CN115238179A - 项目推送方法、装置、电子设备及计算机可读存储介质 - Google Patents
项目推送方法、装置、电子设备及计算机可读存储介质 Download PDFInfo
- Publication number
- CN115238179A CN115238179A CN202210869147.9A CN202210869147A CN115238179A CN 115238179 A CN115238179 A CN 115238179A CN 202210869147 A CN202210869147 A CN 202210869147A CN 115238179 A CN115238179 A CN 115238179A
- Authority
- CN
- China
- Prior art keywords
- preference
- user
- item
- users
- information
- 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 40
- 230000007246 mechanism Effects 0.000 claims abstract description 98
- 238000004458 analytical method Methods 0.000 claims abstract description 26
- 230000006399 behavior Effects 0.000 claims description 35
- 238000004364 calculation method Methods 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 11
- 230000008520 organization Effects 0.000 claims description 11
- 238000010276 construction Methods 0.000 claims description 4
- 238000013473 artificial intelligence Methods 0.000 abstract description 5
- 238000005516 engineering process Methods 0.000 abstract description 5
- 230000006870 function Effects 0.000 description 10
- 238000004891 communication Methods 0.000 description 8
- 238000004422 calculation algorithm Methods 0.000 description 5
- 238000007726 management method Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000009193 crawling Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000001514 detection method Methods 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
- 238000013139 quantization Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- 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
- G06Q10/10—Office automation; Time management
- G06Q10/103—Workflow collaboration or project management
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Economics (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明涉及人工智能技术，揭露一种项目推送方法，包括：获取预设机构中多个用户对应的用户偏好信息，基于多个用户偏好信息分别构建用户偏好画像；基于多个用户偏好画像对所述机构进行偏好分析，得到机构对应的偏好标签；根据多个用户的特定行为信息确定用户对不同项目的偏好得分；根据用户偏好画像、机构对应的偏好标签、偏好得分和多个权重系数计算用户与不同项目之间的匹配值；按照匹配值从大到小的顺序生成项目推送清单，将项目推送清单上的预设个数的项目推送给用户。此外，本发明还涉及区块链技术，偏好得分可存储于区块链的节点。本发明还提出一种项目推送装置、电子设备以及存储介质。本发明可以提高项目推送的准确度。
Description
技术领域
本发明涉及人工智能技术领域，尤其涉及一种项目推送方法、装置、电子设备及计算机可读存储介质。
背景技术
特殊资产是指由于特殊原因而被持有或需处置变现的资产，因此特殊资产领域也是一个比较特殊的领域。当前特殊资产领域中的机构偏好信息存储散乱，信息及时性、完整性不足，导致资产项目信息无法精准匹配推送给对应的机构用户，进一步增加项目落地难度。现有的项目的推送仅仅是根据简单的匹配原则进行推送，而没有考虑更多维度的信息。因此亟待提出一种准确度更高的项目推送方法。
发明内容
本发明提供一种项目推送方法、装置及计算机可读存储介质，其主要目的在于提高项目推送的准确度。
为实现上述目的，本发明提供的一种项目推送方法，包括：
获取预设机构中多个用户对应的用户偏好信息，基于多个所述用户偏好信息分别构建用户偏好画像；
基于多个所述用户偏好画像对所述机构进行偏好分析，得到所述机构对应的偏好标签；
获取多个所述用户的特定行为信息，根据多个所述用户的特定行为信息确定所述用户对不同项目的偏好得分；
根据所述用户偏好画像、所述机构对应的偏好标签、所述偏好得分和预设的多个权重系数计算所述用户与所述不同项目之间的匹配值；
按照所述匹配值从大到小的顺序生成项目推送清单，并将所述项目推送清单上的预设个数的项目推送给用户。
可选地，所述根据所述用户偏好画像、所述机构对应的偏好标签、所述偏好得分和预设的多个权重系数计算所述用户与所述不同项目之间的匹配值，包括：
将多个所述权重系数随机分配至所述用户偏好画像、所述机构对应的偏好标签和所述偏好得分；
根据预设的标签参考表查询得到所述机构对应的机构得分，根据预设的画像参考表得到所述用户偏好画像对应的画像得分；
分别将所述机构得分、所述画像得分和所述偏好得分与对应的权重系数进行相乘处理，并对相乘处理后的数值进行求和处理，得到匹配值。
可选地，所述基于多个所述用户偏好画像对所述机构进行偏好分析，得到所述机构对应的偏好标签，包括：
对多个所述用户偏好画像进行求交集处理，并将交集部分对应的标签作为所述机构对应的偏好标签；或
剔除多个所述用户偏好画像中的符合预设的剔除要求的用户偏好画像，并对剔除处理后的用户偏好画像进行平均值计算，将得到的平均值对应的标签作为所述机构对应的偏好标签。
可选地，所述根据多个所述用户的特定行为信息确定所述用户对不同项目的偏好得分，包括：
从多个所述用户中逐个选取其中一个用户作为目标用户；
统计被所述目标用户的特定行为信息中不同项目的浏览次数；
根据每个被选取的目标用户对不同项目的浏览次数计算每个不同项目被所有目标用户浏览的总次数；
逐个从所述不同项目中选取一个项目为目标，计算所述于目标项目被所有目标用户浏览的总次数在所述每个不同项目被所有目标用户浏览的总次数之和内的占比权重；
确定所述占比权重为所述用户对所述目标项目的偏好得分。
可选地，所述基于多个所述用户信息分别构建用户偏好画像，包括：
计算所述多个用户信息中各个用户信息的分类值；
根据所述分类值所在的数值区间确定所述多个用户信息中各用户信息对应的分类；
根据所述分类计算用户指标数据，并确定所述用户指标数据为所述目标用户的用户偏好画像。
可选地，所述计算所述多个用户信息中各个用户信息的分类值，包括：
利用下述分类计算公式计算所述多个用户信息中各个用户信息的分类值值：
S＝1×degree+5×limit+10×type
其中，S为所述分类值，degree为填写偏好中的投资偏好，limit为填写偏好中的服务偏好，type为填写偏好中的热度特征。
可选地，所述根据所述分类计算用户指标数据，包括：
利用如下公式计算用户指标数据：
target＝θ*S+τ*T
其中，target为所述用户指标数据，S为等级偏好特征的分类值，T为期限偏好特征的分类值，θ、τ为预设权重系数。
为了解决上述问题，本发明还提供一种项目推送装置，所述装置包括：
画像构建模块，用于获取预设机构中多个用户对应的用户偏好信息，基于多个所述用户偏好信息分别构建用户偏好画像；
偏好分析模块，用于基于多个所述用户偏好画像对所述机构进行偏好分析，得到所述机构对应的偏好标签；
得分计算模块，用于获取多个所述用户的特定行为信息，根据多个所述用户的特定行为信息确定所述用户对不同项目的偏好得分；
项目推送模块，用于根据所述用户偏好画像、所述机构对应的偏好标签、所述偏好得分和预设的多个权重系数计算所述用户与所述不同项目之间的匹配值，按照所述匹配值从大到小的顺序生成项目推送清单，并将所述项目推送清单上的预设个数的项目推送给用户。
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：
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，所述计算机程序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上述所述的项目推送方法。
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项目推送方法。
本发明实施例通过预设机构中多个用户对应的用户偏好信息分别构建用户偏好画像，所述用户偏好画像直观的表现出用户的偏好，并基于多个所述用户偏好画像对所述机构进行偏好分析，得到所述机构对应的偏好标签。根据多个所述用户的特定行为信息确定所述用户对不同项目的偏好得分。根据所述用户偏好画像、所述机构对应的偏好标签、所述偏好得分和预设的多个权重系数计算所述用户与所述不同项目之间的匹配值，分配不同的权重系数进行计算可以使得得到的匹配值更加准确反应项目与用户的匹配程度。按照所述匹配值从大到小的顺序生成项目推送清单，并将所述项目推送清单上的预设个数的项目推送给用户，提高了项目推送的准确度。因此本发明提出的项目推送方法、装置、电子设备及计算机可读存储介质，可以实现解决项目推送的准确度不够高的问题。
附图说明
图1为本发明一实施例提供的项目推送方法的流程示意图；
图2为本发明一实施例提供的项目推送装置的功能模块图；
图3为本发明一实施例提供的实现所述项目推送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项目推送方法。所述项目推送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，所述项目推送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。所述服务端包括但不限于：单台服务器、服务器集群、云端服务器或云端服务器集群等。所述服务器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项目推送方法的流程示意图。
在本实施例中，所述项目推送方法包括：
S1、获取预设机构中多个用户对应的用户偏好信息，基于多个所述用户偏好信息分别构建用户偏好画像。
本发明实施例中，所述预设机构可以为特资领域中的金融机构，所述预设机构中的多个用户是指机构下的参与用户。所述预设机构中多个用户对应的用户偏好信息是指可以代表所述用户的喜好偏向的信息，例如，用户偏好信息可以为填写偏好、用户提交意向和浏览时间等。可以利用具有数据获取功能的爬虫语句从信托行业的系统或者数据库中进行数据的爬取。
其中，填写偏好为用户多维度填写的投资或者服务偏好信息，通过用户的填写偏好可以精准得到用户的偏好信息。用户提交意向是布尔量化的偏好，取值为0或者1。浏览时间为用户浏览页面的时间信息，需要对浏览信息进行去噪处理并分析得到偏好信息。浏览时间可以反映用户的注意力和喜好。
具体地，所述基于多个所述用户信息分别构建用户偏好画像，包括：
计算所述多个用户信息中各个用户信息的分类值；
根据所述分类值所在的数值区间确定所述多个用户信息中各用户信息对应的分类；
根据所述分类计算用户指标数据，并确定所述用户指标数据为所述目标用户的用户偏好画像。
详细地，所述计算所述多个用户信息中各个用户信息的分类值，包括：
利用下述分类计算公式计算所述多个用户信息中各个用户信息的分类值值：
S＝1×degree+5×limit+10×type
其中，S为所述分类值，degree为填写偏好中的投资偏好，limit为填写偏好中的服务偏好，type为填写偏好中的热度特征。
详细地，根据所述分类值所在的数值区间确定所述多个用户信息中各用户信息对应的分类，例如，当分类值在区间[A，B)时，用户信息分类为第一类，当分类值在区间[B，C)时，用户信息分类为第二类，当分类值在区间[C，D)时，用户信息分类为第三类，当A<S<B时，则多个用户信息中各个用户信息的分类为第一类。
具体地，利用预设的用户指标算法计算所述分类对应的用户指标数据，其中，所述用户指标数据是指可以代表用户某些具体行为的指标数据。
进一步地，所述根据所述分类计算用户指标数据，包括：
利用如下公式计算用户指标数据：
target＝θ*S+τ*T
其中，target为所述用户指标数据，S为等级偏好特征的分类值，T为期限偏好特征的分类值，θ、τ为预设权重系数。
S2、基于多个所述用户偏好画像对所述机构进行偏好分析，得到所述机构对应的偏好标签。
本发明实施例中，所述基于多个所述用户偏好画像对所述机构进行偏好分析，得到所述机构对应的偏好标签，包括：
对多个所述用户偏好画像进行求交集处理，并将交集部分对应的标签作为所述机构对应的偏好标签；或
剔除多个所述用户偏好画像中的符合预设的剔除要求的用户偏好画像，并对剔除处理后的用户偏好画像进行平均值计算，将得到的平均值对应的标签作为所述机构对应的偏好标签。
详细地，一家机构支持多用户填写偏好、最终机构的偏好对精准匹配有很多权重影响，所以需要得到机构的偏好标签。所述机构的偏好标签作为后续匹配模型算法的输入数据项
S3、获取多个所述用户的特定行为信息，根据多个所述用户的特定行为信息确定所述用户对不同项目的偏好得分。
本发明实施例中，多个所述用户的特定行为信息是指所述用户对不同项目的收藏次数、分享次数、浏览次数、点击次数等操作的记录，例如，用户在历史时间内对项目A浏览了1次，对项目B浏览了2次。
具体地，所述根据多个所述用户的特定行为信息确定所述用户对不同项目的偏好得分，包括：
从多个所述用户中逐个选取其中一个用户作为目标用户；
统计被所述目标用户的特定行为信息中不同项目的浏览次数；
根据每个被选取的目标用户对不同项目的浏览次数计算每个不同项目被所有目标用户浏览的总次数；
逐个从所述不同项目中选取一个项目为目标，计算所述于目标项目被所有目标用户浏览的总次数在所述每个不同项目被所有目标用户浏览的总次数之和内的占比权重；
确定所述占比权重为所述用户对所述目标项目的偏好得分。
例如，所述目标用户中存在用户A和用户B，其中，用户A对项目a的浏览次数为10次，用户A对项目b的浏览次数为40次，用户B对项目a的浏览次数为30次，用户B对项目b的浏览次数为20次，则项目a被所有目标用户(用户A和用户B)浏览的总次数为40次，项目b被所有目标用户(用户A和用户B)浏览的总次数为60次，进而，可计算得出项目a被所有目标用户浏览的总次数在所述每个不同项目被所有目标用户浏览的总次数之和内的占比权重为40％，项目b被所有目标用户浏览的总次数在所述每个不同项目被所有目标用户浏览的总次数之和内的占比权重为60％，因此，可确定用户对项目a的偏好得分为40，用户对项目a的偏好得分为60。
本发明实施例中，通过对每个目标用户的特定行为信息进行综合分析，以确定所述用户对不同项目的偏好得分，有利于提高后续根据对所述用户进行项目推荐的精确度。
S4、根据所述用户偏好画像、所述机构对应的偏好标签、所述偏好得分和预设的多个权重系数计算所述用户与所述不同项目之间的匹配值。
本发明实施例中，所述根据所述用户偏好画像、所述机构对应的偏好标签、所述偏好得分和预设的多个权重系数计算所述用户与所述不同项目之间的匹配值，包括：
将多个所述权重系数随机分配至所述用户偏好画像、所述机构对应的偏好标签和所述偏好得分；
根据预设的标签参考表查询得到所述机构对应的机构得分，根据预设的画像参考表得到所述用户偏好画像对应的画像得分；
分别将所述机构得分、所述画像得分和所述偏好得分与对应的权重系数进行相乘处理，并对相乘处理后的数值进行求和处理，得到匹配值。
详细地，所述权重系数可以为0.8、0.5和0.3，可以将权重系数0.8分配至所述用户偏好画像，权重系数0.5分配至所述偏好得分，权重系数0.3分配至所述机构对应的偏好标签。所述标签参考表中包含不同机构的偏好标签对应的机构得分，所述画像参考表中包含不同用户偏好画像对应的画像得分，根据所述标签参考表查询得到所述机构对应的机构得分70，根据所述画像参考表得到所述用户偏好画像对应的画像得分100。分别将所述机构得分70、所述画像得分100和所述偏好得分50与对应的权重系数进行相乘处理，即求得机构得分与对应的权重系数相乘70*0.3为21，求得用户偏好画像与对应的权重系数相乘100*0.5为50，求得偏好得分与对应的权重系数相乘50*0.5为25，并对相乘处理后的数值进行求和处理，得到匹配值。
S5、按照所述匹配值从大到小的顺序生成项目推送清单，并将所述项目推送清单上的预设个数的项目推送给用户。
本发明实施例中，比对各个匹配度的大小并且按照所述匹配度从大到小的顺序生成项目推送清单，选择所述项目推送清单上的预设个数的项目，并将所述预设个数的项目推送给用户。
优选地，本方案中所述预设个数可以为五个。
具体地，所述将所述项目推送清单上的预设个数的项目推送给用户之后，所述方法还包括：
对接收到的预设个数的项目进行项目分析，得到项目分析报告。
详细地，所述项目分析是对获取得到的预设个数的项目进行分析和理解，并根据分析的信息整理得到项目分析报告以供用户进行查阅。
本发明实施例通过预设机构中多个用户对应的用户偏好信息分别构建用户偏好画像，所述用户偏好画像直观的表现出用户的偏好，并基于多个所述用户偏好画像对所述机构进行偏好分析，得到所述机构对应的偏好标签。根据多个所述用户的特定行为信息确定所述用户对不同项目的偏好得分。根据所述用户偏好画像、所述机构对应的偏好标签、所述偏好得分和预设的多个权重系数计算所述用户与所述不同项目之间的匹配值，分配不同的权重系数进行计算可以使得得到的匹配值更加准确反应项目与用户的匹配程度。按照所述匹配值从大到小的顺序生成项目推送清单，并将所述项目推送清单上的预设个数的项目推送给用户，提高了项目推送的准确度。因此本发明提出的项目推送方法可以实现解决项目推送的准确度不够高的问题。
如图2所示，是本发明一实施例提供的项目推送装置的功能模块图。
本发明所述项目推送装置100可以安装于电子设备中。根据实现的功能，所述项目推送装置100可以包括画像构建模块101、偏好分析模块102、得分计算模块103及项目推送模块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：
所述画像构建模块101，用于获取预设机构中多个用户对应的用户偏好信息，基于多个所述用户偏好信息分别构建用户偏好画像；
所述偏好分析模块102，用于基于多个所述用户偏好画像对所述机构进行偏好分析，得到所述机构对应的偏好标签；
所述得分计算模块103，用于获取多个所述用户的特定行为信息，根据多个所述用户的特定行为信息确定所述用户对不同项目的偏好得分；
所述项目推送模块104，用于根据所述用户偏好画像、所述机构对应的偏好标签、所述偏好得分和预设的多个权重系数计算所述用户与所述不同项目之间的匹配值，按照所述匹配值从大到小的顺序生成项目推送清单，并将所述项目推送清单上的预设个数的项目推送给用户。
详细地，所述项目推送装置100各模块的具体实施方式如下：
步骤一、获取预设机构中多个用户对应的用户偏好信息，基于多个所述用户偏好信息分别构建用户偏好画像。
本发明实施例中，所述预设机构可以为特资领域中的金融机构，所述预设机构中的多个用户是指机构下的参与用户。所述预设机构中多个用户对应的用户偏好信息是指可以代表所述用户的喜好偏向的信息，例如，用户偏好信息可以为填写偏好、用户提交意向和浏览时间等。可以利用具有数据获取功能的爬虫语句从信托行业的系统或者数据库中进行数据的爬取。
其中，填写偏好为用户多维度填写的投资或者服务偏好信息，通过用户的填写偏好可以精准得到用户的偏好信息。用户提交意向是布尔量化的偏好，取值为0或者1。浏览时间为用户浏览页面的时间信息，需要对浏览信息进行去噪处理并分析得到偏好信息。浏览时间可以反映用户的注意力和喜好。
具体地，所述基于多个所述用户信息分别构建用户偏好画像，包括：
计算所述多个用户信息中各个用户信息的分类值；
根据所述分类值所在的数值区间确定所述多个用户信息中各用户信息对应的分类；
根据所述分类计算用户指标数据，并确定所述用户指标数据为所述目标用户的用户偏好画像。
详细地，所述计算所述多个用户信息中各个用户信息的分类值，包括：
利用下述分类计算公式计算所述多个用户信息中各个用户信息的分类值值：
S＝1×degree+5×limit+10×type
其中，S为所述分类值，degree为填写偏好中的投资偏好，limit为填写偏好中的服务偏好，type为填写偏好中的热度特征。
详细地，根据所述分类值所在的数值区间确定所述多个用户信息中各用户信息对应的分类，例如，当分类值在区间[A，B)时，用户信息分类为第一类，当分类值在区间[B，C)时，用户信息分类为第二类，当分类值在区间[C，D)时，用户信息分类为第三类，当A<S<B时，则多个用户信息中各个用户信息的分类为第一类。
具体地，利用预设的用户指标算法计算所述分类对应的用户指标数据，其中，所述用户指标数据是指可以代表用户某些具体行为的指标数据。
进一步地，所述根据所述分类计算用户指标数据，包括：
利用如下公式计算用户指标数据：
target＝θ*S+τ*T
其中，target为所述用户指标数据，S为等级偏好特征的分类值，T为期限偏好特征的分类值，θ、τ为预设权重系数。
步骤二、基于多个所述用户偏好画像对所述机构进行偏好分析，得到所述机构对应的偏好标签。
本发明实施例中，所述基于多个所述用户偏好画像对所述机构进行偏好分析，得到所述机构对应的偏好标签，包括：
对多个所述用户偏好画像进行求交集处理，并将交集部分对应的标签作为所述机构对应的偏好标签；或
剔除多个所述用户偏好画像中的符合预设的剔除要求的用户偏好画像，并对剔除处理后的用户偏好画像进行平均值计算，将得到的平均值对应的标签作为所述机构对应的偏好标签。
详细地，一家机构支持多用户填写偏好、最终机构的偏好对精准匹配有很多权重影响，所以需要得到机构的偏好标签。所述机构的偏好标签作为后续匹配模型算法的输入数据项
步骤三、获取多个所述用户的特定行为信息，根据多个所述用户的特定行为信息确定所述用户对不同项目的偏好得分。
本发明实施例中，多个所述用户的特定行为信息是指所述用户对不同项目的收藏次数、分享次数、浏览次数、点击次数等操作的记录，例如，用户在历史时间内对项目A浏览了1次，对项目B浏览了2次。
具体地，所述根据多个所述用户的特定行为信息确定所述用户对不同项目的偏好得分，包括：
从多个所述用户中逐个选取其中一个用户作为目标用户；
统计被所述目标用户的特定行为信息中不同项目的浏览次数；
根据每个被选取的目标用户对不同项目的浏览次数计算每个不同项目被所有目标用户浏览的总次数；
逐个从所述不同项目中选取一个项目为目标，计算所述于目标项目被所有目标用户浏览的总次数在所述每个不同项目被所有目标用户浏览的总次数之和内的占比权重；
确定所述占比权重为所述用户对所述目标项目的偏好得分。
例如，所述目标用户中存在用户A和用户B，其中，用户A对项目a的浏览次数为10次，用户A对项目b的浏览次数为40次，用户B对项目a的浏览次数为30次，用户B对项目b的浏览次数为20次，则项目a被所有目标用户(用户A和用户B)浏览的总次数为40次，项目b被所有目标用户(用户A和用户B)浏览的总次数为60次，进而，可计算得出项目a被所有目标用户浏览的总次数在所述每个不同项目被所有目标用户浏览的总次数之和内的占比权重为40％，项目b被所有目标用户浏览的总次数在所述每个不同项目被所有目标用户浏览的总次数之和内的占比权重为60％，因此，可确定用户对项目a的偏好得分为40，用户对项目a的偏好得分为60。
本发明实施例中，通过对每个目标用户的特定行为信息进行综合分析，以确定所述用户对不同项目的偏好得分，有利于提高后续根据对所述用户进行项目推荐的精确度。
步骤四、根据所述用户偏好画像、所述机构对应的偏好标签、所述偏好得分和预设的多个权重系数计算所述用户与所述不同项目之间的匹配值。
本发明实施例中，所述根据所述用户偏好画像、所述机构对应的偏好标签、所述偏好得分和预设的多个权重系数计算所述用户与所述不同项目之间的匹配值，包括：
将多个所述权重系数随机分配至所述用户偏好画像、所述机构对应的偏好标签和所述偏好得分；
根据预设的标签参考表查询得到所述机构对应的机构得分，根据预设的画像参考表得到所述用户偏好画像对应的画像得分；
分别将所述机构得分、所述画像得分和所述偏好得分与对应的权重系数进行相乘处理，并对相乘处理后的数值进行求和处理，得到匹配值。
详细地，所述权重系数可以为0.8、0.5和0.3，可以将权重系数0.8分配至所述用户偏好画像，权重系数0.5分配至所述偏好得分，权重系数0.3分配至所述机构对应的偏好标签。所述标签参考表中包含不同机构的偏好标签对应的机构得分，所述画像参考表中包含不同用户偏好画像对应的画像得分，根据所述标签参考表查询得到所述机构对应的机构得分70，根据所述画像参考表得到所述用户偏好画像对应的画像得分100。分别将所述机构得分70、所述画像得分100和所述偏好得分50与对应的权重系数进行相乘处理，即求得机构得分与对应的权重系数相乘70*0.3为21，求得用户偏好画像与对应的权重系数相乘100*0.5为50，求得偏好得分与对应的权重系数相乘50*0.5为25，并对相乘处理后的数值进行求和处理，得到匹配值。
步骤五、按照所述匹配值从大到小的顺序生成项目推送清单，并将所述项目推送清单上的预设个数的项目推送给用户。
本发明实施例中，比对各个匹配度的大小并且按照所述匹配度从大到小的顺序生成项目推送清单，选择所述项目推送清单上的预设个数的项目，并将所述预设个数的项目推送给用户。
优选地，本方案中所述预设个数可以为五个。
具体地，所述将所述项目推送清单上的预设个数的项目推送给用户之后，还执行：
对接收到的预设个数的项目进行项目分析，得到项目分析报告。
详细地，所述项目分析是对获取得到的预设个数的项目进行分析和理解，并根据分析的信息整理得到项目分析报告以供用户进行查阅。
本发明实施例通过预设机构中多个用户对应的用户偏好信息分别构建用户偏好画像，所述用户偏好画像直观的表现出用户的偏好，并基于多个所述用户偏好画像对所述机构进行偏好分析，得到所述机构对应的偏好标签。根据多个所述用户的特定行为信息确定所述用户对不同项目的偏好得分。根据所述用户偏好画像、所述机构对应的偏好标签、所述偏好得分和预设的多个权重系数计算所述用户与所述不同项目之间的匹配值，分配不同的权重系数进行计算可以使得得到的匹配值更加准确反应项目与用户的匹配程度。按照所述匹配值从大到小的顺序生成项目推送清单，并将所述项目推送清单上的预设个数的项目推送给用户，提高了项目推送的准确度。因此本发明提出的项目推送装置可以实现解决项目推送的准确度不够高的问题。
如图3所示，是本发明一实施例提供的实现项目推送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、通信总线12以及通信接口13，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，如项目推送程序。
其中，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(ControlUnit)，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(例如执行项目推送程序等)，以及调用存储在所述存储器11内的数据，以执行电子设备的各种功能和处理数据。
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的内部存储单元，例如该电子设备的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备的外部存储设备，例如电子设备上配备的插接式移动硬盘、智能存储卡(Smart Media Card，SMC)、安全数字(Secure Digital，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的应用软件及各类数据，例如项目推送程序的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。
所述通信总线12可以是外设部件互连标准(peripheral componentinterconnect，简称PCI)总线或扩展工业标准结构(extended industry standardarchitecture，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。
所述通信接口13用于上述电子设备与其他设备之间的通信，包括网络接口和用户接口。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与其他电子设备之间建立通信连接。所述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中处理的信息以及用于显示可视化的用户界面。
图3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3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。
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存储的项目推送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：
获取预设机构中多个用户对应的用户偏好信息，基于多个所述用户偏好信息分别构建用户偏好画像；
基于多个所述用户偏好画像对所述机构进行偏好分析，得到所述机构对应的偏好标签；
获取多个所述用户的特定行为信息，根据多个所述用户的特定行为信息确定所述用户对不同项目的偏好得分；
根据所述用户偏好画像、所述机构对应的偏好标签、所述偏好得分和预设的多个权重系数计算所述用户与所述不同项目之间的匹配值；
按照所述匹配值从大到小的顺序生成项目推送清单，并将所述项目推送清单上的预设个数的项目推送给用户。
具体地，所述处理器10对上述指令的具体实现方法可参考附图对应实施例中相关步骤的描述，在此不赘述。
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：
获取预设机构中多个用户对应的用户偏好信息，基于多个所述用户偏好信息分别构建用户偏好画像；
基于多个所述用户偏好画像对所述机构进行偏好分析，得到所述机构对应的偏好标签；
获取多个所述用户的特定行为信息，根据多个所述用户的特定行为信息确定所述用户对不同项目的偏好得分；
根据所述用户偏好画像、所述机构对应的偏好标签、所述偏好得分和预设的多个权重系数计算所述用户与所述不同项目之间的匹配值；
按照所述匹配值从大到小的顺序生成项目推送清单，并将所述项目推送清单上的预设个数的项目推送给用户。
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。第一、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)
1.一种项目推送方法，其特征在于，所述方法包括：
获取预设机构中多个用户对应的用户偏好信息，基于多个所述用户偏好信息分别构建用户偏好画像；
基于多个所述用户偏好画像对所述机构进行偏好分析，得到所述机构对应的偏好标签；
获取多个所述用户的特定行为信息，根据多个所述用户的特定行为信息确定所述用户对不同项目的偏好得分；
根据所述用户偏好画像、所述机构对应的偏好标签、所述偏好得分和预设的多个权重系数计算所述用户与所述不同项目之间的匹配值；
按照所述匹配值从大到小的顺序生成项目推送清单，并将所述项目推送清单上的预设个数的项目推送给用户。
2.如权利要求1所述的项目推送方法，其特征在于，所述根据所述用户偏好画像、所述机构对应的偏好标签、所述偏好得分和预设的多个权重系数计算所述用户与所述不同项目之间的匹配值，包括：
将多个所述权重系数随机分配至所述用户偏好画像、所述机构对应的偏好标签和所述偏好得分；
根据预设的标签参考表查询得到所述机构对应的机构得分，根据预设的画像参考表得到所述用户偏好画像对应的画像得分；
分别将所述机构得分、所述画像得分和所述偏好得分与对应的权重系数进行相乘处理，并对相乘处理后的数值进行求和处理，得到匹配值。
3.如权利要求1所述的项目推送方法，其特征在于，所述基于多个所述用户偏好画像对所述机构进行偏好分析，得到所述机构对应的偏好标签，包括：
对多个所述用户偏好画像进行求交集处理，并将交集部分对应的标签作为所述机构对应的偏好标签；或
剔除多个所述用户偏好画像中的符合预设的剔除要求的用户偏好画像，并对剔除处理后的用户偏好画像进行平均值计算，将得到的平均值对应的标签作为所述机构对应的偏好标签。
4.如权利要求1所述的项目推送方法，其特征在于，所述根据多个所述用户的特定行为信息确定所述用户对不同项目的偏好得分，包括：
从多个所述用户中逐个选取其中一个用户作为目标用户；
统计被所述目标用户的特定行为信息中不同项目的浏览次数；
根据每个被选取的目标用户对不同项目的浏览次数计算每个不同项目被所有目标用户浏览的总次数；
逐个从所述不同项目中选取一个项目为目标，计算所述于目标项目被所有目标用户浏览的总次数在所述每个不同项目被所有目标用户浏览的总次数之和内的占比权重；
确定所述占比权重为所述用户对所述目标项目的偏好得分。
5.如权利要求1所述的项目推送方法，其特征在于，所述基于多个所述用户信息分别构建用户偏好画像，包括：
计算所述多个用户信息中各个用户信息的分类值；
根据所述分类值所在的数值区间确定所述多个用户信息中各用户信息对应的分类；
根据所述分类计算用户指标数据，并确定所述用户指标数据为所述目标用户的用户偏好画像。
6.如权利要求5所述的项目推送方法，其特征在于，所述计算所述多个用户信息中各个用户信息的分类值，包括：
利用下述分类计算公式计算所述多个用户信息中各个用户信息的分类值值：
S＝1×degree+5×limit+10×type
其中，S为所述分类值，degree为填写偏好中的投资偏好，limit为填写偏好中的服务偏好，type为填写偏好中的热度特征。
7.如权利要求5所述的项目推送方法，其特征在于，所述根据所述分类计算用户指标数据，包括：
利用如下公式计算用户指标数据：
target＝θ*S+τ*T
其中，target为所述用户指标数据，S为等级偏好特征的分类值，T为期限偏好特征的分类值，θ、τ为预设权重系数。
8.一种项目推送装置，其特征在于，所述装置包括：
画像构建模块，用于获取预设机构中多个用户对应的用户偏好信息，基于多个所述用户偏好信息分别构建用户偏好画像；
偏好分析模块，用于基于多个所述用户偏好画像对所述机构进行偏好分析，得到所述机构对应的偏好标签；
得分计算模块，用于获取多个所述用户的特定行为信息，根据多个所述用户的特定行为信息确定所述用户对不同项目的偏好得分；
项目推送模块，用于根据所述用户偏好画像、所述机构对应的偏好标签、所述偏好得分和预设的多个权重系数计算所述用户与所述不同项目之间的匹配值，按照所述匹配值从大到小的顺序生成项目推送清单，并将所述项目推送清单上的预设个数的项目推送给用户。
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，所述计算机程序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中任意一项所述的项目推送方法。
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中任意一项所述的项目推送方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210869147.9A CN115238179A (zh) | 2022-07-22 | 2022-07-22 | 项目推送方法、装置、电子设备及计算机可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210869147.9A CN115238179A (zh) | 2022-07-22 | 2022-07-22 | 项目推送方法、装置、电子设备及计算机可读存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115238179A true CN115238179A (zh) | 2022-10-25 |
Family
ID=83674701
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210869147.9A Pending CN115238179A (zh) | 2022-07-22 | 2022-07-22 | 项目推送方法、装置、电子设备及计算机可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115238179A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117454017A (zh) * | 2023-12-21 | 2024-01-26 | 广州平云小匠科技股份有限公司 | 课程推荐方法、设备及存储介质 |
-
2022
- 2022-07-22 CN CN202210869147.9A patent/CN115238179A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117454017A (zh) * | 2023-12-21 | 2024-01-26 | 广州平云小匠科技股份有限公司 | 课程推荐方法、设备及存储介质 |
| CN117454017B (zh) * | 2023-12-21 | 2024-04-02 | 广州平云小匠科技股份有限公司 | 课程推荐方法、设备及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112380859A (zh) | 舆情信息的推荐方法、装置、电子设备及计算机存储介质 | |
| CN113946690A (zh) | 潜在客户挖掘方法、装置、电子设备及存储介质 | |
| CN114186132B (zh) | 信息推荐方法、装置、电子设备及存储介质 | |
| CN114781832A (zh) | 课程推荐方法、装置、电子设备及存储介质 | |
| CN111930897B (zh) | 专利检索方法、装置、电子设备及计算机可读存储介质 | |
| CN113868529A (zh) | 知识推荐方法、装置、电子设备及可读存储介质 | |
| CN111831708A (zh) | 基于缺失数据的样本分析方法、装置、电子设备及介质 | |
| CN113868528A (zh) | 资讯推荐方法、装置、电子设备及可读存储介质 | |
| CN114612194A (zh) | 产品推荐方法、装置、电子设备及存储介质 | |
| CN113807553A (zh) | 预约服务的数量分析方法、装置、设备及存储介质 | |
| CN114491047A (zh) | 多标签文本分类方法、装置、电子设备及存储介质 | |
| CN113837631A (zh) | 员工评价方法、装置、电子设备及可读存储介质 | |
| CN113706253A (zh) | 实时产品推荐方法、装置、电子设备及可读存储介质 | |
| CN113656690A (zh) | 产品推荐方法、装置、电子设备及可读存储介质 | |
| CN114862140A (zh) | 基于行为分析的潜力评估方法、装置、设备及存储介质 | |
| CN111652282A (zh) | 基于大数据的用户偏好分析方法、装置及电子设备 | |
| CN115238179A (zh) | 项目推送方法、装置、电子设备及计算机可读存储介质 | |
| CN112052310A (zh) | 基于大数据的信息获取方法、装置、设备及存储介质 | |
| CN111950707A (zh) | 基于行为共现网络的行为预测方法、装置、设备及介质 | |
| CN115879947A (zh) | 一种基于电子化交易的管理方法及系统 | |
| CN114707067A (zh) | 旅游产品推荐方法、装置、电子设备及存储介质 | |
| CN114722280A (zh) | 基于用户画像的课程推荐方法、装置、设备及存储介质 | |
| CN114461630A (zh) | 智能归因分析方法、装置、设备及存储介质 | |
| CN113434660A (zh) | 基于多领域分类的产品推荐方法、装置、设备及存储介质 | |
| CN113704616A (zh) | 信息推送方法、装置、电子设备及可读存储介质 |
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 |