CN112598471A - 一种产品的推荐方法、推荐装置及电子设备 - Google Patents
一种产品的推荐方法、推荐装置及电子设备 Download PDFInfo
- Publication number
- CN112598471A CN112598471A CN202011563721.5A CN202011563721A CN112598471A CN 112598471 A CN112598471 A CN 112598471A CN 202011563721 A CN202011563721 A CN 202011563721A CN 112598471 A CN112598471 A CN 112598471A
- Authority
- CN
- China
- Prior art keywords
- initial
- recommendation
- target
- product
- 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 66
- 238000012545 processing Methods 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 6
- 238000012216 screening Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 abstract description 17
- 238000004519 manufacturing process Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000003058 natural language processing Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000011144 upstream manufacturing Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000011068 loading method Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0631—Item recommendations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/332—Query formulation
- G06F16/3322—Query formulation using system suggestions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/335—Filtering based on additional data, e.g. user or group profiles
-
- 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
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/03—Credit; Loans; Processing thereof
-
- 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
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/16—Real estate
Abstract
本申请提供了一种产品的推荐方法、推荐装置及电子设备，所述推荐方法包括：获取目标用户输入的多个第一关键词，从多个初始对象中查找与所述关键词相匹配的多个候选对象；根据所述多个候选对象中每个候选对象对应的推荐特征，从所述多个候选对象中选取目标对象；根据所述目标对象对应的推荐特征，从所述目标用户对应的多个产品中选取与所述目标对象相匹配的目标产品；将所述目标产品发送给所述目标对象对应的终端。将相关产品精确推荐至有需求的客户企业，使产品推荐的过程高效且更加具有针对性，提升产品推荐的准确率。
Description
技术领域
本申请涉及数据处理技术领域，尤其是涉及一种产品的推荐方法、推荐装置及电子设备。
背景技术
在目前的产品推荐过程中，由于所掌握信息的不对称，企业掌握的客户信息十分有限，为了拓宽产品销路，往往需要依靠业务人员进行人工拓展客户的基础上，业务人员人工拓展客户的方式主要包括：陌生客户的登门拜访、短信营销、电话营销、现有存量客户的上下游企业拓展等手段，而这些手段往往都是基于现有已知客户信息资源变现的结果，缺乏快速且有针对性的产品推荐手段，不仅推荐广度有限且效率低下，产品推荐的准确性较低。
发明内容
有鉴于此，本申请的目的在于提供一种产品的推荐方法、推荐装置及电子设备，用户可以根据自身需要，通过输入关键词，自动获取与关键词对应的相关客户企业的客户信息，并提供与此客户信息对应的推荐特征，基于此推荐特征，用户可以确定该企业所需的产品类型，并根据获得的客户信息，将相关产品精确推荐至有需求的客户企业，使产品推荐的过程高效且更加具有针对性，提升产品推荐的准确率。
本申请实施例提供了一种产品的推荐方法，所述推荐方法包括：
获取目标用户输入的多个第一关键词，从多个初始对象中查找与所述关键词相匹配的多个候选对象；
根据所述多个候选对象中每个候选对象对应的推荐特征，从所述多个候选对象中选取目标对象；
根据所述目标对象对应的推荐特征，从所述目标用户对应的多个产品中选取与所述目标对象相匹配的目标产品；
将所述目标产品发送给所述目标对象对应的终端。
进一步的，所述获取目标用户输入的多个第一关键词，从多个初始对象中查找与所述关键词相匹配的多个候选对象，包括：
根据每个对象类别预设的多个第二关键词，确定所述多个第一关键词所属的目标对象类别；
将所述目标对象类别下的多个初始对象，确定为所述候选对象。
进一步的，通过如下方式确定所述初始对象所属的对象类别：
获取所述多个初始对象中每个初始对象对应的关联信息；
针对每个初始对象，对该初始对象对应的关联信息进行解析处理，生成该初始对象对应的第三关键词；
根据该初始对象对应的第三关键词，以及每个对象类别预设的多个第二关键词，确定该初始对象所属的对象类别。
进一步的，所述根据所述多个候选对象中每个候选对象对应的推荐特征，从所述多个候选对象中选取目标对象，包括：
基于推荐特征与推荐值的对应关系，确定与每个候选对象的推荐特征相匹配的推荐值：
根据与每个候选对象的推荐特征相匹配的推荐值，从多个候选对象中选取所述目标对象。
进一步的，通过如下方式获取每个初始对象对应的关联信息：
获取每个初始对象对应的初始信息；
针对每个初始对象，对该初始对象对应的初始信息进行去重处理，得到该初始对象对应的关联信息。
本申请实施例还提供了一种产品的推荐装置，所述推荐装置包括：
获取模块，用于获取目标用户输入的多个第一关键词，从多个初始对象中查找与所述关键词相匹配的多个候选对象；
筛选模块，用于根据所述多个候选对象中每个候选对象对应的推荐特征，从所述多个候选对象中选取目标对象；
推荐模块，用于根据所述目标对象对应的推荐特征，从所述目标用户对应的多个产品中选取与所述目标对象相匹配的目标产品；
发送模块，将所述目标产品发送给所述目标对象对应的终端。
进一步的，所述推荐装置还包括第一确定模块，所述第一确定模块用于：
根据每个对象类别预设的多个第二关键词，确定所述多个第一关键词所属的目标对象类别；
将所述目标对象类别下的多个初始对象，确定为所述候选对象。
进一步的，所述第一确定模块还用于：
获取所述多个初始对象中每个初始对象对应的关联信息；
针对每个初始对象，对该初始对象对应的关联信息进行解析处理，生成该初始对象对应的第三关键词；
根据该初始对象对应的第三关键词，以及每个对象类别预设的多个第二关键词，确定该初始对象所属的对象类别。
本申请实施例还提供一种电子设备，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储器之间通过总线通信，所述机器可读指令被所述处理器执行时执行如上述的产品的推荐方法的步骤。
本申请实施例还提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行如上述的产品的推荐方法的步骤。
本申请实施例提供的产品的推荐方法、推荐装置及电子设备，用户可以根据自身需要，通过输入关键词，自动获取与关键词对应的相关客户企业的客户信息，并提供与此客户信息对应的推荐特征，基于此推荐特征，用户可以确定该企业所需的产品类型，并根据获得的客户信息，将相关产品精确推荐至有需求的客户企业，使产品推荐的过程高效且更加具有针对性，提升产品推荐的准确率。
为使本申请的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，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，还可以根据这些附图获得其他相关的附图。
图1示出了本申请实施例所提供的一种产品的推荐方法的流程图；
图2示出了本申请实施例所提供的一种候选对象的确定方法的流程图；
图3示出了本申请实施例所提供的一种初始对象所属的对象类别的确定方法的流程图；
图4示出了本申请实施例所提供的一种产品的推荐装置的结构示意图；
图5示出了本申请实施例所提供的另一种产品的推荐装置的结构示意图；
图6示出了本申请实施例所提供的一种电子设备的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中附图，对本申请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申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的每个其他实施例，都属于本申请保护的范围。
首先，对本申请可适用的应用场景进行介绍。本申请可应用于数据处理技术领域。
经研究发现，在目前的产品推荐过程中，由于所掌握信息的不对称，企业掌握的客户信息十分有限，为了拓宽产品销路，往往需要依靠业务人员进行人工拓展客户的基础上，业务人员人工拓展客户的方式主要包括：陌生客户的登门拜访、短信营销、电话营销、现有存量客户的上下游企业拓展等手段，而这些手段往往都是基于现有已知客户信息资源变现的结果，缺乏快速且有针对性的客户推荐手段，不仅推荐广度有限且效率低下，难以将产品成功推荐至有需求的客户。
基于此，本申请实施例提供了一种产品的推荐方法，以使产品推荐的过程高效且更加具有针对性，提升产品推荐的准确率。
请参阅图1，图1示出了本申请实施例所提供的一种产品的推荐方法的流程图。如图1中所示，本申请实施例提供的推荐方法，包括：
S101、获取目标用户输入的多个第一关键词，从多个初始对象中查找与所述关键词相匹配的多个候选对象。
该步骤中，获取目标用户根据自身需要输入的多个第一关键词，从预先存储的多个初始对象中进行初步的筛选，查找出与用户输入的第一关键词相匹配的多个候选对象。
这里，所述初始对象为预先存储的大量客户企业；所述第一关键词为目标用户根据自身产品推荐的需求，确定的所期望寻找的目标客户企业的特征类型；所述候选对象为从大量初始对象筛选出的与目标用户输入的第一关键词相匹配的候选客户企业，后续需要对多个候选客户企业进行进一步的筛选；所述目标用户为产品的营销人员或者提供产品的企业。
其中，可选的，第一关键词可以为目标客户企业的所属行业、所在地区、企业规模、成立年限等。用户输入的第一关键词数量可以根据需要进行选择，在此不做具体限制。初始对象可以为：行业龙头企业、区域龙头企业、中国百强企业、第三方推荐的公司等。初始对象可以通过爬虫等大数据技术进行获取。
在一种可能的实施方式中，所述推荐方法可用于产品推荐引擎，所述产品推荐引擎的数据库内部预先存储有大量客户企业，并且所述产品推荐引擎设置有一个交互显示界面，目标用户可以根据自身的产品推荐需要，在交互显示界面中，输入期望进行产品推荐的目标客户企业的特征关键词，例如：目标用户为银行企业，需要对金融贷款产品进行推荐，期望的目标客户企业的特征为：企业所在地区为北京，企业规模为2000人，所述行业为房地产企业。用户可以利用“地区-北京”、“规模-2000人”、“行业-房地产”，作为关键词，即第一关键词，输入至产品推荐引擎，产品推荐引擎根据上述三个关键词，从数据库内包含的总数量10000家客户企业中，搜索出与用户输入的上述三个关键词相匹配的500家企业所在地区为北京，企业规模为2000人，所述行业为房地产企业的目标客户企业作为后续需要进一步筛选的候选客户企业。
这样，用户可以根据需要有针对性的对需要获取的目标客户企业信息进行搜索，提升获取目标客户企业信息的准确性及效率。
S102、根据所述多个候选对象中每个候选对象对应的推荐特征，从所述多个候选对象中选取目标对象。
该步骤中，每个候选对象预设有与之对应的推荐特征，根据每个候选对象对应的所述推荐特征，对候选对象进行进一步的筛选，得出目标对象。
这里，目标对象为最终推荐给目标用户进行产品推荐的目标客户企业，推荐特征为候选对象中发生的可以触发产品推荐商机的事件。
可选的，在此步骤之前，所述推荐方法还包括：对所述候选对象进行跟踪监测，获取所述候选对象的推荐特征。例如，在一种可能的实施方式中，目标用户为银行企业，需要进行金融贷款产品的推荐，根据用户输入的关键词查找到在产品推荐引擎的数据库中存储的与用户输入的关键词相匹配的某房地产企业作为候选对象，进一步的，对该房地产企业进行检测发现其拿到了环评批复，鉴于房地产企业在房地产项目开工立项之前必须要取得环保部门颁发的环境影响评价批复(即环评批复)，该房地产企业极有可能会需要贷款资金开始工程建设，因此环评批复即可作为该企业的一个推荐特征。
其中，每个候选对象的推荐特征数量可以为一个或者多个。
具体的，通过以下方法从所述多个候选对象中选取目标对象：
基于推荐特征与推荐值的对应关系，确定与每个候选对象的推荐特征相匹配的推荐值：
根据与每个候选对象的推荐特征相匹配的推荐值，从多个候选对象中选取所述目标对象。
这里，推荐值为通过对每个候选对象中存在的多个推荐特征进行评价，量化反映候选对象存在的商机，候选对象的推荐值越大，说明目标用户与候选对象之间达成交易或其他合作机会的概率越大。
其中，推荐特征与推荐值的对应关系可以根据所属行业及目标用户的需求进行设置，在此不做具体限制。
可选的，在一种可能的实施方式中，将推荐值最大的推荐特征对应的候选对象确定为目标对象。
可选的，在另一种可能的实施方式中，将推荐值大于预设推荐值阈值的推荐特征对应的候选对象确定为目标对象。
这里，推荐值阈值的大小可以根据实际需要进行选择，在此不做具体限制。
可选的，产品推荐引擎内置有候选对象的推荐特征与推荐值之间的对应关系，针对每一所述候选对象，设置所述候选对象的初始推荐值，将每一个所述推荐特征对应的推荐值之和，确定为所述候选对象的特征值。
这样，对候选对象进行进一步的筛选，为目标用户推荐更有商机的目标客户企业，使目标用户产品推荐的针对性更强，增加目标用户与目标客户企业之间的交易或其他合作机会达成并落地实施的概率。
S103、根据所述目标对象对应的推荐特征，从所述目标用户对应的多个产品中选取与所述目标对象相匹配的目标产品。
该步骤中，从目标用户对应的多个产品中，选择出与目标对象的推荐特征相匹配的目标产品。
这里，利用目标对象的推荐特征获取目标对象所需求的产品类型，在目标用户对应的多个产品中，选择与所述产品类型对应的目标产品进行推荐。
其中，目标产品为目标客户需要针对目标对象进行推荐的产品。
在一种可能的实施方式中，目标用户企业为银行企业，其需要推荐的产品包括贷款产品、理财产品、储蓄产品等多种类型，当目标用户利用产品推荐引擎进行搜索后，产品推荐引擎得到的目标客户企业的推荐特征对应的商机为：目标客户企业可能对于贷款产品有需求。由此，产品推荐引擎在目标用户需要推荐的包括贷款产品、理财产品、储蓄产品等多种类型的产品中，选取贷款产品作为目标产品。
这样，在获得目标客户企业后，根据目标客户企业的需求，有针对性的选择相应的产品进行推荐，提升产品推荐的准确率。
S104、将所述目标产品发送给所述目标对象对应的终端。
该步骤中，将与目标对象的推荐特征匹配好的目标产品发送至目标对象对应的终端。
这里，将目标用户的目标产品发送至推荐的目标客户企业，完成产品的推荐过程。
这样，用户无需进行人工走访拓展客户，自动获取具有商机的目标客户企业，并将需要推荐的产品直接发送至目标客户企业，使产品推荐过程更加直接便捷。
本申请实施例提供的产品的推荐方法，用户可以根据自身需要，通过输入关键词，自动获取与关键词对应的相关客户企业的客户信息，并提供与此客户信息对应的推荐特征，基于此推荐特征，用户可以确定该企业所需的产品类型，并根据获得的客户信息，将相关产品精确推荐至有需求的客户企业，使产品推荐的过程高效且更加具有针对性，提升产品推荐的准确率。
请参阅图2，图2示出了本申请实施例提供的一种候选对象的确定方法的流程图。如图2中所示，本申请实施例提供的候选对象的确定方法，包括：
S201、根据每个对象类别预设的多个第二关键词，确定所述多个第一关键词所属的目标对象类别。
该步骤中，初始对象在产品推荐引擎中分类存储，存储有初始对象的每个对象类别分别对应一个第二关键词，所述第二关键词可标识每个对象类别，将与第一关键词相同的第二关键词对应的对象类别为目标对象类别。
这里，每一对象类别对应的所述第二关键词为存储在该对象类别中的全部初始对象拥有的共同特征词汇，当获取到目标用户输入的第一关键词后，通过查找与第一关键词相同的第二关键词，将候选对象的筛选范围确定为与第一关键词相同的第二关键词对应的对象类别。
在一种可能的实施方式中，在产品推荐引擎内部预先获取有大量的初始对象，将全部初始对象按照类别存储为多个对象类别，产品推荐引擎内部可对这些对象类别进行预设，如：按照企业类型进行分类，得到的对象类别分别有：友商融资客户、新增投资企业、新增订单企业等不同类别，其中，友商融资客户、新增投资企业、新增订单企业等词汇为第二关键词；按照企业所在行业进行分类，得到的对象类别分别有：农林渔牧、化工、电子、汽车、轻工制造、公共事业等不同类别，其中，农林渔牧、化工、电子、汽车、轻工制造、公共事业等词汇为第二关键词。当目标用户输入的第一关键词为：“新增投资企业、轻工制造”时，确定第一关键词对应的目标对象类别为：产品推荐引擎内部预设的，按照企业类型进行分类的新增投资企业类别及按照企业所在行业进行分类的轻工制造类别。
这样，对初始对象进行分类存储，使查找过程更为方便快捷，在大量的初始对象中快速准确定位匹配的候选对象。
S202、将所述目标对象类别下的多个初始对象，确定为所述候选对象。
该步骤中，在确定了第一关键词所属的目标对象类别后，将存储与该对象类别下的多个初始对象，确定为候选对象。
在一种可能的实施方式中，若将第一关键词对应的目标对象类别确定为新增投资企业类别及轻工制造类别后，则将存储在新增投资企业类别及轻工制造类别下的全部初始对象确定为候选对象。
本申请实施例提供的产品的推荐方法，用户可以根据自身需要，通过输入关键词，自动获取与关键词对应的相关客户企业的客户信息，并提供与此客户信息对应的推荐特征，基于此推荐特征，用户可以确定该企业所需的产品类型，并根据获得的客户信息，将相关产品精确推荐至有需求的客户企业，使产品推荐的过程高效且更加具有针对性，提升产品推荐的准确率。
请参阅图3，图3示出了本申请实施例所提供的一种初始对象所属的对象类别的确定方法的流程图。如图3中所示，本申请实施例提供的初始对象所属的对象类别的确定方法，包括：
S301、获取所述多个初始对象中每个初始对象对应的关联信息。
该步骤中，每个初始对象对应有多个与之相关联的信息，获取多个初始对象中每个初始对象对应的关联信息。
其中，关联信息包括：目标客户企业的所属行业、所在地区、企业规模、成立年限、融资标签、商机时间中的至少一个信息，获取到的每个初始对象对应的关联信息的数量可以根据实际需要确定，在此不做具体限制。
可选的，通过以下方法确定所述初始对象对应的关联信息：
获取每个初始对象对应的初始信息。
其中，初始信息的获取渠道包括：外部数据源获取及线下渠道收集。可选的，初始信息为：目标客户企业的工商信息、监管处罚信息、财务数据、发债数据、新闻舆情、外部融资等。
针对每个初始对象，对该初始对象对应的初始信息进行去重处理，得到该初始对象对应的关联信息。
该步骤中，获取到的多个初始信息往往包含冗余及重复的信息，此时需要对冗余及重复的信息进行清理，得到与该初始对象对应的关联信息。
可选的，利用数据仓库技术(Extract-Transform-Load，ETL)对初始信息进行清理。由于初始对象的来源较为复杂，导致获取的与每个初始对象对应的初始信息分散、杂乱、标准不一甚至包含冗余及重复的部分，为了加强对初始信息的管理，利用ETL技术，将获取的初始信息经过抽取、转换、加载等过程的处理，得到进行结构化存储的关联信息。
S302、针对每个初始对象，对该初始对象对应的关联信息进行解析处理，生成该初始对象对应的第三关键词。
该步骤中，解析该初始对象对应的关联信息，生成该初始对象对应的第三关键词。
在一种可选的实施方式中，利用自然语言处理技术(Natural LanguageProcessing，NLP)对初始对象对应的关联信息进行解析，从关联信息中解析出初始对象的相关特征，作为初始对象对应的第三关键词。例如：通过NLP技术对初始对象的关联信息进行解析后得出的结果为：企业地点：天津、企业类型：汽车制造业，企业规模：4000人，成立年限：5年。则“天津”、“汽车制造业”、“4000人”、“5年”等词汇，即为初始对象对应的第三关键词。
S303、根据该初始对象对应的第三关键词，以及每个对象类别预设的多个第二关键词，确定该初始对象所属的对象类别。
该步骤中，将每个初始对象对应的第三关键词与每个对象类别预设的国歌第二关键词进行对比，将与第二关键词相同的第三关键词对应的初始对象确定归类为与该第二关键词对应的对象类别为初始对象所属的对象类别。
这样，将初始对象准确进行分类存储，有利于数据的管理，加快目标客户企业的匹配速度，提升产品推荐效率。
本申请实施例提供的产品的推荐方法，用户可以根据自身需要，通过输入关键词，自动获取与关键词对应的相关客户企业的客户信息，并提供与此客户信息对应的推荐特征，基于此推荐特征，用户可以确定该企业所需的产品类型，并根据获得的客户信息，将相关产品精确推荐至有需求的客户企业，使产品推荐的过程高效且更加具有针对性，提升产品推荐的准确率。
请参阅图4、图5，图4示出了本申请实施例所提供的一种产品的推荐装置的结构示意图，图5示出了本申请实施例所提供的另一种产品的推荐装置的结构示意图。如图4中所示，所述推荐装置400包括：
获取模块410，用于获取目标用户输入的多个第一关键词，从多个初始对象中查找与所述关键词相匹配的多个候选对象；
筛选模块420，用于根据所述多个候选对象中每个候选对象对应的推荐特征，从所述多个候选对象中选取目标对象；
推荐模块430，用于根据所述目标对象对应的推荐特征，从所述目标用户对应的多个产品中选取与所述目标对象相匹配的目标产品；
发送模块440，将所述目标产品发送给所述目标对象对应的终端。
进一步的，如图5所示，所述推荐装置400还包括第一确定模块450，所述第一确定模块450用于：
根据每个对象类别预设的多个第二关键词，确定所述多个第一关键词所属的目标对象类别；
将所述目标对象类别下的多个初始对象，确定为所述候选对象。
进一步的，所述第一确定模块450还用于：
获取所述多个初始对象中每个初始对象对应的关联信息；
针对每个初始对象，对该初始对象对应的关联信息进行解析处理，生成该初始对象对应的第三关键词；
根据该初始对象对应的第三关键词，以及每个对象类别预设的多个第二关键词，确定该初始对象所属的对象类别。
进一步的，所述推荐装置400还包括第二确定模块，所述第二确定模块用于：
基于推荐特征与推荐值的对应关系，确定与每个候选对象的推荐特征相匹配的推荐值：
根据与每个候选对象的推荐特征相匹配的推荐值，从多个候选对象中选取所述目标对象。
进一步的，所述第一确定模块450还用于：
获取每个初始对象对应的初始信息；
针对每个初始对象，对该初始对象对应的初始信息进行去重处理，得到该初始对象对应的关联信息。
本申请实施例提供的产品的推荐装置，用户可以根据自身需要，通过输入关键词，自动获取与关键词对应的相关客户企业的客户信息，并提供与此客户信息对应的推荐特征，基于此推荐特征，用户可以确定该企业所需的产品类型，并根据获得的客户信息，将相关产品精确推荐至有需求的客户企业，使产品推荐的过程高效且更加具有针对性，提升产品推荐的准确率。
请参阅图6，图6示出了本申请实施例所提供的一种电子设备的结构示意图。如图6中所示，所述电子设备600包括处理器610、存储器620和总线630。
所述存储器620存储有所述处理器610可执行的机器可读指令，当电子设备600运行时，所述处理器610与所述存储器620之间通过总线630通信，所述机器可读指令被所述处理器610执行时，可以执行如上述图1至图3所示方法实施例中的产品的推荐方法的步骤，具体实现方式可参见方法实施例，在此不再赘述。
本申请实施例还提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时可以执行如上述图1至图3所示方法实施例中的产品的推荐方法的步骤，具体实现方式可参见方法实施例，在此不再赘述。
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。
在本申请所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。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，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，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通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
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，作为单元显示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网络单元上。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。
另外，在本申请各个实施例中的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。
所述功能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，可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解，本申请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)执行本申请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-OnlyMemory，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。
最后应说明的是：以上所述实施例，仅为本申请的具体实施方式，用以说明本申请的技术方案，而非对其限制，本申请的保护范围并不局限于此，尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本申请实施例技术方案的精神和范围，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种产品的推荐方法，其特征在于，所述推荐方法包括：
获取目标用户输入的多个第一关键词，从多个初始对象中查找与所述关键词相匹配的多个候选对象；
根据所述多个候选对象中每个候选对象对应的推荐特征，从所述多个候选对象中选取目标对象；
根据所述目标对象对应的推荐特征，从所述目标用户对应的多个产品中选取与所述目标对象相匹配的目标产品；
将所述目标产品发送给所述目标对象对应的终端。
2.根据权利要求1所述的推荐方法，其特征在于，所述获取目标用户输入的多个第一关键词，从多个初始对象中查找与所述关键词相匹配的多个候选对象，包括：
根据每个对象类别预设的多个第二关键词，确定所述多个第一关键词所属的目标对象类别；
将所述目标对象类别下的多个初始对象，确定为所述候选对象。
3.根据权利要求2所述的推荐方法，其特征在于，通过如下方式确定所述初始对象所属的对象类别：
获取所述多个初始对象中每个初始对象对应的关联信息；
针对每个初始对象，对该初始对象对应的关联信息进行解析处理，生成该初始对象对应的第三关键词；
根据该初始对象对应的第三关键词，以及每个对象类别预设的多个第二关键词，确定该初始对象所属的对象类别。
4.根据权利要求1所述的推荐方法，其特征在于，所述根据所述多个候选对象中每个候选对象对应的推荐特征，从所述多个候选对象中选取目标对象，包括：
基于推荐特征与推荐值的对应关系，确定与每个候选对象的推荐特征相匹配的推荐值：
根据与每个候选对象的推荐特征相匹配的推荐值，从多个候选对象中选取所述目标对象。
5.根据权利要求3所述的推荐方法，其特征在于，通过如下方式获取每个初始对象对应的关联信息：
获取每个初始对象对应的初始信息；
针对每个初始对象，对该初始对象对应的初始信息进行去重处理，得到该初始对象对应的关联信息。
6.一种产品的推荐装置，其特征在于，所述推荐装置包括：
获取模块，用于获取目标用户输入的多个第一关键词，从多个初始对象中查找与所述关键词相匹配的多个候选对象；
筛选模块，用于根据所述多个候选对象中每个候选对象对应的推荐特征，从所述多个候选对象中选取目标对象；
推荐模块，用于根据所述目标对象对应的推荐特征，从所述目标用户对应的多个产品中选取与所述目标对象相匹配的目标产品；
发送模块，将所述目标产品发送给所述目标对象对应的终端。
7.根据权利要求6所述的推荐装置，其特征在于，所述推荐装置还包括第一确定模块，所述第一确定模块用于：
根据每个对象类别预设的多个第二关键词，确定所述多个第一关键词所属的目标对象类别；
将所述目标对象类别下的多个初始对象，确定为所述候选对象。
8.根据权利要求7所述的推荐装置，其特征在于，所述第一确定模块还用于：
获取所述多个初始对象中每个初始对象对应的关联信息；
针对每个初始对象，对该初始对象对应的关联信息进行解析处理，生成该初始对象对应的第三关键词；
根据该初始对象对应的第三关键词，以及每个对象类别预设的多个第二关键词，确定该初始对象所属的对象类别。
9.一种电子设备，其特征在于，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储器之间通过所述总线通信，所述机器可读指令被所述处理器执行时执行如权利要求1至5中任一所述的产品的推荐方法的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行如权利要求1至5中任一所述的产品的推荐方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011563721.5A CN112598471A (zh) | 2020-12-25 | 2020-12-25 | 一种产品的推荐方法、推荐装置及电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011563721.5A CN112598471A (zh) | 2020-12-25 | 2020-12-25 | 一种产品的推荐方法、推荐装置及电子设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112598471A true CN112598471A (zh) | 2021-04-02 |
Family
ID=75202187
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011563721.5A Pending CN112598471A (zh) | 2020-12-25 | 2020-12-25 | 一种产品的推荐方法、推荐装置及电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112598471A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113139125A (zh) * | 2021-04-21 | 2021-07-20 | 北方工业大学 | 一种用户需求驱动的服务匹配方法 |
Citations (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104679784A (zh) * | 2013-12-03 | 2015-06-03 | 上海博科资讯股份有限公司 | 一种o2b智能搜索方法及系统 |
| WO2017000513A1 (zh) * | 2015-06-30 | 2017-01-05 | 百度在线网络技术（北京）有限公司 | 一种基于用户搜索行为的信息推送方法、装置、存储介质和设备 |
| CN107092608A (zh) * | 2016-04-16 | 2017-08-25 | 口碑控股有限公司 | 一种目标对象的搜索、推荐方法和设备 |
| CN108256010A (zh) * | 2018-01-03 | 2018-07-06 | 阿里巴巴集团控股有限公司 | 内容推荐方法及装置 |
| CN108268660A (zh) * | 2018-02-08 | 2018-07-10 | 深圳市口袋网络科技有限公司 | 一种客户数据推荐方法、服务器及存储介质 |
| CN109118336A (zh) * | 2018-08-24 | 2019-01-01 | 平安科技（深圳）有限公司 | 信息推荐方法、装置、计算机设备及存储介质 |
| CN109242514A (zh) * | 2018-08-28 | 2019-01-18 | 腾讯科技（深圳）有限公司 | 客户标签推荐方法、装置和系统 |
| CN109345302A (zh) * | 2018-09-27 | 2019-02-15 | 腾讯科技（深圳）有限公司 | 机器学习模型训练方法、装置、存储介质和计算机设备 |
| CN109410004A (zh) * | 2018-10-29 | 2019-03-01 | 维沃移动通信有限公司 | 一种推荐方法、装置及移动终端 |
| CN110795471A (zh) * | 2019-10-31 | 2020-02-14 | 北京金堤科技有限公司 | 数据匹配的方法及装置、计算机可读存储介质、电子设备 |
| CN111429200A (zh) * | 2020-02-24 | 2020-07-17 | 浙江口碑网络技术有限公司 | 一种内容关联方法及装置、存储介质、计算机设备 |
| CN111552870A (zh) * | 2020-04-01 | 2020-08-18 | 深圳壹账通智能科技有限公司 | 对象推荐方法、电子装置及存储介质 |
| CN112085566A (zh) * | 2020-09-07 | 2020-12-15 | 中国平安财产保险股份有限公司 | 基于智能决策的产品推荐方法、装置及计算机设备 |
| CN112100524A (zh) * | 2020-09-17 | 2020-12-18 | 北京百度网讯科技有限公司 | 一种信息推荐的方法、装置、设备以及存储介质 |
| CN113569135A (zh) * | 2021-06-30 | 2021-10-29 | 深圳市东信时代信息技术有限公司 | 基于用户画像的推荐方法、装置、计算机设备及存储介质 |
| CN114971787A (zh) * | 2022-05-25 | 2022-08-30 | 中信建投证券股份有限公司 | 信息推荐方法、装置、系统及推荐服务器 |
-
2020
- 2020-12-25 CN CN202011563721.5A patent/CN112598471A/zh active Pending
Patent Citations (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104679784A (zh) * | 2013-12-03 | 2015-06-03 | 上海博科资讯股份有限公司 | 一种o2b智能搜索方法及系统 |
| WO2017000513A1 (zh) * | 2015-06-30 | 2017-01-05 | 百度在线网络技术（北京）有限公司 | 一种基于用户搜索行为的信息推送方法、装置、存储介质和设备 |
| CN107092608A (zh) * | 2016-04-16 | 2017-08-25 | 口碑控股有限公司 | 一种目标对象的搜索、推荐方法和设备 |
| CN108256010A (zh) * | 2018-01-03 | 2018-07-06 | 阿里巴巴集团控股有限公司 | 内容推荐方法及装置 |
| CN108268660A (zh) * | 2018-02-08 | 2018-07-10 | 深圳市口袋网络科技有限公司 | 一种客户数据推荐方法、服务器及存储介质 |
| CN109118336A (zh) * | 2018-08-24 | 2019-01-01 | 平安科技（深圳）有限公司 | 信息推荐方法、装置、计算机设备及存储介质 |
| CN109242514A (zh) * | 2018-08-28 | 2019-01-18 | 腾讯科技（深圳）有限公司 | 客户标签推荐方法、装置和系统 |
| CN109345302A (zh) * | 2018-09-27 | 2019-02-15 | 腾讯科技（深圳）有限公司 | 机器学习模型训练方法、装置、存储介质和计算机设备 |
| CN109410004A (zh) * | 2018-10-29 | 2019-03-01 | 维沃移动通信有限公司 | 一种推荐方法、装置及移动终端 |
| CN110795471A (zh) * | 2019-10-31 | 2020-02-14 | 北京金堤科技有限公司 | 数据匹配的方法及装置、计算机可读存储介质、电子设备 |
| CN111429200A (zh) * | 2020-02-24 | 2020-07-17 | 浙江口碑网络技术有限公司 | 一种内容关联方法及装置、存储介质、计算机设备 |
| CN111552870A (zh) * | 2020-04-01 | 2020-08-18 | 深圳壹账通智能科技有限公司 | 对象推荐方法、电子装置及存储介质 |
| CN112085566A (zh) * | 2020-09-07 | 2020-12-15 | 中国平安财产保险股份有限公司 | 基于智能决策的产品推荐方法、装置及计算机设备 |
| CN112100524A (zh) * | 2020-09-17 | 2020-12-18 | 北京百度网讯科技有限公司 | 一种信息推荐的方法、装置、设备以及存储介质 |
| CN113569135A (zh) * | 2021-06-30 | 2021-10-29 | 深圳市东信时代信息技术有限公司 | 基于用户画像的推荐方法、装置、计算机设备及存储介质 |
| CN114971787A (zh) * | 2022-05-25 | 2022-08-30 | 中信建投证券股份有限公司 | 信息推荐方法、装置、系统及推荐服务器 |
Non-Patent Citations (1)
| Title |
|---|
| 满玉华 主编: "《客户经理管理》", 31 December 2011, 中国金融出版社, pages: 99 - 100 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113139125A (zh) * | 2021-04-21 | 2021-07-20 | 北方工业大学 | 一种用户需求驱动的服务匹配方法 |
| CN113139125B (zh) * | 2021-04-21 | 2024-02-09 | 北方工业大学 | 一种用户需求驱动的服务匹配方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10268670B2 (en) | System and method detecting hidden connections among phrases | |
| US11663254B2 (en) | System and engine for seeded clustering of news events | |
| US9454615B2 (en) | System and methods for predicting user behaviors based on phrase connections | |
| WO2017000513A1 (zh) | 一种基于用户搜索行为的信息推送方法、装置、存储介质和设备 | |
| JP5575902B2 (ja) | クエリのセマンティックパターンに基づく情報検索 | |
| US9946775B2 (en) | System and methods thereof for detection of user demographic information | |
| US20120102057A1 (en) | Entity name matching | |
| CN108984554B (zh) | 用于确定关键词的方法和装置 | |
| US10002187B2 (en) | Method and system for performing topic creation for social data | |
| CN104933100A (zh) | 关键词推荐方法和装置 | |
| US20110313842A1 (en) | System and methods thereof for providing an advertisement placement recommendation based on trends | |
| CN110766486A (zh) | 确定物品类目的方法和装置 | |
| US8930377B2 (en) | System and methods thereof for mining web based user generated content for creation of term taxonomies | |
| CN105468649A (zh) | 一种待展示对象匹配的判断方法及其装置 | |
| CA2956627A1 (en) | System and engine for seeded clustering of news events | |
| CN117391313B (zh) | 基于ai的智能决策方法、系统、设备以及介质 | |
| CN108734021B (zh) | 一种基于去隐私数据的金融贷款大数据风险评估方法与系统 | |
| CN112598471A (zh) | 一种产品的推荐方法、推荐装置及电子设备 | |
| CN113506050A (zh) | 员工绩效的评估方法、装置、电子设备及可读存储介质 | |
| CN113254544B (zh) | 一种基于维度建模的数据处理装置及方法 | |
| CN116739626A (zh) | 商品数据挖掘处理方法、装置、电子设备及可读介质 | |
| CN113254781A (zh) | 推荐系统中的模型确定方法、装置、电子设备和存储介质 | |
| CN112612817A (zh) | 数据处理方法、装置、终端设备及计算机可读存储介质 | |
| CN113822691A (zh) | 用户账号的识别方法、装置、系统和介质 | |
| CN112016975A (zh) | 产品筛选方法、装置、计算机设备及可读存储介质 |
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 |