CN111553657A - 基于行为分析的匹配方法和装置、电子设备和存储介质 - Google Patents

基于行为分析的匹配方法和装置、电子设备和存储介质 Download PDF

Info

Publication number
CN111553657A
CN111553657A CN202010349030.9A CN202010349030A CN111553657A CN 111553657 A CN111553657 A CN 111553657A CN 202010349030 A CN202010349030 A CN 202010349030A CN 111553657 A CN111553657 A CN 111553657A
Authority
CN
China
Prior art keywords
preference
user
current
service
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.)
Pending
Application number
CN202010349030.9A
Other languages
English (en)
Inventor
许燕松
袁彬
付奥
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Seashell Housing Beijing Technology Co Ltd
Original Assignee
Beike Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beike Technology Co Ltd filed Critical Beike Technology Co Ltd
Priority to CN202010349030.9A priority Critical patent/CN111553657A/zh
Publication of CN111553657A publication Critical patent/CN111553657A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00Administration; Management
    • G06Q10/10Office automation; Time management
    • G06Q10/105Human resources
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24Querying
    • G06F16/245Query processing
    • G06F16/2457Query processing with adaptation to user needs

Abstract

本公开实施例公开了一种基于行为分析的匹配方法和装置、电子设备和存储介质,其中,方法包括:分别基于信息数据库中用户和服务人员的行为信息分别获取各用户和各服务人员在各预设偏好维度上的偏好信息;分别选取一个用户作为当前用户、选取一个服务人员作为当前服务人员,基于当前用户和当前服务人员在各预设偏好维度上的偏好信息,获取当前用户和当前服务人员之间的偏好匹配度;基于所述偏好匹配度,确定当前用户和当前服务人员之间的相似度;基于各用户和各服务人员之间的相似度,按照双向匹配原则,对各所述用户与各所述服务人员进行匹配。本公开实施例可以实现需求方和服务方之间的有效匹配。

Description

基于行为分析的匹配方法和装置、电子设备和存储介质
技术领域
本公开涉及数据处理技术,尤其是一种基于行为分析的匹配方法和装置、电子设备和存储介质。
背景技术
随着社会的飞速发展,新兴职业越来越多,社会分工越来越细,专业化程度越来越高,每个岗位都需要有专业知识和技能。社会分工的细化,可以带来如下三大好处:一是劳动者技巧和熟练程度的提高有助于生产效率的提高;二是可以免除更换工作造成的时间损失;三是使人的注意力倾注在单一事物上,更易在工作方法的专业化方面有所突破,更有利于推动技术进步、产生发明创造,从而推动社会进步。
在社会分工细化的情况下,每个专业技术领域、服务领域的工作岗位都有专业人员提供各种技术、服务等方面的支持。用户由于工作、生活等方面的需要在个人不擅长的领域有需求时,往往会寻求该领域专业人员的专业服务。例如,在房产交易领域,用户需要买卖房屋时,通常会寻求房产中介公司的经纪人进行咨询,通过房产中介公司来实现房屋买卖。
然而,如何在需求方用户和提供服务的专业人员之间进行有效匹配,使得服务方可以设置合理的专业岗位,由合适的专业人员为需求方用户提供更专业、有效的服务,既能为需求方用户提供更专业、高效的服务,又能合理均衡服务方设置的岗位数量、从而有效控制成本,是一个亟需解决的问题。
发明内容
本公开实施例提供一种基于行为分析的匹配方法和装置、电子设备和存储介质,以实现需求方和服务方之间的有效匹配。
本公开实施例的一个方面,提供的一种基于行为分析的匹配方法,包括:
基于信息数据库中用户的行为信息分别获取各用户在各预设偏好维度上的偏好信息,以及,基于信息数据库中服务人员的行为信息分别获取各服务人员在各预设偏好维度上的偏好信息;
分别选取一个用户作为当前用户、选取一个服务人员作为当前服务人员,基于当前用户在各预设偏好维度上的偏好信息和当前服务人员在各预设偏好维度上的偏好信息,获取当前用户和当前服务人员之间的偏好匹配度;
基于当前用户和当前服务人员之间的偏好匹配度,确定当前用户和当前服务人员之间的相似度;
基于各用户和各服务人员之间的相似度,按照双向匹配原则,对各所述用户与各所述服务人员进行匹配。
在基于本公开上述方法的任一实施例中,获取所述一个主体在各预设偏好维度上的偏好信息,包括:
分别针对各预设偏好维度,基于所述一个主体对所述偏好维度上各属性值的关注程度、以及对各属性值的关注时间对应的衰减因子,获取所述一个主体在所述偏好维度上的偏好信息;其中,所述主体包括:用户或者服务人员。
在基于本公开上述方法的任一实施例中,在基于本公开上述方法的任一实施例中,所述基于当前用户在各预设偏好维度上的偏好信息和当前服务人员在各预设偏好维度上的偏好信息,获取当前用户和当前服务人员之间的偏好匹配度,包括:
基于当前用户在各预设偏好维度上的偏好信息和当前服务人员在各预设偏好维度上的偏好信息,确定当前用户和当前服务人员是否存在偏好信息一致的偏好维度;
若存在偏好信息一致的偏好维度,基于当前用户和当前服务人员在所述偏好信息一致的偏好维度上的偏好信息,获取当前用户和当前服务人员之间在所述偏好信息一致的偏好维度上的子匹配度;
基于当前用户和当前服务人员之间在所有所述偏好信息一致的偏好维度上的子匹配度,获取当前用户和当前服务人员之间的偏好匹配度。
在基于本公开上述方法的任一实施例中,所述基于当前用户和当前服务人员在所述偏好信息一致的偏好维度上的偏好信息,获取当前用户和当前服务人员之间在所述偏好信息一致的偏好维度上的子匹配度,包括:
分别针对各所述偏好信息一致的偏好维度,基于当前用户和当前服务人员的偏好信息中各相同偏好的偏好值的乘积或者和,得到当前用户和当前服务人员之间在所述偏好信息一致的偏好维度上的子匹配度;其中,所述偏好信息包括偏好和所述偏好对应的偏好值;
所述基于当前用户和当前服务人员之间在所有所述偏好信息一致的偏好维度上的子匹配度,获取当前用户和当前服务人员之间的偏好匹配度,包括:
分别基于各所述偏好信息一致的偏好维度的权重,对相应所述偏好信息一致的偏好维度上的子匹配度进行加权求和,得到当前用户和当前服务人员之间的偏好匹配度。
在基于本公开上述方法的任一实施例中,所述基于当前用户在各预设偏好维度上的偏好信息和当前服务人员在各预设偏好维度上的偏好信息,获取当前用户和当前服务人员之间的偏好匹配度,还包括:
若当前用户和当前服务人员不存在偏好信息一致的偏好维度,确定当前用户和当前服务人员之间的偏好匹配度为0。
在基于本公开上述方法的任一实施例中,所述基于各用户和各服务人员之间的相似度,按照双向匹配原则,对各所述用户与各所述服务人员进行匹配,包括:
依次以各服务人员作为目标服务人员,从未匹配给服务人员的用户中选取与所述目标服务人员之间相似度最高的前M个用户;其中,M为大于1的整数;
分别以所述前M个用户中的各用户作为目标用户,获取与所述目标用户之间相似度最高的前N个服务人员;其中,N为大于1的整数;
识别所述前N个服务人员中是否包括所述目标服务人员;
若所述前N个服务人员中包括所述目标服务人员,将所述目标用户匹配给所述目标服务人员;
针对匹配的用户数量未达到预设数量的各服务人员,迭代执行所述依次以各服务人员作为目标服务人员,从未匹配给服务人员的用户中选取与所述目标服务人员之间相似度最高的前M个用户的操作,直至满足预设条件。
在基于本公开上述方法的任一实施例中,所述基于当前用户和当前服务人员之间的偏好匹配度,确定当前用户和当前服务人员之间的相似度,包括:
以当前用户和当前服务人员之间的偏好匹配度,作为当前用户和当前服务人员之间的相似度。
在基于本公开上述方法的任一实施例中,所述满足预设条件之后,还包括:
识别是否存在匹配的用户数量未达到预设数量的空闲服务人员;
若存在匹配的用户数量未达到预设数量的空闲服务人员,基于各所述空闲服务人员的活跃度和未匹配给服务人员的预留用户的活跃度由高到低的顺序,将所述预留用户匹配给所述空闲服务人员。
在基于本公开上述方法的任一实施例中,所述基于当前用户和当前服务人员之间的偏好匹配度,确定当前用户和当前服务人员之间的相似度,包括:
基于当前用户和当前服务人员之间的偏好匹配度、所述当前用户的活跃度和所述当前服务人员的活跃度,确定所述当前用户和所述当前服务人员之间的相似度。
在基于本公开上述方法的任一实施例中,还包括:
分别基于信息数据库中用户的行为信息获取各用户的活跃度,以及,分别基于信息数据库中服务人员的行为信息获取各服务人员的活跃度。
在基于本公开上述方法的任一实施例中,所述基于信息数据库中用户的行为信息分别获取各用户的活跃度,包括:
基于各历史行为热度维度的权重,对用户在第一预设时期内各行为热度维度上的热度值进行加权求和,得到所述用户的历史行为热度值;以及,基于各近期行为热度维度的权重,对用户在至少一个第二预设时期内各近期热度维度上的热度值进行加权求和,得到所述用户的近期行为热度值;
基于历史行为热度和近期行为热度的权重,对所述历史行为热度值和所述近期行为热度值进行加权求和,得到所述用户的活跃度。
在基于本公开上述方法的任一实施例中,所述分别基于信息数据库中服务人员的行为信息获取各服务人员的活跃度,包括:
基于至少一个第三预设时期内各业务指标维度的权重,对服务人员在相应第三预设时期内的各业务指标值进行加权求和,得到所述服务人员的活跃度。
在基于本公开上述方法的任一实施例中,所述对各所述用户与各所述服务人员进行匹配之后,还包括:
生成匹配结果,所述匹配结果包括:匹配给各服务人员的用户信息;
根据所述匹配结果,分别将匹配给各服务人员的用户信息发送给对应的服务人员。
在基于本公开上述方法的任一实施例中,所述偏好维度包括以下任意一项或多项:区域,商圈,小区,物业等级,楼层等级,建筑类型,房屋类型,价格区间,面积区间,厅数,居室数,厨房数,厕所数,朝向,结构,装修等级,地铁房,学区房。
本公开实施例的另一个方面,提供的一种基于行为分析的装置,包括:
第一获取模块,用于基于信息数据库中用户的行为信息分别获取各用户在各预设偏好维度上的偏好信息;
第二获取模块,用于基于信息数据库中服务人员的行为信息分别获取各服务人员在各预设偏好维度上的偏好信息;
第三获取模块,用于分别选取一个用户作为当前用户、选取一个服务人员作为当前服务人员,基于当前用户在各预设偏好维度上的偏好信息和当前服务人员在各预设偏好维度上的偏好信息,获取当前用户和当前服务人员之间的偏好匹配度;
确定模块,用于基于当前用户和当前服务人员之间的偏好匹配度,确定当前用户和当前服务人员之间的相似度;
匹配模块,用于基于各用户和各服务人员之间的相似度,按照双向匹配原则,对各所述用户与各所述服务人员进行匹配。
在基于本公开上述装置的任一实施例中,所述第一获取模块,具体用于:分别针对各预设偏好维度,基于所述用户对所述偏好维度上各属性值的关注程度、以及对各属性值的关注时间对应的衰减因子,获取所述用户在所述偏好维度上的偏好信息;
所述第二获取模块,具体用于:分别针对各预设偏好维度,基于所述服务人员对所述偏好维度上各属性值的关注程度、以及对各属性值的关注时间对应的衰减因子,获取所述服务人员在所述偏好维度上的偏好信息。
在基于本公开上述装置的任一实施例中,所述第三获取模块包括:
第一确定单元,用于基于当前用户在各预设偏好维度上的偏好信息和当前服务人员在各预设偏好维度上的偏好信息,确定当前用户和当前服务人员是否存在偏好信息一致的偏好维度;
第一获取单元,用于根据所述第一确定单元的确定结果,若存在偏好信息一致的偏好维度,基于当前用户和当前服务人员在所述偏好信息一致的偏好维度上的偏好信息,获取当前用户和当前服务人员之间在所述偏好信息一致的偏好维度上的子匹配度;
第二获取单元,用于基于当前用户和当前服务人员之间在所有所述偏好信息一致的偏好维度上的子匹配度,获取当前用户和当前服务人员之间的偏好匹配度。
在基于本公开上述装置的任一实施例中,所述第一获取单元,具体用于:分别针对各所述偏好信息一致的偏好维度,基于当前用户和当前服务人员的偏好信息中各相同偏好的偏好值的乘积或者和,得到当前用户和当前服务人员之间在所述偏好信息一致的偏好维度上的子匹配度;其中,所述偏好信息包括偏好和所述偏好对应的偏好值;
所述第二获取单元,具体用于:分别基于各所述偏好信息一致的偏好维度的权重,对相应所述偏好信息一致的偏好维度上的子匹配度进行加权求和,得到当前用户和当前服务人员之间的偏好匹配度。
在基于本公开上述装置的任一实施例中,所述第一确定单元,还用于:
若当前用户和当前服务人员不存在偏好信息一致的偏好维度,确定当前用户和当前服务人员之间的偏好匹配度为0。
在基于本公开上述装置的任一实施例中,所述匹配模块包括:
选取单元,用于依次以各服务人员作为目标服务人员,从未匹配给服务人员的用户中选取与所述目标服务人员之间相似度最高的前M个用户;其中,M为大于1的整数;
第三获取单元,用于分别以所述前M个用户中的各用户作为目标用户,获取与所述目标用户之间相似度最高的前N个服务人员;其中,N为大于1的整数;
第一识别单元,用于识别所述前N个服务人员中是否包括所述目标服务人员;
匹配单元,用于根据所述第一识别单元的识别结果,若所述前N个服务人员中包括所述目标服务人员,将所述目标用户匹配给所述目标服务人员;
第二识别单元,用于识别是否存在匹配的用户数量未达到预设数量的服务人员;若存在匹配的用户数量未达到预设数量的服务人员,指示所述选取单元针对匹配的用户数量未达到预设数量的各服务人员,迭代执行所述依次以各服务人员作为目标服务人员,从未匹配给服务人员的用户中选取与所述目标服务人员之间相似度最高的前M个用户的操作,直至满足预设条件。
在基于本公开上述装置的任一实施例中,所述确定模块,具体用于:
以当前用户和当前服务人员之间的偏好匹配度,作为当前用户和当前服务人员之间的相似度。
在基于本公开上述装置的任一实施例中,所述第二识别单元,还用于在满足预设条件之后,识别是否存在匹配的用户数量未达到预设数量的空闲服务人员;
匹配单元,还用于根据所述第二识别单元的识别结果,若存在匹配的用户数量未达到预设数量的空闲服务人员,基于各所述空闲服务人员的活跃度和未匹配给服务人员的预留用户的活跃度由高到低的顺序,将所述预留用户匹配给所述空闲服务人员。
在基于本公开上述装置的任一实施例中,所述确定模块,具体用于:
基于当前用户和当前服务人员之间的偏好匹配度、所述当前用户的活跃度和所述当前服务人员的活跃度,确定所述当前用户和所述当前服务人员之间的相似度。
在基于本公开上述装置的任一实施例中,还包括:
第四获取模块,用于分别基于信息数据库中用户的行为信息获取各用户的活跃度;
第五获取模块,用于分别基于信息数据库中服务人员的行为信息获取各服务人员的活跃度。
在基于本公开上述装置的任一实施例中,所述第四获取模块,包括:
第一计算单元,用于基于各历史行为热度维度的权重,对用户在第一预设时期内各行为热度维度上的热度值进行加权求和,得到所述用户的历史行为热度值;以及,基于各近期行为热度维度的权重,对用户在至少一个第二预设时期内各近期热度维度上的热度值进行加权求和,得到所述用户的近期行为热度值;
第二计算单元,用于基于历史行为热度和近期行为热度的权重,对所述历史行为热度值和所述近期行为热度值进行加权求和,得到所述用户的活跃度。
在基于本公开上述装置的任一实施例中,所述第五获取模块,具体用于:
基于至少一个第三预设时期内各业务指标维度的权重,对服务人员在相应第三预设时期内的各业务指标值进行加权求和,得到所述服务人员的活跃度。
在基于本公开上述装置的任一实施例中,还包括:
生成模块,用于生成匹配结果,所述匹配结果包括:匹配给各服务人员的用户信息;
发送模块,用于根据所述匹配结果,分别将匹配给各服务人员的用户信息发送给对应的服务人员。
在基于本公开上述装置的任一实施例中,所述偏好维度包括以下任意一项或多项:区域,商圈,小区,物业等级,楼层等级,建筑类型,房屋类型,价格区间,面积区间,厅数,居室数,厨房数,厕所数,朝向,结构,装修等级,地铁房,学区房。
本公开实施例的又一个方面,提供一种电子设备,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述存储器中存储的计算机程序,且所述计算机程序被执行时,实现本公开上述任一实施例所述的方法。
本公开实施例的再一个方面,提供一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时,实现本公开上述任一实施例所述的方法。
基于本公开上述实施例提供的基于行为分析的匹配方法和装置、电子设备和存储介质,可以基于信息数据库中用户的行为信息分别获取各用户在各预设偏好维度上的偏好信息,以及,基于信息数据库中服务人员的行为信息分别获取各服务人员在各预设偏好维度上的偏好信息;分别选取一个用户作为当前用户、选取一个服务人员作为当前服务人员,基于当前用户在各预设偏好维度上的偏好信息和当前服务人员在各预设偏好维度上的偏好信息,获取当前用户和当前服务人员之间的偏好匹配度;然后,基于当前用户和当前服务人员之间的偏好匹配度,确定当前用户和当前服务人员之间的相似度;进而,基于各用户和各服务人员之间的相似度,按照双向匹配原则,对各所述用户与各所述服务人员进行匹配。本公开实施例可以基于对用户和服务人员的行为分析,获取需求方(用户)和服务方(服务人员)的偏好,从而基于用户和服务人员之间的偏好匹配度确定用户和服务人员之间的相似度,据此实现用户和服务人员之间的双向匹配,实现了用户与服务人员之间的精确、有效匹配,可以为用户匹配出更专业、适合的服务人员以为用户提供更专业、高效的服务,同时又可以为服务人员分配使其更能发挥专业特长的用户、和适当数量的工作,有助于合理均衡服务方设置的岗位数量、从而有效控制成本。
下面通过附图和实施例,对本公开的技术方案做进一步的详细描述。
附图说明
构成说明书的一部分的附图描述了本公开的实施例,并且连同描述一起用于解释本公开的原理。
参照附图,根据下面的详细描述,可以更加清楚地理解本公开,其中:
图1为本公开基于行为分析的匹配方法一个实施例的流程图。
图2为本公开基于行为分析的匹配方法另一个实施例的流程图。
图3为本公开基于行为分析的匹配方法又一个实施例的流程图。
图4为本公开基于行为分析的匹配方法再一个实施例的流程图。
图5为本公开基于行为分析的匹配方法还一个实施例的流程图。
图6为本公开基于行为分析的匹配装置一个实施例的结构示意图。
图7为本公开基于行为分析的匹配装置另一个实施例的结构示意图。
图8为本公开电子设备一个应用实施例的结构示意图。
具体实施方式
现在将参照附图来详细描述本公开的各种示例性实施例。应注意到:除非另外具体说明,否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本公开的范围。
本领域技术人员可以理解,本公开实施例中的“第一”、“第二”等术语仅用于区别不同步骤、设备或模块等,既不代表任何特定技术含义,也不表示它们之间的必然逻辑顺序。
还应理解,在本公开实施例中,“多个”可以指两个或两个以上,“至少一个”可以指一个、两个或两个以上。
还应理解,对于本公开实施例中提及的任一部件、数据或结构,在没有明确限定或者在前后文给出相反启示的情况下,一般可以理解为一个或多个。
另外,本公开中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本公开中字符“/”,一般表示前后关联对象是一种“或”的关系。
还应理解,本公开对各个实施例的描述着重强调各个实施例之间的不同之处,其相同或相似之处可以相互参考,为了简洁,不再一一赘述。
同时,应当明白,为了便于描述,附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。
以下对至少一个示例性实施例的描述实际上仅仅是说明性的,决不作为对本公开及其应用或使用的任何限制。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论,但在适当情况下,所述技术、方法和设备应当被视为说明书的一部分。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步讨论。
本公开实施例可以应用于终端设备、计算机系统、服务器等电子设备,其可与众多其它通用或专用计算系统环境或配置一起操作。适于与终端设备、计算机系统、服务器等电子设备一起使用的众所周知的终端设备、计算系统、环境和/或配置的例子包括但不限于:个人计算机系统、服务器计算机系统、瘦客户机、厚客户机、手持或膝上设备、基于微处理器的系统、机顶盒、可编程消费电子产品、网络个人电脑、小型计算机系统﹑大型计算机系统和包括上述任何系统的分布式云计算技术环境,等等。
终端设备、计算机系统、服务器等电子设备可以在由计算机系统执行的计算机系统可执行指令(诸如程序模块)的一般语境下描述。通常,程序模块可以包括例程、程序、目标程序、组件、逻辑、数据结构等等,它们执行特定的任务或者实现特定的抽象数据类型。计算机系统/服务器可以在分布式云计算环境中实施,分布式云计算环境中,任务是由通过通信网络链接的远程处理设备执行的。在分布式云计算环境中,程序模块可以位于包括存储设备的本地或远程计算系统存储介质上。
图1为本公开基于行为分析的匹配方法一个实施例的流程图。如图1所示,该实施例基于行为分析的匹配方法包括:
102,基于信息数据库中用户的行为信息分别获取各用户在各预设偏好维度上的偏好信息,以及,基于信息数据库中服务人员的行为信息分别获取各服务人员在各预设偏好维度上的偏好信息。
本公开实施例可用于任意领域业务的匹配,例如产品技术业务、项目咨询服务、产品买卖业务、产品租赁业务等等,本公开实施例对此不做限制。本公开实施例中,预设偏好维度是指在使用公开实施例的具体业务上的偏好维度。
在其中一些可能的实现方式中,可以针对信息数据库中的全部用户和服务人员分别执行该操作102。
或者,在另一些可能的实现方式中,也可以针对预设范围内的用户和服务人员,分别执行该操作102。其中的预设范围,例如可以是一个行政区域范围(如市级范围、区域范围等),一个具体业务需求范围(如房屋买卖、房屋租赁等),一个活跃度范围(即,活跃度达到多少的用户、服务人员),其中的活跃度可以参考以下实施例的记载。本公开实施例对预设范围的具体概念不做限制。
或者,在又一些可能的实现方式中,也可以针对预设数量的用户(例如5万个用户)和服务人员(例如2千个服务人员),分别执行该操作102。本公开实施例中,可以根据具体需求确定用户和服务人员的预设数量,对用户和服务人员的具体预设数量不做限制。
分别选取一个用户作为当前用户、选取一个服务人员作为当前服务人员,执行操作104-106。
104,基于当前用户在各预设偏好维度上的偏好信息和当前服务人员在各预设偏好维度上的偏好信息,获取当前用户和当前服务人员之间的偏好匹配度。
106,基于当前用户和当前服务人员之间的偏好匹配度,确定当前用户和当前服务人员之间的相似度。
针对需要分析的用户和服务人员,例如信息数据库中的全部用户和服务人员、或者预设范围内的用户和服务人员、或者预设数量的用户和服务人员,执行完操作104-106之后,执行操作108。
108,基于各用户和各服务人员之间的相似度,按照双向匹配原则,对各所述用户与各所述服务人员进行匹配。
基于本公开上述实施例提供的基于行为分析的匹配方法,可以基于信息数据库中用户的行为信息分别获取各用户在各预设偏好维度上的偏好信息,以及,基于信息数据库中服务人员的行为信息分别获取各服务人员在各预设偏好维度上的偏好信息;分别选取一个用户作为当前用户、选取一个服务人员作为当前服务人员,基于当前用户在各预设偏好维度上的偏好信息和当前服务人员在各预设偏好维度上的偏好信息,获取当前用户和当前服务人员之间的偏好匹配度;然后,基于当前用户和当前服务人员之间的偏好匹配度,确定当前用户和当前服务人员之间的相似度;进而,基于各用户和各服务人员之间的相似度,按照双向匹配原则,对各所述用户与各所述服务人员进行匹配。本公开实施例可以基于对用户和服务人员的行为分析,获取需求方(用户)和服务方(服务人员)的偏好,从而基于用户和服务人员之间的偏好匹配度确定用户和服务人员之间的相似度,据此实现用户和服务人员之间的双向匹配,实现了用户与服务人员之间的精确、有效匹配,可以为用户匹配出更专业、适合的服务人员以为用户提供更专业、高效的服务,同时又可以为服务人员分配使其更能发挥专业特长的用户、和适当数量的工作,有助于合理均衡服务方设置的岗位数量、从而有效控制成本。
可选地,在其中一些可能的实现方式中,用户和服务人员的行为信息可以包括线上行为信息和线下行为信息,也可以只包括线上行为信息和线下行为信息中的任一种,本公开实施例对此不做限定。其中的线上行为即通过各种应用程序(例如业务客户端、浏览器)等进行的行为,线上行为信息线上行为的相关信息。其中的线下行为即未通过应用程序等进行的行为,例如当面行为、直接基于手机终端等进行的通信、短信等行为,线下行为信息线下行为的相关信息。
例如,在其中一个可选示例中,用户的线上行为信息例如可以包括但不限于以下任意一项或多项:浏览信息,关注信息,即时通信(IM)信息,通过服务电话(例如400开头的服务电话)进行的通话信息;用户的线下行为信息例如可以包括但不限于实地查看信息等等。
在其中一个可选示例中,服务人员的线上行为信息例如可以包括但不限于以下任意一项或多项:IM信息,通过服务电话进行的通话信息;服务人员的线下行为信息例如可以包括但不限于带用户实地查看信息、签约信息等等。
可选地,在其中一些可能的实现方式中,本公开实施例用于房屋买卖、租赁等业务时,用户的行为信息例如可以包括但不限于以下任意一项或多项:房屋浏览信息,房屋关注信息,IM信息,通过服务电话进行的通话信息,看房信息等等。服务人员的行为信息例如可以包括但不限于以下任意一项或多项:IM信息,通过服务电话进行的通话信息,带用户看房信息、交易达成的房屋签约信息等等。
基于上述用户和服务人员的行为信息,可以相应获取用户和服务人员的偏好、活跃度等信息,以便据此进行分析、用于后续对用户和服务人员进行匹配。
相应地,本公开实施例用于房屋买卖、租赁等业务时,所述偏好维度例如可以包括但不限于以下任意一项或多项:区域,商圈,小区,物业等级,楼层等级,建筑类型,房屋类型,价格区间,面积区间,厅数,居室数,厨房数,厕所数,朝向,结构,装修等级,地铁房,学区房,等等。
本公开实施例用于房屋买卖、租赁等业务时,基于上述偏好维度,可以获知用户在房屋各方面的偏好,以及服务人员在房屋各方面的偏好与擅长点,以便根据用户的偏好、服务人员的偏好与擅长点,对用户和服务人员进行精准匹配,以更好地发挥服务人员的特长为用户提供更有效的服务。
本公开实施例用于其他业务时,可以基于其他业务中用户和服务人员的行为信息,来确定用户和服务人员在相应偏好维度上的偏好信息。
可选地,在其中一些可能的实现方式中,可以通过如下方式,获取一个主体(包括:用户或者服务人员)在各预设偏好维度上的偏好信息:
分别针对各预设偏好维度,基于所述一个主体对所述偏好维度上各属性值的关注程度、以及对各属性值的关注时间对应的衰减因子,获取所述一个主体在所述偏好维度上的偏好信息。
其中,随着用户需求或者兴趣点的变化、服务人员重点服务业务的调整,用户或者服务人员最近关注的对象可能比之前关注的对象更能体现用户或者服务人员目前的偏好,例如,一个用户在半年前一直关注二居室的房屋,在最近一个月关注三居室的房屋较多,则说明用户对房屋居室数的需求可能发生了变化,为了突出用户或者服务人员当前的偏好,可以设置关注时间(或关注时间中的起始时刻)距离当前时刻越久,衰减越大,衰减因子的取值越小,对当前的影响越小。
例如,在一个偏好维度上,可以获取对某个属性值的关注程度与对应的衰减因子的乘积之和,作为第一数值;以各属性值的关注程度与对应的衰减因子的乘积之和作为第二数值,通过第一数值与第二数值之间的比值,作为该偏好维度上某个属性的偏好信息。
例如,本公开实施例用于房屋买卖、租赁等业务时,假设一个用户在小区维度上,在最近7天内关注了2次小区A,在最近15天内关注了3次小区A和5次小区B,预先设定7天内的衰减因子为0.8,15天内的衰减因子为0.5,则用户在小区维度上的偏好信息,可以通过如下公式计算:
小区A的偏好信息=(2*0.8+3*0.5)/(2*0.8+3*0.5+5*0.5)=31/56;
小区B的偏好信息=5*0.5/(2*0.8+3*0.5+5*0.5)=25/56;
用户在小区维度上的偏好信息包括上述小区A和小区B的偏好信息。
图2为本公开基于行为分析的匹配方法另一个实施例的流程图。如图2所示,在图1所示实施例的基础上,该实施例中,操作104可以包括:
1042,基于当前用户在各预设偏好维度上的偏好信息和当前服务人员在各预设偏好维度上的偏好信息,确定当前用户和当前服务人员是否存在偏好信息一致的偏好维度。
若当前用户和当前服务人员存在偏好信息一致的偏好维度,执行操作1044。可选地,若当前用户和当前服务人员不存在偏好信息一致的偏好维度,可以执行操作1048。
1044,基于当前用户和当前服务人员在所述偏好信息一致的偏好维度上的偏好信息,获取当前用户和当前服务人员之间在所述偏好信息一致的偏好维度上的子匹配度。
1046,基于当前用户和当前服务人员之间在所有所述偏好信息一致的偏好维度上的子匹配度,获取当前用户和当前服务人员之间的偏好匹配度。
之后,可以执行操作106。
1048,确定当前用户和当前服务人员之间的偏好匹配度为0。
本实施例中,基于当前用户和当前服务人员在偏好信息一致的偏好维度上的偏好信息,获取二者之间在该偏好信息一致的偏好维度上的子匹配度,由此来获取二者之间的偏好匹配度,使得用户和服务人员之间的偏好匹配度的计算更精确。
可选地,在其中一些可能的实现方式中,操作1044中,可以分别针对各所述偏好信息一致的偏好维度,基于当前用户和当前服务人员的偏好信息中各相同偏好的偏好值的乘积或者和,得到当前用户和当前服务人员之间在所述偏好信息一致的偏好维度上的子匹配度;其中,所述偏好信息包括偏好和所述偏好对应的偏好值。
相应地,操作1046中,可以分别基于各所述偏好信息一致的偏好维度的权重,对相应所述偏好信息一致的偏好维度上的子匹配度进行加权求和,得到当前用户和当前服务人员之间的偏好匹配度。
本实施例中,基于用户和服务人员的偏好信息中各相同偏好的偏好值的乘积或者和,作为一个偏好维度上的得子匹配度,使得用户和服务人员的子匹配度的确定更精确、客观;由于不同偏好维度的影响不同,分别基于各所述偏好信息一致的偏好维度的权重,对相应所述偏好信息一致的偏好维度上的子匹配度进行加权求和,使得最终得到的用户和服务人员之间的偏好匹配度更客观、合理,从而有助于实现用户和服务人员之间的合理匹配。
如下表1所示,为一个应用示例中一些偏好维度及其权重的具体示例。
表1
Figure BDA0002471267360000131
Figure BDA0002471267360000141
图3为本公开基于行为分析的匹配方法又一个实施例的流程图。如图3所示,在上述实施例的基础上,该实施例中,操作108可以包括:
1082,依次以各服务人员作为目标服务人员,从未匹配给服务人员的用户中选取与所述目标服务人员之间相似度最高的前M个用户。
其中,M为大于1的整数。
1084,分别以所述前M个用户中的各用户作为目标用户,获取与所述目标用户之间相似度最高的前N个服务人员。
其中,N为大于1的整数。
1086,识别所述前N个服务人员中是否包括所述目标服务人员。
若所述前N个服务人员中包括所述目标服务人员,执行操作1088;否则,若所述前N个服务人员中不包括所述目标服务人员,不执行匹配操作。
1088,将所述目标用户匹配给所述目标服务人员。
针对预设范围内的各服务人员执行完操作1082-1088之后,执行操作1090。
1090,识别是否存在匹配的用户数量未达到预设数量的服务人员。
若存在匹配的用户数量未达到预设数量的服务人员,针对匹配的用户数量未达到预设数量的各服务人员,迭代执行1082-1088的操作,直至满足预设条件;否则,若不存在匹配的用户数量未达到预设数量的服务人员,即,所有服务人员均匹配到预设数量的用户,不在执行操作108的匹配操作。
其中的预设条件,例如可以是以下任意一项或多项:
迭代执行操作1082-1088的次数达到预设次数(例如20次);
匹配的用户数量未达到预设数量的服务人员的数量小于第一预设值(例如200个);
匹配的用户数量未达到预设数量的服务人员的数量与预设范围内服务人员的总数量的比值小于第二预设值(例如1/10);
匹配的用户数量达到预设数量的服务人员的数量大于第三预设值(例如800个);
匹配的用户数量达到预设数量的服务人员的数量与预设范围内服务人员的总数量的比值大于第四预设值(例如9/10);
其他预设条件。
可选地,在其中一些可能的实现方式中,操作106中,可以以当前用户和当前服务人员之间的偏好匹配度,作为当前用户和当前服务人员之间的相似度。相应地,图4为本公开基于行为分析的匹配方法再一个实施例的流程图,如图4所示,在上述各实施例的基础上,操作108之后,还可以包括:
110,识别是否存在匹配的用户数量未达到预设数量的空闲服务人员。
若存在匹配的用户数量未达到预设数量的空闲服务人员,执行操作112;否则,不执行本实施例对用户和服务人员的匹配操作。
112,基于各空闲服务人员的活跃度和未匹配给服务人员的预留用户的活跃度由高到低的顺序,将预留用户匹配给空闲服务人员。
本实施例中,以用户和服务人员之间的偏好匹配度作为二者之间的相似度,优先基于用户和服务人员之间的偏好匹配度对用户和服务人员进行匹配;针对未匹配到数量的服务人员,再基于活跃度由高到低的顺序,将相对活跃的用户优先匹配给相对活跃的服务人员,既能保证用户和服务人员之间的精准匹配,也能保证给未分配足够数量用户的服务人员匹配足够多的用户,从而实现对服务资源的高效利用。
可选地,在其中一些可能的实现方式中,操作106中,可以基于当前用户和当前服务人员之间的偏好匹配度、当前用户的活跃度和当前服务人员的活跃度,确定当前用户和当前服务人员之间的相似度。如图5所示,为该实施例的流程图。
在一个可选示例中,可以基于预先设置的偏好匹配度的权重、用户的活跃度的权重和服务人员的活跃度的权重,对当前用户和当前服务人员之间的偏好匹配度、当前用户的活跃度和当前服务人员的活跃度进行加权求和,得到当前用户和当前服务人员之间的相似度。
本实施例中,综合考虑用户和服务人员之间的偏好匹配度、用户的活跃度和服务人员的活跃度,来确定用户和服务人员之间的相似度,由此对各用户与各服务人员进行匹配,使得用户和服务人员之间的匹配考虑的因素更全面,匹配更合理,同时提高了匹配效率。
可选地,再参见图4和图5,在本公开上述实施例中,还可以包括:
100,分别基于信息数据库中用户的行为信息获取各用户的活跃度,以及,分别基于信息数据库中服务人员的行为信息获取各服务人员的活跃度。
可选地,在其中一些可能的实现方式中,基于信息数据库中用户的行为信息分别获取各用户的活跃度,可以包括:
基于预先设置的各历史行为热度维度的权重,对用户在第一预设时期内(例如全部期限内、最近半年内、最近一年内等等)各历史行为热度维度上的热度值进行加权求和,得到所述用户的历史行为热度值;以及,基于预先设置的各近期行为热度维度的权重,对用户在至少一个第二预设时期内(例如最近7天内、最近30天内、最近90天内)各近期热度维度上的热度值进行加权求和,得到所述用户的近期行为热度值;
基于预先设置的历史行为热度和近期行为热度的权重,对所述历史行为热度值和所述近期行为热度值进行加权求和,得到所述用户的活跃度。
本公开实施例中,行为热度维度是指在使用公开实施例的具体业务上的行为热度维度。
可选地,在其中一些可能的实现方式中,本公开实施例用于房屋买卖、租赁等业务时,如下表2所示,为用户的历史行为热度维度及对应权重的一个具体示例;如下表3所示,为用户的近期行为热度维度及对应权重的一个具体示例。
表2
历史行为热度维度名称 权重
使用估价次数 0.1
收藏次数 0.1
使用IM次数 0.1
使用短信次数 0.05
电话沟通次数 0.05
看房次数 0.25
委托次数 0.3
浏览次数 0.05
表3
近期行为热度维度名称 权重
近7天活跃天数 0.5
近30天活跃天数 0.3
近90天活跃天数 0.2
其中,可以预先设定,用户登录后,一天内的连续在线时长达到预设时长(例如30分钟)、浏览产数量达到预设数量(例如3个)等条件时,该天的活跃天数为1,否则,该天的活跃天数为0。
基于表2所示的权重对对应历史行为热度维度上的热度值进行加权并求和后,可以得到用户的历史行为热度值;基于表3所示的权重对对应近期热度维度上的热度值进行加权并求和后,可以得到用户的近期行为热度值;基于历史行为热度和近期行为热度的权重,对历史行为热度值和近期行为热度值进行加权求和,可以得到用户的活跃度,例如:用户的活跃度=用户的近期行为热度值*0.8+用户的历史行为热度值*0.2。
可选地,在其中一些可能的实现方式中,分别基于信息数据库中服务人员的行为信息获取各服务人员的活跃度,可以包括:
基于至少一个第三预设时期内各业务指标维度的权重,对服务人员在相应第三预设时期内的各业务指标值进行加权求和,得到所述服务人员的活跃度。
本公开实施例中,业务指标维度是指在使用公开实施例的具体业务上的业务指标维度。
可选地,在其中一些可能的实现方式中,本公开实施例用于房屋买卖、租赁等业务时,如下表4所示,为服务人员的业务指标维度及对应权重的一个具体示例。
表4
Figure BDA0002471267360000171
Figure BDA0002471267360000181
另外,在本公开上述各实施例的流程之后,还可以包括:
生成匹配结果,所述匹配结果包括:匹配给各服务人员的用户信息;
根据所述匹配结果,分别将匹配给各服务人员的用户信息发送给对应的服务人员。
基于本实施例,分别将匹配给各服务人员的用户信息发送给对应的服务人员,以便服务人员可以对接各自的用户,从而提高服务效率。
本公开实施例提供的任一种基于行为分析的匹配方法可以由任意适当的具有数据处理能力的设备执行,包括但不限于:终端设备和服务器等。或者,本公开实施例提供的任一种基于行为分析的匹配方法可以由处理器执行,如处理器通过调用存储器存储的相应指令来执行本公开实施例提及的任一种基于行为分析的匹配方法。下文不再赘述。
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一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:ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
图6为本公开基于行为分析的匹配装置一个实施例的结构示意图。本公开实施例的匹配装置可用于实现本公开上述各匹配方法实施例。如图6所示,其中一个实施例的匹配装置包括:第一获取模块,第二获取模块,第三获取模块,确定模块和匹配模块。其中:
第一获取模块,用于基于信息数据库中用户的行为信息分别获取各用户在各预设偏好维度上的偏好信息。
第二获取模块,用于基于信息数据库中服务人员的行为信息分别获取各服务人员在各预设偏好维度上的偏好信息。
第三获取模块,用于分别选取一个用户作为当前用户、选取一个服务人员作为当前服务人员,基于当前用户在各预设偏好维度上的偏好信息和当前服务人员在各预设偏好维度上的偏好信息,获取当前用户和当前服务人员之间的偏好匹配度。
确定模块,用于基于当前用户和当前服务人员之间的偏好匹配度,确定当前用户和当前服务人员之间的相似度。
匹配模块,用于基于各用户和各服务人员之间的相似度,按照双向匹配原则,对各所述用户与各所述服务人员进行匹配。
基于本公开上述实施例提供的基于行为分析的匹配装置,可以基于信息数据库中用户的行为信息分别获取各用户在各预设偏好维度上的偏好信息,以及,基于信息数据库中服务人员的行为信息分别获取各服务人员在各预设偏好维度上的偏好信息;分别选取一个用户作为当前用户、选取一个服务人员作为当前服务人员,基于当前用户在各预设偏好维度上的偏好信息和当前服务人员在各预设偏好维度上的偏好信息,获取当前用户和当前服务人员之间的偏好匹配度;然后,基于当前用户和当前服务人员之间的偏好匹配度,确定当前用户和当前服务人员之间的相似度;进而,基于各用户和各服务人员之间的相似度,按照双向匹配原则,对各所述用户与各所述服务人员进行匹配。本公开实施例可以基于对用户和服务人员的行为分析,获取需求方(用户)和服务方(服务人员)的偏好,从而基于用户和服务人员之间的偏好匹配度确定用户和服务人员之间的相似度,据此实现用户和服务人员之间的双向匹配,实现了用户与服务人员之间的精确、有效匹配,可以为用户匹配出更专业、适合的服务人员以为用户提供更专业、高效的服务,同时又可以为服务人员分配使其更能发挥专业特长的用户、和适当数量的工作,有助于合理均衡服务方设置的岗位数量、从而有效控制成本。
可选地,在其中一些可能的实现方式中,本公开实施例用于房屋买卖、租赁等业务时,所述偏好维度例如可以包括但不限于以下任意一项或多项:区域,商圈,小区,物业等级,楼层等级,建筑类型,房屋类型,价格区间,面积区间,厅数,居室数,厨房数,厕所数,朝向,结构,装修等级,地铁房,学区房,等等。
可选地,在其中一些可能的实现方式中,所述第一获取模块,具体用于:分别针对各预设偏好维度,基于所述用户对所述偏好维度上各属性值的关注程度、以及对各属性值的关注时间对应的衰减因子,获取所述用户在所述偏好维度上的偏好信息。相应地,所述第二获取模块,具体用于:分别针对各预设偏好维度,基于所述服务人员对所述偏好维度上各属性值的关注程度、以及对各属性值的关注时间对应的衰减因子,获取所述服务人员在所述偏好维度上的偏好信息。
可选地,在其中一些可能的实现方式中,所述第三获取模块包括:
第一确定单元,用于基于当前用户在各预设偏好维度上的偏好信息和当前服务人员在各预设偏好维度上的偏好信息,确定当前用户和当前服务人员是否存在偏好信息一致的偏好维度;可选地,还可以用于若当前用户和当前服务人员不存在偏好信息一致的偏好维度,确定当前用户和当前服务人员之间的偏好匹配度为0;
第一获取单元,用于根据所述第一确定单元的确定结果,若存在偏好信息一致的偏好维度,基于当前用户和当前服务人员在所述偏好信息一致的偏好维度上的偏好信息,获取当前用户和当前服务人员之间在所述偏好信息一致的偏好维度上的子匹配度;
第二获取单元,用于基于当前用户和当前服务人员之间在所有所述偏好信息一致的偏好维度上的子匹配度,获取当前用户和当前服务人员之间的偏好匹配度。
例如,在其中一个可选示例中,所述第一获取单元,具体用于:分别针对各所述偏好信息一致的偏好维度,基于当前用户和当前服务人员的偏好信息中各相同偏好的偏好值的乘积或者和,得到当前用户和当前服务人员之间在所述偏好信息一致的偏好维度上的子匹配度;其中,所述偏好信息包括偏好和所述偏好对应的偏好值。相应地,所述第二获取单元,具体用于:分别基于各所述偏好信息一致的偏好维度的权重,对相应所述偏好信息一致的偏好维度上的子匹配度进行加权求和,得到当前用户和当前服务人员之间的偏好匹配度。
可选地,在其中一些可能的实现方式中,所述匹配模块包括:
选取单元,用于依次以各服务人员作为目标服务人员,从未匹配给服务人员的用户中选取与所述目标服务人员之间相似度最高的前M个用户;其中,M为大于1的整数;
第三获取单元,用于分别以所述前M个用户中的各用户作为目标用户,获取与所述目标用户之间相似度最高的前N个服务人员;其中,N为大于1的整数;
第一识别单元,用于识别所述前N个服务人员中是否包括所述目标服务人员;
匹配单元,用于根据所述第一识别单元的识别结果,若所述前N个服务人员中包括所述目标服务人员,将所述目标用户匹配给所述目标服务人员;
第二识别单元,用于识别是否存在匹配的用户数量未达到预设数量的服务人员;若存在匹配的用户数量未达到预设数量的服务人员,指示所述选取单元针对匹配的用户数量未达到预设数量的各服务人员,迭代执行所述依次以各服务人员作为目标服务人员,从未匹配给服务人员的用户中选取与所述目标服务人员之间相似度最高的前M个用户的操作,直至满足预设条件。
可选地,在其中一些可能的实现方式中,所述确定模块,具体用于:以当前用户和当前服务人员之间的偏好匹配度,作为当前用户和当前服务人员之间的相似度。
相应地,所述第二识别单元,还用于在满足预设条件之后,识别是否存在匹配的用户数量未达到预设数量的空闲服务人员;匹配单元,还用于根据所述第二识别单元的识别结果,若存在匹配的用户数量未达到预设数量的空闲服务人员,基于各所述空闲服务人员的活跃度和未匹配给服务人员的预留用户的活跃度由高到低的顺序,将所述预留用户匹配给所述空闲服务人员。
或者,在另一些可能的实现方式中,所述确定模块,具体用于:基于当前用户和当前服务人员之间的偏好匹配度、所述当前用户的活跃度和所述当前服务人员的活跃度,确定当前用户和当前服务人员之间的相似度。
图7为本公开基于行为分析的匹配装置另一个实施例的结构示意图。如图7所示,在图6所示实施例的基础上,该实施例的匹配装置还可以包括:第四获取模块和第五获取模块。其中:
第四获取模块,用于分别基于信息数据库中用户的行为信息获取各用户的活跃度。
第五获取模块,用于分别基于信息数据库中服务人员的行为信息获取各服务人员的活跃度。
可选地,在其中一些可能的实现方式中,所述第四获取模块,包括:
第一计算单元,用于基于各历史行为热度维度的权重,对用户在第一预设时期内各行为热度维度上的热度值进行加权求和,得到所述用户的历史行为热度值;以及,基于各近期行为热度维度的权重,对用户在至少一个第二预设时期内各近期热度维度上的热度值进行加权求和,得到所述用户的近期行为热度值;
第二计算单元,用于基于历史行为热度和近期行为热度的权重,对所述历史行为热度值和所述近期行为热度值进行加权求和,得到所述用户的活跃度。
可选地,在其中一些可能的实现方式中,所述第五获取模块,具体用于:基于至少一个第三预设时期内各业务指标维度的权重,对服务人员在相应第三预设时期内的各业务指标值进行加权求和,得到所述服务人员的活跃度。
另外,再参见图7,在上述实施例的匹配装置中,还可以包括:生成模块和发送模块。其中:
生成模块,用于生成匹配结果,所述匹配结果包括:匹配给各服务人员的用户信息。
发送模块,用于根据所述匹配结果,分别将匹配给各服务人员的用户信息发送给对应的服务人员。
另外,本公开实施例还提供了一种电子设备,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述存储器中存储的计算机程序,且所述计算机程序被执行时,实现本公开任一实施例所述的基于行为分析的匹配方法。
下面,参考图8来描述根据本公开实施例的一个电子设备。该电子设备可以是第一设备和第二设备中的任一个或两者、或与它们独立的单机设备,该单机设备可以与第一设备和第二设备进行通信,以从它们接收所采集到的输入信号。
图8为本公开电子设备一个应用实施例的结构示意图。如图8所示,电子设备包括一个或多个处理器和存储器。
处理器可以是中央处理单元(CPU)或者具有数据处理能力和/或指令执行能力的其他形式的处理单元,并且可以控制电子设备中的其他组件以执行期望的功能。
存储器可以包括一个或多个计算机程序产品,所述计算机程序产品可以包括各种形式的计算机可读存储介质,例如易失性存储器和/或非易失性存储器。所述易失性存储器例如可以包括随机存取存储器(RAM)和/或高速缓冲存储器(cache)等。所述非易失性存储器例如可以包括只读存储器(ROM)、硬盘、闪存等。在所述计算机可读存储介质上可以存储一个或多个计算机程序指令,处理器可以运行所述程序指令,以实现上文所述的本公开的各个实施例的基于行为分析的匹配方法以及/或者其他期望的功能。
在一个示例中,电子装置还可以包括:输入装置和输出装置,这些组件通过总线系统和/或其他形式的连接机构(未示出)互连。
此外,该输入装置还可以包括例如键盘、鼠标等等。
该输出装置可以向外部输出各种信息,包括确定出的距离信息、方向信息等。该输出装置可以包括例如显示器、扬声器、打印机、以及通信网络及其所连接的远程输出装置等等。
当然,为了简化,图8中仅示出了该电子设备中与本公开有关的组件中的一些,省略了诸如总线、输入/输出接口等等的组件。除此之外,根据具体应用情况,电子设备还可以包括任何其他适当的组件。
除了上述方法和设备以外,本公开的实施例还可以是计算机程序产品,其包括计算机程序指令,所述计算机程序指令在被处理器运行时使得所述处理器执行本说明书上述部分中描述的根据本公开各种实施例的基于行为分析的匹配方法中的步骤。
所述计算机程序产品可以以一种或多种程序设计语言的任意组合来编写用于执行本公开实施例操作的程序代码,所述程序设计语言包括面向对象的程序设计语言,诸如Java、C++等,还包括常规的过程式程序设计语言,诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。
此外,本公开的实施例还提供了一种计算机可读存储介质,其上存储有计算机程序指令,所述计算机程序指令在被处理器运行时使得所述处理器执行本说明书上述部分中描述的根据本公开各种实施例的基于行为分析的匹配方法中的步骤。
所述计算机可读存储介质可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以包括但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
以上结合具体实施例描述了本公开的基本原理,但是,需要指出的是,在本公开中提及的优点、优势、效果等仅是示例而非限制,不能认为这些优点、优势、效果等是本公开的各个实施例必须具备的。另外,上述公开的具体细节仅是为了示例的作用和便于理解的作用,而非限制,上述细节并不限制本公开为必须采用上述具体的细节来实现。
本说明书中各个实施例均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的部分相互参见即可。对于系统实施例而言,由于其与方法实施例基本对应,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
本公开中涉及的器件、装置、设备、系统的方框图仅作为例示性的例子并且不意图要求或暗示必须按照方框图示出的方式进行连接、布置、配置。如本领域技术人员将认识到的,可以按任意方式连接、布置、配置这些器件、装置、设备、系统。诸如“包括”、“包含”、“具有”等等的词语是开放性词汇,指“包括但不限于”,且可与其互换使用。这里所使用的词汇“或”和“和”指词汇“和/或”,且可与其互换使用,除非上下文明确指示不是如此。这里所使用的词汇“诸如”指词组“诸如但不限于”,且可与其互换使用。
可能以许多方式来实现本公开的方法和装置。例如,可通过软件、硬件、固件或者软件、硬件、固件的任何组合来实现本公开的方法和装置。用于所述方法的步骤的上述顺序仅是为了进行说明,本公开的方法的步骤不限于以上具体描述的顺序,除非以其它方式特别说明。此外,在一些实施例中,还可将本公开实施为记录在记录介质中的程序,这些程序包括用于实现根据本公开的方法的机器可读指令。因而,本公开还覆盖存储用于执行根据本公开的方法的程序的记录介质。
还需要指出的是,在本公开的装置、设备和方法中,各部件或各步骤是可以分解和/或重新组合的。这些分解和/或重新组合应视为本公开的等效方案。
提供所公开的方面的以上描述以使本领域的任何技术人员能够做出或者使用本公开。对这些方面的各种修改对于本领域技术人员而言是非常显而易见的,并且在此定义的一般原理可以应用于其他方面而不脱离本公开的范围。因此,本公开不意图被限制到在此示出的方面,而是按照与在此公开的原理和新颖的特征一致的最宽范围。
为了例示和描述的目的已经给出了以上描述。此外,此描述不意图将本公开的实施例限制到在此公开的形式。尽管以上已经讨论了多个示例方面和实施例,但是本领域技术人员将认识到其某些变型、修改、改变、添加和子组合。

Claims (10)

1.一种基于行为分析的匹配方法,其特征在于,包括:
基于信息数据库中用户的行为信息分别获取各用户在各预设偏好维度上的偏好信息,以及,基于信息数据库中服务人员的行为信息分别获取各服务人员在各预设偏好维度上的偏好信息;
分别选取一个用户作为当前用户、选取一个服务人员作为当前服务人员,基于当前用户在各预设偏好维度上的偏好信息和当前服务人员在各预设偏好维度上的偏好信息,获取当前用户和当前服务人员之间的偏好匹配度;
基于当前用户和当前服务人员之间的偏好匹配度,确定当前用户和当前服务人员之间的相似度;
基于各用户和各服务人员之间的相似度,按照双向匹配原则,对各所述用户与各所述服务人员进行匹配。
2.根据权利要求1所述的方法,其特征在于,获取所述一个主体在各预设偏好维度上的偏好信息,包括:
分别针对各预设偏好维度,基于所述一个主体对所述偏好维度上各属性值的关注程度、以及对各属性值的关注时间对应的衰减因子,获取所述一个主体在所述偏好维度上的偏好信息;其中,所述主体包括:用户或者服务人员。
3.根据权利要求1或2所述的方法,其特征在于,所述基于当前用户在各预设偏好维度上的偏好信息和当前服务人员在各预设偏好维度上的偏好信息,获取当前用户和当前服务人员之间的偏好匹配度,包括:
基于当前用户在各预设偏好维度上的偏好信息和当前服务人员在各预设偏好维度上的偏好信息,确定当前用户和当前服务人员是否存在偏好信息一致的偏好维度;
若存在偏好信息一致的偏好维度,基于当前用户和当前服务人员在所述偏好信息一致的偏好维度上的偏好信息,获取当前用户和当前服务人员之间在所述偏好信息一致的偏好维度上的子匹配度;
基于当前用户和当前服务人员之间在所有所述偏好信息一致的偏好维度上的子匹配度,获取当前用户和当前服务人员之间的偏好匹配度。
4.根据权利要求3所述的方法,其特征在于,所述基于当前用户和当前服务人员在所述偏好信息一致的偏好维度上的偏好信息,获取当前用户和当前服务人员之间在所述偏好信息一致的偏好维度上的子匹配度,包括:
分别针对各所述偏好信息一致的偏好维度,基于当前用户和当前服务人员的偏好信息中各相同偏好的偏好值的乘积或者和,得到当前用户和当前服务人员之间在所述偏好信息一致的偏好维度上的子匹配度;其中,所述偏好信息包括偏好和所述偏好对应的偏好值;
所述基于当前用户和当前服务人员之间在所有所述偏好信息一致的偏好维度上的子匹配度,获取当前用户和当前服务人员之间的偏好匹配度,包括:
分别基于各所述偏好信息一致的偏好维度的权重,对相应所述偏好信息一致的偏好维度上的子匹配度进行加权求和,得到当前用户和当前服务人员之间的偏好匹配度。
5.根据权利要求3或4所述的方法,其特征在于,所述基于当前用户在各预设偏好维度上的偏好信息和当前服务人员在各预设偏好维度上的偏好信息,获取当前用户和当前服务人员之间的偏好匹配度,还包括:
若当前用户和当前服务人员不存在偏好信息一致的偏好维度,确定当前用户和当前服务人员之间的偏好匹配度为0。
6.根据权利要求1-5任一所述的方法,其特征在于,所述基于各用户和各服务人员之间的相似度,按照双向匹配原则,对各所述用户与各所述服务人员进行匹配,包括:
依次以各服务人员作为目标服务人员,从未匹配给服务人员的用户中选取与所述目标服务人员之间相似度最高的前M个用户;其中,M为大于1的整数;
分别以所述前M个用户中的各用户作为目标用户,获取与所述目标用户之间相似度最高的前N个服务人员;其中,N为大于1的整数;
识别所述前N个服务人员中是否包括所述目标服务人员;
若所述前N个服务人员中包括所述目标服务人员,将所述目标用户匹配给所述目标服务人员;
针对匹配的用户数量未达到预设数量的各服务人员,迭代执行所述依次以各服务人员作为目标服务人员,从未匹配给服务人员的用户中选取与所述目标服务人员之间相似度最高的前M个用户的操作,直至满足预设条件。
7.根据权利要求6所述的方法,其特征在于,所述基于当前用户和当前服务人员之间的偏好匹配度,确定当前用户和当前服务人员之间的相似度,包括:
以当前用户和当前服务人员之间的偏好匹配度,作为当前用户和当前服务人员之间的相似度。
8.一种基于行为分析的装置,其特征在于,包括:
第一获取模块,用于基于信息数据库中用户的行为信息分别获取各用户在各预设偏好维度上的偏好信息;
第二获取模块,用于基于信息数据库中服务人员的行为信息分别获取各服务人员在各预设偏好维度上的偏好信息;
第三获取模块,用于分别选取一个用户作为当前用户、选取一个服务人员作为当前服务人员,基于当前用户在各预设偏好维度上的偏好信息和当前服务人员在各预设偏好维度上的偏好信息,获取当前用户和当前服务人员之间的偏好匹配度;
确定模块,用于基于当前用户和当前服务人员之间的偏好匹配度,确定当前用户和当前服务人员之间的相似度;
匹配模块,用于基于各用户和各服务人员之间的相似度,按照双向匹配原则,对各所述用户与各所述服务人员进行匹配。
9.一种电子设备,其特征在于,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述存储器中存储的计算机程序,且所述计算机程序被执行时,实现上述权利要求1-7任一所述的方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时,实现上述权利要求1-7任一所述的方法。
CN202010349030.9A 2020-04-28 2020-04-28 基于行为分析的匹配方法和装置、电子设备和存储介质 Pending CN111553657A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010349030.9A CN111553657A (zh) 2020-04-28 2020-04-28 基于行为分析的匹配方法和装置、电子设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010349030.9A CN111553657A (zh) 2020-04-28 2020-04-28 基于行为分析的匹配方法和装置、电子设备和存储介质

Publications (1)

Publication Number Publication Date
CN111553657A true CN111553657A (zh) 2020-08-18

Family

ID=72004175

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010349030.9A Pending CN111553657A (zh) 2020-04-28 2020-04-28 基于行为分析的匹配方法和装置、电子设备和存储介质

Country Status (1)

Country Link
CN (1) CN111553657A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112203049A (zh) * 2020-09-30 2021-01-08 重庆天智慧启科技有限公司 一种案场老客户到访消息通知服务系统及方法
CN114140033A (zh) * 2022-01-29 2022-03-04 北京新唐思创教育科技有限公司 一种服务人员的分配方法、装置、电子设备及存储介质

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105354260A (zh) * 2015-10-22 2016-02-24 中南大学 一种融合社会网络和项目特征的移动应用推荐方法
CN105488662A (zh) * 2016-01-07 2016-04-13 北京歌利沃夫企业管理有限公司 一种基于双向推荐的在线招聘系统
CN105740430A (zh) * 2016-01-29 2016-07-06 大连理工大学 一种融合社会化信息的个性化推荐方法
CN105808696A (zh) * 2016-03-03 2016-07-27 北京邮电大学 一种基于全局和局部特征的跨在线社交网络用户匹配方法
US20170293610A1 (en) * 2013-03-15 2017-10-12 Bao Tran Voice assistant
KR101871747B1 (ko) * 2017-04-07 2018-06-27 주식회사 화성 유사성향 기반 사용자-관광상품 추천 방법 및 시스템
CN108288179A (zh) * 2018-01-25 2018-07-17 链家网(北京)科技有限公司 一种用户偏好房源计算方法和系统
CN109242523A (zh) * 2018-07-06 2019-01-18 成都正合云智数据科技有限公司 一种专用于房产销售行业的购房人群画像方法及其实现装置
CN109558429A (zh) * 2018-11-16 2019-04-02 广东百城人才网络股份有限公司 基于互联网大数据的人才服务双向推荐方法及系统
US10586212B2 (en) * 2015-04-28 2020-03-10 Swipejobs, Inc. Job matching application, method, and system

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170293610A1 (en) * 2013-03-15 2017-10-12 Bao Tran Voice assistant
US10586212B2 (en) * 2015-04-28 2020-03-10 Swipejobs, Inc. Job matching application, method, and system
CN105354260A (zh) * 2015-10-22 2016-02-24 中南大学 一种融合社会网络和项目特征的移动应用推荐方法
CN105488662A (zh) * 2016-01-07 2016-04-13 北京歌利沃夫企业管理有限公司 一种基于双向推荐的在线招聘系统
CN105740430A (zh) * 2016-01-29 2016-07-06 大连理工大学 一种融合社会化信息的个性化推荐方法
CN105808696A (zh) * 2016-03-03 2016-07-27 北京邮电大学 一种基于全局和局部特征的跨在线社交网络用户匹配方法
KR101871747B1 (ko) * 2017-04-07 2018-06-27 주식회사 화성 유사성향 기반 사용자-관광상품 추천 방법 및 시스템
CN108288179A (zh) * 2018-01-25 2018-07-17 链家网(北京)科技有限公司 一种用户偏好房源计算方法和系统
CN109242523A (zh) * 2018-07-06 2019-01-18 成都正合云智数据科技有限公司 一种专用于房产销售行业的购房人群画像方法及其实现装置
CN109558429A (zh) * 2018-11-16 2019-04-02 广东百城人才网络股份有限公司 基于互联网大数据的人才服务双向推荐方法及系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
孟凡连: "基于混合式推荐算法的人力资源推荐引擎的应用研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112203049A (zh) * 2020-09-30 2021-01-08 重庆天智慧启科技有限公司 一种案场老客户到访消息通知服务系统及方法
CN112203049B (zh) * 2020-09-30 2022-02-11 重庆天智慧启科技有限公司 一种案场老客户到访消息通知服务系统及方法
CN114140033A (zh) * 2022-01-29 2022-03-04 北京新唐思创教育科技有限公司 一种服务人员的分配方法、装置、电子设备及存储介质
CN114140033B (zh) * 2022-01-29 2022-04-12 北京新唐思创教育科技有限公司 一种服务人员的分配方法、装置、电子设备及存储介质

Similar Documents

Publication Publication Date Title
US11710187B2 (en) System for automated description and categorization
CN110689457A (zh) 地产行业线上客户智能接待方法、服务器及存储介质
CN108288179B (zh) 一种用户偏好房源计算方法和系统
US11055619B2 (en) Systems and methods for energy expert collaboration features
CN111553657A (zh) 基于行为分析的匹配方法和装置、电子设备和存储介质
US10943288B2 (en) Cognitive article reception
KR101952348B1 (ko) 보험설계사를 위한 고객 관리 및 웹페이지와 연동된 정보 제공 시스템
US20140081688A1 (en) Systems and methods for assigning account ownership in an on-demand system
Kharade et al. Online library package to boost the functionality and usability of the existing libraries
US20180285825A1 (en) Method of evaluation processing, information processing apparatus and non-transitory computer-readable storage medium
CN112417004A (zh) 一种实体关系图谱构建的方法和装置
US10678821B2 (en) Evaluating theses using tree structures
US10176442B2 (en) System and method for matching resource capacity with resource needs
CA2965457A1 (en) Computer-implemented system and method for providing on-demand expert advice to a consumer
KR20210063699A (ko) 사용자 정보를 이용하여 확인된 진정 사용자에게 맞춤형 금융 상품을 제공하기 위한 플랫폼을 운용하거나 이용하는 방법 및 이를 이용한 담보대출 상품 제공 서버, 기관 단말
TWM520695U (zh) 不動產自售的使用者設備及系統
CN113379375B (zh) 一种以聊天形式引导签约的方法、装置及电子设备
CN113762675A (zh) 信息生成方法、装置、服务器、系统和存储介质
CN107481079A (zh) 部件销售系统
JP2020091869A (ja) Snsシステム、コンピュータプログラム、snsを用いたマーケティングオートメーション方法及び表示方法
Chochiang et al. One stop restaurant service application
JP2017111630A (ja) 情報提供装置、情報提供方法、及びプログラム
KR20210114685A (ko) 블록체인 기반 디지털 자산 관리 및 협동 조합 기능을 통한 수익 창출 서비스 제공 방법
JP2012008690A (ja) 作業パートナ選定方法、装置、及びプログラム
Oprysk The Forthcoming General Data Protection Regulation in the EU

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
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20201104

Address after: 100085 Floor 102-1, Building No. 35, West Second Banner Road, Haidian District, Beijing

Applicant after: Seashell Housing (Beijing) Technology Co.,Ltd.

Address before: 300 457 days Unit 5, Room 1, 112, Room 1, Office Building C, Nangang Industrial Zone, Binhai New Area Economic and Technological Development Zone, Tianjin

Applicant before: BEIKE TECHNOLOGY Co.,Ltd.

RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20200818