CN103905507A - 一种业务信息推荐***及业务信息推荐方法 - Google Patents
一种业务信息推荐***及业务信息推荐方法 Download PDFInfo
- Publication number
- CN103905507A CN103905507A CN201210583816.2A CN201210583816A CN103905507A CN 103905507 A CN103905507 A CN 103905507A CN 201210583816 A CN201210583816 A CN 201210583816A CN 103905507 A CN103905507 A CN 103905507A
- Authority
- CN
- China
- Prior art keywords
- user
- information
- business
- business information
- request
- 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
Images
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
一种业务信息推荐***及业务信息推荐方法：用户需求管理单元，用于获取并解析用户需求信息，发送给业务体系管理单元，接收业务体系管理单元发送的第二业务信息，根据预先设置的用户需求策略筛选第二业务信息，获得第三业务信息发送给该用户；用户体系管理单元，用于建立对应用户标签的用户偏好体系，发送给业务体系管理单元；业务体系管理单元，用于将从用户需求管理单接收的用户需求信息与预先建立的业务信息体系匹配，获得第一业务信息，将第一业务信息与对应该用户标签的用户偏好体系及已知用户行为信息匹配，获得第二业务信息，发送给用户需求管理单元。本发明根据用户需求进行业务信息推荐，提高业务营销效果。
Description
技术领域
本发明涉及通信中的数据业务领域，特别涉及一种业务信息推荐***及业务信息推荐方法。
背景技术
随着通信技术的发展，通信***的网络侧可以为用户提供各种类型的业务，在提供业务之前，通信***的网络侧会向用户进行业务信息推荐，使得用户能够获知业务的特性，从而确定是否从通信***的网络侧接收业务。在通信***的网络侧进行业务信息推荐过程时，业务信息的推荐方，例如运营商、内容提供商等，根据的用户业务使用情况或分析得到用户特征等信息，向所选定的用户推送业务信息，进行推荐。
图1为现有技术通信***的网络侧进行业务信息推荐***结构示意图，在通信***的网络侧，包括用户数据获取单元、用户数据分析单元及业务信息推荐单元，其中，
用户数据获取单元，用于获取用户数据，包括用户业务使用信息及用户信息等，发送给用户数据分析单元；
用户数据分析单元，用于对用户数据获取单元获取的用户数据进行分析，得到用户特征，发送给业务信息推荐单元；
业务信息推荐单元，用于存储用户特征与业务信息的对应关系，根据对应关系将对应用户数据分析单元发送的用户特征的业务信息发送。
通信***的网络侧采用这种方式进行业务信息推荐，也就是业务信息推荐方向为通信***的网络侧指向用户，需要投入大量的精力进行用户数据分析，且只有在能够实现对用户数据较为准确的分析时，才能保证业务信息推荐效果的提升和业务信息推荐成本的下降。这需要通信***的网络侧不仅要承担业务信息推荐过程中所需的全部成本，同时还要承担业务信息推荐过程中因用户分析不到位，业务信息推荐方式不当造成的一切风险。
随着通信***中社交网络平台的出现，用户之间出现了紧密联系的渠道，在业务的消费过程中，用户可以脱离通信***的网络侧的业务信息推荐过程，而建立独立的用户自主业务信息推荐。例如，用户与提供业务的运营商建立连接并获取业务后，可以将该业务信息，比如提供该业务的运营商链接地址及该业务的内容介绍信息等上传到比如微博等社交网络平台上，供该社交网络平台中的其他与该用户相关的用户获取到该业务信息。
这种用户自主业务信息推荐方式规避了通信***的网络侧提供的业务信息推荐方式所承担的风险，降低了业务信息推荐成本。业务信息推荐方向也改变为用号之间的互通式业务信息推荐。但是，该用户自主业务信息推荐方式只能涉及在社交网络平台上与该用户相关的用户，业务信息推荐范围有限制；该用户自主业务信息推荐时，通常是提供业务的链接或通过与社交网络平台的接口生成用户的好友名单供用户进行推荐目标选择，业务信息推荐策略功能单一，无法实现有效管理；该用户在进行业务信息推荐时，肯能暴露自身的业务行为，暴露隐私。另外，该用自主业务信息推荐方式是该用户已经使用或购买业务信息的推荐，由于用户之间差异性，即时通过结合匹配用户的偏好程度方式来消除差异性，但是业务信息推荐效果仍旧不好。这种业务信息推荐方式存在局限性。
综上，无论采用通信***的网络侧主动业务信息推荐方式还是用户自主业务信息推荐方式，都是由业务信息推荐方式主动发起且根据推荐方的意志确定，且针对的是推荐方已有业务信息的推荐，是推荐方的推荐业务信息的一种广告方式，这样无法保证被推荐方是否与推荐方具有相同的需求，从而无法保证被推荐方的接受业务程度，甚至对被推荐方造成不必要的打扰，使得业务信息推荐效果不好。
发明内容
有鉴于此，本发明提供一种业务信息推荐***，该***能够根据用户需求进行业务信息推荐，提高业务信息推荐效果。
本发明还提供一种业务信息推荐方法，该方法能够根据用户需求进行业务信息推荐，提高业务信息推荐效果。
为达到上述目的，本发明实施的技术方案具体是这样实现的：
一种业务信息推荐***，该***包括：用户需求管理单元、业务体系管理单元及用户体系管理单元，其中，
用户需求管理单元，用于获取并解析用户需求信息，发送给业务体系管理单元，接收业务体系管理单元发送的第二业务信息，根据预先设置的用户需求策略筛选第二业务信息，获得第三业务信息发送给该用户；
用户体系管理单元，用于建立对应用户标签的用户偏好体系，发送给业务体系管理单元；
业务体系管理单元，用于将从用户需求管理单接收的用户需求信息与预先建立的业务信息体系匹配，获得第一业务信息，将第一业务信息与对应该用户标签的用户偏好体系及已知用户行为信息匹配，获得第二业务信息，发送给用户需求管理单元。
所述***还包括：用户数据获取单元及用户业务行为管理分析单元，其中，
用户数据获取单元，用于获取用户行为信息，包括用户业务行为信息、用户推荐行为信息及用户需求信息后，对该用户行为信息进行数据清洗和格式化后，发送给用户业务行为管理分析单元；
用户业务行为管理分析单元，用于接收经过数据清洗和格式化后的该用户行为信息，提取代表用户喜好的用户主观数据和代表用户行为的用户客观数据，根据用户主观数据和用户客观数据建立监督学习模型，分析用户行为，将所建立的监督学习模型的分析结果发送给用户体系管理单元；
用户体系管理单元，用于根据所建立的监督学习模型的分析结果建立用户标签对应的用户偏好体系。
用户体系管理单元，还用于根据所建立的监督学习模型的分析结果建立用户标签对应的用户社交体系；
业务体系管理单元，还用于获取第二业务信息之前，还与用户社交体系进行匹配。
用户体系管理单元，还用于将所建立的用户偏好体系设置为多级；
业务体系管理单元，还用于将所述业务信息体系对应所述用户偏好体系，与第三方体系建立映射关系。
一种业务信息推荐方法，该方法包括：
获取并解析用户需求信息；
将解析后的用户需求信息与预先建立的业务信息体系匹配，获取第一业务信息；
将该第一业务信息与已建立的该用户标签对应的用户偏好体系及已知用户行为信息匹配，获取第二业务信息；
根据预先设置的用户需求策略删选第二业务信息，获得第三业务信息发送给该用户。
建立该用户标签对应的用户偏好体系为：
获取用户行为信息，该用户行为信息包括用户业务行为信息、用户推荐行为信息及用户需求信息；
对该用户行为信息进行数据清洗和格式化，提取代表用户喜好的用户主观数据和代表用户行为的用户客观数据；
根据用户主观数据和用户客观数据建立监督学习模型，分析用户行为；
根据所建立的监督学习模型的分析结果建立用户标签对应的用户偏好体系。
还包括：根据所建立的监督学习模型的分析结果建立用户标签对应的用户社交体系；
所述获取第二业务信息之前，还与用户社交体系进行匹配。
所述用户偏好体系设置为多级；
所述业务信息体系对应所述用户偏好体系，与第三方体系建立映射关系。
由上述方案可以看出，本发明在通信***的网络侧设置业务体系管理单元、用户体系管理单元及用户需求管理单元，其中，用户需求管理单元，用于获取并解析用户需求信息，发送给业务体系管理单元，接收业务体系管理单元发送的第二业务信息，根据预先设置的用户需求策略筛选第二业务信息，获得第三业务信息发送给该用户；用户体系管理单元，用于建立对应用户标签的用户偏好体系，发送给业务体系管理单元；业务体系管理单元，用于将从用户需求管理单接收的用户需求信息与预先建立的业务信息体系匹配，获得第一业务信息，将第一业务信息与对应该用户标签的用户偏好体系及已知用户行为信息匹配，获得第二业务信息，发送给用户需求管理单元。本发明提供的***及方法在为用户提供业务信息时，是根据用户行为信息及用户需求信息，而不仅仅像现有技术那样由推荐方主动发起且根据推荐方的意志确定，且所提供的第三业务信息可以不仅仅为推荐方提供的，还可以是第三方提供的，因此，可以根据用户需求进行业务信息推荐，提高业务信息推荐效果。
附图说明
图1为现有技术通信***的网络侧进行业务信息推荐***结构示意图；
图2为本发明实施例提供的业务信息推荐***整体结构示意图；
图3为本发明实施例提供的业务信息推荐***具体结构示意图；
图4为本发明实施例提供的业务信息推荐方法流程图。
具体实施方式
为使本发明的目的、技术方案及优点更加清楚明白，以下参照附图并举实施例，对本发明作进一步详细说明。
从背景技术可以看出，现有技术中的业务信息推荐方式造成推荐效果不好的主要原因为：由推荐方主动发起且根据推荐方的意志确定，且针对的是推荐方已有业务信息的推荐。
因此，为了克服这个问题，本发明实施例在通信***的网络侧设置业务体系管理单元、用户体系管理单元及用户需求管理单元，其中，用户需求管理单元，用于获取并解析用户需求信息，发送给业务体系管理单元，接收业务体系管理单元发送的第二业务信息，根据预先设置的用户需求策略筛选第二业务信息，获得第三业务信息发送给该用户；用户体系管理单元，用于建立对应用户标签的用户偏好体系，发送给业务体系管理单元；业务体系管理单元，用于将从用户需求管理单接收的用户需求信息与预先建立的业务信息体系匹配，获得第一业务信息，将第一业务信息与对应该用户标签的用户偏好体系及已知用户行为信息匹配，获得第二业务信息，发送给用户需求管理单元。
这样，在为用户提供业务信息时，是根据用户行为信息及用户需求信息，而不仅仅像现有技术那样由推荐方主动发起且根据推荐方的意志确定，且所提供的第三业务信息可以不仅仅为推荐方提供的，还可以是第三方提供的，因此，可以根据用户需求进行业务信息推荐，提高业务信息推荐效果。
图2为本发明实施例提供的业务信息推荐***整体结构示意图，该***在通信***的网络侧设置，包括：用户需求管理单元、业务体系管理单元及用户体系管理单元，其中，
用户需求管理单元，用于获取并解析用户需求信息，发送给业务体系管理单元，接收业务体系管理单元发送的第二业务信息，根据预先设置的用户需求策略筛选第二业务信息，获得第三业务信息发送给该用户；
用户体系管理单元，用于建立对应用户标签的用户偏好体系，发送给业务体系管理单元；
业务体系管理单元，用于将从用户需求管理单接收的用户需求信息与预先建立的业务信息体系匹配，获得第一业务信息，将第一业务信息与对应该用户标签的用户偏好体系及已知用户行为信息匹配，获得第二业务信息，发送给用户需求管理单元。
可以看出，该***基于用户需求信息和用户行为信息进行业务信息推荐，通过对用户需求和用户行为的管理，向用户提供对应的第三业务信息。
具体地，在该***中，还包括用户数据获取单元及用户行为管理分析单元。如图3所示，图3为本发明实施例提供的业务信息推荐***具体结构示意图，该图3在图2的基础上，增加了用户数据获取单元及用户业务行为管理分析单元，其中，
用户数据获取单元，用于获取用户行为信息，包括用户业务行为信息、用户推荐行为信息及用户需求信息后，对该用户行为信息进行数据清洗和格式化后，发送给用户业务行为管理分析单元；
用户业务行为管理分析单元，用于接收经过数据清洗和格式化后的该用户行为信息，提取代表用户喜好的用户主观数据和代表用户行为的用户客观数据，根据用户主观数据和用户客观数据建立监督学习模型，分析用户行为，将所建立的监督学习模型的分析结果发送给用户体系管理单元；
用户体系管理单元，用于根据所建立的监督学习模型的分析结果建立用户标签对应的用户偏好体系。
在图3所示的***中，还包括：用户体系管理单元，还用于根据所建立的监督学习模型的分析结果建立用户标签对应的用户社交体系；
业务体系管理单元，还用于获取第二业务信息之前，还与用户社交体系进行匹配。
在图3所示的***中，用户体系管理单元，还用于将所建立的用户偏好体系设置为多级；
业务体系管理单元，还用于将所述业务信息体系对应所述用户偏好体系，与第三方体系建立映射关系。
在图3所示的***中，用户需求管理单元在解析用户需求时，利用自然语言处理技术对用户需求信息进行解析获取该用户需求信息中的核心词及短语，同时还用于对发起该用户需求信息的用户进行注册。在发送用户需求信息时，是将该用户标签及该用户需求信息中的核心词及短语发送。
在用户需求管理单元设置了用户需求策略，该策略对第二业务信息进行筛选，第二业务信息包括具体业务、产品或内容信息，删选得到得分较高的第三业务信息，包括具体业务、产品或内容信息，直接提供给该用户。如果筛选得到的第三业务信息中是该业务信息的链接地址，则将该链接地址发送给该用户。
在图3所示的***中，用户数据获取单元所获取的用户行为信息包括三种：常规用户业务行为信息、用户推荐行为信息、用户需求信息及用户其他业务行为信息。其中，常规用户业务行为信息为用户通过通信***的网络侧对推荐方自有或非自有业务的使用行为信息，比如数据业务使用或上网业务使用等各种行为信息。用户推荐行为信息为用户利用通信***的网络侧提供的平台进行推荐业务行为信息，该用户推荐业务行为可以是定向推荐业务行为，例如将业务推荐给某个具体用户；也可以不是定向推荐业务行为，例如泛泛将业务推荐。用户其他业务行为为不包含在上述三种业务行为中的用户其他业务行为。
在图3所示的***中，用户业务行为管理单元是本发明实施例的关键单元之一。用户在行为中，往往直接表达对业务的喜好及需求情况，可以作为用户主观数据。用户实际发生的业务行为和其他业务行为提取为用户客观数据。所设置的监督学习模型可利用用户主观数据实时监督改进，大幅度降低***资源消耗且提升分析准确率。在这里，所设置的监督学习模型采用现有技术完成。
在图3所示的***中，用户体系管理单元是本发明实施例的关键单元之一。该单元利用根据所建立的监督学***等；用户偏好体系表示用户的主要偏好形式，可以设置多级，由粗到细描述用户偏好情况。例如用户具有新闻类偏好，具有体育新闻类偏好，具有篮球新闻偏好等。用户社交体系主要描述用户的社交情况，包括用户在各类社交网络平台上具有的好友关系、圈子关系、群组关系及关注关系等内容。用户体系管理中的对应于用户标签的用户社交体系及用户偏好体系可以供业务体系管理单元调用。
在图3所示的***中，业务体系管理单元是本发明实施例的核心单元。该单元将自有业务进行分类建立自有业务体系，在建立时，可以建立多级，比如新闻类业务、体育新闻类业务、篮球新闻类业务等。可以采用相同的方式建立第三方业务体系，描述非自有的第三方业务体系。对于每一级业务的业务信息对应业务标识，例如体育新闻类业务采用“体育新闻”进行标识和篮球新闻类业务采用“篮球新闻”进行标识等。对于业务体系中的每项具体业务、产品及内容等根据用户数据获取单元提供的用户使用记录，汇总其被使用、推荐和需求的情况。同时利用模糊匹配技术建立关键词映射关系，表述自有业务与具有类似功能的第三方业务之间的映射关系，例如自有的阅读业务与第三方阅读业务之间的映射关系。
对于业务体系管理单元，当接收到用户需求信息时，根据用户标签向用户数据获取单元查询对应该用户标签的用户行为信息，包括用户推荐业务行为信息和用户需求信息等，获取其他用户向该用户推荐的内容，该用户曾经向其他用户推荐的内容及该用户以前需求的内容能。查询用户体系管理单元中对应该用户标签的用户偏好体系及社交体系。根据用户需求西悉尼中的核心词和短语与自有业务体系及第三方业务体系进行匹配，找到合适的业务目录及该目录下所具有的具体业务、产品及内容等西悉尼。根据上述用户行为信息、用户偏好体系及社交体系进行分析匹配，计算每项具体业务、产品及内容与用户需求的匹配度得分，将计算后结果返回用户需求单元。
在图3所示的***中，各个单元可以集成在通信***的网络侧中的同一实体中，也可以分别设置。
图4为本发明实施例提供的业务信息推荐方法流程图，其具体步骤为：
步骤401、获取并解析用户需求信息；
步骤402、将解析后的用户需求信息与预先建立的业务信息体系匹配，获取第一业务信息；
步骤403、将该第一业务信息与已建立的该用户标签对应的用户偏好体系及已知用户行为信息匹配，获取第二业务信息；
步骤404、根据预先设置的用户需求策略删选第二业务信息，获得第三业务信息发送给该用户。
在该方法中，建立该用户标签对应的用户偏好体系为：
获取用户行为信息，该用户行为信息包括用户业务行为信息、用户推荐行为信息及用户需求信息；
对该用户行为信息进行数据清洗和格式化，提取代表用户喜好的用户主观数据和代表用户行为的用户客观数据；
根据用户主观数据和用户客观数据建立监督学习模型，分析用户行为；
根据所建立的监督学习模型的分析结果建立用户标签对应的用户偏好体系。
在该方法中，还包括：根据所建立的监督学习模型的分析结果建立用户标签对应的用户社交体系；
所述获取第二业务信息之前，还与用户社交体系进行匹配。
在该方法中，所述用户偏好体系设置为多级；
所述业务信息体系对应所述用户偏好体系，与第三方体系建立映射关系。
从本发明实施例提供的***及方法可以看出，本发明实施例在通信***的网络侧增加了业务体系管理单元、用户体系管理单元及用户需求管理单元等，改进现有的业务信息推荐方式，构建基于用户需求的业务信息推荐方式，可以取得如下效果：1、精细化对用户自主业务行为进行管理，包括用户的正常业务行为、用户推荐业务行为、用户需求行为，实现了用户主观行为与用户客观数据的融合分析，利用有监督分析模式，提升客户分析的精度及降低资源消耗；2、建立以用户需求为基础的，用户发起的业务信息推荐方式，改变现有的由推荐方或用户进行推荐的业务信息推荐模式；3、建立业务体系管理机制，配合用户分析的结果，实现推荐方自有业务、非自有业务的融合推荐，突破现有的单一自有业务信息推荐或单一产品推荐的模式。
综上，本发明实现了基于用户自主行为的业务信息推荐过程，实现了根据用户主动发起的需求进行业务信息推荐的方式，通过对用户需求的解析、业务体系建立和用户体系建立，改变传统的业务信息推荐方向，根据用户的需求定向业务信息推荐，提升了业务信息推荐命中率，降低用户打扰程度。本发明对用户主观行为记录信息进行了有效的利用和管理，同时融合用户客观行为记录信息分析，提升了用户分析精度，同时有效降低分析的复杂性，减少***资源的消耗。本发明打破现有业务信息推荐方式仅基于用户个人行为或是社交网络中的好友行为局限。通过对用户主观行为的分析管理、用户体系的建立，使得任一用户所获取的业务信息推荐内容，均基于所有与该业务信息推荐内容具有联系的用户行为做出，充分避免了仅基于个人和少数用户的局限性，提升了业务信息推荐的可靠性。本发明通过业务体系的建立和对应关系的建立，实现了自有业务信息推荐和非自有业务信息推荐的融合，向用户提供更多的业务信息推荐选择，提升了用户对业务信息推荐***的体验度。本发明体现了用户行为之间的相互影响，随着用户的增多和使用的频繁，用户之间的相互影响可逐步紧密，从而业务信息推荐精准度和命中率会逐步提高。
以上举较佳实施例，对本发明的目的、技术方案和优点进行了进一步详细说明，所应理解的是，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。
Claims (8)
1.一种业务信息推荐***，其特征在于，该***包括：用户需求管理单元、业务体系管理单元及用户体系管理单元，其中，
用户需求管理单元，用于获取并解析用户需求信息，发送给业务体系管理单元，接收业务体系管理单元发送的第二业务信息，根据预先设置的用户需求策略筛选第二业务信息，获得第三业务信息发送给该用户；
用户体系管理单元，用于建立对应用户标签的用户偏好体系，发送给业务体系管理单元；
业务体系管理单元，用于将从用户需求管理单接收的用户需求信息与预先建立的业务信息体系匹配，获得第一业务信息，将第一业务信息与对应该用户标签的用户偏好体系及已知用户行为信息匹配，获得第二业务信息，发送给用户需求管理单元。
2.如权利要求1所述的***，其特征在于，所述***还包括：用户数据获取单元及用户业务行为管理分析单元，其中，
用户数据获取单元，用于获取用户行为信息，包括用户业务行为信息、用户推荐行为信息及用户需求信息后，对该用户行为信息进行数据清洗和格式化后，发送给用户业务行为管理分析单元；
用户业务行为管理分析单元，用于接收经过数据清洗和格式化后的该用户行为信息，提取代表用户喜好的用户主观数据和代表用户行为的用户客观数据，根据用户主观数据和用户客观数据建立监督学习模型，分析用户行为，将所建立的监督学习模型的分析结果发送给用户体系管理单元；
用户体系管理单元，用于根据所建立的监督学习模型的分析结果建立用户标签对应的用户偏好体系。
3.如权利要求2所述的***，其特征在于，用户体系管理单元，还用于根据所建立的监督学习模型的分析结果建立用户标签对应的用户社交体系；
业务体系管理单元，还用于获取第二业务信息之前，还与用户社交体系进行匹配。
4.如权利要求1所述的***，其特征在于，用户体系管理单元，还用于将所建立的用户偏好体系设置为多级；
业务体系管理单元，还用于将所述业务信息体系对应所述用户偏好体系，与第三方体系建立映射关系。
5.一种业务信息推荐方法，其特征在于，该方法包括：
获取并解析用户需求信息；
将解析后的用户需求信息与预先建立的业务信息体系匹配，获取第一业务信息；
将该第一业务信息与已建立的该用户标签对应的用户偏好体系及已知用户行为信息匹配，获取第二业务信息；
根据预先设置的用户需求策略删选第二业务信息，获得第三业务信息发送给该用户。
6.如权利要求5所述的方法，其特征在于，建立该用户标签对应的用户偏好体系为：
获取用户行为信息，该用户行为信息包括用户业务行为信息、用户推荐行为信息及用户需求信息；
对该用户行为信息进行数据清洗和格式化，提取代表用户喜好的用户主观数据和代表用户行为的用户客观数据；
根据用户主观数据和用户客观数据建立监督学习模型，分析用户行为；
根据所建立的监督学习模型的分析结果建立用户标签对应的用户偏好体系。
7.如权利要求6所述的方法，其特征在于，还包括：根据所建立的监督学习模型的分析结果建立用户标签对应的用户社交体系；
所述获取第二业务信息之前，还与用户社交体系进行匹配。
8.如权利要求5所述的方法，其特征在于，所述用户偏好体系设置为多级；
所述业务信息体系对应所述用户偏好体系，与第三方体系建立映射关系。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201210583816.2A CN103905507A (zh) | 2012-12-28 | 2012-12-28 | 一种业务信息推荐***及业务信息推荐方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201210583816.2A CN103905507A (zh) | 2012-12-28 | 2012-12-28 | 一种业务信息推荐***及业务信息推荐方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN103905507A true CN103905507A (zh) | 2014-07-02 |
Family
ID=50996662
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201210583816.2A Pending CN103905507A (zh) | 2012-12-28 | 2012-12-28 | 一种业务信息推荐***及业务信息推荐方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN103905507A (zh) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105812411A (zh) * | 2014-12-30 | 2016-07-27 | 大唐软件技术股份有限公司 | 定制信息的推荐方法和装置 |
| CN105959374A (zh) * | 2016-05-12 | 2016-09-21 | 腾讯科技（深圳）有限公司 | 一种数据推荐方法及其设备 |
| CN106603690A (zh) * | 2016-12-27 | 2017-04-26 | 东华互联宜家数据服务有限公司 | 数据分析装置、数据分析处理***和数据分析方法 |
| CN106649689A (zh) * | 2016-12-16 | 2017-05-10 | 天脉聚源（北京）科技有限公司 | 全业务的用户统计方法及装置 |
| CN107046571A (zh) * | 2017-03-28 | 2017-08-15 | 广州市观见营销策划有限公司 | 一种营业厅业务智能分配方法及*** |
| 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 |
| CN110796505A (zh) * | 2018-08-03 | 2020-02-14 | 阿里巴巴集团控股有限公司 | 一种业务对象推荐方法以及装置 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101021927A (zh) * | 2007-03-20 | 2007-08-22 | ***通信集团江苏有限公司 | 基于对用户行为和习惯分析的统一营销支撑***及其方法 |
| CN101266619A (zh) * | 2008-05-12 | 2008-09-17 | 腾讯科技（深圳）有限公司 | 一种用户信息挖掘方法和一种用户信息挖掘*** |
| CN101751422A (zh) * | 2008-12-08 | 2010-06-23 | 北京摩软科技有限公司 | 一种移动终端智能搜索的方法、移动终端和服务器 |
| CN102208086A (zh) * | 2010-03-31 | 2011-10-05 | 北京邮电大学 | 面向领域的个性化智能推荐***及实现方法 |
| CN102215300A (zh) * | 2011-05-24 | 2011-10-12 | 中国联合网络通信集团有限公司 | 电信业务推荐方法和*** |
| CN102760128A (zh) * | 2011-04-26 | 2012-10-31 | 华东师范大学 | 一种基于智能客服机器人交互的电信领域套餐推荐方法 |
-
2012
- 2012-12-28 CN CN201210583816.2A patent/CN103905507A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101021927A (zh) * | 2007-03-20 | 2007-08-22 | ***通信集团江苏有限公司 | 基于对用户行为和习惯分析的统一营销支撑***及其方法 |
| CN101266619A (zh) * | 2008-05-12 | 2008-09-17 | 腾讯科技（深圳）有限公司 | 一种用户信息挖掘方法和一种用户信息挖掘*** |
| CN101751422A (zh) * | 2008-12-08 | 2010-06-23 | 北京摩软科技有限公司 | 一种移动终端智能搜索的方法、移动终端和服务器 |
| CN102208086A (zh) * | 2010-03-31 | 2011-10-05 | 北京邮电大学 | 面向领域的个性化智能推荐***及实现方法 |
| CN102760128A (zh) * | 2011-04-26 | 2012-10-31 | 华东师范大学 | 一种基于智能客服机器人交互的电信领域套餐推荐方法 |
| CN102215300A (zh) * | 2011-05-24 | 2011-10-12 | 中国联合网络通信集团有限公司 | 电信业务推荐方法和*** |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105812411A (zh) * | 2014-12-30 | 2016-07-27 | 大唐软件技术股份有限公司 | 定制信息的推荐方法和装置 |
| CN105959374A (zh) * | 2016-05-12 | 2016-09-21 | 腾讯科技（深圳）有限公司 | 一种数据推荐方法及其设备 |
| CN105959374B (zh) * | 2016-05-12 | 2019-05-03 | 腾讯科技（深圳）有限公司 | 一种数据推荐方法及其设备 |
| CN106649689A (zh) * | 2016-12-16 | 2017-05-10 | 天脉聚源（北京）科技有限公司 | 全业务的用户统计方法及装置 |
| CN106603690A (zh) * | 2016-12-27 | 2017-04-26 | 东华互联宜家数据服务有限公司 | 数据分析装置、数据分析处理***和数据分析方法 |
| CN107046571A (zh) * | 2017-03-28 | 2017-08-15 | 广州市观见营销策划有限公司 | 一种营业厅业务智能分配方法及*** |
| CN107046571B (zh) * | 2017-03-28 | 2020-07-31 | 璞菲森咨询(广州)有限公司 | 一种营业厅业务智能分配方法及*** |
| CN110796505A (zh) * | 2018-08-03 | 2020-02-14 | 阿里巴巴集团控股有限公司 | 一种业务对象推荐方法以及装置 |
| CN110796505B (zh) * | 2018-08-03 | 2023-07-04 | 淘宝（中国）软件有限公司 | 一种业务对象推荐方法以及装置 |
| 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 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103905507A (zh) | 一种业务信息推荐***及业务信息推荐方法 | |
| CN108021929B (zh) | 基于大数据的移动端电商用户画像建立与分析方法及*** | |
| US9148347B2 (en) | Network data analysis | |
| CN102208992B (zh) | 面向互联网的不良信息过滤***及其方法 | |
| US20130311283A1 (en) | Data mining method for social network of terminal user and related methods, apparatuses and systems | |
| US20130124644A1 (en) | Reputation services for a social media identity | |
| EP3070661A1 (en) | System and method for providing context driven hyper-personalized recommendation | |
| CA2832722A1 (en) | Data mining method for social network of terminal user and related methods, apparatuses and systems | |
| US20120005216A1 (en) | Providing Content by Using a Social Network | |
| CN103905379A (zh) | 一种标识互联网用户的方法，及装置 | |
| CN102624675A (zh) | 自助式客服***、方法 | |
| US10339611B2 (en) | Systems and methods for page recommendations | |
| CN103559619A (zh) | 一种服装尺码信息的应答方法及*** | |
| CN106230985A (zh) | 一种基于物联网大数据处理方法、***及服务处理端 | |
| CN103425703A (zh) | 一种网络信息的处理方法和装置 | |
| CN102547554B (zh) | 基于移动用户行为的移动业务推荐方法 | |
| CN108876536A (zh) | 基于最近邻信息的协同过滤推荐方法 | |
| KR101722244B1 (ko) | 감정 분석 기반의 소셜 네트워크를 이용한 여론 형성방법 | |
| CN103279483B (zh) | 一种面向微博客的话题流行范围评估方法及*** | |
| US9654590B2 (en) | Method and arrangement in a communication network | |
| CN105431879A (zh) | 经由通信的模式来推断社交群组 | |
| CN103796184A (zh) | 垃圾短信识别方法和*** | |
| CN112835784A (zh) | 一种复杂巨***互操作能力评估及优化方法 | |
| KR20150020823A (ko) | 소셜 네트워크에서의 상대적 친밀도 측정 시스템 | |
| Pajo et al. | Towards automatic and accurate lead user identification |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20140702 |
|
| RJ01 | Rejection of invention patent application after publication |