CN116628228B - 一种rpa流程推荐方法以及计算机可读存储介质 - Google Patents

一种rpa流程推荐方法以及计算机可读存储介质 Download PDF

Info

Publication number
CN116628228B
CN116628228B CN202310887378.7A CN202310887378A CN116628228B CN 116628228 B CN116628228 B CN 116628228B CN 202310887378 A CN202310887378 A CN 202310887378A CN 116628228 B CN116628228 B CN 116628228B
Authority
CN
China
Prior art keywords
rpa
company
flow
similarity
recommendation
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.)
Active
Application number
CN202310887378.7A
Other languages
English (en)
Other versions
CN116628228A (zh
Inventor
龚栎鑫
吴建清
张玉红
吴信东
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.)
Anhui Sigao Intelligent Technology Co ltd
Original Assignee
Anhui Sigao Intelligent Technology 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 Anhui Sigao Intelligent Technology Co ltd filed Critical Anhui Sigao Intelligent Technology Co ltd
Priority to CN202310887378.7A priority Critical patent/CN116628228B/zh
Publication of CN116628228A publication Critical patent/CN116628228A/zh
Application granted granted Critical
Publication of CN116628228B publication Critical patent/CN116628228B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
    • G06F16/367—Ontology
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/10—Office automation; Time management
    • G06Q10/103—Workflow collaboration or project management
    • 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)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Strategic Management (AREA)
  • General Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Computational Linguistics (AREA)
  • Animal Behavior & Ethology (AREA)
  • Life Sciences & Earth Sciences (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

本发明公开了一种RPA流程推荐方法，包括从给定的知识图谱集合选出与给定公司具有一定相似性的公司集合；提取其中的公司所在的RPA子图集合，并搜索子图集合中的公共RPA流程节点，添加到备选项中；在子图中寻找与给定公司的历史推荐数据不同但具有一定相似性的RPA流程的节点添加到推荐备选项中；如没有历史推荐数据，将整个RPA知识图谱中活跃度排名前20%的RPA流程节点作为推荐备选项添加到中，将三个备选项中的交集RPA流程作为一级推荐对象，剩下的RPA流程基于k均值聚类算法剔除离群的RPA流程节点后的RPA流程作为二级推荐对象。该方法能有效推荐在管理公司的过程中潜在需要的RPA，降低公司在处理相关业务的过程中所耗费的人力和物力。

Description

一种RPA流程推荐方法以及计算机可读存储介质
技术领域
本发明属于RPA产品、知识图谱技术领域，具体涉及基于RPA知识图谱的RPA流程推荐方法。
背景技术
在信息爆炸的互联网时代，推荐系统可以理解用户的个性化偏好和需求，帮助用户筛选出自己感兴趣的产品和服务。在推荐系统中一般存在两个主体，即用户和物品。推荐系统需要根据用户和物品的相关信息和联系给用户推荐可能偏好的物品。在RPA领域，公司借助RPA能够降低公司相关事务处理的人力和物力支出，从而极大的降低公司运营的成本。其中，给公司推荐其潜在偏好的RPA流程是一项十分有意义的工作。
然而，现有的技术手段没有将RPA知识图谱的结构等信息用于推荐系统中，这使得他们的推荐方法难以挖掘出不同RPA节点之间的潜在关联以及用户潜在的偏好。
发明内容
有鉴于此，本发明提出一种RPA流程推荐方法，包括以下步骤：
S1、给定一组RPA知识图谱集合和一个需要RPA相关流程的公司Com，从选出与公司Com具有相似性的公司集合/>；
S2、提取中的公司所在的RPA子图集合/>，并搜索子图集合中的公共RPA流程节点，添加到推荐的备选项/>中；
S3、判断是否有公司Com的历史流程推荐数据，如有，将公司的历史流程推荐数据添加到推荐的负样本中，在子图集合中寻找与负样本不同但具有一定相似性的RPA流程的节点添加到推荐备选项/>中；如没有，将整个RPA知识图谱/>中活跃度排名前20%的RPA流程节点作为推荐备选项添加到/>中，其中，RPA流程节点的活跃度基于单个RPA流程节点在RPA知识图谱中的出度和入度之和；
S4、将、/>、/>三个备选项中的交集RPA流程节点的RPA流程作为一级推荐对象，剩下的RPA流程节点基于k均值聚类算法剔除离群的RPA流程节点后的RPA流程作为二级推荐对象。
进一步地，步骤S1中，根据公司Com的公司名称、公司类型、公司所属行业和公司经营范围四个方面的信息在中寻找与Com具有一定相似性的公司集合/>。
进一步地，公司名称、公司类型和公司所属行业的相似性采用如下公式计算：
其中，、/>、/>分别表示公司/>与公司Com的公司名称相似性、公司类型相似性、公司所属行业相似性，/>、/>、/>分别表示公司/>对应的公司名称、公司类型、公司所属行业，/>、/>、/>分别表示公司Com对应的公司名称、公司类型、公司所属行业，
、/>、/>分别表示计算文字/>和/>、/>和/>、/>和/>之间的编辑距离，/>表示取最大值，/>表示其中文字所具有的字符数量。
进一步地，采用预训练模型BERT对公司经营范围进行向量编码，基于向量的相似性衡量经营范围的相似性。
进一步地，步骤S2中，子图集合中的子图表示形式为（公司名称，RPA流程节点，关联），关联表示公司名称和RPA流程节点的关联。
进一步地，添加到推荐的备选项中的公共RPA流程节点与不同公司之间的关联相同。
还提出一种计算机可读存储介质，计算机可读存储介质上存储有数据处理程序，数据处理程序被处理器执行时实现一种RPA流程推荐方法的步骤。
本发明提供的技术方案带来的有益效果是：
与现有技术相比，本发明提出的技术方案采用提取公司所在的RPA子图集合，并搜索子图集合中的公共RPA流程节点，添加到推荐的备选项中；在子图中寻找与历史推荐数据不同但具有一定相似性的RPA流程添加到推荐备选项/>中；如没有历史推荐数据，将整个RPA知识图谱/>中活跃度排名前20%的RPA流程节点作为推荐备选项添加到/>中，将/>、/>、/>三个备选项中的交集RPA流程作为一级推荐对象，剩下的RPA流程基于k均值聚类算法剔除离群的RPA流程节点后的RPA流程作为二级推荐对象。
本发明提出的技术方案基于RPA知识图谱的RPA流程推荐方法以RPA知识图谱作为推荐的依据，通过挖掘RPA知识图谱中的用户与用户、用户与RPA流程、RPA流程与RPA流程之间的相关性设计了基于RPA知识图谱的RPA流程推荐方法。该方法从多个维度挖掘图谱中用户和RPA流程的信息并基于这些信息给公司推荐与其相关的RPA流程，在推荐的过程中综合考虑了图谱的结构信息和图谱中RPA流程的活跃度等信息。该推荐方法能够给公司有效推荐其在管理公司的过程中潜在需要的一些RPA，从而降低公司在处理相关业务的过程中所耗费的人力和物力。
附图说明
图1是本发明实施例一种RPA流程推荐方法的流程图；
图2是本发明实施例一种RPA流程推荐方法的流程框图；
图3是本发明实施例公司的RPA子图示意图；
图4是本发明实施例RPA流程节点具体信息图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明实施方式作进一步地描述。
本发明实施例提供的一种RPA流程推荐方法的流程图和流程框图如图1和图2所示，包括以下步骤：
S1、给定的一组RPA知识图谱集合和一个需要RPA相关流程的公司Com，由多个RPA子图构成，从/>选出与公司Com具有一定相似性的公司集合/>。
本实施例中，根据公司Com的公司名称、公司类型、公司所属行业和公司经营范围四个方面的信息在中寻找与Com具有一定相似性的公司集合/>。
公司名称、公司类型和公司所属行业的相似性采用如下公式计算：
其中，、/>、/>分别表示公司/>与公司Com的公司名称相似性、公司类型相似性、公司所属行业相似性，/>、/>、/>分别表示公司/>对应的公司名称、公司类型、公司所属行业，/>、/>、/>分别表示公司Com对应的公司名称、公司类型、公司所属行业，
、/>、/>分别表示计算文字/>和/>、/>和/>、/>和/>之间的编辑距离，/>表示取最大值，/>表示其中文字所具有的字符数量。
由于公司经营范围所涉及的文字内容会更加丰富，所以编辑距离难以准确的衡量公司和公司Com之间在经营范围上的相似性。因此，这里预训练模型BERT对公司经营范围进行向量编码，基于向量的相似性衡量经营范围的相似性/>。
将、/>、/>、/>相加得到公司的相似性：
S2、提取中的公司所在的RPA子图集合/>，并搜索子图集合中的公共RPA流程节点，添加到推荐的备选项/>中。
子图集合中的子图表示形式为（公司名称，RPA流程节点，关联），其中，关联表示的是公司名称和RPA流程节点的关联。
寻找公共RPA流程节点的添加到推荐的备选项的过程中需要考虑公司节点到RPA流程节点之间的关联是否相同，即需要考虑路径相似性。如图3所示，图3是本发明实施例公司的RPA子图示意图。/>和/>表示不同的公司，且/>和/>均为与Com相似的公司，表示RPA流程节点，/>表示公司与RPA流程节点之间的关联或RPA流程节点之间的关联。
公司所涉及的子图/>包括：/>，同理，公司/>所涉及的子图/>包括：/>。其中，两个子图和/>中所包含的公共RPA流程节点为/>和/>，由于/>与/>之间的关联和/>与/>之间的关联均为/>，所以/>可以作为推荐备选项添加到/>中，而/>与/>之间的关联为，/>与/>之间的关联为/>，二者之间的关联不同，则/>无法作为推荐备选项。
S3、判断是否有公司Com的历史RPA流程推荐数据，如有，将公司的推荐历史RPA流程添加到推荐的负样本中，即不推荐重复的RPA流程。在子图中寻找与负样本不同但具有一定相似性的RPA流程的节点添加到推荐备选项中。
计算方法采用S1中的编辑距离计算公式，其中，这里会综合考虑RPA流程节点的名称和属性信息。参考图4，图4是本发明实施例RPA流程节点具体信息图。首先计算RPA流程名称的编辑距离，然后选择属性中的流程描述作为辅助信息同样计算编辑距离。如图4中流程节点的名称为A公司网银流水下载流程，节点属性中包括流程描述：RPA机器人自动登录各企业网银，下载网银流水，然后根据网银流水统一模板表格式进行转换处理并储存。最后将两个编辑距离进行相加得到两个流程节点之间的相似性。
如没有历史推荐数据，将整个RPA知识图谱中活跃度排名前20%的RPA流程节点作为推荐备选项添加到/>中，其中，RPA流程节点的活跃度基于单个RPA流程节点在RPA知识图谱中的出度和入度之和：
其中，和/>分别表示RPA流程节点x的出度和入度，出度和入度之和越高则认为该RPA流程节点越活跃。
S4、将、/>、/>三个备选项中的交集RPA流程节点的RPA流程作为一级推荐对象，剩下的RPA流程基于k均值聚类算法剔除离群的RPA流程节点后的RPA流程作为二级推荐对象。k均值聚类算法旨在将推荐备选项中的RPA流程进行归类处理并以此为公司推荐相同大类下的RPA流程。
本实施例还提出一种计算机可读存储介质，计算机可读存储介质上存储有数据处理程序，数据处理程序被处理器执行时实现一种RPA流程推荐方法的步骤。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (7)

1.一种RPA流程推荐方法，其特征在于，包括以下步骤：
S1、给定一组RPA知识图谱集合和一个需要RPA相关流程的公司Com，从/>选出与公司Com具有相似性的公司集合/>；
S2、提取中的公司所在的RPA子图集合/>，并搜索子图集合中的公共RPA流程节点，添加到推荐的备选项/>中；
S3、判断是否有公司Com的历史流程推荐数据，如有，将公司的历史流程推荐数据添加到推荐的负样本中，在子图集合中寻找与负样本不同但具有一定相似性的RPA流程的节点添加到推荐备选项/>中；如没有，将整个RPA知识图谱/>中活跃度排名前20%的RPA流程节点作为推荐备选项添加到/>中，其中，RPA流程节点的活跃度基于单个RPA流程节点在RPA知识图谱中的出度和入度之和；
S4、将、/>、/>三个备选项中的交集RPA流程节点的RPA流程作为一级推荐对象，剩下的RPA流程节点基于k均值聚类算法剔除离群的RPA流程节点后的RPA流程作为二级推荐对象。
2.根据权利要求1所述的一种RPA流程推荐方法，其特征在于，步骤S1中，根据公司Com的公司名称、公司类型、公司所属行业和公司经营范围四个方面的信息在中寻找与Com具有一定相似性的公司集合/>。
3.根据权利要求2所述的一种RPA流程推荐方法，其特征在于，公司名称、公司类型和公司所属行业的相似性采用如下公式计算：
其中，、/>、/>分别表示公司C1与公司Com的公司名称相似性、公司类型相似性、公司所属行业相似性，/>、/>、/>分别表示公司C1对应的公司名称、公司类型、公司所属行业，/>、/>、/>分别表示公司Com对应的公司名称、公司类型、公司所属行业，
、/>、/>分别表示计算文字/>和/>、/>和/>、/>和/>之间的编辑距离，/>表示取最大值，/>表示其中文字所具有的字符数量。
4.根据权利要求2所述的一种RPA流程推荐方法，其特征在于，采用预训练模型BERT对公司经营范围进行向量编码，基于向量的相似性衡量经营范围的相似性sim4。
5.根据权利要求1所述的一种RPA流程推荐方法，其特征在于，步骤S2中，子图集合的表示形式为（公司名称，RPA流程节点，关联），关联表示公司名称和RPA流程节点的关联。
6.根据权利要求5所述的一种RPA流程推荐方法，其特征在于，添加到推荐的备选项中的公共RPA流程节点与不同公司之间的关联相同。
7.一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数据处理程序，所述数据处理程序被处理器执行时实现如权利要求1至6中任一项所述的一种RPA流程推荐方法的步骤。
CN202310887378.7A 2023-07-19 2023-07-19 一种rpa流程推荐方法以及计算机可读存储介质 Active CN116628228B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310887378.7A CN116628228B (zh) 2023-07-19 2023-07-19 一种rpa流程推荐方法以及计算机可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310887378.7A CN116628228B (zh) 2023-07-19 2023-07-19 一种rpa流程推荐方法以及计算机可读存储介质

Publications (2)

Publication Number Publication Date
CN116628228A CN116628228A (zh) 2023-08-22
CN116628228B true CN116628228B (zh) 2023-09-19

Family

ID=87602861

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310887378.7A Active CN116628228B (zh) 2023-07-19 2023-07-19 一种rpa流程推荐方法以及计算机可读存储介质

Country Status (1)

Country Link
CN (1) CN116628228B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117406972B (zh) * 2023-12-14 2024-02-13 安徽思高智能科技有限公司 基于拟合度分析的rpa高价值流程实例发现方法及系统
CN118227114B (zh) * 2024-05-23 2024-07-30 安徽思高智能科技有限公司 一种rpa组合流程推荐方法、存储介质、电子设备

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2014143878A1 (en) * 2013-03-15 2014-09-18 The Board Of Trustees Of The Leland Stanford Junior University Systems and methods for recommending relationships within a graph database
WO2017081687A1 (en) * 2015-11-10 2017-05-18 Ofek - Eshkolot Research And Development Ltd Protein design method and system
WO2017147396A1 (en) * 2016-02-24 2017-08-31 Data2Discovery Object oriented system and method having semantic substructures for machine learning
CN113535974A (zh) * 2021-06-28 2021-10-22 科大讯飞华南人工智能研究院（广州）有限公司 诊断推荐方法及相关装置、电子设备、存储介质
CN114399251A (zh) * 2021-12-30 2022-04-26 淮阴工学院 基于语义网和簇偏好的冷链物流推荐方法及装置
CN114880457A (zh) * 2022-05-09 2022-08-09 上海优集工业软件有限公司 工艺推荐模型的训练、工艺推荐方法及电子设备
CN116108191A (zh) * 2022-11-13 2023-05-12 复旦大学 一种基于知识图谱的深度学习模型推荐方法
CN116227907A (zh) * 2023-05-06 2023-06-06 安徽思高智能科技有限公司 基于对齐的多维度rpa流程相似度计算方法
CN116384494A (zh) * 2023-06-05 2023-07-04 安徽思高智能科技有限公司 基于多模态孪生神经网络的rpa流程推荐方法及系统
CN116433799A (zh) * 2023-06-14 2023-07-14 安徽思高智能科技有限公司 一种基于语义相似度和子图匹配的流程图生成方法和装置

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2014143878A1 (en) * 2013-03-15 2014-09-18 The Board Of Trustees Of The Leland Stanford Junior University Systems and methods for recommending relationships within a graph database
WO2017081687A1 (en) * 2015-11-10 2017-05-18 Ofek - Eshkolot Research And Development Ltd Protein design method and system
WO2017147396A1 (en) * 2016-02-24 2017-08-31 Data2Discovery Object oriented system and method having semantic substructures for machine learning
CN113535974A (zh) * 2021-06-28 2021-10-22 科大讯飞华南人工智能研究院（广州）有限公司 诊断推荐方法及相关装置、电子设备、存储介质
CN114399251A (zh) * 2021-12-30 2022-04-26 淮阴工学院 基于语义网和簇偏好的冷链物流推荐方法及装置
CN114880457A (zh) * 2022-05-09 2022-08-09 上海优集工业软件有限公司 工艺推荐模型的训练、工艺推荐方法及电子设备
CN116108191A (zh) * 2022-11-13 2023-05-12 复旦大学 一种基于知识图谱的深度学习模型推荐方法
CN116227907A (zh) * 2023-05-06 2023-06-06 安徽思高智能科技有限公司 基于对齐的多维度rpa流程相似度计算方法
CN116384494A (zh) * 2023-06-05 2023-07-04 安徽思高智能科技有限公司 基于多模态孪生神经网络的rpa流程推荐方法及系统
CN116433799A (zh) * 2023-06-14 2023-07-14 安徽思高智能科技有限公司 一种基于语义相似度和子图匹配的流程图生成方法和装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于知识图谱的信息推荐架构体系研究;孙雨生;情报理论与实践;全文 *

Also Published As

Publication number Publication date
CN116628228A (zh) 2023-08-22

Similar Documents

Publication Publication Date Title
CN116628228B (zh) 一种rpa流程推荐方法以及计算机可读存储介质
US9916350B2 (en) Automated creation of join graphs for unrelated data sets among relational databases
US9400835B2 (en) Weighting metric for visual search of entity-relationship databases
US11853363B2 (en) Data preparation using semantic roles
CN109446341A (zh) 知识图谱的构建方法及装置
US20240126801A9 (en) Semantic matching system and method
US8243988B1 (en) Clustering images using an image region graph
WO2019024496A1 (zh) 企业推荐方法及应用服务器
CN104850632A (zh) 一种通用的基于异构信息网络的相似度计算方法与系统
WO2016029230A1 (en) Automated creation of join graphs for unrelated data sets among relational databases
US10803390B1 (en) Method for the management of artifacts in knowledge ecosystems
US11675839B2 (en) Data processing in enterprise application
WO2023129339A1 (en) Extracting and classifying entities from digital content items
WO2020147259A1 (zh) 一种用户画像方法、装置、可读存储介质及终端设备
EP3800560A1 (en) Semantic matching system and method
CN116433799B (zh) 一种基于语义相似度和子图匹配的流程图生成方法和装置
CN114445043B (zh) 基于开放生态化云erp异质图用户需求精准发现方法及系统
CN113744011A (zh) 物品搭配方法和物品搭配装置
CN117131245B (zh) 一种运用知识图谱技术实现目录资源推荐机制的方法
US20220164679A1 (en) Multi-hop search for entity relationships
CN115544274A (zh) 一种媒体评估模型的训练方法、媒体确定方法及装置
Dolog et al. The Impact of Cluster Centroid and Text Review Embeddings on Recommendation Methods
CN116911990A (zh) 回单生成方法、装置、计算机设备和存储介质
Nalavade et al. Deep embedded clustering with matrix factorization based user rating prediction for collaborative recommendation
CN117763006A (zh) 个性化话费账单生成方法、装置、电子设备和存储介质

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