CN113486041B - 一种基于区块链的客户画像管理方法及系统 - Google Patents
一种基于区块链的客户画像管理方法及系统 Download PDFInfo
- Publication number
- CN113486041B CN113486041B CN202110881397.XA CN202110881397A CN113486041B CN 113486041 B CN113486041 B CN 113486041B CN 202110881397 A CN202110881397 A CN 202110881397A CN 113486041 B CN113486041 B CN 113486041B
- Authority
- CN
- China
- Prior art keywords
- client
- information
- portrait
- network
- 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.)
- Active
Links
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
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/23—Updating
- G06F16/2358—Change logging, detection, and notification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2455—Query execution
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/27—Replication, distribution or synchronisation of data between databases or within a distributed database system; Distributed database system architectures therefor
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/60—Protecting data
- G06F21/602—Providing cryptographic facilities or services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/60—Protecting data
- G06F21/62—Protecting access to data via a platform, e.g. using keys or access control rules
- G06F21/6218—Protecting access to data via a platform, e.g. using keys or access control rules to a system of files or objects, e.g. local or distributed file system or database
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/205—Parsing
- G06F40/216—Parsing using statistical methods
-
- 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
- G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Artificial Intelligence (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Data Mining & Analysis (AREA)
- Software Systems (AREA)
- Computer Security & Cryptography (AREA)
- Computer Hardware Design (AREA)
- Bioethics (AREA)
- Probability & Statistics with Applications (AREA)
- Computing Systems (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种区块链的客户画像管理方法及系统,包括:获取预设时间段内的客户信息,根据所述客户信息构建当前客户画像;获取区块链上存储的历史客户画像;计算所述当前客户画像与所述历史客户画像的差异度,并判断所述差异度是否大于预设差异度,在确定所述差异度大于预设差异度时,输出异常信息,将所述当前客户画像替换所述历史客户画像并加密存储至所述区块链中。有益效果:通过计算所述客户画像与历史画像的差异度,在确定所述差异度大于等于预设差异度时,输出异常信息,保证了新建立的客户画像的准确性。
Description
技术领域
本发明设计区块链技术领域,特别涉及一种基于区块链的客户画像管理方法及系统。
背景技术
区块链技术,也被称之为分布式账本技术,是一种互联网数据库技术,其特点是去中心化、公开透明,让每个人均可参与数据库记录。目前,在对客户画像进行存储时,不能够保证新建立的客户画像的准确性,且客户画像在区块链上的存储通常都是明文存储,不利于保护客户画像的安全性。
发明内容
本发明旨在至少一定程度上解决上述技术中的技术问题之一。为此,本发明的第一个目的在于提出了一种区块链的客户画像管理方法,通过计算所述客户画像与历史画像的差异度,在确定所述差异度大于等于预设差异度时,输出异常信息,保证了新建立的客户画像的准确性。
本发明的第二个目的在于提出一种区块链的客户画像管理系统。
为达到上述目的,本发明第一方面实施例提出了一种区块链的客户画像管理方法,包括:
获取预设时间段内的客户信息,根据所述客户信息构建当前客户画像;
获取区块链上存储的历史客户画像;
计算所述当前客户画像与所述历史客户画像的差异度,并判断所述差异度是否大于预设差异度,在确定所述差异度大于预设差异度时,输出异常信息,将所述当前客户画像替换所述历史客户画像并加密存储至所述区块链中。
进一步地,获取预设时间段内的客户信息,根据所述客户信息构建当前客户画像,包括:
获取预设时间段内客户在社交平台上的网络信息;所述网络信息包括客户的注册信息、客户发布的网络内容及发布数量;
根据所述注册信息,得到客户的属性信息;所述属性信息包括客户的姓名、性别、年龄、地域、职业、婚姻状况中的至少一种;
根据所述发布数量得到客户的活跃度信息;
在所述客户发布的网络内容中按照预设规则选取出第一网络内容;
对所述第一网络内容进行分词处理,得到若干个分词,根据所述若干个分词查询预设分词兴趣标签库,得到每个分词相对应的兴趣标签,对兴趣标签相同的分词进行归类,得到若干个分词集合,分别统计每个分词集合中分词的第一数量,将所述第一数量最多的分词集合的兴趣标签作为所述第一网络内容的兴趣标签;
分别对每个分词进行语义识别,得到相对应的语义识别结果,根据每个分词的语义识别结果确定每个分词的类型,根据每个分词的类型得到第一网络内容的感情色彩信息;所述分词的类型包括正向分词、中向分词及负向分词;
在获取到第一网络内容的兴趣标签及感情色彩信息后,在所述客户发布的网络内容中按照预设规则选取出第二网络内容,重复上述步骤,直至获取到客户发布的所有网络内容的兴趣标签及感情色彩信息;
统计兴趣标签相同的网络内容的第二数量,将所述第二数量最多的网络内容对应的兴趣标签作为客户在预设时间段内的兴趣标签;
统计感情色彩信息相同的网络内容的第三数量,将所述第三数量最多的网络内容对应的感情色彩信息作为客户在预设时间段内的感情色彩信息;
根据客户的属性信息、活跃度信息、在预设时间段内的兴趣标签及感情色彩信息构建当前客户画像。
进一步地,根据每个分词的类型得到第一网络内容的感情色彩信息,包括:
统计正向分词与负向分词的个数;
当所述正向分词的个数大于等于负向分词的个数时,确认第一网络内容的感情色彩信息为积极;
反之,确认第一网络内容的感情色彩信息为消极。
进一步地,获取区块链上存储的历史画像,包括:
获取区块链上的智能合约;
对所述智能合约进行特征提取,提取所述智能合约的基本信息和寻址逻辑规则,根据所述基本信息和寻址逻辑规则生成画像结构定义;
根据所述画像结构定义确定历史客户画像在区块链中的地址信息,根据所述地址信息得到区块链上存储的历史客户画像。
进一步地,将所述当前客户画像替换所述历史客户画像并加密存储至所述区块链中,包括:
将所述当前客户画像输入预先训练好的第一特征向量获取模型中,输出所述当前客户画像的第一特征向量;所述第一特征向量包括所述当前客户画像在多个特征维度上的特征值;
分别将每个特征维度上的特征值与预设特征值进行比较,筛选出所述特征值大于预设特征值的特征维度,根据所述特征值大于预设特征值的特征维度及其特征值生成第二特征向量;
对所述第二特征向量进行降维处理,得到所述当前客户画像的哈希值;
根据预设加密算法对所述哈希值进行加密,生成加密密钥;
获取所述当前客户画像的客户基本信息,根据所述客户基本信息生成上链标识;
根据所述上链标识将所述加密密钥上传至所述区块链进行保存;
获取所述区块链上的所述加密密钥,根据所述加密密钥对所述当前客户画像进行加密处理;
将加密处理后的当前客户画像存储至所述区块链中。
进一步地,得到预先训练好的第一特征向量获取模型,包括:
构建第一特征向量获取模型;
获取样本客户画像及样本客户画像相对应的第一特征向量;
基于样本客户画像及样本客户画像相对应的第一特征向量对构建的第一特征向量获取模型进行训练,得到训练好的第一特征向量获取模型。
进一步地,根据所述发布数量得到客户的活跃度信息,包括:
根据所述发布数量查询预设发布数量-活跃度信息表,得到相对应的活跃度信息。
为达到上述目的,本发明第二方面实施例提出了一种基于区块链的客户画像管理系统,包括:
构建模块,用于获取预设时间段内的客户信息,根据所述客户信息构建当前客户画像;
获取模块,用于获取区块链上存储的历史客户画像;
控制模块,用于计算所述当前客户画像与所述历史客户画像的差异度,并判断所述差异度是否大于预设差异度,在确定所述差异度大于预设差异度时,输出异常信息,将所述当前客户画像替换所述历史客户画像并加密存储至所述区块链中。
进一步地,所述构建模块包括:
网络信息获取单元,用于获取预设时间段内客户在社交平台上的网络信息;所述网络信息包括客户的注册信息、客户发布的网络内容及发布数量;
属性信息获取单元,用于根据所述注册信息,得到客户的属性信息;所述属性信息包括客户的姓名、性别、年龄、地域、职业、婚姻状况中的至少一种;
活跃度信息获取单元,用于根据所述发布数量得到客户的活跃度信息;
网络内容处理单元,用于在所述客户发布的网络内容中按照预设规则选取出第一网络内容;
对所述第一网络内容进行分词处理,得到若干个分词,根据所述若干个分词查询预设分词兴趣标签库,得到每个分词相对应的兴趣标签,对兴趣标签相同的分词进行归类,得到若干个分词集合,分别统计每个分词集合中分词的第一数量,将所述第一数量最多的分词集合的兴趣标签作为所述第一网络内容的兴趣标签;
分别对每个分词进行语义识别,得到相对应的语义识别结果,根据每个分词的语义识别结果确定每个分词的类型,根据每个分词的类型得到第一网络内容的感情色彩信息;所述分词的类型包括正向分词、中向分词及负向分词;
在获取到第一网络内容的兴趣标签及感情色彩信息后,在所述客户发布的网络内容中按照预设规则选取出第二网络内容,重复上述步骤,直至获取到客户发布的所有网络内容的兴趣标签及感情色彩信息;
兴趣标签获取单元,用于统计兴趣标签相同的网络内容的第二数量,将所述第二数量最多的网络内容对应的兴趣标签作为客户在预设时间段内的兴趣标签;
感情色彩信息获取单元,用于统计感情色彩信息相同的网络内容的第三数量,将所述第三数量最多的网络内容对应的感情色彩信息作为客户在预设时间段内的感情色彩信息;
生成单元,用于根据客户的属性信息、活跃度信息、在预设时间段内的兴趣标签及感情色彩信息构建当前客户画像。
进一步地,所述控制模块包括:
第一特征向量获取单元,用于将所述当前客户画像输入预先训练好的第一特征向量获取模型中,输出所述当前客户画像的第一特征向量;所述第一特征向量包括所述当前客户画像在多个特征维度上的特征值;
第二特征向量生成单元,用于分别将每个特征维度上的特征值与预设特征值进行比较,筛选出所述特征值大于预设特征值的特征维度,根据所述特征值大于预设特征值的特征维度及其特征值生成第二特征向量;
存储单元,用于:
对所述第二特征向量进行降维处理,得到所述当前客户画像的哈希值;
根据预设加密算法对所述哈希值进行加密,生成加密密钥;
获取所述当前客户画像的客户基本信息,根据所述客户基本信息生成上链标识;
根据所述上链标识将所述加密密钥上传至所述区块链进行保存;
获取所述区块链上的所述加密密钥,根据所述加密密钥对所述当前客户画像进行加密处理;
将加密处理后的当前客户画像存储至所述区块链中。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书以及附图中所特别指出的结构来实现和获得。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1为本发明一种基于区块链的客户画像管理方法的流程图;
图2为本发明一种基于区块链的客户画像管理系统的框图;
图3为根据本发明一实施例的一种基于区块链的客户画像管理系统的框图。
附图标记:
构建模块1、获取模块2、控制模块3、第一特征向量获取单元4、第二特征向量生成单元5、存储单元6。
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。
下面参考图1至图3来描述本发明实施例提出的一种的基于区块链的客户画像管理方法及系统。
如图1所示,一种基于区块链的客户画像管理方法包括:
S1:获取预设时间段内的客户信息,根据所述客户信息构建当前客户画像;
S2:获取区块链上存储的历史客户画像;
S3:计算所述当前客户画像与所述历史客户画像的差异度,并判断所述差异度是否大于预设差异度,在确定所述差异度大于预设差异度时,输出异常信息,将所述当前客户画像替换所述历史客户画像并加密存储至所述区块链中。
上述方案的工作原理:获取预设时间段内的客户信息,根据所述客户信息构建当前客户画像;获取区块链上存储的历史客户画像;计算所述当前客户画像与所述历史客户画像的差异度,并判断所述差异度是否大于预设差异度,在确定所述差异度大于预设差异度时,输出异常信息,将所述当前客户画像替换所述历史客户画像并加密存储至所述区块链中。
上述方案的有益效果:通过计算所述客户画像与历史画像的差异度,在确定所述差异度大于等于预设差异度时,输出异常信息,保证了新建立的客户画像的准确性,及时更新区块链中已存储的客户画像,保证客户画像的最新性,提高客户体验感。
根据本发明的一些实施例,获取预设时间段内的客户信息,根据所述客户信息构建当前客户画像,包括:
获取预设时间段内客户在社交平台上的网络信息;所述网络信息包括客户的注册信息、客户发布的网络内容及发布数量;
根据所述注册信息,得到客户的属性信息;所述属性信息包括客户的姓名、性别、年龄、地域、职业、婚姻状况中的至少一种;
根据所述发布数量得到客户的活跃度信息;
在所述客户发布的网络内容中按照预设规则选取出第一网络内容;
对所述第一网络内容进行分词处理,得到若干个分词,根据所述若干个分词查询预设分词兴趣标签库,得到每个分词相对应的兴趣标签,对兴趣标签相同的分词进行归类,得到若干个分词集合,分别统计每个分词集合中分词的第一数量,将所述第一数量最多的分词集合的兴趣标签作为所述第一网络内容的兴趣标签;
分别对每个分词进行语义识别,得到相对应的语义识别结果,根据每个分词的语义识别结果确定每个分词的类型,根据每个分词的类型得到第一网络内容的感情色彩信息;所述分词的类型包括正向分词、中向分词及负向分词;
在获取到第一网络内容的兴趣标签及感情色彩信息后,在所述客户发布的网络内容中按照预设规则选取出第二网络内容,重复上述步骤,直至获取到客户发布的所有网络内容的兴趣标签及感情色彩信息;
统计兴趣标签相同的网络内容的第二数量,将所述第二数量最多的网络内容对应的兴趣标签作为客户在预设时间段内的兴趣标签;
统计感情色彩信息相同的网络内容的第三数量,将所述第三数量最多的网络内容对应的感情色彩信息作为客户在预设时间段内的感情色彩信息;
根据客户的属性信息、活跃度信息、在预设时间段内的兴趣标签及感情色彩信息构建当前客户画像。
上述方案的工作原理:本方案提供一种精确的构建客户画像的方法,获取预设时间段内客户在社交平台上的网络信息;所述网络信息包括客户的注册信息、客户发布的网络内容及发布数量;根据所述注册信息,得到客户的属性信息;所述属性信息包括客户的姓名、性别、年龄、地域、职业、婚姻状况中的至少一种;根据所述发布数量得到客户的活跃度信息;在所述客户发布的网络内容中按照预设规则选取出第一网络内容;对所述第一网络内容进行分词处理,得到若干个分词,根据所述若干个分词查询预设分词兴趣标签库,得到每个分词相对应的兴趣标签,对兴趣标签相同的分词进行归类,得到若干个分词集合,分别统计每个分词集合中分词的第一数量,将所述第一数量最多的分词集合的兴趣标签作为所述第一网络内容的兴趣标签;分别对每个分词进行语义识别,得到相对应的语义识别结果,根据每个分词的语义识别结果确定每个分词的类型,根据每个分词的类型得到第一网络内容的感情色彩信息;所述分词的类型包括正向分词、中向分词及负向分词;在获取到第一网络内容的兴趣标签及感情色彩信息后,在所述客户发布的网络内容中按照预设规则选取出第二网络内容,重复上述步骤,直至获取到客户发布的所有网络内容的兴趣标签及感情色彩信息;统计兴趣标签相同的网络内容的第二数量,将所述第二数量最多的网络内容对应的兴趣标签作为客户在预设时间段内的兴趣标签;示例的,兴趣标签相同的网络内容有A集合、B集合、C集合,A集合中包括的网络数量为8个,B集合中包括的网络数量为6个、C集合中包括的网络数量为4个,可以看出,A集合中包括的网络数量最多,如果A集合对应的兴趣标签为音乐,那么音乐即是客户在预设时间段内的兴趣标签;统计感情色彩信息相同的网络内容的第三数量,将所述第三数量最多的网络内容对应的感情色彩信息作为客户在预设时间段内的感情色彩信息;示例的,感情色彩信息相同的网络内容有D集合、E集合,D集合中包括的网络数量为10个,E集合中包括的网络数量为4个,可以看出D集合中包括的网络数量最多,如果D集合对应的感情色彩信息为正向,那么正向即是客户在预设时间段内的感情色彩信息;根据客户的属性信息、活跃度信息、在预设时间段内的兴趣标签及感情色彩信息构建当前客户画像。
上述方案的有益效果:随着网络和信息技术的不断发展,各类社交平台应用而生,为改善社交平台的各项功能,以使社交平台更好地为客户服务,需要了解、分析社交平台内客户的各项信息。目前,常通过构建客户画像的方式来了解客户的属性信息。其中,客户画像是真实客户的虚拟代表,其能够展示客户的属性信息。现有的客户画像构建方法,包括:获取客户的人口属性信息;根据客户的人口属性信息生成客户画像。其中,客户的人口属性信息包括客户的姓名、性别、地域、职业等。通过现有的客户画像构建方法所构建出的客户画像仅展示客户的人口属性信息,不能充分体现客户的特征。本方案提供一种精确的构建客户画像的方法,获取预设时间段内客户在社交平台上的网络信息;所述网络信息包括客户的注册信息、客户发布的网络内容及发布数量;根据所述注册信息,得到客户的属性信息;所述属性信息包括客户的姓名、性别、年龄、地域、职业、婚姻状况中的至少一种;根据所述发布数量得到客户的活跃度信息;在所述客户发布的网络内容中按照预设规则选取出第一网络内容;对所述第一网络内容进行分词处理,得到若干个分词,根据所述若干个分词查询预设分词兴趣标签库,得到每个分词相对应的兴趣标签,每个分词都对应一个兴趣标签,兴趣标签的种类颇多,如音乐、舞蹈、游戏等;对兴趣标签相同的分词进行归类,得到若干个分词集合,分别统计每个分词集合中分词的第一数量,将所述第一数量最多的分词集合的兴趣标签作为所述第一网络内容的兴趣标签;分别对每个分词进行语义识别,得到相对应的语义识别结果,根据每个分词的语义识别结果确定每个分词的类型,根据每个分词的类型得到第一网络内容的感情色彩信息;所述分词的类型包括正向分词、中向分词及负向分词;在获取到第一网络内容的兴趣标签及感情色彩信息后,在所述客户发布的网络内容中按照预设规则选取出第二网络内容,重复上述步骤,直至获取到客户发布的所有网络内容的兴趣标签及感情色彩信息;统计兴趣标签相同的网络内容的第二数量,将所述第二数量最多的网络内容对应的兴趣标签作为客户在预设时间段内的兴趣标签;示例的,兴趣标签相同的网络内容有A集合、B集合、C集合,A集合中包括的网络数量为8个,B集合中包括的网络数量为6个、C集合中包括的网络数量为4个,可以看出,A集合中包括的网络数量最多,如果A集合对应的兴趣标签为音乐,那么音乐即是客户在预设时间段内的兴趣标签;统计感情色彩信息相同的网络内容的第三数量,将所述第三数量最多的网络内容对应的感情色彩信息作为客户在预设时间段内的感情色彩信息;示例的,感情色彩信息相同的网络内容有D集合、E集合,D集合中包括的网络数量为10个,E集合中包括的网络数量为4个,可以看出D集合中包括的网络数量最多,如果D集合对应的感情色彩信息为正向,那么正向即是客户在预设时间段内的感情色彩信息;根据客户的属性信息、活跃度信息、在预设时间段内的兴趣标签及感情色彩信息构建当前客户画像,根据获取客户的不同方面的信息,使得构建的客户画像更加的精确。
根据本发明的一些实施例,根据每个分词的类型得到第一网络内容的感情色彩信息,包括:
统计正向分词与负向分词的个数;
当所述正向分词的个数大于等于负向分词的个数时,确认第一网络内容的感情色彩信息为积极;
反之,确认第一网络内容的感情色彩信息为消极。
上述方案的工作原理:统计正向分词与负向分词的个数;当所述正向分词的个数大于等于负向分词的个数时,确认第一网络内容的感情色彩信息为积极;反之,确认第一网络内容的感情色彩信息为消极。
上述方案的有益效果:客户的感情色彩信息包括正向及负向,精确的获取客户的感情的色彩信息的前提是精确的获取客户发布的网络内容的感情色彩信息,当所述正向分词的个数大于等于负向分词的个数时,确认第一网络内容的感情色彩信息为积极;反之,确认第一网络内容的感情色彩信息为消极。通过上述方法可以精确的获取到客户发出的网络内容的感情色彩信息,增加最后检测客户的感情色彩信息的精确性。
根据本发明的一些实施例,获取区块链上存储的历史画像,包括:
获取区块链上的智能合约;
对所述智能合约进行特征提取,提取所述智能合约的基本信息和寻址逻辑规则,根据所述基本信息和寻址逻辑规则生成画像结构定义;
根据所述画像结构定义确定历史客户画像在区块链中的地址信息,根据所述地址信息得到区块链上存储的历史客户画像。
上述方案的工作原理:获取区块链上的智能合约;对所述智能合约进行特征提取,提取所述智能合约的基本信息和寻址逻辑规则,根据所述基本信息和寻址逻辑规则生成画像结构定义;根据所述画像结构定义确定历史客户画像在区块链中的地址信息,根据所述地址信息得到区块链上存储的历史客户画像。
上述方案的有益效果:精确的提取到历史客户画像是本方法的重中之重,本方案提供一种精确的提取历史客户画像的方法,:获取区块链上的智能合约;对所述智能合约进行特征提取,提取所述智能合约的基本信息和寻址逻辑规则,根据所述基本信息和寻址逻辑规则生成画像结构定义;根据所述画像结构定义确定历史客户画像在区块链中的地址信息,根据所述地址信息得到区块链上存储的历史客户画像,使得得到的历史客户画像更加的精确,避免提出错误的历史客户画像,保证了最后比对结果的精确性。
根据本发明的一些实施例,将所述当前客户画像替换所述历史客户画像并加密存储至所述区块链中,包括:
将所述当前客户画像输入预先训练好的第一特征向量获取模型中,输出所述当前客户画像的第一特征向量;所述第一特征向量包括所述当前客户画像在多个特征维度上的特征值;
分别将每个特征维度上的特征值与预设特征值进行比较,筛选出所述特征值大于预设特征值的特征维度,根据所述特征值大于预设特征值的特征维度及其特征值生成第二特征向量;
对所述第二特征向量进行降维处理,得到所述当前客户画像的哈希值;
根据预设加密算法对所述哈希值进行加密,生成加密密钥;
获取所述当前客户画像的客户基本信息,根据所述客户基本信息生成上链标识;
根据所述上链标识将所述加密密钥上传至所述区块链进行保存;
获取所述区块链上的所述加密密钥,根据所述加密密钥对所述当前客户画像进行加密处理;
将加密处理后的当前客户画像存储至所述区块链中。
上述方案的工作原理:将所述当前客户画像输入预先训练好的第一特征向量获取模型中,输出所述当前客户画像的第一特征向量;所述第一特征向量包括所述当前客户画像在多个特征维度上的特征值;多个特征维度表示不同的空间维度;分别将每个特征维度上的特征值与预设特征值进行比较,筛选出所述特征值大于预设特征值的特征维度,根据所述特征值大于预设特征值的特征维度及其特征值生成第二特征向量;对所述第二特征向量进行降维处理,得到所述当前客户画像的哈希值;根据预设加密算法对所述哈希值进行加密,生成加密密钥;获取所述当前客户画像的客户基本信息,根据所述客户基本信息生成上链标识;根据所述上链标识将所述加密密钥上传至所述区块链进行保存;获取所述区块链上的所述加密密钥,根据所述加密密钥对所述当前客户画像进行加密处理;将加密处理后的当前客户画像存储至所述区块链中。
上述方案的有益效果:对当前客户画像进行加密存储是必要的,避免被非法篡改,保证前客户画像的安全性,准确的获取客户画像的哈希值,通过根据哈希值生成加密密钥,保证加密密钥的唯一性,并且将加密密钥上传至所述区块链上保存,使加密密钥不易获取,并且不易被篡改,对客户画像进行加密时,需要从区块链上获取加密密钥,并使用加密密钥对客户画像进行加密;将加密后的客户画像上传到区块链上保存,消除客户画像安全隐患,更有利于保护客户画像信息安全。在对客户画像进行解密时,根据第一上链标识从区块链上获取加密密钥,获取后直接采用该加密密钥对客户画像进行解密处理,只有在获取第一上链标识后才可以从区块链上获取加密密钥,保护客户画像的安全性。
根据本发明的一些实施例,得到预先训练好的第一特征向量获取模型,包括:
构建第一特征向量获取模型;
获取样本客户画像及样本客户画像相对应的第一特征向量;
基于样本客户画像及样本客户画像相对应的第一特征向量对构建的第一特征向量获取模型进行训练,得到训练好的第一特征向量获取模型。
上述方案的工作原理:构建第一特征向量获取模型;获取样本客户画像及样本客户画像相对应的第一特征向量;基于样本客户画像及样本客户画像相对应的第一特征向量对构建的第一特征向量获取模型进行训练,得到训练好的第一特征向量获取模型。
上述方案的有益效果:第一特征向量获取模型是本方法的重要模型,精确的得到训练好的第一特征向量获取模型是必要的,本方案提供一种训练第一特征向量获取模型的方法,构建第一特征向量获取模型;获取样本客户画像及样本客户画像相对应的第一特征向量;基于样本客户画像及样本客户画像相对应的第一特征向量对构建的第一特征向量获取模型进行训练,得到训练好的第一特征向量获取模型,使得训练好的第一特征向量获取模型更加的精确。
根据本发明的一些实施例,根据所述发布数量得到客户的活跃度信息,包括:
根据所述发布数量查询预设发布数量-活跃度信息表,得到相对应的活跃度信息。
上述方案的工作原理及有益效果:通过所述发布数量查询预设发布数量-活跃度信息表,得到相对应的活跃度信息更加的精确,使得最后构建的当前客户画像更加的准确。
如图2所示,一种基于区块链的客户画像管理系统包括:
构建模块1,用于获取预设时间段内的客户信息,根据所述客户信息构建当前客户画像;
获取模块2,用于获取区块链上存储的历史客户画像;
控制模块3,用于计算所述当前客户画像与所述历史客户画像的差异度,并判断所述差异度是否大于预设差异度,在确定所述差异度大于预设差异度时,输出异常信息,将所述当前客户画像替换所述历史客户画像并加密存储至所述区块链中。
上述方案的工作原理:构建模块1用于获取预设时间段内的客户信息,根据所述客户信息构建当前客户画像;获取模块2用于获取区块链上存储的历史客户画像;控制模块3用于计算所述当前客户画像与所述历史客户画像的差异度,并判断所述差异度是否大于预设差异度,在确定所述差异度大于预设差异度时,输出异常信息,将所述当前客户画像替换所述历史客户画像并加密存储至所述区块链中。
上述方案的有益效果:通过计算所述客户画像与历史画像的差异度,在确定所述差异度大于等于预设差异度时,输出异常信息,保证了新建立的客户画像的准确性,及时更新区块链中已存储的客户画像,保证客户画像的最新性,提高客户体验感。
根据本发明的一些实施例,所述构建模块1包括:
网络信息获取单元,用于获取预设时间段内客户在社交平台上的网络信息;所述网络信息包括客户的注册信息、客户发布的网络内容及发布数量;
属性信息获取单元,用于根据所述注册信息,得到客户的属性信息;所述属性信息包括客户的姓名、性别、年龄、地域、职业、婚姻状况中的至少一种;
活跃度信息获取单元,用于根据所述发布数量得到客户的活跃度信息;
网络内容处理单元,用于在所述客户发布的网络内容中按照预设规则选取出第一网络内容;
对所述第一网络内容进行分词处理,得到若干个分词,根据所述若干个分词查询预设分词兴趣标签库,得到每个分词相对应的兴趣标签,对兴趣标签相同的分词进行归类,得到若干个分词集合,分别统计每个分词集合中分词的第一数量,将所述第一数量最多的分词集合的兴趣标签作为所述第一网络内容的兴趣标签;
分别对每个分词进行语义识别,得到相对应的语义识别结果,根据每个分词的语义识别结果确定每个分词的类型,根据每个分词的类型得到第一网络内容的感情色彩信息;所述分词的类型包括正向分词、中向分词及负向分词;
在获取到第一网络内容的兴趣标签及感情色彩信息后,在所述客户发布的网络内容中按照预设规则选取出第二网络内容,重复上述步骤,直至获取到客户发布的所有网络内容的兴趣标签及感情色彩信息;
兴趣标签获取单元,用于统计兴趣标签相同的网络内容的第二数量,将所述第二数量最多的网络内容对应的兴趣标签作为客户在预设时间段内的兴趣标签;
感情色彩信息获取单元,用于统计感情色彩信息相同的网络内容的第三数量,将所述第三数量最多的网络内容对应的感情色彩信息作为客户在预设时间段内的感情色彩信息;
生成单元,用于根据客户的属性信息、活跃度信息、在预设时间段内的兴趣标签及感情色彩信息构建当前客户画像。
上述方案的工作原理:本方案提供一种精确的构建客户画像的方法,网络信息获取单元用于获取预设时间段内客户在社交平台上的网络信息;所述网络信息包括客户的注册信息、客户发布的网络内容及发布数量;属性信息获取单元用于根据所述注册信息,得到客户的属性信息;所述属性信息包括客户的姓名、性别、年龄、地域、职业、婚姻状况中的至少一种;活跃度信息获取单元用于根据所述发布数量得到客户的活跃度信息;网络内容处理单元用于在所述客户发布的网络内容中按照预设规则选取出第一网络内容;对所述第一网络内容进行分词处理,得到若干个分词,根据所述若干个分词查询预设分词兴趣标签库,得到每个分词相对应的兴趣标签,对兴趣标签相同的分词进行归类,得到若干个分词集合,分别统计每个分词集合中分词的第一数量,将所述第一数量最多的分词集合的兴趣标签作为所述第一网络内容的兴趣标签;分别对每个分词进行语义识别,得到相对应的语义识别结果,根据每个分词的语义识别结果确定每个分词的类型,根据每个分词的类型得到第一网络内容的感情色彩信息;所述分词的类型包括正向分词、中向分词及负向分词;在获取到第一网络内容的兴趣标签及感情色彩信息后,在所述客户发布的网络内容中按照预设规则选取出第二网络内容,重复上述步骤,直至获取到客户发布的所有网络内容的兴趣标签及感情色彩信息;兴趣标签获取单元用于统计兴趣标签相同的网络内容的第二数量,将所述第二数量最多的网络内容对应的兴趣标签作为客户在预设时间段内的兴趣标签;示例的,兴趣标签相同的网络内容有A集合、B集合、C集合,A集合中包括的网络数量为8个,B集合中包括的网络数量为6个、C集合中包括的网络数量为4个,可以看出,A集合中包括的网络数量最多,如果A集合对应的兴趣标签为音乐,那么音乐即是客户在预设时间段内的兴趣标签;感情色彩信息获取单元用于统计感情色彩信息相同的网络内容的第三数量,将所述第三数量最多的网络内容对应的感情色彩信息作为客户在预设时间段内的感情色彩信息;示例的,感情色彩信息相同的网络内容有D集合、E集合,D集合中包括的网络数量为10个,E集合中包括的网络数量为4个,可以看出D集合中包括的网络数量最多,如果D集合对应的感情色彩信息为正向,那么正向即是客户在预设时间段内的感情色彩信息;生成单元用于根据客户的属性信息、活跃度信息、在预设时间段内的兴趣标签及感情色彩信息构建当前客户画像。
上述方案的有益效果:随着网络和信息技术的不断发展,各类社交平台应用而生,为改善社交平台的各项功能,以使社交平台更好地为客户服务,需要了解、分析社交平台内客户的各项信息。目前,常通过构建客户画像的方式来了解客户的属性信息。其中,客户画像是真实客户的虚拟代表,其能够展示客户的属性信息。现有的客户画像构建方法,包括:获取客户的人口属性信息;根据客户的人口属性信息生成客户画像。其中,客户的人口属性信息包括客户的姓名、性别、地域、职业等。通过现有的客户画像构建方法所构建出的客户画像仅展示客户的人口属性信息,不能充分体现客户的特征。本方案提供一种精确的构建客户画像的方法,网络信息获取单元用于获取预设时间段内客户在社交平台上的网络信息;所述网络信息包括客户的注册信息、客户发布的网络内容及发布数量;属性信息获取单元用于根据所述注册信息,得到客户的属性信息;所述属性信息包括客户的姓名、性别、年龄、地域、职业、婚姻状况中的至少一种;活跃度信息获取单元用于根据所述发布数量得到客户的活跃度信息;网络内容处理单元用于在所述客户发布的网络内容中按照预设规则选取出第一网络内容;对所述第一网络内容进行分词处理,得到若干个分词,根据所述若干个分词查询预设分词兴趣标签库,得到每个分词相对应的兴趣标签,每个分词都对应一个兴趣标签,兴趣标签的种类颇多,如音乐、舞蹈、游戏等;对兴趣标签相同的分词进行归类,得到若干个分词集合,分别统计每个分词集合中分词的第一数量,将所述第一数量最多的分词集合的兴趣标签作为所述第一网络内容的兴趣标签;分别对每个分词进行语义识别,得到相对应的语义识别结果,根据每个分词的语义识别结果确定每个分词的类型,根据每个分词的类型得到第一网络内容的感情色彩信息;所述分词的类型包括正向分词、中向分词及负向分词;在获取到第一网络内容的兴趣标签及感情色彩信息后,在所述客户发布的网络内容中按照预设规则选取出第二网络内容,重复上述步骤,直至获取到客户发布的所有网络内容的兴趣标签及感情色彩信息;兴趣标签获取单元用于统计兴趣标签相同的网络内容的第二数量,将所述第二数量最多的网络内容对应的兴趣标签作为客户在预设时间段内的兴趣标签;示例的,兴趣标签相同的网络内容有A集合、B集合、C集合,A集合中包括的网络数量为8个,B集合中包括的网络数量为6个、C集合中包括的网络数量为4个,可以看出,A集合中包括的网络数量最多,如果A集合对应的兴趣标签为音乐,那么音乐即是客户在预设时间段内的兴趣标签;感情色彩信息获取单元用于统计感情色彩信息相同的网络内容的第三数量,将所述第三数量最多的网络内容对应的感情色彩信息作为客户在预设时间段内的感情色彩信息;示例的,感情色彩信息相同的网络内容有D集合、E集合,D集合中包括的网络数量为10个,E集合中包括的网络数量为4个,可以看出D集合中包括的网络数量最多,如果D集合对应的感情色彩信息为正向,那么正向即是客户在预设时间段内的感情色彩信息;生成单元用于根据客户的属性信息、活跃度信息、在预设时间段内的兴趣标签及感情色彩信息构建当前客户画像,根据获取客户的不同方面的信息,使得构建的客户画像更加的精确。
如图3所示,根据本发明的一些实施例,所述控制模块3包括:
第一特征向量获取单元4,用于将所述当前客户画像输入预先训练好的第一特征向量获取模型中,输出所述当前客户画像的第一特征向量;所述第一特征向量包括所述当前客户画像在多个特征维度上的特征值;
第二特征向量生成单元5,用于分别将每个特征维度上的特征值与预设特征值进行比较,筛选出所述特征值大于预设特征值的特征维度,根据所述特征值大于预设特征值的特征维度及其特征值生成第二特征向量;
存储单元6,用于:
对所述第二特征向量进行降维处理,得到所述当前客户画像的哈希值;
根据预设加密算法对所述哈希值进行加密,生成加密密钥;
获取所述当前客户画像的客户基本信息,根据所述客户基本信息生成上链标识;
根据所述上链标识将所述加密密钥上传至所述区块链进行保存;
获取所述区块链上的所述加密密钥,根据所述加密密钥对所述当前客户画像进行加密处理;
将加密处理后的当前客户画像存储至所述区块链中。
上述方案的工作原理:第一特征向量获取单元4用于将所述当前客户画像输入预先训练好的第一特征向量获取模型中,输出所述当前客户画像的第一特征向量;所述第一特征向量包括所述当前客户画像在多个特征维度上的特征值;多个特征维度表示不同的空间维度;第二特征向量生成单元5用于分别将每个特征维度上的特征值与预设特征值进行比较,筛选出所述特征值大于预设特征值的特征维度,根据所述特征值大于预设特征值的特征维度及其特征值生成第二特征向量;存储单元6用于对所述第二特征向量进行降维处理,得到所述当前客户画像的哈希值;根据预设加密算法对所述哈希值进行加密,生成加密密钥;获取所述当前客户画像的客户基本信息,根据所述客户基本信息生成上链标识;根据所述上链标识将所述加密密钥上传至所述区块链进行保存;获取所述区块链上的所述加密密钥,根据所述加密密钥对所述当前客户画像进行加密处理;将加密处理后的当前客户画像存储至所述区块链中。
上述方案的有益效果:对当前客户画像进行加密存储是必要的,避免被非法篡改,保证前客户画像的安全性,准确的获取客户画像的哈希值,通过根据哈希值生成加密密钥,保证加密密钥的唯一性,并且将加密密钥上传至所述区块链上保存,使加密密钥不易获取,并且不易被篡改,对客户画像进行加密时,需要从区块链上获取加密密钥,并使用加密密钥对客户画像进行加密;将加密后的客户画像上传到区块链上保存,消除客户画像安全隐患,更有利于保护客户画像信息安全。在对客户画像进行解密时,根据第一上链标识从区块链上获取加密密钥,获取后直接采用该加密密钥对客户画像进行解密处理,只有在获取第一上链标识后才可以从区块链上获取加密密钥,保护客户画像的安全性。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (8)
1.一种基于区块链的客户画像管理方法,其特征在于,包括:
获取预设时间段内的客户信息,根据所述客户信息构建当前客户画像;
获取区块链上存储的历史客户画像;
计算所述当前客户画像与所述历史客户画像的差异度,并判断所述差异度是否大于预设差异度,在确定所述差异度大于预设差异度时,输出异常信息,将所述当前客户画像替换所述历史客户画像并加密存储至所述区块链中;
其中,所述将所述当前客户画像替换所述历史客户画像并加密存储至所述区块链中,包括:
将所述当前客户画像输入预先训练好的第一特征向量获取模型中,输出所述当前客户画像的第一特征向量;所述第一特征向量包括所述当前客户画像在多个特征维度上的特征值;
分别将每个特征维度上的特征值与预设特征值进行比较,筛选出所述特征值大于预设特征值的特征维度,根据所述特征值大于预设特征值的特征维度及其特征值生成第二特征向量;
对所述第二特征向量进行降维处理,得到所述当前客户画像的哈希值;
根据预设加密算法对所述哈希值进行加密,生成加密密钥;
获取所述当前客户画像的客户基本信息,根据所述客户基本信息生成上链标识;
根据所述上链标识将所述加密密钥上传至所述区块链进行保存;
获取所述区块链上的所述加密密钥,根据所述加密密钥对所述当前客户画像进行加密处理。
2.根据权利要求1所述的基于区块链的客户画像管理方法,其特征在于,获取预设时间段内的客户信息,根据所述客户信息构建当前客户画像,包括:
获取预设时间段内客户在社交平台上的网络信息;所述网络信息包括客户的注册信息、客户发布的网络内容及发布数量;
根据所述注册信息,得到客户的属性信息;所述属性信息包括客户的姓名、性别、年龄、地域、职业、婚姻状况中的至少一种;
根据所述发布数量得到客户的活跃度信息;
在所述客户发布的网络内容中按照预设规则选取出第一网络内容;
对所述第一网络内容进行分词处理,得到若干个分词,根据所述若干个分词查询预设分词兴趣标签库,得到每个分词相对应的兴趣标签,对兴趣标签相同的分词进行归类,得到若干个分词集合,分别统计每个分词集合中分词的第一数量,将所述第一数量最多的分词集合的兴趣标签作为所述第一网络内容的兴趣标签;
分别对每个分词进行语义识别,得到相对应的语义识别结果,根据每个分词的语义识别结果确定每个分词的类型,根据每个分词的类型得到第一网络内容的感情色彩信息;所述分词的类型包括正向分词、中向分词及负向分词;
在获取到第一网络内容的兴趣标签及感情色彩信息后,在所述客户发布的网络内容中按照预设规则选取出第二网络内容,重复上述步骤,直至获取到客户发布的所有网络内容的兴趣标签及感情色彩信息;
统计兴趣标签相同的网络内容的第二数量,将所述第二数量最多的网络内容对应的兴趣标签作为客户在预设时间段内的兴趣标签;
统计感情色彩信息相同的网络内容的第三数量,将所述第三数量最多的网络内容对应的感情色彩信息作为客户在预设时间段内的感情色彩信息;
根据客户的属性信息、活跃度信息、在预设时间段内的兴趣标签及感情色彩信息构建当前客户画像。
3.根据权利要求2所述的基于区块链的客户画像管理方法,其特征在于,根据每个分词的类型得到第一网络内容的感情色彩信息,包括:
统计正向分词与负向分词的个数;
当所述正向分词的个数大于等于负向分词的个数时,确认第一网络内容的感情色彩信息为积极;
反之,确认第一网络内容的感情色彩信息为消极。
4.根据权利要求1所述的基于区块链的客户画像管理方法,其特征在于,获取区块链上存储的历史画像,包括:
获取区块链上的智能合约;
对所述智能合约进行特征提取,提取所述智能合约的基本信息和寻址逻辑规则,根据所述基本信息和寻址逻辑规则生成画像结构定义;
根据所述画像结构定义确定历史客户画像在区块链中的地址信息,根据所述地址信息得到区块链上存储的历史客户画像。
5.根据权利要求1所述的基于区块链的客户画像管理方法,其特征在于,得到预先训练好的第一特征向量获取模型,包括:
构建第一特征向量获取模型;
获取样本客户画像及样本客户画像相对应的第一特征向量;
基于样本客户画像及样本客户画像相对应的第一特征向量对构建的第一特征向量获取模型进行训练,得到训练好的第一特征向量获取模型。
6.根据权利要求2所述的基于区块链的客户画像管理方法,其特征在于,根据所述发布数量得到客户的活跃度信息,包括:
根据所述发布数量查询预设发布数量-活跃度信息表,得到相对应的活跃度信息。
7.一种基于区块链的客户画像管理系统,其特征在于,包括:
构建模块,用于获取预设时间段内的客户信息,根据所述客户信息构建当前客户画像;
获取模块,用于获取区块链上存储的历史客户画像;
控制模块,用于计算所述当前客户画像与所述历史客户画像的差异度,并判断所述差异度是否大于预设差异度,在确定所述差异度大于预设差异度时,输出异常信息,将所述当前客户画像替换所述历史客户画像并加密存储至所述区块链中;
所述控制模块包括:
第一特征向量获取单元,用于将所述当前客户画像输入预先训练好的第一特征向量获取模型中,输出所述当前客户画像的第一特征向量;所述第一特征向量包括所述当前客户画像在多个特征维度上的特征值;
第二特征向量生成单元,用于分别将每个特征维度上的特征值与预设特征值进行比较,筛选出所述特征值大于预设特征值的特征维度,根据所述特征值大于预设特征值的特征维度及其特征值生成第二特征向量;
存储单元,用于:
对所述第二特征向量进行降维处理,得到所述当前客户画像的哈希值;
根据预设加密算法对所述哈希值进行加密,生成加密密钥;
获取所述当前客户画像的客户基本信息,根据所述客户基本信息生成上链标识;
根据所述上链标识将所述加密密钥上传至所述区块链进行保存;
获取所述区块链上的所述加密密钥,根据所述加密密钥对所述当前客户画像进行加密处理;
将加密处理后的当前客户画像存储至所述区块链中。
8.根据权利要求7所述的基于区块链的客户画像管理系统,其特征在于,所述构建模块包括:
网络信息获取单元,用于获取预设时间段内客户在社交平台上的网络信息;所述网络信息包括客户的注册信息、客户发布的网络内容及发布数量;
属性信息获取单元,用于根据所述注册信息,得到客户的属性信息;所述属性信息包括客户的姓名、性别、年龄、地域、职业、婚姻状况中的至少一种;
活跃度信息获取单元,用于根据所述发布数量得到客户的活跃度信息;
网络内容处理单元,用于在所述客户发布的网络内容中按照预设规则选取出第一网络内容;
对所述第一网络内容进行分词处理,得到若干个分词,根据所述若干个分词查询预设分词兴趣标签库,得到每个分词相对应的兴趣标签,对兴趣标签相同的分词进行归类,得到若干个分词集合,分别统计每个分词集合中分词的第一数量,将所述第一数量最多的分词集合的兴趣标签作为所述第一网络内容的兴趣标签;
分别对每个分词进行语义识别,得到相对应的语义识别结果,根据每个分词的语义识别结果确定每个分词的类型,根据每个分词的类型得到第一网络内容的感情色彩信息;所述分词的类型包括正向分词、中向分词及负向分词;
在获取到第一网络内容的兴趣标签及感情色彩信息后,在所述客户发布的网络内容中按照预设规则选取出第二网络内容,重复上述步骤,直至获取到客户发布的所有网络内容的兴趣标签及感情色彩信息;
兴趣标签获取单元,用于统计兴趣标签相同的网络内容的第二数量,将所述第二数量最多的网络内容对应的兴趣标签作为客户在预设时间段内的兴趣标签;
感情色彩信息获取单元,用于统计感情色彩信息相同的网络内容的第三数量,将所述第三数量最多的网络内容对应的感情色彩信息作为客户在预设时间段内的感情色彩信息;
生成单元,用于根据客户的属性信息、活跃度信息、在预设时间段内的兴趣标签及感情色彩信息构建当前客户画像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110881397.XA CN113486041B (zh) | 2021-08-02 | 2021-08-02 | 一种基于区块链的客户画像管理方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110881397.XA CN113486041B (zh) | 2021-08-02 | 2021-08-02 | 一种基于区块链的客户画像管理方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113486041A CN113486041A (zh) | 2021-10-08 |
CN113486041B true CN113486041B (zh) | 2022-04-15 |
Family
ID=77944034
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110881397.XA Active CN113486041B (zh) | 2021-08-02 | 2021-08-02 | 一种基于区块链的客户画像管理方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113486041B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106874435A (zh) * | 2017-01-25 | 2017-06-20 | 北京航空航天大学 | 用户画像构建方法和装置 |
CN111210326A (zh) * | 2019-12-27 | 2020-05-29 | 大象慧云信息技术有限公司 | 一种用于构建用户画像的方法及系统 |
CN112633976A (zh) * | 2020-12-21 | 2021-04-09 | 高晓惠 | 基于大数据和云业务的数据处理方法及云业务服务器 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10348487B2 (en) * | 2017-07-20 | 2019-07-09 | International Business Machines Corporation | Game data offloading to a blockchain |
CN107506382A (zh) * | 2017-07-22 | 2017-12-22 | 长沙兔子代跑网络科技有限公司 | 一种基于用户画像挖掘代跑客户的方法及装置 |
CN112035541A (zh) * | 2020-08-28 | 2020-12-04 | 平安科技(深圳)有限公司 | 客户画像方法、装置、计算机可读存储介质及终端设备 |
CN112328849B (zh) * | 2020-11-02 | 2024-05-07 | 腾讯科技(深圳)有限公司 | 用户画像的构建方法、基于用户画像的对话方法及装置 |
-
2021
- 2021-08-02 CN CN202110881397.XA patent/CN113486041B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106874435A (zh) * | 2017-01-25 | 2017-06-20 | 北京航空航天大学 | 用户画像构建方法和装置 |
CN111210326A (zh) * | 2019-12-27 | 2020-05-29 | 大象慧云信息技术有限公司 | 一种用于构建用户画像的方法及系统 |
CN112633976A (zh) * | 2020-12-21 | 2021-04-09 | 高晓惠 | 基于大数据和云业务的数据处理方法及云业务服务器 |
Non-Patent Citations (1)
Title |
---|
移动图书馆用户画像大数据应用的困境与对策――基于区块链理念;刘海鸥等;《图书馆学研究》;20191215(第23期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113486041A (zh) | 2021-10-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Song et al. | Machine learning models that remember too much | |
CN107968709B (zh) | 业务数据处理方法、身份管理方法及业务审计方法 | |
CN110135185A (zh) | 使用生成式对抗网络进行私有化的机器学习 | |
US11368289B1 (en) | Video registration and authentication using blockchain | |
US20240184865A1 (en) | Systems and methods for providing user validation | |
CN108924109B (zh) | 数据传输方法、装置及处理设备 | |
US20150186624A1 (en) | System and method for managing personal content copyright using context-based search engine | |
US11216536B2 (en) | Data watermarking and fingerprinting system and method | |
CN114398665A (zh) | 一种数据脱敏方法、装置、存储介质及终端 | |
CN113449048A (zh) | 数据标签分布确定方法、装置、计算机设备和存储介质 | |
CN110798709A (zh) | 视频处理方法和装置、存储介质及电子装置 | |
CN109447809A (zh) | 一种结合区块链的视频主动识别方法 | |
CN109213758A (zh) | 数据存取方法、装置、设备及计算机可读存储介质 | |
CN113762034A (zh) | 视频分类方法和装置、存储介质及电子设备 | |
CN102567657A (zh) | 数字作品权属认证系统和方法 | |
CN113486041B (zh) | 一种基于区块链的客户画像管理方法及系统 | |
CN110597977B (zh) | 数据处理方法、装置、计算机设备和存储介质 | |
CN107563774A (zh) | 一种基于机器学习的商品防伪及趋势分析方法 | |
US11461652B1 (en) | Apparatus and methods for status management of immutable sequential listing records for postings | |
WO2022188599A1 (en) | Selective redaction of images | |
CN115758402A (zh) | 结合同态加密和模型水印的人工智能模型联邦学习方法 | |
CN112468842B (zh) | 一种直播审核方法及装置 | |
CN115473669A (zh) | 一种用于区块链的可视化展示方法 | |
CN114298211A (zh) | 特征分箱方法、装置、电子设备及存储介质 | |
CN109509095B (zh) | 一种结合区块链的视频主动识别方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |