CN116932919A - 信息推送方法、装置、电子设备和计算机可读介质 - Google Patents
信息推送方法、装置、电子设备和计算机可读介质 Download PDFInfo
- Publication number
- CN116932919A CN116932919A CN202311189218.1A CN202311189218A CN116932919A CN 116932919 A CN116932919 A CN 116932919A CN 202311189218 A CN202311189218 A CN 202311189218A CN 116932919 A CN116932919 A CN 116932919A
- Authority
- CN
- China
- Prior art keywords
- information
- user
- target
- preset
- portrait
- 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 66
- 230000004044 response Effects 0.000 claims abstract description 86
- 238000012795 verification Methods 0.000 claims abstract description 82
- 238000012545 processing Methods 0.000 claims abstract description 80
- 238000013459 approach Methods 0.000 claims description 38
- 238000001514 detection method Methods 0.000 claims description 32
- 238000012790 confirmation Methods 0.000 claims description 21
- 238000003860 storage Methods 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 11
- 239000011159 matrix material Substances 0.000 claims description 9
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 9
- 238000000605 extraction Methods 0.000 claims description 7
- 238000012098 association analyses Methods 0.000 claims description 3
- 238000004891 communication Methods 0.000 abstract description 18
- 230000011218 segmentation Effects 0.000 description 32
- 238000004422 calculation algorithm Methods 0.000 description 13
- 230000006870 function Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 238000013527 convolutional neural network Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000009467 reduction Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 238000005520 cutting process Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000012163 sequencing technique Methods 0.000 description 2
- 241000699670 Mus sp. Species 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 238000012015 optical character recognition Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
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
- 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
- G06F16/332—Query formulation
- G06F16/3329—Natural language query formulation or dialogue systems
-
- 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
- G06F16/3331—Query processing
- G06F16/334—Query execution
- G06F16/3343—Query execution using phonetics
-
- 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
- G06F16/337—Profile generation, learning or modification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/284—Lexical analysis, e.g. tokenisation or collocates
-
- 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
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Mathematical Physics (AREA)
- Acoustics & Sound (AREA)
- Human Computer Interaction (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本公开的实施例公开了信息推送方法、装置、电子设备和计算机可读介质。该方法的一具体实施方式包括：对用户语音需求信息进行语音识别处理，得到用户需求文本信息；对用户需求文本信息进行关键词提取，得到需求关键词组；对用户画像详情信息集和需求关键词组进行匹配处理，得到目标用户画像详情信息集；对目标用户画像详情信息集进行校验处理，得到用户校验信息；生成需求响应信息；从用户标识组集中选出目标用户标识组；对目标用户标识组对应的用户画像详情信息集进行校验处理，得到待推送用户标识组；将需求响应信息确定为目标推送信息，以及将目标推送信息推送至待推送用户标识组对应的各个用户终端。该实施方式可以减少通信资源的占用。
Description
技术领域
本公开的实施例涉及计算机技术领域，具体涉及信息推送方法、装置、电子设备和计算机可读介质。
背景技术
信息推送方法，是用于智慧园区平台向园区用户推送信息的一项技术。目前，在进行信息推送时，通常采用的方式为：首先，智慧园区平台采集、加工与用户需求相关的各类信息。然后，智慧园区平台将加工后的各类信息发布至智慧园区平台。最后，智慧园区平台将信息查看链接统一推送给各个园区用户，以供用户根据需求进行查看。
然而，发明人发现，当采用上述方式进行信息推送时，经常会存在如下技术问题：
第一，当发布的信息较多、或者有更新时，若每次将信息查看链接统一推送给各个园区用户，则会导致占用较多通信资源；
第二，若由智慧园区平台根据用户需求进行个性化推送，则当识别到的用户需求不准确时，难以及时筛选出满足用户需求的信息，从而，导致在根据用户需求筛选待推送信息时，耗时较长；
第三，当因光线不足，智慧园区平台采集到的车辆图像质量较低时，若采用单帧图像识别方式，则容易使得识别到的信息准确度较低，若采用连续帧图像识别方式，则当车辆较多时，需要消耗大量时间和算力，从而，导致难以及时将满足用户需求的车位信息推送给用户。
该背景技术部分中所公开的以上信息仅用于增强对本发明构思的背景的理解，并因此，其可包含并不形成本国的本领域普通技术人员已知的现有技术的信息。
发明内容
本公开的内容部分用于以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。
本公开的一些实施例提出了信息推送方法、装置、电子设备和计算机可读介质，来解决以上背景技术部分提到的技术问题中的一项或多项。
第一方面，本公开的一些实施例提供了一种信息推送方法，该方法包括：响应于接收到目标用户的用户语音需求信息，对上述用户语音需求信息进行语音识别处理，得到用户需求文本信息；对上述用户需求文本信息进行关键词提取，得到需求关键词组；对上述目标用户对应的用户画像详情信息集和上述需求关键词组进行匹配处理，得到目标用户画像详情信息集；响应于确定上述目标用户画像详情信息集满足预设详情信息条件，对上述目标用户画像详情信息集进行校验处理，得到用户校验信息；响应于确定上述用户校验信息满足预设校验成功条件，基于预设的需求关联资源信息集、上述目标用户画像详情信息集和上述需求关键词组，生成需求响应信息，以及将上述需求响应信息发送至上述目标用户对应的用户终端以供显示和确认；响应于接收到针对上述需求响应信息的用户确认信息，从预设的用户标识组集中选出满足预设用户条件的用户标识组作为目标用户标识组；对上述目标用户标识组对应的各个用户画像详情信息集进行校验处理，得到待推送用户标识组；将上述需求响应信息确定为目标推送信息，以及将上述目标推送信息推送至上述待推送用户标识组对应的各个用户终端。
第二方面，本公开的一些实施例提供了一种信息推送装置，装置包括：语音识别处理单元，被配置成响应于接收到目标用户的用户语音需求信息，对上述用户语音需求信息进行语音识别处理，得到用户需求文本信息；关键词提取单元，被配置成对上述用户需求文本信息进行关键词提取，得到需求关键词组；匹配处理单元，被配置成对上述目标用户对应的用户画像详情信息集和上述需求关键词组进行匹配处理，得到目标用户画像详情信息集；校验处理单元，被配置成响应于确定上述目标用户画像详情信息集满足预设详情信息条件，对上述目标用户画像详情信息集进行校验处理，得到用户校验信息；生成以及发送单元，被配置成响应于确定上述用户校验信息满足预设校验成功条件，基于预设的需求关联资源信息集、上述目标用户画像详情信息集和上述需求关键词组，生成需求响应信息，以及将上述需求响应信息发送至上述目标用户对应的用户终端以供显示和确认；选择单元，被配置成响应于接收到针对上述需求响应信息的用户确认信息，从预设的用户标识组集中选出满足预设用户条件的用户标识组作为目标用户标识组；校验处理单元，被配置成对上述目标用户标识组对应的各个用户画像详情信息集进行校验处理，得到待推送用户标识组；确定以及推送单元，被配置成将上述需求响应信息确定为目标推送信息，以及将上述目标推送信息推送至上述待推送用户标识组对应的各个用户终端。
第三方面，本公开的一些实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现上述第一方面任一实现方式所描述的方法。
第四方面，本公开的一些实施例提供了一种计算机可读介质，其上存储有计算机程序，其中，计算机程序被处理器执行时实现上述第一方面任一实现方式所描述的方法。
本公开的上述各个实施例具有如下有益效果：通过本公开的一些实施例的信息推送方法，可以减少通信资源的占用。具体来说，造成占用较多通信资源的原因在于：当发布的信息较多、或者有更新时，若每次将信息查看链接统一推送给各个园区用户，则会导致占用较多通信资源。基于此，本公开的一些实施例的信息推送方法，首先，响应于接收到目标用户的用户语音需求信息，对上述用户语音需求信息进行语音识别处理，得到用户需求文本信息。由此，可以确定用户需求。其次，对上述用户需求文本信息进行关键词提取，得到需求关键词组。由此，可以确定更为精准的用户需求，便于后续根据用户需求筛选信息。再次，对上述目标用户对应的用户画像详情信息集和上述需求关键词组进行匹配处理，得到目标用户画像详情信息集。由此，可以得到与用户需求相关的用户画像信息。然后，响应于确定上述目标用户画像详情信息集满足预设详情信息条件，对上述目标用户画像详情信息集进行校验处理，得到用户校验信息。由此，可以确定用户是否满足用户需求对应的资源信息的用户使用条件。之后，响应于确定上述用户校验信息满足预设校验成功条件，基于预设的需求关联资源信息集、上述目标用户画像详情信息集和上述需求关键词组，生成需求响应信息，以及将上述需求响应信息发送至上述目标用户对应的用户终端以供显示和确认。由此，当用户满足资源信息的用户使用条件时，可以将用户需求对应的资源信息通过对话生成的方式反馈给用户。接着，响应于接收到针对上述需求响应信息的用户确认信息，从预设的用户标识组集中选出满足预设用户条件的用户标识组作为目标用户标识组。由此，可以确定除上述目标用户外，潜在的、对上述资源信息同样存在需求的用户。再接着，对上述目标用户标识组对应的各个用户画像详情信息集进行校验处理，得到待推送用户标识组。由此，可以确定对上述资源信息存在需求的、且满足资源信息对应的用户使用条件的潜在用户。最后，将上述需求响应信息确定为目标推送信息，以及将上述目标推送信息推送至上述待推送用户标识组对应的各个用户终端。由此，可以将上述资源信息推送给存在需求的潜在需求用户。因此，本公开的一些实施例的信息推送方法，通过用户需求和用户画像相结合的方式，可以为用户筛选出较为准确的资源信息，且同时可以将资源信息推送给存在相同用户需求的潜在需求用户，而无需占用较多通信资源，将信息查看链接统一推送给各个园区用户。从而，可以减少通信资源的占用。
附图说明
结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，元件和元素不一定按照比例绘制。
图1是根据本公开的信息推送方法的一些实施例的流程图；
图2是根据本公开的信息推送装置的一些实施例的结构示意图；
图3是适于用来实现本公开的一些实施例的电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例。相反，提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。
另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。
需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。
本公开中所涉及的用户信息（例如用户画像、资源使用信息）的收集、存储、使用等操作，在执行相应操作之前，相关组织或个人尽到包括开展用户信息安全影响评估、向用户信息主体履行告知义务、事先征得用户信息主体的授权同意等义务。
下面将参考附图并结合实施例来详细说明本公开。
图1示出了根据本公开的信息推送方法的一些实施例的流程100。该信息推送方法，包括以下步骤：
步骤101，响应于接收到目标用户的用户语音需求信息，对用户语音需求信息进行语音识别处理，得到用户需求文本信息。
在一些实施例中，信息推送方法的执行主体（例如计算设备）可以响应于接收到目标用户的用户语音需求信息，通过各种方式，对上述用户语音需求信息进行语音识别处理，得到用户需求文本信息。其中，上述目标用户可以是待获取智慧园区平台提供的资源信息的企业用户。例如，上述资源信息可以包括但不限于以下至少一项：电力使用信息、资源申报链接。上述电力使用信息可以是用户的用电量的信息。上述资源申报链接可以是用于申请获得资源的链接。上述用户语音需求信息可以是表征用户需求的语音音频。上述用户需求文本信息可以是表征用户需求的文本信息。例如，上述用户需求文本信息可以是“如何申报房租补贴”。
在一些实施例的一些可选的实现方式中，上述执行主体可以通过以下步骤，对上述用户语音需求信息进行语音识别处理，得到用户需求文本信息：
第一步，对上述用户语音需求信息进行去噪处理，得到去噪语音信息。其中，上述去噪语音信息可以表征去除噪声后的语音音频。可以通过预设的语音降噪方法，基于上述用户语音需求信息，构建用户语音特征频谱图。例如，上述语音降噪方法可以是基于深度学习的语音降噪方法。
第二步，对上述去噪语音信息进行特征提取，得到用户音频特征信息。其中，上述用户音频特征信息可以是用户的语音音频的特征。可以通过MFCC（Mel-FrequencyCepstral Coefficients，梅尔频率倒谱系数）方法，对上述去噪语音信息进行特征提取，得到用户音频特征信息。
第三步，将上述用户音频特征信息输入预先训练完成的语音拼音信息序列生成模型，以生成语音拼音信息序列。其中，上述语音拼音信息序列中的语音拼音信息可以是拼音字符串序列。上述拼音字符串序列中的拼音字符串可以是由各个拼音字符组成的字符串。上述语音拼音信息序列生成模型可以是以用户音频特征信息为输入，以语音拼音信息序列为输出的深度卷积神经网络模型。
第四步，获取历史语音文本信息集。其中，上述历史语音文本信息集中的历史语音文本信息可以表征历史时期用户的语音拼音与文字文本的对应关系。上述历史时期可以是预先设置的、早于当前日期的一个时间段。例如，若当前日期是2023/9/1，则上述历史时期可以是2023/1/1至2023/8/31。上述历史语音文本信息集中的历史语音文本信息可以包括历史拼音字符串序列和历史文字字符串序列。上述历史拼音字符串序列可以是历史时期生成的拼音字符串序列。上述文字字符串序列中的文字字符串可以是历史时期由各个文字字符组成的字符串。
第五步，将上述语音拼音信息序列和上述历史语音文本信息集输入预先训练的语音文本信息生成模型，得到语音文本信息。其中，上述语音文本信息可以表征与目标用户的音频对应的文字字符串序列。上述语音文本信息生成模型可以是以语音拼音信息序列和历史语音文本信息集为输入，以语音文本信息为输出的语言模型。例如，上述语言模型可以是基于自注意力机制的神经网络模型。
第六步，对上述语音文本信息进行分词处理，得到文本单词信息序列。其中，上述文本单词信息序列可以是对文字字符串序列进行切分得到的单词序列。可以通过预设的分词算法，对上述语音文本信息进行分词处理，得到文本单词信息序列。例如，上述分词算法可以包括但不限于以下至少一项：基于字符串匹配的分词算法、基于树的分词算法。
第七步，对上述文本单词信息序列中的各个文本单词信息进行检测处理，得到文本检测结果信息。其中，上述文本检测结果信息可以表征上述文本单词信息序列中是否存在与上下文不匹配的单词。首先，通过搜索引擎接口，对上述文本单词信息序列进行在线检索处理，得到文本检索语句信息。其中，上述文本检索语句信息可以表征在线检索得到的文本语句。然后，通过上述分词算法，对上述文本检索语句信息进行分词处理，得到语句分词信息序列。其中，上述语句分词信息序列中的语句分词信息可以是对文本语句进行分词处理后得到的单词序列。之后，对于上述文本单词信息序列中的每个文本单词信息，从上述语句分词信息序列中选出满足预设次序条件的语句分词信息作为目标语句分词信息，以及响应于确定上述目标语句分词信息与上述文本单词信息相同，将第一预设结果标识确定为文本单词检测信息。其中，上述预设次序条件可以是预先设置的、语句分词信息的序列次序与上述文本单词信息的序列次序相同。上述第一预设结果标识可以表征目标语句分词信息与对应的文本单词信息相同。最后，响应于确定所得到的各个文本单词检测信息满足预设文本检测结果条件，将预设校验通过信息确定为文本检测结果信息。其中，上述预设文本检测结果条件可以是各个文本单词检测信息对应的第一预设结果标识的数量与文本单词信息序列的长度相等。上述预设校验通过信息可以是预先设置的表征上述文本单词信息序列对应的单词均与上下文匹配。
可选的，上述执行主体还可以响应于确定上述目标语句分词信息与上述文本单词信息不相同，将第二预设结果标识确定为文本单词检测信息。其中，上述第二预设结果标识可以表征目标语句分词信息与对应的文本单词信息不相同。
第八步，响应于确定上述文本检测结果信息满足预设检测结果条件，将上述语音文本信息确定为用户需求文本信息。其中，上述预设检测结果条件可以为上述文本检测结果信息表征上述文本单词信息序列对应的单词均与上下文匹配。
上述语音识别处理步骤及其相关内容，作为本公开的实施例的一个发明点，解决了背景技术提及的技术问题二“在根据用户需求筛选待推送信息时，耗时较长”。导致在根据用户需求筛选待推送信息时，耗时较长的问题往往如下：若由智慧园区平台根据用户需求进行个性化推送，则当识别到的用户需求不准确时，难以及时筛选出满足用户需求的信息。如果解决了上述问题，就能达到在根据用户需求筛选待推送信息时，缩短耗时的效果。为了达到这一效果，首先，对描述用户需求的语音去除噪声，以便后续得到质量较高的音频特征。其次，对去噪后的语音进行特征提取，得到用户音频特征信息。由此，便于后续根据用户音频特征信息，将用户需求转换为拼音序列。然后，通过语音拼音信息序列生成模型，将用户需求转换为拼音序列。之后，将所得到的拼音序列和历史语音文本信息集输入预先训练的语音文本信息生成模型，得到语音文本信息。由此，可以结合历史时期的语音与文本的对应关系，将拼音序列转换为较为准确的文字文本。接着，对转换后的文字文本进行分词纠错。由此，可以对在历史时期未有语音与文本对应关系的分词进行纠错，进一步得到更为准确的文字文本。最后，将无需再纠错的文本确定为与用户需求对应的用户需求文本信息。由此，可以确定较为准确的用户需求，以便于后续及时筛选出满足需求的信息推送给用户。从而，可以缩短筛选待推送信息时的耗时。
可选的，在响应于接收到目标用户的用户语音需求信息，对上述用户语音需求信息进行语音识别处理，得到用户需求文本信息之前，上述执行主体还可以执行以下步骤：
第一步，获取用户上传文件信息集。其中，上述用户上传文件信息集中的每个用户上传文件信息可以包括用户标识和用户画像描述文件集。上述用户标识可以是企业用户的唯一标识。上述用户画像描述文件集中的用户画像描述文件可以是描述对应企业用户的文件。例如，上述用户画像描述文件集中的用户画像描述文件可以是但不限于以下中的一项：电子营业执照、组织机构代码证扫描件、入驻申请表、资质认证证书扫描件。可以从预设的文件存储服务器上获取用户上传文件信息集。
第二步，对于上述用户上传文件信息集包括的每个用户画像描述文件集，执行以下步骤：
第一子步骤，对上述用户画像描述文件集中的各个用户画像描述文件进行分类处理，得到用户画像描述文件组集。其中，上述用户画像描述文件组集中的用户画像描述文件组可以是同一文件类型的用户画像描述文件的集合。上述文件类型可以是但不限于以下中的一项：图像类型、表格类型。图像类型可以表征用户画像描述文件为图像文件。表格类型表征用户画像描述文件为表格文件。可以根据用户画像描述文件的文件类型，对上述用户画像描述文件集中的各个用户画像描述文件进行分类处理，得到用户画像描述文件组集。
第二子步骤，对上述用户画像描述文件组集中的各个用户画像描述文件进行文本识别处理，得到用户画像详情信息集。其中，上述用户画像详情信息集可以表征用户画像。用户画像可以是由用户的各个用户特征及特征值构成的。例如，上述各个用户特征可以包括但不限于以下至少一项：用户名称、用户类型、员工数、研发人员占比。上述用户类型可以是但不限于以下中的一项：中小企业类型、上市企业类型。上述中小企业类型表征用户为中小企业。上述上市企业类型表征用户为上市企业。上述用户画像详情信息集中的用户画像详情信息可以包括用户特征名称和用户特征值。上述用户特征名称可以是用户特征的名称。上述用户特征值可以是用户特征的特征值。
在一些实施例的一些可选的实现方式中，上述执行主体可以通过以下步骤，对上述用户画像描述文件组集中的各个用户画像描述文件进行文本识别处理，得到用户画像详情信息集：
步骤一，对于上述用户画像描述文件组集中的每个用户画像描述文件，执行以下步骤：
子步骤一，响应于确定上述用户画像描述文件满足预设类型文件条件，对上述用户画像描述文件进行图像识别，得到图像文本信息组。其中，上述预设类型文件条件可以是上述用户画像描述文件对应的文件类型为图像类型。上述图像文本信息组中的图像文本信息可以包括用户字段标识和字段文本值。上述用户字段标识可以是用户字段的唯一标识。上述用户字段可以表征用户特征。上述字段文本值是对应用户特征的特征值。可以通过预设的图像文本识别方法，对上述用户画像描述文件进行图像识别，得到图像文本信息组。
作为示例，上述图像文本识别方法可以包括但不限于以下至少一项：模板匹配方法、CTPN（Connectionist Text Proposal Network，文本检测网络）算法。
子步骤二，基于预设的字段信息集和上述图像文本信息组，生成文本画像信息集。其中，上述字段信息集中的字段信息可以包括字段标识和字段名称。上述字段标识可以是字段的唯一标识。对于上述图像文本信息组中的每个图像文本信息，可以将字段信息集中、字段标识与图像文本信息包括的用户字段标识相同的字段信息确定为目标字段信息，将上述目标字段信息包括的字段名称作为用户特征名称，以及将上述用户特征名称与上述图像文本信息包括的字段文本值确定为文本画像信息。
可选的，上述执行主体还可以执行以下步骤：
第一步，响应于确定上述用户画像描述文件未满足上述预设类型文件条件，对上述用户画像描述文件进行表格识别，得到表格文本信息组。其中，上述表格文本信息组中的表格文本信息可以包括用户字段标识和字段文本值。可以通过预设的表格识别方法，对上述用户画像描述文件进行表格识别，得到表格文本信息组。例如，上述表格识别方法可以是模板匹配方法。
第二步，基于上述字段信息集和上述表格文本信息组，生成文本画像信息集。其中，对于上述表格文本信息组中的每个表格文本信息，将字段信息集中、字段标识与表格文本信息包括的用户字段标识相同的字段信息确定为目标字段信息，将上述目标字段信息包括的字段名称作为用户特征名称，以及将上述用户特征名称与上述表格文本信息包括的字段文本值确定为文本画像信息。
步骤二，将所得到的每个文本画像信息集中的每个文本画像信息确定为用户画像详情信息，得到用户画像详情信息集。
第三子步骤，对上述用户画像详情信息集进行词嵌入处理，得到用户信息向量。其中，上述用户信息向量可以表征用户画像。可以通过预设的词嵌入处理方法，对上述用户画像详情信息集进行词嵌入处理，得到用户信息向量。例如，上述词嵌入处理方法可以包括但不限于以下至少一项：独热编码、基于神经网络的词嵌入方法。
第三步，对所得到的各个用户信息向量进行关联分析，得到用户间关联信息集。其中，上述用户间关联信息集中的用户间关联信息可以表征任意两个用户之间的相似程度。上述用户间关联信息集中的用户间关联信息可以包括第一用户标识、第二用户标识和相似度值。上述第一用户标识、第二用户标识可以是用户的标识。可以通过预设的相似度分析方法，对所得到的各个用户信息向量进行关联分析，得到用户间关联信息集。例如，上述相似度分析方法可以包括但不限于以下至少一项：欧氏距离、余弦相似度。
第四步，基于上述用户间关联信息集，生成用户间相似度矩阵。其中，上述用户间相似度矩阵可以是由各个用户之间的各个相似度值组成的矩阵。首先，可以将用户作为行维度和列维度的变量，以及将行维度对应的用户与列维度对应的用户之间的相似度值确定为矩阵中对应行和列上的元素。最后，将由上述用户间关联信息集对应的各个相似度值组成的矩阵确定为用户间相似度矩阵。
第五步，基于上述用户间相似度矩阵，对上述用户上传文件信息集包括的各个用户画像描述文件集对应的各个用户标识进行聚类处理，得到用户标识组集。其中，上述用户标识组集中的用户标识组可以表征相似度较高的各个用户。上述用户标识组集的用户标识可以是用户的唯一标识。可以通过预设的聚类算法，对上述各个用户画像描述文件集对应的各个用户标识进行聚类处理，得到用户标识组集。例如，上述聚类算法可以是AP（Affinity Propagation，近邻传播）算法。
步骤102，对用户需求文本信息进行关键词提取，得到需求关键词组。
在一些实施例中，上述执行主体可以对上述用户需求文本信息进行关键词提取，得到需求关键词组。其中，上述需求关键词组中的需求关键词可以是表征用户需求的单词。可以通过以下步骤，对上述用户需求文本信息进行关键词提取，得到需求关键词组：
第一步，通过上述分词算法，对上述用户需求文本信息进行分词处理，得到分词信息集。其中，上述分词信息集中的分词信息可以表征分词处理后得到的单词。
第二步，基于预设的用户需求词集，从上述分词信息集中选出与上述用户需求词集相匹配的分词信息作为需求关键词，得到需求关键词组。其中，上述用户需求词集中的用户需求词可以是表征用户需求的单词。与上述用户需求词集相匹配可以是分词信息与上述用户需求词集中的一个用户需求词相同。
步骤103，对目标用户对应的用户画像详情信息集和需求关键词组进行匹配处理，得到目标用户画像详情信息集。
在一些实施例中，上述执行主体可以对上述目标用户对应的用户画像详情信息集和上述需求关键词组进行匹配处理，得到目标用户画像详情信息集。其中，上述目标用户画像详情信息集中的目标用户画像详情信息可以是与上述需求关键词组相匹配的用户画像详情信息。首先，从预设的需求特征关联信息集中选出与上述需求关键词组相匹配的需求特征关联信息作为目标需求特征关联信息。其中，上述需求特征关联信息集中的需求特征关联信息可以包括用户需求关键词和关联特征信息组。上述用户需求关键词可以是表征用户需求的关键词。上述关联特征信息组中的关联特征信息可以包括关联特征名称和关联特征值。上述关联特征名称可以是关联特征的名称。上述关联特征可以是与用户需求关键词对应的用户特征。上述关联特征值可以是关联特征的特征值。然后，从上述用户画像详情信息集中选出与上述目标需求特征关联信息相匹配的用户画像详情信息作为目标用户画像详情信息，得到目标用户画像详情信息集。其中，与上述目标需求特征关联信息相匹配可以是：用户画像详情信息对应的用户特征名称与上述目标需求特征关联信息对应的任意关联特征名称相同。
步骤104，响应于确定目标用户画像详情信息集满足预设详情信息条件，对目标用户画像详情信息集进行校验处理，得到用户校验信息。
在一些实施例中，上述执行主体可以响应于确定上述目标用户画像详情信息集满足预设详情信息条件，对上述目标用户画像详情信息集进行校验处理，得到用户校验信息。其中，上述预设详情信息条件可以是目标用户画像详情信息集不为空。上述用户校验信息可以表征上述目标用户画像详情信息集中的各个用户特征值是否与上述目标需求特征关联信息对应的各个关联特征值相同。可以通过以下步骤，对目标用户画像详情信息集进行校验处理，得到用户校验信息：
第一步，对于上述目标用户画像详情信息集中的每个目标用户画像详情信息，执行以下步骤：
第一子步骤，从上述目标需求特征关联信息包括的关联特征信息组中、选出与上述目标用户画像详情信息相匹配的关联特征信息，作为目标关联特征信息。其中，与上述目标用户画像详情信息相匹配可以是关联特征信息对应的关联特征名称和上述目标用户画像详情信息对应的用户特征名称相同。
第二子步骤，响应于确定上述目标关联特征信息对应的关联特征值与上述目标用户画像详情信息对应的用户特征值相同，将预设需求校验成功信息确定为特征校验信息。其中，上述预设需求校验成功信息可以表征上述目标关联特征信息对应的关联特征值与上述目标用户画像详情信息对应的用户特征值相同。
第三子步骤，响应于确定上述目标关联特征信息对应的关联特征值与上述目标用户画像详情信息对应的用户特征值不相同，将预设需求校验不成功信息确定为特征校验信息。其中，上述预设需求校验不成功信息可以表征上述目标关联特征信息对应的关联特征值与上述目标用户画像详情信息对应的用户特征值不相同。
第二步，响应于确定所确定的各个特征校验信息满足预设需求校验成功条件，将第一预设标识确定为用户校验信息。其中，上述预设需求校验成功条件可以是各个特征校验信息均为预设需求校验成功信息。上述第一预设标识可以表征上述目标用户画像详情信息集中的各个用户特征值与上述目标需求特征关联信息中对应的各个关联特征值相同。
第三步，响应于确定所确定的各个特征校验信息未满足预设需求校验成功条件，将第二预设标识确定为用户校验信息。其中，上述第二预设标识可以表征上述目标用户画像详情信息集中的各个用户特征值与上述目标需求特征关联信息中对应的各个关联特征值不全相同。
步骤105，响应于确定用户校验信息满足预设校验成功条件，基于预设的需求关联资源信息集、目标用户画像详情信息集和需求关键词组，生成需求响应信息，以及将需求响应信息发送至目标用户对应的用户终端以供显示和确认。
在一些实施例中，上述执行主体可以响应于确定上述用户校验信息满足预设校验成功条件，基于预设的需求关联资源信息集、上述目标用户画像详情信息集和上述需求关键词组，生成需求响应信息，以及将上述需求响应信息发送至上述目标用户对应的用户终端以供显示和确认。其中，上述预设校验成功条件可以是上述用户校验信息包括第一预设标识。首先，可以通过预设的对话生成模型，基于预设的需求关联资源信息集、上述目标用户画像详情信息集和上述需求关键词组，生成需求响应信息。例如，上述对话生成模型可以是基于Transformer转换器模型的对话生成模型。然后，将上述需求响应信息发送至上述目标用户对应的用户终端进行显示，以及用户可以通过用户终端确认需求响应信息是否满足用户需求。
步骤106，响应于接收到针对需求响应信息的用户确认信息，从预设的用户标识组集中选出满足预设用户条件的用户标识组作为目标用户标识组。
在一些实施例中，上述执行主体可以响应于接收到针对上述需求响应信息的用户确认信息，从预设的用户标识组集中选出满足预设用户条件的用户标识组作为目标用户标识组。其中，上述用户确认信息可以是目标用户通过用户终端发送的、表征需求响应信息是否有用的信息。上述预设用户条件可以是用户标识组中存在与上述目标用户相匹配的用户标识。与上述目标用户相匹配可以是用户标识与上述目标用户对应的用户标识相同。
步骤107，对目标用户标识组对应的各个用户画像详情信息集进行校验处理，得到待推送用户标识组。
在一些实施例中，上述执行主体可以对上述目标用户标识组对应的各个用户画像详情信息集进行校验处理，得到待推送用户标识组。其中，上述待推送用户标识组可以表征与上述目标用户存在相同用户需求的各个用户。具体可以执行以下步骤：
第一步，可以对于上述目标用户标识组中的每个目标用户标识，执行以下步骤：
第一子步骤，将上述目标用户标识对应的用户画像详情信息集确定为关键用户画像详情信息集。
第二子步骤，对于上述关键用户画像详情信息集中的每个关键用户画像详情信息，执行以下步骤：
子步骤1，从上述目标需求特征关联信息包括的关联特征信息组中、选出与上述关键用户画像详情信息相匹配的关联特征信息，作为关键关联特征信息。其中，与上述关键用户画像详情信息相匹配可以是关联特征信息对应的关联特征名称和上述关键用户画像详情信息对应的用户特征名称相同。
子步骤2，响应于确定上述关键关联特征信息对应的关联特征值与上述关键用户画像详情信息对应的用户特征值相同，将预设特征校验成功信息确定为用户特征校验信息。其中，上述预设特征校验成功信息可以表征上述关键关联特征信息对应的关联特征值与上述关键用户画像详情信息对应的用户特征值相同。
子步骤3，响应于确定上述关键关联特征信息对应的关联特征值与上述关键用户画像详情信息对应的用户特征值不相同，将预设特征校验不成功信息确定为用户特征校验信息。其中，上述特征校验不成功信息可以表征上述关键关联特征信息对应的关联特征值与上述关键用户画像详情信息对应的用户特征值不相同。
第三子步骤，响应于确定所确定的各个用户特征校验信息满足预设用户校验成功条件，将上述目标用户标识确定为待推送用户标识。其中，上述预设用户校验成功条件可以是各个用户特征校验信息均为预设特征校验成功信息。
步骤108，将需求响应信息确定为目标推送信息，以及将目标推送信息推送至待推送用户标识组对应的各个用户终端。
在一些实施例中，上述执行主体可以将上述需求响应信息确定为目标推送信息，以及将上述目标推送信息推送至上述待推送用户标识组对应的各个用户终端。
可选的，上述执行主体还可以执行以下步骤：
第一步，响应于确定上述目标用户画像详情信息集未满足上述预设详情信息条件，对预设的主题关键词信息集与上述需求关键词组进行匹配处理，得到匹配主题信息。其中，上述主题关键词信息集中的主题关键词信息可以包括主题词。例如，主题词可以包括但不限于以下至少一项：物业事项、门禁管理、车辆信息查询。上述匹配主题信息可以是上述主题关键词信息集中、与上述需求关键词组对应的任意单词相同的主题词的信息。首先，从上述主题关键词信息集对应的各个主题词中、选出与上述需求关键词组对应的任意单词相同的主题词。然后，将所选出的主题词确定为匹配主题信息。
第二步，响应于确定上述匹配主题信息满足预设主题条件，获取与上述目标用户对应的电力资源使用信息、水资源使用信息、设备使用信息、车位使用信息和关联告警信息。其中，上述预设主题条件可以是上述匹配主题信息对应的主题词为物业事项。可以从数据库获取与上述目标用户对应的电力资源使用信息、水资源使用信息、设备使用信息、车位使用信息和关联告警信息。上述电力资源使用信息可以是目标用户的用电量的信息。上述水资源使用信息可以是目标用户的用水量的信息。上述设备使用信息可以是目标用户使用的、园区内设备的信息。上述车位使用信息可以是目标用户对应的车位的使用信息。上述关联告警信息可以是与目标用户相关的消防风险的信息。
第三步，将上述电力资源使用信息、上述水资源使用信息、上述设备使用信息、上述车位使用信息和上述关联告警信息推送至上述目标用户对应的用户终端以供显示。
可选的，在上述获取与上述目标用户对应的电力资源使用信息、水资源使用信息、设备使用信息、车位使用信息和关联告警信息之前，上述执行主体还可以执行以下步骤：
第一步，获取车辆进场图像序列。其中，上述车辆进场图像序列可以是从摄像设备中获取的、车辆进入园区时拍摄的连续帧的车辆头部的图像。
第二步，对上述车辆进场图像序列进行字符检测处理，得到车牌字符信息。其中，上述车牌字符信息可以表征车辆的车牌号。
在一些实施例的一些可选的实现方式中，上述执行主体可以通过以下步骤，对上述车辆进场图像序列进行字符检测处理，得到车牌字符信息：
步骤一，对上述车辆进场图像序列进行分割，得到车辆进场图像子序列组。其中，上述车辆进场图像子序列组中的车辆进场图像子序列可以是上述车辆进场图像序列中、部分连续帧的车辆进场图像组成的序列。每个车辆进场图像子序列的长度相等。可以根据预设子序列个数，对上述车辆进场图像序列进行均匀分割，得到车辆进场图像子序列组。上述预设子序列个数可以是预先设置的子序列的数量。
步骤二，对于上述车辆进场图像子序列组中的每个车辆进场图像子序列，从上述车辆进场图像子序列中、选出满足预设次序条件的车辆进场图像作为目标车辆进场图像。其中，上述预设次序条件可以是车辆进场图像的次序为预先设置的次序。
可选的，上述执行主体还可以从上述车辆进场图像子序列中随机选出车辆进场图像作为目标车辆进场图像。
步骤三，对所选出的各个目标车辆进场图像进行亮度检测，得到亮度信息组。其中，上述亮度信息组中的亮度信息可以是目标车辆进场图像的亮度的信息。上述亮度信息组中的亮度信息可以包括亮度值。可以对于每个目标车辆进场图像，通过预设的亮度检测方法，对上述目标车辆进场图像进行亮度检测以生成亮度信息，得到亮度信息组。
作为示例，上述亮度检测方法可以是基于平均值的亮度检测方法。
步骤四，响应于确定上述亮度信息组满足预设低亮度条件，对所选出的各个目标车辆进场图像进行去噪处理，得到去噪后车辆图像组。其中，上述预设低亮度条件可以是上述亮度信息组中存在至少一个亮度值小于预设亮度值。上述预设亮度值可以是预先设置的亮度值。上述去噪后车辆图像组中的去噪后车辆图像与目标车辆进场图像一一对应。可以通过预设的图像去噪方法，对所选出的每个目标车辆进场图像进行去噪处理以生成去噪后车辆图像，得到去噪后车辆图像组。
作为示例，上述图像去噪方法可以包括但不限于以下至少一项：非局部均值去噪方法、基于深度学习的高斯白噪声去噪方法。
步骤五，对上述去噪后车辆图像组中的各个去噪后车辆图像进行目标检测，得到车牌包围框信息组。其中，上述车牌包围框信息组中的车牌包围框信息可以表征目标检测得到的车牌的包围框。可以通过预设的目标检测算法，对每个去噪后车辆图像进行目标检测以生成车牌包围框信息，得到车牌包围框信息组。
作为示例，上述图目标检测方法可以包括但不限于以下至少一项：YOLO（You OnlyLook Once，一阶段目标检测）方法、R-CNN（Region-CNN，基于候选区域的卷积神经网络）方法。
步骤六，根据上述车牌包围框信息组，对上述去噪后车辆图像组中的各个去噪后车辆图像进行裁剪处理，得到车牌图像组。其中，上述车牌图像组中的车牌图像可以是车牌的包围框围成区域对应的图像。可以对于每个去噪后车辆图像，根据上述去噪后车辆图像对应的车牌包围框信息，对上述去噪后车辆图像沿包围框边沿进行裁剪，得到车牌图像。
步骤七，对上述车牌图像组中的各个车牌图像进行图像增强处理，得到目标车牌图像组。其中，上述目标车牌图像组中的目标车牌图像可以是图像对比度增强后的车牌图像。可以对于每个车牌图像，通过预设的图像增强方法，对上述车牌图像进行图像增强处理以生成目标车牌图像，得到目标车牌图像组。
作为示例，上述图像增强方法可以是直方图均衡化方法。
步骤八，对上述目标车牌图像组中的各个目标车牌图像进行字符检测处理，得到图像字符序列集。其中，上述图像字符序列集中的图像字符序列可以是从同一目标车牌图像中检测得到的字符的有序集合。可以对于每个目标车牌图像，通过光学字符识别方法，对上述目标车牌图像进行字符检测处理以生成图像字符序列，得到图像字符序列集。
步骤九，基于上述图像字符序列集，生成车牌字符信息。具体可以执行以下步骤：
子步骤一，从上述图像字符序列集中随机选出一个图像字符序列作为参照图像字符序列。
子步骤二，对于上述参照图像字符序列中的每个参照图像字符，执行以下步骤：
第一步，从上述图像字符序列集对应的各个图像字符序列中、选出与上述参照图像字符对应的序列次序相同的图像字符作为目标图像字符，得到目标图像字符组。
第二步，从上述目标图像字符组中选出满足预设频次条件的目标图像字符作为目标车牌字符。其中，上述预设频次条件可以是目标图像字符组中出现频次最多的字符。
子步骤三，根据目标车牌字符对应的、参照图像字符的序列次序，通过预设的排序算法，对所得到的各个目标车牌字符进行排序，得到目标车牌字符序列。例如，上述排序算法可以包括但不限于以下至少一项：冒泡排序、快速排序。
子步骤三，对上述目标车牌字符序列中的各个目标车牌字符依序列次序进行拼接，得到车牌字符信息。
第三步，响应于确定预设的车辆信息集中存在目标车辆信息，根据上述车辆进场图像序列，对上述车辆信息进行更新。其中，上述车辆信息集中的车辆信息可以包括但不限于以下至少一项：用户标识、车辆标识、车辆状态标识、时间和车主的信息。上述车辆状态标识可以是车辆状态的唯一标识。车辆状态可以是以下中的一项：入场状态、未入场状态。上述入场状态可以表征车辆已进入园区。上述未入场状态可以表征车辆未进入园区。上述目标车辆信息可以是上述车辆信息集中与上述车牌字符信息相匹配的车辆信息。与上述车牌字符信息相匹配可以是车辆信息对应的车辆标识与上述车牌字符信息相同。将上述车辆进场图像序列中最后一个车辆进场图像对应的时间戳确定为上述车辆信息对应的时间，以对上述车辆信息进行更新。
第四步，将上述目标车辆信息对应的用户标识确定为目标用户标识。
第五步，从上述车辆信息集中选出满足预设用户车辆状态条件的车辆信息，得到车辆信息组。其中，上述预设用户车辆状态条件可以是：车辆信息对应的用户标识与上述目标用户标识相同、车辆状态标识表征车辆为入场状态。
第六步，将上述车辆信息组中的各个车辆信息的数量确定为车位已使用量。
第七步，将上述目标用户标识对应的车位总数量与上述车位已使用量的比值确定为用户车位利用率。
第八步，将上述目标用户标识、上述车位已使用量和上述用户车位利用率确定为车位使用信息，以及将上述车位使用信息存储至数据库。
上述车位使用信息生成步骤及其相关内容，作为本公开的实施例的一个发明点，解决了背景技术提及的技术问题三“难以及时将满足用户需求的车位信息推送给用户”。导致难以及时将满足用户需求的车位信息推送给用户的原因往往如下：当因光线不足，智慧园区平台采集到的车辆图像质量较低时，若采用单帧图像识别方式，则容易使得识别到的信息准确度较低，若采用连续帧图像识别方式，则当车辆较多时，需要消耗大量时间和算力。如果解决了上述问题，就能达到缩短用户获取信息的耗时的效果。为了达到这一效果，首先，获取车辆进场图像序列。由此，便于后续对车辆的车牌进行识别。其次，对车辆进场图像序列进行分段稀疏采样，得到各个目标车辆进场图像。由此得到用于车牌识别的各个关键帧。接着，对各个关键帧进行亮度检测。由此，便于后续确定是否需要对各个关键帧进行图像增强。再接着，对各个关键帧进行去噪、裁剪、图像增强等预处理。然后，对预处理后的各个车牌图像进行字符检测得到图像字符组集，以及基于上述图像字符组集，生成车牌字符信息。由此，可以得到准确度较高的进场车辆的车牌字符信息。最后，可以根据用户对应的车位总数量和识别到的各个车辆对应的车位已使用量，确定用户的车位使用信息。因此，通过对图像序列进行抽帧的方式识别车辆信息时，无需消耗大量时间和算力，且可以提高车辆信息的准确度。从而，可以及时将满足用户需求的车位信息推送给用户。
本公开的上述各个实施例具有如下有益效果：通过本公开的一些实施例的信息推送方法，可以减少通信资源的占用。具体来说，造成占用较多通信资源的原因在于：当发布的信息较多、或者有更新时，若每次将信息查看链接统一推送给各个园区用户，则会导致占用较多通信资源。基于此，本公开的一些实施例的信息推送方法，首先，响应于接收到目标用户的用户语音需求信息，对上述用户语音需求信息进行语音识别处理，得到用户需求文本信息。由此，可以确定用户需求。其次，对上述用户需求文本信息进行关键词提取，得到需求关键词组。由此，可以确定更为精准的用户需求，便于后续根据用户需求筛选信息。再次，对上述目标用户对应的用户画像详情信息集和上述需求关键词组进行匹配处理，得到目标用户画像详情信息集。由此，可以得到与用户需求相关的用户画像信息。然后，响应于确定上述目标用户画像详情信息集满足预设详情信息条件，对上述目标用户画像详情信息集进行校验处理，得到用户校验信息。由此，可以确定用户是否满足用户需求对应的资源信息的用户使用条件。之后，响应于确定上述用户校验信息满足预设校验成功条件，基于预设的需求关联资源信息集、上述目标用户画像详情信息集和上述需求关键词组，生成需求响应信息，以及将上述需求响应信息发送至上述目标用户对应的用户终端以供显示和确认。由此，当用户满足资源信息的用户使用条件时，可以将用户需求对应的资源信息通过对话生成的方式反馈给用户。接着，响应于接收到针对上述需求响应信息的用户确认信息，从预设的用户标识组集中选出满足预设用户条件的用户标识组作为目标用户标识组。由此，可以确定除上述目标用户外，潜在的、对上述资源信息同样存在需求的用户。再接着，对上述目标用户标识组对应的各个用户画像详情信息集进行校验处理，得到待推送用户标识组。由此，可以确定对上述资源信息存在需求的、且满足资源信息对应的用户使用条件的潜在用户。最后，将上述需求响应信息确定为目标推送信息，以及将上述目标推送信息推送至上述待推送用户标识组对应的各个用户终端。由此，可以将上述资源信息推送给存在需求的潜在需求用户。因此，本公开的一些实施例的信息推送方法，通过用户需求和用户画像相结合的方式，可以为用户筛选出较为准确的资源信息，且同时可以将资源信息推送给存在相同用户需求的潜在需求用户，而无需占用较多通信资源，将信息查看链接统一推送给各个园区用户。从而，可以减少通信资源的占用。
进一步参考图2，作为对上述各图所示方法的实现，本公开提供了一种信息推送装置的一些实施例，这些装置实施例与图1所示的那些方法实施例相对应，该信息推送装置200具体可以应用于各种电子设备中。
如图2所示，一些实施例的信息推送装置200包括：语音识别处理单元201、关键词提取单元202、匹配处理单元203、校验处理单元204、生成以及发送单元205、选择单元206、校验处理单元207和确定以及推送单元208。其中，语音识别处理单元201，被配置成响应于接收到目标用户的用户语音需求信息，对上述用户语音需求信息进行语音识别处理，得到用户需求文本信息；关键词提取单元202，被配置成对上述用户需求文本信息进行关键词提取，得到需求关键词组；匹配处理单元203，被配置成对上述目标用户对应的用户画像详情信息集和上述需求关键词组进行匹配处理，得到目标用户画像详情信息集；校验处理单元204，被配置成响应于确定上述目标用户画像详情信息集满足预设详情信息条件，对上述目标用户画像详情信息集进行校验处理，得到用户校验信息；生成以及发送单元205，被配置成响应于确定上述用户校验信息满足预设校验成功条件，基于预设的需求关联资源信息集、上述目标用户画像详情信息集和上述需求关键词组，生成需求响应信息，以及将上述需求响应信息发送至上述目标用户对应的用户终端以供显示和确认；选择单元206，被配置成响应于接收到针对上述需求响应信息的用户确认信息，从预设的用户标识组集中选出满足预设用户条件的用户标识组作为目标用户标识组；校验处理单元207，被配置成对上述目标用户标识组对应的各个用户画像详情信息集进行校验处理，得到待推送用户标识组；确定以及推送单元208，被配置成将上述需求响应信息确定为目标推送信息，以及将上述目标推送信息推送至上述待推送用户标识组对应的各个用户终端。
可以理解的是，该信息推送装置200中记载的诸单元与参考图1描述的方法中的各个步骤相对应。由此，上文针对方法描述的操作、特征以及产生的有益效果同样适用于信息推送装置200及其中包含的单元，在此不再赘述。
进一步参考图3，其示出了适于用来实现本公开的一些实施例的电子设备300的结构示意图。图3示出的电子设备仅仅是一个示例，不应对本公开的实施例的功能和使用范围带来任何限制。
如图3所示，电子设备300可以包括处理装置（例如中央处理器、图形处理器等）301，其可以根据存储在只读存储器（ROM）302中的程序或者从存储装置308加载到随机访问存储器（RAM）303中的程序而执行各种适当的动作和处理。在RAM 303中，还存储有电子设备300操作所需的各种程序和数据。处理装置301、ROM 302以及RAM 303通过总线304彼此相连。生产收入/生产支出（I/O）接口305也连接至总线304。
通常，以下装置可以连接至I/O接口305：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的生产收入装置306；包括例如液晶显示器（LCD）、扬声器、振动器等的生产支出装置307；包括例如磁带、硬盘等的存储装置308；以及通信装置309。通信装置309可以允许电子设备300与其他设备进行无线或有线通信以交换数据。虽然图3示出了具有各种装置的电子设备300，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图3中示出的每个方框可以代表一个装置，也可以根据需要代表多个装置。
特别地，根据本公开的一些实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的一些实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的一些实施例中，该计算机程序可以通过通信装置309从网络上被下载和安装，或者从存储装置308被安装，或者从ROM 302被安装。在该计算机程序被处理装置301执行时，执行本公开的一些实施例的方法中限定的上述功能。
需要说明的是，本公开的一些实施例上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器（RAM）、只读存储器（ROM）、可擦式可编程只读存储器（EPROM或闪存）、光纤、便携式紧凑磁盘只读存储器（CD-ROM）、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的一些实施例中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开的一些实施例中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF（射频）等等，或者上述的任意合适的组合。
在一些实施方式中，客户端、服务器可以利用诸如HTTP（HyperText TransferProtocol，超文本传输协议）之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信（例如，通信网络）互连。通信网络的示例包括局域网（“LAN”），广域网（“WAN”），网际网（例如，互联网）以及端对端网络（例如，ad hoc端对端网络），以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述装置中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：响应于接收到目标用户的用户语音需求信息，对上述用户语音需求信息进行语音识别处理，得到用户需求文本信息；对上述用户需求文本信息进行关键词提取，得到需求关键词组；对上述目标用户对应的用户画像详情信息集和上述需求关键词组进行匹配处理，得到目标用户画像详情信息集；响应于确定上述目标用户画像详情信息集满足预设详情信息条件，对上述目标用户画像详情信息集进行校验处理，得到用户校验信息；响应于确定上述用户校验信息满足预设校验成功条件，基于预设的需求关联资源信息集、上述目标用户画像详情信息集和上述需求关键词组，生成需求响应信息，以及将上述需求响应信息发送至上述目标用户对应的用户终端以供显示和确认；响应于接收到针对上述需求响应信息的用户确认信息，从预设的用户标识组集中选出满足预设用户条件的用户标识组作为目标用户标识组；对上述目标用户标识组对应的各个用户画像详情信息集进行校验处理，得到待推送用户标识组；将上述需求响应信息确定为目标推送信息，以及将上述目标推送信息推送至上述待推送用户标识组对应的各个用户终端。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的一些实施例的操作的计算机程序代码，上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网（LAN）或广域网（WAN）——连接到用户计算机，或者，可以连接到外部计算机（例如利用因特网服务提供商来通过因特网连接）。
附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开的一些实施例中的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括语音识别处理单元、关键词提取单元、匹配处理单元、校验处理单元、生成以及发送单元、选择单元、校验处理单元和确定以及推送单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，语音识别处理单元还可以被描述为“对上述用户语音需求信息进行语音识别处理，得到用户需求文本信息的单元”。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列（FPGA）、专用集成电路（ASIC）、专用标准产品（ASSP）、片上系统（SOC）、复杂可编程逻辑设备（CPLD）等等。
以上描述仅为本公开的一些较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开的实施例中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的（但不限于）具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (9)
1.一种信息推送方法，包括：
响应于接收到目标用户的用户语音需求信息，对所述用户语音需求信息进行语音识别处理，得到用户需求文本信息；
对所述用户需求文本信息进行关键词提取，得到需求关键词组；
对所述目标用户对应的用户画像详情信息集和所述需求关键词组进行匹配处理，得到目标用户画像详情信息集；
响应于确定所述目标用户画像详情信息集满足预设详情信息条件，对所述目标用户画像详情信息集进行校验处理，得到用户校验信息；
响应于确定所述用户校验信息满足预设校验成功条件，基于预设的需求关联资源信息集、所述目标用户画像详情信息集和所述需求关键词组，生成需求响应信息，以及将所述需求响应信息发送至所述目标用户对应的用户终端以供显示和确认；
响应于接收到针对所述需求响应信息的用户确认信息，从预设的用户标识组集中选出满足预设用户条件的用户标识组作为目标用户标识组；
对所述目标用户标识组对应的各个用户画像详情信息集进行校验处理，得到待推送用户标识组；
将所述需求响应信息确定为目标推送信息，以及将所述目标推送信息推送至所述待推送用户标识组对应的各个用户终端。
2.根据权利要求1所述的方法，其中，在所述响应于接收到目标用户的用户语音需求信息，对所述用户语音需求信息进行语音识别处理，得到用户需求文本信息之前，所述方法还包括：
获取用户上传文件信息集，其中，所述用户上传文件信息集中的每个用户上传文件信息包括用户标识和用户画像描述文件集；
对于所述用户上传文件信息集包括的每个用户画像描述文件集，执行以下步骤：
对所述用户画像描述文件集中的各个用户画像描述文件进行分类处理，得到用户画像描述文件组集；
对所述用户画像描述文件组集中的各个用户画像描述文件进行文本识别处理，得到用户画像详情信息集；
对所述用户画像详情信息集进行词嵌入处理，得到用户信息向量；
对所得到的各个用户信息向量进行关联分析，得到用户间关联信息集；
基于所述用户间关联信息集，生成用户间相似度矩阵；
基于所述用户间相似度矩阵，对所述用户上传文件信息集包括的各个用户画像描述文件集对应的各个用户标识进行聚类处理，得到用户标识组集。
3.根据权利要求2所述的方法，其中，所述对所述用户画像描述文件组集中的各个用户画像描述文件进行文本识别处理，得到用户画像详情信息集，包括：
对于所述用户画像描述文件组集中的每个用户画像描述文件，执行以下步骤：
响应于确定所述用户画像描述文件满足预设类型文件条件，对所述用户画像描述文件进行图像识别，得到图像文本信息组；
基于预设的字段信息集和所述图像文本信息组，生成文本画像信息集；
将所得到的每个文本画像信息集中的每个文本画像信息确定为用户画像详情信息，得到用户画像详情信息集。
4.根据权利要求3所述的方法，其中，所述方法还包括：
响应于确定所述用户画像描述文件未满足所述预设类型文件条件，对所述用户画像描述文件进行表格识别，得到表格文本信息组；
基于所述字段信息集和所述表格文本信息组，生成文本画像信息集。
5.根据权利要求1-4之一所述的方法，其中，所述方法还包括：
响应于确定所述目标用户画像详情信息集未满足所述预设详情信息条件，对预设的主题关键词信息集与所述需求关键词组进行匹配处理，得到匹配主题信息；
响应于确定所述匹配主题信息满足预设主题条件，获取与所述目标用户对应的电力资源使用信息、水资源使用信息、设备使用信息、车位使用信息和关联告警信息；
将所述电力资源使用信息、所述水资源使用信息、所述设备使用信息、所述车位使用信息和所述关联告警信息推送至所述目标用户对应的用户终端以供显示。
6.根据权利要求5所述的方法，其中，在所述获取与所述目标用户对应的电力资源使用信息、水资源使用信息、设备使用信息、车位使用信息和关联告警信息之前，所述方法还包括：
获取车辆进场图像序列；
对所述车辆进场图像序列进行字符检测处理，得到车牌字符信息；
响应于确定预设的车辆信息集中存在目标车辆信息，根据所述车辆进场图像序列，对所述车辆信息进行更新，其中，所述目标车辆信息是所述车辆信息集中与所述车牌字符信息相匹配的车辆信息；
将所述目标车辆信息对应的用户标识确定为目标用户标识；
从所述车辆信息集中选出满足预设用户车辆状态条件的车辆信息，得到车辆信息组；
将所述车辆信息组中的各个车辆信息的数量确定为车位已使用量；
将所述目标用户标识对应的车位总数量与所述车位已使用量的比值确定为用户车位利用率；
将所述目标用户标识、所述车位已使用量和所述用户车位利用率确定为车位使用信息，以及将所述车位使用信息存储至数据库。
7.一种信息推送装置，包括：
语音识别处理单元，被配置成响应于接收到目标用户的用户语音需求信息，对所述用户语音需求信息进行语音识别处理，得到用户需求文本信息；
关键词提取单元，被配置成对所述用户需求文本信息进行关键词提取，得到需求关键词组；
匹配处理单元，被配置成对所述目标用户对应的用户画像详情信息集和所述需求关键词组进行匹配处理，得到目标用户画像详情信息集；
校验处理单元，被配置成响应于确定所述目标用户画像详情信息集满足预设详情信息条件，对所述目标用户画像详情信息集进行校验处理，得到用户校验信息；
生成以及发送单元，被配置成响应于确定所述用户校验信息满足预设校验成功条件，基于预设的需求关联资源信息集、所述目标用户画像详情信息集和所述需求关键词组，生成需求响应信息，以及将所述需求响应信息发送至所述目标用户对应的用户终端以供显示和确认；
选择单元，被配置成响应于接收到针对所述需求响应信息的用户确认信息，从预设的用户标识组集中选出满足预设用户条件的用户标识组作为目标用户标识组；
校验处理单元，被配置成对所述目标用户标识组对应的各个用户画像详情信息集进行校验处理，得到待推送用户标识组；
确定以及推送单元，被配置成将所述需求响应信息确定为目标推送信息，以及将所述目标推送信息推送至所述待推送用户标识组对应的各个用户终端。
8.一种电子设备，包括：
一个或多个处理器；
存储装置，其上存储有一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-6中任一所述的方法。
9.一种计算机可读介质，其上存储有计算机程序，其中，所述计算机程序被处理器执行时实现如权利要求1-6中任一所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311189218.1A CN116932919B (zh) | 2023-09-15 | 2023-09-15 | 信息推送方法、装置、电子设备和计算机可读介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311189218.1A CN116932919B (zh) | 2023-09-15 | 2023-09-15 | 信息推送方法、装置、电子设备和计算机可读介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116932919A true CN116932919A (zh) | 2023-10-24 |
| CN116932919B CN116932919B (zh) | 2023-11-24 |
Family
ID=88388130
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311189218.1A Active CN116932919B (zh) | 2023-09-15 | 2023-09-15 | 信息推送方法、装置、电子设备和计算机可读介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116932919B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117172978A (zh) * | 2023-11-02 | 2023-12-05 | 北京国电通网络技术有限公司 | 学习路径信息生成方法、装置、电子设备和介质 |
| CN117593096A (zh) * | 2024-01-19 | 2024-02-23 | 朴道征信有限公司 | 产品信息智能推送方法、装置、电子设备和计算机介质 |
Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20160232201A1 (en) * | 2015-02-11 | 2016-08-11 | Google Inc. | Methods, systems, and media for recommending computerized services based on an animate object in the user's environmentes |
| CN108900612A (zh) * | 2018-06-29 | 2018-11-27 | 百度在线网络技术（北京）有限公司 | 用于推送信息的方法和装置 |
| CN109829117A (zh) * | 2019-02-27 | 2019-05-31 | 北京字节跳动网络技术有限公司 | 用于推送信息的方法和装置 |
| WO2020140360A1 (zh) * | 2018-12-30 | 2020-07-09 | 上海触乐信息科技有限公司 | 基于剪贴板进行信息推送的方法、系统及终端设备 |
| CN111797210A (zh) * | 2020-03-03 | 2020-10-20 | 中国平安人寿保险股份有限公司 | 基于用户画像的信息推荐方法、装置、设备及存储介质 |
| WO2020232616A1 (zh) * | 2019-05-20 | 2020-11-26 | 深圳市欢太科技有限公司 | 信息推荐方法、装置、电子设备以及存储介质 |
| WO2020232615A1 (zh) * | 2019-05-20 | 2020-11-26 | 深圳市欢太科技有限公司 | 信息推荐方法、装置、电子设备以及存储介质 |
| CN113901320A (zh) * | 2021-10-19 | 2022-01-07 | 平安科技（深圳）有限公司 | 场景服务推荐方法、装置、设备及存储介质 |
| CN114021001A (zh) * | 2021-10-28 | 2022-02-08 | 天元大数据信用管理有限公司 | 一种基于大数据的企业措施匹配方法、设备及介质 |
| CN114970470A (zh) * | 2022-07-27 | 2022-08-30 | 中关村科学城城市大脑股份有限公司 | 文案信息处理方法、装置、电子设备和计算机可读介质 |
| WO2022222841A1 (zh) * | 2021-04-20 | 2022-10-27 | 北京沃东天骏信息技术有限公司 | 信息展示方法、装置、电子设备和计算机可读介质 |
| CN115828112A (zh) * | 2022-12-02 | 2023-03-21 | 德联易控科技(北京)有限公司 | 一种故障事件的响应方法、装置、电子设备及存储介质 |
| CN116701445A (zh) * | 2023-05-11 | 2023-09-05 | 北京用友薪畴数字科技有限公司 | 资源匹配信息生成方法、装置、设备和计算机可读介质 |
| CN116863935A (zh) * | 2023-09-04 | 2023-10-10 | 深圳有咖互动科技有限公司 | 语音识别方法、装置、电子设备与计算机可读介质 |
-
2023
- 2023-09-15 CN CN202311189218.1A patent/CN116932919B/zh active Active
Patent Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20160232201A1 (en) * | 2015-02-11 | 2016-08-11 | Google Inc. | Methods, systems, and media for recommending computerized services based on an animate object in the user's environmentes |
| CN108900612A (zh) * | 2018-06-29 | 2018-11-27 | 百度在线网络技术（北京）有限公司 | 用于推送信息的方法和装置 |
| WO2020140360A1 (zh) * | 2018-12-30 | 2020-07-09 | 上海触乐信息科技有限公司 | 基于剪贴板进行信息推送的方法、系统及终端设备 |
| CN109829117A (zh) * | 2019-02-27 | 2019-05-31 | 北京字节跳动网络技术有限公司 | 用于推送信息的方法和装置 |
| WO2020232615A1 (zh) * | 2019-05-20 | 2020-11-26 | 深圳市欢太科技有限公司 | 信息推荐方法、装置、电子设备以及存储介质 |
| WO2020232616A1 (zh) * | 2019-05-20 | 2020-11-26 | 深圳市欢太科技有限公司 | 信息推荐方法、装置、电子设备以及存储介质 |
| CN111797210A (zh) * | 2020-03-03 | 2020-10-20 | 中国平安人寿保险股份有限公司 | 基于用户画像的信息推荐方法、装置、设备及存储介质 |
| WO2022222841A1 (zh) * | 2021-04-20 | 2022-10-27 | 北京沃东天骏信息技术有限公司 | 信息展示方法、装置、电子设备和计算机可读介质 |
| CN113901320A (zh) * | 2021-10-19 | 2022-01-07 | 平安科技（深圳）有限公司 | 场景服务推荐方法、装置、设备及存储介质 |
| CN114021001A (zh) * | 2021-10-28 | 2022-02-08 | 天元大数据信用管理有限公司 | 一种基于大数据的企业措施匹配方法、设备及介质 |
| CN114970470A (zh) * | 2022-07-27 | 2022-08-30 | 中关村科学城城市大脑股份有限公司 | 文案信息处理方法、装置、电子设备和计算机可读介质 |
| CN115828112A (zh) * | 2022-12-02 | 2023-03-21 | 德联易控科技(北京)有限公司 | 一种故障事件的响应方法、装置、电子设备及存储介质 |
| CN116701445A (zh) * | 2023-05-11 | 2023-09-05 | 北京用友薪畴数字科技有限公司 | 资源匹配信息生成方法、装置、设备和计算机可读介质 |
| CN116863935A (zh) * | 2023-09-04 | 2023-10-10 | 深圳有咖互动科技有限公司 | 语音识别方法、装置、电子设备与计算机可读介质 |
Non-Patent Citations (2)
| Title |
|---|
| 刘丽萍 等: "多维度消费人群分析及产品推荐系统", 计算机系统应用, vol. 29, no. 03, pages 73 - 79 * |
| 王海峰 等: "面向互联网的信息处理", 中国科学:信息科学, vol. 43, no. 12, pages 1624 - 1640 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117172978A (zh) * | 2023-11-02 | 2023-12-05 | 北京国电通网络技术有限公司 | 学习路径信息生成方法、装置、电子设备和介质 |
| CN117172978B (zh) * | 2023-11-02 | 2024-02-02 | 北京国电通网络技术有限公司 | 学习路径信息生成方法、装置、电子设备和介质 |
| CN117593096A (zh) * | 2024-01-19 | 2024-02-23 | 朴道征信有限公司 | 产品信息智能推送方法、装置、电子设备和计算机介质 |
| CN117593096B (zh) * | 2024-01-19 | 2024-04-12 | 朴道征信有限公司 | 产品信息智能推送方法、装置、电子设备和计算机介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116932919B (zh) | 2023-11-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108427939B (zh) | 模型生成方法和装置 | |
| CN108520220B (zh) | 模型生成方法和装置 | |
| CN116932919B (zh) | 信息推送方法、装置、电子设备和计算机可读介质 | |
| CN111444340A (zh) | 文本分类和推荐方法、装置、设备及存储介质 | |
| CN111523640B (zh) | 神经网络模型的训练方法和装置 | |
| EP3893125A1 (en) | Method and apparatus for searching video segment, device, medium and computer program product | |
| CN111274815A (zh) | 用于挖掘文本中的实体关注点的方法和装置 | |
| CN109961032B (zh) | 用于生成分类模型的方法和装置 | |
| CN112465049A (zh) | 异常检测模型生成方法和装置、异常事件检测方法和装置 | |
| CN111368551B (zh) | 一种确定事件主体的方法和装置 | |
| CN113141360B (zh) | 网络恶意攻击的检测方法和装置 | |
| CN111625649A (zh) | 文本处理方法、装置、电子设备及介质 | |
| CN115376559A (zh) | 基于音视频的情绪识别方法、装置及设备 | |
| CN115759748A (zh) | 风险检测模型生成方法和装置、风险个体识别方法和装置 | |
| CN113033707B (zh) | 视频分类方法、装置、可读介质及电子设备 | |
| CN113743522A (zh) | 违规行为的检测方法及装置、电子设备 | |
| CN108628863B (zh) | 信息获取方法和装置 | |
| CN113051911A (zh) | 提取敏感词的方法、装置、设备、介质及程序产品 | |
| CN115952854B (zh) | 文本脱敏模型的训练方法、文本脱敏方法及应用 | |
| CN113111167A (zh) | 基于深度学习模型的接处警文本车辆型号提取方法和装置 | |
| CN115827865A (zh) | 一种融合多特征图注意力机制的不良文本分类方法及系统 | |
| CN114639072A (zh) | 人流量信息生成方法、装置、电子设备和计算机可读介质 | |
| CN113111169A (zh) | 基于深度学习模型的接处警文本地址信息提取方法和装置 | |
| CN116630840B (zh) | 分类信息生成方法、装置、电子设备和计算机可读介质 | |
| CN113140012B (zh) | 图像处理方法、装置、介质及电子设备 |
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 |