CN117436963A - 电信业务推荐方法、装置、电子设备及存储介质 - Google Patents
电信业务推荐方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN117436963A CN117436963A CN202311344677.2A CN202311344677A CN117436963A CN 117436963 A CN117436963 A CN 117436963A CN 202311344677 A CN202311344677 A CN 202311344677A CN 117436963 A CN117436963 A CN 117436963A
- Authority
- CN
- China
- Prior art keywords
- recommended
- service
- recommendation
- target user
- determining
- 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 54
- 238000004590 computer program Methods 0.000 claims description 12
- 230000006978 adaptation Effects 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 18
- 230000006399 behavior Effects 0.000 description 11
- 230000002093 peripheral effect Effects 0.000 description 7
- 238000013480 data collection Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000010354 integration Effects 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000015572 biosynthetic process Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Classifications
-
- 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
- G06Q30/06—Buying, selling or leasing transactions
-
- 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
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0203—Market surveys; Market polls
Landscapes
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Engineering & Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Data Mining & Analysis (AREA)
- Game Theory and Decision Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请实施例公开了一种电信业务推荐方法、装置、电子设备及存储介质,该方法包括:根据历史业务订购记录,确定每个待推荐业务产品与各推荐策略链路之间的关联度,所述推荐策略链路为多个推荐策略组成的链路,是基于推荐策略所对应的业务产品之间的关联关系生成的;根据目标用户标识所对应的目标用户数据和所述关联度,确定目标用户对所述待推荐业务产品的偏好度;根据所述偏好度和各所述推荐策略链路,确定与所述目标用户标识对应的待推荐业务产品链路。本申请实施例实现了以链路的形式来推荐电信业务产品,可以提高推荐效率,并且结合了历史业务订购记录和目标用户数据来进行推荐,可以提高推荐结果的准确性。
Description
技术领域
本申请实施例涉及互联网技术领域,特别是涉及一种电信业务推荐方法、装置、电子设备及存储介质。
背景技术
现有技术中,在进行电信业务推荐时,可以由客服人员基于经验或者用户的意向记录进行单业务推荐;也可以进行半自动推荐,基于用户的明确需求以及反馈向用户进行单业务推荐,无法获得足够的数据,导致用户偏好度描述不准确,推荐效果不高;还可以进行全自动推荐,使用运营商***的用户特征向用户进行单业务推荐,但是基于单一***的用户特征无法更全面的描述用户,无法从用户数据中挖掘更深层次的特征,进而导致推荐精度不高。
可见,现有技术中各种推荐方式均是进行单业务的推荐,需要消耗大量的人力资源和时间,推荐效率较低,推荐准确性较低。
发明内容
本申请实施例提供一种电信业务推荐方法、装置、电子设备及存储介质,有助于提高推荐效率和推荐准确性。
为了解决上述问题,第一方面,本申请实施例提供了一种电信业务推荐方法,包括:
根据历史业务订购记录,确定每个待推荐业务产品与各推荐策略链路之间的关联度,所述推荐策略链路为多个推荐策略组成的链路,是基于推荐策略所对应的业务产品之间的关联关系生成的;
根据目标用户标识所对应的目标用户数据和所述关联度,确定目标用户对所述待推荐业务产品的偏好度;
根据所述偏好度和各所述推荐策略链路,确定与所述目标用户标识对应的待推荐业务产品链路。
第二方面,本申请实施例提供了一种电信业务推荐装置,包括:
关联度确定模块,用于根据历史业务订购记录,确定每个待推荐业务产品与各推荐策略链路之间的关联度,所述推荐策略链路为多个推荐策略组成的链路,是基于推荐策略所对应的业务产品之间的关联关系生成的;
偏好度确定模块,用于根据目标用户标识所对应的目标用户数据和所述关联度,确定目标用户对所述待推荐业务产品的偏好度;
推荐结果确定模块,用于根据所述偏好度和各所述推荐策略链路,确定与所述目标用户标识对应的待推荐业务产品链路。
第三方面,本申请实施例还提供了一种电子设备,包括存储器、处理器及存储在所述存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现本申请实施例所述的电信业务推荐方法。
第四方面,本申请实施例提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时本申请实施例公开的电信业务推荐方法。
本申请实施例提供的电信业务推荐方法、装置、电子设备及存储介质,通过根据历史业务订购记录确定每个待推荐业务产品与各推荐策略链路之间的关联度,根据目标用户标识所对应的目标用户数据和关联度,确定目标用户对待推荐业务产品的偏好度,根据偏好度和各推荐策略链路确定与目标用户标识对应的待推荐业务产品链路,实现了以链路的形式来推荐电信业务产品,而非单业务,这样便于用户进行业务产品的选取,可以节省用户在选择一个业务产品后再主动去了解其他业务产品所浪费的时间,从而提高推荐效率,并且结合了历史业务订购记录和目标用户数据来进行推荐,可以提高推荐结果的准确性。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的一种电信业务推荐方法的流程图;
图2是本申请实施例中的业务产品的关联示例图;
图3是本申请实施例中的业务产品关联图;
图4是本申请实施例中历史业务订购记录的散状泳道图的示意图;
图5是本申请实施例***业务推荐的流程示意图;
图6是本申请实施例提供的一种电信业务推荐方法的流程图;
图7是本申请实施例提供的一种电信业务推荐装置的结构示意图;
图8是本申请实施例提供的一种电子设备的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
图1是本申请实施例提供的一种电信业务推荐方法的流程图,电信业务指的是电信网向公众提供的业务。电信业务根据业务类型分类为基础电信业务和增值电信业务;根据提供业务的网络,可以分为固定电信业务和无线电信业务等。如图1所示,该方法包括:步骤110至步骤130。
步骤110,根据历史业务订购记录,确定每个待推荐业务产品与各推荐策略链路之间的关联度,所述推荐策略链路为多个推荐策略组成的链路,是基于推荐策略所对应的业务产品之间的关联关系生成的。
其中,历史业务订购记录是业务产品被订购的历史记录,包括用户标识、业务产品、订购时间等信息。推荐策略是业务产品的推荐规则(即如何推荐该业务产品),一个推荐策略可以对应多个业务产品。业务产品之间的关联关系是基于用户所订购的业务产品确定的,若用户在短时间内订购了多个业务产品,则确定该多个业务产品是具有关联关系的,而业务产品对应着推荐策略,从而可以得到推荐策略链路。推荐策略链路是预先保存在推荐策略数据库中的,在进行电信业务推荐时,可以从推荐策略数据库中获取各推荐策略链路。
对历史业务订购记录进行分析,确定每个待推荐业务产品与各推荐策略链路之间的关联度。待推荐业务产品与推荐策略链路之间的关联度反映待推荐业务产品与推荐策略链路之间的关联程度,关联度越高表征待推荐业务产品和推荐策略链路中的业务产品共同推荐的可能性越大,关联度越低表征待推荐业务产品和推荐策略链路中的业务产品共同推荐的可能性越小。示例性的,可以采用动态规划,根据关联度的阈值,梳理从一件业务产品到各业务产品的订购链路,根据机器学习分析历史业务订购记录,分析出业务产品的最优周边业务产品,并采取棋盘分治算法,对周边业务产品再做一次链路的规划,并通过自动学习待推荐业务产品与推荐策略链路中各推荐策略的契合度系数,得到待推荐业务产品与推荐策略链路中更多业务产品的关联度。
在本申请的一个实施例中,所述根据历史业务订购记录,确定每个待推荐业务产品与各推荐策略链路之间的关联度,包括:针对每个所述待推荐业务产品和每个推荐策略链路,根据所述历史业务订购记录,确定所述待推荐业务产品在所述推荐策略链路中每个推荐策略中的第一权重,并确定每个推荐策略对所述推荐策略链路的适应度;根据所述第一权重和所述适应度,确定所述待推荐业务产品与所述待推荐策略链路之间的关联度。
对每个待推荐业务产品和每个待推荐策略链路之间的关联度分别进行计算。针对当前计算的待推荐业务产品和推荐策略链路,对历史业务订购记录进行分析,确定待推荐业务产品在推荐策略链路中每个推荐策略中的第一权重。示例性的,可以将待推荐业务产品作为起点,从历史业务订购记录中获取以待推荐业务产品为起点并以推荐策略链路中各策略链路下的业务产品为终点的链路的数量,并从历史业务订购记录中获取以推荐策略链路中各策略链路下的业务产品为终点的所有链路的总数量,将上述数量与总数量的比值确定为第一权重。
可以基于机器学习的方式对历史业务订购记录进行学习,确定推荐策略链路中每个推荐策略对该推荐策略链路的适应度,适应度表征以推荐策略所对应的业务产品为起点和以推荐策略链路的终止推荐策略所对应的业务产品为终点的路线所对应的适应分值,表征推荐策略所对应的业务产品在关联终止推荐策略所对应的业务产品时的关联分值。示例性的,机器学习的方式例如可以采用监督学习的方式,基于历史数据构建训练样本,训练样本中包括样本数据和适应度标签,样本数据包括推荐策略链路中各推荐策略的业务产品数据、策略数据、链路数据等,适应度标签为推荐策略链路中一个推荐策略对该推荐策略链路的适应度标签。
针对推荐策略链路中的每个推荐策略,确定该推荐策略所对应的第一权重和该推荐策略所对应的适应度的乘积,并将推荐策略链路中每个推荐策略所得到的乘积进行相加,得到待推荐业务产品与推荐策略链路之间的关联度。也就是根据所述第一权重和所述适应度,通过如下公式确定待推荐业务产品与推荐策略链路之间的关联度:
其中,A(b,s)表示待推荐业务产品b与推荐策略链路s之间的关联度,W(b,i)表示待推荐业务产品b对推荐策略链路中第i个推荐策略(推荐策略链路s中终止推荐策略之前的推荐策略)的第一权重,S(i,s)表示推荐策略链路中第i个推荐策略对推荐策略链路s的适应度。
通过针对每个待推荐业务产品和每个推荐策略链路分别进行处理,并基于历史业务订购记录来确定待推荐业务产品在每个推荐策略中的第一权重,以及每个推荐策略对推荐策略链路的适应度,进而基于第一权重和适应度确定待推荐业务产品与待推荐策略链路之间的关联度,可以得到较为准确的关联度,进而可以提高电信业务推荐的准确性。
业务产品之间存在一定的关系,有一些主业务产品会存在周边业务产品,主业务产品和周边业务产品组成一个树状图,基于历史业务订购记录可以确定不同业务产品之间还存在关联关系。图2是本申请实施例中的业务产品的关联示例图,如图2所示,产品A、产品a1、产品a2、产品a3、产品a4组成一个树状图,其中,产品A为主业务产品,产品a1、产品a2、产品a3、产品a4为周边业务产品;产品B、产品b1、产品b2、产品b3组成一个树状图,其中,产品B为主业务产品,产品b1、产品b2、产品b3为周边业务产品;产品F、产品f1、产品f2、产品f3、产品f4组成一个树状图,其中,产品F为主业务产品,产品f1、产品f2、产品f3、产品f4为周边业务产品。如图2所示,产品A、产品B和产品F之间具有一定的关联关系,相应的推荐策略根据关联关系分别组成推荐策略链路,在产品F作为待推荐业务产品时,对产品A与推荐策略链路的关联度进行计算,经过计算可以得到产品F->产品f2->产品a3->产品b2这条链路的关联度最大,经过同样的计算,可以得到具有关联度的业务产品链路,如图3所示的业务产品关联图。
步骤120,根据目标用户标识所对应的目标用户数据和所述关联度,确定目标用户对所述待推荐业务产品的偏好度。
其中,目标用户数据是基于云环境下的各种软硬件资源收集到的用户数据,包括多个***中的用户数据,例如包括日常业务***、计费***、服务运营***、网站、设备基站等***以及其他与用户相关的软硬件环境资源的数据,综合了多个***中的用户数据。
在进行电信业务推荐时,可以向单一的用户进行推荐,也可以向用户群体进行推荐。在向单一的用户进行推荐时,目标用户标识是一个目标用户的标识,目标用户数据是该目标用户的用户数据,包括基础数据和历史行为数据等。在向用户群体进行推荐时,目标用户标识是该用户群体的标识,包括该用户群体内所有用户的标识,目标用户数据包括该用户群体内所有用户的用户数据,包括各群体的共同信息和群体内每个用户的历史行为数据等。
基于目标用户数据和待推荐业务产品与各推荐策略链路之间的关联度,确定目标用户对该待推荐业务产品的偏好情况,得到目标用户对该待推荐业务产品的偏好度。
在本申请的一个实施例中,所述根据目标用户标识所对应的目标用户数据和所述关联度,确定目标用户对所述待推荐业务产品的偏好度,包括:针对每个所述推荐策略链路,根据所述目标用户数据,确定所述目标用户标识对所述推荐策略链路中每个推荐策略的第二权重;根据所述关联度和所述第二权重,确定所述目标用户对所述待推荐业务产品的偏好度。
对每个推荐策略链路分别进行分析,针对当前的推荐策略链路,对目标用户数据进行分析,确定目标用户标识对该推荐策略链路中每个推荐策略的第二权重,第二权重是目标用户标识所对应的目标用户的一些偏好情况,例如喜好、专业等属性对推荐策略的影响,表现为目标用户对该推荐策略下的业务产品的喜好程度,也相当于目标用户对该推荐策略的偏好权重值。示例性的,可以确定目标用户标识所对应的目标用户浏览和/或订购推荐策略链路中一个推荐策略下的业务产品的行为数量,以及目标用户标识所对应的目标用户浏览和/或订购的总行为数量,将一个推荐策略所对应的行为数量与该总行为数量的比值确定为目标用户标识对该推荐策略链路中该推荐策略的第二权重。
针对一个推荐策略链路,分别确定关联度与每个推荐策略的第二权重的乘积,并对该推荐策略链路中各推荐策略所得到的乘积进行求和,得到该推荐策略链路的总关联度,确定推荐策略链路中各推荐策略的第二权重的和,作为权重和,将总关联度除以权重和的商确定为目标用户对待推荐业务产品的偏好度。也就是根据所述关联度和所述第二权重,通过如下公式确定目标用户对待推荐业务产品的偏好度:
其中,R(u,b)表示目标用户u对待推荐业务产品b的偏好度,A(b,s)表示待推荐业务产品b与推荐策略链路s之间的关联度,W(u,i)表示目标用户u对推荐策略链路中第i个推荐策略的第二权重。
通过根据目标用户数据可以准确确定目标用户标识对每个推荐策略的第二权重,进而基于关联度和第二权重,可以得到目标用户对待推荐业务产品的偏好度,该偏好度可以准确反应目标用户对待推荐业务产品的偏好情况,从而可以提高推荐的准确性。
步骤130,根据所述偏好度和各所述推荐策略链路,确定与所述目标用户标识对应的待推荐业务产品链路。
基于目标用户对待推荐业务产品的偏好度,可以按照偏好度从大到小的顺序选取预设数量个待推荐业务产品,可以将该预设数量个待推荐业务产品作为最终的推荐结果,也可以基于预设数量个待推荐业务产品和各推荐策略链路,确定与目标用户标识对应的待推荐业务产品链路,将待推荐业务产品链路作为最终的推荐结果。若选取的预设数量个待推荐业务产品中包括一个或多个推荐策略链路中各推荐策略下的业务产品,则可以按照推荐策略链路中各推荐策略的先后顺序,将推荐策略下的待推荐业务产品组成链路,得到待推荐业务产品链路。得到待推荐业务产品链路中,还可以获取待推荐业务产品链路中各带推荐业务产品所对应的服务,并将服务和待推荐业务产品链路共同作为最终的推荐结果。
在确定最终的推荐结果后,将推荐结果(预设数量个待推荐业务产品和/或待推荐业务产品链路)推送至目标用户的用户终端。推荐方式可以包括电话推荐、邮箱推荐、公众号推荐、小程序推荐、互联网邮箱推荐及短信推荐等方式中的一种或多种。
推荐结果以最高偏好度的待推荐业务产品为主,偏好度低的其他待推荐业务产品为辅,推荐结果中还可以包含强关联的待推荐业务产品链路以及与预设数量个待推荐业务产品对应的服务链信息。电信业务产品的推荐效果可使得目标用户具备业务订购选择权,并且使得业务服务清晰化,过程化。业务产品的推荐顺序会随业务产品的采纳量的比重自动进行交替优差排序,目标用户自行采纳的业务产品也会进行跟踪和自动编排,最终形成业务加服务模式下友好的、全面的、优质的全新业务推荐方案。
本申请实施例提供的电信业务推荐方法,通过根据历史业务订购记录确定每个待推荐业务产品与各推荐策略链路之间的关联度,根据目标用户标识所对应的目标用户数据和关联度,确定目标用户对待推荐业务产品的偏好度,根据偏好度和各推荐策略链路确定与目标用户标识对应的待推荐业务产品链路,实现了以链路的形式来推荐电信业务产品,而非单业务,这样便于用户进行业务产品的选取,可以节省用户在选择一个业务产品后再主动去了解其他业务产品所浪费的时间,从而提高推荐效率,并且结合了历史业务订购记录和目标用户数据来进行推荐,可以提高推荐结果的准确性。
在上述技术方案的基础上,在所述根据历史业务订购记录,确定每个待推荐业务产品与各推荐策略链路之间的关联度之前,还包括:根据历史业务订购记录,确定多个业务产品之间的关联关系,并基于所述关联关系,生成所述多个业务产品所分别对应的推荐策略之间的推荐策略链路;将所述推荐策略链路保存至推荐策略数据库中。
对所有的电信业务进行细分,之后进行电信业务的数据收集、整理;对整理后的数据进行探索、修正,获得准确的业务特点;根据所述业务特点确定业务需求特征,并基于业务需求特征确定与业务产品对应的推荐策略。对所有的电信业务进行细分,可以获得业务产品之间的关联关系,有一些业务产品是主业务产品,主业务产品周边还会关联一些其他业务产品,称为周边业务产品,主业务产品和周边业务产品所对应的推荐策略可以是相同的,基于主业务产品和周边业务产品之间的关联关系,可以生成该主业务产品与周边业务产品所对应的树状图。
对历史业务订购记录进行分析,确定同一用户所订购的多个业务产品之间具有关联关系,并基于该关联关系可以生成多个业务产品所分别对应的推荐策略之间的推荐策略链路,将推荐策略链路保存至推荐策略数据库中。
推荐策略数据库中保存的所有推荐策略链路组成策略数据集,策略数据集可以表示如下:
Tactics={{t0,(t1,t3,t4)},{t1,(t0,t3,t5)}...}
其中,Tactics表示策略数据集,{t0,(t1,t3,t4)}表示一个推荐策略链路,t0表示该推荐策略链路中的主推荐策略,也就是该推荐策略链路中的第一个推荐策略,(t1,t3,t4)表示与主推荐策略t0强相关的其他推荐策略,后续推荐策略链路{t1,(t0,t3,t5)}等与上述推荐策略链路的解释类似,这里不再赘述。上述推荐策略链路的表示是以4个推荐策略作为推荐策略链路为例进行说明,本领域技术人员可以理解,还可以是其他数量的推荐策略组成一个推荐策略链路,例如2个推荐策略或更多的推荐策略,所以上述推荐策略链路的表示只是举例,不作为限定。
业务推荐策略点可以相互包含,方便触发业务推荐的关联性,同时也包含了业务对应产品服务链信息,产品的服务链源于业务订购过程中的要素和特性。推荐策略链路的形成以及推荐顺序,源于历史的业务产品订购数据波动,依据关联度算法(即确定业务产品与推荐策略链路之间关联度的算法)自动生成推荐策略链路。推荐策略链路的形成可以分为两种,一种是基于实际的历史业务订购数据进行自动化分析形成,自动构建推荐策略链路,另一种是人为指定相应的推荐策略链路。
通过对历史业务订购记录进行分析,可以准确获取到多个业务产品之间的关联关系,进而生成准确的推荐策略链路,提高推荐的准确性。
在上述技术方案的基础上,所述根据历史业务订购记录,确定业务产品之间的关联关系,并基于所述关联关系,生成所述业务产品所分别对应的推荐策略之间的推荐策略链路,包括:从历史业务订购记录中获取在同一时间段中同一用户所订购的多个业务产品;根据所述多个业务产品的订购顺序,建立所述多个业务产品之间的关联关系;根据所述关联关系,生成所述多个业务产品所分别对应的推荐策略之间的推荐策略链路。
图4是本申请实施例中历史业务订购记录的散状泳道图的示意图。分析各业务产品的属性,基于历史业务订购记录生成散状泳道图,从历史业务订购记录中获取在同一时间段中同一用户所订购的多个业务产品,认为同一用户在较短的同一时间段中所订购的不同业务产品之间是具有关联关系的,可以将多个业务产品的订购顺序作为多个业务产品之间关联关系的顺序,并建立多个业务产品之间的关联关系。示例性的,可以生成与在同一时间段中同一用户所订购的多个业务产品对应的散状泳道图,如图4所示,订购记录1是同一用户在同一时间段中订购了产品a2和产品a3,则确定产品a2和产品a3具有关联关系。
确定多个业务产品中每个业务产品所对应的推荐策略,并基于多个业务产品的关联关系的顺序,生成多个业务产品所分别对应的推荐策略之间的推荐策略链路。
通过从历史业务订购记录中获取同一用户在同一时间段中所订购的多个业务产品,并建立该多个业务产品的关联关系,进而生成多个业务产品分别对应的推荐策略之间的推荐策略链路,这样生成的推荐策略链路能够较为准确的反映各推荐策略下业务产品之间的关联关系,从而可以提高业务产品推荐链路的准确性。
在上述技术方案的基础上,所述方法还包括:获取指定的推荐策略链路,并将所述指定的推荐策略链路存储至所述推荐策略数据库中。
除了上述基于历史业务订购记录来生成推荐策略链路外,还可以获取人为指定的推荐策略链路,并将该指定的推荐策略链路也存储至推荐策略数据库中。通过获取人为指定的推荐策略链路,充分考虑了外界因素的突发性,可以进行推荐策略的调剂,引导业务推荐策略的平衡机制,能及时调整业务推荐方向,维持业务推荐的发展方向调剂,促成用户与业务的流向控制,形成可持续发展的市场适应机制,实现了推荐策略链路中的各推荐策略的推荐顺序既可以自动化适应(基于历史业务订购记录确定),也可以方向型控制(人为指定)。
在上述技术方案的基础上,在所述根据目标用户标识所对应的目标用户数据和所述关联度,确定目标用户对所述待推荐业务产品的偏好度之前,还包括:通过与每个数据***之间的接口获取每个数据***中的初始用户数据;根据用户标识,对每个数据***中的初始用户数据进行整合,得到整合数据;按照目标维度,将所述整合数据划分为与多个目标维度中每个目标维度分别对应的第一数据集,并按照所述目标维度保存所述第一数据集;将每个目标维度对应的第一数据集中相同业务属性的部分数据进行合并,得到与业务属性对应的第二数据集,并按照所述业务属性对应的推荐策略保存所述第二数据集;
在所述根据目标用户标识所对应的目标用户数据和所述关联度,确定目标用户对所述待推荐业务产品的偏好度之前,还包括:从所述第二数据集中获取所述目标用户标识所对应的目标用户数据。
基于电信云环境下的软硬件资源进行收集用户信息,形成用户数据仓库,并对所述用户信息整理之后至少获得用户多维度数据集。
具体的,包括:根据业务推荐范围,利用数据资源根据不同的基站来确定用户的准确位置;收集有效的用户数据信息,并分析客户的接触点;根据所述接触点创建用户偏好行为数据库;在所述数据库中确定用户首选项建立用户数据集。
基于云环境上的各种软硬件数据信息资源,将多维数据通过数据接口的方式进行定时探取,整合多种数据资源,形成用户数据仓库,打通用户标识(ID)体系,持续积累可用、有用、实用的用户数据,分析整合到用户数据仓库,并对所述用户数据整理之后获得用户多维度数据集,根据推荐策略将各用户数据集划分成多个子数据集并进行合并,形成用户行为数据库,用户行为数据库中的用户数据可以进行用户数据画像。
具体的,基于云环境下的软硬件资源收集用户数据,主要收集来源于日常业务***、计费***、服务运营***、电信网站、设备基站等数据***以及其他与用户相关的电信软硬件环境资源***的初始用户数据,构建数据收集接口层,初始用户数据以数据接口的模式进行数据汇集,形成用户数据仓库,与每个数据***连接的数据接口定时从该数据***中拉取初始用户数据,拉取到各数据***中的初始用户数据后,按照用户标识对初始用户数据进行分析、整合、存储,存储至数据仓库中。数据接口负责数据的搜集工作,数据仓库负责存放数据结果,数据仓库在数据存放之前,需整合多种数据资源,打通用户标识体系,形成干净的、统一的用户体系,实现可扩展、可持续的积累模式,包括:根据业务推荐范围(不同数据***中针对同一用户标识的初始用户数据),利用获取到的初始用户数据根据不同的基站来确定用户的准确位置;收集有效的用户数据信息,并分析用户的接触点(和用户有关的业务产品,包括用户使用的业务产品、用户使用过的业务产品、以及与用户使用的或使用过的业务产品相关联的业务产品);根据所述接触点创建用户偏好行为数据库,持续积累可用、有用、实用的用户数据,分析整合到用户数据仓库。数据仓库会随着发展而变的越来越广泛,而数据收集的信息维度也会随之越来越宽,用户数据集也会越来越大,越来越全面。在定义用户数据集时,采用多维的构建方式,让其支持扩展及更全面的表述用户信息,用户数据集定义如下式:
UserDataset={(u0,d0,s0)...(uk,dk,sk)...(un-1,dn-1,sn-1)|0≤k≤n-1}
UserDataset表示第一数据集的集合,是多维度的用户数据集,其中|u|是用户的数据集业务场景(也就是基础业务),|d|表示用户数据属性,|s|表示信息点,(uk,dk,sk)构成了一个目标维度的第一数据集。n表示用户数据集的总量,即目标维度的数量。用户数据属性包括用户的业务数据、用户标签、历史行为记录等。信息点是基于整合数据中针对同一用户标识的数据确定的该用户标识所对应的可推荐业务产品信息。
在从每个数据***中分别获取到初始用户数据后,将各数据***中针对同一用户标识的数据进行整合,得到整合数据,并按照目标维度对整合数据进行划分,将整合数据中属于同一目标维度的数据作为一个第一数据集,并按照目标维度保存第一数据集。
目标维度可以包括客户群体、行业、地理位置、产品类型、业务记录、或订购渠道等维度,每个维度下还包括不同分类,按照分类存储对应的数据。针对每个第一数据集,按照业务属性(用户使用的业务产品的业务属性)将第一数据集划分为多个子数据集,并将不同目标维度的第一数据集中相同业务属性的子数据集进行合并,得到与业务属性对应的第二数据集,使得同一用户的用户数据保存在同一第二数据集中,并按照业务属性对应的推荐策略保存第二数据集。例如,在第一数据集中,将同一用户的数据保存在了两个不同的第一数据集中,而这两个第一数据集中待推荐业务产品的业务属性是相同的,比如视频彩铃和商务彩铃,两者均属于彩铃的业务,这时可以将这两个第一数据集中同一业务属性的数据进行合并。其中,业务属性和推荐策略是一一对应的关系。示例性的,所述业务属性包括历史消费档次、历史业务关注次数、历史接听业务推广时长及网页点击次数;将所述用户数据集中的高消费的用户归纳至历史消费档次数据集、高频率关注历史业务的用户归纳至历史业务关注次数数据集、多次接听业务推广电话的用户归纳至历史接听业务推广时长数据集、多次访问网页的用户归纳至网页点击次数数据集;给同业务属性的数据集进行编号,作为不同的第二数据集。
第二数据集可以表示如下:
UserTactics={{t0,(u0,d0,s0)}...{tj,(uj,dj,sj)}...{tm,(um,dm,sm)}|0≤j≤m-1}
其中,UserTactics表示推荐策略的集合,|t|为策略类型,{tj,(uj,dj,sj)}表示一个第二数据集,m表示推荐策略的总数量。
数据仓库中存储的第二数据集作为电信业务推荐的基础数据。在向目标用户标识所对应的目标用户进行电信业务推荐时,从第二数据集中获取目标用户标识所对应的目标用户数据。可以基于待推荐业务产品所对应的推荐策略,可以从数据仓库中获取与该推荐策略对应的第二数据集中,并从第二数据集中确定目标用户,进而获取目标用户数据。
通过从每个数据***中获取用户数据并进行整合,作为电信业务推荐的基础数据,可以获取到足够的用户数据,可以足够描述用户对电信业务的偏好情况,从而可以提高电信业务推荐的准确性。
图5是本申请实施例***业务推荐的流程示意图,如图5所示,对各数据源(数据***)的数据进行收集,并汇集打通ID体系进行数据整合(具体整合方式参考上述实施例,这里不再赘述),得到用户数据集(即上述第二数据集);每个用户的用户数据可以作为一个用户属性节点;推荐策略数据库中存储了各推荐策略链路(包括业务链路、服务链路等信息);将用户数据与推荐策略链路进行关联计算,确定目标用户对应的待推荐业务产品链路;并将待推荐业务产品链路推送至用户端。
图6是本申请实施例提供的一种电信业务推荐方法的流程图,如图6所示,该电信业务推荐方法包括:
步骤610,对各数据***中的初始用户数据进行分析、整合,并按照目标维度将整合后的用户数据划分为对应的第一数据集。
该步骤具体的处理过程为:通过与每个数据***之间的接口获取每个数据***中的初始用户数据;根据用户标识,对每个数据***中的初始用户数据进行整合,得到整合数据;按照目标维度,将所述整合数据划分为与多个目标维度中每个目标维度分别对应的第一数据集,并按照所述目标维度保存所述第一数据集。
步骤620,根据推荐策略将第一数据集划分为多个子数据集,并将相同业务属性的子数据集进行合并,得到第二数据集。
将每个目标维度对应的第一数据集中相同业务属性的部分数据(子数据集)进行合并,得到与业务属性对应的第二数据集,并按照所述业务属性对应的推荐策略保存所述第二数据集。
步骤630,根据历史业务订购记录,确定多个业务产品之间的关联关系,并基于所述关联关系,生成所述多个业务产品所分别对应的推荐策略之间的推荐策略链路。
步骤640,根据历史业务订购记录,确定每个待推荐业务产品与各推荐策略链路之间的关联度。
步骤650,根据目标用户标识所对应的目标用户数据和所述关联度,确定目标用户对所述待推荐业务产品的偏好度。
步骤660,根据所述偏好度和各所述推荐策略链路,确定与所述目标用户标识对应的待推荐业务产品链路。
步骤670,将所述待推荐业务产品链路发送至所述目标用户标识所对应的目标用户终端。
各步骤的具体实施过程可参考上述实施例,这里不再赘述。
本申请结合各个数据***中的多维度的用户数据来描述用户的偏好信息,进而基于待推荐业务产品与推荐策略链路之间的关联度可以准确确定用户对待推荐业务产品的偏好度,进而可以给出对应的待推荐业务产品链路,实施例实现了以业务链路的形式来进行电信业务推荐,可以提高推荐效率,而且可以提高业务产品的推荐准确性。
需要说明的是,本申请实施例所获取的用户数据均是在用户授权的情况下的获取的。
图7是本申请实施例提供的一种电信业务推荐装置的结构示意图,如图7所示,所述装置包括:
关联度确定模块710,用于根据历史业务订购记录,确定每个待推荐业务产品与各推荐策略链路之间的关联度,所述推荐策略链路为多个推荐策略组成的链路,是基于推荐策略所对应的业务产品之间的关联关系生成的;
偏好度确定模块720,用于根据目标用户标识所对应的目标用户数据和所述关联度,确定目标用户对所述待推荐业务产品的偏好度;
推荐结果确定模块730,用于根据所述偏好度和各所述推荐策略链路,确定与所述目标用户标识对应的待推荐业务产品链路。
可选的,所述装置还包括:
策略链路生成模块,用于根据历史业务订购记录,确定多个业务产品之间的关联关系,并基于所述关联关系,生成所述多个业务产品所分别对应的推荐策略之间的推荐策略链路;
策略链路保存模块,用于将所述推荐策略链路保存至推荐策略数据库中。
可选的,所述策略链路生成模块具体用于:
从历史业务订购记录中获取在同一时间段中同一用户所订购的多个业务产品;
根据所述多个业务产品的订购顺序,建立所述多个业务产品之间的关联关系;
根据所述关联关系,生成所述多个业务产品所分别对应的推荐策略之间的推荐策略链路。
可选的,所述装置还包括:
指定链路保存模块,用于获取指定的推荐策略链路,并将所述指定的推荐策略链路存储至所述推荐策略数据库中。
可选的,所述装置还包括:
用户数据收集模块,用于通过与每个数据***之间的接口获取每个数据***中的初始用户数据;
数据整合模块,用于根据用户标识,对每个数据***中的初始用户数据进行整合,得到整合数据;
第一数据集构建模块,用于按照目标维度,将所述整合数据划分为与多个目标维度中每个目标维度分别对应的第一数据集,并按照所述目标维度保存所述第一数据集;
数据合并模块,用于将每个目标维度对应的第一数据集中相同业务属性的部分数据进行合并,得到与业务属性对应的第二数据集,并按照所述业务属性对应的推荐策略保存所述第二数据集;
所述装置包括:
目标用户数据获取模块,用于从所述第二数据集中获取所述目标用户标识所对应的目标用户数据。
可选的,所述关联度确定模块具体用于:
针对每个所述待推荐业务产品和每个推荐策略链路,根据所述历史业务订购记录,确定所述待推荐业务产品在所述推荐策略链路中每个推荐策略中的第一权重,并确定每个推荐策略对所述推荐策略链路的适应度;
根据所述第一权重和所述适应度,确定所述待推荐业务产品与所述待推荐策略链路之间的关联度。
可选的,所述偏好度确定模块具体用于:
针对每个所述推荐策略链路,根据所述目标用户数据,确定所述目标用户标识对所述推荐策略链路中每个推荐策略的第二权重;
根据所述关联度和所述第二权重,确定所述目标用户对所述待推荐业务产品的偏好度。
本申请实施例提供的电信业务推荐装置,用于实现本申请实施例中所述的电信业务推荐方法的各步骤,装置的各模块的具体实施方式参见相应步骤,此处不再赘述。
本申请实施例提供的电信业务推荐装置,通过根据历史业务订购记录确定每个待推荐业务产品与各推荐策略链路之间的关联度,根据目标用户标识所对应的目标用户数据和关联度,确定目标用户对待推荐业务产品的偏好度,根据偏好度和各推荐策略链路确定与目标用户标识对应的待推荐业务产品链路,实现了以链路的形式来推荐电信业务产品,而非单业务,这样便于用户进行业务产品的选取,可以节省用户在选择一个业务产品后再主动去了解其他业务产品所浪费的时间,从而提高推荐效率,并且结合了历史业务订购记录和目标用户数据来进行推荐,可以提高推荐结果的准确性。
参照图8,图8是本申请实施例提供的一种电子设备的结构示意图。本申请实施例中,电子设备可以包括处理器以及存储器,所述处理器以及存储器通过通信总线相连;其中,所述处理器,用于调用并执行所述存储器中存储的程序;所述存储器,用于存储程序,该程序用于实现本申请实施例所述的电信业务推荐方法。
示例性的,本申请公开实施例中的电子设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机、服务器等等的固定终端。图8示出的电子设备仅仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。
如图8所示,电子设备可以包括处理装置(例如中央处理器、图形处理器等)801,其可以根据存储在只读存储器(ROM)802中的程序或者从存储装置808加载到随机访问存储器(RAM)803中的程序而执行各种适当的动作和处理。在RAM 803中,还存储有电子设备操作所需的各种程序和数据。处理装置801、ROM 802以及RAM 803通过总线804彼此相连。输入/输出(I/O)接口805也连接至总线804。
通常,以下装置可以连接至I/O接口805:包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置806;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置807;包括例如磁带、硬盘等的存储装置808;以及通信装置809。通信装置809可以允许电子设备与其他设备进行无线或有线通信以交换数据。虽然图8示出了具有各种装置的电子设备,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。
特别地,根据本申请公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本发明公开的实施例包括一种计算机程序产品,其包括承载在非暂态计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的业务推荐方法的程序代码。在这样的实施例中,该计算机程序可以通过通信装置809从网络上被下载和安装,或者从存储装置808被安装,或者从ROM 802被安装。在该计算机程序被处理装置801执行时,执行本申请实施例的电信业务推荐方法中限定的上述功能。
本领域技术人员可以理解,图8中示出的硬件结构并不构成对电子设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
此外,本发明实施例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计算机程序,该程序被处理器执行时实现本申请实施例所述的电信业务推荐方法。
上述计算机可读存储介质承载有一个或者多个程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备:根据历史业务订购记录,确定每个待推荐业务产品与各推荐策略链路之间的关联度,所述推荐策略链路为多个推荐策略组成的链路,是基于推荐策略所对应的业务产品之间的关联关系生成的;根据目标用户标识所对应的目标用户数据和所述关联度,确定目标用户对所述待推荐业务产品的偏好度;根据所述偏好度和各所述推荐策略链路,确定与所述目标用户标识对应的待推荐业务产品链路。
在本发明公开的上下文中,计算机可读存储介质可以是有形的介质,其可以包含或存储以供指令执行***、装置或设备使用或与指令执行***、装置或设备结合地使用的程序。计算机可读存储介质可以是机器可读信号介质或机器可读储存介质。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体***、装置或设备,或者上述内容的任何合适组合。计算机可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
上述计算机可读存储介质可以是上述电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。
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。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。
以上对本申请实施例提供的一种电信业务推荐方法、装置、电子设备及存储介质进行了详细介绍,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。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件实现。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
Claims (10)
1.一种电信业务推荐方法,其特征在于,包括:
根据历史业务订购记录,确定每个待推荐业务产品与各推荐策略链路之间的关联度,所述推荐策略链路为多个推荐策略组成的链路,是基于推荐策略所对应的业务产品之间的关联关系生成的;
根据目标用户标识所对应的目标用户数据和所述关联度,确定目标用户对所述待推荐业务产品的偏好度;
根据所述偏好度和各所述推荐策略链路,确定与所述目标用户标识对应的待推荐业务产品链路。
2.根据权利要求1所述的方法,其特征在于,在所述根据历史业务订购记录,确定每个待推荐业务产品与各推荐策略链路之间的关联度之前,还包括:
根据历史业务订购记录,确定多个业务产品之间的关联关系,并基于所述关联关系,生成所述多个业务产品所分别对应的推荐策略之间的推荐策略链路;
将所述推荐策略链路保存至推荐策略数据库中。
3.根据权利要求2所述的方法,其特征在于,所述根据历史业务订购记录,确定业务产品之间的关联关系,并基于所述关联关系,生成所述业务产品所分别对应的推荐策略之间的推荐策略链路,包括:
从历史业务订购记录中获取在同一时间段中同一用户所订购的多个业务产品;
根据所述多个业务产品的订购顺序,建立所述多个业务产品之间的关联关系;
根据所述关联关系,生成所述多个业务产品所分别对应的推荐策略之间的推荐策略链路。
4.根据权利要求2所述的方法,其特征在于,还包括:
获取指定的推荐策略链路,并将所述指定的推荐策略链路存储至所述推荐策略数据库中。
5.根据权利要求1-4任一项所述的方法,其特征在于,在所述根据目标用户标识所对应的目标用户数据和所述关联度,确定目标用户对所述待推荐业务产品的偏好度之前,还包括:
通过与每个数据***之间的接口获取每个数据***中的初始用户数据;
根据用户标识,对每个数据***中的初始用户数据进行整合,得到整合数据;
按照目标维度,将所述整合数据划分为与多个目标维度中每个目标维度分别对应的第一数据集,并按照所述目标维度保存所述第一数据集;
将每个目标维度对应的第一数据集中相同业务属性的部分数据进行合并,得到与业务属性对应的第二数据集,并按照所述业务属性对应的推荐策略保存所述第二数据集;
在所述根据目标用户标识所对应的目标用户数据和所述关联度,确定目标用户对所述待推荐业务产品的偏好度之前,包括:
从所述第二数据集中获取所述目标用户标识所对应的目标用户数据。
6.根据权利要求1-4任一项所述的方法,其特征在于,所述根据历史业务订购记录,确定每个待推荐业务产品与各推荐策略链路之间的关联度,包括:
针对每个所述待推荐业务产品和每个推荐策略链路,根据所述历史业务订购记录,确定所述待推荐业务产品在所述推荐策略链路中每个推荐策略中的第一权重,并确定每个推荐策略对所述推荐策略链路的适应度;
根据所述第一权重和所述适应度,确定所述待推荐业务产品与所述待推荐策略链路之间的关联度。
7.根据权利要求1-4任一项所述的方法,其特征在于,所述根据目标用户标识所对应的目标用户数据和所述关联度,确定目标用户对所述待推荐业务产品的偏好度,包括:
针对每个所述推荐策略链路,根据所述目标用户数据,确定所述目标用户标识对所述推荐策略链路中每个推荐策略的第二权重;
根据所述关联度和所述第二权重,确定所述目标用户对所述待推荐业务产品的偏好度。
8.一种电信业务推荐装置,其特征在于,包括:
关联度确定模块,用于根据历史业务订购记录,确定每个待推荐业务产品与各推荐策略链路之间的关联度,所述推荐策略链路为多个推荐策略组成的链路,是基于推荐策略所对应的业务产品之间的关联关系生成的;
偏好度确定模块,用于根据目标用户标识所对应的目标用户数据和所述关联度,确定目标用户对所述待推荐业务产品的偏好度;
推荐结果确定模块,用于根据所述偏好度和各所述推荐策略链路,确定与所述目标用户标识对应的待推荐业务产品链路。
9.一种电子设备,包括存储器、处理器及存储在所述存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7任意一项所述的电信业务推荐方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现权利要求1至7任意一项所述的电信业务推荐方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311344677.2A CN117436963A (zh) | 2023-10-17 | 2023-10-17 | 电信业务推荐方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311344677.2A CN117436963A (zh) | 2023-10-17 | 2023-10-17 | 电信业务推荐方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117436963A true CN117436963A (zh) | 2024-01-23 |
Family
ID=89552605
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311344677.2A Pending CN117436963A (zh) | 2023-10-17 | 2023-10-17 | 电信业务推荐方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117436963A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118071466A (zh) * | 2024-04-17 | 2024-05-24 | 深圳市致尚信息技术有限公司 | 一种基于用户特征的电商产品精准推送方法及*** |
-
2023
- 2023-10-17 CN CN202311344677.2A patent/CN117436963A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118071466A (zh) * | 2024-04-17 | 2024-05-24 | 深圳市致尚信息技术有限公司 | 一种基于用户特征的电商产品精准推送方法及*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109377329B (zh) | 一种房源推荐方法、装置、存储介质及电子设备 | |
CN109902849B (zh) | 用户行为预测方法及装置、行为预测模型训练方法及装置 | |
US11334758B2 (en) | Method and apparatus of data processing using multiple types of non-linear combination processing | |
EP2652909B1 (en) | Method and system for carrying out predictive analysis relating to nodes of a communication network | |
US20140379399A1 (en) | Method and System for Dynamically Determining Completion Status in a Human Intelligence System | |
CN110619078B (zh) | 用于推送信息的方法和装置 | |
CN112241327A (zh) | 分享信息处理方法、装置、存储介质与电子设备 | |
CN115017400A (zh) | 一种应用app推荐方法及电子设备 | |
CN111044062A (zh) | 路径规划、推荐方法和装置 | |
CN111382365B (zh) | 用于输出信息的方法和装置 | |
CN116796233A (zh) | 数据分析方法、装置、计算机可读介质及电子设备 | |
CN116756616A (zh) | 数据处理方法、装置、计算机可读介质及电子设备 | |
CN111046156A (zh) | 奖励数据的确定方法、装置和服务器 | |
CN117436963A (zh) | 电信业务推荐方法、装置、电子设备及存储介质 | |
CN107256244B (zh) | 数据处理方法和*** | |
CN109903006A (zh) | 楼盘的报备方法、装置、设备及计算机可读存储介质 | |
US11605042B1 (en) | Artificial intelligence system for content presentation impact estimation | |
CN113934612A (zh) | 用户画像更新方法、装置、存储介质及电子设备 | |
CN112749822B (zh) | 一种生成路线的方法和装置 | |
CN116416018A (zh) | 内容输出方法、装置、计算机可读介质及电子设备 | |
CN110322039B (zh) | 一种点击率预估方法、服务器及计算机可读存储介质 | |
CN112307075A (zh) | 用户关系识别方法及装置 | |
CN116911304B (zh) | 一种文本推荐方法及装置 | |
CN113342998B (zh) | 一种多媒体资源推荐方法、装置、电子设备及存储介质 | |
CN113362097B (zh) | 一种用户确定方法和装置 |
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 |