CN111698332A - 业务对象的分配方法、装置、设备及存储介质 - Google Patents
业务对象的分配方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN111698332A CN111698332A CN202010581190.6A CN202010581190A CN111698332A CN 111698332 A CN111698332 A CN 111698332A CN 202010581190 A CN202010581190 A CN 202010581190A CN 111698332 A CN111698332 A CN 111698332A
- Authority
- CN
- China
- Prior art keywords
- user
- target
- business
- service
- objects
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 42
- 239000013598 vector Substances 0.000 claims description 49
- 238000012545 processing Methods 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims 1
- 238000005516 engineering process Methods 0.000 abstract description 6
- 230000008569 process Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 238000012549 training Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 238000010438 heat treatment Methods 0.000 description 2
- 210000002569 neuron Anatomy 0.000 description 2
- 230000004913 activation Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 235000006694 eating habits Nutrition 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/50—Network services
- H04L67/55—Push-based network services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/084—Backpropagation, e.g. using gradient descent
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/50—Network services
- H04L67/52—Network services specially adapted for the location of the user terminal
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Biomedical Technology (AREA)
- Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明涉及大数据技术领域,公开了一种业务对象的分配方法、装置、设备及存储介质,用于解决冷启动的问题,提高推送业务对象的准确率,业务对象的分配方法包括:获取目标用户的个人信息;对多个用户地理位置坐标点进行聚类处理,得到目标用户位置聚类簇;根据目标用户位置聚类簇,获取多个待选择业务对象及业务信息;基于多个业务信息在多个待选择业务对象中确定目标业务对象,并向目标用户推送目标业务对象;基于预测模型进行第三方业务对象的预测,得到目标第三方业务对象;若用户账户信息在目标业务对象中发生变化,则向目标用户推送目标第三方业务对象。此外,本发明还涉及区块链技术,目标用户的个人信息可存储于区块链中。
Description
技术领域
本发明涉及大数据技术领域,尤其涉及一种业务对象的分配方法、装置、设备及存储介质。
背景技术
随着网络技术的发展,网络用户可以通过网络平台获取越来越多的信息,也更加依赖网络平台提供的信息。例如在衣食住行方面,用户希望平台推荐符合自己需求的商户,尤其是符合用户地理位置的需求的商户。
在现有技术中,推荐系统一般是根据用户的历史搜索记录和地理位置等获取用户的喜好程度,再根据用户的喜好程度推荐商户,这种商户推荐方式会造成冷启动问题,也会忽略用户的消费能力,从而带来商户推荐准确率较低的问题。
发明内容
本发明的主要目的在于解决在推荐商户和产品中遇到的冷启动和推荐准确率较低的问题。
本发明第一方面提供了一种业务对象的分配方法,包括:获取目标用户的个人信息,其中,所述目标用户的个人信息包括用户基本信息、用户账户信息和多个用户地理位置坐标点;采用预置的密度聚类算法,对所述多个用户地理位置坐标点进行聚类处理,得到目标用户位置聚类簇;根据所述目标用户位置聚类簇,在多个预置的业务对象中获取多个待选择业务对象及多个待选择业务对象的业务信息;基于所述多个待选择业务对象的业务信息分别计算每个待选择业务对象的总体数值,根据每个待选择业务对象的总体数值在所述多个待选择业务对象中确定目标业务对象,并向所述目标用户推送所述目标业务对象;基于预置的预测模型,根据所述用户位置聚类簇中的多个用户地理位置坐标点、用户基本信息和用户账户信息进行第三方业务对象的预测,得到目标第三方业务对象,其中,所述第三方业务对象为所述用户账户信息所属关联方的业务对象;判断所述用户账户信息在所述目标业务对象中是否发生变化,若所述用户账户信息在所述目标业务对象中发生变化,则向所述目标用户推送所述目标第三方业务对象。
可选的,在本发明第一方面的第一种实现方式中,所述采用预置的密度聚类算法,对所述多个用户地理位置坐标点进行聚类处理,得到目标用户位置聚类簇包括:读取预置的聚类簇半径和预置的聚类簇密度值;基于预置的密度聚类算法,以每个用户地理位置坐标点为圆心,按照所述聚类簇半径画圆,得到多个聚类簇业务对象,并基于所述多个聚类簇业务对象和对应的用户地理位置坐标点得到多个初始用户位置聚类簇,其中,聚类簇业务对象位于所述聚类簇半径范围内;统计所述多个初始用户位置聚类簇中的用户地理位置坐标点数量,得到多个用户地理位置坐标点数量,并根据所述多个用户地理位置坐标点数量和所述聚类簇密度值确定目标用户位置聚类簇,其中,所述目标用户位置聚类簇为用户地理位置坐标点数量大于或者等于所述聚类簇密度值的初始用户位置聚类簇。
可选的,在本发明第一方面的第二种实现方式中,所述根据所述目标用户位置聚类簇,在多个预置的业务对象中获取多个待选择业务对象及多个待选择业务对象的业务信息包括:针对多个预置的业务对象中的每个预置的业务对象,分别计算对应的业务对象经纬度坐标与目标用户位置聚类簇中的用户地理位置坐标点之间的距离,得到多个地理位置间隔;判断每个地理位置间隔是否小于或者等于间隔阈值;若目标地理位置间隔小于或者等于所述间隔阈值,则将所述目标地理位置间隔对应的目标预置的业务对象确定为待选择业务对象,生成多个待选择业务对象;从所述多个待选择业务对象中提取多个待选择业务对象的业务信息。
可选的,在本发明第一方面的第三种实现方式中,所述基于所述多个待选择业务对象的业务信息分别计算每个待选择业务对象的总体数值,根据每个待选择业务对象的总体数值在所述多个待选择业务对象中确定目标业务对象,并向所述目标用户推送所述目标业务对象包括:从每个待选择业务对象的业务信息中读取对应的待选择业务对象的频次、待选择业务对象的热力值和待选择业务对象的收入平均分,其中,待选择业务对象的频次为所述目标用户出现在目标待选择业务对象中的次数;根据每个待选择业务对象的频次、待选择业务对象的热力值和待选择业务对象的收入平均分计算对应的待选择业务对象的总体数值,得到多个待选择业务对象的总体数值;将待选择业务对象的总体数值大于或者等于目标阈值的待选择业务对象确定为目标业务对象,并向所述目标用户推荐所述目标业务对象。
可选的,在本发明第一方面的第四种实现方式中,所述根据每个待选择业务对象的频次、待选择业务对象的热力值和待选择业务对象的收入平均分计算对应的待选择业务对象的总体数值,得到多个待选择业务对象的总体数值包括:针对所述多个待选择业务对象中的任意一个待选择业务对象,将目标待选择业务对象的频次与预置的频率权重相乘,得到频次数值;将目标待选择业务对象的热力值与预置的热力值权重相乘,得到热力值数值;将目标待选择业务对象的收入平均分与预置的收入平均分权重相乘,得到收入平均分数值;将所述频次数值、所述热力值数值与所述收入平均分数值相加,得到待选择业务对象的总体数值;针对多个待选择业务对象中的其他待选择业务对象,计算得到多个待选择业务对象的总体数值。
可选的,在本发明第一方面的第五种实现方式中,所述基于预置的预测模型,根据所述用户位置聚类簇中的多个用户地理位置坐标点、用户基本信息和用户账户信息进行第三方业务对象的预测,得到目标第三方业务对象,其中,所述第三方业务对象为所述用户账户信息所属关联方的业务对象包括:将多个用户位置聚类簇中的多个用户地理位置坐标点、用户基本信息和用户账户信息分别量化为用户位置向量、用户基本信息向量和用户账户信息向量;将所述用户位置向量、所述用户基本信息向量和所述用户账户信息向量进行拼接,得到用户总体特征向量;将所述用户整体特征向量输入预置的预测模型进行第三方业务对象的预测,得到目标第三方业务对象。
可选的,在本发明第一方面的第六种实现方式中,在所述获取目标用户的个人信息,其中,所述目标用户的个人信息包括用户基本信息、用户账户信息和多个用户地理位置坐标点之前,所述业务对象的分配方法还包括:获取多个预置的业务对象的地理位置;将所述多个业务对象的地理位置处理为业务对象经纬度坐标。
本发明第二方面提供了一种业务对象的分配装置,包括:个人信息获取模块,用于获取目标用户的个人信息,其中,所述目标用户的个人信息包括用户基本信息、用户账户信息和多个用户地理位置坐标点;聚类模块,用于采用预置的密度聚类算法,对所述多个用户地理位置坐标点进行聚类处理,得到目标用户位置聚类簇;待选择对象获取模块,用于根据所述目标用户位置聚类簇,在多个预置的业务对象中获取多个待选择业务对象及多个待选择业务对象的业务信息;目标对象获取模块,用于基于所述多个待选择业务对象的业务信息分别计算每个待选择业务对象的总体数值,根据每个待选择业务对象的总体数值在所述多个待选择业务对象中确定目标业务对象,并向所述目标用户推送所述目标业务对象;第三方对象获取模块,用于基于预置的预测模型,根据所述用户位置聚类簇中的多个用户地理位置坐标点、用户基本信息和用户账户信息进行第三方业务对象的预测,得到目标第三方业务对象,其中,所述第三方业务对象为所述用户账户信息所属关联方的业务对象;推送模块,用于判断所述用户账户信息在所述目标业务对象中是否发生变化,若所述用户账户信息在所述目标业务对象中发生变化,则向所述目标用户推送所述目标第三方业务对象。
可选的,在本发明第二方面的第一种实现方式中,所述聚类模块具体用于:读取预置的聚类簇半径和预置的聚类簇密度值;基于预置的密度聚类算法,以每个用户地理位置坐标点为圆心,按照所述聚类簇半径画圆,得到多个聚类簇业务对象,并基于所述多个聚类簇业务对象和对应的用户地理位置坐标点得到多个初始用户位置聚类簇,其中,聚类簇业务对象位于所述聚类簇半径范围内;统计所述多个初始用户位置聚类簇中的用户地理位置坐标点数量,得到多个用户地理位置坐标点数量,并根据所述多个用户地理位置坐标点数量和所述聚类簇密度值确定目标用户位置聚类簇,其中,所述目标用户位置聚类簇为用户地理位置坐标点数量大于或者等于所述聚类簇密度值的初始用户位置聚类簇。
可选的,在本发明第二方面的第二种实现方式中,所述待选择对象获取模块具体用于:针对多个预置的业务对象中的每个预置的业务对象,分别计算对应的业务对象经纬度坐标与目标用户位置聚类簇中的用户地理位置坐标点之间的距离,得到多个地理位置间隔;判断每个地理位置间隔是否小于或者等于间隔阈值;若目标地理位置间隔小于或者等于所述间隔阈值,则将所述目标地理位置间隔对应的目标预置的业务对象确定为待选择业务对象,生成多个待选择业务对象;从所述多个待选择业务对象中提取多个待选择业务对象的业务信息。
可选的,在本发明第二方面的第三种实现方式中,所述目标对象获取模块包括:读取单元,用于从每个待选择业务对象的业务信息中读取对应的待选择业务对象的频次、待选择业务对象的热力值和待选择业务对象的收入平均分,其中,待选择业务对象的频次为所述目标用户出现在目标待选择业务对象中的次数;计算单元,用于根据每个待选择业务对象的频次、待选择业务对象的热力值和待选择业务对象的收入平均分计算对应的待选择业务对象的总体数值,得到多个待选择业务对象的总体数值;目标对象获取单元,用于将待选择业务对象的总体数值大于或者等于目标阈值的待选择业务对象确定为目标业务对象,并向所述目标用户推荐所述目标业务对象。
可选的,在本发明第二方面的第四种实现方式中,所述计算单元具体用于:针对所述多个待选择业务对象中的任意一个待选择业务对象,将目标待选择业务对象的频次与预置的频率权重相乘,得到频次数值;将目标待选择业务对象的热力值与预置的热力值权重相乘,得到热力值数值;将目标待选择业务对象的收入平均分与预置的收入平均分权重相乘,得到收入平均分数值;将所述频次数值、所述热力值数值与所述收入平均分数值相加,得到待选择业务对象的总体数值;针对多个待选择业务对象中的其他待选择业务对象,计算得到多个待选择业务对象的总体数值。
可选的,在本发明第二方面的第五种实现方式中,所述第三方对象获取模块具体用于:将多个用户位置聚类簇中的多个用户地理位置坐标点、用户基本信息和用户账户信息分别量化为用户位置向量、用户基本信息向量和用户账户信息向量;将所述用户位置向量、所述用户基本信息向量和所述用户账户信息向量进行拼接,得到用户总体特征向量;将所述用户整体特征向量输入预置的预测模型进行第三方业务对象的预测,得到目标第三方业务对象。
可选的,在本发明第二方面的第六种实现方式中,所述业务对象的分配装置还包括:地理位置获取模块,用于获取多个预置的业务对象的地理位置;坐标转换模块,用于将所述多个业务对象的地理位置处理为预置业务对象经纬度坐标。
本发明第三方面提供了一种业务对象的分配设备,包括:存储器和至少一个处理器,所述存储器中存储有指令,所述存储器和所述至少一个处理器通过线路互连;所述至少一个处理器调用所述存储器中的所述指令,以使得所述业务对象的分配设备执行上述的业务对象的分配方法。
本发明的第四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业务对象的分配方法。
本发明提供的技术方案中,获取目标用户的个人信息,其中,所述目标用户的个人信息包括用户基本信息、用户账户信息和多个用户地理位置坐标点;采用预置的密度聚类算法,对所述多个用户地理位置坐标点进行聚类处理,得到目标用户位置聚类簇;根据所述目标用户位置聚类簇,在多个预置的业务对象中获取多个待选择业务对象及多个待选择业务对象的业务信息;基于所述多个待选择业务对象的业务信息分别计算每个待选择业务对象的总体数值,根据每个待选择业务对象的总体数值在所述多个待选择业务对象中确定目标业务对象,并向所述目标用户推送所述目标业务对象;基于预置的预测模型,根据所述用户位置聚类簇中的多个用户地理位置坐标点、用户基本信息和用户账户信息进行第三方业务对象的预测,得到目标第三方业务对象,其中,所述第三方业务对象为所述用户账户信息所属关联方的业务对象;判断所述用户账户信息在所述目标业务对象中是否发生变化,若所述用户账户信息在所述目标业务对象中发生变化,则向所述目标用户推送所述目标第三方业务对象。本发明实施例中,对用户地理位置进行聚类,得到目标业务对象,利用预测模型预测第三方业务对象,向用户推荐目标业务对象和目标第三方业务对象,解决了冷启动的问题,提高了获取目标业务对象和目标第三方业务对象的准确率,而且向目标用户推送第三方业务对象提高了用户的活跃度。
附图说明
图1为本发明实施例中业务对象的分配方法的一个实施例示意图;
图2为本发明实施例中业务对象的分配方法的另一个实施例示意图;
图3为本发明实施例中业务对象的分配装置的一个实施例示意图;
图4为本发明实施例中业务对象的分配装置的另一个实施例示意图;
图5为本发明实施例中业务对象的分配设备的一个实施例示意图。
具体实施方式
本发明实施例提供了一种业务对象的分配方法、装置、设备及存储介质,本发明实施例中,用于对用户地理位置进行聚类,得到目标业务对象,利用预测模型进行第三方业务对象的预测,根据用户账户信息向用户推荐目标第三方业务对象。提高了获取目标业务对象和目标第三方业务对象的准确率,而且向目标用户推送第三方业务对象提高了用户的活跃度。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外,术语“包括”或“具有”及其任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
为便于理解,下面对本发明实施例的具体流程进行描述,请参阅图1,本发明实施例中业务对象的分配方法的一个实施例包括:
101、获取目标用户的个人信息,其中,目标用户的个人信息包括用户基本信息、用户账户信息和多个用户地理位置坐标点;
终端获取包括用户基本信息、用户账户信息和多个用户地理位置坐标点的个人信息。
终端获取目标用户的个人信息,目标用户的个人信息包括用户基本信息、用户账户信息和多个用户地理位置坐标点。在本实施例中,用户基本信息为用户的个人数据,包括年龄、性别、学历和婚姻状态等;用户账户信息可以为银行持有的用户金融信息,包括用户的财富值、贷款、理财、开户时长、是否有车和有房等,用户账户信息也可以为用户流量信息;多个用户地理位置坐标点为用户的基于位置服务(location based services,LBS)信息数据,包括用户曾经去过的地方,用户的LBS信息数据以坐标点的形式存储。
需要说明的是,本发明还涉及区块链技术,目标用户的个人信息可存储于区块链中。
可以理解的是,本发明的执行主体可以为业务对象的分配装置,还可以是终端或者服务器,具体此处不做限定。本发明实施例以终端为执行主体为例进行说明。
102、采用预置的密度聚类算法,对多个用户地理位置坐标点进行聚类处理,得到目标用户位置聚类簇;
终端采用预置的密度聚类算法对目标用户的个人信息中的多个用户地理位置坐标点进行聚类处理,从而得到目标用户位置聚类簇。
在本实施例中,密度聚类算法(density-based spatial clustering ofapplications with noise,DBSCAN)是一个比较有代表性的基于密度的聚类算法。与划分和层次聚类方法不同,它将簇定义为密度相连的点的最大集合,能够把具有足够高密度的区域划分为簇。DBSCAN的簇以核心对象为圆心,以一定的数值为半径画圆,圆中的对象与核心对象形成一个DBSCAN聚类簇。
例如,目标用户的个人信息中包括6个地理位置坐标点,分别为:用户地理位置坐标点A、用户地理位置坐标点B、用户地理位置坐标点C、用户地理位置坐标点D、用户地理位置坐标点E和用户地理位置坐标点F,终端以每个坐标点为圆心画圆,得到用户位置聚类簇A、用户位置聚类簇B、用户位置聚类簇C、用户位置聚类簇D、用户位置聚类簇E和用户位置聚类簇F,假设终端采用DBSCAN得出用户位置聚类簇C中坐标点密度最高,终端则确定用户位置聚类簇C为目标用户位置聚类簇。
103、根据目标用户位置聚类簇,在多个预置的业务对象中获取多个待选择业务对象及多个待选择业务对象的业务信息;
终端根据目标用户位置聚类簇,在多个业务对象中获取多个待选择业务对象,再通过多个待选择业务对象获取多个待选择业务对象的业务信息。
需要说明的是,在本实施例中,业务对象可以理解为商户。
例如,在一定地图范围中包括50个商户,终端根据目标用户位置聚类簇中用户的地理位置和每个商户的地理位置在这50个商户中确定多个待选择商户,待选择商户实际上是指与目标用户的地理位置相对较近的商户。
104、基于多个待选择业务对象的业务信息分别计算每个待选择业务对象的总体数值,根据每个待选择业务对象的总体数值在多个待选择业务对象中确定目标业务对象,并向目标用户推送目标业务对象;
终端在多个待选择业务对象中基于对应的业务信息,确定目标业务对象,并向目标用户推送目标业务对象。
终端对每个待选择业务对象根据对应的业务信息进行一个数值计算,比如终端根据用户出现在多个待选择商户的次数、多个待选择商户的热门程度和多个待选择商户的消费等级得到每个待选择商户的总体数值,然后终端再根据多个待选择商户的总体数值在多个待选择业务对象中确定目标商户,并向目标用户推送目标商户。
105、基于预置的预测模型,根据用户位置聚类簇中的多个用户地理位置坐标点、用户基本信息和用户账户信息进行第三方业务对象的预测,得到目标第三方业务对象,其中,第三方业务对象为用户账户信息所属关联方的业务对象;
终端将用户位置聚类簇中的多个用户地理位置坐标点、用户基本信息和用户账户信息输入预置的预测模型进行第三方业务对象的预测,从而得到目标第三方业务对象,其中,第三方业务对象为用户账户信息所属关联方的业务对象。
需要说明的是,在本实施例中,第三方业务对象为银行产品。预置的预测模型为Lightgbm模型。Lightgbm模型为大量已有的第三方业务对象和用户整体特征向量进行训练得到的预测模型。Lightgbm模型具体为词袋模型中的CBOW模型,词向量模型是考虑词语位置关系的一种模型。CBOW模型的训练输入是某一个特征词的上下文相关的词对应的词向量,而输出就是这特定的一个词的词向量。比如有一个长句子,在模型训练时需要输入的取值为4,那么服务器从特征词的左右各取4个词向量,共8个词向量作为模型的输入进行训练,输出为特定词的词向量。输出是所有词的softmax概率,此时对应的CBOW神经网络模型输入层有8个神经元,通过DNN的反向传播算法,我们可以求出DNN模型的参数,同时得到所有的词对应的词向量。这样当需要求出某几个词对应的最可能的输出中心词时,可以通过一次DNN前向传播算法并通过softmax激活函数找到概率最大的词对应的神经元即可。
106、判断用户账户信息在目标业务对象中是否发生变化,若用户账户信息在目标业务对象中发生变化,则向目标用户推送目标第三方业务对象。
终端判断用户账户信息在目标业务对象中是否发生变化,如果用户账户信息在目标业务对象中发生变化,终端则向目标用户推送目标第三方业务对象。
需要说明的是,判断用户账户信息在目标业务对象中是否发生变化的实质为:根据用户账户信息,判断目标用户在目标商户中是否产生支出,如果根据用户账户信息判断目标用户在目标商户中产生支出,则判定用户账户信息在目标业务对象(即目标商户)中发生变化。
例如,终端在获取目标银行产品A之后,则判断目标用户是否在目标商户中产生消费,若目标用户在目标商户中支出了500元,则向目标用户推荐目标银行产品A,如果目标用户在目标商户中的支出了0元,则不向目标用户推荐目标银行产品。
本发明实施例中,对用户地理位置进行聚类,得到目标业务对象,利用预测模型预测第三方业务对象,向用户推荐目标业务对象和目标第三方业务对象,提高了获取目标业务对象和目标第三方业务对象的准确率,而且向目标用户推送第三方业务对象提高了用户的活跃度。
请参阅图2,本发明实施例中业务对象的分配方法的另一个实施例包括:
201、获取多个预置的业务对象的地理位置;
终端获取多个预置的业务对象的地理位置。
终端可以通过终端通过高德、百度接口等获取多个预置的商户的地理位置。
202、将多个业务对象的地理位置处理为业务对象经纬度坐标;
终端将多个业务对象的地理位置一一处理为对应的经纬度坐标。
终端读取每个业务对象的地理位置即每个商户的地址,比如深圳市南山区A街道B号,终端调用坐标函数,将深圳市南山区A街道B号转换为对应的经纬度坐标E114°03′,N22°32′。
203、获取目标用户的个人信息,其中,目标用户的个人信息包括用户基本信息、用户账户信息和多个用户地理位置坐标点;
终端获取包括用户基本信息、用户账户信息和多个用户地理位置坐标点的个人信息。
终端获取目标用户的个人信息,目标用户的个人信息包括用户基本信息、用户账户信息和多个用户地理位置坐标点。在本实施例中,用户基本信息为用户的个人数据,包括年龄、性别、学历和婚姻状态等;用户账户信息可以为银行持有的用户金融信息,包括用户的财富值、贷款、理财、开户时长、是否有车和有房等,用户账户信息也可以为用户流量信息;多个用户地理位置坐标点为用户的基于位置服务(location based services,LBS)信息数据,包括用户曾经去过的地方,用户的LBS信息数据以坐标点的形式存储。
需要说明的是,本发明还涉及区块链技术,目标用户的个人信息可存储于区块链中。
204、采用预置的密度聚类算法,对多个用户地理位置坐标点进行聚类处理,得到目标用户位置聚类簇;
终端采用预置的密度聚类算法对目标用户的个人信息中的多个用户地理位置坐标点进行聚类处理,从而得到目标用户位置聚类簇。
具体的,终端读取预置的聚类簇半径和预置的聚类簇密度值;终端以每个用户地理位置坐标点为圆心,以聚类簇半径画圆,得到多个位于聚类簇半径范围内的聚类簇业务对象,并基于多个聚类簇业务对象和对应的用户地理位置坐标点得到多个初始用户位置聚类簇得到初始用户位置聚类簇;终端在多个初始用户位置聚类簇中统计得到多个用户地理位置坐标点数量,并根据多个用户地理位置坐标点数量和聚类簇密度值确定用户地理位置坐标点数量大于或者等于聚类簇密度值的目标用户位置聚类簇。
例如,假设聚类簇半径为3,聚类簇密度值为4。目标用户的个人信息中包括6个地理位置坐标点,分别为:用户地理位置坐标点A、用户地理位置坐标点B、用户地理位置坐标点C、用户地理位置坐标点D、用户地理位置坐标点E和用户地理位置坐标点F。终端分别以用户地理位置坐标点A、用户地理位置坐标点B、用户地理位置坐标点C、用户地理位置坐标点D、用户地理位置坐标点E和用户地理位置坐标点F为圆心,以聚类簇半径3为半径画圆,得到包括多个聚类簇业务对象的初始用户位置聚类簇A、初始用户位置聚类簇B、初始用户位置聚类簇C、初始用户位置聚类簇D、初始用户位置聚类簇E和初始用户位置聚类簇F;初始用户位置聚类簇A包括4个用户地理位置坐标点、初始用户位置聚类簇B包括3个用户地理位置坐标点、初始用户位置聚类簇C包括2个用户地理位置坐标点、初始用户位置聚类簇D包括3个用户地理位置坐标点、初始用户位置聚类簇E包括3个用户地理位置坐标点以及初始用户位置聚类簇F包括2个用户地理位置坐标点。终端基于DBSCAN的原理将初始用户位置聚类簇A、初始用户位置聚类簇B、初始用户位置聚类簇C、初始用户位置聚类簇D、初始用户位置聚类簇E以及初始用户位置聚类簇F中的用户地理位置坐标点数量与聚类簇密度值4进行对比,只有初始用户位置聚类簇A中的用户地理位置坐标点数量等于聚类簇密度值,因此终端将初始用户位置聚类簇A确定为目标用户位置聚类簇,并且解散其他初始用户位置聚类簇,将不在目标用户位置聚类簇中的用户地理位置坐标点确定为离散点。由于用离散点匹配业务对象的兴趣度较低,所以终端过滤掉离散点。
205、根据目标用户位置聚类簇,在多个预置的业务对象中获取多个待选择业务对象及多个待选择业务对象的业务信息;
终端根据目标用户位置聚类簇,在多个预置的业务对象中获取多个待选择业务对象,再通过多个待选择业务对象获取多个待选择业务对象的业务信息。
需要说明的是,在本实施例中,业务对象可以理解为商户。
具体的,终端针对多个预置的业务对象中的每个预置的业务对象,分别计算对应的预置的业务对象经纬度坐标与目标用户位置聚类簇之间的地理位置间隔;然后终端判断每个地理位置间隔是否小于或者等于间隔阈值;如果目标地理位置间隔小于或者等于间隔阈值,终端则将目标地理位置间隔对应的目标预置的业务对象确定为待选择业务对象,从而得到多个待选择业务对象,并从待选择业务对象中提取待选择业务对象的业务信息。
需要说明的是,终端根据商户的经纬度坐标和目标用户位置聚类簇中的用户地理位置坐标点之间的距离获取待选择商户。例如,假设间隔阈值为1km,商户A、商户B、商户C、商户D和商户E与目标用户位置聚类簇中用户地理位置坐标点之间的地理位置间隔分别为0.2km、0.3km、0.35km、0.7km和2km,终端则将商户A、商户B、商户C和商户D确定为待选择商户,最后终端从待选择商户可以提取对应的待选择商户的业务信息,待选择商户的业务信息可以为用户出现在待选择商户的次数、待选择商户的热度和待选择商户的人均消费等级等。
206、基于多个待选择业务对象的业务信息分别计算每个待选择业务对象的总体数值,根据每个待选择业务对象的总体数值在多个待选择业务对象中确定目标业务对象,并向目标用户推送目标业务对象;
终端在多个待选择业务对象中基于对应的业务信息,确定目标业务对象,并向目标用户推送目标业务对象。
具体的,终端从每个待选择业务对象的业务信息中读取对应的待选择业务对象的频次、待选择业务对象的热力值和待选择业务对象的平均分,得到多个待选择业务对象的频次、多个待选择业务对象的热力值和多个待选择业务对象的收入平均分;然后终端基于多个待选择业务对象的频次、多个待选择业务对象的热力值和多个待选择业务对象的收入平均分计算多个待选择业务对象的总体数值;最后终端将待选择业务对象的总体数值大于或者等于目标阈值的待选择业务对象确定为目标业务对象,并向目标用户推荐目标业务对象。
例如,假设目标阈值为10,待选择业务对象A的待选择业务对象的总体数值为9.7、待选择业务对象B的待选择业务对象的总体数值为11.7、待选择业务对象C的待选择业务对象的总体数值为8.5,待选择业务对象D的待选择业务对象的总体数值为9.2,终端将待选择业务对象B确定为目标业务对象。
计算多个待选择业务对象的总体数值具体过程如下:
终端针对多个待选择业务对象中的任意一个待选择业务对象,将目标待选择业务对象的频次与预置的频率权重相乘,得到频次数值;其次终端将目标待选择业务对象的热力值与预置的热力值权重相乘,得到热力值数值;然后终端将目标待选择业务对象的收入平均分与预置的收入平均分权重相乘,得到收入平均分数值;最后将频次数值、热力值数值与收入平均分数值相加,得到待选择业务对象的总体数值;终端按照此步骤对多个待选择业务对象中的其他待选择业务对象进行计算,从而得到多个待选择业务对象的总体数值。
例如,假设预置的频率权重为50%、预置的热力值权重为30%以及预置的收入平均分权重为20%。终端将目标待选择业务对象的频次15与频率权重为50%相乘,得到频次数值为7.5,终端将目标待选择业务对象的热力值8分与热力值权重30%相乘,得到热力值数值为2.4,终端将目标待选择业务对象的收入平均分9分与收入平均分权重为20%相乘,得到收入平均分数值为1.8。终端将频次数值7.5、热力值数值2.4和收入平均分数值1.8相加,终端得到目标待选择业务对象的总体数值为11.7。
需要说明的是,待选择业务对象的收入平均分根据用户账户信息与待选择业务对象的消费水平计算得来,用户账户信息中大额理财产品对应高等级的待选择业务对象、小额理财产品对应低等级的待选择业务对象,根据用户账户信息与待选择业务对象的消费水平进行匹配,从而得到待选择业务对象的收入平均分。
207、基于预置的预测模型,根据用户位置聚类簇中的多个用户地理位置坐标点、用户基本信息和用户账户信息进行第三方业务对象的预测,得到目标第三方业务对象,其中,第三方业务对象为用户账户信息所属关联方的业务对象;
终端将用户位置聚类簇中的多个用户地理位置坐标点、用户基本信息和用户账户信息输入预置的预测模型进行第三方业务对象的预测,从而得到目标第三方业务对象,其中,第三方业务对象为用户账户信息所属关联方的业务对象。
具体的,终端分别将多个用户位置聚类簇中的多个用户地理位置坐标点、用户基本信息和用户账户信息进行向量化处理,得到为用户位置向量、用户基本信息向量和用户账户信息向量;终端拼接用户位置向量、用户基本信息向量和用户账户信息向量,从而得到用户总体特征向量;终端将用户整体特征向量输入预测模型进行第三方业务对象的预测,得到目标第三方业务对象。
208、判断用户账户信息在目标业务对象中是否发生变化,若用户账户信息在目标业务对象中发生变化,则向目标用户推送目标第三方业务对象。
终端判断用户账户信息在目标业务对象中是否发生变化,如果用户账户信息在目标业务对象中发生变化,终端则向目标用户推送目标第三方业务对象。
需要说明的是,判断用户账户信息在目标业务对象中是否发生变化的实质为:根据用户账户信息,判断目标用户在目标商户中是否产生支出,如果根据用户账户信息判断目标用户在目标商户中产生支出,则判定用户账户信息在目标业务对象(即目标商户)中发生变化。
例如,终端在获取目标银行产品A之后,则判断目标用户是否在目标商户中产生消费,若目标用户在目标商户中支出了500元,则向目标用户推荐目标银行产品A,如果目标用户在目标商户中的支出了0元,则不向目标用户推荐目标银行产品。
本发明实施例中,对用户地理位置进行聚类,得到目标业务对象,利用预测模型预测第三方业务对象,向用户推荐目标业务对象和目标第三方业务对象,提高了获取目标业务对象和目标第三方业务对象的准确率,而且向目标用户推送第三方业务对象提高了用户的活跃度。
上面对本发明实施例中业务对象的分配方法进行了描述,下面对本发明实施例中业务对象的分配装置进行描述,请参阅图3,本发明实施例中业务对象的分配装置一个实施例包括:
个人信息获取模块301,用于获取目标用户的个人信息,其中,目标用户的个人信息包括用户基本信息、用户账户信息和多个用户地理位置坐标点;
聚类模块302,用于采用预置的密度聚类算法,对多个用户地理位置坐标点进行聚类处理,得到目标用户位置聚类簇;
待选择对象获取模块303,用于根据目标用户位置聚类簇,在多个预置的业务对象中获取多个待选择业务对象及多个待选择业务对象的业务信息;
目标对象获取模块304,用于基于多个待选择业务对象的业务信息分别计算每个待选择业务对象的总体数值,根据每个待选择业务对象的总体数值在多个待选择业务对象中确定目标业务对象,并向目标用户推送目标业务对象;
第三方对象获取模块305,用于基于预置的预测模型,根据用户位置聚类簇中的多个用户地理位置坐标点、用户基本信息和用户账户信息进行第三方业务对象的预测,得到目标第三方业务对象,其中,第三方业务对象为用户账户信息所属关联方的业务对象;
推送模块306,用于判断用户账户信息在目标业务对象中是否发生变化,若用户账户信息在目标业务对象中发生变化,则向目标用户推送目标第三方业务对象。
本发明实施例中,对用户地理位置进行聚类,得到目标业务对象,利用预测模型预测第三方业务对象,向用户推荐目标业务对象和目标第三方业务对象,解决了冷启动的问题,提高了获取目标业务对象和目标第三方业务对象的准确率,而且向目标用户推送第三方业务对象提高了用户的活跃度。
请参阅图4,本发明实施例中业务对象的分配装置的另一个实施例包括:
个人信息获取模块301,用于获取目标用户的个人信息,其中,目标用户的个人信息包括用户基本信息、用户账户信息和多个用户地理位置坐标点;
聚类模块302,用于采用预置的密度聚类算法,对多个用户地理位置坐标点进行聚类处理,得到目标用户位置聚类簇;
待选择对象获取模块303,用于根据目标用户位置聚类簇,在多个预置的业务对象中获取多个待选择业务对象及多个待选择业务对象的业务信息;
目标对象获取模块304,用于基于多个待选择业务对象的业务信息分别计算每个待选择业务对象的总体数值,根据每个待选择业务对象的总体数值在多个待选择业务对象中确定目标业务对象,并向目标用户推送目标业务对象;
第三方对象获取模块305,用于基于预置的预测模型,根据用户位置聚类簇中的多个用户地理位置坐标点、用户基本信息和用户账户信息进行第三方业务对象的预测,得到目标第三方业务对象,其中,第三方业务对象为用户账户信息所属关联方的业务对象;
推送模块306,用于判断用户账户信息在目标业务对象中是否发生变化,若用户账户信息在目标业务对象中发生变化,则向目标用户推送目标第三方业务对象。
可选的,聚类模块302还可以具体用于:
读取预置的聚类簇半径和预置的聚类簇密度值;
基于预置的密度聚类算法,以每个用户地理位置坐标点为圆心,按照聚类簇半径画圆,得到多个聚类簇业务对象,并基于多个聚类簇业务对象和对应的用户地理位置坐标点得到多个初始用户位置聚类簇,其中,聚类簇业务对象位于聚类簇半径范围内;
统计多个初始用户位置聚类簇中的用户地理位置坐标点数量,得到多个用户地理位置坐标点数量,并根据多个用户地理位置坐标点数量和聚类簇密度值确定目标用户位置聚类簇,其中,目标用户位置聚类簇为用户地理位置坐标点数量大于或者等于聚类簇密度值的初始用户位置聚类簇。
可选的,待选择对象获取模块303还可以具体用于:
针对多个预置的业务对象中的每个预置的业务对象,分别计算对应的业务对象经纬度坐标与目标用户位置聚类簇中的用户地理位置坐标点之间的距离,得到多个地理位置间隔;
判断每个地理位置间隔是否小于或者等于间隔阈值;若目标地理位置间隔小于或者等于间隔阈值,则将目标地理位置间隔对应的目标预置的业务对象确定为待选择业务对象,生成多个待选择业务对象;
从多个待选择业务对象中提取多个待选择业务对象的业务信息。
可选的,目标对象获取模块304具体包括:
读取单元3041,用于从每个待选择业务对象的业务信息中读取对应的待选择业务对象的频次、待选择业务对象的热力值和待选择业务对象的收入平均分,其中,待选择业务对象的频次为目标用户出现在目标待选择业务对象中的次数;
计算单元3042,用于根据每个待选择业务对象的频次、待选择业务对象的热力值和待选择业务对象的收入平均分计算对应的待选择业务对象的总体数值,得到多个待选择业务对象的总体数值;
目标对象获取单元3043,用于将待选择业务对象的总体数值大于或者等于目标阈值的待选择业务对象确定为目标业务对象,并向目标用户推荐目标业务对象。
可选的,计算单元3042还可以具体用于:
针对多个待选择业务对象中的任意一个待选择业务对象,将目标待选择业务对象的频次与预置的频率权重相乘,得到频次数值;
将目标待选择业务对象的热力值与预置的热力值权重相乘,得到热力值数值;
将目标待选择业务对象的收入平均分与预置的收入平均分权重相乘,得到收入平均分数值;
将频次数值、热力值数值与收入平均分数值相加,得到待选择业务对象的总体数值;
针对多个待选择业务对象中的其他待选择业务对象,计算得到多个待选择业务对象的总体数值。
可选的,第三方对象获取模块305还可以具体用于:
将多个用户位置聚类簇中的多个用户地理位置坐标点、用户基本信息和用户账户信息分别量化为用户位置向量、用户基本信息向量和用户账户信息向量;
将用户位置向量、用户基本信息向量和用户账户信息向量进行拼接,得到用户总体特征向量;
将用户整体特征向量输入预置的预测模型进行第三方业务对象的预测,得到目标第三方业务对象。
可选的,业务对象的分配装置还包括:
地理位置获取模块307,用于获取多个预置的业务对象的地理位置;
坐标转换模块308,用于将多个业务对象的地理位置处理为业务对象经纬度坐标。
本发明实施例中,对用户地理位置进行聚类,得到目标业务对象,利用预测模型预测第三方业务对象,向用户推荐目标业务对象和目标第三方业务对象,解决了冷启动的问题,提高了获取目标业务对象和目标第三方业务对象的准确率,而且向目标用户推送第三方业务对象提高了用户的活跃度。
上面图3和图4从模块化功能实体的角度对本发明实施例中的业务对象的分配装置进行详细描述,下面从硬件处理的角度对本发明实施例中业务对象的分配设备进行详细描述。
图5是本发明实施例提供的一种业务对象的分配设备的结构示意图,该业务对象的分配设备500可因配置或性能不同而产生比较大的差异,可以包括一个或一个以上处理器(central processing units,CPU)510(例如,一个或一个以上处理器)和存储器520,一个或一个以上存储应用程序533或数据532的存储介质530(例如一个或一个以上海量存储设备)。其中,存储器520和存储介质530可以是短暂存储或持久存储。存储在存储介质530的程序可以包括一个或一个以上模块(图示没标出),每个模块可以包括对业务对象的分配设备500中的一系列指令操作。更进一步地,处理器510可以设置为与存储介质530通信,在业务对象的分配设备500上执行存储介质530中的一系列指令操作。
业务对象的分配设备500还可以包括一个或一个以上电源540,一个或一个以上有线或无线网络接口550,一个或一个以上输入输出接口560,和/或,一个或一个以上操作系统531,例如Windows Serve,Mac OS X,Unix,Linux,FreeBSD等等。本领域技术人员可以理解,图5示出的业务对象的分配设备结构并不构成对业务对象的分配设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
进一步地,所述计算机可用存储介质可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序等;存储数据区可存储根据区块链节点的使用所创建的数据等。
本发明还提供一种计算机可读存储介质,该计算机可读存储介质可以为非易失性计算机可读存储介质,该计算机可读存储介质也可以为易失性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,当所述指令在计算机上运行时,使得计算机执行所述业务对象的分配方法的步骤。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
所述集成的单元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机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或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步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(read-only memory,ROM)、随机存取存储器(random access memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain),本质上是一个去中心化的数据库,是一串使用密码学方法相关联产生的数据块,每一个数据块中包含了一批次网络交易的信息,用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
以上所述,以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种业务对象的分配方法,其特征在于,所述业务对象的分配方法包括:
获取目标用户的个人信息,其中,所述目标用户的个人信息包括用户基本信息、用户账户信息和多个用户地理位置坐标点;
采用预置的密度聚类算法,对所述多个用户地理位置坐标点进行聚类处理,得到目标用户位置聚类簇;
根据所述目标用户位置聚类簇,在多个预置的业务对象中获取多个待选择业务对象及多个待选择业务对象的业务信息;
基于所述多个待选择业务对象的业务信息分别计算每个待选择业务对象的总体数值,根据每个待选择业务对象的总体数值在所述多个待选择业务对象中确定目标业务对象,并向所述目标用户推送所述目标业务对象;
基于预置的预测模型,根据所述用户位置聚类簇中的多个用户地理位置坐标点、用户基本信息和用户账户信息进行第三方业务对象的预测,得到目标第三方业务对象,其中,所述第三方业务对象为所述用户账户信息所属关联方的业务对象;
判断所述用户账户信息在所述目标业务对象中是否发生变化,若所述用户账户信息在所述目标业务对象中发生变化,则向所述目标用户推送所述目标第三方业务对象。
2.根据权利要求1所述的业务对象的分配方法,其特征在于,所述采用预置的密度聚类算法,对所述多个用户地理位置坐标点进行聚类处理,得到目标用户位置聚类簇包括:
读取预置的聚类簇半径和预置的聚类簇密度值;
基于预置的密度聚类算法,以每个用户地理位置坐标点为圆心,按照所述聚类簇半径画圆,得到多个聚类簇业务对象,并基于所述多个聚类簇业务对象和对应的用户地理位置坐标点得到多个初始用户位置聚类簇,其中,聚类簇业务对象位于所述聚类簇半径范围内;
统计所述多个初始用户位置聚类簇中的用户地理位置坐标点数量,得到多个用户地理位置坐标点数量,并根据所述多个用户地理位置坐标点数量和所述聚类簇密度值确定目标用户位置聚类簇,其中,所述目标用户位置聚类簇为用户地理位置坐标点数量大于或者等于所述聚类簇密度值的初始用户位置聚类簇。
3.根据权利要求1所述的业务对象的分配方法,其特征在于,所述根据所述目标用户位置聚类簇,在多个预置的业务对象中获取多个待选择业务对象及多个待选择业务对象的业务信息包括:
针对多个预置的业务对象中的每个预置的业务对象,分别计算对应的业务对象经纬度坐标与目标用户位置聚类簇中的用户地理位置坐标点之间的距离,得到多个地理位置间隔;
判断每个地理位置间隔是否小于或者等于间隔阈值;
若目标地理位置间隔小于或者等于所述间隔阈值,则将所述目标地理位置间隔对应的目标预置的业务对象确定为待选择业务对象,生成多个待选择业务对象;
从所述多个待选择业务对象中提取多个待选择业务对象的业务信息。
4.根据权利要求1所述的业务对象的分配方法,其特征在于,所述基于所述多个待选择业务对象的业务信息分别计算每个待选择业务对象的总体数值,根据每个待选择业务对象的总体数值在所述多个待选择业务对象中确定目标业务对象,并向所述目标用户推送所述目标业务对象包括:
从每个待选择业务对象的业务信息中读取对应的待选择业务对象的频次、待选择业务对象的热力值和待选择业务对象的收入平均分,其中,待选择业务对象的频次为所述目标用户出现在目标待选择业务对象中的次数;
根据每个待选择业务对象的频次、待选择业务对象的热力值和待选择业务对象的收入平均分计算对应的待选择业务对象的总体数值,得到多个待选择业务对象的总体数值;
将待选择业务对象的总体数值大于或者等于目标阈值的待选择业务对象确定为目标业务对象,并向所述目标用户推荐所述目标业务对象。
5.根据权利要求4所述的业务对象的分配方法,其特征在于,所述根据每个待选择业务对象的频次、待选择业务对象的热力值和待选择业务对象的收入平均分计算对应的待选择业务对象的总体数值,得到多个待选择业务对象的总体数值包括:
针对所述多个待选择业务对象中的任意一个待选择业务对象,将目标待选择业务对象的频次与预置的频率权重相乘,得到频次数值;
将目标待选择业务对象的热力值与预置的热力值权重相乘,得到热力值数值;
将目标待选择业务对象的收入平均分与预置的收入平均分权重相乘,得到收入平均分数值;
将所述频次数值、所述热力值数值与所述收入平均分数值相加,得到待选择业务对象的总体数值;
针对多个待选择业务对象中的其他待选择业务对象,计算得到多个待选择业务对象的总体数值。
6.根据权利要求1所述的业务对象的分配方法,其特征在于,所述基于预置的预测模型,根据所述用户位置聚类簇中的多个用户地理位置坐标点、用户基本信息和用户账户信息进行第三方业务对象的预测,得到目标第三方业务对象,其中,所述第三方业务对象为所述用户账户信息所属关联方的业务对象包括:
将多个用户位置聚类簇中的多个用户地理位置坐标点、用户基本信息和用户账户信息分别量化为用户位置向量、用户基本信息向量和用户账户信息向量;
将所述用户位置向量、所述用户基本信息向量和所述用户账户信息向量进行拼接,得到用户总体特征向量;
将所述用户整体特征向量输入预置的预测模型进行第三方业务对象的预测,得到目标第三方业务对象。
7.根据权利要求1-6中任一项所述的业务对象的分配方法,其特征在于,在所述获取目标用户的个人信息,其中,所述目标用户的个人信息包括用户基本信息、用户账户信息和多个用户地理位置坐标点之前,所述业务对象的分配方法还包括:
获取多个预置的业务对象的地理位置;
将所述多个业务对象的地理位置处理为业务对象经纬度坐标。
8.一种业务对象的分配装置,其特征在于,所述业务对象的分配装置包括:
个人信息获取模块,用于获取目标用户的个人信息,其中,所述目标用户的个人信息包括用户基本信息、用户账户信息和多个用户地理位置坐标点;
聚类模块,用于采用预置的密度聚类算法,对所述多个用户地理位置坐标点进行聚类处理,得到目标用户位置聚类簇;
待选择对象获取模块,用于根据所述目标用户位置聚类簇,在多个预置的业务对象中获取多个待选择业务对象及多个待选择业务对象的业务信息;
目标对象获取模块,用于基于所述多个待选择业务对象的业务信息分别计算每个待选择业务对象的总体数值,根据每个待选择业务对象的总体数值在所述多个待选择业务对象中确定目标业务对象,并向所述目标用户推送所述目标业务对象;
第三方对象获取模块,用于基于预置的预测模型,根据所述用户位置聚类簇中的多个用户地理位置坐标点、用户基本信息和用户账户信息进行第三方业务对象的预测,得到目标第三方业务对象,其中,所述第三方业务对象为所述用户账户信息所属关联方的业务对象;
推送模块,用于判断所述用户账户信息在所述目标业务对象中是否发生变化,若所述用户账户信息在所述目标业务对象中发生变化,则向所述目标用户推送所述目标第三方业务对象。
9.一种业务对象的分配设备,其特征在于,所述业务对象的分配设备包括:存储器和至少一个处理器,所述存储器中存储有指令,所述存储器和所述至少一个处理器通过线路互连;
所述至少一个处理器调用所述存储器中的所述指令,以使得所述业务对象的分配设备执行如权利要求1-7中任意一项所述的业务对象的分配方法。
10.一种计算机可读存储介质,所述计算机可读存储介质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如权利要求1-7中任一项所述业务对象的分配方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010581190.6A CN111698332A (zh) | 2020-06-23 | 2020-06-23 | 业务对象的分配方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010581190.6A CN111698332A (zh) | 2020-06-23 | 2020-06-23 | 业务对象的分配方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111698332A true CN111698332A (zh) | 2020-09-22 |
Family
ID=72483404
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010581190.6A Pending CN111698332A (zh) | 2020-06-23 | 2020-06-23 | 业务对象的分配方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111698332A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113468419A (zh) * | 2021-06-28 | 2021-10-01 | 北京达佳互联信息技术有限公司 | 内容推荐方法、装置、电子设备和存储介质 |
Citations (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103425678A (zh) * | 2012-05-18 | 2013-12-04 | 阿里巴巴集团控股有限公司 | 一种业务对象的推荐信息的选择方法及装置 |
CN105224684A (zh) * | 2015-10-28 | 2016-01-06 | 小米科技有限责任公司 | 信息推送方法及装置 |
CN105718465A (zh) * | 2014-12-02 | 2016-06-29 | 阿里巴巴集团控股有限公司 | 地理围栏生成方法及装置 |
CN106355449A (zh) * | 2016-08-31 | 2017-01-25 | 腾讯科技(深圳)有限公司 | 用户选取方法和装置 |
CN108307308A (zh) * | 2018-01-25 | 2018-07-20 | 北京小米移动软件有限公司 | 无线局域网设备的定位方法、装置和存储介质 |
CN108492124A (zh) * | 2018-01-22 | 2018-09-04 | 阿里巴巴集团控股有限公司 | 店铺信息推荐方法、装置及客户端 |
CN109064268A (zh) * | 2018-07-20 | 2018-12-21 | 中国建设银行股份有限公司 | 业务推荐方法、装置、服务端及存储介质 |
CN109934721A (zh) * | 2019-01-18 | 2019-06-25 | 深圳壹账通智能科技有限公司 | 理财产品推荐方法、装置、设备及存储介质 |
CN110135942A (zh) * | 2019-04-12 | 2019-08-16 | 深圳壹账通智能科技有限公司 | 产品推荐方法、装置及计算机可读存储介质 |
CN110246002A (zh) * | 2019-04-25 | 2019-09-17 | 深圳壹账通智能科技有限公司 | 理财推荐信息的推送方法、装置及计算机设备 |
CN110263235A (zh) * | 2019-06-05 | 2019-09-20 | 深圳市腾讯计算机系统有限公司 | 信息推送对象更新方法、装置和计算机设备 |
CN110309437A (zh) * | 2019-06-26 | 2019-10-08 | 京东数字科技控股有限公司 | 一种信息推送方法和装置 |
CN110309379A (zh) * | 2019-05-22 | 2019-10-08 | 中国平安人寿保险股份有限公司 | 产品推荐方法、装置、设备及计算机可读存储介质 |
CN110493333A (zh) * | 2019-08-15 | 2019-11-22 | 腾讯科技(深圳)有限公司 | 一种目标位置点的确定方法、装置、设备及存储介质 |
CN110647696A (zh) * | 2018-06-08 | 2020-01-03 | 北京三快在线科技有限公司 | 一种业务对象的排序方法及装置 |
CN110825833A (zh) * | 2019-11-11 | 2020-02-21 | 杭州数澜科技有限公司 | 一种预测用户移动轨迹点的方法 |
CN110941775A (zh) * | 2019-12-26 | 2020-03-31 | 上海传英信息技术有限公司 | 一种消息推送方法、终端设备及计算机可读存储介质 |
CN111026933A (zh) * | 2019-11-22 | 2020-04-17 | 泰康保险集团股份有限公司 | 一种内容推荐方法、装置、电子设备及存储介质 |
CN111125535A (zh) * | 2019-12-27 | 2020-05-08 | 中国银行股份有限公司 | 理财产品推荐方法及装置 |
CN111178932A (zh) * | 2019-11-26 | 2020-05-19 | 深圳壹账通智能科技有限公司 | 用户地理画像生成方法、装置、计算机设备和存储介质 |
-
2020
- 2020-06-23 CN CN202010581190.6A patent/CN111698332A/zh active Pending
Patent Citations (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103425678A (zh) * | 2012-05-18 | 2013-12-04 | 阿里巴巴集团控股有限公司 | 一种业务对象的推荐信息的选择方法及装置 |
CN105718465A (zh) * | 2014-12-02 | 2016-06-29 | 阿里巴巴集团控股有限公司 | 地理围栏生成方法及装置 |
CN105224684A (zh) * | 2015-10-28 | 2016-01-06 | 小米科技有限责任公司 | 信息推送方法及装置 |
CN106355449A (zh) * | 2016-08-31 | 2017-01-25 | 腾讯科技(深圳)有限公司 | 用户选取方法和装置 |
WO2019141072A1 (zh) * | 2018-01-22 | 2019-07-25 | 阿里巴巴集团控股有限公司 | 店铺信息推荐方法、装置及客户端 |
CN108492124A (zh) * | 2018-01-22 | 2018-09-04 | 阿里巴巴集团控股有限公司 | 店铺信息推荐方法、装置及客户端 |
CN108307308A (zh) * | 2018-01-25 | 2018-07-20 | 北京小米移动软件有限公司 | 无线局域网设备的定位方法、装置和存储介质 |
CN110647696A (zh) * | 2018-06-08 | 2020-01-03 | 北京三快在线科技有限公司 | 一种业务对象的排序方法及装置 |
CN109064268A (zh) * | 2018-07-20 | 2018-12-21 | 中国建设银行股份有限公司 | 业务推荐方法、装置、服务端及存储介质 |
CN109934721A (zh) * | 2019-01-18 | 2019-06-25 | 深圳壹账通智能科技有限公司 | 理财产品推荐方法、装置、设备及存储介质 |
CN110135942A (zh) * | 2019-04-12 | 2019-08-16 | 深圳壹账通智能科技有限公司 | 产品推荐方法、装置及计算机可读存储介质 |
CN110246002A (zh) * | 2019-04-25 | 2019-09-17 | 深圳壹账通智能科技有限公司 | 理财推荐信息的推送方法、装置及计算机设备 |
CN110309379A (zh) * | 2019-05-22 | 2019-10-08 | 中国平安人寿保险股份有限公司 | 产品推荐方法、装置、设备及计算机可读存储介质 |
CN110263235A (zh) * | 2019-06-05 | 2019-09-20 | 深圳市腾讯计算机系统有限公司 | 信息推送对象更新方法、装置和计算机设备 |
CN110309437A (zh) * | 2019-06-26 | 2019-10-08 | 京东数字科技控股有限公司 | 一种信息推送方法和装置 |
CN110493333A (zh) * | 2019-08-15 | 2019-11-22 | 腾讯科技(深圳)有限公司 | 一种目标位置点的确定方法、装置、设备及存储介质 |
CN110825833A (zh) * | 2019-11-11 | 2020-02-21 | 杭州数澜科技有限公司 | 一种预测用户移动轨迹点的方法 |
CN111026933A (zh) * | 2019-11-22 | 2020-04-17 | 泰康保险集团股份有限公司 | 一种内容推荐方法、装置、电子设备及存储介质 |
CN111178932A (zh) * | 2019-11-26 | 2020-05-19 | 深圳壹账通智能科技有限公司 | 用户地理画像生成方法、装置、计算机设备和存储介质 |
CN110941775A (zh) * | 2019-12-26 | 2020-03-31 | 上海传英信息技术有限公司 | 一种消息推送方法、终端设备及计算机可读存储介质 |
CN111125535A (zh) * | 2019-12-27 | 2020-05-08 | 中国银行股份有限公司 | 理财产品推荐方法及装置 |
Non-Patent Citations (1)
Title |
---|
吕泽宇;李纪旋;陈如剑;陈东明;: "电商平台用户再购物行为的预测研究", 计算机科学, no. 1 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113468419A (zh) * | 2021-06-28 | 2021-10-01 | 北京达佳互联信息技术有限公司 | 内容推荐方法、装置、电子设备和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Yu et al. | k-Nearest neighbor model for multiple-time-step prediction of short-term traffic condition | |
US8996033B1 (en) | Systems and methods for statistically associating mobile devices to households | |
CN108399564B (zh) | 信用评分方法及装置 | |
CN111966904B (zh) | 基于多用户画像模型的信息推荐方法和相关装置 | |
CN109800363A (zh) | 构建资信关系网络的方法、装置、设备及存储介质 | |
CN107657357B (zh) | 数据的处理方法及装置 | |
CN109615504A (zh) | 产品推荐方法、装置、电子设备和计算机可读存储介质 | |
CN112148986A (zh) | 一种基于众包的top-N服务再推荐方法及系统 | |
CN111538909A (zh) | 一种信息推荐方法及装置 | |
CN111475744A (zh) | 一种基于集成学习的个性化位置推荐方法 | |
CN111464337B (zh) | 资源配置方法、装置、电子设备 | |
CN111698332A (zh) | 业务对象的分配方法、装置、设备及存储介质 | |
CN114372199A (zh) | 业务推送方法及装置、存储介质和电子设备 | |
CN112950079B (zh) | 绿地供需数据处理方法、系统、计算机设备及存储介质 | |
CN111353688B (zh) | 一种用户资源分配方法以及装置 | |
CN113159926A (zh) | 贷款业务的还款日期确定方法及装置 | |
CN114357242A (zh) | 基于召回模型的训练评估方法及装置、设备、存储介质 | |
CN116150470A (zh) | 内容推荐方法、装置、设备、存储介质及程序产品 | |
Rong et al. | Exploring network behavior using cluster analysis | |
CN114219053B (zh) | 用户位置信息处理方法、装置及电子设备 | |
CN115170212B (zh) | 基于连锁品牌的私域经营数据管理方法及相关装置 | |
CN114139041B (zh) | 类目相关性预测网络训练及类目相关性预测方法及装置 | |
CN112989206B (zh) | 一种财税公众号服务控件自动组装方法、装置、介质 | |
CN116976397A (zh) | 信息选取方法、装置、电子设备及存储介质 | |
CN114461926A (zh) | 一种基于双协同过滤的公积金缴存人购房精准匹配方法 |
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 |