TW201820230A - 業務對象屬性標識的生成方法、裝置和系統 - Google Patents

業務對象屬性標識的生成方法、裝置和系統 Download PDF

Info

Publication number
TW201820230A
TW201820230A TW106127144A TW106127144A TW201820230A TW 201820230 A TW201820230 A TW 201820230A TW 106127144 A TW106127144 A TW 106127144A TW 106127144 A TW106127144 A TW 106127144A TW 201820230 A TW201820230 A TW 201820230A
Authority
TW
Taiwan
Prior art keywords
business object
business
user
cluster
degree
Prior art date
Application number
TW106127144A
Other languages
English (en)
Other versions
TWI787196B (zh
Inventor
郝智恒
李萍
張澤聰
沈晶晶
李江
Original Assignee
香港商阿里巴巴集團服務有限公司
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 香港商阿里巴巴集團服務有限公司 filed Critical 香港商阿里巴巴集團服務有限公司
Publication of TW201820230A publication Critical patent/TW201820230A/zh
Application granted granted Critical
Publication of TWI787196B publication Critical patent/TWI787196B/zh

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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9535—Search customisation based on user profiles and personalisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • 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
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0241—Advertisements
    • G06Q30/0251—Targeted advertisements
    • G06Q30/0255—Targeted advertisements based on user history
    • 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
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0241—Advertisements
    • G06Q30/0251—Targeted advertisements
    • G06Q30/0269—Targeted advertisements based on user profile or attribute
    • G06Q30/0271—Personalized advertisement
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2216/00—Indexing scheme relating to additional aspects of information retrieval not explicitly covered by G06F16/00 and subgroups
    • G06F2216/03—Data mining

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Accounting & Taxation (AREA)
  • Development Economics (AREA)
  • Finance (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)

Abstract

本發明實施例提供了一種業務對象屬性標識的生成方法、裝置和系統，所述方法包括：根據用戶針對業務對象的行為資訊，確定不同業務對象之間的關聯度；依據所述關聯度生成業務對象集群；提取所述業務對象集群的用戶標籤；根據所述用戶標籤生成對應的業務對象集群的屬性標識，本發明實施例通過抽取出業務對象本身所蘊含的和用戶行為相關的資訊，這些資訊並非通過業務對象本身的某種維度進行劃分，而是通過用戶針對業務對象的行為資訊，自動挖掘識別出來，可以有效提升對業務對象的屬性標識的識別的精準度。

Description

業務對象屬性標識的生成方法、裝置和系統
本發明涉及電腦技術領域，特別是涉及一種業務對象屬性標識的生成方法、一種業務對象屬性標識的生成裝置、一種用於生成業務對象屬性標識的終端、一種用於生成業務對象屬性標識的伺服器和一種業務對象屬性標識的生成系統。
針對電子商務類的網站而言，每種業務對象都會有一些用於體現自身特性的屬性，例如，某品牌商品的風格、所針對的消費群體以及該品牌的主推市場等等。
當業務對象在上線做推廣時，通常都是基於這些屬性來制定推廣的策略。一種方式是根據業務對象的屬性來圈定目標用戶，例如，業務對象方根據該業務對象的屬性，圈定目標用戶為生活在一線城市、年齡在28-35歲之間，最近瀏覽過某商品的女性，然後，將業務對象推薦給上述所圈定的用戶。另一種方式是根據機器學習算法，根據業務對象的屬性，對用戶對該業務對象的偏好進行預測，然後將點擊或搜索該業務對象或其他類似業務對象的概率超過一定閾值的用戶圈選出來作為目標用戶，然後進行定向 推薦。
在上述第一種方式中，由於需要業務對象方自己對業務對象的屬性作出判斷，然後圈選目標用戶，因此受到業務對象方的主觀因素的影響，無法精準地圈選目標用戶。而第二種方式，由於使用機器學習算法，在算法目標函數(比如轉化率)固定的情況下，並且在算法特徵工程對用於以及業務對象的屬性抽取有侷限性的情況下，容易陷入馬太效應，例如，對於新上線的業務對象，並沒有太多的用戶的資料，機器學習算法往往無法找到比較合適的目標用戶。
鑒於上述問題，提出了本發明實施例以便提供一種克服上述問題或者至少部分地解決上述問題的一種業務對象屬性標識的生成方法、一種業務對象屬性標識的生成裝置、一種用於生成業務對象屬性標識的終端、一種用於生成業務對象屬性標識的伺服器和相應的一種業務對象屬性標識的生成系統。
為了解決上述問題，本發明公開了一種業務對象屬性標識的生成系統，包括：採集單元、顯示單元和伺服器；所述採集單元，採集用戶針對業務對象的行為資訊，並將所述行為資訊發送至伺服器；所述伺服器，在接收到所述採集單元發送的所述用戶針對業務對象的行為資訊後，確定不同業務對象之間的關 聯度，依據所述關聯度生成業務對象集群；所述顯示單元，從伺服器中提取所述業務對象集群的用戶標籤，根據所述用戶標籤生成對應的業務對象集群的屬性標識。
為了解決上述問題，本發明還公開了一種業務對象屬性標識的生成方法，包括：根據用戶針對業務對象的行為資訊，確定不同業務對象之間的關聯度；依據所述關聯度生成業務對象集群；提取所述業務對象集群的用戶標籤；根據所述用戶標籤生成對應的業務對象集群的屬性標識。
可選地，所述用戶針對業務對象的行為資訊通過如下方式獲取：選定初始業務對象集群；提取在預設時間範圍內用戶針對所述初始業務對象集群的行為資訊。
可選地，所述根據用戶針對業務對象的行為資訊，確定不同業務對象之間的關聯度的步驟包括：根據用戶針對業務對象的行為資訊，生成每個業務對象的向量表達式；採用所述向量表達式，確定不同業務對象之間的相似度和支持度；採用所述相似度和支持度，確定所述不同業務對象之 間的關聯度。
可選地，所述採用所述相似度和支持度，確定所述不同業務對象之間的關聯度的步驟包括：對所述相似度和支持度進行加權，獲得不同業務對象之間的關聯度。
可選地，所述行為資訊包括第一行為資訊，和/或，第二行為資訊，所述根據用戶針對業務對象的行為資訊，確定不同業務對象之間的相似度的步驟還包括：根據所述第一行為資訊，確定不同業務對象之間的第一關聯度；根據所述第二行為資訊，確定所述不同業務對象之間的第二關聯度；對所述第一關聯度和第二關聯度進行加權，獲得所述不同業務對象之間的關聯度。
可選地，所述依據所述關聯度生成業務對象集群的步驟包括：當不同業務對象之間的關聯度超過第一預設閾值時，識別所述不同業務對象之間具有目標關係；根據全部業務對象之間的目標關係，生成業務對象關係圖譜；採用所述業務對象關係圖譜，將所述業務對象劃分為多個業務對象集群。
可選地，所述根據全部業務對象之間的目標關係，生成業務對象關係圖譜的步驟包括： 分別連接具有所述目標關係的不同業務對象，獲得業務對象關係圖譜。
可選地，所述採用所述業務對象關係圖譜，將所述業務對象劃分為多個業務對象集群的步驟包括：對所述業務對象關係圖譜中的每個業務對象配置標籤；將每個業務對象的標籤傳遞至相連的業務對象；從每個業務對象接收到的標籤中，按照標籤的數量選取一個標籤作為所擁有的標籤；判斷在所述業務對象關係圖譜中，每個業務對象所擁有的標籤是否發生變化，或者，當前是否小於預設的最大迭代次數；若是，則返回執行所述將每個業務對象的標籤傳遞至相連的業務對象的步驟；若否，則將擁有相同標籤的業務對象劃分為業務對象集群。
可選地，在所述採用所述業務對象關係圖譜，將所述業務對象劃分為多個業務對象集群的步驟後，還包括：對所述多個業務對象集群進行校驗。
可選地，所述多個業務對象集群分別具有對應的文本資訊，所述對所述多個業務對象集群進行校驗的步驟包括：提取每個業務對象集群的文本資訊中的關鍵詞；依據所述關鍵詞，確定任意兩個業務對象集群之間的 文本相似度；合併所述文本相似度超過第二預設閾值的兩個業務對象集群。
可選地，所述提取所述業務對象集群的用戶標籤的步驟包括：獲取業務對象集群的用戶資訊；採用所述用戶資訊，識別所述業務對象集群中的核心用戶；提取所述核心用戶的用戶標籤。
可選地，所述採用所述用戶資訊，識別所述業務對象集群中的核心用戶的步驟包括：按照預設的維度，對所述業務對象集群中的用戶進行排序；識別出預設數量的核心用戶。
可選地，在所述根據所述用戶標籤生成對應的業務對象集群的屬性標識的步驟後，還包括：採用所述業務對象集群的屬性標識，確定所述業務對象集群的目標用戶；向所述目標用戶推薦目標業務對象。
為了解決上述問題，本發明還公開了一種業務對象屬性標識的生成方法，包括：接收業務對象屬性標識的生成指令；將所述生成指令提交至伺服器；接收所述伺服器發送的所述業務對象的屬性標識，其 中，所述業務對象的屬性標識由所述伺服器針對所述生成指令，通過提取所述業務對象所屬的業務對象集群的用戶標籤獲得；展現所述業務對象的屬性標識。
為了解決上述問題，本發明還公開了一種業務對象屬性標識的生成裝置，包括：關聯度確定模組，用於根據用戶針對業務對象的行為資訊，確定不同業務對象之間的關聯度；業務對象集群生成模組，用於依據所述關聯度生成業務對象集群；用戶標籤提取模組，用於提取所述業務對象集群的用戶標籤；屬性標識生成模組，用於根據所述用戶標籤生成對應的業務對象集群的屬性標識。
可選地，所述用戶針對業務對象的行為資訊通過調用如下子模組獲取：選定子模組，用於選定初始業務對象集群；提取子模組，用於提取在預設時間範圍內用戶針對所述初始業務對象集群的行為資訊。
可選地，所述關聯度確定模組包括：向量表達式生成子模組，用於根據用戶針對業務對象的行為資訊，生成每個業務對象的向量表達式；相似度和支持度確定子模組，用於採用所述向量表達式，確定不同業務對象之間的相似度和支持度； 關聯度確定子模組，用於採用所述相似度和支持度，確定所述不同業務對象之間的關聯度。
可選地，所述關聯度確定子模組包括：相似度和支持度加權單元，用於對所述相似度和支持度進行加權，獲得不同業務對象之間的關聯度。
可選地，所述行為資訊包括第一行為資訊，和/或，第二行為資訊，所述關聯度確定模組還包括：第一關聯度確定子模組，用於根據所述第一行為資訊，確定不同業務對象之間的第一關聯度；第二關聯度確定子模組，用於根據所述第二行為資訊，確定所述不同業務對象之間的第二關聯度；關聯度加權子模組，用於對所述第一關聯度和第二關聯度進行加權，獲得所述不同業務對象之間的關聯度。
可選地，所述業務對象集群生成模組包括：目標關係識別子模組，用於在不同業務對象之間的關聯度超過第一預設閾值時，識別所述不同業務對象之間具有目標關係；業務對象關係圖譜生成子模組，用於根據全部業務對象之間的目標關係，生成業務對象關係圖譜；業務對象集群劃分子模組，用於採用所述業務對象關係圖譜，將所述業務對象劃分為多個業務對象集群。
可選地，所述業務對象關係圖譜生成子模組包括：業務對象連接單元，用於分別連接具有所述目標關係的不同業務對象，獲得業務對象關係圖譜。
可選地，所述業務對象集群劃分子模組包括：標籤配置單元，用於對所述業務對象關係圖譜中的每個業務對象配置標籤；標籤傳遞單元，用於將每個業務對象的標籤傳遞至相連的業務對象；標籤選取單元，用於從每個業務對象接收到的標籤中，按照標籤的數量選取一個標籤作為所擁有的標籤；判斷單元，用於判斷在所述業務對象關係圖譜中，每個業務對象所擁有的標籤是否發生變化，或者，當前是否小於預設的最大迭代次數；若是，則調用所述標籤傳遞單元；業務對象集群劃分單元，用於將擁有相同標籤的業務對象劃分為業務對象集群。
可選地，所述業務對象集群生成模組還包括：業務對象集群校驗子模組，用於對所述多個業務對象集群進行校驗。
可選地，所述多個業務對象集群分別具有對應的文本資訊，所述業務對象集群校驗子模組包括：關鍵詞提取單元，用於提取每個業務對象集群的文本資訊中的關鍵詞；文本相似度確定單元，用於依據所述關鍵詞，確定任意兩個業務對象集群之間的文本相似度；業務對象集群合併單元，用於合併所述文本相似度超過第二預設閾值的兩個業務對象集群。
可選地，所述用戶標籤提取模組包括：用戶資訊獲取子模組，用於獲取業務對象集群的用戶資訊；核心用戶識別子模組，用於採用所述用戶資訊，識別所述業務對象集群中的核心用戶；用戶標籤提取子模組，用於提取所述核心用戶的用戶標籤。
可選地，所述核心用戶識別子模組包括：排序單元，用於按照預設的維度，對所述業務對象集群中的用戶進行排序；識別單元，用於識別出預設數量的核心用戶。
可選地，所述裝置還包括：目標用戶確定模組，用於採用所述業務對象集群的屬性標識，確定所述業務對象集群的目標用戶；目標業務對象推薦模組，用於向所述目標用戶推薦目標業務對象。
為了解決上述問題，本發明還公開了一種業務對象屬性標識的生成裝置，包括：第一接收模組，用於接收業務對象屬性標識的生成指令；提交模組，用於將所述生成指令提交至伺服器；第二接收模組，用於接收所述伺服器發送的所述業務對象的屬性標識，其中，所述業務對象的屬性標識由所述伺服器針對所述生成指令，通過提取所述業務對象所屬的 業務對象集群的用戶標籤獲得；展現模組，用於展現所述業務對象的屬性標識。
為了解決上述問題，本發明還公開了一種用於生成業務對象屬性標識的終端，包括：一個或者一個以上處理器；記憶體；以及一個或者一個以上的程式，其中一個或者一個以上程式儲存於記憶體中，且經配置以由一個或者一個以上處理器執行所述一個或者一個以上程式包含用於進行以下操作的指令：接收業務對象屬性標識的生成指令；將所述生成指令提交至伺服器；接收所述伺服器發送的所述業務對象的屬性標識，其中，所述業務對象的屬性標識由所述伺服器針對所述生成指令，通過提取所述業務對象所屬的業務對象集群的用戶標籤獲得；展現所述業務對象的屬性標識。
為了解決上述問題，本發明還公開了一種用於生成業務對象屬性標識的伺服器，包括：一個或多個處理器；記憶體；和一個或多個模組，所述一個或多個模組儲存於所述記憶體中並被配置成由所述一個或多個處理器執行，其中，所述一個或多個模組具有如下功能： 根據用戶針對業務對象的行為資訊，確定不同業務對象之間的相似度；依據所述相似度生成業務對象集群；提取所述業務對象集群的用戶標籤；根據所述用戶標籤生成對應的業務對象集群的屬性標識。
與背景技術相比，本發明實施例包括以下優點：本發明實施例，可以根據用戶針對業務對象的行為資訊，確定出不同業務對象之間的關聯度，並依據所述關聯度生成業務對象集群，然後提取出所述業務對象集群的用戶標籤，從而可以根據所述用戶標籤生成對應的業務對象集群的屬性標識，本發明實施例通過抽取出業務對象本身所蘊含的和用戶行為相關的資訊，例如生活方式，需求偏好，風格屬性等等，這些資訊並非通過業務對象本身的某種維度進行劃分，而是通過用戶針對業務對象的行為資訊，自動挖掘識別出來，可以有效提升對業務對象的屬性標識的識別的精準度。
其次，本發明實施例中通過業務對象集群的屬性標識，還可以識別出目標用戶並向目標用戶推薦目標業務對象，進一步提高了對目標用戶的識別的效率，從而能夠在對業務對象的推廣過程中，提供給業務對象方更多的關於業務對象的相關資訊，並可以通過系統化的方式，自動為其定義要圈選的用戶群。此外，對於基於機器學習的目標用戶的圈選方法，本發明實施例所生成的業務對象的屬性 標識本身也可以作為特徵工程的一個有效補充，有效提升模型的準確率和召回率。
第三，當業務對象為商品的品牌時，本發明實施例可以通過確定品牌之間的關聯度，從而按照所述關聯度將多個品牌劃分為不同的品牌組，進而通過識別品牌組的屬性標識，生成不同的目標用戶人群，當品牌方在進行品牌推廣時，可以獲得相關的品牌的資訊，從而找對這個品牌最感興趣的用戶，有助於品牌主快速、便捷地定位到目標用戶，提高了對目標用戶的定位的精確度，有助於實現品牌推廣的效益的最大化。
101、102、103、104‧‧‧步驟
301、302、303、304、305、306、307‧‧‧步驟
501、502、503、504‧‧‧步驟
601‧‧‧關聯度確定模組
602‧‧‧業務對象集群生成模組
603‧‧‧用戶標籤提取模組
604‧‧‧屬性標識生成模組
6011‧‧‧選定子模組
6012‧‧‧提取子模組
6013‧‧‧向量表達式生成子模組
6014‧‧‧相似度和支持度確定子模組
6015‧‧‧關聯度確定子模組
6016‧‧‧第一關聯度確定子模組
6017‧‧‧第二關聯度確定子模組
6018‧‧‧關聯度加權子模組
6021‧‧‧目標關係識別子模組
6022‧‧‧業務對象關係圖譜生成子模組
6023‧‧‧業務對象集群劃分子模組
6024‧‧‧業務對象集群校驗子模組
6031‧‧‧用戶資訊獲取子模組
6032‧‧‧核心用戶識別子模組
6033‧‧‧用戶標籤提取子模組
701‧‧‧第一接收模組
702‧‧‧提交模組
703‧‧‧第二接收模組
704‧‧‧展現模組
801‧‧‧採集單元
802‧‧‧伺服器
803‧‧‧顯示單元
圖1是本發明的一種業務對象屬性標識的生成方法實施例一的步驟流程圖；圖2是本發明的一種業務對象關係圖譜的示意圖；圖3是本發明的一種業務對象屬性標識的生成方法實施例二的步驟流程圖；圖4是本發明的一種商品品牌的屬性標識的生成原理圖；圖5是本發明的一種業務對象屬性標識的生成方法實施例三的步驟流程圖；圖6A-6D是本發明的一種業務對象屬性標識的生成裝置實施例一的結構方塊圖；圖7是本發明的一種業務對象屬性標識的生成裝置實 施例二的結構方塊圖；圖8是本發明的一種業務對象屬性標識的生成系統實施例的方塊圖。
為使本發明的上述目的、特徵和優點能夠更加明顯易懂，下面結合圖式和具體實施方式對本發明作進一步詳細的說明。
參照圖1，示出了本發明的一種業務對象屬性標識的生成方法實施例一的步驟流程圖，具體可以包括如下步驟：步驟101，根據用戶針對業務對象的行為資訊，確定不同業務對象之間的關聯度；通常，在不同的業務領域中可以具有不同的業務對象，例如，在通信領域中，業務對象可以為通信資料；在新聞媒體領域中，業務對象可以為新聞資料；在搜索領域中，業務對象可以為網頁；在電子商務領域中，業務對象可以為商品或商品品牌，等等。本發明實施例對業務對象的具體類型不作限定。進一步地，用戶針對業務對象的行為資訊也可以因為業務領域的不同而不同，例如，對於新聞資料類業務對象，用戶的行為資訊可以是用戶對某條新聞的閱讀或搜索行為，而對於商品或商品品牌類業務對象，用戶的行為資訊則可以是對某一商品的購買行為或者瀏覽行為，等等。
在本發明實施例中，在採集到用戶針對業務對象的行為資訊後，可以根據所述行為資訊，計算出不同業務對象之間的關聯度，所述關聯度可以是對不同業務對象之間的相互關係所作的一種度量。
在具體實現中，關聯度可以是通過對某一維度之間的關係的量化，例如，可以以業務對象之間的相似度或者支持度作為關聯度；也可以是對多個維度之間的關係的量化，例如，可以對業務對象之間的相似度和支持度進行統一處理，從而得到關聯度。當然，本領域技術人員還可以根據實際需要，採用不同的方式確定業務對象之間的關聯度，本發明實施例對此不作限定。
在本發明實施例中，可以通過選定初始業務對象集群，並提取在預設時間範圍內用戶針對所述初始業務對象集群的行為資訊來獲得用戶針對業務對象的行為資訊。
具體地，可以根據具體的業務目標劃分，首先選定初始業務對象的範圍，例如，對於業務對象為商品，如果有些業務專做中高端品牌，可以只選定中高端品牌範圍的商品，如果有些業務只針對女裝，則只需要選定女裝類的商品。然後，可以將在某一時間段內，用戶針對所述範圍內的業務對象的行為資訊提取出來，獲得用戶針對業務對象的行為資訊。
在本發明實施例中，可以首先根據用戶針對業務對象的行為資訊，生成每個業務對象的向量表達式。例如，可以對一定數量的用戶的行為資訊進行研究，就可以形成一 個用戶行為與業務對象之間的向量關系表達式。具體地，以1000名用戶是否購買某品牌商品為例，如果第1位、第3位和第6位用戶購買了該品牌的商品，而其他用戶均沒有購買行為，那麼所生成的向量表達式可以為(1,0,1,0,0,1,0,……,0)。
然後，可以採用該表達式，進一步地計算業務對象之間的關聯度。具體地，可以採用所述向量表達式，確定不同業務對象之間的相似度和支持度。
在本發明實施例中，所述相似度可以是指餘弦相似度，所述餘弦相似度又稱為餘弦相似性，可以通過計算兩個向量之間的夾角餘弦值來評估它們的相似度，即可以求得兩個向量之間的夾角，並得出夾角對應的餘弦值，此餘弦值就可以用來表徵這兩個向量之間的相似性。通常，餘弦值的範圍在[-1,1]之間，餘弦值越趨近於1，代表兩個向量的方向越趨近於0，它們的方向也就更加一致，相應的相似度也更高。而支持度則表示一種支持的程度，一般以百分比表示。例如，在1000名用戶中，購買了某品牌商品的用戶為400名，則可以認為用戶對該品牌商品的支持度為40%。
在本發明實施例中，不同業務對象之間的餘弦相似度可以直接採用業務對象的向量表達式，按照公知的餘弦相似度的計算公式進行計算。對於業務對象之間的支持度，則可以從向量表達式中提取出具體的支持人數，採用對不同的業務對象的實際支持用戶數與總的支持用戶數之間的 比值來確定。例如，對於某品牌商品A和B，其中支持(例如，可以是購買行為)品牌商品A的用戶數為10名，支持品牌商品B的用戶數為15名，其中，包括5名用戶既支持了品牌商品A，又支持了品牌商品B，則可以確定某品牌商品A和B之間的支持度為(10+15-5)/(10+15)*100%=80%。
當計算出不同業務對象之間的相似度和支持度後，便可以採用所述相似度和支持度，確定所述不同業務對象之間的關聯度。
在具體實現中，可以分別為相似度和支持度設定不同的權重，然後對所述相似度和支持度進行加權，獲得不同業務對象之間的關聯度。本發明實施例對設定的相似度和支持度的權重的具體數值大小，不作限定。當然，本領域技術人員還可以根據實際需要，通過其他方式來計算不同業務對象之間的關聯度，例如，可以通過計算業務對象之間的置信度或者提升度等指標，然後獲得不同業務對象之間的關聯度，本發明實施例對此亦不作限定。
作為本發明的另一種示例，用戶針對業務對象的行為資訊可以包括多種，例如可以包括第一行為資訊和第二行為資訊。以業務對象為品牌商品為例，第一行為資訊可以是用戶對某品牌的購買行為，第二行為資訊可以是用戶對該品牌的加購物車行為，即將該品牌的商品放入電子商務網站的購物車中，但暫未購買的一種行為。
以用戶行為資訊包括第一行為資訊和第二行為資訊為 例，在確定不同業務對象之間的關聯度時，可以首先根據所述第一行為資訊，確定不同業務對象之間的第一關聯度，以及，根據所述第二行為資訊，確定所述不同業務對象之間的第二關聯度；然後對所述第一關聯度和第二關聯度進行加權，獲得所述不同業務對象之間的關聯度。當然，用戶的行為資訊還可以包括第三行為資訊、第四行為資訊以及其他更多類型的行為資訊，本發明實施例對此不作限定。
步驟102，依據所述關聯度生成業務對象集群；在本發明實施例中，當分別獲得不同業務對象之間的關聯度後，可以按照關聯度的不同，將全部的業務對象劃分為多個不同的業務對象計算，使得每個業務對象集群中的業務對象都具有較高的相似性。
在具體實現中，可以預設一閾值，對業務對象之間的相似性進行區分，例如，可以設置第一預設閾值為80%，當不同業務對象之間的關聯度超過第一預設閾值時，識別所述不同業務對象之間具有目標關係，所述目標關係可以是指關聯度超過上述80%的閾值時，兩個不同的業務對象具有較高的相似性。當然，本領域技術人員可以根據實際需要設定第一預設閾值的具體大小，本發明實施例對此不作限定。
然後，可以根據全部業務對象之間的目標關係，生成業務對象關係圖譜，所述業務對象關係圖譜即是根據業務對象之間的關係所形成的一個關係網路圖。具體地，可以 分別連接具有所述目標關係的不同業務對象，獲得業務對象關係圖譜。例如，對於業務對象A、B、C、D，如果業務對象A與C、D具有上述目標關係，業務對象B與D具有上述目標關係，業務對象C與D也具有上述目標關係，則可以將A與C，A與D，B與D，C與D兩兩連接，從而形成一個關係圖譜。
最後，可以採用所述業務對象關係圖譜，將所述業務對象劃分為多個業務對象集群。
在本發明的一種優選實施例中，所述採用所述業務對象關係圖譜，將所述業務對象劃分為多個業務對象集群的子步驟可以進一步包括：S11，對所述業務對象關係圖譜中的每個業務對象配置標籤；S12，將每個業務對象的標籤傳遞至相連的業務對象；S13，從每個業務對象接收到的標籤中，按照標籤的數量選取一個標籤作為所擁有的標籤；S14，判斷在所述業務對象關係圖譜中，每個業務對象所擁有的標籤是否發生變化，或者，當前是否小於預設的最大迭代次數；S15，若是，則返回執行所述將每個業務對象的標籤傳遞至相連的業務對象的步驟；S16，若否，則將擁有相同標籤的業務對象劃分為業務對象集群。
在具體實現中，為方便計算，為業務對象配置的標籤可以為其ID，當然，也可以採用其他方式配置標籤，如隨機配置，只要保持標籤的唯一性即可，本發明實施例對此不作限定。
在首次迭代中，可以隨機選擇標籤，由於在業務對象關係圖譜中核心的節點連著其他很多外圍節點，其標籤被隨機選擇到的機率較大，在後續的迭代過程中，核心的節點的標籤數量會增加，逐步達到穩定。
當標籤穩定或到達最大迭代次數時，可以將具有同樣標籤的業務對象看作是屬於同一個業務對象集群的，節點的標籤即可作為該業務對象的識別標籤。
例如，如圖2所示，是本發明的一種業務對象關係圖譜的示意圖，以節點的名稱作為業務對象的標籤，即節點R、S、T、U的標籤分別為R、S、T、U，則其在迭代的過程如下：
在第3輪迭代後，業務對象所擁有的標籤都為R，不再發生變化，因此，可以認為節點R、S、T、U對應的業務對象屬於相同的集群，可以將其劃分在同一個業務對象集群中。
以上對業務對象關係圖譜的描述較為簡單，僅作為介紹本發明實施例劃分業務對象集群的一個示例，在實際使用中，業務對象關係圖譜中所包含的業務對象的數量可以是極為龐大的。當然，本領域技術人員還可以選擇其他方式來實現將業務對象關係圖譜劃分為多個不同的業務對象集群，例如，聚類法、社區劃分算法等等，本發明實施例對此不作限定。
在本發明實施例中，在將業務對象劃分為多個不同的業務對象集群後，為了確定所得到的劃分結果是否合理和 準確，還可以對所述多個業務對象集群進行校驗。
通常，業務對象集群可以包括有對應的文本資訊，例如，以業務對象集群為某些相似的品牌為例，其文本資訊可以是該集群中每個業務對象(即每個品牌)的廣告語，消費者評價資訊，品牌口號，品牌文化資訊等。
在具體實現中，可以首先提取每個業務對象集群的文本資訊中的關鍵詞，然後依據所述關鍵詞，確定任意兩個業務對象集群之間的文本相似度。
例如，對於文本資訊“我愛北京天安門”，經過關鍵詞提取後，可以是“我”，“愛”，“北京”，“天安門”，很多類似的文本都可以通過這樣的方式，變成一些關鍵詞的組合；而對於另外的文本資訊“我愛黃河”，經過分詞和關鍵詞提取後可以是“我”，“愛”，“黃河”，那麼上述兩種文本資訊之間有兩個關鍵詞是相同的，三個詞不同，那麼它們之間的相似性就是2/5=0.4。
當然，以上示例僅為說明關鍵詞提取和文本相似度的計算過程，本領域技術人員也可以選擇其他方式來事項上述過程，本發明實施例對此不作限定。
在本發明實施例中，可以為業務對象集群之間的文本相似度設定一閾值，例如可以設置第二預設閾值為90%，當獲得任意兩個業務對象集群之間的文本相似度之後，可以合併所述文本相似度超過第二預設閾值的兩個業務對象集群。
步驟103，提取所述業務對象集群的用戶標籤； 在本發明實施例中，在將多個業務對象劃分為不同的業務對象集群後，可以針對所要研究的業務對象集群，進一步獲取所述業務對象集群的用戶資訊，所述用戶資訊可以是根據業務對象集群中每個業務對象所擁有的用戶來確定的，例如，可以首先識別出業務對象集群中每個業務對象的用戶群體，然後將全部業務對象的用戶群體的資訊作為該業務對象集群的用戶資訊。
然後，可以採用所述用戶資訊，識別所述業務對象集群中的核心用戶。具體地，可以按照預設的維度，對所述業務對象集群中的用戶進行排序，然後識別出預設數量的核心用戶。
例如，若某一業務對象集群是由多個類似的商品品牌所組成的，所述業務對象集群中的核心用戶則可以認為是對上述品牌的商品消費較多的一類用戶。因此，可以按照消費金額這一維度，首先統計出每個用戶對該業務對象集群中的全部品牌的消費金額，然後按照消費金額的大小進行排序，將消費金額在前20%的用戶識別為核心用戶。當然，對於不同類型的業務對象或業務對象集群，核心用戶的識別標準也會不同，本領域技術人員可以根據實際需要，設定識別業務對象集群中核心用戶的具體方式，本發明實施例對此不作限定。
通常，用戶可以有自己的用戶標籤，例如，年齡、工作資訊、居住城市、消費偏好等等。當識別出業務對象集群中的核心用戶後，可以進一步提取所述核心用戶的用戶 標籤。
步驟104，根據所述用戶標籤生成對應的業務對象集群的屬性標識。
在本發明實施例中，可以以業務對象集群中核心用戶的用戶標籤作為該業務對象集群的屬性標識。
在本發明實施例中，可以根據用戶針對業務對象的行為資訊，確定出不同業務對象之間的關聯度，並依據所述關聯度生成業務對象集群，然後提取出所述業務對象集群的用戶標籤，從而可以根據所述用戶標籤生成對應的業務對象集群的屬性標識，本發明實施例通過抽取出業務對象本身所蘊含的和用戶行為相關的資訊，例如生活方式，需求偏好，風格屬性等等，這些資訊並非通過業務對象本身的某種維度進行劃分，而是通過用戶針對業務對象的行為資訊，自動挖掘識別出來，可以有效提升對業務對象的屬性標識的識別的精準度。
在本發明實施例中，當生成業務對象集群的屬性標識後，還可以採用所述業務對象集群的屬性標識，確定所述業務對象集群的目標用戶，進而向所述目標用戶推薦目標業務對象。
通常，所生成的業務對象的屬性標識可以有多個，因此，在生成業務對象集群的屬性標識後，可以採用其中的某一個或多個屬性標識，確定出業務對象集群的目標用戶，例如，對於業務對象集群的屬性標識為“男性、18-22歲、一二線城市、消費層級中等偏上”，可以選取其 中的“男性、18-22”的兩個屬性標識，從而將具有上述兩個屬性標識的用戶識別為目標用戶，進而向所述目標用戶推薦目標業務對象。
在具體實現中，目標業務對象可以是該業務對象集群中的某一個業務對象，也可以不是該業務對象集群中的業務對象，但與該業務對象集群中的業務對象具有較高相似性的其他業務對象，本發明實施例對此不作限定。
在本發明實施例中，通過業務對象集群的屬性標識，還可以識別出目標用戶並向目標用戶推薦目標業務對象，進一步提高了對目標用戶的識別的效率，從而能夠在對業務對象的推廣過程中，提供給業務對象方更多的關於業務對象的相關資訊，並可以通過系統化的方式，自動為其定義要圈選的用戶群。此外，對於基於機器學習的目標用戶的圈選方法，本發明實施例所生成的業務對象的屬性標識本身也可以作為特徵工程的一個有效補充，有效提升模型的準確率和召回率。
為了便於理解，下面以業務對象為商品的品牌為例，對本發明的業務對象屬性標識的生成方法作一介紹。
參照圖3，示出了本發明的一種業務對象屬性標識的生成方法實施例二的步驟流程圖，具體可以包括如下步驟： 步驟301，根據用戶針對業務對象的行為資訊，確定不同業務對象之間的關聯度； 在業務對象為商品的品牌時，用戶針對業務對象的行 為資訊為用戶對該品牌的商品的購買行為、瀏覽行為、搜索行為以及放入購物車等等。
如圖4所示，是本發明的一種商品品牌的屬性標識的生成原理圖。在圖4中，用戶的行為資訊包括購買行為、瀏覽行為和放入購物車三類。
在具體實現中，可以針對用戶購買各類品牌的商品的資訊，計算出不同品牌之間的購買關聯度；針對用戶瀏覽各類品牌的商品的資訊，計算出不同品牌之間的瀏覽關聯度；針對用戶將各類品牌的商品放入購物車的資訊，計算出不同品牌之間的加購關聯度。
在具體實現中，以購買關聯度為例，若在1000名用戶中，有500名用戶購買了品牌A的商品，則可以生成用戶對品牌A的購買行為的向量表達式A；如果該1000名用戶中有700名用戶購買了品牌B的商品，則同理可以生成用戶對品牌B的購買行為的向量表達式B，然後可以採用向量表達式A和向量表達式B，計算出品牌A與品牌B之間的相似度。
此外，還可以採用向量表達式A和向量表達式B，計算出品牌A與品牌B之間的支持度、置信度以及提升度等等，進而對上述的相似度、支持度、置信度以及提升度進行加權，從而得到品牌A與品牌B之間的購買關聯度。當然，本領域技術人員可以根據實際需要，具體選擇所進行加權的對象，例如，可以僅以相似度結果作為購買關聯度，或者在相似度的基礎上增加支持度，然後再進行 加權，等等，本發明實施例對此不作限定。
同理，品牌A與品牌B之間的瀏覽關聯度和加購關聯度的計算過程與購買關聯度的計算過程類似，本發明實施例對此不再贅述。當獲得上述三類相似度後，可以分別對購買關聯度、瀏覽關聯度和加購關聯度進行加權，從而得到品牌A與品牌B之間的關聯度。
步驟302，依據所述相似度生成業務對象集群；在本發明實施例中，在業務對象為商品的品牌時，業務對象集群即為不同的品牌組。
在具體實現中，在分別計算獲得全部品牌兩兩之間的相似度之後，可以將關聯度超過第一預設閾值的兩個品牌進行連接，生成品牌關係圖譜，進而可以採用迭代層次聚類算法或者其他社群發現算法對該品牌關係圖譜進行劃分，獲得多個品牌組，並使每個品牌組中包含有數量適當的多個不同品牌。例如，可以使每個品牌組中有6-8個左右的不同品牌。
步驟303，對所述多個業務對象集群進行校驗；在本發明實施例中，在獲得多個品牌組後，還可以對每個品牌組進行校驗，以確定按照步驟302中完成的對品牌關係圖譜的劃分是否合理和有效。
在具體實現中，可以根據品牌組中每個品牌的廣告語，消費者評價資訊，品牌口號，品牌文化資訊等，生成該品牌組的文本資訊，進而通過提取文本資訊中的關鍵詞，計算兩兩品牌組之間的文本相似度。如果該文本相似 度超過預設的第二閾值，則可以認為兩個品牌組之間的相似性較高，可以合併處理。
步驟304，提取所述業務對象集群的用戶標籤；在本發明實施例中，在提取品牌組的用戶標籤時，可以首先識別出該品牌組的核心用戶，例如，核心用戶可以是購買該品牌組內各個品牌的商品的消費金額在前20%的用戶。然後，提取上述前20%的用戶的用戶標籤作為該品牌組的用戶標籤。
步驟305，根據所述用戶標籤生成對應的業務對象集群的屬性標識；在獲得每個品牌組的核心用戶的標籤後，可以根據所述用戶標籤，生成對應的品牌組的屬性標識。例如，對於某個品牌組，其屬性標識可以是“年輕，男性，一二線城市，中高端消費，運動，戶外，時尚”等等。
步驟306，採用所述業務對象集群的屬性標識，確定所述業務對象集群的目標用戶；在具體實現中，當生成每個品牌組的屬性標識後，從而可以在進行品牌推廣時，根據品牌方的實際需求，如定向投放需求，可以根據品牌組的屬性標識，生成目標用戶人群結果，例如，可以是“歐式風格家具人群”，“智能家居發燒友人群”，“輕奢潮品達人人群”，“高端母嬰人群”，“吃貨一族”等等，然後從中選擇自己合適的目標用戶人群。
步驟307，向所述目標用戶推薦目標業務對象。
在本發明實施例中，當業務對象為商品品牌時，目標業務對象為具體的某一商品品牌。具體地，該商品品牌可以是品牌組中的某一商品品牌，也可以是非品牌組中的商品品牌，本發明實施例對此不作限定。從而可以將目標品牌的商品推薦給目標用戶。
在本發明實施例中，可以通過確定品牌之間的相似度，從而按照所述相似度將多個品牌劃分為不同的品牌組，進而通過識別品牌組的屬性標識，生成不同的目標用戶人群，當品牌方在進行品牌推廣時，可以獲得相關的品牌的資訊，從而找對這個品牌最感興趣的用戶，有助於品牌主快速、便捷地定位到目標用戶，提高了對目標用戶的定位的精確度，有助於實現品牌推廣的效益的最大化。
參照圖5，示出了本發明的一種業務對象屬性標識的生成方法實施例三的步驟流程圖，具體可以包括如下步驟：步驟501，接收業務對象屬性標識的生成指令；步驟502，將所述生成指令提交至伺服器；步驟503，接收所述伺服器發送的所述業務對象的屬性標識，其中，所述業務對象的屬性標識由所述伺服器針對所述生成指令，通過提取所述業務對象所屬的業務對象集群的用戶標籤獲得；步驟504，展現所述業務對象的屬性標識。
在本發明實施例中，當需要生成業務對象的屬性標識時，可以向終端發送業務對象屬性標識的生成指令，終端 在接收到上述生成指令後，可以將所述生成指令提交至伺服器，由伺服器根據業務對象所屬的業務對象集群的用戶標籤獲得所述業務對象的屬性標識，進而反饋至終端，終端在接收到伺服器反饋的所述業務對象的屬性標識後，可以在終端的用戶界面上展現所述屬性標識。
由於本實施例中伺服器生成業務對象屬性標識的過程與方法實施例一種步驟101至步驟104，以及方法實施例二中步驟301至步驟305類似，可以相互參閱，本實施例對此不再贅述。
需要說明的是，對於方法實施例，為了簡單描述，故將其都表述為一系列的動作組合，但是本領域技術人員應該知悉，本發明實施例並不受所描述的動作順序的限制，因為依據本發明實施例，某些步驟可以採用其他順序或者同時進行。其次，本領域技術人員也應該知悉，說明書中所描述的實施例均屬優選實施例，所涉及的動作並不一定是本發明實施例所必須的。
參照圖6A，示出了本發明的一種業務對象屬性標識的生成裝置實施例一的結構方塊圖之一，具體可以包括如下模組：關聯度確定模組601，用於根據用戶針對業務對象的行為資訊，確定不同業務對象之間的關聯度；業務對象集群生成模組602，用於依據所述關聯度生成業務對象集群；用戶標籤提取模組603，用於提取所述業務對象集群 的用戶標籤；屬性標識生成模組604，用於根據所述用戶標籤生成對應的業務對象集群的屬性標識。
參照圖6B，示出了本發明的一種業務對象屬性標識的生成裝置實施例一的結構方塊圖之二，所述用戶針對業務對象的行為資訊可以通過調用如下子模組獲取：選定子模組6011，用於選定初始業務對象集群；提取子模組6012，用於提取在預設時間範圍內用戶針對所述初始業務對象集群的行為資訊。
在本發明實施例中，所述關聯度確定模組601還可以包括如下子模組：向量表達式生成子模組6013，用於根據用戶針對業務對象的行為資訊，生成每個業務對象的向量表達式；相似度和支持度確定子模組6014，用於採用所述向量表達式，確定不同業務對象之間的相似度和支持度；關聯度確定子模組6015，用於採用所述相似度和支持度，確定所述不同業務對象之間的關聯度。
在本發明實施例中，所述關聯度確定子模組6015具體可以包括如下單元：相似度和支持度加權單元，用於對所述相似度和支持度進行加權，獲得不同業務對象之間的關聯度。
在本發明實施例中，所述行為資訊可以包括第一行為資訊，和/或，第二行為資訊，所述關聯度確定模組601還可以包括如下子模組： 第一關聯度確定子模組6016，用於根據所述第一行為資訊，確定不同業務對象之間的第一關聯度；第二關聯度確定子模組6017，用於根據所述第二行為資訊，確定所述不同業務對象之間的第二關聯度；關聯度加權子模組6018，用於對所述第一關聯度和第二關聯度進行加權，獲得所述不同業務對象之間的關聯度。
參照圖6C，示出了本發明的一種業務對象屬性標識的生成裝置實施例一的結構方塊圖之三，所述業務對象集群生成模組602具體可以包括如下子模組：目標關係識別子模組6021，用於在不同業務對象之間的關聯度超過第一預設閾值時，識別所述不同業務對象之間具有目標關係；業務對象關係圖譜生成子模組6022，用於根據全部業務對象之間的目標關係，生成業務對象關係圖譜；業務對象集群劃分子模組6023，用於採用所述業務對象關係圖譜，將所述業務對象劃分為多個業務對象集群。
在本發明實施例中，所述業務對象關係圖譜生成子模組6022具體可以包括如下單元：業務對象連接單元，用於分別連接具有所述目標關係的不同業務對象，獲得業務對象關係圖譜。
在本發明實施例中，所述業務對象集群劃分子模組6023具體可以包括如下單元： 標籤配置單元，用於對所述業務對象關係圖譜中的每個業務對象配置標籤；標籤傳遞單元，用於將每個業務對象的標籤傳遞至相連的業務對象；標籤選取單元，用於從每個業務對象接收到的標籤中，按照標籤的數量選取一個標籤作為所擁有的標籤；判斷單元，用於判斷在所述業務對象關係圖譜中，每個業務對象所擁有的標籤是否發生變化，或者，當前是否小於預設的最大迭代次數；若是，則調用所述標籤傳遞單元；業務對象集群劃分單元，用於將擁有相同標籤的業務對象劃分為業務對象集群。
在本發明實施例中，所述業務對象集群生成模組602還可以包括如下子模組：業務對象集群校驗子模組6024，用於對所述多個業務對象集群進行校驗。
在本發明實施例中，所述多個業務對象集群可以分別具有對應的文本資訊，所述業務對象集群校驗子模組6024具體可以包括如下單元：關鍵詞提取單元，用於提取每個業務對象集群的文本資訊中的關鍵詞；文本相似度確定單元，用於依據所述關鍵詞，確定任意兩個業務對象集群之間的文本相似度；業務對象集群合併單元，用於合併所述文本相似度超 過第二預設閾值的兩個業務對象集群。
參照圖6D，示出了本發明的一種業務對象屬性標識的生成裝置實施例一的結構方塊圖之四，所述用戶標籤提取模組603具體可以包括如下子模組：用戶資訊獲取子模組6031，用於獲取業務對象集群的用戶資訊；核心用戶識別子模組6032，用於採用所述用戶資訊，識別所述業務對象集群中的核心用戶；用戶標籤提取子模組6033，用於提取所述核心用戶的用戶標籤。
在本發明實施例中，所述核心用戶識別子模組6032具體可以包括如下單元：排序單元，用於按照預設的維度，對所述業務對象集群中的用戶進行排序；識別單元，用於識別出預設數量的核心用戶。
在本發明實施例中，所述裝置還可以包括如下模組：目標用戶確定模組，用於採用所述業務對象集群的屬性標識，確定所述業務對象集群的目標用戶；目標業務對象推薦模組，用於向所述目標用戶推薦目標業務對象。
參照圖7，示出了本發明的一種業務對象屬性標識的生成裝置實施例二的結構方塊圖，具體可以包括如下模組：第一接收模組701，用於接收業務對象屬性標識的生 成指令；提交模組702，用於將所述生成指令提交至伺服器；第二接收模組703，用於接收所述伺服器發送的所述業務對象的屬性標識，其中，所述業務對象的屬性標識由所述伺服器針對所述生成指令，通過提取所述業務對象所屬的業務對象集群的用戶標籤獲得；展現模組704，用於展現所述業務對象的屬性標識。
對於裝置實施例而言，由於其與方法實施例基本相似，所以描述的比較簡單，相關之處參見方法實施例的部分說明即可。
參見圖8，示出了本發明的一種業務對象屬性標識的生成系統的方塊圖，所述系統具體可以包括：採集單元801、伺服器802和顯示單元803；所述採集單元801，採集用戶針對業務對象的行為資訊，並將所述行為資訊發送至伺服器802；所述伺服器802，在接收到採集單元801發送的所述用戶針對業務對象的行為資訊後，確定不同業務對象之間的關聯度，依據所述關聯度生成業務對象集群；所述顯示單元803，從伺服器802中提取所述業務對象集群的用戶標籤，根據所述用戶標籤生成對應的業務對象集群的屬性標識。
本發明實施例還公開了一種用於生成業務對象屬性標識的終端，包括：一個或者一個以上處理器； 記憶體；以及一個或者一個以上的程式，其中一個或者一個以上程式儲存於記憶體中，且經配置以由一個或者一個以上處理器執行所述一個或者一個以上程式包含用於進行以下操作的指令：接收業務對象屬性標識的生成指令；將所述生成指令提交至伺服器；接收所述伺服器發送的所述業務對象的屬性標識，其中，所述業務對象的屬性標識由所述伺服器針對所述生成指令，通過提取所述業務對象所屬的業務對象集群的用戶標籤獲得；展現所述業務對象的屬性標識。
本發明實施例還公開了一種用於生成業務對象屬性標識的伺服器，包括：一個或多個處理器；記憶體；和一個或多個模組，所述一個或多個模組儲存於所述記憶體中並被配置成由所述一個或多個處理器執行，其中，所述一個或多個模組具有如下功能：根據用戶針對業務對象的行為資訊，確定不同業務對象之間的相似度；依據所述相似度生成業務對象集群；提取所述業務對象集群的用戶標籤；根據所述用戶標籤生成對應的業務對象集群的屬性標 識。
本說明書中的各個實施例均採用遞進的方式描述，每個實施例重點說明的都是與其他實施例的不同之處，各個實施例之間相同相似的部分互相參見即可。
本領域內的技術人員應明白，本發明實施例的實施例可提供為方法、裝置、或電腦程式產品。因此，本發明實施例可採用完全硬體實施例、完全軟體實施例、或結合軟體和硬體方面的實施例的形式。而且，本發明實施例可採用在一個或多個其中包含有電腦可用程式代碼的電腦可用儲存介質(包括但不限於磁碟記憶體、CD-ROM、光學記憶體等)上實施的電腦程式產品的形式。
在一個典型的配置中，所述電腦設備包括一個或多個處理器(CPU)、輸入/輸出接口、網路接口和記憶體。記憶體可能包括電腦可讀介質中的非永久性記憶體，隨機存取記憶體(RAM)和/或非易失性記憶體等形式，如唯讀記憶體(ROM)或快閃記憶體(flash RAM)。記憶體是電腦可讀介質的示例。電腦可讀介質包括永久性和非永久性、可行動和非可行動媒體可以由任何方法或技術來實現資訊儲存。資訊可以是電腦可讀指令、資料結構、程式的模組或其他資料。電腦的儲存介質的例子包括，但不限於相變記憶體(PRAM)、靜態隨機存取記憶體(SRAM)、動態隨機存取記憶體(DRAM)、其他類型的隨機存取記憶體(RAM)、唯讀記憶體(ROM)、電可擦除可程式化唯讀記憶體(EEPROM)、快閃記憶體或其他記憶體技術、唯讀光碟唯 讀記憶體(CD-ROM)、數位多功能光碟(DVD)或其他光學儲存、磁盒式磁帶，磁帶磁磁碟儲存或其他磁性儲存設備或任何其他非傳輸介質，可用於儲存可以被電腦設備存取的資訊。按照本文中的界定，電腦可讀介質不包括非持續性的電腦可讀媒體(transitory media)，如調變的資料信號和載波。
本發明實施例是參照根據本發明實施例的方法、終端設備(系統)、和電腦程式產品的流程圖和/或方塊圖來描述的。應理解可由電腦程式指令實現流程圖和/或方塊圖中的每一流程和/或方塊、以及流程圖和/或方塊圖中的流程和/或方塊的結合。可提供這些電腦程式指令到通用電腦、專用電腦、嵌入式處理機或其他可程式化資料處理終端設備的處理器以產生一個機器，使得通過電腦或其他可程式化資料處理終端設備的處理器執行的指令產生用於實現在流程圖一個流程或多個流程和/或方塊圖一個方塊或多個方塊中指定的功能的裝置。
這些電腦程式指令也可儲存在能引導電腦或其他可程式化資料處理終端設備以特定方式工作的電腦可讀記憶體中，使得儲存在該電腦可讀記憶體中的指令產生包括指令裝置的製造品，該指令裝置實現在流程圖一個流程或多個流程和/或方塊圖一個方塊或多個方塊中指定的功能。
這些電腦程式指令也可裝載到電腦或其他可程式化資料處理終端設備上，使得在電腦或其他可程式化終端設備上執行一系列操作步驟以產生電腦實現的處理，從而在電 腦或其他可程式化終端設備上執行的指令提供用於實現在流程圖一個流程或多個流程和/或方塊圖一個方塊或多個方塊中指定的功能的步驟。
儘管已描述了本發明實施例的優選實施例，但本領域內的技術人員一旦得知了基本創造性概念，則可對這些實施例做出另外的變更和修改。所以，所附申請專利範圍意欲解釋為包括優選實施例以及落入本發明實施例範圍的所有變更和修改。
最後，還需要說明的是，在本文中，諸如第一和第二等之類的關係術語僅用來將一個實體或者操作與另一個實體或操作區分開來，而不一定要求或者暗示這些實體或操作之間存在任何這種實際的關係或者順序。而且，術語“包括”、“包含”或者其任何其他變體意在涵蓋非排他性的包含，從而使得包括一系列要素的過程、方法、物品或者終端設備不僅包括那些要素，而且還包括沒有明確列出的其他要素，或者是還包括為這種過程、方法、物品或者終端設備所固有的要素。在沒有更多限制的情況下，由語句“包括一個……”限定的要素，並不排除在包括所述要素的過程、方法、物品或者終端設備中還存在另外的相同要素。
以上對本發明所提供的一種業務對象屬性標識的生成方法、一種業務對象屬性標識的生成裝置、一種用於生成業務對象屬性標識的終端、一種用於生成業務對象屬性標識的伺服器和一種業務對象屬性標識的生成系統，進行了 詳細介紹，本文中應用了具體個例對本發明的原理及實施方式進行了闡述，以上實施例的說明只是用於幫助理解本發明的方法及其核心思想；同時，對於本領域的一般技術人員，依據本發明的思想，在具體實施方式及應用範圍上均會有改變之處，綜上所述，本說明書內容不應理解為對本發明的限制。

Claims (19)

  1. 一種業務對象屬性標識的生成系統，其特徵在於，包括：採集單元、顯示單元和伺服器；所述採集單元，採集用戶針對業務對象的行為資訊，並將所述行為資訊發送至伺服器；所述伺服器，在接收到所述採集單元發送的所述用戶針對業務對象的行為資訊後，確定不同業務對象之間的關聯度，依據所述關聯度生成業務對象集群；所述顯示單元，從伺服器中提取所述業務對象集群的用戶標籤，根據所述用戶標籤生成對應的業務對象集群的屬性標識。
  2. 一種業務對象屬性標識的生成方法，其特徵在於，包括：根據用戶針對業務對象的行為資訊，確定不同業務對象之間的關聯度；依據所述關聯度生成業務對象集群；提取所述業務對象集群的用戶標籤；根據所述用戶標籤生成對應的業務對象集群的屬性標識。
  3. 根據請求項2所述的方法，其中，所述用戶針對業務對象的行為資訊通過如下方式獲取： 選定初始業務對象集群；提取在預設時間範圍內用戶針對所述初始業務對象集群的行為資訊。
  4. 根據請求項2所述的方法，其中，所述根據用戶針對業務對象的行為資訊，確定不同業務對象之間的關聯度的步驟包括：根據用戶針對業務對象的行為資訊，生成每個業務對象的向量表達式；採用所述向量表達式，確定不同業務對象之間的相似度和支持度；採用所述相似度和支持度，確定所述不同業務對象之間的關聯度。
  5. 根據請求項4所述的方法，其中，所述採用所述相似度和支持度，確定所述不同業務對象之間的關聯度的步驟包括：對所述相似度和支持度進行加權，獲得不同業務對象之間的關聯度。
  6. 根據請求項2至5中任一項所述的方法，其中，所述行為資訊包括第一行為資訊，和/或，第二行為資訊，所述根據用戶針對業務對象的行為資訊，確定不同業務對象之間的相似度的步驟還包括： 根據所述第一行為資訊，確定不同業務對象之間的第一關聯度；根據所述第二行為資訊，確定所述不同業務對象之間的第二關聯度；對所述第一關聯度和第二關聯度進行加權，獲得所述不同業務對象之間的關聯度。
  7. 根據請求項2所述的方法，其中，所述依據所述關聯度生成業務對象集群的步驟包括：當不同業務對象之間的關聯度超過第一預設閾值時，識別所述不同業務對象之間具有目標關係；根據全部業務對象之間的目標關係，生成業務對象關係圖譜；採用所述業務對象關係圖譜，將所述業務對象劃分為多個業務對象集群。
  8. 根據請求項7所述的方法，其中，所述根據全部業務對象之間的目標關係，生成業務對象關係圖譜的步驟包括：分別連接具有所述目標關係的不同業務對象，獲得業務對象關係圖譜。
  9. 根據請求項8所述的方法，其中，所述採用所述業務對象關係圖譜，將所述業務對象劃分為多個業務對象集群 的步驟包括：對所述業務對象關係圖譜中的每個業務對象配置標籤；將每個業務對象的標籤傳遞至相連的業務對象；從每個業務對象接收到的標籤中，按照標籤的數量選取一個標籤作為所擁有的標籤；判斷在所述業務對象關係圖譜中，每個業務對象所擁有的標籤是否發生變化，或者，當前是否小於預設的最大迭代次數；若是，則返回執行所述將每個業務對象的標籤傳遞至相連的業務對象的步驟；若否，則將擁有相同標籤的業務對象劃分為業務對象集群。
  10. 根據請求項7至9中任一項所述的方法，其中，在所述採用所述業務對象關係圖譜，將所述業務對象劃分為多個業務對象集群的步驟後，還包括：對所述多個業務對象集群進行校驗。
  11. 根據請求項10所述的方法，其中，所述多個業務對象集群分別具有對應的文本資訊，所述對所述多個業務對象集群進行校驗的步驟包括：提取每個業務對象集群的文本資訊中的關鍵詞；依據所述關鍵詞，確定任意兩個業務對象集群之間的 文本相似度；合併所述文本相似度超過第二預設閾值的兩個業務對象集群。
  12. 根據請求項2所述的方法，其中，所述提取所述業務對象集群的用戶標籤的步驟包括：獲取業務對象集群的用戶資訊；採用所述用戶資訊，識別所述業務對象集群中的核心用戶；提取所述核心用戶的用戶標籤。
  13. 根據請求項12所述的方法，其中，所述採用所述用戶資訊，識別所述業務對象集群中的核心用戶的步驟包括：按照預設的維度，對所述業務對象集群中的用戶進行排序；識別出預設數量的核心用戶。
  14. 根據請求項2所述的方法，其中，在所述根據所述用戶標籤生成對應的業務對象集群的屬性標識的步驟後，還包括：採用所述業務對象集群的屬性標識，確定所述業務對象集群的目標用戶；向所述目標用戶推薦目標業務對象。
  15. 一種業務對象屬性標識的生成方法，其特徵在於，包括：接收業務對象屬性標識的生成指令；將所述生成指令提交至伺服器；接收所述伺服器發送的所述業務對象的屬性標識，其中，所述業務對象的屬性標識由所述伺服器針對所述生成指令，通過提取所述業務對象所屬的業務對象集群的用戶標籤獲得；展現所述業務對象的屬性標識。
  16. 一種業務對象屬性標識的生成裝置，其特徵在於，包括：關聯度確定模組，用於根據用戶針對業務對象的行為資訊，確定不同業務對象之間的關聯度；業務對象集群生成模組，用於依據所述關聯度生成業務對象集群；用戶標籤提取模組，用於提取所述業務對象集群的用戶標籤；屬性標識生成模組，用於根據所述用戶標籤生成對應的業務對象集群的屬性標識。
  17. 一種業務對象屬性標識的生成裝置，其特徵在於，包括： 第一接收模組，用於接收業務對象屬性標識的生成指令；提交模組，用於將所述生成指令提交至伺服器；第二接收模組，用於接收所述伺服器發送的所述業務對象的屬性標識，其中，所述業務對象的屬性標識由所述伺服器針對所述生成指令，通過提取所述業務對象所屬的業務對象集群的用戶標籤獲得；展現模組，用於展現所述業務對象的屬性標識。
  18. 一種用於生成業務對象屬性標識的終端，其特徵在於，包括：一個或者一個以上處理器；記憶體；以及一個或者一個以上的程式，其中一個或者一個以上程式儲存於記憶體中，且經配置以由一個或者一個以上處理器執行所述一個或者一個以上程式包含用於進行以下操作的指令：接收業務對象屬性標識的生成指令；將所述生成指令提交至伺服器；接收所述伺服器發送的所述業務對象的屬性標識，其中，所述業務對象的屬性標識由所述伺服器針對所述生成指令，通過提取所述業務對象所屬的業務對象集群的用戶標籤獲得；展現所述業務對象的屬性標識。
  19. 一種用於生成業務對象屬性標識的伺服器，其特徵在於，包括：一個或多個處理器；記憶體；和一個或多個模組，所述一個或多個模組儲存於所述記憶體中並被配置成由所述一個或多個處理器執行，其中，所述一個或多個模組具有如下功能：根據用戶針對業務對象的行為資訊，確定不同業務對象之間的相似度；依據所述相似度生成業務對象集群；提取所述業務對象集群的用戶標籤；根據所述用戶標籤生成對應的業務對象集群的屬性標識。
TW106127144A 2016-11-29 2017-08-10 業務對象屬性標識的生成方法、裝置和系統 TWI787196B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
CN201611079471.1 2016-11-29
CN201611079471.1A CN108121737B (zh) 2016-11-29 2016-11-29 一种业务对象属性标识的生成方法、装置和系统
??201611079471.1 2016-11-29

Publications (2)

Publication Number Publication Date
TW201820230A true TW201820230A (zh) 2018-06-01
TWI787196B TWI787196B (zh) 2022-12-21

Family

ID=62227071

Family Applications (1)

Application Number Title Priority Date Filing Date
TW106127144A TWI787196B (zh) 2016-11-29 2017-08-10 業務對象屬性標識的生成方法、裝置和系統

Country Status (3)

Country Link
CN (1) CN108121737B (zh)
TW (1) TWI787196B (zh)
WO (1) WO2018099275A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI719635B (zh) * 2019-03-04 2021-02-21 開曼群島商創新先進技術有限公司 安全的特徵工程方法和裝置

Families Citing this family (26)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109062955A (zh) * 2018-06-25 2018-12-21 广东神马搜索科技有限公司 项目间关联关系挖掘方法、装置、计算设备及存储介质
CN109447674A (zh) * 2018-09-03 2019-03-08 中国平安人寿保险股份有限公司 电子装置、保险代理人目标服务区域确定方法及存储介质
CN109670848A (zh) * 2018-09-11 2019-04-23 深圳平安财富宝投资咨询有限公司 基于大数据的客户细分方法、用户设备、存储介质及装置
CN109670852A (zh) * 2018-09-26 2019-04-23 平安普惠企业管理有限公司 用户分类方法、装置、终端及存储介质
CN111291019B (zh) * 2018-12-07 2023-09-29 中国移动通信集团陕西有限公司 数据模型的相似判别方法及装置
CN111292154A (zh) * 2018-12-10 2020-06-16 阿里巴巴集团控股有限公司 一种信息的获得方法以及装置
CN111382343B (zh) * 2018-12-27 2023-11-28 方正国际软件(北京)有限公司 一种标签体系生成方法及装置
CN111611504B (zh) * 2019-02-26 2023-05-12 深圳云天励飞技术有限公司 一种处理方法、装置、设备及系统
CN112100391B (zh) * 2019-05-31 2023-06-13 阿里巴巴集团控股有限公司 用户意图识别方法、装置、服务端、客户端及终端设备
CN110188357B (zh) * 2019-05-31 2023-06-20 创新先进技术有限公司 对象的行业识别方法及装置
CN112445916A (zh) * 2019-08-28 2021-03-05 阿里巴巴集团控股有限公司 业务对象发布方法、实体发布方法及装置
CN110852778B (zh) * 2019-09-30 2021-03-26 口口相传(北京)网络技术有限公司 一种针对业务对象的数据处理方法及装置
CN110737834B (zh) * 2019-10-14 2024-04-02 腾讯科技（深圳）有限公司 业务对象的推荐方法、装置、存储介质和计算机设备
CN112749292B (zh) * 2019-10-31 2024-05-03 深圳云天励飞技术有限公司 用户标签生成方法及装置、计算机装置和存储介质
CN111309614B (zh) * 2020-02-17 2022-10-18 支付宝(杭州)信息技术有限公司 A/b测试方法、装置及电子设备
CN111353779B (zh) * 2020-02-25 2023-05-16 中国银联股份有限公司 异常服务提供方的确定方法、装置、设备及存储介质
CN111522606B (zh) * 2020-04-26 2023-08-04 广东优特云科技有限公司 一种数据处理的方法、装置、设备及存储介质
CN111611484B (zh) * 2020-05-13 2023-08-11 湖南微步信息科技有限责任公司 一种基于物品属性识别的股票推荐方法及系统
CN111598541A (zh) * 2020-05-14 2020-08-28 深圳易伙科技有限责任公司 一种企业业务汇报方法、装置、设备及存储介质
CN111880989B (zh) * 2020-07-14 2024-05-17 中国银联股份有限公司 一种配置项管理方法及装置
CN114143165A (zh) * 2020-08-14 2022-03-04 北京达佳互联信息技术有限公司 业务报警方法、装置、服务器、存储介质及程序产品
CN112613917A (zh) * 2020-12-30 2021-04-06 平安壹钱包电子商务有限公司 基于用户画像的信息推送方法、装置、设备及存储介质
CN112632143A (zh) * 2020-12-30 2021-04-09 中国农业银行股份有限公司 一种数据标签生成方法及装置
CN112632405B (zh) * 2020-12-31 2024-05-10 数字广东网络建设有限公司 一种推荐方法、装置、设备及存储介质
CN116308683B (zh) * 2023-05-17 2023-08-04 武汉纺织大学 基于知识图谱的服装品牌定位推荐方法、设备及存储介质
CN116431319B (zh) * 2023-06-14 2023-09-12 云阵(杭州)互联网技术有限公司 任务处理方法及装置

Family Cites Families (32)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101206752A (zh) * 2007-12-25 2008-06-25 北京科文书业信息技术有限公司 电子商务网站相关商品推荐系统及其方法
CN102456203B (zh) * 2010-10-22 2015-10-14 阿里巴巴集团控股有限公司 确定候选产品链表的方法及相关装置
US8626682B2 (en) * 2011-02-22 2014-01-07 Thomson Reuters Global Resources Automatic data cleaning for machine learning classifiers
US8812543B2 (en) * 2011-03-31 2014-08-19 Infosys Limited Methods and systems for mining association rules
CN102789615B (zh) * 2011-05-17 2015-09-09 阿里巴巴集团控股有限公司 图书信息关联推荐方法、服务器及系统
CN102789462B (zh) * 2011-05-18 2015-12-16 阿里巴巴集团控股有限公司 一种项目推荐方法及系统
CN102254028A (zh) * 2011-07-22 2011-11-23 青岛理工大学 一种集成属性和结构相似性的个性化商品推荐方法和系统
US9524522B2 (en) * 2012-08-31 2016-12-20 Accenture Global Services Limited Hybrid recommendation system
US20140180826A1 (en) * 2012-12-22 2014-06-26 Coupons.Com Incorporated Consumer identity resolution based on transaction data
US8489596B1 (en) * 2013-01-04 2013-07-16 PlaceIQ, Inc. Apparatus and method for profiling users
CN104077337B (zh) * 2013-05-20 2015-11-25 腾讯科技（深圳）有限公司 搜索方法及装置
JP6060833B2 (ja) * 2013-06-28 2017-01-18 株式会社Ｊｖｃケンウッド 情報処理装置、情報処理方法、及び情報処理プログラム
CN104252679A (zh) * 2013-06-30 2014-12-31 北京百度网讯科技有限公司 一种品牌广告评估体系的构建方法及系统
CN103577549B (zh) * 2013-10-16 2017-02-15 复旦大学 一种基于微博标签的人群画像系统和方法
CN104572782A (zh) * 2013-10-29 2015-04-29 中兴通讯股份有限公司 一种基于浏览器搜索的定向消息推送方法及系统
CN104636402B (zh) * 2013-11-13 2018-05-01 阿里巴巴集团控股有限公司 一种业务对象的分类、搜索、推送方法和系统
US20150287091A1 (en) * 2014-04-08 2015-10-08 Turn Inc. User similarity groups for on-line marketing
CN105095256B (zh) * 2014-05-07 2019-06-11 阿里巴巴集团控股有限公司 基于用户之间相似度进行信息推送的方法及装置
CN103942712A (zh) * 2014-05-09 2014-07-23 北京联时空网络通信设备有限公司 基于产品相似度的电子商务推荐系统及其方法
CN105095306B (zh) * 2014-05-20 2019-04-09 阿里巴巴集团控股有限公司 基于关联对象进行操作的方法及装置
CN104050295B (zh) * 2014-07-01 2018-01-02 彩带网络科技（北京）有限公司 一种交互方法及系统
CN104199849A (zh) * 2014-08-08 2014-12-10 亿赞普(北京)科技有限公司 一种广告投放的方法和装置
CN105354202B (zh) * 2014-08-20 2019-03-15 阿里巴巴集团控股有限公司 数据推送方法及装置
US20160063544A1 (en) * 2014-08-29 2016-03-03 Verizon Patent And Licensing Inc. Marketing platform that determines a target user segment based on third party information
KR102393154B1 (ko) * 2015-01-02 2022-04-29 에스케이플래닛 주식회사 컨텐츠 추천 서비스 시스템, 그리고 이에 적용되는 장치 및 그 장치의 동작 방법
US11157955B2 (en) * 2015-03-18 2021-10-26 Facebook, Inc. Selecting content for presentation to online system users based on correlations between content accessed by users via third party systems and interactions with online system content
SG10201502187RA (en) * 2015-03-20 2016-10-28 Mastercard Asia Pacific Pte Ltd Method and system for comparing merchants, and predicting the compatibility of a merchant with a potential customer
CN104915377A (zh) * 2015-05-07 2015-09-16 亿赞普(北京)科技有限公司 一种外文业务对象类别标签的添加方法和装置
CN104965863B (zh) * 2015-06-05 2019-04-26 北京奇虎科技有限公司 一种对象聚类方法和装置
CN105678578A (zh) * 2016-01-05 2016-06-15 重庆邮电大学 一种基于网购行为数据的用户品牌偏好度量方法
CN105809479A (zh) * 2016-03-07 2016-07-27 海信集团有限公司 物品推荐方法及装置
CN106055566B (zh) * 2016-05-19 2019-06-18 华南理工大学 面向移动广告用户的手机游戏推荐方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI719635B (zh) * 2019-03-04 2021-02-21 開曼群島商創新先進技術有限公司 安全的特徵工程方法和裝置

Also Published As

Publication number Publication date
CN108121737B (zh) 2022-04-26
TWI787196B (zh) 2022-12-21
CN108121737A (zh) 2018-06-05
WO2018099275A1 (zh) 2018-06-07

Similar Documents

Publication Publication Date Title
TWI787196B (zh) 業務對象屬性標識的生成方法、裝置和系統
US10410138B2 (en) System and method for automatic generation of features from datasets for use in an automated machine learning process
CN111523976B (zh) 商品推荐方法、装置、电子设备及存储介质
WO2018014759A1 (zh) 一种聚类数据表的展现方法、装置和系统
TWI652584B (zh) 文本資訊的匹配、業務對象的推送方法和裝置
TWI522942B (zh) 用戶收藏夾資料的處理方法與裝置、用戶收藏夾資料的搜尋方法與裝置、及用戶收藏夾系統
US20190018900A1 (en) Method and Apparatus for Displaying Search Results
WO2014015079A2 (en) Method and apparatus of recommending clothing products
WO2019169978A1 (zh) 资源推荐方法及装置
US11836778B2 (en) Product and content association
US20140289210A1 (en) Re-ranking results in a search
US10055741B2 (en) Method and apparatus of matching an object to be displayed
CN107633416B (zh) 一种业务对象的推荐方法、装置和系统
CN104965863B (zh) 一种对象聚类方法和装置
TWI539306B (zh) Information delivery method, processing server and merge server
JP2018537768A (ja) ソーシャルビジネス特性を持つユーザの識別
CN104346428A (zh) 信息处理装置、信息处理方法及程序
CN104123285A (zh) 搜索结果的导航方法及装置
CN110827101A (zh) 一种店铺推荐的方法和装置
Lu et al. Genderpredictor: a method to predict gender of customers from e-commerce website
Karpischek et al. Detecting incorrect product names in online sources for product master data
CN104050198A (zh) 一种网页信息的识别方法及装置
TW201209744A (en) Method of recording information of merchandise visited by consumers, and searching method and server
Zhu Research on multi‐source mobile commerce service recommendation model of data fusion based on tree network
CN104765755A (zh) 一种基于k-均值聚类的终端推荐方法及装置