CN111125512A - 业务推荐处理方法、装置及系统 - Google Patents
业务推荐处理方法、装置及系统 Download PDFInfo
- Publication number
- CN111125512A CN111125512A CN201911129995.0A CN201911129995A CN111125512A CN 111125512 A CN111125512 A CN 111125512A CN 201911129995 A CN201911129995 A CN 201911129995A CN 111125512 A CN111125512 A CN 111125512A
- Authority
- CN
- China
- Prior art keywords
- service
- user
- information
- service area
- 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.)
- Granted
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
- G06F16/95—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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
Abstract
本申请公开了一种业务推荐处理方法、装置及系统,涉及数据处理技术领域,可及时准确的为用户提供业务推荐,可提高服务效率以及服务精准度。其中方法包括:客户端向服务端发送业务推荐请求,所述业务推荐请求中携带有当前业务区域内待推荐用户的用户标识,以使得根据所述用户标识,查询与所述待推荐用户对应相似人群针对目标业务区域的历史服务项目的获取记录信息,以便参照所述获取记录信息生成业务推荐信息,其中,所述目标业务区域为与所述当前业务区域相同和/或相似的至少一个业务区域;客户端接收返回的所述业务推荐信息。本申请适用于业务推荐处理。
Description
技术领域
本申请涉及数据处理技术领域,尤其是涉及到一种业务推荐处理方法、装置及系统。
背景技术
随着移动互联网以及大数据等技术的飞速发展,主动性用户服务已经成为了提高业务人员工作效率的必要前提。特别是对于人员流动性强的业务区域,大部分用户更容易接受推荐的相关业务服务,对于工作人员来说,明确用户的业务服务需求,有针对性地为有需要的用户提供合适的业务服务,对于服务质量和服务效率都有着重大意义。
目前,传统的技术中,需要依赖工作人员的工作经验以及工作人员与用户的主动沟通交流,来分析确定众多业务服务中合适的服务项目,从而促成为用户提供相应的业务服务。
然而,对于人员众多的业务区域,通过上述传统方式通常无法及时准确获得合适的业务推荐数据,导致服务效率和精准度都不高,用户无法及时获取到自身需要的业务服务,进而会影响业务服务的成功率。
发明内容
有鉴于此,本申请提供了一种业务推荐处理方法、装置及系统,主要目的在于解决目前传统的技术中通常无法及时准确获得合适的业务推荐数据,会导致服务效率和精准度都较低,以及会影响业务服务成功率的技术问题。
依据本申请的一个方面,提供了一种业务推荐处理方法,可应用于客户端侧,该方法包括:向服务端发送业务推荐请求,所述业务推荐请求中携带有当前业务区域内待推荐用户的用户标识,以使得根据所述用户标识,查询与所述待推荐用户对应相似人群针对目标业务区域的历史服务项目的获取记录信息,以便参照所述获取记录信息生成业务推荐信息,其中,所述目标业务区域为与所述当前业务区域相同和/或相似的至少一个业务区域;接收返回的所述业务推荐信息。
可选的,所述业务推荐信息是通过预设机器学习模型分析得到的,所述方法还包括:记录所述待推荐用户在所述当前业务区域实际获取的服务项目信息;将记录的所述服务项目信息和对应的所述用户标识发送给服务端,以便更新所述预设机器学习模型。
可选的,在所述向服务端发送业务推荐请求之前,所述方法还包括:查询业务区域的列表信息,所述列表信息中的业务区域均已授权上传用户获取服务项目的历史记录数据;从所述列表信息中筛选出历史记录数据符合预设质量条件的所述目标业务区域并发送给所述服务端,以便基于筛选出的所述目标业务区域已上传的历史记录数据,训练得到所述预设机器学习模型。
可选的,所述方法还包括:将所述当前业务区域存在的服务项目信息发送给服务端,以使得参照所述获取记录信息,并结合所述当前业务区域存在的服务项目信息,生成业务推荐信息。
可选的,在所述向服务端发送业务推荐请求之前,所述方法还包括:根据所述用户标识,查询所述待推荐用户是否已授权获取其相对应的用户信息;若确定未授权获取所述用户信息,则输出提示授权信息;所述向服务端发送业务推荐请求,具体包括:若确定已授权获取所述用户信息,则向服务端发送业务推荐请求。
可选的,所述方法还包括:获取所在本地终端的终端位置信息;向所述服务端发送所述终端位置信息和本地登录的业务区域信息,以使得根据所述终端位置信息和所述业务区域信息,确定所述当前业务区域。
可选的,所述向服务端发送业务推荐请求,具体包括:在所述待推荐用户进入所述当前业务区域的预定监控范围内时,获取所述待推荐用户的人脸特征;通过识别所述人脸特征获取所述用户标识,并发送所述业务推荐请求。
可选的,在接收返回的所述业务推荐信息之后,所述方法还包括:输出接收到的所述业务推荐信息。
依据本申请的另一方面,提供了一种业务推荐处理方法,可应用于服务端侧,该方法包括:接收客户端发送的业务推荐请求,所述业务推荐请求中携带有当前业务区域内待推荐用户的用户标识;根据所述用户标识,查询与所述待推荐用户对应相似人群针对目标业务区域的历史服务项目的获取记录信息;参照所述获取记录信息,生成业务推荐信息并返回给所述客户端,其中,所述目标业务区域为与所述当前业务区域相同和/或相似的至少一个业务区域。
可选的,在所述接收客户端发送的业务推荐请求之前,所述方法还包括:接收不同业务区域中各个用户获取服务项目的历史记录数据;利用所述历史记录数据,训练得到预设机器学习模型;所述参照所述获取记录信息,生成业务推荐信息,具体包括:通过所述预设机器学习模型根据所述获取记录信息,分析得到所述业务推荐信息。
可选的,所述利用所述历史记录数据,训练得到预设机器学习模型,具体包括:筛选出历史记录数据符合预设质量条件的所述目标业务区域;基于筛选出的所述目标业务区域的历史记录数据,训练得到所述预设机器学习模型。
可选的,所述基于筛选出的所述目标业务区域的历史记录数据,训练得到所述预设机器学习模型,具体包括:从所述目标业务区域的历史记录数据中,获取存在服务项目历史获取记录的各个目标用户的标识;根据所述各个目标用户的标识,划分不同人群的群体标签;建立训练集,所述训练集中包含不同的群体标签,以及不同的群体标签分别对应集中获取的服务项目信息;利用所述训练集,训练得到所述预设机器学习模型。
可选的,所述根据所述各个目标用户的标识,划分不同人群的群体标签,具体包括:根据所述各个目标用户的标识,查询所述各个目标用户的用户特征;按照所述用户特征,配置所述目标用户各自对应的用户标签;基于所述用户标签进行聚群分类,得到不同人群的群体标签。
可选的,根据所述用户标识,确定与所述待推荐用户对应相似人群的群体标签,具体包括:根据所述待推荐用户的用户标识,查询所述待推荐用户的用户特征;按照所述待推荐用户的用户特征,获取所述待推荐用户对应的用户标签;将所述待推荐用户对应的用户标签分别与所述不同人群的群体标签进行匹配,获取匹配度最高的目标群体标签,作为与所述待推荐用户对应相似人群的群体标签。
可选的,所述通过所述预设机器学习模型根据所述获取记录信息,分析得到所述业务推荐信息,具体包括:将所述目标群体标签输入到所述预设机器学习模型进行计算,输出与所述目标群体标签对应集中获取的服务项目信息;根据输出的所述集中获取的服务项目信息,生成所述业务推荐信息。
可选的,所述根据输出的所述集中获取的服务项目信息,生成所述业务推荐信息,具体包括:接收所述客户端发送的所述当前业务区域存在的服务项目信息;根据所述当前业务区域存在的服务项目信息,和与输出的所述集中获取的服务项目信息,获取所述当前业务区域存在的、且与所述待推荐用户对应相似人群集中获取的服务项目,作为推荐项目;按照所述相似人群中获取所述推荐项目的用户的用户数量和用户特征,配置所述推荐项目对应的推荐程度和推荐理由信息。
依据本申请的又一方面,提供了一种业务推荐处理装置,可应用于客户端侧,该装置包括:发送模块,用于向服务端发送业务推荐请求,所述业务推荐请求中携带有当前业务区域内待推荐用户的用户标识,以使得根据所述用户标识,查询与所述待推荐用户对应相似人群针对目标业务区域的历史服务项目的获取记录信息,以便参照所述获取记录信息生成业务推荐信息,其中,所述目标业务区域为与所述当前业务区域相同和/或相似的至少一个业务区域;接收模块,用于接收返回的所述业务推荐信息。
可选的,所述业务推荐信息是通过预设机器学习模型分析得到的;所述发送模块,还用于记录所述待推荐用户在所述当前业务区域实际获取的服务项目信息;将记录的所述服务项目信息和对应的所述用户标识发送给服务端,以便更新所述预设机器学习模型。
可选的,所述装置还包括:查询模块;所述查询模块,用于查询业务区域的列表信息,所述列表信息中的业务区域均已授权上传用户获取服务项目的历史记录数据;所述发送模块,还用于从所述列表信息中筛选出历史记录数据符合预设质量条件的所述目标业务区域并发送给所述服务端,以便基于筛选出的所述目标业务区域已上传的历史记录数据,训练得到所述预设机器学习模型。
可选的,所述发送模块,还用于将所述当前业务区域存在的服务项目信息发送给服务端,以使得参照所述获取记录信息,并结合所述当前业务区域存在的服务项目信息,生成业务推荐信息。
可选的,所述装置还包括:查询模块和输出模块;所述查询模块,用于根据所述用户标识,查询所述待推荐用户是否已授权获取其相对应的用户信息;所述输出模块,用于若确定未授权获取所述用户信息,则输出提示授权信息;所述发送模块,具体用于若确定已授权获取所述用户信息,则向服务端发送业务推荐请求。
可选的,所述发送模块,还用于获取所在本地终端的终端位置信息;向所述服务端发送所述终端位置信息和本地登录的业务区域信息,以使得所述服务端根据所述终端位置信息和所述业务区域信息,确定所述当前业务区域。
可选的,所述发送模块,具体用于在所述待推荐用户进入所述当前业务区域的预定监控范围内时,获取所述待推荐用户的人脸特征;通过识别所述人脸特征获取所述用户标识,并发送所述业务推荐请求。
可选的,所述装置还包括:输出模块,输出接收到的所述业务推荐信息。
依据本申请的再一方面,提供了一种业务推荐处理装置,可应用于服务端侧,该装置包括:接收模块,用于接收客户端发送的业务推荐请求,所述业务推荐请求中携带有当前业务区域内待推荐用户的用户标识;查询模块,用于根据所述用户标识,查询与所述待推荐用户对应相似人群针对目标业务区域的历史服务项目的获取记录信息;生成模块,用于参照所述获取记录信息,生成业务推荐信息;发送模块,用于将所述业务推荐信息返回给所述客户端,其中,所述目标业务区域为与所述当前业务区域相同和/或相似的至少一个业务区域。
可选的,所述装置还包括:训练模块;所述接收模块,还用于接收不同业务区域中各个用户获取服务项目的历史记录数据;所述训练模块,用于利用所述历史记录数据,训练得到预设机器学习模型;所述生成模块,具体用于通过所述预设机器学习模型根据所述获取记录信息,分析得到所述业务推荐信息。
可选的,所述训练模块,具体用于筛选出历史记录数据符合预设质量条件的所述目标业务区域;基于筛选出的所述目标业务区域的历史记录数据,训练得到所述预设机器学习模型。
可选的,所述训练模块,具体还用于从所述目标业务区域的历史记录数据中,获取存在服务项目历史获取记录的各个目标用户的标识;根据所述各个目标用户的标识,划分不同人群的群体标签;建立训练集,所述训练集中包含不同的群体标签,以及不同的群体标签分别对应集中获取的服务项目信息;利用所述训练集,训练得到所述预设机器学习模型。
可选的,所述训练模块,具体还用于根据所述各个目标用户的标识,查询所述各个目标用户的用户特征;按照所述用户特征,配置所述目标用户各自对应的用户标签;基于所述用户标签进行聚群分类,得到不同人群的群体标签。
可选的,所述查询模块,具体用于根据所述待推荐用户的用户标识,查询所述待推荐用户的用户特征;按照所述待推荐用户的用户特征,获取所述待推荐用户对应的用户标签;将所述待推荐用户对应的用户标签分别与所述不同人群的群体标签进行匹配,获取匹配度最高的目标群体标签,作为与所述待推荐用户对应相似人群的群体标签。
可选的,所述生成模块,具体还用于将所述目标群体标签输入到所述预设机器学习模型进行计算,输出与所述目标群体标签对应集中获取的服务项目信息;根据输出的所述集中获取的服务项目信息,生成所述业务推荐信息。
可选的,所述生成模块,具体还用于接收所述客户端发送的所述当前业务区域存在的服务项目信息;根据所述当前业务区域存在的服务项目信息,和与输出的所述集中获取的服务项目信息,获取所述当前业务区域存在的、且与所述待推荐用户对应相似人群集中获取的服务项目,作为推荐项目;按照所述相似人群中获取所述推荐项目的用户的用户数量和用户特征,配置所述推荐项目对应的推荐程度和推荐理由信息。
依据本申请再一个方面,提供了一种存储介质,其上存储有计算机程序,所述程序被处理器执行时实现上述可应用于客户端侧的业务推荐处理方法。
依据本申请再一个方面,提供了一种客户端设备,包括存储介质、处理器及存储在存储介质上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现上述可应用于客户端侧的业务推荐处理方法。
依据本申请再一个方面,提供了一种存储介质,其上存储有计算机程序,所述程序被处理器执行时实现上述可应用于服务端侧的业务推荐处理方法。
依据本申请再一个方面,提供了一种服务器设备,包括存储介质、处理器及存储在存储介质上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现上述可应用于服务端侧的业务推荐处理方法。
依据本申请再一个方面,提供了一种业务推荐处理系统,包括:上述客户端设备和上述服务器设备。
借由上述技术方案,本申请提供的一种业务推荐处理方法、装置及系统,与目前传统方式相比,本申请在需要向当前业务区域内的用户推荐业务时,可通过客户端向服务端发送携带该用户标识的业务推荐请求,由服务端后台查询该用户对应相似人群针对目标业务区域的历史服务项目的获取记录信息,由于该目标业务区域为与当前业务区域相同和/或相似的至少一个业务区域,所以通过查询到的该获取记录信息,能够找到很好反应出与该用户对应相似人群针对当前业务区域比较倾向的业务服务项目,进而生成相应的业务推荐信息返回给客户端。操作简单,可及时准确的获取合适的业务推荐数据,进而及时准确的为用户提供业务推荐,可提高服务效率以及服务精准度,做到更具有针对性的服务项目推荐,可提升该用户获取自身需要业务服务的几率,从而可提高业务服务的成功率。
上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,而可依照说明书的内容予以实施,并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂,以下特举本申请的具体实施方式。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1示出了本申请实施例提供的一种业务推荐处理方法的流程示意图;
图2示出了本申请实施例提供的另一种业务推荐处理方法的流程示意图;
图3示出了本申请实施例提供的又一种业务推荐处理方法的流程示意图;
图4示出了本申请实施例提供的再一种业务推荐处理方法的流程示意图;
图5示出了本申请实施例提供的一种应用场景的流程示意图;
图6示出了本申请实施例提供的一种业务推荐处理装置的结构示意图;
图7示出了本申请实施例提供的另一种业务推荐处理装置的结构示意图;
图8示出了本申请实施例提供的一种业务推荐处理系统的结构示意图。
具体实施方式
下文中将参考附图并结合实施例来详细说明本申请。需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。
针对目前传统的技术中通常无法及时准确获得合适的业务推荐数据,会导致服务效率和精准度都较低,以及会影响业务服务成功率的技术问题。本实施例提供了一种业务推荐处理方法,如图1所示,可应用于客户端侧,该方法包括:
101、客户端向服务端发送业务推荐请求。
业务推荐请求中携带有当前业务区域内待推荐用户的用户标识。进一步的,以使得服务端根据该用户标识,查询与待推荐用户对应相似人群针对目标业务区域的历史服务项目的获取记录信息,以便参照该获取记录信息生成业务推荐信息。
其中,目标业务区域为与当前业务区域相同和/或相似的至少一个业务区域。在本实施例中,业务区域可为提供业务服务的场所或者特定区域等。当前业务区域可为待推荐用户所在的业务区域,需要为该用户推荐该业务区域的业务服务,以满足用户的业务服务需求。与当前业务区域相似的业务区域可为同一业务连锁的业务区域,或者包含相同业务服务项目的业务区域等,这些相似的业务区域可位于同一区域或者不同区域。
待推荐用户的用户标识具体可为用户手机号、身份证号等,用于唯一标识待推荐用户。例如,可由待推荐用户或者当前业务区域的工作人员输入用户的手机号或者身份证号等,用于向服务端后台查询针对该当前业务区域为该待推荐用户提供的业务推荐数据。
服务端生成的业务推荐信息中可包含推荐的服务项目,具体可为某个业务服务或者业务服务组合等。例如,通过服务端后台查询的结果,确定与待推荐用户对应相似人群,针对当前业务区域或者其他相似的业务区域,普遍比较倾向获取这些业务区域提供的业务服务A或业务服务A+B,那么可针对该业务服务A或业务服务A+B,生成相应的业务推荐信息反馈给客户端。
对于本实施例的执行主体可为业务推荐处理的客户端装置或设备。例如,服务场地的工作人员可事先在客户端登录该服务场地信息,然后根据待推荐用户的用户标识触发发送业务推荐请求,这样服务端后台就可以根据该用户标识和登录的服务场地信息实现上述生成业务推荐信息的过程。
除了上述方式以外,作为一种可选方式,待推荐用户也可主动了解某服务场地的业务推荐数据,从而及时快速的获取自身需要的业务服务,以便提高服务效率。例如,待推荐用户事先在客户端登录用户信息,然后根据需要查询的服务场地的标识触发发送业务推荐请求,该业务推荐请求中同样需要携带该待推荐用户的用户标识,进而实现上述服务端后台生成业务推荐信息的过程。
102、接收返回的业务推荐信息。
本实施例提供的可应用于客户端侧的业务推荐处理方法,与目前现有技术相比,操作简单,可及时准确的获取合适的业务推荐数据,进而及时准确的为用户提供业务推荐,可提高服务效率以及服务精准度,做到更具有针对性的服务项目推荐,可提升该用户获取自身需要业务服务的几率,从而可提高业务服务的成功率。
进一步的,作为上述实施例具体实施方式的细化和扩展,提供了另一种可应用于客户端侧的业务推荐处理方法,如图2所示,该方法包括:
201、查询业务区域的列表信息。
其中,列表信息中的业务区域均已授权上传用户获取服务项目的历史记录数据。该历史记录数据中具体可包含获取服务项目的时间、对应的业务区域信息(如场所名称、ID号、位置等)、获取该服务项目的用户信息(如用户手机号、身份证号、场所会员卡号等)、该服务项目的信息(项目分类、服务名称、服务内容、获取该服务要求的权限要求等)等。
在本实施例中,业务区域可订制各自对应的用于分析业务推荐数据的预设机器学习模型,后台服务端通过业务区域对应的预设机器学习模型,为该业务区域及时准确的提供业务推荐数据。为了获取此项功能,业务区域对应的客户端可提前进行注册认证,例如,客户端侧需要提前签署协议,并经服务端后台审核通过后才能开通此项功能。
对于本实施例,业务区域侧为了得到分析更加精准的预设机器学习模型,可通过服务端后台查询已上传上述历史记录数据的业务区域列表,根据该列表,筛选出合适的历史记录数据训练得到自身对应的预设机器学习模型,具体可执行步骤202所示的过程。
202、从列表信息中筛选出历史记录数据符合预设质量条件的目标业务区域并发送给服务端,以便基于筛选出的目标业务区域已上传的历史记录数据,训练得到预设机器学习模型。
其中,目标业务区域为与当前业务区域(即当前需要创建预设机器学习模型的业务区域)相同和/或相似的至少一个业务区域。预设质量条件可为上传的历史记录数据条数大于一定阈值,且每条记录数据完整率也大于一定阈值等。
例如,可由系统根据预设的质量条件,选择与当前业务区域相同和/或相似的业务区域,并利用这些业务区域已上传的历史记录数据,训练得到该当前业务区域对应的预设机器学习模型,后续该当前业务区域的业务推荐数据可通过这个预设机器学习模型分析得到。利用这种方式,主要参照与自身业务区域相同和/或相似的业务区域上传的历史记录数据,使得训练得到的预设机器学习模型更具有针对性,能够精准分析得到更适合自身业务区域业务场景的业务推荐数据。
再例如,还可由当前业务区域的工作人员在线从列表信息中,筛选出历史记录数据符合预设质量条件的目标业务区域发送给服务端,进而训练得到对应的预设机器学习模型。通过这种人工选择的方式,能够更加结合自身业务区域的实际业务情况,选择更加合适的训练集数据,得到更加贴合自身业务区域业务场景的预设机器学习模型。
在上述创建得到针对当前业务区域合适的预设机器学习模型之后,下面执行具体的业务推荐分析过程,如步骤203至205所示。
203、在待推荐用户进入当前业务区域的预定监控范围内时,获取待推荐用户的人脸特征。
其中,预定监控范围可根据当前业务区域的实际业务布局情况进行确定,进入该预定监控范围内的用户,即可被认为是具有业务需求的用户,可视为是待推荐用户。然后可通过预置的摄像头及时获取该用户的人脸特征。
204、通过识别人脸特征获取待推荐用户的用户标识,并向服务端发送业务推荐请求。
进一步的,以使得服务端通过预设机器学习模型分析得到对应的业务推荐信息。在本实施例中,可通过人脸识别的方式,快速确定待推荐用户的用户标识,减少人工输入的时间,进而可提高获取业务推荐数据的效率,从而提高了服务的效率。
为了进一步提高该预设机器学习模型分析的精准度,可选的,可将当前业务区域每次用户最终的服务获取结果上传至服务端,以便继续训练该预设机器学习模型,从而得到计算结果更加准确的模型。相应的,本实施例方法还可包括:记录待推荐用户在当前业务区域实际获取的服务项目信息(如该用户最终获取了哪个服务项目的业务服务,最终获取的方式等);然后将记录的该用户最终获取的服务项目信息和对应的用户标识发送给服务端,以便更新预设机器学习模型。
例如,服务端根据该用户标识获取对应相似人群的群体标签,并根据该用户最终获取的服务项目信息,更新该群体标签对应集中获取的服务项目信息,进而实现更新训练集。最后利用新的训练集继续训练该预设机器学习模型,得到更新后的预设机器学习模型。
在本实施例中,服务端侧主要是根据与待推荐用户对应相似人群,针对目标业务区域的历史服务项目的获取记录信息,进而生成业务推荐数据。由于判定待推荐用户对应的相似人群,需要获取该用户的用户信息,因此为了保证用户信息的隐私安全,可选的,在向服务端发送业务推荐请求之前,本实施例方法还可包括:根据待推荐用户的用户标识,查询待推荐用户是否已授权获取其相对应的用户信息;若确定未授权获取用户信息,则输出提示授权信息;相应的,上述向服务端发送业务推荐请求,具体可包括:若确定已授权获取该用户信息,则向服务端发送业务推荐请求。
例如,如果判定待推荐用户未授权获取其用户信息,当前业务区域的客户端可输出提示用户进行扫码授权,以便待推荐用户通过自己的客户端进行扫码,进而实现扫码授权的操作。
进一步的,为了帮助服务端更好识别待推荐用户所在的当前业务区域,可选的,本实施例方法还可包括:获取当前业务区域客户端所在本地终端的终端位置信息;然后向服务端发送该终端位置信息和客户端本地登录的业务区域信息,以使得服务端根据该终端位置信息和业务区域信息,确定当前业务区域。例如,业务区域信息中可包含当前业务区域的地址信息,将该终端位置信息与该地址信息进行匹配,如果匹配,说明客户端登录的业务区域即为待推荐用户所在的当前业务区域;如果不匹配,则说明存在异常,后台记录异常并且为了提高安全性,服务端可停止生成相应推荐数据的操作,并向客户端返回异常响应。
由于服务端生成的业务推荐信息也需要和当前业务区域存在的服务项目相关,因此进一步的,为了使得生成的业务推荐信息更加贴合当前业务区域的业务场景,可选的,本实施例方法还可包括:将当前业务区域存在的服务项目信息发送给服务端,以使得服务端参照与待推荐用户对应相似人群针对目标业务区域的历史服务项目的获取记录信息,并结合当前业务区域存在的服务项目信息,生成业务推荐信息。例如,客户端将当前业务区域存在的服务项目信息发送给服务端,其中包含了该业务区域当前可提供用户的业务服务项目,进而可保证得到的业务推荐数据中的推荐项目,在当前业务区域中真实存在,使得业务推荐数据更加有效。
205、接收返回的业务推荐信息。
为了帮助当前业务区域的工作人员及时了解待推荐用户的业务推荐信息,在步骤205之后,还包括:输出接收到的业务推荐信息。具体可包含文字、图片、音频、视频等形式输出。
对于本实施例提供的方法,与目前现有技术相比,操作简单,可及时准确的获取合适的业务推荐数据,进而及时准确的为用户提供业务推荐,可提高服务效率以及服务精准度,做到更具有针对性的服务项目推荐,可提升该用户获取自身需要业务服务的几率,从而可提高业务服务的成功率。
上述实施例内容为在客户端侧描述的业务推荐处理过程,进一步的,为了完整说明本实施例的实施方式,本实施例还提供了另一种业务推荐处理方法,可应用于服务端侧,如图3所示,该方法包括:
301、服务端接收客户端发送的业务推荐请求。
其中,业务推荐请求中携带有当前业务区域内待推荐用户的用户标识。在本实施例中,服务端可同时对接多个不同客户端,即对接各个业务区域的业务推荐功能。
302、根据请求中携带的用户标识,查询与待推荐用户对应相似人群针对目标业务区域的历史服务项目的获取记录信息。
其中,目标业务区域为与当前业务区域相同和/或相似的至少一个业务区域。
303、参照查询到的获取记录信息,生成业务推荐信息并返回给客户端。
通过上述可应用于服务端侧的业务推荐处理方法,与目前现有技术相比,操作简单,可及时准确的获取合适的业务推荐数据,进而及时准确的为用户提供业务推荐,可提高服务效率以及服务精准度,做到更具有针对性的服务项目推荐,可提升该用户获取自身需要业务服务的几率,从而可提高业务服务的成功率。
进一步的,作为上述实施例具体实施方式的细化和扩展,为了完整说明本实施例的具体实施过程,本实施例提供了另一种可应用于服务端侧的业务推荐处理方法,如图4所示,该方法包括:
401、服务端接收不同业务区域中各个用户获取服务项目的历史记录数据。
在本实施例中,各个业务区域的客户端可按照特定的格式规范,上传业务区域内不同用户获取服务项目的历史记录数据。服务端后台可接收这些历史记录数据,并且对这些数据进行无效数据过滤(如去除无用数据、异常数据、过期数据等),记录有效的历史记录数据。
402、利用接收到的历史记录数据,训练得到预设机器学习模型。
具体的,基于接收到的历史记录数据,可利用卷积神经网络、决策树、随机森林等算法,训练得到预设机器学习模型,后续可通过该模型计算出适合不同业务区域中不同待推荐用户的业务推荐数据。保证业务推荐数据及时传递,提高服务效率和精准度。
为了得到分析更加精准的预设机器学习模型,可选的,步骤402具体可包括:筛选出历史记录数据符合预设质量条件的目标业务区域;然后基于筛选出的目标业务区域的历史记录数据,训练得到预设机器学习模型。
其中,目标业务区域为与当前业务区域(即当前需要创建预设机器学习模型的业务区域)相同和/或相似的至少一个业务区域。预设质量条件可为上传的历史记录数据条数大于一定阈值,且每条记录数据完整率也大于一定阈值,数据在预定时间段内等。
通过上述可选方式,使得每个业务区域,可参照与自身业务区域相同和/或相似的业务区域上传的历史记录数据,进行训练各自对应的预设机器学习模型。进而使得训练得到的预设机器学习模型更具有针对性,能够精准分析得到更适合自身业务区域业务场景的业务推荐数据。
进一步的,为了说明上述模型的具体训练过程,可选的,上述基于筛选出的目标业务区域的历史记录数据,训练得到预设机器学习模型,具体可包括:首先从目标业务区域的历史记录数据中,获取存在服务项目历史获取记录的各个目标用户的标识;然后根据各个目标用户的标识,划分不同人群的群体标签;建立训练集,该训练集中包含不同的群体标签,以及不同的群体标签分别对应集中获取的服务项目信息;最后利用建立的训练集,训练得到预设机器学习模型。
群体标签可代表人群的主要特征标签内容,如95后、白领、IT男、月薪5000等标签。在本实施例中,训练模型的训练集保存有不同的群体标签,以及不同的群体标签分别对应集中获取的服务项目信息,即二者之间的映射关系。通过该训练集训练得到的模型,可准确分析适合当前业务区域的不同待推荐用户的业务推荐数据,即针对该用户所属人群相对集中获取的业务服务项目有哪些,进而实现精确推荐。
进一步可选的,上述根据各个目标用户的标识,划分不同人群的群体标签,具体包括:根据各个目标用户的标识,查询各个目标用户的用户特征;按照这些用户特征,配置目标用户各自对应的用户标签;最后基于用户标签进行聚群分类,得到不同人群的群体标签。
例如,用户特征中可包含用户的年龄、性别、所在地、职业、收入、月消费能力等。然后根据这些用户特征配置对应的用户标签,最后根据标签权重做聚群分类,得到各个人群的群体标签。通过这种可选方式可准确获取不同人群的群体标签,帮助更好区别不同人群的群体特征。
403、服务端接收客户端发送的业务推荐请求。
其中,业务推荐请求中携带有当前业务区域内待推荐用户的用户标识。
404、根据请求中携带的用户标识,查询与待推荐用户对应相似人群针对目标业务区域的历史服务项目的获取记录信息。
例如,根据请求中携带的用户标识,确定与待推荐用户对应相似人群的群体标签,然后利用该群体标签,查询与待推荐用户对应相似人群针对目标业务区域的历史服务项目的获取记录信息。
基于上述步骤402中的可选方式内容,相应的,根据待推荐用户的用户标识,确定与待推荐用户对应相似人群的群体标签,具体可包括:首先根据待推荐用户的用户标识,查询待推荐用户的用户特征;然后按照待推荐用户的用户特征,获取待推荐用户对应的用户标签;最后将待推荐用户对应的用户标签分别与所述不同人群的群体标签进行匹配,获取匹配度最高的目标群体标签,作为与待推荐用户对应相似人群的群体标签。通过这种方式可准确获取待推荐用户对应相似人群的群体标签,以便后续准确分析出对应的业务推荐数据。
405、通过预设机器学习模型根据查询到的获取记录信息,分析得到业务推荐信息。
基于上述步骤404中的可选方式,步骤405具体可包括:将匹配度最高的目标群体标签输入到上述步骤402中创建的预设机器学习模型进行计算,输出与目标群体标签对应集中获取的服务项目信息;然后根据输出的集中获取的服务项目信息,生成业务推荐信息。
例如,将目标群体标签输入到预设机器学习模型进行匹配计算,获取该待推荐用户对应相似人群相对集中获取的服务项目信息,以便基于该服务项目信息生成对应的业务推荐信息。
进一步可选的,根据输出的集中获取的服务项目信息,生成业务推荐信息,具体可包括:服务端接收客户端发送的当前业务区域存在的服务项目信息;然后根据当前业务区域存在的服务项目信息,和与模型输出的集中获取的服务项目信息,获取当前业务区域存在的、且与待推荐用户对应相似人群集中获取的服务项目,作为推荐项目;并且可按照该相似人群中获取这些推荐项目的用户的用户数量和用户特征,配置推荐项目对应的推荐程度(如强烈推荐、中度推荐等)和推荐理由信息。通过这种方式,可使得业务推荐数据更加全面,更具有说服力,可进一步帮助提高服务成功率。
例如,模型输出了与待推荐用户对应相似人群集中获取的服务项目为服务项目A、B、C,而当前业务区域中存在服务项目A和B,所以针对服务项目A和B生成对应的推荐项目。并且该人群中获取服务项目A和B的用户为2000人,占到该人群总量的百分之90,所以推荐程度可设置为强烈推荐。以及这2000人中基本都是女性白领,所以针对该群体可配置对应的推荐理由,如适合该女性白领的业务服务需求等。
406、将生成的业务推荐信息返回给客户端。
为了说明上述实施例的具体实施过程,给出如下应用场景,但不限于此:
在商场导购的场景中,为了向门店对应的商家管理设备提供到店用户的线下项目推荐及话术引导,以提升服务效率和精准度,进而提升门店经营能力。商家管理设备可提前注册智能导购推荐的功能,例如,商家管理设备通过签署协议向服务端开通智能导购功能,后续该商家管理设备可上传线下用户数据(如服务体验日期、服务门店的名称或ID、体验服务用户的手机号、体验的服务项目一级分类、二级分类、服务名称、服务支付信息、体验服务用户的类型等)到服务端。
商家管理设备可向服务端查询签约门店列表,该门店列表中可包含与该商家管理设备对应服务门店相同和/或相似的服务门店,并且这些门店都已签约,即上传了自己门店的线下用户数据。然后商家管理设备可选择该门店列表中的目标门店,查询该门店导入的线下用户数据,进而从门店列表中找到线下用户数据生效条数大于或等于2000条的服务门店,然后针对这些门店上传的线下用户数据创建机器学习模型。
例如,如图5所示,在用户进店时,可通过商家管理设备的导购应用输入到店用户的手机号,然后根据该手机号,判断是否为会员(即该用户是否授权获取其对应的用户数据),如果不是会员,可提示用户扫码授权,填写授权信息,在授权成功后可得到该用户数据的获取权限,并且为了提高用户的积极性,还可推送服务活动领取,或者相关服务项目的推荐等;如果是会员,则向服务端后台发送业务推荐请求,通过模型预测得到预测结果,进而实现线下场景推荐(如可进行项目推荐,具体可包括预计服务支付信息、推荐项目、推荐程度和推荐理由),帮助提供到店用户的线下项目推荐及话术引导,进而提高服务效率和精准度,提升服务成功率,从而提升到店用户的转化效率。并且根据用户的实际推荐效果,优化服务端后台的机器学习模型。
通过上述方式可实现线上线下数据融合。结合商户导入的线下数据,以及线上用户标签,针对门店进行个性化数据建模。独立软件开发商(I ndependent SoftwareVendors,ISV)和平台通过接口实现数据闭环。ISV通过接口向平台同步数据、平台根据上传的数据输出算法模型及推荐数据,商户实际线下交易数据通过接口回流至平台辅助平台算法模型优化。并且数据模型搭建可实现行业化。根据行业不同特性,如美发、美容、美甲,不同行业搭建和调整不同的算法模型,从而得到更加适用于行业标准的业务推荐数据。
进一步的,作为图1和图2所示方法的具体实现,本实施例提供了一种可应用于客户端侧的业务推荐处理装置,如图6所示,该装置包括:发送模块51、接收模块52。
发送模块51,可用于向服务端发送业务推荐请求,所述业务推荐请求中携带有当前业务区域内待推荐用户的用户标识,以使得所述服务端根据所述用户标识,查询与所述待推荐用户对应相似人群针对目标业务区域的历史服务项目的获取记录信息,以便参照所述获取记录信息生成业务推荐信息,其中,所述目标业务区域为与所述当前业务区域相同和/或相似的至少一个业务区域;
接收模块52,可用于接收返回的所述业务推荐信息。
在具体的应用场景中,可选的,所述业务推荐信息是通过预设机器学习模型分析得到的;所述发送模块,还用于记录所述待推荐用户在所述当前业务区域实际获取的服务项目信息;将记录的所述服务项目信息和对应的所述用户标识发送给服务端,以便更新所述预设机器学习模型。
在具体的应用场景中,本装置还包括:查询模块;
所述查询模块,用于查询业务区域的列表信息,所述列表信息中的业务区域均已授权上传用户获取服务项目的历史记录数据;
所述发送模块51,还可用于从所述列表信息中筛选出历史记录数据符合预设质量条件的所述目标业务区域并发送给所述服务端,以便基于筛选出的所述目标业务区域已上传的历史记录数据,训练得到所述预设机器学习模型。
在具体的应用场景中,所述发送模块51,还可用于将所述当前业务区域存在的服务项目信息发送给服务端,以使得所述服务端参照所述获取记录信息,并结合所述当前业务区域存在的服务项目信息,生成业务推荐信息。
在具体的应用场景中,本装置还可包括:输出模块;
查询模块,还可用于根据所述用户标识,查询所述待推荐用户是否已授权获取其相对应的用户信息;
所述输出模块,可用于若确定未授权获取所述用户信息,则输出提示授权信息;
所述发送模块51,具体可用于若确定已授权获取所述用户信息,则向服务端发送业务推荐请求。
在具体的应用场景中,所述发送模块51,还可用于获取所在本地终端的终端位置信息;向所述服务端发送所述终端位置信息和本地登录的业务区域信息,以使得所述服务端根据所述终端位置信息和所述业务区域信息,确定所述当前业务区域。
在具体的应用场景中,所述发送模块51,具体可用于在所述待推荐用户进入所述当前业务区域的预定监控范围内时,获取所述待推荐用户的人脸特征;通过识别所述人脸特征获取所述用户标识,并发送所述业务推荐请求。
在具体的应用场景中,输出模块,还可用于输出接收到的所述业务推荐信息。
需要说明的是,本实施例提供的一种可应用于用户客户端侧的业务推荐处理装置所涉及各功能单元的其它相应描述,可以参考图1和图2中的对应描述,在此不再赘述。
进一步的,作为图3和图4所示方法的具体实现,本申请实施例提供了一种可应用于服务端侧的业务推荐处理装置,如图7所示,该装置包括:接收模块61、查询模块62、生成模块63、发送模块64。
接收模块61,可用于接收客户端发送的业务推荐请求,所述业务推荐请求中携带有当前业务区域内待推荐用户的用户标识;
查询模块62,可用于根据所述用户标识,查询与所述待推荐用户对应相似人群针对目标业务区域的历史服务项目的获取记录信息;
生成模块63,可用于参照所述获取记录信息,生成业务推荐信息;
发送模块64,可用于将所述业务推荐信息返回给所述客户端,其中,所述目标业务区域为与所述当前业务区域相同和/或相似的至少一个业务区域。
在具体的应用场景中,本装置还包括:训练模块;
所述接收模块61,还可用于接收不同业务区域中各个用户获取服务项目的历史记录数据;
所述训练模块,用于利用所述历史记录数据,训练得到预设机器学习模型;
所述生成模块63,具体用于通过所述预设机器学习模型根据所述获取记录信息,分析得到所述业务推荐信息。
在具体的应用场景中,所述训练模块,具体用于筛选出历史记录数据符合预设质量条件的所述目标业务区域;基于筛选出的所述目标业务区域的历史记录数据,训练得到所述预设机器学习模型。
在具体的应用场景中,所述训练模块,具体还用于从所述目标业务区域的历史记录数据中,获取存在服务项目历史获取记录的各个目标用户的标识;根据所述各个目标用户的标识,划分不同人群的群体标签;建立训练集,所述训练集中包含不同的群体标签,以及不同的群体标签分别对应集中获取的服务项目信息;利用所述训练集,训练得到所述预设机器学习模型。
在具体的应用场景中,所述训练模块,具体还用于根据所述各个目标用户的标识,查询所述各个目标用户的用户特征;按照所述用户特征,配置所述目标用户各自对应的用户标签;基于所述用户标签进行聚群分类,得到不同人群的群体标签。
在具体的应用场景中,所述查询模块62,具体用于根据所述待推荐用户的用户标识,查询所述待推荐用户的用户特征;按照所述待推荐用户的用户特征,获取所述待推荐用户对应的用户标签;将所述待推荐用户对应的用户标签分别与所述不同人群的群体标签进行匹配,获取匹配度最高的目标群体标签,作为与所述待推荐用户对应相似人群的群体标签。
在具体的应用场景中,所述生成模块63,具体还用于将所述目标群体标签输入到所述预设机器学习模型进行计算,输出与所述目标群体标签对应集中获取的服务项目信息;根据输出的所述集中获取的服务项目信息,生成所述业务推荐信息。
在具体的应用场景中,所述生成模块63,具体还用于接收所述客户端发送的所述当前业务区域存在的服务项目信息;根据所述当前业务区域存在的服务项目信息,和与输出的所述集中获取的服务项目信息,获取所述当前业务区域存在的、且与所述待推荐用户对应相似人群集中获取的服务项目,作为推荐项目;按照所述相似人群中获取所述推荐项目的用户的用户数量和用户特征,配置所述推荐项目对应的推荐程度和推荐理由信息。
需要说明的是,本实施例提供的一种可应用于服务端侧的业务推荐处理装置所涉及各功能单元的其它相应描述,可以参考图3和图4中的对应描述,在此不再赘述。
基于上述如图1和图2所示方法,相应的,本申请实施例还提供了一种存储介质,其上存储有计算机程序,该程序被处理器执行时实现上述如图1和图2所示的可应用于用户客户端侧的业务推荐处理方法。基于上述如图3和图4所示方法,本申请实施例还提供了另一种存储介质,其上存储有计算机程序,该程序被处理器执行时实现上述如图3和图4所示的可应用于服务端侧的业务推荐处理方法。
基于这样的理解,本申请的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施场景的方法。
基于上述如图1和图2所示的方法,以及图6所示的虚拟装置实施例,为了实现上述目的,本申请实施例还提供了一种客户端设备,具体可以为个人计算机、平板电脑、智能手机、智能手表、智能手环、或其他网络设备等,该客户端设备包括存储介质和处理器;存储介质,用于存储计算机程序;处理器,用于执行计算机程序以实现上述如图1和图2所示的可应用于用户客户端侧的业务推荐处理方法。
基于上述如图3和图4所示的方法,以及图7所示的虚拟装置实施例,为了实现上述目的,本申请实施例还提供了一种服务器设备,具体可以为服务器、或其他网络设备等。该设备包括存储介质和处理器;存储介质,用于存储计算机程序;处理器,用于执行计算机程序以实现上述如图3和图4所示的可应用于服务端侧的业务推荐处理方法。
可选的,上述两种实体设备都还可以包括用户接口、网络接口、摄像头、射频(Radio Frequency,RF)电路,传感器、音频电路、WI-FI模块等等。用户接口可以包括显示屏(Display)、输入单元比如键盘(Keyboard)等,可选用户接口还可以包括USB接口、读卡器接口等。网络接口可选的可以包括标准的有线接口、无线接口(如WI-FI接口)等。
本领域技术人员可以理解,本实施例提供的一种客户端设备和服务器设备的实体设备结构并不构成对这两种实体设备的限定,可以包括更多或更少的部件,或者组合某些部件,或者不同的部件布置。
存储介质中还可以包括操作系统、网络通信模块。操作系统是管理上述两个实体设备硬件和软件资源的程序,支持信息处理程序以及其它软件和/或程序的运行。网络通信模块用于实现存储介质内部各组件之间的通信,以及与信息处理实体设备中其它硬件和软件之间通信。
基于上述内容,进一步的,本申请实施例还提供了一种业务推荐处理系统,如图8所示,该系统包括服务器设备71、客户端设备72;
其中,客户端设备72可用于执行如图1和图2所示的方法,服务器设备71可用于执行如图3和图4所示的方法。
客户端设备72,可用于向服务器设备71发送业务推荐请求,业务推荐请求中携带有当前业务区域内待推荐用户的用户标识;
服务器设备71,可用于接收客户端设备72发送的业务推荐请求,根据所述用户标识,查询与所述待推荐用户对应相似人群针对目标业务区域的历史服务项目的获取记录信息,以便参照所述获取记录信息生成业务推荐信息,其中,所述目标业务区域为与所述当前业务区域相同和/或相似的至少一个业务区域。
客户端设备72,还可用于接收返回的业务推荐信息。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到本申请可以借助软件加必要的通用硬件平台的方式来实现,也可以通过硬件实现。通过应用本实施例的技术方案,与目前现有技术相比,操作简单,可及时准确的获取合适的业务推荐数据,进而及时准确的为用户提供业务推荐,可提高服务效率以及服务精准度,做到更具有针对性的服务项目推荐,可提升该用户获取自身需要业务服务的几率,从而可提高业务服务的成功率。
本领域技术人员可以理解附图只是一个优选实施场景的示意图,附图中的模块或流程并不一定是实施本申请所必须的。本领域技术人员可以理解实施场景中的装置中的模块可以按照实施场景描述进行分布于实施场景的装置中,也可以进行相应变化位于不同于本实施场景的一个或多个装置中。上述实施场景的模块可以合并为一个模块,也可以进一步拆分成多个子模块。
上述本申请序号仅仅为了描述,不代表实施场景的优劣。以上公开的仅为本申请的几个具体实施场景,但是,本申请并非局限于此,任何本领域的技术人员能思之的变化都应落入本申请的保护范围。
Claims (10)
1.一种业务推荐处理方法,其特征在于,包括:
向服务端发送业务推荐请求,所述业务推荐请求中携带有当前业务区域内待推荐用户的用户标识,以使得根据所述用户标识,查询与所述待推荐用户对应相似人群针对目标业务区域的历史服务项目的获取记录信息,以便参照所述获取记录信息生成业务推荐信息,其中,所述目标业务区域为与所述当前业务区域相同和/或相似的至少一个业务区域;
接收返回的所述业务推荐信息。
2.根据权利要求1所述的方法,其特征在于,所述业务推荐信息是通过预设机器学习模型分析得到的,所述方法还包括:
记录所述待推荐用户在所述当前业务区域实际获取的服务项目信息;
将记录的所述服务项目信息和对应的所述用户标识发送给服务端,以便更新所述预设机器学习模型。
3.一种业务推荐处理方法,其特征在于,包括:
接收客户端发送的业务推荐请求,所述业务推荐请求中携带有当前业务区域内待推荐用户的用户标识;
根据所述用户标识,查询与所述待推荐用户对应相似人群针对目标业务区域的历史服务项目的获取记录信息;
参照所述获取记录信息,生成业务推荐信息并返回给所述客户端,其中,所述目标业务区域为与所述当前业务区域相同和/或相似的至少一个业务区域。
4.一种业务推荐处理装置,其特征在于,包括:
发送模块,用于向服务端发送业务推荐请求,所述业务推荐请求中携带有当前业务区域内待推荐用户的用户标识,以使得根据所述用户标识,查询与所述待推荐用户对应相似人群针对目标业务区域的历史服务项目的获取记录信息,以便参照所述获取记录信息生成业务推荐信息,其中,所述目标业务区域为与所述当前业务区域相同和/或相似的至少一个业务区域;
接收模块,用于接收返回的所述业务推荐信息。
5.一种业务推荐处理装置,其特征在于,包括:
接收模块,用于接收客户端发送的业务推荐请求,所述业务推荐请求中携带有当前业务区域内待推荐用户的用户标识;
查询模块,用于根据所述用户标识,查询与所述待推荐用户对应相似人群针对目标业务区域的历史服务项目的获取记录信息;
生成模块,用于参照所述获取记录信息,生成业务推荐信息;
发送模块,用于将所述业务推荐信息返回给所述客户端,其中,所述目标业务区域为与所述当前业务区域相同和/或相似的至少一个业务区域。
6.一种存储介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现权利要求1至2中任一项所述的业务推荐处理方法。
7.一种客户端设备,包括存储介质、处理器及存储在存储介质上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现权利要求1至2中任一项所述的业务推荐处理方法。
8.一种存储介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现权利要求3所述的业务推荐处理方法。
9.一种服务器设备,包括存储介质、处理器及存储在存储介质上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现权利要求3所述的业务推荐处理方法。
10.一种业务推荐处理系统,其特征在于,包括:如权利要求7所述的客户端设备和如权利要求9所述的服务器设备。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911129995.0A CN111125512B (zh) | 2019-11-18 | 2019-11-18 | 业务推荐处理方法、装置及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911129995.0A CN111125512B (zh) | 2019-11-18 | 2019-11-18 | 业务推荐处理方法、装置及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111125512A true CN111125512A (zh) | 2020-05-08 |
CN111125512B CN111125512B (zh) | 2021-04-27 |
Family
ID=70495990
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911129995.0A Active CN111125512B (zh) | 2019-11-18 | 2019-11-18 | 业务推荐处理方法、装置及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111125512B (zh) |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111538910A (zh) * | 2020-06-23 | 2020-08-14 | 上海摩莱信息科技有限公司 | 一种智能推荐方法、装置及计算机存储介质 |
CN111724197A (zh) * | 2020-05-25 | 2020-09-29 | 口碑(上海)信息技术有限公司 | 信息处理方法、装置、系统、存储介质及计算机设备 |
CN111784481A (zh) * | 2020-08-03 | 2020-10-16 | 支付宝(杭州)信息技术有限公司 | 扫码下单方法、业务码创建方法、装置和电子设备 |
CN111951022A (zh) * | 2020-06-24 | 2020-11-17 | 深圳市灵智数字科技有限公司 | 信息处理方法、系统及电子设备 |
CN111966891A (zh) * | 2020-07-08 | 2020-11-20 | 口碑(上海)信息技术有限公司 | 一种信息处理方法、装置以及电子设备 |
CN112163155A (zh) * | 2020-09-30 | 2021-01-01 | 深圳前海微众银行股份有限公司 | 信息处理方法、装置、设备及存储介质 |
CN112364244A (zh) * | 2020-11-16 | 2021-02-12 | 广州酷狗计算机科技有限公司 | 多媒体数据推荐方法、装置、服务器及存储介质 |
CN112819314A (zh) * | 2021-01-28 | 2021-05-18 | 广州朗国电子科技有限公司 | 一种基于云计算的智慧生活服务方法及其系统 |
CN113157725A (zh) * | 2021-04-22 | 2021-07-23 | 北京小米移动软件有限公司 | 推荐模型的确定方法、装置、设备及存储介质 |
CN113626708A (zh) * | 2021-08-11 | 2021-11-09 | 武汉卓尔数字传媒科技有限公司 | 一种服务推荐方法、装置、电子设备及存储介质 |
CN113723652A (zh) * | 2020-12-29 | 2021-11-30 | 京东城市(北京)数字科技有限公司 | 业务数据处理方法、装置、电子设备和存储介质 |
CN113780915A (zh) * | 2020-11-26 | 2021-12-10 | 北京京东振世信息技术有限公司 | 业务对接方法和装置 |
CN113824625A (zh) * | 2021-01-29 | 2021-12-21 | 北京京东拓先科技有限公司 | 信息交互的方法和装置 |
CN114531482A (zh) * | 2020-11-04 | 2022-05-24 | 中国电信股份有限公司 | 消息推送方法、智能推荐服务器、ims以及存储介质 |
CN115033153A (zh) * | 2021-11-15 | 2022-09-09 | 荣耀终端有限公司 | 应用程序推荐方法及电子设备 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102694846A (zh) * | 2012-05-03 | 2012-09-26 | 华为技术有限公司 | 一种应用程序的推荐方法、设备和系统 |
CN109067990A (zh) * | 2018-08-20 | 2018-12-21 | 麒麟合盛网络技术股份有限公司 | 一种应用服务执行方法及装置 |
CN109146451A (zh) * | 2018-07-05 | 2019-01-04 | 麒麟合盛网络技术股份有限公司 | 一种支付渠道推荐方法和装置 |
CN110297848A (zh) * | 2019-07-09 | 2019-10-01 | 深圳前海微众银行股份有限公司 | 基于联邦学习的推荐模型训练方法、终端及存储介质 |
-
2019
- 2019-11-18 CN CN201911129995.0A patent/CN111125512B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102694846A (zh) * | 2012-05-03 | 2012-09-26 | 华为技术有限公司 | 一种应用程序的推荐方法、设备和系统 |
CN109146451A (zh) * | 2018-07-05 | 2019-01-04 | 麒麟合盛网络技术股份有限公司 | 一种支付渠道推荐方法和装置 |
CN109067990A (zh) * | 2018-08-20 | 2018-12-21 | 麒麟合盛网络技术股份有限公司 | 一种应用服务执行方法及装置 |
CN110297848A (zh) * | 2019-07-09 | 2019-10-01 | 深圳前海微众银行股份有限公司 | 基于联邦学习的推荐模型训练方法、终端及存储介质 |
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111724197A (zh) * | 2020-05-25 | 2020-09-29 | 口碑(上海)信息技术有限公司 | 信息处理方法、装置、系统、存储介质及计算机设备 |
CN111724197B (zh) * | 2020-05-25 | 2024-03-26 | 口碑(上海)信息技术有限公司 | 信息处理方法、装置、系统、存储介质及计算机设备 |
CN111538910A (zh) * | 2020-06-23 | 2020-08-14 | 上海摩莱信息科技有限公司 | 一种智能推荐方法、装置及计算机存储介质 |
CN111951022A (zh) * | 2020-06-24 | 2020-11-17 | 深圳市灵智数字科技有限公司 | 信息处理方法、系统及电子设备 |
CN111966891A (zh) * | 2020-07-08 | 2020-11-20 | 口碑(上海)信息技术有限公司 | 一种信息处理方法、装置以及电子设备 |
CN111966891B (zh) * | 2020-07-08 | 2023-12-19 | 口碑(上海)信息技术有限公司 | 一种信息处理方法、装置以及电子设备 |
CN111784481A (zh) * | 2020-08-03 | 2020-10-16 | 支付宝(杭州)信息技术有限公司 | 扫码下单方法、业务码创建方法、装置和电子设备 |
CN111784481B (zh) * | 2020-08-03 | 2023-08-08 | 支付宝(中国)网络技术有限公司 | 扫码下单方法、业务码创建方法、装置和电子设备 |
CN112163155A (zh) * | 2020-09-30 | 2021-01-01 | 深圳前海微众银行股份有限公司 | 信息处理方法、装置、设备及存储介质 |
CN114531482A (zh) * | 2020-11-04 | 2022-05-24 | 中国电信股份有限公司 | 消息推送方法、智能推荐服务器、ims以及存储介质 |
CN112364244A (zh) * | 2020-11-16 | 2021-02-12 | 广州酷狗计算机科技有限公司 | 多媒体数据推荐方法、装置、服务器及存储介质 |
CN113780915A (zh) * | 2020-11-26 | 2021-12-10 | 北京京东振世信息技术有限公司 | 业务对接方法和装置 |
CN113723652A (zh) * | 2020-12-29 | 2021-11-30 | 京东城市(北京)数字科技有限公司 | 业务数据处理方法、装置、电子设备和存储介质 |
CN112819314A (zh) * | 2021-01-28 | 2021-05-18 | 广州朗国电子科技有限公司 | 一种基于云计算的智慧生活服务方法及其系统 |
CN113824625A (zh) * | 2021-01-29 | 2021-12-21 | 北京京东拓先科技有限公司 | 信息交互的方法和装置 |
CN113824625B (zh) * | 2021-01-29 | 2023-05-12 | 北京京东拓先科技有限公司 | 信息交互的方法和装置 |
CN113157725A (zh) * | 2021-04-22 | 2021-07-23 | 北京小米移动软件有限公司 | 推荐模型的确定方法、装置、设备及存储介质 |
CN113626708A (zh) * | 2021-08-11 | 2021-11-09 | 武汉卓尔数字传媒科技有限公司 | 一种服务推荐方法、装置、电子设备及存储介质 |
CN115033153A (zh) * | 2021-11-15 | 2022-09-09 | 荣耀终端有限公司 | 应用程序推荐方法及电子设备 |
CN115033153B (zh) * | 2021-11-15 | 2023-12-19 | 荣耀终端有限公司 | 应用程序推荐方法及电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN111125512B (zh) | 2021-04-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111125512B (zh) | 业务推荐处理方法、装置及系统 | |
US11095633B2 (en) | Non-repeatable challenge-response authentication | |
CN103415858B (zh) | 移动应用条形码识别方法和系统 | |
CN111179484B (zh) | 访客管理方法、装置、系统及存储介质 | |
CN107251033A (zh) | 用于在在线教育中进行实时用户验证的系统和方法 | |
CN111340558B (zh) | 基于联邦学习的线上信息处理方法、装置、设备及介质 | |
CN104769914A (zh) | 数字服务的请求的处理方法 | |
US20240154961A1 (en) | Using common identifiers related to location to link fraud across mobile devices | |
CN111553745A (zh) | 基于联邦的模型更新方法、装置、设备及计算机存储介质 | |
CN109639771B (zh) | 推送服务的方法及装置、计算机设备、存储介质 | |
CN111539774A (zh) | 无形资产的价值评估方法、系统、终端设备及存储介质 | |
CN113011883A (zh) | 一种数据处理方法、装置、设备及存储介质 | |
CN109684364A (zh) | 基于用户画像的问题处理方法、装置、设备和存储介质 | |
CN110019916A (zh) | 基于用户画像的事件处理方法、装置、设备和存储介质 | |
CN109857829A (zh) | 一种地理信息数据融合系统 | |
CN113793174A (zh) | 数据关联方法、装置、计算机设备和存储介质 | |
CN110086826B (zh) | 信息处理方法 | |
CN112100491A (zh) | 基于用户数据的信息推荐方法、装置、设备及存储介质 | |
CN110717819A (zh) | 业务处理方法、系统、计算机设备及存储介质 | |
CN112328937B (zh) | 信息投放方法及装置 | |
CN113269614A (zh) | 商家快速注册接单方法及装置、电子设备及可读介质 | |
Shinde et al. | Design and Development of Geofencing Based Attendance System for Mobile Application | |
US20160295552A1 (en) | Construction Method for Connecting Information System on Based Beacon | |
CN112507233A (zh) | 房源推荐方法、系统、信息获取设备和服务器 | |
CN114553684B (zh) | 网点运维方法、装置、计算机设备、存储介质 |
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 |