CN111768213B - 一种用户标签权重评估方法 - Google Patents

一种用户标签权重评估方法 Download PDF

Info

Publication number
CN111768213B
CN111768213B CN202010912774.7A CN202010912774A CN111768213B CN 111768213 B CN111768213 B CN 111768213B CN 202010912774 A CN202010912774 A CN 202010912774A CN 111768213 B CN111768213 B CN 111768213B
Authority
CN
China
Prior art keywords
disease
user
weight
execution
disease type
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
Application number
CN202010912774.7A
Other languages
English (en)
Other versions
CN111768213A (zh
Inventor
高永�
胡茂华
金硕
林超
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.)
Yiyaowang Technology (Shanghai) Co.,Ltd.
Original Assignee
Yaofang Information Technology Shanghai 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 Yaofang Information Technology Shanghai Co ltd filed Critical Yaofang Information Technology Shanghai Co ltd
Priority to CN202010912774.7A priority Critical patent/CN111768213B/zh
Publication of CN111768213A publication Critical patent/CN111768213A/zh
Application granted granted Critical
Publication of CN111768213B publication Critical patent/CN111768213B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G06Q30/00—Commerce
    • G06Q30/01—Customer relationship services
    • 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
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • 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
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G06Q30/0203—Market surveys; Market polls

Landscapes

  • Business, Economics & Management (AREA)
  • Accounting & Taxation (AREA)
  • Development Economics (AREA)
  • Finance (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Marketing (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • Data Mining & Analysis (AREA)
  • Game Theory and Decision Science (AREA)
  • Medical Treatment And Welfare Office Work (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种用户标签权重评估方法，首先分别计算病症标签集合、行为执行集合和执行渠道集合中，每个疾病种类、每个用户行为和每个可能执行渠道的独立客观权重；而后对病症标签集合中的全部疾病种类进行划分，划分结果分别为急性疾病和慢性疾病；再根据划分结果，逐一计算每个疾病种类对应的每个用户行为和每个可能执行渠道的综合权重，最后根据综合权重由高到低进行降序排序，根据综合权重最高的对应的疾病种类、用户行为和可能执行渠道生成相应的最优用户标签。通过本技术方案，综合考量多维度TF‑IDF算法和差异化时间函数模型，综合得到更为精准的动态化用户标签权重排名，能够帮助企业实现精准营销。

Description

一种用户标签权重评估方法
技术领域
本发明涉及权重评估技术领域，尤其涉及一种用户标签权重评估方法。
背景技术
CRM一般指客户关系管理。客户关系管理是指企业为提高核心竞争力，利用相应的信息技术以及互联网技术协调企业与顾客间在销售、营销和服务上的交互，从而提升其管理方式，向客户提供创新式的个性化的客户交互和服务的过程。其最终目标是吸引新客户、保留老客户以及将已有客户转为忠实客户，增加市场。
现有CRM系统中，构建用户标签的方法一般是根据用户在站内的行为，如将访问的媒体类目、商品类目等行为日志保存下来，然后，在一定时间窗口内，遍历所有的用户行为日志，按照某种权重衰减函数对其进行计算，得到当前最新的用户画像——该方式存在的问题是获取的数据非常片面，用户打标签往往比较单一且对于标签的区分度不高。无法做到根据标签权重准确营销。
发明内容
针对现有技术中存在的上述问题，现提供一种用户标签权重评估方法，具体技术方案如下所示：
一种用户标签权重评估方法，预先构建一病症标签集合，一行为执行集合和一执行渠道集合；
病症标签集合包括多个疾病种类，行为执行集合包括多种不同的用户行为，执行渠道集合包括多种用户行为分别对应的执行渠道；
用户标签权重评估方法包括如下步骤：
步骤S1，分别计算病症标签集合、行为执行集合和执行渠道集合中，每个疾病种类、每个用户行为和每个执行渠道的独立客观权重：
Figure 100002_DEST_PATH_IMAGE002
Figure 100002_DEST_PATH_IMAGE004
Figure 100002_DEST_PATH_IMAGE006
其中：
P为病症标签集合中的任意一个疾病种类，
Figure 100002_DEST_PATH_IMAGE008
为疾病种类相对应的第一客观权重；
A为行为执行集合中的任意一个用户行为，
Figure 100002_DEST_PATH_IMAGE010
为用户行为相对应的第二客观权重；
Q为执行渠道集合中的任意一个执行渠道，
Figure 100002_DEST_PATH_IMAGE012
为执行渠道相对应的第三客观权重；
第一客观权重，第二客观权重和第三客观权重均基于多维度TF-IDF算法获得；
步骤S2，对病症标签集合中的全部疾病种类进行划分，划分结果分别为急性疾病和慢性疾病；
步骤S3，根据划分结果，逐一计算每个疾病种类对应的每个用户行为和每个执行渠道的综合权重：
Figure 100002_DEST_PATH_IMAGE014
其中：
Figure 100002_DEST_PATH_IMAGE016
为疾病种类为P，用户行为为A，执行渠道为Q时与时间相关联的综合权重；
Figure 100002_DEST_PATH_IMAGE018
为疾病种类为P时，通过执行渠道Q执行用户行为为A的次数；
Figure 100002_DEST_PATH_IMAGE020
为时间关联函数；
当疾病种类为急性疾病时：
Figure 100002_DEST_PATH_IMAGE022
其中t为实时时刻，
Figure 100002_DEST_PATH_IMAGE024
为起始时刻，k为一预设的衰减系数；
当疾病种类为慢性疾病时：
Figure 100002_DEST_PATH_IMAGE026
其中
Figure 100002_DEST_PATH_IMAGE028
为疾病种类为P时的药品复购周期，M为一正整数且需保证
Figure 100002_DEST_PATH_IMAGE030
；
步骤S4，根据综合权重由高到低进行降序排序，根据综合权重最高的对应的疾病种类、用户行为和执行渠道生成相应的最优用户标签。
优选的，该种用户标签权重评估方法，其中于多维度TF-IDF算法中，
Figure 100002_DEST_PATH_IMAGE032
为疾病种类为P时于全部执行渠道中用户行为为A的次数的占比，其中：
Figure 100002_DEST_PATH_IMAGE034
。
优选的，该种用户标签权重评估方法，其中于多维度TF-IDF算法中，
Figure 100002_DEST_PATH_IMAGE036
为疾病种类为P时于全部疾病种类中的稀缺程度，其中：
Figure 100002_DEST_PATH_IMAGE038
。
优选的，该种用户标签权重评估方法，其中执行渠道集合包括电商平台、应用程序、网络推广页面、线下门店活动和智能问诊。
优选的，该种用户标签权重评估方法，其中行为执行集合包括搜索、浏览、下单、续方、问诊、收藏、咨询、参与活动和评价。
优选的，该种用户标签权重评估方法，其中于步骤S3和步骤S4之间还包括一步骤S40；
步骤S40，当任意两个疾病种类之间存在关联性时，需对计算得到的综合权重进行关联性修正：
Figure 100002_DEST_PATH_IMAGE040
Figure 100002_DEST_PATH_IMAGE042
其中：
Figure 100002_DEST_PATH_IMAGE044
为疾病种类为A时的综合权重，
Figure 100002_DEST_PATH_IMAGE046
为用户具有疾病种类A时同时具有疾病种类B的概率，
Figure 100002_DEST_PATH_IMAGE048
为疾病种类为A时经修正的综合权重；
Figure 100002_DEST_PATH_IMAGE050
为疾病种类为B时的综合权重，
Figure 100002_DEST_PATH_IMAGE052
为用户具有疾病种类B时同时具有疾病种类A的概率，
Figure 100002_DEST_PATH_IMAGE054
为疾病种类为B时经修正的综合权重。
优选的，该种用户标签权重评估方法，其中于步骤S40中：
Figure 100002_DEST_PATH_IMAGE056
Figure 100002_DEST_PATH_IMAGE058
其中：
Figure 100002_DEST_PATH_IMAGE060
为疾病种类为A对应的治疗药品，
Figure 100002_DEST_PATH_IMAGE062
为疾病种类为B对应的治疗药品；
Figure 100002_DEST_PATH_IMAGE064
为疾病种类为A的用户，
Figure DEST_PATH_IMAGE066
为疾病种类为B的用户；
Figure DEST_PATH_IMAGE068
为疾病种类为A的出现次数，
Figure DEST_PATH_IMAGE070
为疾病种类为B的出现次数，
Figure DEST_PATH_IMAGE072
为疾病种类为A和疾病种类为B同时出现的次数；
Figure DEST_PATH_IMAGE074
表示求
Figure DEST_PATH_IMAGE076
中元素的个数，以此类推。
本技术方案具有如下优点及有益效果：
通过本技术方案，基于用户的标签权重，行为权重，渠道权重的多维度根据TF-IDF算法及时间衰减函数模型综合计算的用户综合权重值，同时充分考虑医药领域疾病标签的特点，构造了带有方向性的标签相关性算法，以及基于标签相关性的权值修正函数对综合权重值进行修正更新，能够得到更为精准的动态化用户标签权重排名，能够帮助企业实现精准营销。
附图说明
图1为本发明一种用户标签权重评估方法的流程示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明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作出创造性劳动的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，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。
下面结合附图和具体实施例对本发明作进一步说明，但不作为本发明的限定。
针对现有技术中存在的上述问题，现提供一种用户标签权重评估方法，具体技术方案如下所示：
一种用户标签权重评估方法，预先构建一病症标签集合，一行为执行集合和一执行渠道集合；
病症标签集合包括多个疾病种类，行为执行集合包括多种可能的用户行为，执行渠道集合包括多种用户行为对应的执行渠道；
如图1所示，用户标签权重评估方法包括如下步骤：
步骤S1，分别计算病症标签集合、行为执行集合和执行渠道集合中，每个疾病种类、每个用户行为和每个执行渠道的独立客观权重：
Figure DEST_PATH_IMAGE078
Figure DEST_PATH_IMAGE080
Figure DEST_PATH_IMAGE082
其中：
P为病症标签集合中的任意一个疾病种类，
Figure DEST_PATH_IMAGE084
为疾病种类相对应的第一客观权重；
A为行为执行集合中的任意一个用户行为，
Figure DEST_PATH_IMAGE086
为用户行为相对应的第二客观权重；
Q为执行渠道集合中的任意一个执行渠道，
Figure DEST_PATH_IMAGE088
为执行渠道相对应的第三客观权重；
第一客观权重，第二客观权重和第三客观权重均基于多维度TF-IDF算法获得；
步骤S2，对病症标签集合中的全部疾病种类进行划分，划分结果分别为急性疾病和慢性疾病；
步骤S3，根据划分结果，逐一计算每个疾病种类对应的每个用户行为和每个执行渠道的综合权重：
Figure DEST_PATH_IMAGE090
其中：
Figure DEST_PATH_IMAGE092
为疾病种类为P，用户行为为A，执行渠道为Q时与时间相关联的综合权重；
Figure DEST_PATH_IMAGE094
为疾病种类为P时，通过执行渠道Q执行用户行为为A的次数；
Figure DEST_PATH_IMAGE096
为时间关联函数；
当疾病种类为急性疾病时：
Figure DEST_PATH_IMAGE098
其中t为实时时刻，
Figure DEST_PATH_IMAGE100
为起始时刻，k为一预设的衰减系数；
当疾病种类为慢性疾病时：
Figure DEST_PATH_IMAGE102
其中
Figure DEST_PATH_IMAGE104
为疾病种类为P时的药品复购周期，M为一正整数且需保证
Figure DEST_PATH_IMAGE106
；
步骤S4，根据综合权重由高到低进行降序排序，根据综合权重最高的对应的疾病种类、用户行为和执行渠道生成相应的最优用户标签。
在本发明的一较佳实施例中，用户标签的权重与实时时刻相关联，但由于医疗领域标签的特殊性，对于急性病/慢性病不同属性的标签，需要建立差异化的时间函数模型——急性病一般会减轻或治愈，而慢性病需要坚持用药，且时间上呈现明显的周期性。
于上述较佳实施例中，当疾病类型为急性病时，相应的时间衰减函数模型基于牛顿冷却定律制定，其中k为自行设定的衰减系数，经过t时间后，物体当前的温度是由初始温度和衰减速率的乘积——同样的随着用户的治疗，用户的症状一般会趋于一个良好的状态发展，那么随之用户的行为次数就会降低，所以对于用户行为权重我们可以根据建立时间衰减模型适时调正权重。
于上述较佳实施例中，当疾病类型为慢性病时，需要根据购买量和单天用量计算该用户购买病症标签P的药品的复购周期
Figure DEST_PATH_IMAGE108
，用户在复购周期内的复购模型为U字形变化，前期牛顿冷却定律指数变化较快，发挥主要作用，整体时间模型呈下降趋势；而后期复购需求指数变化加快，发挥主要作用，整体时间模型呈上升趋势。
于上述较佳实施例中，综合权重值统筹考虑了标签权重、行为权重、渠道权重和时间衰减权重，同时根据医药领域疾病标签的特点，针对慢性病和急性病的不同属性构造带有差异性的时间衰减权重模型，基于上述多维度考虑所得出的综合权重值能够全方位涵盖了营销所需，综合权重值最高的对应的疾病种类、用户行为和执行渠道所生成的用户标签具有最高的综合营销价值。
作为优选的实施方式，该种用户标签权重评估方法，其中于多维度TF-IDF算法中，
Figure DEST_PATH_IMAGE110
为疾病种类为P时于全部执行渠道中用户行为为A的次数的占比，其中：
Figure DEST_PATH_IMAGE112
。
作为优选的实施方式，该种用户标签权重评估方法，其中于多维度TF-IDF算法中，
Figure DEST_PATH_IMAGE114
为疾病种类为P时于全部疾病种类中的稀缺程度，其中：
Figure DEST_PATH_IMAGE116
。
作为优选的实施方式，该种用户标签权重评估方法，其中执行渠道集合包括电商平台、应用程序、网络推广页面、线下门店活动和智能问诊等。
作为优选的实施方式，该种用户标签权重评估方法，其中行为执行集合包括搜索、浏览、下单、续方、问诊、收藏、咨询、参与活动和评价。
作为优选的实施方式，该种用户标签权重评估方法，其中于步骤S3和步骤S4之间还包括一步骤S40；
步骤S40，当任意两个疾病种类之间存在关联性时，需对计算得到的综合权重进行关联性修正：
Figure DEST_PATH_IMAGE118
Figure DEST_PATH_IMAGE120
其中：
Figure DEST_PATH_IMAGE122
为疾病种类为A时的综合权重，
Figure DEST_PATH_IMAGE124
为用户具有疾病种类A时同时具有疾病种类B的概率，
Figure DEST_PATH_IMAGE126
为疾病种类为A时经修正的综合权重；
Figure DEST_PATH_IMAGE128
为疾病种类为B时的综合权重，
Figure DEST_PATH_IMAGE130
为用户具有疾病种类B时同时具有疾病种类A的概率，
Figure DEST_PATH_IMAGE132
为疾病种类为B时经修正的综合权重。
作为优选的实施方式，该种用户标签权重评估方法，其中于步骤S40中：
Figure DEST_PATH_IMAGE134
Figure DEST_PATH_IMAGE136
其中：
Figure DEST_PATH_IMAGE138
为疾病种类为A对应的治疗药品，
Figure DEST_PATH_IMAGE140
为疾病种类为B对应的治疗药品；
Figure DEST_PATH_IMAGE142
为疾病种类为A的用户，
Figure DEST_PATH_IMAGE144
为疾病种类为B的用户；
Figure DEST_PATH_IMAGE146
为疾病种类为A的出现次数，
Figure DEST_PATH_IMAGE148
为疾病种类为B的出现次数，
Figure DEST_PATH_IMAGE150
为疾病种类为A和疾病种类为B同时出现的次数；
Figure DEST_PATH_IMAGE152
表示求
Figure DEST_PATH_IMAGE154
中元素的个数，以此类推。
在本发明的另一较佳实施例中，由于该种用户标签权重评估方法应用于医疗领域的标签，考虑到一种疾病往往可以通过多种药品治疗且存在并发症，疾病标签之间往往存在着特殊的彼此之间相关性，因此可以根据药品重合度、患病客群重合度以及同时出现概率这三个元素来对于标签的相关性进行修正。
于上述较佳实施例中，需要注意的是，标签的相关性是带有方向性的，例如肥胖症用户同时患高血脂症的概率与高血脂症同时患有肥胖症的概率即存在差异性；在获得修正参数后采用前述互验修正算法于步骤S4前对于综合权重进行适应性修正以进一步提升营销精确性。
综上所述，通过本技术方案，基于用户的标签权重，行为权重，渠道权重的多维度根据TF-IDF算法及时间衰减函数模型综合计算的用户综合权重值，同时充分考虑医药领域疾病标签的特点，构造了带有方向性的标签相关性算法，以及基于标签相关性的权值修正函数对综合权重值进行修正更新，能够得到更为精准的动态化用户标签权重排名，能够帮助企业实现精准营销。
以上所述仅为本发明较佳的实施例，并非因此限制本发明的实施方式及保护范围，对于本领域技术人员而言，应当能够意识到凡运用本发明说明书及图示内容所作出的等同替换和显而易见的变化所得到的方案，均应当包含在本发明的保护范围内。

Claims (4)

1.一种用户标签权重评估方法，其特征在于，预先构建一病症标签集合，一行为执行集合和一执行渠道集合；
所述病症标签集合包括多个疾病种类，所述行为执行集合包括多种不同的用户行为，所述执行渠道集合包括多种所述用户行为分别对应的执行渠道；
所述用户标签权重评估方法包括如下步骤：
步骤S1，分别计算所述病症标签集合、所述行为执行集合和所述执行渠道集合中，每个所述疾病种类、每个所述用户行为和每个所述执行渠道的独立客观权重：
Figure DEST_PATH_IMAGE002
其中：
P为所述病症标签集合中的任意一个所述疾病种类，
Figure DEST_PATH_IMAGE004
为所述疾病种类相对应的第一客观权重；
A为所述行为执行集合中的任意一个所述用户行为，
Figure DEST_PATH_IMAGE006
为所述用户行为相对应的第二客观权重；
Q为所述执行渠道集合中的任意一个所述执行渠道，
Figure DEST_PATH_IMAGE008
为所述执行渠道相对应的第三客观权重；
所述第一客观权重，所述第二客观权重和所述第三客观权重均基于多维度TF-IDF算法获得；
步骤S2，对所述病症标签集合中的全部所述疾病种类进行划分，划分结果分别为急性疾病和慢性疾病；
步骤S3，根据所述划分结果，逐一计算每个所述疾病种类对应的每个所述用户行为和每个所述执行渠道的综合权重：
Figure DEST_PATH_IMAGE010
其中：
Figure DEST_PATH_IMAGE012
为所述疾病种类为P，所述用户行为为A，所述执行渠道为Q时与时间相关联的所述综合权重；
Figure DEST_PATH_IMAGE014
为所述疾病种类为P时，通过所述执行渠道Q执行所述用户行为为A的次数；
Figure DEST_PATH_IMAGE016
为时间关联函数；
当所述疾病种类为急性疾病时：
Figure DEST_PATH_IMAGE018
其中t为实时时刻，
Figure DEST_PATH_IMAGE020
为起始时刻，k为一预设的衰减系数；
当所述疾病种类为慢性疾病时：
Figure DEST_PATH_IMAGE022
其中
Figure DEST_PATH_IMAGE024
为所述疾病种类为P时的药品复购周期，M为一正整数且需保证
Figure DEST_PATH_IMAGE026
；
步骤S4，根据所述综合权重由高到低进行降序排序，根据所述综合权重最高的对应的所述疾病种类、所述用户行为和所述执行渠道生成相应的最优用户标签；
于所述步骤S3和所述步骤S4之间还包括一步骤S40；
所述步骤S40，当任意两个所述疾病种类之间存在关联性时，需对计算得到的所述综合权重进行关联性修正：
Figure DEST_PATH_IMAGE028
其中：
Figure DEST_PATH_IMAGE030
为所述疾病种类为A时的综合权重，
Figure DEST_PATH_IMAGE032
为用户具有疾病种类A时同时具有疾病种类B的概率，
Figure DEST_PATH_IMAGE034
为所述疾病种类为A时经修正的综合权重；
Figure DEST_PATH_IMAGE036
为所述疾病种类为B时的综合权重，
Figure DEST_PATH_IMAGE038
为用户具有疾病种类B时同时具有疾病种类A的概率，
Figure DEST_PATH_IMAGE040
为所述疾病种类为B时经修正的综合权重；
于所述步骤S40中：
Figure DEST_PATH_IMAGE042
其中：
Figure DEST_PATH_IMAGE044
为疾病种类为A对应的治疗药品，
Figure DEST_PATH_IMAGE046
为疾病种类为B对应的治疗药品；
Figure DEST_PATH_IMAGE048
为疾病种类为A的用户，
Figure DEST_PATH_IMAGE050
为疾病种类为B的用户；
Figure DEST_PATH_IMAGE052
为疾病种类为A的出现次数，
Figure DEST_PATH_IMAGE054
为疾病种类为B的出现次数，
Figure DEST_PATH_IMAGE056
为疾病种类为A和疾病种类为B同时出现的次数；
Figure DEST_PATH_IMAGE058
表示求
Figure DEST_PATH_IMAGE060
中元素的个数，以此类推。
2.如权利要求1所述的用户标签权重评估方法，其特征在于，于所述多维度TF-IDF算法中，
Figure DEST_PATH_IMAGE062
为所述疾病种类为P时于全部执行渠道中用户行为为A的次数的占比，其中：
Figure DEST_PATH_IMAGE064
。
3.如权利要求1所述的用户标签权重评估方法，其特征在于，所述执行渠道集合包括电商平台、应用程序、网络推广页面、线下门店活动和智能问诊。
4.如权利要求1所述的用户标签权重评估方法，其特征在于，所述行为执行集合包括搜索、浏览、下单、续方、问诊、收藏、咨询、参与活动和评价。
CN202010912774.7A 2020-09-03 2020-09-03 一种用户标签权重评估方法 Active CN111768213B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010912774.7A CN111768213B (zh) 2020-09-03 2020-09-03 一种用户标签权重评估方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010912774.7A CN111768213B (zh) 2020-09-03 2020-09-03 一种用户标签权重评估方法

Publications (2)

Publication Number Publication Date
CN111768213A CN111768213A (zh) 2020-10-13
CN111768213B true CN111768213B (zh) 2021-02-19

Family

ID=72729190

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010912774.7A Active CN111768213B (zh) 2020-09-03 2020-09-03 一种用户标签权重评估方法

Country Status (1)

Country Link
CN (1) CN111768213B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111081370B (zh) * 2019-10-25 2023-11-03 中国科学院自动化研究所 一种用户分类方法及装置

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106096273A (zh) * 2016-06-08 2016-11-09 江苏华康信息技术有限公司 一种基于tf‑idf改进算法的疾病症状推导方法
CN109753516A (zh) * 2019-01-31 2019-05-14 北京嘉和美康信息技术有限公司 一种病历搜索结果的排序方法和相关装置
CN110024044A (zh) * 2016-09-28 2019-07-16 曼迪奥研究有限公司 用于挖掘医疗数据的系统及方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105138572B (zh) * 2015-07-27 2019-12-10 百度在线网络技术（北京）有限公司 获取用户标签的关联度权值的方法和装置
CN105205699A (zh) * 2015-09-17 2015-12-30 北京众荟信息技术有限公司 基于酒店点评的用户标签和酒店标签匹配方法及装置
CN107895015A (zh) * 2017-11-14 2018-04-10 江苏电力信息技术有限公司 基于层次分析法的电力用户特征标签权重体系构建方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106096273A (zh) * 2016-06-08 2016-11-09 江苏华康信息技术有限公司 一种基于tf‑idf改进算法的疾病症状推导方法
CN110024044A (zh) * 2016-09-28 2019-07-16 曼迪奥研究有限公司 用于挖掘医疗数据的系统及方法
CN109753516A (zh) * 2019-01-31 2019-05-14 北京嘉和美康信息技术有限公司 一种病历搜索结果的排序方法和相关装置

Also Published As

Publication number Publication date
CN111768213A (zh) 2020-10-13

Similar Documents

Publication Publication Date Title
JP6356744B2 (ja) ウェブサイト横断情報を表示する方法およびシステム
US9075882B1 (en) Recommending content items
US6356879B2 (en) Content based method for product-peer filtering
JP5542812B2 (ja) クエリ識別および関連付け
US8090621B1 (en) Method and system for associating feedback with recommendation rules
Shih et al. Product recommendation approaches: Collaborative filtering via customer lifetime value and customer demands
JP4378646B2 (ja) 情報処理装置、情報処理方法、およびプログラム
Wei et al. A survey of recommendation systems in electronic commerce
CN108153791B (zh) 一种资源推荐方法和相关装置
US20080243817A1 (en) Cluster-based management of collections of items
CN108256119A (zh) 一种资源推荐模型的构建方法及基于该模型的资源推荐方法
WO2008134707A2 (en) Product affinity engine and method
WO2008121884A1 (en) Processes for calculating item distances and performing item clustering
WO2007001770A2 (en) Automatic ad placement
US10157411B1 (en) Recommendation system that relies on RFM segmentation
CN106933893B (zh) 多维度数据的查询方法及装置
US9275125B1 (en) System for organizing data from a plurality of users to create individual user profiles
CN107045700A (zh) 基于流式用户行为分析的产品推送方法和装置
JP2018045553A (ja) 選択装置、選択方法および選択プログラム
Chen et al. Product recommendation system for small online retailers using association rules mining
CN110674391A (zh) 基于大数据的产品数据推送方法、系统和计算机设备
CN111768213B (zh) 一种用户标签权重评估方法
US8577754B1 (en) Identifying low utility item-to-item association mappings
JP2001022826A (ja) 顧客関係学習システム
CN111127074A (zh) 一种数据推荐方法

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
CP01 Change in the name or title of a patent holder
CP01 Change in the name or title of a patent holder

Address after: 201210 room 805, block B, building 1, 977 Shangfeng Road, Tang Town, Pudong New Area, Shanghai

Patentee after: Yiyao Yaofang Technology (Shanghai) Co.,Ltd.

Address before: 201210 room 805, block B, building 1, 977 Shangfeng Road, Tang Town, Pudong New Area, Shanghai

Patentee before: YAOFANG INFORMATION TECHNOLOGY (SHANGHAI) Co.,Ltd.

Address after: 201210 room 805, block B, building 1, 977 Shangfeng Road, Tang Town, Pudong New Area, Shanghai

Patentee after: Yiyaowang Technology (Shanghai) Co.,Ltd.

Address before: 201210 room 805, block B, building 1, 977 Shangfeng Road, Tang Town, Pudong New Area, Shanghai

Patentee before: Yiyao Yaofang Technology (Shanghai) Co.,Ltd.