CN112052270A - 一种通过大数据进行用户画像深度分析的方法及*** - Google Patents
一种通过大数据进行用户画像深度分析的方法及*** Download PDFInfo
- Publication number
- CN112052270A CN112052270A CN202010870553.8A CN202010870553A CN112052270A CN 112052270 A CN112052270 A CN 112052270A CN 202010870553 A CN202010870553 A CN 202010870553A CN 112052270 A CN112052270 A CN 112052270A
- Authority
- CN
- China
- Prior art keywords
- user
- employee
- data
- big data
- background
- 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
- 238000004458 analytical method Methods 0.000 title claims abstract description 36
- 238000000034 method Methods 0.000 title claims abstract description 18
- 238000007726 management method Methods 0.000 claims abstract description 20
- 238000013135 deep learning Methods 0.000 claims abstract description 14
- 230000001360 synchronised effect Effects 0.000 claims abstract description 10
- 238000013480 data collection Methods 0.000 claims abstract 3
- 238000013500 data storage Methods 0.000 claims abstract 3
- 238000012795 verification Methods 0.000 claims description 22
- 238000002372 labelling Methods 0.000 claims description 19
- 230000008713 feedback mechanism Effects 0.000 claims description 17
- 230000005540 biological transmission Effects 0.000 claims description 9
- 230000008859 change Effects 0.000 claims description 7
- 238000004080 punching Methods 0.000 claims description 7
- 230000002457 bidirectional effect Effects 0.000 claims description 6
- 238000001514 detection method Methods 0.000 claims description 6
- 238000011156 evaluation Methods 0.000 claims description 6
- 238000010801 machine learning Methods 0.000 claims description 6
- 238000005065 mining Methods 0.000 claims description 6
- 230000007115 recruitment Effects 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000011835 investigation Methods 0.000 claims description 4
- 239000000284 extract Substances 0.000 claims description 3
- 238000012549 training Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 4
- 238000013461 design Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
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
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2457—Query processing with adaptation to user needs
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/27—Replication, distribution or synchronisation of data between databases or within a distributed database system; Distributed database system architectures therefor
- G06F16/275—Synchronous replication
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Computing Systems (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种通过大数据进行用户画像深度分析的方法及***,涉及用户画像技术领域,为解决现有用户画像,因为用户画像模型缺少构建身份识别关联,造成公司内部***后,缺少对员工的用户画像模型同步的问题。所述员工工作管理客户端的一端设置有收集用户数据,所述收集用户数据的一端设置有离线数据采集存储,所述收集用户数据与离线数据采集存储的一端均设置有上传后台服务器,所述上传后台服务器的一端设置有公司大数据服务器后台,所述公司大数据服务器后台的一端设置有后台分析数据,所述后台分析数据的一端设置有构建用户画像模型,所述构建用户画像模型的一端设置有深度学习模块。
Description
技术领域
本发明涉及用户画像技术领域,具体为一种通过大数据进行用户画像深度分析的方法及***。
背景技术
用户画像,作为一种勾画目标用户、联系用户诉求与设计方向的有效工具,用户画像在各领域得到了广泛的应用。用户画像最初是在电商领域得到应用的,在大数据时代背景下,用户信息充斥在网络中,将用户的每个具体信息抽象成标签,利用这些标签将用户形象具体化,从而为用户提供有针对性的服务。作为一种勾画目标用户、联系用户诉求与设计方向的有效工具,用户画像在各领域得到了广泛的应用。我们在实际操作的过程中往往会以最为浅显和贴近生活的话语将用户的属性、行为与期待的数据转化联结起来。作为实际用户的虚拟代表,用户画像所形成的用户角色并不是脱离产品和市场之外所构建出来的,形成的用户角色需要有代表性能代表产品的主要受众和目标群体。
但是,现有用户画像,因为用户画像模型缺少构建身份识别关联,造成公司内部***后,缺少对员工的用户画像模型同步的问题;因此,不满足现有的需求,对此我们提出了一种通过大数据进行用户画像深度分析的方法及***。
发明内容
本发明的目的在于提供一种通过大数据进行用户画像深度分析的方法及***,以解决上述背景技术中提出的现有用户画像,因为用户画像模型缺少构建身份识别关联,造成公司内部***后,缺少对员工的用户画像模型同步的问题。
为实现上述目的,本发明提供如下技术方案:一种通过大数据进行用户画像深度分析的***,包括员工工作管理客户端,所述员工工作管理客户端的一端设置有收集用户数据,所述收集用户数据的一端设置有离线数据采集存储,所述收集用户数据与离线数据采集存储的一端均设置有上传后台服务器,所述上传后台服务器的一端设置有公司大数据服务器后台,所述公司大数据服务器后台的一端设置有后台分析数据,所述后台分析数据的一端设置有构建用户画像模型,所述构建用户画像模型的一端设置有深度学习模块,所述深度学习模块的一端设置有对目标用户进行标签化,所述对目标用户进行标签化的一端设置有用户标签跟踪模块,且用户标签跟踪模块与大数据数据库双向数据传输,且用户标签跟踪模块与上传后台服务器双向数据传输,所述上传后台服务器的一端设置有员工信息管理。
优选的,所述用户标签跟踪模块分别设置有打卡机登录验证、公司员工管理客户端登录验证。
优选的,所述构建用户画像模型包括员工家庭住址、员工招聘信息、个性喜好、员工考勤信息、员工收入情况、员工评级、同事评价反馈、搜索关键词、网络环境检测、用户信息。
优选的,所述深度学习模块包括张量、基于张量的各种操作、自动微工具、计算图、BLAS、cuBLAS、cuDNN等拓展包。
优选的,所述对目标用户进行标签化包括统计类标签、规则类标签、机器学习挖掘类标签。
优选的,所述对目标用户进行标签化使用Hive、Spark等计算引擎,其中标签的单独存储以Hive为主要存储方式。
优选的,所述用户反馈机制设置有调查问卷反馈。
优选的,所述用户客户端的一端设置有用户反馈机制,且用户反馈机制与后台分析进行数据传输。
优选的,所述的一种通过大数据进行用户画像深度分析的方法,其特征在于,包括以下步骤:
步骤一:通过员工工作管理客户端先将提取收集用户数据,之后提取的收集用户数据在网络环境良好的时候上传后台服务器,而在网络环境较差的时候离线数据采集存储可以先将收集的用户特征信息存储,等待网络环境良好后再继续上传的工作,使得该***更加节能,防止在网络环境较差的地方频繁上传输出的问题,提高用户的使用体验和流畅性,使得用户前端体验较为良好,后台服务器将收集的用户数据接入公司大数据服务器后台内,再由后台分析数据进行提取和分析整理,之后由这些用户数据建立用户画像模型,构建用户画像模型包括员工家庭住址、员工招聘信息、个性喜好、员工考勤信息、员工收入情况、员工评级、同事评价反馈、搜索关键词、网络环境检测、用户信息;
步骤二:通过将用户画像模型至于深度学习模块进行深度分析,以此形成对用户的标签化目的,对目标用户进行标签化包括统计类标签、规则类标签、机器学习挖掘类标签,对目标用户进行标签化使用Hive、Spark等计算引擎,其中标签的单独存储以Hive为主要存储方式,标签化的数据被上传至大数据数据库内保存,最后客户画像的标签化输出,而公司大数据服务器后台内的用户标签被跟踪模块进行跟踪同步,用户标签跟踪模块的目的是为了员工用户在经过公司内部***时,后台均可对员工用户进行身份识别,并将存储在公司大数据服务器后台里相应的用户画像标签与员工使用的前端进行验证同步,达到***追踪用户数据同步识别的功能,使得用户画像标签更加精准且具有使用价值,解决了现有用户画像,因为用户画像模型缺少构建身份识别关联,造成公司内部***后,缺少对员工的用户画像模型同步的问题,而达到用户标签跟踪的功能,用户标签跟踪模块内使用了两种用户身份验证的渠道,员工用户身份验证分别为在打卡机登录验证;公司员工管理客户端登录验证的方式进行验证与数据同步,登录成功后前端会给后台发送相关信息以此来确定相关员工身份在公司大数据服务器后台内已形成的用户画像标签,这样可以极大减少建立模型和深度学习的时间,减少标签化的误差,直接将已存在的员工用户画像标签进行同步利用;
步骤三:最后由用户在前端的用户反馈机制对整个***的提交数据进行变更和完善,用户反馈机制包括调查问卷反馈的方式进行反馈,问卷调查推送给用户前端,员工可以对推送内容确认是否符合各个员工需求和兴趣等等反馈问题,以此来修改和完善对员工用户画像模型的建立,使得用户画像模型更加接近真实情况,帮助大数据数据库内的用户标签的更新,使得用户在进行内部***后也能正确真实的反应用户的当前需求与兴趣,使得数据更加可靠,该***的优势在于可对不同部门间员工进行验证识别,极大减少了模型训练成本,提高***对用户身份的识别率,并将公司大数据服务器后台内的用户画像标签进行同步识别,达到精准识别员工真实身份的目标。
与现有技术相比,本发明的有益效果是:
1、本发明通过用户标签跟踪模块的设置,用户标签跟踪模块的目的是为了用户在不同平台登陆时,后台均可对用户进行识别,并将存储在公司大数据服务器后台里相应的用户画像标签与客户使用的前端进行验证同步,达到公司员工各个部门内部***依然可以进行身份识别的功能,使得用户画像标签更加精准且具有使用价值,解决了现有用户画像,因为用户画像模型缺少构建身份识别关联,造成公司内部***后,缺少对员工的用户画像模型同步的问题,而达到用户标签跟踪的功能,用户标签跟踪模块内使用了两种用户身份验证的渠道,用户身份验证分别为在用户登录时使用打卡机登录验证的方法登录;使用公司员工管理客户端登录验证的方法登录的方式进行验证与数据同步,登录成功后前端会给后台发送相关信息以此来确定相关员工身份信息的登录,其在公司大数据服务器后台里已形成的用户画像标签,这样可以极大减少建立模型和深度学习的时间,减少标签化的误差,直接将已存在的用户画像标签进行同步利用。
2、通过用户反馈机制的设置,用户反馈机制为调查问卷反馈,问卷调查推送给员工用户前端,员工可以对推送内容确认是否符合各个员工需求和兴趣等等反馈问题,以此来修改和完善用户画像模型,使得用户画像模型更加接近真实情况,帮助公司大数据服务器后台内的用户标签的更新,使得用户在进行内部***后也能正确真实的反应用户的当前需求与兴趣,使得数据更加可靠。
3、通过离线数据采集存储的设置,在网络环境较差的地方,离线数据采集存储可以先将收集的员工用户特征信息存储,等待网络环境良好后再继续上传的工作,使得该***更加节能,防止在网络环境较差的地方频繁上传输出的问题,提高员工用户的使用体验和流畅性,使得员工用户前端体验较为良好。
附图说明
图1为本发明的整体结构示意图;
图2为本发明的构建用户画像模型结构示意图;
图3为本发明的用户标签跟踪模块结构示意图;
图4为本发明的深度学习模块结构示意图;
图5为本发明的对目标用户进行标签化结构示意图;
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。
请参阅图1-5,本发明提供的一种实施例:一种通过大数据进行用户画像深度分析的***,包括员工工作管理客户端,所述员工工作管理客户端的一端设置有收集用户数据,所述收集用户数据的一端设置有离线数据采集存储,所述收集用户数据与离线数据采集存储的一端均设置有上传后台服务器,所述上传后台服务器的一端设置有公司大数据服务器后台,所述公司大数据服务器后台的一端设置有后台分析数据,所述后台分析数据的一端设置有构建用户画像模型,所述构建用户画像模型的一端设置有深度学习模块,所述深度学习模块的一端设置有对目标用户进行标签化,所述对目标用户进行标签化的一端设置有用户标签跟踪模块,且用户标签跟踪模块与大数据数据库双向数据传输,且用户标签跟踪模块与上传后台服务器双向数据传输,所述上传后台服务器的一端设置有员工信息管理。
进一步,所述用户标签跟踪模块分别设置有打卡机登录验证、公司员工管理客户端登录验证。
进一步,所述构建用户画像模型包括员工家庭住址、员工招聘信息、个性喜好、员工考勤信息、员工收入情况、员工评级、同事评价反馈、搜索关键词、网络环境检测、用户信息。
进一步,所述深度学习模块包括张量、基于张量的各种操作、自动微工具、计算图、BLAS、cuBLAS、cuDNN等拓展包。
进一步,所述对目标用户进行标签化包括统计类标签、规则类标签、机器学习挖掘类标签。
进一步,所述对目标用户进行标签化使用Hive、Spark等计算引擎,其中标签的单独存储以Hive为主要存储方式。
进一步,所述用户反馈机制设置有调查问卷反馈。
进一步,所述用户客户端的一端设置有用户反馈机制,且用户反馈机制与后台分析进行数据传输。
进一步,所述一种通过大数据进行用户画像深度分析的方法,其特征在于,包括以下步骤:
步骤一:通过员工工作管理客户端先将提取收集用户数据,之后提取的收集用户数据在网络环境良好的时候上传后台服务器,而在网络环境较差的时候离线数据采集存储可以先将收集的用户特征信息存储,等待网络环境良好后再继续上传的工作,使得该***更加节能,防止在网络环境较差的地方频繁上传输出的问题,提高用户的使用体验和流畅性,使得用户前端体验较为良好,后台服务器将收集的用户数据接入公司大数据服务器后台内,再由后台分析数据进行提取和分析整理,之后由这些用户数据建立用户画像模型,构建用户画像模型包括员工家庭住址、员工招聘信息、个性喜好、员工考勤信息、员工收入情况、员工评级、同事评价反馈、搜索关键词、网络环境检测、用户信息;
步骤二:通过将用户画像模型至于深度学习模块进行深度分析,以此形成对用户的标签化目的,对目标用户进行标签化包括统计类标签、规则类标签、机器学习挖掘类标签,对目标用户进行标签化使用Hive、Spark等计算引擎,其中标签的单独存储以Hive为主要存储方式,标签化的数据被上传至大数据数据库内保存,最后客户画像的标签化输出,而公司大数据服务器后台内的用户标签被跟踪模块进行跟踪同步,用户标签跟踪模块的目的是为了员工用户在经过公司内部***时,后台均可对员工用户进行身份识别,并将存储在公司大数据服务器后台里相应的用户画像标签与员工使用的前端进行验证同步,达到***追踪用户数据同步识别的功能,使得用户画像标签更加精准且具有使用价值,解决了现有用户画像,因为用户画像模型缺少构建身份识别关联,造成公司内部***后,缺少对员工的用户画像模型同步的问题,而达到用户标签跟踪的功能,用户标签跟踪模块内使用了两种用户身份验证的渠道,员工用户身份验证分别为在打卡机登录验证;公司员工管理客户端登录验证的方式进行验证与数据同步,登录成功后前端会给后台发送相关信息以此来确定相关员工身份在公司大数据服务器后台内已形成的用户画像标签,这样可以极大减少建立模型和深度学习的时间,减少标签化的误差,直接将已存在的员工用户画像标签进行同步利用;
步骤三:最后由用户在前端的用户反馈机制对整个***的提交数据进行变更和完善,用户反馈机制包括调查问卷反馈的方式进行反馈,问卷调查推送给用户前端,员工可以对推送内容确认是否符合各个员工需求和兴趣等等反馈问题,以此来修改和完善对员工用户画像模型的建立,使得用户画像模型更加接近真实情况,帮助大数据数据库内的用户标签的更新,使得用户在进行内部***后也能正确真实的反应用户的当前需求与兴趣,使得数据更加可靠,该***的优势在于可对不同部门间员工进行验证识别,极大减少了模型训练成本,提高***对用户身份的识别率,并将公司大数据服务器后台内的用户画像标签进行同步识别,达到精准识别员工真实身份的目标。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
Claims (9)
1.一种通过大数据进行用户画像深度分析的***,包括员工工作管理客户端,其特征在于:所述员工工作管理客户端的一端设置有收集用户数据,所述收集用户数据的一端设置有离线数据采集存储,所述收集用户数据与离线数据采集存储的一端均设置有上传后台服务器,所述上传后台服务器的一端设置有公司大数据服务器后台,所述公司大数据服务器后台的一端设置有后台分析数据,所述后台分析数据的一端设置有构建用户画像模型,所述构建用户画像模型的一端设置有深度学习模块,所述深度学习模块的一端设置有对目标用户进行标签化,所述对目标用户进行标签化的一端设置有用户标签跟踪模块,且用户标签跟踪模块与大数据数据库双向数据传输,且用户标签跟踪模块与上传后台服务器双向数据传输,所述上传后台服务器的一端设置有员工信息管理。
2.根据权利要求1所述的一种通过大数据进行用户画像深度分析的***,其特征在于:所述用户标签跟踪模块分别设置有打卡机登录验证、公司员工管理客户端登录验证。
3.根据权利要求1所述的一种通过大数据进行用户画像深度分析的***,其特征在于:所述构建用户画像模型包括员工家庭住址、员工招聘信息、个性喜好、员工考勤信息、员工收入情况、员工评级、同事评价反馈、搜索关键词、网络环境检测、用户信息。
4.根据权利要求1所述的一种通过大数据进行用户画像深度分析的***,其特征在于:所述深度学习模块包括张量、基于张量的各种操作、自动微工具、计算图、BLAS、cuBLAS、cuDNN等拓展包。
5.根据权利要求1所述的一种通过大数据进行用户画像深度分析的***,其特征在于:所述对目标用户进行标签化包括统计类标签、规则类标签、机器学习挖掘类标签。
6.根据权利要求1所述的一种通过大数据进行用户画像深度分析的***,其特征在于:所述对目标用户进行标签化使用Hive、Spark等计算引擎,其中标签的单独存储以Hive为主要存储方式。
7.根据权利要求1所述的一种通过大数据进行用户画像深度分析的***,其特征在于:所述用户反馈机制设置有调查问卷反馈。
8.根据权利要求1所述的一种通过大数据进行用户画像深度分析的***,其特征在于:所述用户客户端的一端设置有用户反馈机制,且用户反馈机制与后台分析进行数据传输。
9.根据权利要求1-8任意所述的一种通过大数据进行用户画像深度分析的方法,其特征在于,包括以下步骤:
步骤一:通过员工工作管理客户端先将提取收集用户数据,之后提取的收集用户数据在网络环境良好的时候上传后台服务器,而在网络环境较差的时候离线数据采集存储可以先将收集的用户特征信息存储,等待网络环境良好后再继续上传的工作,使得该***更加节能,防止在网络环境较差的地方频繁上传输出的问题,提高用户的使用体验和流畅性,使得用户前端体验较为良好,后台服务器将收集的用户数据接入公司大数据服务器后台内,再由后台分析数据进行提取和分析整理,之后由这些用户数据建立用户画像模型,构建用户画像模型包括员工家庭住址、员工招聘信息、个性喜好、员工考勤信息、员工收入情况、员工评级、同事评价反馈、搜索关键词、网络环境检测、用户信息;
步骤二:通过将用户画像模型至于深度学习模块进行深度分析,以此形成对用户的标签化目的,对目标用户进行标签化包括统计类标签、规则类标签、机器学习挖掘类标签,对目标用户进行标签化使用Hive、Spark等计算引擎,其中标签的单独存储以Hive为主要存储方式,标签化的数据被上传至大数据数据库内保存,最后客户画像的标签化输出,而公司大数据服务器后台内的用户标签被跟踪模块进行跟踪同步,用户标签跟踪模块的目的是为了员工用户在经过公司内部***时,后台均可对员工用户进行身份识别,并将存储在公司大数据服务器后台里相应的用户画像标签与员工使用的前端进行验证同步,达到***追踪用户数据同步识别的功能,使得用户画像标签更加精准且具有使用价值,解决了现有用户画像,因为用户画像模型缺少构建身份识别关联,造成公司内部***后,缺少对员工的用户画像模型同步的问题,而达到用户标签跟踪的功能,用户标签跟踪模块内使用了两种用户身份验证的渠道,员工用户身份验证分别为在打卡机登录验证;公司员工管理客户端登录验证的方式进行验证与数据同步,登录成功后前端会给后台发送相关信息以此来确定相关员工身份在公司大数据服务器后台内已形成的用户画像标签,这样可以极大减少建立模型和深度学习的时间,减少标签化的误差,直接将已存在的员工用户画像标签进行同步利用;
步骤三:最后由用户在前端的用户反馈机制对整个***的提交数据进行变更和完善,用户反馈机制包括调查问卷反馈的方式进行反馈,问卷调查推送给用户前端,员工可以对推送内容确认是否符合各个员工需求和兴趣等等反馈问题,以此来修改和完善对员工用户画像模型的建立,使得用户画像模型更加接近真实情况,帮助大数据数据库内的用户标签的更新,使得用户在进行内部***后也能正确真实的反应用户的当前需求与兴趣,使得数据更加可靠,该***的优势在于可对不同部门间员工进行验证识别,极大减少了模型训练成本,提高***对用户身份的识别率,并将公司大数据服务器后台内的用户画像标签进行同步识别,达到精准识别员工真实身份的目标。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010870553.8A CN112052270A (zh) | 2020-08-26 | 2020-08-26 | 一种通过大数据进行用户画像深度分析的方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010870553.8A CN112052270A (zh) | 2020-08-26 | 2020-08-26 | 一种通过大数据进行用户画像深度分析的方法及*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112052270A true CN112052270A (zh) | 2020-12-08 |
Family
ID=73599368
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010870553.8A Pending CN112052270A (zh) | 2020-08-26 | 2020-08-26 | 一种通过大数据进行用户画像深度分析的方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112052270A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112925815A (zh) * | 2021-02-23 | 2021-06-08 | 四川享宇金信金融科技有限公司 | 一种具有跟踪功能的推送信息自动生成*** |
CN112967721A (zh) * | 2021-02-03 | 2021-06-15 | 上海明略人工智能(集团)有限公司 | 一种基于语音识别技术的销售线索信息识别方法与*** |
CN113486225A (zh) * | 2021-07-06 | 2021-10-08 | 北京国联视讯信息技术股份有限公司 | 一种基于大数据的企业画像展现方法及*** |
CN114528039A (zh) * | 2021-01-08 | 2022-05-24 | 蒋耕银 | 一种基于大数据的后台应用清理*** |
CN116450952A (zh) * | 2023-06-16 | 2023-07-18 | 天津星耀九洲科技有限公司 | 一种基于深度学习技术的互联网用户画像生成方法和*** |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107633022A (zh) * | 2017-08-24 | 2018-01-26 | 深圳市睿策者科技有限公司 | 人员画像分析方法、装置及存储介质 |
CN108804704A (zh) * | 2018-06-19 | 2018-11-13 | 北京顶象技术有限公司 | 一种用户深度画像方法及装置 |
CN110097244A (zh) * | 2019-01-16 | 2019-08-06 | 国网信通亿力科技有限责任公司 | 一种构建员工画像的方法 |
WO2019154394A1 (zh) * | 2018-02-12 | 2019-08-15 | 中兴通讯股份有限公司 | 分布式数据库集群***、数据同步方法及存储介质 |
CN110188226A (zh) * | 2019-04-29 | 2019-08-30 | 苏宁易购集团股份有限公司 | 一种基于人脸识别的客户画像生成方法及装置 |
CN110968584A (zh) * | 2019-12-03 | 2020-04-07 | 北京明略软件***有限公司 | 一种画像生成***、方法、电子设备及可读存储介质 |
CN111444484A (zh) * | 2020-03-27 | 2020-07-24 | 广州锦行网络科技有限公司 | 基于统一登录管理的企业内网用户身份画像处理方法 |
-
2020
- 2020-08-26 CN CN202010870553.8A patent/CN112052270A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107633022A (zh) * | 2017-08-24 | 2018-01-26 | 深圳市睿策者科技有限公司 | 人员画像分析方法、装置及存储介质 |
WO2019154394A1 (zh) * | 2018-02-12 | 2019-08-15 | 中兴通讯股份有限公司 | 分布式数据库集群***、数据同步方法及存储介质 |
CN108804704A (zh) * | 2018-06-19 | 2018-11-13 | 北京顶象技术有限公司 | 一种用户深度画像方法及装置 |
CN110097244A (zh) * | 2019-01-16 | 2019-08-06 | 国网信通亿力科技有限责任公司 | 一种构建员工画像的方法 |
CN110188226A (zh) * | 2019-04-29 | 2019-08-30 | 苏宁易购集团股份有限公司 | 一种基于人脸识别的客户画像生成方法及装置 |
CN110968584A (zh) * | 2019-12-03 | 2020-04-07 | 北京明略软件***有限公司 | 一种画像生成***、方法、电子设备及可读存储介质 |
CN111444484A (zh) * | 2020-03-27 | 2020-07-24 | 广州锦行网络科技有限公司 | 基于统一登录管理的企业内网用户身份画像处理方法 |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114528039A (zh) * | 2021-01-08 | 2022-05-24 | 蒋耕银 | 一种基于大数据的后台应用清理*** |
CN112967721A (zh) * | 2021-02-03 | 2021-06-15 | 上海明略人工智能(集团)有限公司 | 一种基于语音识别技术的销售线索信息识别方法与*** |
CN112967721B (zh) * | 2021-02-03 | 2024-05-31 | 上海明略人工智能(集团)有限公司 | 一种基于语音识别技术的销售线索信息识别方法与*** |
CN112925815A (zh) * | 2021-02-23 | 2021-06-08 | 四川享宇金信金融科技有限公司 | 一种具有跟踪功能的推送信息自动生成*** |
CN112925815B (zh) * | 2021-02-23 | 2023-08-08 | 四川享宇金信金融科技有限公司 | 一种具有跟踪功能的推送信息自动生成*** |
CN113486225A (zh) * | 2021-07-06 | 2021-10-08 | 北京国联视讯信息技术股份有限公司 | 一种基于大数据的企业画像展现方法及*** |
CN113486225B (zh) * | 2021-07-06 | 2023-10-31 | 北京国联视讯信息技术股份有限公司 | 一种基于大数据的企业画像展现方法及*** |
CN116450952A (zh) * | 2023-06-16 | 2023-07-18 | 天津星耀九洲科技有限公司 | 一种基于深度学习技术的互联网用户画像生成方法和*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112052270A (zh) | 一种通过大数据进行用户画像深度分析的方法及*** | |
CN105488662B (zh) | 一种基于双向推荐的在线招聘*** | |
US20140270497A1 (en) | Accurate text classification through selective use of image data | |
CN113127633B (zh) | 智能会议管理方法、装置、计算机设备及存储介质 | |
CN103294816A (zh) | 一种为求职者推荐职位的方法和职位推荐*** | |
CN107368521B (zh) | 一种基于大数据和深度学习的知识推介方法及*** | |
CN112632278A (zh) | 一种基于多标签分类的标注方法、装置、设备及存储介质 | |
CN114490975A (zh) | 用户问题的标注方法及装置 | |
CN116684477A (zh) | 一种基于用户画像的个性化信息精准推送方法及*** | |
CN109242431B (zh) | 一种基于数据体系的企业管理方法及其*** | |
CN114398466A (zh) | 基于语义识别的投诉分析方法、装置、计算机设备及介质 | |
CN114625901A (zh) | 一种多算法整合方法及装置 | |
US20180129549A1 (en) | Probabilistic Detect Identification | |
CN116484109B (zh) | 基于人工智能的客户画像分析***及方法 | |
CN117911039A (zh) | 售后服务***的控制方法、设备及存储介质 | |
CN105447148A (zh) | 一种Cookie标识关联方法及装置 | |
CN111798351A (zh) | 一种数据处理的方法及装置、可读存储介质 | |
CN110704650A (zh) | Ota图片标签的识别方法、电子设备和介质 | |
CN114282549B (zh) | 信息间根因关系的识别方法、装置、电子设备及存储介质 | |
CN114722280A (zh) | 基于用户画像的课程推荐方法、装置、设备及存储介质 | |
CN111143688B (zh) | 一种基于移动新闻客户端的评估方法及其*** | |
CN112632246A (zh) | 基于深度学习的机器人对话方法、装置和计算机设备 | |
CN111401067A (zh) | 一种蜜罐仿真数据的生成方法及装置 | |
CN110837735A (zh) | 一种数据智能分析识别方法及*** | |
Jianyun | Big data assisted online teaching platform for ideological and political theory course in universities |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |