CN113344674A - 基于用户购买力的产品推荐方法、装置、设备及存储介质 - Google Patents

基于用户购买力的产品推荐方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN113344674A
CN113344674A CN202110719409.9A CN202110719409A CN113344674A CN 113344674 A CN113344674 A CN 113344674A CN 202110719409 A CN202110719409 A CN 202110719409A CN 113344674 A CN113344674 A CN 113344674A
Authority
CN
China
Prior art keywords
data
product
transaction
user
preset
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
CN202110719409.9A
Other languages
English (en)
Inventor
房倩琦
刘进
曾芳
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.)
Ping An Trust Co Ltd
Original Assignee
Ping An Trust 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 Ping An Trust Co Ltd filed Critical Ping An Trust Co Ltd
Priority to CN202110719409.9A priority Critical patent/CN113344674A/zh
Publication of CN113344674A publication Critical patent/CN113344674A/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
    • G06Q30/06—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
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/279—Recognition of textual entities
    • G06F40/284—Lexical analysis, e.g. tokenisation or collocates
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/30—Semantic analysis
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Strategic Management (AREA)
  • Development Economics (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Computational Linguistics (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Artificial Intelligence (AREA)
  • General Business, Economics & Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Data Mining & Analysis (AREA)
  • Game Theory and Decision Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及数据分析技术，揭露了一种基于用户购买力的产品推荐方法，包括：根据用户的交易数据确定交易产品；获取用户的账户信息和交易产品的产品数据，根据账户信息与产品数据对用户在预设时刻的购买力进行分析；当购买力不符合预设交易标准时，对用户进行交易风险预警；当购买力不符合预设交易标准时，根据交易数据及产品数据生成用户交易特征；计算用户交易特征与预设的产品集合中每一个产品的匹配值，向用户推荐产品集合中匹配值大于预设匹配阈值的产品。此外，本发明还涉及区块链技术，交易数据可存储于区块链的节点。本发明还提出一种基于用户购买力的产品推荐装置、电子设备以及存储介质。本发明可以提高产品推荐精确度。

Description

基于用户购买力的产品推荐方法、装置、设备及存储介质
技术领域
本发明涉及数据分析技术领域，尤其涉及一种基于用户购买力的产品推荐方法、装置、电子设备及计算机可读存储介质。
背景技术
随着人们需求的多样化，产品供应商在市场上提供越来越多的产品，但为了给用户更好的消费者体验，提高产品的推广程度，需要从海量用户中筛选出与产品相符合的用户，以进行产品推荐。
现有的产品推荐技术多为基于单一的特征实现用户与产品的匹配，但没有考虑到用户的实际的购买能力大小。例如，当用户拥有较较少的资产时，会向用户推荐一些低端产品，但若该用户的账户上有着较多的固定资产，该用户的购买能力其实较强。因此，在实际应用中，若仅考虑用户的单一特征对用户进行产品推荐，可能造成对产品推荐方式过于单一，从而导致对用户进行产品推荐的精确度较低。
发明内容
本发明提供一种基于用户购买力的产品推荐方法、装置及计算机可读存储介质，其主要目的在于解决进行产品推荐时的精确度较低的问题。
为实现上述目的，本发明提供的一种基于用户购买力的产品推荐方法，包括：
获取用户的交易数据，根据预设的段落分割符将所述交易数据拆分为多个数据段落，提取每一个所述数据段落的段落语义；
根据所述段落语义从预设的产品列表中查询每一个所述数据段落对应的交易产品；
获取所述用户的账户信息和所述交易产品的产品数据，根据所述账户信息与所述产品数据对所述用户在预设时刻的购买力进行分析；
当所述购买力不符合预设交易标准时，利用所述账户信息与所述产品数据对所述用户进行交易风险预警；
当所述购买力不符合预设交易标准时，提取所述交易数据的数据特征，以及提取所述产品数据的数据特征，并将所述交易数据的数据特征和所述产品数据的数据特征汇集为用户交易特征；
计算所述用户交易特征与预设的产品集合中每一个产品的匹配值，向所述用户推荐所述产品集合中所述匹配值大于预设匹配阈值的产品。
可选地，所述根据预设的段落分割符将所述交易数据拆分为多个数据段落，包括：
统计所述交易数据中预设段落分隔符的位置信息；
根据所述位置信息将所述交易数据拆分为多个数据段落。
可选地，所述提取每一个所述数据段落的段落语义，包括：
对每一个所述数据段落进行分词处理，得到段落分词；
从所述段落分词中逐个选取其中一个分词为目标分词；
统计所述目标分词在所述目标分词对应的段落的分词中出现的第一频率，统计所述目标分词在所有数据段落的分词中出现的第二频率；
根据所述第一频率和所述第二频率计算所述目标分词的关键度，选取所述关键度大于预设关键阈值的目标分词为所述目分词对应的数据段落的关键词；
将所述关键词转换为词向量，确定所述词向量为所述目标分词对应的数据段落的段落语义。
可选地，所述根据所述段落语义从预设的产品列表中查询每一个所述数据段落对应的交易产品，包括：
构建预设的产品列表的索引；
根据所述索引和所述段落语义从所述产品列表中进行检索，得到与所述段落语义对应的产品；
将检索到的所述产品作为所述段落语义对应的数据段落的交易产品。
可选地，所述根据所述账户信息与所述产品数据对所述用户在预设时刻的购买力进行分析，包括：
识别所述账户信息的数据类型，以及识别所述产品数据的数据类型；
获取预设字符，利用与所述账户信息的数据类型对应的编译器将所述预设字符编译为第一规则表达式；
利用与所述产品数据的数据类型对应的编译器将所述预设字符编译为第二规则表达式；
利用所述第一规则表达式从所述账户信息中提取出账户余额和产品持有数量；
利用所述第二规则表达式从所述产品数据中提取出产品单价和产品到期时间；
根据所述账户余额、所述产品持有数量、所述产品单价和所述产品到期时间计算所述用户在预设时刻的购买力。
可选地，所述提取所述交易数据的数据特征，包括：
利用预先构建的语义分析模型对所述交易数据进行卷积、池化处理，得到所述交易数据的第一特征；
利用预设的第一激活函数计算所述待筛选特征中每一个特征的第一输出值，汇集所述待筛选特征中所述第一输出值大于预设的第一输出阈值的特征为所述交易数据的第二特征；
利用预设的第二激活函数计算所述第二特征中每一个特征的第二输出值，汇集所述待筛选特征中所述第二输出值大于预设的第二输出阈值的特征为所述交易数据的数据特征。
可选地，所述将所述交易数据的数据特征和所述产品数据的数据特征汇集为用户交易特征，包括：
将所述交易数据的数据特征转换为第一特征向量；
将所述产品数据的数据特征转换为第二特征向量；
将所述第一特征向量与所述第二特征向量作为行向量拼接为所述用户交易特征。
为了解决上述问题，本发明还提供一种基于用户购买力的产品推荐装置，所述装置包括：
语义提取模块，用于获取用户的交易数据，根据预设的段落分割符将所述交易数据拆分为多个数据段落，提取每一个所述数据段落的段落语义；
产品查询模块，用于根据所述段落语义从预设的产品列表中查询每一个所述数据段落对应的交易产品；
购买力分析模块，用于获取所述用户的账户信息和所述交易产品的产品数据，根据所述账户信息与所述产品数据对所述用户在预设时刻的购买力进行分析；
交易告警模块，用于当所述购买力不符合预设交易标准时，利用所述账户信息与所述产品数据对所述用户进行交易风险预警；
用户特征生成模块，用于当所述购买力不符合预设交易标准时，提取所述交易数据的数据特征，以及提取所述产品数据的数据特征，并将所述交易数据的数据特征和所述产品数据的数据特征汇集为用户交易特征；
产品推荐模块，用于计算所述用户交易特征与预设的产品集合中每一个产品的匹配值，向所述用户推荐所述产品集合中所述匹配值大于预设匹配阈值的产品。
为了解决上述问题，本发明还提供一种电子设备，所述电子设备包括：
存储器，存储至少一个指令；及
处理器，执行所述存储器中存储的指令以实现上述所述的基于用户购买力的产品推荐方法。
为了解决上述问题，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一个指令，所述至少一个指令被电子设备中的处理器执行以实现上述所述的基于用户购买力的产品推荐方法。
本发明实施例能够根据用户的交易数据对用户的购买力进行分析，以在用户购买力不足时对用户进行预警，在用户购买力充足时，分析用户的交易特征，以根据交易特征针对性的对用户进行产品推荐，提高了产品推荐的精确度。因此本发明提出的基于用户购买力的产品推荐方法、装置、电子设备及计算机可读存储介质，可以解决进行产品推荐时的精确度较低的问题。
附图说明
图1为本发明一实施例提供的基于用户购买力的产品推荐方法的流程示意图；
图2为本发明一实施例提供的计算匹配值的流程示意图；
图3为本发明一实施例提供的选取第二用户画像的流程示意图；
图4为本发明一实施例提供的基于用户购买力的产品推荐装置的功能模块图；
图5为本发明一实施例提供的实现所述基于用户购买力的产品推荐方法的电子设备的结构示意图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本申请实施例提供一种基于用户购买力的产品推荐方法。所述基于用户购买力的产品推荐方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之，所述基于用户购买力的产品推荐方法可以由安装在终端设备或服务端设备的软件或硬件来执行，所述软件可以是区块链平台。所述服务端包括但不限于：单台服务器、服务器集群、云端服务器或云端服务器集群等。
参照图1所示，为本发明一实施例提供的基于用户购买力的产品推荐方法的流程示意图。在本实施例中，所述基于用户购买力的产品推荐方法包括：
S1、获取用户的交易数据，根据预设的段落分割符将所述交易数据拆分为多个数据段落，提取每一个所述数据段落的段落语义。
本发明实施例中，所述交易数据包括用户对任何产品的购买数据，例如，用户对股票的购买数据、用户对债券的购买数据、用户对大宗商品的购买数据等。
本发明实施例可利用具有数据抓取功能的计算机语句(java语句、python语句等)从预先构建的用于存储所述交易数据的存储区域中抓取用户授权的交易数据，所述存储区域包括但不限于数据库、区块链节点、网络缓存。
本发明其中一个实际应用场景中，由于所述交易数据中包含用户对多种产品的交易数据，数据量通常十分庞大，若直接对所述交易数据进行处理，会占用大量的计算资源，导致数据分析的效率低下，因此，本发明实施例可利用预设的段落分割符将所述交易数据拆分为多个数据段，以减少每一个数据段中数据的含量，进而提高对交易数据进行分析的效率。
本发明实施例中，所述段落分割符可由用户预先设定，所述段落分割符包括但不限于句号、省略号等。
本发明实施例中，所述根据预设的段落分割符将所述交易数据拆分为多个数据段落，包括：
统计所述交易数据中预设段落分隔符的位置信息；
根据所述位置信息将所述交易数据拆分为多个数据段落。
例如，所述交易数据为“用户2020年3月15日购买10份期权产品A……用户2020年4月15日购买20份期权产品B……用户2020年5月15日购买30份期权产品C……”，当预设的段落分隔符为省略号时，可按照所述交易数据中省略号的位置信息，将所述交易数据拆分为“用户2020年3月15日购买10份期权产品A……”、“用户2020年4月15日购买20份期权产品B……”、“用户2020年5月15日购买30份期权产品C……”三个数据段落。
本发明其中一个实际应用场景中，由于按照预设的段落分隔符号对所述交易数据进行拆分，没有考虑到每个段落中原本的语义，因此，会导致同一个产品的交易数据被拆分为多个数据段落，若直接对拆分的数据段落进行分析，会造成分析的精确度降低，进而，本发明实施例可提取每一个所述数据段落的段落语义，以便于后续根据每个数据段落语义对数据段落进行处理，提高对交易数据进行分析的精确度。
本发明实施例中，参图2所示，所述提取每一个所述数据段落的段落语义，包括：
S21、对每一个所述数据段落进行分词处理，得到段落分词；
S22、从所述段落分词中逐个选取其中一个分词为目标分词；
S23、统计所述目标分词在所述目标分词对应的段落的分词中出现的第一频率，统计所述目标分词在所有数据段落的分词中出现的第二频率；
S24、根据所述第一频率和所述第二频率计算所述目标分词的关键度，选取所述关键度大于预设关键阈值的目标分词为所述目分词对应的数据段落的关键词；
S25、将所述关键词转换为词向量，确定所述词向量为所述目标分词对应的数据段落的段落语义。
详细地，所述第一频率是指所述目标分词在所述目标分词对应的数据段落的分词中出现的次数，所述第二频率是指所述目标分词在所有数据段落的分词中出现的次数，根据TF-IDF算法的思想，当一个词在该词的数据段落中出现的频率越大，而在整体的数据段的分词中出现的频率越少时，则说明所述目标分词对该目标分词所在的数据段落的语义涵盖性越强，因此，本发明实施例可通过统计所述目标分词在所述目标分词对应的段落的分词中出现的第一频率，统计所述目标分词在所有数据段落的分词中出现的第二频率，进而根据所述第一频率和所述第二频率计算出所述目标分词的关键度。
具体地，所述根据所述第一频率和所述第二频率计算所述目标分词的关键度，包括：
利用如下关键度算法计算所述目标分词的关键度：
K＝W+f1-f2
其中，K为所述关键度，W为预设系数，f1为所述第一频率，f2为所述第二频率。
进一步地，本发明实施例可利用预设的向量转换模型将所述关键词转换为词向量，并将所述词向量作为所述目标段落的段落语义，所述向量转换模型包括但不限于word2vec模型、bert模型。
本发明实施例中，将所述关键词转换为特征向量，并将所述关键词作为所述目标段落的段落语义，可将所述关键词转换为数值形式，有利于提高后续利用所述段落语义对交易数据进行分析的效率。
S2、根据所述段落语义从预设的产品列表中查询每一个所述数据段落对应的交易产品。
本发明其中一个实际应用场景中，由于所述交易数据中包含用户对多种产品的交易数据，因此，为了提高后续对用户进行产品推荐的精确度，本发明实施例可根据所述段落语义从预设的产品列表中查询每一个所述数据段落对应的交易产品，详细地，所述产品列表中包含多个产品。
本发明实施例中，所述根据所述段落语义从预设的产品列表中查询每一个所述数据段落对应的交易产品，包括：
构建预设的产品列表的索引；
根据所述索引和所述段落语义从所述产品列表中进行检索，得到与所述段落语义对应的产品；
将检索到的所述产品作为所述段落语义对应的数据段落的交易产品。
详细地，可利用SQL库中CREATE INDEX函数构建所述产品列表的索引，所述索引用于可用于在所述产品列表中进行产品的检索。
示例性地，可利用如下CREATE INDEX函数构建所述产品列表的索引：
CREATE INDEX index-name；
ON table-name(column-name)；
其中，index-name为创建的索引的名称，table-name为所述产品列表的表名，column-name为所述产品列表中需要创建索引的数据列的名称。
本发明实施例中，通过所述索引和所述段落语义在所述产品列表中进行检索，即可得到与所述段落语义对应的产品，可确定该检索到的产品为所述段落语义对应的数据段落的交易产品。
S3、获取所述用户的账户信息和所述交易产品的产品数据，根据所述账户信息与所述产品数据对所述用户在预设时刻的购买力进行分析。
本发明实施例中，所述用户的账户信息为所述用户在产生所述交易数据时所使用的账户的信息，所述账户信息包括但不限于账户名称、账户余额、账户持有产品数量。
详细地，可通过预先在所述用户进行交易的界面中构建的数据埋点抓取所述用户授权可被获取的账户信息，通过所述数据埋点对所述用户数据进行抓取，可提高抓取所述账户信息的实时性。
本发明实施例中，所述交易产品的产品数据是指所述交易产品中每一个产品的产品名称、产品价格、产品内容描述、产品期限等数据。
详细地，可通过具有数据抓取功能的计算机语句(java语句、python语句等)从预先构建的存储区域抓取预先存储的产品数据，所存储区域包括但不限于数据库、区块链节点、网络缓存。
进一步地，本发明实施例可根据所述账户信息与所述产品数据对所述用户的购买力进行分析。
例如，所述账户信息为用户账户1月1日的余额为1000，账户持有10个期货产品A，持有5个期货产品B，所述产品数据包括用户购买的期货产品A和期货产品B，其中期货产品A的单价为100，到期时间为2月1日，期货产品B的单价为200，到期时间为3月1日；则可根据所述账户信息与所述产品数据分析得出，该用户在1月1日的购买力为1000元，该用户在2月1日的购买力2000元，该用户在3月1日的购买力为3000元。
本发明实施例中，参图3所示，所述根据所述账户信息与所述产品数据对所述用户在预设时刻的购买力进行分析，包括：
S31、识别所述账户信息的数据类型，以及识别所述产品数据的数据类型；
S32、获取预设字符，利用与所述账户信息的数据类型对应的编译器将所述预设字符编译为第一规则表达式；
S33、利用与所述产品数据的数据类型对应的编译器将所述预设字符编译为第二规则表达式；
S34、利用所述第一规则表达式从所述账户信息中提取出账户余额和产品持有数量；
S35、利用所述第二规则表达式从所述产品数据中提取出产品单价和产品到期时间；
S36、根据所述账户余额、所述产品持有数量、所述产品单价和所述产品到期时间计算所述用户在预设时刻的购买力。
详细地，可利用具有数据类型检测功能的java语句识别所述账户信息的数据类型，以及识别所述产品数据的数据类型，所述数据类型包括数值型数据、非数值型数据等，进而根据所述数据类型选取相应的编译器将预设字符编译为规则表达式，可提高利用第一规则表达式和第二规则表达式从所述账户信息和所述产品数据中提取出各项数据的精确性。
具体地，由于账户余额、产品持有数量、产品单价和产品到期时间往往是以固定的格式存在于所述账户信息与所述产品数据中，因此，可利用所述规则表达式对上述数据进行提取，所述规则表达式为多个预设字符编译而成的具有特定字段提取功能的函数。
例如，产品到期时间以固定的“xx年xx月xx日”的形式存在于所述产品数据中，因此，可利用规则表达式对所述产品数据进行处理，以获取所述产品数据中所有以“xx年xx月xx日”的形式存的数据，进而得到每一个产品的产品到期时间。
本发明实施例中，所述根据所述账户余额、所述产品持有数量、所述产品单价和所述产品到期时间计算所述用户在预设时刻的购买力，包括：
利用如下权重算法根据所述账户余额、所述产品持有数量、所述产品单价和所述产品到期时间计算所述用户在预设时刻的购买力：
Figure BDA0003135983750000101
其中，Powt为所述用户在第t个产品的到期时间的购买力，A为在第t个产品的到期时间的所述账户余额，Bti为在第t个产品的到期时间的所述账户信息中第i个产品的产品持有数量，Ci为在第t个产品的到期时所述账户信息中的第i个产品的产品单价，α、β为预设权重系数。
S4、判断所述购买力是否符合预设交易标准；
本发明实施例中，可将所述购买力与预设的交易标准进行比对，以判断所述购买力是否符合预设的交易标准。
例如，所述购买力为3000元，所述预设的交易标准为1500元，3000元大于1500元，则可确认所述购买力符合预设交易标准，若此时的购买力为1000元，1000元小于1500元，则确认此时的购买力不符合所述预设交易标准。
当所述购买力不符合预设交易标准时，执行S5、利用所述账户信息与所述产品数据对所述用户进行交易风险预警。
本发明实施例中，当所述购买力不符合预设交易标准时，说明用户的现金流可能会出现问题，可利用所述账户信息与所述产品数据对所述用户进行交易风险预警。
本发明实施例中，可将所述账户信息与所述产品数据作为预警内容，对用户进行短信预警、电话预警，或者，还可将所述账户信息与所述产品数据在所述用户的交易界面中预设的区域进行展示，例如，将所述账户信息与所述产品数据以红色、黄色等高亮颜色进行标记，并展示与所述用户的交易界面中预设的区域中。
当所述购买力不符合预设交易标准时，执行S6、提取所述交易数据的数据特征，以及提取所述产品数据的数据特征，并将所述交易数据的数据特征和所述产品数据的数据特征汇集为用户交易特征。
本发明实施例中，当所述购买力不符合预设交易标准时，说明该用户的购买力充足，因此，可提取所述交易数据的数据特征，以及提取所述产品数据的数据特征，并将所述交易数据的数据特征和所述产品数据的数据特征汇集为用户交易特征，以便于后续根据提取的交易特征对用户进行针对性的产品推荐。
详细地，所述交易数据的数据特征包括但不限于交易金额、交易期限、交易类型；所述产品数据的数据特征包括但不限于产品类型、产品单价、产品期限、产品风险系数。
具体地，可利用预先构建的语义分析模型对每一个所述数据段落进行语义识别，以获取每一个所述数据段落的段落语义，所述语义分析模型包括但不限于NLP(NaturalLanguage Processing，自然语言处理)模型、LDA(Latent Dirichlet Allocation，隐含狄利克雷分布)模型。
本发明实施例中，所述提取所述交易数据的数据特征，包括：
利用预先构建的语义分析模型对所述交易数据进行卷积、池化处理，得到所述交易数据的第一特征；
利用预设的第一激活函数计算所述待筛选特征中每一个特征的第一输出值，汇集所述待筛选特征中所述第一输出值大于预设的第一输出阈值的特征为所述交易数据的第二特征；
利用预设的第二激活函数计算所述第二特征中每一个特征的第二输出值，汇集所述待筛选特征中所述第二输出值大于预设的第二输出阈值的特征为所述交易数据的数据特征。
详细地，利用所述语义分析模型对所述交易数据进行卷积、池化等处理，可实现提取出所述交易数据的第一特征，但提取出的第一特征中可能包含着被错误提取的特征，此类特征并不是该交易数据的数据特征，因此，本发明实施例利用预设的第一激活函数与第二激活函数对提取出的第一特征进行筛选，以提高最终生成的段落语义的精确度，所述第一激活函数和所述第二激活函数可以相同，所述第一激活函数和所述第二激活函数包括但不限于sigmoid激活函数、relu激活函数、softmax激活函数。
本发明实施例中，采用两个激活函数对提取出的所述第一特征进行筛选，可提高所述语义分析模型的复杂度，进而有利于提高筛选出的数据特征的精确度。
进一步地，所述提取所述产品数据的数据特征的步骤，与S5中提取所述交易数据的数据特征的步骤一致，在此不做赘述。
本发明实施例中，所述将所述交易数据的数据特征和所述产品数据的数据特征汇集为用户交易特征，包括：
将所述交易数据的数据特征转换为第一特征向量；
将所述产品数据的数据特征转换为第二特征向量；
将所述第一特征向量与所述第二特征向量作为行向量拼接为所述用户交易特征。
详细地，所述将所述交易数据的数据特征转换为第一特征向量，和所诉将所述产品数据的数据特征转换为第二特征向量的步骤，与S1中将所述关键词转换为词向量的步骤一致，在此不做赘述。
具体地，可将所述第一特征向量与所述第二特征向量作为行向量拼接为所述用户交易特征。
例如，存在第一特征向量(x,y,z)，和第二特征向量(a,b,c)，则可将所述第一特征向量与所述第二特征向量作为行向量拼接为如下用户交易特征：
Figure BDA0003135983750000121
其中，x,y,z为所述第一特征向量中的元素，a,b,c为所述第二特征向量中的元素。
本发明实施例将所述交易数据的数据特征转换为第一特征向量，将所述产品数据的数据特征转换为第二特征向量，可实现对数据特征的数值化，有利于提高后续根据生成的用户交易特征对用户进行产品推荐的精确度。
S7、计算所述用户交易特征与预设的产品集合中每一个产品的匹配值，向所述用户推荐所述产品集合中所述匹配值大于预设匹配阈值的产品。
本发明实施例中，可利用预设的匹配值算法计算所述用户交易特征与预设的产品集合中每一个产品的匹配值，进而向所述用户推荐所述产品集合中所述匹配值大于预设匹配阈值的产品。
本发明实施例中，所述计算所述用户交易特征与预设的产品集合中每一个产品的匹配值，包括：
利用如下匹配值算法计算所述用户交易特征与预设的产品集合中每一个产品的匹配值：
Figure BDA0003135983750000122
其中，P为所述匹配值，X为所述用户交易特征，Yk为所述预设的产品集合中第k个产品的数值化表示。
本发明实施例中，当利用上述匹配值算法计算所述用户交易特征与预设的产品集合中每一个产品的匹配值后，从所述产品集合中选取与所述匹配值大于预设匹配阈值的产品向用户进行推荐。
本发明实施例能够根据用户的交易数据对用户的购买力进行分析，以在用户购买力不足时对用户进行预警，在用户购买力充足时，分析用户的交易特征，以根据交易特征针对性的对用户进行产品推荐，提高了产品推荐的精确度。因此本发明提出的基于用户购买力的产品推荐方法、装置、电子设备及计算机可读存储介质，可以解决进行产品推荐时的精确度较低的问题。
如图4所示，是本发明一实施例提供的基于用户购买力的产品推荐装置的功能模块图。
本发明所述基于用户购买力的产品推荐装置100可以安装于电子设备中。根据实现的功能，所述基于用户购买力的产品推荐装置100可以包括语义提取模块101、产品查询模块102、购买力分析模块103、交易告警模块104、用户特征生成模块105及产品推荐模块106。本发明所述模块也可以称之为单元，是指一种能够被电子设备处理器所执行，并且能够完成固定功能的一系列计算机程序段，其存储在电子设备的存储器中。
在本实施例中，关于各模块/单元的功能如下：
所述语义提取模块101，用于获取用户的交易数据，根据预设的段落分割符将所述交易数据拆分为多个数据段落，提取每一个所述数据段落的段落语义；
所述产品查询模块102，用于根据所述段落语义从预设的产品列表中查询每一个所述数据段落对应的交易产品；
所述购买力分析模块103，用于获取所述用户的账户信息和所述交易产品的产品数据，根据所述账户信息与所述产品数据对所述用户在预设时刻的购买力进行分析；
所述交易告警模块104，用于当所述购买力不符合预设交易标准时，利用所述账户信息与所述产品数据对所述用户进行交易风险预警；
所述用户特征生成模块，用于当所述购买力不符合预设交易标准时，提取所述交易数据的数据特征105，以及提取所述产品数据的数据特征，并将所述交易数据的数据特征和所述产品数据的数据特征汇集为用户交易特征；
所述产品推荐模块106，用于计算所述用户交易特征与预设的产品集合中每一个产品的匹配值，向所述用户推荐所述产品集合中所述匹配值大于预设匹配阈值的产品。
详细地，本发明实施例中所述基于用户购买力的产品推荐装置100中所述的各模块在使用时采用与上述图1至图3中所述的基于用户购买力的产品推荐方法一样的技术手段，并能够产生相同的技术效果，这里不再赘述。
如图5所示，是本发明一实施例提供的实现基于用户购买力的产品推荐方法的电子设备的结构示意图。
所述电子设备1可以包括处理器10、存储器11、通信总线12以及通信接口13，还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序，如基于用户购买力的产品推荐程序。
其中，所述处理器10在一些实施例中可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器(Central Processing unit，CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心(ControlUnit)，利用各种接口和线路连接整个电子设备的各个部件，通过运行或执行存储在所述存储器11内的程序或者模块(例如执行基于用户购买力的产品推荐程序等)，以及调用存储在所述存储器11内的数据，以执行电子设备的各种功能和处理数据。
所述存储器11至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如：SD或DX存储器等)、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备的内部存储单元，例如该电子设备的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备的外部存储设备，例如电子设备上配备的插接式移动硬盘、智能存储卡(Smart Media Card，SMC)、安全数字(Secure Digital，SD)卡、闪存卡(Flash Card)等。进一步地，所述存储器11还可以既包括电子设备的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备的应用软件及各类数据，例如基于用户购买力的产品推荐程序的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。
所述通信总线12可以是外设部件互连标准(peripheral componentinterconnect，简称PCI)总线或扩展工业标准结构(extended industry standardarchitecture，简称EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。
所述通信接口13用于上述电子设备与其他设备之间的通信，包括网络接口和用户接口。可选地，所述网络接口可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等)，通常用于在该电子设备与其他电子设备之间建立通信连接。所述用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard))，可选地，用户接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode，有机发光二极管)触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备中处理的信息以及用于显示可视化的用户界面。
图5仅示出了具有部件的电子设备，本领域技术人员可以理解的是，图5示出的结构并不构成对所述电子设备1的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。
例如，尽管未示出，所述电子设备还可以包括给各个部件供电的电源(比如电池)，优选地，电源可以通过电源管理装置与所述至少一个处理器10逻辑相连，从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备还可以包括多种传感器、蓝牙模块、Wi-Fi模块等，在此不再赘述。
应该了解，所述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。
所述电子设备1中的所述存储器11存储的基于用户购买力的产品推荐程序是多个指令的组合，在所述处理器10中运行时，可以实现：
获取用户的交易数据，根据预设的段落分割符将所述交易数据拆分为多个数据段落，提取每一个所述数据段落的段落语义；
根据所述段落语义从预设的产品列表中查询每一个所述数据段落对应的交易产品；
获取所述用户的账户信息和所述交易产品的产品数据，根据所述账户信息与所述产品数据对所述用户在预设时刻的购买力进行分析；
当所述购买力不符合预设交易标准时，利用所述账户信息与所述产品数据对所述用户进行交易风险预警；
当所述购买力不符合预设交易标准时，提取所述交易数据的数据特征，以及提取所述产品数据的数据特征，并将所述交易数据的数据特征和所述产品数据的数据特征汇集为用户交易特征；
计算所述用户交易特征与预设的产品集合中每一个产品的匹配值，向所述用户推荐所述产品集合中所述匹配值大于预设匹配阈值的产品。
具体地，所述处理器10对上述指令的具体实现方法可参考图1对应实施例中相关步骤的描述，在此不赘述。
进一步地，所述电子设备1集成的模块/单元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，可以存储在一个计算机可读存储介质中。所述计算机可读存储介质可以是易失性的，也可以是非易失性的。例如，所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)。
本发明还提供一种计算机可读存储介质，所述可读存储介质存储有计算机程序，所述计算机程序在被电子设备的处理器所执行时，可以实现：
获取用户的交易数据，根据预设的段落分割符将所述交易数据拆分为多个数据段落，提取每一个所述数据段落的段落语义；
根据所述段落语义从预设的产品列表中查询每一个所述数据段落对应的交易产品；
获取所述用户的账户信息和所述交易产品的产品数据，根据所述账户信息与所述产品数据对所述用户在预设时刻的购买力进行分析；
当所述购买力不符合预设交易标准时，利用所述账户信息与所述产品数据对所述用户进行交易风险预警；
当所述购买力不符合预设交易标准时，提取所述交易数据的数据特征，以及提取所述产品数据的数据特征，并将所述交易数据的数据特征和所述产品数据的数据特征汇集为用户交易特征；
计算所述用户交易特征与预设的产品集合中每一个产品的匹配值，向所述用户推荐所述产品集合中所述匹配值大于预设匹配阈值的产品。
在本发明所提供的几个实施例中，应该理解到，所揭露的设备，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，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。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块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模块来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能模块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。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。
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涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一、第二等词语用来表示名称，而并不表示任何特定的顺序。
最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。

Claims (10)

1.一种基于用户购买力的产品推荐方法，其特征在于，所述方法包括：
获取用户的交易数据，根据预设的段落分割符将所述交易数据拆分为多个数据段落，提取每一个所述数据段落的段落语义；
根据所述段落语义从预设的产品列表中查询每一个所述数据段落对应的交易产品；
获取所述用户的账户信息和所述交易产品的产品数据，根据所述账户信息与所述产品数据对所述用户在预设时刻的购买力进行分析；
当所述购买力不符合预设交易标准时，利用所述账户信息与所述产品数据对所述用户进行交易风险预警；
当所述购买力不符合预设交易标准时，提取所述交易数据的数据特征，以及提取所述产品数据的数据特征，并将所述交易数据的数据特征和所述产品数据的数据特征汇集为用户交易特征；
计算所述用户交易特征与预设的产品集合中每一个产品的匹配值，向所述用户推荐所述产品集合中所述匹配值大于预设匹配阈值的产品。
2.如权利要求1所述的基于用户购买力的产品推荐方法，其特征在于，所述根据预设的段落分割符将所述交易数据拆分为多个数据段落，包括：
统计所述交易数据中预设段落分隔符的位置信息；
根据所述位置信息将所述交易数据拆分为多个数据段落。
3.如权利要求1所述的基于用户购买力的产品推荐方法，其特征在于，所述提取每一个所述数据段落的段落语义，包括：
对每一个所述数据段落进行分词处理，得到段落分词；
从所述段落分词中逐个选取其中一个分词为目标分词；
统计所述目标分词在所述目标分词对应的段落的分词中出现的第一频率，统计所述目标分词在所有数据段落的分词中出现的第二频率；
根据所述第一频率和所述第二频率计算所述目标分词的关键度，选取所述关键度大于预设关键阈值的目标分词为所述目分词对应的数据段落的关键词；
将所述关键词转换为词向量，确定所述词向量为所述目标分词对应的数据段落的段落语义。
4.如权利要求1所述的基于用户购买力的产品推荐方法，其特征在于，所述根据所述段落语义从预设的产品列表中查询每一个所述数据段落对应的交易产品，包括：
构建预设的产品列表的索引；
根据所述索引和所述段落语义从所述产品列表中进行检索，得到与所述段落语义对应的产品；
将检索到的所述产品作为所述段落语义对应的数据段落的交易产品。
5.如权利要求1所述的基于用户购买力的产品推荐方法，其特征在于，所述根据所述账户信息与所述产品数据对所述用户在预设时刻的购买力进行分析，包括：
识别所述账户信息的数据类型，以及识别所述产品数据的数据类型；
获取预设字符，利用与所述账户信息的数据类型对应的编译器将所述预设字符编译为第一规则表达式；
利用与所述产品数据的数据类型对应的编译器将所述预设字符编译为第二规则表达式；
利用所述第一规则表达式从所述账户信息中提取出账户余额和产品持有数量；
利用所述第二规则表达式从所述产品数据中提取出产品单价和产品到期时间；
根据所述账户余额、所述产品持有数量、所述产品单价和所述产品到期时间计算所述用户在预设时刻的购买力。
6.如权利要求1至5中任一项所述的基于用户购买力的产品推荐方法，其特征在于，所述提取所述交易数据的数据特征，包括：
利用预先构建的语义分析模型对所述交易数据进行卷积、池化处理，得到所述交易数据的第一特征；
利用预设的第一激活函数计算所述待筛选特征中每一个特征的第一输出值，汇集所述待筛选特征中所述第一输出值大于预设的第一输出阈值的特征为所述交易数据的第二特征；
利用预设的第二激活函数计算所述第二特征中每一个特征的第二输出值，汇集所述待筛选特征中所述第二输出值大于预设的第二输出阈值的特征为所述交易数据的数据特征。
7.如权利要求1至5中任一项所述的基于用户购买力的产品推荐方法，其特征在于，所述将所述交易数据的数据特征和所述产品数据的数据特征汇集为用户交易特征，包括：
将所述交易数据的数据特征转换为第一特征向量；
将所述产品数据的数据特征转换为第二特征向量；
将所述第一特征向量与所述第二特征向量作为行向量拼接为所述用户交易特征。
8.一种基于用户购买力的产品推荐装置，其特征在于，所述装置包括：
语义提取模块，用于获取用户的交易数据，根据预设的段落分割符将所述交易数据拆分为多个数据段落，提取每一个所述数据段落的段落语义；
产品查询模块，用于根据所述段落语义从预设的产品列表中查询每一个所述数据段落对应的交易产品；
购买力分析模块，用于获取所述用户的账户信息和所述交易产品的产品数据，根据所述账户信息与所述产品数据对所述用户在预设时刻的购买力进行分析；
交易告警模块，用于当所述购买力不符合预设交易标准时，利用所述账户信息与所述产品数据对所述用户进行交易风险预警；
用户特征生成模块，用于当所述购买力不符合预设交易标准时，提取所述交易数据的数据特征，以及提取所述产品数据的数据特征，并将所述交易数据的数据特征和所述产品数据的数据特征汇集为用户交易特征；
产品推荐模块，用于计算所述用户交易特征与预设的产品集合中每一个产品的匹配值，向所述用户推荐所述产品集合中所述匹配值大于预设匹配阈值的产品。
9.一种电子设备，其特征在于，所述电子设备包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如权利要求1至7中任意一项所述的基于用户购买力的产品推荐方法。
10.一种计算机可读存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7中任意一项所述的基于用户购买力的产品推荐方法。
CN202110719409.9A 2021-06-28 2021-06-28 基于用户购买力的产品推荐方法、装置、设备及存储介质 Pending CN113344674A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110719409.9A CN113344674A (zh) 2021-06-28 2021-06-28 基于用户购买力的产品推荐方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110719409.9A CN113344674A (zh) 2021-06-28 2021-06-28 基于用户购买力的产品推荐方法、装置、设备及存储介质

Publications (1)

Publication Number Publication Date
CN113344674A true CN113344674A (zh) 2021-09-03

Family

ID=77479047

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110719409.9A Pending CN113344674A (zh) 2021-06-28 2021-06-28 基于用户购买力的产品推荐方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN113344674A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114389948A (zh) * 2022-01-12 2022-04-22 平安普惠企业管理有限公司 基于白名单的功能升级及验证方法、装置、设备及介质

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105677828A (zh) * 2016-01-04 2016-06-15 成都陌云科技有限公司 基于大数据的用户信息处理方法
WO2018040069A1 (zh) * 2016-09-02 2018-03-08 浙江核新同花顺网络信息股份有限公司 信息推荐系统及方法
CN109727136A (zh) * 2018-04-12 2019-05-07 平安证券股份有限公司 金融资产的配置方法及装置
CN110083765A (zh) * 2019-04-12 2019-08-02 平安信托有限责任公司 理财信息推送方法、装置、计算机设备和存储介质
CN110674620A (zh) * 2019-09-20 2020-01-10 阿里巴巴（中国）有限公司 目标文案生成方法、装置、介质及电子设备
CN110795621A (zh) * 2019-09-26 2020-02-14 北京你财富计算机科技有限公司 一种金融产品推荐信息展示方法、装置及电子设备
US20210182933A1 (en) * 2019-12-12 2021-06-17 Capital One Services, Llc Methods and systems for providing a vehicle recommendation

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105677828A (zh) * 2016-01-04 2016-06-15 成都陌云科技有限公司 基于大数据的用户信息处理方法
WO2018040069A1 (zh) * 2016-09-02 2018-03-08 浙江核新同花顺网络信息股份有限公司 信息推荐系统及方法
CN109727136A (zh) * 2018-04-12 2019-05-07 平安证券股份有限公司 金融资产的配置方法及装置
CN110083765A (zh) * 2019-04-12 2019-08-02 平安信托有限责任公司 理财信息推送方法、装置、计算机设备和存储介质
CN110674620A (zh) * 2019-09-20 2020-01-10 阿里巴巴（中国）有限公司 目标文案生成方法、装置、介质及电子设备
CN110795621A (zh) * 2019-09-26 2020-02-14 北京你财富计算机科技有限公司 一种金融产品推荐信息展示方法、装置及电子设备
US20210182933A1 (en) * 2019-12-12 2021-06-17 Capital One Services, Llc Methods and systems for providing a vehicle recommendation

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114389948A (zh) * 2022-01-12 2022-04-22 平安普惠企业管理有限公司 基于白名单的功能升级及验证方法、装置、设备及介质
CN114389948B (zh) * 2022-01-12 2024-05-24 北京神州数码云科信息技术有限公司 基于白名单的功能升级及验证方法、装置、设备及介质

Similar Documents

Publication Publication Date Title
CN113449187B (zh) 基于双画像的产品推荐方法、装置、设备及存储介质
CN113836131B (zh) 一种大数据清洗方法、装置、计算机设备及存储介质
CN112380859A (zh) 舆情信息的推荐方法、装置、电子设备及计算机存储介质
CN112528616B (zh) 业务表单生成方法、装置、电子设备及计算机存储介质
CN113592605B (zh) 基于相似产品的产品推荐方法、装置、设备及存储介质
CN113886708A (zh) 基于用户信息的产品推荐方法、装置、设备及存储介质
CN114612194A (zh) 产品推荐方法、装置、电子设备及存储介质
CN112507230A (zh) 基于浏览器的网页推荐方法、装置、电子设备及存储介质
CN114398560B (zh) 基于web平台的营销界面设置方法、装置、设备及介质
CN113806492B (zh) 基于语义识别的记录生成方法、装置、设备及存储介质
CN115018588A (zh) 产品推荐方法、装置、电子设备及可读存储介质
CN116362684A (zh) 一种基于图书馆集群的图书管理方法、装置、设备及存储介质
CN113656690B (zh) 产品推荐方法、装置、电子设备及可读存储介质
CN113434542B (zh) 数据关系识别方法、装置、电子设备及存储介质
CN113505273B (zh) 基于重复数据筛选的数据排序方法、装置、设备及介质
CN114066533A (zh) 产品推荐方法、装置、电子设备及存储介质
CN113343306A (zh) 基于差分隐私的数据查询方法、装置、设备及存储介质
CN113362162A (zh) 基于网络行为数据的风控识别方法、装置、电子设备及介质
CN113344674A (zh) 基于用户购买力的产品推荐方法、装置、设备及存储介质
CN114708073B (zh) 一种围标串标智能检测方法、装置、电子设备及存储介质
CN113705201B (zh) 基于文本的事件概率预测评估算法、电子设备及存储介质
CN115186188A (zh) 基于行为分析的产品推荐方法、装置、设备及存储介质
CN113707302A (zh) 基于关联信息的服务推荐方法、装置、设备及存储介质
CN115221323A (zh) 基于意图识别模型的冷启动处理方法、装置、设备及介质
CN114780688A (zh) 基于规则匹配的文本质检方法、装置、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
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20210903

WD01 Invention patent application deemed withdrawn after publication