CN112395486A - 一种宽带业务推荐方法、***、服务器和存储介质 - Google Patents
一种宽带业务推荐方法、***、服务器和存储介质 Download PDFInfo
- Publication number
- CN112395486A CN112395486A CN201910741340.2A CN201910741340A CN112395486A CN 112395486 A CN112395486 A CN 112395486A CN 201910741340 A CN201910741340 A CN 201910741340A CN 112395486 A CN112395486 A CN 112395486A
- Authority
- CN
- China
- Prior art keywords
- information
- user data
- user
- data information
- broadband service
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 49
- 238000010219 correlation analysis Methods 0.000 claims abstract description 37
- 238000004140 cleaning Methods 0.000 claims abstract description 19
- 238000001914 filtration Methods 0.000 claims description 23
- 238000004891 communication Methods 0.000 claims description 17
- 238000005516 engineering process Methods 0.000 claims description 12
- 238000011156 evaluation Methods 0.000 claims description 8
- 238000012216 screening Methods 0.000 claims description 8
- 238000010276 construction Methods 0.000 abstract description 4
- 238000004422 calculation algorithm Methods 0.000 description 5
- 238000011161 development Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 208000030853 Asthma-Chronic Obstructive Pulmonary Disease Overlap Syndrome Diseases 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000012098 association analyses Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000011022 operating instruction Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000005215 recombination Methods 0.000 description 1
- 230000006798 recombination Effects 0.000 description 1
- 238000012163 sequencing technique Methods 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
- G06F16/90—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
- 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
- G06F16/951—Indexing; Web crawling techniques
-
- 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
- G06F16/9536—Search customisation based on social or collaborative filtering
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种宽带业务推荐方法、***、服务器和存储介质,通过收集POI标签的用户数据信息,所述用户数据信息至少包括用户信息和经纬度信息;对用户数据信息进行清洗,得到***数据信息;将***数据信息的经纬度信息与宽带业务信息进行关联分析;根据关联分析结果向***进行宽带业务推荐。建立用户与宽带资源之间的地理位置维度关系,根据资源的建设情况,可以深度挖掘目标客户,也可以根据用户的分布,进行资源的合理布局。
Description
技术领域
本发明涉及移动通信技术领域,具体涉及一种宽带业务推荐方法、***、服务器和存储介质。
背景技术
伴随5G时代的到来以及物联网技术的不断推广,宽带用户的市场占有率已成为各大运营商关注的热点。在大数据时代,随着互联网技术的发展,以及机器学习模型的应用的不断深入,各大运营商都开始利用这些技术手段去挖掘潜在客户,从而提高商品转化率或业务办理的成功率。
目前,各大运营商主要采用大数据技术或人工智能方法给用户推荐宽带业务,现有技术中主要有三个流程:按照收集→分析→推荐的步骤,将收集到的用户信息、用户的通信行为(如ARUP值、通话归属地、入网时间等)信息及用户其他特征分类作为***输入,利用适当的推荐算法去获取适合推荐的客户,根据用户设定的个性化程度和信息发送方式,或者外呼的方式去给用户推荐宽带业务。
然而,各大运营商的宽带业务推荐模块虽然在一定程度上可以进行了业务推荐,提高业务办理成功率,但是依然存在以下问题:
现有业务推荐模块获取的有价值的POI用户数据量稀少,而且分类不全。例如在BOSS***中查询重庆市渝北区的酒店客户只有几十家,但是通过电子地图POI标签查询可以获得1000多条数据,而且目前运营商BOSS***的用户数据没有严格的按照医院、学校、酒店、商场,公司,写字楼的进行打标,这样就不能给定制化场景的发展业务提供数据基础。
用户画像与商品画像之间的会随着时间的发展发生变化,这样建立的模型要经常修改参数,例如基站分布会随着时间的分布发生变化,端口的数量、覆盖的情况每个月都会有不同,目前的业务推荐模块没有其他的维度的数据对用户特征进行修正。
筛选有效客户选择的方法有限,并且不能对用户的选择实现精准的定位,无法对提取的客户进行数据清洗,获取真正有价值的客户。
目前的业务推荐***只能对宽带业务进行推荐,无法实现对用户进行深度挖掘及根据用户的分布情况,对宽带业务进行精细化布局。
发明内容
鉴于上述问题,提出了本发明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宽带业务推荐***和相应的宽带业务推荐方法。
根据本发明的一个方面,提供了一种宽带业务推荐的方法,包括以下步骤:
收集POI标签的用户数据信息,所述用户数据信息至少包括用户信息和经纬度信息;
对用户数据信息进行清洗,得到***数据信息;
将***数据信息的经纬度信息与宽带业务信息进行关联分析;
根据关联分析结果向***进行宽带业务推荐。
可选地,所述步骤收集POI标签的用户数据信息进一步包括:
选取目标区域及POI分组;
根据爬虫技术,通过访问电子地图服务器的开放接口依序抓取各个POI分组内的POI标签的用户数据信息;
其中,所述用户数据信息还包括:用户评价信息、用户联系方式信息。
可选地,所述步骤对用户数据信息进行清洗,得到***数据信息进一步包括:
依据后台资源表对用户数据信息进行清洗,剔除已经受理用户的用户数据信息;
所述步骤将***数据信息的经纬度信息与宽带业务信息进行关联分析进一步包括:
根据***数据信息得到***的用户画像;
根据宽带业务信息得到宽带业务画像;其中,宽带业务信息包括宽带分布信息,所述宽带分布信息根据经纬度信息进行打标处理;
将***的用户画像与宽带业务画像进行关联分析。
可选地,所述步骤对用户数据信息进行清洗,得到***数据信息进一步包括:
依据后台资源表对用户数据信息进行清洗,剔除已经受理用户的用户数据信息;
所述步骤将***数据信息的经纬度信息与宽带业务信息进行关联分析进一步包括:
根据***数据信息得到***的用户画像;
根据宽带业务信息得到宽带业务画像;其中,宽带业务信息包括宽带分布信息,所述宽带分布信息根据经纬度信息进行打标处理;
将***的用户画像与宽带业务画像进行关联分析。
根据本发明的另一方面,一种宽带业务推荐的***,包括:
收集模块,用于收集POI标签的用户数据信息,所述用户数据信息至少包括用户信息和经纬度信息;
筛选模块,用于对用户数据信息进行清洗,得到***数据信息;
关联模块,用于将***数据信息的经纬度信息与宽带业务信息进行关联分析;
推荐模块,用于根据关联分析结果向***进行宽带业务推荐。
可选地,所述收集模块进一步用于:
选取目标区域及POI分组;
根据爬虫技术,通过访问电子地图服务器的开放接口依序抓取各个POI分组内的POI标签的用户数据信息;
其中,所述用户数据信息还包括:用户评价信息、用户联系方式信息。
可选地,所述筛选模块进一步用于:
依据后台资源表对用户数据信息进行清洗,剔除已经受理用户的用户数据信息;
所述关联模块进一步用于:
根据***数据信息得到***的用户画像;
根据宽带业务信息得到宽带业务画像;其中,宽带业务信息包括宽带分布信息,所述宽带分布信息根据经纬度信息进行打标处理;
将***的用户画像与宽带业务画像进行关联分析。
可选地,所述推荐模块进一步用于:
根据关联分析结果和协同过滤推荐方法建立推荐模型;其中协同过滤推荐方法是根据已受理历史用户的用户数据信息与根据关联分析结果确定的目标推荐用户的用户数据信息进行协同过滤;
根据推荐模型进行宽带业务推荐。
根据本发明的又一方面,一种服务器,包括:处理器、存储器、通信接口和通信总线,所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信;
所述存储器用于存放至少一可执行指令,所述可执行指令使所述处理器执行上述的宽带业务推荐方法对应的操作。
根据本发明的再一方面,一种计算机存储介质,所述存储介质中存储有至少一可执行指令,所述可执行指令使处理器执行如上述的宽带业务推荐方法对应的操作。
本发明的宽带业务推荐方法和***基于电子地图POI接口获取大量的用户数据,根据用户的评分,区域分布及宽带业务资源的分布情况进行数据的清洗,获取更多、更有价值的潜在客户数据;建立用户与宽带资源之间的地理位置维度关系,根据资源的建设情况,可以深度挖掘目标客户,也可以根据用户的分布,进行资源的合理布局。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,而可依照说明书的内容予以实施,并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂,以下特举本发明的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述,各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的,而并不认为是对本发明的限制。而且在整个附图中,用相同的参考符号表示相同的部件。在附图中:
图1示出了根据本发明一个实施例的一种宽带业务推荐方法的流程示意图;
图2示出了根据本发明一个实施例的一种宽带业务推荐方法的地球的经纬度模型;
图3示出了根据本发明一个实施例的一种宽带业务推荐方法的协同过滤的实现流程;
图4示出了根据本发明一个实施例的一种宽带业务推荐***的结构示意图;
图5示出了根据本发明一个实施例的一种服务器的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员。
随着各大电子地图API能力开放平台已开放接口服务,通过调用接口服务可以获取用户指定POI信息数据。POI是“Point of Interest”的缩写,中文可以翻译为“兴趣点”。在地理信息***中,一个POI可以是一栋房子、一个商铺、一个邮筒、一个公交站等,每个POI包含四方面信息,名称、类别、坐标、分类。
实施例一
图1是本发明一示例性实施例公开的一种宽带业务推荐方法,包括以下步骤:
S11:收集POI标签的用户数据信息,所述用户数据信息至少包括用户信息和经纬度信息。
作为本实施例的一种优选实现方式,所述步骤收集POI标签的用户数据信息进一步包括:
选取目标区域及POI分组;
根据爬虫技术,通过访问电子地图服务器的开放接口依序抓取各个POI分组内的POI标签的用户数据信息;
其中,所述用户数据信息还包括:用户评价信息、用户联系方式信息。
在本步骤中,所述用户评价信息包括用户评分以及评分时间。利用爬虫技术取获取用户数据信息。目前各电子地图对爬虫技术都做了限制,一般单次查询数量做了限制,因此要想获取百度地图重庆渝北区的全部酒店,就要将查询接口API的经纬度参数关于经纬度区域进行切片处理,使得切片足够小,从而获取到该区域内全量用户的数据。该数据包括酒店的名称,酒店的经纬度信息,用户评分,评分时间,联系方式等信息,具体如表1所示。
表1获取的样例数据(部分数据已用*代替)
S12:对用户数据信息进行清洗,得到***数据信息。
S13:将***数据信息的经纬度信息与宽带业务信息进行关联分析。
作为本实施例的一种优选实现方式,所述步骤对用户数据信息进行清洗,得到***数据信息进一步包括:
依据后台资源表对用户数据信息进行清洗,剔除已经受理用户的用户数据信息。
所述步骤将***数据信息的经纬度信息与宽带业务信息进行关联分析进一步包括:
根据***数据信息得到***的用户画像;
根据宽带业务信息得到宽带业务画像;其中,宽带业务信息包括宽带分布信息,所述宽带分布信息根据经纬度信息进行打标处理;
将***的用户画像与宽带业务画像进行关联分析。
在本步骤中,获取到用户的数据后,需要按照一定的方法对数据进行清洗获取***,本方案采用的是按照综合评分进行TOP-K算法,以时间维度对用户进行排序,按照商品的类型和价值等信息人为设置权重,得到价值***数据。
同时,获取到用户数据后,需要对数据进行一定的分析,首先对业务的数据进行经纬度打标,例如运营商想在重庆渝北区推荐商宽业务,就需要将经纬度信息与宽带的分布情况对应数据入库,并将该区域的用户发展记录入库,建立销售模型;如某公司想发展重庆渝北区酒店的用品,就需要将该公司的商品分布及销售记录对应数据入库,并建立一定的销售模型。本方案以在渝北区发展商宽用户数据分析为例进行论述,如表1所示,获取了潜在有价值的用户数据后,首先需要对用户与后台资源表进行关联,剔除已经受理的用户,其次需要对商宽的根据经纬度信息进行打标,商宽的分布根据基站建设情况分为全覆盖,深覆盖、浅覆盖。从而建立一张宽带资源分布表,如表2所示。
表2宽带资源分布表
在建立了商宽分布后,就可以通过经纬度进行商品与用户的关联进行数据的分析和数据的筛选,但是从百度地图获得的数据是不能和资源库里的GIS坐标进行比对,需要将百度地图的坐标数据火星坐标转换成GIS坐标。
对获取用户及用户在同一坐标***下的经纬度信息后,就可以通过经纬度对业务进行用户的筛选,经与相关的网络部门确认在宽带全覆盖的区域,及表2中status=1的情况下,周围5KM范围内都是可以给用户推荐宽带业务,这样我们就可以通过表1(custom)和表2(resource)进行关联,可以筛选出有宽带业务销售能力的用户,根据两点间的经纬度距离公式则可通过以下SQL求出可推广的用户:
select a.*from custom a inner join resource b where b.status=1anda.lat>b.lat.-0.4and a.latitude<b.lat'+0.4and a.lon>b.lon-0.4and a.lon<b.lon+0.4and ACOS(SIN((b.lon*3.1415)/180)*SIN((a.lat*3.1415)/180)+COS((b.lat*3.1415)/180)*COS((a.lat*3.1415)/180)*COS((b.lon*3.1415)/180-(a.lon*3.1415)/180))*6380000<5。
具体地说,所述两点间的经纬度距离公式推导方法如下:
如图2所示,地球的形状接近于一个球体,可以根据两点A,B的经纬度计算出这两点之间弧AB的最短距离的SAB,由两点间的距离公式可以得到AB的距离为:
AB2=(Xa-Xb)2+(Ya-Yb)2+(Za-Zb)2;
再结合球面上的点有X2+Y2+Z2=R2;
带入数据可得:AB2=2R2(1-cos(wa)cos(wb)cos(jb-ja)+sin(wa)sin(wb));
知道AB的直线距离后,这里先在ΔAOB中利用余玄定理可得:
AB2=OA2+OB2-2OA*OB*cos(∠AOB);
经过变形可得:cos(∠AOB)=1-(AB2/2R2);
那么AB的弧长距离可以通过计算ΔAOB中对应的圆心角∠AOB,然后用弧长计算公式计算出来。知道圆心角∠AOB以后再利用弧长公式:
SAB=R*∠AOB=Rarccos(cos(wa)cos(wb)cos(jb-ja)+sin(wa)sin(wb))即可得到两点间的经纬度距离。
S14:根据关联分析结果向***进行宽带业务推荐。
作为本实施例的一种优选实现方式,如图3所示,所述步骤S14进一步包括:
根据关联分析结果和协同过滤推荐方法建立推荐模型;其中协同过滤推荐方法是根据已受理历史用户的用户数据信息与根据关联分析结果确定的目标推荐用户的用户数据信息进行协同过滤;
根据推荐模型进行宽带业务推荐。
在本步骤中,对用户数据进行清洗后,将用户和宽带业务资源分布的数据入库,建立销售模型实现业务推荐。本实施例关于业务推荐方法主要利用协同过滤推荐关联方法将目标客户数据与历史受理数据进行协同过滤。具体地说,协同过滤是利用某兴趣相投、拥有共同经验之群体的喜好来推荐用户感兴趣的信息,个人通过合作的机制给予信息相当程度的回应(如评分)并记录下来以达到过滤的目的进而帮助别人筛选信息,其基本思想是认为用户的兴趣偏好是可以通过对具有类似行为或偏好的用户群进行分析和预测得出的。
目前大部分协同过滤推荐***使用的评分数据作为推荐的输入数据,它代表用户的偏好程度,可以是二值型的0或1,或者是一个比如0到5的整数表示。在协同过滤算法中,用户信息由项目及用户对该项目的评分组成向量表示,即用户-项目矩阵,矩阵中的数据是用户对项目的评分。对目标客户的所有可能的推荐,肯定都包含在项目集合中。协同过滤的意思,就是如何过滤这个项目集,得到对目标客户的N个推荐项目,根据商品或者业务的历史销售记录作为一个标准数据源来进行比对,在这里不考虑用户的兴趣会随时间推移而发生变化,即认为用户对项目评分是不随时间改变的。
例如,如图3所示,以步骤S12中的渝北推荐商宽为例,对这些数据中已经在***里办理的历史数据作为标准样本A,然后在将未办理的数据作为样本B,然后将样本B按照经纬度,综合评分,宽带覆盖三个项目对标准样本A进行评分,所述综合评分包括用户评价信息。包括由于经纬度,综合评分,宽带覆盖度量的标准不一样,因此都要按照一定的规则,标度成0-5,经纬度主要是按照周边的距离,宽带覆盖主要分成0-5,其中设置宽带覆盖的比例为60,经纬度的比例为25,综合评分的比例为15,然后按照三者的综合寻找最小值,按照TOP—K的算法进行排序。
综上,采用本实施例的方法,经过上述的三个步骤,可以建立用户及业务分布之间的地理位置维度关系。根据用户和商品或者业务的经纬度信息可实现闭环的营销模式,根据资源的建设情况,可以深度挖掘目标用户,也可以根据用户的分布,进行资源的合理布局。
实施例二
图4是本发明一示例性实施例示出的一种宽带业务推荐***,如图4所示,包括:
收集模块41,用于收集POI标签的用户数据信息,所述用户数据信息至少包括用户信息和经纬度信息;
筛选模块42,用于对用户数据信息进行清洗,得到***数据信息;
关联模块43,用于将***数据信息的经纬度信息与宽带业务信息进行关联分析
推荐模块44,用于根据关联分析结果向***进行宽带业务推荐。
作为本实施例的一种优选实现方式,所述收集模块41进一步用于:
选取目标区域及POI分组;
根据爬虫技术,通过访问电子地图服务器的开放接口依序抓取各个POI分组内的POI标签的用户数据信息;
其中,所述用户数据信息还包括:用户评价信息、用户联系方式信息。
作为本实施例的一种优选实现方式,所述筛选模块42进一步用于:
依据后台资源表对用户数据信息进行清洗,剔除已经受理用户的用户数据信息;
所述关联模块43进一步用于:
根据***数据信息得到***的用户画像;
根据宽带业务信息得到宽带业务画像;其中,宽带业务信息包括宽带分布信息,所述宽带分布信息根据经纬度信息进行打标处理;
将***的用户画像与宽带业务画像进行关联分析。
作为本实施例的一种优选实现方式,所述推荐模块44进一步用于:
根据关联分析结果和协同过滤推荐方法建立推荐模型;其中协同过滤推荐方法是根据已受理历史用户的用户数据信息与根据关联分析结果确定的目标推荐用户的用户数据信息进行协同过滤;
根据推荐模型进行宽带业务推荐。
采用本实施例提供的***,通过大数据技术可以根据POI标签选取目标客户,可以相比现有技术中的方法获取到更多的用户数据,并且这些数据带有用户标签如医院、学校、商场、酒店等,这样可以给用户定制化发展业务提供有效的数据保障;既可以通过用户去推荐业务,也可以根据商品去选取用户从而实现双向、闭环的互选,可以深度挖掘有价值的客户。
实施例三
本申请实施例三提供了一种非易失性计算机存储介质,所述计算机存储介质存储有至少一可执行指令,该计算机可执行指令可执行上述任意方法实施例中的宽带业务推荐方法。
实施例四
图5示出了根据本发明实施例六的一种服务器的结构示意图,本发明具体实施例并不对服务器的具体实现做限定。
如图5所示,该服务器可以包括:处理器(processor)、通信接口(CommunicationsInterface)、存储器(memory)、以及通信总线。
其中:
处理器、通信接口、以及存储器通过通信总线完成相互间的通信。
通信接口,用于与其它设备比如客户端或其它服务器等的网元通信。
处理器,用于执行程序,具体可以执行上述宽带业务推荐方法实施例中的相关步骤。
具体地,程序可以包括程序代码,该程序代码包括计算机操作指令。
处理器可能是中央处理器CPU,或者是特定集成电路ASIC(Application SpecificIntegrated Circuit),或者是被配置成实施本发明实施例的一个或多个集成电路。服务器包括的一个或多个处理器,可以是同一类型的处理器,如一个或多个CPU;也可以是不同类型的处理器,如一个或多个CPU以及一个或多个ASIC。
存储器,用于存放程序。存储器可能包含高速RAM存储器,也可能还包括非易失性存储器(non-volatile memory),例如至少一个磁盘存储器。
程序具体可以用于使得处理器执行以下操作:
收集POI标签的用户数据信息,所述用户数据信息至少包括用户信息和经纬度信息;
对用户数据信息进行清洗,得到***数据信息;
将***数据信息的经纬度信息与宽带业务信息进行关联分析;
根据关联分析结果向***进行宽带业务推荐。
在此提供的算法和显示不与任何特定计算机、虚拟***或者其它设备固有相关。各种通用***也可以与基于在此的示教一起使用。根据上面的描述,构造这类***所要求的结构是显而易见的。此外,本发明也不针对任何特定编程语言。应当明白,可以利用各种编程语言实现在此描述的本发明的内容,并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。
在此处所提供的说明书中,说明了大量具体细节。然而,能够理解,本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中,并未详细示出公知的方法、结构和技术,以便不模糊对本说明书的理解。
类似地,应当理解,为了精简本公开并帮助理解各个发明方面中的一个或多个,在上面对本发明的示例性实施例的描述中,本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而,并不应将该公开的方法解释成反映如下意图:即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说,如下面的权利要求书所反映的那样,发明方面在于少于前面公开的单个实施例的所有特征。因此,遵循具体实施方式的权利要求书由此明确地并入该具体实施方式,其中每个权利要求本身都作为本发明的单独实施例。
本领域那些技术人员可以理解,可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件,以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外,可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述,本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外,本领域的技术人员能够理解,尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征,但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如,在下面的权利要求书中,所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
本发明的各个部件实施例可以以硬件实现,或者以在一个或者多个处理器上运行的软件模块实现,或者以它们的组合实现。本领域的技术人员应当理解,可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本发明实施例的宽带业务推荐***中的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如,计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上,或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到,或者在载体信号上提供,或者以任何其他形式提供。
应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制,并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中,不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中,这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
Claims (10)
1.一种宽带业务推荐的方法,其特征在于,包括以下步骤:
收集POI标签的用户数据信息,所述用户数据信息至少包括用户信息和经纬度信息;
对用户数据信息进行清洗,得到***数据信息;
将***数据信息的经纬度信息与宽带业务信息进行关联分析;
根据关联分析结果向***进行宽带业务推荐。
2.根据权利要求1所述的方法,其特征在于,所述步骤收集POI标签的用户数据信息进一步包括:
选取目标区域及POI分组;
根据爬虫技术,通过访问电子地图服务器的开放接口依序抓取各个POI分组内的POI标签的用户数据信息;
其中,所述用户数据信息还包括:用户评价信息、用户联系方式信息。
3.根据权利要求1或2所述的方法,其特征在于,所述步骤对用户数据信息进行清洗,得到***数据信息进一步包括:
依据后台资源表对用户数据信息进行清洗,剔除已经受理用户的用户数据信息;
所述步骤将***数据信息的经纬度信息与宽带业务信息进行关联分析进一步包括:
根据***数据信息得到***的用户画像;
根据宽带业务信息得到宽带业务画像;其中,宽带业务信息包括宽带分布信息,所述宽带分布信息根据经纬度信息进行打标处理;
将***的用户画像与宽带业务画像进行关联分析。
4.根据权利要求3所述的方法,其特征在于,所述步骤根据关联分析结果向***进行宽带业务推荐进一步包括:
根据关联分析结果和协同过滤推荐方法建立推荐模型;其中协同过滤推荐方法是根据已受理历史用户的用户数据信息与根据关联分析结果确定的目标推荐用户的用户数据信息进行协同过滤;
根据推荐模型进行宽带业务推荐。
5.一种宽带业务推荐的***,其特征在于,包括:
收集模块,用于收集POI标签的用户数据信息,所述用户数据信息至少包括用户信息和经纬度信息;
筛选模块,用于对用户数据信息进行清洗,得到***数据信息;
关联模块,用于将***数据信息的经纬度信息与宽带业务信息进行关联分析;
推荐模块,用于根据关联分析结果向***进行宽带业务推荐。
6.根据权利要求5所述的***,其特征在于,所述收集模块进一步用于:
选取目标区域及POI分组;
根据爬虫技术,通过访问电子地图服务器的开放接口依序抓取各个POI分组内的POI标签的用户数据信息;
其中,所述用户数据信息还包括:用户评价信息、用户联系方式信息。
7.根据权利要求5或6所述的***,其特征在于,所述筛选模块进一步用于:
依据后台资源表对用户数据信息进行清洗,剔除已经受理用户的用户数据信息;
所述关联模块进一步用于:
根据***数据信息得到***的用户画像;
根据宽带业务信息得到宽带业务画像;其中,宽带业务信息包括宽带分布信息,所述宽带分布信息根据经纬度信息进行打标处理;
将***的用户画像与宽带业务画像进行关联分析。
8.根据权利要求7所述的***,其特征在于,所述推荐模块进一步用于:
根据关联分析结果和协同过滤推荐方法建立推荐模型;其中协同过滤推荐方法是根据已受理历史用户的用户数据信息与根据关联分析结果确定的目标推荐用户的用户数据信息进行协同过滤;
根据推荐模型进行宽带业务推荐。
9.一种服务器,包括:处理器、存储器、通信接口和通信总线,所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信;
所述存储器用于存放至少一可执行指令,所述可执行指令使所述处理器执行如权利要求1-4中任一项所述的宽带业务推荐方法对应的操作。
10.一种计算机存储介质,所述存储介质中存储有至少一可执行指令,所述可执行指令使处理器执行如权利要求1-4中任一项所述的宽带业务推荐方法对应的操作。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910741340.2A CN112395486B (zh) | 2019-08-12 | 2019-08-12 | 一种宽带业务推荐方法、***、服务器和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910741340.2A CN112395486B (zh) | 2019-08-12 | 2019-08-12 | 一种宽带业务推荐方法、***、服务器和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112395486A true CN112395486A (zh) | 2021-02-23 |
CN112395486B CN112395486B (zh) | 2023-11-03 |
Family
ID=74602321
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910741340.2A Active CN112395486B (zh) | 2019-08-12 | 2019-08-12 | 一种宽带业务推荐方法、***、服务器和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112395486B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114066502A (zh) * | 2021-08-20 | 2022-02-18 | 中国联合网络通信有限公司广东省分公司 | 一种基于ai大数据的目标客户分析方法、***、设备及计算机可读介质 |
CN114399351A (zh) * | 2021-12-22 | 2022-04-26 | 中国电信股份有限公司 | 一种信息推荐方法、装置、电子设备及存储介质 |
Citations (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070136225A1 (en) * | 2005-09-15 | 2007-06-14 | Microsoft Corporation | Contingency table estimation via sketches |
CN103617547A (zh) * | 2013-12-04 | 2014-03-05 | 中国联合网络通信集团有限公司 | 一种业务推荐方法及*** |
WO2014116286A2 (en) * | 2013-01-25 | 2014-07-31 | Adaptive Spectrum And Signal Alignment, Inc. | Method and apparatus for cloud services for enhancing broadband experience |
CN104166713A (zh) * | 2014-08-14 | 2014-11-26 | 百度在线网络技术(北京)有限公司 | 网络业务的推荐方法和装置 |
CN105224684A (zh) * | 2015-10-28 | 2016-01-06 | 小米科技有限责任公司 | 信息推送方法及装置 |
CN105389713A (zh) * | 2015-10-15 | 2016-03-09 | 南京大学 | 基于用户历史数据的移动流量套餐推荐算法 |
US20160162503A1 (en) * | 2014-12-09 | 2016-06-09 | Facebook, Inc. | Systems and methods for page recommendations |
CN106354739A (zh) * | 2016-02-25 | 2017-01-25 | 湖南拍晓科技有限公司 | 一种基于地理位置和图像的信息推送方法和*** |
CN107087017A (zh) * | 2017-03-09 | 2017-08-22 | 阿里巴巴集团控股有限公司 | 一种业务引流的方法和装置 |
CN107133263A (zh) * | 2017-03-31 | 2017-09-05 | 百度在线网络技术(北京)有限公司 | Poi推荐方法、装置、设备及计算机可读存储介质 |
CN107580073A (zh) * | 2017-10-19 | 2018-01-12 | 世纪龙信息网络有限责任公司 | 实现目标用户消息推送的方法及装置 |
CN108363733A (zh) * | 2018-01-17 | 2018-08-03 | 阿里巴巴集团控股有限公司 | 内容推荐方法及装置 |
CN108399189A (zh) * | 2018-01-23 | 2018-08-14 | 重庆邮电大学 | 基于社团发现的好友推荐***及其方法 |
CN109213926A (zh) * | 2018-07-12 | 2019-01-15 | 南京邮电大学 | 一种基于社区划分和多源信息融合的地点推荐方法 |
CN109246230A (zh) * | 2018-09-29 | 2019-01-18 | 阿里巴巴集团控股有限公司 | 信息推送方法及装置 |
CN109429103A (zh) * | 2017-08-25 | 2019-03-05 | Tcl集团股份有限公司 | 推荐信息的方法、装置及计算机可读存储介质、终端设备 |
CN109697448A (zh) * | 2017-10-20 | 2019-04-30 | 中移(苏州)软件技术有限公司 | 一种业务套餐的推荐方法、设备及计算机可读存储介质 |
CN109712001A (zh) * | 2018-11-29 | 2019-05-03 | 平安科技(深圳)有限公司 | 信息推荐方法、装置、计算机设备和存储介质 |
CN109727056A (zh) * | 2018-07-06 | 2019-05-07 | 平安科技(深圳)有限公司 | 金融机构推荐方法、设备、存储介质及装置 |
CN109982366A (zh) * | 2017-12-28 | 2019-07-05 | ***通信集团河北有限公司 | 基于大数据的目标价值区域分析方法、装置、设备及介质 |
CN110020176A (zh) * | 2017-12-29 | 2019-07-16 | ***通信集团公司 | 一种资源推荐方法、电子设备以及计算机可读存储介质 |
-
2019
- 2019-08-12 CN CN201910741340.2A patent/CN112395486B/zh active Active
Patent Citations (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070136225A1 (en) * | 2005-09-15 | 2007-06-14 | Microsoft Corporation | Contingency table estimation via sketches |
WO2014116286A2 (en) * | 2013-01-25 | 2014-07-31 | Adaptive Spectrum And Signal Alignment, Inc. | Method and apparatus for cloud services for enhancing broadband experience |
CN103617547A (zh) * | 2013-12-04 | 2014-03-05 | 中国联合网络通信集团有限公司 | 一种业务推荐方法及*** |
CN104166713A (zh) * | 2014-08-14 | 2014-11-26 | 百度在线网络技术(北京)有限公司 | 网络业务的推荐方法和装置 |
US20160162503A1 (en) * | 2014-12-09 | 2016-06-09 | Facebook, Inc. | Systems and methods for page recommendations |
CN105389713A (zh) * | 2015-10-15 | 2016-03-09 | 南京大学 | 基于用户历史数据的移动流量套餐推荐算法 |
CN105224684A (zh) * | 2015-10-28 | 2016-01-06 | 小米科技有限责任公司 | 信息推送方法及装置 |
CN106354739A (zh) * | 2016-02-25 | 2017-01-25 | 湖南拍晓科技有限公司 | 一种基于地理位置和图像的信息推送方法和*** |
CN107087017A (zh) * | 2017-03-09 | 2017-08-22 | 阿里巴巴集团控股有限公司 | 一种业务引流的方法和装置 |
CN107133263A (zh) * | 2017-03-31 | 2017-09-05 | 百度在线网络技术(北京)有限公司 | Poi推荐方法、装置、设备及计算机可读存储介质 |
CN109429103A (zh) * | 2017-08-25 | 2019-03-05 | Tcl集团股份有限公司 | 推荐信息的方法、装置及计算机可读存储介质、终端设备 |
CN107580073A (zh) * | 2017-10-19 | 2018-01-12 | 世纪龙信息网络有限责任公司 | 实现目标用户消息推送的方法及装置 |
CN109697448A (zh) * | 2017-10-20 | 2019-04-30 | 中移(苏州)软件技术有限公司 | 一种业务套餐的推荐方法、设备及计算机可读存储介质 |
CN109982366A (zh) * | 2017-12-28 | 2019-07-05 | ***通信集团河北有限公司 | 基于大数据的目标价值区域分析方法、装置、设备及介质 |
CN110020176A (zh) * | 2017-12-29 | 2019-07-16 | ***通信集团公司 | 一种资源推荐方法、电子设备以及计算机可读存储介质 |
CN108363733A (zh) * | 2018-01-17 | 2018-08-03 | 阿里巴巴集团控股有限公司 | 内容推荐方法及装置 |
CN108399189A (zh) * | 2018-01-23 | 2018-08-14 | 重庆邮电大学 | 基于社团发现的好友推荐***及其方法 |
CN109727056A (zh) * | 2018-07-06 | 2019-05-07 | 平安科技(深圳)有限公司 | 金融机构推荐方法、设备、存储介质及装置 |
CN109213926A (zh) * | 2018-07-12 | 2019-01-15 | 南京邮电大学 | 一种基于社区划分和多源信息融合的地点推荐方法 |
CN109246230A (zh) * | 2018-09-29 | 2019-01-18 | 阿里巴巴集团控股有限公司 | 信息推送方法及装置 |
CN109712001A (zh) * | 2018-11-29 | 2019-05-03 | 平安科技(深圳)有限公司 | 信息推荐方法、装置、计算机设备和存储介质 |
Non-Patent Citations (1)
Title |
---|
张寒冰: "基于时空信息和社会网的POI推荐算法研究与实现", 《中国优秀硕士学位论文全文数据库信息科技辑》, no. 07, pages 138 - 1858 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114066502A (zh) * | 2021-08-20 | 2022-02-18 | 中国联合网络通信有限公司广东省分公司 | 一种基于ai大数据的目标客户分析方法、***、设备及计算机可读介质 |
CN114399351A (zh) * | 2021-12-22 | 2022-04-26 | 中国电信股份有限公司 | 一种信息推荐方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112395486B (zh) | 2023-11-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107730313B (zh) | 基于推荐理由的店铺推荐方法及装置 | |
US10002381B2 (en) | Methods, systems and machines for identifying geospatial compatibility between consumers and providers of goods or services | |
CN111949834B (zh) | 选址方法和选址平台*** | |
CN102224498B (zh) | 用于向移动设备提供位置相关内容的计算机实现的方法 | |
CN108268573B (zh) | 用于推送信息的方法和装置 | |
CN106991576A (zh) | 一种地理区域的热力展现方法和装置 | |
US20150006326A1 (en) | Search Method and Apparatus Based on E-commerce Platform | |
CN103914498A (zh) | 一种地图搜索的搜索建议方法和装置 | |
US20190095536A1 (en) | Method and device for content recommendation and computer readable storage medium | |
CN111738785A (zh) | 选品方法、***及存储介质 | |
CN108712712A (zh) | 无线保真WiFi网络关联信息显示方法及装置 | |
CN105408929A (zh) | 利用反向拍卖的加盟店推荐方法及推荐装置 | |
CN112395486B (zh) | 一种宽带业务推荐方法、***、服务器和存储介质 | |
CN112819544A (zh) | 基于大数据的广告投放方法、装置、设备及存储介质 | |
CN110096609A (zh) | 房源搜索方法、装置、设备及计算机可读存储介质 | |
KR101750885B1 (ko) | 행정 구역도를 바탕으로 하는 통합 정보 검색 방법 | |
JP2004078573A (ja) | 情報収集解析システム及び情報収集解析サーバ | |
CN111915679B (zh) | 一种基于楼层的目标点位确定方法、装置和设备 | |
KR100465246B1 (ko) | 키워드 검색방식에 의한 전자지도 검색과 검색엔진이 채용된 업종 등 지역생활정보 제공방법 | |
WO2022146332A1 (en) | Operating method of creating ecological crop production, storage, sales network and logistics network and sales information and management system | |
CN113706222A (zh) | 一种门店选址的方法、装置 | |
CN111784434A (zh) | 菜品信息推送方法、装置、电子设备 | |
US20140344184A1 (en) | Systems and methods for providing investment opportunities | |
KR101740528B1 (ko) | Poi 주소록 구축을 통한 쿠폰 서비스 시스템 및 방법 | |
JP7295076B2 (ja) | 地図作成システムおよび地図作成プログラム |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |