一种推荐方法、计算机存储介质及电子设备技术

一种推荐方法、计算机存储介质及电子设备，包括：获取已存储的各用户的第一用户画像以及待推荐用户的第二用户画像；用户画像包括分类；确定每个第一用户画像中各类的第一权重和第二用户画像中各类的第二权重；根据第一权重和第二权重，在所有第一用户画像中，确定与第二用户画像最相似的第一用户画像；向待推荐用户推荐最相似的第一用户画像对应的用户。本方案确定每个第一用户画像中各类的第一权重和第二用户画像中各类的第二权重，进而根据权重确定相似用户，由于每次权重会重新计算，因此计算得到的权重更加符合已存储用户和待推荐用户当前的实际情况，根据该权重得到的相似用户业与待推荐用户更加相似，提升推荐准确性。

A recommended method, computer storage medium and electronic equipment

【技术实现步骤摘要】
一种推荐方法、计算机存储介质及电子设备
本申请涉及移动通信技术，具体地，涉及一种推荐方法、计算机存储介质及电子设备。
技术介绍
近年来物流业竞争日趋激烈，物流业最大难题在于车货撮合，撮合成功率的提升很大成度上依赖于车货双方的人脉关系。物流人需要不断去进行陌生人社交来结识与自身需求相互契合的物流人，以此来挖掘潜在的商业机会。传统的线下社交，社交机会很少，效率低下。很多线上物流平台也会推出一些推荐用户的功能。但是这些功能一般依据用户在其平台中发布的需求来查询其他曾经发布了契合的需求的用户来进行推荐。这种推荐方式虽然直接，存在一些缺陷：1.推荐形成的逻辑比较单一，人与人社交本身给予很多复杂因素而产生的，无法体现出用户在本身工作需求之外的社交需求2.物流需求往往具有一定时效性，随着用户的工作岗位、流程、环境的变化过往发布的需求就无法符合其当下的社交属性。所以，此类推荐的准确性较低。
技术实现思路
本申请实施例中提供了一种推荐方法、计算机存储介质及电子设备，以解决上述技术问题。根据本申请实施例的第一个方面，提供了一种推荐方法，包括：获取已存储的各用户的第一用户画像以及待推荐用户的第二用户画像；所述用户画像包括分类；确定每个第一用户画像中各类的第一权重和第二用户画像中各类的第二权重；根据所述第一权重和第二权重，在所有第一用户画像中，确定与所述第二用户画像最相似的第一用户画像；向所述待推荐用户推荐最相似的第一用户画像对应的用户。可选地，用户画像的分类包括：基本属性类，公司属性类，兴趣爱好类，历史业务信息类，用户行为信息类；基本属性类，公司属性类，兴趣爱好类，历史业务信息类，用户行为信息类均具有初始权重以及初始权重的最近更新日期；所述基本属性类的初始权重为3，所述公司属性类的初始权重为2，所述兴趣爱好类的初始权重为2，所述历史业务信息类的初始权重为2，所述用户行为信息类的初始权重为1。可选地，所述基本属性类至少包括如下属性的一种或多种：年龄，从业年龄，手机号码所在地；所述公司属性至少包括如下属性的一种或多种：公司业务范围，公司规模，公司业务所在省份，公司合作伙伴；兴趣爱好类至少包括如下属性的一种或多种：个人兴趣点，关心的行业分类，关心的业务分类，关心的职业分类；历史业务信息类至少包括如下属性的一种或多种：业务类型，业务发生时间，业务发生地点；用户行为信息类至少包括如下属性的一种或多种：登录地点，历史添加推荐偏好。可选地，确定每个第一用户画像中各类的第一权重，包括：对于任一第一用户画像；获取所述任一第一用户画像中各类的初始权重以及初始权重的最近更新日期；计算当前日期距所述任一第一用户画像的始权重的最近更新日期之间的间隔天数，得到所述任一第一用户画像的间隔天数；所述任一第一用户画像中各类的第一权重＝所述任一第一用户画像中各类的初始权重*exp(-所述任一第一用户画像中各类的冷却系数*所述任一第一用户画像的间隔天数)。可选地，所述任一第一用户画像中的任一类的冷却系数＝任一类的系数/(所述任一第一用户画像所对应的用户被推荐的次数*所述任一第一用户画像中的任一类包括的属性数量)；其中，历史业务信息类的系数＝1，基本属性类的系数＝0.5，公司属性类的系数＝0.5，兴趣爱好类的系数＝0.5，用户行为信息类的系数＝0.25。可选地，确定第二用户画像中各类的第二权重，包括：确定所述待推荐用户对于各类的理想权重；第二用户画像中各类的第二权重＝所述第二用户画像中各类的初始权重*所述待推荐用户对于各类的理想权重/各类的平均权重。可选地，所述向所述待推荐用户推荐最相似的第一用户画像对应的用户之后，还包括：将各第一用户画像的各类初始权重更新为第一权重；将第二用户画像的各类初始权重更新为第二权重；存储第二用户画像。可选地，根据所述第一权重和第二权重，在所有第一用户画像中，确定与所述第二用户画像最相似的第一用户画像，包括：对于任一第一用户画像，依次选择所述任一第一用户画像中的一类，分别对选择的类中每一个属性值以及第二用户画像对应类的对应属性值进行语义分析，确定二者语义是否相同，得到选择的类的相同属性数量；计算所述任一第一用户画像的相似度＝＝∑iexp(-|所述任一第一用户画像中第i类的第一权重-第二用户画像中对应类的第二权重|)*所述任一第一用户画像中第i类的第一权重*各类对应的相同属性数量；其中，i为类的标识；将相似度最大的第一用户画像。第二个方面，本申请实施例提供了一种计算机存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上所述方法的步骤。第三个方面，本申请实施例提供了一种电子设备，其特征在于，包括存储器、以及一个或多个处理器，所述存储器用于存储一个或多个程序；所述一个或多个程序被所述一个或多个处理器执行时，实现如上所述的方法。本实施例中提供的方案中，确定每个第一用户画像中各类的第一权重和第二用户画像中各类的第二权重，根据第一用户画像及第一权重，第二用户画像及第二权重，确定相似用户，由于每次权重会重新计算，因此计算得到的权重更加符合已存储用户和待推荐用户当前的实际情况，根据该权重得到的相似用户业与待推荐用户更加相似，提升推荐准确性。附图说明此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：图1示出了本申请实施例中提供的一种推荐方法的流程示意图；图2示出了本申请实施例中提供的一种电子设备的结构示意图。具体实施方式传统的线下社交，社交机会很少，效率低下。很多线上物流平台也会推出一些推荐用户的功能。但是这些功能一般依据用户在其平台中发布的需求来查询其他曾经发布了契合的需求的用户来进行推荐。但此类推荐的准确性较低。基于此，本申请提供一种推荐方法，确定每个第一用户画像中各类的第一权重和第二用户画像中各类的第二权重，根据第一用户画像及第一权重，第二用户画像及第二权重，确定相似用户，由于每次权重会重新计算，因此计算得到的权重更加符合已存储用户和待推荐用户当前的实际情况，根据该权重得到的相似用户业与待推荐用户更加相似，提升推荐准确性。参见图1，本实施例提供的推荐方法实现细节如下：101，获取已存储的各用户的第一用户画像以及待推荐用户的第二用户画像。其中，用户画像包括分类。本步骤中的第一用户画像是预先存储的。存储过程可以为定时(例如：每天)采集用户画像相关的信息，对于新用户创建新的用户画像档案，老用户则更新画像。采集相关信息的过程可以如下：获取用户账号的基础数据记录(如账号信息；用户公司信息、用户的个人兴趣偏好等)，业务数据(用户在平台所有子系统中运输主业务操作记录)，实时定本文档来自技高网...

【技术保护点】
1.一种推荐方法，其特征在于，包括：/n获取已存储的各用户的第一用户画像以及待推荐用户的第二用户画像；所述用户画像包括分类；/n确定每个第一用户画像中各类的第一权重和第二用户画像中各类的第二权重；/n根据所述第一权重和第二权重，在所有第一用户画像中，确定与所述第二用户画像最相似的第一用户画像；/n向所述待推荐用户推荐最相似的第一用户画像对应的用户。/n

【技术特征摘要】
1.一种推荐方法，其特征在于，包括：
获取已存储的各用户的第一用户画像以及待推荐用户的第二用户画像；所述用户画像包括分类；
确定每个第一用户画像中各类的第一权重和第二用户画像中各类的第二权重；
根据所述第一权重和第二权重，在所有第一用户画像中，确定与所述第二用户画像最相似的第一用户画像；
向所述待推荐用户推荐最相似的第一用户画像对应的用户。


2.根据权利要求1所述的方法，其特征在于，用户画像的分类包括：基本属性类，公司属性类，兴趣爱好类，历史业务信息类，用户行为信息类；
基本属性类，公司属性类，兴趣爱好类，历史业务信息类，用户行为信息类均具有初始权重以及初始权重的最近更新日期；
所述基本属性类的初始权重为3，所述公司属性类的初始权重为2，所述兴趣爱好类的初始权重为2，所述历史业务信息类的初始权重为2，所述用户行为信息类的初始权重为1。


3.根据权利要求2所述的方法，其特征在于，所述基本属性类至少包括如下属性的一种或多种：年龄，从业年龄，手机号码所在地；
所述公司属性至少包括如下属性的一种或多种：公司业务范围，公司规模，公司业务所在省份，公司合作伙伴；
兴趣爱好类至少包括如下属性的一种或多种：个人兴趣点，关心的行业分类，关心的业务分类，关心的职业分类；
历史业务信息类至少包括如下属性的一种或多种：业务类型，业务发生时间，业务发生地点；
用户行为信息类至少包括如下属性的一种或多种：登录地点，历史添加推荐偏好。


4.根据权利要求2所述的方法，其特征在于，确定每个第一用户画像中各类的第一权重，包括：
对于任一第一用户画像；
获取所述任一第一用户画像中各类的初始权重以及初始权重的最近更新日期；
计算当前日期距所述任一第一用户画像的始权重的最近更新日期之间的间隔天数，得到所述任一第一用户画像的间隔天数；
所述任一第一用户画像中各类的第一权重＝所述任一第一用户画像中各类的初始权重*exp(-所述任一第一用户画像中各类的冷却系数*所述任一第一用户画像的间隔天数)。

【专利技术属性】
技术研发人员：唐守殿，贺贤明，阮涛，
申请(专利权)人：上海凯京信达科技集团有限公司，
类型：发明
国别省市：上海;31