[发明专利]基于在校生身份画像的业务推荐方法、装置、设备及介质在审

专利信息
申请号: 201910982459.9 申请日: 2019-10-15
公开(公告)号: CN110750733A 公开(公告)日: 2020-02-04
发明(设计)人: 黄友俊;李星;吴建平;刘珺;刘知刚 申请(专利权)人: 赛尔网络有限公司
主分类号: G06F16/9536 分类号: G06F16/9536;G06Q30/06;G06Q50/20
代理公司: 11021 中科专利商标代理有限责任公司 代理人: 王中苇
地址: 100084 北京市海淀区中*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 业务特征模型 用户特征 画像 关联信息 业务推荐 身份 计算机可读存储介质 业务推荐装置 电子设备 内部资源 业务模型 教育网 创建
【说明书】:

本公开提供了一种基于在校生身份画像的业务推荐方法,包括:S1,建立在校生用户特征模型,所述在校生用户特征模型基于所述在校生的身份画像创建;S2,建立业务特征模型,所述业务特征模型基于教育网内部资源创建;S3,建立所述用户特征模型与业务特征模型之间的关联信息;S4,基于所述关联信息将所述业务模型中的业务推荐给对应的在校生。本公开还提供了一种基于在校生身份画像的业务推荐装置、一种电子设备以及一种计算机可读存储介质。

技术领域

本公开涉及用户画像及大数据领域,尤其涉及一种基于在校生身份画像的业务推荐方法、装置、设备及介质。

背景技术

用户画像即用户的信息标签化,传统的画像受技术的限制,仅能勾画人的脸部特征,而无法进行立体化再现。而随着互联网技术的飞速发展,尤其在大数据时代后,越来越多的电商平台,通过采集用户的访问痕迹以及用户的基本信息,如姓名、年龄、性别、邮箱等数据,通过数据同步、分析与展示技术,使得用户画像几乎能够全方位再现用户外在的、内在的特征。互联网时代最大的问题是信息碎片化严重,对各高校师生来说,往往因为找不到自己想要的内容而浪费大量的时间。因此,在教育领域急需一种将教育网所包含的服务及产品内容进行精准推荐的方法,以节省师生的搜索时间。

发明内容

本公开第一方面提供了一种基于在校生身份画像的业务推荐方法,包括:S1,建立在校生用户特征模型,所述在校生用户特征模型基于所述在校生的身份画像创建;S2,建立业务特征模型,所述业务特征模型基于教育网内部资源创建;S3,建立所述用户特征模型与业务特征模型之间的关联信息;S4,基于所述关联信息将所述业务模型中的业务推荐给对应的在校生。

可选地,步骤S4之前还包括:采集所述在校生在教育网内部的上网信息;过滤所述上网信息。

可选地,所述在校生用户特征模型包括终端设备类型、性别、年龄、访问时间特征、访问频次特征、关注业务特征、搜索、收藏、点赞、分享中的至少一种。

可选地,所述业务特征模型包括多种业务的内容特征、内容标签、内容所属行业领域、内容流行度、内容社会特征、内容评价中的至少一种。

可选地,所述步骤S4具体为:识别所述上网信息所属业务特征模型;基于所述业务特征模型识别所述在校生的用户特征模型;基于所述用户特征模型向所述在校生推荐所述业务特征模型中的其他业务。

可选地,采用协同过滤算法过滤所述上网信息,其中,所述协同过滤算法包括基于用户的协同过滤算法以及基于物品的协同过滤算法。

可选地,所方法还包括:S250,展示所述在校生的身份画像及向其推荐的业务。

本公开第二方面提供了一种基于在校生身份画像的业务推荐装置,包括:第一建立模块,用于建立在校生用户特征模型,所述在校生用户特征模型基于所述在校生的身份画像创建;第二建立模块,用于建立业务特征模型,所述业务特征模型基于教育网内部资源创建;第三建立模块,用于建立所述用户特征模型与业务特征模型之间的关联信息;推荐模块,用于基于所述关联信息将所述业务模型中的业务推荐给对应的在校生。

本公开第三方面提供了一种电子设备,包括:处理器;以及存储器,其上存储有计算机可读指令,所述指令被处理器执行时使得处理器执行上述述的方法。

本公开第四方面提供了一种计算机可读存储介质,其上存储有计算机可读指令,所述指令被处理器执行时使得处理器执行上述的方法。

该方法通过在校生的身份画像,对符合用户身份的师生人群进行特价销售增值业务产品和服务,利用基于CERNET2的IP、域名、URL的TOPN排名结果对用户行为进行分析并画像,将教育网所包含的服务及产品内容进行精准推荐,从而建设出一套基于在校生身份画像的业务推荐装置。

附图说明

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于赛尔网络有限公司,未经赛尔网络有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201910982459.9/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top