CN109690581B - 用户指导系统及方法 - Google Patents
用户指导系统及方法 Download PDFInfo
- Publication number
- CN109690581B CN109690581B CN201680088918.3A CN201680088918A CN109690581B CN 109690581 B CN109690581 B CN 109690581B CN 201680088918 A CN201680088918 A CN 201680088918A CN 109690581 B CN109690581 B CN 109690581B
- Authority
- CN
- China
- Prior art keywords
- user
- knowledge
- user path
- graph
- path
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 50
- 230000006854 communication Effects 0.000 claims abstract description 26
- 238000004891 communication Methods 0.000 claims abstract description 26
- 239000000463 material Substances 0.000 claims description 69
- 238000010801 machine learning Methods 0.000 claims description 23
- 230000003416 augmentation Effects 0.000 claims 3
- 238000012545 processing Methods 0.000 description 60
- 230000015654 memory Effects 0.000 description 50
- 238000004422 calculation algorithm Methods 0.000 description 24
- 230000008859 change Effects 0.000 description 10
- 238000010586 diagram Methods 0.000 description 9
- 238000012986 modification Methods 0.000 description 8
- 230000004048 modification Effects 0.000 description 8
- 230000008569 process Effects 0.000 description 6
- 238000004590 computer program Methods 0.000 description 4
- 238000003066 decision tree Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 230000007175 bidirectional communication Effects 0.000 description 3
- 238000007635 classification algorithm Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000001737 promoting effect Effects 0.000 description 3
- 238000012706 support-vector machine Methods 0.000 description 3
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 2
- 229910052737 gold Inorganic materials 0.000 description 2
- 239000010931 gold Substances 0.000 description 2
- 230000003370 grooming effect Effects 0.000 description 2
- 230000002085 persistent effect Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000003889 chemical engineering Methods 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 230000006837 decompression Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- -1 foreign exchange Substances 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000001465 metallisation Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 239000010970 precious metal Substances 0.000 description 1
- 238000007639 printing Methods 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 229910052709 silver Inorganic materials 0.000 description 1
- 239000004332 silver Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 239000010409 thin film Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Transfer Between Computers (AREA)
- User Interface Of Digital Computer (AREA)
Abstract
本申请公开了一种用户指导方法和系统。该方法包括:获取第一个用户路径(510),所述用户路径包括一个用户在通信终端上对两个或多个节点的操作组成的流程。该方法还包括至少部分基于所述第一个用户路径生成教材(520),所述教材包括优化的用户路径或至少一个知识点,以及向用户提供所述教材(530)。
Description
技术领域
本申请涉及一种用户指导系统及方法,尤其是基于获取的用户路径通过机器学习生成教材,从而向用户提供教材。
背景技术
不同知识背景的人从事同样的工作,表现因人而异。在金融投资领域中,不同用户使用相同的金融理财类软件,由于其知识背景的差异,往往会有收益结果上的差异。相似知识背景的用户使用相同的金融理财类软件,因为其投资思维、投资逻辑的差异同样会带来不同的收益结果。现有技术中的金融理财类软件有的可能以软件说明书的方式提供了对软件操作的指导。而实际应用中用户更需要对操作背后蕴藏的知识和投资思维、投资逻辑的指导。
本申请想要解决的问题是如何把金融理财类软件用得好的用户的知识和决策逻辑介绍给用得不好的人。这个问题可以分解为:(1)如何获取用得好的用户的知识和决策逻辑;(2)如何将获取的知识和决策逻辑处理之后形成教材;以及(3)如何根据用得不好的用户的使用能力因材施教,采用用户更容易接受的方式进行指导。
用得好的用户的知识和决策逻辑蕴含在用户对软件或系统的操作中,但如果只是提供软件操作的指导,用户不能理解操作背后蕴藏的知识、投资思维和投资逻辑。因此,需要解决从用得好的用户操作中获取该用户或该类用户的知识和投资逻辑的问题。
如果直接使用获得的知识和投资逻辑进行用户指导,用户可能只是简单的模仿用得好的用户的操作,而不能真正获得这种知识和投资逻辑。另外,针对不同的用户和实际场景,同样的知识和投资逻辑并不是都适用。因此,需要对获得的知识和投资逻辑进行处理,使之成为用户容易接受的教材。
由于受教育水平、生活阅历、工作经历和软件使用能力的差别,不同用户对于同一教材的接受水平是有差别的。如何根据用户的使用能力匹配以相应的教材也是本申请要解决的问题之一。
简述
本申请一方面是关于一个用户指导系统,根据其中一个实施例,该系统包括:一个处理器;一个计算机可读存储介质,所述计算机存储介质承载指令,当由所述处理器执行所述指令时,所述指令使处理器执行:获取第一个用户路径,所述用户路径包括一个用户在通信终端上对两个或多个节点的操作组成的流程;至少部分基于所述第一个用户路径生成教材,所述教材包括优化的用户路径或至少一个知识点;向用户提供所述教材。
本申请另一方面是关于一个用户指导方法,根据其中一个实施例,该方法包括:获取第一个用户路径,所述用户路径包括一个用户在通信终端上对两个或多个节点的操作组成的流程;至少部分基于所述第一个用户路径生成教材,所述教材包括优化的用户路径或至少一个知识点;向用户提供所述教材。
本申请另一方面是关于一个计算机可读存储介质,根据其中一个实施例,所述计算机存储介质承载指令,当由所述处理器执行所述指令时,所述指令使处理器执行:获取第一个用户路径,所述用户路径包括一个用户在通信终端上对两个或多个节点的操作组成的流程;至少部分基于所述第一个用户路径生成教材,所述教材包括优化的用户路径或至少一个知识点;向用户提供所述教材。
附图描述
为了更清楚地说明本申请实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域的普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图将本申请应用于其它类似情景。除非从语言环境中显而易见或另做说明,图中相同标号代表相同结构和操作。
图1是根据本申请的一些实施例所示的用户指导系统的一种示例系统配置的示意图;
图2是根据本申请的一些实施例所示的用户指导系统的一种示例结构示意图;
图3是根据本申请的一些实施例所示的用户指导系统的一种示例模块示意图;
图4是根据本申请的一些实施例所示的数据处理模块的一种示例结构示意图;
图5是根据本申请的一些实施例所示的提供用户指导的一种示例流程图;
图6是根据本申请的一些实施例所示的生成用户路径库和知识图谱库的示例流程图;
图7是根据本申请的一些实施例所示的生成教材方法的示例流程图;
图8是根据本申请的一些实施例所示的生成教材方法的示例流程图;
图9是根据本申请的一些实施例所示的划分用户等级方法的示例流程图。
具体描述
如本说明书和权利要求书中所示,除非上下文明确提示例外情形,“一”、“一个”、“一种”和/或“该”等词并非特指单数,也可包括复数。一般说来,术语“包括”与“包含”仅提示包括已明确标识的步骤和元素,而这些步骤和元素不构成一个排它性的罗列,方法或者设备也可能包含其它的步骤或元素。
本说明书所述的用户指导方法是指通过获取用户路径,基于获取的用户路径通过机器学习生成教材,向用户提供所述教材的方法。在一些实施例中,本申请涉及一种用户指导系统。该用户指导系统可以包括一个处理器;一个计算机可读存储介质,所述计算机存储介质承载指令,当由所述处理器执行所述指令时,所述指令使处理器执行:获取第一个用户路径,所述用户路径包括一个用户在通信终端上对两个或多个节点的操作组成的流程;至少部分基于所述第一个用户路径生成教材,所述教材包括优化的用户路径或至少一个知识点;向用户提供所述教材。
本申请的不同实施例可适用于多种领域,包括但不限于金融及其衍生物投资(包括但不限于股票、债券、黄金、纸黄金、白银、外汇、贵金属、期货、货币基金等)、科技(包括但不限于数学、物理、化学及化学工程、生物及生物工程、电子工程、通信系统、互联网、物联网等)、政治(包括但不限于政治人物、政治事件、国家)、新闻(从区域而言,包括但不限于地区新闻、国内新闻、国际新闻;从新闻主体而言,包括但不限于政治新闻、体育新闻、科技新闻、经济新闻、生活新闻、气象新闻等)等。本申请的不同实施例应用场景包括但不限于网页、浏览器插件、客户端、定制系统、企业内部分析系统、人工智能机器人等一种或多种组合。以上对适用领域的描述仅仅是具体的示例,不应被视为是唯一可行的实施方案。显然,对于本领域的专业人员来说,在了解一种基于用户路径的用户指导方法和系统的基本原理后,可能在不背离这一原理的情况下,对实施上述方法和系统的应用领域形式和细节上的各种修正和改变,但是这些修正和改变仍在以上描述的范围之内。例如,在本申请的一个实施例中,向用户提供的教材可以是网页、视频等形式,对于本领域的专业人员来说,教材的形式也可以包括短信、QQ语音、微信语音、系统推送信息等。与此类似的替换或修正或改变,仍在本申请的保护范围之内。为了更清楚地说明本申请实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域的普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图将本申请应用于其它类似情景。除非从语言环境中显而易见或另做说明,图中相同标号代表相同结构和操作。
图1所示的是用户指导系统的一种示例系统配置的示意图。示例系统配置100可以包含但不限于一个或多个用户指导系统110、一个或多个网络120和一个或多个信息源130。用户指导系统110可以用于对获取的信息进行数据处理、生成教材以指导用户。用户指导系统110可以是一个服务器,也可以是一个服务器群组。服务器群组可以是集中式的,例如数据中心。服务器群组也可以是分布式的,例如一个分布式系统。用户指导系统110可以是本地的,也可以是远程的。
网络120可以提供信息交换的渠道。网络120可以是单一网络,也可以是多种网络组合的。网络120可以包括但不限于局域网、广域网、公用网络、专用网络、无线局域网、虚拟网络、都市城域网、公用开关电话网络等一种或多种组合。网络120可以包括多种网络接入点,如有线或无线接入点、基站或网络交换点,通过以上接入点使数据源连接网络120并通过网络接受和发送信息。
信息源130可以提供和获取各种信息。信息源130可以包括但不限于服务器、通信终端。进一步地,服务器(信息源130的一部分)可以是web服务器、文件服务器、数据库服务器、FTP服务器、应用程序服务器、代理服务器器等,或者上述服务器的任意组合。通信终端(信息源130的一部分)可以是手机、个人电脑、可穿戴设备、平板电脑、智能电视等,或则上述通信终端的任意组合。信息源130可以通过网络120发送或/和收集信息到用户指导系统110,信息源130可以是用户输入的信息,也可以是其他数据库或信息源提供的信息。
图2所示的是用户指导系统110的一种示例结构的示意图。用户指导系统110可以包含但不限于一个或多个处理器210、一个或多个输入输出设备220、一个或多个存储器230、一个或多个网络接口240。上述设备中部分或全部可以与网络120连接。上述设备可以是集中式的也可以是分布式的。上述设备中的一个或多个设备可以是本地的也可以是远程的。
处理器210可以通过计算机程序指令控制用户指导系统110的运作。这些计算机程序指令可以存储在一个或多个存储器230上。上述一个或多个处理器210可以包含但不限于微控制器、简化指令系统计算机(RISC)、专用集成电路(ASIC)、特定应用指令集处理器(ASIP)、中央处理器(CPU)、图形处理器(GPU)、物理处理器(PPU)、微处理器单元、数字信号处理器(DSP)、现场可编程门阵列(FPGA),或者其他能够执行计算机程序指令的电路或处理器或其组合。
输入输出设备220可以实现用户与用户指导系统110的交互。在一些实施例中,输入输出设备220可以通过网络120从信息源130收集信息。在一些实施例中,输入输出设备220可以通过网络120向信息源130发送信息。在一些实施例中,输入输出设备220向用户指导系统110发送信息的途径可以包含但不限于键盘输入、触摸屏输入、鼠标输入、摄像头、扫描仪、手写板输入、语音输入等一种或多种组合。在一些实施例中,输入输出设备220输出信息的途径可以包含但不限于显示器显示、打印机打印、扬声器播放等一种或多种组合。输出的形式可以包含但不限于数字、字符、图片、音频和视频等一种或多种组合。
存储器230可以用来存放各种信息,例如控制用户指导系统110的计算机程序指令和数据等。上述一个或多个存储器230可以是利用电能方式存储信息的设备,例如各种存储器、随机存取存储器(Random Access Memory,RAM)、只读存储器(Read Only Memory,ROM)等。其中随机存储器包括但不限于十进计数管、选数管、延迟线存储器、威廉姆斯管、动态随机存储器(DRAM)、静态随机存储器(SRAM)、晶闸管随机存储器(T-RAM)、零电容随机存储器(Z-RAM)等中的一种或几种的组合。只读存储器包括但不限于磁泡存储器、磁钮线存储器、薄膜存储器、磁镀线存储器、磁芯内存、磁鼓存储器、光盘驱动器、硬盘、磁带、早期非易失存储器(NVRAM)、相变化内存、磁阻式随机存储式内存、铁电随机存储内存、非易失SRAM、闪存、电子抹除式可复写只读存储器、可擦除可编程只读存储器、可编程只读存储器、屏蔽式堆读内存、浮动连接门随机存取存储器、纳米随机存储器、赛道内存、可变电阻式内存、可编程金属化单元等中的一种或几种的组合。上述一个或多个存储器230可以是利用磁能方式存储信息的设备,例如硬盘、软盘、磁带、磁芯存储器、磁泡存储器、U盘、闪存等。上述一个或多个存储器230可以是利用光学方式存储信息的设备,例如CD或DVD等。上述一个或多个存储器230可以是利用磁光方式存储信息的设备,例如磁光盘等。上述一个或多个存储器230的存取方式可以是随机存储、串行访问存储、只读存储等一种或多种组合。上述一个或多个存储器230可以是非永久记忆存储器,也可以是永久记忆存储器。以上提及的存储器230是列举了一些例子,该用户指导系统110可以使用的存储器230并不局限于此。上述一个或多个存储器230可以是本地的,也可以是远程的,也可以是云服务器上的。
网络接口240可以通过网络120实现用户指导系统110的部分或全部设备与信息源130之间的通讯。在一些实施例中,网络接口240可以通过网络120实现用户指导系统110的部分或全部设备之间的通讯。网络接口240可以是有线网络接口或无线网络接口。网络接口240可以包含但不限于金属缆线、光纤、混合缆线、连接电路或其他有线网络接口或一种或多种的组合。网络接口240可以包含但不限于无线局域网(WLAN)接口、局域网络(LAN)接口、广域网(WAN)接口、蓝牙(Bluetooth)连接、无线传感器网络(ZigBee)接口、近距离无线通讯(NFC)接口等一种或多种的组合。
图3所示的是用户指导系统110的一种示例模块示意图。用户指导系统110可以包含但不限于一个或多个获取模块310、一个或多个数据库320、一个或多个数据处理模块330、一个或多个用户指导模块340。本申请中的“模块”指的是存储在硬件、固件中的逻辑或一组软件指令。这里所指的“模块”能够通过软件和/或硬件模块执行,也可以被存储于任何一种计算机可读的非临时媒介或其他存储设备中。在某些实施例中,一个软件模块可以被编译并连接到一个可执行的程序中。这里的软件模块可以对自身或其他模块传递的信息作出回应,并且/或者可以在检测到某些事件或中断时作出回应。可以在一个计算机可读媒介(例如存储器230)上提供一个被设置为可以在计算设备上(例如处理器210)执行操作的软件模块,这里的计算机可读媒介可以是光盘、数字光盘、闪存盘、磁盘或任何其他种类的有形媒介;也可以通过数字下载的模式获取软件模块(这里的数字下载也包括存储在压缩包或安装包内的数据,在执行之前需要经过解压或解码操作)。这里的软件代码可以被部分的或全部的储存在执行操作的计算设备的存储设备中,并应用在计算设备的操作之中。软件指令可以被植入在固件中,例如可擦可编程只读存储器(EPROM)。显然,硬件模块可以包含连接在一起的逻辑单元,例如门、触发器,以及/或包含可编程的单元,例如可编程的门阵列或处理器。这里所述的模块或计算设备的功能优选的作为软件模块实施,但是也可以被表示在硬件或固件中。一般情况下,这里所说的模块是逻辑模块,不受其具体的物理形态或存储器的限制。一个模块能够与其他的模块组合在一起,或被分隔成为一系列子模块。
上述的模块中部分或全部可以与网络120连接。上述模块可以是集中式的也可以是分布式的。上述模块中的一个或多个模块可以是本地的也可以是远程的。在一些实施例中,上述一个或多个模块的功能可以由一个或多个处理器210实现。在一些实施例中,上述一个或多个模块的功能也可以由一个或多个处理器210、一个或多个输入输出设备220、一个或多个存储器230、一个或多个网络接口240等一种或多种的组合实现。
获取模块310可以用于以各种方式获取所需要的信息。获取信息的方式可以是直接的(例如直接通过网络120从一个或多个信息源130获取信息),也可以是间接的(例如通过数据库320、数据处理模块330或者用户指导模块340来获取信息)。在一些实施例中,获取模块310可以获取的信息包含但不限于用户路径、用户表现、知识图谱等一种或多种组合。
术语“用户路径”在本申请中可以指用户在一个或多个节点的操作连成的操作流程,其中至少一个节点是在用户的通信终端上的节点。用户路径可以包括点击浏览知识点和进行交易操作。在一些实施例中,用户路径可以是用户点击并浏览用户指导系统110提供的K线、新闻等信息,然后进行交易的操作流程。在一些实施例中,用户路径可以是用户直接进行交易的操作流程。术语“节点”在本申请中可以指用户的通讯终端或其他设备提供的可以与用户交互的界面或界面的组成部分。在一些实施例中,节点可以是用户指导系统110提供的K线、均线、公司的公告、研报、新闻、业绩变化情况等一种或多种的组合。在一些实施例中,节点可以是选择标的、投资、卖出变现等操作对应的按钮、文本框、密码框、单选框、复选框、下拉选择框等一种或多种的组合。
术语“用户表现”在本申请中可以指与用户路径对应的过程结果或者最终结果。过程结果可以包括但不限于对标的的选择(即判断哪些股票应该重点去投资)、对当前趋势环境的分析结果(即判断当前的趋势环境适不适合投资)、投资时机的判断(即现在投资还是等价格回落后获利卖掉变现的时机的判断)等一种或多种的组合。最终结果可以包括但不限于单笔交易的收益额、每个交易日的收益总额等一种或多种的组合。
数据库320可以用于存储数据或信息,和/或生成一个或多个子数据库等。在一些实施例中,一个或多个子数据库(图中未体现)可以包括用户路径库和知识图谱库。数据库320可以包括但不限于层次式数据库、网络式数据库和关系式数据库等其中一种或多种组合。
术语“知识图谱”在本申请中可以指用户了解的知识范围。在一些实施例中,知识图谱可以指用户在交易之前(短期)以及长久以来接触过的知识点的统计整合。在一些实施例中,知识图谱可以指用户自注册账户以来从用户指导系统110获取的知识点(K线,均线,公司信息,如公告、研报、新闻、业绩变化情况等一种或多种的组合)的集合。
数据库320可以与信息源130传递或交换信息。数据库320可以接收信息源130的信息,将其存储在数据库320。根据收到的指令,数据库320中存储的信息可以被提取,传递给信息源130。该指令可以是直接来源于信息源130,也可以来自其他模块,如获取模块310、数据处理模块330和/或用户指导模块340等。数据库320可以与获取模块310传递或交换信息。数据库320可以接收获取模块310获取的信息,如用户路径、用户表现等,将其存储在数据库320。根据收到的指令,数据库320中存储的信息可以被提取,传递给获取模块310。该指令可以是直接来源于获取模块310,也可以来自其他模块,如数据处理模块330和/或用户指导模块340等。数据库320可以与数据处理模块330传递或交换信息。数据库320可以接收数据处理模块330的信息,将其存储在数据库320。根据收到的指令,数据库320中存储的信息可以被提取,传递给数据处理模块330。该指令可以是直接来源于数据处理模块330,也可以来自其他模块,如获取模块310和用户指导模块340等。数据库320可以与用户指导模块340传递或交换信息。数据库320可以接收用户指导模块340的信息,将其存储在数据库320。根据收到的指令,数据库320中存储的信息可以被提取,传递给用户指导模块340。该指令可以是直接来源于用户指导模块340,也可以来自其他模块,如获取模块310和数据处理模块330。
数据库320发送给用户指导系统110的其他模块(如获取模块310、数据处理模块330和/或用户指导模块340)的信息可以是直接从信息源130获取的信息,也可以是经过数据处理后的信息。经过数据处理的信息,可以是经过数据处理模块330处理后储存在数据库320的信息。数据库320与其他模块信息传递的方式可以是有线的也可以是无线的,可以是直接的也可以是间接的,可以是同时进行的也可以是顺序进行的,可以是周期的也可以是非周期的等。
数据处理模块330可以用于对获取的信息进行数据处理、生成教材。获取的信息可以包括但不限于用户路径、知识图谱、用户表现等中的一种或多种组合。获取的信息的来源可以包括但不限于获取模块310、数据库320等。在一些实施例中,获取模块310可以直接通过网络120从用户的通信终端(信息源130的一部分,如手机、个人电脑、可穿戴设备、平板电脑、智能电视等)获取用户的用户路径和/或用户表现。在一些实施例中,数据处理模块330可以发送请求并接收获取模块310发送的用户路径。获取模块310在收到从数据处理模块330发来的请求之后,可以将存储在获取模块310中的信息传输给数据处理模块330。
术语“教材”在本申请中可以指通过人工整理或者机器学习生成的部分或完整的优化用户路径或至少一个知识点。在一些实施例中,教材可以指通过人工整理或者机器学习生成的知识点的集合。在一些实施例中,教材可以指某个现实的交易案例中的用户路径。在一些实施例中,教材可以指通过机器学习后产生的新的用户路径。
数据处理模块330可以与获取模块310进行双向通信。数据处理模块330可以处理获取模块310传输的信息,信息处理可以包括但不限于选择用户路径、生成知识图谱、比较和生成教材等中的一种或多种组合。数据处理模块330可以向获取模块310发送信息,发送的信息可以包括但不限于经过数据处理的信息以及控制信息,该控制信息可以包括但不限于信息收集方式的控制信息、信息收集时间的控制信息、信息收集来源的控制信息等。数据处理模块330可以与数据库320进行双向通信。数据处理模块330可以处理数据库320传输的信息,信息处理可以包括但不限于选择用户路径、生成知识图谱、比较和生成教材等中的一种或多种组合。数据处理模块330可以将经过数据处理后的信息传输给数据库320进行储存,也可以向数据库320发送请求信息并接收数据库320发送的信息。数据处理模块330可以与用户指导模块340进行双向通信。数据处理模块330可以将经过数据处理后的信息传输给用户指导模块340,也可以接收用户指导模块340发送的信息。
用户指导模块340可以用于向用户提供教材。在一些实施例中,用户指导模块340可以向数据处理模块330发送请求并接收数据处理模块330发送的教材。数据处理模块330在收到从用户指导模块340发来的请求之后,可以将存储在数据处理模块330中的教材传输给用户指导模块340。用户指导模块340提供给用户的教材可以包括但不限于用户指导系统110的软件操作、扩充知识图谱的建议、股票期货等金融知识、投资的思维逻辑等中的一种或多种组合。提供教材的方式可以包括但不限于系统弹窗、系统通知、系统演示、软件推送信息、短信、彩信、QQ留言、微信语音、视频网站的视频教学、客服电话指导以及其他可用于人机交流或人与人交流而且用户容易接受的方式。指导的程度可以是根据用户使用用户指导系统110的能力,由浅入深,以用户更容易接受的方式进行。
在一些实施例中,用户指导系统110可以根据用户使用用户指导系统110的能力进行等级划分,然后根据等级匹配相应的指导方式。例如,对刚注册的新用户,用户指导系统110对其评估后划分为初级用户,并匹配以初级用户的知识点(如投资前该看K线、公告等建议);对于使用多年的熟练用户,用户指导系统110对其评估后划分为高级用户,并匹配以高级用户的知识点(如背后的趋势理论、波浪理论)。
用户指导模块340可以向获取模块310发送请求,获取模块310可以根据请求访问数据库320获取需要的信息。需要的信息被获取之后,获取模块310将该信息传输给用户指导模块340。在一些实施例中,获取模块310在收到从用户指导模块340发来的请求之后,也可以将存储在获取模块310中的信息传输给用户指导模块340。在一些实施例中,用户指导模块340可以直接访问数据库320,并向数据库320发送请求以获取需要的信息,该信息可以被传输给用户指导模块340。在一些实施例中,数据库320可以在没有收到请求的情况下向用户指导模块340发送信息。用户指导模块340可以向数据处理模块330发送请求,数据处理模块330可以根据请求访问数据库320获取需要的信息。需要的信息被获取之后,数据处理模块330将该信息传输给用户指导模块340。在一些实施例中,数据处理模块330在收到从用户指导模块340发来的请求之后,也可以将存储在数据处理模块330中的信息传输给用户指导模块340。用户指导模块340收到的输入信息可以包括但不限于通过人工整理或者机器学习生成的知识点的集合、某些现实的交易案例中的用户路径、通过人工整理或者机器学习后产生的新的用户路径等。
显然,对于本领域的专业人员来说,在了解用户指导系统110及方法的原理后,可能在不背离这一原理的情况下,对各个模块进行任意组合,或者构成子系统与其它模块连接,对实施上述方法和系统的应用领域形式和细节上的各种修正和改变,但是这些修正和改变仍在以上描述的范围之内。例如,获取模块310、数据库320、数据处理模块330、用户指导模块340可以是体现在一个系统中的不同模块,也可以集成在一个模块实现上述的两个或两个以上模块的功能,类似的变形仍在本申请的权利要求保护范围之内。
图4所示的是数据处理模块330的一种示例结构示意图。数据处理模块330可以包含但不限于一个或多个选择单元410、一个或多个知识图谱生成单元420、一个或多个比较单元430和一个或多个教材单元440。上述的单元中部分或全部可以与网络120连接。上述单元可以是集中式的也可以是分布式的。上述单元中的一个或多个单元可以是本地的也可以是远程的。在一些实施例中,上述一个或多个单元的功能可以由一个或多个处理器210实现。在一些实施例中,上述一个或多个单元的功能也可以由一个或多个处理器210、一个或多个输入输出设备220、一个或多个存储器230、一个或多个网络接口240等一种或多种的组合实现。
在一些实施例中,选择单元410可以对用户路径库和/或知识图谱库进行选择操作。选择单元410可以通过访问用户指导系统110中的其他模块进行选择操作(如获取模块310、数据库320)。在一些实施例中,选择单元410可以通过访问获取模块310对存储在获取模块310中的信息进行选择。在一些实施例中,选择单元410可以通过访问数据库320对存储在数据库320中的信息进行选择。
在一些实施例中,选择单元410对用户路径进行选择时使用的选择指标可以包含但不限于用户路径的相似度、用户路径的节点数(用户路径长度)、用户路径对应的用户表现(如单笔交易的收益额)等中的一种或多种组合。在一些实施例中,选择单元410可以选择与某用户路径模糊匹配(例如相似度介于70%-80%)的一个或多个用户路径。在一些实施例中,选择单元410可以选择与某用户路径精确相似(例如相似度大于90%)的一个或多个用户路径。在一些实施例中,选择单元410可以选择与某用户路径精确相似(例如相似度大于90%)且用户表现优于该用户路径的一个或多个用户路径。
在一些实施例中,选择单元410对知识图谱进行选择时使用的选择指标可以包含但不限于知识图谱的相似度、知识图谱的知识点种类、用户对用户指导系统110提供的某一类或某几类知识点(K线,均线,公司信息等一种或多种的组合)的点击浏览量等。在一些实施例中,选择单元410可以选择与某知识图谱精确相似(例如相似度大于90%)的一个或多个知识图谱。
选择单元410对知识图谱进行选择时可以使用排序算法。选择单元410可以使用的排序算法包含但不限于冒泡排序、鸡尾酒排序、插入排序、桶排序、计数排序、合并排序、原地合并排序、二叉排序树排序、鸽巢排序、基数排序、Gnome排序、图书馆排序、选择排序、希尔排序、组合排序、堆排序、平滑排序、快速排序等一种或多种的组合。
知识图谱生成单元420可以用于根据用户路径生成知识图谱。用户路径的来源可以包含但不限于用户指导系统110中其他模块(如获取模块310、数据库320)或者数据处理模块的其他单元(如选择单元410)等一种或多种的组合。在一些实施例中,知识图谱生成单元420可以向获取模块310发送请求,获取模块310可以根据请求将用户路径传输给知识图谱生成单元420。在一些实施例中,获取模块310可以在没有收到请求的情况下向知识图谱生成单元420发送用户路径。
在一些实施例中,知识图谱生成单元420生成知识图谱时使用的指标可以包含但不限于用户的知识背景,周边的行业分布,促销情况,风险教育情况、K线,均线,公司的公告、研报、新闻、业绩变化情况等一种或多种的组合。知识图谱生成单元420生成的知识图谱的表现形式可以是多维雷达图、知识点地图、多维向量、柱形图、扇形图、表格等一种或多种的组合。
比较单元430可以用于比较两个或两个以上知识图谱,从而得出比较结果。术语“比较结果”在本申请中可以指通过比较得到的两个或两个以上知识图谱之间的区别。在一些实施例中,比较结果可以指通过比较算法得到的两个或两个以上知识图谱之间不同的知识点或相同知识点的不同获取程度(如获取量、获取频率等)。知识图谱的来源可以包含但不限于用户指导系统110中其他模块(如数据库320)或者数据处理模块330的其他单元(如知识图谱生成单元420)等一种或多种的组合。在一些实施例中,比较单元430可以向知识图谱生成单元420发送请求,知识图谱生成单元420可以根据请求将知识图谱传输给比较单元430。在一些实施例中,知识图谱生成单元420可以在没有收到请求的情况下向比较单元430发送知识图谱。
在一些实施例中,比较单元430比较两个或两个以上知识图谱时使用的指标可以包含但不限于用户的知识背景,周边的行业分布,促销情况,风险教育情况、K线,均线,公司的公告、研报、新闻、业绩变化情况等一种或多种的组合。
教材单元440可以用于教材的生成。生成教材的素材来源可以包含但不限于用户指导系统110中其他模块(如获取模块310和/或数据库320)或者数据处理模块的其他单元(如选择单元410和/或比较单元430)等一种或多种的组合。在一些实施例中,教材单元440可以向选择单元410发送请求,选择单元410可以根据请求将素材传输给教材单元440。在一些实施例中,选择单元410可以在没有收到请求的情况下向教材单元440发送生成教材的素材。
教材单元440可以基于选择得到的一个或多个用户路径或两个知识图谱的比较结果生成教材。教材的内容可以包含但不限于知识点的集合、某个现实的交易案例中的用户路径、通过机器学习后产生的新的用户路径等一种或多种的组合。教材的生成方式可以是人工整理或机器学习。通过机器学习生成教材的算法可以包含但不限于分类决策树算法、K-平均算法、支持向量机、Apriori算法、最大期望(EM)算法、PageRank、AdaBoost迭代算法、K最近邻分类算法、朴素贝叶斯模型、分类与回归树等一种或多种的组合。
以上对数据处理模块的描述仅仅是具体的示例,不应被视为是唯一可行的实施方案。显然,对于本领域的专业人员来说,在了解所需要的信息的基本原理后,可能在不背离这一原理的情况下,对所需要的信息的内容进行各种修正和改变,但是这些修正和改变仍在以上描述的范围之内。例如,选择单元410、知识图谱生成单元420、比较单元430和/或教材单元440可以是体现在一个模块中的不同单元,也可以集成在一个单元实现上述的两个或两个以上单元的功能,类似的变形仍在本申请的权利要求保护范围之内。
图5所示的是一个示例用户指导方法500的流程图。第一个用户路径在步骤510被获取。该步骤可以由获取模块310完成。用户路径可以来源于信息源130或数据库320。信息源130可以包括但不限于服务器、通信终端。通信终端可以是手机、个人电脑、可穿戴设备、平板电脑、智能电视等,或者上述通信终端的任意组合。在一些实施例中,用户指导系统110可以通过获取模块310从通信终端(如智能手机)获取用户路径。在一些实施例中,用户指导系统110可以通过获取模块310从存储在数据库320的用户路径库中获取用户路径。从数据库320的用户路径库中获取的用户路径可以是用户本人的历史用户路径也可以是其他用户的用户路径。
教材可以在步骤520中生成。该步骤可以由数据处理模块330完成。在一些实施例中,步骤520还可以包括选择用户路径、生成知识图谱和比较等步骤。在一些实施例中,教材的生成基于选择得到的一个或多个用户路径。在一些实施例中,教材的生成基于两个知识图谱的比较结果。在一些实施例中,教材的生成可以部分基于获取的第一个用户路径。在一些实施例中,教材的生成可以部分基于根据所述用户的知识图谱划分的用户等级。在一些实施例中,教材可以包括网页、软件推送信息、语音、视频教程、短信、彩信、QQ留言、微信语音等一种或几种的组合。
教材的生成方式可以是人工整理或机器学习。在一些实施例中,用户指导系统110可以通过机器学习的算法(如朴素贝叶斯模型、决策树算法等)对选择得到的一个或多个用户路径进行机器学习,从而生成优化后的用户路径。优化后的用户路径可以是用户表现相似,但节点数量减少(更短的用户路径)或用户路径相似,但用户表现更优(如单笔交易的收益额更高)。在一些实施例中,用户指导系统110可以通过机器学习的算法对两个知识图谱的比较结果进行机器学习,从而生成知识点的集合。该知识点的集合可以用于指导用户扩充知识图谱。
在步骤530中用户指导系统110向用户提供在步骤520中生成的教材。步骤530可以由用户指导模块340完成。提供教材可以以所有可用于人机交流或人与人交流而且用户容易接受的方式进行,例如系统弹窗、系统通知、系统演示、软件推送信息、短信、彩信、QQ留言、微信语音、视频网站的视频教学、客服电话指导等一种或几种的组合。在一些实施例中,用户指导系统110可以用客服语音的方式对用户的用户路径提出优化建议。在一些实施例中,用户指导系统110可以用推送信息的方式向用户推荐知识点。
图6所示的是一个示例生成用户路径库和知识图谱库方法的流程图。用户路径在步骤610被获取。该步骤可以由获取模块310完成。用户路径可以来源于数据库320或信息源130(如手机、个人电脑、可穿戴设备、平板电脑、智能电视等)。在一些实施例中,用户指导系统110可以通过获取模块310从通信终端(如手机)获取用户路径。在一些实施例中,获取的用户路径可以是用户当前操作对应的用户路径,也可以是用户的历史用户路径。在一些实施例中,用户指导系统110可以获取多个用户的一个或多个用户路径。
用户表现在步骤620被获取。该步骤可以由获取模块310完成。用户表现可以来源于信息源130(如手机、个人电脑、可穿戴设备、平板电脑、智能电视等)。获取的用户表现与用户路径的对应关系可以是一一对应或多个用户表现对应一个用户路径。在一些实施例中,与步骤610中获取的用户路径对应的用户表现可以是对标的的选择、对当前趋势环境的分析结果、投资时机的判断、单笔交易的收益额、每个交易日的收益总额等中的一种或多种。
在步骤630中,用户指导系统110可以基于获取的用户路径和用户表现生成用户路径库。该步骤可以由数据库320完成。生成的用户路径库可以存储在数据库320中,存储方法包含但不限于顺序存储方法、链接存储方法、索引存储方法以及散列存储方法等。用户指导系统110可以根据用户账号为用户单独生成用户路径库,也可以将多个用户的用户路径库整合为一个用户路径库。在一些实施例中,用户指导系统110可以将多个用户的用户路径库整合为一个用户路径库并根据用户账号为用户单独生成用户路径库。
在步骤640中,用户指导系统110可以根据步骤610中获取的用户路径生成知识图谱。该步骤可以由数据处理模块330中的知识图谱生成单元420完成。用户指导系统110可以基于一个或多个用户的用户路径生成知识图谱。在一些实施例中,用户指导系统110可以根据一个用户的历史用户路径生成该用户对应的知识图谱。
在步骤650中,用户指导系统110可以根据生成的知识图谱生成知识图谱库。该步骤可以由数据库320完成。生成的知识图谱库可以存储在数据库320,存储方法包含但不限于顺序存储方法、链接存储方法、索引存储方法以及散列存储方法等。用户指导系统110可以根据用户账号为用户单独生成知识图谱库,也可以将多个用户的知识图谱库整合为一个知识图谱库。用户指导系统110可以根据知识图谱和生成知识图谱时依据的用户路径之间的对应关系生成知识图谱库。在一些实施例中,生成的知识图谱库中知识图谱和生成知识图谱时依据的用户路径为一对多关系。
回到图5,步骤520可由图7所示的示例生成教材方法实现。如图7所示,在步骤710中,用户指导系统110可以根据在步骤510中获得的第一个用户路径在用户路径库中选择第二个用户路径。该步骤可以由数据处理模块330中的选择单元410完成。选择的指标可以包含但不限于用户路径的相似度、用户路径的节点数(用户路径长度)、用户路径对应的用户表现(如单笔交易的收益额)等中的一种或多种组合。在一些实施例中,选择单元410可以选择与第一个用户路径模糊匹配(例如相似度介于70%-80%)的第二个用户路径。在一些实施例中,选择单元410可以选择与第一个用户路径精确相似(例如相似度大于90%)的第二个用户路径。在一些实施例中,选择单元410可以选择与第一个用户路径精确相似(例如相似度大于90%)且用户表现优于该用户路径的第二个用户路径。
在步骤720中,用户指导系统110可以根据第一个用户路径生成第一个知识图谱。该步骤可以由数据处理模块330中的知识图谱生成单元420完成。用户指导系统110生成知识图谱时使用的指标可以包含但不限于用户的知识背景,周边的行业分布,促销情况,风险教育情况、K线,均线,公司的公告、研报、新闻、业绩变化情况等一种或多种的组合。知识图谱生成单元420生成的知识图谱的表现形式可以是多维雷达图、知识点地图、多维向量、柱形图、扇形图、表格等一种或多种的组合。
在一些实施例中,用户指导系统110可以在步骤710之前根据第一个用户路径生成第一个知识图谱。在一些实施例中,步骤710和步骤720可以同时进行。在一些实施例中,步骤720和步骤730可以同时进行。在一些实施例中,步骤720可以先于步骤730进行。步骤730也可以由数据处理模块330中的知识图谱生成单元420完成。
在步骤740中,用户指导系统110可以通过比较第一个知识图谱和第二个知识图谱得到比较结果。该步骤可以由数据处理模块330中的比较单元430完成。用户指导系统110比较第一个和第二个知识图谱时使用的指标可以包含但不限于用户的知识背景,周边的行业分布,促销情况,风险教育情况、K线,均线,公司的公告、研报、新闻、业绩变化情况等一种或多种的组合。
教材可以在步骤750中生成。教材的生成可以基于第一个知识图谱和第二个知识图谱的比较结果。该步骤可以由数据处理模块330中的教材单元440完成。用户指导系统110生成教材的方式可以是人工整理或机器学习。通过机器学习生成教材的算法可以包含但不限于分类决策树算法、K-平均算法、支持向量机、Apriori算法、最大期望(EM)算法、PageRank、AdaBoost迭代算法、K最近邻分类算法、朴素贝叶斯模型、分类与回归树等一种或多种的组合。教材的内容可以包含但不限于知识点(K线,均线,公司信息等一种或多种的组合)的集合、某个现实的交易案例中的用户路径、通过机器学习后产生的新的用户路径等一种或多种的组合。
再回到图5,步骤520可由图8所示的生成教材方法实现。如图8所示,在步骤810,可以根据第一个用户路径生成第一个知识图谱。该步骤可以由数据处理模块330中的知识图谱生成单元420完成。用户指导系统110生成知识图谱时使用的指标可以包含但不限于用户的知识背景,周边的行业分布,促销情况,风险教育情况、K线,均线,公司的公告、研报、新闻、业绩变化情况等一种或多种的组合。知识图谱生成单元420生成的知识图谱的表现形式可以是多维雷达图、知识点地图、多维向量、柱形图、扇形图、表格等一种或多种的组合。
在步骤820中,用户指导系统110可以根据第一个知识图谱从知识图谱库中选择第二个知识图谱。该步骤可以由数据处理模块330中的选择单元410完成。从知识图谱库中选择知识图谱时使用的选择指标可以包含但不限于知识图谱的相似度、知识图谱的知识点种类、用户对用户指导系统110提供的某一类或某几类知识点(K线,均线,公司信息等一种或多种的组合)的点击浏览量等。在一些实施例中,选择单元410可以选择与第一个知识图谱精确相似(例如相似度大于90%)的第二个知识图谱。
在步骤830中,用户指导系统110可以根据第二个知识图谱从知识图谱库获取第二个知识图谱对应的多个用户路径。该步骤可以由获取模块310完成。用户指导系统110可以根据知识图谱和生成知识图谱时依据的用户路径之间的对应关系获取与第二个知识图谱对应的一个或多个用户路径。第二个知识图谱对应的用户路径可能来自同一用户的历史用户路径,也可能来自多个用户的一个或多个用户路径。
在步骤840中,用户指导系统110可以根据第一个用户路径从在步骤830中获取的多个用户路径中选择第二个用户路径。该步骤可以由数据处理模块330中的选择单元410完成。选择的指标可以包含但不限于用户路径的相似度、用户路径的节点数(用户路径长度)、用户路径对应的用户表现(如单笔交易的收益额)等中的一种或多种组合。在一些实施例中,选择单元410可以选择与第一个用户路径精确相似(例如相似度大于90%)且用户表现优于该用户路径的一个或多个用户路径。在一些实施例中,选择单元410可以选择与第一个用户路径的用户表现相似且用户路径的节点数更少(用户路径长度更短)的一个或多个用户路径。
在步骤850中,用户指导系统110可以根据步骤840中选择的第二个用户路径生成教材。该步骤可以由数据处理模块330中的教材单元440完成。用户指导系统110生成教材的方式可以是人工整理或机器学习。通过机器学习生成教材的算法可以包含但不限于分类决策树算法、K-平均算法、支持向量机、Apriori算法、最大期望(EM)算法、PageRank、AdaBoost迭代算法、K最近邻分类算法、朴素贝叶斯模型、分类与回归树等一种或多种的组合。在一些实施例中,教材的内容可以包含但不限于知识点(如公司的研报、新闻)的集合、某个现实的交易案例中的用户路径、通过机器学习后产生的新的用户路径等一种或多种的组合。在一些实施例中,用户指导系统110可以根据步骤840中选择的一个或多个用户路径通过机器学习生成新的用户路径。
图9所示的是一个示例划分用户等级方法的流程图。在一些实施例中,用户指导系统110可以根据用户使用用户指导系统110的能力进行等级划分,然后基于等级生成相应的教材。
用户的知识图谱可以在步骤910中被获取。该步骤可以由获取模块310完成。知识图谱的来源可以包括但不限于信息源130、数据库320、数据处理模块330(如其中的知识图谱生成单元420)等一种或多种的组合。在一些实施例中,获取模块310可以向数据处理模块330中的知识图谱生成单元420发送请求,知识图谱生成单元420可以根据请求将知识图谱传输给获取模块310。对于刚注册的初级用户,获取知识图谱的方式可以包括但不限于读取注册信息,问卷调查,通过语音、即时通讯等方式进行用户访谈等一种或多种的组合。
在步骤920中,用户指导系统110可以根据步骤910中获取的知识图谱划分用户等级。用户指导系统110可以根据用户知识图谱的大小对用户进行评级。评价知识图谱的大小的指标包括但不限于用户的知识背景,周边的行业分布,促销情况,风险教育情况、K线,均线,公司的公告、研报、新闻、业绩变化情况等一种或多种的组合。在一些实施例中,用户指导系统110还可以根据知识图谱的大小和其他因素(如用户表现,注册时间,教育背景,职业,其他炒股软件的使用情况等一种或多种的组合)对用户进行评级。
在步骤930中,用户指导系统110可以再次获取用户的知识图谱。该步骤可以由获取模块310完成。在一些实施例中,获取模块310可以向数据库320发送请求,数据库320可以根据请求将知识图谱传输给获取模块310。用户指导系统110再次获取用户的知识图谱的频率可以是用户指导系统110设定的或者用户自定义的。用户指导系统110再次获取用户的知识图谱的频率可以是每年一次、每季度一次、每个月一次、每周一次、每天一次、每次交易后等一种或多种的组合。
在步骤940中,用户指导系统110可以根据步骤930中获取的知识图谱调整用户等级。在一些实施例中,用户指导系统110调整用户等级可以根据用户指导系统110设定的知识图谱大小的要求。当满足用户指导系统110设定的知识图谱大小的要求时,用户等级可以提升或者保持。在一些实施例中,用户指导系统110还可以根据知识图谱的大小和其他因素(如用户表现,注册时间)对用户等级进行调整。
在一些实施例中,用户指导系统110可以根据用户等级生成相应的教材。例如,教材的生成可以部分基于知识图谱之间的比较结果(如两个知识图谱之间不同的知识点),并且部分基于用户等级。例如,教材的生成可以部分基于获取的用户路径(如其他用户的用户路径),并且部分基于用户等级。
在一些实施例中,用户指导系统110可以根据用户等级提供相应的教材。例如,对刚注册的新用户,用户指导系统110对其评估后划分为初级用户,并匹配以初级用户的知识点(如投资前该看K线、公告等建议);对于使用多年的熟练用户,用户指导系统110对其评估后划分为高级用户,并匹配以高级用户的知识点(如背后的趋势理论、波浪理论)。
以上对划分用户等级方法的描述仅仅是具体的示例,不应被视为是唯一可行的实施方案。显然,对于本领域的专业人员来说,在了解划分用户等级方法的基本原理后,可能在不背离这一原理的情况下,对划分用户等级方法的步骤进行各种修正和改变,但是这些修正和改变仍在以上描述的范围之内。
Claims (18)
1.一个系统,包括:
一个处理器;
一个计算机可读存储介质,所述计算机存储介质承载指令,当由所述处理器执行所述指令时,所述指令使处理器执行:
获取第一个用户路径,所述用户路径包括一个用户在通信终端上对两个或多个节点的操作组成的流程,所述流程包含交易操作;
至少部分基于所述第一个用户路径生成教材,所述教材包括优化的用户路径或至少一个知识点,所述教材用于对软件操作、知识图谱扩充、金融知识以及投资的思维逻辑中的一种或多种向用户提供指导;
向用户提供所述教材;
所述的生成教材进一步包括:
根据所述第一个用户路径选择第二个用户路径;
根据所述第一个用户路径、所述第二个用户路径和知识图谱,生成教材。
2.根据权利要求1所述的系统,所述的获取第一个用户路径包括获取所述用户的历史用户路径和其他用户的用户路径。
3.根据权利要求1所述的系统,所述的获取第一个用户路径进一步包括从用户路径库获得用户路径。
4.根据权利要求1所述的系统,所述的两个或多个节点包括至少一个在所述通信终端上的节点。
5.根据权利要求1所述的系统,所述的生成教材进一步包括:
根据第一个用户路径在用户路径库中选择第二个用户路径;
根据第一个用户路径生成第一个知识图谱;
根据第二个用户路径生成第二个知识图谱;
比较第一个知识图谱和第二个知识图谱得到比较结果;
根据比较结果通过机器学习生成教材。
6.根据权利要求5所述的系统,所述的比较结果包括第一个知识图谱和第二个知识图谱之间不同的知识点。
7.根据权利要求1所述的系统,所述的生成教材进一步包括:
根据第一个用户路径生成第一个知识图谱;
根据第一个知识图谱从知识图谱库中选择第二个知识图谱;
获取第二个知识图谱对应的多个用户路径;
根据第一个用户路径从所述多个用户路径选择第二个用户路径;
根据第二个用户路径通过机器学习生成教材。
8.根据权利要求1所述的系统,所述的知识点包括至少一个K线,均线,公司信息,点评信息,或分析思路。
9.根据权利要求1所述的系统,所述的生成教材进一步包括:
获取所述用户的知识图谱;
根据所述知识图谱进行等级划分;
至少部分基于用户等级生成教材。
10.一个方法,包括:
获取第一个用户路径,所述用户路径包括一个用户在通信终端上对两个或多个节点的操作组成的流程,所述流程包含交易操作;
至少部分基于所述第一个用户路径生成教材,所述教材包括优化的用户路径或至少一个知识点,所述教材用于对软件操作、知识图谱扩充、金融知识以及投资的思维逻辑中的一种或多种向用户提供指导;
向用户提供所述教材;
所述的生成教材进一步包括:
根据所述第一个用户路径选择第二个用户路径;
根据所述第一个用户路径、所述第二个用户路径和知识图谱,生成教材。
11.根据权利要求10所述的方法,所述的获取第一个用户路径包括获取所述用户的历史用户路径和其他用户的用户路径。
12.根据权利要求10所述的方法,所述的获取第一个用户路径进一步包括从用户路径库获得用户路径。
13.根据权利要求10所述的方法,所述的生成教材进一步包括:
根据第一个用户路径在用户路径库中选择第二个用户路径;
根据第一个用户路径生成第一个知识图谱;
根据第二个用户路径生成第二个知识图谱;
比较第一个知识图谱和第二个知识图谱得到比较结果;
根据比较结果通过机器学习生成教材。
14.根据权利要求13所述的方法,所述的比较结果包括第一个知识图谱和第二个知识图谱之间不同的知识点。
15.根据权利要求10所述的方法,所述的生成教材进一步包括:
根据第一个用户路径生成第一个知识图谱;
根据第一个知识图谱从知识图谱库中选择第二个知识图谱;
获取第二个知识图谱对应的多个用户路径;
根据第一个用户路径从所述多个用户路径选择第二个用户路径;
根据第二个用户路径通过机器学习生成教材。
16.根据权利要求10所述的方法,所述的知识点包括至少一个K线,均线,公司信息,点评信息,或分析思路。
17.根据权利要求10所述的方法,所述的生成教材进一步包括:
获取所述用户的知识图谱;
根据所述知识图谱进行等级划分;
至少部分基于用户等级生成教材。
18.一个计算机可读存储介质,所述计算机存储介质承载指令,所述指令使处理器执行:
获取第一个用户路径,所述用户路径包括一个用户在通信终端上对两个或多个节点的操作组成的流程,所述流程包含交易操作;
至少部分基于所述第一个用户路径生成教材,所述教材包括优化的用户路径或至少一个知识点,所述教材用于对软件操作、知识图谱扩充、金融知识以及投资的思维逻辑中的一种或多种向用户提供指导;
向用户提供所述教材;
所述的生成教材进一步包括:
根据所述第一个用户路径选择第二个用户路径;
根据所述第一个用户路径、所述第二个用户路径和知识图谱,生成教材。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/CN2016/097942 WO2018040067A1 (zh) | 2016-09-02 | 2016-09-02 | 用户指导系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109690581A CN109690581A (zh) | 2019-04-26 |
CN109690581B true CN109690581B (zh) | 2024-04-26 |
Family
ID=61299682
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201680088918.3A Active CN109690581B (zh) | 2016-09-02 | 2016-09-02 | 用户指导系统及方法 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN109690581B (zh) |
WO (1) | WO2018040067A1 (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110096686B (zh) * | 2019-05-06 | 2023-02-28 | 广州蓝鸽软件有限公司 | 基于人工智能的多媒体教材编辑方法及其系统 |
CN111223004A (zh) * | 2019-11-14 | 2020-06-02 | 国网湖北省电力有限公司电力科学研究院 | 一种面向业务应用的继电保护知识建模方法及平台 |
CN111428050B (zh) * | 2020-03-23 | 2023-06-02 | 北京明略软件系统有限公司 | 一种评测知识图谱的方法、装置、计算机存储介质及终端 |
CN112925913B (zh) * | 2021-03-09 | 2023-08-29 | 北京百度网讯科技有限公司 | 用于匹配数据的方法、装置、设备和计算机可读存储介质 |
CN113434036B (zh) * | 2021-05-26 | 2024-02-20 | 上海慕知文化传媒有限公司 | Ar增强现实教材辅助系统 |
CN113609369A (zh) * | 2021-08-04 | 2021-11-05 | 北京沃东天骏信息技术有限公司 | 信息推荐方法、电子设备及存储介质 |
CN113610237B (zh) * | 2021-08-19 | 2024-07-16 | 北京京东乾石科技有限公司 | 学习路径规划方法及装置 |
CN114884727B (zh) * | 2022-05-06 | 2023-02-24 | 天津大学 | 一种基于动态层次化知识图谱的物联网络风险定位方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2002033506A2 (en) * | 2000-10-20 | 2002-04-25 | Srinivas Venkatram | Systems and methods for visual optimal ordered knowledge learning structures |
CN102236870A (zh) * | 2010-04-26 | 2011-11-09 | 上海无花果信息科技有限公司 | 一种用于获得稳定回报的数量化多因子投资组合控制方法 |
WO2014008766A1 (zh) * | 2012-07-11 | 2014-01-16 | 北京长生天地电子商务有限公司 | 一种在网络交易中的信息分析系统和方法 |
CN103793844A (zh) * | 2012-10-30 | 2014-05-14 | 三竹资讯股份有限公司 | 股市自动化技术分析的装置与方法 |
CN105205180A (zh) * | 2015-10-27 | 2015-12-30 | 无锡天脉聚源传媒科技有限公司 | 一种知识图谱的评价方法及装置 |
CN105260935A (zh) * | 2015-09-08 | 2016-01-20 | 上海银天下科技有限公司 | 信息提示方法及系统 |
CN105825452A (zh) * | 2016-03-25 | 2016-08-03 | 成都往来教育科技有限公司 | 实现教材数字化的系统及方法 |
-
2016
- 2016-09-02 CN CN201680088918.3A patent/CN109690581B/zh active Active
- 2016-09-02 WO PCT/CN2016/097942 patent/WO2018040067A1/zh active Application Filing
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2002033506A2 (en) * | 2000-10-20 | 2002-04-25 | Srinivas Venkatram | Systems and methods for visual optimal ordered knowledge learning structures |
CN102236870A (zh) * | 2010-04-26 | 2011-11-09 | 上海无花果信息科技有限公司 | 一种用于获得稳定回报的数量化多因子投资组合控制方法 |
WO2014008766A1 (zh) * | 2012-07-11 | 2014-01-16 | 北京长生天地电子商务有限公司 | 一种在网络交易中的信息分析系统和方法 |
CN103793844A (zh) * | 2012-10-30 | 2014-05-14 | 三竹资讯股份有限公司 | 股市自动化技术分析的装置与方法 |
CN105260935A (zh) * | 2015-09-08 | 2016-01-20 | 上海银天下科技有限公司 | 信息提示方法及系统 |
CN105205180A (zh) * | 2015-10-27 | 2015-12-30 | 无锡天脉聚源传媒科技有限公司 | 一种知识图谱的评价方法及装置 |
CN105825452A (zh) * | 2016-03-25 | 2016-08-03 | 成都往来教育科技有限公司 | 实现教材数字化的系统及方法 |
Non-Patent Citations (1)
Title |
---|
基于主体网格的本体驱动自主学习系统;王茂光;管红杰;史忠植;;计算机工程;20080420(第08期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
WO2018040067A1 (zh) | 2018-03-08 |
CN109690581A (zh) | 2019-04-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109690581B (zh) | 用户指导系统及方法 | |
US20230281448A1 (en) | Method and apparatus for information recommendation, electronic device, computer readable storage medium and computer program product | |
CN110363449B (zh) | 一种风险识别方法、装置及系统 | |
US20230102337A1 (en) | Method and apparatus for training recommendation model, computer device, and storage medium | |
EP3985578A1 (en) | Method and system for automatically training machine learning model | |
CN109783730A (zh) | 产品推荐方法、装置、计算机设备和存储介质 | |
CN114265979B (zh) | 确定融合参数的方法、信息推荐方法和模型训练方法 | |
US11475055B2 (en) | Artificial intelligence based method and apparatus for determining regional information | |
JP2019125145A (ja) | 情報処理装置、情報処理方法、及び情報処理プログラム | |
CN111291125B (zh) | 一种数据处理方法及相关设备 | |
CN112348592A (zh) | 广告推荐方法、装置、电子设备及介质 | |
US20230342797A1 (en) | Object processing method based on time and value factors | |
CN112836128A (zh) | 信息推荐方法、装置、设备和存储介质 | |
CN114996486A (zh) | 一种数据推荐方法、装置、服务器以及存储介质 | |
CN114860892A (zh) | 层次类目预测方法、装置、设备和介质 | |
CN111626783B (zh) | 用于实现事件转化概率预测的离线信息设置方法和装置 | |
US20240176827A1 (en) | Machine-Learning-Aided Automatic Taxonomy for Web Data | |
CN114692889A (zh) | 用于机器学习算法的元特征训练模型 | |
CN113378067A (zh) | 基于用户挖掘的消息推荐方法、设备、介质及程序产品 | |
CN110866605B (zh) | 数据模型训练方法、装置、电子设备及可读介质 | |
US11907508B1 (en) | Content analytics as part of content creation | |
CN115774813A (zh) | 产品推荐方法、装置、计算机设备和存储介质 | |
CN113516524B (zh) | 用于推送信息的方法和装置 | |
CN115114462A (zh) | 模型训练方法、装置、多媒体推荐方法、设备及存储介质 | |
US11810157B1 (en) | Method and system for exemplary campaign message management |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |