一种业务推荐的方法和系统的制作方法
【技术领域】
[0001]本发明属于信息技术领域,尤其涉及一种业务推荐的方法和系统。
【背景技术】
[0002]目前大量互联网公司以广告投放为主要收入,对于精准广告投放相对重视。精准广告投放的三个主要部分:1.用户定向、2.流量预估、3.CTR(Click-Through-Rate,广告点击率)预估。其中后两项技术相对成熟,而前一项相对难做,这是由于没有完整的用户住址,行为数据造成的。
[0003]因此,在可以获得完整的用户定位数据的基础上,提出对用户住址和行为进行分析的方法,进而对用户的性别、收入、工作以及近期长期兴趣点进行分析预测的方法,再在实际的数据上构建相应的用户画像系统,是具有其切实的商业价值和研宄意义的。
【发明内容】
[0004]本发明实施例的目的在于提供一种业务推荐的方法和系统,以解决现有用户画像无法精准描述的问题。
[0005]本发明实施例是这样实现的,一种业务推荐的方法,所述方法包括:
[0006]获取用户的APP信息和定位信息;
[0007]根据所述APP信息获取所述用户的兴趣信息,并根据所述定位信息获取所述用户的地址信息;
[0008]根据所述兴趣信息和所述地址信息向所述用户推荐业务。
[0009]本发明实施例的另一目的在于提供一种业务推荐的系统,所述系统包括:
[0010]APP信息和定位信息获取单元,用于获取用户的APP信息和定位信息;
[0011]兴趣信息和地址信息获取单元,用于根据所述APP信息和定位信息获取单元获取的APP信息获取所述用户的兴趣信息,并根据所述APP信息和定位信息获取单元获取的定位信息获取所述用户的地址信息;
[0012]业务推荐单元,用于根据所述兴趣信息和地址信息获取单元获取的兴趣信息和所述地址信息向所述用户推荐业务。
[0013]本发明实施例,获取用户的APP信息和定位信息,根据APP信息获取用户的兴趣信息,并根据定位信息获取用户的地址信息,根据兴趣信息和地址信息向用户推荐业务,使得系统可以精准的获取用户的画像,并根据该画像向用户推荐业务。
【附图说明】
[0014]为了更清楚地说明本发明实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
[0015]图1是本发明实施例提供的业务推荐方法的流程图;
[0016]图2是本发明实施例提供的业务推荐系统的结构图。
【具体实施方式】
[0017]为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
[0018]为了说明本发明所述的技术方案,下面通过具体实施例来进行说明。
[0019]实施例一
[0020]如图1所示为本发明实施例提供的业务推荐方法的流程图,所述方法包括以下步骤:
[0021]步骤SlOl,获取用户的APP信息和定位信息。
[0022]在本发明实施例,进行业务推荐的系统首先获取用户的APP信息,以及定位信息,其中,每次获取定位信息的间隔根据实际使用的不同而不同,在此不做赘述,如:可以以一个小时为间隔,即每隔一个小时获取一次用户定位信息。
[0023]步骤S102,根据所述APP信息获取所述用户的兴趣信息,并根据所述定位信息获取所述用户的地址信息。
[0024]在本发明实施例中,进行业务推荐的系统在获取了用户的APP信息和定位信息之后,从该APP信息的文本信息中获取用户的兴趣信息,从该定位信息获取用户的地址信息,其中兴趣信息包括但不限于:短期兴趣信息、长期兴趣信息,地址信息包括但不限于:家庭地址信息、工作地址信息。所述根据所述APP信息获取所述用户的兴趣信息,并根据所述定位信息获取所述用户的地址信息,具体为:
[0025]1、以用户的安装APP为维度,爬取APP的对应描述信息和标签信息。对APP描述信息的语料集合使用中文分词,得到APP的词袋模型。对此作为分类器的输入,使用featurehashing将文本压缩后使用逻辑回归分类到对应的兴趣点上。然后使用无监督的LDA话题模型,得到APP的对应的话题作为用户兴趣点的扩充。这样从两方面我们获得了 APP对应的兴趣点,对应用户的所有时段的APP安装情况便得到了用户的长期兴趣点。同时,我们对于用户每一个时段t的安装的APP进行加权,使用指数衰退的形式以强调近期安装APP的权重,这样就得到了用户的近期兴趣点。
[0026]2、使用地理信息推断用户工作住址常去休闲以及收入结构,和使用APP信息推断的用户性别信息。其中地理信息子模块首先通过如下方法获取语意地图:先对地图中道路的矢量信息转换为光栅信息,然后对于获得的黑白二值图像进行道路的膨胀图像处理以去除道路细节,再进行细化操作得到图像的边缘,使用8联通区域方法得到的联通区域即为我们需要的语意地图。在语意地图中划分网格,按照地理的POI分类在网上爬取小网格的POI信息。对于用户的定位信息进行时间维度上的划分,划分维度为早、中、下午、晚上和深夜五个分类,然后一周划分为工作日和周末两个分类,并抽取出特殊节日如国庆节等作为节日分类。我们对于用户的工作日中的早中下午三个时间段内的定位信息,去除偏离过大的异常点,选取集中度较高的点集的中心点作为其工作地点,然后对应到POI信息上。再选取用户在工作日的深夜的定位信息,同样进行去除异常点,选取用户的定位的中心点作为其居住地点。最后,我们取用户的工作日的晚上以及用户的周末的中午、下午和晚上的定位信息,去除异常点后进行聚类操作得到其常去的休闲地点。比对地图的POI信息,得到用户常去的休闲地点类型,通过大众点评等网上比价网站的消费均价数据得到对应POI的消费层次。然后通过比对用户的居住点的房价信息以及用户的消费层次加权从而得到用户的收入结构。
[0027]步骤S103,根据所述兴趣信息和所述地址信息向所述用户推荐业务。
[0028]在本发明实施例中,进行业务推荐的系统结合用户的兴趣信息和用户的地址信息向用户推荐业务。
[0029]本发明实施例,获取用户的APP信息和定位信息,根据APP信息获取用户的兴趣信息,并根据定位信息获取用户的地址信息,根据兴趣信息和地址信息向用户推荐业务,使得系统可以精准的获取用户的画像,并根据该画像向用户推荐业务。
[0030]作为本发明的一个可选实施例,在所述获取用户的APP信息和定位信息的步骤之后,所述方法还包括以下步骤:
[0031]去除所述APP信息和定位信息的异常值。
[0032]在本发明实施例中,在获取的APP信息和定位信息中可能包括异常的信息,如果使用这些异常信息容易对后续步骤造成影响,因此需要去除APP信息和定位信息中的异常值。
[0033]作为本发明的另一个可选实施例,在所述根据所述APP信息获取所述用户的兴趣信息,并根据所述定位信息获取所述用户的地址信息的步骤之后,所述方法还包括以下步骤:
[0034]根据所述兴趣信息和所述地址信息对用户进行分类。
[0035]在本发明实施例中,为了便于业务推荐,还可以根据兴趣信息和地址信息对用户进行分类。
[0036]实施例二
[0037]如图2所示为本发明实施例提供的业务推荐系统的结构图,为了便于说明,仅示出与本发明实施例相关的部分,包括:
[0038]APP信息和定位信息获取单元201,用于获取用户的APP信息和定位信息。
[0039]在本发明实施例,APP信息和定位信息获取单元201首先获取用户的APP信息,以及定位信息,其中,每次获取定位信息的间隔根据实际使用的不同而不同,