CN112116403A - 一种信息推荐方法、装置及设备 - Google Patents

一种信息推荐方法、装置及设备 Download PDF

Info

Publication number
CN112116403A
CN112116403A CN202011045577.6A CN202011045577A CN112116403A CN 112116403 A CN112116403 A CN 112116403A CN 202011045577 A CN202011045577 A CN 202011045577A CN 112116403 A CN112116403 A CN 112116403A
Authority
CN
China
Prior art keywords
information
client
payment
community
transaction record
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
CN202011045577.6A
Other languages
English (en)
Inventor
李威
覃鹏
刘增文
叶长全
吴仰波
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.)
China Construction Bank Corp
Original Assignee
China Construction Bank Corp
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 China Construction Bank Corp filed Critical China Construction Bank Corp
Priority to CN202011045577.6A priority Critical patent/CN112116403A/zh
Publication of CN112116403A publication Critical patent/CN112116403A/zh
Pending legal-status Critical Current

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
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0241—Advertisements
    • G06Q30/0251—Targeted advertisements
    • G06Q30/0255—Targeted advertisements based on user history
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9535—Search customisation based on user profiles and personalisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • 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
    • G06Q30/0241—Advertisements
    • G06Q30/0251—Targeted advertisements
    • G06Q30/0269—Targeted advertisements based on user profile or attribute
    • G06Q30/0271—Personalized advertisement
    • 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
    • G06Q30/0241—Advertisements
    • G06Q30/0277—Online advertisement
    • 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
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]

Landscapes

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

Abstract

本说明书提供了一种信息推荐方法、装置及设备。所述方法包括获取支付流水信息；根据所述支付流水信息，生成批量交易记录；其中，每条交易记录中包括付款客户标识、与所述付款客户标识对应的收款客户标识；利用预设图计算算法将所述批量交易记录中包括的客户划分为不同社群；其中，每个社群中一个客户至少与另一个客户存在支付关系；根据每个社群中客户的消费信息，为所述社群中客户推荐信息。利用本说明书实施例可以快速的对客户信息进行分析，提高信息推荐效率。

Description

一种信息推荐方法、装置及设备
技术领域
本申请涉及数据处理技术领域，特别涉及一种信息推荐方法、装置及设备。
背景技术
目前，金融业特别是银行业以及大型互联网企业的客户群体、交易量等相对较大，为了提高企业效益，向客户准确推荐消费信息变得越来越重要。
现有技术中，通过获取用户消费信息，基于单机版的计算框架进行离线分析，然后基于分析结果向客户推荐相关信息。然而，这种方式在面对客户群体较大、交易量较大的情况时，很难快速的对客户信息进行分析，从而使信息推荐效率较低。
因此，业内亟需一种可以解决上述问题的技术方案。
发明内容
本说明书实施例提供了一种信息推荐方法、装置及设备，可以快速的对客户信息进行分析，提高信息推荐效率。
本说明书提供的信息推荐方法、装置及设备是包括以下方式实现的。
一种信息推荐方法，包括：获取支付流水信息；根据所述支付流水信息，生成批量交易记录；其中，每条交易记录中包括付款客户标识、与所述付款客户标识对应的收款客户标识；利用预设图计算算法将所述批量交易记录中包括的客户划分为不同社群；其中，每个社群中一个客户至少与另一个客户存在支付关系；根据每个社群中客户的消费信息，为所述社群中客户推荐信息。
一种信息推荐装置，包括：获取模块，用于获取支付流水信息；生成模块，用于根据所述支付流水信息，生成批量交易记录；其中，每条交易记录中包括付款客户标识、与所述付款客户标识对应的收款客户标识；划分模块，用于利用预设图计算算法将所述批量交易记录中包括的客户划分为不同社群；其中，每个社群中一个客户至少与另一个客户存在支付关系；推荐模块，用于根据每个社群中客户的消费信息，为所述社群中客户推荐信息。
一种信息推荐设备，包括处理器及用于存储处理器可执行指令的存储器，所述处理器执行所述指令时实现本说明书实施例中任意一个方法实施例的步骤。
一种计算机可读存储介质，其上存储有计算机指令，所述指令被执行时实现本说明书实施例中任意一个方法实施例的步骤。
本说明书提供的一种信息推荐方法、装置及设备。一些实施例中通过获取支付流水信息，根据支付流水信息，生成批量交易记录，其中，每条交易记录中包括付款客户标识、与所述付款客户标识对应的收款客户标识，然后利用预设图计算算法将批量交易记录中包括的客户划分为不同社群，其中，每个社群中一个客户至少与另一个客户存在支付关系，最后根据每个社群中客户的消费信息，为社群中客户推荐信息。由于可以基于支付流水信息对客户信息进行离线分析，也可以实时分析，从而使信息推荐效率更高。由于利用graphX技术中预设图计算算法可以离线将批量交易记录中包括的客户划分为不同层次的社群，利用Titan技术中预设图计算算法可以实时将批量交易记录中包括的客户划分为不同层次的社群，使得确定用户社群信息更加方便，从而可以提高信息推荐效率。由于Titan技术中预设图计算算法可以计算上亿个顶点的巨型图，使得通过Titan技术可以快速分析消费社群的问题确定客户所属社群，进而提高信息推荐效率。采用本说明书提供的实施方案，可以提高信息推荐效率。
附图说明
此处所说明的附图用来提供对本说明书的进一步理解，构成本说明书的一部分，并不构成对本说明书的限定。在附图中：
图1是本说明书提供的一种信息推荐方法的一个实施例的流程示意图；
图2是本说明书提供的一种划分后不同社群中客户关系的示意图；
图3是本说明书提供的一种信息推荐装置的一个实施例的模块结构示意图；
图4是本说明书提供的一种信息推荐服务器的一个实施例的硬件结构框图。
具体实施方式
为了使本技术领域的人员更好地理解本说明书中的技术方案，下面将结合本说明书实施例中的附图，对本说明书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说明书中的一部分实施例，而不是全部的实施例。基于本说明书中的一个或多个实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都应当属于本说明书实施例保护的范围。
下面以一个具体的应用场景为例对本说明书实施方案进行说明。具体的，图1是本说明书提供的一种信息推荐方法的一个实施例的流程示意图。虽然本说明书提供了如下述实施例或附图所示的方法操作步骤或装置结构，但基于常规或者无需创造性的劳动在所述方法或装置中可以包括更多或者部分合并后更少的操作步骤或模块单元。
本说明书提供的一种实施方案可以应用到客户端、服务器等中。所述客户端可以包括终端设备，如智能手机、平板电脑等。所述服务器可以包括单台计算机设备，也可以包括多个服务器组成的服务器集群，或者分布式系统的服务器结构等。
需要说明的是，下述实施例描述并不对基于本说明书的其他可扩展到的应用场景中的技术方案构成限制。具体的一种实施例如图1所示，本说明书提供的一种信息推荐方法的一种实施例中，所述方法可以包括以下步骤。
S0：获取支付流水信息。
本说明书实施例中，支付流水信息中可以包括付款客户信息、收款客户信息、店铺信息、交易时间、付款金额等。
一些实施场景中，可以从预设数据库中获取支付流水信息，还可以实时从交易系统获取支付流水信息。这样后续既可以基于支付流水信息对客户信息进行离线分析，也可以实时分析，从而使信息推荐效率更高。
一些实施场景中，可以获取批量支付流水信息，这样后续基于批量支付流水信息可以获得批量交易记录，使得后续基于批量交易记录确定的客户所属社群更准确，从而可以提高信息推荐的准确度。
一些实施场景中，可以预先设定获取交易流水信息的时间，这样，可以定时自动的获取支付流水信息进行客户消费数据的分析。其中，预先设定获取交易流水信息的时间可以根据实际场景进行设定，本说明书对此不作限定，例如，可以是每天12点到15点，也可以是每天晚上17点到21点等。
一些实施例中，所述根据所述支付流水信息，生成批量交易记录前，可以根据所述支付流水信息，创建交易记录表；所述交易记录表的表结构包括付款客户标识字段、收款客户标识字段、社群字段。其中，交易记录表可以用于存储交易记录。
例如一些实施场景中，可以根据支付流水信息，确定表结构中可以包括哪些字段，然后基于确定的字段构建一个oracle交易记录表。如表1所示是根据支付流水信息确定的表结构中包括的字段名，其中，第一列表示与第二例字段名对应的英文标识。进一步可以根据表1包括的字段名创建的oracle交易记录表。
表1
Name 字段名
cust_id_from 付款客户标识
cust_id_to 收款客户标识
cc_id 社群标识
shop_id 店铺标识
cc_date 入库日期
S2：根据所述支付流水信息，生成批量交易记录；其中，每条交易记录中包括付款客户标识、与所述付款客户标识对应的收款客户标识。
本说明书实施例中，在获取支付流水信息后，可以根据支付流水信息，生成批量交易记录。一条交易记录可以用于记录一条交易对应的信息。一条交易对应的信息可以包括但不限于表1中各字段对应的信息，例如还可以包括交易时间、交易金额等。
一些实施场景中，为了后续确定用户所属社群，每条交易记录中至少可以包括付款客户标识、与所述付款客户标识对应的收款客户标识。
一些实施例中，获取支付流水信息后，可以从所述支付流水信息中提取客户标识，然后基于客户标识生成交易记录。其中，所述客户标识至少包括付款客户标识、与所述付款客户标识对应的收款客户标识。例如一些实施场景中，获取支付流水信息后，可以基于ETL批量计算框架在Hive生成客户交易记录。ETL批量计算框架是按抽取、转换、加载顺序进行处理的。Hive是基于Hadoop的一个数据仓库工具，可以将结构化的数据文件映射为一张数据库表，并提供简单的sq1(Structured Query Language，结构化查询语言)查询功能，可以将sql语句转换为MapReduce任务进行运行。MapReduce是一种编程模型，用于大规模数据集的并行运算。
一些实施例中，可以根据支付流水信息，创建交易记录表，然后在生成批量交易记录后，可以将每条交易记录中包括的信息依次存入交易记录表，获得第一交易记录表。
一些实施场景中，在生成批量交易记录后，可以将每条交易记录中包括的付款客户标识、与所述付款客户标识对应的收款客户标识依次存入交易记录表，获得第一交易记录表。
另一些实施场景中，在生成批量交易记录后，可以将每条交易记录中包括的付款客户标识、与所述付款客户标识对应的收款客户标识、店铺标识等依次存入交易记录表，获得第一交易记录表。
S4：利用预设图计算算法将所述批量交易记录中包括的客户划分为不同社群；其中，每个社群中一个客户至少与另一个客户存在支付关系。
本说明书实施例中，在生成批量交易记录后，可以利用预设图计算算法将批量交易记录中包括的客户划分为不同社群，以便后续基于社群中客户的消费信息，为客户推荐更多消费信息。其中，预设图计算算法可以用于确定不同社群。预设图计算算法可以包括graphX的Connected Components连通组件算法、Titan的Louvain Modularity算法等。其中，graphX是一个计算引擎，其可以提供强大的计算接口，可以很方便的处理复杂的业务逻辑。Connected Components连通组件算法用id标注图中每个连通体，将连通体中序号最小的顶点的id作为连通体的id。如果在图中，任意2个顶点之间都存在路径，可以称该图为连通图，否则称该图为非连通图，则其中的极大连通子图称为连通体。Titan是一个分布式的图数据库引擎，其可以自由的扩展集群节点，支持实时、数千用户并发访问，支持各种后端存储系统，还支持gremlin访问。gremlin是图数据库中的一种查询语言。图数据库是NoSQL数据库的一种类型，它应用图形理论存储实体之间的关系信息，有自己的查询语言。
一些实施例中，所述基于所述交易记录，利用预设图计算算法将所述批量交易记录中包括的客户划分为不同社群，可以先基于spark读取所述第一交易记录表中数据，然后调用graphX的Connected Components连通组件算法将所述第一交易记录表中包括的客户划分为不同社群。spark是专为大规模数据处理而设计的快速通用的计算引擎。
一些实施例中，所述基于所述交易记录，利用预设图计算算法将所述批量交易记录中包括的客户划分为不同社群，可以先将所述第一交易记录表中数据导入Titan图数据库，然后调用Louvain Modularity算法将所述Titan图数据库中数据所包括的客户划分为不同社群。
本说明书实施例中，每个社群中可以包括一个或多个客户。当一个社群中包括两个或两个以上是客户时，每个社群中一个客户至少与另一个客户存在支付关系。
一些实施场景中，在将批量交易记录中包括的客户划分为不同社群后，可以将不同社群中包括的客户关系进行展示。如图2所示，图2是本说明书提供的一种划分后不同社群中客户关系的示意图，其中，将批量交易记录中包括的客户划分后包括三个社群，社群1中包括一个客户，社群2中包括4个客户，社群3中包括2个客户，社群中的数字表示一个客户，有向箭头表示一个客户与另一个客户的支付关系，如，3指向2的箭头表示3号客户向2号客户付款，客户2是收款方，客户3是付款方。不同社群中客户之间没有联系。当然，上述只是进行示例性说明，对本说明书其它实施例并不构成限定。
一些实施例中，所述基于所述交易记录，利用预设图计算算法将所述批量交易记录中包括的客户划分为不同社群后，还可以将客户对应的社群信息依次更新至所述第一交易记录表中，获得消费社群表。其中，消费社群表中可以包括不同客户的交易记录以及客户对应的社群信息。
例如一些实施场景中，将所述批量交易记录中包括的客户划分为不同社群后，可以将每个客户对应的社群信息批量导入到oracle交易记录表中，获得消费社群表。其中，消费社群表中的信息相比oracle交易记录表中信息更完整。
一些实施场景中，如果数据存储在Hive中，在将每个客户对应的社群信息批量导入到oracle交易记录表中时，需要将Hive中数据卸载为文件，然后批量导入oracle交易记录表中，获得消费社群表。其中，可以按天、月等增量更新oracle交易记录表。
S6：根据每个社群中客户的消费信息，为所述社群中客户推荐信息。
本说明书实施例中，在将批量交易记录中包括的客户划分为不同社群后，可以根据每个社群中客户的消费信息，为社群中客户推荐信息。
一些实施例中，所述根据每个社群中客户的消费信息，为所述社群中客户推荐信息，可以先利用gremlin语句实时查询目标客户所在社群，然后获取所述目标客户所在社群包括的消费信息，最后基于所述消费信息，为所述目标客户推荐信息。
一些实施场景中，营销系统可以使用gremlin语句从消费社群表中实时查询客户在所属社群，然后获取该社群中每个客户的消费信息，基于获取的消费信息为客户推荐满足客户需求的信息。其中满足客户需求的信息可以包括店铺信息、业务信息等。
一些实施场景中，营销系统还可以从消费社群表中批量访问消费社群数据，进而分析各个阶层的消费客户，方便精确营销。
当然，上述只是进行示例性说明，本说明书实施例的方式并不限于上述举例，所属领域技术人员在本申请技术精髓的启示下，还可能做出其它变更，但只要其实现的功能和效果与本申请相同或相似，均应涵盖于本申请保护范围内。
从以上的描述中，可以看出，本申请实施例可以实现如下技术效果：通过获取支付流水信息，根据支付流水信息，生成批量交易记录，其中，每条交易记录中包括付款客户标识、与所述付款客户标识对应的收款客户标识，然后利用预设图计算算法将批量交易记录中包括的客户划分为不同社群，其中，每个社群中一个客户至少与另一个客户存在支付关系，最后根据每个社群中客户的消费信息，为社群中客户推荐信息。由于可以基于支付流水信息对客户信息进行离线分析，也可以实时分析，从而使信息推荐效率更高。由于利用graphX技术中预设图计算算法可以离线将批量交易记录中包括的客户划分为不同层次的社群，利用Titan技术中预设图计算算法可以实时将批量交易记录中包括的客户划分为不同层次的社群，使得确定用户社群信息更加方便，从而可以提高信息推荐效率。由于Titan技术中预设图计算算法可以计算上亿个顶点的巨型图，使得通过Titan技术可以快速分析消费社群的问题确定客户所属社群，进而提高信息推荐效率。
基于上述所述一种信息推荐方法，本说明书一个或多个实施例还提供一种信息推荐装置。所述的装置可以包括使用了本说明书实施例所述方法的系统(包括分布式系统)、软件(应用)、模块、组件、服务器、客户端等并结合必要的实施硬件的装置。基于同一创新构思，本说明书实施例提供的一个或多个实施例中的装置如下面的实施例所述。由于装置解决问题的实现方案与方法相似，因此本说明书实施例具体的装置的实施可以参见前述方法的实施，重复之处不再赘述。以下所使用的，术语“单元”或者“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。
具体地，图3是本说明书提供的一种信息推荐装置的一个实施例的模块结构示意图，如图3所示，本说明书提供的一种信息推荐装置可以包括：获取模块120，生成模块122，划分模块124，推荐模块126。
获取模块120，可以用于获取支付流水信息；
生成模块122，可以用于根据所述支付流水信息，生成批量交易记录；其中，每条交易记录中包括付款客户标识、与所述付款客户标识对应的收款客户标识；
划分模块124，可以用于利用预设图计算算法将所述批量交易记录中包括的客户划分为不同社群；其中，每个社群中一个客户至少与另一个客户存在支付关系；
推荐模块126，可以用于根据每个社群中客户的消费信息，为所述社群中客户推荐信息。
需要说明的，上述所述的装置根据方法实施例的描述还可以包括其他的实施方式，具体的实现方式可以参照相关方法实施例的描述，在此不作一一赘述。
本说明书还提供一种信息推荐设备的实施例，包括处理器及用于存储处理器可执行指令的存储器，所述处理器执行所述指令时可以实现上述任意一项方法实施例。例如，所述指令被所述处理器执行时实现包括以下步骤：获取支付流水信息；根据所述支付流水信息，生成批量交易记录；其中，每条交易记录中包括付款客户标识、与所述付款客户标识对应的收款客户标识；利用预设图计算算法将所述批量交易记录中包括的客户划分为不同社群；其中，每个社群中一个客户至少与另一个客户存在支付关系；根据每个社群中客户的消费信息，为所述社群中客户推荐信息。
需要说明的，上述所述的设备根据方法或装置实施例的描述还可以包括其他的实施方式。具体的实现方式可以参照相关方法实施例的描述，在此不作一一赘述。
本说明书所提供的方法实施例可以在移动终端、计算机终端、服务器或者类似的运算装置中执行。以运行在服务器上为例，图4是本说明书提供的一种信息推荐服务器的一个实施例的硬件结构框图，该服务器可以是上述实施例中的信息推荐装置或信息推荐设备。如图4所示，服务器10可以包括一个或多个(图中仅示出一个)处理器100(处理器100可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置)、用于存储数据的存储器200、以及用于通信功能的传输模块300。本领域普通技术人员可以理解，图4所示的结构仅为示意，其并不对上述电子装置的结构造成限定。例如，服务器10还可包括比图4中所示更多或者更少的组件，例如还可以包括其他的处理硬件，如数据库或多级缓存、GPU，或者具有与图4所示不同的配置。
存储器200可用于存储应用软件的软件程序以及模块，如本说明书实施例中的信息推荐方法对应的程序指令/模块，处理器100通过运行存储在存储器200内的软件程序以及模块，从而执行各种功能应用以及数据处理。存储器200可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器200可进一步包括相对于处理器100远程设置的存储器，这些远程存储器可以通过网络连接至计算机终端。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
传输模块300用于经由一个网络接收或者发送数据。上述的网络具体实例可包括计算机终端的通信供应商提供的无线网络。在一个实例中，传输模块300包括一个网络适配器(Network Interface Controller，NIC)，其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中，传输模块300可以为射频(Radio Frequency，RF)模块，其用于通过无线方式与互联网进行通讯。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
本说明书提供的上述实施例所述的方法或装置可以通过计算机程序实现业务逻辑并记录在存储介质上，所述的存储介质可以计算机读取并执行，实现本说明书实施例所描述方案的效果。所述存储介质可以包括用于存储信息的物理装置，通常是将信息数字化后再以利用电、磁或者光学等方式的媒体加以存储。所述存储介质可以包括：利用电能方式存储信息的装置如，各式存储器，如RAM、ROM等；利用磁能方式存储信息的装置如，硬盘、软盘、磁带、磁芯存储器、磁泡存储器、U盘；利用光学方式存储信息的装置如，CD或DVD。当然，还有其他方式的可读存储介质，例如量子存储器、石墨烯存储器等等。
本说明书提供的上述信息推荐方法或装置实施例可以在计算机中由处理器执行相应的程序指令来实现，如使用windows操作系统的c++语言在PC端实现、linux系统实现，或其他例如使用android、iOS系统程序设计语言在智能终端实现，以及基于量子计算机的处理逻辑实现等。
需要说明的是说明书上述所述的装置、设备根据相关方法实施例的描述还可以包括其他的实施方式，具体的实现方式可以参照对应方法实施例的描述，在此不作一一赘述。
本申请中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于硬件+程序类实施例而言，由于其基本相似于方法实施例，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。
为了描述的方便，描述以上装置时以功能分为各种模块分别描述。当然，在实施本说明书一个或多个时可以把部分模块的功能在同一个或多个软件和/或硬件中实现，也可以将实现同一功能的模块由多个子模块或子单元的组合实现等。
本发明是参照根据本发明实施例的方法、装置、设备的流程图和/或方框图来描述的。应理解可由计算机程序指令实现，可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现指定的功能的装置。这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
本领域技术人员应明白，本说明书一个或多个实施例可提供为方法、系统或计算机程序产品。因此，本说明书一个或多个实施例可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。
以上所述仅为本说明书一个或多个实施例的实施例而已，并不用于限制本本说明书一个或多个实施例。对于本领域技术人员来说，本说明书一个或多个实施例可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在权利要求范围之内。

Claims (11)

1.一种信息推荐方法，其特征在于，所述方法包括：
获取支付流水信息；
根据所述支付流水信息，生成批量交易记录；其中，每条交易记录中包括付款客户标识、与所述付款客户标识对应的收款客户标识；
利用预设图计算算法将所述批量交易记录中包括的客户划分为不同社群；其中，每个社群中一个客户至少与另一个客户存在支付关系；
根据每个社群中客户的消费信息，为所述社群中客户推荐信息。
2.根据权利要求1所述的方法，其特征在于，所述根据所述支付流水信息，生成批量交易记录前，包括：
根据所述支付流水信息，创建交易记录表；所述交易记录表的表结构包括付款客户标识字段、收款客户标识字段、社群字段。
3.根据权利要求2所述的方法，其特征在于，所述根据所述支付流水信息，生成批量交易记录，包括：
从所述支付流水信息中提取客户标识；所述客户标识包括付款客户标识、与所述付款客户标识对应的收款客户标识；
基于所述客户标识生成交易记录。
4.根据权利要求3所述的方法，其特征在于，所述根据所述支付流水信息，生成批量交易记录后，包括：
将每条交易记录中包括的付款客户标识、与所述付款客户标识对应的收款客户标识依次存入所述交易记录表，获得第一交易记录表。
5.根据权利要求4所述的方法，其特征在于，所述利用预设图计算算法将所述批量交易记录中包括的客户划分为不同社群，包括：
基于spark读取所述第一交易记录表中数据；
调用graphX的Connected Components连通组件算法将所述第一交易记录表中包括的客户划分为不同社群。
6.根据权利要求4所述的方法，其特征在于，所述利用预设图计算算法将所述批量交易记录中包括的客户划分为不同社群，包括：
将所述第一交易记录表中数据导入Titan图数据库；
调用Louvain Modularity算法将所述Titan图数据库中数据所包括的客户划分为不同社群。
7.根据权利要求4所述的方法，其特征在于，所述利用预设图计算算法将所述批量交易记录中包括的客户划分为不同社群后，包括：
将客户对应的社群信息依次更新至所述第一交易记录表中，获得消费社群表。
8.根据权利要求1所述的方法，其特征在于，所述根据每个社群中客户的消费信息，为所述社群中客户推荐信息，包括：
利用gremlin语句实时查询目标客户所在社群；
获取所述目标客户所在社群包括的消费信息；
基于所述消费信息，为所述目标客户推荐信息。
9.一种信息推荐装置，其特征在于，包括：
获取模块，用于获取支付流水信息；
生成模块，用于根据所述支付流水信息，生成批量交易记录；其中，每条交易记录中包括付款客户标识、与所述付款客户标识对应的收款客户标识；
划分模块，用于利用预设图计算算法将所述批量交易记录中包括的客户划分为不同社群；其中，每个社群中一个客户至少与另一个客户存在支付关系；
推荐模块，用于根据每个社群中客户的消费信息，为所述社群中客户推荐信息。
10.一种信息推荐设备，其特征在于，包括处理器及用于存储处理器可执行指令的存储器，所述处理器执行所述指令时实现权利要求1-8中任意一项所述方法的步骤。
11.一种计算机可读存储介质，其特征在于，其上存储有计算机指令，所述指令被执行时实现权利要求1至8中任一项所述方法的步骤。
CN202011045577.6A 2020-09-28 2020-09-28 一种信息推荐方法、装置及设备 Pending CN112116403A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011045577.6A CN112116403A (zh) 2020-09-28 2020-09-28 一种信息推荐方法、装置及设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011045577.6A CN112116403A (zh) 2020-09-28 2020-09-28 一种信息推荐方法、装置及设备

Publications (1)

Publication Number Publication Date
CN112116403A true CN112116403A (zh) 2020-12-22

Family

ID=73797333

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011045577.6A Pending CN112116403A (zh) 2020-09-28 2020-09-28 一种信息推荐方法、装置及设备

Country Status (1)

Country Link
CN (1) CN112116403A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112767184A (zh) * 2021-01-22 2021-05-07 中国银行股份有限公司 保险产品推荐数据生成方法及装置

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN109948051A (zh) * 2019-02-21 2019-06-28 深圳投时科技有限公司 结合群体交易行为的内容推送方法、装置、服务器及系统
CN110647590A (zh) * 2019-09-23 2020-01-03 税友软件集团股份有限公司 一种目标社群数据的识别方法及相关装置
CN110675196A (zh) * 2019-09-27 2020-01-10 中国工商银行股份有限公司 用户识别方法、装置、电子设备和存储介质
WO2020042501A1 (zh) * 2018-08-27 2020-03-05 平安科技（深圳）有限公司 基金经理社团划分方法、系统、计算机设备和存储介质
CN111309788A (zh) * 2020-03-08 2020-06-19 山西大学 一种银行客户交易网络的社区结构发现方法及系统
CN111641517A (zh) * 2020-04-29 2020-09-08 深圳壹账通智能科技有限公司 同质网络的社群划分方法、装置、计算机设备和存储介质

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
WO2020042501A1 (zh) * 2018-08-27 2020-03-05 平安科技（深圳）有限公司 基金经理社团划分方法、系统、计算机设备和存储介质
CN109948051A (zh) * 2019-02-21 2019-06-28 深圳投时科技有限公司 结合群体交易行为的内容推送方法、装置、服务器及系统
CN110647590A (zh) * 2019-09-23 2020-01-03 税友软件集团股份有限公司 一种目标社群数据的识别方法及相关装置
CN110675196A (zh) * 2019-09-27 2020-01-10 中国工商银行股份有限公司 用户识别方法、装置、电子设备和存储介质
CN111309788A (zh) * 2020-03-08 2020-06-19 山西大学 一种银行客户交易网络的社区结构发现方法及系统
CN111641517A (zh) * 2020-04-29 2020-09-08 深圳壹账通智能科技有限公司 同质网络的社群划分方法、装置、计算机设备和存储介质

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112767184A (zh) * 2021-01-22 2021-05-07 中国银行股份有限公司 保险产品推荐数据生成方法及装置

Similar Documents

Publication Publication Date Title
CN110648185B (zh) 一种目标人群圈选方法、装置及计算机设备
CN111339427B (zh) 一种图书信息推荐方法、装置、系统及存储介质
CN111046237B (zh) 用户行为数据处理方法、装置、电子设备及可读介质
CN107430611B (zh) 过滤数据沿袭图
CN109034988B (zh) 一种会计分录生成方法和装置
CN108399564B (zh) 信用评分方法及装置
CN105512336A (zh) 一种基于Hadoop的海量数据处理方法和装置
CN108897874B (zh) 用于处理数据的方法和装置
CN106611037A (zh) 用于分布式图计算的方法与设备
CN110019116B (zh) 数据追溯方法、装置、数据处理设备及计算机存储介质
Gupta et al. Faster as well as early measurements from big data predictive analytics model
CN112528067A (zh) 图数据库的存储方法、读取方法、装置及设备
CN111967521A (zh) 跨境活跃用户识别方法及装置
CN116993237A (zh) 一种基于余弦相似度算法的企业推荐方法及系统
JP2016081526A (ja) テーブル再構成装置と方法
CN108255819A (zh) 一种基于分析工具spark的增值税数据整合方法及系统
CN110751354B (zh) 一种异常用户的检测方法和装置
CN112116403A (zh) 一种信息推荐方法、装置及设备
Hunker et al. A systematic classification of database solutions for data mining to support tasks in supply chains
CN110471918A (zh) 一种关系型数据库同步到区块链的方法及装置
CN112597162B (zh) 数据集采集方法、系统、设备及存储介质
CN111339373B (zh) 一种图谱特征的提取方法、系统、计算机设备和存储介质
CN111651457B (zh) 数据分组方法、装置、计算机设备及存储介质
CN109214874B (zh) Ip产品运营数据处理方法、装置、设备及可读存储介质
CN111984798A (zh) 图谱数据预处理方法及装置

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