CN113127755A - 一种人工智能虚拟形象信息推荐算法系统及方法 - Google Patents
一种人工智能虚拟形象信息推荐算法系统及方法 Download PDFInfo
- Publication number
- CN113127755A CN113127755A CN202110447847.4A CN202110447847A CN113127755A CN 113127755 A CN113127755 A CN 113127755A CN 202110447847 A CN202110447847 A CN 202110447847A CN 113127755 A CN113127755 A CN 113127755A
- Authority
- CN
- China
- Prior art keywords
- module
- user
- data
- transmission connection
- information recommendation
- 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 27
- 230000005540 biological transmission Effects 0.000 claims abstract description 50
- 238000007405 data analysis Methods 0.000 claims abstract description 26
- 238000004364 calculation method Methods 0.000 claims abstract description 19
- 238000010801 machine learning Methods 0.000 claims abstract description 17
- 238000013473 artificial intelligence Methods 0.000 claims abstract description 16
- 238000002474 experimental method Methods 0.000 claims abstract description 14
- 238000012549 training Methods 0.000 claims abstract description 14
- 238000012544 monitoring process Methods 0.000 claims abstract description 11
- 238000012163 sequencing technique Methods 0.000 claims abstract description 7
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 230000014759 maintenance of location Effects 0.000 claims description 4
- 230000000052 comparative effect Effects 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012545 processing 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
- G06F16/9536—Search customisation based on social or collaborative filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Business, Economics & Management (AREA)
- General Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Software Systems (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Life Sciences & Earth Sciences (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种人工智能虚拟形象信息推荐算法系统及方法，涉及信息推荐系统技术领域，为解决现有的信息推荐系统在使用的过程中对推荐信息的数据源摄取范围较小，导致推荐给用户的范围也随之减小的问题。所述信息推荐系统包括客户端、客户业务后端、模型服务模块、机器学习框架模块、训练数据模块、数据分析模块、内容源数据、特征平台、批量数据计算及存储系统、流式计算系统、实验分流模块、召回模块、排序模块和在线存储模块，所述信息推荐系统的外部设置有调度系统、监控报警系统，所述信息推荐系统的输出端与调度系统的输入端传输连接，所述调度系统的输出端与监控报警系统的输入端传输连接。
Description
技术领域
本发明涉及信息推荐系统技术领域，具体为一种人工智能虚拟形象信息推荐算法系统及方法。
背景技术
推荐系统是利用电子商务网站向客户提供商品信息和建议，帮助用户决定应该购买什么产品，模拟销售人员帮助客户完成购买过程，如申请号为202011394631.8名为一种信息推荐系统及方法，该系统包括第一推荐单元和第二推荐单元；第一推荐单元包括第一特征处理器和推荐数据处理器，第一特征处理器用于根据账户的第一账户关联信息得到第一输入特征，并将第一输入特征传递至推荐数据处理器；推荐数据处理器用于根据第一输入特征和第二推荐单元得到的放缩特征信息确定待推荐对象的推荐参数；第二推荐单元包括第二特征处理器和门控单元，第二特征处理器用于根据第二账户关联信息得到第二输入特征，并将第二输入特征传递至门控单元；门控单元用于根据第二输入特征得到放缩特征信息，并将放缩特征信息传递至推荐数据处理器。
上述该系统的在使用的过程中对推荐信息的数据源摄取范围较小，导致推荐给用户的范围也随之减小，为此，我们提供一种人工智能虚拟形象信息推荐算法系统及方法。
发明内容
本发明的目的在于提供一种人工智能虚拟形象信息推荐算法系统及方法，以解决上述背景技术中提出的现有的信息推荐系统在使用的过程中对推荐信息的数据源摄取范围较小，导致推荐给用户的范围也随之减小的问题。
为实现上述目的，本发明提供如下技术方案：一种人工智能虚拟形象信息推荐算法系统，包括信息推荐系统，所述信息推荐系统包括客户端、客户业务后端、模型服务模块、机器学习框架模块、训练数据模块、数据分析模块、内容源数据、特征平台、批量数据计算及存储系统、流式计算系统、实验分流模块、召回模块、排序模块和在线存储模块，所述信息推荐系统的外部设置有调度系统、监控报警系统，所述信息推荐系统的输出端与调度系统的输入端传输连接，所述调度系统的输出端与监控报警系统的输入端传输连接。
优选的，所述数据分析模块的输出端与训练数据模块和特征平台的输入端传输连接，所述内容源数据的输出端与训练数据模块和特征平台的输入端传输连接，所述训练数据模块的输出端与机器学习框架模块的输入端传输连接，所述机器学习框架模块的输出端与模型服务模块的输入端传输连接，所述模型服务模块的输出端与实验分流模块、召回模块和排序模块输入端传输连接，所述实验分流模块、召回模块和排序模块的输出端与客户业务后端的输入端传输连接。
优选的，所述特征平台的输出端与机器学习框架模块、批量数据计算及存储系统和流式计算系统的输入端传输连接，所述批量数据计算及存储系统和流式计算系统的输出端与在线存储模块的输入端传输连接，所述在线存储模块的输出端与实验分流模块、召回模块和排序模块的输入端传输连接，所述客户业务后端的输出端与特征平台的输入端传输连接。
优选的，所述客户业务后端的输出端与客户端的输入端传输连接，所述客户端和客户业务后端的输出端均与数据分析模块的输入端传输连接。
优选的，所述数据分析模块包括分析点击通过率、人均浏览率、付费转化率、留存率、不同来源、不同区域、不同品类和不同频道，所述内容源数据的来源包括个人App、局域网、手机小程序、服务器、业务数据和云平台。
优选的，所述数据分析模块和内容源数据运行的结果分为数据来源，数据来源包括物品信息、用户信息和用户对物品的偏好，数据来源通过推荐引擎将物品A、物品B、物品C和物品D推荐给用户A、用户B、用户C和用户D。
优选的，所述推荐引擎包括Feed信息流、相关推荐和猜你喜欢、所述推荐引擎将推荐的数据上传至数据分析模块，且推荐引擎的输出端与数据分析模块的输入端传输连接。
优选的，所述模型服务模块包括UCB兴趣探索软件、GBDT+LR算法软件、NLP语义分析软件、HMF深度召回软件、Deep&Wide深度学习软件，且UCB兴趣探索软件、GBDT+LR算法软件、NLP语义分析软件、HMF深度召回软件、Deep&Wide深度学习软件分别针对不同的数据源。
优选的，所述机器学习框架模块基于协同过滤的推荐方法，包括收集数据、找到相似用户和物品和进行推荐三个流程。
优选的，所述的一种人工智能虚拟形象信息推荐算法系统及方法，包括以下步骤：
步骤一：基于用户信息的推荐，根据系统用户的基本信息发现用户的相关程度；
步骤二：系统首先根据用户的属性建模，摄取用户的年龄、性别、兴趣等信息；
步骤三：根据这些特征计算用户间的相似度，系统通过计算发现用户A和用户C信息的比较相似，就会把A喜欢的物品推荐给C；
步骤四：基于物品信息和用户对物品偏好的推荐，使用物品本身的相似度；
步骤五：系统首先对物品的属性进行建模，通过相似度计算，发现物品A和C相似度较高，系统还会发现用户A喜欢物品A；
步骤六：由此得出结论，用户A很可能对物品C也感兴趣，于是将物品C推荐给A；
步骤七：根据用户的相似度权重以及他们对物品的偏好，预测当前用户没有偏好的未涉及物品，计算得到一个排序的物品列表作为推荐；
步骤八：对于用户A根据用户的历史偏好，计算得到一个相同历史偏好的用户C，然后将用户C喜欢的物品D推荐给用户A。
与现有技术相比，本发明的有益效果是：
1、本发明通过基于用户信息的推荐、基于物品信息和用户对物品偏好的推荐，数据分析模块包括分析点击通过率、人均浏览率、付费转化率、留存率、不同来源、不同区域、不同品类和不同频道，内容源数据的来源包括个人App、局域网、手机小程序、服务器、业务数据和云平台，从而达到大范围摄取物品虚拟形象信息的目的，克服了现有的信息推荐系统在使用的过程中对推荐信息的数据源摄取范围较小，导致推荐给用户的范围也随之减小的问题。
2、推荐引擎包括Feed信息流、相关推荐和猜你喜欢、推荐引擎将推荐的数据上传至数据分析模块，且推荐引擎的输出端与数据分析模块的输入端传输连接，从而达到保留历史推荐数据的目的，历史的推荐数据可根据用户的相似度权重以及他们对物品的偏好，预测当前用户没有偏好的未涉及物品，计算得到一个排序的物品列表作为推荐。
3、信息推荐系统的外部设置有调度系统、监控报警系统，信息推荐系统的输出端与调度系统的输入端传输连接，调度系统的输出端与监控报警系统的输入端传输连接，使得信息推荐系统在运行的同时可对其进行合理的调度，监控报警系统对信息推荐系统的调度进行实时的监控，一旦系统发生问题第一时间报警进行维护处理。
附图说明
图1为本发明的人工智能虚拟形象信息推荐算法系统整体示意图；
图2为本发明的人工智能虚拟形象信息推荐算法系统整体模块示意图；
图3为本发明的信息推荐算法系统工作流程示意图；
图4为本发明的基于用户信息的推荐方法示意图；
图5为本发明的基于物品信息和用户对物品偏好的推荐方法示意图；
图中：1、客户端；2、客户业务后端；3、模型服务模块；4、机器学习框架模块；5、训练数据模块；6、数据分析模块；7、内容源数据；8、特征平台；9、批量数据计算及存储系统；10、流式计算系统；11、实验分流模块；12、召回模块；13、排序模块；14、在线存储模块；15、调度系统；16、监控报警系统；17、信息推荐系统。
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，所描述的实施例仅是本发明一部分实施例，而不是全部的实施例。
请参阅图1-5，本发明提供的一种实施例：一种人工智能虚拟形象信息推荐算法系统，包括信息推荐系统17，信息推荐系统17包括客户端1、客户业务后端2、模型服务模块3、机器学习框架模块4、训练数据模块5、数据分析模块6、内容源数据7、特征平台8、批量数据计算及存储系统9、流式计算系统10、实验分流模块11、召回模块12、排序模块13和在线存储模块14，信息推荐系统17的外部设置有调度系统15、监控报警系统16，信息推荐系统17的输出端与调度系统15的输入端传输连接，调度系统15的输出端与监控报警系统16的输入端传输连接。
进一步，数据分析模块6的输出端与训练数据模块5和特征平台8的输入端传输连接，内容源数据7的输出端与训练数据模块5和特征平台8的输入端传输连接，训练数据模块5的输出端与机器学习框架模块4的输入端传输连接，机器学习框架模块4的输出端与模型服务模块3的输入端传输连接，模型服务模块3的输出端与实验分流模块11、召回模块12和排序模块13输入端传输连接，实验分流模块11、召回模块12和排序模块13的输出端与客户业务后端2的输入端传输连接。
进一步，特征平台8的输出端与机器学习框架模块4、批量数据计算及存储系统9和流式计算系统10的输入端传输连接，批量数据计算及存储系统9和流式计算系统10的输出端与在线存储模块14的输入端传输连接，在线存储模块14的输出端与实验分流模块11、召回模块12和排序模块13的输入端传输连接，客户业务后端2的输出端与特征平台8的输入端传输连接。
进一步，客户业务后端2的输出端与客户端1的输入端传输连接，客户端1和客户业务后端2的输出端均与数据分析模块6的输入端传输连接。
进一步，数据分析模块6包括分析点击通过率、人均浏览率、付费转化率、留存率、不同来源、不同区域、不同品类和不同频道，内容源数据7的来源包括个人App、局域网、手机小程序、服务器、业务数据和云平台。
进一步，数据分析模块6和内容源数据7运行的结果分为数据来源，数据来源包括物品信息、用户信息和用户对物品的偏好，数据来源通过推荐引擎将物品A、物品B、物品C和物品D推荐给用户A、用户B、用户C和用户D。
进一步，推荐引擎包括Feed信息流、相关推荐和猜你喜欢、推荐引擎将推荐的数据上传至数据分析模块6，且推荐引擎的输出端与数据分析模块6的输入端传输连接。
进一步，模型服务模块3包括UCB兴趣探索软件、GBDT+LR算法软件、NLP语义分析软件、HMF深度召回软件、Deep&Wide深度学习软件，且UCB兴趣探索软件、GBDT+LR算法软件、NLP语义分析软件、HMF深度召回软件、Deep&Wide深度学习软件分别针对不同的数据源。
进一步，机器学习框架模块4基于协同过滤的推荐方法，包括收集数据、找到相似用户和物品和进行推荐三个流程。
进一步，一种人工智能虚拟形象信息推荐算法系统及方法，包括以下步骤：
步骤一：基于用户信息的推荐，根据系统用户的基本信息发现用户的相关程度；
步骤二：系统首先根据用户的属性建模，摄取用户的年龄、性别、兴趣等信息；
步骤三：根据这些特征计算用户间的相似度，系统通过计算发现用户A和用户C信息的比较相似，就会把A喜欢的物品推荐给C；
步骤四：基于物品信息和用户对物品偏好的推荐，使用物品本身的相似度；
步骤五：系统首先对物品的属性进行建模，通过相似度计算，发现物品A和C相似度较高，系统还会发现用户A喜欢物品A；
步骤六：由此得出结论，用户A很可能对物品C也感兴趣，于是将物品C推荐给A；
步骤七：根据用户的相似度权重以及他们对物品的偏好，预测当前用户没有偏好的未涉及物品，计算得到一个排序的物品列表作为推荐；
步骤八：对于用户A根据用户的历史偏好，计算得到一个相同历史偏好的用户C，然后将用户C喜欢的物品D推荐给用户A。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
Claims (10)
1.一种人工智能虚拟形象信息推荐算法系统，包括信息推荐系统(17)，其特征在于：所述信息推荐系统(17)包括客户端(1)、客户业务后端(2)、模型服务模块(3)、机器学习框架模块(4)、训练数据模块(5)、数据分析模块(6)、内容源数据(7)、特征平台(8)、批量数据计算及存储系统(9)、流式计算系统(10)、实验分流模块(11)、召回模块(12)、排序模块(13)和在线存储模块(14)，所述信息推荐系统(17)的外部设置有调度系统(15)、监控报警系统(16)，所述信息推荐系统(17)的输出端与调度系统(15)的输入端传输连接，所述调度系统(15)的输出端与监控报警系统(16)的输入端传输连接。
2.根据权利要求1所述的一种人工智能虚拟形象信息推荐算法系统，其特征在于：所述数据分析模块(6)的输出端与训练数据模块(5)和特征平台(8)的输入端传输连接，所述内容源数据(7)的输出端与训练数据模块(5)和特征平台(8)的输入端传输连接，所述训练数据模块(5)的输出端与机器学习框架模块(4)的输入端传输连接，所述机器学习框架模块(4)的输出端与模型服务模块(3)的输入端传输连接，所述模型服务模块(3)的输出端与实验分流模块(11)、召回模块(12)和排序模块(13)输入端传输连接，所述实验分流模块(11)、召回模块(12)和排序模块(13)的输出端与客户业务后端(2)的输入端传输连接。
3.根据权利要求1所述的一种人工智能虚拟形象信息推荐算法系统，其特征在于：所述特征平台(8)的输出端与机器学习框架模块(4)、批量数据计算及存储系统(9)和流式计算系统(10)的输入端传输连接，所述批量数据计算及存储系统(9)和流式计算系统(10)的输出端与在线存储模块(14)的输入端传输连接，所述在线存储模块(14)的输出端与实验分流模块(11)、召回模块(12)和排序模块(13)的输入端传输连接，所述客户业务后端(2)的输出端与特征平台(8)的输入端传输连接。
4.根据权利要求1所述的一种人工智能虚拟形象信息推荐算法系统，其特征在于：所述客户业务后端(2)的输出端与客户端(1)的输入端传输连接，所述客户端(1)和客户业务后端(2)的输出端均与数据分析模块(6)的输入端传输连接。
5.根据权利要求1所述的一种人工智能虚拟形象信息推荐算法系统，其特征在于：所述数据分析模块(6)包括分析点击通过率、人均浏览率、付费转化率、留存率、不同来源、不同区域、不同品类和不同频道，所述内容源数据(7)的来源包括个人App、局域网、手机小程序、服务器、业务数据和云平台。
6.根据权利要求5所述的一种人工智能虚拟形象信息推荐算法系统，其特征在于：所述数据分析模块(6)和内容源数据(7)运行的结果分为数据来源，数据来源包括物品信息、用户信息和用户对物品的偏好，数据来源通过推荐引擎将物品A、物品B、物品C和物品D推荐给用户A、用户B、用户C和用户D。
7.根据权利要求6所述的一种人工智能虚拟形象信息推荐算法系统，其特征在于：所述推荐引擎包括Feed信息流、相关推荐和猜你喜欢、所述推荐引擎将推荐的数据上传至数据分析模块(6)，且推荐引擎的输出端与数据分析模块(6)的输入端传输连接。
8.根据权利要求1所述的一种人工智能虚拟形象信息推荐算法系统，其特征在于：所述模型服务模块(3)包括UCB兴趣探索软件、GBDT+LR算法软件、NLP语义分析软件、HMF深度召回软件、Deep&Wide深度学习软件，且UCB兴趣探索软件、GBDT+LR算法软件、NLP语义分析软件、HMF深度召回软件、Deep&Wide深度学习软件分别针对不同的数据源。
9.根据权利要求1所述的一种人工智能虚拟形象信息推荐算法系统，其特征在于：所述机器学习框架模块(4)基于协同过滤的推荐方法，包括收集数据、找到相似用户和物品和进行推荐三个流程。
10.根据权利要求1-9任意一项所述的一种人工智能虚拟形象信息推荐算法系统及方法，其特征在于，包括以下步骤：
步骤一：基于用户信息的推荐，根据系统用户的基本信息发现用户的相关程度；
步骤二：系统首先根据用户的属性建模，摄取用户的年龄、性别、兴趣等信息；
步骤三：根据这些特征计算用户间的相似度，系统通过计算发现用户A和用户C信息的比较相似，就会把A喜欢的物品推荐给C；
步骤四：基于物品信息和用户对物品偏好的推荐，使用物品本身的相似度；
步骤五：系统首先对物品的属性进行建模，通过相似度计算，发现物品A和C相似度较高，系统还会发现用户A喜欢物品A；
步骤六：由此得出结论，用户A很可能对物品C也感兴趣，于是将物品C推荐给A；
步骤七：根据用户的相似度权重以及他们对物品的偏好，预测当前用户没有偏好的未涉及物品，计算得到一个排序的物品列表作为推荐；
步骤八：对于用户A根据用户的历史偏好，计算得到一个相同历史偏好的用户C，然后将用户C喜欢的物品D推荐给用户A。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110447847.4A CN113127755A (zh) | 2021-04-25 | 2021-04-25 | 一种人工智能虚拟形象信息推荐算法系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110447847.4A CN113127755A (zh) | 2021-04-25 | 2021-04-25 | 一种人工智能虚拟形象信息推荐算法系统及方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113127755A true CN113127755A (zh) | 2021-07-16 |
Family
ID=76779790
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110447847.4A Pending CN113127755A (zh) | 2021-04-25 | 2021-04-25 | 一种人工智能虚拟形象信息推荐算法系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113127755A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115964027A (zh) * | 2023-03-16 | 2023-04-14 | 杭州实在智能科技有限公司 | 基于人工智能的桌面嵌入式rpa流程配置系统及方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105488662A (zh) * | 2016-01-07 | 2016-04-13 | 北京歌利沃夫企业管理有限公司 | 一种基于双向推荐的在线招聘系统 |
| CN107562818A (zh) * | 2017-08-16 | 2018-01-09 | 中国工商银行股份有限公司 | 信息推荐系统及方法 |
| US20180240158A1 (en) * | 2017-02-17 | 2018-08-23 | Kasatria Analytics Sdn Bhd | Computer implemented system and method for customer profiling using micro-conversions via machine learning |
| CN108959641A (zh) * | 2018-07-27 | 2018-12-07 | 北京未来媒体科技股份有限公司 | 一种基于人工智能的内容信息推荐方法及系统 |
| CN111047190A (zh) * | 2019-12-12 | 2020-04-21 | 广西电网有限责任公司 | 一种基于交互式学习技术的多元化业务建模框架系统 |
-
2021
- 2021-04-25 CN CN202110447847.4A patent/CN113127755A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105488662A (zh) * | 2016-01-07 | 2016-04-13 | 北京歌利沃夫企业管理有限公司 | 一种基于双向推荐的在线招聘系统 |
| US20180240158A1 (en) * | 2017-02-17 | 2018-08-23 | Kasatria Analytics Sdn Bhd | Computer implemented system and method for customer profiling using micro-conversions via machine learning |
| CN107562818A (zh) * | 2017-08-16 | 2018-01-09 | 中国工商银行股份有限公司 | 信息推荐系统及方法 |
| CN108959641A (zh) * | 2018-07-27 | 2018-12-07 | 北京未来媒体科技股份有限公司 | 一种基于人工智能的内容信息推荐方法及系统 |
| CN111047190A (zh) * | 2019-12-12 | 2020-04-21 | 广西电网有限责任公司 | 一种基于交互式学习技术的多元化业务建模框架系统 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115964027A (zh) * | 2023-03-16 | 2023-04-14 | 杭州实在智能科技有限公司 | 基于人工智能的桌面嵌入式rpa流程配置系统及方法 |
| CN115964027B (zh) * | 2023-03-16 | 2023-06-30 | 杭州实在智能科技有限公司 | 基于人工智能的桌面嵌入式rpa流程配置系统及方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110162693B (zh) | 一种信息推荐的方法以及服务器 | |
| CN111080413A (zh) | 电商平台商品的推荐方法、装置、服务器和存储介质 | |
| CN112115363A (zh) | 一种推荐方法、计算设备及存储介质 | |
| WO2022100518A1 (zh) | 一种基于用户画像的物品推荐方法和装置 | |
| CN112348629A (zh) | 一种商品信息推送方法和装置 | |
| CN110020162B (zh) | 用户识别方法和装置 | |
| CN111949887A (zh) | 物品推荐方法、装置及计算机可读存储介质 | |
| CN112215448A (zh) | 分配客服的方法和装置 | |
| CN113946754A (zh) | 基于用户画像的权益推荐方法、装置、设备及存储介质 | |
| CN116468460B (zh) | 基于人工智能的消费金融客户画像识别系统及其方法 | |
| CN112417294A (zh) | 一种基于神经网络挖掘模型的业务智能推荐方法 | |
| CN108182268B (zh) | 一种基于社会网络的协同过滤推荐方法及系统 | |
| CN111429161A (zh) | 特征提取方法、特征提取装置、存储介质及电子设备 | |
| WO2023284516A1 (zh) | 基于知识图谱的信息推荐方法、装置、设备、介质及产品 | |
| CN109493186A (zh) | 确定推送信息的方法和装置 | |
| CN111340522A (zh) | 资源推荐方法、装置、服务器及存储介质 | |
| CN112150184A (zh) | 点击率预估方法及其系统、计算机系统及计算机可读介质 | |
| CN113127755A (zh) | 一种人工智能虚拟形象信息推荐算法系统及方法 | |
| CN113469786A (zh) | 物品推荐的方法、装置、计算机设备和存储介质 | |
| CN115719244A (zh) | 用户行为预测方法及装置 | |
| CN111400567B (zh) | 一种基于ai的用户数据的处理方法、装置及系统 | |
| CN110544140A (zh) | 一种处理浏览数据的方法和装置 | |
| CN111460300B (zh) | 网络内容推送方法、装置及存储介质 | |
| CN114385915A (zh) | 一种内容推荐方法、装置、存储介质及电子设备 | |
| CN114463085A (zh) | 自动化营销的通用沟通互动方法、装置、电子设备及存储介质 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210716 |
|
| RJ01 | Rejection of invention patent application after publication |