资源推荐方法及装置制造方法及图纸

本发明专利技术提供一种资源推荐方法及装置，该方法包括：分别将销售资源训练样本和客户资源训练样本输入资源分类模型进行训练，获得销售资源分类结果和客户资源分类结果；将销售资源分类结果和客户资源分类结果输入相似度模型进行训练，输出若干匹配结果作为推荐。本发明专利技术提供的资源推荐方法及装置一方面通过机器学习建模训练对销售资源和客户资源进行智能分类，并对分类结果进行智能匹配，解决了冷启动的问题，实现了相较于现有方案更为精确的推荐；另一方面通过对客户资源的智能分类挖掘出大量关于客户或潜在客户的数据信息，在完成CRM精准推荐的同时创造了数据资产。

Resource recommendation method and device

The present invention provides a resource recommendation method and device, the method includes: respectively, the classification model of sales resources training and customer resources training sample input resources for training, get the classification results of sales and customer resources; the classification results of sales and customer resources classification results input similarity model is trained to output a number of matching results as recommended. Device and resource recommendation method provided by the invention through machine learning modeling training intelligent classification of sales and customer resources, and the classification results are intelligent, and solve the cold start problem, the solution is more accurate compared to the existing recommendation; on the other hand through the intelligent classification of customer resource mining a large number of customers or potential customers data, at the same time to complete the CRM precise recommendation creates data assets.

【技术实现步骤摘要】
资源推荐方法及装置
本申请涉及客户关系管理
，具体涉及一种资源推荐方法及装置。
技术介绍
随着大数据、移动互联网时代数据信息规模的不断扩大，人们逐渐从信息匮乏的时代走入了信息过载(informationoverload)的时代。在这个时代，客户关系管理(Customerrelationshipmanagement，简称CRM)中客户资源的种类和个数快速增长，客户或潜在客户的群体非常庞大，销售需要花费大量的时间才能为客户匹配到所需的服务，客户又不知道如何寻找并发掘自身资源优势。因此，如何有效管理、挖掘复杂的CRM客户关系资源，对相关资源进行智能分类匹配，最终达到资源最合理分配利用、为客户挖掘最有效的营销活动策略以提升企业收益，成为当前企业普遍关注的问题。目前CRM资源推荐方法主要有以下两种：一种是基于内容的推荐方法：主要基于客户的商品交易总额(GrossMerchandiseVolume，简称GMV)、品牌知名度进行分析，比如客户GMV高、品牌知名度高，会优先向VIP金牌销售推荐类似客户；另一种是基于协同过滤的推荐方法：主要基于CRM资源的历史数据，离线计算客户相似度、销售资源相本文档来自技高网...

【技术保护点】
一种资源推荐方法，其特征在于，包括：分别将销售资源训练样本和客户资源训练样本输入资源分类模型进行训练，获得销售资源分类结果和客户资源分类结果；将所述销售资源分类结果和客户资源分类结果输入相似度模型进行训练，输出若干匹配结果作为推荐。

【技术特征摘要】
1.一种资源推荐方法，其特征在于，包括：分别将销售资源训练样本和客户资源训练样本输入资源分类模型进行训练，获得销售资源分类结果和客户资源分类结果；将所述销售资源分类结果和客户资源分类结果输入相似度模型进行训练，输出若干匹配结果作为推荐。2.根据权利要求1所述的方法，其特征在于，所述分别将销售资源训练样本和客户资源训练样本输入资源分类模型进行训练，获得销售资源分类结果和客户资源分类结果包括：将训练样本拼接成向量，输入多层感知器；将所述多层感知器的输出结果输入至激活函数；判断所述激活函数的输出结果与相应期望结果的误差是否在预定范围内：否，则根据所述误差反向调整所述多层感知器各节点的权重以继续进行训练；是，则输出分类结果；其中，所述训练样本为所述销售资源训练样本或所述客户资源训练样本。3.根据权利要求2所述的方法，其特征在于，所述根据所述误差反向调整各所述权重以继续进行训练包括：根据所述误差和反向传播算法计算各所述权重的梯度；根据各所述梯度和所述反向传播算法调整各所述权重。4.根据权利要求2所述的方法，其特征在于，所述将训练样本拼接成向量，输入多层感知器还包括：随机配置所述多层感知器的各节点的初始权重。5.根据权利要求2所述的方法，其特征在于，所述激活函数为Softmax函数。6.根据权利要求1所述的方法，其特征在于，所述相似度模型为余弦相似度模型。7.根据权利要求1-6任一项所述的方法，其特征在于，还包括：分别采集销售资源和客户资源的特征数据；根据所采集的特征数据生成销售资源训练样本和客户资源训练样本。8.根据权利要求7所述的方法，其特征在于，所述客户资源的特征数据包括匹配所推荐销售资源后的反馈数据；和/或，所述销售资源的特征数据包括匹配所推荐客户资源后的反馈数据。9.一种资源推荐装置，其特征在于，包括：分类单元，配置用于分别将销售资源训练样本和客户资源训练样本输入资源分类模型进行训练，获得销售资源分类结果和客户资源分类结...

【专利技术属性】
技术研发人员：金泽，王丹，王彩霞，
申请(专利权)人：百度在线网络技术北京有限公司，
类型：发明
国别省市：北京,11