CN111179021A - 基于家庭设备数据的产品推荐方法、系统和可读存储介质 - Google Patents
基于家庭设备数据的产品推荐方法、系统和可读存储介质 Download PDFInfo
- Publication number
- CN111179021A CN111179021A CN201911249840.0A CN201911249840A CN111179021A CN 111179021 A CN111179021 A CN 111179021A CN 201911249840 A CN201911249840 A CN 201911249840A CN 111179021 A CN111179021 A CN 111179021A
- Authority
- CN
- China
- Prior art keywords
- information
- user
- product
- data
- data information
- 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
- 238000000034 method Methods 0.000 title claims abstract description 48
- 238000004140 cleaning Methods 0.000 claims abstract description 16
- 238000006243 chemical reaction Methods 0.000 claims abstract description 14
- 238000012216 screening Methods 0.000 claims description 16
- 238000004364 calculation method Methods 0.000 claims description 11
- 238000004458 analytical method Methods 0.000 claims description 5
- 238000007405 data analysis Methods 0.000 abstract description 5
- 239000000523 sample Substances 0.000 description 22
- 239000000779 smoke Substances 0.000 description 8
- 230000008569 process Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 4
- 239000013074 reference sample Substances 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 241000109539 Conchita Species 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Images
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
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/21—Design, administration or maintenance of databases
- G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2462—Approximate or statistical queries
-
- 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
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/08—Insurance
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Probability & Statistics with Applications (AREA)
- Data Mining & Analysis (AREA)
- Economics (AREA)
- Computational Linguistics (AREA)
- Quality & Reliability (AREA)
- Fuzzy Systems (AREA)
- Software Systems (AREA)
- Technology Law (AREA)
- Mathematical Physics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及数据分析领域，具体公开了一种基于家庭设备数据的产品推荐方法、系统和可读存储介质，其中方法包括：获取家庭设备的运行数据信息；根据所述家庭设备的运行数据信息进行数据清洗，得到关键数据信息；根据所述关键数据信息进行分析，得到用户的画像信息；根据所述用户的画像信息与产品信息进行匹配，生成每个产品的匹配度；判断所述产品匹配度是否大于预设的匹配度阈值；若大于，则将所述产品推荐至用户。本发明公开的一种基于家庭设备数据的产品推荐方法、系统和可读存储介质，通过对用户的家庭设备的数据进行采集，并建立用户画像，根据用户的画像进行产品匹配和推荐，使得产品转化率提高，还能增加用户的体验感。
Description
技术领域
本发明涉及数据分析领域，更具体的，本发明涉及一种基于家庭设备数据的产品推荐方法、系统和可读存储介质。
背景技术
在现有技术中，用户在选择要买的产品时，需要自行查阅该产品大量的历史交易信息和/或该产品对应的公司当前的运营情况得等，比较繁琐，效率低。且对于刚开始接触某产品的用户来说，由于相关知识的欠缺，很难根据该产品大量的历史交易信息以及该产品对应的股份公司当前的运营情况准确的判断该产品是否合适购买，导致了产品推荐转化率较低。
而且目前物联网基本是针对设备的控制，没有对这些数据进行针对性的大数据分析处理。并没有挖掘这些信息的价值。物联网结合云计算可以很好的挖掘用户的行为，为保险行业的个性化保费提供坚实的数据基础。因此，如何提供一种产品推荐方法，能够根据用户的适合度进行相应的产品推荐，进而提高产品推荐的转化率，是本领域技术人员亟待解决的一大技术问题。
发明内容
为了解决上述至少一个技术问题，本发明提出了一种基于家庭设备数据的产品推荐方法、系统和可读存储介质。
本发明第一方面公开了一种基于家庭设备数据的产品推荐方法，包括：
获取家庭设备的运行数据信息；
根据所述家庭设备的运行数据信息进行数据清洗，得到关键数据信息；
根据所述关键数据信息进行分析，得到用户的画像信息；
根据所述用户的画像信息与产品信息进行匹配，生成每个产品的匹配度；
判断所述产品匹配度是否大于预设的匹配度阈值；
若大于，则将所述产品推荐至用户。
本方案中，所述根据所述家庭设备的运行数据信息进行数据清洗，得到关键数据信息的步骤包括：
将所述运行数据信息进行初步筛选，得到第一关键数据信息；
将所述第一关键数据信息进行转换得到第一数据向量；
获取样本数据向量；
计算所述第一数据向量与所述样本数据向量的夹角；
判断所述夹角是否小于预设夹角阈值；
若小于，则将所述第一关键数据信息作为关键数据信息。
本方案中，所述根据所述关键数据信息进行分析，得到用户的画像信息，还包括：
判断获取的运行数据信息是否在系统中存储有对应的用户记录信息；
若存在，则获取系统中用户的记录信息；
根据所述记录信息和所述关键数据信息进行分析，得到用户的画像信息。
本方案中，所述产品信息通过如下方法确定：
在系统中，将所述用户的画像信息进行匹配计算，得到匹配度值；
获取在预设的匹配度值范围内的第一用户信息；
统计所述第一用户信息对应的产品选择频率；
获取大于预设频率阈值的产品，生成对应的产品信息。
本方案中，按照预设的时间和频率获取运行数据信息和和向用户推荐所述产品。
本方案中，还包括：
根据所述运行数据信息和/或关键数据信息，判断是否超出预设安全数值范围；
若超过，则发送报警信息至设备和/或用户终端。
本发明第二方面提供了一种基于家庭设备数据的产品推荐系统，该系统包括：
用户终端、服务端和公共云平台，所述用户终端获取家庭设备的运行数据信息，将运行数据信息传输到公共云平台，公共云平台根据所述家庭设备的运行数据信息进行数据清洗，得到关键数据信息，并将所述关键数据信息传输到服务端，所述服务端根据所述关键数据信息进行分析，得到用户的画像信息；根据所述用户的画像信息与产品信息进行匹配，生成每个产品的匹配度；判断所述产品匹配度是否大于预设的匹配度阈值，将匹配度大于设定的匹配度阈值的产品推荐至用户终端。
本方案中，所述公共云平台包括：
筛选模块，将所述运行数据信息进行初步筛选，得到第一关键数据信息；
转换模块，将所述第一关键数据信息进行转换得到第一数据向量；
向量获取模块，获取样本数据向量；
夹角获取模块，计算所述第一数据向量与所述样本数据向量的夹角；
第一判断模块，判断所述夹角是否小于预设夹角阈值；
关键数据信息获得模块，将夹角小于预设夹角阈值的所述第一关键数据信息作为关键数据信息。
本方案中，所述服务端包括：
用户画像模块，根据所述关键数据信息进行分析，得到用户的画像信息；
产品信息获得模块，包括用户匹配单元、用户信息获得单元、统计单元和产品信息确定单元，所述用户匹配单元将用户画像模块的所述用户的画像信息进行匹配计算，得到匹配度值；所述用户信息获得单元，获取在预设的匹配度值范围内的第一用户信息；所述统计单元，统计所述第一用户信息对应的产品选择频率；所述产品信息确定单元，获取大于预设频率阈值的产品，生成对应的产品信息；
匹配模块，根据所述用户的画像信息与产品信息进行匹配，生成每个产品的匹配度；
第二判断模块，判断所述产品匹配度是否大于预设的匹配度阈值；
推荐模块将匹配度大于设定的匹配度阈值的产品推荐至用户终端。。
本发明第三方面提供了一种计算机可读存储介质，所述计算机可读存储介质中包括基于家庭设备数据的产品推荐程序，所述基于家庭设备数据的产品推荐程序被处理器执行时，实现如上述的基于家庭设备数据的产品推荐方法的步骤。
本发明公开的一种基于家庭设备数据的产品推荐方法、系统和可读存储介质，通过对用户的家庭设备的数据进行采集，并建立用户画像，根据用户的画像进行产品匹配和推荐，使得产品转化率提高，还能增加用户的体验感。并且本发明通过对数据进行清洗，使得数据更加准确，能更好的匹配适合用户的产品。本发明还通过对其他类似用户进行产品统计，将类似用户选择的产品进行匹配和推荐，更进一步增加了产品推荐的准确性。
本发明的附加方面和优点将在下面的描述部分中给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
图1示出了本发明基于家庭设备数据的产品推荐方法的流程图；
图2示出了本发明数据清洗方法的流程图；
图3示出了本发明画像信息获取方法流程图；
图4示出了本发明基于家庭设备数据的产品推荐系统框图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用其他不同于在此描述的其他方式来实施，因此，本发明的保护范围并不受下面公开的具体实施例的限制。
图1示出了本发明基于家庭设备数据的产品推荐方法的流程图。
如图1所示，本发明公开了一种基于家庭设备数据的产品推荐方法，包括：
S102，获取家庭设备的运行数据信息；
S104，根据所述家庭设备的运行数据信息进行数据清洗，得到关键数据信息；
S106，根据所述关键数据信息进行分析，得到用户的画像信息；
S108，根据所述用户的画像信息与产品信息进行匹配，生成每个产品的匹配度；
S110，判断所述产品匹配度是否大于预设的匹配度阈值；
S112，若大于，则将所述产品推荐至用户。
需要说明的是，家庭设备通过物联网进行连接，其可以具备数据传输模块，能够与后台服务器进行数据通信，可以将运行数据发送至后台服务器中。当然，本发明并不仅仅限定家庭设备采用物联网的形式传输数据，家庭设备也可以与家庭中的第三方设备，例如路由器，进行连接，由路由器将家庭设备的运行数据进行采集，并发送所述运行数据至后台服务器中。也可以通过传感器进行数据采集和发送，本发明并不针对家庭设备的连接方式进行限制，任何采用本发明的技术方案都将落入本发明保护范围内。
具体的，在获取了运行数据信息之后，将会对这些运行数据进行筛选和清洗，将无用的数据剔除，保留有用有价值的数据信息，便得到了关键数据信息。数据越有用，则将更匹配用户，也就是说，推荐的产品更适合用户。获取了关键数据信息之后，会进行数据分析，生成用户画像信息。用户画像信息可以代表用户的喜好、收入能力、适合产品等级等，通过用户画像信息可以匹配适合用户的产品。获得了用户画像信息，则会计算其与产品的匹配度的值。例如，获取了用户A的画像信息，将其与10个理财产品进行匹配，获取每个的匹配度值。将大于预设匹配度阈值的产品作为最后推荐的产品，供用户选择。其中匹配度阈值设定为90％，则将上述计算的10个匹配度进行比较，将匹配度大于90％的对应产品作为推荐给用户的产品，发送至用户端。
图2示出了本发明数据清洗方法的流程图。如图2所示，根据本发明实施例，所述根据所述家庭设备的运行数据信息进行数据清洗，得到关键数据信息，具体为：
S202，将所述运行数据信息进行初步筛选，得到第一关键数据信息；
S204，将所述第一关键数据信息进行转换得到第一数据向量；
S206，获取样本数据向量；
S208，计算所述第一数据向量与所述样本数据向量的夹角；
S210，判断所述夹角是否小于预设夹角阈值；
S212，若小于，则将所述第一关键数据信息作为关键数据信息。
需要说明的是，在进行数据清洗时，将所述运行数据信息进行初步筛选，得到第一关键数据信息。例如，设备运行的数据可能包含有多个时段信息，有白天，有黑夜，有工作日，有周末，则需要将一些无用时间段的数据进行筛选剔除。当然，本发明并不仅仅限定于剔除无用时间段的信息，本领域技术人员可以根据实际需要设置筛选规则进行初步筛选。在筛选之后，得到第一关键数据信息，并将所述第一关键数据信息进行转换计算，变成第一数据向量。另外，还将获得系统预存储或者预设的样本数据，样本数据为系统管理员或者云计算过程中获得参考样本数据，其是能更好的得到用户画像信息的数据。计算所述第一数据向量与所述样本数据向量的夹角，夹角越小则表明越贴近于样本数据向量，夹角越大则表明越远离样本数据向量。通过夹角可以更好的判断是否更加贴近于样本数据。本领域技术人员可以设置夹角的阈值，例如5度。判断两者的夹角小于5度时，则将第一关键数据信息作为关键数据信息；做大于夹角阈值，则剔除。采用此步骤，可以更好的对数据进行清洗，获取最关键的数据信息，增加产品的匹配度，能增加最后的推荐产品转化率。
图3示出了本发明画像信息获取方法流程图。根据本发明实施例，所述根据所述关键数据信息进行分析，得到用户的画像信息，还包括：
S302，判断获取的运行数据信息是否在系统中存储有对应的用户记录信息；
S304，若存在，则获取系统中用户的记录信息；
S306，根据所述记录信息和所述关键数据信息进行分析，得到用户的画像信息。
需要说明的是，在获取画像信息时，还将查询系统内是否存在所述用户的其他记录信息，例如，已经购买的产品，亲戚朋友关系，保险出险次数等等信息。并结合所述的记录信息与关键数据信息一并进行分析，得到用户的画像信息。通过对用户其他记录信息的综合分析，更够对用户的画像信息更加准确，更能反映出用户的喜好等因素。
根据本发明实施例，所述产品信息通过如下方法确定：
在系统中，将所述用户的画像信息进行匹配计算，得到匹配度值；
获取在预设的匹配度值范围内的第一用户信息；
统计所述第一用户信息对应的产品选择频率；
获取大于预设频率阈值的产品，生成对应的产品信息。
需要说明的是，产品信息可以由管理员进行设置，例如，可以选择此段时间主推的产品，也可以通过与用户情况类似的用户群进行获取。首先，在系统中，将所述用户的画像信息进行匹配计算，得到匹配度值；获取在预设的匹配度值范围内的第一用户信息，也就是通过匹配度获取与用户类似的用户群。获得了用户群之后，将统计此用户群的产品信息，包括统计产品的选择频率，也就是此类用户群的购买产品次数。获取大于预设频率阈值的产品，生成对应的产品信息。将对应的产品信息作为与用户进一步匹配的产品信息。例如，获取了用户A类似的用户群之后，统计此用户群的购买不同产品的次数，筛选大于一定次数的产品，可以有多种产品，将选择后的产品与客户画像信息进一步匹配，完成推荐产品功能。通过对用户群的产品进行统计，能更好的匹配用户，增加产品的推荐转化率。
根据本发明实施例，按照预设的时间和频率获取运行数据信息和和向用户推荐所述产品。
需要说明的是，后台还将定期计算，清洗数据，并留下有价值的数据，定期推送个性化的保险产品服务。其中定期的时长可以根据实际需要进行设定，也可以根据历史数据的统计设定。
根据本发明实施例，还包括：
根据所述运行数据信息和/或关键数据信息，判断是否超出预设安全数值范围；
若超过，则发送报警信息至设备和/或用户终端。
需要说明的是，本发明还将判断运行数据是否会超过预设的安全数值范围，如果超过了，可能表明此时的家庭设备可能处于危险状态，需要及时对用户进行提醒。例如，运行数据中表明油烟很重，超出了预设的油烟值范围，则风险提醒可以通过手机APP或者智能语音音响。比如：您家的油烟感应器油烟很重，可以提醒用户注意调节火大小，避免起火。
图4示出了本发明基于家庭设备数据的产品推荐系统框图。
如图4所示，本发明第二方面提供了一种基于家庭设备数据的产品推荐系统，该系统包括：存储器41、处理器42，所述存储器中包括基于家庭设备数据的产品推荐程序，所述基于家庭设备数据的产品推荐程序被所述处理器执行时实现如下步骤：
获取家庭设备的运行数据信息；
根据所述家庭设备的运行数据信息进行数据清洗，得到关键数据信息；
根据所述关键数据信息进行分析，得到用户的画像信息；
根据所述用户的画像信息与产品信息进行匹配，生成每个产品的匹配度；
判断所述产品匹配度是否大于预设的匹配度阈值；
若大于，则将所述产品推荐至用户。
需要说明的是，家庭设备通过物联网进行连接，其可以具备数据传输模块，能够与后台服务器进行数据通信，可以将运行数据发送至后台服务器中。当然，本发明并不仅仅限定家庭设备采用物联网的形式传输数据，家庭设备也可以与家庭中的第三方设备，例如路由器，进行连接，由路由器将家庭设备的运行数据进行采集，并发送所述运行数据至后台服务器中。也可以通过传感器进行数据采集和发送，本发明并不针对家庭设备的连接方式进行限制，任何采用本发明的技术方案都将落入本发明保护范围内。
具体的，在获取了运行数据信息之后，将会对这些运行数据进行筛选和清洗，将无用的数据剔除，保留有用有价值的数据信息，便得到了关键数据信息。数据越有用，则将更匹配用户，也就是说，推荐的产品更适合用户。获取了关键数据信息之后，会进行数据分析，生成用户画像信息。用户画像信息可以代表用户的喜好、收入能力、适合产品等级等，通过用户画像信息可以匹配适合用户的产品。获得了用户画像信息，则会计算其与产品的匹配度的值。例如，获取了用户A的画像信息，将其与10个理财产品进行匹配，获取每个的匹配度值。将大于预设匹配度阈值的产品作为最后推荐的产品，供用户选择。其中匹配度阈值设定为90％，则将上述计算的10个匹配度进行比较，将匹配度大于90％的对应产品作为推荐给用户的产品，发送至用户端。
根据本发明实施例，所述根据所述家庭设备的运行数据信息进行数据清洗，得到关键数据信息，具体为：
将所述运行数据信息进行初步筛选，得到第一关键数据信息；
将所述第一关键数据信息进行转换得到第一数据向量；
获取样本数据向量；
计算所述第一数据向量与所述样本数据向量的夹角；
判断所述夹角是否小于预设夹角阈值；
若小于，则将所述第一关键数据信息作为关键数据信息。
需要说明的是，在进行数据清洗时，将所述运行数据信息进行初步筛选，得到第一关键数据信息。例如，设备运行的数据可能包含有多个时段信息，有白天，有黑夜，有工作日，有周末，则需要将一些无用时间段的数据进行筛选剔除。当然，本发明并不仅仅限定于剔除无用时间段的信息，本领域技术人员可以根据实际需要设置筛选规则进行初步筛选。在筛选之后，得到第一关键数据信息，并将所述第一关键数据信息进行转换计算，变成第一数据向量。另外，还将获得系统预存储或者预设的样本数据，样本数据为系统管理员或者云计算过程中获得参考样本数据，其是能更好的得到用户画像信息的数据。计算所述第一数据向量与所述样本数据向量的夹角，夹角越小则表明越贴近于样本数据向量，夹角越大则表明越远离样本数据向量。通过夹角可以更好的判断是否更加贴近于样本数据。本领域技术人员可以设置夹角的阈值，例如5度。判断两者的夹角小于5度时，则将第一关键数据信息作为关键数据信息；做大于夹角阈值，则剔除。采用此步骤，可以更好的对数据进行清洗，获取最关键的数据信息，增加产品的匹配度，能增加最后的推荐产品转化率。
根据本发明实施例，所述根据所述关键数据信息进行分析，得到用户的画像信息，还包括：
判断获取的运行数据信息是否在系统中存储有对应的用户记录信息；
若存在，则获取系统中用户的记录信息；
根据所述记录信息和所述关键数据信息进行分析，得到用户的画像信息。
需要说明的是，在获取画像信息时，还将查询系统内是否存在所述用户的其他记录信息，例如，已经购买的产品，亲戚朋友关系，保险出险次数等等信息。并结合所述的记录信息与关键数据信息一并进行分析，得到用户的画像信息。通过对用户其他记录信息的综合分析，更够对用户的画像信息更加准确，更能反映出用户的喜好等因素。
根据本发明实施例，所述产品信息通过如下方法确定：
在系统中，将所述用户的画像信息进行匹配计算，得到匹配度值；
获取在预设的匹配度值范围内的第一用户信息；
统计所述第一用户信息对应的产品选择频率；
获取大于预设频率阈值的产品，生成对应的产品信息。
需要说明的是，产品信息可以由管理员进行设置，例如，可以选择此段时间主推的产品，也可以通过与用户情况类似的用户群进行获取。首先，在系统中，将所述用户的画像信息进行匹配计算，得到匹配度值；获取在预设的匹配度值范围内的第一用户信息，也就是通过匹配度获取与用户类似的用户群。获得了用户群之后，将统计此用户群的产品信息，包括统计产品的选择频率，也就是此类用户群的购买产品次数。获取大于预设频率阈值的产品，生成对应的产品信息。将对应的产品信息作为与用户进一步匹配的产品信息。例如，获取了用户A类似的用户群之后，统计此用户群的购买不同产品的次数，筛选大于一定次数的产品，可以有多种产品，将选择后的产品与客户画像信息进一步匹配，完成推荐产品功能。通过对用户群的产品进行统计，能更好的匹配用户，增加产品的推荐转化率。
根据本发明实施例，按照预设的时间和频率获取运行数据信息和和向用户推荐所述产品。
需要说明的是，后台还将定期计算，清洗数据，并留下有价值的数据，定期推送个性化的保险产品服务。其中定期的时长可以根据实际需要进行设定，也可以根据历史数据的统计设定。
根据本发明实施例，还包括：
根据所述运行数据信息和/或关键数据信息，判断是否超出预设安全数值范围；
若超过，则发送报警信息至设备和/或用户终端。
需要说明的是，本发明还将判断运行数据是否会超过预设的安全数值范围，如果超过了，可能表明此时的家庭设备可能处于危险状态，需要及时对用户进行提醒。例如，运行数据中表明油烟很重，超出了预设的油烟值范围，则风险提醒可以通过手机APP或者智能语音音响。比如：您家的油烟感应器油烟很重，可以提醒用户注意调节火大小，避免起火。
在本发明的一个可选实施例中，家庭设备数据的产品推荐系统包括：用户终端、服务端和公共云平台，所述用户终端获取家庭设备的运行数据信息，将运行数据信息传输到公共云平台，公共云平台根据所述家庭设备的运行数据信息进行数据清洗，得到关键数据信息，并将所述关键数据信息传输到服务端，所述服务端根据所述关键数据信息进行分析，得到用户的画像信息；根据所述用户的画像信息与产品信息进行匹配，生成每个产品的匹配度；判断所述产品匹配度是否大于预设的匹配度阈值，将匹配度大于设定的匹配度阈值的产品推荐至用户终端。
用户终端是具有操作系统的电子设备，包括但不限于移动电话、笔记本电脑、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、导航装置、车载装置等等的可移动设备，以及诸如电视、投影设备、显示屏幕、台式计算机等固定终端。
服务端为应用容器引擎(例如Docker)，其可以让开发者可以打包他们的应用以及依赖包到一个可移植的容器中，然后发布到任何流行的Linux机器上，也可以实现虚拟化。容器是完全使用沙箱机制，相互之间不会有任何接口。
公共云平台中配置有各类系统资源，系统资源可以供用户共享。公共云平台中的系统资源可以由供应商预先存储，也可以由具有权限的用户上传。
优选地，上述公共云平台包括：
筛选模块，将所述运行数据信息进行初步筛选，得到第一关键数据信息；
转换模块，将所述第一关键数据信息进行转换得到第一数据向量；
向量获取模块，获取样本数据向量；
夹角获取模块，计算所述第一数据向量与所述样本数据向量的夹角；
第一判断模块，判断所述夹角是否小于预设夹角阈值；
关键数据信息获得模块，将夹角小于预设夹角阈值的所述第一关键数据信息作为关键数据信息。
另外，优选地，所述服务端包括：
用户画像模块，根据所述关键数据信息进行分析，得到用户的画像信息；
产品信息获得模块，包括用户匹配单元、用户信息获得单元、统计单元和产品信息确定单元，所述用户匹配单元将用户画像模块的所述用户的画像信息进行匹配计算，得到匹配度值；所述用户信息获得单元，获取在预设的匹配度值范围内的第一用户信息；所述统计单元，统计所述第一用户信息对应的产品选择频率；所述产品信息确定单元，获取大于预设频率阈值的产品，生成对应的产品信息；
匹配模块，根据所述用户的画像信息与产品信息进行匹配，生成每个产品的匹配度；
第二判断模块，判断所述产品匹配度是否大于预设的匹配度阈值；
推荐模块将匹配度大于设定的匹配度阈值的产品推荐至用户终端。
本申请提供的家庭设备数据的产品推荐系统可以基于云计算平台的系统架构，包括如下步骤：
根据功能划分成不同的子系统，本领域的技术人员可以理解，通常来说，一个系统可以按照功能划分为：处理器管理子系统、作业管理子系统、存储器管理子系统、设备管理子系统、文件管理子系统、网络管理子系统和网络安全管理子系统等；
为每个子系统制定镜像子系统文件。制定镜像子系统文件的方法可以参考现有技术，此处不再赘述；
在服务端部署系统；
接收用户终端的选择指令，将公共云平台中预设的系统资源加载至服务端的目标系统中。
公共云平台中的系统资源可以由供应商预先存储，也可以由每个具有权限的用户上传。本地用户可以根据实际需要在公共云平台中的选择需要的系统资源，将该系统资源加载到目标系统中，实现资源的共享。
需要说明的是，以Docker为例，Docker使用客户端-服务器(C/S)架构模式，使用远程API来管理和创建Docker容器。Docker容器通过Docker镜像来创建。容器与镜像的关系类似于面向对象编程中的对象与类。
Docker采用C/S架构Dockerdaemon作为服务端接受来自客户的请求，并处理这些请求(创建、运行、分发容器)。客户端和服务端既可以运行在一个机器上，也可通过socket或者RESTfulAPI来进行通信。Dockerdaemon一般在宿主主机后台运行，等待接收来自客户端的消息。Docker客户端则为用户提供一系列可执行命令，用户用这些命令实现跟Dockerdaemon交互。
在服务端上署系统时，用户可以选择将全部或部分子系统部署在应用容器引擎上。在应服务端部署系统的步骤包括：
获取目标脚本程序(基于家庭设备数据的产品推荐程序)，基于所述目标脚本程序调用目标文件，其中，所述目标文件包括：各个子系统的镜像文件，用于构建Docker容器的第一配置文件，用于对Docker容器进行初始化的第二配置文件，目标系统的服务组件的配置文件，目标系统的节点配置文件；
基于所述目标文件确定目标Docker容器和所述目标系统的蓝图模板，其中，所述目标Docker容器为完成初始化配置的Docker容器；
按照所述蓝图模板对各子系统、所述目标Docker容器和所述服务组件的配置文件对应的服务组件进行部署，得到目标系统。
基于所述第一配置文件和所述第二配置文件确定所述目标Docker容器，具体包括：基于所述第一配置文件确定Docker容器；基于所述第二配置文件对所述Docker容器进行初始化配置，得到所述目标Docker容器。
上述基于所述目标脚本程序调用目标文件的步骤包括：
首先，获取目标脚本程序，基于所述目标脚本程序调用目标文件，然后，基于所述目标文件确定所述目标系统的操作系统、目标Docker容器和所述目标系统的蓝图模板，最后，按照蓝图模板在目标数据平台上对标系统、目标Docker容器和服务组件的配置文件对应的服务组件进行部署，得到目标大数据平台，由于在本实施例中，用户在进行大数据平台部署时，只要运行上述的目标脚本程序，目标脚本程序就能够自行对大数据平台进行部署，进而解决了现有的大数据平台的部署过程复杂且容易出错问题，从而简化了大数据平台的部署的操作过程，降低了出错的可能性。
基于所述目标脚本程序调用所述目标文件具体包括：基于所述目标脚本程序中第一子程序调用个子系统的镜像文件；基于所述目标脚本程序中的第二子程序调用所述第一配置文件和所述第二配置文件；基于所述目标脚本程序中的第三子程序调用所述服务组件的配置文件和所述节点配置文件。
第一子程序用于调用用户的各子系统的镜像文件(Dockerfile文件)，各子系统的镜像文件用于建立目标系统的操作系统，且各子系统的镜像文件用于作为在Docer中部署目标系统的基础组件。例如，目标系统可以是centos6.8系统，上述的基础组件包括sshd服务组件，ssl组件，ambari-server组件，ambari-agent组件等。
第二子程序用于调用用户编写的用于构建Docker容器的第一配置文件和用于对Docker容器进行初始化的第二配置文件。用于构建Docker容器的第一配置文件终包括大数据平台中ip网段地址配置信息，端口映射关系配置信息，CPU配置信息，内存分配配置信息等配置信息。用于对Docker容器进行初始化的第二配置文件包括对Docker容器进行初始化配置的配置信息。
第三子程序用于调用变成人员编写的目标系统的服务组件的配置文件和目标系统的节点配置文件。目标系统的服务组件的配置文件中包括Datanode组件，Namenode组件，Zookeeper组件，Spark组件等组件的配置信息。目标系统的节点配置文件中包括在Docker环境下，目标系统中各个Docker节点，组件节点，宿主机节点等节点的配置信息。
上述基于所述目标文件确定目标Docker容器和所述目标系统的蓝图模板的步骤包括：
基于所述第一配置文件和所述第二配置文件确定所述目标Docker容器；基于所述服务组件的配置文件和所述节点配置文件确定所述蓝图模板。
根据第一子程序获取到的各子系统的镜像文件确定宿主机目录，通过对各子系统的镜像文件进行一次确定过程，即可以确定宿主机目录，从而解决了现有的部署目标系统方法需要对每一个服务组件编写一个子系统的镜像文件，导致多个子系统的镜像文件过大的问题。
根据第二子程序获取到的用于构建Docker容器的第一配置文件和用于对Docker容器进行初始化的第二配置文件构建完成初始化配置的Docker容器，完成初始化配置的Docker容器将挂载在操作系统中的宿主机目录下。
用户可以根据实际情况对用于构建Docker容器的第一配置文件进行编写，从而达到了Docker容器IP可控制，且支持Docker容器ip的修改，自动控制Docker容器IP，防止网段冲突的技术效果。
根据第三子程序获取到的目标系统的服务组件的配置文件和待部署大数据平台的节点配置文件构建目标系统的蓝图模板，
用户可以根据一定策略，自动扩展和缩减目标系统，例如，系统用户可以根据实际情况对目标系统的服务组件的配置文件进行编写，从而达到对目标系统的动态扩容的技术效果。
上述基于所述第一配置文件和所述第二配置文件确定所述目标Docker容器的步骤包括：基于所述第一配置文件确定Docker容器；基于所述第二配置文件对所述Docker容器进行初始化配置，得到所述目标Docker容器。
在目标脚本程序的控制下基于第一配置文件中的配置信息确定目标系统所需的Docker容器，其中，Docker容器的数据量可以为一个或多个，可以根据实际情况，由用户对第一配置文件进行编写，从而确定Docker容器中的具体数量。接着，在目标程序脚本的控制下基于第二配置文件，对Docker容器进行初始化配置，进而得到完成初始化配置的Docker容器。
上述家庭设备数据的产品推荐系统通过对各子系统的镜像文件进行一次确定过程，即可以确定宿主机目录，从而解决了现有的部署目标系统方法需要对每一个服务组件编写一个子系统的镜像文件，导致多个子系统的镜像文件过大的问题，使得系统搭建的速度更快。
另外，用户在进行大数据平台部署时，只要运行上述的目标脚本程序，目标脚本程序就能够自行对大数据平台进行部署，进而解决了现有的大数据平台的部署过程复杂且容易出错问题，从而实现了简化了大数据平台的部署的操作过程，降低了出错的可能性的技术效果。。
再者，公共云平台中的系统资源可以由供应商预先存储，也可以由每个具有权限的用户上传。本地用户可以根据实际需要在公共云平台中的选择需要的系统资源，将该系统资源加载到目标系统中，实现资源的共享。
本发明第三方面还提供了一种计算机可读存储介质，所述计算机可读存储介质中包括基于家庭设备数据的产品推荐程序，所述基于家庭设备数据的产品推荐程序被处理器执行时，实现如上述的基于家庭设备数据的产品推荐方法的步骤。
本发明公开的一种基于家庭设备数据的产品推荐方法、系统和可读存储介质，通过对用户的家庭设备的数据进行采集，并建立用户画像，根据用户的画像进行产品匹配和推荐，使得产品转化率提高，还能增加用户的体验感。并且本发明通过对数据进行清洗，使得数据更加准确，能更好的匹配适合用户的产品。本发明还通过对其他类似用户进行产品统计，将类似用户选择的产品进行匹配和推荐，更进一步增加了产品推荐的准确性。
在本申请所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。以上所描述的设备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，如：多个单元或组件可以结合，或可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的，作为单元显示的部件可以是、或也可以不是物理单元；既可以位于一个地方，也可以分布到多个网络单元上；可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
另外，在本发明各实施例中的各功能单元可以全部集成在一个处理单元中，也可以是各单元分别单独作为一个单元，也可以两个或两个以上单元集成在一个单元中；上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。
本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
或者，本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，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)执行本发明各个实施例所述方法的全部或部分。而前述的存储介质包括：移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。
Claims (10)
1.一种基于家庭设备数据的产品推荐方法，其特征在于，包括：
获取家庭设备的运行数据信息；
根据所述家庭设备的运行数据信息进行数据清洗，得到关键数据信息；
根据所述关键数据信息进行分析，得到用户的画像信息；
根据所述用户的画像信息与产品信息进行匹配，生成每个产品的匹配度；
判断所述产品匹配度是否大于预设的匹配度阈值；
若大于，则将所述产品推荐至用户。
2.根据权利要求1所述的一种基于家庭设备数据的产品推荐方法，其特征在于，所述根据所述家庭设备的运行数据信息进行数据清洗，得到关键数据信息的步骤包括：
将所述运行数据信息进行初步筛选，得到第一关键数据信息；
将所述第一关键数据信息进行转换得到第一数据向量；
获取样本数据向量；
计算所述第一数据向量与所述样本数据向量的夹角；
判断所述夹角是否小于预设夹角阈值；
若小于，则将所述第一关键数据信息作为关键数据信息。
3.根据权利要求1所述的一种基于家庭设备数据的产品推荐方法，其特征在于，所述根据所述关键数据信息进行分析，得到用户的画像信息的步骤包括：
判断获取的运行数据信息是否在系统中存储有对应的用户记录信息；
若存在，则获取系统中用户的记录信息；
根据所述记录信息和所述关键数据信息进行分析，得到用户的画像信息。
4.根据权利要求1所述的一种基于家庭设备数据的产品推荐方法，其特征在于，所述产品信息确定的方法包括：
在系统中，将所述用户的画像信息进行匹配计算，得到匹配度值；
获取在预设的匹配度值范围内的第一用户信息；
统计所述第一用户信息对应的产品选择频率；
获取大于预设频率阈值的产品，生成对应的产品信息。
5.根据权利要求1所述的一种基于家庭设备数据的产品推荐方法，其特征在于，按照预设的时间和频率获取运行数据信息和和向用户推荐所述产品。
6.根据权利要求1所述的一种基于家庭设备数据的产品推荐方法，其特征在于，还包括：
根据所述运行数据信息和/或关键数据信息，判断是否超出预设安全数值范围；
若超过，则发送报警信息至设备和/或用户终端。
7.一种基于家庭设备数据的产品推荐系统，其特征在于，该系统包括：
用户终端、服务端和公共云平台，所述用户终端获取家庭设备的运行数据信息，将运行数据信息传输到公共云平台，公共云平台根据所述家庭设备的运行数据信息进行数据清洗，得到关键数据信息，并将所述关键数据信息传输到服务端，所述服务端根据所述关键数据信息进行分析，得到用户的画像信息；根据所述用户的画像信息与产品信息进行匹配，生成每个产品的匹配度；判断所述产品匹配度是否大于预设的匹配度阈值，将匹配度大于设定的匹配度阈值的产品推荐至用户终端。
8.根据权利要求7所述的一种基于家庭设备数据的产品推荐系统，其特征在于，所述公共云平台包括：
筛选模块，将所述运行数据信息进行初步筛选，得到第一关键数据信息；
转换模块，将所述第一关键数据信息进行转换得到第一数据向量；
向量获取模块，获取样本数据向量；
夹角获取模块，计算所述第一数据向量与所述样本数据向量的夹角；
第一判断模块，判断所述夹角是否小于预设夹角阈值；
关键数据信息获得模块，将夹角小于预设夹角阈值的所述第一关键数据信息作为关键数据信息。
9.根据权利要求7所述的一种基于家庭设备数据的产品推荐系统，其特征在于，所述服务端包括：
用户画像模块，根据所述关键数据信息进行分析，得到用户的画像信息；
产品信息获得模块，包括用户匹配单元、用户信息获得单元、统计单元和产品信息确定单元，所述用户匹配单元将用户画像模块的所述用户的画像信息进行匹配计算，得到匹配度值；所述用户信息获得单元，获取在预设的匹配度值范围内的第一用户信息；所述统计单元，统计所述第一用户信息对应的产品选择频率；所述产品信息确定单元，获取大于预设频率阈值的产品，生成对应的产品信息；
匹配模块，根据所述用户的画像信息与产品信息进行匹配，生成每个产品的匹配度；
第二判断模块，判断所述产品匹配度是否大于预设的匹配度阈值；
推荐模块将匹配度大于设定的匹配度阈值的产品推荐至用户终端。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中包括基于家庭设备数据的产品推荐程序，所述基于家庭设备数据的产品推荐程序被处理器执行时，实现如权利要求1至6中任一项所述的基于家庭设备数据的产品推荐方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911249840.0A CN111179021B (zh) | 2019-12-09 | 2019-12-09 | 基于家庭设备数据的产品推荐方法、系统和可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911249840.0A CN111179021B (zh) | 2019-12-09 | 2019-12-09 | 基于家庭设备数据的产品推荐方法、系统和可读存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111179021A true CN111179021A (zh) | 2020-05-19 |
| CN111179021B CN111179021B (zh) | 2024-05-03 |
Family
ID=70657183
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911249840.0A Active CN111179021B (zh) | 2019-12-09 | 2019-12-09 | 基于家庭设备数据的产品推荐方法、系统和可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111179021B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112685490A (zh) * | 2020-12-29 | 2021-04-20 | 平安普惠企业管理有限公司 | 可视化关系图表生成方法、装置、电子设备及存储介质 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107679952A (zh) * | 2017-09-30 | 2018-02-09 | 广东美的制冷设备有限公司 | 基于大数据的设备推荐方法、装置及存储介质 |
| CN108665355A (zh) * | 2018-05-18 | 2018-10-16 | 深圳壹账通智能科技有限公司 | 金融产品推荐方法、装置、设备和计算机存储介质 |
| CN109299997A (zh) * | 2018-09-03 | 2019-02-01 | 中国平安人寿保险股份有限公司 | 产品推荐方法、装置及计算机可读存储介质 |
| CN109493199A (zh) * | 2019-01-04 | 2019-03-19 | 深圳壹账通智能科技有限公司 | 产品推荐方法、装置、计算机设备和存储介质 |
| CN109783730A (zh) * | 2019-01-03 | 2019-05-21 | 深圳壹账通智能科技有限公司 | 产品推荐方法、装置、计算机设备和存储介质 |
| CN110008391A (zh) * | 2019-02-28 | 2019-07-12 | 平安科技（深圳）有限公司 | 用户兴趣画像的构建方法及装置、存储介质、计算机设备 |
| CN110163723A (zh) * | 2019-05-20 | 2019-08-23 | 深圳市和讯华谷信息技术有限公司 | 基于产品特征的推荐方法、装置、计算机设备及存储介质 |
-
2019
- 2019-12-09 CN CN201911249840.0A patent/CN111179021B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107679952A (zh) * | 2017-09-30 | 2018-02-09 | 广东美的制冷设备有限公司 | 基于大数据的设备推荐方法、装置及存储介质 |
| CN108665355A (zh) * | 2018-05-18 | 2018-10-16 | 深圳壹账通智能科技有限公司 | 金融产品推荐方法、装置、设备和计算机存储介质 |
| CN109299997A (zh) * | 2018-09-03 | 2019-02-01 | 中国平安人寿保险股份有限公司 | 产品推荐方法、装置及计算机可读存储介质 |
| CN109783730A (zh) * | 2019-01-03 | 2019-05-21 | 深圳壹账通智能科技有限公司 | 产品推荐方法、装置、计算机设备和存储介质 |
| CN109493199A (zh) * | 2019-01-04 | 2019-03-19 | 深圳壹账通智能科技有限公司 | 产品推荐方法、装置、计算机设备和存储介质 |
| CN110008391A (zh) * | 2019-02-28 | 2019-07-12 | 平安科技（深圳）有限公司 | 用户兴趣画像的构建方法及装置、存储介质、计算机设备 |
| CN110163723A (zh) * | 2019-05-20 | 2019-08-23 | 深圳市和讯华谷信息技术有限公司 | 基于产品特征的推荐方法、装置、计算机设备及存储介质 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112685490A (zh) * | 2020-12-29 | 2021-04-20 | 平安普惠企业管理有限公司 | 可视化关系图表生成方法、装置、电子设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111179021B (zh) | 2024-05-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10210036B2 (en) | Time series metric data modeling and prediction | |
| CN110225036B (zh) | 一种账号检测方法、装置、服务器及存储介质 | |
| US7702497B2 (en) | Method for recommending upgrade components for a computer system | |
| US20160380908A1 (en) | Resource Prediction for Cloud Computing | |
| US8032799B2 (en) | System and method for managing server performance degradation in a virtual universe | |
| US10783002B1 (en) | Cost determination of a service call | |
| CN107305611B (zh) | 恶意账号对应的模型建立方法和装置、恶意账号识别的方法和装置 | |
| US9208504B2 (en) | Using geographical location to determine element and area information to provide to a computing device | |
| US20070226231A1 (en) | Systems and methods for managing business issues | |
| JP2009265747A (ja) | マーケティング支援システム、マーケティング支援方法、マーケティング支援プログラム及びコンピュータ読み取り可能な媒体 | |
| US11720825B2 (en) | Framework for multi-tenant data science experiments at-scale | |
| CN113572752B (zh) | 异常流量的检测方法和装置、电子设备、存储介质 | |
| US11408878B2 (en) | Dynamic product lifecycle predictions based on real-time product quality analysis | |
| CN111179021A (zh) | 基于家庭设备数据的产品推荐方法、系统和可读存储介质 | |
| CN109032911B (zh) | 用于移动设备的帧率检测方法、装置及电子设备 | |
| CN110134886A (zh) | 一种资源搜索结果显示方法、装置及计算机可读存储介质 | |
| CN108347355B (zh) | 一种应用状态的检测方法及其设备 | |
| CN106817296B (zh) | 信息推荐的测试方法、装置以及电子设备 | |
| Sasikala et al. | A proposed framework for cloud-aware multimodal multimedia big data analysis toward optimal resource allocation | |
| CN113327134B (zh) | 商品信息推荐方法及装置、电子设备和介质 | |
| CN111210279B (zh) | 一种目标用户预测方法、装置和电子设备 | |
| CN109992614B (zh) | 数据获取方法、装置和服务器 | |
| US8855990B1 (en) | System, method, and computer program for providing validation of network model objects within a network model design process | |
| KR102583170B1 (ko) | 성능 시뮬레이션을 통한 학습모델 추천 방법 및 이를 포함하는 학습모델 추천 장치 | |
| KR102607459B1 (ko) | 서버 가동효율의 제고를 위한 서버 모니터링 장치 및 이를 포함하는 멀티 클라우드 통합운영 시스템 |
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 |