CN109525665A - 一种基于众包的创客云中心配置推荐方法 - Google Patents
一种基于众包的创客云中心配置推荐方法 Download PDFInfo
- Publication number
- CN109525665A CN109525665A CN201811364694.1A CN201811364694A CN109525665A CN 109525665 A CN109525665 A CN 109525665A CN 201811364694 A CN201811364694 A CN 201811364694A CN 109525665 A CN109525665 A CN 109525665A
- Authority
- CN
- China
- Prior art keywords
- creator
- data
- platform
- cloud center
- cloud
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 18
- 230000006870 function Effects 0.000 claims abstract description 23
- 238000010801 machine learning Methods 0.000 claims abstract description 16
- 238000007405 data analysis Methods 0.000 claims abstract description 10
- 238000013135 deep learning Methods 0.000 claims abstract description 10
- 238000011161 development Methods 0.000 claims description 15
- 230000006399 behavior Effects 0.000 claims description 14
- 238000004422 calculation algorithm Methods 0.000 claims description 10
- 238000013480 data collection Methods 0.000 claims description 6
- 238000007637 random forest analysis Methods 0.000 claims description 6
- 238000012549 training Methods 0.000 claims description 6
- 238000007726 management method Methods 0.000 claims description 4
- 238000013528 artificial neural network Methods 0.000 claims description 3
- 238000007621 cluster analysis Methods 0.000 claims description 3
- 238000004891 communication Methods 0.000 claims description 3
- 238000002790 cross-validation Methods 0.000 claims description 3
- 238000002372 labelling Methods 0.000 claims description 3
- 230000006855 networking Effects 0.000 claims description 3
- 238000003062 neural network model Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 abstract description 3
- 230000003542 behavioural effect Effects 0.000 abstract 1
- 238000013473 artificial intelligence Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000000155 melt Substances 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/50—Network services
- H04L67/55—Push-based network services
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/14—Network analysis or design
- H04L41/147—Network analysis or design for predicting network behaviour
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/50—Network services
- H04L67/51—Discovery or management thereof, e.g. service location protocol [SLP] or web services
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/50—Network services
- H04L67/535—Tracking the activity of the user
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种基于众包的创客云中心配置推荐方法，涉及云计算、数据众包、机器学习、深度学习和用户画像技术领域，本发明利用众包方式获取到创客的配置数据，结合创客云中心采集的应用日志数据及创客行为数据，学习创客个性化的偏好设置，并基于创客数据生成创客画像，通过大数据分析产生多维度的创客云中心配置推荐模型，根据创客需求及喜好推荐适合该创客的平台配置及新功能，使创客更好的使用平台，减少创客学习成本，提升创客用户体验，提高创客应用的效率。
Description
技术领域
本发明涉及云计算、数据众包、机器学习、深度学习和用户画像技术术，尤其涉及一种基于众包的创客云中心配置推荐方法。
背景技术
众包的定义是一个公司或机构把过去由内部员工执行的工作任务，以自由自愿的形式外包给非特定的大众网络的做法，其本质就是通过互联网以自由自愿的形式将众包任务交由大众群体来完成的一种解决问题的方式。在这一过程中，只需要给众包任务贡献者支付少量报酬甚至有时是免费的，这样极大的提升了任务的执行效率并且大幅的降低了成本，众包方式已经开始颠覆传统的产业结构。
随着云计算、大数据、物联网、人工智能等新技术的发展，传统的以技术为导向的方式逐渐转变成以大数据、以用户为导向的模式转变，新业态、新产业的不断涌现，也带来的新的创客模式的出现。从创意到产品、再到商业模式，都在发生变化。而创客平台，特别是创客云平台的出现，提供了大量的云计算基础设施及创客服务，涵盖基础计算平台、大数据分析平台、物联网连接管理平台以及机器学习、深度学习等各类算法，大大降低了创客创新创业的门槛，消融了创新的边界，提高了创客创新创业的效率。
尽管创客云中心在一定程度上满足了创客的需求，然而平台的专业性、其复杂的配置、云基础设施的选择，对于来自不同领域的创客来说，都是一个挑战。在这种情况下，如何有效的利用众包模式并结合创客用户画像，给创客推荐最优的平台配置成为一个亟需解决的问题。
发明内容
为了解决以上技术问题，本发明提出了一种基于众包的创客云中心配置推荐方法，利用众包方式获取到创客的配置数据，结合创客云中心采集的应用日志数据及创客行为数据，学习创客个性化的偏好设置，并基于创客数据生成创客画像，通过大数据分析产生多维度的创客云中心配置推荐模型，根据创客需求及喜好推荐适合该创客的平台配置及新功能，使创客更好的使用平台，减少创客学习成本，提升创客用户体验，提高创客应用的效率。
本发明的技术方案是：
一种基于众包的创客云中心配置推荐方法，通过云端众包平台发布创客众包任务，收集创客使用创客云中心的行为数据以及创客开发的创新应用的系统配置信息，创客云中心将众包任务收集到的众包数据，结合自身平台产生的应用日志数据及创客用户功能使用习惯数据，利用机器学习、深度学习等算法对创客用户做用户画像，通过大数据分析产生多维度的创客云中心配置神经网络推荐模型；创客云中心根据创客的喜好，利用模型预测向创客推荐平台配置。其中，
所述的创客云中心为创客提供计算、存储、网络、安全等云基础设施，并基于基础设施提供各类预制服务，包括数据库服务、各类应用中间件服务、数据分析处理服务、大数据服务、机器学习、深度学习等人工智能服务、物联网接入管理服务、持续集成交付等开发服务，并且同时提供创客交流及展示平台服务；
所述的平台配置包含用户界面菜单展示风格、突显主要功能、新功能提醒、所需服务选择、创客开发应用的资源需求等；
所述的创客云中心可以收集注册创客使用平台的行为以及其应用的运行状况，同时通过众包平台发布平台配置数据收集任务；
所述的创客是个人开发者或者开发团队，通过使用所述的创客云中心来进行创新创业，创客开发的创新应用将运行在所述的创客云中心中，创客可以使用多个创客云中心，接受众包平台发布的创客用户习惯数据采集任务，提供其使用各类创客云中心的情况以及其创新应用的配置和运行状况；
所述的创客云中心基于收集的数据生成用户画像、建立预测模型，为创客用户推荐平台配置。
进一步的，主要操作步骤包括：
步骤101、所述的创客在所述的创客云中心进行注册，提交其基本信息，包含创客个人数据、应用开发方向、所属业务领域等，并接受平台协议，允许平台在不泄露个人隐私的情况下使用创客在平台中的状态数据及行为数据；
步骤102、所述的创客云中心进行审核，允许所述的创客使用平台；
步骤103、所述的创客使用平台提供和推荐的各类功能服务开发其领域创新应用，基于应用的实际需求以及平台的智能推荐，在所述的创客云中心申请计算、存储、网络、安全资源；
步骤104、所述的创客应用在所述的创客云中心中运行，对外提供服务；
步骤105、所述的创客云中心收集所述的创客使用本平台的用户行为数据及其应用的资源状况和运行状况数据；
步骤106、所述的创客云中心通过众包平台发布平台配置数据收集任务，收集创客用户使用平台的习惯、对于用户界面菜单风格的喜好、用户最常用功能、用户最常用服务、创客开发应用的业务领域需求、硬件资源情况、应用访问量等数据；
步骤107、所述的创客接受众包任务，提交相关数据，其中包含来自使用多个创客云中心的配置数据；
步骤108、所述的创客云中心通过众包平台收集到创客的云平台配置数据，对数据进行自动评估和筛选，控制数据质量；
步骤109、所述的创客云中心根据推荐需求设计特征项和标签规则，特别是概率型标签，将众包采集数据和云中心收集数据设计不同的阈值；
步骤110、利用贝叶斯网络等机器学习算法通过特征提取器，提取特征值，并为创客及其开发应用打上标签；
步骤111、根据收集的创客平台功能的使用习惯数据特征值进行聚类学习，形成神经网络模型；
步骤112、根据收集的创客应用运行状况和资源状况数据进行聚类分析分类，形成多个典型的应用画像；
步骤113、结合所述的创客云中心收集的数据及众包平台提供的数据，为创客用户生成多维度的创客画像；
步骤114、利用随机森林算法对数据进行训练，最终为每类创客形成随机森林模型，并进行交叉验证，确定最终机器学习预测模型；
步骤115、持续收集数据并训练推荐预测模型、创客画像、应用画像，由所述的云创客中心利用模型、用户画像为创客推荐其平台配置数据。
本发明的有益效果是：
利用众包平台发布平台配置数据众包任务，收集创客使用创客云中心的行为数据以及创客开发的创新应用的系统配置信息，并且结合自身平台产生的应用日志数据及创客用户功能使用习惯数据，综合各类数据通过大数据分析产生多维度的创客用户画像、应用画像，并产生创客云中心配置推荐模型，根据创客需求及喜好推荐适合该创客的平台配置及新功能；采用众包的方式可以在极短的时间内采集大量多源数据，提升了数据的覆盖率，极大的提升了任务的执行效率，保证了数据的实时性，同时大幅的降低了成本；将云中心收集数据和众包数据设置不同的权重，提高了预测推荐的准确性；通过基于深度学习、机器学习的预测推荐，使创客更好的使用平台，提供个性化的服务，减少了创客学习成本，提升创客用户体验，节省了创客开发应用的资源，并且提高了创客应用的运行效率。
附图说明
图1是创客云中心结构示意图；
图2是创客云中心的配置推荐流程图。
具体实施方式
下面结合附图对本发明的内容进行更加详细的阐述：
如图1中所示，本发明通过云端众包平台发布创客众包任务，收集创客使用创客云中心的行为数据以及创客开发的创新应用的系统配置信息，创客云中心将众包任务收集到的众包数据，结合自身平台产生的应用日志数据及创客用户功能使用习惯数据，利用机器学习、深度学习等算法对创客用户做用户画像，通过大数据分析产生多维度的创客云中心配置神经网络推荐模型；创客云中心根据创客的喜好，利用模型预测向创客推荐平台配置。其中，
所述的创客云中心为创客提供计算、存储、网络、安全等云基础设施，并基于基础设施提供各类预制服务，包括数据库服务、各类应用中间件服务、数据分析处理服务、大数据服务、机器学习、深度学习等人工智能服务、物联网接入管理服务、持续集成交付等开发服务，并且同时提供创客交流及展示平台服务；所述的平台配置包含用户界面菜单展示风格、突显主要功能、新功能提醒、所需服务选择、创客开发应用的资源需求等；所述的创客云中心可以收集注册创客使用平台的行为以及其应用的运行状况，同时通过众包平台发布平台配置数据收集任务；所述的创客是个人开发者或者开发团队，通过使用所述的创客云中心来进行创新创业，创客开发的创新应用将运行在所述的创客云中心中，创客可以使用多个创客云中心，接受众包平台发布的创客用户习惯数据采集任务，提供其使用各类创客云中心的情况以及其创新应用的配置和运行状况；所述的创客云中心基于收集的数据生成用户画像、建立预测模型，为创客用户推荐平台配置。
创客云中心配置推荐内容主要包括根据创客的用户画像，结合用户的应用场景，为其推荐用户界面风格，将最相关功能摆在显著位置，同时提醒创客用户使用本创客云中心的推荐功能；云创客中心新功能的推荐；根据创客使用功能的频率，整体调整云创客中心的界面；根据创客的应用为其推荐应用的基本配置，并根据实际运行状况，提供动态的资源配置建议等。
一、创客云中心的配置推荐
参考图2，创客云中心的配置推荐包括以下步骤：
步骤101、所述的创客在所述的创客云中心进行注册，提交其基本信息，包含创客个人数据、应用开发方向、所属业务领域等，并接受平台协议，允许平台在不泄露个人隐私的情况下使用创客在平台中的状态数据及行为数据；
步骤102、所述的创客云中心进行审核，允许所述的创客使用平台；
步骤103、所述的创客使用平台提供和推荐的各类功能服务开发其领域创新应用，基于应用的实际需求以及平台的智能推荐，在所述的创客云中心申请计算、存储、网络、安全资源；
步骤104、所述的创客应用在所述的创客云中心中运行，对外提供服务；
步骤105、所述的创客云中心收集所述的创客使用本平台的用户行为数据及其应用的资源状况和运行状况数据；
步骤106、所述的创客云中心通过众包平台发布平台配置数据收集任务，收集创客用户使用平台的习惯、对于用户界面菜单风格的喜好、用户最常用功能、用户最常用服务、创客开发应用的业务领域需求、硬件资源情况、应用访问量等数据；
步骤107、所述的创客接受众包任务，提交相关数据，其中包含来自使用多个创客云中心的配置数据；
步骤108、所述的创客云中心通过众包平台收集到创客的云平台配置数据，对数据进行自动评估和筛选，控制数据质量；
步骤109、所述的创客云中心根据推荐需求设计特征项和标签规则，特别是概率型标签，将众包采集数据和云中心收集数据设计不同的阈值；
步骤110、利用贝叶斯网络等机器学习算法通过特征提取器，提取特征值，并为创客及其开发应用打上标签；
步骤111、根据收集的创客平台功能的使用习惯数据特征值进行聚类学习，形成神经网络模型；
步骤112、根据收集的创客应用运行状况和资源状况数据进行聚类分析分类，形成多个典型的应用画像；
步骤113、结合所述的创客云中心收集的数据及众包平台提供的数据，为创客用户生成多维度的创客画像；
步骤114、利用随机森林算法对数据进行训练，最终为每类创客形成随机森林模型，并进行交叉验证，确定最终机器学习预测模型；
步骤115、持续收集数据并训练推荐预测模型、创客画像、应用画像，由所述的云创客中心利用模型、用户画像为创客推荐其平台配置数据。
以上所述的实施例，只是本发明具体实施方式的一种，本领域的技术人员在本发明技术方案范围内进行的通常变化和替换都应包含在本发明的保护范围内。
Claims (9)
1.一种基于众包的创客云中心配置推荐方法，其特征在于，
通过云端众包平台发布创客众包任务，收集创客使用创客云中心的行为数据以及创客开发的创新应用的系统配置信息，创客云中心将众包任务收集到的众包数据，结合自身平台产生的应用日志数据及创客用户功能使用习惯数据，利用机器学习、深度学习算法对创客用户做用户画像，通过大数据分析产生多维度的创客云中心配置神经网络推荐模型；根据创客需求及喜好，利用模型预测向创客推荐平台配置。
2.根据权利要求1所述的方法，其特征在于，
所述的创客云中心为创客提供云基础设施，并基于基础设施提供各类预制服务， 并且同时提供创客交流及展示平台服务。
3.根据权利要求2所述的方法，其特征在于，
所述预制服务包括数据库服务、各类应用中间件服务、数据分析处理服务、大数据服务、机器学习、深度学习等人工智能服务、物联网接入管理服务、持续集成交付。
4.根据权利要求1所述的方法，其特征在于，
所述的平台配置包含用户界面菜单展示风格、突显主要功能、新功能提醒、所需服务选择、创客开发应用的资源需求。
5.根据权利要求1所述的方法，其特征在于，
所述的创客云中心收集注册创客使用平台的行为以及其应用的运行状况，同时通过众包平台发布平台配置数据收集任务。
6.根据权利要求1所述的方法，其特征在于，
所述的创客是个人开发者或者开发团队，通过使用所述的创客云中心来进行创新创业，创客开发的创新应用运行在所述的创客云中心中，创客可以使用一个以上的创客云中心，接受众包平台发布的创客用户习惯数据采集任务，提供其使用各类创客云中心的情况以及其创新应用的配置和运行状况。
7.根据权利要求1所述的方法，其特征在于，
所述的创客云中心基于收集的数据生成用户画像、建立预测模型，为创客用户推荐平台配置。
8.根据权利要求1所述的方法，其特征在于，
具体步骤包括：
步骤101、所述的创客在所述的创客云中心进行注册，提交其基本信息，并接受平台协议，允许平台在不泄露个人隐私的情况下使用创客在平台中的状态数据及行为数据；
步骤102、所述的创客云中心进行审核，允许所述的创客使用平台；
步骤103、所述的创客使用平台提供和推荐的各类功能服务开发其领域创新应用，基于应用的实际需求以及平台的智能推荐，在所述的创客云中心申请计算、存储、网络、安全资源；
步骤104、所述的创客应用在所述的创客云中心中运行，对外提供服务；
步骤105、所述的创客云中心收集所述的创客使用本平台的用户行为数据及其应用的资源状况和运行状况数据；
步骤106、所述的创客云中心通过众包平台发布平台配置数据收集任务，收集创客用户使用平台的习惯、对于用户界面菜单风格的喜好、用户最常用功能、用户最常用服务、创客开发应用的业务领域需求、硬件资源情况、应用访问量等数据；
步骤107、所述的创客接受众包任务，提交相关数据，其中包含来自使用多个创客云中心的配置数据；
步骤108、所述的创客云中心通过众包平台收集到创客的云平台配置数据，对数据进行自动评估和筛选，控制数据质量；
步骤109、所述的创客云中心根据推荐需求设计特征项和标签规则，特别是概率型标签，将众包采集数据和云中心收集数据设计不同的阈值；
步骤110、利用贝叶斯网络等机器学习算法通过特征提取器，提取特征值，并为创客及其开发应用打上标签；
步骤111、根据收集的创客平台功能的使用习惯数据特征值进行聚类学习，形成神经网络模型；
步骤112、根据收集的创客应用运行状况和资源状况数据进行聚类分析分类，形成多个典型的应用画像；
步骤113、结合所述的创客云中心收集的数据及众包平台提供的数据，为创客用户生成多维度的创客画像；
步骤114、利用随机森林算法对数据进行训练，最终为每类创客形成随机森林模型，并进行交叉验证，确定最终机器学习预测模型；
步骤115、持续收集数据并训练推荐预测模型、创客画像、应用画像，由所述的云创客中心利用模型、用户画像为创客推荐其平台配置数据。
9.根据权利要求8所述的方法，其特征在于，
在步骤101中，提交其基本信息包含创客个人数据、应用开发方向、所属业务领域。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811364694.1A CN109525665A (zh) | 2018-11-16 | 2018-11-16 | 一种基于众包的创客云中心配置推荐方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811364694.1A CN109525665A (zh) | 2018-11-16 | 2018-11-16 | 一种基于众包的创客云中心配置推荐方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109525665A true CN109525665A (zh) | 2019-03-26 |
Family
ID=65777911
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811364694.1A Pending CN109525665A (zh) | 2018-11-16 | 2018-11-16 | 一种基于众包的创客云中心配置推荐方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109525665A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113128897A (zh) * | 2021-04-30 | 2021-07-16 | 平安国际融资租赁有限公司 | 一种众包任务资源配置方法、装置、电子设备及存储介质 |
| CN114136882A (zh) * | 2021-11-04 | 2022-03-04 | 池明旻 | 一种基于近红外光谱的织物纤维成分在线检测系统 |
| CN114880047A (zh) * | 2022-07-06 | 2022-08-09 | 深圳市星卡软件技术开发有限公司 | 云平台配置系统的方法、装置和计算机设备 |
| US20230055012A1 (en) * | 2021-08-19 | 2023-02-23 | Ford Global Technologies, Llc | Dynamic vehicle operation |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107423442A (zh) * | 2017-08-07 | 2017-12-01 | 火烈鸟网络(广州)股份有限公司 | 基于用户画像行为分析的应用推荐方法及系统，储存介质及计算机设备 |
| CN108460489A (zh) * | 2018-03-15 | 2018-08-28 | 重庆邮电大学 | 一种基于大数据技术的用户行为分析与服务推荐框架 |
| CN108647216A (zh) * | 2017-03-16 | 2018-10-12 | 上海交通大学 | 基于开发人员社交网络的软件众包任务推荐系统及方法 |
-
2018
- 2018-11-16 CN CN201811364694.1A patent/CN109525665A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108647216A (zh) * | 2017-03-16 | 2018-10-12 | 上海交通大学 | 基于开发人员社交网络的软件众包任务推荐系统及方法 |
| CN107423442A (zh) * | 2017-08-07 | 2017-12-01 | 火烈鸟网络(广州)股份有限公司 | 基于用户画像行为分析的应用推荐方法及系统，储存介质及计算机设备 |
| CN108460489A (zh) * | 2018-03-15 | 2018-08-28 | 重庆邮电大学 | 一种基于大数据技术的用户行为分析与服务推荐框架 |
Non-Patent Citations (1)
| Title |
|---|
| 刘明亮: "高性能云计算平台存储系统配置关键技术研究", 《中国博士学位论文全文数据库信息科技辑》 * |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113128897A (zh) * | 2021-04-30 | 2021-07-16 | 平安国际融资租赁有限公司 | 一种众包任务资源配置方法、装置、电子设备及存储介质 |
| CN113128897B (zh) * | 2021-04-30 | 2024-04-05 | 平安国际融资租赁有限公司 | 一种众包任务资源配置方法、装置、电子设备及存储介质 |
| US20230055012A1 (en) * | 2021-08-19 | 2023-02-23 | Ford Global Technologies, Llc | Dynamic vehicle operation |
| CN114136882A (zh) * | 2021-11-04 | 2022-03-04 | 池明旻 | 一种基于近红外光谱的织物纤维成分在线检测系统 |
| CN114136882B (zh) * | 2021-11-04 | 2024-04-19 | 池明旻 | 一种基于近红外光谱的织物纤维成分在线检测系统 |
| CN114880047A (zh) * | 2022-07-06 | 2022-08-09 | 深圳市星卡软件技术开发有限公司 | 云平台配置系统的方法、装置和计算机设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102448694B1 (ko) | 예측 데이터 분석을 위한 시스템 및 관련 방법 및 장치 | |
| US11386358B2 (en) | Intelligent decision support system | |
| US11295251B2 (en) | Intelligent opportunity recommendation | |
| Çavdar et al. | Airline customer lifetime value estimation using data analytics supported by social network information | |
| US20200057918A1 (en) | Systems and methods for training artificial intelligence to predict utilization of resources | |
| US20150134401A1 (en) | In-memory end-to-end process of predictive analytics | |
| CN109525665A (zh) | 一种基于众包的创客云中心配置推荐方法 | |
| CN107423442A (zh) | 基于用户画像行为分析的应用推荐方法及系统，储存介质及计算机设备 | |
| US9798788B1 (en) | Holistic methodology for big data analytics | |
| Al-Qirim et al. | Determinants of big data adoption and success | |
| CN102760128A (zh) | 一种基于智能客服机器人交互的电信领域套餐推荐方法 | |
| US11386338B2 (en) | Integrating multiple domain problem solving in a dialog system for a user | |
| CN113748439A (zh) | 电影的成功商数的预测 | |
| FR3108995A3 (fr) | Apprentissage de renforcement pour l’ergonomie des sites Web | |
| CN118093801A (zh) | 基于大语言模型的信息交互方法、装置以及电子设备 | |
| US11348020B2 (en) | Intelligent crowd-sourced instability detection in a computing environment | |
| CN108647064A (zh) | 操作路径导航的方法及装置 | |
| CN114417174B (zh) | 内容推荐方法、装置、设备及计算机存储介质 | |
| Poluru et al. | Applications of Domain-Specific Predictive Analytics Applied to Big Data | |
| Wu et al. | Toward predicting active participants in tweet streams: A case study on two civil rights events | |
| Kwak | A study on the evolution of post-smartphone technologies in the 5G technology environment | |
| US20230064816A1 (en) | Automated cognitive load-based task throttling | |
| CN113946753B (zh) | 基于位置围栏的服务推荐方法、装置、设备及存储介质 | |
| Tan et al. | Predicting the popularity of tweets using internal and external knowledge: an empirical Bayes type approach | |
| US20220284319A1 (en) | Intelligent guidance using machine learning for user navigation of multiple web pages |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190326 |
|
| RJ01 | Rejection of invention patent application after publication |