CN111310032A - 资源推荐方法、装置、计算机设备及可读存储介质 - Google Patents
资源推荐方法、装置、计算机设备及可读存储介质 Download PDFInfo
- Publication number
- CN111310032A CN111310032A CN202010068311.7A CN202010068311A CN111310032A CN 111310032 A CN111310032 A CN 111310032A CN 202010068311 A CN202010068311 A CN 202010068311A CN 111310032 A CN111310032 A CN 111310032A
- Authority
- CN
- China
- Prior art keywords
- resource
- resources
- purchased
- recommendation
- prepared
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种资源推荐方法、装置、计算机设备及可读存储介质，涉及互联网技术领域，所述方法包括：获取个人信息；确定推荐策略；将已购资源信息与推荐策略进行比对，在资源库中提取第一资源；采用资源知识图谱计算用户基础信息与预备资源的相似度，提取第二资源；基于第一资源和第二资源，生成推荐结果；将推荐结果推荐至目标用户。本发明确定适用于目标用户的多个推荐策略，使用推荐策略先确定第一资源，再采用资源知识图谱确定第二资源，基于第一资源和第二资源生成最终的推荐结果对用户进行推荐，使得采用不同的方法确定多种适合用户的资源，将用户的实际情况以及真实需求都考虑进来，保证分析的全面性，提高资源推荐的准确性，效率较高。
Description
技术领域
本发明涉及互联网技术领域，尤其是一种资源推荐方法、装置、计算机设备及可读存储介质。
背景技术
随着互联网技术的成熟与发展，智能手机、个人电脑等终端的功能越来越多，通过终端人们不仅可以进行通话发短信等，还可以浏览各种产品资源，并对产品资源进行购买。目前，互联网规模不断扩大，终端可提供的有关产品的资源的种类和数量也不断快速增长，例如，食品类资源、家电类资源、保险类资源等，有时用户需要花费大量的时间才能找到自己所需且合适的资源进行购买，在这之前用户可能需要浏览大量不感兴趣的资源，这个浏览的过程会造成用户的终端资源过载，终端可能出现卡顿等情况，导致用户不断流失，因此，终端中的应用通常会为用户提供资源推荐服务，将适合用户且用户可能会感兴趣的资源推荐给用户，从而避免用户手动查找资源。
相关技术中，以保险类资源为例，由于搭载有保险类资源的应用所采取的推荐策略通常是用户在哪方面没有购买过资源就推荐哪方面的资源，因此，应用在为用户提供资源推荐服务时，通常获取用户当前已经购买的资源，根据用户当前已经购买的资源，确定用户在哪个方面尚未购买资源，将用户目前空缺的资源推荐给用户。
在实现本发明的过程中，发明人发现相关技术至少存在以下问题：
目前的资源推荐方式只是根据用户的情况粗略进行资源的推荐，没有考虑用户实际情况以及真实需求，导致对用户的分析很片面，推荐给用户的资源不够准确，资源推荐效率较低。
发明内容
有鉴于此，本发明提供了一种资源推荐方法、装置、计算机设备及可读存储介质，主要目的在于解决目前没有考虑用户实际情况以及真实需求，导致对用户的分析很片面，推荐给用户的资源不够准确，资源推荐效率较低的问题。
依据本发明第一方面，提供了一种资源推荐方法，该方法包括：
获取目标用户的个人信息，所述个人信息至少包括已购资源信息和用户基础信息；
确定所述用户基础信息对应的多个推荐策略，所述多个推荐策略根据多个样本用户的历史购买数据生成；
将所述已购资源信息与所述多个推荐策略进行比对，在资源库中提取至少一个第一资源，所述资源库包括多个预备资源，所述至少一个第一资源均符合所述多个推荐策略的要求；
采用资源知识图谱计算所述用户基础信息与所述多个预备资源的相似度，在所述资源库中提取至少一个第二资源，所述资源知识图谱记录了所述多个预备资源之间的关联关系，所述至少一个第二资源的相似度大于预设的相似度阈值；
基于所述至少一个第一资源和所述至少一个第二资源，生成推荐结果；
将所述推荐结果推送至所述目标用户。
在另一个实施例中，在所述获取目标用户的个人信息之前，所述方法还包括：
接收录入的所述多个预备资源的资源参数，按照参数模板，对所述多个预备资源的资源参数进行拆解，生成所述资源库；
获取所述多个样本用户的历史购买数据，根据所述多个样本用户的样本用户基础信息，对所述历史购买数据进行拆分及聚合，得到所述多个推荐策略；
基于预设组织方式对所述多个预备资源的资源参数进行整理，并构建所述多个预备资源之间的关联关系，生成所述资源知识图谱。
在另一个实施例中，所述根据所述多个样本用户的样本用户基础信息，对所述历史购买数据进行拆分及聚合，得到所述多个推荐策略，包括：
对所述历史购买数据进行拆分，得到多个样本已购资源；
对于所述多个样本已购资源中每个样本已购资源，确定所述样本已购资源信息所属的历史购买数据对应的目标样本用户；
将所述目标样本用户的样本用户基础信息按照信息属性拆分为多个子基础信息，采用所述多个子基础信息对所述样本已购资源进行标注；
重复执行上述标注过程，对所述多个样本已购资源进行标注；
将所述多个样本已购资源中标注有相同子基础信息的样本已购资源划分为一组，得到多个资源组；
将所述多个资源组作为所述多个推荐策略。
在另一个实施例中，所述基于预设组织方式对所述多个预备资源的资源参数进行整理，并构建所述多个预备资源之间的关联关系，生成所述资源知识图谱，包括：
按照所述预设组织方式，在所述多个预备资源中每个预备资源的资源参数中提取资源实体、实体属性和资源标签，组成所述多个预备资源的多个资源字段；
对于所述多个资源字段中每个资源字段，在所述多个资源字段中确定所述每个资源字段的关联字段，建立所述每个资源字段与所述关联字段之间的关联关系，所述关联字段的资源实体、实体属性或资源标签中一个或多个与所述资源字段的资源实体、实体属性或资源标签一致；
将所述关联关系映射至所述多个预备资源中，将所述多个预备资源进行关联，生成所述资源知识图谱。
在另一个实施例中，所述将所述已购资源信息与所述多个推荐策略进行比对，在资源库中提取至少一个第一资源，包括：
获取所述已购资源信息包括的多个已购资源参数；
对于所述多个已购资源参数中每个已购资源参数，将所述已购资源参数带入所述多个推荐策略；
确定所述已购资源参数在所述多个推荐策略中对应的多个样本已购资源作为候选资源；
统计所述多个已购资源参数对应的多个候选资源的资源交集，将所述资源交集作为所述至少一个第一资源。
在另一个实施例中，所述采用资源知识图谱计算所述用户基础信息与所述多个预备资源的相似度，在所述资源库中提取至少一个第二资源，包括：
对于所述多个预备资源中每个预备资源，在所述资源知识图谱中获取所述预备资源的第一资源标签以及与所述预备资源存在关联关系的至少一个关联资源；
统计所述第一资源标签的第一标签总数，并统计所述第一资源标签中与所述用户基础信息匹配的第一资源标签的匹配标签数；
统计所述至少一个关联资源的资源总数，并统计所述至少一个关联资源中存在与所述用户基础信息匹配的资源标签的关联资源的匹配资源数；
计算所述第一标签总数与所述资源总数的第一和值，以及计算所述匹配标签数与所述匹配资源数的第二和值；
将所述第二和值与所述第一和值的比值作为所述预备资源与所述用户基础信息的相似度；
重复执行上述计算相似度的过程，得到所述多个预备资源与所述用户基础信息的多个相似度，在所述多个预备资源中提取相似度大于所述预设的相似度阈值的预备资源作为所述至少一个第二资源。
在另一个实施例中，所述基于所述至少一个第一资源和所述至少一个第二资源，生成推荐结果，包括：
根据所述已购资源信息和所述用户基础信息，计算所述目标用户的保障完整度，并对所述至少一个第一资源和所述至少一个第二资源进行整理，生成所述推荐结果；和/或，
统计所述至少一个第一资源和所述至少一个第二资源与所述已购资源信息的重合度，根据所述重合度对所述至少一个第一资源和所述至少一个第二资源进行排序，将排序后的所述至少一个第一资源和所述至少一个第二资源作为所述推荐结果。
在另一个实施例中，所述根据所述已购资源信息和所述用户基础信息，计算所述目标用户的保障完整度，并对所述至少一个第一资源和所述至少一个第二资源进行整理，生成所述推荐结果，包括：
获取所述用户基础信息对应的理想保障标签，统计所述已购资源信息包括的已购资源标签与所述理想保障标签的第一重合个数；
计算所述第一重合个数与所述理想保障标签的第二标签总数的比值作为所述保障完整度；
在所述理想保障标签中确定除所述已购资源标签外的缺失标签，统计所述至少一个第一资源和所述至少一个第二资源中每个资源包括的所述缺失标签的缺失标签数；
按照所述缺失标签数对所述至少一个第一资源和所述至少一个第二资源进行排序，将排序后的所述至少一个第一资源和所述至少一个第二资源以及所述保障完整度作为所述推荐结果。
在另一个实施例中，所述统计所述至少一个第一资源和所述至少一个第二资源与所述已购资源信息的重合度，包括：
对于所述至少一个第一资源和所述至少一个第二资源中的每个资源，统计所述每个资源的资源标签与所述已购资源信息包括的已购资源标签的第二重合个数；
计算所述第二重合个数与所述每个资源的资源标签的第三标签总数的比值作为所述每个资源与所述已购资源信息的重合度；
重复执行上述计算重合度的过程，得到所述至少一个第一资源和所述至少一个第二资源与所述已购资源信息的重合度。
依据本发明第二方面，提供了一种资源推荐装置，该装置包括：
获取模块，用于获取目标用户的个人信息，所述个人信息至少包括已购资源信息和用户基础信息；
确定模块，用于确定所述用户基础信息对应的多个推荐策略，所述多个推荐策略根据多个样本用户的历史购买数据生成；
第一提取模块，用于将所述已购资源信息与所述多个推荐策略进行比对，在资源库中提取至少一个第一资源，所述资源库包括多个预备资源，所述至少一个第一资源均符合所述多个推荐策略的要求；
第二提取模块，用于采用资源知识图谱计算所述用户基础信息与所述多个预备资源的相似度，在所述资源库中提取至少一个第二资源，所述资源知识图谱记录了所述多个预备资源之间的关联关系，所述至少一个第二资源的相似度大于预设的相似度阈值；
生成模块，用于基于所述至少一个第一资源和所述至少一个第二资源，生成推荐结果；
推荐模块，用于将所述推荐结果推送至所述目标用户。
在另一个实施例中，所述装置还包括：
拆解模块，用于接收录入的所述多个预备资源的资源参数，按照参数模板，对所述多个预备资源的资源参数进行拆解，生成所述资源库；
聚合模块，用于获取所述多个样本用户的历史购买数据，根据所述多个样本用户的样本用户基础信息，对所述历史购买数据进行拆分及聚合，得到所述多个推荐策略；
构建模块，用于基于预设组织方式对所述多个预备资源的资源参数进行整理，并构建所述多个预备资源之间的关联关系，生成所述资源知识图谱。
在另一个实施例中，所述聚合模块，包括：
拆分单元，用于对所述历史购买数据进行拆分，得到多个样本已购资源；
第一确定单元，用于对于所述多个样本已购资源中每个样本已购资源，确定所述样本已购资源信息所属的历史购买数据对应的目标样本用户；
标注单元，用于将所述目标样本用户的样本用户基础信息按照信息属性拆分为多个子基础信息，采用所述多个子基础信息对所述样本已购资源进行标注；
所述标注单元，还用于重复执行上述标注过程，对所述多个样本已购资源进行标注；
划分单元，用于将所述多个样本已购资源中标注有相同子基础信息的样本已购资源划分为一组，得到多个资源组；
生成单元，用于将所述多个资源组作为所述多个推荐策略。
在另一个实施例中，所述构建模块，包括：
提取单元，用于按照所述预设组织方式，在所述多个预备资源中每个预备资源的资源参数中提取资源实体、实体属性和资源标签，组成所述多个预备资源的多个资源字段；
建立单元，用于对于所述多个资源字段中每个资源字段，在所述多个资源字段中确定所述每个资源字段的关联字段，建立所述每个资源字段与所述关联字段之间的关联关系，所述关联字段的资源实体、实体属性或资源标签中一个或多个与所述资源字段的资源实体、实体属性或资源标签一致；
关联单元，用于将所述关联关系映射至所述多个预备资源中，将所述多个预备资源进行关联，生成所述资源知识图谱。
在另一个实施例中，所述第一提取模块，包括：
第一获取单元，用于获取所述已购资源信息包括的多个已购资源参数；
带入单元，用于对于所述多个已购资源参数中每个已购资源参数，将所述已购资源参数带入所述多个推荐策略；
第二确定单元，用于确定所述已购资源参数在所述多个推荐策略中对应的多个样本已购资源作为候选资源；
第一统计单元，用于统计所述多个已购资源参数对应的多个候选资源的资源交集，将所述资源交集作为所述至少一个第一资源。
在另一个实施例中，所述第二提取模块，包括：
第二获取单元，用于对于所述多个预备资源中每个预备资源，在所述资源知识图谱中获取所述预备资源的第一资源标签以及与所述预备资源存在关联关系的至少一个关联资源；
第二统计单元，用于统计所述第一资源标签的第一标签总数，并统计所述第一资源标签中与所述用户基础信息匹配的第一资源标签的匹配标签数；
第三统计单元，用于统计所述至少一个关联资源的资源总数，并统计所述至少一个关联资源中存在与所述用户基础信息匹配的资源标签的关联资源的匹配资源数；
计算单元，用于计算所述第一标签总数与所述资源总数的第一和值，以及计算所述匹配标签数与所述匹配资源数的第二和值；
第三确定单元，用于将所述第二和值与所述第一和值的比值作为所述预备资源与所述用户基础信息的相似度；
所述第二获取单元，还用于重复执行上述计算相似度的过程，得到所述多个预备资源与所述用户基础信息的多个相似度，在所述多个预备资源中提取相似度大于所述预设的相似度阈值的预备资源作为所述至少一个第二资源。
在另一个实施例中，所述生成模块，用于根据所述已购资源信息和所述用户基础信息，计算所述目标用户的保障完整度，并对所述至少一个第一资源和所述至少一个第二资源进行整理，生成所述推荐结果；和/或，统计所述至少一个第一资源和所述至少一个第二资源与所述已购资源信息的重合度，根据所述重合度对所述至少一个第一资源和所述至少一个第二资源进行排序，将排序后的所述至少一个第一资源和所述至少一个第二资源作为所述推荐结果。
在另一个实施例中，所述生成模块，用于获取所述用户基础信息对应的理想保障标签，统计所述已购资源信息包括的已购资源标签与所述理想保障标签的第一重合个数；计算所述第一重合个数与所述理想保障标签的第二标签总数的比值作为所述保障完整度；在所述理想保障标签中确定除所述已购资源标签外的缺失标签，统计所述至少一个第一资源和所述至少一个第二资源中每个资源包括的所述缺失标签的缺失标签数；按照所述缺失标签数对所述至少一个第一资源和所述至少一个第二资源进行排序，将排序后的所述至少一个第一资源和所述至少一个第二资源以及所述保障完整度作为所述推荐结果。
在另一个实施例中，所述生成模块，用于对于所述至少一个第一资源和所述至少一个第二资源中的每个资源，统计所述每个资源的资源标签与所述已购资源信息包括的已购资源标签的第二重合个数；计算所述第二重合个数与所述每个资源的资源标签的第三标签总数的比值作为所述每个资源与所述已购资源信息的重合度；重复执行上述计算重合度的过程，得到所述至少一个第一资源和所述至少一个第二资源与所述已购资源信息的重合度。
依据本发明第三方面，提供了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述第一方面所述方法的步骤。
依据本发明第四方面，提供了一种可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述第一方面所述的方法的步骤。
借由上述技术方案，本发明提供的一种资源推荐方法、装置、计算机设备及可读存储介质，本发明获取目标用户的个人信息，确定适用于目标用户的多个推荐策略，使用多个推荐策略先确定第一资源，再采用资源知识图谱确定第二资源，基于第一资源和第二资源生成最终的推荐结果对用户进行推荐，使得采用多种不同的方法确定多种在不同方面适合用户的资源进行推荐，基于这些不同的方法，将用户的实际情况以及真实需求都考虑进来，保证对用户分析的全面性，提高了给用户进行资源推荐的准确性，资源推荐的效率较高。
上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
图1A示出了本发明实施例提供的一种资源推荐方法流程示意图；
图1B示出了本发明实施例提供的一种资源推荐系统的架构示意图；
图2示出了本发明实施例提供的一种资源推荐方法流程示意图；
图3A示出了本发明实施例提供的一种资源推荐装置的结构示意图；
图3B示出了本发明实施例提供的一种资源推荐装置的结构示意图；
图3C示出了本发明实施例提供的一种资源推荐装置的结构示意图；
图3D示出了本发明实施例提供的一种资源推荐装置的结构示意图；
图3E示出了本发明实施例提供的一种资源推荐装置的结构示意图；
图3F示出了本发明实施例提供的一种资源推荐装置的结构示意图；
图4示出了本发明实施例提供的一种计算机设备的装置结构示意图。
具体实施方式
下面将参照附图更详细地描述本发明的示例性实施例。虽然附图中显示了本发明的示例性实施例，然而应当理解，可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本发明，并且能够将本发明的范围完整的传达给本领域的技术人员。
本发明实施例提供了一种资源推荐方法，如图1A所示，该方法包括：
101、获取目标用户的个人信息，个人信息至少包括已购资源信息和用户基础信息。
102、确定用户基础信息对应的多个推荐策略，多个推荐策略根据多个样本用户的历史购买数据生成。
103、将已购资源信息与多个推荐策略进行比对，在资源库中提取至少一个第一资源，资源库包括多个预备资源，至少一个第一资源均符合多个推荐策略的要求。
104、采用资源知识图谱计算用户基础信息与多个预备资源的相似度，在资源库中提取至少一个第二资源，资源知识图谱记录了多个预备资源之间的关联关系，至少一个第二资源的相似度大于预设的相似度阈值。
105、基于至少一个第一资源和至少一个第二资源，生成推荐结果。
106、将推荐结果推送至目标用户。
本发明实施例提供的方法，获取目标用户的个人信息，确定适用于目标用户的多个推荐策略，使用多个推荐策略先确定第一资源，再采用资源知识图谱确定第二资源，基于第一资源和第二资源生成最终的推荐结果对用户进行推荐，使得采用多种不同的方法确定多种在不同方面适合用户的资源进行推荐，基于这些不同的方法，将用户的实际情况以及真实需求都考虑进来，保证对用户分析的全面性，提高了给用户进行资源推荐的准确性，资源推荐的效率较高。
在对本发明进行详细的解释说明之前，先对本发明涉及的资源推荐系统的架构进行简单介绍。
参见图1B，资源推荐系统分为需求端、供给端、匹配端以及结果端。需求端也即用户所持终端，基于需求端，资源推荐系统可以获取到用户的已购资源信息、用户基础信息等个人信息，以便基于这些个人信息对用户进行有针对性的资源推荐服务。其中，已购资源信息也即用户当前在资源推荐系统挂载的业务中购买了哪些产品。用户基础信息也即用户本身最基础的信息，例如，用户的姓名、性别、年龄、职业、工作地点、家庭成员等都可以作为用户基础信息。
供给端也即为资源推荐系统提供预备资源的数据库，供给端中录入有目前可提供的全部的资源。在实现资源的录入时，可以在供给端中搭建一个资源库，用资源库来存储全部的预备资源，并设置一个资源知识图谱，基于该资源知识图谱，将不同的资源联系起来，为以后进行资源推荐时涉及到的相似度计算和多跳查询提供了基础。
匹配端与需求端、供给端之间都存在数据连接，用于对需求端、供给端提供的数据以及信息进行计算，从而为用户确定适合的资源，以便基于这些适合的资源为用户进行资源推荐服务。其中，匹配端中可以事先配置好算法，并设置一个计算引擎，当需要对用户进行资源推荐时，启动该计算引擎，调用设置的算法对需求端、供给端提供的数据和信息进行计算，确定后续基于哪些资源进行资源推荐服务。
结果端与匹配端、需求端之间存在数据连接。结果端与匹配端之间的数据连接用于接收匹配端计算得到的可以进行资源推荐的资源，基于这些资源生成推荐结果。其中，推荐结果可以是多样化的，例如，可以针对于用户当前购买的资源是否完整进行建议，或者也可以是挑选适合当前购买的资源推荐给用户，本发明对推荐结果中包括的具体内容不进行限定。结果端与需求端之间的数据连接用于将生成的推荐结果推荐给用户，以便需求端将该推荐结果展示给用户，以供用户参考。
本发明实施例提供了一种资源推荐方法，如图2所示，该方法包括：
201、构建资源库、多个推荐策略以及资源知识图谱。
目前向用户推荐资源的方式一般有两种，一种方式是根据用户的情况粗略进行资源的推荐，例如，用户购买了A类资源，便向用户推荐B类资源；用户购买了A类和B类资源，便向用户推荐C类资源；用户购买了A类、B类和C类资源，便向用户推荐D类资源。另一种方式是搭建简单的知识图谱，进行入库展示，基于知识图谱输入待推荐的资源。发明人认识到，采用第一种方式向用户推荐资源时，太过千篇一律，没有针对性，没有考虑到用户实际的购买情况以及真实需求。而采用第二种方式向用户推荐资源时，搭建的知识图谱过于简单，基本上处于学术研究层面，只选取了少部分的样本进行简单的拆解就得到了知识图谱，无论是量级、拆解的细致度都不足，难以支持实际的资源推荐服务。因此，本发明提出了一种资源推荐方法，通过对资源的资源参数进行拆解，搭建资源库，为资源库中的预备资源建设细致的资源知识图谱，并设置多种推荐策略，基于推荐策略、资源知识图谱进行查询以及相似度的计算，从而实现对用户当前购买现状的完整分析，进而提供足够全面的购买建议以及资源推荐。
其中，为了实现本发明所述的方案，首先就是要构建资源库、多个推荐策略以及资源知识图谱，具体参见下述三部分内容。
一、接收录入的多个预备资源的资源参数，按照参数模板，对多个预备资源的资源参数进行拆解，生成资源库。
考虑到实际应用的过程中，每种资源中都包含有大量的资源参数，这些参数规定了不同的条款并对资源进行了详细的描述，如果只是采用直接接入资源的方式将预备资源接入到资源库中，在后续为用户进行资源推荐时不仅计算量巨大，而且很可能会忽视预备资源中一些零碎的条款及要求，因此，为了在后续进行资源推荐时，可以将资源中的细节都参考进来，需要将多个预备资源的资源参数录入进资源推荐系统中，由资源推荐系统对多个预备资源的资源参数进行拆解，从而生成一个包括多个预备资源的资源参数的资源库。其中，资源推荐系统可以对外提供一个预备资源录入界面，在该预备资源录入界面提供资源类别、资源名称、资源销售平台、资源所属公司、资源交费方式等输入框，由工作人员将预备资源的资源参数添加在预备资源录入界面中，使得资源推荐系统可以接收到录入的多个预备资源的资源参数。需要说明的是，为了保证预备资源的真实性，预备资源录入界面上还可以提供资源条款文件、资源说明书等附件上传的按键，工作人员可以基于这些按键将预备资源的相关文件上传至资源推荐系统中，以此证明预备资源的合法性。本发明对预备资源录入界面展示的内容不进行具体限定。
在对预备资源的资源参数进行拆解时，为了保证拆解的全面性，可以通过总结大量资源的资源参数的特性，定义一些字段项目，将字段项目包装成参数模板，这样，直接按照参数模板中的字段项目，在资源的资源参数中提取对应的资源字段添加到参数模板中，从而实现对资源参数的拆解。例如，假设参数模板中包括的字段项目为【责任范围】、【职业类别】，则在资源参数中提取【责任范围】、【职业类别】对应的字段填入【责任范围】、【职业类别】在参数模板中所指示的位置即可。需要说明的是，参数模板中设置的字段项目还可以对拆解的参数资源的单位、数据类型、录入形式、录入字数、录入文字格式等进行限制，从而保证对资源参数拆解的统一性，便于对拆解的资源参数进行管理。
当完成了对多个预备资源的资源参数进行拆解后，便可以基于拆解后的资源参数组成资源库，在满足准确还原预备资源的基础上使预备资源的资源参数更加结构化，方便后期计算。另外，基于该资源库可以为用户提供资源的查找操作，用户可以在资源推荐系统中上传想要查找的内容，该内容可以为关键字、关键词、文档等形式的，资源推荐系统通过对用户想要查找的内容进行实时解析，就可以在资源库中提取到相应的资源返回给用户查看。
二、获取多个样本用户的历史购买数据，根据多个样本用户的样本用户基础信息，对历史购买数据进行拆分及聚合，得到多个推荐策略。
当资源库搭建完毕后，为了实现对用户的精准推荐，本发明根据多个样本用户的样本用户基础信息以及历史购买数据进行拆分及聚合，得到多种不同规则的推荐策略，利用这些推荐策略，结合后续生成的资源知识图谱可以进行多跳查询，能更加快捷地计算出可推荐的资源，从而保证生成的推荐结果的全面性。
在生成多个推荐资源时，可以获取多个样本用户在历史时间段内的全部购买信息作为历史购买数据，例如，可为在当前时间的前一个月内用户A、用户B、用户C和用户D的购买信息作为历史购买数据。其中，获取到的样本用户的历史购买数据越多，便会使生成的推荐策略越精确，因此，在本发明中对样本用户的数量不进行具体限定，根据实际场景中获取数据的能力设置即可。在获取到历史购买数据后，由于历史购买数据中会记载样本用户在历史时间段内购买了哪些资源，因此，通过对历史购买数据进行拆分，可以得到多个样本已购资源。随后，对于多个样本已购资源中每个样本已购资源，确定样本已购资源信息所属的历史购买数据对应的目标样本用户，也就是确定该样本已购资源是由哪一个样本用户购买的，以便通过对购买该样本已购资源的样本用户进行特征的统计来确定该样本已购资源被哪种用户所青睐，更加适用于哪种用户。
确定了目标样本用户后，将目标样本用户的样本用户基础信息按照信息属性拆分为多个子基础信息，采用多个子基础信息对样本已购资源进行标注。例如，对样本用户基础信息按照信息属性进行拆分后得到的多个子基础信息可为白领、35岁、男性、北京等。在采用多个子基础信息对样本已购资源进行标注时，可以以标签的形式将多个子基础信息标注在样本已购资源上，或者也可以建立多个子基础信息与该样本已购资源之间的映射关系，本发明对此不进行具体限定。通过重复执行上述标注的过程，便可以实现对多个样本已购资源进行标注。在完成对多个样本已购资源进行标注后，将多个样本已购资源中标注有相同子基础信息的样本已购资源划分为一组，得到多个资源组，进而将多个资源组作为多个推荐策略。例如，假设样本已购资源A标注的子基础信息有白领、北京；B标注的子基础信息有白领、深圳；C标注的子基础信息有工人、北京，则在划分资源组时，可将样本已购资源A和B作为一个资源组，将样本已购资源A和C作为另一个资源组。在生成资源组后，便可将资源组作为推荐策略。其中，为了对生成的推荐策略进行区分，还可以为推荐策略设置策略名称，可将该推荐策略中一致的子基础信息作为策略名称，或者将该一致的子基础信息的信息属性作为策略名称。继续以上述例子为例，样本已购资源A和B组成的推荐策略的策略名称可为白领策略或者为职业策略，样本已购资源A和C组成的推荐策略名称可为北京策略或工作地点策略。
需要说明的是，在生成推荐策略时，由于一种样本已购资源可以提供的购买形式是多种的，且不同的购买形式是适用于不同的用户的，假设一个用户购买样本已购资源A时购买了77种重疾的赔付，而该样本已购资源A可以提供100种重疾的赔付，这样，还可以在后续为该用户推荐样本已购资源A的其余23种重疾的赔付或者其他包括这23种重疾赔付的资源，因此，在生成推荐策略时，可以按照同一组样本已购资源可以提供的服务对其进行一定的划分，将能够提供同一种服务的样本已购资源划分为该组中的一个子小组，以便后续在确定待推荐的资源时能够更加准确。
三、基于预设组织方式对多个预备资源的资源参数进行整理，并构建多个预备资源之间的关联关系，生成资源知识图谱。
当完成了资源库和多个推荐策略的构建后，由于有些资源同属于一个公司或者服务于同一种用户或者适用于同一个职业，这些资源之间存在关联关系，只要确定其中的一个资源，就可以找到与其相似的其他资源，因此，可以构建记录有多个预备资源之间关联关系的资源知识图谱，在后续将资源库、推荐策略以及资源知识图谱结合起来为用户提供资源推荐服务。
在构建资源知识图谱时，首先，需要对预备资源的资源参数进行结构化处理，具体为按照预设组织方式，在多个预备资源中每个预备资源的资源参数中提取资源实体、实体属性和资源标签，组成多个预备资源的多个资源字段。随后，对于多个资源字段中每个资源字段，在多个资源字段中确定资源字段的关联字段，建立资源字段与关联字段之间的关联关系，其中，关联字段也就是资源实体、实体属性或资源标签中一个或多个与当前资源字段一致的资源字段。最后，将关联关系映射至多个预备资源中，将多个预备资源进行关联，生成资源知识图谱。
在实际应用的过程中，可以先设计资源知识图谱的结构，生成一个初始架构。随后，将资源库中的资源参数映射到该初始架构中，从而得到资源知识图谱。另外，还可以基于Neo4j(高性能图形数据库)存储资源知识图谱，将资源知识图谱中的结构化数据结构化存储，以便后续可以直接提取资源知识图谱进行使用。
在完成了上述资源库、多个推荐策略以及资源知识图谱的构建后，资源推荐系统便可以基于这三者为用户提供资源推荐服务。
202、获取目标用户的个人信息，确定用户基础信息对应的多个推荐策略。
在本发明实施例中，由于对用户进行推荐服务的基础是用户的个人信息，因此，需要获取目标用户的个人信息。其中，个人信息至少包括已购资源信息和用户基础信息，根据用户的已购资源信息可以确定用户缺少哪方面资源的购买，根据用户基础信息可以确定哪些资源适合于用户的实际情况。
在获取到目标用户的个人信息后，便可以为用户确定多个推荐策略，以便后续基于该推荐策略为用户挑选可以推荐的资源。其中，参考上述步骤201中推荐策略的生成过程可知，推荐策略是基于用户基础信息的信息属性生成的，因此，在选择多个推荐策略时，同样可以根据目标用户的用户基础信息包括的信息属性为其选择。例如，假设目标用户的用户基础信息包括白领、北京，则确定的推荐策略可为白领策略以及北京策略。需要说明的是，为目标用户确定的推荐策略可为一个或者多个，对推荐策略的数量不进行限制，只要推荐策略满足目标用户的用户基础信息的要求，都可以提取出来备用。
203、将已购资源信息与多个推荐策略进行比对，在资源库中提取至少一个第一资源。
在本发明实施例中，当确定了多个推荐策略后，将已购资源信息与多个推荐策略进行比对，在资源库中提取至少一个第一资源，其中，至少一个第一资源均符合多个推荐策略的要求。在将已购资源信息与多个推荐策略进行比对时，首先，获取已购资源信息包括的多个已购资源参数，也就说获取目标用户已购资源的资源参数。其中，已购资源中每一个款项都可以作为一个已购资源参数。例如，假设目标用户的已购资源信息中指示目标用户购买了资源A，该资源A包括如下表1所示的款项，则这里面的每一个款项都可以作为一个已购资源参数。
表1
随后，对于多个已购资源参数中每个已购资源参数，将已购资源参数带入多个推荐策略，确定已购资源参数在多个推荐策略中对应的多个样本已购资源作为候选资源。最后，统计多个已购资源参数对应的多个候选资源的资源交集，将资源交集作为至少一个第一资源。例如，继续以上述表1中的内容为例，假设将【重疾】带入推荐策略【重疾策略】后，确定的候选资源为甲、乙、丙、丁、戊；将【中症】带入推荐策略【中症策略】后，确定的候选资源为戊；将【轻症】带入推荐策略【轻症策略】后，确定的候选资源为乙、丙、戊，则确定多个候选资源的资源交集即为【戊】，将【戊】作为最后的第一资源即可。
需要说明的是，假设推荐策略包括的资源还分为多个子小组，则需要基于多个子小组对款项的细节进行筛选。继续以上述表1中的内容为例，对于重疾来说，可以先按照重疾的“77”种先确定一些候选资源，再按照重疾的“1次”确定一些候选资源，最后按照重疾的“不分组”确定一些候选资源，将这些候选资源的交集作为【重疾】带入推荐策略【重疾策略】后确定的最终的候选资源。
204、采用资源知识图谱计算用户基础信息与多个预备资源的相似度，在资源库中提取至少一个第二资源。
在本发明实施例中，基于推荐策略在资源库中确定第一资源后，便可以依赖资源知识图谱在资源库中确定另一批第二资源。其中，由于每个资源都是具有自己的资源标签的，与用户的当前情况越匹配的资源越会引起用户的注意，提起用户的购买欲望，因此，考虑到资源知识图谱具有结构化的特点，能够使各种资源的资源标签更加明朗，且能够提供相似度计算的服务，因此，采用资源知识图谱计算用户基础信息与多个预备资源的相似度，在资源库中提取相似度满足预设相似度阈值的至少一个第二资源。
具体地，在进行相似度的计算时，对于多个预备资源中每个预备资源，在资源知识图谱中获取预备资源的第一资源标签以及与预备资源存在关联关系的至少一个关联资源，也就是获取该预备资源的全部资源标签，并且获取与该预备资源存在关联关系的资源。随后，统计第一资源标签的第一标签总数，并统计第一资源标签中与用户基础信息匹配的第一资源标签的匹配标签数，也就是统计该预备资源有多少个资源标签，并且与用户基础信息匹配的资源标签有多少个。其中，在确定资源标签是否与用户基础信息匹配时，可以通过确定资源标签是否与用户基础信息中某一项信息一致进行判断，例如，假设资源标签为白领，而用户基础信息中也包括白领这一项信息，则可以确定该资源标签为与用户基础信息匹配的标签。
之后，统计至少一个关联资源的资源总数，并统计至少一个关联资源中存在与用户基础信息匹配的资源标签的关联资源的匹配资源数。也就是统计有多少个预备资源与该预备资源存在关联关系，并统计这些预备资源中哪些预备资源与用户基础信息是匹配的。其中，判断预备资源与用户基础信息是否匹配时，也可以依赖资源标签，若资源标签均包括在用户基础信息中便可以判定为匹配，否则不匹配。
最后，计算第一标签总数与资源总数的第一和值，计算匹配标签数与匹配资源数的第二和值，将第二和值与第一和值的比值作为预备资源与用户基础信息的相似度。例如，假设预备资源A计算的第一和值为100，第二和值为50，则该预备资源A与用户基础信息的相似度为50/100，也即50％。通过重复执行上述计算相似度的过程，便可以得到多个预备资源与用户基础信息的多个相似度，在多个预备资源中提取相似度大于事先设定的相似度阈值的预备资源作为至少一个第二资源。
需要说明的是，在计算用户基础信息与多个预备资源的相似度时，不限于上述的计算方法，上述描述的计算方法只为一种可行的方法，实际还可以应用向量空间模型、TFIDF(Term Frequency–Inverse Document Frequency，用于信息检索与数据挖掘的常用加权技术)、LDA(Latent Dirichlet Allocation，文档主题生成模型)、余弦相似度、Jaccard(杰卡德)相似度等算法，本发明对计算用户基础信息与多个预备资源的相似度的具体方法不进行限定。
205、基于至少一个第一资源和至少一个第二资源，生成推荐结果。
在本发明实施例中，在确定了至少一个第一资源和至少一个第二资源后，便可以基于至少一个第一资源和至少一个第二资源，生成推荐结果，进而采用该推荐结果对用户进行资源推荐。
其中，本发明提出了保障完整度这一概念，该保障完整度可以分为个人保障完整度以及家庭保障完整度，保障完整度可以用下述公式1来表示。
公式1：保障完整度＝已购买/理想购买×100％
理想购买是一个千人千面的过程，来源于两方面，一方面要明确用户和家庭的购买现状，另一方面要对市面上的主流资源搭建资源库，以及基于资源库生成的资源知识图谱，通过资源库的拆解，能计算出用户和家庭现有的购买还有哪些不足，可以给出增加购买、更换资源购买、减少购买、维持当前购买现状等建议。需要说明的是，如果保障完整度小于1，就需要增加购买，基于生成的推荐结果为用户提出对应的资源推荐。如果保障完整度大于1，就需要减少购买了，做到真正从用户角度出发，更全面的保障用户利益。同样的，如果我们根据资源库拆解出来的条款是否足够及完善的角度，该保障完整度还可以表达为：完整度＝Σi*w(i)，其中i为参与计算的条款，w(i)为该条款的归一化权重。例如，假设对某个预备资源的拆解中有保证继续购买这个条款，则i＝保证继续购买。
因此，在生成推荐结果时，可以按照下述两种方式生成。
第一种方式：根据已购资源信息和用户基础信息，计算目标用户的保障完整度，并对至少一个第一资源和至少一个第二资源进行整理，生成推荐结果。
其中，资源推荐系统中可以为不同情况的用户设置多种不同的理想保障标签作为上述提及的理想购买。例如，可以设置白领、35岁至40岁、北京、男性、单身状态的用户的理想保障标签为重疾、医疗、意外。这样，在计算保障完整度时，首先，获取用户基础信息对应的理想保障标签，统计已购资源信息包括的已购资源标签与理想保障标签的第一重合个数。随后，计算第一重合个数与理想保障标签的第二标签总数的比值作为保障完整度。例如，假设第一重合个数为3，第二标签总数为10，则将3/10等于0.3作为保障完整度即可。
在计算了保障完整度后，为了告知用户在哪方面缺失购买，可以基于理想保障标签确定缺失标签，第一资源和第二资源中具有最多缺失标签的资源可能就是用户当前最需要购买的资源，因此，在理想保障标签中确定除已购资源标签外的缺失标签，统计至少一个第一资源和至少一个第二资源中每个资源包括的缺失标签的缺失标签数，按照缺失标签数对至少一个第一资源和至少一个第二资源进行排序，将排序后的至少一个第一资源和至少一个第二资源以及保障完整度作为推荐结果，以便将用户最需要的资源放在首位，保证该资源首先被用户参考到。
第二种方式：统计至少一个第一资源和至少一个第二资源与已购资源信息的重合度，根据重合度对至少一个第一资源和至少一个第二资源进行排序，将排序后的至少一个第一资源和至少一个第二资源作为推荐结果。
其中，在计算至少一个第一资源和至少一个第二资源与已购资源信息的重合度时，对于至少一个第一资源和至少一个第二资源中的每个资源，统计资源的资源标签与已购资源信息包括的已购资源标签的第二重合个数，计算第二重合个数与资源的资源标签的第三标签总数的比值作为资源与已购资源信息的重合度。最后，按照重合度对至少一个第一资源和至少一个第二资源进行排序，将排序后的至少一个第一资源和至少一个第二资源作为推荐结果即可。需要说明的是，在按照重合度对至少一个第一资源和至少一个第二资源进行排序时，可以按照重合度从高到低对至少一个第一资源和至少一个第二资源进行排序，使得用户可以基于重合度高的资源对当前已购资源信息中的资源进行替换。或者，也可以按照重合度从低到高对至少一个第一资源和至少一个第二资源进行排序，将用户可能还没有购买的资源首先推荐给用户进行参考，从而提高资源的成交率。
通过上述两种方式便可以生成包括不同内容的推荐结果。实际应用的过程中，可以基于上述方式中的任一种方式生成，或者也可以同时基于两种方式生成，并将两种方式生成的推荐结果都推荐给用户。
206、将推荐结果推送至目标用户。
在本发明实施例中，当生成了推荐结果后，便可以将该推荐结果推送给目标用户，以便目标用户将推荐结果作为购买参考。
综上所述，本发明提供的资源推荐方法已经描述完毕，该方法可以应用于保险的购买中，其结果不仅是有助于用户及用户家庭完善自身的购买，还有助于客户增强对互联网平台的认知和信心。另外，后续通过不断访谈用户，收集用户反馈，不断迭代和优化资源推荐系统的推荐规则和资源知识图谱的建设，真正做到从用户中来到用户中去，积累良好口碑和社会价值。
本发明提供的方法，获取目标用户的个人信息，确定适用于目标用户的多个推荐策略，使用多个推荐策略先确定第一资源，再采用资源知识图谱确定第二资源，基于第一资源和第二资源生成最终的推荐结果对用户进行推荐，使得采用多种不同的方法确定多种在不同方面适合用户的资源进行推荐，基于这些不同的方法，将用户的实际情况以及真实需求都考虑进来，保证对用户分析的全面性，提高了给用户进行资源推荐的准确性，资源推荐的效率较高。
进一步地，作为图1A所述方法的具体实现，本发明实施例提供了一种资源推荐装置，如图3A所示，所述装置包括：获取模块301，确定模块302，第一提取模块303，第二提取模块304，生成模块305和推荐模块306。
该获取模块301，用于获取目标用户的个人信息，所述个人信息至少包括已购资源信息和用户基础信息；
该确定模块302，用于确定所述用户基础信息对应的多个推荐策略，所述多个推荐策略根据多个样本用户的历史购买数据生成；
该第一提取模块303，用于将所述已购资源信息与所述多个推荐策略进行比对，在资源库中提取至少一个第一资源，所述资源库包括多个预备资源，所述至少一个第一资源均符合所述多个推荐策略的要求；
该第二提取模块304，用于采用资源知识图谱计算所述用户基础信息与所述多个预备资源的相似度，在所述资源库中提取至少一个第二资源，所述资源知识图谱记录了所述多个预备资源之间的关联关系，所述至少一个第二资源的相似度大于预设的相似度阈值；
该生成模块305，用于基于所述至少一个第一资源和所述至少一个第二资源，生成推荐结果；
该推荐模块306，用于将所述推荐结果推送至所述目标用户。
在具体的应用场景中，如图3B所示，该装置还包括：拆解模块307，聚合模块308和构建模块309。
该拆解模块307，用于接收录入的所述多个预备资源的资源参数，按照参数模板，对所述多个预备资源的资源参数进行拆解，生成所述资源库；
该聚合模块308，用于获取所述多个样本用户的历史购买数据，根据所述多个样本用户的样本用户基础信息，对所述历史购买数据进行拆分及聚合，得到所述多个推荐策略；
该构建模块309，用于基于预设组织方式对所述多个预备资源的资源参数进行整理，并构建所述多个预备资源之间的关联关系，生成所述资源知识图谱。
在具体的应用场景中，如图3C所示，该聚合模块308，包括：拆分单元3081，第一确定单元3082，标注单元3083，划分单元3084和生成单元3085。
该拆分单元3081，用于对所述历史购买数据进行拆分，得到多个样本已购资源；
该第一确定单元3082，用于对于所述多个样本已购资源中每个样本已购资源，确定所述样本已购资源信息所属的历史购买数据对应的目标样本用户；
该标注单元3083，用于将所述目标样本用户的样本用户基础信息按照信息属性拆分为多个子基础信息，采用所述多个子基础信息对所述样本已购资源进行标注；
该标注单元3083，还用于重复执行上述标注过程，对所述多个样本已购资源进行标注；
该划分单元3084，用于将所述多个样本已购资源中标注有相同子基础信息的样本已购资源划分为一组，得到多个资源组；
该生成单元3085，用于将所述多个资源组作为所述多个推荐策略。
在具体的应用场景中，如图3D所示，该构建模块309，包括：提取单元3091，建立单元3092和关联单元3093。
该提取单元3091，用于按照所述预设组织方式，在所述多个预备资源中每个预备资源的资源参数中提取资源实体、实体属性和资源标签，组成所述多个预备资源的多个资源字段；
该建立单元3092，用于对于所述多个资源字段中每个资源字段，在所述多个资源字段中确定所述每个资源字段的关联字段，建立所述每个资源字段与所述关联字段之间的关联关系，所述关联字段的资源实体、实体属性或资源标签中一个或多个与所述资源字段的资源实体、实体属性或资源标签一致；
该关联单元3093，用于将所述关联关系映射至所述多个预备资源中，将所述多个预备资源进行关联，生成所述资源知识图谱。
在具体的应用场景中，如图3E所示，该第一提取模块303，包括：第一获取单元3031，带入单元3032，第二确定单元3033和第一统计单元3034。
该第一获取单元3031，用于获取所述已购资源信息包括的多个已购资源参数；
该带入单元3032，用于对于所述多个已购资源参数中每个已购资源参数，将所述已购资源参数带入所述多个推荐策略；
该第二确定单元3033，用于确定所述已购资源参数在所述多个推荐策略中对应的多个样本已购资源作为候选资源；
该第一统计单元3034，用于统计所述多个已购资源参数对应的多个候选资源的资源交集，将所述资源交集作为所述至少一个第一资源。
在具体的应用场景中，如图3F所示，该第二提取模块304，包括：第二获取单元3041，第二统计单元3042，第三统计单元3043，计算单元3044和第三确定单元3045。
该第二获取单元3041，用于对于所述多个预备资源中每个预备资源，在所述资源知识图谱中获取所述预备资源的第一资源标签以及与所述预备资源存在关联关系的至少一个关联资源；
该第二统计单元3042，用于统计所述第一资源标签的第一标签总数，并统计所述第一资源标签中与所述用户基础信息匹配的第一资源标签的匹配标签数；
该第三统计单元3043，用于统计所述至少一个关联资源的资源总数，并统计所述至少一个关联资源中存在与所述用户基础信息匹配的资源标签的关联资源的匹配资源数；
该计算单元3044，用于计算所述第一标签总数与所述资源总数的第一和值，以及计算所述匹配标签数与所述匹配资源数的第二和值；
该第三确定单元3045，用于将所述第二和值与所述第一和值的比值作为所述预备资源与所述用户基础信息的相似度；
该第二获取单元3041，还用于重复执行上述计算相似度的过程，得到所述多个预备资源与所述用户基础信息的多个相似度，在所述多个预备资源中提取相似度大于所述预设的相似度阈值的预备资源作为所述至少一个第二资源。
在具体的应用场景中，该生成模块305，用于根据所述已购资源信息和所述用户基础信息，计算所述目标用户的保障完整度，并对所述至少一个第一资源和所述至少一个第二资源进行整理，生成所述推荐结果；和/或，统计所述至少一个第一资源和所述至少一个第二资源与所述已购资源信息的重合度，根据所述重合度对所述至少一个第一资源和所述至少一个第二资源进行排序，将排序后的所述至少一个第一资源和所述至少一个第二资源作为所述推荐结果。
在具体的应用场景中，该生成模块305，用于获取所述用户基础信息对应的理想保障标签，统计所述已购资源信息包括的已购资源标签与所述理想保障标签的第一重合个数；计算所述第一重合个数与所述理想保障标签的第二标签总数的比值作为所述保障完整度；在所述理想保障标签中确定除所述已购资源标签外的缺失标签，统计所述至少一个第一资源和所述至少一个第二资源中每个资源包括的所述缺失标签的缺失标签数；按照所述缺失标签数对所述至少一个第一资源和所述至少一个第二资源进行排序，将排序后的所述至少一个第一资源和所述至少一个第二资源以及所述保障完整度作为所述推荐结果。
在具体的应用场景中，该生成模块305，用于对于所述至少一个第一资源和所述至少一个第二资源中的每个资源，统计所述每个资源的资源标签与所述已购资源信息包括的已购资源标签的第二重合个数；计算所述第二重合个数与所述每个资源的资源标签的第三标签总数的比值作为所述资源与所述已购资源信息的重合度；重复执行上述计算重合度的过程，得到所述至少一个第一资源和所述至少一个第二资源与所述已购资源信息的重合度。
本发明提供的方法，获取目标用户的个人信息，确定适用于目标用户的多个推荐策略，使用多个推荐策略先确定第一资源，再采用资源知识图谱确定第二资源，基于第一资源和第二资源生成最终的推荐结果对用户进行推荐，使得采用多种不同的方法确定多种在不同方面适合用户的资源进行推荐，基于这些不同的方法，将用户的实际情况以及真实需求都考虑进来，保证对用户分析的全面性，提高了给用户进行资源推荐的准确性，资源推荐的效率较高。
需要说明的是，本发明实施例提供的一种资源推荐装置所涉及各功能单元的其他相应描述，可以参考图1A至图1B和图2中的对应描述，在此不再赘述。
在示例性实施例中，参见图4，还提供了一种计算机设备，该设备400包括通信总线、处理器、存储器和通信接口，还可以包括、输入输出接口和显示设备，其中，各个功能单元之间可以通过总线完成相互间的通信。该存储器存储有计算机程序，处理器，用于执行存储器上所存放的程序，执行上述实施例中的资源推荐方法。
一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现所述的资源推荐方法的步骤。
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通过硬件实现，也可以借助软件加必要的通用硬件平台的方式来实现。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所述的方法。
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 (20)
1.一种资源推荐方法，其特征在于，包括：
获取目标用户的个人信息，所述个人信息至少包括已购资源信息和用户基础信息；
确定所述用户基础信息对应的多个推荐策略，所述多个推荐策略根据多个样本用户的历史购买数据生成；
将所述已购资源信息与所述多个推荐策略进行比对，在资源库中提取至少一个第一资源，所述资源库包括多个预备资源，所述至少一个第一资源均符合所述多个推荐策略的要求；
采用资源知识图谱计算所述用户基础信息与所述多个预备资源的相似度，在所述资源库中提取至少一个第二资源，所述资源知识图谱记录了所述多个预备资源之间的关联关系，所述至少一个第二资源的相似度大于预设的相似度阈值；
基于所述至少一个第一资源和所述至少一个第二资源，生成推荐结果；
将所述推荐结果推送至所述目标用户。
2.根据权利要求1所述的方法，其特征在于，在所述获取目标用户的个人信息之前，所述方法还包括：
接收录入的所述多个预备资源的资源参数，按照参数模板，对所述多个预备资源的资源参数进行拆解，生成所述资源库；
获取所述多个样本用户的历史购买数据，根据所述多个样本用户的样本用户基础信息，对所述历史购买数据进行拆分及聚合，得到所述多个推荐策略；
基于预设组织方式对所述多个预备资源的资源参数进行整理，并构建所述多个预备资源之间的关联关系，生成所述资源知识图谱。
3.根据权利要求2所述的方法，其特征在于，所述根据所述多个样本用户的样本用户基础信息，对所述历史购买数据进行拆分及聚合，得到所述多个推荐策略，包括：
对所述历史购买数据进行拆分，得到多个样本已购资源；
对于所述多个样本已购资源中每个样本已购资源，确定所述样本已购资源信息所属的历史购买数据对应的目标样本用户；
将所述目标样本用户的样本用户基础信息按照信息属性拆分为多个子基础信息，采用所述多个子基础信息对所述样本已购资源进行标注；
重复执行上述标注过程，对所述多个样本已购资源进行标注；
将所述多个样本已购资源中标注有相同子基础信息的样本已购资源划分为一组，得到多个资源组；
将所述多个资源组作为所述多个推荐策略。
4.根据权利要求2所述的方法，其特征在于，所述基于预设组织方式对所述多个预备资源的资源参数进行整理，并构建所述多个预备资源之间的关联关系，生成所述资源知识图谱，包括：
按照所述预设组织方式，在所述多个预备资源中每个预备资源的资源参数中提取资源实体、实体属性和资源标签，组成所述多个预备资源的多个资源字段；
对于所述多个资源字段中每个资源字段，在所述多个资源字段中确定所述每个资源字段的关联字段，建立所述每个资源字段与所述关联字段之间的关联关系，所述关联字段的资源实体、实体属性或资源标签中一个或多个与所述资源字段的资源实体、实体属性或资源标签一致；
将所述关联关系映射至所述多个预备资源中，将所述多个预备资源进行关联，生成所述资源知识图谱。
5.根据权利要求1所述的方法，其特征在于，所述将所述已购资源信息与所述多个推荐策略进行比对，在资源库中提取至少一个第一资源，包括：
获取所述已购资源信息包括的多个已购资源参数；
对于所述多个已购资源参数中每个已购资源参数，将所述已购资源参数带入所述多个推荐策略；
确定所述已购资源参数在所述多个推荐策略中对应的多个样本已购资源作为候选资源；
统计所述多个已购资源参数对应的多个候选资源的资源交集，将所述资源交集作为所述至少一个第一资源。
6.根据权利要求1所述的方法，其特征在于，所述采用资源知识图谱计算所述用户基础信息与所述多个预备资源的相似度，在所述资源库中提取至少一个第二资源，包括：
对于所述多个预备资源中每个预备资源，在所述资源知识图谱中获取所述预备资源的第一资源标签以及与所述预备资源存在关联关系的至少一个关联资源；
统计所述第一资源标签的第一标签总数，并统计所述第一资源标签中与所述用户基础信息匹配的第一资源标签的匹配标签数；
统计所述至少一个关联资源的资源总数，并统计所述至少一个关联资源中存在与所述用户基础信息匹配的资源标签的关联资源的匹配资源数；
计算所述第一标签总数与所述资源总数的第一和值，以及计算所述匹配标签数与所述匹配资源数的第二和值；
将所述第二和值与所述第一和值的比值作为所述预备资源与所述用户基础信息的相似度；
重复执行上述计算相似度的过程，得到所述多个预备资源与所述用户基础信息的多个相似度，在所述多个预备资源中提取相似度大于所述预设的相似度阈值的预备资源作为所述至少一个第二资源。
7.根据权利要求1所述的方法，其特征在于，所述基于所述至少一个第一资源和所述至少一个第二资源，生成推荐结果，包括：
根据所述已购资源信息和所述用户基础信息，计算所述目标用户的保障完整度，并对所述至少一个第一资源和所述至少一个第二资源进行整理，生成所述推荐结果；和/或，
统计所述至少一个第一资源和所述至少一个第二资源与所述已购资源信息的重合度，根据所述重合度对所述至少一个第一资源和所述至少一个第二资源进行排序，将排序后的所述至少一个第一资源和所述至少一个第二资源作为所述推荐结果。
8.根据权利要求7所述的方法，其特征在于，所述根据所述已购资源信息和所述用户基础信息，计算所述目标用户的保障完整度，并对所述至少一个第一资源和所述至少一个第二资源进行整理，生成所述推荐结果，包括：
获取所述用户基础信息对应的理想保障标签，统计所述已购资源信息包括的已购资源标签与所述理想保障标签的第一重合个数；
计算所述第一重合个数与所述理想保障标签的第二标签总数的比值作为所述保障完整度；
在所述理想保障标签中确定除所述已购资源标签外的缺失标签，统计所述至少一个第一资源和所述至少一个第二资源中每个资源包括的所述缺失标签的缺失标签数；
按照所述缺失标签数对所述至少一个第一资源和所述至少一个第二资源进行排序，将排序后的所述至少一个第一资源和所述至少一个第二资源以及所述保障完整度作为所述推荐结果。
9.根据权利要求7所述的方法，其特征在于，所述统计所述至少一个第一资源和所述至少一个第二资源与所述已购资源信息的重合度，包括：
对于所述至少一个第一资源和所述至少一个第二资源中的每个资源，统计所述每个资源的资源标签与所述已购资源信息包括的已购资源标签的第二重合个数；
计算所述第二重合个数与所述每个资源的资源标签的第三标签总数的比值作为所述每个资源与所述已购资源信息的重合度；
重复执行上述计算重合度的过程，得到所述至少一个第一资源和所述至少一个第二资源与所述已购资源信息的重合度。
10.一种资源推荐装置，其特征在于，包括：
获取模块，用于获取目标用户的个人信息，所述个人信息至少包括已购资源信息和用户基础信息；
确定模块，用于确定所述用户基础信息对应的多个推荐策略，所述多个推荐策略根据多个样本用户的历史购买数据生成；
第一提取模块，用于将所述已购资源信息与所述多个推荐策略进行比对，在资源库中提取至少一个第一资源，所述资源库包括多个预备资源，所述至少一个第一资源均符合所述多个推荐策略的要求；
第二提取模块，用于采用资源知识图谱计算所述用户基础信息与所述多个预备资源的相似度，在所述资源库中提取至少一个第二资源，所述资源知识图谱记录了所述多个预备资源之间的关联关系，所述至少一个第二资源的相似度大于预设的相似度阈值；
生成模块，用于基于所述至少一个第一资源和所述至少一个第二资源，生成推荐结果；
推荐模块，用于将所述推荐结果推送至所述目标用户。
11.根据权利要求10所述的装置，其特征在于，所述装置还包括：
拆解模块，用于接收录入的所述多个预备资源的资源参数，按照参数模板，对所述多个预备资源的资源参数进行拆解，生成所述资源库；
聚合模块，用于获取所述多个样本用户的历史购买数据，根据所述多个样本用户的样本用户基础信息，对所述历史购买数据进行拆分及聚合，得到所述多个推荐策略；
构建模块，用于基于预设组织方式对所述多个预备资源的资源参数进行整理，并构建所述多个预备资源之间的关联关系，生成所述资源知识图谱。
12.根据权利要求11所述的装置，其特征在于，所述聚合模块，包括：
拆分单元，用于对所述历史购买数据进行拆分，得到多个样本已购资源；
第一确定单元，用于对于所述多个样本已购资源中每个样本已购资源，确定所述样本已购资源信息所属的历史购买数据对应的目标样本用户；
标注单元，用于将所述目标样本用户的样本用户基础信息按照信息属性拆分为多个子基础信息，采用所述多个子基础信息对所述样本已购资源进行标注；
所述标注单元，还用于重复执行上述标注过程，对所述多个样本已购资源进行标注；
划分单元，用于将所述多个样本已购资源中标注有相同子基础信息的样本已购资源划分为一组，得到多个资源组；
生成单元，用于将所述多个资源组作为所述多个推荐策略。
13.根据权利要求11所述的装置，其特征在于，所述构建模块，包括：
提取单元，用于按照所述预设组织方式，在所述多个预备资源中每个预备资源的资源参数中提取资源实体、实体属性和资源标签，组成所述多个预备资源的多个资源字段；
建立单元，用于对于所述多个资源字段中每个资源字段，在所述多个资源字段中确定所述每个资源字段的关联字段，建立所述每个资源字段与所述关联字段之间的关联关系，所述关联字段的资源实体、实体属性或资源标签中一个或多个与所述资源字段的资源实体、实体属性或资源标签一致；
关联单元，用于将所述关联关系映射至所述多个预备资源中，将所述多个预备资源进行关联，生成所述资源知识图谱。
14.根据权利要求10所述的装置，其特征在于，所述第一提取模块，包括：
第一获取单元，用于获取所述已购资源信息包括的多个已购资源参数；
带入单元，用于对于所述多个已购资源参数中每个已购资源参数，将所述已购资源参数带入所述多个推荐策略；
第二确定单元，用于确定所述已购资源参数在所述多个推荐策略中对应的多个样本已购资源作为候选资源；
第一统计单元，用于统计所述多个已购资源参数对应的多个候选资源的资源交集，将所述资源交集作为所述至少一个第一资源。
15.根据权利要求10所述的装置，其特征在于，所述第二提取模块，包括：
第二获取单元，用于对于所述多个预备资源中每个预备资源，在所述资源知识图谱中获取所述预备资源的第一资源标签以及与所述预备资源存在关联关系的至少一个关联资源；
第二统计单元，用于统计所述第一资源标签的第一标签总数，并统计所述第一资源标签中与所述用户基础信息匹配的第一资源标签的匹配标签数；
第三统计单元，用于统计所述至少一个关联资源的资源总数，并统计所述至少一个关联资源中存在与所述用户基础信息匹配的资源标签的关联资源的匹配资源数；
计算单元，用于计算所述第一标签总数与所述资源总数的第一和值，以及计算所述匹配标签数与所述匹配资源数的第二和值；
第三确定单元，用于将所述第二和值与所述第一和值的比值作为所述预备资源与所述用户基础信息的相似度；
所述第二获取单元，还用于重复执行上述计算相似度的过程，得到所述多个预备资源与所述用户基础信息的多个相似度，在所述多个预备资源中提取相似度大于所述预设的相似度阈值的预备资源作为所述至少一个第二资源。
16.根据权利要求10所述的装置，其特征在于，所述生成模块，用于根据所述已购资源信息和所述用户基础信息，计算所述目标用户的保障完整度，并对所述至少一个第一资源和所述至少一个第二资源进行整理，生成所述推荐结果；和/或，统计所述至少一个第一资源和所述至少一个第二资源与所述已购资源信息的重合度，根据所述重合度对所述至少一个第一资源和所述至少一个第二资源进行排序，将排序后的所述至少一个第一资源和所述至少一个第二资源作为所述推荐结果。
17.根据权利要求16所述的装置，其特征在于，所述生成模块，用于获取所述用户基础信息对应的理想保障标签，统计所述已购资源信息包括的已购资源标签与所述理想保障标签的第一重合个数；计算所述第一重合个数与所述理想保障标签的第二标签总数的比值作为所述保障完整度；在所述理想保障标签中确定除所述已购资源标签外的缺失标签，统计所述至少一个第一资源和所述至少一个第二资源中每个资源包括的所述缺失标签的缺失标签数；按照所述缺失标签数对所述至少一个第一资源和所述至少一个第二资源进行排序，将排序后的所述至少一个第一资源和所述至少一个第二资源以及所述保障完整度作为所述推荐结果。
18.根据权利要求16所述的装置，其特征在于，所述生成模块，用于对于所述至少一个第一资源和所述至少一个第二资源中的每个资源，统计所述每个资源的资源标签与所述已购资源信息包括的已购资源标签的第二重合个数；计算所述第二重合个数与所述每个资源的资源标签的第三标签总数的比值作为所述资源与所述已购资源信息的重合度；重复执行上述计算重合度的过程，得到所述至少一个第一资源和所述至少一个第二资源与所述已购资源信息的重合度。
19.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至9中任一项所述方法的步骤。
20.一种可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至9中任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010068311.7A CN111310032B (zh) | 2020-01-21 | 2020-01-21 | 资源推荐方法、装置、计算机设备及可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010068311.7A CN111310032B (zh) | 2020-01-21 | 2020-01-21 | 资源推荐方法、装置、计算机设备及可读存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111310032A true CN111310032A (zh) | 2020-06-19 |
| CN111310032B CN111310032B (zh) | 2023-09-22 |
Family
ID=71158172
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010068311.7A Active CN111310032B (zh) | 2020-01-21 | 2020-01-21 | 资源推荐方法、装置、计算机设备及可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111310032B (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111861678A (zh) * | 2020-08-03 | 2020-10-30 | 上海风秩科技有限公司 | 一种资源推荐方法、装置、电子设备及存储介质 |
| CN111984873A (zh) * | 2020-09-21 | 2020-11-24 | 北京信息科技大学 | 一种服务推荐系统和方法 |
| CN113254664A (zh) * | 2021-05-14 | 2021-08-13 | 震坤行工业超市(上海)有限公司 | 面向企业的物品推荐方法、装置和存储介质 |
| CN113722498A (zh) * | 2021-06-17 | 2021-11-30 | 武汉理工数字传播工程有限公司 | 一种数字资源管理的方法、装置、设备及存储介质 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107766547A (zh) * | 2017-10-31 | 2018-03-06 | 掌阅科技股份有限公司 | 电子书推荐方法、电子设备及计算机存储介质 |
| CN109285082A (zh) * | 2018-09-25 | 2019-01-29 | 中国平安人寿保险股份有限公司 | 保险产品推荐方法、装置及计算机可读存储介质 |
| CN109300041A (zh) * | 2018-09-03 | 2019-02-01 | 中国平安人寿保险股份有限公司 | 理财策略推荐方法、电子装置及可读存储介质 |
| CN109460516A (zh) * | 2018-11-16 | 2019-03-12 | 广东小天才科技有限公司 | 一种学习内容推荐方法及系统 |
| CN109492180A (zh) * | 2018-09-07 | 2019-03-19 | 平安科技（深圳）有限公司 | 资源推荐方法、装置、计算机设备及计算机可读存储介质 |
| CN109636501A (zh) * | 2018-10-30 | 2019-04-16 | 深圳壹账通智能科技有限公司 | 产品数据处理方法、装置、计算机设备及计算机可读存储介质 |
| CN110148043A (zh) * | 2019-03-01 | 2019-08-20 | 安徽省优质采科技发展有限责任公司 | 基于知识图谱的招标采购信息推荐系统及推荐方法 |
| CN110188208A (zh) * | 2019-06-04 | 2019-08-30 | 河海大学 | 一种基于知识图谱的信息资源查询推荐方法和系统 |
-
2020
- 2020-01-21 CN CN202010068311.7A patent/CN111310032B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107766547A (zh) * | 2017-10-31 | 2018-03-06 | 掌阅科技股份有限公司 | 电子书推荐方法、电子设备及计算机存储介质 |
| CN109300041A (zh) * | 2018-09-03 | 2019-02-01 | 中国平安人寿保险股份有限公司 | 理财策略推荐方法、电子装置及可读存储介质 |
| CN109492180A (zh) * | 2018-09-07 | 2019-03-19 | 平安科技（深圳）有限公司 | 资源推荐方法、装置、计算机设备及计算机可读存储介质 |
| CN109285082A (zh) * | 2018-09-25 | 2019-01-29 | 中国平安人寿保险股份有限公司 | 保险产品推荐方法、装置及计算机可读存储介质 |
| CN109636501A (zh) * | 2018-10-30 | 2019-04-16 | 深圳壹账通智能科技有限公司 | 产品数据处理方法、装置、计算机设备及计算机可读存储介质 |
| CN109460516A (zh) * | 2018-11-16 | 2019-03-12 | 广东小天才科技有限公司 | 一种学习内容推荐方法及系统 |
| CN110148043A (zh) * | 2019-03-01 | 2019-08-20 | 安徽省优质采科技发展有限责任公司 | 基于知识图谱的招标采购信息推荐系统及推荐方法 |
| CN110188208A (zh) * | 2019-06-04 | 2019-08-30 | 河海大学 | 一种基于知识图谱的信息资源查询推荐方法和系统 |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111861678A (zh) * | 2020-08-03 | 2020-10-30 | 上海风秩科技有限公司 | 一种资源推荐方法、装置、电子设备及存储介质 |
| CN111861678B (zh) * | 2020-08-03 | 2024-03-26 | 上海秒针网络科技有限公司 | 一种资源推荐方法、装置、电子设备及存储介质 |
| CN111984873A (zh) * | 2020-09-21 | 2020-11-24 | 北京信息科技大学 | 一种服务推荐系统和方法 |
| CN111984873B (zh) * | 2020-09-21 | 2023-04-25 | 北京信息科技大学 | 一种服务推荐系统和方法 |
| CN113254664A (zh) * | 2021-05-14 | 2021-08-13 | 震坤行工业超市(上海)有限公司 | 面向企业的物品推荐方法、装置和存储介质 |
| CN113254664B (zh) * | 2021-05-14 | 2022-05-24 | 震坤行工业超市(上海)有限公司 | 面向企业的物品推荐方法、装置和存储介质 |
| CN113722498A (zh) * | 2021-06-17 | 2021-11-30 | 武汉理工数字传播工程有限公司 | 一种数字资源管理的方法、装置、设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111310032B (zh) | 2023-09-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111310032B (zh) | 资源推荐方法、装置、计算机设备及可读存储介质 | |
| CN102722481B (zh) | 一种用户收藏夹数据的处理方法及搜索方法 | |
| CN112632405B (zh) | 一种推荐方法、装置、设备及存储介质 | |
| CN111552870A (zh) | 对象推荐方法、电子装置及存储介质 | |
| CN106844407B (zh) | 基于数据集相关性的标签网络产生方法和系统 | |
| US10002187B2 (en) | Method and system for performing topic creation for social data | |
| US20220121675A1 (en) | Etl workflow recommendation device, etl workflow recommendation method and etl workflow recommendation system | |
| US9275125B1 (en) | System for organizing data from a plurality of users to create individual user profiles | |
| CN110880136A (zh) | 配套产品的推荐方法、系统、设备和存储介质 | |
| Paidi | Data mining: Future trends and applications | |
| CN113032668A (zh) | 基于用户画像的产品推荐方法、装置、设备及存储介质 | |
| CN108959580A (zh) | 一种标签数据的优化方法及系统 | |
| CN115423555A (zh) | 一种商品推荐方法、装置、电子设备及存储介质 | |
| CN114372731B (zh) | 基于大数据的岗位目标制定方法、装置，设备及存储介质 | |
| CN112288510A (zh) | 物品推荐方法、装置、设备及存储介质 | |
| CN114722789B (zh) | 数据报表集成方法、装置、电子设备及存储介质 | |
| US10394826B1 (en) | System and methods for searching query data | |
| CN110062112A (zh) | 数据处理方法、装置、设备及计算机可读存储介质 | |
| CN111460300A (zh) | 网络内容推送方法、装置及存储介质 | |
| Li | Research on e-business requirement information resource extraction method in network big data | |
| CN113077317B (zh) | 基于用户数据的物品推荐方法、装置、设备及存储介质 | |
| CN110738538A (zh) | 识别相似物品的方法和装置 | |
| CN115392206B (zh) | 基于wps/excel快速查询数据方法、装置、设备及存储介质 | |
| CN113672800B (zh) | 实名认证自然人用户的事项推荐方法及存储介质 | |
| CN111311329B (zh) | 标签数据获取方法、装置、设备及可读存储介质 |
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 | ||
| CB02 | Change of applicant information | ||
| CB02 | Change of applicant information |
Address after: 100102 201 / F, block C, 2 lizezhong 2nd Road, Chaoyang District, Beijing Applicant after: Beijing Shuidi Technology Group Co.,Ltd. Address before: Room 4103, room 101, floor 1, building 2, No. 208, Lize Zhongyuan, Chaoyang District, Beijing 100102 Applicant before: Beijing Health Home Technology Co.,Ltd. |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |