[發明專利]基于大數據的興趣屬性挖掘方法、裝置和計算機設備

有效

• 申請號: 201910748904.5
• 申請日: 2019-08-14
• 公開（公告）號: CN110647676B
• 公開（公告）日: 2023-04-11
• 發明（設計）人: 蔡健;董雨婷
• 申請（專利權）人: 平安科技（深圳）有限公司
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06F16/958
• 代理公司: 華進聯合專利商標代理有限公司 44224
• 代理人: 楊歡

1.一種基于大數據的興趣屬性挖掘方法，所述方法包括：

獲取待定對象的全連通子網絡圖；所述全連通子網絡圖包括待定對象節點及至少一個參考對象節點；

計算每個參考對象節點與所述待定對象節點的綜合關聯度；

獲取所述參考對象節點對應的興趣屬性值，并根據所述綜合關聯度確定所述興趣屬性值的參考權重；

根據多個興趣屬性值及每個所述興趣屬性值對應的參考權重，計算得到第一興趣參考值；

獲取所述待定對象的初始屬性信息，根據所述初始屬性信息確定興趣屬性的第二興趣參考值；

基于所述第一興趣參考值與所述第二興趣參考值，計算得到所述待定對象對應的興趣屬性值。

2.根據權利要求1所述的方法，其特征在于，所述獲取待定對象的全連通子網絡圖，包括：

獲取關系網絡圖譜；所述關系網絡圖譜包括多個對象節點及每個對象節點連接的屬性節點；

識別每個對象節點對應興趣屬性的屬性值是否缺失；

根據識別結果將所述關系網絡圖譜中多個對象節點區分為確定對象節點和待定對象節點；

在所述關系網絡圖譜中獲取每個所述待定對象節點的全連通子網絡圖；

將所述全連通子網絡圖中與待定對象節點存在目標關聯關系的對象節點標記為參考對象節點。

3.根據權利要求1所述的方法，其特征在于，所述計算每個參考對象節點與所述待定對象節點的綜合關聯度，包括：

獲取所述待定對象節點對應的社交網絡信息；

根據所述社交網絡信息識別每個參考對象節點與所述待定對象節點之間的關系類型，并統計在指定時段發生的關聯事件的事件類型和發生頻次；

獲取預設的所述關系類型對應的基礎關聯系數；

基于所述全連通子網絡圖計算每個參考對象節點到所述待定對象節點的最短社交距離；

根據所述最短社交距離及所述關聯事件的事件類型和發生頻次，對所述基礎關聯系數進行調整，得到所述參考對象節點與待定對象節點的綜合關聯度。

4.根據權利要求1所述的方法，其特征在于，所述根據所述初始屬性信息確定興趣屬性的第二興趣參考值，包括：

基于所述初始屬性信息構建所述待定對象的用戶畫像；

監測所述待定對象瀏覽目標網站所產生的產品查閱記錄；

根據所述用戶畫像及產品查閱記錄生成所述待定對象的興趣特征矩陣；

基于所述興趣特征矩陣計算得到所述第二興趣參考值。

5.根據權利要求1所述的方法，其特征在于，所述方法還包括：

基于所述興趣屬性值對所述待定對象的初始屬性信息進行補充，得到目標屬性信息；

根據所述目標屬性信息確定待定對象的客戶等級；

根據所述客戶等級篩選相匹配的業務員，將所述目標屬性信息推送至篩選得到的業務員對應的終端；

接收所述終端基于所述目標屬性信息返回產品推薦信息，對所述產品推薦信息進行校驗，基于校驗通過的產品推薦信息生成產品交易鏈接；

將所述產品交易鏈接推送至待定對象對應的終端。

6.根據權利要求5所述的方法，其特征在于，所述基于所述興趣屬性值對所述待定對象的身份屬性信息進行補充，得到目標屬性信息，包括：

識別所述初始屬性信息中風險屬性是否缺失；

若是，基于所述全連通子網絡圖確定所述風險屬性的第一風險參考值；

基于所述初始屬性信息確定所述待定對象的第二風險參考值；

對所述第一風險參考值與所述第二風險參考值進行預設邏輯運算，將計算結果作為所述待定對象的風險屬性值；

基于所述興趣屬性值及所述風險屬性值對所述初始屬性信息進行補全處理，得到目標屬性信息。