CN117591212A - 一种业务功能智能推荐方法、装置、介质及设备 - Google Patents
一种业务功能智能推荐方法、装置、介质及设备 Download PDFInfo
- Publication number
- CN117591212A CN117591212A CN202311506233.4A CN202311506233A CN117591212A CN 117591212 A CN117591212 A CN 117591212A CN 202311506233 A CN202311506233 A CN 202311506233A CN 117591212 A CN117591212 A CN 117591212A
- Authority
- CN
- China
- Prior art keywords
- user
- service function
- access
- determining
- function menu
- 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 70
- 238000001914 filtration Methods 0.000 claims abstract description 30
- 230000006870 function Effects 0.000 claims description 180
- 238000012544 monitoring process Methods 0.000 claims description 17
- 238000005265 energy consumption Methods 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 9
- 238000010276 construction Methods 0.000 claims description 5
- 238000004422 calculation algorithm Methods 0.000 description 9
- 238000004364 calculation method Methods 0.000 description 9
- 238000012545 processing Methods 0.000 description 8
- 230000006399 behavior Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 230000008901 benefit Effects 0.000 description 4
- 238000003745 diagnosis Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000006798 recombination Effects 0.000 description 1
- 238000005215 recombination Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000013598 vector Substances 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/44—Arrangements for executing specific programs
- G06F9/451—Execution arrangements for user interfaces
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Human Computer Interaction (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种业务功能智能推荐方法、装置、介质及设备。其中,方法包括:响应于访问用户的访问操作,采集访问用户的用户信息;根据用户信息,基于用户的协同过滤法,确定访问用户的第一推荐业务功能菜单;据用户信息,基于业务功能的协同过滤法,确定访问用户的第二推荐业务功能菜单;根据第一推荐业务功能菜单以及第二推荐业务功能菜单,确定最终推荐业务功能菜单,并发送至访问用户的终端。
Description
技术领域
本发明涉及智能推荐技术领域,并且更具体地,涉及一种业务功能智能推荐方法、装置、介质及设备。
背景技术
传统的低碳能效工作台大多存在“应用堆砌”、“千篇一律”、“主次不清”、“传统形式的人找事”等问题,用户体验差,缺少智能适配能力,任务无法通过智能驱动闭环。存在的主要技术问题如下:1、功能堆砌千篇一律,缺少智能展示和定制化搭配:同企业下每个用户在平台所看到的功能排列、分布相同,不能针对不能用户展示其所需要的功能,增加企业员工的操作成本;2、缺少业务角色菜单模板:一人身兼多职,所需功能繁多复杂,不同角色视角下所需功能不同,没有角色划分,操作成本很高,缺少功能圈定范围,有些功能用户用不到,既占用视觉空间,又徒增容易点错的几率;3、业务监测指标异常没有实时交互。
发明内容
针对现有技术的不足,本发明提供一种业务功能智能推荐方法、装置、介质及设备。
根据本发明的一个方面,提供了一种业务功能智能推荐方法,包括:
响应于访问用户的访问操作,采集访问用户的用户信息;
根据用户信息,基于用户的协同过滤法,确定访问用户的第一推荐业务功能菜单;
根据用户信息,基于业务功能的协同过滤法,确定访问用户的第二推荐业务功能菜单;
根据第一推荐业务功能菜单以及第二推荐业务功能菜单,确定最终推荐业务功能菜单,并发送至访问用户的终端。
可选地,用户信息包括:用户个人特征、用户访问特征以及所在企业特征,其中
用户个人特征包括:性别、年龄、岗位、学历以及IT技能;
用户访问特征包括:访问的业务功能、业绩压力、关注的业务功能;
所在企业特征包括:经营状况、所在行业、IT建设水平、能耗关注度以及ESG报告。
可选地,根据用户信息,基于用户的协同过滤法,确定访问用户的第一推荐业务功能菜单,包括:
基于访问用户的用户个人特征、用户访问特征以及所在企业特征,确定相似用户群体;
计算访问用户和相似用户群体中每个用户的第一相似度,根据相似度结果确定访问用户的推荐用户群体;
根据推荐用户群体,确定访问用户的第一推荐业务功能菜单。
可选地,第一相似度的计算公式为:
式中,N(A)代表访问用户A偏好的常用菜单功能集合,N(B)代表相似用户全体中用户B偏好的常用菜单功能集合,N(A)∩N(B)代表的是用户A和用户B都偏好的功能菜单集合,N(A)∪N(B)代表的是用户A和用户B偏好功能菜单的集合。
可选地,根据用户信息,基于业务功能的协同过滤法,确定访问用户的第二推荐业务功能菜单,包括:
计算各业务功能之间的第二相似度;
根据第二相似度以及访问用户访问的业务功能,确定访问用户的第二推荐业务功能菜单。
可选地,还包括:
为不同用户设置多个角色,并为每个角色设置业务功能,其中每个用户可以设置一个或多个角色,每个角色包括多个业务功能;
为每个业务功能设置监测指标,其中每个业务功能包括多个监测指标。
可选地,还包括:
响应于用户在业务功能设置的待办事项,确定代办事项的所有接收用户;
在待办事项的提醒时间将待办事项推送到所有接收用户的用户端。
根据本发明的另一个方面,提供了一种业务功能智能推荐装置,包括:
采集模块,用于响应于访问用户的访问操作,采集访问用户的用户信息;
第一确定模块,用于根据用户信息,基于用户的协同过滤法,确定访问用户的第一推荐业务功能菜单;
第二确定模块,用于根据用户信息,基于业务功能的协同过滤法,确定访问用户的第二推荐业务功能菜单;
第三确定模块,用于根据第一推荐业务功能菜单以及第二推荐业务功能菜单,确定最终推荐业务功能菜单,并发送至访问用户的终端。
根据本发明的又一个方面,提供了一种计算机可读存储介质,所述存储介质存储有计算机程序,所述计算机程序用于执行本发明上述任一方面所述的方法。
根据本发明的又一个方面,提供了一种电子设备,所述电子设备包括:处理器;用于存储所述处理器可执行指令的存储器;所述处理器,用于从所述存储器中读取所述可执行指令,并执行所述指令以实现本发明上述任一方面所述的方法。
从而,本发明通过业务功能的推荐算法,推荐过程使用基于用户的协同过滤和基于业务功能的协同过滤,以及两者结合使用。通过推荐计算能够智能的匹配用户期望或潜在期望的业务功能,并推荐给用户。解决企业活用户在使用泛能网业务时主动推荐匹配符合企业现状的、智能推荐企业关注的功能。
附图说明
通过参考下面的附图,可以更为完整地理解本发明的示例性实施方式:
图1是本发明一示例性实施例提供的业务功能智能推荐方法的流程示意图;
图2是本发明一示例性实施例提供的移动端APP推送时序图;
图3是本发明一示例性实施例提供的PC端推送时序图;
图4是本发明一示例性实施例提供的业务功能智能推荐装置的结构示意图;
图5是本发明一示例性实施例提供的电子设备的结构。
具体实施方式
下面,将参考附图详细地描述根据本发明的示例实施例。显然,所描述的实施例仅仅是本发明的一部分实施例,而不是本发明的全部实施例,应理解,本发明不受这里描述的示例实施例的限制。
应注意到:除非另外具体说明,否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本发明的范围。
本领域技术人员可以理解,本发明实施例中的“第一”、“第二”等术语仅用于区别不同步骤、设备或模块等,既不代表任何特定技术含义,也不表示它们之间的必然逻辑顺序。
还应理解,在本发明实施例中,“多个”可以指两个或两个以上,“至少一个”可以指一个、两个或两个以上。
还应理解,对于本发明实施例中提及的任一部件、数据或结构,在没有明确限定或者在前后文给出相反启示的情况下,一般可以理解为一个或多个。
另外,本发明中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本发明中字符“/”,一般表示前后关联对象是一种“或”的关系。
还应理解,本发明对各个实施例的描述着重强调各个实施例之间的不同之处,其相同或相似之处可以相互参考,为了简洁,不再一一赘述。
同时,应当明白,为了便于描述,附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。
以下对至少一个示例性实施例的描述实际上仅仅是说明性的,决不作为对本发明及其应用或使用的任何限制。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论,但在适当情况下,技术、方法和设备应当被视为说明书的一部分。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步讨论。
本发明实施例可以应用于终端设备、计算机系统、服务器等电子设备,其可与众多其它通用或专用计算系统环境或配置一起操作。适于与终端设备、计算机系统、服务器等电子设备一起使用的众所周知的终端设备、计算系统、环境和/或配置的例子包括但不限于:个人计算机系统、服务器计算机系统、瘦客户机、厚客户机、手持或膝上设备、基于微处理器的系统、机顶盒、可编程消费电子产品、网络个人电脑、小型计算机系统﹑大型计算机系统和包括上述任何系统的分布式云计算技术环境,等等。
终端设备、计算机系统、服务器等电子设备可以在由计算机系统执行的计算机系统可执行指令(诸如程序模块)的一般语境下描述。通常,程序模块可以包括例程、程序、目标程序、组件、逻辑、数据结构等等,它们执行特定的任务或者实现特定的抽象数据类型。计算机系统/服务器可以在分布式云计算环境中实施,分布式云计算环境中,任务是由通过通信网络链接的远程处理设备执行的。在分布式云计算环境中,程序模块可以位于包括存储设备的本地或远程计算系统存储介质上。
示例性方法
图1是本发明一示例性实施例提供的业务功能智能推荐方法的流程示意图。本实施例可应用在电子设备上,如图1所示,业务功能智能推荐方法100包括以下步骤:
步骤101,响应于访问用户的访问操作,采集访问用户的用户信息;
步骤102,根据用户信息,基于用户的协同过滤法,确定访问用户的第一推荐业务功能菜单;
步骤103,根据用户信息,基于业务功能的协同过滤法,确定访问用户的第二推荐业务功能菜单;
步骤104,根据第一推荐业务功能菜单以及第二推荐业务功能菜单,确定最终推荐业务功能菜单,并发送至访问用户的终端。
可选地,用户信息包括:用户个人特征、用户访问特征以及所在企业特征,其中
用户个人特征包括:性别、年龄、岗位、学历以及IT技能;
用户访问特征包括:访问的业务功能、业绩压力、关注的业务功能;
所在企业特征包括:经营状况、所在行业、IT建设水平、能耗关注度以及ESG报告。
可选地,根据用户信息,基于用户的协同过滤法,确定访问用户的第一推荐业务功能菜单,包括:
基于访问用户的用户个人特征、用户访问特征以及所在企业特征,确定相似用户群体;
计算访问用户和相似用户群体中每个用户的第一相似度,根据相似度结果确定访问用户的推荐用户群体;
根据推荐用户群体,确定访问用户的第一推荐业务功能菜单。
可选地,第一相似度的计算公式为:
式中,N(A)代表访问用户A偏好的常用菜单功能集合,N(B)代表相似用户全体中用户B偏好的常用菜单功能集合,N(A)∩N(B)代表的是用户A和用户B都偏好的功能菜单集合,N(A)∪N(B)代表的是用户A和用户B偏好功能菜单的集合。
可选地,根据用户信息,基于业务功能的协同过滤法,确定访问用户的第二推荐业务功能菜单,包括:
计算各业务功能之间的第二相似度;
根据第二相似度以及访问用户访问的业务功能,确定访问用户的第二推荐业务功能菜单。
具体地,本申请通过用户行为数据、用户喜好设置数据,为访问用户推荐业务功能菜单,智能展示常用业务功能。
常用功能是系统给用户提供的常用快捷菜单入口。这些常用功能是经过对用户操作行为分析计算得出近期访问偏好,采用推荐算法进行计算处理。推荐算法需要一些行为数据作为计算参数(对结果有影响因素的行为数据都可以作为参数,采集获取),经过处理输出推荐的常用功能菜单。
因素越多,基础数据越多对推荐结果越具备准确度。其中因素包括:
用户个人特征包括:性别、年龄、岗位、学历以及IT技能;
用户访问特征包括:访问的业务功能、业绩压力、关注的业务功能;
所在企业特征包括:经营状况、所在行业、IT建设水平、能耗关注度以及ESG报告。
推荐算法中基于用户的协同过滤算法(User Collaborative Filtering)处理过程是根据用户的业务偏好或者近期的操作行为以及类似相同的用户的偏好来给用户进行推荐业务功能菜单。将偏好相同的用户群体聚类,然后为用户推荐与自己偏好有类似的用户倾向的功能菜单,例如用户A和B有类似的年龄学历等个人特征,都从事的工业园区能耗管理相关工作,如果A经常使用用能报表功能,那么会给用户B也推荐用能报表功能。
一般对于用户A和用户B,令N(A)代表用户A偏好的常用菜单功能集合,令N(B)代表用户B偏好的常用菜单功能集合。N(A)∩N(B)代表的是用户A和用户B都偏好的功能菜单集合,N(A)∪N(B)代表的是用户A和用户B偏好功能菜单的集合,那么可以利用以下公式来简单计算相似度WAB:
相似度计算结果越接近于1说明越似度,越具备可推荐价值。
推荐算法中基于业务功能的协同过滤(Item Collaborative Filtering)为用户推荐和他近期偏好功能相似的菜单功能,例如用户A近期经常访问能耗监控,系统关联推测用户想关注用能过程中存在的问题,所以计算出设备诊断报告也可以关联用能过程中关注问题,然后为其推荐诊断报告功能。基于业务功能的协同过滤的推荐算法需要对推荐对象提取特征,构成特征向量。以泛能网所有业务功能集合为例,需要对所有业务功能进行特征提取,如监控类、诊断类、设备类、成本类等等,然后对所有的业务功能进行特征采集,即针对每个业务功能分析得出所属监控类占比多少,成本类占比多少等。以用户的历史偏好数据计算业务功能之间的相似度,然后把与用户偏好的功能菜单相类似的推荐给用户。基于业务功能的协同过滤算法步骤:
1计算业务功能之间的相似度;
2根据业务功能的相似度和用户的历史行为给用户生成推荐列表(设置了该常用功能的用户也设置了其他的常用功能)。
可选地,还包括:
为不同用户设置多个角色,并为每个角色设置业务功能,其中每个用户可以设置一个或多个角色,每个角色包括多个业务功能;
为每个业务功能设置监测指标,其中每个业务功能包括多个监测指标。
具体地,业务功能可以是泛能网上的功能,作为泛能网的产品运营支持人员,在泛能网运营管理端设置好不同角色常关注的功能菜单。企业管理员对员工进行赋予角色,员工自动继承其角色下的所有功能,员工存在多角色取功能并集。
除了继承角色的功能设置外,也支持自行个性化设置,在智能工作台提供设置入口。这些设置统一结构化存储,并按企业用户维度存储,设置后与继承角色的功能集合前端页面统一展示。
进一步地,根据业务角色,动态展示业务监测指标+指标异常实时处理交互。
不同的业务角色在企业职责分工不同,体现在泛能网以不同角色使用,关注的功能不同。系统需要能够感知员工使用时的角色,并给员工展示角色下的功能集合。
例如,对于主管类的岗位角色关注的业务范围和数据范围要比车间主任更广。系统设计业务角色与应用组件(业务组件)映射一对多关系,每个业务组件涉及的监测指标也是不同的,业务组件与监测指标间设计为一对多关系。
通过这种关系设计,不同业务角色的用户在登录后访问该角色相关的业务组件和组件里面监测指标。如果用户存在多个角色,切换角色后展示切换后角色对应的业务组件和监测指标,做到实时动态展示。
可选地,还包括:
响应于用户在业务功能设置的待办事项,确定代办事项的所有接收用户;
在待办事项的提醒时间将待办事项推送到所有接收用户的用户端。
具体地,待办事项临近到期时可以推送至移动端“实时处理窗”进行提醒。参考图2所示,待办事项作为事找人的功能服务于企业用户,所有的待办产生后,系统进行实时处理,计算出所有的接收人,实时推送到用户终端及时提醒。移动端推送由智能工作台监听识别到需要推送的待办,组装消息向第三方推送平台发起请求,由第三方推送平台负责推送给到用户终端。
参考图3所示,对于PC浏览器端使用websocket通讯,在用户访问智能工作台时浏览器向后端发起websocket连接请求,连接成功后通讯通道一直保持,后端监听识别到新的待办产生,实时发送给接收人。websocket是w3c标准,是建立在http协议上的网络协议,实现了浏览器与服务器全双工(full-duplex)通信,即允许服务器主动发送信息给客户端,因此,使用websocket连接,浏览器和服务器只需要完成一次握手,两者之间就直接可以创建持久性的连接,并进行双向数据传输,客户端和服务器之间的数据交换变得简单。待办推送场景较符合使用websocket进行通讯。
从而,企业在不同的发展阶段,对能源能耗关注度不一样;企业地处区域发达程度不同,对能源能耗的关注也不同;企业的自身经营状况、经营者和员工的认知程度等等因素,影响到对能源能耗关注程度不同,进而影响对泛能网的深入使用,也会影响泛能网为广大企业提供更好的服务。泛能网提供广泛的应用组件能够适用于各种企业对能源管理的诉求。本发明是为了解决企业(用户)在使用泛能网业务时主动推荐匹配符合企业现状的、智能推荐企业关注的功能。主要通过泛能网的推荐算法,推荐过程使用基于内容的协同过滤和基于业务功能的协同过滤,以及两者结合使用。通过推荐计算能够智能的匹配用户期望或潜在期望的业务功能,并推荐给用户。
示例性装置
图4是本发明一示例性实施例提供的业务功能智能推荐装置的结构示意图。如图4所示,装置400包括:
采集模块410,用于响应于访问用户的访问操作,采集访问用户的用户信息;
第一确定模块420,用于根据用户信息,基于用户的协同过滤法,确定访问用户的第一推荐业务功能菜单;
第二确定模块430,用于根据用户信息,基于业务功能的协同过滤法,确定访问用户的第二推荐业务功能菜单;
第三确定模块440,用于根据第一推荐业务功能菜单以及第二推荐业务功能菜单,确定最终推荐业务功能菜单,并发送至访问用户的终端。
可选地,用户信息包括:用户个人特征、用户访问特征以及所在企业特征,其中
用户个人特征包括:性别、年龄、岗位、学历以及IT技能;
用户访问特征包括:访问的业务功能、业绩压力、关注的业务功能;
所在企业特征包括:经营状况、所在行业、IT建设水平、能耗关注度以及ESG报告。
可选地,第一确定模块420,包括:
第一确定子模块,用于基于访问用户的用户个人特征、用户访问特征以及所在企业特征,确定相似用户群体;
第二确定子模块,用于计算访问用户和相似用户群体中每个用户的第一相似度,根据相似度结果确定访问用户的推荐用户群体;
第三确定子模块,用于根据推荐用户群体,确定访问用户的第一推荐业务功能菜单。
可选地,第一相似度的计算公式为:
式中,N(A)代表访问用户A偏好的常用菜单功能集合,N(B)代表相似用户全体中用户B偏好的常用菜单功能集合,N(A)∩N(B)代表的是用户A和用户B都偏好的功能菜单集合,N(A)∪N(B)代表的是用户A和用户B偏好功能菜单的集合。
可选地,第二确定模块430,包括:
计算子模块,用于计算各业务功能之间的第二相似度;
第四确定子模块,用于根据第二相似度以及访问用户访问的业务功能,确定访问用户的第二推荐业务功能菜单。
可选地,装置400还包括:
第一设置模块,用于为不同用户设置多个角色,并为每个角色设置业务功能,其中每个用户可以设置一个或多个角色,每个角色包括多个业务功能;
第二设置模块,用于为每个业务功能设置监测指标,其中每个业务功能包括多个监测指标。
可选地,装置400还包括:
第四确定模块,用于响应于用户在业务功能设置的待办事项,确定代办事项的所有接收用户;
推送模块,用于在待办事项的提醒时间将待办事项推送到所有接收用户的用户端。
示例性电子设备
图5是本发明一示例性实施例提供的电子设备的结构。如图5所示,电子设备50包括一个或多个处理器51和存储器52。
处理器51可以是中央处理单元(CPU)或者具有数据处理能力和/或指令执行能力的其他形式的处理单元,并且可以控制电子设备中的其他组件以执行期望的功能。
存储器52可以包括一个或多个计算机程序产品,所述计算机程序产品可以包括各种形式的计算机可读存储介质,例如易失性存储器和/或非易失性存储器。所述易失性存储器例如可以包括随机存取存储器(RAM)和/或高速缓冲存储器(cache)等。所述非易失性存储器例如可以包括只读存储器(ROM)、硬盘、闪存等。在所述计算机可读存储介质上可以存储一个或多个计算机程序指令,处理器51可以运行所述程序指令,以实现上文所述的本发明的各个实施例的软件程序的方法以及/或者其他期望的功能。在一个示例中,电子设备还可以包括:输入装置53和输出装置54,这些组件通过总线系统和/或其他形式的连接机构(未示出)互连。
此外,该输入装置53还可以包括例如键盘、鼠标等等。
该输出装置54可以向外部输出各种信息。该输出装置54可以包括例如显示器、扬声器、打印机、以及通信网络及其所连接的远程输出设备等等。
当然,为了简化,图5中仅示出了该电子设备中与本发明有关的组件中的一些,省略了诸如总线、输入/输出接口等的组件。除此之外,根据具体应用情况,电子设备还可以包括任何其他适当的组件。
示例性计算机程序产品和计算机可读存储介质
除了上述方法和设备以外,本发明的实施例还可以是计算机程序产品,其包括计算机程序指令,所述计算机程序指令在被处理器运行时使得所述处理器执行本说明书上述“示例性方法”部分中描述的根据本发明各种实施例的方法中的步骤。
所述计算机程序产品可以以一种或多种程序设计语言的任意组合来编写用于执行本发明实施例操作的程序代码,所述程序设计语言包括面向对象的程序设计语言,诸如Java、C++等,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设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。
此外,本发明的实施例还可以是计算机可读存储介质,其上存储有计算机程序指令,所述计算机程序指令在被处理器运行时使得所述处理器执行本说明书上述“示例性方法”部分中描述的根据本发明各种实施例的方法中的步骤。
所述计算机可读存储介质可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以包括但不限于电、磁、光、电磁、红外线、或半导体的系统、系统或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(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。
以上结合具体实施例描述了本发明的基本原理,但是,需要指出的是,在本发明中提及的优点、优势、效果等仅是示例而非限制,不能认为这些优点、优势、效果等是本发明的各个实施例必须具备的。另外,上述公开的具体细节仅是为了示例的作用和便于理解的作用,而非限制,上述细节并不限制本发明为必须采用上述具体的细节来实现。
本说明书中各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其它实施例的不同之处,各个实施例之间相同或相似的部分相互参见即可。对于系统实施例而言,由于其与方法实施例基本对应,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
本发明中涉及的器件、系统、设备、系统的方框图仅作为例示性的例子并且不意图要求或暗示必须按照方框图示出的方式进行连接、布置、配置。如本领域技术人员将认识到的,可以按任意方式连接、布置、配置这些器件、系统、设备、系统。诸如“包括”、“包含”、“具有”等等的词语是开放性词汇,指“包括但不限于”,且可与其互换使用。这里所使用的词汇“或”和“和”指词汇“和/或”,且可与其互换使用,除非上下文明确指示不是如此。这里所使用的词汇“诸如”指词组“诸如但不限于”,且可与其互换使用。
可能以许多方式来实现本发明的方法和系统。例如,可通过软件、硬件、固件或者软件、硬件、固件的任何组合来实现本发明的方法和系统。用于所述方法的步骤的上述顺序仅是为了进行说明,本发明的方法的步骤不限于以上具体描述的顺序,除非以其它方式特别说明。此外,在一些实施例中,还可将本发明实施为记录在记录介质中的程序,这些程序包括用于实现根据本发明的方法的机器可读指令。因而,本发明还覆盖存储用于执行根据本发明的方法的程序的记录介质。
还需要指出的是,在本发明的系统、设备和方法中,各部件或各步骤是可以分解和/或重新组合的。这些分解和/或重新组合应视为本发明的等效方案。提供所公开的方面的以上描述以使本领域的任何技术人员能够做出或者使用本发明。对这些方面的各种修改对于本领域技术人员而言是非常显而易见的,并且在此定义的一般原理可以应用于其他方面而不脱离本发明的范围。因此,本发明不意图被限制到在此示出的方面,而是按照与在此公开的原理和新颖的特征一致的最宽范围。
为了例示和描述的目的已经给出了以上描述。此外,此描述不意图将本发明的实施例限制到在此公开的形式。尽管以上已经讨论了多个示例方面和实施例,但是本领域技术人员将认识到其某些变型、修改、改变、添加和子组合。
Claims (10)
1.一种业务功能智能推荐方法,其特征在于,包括:
响应于访问用户的访问操作,采集所述访问用户的用户信息;
根据所述用户信息,基于用户的协同过滤法,确定所述访问用户的第一推荐业务功能菜单;
根据所述用户信息,基于业务功能的协同过滤法,确定所述访问用户的第二推荐业务功能菜单;
根据所述第一推荐业务功能菜单以及所述第二推荐业务功能菜单,确定最终推荐业务功能菜单,并发送至所述访问用户的终端。
2.根据权利要求1所述的方法,其特征在于,所述用户信息包括:用户个人特征、用户访问特征以及所在企业特征,其中
所述用户个人特征包括:性别、年龄、岗位、学历以及IT技能;
所述用户访问特征包括:访问的业务功能、业绩压力、关注的业务功能;
所述所在企业特征包括:经营状况、所在行业、IT建设水平、能耗关注度以及ESG报告。
3.根据权利要求2所述的方法,其特征在于,根据所述用户信息,基于用户的协同过滤法,确定所述访问用户的第一推荐业务功能菜单,包括:
基于所述访问用户的所述用户个人特征、所述用户访问特征以及所述所在企业特征,确定相似用户群体;
计算所述访问用户和所述相似用户群体中每个用户的第一相似度,根据相似度结果确定所述访问用户的推荐用户群体;
根据所述推荐用户群体,确定所述访问用户的第一推荐业务功能菜单。
4.根据权利要求3所述的方法,其特征在于,所述第一相似度的计算公式为:
式中,N(A)代表访问用户A偏好的常用菜单功能集合,N(B)代表相似用户全体中用户B偏好的常用菜单功能集合,N(A)∩N(B)代表的是用户A和用户B都偏好的功能菜单集合,N(A)∪N(B)代表的是用户A和用户B偏好功能菜单的集合。
5.根据权利要求2所述的方法,其特征在于,根据所述用户信息,基于业务功能的协同过滤法,确定所述访问用户的第二推荐业务功能菜单,包括:
计算各业务功能之间的第二相似度;
根据所述第二相似度以及所述访问用户访问的业务功能,确定所述访问用户的所述第二推荐业务功能菜单。
6.根据权利要求1的方法,其特征在于,还包括:
为不同用户设置多个角色,并为每个角色设置业务功能,其中每个用户可以设置一个或多个角色,每个角色包括多个业务功能;
为每个业务功能设置监测指标,其中每个业务功能包括多个监测指标。
7.根据权利要求1所述的方法,其特征在于,还包括:
响应于用户在所述业务功能设置的待办事项,确定所述代办事项的所有接收用户;
在所述待办事项的提醒时间将所述待办事项推送到所有接收用户的用户端。
8.一种业务功能智能推荐装置,其特征在于,包括:
采集模块,用于响应于访问用户的访问操作,采集所述访问用户的用户信息;
第一确定模块,用于根据所述用户信息,基于用户的协同过滤法,确定所述访问用户的第一推荐业务功能菜单;
第二确定模块,用于根据所述用户信息,基于业务功能的协同过滤法,确定所述访问用户的第二推荐业务功能菜单;
第三确定模块,用于根据所述第一推荐业务功能菜单以及所述第二推荐业务功能菜单,确定最终推荐业务功能菜单,并发送至所述访问用户的终端。
9.一种计算机可读存储介质,其特征在于,所述存储介质存储有计算机程序,所述计算机程序用于执行上述权利要求1-7任一所述的方法。
10.一种电子设备,其特征在于,所述电子设备包括:
处理器;
用于存储所述处理器可执行指令的存储器;
所述处理器,用于从所述存储器中读取所述可执行指令,并执行所述指令以实现上述权利要求1-7任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311506233.4A CN117591212A (zh) | 2023-11-13 | 2023-11-13 | 一种业务功能智能推荐方法、装置、介质及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311506233.4A CN117591212A (zh) | 2023-11-13 | 2023-11-13 | 一种业务功能智能推荐方法、装置、介质及设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117591212A true CN117591212A (zh) | 2024-02-23 |
Family
ID=89909157
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311506233.4A Pending CN117591212A (zh) | 2023-11-13 | 2023-11-13 | 一种业务功能智能推荐方法、装置、介质及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117591212A (zh) |
-
2023
- 2023-11-13 CN CN202311506233.4A patent/CN117591212A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5815563B2 (ja) | eコマーストランザクションデータ会計のための方法およびシステム | |
CN106919635B (zh) | 一种群聊天记录查询方法、装置及电子设备 | |
US20150170165A1 (en) | Collecting and presenting information | |
US9098827B2 (en) | Interactive query tool | |
CN111177671B (zh) | 一种数据管理平台、方法及电子设备 | |
US20090019372A1 (en) | Framework for persistent user interactions within web-pages | |
EP3857483A1 (en) | Proactive suggestion for sharing of meeting content | |
US20190188478A1 (en) | Method and apparatus for obtaining video public opinions, computer device and storage medium | |
CN106371973A (zh) | 一种数据处理方法、设备和系统 | |
WO2015002663A1 (en) | Identifying business type using public information | |
CN111444287B (zh) | 图数据库构建方法、关联信息查询方法、装置及计算设备 | |
US20180248837A1 (en) | Interactive splitting of entries in social collaboration environments | |
US20190188224A1 (en) | Method and apparatus for obtaining picture public opinions, computer device and storage medium | |
CN112491617B (zh) | 一种链路跟踪方法、装置、电子设备和介质 | |
US9990116B2 (en) | Systems and methods for self-learning dynamic interfaces | |
CN111178052A (zh) | 构建机器人流程自动化应用的方法和装置 | |
CN112116397A (zh) | 用户行为特征实时处理方法、装置、存储介质及电子设备 | |
CN117591212A (zh) | 一种业务功能智能推荐方法、装置、介质及设备 | |
CN111026796A (zh) | 多源异构数据采集方法、装置、系统、介质和设备 | |
US20170039273A1 (en) | System and method for generating a customized singular activity stream | |
CN116562954A (zh) | 用户渠道归属认定方法、装置、存储介质及程序产品 | |
CN111782776A (zh) | 一种通过填槽实现意图识别的方法和装置 | |
CN111124365A (zh) | Rpa需求收集的方法和装置 | |
CN111984839A (zh) | 绘制用户画像的方法和装置 | |
CN112016081B (zh) | 标识映射的实现方法、装置、介质和电子设备 |
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 |