CN114255101A - 产品信息推荐方法、装置、计算机设备和存储介质 - Google Patents
产品信息推荐方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN114255101A CN114255101A CN202111485088.7A CN202111485088A CN114255101A CN 114255101 A CN114255101 A CN 114255101A CN 202111485088 A CN202111485088 A CN 202111485088A CN 114255101 A CN114255101 A CN 114255101A
- Authority
- CN
- China
- Prior art keywords
- account
- information
- product
- attribute
- characteristic
- 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
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
Landscapes
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请涉及一种产品信息推荐方法、装置、计算机设备和存储介质。所述方法包括:获取第一账号的特征信息与第二账号的特征信息,第一账号与第二账号是相关联的;将第一账号的特征信息进行归类,基于归类结果得到第一账号的特征信息的影响权重,基于影响权重对画像特征进行计算,得到第二账号的目标特征信息;采用本方法能够基于影响权重对第二账号的特征信息进行加权,使第二账号的特征信息中的数值变化,得到目标特征信息。而应用目标特征信息与产品信息进行计算,得到匹配度,基于匹配度进行计算,得到产品推荐信息,按照产品推荐信息执行第二账号的产品推荐,又可以确定出适宜第二账号所属用户的产品,准确性更佳。
Description
技术领域
本申请涉及数据处理技术领域,特别是涉及一种产品信息推荐方法、装置、计算机设备和存储介质。
背景技术
随着数据处理技术的发展,出现了特征构建技术,其所构建出的特征信息,可以作为大数据的根基,它抽象出一个对象(如用户)的信息全貌,为进一步精准、快速地分析行为习惯、消费习惯等重要信息,提供了足够的数据基础,奠定了大数据时代的基石。
在大多数特征信息的构建技术中,由于算法单一、数据不足等因素,所构建的特征信息与真实需求相差甚远,基于特征信息来推荐的效果更是不尽人意的,即产品推荐的精度低。
发明内容
基于此,有必要针对上述技术问题,提供一种能够提供与用户高度匹配的产品信息推荐方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
第一方面,本申请提供了一种产品信息推荐方法,所述方法包括:
获取第一账号的特征信息与第二账号的特征信息,所述第一账号与第二账号是相关联的;
将所述第一账号的特征信息进行归类,基于归类结果得到第一账号的特征信息的影响权重,基于所述影响权重对所述第二账号的特征信息进行加权处理,得到第二账号的目标特征信息;
应用所述目标特征信息与产品信息进行计算,得到匹配度,基于所述匹配度进行计算,得到产品推荐信息,根据所述产品推荐信息执行所述第二账号的推荐指令。
在其中一个实施例中,所述特征信息是标签信息,所述获取第一账号的特征信息与第二账号的特征信息包括:
获取所述第一账号的属性信息与所述第二账号的属性信息;
获取标签集合,所述标签集合包括用于匹配的标签组合;
将所述第一账号的属性信息与所述用于匹配的标签组合进行匹配,得到所述第一账号的标签信息;
将所述第二账号的属性信息与所述用于匹配的标签组合进行匹配,得到所述第二账号的标签信息。
在其中一个实施例中,所述第一账号为个人账号,所述第二账号为组织机构账号,所述组织机构账号是所述个人账号所认证的;所述个人账号的属性信息包括个人行为分类数据,所述组织机构账号的属性信息包括类别信息;所述标签集合包括所述个人账号对应的个人标签组合、以及所述组织机构账号对应的组织机构标签组合;
所述将所述第一账号的属性信息与所述用于匹配的标签组合进行匹配,得到所述第一账号的标签信息包括基于所述个人行为分类数据与所述个人标签组合进行匹配,得到所述个人账号的标签属性,填充所述个人账号的标签属性,得到所述个人账号的标签信息;
所述将所述第二账号的属性信息与所述用于匹配的标签组合进行匹配,得到所述第二账号的标签信息包括:基于所述类别信与所述组织机构标签组合进行匹配,得到所述组织机构账号的标签属性,填充所述组织机构账号的标签属性,得到所述组织机构账号的标签信息。
在其中一个实施例中,所述将所述第一账号的特征信息进行归类,包括:
基于所述第一账号的特征信息,获取所述第一账号申请所述第二账号的频率信息,若所述频率信息处于用于分类的频率范围,则确定所述第一账号为与所述频率范围对应的类别账号;和/或,
基于所述第一账号的特征信息,获取第一账号的信誉信息,若所述第一账号的信誉信息处于用于分类的信誉范围,则确定所述第一账号为与所述频率范围对应的类别账号。
在其中一个实施例中,所述目标特征信息包括账号目标属性;所述基于所述影响权重对所述第二账号的特征信息进行加权处理,得到第二账号的目标特征信包括:
基于所述第二账号的特征信息获取所述第二账号的特征属性,基于所述影响权重与所述特征属性进行计算,得到所述账号目标属性;
所述应用所述目标特征信息与产品信息进行计算,得到匹配度,包括:
从所述产品信息中获取产品特征属性,所述产品特征属性用于确定产品的获取权限;
将所述账号目标属性与所述产品特征属性进行比对,得到所述账号目标属性与所述产品特征属性的匹配度。
在其中一个实施例中,所述应用目标特征信息与产品信息计算得到的匹配度为第一匹配度;所述基于所述匹配度进行计算,得到产品推荐信息,包括:
获取业务目标,所述业务目标包括第一业务指标与第二业务指标;
从所述产品信息中,获取第一业务指标与第二业务指标分别对应的产品描述信息;
将第一业务指标与第一业务指标对应的产品描述信息进行相似度计算,得到第一相似度;
将第二业务指标与第二业务指标对应的产品描述信息进行相似度计算,得到第二相似度;
基于所述第一相似度与所述第二相似度进行计算,得到第二匹配度,基于所述第一匹配度与所述第二匹配度进行计算,得到所述第二账号的产品推荐信息。
在其中一个实施例中,所述获取第一账号的特征信息与第二账号的特征信息,包括:基于第一账号与第二账号分别对应的画像主题,分别获取第一账号的特征信息与第二账号的特征信息;
所述应用所述目标特征信息与产品信息进行计算之前,所述方法还包括:基于所述第一账号的画像主题与所述第二账号的画像主题,获取产品信息。
第二方面,本申请还提供了一种产品信息推荐装置,所述装置包括:
特征信息获取模块,用于获取第一账号的特征信息与第二账号的特征信息,所述第一账号与第二账号是相关联的;
特征组合模块,用于将所述第一账号的特征信息进行归类,基于归类结果得到第一账号的特征信息的影响权重,基于所述影响权重对所述第二账号的特征信息进行加权处理,得到第二账号的目标特征信息;
产品推荐模块,用于应用所述目标特征信息与产品信息进行计算,得到匹配度,基于所述匹配度进行计算,得到产品推荐信息,根据所述产品推荐信息生成所述第二账号的推荐指令。
第三方面,本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
获取第一账号的特征信息与第二账号的特征信息,所述第一账号与第二账号是相关联的;
将所述第一账号的特征信息进行归类,基于归类结果得到第一账号的特征信息的影响权重,基于所述影响权重对所述第二账号的特征信息进行加权处理,得到第二账号的目标特征信息;
应用所述目标特征信息与产品信息进行计算,得到匹配度,基于所述匹配度进行计算,得到产品推荐信息,根据所述产品推荐信息执行所述第二账号的推荐指令。
第四方面,本申请还提供了一种计算机可读存储介质。所述计算机可读存储介质,其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以下步骤:
获取第一账号的特征信息与第二账号的特征信息,所述第一账号与第二账号是相关联的;
将所述第一账号的特征信息进行归类,基于归类结果得到第一账号的特征信息的影响权重,基于所述影响权重对所述第二账号的特征信息进行加权处理,得到第二账号的目标特征信息;
应用所述目标特征信息与产品信息进行计算,得到匹配度,基于所述匹配度进行计算,得到产品推荐信息,根据所述产品推荐信息执行所述第二账号的推荐指令。
第五方面,本申请还提供了一种计算机程序产品。所述计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现以下步骤:
获取第一账号的特征信息与第二账号的特征信息,所述第一账号与第二账号是相关联的;
将所述第一账号的特征信息进行归类,基于归类结果得到第一账号的特征信息的影响权重,基于所述影响权重对所述第二账号的特征信息进行加权处理,得到第二账号的目标特征信息;
应用所述目标特征信息与产品信息进行计算,得到匹配度,基于所述匹配度进行计算,得到产品推荐信息,根据所述产品推荐信息执行所述第二账号的推荐指令。
上述产品信息推荐方法、装置、计算机设备、存储介质和计算机程序产品,获取第一账号的特征信息与第二账号的特征信息,第一账号与第二账号是相关联的;将第一账号的特征信息进行归类,基于归类结果得到第一账号的特征信息的影响权重,基于影响权重对第二账号的特征信息进行计算,得到第二账号的目标特征信息;其中,基于影响权重对第二账号的特征信息进行加权,使第二账号的特征信息中的数值变化,得到目标特征信息,其准确性更佳。而应用目标特征信息与产品信息进行计算,得到匹配度,基于匹配度进行计算,得到产品推荐信息,根据所述产品推荐信息执行所述第二账号的推荐指令,又可以确定出适宜第二账号所属用户的产品,使推荐效果更佳。
附图说明
图1为一个实施例中产品信息推荐方法的应用环境图;
图2为一个实施例中产品信息推荐方法的流程示意图;
图3为一个实施例中获取特征信息的流程示意图;
图4为一个实施例中特征信息的结构框图;
图5为一个实施例中计算匹配度的流程示意图;
图6为一个实施例中生成推荐信息的流程示意图;
图7为一个实施例中采集数据装置的结构框图;
图8为一个实施例中产品信息推荐方法的流程示意图;
图9为一个实施例中产品信息推荐装置的结构框图;
图10为一个实施例中计算机设备的内部结构图。
具体实施方式
在相关技术提供的方案中,通常是针对某个对象构建特征信息,并根据特征信息对该对象进行产品推荐,然而,由于算法单一、数据不足等因素,所构建的特征信息与真实需求相差甚远,导致产品推荐的精度低,计算机设备在产品推荐过程中所耗费的计算资源也被无谓浪费。以对象为组织机构的情况举例,在对组织机构推荐产品时,所使用的标签数据源较为单一,主要是获得企业公开信息作为主要数据源,得出是否推荐的硬性结果,信息维度较少,颗粒度较粗,对推荐的精确度存在影响,无法推荐高度匹配的产品。
针对于此,本申请实施例提供了一种产品信息推荐方法、装置、计算机设备、计算机可读存储介质以及计算机程序产品,能够提升产品推荐的精度,同时提升计算机设备所耗费的计算资源的实际利用率。为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的示例实施例仅仅用以解释本申请,并不用于限定本申请。
本申请实施例提供的产品信息推荐方法,可以应用于如图1所示的应用环境中。其中,终端102通过网络与服务器104进行通信。数据存储系统可以存储服务器104需要处理的数据。数据存储系统可以集成在服务器104上,也可以放在云上或其他网络服务器上。服务器104获取第一账号的特征信息与第二账号的特征信息,第一账号与第二账号是相关联的;将第一账号的特征信息进行归类,基于归类结果得到第一账号的特征信息的影响权重,基于影响权重对第二账号的特征信息进行加权处理,得到第二账号的目标特征信息;应用目标特征信息与产品信息进行计算,得到匹配度,基于匹配度进行计算,得到产品推荐信息,根据产品推荐信息执行第二账号的推荐指令(即针对第二账号的推荐指令),例如将产品推荐信息推荐至第二账号所在的终端(如终端102)。其中,终端102可以但不限于是各种计算机、笔记本电脑、智能手机、平板电脑、物联网设备和便携式可穿戴设备,物联网设备可为智能音箱、智能电视、智能空调、智能车载设备等。便携式可穿戴设备可为智能手表、智能手环、头戴设备等。服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。在一个实施例中,本申请实施例提供的方案也可以由终端102实现,其实现的方式与服务器104中的实现方式相近,在此不做赘述;还可以由终端102和服务器104协同实现,例如:终端102可以向服务器104提供某些信息,以便服务器104进行产品信息推荐的计算过程,而服务器104计算之后,会将计算结果反馈给终端102,再由终端102对第二账号进行信息推荐。
在一个实施例中,如图2所示,提供了一种产品信息推荐方法,以该方法应用于图1中的服务器为例进行说明,包括以下步骤:
步骤202,获取第一账号的特征信息与第二账号的特征信息,第一账号与第二账号是相关联的。
在一可选地实施例中,第一账号与第二账号是存在本质性区别的。第一账号相当于通行证账号,可以用于申请第二账号,在使用第一账号进入产品平台后,第一账号不会收到产品推荐信息,例如,第一账号可以是个人账号,第一账号的特征信息是面向个人账号的个人标签组合而成,个人标签是某一个人的行为与征信等级等个人信息而设定的,第一账号的特征信息用于提供权重,会影响到第二账号的特征信息,进而影响到第二账号的终端接收到的产品推荐信息。相对应的,第二账号相当于购物者的账号,第二账号的终端会接收到产品推荐信息,例如,第二账号可以是组织机构账号,第二账号的特征信息也是由组织机构对应的标签所构成的,第二账号的特征信息可以是标签,也可以是其他特征,例如特征向量等数据,其中,组织机构包括但不限于企业、学校、事业单位。当然,以上仅为示例,并不构成对本申请实施例的限定,例如第一账号及第二账号可以均为个人账号,又例如第一账号及第二账号可以均为组织机构账号,又例如第一账号可以是组织机构账号,第二账号可以是个人账号。
在一可选地实施例中,第一账号与第二账号是存在一定相似性的。第一账号与第二账号均是面向同一用户或者某些相关联用户的账号,第一账号与第二账号均可以通过某种手段进行身份认证,而进行身份认证之后,均可以发送或者接受某一些信息。
在一可选地实施例中,第二账号的特征信息,其可以是用于表征企业申请的产品购买力的信息,这类信息可以包括企业经营数据与企业公开信息,而企业经营数据可以是企业资产负债信息、利润信息、科目余额信息、进销存信息、发票信息、纳税信用信息等信息中的一种或多种,而企业公开信息可以是企业工商信息、抵押信息、司法信息以及行政处罚信息等一种或多种。
在一可选地实施方式中,在获取特征信息时,可以直接从数据库等数据存储装置中获取,也可以基于历史数据的特征信息进行机器学习得到。例如:可以将第一账号和/或第二账号的账号标识输入到某一信息集合中,将该信息集合发送到某一数据存储装置,确定该数据存储装置存储的数据之间的对应关系等用于数据调度的逻辑关系,按照逻辑关系获取账号标识对应的特征信息。又如:可以对第一账号和/或第二账号的描述信息进行关键词提取,将其中的描述信息关键词转化为特征向量等用于表示特征的信息,将这些用于表示特征的信息代入到某一深度学习模型等机器学习算法之中,通过相应机器学习算法输出画像信息之类的特征信息。
步骤204,将第一账号的特征信息进行归类,基于归类结果得到第一账号的特征信息的影响权重,基于影响权重对第二账号的特征信息进行加权,得到第二账号的目标特征信息。
在一可选地实施例中,将第一账号的特征信息进行归类时,可以基于多个第一账号对应的个人维度进行归类,个人维度可以是由不同个人标签构成的标签组合,该标签组合可以是申请购买产品的次数,总授信额度,申请购买耗时时长与逾期期数等。个人维度主要是从多个维度对个人进行归类。
在一可选地实施例中,将第一账号的特征信息进行归类时,可以基于第一账号的画像对应的画像类别进行归类。其中,画像类别用画像主题来表征,画像主题可以是信用评级、额度核准、财务分析、上下游分析、关联分析、风险提示等类型,而在不同的画像主题下,就相当于一个画像维度,通过多个画像维度来获取相应信息,全面性与可靠性更佳,可以更全面地分析出更准确的画像,使第一账号的影响权重更精确。
在一可选地实施方式中,将第一账号的特征信息进行归类时,可以基于第一账号的标识与某些数据的映射关系进行归类。例如,将第一账号的特征信息进行归类时,可以先确定第一账号的特征信息中各个属性标识,基于属性标识确定对应的属性状态标识或属性值,按照属性状态标识或属性值确定对应的关系;其中,属性状态标识可以用于表征属性状态标识是否符合对应的规则,由此可以得到第一账号的归类结果。
在一可选地实施方式中,在计算影响权重时,会从第一账号的特征信息中获取某些属性,使用这些属性进行计算,所得结果用于确定第一账号的归类结果,根据归类结果与某些数据的对应关系可以映射到影响权重。在不同的个人维度和/或画像类别的影响下,归类结果可以影响到第二账号的特征信息中的一个或多个属性。
在一可选地实施方式中,基于影响权重对特征信息进行加权处理的过程中,是对第二账号的特征信息对应的属性或者向量信息进行计算(如加权),而计算所得的结果会直接或间接地影响到第二账号的特征信息中的属性或评价等级。
步骤206,应用目标特征信息与产品信息进行计算,得到匹配度,基于匹配度进行计算,得到产品推荐信息,根据产品推荐信息执行第二账号的推荐指令。
这里,分别计算目标特征信息与多个产品信息之间的匹配度,并根据匹配度确定产品推荐信息。例如,可以将满足匹配度条件的匹配度对应的产品信息作为产品推荐信息,匹配度条件如匹配度最大或者匹配度大于匹配度阈值;又例如,可以根据匹配度对多个产品信息进行排序(如按照匹配度从大到小的顺序进行排序),并将排序后的多个产品信息作为产品推荐信息。
在应用目标特征信息与产品信息进行计算之前,还包括获取产品信息的步骤,在一可选地实施方式中,获取产品信息的步骤可以是获取产品要素、规则、积累的购买数据的结果,数据主要来源于产品供应方提供的准入规则以及在平台积累的购买数据。例如:若产品信息是贷款产品的信息,则获取产品信息的步骤可以是获取贷款产品要素、规则、积累的申贷数据的结果,数据主要来源于资金供应方提供的准入规则以及在平台积累的购买数据。
在一可选地实施方式中,目标特征信息与产品信息进行计算的过程中,其可以使用深度学习等机器学习算法,也可以使用其他比对或匹配度计算的方式。例如:在处理目标特征信息时,可以获取该信息内的目标特征,将目标特征与产品信息中的产品特征代入某一算法中,该算法用于计算匹配度。又如,可以将目标特征信息与产品信息的各个特征进行比对,根据相似标签的数量进行映射,根据映射结果得到匹配度。在一可选地实施方式中,基于匹配度进行计算时,还可以将产品的购买规则纳入其中,以进一步地满足产品与产品购买者之间的匹配度。在一可选地实施方式中,基于匹配度进行计算之后,可以获得多个产品与产品购买者之间的匹配度,而将匹配度进行排序之后,可以得到产品推荐信息。
在一可选地实施方式中,根据产品推荐信息执行第二账号的推荐指令,可以是将产品推荐信息发送到第二账号对应的终端,也可以是直接将产品推荐信息进行显示,还可以是将产品推荐信息发送到某一服务器进行存储,将存储的产品推荐信息按照某些方式发送到终端。
上述产品信息推荐方法中,基于关联账号的特征信息设定产品信息推荐策略,可以从多个维度创建更真实的特征信息。在此基础上,对第一账号进行分类映射,得到相应的影响权重,再基于影响权重对第二账号的特征信息进行加权,使第二账号的特征信息中的数值变化,得到目标特征信息,再使用目标特征信息进行匹配,更进一步地建立了立体形象,而通过计算目标特征信息与产品信息的匹配度,可以更准确地推荐产品信息。由此,本申请从关联账号的角度进行分析,使推荐的产品信息更符合第二账号的需求。
在一个实施例中,侧重于特征信息的描述,如图3所示,特征信息是标签信息,获取第一账号的特征信息与第二账号的特征信息包括:
步骤302,获取第一账号的属性信息与第二账号的属性信息。
属性信息,可以用画像主题来进行分类,也可以用不同类型的行为信息来进行分类。其中,第一账号的属性信息,用于表征第一账号对应的用户信息,其可以通过第一账号所属用户填写的数据所表征的,其可以是用户填写或者平台存留信息,其可以是年龄等基本信息,以及贷款笔数等行为数据。而第二账号的属性信息,用于表征第二账号对应的用户信息,其可以是企业画像数据,包括工商司法,税务,发票,财务等类型的数据,可以通过本地插件或机器人流程自动化在线采集程序获取。
在一可选地实施方式中,还包括基于第一账号获取对应的第二账号的过程,可以是通过某种映射表或者其他种类的映射获取数据,也可以是建立第一账号与第二账号的关联关系。例如:当通过某些数据表示,已确定第一账号已经认证第二账号为关联账号,则可根据对应的映射关系,直接获取第二账号标识或者第二账号的数据;当第一账号或第二账号所在终端发出某一请求,该请求用于建立第一账号与第二账号的关联关系,则可以先获取第一账号与第二账号,再获取账号间的关联关系。
步骤304,获取标签集合,标签集合包括用于匹配的标签组合。
标签集合,可以通过标签数据库或区块链等数据存储装置来进行存储,也可以通过某一终端直接输入,标签集合可以是一个或多个,用于建立第一账号的特征信息。而标签组合是具有关联关系的标签,该关联关系可以是标签与标签之间的,用于更清晰地展示特征信息,也可以是标签与标签组合标识之间的,使标签组合标识用于表示某一特征或者特征的属性。其中,不同的标签组合可以具有相同的标签,用以从不同维度展示特征信息。
步骤306,将第一账号的属性信息与用于匹配的标签组合进行匹配,得到第一账号的标签信息。
步骤308,将第二账号的特征信息与用于匹配的标签组合进行匹配,得到第二账号的标签信息。
本实施例中,通过设定标签集合与标签组合,以便于从多个维度进行分析,使特征信息以标签信息的形式而更加的丰富而立体,而如果按照不同的画像主题来设定标签信息,可以使标签信息更贴合真实形象,从而更有利于将适宜的产品推荐给第二账号对应的终端。
在一个实施例中,侧重于使用何种数据来表示特征信息,如图4所示,第一账号为个人账号,第二账号为组织机构账号,组织机构账号是个人账号所认证的,组织机构可以是企业、学校、事业单位等任意群体。
在一可选地实施例中,个人账号的属性信息包括个人行为分类数据,所述组织机构账号的属性信息包括类别信息;所述标签集合包括所述个人账号对应的个人标签组合、以及所述组织机构账号对应的组织机构标签组合。
将第一账号的属性信息与用于匹配的标签组合进行匹配,得到第一账号的标签信息包括:基于个人行为分类数据与个人标签组合进行匹配,得到个人账号的标签属性,填充个人账号的标签属性,得到个人账号的标签信息;
个人行为分类数据,用于表征关于个人用户的行为和行为发生时环境的观察报告。其可以基于贷款申请笔数、总授信额度、申贷耗时的时长、逾期期数等数据得到,用于表示个人行为对应的类别或种类。
在一可选地实施方式中,个人账号的特征属性是由个人标签组成的,而个人标签通过某些个人行为分类数据的标识及函数获取到的,其可以使用任意种类的机器学习算法计算所得,也可以通过简单的映射关系得到。
在一可选地实施方式中,填充个人账号的标签属性,可以是将画像主题填充到标签属性中,也可以将个人账号的属性值填充到标签属性中,以得到对应的属性信息。由此,可以进一步地丰富个人账号的标签信息。
将所述第二账号的属性信息与所述用于匹配的标签组合进行匹配,得到所述第二账号的标签信息包括:基于类别信息与组织机构标签组合进行匹配,得到组织机构账号的标签属性,填充组织机构账号的标签属性,得到组织机构账号的标签信息。
组织机构账号的类别信息,其可以包括一种或多种类别,而组织机构特征的类别信息,其也可以称为特征主题信息,而组织机构特征的特征主题可以与个人账号对应的特征主题相同,也可以有所区别。在一可选地实施例中,组织机构账号的标签属性,可以仅仅使用标识来映射,也可以将标识对应的属性值填充进去。
本实施例中,通过设定个人行为数据建立个人账号的特征信息,能够从个人角度分析企业所需产品,而通过组织机构的类别信息进行多维度的主题进行分析,更可靠地展示了企业的特征信息。
在一个实施例中,侧重于对第一账号的特征信息进行描述,将第一账号的特征信息进行归类,包括:
基于第一账号的特征信息,获取第一账号申请第二账号的频率信息,若频率信息处于用于分类的频率范围,则确定第一账号为与频率范围对应的类别账号。和/或,基于第一账号的特征信息,获取第一账号的信誉信息,若第一账号的信誉信息处于用于分类的信誉范围,则确定第一账号为与频率范围对应的类别账号。确定出第一账号所属的类别账号,即是完成对第一账号的归类。
第一账号申请第二账号的频率信息,可以是个人账号或某一组相关个人账号申请第二账号的频率。信誉信息,可以是总授信额度与逾期期数等用于表征用户信誉的信息,其也可以是个人征信。
本实施例中,参考第一账号申请第二账号的频率信息,和/或,信誉信息,能够使第一账号的特征信息的归类结果更准确,从而使影响权重更为准确,有助于获得更精确的目标特征信息,以便于产品推荐信息发送到更匹配的第二账号的终端。
在一个实施例中,侧重于匹配度获取的方法,如图5所示,目标特征信息包括用于匹配的账号目标属性。基于影响权重对第二账号的特征信息进行计算,得到目标特征信息,包括:
步骤502,基于第二账号的特征信息获取第二账号的特征属性,基于影响权重与特征属性进行计算,得到账号目标属性。
特征属性,其是对标签进行映射所得到的数据,其可以通过不同的标签组合进行映射得到。不同标签组合进行映射之后,不同的映射结果可能会对同一个特征属性产生影响,也可能同时对多个特征属性产生影响。例如,可以根据影响权重对第二账号的特征属性进行加权,得到第二账号的账号目标属性。
在一可选地实施方式中,基于影响权重与特征属性进行计算的过程中,影响权重会对至少部分特征属性产生影响,这种影响是基于个人账号对应的种种信息所产生的,用以增加企业账号所对应的特征维度,而在不同的画像主题下,个人账号所带来的影响也可以是不同的。
相对应的,应用目标特征信息与产品信息进行计算,得到匹配度,包括:
步骤504,从产品信息中获取产品特征属性,产品特征属性用于确定产品的获取权限。
可选地,特征属性用于作为产品推荐信息的生成条件。产品特征属性,其可以是通过统计产品的历史信息生成的,这些历史信息可以是产品的被购买次数,对应的授信额度,点击率,产品热度等信息。通过设置并组合产品信息特征属性的过程,相当于构建产品特征信息的过程。
在一可选地实施方式中,产品信息是通过产品特征属性所组成的产品特征信息,使用产品特征信息有利于构建特征层次的匹配关系,这种实施方式利于使用多个特征进行匹配度的计算,并降低整体的计算量。在一可选地实施方式中,产品特征属性还包括对应的画像主题,通过不同画像主题进行多维度的分析,可以更精准地得到所需特征。
步骤506,将账号目标属性与产品特征属性进行比对,得到账号目标属性与产品特征属性的匹配度。
在一可选地实施方式中,进行比对的方法,是采用机器学习的方式,将账号目标属性与产品特征属性代入到对应的机器学习模型或者算法中。例如,通过逻辑回归、随机森林、GBDT、XGBOOST等算法中的一种或多种,得到账号目标属性与产品特征属性的匹配度。
在计算匹配度的过程中,可以按照各个画像主题进行多维度的分析,可以按照各个特征的重组进行分析,还可以通过多种多样的数据处理方式来进行计算,使计算所得匹配度更符合第二账号的特征。
本实施例中,通过账号目标属性与产品特征属性的比对,得到了属性层次的匹配度,该匹配度可以在一定程度上展示第二账号与产品之间的相关性。
为了使推荐信息不仅仅是属性上的信息,且更符合业务系统或者相关业务的需求,以适应于超市、购物平台等第三方机构或者第二账号的终端进行推荐,本申请还设置第二匹配度,其与第一匹配度相结合之后,有助于第三方机构或者第二账号的终端根据自身的业务目标使用本申请的技术方案。
在一个实施例中,侧重于推荐信息生成,如图6所示,应用目标特征信息与产品信息计算得到的匹配度为第一匹配度。基于匹配度进行计算,得到产品推荐信息,包括:
步骤602,获取业务目标,业务目标包括第一业务指标与第二业务指标。
第一业务指标与第二业务指标,可以用于表示第三方将产品信息推荐给第二账号所在终端时,第三方的业务指标。可选地,第一业务指标可以是回报率等用于表示收益的信息,第二业务指标可以是成交率等用于表示交易成功率的信息。其中,第一业务指标与第二业务指标均可以是多个类型的数据,且第一业务指标与第二业务指标可以是相同的。
步骤604,从产品信息中,获取第一业务指标与第二业务指标分别对应的产品描述信息。
产品描述信息,是与第一业务指标及第二业务指标相关的,用于描述相应的产品数据,使用户与第三方均可以更好地了解到其中的技术,产品描述信息可以通过业务指标对应的标识信息来获取;也可以使用某种数据格式或者某种函数关系来获取。
步骤606,将第一业务指标与第一业务指标对应的产品描述信息进行相似度计算,得到第一相似度。
步骤608,将第二业务指标与第二业务指标对应的产品描述信息进行相似度计算,得到第二相似度。
相似度用于表征相应的业务指标是否达成,若有助于达成该指标,则相似度较高,若不利于达成该指标,则相似度较低。在一可选地实施方式中,可以基于业务描述信息获取业务标签组合,根据业务标签组合与业务指标进行计算,得到对应的相似度;也可以基于标签组合对应的数值进行计算,得到对应的相似度。
步骤610,基于第一相似度与第二相似度进行计算,得到第二匹配度,基于第一匹配度与第二匹配度进行计算,得到第二账号的产品推荐信息。
在一可选地实施方式中,计算出第二匹配度的过程,主要依赖于相似度的组合,可以将第一相似度与第二相似度相乘,可以将第一相似度与第二相似度进行某种指数运算或者数据调度,从而生成第二匹配度。在一可选地实施方式中,第一匹配度与第二匹配度进行计算的过程,是将属性匹配度与业务匹配度进行组合的过程,其计算规则可以根据需求随意调节。
本实施例中,通过引入业务目标,计算出第二匹配度,将第一匹配度与第二匹配度进行融合,可以更适应用户的需求,实现高准确度的产品信息推荐。
上述各实施例均有其侧重的保护要点,而本申请的主体流程是数据采集、使用采集到的数据生成画像信息、基于画像信息与业务目标进行产品推荐。
由于上述的实施例并未介绍数据采集方面,因此,本实施例侧重介绍数据采集。为了便于理解,以贷款产品为例进行说明,可以使用如图7所示的结构,通过网关模块接入采集到的数据,并使用配置中心进行调度,配置中心可以是某种程序,也可以是具体的设备,采集数据包括如下步骤:
a)其使用数据采集模块进行数据获取,包括财务数据采集单元、发票数据采集单元、公司司法数据采集单元、贷款客户行为数据采集单元、贷款产品数据采集单元等。各单元进行组合之后,可以获取到对应于单元名称的基础数据;例如,财务数据获取单元和发票数据获取单元为使用软件工具,采集客户本地相应数据,第二账号对应的工商司法信息通过互联网数据服务获取;第一账号对应的客户行为数据通过相应平台获取,而产品信息也可以通过相应平台获取。对于客户行为数据和产品数据,其也可以是贷款用户行为数据和贷款产品数据。
b)在使用标签数据清洗加工模块时,可以通过组合基础数据生成各个标签,并进行数据清洗,得到清洗后的标签;
c)在这一过程中,可以使用日志模块进行记录,并进行统计分析数据,并提供结果到输出到用于构建画像信息的系统之中。
为了更清晰展示本申请的整体流程,如图8所示,侧重于某一产品的方案涉及到的流程,其包括:
(1)采集基础数据,基础数据包括企业数据、企业所属的用户数据、贷款产品数据三种数据类型;
(2)根据基础数据的数据类型,进行标签加工,并构建画像信息;
(3)按照图像主题计算产品推荐概率与业务要求,得到产品推荐信息;
(4)将产品推荐信息推荐到对应用户的终端;
(5)在终端按照产品推荐信息进行购买后,接收购买结果;或者,在终端按照产品推荐信息进行申请贷款后,接收审批结果;
(6)将购买结果或审批结果回传给用户终端。
应该理解的是,虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思,本申请实施例还提供了一种用于实现上述所涉及的产品信息推荐方法的产品信息推荐装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似,故下面所提供的一个或多个产品信息推荐装置实施例中的限定可以参见上文中对于产品信息推荐方法的限定,在此不再赘述。
在一个实施例中,如图9所示,提供了一种产品信息推荐装置,包括:特征信息获取模块902、特征信息组合模块904和产品推荐模块906,其中:
特征信息获取模块902,用于获取第一账号的特征信息与第二账号的特征信息,第一账号与第二账号是相关联的。
特征信息组合模块904,用于将第一账号的特征信息进行归类,基于归类结果得到第一账号的特征信息的影响权重,基于影响权重对第二账号的特征信息进行加权处理,得到第二账号的目标特征信息。
产品推荐模块906,用于应用目标特征信息与产品信息进行计算,得到匹配度,基于匹配度进行计算,得到产品推荐信息,根据产品推荐信息执行第二账号的推荐指令。
在一个实施例中,特征信息是标签信息,特征信息获取模块902包括:账号属性获取单元、标签集合获取单元、第一特征信息生成单元及第二特征信息生成单元,其中:
账号属性获取单元,用于获取第一账号的属性信息与第二账号的属性信息;
标签集合获取单元,用于获取标签集合,标签集合包括用于匹配的标签组合;
第一特征信息生成单元,用于将第一账号的属性信息与用于匹配的标签组合进行匹配,得到第一账号的标签信息;
第二特征信息生成单元,用于将第二账号的属性信息与用于匹配的标签组合进行匹配,得到第二账号的标签信息。
在一个实施例中,第一账号为个人账号,第二账号为组织机构账号,组织机构账号是个人账号所认证的;所述个人账号的属性信息包括个人行为分类数据,所述组织机构账号的属性信息包括类别信息;所述标签集合包括所述个人账号对应的个人标签组合、以及所述组织机构账号对应的组织机构标签组合;
第一特征信息生成单元还用于:基于所述个人行为分类数据与所述个人标签组合进行匹配,得到所述个人账号的标签属性,填充所述个人账号的标签属性,得到所述个人账号的标签信息;
第一特征信息生成单元还用于:基于所述类别信与所述组织机构标签组合进行匹配,得到所述组织机构账号的标签属性,填充所述组织机构账号的标签属性,得到所述组织机构账号的标签信息。
在一个实施例中,特征信息组合模块904,包括,分类单元,分类单元用于基于第一账号的特征信息,获取所述第一账号申请所述第二账号的频率信息,若频率信息处于用于分类的频率范围,则确定第一账号为与频率范围对应的类别账号;和/或,基于第一账号的特征信息,获取第一账号的信誉信息,若第一账号的信誉信息处于用于分类的信誉范围,则确定第一账号为与频率范围对应的类别账号。
在一个实施例中,目标特征信息包括账号目标属性;特征信息组合模块904包括:
账号属性获取单元,用于基于第二账号的特征信息获取第二账号的特征属性,基于影响权重与特征属性进行计算,得到账号目标属性;
相对应的,产品推荐模块906,包括产品属性获取单元与特征匹配度计算单元,其中:产品属性获取单元,用于从产品信息中获取产品特征属性,产品特征属性用于确定产品的获取权限;
特征匹配度计算单元,用于将账号目标属性与产品特征属性进行比对,得到账号目标属性与特征属性的匹配度。
在一个实施例中,目标特征信息与产品信息计算得到的匹配度为第一匹配度;产品推荐模块906,包括:业务目标获取单元,描述信息获取单元,第一相似度计算单元,第二相似度计算单元及推荐信息获取单元;其中:
业务目标获取单元,用于获取业务目标,业务目标包括第一业务指标与第二业务指标;
描述信息获取单元,用于从产品信息中,获取第一业务指标与第二业务指标分别对应的产品描述信息;
第一相似度计算单元,用于将第一业务指标与第一业务指标对应的产品描述信息进行相似度计算,得到第一相似度;
第二相似度计算单元,用于将第二业务指标与第二业务指标对应的产品描述信息进行相似度计算,得到第二相似度;
推荐信息获取单元,用于基于第一相似度与第二相似度进行计算,得到第二匹配度,基于第一匹配度与第二匹配度进行计算,得到第二账号的产品推荐信息。
在一个实施例中,特征信息获取模块902还用于基于第一账号与第二账号分别对应的画像主题,分别获取第一账号的特征信息与第二账号的特征信息
相对应的,产品推荐模块906,还用于基于所述第一账号的画像主题与所述第二账号的画像主题,获取产品信息。
上述产品信息推荐装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图10所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储特征信息、产品推荐信息、产品描述信息、标签信息、画像主题等信息相对应的数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种产品信息推荐方法。
本领域技术人员可以理解,图10中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,还提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现上述各方法实施例中的步骤。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
在一个实施例中,提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
需要说明的是,本申请所涉及用户的信息(包括但不限于设备信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等),均为经授权或者经过各方充分授权的信息和数据。任意账号均可以拒绝或接受产品推荐信息。
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,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory,ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory,MRAM)、铁电存储器(Ferroelectric Random Access Memory,FRAM)、相变存储器(Phase Change Memory,PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器等。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory,DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等,不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等,不限于此。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请的保护范围应以所附权利要求为准。
Claims (10)
1.一种产品信息推荐方法,其特征在于,所述方法包括:
获取第一账号的特征信息与第二账号的特征信息,所述第一账号与第二账号是相关联的;
将所述第一账号的特征信息进行归类,基于归类结果得到第一账号的特征信息的影响权重,基于所述影响权重对所述第二账号的特征信息进行加权处理,得到第二账号的目标特征信息;
应用所述目标特征信息与产品信息进行计算,得到匹配度,基于所述匹配度进行计算,得到产品推荐信息,根据所述产品推荐信息执行所述第二账号的推荐指令。
2.如权利要求1所述的产品信息推荐方法,其特征在于,所述特征信息是标签信息,所述获取第一账号的特征信息与第二账号的特征信息包括:
获取所述第一账号的属性信息与所述第二账号的属性信息;
获取标签集合,所述标签集合包括用于匹配的标签组合;
将所述第一账号的属性信息与所述用于匹配的标签组合进行匹配,得到所述第一账号的标签信息;
将所述第二账号的属性信息与所述用于匹配的标签组合进行匹配,得到所述第二账号的标签信息。
3.如权利要求2所述的产品信息推荐方法,其特征在于,所述第一账号为个人账号,所述第二账号为组织机构账号,所述组织机构账号是所述个人账号所认证的;所述个人账号的属性信息包括个人行为分类数据,所述组织机构账号的属性信息包括类别信息;所述标签集合包括所述个人账号对应的个人标签组合、以及所述组织机构账号对应的组织机构标签组合;
所述将所述第一账号的属性信息与所述用于匹配的标签组合进行匹配,得到所述第一账号的标签信息包括:
基于所述个人行为分类数据与所述个人标签组合进行匹配,得到所述个人账号的标签属性,填充所述个人账号的标签属性,得到所述个人账号的标签信息;
所述将所述第二账号的属性信息与所述用于匹配的标签组合进行匹配,得到所述第二账号的标签信息包括:
基于所述类别信息与所述组织机构标签组合进行匹配,得到所述组织机构账号的标签属性,填充所述组织机构账号的标签属性,得到所述组织机构账号的标签信息。
4.如权利要求1所述的产品信息推荐方法,其特征在于,所述将所述第一账号的特征信息进行归类,包括:
基于所述第一账号的特征信息,获取所述第一账号申请所述第二账号的频率信息,若所述频率信息处于用于分类的频率范围,则确定所述第一账号为与所述频率范围对应的类别账号;和/或,
基于所述第一账号的特征信息,获取第一账号的信誉信息,若所述第一账号的信誉信息处于用于分类的信誉范围,则确定所述第一账号为与所述频率范围对应的类别账号。
5.如权利要求1所述的产品信息推荐方法,其特征在于,所述目标特征信息包括账号目标属性;所述基于所述影响权重对所述第二账号的特征信息进行加权处理,得到第二账号的目标特征信息,包括:
基于所述第二账号的特征信息获取所述第二账号的特征属性,基于所述影响权重与所述特征属性进行计算,得到所述账号目标属性;
所述应用所述目标特征信息与产品信息进行计算,得到匹配度,包括:
从所述产品信息中获取产品特征属性,所述产品特征属性用于确定产品的获取权限;
将所述账号目标属性与所述产品特征属性进行比对,得到所述账号目标属性与所述产品特征属性的匹配度。
6.如权利要求1所述的产品信息推荐方法,其特征在于,所述应用目标特征信息与产品信息计算得到的匹配度为第一匹配度;所述基于所述匹配度进行计算,得到产品推荐信息,包括:
获取业务目标,所述业务目标包括第一业务指标与第二业务指标;
从所述产品信息中,获取第一业务指标与第二业务指标分别对应的产品描述信息;
将第一业务指标与第一业务指标对应的产品描述信息进行相似度计算,得到第一相似度;
将第二业务指标与第二业务指标对应的产品描述信息进行相似度计算,得到第二相似度;
基于所述第一相似度与所述第二相似度进行计算,得到第二匹配度,基于所述第一匹配度与所述第二匹配度进行计算,得到所述第二账号的产品推荐信息。
7.如权利要求1至6任意一项所述的产品信息推荐方法,其特征在于,所述获取第一账号的特征信息与第二账号的特征信息,包括:基于所述第一账号与所述第二账号分别对应的画像主题,分别获取第一账号的特征信息与第二账号的特征信息;
所述应用所述目标特征信息与产品信息进行计算之前,所述方法还包括:基于所述第一账号的画像主题与所述第二账号的画像主题,获取产品信息。
8.一种产品信息推荐装置,其特征在于,所述装置包括:
特征信息获取模块,用于获取第一账号的特征信息与第二账号的特征信息,所述第一账号与第二账号是相关联的;
特征组合模块,用于将所述第一账号的特征信息进行归类,基于归类结果得到第一账号的特征信息的影响权重,基于所述影响权重对所述第二账号的特征信息进行加权处理,得到第二账号的目标特征信息;
产品推荐模块,用于应用所述目标特征信息与产品信息进行计算,得到匹配度,基于所述匹配度进行计算,得到产品推荐信息,根据所述产品推荐信息生成所述第二账号的推荐指令。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111485088.7A CN114255101A (zh) | 2021-12-07 | 2021-12-07 | 产品信息推荐方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111485088.7A CN114255101A (zh) | 2021-12-07 | 2021-12-07 | 产品信息推荐方法、装置、计算机设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114255101A true CN114255101A (zh) | 2022-03-29 |
Family
ID=80791786
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111485088.7A Pending CN114255101A (zh) | 2021-12-07 | 2021-12-07 | 产品信息推荐方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114255101A (zh) |
-
2021
- 2021-12-07 CN CN202111485088.7A patent/CN114255101A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113095408A (zh) | 风险的确定方法、装置和服务器 | |
CN112861003A (zh) | 一种基于云边协同的用户画像构建方法和系统 | |
CN105303447A (zh) | 利用网络信息进行信用评级的方法和系统 | |
CN114997916A (zh) | 潜在用户的预测方法、系统、电子设备和存储介质 | |
CN114510735A (zh) | 基于角色管理的智慧共享财务管理方法及平台 | |
Zhang et al. | The approaches to contextual transaction trust computation in e‐Commerce environments | |
Rahman et al. | A Classification Based Model to Assess Customer Behavior in Banking Sector. | |
US10242068B1 (en) | Methods and systems for ranking leads based on given characteristics | |
Leventhal | Predictive Analytics for Marketers: Using Data Mining for Business Advantage | |
CN115563176A (zh) | 一种电子商务数据处理系统及方法 | |
CN114255101A (zh) | 产品信息推荐方法、装置、计算机设备和存储介质 | |
CN114596147A (zh) | 数据对账方法、装置、计算机设备和存储介质 | |
CN114429367A (zh) | 异常检测方法、装置、计算机设备和存储介质 | |
US10755342B1 (en) | Multisource augmented reality model | |
US10394834B1 (en) | Methods and systems for ranking leads based on given characteristics | |
US11037208B1 (en) | Economic valuation of data assets | |
Granov | Customer loyalty, return and churn prediction through machine learning methods: for a Swedish fashion and e-commerce company | |
Olson et al. | Data mining process | |
CN113283992A (zh) | 定制投资组合生成及验证装置及方法 | |
CN111752985A (zh) | 一种主体画像生成的方法、装置和存储介质 | |
CN110738538A (zh) | 识别相似物品的方法和装置 | |
CN117974270B (zh) | 基于ai模型的鞋类数据管理方法及系统 | |
US11270230B1 (en) | Self learning machine learning transaction scores adjustment via normalization thereof | |
US20220261666A1 (en) | Leveraging big data, statistical computation and artificial intelligence to determine a likelihood of object renunciation prior to a resource event | |
Glukhov et al. | Interpretable Embeddings for Geographic Transactional Activity Analysis |
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 |