CN111756807B - 一种基于区域的多联机推荐方法、装置、存储介质及终端 - Google Patents
一种基于区域的多联机推荐方法、装置、存储介质及终端 Download PDFInfo
- Publication number
- CN111756807B CN111756807B CN202010467261.XA CN202010467261A CN111756807B CN 111756807 B CN111756807 B CN 111756807B CN 202010467261 A CN202010467261 A CN 202010467261A CN 111756807 B CN111756807 B CN 111756807B
- Authority
- CN
- China
- Prior art keywords
- region
- data
- online
- area
- attribute data
- 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 36
- 238000004590 computer program Methods 0.000 claims description 8
- 238000007621 cluster analysis Methods 0.000 claims description 6
- 230000008439 repair process Effects 0.000 claims description 4
- 238000000926 separation method Methods 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 8
- 238000004378 air conditioning Methods 0.000 description 6
- 238000012423 maintenance Methods 0.000 description 5
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000004140 cleaning Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000003064 k means clustering Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000000712 assembly Effects 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003287 optical 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
- H04L67/52—Network services specially adapted for the location of the user terminal
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Probability & Statistics with Applications (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种基于区域的多联机推荐方法、装置、存储介质及终端,所述方法包括:采集不同区域的多联机装配数据,建立区域与多联机的属性关联模型;根据所述不同区域的多联机装配数据,获取多个区域分类及其对应的区域属性数据;获取目标区域的区域属性数据;将所述目标区域的区域属性数据与多个区域分类对应的区域属性数据进行比较,得到与所述目标区域差异最小的区域分类;根据得到的与所述目标区域差异最小的区域分类与所述区域与多联机的属性关联模型,向所述目标区域的用户进行多联机推荐。本发明提供的方案能够降低多联机选型的时间成本,提高多联机选型的效率。
Description
技术领域
本发明涉及控制领域,尤其涉及一种基于区域的多联机推荐方法、装置、存储介质及终端。
背景技术
目前,越来越多的小区使用大型的空调多联机来替代传统的单个家用空调,随之而来的是多联机种类的增加。用户在选择多联机时往往不知道采用何种多联机能满足小区的需求,需要花费大量的时间来了解各种多联机,提高了时间成本。
发明内容
本发明的主要目的在于克服上述现有技术的缺陷,提供一种基于区域的多联机推荐方法、装置、存储介质及终端,以解决现有技术中用户在选择多联机时不知道何种多联机能满足小区需求的问题。
本发明一方面提供了一种基于区域的多联机推荐方法,包括:采集不同区域的多联机装配数据,建立区域与多联机的属性关联模型;根据所述不同区域的多联机装配数据,获取多个区域分类及其对应的区域属性数据;获取目标区域的区域属性数据;将所述目标区域的区域属性数据与多个区域分类对应的区域属性数据进行比较,得到与所述目标区域差异最小的区域分类;根据得到的与所述目标区域差异最小的区域分类与所述区域与多联机的属性关联模型,向所述目标区域的用户进行多联机推荐。
可选地,所述多联机装配数据,包括:销售数据和/或维修装配数据;和/或,所述区域属性数据,包括:地理位置、建成年代、区域面积、人口密度、人口数量和/或住户年龄层次。
可选地,建立区域多联机选择模型,包括:从采集的所述多联机装配数据中分离出预设属性类型的属性数据;根据分离出的预设类型的属性数据建立区域与多联机的属性关联模型;所述预设属性类型,包括:不同区域的多联机选择数据、不同区域的区域属性数据和/或不同多联机的多联机属性数据。
可选地,根据所述不同区域的多联机装配数据,获取多个区域分类及其对应的区域属性数据,包括:从采集的所述不同区域的多联机装配数据中分离出不同区域的区域属性数据;对所述不同区域的区域属性数据进行聚类分析,得到多个区域分类及其对应的区域属性数据。
本发明另一方面提供了一种基于区域的多联机推荐装置,包括:采集单元,用于采集不同区域的多联机装配数据;建立单元,用于建立区域与多联机的属性关联模型;第一获取单元,用于根据所述不同区域的多联机装配数据,获取多个区域分类及其对应的区域属性数据;第二获取单元,用于获取目标区域的区域属性数据;分类单元,用于将所述目标区域的区域属性数据与多个区域分类对应的区域属性数据进行比较,得到与所述目标区域差异最小的区域分类;推荐单元,用于根据得到的与所述目标区域差异最小的区域分类与所述区域与多联机的属性关联模型,向所述目标区域的用户进行多联机推荐。
可选地,所述多联机装配数据,包括:销售数据和/或维修装配数据;和/或,所述区域属性数据,包括:地理位置、建成年代、区域面积、人口密度、人口数量和/或住户年龄层次。
可选地,所述建立单元,包括:分离子单元,用于从采集的所述多联机装配数据中分离出预设属性类型的属性数据;建立子单元,用于根据分离出的预设类型的属性数据建立区域与多联机的属性关联模型;所述预设属性类型,包括:不同区域的多联机选择数据、不同区域的区域属性数据和/或不同多联机的多联机属性数据。
可选地,所述第一获取单元,根据所述不同区域的多联机装配数据,获取多个区域分类及其对应的区域属性数据,包括:从采集的所述不同区域的多联机装配数据中分离出不同区域的区域属性数据;对所述不同区域的区域属性数据进行聚类分析,得到多个区域分类及其对应的区域属性数据。
本发明又一方面提供了一种存储介质,其上存储有计算机程序,所述程序被处理器执行时实现前述任一所述方法的步骤。
本发明再一方面提供了一种终端,包括处理器、存储器以及存储在存储器上可在处理器上运行的计算机程序,所述处理器执行所述程序时实现前述任一所述方法的步骤。
本发明再一方面提供了一种终端,包括前述任一所述的基于区域的多联机推荐装置。
根据本发明的技术方案,通过建立区域与多联机的属性关联模型并对区域进行分类,根据区域所属的区域分类以及属性关联模型进行多联机选型推荐,降低了多联机选型的时间成本,提高了多联机选型的效率。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本发明的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1是本发明提供的基于区域的多联机推荐方法的一实施例的方法示意图;
图2是建立区域与多联机的属性关联模型的步骤的一具体实施方式的流程示意图;
图3是本发明提供的基于区域的多联机推荐方法的一具体实施例的方法示意图;
图4是本发明提供的基于区域的多联机推荐装置的一实施例的结构框图;
图5是根据本发明实施例的建立单元的一种具体实施方式的结构框图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合本发明具体实施例及相应的附图对本发明技术方案进行清楚、完整地描述。显然,所描述的实施例仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,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,都属于本发明保护的范围。
需要说明的是,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”等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,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,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。
本发明提供一种基于区域的多联机推荐方法。
所述方法可以在终端中实施,例如,计算机、移动终端。具体可以客户端应用程序实现,例如安装在计算机上的客户端程序、安装在移动终端的客户端应用(APP)。
图1是本发明提供的基于区域的多联机推荐方法的一实施例的方法示意图。
如图1所示,根据本发明的一个实施例,所述基于区域的多联机推荐方法至少包括步骤S110、步骤S120、步骤S130、步骤S140和步骤S150。
步骤S110,采集不同区域的多联机装配数据,建立区域与多联机的属性关联模型。
所述区域具体可以包括:具有相对独立居住环境的居民住宅区域,即,小区。例如,住宅小区、居民小区。采集不同小区的多联机装配数据,通过预设的处理得到区域聚类数据。所述多联机装配数据具体可以包括销售数据和/或维修装配数据。
图2是建立区域与多联机的属性关联模型的步骤的一具体实施方式的流程示意图。如图2所示,步骤S110具体包括步骤S111和步骤S112。
步骤S111,从采集的所述多联机装配数据中分离出预设属性类型的属性数据。
所述预设属性类型具体可以包括:不同区域的多联机选择数据、不同区域的区域属性数据和/或不同多联机的多联机属性数据。所述不同区域的多联机选择数据具体可以包括不同区域所选择(例如购买、安装)的多联机的设备属性数据,例如包括不同小区所选择的多联机的内机数量、外机数量、型号、功率等。所述不同区域的区域属性数据例如可以包括小区用户数量、年龄结构、面积、楼层高度、地理位置等。所述不同多联机的多联机属性数据例如可以包括内机数量、外机数量、型号、功率。
优选地,在从采集的所述多联机装配数据中分离出预设属性类型的属性数据之前,先对所述多联机装配数据进行数据清洗,便于进行后续的分离操作。
步骤S112,根据分离出的预设类型的属性数据建立区域与多联机的属性关联模型。
具体地,可以选择影响区域用户进行多联机选择的(影响度最高的)N种属性来作为维度,建立区域与多联机的属性关联模型。例如,根据调研选择影响小区用户进行空调多联机选择的N种属性来作为维度。可选地,所述区域与多联机的属性关联模型包括区域模型、多联机模型以及区域与多联机关联模型。例如采用小区用户数量、住户年龄结构、面积、楼层高度、地理位置作为属性建立区域模型,那么相应的模型可以是{1000,23-60,…}。采用内机数量、外机数量、型号、功率作为属性建立多联机模型,相应的模型可以为{4,1,…}。
优选地,将分离出的预设属性类型的属性数据保存至云服务平台,由云服务平台建立区域多联机选择模型,提高计算效率,节省存储空间。
步骤S120,根据所述不同区域的多联机装配数据,获取多个区域分类及其对应的区域属性数据。
具体地,从采集的所述不同区域的多联机装配数据中分离出不同区域的区域属性数据;对所述不同区域的区域属性数据进行聚类分析,得到多个区域分类及其对应的区域属性数据。
所述不同区域的区域属性数据例如可以包括小区用户数量、年龄结构、面积、楼层高度、地理位置等。从采集的所述不同区域的多联机装配数据中分离出不同区域的区域属性数据可参考前述步骤S111。对分离出的不同区域的区域属性数据通过聚类算法进行聚类分析,可得到多个区域分类及其对应的区域属性数据。例如采用k-means聚类算法进行聚类分析。所述区域属性数据具体可以包括:地理位置、建成年代、区域面积、人口密度、人口数量和/或住户年龄层次。
步骤S130,获取目标区域的区域属性数据。
所述目标区域的区域属性数据具体可以包括:地理位置、建成年代、区域面积、人口密度、人口数量和/或住户年龄层次。例如,住宅小区的地理位置、建成年代、区域面积、人口密度、人口数量和/或住户年龄层次。当有新的小区需要选择使用多联机时,输入小区的属性数据。
步骤S140,将所述目标区域的区域属性数据与所述多个区域分类对应的区域属性数据进行比较,得到与所述目标区域差异最小的区域分类。
具体地,将目标区域的属性数据与所述多个区域分类的属性数据逐个进行比较,得到差异性最小的区域分类。
步骤S150,根据得到的与所述目标区域差异最小的区域分类与所述区域与多联机的属性关联模型,向所述目标区域的用户进行多联机推荐。
具体地,根据得到的与所述目标区域差异最小的区域分类,从所述区域与多联机的属性关联模型中匹配出相应的多联机集合,例如,先根据得到的与所述目标区域差异最小的区域分类匹配出对应的区域模型,再根据区域与多联机关联模型匹配多联机模型,再根据多联机模型输出相应的多联机集合。匹配出相应的多联机集合后,向目标区域的用户进行推荐。
为清楚说明本发明技术方案,下面再以一个具体实施例对本发明提供的基于区域的多联机推荐方法的执行流程进行描述。
图3是本发明提供的基于区域的多联机推荐方法的一具体实施例的方法示意图。如图3所示,首先收集多联机的装配数据,例如包括销售数据,维修装配数据(维修工装配时所掌握的数据,即维修时的装配数据)等。将收集的数据进行数据清洗,分离成小区-多联机属性(不同区域的多联机选择数据),多联机-多联机属性(不同多联机的多联机属性数据),小区-小区属性(不同区域的区域属性数据)数据,并将分离后的属性数据存入云服务平台,云服务平台建立小区与多联机的属性关联模型。
云服务平台针对小区属性运用聚类算法将所有小区进行分类,同一分类下的小区属性相似度。当有新的小区需要选择多联机时首先输入自身小区的属性数据,比如地理位置、小区建成年代、小区面积,人口密度或数量、住户年龄层次等,将这些数据传入云服务,服务器将该新小区(属性数据)与已经划分好的分类中进行逐个比较,选择差异性最小的分类,根据该分类下的属性关联模型向多联机需求方进行多联机推送。
本发明还提供一种基于区域的多联机推荐装置。
所述装置可以在终端中实施,例如,计算机、移动终端。具体可以客户端应用程序实现,例如安装在计算机上的客户端程序、安装在移动终端的客户端应用(APP)。
图4是本发明提供的基于区域的多联机推荐装置的一实施例的结构框图。如图4所示,所述基于区域的多联机推荐装置100包括采集单元110、建立单元120、第一获取单元130、第二获取单元140、分类单元150和推荐单元160。
采集单元110用于采集不同区域的多联机装配数据。
所述区域具体可以包括:具有相对独立居住环境的居民住宅区域,即,小区。例如,住宅小区、居民小区。采集不同小区的多联机装配数据,通过预设的处理得到区域聚类数据。所述多联机装配数据具体可以包括销售数据和/或维修装配数据。
建立单元120用于建立区域与多联机的属性关联模型。
图5是根据本发明实施例的建立单元的一种具体实施方式的结构框图。如图5所示,建立单元120包括分离子单元121和建立子单元122。
分离子单元121用于从采集的所述多联机装配数据中分离出预设属性类型的属性数据。
所述预设属性类型具体可以包括:不同区域的多联机选择数据、不同区域的区域属性数据和/或不同多联机的多联机属性数据。所述不同区域的多联机选择数据具体可以包括不同区域所选择(例如购买、安装)的多联机的设备属性数据,例如包括不同小区所选择的多联机的内机数量、外机数量、型号、功率等。所述不同区域的区域属性数据例如可以包括小区用户数量、年龄结构、面积、楼层高度、地理位置等。所述不同多联机的多联机属性数据例如可以包括内机数量、外机数量、型号、功率。
建立子单元122用于根据分离出的预设类型的属性数据建立区域与多联机的属性关联模型。
所述预设属性类型,包括:不同区域的多联机选择数据、不同区域的区域属性数据和/或不同多联机的多联机属性数据。
具体地,可以选择影响区域用户进行多联机选择的(影响度最高的)N种属性来作为维度,建立区域与多联机的属性关联模型。例如,根据调研选择影响小区用户进行空调多联机选择的N种属性来作为维度。可选地,所述区域与多联机的属性关联模型包括区域模型、多联机模型以及区域与多联机关联模型。例如采用小区用户数量、住户年龄结构、面积、楼层高度、地理位置作为属性建立区域多联机属性关联模型,那么相应的模型可以是{1000,23-60,…}。采用内机数量、外机数量、型号、功率作为属性建立多联机模型,相应的模型可以为{4,1,…}。
优选地,将分离出的预设属性类型的属性数据保存至云服务平台,由云服务平台建立区域多联机选择模型,提高计算效率,节省存储空间。
第一获取单元130用于根据所述不同区域的多联机装配数据,获取多个区域分类及其对应的区域属性数据。
具体地,从采集的所述不同区域的多联机装配数据中分离出不同区域的区域属性数据;对所述不同区域的区域属性数据进行聚类分析,得到多个区域分类及其对应的区域属性数据。
所述不同区域的区域属性数据例如可以包括小区用户数量、年龄结构、面积、楼层高度、地理位置等。从采集的所述不同区域的多联机装配数据中分离出不同区域的区域属性数据可参考前述步骤S111。对分离出的不同区域的区域属性数据通过聚类算法进行聚类分析,可得到多个区域分类及其对应的区域属性数据。例如采用k-means聚类算法进行聚类分析。所述区域属性数据具体可以包括:地理位置、建成年代、区域面积、人口密度、人口数量和/或住户年龄层次。
第二获取单元140用于获取目标区域的区域属性数据。
所述目标区域的区域属性数据具体可以包括:地理位置、建成年代、区域面积、人口密度、人口数量和/或住户年龄层次。例如,住宅小区的地理位置、建成年代、区域面积、人口密度、人口数量和/或住户年龄层次。当有新的小区需要选择使用多联机时,输入小区的属性数据。
分类单元150用于将所述目标区域的区域属性数据与多个区域分类对应的区域属性数据进行比较,得到与所述目标区域差异最小的区域分类。具体地,将目标区域的属性数据与所述多个区域分类的属性数据逐个进行比较,得到差异性最小的区域分类。
推荐单元160用于根据得到的与所述目标区域差异最小的区域分类与所述区域与多联机的属性关联模型,向所述目标区域的用户进行多联机推荐。
具体地,根据得到的与所述目标区域差异最小的区域分类,从所述区域与多联机的属性关联模型中匹配出相应的多联机集合,例如,先根据得到的与所述目标区域差异最小的区域分类匹配出对应的区域模型,再根据区域与多联机关联模型匹配多联机模型,再根据多联机模型输出相应的多联机集合。匹配出相应的多联机集合后,向目标区域的用户进行推荐。
本发明还提供对应于所述基于区域的多联机推荐方法的一种存储介质,其上存储有计算机程序,所述程序被处理器执行时实现前述任一所述方法的步骤。
本发明还提供对应于所述基于区域的多联机推荐方法的一种终端,包括处理器、存储器以及存储在存储器上可在处理器上运行的计算机程序,所述处理器执行所述程序时实现前述任一所述方法的步骤。
本发明还提供对应于所述基于区域的多联机推荐装置的一种终端,包括前述任一所述的基于区域的多联机推荐装置。
据此,本发明提供的方案,通过建立区域与多联机的属性关联模型并对区域进行分类,根据区域所属的区域分类以及属性关联模型进行多联机选型推荐,降低了多联机选型的时间成本,提高了多联机选型的效率。
本文中所描述的功能可在硬件、由处理器执行的软件、固件或其任何组合中实施。如果在由处理器执行的软件中实施,那么可将功能作为一或多个指令或代码存储于计算机可读媒体上或经由计算机可读媒体予以传输。其它实例及实施方案在本发明及所附权利要求书的范围及精神内。举例来说,归因于软件的性质,上文所描述的功能可使用由处理器、硬件、固件、硬连线或这些中的任何者的组合执行的软件实施。此外,各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
在本申请所提供的几个实施例中,应该理解到,所揭露的技术内容,可通过其它的方式实现。其中,以上所描述的装置实施例仅仅是示意性的,例如所述单元的划分,可以为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,单元或模块的间接耦合或通信连接,可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为控制装置的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
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(可为个人计算机、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、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅为本发明的实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的权利要求范围之内。
Claims (10)
1.一种基于区域的多联机推荐方法,其特征在于,包括:
采集不同区域的多联机装配数据,建立区域与多联机的属性关联模型;
根据所述不同区域的多联机装配数据,获取多个区域分类及其对应的区域属性数据;
获取目标区域的区域属性数据;
将所述目标区域的区域属性数据与多个区域分类对应的区域属性数据进行比较,得到与所述目标区域差异最小的区域分类;
根据得到的与所述目标区域差异最小的区域分类与所述区域与多联机的属性关联模型,向所述目标区域的用户进行多联机推荐。
2.根据权利要求1所述的方法,其特征在于,
所述多联机装配数据,包括:销售数据和/或维修装配数据;
和/或,
所述区域属性数据,包括:地理位置、建成年代、区域面积、人口密度、人口数量和/或住户年龄层次。
3.根据权利要求1或2所述的方法,其特征在于,
建立区域多联机选择模型,包括:
从采集的所述多联机装配数据中分离出预设属性类型的属性数据;
根据分离出的预设类型的属性数据建立区域与多联机的属性关联模型;
所述预设属性类型,包括:不同区域的多联机选择数据、不同区域的区域属性数据和/或不同多联机的多联机属性数据。
4.根据权利要求1或2所述的方法,其特征在于,
根据所述不同区域的多联机装配数据,获取多个区域分类及其对应的区域属性数据,包括:
从采集的所述不同区域的多联机装配数据中分离出不同区域的区域属性数据;
对所述不同区域的区域属性数据进行聚类分析,得到多个区域分类及其对应的区域属性数据。
5.一种基于区域的多联机推荐装置,其特征在于,包括:
采集单元,用于采集不同区域的多联机装配数据;
建立单元,用于建立区域与多联机的属性关联模型;
第一获取单元,用于根据所述不同区域的多联机装配数据,获取多个区域分类及其对应的区域属性数据;
第二获取单元,用于获取目标区域的区域属性数据;
分类单元,用于将所述目标区域的区域属性数据与多个区域分类对应的区域属性数据进行比较,得到与所述目标区域差异最小的区域分类;
推荐单元,用于根据得到的与所述目标区域差异最小的区域分类与所述区域与多联机的属性关联模型,向所述目标区域的用户进行多联机推荐。
6.根据权利要求5所述的装置,其特征在于,
所述多联机装配数据,包括:销售数据和/或维修装配数据;
和/或,
所述区域属性数据,包括:地理位置、建成年代、区域面积、人口密度、人口数量和/或住户年龄层次。
7.根据权利要求5或6所述的装置,其特征在于,所述建立单元,包括:
分离子单元,用于从采集的所述多联机装配数据中分离出预设属性类型的属性数据;
建立子单元,用于根据分离出的预设类型的属性数据建立区域与多联机的属性关联模型;
所述预设属性类型,包括:不同区域的多联机选择数据、不同区域的区域属性数据和/或不同多联机的多联机属性数据。
8.根据权利要求5或6所述的装置,其特征在于,
所述第一获取单元,根据所述不同区域的多联机装配数据,获取多个区域分类及其对应的区域属性数据,包括:
从采集的所述不同区域的多联机装配数据中分离出不同区域的区域属性数据;
对所述不同区域的区域属性数据进行聚类分析,得到多个区域分类及其对应的区域属性数据。
9.一种存储介质,其特征在于,其上存储有计算机程序,所述程序被处理器执行时实现权利要求1-4任一所述方法的步骤。
10.一种终端,其特征在于,包括处理器、存储器以及存储在存储器上可在处理器上运行的计算机程序,所述处理器执行所述程序时实现权利要求1-4任一所述方法的步骤,或者包括如权利要求5-8任一所述的基于区域的多联机推荐装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010467261.XA CN111756807B (zh) | 2020-05-28 | 2020-05-28 | 一种基于区域的多联机推荐方法、装置、存储介质及终端 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010467261.XA CN111756807B (zh) | 2020-05-28 | 2020-05-28 | 一种基于区域的多联机推荐方法、装置、存储介质及终端 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111756807A CN111756807A (zh) | 2020-10-09 |
CN111756807B true CN111756807B (zh) | 2021-07-20 |
Family
ID=72674159
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010467261.XA Active CN111756807B (zh) | 2020-05-28 | 2020-05-28 | 一种基于区域的多联机推荐方法、装置、存储介质及终端 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111756807B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108776904A (zh) * | 2018-05-22 | 2018-11-09 | 深圳壹账通智能科技有限公司 | 一种广告消息的展示方法及其设备 |
CN109241441A (zh) * | 2018-09-30 | 2019-01-18 | 北京达佳互联信息技术有限公司 | 内容推荐方法、装置、电子设备及存储介质 |
CN110458627A (zh) * | 2019-08-19 | 2019-11-15 | 华南师范大学 | 一种面向用户动态偏好的商品序列个性化推荐方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105868237A (zh) * | 2015-12-09 | 2016-08-17 | 乐视网信息技术(北京)股份有限公司 | 媒体数据推荐方法及服务器 |
CN106846103A (zh) * | 2017-01-11 | 2017-06-13 | 美的集团股份有限公司 | 家电设备的购买推荐方法和装置 |
CN110148032A (zh) * | 2019-04-15 | 2019-08-20 | 平安普惠企业管理有限公司 | 基于地理位置的产品推荐方法、装置、存储介质和服务器 |
-
2020
- 2020-05-28 CN CN202010467261.XA patent/CN111756807B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108776904A (zh) * | 2018-05-22 | 2018-11-09 | 深圳壹账通智能科技有限公司 | 一种广告消息的展示方法及其设备 |
CN109241441A (zh) * | 2018-09-30 | 2019-01-18 | 北京达佳互联信息技术有限公司 | 内容推荐方法、装置、电子设备及存储介质 |
CN110458627A (zh) * | 2019-08-19 | 2019-11-15 | 华南师范大学 | 一种面向用户动态偏好的商品序列个性化推荐方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111756807A (zh) | 2020-10-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112311612B (zh) | 一种信息构建方法、装置及存储介质 | |
CN113347641B (zh) | 网络部署方法、装置和计算机可读存储介质 | |
CN108399564A (zh) | 信用评分方法及装置 | |
CN109116299B (zh) | 一种指纹定位方法、终端、计算机可读存储介质 | |
CN107231393B (zh) | 一种会话处理方法及装置 | |
CN111190955B (zh) | 一种基于知识图谱的营配调贯通核查方法 | |
CN116501711A (zh) | 一种基于“存算分离”架构的算力网络任务调度方法 | |
CN108984588A (zh) | 一种数据处理方法及装置 | |
CN104320492A (zh) | 网站服务器调度方法和装置 | |
CN116933318A (zh) | 一种基于联邦学习的用电数据隐私保护方法 | |
CN117221078A (zh) | 关联规则确定方法、装置及存储介质 | |
CN113556368A (zh) | 用户识别方法、装置、服务器及存储介质 | |
CN111756807B (zh) | 一种基于区域的多联机推荐方法、装置、存储介质及终端 | |
CN107784418B (zh) | 名单数据分配方法和装置 | |
CN109902196B (zh) | 一种商标类别推荐方法、装置、计算机设备及存储介质 | |
CN104992060A (zh) | 用户年龄估计方法及装置 | |
CN106250378A (zh) | 公共标识分类方法及装置 | |
CN116881752A (zh) | 数据的聚类方法和装置、存储介质及电子设备 | |
CN113505522B (zh) | 一种智能电网台区业务计算管理方法、装置、终端及介质 | |
CN113472640B (zh) | 一种智能网关信息处理方法及系统 | |
KR20050010099A (ko) | 아웃바운드 콜센터를 위한 통화 추천 시스템 | |
CN104483880A (zh) | 一种数据采集方法及数据采集服务器 | |
CN110909288B (zh) | 业务数据处理方法、装置、平台、业务端、系统及介质 | |
CN115129356A (zh) | 目标事件看板生成方法、存储介质及电子装置 | |
CN108520306B (zh) | 能源管理方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |