CN113779198A - 基于人工智能的电子名片生成方法、装置、设备及介质 - Google Patents

基于人工智能的电子名片生成方法、装置、设备及介质 Download PDF

Info

Publication number
CN113779198A
CN113779198A CN202111060192.1A CN202111060192A CN113779198A CN 113779198 A CN113779198 A CN 113779198A CN 202111060192 A CN202111060192 A CN 202111060192A CN 113779198 A CN113779198 A CN 113779198A
Authority
CN
China
Prior art keywords
information
data
business card
service
mapping result
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
CN202111060192.1A
Other languages
English (en)
Inventor
孙裕
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.)
Weikun Shanghai Technology Service Co Ltd
Original Assignee
Weikun Shanghai Technology Service 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 Weikun Shanghai Technology Service Co Ltd filed Critical Weikun Shanghai Technology Service Co Ltd
Priority to CN202111060192.1A priority Critical patent/CN113779198A/zh
Publication of CN113779198A publication Critical patent/CN113779198A/zh
Pending legal-status Critical Current

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
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33—Querying
    • G06F16/3331—Query processing
    • G06F16/3332—Query translation
    • G06F16/3334—Selection or weighting of terms from queries, including natural language queries
    • 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
    • G06F16/3331—Query processing
    • G06F16/334—Query execution
    • G06F16/3346—Query execution using probabilistic model
    • 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
    • G06F21/6245—Protecting personal data, e.g. for financial or medical purposes
    • 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
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06311—Scheduling, planning or task assignment for a person or group
    • G06Q10/063112—Skill-based matching of a person or a group to a task
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Computational Linguistics (AREA)
  • Artificial Intelligence (AREA)
  • Databases & Information Systems (AREA)
  • Economics (AREA)
  • Software Systems (AREA)
  • Strategic Management (AREA)
  • Data Mining & Analysis (AREA)
  • Accounting & Taxation (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Finance (AREA)
  • Probability & Statistics with Applications (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Bioethics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Medical Informatics (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Mathematical Physics (AREA)
  • Computer Hardware Design (AREA)
  • Computer Security & Cryptography (AREA)
  • Computing Systems (AREA)
  • Evolutionary Computation (AREA)
  • Technology Law (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请涉及人工智能技术领域，揭露一种基于人工智能的电子名片生成方法、装置、设备及介质，其中方法包括获取服务对象的名片生成请求并获取服务对象的基本信息和业务数据；再对客户敏感信息进行屏蔽处理，得到服务客户信息；然后获取业务数据中的客户评价数据和预设维度的数据信息，并提取客户评价数据中的关键字；将每一维度的数据信息映射到预设区间，得到映射结果，并基于映射结果以及关键字，生成服务对象对应的目标标签；基于基本信息、服务客户信息、目标标签，生成服务对象对应的电子名片。本申请还涉及区块链技术，基本信息存储于区块链中。本申请根据用户的数据信息精准生成电子名片，有利于提高电子名片的查看率。

Description

基于人工智能的电子名片生成方法、装置、设备及介质
技术领域
本申请涉及人工智能技术领域，尤其涉及一种基于人工智能的电子名片生成方法、装置、设备及介质。
背景技术
随着信息技术的发展，目前已经可以出现了许多能够显示电子名片的软件。这类软件可以存储用户输入的个人信息，并在需要显示的时候以一个既定的名片样式显示这些个人信息，达到名片展示的效果。
然而，现有的电子名片往往只能显示用户的基本信息，生成简单的电子名片，无法根据用户的职业信息、业绩信息、客户评价信息等生成相对应的标签信息，也无法显示用户业绩指标等，也即现有的电子名片无法根据用户的数据信息精准生成名片，导致现有的电子名片的点击查看率较低，不易传播。现亟需一种能够根据用户的数据信息精准生成电子名片，以提高电子名片的查看率，便于传播。
发明内容
本申请实施例的目的在于提出一种基于人工智能的电子名片生成方法、装置、设备及介质，以根据用户的数据信息精准生成电子名片，从而提高电子名片的查看率。
为了解决上述技术问题，本申请实施例提供一种基于人工智能的电子名片生成方法，包括：
获取服务对象的名片生成请求，并根据所述名片生成请求，获取所述服务对象的基本信息和业务数据；
识别出所述业务数据中的客户敏感信息，并对所述敏感信息进行屏蔽处理，得到服务客户信息；
获取所述业务数据中的客户评价数据和预设维度的数据信息，其中，所述预设维度包括服务单量、服务时间以及服务费率；
根据自然语言识别算法，提取所述客户评价数据中的关键字；
针对每一维度的数据信息，将所述数据信息映射到预设区间，得到映射结果，并基于所述映射结果以及所述关键字，生成服务对象对应的目标标签；
基于所述基本信息、所述服务客户信息、所述目标标签，生成所述服务对象对应的电子名片。
为了解决上述技术问题，本申请实施例提供一种基于人工智能的电子名片生成装置，包括：
名片生成请求获取模块，用于获取服务对象的名片生成请求，并根据所述名片生成请求，获取所述服务对象的基本信息和业务数据；
客户敏感信息处理模块，用于识别出所述业务数据中的客户敏感信息，并对所述敏感信息进行屏蔽处理，得到服务客户信息；
数据信息提取模块，用于获取所述业务数据中的客户评价数据和预设维度的数据信息，其中，所述预设维度包括服务单量、服务时间以及服务费率；
客户评价数据处理模块，用于根据自然语言识别算法，提取所述客户评价数据中的关键字；
目标标签生成模块，用于针对每一维度的数据信息，将所述数据信息映射到预设区间，得到映射结果，并基于所述映射结果以及所述关键字，生成服务对象对应的目标标签；
电子名片生成模块，用于基于所述基本信息、所述服务客户信息、所述目标标签，生成所述服务对象对应的电子名片。
为解决上述技术问题，本发明采用的一个技术方案是：提供一种计算机设备，包括，一个或多个处理器；存储器，用于存储一个或多个程序，使得一个或多个处理器实现上述任意一项所述的基于人工智能的电子名片生成方法。
为解决上述技术问题，本发明采用的一个技术方案是：一种计算机可读存储介质，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执行时实现上述任意一项所述的基于人工智能的电子名片生成方法。
本发明实施例提供了一种基于人工智能的电子名片生成方法、装置、设备及介质。本发明实施例通过获取服务对象的名片生成请求，并根据名片生成请求，获取服务对象的基本信息和业务数据；识别出业务数据中的客户敏感信息，并对敏感信息进行屏蔽处理，得到服务客户信息；获取业务数据中的客户评价数据和预设维度的数据信息；根据自然语言识别算法，提取客户评价数据中的关键字；针对每一维度的数据信息，将数据信息映射到预设区间，得到映射结果，并基于映射结果以及关键字，生成服务对象对应的目标标签；基于基本信息、服务客户信息、目标标签，生成服务对象对应的电子名片。本申请实施例通过结合服务对象的业务信息生成对应的标签，同时将客户的敏感信息进行屏蔽，并将其结合标签、基本信息生成电子名片，使得生成的电子名片更直观体现用户的业务特点和业务能力，实现根据用户的数据信息精准生成电子名片，有利于提高电子名片的查看率，同时有利于将电子名片进行传播。
附图说明
为了更清楚地说明本申请中的方案，下面将对本申请实施例描述中所需要使用的附图作一个简单介绍，显而易见地，下面描述中的附图是本申请的一些实施例，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的附图。
图1是本申请实施例提供的基于人工智能的电子名片生成方法的应用环境示意图；
图2根据本申请实施例提供的基于人工智能的电子名片生成方法的一实现流程图；
图3是本申请实施例提供的基于人工智能的电子名片生成方法中子流程的一实现流程图；
图4是本申请实施例提供的基于人工智能的电子名片生成方法中子流程的又一实现流程图；
图5是本申请实施例提供的基于人工智能的电子名片生成方法中子流程的又一实现流程图；
图6是本申请实施例提供的基于人工智能的电子名片生成方法中子流程的又一实现流程图；
图7是本申请实施例提供的基于人工智能的电子名片生成方法中子流程的又一实现流程图；
图8是本申请实施例提供的基于人工智能的电子名片生成方法中子流程的又一实现流程图；
图9是本申请实施例提供的基于人工智能的电子名片生成装置示意图；
图10是本申请实施例提供的计算机设备的示意图。
具体实施方式
除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同；本文中在申请的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本申请；本申请的说明书和权利要求书及上述附图说明中的术语“包括”和“具有”以及它们的任何变形，意图在于覆盖不排他的包含。本申请的说明书和权利要求书或上述附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。
在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
为了使本技术领域的人员更好地理解本申请方案，下面将结合附图，对本申请实施例中的技术方案进行清楚、完整地描述。
下面结合附图和实施方式对本发明进行详细说明。
请参阅图1，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用，例如网页浏览器应用、搜索类应用、即时通信工具等。
终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
服务器105可以是提供各种服务的服务器，例如对终端设备101、102、103上显示的页面提供支持的后台服务器。
本申请实施例可以基于人工智能技术对服务对象的基本信息和业务数据进行获取和处理。其中，人工智能(Artificial Intelligence，AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、机器人技术、生物识别技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。
需要说明的是，本申请实施例所提供的基于人工智能的电子名片生成方法一般由服务器执行，相应地，基于人工智能的电子名片生成装置一般配置于服务器中。
应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。
请参阅图2，图2示出了基于人工智能的电子名片生成方法的一种具体实施方式。
需注意的是，若有实质上相同的结果，本发明的方法并不以图2所示的流程顺序为限，该方法包括如下步骤：
S1.获取服务对象的名片生成请求，并根据名片生成请求，获取服务对象的基本信息和业务数据。
在本申请实施例中，为了更清楚的理解技术方案，下面对本申请所涉及的终端进行详细介绍。
一是服务器，服务器能够获取接收名片生成请求，并根据该名片生成请求获取服务对象的基本信息和业务数据，并根据业务数据获取服务客户信息以及目标标签，从而生成服务对象对应的电子名片；服务器还可以将生成的电子名片返回给服务对象或用户端，服务器还可以通过电子名片上的埋点，收集点击查看电子名片的页面埋点信息。
二是用户端，用户端可以向服务器发送电子名片生成请求，也可以接收服务器所生成的电子名片，用户端还可以查看、转发该电子名片。
具体的，服务对象是指要生成电子名片的对象，例如，该服务对象可以是贷款中介。在服务器接收到名片生成请求后，该名片生成请求中包含服务对象的信息，通过对名片生成请求进行解析，以获取服务对象的基本信息和业务数据。其中，基本信息包括服务对象的姓名、性别、联系方式、联系地址、照片等信息。业务数据是服务对象所工作的业绩数据，例如，贷款中介近期以来的业绩走势，以及每一笔开单数据的详细信息，如申请时间、申请类型、放款时间、放款额度、客户评价等。
S2.识别出业务数据中的客户敏感信息，并对敏感信息进行屏蔽处理，得到服务客户信息。
具体的，由于本申请所生成的电子名片会显示服务对象的业务信息，该业务信息会设计客户的敏感信息，例如客户的姓名、电话等。为了避免客户的敏感信息泄露，所以需要对业务数据中的客户敏感进行屏蔽处理，以保护客户的隐私和安全。
请参阅图3，图3示出了步骤S2的一种具体实施方式，详叙如下：
S21.通过正则匹配的方式，识别业务数据中每一笔业务信息的客户敏感信息，其中，客户敏感信息包括客户姓名以及联系信息；
具体的，由于业务信息包括多笔业务信息所组成的，每一笔业务信息都包括客户姓名和联系方式。所以为了保护客户的隐私，通过正则匹配的方式，识别出每一笔业务信息中的客户姓名以及联系方式。
S22.采用数据脱敏的方式，对联系信息进行掩码处理，得到处理后的联系信息；
S23.获取客户姓名对应的性别信息，并基于性别信息对客户姓名进行名称替换处理，得到处理后的客户姓名。
具体的，通过数据脱敏的方式，对联系方式进行掩码处理，已实现对客户敏感信息进行隐藏；对于客户姓名，则通过客户姓名在业务信息中获取客户的性别，再将客户的名称根据性别信息进行替换处理。将处理后的联系信息和处理后的客户姓名作为服务客户信息，该服务客户信息所对应的业务数据将作为后续电子名片中服务对象的业务信息，以展示服务对象的业绩能力，同时保护了客户的隐私。
例如，手机号只显示前三位和后四位，其他掩码，比如原始手机号13712345678，脱敏后显示为137****5678。姓名只显示姓氏，其他部分隐藏，并拼接性别称谓，比如“张三”，脱敏后为“张先生”，“李丽”脱敏后为“李小姐”。
本实施例中，通过正则匹配的方式，识别业务数据中每一笔业务信息的客户敏感信息，再采用数据脱敏的方式，对联系信息进行掩码处理，得到处理后的联系信息，获取客户姓名对应的性别信息，并基于性别信息对客户姓名进行名称替换处理，得到处理后的客户姓名，实现保护了客户的隐私，避免泄露客户敏感信息。
S3.获取业务数据中的客户评价数据和预设维度的数据信息，其中，预设维度包括服务单量、服务时间以及服务费率。
具体的，本申请需要根据业务信息的多维度来生成对应的标签信息，并与标签信息结合业务信息来体现服务对象的工作能力，从而从各个方面体现服务对象的各个特征，而不仅仅体现于服务对象的基本信息。所以本申请通过获取业务数据中的客户评价数据和预设维度的数据信息，该预设维度可以包括服务单量、服务时间以及服务费率。进一步的，通过正则匹配的方式，从业务数据中提取客户评价数据和预设维度的数据信息。通过预设构建的正则表达式，从业务数据中进行匹配获取对应的客户评价数据和预设维度的数据信息。
S4.根据自然语言识别算法，提取客户评价数据中的关键字。
具体的，通过对客户评价数据进行分词处理，得到初始分词，再计算每个初始分词出现的频率，从而获取到客户对服务对象评价最多的关键字。该关键字用于后续目标标签的生成。
请参阅图4，图4示出了步骤S4的一种具体实施方式，详叙如下：
S41.根据预设分词方式，对客户评价数据进行分词处理，得到初始分词。
具体的，分词方式包括但不限于：Jieba分词、维特比算法分词等等；优选Jieba分词的方式进行分词，其便于后续进行的词频统计，以便于进行关键字的提取。
S42.采用TF-IDF算法，统计初始分词的词频，得到初始分词频率。
具体的，客户评价数据中存在众多评价词语，也即存在着众多初始分词，通过统计初始分词的词频，可以获取到客户对服务对象评价认可度信息。词频越高，说明越多客户对服务对象评价一致。
其中，TF-IDF是一种统计方法，用以评估一字词对于一个文件集或一个语料库中的其中一份文件的重要程度。字词的重要性随着它在文件中出现的次数成正比增加，但同时会随着它在语料库中出现的频率成反比下降。在本申请实施例中，通过TF-IDF算法，统计初始分词的词频，得到初始分词频率。
S43.按照从大到小的顺序，对初始分词频率进行排列，排列结果。
S44.基于排列结果，获取预设数量的初始分词，作为关键字。
具体的，由于需要选取关键字，并且将该关键字作为后续目标标签，所以选取客户对服务对象评价重合较高的初始分词作为关键字。
需要说明的是，预设数量根据情况进行设定，此处不做限定。在一具体实施例中，预设数量为5个。
本实施例中，根据预设分词方式，对客户评价数据进行分词处理，得到初始分词，并统计初始分词的词频，得到初始分词频率，再按照从大到小的顺序，对初始分词频率进行排列，排列结果，然后基于排列结果，获取预设数量的初始分词，作为关键字，实现对客户评价数据中选取关键字，有利于后续对服务对象赋予对应标签，使得根据服务对应的评价信息精准生成对应的电子名片。
S5.针对每一维度的数据信息，将数据信息映射到预设区间，得到映射结果，并基于映射结果以及关键字，生成服务对象对应的目标标签。
具体的，通过将每一维度的数据信息进行数据统计，再将统计结果映射到不同区间，得到映射结果，再根据映射结果以及关键字，生成不同的目标标签。例如，针对服务当量这一维度，计算3个月内该服务对象一共促成了多少笔业务。事先将服务当量分为不同区间，在每个服务对象促成的服务当量处于何种区间，再生产对应的目标标签。具体的，获取每一维度的数据统计信息对应的预设统计方式，再基于该预设统计方式对数据信息进行统计，得到每一维度的统计结果；获取预设区间，将每一维度的统计结果映射到预设区间内，得到映射结果；若映射结果全部映射在第一预设区间，则将每一维度的标签信息，作为目标标签；若是映射结果全部映射到第二预设区间，则基于同义词比较算法，获取关键字对应的评价信息，并将评价信息作为目标标签；若是映射结果不属于上述两种情况，则获取客户对服务对象的正向评价作为目标标签。
请参阅图5，图5示出了步骤S5的一种具体实施方式，详叙如下：
S51.获取每一维度的数据信息对应的预设统计方式。
S52.按照预设统计方式统计每一维度的数据信息，得到每一维度的统计结果。
具体的，每一维度的数据信息都有其统计方式，所以先获取每一维度的预设统计方式，再根据预设统计方式对应统计每一维度的数据信息，得到统计结果。例如，服务当量的预设统计方式为统计预设时间内，服务对象所促成的业务；服务时间的预设统计方式为每笔业务从申请到结束的平均时长；服务费率是指收取费用/放款金额*100％。
S53.将每一维度的统计结果映射到预设区间，得到映射结果。
S54.基于映射结果以及关键字，生成服务对象对应的目标标签。
具体的，例如在贷款服务中，按开单量从高到低，申请时间从短到长，服务费率从低到高，每个维度单独排序，按5：10：20：30：20：10：5比例，把统计结果映射到“前35％”、“前35％至前65％”、“后35％”3个区间。再根据映射结果以及关键字，生成服务对象对应的目标标签。
需要说明的是，预设区间包括第一预设区间、第二预设区间以及第三预设区间，第一预设区间、第二预设区间以及第三预设区间根据实际情况进行设定，此处不做限定。在一具体实施例中，第一预设区间、第二预设区间以及第三预设区间分别为“前35％”、“前35％至前65％”、“后35％”。
本实施例中，通过获取每一维度数据信息对应的预设统计方式，并按照预设统计方式统计每一维度的数据信息，得到每一维度的统计结果，然后将每一维度的统计结果映射到预设区间，得到映射结果，再基于映射结果以及关键字，生成服务对象对应的目标标签，实现将服务对象的数据信息进行处理，以获取符合服务对象的目标标签，实现根据用户的数据信息精准生成电子名片，有利于提高电子名片的查看率，同时有利于将电子名片进行传播。
请参阅图6，图6示出了步骤S54的一种具体实施方式，详叙如下：
S541.将映射结果为每一维度的统计结果均处于第一预设区间，作为第一映射结果，并基于第一映射结果，获取每一维度的标签信息，作为目标标签。
S542.将映射结果为每一维度的统计结果均处于第二预设区间，作为第二映射结果，并基于第二映射结果，根据同义词比较算法，获取关键字对应的评价信息，并将评价信息作为目标标签。
S543.若映射结果未属于第一映射结果或第二映射结果，则基于客户评价数据得到目标标签。
具体的，若是每一维度的统计结果均在“前35％”或者更靠前区间内的，也即若映射结果为每一维度的统计结果均处于第一预设区间,属于第一映射结果，则获取每一维度的标签信息，例如服务单量对应的“开单王”、服务时间对应的“快速放款”、服务费率对应的“费率低廉”标签。若是每一维度的统计结果均“前35％至前65％”区间的，也即映射结果为每一维度的统计结果均处于第二预设区间，属于第二映射结果，则通过同义词比较算法，获取高频关键字中有对应的评价，得到目标标签。对于映射结果未属于第一映射结果或是第二映射结果的，则按正向评价的频率从高到低顺序，挑选其他评价进行打标，如“态度好”、“服务热情”等。映射结果未属于第一映射结果或是第二映射结果可以是三个维度的统计结果均落在“后35％”，也即三个维度的映射结果均落在第三预设区间；也可以是一个维度的映射结果落在“后35％”，一个维度的映射结果落在“前35％至前65％”，最后一个维度的映射结果落在“后35％”，也即三个维度的映射结果分别落在了三个预设区间。
本实施例中，根据映射结果所落在的预设区间，对应生成不同的目标标签，使得服务对象的标签更加凸显服务对象的特点，有利于后续生成电子名片的传播。
请参阅图7，图7示出了步骤S543的一种具体实施方式，详叙如下：
S5431.若映射结果未属于第一映射结果或第二映射结果，则基于NLP的情感分析技术，对客户评价数据进行观点抽取，得到观点抽取结果，其中，观点抽取结果包括正向评价、中性评价和负向评价。
具体的，由于客户数据中存在各种不同的评价，可以将其分为正向评价、中性评价和负向评价。在本实施例中，通过NLP的情感分析技术，对客户评价数据进行观点抽取，得到观点抽取结果。其中，NLP的情感分析技术也称为意见挖掘(Opinion Mining)，是自然语言处理(NLP)的一个领域，它构建的系统，用于在文本中识别和提取观点。通常除了识别观点之外，该技术还能提取描述的特征。
S5432.统计正向评价中各个评价信息的频率，得到评价信息频率集合。
S5433.选取评价信息频率集合中频率靠前的评价信息，作为目标标签。
具体的，由于需要对服务对象赋予相应的标签，以凸显服务对应的特点，同时应该选取正向评价作为服务对象的标签。所以在所提取的正向评价中进行统计，获取频率最高的几个评价信息作为目标标签。
本实施例中，通过基于NLP的情感分析技术，对客户评价数据进行观点抽取，得到观点抽取结果，并选取正向评价中频率靠前的评价信息，作为目标标签，实现对服务对象赋予相应的标签，有利于根据客户评价生成对应的标签，使得服务对象的标签更加凸显服务对象的特点。
S6.基于基本信息、服务客户信息、目标标签，生成服务对象对应的电子名片。
具体的，将服务对象的基本信息、目标标签以及经过客户敏感信息处理后的业务信息，生成以H5页面作为载体的电子名片。
本实施例中，通过获取服务对象的名片生成请求，并根据名片生成请求，获取服务对象的基本信息和业务数据；识别出业务数据中的客户敏感信息，并对敏感信息进行屏蔽处理，得到服务客户信息；获取业务数据中的客户评价数据和预设维度的数据信息；根据自然语言识别算法，提取客户评价数据中的关键字；针对每一维度的数据信息，将数据信息映射到预设区间，得到映射结果，并基于映射结果以及关键字，生成服务对象对应的目标标签；基于基本信息、服务客户信息、目标标签，生成服务对象对应的电子名片。本申请实施例通过结合服务对象的业务信息生成对应的标签，同时将客户的敏感信息进行屏蔽，并将其结合标签、基本信息生成电子名片，使得生成的电子名片更直观体现用户的业务特点和业务能力，实现根据用户的数据信息精准生成电子名片，有利于提高电子名片的查看率，同时有利于将电子名片进行传播。
请参阅图6，图6示出了步骤S6之后的一种具体实施方式，详叙如下：
S61.若社交软件监测到电子名片被用户访问，则调用社交软件的静默授权接口，以拉取用户的数据身份识别框架。
其中，数据身份识别框架(OpenID)，其是一个去中心化的网上身份认证系统。对于支持OpenID的网站，用户不需要记住像用户名和密码这样的传统验证标记，只需要预先在一个作为OpenID身份提供者(identity provider,IdP)的网站上注册。
S62.将数据身份识别框架作为独立访客的统计口径。
S63.基于独立访客的统计口径，获取页面埋点数据，并基于页面埋点数据进行访问数据统计。
具体的，现有的名片一旦发生出去，几乎无法统计接受方是否浏览过。本申请所生成的电子名片，主要是在社交软件渠道传播，用户一旦访问，服务器则调用社交软件的静默授权接口，在用户无感知的情况下拉取对应的微信openId(数字身份识别框架)，并把openId作为UV(独立访客)统计口径，上报页面埋点数据，在后台进行数据统计，以便统计该电子名片被浏览或转发的次数。该社交软件可以是微信、QQ等。另外若是在无法拉取数字身份识别框架的环境中，如在非微信环境点击了电子名片的H5链接，由于在电子名片上设置了埋点，通过埋点收集页面埋点数据，在非微信环境下无需统计微信openId，实现统计PV(页面浏览量)。
本实施例中，若社交软件监测到电子名片被用户访问时，则调用社交软件的静默授权接口，以拉取用户的数据身份识别框架，并将数据身份识别框架作为独立访客的统计口径，基于独立访客的统计口径，获取页面埋点数据，并基于页面埋点数据进行访问数据统计，实现对电子名片的访问统计，便于对电子名片的传播做到可追踪、可量化。
需要强调的是，为进一步保证上述基本信息的私密和安全性，上述基本信息还可以存储于一区块链的节点中。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，该计算机程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，前述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)等非易失性存储介质，或随机存储记忆体(Random Access Memory，RAM)等。
请参考图9，作为对上述图2所示方法的实现，本申请提供了一种基于人工智能的电子名片生成装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。
如图9所示，本实施例的基于人工智能的电子名片生成装置包括：名片生成请求获取模块71、客户敏感信息处理模块72、数据信息提取模块73、客户评价数据处理模块74、目标标签生成模块75及电子名片生成模块76，其中：
名片生成请求获取模块71，用于获取服务对象的名片生成请求，并根据名片生成请求，获取服务对象的基本信息和业务数据；
客户敏感信息处理模块72，用于识别出业务数据中的客户敏感信息，并对敏感信息进行屏蔽处理，得到服务客户信息；
数据信息提取模块73，用于获取业务数据中的客户评价数据和预设维度的数据信息，其中，预设维度包括服务单量、服务时间以及服务费率；
客户评价数据处理模块74，用于根据自然语言识别算法，提取客户评价数据中的关键字；
目标标签生成模块75，用于针对每一维度的数据信息，将数据信息映射到预设区间，得到映射结果，并基于映射结果以及关键字，生成服务对象对应的目标标签；
电子名片生成模块76，用于基于基本信息、服务客户信息、目标标签，生成服务对象对应的电子名片。
进一步的，客户敏感信息处理模块72包括：
客户敏感信息识别子模块，用于通过正则匹配的方式，识别业务数据中每一笔业务信息的客户敏感信息，其中，客户敏感信息包括客户姓名以及联系信息；
联系信息掩码处理子模块，用于采用数据脱敏的方式，对联系信息进行掩码处理，得到处理后的联系信息；
客户信息替换处理子模块，用于获取客户姓名对应的性别信息，并基于性别信息对客户姓名进行名称替换处理，得到处理后的客户姓名。
进一步的，客户评价数据处理模块74包括：
初始分词获取子模块，用于根据预设分词方式，对客户评价数据进行分词处理，得到初始分词；
初始分词频率统计子模块，用于采用TF-IDF算法，统计初始分词的词频，得到初始分词频率；
初始分词频率排列子模块，用于按照从大到小的顺序，对初始分词频率进行排列，得到排列结果；
关键字确认子模块，用于基于排列结果，获取预设数量的初始分词，作为关键字。
进一步的，目标标签生成模块75包括：
预设统计方式获取子模块，用于获取每一维度的数据信息对应的预设统计方式；
统计结果获取子模块，用于按照预设统计方式统计每一维度的数据信息，得到每一维度的统计结果；
统计结果映射子模块，用于将每一维度的统计结果映射到预设区间，得到映射结果；
目标标签确认子模块，用于基于映射结果以及关键字，生成服务对象对应的目标标签。
进一步的，目标标签确认子模块包括：
第一目标标签确认单元，用于将映射结果为每一维度的统计结果均处于第一预设区间，作为第一映射结果，并基于第一映射结果，获取每一维度的标签信息，作为目标标签；
第二目标标签确认单元，用于将映射结果为每一维度的统计结果均处于第二预设区间，作为第二映射结果，并基于第二映射结果，根据同义词比较算法，获取关键字对应的评价信息，并将评价信息作为目标标签；
第三目标标签确认单元，用于若映射结果未属于第一映射结果或第二映射结果，则基于客户评价数据得到目标标签。
进一步的，第三目标标签确认单元包括：
观点抽取结果抽取子单元，用于若映射结果未属于第一映射结果或第二映射结果，则基于NLP的情感分析技术，对客户评价数据进行观点抽取，得到观点抽取结果，其中，观点抽取结果包括正向评价、中性评价和负向评价；
评价信息频率统计子单元，用于统计正向评价中各个评价信息的频率，得到评价信息频率集合；
评价信息选取子单元，用于选取评价信息频率集合中频率靠前的评价信息，作为目标标签。
进一步的，在电子名片生成模块76之后，还包括：
身份识别框架拉取模块，用于若社交软件监测到电子名片被用户访问，则调用社交软件的静默授权接口，以拉取用户的数据身份识别框架；
统计口径确认模块，用于将数据身份识别框架作为独立访客的统计口径；
访问数据统计模块，用于基于独立访客的统计口径，获取页面埋点数据，并基于页面埋点数据进行访问数据统计。
需要强调的是，为进一步保证上述基本信息的私密和安全性，上述基本信息还可以存储于一区块链的节点中。
为解决上述技术问题，本申请实施例还提供计算机设备。具体请参阅图10，图10为本实施例计算机设备基本结构框图。
计算机设备8包括通过系统总线相互通信连接存储器81、处理器82、网络接口83。需要指出的是，图中仅示出了具有三种组件存储器81、处理器82、网络接口83的计算机设备8，但是应理解的是，并不要求实施所有示出的组件，可以替代的实施更多或者更少的组件。其中，本技术领域技术人员可以理解，这里的计算机设备是一种能够按照事先设定或存储的指令，自动进行数值计算和/或信息处理的设备，其硬件包括但不限于微处理器、专用集成电路(Application Specific Integrated Circuit，ASIC)、可编程门阵列(Field －Programmable Gate Array，FPGA)、数字处理器(Digital Signal Processor，DSP)、嵌入式设备等。
计算机设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。计算机设备可以与用户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机交互。
存储器81至少包括一种类型的可读存储介质，可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如，SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等。在一些实施例中，存储器81可以是计算机设备8的内部存储单元，例如该计算机设备8的硬盘或内存。在另一些实施例中，存储器81也可以是计算机设备8的外部存储设备，例如该计算机设备8上配备的插接式硬盘，智能存储卡(SmartMedia Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。当然，存储器81还可以既包括计算机设备8的内部存储单元也包括其外部存储设备。本实施例中，存储器81通常用于存储安装于计算机设备8的操作系统和各类应用软件，例如基于人工智能的电子名片生成方法的程序代码等。此外，存储器81还可以用于暂时地存储已经输出或者将要输出的各类数据。
处理器82在一些实施例中可以是中央处理器(Central Processing Unit，CPU)、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器82通常用于控制计算机设备8的总体操作。本实施例中，处理器82用于运行存储器81中存储的程序代码或者处理数据，例如运行上述基于人工智能的电子名片生成方法的程序代码，以实现基于人工智能的电子名片生成方法的各种实施例。
网络接口83可包括无线网络接口或有线网络接口，该网络接口83通常用于在计算机设备8与其他电子设备之间建立通信连接。
本申请还提供了另一种实施方式，即提供一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序可被至少一个处理器执行，以使至少一个处理器执行如上述的一种基于人工智能的电子名片生成方法的步骤。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。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(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本申请各个实施例的方法。
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。
显然，以上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，附图中给出了本申请的较佳实施例，但并不限制本申请的专利范围。本申请可以以许多不同的形式来实现，相反地，提供这些实施例的目的是使对本申请的公开内容的理解更加透彻全面。尽管参照前述实施例对本申请进行了详细的说明，对于本领域的技术人员来而言，其依然可以对前述各具体实施方式所记载的技术方案进行修改，或者对其中部分技术特征进行等效替换。凡是利用本申请说明书及附图内容所做的等效结构，直接或间接运用在其他相关的技术领域，均同理在本申请专利保护范围之内。

Claims (10)

1.一种基于人工智能的电子名片生成方法，其特征在于，包括：
获取服务对象的名片生成请求，并根据所述名片生成请求，获取所述服务对象的基本信息和业务数据；
识别出所述业务数据中的客户敏感信息，并对所述敏感信息进行屏蔽处理，得到服务客户信息；
获取所述业务数据中的客户评价数据和预设维度的数据信息，其中，所述预设维度包括服务单量、服务时间以及服务费率；
根据自然语言识别算法，提取所述客户评价数据中的关键字；
针对每一维度的数据信息，将所述数据信息映射到预设区间，得到映射结果，并基于所述映射结果以及所述关键字，生成服务对象对应的目标标签；
基于所述基本信息、所述服务客户信息、所述目标标签，生成所述服务对象对应的电子名片。
2.根据权利要求1所述的基于人工智能的电子名片生成方法，其特征在于，所述识别出所述业务数据中的客户敏感信息，并对所述敏感信息进行屏蔽处理，得到服务客户信息，包括：
通过正则匹配的方式，识别所述业务数据中每一笔业务信息的客户敏感信息，其中，所述客户敏感信息包括客户姓名以及联系信息；
采用数据脱敏的方式，对所述联系信息进行掩码处理，得到处理后的联系信息；
获取所述客户姓名对应的性别信息，并基于所述性别信息对所述客户姓名进行名称替换处理，得到处理后的客户姓名。
3.根据权利要求1所述的基于人工智能的电子名片生成方法，其特征在于，所述根据自然语言识别算法，提取所述客户评价数据中的关键字，包括：
根据预设分词方式，对所述客户评价数据进行分词处理，得到初始分词；
采用TF-IDF算法，统计所述初始分词的词频，得到初始分词频率；
按照从大到小的顺序，对所述初始分词频率进行排列，得到排列结果；
基于所述排列结果，获取预设数量的初始分词，作为所述关键字。
4.根据权利要求1所述的基于人工智能的电子名片生成方法，其特征在于，所述针对每一维度的数据信息，将所述数据信息映射到预设区间，得到映射结果，并基于所述映射结果以及所述关键字，生成服务对象对应的目标标签，包括：
获取每一维度的所述数据信息对应的预设统计方式；
按照所述预设统计方式统计每一维度的所述数据信息，得到每一维度的统计结果；
将每一维度的所述统计结果映射到所述预设区间，得到所述映射结果；
基于所述映射结果以及所述关键字，生成服务对象对应的所述目标标签。
5.根据权利要求4所述的基于人工智能的电子名片生成方法，其特征在于，所述预设区间包括第一预设区间、第二预设区间以及第三预设区间，所述基于所述映射结果以及所述关键字，生成服务对象对应的所述目标标签，包括：
将所述映射结果为每一维度的所述统计结果均处于所述第一预设区间，作为第一映射结果，并基于所述第一映射结果，获取每一维度的标签信息，作为所述目标标签；
将所述映射结果为每一维度的所述统计结果均处于所述第二预设区间，作为第二映射结果，并基于所述第二映射结果，根据同义词比较算法，获取所述关键字对应的评价信息，并将所述评价信息作为所述目标标签；
若所述映射结果未属于所述第一映射结果或所述第二映射结果，则基于客户评价数据得到所述目标标签。
6.根据权利要求5所述的基于人工智能的电子名片生成方法，其特征在于，所述若所述映射结果未属于所述第一映射结果或所述第二映射结果，则基于客户评价数据得到所述目标标签，包括：
若所述映射结果未属于所述第一映射结果或所述第二映射结果，则基于NLP的情感分析技术，对所述客户评价数据进行观点抽取，得到观点抽取结果，其中，所述观点抽取结果包括正向评价、中性评价和负向评价；
统计所述正向评价中各个评价信息的频率，得到评价信息频率集合；
选取所述评价信息频率集合中频率靠前的评价信息，作为所述目标标签。
7.根据权利要求1至6任一项所述的基于人工智能的电子名片生成方法，其特征在于，在所述基于所述基本信息、所述服务客户信息、所述目标标签，生成所述服务对象对应的电子名片之后，所述方法还包括：
若社交软件监测到所述电子名片被用户访问，则调用所述社交软件的静默授权接口，以拉取所述用户的数据身份识别框架；
将所述数据身份识别框架作为独立访客的统计口径；
基于所述独立访客的统计口径，获取页面埋点数据，并基于所述页面埋点数据进行访问数据统计。
8.一种基于人工智能的电子名片生成装置，其特征在于，包括：
名片生成请求获取模块，用于获取服务对象的名片生成请求，并根据所述名片生成请求，获取所述服务对象的基本信息和业务数据；
客户敏感信息处理模块，用于识别出所述业务数据中的客户敏感信息，并对所述敏感信息进行屏蔽处理，得到服务客户信息；
数据信息提取模块，用于获取所述业务数据中的客户评价数据和预设维度的数据信息，其中，所述预设维度包括服务单量、服务时间以及服务费率；
客户评价数据处理模块，用于根据自然语言识别算法，提取所述客户评价数据中的关键字；
目标标签生成模块，用于针对每一维度的数据信息，将所述数据信息映射到预设区间，得到映射结果，并基于所述映射结果以及所述关键字，生成服务对象对应的目标标签；
电子名片生成模块，用于基于所述基本信息、所述服务客户信息、所述目标标签，生成所述服务对象对应的电子名片。
9.一种计算机设备，其特征在于，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至7中任一项所述的基于人工智能的电子名片生成方法。
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执行时实现如权利要求1至7中任一项所述的基于人工智能的电子名片生成方法。
CN202111060192.1A 2021-09-10 2021-09-10 基于人工智能的电子名片生成方法、装置、设备及介质 Pending CN113779198A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111060192.1A CN113779198A (zh) 2021-09-10 2021-09-10 基于人工智能的电子名片生成方法、装置、设备及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111060192.1A CN113779198A (zh) 2021-09-10 2021-09-10 基于人工智能的电子名片生成方法、装置、设备及介质

Publications (1)

Publication Number Publication Date
CN113779198A true CN113779198A (zh) 2021-12-10

Family

ID=78842373

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111060192.1A Pending CN113779198A (zh) 2021-09-10 2021-09-10 基于人工智能的电子名片生成方法、装置、设备及介质

Country Status (1)

Country Link
CN (1) CN113779198A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115150362A (zh) * 2022-08-31 2022-10-04 北京金堤科技有限公司 电子名片的生成方法、装置、存储介质及电子设备

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115150362A (zh) * 2022-08-31 2022-10-04 北京金堤科技有限公司 电子名片的生成方法、装置、存储介质及电子设备
CN115150362B (zh) * 2022-08-31 2022-12-09 北京金堤科技有限公司 电子名片的生成方法、装置、存储介质及电子设备

Similar Documents

Publication Publication Date Title
CN112347310B (zh) 事件处理信息的查询方法、装置、计算机设备和存储介质
CN108090351B (zh) 用于处理请求消息的方法和装置
CN109670837A (zh) 债券违约风险的识别方法、装置、计算机设备和存储介质
CN111210335B (zh) 用户风险识别方法、装置及电子设备
CN112613917A (zh) 基于用户画像的信息推送方法、装置、设备及存储介质
WO2019231772A1 (en) Systems and methods for crypto currency automated transaction flow detection
CN107679119A (zh) 生成品牌衍生词的方法和装置
CN110351672B (zh) 信息推送方法、装置及电子设备
CN111783132A (zh) 基于机器学习的sql语句安全检测方法、装置、设备及介质
CN114493255A (zh) 基于知识图谱的企业异常监控方法及其相关设备
CN111598122B (zh) 数据校验方法、装置、电子设备和存储介质
CN111625567A (zh) 数据模型匹配方法、装置、计算机系统及可读存储介质
CN114265835A (zh) 基于图挖掘的数据分析方法、装置及相关设备
CN114490756A (zh) 一种关联查看模型的生成方法、装置、计算机设备及存储介质
CN113779198A (zh) 基于人工智能的电子名片生成方法、装置、设备及介质
CN111563527B (zh) 异常事件检测方法以及装置
CN116956326A (zh) 权限数据的处理方法、装置、计算机设备及存储介质
CN117195886A (zh) 基于人工智能的文本数据处理方法、装置、设备及介质
CN108768742B (zh) 网络构建方法及装置、电子设备、存储介质
CN115578170A (zh) 一种财务批量制证方法、装置、设备及存储介质
CN115827122A (zh) 操作引导方法、装置、电子设备及存储介质
CN115545753A (zh) 一种基于贝叶斯算法的合作伙伴预测方法及相关设备
CN114201964A (zh) 舆情风险识别方法、装置、电子设备及存储介质
CN110795424B (zh) 特征工程变量数据请求处理方法、装置及电子设备
CN114780602A (zh) 数据溯源分析方法、装置、计算机设备及存储介质

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