CN117668363A - 一种推荐方法、装置、设备及介质 - Google Patents
一种推荐方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN117668363A CN117668363A CN202311669673.1A CN202311669673A CN117668363A CN 117668363 A CN117668363 A CN 117668363A CN 202311669673 A CN202311669673 A CN 202311669673A CN 117668363 A CN117668363 A CN 117668363A
- Authority
- CN
- China
- Prior art keywords
- determining
- transaction
- objects
- target object
- target
- 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 47
- 230000006399 behavior Effects 0.000 claims description 48
- 238000004590 computer program Methods 0.000 claims description 16
- 238000012546 transfer Methods 0.000 claims description 8
- 230000004044 response Effects 0.000 claims description 5
- 230000008901 benefit Effects 0.000 claims description 4
- 230000000694 effects Effects 0.000 abstract description 16
- 238000011156 evaluation Methods 0.000 abstract description 3
- 238000012545 processing Methods 0.000 description 10
- 238000004891 communication Methods 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 238000010606 normalization Methods 0.000 description 5
- 230000003993 interaction Effects 0.000 description 4
- 238000010276 construction Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000012098 association analyses Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000013016 damping Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000011425 standardization method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Abstract
本发明公开了一种推荐方法、装置、设备及介质。该方法包括:基于至少一个第一对象的关联信息,确定与第一对象相关联的第二对象以及第三对象;基于各第二对象以及各第三对象,确定目标对象,并确定不同目标对象间的关联属性;对于每个目标对象,基于与当前目标对象相关联的关联目标对象的初始重要属性,以及各关联目标对象与当前目标对象之间的关联属性,确定当前目标对象的待使用重要属性;基于各待使用重要属性,从各第三对象中确定目标推荐第三对象。解决了基于人工经验拓展客户,根据客户反馈进行客户拓展,导致成本高,拓展效果差的问题,实现在提高对象重要性评估准确性的同时,降低对象拓展成本,达到提高拓展对象成功率的效果。
Description
技术领域
本发明涉及计算机处理技术领域,尤其涉及一种推荐方法、装置、设备及介质。
背景技术
随着互联网技术的发展,很多企业为了扩展新客户,通常会利用客户信息从客户中发展一些潜在的客户。
目前,扩展方式主要是由工作人员依据经验通过一些辅助事物(如广告单、金融实体等)对客户进行调查,根据客户反馈,判断是否对客户进行拓展。这种方式不仅成本高,而且客户拓展效果差。
发明内容
本发明提供了一种推荐方法、装置、设备及介质,以实现在提高对象重要性评估准确性的同时,降低对象拓展成本,达到提高拓展对象成功率的效果。
根据本发明的一方面,提供了一种推荐方法,该方法包括:
响应于推荐请求,基于至少一个第一对象的关联信息,确定与所述第一对象相关联的第二对象以及第三对象;其中,所述第二对象与域内对象相对应;所述第三对象与域外对象相对应;
基于各所述第二对象以及各所述第三对象,确定目标对象,并确定不同所述目标对象间的关联属性;
对于每个所述目标对象,基于与当前目标对象相关联的关联目标对象的初始重要属性,以及各所述关联目标对象与所述当前目标对象之间的关联属性,确定所述当前目标对象的待使用重要属性,并将所述待使用重要属性作为所述当前目标对象的初始重要属性,重新执行确定所述当前目标对象的待使用重要属性的操作;
基于各所述待使用重要属性,从各所述第三对象中确定目标推荐第三对象。
根据本发明的另一方面,提供了一种推荐装置,该装置包括:
关联对象确定模块,用于响应于推荐请求,基于至少一个第一对象的关联信息,确定与所述第一对象相关联的第二对象以及第三对象;其中,所述第二对象与域内对象相对应;所述第三对象与域外对象相对应;
关联属性确定模块,用于基于各所述第二对象以及各所述第三对象,确定目标对象,并确定不同所述目标对象间的关联属性;
待使用重要属性确定模块,用于对于每个所述目标对象,基于与当前目标对象相关联的关联目标对象的初始重要属性,以及各所述关联目标对象与所述当前目标对象之间的关联属性,确定所述当前目标对象的待使用重要属性,并将所述待使用重要属性作为所述当前目标对象的初始重要属性,重新执行确定所述当前目标对象的待使用重要属性的操作;
目标推荐第三对象确定模块,用于基于各所述待使用重要属性,从各所述第三对象中确定目标推荐第三对象。
根据本发明的另一方面,提供了一种电子设备,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本发明任一实施例所述的推荐方法。
根据本发明的另一方面,提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现本发明任一实施例所述的推荐方法。
本发明实施例的技术方案,通过基于至少一个第一对象的关联信息,确定与第一对象相关联的第二对象以及第三对象;其中,第二对象与域内对象相对应;第三对象与域外对象相对应;基于各第二对象以及各第三对象,确定目标对象,并确定不同目标对象间的关联属性;对于每个目标对象,基于与当前目标对象相关联的关联目标对象的初始重要属性,以及各关联目标对象与当前目标对象之间的关联属性,确定当前目标对象的待使用重要属性,并将待使用重要属性作为当前目标对象的初始重要属性,重新执行确定当前目标对象的待使用重要属性的操作;基于各待使用重要属性,从各第三对象中确定目标推荐第三对象,解决了现有技术中基于人工经验拓展客户,根据客户反馈进行客户拓展,导致成本高,拓展效果差的问题,实现了通过第一对象的关联信息,确定域内的第二对象以及域外的第三对象,将第二对象和第三对象作为目标对象,进而计算不同目标对象间的关联属性。根据与当前目标对象相关联的关联目标对象的初始重要属性,结合各关联目标对象与当前目标对象之间的关联属性,综合确定当前目标对象的待使用重要属性,并采用迭代计算的方式,调整目标对象的待使用重要属性,提高对象重要性评估的准确性。进而,根据各待使用重要属性,从各第三对象中确定最终用于拓展的目标推荐第三对象,降低对象拓展成本的同时,达到提高拓展对象成功率的效果。
应当理解,本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征,也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是根据本发明实施例一提供的一种推荐方法的流程图;
图2是根据本发明实施例一所提供的知识图谱示意图;
图3是根据本发明实施例二提供的一种推荐装置的结构示意图;
图4是实现本发明实施例的推荐方法的电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例一
图1是根据本发明实施例一提供的一种推荐方法的流程图,本实施例可适用于发现潜在发展对象的情况,该方法可以由推荐装置来执行,该推荐装置可以采用硬件和/或软件的形式实现,该推荐装置可配置于计算设备中。如图1所示,该方法包括:
S110、响应于推荐请求,基于至少一个第一对象的关联信息,确定与第一对象相关联的第二对象以及第三对象。
其中,推荐请求可以是用于请求进行对象推荐的程序或代码。第一对象可以是指企业内部的对象。第二对象与第三对象的对象群体不同,对象可以是指一个具有特定属性或特征的实体,可以是一个用户、事物、概念或任何其他可识别的实体。第二对象与域内对象相对应;第三对象与域外对象相对应。域内和域外是相对而言的,域内对象是指目标管理机构内的管理对象,域外对象是指未在目标管理机构内的对象。例如,域内对象是指企业的实体,域外对象是指还没有发展为企业实体的实体。
在本实施例中,可以预先开发推荐控件,用户可以通过触发(例如单击、双击、长按等)该推荐控件发起推荐请求。可以在检测到了触发推荐控件时,认为系统响应了推荐请求。或者,可以通过接口接收推荐请求,在接收到该推荐请求时,认为系统响应了推荐请求。进一步的,根据至少一个第一对象的关联信息,分别与域内管理的域内对象的关联信息以及域外对象的关联信息进行比对,根据比对结果,从域内对象中选取与第一对象相关联的第二对象,从域外对象选取与第一对象相关联的三对象。例如,关联信息中包括但不限于自身属性信息(如名称)、行为信息(如浏览信息、活动信息等)、交易信息等。
为了提高对象拓展的便捷性和准确性,可以获取第一对象所在位置的位置信息。以在获取到第一对象所在位置的位置信息后,根据该位置信息,发现至少一个潜在对象作为第三对象,便于对第一对象周边的潜在对象进行推荐,提高推荐效率。
在本实施例中,关联信息包括终端位置信息和隶属主体信息,基于至少一个第一对象的关联信息,确定与第一对象相关联的第二对象以及第三对象,包括:基于至少一个第一对象的隶属主体信息,确定与第一对象相关联的第二对象;基于至少一个第一对象的终端位置信息、预先确的搜索半径以及多个待选择的域外对象的关联位置信息,确定与第一对象相关联的第三对象。
具体的,确定每个第一对象的隶属机构作为其隶属主体信息,可以将第一对象隶属主体信息下的所有域内对象均作为第二对象。可以预先设置一个半径,将该半径作为搜索半径。进一步的,根据每个第一对象的终端位置信息,依据搜索半径,比较各域外对象的关联位置信息,可以将在搜索半径范围内的关联位置信息所属域外对象作为第三对象。例如,可以获取第一对象智能终端位置坐标、搜索半径;其中搜索半径可以由用户进行设置;以定终端位置为圆心,在搜索半径内的域外对象均作为第三对象。
需要说明的是,本申请技术方案中对数据的获取、存储、使用、处理等均符合国家法律法规的相关规定,均是在用户知情并允许的情况下进行的。
S120、基于各第二对象以及各第三对象,确定目标对象,并确定不同目标对象间的关联属性。
其中,关联属性可以用于表征两个对象间的关联程度。
在本实施例中,可以将每个第二对象以及每个第三对象均作为目标对象。进一步的,可以通过与各目标对象相关联的关联信息,分析不同目标对象之间的关联关系,确定不同目标对象间的关联属性。
为了提高关联关系分析的准确性,可以获取目标对象间的交互信息,通过两个对象间的交互信息进行对象间的关联属性的确定。
在本实施例中,确定不同目标对象间的关联属性,包括:确定不同目标对象间的交易行为信息;基于各交易行为信息,确定不同目标对象间的关联属性。
其中,交易行为信息中包括交易时长、交易频次和交易数据。交易时长可以是最近一次交易距今时长。交易频次可以是指交易往来的次数。交易数据可以是指交易数值。
在本实施例中,可以获取一定时间内的第二对象与第三对象之间的交易行为信息,相应的,得到不同目标对象间的交易行为信息。进一步的,可以通过各交易行为信息,分析不同目标对象之间的关联关系,确定不同目标对象间的关联属性。示例性的,交易行为信息可以如下表1所示。
表1
需要说明的是,为了提高推荐的精确性以及效率,在确定不同目标对象间的关联属性时,可以确定不同域类型对象间的关联属性。即确定每个第三对象与各第二对象间的关联属性。
为了提高关联属性评定的准确性,还可以对交易行为信息特征进行规范化处理,得到交易时长、交易频次和交易数据的特征值,再根据特征值确定不同目标对象间的关联属性。
可选的,基于各交易行为信息,确定不同目标对象间的关联属性,包括:基于预设评分标准对交易行为信息中的交易时长进行标准化,得到与交易时长相对应的第一标准参数;对交易行为信息中的交易频次进行标准化,得到与交易频次相对应的第二标准参数;对交易行为信息中的交易数据进行标准化,得到与交易数据相对应的第三标准参数;对于任意两个目标对象,基于两个目标对象间的交易时长所对应的第一标准参数、交易频次所对应的第二标准参数、交易数据所对应的第三标准参数和相应的权重,确定两个目标对象间的关联属性。
其中,预设评分标准可以是用来衡量对象间交易行为活跃性的方式。例如,预设评分标准中包含不同交易时长所对应的评分,通过交易时长的评分表征对象间交易行为活跃性,如,交易时长越长,评分越低,对象间交易行为活跃性低;交易时长越短,评分越高,对象间交易行为活跃性高。
在本实施例中,可以预先配置预设评分标准,通过预设评分标准分别对各交易行为信息中的交易时长进行标准化,得到对交易时长的评分,作为该交易时长的第一标准参数。同时,可以根据标准化方法分别对交易行为信息中的交易频次进行标准化,得到与交易频次相对应的第二标准参数。也可以根据标准化方法分别对交易行为信息中的交易数据进行标准化,得到与交易数据相对应的第三标准参数。可选的,标准化方法可以为最小值-最大化标准化方法。例如,可以利用最小值-最大值标准化的方法进行交易频次、交易数据规范化处理。其中,最小值-最大化标准化方法是指对原始数据的线性变换,使结果值映射到[0-1]之间。如可以按照如公式(1)进行线性变换:(1)。其中,x为原数据值(可指代交易频次、交易数据),max为数据值中的最大值,min为数据值中的最小值;x’为对原数据值转换后的结果值(即标准参数)。进一步的,对于任意的两个目标对象,可以将这两个目标对象间的交易时长所对应的第一标准参数、交易频次所对应的第二标准参数、交易数据所对应的第三标准参数和相应的权重进行加权处理,得到这两个目标对象间的关联属性。
示例性的,关联属性=Wr*R+Wf*F+Wm*M;其中,R代表最近一次交易时间间隔(即交易时长)对应的第一标准参数,F代表交易频次对应的第二标准参数,M代表交易数值对应的第三标准参数;Wr、Wf、Wm分别为R、F、M的权重,Wr+Wf+Wm=1,权重值可以利用熵权法进行设定。目标对象间交易频次体现了对象的忠诚度,交易频次越多则代表对象间的忠诚度较高,交易频次越少代表对象间忠诚度越低。F值区间可以为[0,1]。R值越高,表示交易日期越近,视为与双方高活跃。其中参数R可以根据预设评分标准进行标准化。预设评分标准可以为:
其中,x表示交易时长。
在本实施例中,对交易行为信息中的交易频次进行标准化,得到与交易频次相对应的第二标准参数,包括:确定所有交易行为信息中的最大交易频次和最小交易频次,并基于最大交易频次和最小交易频次确定频次差值;对于各交易行为信息中的交易频次,基于当前交易频次、频次差值、最小交易频次以及预设频次阈值,确定与交易频次相对应的第二标准参数。
需要说明的是,确定每个交易频次所对应的第二标准参数的方式均相同,可以以确定其中任一交易频次所对应的第二标准参数为例进行介绍。
在实际应用中,可以从所有的交易行为信息中选取出最大交易频次和最小交易频次。对最大交易频次和最小交易频次进行差值处理,得到两者之间的频次差值。可以使用最小值-最大化标准化方法依据最大交易频次和最小交易频次、频次差值确定当前交易频次所对应的第二标准参数。考虑到交易业务的特点,在数据标准化处理时还需要对每个特征设置数据阈值,对超过阈值的数据归为最大值,提高对象间关联属性确定的准确性。基于此,可以将当前交易频次和预设频次阈值进行对比,如果当前交易频次大于预设频次阈值,可以将当前交易频次的第二标准参数设置为预设标准参数(如1,表示频次高,对象间的忠诚度高);如果当前交易频次小于预设频次阈值,可以计算当前交易频次与最小交易频次之间的差值,再将该差值与最大交易频次和最小交易频次两者之间的频次差值作商处理,得到的商值可以作为当前交易频次的第二标准参数。
示例性的,可以按照公式(2)确定各交易频次的第二标准参数:
其中,xT为交易频次特征对应的预设频次阈值。
需要说明的是,对交易行为信息中的交易频次进行标准化,得到与交易频次相对应的第二标准参数的方式,与对交易行为信息中的交易数据进行标准化,得到与交易频次相对应的第二标准参数的方式类似,在此不做赘述。
在本实施例中,还可以将对交易时长、交易数据和交易频次进行标准化的方式集成在RFM模型中。进而,基于RFM模型通过交易行为信息来衡量不同目标对象的相关性评分,即关联属性,其中关联属性的范围是[0,1]。关联属性越高,表示对象双方的相关性越高。通过Wr*R+Wf*F+Wm*M,计算得到目标对象间的关联属性,可参见下表2。
表2
需要说明的是,在确定不同目标对象间的关联属性之后,需要根据关联属性来评定每个目标对象的重要程度,以通过目标对象的重要程度来选取目标推荐的第三对象。考虑到交易关系中不同的目标对象,一个是主动交易对象,另一个是被动交易对象,不同的交易关系表示对象的重要程度不同,为了提高对象重要程度确定的效率,可以基于不同目标对象间的关联属性、交易关系、构建交易关系知识图谱,通过知识图谱明确交易关系,便于后续对目标对象重要程度的确定。
在本实施例中,在基于各交易行为信息,确定不同目标对象间的关联属性之后,包括:将目标对象作为知识图谱中的实体,将目标对象间的关联属性作为知识图谱中相应实体间的关系,并基于目标对象间的交易属性确定关系的方向,以得到有向图的知识图谱。
其中,交易属性为权益转入和权益转出。权益转入和权益转出是相对而言的,如果一方为权益转出,另一方则为权益转入。
具体的,可以将每个目标对象均作为知识图谱中的实体。通过目标对象间的关联属性为知识图谱中相应两个实体配置关系,用目标对象间的交易属性来标定关系的方向,得到有向图的知识图谱。示例性的,参见图2,可以表示知识图谱的简易图,其中A、B、C、D分别为目标对象,图中的有向边为对象间的交易关系,A->B的有向边,即为A向B存在一定数值和频率的交易,具体的交易关系用关联属性表示,关联属性越高,A与B关系越紧密。
S130、对于每个目标对象,基于与当前目标对象相关联的关联目标对象的初始重要属性,以及各关联目标对象与当前目标对象之间的关联属性,确定当前目标对象的待使用重要属性,并将待使用重要属性作为当前目标对象的初始重要属性,重新执行确定当前目标对象的待使用重要属性的操作。
其中,最初的初始重要属性可以是根据与目标对象存在交易关系的对象数量确定的,也可以是根据向目标对象转入权益的对象的数量确定的,例如,可以根据预先构建的知识图谱中表征目标对象的实体的入度确定该目标对象的初始重要属性。后续的初始重要属性即是由目标对象的待使用重要属性进行更新的。需要说明的是,确定每个目标对象的待使用重要属性的方式均相同,可以以其中任一目标对象作为当前目标对象,以确定当前目标对象的待使用重要属性为例进行介绍。
在本实施例中,可以将与当前目标对象存在交易关系的目标对象均作为与当前相关联的关联目标对象。通过各关联目标对象的初始重要属性,以及各关联目标对象与当前目标对象之间的关联属性,评估当前目标对象的重要度,作为待使用重要属性。进一步的,可以将待使用重要属性重新作为当前目标对象的初始重要属性。进而,进行下一轮确定当前目标对象的待使用重要属性的计算,重新执行确定当前目标对象的待使用重要属性的操作,如此迭代计算,可以在达到预设迭代结束条件时,结束迭代计算,得到各目标对象最终对应的待使用重要属性。例如,预设迭代结束条件可以为达到预设迭代次数,或者,目标对象相邻两次的待使用重要属性之间的误差达到预设损失值。
示例性的,可以根据公式(3)确定目标对象的待使用重要属性。
其中,d为阻尼因子,用于解决迭代过程中的收敛问题。PR(u)n为第n次迭代时目标对象u的待使用重要属性。Bu为目标对象u的关联目标对象的集合。RFMuv为目标对象u与关联目标对象v的关联属性。N为目标对象的数量。
需要说明的是,如果一个对象与很多其他对象存在交易关系说明这个对象比较重要,也就是重要度会相对较高;如果一个重要度很高的对象与一个其他的对象存在交易关系,那么这个其他的对象的重要度会相应地因此而提高。对象间的相关性取决于两个对象间的关联属性。总得来说,对象之间的关联的关系越多,其对相关性权重越重要。为了提高计算效率,可以通过预先构建的知识图谱查找与当前目标对象存在关联关系的关联目标对象,以及各关联目标对象与当前目标对象之间的关联属性。
在本实施例中,基于与当前目标对象相关联的关联目标对象的初始重要属性,以及各关联目标对象与当前目标对象之间的关联属性,确定当前目标对象的待使用重要属性,包括:基于知识图谱中的与当前目标对象相对应的当前实体、与当前实体相关联的关系实体、当前实体与各关系实体之间的关系以及相应的方向,确定与当前目标对象相关联的关联目标对象,以及各关联目标对象与当前目标对象之间的关联属性;对于各关联目标对象,基于关联目标对象的初始重要属性,以及关联目标对象与当前目标对象之间的关联属性,确定当前目标对象在关联目标对象下的影响度;基于各影响度,确定当前目标对象的待使用重要属性。
具体的,可以从知识图谱中查找与当前目标对象相对应的当前实体,进而,根据当前实体查找与当前实体存在关系的关系实体,查找到当前实体与各关系实体之间的关系上的信息,即查找到了当前目标对象与各关联目标对象之间的关联属性。可以根据关系的方向确定以当前目标对象为被动交易对象的关联目标对象,即当前目标对象实体的入链集合。可以将关联目标对象的初始重要属性与该关联目标对象与当前目标对象之间的关联属性进行乘积,乘积值可作为当前目标对象在关联目标对象下的影响度。根据所有的影响度的总和,确定当前目标对象的待使用重要属性,参见公式(3)。这样统计所有能给当前目标对象带来交易的关联目标对象的总和,来评估当前目标对象的影响力。通过迭代计算获得所有目标对象的待使用重要属性,以通过待使用重要属性选取目标推荐的第三对象。
S140、基于各待使用重要属性,从各第三对象中确定目标推荐第三对象。
在在本实施例中,可以根据各待使用重要属性的大小,从各第三对象中确定目标推荐第三对象,这些目标推荐第三对象即为最终确定的潜在发展对象。例如,将目标对象中的各第三对象对应的待使用重要属性由大到小排序,待使用重要属性越高,代表与域内第二对象的相关性越紧密,关系关联度高,可以表示为推荐价值高。将排在前面的预设数量的第三对象作为目标推荐第三对象;或者,可以将各第三对象对应的待使用重要属性与预设阈值进行比对,将待使用重要属性达到预设阈值的第三对象作为目标推荐第三对象。
在在本实施例中,还可以为目标推荐第三对象生成此对象的交易画像,其中对象画像包括此域外对象的详细信息,包含:对象的基本属性、对象的交易情况、偏好等指标数据。基于对象画像及交易关系生成拓展线索报告。为用户提供按相关性排序的域外对象拓展线索。本实施例所提供的技术方案,通过基于域内对象信息与交易行为数据,对域外对象计算交易关联关系的紧密程度。同时,结合知识图谱中有向边的关系权重,对域外对象进行重要属性排序,重要属性反映域内对象与域外对象的关系紧密程度,即为拓展线索价值,依照排序提供详细的拓展报告,提供客户画像及关系线索,提供用户的对象拓展线索,提高拓展对象成功率。
本实施例的技术方案,通过基于至少一个第一对象的关联信息,确定与第一对象相关联的第二对象以及第三对象;其中,第二对象与域内对象相对应;第三对象与域外对象相对应;基于各第二对象以及各第三对象,确定目标对象,并确定不同目标对象间的关联属性;对于每个目标对象,基于与当前目标对象相关联的关联目标对象的初始重要属性,以及各关联目标对象与当前目标对象之间的关联属性,确定当前目标对象的待使用重要属性,并将待使用重要属性作为当前目标对象的初始重要属性,重新执行确定当前目标对象的待使用重要属性的操作;基于各待使用重要属性,从各第三对象中确定目标推荐第三对象,解决了现有技术中基于人工经验拓展客户,根据客户反馈进行客户拓展,导致成本高,拓展效果差的问题,实现了通过第一对象的关联信息,确定域内的第二对象以及域外的第三对象,将第二对象和第三对象作为目标对象,进而计算不同目标对象间的关联属性。根据与当前目标对象相关联的关联目标对象的初始重要属性,结合各关联目标对象与当前目标对象之间的关联属性,综合确定当前目标对象的待使用重要属性,并采用迭代计算的方式,调整目标对象的待使用重要属性,提高对象重要性评估的准确性。进而,根据各待使用重要属性,从各第三对象中确定最终用于拓展的目标推荐第三对象,降低对象拓展成本的同时,达到提高拓展对象成功率的效果。
实施例二
图3是根据本发明实施例二提供的一种推荐装置的结构示意图。如图3所示,该装置包括:关联对象确定模块210、关联属性确定模块220、待使用重要属性确定模块230和目标推荐第三对象确定模块240。
其中,关联对象确定模块210,用于响应于推荐请求,基于至少一个第一对象的关联信息,确定与所述第一对象相关联的第二对象以及第三对象;其中,所述第二对象与域内对象相对应;所述第三对象与域外对象相对应;关联属性确定模块220,用于基于各所述第二对象以及各所述第三对象,确定目标对象,并确定不同所述目标对象间的关联属性;待使用重要属性确定模块230,用于对于每个所述目标对象,基于与当前目标对象相关联的关联目标对象的初始重要属性,以及各所述关联目标对象与所述当前目标对象之间的关联属性,确定所述当前目标对象的待使用重要属性,并将所述待使用重要属性作为所述当前目标对象的初始重要属性,重新执行确定所述当前目标对象的待使用重要属性的操作;目标推荐第三对象确定模块240,用于基于各所述待使用重要属性,从各所述第三对象中确定目标推荐第三对象。
本实施例的技术方案,通过基于至少一个第一对象的关联信息,确定与第一对象相关联的第二对象以及第三对象;其中,第二对象与域内对象相对应;第三对象与域外对象相对应;基于各第二对象以及各第三对象,确定目标对象,并确定不同目标对象间的关联属性;对于每个目标对象,基于与当前目标对象相关联的关联目标对象的初始重要属性,以及各关联目标对象与当前目标对象之间的关联属性,确定当前目标对象的待使用重要属性,并将待使用重要属性作为当前目标对象的初始重要属性,重新执行确定当前目标对象的待使用重要属性的操作;基于各待使用重要属性,从各第三对象中确定目标推荐第三对象,解决了现有技术中基于人工经验拓展客户,根据客户反馈进行客户拓展,导致成本高,拓展效果差的问题,实现了通过第一对象的关联信息,确定域内的第二对象以及域外的第三对象,将第二对象和第三对象作为目标对象,进而计算不同目标对象间的关联属性。根据与当前目标对象相关联的关联目标对象的初始重要属性,结合各关联目标对象与当前目标对象之间的关联属性,综合确定当前目标对象的待使用重要属性,并采用迭代计算的方式,调整目标对象的待使用重要属性,提高对象重要性评估的准确性。进而,根据各待使用重要属性,从各第三对象中确定最终用于拓展的目标推荐第三对象,降低对象拓展成本的同时,达到提高拓展对象成功率的效果。
在上述装置的基础上,可选的,所述关联信息包括终端位置信息和隶属主体信息,所述关联对象确定模块210,包括第二对象确定单元和第三对象确定单元。
第二对象确定单元,用于基于至少一个第一对象的隶属主体信息,确定与所述第一对象相关联的第二对象;
第三对象确定单元,用于基于至少一个第一对象的终端位置信息、预先确的搜索半径以及多个待选择的域外对象的关联位置信息,确定与所述第一对象相关联的第三对象。
在上述装置的基础上,可选的,所述关联属性确定模块220,包括交易行为信息确定单元和关联属性确定单元。
交易行为信息确定单元,用于确定不同所述目标对象间的交易行为信息;其中,所述交易行为信息中包括交易时长、交易频次和交易数据;
关联属性确定单元,用于基于各所述交易行为信息,确定不同所述目标对象间的关联属性。
在上述装置的基础上,可选的,所述关联属性确定单元,包括第一标准参数确定单元、第二标准参数确定单元、第三标准参数确定单元和关联属性确定子单元。
第一标准参数确定单元,用于基于预设评分标准对所述交易行为信息中的交易时长进行标准化,得到与所述交易时长相对应的第一标准参数;
第二标准参数确定单元,用于对所述交易行为信息中的交易频次进行标准化,得到与所述交易频次相对应的第二标准参数;
第三标准参数确定单元,用于对所述交易行为信息中的交易数据进行标准化,得到与所述交易数据相对应的第三标准参数;
关联属性确定子单元,用于对于任意两个目标对象,基于两个所述目标对象间的交易时长所对应的第一标准参数、交易频次所对应的第二标准参数、交易数据所对应的第三标准参数和相应的权重,确定两个所述目标对象间的关联属性。
在上述装置的基础上,可选的,所述第二标准参数确定单元,包括频次差值确定单元和第二标准参数确定小单元。
频次差值确定单元,用于确定所有所述交易行为信息中的最大交易频次和最小交易频次,并基于所述最大交易频次和最小交易频次确定频次差值;
第二标准参数确定小单元,用于对于各所述交易行为信息中的交易频次,基于当前交易频次、所述频次差值、所述最小交易频次以及预设频次阈值,确定与所述交易频次相对应的第二标准参数。
在上述装置的基础上,可选的,所述装置还包括知识图谱构建模块,所述知识图谱构建模块,用于将所述目标对象作为知识图谱中的实体,将所述目标对象间的关联属性作为所述知识图谱中相应实体间的关系,并基于所述目标对象间的交易属性确定所述关系的方向,以得到有向图的知识图谱;其中,所述交易属性为权益转入和权益转出。
在上述装置的基础上,可选的,待使用重要属性确定模块230包括查找单元、影响度确定单元和待使用重要属性确定单元。
查找单元,用于基于知识图谱中的与当前目标对象相对应的当前实体、与所述当前实体相关联的关系实体、所述当前实体与各所述关系实体之间的关系以及相应的方向,确定与当前目标对象相关联的关联目标对象,以及各所述关联目标对象与所述当前目标对象之间的关联属性;
影响度确定单元,用于对于各所述关联目标对象,基于所述关联目标对象的初始重要属性,以及所述关联目标对象与所述当前目标对象之间的关联属性,确定所述当前目标对象在所述关联目标对象下的影响度;
待使用重要属性确定单元,用于基于各所述影响度,确定所述当前目标对象的待使用重要属性。
本发明实施例所提供的推荐装置可执行本发明任意实施例所提供的推荐方法,具备执行方法相应的功能模块和有益效果。
实施例四
图4是实现本发明实施例的推荐方法的电子设备的结构示意图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本发明的实现。
如图4所示,电子设备10包括至少一个处理器11,以及与至少一个处理器11通信连接的存储器,如只读存储器(ROM)12、随机访问存储器(RAM)13等,其中,存储器存储有可被至少一个处理器执行的计算机程序,处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序,来执行各种适当的动作和处理。在RAM 13中,还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。
电子设备10中的多个部件连接至I/O接口15,包括:输入单元16,例如键盘、鼠标等;输出单元17,例如各种类型的显示器、扬声器等;存储单元18,例如磁盘、光盘等;以及通信单元19,例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理,例如推荐方法。
在一些实施例中,推荐方法可被实现为计算机程序,其被有形地包含于计算机可读存储介质,例如存储单元18。在一些实施例中,计算机程序的部分或者全部可以经由ROM12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到RAM 13并由处理器11执行时,可以执行上文描述的推荐方法的一个或多个步骤。备选地,在其他实施例中,处理器11可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行推荐方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器,使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本发明的上下文中,计算机可读存储介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。备选地,计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在电子设备上实施此处描述的系统和技术,该电子设备具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)、区块链网络和互联网。
计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务中,存在的管理难度大,业务扩展性弱的缺陷。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本发明的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
Claims (10)
1.一种推荐方法,其特征在于,包括:
响应于推荐请求,基于至少一个第一对象的关联信息,确定与所述第一对象相关联的第二对象以及第三对象;其中,所述第二对象与域内对象相对应;所述第三对象与域外对象相对应;
基于各所述第二对象以及各所述第三对象,确定目标对象,并确定不同所述目标对象间的关联属性;
对于每个所述目标对象,基于与当前目标对象相关联的关联目标对象的初始重要属性,以及各所述关联目标对象与所述当前目标对象之间的关联属性,确定所述当前目标对象的待使用重要属性,并将所述待使用重要属性作为所述当前目标对象的初始重要属性,重新执行确定所述当前目标对象的待使用重要属性的操作;
基于各所述待使用重要属性,从各所述第三对象中确定目标推荐第三对象。
2.根据权利要求1所述的方法,其特征在于,所述关联信息包括终端位置信息和隶属主体信息,所述基于至少一个第一对象的关联信息,确定与所述第一对象相关联的第二对象以及第三对象,包括:
基于至少一个第一对象的隶属主体信息,确定与所述第一对象相关联的第二对象;
基于至少一个第一对象的终端位置信息、预先确的搜索半径以及多个待选择的域外对象的关联位置信息,确定与所述第一对象相关联的第三对象。
3.根据权利要求1所述的方法,其特征在于,所述确定不同所述目标对象间的关联属性,包括:
确定不同所述目标对象间的交易行为信息;其中,所述交易行为信息中包括交易时长、交易频次和交易数据;
基于各所述交易行为信息,确定不同所述目标对象间的关联属性。
4.根据权利要求3所述的方法,其特征在于,所述基于各所述交易行为信息,确定不同所述目标对象间的关联属性,包括:
基于预设评分标准对所述交易行为信息中的交易时长进行标准化,得到与所述交易时长相对应的第一标准参数;
对所述交易行为信息中的交易频次进行标准化,得到与所述交易频次相对应的第二标准参数;
对所述交易行为信息中的交易数据进行标准化,得到与所述交易数据相对应的第三标准参数;
对于任意两个目标对象,基于两个所述目标对象间的交易时长所对应的第一标准参数、交易频次所对应的第二标准参数、交易数据所对应的第三标准参数和相应的权重,确定两个所述目标对象间的关联属性。
5.根据权利要求4所述的方法,其特征在于,所述对所述交易行为信息中的交易频次进行标准化,得到与所述交易频次相对应的第二标准参数,包括:
确定所有所述交易行为信息中的最大交易频次和最小交易频次,并基于所述最大交易频次和最小交易频次确定频次差值;
对于各所述交易行为信息中的交易频次,基于当前交易频次、所述频次差值、所述最小交易频次以及预设频次阈值,确定与所述交易频次相对应的第二标准参数。
6.根据权利要求3所述的方法,其特征在于,在所述基于各所述交易行为信息,确定不同所述目标对象间的关联属性之后,包括:
将所述目标对象作为知识图谱中的实体,将所述目标对象间的关联属性作为所述知识图谱中相应实体间的关系,并基于所述目标对象间的交易属性确定所述关系的方向,以得到有向图的知识图谱;其中,所述交易属性为权益转入和权益转出。
7.根据权利要求6所述的方法,其特征在于,所述基于与当前目标对象相关联的关联目标对象的初始重要属性,以及各所述关联目标对象与所述当前目标对象之间的关联属性,确定所述当前目标对象的待使用重要属性,包括:
基于知识图谱中的与当前目标对象相对应的当前实体、与所述当前实体相关联的关系实体、所述当前实体与各所述关系实体之间的关系以及相应的方向,确定与当前目标对象相关联的关联目标对象,以及各所述关联目标对象与所述当前目标对象之间的关联属性;
对于各所述关联目标对象,基于所述关联目标对象的初始重要属性,以及所述关联目标对象与所述当前目标对象之间的关联属性,确定所述当前目标对象在所述关联目标对象下的影响度;
基于各所述影响度,确定所述当前目标对象的待使用重要属性。
8.一种推荐装置,其特征在于,包括:
关联对象确定模块,用于响应于推荐请求,基于至少一个第一对象的关联信息,确定与所述第一对象相关联的第二对象以及第三对象;其中,所述第二对象与域内对象相对应;所述第三对象与域外对象相对应;
关联属性确定模块,用于基于各所述第二对象以及各所述第三对象,确定目标对象,并确定不同所述目标对象间的关联属性;
待使用重要属性确定模块,用于对于每个所述目标对象,基于与当前目标对象相关联的关联目标对象的初始重要属性,以及各所述关联目标对象与所述当前目标对象之间的关联属性,确定所述当前目标对象的待使用重要属性,并将所述待使用重要属性作为所述当前目标对象的初始重要属性,重新执行确定所述当前目标对象的待使用重要属性的操作;
目标推荐第三对象确定模块,用于基于各所述待使用重要属性,从各所述第三对象中确定目标推荐第三对象。
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权利要求1-7中任一项所述的推荐方法。
10.一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存储有计算机指令,所述计算机指令用于使处理器执行时实现权利要求1-7中任一项所述的推荐方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311669673.1A CN117668363A (zh) | 2023-12-07 | 2023-12-07 | 一种推荐方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311669673.1A CN117668363A (zh) | 2023-12-07 | 2023-12-07 | 一种推荐方法、装置、设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117668363A true CN117668363A (zh) | 2024-03-08 |
Family
ID=90072959
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311669673.1A Pending CN117668363A (zh) | 2023-12-07 | 2023-12-07 | 一种推荐方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117668363A (zh) |
-
2023
- 2023-12-07 CN CN202311669673.1A patent/CN117668363A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104081392A (zh) | 社会媒体配置文件的影响评分 | |
CN114580916A (zh) | 一种企业风险评估方法、装置、电子设备及存储介质 | |
CN113205189B (zh) | 训练预测模型的方法、预测方法及装置 | |
CN107291923B (zh) | 信息处理方法和装置 | |
CN117273450A (zh) | 一种电力系统风险评估方法、装置、设备及存储介质 | |
CN115145587A (zh) | 一种产品参数校验方法、装置、电子设备及存储介质 | |
CN114862479A (zh) | 信息推送方法、装置、电子设备和介质 | |
CN117668363A (zh) | 一种推荐方法、装置、设备及介质 | |
CN114490406A (zh) | 测试覆盖项管理方法、装置、设备及介质 | |
US11010368B1 (en) | Writing incoming items to a database based on location of similar items in a database | |
CN113761379B (zh) | 商品推荐方法及装置、电子设备和介质 | |
CN113239296B (zh) | 小程序的展示方法、装置、设备和介质 | |
CN113238765B (zh) | 小程序的分发方法、装置、设备和存储介质 | |
CN117575655A (zh) | 一种产品信息传输方法、装置、设备及存储介质 | |
CN116610581A (zh) | 一种测试结果生成方法及装置 | |
CN114926002A (zh) | 客户亲密度判定方法、装置、设备、介质和程序产品 | |
CN113763070A (zh) | 信息推荐方法和装置 | |
CN116228382A (zh) | 数据处理方法、装置、电子设备以及存储介质 | |
CN115034893A (zh) | 深度学习模型的训练方法、风险评估方法和装置 | |
CN117272099A (zh) | 基于人工智能的运营系统优化方法、装置及计算机设备 | |
CN115952403A (zh) | 评估对象性能的方法、装置、电子设备及存储介质 | |
CN115599998A (zh) | 一种信息生成方法、装置、存储介质、电子设备及产品 | |
CN117611324A (zh) | 信用评级方法、装置、电子设备和存储介质 | |
CN117437033A (zh) | 一种预警方法、装置、设备和可读存储介质 | |
CN114615092A (zh) | 网络攻击序列生成方法、装置、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 |