CN111538905B - 一种对象的推荐方法及装置 - Google Patents
一种对象的推荐方法及装置 Download PDFInfo
- Publication number
- CN111538905B CN111538905B CN202010353109.9A CN202010353109A CN111538905B CN 111538905 B CN111538905 B CN 111538905B CN 202010353109 A CN202010353109 A CN 202010353109A CN 111538905 B CN111538905 B CN 111538905B
- Authority
- CN
- China
- Prior art keywords
- user
- tag
- recommended
- feature information
- determining
- 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
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 3
- 238000012847 principal component analysis method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
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
- 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
- G06F16/958—Organisation or management of web site content, e.g. publishing, maintaining pages or automatic linking
-
- 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
- G06Q40/03—Credit; Loans; Processing thereof
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Technology Law (AREA)
- General Business, Economics & Management (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请提供的对象的推荐方法及装置，在历史特征信息缺少必要特征信息的情况下，从预先建立的问题库中，选取与必要特征信息对应的问题，并获取用户针对问题的答复结果，确保可以得到用户完整的特征信息，确保基于问题的答复结果以及历史特征信息，得到的用户标签可以充分表征用户的特征，因为用户标签可以充分表征用户的特征，对象标签表征适合待推荐对象的用户所具有的特征，所以基于用户标签以及待推荐对象的对象标签，计算得到的用户与待推荐对象的匹配值，可以充分反映用户与待推荐对象的适合程度，综上，本技术方案可以提高为用户推荐的对象合适用户的概率。
Description
技术领域
本申请涉及数据处理领域，尤其涉及一种对象的推荐方法及装置。
背景技术
随着信息技术的发展，通过数据信息处理，以得到优选的数据对象是常用的技术手段，例如在对象的推荐中，通常是通过对对象的数据信息进行处理，以向用户推荐优选的对象，但现有技术中，往往存在推荐的结果不符合用户需求的问题，
例如信用卡的推荐，为了帮助用户进行信用卡的选择，一般银行业务终端会自动向用户推荐一些热门的卡种，这样的信用卡推荐方式往往存在推荐的信用卡不适合用户的问题，所以，如何准确的为用户推荐合适用户的信用卡，成为了亟待解决的问题。
发明内容
为了实现上述目的，本申请提供了以下技术方案：
一种对象的推荐方法，包括：
依据用户的对象选择指令，确定所述用户的历史特征信息以及待推荐对象；
如果所述用户的历史特征信息缺少必要特征信息，则从预先建立的问题库中，选取与所述必要特征信息对应的问题，并向所述用户展示所述问题；
获取所述用户针对所述问题的答复结果；
依据所述问题的答复结果以及所述历史特征信息，确定所述用户的用户标签；任意一个所述用户标签用于表征所述用户的用户特征；
依据所述用户标签以及所述待推荐对象预设的对象标签，计算所述用户与所述待推荐对象的匹配值；任意一个所述对象标签用于表征适合所述待推荐对象的用户所具有的特征；
向所述用户推荐目标推荐对象，所述目标推荐对象为所述匹配值达到阈值的所述待推荐对象。
上述的方法，可选的，判断所述用户的历史特征信息是否缺少所述必要特征信息的过程，包括：
依据预设的特征信息与用户标签的对应关系，确定所述用户的每一项所述历史特征信息的用户标签；
判断所有的所述历史特征信息的用户标签是否包括全部预先规定的必要用户标签，如果是，则确定所述用户的历史特征信息没有缺少所述必要特征信息，如果不是，则确定所述用户的历史特征信息缺少所述必要特征信息。
上述的方法，可选的，所述从预先建立的问题库中，选取与所述必要特征信息对应的问题，包括：
确定目标用户标签，所述目标用户标签为包括在所述必要用户标签中，且不包括在所述用户的用户标签中的标签；
从所述问题库中，选取出目标问题，所述问题库中包括的问题与标签对应，所述目标问题对应的标签与所述目标用户标签相同；
将所述目标问题，作为所述必要特征信息对应的问题。
上述的方法，可选的，所述依据所述用户标签以及所述待推荐对象预设的对象标签，计算所述用户与所述待推荐对象的匹配值，包括：
获取所述待推荐对象的每个所述对象标签的匹配值，其中，任意一个所述对象标签的匹配值的计算过程为：确定该对象标签与所述用户所有的所述用户标签中每个用户标签的相似值；计算该对象标签的第一值，所述第一值依据每个所述相似值得到；将该对象标签预设的标签权重与所述第一值的乘积，作为该对象标签与所述用户的匹配值；
将所有所述对象标签的所述匹配值之和，作为所述用户与所述待推荐对象的匹配值。
上述的方法，可选的，所述向所述用户推荐目标推荐对象之后，还包括，
判断所述用户选择的对象是否为所述目标推荐对象，如果不是，则调整所述目标推荐对象的所述对象标签的所述标签权重。
上述的方法，可选的，所述问题库的建立过程，包括：
建立用户标签库，所述用户标签库包括多个所述用户标签，所述用户标签库依据预先存储的所有用户的所述历史特征信息得到；
针对每个所述用户标签，获取所述用户标签中包括的关键词，依据预设的关键词与问题的对应关系，确定所述用户标签对应的问题；
将所有所述用户标签对应的问题的集合，作为所述问题库。
上述的方法，可选的，依据预先存储的所有用户的所述历史特征信息得到所述用户标签库，包括：
获取预先存储的所有用户的历史特征信息；
针对每一项所述历史特征信息，依据预先设定的特征信息与用户标签的对应关系，确定所述历史特征信息的用户标签；
生成所述用户标签库，所述用户标签库包括所有所述历史特征信息的用户标签。
一种对象的推荐装置，包括：
第一确定单元，用于依据用户的对象选择指令，确定所述用户的历史特征信息以及待推荐对象；
第一获取单元，用于如果所述用户的历史特征信息缺少必要特征信息，则从预先建立的问题库中，选取与所述必要特征信息对应的问题，并向所述用户展示所述问题；
第二获取单元，用于获取所述用户针对所述问题的答复结果；
第二确定单元，用于依据所述问题的答复结果以及所述历史特征信息，确定所述用户的用户标签；任意一个所述用户标签用于表征所述用户的用户特征；
计算单元，用于依据所述用户标签以及所述待推荐对象预设的对象标签，计算所述用户与所述待推荐对象的匹配值；任意一个所述对象标签用于表征适合所述待推荐对象的用户所具有的特征；
推荐单元，用于向所述用户推荐目标推荐对象，所述目标推荐对象为所述匹配值达到阈值的所述待推荐对象。
一种电子设备，包括：处理器和存储器，所述存储器用于存储程序；所述处理器用于运行所述程序，以实现上述的对象的推荐方法。
一种计算机可读存储介质，所述计算机可读存储介质中存储有指令，当其在计算机上运行时，使得计算机执行上述的对象的推荐方法。
本申请提供的技术方案，在历史特征信息缺少必要特征信息的情况下，从预先建立的问题库中，选取与必要特征信息对应的问题，并获取用户针对问题的答复结果，确保可以得到用户完整的特征信息，确保基于问题的答复结果以及历史特征信息，得到的用户标签可以充分表征用户的特征，因为用户标签可以充分表征用户的特征，对象标签表征适合本对象的用户具有的特征，所以基于用户标签以及待推荐对象的对象标签，计算得到的用户与待推荐对象的匹配值，可以充分反映用户与待推荐对象的适合程度，所以，向用户推荐匹配值达到阈值的目标推荐对象。综上，本技术方案可以提高为用户推荐的对象合适用户的概率。
附图说明
为了更清楚地说明本申请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申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的一种对象的推荐方法的流程图；
图2为本申请实施例提供的建立问题库的方法的流程图；
图3为本申请实施例提供的计算用户与待推荐对象的匹配值的方法的流程图；
图4为本申请实施例提供的一种对象的推荐装置的结构示意图；
图5为本申请实施例提供的又一种对象的推荐装置的结构示意图；
图6为本申请实施例提供的一种电子设备的结构示意图。
具体实施方式
本申请的技术方案，可以应用在具有推荐功能的终端上，例如，在对象为信用卡的情况，终端可以是银行的具有信用卡推荐功能的自助柜台机。本申请提供得实施例，对象可以是信用卡，也可以是其他产品对象，本申请不进行限定。
下面将结合本申请实施例中的附图，对本申请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申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
图1为本申请实施例提供的一种对象的推荐方法，可以包括以下步骤：
S101、依据用户的对象选择指令，确定用户的历史特征信息以及待推荐对象。
本实施例中，对象选择指令可以是用户通过终端界面发送对象推荐请求的情况下产生的指令，其中，对象选择指令中携带用户的身份标识码，以及用户所要求推荐的对象类型。
用户的历史特征信息为历史记录并存储的用户的特征信息，用户的特征信息可以是，用户的工作、性别、家庭成员、收入、资产保有、信贷、消费、以及主要活动地理范围等多个方面的特征信息。
本步骤的具体实现方式可以是，根据对象选择指令中携带用户的身份标识码，从预先存储的用户历史特征信息库中，获取与用户份标识码对应的历史特征信息。根据对象选择指令中携带的对象类型的信息，将属于该对象类型的所有对象作为待推荐对象，其中，对象对应的对象类型是预先设定的。
S102、判断用户的历史特征信息是否缺少必要特征信息，如果不是，则执行S103，如果不是，则执行S104。
必要特征信息为预先规定的与对象类型相关的推荐对象的依据，例如，对象类型为信用卡时，必要特征信息可以是用户的收入信息以及固定资产信息等，本实施例中，不同的对象类型对应的必要特征信息可以不同。
本步骤的具体实现方式可以是：依据预设的特征信息与用户标签的对应关系，确定用户的每一项历史特征信息的用户标签，判断所有的历史特征信息的标签是否包括全部预先规定的必要用户标签，如果是，则确定用户的历史特征信息没有缺少必要特征信息，如果不是，则确定用户的历史特征信息缺少必要特征信息。
本实施例中，用户标签用于表征用户的用户特征，必要用户标签是预先规定的与对象类型相关的标签，例如，对象类型为信用卡时，必要用户标签可以是，固定资产标签、收入标签，以及职业标签等。当用户的历史特征信息对应的用户标签不能覆盖预先规定的必要用户标签时，确定用户缺少必要特征信息。
S103、依据历史特征信息，确定用户的用户标签。
若不缺少必要特征信息，则依据预设的特征信息与用户标签的对应关系，确定用户的每一项历史特征信息的用户标签，并将所有历史特征信息的用户标签，作为用户的用户标签。
S104、从预先建立的问题库中，选取与必要特征信息对应的问题，并向用户展示获取得到的问题。
本实施例中，问题库是预先建立的依据用户的历史特征信息得到数据库，具体的预先建立问题的库的过程可以参考图2，此处不再赘述，
本步骤的具体实现方式可以包括以下步骤A1-步骤A3：
步骤A1、确定目标用户标签。
目标用户标签为包括在必要用户标签中，且不包括在用户的用户标签中的标签；必要用户标签为表征必要特征信息的标签；
步骤A2、从问题库中，选取对应的标签与目标用户标签相同的问题，作为目标问题。本实施例中，问题库中任意一个问题都存在预设对应的标签。
步骤A3、将目标问题，作为必要特征信息对应的问题。
S105、获取用户针对问题的答复结果，并依据问题的答复结果以及历史特征信息，确定用户的用户标签。
本实施例中，在用户针对展示的问题进行答复后，获取用户针对问题的答复结果，并将答复结果作为用户新增的特征信息，针对每一项新增的特征信息以及历史特征信息，根据预设的特征信息与用户标签的对应关系，确定每一项特征信息对应的用户标签，并将所有特征信息对应的用户标签作为用户的用户标签。
S106、依据用户标签以及待推荐对象预设的对象标签，计算用户与待推荐对象的匹配值。
本实施例中，对象标签为用于表征适合对象的用户具有的特征，用户与待推荐对象的匹配值表征用户与待推荐对象的适合程度，匹配值越大，适合程度越高。本步骤的具体实现方式可以参考图3，此处不再赘述。
S107、将匹配值达到阈值的待推荐对象作为目标推荐对象向用户进行推荐。
匹配值达到阈值说明，待推荐对象与用户合适程度较高，故可以将待推荐对象作为目标推荐对象向用户进行推荐。
本实施例提供的方法，在历史特征信息缺少必要特征信息的情况下，从预先建立的问题库中，选取与必要特征信息对应的问题，并获取用户针对问题的答复结果，确保可以得到用户完整的特征信息，确保基于问题的答复结果以及历史特征信息，得到的用户标签可以充分表征用户的特征，因为用户标签可以充分表征用户的特征，对象标签表征适合待推荐对象的用户所具有的特征，所以基于用户标签以及待推荐对象的对象标签，计算得到的用户与待推荐对象的匹配值，可以充分反映用户与待推荐对象的适合程度，综上，本技术方案可以提高为用户推荐合适用户的对象的概率。
上述的实施例，可选的，向用户推荐目标推荐对象之后，还可以包括，
判断用户选择的对象是否为目标推荐对象，如果不是，则调整目标推荐对象的对象标签的标签权重。具体的，若用户选择的对象不是目标推荐对象，则比较目标推荐对象的对象标签与用户所选择的对象的对象标签的差别，利用主成分分析法或熵权法调整目标推荐对象的对象标签的标签权重，其中，利用主成分分析法或熵权法调整目标推荐对象的对象标签的标签权重的详细过程可以参考现有技术。在用户选择的对象不是目标推荐对象的情况下，调整目标推荐对象的对象标签的标签权重，可以提高后续为用户推荐目标对象的准确性。
图2为上述实施例的S104中，建立问题库的具体实施方式，可以包括以下步骤：
S201、建立用户标签库。
用户标签库包括多个用户标签，任意一个用户标签用于表征用户特征信息，用户标签库依据预先存储的所有用户的历史特征信息得到，建立用户标签库具体的实施方式包括以下步骤B1-步骤B3。
步骤B1、获取预先存储的所有用户的历史特征信息；
步骤B2、针对每一项历史特征信息，依据预先设定的特征信息与用户标签的对应关系，确定历史特征信息的用户标签；
步骤B3、生成所述用户标签库。用户标签库包括所有历史特征信息的用户标签。
S202、针对每个用户标签，获取用户标签中包括的关键词，依据预设的关键词与问题的对应关系，确定用户标签对应的问题。
本步骤中，可以利用现有的关键词识别工具，获取用户标签中包括的关键词，从预设的关键词与问题的对应关系，确定关键词对应的问题，并将关键词对应的问题，作为用户标签对应的问题。其中，关键词对应的问题可以根据需求自行设定，一个关键词可以对应多个问题，不同的关键词可以对应相同的问题。
本步骤中，可选的，确定用户标签对应的问题之后，可以将用户标签对应的问题的标签，设定为该用户标签。
S203、将所有所述用户标签对应的问题的集合，作为问题库。
本实施例提供的方法，基于用户标签库，建立问题库，使得到的问题库与用户标签关联，因为用户标签与用户的特征信息相关，所以可以确保问题库的问题与用户的特征信息也相关，为后续在用户的历史特征信息缺少必要特征信息的情况下，确保可以获取到与必要特征信息对应的问题。
图3为上述实施例S106中计算用户与待推荐对象的匹配值的具体实施方式，可以包括以下步骤：
S301、针对待推荐对象的每个对象标签，分别确定对象标签与用户所有的用户标签中每个用户标签的相似值。
本步骤中，可选的，若对象标签与用户标签完全相同，则相似值为1，若对象标签与用户标签完全不相同，则相似值为0，在对象标签与用户标签不完全相同的情况下，若对象标签与用户标签的关键词相同，且相同的数量越大，则将相似值越接近1，相似值具体的大小可自行设定。
S302、计算对象标签的第一值。
本步骤中，可以将每个相似值相加得到的数值作为对象标签的第一值。
S303、将对象标签预设的标签权重与第一值的乘积，作为对象标签与用户的匹配值。
本步骤中，不同的对象标签预设的标签权重不同。
S304、将所有对象标签的匹配值之和，作为用户与待推荐对象的匹配值。
本实施例提供的方法，通过对象标签与用户标签的相似值，以及对象标签预设的权重，得到用户与待推荐对象的匹配值，因为用户标签可以充分表征用户的特征，对象标签表征适合待推荐对象的用户具有的特征，所以基于用户标签以及待推荐对象的对象标签，计算得到的用户与待推荐对象的匹配值，可以充分反映用户与待推荐对象的适合程度。
参考图4，示出了本发明实施例提供的一种对象的推荐的装置400的结构示意图，包括：
第一确定单元401，用于依据用户的对象选择指令，确定用户的历史特征信息以及待推荐对象。
第一获取单元402，用于如果用户的历史特征信息是否缺少必要特征信息，则从预先建立的问题库中，选取与必要特征信息对应的问题，并向用户展示该问题。
第二获取单元403，用于获取用户针对问题的答复结果，
第二确定单元404，用于依据问题的答复结果以及历史特征信息，确定用户的用户标签；任意一个用户标签用于表征用户的用户特征。
计算单元405，用于依据用户标签以及待推荐对象预设的对象标签，计算用户与待推荐对象的匹配值；任意一个对象标签用于表征适合该对象的用户所具有的特征；
推荐单元406，用于向用户推荐目标推荐对象，目标推荐对象为匹配值达到阈值的待推荐对象。
其中，第一获取单元402，判断用户的历史特征信息是否缺少必要特征信息的具有实现方式为：依据预设的特征信息与用户标签的对应关系，确定用户的每一项历史特征信息的用户标签；判断所有的历史特征信息的用户标签是否包括全部预先规定的必要用户标签，如果是，则确定用户的历史特征信息没有缺少必要特征信息，如果不是，则确定用户的历史特征信息缺少必要特征信息。
第一获取单元402，从预先建立的问题库中，选取与必要特征信息对应的问题的具体实现方式为：确定目标用户标签，目标用户标签为包括在必要用户标签中，且不包括在用户的用户标签中的标签；从问题库中，选取出目标问题，问题库中包括的问题标签对应，目标问题对应的标签与所述目标用户标签相同；将目标问题，作为必要特征信息对应的问题。
第一获取单元402，还用于，判断用户选择的对象是否为目标推荐对象，如果不是，则调整目标推荐对象的对象标签的标签权重。
计算单元404依据用户标签以及待推荐对象预设的对象标签，计算用户与待推荐对象的匹配值的具体实现方式为：获取待推荐对象的每个对象标签的匹配值，其中，任意一个对象标签的匹配值的计算过程为：确定该对象标签与用户所有的用户标签中每个用户标签的相似值；计算该对象标签的第一值，第一值依据每个相似值得到；将该对象标签预设的标签权重与第一值的乘积，作为该对象标签与用户的匹配值；将所有对象标签的所述匹配值之和，作为用户与待推荐对象的匹配值。
本申请提供的对象的推荐的装置，在历史特征信息缺少必要特征信息的情况下，从预先建立的问题库中，选取与必要特征信息对应的问题，并获取用户针对问题的答复结果，确保可以得到用户完整的特征信息，所以确保基于问题的答复结果以及历史特征信息，得到的用户标签也可以充分表征用户的特征，因为用户标签可以充分表征用户的特征，对象标签表征适合待推荐对象的用户具有的特征，所以基于用户标签以及待推荐对象的对象标签，计算得到的用户与待推荐对象的匹配值，可以充分反映用户与待推荐对象的适合程度，综上，本技术方案可以提高为用户推荐的对象为合适用户的对象的概率。
参考图5，示出了本发明实施例提供的又一种对象的推荐装置400的结构示意图，在图4的基础上，还包括：
创建单元407，用于创建问题库以及用户标签库。
其中，创建单元405建立问题库的具体实现方式为：
建立用户标签库，用户标签库包括多个所述用户标签，用户标签库依据预先存储的所有用户的所述历史特征信息得到；针对每个用户标签，获取用户标签中包括的关键词，依据预设的关键词与问题的对应关系，确定用户标签对应的问题；将所有用户标签对应的问题的集合，作为问题库。
其中，创建单元405建立用户标签库的具体实现方式为：获取预先存储的所有用户的历史特征信息；针对每一项历史特征信息，依据预先设定的特征信息与用户标签的对应关系，确定历史特征信息的用户标签；生成用户标签库，用户标签库包括所述历史特征信息的用户标签。
本申请提供的对象的推荐装置，在历史特征信息缺少必要特征信息的情况下，从预先建立的问题库中，选取与必要特征信息对应的问题，并获取用户针对问题的答复结果，确保可以得到用户完整的特征信息，所以确保基于问题的答复结果以及历史特征信息，得到的用户标签也可以充分表征用户的特征，因为用户标签可以充分表征用户的特征，对象标签表征适合待推荐对象的用户具有的特征，所以基于用户标签以及待推荐对象的对象标签，计算得到的用户与待推荐对象的匹配值，可以充分反映用户与待推荐对象的适合程度，综上，本技术方案可以提高为用户推荐的对象合适用户的概率。
本发明实施例还提供了一种电子设备600，其结构示意图如图6所示，具体包括：处理器601和存储器602，存储器602用于存储程序；处理器601用于运行程序，以实现本申请实施例中对象的推荐方法。
本发明实施例还提供了一种计算机可读存储介质，该计算机可读存储介质中存储有指令，当其在计算机上运行时，使得计算机执行本申请实施例中对象的推荐方法。
本申请实施例方法所述的功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算设备可读取存储介质中。基于这样的理解，本申请实施例对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该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设备(可以是个人计算机，服务器，移动计算设备或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、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。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同或相似部分互相参见即可。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (9)
1.一种对象的推荐方法，其特征在于，包括：
依据用户的对象选择指令，确定所述用户的历史特征信息以及待推荐对象；
如果所述用户的历史特征信息缺少必要特征信息，则从预先建立的问题库中，选取与所述必要特征信息对应的问题，并向所述用户展示所述问题；
获取所述用户针对所述问题的答复结果；
依据所述问题的答复结果以及所述历史特征信息，确定所述用户的用户标签；任意一个所述用户标签用于表征所述用户的用户特征；
依据所述用户标签以及所述待推荐对象预设的对象标签，计算所述用户与所述待推荐对象的匹配值；任意一个所述对象标签用于表征适合所述待推荐对象的用户所具有的特征；
向所述用户推荐目标推荐对象，所述目标推荐对象为所述匹配值达到阈值的所述待推荐对象；
其中，所述依据所述用户标签以及所述待推荐对象预设的对象标签，计算所述用户与所述待推荐对象的匹配值，包括：
获取所述待推荐对象的每个所述对象标签的匹配值，其中，任意一个所述对象标签的匹配值的计算过程为：确定该对象标签与所述用户所有的所述用户标签中每个用户标签的相似值；计算该对象标签的第一值，所述第一值依据每个所述相似值得到；将该对象标签预设的标签权重与所述第一值的乘积，作为该对象标签与所述用户的匹配值；
将所有所述对象标签的所述匹配值之和，作为所述用户与所述待推荐对象的匹配值。
2.根据权利要求1所述的方法，其特征在于，判断所述用户的历史特征信息是否缺少所述必要特征信息的过程，包括：
依据预设的特征信息与用户标签的对应关系，确定所述用户的每一项所述历史特征信息的用户标签；
判断所有的所述历史特征信息的用户标签是否包括全部预先规定的必要用户标签，如果是，则确定所述用户的历史特征信息没有缺少所述必要特征信息，如果不是，则确定所述用户的历史特征信息缺少所述必要特征信息。
3.根据权利要求2所述的方法，其特征在于，所述从预先建立的问题库中，选取与所述必要特征信息对应的问题，包括：
确定目标用户标签，所述目标用户标签为包括在所述必要用户标签中，且不包括在所述用户的用户标签中的标签；
从所述问题库中，选取出目标问题，所述问题库中包括的问题与标签对应，所述目标问题对应的标签与所述目标用户标签相同；
将所述目标问题，作为所述必要特征信息对应的问题。
4.根据权利要求1所述的方法，其特征在于，所述向所述用户推荐目标推荐对象之后，还包括，
判断所述用户选择的对象是否为所述目标推荐对象，如果不是，则调整所述目标推荐对象的所述对象标签的所述标签权重。
5.根据权利要求1所述的方法，其特征在于，所述问题库的建立过程，包括：
建立用户标签库，所述用户标签库包括多个所述用户标签，所述用户标签库依据预先存储的所有用户的所述历史特征信息得到；
针对每个所述用户标签，获取所述用户标签中包括的关键词，依据预设的关键词与问题的对应关系，确定所述用户标签对应的问题；
将所有所述用户标签对应的问题的集合，作为所述问题库。
6.根据权利要求5所述的方法，其特征在于，依据预先存储的所有用户的所述历史特征信息得到所述用户标签库，包括：
获取预先存储的所有用户的历史特征信息；
针对每一项所述历史特征信息，依据预先设定的特征信息与用户标签的对应关系，确定所述历史特征信息的用户标签；
生成所述用户标签库，所述用户标签库包括所有所述历史特征信息的用户标签。
7.一种对象的推荐装置，其特征在于，包括：
第一确定单元，用于依据用户的对象选择指令，确定所述用户的历史特征信息以及待推荐对象；
第一获取单元，用于如果所述用户的历史特征信息缺少必要特征信息，则从预先建立的问题库中，选取与所述必要特征信息对应的问题，并向所述用户展示所述问题；
第二获取单元，用于获取所述用户针对所述问题的答复结果；
第二确定单元，用于依据所述问题的答复结果以及所述历史特征信息，确定所述用户的用户标签；任意一个所述用户标签用于表征所述用户的用户特征；
计算单元，用于依据所述用户标签以及所述待推荐对象预设的对象标签，计算所述用户与所述待推荐对象的匹配值；任意一个所述对象标签用于表征适合所述待推荐对象的用户所具有的特征；
推荐单元，用于向所述用户推荐目标推荐对象，所述目标推荐对象为所述匹配值达到阈值的所述待推荐对象；
其中，所述计算单元依据用户标签以及待推荐对象预设的对象标签，计算用户与待推荐对象的匹配值的具体实现方式为：获取待推荐对象的每个对象标签的匹配值，其中，任意一个对象标签的匹配值的计算过程为：确定该对象标签与所述用户所有的所述用户标签中每个用户标签的相似值；计算该对象标签的第一值，所述第一值依据每个所述相似值得到；将该对象标签预设的标签权重与所述第一值的乘积，作为该对象标签与所述用户的匹配值；将所有所述对象标签的所述匹配值之和，作为所述用户与所述待推荐对象的匹配值。
8.一种电子设备，其特征在于，包括：处理器和存储器，所述存储器用于存储程序；所述处理器用于运行所述程序，以实现权利要求1-6任一项所述的对象的推荐方法。
9.一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存储有指令，当其在计算机上运行时，使得计算机执行权利要求1-6任一项所述的对象的推荐方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010353109.9A CN111538905B (zh) | 2020-04-29 | 2020-04-29 | 一种对象的推荐方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010353109.9A CN111538905B (zh) | 2020-04-29 | 2020-04-29 | 一种对象的推荐方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111538905A CN111538905A (zh) | 2020-08-14 |
| CN111538905B true CN111538905B (zh) | 2023-10-20 |
Family
ID=71975823
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010353109.9A Active CN111538905B (zh) | 2020-04-29 | 2020-04-29 | 一种对象的推荐方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111538905B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112507218A (zh) * | 2020-12-03 | 2021-03-16 | 广州华多网络科技有限公司 | 业务对象推荐方法、装置、电子设备及存储介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107909473A (zh) * | 2017-12-27 | 2018-04-13 | 中国银行股份有限公司 | 一种基于用户行为分析的网上银行营销方法及装置 |
| CN109214914A (zh) * | 2018-08-24 | 2019-01-15 | 厦门集微科技有限公司 | 一种基于通信开放平台的借贷信息审核方法及装置 |
| 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 |
| CN109801101A (zh) * | 2019-01-03 | 2019-05-24 | 深圳壹账通智能科技有限公司 | 标签确定方法、装置、计算机设备和存储介质 |
| CN111078997A (zh) * | 2019-11-18 | 2020-04-28 | 中国银行股份有限公司 | 一种资讯推荐方法及装置 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| AU2017316544A1 (en) * | 2016-08-21 | 2019-01-31 | Etoro Group Ltd. | Broker chat bot |
-
2020
- 2020-04-29 CN CN202010353109.9A patent/CN111538905B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107909473A (zh) * | 2017-12-27 | 2018-04-13 | 中国银行股份有限公司 | 一种基于用户行为分析的网上银行营销方法及装置 |
| CN109214914A (zh) * | 2018-08-24 | 2019-01-15 | 厦门集微科技有限公司 | 一种基于通信开放平台的借贷信息审核方法及装置 |
| 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 |
| CN109801101A (zh) * | 2019-01-03 | 2019-05-24 | 深圳壹账通智能科技有限公司 | 标签确定方法、装置、计算机设备和存储介质 |
| CN111078997A (zh) * | 2019-11-18 | 2020-04-28 | 中国银行股份有限公司 | 一种资讯推荐方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111538905A (zh) | 2020-08-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109727041B (zh) | 智能客服多轮问答方法、设备、存储介质及装置 | |
| CN106557480B (zh) | 查询改写的实现方法及装置 | |
| CA3070612A1 (en) | Click rate estimation | |
| US9082086B2 (en) | Adaptively learning a similarity model | |
| CN110163655B (zh) | 基于梯度提升树的坐席分配方法、装置、设备及存储介质 | |
| CN108399565A (zh) | 金融产品推荐装置、方法及计算机可读存储介质 | |
| CN110851729A (zh) | 资源信息推荐方法、装置、设备及计算机存储介质 | |
| CN109753561B (zh) | 一种自动回复的生成方法及装置 | |
| CN111861605A (zh) | 业务对象推荐方法 | |
| CN113407854A (zh) | 一种应用推荐方法、装置、设备及计算机可读存储介质 | |
| CN111784449A (zh) | 数据推送方法、设备、存储介质及装置 | |
| JP4755911B2 (ja) | クレジットカード利用の不正スコアを算出するスコアリングシステム及びスコアリング方法 | |
| CN111967948A (zh) | 一种银行产品推荐方法、装置、服务器及存储介质 | |
| CN111538905B (zh) | 一种对象的推荐方法及装置 | |
| CN115564486A (zh) | 一种数据推送方法、装置、设备和介质 | |
| CN111429214A (zh) | 一种基于交易数据的买卖双方匹配方法及装置 | |
| CN117196787B (zh) | 一种基于人工智能的智能决策优化方法及系统 | |
| CN117216671A (zh) | 潜在客户的确定方法、装置、存储介质及电子设备 | |
| CN111563039A (zh) | 一种工作量估算的方法及装置 | |
| CN116150477A (zh) | 一种财经资讯个性化推荐方法、装置、设备及介质 | |
| CN115393926A (zh) | 用于提高人脸识别精度的方法、装置及服务器 | |
| CN114925275A (zh) | 产品推荐方法、装置、计算机设备及存储介质 | |
| CN113409106A (zh) | 基于用户价值的商品推荐方法、装置、设备及存储介质 | |
| CN112925982A (zh) | 用户重定向方法及装置、存储介质、计算机设备 | |
| WO2022020070A1 (en) | Self learning machine learning pipeline for enabling binary decision making |
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 |