CN114723523A - 基于用户能力画像的产品推荐方法、装置、设备及介质 - Google Patents
基于用户能力画像的产品推荐方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN114723523A CN114723523A CN202210356014.1A CN202210356014A CN114723523A CN 114723523 A CN114723523 A CN 114723523A CN 202210356014 A CN202210356014 A CN 202210356014A CN 114723523 A CN114723523 A CN 114723523A
- Authority
- CN
- China
- Prior art keywords
- capability
- weak
- product
- target
- recommended
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 45
- 238000011156 evaluation Methods 0.000 claims abstract description 37
- 238000004458 analytical method Methods 0.000 claims abstract description 18
- 239000013598 vector Substances 0.000 claims description 70
- 238000013507 mapping Methods 0.000 claims description 13
- 230000011218 segmentation Effects 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 10
- 239000011159 matrix material Substances 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000002372 labelling Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 abstract description 7
- 238000013473 artificial intelligence Methods 0.000 abstract description 6
- 230000006870 function Effects 0.000 description 8
- 238000004422 calculation algorithm Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 238000007726 management method Methods 0.000 description 5
- 238000012549 training Methods 0.000 description 5
- 238000007621 cluster analysis Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000006399 behavior Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006872 improvement 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
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- 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
- G06F16/335—Filtering based on additional data, e.g. user or group profiles
-
- 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
- G06F16/35—Clustering; Classification
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/20—Education
- G06Q50/205—Education administration or guidance
- G06Q50/2057—Career enhancement or continuing education service
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Educational Technology (AREA)
- Educational Administration (AREA)
- Strategic Management (AREA)
- Data Mining & Analysis (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Computational Linguistics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及人工智能技术,揭露一种基于用户能力画像的产品推荐方法,包括:利用能力测评数据的能力标签构建目标用户的能力画像;对所述能力画像中的能力标签进行聚类分析,得到核心能力标签;根据所述核心能力标签计算所述目标用户的薄弱能力项;对所述薄弱能力项进行模糊扩展,得到与所述薄弱能力项相关的词汇集,并获取每个待推荐产品的描述信息;根据每个所述描述信息和与所述薄弱能力项相关的词汇集,计算每个所述薄弱能力项与每个所述待推荐产品之间的相似度,选择相似度符合预设条件的待推荐产品推送给所述目标用户。本发明还提出一种基于用户能力画像的产品推荐装置、电子设备以及计算机可读存储介质。本发明可以提升产品推荐的准确性。
Description
技术领域
本发明涉及人工智能技术领域,尤其涉及一种基于用户能力画像的产品推荐方法、装置、电子设备及计算机可读存储介质。
背景技术
随着大数据技术和人工智能技术的发展,用户画像越来越多的应用于人们的日常生活和工作中。例如,通过对企业员工进行用户画像的构建,进而根据用户画像进行相关培训课程的设置,以期提高企业员工的专业能力。
当前用户画像的构建较多的依赖用户的自然数据和行为数据,例如,用户的年龄、性别、岗位、收入等用户自身固有的自然数据,用户历史参与的培训课程等行为数据。通过对用户的自然数据和行为数据进行分类,形成构成用户画像的一个个用户标签。通常用户标签数量比较大,每个用户标签之间的权重区别不大,这种情况下用户画像虽然覆盖了用户的全部信息,但是却没有突出用户的关键信息,最终导致根据用户画像进行的相关产品推荐的准确性不高。
发明内容
本发明提供一种基于用户能力画像的产品推荐方法、装置、电子设备及计算机可读存储介质,其主要目的在于提升产品推荐的准确性。
为实现上述目的,本发明提供的一种基于用户能力画像的产品推荐方法,包括:
获取目标用户的能力测评数据,提取所述能力测评数据对应的能力标签,根据所述能力标签构建所述目标用户的能力画像;
对所述能力画像中的能力标签进行聚类分析,得到核心能力标签;
根据所述核心能力标签计算所述目标用户的薄弱能力项;
对所述薄弱能力项进行模糊扩展,得到与所述薄弱能力项相关的词汇集,并获取每个待推荐产品的描述信息;
根据每个所述待推荐产品的描述信息和与所述薄弱能力项相关的词汇集,计算每个所述薄弱能力项与每个所述待推荐产品之间的相似度,选择相似度符合预设条件的待推荐产品推送给所述目标用户。
可选地,所述提取所述能力测评数据对应的能力标签,根据所述能力标签构建所述目标用户的能力画像,包括:
根据预设的能力指标库对所述能力测评数据进行标注,得到所述能力测评数据对应的指标项及每个所述指标项的取值;
获取每个指标项对应的指标值与预设的能力标签的映射关系;
基于所述映射关系确定所述目标用户的各个指标项对应的目标能力标签;
将所述目标能力标签的集合作为所述目标用户的能力画像。
可选地,所述对所述能力画像中的能力标签进行聚类分析,得到核心能力标签,包括:
利用预先构建的语义分析模型提取每个所述能力标签对应的能力特征;
对每个所述能力特征进行向量映射,得到能力特征向量集;
从所述能力特征向量集中,随机选取预设数量的能力特征向量作为聚类中心;
依次计算所述能力特征向量集中每个能力特征向量到所述聚类中心的距离,并将每个所述能力特征向量划分到距离最小的聚类中心对应的类别中,得到多个类别簇;
判断每个所述类别簇的聚类中心是否满足预设的收敛条件;
若每个所述类别簇的聚类中心不满足所述预设的收敛条件,则重新计算每个类别簇的聚类中心,并返回上述的依次计算所述能力特征向量集中每个能力特征向量到所述聚类中心的距离的步骤;
若每个所述类别簇的聚类中心满足所述预设的收敛条件,则将收敛的类别簇对应的能力标签作为所述能力画像的核心能力标签。
可选地,所述根据所述核心能力标签计算所述目标用户的薄弱能力项,包括:
获取所述核心能力标签对应的指标项及指标取值;
利用所述指标项及对应的指标取值,计算每个所述核心能力标签对应的能力值;
选择低于预设能力阈值的能力值对应的核心能力标签作为所述目标用户的薄弱能力项。
可选地,所述利用每个所述待推荐产品的描述信息与所述薄弱能力项相关的词汇集,计算每个所述薄弱能力项与每个所述待推荐产品之间的相似度,包括:
提取所述目标用户的薄弱能力项相关的词汇集的薄弱能力特征;
提取每个所述待推荐产品的描述信息对应的比对特征;
计算所述薄弱能力特征与每个所述推荐产品对应的比对特征之间相似度。
可选地,所述提取所述目标用户的薄弱能力项相关的词汇集的薄弱能力特征,包括:
将所述词汇集进行分词,得到预设数量的文本分词;
分别将所述预设数量的文本分词转换为词向量,将所述词向量拼接为向量矩阵;
从所述多个文本分词中逐个选取其中一个文本分词为目标分词,根据所述目标分词的词向量及所述文本向量矩阵,计算所述目标分词的关键值;
按照所述关键值从大到小的顺序从所述多个文本分词中选取预设数量的文本分词为特征分词;
将所述特征分词的词向量拼接得到所述词汇集的薄弱能力特征。
可选地,所述计算所述薄弱能力特征与每个所述推荐产品对应的比对特征之间相似度,包括:
将每个所述薄弱能力特征作为所述目标用户的聚类中心,并将所述聚类中心作为目标标签;
依次选择任意一个比对特征作为比对标签,对所述目标标签及所述比较标签进行分词处理,得到目标列表及比较列表;
根据所述目标列表及所述比较列表构建编码字典;
利用所述编码字典对所述目标列表及所述比较列表进行向量编码,得到目标向量及比较向量;
利用预设的余弦相似度计算公式计算所述目标向量与所述比较向量的目标相似度,将所述目标相似度作为所述薄弱能力特征与所述比对特征对应的待推荐产品之间的相似度。
为了解决上述问题,本发明还提供一种基于用户能力画像的产品推荐装置,所述装置包括:
能力画像生成模块,用于获取目标用户的能力测评数据,提取所述能力测评数据对应的能力标签,根据所述能力标签构建所述目标用户的能力画像;
薄弱能力计算模块,用于对所述能力画像中的能力标签进行聚类分析,得到核心能力标签,根据所述核心能力标签计算所述目标用户的薄弱能力项;
薄弱能力和产品信息获取模块,用于对所述薄弱能力项进行模糊扩展,得到与所述薄弱能力项相关的词汇集,并获取每个待推荐产品的描述信息;
薄弱能力与产品比对模块,用于根据每个所述待推荐产品的描述信息和与所述薄弱能力项相关的词汇集,计算每个所述薄弱能力项与每个所述待推荐产品之间的相似度,选择相似度符合预设条件的待推荐产品推送给所述目标用户。
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,存储至少一个计算机程序;及
处理器,执行所述存储器中存储的程序以实现上述所述的基于用户能力画像的产品推荐方法。
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计算机程序,所述至少一个计算机程序被电子设备中的处理器执行以实现上述所述的基于用户能力画像的产品推荐方法。
获取目标用户的能力测评数据,提取所述能力测评数据对应的能力标签,根据所述能力标签构建所述目标用户的能力画像;
对所述能力画像中的能力标签进行聚类分析,得到核心能力标签;
根据所述核心能力标签计算所述目标用户的薄弱能力项;
对所述薄弱能力项进行模糊扩展,得到与所述薄弱能力项相关的词汇集,并获取每个待推荐产品的描述信息;
根据每个所述待推荐产品的描述信息和与所述薄弱能力项相关的词汇集,计算每个所述薄弱能力项与每个所述待推荐产品之间的相似度,选择相似度符合预设条件的待推荐产品推送给所述目标用户。
本发明申请利用目标用户的能力测评数据构建所述目标用户的能力画像,通过对所述能力画像中的能力标签进行聚类和计算,得到所述目标用户的薄弱能力项,使产品推荐的目标更加细化和明确,同时,通过对所述薄弱能力项进行模糊扩展,得到与所述薄弱能力项相关的词汇集,根据待推荐产品的描述信息和与所述薄弱能力项相关的词汇集,计算每个薄弱能力项与每个待推荐产品之间的相似度,选择相似度符合预设条件的待推荐产品推送给所述目标用户,提升了产品推荐的精准性。
附图说明
图1为本发明一实施例提供的基于用户能力画像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基于用户能力画像的产品推荐方法中其中一个步骤的详细实施流程示意图;
图3为本发明一实施例提供的基于用户能力画像的产品推荐方法中其中一个步骤的详细实施流程示意图;
图4为本发明一实施例提供的基于用户能力画像的产品推荐方法中其中一个步骤的详细实施流程示意图;
图5为本发明一实施例提供的基于用户能力画像的产品推荐方法中其中一个步骤的详细实施流程示意图;
图6为本发明一实施例提供的基于用户能力画像的产品推荐方法中其中一个步骤的详细实施流程示意图;
图7为本发明一实施例提供的基于用户能力画像的产品推荐装置的功能模块图;
图8为本发明一实施例提供的实现所述基于用户能力画像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能力画像的产品推荐方法。所述基于用户能力画像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,所述基于用户能力画像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。所述服务端可以是独立的服务器,也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(ContentDelivery Network,CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。
参照图1所示,为本发明一实施例提供的基于用户能力画像的产品推荐方法的流程示意图。在本实施例中,所述基于用户能力画像的产品推荐方法包括S1-S5:
S1、获取目标用户的能力测评数据,提取所述能力测评数据对应的能力标签,根据所述能力标签构建所述目标用户的能力画像;
本发明实施例中,所述目标用户是产品推荐的目标对象,以企业培训课程推荐场景为例,所述目标用户可以是是企业职员,例如,销售人员。所述产品可以是培训课程,包括销售课程、商务谈判课程、质量提升课程等。
本发明实施例中,所述能力测评数据是指所述目标用户在实际工作中的产生的业务业绩、绩效考核数据、主管评价数据以及个人工作履历信息等能够反映出所述目标用户的工作能力水平的数据。
本发明实施例中,可以利用爬虫技术或者利用具有数据抓取功能的语言开发的脚本,从预设的业务数据库中获取所述目标用户的能力测评数据。
本发明实施例中,所述预设的能力标签是指对用户能力进行抽象概括的评价维度,例如,领导力标签、沟通能力标签、专业能力标签、抗压能力标签、协调能力标签、责任承担能力标签等。
详细地,参阅图2所示,所述提取所述能力测评数据对应的能力标签,根据所述能力标签构建所述目标用户的能力画像,包括:
S11、根据预设的能力指标库对所述能力测评数据进行标注,得到所述能力测评数据对应的指标项及每个所述指标项的取值;
S12、获取每个指标项对应的指标值与预设的能力标签的映射关系;
S13、基于所述映射关系确定所述目标用户的各个指标项对应的目标能力标签;
S14、将所述目标能力标签的集合作为所述目标用户的能力画像。
本发明实施例中,所述预设的能力指标库是指依据业务对员工的能力测评的实际需求所示定义的指标项集合,包括但不限于销售量、次品率、满意度等业绩指标、各类资格认证等专业技能指标、业务培训完课率、达标率等指标。
本发明实施例中,所述能力测评数据包括多个指标项及所述多个指标项中每个指标项对应的指标值,通过指标值可确定所述目标用户各个指标项的特点,进而可构建所述目标用户的能力画像。
本发明实施例中,可以从预设的第三方数据库中获取每个指标项对应的指标值与预设的能力标签的映射关系,以指标项“语言”和“销售量”为例说明指标值与预设的能力标签的映射关系。
语言对应的指标值与预设的能力标签的映射关系如下:
未取得英语4级,外语不能用于工作;
英语4级,可处理简单的外语事务;
英语6级及以上,外语可作为工作语言。
销售量对应的指标值与预设的能力标签的映射关系如下:
销售量大于A,销售能力强;
销售量小于A大于B,销售能力一般;
销售量小于B,销售能力待提升。
本发明实施例通过对能力测评数据进行指标提取、将指标映射为能力标签,进而汇集所有能力标签得到所述目标用户的能力图像,进一步的可以根据所述目标用户的能力图像进行相关分析。
S2、对所述能力画像中的能力标签进行聚类分析,得到核心能力标签;
本发明实施例中,所述能力画像中包含的能力标签可能数量非常多,如果逐一对每个所述能力标签进行分析,是非常耗时耗力的,因此,为提升对所述能力画像的分析效率,本发明实施例中,对所述能力画像中的能力标签先进行聚类分析,聚焦核心能力标签。
本发明实施例中,可以利用聚类算法对所述能力画像中的能力标签进行聚类分析。所述聚类算法可以是采用K-Means或DBSCAN等聚类算法。
详细地,所述对所述能力画像中的能力标签进行聚类分析,得到核心能力标签,包括:利用预先构建的语义分析模型提取每个所述能力标签对应的能力特征;对每个所述能力特征进行向量映射,得到能力特征向量集;从所述能力特征向量集中,随机选取预设数量的能力特征向量作为聚类中心;依次计算所述能力特征向量集中每个能力特征向量到所述聚类中心的距离,并将每个所述能力特征向量划分到距离最小的聚类中心对应的类别中,得到多个类别簇;判断每个所述类别簇的聚类中心是否满足预设的收敛条件;若每个所述类别簇的聚类中心不满足所述预设的收敛条件,则重新计算每个类别簇的聚类中心,并返回上述的依次计算所述能力特征向量集中每个能力特征向量到所述聚类中心的距离的步骤;若每个所述类别簇的聚类中心满足所述预设的收敛条件,则将收敛的类别簇对应的能力标签作为所述能力画像的核心能力标签。
本发明实施例中,本发明实施例中,所述预构建的语义识别模型可以采用基于BERT构建的语义识别模型或采用UniLM语义识别模型。
本发明实施例中,所述能力标签是由自然语言组成,若直接对所述能力标签进行分析,会占用大量的计算资源,导致分析的效率低下,因此,可将所述能力标签转换为能力特征向量,进而将由自然语言表达的能力标签转换为数值形式。
本发明实施例中,所述能力特征向量集中每个能力特征向量到所述聚类中心的距离可以为欧氏距离、曼哈顿距离及切比雪夫距离等。
详细地,所述重新计算每个类别簇的聚类中心,包括:
利用如下聚类公式计算每个类别簇的聚类中心:
其中,Ei表示第i个聚类中心,Ci表示第i个类别簇,x为类别簇中的能力特征向量。
本发明实施例中,所述预设的收敛条件可以是当每个所述类别簇中的每个能力特征向量到所述聚类中心的平均距离达到预设的距离阈值时,停止聚类操作。所述距离阈值可以根据实际情况进行设置。
本发明实施例中,通过对所述能力画像中的能力标签先进行聚类分析,进一步地,可以聚焦核心能力标签。
S3、根据所述核心能力标签计算所述目标用户的薄弱能力项;
本发明实施例中,根据所述能力画像可以进一步地识别所述目标用户的薄弱能力项,进而可以使得产品的推荐有的放矢。
详细地,参阅图3所示,所述S3,包括S31-S33:
S31、获取所述核心能力标签对应的指标项及指标取值;
S32、利用所述指标项及对应的指标取值,计算每个所述核心能力标签对应的能力值;
S33、选择低于预设能力阈值的能力值对应的核心能力标签作为所述目标用户的薄弱能力项。
本发明一可选实施例中,可以通过对每个所述核心能力标签对应的指标项的指标取值进行加权求平均,得到每个所述核心能力标签对应的能力值。
本发明实施例中,所述预设能力阈值可以根据实际业务需要进行设置。
本发明实施例中,通过计算得到所述目标用户的薄弱能力项,更进一步的聚焦了产品推荐的分析方向,提升了产品推荐的准确性。
S4、对所述薄弱能力项进行模糊扩展,得到与所述薄弱能力项相关的词汇集,并获取每个待推荐产品的描述信息;
本发明实施例中,所述模糊扩展指的是一种词汇扩展技术,通过该词汇扩展技术,可以获得与被扩展名词相关的诸多词汇,这些词汇中可以包含该名词的同音异形词、大小写变换词、同义词等。
本发明实施例中,对所述薄弱能力项的名称进行模糊扩展后可以获得与所述薄弱能力项相关的其他词汇,所述词汇指的是对每种所述薄弱能力项目的名称进行模糊扩展后的词汇。
具体地,服务器可以首先通过fuzzywuzzy等模糊字符串匹配工具包对每个所述薄弱能力项的名称进行模糊扩展以得到若干词汇,然后将每个所述薄弱能力项相关的词汇和该薄弱能力项记录在一起并保存在数据库中。
示例性地,所述目标用户的薄弱能力项为沟通能力差,则模糊扩展后可以得到不善表达、不爱交流、沉默寡言、表达不清晰等词汇。
本发明实施例中,通过对所述薄弱能力项进行模糊扩展可以丰富对该薄弱能力项的描述,有利于提升产品推荐的准确性。
本发明实施例中,可以从第三方数据库中获取待推荐产品的描述信息,所述描述信息包括但不限于产品名称、产品所包含的内容,产品所能带来的有益效果等。
S5、根据每个所述待推荐产品的描述信息和与所述薄弱能力项相关的词汇集,计算每个所述薄弱能力项与每个所述待推荐产品之间的相似度,选择相似度符合预设条件的待推荐产品推送给所述目标用户。
本发明实施例中,可以通过聚类算法或距离算法,计算每个所述薄弱能力项与每个所述待推荐产品之间的相似度。
详细地,参阅图4所示,所述利用每个所述待推荐产品的描述信息与所述薄弱能力项相关的词汇集,计算每个所述薄弱能力项与每个所述待推荐产品之间的相似度,包括S51-S52:
S51、提取所述目标用户的薄弱能力项相关的词汇集的薄弱能力特征;
S52、提取每个所述待推荐产品的描述信息对应的比对特征;
S53、计算所述薄弱能力特征与每个所述推荐产品对应的比对特征之间相似度。
详细地,参阅图5所示,所述提取所述目标用户的薄弱能力项相关的词汇集的薄弱能力特征,包括S511-S514:
S511、将所述词汇集进行分词,得到预设数量的文本分词;
S512、分别将所述预设数量的文本分词转换为词向量,将所述词向量拼接为向量矩阵;
S513、从所述多个文本分词中逐个选取其中一个文本分词为目标分词,根据所述目标分词的词向量及所述文本向量矩阵,计算所述目标分词的关键值;
S514、按照所述关键值从大到小的顺序从所述多个文本分词中选取预设数量的文本分词为特征分词;
S515、将所述特征分词的词向量拼接得到所述词汇集的薄弱能力特征。
具体地,所述根据所述目标分词的词向量与所述文本向量矩阵,计算所述目标分词的关键值,包括:
利用如下关键值算法计算所述目标分词的关键值:
本发明实施例中,按照每一个文本分词的关键值从大到小的顺序从所述将所述多个文本分词中选取预设数量的文本分词为特征分词。
例如,所述多个文本分词包括:文本分词A、文本分词B和文本分词C,其中,文本分词A的关键值为80,文本分词B的关键值为70,文本分词C的关键值为30,若预设数量为2,则按照所述关键值从大到小的顺序,选取文本分词A和文本分词B为特征分词,并将所述文本分词A和所述文本分词B的词向量进行拼接,得到所述词汇集的薄弱能力特征。
需要说明的是,所述提取每个所述待推荐产品的描述信息对应的比对特征所采用的方法与所述提取所述目标用户的薄弱能力项相关的词汇集的薄弱能力特征方法可以相同。
进一步地,参阅图6所示,所述计算所述薄弱能力特征与每个所述推荐产品对应的比对特征之间相似度,包括S531-S534:
S531、将每个所述薄弱能力特征作为所述目标用户的聚类中心,并将所述聚类中心作为目标标签;
S532、依次选择任意一个比对特征作为比对标签,对所述目标标签及所述比较标签进行分词处理,得到目标列表及比较列表;
S533、根据所述目标列表及所述比较列表构建编码字典;
S534、利用所述编码字典对所述目标列表及所述比较列表进行向量编码,得到目标向量及比较向量;
S535、利用预设的余弦相似度计算公式计算所述目标向量与所述比较向量的目标相似度,将所述目标相似度作为所述薄弱能力特征与所述比对特征对应的待推荐产品之间的相似度。
本发明实施例中,所述预设条件可以指定最小相似度阈值,当所述目标相似度作为所述薄弱能力特征与所述比对特征对应的待推荐产品之间的相似度大于或等于所述最小相似度阈值时,选择相应的待推荐产品推送给所述目标用户。
本发明申请利用目标用户的能力测评数据构建所述目标用户的能力画像,通过对所述能力画像中的能力标签进行聚类和计算,得到所述目标用户的薄弱能力项,使产品推荐的目标更加细化和明确,同时,通过对所述薄弱能力项进行模糊扩展,得到与所述薄弱能力项相关的词汇集,根据待推荐产品的描述信息和与所述薄弱能力项相关的词汇集,计算每个薄弱能力项与每个待推荐产品之间的相似度,选择相似度符合预设条件的待推荐产品推送给所述目标用户,提升了产品推荐的精准性。
如图8所示,是本发明一实施例提供的基于用户能力画像的产品推荐装置的功能模块图。
本发明所述基于用户能力画像的产品推荐装置100可以安装于电子设备中。根据实现的功能,所述基于用户能力画像的产品推荐装置100可以包括能力画像生成模块101、薄弱能力计算模块102、薄弱能力和产品信息获取模块103及薄弱能力与产品比对模块104。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:
所述能力画像生成模块101,用于获取目标用户的能力测评数据,提取所述能力测评数据对应的能力标签,根据所述能力标签构建所述目标用户的能力画像;
所述薄弱能力计算模块102,用于对所述能力画像中的能力标签进行聚类分析,得到核心能力标签,根据所述核心能力标签计算所述目标用户的薄弱能力项;
所述薄弱能力和产品信息获取模块103,用于对所述薄弱能力项进行模糊扩展,得到与所述薄弱能力项相关的词汇集,并获取每个待推荐产品的描述信息;
所述薄弱能力与产品比对模块104,用于根据每个所述待推荐产品的描述信息和与所述薄弱能力项相关的词汇集,计算每个所述薄弱能力项与每个所述待推荐产品之间的相似度,选择相似度符合预设条件的待推荐产品推送给所述目标用户。
详细地,本发明实施例中所述基于用户能力画像的产品推荐装置100中的各个模块在使用时采用与上述的图1至图6中所述的基于用户能力画像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8所示,是本发明一实施例提供的实现基于用户能力画像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和总线,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,如基于用户能力画像的产品推荐程序。
其中,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1的内部存储单元,例如该电子设备1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1的外部存储设备,例如电子设备1上配备的插接式移动硬盘、智能存储卡(Smart Media Card,SMC)、安全数字(SecureDigital,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1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1的应用软件及各类数据,例如基于用户能力画像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(Control Unit),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(例如基于用户能力画像的产品推荐程序等),以及调用存储在所述存储器11内的数据,以执行电子设备1的各种功能和处理数据。
所述总线可以是外设部件互连标准(peripheral component interconnect,简称PCI)总线或扩展工业标准结构(extended industry standard architecture,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。
图8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8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1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1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。
进一步地,所述电子设备1还可以包括网络接口,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1与其他电子设备之间建立通信连接。
可选地,该电子设备1还可以包括用户接口,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1中处理的信息以及用于显示可视化的用户界面。
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存储的基于用户能力画像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:
获取目标用户的能力测评数据,提取所述能力测评数据对应的能力标签,根据所述能力标签构建所述目标用户的能力画像;
对所述能力画像中的能力标签进行聚类分析,得到核心能力标签;
根据所述核心能力标签计算所述目标用户的薄弱能力项;
对所述薄弱能力项进行模糊扩展,得到与所述薄弱能力项相关的词汇集,并获取每个待推荐产品的描述信息;
根据每个所述待推荐产品的描述信息和与所述薄弱能力项相关的词汇集,计算每个所述薄弱能力项与每个所述待推荐产品之间的相似度,选择相似度符合预设条件的待推荐产品推送给所述目标用户。
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:
获取目标用户的能力测评数据,提取所述能力测评数据对应的能力标签,根据所述能力标签构建所述目标用户的能力画像;
对所述能力画像中的能力标签进行聚类分析,得到核心能力标签;
根据所述核心能力标签计算所述目标用户的薄弱能力项;
对所述薄弱能力项进行模糊扩展,得到与所述薄弱能力项相关的词汇集,并获取每个待推荐产品的描述信息;
根据每个所述待推荐产品的描述信息和与所述薄弱能力项相关的词汇集,计算每个所述薄弱能力项与每个所述待推荐产品之间的相似度,选择相似度符合预设条件的待推荐产品推送给所述目标用户。
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。
本申请实施例可以基于人工智能技术对相关的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。
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)
1.一种基于用户能力画像的产品推荐方法,其特征在于,所述方法包括:
获取目标用户的能力测评数据,提取所述能力测评数据对应的能力标签,根据所述能力标签构建所述目标用户的能力画像;
对所述能力画像中的能力标签进行聚类分析,得到核心能力标签;
根据所述核心能力标签计算所述目标用户的薄弱能力项;
对所述薄弱能力项进行模糊扩展,得到与所述薄弱能力项相关的词汇集,并获取每个待推荐产品的描述信息;
根据每个所述待推荐产品的描述信息和与所述薄弱能力项相关的词汇集,计算每个所述薄弱能力项与每个所述待推荐产品之间的相似度,选择相似度符合预设条件的待推荐产品推送给所述目标用户。
2.如权利要求1所述的基于用户能力画像的产品推荐方法,其特征在于,所述提取所述能力测评数据对应的能力标签,根据所述能力标签构建所述目标用户的能力画像,包括:
根据预设的能力指标库对所述能力测评数据进行标注,得到所述能力测评数据对应的指标项及每个所述指标项的取值;
获取每个指标项对应的指标值与预设的能力标签的映射关系;
基于所述映射关系确定所述目标用户的各个指标项对应的目标能力标签;
将所述目标能力标签的集合作为所述目标用户的能力画像。
3.如权利要求1所述的基于用户能力画像的产品推荐方法,其特征在于,所述对所述能力画像中的能力标签进行聚类分析,得到核心能力标签,包括:
利用预先构建的语义分析模型提取每个所述能力标签对应的能力特征;
对每个所述能力特征进行向量映射,得到能力特征向量集;
从所述能力特征向量集中,随机选取预设数量的能力特征向量作为聚类中心;
依次计算所述能力特征向量集中每个能力特征向量到所述聚类中心的距离,并将每个所述能力特征向量划分到距离最小的聚类中心对应的类别中,得到多个类别簇;
判断每个所述类别簇的聚类中心是否满足预设的收敛条件;
若每个所述类别簇的聚类中心不满足所述预设的收敛条件,则重新计算每个类别簇的聚类中心,并返回上述的依次计算所述能力特征向量集中每个能力特征向量到所述聚类中心的距离的步骤;
若每个所述类别簇的聚类中心满足所述预设的收敛条件,则将收敛的类别簇对应的能力标签作为所述能力画像的核心能力标签。
4.如权利要求1所述的基于用户能力画像的产品推荐方法,其特征在于,所述根据所述核心能力标签计算所述目标用户的薄弱能力项,包括:
获取所述核心能力标签对应的指标项及指标取值;
利用所述指标项及对应的指标取值,计算每个所述核心能力标签对应的能力值;
选择低于预设能力阈值的能力值对应的核心能力标签作为所述目标用户的薄弱能力项。
5.如权利要求1所述的基于用户能力画像的产品推荐方法,其特征在于,所述利用每个所述待推荐产品的描述信息与所述薄弱能力项相关的词汇集,计算每个所述薄弱能力项与每个所述待推荐产品之间的相似度,包括:
提取所述目标用户的薄弱能力项相关的词汇集的薄弱能力特征;
提取每个所述待推荐产品的描述信息对应的比对特征;
计算所述薄弱能力特征与每个所述推荐产品对应的比对特征之间相似度。
6.如权利要求5所述的基于用户能力画像的产品推荐方法,其特征在于,所述提取所述目标用户的薄弱能力项相关的词汇集的薄弱能力特征,包括:
将所述词汇集进行分词,得到预设数量的文本分词;
分别将所述预设数量的文本分词转换为词向量,将所述词向量拼接为向量矩阵;
从所述多个文本分词中逐个选取其中一个文本分词为目标分词,根据所述目标分词的词向量及所述文本向量矩阵,计算所述目标分词的关键值;
按照所述关键值从大到小的顺序从所述多个文本分词中选取预设数量的文本分词为特征分词;
将所述特征分词的词向量拼接得到所述词汇集的薄弱能力特征。
7.如权利要求5所述的基于用户能力画像的产品推荐方法,其特征在于,所述计算所述薄弱能力特征与每个所述推荐产品对应的比对特征之间相似度,包括:
将每个所述薄弱能力特征作为所述目标用户的聚类中心,并将所述聚类中心作为目标标签;
依次选择任意一个比对特征作为比对标签,对所述目标标签及所述比较标签进行分词处理,得到目标列表及比较列表;
根据所述目标列表及所述比较列表构建编码字典;
利用所述编码字典对所述目标列表及所述比较列表进行向量编码,得到目标向量及比较向量;
利用预设的余弦相似度计算公式计算所述目标向量与所述比较向量的目标相似度,将所述目标相似度作为所述薄弱能力特征与所述比对特征对应的待推荐产品之间的相似度。
8.一种基于用户能力画像的产品推荐装置,其特征在于,所述装置包括:
能力画像生成模块,用于获取目标用户的能力测评数据,提取所述能力测评数据对应的能力标签,根据所述能力标签构建所述目标用户的能力画像;
薄弱能力计算模块,用于对所述能力画像中的能力标签进行聚类分析,得到核心能力标签,根据所述核心能力标签计算所述目标用户的薄弱能力项;
薄弱能力和产品信息获取模块,用于对所述薄弱能力项进行模糊扩展,得到与所述薄弱能力项相关的词汇集,并获取每个待推荐产品的描述信息;
薄弱能力与产品比对模块,用于根据每个所述待推荐产品的描述信息和与所述薄弱能力项相关的词汇集,计算每个所述薄弱能力项与每个所述待推荐产品之间的相似度,选择相似度符合预设条件的待推荐产品推送给所述目标用户。
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计算机程序,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能力画像的产品推荐方法。
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能力画像的产品推荐方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210356014.1A CN114723523B (zh) | 2022-04-06 | 2022-04-06 | 基于用户能力画像的产品推荐方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210356014.1A CN114723523B (zh) | 2022-04-06 | 2022-04-06 | 基于用户能力画像的产品推荐方法、装置、设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114723523A true CN114723523A (zh) | 2022-07-08 |
CN114723523B CN114723523B (zh) | 2023-05-30 |
Family
ID=82241392
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210356014.1A Active CN114723523B (zh) | 2022-04-06 | 2022-04-06 | 基于用户能力画像的产品推荐方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114723523B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20210191509A1 (en) * | 2019-12-19 | 2021-06-24 | Boe Technology Group Co., Ltd. | Information recommendation method, device and storage medium |
CN113435202A (zh) * | 2021-06-28 | 2021-09-24 | 平安科技(深圳)有限公司 | 基于用户画像的产品推荐方法、装置、电子设备及介质 |
CN113449187A (zh) * | 2021-06-28 | 2021-09-28 | 平安银行股份有限公司 | 基于双画像的产品推荐方法、装置、设备及存储介质 |
CN113592605A (zh) * | 2021-08-10 | 2021-11-02 | 平安银行股份有限公司 | 基于相似产品的产品推荐方法、装置、设备及存储介质 |
WO2021218940A1 (zh) * | 2020-04-27 | 2021-11-04 | 华为技术有限公司 | 健身课程推送方法和装置 |
CN113706253A (zh) * | 2021-08-30 | 2021-11-26 | 康键信息技术(深圳)有限公司 | 实时产品推荐方法、装置、电子设备及可读存储介质 |
CN113886708A (zh) * | 2021-10-26 | 2022-01-04 | 平安银行股份有限公司 | 基于用户信息的产品推荐方法、装置、设备及存储介质 |
-
2022
- 2022-04-06 CN CN202210356014.1A patent/CN114723523B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20210191509A1 (en) * | 2019-12-19 | 2021-06-24 | Boe Technology Group Co., Ltd. | Information recommendation method, device and storage medium |
WO2021218940A1 (zh) * | 2020-04-27 | 2021-11-04 | 华为技术有限公司 | 健身课程推送方法和装置 |
CN113435202A (zh) * | 2021-06-28 | 2021-09-24 | 平安科技(深圳)有限公司 | 基于用户画像的产品推荐方法、装置、电子设备及介质 |
CN113449187A (zh) * | 2021-06-28 | 2021-09-28 | 平安银行股份有限公司 | 基于双画像的产品推荐方法、装置、设备及存储介质 |
CN113592605A (zh) * | 2021-08-10 | 2021-11-02 | 平安银行股份有限公司 | 基于相似产品的产品推荐方法、装置、设备及存储介质 |
CN113706253A (zh) * | 2021-08-30 | 2021-11-26 | 康键信息技术(深圳)有限公司 | 实时产品推荐方法、装置、电子设备及可读存储介质 |
CN113886708A (zh) * | 2021-10-26 | 2022-01-04 | 平安银行股份有限公司 | 基于用户信息的产品推荐方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN114723523B (zh) | 2023-05-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115002200B (zh) | 基于用户画像的消息推送方法、装置、设备及存储介质 | |
CN113378970B (zh) | 语句相似性检测方法、装置、电子设备及存储介质 | |
CN114398557B (zh) | 基于双画像的信息推荐方法、装置、电子设备及存储介质 | |
CN113360654B (zh) | 文本分类方法、装置、电子设备及可读存储介质 | |
CN112988963A (zh) | 基于多流程节点的用户意图预测方法、装置、设备及介质 | |
CN113821622A (zh) | 基于人工智能的答案检索方法、装置、电子设备及介质 | |
CN115221276A (zh) | 基于clip的中文图文检索模型训练方法、装置、设备及介质 | |
CN113886708A (zh) | 基于用户信息的产品推荐方法、装置、设备及存储介质 | |
CN115238670A (zh) | 信息文本抽取方法、装置、设备及存储介质 | |
CN114840684A (zh) | 基于医疗实体的图谱构建方法、装置、设备及存储介质 | |
CN114595321A (zh) | 问题标注方法、装置、电子设备及存储介质 | |
CN113344125B (zh) | 长文本匹配识别方法、装置、电子设备及存储介质 | |
CN114880449A (zh) | 智能问答的答复生成方法、装置、电子设备及存储介质 | |
CN113935880A (zh) | 政策推荐方法、装置、设备及存储介质 | |
CN112347739A (zh) | 适用规则分析方法、装置、电子设备及存储介质 | |
CN116340516A (zh) | 实体关系的聚类提取方法、装置、设备及存储介质 | |
CN115099680A (zh) | 风险管理方法、装置、设备及存储介质 | |
CN114943306A (zh) | 意图分类方法、装置、设备及存储介质 | |
CN115203364A (zh) | 软件故障反馈处理方法、装置、设备及可读存储介质 | |
CN114780688A (zh) | 基于规则匹配的文本质检方法、装置、设备及存储介质 | |
CN114219367A (zh) | 用户评分方法、装置、设备及存储介质 | |
CN113706207A (zh) | 基于语义解析的订单成交率分析方法、装置、设备及介质 | |
CN114385815A (zh) | 基于业务需求的新闻筛选方法、装置、设备及存储介质 | |
CN114708073A (zh) | 一种围标串标智能检测方法、装置、电子设备及存储介质 | |
CN113806540A (zh) | 文本打标签方法、装置、电子设备及存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |