CN112269932A - 基于大数据的中小型企业资源整合处理系统 - Google Patents
基于大数据的中小型企业资源整合处理系统 Download PDFInfo
- Publication number
- CN112269932A CN112269932A CN202011186882.7A CN202011186882A CN112269932A CN 112269932 A CN112269932 A CN 112269932A CN 202011186882 A CN202011186882 A CN 202011186882A CN 112269932 A CN112269932 A CN 112269932A
- Authority
- CN
- China
- Prior art keywords
- user
- processing system
- small
- medium
- 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.)
- Pending
Links
- 230000010354 integration Effects 0.000 title claims abstract description 29
- 238000012545 processing Methods 0.000 title claims abstract description 28
- 230000003993 interaction Effects 0.000 claims abstract description 16
- 238000004364 calculation method Methods 0.000 claims abstract description 13
- 230000008901 benefit Effects 0.000 claims abstract description 12
- 230000036541 health Effects 0.000 claims abstract description 12
- 230000006870 function Effects 0.000 claims abstract description 9
- 230000000295 complement effect Effects 0.000 claims abstract description 8
- 238000011156 evaluation Methods 0.000 claims description 15
- 238000000034 method Methods 0.000 claims description 11
- 238000005516 engineering process Methods 0.000 claims description 10
- 238000003066 decision tree Methods 0.000 claims description 9
- 230000006854 communication Effects 0.000 claims description 8
- 238000007726 management method Methods 0.000 claims description 8
- 230000008569 process Effects 0.000 claims description 7
- 238000004891 communication Methods 0.000 claims description 4
- 230000007175 bidirectional communication Effects 0.000 claims description 3
- 238000013523 data management Methods 0.000 claims description 3
- 238000011160 research Methods 0.000 claims description 3
- 238000012549 training Methods 0.000 claims description 3
- 238000012217 deletion Methods 0.000 claims description 2
- 230000037430 deletion Effects 0.000 claims description 2
- 239000013585 weight reducing agent Substances 0.000 claims description 2
- 238000011161 development Methods 0.000 abstract description 11
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000005192 partition Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000003102 growth factor Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000013439 planning Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
Images
Classifications
-
- 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
- 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
- H04L67/01—Protocols
- H04L67/10—Protocols in which an application is distributed across nodes in the network
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Probability & Statistics with Applications (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
基于大数据的中小型企业资源整合处理系统,以用户健康需求作为中心参数,建立按照用户生活习惯、个人、家庭情况为维度参数的健康档案;采用共享用户池对B端商户的商品货物、销售渠道进行共享;并进行用户与给定消费顾问间的交互,交互的对象包括利益联盟、差异互补和优势分享;通过计算合作伙伴与己方商品定位、商品次级定位,产品功能与对应主、次消费需求,得出互补成绩,并计算消费者消费需求的满足成绩;通过业务互补与伙伴关系计算,建立计算相互产品互补性参数、用户需求互补性参数,并得出伙伴黏性值;根据用户画像和埋点数据,基于第三范式为用户提供展示页面。本发明实现消费良好的内循环,促进中小型企业的持续健康发展。
Description
技术领域
本发明属于数据处理技术领域,具体涉及一种基于大数据的中小型企业资源整合处理系统。
背景技术
相关融界调查显示,我国每年约有100万家企业倒闭,中小型企业的生存周期短则1年,发展超过5年的企业屈指可数,目前来看中小型企业的生存环境不容乐观。中小型企业的发展较缓慢、经济效益低、竞争力不强,未来想要在经济困境面前获得很好的发展,资源是一个非常重要的成长要素。
但是,大多数中小型企业因发展时间较短,缺乏成熟的管理经验和技术,不能及时的匹配用户需求,做到有效的资源整合利用,进而导致抗风险能力差、生产成本高、效益差。特别是线上消费是经济内循环“生力军”,消费方式的转变、消费总量的增长、消费结构的升级,能够对经济发展的各个领域发挥“乘数效应”,促进更多从有到优的升级。如何推动中小型企业协作,各环节协同发展,以创造更大的综合效益和社会价值是一个亟待解决的技术问题。
发明内容
为此,本发明提供一种基于大数据的中小型企业资源整合处理系统,基于大数据为中小型企业提供资源整合服务,并实现消费良好的内循环,促进中小型企业的持续健康发展。
为了实现上述目的,本发明提供如下技术方案:基于大数据的中小型企业资源整合处理系统,包括:
用户画像单元,用于以用户健康需求作为中心参数,建立按照用户生活习惯、个人、家庭情况为维度参数的健康档案;
共享交互单元,用于采用共享用户池对B端商户的商品货物、销售渠道进行共享;并进行用户与给定消费顾问间的交互,所述交互的对象包括利益联盟、差异互补和优势分享;通过计算合作伙伴与己方商品定位、商品次级定位,产品功能与对应主、次消费需求,得出互补成绩,并计算消费者消费需求的满足成绩;
推荐单元,用于通过业务互补与伙伴关系计算,建立计算相互产品互补性参数、用户需求互补性参数,并得出伙伴黏性值;
展示单元,用于根据用户画像和埋点数据,基于第三范式为用户提供展示页面。
作为基于大数据的中小型企业资源整合处理系统的优选方案,所述用户画像单元的用户生活习惯包括用户预设时间段内的访问页面和搜索痕迹,通过消费顾问与用户沟通过程为用户打上定制化标签。
作为基于大数据的中小型企业资源整合处理系统的优选方案,用户习惯采集通过消费顾问多次沟通,使用多次决策树策略进行属性划分。
作为基于大数据的中小型企业资源整合处理系统的优选方案,采用用户生活习惯参数作为消费者消费需求的表象参数,分析出消费者内在需求;以用户对美好生活的定义作为研究对象和数据采集对象,并在基于分散式云端大数据技术的服务器中利用AI算法进行参数管理,所述参数管理包括新增或删除、加权或减权。
作为基于大数据的中小型企业资源整合处理系统的优选方案,采用若干服务器进行AI算法培训,使用均方误差作为评价函数。
作为基于大数据的中小型企业资源整合处理系统的优选方案,采用分散式云端大数据管理技术结合5G双频双向通信技术进行数据采集。
作为基于大数据的中小型企业资源整合处理系统的优选方案,所述业务互补与伙伴关系计算指通过聚类算法得到用户关联性需求,聚类过程使用k-menas算法分散收敛。
作为基于大数据的中小型企业资源整合处理系统的优选方案,还包括推荐评价单元,所述推荐评价单元以用户对推送内容是否感兴趣作为查准率P,推荐评价单元以推送内容中用户感兴趣内容的占比作为查全率R,通过寻找查准率P和查全率R交集的平衡点作为评价标准。
本发明以用户健康需求作为中心参数,建立按照用户生活习惯、个人、家庭情况为维度参数的健康档案;采用共享用户池对B端商户的商品货物、销售渠道进行共享;并进行用户与给定消费顾问间的交互,交互的对象包括利益联盟、差异互补和优势分享;通过计算合作伙伴与己方商品定位、商品次级定位,产品功能与对应主、次消费需求,得出互补成绩,并计算消费者消费需求的满足成绩;通过业务互补与伙伴关系计算,建立计算相互产品互补性参数、用户需求互补性参数,并得出伙伴黏性值;根据用户画像和埋点数据,基于第三范式为用户提供展示页面。本发明为中小型企业实现产业、市场、资金赋能,推动中小型企业协作,各环节协同发展,能够创造更大的综合效益和社会价值,实现消费良好的内循环,促进中小型企业的持续健康发展。
附图说明
为了更清楚地说明本发明的实施方式或现有技术中的技术方案,下面将对实施方式或现有技术描述中所需要使用的附图作简单地介绍。显而易见地,下面描述中的附图仅仅是示例性的,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图引伸获得其它的实施附图。
图1为本发明实施例中提供的基于大数据的中小型企业资源整合处理系统示意图;
图2为本发明实施例中提供的基于大数据的中小型企业资源整合处理系统通过决策树进行用户习惯采集过程;
图3为本发明实施例中提供的基于大数据的中小型企业资源整合处理系统通过决策树进行业务互补与伙伴关系计算过程。
具体实施方式
以下由特定的具体实施例说明本发明的实施方式,熟悉此技术的人士可由本说明书所揭露的内容轻易地了解本发明的其他优点及功效,显然,所描述的实施例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。
参见图1,提供一种基于大数据的中小型企业资源整合处理系统,包括:
用户画像单元1,用于以用户健康需求作为中心参数,建立按照用户生活习惯、个人、家庭情况为维度参数的健康档案;
共享交互单元2,用于采用共享用户池对B端商户的商品货物、销售渠道进行共享;并进行用户与给定消费顾问间的交互,所述交互的对象包括利益联盟、差异互补和优势分享;通过计算合作伙伴与己方商品定位、商品次级定位,产品功能与对应主、次消费需求,得出互补成绩,并计算消费者消费需求的满足成绩;
推荐单元3,用于通过业务互补与伙伴关系计算,建立计算相互产品互补性参数、用户需求互补性参数,并得出伙伴黏性值;
展示单元4,用于根据用户画像和埋点数据,基于第三范式为用户提供展示页面。
具体的,所述用户画像单元1的用户生活习惯包括用户预设时间段内的访问页面和搜索痕迹,通过消费顾问与用户沟通过程为用户打上定制化标签。用户一段时间内的行为活跃,访问过的页面和搜索过的痕迹等,通过消费顾问与C端用户沟通过程中为用户打上定制化标签,如性别、年龄层次、消费水平和职业等属性标签。对用户线上和线下行为深度洞察,构建全面、精准、多维的用户画像体系,为用户端提供丰富的用户画像数据以及实时的场景识别能力,帮助用户端全方位了解用户,形成较为精准的用户画像。
具体的,采用用户生活习惯参数作为消费者消费需求的表象参数,分析出消费者内在需求;以用户对美好生活的定义作为研究对象和数据采集对象,并在基于分散式云端大数据技术的服务器中利用AI算法进行参数管理,采用若干服务器进行AI算法培训,使用均方误差作为评价函数。参数管理包括新增或删除、加权或减权。用户生活习惯参数,是消费者新消费需求的表象参数,可以分析出消费者内在需求。
参见图2,具体的,用户习惯采集通过消费顾问多次沟通,使用多次决策树策略进行属性划分。用户习惯采集通过消费顾问多次沟通,使用多次决策树策略,在决策树不同叶子节点就是消费过程中遇到的问题,决策树学习的关键在于如何选择划分属性,不同的划分属性得出不同的分支结构,从而影响整颗决策树的性能。
具体的,采用分散式云端大数据管理技术结合5G双频双向通信技术进行数据采集。基于对产品使用人群的计算,大数据对平台内商品定位与功能数据采集的精准度极高,精准的人群画像,使得用户适用商品推荐精准有效,同时需要分散式采集与多维度生活习惯参数采集并持续更新计算,通过分散式管理与5G双向通讯技术结合,保证计算精准完成,进而使得数据采集及时,交互运用相应迅速。
具体的,互补成绩与匹配成绩作为交互与共享的深度和广度的核心参数,在分散式云端计算后,按照商业模型,为消费者展现终端页面。互补成绩与匹配成绩从C端用户画像分析来,基于商业模型,给C端用户展示千人千面的用户终端,基于用户画像,埋点数据等,采用第三范式为用户提供各有不同的页面展示。
基于大数据的中小型企业资源整合处理系统的一个实施例中,所述业务互补与伙伴关系计算指通过聚类算法得到用户关联性需求,聚类过程使用k-menas算法分散收敛。此外,通过服务质量提高伙伴粘性。聚类是将数据集的样本划分为若干个互不相交的类簇,从而每个簇对应一个潜在的类别。聚类直观上来说是将相似的样本聚在一起,从而形成一个类簇,通过距离度量相似性,在生活中我们说差别小则相似,对应到多维样本,每个样本可以对应于高维空间中的一个数据点,若它们的距离相近,便可以认为它们具有相似属性。
具体的,参见图3,聚类过程,使用k-menas算法分散收敛。计算最小平方差。
基于大数据的中小型企业资源整合处理系统的一个实施例中,还包括推荐评价单元5,所述推荐评价单元5以用户对推送内容是否感兴趣作为查准率P,推荐评价单元5以推送内容中用户感兴趣内容的占比作为查全率R,通过寻找查准率P和查全率R交集的平衡点作为评价标准。推荐评价单元5中,关心推送给用户的内容用户是否感兴趣,即查准率P,或者说所有用户感兴趣的内容我们推送出来了多少,即查全率R,通过找寻查准率P和查全率R交集的平衡点,作为判定的依据之一,平衡点越高,准确度越好。
本发明以用户健康需求作为中心参数,建立按照用户生活习惯、个人、家庭情况为维度参数的健康档案;采用共享用户池对B端商户的商品货物、销售渠道进行共享;并进行用户与给定消费顾问间的交互,交互的对象包括利益联盟、差异互补和优势分享;通过计算合作伙伴与己方商品定位、商品次级定位,产品功能与对应主、次消费需求,得出互补成绩,并计算消费者消费需求的满足成绩;通过业务互补与伙伴关系计算,建立计算相互产品互补性参数、用户需求互补性参数,并得出伙伴黏性值;根据用户画像和埋点数据,基于第三范式为用户提供展示页面。本发明在完全的分散云端大数据管理后,实现的精准的人群定位,需求分析,在核心模型的运转下,呈现给每一个终端的都是实时更新、及时响应、柔性推荐,能够及时向用户、商户通报,适时计算商户收益,最终实现消费者消费体验与生活体验丰富地展现方案。本发明实现商户商品策划、合作伙伴自动建立、渠道网络适时久违与收益计算及时更新的解决方案,本发明为中小型企业实现产业、市场、资金赋能,推动中小型企业协作,各环节协同发展,能够创造更大的综合效益和社会价值,实现消费良好的内循环,促进中小型企业的持续健康发展。
虽然,上文中已经用一般性说明及具体实施例对本发明作了详尽的描述,但在本发明基础上,可以对之作一些修改或改进,这对本领域技术人员而言是显而易见的。因此,在不偏离本发明精神的基础上所做的这些修改或改进,均属于本发明要求保护的范围。
Claims (8)
1.基于大数据的中小型企业资源整合处理系统,其特征在于,包括:
用户画像单元,用于以用户健康需求作为中心参数,建立按照用户生活习惯、个人、家庭情况为维度参数的健康档案;
共享交互单元,用于采用共享用户池对B端商户的商品货物、销售渠道进行共享;并进行用户与给定消费顾问间的交互,所述交互的对象包括利益联盟、差异互补和优势分享;通过计算合作伙伴与己方商品定位、商品次级定位,产品功能与对应主、次消费需求,得出互补成绩,并计算消费者消费需求的满足成绩;
推荐单元,用于通过业务互补与伙伴关系计算,建立计算相互产品互补性参数、用户需求互补性参数,并得出伙伴黏性值;
展示单元,用于根据用户画像和埋点数据,基于第三范式为用户提供展示页面。
2.根据权利要求1所述的基于大数据的中小型企业资源整合处理系统,其特征在于,所述用户画像单元的用户生活习惯包括用户预设时间段内的访问页面和搜索痕迹,通过消费顾问与用户沟通过程为用户打上定制化标签。
3.根据权利要求2所述的基于大数据的中小型企业资源整合处理系统,其特征在于,用户习惯采集通过消费顾问多次沟通,使用多次决策树策略进行属性划分。
4.根据权利要求1所述的基于大数据的中小型企业资源整合处理系统,其特征在于,采用用户生活习惯参数作为消费者消费需求的表象参数,分析出消费者内在需求;以用户对美好生活的定义作为研究对象和数据采集对象,并在基于分散式云端大数据技术的服务器中利用AI算法进行参数管理,所述参数管理包括新增或删除、加权或减权。
5.根据权利要求3所述的基于大数据的中小型企业资源整合处理系统,其特征在于,采用若干服务器进行AI算法培训,使用均方误差作为评价函数。
6.根据权利要求3所述的基于大数据的中小型企业资源整合处理系统,其特征在于,采用分散式云端大数据管理技术结合5G双频双向通信技术进行数据采集。
7.根据权利要求1所述的基于大数据的中小型企业资源整合处理系统,其特征在于,所述业务互补与伙伴关系计算指通过聚类算法得到用户关联性需求,聚类过程使用k-menas算法分散收敛。
8.根据权利要求1所述的基于大数据的中小型企业资源整合处理系统,其特征在于,还包括推荐评价单元,所述推荐评价单元以用户对推送内容是否感兴趣作为查准率P,推荐评价单元以推送内容中用户感兴趣内容的占比作为查全率R,通过寻找查准率P和查全率R交集的平衡点作为评价标准。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011186882.7A CN112269932A (zh) | 2020-10-30 | 2020-10-30 | 基于大数据的中小型企业资源整合处理系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011186882.7A CN112269932A (zh) | 2020-10-30 | 2020-10-30 | 基于大数据的中小型企业资源整合处理系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112269932A true CN112269932A (zh) | 2021-01-26 |
Family
ID=74345438
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011186882.7A Pending CN112269932A (zh) | 2020-10-30 | 2020-10-30 | 基于大数据的中小型企业资源整合处理系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112269932A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114971817A (zh) * | 2022-07-29 | 2022-08-30 | 中国电子科技集团公司第十研究所 | 基于用户需求画像的产品自适应服务方法、介质及装置 |
CN117495148A (zh) * | 2023-12-28 | 2024-02-02 | 深圳市合纵天下信息科技有限公司 | 一种可扩展的企业资源计划系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105139106A (zh) * | 2015-07-31 | 2015-12-09 | 山东大学 | 基于产品物料清单的企业网络架构及其构造方法 |
CN108596720A (zh) * | 2018-04-23 | 2018-09-28 | 广东奥园奥买家电子商务有限公司 | 一种根据用户的行为数据进行商品推荐的方法 |
CN108805383A (zh) * | 2018-03-20 | 2018-11-13 | 东华大学 | 一种基于服装洗护大数据的用户画像平台及应用 |
CN109685632A (zh) * | 2019-01-22 | 2019-04-26 | 重庆建筑工程职业学院 | 基于互联网的商品自动化共享系统及方法 |
CN110503497A (zh) * | 2018-05-16 | 2019-11-26 | 江苏天智互联科技股份有限公司 | 一种基于客户的消费习惯的电商管理平台商品推荐方法 |
CN111652543A (zh) * | 2020-05-19 | 2020-09-11 | 中振区块链(深圳)有限公司 | 一种基于供应链的资源共享平台及其共享管理方法 |
-
2020
- 2020-10-30 CN CN202011186882.7A patent/CN112269932A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105139106A (zh) * | 2015-07-31 | 2015-12-09 | 山东大学 | 基于产品物料清单的企业网络架构及其构造方法 |
CN108805383A (zh) * | 2018-03-20 | 2018-11-13 | 东华大学 | 一种基于服装洗护大数据的用户画像平台及应用 |
CN108596720A (zh) * | 2018-04-23 | 2018-09-28 | 广东奥园奥买家电子商务有限公司 | 一种根据用户的行为数据进行商品推荐的方法 |
CN110503497A (zh) * | 2018-05-16 | 2019-11-26 | 江苏天智互联科技股份有限公司 | 一种基于客户的消费习惯的电商管理平台商品推荐方法 |
CN109685632A (zh) * | 2019-01-22 | 2019-04-26 | 重庆建筑工程职业学院 | 基于互联网的商品自动化共享系统及方法 |
CN111652543A (zh) * | 2020-05-19 | 2020-09-11 | 中振区块链(深圳)有限公司 | 一种基于供应链的资源共享平台及其共享管理方法 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114971817A (zh) * | 2022-07-29 | 2022-08-30 | 中国电子科技集团公司第十研究所 | 基于用户需求画像的产品自适应服务方法、介质及装置 |
CN114971817B (zh) * | 2022-07-29 | 2022-11-22 | 中国电子科技集团公司第十研究所 | 基于用户需求画像的产品自适应服务方法、介质及装置 |
CN117495148A (zh) * | 2023-12-28 | 2024-02-02 | 深圳市合纵天下信息科技有限公司 | 一种可扩展的企业资源计划系统 |
CN117495148B (zh) * | 2023-12-28 | 2024-03-22 | 深圳市合纵天下信息科技有限公司 | 一种可扩展的企业资源计划系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Feng et al. | An expert recommendation algorithm based on Pearson correlation coefficient and FP-growth | |
CN109767255B (zh) | 一种通过大数据建模实现智能运营及精准营销的方法 | |
Bozbura et al. | Prioritization of human capital measurement indicators using fuzzy AHP | |
CN108182489A (zh) | 一种基于在线学习行为分析的个性化学习推荐方法 | |
Çavdar et al. | Airline customer lifetime value estimation using data analytics supported by social network information | |
Ibanez et al. | Cluster methods for assessing research performance: exploring Spanish computer science | |
CN107729519B (zh) | 基于多源多维数据的评估方法及装置、终端 | |
CN103294816A (zh) | 一种为求职者推荐职位的方法和职位推荐系统 | |
Zamudio et al. | Human brands and mutual choices: an investigation of the marketing assistant professor job market | |
Tai et al. | Effective e‐learning recommendation system based on self‐organizing maps and association mining | |
Sitaridis et al. | Competitiveness analysis and evaluation of entrepreneurial ecosystems: A multi-criteria approach | |
Deng et al. | RETRACTED ARTICLE: A study on e-commerce customer segmentation management based on improved K-means algorithm | |
CN111222847B (zh) | 基于深度学习与非监督聚类的开源社区开发者推荐方法 | |
CN112269932A (zh) | 基于大数据的中小型企业资源整合处理系统 | |
Joanna et al. | The concept of the qualitology and grey system theory application in marketing information quality cognition and assessment | |
Li | SWOT analysis of e‐commerce development of rural tourism farmers' professional cooperatives in the era of big data | |
CN114266443A (zh) | 数据评估方法和装置、电子设备、存储介质 | |
CN111143689A (zh) | 根据用户需求和用户画像构建推荐引擎的方法 | |
Deng | Towards objective benchmarking of electronic government: an inter‐country analysis | |
CN116645129A (zh) | 一种基于知识图谱的制造资源推荐方法 | |
Seyedghorban et al. | Quo vadis OSCM? An analysis of past and future trends in operations and supply chain management research | |
Usabiaga et al. | Skill requirements and labour polarisation: An association analysis based on Polish online job offers | |
CN117217933A (zh) | 用于保险行业的数据多维分析方法及装置 | |
CN107844874A (zh) | 企业营运问题分析系统及其方法 | |
Bierhold | For a better understanding of Industry 4.0-An Industry 4.0 maturity model |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210126 |