN 201910962394 A CN201910962394 A CN 201910962394A CN 110825929 B CN110825929 B CN 110825929B
- Authority
- CN
- China
- Prior art keywords
- service
- user
- permission
- association degree
- authority
- 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.)
- Active
Links
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
- G06F16/903—Querying
- G06F16/9032—Query formulation
- G06F16/90324—Query formulation using system suggestions
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Entrepreneurship & Innovation (AREA)
- General Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Computational Linguistics (AREA)
- Mathematical Physics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本说明书提供一种业务权限推荐方法及装置,可以根据用户的身份信息,获取用户的相邻用户即一级关系用户,再基于用户的相邻用户与待选业务权限之间的关系、待选业务权限本身与拥有该待选业务权限的所有用户的关系、用户与待选业务权限所有者之间的关系,对待选业务权限进行筛选。对用户与业务权限进行多维度的关系评估,确定出用户与各个待选业务权限之间的紧密程度,进一步实现业务权限的推荐。
Description
技术领域
本说明书属于计算机技术领域,尤其涉及一种业务权限推荐方法及装置。
背景技术
随着计算机和互联网技术的发展,电子化办公越来越普及,对于业务内容比较多的企业,不同的员工有不同的业务权限。对于新入职的员工或者职位有变动的员工,通常需要员工提交业务权限申请,由上级部门以及业务权限所有者审核,才能确定该员工是否可以拥有该业务权限。用户在权限系统中申请并等待审批完成后获得该业务权限,接着访问系统,可能会时不时提示权限不足,还需要用户继续申请相关联的其他业务权限。
发明内容
本说明书实施例的目的在于提供一种业务权限推荐方法及装置,实现了业务权限智能化、自动化推荐,提高了工作效率。
根据目标用户的身份信息获取所述目标用户的一级关系用户,所述一级关系用户包括与所述目标用户有直接业务关系的用户;
获取所述一级关系用户与待选业务权限之间的第一关联程度信息、所述待选业务权限与拥有所述待选业务权限的用户之间的第二关联程度信息、所述目标用户与所述待选业务权限的所有者之间的第三关联程度信息;
根据所述第一关联程度信息、所述第二关联程度信息、所述第三关联程度信息,对所述待选业务权限进行筛选,获得推荐业务权限。
另一方面,本说明书提供了一种业务权限推荐装置,包括:
一级关系用户确定模块,用于根据目标用户的身份信息获取所述目标用户的一级关系用户,所述一级关系用户包括与所述目标用户有直接业务关系的用户;
关联程度确定模块,用于获取所述一级关系用户与待选业务权限之间的第一关联程度信息、所述待选业务权限与拥有所述待选业务权限的用户之间的第二关联程度信息、所述目标用户与所述待选业务权限的所有者之间的第三关联程度信息;
权限推荐模块,用于根据所述第一关联程度信息、所述第二关联程度信息、所述第三关联程度信息,对所述待选业务权限进行筛选,获得推荐业务权限。
还一方面,本说明书提供了一种业务权限推荐数据处理设备,包括:至少一个处理器以及用于存储处理器可执行指令的存储器,所述处理器执行所述指令时实现上述业务权限推荐方法。
又一方面,本说明书实施例提供了业务权限申请系统,包括:权限初筛模块、权限细筛模块、推荐权限确定模块、权限申请模块,其中:
所述权限初筛模块用于根据目标用户的身份信息获取所述目标用户的一级关系用户,并获取所述一级关系用户对应的业务权限,作为待选业务权限;
所述权限细筛模块中包括预先构建的业务权限推荐模型,所述权限细筛模块用于利用所述业务权限推荐模型确定所述一级关系用户与所述待选业务权限之间的第一关联程度信息、所述待选业务权限与拥有所述待选业务权限的用户之间的第二关联程度信息、所述目标用户与所述待选业务权限的所有者之间的第三关联程度信息,并利用所述业务权限推荐模型基于所述第一关联程度信息、所述第二关联程度信息、所述第三关联程度信息,输出所述待选业务权限的评分;
所述推荐权限确定模块用于根据所述业务权限推荐模型输出的所述待选业务权限的评分值,获得所述推荐业务权限;
所述权限申请模块用于在权限管理系统中提交所述推荐业务权限的权限申请。
本说明书提供的业务权限推荐方法、装置、处理设备、系统,可以根据用户的身份信息,获取用户的相邻用户即一级关系用户,再基于用户的相邻用户与待选业务权限之间的关系、待选业务权限本身与拥有该待选业务权限的所有用户的关系、用户与待选业务权限所有者之间的关系,对待选业务权限进行筛选。对用户与业务权限进行多维度的关系评估,确定出用户与各个待选业务权限之间的紧密程度,进一步实现业务权限的推荐。不需要用户逐一进行权限申请,避免了重复不断的权限申请流程,实现了业务权限的智能化推荐,提高了工作效率,减少了权限所有者的工作量,降低了数据处理量。
附图说明
为了更清楚地说明本说明书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说明书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是本说明书一个实施例中业务权限推荐方法的流程示意图;
图2是说明书一个实施例中业务权限推荐的原理示意图;
图3是本说明书提供的业务权限推荐装置一个实施例的模块结构示意图;
图4是本说明书又一个实施例中业务权限推荐装置的结构示意图;
图5是本说明书又一个实施例中业务权限推荐装置的结构示意图;
图6是本说明书一个实施例中提供的业务权限申请系统的结构示意图;
图7是本说明书一个实施例中业务权限推荐处理服务器的硬件结构框图。
具体实施方式
为了使本技术领域的人员更好地理解本说明书中的技术方案,下面将结合本说明书实施例中的附图,对本说明书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说明书一部分实施例,而不是全部的实施例。基于本说明书中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都应当属于本说明书保护的范围。
自动化办公系统越来越普及,许多企业都拥有自己的业务管理系统,可以采用访问控制来实现对业务关系系统的权限管理。访问控制可以理解为防止对任何资源进行未授权的访问,从而使计算机系统在合法的范围内使用。意指用户身份及其所归属的某项定义组来限制用户对某些信息项的访问,或限制对某些控制功能的使用的一种技术。即不同部门的员工、不同级别的员工在业务管理系统中有不同的使用权限,即不同的员工拥有不同的业务权限,员工只能访问或管理其能够使用的功能,例如:业务管理系统中的工资管理系统通常只有企业的财务部门的同事拥有管理权限。对于新员工或职位发生变化的员工,在使用业务管理系统时,需要自己在业务管理系统中提交各个不同业务权限的权限申请,由部门领导以及权限所有者审批,审批通过才能够实用该业务权限,审批不通过则不能使用。
本说明书中业务权限推荐方法可以应用在客户端或服务器中,客户端可以是智能手机、平板电脑、智能可穿戴设备(智能手表等)、智能车载设备等电子设备。
图1是本说明书一个实施例中业务权限推荐方法的流程示意图,如图1所示,本说明书一个实施例中提供的业务权限推荐方法可以包括:
步骤102、根据目标用户的身份信息获取所述目标用户的一级关系用户,所述一级关系用户包括与所述目标用户有直接业务关系的用户。
在具体的实施过程中,可以获取目标用户所在企业、单位或公司的员工详细信息,员工详细信息中可以包括所有员工的部门信息、职位信息等,进一步可以获得用户关系信息,可以构建出用户关系网络。目标用户的身份信息可以包括目标用户的姓名、所在部门、职位等信息,基于用户关系网络和目标用户的身份信息,可以获得与目标用户有直接业务关系的用户即一级关系用户。其中,有直接业务关系可以表示与目标用户有直接的工作联系或业务联系,如:目标用户的领导、下属、目标用户所在部门的其他用户作为目标用户的一级关系用户。
步骤104、获取所述一级关系用户与待选业务权限之间的第一关联程度信息、所述待选业务权限与拥有所述待选业务权限的用户之间的第二关联程度信息、所述目标用户与所述待选业务权限的所有者之间的第三关联程度信息。
在具体的实施过程中,待选业务权限可以是目标用户所在企业或使用的权限管理系统或业务管理系统中所有的业务权限,或从所有的业务权限中选择部分业务权限作为待选业务权限。其中,业务权限可以理解为用户在工作中的一种权力,如:在管理系统中可以理解为可以使用系统中不同功能的权力。
本说明书一些实施例中,所述待选业务权限的获取方法包括:
获取所述一级关系用户所拥有的所有业务权限作为所述待选业务权限。
在具体的实施过程中,获取到目标用户的一级关系用户后,可以获取各个一级关系用户的业务权限,将各个一级关系用户的业务权限作为目标用户的待选业务权限。如:目标用户A有2个一级关系用户B、C,其中一级关系用户B拥有的业务权限有a、b,一级关系用户B拥有的业务权限有c、d,则可以将业务权限有a、b、c、d作为目标用户A的待选业务权限。当然,当一级关系用户的业务权限有重复时,可以将重复的业务权限剔除,只保留1个。如:上述示例中,若一级关系用户B拥有的业务权限有a、b、c,一级关系用户B拥有的业务权限有c、d,其中业务权限c重复,则只保留一个业务权限c,仍将业务权限有a、b、c、d作为目标用户A的待选业务权限。基于用户的一级关系用户对业务权限做一个初步的筛选,降低了数据处理量,提高了业务推荐的针对性、准确性和效率。
获取到目标用户的待选业务权限后,可以对目标用户与待选业务权限之间的紧密程度进行评估,本说明书一些实施例中,可以通过各个一级关系用户与各个待选业务权限之间的第一关联程度信息、各个待选业务权限与所有用户之间的第二关联程度信息、目标用户与各个待选业务权限的所有者之间的第三关联程度信息,来评估目标用户与各个待选业务权限之间的紧密程度。其中,待选业务权限的所有者可以理解为该待选业务权限的管理用户,该管理用户可以拥有该待选业务权限的管理权力,可以对是否允许获取该待选业务权限进行审批。拥有所述待选业务权限的用户可以理解为目标用户A所在企业中拥有待选业务权限的所有员工,或目标用户A所在企业中使用该企业的业务管理系统的拥有待选业务权限的所有用户。
例如:目标用户A的待选业务权限为a、b、c,一级关系用户有B、C,待选业务权限a的所有者为用户D,待选业务权限b的所有者为用户E,待选业务权限c的所有者为用户F。则可以确定待选业务权限a、b、c分别与一级关系用户有B、C的第一关联程度信息、待选业务权限a、b、c分别与目标用户A所在企业中拥有待选业务权限a、b、c的所有用户之间的第二关联程度信息,以及目标用户A与用户D、E、F之间的第三关联程度信息。
其中,各个一级关系用户与各个待选业务权限之间的第一关联程度信息和各个待选业务权限与拥有待选业务权限的所有用户之间的第二关联程度信息,可以表征各个待选业务权限与一级关系用户以及其他用户之间的紧密程度,也可以表征各个待选业务权限在一级关系用户以及其他用户的工作中的重要程度。第一关联程度信息和第二关联程度信息可以根据使用各个待选业务权限的人数或预先统计各个用户对各个业务权限的使用次数、使用评价等来确定,当然也可以通过其他的方法确定,本说明书实施例不作具体限定。目标用户与各个待选业务权限的所有者之间的第三关联程度信息,可以表征目标用户与待选业务权限的所有者之间的工作联系紧密程度,可以通过目标用户与各个待选业务权限的所有者所在部门的业务往来情况来确定,当然也可以通过其他的方法确定,本说明书实施例不作具体限定。
步骤106、根据所述第一关联程度信息、所述第二关联程度信息、所述第三关联程度信息,对所述待选业务权限进行筛选,获得推荐业务权限。
在具体的实施过程中,可以根据各个待选业务权限对应的第一关联程度信息、第二关联程度信息、第三关联程度信息,综合评估目标用户与各个待选业务权限之间的关联程度,进一步确定出哪些待选业务权限与目标用户的关系比较紧密,筛选出推荐业务权限。如:可以通过专家决策规则或机器学习模型等,利用第一关联程度信息、第二关联程度信息、第三关联程度信息进行综合决策,综合评估出各个待选业务权限与目标用户之间的紧密关系。进一步对待选业务权限进行筛选,选择紧密程度高的待选业务权限作为推荐业务权限推荐给目标用户。
本说明书一些实施例中,可以根据第一关联程度信息、所述第二关联程度信息、所述第三关联程度信息,对所述待选业务权限进行评分,将分值大于预设阈值的待选业务权限作为所述推荐业务权限。
在具体的实施过程中,可以预先设置评分规则,将不同的关系程度信息转化为对应的分值,将各个待选业务权限对应的分值相加,作为该待选业务权限的最终评分。或则,也可以设置第一关联程度信息、第二关联程度信息、第三关联程度信息对应的权重信息,将各个关联信息转化为分值后,将各个待选业务权限对应的分值进行加权平均,确定出各个待选业务权限的评分。评分越高,则说明该待选业务权限与目标用户之间的关系越紧密,可以将评分值大于预设阈值的待选业务权限作为推荐业务权限。基于用户的相邻用户与待选业务权限之间的关系、待选业务权限本身与所有用户的关系、用户与待选业务权限所有者之间的关系,对各个初始业务权限进行综合评分,通过分值来筛选业务权限,方法简单准确,实现了业务权限的智能推荐。
可以将确定出的推荐业务权限发送给目标用户,目标用户可以在业务管理系统中一次性申请所有推荐业务权限,或者直接在业务管理系统或权限管理系统中直接提交推荐业务权限的权限申请。
本说明书实施例提供一种业务权限推荐方法,可以根据用户的身份信息,获取用户的相邻用户即一级关系用户,再基于用户的相邻用户与待选业务权限之间的关系、待选业务权限本身与拥有该待选业务权限的所有用户的关系、用户与待选业务权限所有者之间的关系,对待选业务权限进行筛选。对用户与业务权限进行多维度的关系评估,确定出用户与各个待选业务权限之间的紧密程度,进一步实现业务权限的推荐。不需要用户逐一进行权限申请,避免了重复不断的权限申请流程,实现了业务权限的智能化推荐,提高了工作效率,减少了权限所有者的工作量,降低了数据处理量。
在上述实施例的基础上,本说明书一个实施例中,所述一级关系用户与所述待选业务权限之间的第一关联程度信息的确定方法包括:
根据业务权限使用的记录信息,获取各个一级关系用户使用所述待选业务权限的使用频率;
将各个一级关系用户中使用所述待选业务权限的使用频率最高值、使用频率最低值、使用频率平均值,作为所述待选业务权限与所述一级关系用户之间的第一关联程度信息。
在具体的实施过程中,可以获取指定时间范围内各个业务权限使用情况的记录信息,该记录信息中可以记录各个业务权限被使用或被访问的使用次数、使用时间等。业务权限使用情况的记录信息可以根据权限系统或业务管理系统的使用日志数据获得,或采用其他的设备监控方法获得,本说明书实施例不做具体限定。根据业务权限使用的记录信息可以获取到各个一级关系用户使用待选业务权限的使用频率,如:可以统计指定工作时间内各个一级关系用户使用待选业务权限的使用频率。使用频率可以采用业务权限的使用次数来计算,也可以采用业务权限的使用天数计算,本说明书实施例不作具体限定,例如:使用频率=在90个工作日内的使用天数/90。可以将一个待选业务权限中使用该待选业务权限的使用频率最高值、使用频率最低值、使用频率平均值,作为该待选业务权限与一级关系用户之间的第一关联程度信息。
例如:目标用户A的待选业务权限为a、b,一级关系用户有用户B、用户C、用户D,根据业务权限使用的记录信息,统计出邻近的90个工作日内用户B使用待选业务权限a的使用频率为0.8,邻近的90个工作日内用户C使用待选业务权限a的使用频率为0.82,邻近的90个工作日内用户D使用待选业务权限a的使用频率为0.6。统计出邻近的90个工作日内用户B使用待选业务权限b的使用频率为0.5,邻近的90个工作日内用户C使用待选业务权限b的使用频率为0.9,邻近的90个工作日内用户D使用待选业务权限b的使用频率为0.6。则可以根据统计出的使用频率确定出待选业务权限a与目标用户A的一级关系用户之间的第一关联程度信息为:0.82、0.6、0.74,待选业务权限b与目标用户A的一级关系用户之间的第一关联程度信息为:0.9、0.5、0.67。
当然,根据实际使用需要也可以直接将各个一级关系用户中使用待选业务权限的使用频率平均值作为待选业务权限与所述一级关系用户之间的第一关联程度信息,或者将使用频率方差值作为待选业务权限与所述一级关系用户之间的第一关联程度信息等,具体可以根据实际情况进行调整设置,本说明书实施例不作具体限定。
本说明书一个实施例基于目标用户的一级关系用户使用待选业务权限的使用频率,采用使用频率最高值、使用频率最低值、使用频率平均值三个特征作为待选业务权限与所述一级关系用户之间的第一关联程度信息,可以更加全面的体现出一级关系用户与待选业务权限的紧密程度,为后续确定待选业务权限与目标用户之间的紧密关系奠定了准确的数据基础。
在上述实施例的基础上,本说明书一个实施例中,所述待选业务权限与拥有所述待选业务权限的用户之间的第二关联程度信息的确定方法包括:
根据业务权限使用的记录信息,获取拥有所述待选业务权限的用户使用所述待选业务权限的使用频率;
将拥有所述待选业务权限的用户中使用所述待选业务权限的使用频率最高值、使用频率最低值、使用频率平均值,作为所述待选业务权限对应的第二关联程度信息。
在具体的实施过程中,可以获取指定时间范围内各个业务权限使用情况的记录信息,该记录信息中可以记录各个业务权限被使用的使用次数、使用时间等。根据业务权限使用的记录信息可以获取到各个用户使用待选业务权限的使用频率,其中使用频率的计算方法可以参考上述实施例的记载,此处不再赘述。可以将一个待选业务权限中使用该待选业务权限的使用频率最高值、使用频率最低值、使用频率平均值,作为该待选业务权限与所有用户之间的第二关联程度信息。
例如:目标用户A的待选业务权限为a、b,可以根据业务权限使用情况的记录信息,统计邻近90个工作日内目标用户A所在企业中拥有待选业务权限a、b的所有员工使用待选业务权限为a、b的使用频率。将统计出的使用待选业务权限为a的使用频率最高值、使用频率最低值、使用频率平均值,作为待选业务权限a与所有用户之间的第二关联程度信息。同样的,将统计出的使用待选业务权限为b的使用频率最高值、使用频率最低值、使用频率平均值,作为待选业务权限b与所有用户之间的第二关联程度信息。
当然,根据实际使用需要也可以采用使用频率平均值或方差值等作为待选业务权限与所有用户之间的第二关联程度信息,具体可以根据实际情况进行调整设置,本说明书实施例不作具体限定。
本说明书一个实施例通过统计所有用户使用待选业务权限的使用频率,可以体现出各个待选业务权限本身的特性,即可以体现出各个业务权限自身在系统中的使用情况。选择其中使用频率最高值、使用频率最低值、使用频率平均值作为待选业务权限与所有用户之间的第二关联程度信息,更全面的体现出待选业务权限在业务处理中的重要程度,为后续确定待选业务权限与目标用户之间的紧密关系奠定了准确的数据基础。
在上述实施例的基础上,本说明书一个实施例中,所述目标用户与所述待选业务权限的所有者之间的第三关联程度信息确定方法包括:
根据所述一级关系用户,获取所述一级关系用户的一级关系用户,作为目标用户的二级关系用户;
根据所述待选业务权限的所有者是否属于所述目标用户的一级关系用户或二级关系用户,确定出所述目标用户与所述待选业务权限的所有者之间的第三关联程度信息。
在具体的实施过程中,可以根据目标用户的一级关系用户衍生出目标用户的二级关系用户,即可以将目标用户的一级关系用户的一级关系用户如:目标用户的下属的下属、领导的领导作为目标用户的二级关系用户,二级关系用户中若包括一级关系用户,则可以将二级关系用户中的一级关系用户剔除。如:目标用户A的一级关系用户有用户B、用户C、用户D,其中,用户B的领导为用户C,没有下属;用户C的领导为用户E,下属为用户A、B、D;用户D的领导为用户C,没有下属;则可以确定出目标用户A的二级关系用户有用户E。可以通过判断筛选出的待选业务权限的所有者是否在目标用户的一级关系用户中或二级关系用户中,来确定目标用户与待选业务权限的所有者之间的第三关联程度信息。
例如:目标用户A的待选业务权限为a、b,一级关系用户有用户B、用户C、用户D,二级关系用户有用户E。待选业务权限a的所有者为用户D,待选业务权限b的所有者为用户F。可以确定出待选业务权限a的所有者为目标用户A的一级关系用户,待选业务权限b的所有者既不在目标用户A的一级关系用户中,也不在目标用户A的二级关系用户中。可以将待选业务权限的所有者与目标用户的一级关系用户和二级关系用户的关系,作为目标用户与待选业务权限的所有者之间的第三关联程度信息。
在具体使用时,可以根据待选业务权限的所有者与目标用户的一级关系用户和二级关系用户的关系设置紧密程度分值,如:若待选业务权限的所有者为目标用户的一级关系用户,则紧密程度分值为20分,若待选业务权限的所有者为目标用户的二级关系用户,则紧密程度分值为15分,若待选业务权限的所有者即不是目标用户的一级关系用户也不是目标用户的二级用户,则紧密程度分值为5分。可以将紧密程度分值作为目标用户与待选业务权限的所有者之间的第三关联程度信息。
本说明书实施例,从待选业务权限所有者与目标用户的一级关系用户、二级关系用户之间的关系的维度,来确定目标用户与待选业务权限所有者之间的紧密程度,为后续确定待选业务权限与目标用户之间的紧密程度提供了数据基础。
在上述实施例的基础上,本说明书一个实施例中,所述目标用户与所述待选业务权限的所有者之间的第三关联程度信息确定方法包括:
从所述目标用户的一级关系用户中随机选取指定数量个用户作为参考用户;
确定所述参考用户与所述待选业务权限的所有者的剩余业务权限之间的关联程度信息,作为所述目标用户与所述待选业务权限的所有者之间的第三关联程度信息。
在具体的实施过程中,在确定目标用户与待选业务权限的所有者之间的第三关联程度信息时,还可以通过目标用户与待选业务权限所有者的其他业务权限(即待选业务权限的所有者的剩余业务权限)之间的关联程度来确定。可以从目标用户的一级关系用户中随机选取指定数量个用户作为参考用户,确定参考用户与待选业务权限所有者的其他业务权限之间的关联程度,作为目标用户与待选业务权限的所有者之间的第三关联程度信息。
例如:目标用户A的待选业务权限为a、b,一级关系用户有用户B、用户C、用户D,待选业务权限a的所有者为用户D,待选业务权限b的所有者为用户F,用户D还拥有业务权限c,用户F还拥有业务权限d、e。可以从目标用户A的一级关系用户中随机选取2名用户,如:选取用户B、C作为参考用户。确定用户B、C与业务权限c之间的关联程度信息,作为目标用户A与待选业务权限a的所有者D之间的第三关联程度信息,用户B、C与业务权限d、e之间的关联程度信息,作为目标用户A与待选业务权限a的所有者F之间的第三关联程度信息。
当然,根据实际使用需要,也可以从目标用户的二级关系用户中选择部分用户作为参考用户,来确定目标用户与待选业务权限的所有者之间的第三关联程度信息。
本说明书实施例通过确定目标用户的部分一级关系用户与待选业务权限的所有者的其他业务权限之间的关联程度,作为目标用户与待选业务权限的所有者之间的紧密关系,进一步刻画了目标用户与待选业务权限的所有者之间的紧密关系,提高了与待选业务权限的所有者之间的紧密关系确定的准确性,为后续确定待选业务权限与目标用户之间的紧密程度提供了数据基础。
在上述实施例的基础上,本说明书一些实施例中,所述确定所述参考用户与所述待选业务权限的所有者的剩余业务权限之间的关联程度信息,包括:
根据业务权限使用的记录信息,获取所述参考用户使用所述剩余业务权限的使用频率;
将所述参考用户中使用所述剩余业务权限的使用频率最高值、使用频率最低值、使用频率平均值以及所述参考用户拥有所述剩余业务权限的个数,作为所述参考用户与所述待选业务权限的所有者的剩余业务权限之间的关联程度信息。
在具体的实施过程中,可以采用使用频率来确定参考用户与待选业务权限的所有者的剩余业务权限之间的关联程度。使用频率的确定方法可以参考上述实施例的记载,此处不再赘述。其中,参考用户拥有剩余业务权限的个数可以采用所有参考用户有用剩余业务权限的总和,或者,也可以为各个参考用户拥有剩余业务权限的平均值、最大值等方式确定。
例如:目标用户A的待选业务权限为a、b,一级关系用户有用户B、用户C、用户D,待选业务权限a的所有者为用户D,待选业务权限b的所有者为用户F,用户D还拥有业务权限c,用户F还拥有业务权限d、e。可以从目标用户A的一级关系用户中随机选取2名用户,如:选取用户B、C作为参考用户。统计出邻近的90个工作日内用户B使用业务权限c的使用频率为0.8,邻近的90个工作日内用户C使用待选业务权限c的使用频率为0.7。统计出邻近的90个工作日内用户B使用业务权限d的使用频率为0.5,邻近的90个工作日内用户C使用业务权限d的使用频率为0.9。邻近的90个工作日内用户B使用业务权限为e的使用频率为0.6,邻近的90个工作日内用户C使用业务权限为e的使用频率为0.8。再统计用户B、用户C拥有的所有业务权限中是否有业务权限c、d、e,统计获得用户B拥有业务权限c,用户C用于业务权限c和d。若采用所有参考用户有用剩余业务权限的总和作为参考用户拥有剩余业务权限的个数,则可以根据统计出的使用频率确定出目标用户A与待选业务权限为a的所有者用户D的第三关联程度信息为:0.8、0.7、0.72、2,目标用户A与待选业务权限为a的所有者用户F的第三关联程度信息为:0.9、0.5、0.7、1。
本说明书实施例通过确定目标用户的部分一级关系用户使用待选业务权限的所有者的其他业务权限的使用频率,来确定目标用户与待选业务权限的所有者之间的紧密关系,更加全面的刻画了目标用户与待选业务权限的所有者之间的紧密关系,提高了与待选业务权限的所有者之间的紧密关系确定的准确性,为后续确定待选业务权限与目标用户之间的紧密程度提供了数据基础。
本说明书一些实施例中,所述第一关联程度信息、第二关联程度信息、第三关联程度信息的确定方法包括:
根据用户关系信息、业务权限所有者信息、业务权限使用的记录信息、多个历史用户的身份信息和所述历史用户的业务权限申请信息,训练构建业务权限推荐模型;
将所述待选业务权限输入所述业务权限推荐模型,利用所述业务权限推荐模型确定所述第一关联程度信息、所述第二关联程度信息、所述第三关联程度信息;
相应地,所述对所述待选业务权限进行筛选,获得推荐业务权限,包括:
利用所述业务权限推荐模型基于所述第一关联程度信息、所述第二关联程度信息、所述第三关联程度信息,输出所述待选业务权限的评分;
根据所述业务权限推荐模型输出的所述待选业务权限的评分值,获得所述推荐业务权限。
在具体的实施过程中,可以预先训练构建业务权限推荐模型,利用业务权限推荐模型对初次筛选的待选业务权限进行进一步的筛选,获得推荐业务权限。可以利用历史用户的身份信息以及用户关系信息即上述实施例中的用户关系网络,根据历史用户的身份信息和用户关系信息可以获得历史用户的一级关系用户和二级关系用户。再利用业务权限所有者信息可以获得各个业务权限与所有者之间的对应关系,根据业务权限使用的记录信息则可以获得各个业务权限被使用的次数、时间等信息。可以获取多个历史用户的身份信息,结合用户关系信息、业务权限所有者信息、业务权限使用的记录信息作为训练样本数据,各个历史用户的业务权限申请信息可以作为标签数据,进行模型训练,构建出业务权限推荐模型。
业务权限推荐模型可以根据输入的待选业务权限、目标用户的身份信息、用户关系信息、业务权限所有者信息、业务权限使用的记录信息进行特征提取,即利用业务权限推荐模型可以获得目标用户的一级关系用户与待选业务权限之间的第一关联程度信息、待选业务权限与所有用户之间的第二关联程度信息、目标用户与待选业务权限的所有者之间的第三关联程度信息,业务权限推荐模型再利用确定出的目标用户对应的第一关联程度信息、第二关联程度信息、第三关联程度信息可以对待选业务权限进行评分,输出各个待选业务权限的评分值。根据各个待选业务权限的评分值,可以确定出各个待选业务权限与目标用户之间的紧密关系,评分值越高,则可以认为关系越紧密,可以将评分值大于预设阈值的待选业务权限作为推荐业务权限推荐给目标用户。
其中,业务权限推荐模型可以是GBDT(Gradient Boosting Decision Tree,梯度下降树算法),或者其他的推荐模型如:协同过滤模型,也可以采用不同的回归模型,比如PS-SMART,甚至于模型融合的方法。
本说明书通过构建业务权限推荐模型,可以实现对业务权限的智能化和自动化推荐,提高了工作效率,降低了数据处理量。
在上述实施例的基础上,本说明书一些实施例中,所述业务权限推荐模型的构建过程可以包括:
获取多个历史用户的身份信息、业务权限申请信息;
根据所述历史用户的身份信息获取所述历史用户的历史一级关系用户;
获取所述历史一级关系用户对应的业务权限,作为各个历史用户的历史用户待选业务权限;
将所述历史用户待选业务权限与历史一级关系用户之间的关联程度信息、所述历史用户待选业务权限与用户之间的关联程度信息、所述各个历史用户与所述历史用户待选业务权限的所有者之间的关联程度信息,作为所述业务权限推荐模型的特征参数,各个历史用户对应的业务权限申请信息作为训练标签,进行模型训练,构建出所述业务权限推荐模型。
在构建业务权限推荐模型时,可以获取多个历史用户的身份信息、业务权限申请信息,根据历史用户的身份信息获取各个历史用户的历史一级关系用户,进一步获得各个历史用户的历史用户待选业务权限。将各个历史用户对应的历史用户待选业务权限以及用户关系信息、业务权限所有者信息、业务权限使用的记录信息作为训练样本数据,各个历史用户对应的业务权限申请信息即各个历史用户申请了哪些业务权限作为训练标签。将历史用户待选业务权限与历史一级关系用户之间的关联程度信息、所述历史用户待选业务权限与用户之间的关联程度信息、所述各个历史用户与所述历史用户待选业务权限的所有者之间的关联程度信息,作为所述业务权限推荐模型的特征参数,进行模型的训练,构建出业务权限推荐模型。其中历史用户对应的各个关联程度信息的确定方法可以参考上述实施例的记载,此处不再赘述。
图2是说明书一个实施例中业务权限推荐的原理示意图,下面结合图2介绍本说明书一个实施例中业务推荐的过程。本说明书一个实施例中,利用人工智能方法,对新用户或转岗用户提供业务权限的智能推荐功能。图2右侧是业务权限智能推荐算法的原理图,其分为两部分,首先是业务权限的粗筛选,第二部分是在对第一部分获得的业务权限的精排序,其在特征工程上,选择了能显著刻画用户与业务权限关系的四类特征。在模型选择上,可以采用GBDT。以下具体描述两部分内容:
第一部分粗筛选:业务权限的粗筛选是为了从所有权限中选择部分和用户有关系的业务权限即待选业务权限,来刻画新用户与业务权限的关系,过滤掉大量与用户基本没有联系的业务权限。具体做法是:提取出该新用户或转岗用户一度关系圈内所有用户(即上述实施例中一级关系用户)具有的业务权限。其中,一度关系圈的定义可以为用户的领导、下属以及与用户直接同部门的其他用户。
第二部分精排序:是通过模型来拟合新用户与业务权限之间的紧密程度,来对粗筛选出的业务权限进行排序。其中核心为特征工程,提取出以下四类特征:
1、用户的相邻用户(即一度关系圈的用户)与待选业务权限之间的关系。考虑用户的一度关系圈内其他用户与待选业务权限的紧密程度分数,通过统计最大分数、最小分数以及平均分数获得三个特征。其中,用户的一度关系圈内其他用户与待选业务权限的紧密程度分数,可以根据用户使用待选业务权限的使用频率确定,具体可以参考上述实施例的记载,本说明书实施例不作具体限定。
2、待选业务权限本身与所有用户的关系。统计拥有该待选业务权限的所有用户与该待选业务权限紧密程度分数的最大、最小、平均值获得三个特征。这三个特征是业务权限自身的特征,可以有效提升模型预测的泛化能力。其中,拥有该待选业务权限的所有用户与该待选业务权限紧密程度分数,可以根据用户使用待选业务权限的使用频率确定,具体可以参考上述实施例的记载,本说明书实施例不作具体限定。
3、用户与待选业务权限所有者之间的关系。本说明书一个实施例中,可以定义二度关系圈,二度关系圈为一度关系的排列组合衍生得到的关系,如领导的领导、下属的下属。待选业务权限所有者是否在一度关系圈或二度关系内,是刻画用户与待选业务权限的强特征。
4、用户与待选业务权限所有者的其他业务权限之间的关系。用户对该待选业务权限的所有者的其他权限的访问关系的最大、最小、平均分以及拥有其他权限的个数,获得四个特征。这四个特征,进一步刻画用户与权限拥有者之间的关系。其中,用户对该待选业务权限的所有者的其他权限的访问关系的最大、最小、平均分以及拥有其他权限的个数,可以通过从一度关系圈内随机选择指定数量个参考用户,基于参考用户使用待选业务权限的所有者的其他权限的使用频率确定,具体可以参考上述实施例的记载,此处不再赘述。
模型的输入可以包括待选业务权限、用户的身份信息、用户关系信息、业务权限所有者信息、业务权限使用的记录信息。其中,用户关系信息、业务权限所有者信息、业务权限使用的记录信息可以只输入一次,模型保存,再次使用时,模型自动使用,当有信息更新时,可以重新输入模型由模型进行更新数据。模型根据输入的数据可以确定出上述四个特征,该模型基于上述四个特征进一步可以为各个待选业务权限进行评分,输出各个待选业务权限的分值。
如图2所示,根据模型输出的分值,可以选择分值大于预设阈值或排序在前预设名次内的业务权限作为推荐业务权限返回给用户。用户则可以在业务权限管理系统中,对推荐业务权限进行业务申请。也可以根据模型输出的分值,获得推荐业务权限后,自动在业务权限管理系统中,为用户提交推荐业务权限的权限申请。如图2左侧所示,申请业务权限后,由主管和对应权限所有者审批通过后,可以获得该业务权限。
本说明书实施例,通过拟合人与业务权限的紧密程度,构建人与业务权限的关系模型,将紧密程度高的业务权限推荐给用户。由于考虑人与业务权限之间的关系,推荐给用户的都是其实际工作中需要使用的业务权限,可以避免重复不断的权限申请流程,从而专注于业务本身,提升员工效率。与此同时,用户可以一次性申请推荐的业务权限的审批,不需要权限审批者不停地审批权限申请,可以降低外部商户对其用户不必要的打扰率,增加云平台的使用体验。
本说明书中上述方法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考即可,每个实施例重点说明的都是与其他实施例的不同之处。相关之处参考方法实施例的部分说明即可。
基于上述所述的业务权限推荐方法,本说明书一个或多个实施例还提供一种业务权限推荐装置。所述的装置可以包括使用了本说明书实施例所述方法的系统(包括分布式系统)、软件(应用)、模块、组件、服务器、客户端等并结合必要的实施硬件的装置。基于同一创新构思,本说明书实施例提供的一个或多个实施例中的装置如下面的实施例所述。由于装置解决问题的实现方案与方法相似,因此本说明书实施例具体的装置的实施可以参考前述方法的实施,重复之处不再赘述。以下所使用的,术语“单元”或者“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现,但是硬件,或者软件和硬件的组合的实现也是可能并被构想的。
具体地,图3是本说明书提供的业务权限推荐装置一个实施例的模块结构示意图,如图3所示,本说明书中提供的业务权限推荐装置可以包括:一级关系用户确定模块31、关联程度确定模块32、权限推荐模块33,其中:
一级关系用户确定模块31,可以用于根据目标用户的身份信息获取所述目标用户的一级关系用户,所述一级关系用户包括与所述目标用户有直接业务关系的用户;
关联程度确定模块32,可以用于获取所述一级关系用户与待选业务权限之间的第一关联程度信息、所述待选业务权限与拥有所述待选业务权限的用户之间的第二关联程度信息、所述目标用户与所述待选业务权限的所有者之间的第三关联程度信息;
权限推荐模块33,可以用于根据所述第一关联程度信息、所述第二关联程度信息、所述第三关联程度信息,对所述待选业务权限进行筛选,获得推荐业务权限。
本说明书实施例提供的业务权限推荐装置,可以将推荐装置应用于业务权限管理平台,可以大大优化新用户的体验。推荐系统选取了多维度的特征:用户的相邻用户与业务权限之间的关系、业务权限本身与所有用户的关系、用户与业务权限所有者之间的关系、用户与业务权限所有者的其他权限之间的关系,构建了人与权限的关系模型,刻画用户与权限之间的紧密程度,从而能够智能化进行推荐。
图4是本说明书又一个实施例中业务权限推荐装置的结构示意图,如图4所示,在上述实施例的基础上,本说明书一些实施例中,所述装置还包括权限粗筛模块41,用于采用下述方法确定所述待选业务权限:
获取所述一级关系用户所拥有的所有业务权限作为所述待选业务权限。
本说明书实施例,基于用户的一级关系用户对业务权限做一个初步的筛选,降低了数据处理量,提高了业务推荐的针对性、准确性和效率。
在上述实施例的基础上,本说明书一些实施例中,所述关联程度确定具体用于:
根据业务权限使用的记录信息,获取各个一级关系用户使用所述待选业务权限的使用频率;
将各个一级关系用户中使用所述待选业务权限的使用频率最高值、使用频率最低值、使用频率平均值,作为所述一级关系用户与所述待选业务权限之间的第一关联程度信息。
本说明书实施例,基于目标用户的一级关系用户使用待选业务权限的使用频率,采用使用频率最高值、使用频率最低值、使用频率平均值三个特征作为待选业务权限与所述一级关系用户之间的第一关联程度信息,可以更加全面的体现出一级关系用户与待选业务权限的紧密程度,为后续确定待选业务权限与目标用户之间的紧密关系奠定了准确的数据基础。
在上述实施例的基础上,本说明书一些实施例中,所述关联程度确定具体用于:
根据业务权限使用的记录信息,获取拥有所述待选业务权限的用户使用所述待选业务权限的使用频率;
将拥有所述待选业务权限的用户中使用所述待选业务权限的使用频率最高值、使用频率最低值、使用频率平均值,作为所述待选业务权限对应的第二关联程度信息。
本说明书实施例,通过统计所有用户使用待选业务权限的使用频率,可以体现出各个待选业务权限本身的特性,即可以体现出各个业务权限自身在系统中的使用情况。选择其中使用频率最高值、使用频率最低值、使用频率平均值作为待选业务权限与所有用户之间的第二关联程度信息,更全面的体现出待选业务权限在业务处理中的重要程度,为后续确定待选业务权限与目标用户之间的紧密关系奠定了准确的数据基础。
在上述实施例的基础上,本说明书一些实施例中,所述关联程度确定具体用于:
根据所述一级关系用户,获取所述一级关系用户的一级关系用户,作为目标用户的二级关系用户;
根据所述待选业务权限的所有者是否属于所述目标用户的一级关系用户或二级关系用户,确定出所述目标用户与所述待选业务权限的所有者之间的第三关联程度信息。
本说明书实施例,从待选业务权限所有者与目标用户的一级关系用户、二级关系用户之间的关系的维度,来确定目标用户与待选业务权限所有者之间的紧密程度,为后续确定待选业务权限与目标用户之间的紧密程度提供了数据基础。
在上述实施例的基础上,所述关联程度确定具体用于:
从所述目标用户的一级关系用户中随机选取指定数量个用户作为参考用户;
确定所述参考用户与所述待选业务权限的所有者的剩余业务权限之间的关联程度信息,作为所述目标用户与所述待选业务权限的所有者之间的第三关联程度信息。
本说明书实施例,通过确定目标用户的部分一级关系用户与待选业务权限的所有者的其他业务权限之间的关联程度,作为目标用户与待选业务权限的所有者之间的紧密关系,进一步刻画了目标用户与待选业务权限的所有者之间的紧密关系,提高了与待选业务权限的所有者之间的紧密关系确定的准确性,为后续确定待选业务权限与目标用户之间的紧密程度提供了数据基础。
在上述实施例的基础上,本说明书一些实施例中,所述关联程度确定模块具体用于:
根据业务权限使用的记录信息,获取所述参考用户使用所述剩余业务权限的使用频率;
将所述参考用户中使用所述剩余业务权限的使用频率最高值、使用频率最低值、使用频率平均值以及所述参考用户拥有所述剩余业务权限的个数,作为所述参考用户与所述待选业务权限的所有者的剩余业务权限之间的第三关联程度信息。
本说明书实施例,通过确定目标用户的部分一级关系用户使用待选业务权限的所有者的其他业务权限的使用频率,来确定目标用户与待选业务权限的所有者之间的紧密关系,更加全面的刻画了目标用户与待选业务权限的所有者之间的紧密关系,提高了与待选业务权限的所有者之间的紧密关系确定的准确性,为后续确定待选业务权限与目标用户之间的紧密程度提供了数据基础。
在上述实施例的基础上,本说明书一些实施例中,所述权限推荐模块具体用于:
根据第一关联程度信息、所述第二关联程度信息、所述第三关联程度信息,对所述待选业务权限进行评分,将分值大于预设阈值的待选业务权限作为所述推荐业务权限。
本说明书实施例,基于用户的相邻用户与待选业务权限之间的关系、待选业务权限本身与所有用户的关系、用户与待选业务权限所有者之间的关系,对各个初始业务权限进行综合评分,通过分值来筛选业务权限,方法简单准确,实现了业务权限的智能推荐。
在上述实施例的基础上,本说明书一些实施例中,所述关联程度确定模块具体用于:
根据用户关系信息、业务权限所有者信息、业务权限使用的记录信息、多个历史用户的身份信息和所述历史用户的业务权限申请信息,训练构建业务权限推荐模型;
将所述待选业务权限输入所述业务权限推荐模型,利用所述业务权限推荐模型确定所述第一关联程度信息、所述第二关联程度信息、所述第三关联程度信息;
所述权限推荐模块具体用于:
利用所述业务权限推荐模型基于所述第一关联程度信息、所述第二关联程度信息、所述第三关联程度信息,输出所述待选业务权限的评分;
根据所述业务权限推荐模型输出的所述待选业务权限的评分值,获得所述推荐业务权限。
本说明书实施例,通过构建业务权限推荐模型,可以实现对业务权限的智能化和自动化推荐,提高了工作效率,降低了数据处理量。
图5是本说明书又一个实施例中业务权限推荐装置的结构示意图,如图5所示,在上述实施例的基础上,本说明书一些实施例中,所述装置还包括模型构建模块51用于采用下述方法构建所述业务权限推荐模型:
获取多个历史用户的身份信息、业务权限申请信息;
根据所述历史用户的身份信息获取所述历史用户的历史一级关系用户;
获取所述历史一级关系用户对应的业务权限,作为各个历史用户的历史用户待选业务权限;
将所述历史用户待选业务权限与历史一级关系用户之间的关联程度信息、所述历史用户待选业务权限与拥有所述历史用户待选业务权限的所有用户之间的关联程度信息、所述各个历史用户与所述历史用户待选业务权限的所有者之间的关联程度信息,作为所述业务权限推荐模型的特征参数,各个历史用户对应的业务权限申请信息作为训练标签,进行模型训练,构建出所述业务权限推荐模型。
本说明书实施例,基于历史用户的业务权限申请信息以及用户关系信息等,训练构建业务权限推荐模型,为实现业务权限的智能推荐提供了理论基础。
需要说明的,上述所述的装置根据方法实施例的描述还可以包括其他的实施方式。具体的实现方式可以参照上述对应的方法实施例的描述,在此不作一一赘述。
本说明书实施例还提供一种业务权限推荐数据处理设备,包括:至少一个处理器以及用于存储处理器可执行指令的存储器,所述处理器执行所述指令时实现上述实施例中业务权限推荐方法,如:
根据目标用户的身份信息获取所述目标用户的一级关系用户,所述一级关系用户包括与所述目标用户有直接业务关系的用户;
获取所述一级关系用户与待选业务权限之间的第一关联程度信息、所述待选业务权限与拥有所述待选业务权限的用户之间的第二关联程度信息、所述目标用户与所述待选业务权限的所有者之间的第三关联程度信息;
根据所述第一关联程度信息、所述第二关联程度信息、所述第三关联程度信息,对所述待选业务权限进行筛选,获得推荐业务权限。
图6是本说明书一个实施例中提供的业务权限申请系统的结构示意图,如图6所示,本说明书实施例中的业务权限推荐系统可以包括权限初筛模块61、权限细筛模块62、推荐权限确定模块63、权限申请模块64,其中:
所述权限初筛模块61用于根据目标用户的身份信息获取所述目标用户的一级关系用户,并获取所述一级关系用户对应的业务权限,作为待选业务权限;
所述权限细筛模块62中包括预先构建的业务权限推荐模型,所述权限细筛模块62用于利用所述业务权限推荐模型确定所述一级关系用户与所述待选业务权限之间的第一关联程度信息、所述待选业务权限与拥有所述待选业务权限的用户之间的第二关联程度信息、所述目标用户与所述待选业务权限的所有者之间的第三关联程度信息,并利用所述业务权限推荐模型基于所述第一关联程度信息、所述第二关联程度信息、所述第三关联程度信息,输出所述待选业务权限的评分;
所述推荐权限确定模块63用于根据所述业务权限推荐模型输出的所述待选业务权限的评分值,获得所述推荐业务权限;
所述权限申请模块64用于在权限管理系统中提交所述推荐业务权限的权限申请。
需要说明的,上述所述的处理设备和系统,根据方法实施例的描述还可以包括其他的实施方式。具体的实现方式可以参照上述对应的方法实施例的描述,在此不作一一赘述。
本说明书提供的业务权限推荐装置或处理设备或系统,也可以应用在多种数据分析处理系统中。所述系统或装置或处理设备可以包括上述实施例中任意一个业务权限推荐装置。所述的系统或装置或处理设备可以为单独的服务器,也可以包括使用了本说明书的一个或多个所述方法或一个或多个实施例装置的服务器集群、系统(包括分布式系统)、软件(应用)、实际操作装置、逻辑门电路装置、量子计算机等并结合必要的实施硬件的终端装置。所述核对差异数据的检测系统可以包括至少一个处理器以及存储计算机可执行指令的存储器,所述处理器执行所述指令时实现上述任意一个或者多个实施例中所述方法的步骤。
本说明书实施例所提供的方法实施例可以在移动终端、计算机终端、服务器或者类似的运算装置中执行。以运行在服务器上为例,图7是本说明书一个实施例中业务权限推荐处理服务器的硬件结构框图,该服务器可以是上述实施例中的业务权限推荐装置、业务权限推荐数据处理设备或系统。如图7所示,服务器10可以包括一个或多个(图中仅示出一个)处理器100(处理器100可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置)、用于存储数据的存储器200、以及用于通信功能的传输模块300。本邻域普通技术人员可以理解,图7所示的结构仅为示意,其并不对上述电子装置的结构造成限定。例如,服务器10还可包括比图7中所示更多或者更少的组件,例如还可以包括其他的处理硬件,如数据库或多级缓存、GPU,或者具有与图7所示不同的配置。
存储器200可用于存储应用软件的软件程序以及模块,如本说明书实施例中的业务权限推荐方法对应的程序指令/模块,处理器100通过运行存储在存储器200内的软件程序以及模块,从而执行各种功能应用以及资源数据更新。存储器200可包括高速随机存储器,还可包括非易失性存储器,如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中,存储器200可进一步包括相对于处理器100远程设置的存储器,这些远程存储器可以通过网络连接至计算机终端。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
传输模块300用于经由一个网络接收或者发送数据。上述的网络具体实例可包括计算机终端的通信供应商提供的无线网络。在一个实例中,传输模块300包括一个网络适配器(Network Interface Controller,NIC),其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中,传输模块300可以为射频(Radio Frequency,RF)模块,其用于通过无线方式与互联网进行通讯。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
本说明书提供的上述实施例所述的方法或装置可以通过计算机程序实现业务逻辑并记录在存储介质上,所述的存储介质可以计算机读取并执行,实现本说明书实施例所描述方案的效果。
所述存储介质可以包括用于存储信息的物理装置,通常是将信息数字化后再以利用电、磁或者光学等方式的媒体加以存储。所述存储介质有可以包括:利用电能方式存储信息的装置如,各式存储器,如RAM、ROM等;利用磁能方式存储信息的装置如,硬盘、软盘、磁带、磁芯存储器、磁泡存储器、U盘;利用光学方式存储信息的装置如,CD或DVD。当然,还有其他方式的可读存储介质,例如量子存储器、石墨烯存储器等等。
本说明书实施例提供的上述业务权限推荐方法或装置可以在计算机中由处理器执行相应的程序指令来实现,如使用windows操作系统的c++语言在PC端实现、linux系统实现,或其他例如使用android、iOS系统程序设计语言在智能终端实现,以及基于量子计算机的处理逻辑实现等。
需要说明的是说明书上述所述的装置、计算机存储介质、系统根据相关方法实施例的描述还可以包括其他的实施方式,具体的实现方式可以参照对应方法实施例的描述,在此不作一一赘述。
本说明书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考即可,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,对于硬件+程序类实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参考方法实施例的部分说明即可。
本说明书实施例并不局限于必须是符合行业通信标准、标准计算机资源数据更新和数据存储规则或本说明书一个或多个实施例所描述的情况。某些行业标准或者使用自定义方式或实施例描述的实施基础上略加修改后的实施方案也可以实现上述实施例相同、等同或相近、或变形后可预料的实施效果。应用这些修改或变形后的数据获取、存储、判断、处理方式等获取的实施例,仍然可以属于本说明书实施例的可选实施方案范围之内。
在20世纪90年代,对于一个技术的改进可以很明显地区分是硬件上的改进(例如,对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而,随着技术的发展,当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此,不能说一个方法流程的改进就不能用硬件实体模块来实现。例如,可编程逻辑器件(Programmable Logic Device,PLD)(例如现场可编程门阵列(Field Programmable GateArray,FPGA))就是这样一种集成电路,其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片PLD上,而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且,如今,取代手工地制作集成电路芯片,这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现,它与程序开发撰写时所用的软件编译器相类似,而要编译之前的原始代码也得用特定的编程语言来撰写,此称之为硬件描述语言(Hardware Description Language,HDL),而HDL也并非仅有一种,而是有许多种,如ABEL(Advanced Boolean Expression Language)、AHDL(Altera Hardware DescriptionLanguage)、Confluence、CUPL(Cornell University Programming Language)、HDCal、JHDL(Java Hardware Description Language)、Lava、Lola、MyHDL、PALASM、RHDL(RubyHardware Description Language)等,目前最普遍使用的是VHDL(Very-High-SpeedIntegrated Circuit Hardware Description Language)与Verilog。本领域技术人员也应该清楚,只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中,就可以很容易得到实现该逻辑方法流程的硬件电路。
控制器可以按任何适当的方式实现,例如,控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application Specific Integrated Circuit,ASIC)、可编程逻辑控制器和嵌入微控制器的形式,控制器的例子包括但不限于以下微控制器:ARC 625D、Atmel AT91SAM、Microchip PIC18F26K20以及Silicone Labs C8051F320,存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道,除了以纯计算机可读程序代码方式实现控制器以外,完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件,而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至,可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
上述实施例阐明的系统、装置、模块或单元,具体可以由计算机芯片或实体实现,或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的,计算机例如可以为个人计算机、膝上型计算机、车载人机交互设备、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
虽然本说明书一个或多个实施例提供了如实施例或流程图所述的方法操作步骤,但基于常规或者无创造性的手段可以包括更多或者更少的操作步骤。实施例中列举的步骤顺序仅仅为众多步骤执行顺序中的一种方式,不代表唯一的执行顺序。在实际中的装置或终端产品执行时,可以按照实施例或者附图所示的方法顺序执行或者并行执行(例如并行处理器或者多线程处理的环境,甚至为分布式资源数据更新环境)。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、产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、产品或者设备所固有的要素。在没有更多限制的情况下,并不排除在包括所述要素的过程、方法、产品或者设备中还存在另外的相同或等同要素。第一,第二等词语用来表示名称,而并不表示任何特定的顺序。
为了描述的方便,描述以上装置时以功能分为各种模块分别描述。当然,在实施本说明书一个或多个时可以把各模块的功能在同一个或多个软件和/或硬件中实现,也可以将实现同一功能的模块由多个子模块或子单元的组合实现等。以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
本发明是参照根据本发明实施例的方法、装置(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资源数据更新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资源数据更新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资源数据更新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资源数据更新设备上,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。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储、石墨烯存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
本领域技术人员应明白,本说明书一个或多个实施例可提供为方法、系统或计算机程序产品。因此,本说明书一个或多个实施例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,本说明书一个或多个实施例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。
本说明书一个或多个实施例可以在由计算机执行的计算机可执行指令的一般上下文中描述,例如程序模块。一般地,程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本本说明书一个或多个实施例,在这些分布式计算环境中,由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中,程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本说明书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考即可,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,相关之处参考方法实施例的部分说明即可。在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本说明书的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
以上所述仅为本说明书一个或多个实施例的实施例而已,并不用于限制本说明书一个或多个实施例。对于本领域技术人员来说,本说明书一个或多个实施例可以有各种更改和变化。凡在本说明书的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在权利要求范围之内。
Claims (22)
1.一种业务权限推荐方法,包括:
根据目标用户的身份信息获取所述目标用户的一级关系用户,所述一级关系用户包括与所述目标用户有直接业务关系的用户;
获取所述一级关系用户与待选业务权限之间的第一关联程度信息、所述待选业务权限与拥有所述待选业务权限的用户之间的第二关联程度信息、所述目标用户与所述待选业务权限的所有者之间的第三关联程度信息;
根据所述第一关联程度信息、所述第二关联程度信息、所述第三关联程度信息,综合评估所述目标用户与各个待选业务权限之间的关联程度,根据所述关联程度对所述待选业务权限进行筛选,获得推荐业务权限。
2.如权利要求1所述的方法,所述待选业务权限的获取方法包括:
获取所述一级关系用户所拥有的所有业务权限作为所述待选业务权限。
3.如权利要求1所述的方法,所述一级关系用户与待选业务权限之间的第一关联程度信息的确定方法包括:
根据业务权限使用的记录信息,获取各个一级关系用户使用所述待选业务权限的使用频率;
将各个一级关系用户中使用所述待选业务权限的使用频率最高值、使用频率最低值、使用频率平均值,作为所述待选业务权限与所述一级关系用户之间的第一关联程度信息。
4.如权利要求1所述的方法,所述待选业务权限与拥有所述待选业务权限的用户之间的第二关联程度信息的确定方法包括:
根据业务权限使用的记录信息,获取拥有所述待选业务权限的用户使用所述待选业务权限的使用频率;
将拥有所述待选业务权限的用户中使用所述待选业务权限的使用频率最高值、使用频率最低值、使用频率平均值,作为所述待选业务权限对应的第二关联程度信息。
5.如权利要求1所述的方法,所述目标用户与所述待选业务权限的所有者之间的第三关联程度信息确定方法包括:
根据所述一级关系用户,获取所述一级关系用户的一级关系用户,作为目标用户的二级关系用户;
根据所述待选业务权限的所有者是否属于所述目标用户的一级关系用户或二级关系用户,确定出所述目标用户与所述待选业务权限的所有者之间的第三关联程度信息。
6.如权利要求1所述的方法,所述目标用户与所述待选业务权限的所有者之间的第三关联程度信息确定方法包括:
从所述目标用户的一级关系用户中随机选取指定数量个用户作为参考用户;
确定所述参考用户与所述待选业务权限的所有者的剩余业务权限之间的关联程度信息,作为所述目标用户与所述待选业务权限的所有者之间的第三关联程度信息。
7.如权利要求6所述的方法,所述确定所述参考用户与所述待选业务权限的所有者的剩余业务权限之间的关联程度信息,包括:
根据业务权限使用的记录信息,获取所述参考用户使用所述剩余业务权限的使用频率;
将所述参考用户中使用所述剩余业务权限的使用频率最高值、使用频率最低值、使用频率平均值以及所述参考用户拥有所述剩余业务权限的个数,作为所述参考用户与所述待选业务权限的所有者的剩余业务权限之间的关联程度信息。
8.如权利要求1所述的方法,所述对所述待选业务权限进行筛选,获得推荐业务权限,包括:
根据第一关联程度信息、所述第二关联程度信息、所述第三关联程度信息,对所述待选业务权限进行评分,将分值大于预设阈值的待选业务权限作为所述推荐业务权限。
9.如权利要求1所述的方法,所述第一关联程度信息、第二关联程度信息、第三关联程度信息的确定方法包括:
根据用户关系信息、业务权限所有者信息、业务权限使用的记录信息、多个历史用户的身份信息和所述历史用户的业务权限申请信息,训练构建业务权限推荐模型;
将所述待选业务权限输入所述业务权限推荐模型,利用所述业务权限推荐模型确定所述第一关联程度信息、所述第二关联程度信息、所述第三关联程度信息;
相应地,所述对所述待选业务权限进行筛选,获得推荐业务权限,包括:
利用所述业务权限推荐模型基于所述第一关联程度信息、所述第二关联程度信息、所述第三关联程度信息,输出所述待选业务权限的评分;
根据所述业务权限推荐模型输出的所述待选业务权限的评分值,获得所述推荐业务权限。
10.如权利要求9所述的方法,所述业务权限推荐模型的构建过程包括:
获取多个历史用户的身份信息、业务权限申请信息;
根据所述历史用户的身份信息获取所述历史用户的历史一级关系用户;
获取所述历史一级关系用户对应的业务权限,作为各个历史用户的历史用户待选业务权限;
将所述历史用户待选业务权限与历史一级关系用户之间的关联程度信息、所述历史用户待选业务权限与拥有所述历史用户待选业务权限的用户之间的关联程度信息、所述各个历史用户与所述历史用户待选业务权限的所有者之间的关联程度信息,作为所述业务权限推荐模型的特征参数,各个历史用户对应的业务权限申请信息作为训练标签,进行模型训练,构建出所述业务权限推荐模型。
11.一种业务权限推荐装置,包括:
一级关系用户确定模块,用于根据目标用户的身份信息获取所述目标用户的一级关系用户,所述一级关系用户包括与所述目标用户有直接业务关系的用户;
关联程度确定模块,用于获取所述一级关系用户与待选业务权限之间的第一关联程度信息、所述待选业务权限与拥有所述待选业务权限的用户之间的第二关联程度信息、所述目标用户与所述待选业务权限的所有者之间的第三关联程度信息;
权限推荐模块,用于根据所述第一关联程度信息、所述第二关联程度信息、所述第三关联程度信息,综合评估所述目标用户与各个待选业务权限之间的关联程度,根据所述关联程度对所述待选业务权限进行筛选,获得推荐业务权限。
12.如权利要求11所述的装置,所述装置还包括权限粗筛模块,用于采用下述方法确定所述待选业务权限:
获取所述一级关系用户所拥有的所有业务权限作为所述待选业务权限。
13.如权利要求11所述的装置,所述关联程度确定具体用于:
根据业务权限使用的记录信息,获取各个一级关系用户使用所述待选业务权限的使用频率;
将各个一级关系用户中使用所述待选业务权限的使用频率最高值、使用频率最低值、使用频率平均值,作为所述一级关系用户与所述待选业务权限之间的第一关联程度信息。
14.如权利要求11所述的装置,所述关联程度确定具体用于:
根据业务权限使用的记录信息,获取拥有所述待选业务权限的用户使用所述待选业务权限的使用频率;
将拥有所述待选业务权限的用户中使用所述待选业务权限的使用频率最高值、使用频率最低值、使用频率平均值,作为所述待选业务权限对应的第二关联程度信息。
15.如权利要求11所述的装置,所述关联程度确定具体用于:
根据所述一级关系用户,获取所述一级关系用户的一级关系用户,作为目标用户的二级关系用户;
根据所述待选业务权限的所有者是否属于所述目标用户的一级关系用户或二级关系用户,确定出所述目标用户与所述待选业务权限的所有者之间的第三关联程度信息。
16.如权利要求11所述的装置,所述关联程度确定具体用于:
从所述目标用户的一级关系用户中随机选取指定数量个用户作为参考用户;
确定所述参考用户与所述待选业务权限的所有者的剩余业务权限之间的关联程度信息,作为所述目标用户与所述待选业务权限的所有者之间的第三关联程度信息。
17.如权利要求16所述的装置,所述关联程度确定具体用于:
根据业务权限使用的记录信息,获取所述参考用户使用所述剩余业务权限的使用频率;
将所述参考用户中使用所述剩余业务权限的使用频率最高值、使用频率最低值、使用频率平均值以及所述参考用户拥有所述剩余业务权限的个数,作为所述参考用户与所述待选业务权限的所有者的剩余业务权限之间的第三关联程度信息。
18.如权利要求11所述的装置,所述权限推荐模块具体用于:
根据第一关联程度信息、所述第二关联程度信息、所述第三关联程度信息,对所述待选业务权限进行评分,将分值大于预设阈值的待选业务权限作为所述推荐业务权限。
19.如权利要求11所述的装置,所述关联程度确定模块具体用于:
根据用户关系信息、业务权限所有者信息、业务权限使用的记录信息、多个历史用户的身份信息和所述历史用户的业务权限申请信息,训练构建业务权限推荐模型;
将所述待选业务权限输入所述业务权限推荐模型,利用所述业务权限推荐模型确定所述第一关联程度信息、所述第二关联程度信息、所述第三关联程度信息;
所述权限推荐模块具体用于:
利用所述业务权限推荐模型基于所述第一关联程度信息、所述第二关联程度信息、所述第三关联程度信息,输出所述待选业务权限的评分;
根据所述业务权限推荐模型输出的所述待选业务权限的评分值,获得所述推荐业务权限。
20.如权利要求19所述的装置,所述装置还包括模型构建模块用于采用下述方法构建所述业务权限推荐模型:
获取多个历史用户的身份信息、业务权限申请信息;
根据所述历史用户的身份信息获取所述历史用户的历史一级关系用户;
获取所述历史一级关系用户对应的业务权限,作为各个历史用户的历史用户待选业务权限;
将所述历史用户待选业务权限与历史一级关系用户之间的关联程度信息、所述历史用户待选业务权限与拥有所述历史用户待选业务权限的用户之间的关联程度信息、所述各个历史用户与所述历史用户待选业务权限的所有者之间的关联程度信息,作为所述业务权限推荐模型的特征参数,各个历史用户对应的业务权限申请信息作为训练标签,进行模型训练,构建出所述业务权限推荐模型。
21.一种业务权限推荐数据处理设备,包括:至少一个处理器以及用于存储处理器可执行指令的存储器,所述处理器执行所述指令时实现权利要求1-10任一项所述的方法。
22.一种业务权限申请系统,包括:权限初筛模块、权限细筛模块、推荐权限确定模块、权限申请模块,其中:
所述权限初筛模块用于根据目标用户的身份信息获取所述目标用户的一级关系用户,并获取所述一级关系用户对应的业务权限,作为待选业务权限;
所述权限细筛模块中包括预先构建的业务权限推荐模型,所述权限细筛模块用于利用所述业务权限推荐模型确定所述一级关系用户与所述待选业务权限之间的第一关联程度信息、所述待选业务权限与拥有所述待选业务权限的用户之间的第二关联程度信息、所述目标用户与所述待选业务权限的所有者之间的第三关联程度信息,并利用所述业务权限推荐模型基于所述第一关联程度信息、所述第二关联程度信息、所述第三关联程度信息,输出所述待选业务权限的评分;
所述推荐权限确定模块用于根据所述业务权限推荐模型输出的所述待选业务权限的评分值,获得推荐业务权限;
所述权限申请模块用于在权限管理系统中提交所述推荐业务权限的权限申请。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910962394.1A CN110825929B (zh) | 2019-10-11 | 2019-10-11 | 一种业务权限推荐方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910962394.1A CN110825929B (zh) | 2019-10-11 | 2019-10-11 | 一种业务权限推荐方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110825929A CN110825929A (zh) | 2020-02-21 |
CN110825929B true CN110825929B (zh) | 2022-09-02 |
Family
ID=69549213
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910962394.1A Active CN110825929B (zh) | 2019-10-11 | 2019-10-11 | 一种业务权限推荐方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110825929B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111711529B (zh) * | 2020-06-12 | 2022-03-15 | 腾讯科技(深圳)有限公司 | 群操作处理方法、装置、系统、设备及存储介质 |
CN112612931A (zh) * | 2020-12-14 | 2021-04-06 | 国网辽宁省电力有限公司经济技术研究院 | 一种基于用户与专家耦合关系分析的协同过滤推荐方法 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101247508A (zh) * | 2008-03-07 | 2008-08-20 | 北京握奇数据系统有限公司 | 有条件接收系统中终端实现业务授权的方法 |
CN101374148A (zh) * | 2008-09-18 | 2009-02-25 | 腾讯科技(深圳)有限公司 | 博客好友权限管理方法及系统 |
CN102902916A (zh) * | 2012-09-17 | 2013-01-30 | 攀枝花学院 | 应用程序通用的权限控制方法 |
CN104125203A (zh) * | 2013-04-26 | 2014-10-29 | 腾讯科技(深圳)有限公司 | 权限管理方法和系统 |
EP3041186A1 (en) * | 2014-12-31 | 2016-07-06 | Gemalto Sa | Method and device for associating two credentials relating to a user |
CN105956459A (zh) * | 2016-05-11 | 2016-09-21 | 上海佳依佳信息科技有限公司 | 一种管理用户权限的方法与设备 |
CN106713340A (zh) * | 2017-01-04 | 2017-05-24 | 深圳开维教育信息技术股份有限公司 | 一种多层级的用户权限管理方法 |
CN106899575A (zh) * | 2017-01-17 | 2017-06-27 | 国家电网公司 | 一种电网ims业务下发时的自适应业务推荐引擎 |
CN107426169A (zh) * | 2017-05-24 | 2017-12-01 | 阿里巴巴集团控股有限公司 | 一种基于权限的业务处理方法及装置 |
CN109088858A (zh) * | 2018-07-13 | 2018-12-25 | 南京邮电大学 | 一种基于权限管理的医疗系统及方法 |
US10380614B1 (en) * | 2014-08-12 | 2019-08-13 | Google Llc | User reset voting to identify unwanted settings values in client software |
CN110134860A (zh) * | 2019-04-12 | 2019-08-16 | 阿里巴巴集团控股有限公司 | 用户画像生成方法、装置和设备 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170337391A1 (en) * | 2016-05-19 | 2017-11-23 | Salesforce.Com, Inc. | Enabling session-based permission sets |
US10867070B2 (en) * | 2017-04-11 | 2020-12-15 | Michael Bilotta | Virtual reality information delivery system |
-
2019
- 2019-10-11 CN CN201910962394.1A patent/CN110825929B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101247508A (zh) * | 2008-03-07 | 2008-08-20 | 北京握奇数据系统有限公司 | 有条件接收系统中终端实现业务授权的方法 |
CN101374148A (zh) * | 2008-09-18 | 2009-02-25 | 腾讯科技(深圳)有限公司 | 博客好友权限管理方法及系统 |
CN102902916A (zh) * | 2012-09-17 | 2013-01-30 | 攀枝花学院 | 应用程序通用的权限控制方法 |
CN104125203A (zh) * | 2013-04-26 | 2014-10-29 | 腾讯科技(深圳)有限公司 | 权限管理方法和系统 |
US10380614B1 (en) * | 2014-08-12 | 2019-08-13 | Google Llc | User reset voting to identify unwanted settings values in client software |
EP3041186A1 (en) * | 2014-12-31 | 2016-07-06 | Gemalto Sa | Method and device for associating two credentials relating to a user |
CN105956459A (zh) * | 2016-05-11 | 2016-09-21 | 上海佳依佳信息科技有限公司 | 一种管理用户权限的方法与设备 |
CN106713340A (zh) * | 2017-01-04 | 2017-05-24 | 深圳开维教育信息技术股份有限公司 | 一种多层级的用户权限管理方法 |
CN106899575A (zh) * | 2017-01-17 | 2017-06-27 | 国家电网公司 | 一种电网ims业务下发时的自适应业务推荐引擎 |
CN107426169A (zh) * | 2017-05-24 | 2017-12-01 | 阿里巴巴集团控股有限公司 | 一种基于权限的业务处理方法及装置 |
CN109088858A (zh) * | 2018-07-13 | 2018-12-25 | 南京邮电大学 | 一种基于权限管理的医疗系统及方法 |
CN110134860A (zh) * | 2019-04-12 | 2019-08-16 | 阿里巴巴集团控股有限公司 | 用户画像生成方法、装置和设备 |
Non-Patent Citations (3)
Title |
---|
permission user recommend frequency;Fatih Gedikli等;《RecSys "10: Proceedings of the fourth ACM conference on Recommender systems》;20100926;第233-236页 * |
基于属性的访问控制关键技术研究综述;房梁等;《计算机学报》;20160410;第40卷(第7期);第1680-1698页 * |
访问控制管理模型研究;毛竹林;《中国优秀硕士学位论文全文数据库信息科技辑》;20161115(第11期);第I139-22页 * |
Also Published As
Publication number | Publication date |
---|---|
CN110825929A (zh) | 2020-02-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Kotu et al. | Predictive analytics and data mining: concepts and practice with rapidminer | |
US20210118054A1 (en) | Resource exchange system | |
US10776337B2 (en) | Multi-dimensional knowledge index and application thereof | |
Owolabi et al. | Predicting completion risk in PPP projects using big data analytics | |
Hikmawati et al. | Minimum threshold determination method based on dataset characteristics in association rule mining | |
Ouahilal et al. | A novel hybrid model based on Hodrick–Prescott filter and support vector regression algorithm for optimizing stock market price prediction | |
US10915850B2 (en) | Objective evidence-based worker skill profiling and training activation | |
US20190317842A1 (en) | Feature-Based Application Programming Interface Cognitive Comparative Benchmarking | |
Lenk et al. | Towards a taxonomy of standards in smart data | |
CN102855259A (zh) | 大规模数据聚类分析的并行化 | |
US11640470B1 (en) | System and methods for reducing an organization's cybersecurity risk by determining the function and seniority of employees | |
CN111538794B (zh) | 一种数据融合方法、装置及设备 | |
US20170322732A1 (en) | Computer systems and methods for implementing in-memory data structures | |
Ochoa et al. | A survey on scalability and performance concerns in extended product lines configuration | |
CN110825929B (zh) | 一种业务权限推荐方法及装置 | |
Catak et al. | Fuzzy analytic hierarchy based DBMS selection in Turkish national identity card management project | |
US20220172101A1 (en) | Capturing feature attribution in machine learning pipelines | |
US20220171991A1 (en) | Generating views for bias metrics and feature attribution captured in machine learning pipelines | |
CN108009444A (zh) | 全文搜索的权限控制方法、装置与计算机可读存储介质 | |
CN111177562B (zh) | 一种目标对象的推荐排序处理方法、装置及服务器 | |
CN110263817B (zh) | 一种基于用户账号的风险等级划分方法及装置 | |
CN114417411A (zh) | 一种端云开发系统、模型的处理方法、装置及设备 | |
Collan et al. | New closeness coefficients for fuzzy similarity based fuzzy TOPSIS: an approach combining fuzzy entropy and multidistance | |
Ma et al. | Ordinal optimization-based performance model estimation method for HDFS | |
CN117436112B (zh) | 一种用户权限数据的处理方法和装置 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |