【技术实现步骤摘要】
本公开涉及人工智能领域，更具体地涉及一种数据推荐方法、装置、设备、介质及程序产品。
技术介绍
1、随着数字化办公的不断推进，越来越多业务的办理方式转变为线上办理，相较于线下办理，线上进行业务办理更加快捷高效，但是，当前线上业务办理系统存在功能菜单多、跳转关系复杂。通常，线上业务办理系统的菜单功能排序以及每一菜单的具体布局均由专业人员根据经验设计完成，缺少对用户行为的观察，无法保证系统菜单符合用户的使用习惯，且由于不同用户的使用习惯不同，固定的业务办理系统无法满足不同用户的使用需求。
技术实现思路
1、鉴于上述问题，本公开提供了提高用户使用体验的数据推荐方法、装置、设备、介质及程序产品。
2、根据本公开的第一个方面，提供了一种数据推荐方法，包括：基于用户信息获取历史行为数据集；基于历史行为数据集构建用户的行为序列集；其中，行为序列集包括多组行为序列；每组行为序列中包括多个存在先后依赖关系的历史行为数据；对行为序列集执行前缀投影操作，获取行为序列集中的频繁序列；从频繁序列中提取出多个目标数据对并计算每个目标数据对的支持度；基于目标数据对的支持度排序和用户当前行为确定目标菜单并对目标菜单中的菜单项进行重新排列；向用户推荐所述目标菜单。
3、根据本公开的实施例，用户信息包括用户账号和用户岗位角色，基于用户信息获取历史行为数据集包括：根据用户账号从埋点处获取用户行为日志；从用户行为日志中筛选出目标历史行为信息，得到第一历史行为数据子集；根据用户岗位角色获取与该用户岗位
4、根据本公开的实施例，基于历史行为数据集构建用户的行为序列集，包括：根据行为时间分别对第一历史行为数据子集和第二历史行为数据子集进行排序，得到待处理行为序列；根据目标历史行为信息将待处理行为序列切分成多个行为会话；提取每一行为会话中的行为序列并基于时间戳对行为序列进行排序，得到用户的行为序列集；其中，用户的行为序列集包括账号行为序列子集和岗位角色行为序列子集。
5、根据本公开的实施例，对行为序列集执行前缀投影操作，获取行为序列集中的频繁序列，包括：在账号行为序列子集中查找长度为i的前缀以及前缀对应的投影数据库；获取每一长度为i的前缀的支持度，将投影数据库中支持度低于阈值的前缀对应的元素从投影数据库中删除；其中，投影数据库中包括账号行为序列子集中的多个投影数据库；对支持度满足阈值的前缀进行递归挖掘，获取长度为i的前缀对应的频繁序列，直至不存在频繁序列为止；其中，i≥1且i为正整数。
6、根据本公开的实施例，对行为序列集执行前缀投影操作，获取行为序列集中的频繁序列，包括：在岗位角色行为序列子集中查找长度为i的前缀以及前缀对应的投影数据库；获取每一长度为i的前缀的支持度，将投影数据库中支持度低于阈值的前缀对应的元素从数据库中删除；对支持度满足阈值的前缀进行递归挖掘，获取长度为i的前缀对应的频繁序列，直至不存在频繁序列为止；其中，i≥1且i为正整数。
7、根据本公开的实施例，对支持度满足阈值的前缀进行递归挖掘，包括：查找长度为i的前缀对应的投影数据库；统计投影数据库中各元素的支持度；将满足支持度的各元素与当前前缀进行合并，得到多个新前缀；重复上述操作，直至不存在与前缀对应的投影数据库或投影数据库中所有元素的支持度均不满足要求。
8、根据本公开的实施例，从频繁序列中提取出多个目标数据对并计算每个目标数据对的支持度，包括：统计目标数据对在频繁序列中出现的频率；其中，出现频率即为该目标数据对的支持度。
9、根据本公开的实施例，基于目标数据对的支持度排序和用户当前行为确定目标菜单，包括：分别获取用户账号维度目标数据对的支持度排序以及用户角色岗位维度目标数据对的支持度排序；基于用户当前行为、用户账号维度支持度排序和用户角色岗位维度支持度排序，预测每一菜单的点击概率；将最大点击概率对应的菜单确定为目标菜单。
10、根据本公开的实施例，对目标菜单中的菜单项进行重新排列，包括：基于用户当前行为、用户账号维度支持度排序和用户角色岗位维度支持度排序，预测目标菜单中每一菜单项的点击概率；基于菜单项的点击概率调整菜单项在菜单中的排布。
11、本公开的第二方面提供了一种数据推荐装置，包括：第一获取模块，用于基于用户信息获取历史行为数据集；构建模块，用于基于历史行为数据集构建用户的行为序列集；其中，行为序列集包括多组行为序列；每组行为序列中包括多个存在先后依赖关系的历史行为数据；第二获取模块，用于对行为序列集执行前缀投影操作，获取行为序列集中的频繁序列；计算模块；用于从频繁序列中提取出多个目标数据对并计算每个目标数据对的支持度；确定模块，用于基于目标数据对的支持度排序和用户当前行为确定目标菜单并对目标菜单中的菜单项进行重新排列；以及推荐模块，用于向用户推荐目标菜单。
12、本公开的第三方面提供了一种电子设备，包括：一个或多个处理器；存储器，用于存储一个或多个程序，其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得一个或多个处理器执行上述数据推荐方法。
13、本公开的第四方面还提供了一种计算机可读存储介质，其上存储有可执行指令，该指令被处理器执行时使处理器执行上述数据推荐方法。
14、本公开的第五方面还提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述数据推荐方法。
本文档来自技高网...【技术保护点】
1.一种数据推荐方法，包括：
2.根据权利要求1所述的数据推荐方法，所述用户信息包括用户账号和用户岗位角色，所述基于用户-信息获取历史行为数据集包括：
3.根据权利要求2所述的数据推荐方法，所述基于所述历史行为数据集构建用户的行为序列集，包括：
4.根据权利要求3所述的数据推荐方法，所述对所述行为序列集执行前缀投影操作，获取所述行为序列集中的频繁序列，包括：
5.根据权利要求3所述的数据推荐方法，所述对所述行为序列集执行前缀投影操作，获取所述行为序列集中的频繁序列，包括：
6.根据权利要求4或5所述的数据推荐方法，所述对支持度满足阈值的前缀进行递归挖掘，包括：
7.根据权利要求1所述的数据推荐方法，所述从所述频繁序列中提取出多个目标数据对并计算每个目标数据对的支持度，包括：
8.根据权利要求1所述的数据推荐方法，所述基于所述目标数据对的支持度排序和用户当前行为确定目标菜单，包括：
9.根据权利要求7所述的数据推荐方法，所述对所述目标菜单中的菜单项进行重新排列，包括：
10.
11.一种电子设备，包括：
12.一种计算机可读存储介质，其上存储有可执行指令，该指令被处理器执行时使处理器执行根据权利要求1～9中任一项所述的方法。
13.一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现根据权利要求1～9中任一项所述的方法。
...【技术特征摘要】
1.一种数据推荐方法，包括：
2.根据权利要求1所述的数据推荐方法，所述用户信息包括用户账号和用户岗位角色，所述基于用户-信息获取历史行为数据集包括：
3.根据权利要求2所述的数据推荐方法，所述基于所述历史行为数据集构建用户的行为序列集，包括：
4.根据权利要求3所述的数据推荐方法，所述对所述行为序列集执行前缀投影操作，获取所述行为序列集中的频繁序列，包括：
5.根据权利要求3所述的数据推荐方法，所述对所述行为序列集执行前缀投影操作，获取所述行为序列集中的频繁序列，包括：
6.根据权利要求4或5所述的数据推荐方法，所述对支持度满足阈值的前缀进行递归挖掘，包括：
7.根据权利要求1所...
【专利技术属性】
技术研发人员：张珂欣，
申请(专利权)人：中国工商银行股份有限公司，
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。