System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及数据处理,尤其涉及一种业务推荐方法、装置、设备及存储介质。
技术介绍
1、企业和机构为了提升客户的活跃度,会策划各种业务和/或营销活动,目前大部分的推荐手段只能捕捉到较浅层次的用户特征,难以挖掘出更深层次的关联性,无法有效地挖掘出用户与业务之间的潜在联系,导致业务推荐不准确的问题,无法基于不同用户个性化制定推荐的业务。
2、上述内容仅用于辅助理解本专利技术的技术方案,并不代表承认上述内容是现有技术。
技术实现思路
1、本专利技术的主要目的在于提供一种业务推荐方法、装置、设备及存储介质,旨在解决现有技术无法有效地挖掘出用户与业务之间的潜在联系,导致业务推荐不准确的技术问题。
2、为实现上述目的,本专利技术提供了一种业务推荐方法,所述方法包括以下步骤:
3、获取目标用户群体中各用户的历史业务参与信息;
4、基于所述历史业务参与信息构建各所述用户与候选业务之间的图结构;
5、对各所述用户进行兴趣分析,获得各所述用户的兴趣向量;
6、对所述图结构中的实体向量和所述兴趣向量进行加权求和,获得综合向量;
7、基于所述综合向量对所述候选业务进行推荐评分,获得各所述候选业务的推荐分数;
8、基于所述推荐分数生成推荐列表,并基于所述推荐列表进行业务推荐。
9、可选地,所述基于所述历史业务参与信息构建各所述用户与候选业务之间的图结构,包括:
10、基于所述历史业务参与信
11、对候选业务进行特征分析,获得各所述候选业务的业务特征向量;
12、基于所述用户特征向量构建用户实体,基于所述业务特征向量构建业务实体;
13、基于所述历史业务参与信息确定所述用户实体与所述业务实体之间的关联信息;
14、基于所述关联信息构建各所述用户与候选业务之间的图结构。
15、可选地,所述基于所述历史业务参与信息对各所述用户进行特征分析,获得各所述用户的用户特征向量,包括:
16、对所述目标用户群体进行分析,获取所述目标用户群体的群体属性信息;
17、基于所述历史业务参与信息获取各所述用户的行为信息;
18、基于所述群体属性信息和所述行为信息对各所述用户进行特征分析,获得各所述用户的用户特征向量。
19、可选地,所述获取目标用户群体中各用户的历史业务参与信息,包括:
20、获取目标用户群体中各用户与各候选业务之间的交互记录信息;
21、基于所述交互记录信息提取初始业务交互数据;
22、对所述初始业务交互数据进行处理,获取目标用户群体中各用户的历史业务参与信息。
23、可选地,所述对所述初始业务交互数据进行处理,获取目标用户群体中各用户的历史业务参与信息,包括:
24、对所述初始业务交互数据进行数据清洗,获得候选业务交互数据;
25、对所述候选业务交互数据进行索引编码,将所述候选业务交互数据中的用户标识转化为用户索引,将所述候选业务交互数据中的业务标识转化为业务索引;
26、基于索引编码后的所述候选业务交互数据构建所述用户索引与所述业务索引之间的二分图;
27、基于所述二分图获取目标用户群体中各用户的历史业务参与信息。
28、可选地,所述基于所述综合向量对所述候选业务进行推荐评分,获得各所述候选业务的推荐分数,包括:
29、将所述综合向量与各所述候选业务对应的业务向量进行相似度匹配,获得各所述候选业务的相似度;
30、基于所述相似度对所述候选业务进行推荐评分,获得各所述候选业务的推荐分数。
31、可选地,所述对各所述用户进行兴趣分析,获得各所述用户的兴趣向量,包括:
32、将所述历史业务参与信息输入至预先构建的兴趣预测模型,获得所述用户对应各候选业务的兴趣权重;
33、基于所述兴趣权重对各所述用户进行兴趣分析,获得各所述用户的兴趣向量。
34、此外,为实现上述目的,本专利技术还提出一种业务推荐装置,所述业务推荐装置包括:
35、历史信息获取模块,用于获取目标用户群体中各用户的历史业务参与信息;
36、图结构构建模块,用于基于所述历史业务参与信息构建各所述用户与候选业务之间的图结构;
37、兴趣分析模块,用于对各所述用户进行兴趣分析,获得各所述用户的兴趣向量;
38、综合向量分析模块,用于对所述图结构中的实体向量和所述兴趣向量进行加权求和,获得综合向量;
39、推荐评分模块,用于基于所述综合向量对所述候选业务进行推荐评分,获得各所述候选业务的推荐分数;
40、业务推荐模块,用于基于所述推荐分数生成推荐列表,并基于所述推荐列表进行业务推荐。
41、此外,为实现上述目的,本专利技术还提出一种业务推荐设备,所述业务推荐设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的业务推荐程序,所述业务推荐程序配置为实现如上文所述的业务推荐方法的步骤。
42、此外,为实现上述目的,本专利技术还提出一种存储介质,所述存储介质上存储有业务推荐程序,所述业务推荐程序被处理器执行时实现如上文所述的业务推荐方法的步骤。
43、本专利技术通过获取目标用户群体中各用户的历史业务参与信息,基于所述历史业务参与信息构建各所述用户与候选业务之间的图结构,对各所述用户进行兴趣分析,获得各所述用户的兴趣向量,对所述图结构中的实体向量和所述兴趣向量进行加权求和,获得综合向量,基于所述综合向量对所述候选业务进行推荐评分,获得各所述候选业务的推荐分数,基于所述推荐分数生成推荐列表,并基于所述推荐列表进行业务推荐;由于本专利技术通过构建用户与候选业务之间的图结构,基于各用户的兴趣向量和图结构的实体向量进行加权,获得综合向量,从而基于综合向量准确地对各候选业务进行推荐评分,基于推荐分数清晰地确定了各候选业务与各用户之间的联系,有效地挖掘了用户与候选业务之间的潜在关系,基于所述推荐分数生成推荐列表,并基于所述推荐列表进行业务推荐,提升了业务推荐的准确性。
本文档来自技高网...【技术保护点】
1.一种业务推荐方法,其特征在于,所述业务推荐方法包括:
2.如权利要求1所述的业务推荐方法,其特征在于,所述基于所述历史业务参与信息构建各所述用户与候选业务之间的图结构,包括:
3.如权利要求2所述的业务推荐方法,其特征在于,所述基于所述历史业务参与信息对各所述用户进行特征分析,获得各所述用户的用户特征向量,包括:
4.如权利要求1所述的业务推荐方法,其特征在于,所述获取目标用户群体中各用户的历史业务参与信息,包括:
5.如权利要求4所述的业务推荐方法,其特征在于,所述对所述初始业务交互数据进行处理,获取目标用户群体中各用户的历史业务参与信息,包括:
6.如权利要求1所述的业务推荐方法,其特征在于,所述基于所述综合向量对所述候选业务进行推荐评分,获得各所述候选业务的推荐分数,包括:
7.如权利要求1所述的业务推荐方法,其特征在于,所述对各所述用户进行兴趣分析,获得各所述用户的兴趣向量,包括:
8.一种业务推荐装置,其特征在于,所述业务推荐装置包括:
9.一种业务推荐设备,其特征在于,
10.一种存储介质,其特征在于,所述存储介质上存储有业务推荐程序,所述业务推荐程序被处理器执行时实现如权利要求1至7任一项所述的业务推荐方法。
...【技术特征摘要】
1.一种业务推荐方法,其特征在于,所述业务推荐方法包括:
2.如权利要求1所述的业务推荐方法,其特征在于,所述基于所述历史业务参与信息构建各所述用户与候选业务之间的图结构,包括:
3.如权利要求2所述的业务推荐方法,其特征在于,所述基于所述历史业务参与信息对各所述用户进行特征分析,获得各所述用户的用户特征向量,包括:
4.如权利要求1所述的业务推荐方法,其特征在于,所述获取目标用户群体中各用户的历史业务参与信息,包括:
5.如权利要求4所述的业务推荐方法,其特征在于,所述对所述初始业务交互数据进行处理,获取目标用户群体中各用户的历史业务参与信息,包括:
6.如权利要求1所述的业务推荐方法,其...
【专利技术属性】
技术研发人员:黄文辉,陈盛福,袁武锋,
申请(专利权)人:中邮消费金融有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。