WO2018099275A1 - 一种业务对象属性标识的生成方法、装置和系统 - Google Patents

一种业务对象属性标识的生成方法、装置和系统 Download PDF

Info

Publication number
WO2018099275A1
WO2018099275A1 PCT/CN2017/111505 CN2017111505W WO2018099275A1 WO 2018099275 A1 WO2018099275 A1 WO 2018099275A1 CN 2017111505 W CN2017111505 W CN 2017111505W WO 2018099275 A1 WO2018099275 A1 WO 2018099275A1
Authority
WO
WIPO (PCT)
Prior art keywords
business object
user
business
attribute identifier
cluster
Prior art date
Application number
PCT/CN2017/111505
Other languages
English (en)
French (fr)
Inventor
郝智恒
李萍
张泽聪
沈晶晶
李江
Original Assignee
阿里巴巴集团控股有限公司
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 阿里巴巴集团控股有限公司 filed Critical 阿里巴巴集团控股有限公司
Publication of WO2018099275A1 publication Critical patent/WO2018099275A1/zh

Links

Images

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

Definitions

  • the business object side since the business object side needs to make a judgment on the attribute of the business object and then circle the target user, it is not affected by the subjective factors of the business object side, and the target user cannot be accurately circled.
  • the second way due to the use of machine learning algorithms, is easy to fall into the horse in the case where the algorithm objective function (such as conversion rate) is fixed, and in the case where the algorithm feature engineering has limitations on the attribute extraction for the business object and the business object. Too much effect, for example, for a new online business object, there is not too much user data, machine learning algorithms often can not find a suitable target user.
  • the method further includes:
  • a second association degree determining submodule configured to determine, according to the second behavior information, a second degree of association between the different service objects
  • the business object cluster verification submodule is configured to verify the plurality of business object clusters.
  • the core user identification submodule includes:
  • the association degree between different service objects may be determined according to the behavior information of the user for the business object, and the business object cluster is generated according to the association degree, and then the user label of the business object cluster is extracted, thereby The attribute identifier of the corresponding business object cluster may be generated according to the user label.
  • the embodiment of the present application extracts information related to user behavior, such as lifestyle, demand preference, style attribute, etc., which are contained in the business object itself. It is not divided by a certain dimension of the business object itself, but is automatically identified by the user's behavior information for the business object, which can effectively improve the accuracy of identifying the attribute identifier of the business object.
  • FIG. 6 is a structural block diagram of Embodiment 1 of a device for generating a service object attribute identifier according to the present application.
  • FIG. 6D is a structural block diagram of Embodiment 1 of a device for generating a service object attribute identifier according to the present application;
  • the cosine similarity between different business objects can be directly calculated by using a vector expression of a business object according to a known calculation formula of cosine similarity.
  • the specific support number can be extracted from the vector expression, and the ratio between the actual number of supported users of different business objects and the total number of supported users is determined.
  • the number of users supporting branded goods A for example, can be a purchase behavior
  • the number of users supporting branded goods B is 15, including 5 users supporting both.
  • the user behavior information when the user behavior information includes the first behavior information and the second behavior information, when determining the degree of association between different service objects, the first relationship degree between different service objects may be first determined according to the first behavior information. And determining, according to the second behavior information, a second degree of association between the different service objects; and then weighting the first association degree and the second association degree to obtain between the different service objects Correlation.
  • the behavior information of the user may also include the third behavior information, the fourth behavior information, and other types of behavior information, which is not limited by the embodiment of the present application.
  • all the business objects may be divided into multiple different business object calculations according to different degrees of association, so that each business object cluster is Business objects have a high degree of similarity.
  • the user information can then be used to identify the core users in the business object cluster.
  • the users in the business object cluster may be sorted according to a preset dimension, and then a preset number of core users are identified.
  • the target business object may be one of the business objects in the business object cluster, or may not be a business object in the business object cluster, but has other similarities with the business objects in the business object cluster.
  • the business object is not limited by the embodiment of the present application.
  • the user's behavior information for the business object is the user's purchase behavior, browsing behavior, search behavior, and shopping cart for the brand's merchandise.
  • FIG. 4 it is a schematic diagram of generating an attribute identifier of a commodity brand of the present application.
  • the user's behavior information includes purchase behavior, browsing behavior, and putting into a shopping cart.
  • the vector expression A of the user's purchase behavior for the brand A can be generated; if the 1000 If 700 users in the user purchase the brand B's goods, the same reason can generate the user's vector expression B for the purchase behavior of the brand B, and then the vector expression A and the vector expression B can be used to calculate the brand A and the brand.
  • the similarity between B if 500 users purchase the goods of the brand A among the 1000 users, the vector expression A of the user's purchase behavior for the brand A can be generated; if the 1000 If 700 users in the user purchase the brand B's goods, the same reason can generate the user's vector expression B for the purchase behavior of the brand B, and then the vector expression A and the vector expression B can be used to calculate the brand A and the brand. The similarity between B.
  • vector expression A and vector expression B can be used to calculate the support degree, confidence and promotion between brand A and brand B, etc., and then the above similarity, support, confidence and improvement.
  • the degree is weighted to obtain the purchase relevance between the brand A and the brand B.
  • the similarity result can be used only as the purchase relevance degree, or the support degree can be increased based on the similarity degree, and then weighted, etc. This embodiment of the present application does not limit this.
  • the generating instruction of the business object attribute identifier may be sent to the terminal, and after receiving the generating instruction, the terminal may submit the generating instruction to the server, by the server.
  • the terminal may display the user interface on the terminal. The attribute identifier.
  • a vector expression generation sub-module 6013 configured to generate a vector expression of each business object according to behavior information of the user for the business object;
  • the first association determination sub-module 6016 is configured to determine, between the different service objects, according to the first behavior information. First degree of association;
  • a second association degree determining sub-module 6017 configured to determine, according to the second behavior information, a second degree of association between the different service objects
  • a label delivery unit for delivering a label of each business object to a connected business object
  • the device may further include the following modules:

Abstract

本申请实施例提供了一种业务对象属性标识的生成方法、装置和系统，所述方法包括：根据用户针对业务对象的行为信息，确定不同业务对象之间的关联度；依据所述关联度生成业务对象集群；提取所述业务对象集群的用户标签；根据所述用户标签生成对应的业务对象集群的属性标识，本申请实施例通过抽取出业务对象本身所蕴含的和用户行为相关的信息，这些信息并非通过业务对象本身的某种维度进行划分，而是通过用户针对业务对象的行为信息，自动挖掘识别出来，可以有效提升对业务对象的属性标识的识别的精准度。

Description

一种业务对象属性标识的生成方法、装置和系统
本申请要求2016年11月29日递交的申请号为201611079471.1、发明名称为“一种业务对象属性标识的生成方法、装置和系统”的中国专利申请的优先权，其全部内容通过引用结合在本申请中。
技术领域
本申请涉及计算机技术领域，特别是涉及一种业务对象属性标识的生成方法、一种业务对象属性标识的生成装置、一种用于生成业务对象属性标识的终端、一种用于生成业务对象属性标识的服务器和一种业务对象属性标识的生成系统。
背景技术
针对电子商务类的网站而言，每种业务对象都会有一些用于体现自身特性的属性，例如，某品牌商品的风格、所针对的消费群体以及该品牌的主推市场等等。
当业务对象在上线做推广时，通常都是基于这些属性来制定推广的策略。一种方式是根据业务对象的属性来圈定目标用户，例如，业务对象方根据该业务对象的属性，圈定目标用户为生活在一线城市、年龄在28-35岁之间，最近浏览过某商品的女性，然后，将业务对象推荐给上述所圈定的用户。另一种方式是根据机器学习算法，根据业务对象的属性，对用户对该业务对象的偏好进行预测，然后将点击或搜索该业务对象或其他类似业务对象的概率超过一定阈值的用户圈选出来作为目标用户，然后进行定向推荐。
在上述第一种方式中，由于需要业务对象方自己对业务对象的属性作出判断，然后圈选目标用户，因此受到业务对象方的主观因素的影响，无法精准地圈选目标用户。而第二种方式，由于使用机器学习算法，在算法目标函数(比如转化率)固定的情况下，并且在算法特征工程对用于以及业务对象的属性抽取有局限性的情况下，容易陷入马太效应，例如，对于新上线的业务对象，并没有太多的用户的数据，机器学习算法往往无法找到比较合适的目标用户。
发明内容
鉴于上述问题，提出了本申请实施例以便提供一种克服上述问题或者至少部分地解决上述问题的一种业务对象属性标识的生成方法、一种业务对象属性标识的生成装置、一种用于生成业务对象属性标识的终端、一种用于生成业务对象属性标识的服务器和相应的一种业务对象属性标识的生成系统。
为了解决上述问题，本申请公开了一种业务对象属性标识的生成系统，包括：采集单元、显示单元和服务器；
所述采集单元，采集用户针对业务对象的行为信息，并将所述行为信息发送至服务器；
所述服务器，在接收到所述采集单元发送的所述用户针对业务对象的行为信息后，确定不同业务对象之间的关联度，依据所述关联度生成业务对象集群；
所述显示单元，从服务器中提取所述业务对象集群的用户标签，根据所述用户标签生成对应的业务对象集群的属性标识。
为了解决上述问题，本申请还公开了一种业务对象属性标识的生成方法，包括：
根据用户针对业务对象的行为信息，确定不同业务对象之间的关联度；
依据所述关联度生成业务对象集群；
提取所述业务对象集群的用户标签；
根据所述用户标签生成对应的业务对象集群的属性标识。
可选地，所述用户针对业务对象的行为信息通过如下方式获取：
选定初始业务对象集群；
提取在预设时间范围内用户针对所述初始业务对象集群的行为信息。
可选地，所述根据用户针对业务对象的行为信息，确定不同业务对象之间的关联度的步骤包括：
根据用户针对业务对象的行为信息，生成每个业务对象的向量表达式；
采用所述向量表达式，确定不同业务对象之间的相似度和支持度；
采用所述相似度和支持度，确定所述不同业务对象之间的关联度。
可选地，所述采用所述相似度和支持度，确定所述不同业务对象之间的关联度的步骤包括：
对所述相似度和支持度进行加权，获得不同业务对象之间的关联度。
可选地，所述行为信息包括第一行为信息，和/或，第二行为信息，所述根据用户针对业务对象的行为信息，确定不同业务对象之间的相似度的步骤还包括：
根据所述第一行为信息，确定不同业务对象之间的第一关联度；
根据所述第二行为信息，确定所述不同业务对象之间的第二关联度；
对所述第一关联度和第二关联度进行加权，获得所述不同业务对象之间的关联度。
可选地，所述依据所述关联度生成业务对象集群的步骤包括：
当不同业务对象之间的关联度超过第一预设阈值时，识别所述不同业务对象之间具有目标关系；
根据全部业务对象之间的目标关系，生成业务对象关系图谱；
采用所述业务对象关系图谱，将所述业务对象划分为多个业务对象集群。
可选地，所述根据全部业务对象之间的目标关系，生成业务对象关系图谱的步骤包括：
分别连接具有所述目标关系的不同业务对象，获得业务对象关系图谱。
可选地，所述采用所述业务对象关系图谱，将所述业务对象划分为多个业务对象集群的步骤包括：
对所述业务对象关系图谱中的每个业务对象配置标签；
将每个业务对象的标签传递至相连的业务对象；
从每个业务对象接收到的标签中，按照标签的数量选取一个标签作为所拥有的标签；
判断在所述业务对象关系图谱中，每个业务对象所拥有的标签是否发生变化，或者，当前是否小于预设的最大迭代次数；
若是，则返回执行所述将每个业务对象的标签传递至相连的业务对象的步骤；
若否，则将拥有相同标签的业务对象划分为业务对象集群。
可选地，在所述采用所述业务对象关系图谱，将所述业务对象划分为多个业务对象集群的步骤后，还包括：
对所述多个业务对象集群进行校验。
可选地，所述多个业务对象集群分别具有对应的文本信息，所述对所述多个业务对象集群进行校验的步骤包括：
提取每个业务对象集群的文本信息中的关键词；
依据所述关键词，确定任意两个业务对象集群之间的文本相似度；
合并所述文本相似度超过第二预设阈值的两个业务对象集群。
可选地，所述提取所述业务对象集群的用户标签的步骤包括：
获取业务对象集群的用户信息；
采用所述用户信息，识别所述业务对象集群中的核心用户；
提取所述核心用户的用户标签。
可选地，所述采用所述用户信息，识别所述业务对象集群中的核心用户的步骤包括：
按照预设的维度，对所述业务对象集群中的用户进行排序；
识别出预设数量的核心用户。
可选地，在所述根据所述用户标签生成对应的业务对象集群的属性标识的步骤后，还包括：
采用所述业务对象集群的属性标识，确定所述业务对象集群的目标用户；
向所述目标用户推荐目标业务对象。
为了解决上述问题，本申请还公开了一种业务对象属性标识的生成方法，包括：
接收业务对象属性标识的生成指令；
将所述生成指令提交至服务器；
接收所述服务器发送的所述业务对象的属性标识，其中，所述业务对象的属性标识由所述服务器针对所述生成指令，通过提取所述业务对象所属的业务对象集群的用户标签获得；
展现所述业务对象的属性标识。
为了解决上述问题，本申请还公开了一种业务对象属性标识的生成装置，包括：
关联度确定模块，用于根据用户针对业务对象的行为信息，确定不同业务对象之间的关联度；
业务对象集群生成模块，用于依据所述关联度生成业务对象集群；
用户标签提取模块，用于提取所述业务对象集群的用户标签；
属性标识生成模块，用于根据所述用户标签生成对应的业务对象集群的属性标识。
可选地，所述用户针对业务对象的行为信息通过调用如下子模块获取：
选定子模块，用于选定初始业务对象集群；
提取子模块，用于提取在预设时间范围内用户针对所述初始业务对象集群的行为信息。
可选地，所述关联度确定模块包括：
向量表达式生成子模块，用于根据用户针对业务对象的行为信息，生成每个业务对象的向量表达式；
相似度和支持度确定子模块，用于采用所述向量表达式，确定不同业务对象之间的相似度和支持度；
关联度确定子模块，用于采用所述相似度和支持度，确定所述不同业务对象之间的关联度。
可选地，所述关联度确定子模块包括：
相似度和支持度加权单元，用于对所述相似度和支持度进行加权，获得不同业务对象之间的关联度。
可选地，所述行为信息包括第一行为信息，和/或，第二行为信息，所述关联度确定模块还包括：
第一关联度确定子模块，用于根据所述第一行为信息，确定不同业务对象之间的第一关联度；
第二关联度确定子模块，用于根据所述第二行为信息，确定所述不同业务对象之间的第二关联度；
关联度加权子模块，用于对所述第一关联度和第二关联度进行加权，获得所述不同业务对象之间的关联度。
可选地，所述业务对象集群生成模块包括：
目标关系识别子模块，用于在不同业务对象之间的关联度超过第一预设阈值时，识别所述不同业务对象之间具有目标关系；
业务对象关系图谱生成子模块，用于根据全部业务对象之间的目标关系，生成业务对象关系图谱；
业务对象集群划分子模块，用于采用所述业务对象关系图谱，将所述业务对象划分为多个业务对象集群。
可选地，所述业务对象关系图谱生成子模块包括：
业务对象连接单元，用于分别连接具有所述目标关系的不同业务对象，获得业务对象关系图谱。
可选地，所述业务对象集群划分子模块包括：
标签配置单元，用于对所述业务对象关系图谱中的每个业务对象配置标签；
标签传递单元，用于将每个业务对象的标签传递至相连的业务对象；
标签选取单元，用于从每个业务对象接收到的标签中，按照标签的数量选取一个标签作为所拥有的标签；
判断单元，用于判断在所述业务对象关系图谱中，每个业务对象所拥有的标签是否发生变化，或者，当前是否小于预设的最大迭代次数；若是，则调用所述标签传递单元；
业务对象集群划分单元，用于将拥有相同标签的业务对象划分为业务对象集群。
可选地，所述业务对象集群生成模块还包括：
业务对象集群校验子模块，用于对所述多个业务对象集群进行校验。
可选地，所述多个业务对象集群分别具有对应的文本信息，所述业务对象集群校验子模块包括：
关键词提取单元，用于提取每个业务对象集群的文本信息中的关键词；
文本相似度确定单元，用于依据所述关键词，确定任意两个业务对象集群之间的文本相似度；
业务对象集群合并单元，用于合并所述文本相似度超过第二预设阈值的两个业务对象集群。
可选地，所述用户标签提取模块包括：
用户信息获取子模块，用于获取业务对象集群的用户信息；
核心用户识别子模块，用于采用所述用户信息，识别所述业务对象集群中的核心用户；
用户标签提取子模块，用于提取所述核心用户的用户标签。
可选地，所述核心用户识别子模块包括：
排序单元，用于按照预设的维度，对所述业务对象集群中的用户进行排序；
识别单元，用于识别出预设数量的核心用户。
可选地，所述装置还包括：
目标用户确定模块，用于采用所述业务对象集群的属性标识，确定所述业务对象集群的目标用户；
目标业务对象推荐模块，用于向所述目标用户推荐目标业务对象。
为了解决上述问题，本申请还公开了一种业务对象属性标识的生成装置，包括：
第一接收模块，用于接收业务对象属性标识的生成指令；
提交模块，用于将所述生成指令提交至服务器；
第二接收模块，用于接收所述服务器发送的所述业务对象的属性标识，其中，所述业务对象的属性标识由所述服务器针对所述生成指令，通过提取所述业务对象所属的业务对象集群的用户标签获得；
展现模块，用于展现所述业务对象的属性标识。
为了解决上述问题，本申请还公开了一种用于生成业务对象属性标识的终端，包括：
一个或者一个以上处理器；
存储器；以及
一个或者一个以上的程序，其中一个或者一个以上程序存储于存储器中，且经配置 以由一个或者一个以上处理器执行所述一个或者一个以上程序包含用于进行以下操作的指令：
接收业务对象属性标识的生成指令；
将所述生成指令提交至服务器；
接收所述服务器发送的所述业务对象的属性标识，其中，所述业务对象的属性标识由所述服务器针对所述生成指令，通过提取所述业务对象所属的业务对象集群的用户标签获得；
展现所述业务对象的属性标识。
为了解决上述问题，本申请还公开了一种用于生成业务对象属性标识的服务器，包括：
一个或多个处理器；
存储器；和
一个或多个模块，所述一个或多个模块存储于所述存储器中并被配置成由所述一个或多个处理器执行，其中，所述一个或多个模块具有如下功能：
根据用户针对业务对象的行为信息，确定不同业务对象之间的相似度；
依据所述相似度生成业务对象集群；
提取所述业务对象集群的用户标签；
根据所述用户标签生成对应的业务对象集群的属性标识。
与背景技术相比，本申请实施例包括以下优点：
本申请实施例，可以根据用户针对业务对象的行为信息，确定出不同业务对象之间的关联度，并依据所述关联度生成业务对象集群，然后提取出所述业务对象集群的用户标签，从而可以根据所述用户标签生成对应的业务对象集群的属性标识，本申请实施例通过抽取出业务对象本身所蕴含的和用户行为相关的信息，例如生活方式，需求偏好，风格属性等等，这些信息并非通过业务对象本身的某种维度进行划分，而是通过用户针对业务对象的行为信息，自动挖掘识别出来，可以有效提升对业务对象的属性标识的识别的精准度。
其次，本申请实施例中通过业务对象集群的属性标识，还可以识别出目标用户并向目标用户推荐目标业务对象，进一步提高了对目标用户的识别的效率，从而能够在对业务对象的推广过程中，提供给业务对象方更多的关于业务对象的相关信息，并可以通过系统化的方式，自动为其定义要圈选的用户群。此外，对于基于机器学习的目标用户的 圈选方法，本申请实施例所生成的业务对象的属性标识本身也可以作为特征工程的一个有效补充，有效提升模型的准确率和召回率。
第三，当业务对象为商品的品牌时，本申请实施例可以通过确定品牌之间的关联度，从而按照所述关联度将多个品牌划分为不同的品牌组，进而通过识别品牌组的属性标识，生成不同的目标用户人群，当品牌方在进行品牌推广时，可以获得相关的品牌的信息，从而找对这个品牌最感兴趣的用户，有助于品牌主快速、便捷地定位到目标用户，提高了对目标用户的定位的精确度，有助于实现品牌推广的效益的最大化。
附图说明
图1是本申请的一种业务对象属性标识的生成方法实施例一的步骤流程图；
图2是本申请的一种业务对象关系图谱的示意图；
图3是本申请的一种业务对象属性标识的生成方法实施例二的步骤流程图；
图4是本申请的一种商品品牌的属性标识的生成原理图；
图5是本申请的一种业务对象属性标识的生成方法实施例三的步骤流程图；
图6A是本申请的一种业务对象属性标识的生成装置实施例一的一种结构框图；
图6B是本申请的一种业务对象属性标识的生成装置实施例一的一种结构框图；
图6C是本申请的一种业务对象属性标识的生成装置实施例一的一种结构框图；
图6D是本申请的一种业务对象属性标识的生成装置实施例一的一种结构框图；
图7是本申请的一种业务对象属性标识的生成装置实施例二的结构框图；
图8是本申请的一种业务对象属性标识的生成系统实施例的框图。
具体实施方式
为使本申请的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本申请作进一步详细的说明。
参照图1，示出了本申请的一种业务对象属性标识的生成方法实施例一的步骤流程图，具体可以包括如下步骤：
步骤101，根据用户针对业务对象的行为信息，确定不同业务对象之间的关联度；
通常，在不同的业务领域中可以具有不同的业务对象，例如，在通信领域中，业务对象可以为通信数据；在新闻媒体领域中，业务对象可以为新闻数据；在搜索领域中，业务对象可以为网页；在电子商务领域中，业务对象可以为商品或商品品牌，等等。本 申请实施例对业务对象的具体类型不作限定。进一步地，用户针对业务对象的行为信息也可以因为业务领域的不同而不同，例如，对于新闻数据类业务对象，用户的行为信息可以是用户对某条新闻的阅读或搜索行为，而对于商品或商品品牌类业务对象，用户的行为信息则可以是对某一商品的购买行为或者浏览行为，等等。
在本申请实施例中，在采集到用户针对业务对象的行为信息后，可以根据所述行为信息，计算出不同业务对象之间的关联度，所述关联度可以是对不同业务对象之间的相互关系所作的一种度量。
在具体实现中，关联度可以是通过对某一维度之间的关系的量化，例如，可以以业务对象之间的相似度或者支持度作为关联度；也可以是对多个维度之间的关系的量化，例如，可以对业务对象之间的相似度和支持度进行统一处理，从而得到关联度。当然，本领域技术人员还可以根据实际需要，采用不同的方式确定业务对象之间的关联度，本申请实施例对此不作限定。
在本申请实施例中，可以通过选定初始业务对象集群，并提取在预设时间范围内用户针对所述初始业务对象集群的行为信息来获得用户针对业务对象的行为信息。
具体地，可以根据具体的业务目标划分，首先选定初始业务对象的范围，例如，对于业务对象为商品，如果有些业务专做中高端品牌，可以只选定中高端品牌范围的商品，如果有些业务只针对女装，则只需要选定女装类的商品。然后，可以将在某一时间段内，用户针对所述范围内的业务对象的行为信息提取出来，获得用户针对业务对象的行为信息。
在本申请实施例中，可以首先根据用户针对业务对象的行为信息，生成每个业务对象的向量表达式。例如，可以对一定数量的用户的行为信息进行研究，就可以形成一个用户行为与业务对象之间的向量关系表达式。具体地，以1000名用户是否购买某品牌商品为例，如果第1位、第3位和第6位用户购买了该品牌的商品，而其他用户均没有购买行为，那么所生成的向量表达式可以为(1,0,1,0,0,1,0,……,0)。
然后，可以采用该表达式，进一步地计算业务对象之间的关联度。具体地，可以采用所述向量表达式，确定不同业务对象之间的相似度和支持度。
在本申请实施例中，所述相似度可以是指余弦相似度，所述余弦相似度又称为余弦相似性，可以通过计算两个向量之间的夹角余弦值来评估它们的相似度，即可以求得两个向量之间的夹角，并得出夹角对应的余弦值，此余弦值就可以用来表征这两个向量之 间的相似性。通常，余弦值的范围在[-1,1]之间，余弦值越趋近于1，代表两个向量的方向越趋近于0，它们的方向也就更加一致，相应的相似度也更高。而支持度则表示一种支持的程度，一般以百分比表示。例如，在1000名用户中，购买了某品牌商品的用户为400名，则可以认为用户对该品牌商品的支持度为40％。
在本申请实施例中，不同业务对象之间的余弦相似度可以直接采用业务对象的向量表达式，按照公知的余弦相似度的计算公式进行计算。对于业务对象之间的支持度，则可以从向量表达式中提取出具体的支持人数，采用对不同的业务对象的实际支持用户数与总的支持用户数之间的比值来确定。例如，对于某品牌商品A和B，其中支持(例如，可以是购买行为)品牌商品A的用户数为10名，支持品牌商品B的用户数为15名，其中，包括5名用户既支持了品牌商品A，又支持了品牌商品B，则可以确定某品牌商品A和B之间的支持度为(10+15-5)/(10+15)*100％＝80％。
当计算出不同业务对象之间的相似度和支持度后，便可以采用所述相似度和支持度，确定所述不同业务对象之间的关联度。
在具体实现中，可以分别为相似度和支持度设定不同的权重，然后对所述相似度和支持度进行加权，获得不同业务对象之间的关联度。本申请实施例对设定的相似度和支持度的权重的具体数值大小，不作限定。当然，本领域技术人员还可以根据实际需要，通过其他方式来计算不同业务对象之间的关联度，例如，可以通过计算业务对象之间的置信度或者提升度等指标，然后获得不同业务对象之间的关联度，本申请实施例对此亦不作限定。
作为本申请的另一种示例，用户针对业务对象的行为信息可以包括多种，例如可以包括第一行为信息和第二行为信息。以业务对象为品牌商品为例，第一行为信息可以是用户对某品牌的购买行为，第二行为信息可以是用户对该品牌的加购物车行为，即将该品牌的商品放入电子商务网站的购物车中，但暂未购买的一种行为。
以用户行为信息包括第一行为信息和第二行为信息为例，在确定不同业务对象之间的关联度时，可以首先根据所述第一行为信息，确定不同业务对象之间的第一关联度，以及，根据所述第二行为信息，确定所述不同业务对象之间的第二关联度；然后对所述第一关联度和第二关联度进行加权，获得所述不同业务对象之间的关联度。当然，用户的行为信息还可以包括第三行为信息、第四行为信息以及其他更多类型的行为信息，本申请实施例对此不作限定。
步骤102，依据所述关联度生成业务对象集群；
在本申请实施例中，当分别获得不同业务对象之间的关联度后，可以按照关联度的不同，将全部的业务对象划分为多个不同的业务对象计算，使得每个业务对象集群中的业务对象都具有较高的相似性。
在具体实现中，可以预设一阈值，对业务对象之间的相似性进行区分，例如，可以设置第一预设阈值为80％，当不同业务对象之间的关联度超过第一预设阈值时，识别所述不同业务对象之间具有目标关系，所述目标关系可以是指关联度超过上述80％的阈值时，两个不同的业务对象具有较高的相似性。当然，本领域技术人员可以根据实际需要设定第一预设阈值的具体大小，本申请实施例对此不作限定。
然后，可以根据全部业务对象之间的目标关系，生成业务对象关系图谱，所述业务对象关系图谱即是根据业务对象之间的关系所形成的一个关系网络图。具体地，可以分别连接具有所述目标关系的不同业务对象，获得业务对象关系图谱。例如，对于业务对象A、B、C、D，如果业务对象A与C、D具有上述目标关系，业务对象B与D具有上述目标关系，业务对象C与D也具有上述目标关系，则可以将A与C，A与D，B与D，C与D两两连接，从而形成一个关系图谱。
最后，可以采用所述业务对象关系图谱，将所述业务对象划分为多个业务对象集群。
在本申请的一种优选实施例中，所述采用所述业务对象关系图谱，将所述业务对象划分为多个业务对象集群的子步骤可以进一步包括：
S11，对所述业务对象关系图谱中的每个业务对象配置标签；
S12，将每个业务对象的标签传递至相连的业务对象；
S13，从每个业务对象接收到的标签中，按照标签的数量选取一个标签作为所拥有的标签；
S14，判断在所述业务对象关系图谱中，每个业务对象所拥有的标签是否发生变化，或者，当前是否小于预设的最大迭代次数；
S15，若是，则返回执行所述将每个业务对象的标签传递至相连的业务对象的步骤；
S16，若否，则将拥有相同标签的业务对象划分为业务对象集群。
在具体实现中，为方便计算，为业务对象配置的标签可以为其ID，当然，也可以采用其他方式配置标签，如随机配置，只要保持标签的唯一性即可，本申请实施例对此不作限定。
在首次迭代中，可以随机选择标签，由于在业务对象关系图谱中核心的节点连着其他很多外围节点，其标签被随机选择到的几率较大，在后续的迭代过程中，核心的节点的标签数量会增加，逐步达到稳定。
当标签稳定或到达最大迭代次数时，可以将具有同样标签的业务对象看作是属于同一个业务对象集群的，节点的标签即可作为该业务对象的识别标签。
例如，如图2所示，是本申请的一种业务对象关系图谱的示意图，以节点的名称作为业务对象的标签，即节点R、S、T、U的标签分别为R、S、T、U，则其在迭代的过程如下：
Figure PCTCN2017111505-appb-000001
在第3轮迭代后，业务对象所拥有的标签都为R，不再发生变化，因此，可以认为节点R、S、T、U对应的业务对象属于相同的集群，可以将其划分在同一个业务对象集群中。
以上对业务对象关系图谱的描述较为简单，仅仅作为介绍本申请实施例划分业务对象集群的一个示例，在实际使用中，业务对象关系图谱中所包含的业务对象的数量可以是极为庞大的。当然，本领域技术人员还可以选择其他方式来实现将业务对象关系图谱划分为多个不同的业务对象集群，例如，聚类法、社区划分算法等等，本申请实施例对 此不作限定。
在本申请实施例中，在将业务对象划分为多个不同的业务对象集群后，为了确定所得到的划分结果是否合理和准确，还可以对所述多个业务对象集群进行校验。
通常，业务对象集群可以包括有对应的文本信息，例如，以业务对象集群为某些相似的品牌为例，其文本信息可以是该集群中每个业务对象(即每个品牌)的广告语，消费者评价信息，品牌口号，品牌文化信息等。
在具体实现中，可以首先提取每个业务对象集群的文本信息中的关键词，然后依据所述关键词，确定任意两个业务对象集群之间的文本相似度。
例如，对于文本信息“我爱北京天安门”，经过关键词提取后，可以是“我”，“爱”，“北京”，“天安门”，很多类似的文本都可以通过这样的方式，变成一些关键词的组合；而对于另外的文本信息“我爱黄河”，经过分词和关键词提取后可以是“我”，“爱”，“黄河”，那么上述两种文本信息之间有两个关键词是相同的，三个词不同，那么它们之间的相似性就是2/5＝0.4。
当然，以上示例仅为说明关键词提取和文本相似度的计算过程，本领域技术人员也可以选择其他方式来事项上述过程，本申请实施例对此不作限定。
在本申请实施例中，可以为业务对象集群之间的文本相似度设定一阈值，例如可以设置第二预设阈值为90％，当获得任意两个业务对象集群之间的文本相似度之后，可以合并所述文本相似度超过第二预设阈值的两个业务对象集群。
步骤103，提取所述业务对象集群的用户标签；
在本申请实施例中，在将多个业务对象划分为不同的业务对象集群后，可以针对所要研究的业务对象集群，进一步获取所述业务对象集群的用户信息，所述用户信息可以是根据业务对象集群中每个业务对象所拥有的用户来确定的，例如，可以首先识别出业务对象集群中每个业务对象的用户群体，然后将全部业务对象的用户群体的信息作为该业务对象集群的用户信息。
然后，可以采用所述用户信息，识别所述业务对象集群中的核心用户。具体地，可以按照预设的维度，对所述业务对象集群中的用户进行排序，然后识别出预设数量的核心用户。
例如，若某一业务对象集群是由多个类似的商品品牌所组成的，所述业务对象集群中的核心用户则可以认为是对上述品牌的商品消费较多的一类用户。因此，可以按照消 费金额这一维度，首先统计出每个用户对该业务对象集群中的全部品牌的消费金额，然后按照消费金额的大小进行排序，将消费金额在前20％的用户识别为核心用户。当然，对于不同类型的业务对象或业务对象集群，核心用户的识别标准也会不同，本领域技术人员可以根据实际需要，设定识别业务对象集群中核心用户的具体方式，本申请实施例对此不作限定。
通常，用户可以有自己的用户标签，例如，年龄、工作信息、居住城市、消费偏好等等。当识别出业务对象集群中的核心用户后，可以进一步提取所述核心用户的用户标签。
步骤104，根据所述用户标签生成对应的业务对象集群的属性标识。
在本申请实施例中，可以以业务对象集群中核心用户的用户标签作为该业务对象集群的属性标识。
在本申请实施例中，可以根据用户针对业务对象的行为信息，确定出不同业务对象之间的关联度，并依据所述关联度生成业务对象集群，然后提取出所述业务对象集群的用户标签，从而可以根据所述用户标签生成对应的业务对象集群的属性标识，本申请实施例通过抽取出业务对象本身所蕴含的和用户行为相关的信息，例如生活方式，需求偏好，风格属性等等，这些信息并非通过业务对象本身的某种维度进行划分，而是通过用户针对业务对象的行为信息，自动挖掘识别出来，可以有效提升对业务对象的属性标识的识别的精准度。
在本申请实施例中，当生成业务对象集群的属性标识后，还可以采用所述业务对象集群的属性标识，确定所述业务对象集群的目标用户，进而向所述目标用户推荐目标业务对象。
通常，所生成的业务对象的属性标识可以有多个，因此，在生成业务对象集群的属性标识后，可以采用其中的某一个或多个属性标识，确定出业务对象集群的目标用户，例如，对于业务对象集群的属性标识为“男性、18-22岁、一二线城市、消费层级中等偏上”，可以选取其中的“男性、18-22”的两个属性标识，从而将具有上述两个属性标识的用户识别为目标用户，进而向所述目标用户推荐目标业务对象。
在具体实现中，目标业务对象可以是该业务对象集群中的某一个业务对象，也可以不是该业务对象集群中的业务对象，但与该业务对象集群中的业务对象具有较高相似性的其他业务对象，本申请实施例对此不作限定。
在本申请实施例中，通过业务对象集群的属性标识，还可以识别出目标用户并向目标用户推荐目标业务对象，进一步提高了对目标用户的识别的效率，从而能够在对业务对象的推广过程中，提供给业务对象方更多的关于业务对象的相关信息，并可以通过系统化的方式，自动为其定义要圈选的用户群。此外，对于基于机器学习的目标用户的圈选方法，本申请实施例所生成的业务对象的属性标识本身也可以作为特征工程的一个有效补充，有效提升模型的准确率和召回率。
为了便于理解，下面以业务对象为商品的品牌为例，对本申请的业务对象属性标识的生成方法作一介绍。
参照图3，示出了本申请的一种业务对象属性标识的生成方法实施例二的步骤流程图，具体可以包括如下步骤：
步骤301，根据用户针对业务对象的行为信息，确定不同业务对象之间的关联度；
在业务对象为商品的品牌时，用户针对业务对象的行为信息为用户对该品牌的商品的购买行为、浏览行为、搜索行为以及放入购物车等等。
如图4所示，是本申请的一种商品品牌的属性标识的生成原理图。在图4中，用户的行为信息包括购买行为、浏览行为和放入购物车三类。
在具体实现中，可以针对用户购买各类品牌的商品的信息，计算出不同品牌之间的购买关联度；针对用户浏览各类品牌的商品的信息，计算出不同品牌之间的浏览关联度；针对用户将各类品牌的商品放入购物车的信息，计算出不同品牌之间的加购关联度。
在具体实现中，以购买关联度为例，若在1000名用户中，有500名用户购买了品牌A的商品，则可以生成用户对品牌A的购买行为的向量表达式A；如果该1000名用户中有700名用户购买了品牌B的商品，则同理可以生成用户对品牌B的购买行为的向量表达式B，然后可以采用向量表达式A和向量表达式B，计算出品牌A与品牌B之间的相似度。
此外，还可以采用向量表达式A和向量表达式B，计算出品牌A与品牌B之间的支持度、置信度以及提升度等等，进而对上述的相似度、支持度、置信度以及提升度进行加权，从而得到品牌A与品牌B之间的购买关联度。当然，本领域技术人员可以根据实际需要，具体选择所进行加权的对象，例如，可以仅仅以相似度结果作为购买关联度，或者在相似度的基础上增加支持度，然后再进行加权，等等，本申请实施例对此不作限定。
同理，品牌A与品牌B之间的浏览关联度和加购关联度的计算过程与购买关联度的计算过程类似，本申请实施例对此不再赘述。当获得上述三类相似度后，可以分别对购买关联度、浏览关联度和加购关联度进行加权，从而得到品牌A与品牌B之间的关联度。
步骤302，依据所述相似度生成业务对象集群；
在本申请实施例中，在业务对象为商品的品牌时，业务对象集群即为不同的品牌组。
在具体实现中，在分别计算获得全部品牌两两之间的相似度之后，可以将关联度超过第一预设阈值的两个品牌进行连接，生成品牌关系图谱，进而可以采用迭代层次聚类算法或者其他社群发现算法对该品牌关系图谱进行划分，获得多个品牌组，并使每个品牌组中包含有数量适当的多个不同品牌。例如，可以使每个品牌组中有6-8个左右的不同品牌。
步骤303，对所述多个业务对象集群进行校验；
在本申请实施例中，在获得多个品牌组后，还可以对每个品牌组进行校验，以确定按照步骤302中完成的对品牌关系图谱的划分是否合理和有效。
在具体实现中，可以根据品牌组中每个品牌的广告语，消费者评价信息，品牌口号，品牌文化信息等，生成该品牌组的文本信息，进而通过提取文本信息中的关键词，计算两两品牌组之间的文本相似度。如果该文本相似度超过预设的第二阈值，则可以认为两个品牌组之间的相似性较高，可以合并处理。
步骤304，提取所述业务对象集群的用户标签；
在本申请实施例中，在提取品牌组的用户标签时，可以首先识别出该品牌组的核心用户，例如，核心用户可以是购买该品牌组内各个品牌的商品的消费金额在前20％的用户。然后，提取上述前20％的用户的用户标签作为该品牌组的用户标签。
步骤305，根据所述用户标签生成对应的业务对象集群的属性标识；
在获得每个品牌组的核心用户的标签后，可以根据所述用户标签，生成对应的品牌组的属性标识。例如，对于某个品牌组，其属性标识可以是“年轻，男性，一二线城市，中高端消费，运动，户外，时尚”等等。
步骤306，采用所述业务对象集群的属性标识，确定所述业务对象集群的目标用户；
在具体实现中，当生成每个品牌组的属性标识后，从而可以在进行品牌推广时，根据品牌方的实际需求，如定向投放需求，可以根据品牌组的属性标识，生成目标用户人群结果，例如，可以是“欧式风格家具人群”，“智能家居发烧友人群”，“轻奢潮品 达人人群”，“高端母婴人群”，“吃货一族”等等，然后从中选择自己合适的目标用户人群。
步骤307，向所述目标用户推荐目标业务对象。
在本申请实施例中，当业务对象为商品品牌时，目标业务对象为具体的某一商品品牌。具体地，该商品品牌可以是品牌组中的某一商品品牌，也可以是非品牌组中的商品品牌，本申请实施例对此不作限定。从而可以将目标品牌的商品推荐给目标用户。
在本申请实施例中，可以通过确定品牌之间的相似度，从而按照所述相似度将多个品牌划分为不同的品牌组，进而通过识别品牌组的属性标识，生成不同的目标用户人群，当品牌方在进行品牌推广时，可以获得相关的品牌的信息，从而找对这个品牌最感兴趣的用户，有助于品牌主快速、便捷地定位到目标用户，提高了对目标用户的定位的精确度，有助于实现品牌推广的效益的最大化。
参照图5，示出了本申请的一种业务对象属性标识的生成方法实施例三的步骤流程图，具体可以包括如下步骤：
步骤501，接收业务对象属性标识的生成指令；
步骤502，将所述生成指令提交至服务器；
步骤503，接收所述服务器发送的所述业务对象的属性标识，其中，所述业务对象的属性标识由所述服务器针对所述生成指令，通过提取所述业务对象所属的业务对象集群的用户标签获得；
步骤504，展现所述业务对象的属性标识。
在本申请实施例中，当需要生成业务对象的属性标识时，可以向终端发送业务对象属性标识的生成指令，终端在接收到上述生成指令后，可以将所述生成指令提交至服务器，由服务器根据业务对象所属的业务对象集群的用户标签获得所述业务对象的属性标识，进而反馈至终端，终端在接收到服务器反馈的所述业务对象的属性标识后，可以在终端的用户界面上展现所述属性标识。
由于本实施例中服务器生成业务对象属性标识的过程与方法实施例一种步骤101至步骤104，以及方法实施例二中步骤301至步骤305类似，可以相互参阅，本实施例对此不再赘述。
需要说明的是，对于方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本申请实施例并不受所描述的动作顺序的限制，因 为依据本申请实施例，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作并不一定是本申请实施例所必须的。
参照图6A，示出了本申请的一种业务对象属性标识的生成装置实施例一的结构框图之一，具体可以包括如下模块：
关联度确定模块601，用于根据用户针对业务对象的行为信息，确定不同业务对象之间的关联度；
业务对象集群生成模块602，用于依据所述关联度生成业务对象集群；
用户标签提取模块603，用于提取所述业务对象集群的用户标签；
属性标识生成模块604，用于根据所述用户标签生成对应的业务对象集群的属性标识。
参照图6B，示出了本申请的一种业务对象属性标识的生成装置实施例一的结构框图之二，所述用户针对业务对象的行为信息可以通过调用如下子模块获取：
选定子模块6011，用于选定初始业务对象集群；
提取子模块6012，用于提取在预设时间范围内用户针对所述初始业务对象集群的行为信息。
在本申请实施例中，所述关联度确定模块601还可以包括如下子模块：
向量表达式生成子模块6013，用于根据用户针对业务对象的行为信息，生成每个业务对象的向量表达式；
相似度和支持度确定子模块6014，用于采用所述向量表达式，确定不同业务对象之间的相似度和支持度；
关联度确定子模块6015，用于采用所述相似度和支持度，确定所述不同业务对象之间的关联度。
在本申请实施例中，所述关联度确定子模块6015具体可以包括如下单元：
相似度和支持度加权单元，用于对所述相似度和支持度进行加权，获得不同业务对象之间的关联度。
在本申请实施例中，所述行为信息可以包括第一行为信息，和/或，第二行为信息，所述关联度确定模块601还可以包括如下子模块：
第一关联度确定子模块6016，用于根据所述第一行为信息，确定不同业务对象之间 的第一关联度；
第二关联度确定子模块6017，用于根据所述第二行为信息，确定所述不同业务对象之间的第二关联度；
关联度加权子模块6018，用于对所述第一关联度和第二关联度进行加权，获得所述不同业务对象之间的关联度。
参照图6C，示出了本申请的一种业务对象属性标识的生成装置实施例一的结构框图之三，所述业务对象集群生成模块602具体可以包括如下子模块：
目标关系识别子模块6021，用于在不同业务对象之间的关联度超过第一预设阈值时，识别所述不同业务对象之间具有目标关系；
业务对象关系图谱生成子模块6022，用于根据全部业务对象之间的目标关系，生成业务对象关系图谱；
业务对象集群划分子模块6023，用于采用所述业务对象关系图谱，将所述业务对象划分为多个业务对象集群。
在本申请实施例中，所述业务对象关系图谱生成子模块6022具体可以包括如下单元：
业务对象连接单元，用于分别连接具有所述目标关系的不同业务对象，获得业务对象关系图谱。
在本申请实施例中，所述业务对象集群划分子模块6023具体可以包括如下单元：
标签配置单元，用于对所述业务对象关系图谱中的每个业务对象配置标签；
标签传递单元，用于将每个业务对象的标签传递至相连的业务对象；
标签选取单元，用于从每个业务对象接收到的标签中，按照标签的数量选取一个标签作为所拥有的标签；
判断单元，用于判断在所述业务对象关系图谱中，每个业务对象所拥有的标签是否发生变化，或者，当前是否小于预设的最大迭代次数；若是，则调用所述标签传递单元；
业务对象集群划分单元，用于将拥有相同标签的业务对象划分为业务对象集群。
在本申请实施例中，所述业务对象集群生成模块602还可以包括如下子模块：
业务对象集群校验子模块6024，用于对所述多个业务对象集群进行校验。
在本申请实施例中，所述多个业务对象集群可以分别具有对应的文本信息，所述业务对象集群校验子模块6024具体可以包括如下单元：
关键词提取单元，用于提取每个业务对象集群的文本信息中的关键词；
文本相似度确定单元，用于依据所述关键词，确定任意两个业务对象集群之间的文本相似度；
业务对象集群合并单元，用于合并所述文本相似度超过第二预设阈值的两个业务对象集群。
参照图6D，示出了本申请的一种业务对象属性标识的生成装置实施例一的结构框图之四，所述用户标签提取模块603具体可以包括如下子模块：
用户信息获取子模块6031，用于获取业务对象集群的用户信息；
核心用户识别子模块6032，用于采用所述用户信息，识别所述业务对象集群中的核心用户；
用户标签提取子模块6033，用于提取所述核心用户的用户标签。
在本申请实施例中，所述核心用户识别子模块6032具体可以包括如下单元：
排序单元，用于按照预设的维度，对所述业务对象集群中的用户进行排序；
识别单元，用于识别出预设数量的核心用户。
在本申请实施例中，所述装置还可以包括如下模块：
目标用户确定模块，用于采用所述业务对象集群的属性标识，确定所述业务对象集群的目标用户；
目标业务对象推荐模块，用于向所述目标用户推荐目标业务对象。
参照图7，示出了本申请的一种业务对象属性标识的生成装置实施例二的结构框图，具体可以包括如下模块：
第一接收模块701，用于接收业务对象属性标识的生成指令；
提交模块702，用于将所述生成指令提交至服务器；
第二接收模块703，用于接收所述服务器发送的所述业务对象的属性标识，其中，所述业务对象的属性标识由所述服务器针对所述生成指令，通过提取所述业务对象所属的业务对象集群的用户标签获得；
展现模块704，用于展现所述业务对象的属性标识。
对于装置实施例而言，由于其与方法实施例基本相似，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。
参见图8，示出了本申请的一种业务对象属性标识的生成系统的框图，所述系统具 体可以包括：采集单元801、服务器802和显示单元803；
所述采集单元801，采集用户针对业务对象的行为信息，并将所述行为信息发送至服务器802；
所述服务器802，在接收到采集单元801发送的所述用户针对业务对象的行为信息后，确定不同业务对象之间的关联度，依据所述关联度生成业务对象集群；
所述显示单元803，从服务器802中提取所述业务对象集群的用户标签，根据所述用户标签生成对应的业务对象集群的属性标识。
本申请实施例还公开了一种用于生成业务对象属性标识的终端，包括：
一个或者一个以上处理器；
存储器；以及
一个或者一个以上的程序，其中一个或者一个以上程序存储于存储器中，且经配置以由一个或者一个以上处理器执行所述一个或者一个以上程序包含用于进行以下操作的指令：
接收业务对象属性标识的生成指令；
将所述生成指令提交至服务器；
接收所述服务器发送的所述业务对象的属性标识，其中，所述业务对象的属性标识由所述服务器针对所述生成指令，通过提取所述业务对象所属的业务对象集群的用户标签获得；
展现所述业务对象的属性标识。
本申请实施例还公开了一种用于生成业务对象属性标识的服务器，包括：
一个或多个处理器；
存储器；和
一个或多个模块，所述一个或多个模块存储于所述存储器中并被配置成由所述一个或多个处理器执行，其中，所述一个或多个模块具有如下功能：
根据用户针对业务对象的行为信息，确定不同业务对象之间的相似度；
依据所述相似度生成业务对象集群；
提取所述业务对象集群的用户标签；
根据所述用户标签生成对应的业务对象集群的属性标识。
本说明书中的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 他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。
本领域内的技术人员应明白，本申请实施例的实施例可提供为方法、装置、或计算机程序产品。因此，本申请实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
在一个典型的配置中，所述计算机设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括非持续性的电脑可读媒体(transitory media)，如调制的数据信号和载波。
本申请实施例是参照根据本申请实施例的方法、终端设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理终端设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理终端设备上，使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本申请实施例的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本申请实施例范围的所有变更和修改。
最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。
以上对本申请所提供的一种业务对象属性标识的生成方法、一种业务对象属性标识的生成装置、一种用于生成业务对象属性标识的终端、一种用于生成业务对象属性标识的服务器和一种业务对象属性标识的生成系统，进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的一般技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。

Claims (19)

  1. 一种业务对象属性标识的生成系统，其特征在于，包括：采集单元、显示单元和服务器；
    所述采集单元，采集用户针对业务对象的行为信息，并将所述行为信息发送至服务器；
    所述服务器，在接收到所述采集单元发送的所述用户针对业务对象的行为信息后，确定不同业务对象之间的关联度，依据所述关联度生成业务对象集群；
    所述显示单元，从服务器中提取所述业务对象集群的用户标签，根据所述用户标签生成对应的业务对象集群的属性标识。
  2. 一种业务对象属性标识的生成方法，其特征在于，包括：
    根据用户针对业务对象的行为信息，确定不同业务对象之间的关联度；
    依据所述关联度生成业务对象集群；
    提取所述业务对象集群的用户标签；
    根据所述用户标签生成对应的业务对象集群的属性标识。
  3. 根据权利要求2所述的方法，其特征在于，所述用户针对业务对象的行为信息通过如下方式获取：
    选定初始业务对象集群；
    提取在预设时间范围内用户针对所述初始业务对象集群的行为信息。
  4. 根据权利要求2所述的方法，其特征在于，所述根据用户针对业务对象的行为信息，确定不同业务对象之间的关联度的步骤包括：
    根据用户针对业务对象的行为信息，生成每个业务对象的向量表达式；
    采用所述向量表达式，确定不同业务对象之间的相似度和支持度；
    采用所述相似度和支持度，确定所述不同业务对象之间的关联度。
  5. 根据权利要求4所述的方法，其特征在于，所述采用所述相似度和支持度，确定所述不同业务对象之间的关联度的步骤包括：
    对所述相似度和支持度进行加权，获得不同业务对象之间的关联度。
  6. 根据权利要求2-5任一所述的方法，其特征在于，所述行为信息包括第一行为信息，和/或，第二行为信息，所述根据用户针对业务对象的行为信息，确定不同业务对象 之间的相似度的步骤还包括：
    根据所述第一行为信息，确定不同业务对象之间的第一关联度；
    根据所述第二行为信息，确定所述不同业务对象之间的第二关联度；
    对所述第一关联度和第二关联度进行加权，获得所述不同业务对象之间的关联度。
  7. 根据权利要求2所述的方法，其特征在于，所述依据所述关联度生成业务对象集群的步骤包括：
    当不同业务对象之间的关联度超过第一预设阈值时，识别所述不同业务对象之间具有目标关系；
    根据全部业务对象之间的目标关系，生成业务对象关系图谱；
    采用所述业务对象关系图谱，将所述业务对象划分为多个业务对象集群。
  8. 根据权利要求7所述的方法，其特征在于，所述根据全部业务对象之间的目标关系，生成业务对象关系图谱的步骤包括：
    分别连接具有所述目标关系的不同业务对象，获得业务对象关系图谱。
  9. 根据权利要求8所述的方法，其特征在于，所述采用所述业务对象关系图谱，将所述业务对象划分为多个业务对象集群的步骤包括：
    对所述业务对象关系图谱中的每个业务对象配置标签；
    将每个业务对象的标签传递至相连的业务对象；
    从每个业务对象接收到的标签中，按照标签的数量选取一个标签作为所拥有的标签；
    判断在所述业务对象关系图谱中，每个业务对象所拥有的标签是否发生变化，或者，当前是否小于预设的最大迭代次数；
    若是，则返回执行所述将每个业务对象的标签传递至相连的业务对象的步骤；
    若否，则将拥有相同标签的业务对象划分为业务对象集群。
  10. 根据权利要求7-9任一所述的方法，其特征在于，在所述采用所述业务对象关系图谱，将所述业务对象划分为多个业务对象集群的步骤后，还包括：
    对所述多个业务对象集群进行校验。
  11. 根据权利要求10所述的方法，其特征在于，所述多个业务对象集群分别具有对应的文本信息，所述对所述多个业务对象集群进行校验的步骤包括：
    提取每个业务对象集群的文本信息中的关键词；
    依据所述关键词，确定任意两个业务对象集群之间的文本相似度；
    合并所述文本相似度超过第二预设阈值的两个业务对象集群。
  12. 根据权利要求2所述的方法，其特征在于，所述提取所述业务对象集群的用户标签的步骤包括：
    获取业务对象集群的用户信息；
    采用所述用户信息，识别所述业务对象集群中的核心用户；
    提取所述核心用户的用户标签。
  13. 根据权利要求12所述的方法，其特征在于，所述采用所述用户信息，识别所述业务对象集群中的核心用户的步骤包括：
    按照预设的维度，对所述业务对象集群中的用户进行排序；
    识别出预设数量的核心用户。
  14. 根据权利要求2所述的方法，其特征在于，在所述根据所述用户标签生成对应的业务对象集群的属性标识的步骤后，还包括：
    采用所述业务对象集群的属性标识，确定所述业务对象集群的目标用户；
    向所述目标用户推荐目标业务对象。
  15. 一种业务对象属性标识的生成方法，其特征在于，包括：
    接收业务对象属性标识的生成指令；
    将所述生成指令提交至服务器；
    接收所述服务器发送的所述业务对象的属性标识，其中，所述业务对象的属性标识由所述服务器针对所述生成指令，通过提取所述业务对象所属的业务对象集群的用户标签获得；
    展现所述业务对象的属性标识。
  16. 一种业务对象属性标识的生成装置，其特征在于，包括：
    关联度确定模块，用于根据用户针对业务对象的行为信息，确定不同业务对象之间的关联度；
    业务对象集群生成模块，用于依据所述关联度生成业务对象集群；
    用户标签提取模块，用于提取所述业务对象集群的用户标签；
    属性标识生成模块，用于根据所述用户标签生成对应的业务对象集群的属性标识。
  17. 一种业务对象属性标识的生成装置，其特征在于，包括：
    第一接收模块，用于接收业务对象属性标识的生成指令；
    提交模块，用于将所述生成指令提交至服务器；
    第二接收模块，用于接收所述服务器发送的所述业务对象的属性标识，其中，所述业务对象的属性标识由所述服务器针对所述生成指令，通过提取所述业务对象所属的业务对象集群的用户标签获得；
    展现模块，用于展现所述业务对象的属性标识。
  18. 一种用于生成业务对象属性标识的终端，其特征在于，包括：
    一个或者一个以上处理器；
    存储器；以及
    一个或者一个以上的程序，其中一个或者一个以上程序存储于存储器中，且经配置以由一个或者一个以上处理器执行所述一个或者一个以上程序包含用于进行以下操作的指令：
    接收业务对象属性标识的生成指令；
    将所述生成指令提交至服务器；
    接收所述服务器发送的所述业务对象的属性标识，其中，所述业务对象的属性标识由所述服务器针对所述生成指令，通过提取所述业务对象所属的业务对象集群的用户标签获得；
    展现所述业务对象的属性标识。
  19. 一种用于生成业务对象属性标识的服务器，其特征在于，包括：
    一个或多个处理器；
    存储器；和
    一个或多个模块，所述一个或多个模块存储于所述存储器中并被配置成由所述一个或多个处理器执行，其中，所述一个或多个模块具有如下功能：
    根据用户针对业务对象的行为信息，确定不同业务对象之间的相似度；
    依据所述相似度生成业务对象集群；
    提取所述业务对象集群的用户标签；
    根据所述用户标签生成对应的业务对象集群的属性标识。
PCT/CN2017/111505 2016-11-29 2017-11-17 一种业务对象属性标识的生成方法、装置和系统 WO2018099275A1 (zh)

Applications Claiming Priority (2)

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

Publications (1)

Publication Number Publication Date
WO2018099275A1 true WO2018099275A1 (zh) 2018-06-07

Family

ID=62227071

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/CN2017/111505 WO2018099275A1 (zh) 2016-11-29 2017-11-17 一种业务对象属性标识的生成方法、装置和系统

Country Status (3)

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

Cited By (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN110188357A (zh) * 2019-05-31 2019-08-30 阿里巴巴集团控股有限公司 对象的行业识别方法及装置
CN110737834A (zh) * 2019-10-14 2020-01-31 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
CN111291019A (zh) * 2018-12-07 2020-06-16 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
CN111309614A (zh) * 2020-02-17 2020-06-19 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
CN111353779A (zh) * 2020-02-25 2020-06-30 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
CN111382343A (zh) * 2018-12-27 2020-07-07 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
CN111522606A (zh) * 2020-04-26 2020-08-11 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
CN112100391A (zh) * 2019-05-31 2020-12-18 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
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
CN112749292A (zh) * 2019-10-31 2021-05-04 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
CN116308683A (zh) * 2023-05-17 2023-06-23 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
CN116431319A (zh) * 2023-06-14 2023-07-14 云阵(杭州)互联网技术有限公司 任务处理方法及装置
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

Families Citing this family (9)

* 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
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
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
CN110032878B (zh) * 2019-03-04 2021-11-02 创新先进技术有限公司 一种安全的特征工程方法和装置
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
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
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

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104025130A (zh) * 2011-02-22 2014-09-03 汤姆森路透社全球资源公司 关联重要性
CN104050295A (zh) * 2014-07-01 2014-09-17 彩带网络科技（北京）有限公司 一种交互方法及系统
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

Family Cites Families (29)

* 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
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
US10410243B2 (en) * 2012-12-22 2019-09-10 Quotient Technology Inc. Automatic recommendation of digital offers to an offer provider based on historical 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
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
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

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104025130A (zh) * 2011-02-22 2014-09-03 汤姆森路透社全球资源公司 关联重要性
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
CN104050295A (zh) * 2014-07-01 2014-09-17 彩带网络科技（北京）有限公司 一种交互方法及系统

Cited By (27)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN111291019A (zh) * 2018-12-07 2020-06-16 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
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
CN111382343A (zh) * 2018-12-27 2020-07-07 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
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
CN112100391A (zh) * 2019-05-31 2020-12-18 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
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
CN110188357A (zh) * 2019-05-31 2019-08-30 阿里巴巴集团控股有限公司 对象的行业识别方法及装置
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
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
CN110737834A (zh) * 2019-10-14 2020-01-31 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
CN112749292A (zh) * 2019-10-31 2021-05-04 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
CN111309614A (zh) * 2020-02-17 2020-06-19 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
CN111353779A (zh) * 2020-02-25 2020-06-30 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
CN111522606A (zh) * 2020-04-26 2020-08-11 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
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
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
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
CN116308683A (zh) * 2023-05-17 2023-06-23 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
CN116431319A (zh) * 2023-06-14 2023-07-14 云阵(杭州)互联网技术有限公司 任务处理方法及装置

Also Published As

Publication number Publication date
CN108121737B (zh) 2022-04-26
TW201820230A (zh) 2018-06-01
TWI787196B (zh) 2022-12-21
CN108121737A (zh) 2018-06-05

Similar Documents

Publication Publication Date Title
WO2018099275A1 (zh) 一种业务对象属性标识的生成方法、装置和系统
CN109559208B (zh) 一种信息推荐方法、服务器及计算机可读介质
US10841743B2 (en) Branching mobile-device to system-namespace identifier mappings
WO2018014759A1 (zh) 一种聚类数据表的展现方法、装置和系统
JP6759844B2 (ja) 画像を施設に対して関連付けるシステム、方法、プログラム及び装置
TWI652584B (zh) 文本資訊的匹配、業務對象的推送方法和裝置
WO2018196424A1 (zh) 推荐方法及装置
US20130238397A1 (en) Data Processing Based on Online Transaction Platform
US10204359B1 (en) System and method for determining purchase records of mobile devices to provide effective mobile advertising
CN109816482B (zh) 电商平台的知识图谱构建方法、装置、设备及存储介质
TW201513019A (zh) 基於用戶行爲的特徵提取、個性化推薦方法和系統
CN105989004A (zh) 一种信息投放的预处理方法和装置
TW201537365A (zh) 資料搜索處理方法和系統
CN103577549A (zh) 一种基于微博标签的人群画像系统和方法
US20150278915A1 (en) Recommendation system for non-fungible assets
US8655737B1 (en) Brand name synonymy
US10055741B2 (en) Method and apparatus of matching an object to be displayed
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
CN107665442B (zh) 获取目标用户的方法及装置
JP6679704B1 (ja) 情報処理装置、情報処理方法、及び情報処理プログラム
JP2020095608A (ja) 情報処理装置、情報処理方法、及び情報処理プログラム
CN110020136B (zh) 对象推荐方法及相关设备
CN113822691A (zh) 用户账号的识别方法、装置、系统和介质
TW201546634A (zh) 對象集合及其滿意度的處理方法及裝置

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 17875597

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 17875597

Country of ref document: EP

Kind code of ref document: A1