CN114422585A - 一种企业服务平台消息推送方法及系统 - Google Patents
一种企业服务平台消息推送方法及系统 Download PDFInfo
- Publication number
- CN114422585A CN114422585A CN202111618263.5A CN202111618263A CN114422585A CN 114422585 A CN114422585 A CN 114422585A CN 202111618263 A CN202111618263 A CN 202111618263A CN 114422585 A CN114422585 A CN 114422585A
- Authority
- CN
- China
- Prior art keywords
- message
- information
- user
- messages
- classification threshold
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 33
- 238000003062 neural network model Methods 0.000 claims abstract description 26
- 238000004364 calculation method Methods 0.000 claims abstract description 25
- 238000013528 artificial neural network Methods 0.000 claims description 33
- 238000012549 training Methods 0.000 claims description 24
- 238000000605 extraction Methods 0.000 claims description 10
- 239000000284 extract Substances 0.000 claims description 9
- 238000013135 deep learning Methods 0.000 claims description 8
- 230000027455 binding Effects 0.000 claims description 5
- 238000009739 binding Methods 0.000 claims description 5
- 230000008676 import Effects 0.000 claims description 3
- 230000000694 effects Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000007726 management method Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computational Linguistics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Evolutionary Biology (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种企业服务平台消息推送方法及系统，包括：获取登录企业服务平台的用户相关信息；输入至已经完成训练的神经网络模型进行计算，获得神经网络模型输出的分类阈值，分类阈值包括消息的标签种类及权重信息；根据分类阈值从消息池中提取与分类阈值对应的消息并推送至用户。通过获取登录企业服务平台的用户相关信息，输入神经网络模型获得包括标签种类及权重信息的消息分类阈值，并从消息池中拉取对应该标签种类及权重信息的消息并推送给用户，使得接收到的消息针对不同企业不同用户身份登录后得到的消息也会有不同，这样可以更加高效地帮助企业在平台中得到更有价值的信息，提高消息投放的质量及精准性。
Description
技术领域
本发明属于信息处理技术领域，更具体地，涉及一种企业服务平台消息推送方法及系统。
背景技术
一个功能多样、完整、能覆盖企业全生命周期所有经营活动范围的服务平台，一定包含了多种多样的功能，如图1所示，为企业经营活动的每一个环节都提供便利的工具；此平台一定是企业下不同身份人员都可进行登录操作的，不论哪种人员登录操作后，系统都会推送相关的系统消息或提醒消息，来帮助企业及用户更加高效地产生一定的效益。
CN102468965A公开了一种消息智能推送系统及方法，此专利在消息的智能推送过程主要依赖系统设置好的监听机制与固定的分析过程，对固定应用、固定用户、固定消息有较好的效果，但对于大用户量、多角色、多种应用类型平台不具备与用户量与业务量增值的同时自动调整推送方案的能力。因此，亟需一种能够自动调整消息推送方案的企业服务平台消息推送方法。
发明内容
本发明为了解决企业服务平台不具备与用户量与业务量增值的同时自动调整推送方案的问题，提供一种企业服务平台消息推送方法及系统，通过建立相应的人工神经网络学习模型，将企业服务平台中用户及企业的基础信息作为训练数据，对人工神经网络进行训练，根据训练好的神经网络模型得到的分类阈值智能推送相关消息并在推送后继续对该模型进行纠偏学习。
为实现上述目的，本发明提供一种企业服务平台消息推送方法，包括：
获取登录企业服务平台的用户相关信息；
将所述用户相关信息输入已经完成训练的神经网络模型进行计算，获得所述神经网络模型输出的分类阈值，所述分类阈值包括消息的标签种类及权重信息，其中，所述神经网络模型基于用户相关信息及消息的使用信息完成深度学习；
根据所述分类阈值从消息池中提取与所述分类阈值对应的消息并推送至用户，提取的消息所关联的标签种类及权重信息与所述分类阈值中消息的标签种类及权重信息相匹配。
优选的，还包括从消息池中拉取与所述分类阈值对应的消息并推送至用户后，根据所述消息的使用信息来判断所述神经网络模型是否要进行纠偏学习并重新获得所述分类阈值，根据重新获得的所述分类阈值从消息池中提取对应的所述消息并推送至用户。
优选的，所述消息的使用信息包括所述企业服务平台上关联于所述消息识读状态的埋点数据。
优选的，将所述消息池中每一条所述消息至少绑定一个所述标签种类，每个所述标签种类对应有所述权重信息。
优选的，针对每一条所述消息绑定的所述标签种类对应的所述权重信息进行排序。
优选的，所述标签种类及权重信息存储于标签池中。
优选的，将预先准备的训练数据集导入至预设的人工神经网络进行训练，获得所述人工神经网络模型，所述训练数据集包括所述用户相关信息及消息的使用信息。
本发明还提供一种企业服务平台消息推送系统，包括：
数据获取模块，所述数据获取模块用于获取登录企业服务平台的用户相关信息；
第一计算模块，所述第一计算模块连接所述数据获取模块，用于将所述用户相关信息输入至预先训练的人工神经网络模型，获得所述神经网络输出的分类阈值，所述分类阈值包括消息的标签种类及权重信息，其中，所述神经网络模型基于用户相关信息及消息的使用信息完成深度学习；
消息提取模块，所述消息提取模块连接所述第一计算模块，根据所述分类阈值从消息池中提取与所述分类阈值对应的消息并推送至用户，提取的消息所关联的标签种类及权重信息与所述分类阈值中消息的标签种类及权重信息相匹配。
优选的，还包括：
用户反馈模块，所述用户反馈模块用于对提取的所述消息进行识读并反馈所述消息的使用信息；
纠偏学习模块，所述纠偏学习模块连接所述用户反馈模块，根据所述消息的使用信息对所述人工神经网络模型进行纠偏学习并重新获得所述分类阈值。
优选的，还包括第二计算模块，所述第二计算模块用于将预选准备的训练数据集导入至预设的人工神经网络进行训练，所述训练数据集包括所述用户相关信息及消息的使用信息。
本发明的技术方案的有益效果在于：
通过获取登录企业服务平台的用户相关信息，将用户相关信息输入至完成训练的神经网络模型进行计算，获得包括标签种类及权重信息的消息分类阈值，从而根据该分类阈值从消息池中拉取对应该标签种类及权重信息的消息并推送给相关用户，这样可以使得接收到的消息不只针对每个地区、每个企业会有不同，同一企业的不同身份用户登录后得到的消息也会有不同，这样可以更加高效地帮助企业在平台中得到更有价值的信息，帮助企业实现效益转化；并且该企业服务平台会随着用户量的增加及用户使用消息频率的增加，该神经网络模型能够根据消息的使用信息进行纠偏学习，进一步提高消息投放的质量及精准性。
附图说明
通过结合附图对本发明示例性实施方式进行更详细的描述，本发明的上述以及其它目的、特征和优势将变得更加明显，其中，在本发明示例性实施方式中，相同的参考标号通常代表相同部件。
图1为现有的一种企业服务平台的功能图；
图2为本发明提供的一种企业服务平台消息推送方法的流程图；
图3为本发明提供的一种企业服务平台消息推送方法的标签种类与消息池中消息的绑定示意图；
图4为本发明提供的一种企业服务平台消息推送方法根据消息的使用信息进行纠偏学习从新获得分类阈值的示意图；
图5为本发明提供的一种企业服务平台消息推送系统的结构示意图。
附图标记说明：
1、企业服务平台消息推送系统；11、数据获取模块；12、第一计算模块；13、消息提取模块；14、用户反馈模块；15、纠偏学习模块；16、第二计算模块。
具体实施方式
企业服务平台是一个集多种功能与渠道与一身的为企业全部经济活动周期提供高效的服务及管理工具，但对于大用户量、多角色、多种应用类型的企业服务平台，并不具备与用户量与业务量增值的同时自动调整推送方案的能力，所以如果要消息产生更大的附加价值，一定不能是所有企业和用户都是一样的消息，一定是量身定制的，不只针对企业，也要针对用户量身，要从地域、企业规模、企业性质、用户身份、行业种类、发展阶段等多方面综合进行考量，为此需要引入人工神经网络智能学习来达到此目的。
下面将更详细地描述本发明的优选实施方式。虽然以下描述了本发明的优选实施方式，然而应该理解，可以以各种形式实现本发明而不应被这里阐述的实施方式所限制。相反，提供这些实施方式是为了使本发明更加透彻和完整，并且能够将本发明的范围完整地传达给本领域的技术人员。
参照图2所示，本发明提供一种企业服务平台消息推送方法，包括：
获取登录企业服务平台的用户相关信息；
将用户相关信息输入已经完成训练的神经网络模型进行计算，获得神经网络模型输出的分类阈值，分类阈值包括消息的标签种类及权重信息，其中，神经网络模型基于用户相关信息及消息的使用信息完成深度学习；
根据分类阈值从消息池中提取与分类阈值对应的消息并推送至用户，提取的消息所关联的标签种类及权重信息与分类阈值中消息的标签种类及权重信息相匹配。
一种优选的示例，还包括从消息池中拉取与分类阈值对应的消息并推送至用户后，根据消息的使用信息来判断神经网络模型是否要进行纠偏学习并重新获得分类阈值，根据重新获得的分类阈值从消息池中提取对应的消息并推送至用户。
一种优选的示例，消息的使用信息包括企业服务平台上关联于消息识读状态的埋点数据。
一种优选的示例，将消息池中每一条消息至少绑定一个标签种类，每个标签种类对应有权重信息。
一种优选的示例，针对每一条消息绑定的标签种类对应的权重信息进行排序。
一种优选的示例，标签种类及权重信息存储于标签池中。
一种优选的示例，将预先准备的训练数据集导入至预设的人工神经网络进行训练，获得人工神经网络模型，训练数据集包括用户相关信息及消息的使用信息。
具体的，企业服务平台是一个集多种功能与渠道与一身的为企业全部经济活动周期提供高效的服务及管理工具，平台的用户通过个人的信息完成账号的注册，企业通过企业的信息完成企业的注册，然后将个人账号与企业信息进行关联，为用户制定在企业下的身份，身份确定后账号登录的权限也随之被锁定。获取登录企业服务平台的用户相关信息包括注册在企业服务平台的个人信息和企业信息。在企业服务平台的服务端建立标签种类库和消息池，参照图3所示，会对消息池中的每一条消息进行多个标签种类绑定，并为消息关联的所有标签在此消息上进行一个标签权重的排序。
在初期会先将消息只按入池顺序分批次投放至企业服务平台，根据用户对消息的使用信息，也就是用户识读该消息的埋点数据，结合用户及企业基本信息及使用信息，建立人工神经网络模型对此埋点数据进行学习，此学习过程中的神经网络模型包含了不同地区不同行业的企业的不同身份用户在使用过程中对某类消息的使用频次，完成学习后将此神经网络值固定在服务后台中。当用户或企业登录后，将用户登录的相关信息传递至此神经网络模型中进行计算，得到的分类阈值包含了消息的标签种类及权重信息，利用此分类阈值去消息池中拉取有价值消息传递给用户展示，并根据是否识读消息来判断神经网络是否要进行纠偏学习，参照图3所示。
进一步的，针对每一条消息绑定的标签种类对应的权重信息进行排序，使得根据分类阈值查找消息的过程更加快速，降低了运算量，提高了企业服务平台从消息池中拉取具有价值消息的工作效率。
本发明还提供一种企业服务平台消息推送系统1，包括：
数据获取模块11，数据获取模块11用于获取登录企业服务平台的用户相关信息；
第一计算模块12，第一计算模块12连接数据获取模块11，用于将用户相关信息输入至预先训练的人工神经网络模型，获得神经网络输出的分类阈值，分类阈值包括消息的标签种类及权重信息，其中，神经网络模型基于用户相关信息及消息的使用信息完成深度学习；
消息提取模块13，消息提取模块13连接第一计算模块12，根据分类阈值从消息池中提取与分类阈值对应的消息并推送至用户，提取的消息所关联的标签种类及权重信息与分类阈值中消息的标签种类及权重信息相匹配。
一种优选的示例，该企业服务平台消息推送系统1中，还包括：
用户反馈模块14，用户反馈模块14用于对提取的消息进行识读并反馈消息的使用信息；
纠偏学习模块15，纠偏学习模块15连接用户反馈模块14，根据消息的使用信息对人工神经网络模型进行纠偏学习并重新获得分类阈值，消息提取模块13根据重新获得的分类阈值从消息池中提取对应的消息并推送至用户。
一种优选的示例，该企业服务平台消息推送系统1中，还包括第二计算模块16，第二计算模块16用于将预选准备的训练数据集导入至预设的人工神经网络进行训练，训练数据集包括用户相关信息及消息的使用信息。
具体的，企业服务平台消息推送系统1包括：数据获取模块11、第一计算模块12、消息提取模块13、用户反馈模块14、纠偏学习模块15和第二计算模块16等模块。第二计算模块16根据企业服务平台后台数据库中用户相关信息结合用户及企业基本信息以及根据消息的使用信息建立数据集，输入至预先建立的人工神经网络进行计算学习，完成学习后将此神经网络值固定在企业服务平台的后台中。数据获取模块11用于获取登录企业服务平台的用户相关信息，用户相关信息包括注册在企业服务平台的个人信息和企业信息，第一计算模块12将登录企业服务平台的用户相关信息输入至训练完成的人工神经网络模型获得神经网络输出的分类阈值，消息提取模块13根据分类阈值从消息池中提取与分类阈值对应的消息并推送至用户，提取的消息所关联的标签种类及权重信息与分类阈值中消息的标签种类及权重信息相匹配，如提取的消息不匹配，从用户反馈模块14查询后台的埋点数据反馈得知该用户不识读该推送的该类型的消息，则纠偏学习模块15根据用户识读消息的埋点数据对人工神经网络模型进行纠偏学习并重新获得分类阈值，消息提取模块13根据重新获得的分类阈值从消息池中提取对应的消息并推送至用户。
实施例一
参照图2-4所示，本实施例提供一种企业服务平台消息推送方法，包括：
S01：获取登录企业服务平台的用户相关信息；
S02：将用户相关信息输入已经完成训练的神经网络模型进行计算，获得神经网络模型输出的分类阈值，分类阈值包括消息的标签种类及权重信息，其中，神经网络模型基于用户相关信息及消息的使用信息完成深度学习；
S03：根据分类阈值从消息池中提取与分类阈值对应的消息并推送至用户，提取的消息所关联的标签种类及权重信息与分类阈值中消息的标签种类及权重信息相匹配。
本实施例中，还包括从消息池中拉取与分类阈值对应的消息并推送至用户后，根据消息的使用信息来判断神经网络模型是否要进行纠偏学习并重新获得分类阈值，根据重新获得的分类阈值从消息池中提取对应的消息并推送至用户。
本实施例中，消息的使用信息包括企业服务平台上关联于消息识读状态的埋点数据。
本实施例中，将消息池中每一条消息至少绑定一个标签种类，每个标签种类对应有权重信息。
本实施例中，针对每一条消息绑定的标签种类对应的权重信息进行排序。
本实施例中，标签种类及权重信息存储于标签池中。
本实施例中，将预先准备的训练数据集导入至预设的人工神经网络进行训练，获得人工神经网络模型，训练数据集包括用户相关信息及消息的使用信息。
实施例二
参照图5所示，本实施例提供一种企业服务平台消息推送系统1，包括：
数据获取模块11，数据获取模块11用于获取登录企业服务平台的用户相关信息；
第一计算模块12，第一计算模块12连接数据获取模块11，用于将用户相关信息输入至预先训练的人工神经网络模型，获得神经网络输出的分类阈值，分类阈值包括消息的标签种类及权重信息，其中，神经网络模型基于用户相关信息及消息的使用信息完成深度学习；
消息提取模块13，消息提取模块13连接第一计算模块12，根据分类阈值从消息池中提取与分类阈值对应的消息并推送至用户，提取的消息所关联的标签种类及权重信息与分类阈值中消息的标签种类及权重信息相匹配。
本实施例中，还包括：
用户反馈模块14，用户反馈模块14用于对提取的消息进行识读并反馈消息的使用信息；
纠偏学习模块15，纠偏学习模块15连接用户反馈模块14，根据消息的使用信息对人工神经网络模型进行纠偏学习并重新获得分类阈值，消息提取模块13根据重新获得的分类阈值从消息池中提取对应的消息并推送至用户。
本实施例中，还包括第二计算模块16，第二计算模块16用于将预选准备的训练数据集导入至预设的人工神经网络进行训练，训练数据集包括用户相关信息及消息的使用信息。
以上已经描述了本发明的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。
Claims (10)
1.一种企业服务平台消息推送方法，其特征在于，包括：
获取登录企业服务平台的用户相关信息；
将所述用户相关信息输入已经完成训练的神经网络模型进行计算，获得所述神经网络模型输出的分类阈值，所述分类阈值包括消息的标签种类及权重信息，其中，所述神经网络模型基于用户相关信息及消息的使用信息完成深度学习；
根据所述分类阈值从消息池中提取与所述分类阈值对应的消息并推送至用户，提取的消息所关联的标签种类及权重信息与所述分类阈值中消息的标签种类及权重信息相匹配。
2.根据权利要求1所述的企业服务平台消息推送方法，其特征在于，还包括从消息池中拉取与所述分类阈值对应的消息并推送至用户后，根据所述消息的使用信息来判断所述神经网络模型是否要进行纠偏学习并重新获得所述分类阈值，根据重新获得的所述分类阈值从消息池中提取对应的所述消息并推送至用户。
3.根据权利要求1所述的企业服务平台消息推送方法，其特征在于，所述消息的使用信息包括所述企业服务平台上关联于所述消息识读状态的埋点数据。
4.根据权利要求1所述的企业服务平台消息推送方法，其特征在于，将所述消息池中每一条所述消息至少绑定一个所述标签种类，每个所述标签种类对应有所述权重信息。
5.根据权利要求4所述的企业服务平台消息推送方法，其特征在于，针对每一条所述消息绑定的所述标签种类对应的所述权重信息进行排序。
6.根据权利要求4所述的企业服务平台消息推送方法，其特征在于，所述标签种类及权重信息存储于标签池中。
7.根据权利要求1所述的企业服务平台消息推送方法，其特征在于，将预先准备的训练数据集导入至预设的人工神经网络进行训练，获得所述人工神经网络模型，所述训练数据集包括所述用户相关信息及消息的使用信息。
8.一种企业服务平台消息推送系统，其特征在于，包括：
数据获取模块，所述数据获取模块用于获取登录企业服务平台的用户相关信息；
第一计算模块，所述第一计算模块连接所述数据获取模块，用于将所述用户相关信息输入至预先训练的人工神经网络模型，获得所述神经网络输出的分类阈值，所述分类阈值包括消息的标签种类及权重信息，其中，所述神经网络模型基于用户相关信息及消息的使用信息完成深度学习；
消息提取模块，所述消息提取模块连接所述第一计算模块，根据所述分类阈值从消息池中提取与所述分类阈值对应的消息并推送至用户，提取的消息所关联的标签种类及权重信息与所述分类阈值中消息的标签种类及权重信息相匹配。
9.根据权利要求8所述的企业服务平台消息推送系统，其特征在于，还包括：
用户反馈模块，所述用户反馈模块用于对提取的所述消息进行识读并反馈所述消息的使用信息；
纠偏学习模块，所述纠偏学习模块连接所述用户反馈模块，根据所述消息的使用信息对所述人工神经网络模型进行纠偏学习并重新获得所述分类阈值，所述消息提取模块根据重新获得的所述分类阈值从消息池中提取对应的所述消息并推送至用户。
10.根据权利要求8所述的企业服务平台消息推送系统，其特征在于，还包括第二计算模块，所述第二计算模块用于将预选准备的训练数据集导入至预设的人工神经网络进行训练，所述训练数据集包括所述用户相关信息及消息的使用信息。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111618263.5A CN114422585A (zh) | 2021-12-27 | 2021-12-27 | 一种企业服务平台消息推送方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111618263.5A CN114422585A (zh) | 2021-12-27 | 2021-12-27 | 一种企业服务平台消息推送方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114422585A true CN114422585A (zh) | 2022-04-29 |
Family
ID=81268867
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111618263.5A Pending CN114422585A (zh) | 2021-12-27 | 2021-12-27 | 一种企业服务平台消息推送方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114422585A (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2017054463A1 (zh) * | 2015-09-29 | 2017-04-06 | 腾讯科技（深圳）有限公司 | 事件信息推送方法、事件信息推送装置及存储介质 |
| WO2018041168A1 (zh) * | 2016-08-31 | 2018-03-08 | 腾讯科技（深圳）有限公司 | 信息推送方法、存储介质和服务器 |
| CN108256765A (zh) * | 2018-01-16 | 2018-07-06 | 前海梧桐（深圳）数据有限公司 | 不同企业间基础要素作用关系的计算方法及其系统 |
| CN110263248A (zh) * | 2019-05-21 | 2019-09-20 | 平安科技（深圳）有限公司 | 一种信息推送方法、装置、存储介质和服务器 |
| CN111143681A (zh) * | 2019-12-27 | 2020-05-12 | 中国银行股份有限公司 | 一种资讯推荐装置、方法、设备及系统 |
| CN112765441A (zh) * | 2021-04-07 | 2021-05-07 | 北京零号窗网络信息技术有限公司 | 用于数字政务的企业政策信息多重动态智能匹配推荐方法 |
| WO2021174890A1 (zh) * | 2020-03-02 | 2021-09-10 | 腾讯科技（深圳）有限公司 | 数据推荐方法、装置、计算机设备以及存储介质 |
-
2021
- 2021-12-27 CN CN202111618263.5A patent/CN114422585A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2017054463A1 (zh) * | 2015-09-29 | 2017-04-06 | 腾讯科技（深圳）有限公司 | 事件信息推送方法、事件信息推送装置及存储介质 |
| WO2018041168A1 (zh) * | 2016-08-31 | 2018-03-08 | 腾讯科技（深圳）有限公司 | 信息推送方法、存储介质和服务器 |
| CN108256765A (zh) * | 2018-01-16 | 2018-07-06 | 前海梧桐（深圳）数据有限公司 | 不同企业间基础要素作用关系的计算方法及其系统 |
| CN110263248A (zh) * | 2019-05-21 | 2019-09-20 | 平安科技（深圳）有限公司 | 一种信息推送方法、装置、存储介质和服务器 |
| CN111143681A (zh) * | 2019-12-27 | 2020-05-12 | 中国银行股份有限公司 | 一种资讯推荐装置、方法、设备及系统 |
| WO2021174890A1 (zh) * | 2020-03-02 | 2021-09-10 | 腾讯科技（深圳）有限公司 | 数据推荐方法、装置、计算机设备以及存储介质 |
| CN112765441A (zh) * | 2021-04-07 | 2021-05-07 | 北京零号窗网络信息技术有限公司 | 用于数字政务的企业政策信息多重动态智能匹配推荐方法 |
Non-Patent Citations (1)
| Title |
|---|
| 徐斌: "基于语义的电子商务智能推荐模型与方法研究", 华中科技大学出版社, pages: 4 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110597988B (zh) | 一种文本分类方法、装置、设备及存储介质 | |
| CN110659318B (zh) | 基于大数据的策略推送方法、系统及计算机设备 | |
| CN104991955A (zh) | 一种自动构建模板库的方法及系统 | |
| CN115098650B (zh) | 基于历史数据模型的评论信息分析方法及相关装置 | |
| CN110807085A (zh) | 故障信息的查询方法及装置、存储介质、电子装置 | |
| CN115659044A (zh) | 一种人岗匹配的推荐方法、系统、电子设备、存储介质 | |
| CN116187524A (zh) | 一种基于机器学习的供应链分析模型对比方法及装置 | |
| CN117436679A (zh) | 一种元宇宙资源匹配方法及其系统 | |
| CN111353874B (zh) | 一种银行网点智慧服务系统 | |
| CN114422585A (zh) | 一种企业服务平台消息推送方法及系统 | |
| CN116757855A (zh) | 一种智能保险服务方法、装置、设备及存储介质 | |
| CN108363759A (zh) | 基于结构化数据的主题树生成方法及系统及智能对话方法 | |
| CN109145124B (zh) | 信息的存储方法、装置、存储介质及电子装置 | |
| CN116452212A (zh) | 一种智能客服商品知识库信息管理方法及系统 | |
| CN110532394A (zh) | 订单备注文本的处理方法及系统 | |
| CN116308679A (zh) | 供应链异常订单处理方法、装置、设备及存储介质 | |
| CN111105041A (zh) | 一种用于智慧数据碰撞的机器学习方法及装置 | |
| CN112749530B (zh) | 文本编码方法、装置、设备及计算机可读存储介质 | |
| CN114880590A (zh) | 多语言网站货币自动转换系统及其方法 | |
| CN113191711A (zh) | 快递寄件策略确定方法、装置、设备及存储介质 | |
| CN112800219A (zh) | 客服日志反馈回流数据库的方法及系统 | |
| CN111027296A (zh) | 基于知识库的报表生成方法及系统 | |
| KR20200129132A (ko) | 데이터 이활용에 관한 데이터 준비 방법 및 데이터 이활용 시스템 | |
| CN113536788B (zh) | 信息处理方法、装置、存储介质及设备 | |
| CN116993295A (zh) | 一种基于大数据的人工智能服务监管系统及方法 |
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 |