CN113707302A - 基于关联信息的服务推荐方法、装置、设备及存储介质 - Google Patents
基于关联信息的服务推荐方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN113707302A CN113707302A CN202111004871.7A CN202111004871A CN113707302A CN 113707302 A CN113707302 A CN 113707302A CN 202111004871 A CN202111004871 A CN 202111004871A CN 113707302 A CN113707302 A CN 113707302A
- Authority
- CN
- China
- Prior art keywords
- service
- preset
- user
- frequency
- requirement
- 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
- 238000000034 method Methods 0.000 title claims abstract description 39
- 239000013598 vector Substances 0.000 claims description 75
- 230000011218 segmentation Effects 0.000 claims description 23
- 239000011159 matrix material Substances 0.000 claims description 15
- 238000004458 analytical method Methods 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 11
- 230000014509 gene expression Effects 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000013075 data extraction Methods 0.000 claims description 4
- 230000002035 prolonged effect Effects 0.000 claims description 3
- 239000000126 substance Substances 0.000 claims description 2
- 238000013473 artificial intelligence Methods 0.000 abstract description 7
- 238000005516 engineering process Methods 0.000 abstract description 3
- 230000006870 function Effects 0.000 description 13
- 238000004891 communication Methods 0.000 description 8
- 230000036541 health Effects 0.000 description 5
- 238000007726 management method Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 239000003814 drug Substances 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 238000003058 natural language processing Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/3331—Query processing
- G06F16/334—Query execution
- G06F16/3344—Query execution using natural language analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/3331—Query processing
- G06F16/334—Query execution
- G06F16/3346—Query execution using probabilistic model
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/205—Parsing
- G06F40/216—Parsing using statistical methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- General Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Data Mining & Analysis (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Databases & Information Systems (AREA)
- Probability & Statistics with Applications (AREA)
- Biomedical Technology (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Pathology (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明涉及人工智能及数字医疗技术领域,揭露了一种基于关联信息的服务推荐方法,包括:提取用户的服务需求数据中的服务对象和需求语义,根据需求语义确定所述服务对象需求的目标服务,获取该服务对象和关联用户的服务记录,根据业务记录统计并计算出每一种不同的预设服务的权重,进而根据该权重计算每一种预设服务的重要度,并将重要度大于预设阈值的服务以及目标服务推送给所述用户。此外,本发明还涉及区块链技术,服务需求数据可存储于区块链的节点。本发明还提出一种基于关联信息的服务推荐装置、电子设备以及存储介质。本发明可以提高服务推荐的精确度。
Description
技术领域
本发明涉及人工智能技术领域,尤其涉及一种基于关联信息的服务推荐方法、装置、电子设备及计算机可读存储介质。
背景技术
近些年,随着社会经济的快速发展和生活水平的飞跃提升,人们对日常健康的关注和多样性的在线医疗服务需求数据也与日俱增,人们越来越多的采用在线方式对健康状况进行分析,例如,在提供医疗咨询、问诊等功能的医疗平台上进行健康状况的咨询。
现有的医疗平台在提供咨询服务时,会为用户无差别地提供种类众多的服务和繁杂难分的服务入口,进而使得用户在对该医疗平台进行使用时需要花费大量的时间和精力来分辨出自身需要的服务,因此,如何针对用户的数据实现精确性的服务推荐,成为了亟待解决的问题。
发明内容
本发明提供一种基于关联信息的服务推荐方法、装置及计算机可读存储介质,其主要目的在于解决进行服务推荐时的精确度较低的问题。
为实现上述目的,本发明提供的一种基于关联信息的服务推荐方法,包括:
获取用户的服务需求数据,从所述服务需求数据中提取出服务对象和需求语义;
计算所述需求语义分别与多种预设服务中每一种预设服务的服务标签之间的匹配值,选取所述匹配值最大的服务标签对应的预设服务为目标服务;
获取所述服务对象的服务记录,统计所述服务对象的服务记录中每一种预设服务的次数为第一次数,根据所述第一次数计算每一种所述预设服务的第一服务权重;
从预设的用户表中查询得到与所述服务对象具有关联关系的关联用户;
获取所述关联用户的服务记录,统计所述关联用户的服务记录中每一种预设服务的次数为第二次数,并根据所述第二次数计算每一种所述预设服务的第二服务权重;
根据所述第一服务权重和所述第二服务权重计算每一种所述预设服务的重要度,并向所述用户推荐所述目标服务以及所述重要度大于预设阈值的服务。
可选地,所述从所述服务需求数据中提取出需求语义,包括:
对所述标准需求进行分词处理,得到需求分词;
统计所述需求分词中每一个分词的分词频率,选取所述分词频率大于预设频率阈值的需求分词为关键词,并将所述关键词中每一个需求分词转换为词向量;
将所述词向量拼接为向量矩阵,并确定所述向量矩阵为所述服务需求数据的需求语义。
可选地,所述将所述词向量拼接为向量矩阵,包括:
统计所述词向量中每一个词向量的向量长度,确定所述向量长度中的最大值为目标长度;
利用预设参数将所述词向量中的每一个向量的向量长度延长至所述目标长度;
将延长后的所述词向量中的每一个向量作为行向量进行拼接,得到向量矩阵。
可选地,所述计算所述需求语义分别与多种预设服务中每一种预设服务的服务标签之间的匹配值,包括:
其中,P为所述匹配值,a为所述需求语义,bu为所述多个预设服务中第u个服务的服务标签。
可选地,所述统计所述服务对象的服务记录中每一种预设服务的次数为第一次数,包括:
获取每一种预设服务的服务名称的数据格式;
按照所述数据格式将预设字符编译为每一种预设服务的服务名称对应的规则表达式;
利用所述规则表达式提取所述服务记录每一种预设服务的服务名称,根据所述服务名称统计每一种预设服务的次数,并将所述次数作为每一种预设服务的第一次数。
可选地,所述从预设的用户表中查询得到与所述服务对象具有关联关系的关联用户,包括:
构建预设的用户表的索引;
利用所述需求语义在所述索引中进行检索,得到与所述需求语义对应的用户,将检索到的用户汇集为所述服务对象的关联用户。
可选地,所述向所述用户推荐所述目标服务以及所述重要度大于预设阈值的预设服务,包括:
按照所述重要度从大到小的顺序将所述重要度大于预设阈值的预设服务进行排序,得到服务列表;
将所述目标服务写入所述服务列表中的第一个位置,并按照所述服务列表的顺序向所述用户进行服务推荐。
为了解决上述问题,本发明还提供一种基于关联信息的服务推荐装置,所述装置包括:
数据提取模块,用于获取用户的服务需求数据,从所述服务需求数据中提取出服务对象和需求语义;
匹配值计算模块,用于计算所述需求语义分别与多种预设服务中每一种预设服务的服务标签之间的匹配值,选取所述匹配值最大的服务标签对应的预设服务为目标服务;
第一权重分析模块,用于获取所述服务对象的服务记录,统计所述服务对象的服务记录中每一种预设服务的次数为第一次数,根据所述第一次数计算每一种所述预设服务的第一服务权重;
关联用户查询模块,用于从预设的用户表中查询得到与所述服务对象具有关联关系的关联用户;
第二权重分析模块,用于获取所述关联用户的服务记录,统计所述关联用户的服务记录中每一种预设服务的次数为第二次数,并根据所述第二次数计算每一种所述预设服务的第二服务权重;
服务推荐模块,用于根据所述第一服务权重和所述第二服务权重计算每一种所述预设服务的重要度,并向所述用户推荐所述目标服务以及所述重要度大于预设阈值的服务。
为了解决上述问题,本发明还提供一种电子设备,所述电子设备包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行上述所述的基于关联信息的服务推荐方法。
为了解决上述问题,本发明还提供一种计算机可读存储介质,所述计算机可读存储介质中存储有至少一个计算机程序,所述至少一个计算机程序被电子设备中的处理器执行以实现上述所述的基于关联信息的服务推荐方法。
本发明实施例能够在对用户的需求语义进行分析后,还对用户的服务记录,以及与用户具有关联关系的关联用户的服务记录进行分析,以确定用户可能需要的服务,进而结合语义分析与服务记录的分析共同对用户进行服务推荐,提高了服务推荐的精确度。因此本发明提出的基于关联信息的服务推荐方法、装置、电子设备及计算机可读存储介质,可以解决进行服务推荐时的精确度较低的问题。
附图说明
图1为本发明一实施例提供的基于关联信息的服务推荐方法的流程示意图;
图2为本发明一实施例提供的提取需求语义的流程示意图;
图3为本发明一实施例提供的统计第一次数的流程示意图;
图4为本发明一实施例提供的基于关联信息的服务推荐装置的功能模块图;
图5为本发明一实施例提供的实现所述基于关联信息的服务推荐方法的电子设备的结构示意图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本申请实施例提供一种基于关联信息的服务推荐方法。所述基于关联信息的服务推荐方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之,所述基于关联信息的服务推荐方法可以由安装在终端设备或服务端设备的软件或硬件来执行,所述软件可以是区块链平台。所述服务端包括但不限于:单台服务器、服务器集群、云端服务器或云端服务器集群等。所述服务器可以是独立的服务器,也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(Content Delivery Network,CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。
参照图1所示,为本发明一实施例提供的基于关联信息的服务推荐方法的流程示意图。在本实施例中,所述基于关联信息的服务推荐方法包括:
S1、获取用户的服务需求数据,从所述服务需求数据中提取出服务对象和需求语义。
本发明实施例中,所述服务需求数据包括用户为指定的服务对象购买、预约的对多个预设服务中每一种预设服务的需求数据。例如,用户在医疗平台中需要获取药品购买的服务、需要对健康状况进行诊断的服务等。
详细地,所述服务对象为服务需求数据对应的预设服务需要服务的对象,例如,当用户在医疗平台为自己咨询药品购买服务时,则服务对象为用户本身;或者,当用户在医疗平台为用户的儿子咨询药品购买服务时,则服务对象为用户的儿子。
可通过预先安装的消息获取插件获取用户通过预设医疗平台的网页、用户端等界面上传的服务对象和服务需求数据,所述消息获取插件包括但不限于kafka插件、redis插件。
本发明实施例中,由于用户的服务需求数据中可能包含大量数据,若直接对所述服务需求数据进行处理,会占用大量的计算资源,因此,本发明实施例可对所述服务需求数据进行分析,以从所述服务需求数据中提取出需求语义,详细地,所述需求语义为所述服务需求数据想要表达的语句含义。
本发明其中一个实施例中,参图2所示,所述从所述服务需求数据中提取出需求语义,包括:
S21、对所述标准需求进行分词处理,得到需求分词;
S22、统计所述需求分词中每一个分词的分词频率,选取所述分词频率大于预设频率阈值的需求分词为关键词,并将所述关键词中每一个需求分词转换为词向量;
S23、将所述词向量拼接为向量矩阵,并确定所述向量矩阵为所述服务需求数据的需求语义。
详细地,可利用预先训练的具有分词功能的人工智能模型对所述标准需求进行分词处理,得到所述需求分词,其中,所述人工智能模型包括但不限于NLP(Natural LanguageProcessing,自然语言处理)模型、HMM(Hidden Markov Model,隐马尔可夫模型)。
具体地,所述分词频率是指某一个分词在所述标准需求的需求分词中出现的次数,当分词的分词频率越高,则说明该分词的重要性越大,因此,可选取所述分词频率大于预设频率阈值的需求分词为关键词。
进一步地,为了提高对所述关键词的处理效率,可利用预先训练的词向量模型将所述关键词转换为数值形式的词向量,其中,所述词向量模型包括但不限于word2vec模型、bert模型。
本发明实施例中,所述将所述词向量拼接为向量矩阵,包括:
统计所述词向量中每一个词向量的向量长度,确定所述向量长度中的最大值为目标长度;
利用预设参数将所述词向量中的每一个向量的向量长度延长至所述目标长度;
将延长后的所述词向量中的每一个向量作为行向量进行拼接,得到向量矩阵。
详细地,由于所述词向量是由不同的关键词转换得到的,因此,所述词向量中不同向量的向量长度可能存在差异,为了便于后续拼接,可利用预设参数将所有词向量的长度延长至统一长度。
例如,所述词向量中包含向量A:(1,4,6),向量B:(2,3),向量C:(3,7,8,9),经过统计可知,向量A的向量长度为3,向量B的向量长度为2,向量C的向量长度为4,则确定4为所述目标长度,并利用预设参数(如x)将向量A的向量长度延长为4,得到延长后的向量A:(1,4,6,x),将向量B的向量长度延长为4,得到延长后的向量B:(2,3,x,x)。
进一步地,可将延长后的每一个词向量作为行向量,拼接为如下所述向量矩阵:
本发明实施例中,由于所述向量矩阵为所述服务需求数据的关键词对应的向量拼接而成,因此可将所述向量矩阵作为所述服务需求数据的需求语义。
S2、计算所述需求语义分别与多种预设服务中每一种预设服务的服务标签之间的匹配值,选取所述匹配值最大的服务标签对应的预设服务为目标服务。
本发明实施例中,所述多种预设服务包含所述用户可获取的任何服务,例如,用户在医疗平台中可获取的药品购买服务、可获取的健康状况诊断服务等。
详细地,所述服务标签为预先生成的,用于对不同预设服务的内容进行标记的标签,例如,根据预设服务的内容、关键词、价格等数据生成的用于对预设服务进行标记的标签。
本发明实施例中,可通过计算所述需求语义分别与多种预设服务中每一种服务的服务标签之间的匹配值,来确定所述服务需求数据对应的服务。
详细地,当需求语义与预设标签之间的匹配值越大,则说明该需求语义对应的服务需求数据越可能希望获取该预设标签对应的预设服务。
本发明实施例中,所述计算所述需求语义分别与多种预设服务中每一种预设服务的服务标签之间的匹配值,包括:
其中,P为所述匹配值,a为所述需求语义,bu为所述多个预设服务中第i个服务的服务标签。
本发明实施例中,可按照所述需求语义与每一个服务标签的匹配值,选取所述匹配值最大的服务标签对应的预设服务为目标服务。
本发明实施例中,通过服务需求数据的服务语义从多个预设服务中筛选出目标服务,可实现针对用户需求的服务推荐。
S3、获取所述服务对象的服务记录,统计所述服务对象的服务记录中每一种预设服务的次数为第一次数,根据所述第一次数计算每一种所述预设服务的第一服务权重。
本发明实施例中,所述服务记录包括所述服务对象已经获取过的每一种预设服务的服务名称、获取时间等记录。
详细地,可利用具有数据抓取功能的计算机语句(如java语句、python语句等)从预先构建的存储区域抓取用户授权的服务记录,所述存储区域包括但不限于数据库、区块链、网络缓存。
本发明其中一个实际应用场景中,由于不同用户的表达习惯差异较大,因此,利用需求语义确定的目标服务可能并不是该用户真正需求的服务,因此,为了更加精确地对用户需求进行确定,可对所述服务对象的服务记录进行分析,以统计所述服务对象的服务记录中每一种预设服务的次数为第一次数。
本发明实施例中,由于预设服务中每一种服务的名称均不一致,且形式固定,因此,可通过构建规则表达式来提取所述服务记录中每一种预设服务的服务名称,并对提取到的结果进行统计,进而确定服务记录中每一种预设服务的次数。
本发明实施例中,参图3所示,所述统计所述服务对象的服务记录中每一种预设服务的次数为第一次数,包括:
S31、获取每一种预设服务的服务名称的数据格式;
S32、按照所述数据格式将预设字符编译为每一种预设服务的服务名称对应的规则表达式;
S33、利用所述规则表达式提取所述服务记录每一种预设服务的服务名称,根据所述服务名称统计每一种预设服务的次数,并将所述次数作为每一种预设服务的第一次数。
详细地,所述数据格式是指每一种预设服务的服务名称的格式,所述规则表达式可实现对数据中固定格式的字段、字符等进行提取。
具体地,可利用预设的编译器将预设字符编译为每一种预设服务的服务名称对应的规则表达式,有利于从所述服务记录中提取出每一种预设服务的服务名称的效率。
本发明实施例中,通过对提取出的服务名称进行统计,进而确定每一种预设服务的服务次数。
例如,提取出的服务名称包括服务A的名称10个,服务B的名称20个,服务C的名称为15个,因此,可确定所述服务记录中服务A的次数为10,服务B的次数为20,服务C的次数为15。
本发明实施例中,为了确定每一种预设服务对所述用户的重要程度,可根据所述第一次数计算每一种所述预设服务的第一服务权重。
详细地,所述根据所述第一次数计算每一种所述预设服务的第一服务权重,包括:
利用如下权重算法根据所述第一次数计算每一种所述预设服务的第一服务权重:
其中,Wk为第k个预设服务的第一服务权重,ωk为第k个预设服务的第一次数,C为所有预设服务的第一次数之和。
本发明实施例中,根据第一次数计算每一种预设服务的第一服务权重,有利于后续根据所述服务权重选取服务向用户进行推荐,提高对用户进行服务推荐的精确度。
S4、从预设的用户表中查询得到与所述服务对象具有关联关系的关联用户。
本发明实施例中,所述用户表为预先构建的用于存储多个用户信息的表格。
详细地,所述关联用户包括任何与所述服务对象相关的用户,例如,所述服务对象的家属、与所述服务对象获取过相同预设服务的用户等。
本发明实施例中,可通过在所述用户表中构建索引,并根据所述索引从所述用户表中查询得到与所述服务对象具有关联关系的关联用户。
本发明实施例中,所述从预设的用户表中查询得到与所述服务对象具有关联关系的关联用户,包括:
构建预设的用户表的索引;
利用所述需求语义在所述索引中进行检索,得到与所述需求语义对应的用户,将检索到的用户汇集为所述服务对象的关联用户。
详细地,可利用SQL中的CREATE TABLE函数构建所述用户表的索引。
示例性地,利用CREATE TABLE函数构建如下索引:
CREATE INDEX index name
ON table name(column name)
其中,index name为索引名称,table name为所述用户表的表名,column name为所述用户表中需要创建索引的数据列的列名。
本发明实施例中,可利用所述需求语义在所述索引中进行检索,以从所述用户表中检索得到与所述需求语义相关的用户,并将检索到的用户作为所述服务对象的关联用户。
S5、获取所述关联用户的服务记录,统计所述关联用户的服务记录中每一种预设服务的次数为第二次数,并根据所述第二次数计算每一种所述预设服务的第二服务权重。
本发明实施例中,关联用户的服务记录包括所述关联用户历史上对每一种预设服务的获取时间、获取地点等记录。
详细地,所述获取所述关联用户的服务记录,统计所述关联用户的服务记录中每一种预设服务的次数为第二次数,并根据所述第二次数计算每一种所述预设服务的第二服务权重的步骤,与S3中获取所述服务对象的服务记录,统计所述服务对象的服务记录中每一种预设服务的次数为第一次数,根据所述第一次数计算每一种所述预设服务的第一服务权重的步骤一致,在此不做赘述。
S6、根据所述第一服务权重和所述第二服务权重计算每一种所述预设服务的重要度,并向所述用户推荐所述目标服务以及所述重要度大于预设阈值的服务。
本发明实施例中,所述根据所述第一服务权重和所述第二服务权重计算每一种所述预设服务的重要度,包括:
利用如下重要度算法根据所述第一服务权重和所述第二服务权重计算每一种所述预设服务的重要度:
Pn=θ1*An+θ2*Bn
其中,Pn为第n种预设服务的重要度,An为所述服务对象的服务记录中第n种预设服务的第一次数,Bn为所述关联用户的服务记录中第n种预设服务的第二次数,θ1和θ2为预设系数。
进一步地,所述向所述用户推荐所述目标服务以及所述重要度大于预设阈值的预设服务,包括:
按照所述重要度从大到小的顺序将所述重要度大于预设阈值的预设服务进行排序,得到服务列表;
将所述目标服务写入所述服务列表中的第一个位置,并按照所述服务列表的顺序向所述用户进行服务推荐。
详细地,由于所述目标服务为所述用户的需求语义对应的预设服务,因此,可将所述预设服务作为所述服务列表的第一位,并按从大到小的顺序将将所述重要度大于预设阈值的预设服务进行排序,进而按照所述服务列表中每个预设服务的顺序想所述用户进行服务推荐。
本发明实施例能够在对用户的需求语义进行分析后,还对用户的服务记录,以及与用户具有关联关系的关联用户的服务记录进行分析,以确定用户可能需要的服务,进而结合语义分析与服务记录的分析共同对用户进行服务推荐,提高了服务推荐的精确度。因此本发明提出的基于关联信息的服务推荐方法,可以解决进行服务推荐时的精确度较低的问题。
如图4所示,是本发明一实施例提供的基于关联信息的服务推荐装置的功能模块图。
本发明所述基于关联信息的服务推荐装置100可以安装于电子设备中。根据实现的功能,所述基于关联信息的服务推荐装置100可以包括数据提取模块101、匹配值计算模块102、第一权重分析模块103、关联用户查询模块104、第二权重分析模块105及服务推荐模块106。本发明所述模块也可以称之为单元,是指一种能够被电子设备处理器所执行,并且能够完成固定功能的一系列计算机程序段,其存储在电子设备的存储器中。
在本实施例中,关于各模块/单元的功能如下:
所述数据提取模块101,用于获取用户的服务需求数据,从所述服务需求数据中提取出服务对象和需求语义;
所述匹配值计算模块102,用于计算所述需求语义分别与多种预设服务中每一种预设服务的服务标签之间的匹配值,选取所述匹配值最大的服务标签对应的预设服务为目标服务;
所述第一权重分析模块103,用于获取所述服务对象的服务记录,统计所述服务对象的服务记录中每一种预设服务的次数为第一次数,根据所述第一次数计算每一种所述预设服务的第一服务权重;
所述关联用户查询模块104,用于从预设的用户表中查询得到与所述服务对象具有关联关系的关联用户;
所述第二权重分析模块105,用于获取所述关联用户的服务记录,统计所述关联用户的服务记录中每一种预设服务的次数为第二次数,并根据所述第二次数计算每一种所述预设服务的第二服务权重;
所述服务推荐模块106,用于根据所述第一服务权重和所述第二服务权重计算每一种所述预设服务的重要度,并向所述用户推荐所述目标服务以及所述重要度大于预设阈值的服务。
详细地,本发明实施例中所述基于关联信息的服务推荐装置100中所述的各模块在使用时采用与上述图1至图3中所述的基于关联信息的服务推荐方法一样的技术手段,并能够产生相同的技术效果,这里不再赘述。
如图5所示,是本发明一实施例提供的实现基于关联信息的服务推荐方法的电子设备的结构示意图。
所述电子设备1可以包括处理器10、存储器11、通信总线12以及通信接口13,还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序,如基于关联信息的服务推荐程序。
其中,所述处理器10在一些实施例中可以由集成电路组成,例如可以由单个封装的集成电路所组成,也可以是由多个相同功能或不同功能封装的集成电路所组成,包括一个或者多个中央处理器(Central Processing unit,CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心(ControlUnit),利用各种接口和线路连接整个电子设备的各个部件,通过运行或执行存储在所述存储器11内的程序或者模块(例如执行基于关联信息的服务推荐程序等),以及调用存储在所述存储器11内的数据,以执行电子设备的各种功能和处理数据。
所述存储器11至少包括一种类型的可读存储介质,所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如:SD或DX存储器等)、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备的内部存储单元,例如该电子设备的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备的外部存储设备,例如电子设备上配备的插接式移动硬盘、智能存储卡(Smart Media Card,SMC)、安全数字(Secure Digital,SD)卡、闪存卡(Flash Card)等。进一步地,所述存储器11还可以既包括电子设备的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备的应用软件及各类数据,例如基于关联信息的服务推荐程序的代码等,还可以用于暂时地存储已经输出或者将要输出的数据。
所述通信总线12可以是外设部件互连标准(peripheral componentinterconnect,简称PCI)总线或扩展工业标准结构(extended industry standardarchitecture,简称EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。
所述通信接口13用于上述电子设备与其他设备之间的通信,包括网络接口和用户接口。可选地,所述网络接口可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等),通常用于在该电子设备与其他电子设备之间建立通信连接。所述用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard)),可选地,用户接口还可以是标准的有线接口、无线接口。可选地,在一些实施例中,显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode,有机发光二极管)触摸器等。其中,显示器也可以适当的称为显示屏或显示单元,用于显示在电子设备中处理的信息以及用于显示可视化的用户界面。
图5仅示出了具有部件的电子设备,本领域技术人员可以理解的是,图5示出的结构并不构成对所述电子设备1的限定,可以包括比图示更少或者更多的部件,或者组合某些部件,或者不同的部件布置。
例如,尽管未示出,所述电子设备还可以包括给各个部件供电的电源(比如电池),优选地,电源可以通过电源管理装置与所述至少一个处理器10逻辑相连,从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备还可以包括多种传感器、蓝牙模块、Wi-Fi模块等,在此不再赘述。
应该了解,所述实施例仅为说明之用,在专利申请范围上并不受此结构的限制。
所述电子设备1中的所述存储器11存储的基于关联信息的服务推荐程序是多个指令的组合,在所述处理器10中运行时,可以实现:
获取用户的服务需求数据,从所述服务需求数据中提取出服务对象和需求语义;
计算所述需求语义分别与多种预设服务中每一种预设服务的服务标签之间的匹配值,选取所述匹配值最大的服务标签对应的预设服务为目标服务;
获取所述服务对象的服务记录,统计所述服务对象的服务记录中每一种预设服务的次数为第一次数,根据所述第一次数计算每一种所述预设服务的第一服务权重;
从预设的用户表中查询得到与所述服务对象具有关联关系的关联用户;
获取所述关联用户的服务记录,统计所述关联用户的服务记录中每一种预设服务的次数为第二次数,并根据所述第二次数计算每一种所述预设服务的第二服务权重;
根据所述第一服务权重和所述第二服务权重计算每一种所述预设服务的重要度,并向所述用户推荐所述目标服务以及所述重要度大于预设阈值的服务。
具体地,所述处理器10对上述指令的具体实现方法可参考附图对应实施例中相关步骤的描述,在此不赘述。
进一步地,所述电子设备1集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读存储介质中。所述计算机可读存储介质可以是易失性的,也可以是非易失性的。例如,所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)。
本发明还提供一种计算机可读存储介质,所述可读存储介质存储有计算机程序,所述计算机程序在被电子设备的处理器所执行时,可以实现:
获取用户的服务需求数据,从所述服务需求数据中提取出服务对象和需求语义;
计算所述需求语义分别与多种预设服务中每一种预设服务的服务标签之间的匹配值,选取所述匹配值最大的服务标签对应的预设服务为目标服务;
获取所述服务对象的服务记录,统计所述服务对象的服务记录中每一种预设服务的次数为第一次数,根据所述第一次数计算每一种所述预设服务的第一服务权重;
从预设的用户表中查询得到与所述服务对象具有关联关系的关联用户;
获取所述关联用户的服务记录,统计所述关联用户的服务记录中每一种预设服务的次数为第二次数,并根据所述第二次数计算每一种所述预设服务的第二服务权重;
根据所述第一服务权重和所述第二服务权重计算每一种所述预设服务的重要度,并向所述用户推荐所述目标服务以及所述重要度大于预设阈值的服务。
在本发明所提供的几个实施例中,应该理解到,所揭露的设备,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能模块的形式实现。
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涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain),本质上是一个去中心化的数据库,是一串使用密码学方法相关联产生的数据块,每一个数据块中包含了一批次网络交易的信息,用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中,人工智能(Artificial Intelligence,AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能,感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用***。
此外,显然“包括”一词不排除其他单元或步骤,单数不排除复数。***权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一、第二等词语用来表示名称,而并不表示任何特定的顺序。
最后应说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或等同替换,而不脱离本发明技术方案的精神和范围。
Claims (10)
1.一种基于关联信息的服务推荐方法,其特征在于,所述方法包括:
获取用户的服务需求数据,从所述服务需求数据中提取出服务对象和需求语义;
计算所述需求语义分别与多种预设服务中每一种预设服务的服务标签之间的匹配值,选取所述匹配值最大的服务标签对应的预设服务为目标服务;
获取所述服务对象的服务记录,统计所述服务对象的服务记录中每一种预设服务的次数为第一次数,根据所述第一次数计算每一种所述预设服务的第一服务权重;
从预设的用户表中查询得到与所述服务对象具有关联关系的关联用户;
获取所述关联用户的服务记录,统计所述关联用户的服务记录中每一种预设服务的次数为第二次数,并根据所述第二次数计算每一种所述预设服务的第二服务权重;
根据所述第一服务权重和所述第二服务权重计算每一种所述预设服务的重要度,并向所述用户推荐所述目标服务以及所述重要度大于预设阈值的服务。
2.如权利要求1所述的基于关联信息的服务推荐方法,其特征在于,所述从所述服务需求数据中提取出需求语义,包括:
对所述标准需求进行分词处理,得到需求分词;
统计所述需求分词中每一个分词的分词频率,选取所述分词频率大于预设频率阈值的需求分词为关键词,并将所述关键词中每一个需求分词转换为词向量;
将所述词向量拼接为向量矩阵,并确定所述向量矩阵为所述服务需求数据的需求语义。
3.如权利要求2所述的基于关联信息的服务推荐方法,其特征在于,所述将所述词向量拼接为向量矩阵,包括:
统计所述词向量中每一个词向量的向量长度,确定所述向量长度中的最大值为目标长度;
利用预设参数将所述词向量中的每一个向量的向量长度延长至所述目标长度;
将延长后的所述词向量中的每一个向量作为行向量进行拼接,得到向量矩阵。
5.如权利要求1所述的基于关联信息的服务推荐方法,其特征在于,所述统计所述服务对象的服务记录中每一种预设服务的次数为第一次数,包括:
获取每一种预设服务的服务名称的数据格式;
按照所述数据格式将预设字符编译为每一种预设服务的服务名称对应的规则表达式;
利用所述规则表达式提取所述服务记录每一种预设服务的服务名称,根据所述服务名称统计每一种预设服务的次数,并将所述次数作为每一种预设服务的第一次数。
6.如权利要求1所述的基于关联信息的服务推荐方法,其特征在于,所述从预设的用户表中查询得到与所述服务对象具有关联关系的关联用户,包括:
构建预设的用户表的索引;
利用所述需求语义在所述索引中进行检索,得到与所述需求语义对应的用户,将检索到的用户汇集为所述服务对象的关联用户。
7.如权利要求1至6中任一项所述的基于关联信息的服务推荐方法,其特征在于,所述向所述用户推荐所述目标服务以及所述重要度大于预设阈值的预设服务,包括:
按照所述重要度从大到小的顺序将所述重要度大于预设阈值的预设服务进行排序,得到服务列表;
将所述目标服务写入所述服务列表中的第一个位置,并按照所述服务列表的顺序向所述用户进行服务推荐。
8.一种基于关联信息的服务推荐装置,其特征在于,所述装置包括:
数据提取模块,用于获取用户的服务需求数据,从所述服务需求数据中提取出服务对象和需求语义;
匹配值计算模块,用于计算所述需求语义分别与多种预设服务中每一种预设服务的服务标签之间的匹配值,选取所述匹配值最大的服务标签对应的预设服务为目标服务;
第一权重分析模块,用于获取所述服务对象的服务记录,统计所述服务对象的服务记录中每一种预设服务的次数为第一次数,根据所述第一次数计算每一种所述预设服务的第一服务权重;
关联用户查询模块,用于从预设的用户表中查询得到与所述服务对象具有关联关系的关联用户;
第二权重分析模块,用于获取所述关联用户的服务记录,统计所述关联用户的服务记录中每一种预设服务的次数为第二次数,并根据所述第二次数计算每一种所述预设服务的第二服务权重;
服务推荐模块,用于根据所述第一服务权重和所述第二服务权重计算每一种所述预设服务的重要度,并向所述用户推荐所述目标服务以及所述重要度大于预设阈值的服务。
9.一种电子设备,其特征在于,所述电子设备包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行如权利要求1至7中任意一项所述的基于关联信息的服务推荐方法。
10.一种计算机可读存储介质,存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7中任意一项所述的基于关联信息的服务推荐方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111004871.7A CN113707302A (zh) | 2021-08-30 | 2021-08-30 | 基于关联信息的服务推荐方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111004871.7A CN113707302A (zh) | 2021-08-30 | 2021-08-30 | 基于关联信息的服务推荐方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113707302A true CN113707302A (zh) | 2021-11-26 |
Family
ID=78656873
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111004871.7A Pending CN113707302A (zh) | 2021-08-30 | 2021-08-30 | 基于关联信息的服务推荐方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113707302A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116070875A (zh) * | 2023-03-06 | 2023-05-05 | 济南丽阳神州智能科技有限公司 | 一种基于家政服务的用户需求分析方法、设备及介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101414296A (zh) * | 2007-10-15 | 2009-04-22 | 日电(中国)有限公司 | 自适应服务推荐设备及方法、自适应服务推荐***及方法 |
CN112035642A (zh) * | 2020-08-31 | 2020-12-04 | 康键信息技术(深圳)有限公司 | 客服匹配方法、装置、设备及存储介质 |
CN112269926A (zh) * | 2020-10-21 | 2021-01-26 | 深圳思为科技有限公司 | 数据推送方法及相关装置 |
CN113051480A (zh) * | 2021-04-22 | 2021-06-29 | 深圳壹账通智能科技有限公司 | 资源推送方法、装置、电子设备及存储介质 |
-
2021
- 2021-08-30 CN CN202111004871.7A patent/CN113707302A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101414296A (zh) * | 2007-10-15 | 2009-04-22 | 日电(中国)有限公司 | 自适应服务推荐设备及方法、自适应服务推荐***及方法 |
CN112035642A (zh) * | 2020-08-31 | 2020-12-04 | 康键信息技术(深圳)有限公司 | 客服匹配方法、装置、设备及存储介质 |
CN112269926A (zh) * | 2020-10-21 | 2021-01-26 | 深圳思为科技有限公司 | 数据推送方法及相关装置 |
CN113051480A (zh) * | 2021-04-22 | 2021-06-29 | 深圳壹账通智能科技有限公司 | 资源推送方法、装置、电子设备及存储介质 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116070875A (zh) * | 2023-03-06 | 2023-05-05 | 济南丽阳神州智能科技有限公司 | 一种基于家政服务的用户需求分析方法、设备及介质 |
CN116070875B (zh) * | 2023-03-06 | 2023-08-22 | 济南丽阳神州智能科技有限公司 | 一种基于家政服务的用户需求分析方法、设备及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2022141861A1 (zh) | 情感分类方法、装置、电子设备及存储介质 | |
CN113449187B (zh) | 基于双画像的产品推荐方法、装置、设备及存储介质 | |
CN112380859A (zh) | 舆情信息的推荐方法、装置、电子设备及计算机存储介质 | |
CN113592605B (zh) | 基于相似产品的产品推荐方法、装置、设备及存储介质 | |
CN114979120B (zh) | 数据上传方法、装置、设备及存储介质 | |
CN113706322A (zh) | 基于数据分析的服务分发方法、装置、设备及存储介质 | |
CN113886708A (zh) | 基于用户信息的产品推荐方法、装置、设备及存储介质 | |
CN114398560B (zh) | 基于web平台的营销界面设置方法、装置、设备及介质 | |
CN115391669A (zh) | 一种智能推荐方法、装置、电子设备 | |
CN114612194A (zh) | 产品推荐方法、装置、电子设备及存储介质 | |
WO2023272862A1 (zh) | 基于网络行为数据的风控识别方法、装置、电子设备及介质 | |
CN113821622A (zh) | 基于人工智能的答案检索方法、装置、电子设备及介质 | |
CN113360768A (zh) | 基于用户画像的产品推荐方法、装置、设备及存储介质 | |
CN113656690A (zh) | 产品推荐方法、装置、电子设备及可读存储介质 | |
CN112507230A (zh) | 基于浏览器的网页推荐方法、装置、电子设备及存储介质 | |
CN113806492B (zh) | 基于语义识别的记录生成方法、装置、设备及存储介质 | |
CN115204971A (zh) | 产品推荐方法、装置、电子设备及计算机可读存储介质 | |
CN114416939A (zh) | 智能问答方法、装置、设备及存储介质 | |
CN113707302A (zh) | 基于关联信息的服务推荐方法、装置、设备及存储介质 | |
CN112632264A (zh) | 智能问答方法、装置、电子设备及存储介质 | |
CN114780688A (zh) | 基于规则匹配的文本质检方法、装置、设备及存储介质 | |
CN113590845B (zh) | 基于知识图谱的文献检索方法、装置、电子设备及介质 | |
CN113344674A (zh) | 基于用户购买力的产品推荐方法、装置、设备及存储介质 | |
CN115221323A (zh) | 基于意图识别模型的冷启动处理方法、装置、设备及介质 | |
CN115186188A (zh) | 基于行为分析的产品推荐方法、装置、设备及存储介质 |
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 |