TWI873788B - 推薦系統及其操作方法 - Google Patents

Abstract

本發明提供一種推薦系統及其操作方法。推薦系統包括存儲裝置以及處理器。存儲裝置存取企業系統的企業數據庫。處理器執行存儲裝置中的多個模組。用戶畫像構建模組以及任務畫像構建模組根據企業數據庫中的歷史行為信息、用戶信息以及任務信息執行數據挖掘以生成用戶畫像數據以及任務畫像數據。畫像匹配模組根據歷史行為信息、用戶畫像數據以及任務畫像數據執行數據挖掘以生成畫像知識圖譜，以當企業系統接收輸入信息時，企業系統從用戶畫像數據、任務畫像數據、以及畫像知識圖譜中獲取與輸入信息匹配的推薦數據，據以提高工作效率。

Description

推薦系統及其操作方法

本發明是有關於一種電子系統，且特別是一種應用數據挖掘的推薦系統及其操作方法。

一般而言，企業服務平台可應用在企業內部，以提供企業各種工作業務的服務。然而，隨著企業的發展，服務專案也隨之多元，使得用戶操作企業服務平台時無法有效地體驗所需的服務。舉例來說，對於新進員工而言，新進員工通過企業服務平台正確且快速地完成工作，而必須向其他同仁請教企業服務平台的操作，進而降低工作效率。

本發明是針對一種推薦系統，能夠建構畫像（profile）的結構化數據，以提供智慧推薦並且提高工作效率。

根據本發明的實施例，本發明的建模組以及任務畫像構建模組根據企業數據庫中的歷史行為信息、用戶信息以及任務信息執行數據挖掘以生成用戶畫像數據以及任務畫像數據。畫像匹配模組根據歷史行為信息、用戶畫像數據以及任務畫像數據執行數據挖掘以生成畫像知識圖譜，以當企業系統接收輸入信息時，企業系統從用戶畫像數據、任務畫像數據、以及畫像知識圖譜中獲取與輸入信息匹配的推薦數據。

根據本發明的實施例，本發明的操作方法包括以下的步驟。通過存儲裝置存儲多個模組，並且存取企業系統的企業數據庫。多個模組包括用戶畫像構建模組、任務畫像構建模組以及畫像匹配模組。通過處理器執行多個模組，並且包括以下的步驟。通過用戶畫像構建模組以及任務畫像構建模組根據企業數據庫中的歷史行為信息、用戶信息以及任務信息執行數據挖掘以生成用戶畫像數據以及任務畫像數據。通過畫像匹配模組根據歷史行為信息、用戶畫像數據以及任務畫像數據執行數據挖掘以生成畫像知識圖譜，以當企業系統接收輸入信息時，企業系統從用戶畫像數據、任務畫像數據、以及畫像知識圖譜中獲取與輸入信息匹配的推薦數據。

基於上述，本發明的推薦系統及其操作方法通過多個模組執行數據挖掘，以基於用戶畫像數據以及任務畫像數據生成畫像知識圖譜，能夠構建用戶畫像數據與任務畫像數據之間的結構化數據。如此一來，企業系統能夠基於此結構化數據提供與用戶或任務相關聯的推薦結果，進而輔助用戶操作企業系統，據以提高工作效率。

為讓本發明的上述特徵和優點能更明顯易懂，下文特舉實施例，並配合附圖作詳細說明如下。

本發明的部份實施例接下來將會配合附圖來詳細描述，以下的描述所引用的組件符號，當不同附圖出現相同的組件符號將視為相同或相似的組件。這些實施例只是本發明的一部份，並未揭示所有本發明的可實施方式。更確切的說，這些實施例只是本發明的專利申請範圍中的範例。

圖1是本發明的一實施例的推薦系統的電路方塊圖。參考圖1，推薦系統100應用數據挖掘，以根據企業系統中的多種數據構建多元組的結構化數據（例如是畫像知識圖譜D3）。在本實施例中，推薦系統100可應用於製造業，以使製造業所使用的企業系統基於推薦系統100生成推薦數據。

在本實施例中，推薦系統100耦接電子裝置200。電子裝置200可操作用戶介面以通過應用程式介面（Application Programming Interface，API）執行推薦系統100，進而通過推薦系統100獲取API調用的結果。例如，電子裝置200通過API調用來根據輸入信息DIN操作推薦系統100，以獲取在製造業場景應用中的智慧推薦結果（即，推薦數據DOUT）。

在本實施例中，電子裝置200也可操作用戶介面以API執行企業系統210，進而通過企業系統210執行各種業務服務（Business service）。例如，電子裝置200通過API調用來操作企業系統210，以實現在製造業場景應用中的各種功能（例如是簽核採購單）。企業系統210可例如是企業資源規劃（Enterprise resource planning，ERP）系統。電子裝置200可例如是手機、平板電腦、筆記型電腦與桌上型電腦等。

在本實施例中，推薦系統100可設置在雲端，以供用戶通過電子裝置200連線並執行同樣設置在推薦系統100中的不同的API的相關業務服務功能（例如是ERP系統的相關功能）。推薦系統100可例如是軟體即服務（Software as a Service，SaaS）伺服器，以通過API執行對應的軟體即服務的應用程式。在一些實施例中，推薦系統100可設置在企業內部的地端中，以供用戶通過電子裝置200將推薦系統100與設置在雲端的其他系統互相連接進而輸入/輸出數據，據以通過API執行對應的軟體即服務的應用程式。

在本實施例中，推薦系統100可包括存儲裝置110以及處理器120。存儲裝置110可存儲多個模組111~113。這些模組可包括用戶畫像構建模組111、任務畫像構建模組112以及畫像匹配模組113。在一些實施例中，存儲裝置110還可存儲推薦引擎模組。在本實施例中，存儲裝置110可存取企業系統210（以下實施例以ERP系統210為示例說明）的企業數據庫。企業數據庫可存儲用戶信息S1、任務信息S2以及歷史行為信息S3。

在本實施例中，用戶信息S1可例如是任一個租戶（tenant）的帳戶名稱、公司類別、以及公司帳號等身分相關的基礎信息、以及某個租戶（tenant）底下的任一個用戶（user）的所屬公司、部門、職能、以及上級主管等身分相關的基礎信息、或前述組合的用戶基礎信息。在本實施例中，任務信息S2可例如是用以實現各種業務行為（或業務功能）的任一些相關串聯操作、以及任一個任務或前述組合的信息。在本實施例中，歷史行為信息S3可例如是任一個用戶或任務的日誌檔（logfile）、交易數據、數據足跡（data trace）、以及微服務（Microservices）日誌或前述組合的信息。

在本實施例中，存儲裝置110還可存儲各個模組111~113分別的相關演算法、運算軟體等諸如此類用於實現本發明關於數據挖掘、數據標籤、數據分類、各種計算、以及模型訓練等功能的相關演算法、程式及數據。存儲裝置110可例如是動態隨機存取記憶體（Dynamic Random Access Memory, DRAM）、快閃記憶體（Lash memory）、非揮發性隨機存取記憶體（Non-Volatile Random Access Memory, NVRAM）或這些記憶體的組合。

在本實施例中，處理器120耦接存儲裝置110。處理器120可存取存儲裝置110，並且可執行存儲裝置110中的數據、各個模組111~113、以及通過電子裝置200存取自ERP系統210中的數據（例如是信息S1~S3）。在本實施例中，處理器120可例如是訊號轉換器、現場可程式設計邏輯閘陣列（Field Programmable Gate Array，FPGA）、中央處理單元（Central Processing Unit，CPU），或是其他可程式設計之一般用途或特殊用途的微處理器（Microprocessor）、數位訊號處理器（Digital Signal Processor，DSP）、可程式化控制器、特殊應用積體電路（Application Specific Integrated Circuits，ASIC）、可程式設計邏輯裝置（Programmable Logic Device，PLD）或其他類似裝置或這些裝置的組合，其可載入並執行電腦程式相關韌體或軟體，以實現數據挖掘、數據標籤、數據分類、各種計算、模型訓練以及執行等功能。

圖2是本發明的一實施例的推薦系統的操作方法的流程圖。參考圖1以及圖2，推薦系統100可執行步驟S210~S230。這些步驟S210~S230的順序僅為示例說明，並不以此為限。

在步驟S210，處理器120執行用戶畫像構建模組111以及任務畫像構建模組112，以使用戶畫像構建模組111以及任務畫像構建模組112根據企業數據庫中的歷史行為信息S3、用戶信息S1以及任務信息S2執行數據挖掘以生成用戶畫像數據D1以及任務畫像數據D2。

在本實施例中，用戶畫像數據D1可例如是關於ERP系統210中的多個用戶的用戶畫像（user profile）的數據。任務畫像數據D2可例如是關於ERP系統210中的多個任務的任務畫像（task profile）的數據。

詳細而言，用戶畫像構建模組111可通過執行模組S111~S112來構建用戶畫像數據D1。在模組S111，用戶畫像構建模組111根據歷史行為信息S3執行用戶畫像標籤挖掘活動，以生成用戶畫像數據D1中關於業務行為（或業務功能）對應於用戶的各種用戶標籤（label）的集合（例如是圖3所示的用戶標籤數據D11）。在模組S112，用戶畫像構建模組111根據用戶信息S1以及前述的用戶標籤的集合執行用戶-標籤關係挖掘活動，以生成用戶畫像數據D1中關於用戶標籤與用戶之間關係的結構化數據（例如是圖3所示的用戶畫像圖譜D12）。

接續上述的說明，任務畫像構建模組112可通過執行模組S121~S122來構建任務畫像數據D2。在模組S121，任務畫像構建模組112根據歷史行為信息S3執行任務畫像標籤挖掘活動，以生成任務畫像數據D2中關於業務行為（或業務功能）對應於任務的各種任務標籤的集合（例如是圖3所示的任務標籤數據D21）。在模組S122，任務畫像構建模組112根據任務信息S2以及前述的任務標籤的集合執行任務-標籤關係挖掘活動，以生成任務畫像數據D2中關於任務標籤與任務之間關係的結構化數據（例如是圖3所示的任務畫像圖譜D22）。

在步驟S220，處理器120執行畫像匹配模組113，以使畫像匹配模組113根據歷史行為信息S3、用戶畫像數據D1以及任務畫像數據D2執行數據挖掘以生成畫像知識圖譜D3。

在本實施例中，畫像知識圖譜D3可包括用戶畫像數據D1與任務畫像數據D2之間關係的結構化數據。也就是說，畫像知識圖譜D3可例如是關於多個用戶對應的用戶畫像與多個任務對應的任務畫像之間關係的數據，並可以多元的結構化數據表示。

詳細而言，畫像匹配模組113可通過執行模組S131~S132來構建畫像知識圖譜D3。在模組S131，畫像匹配模組113根據歷史行為信息S3執行圖像關係匹配模型的構建活動，以通過聚類分析以及關聯分析來構建並訓練用以匹配用戶標籤與任務標籤之間關係的匹配模型。在模組S132，畫像匹配模組113根據用戶畫像數據D1以及任務畫像數據D2執行用戶標籤-任務標籤圖像關係圖譜的構建活動，以通過經訓練的匹配模型來構建用戶畫像與任務畫像之間關係的結構化數據（即，畫像知識圖譜D3）。

在本實施例中，當推薦系統100完成構建畫像知識圖譜D3後，推薦系統100可與電子裝置200協同操作，以續行步驟S230。在此應用場景中，電子裝置200可操作ERP系統210以基於輸入信息DIN以及推薦系統100獲取對應的智慧推薦結果（即，推薦數據DOUT）。

在步驟S230，當ERP系統210接收輸入信息DIN時，ERP系統210執行推薦引擎模組，以使推薦引擎模組從用戶畫像數據D1、任務畫像數據D2、以及畫像知識圖譜D3中獲取與輸入信息匹配的推薦數據DOUT。

在本實施例中，推薦數據DOUT可例如是匹配於用戶的多個可執行任務，並以任務清單呈現在電子裝置200的用戶介面中。或者，推薦數據DOUT可例如是匹配于業務行為（或業務功能）的多個具有職權的用戶，並以用戶清單呈現在電子裝置200的用戶介面中。

在此值得一提的是，通過多個模組111~113執行數據挖掘以分別構建用戶畫像數據D1、任務畫像數據D2、以及畫像知識圖譜D3，能夠系統化地制定並管理ERP系統210中關於用戶、任務以及業務行為（或業務功能）的數據，並可以結構化數據表示。如此一來，基於前述的數據以及用戶當下的操作場景，ERP系統210以及推薦系統100可協同操作以推送最相關的任務列表或用戶清單等推薦數據DOUT。因此，用戶不須盲目地向其他同仁追問工作流程，而能夠通過推薦系統100輔佐用戶操作企業系統，據以提高工作效率以及用戶體驗。

圖3是本發明的另一實施例的推薦系統的操作示意圖。參考圖3，推薦系統300耦接電子裝置400。推薦系統300可包括存儲在存儲裝置中的用戶畫像構建模組311、任務畫像構建模組312以及畫像匹配模組313、以及用以執行這些模組311~313的處理器。推薦系統300、用戶畫像構建模組311、任務畫像構建模組312、以及畫像匹配模組313、可以參照推薦系統100的相關說明並加以類推。電子裝置400可以參照推薦電子裝置200的相關說明並加以類推。

在本實施例中，用戶畫像構建模組311以及任務畫像構建模組312可分別例如是以機器學習模型來被實現。詳細而言，用戶畫像構建模組311可包括一個或多個分類模型。分類模型可例如是Word2vec模型、以及xgboost模型或前述的組合，以實現本案實施例中關於用戶畫像構建模組311的各種功能。在本實施例中，任務畫像構建模組312也可包括一個或多個分類模型。分類模型可例如是獨熱（one-hot）模型、Word2vec模型、以及xgboost模型或前述的組合，以實現本案實施例中關於任務畫像構建模組312的各種功能。

在本實施例中，畫像匹配模組313可例如是以可解釋性（Explainable）機器學習模型來被實現。詳細而言，畫像匹配模組313可包括一個或多個關聯分析模型。關聯分析模型可例如是Apriori模型，以實現本案實施例中關於畫像匹配模組313的各種功能。

在本實施例中，用戶畫像構建模組311根據歷史行為信息S3以及用戶信息S1構建出包括用戶標籤數據D11以及用戶畫像圖譜D12的用戶畫像數據D1。在本實施例中，用戶標籤數據D11可例如是用戶的各種屬性、以及特徵等用戶標籤，並以向量結構表示。用戶畫像圖譜D12可例如是用戶與用戶標籤之間關係的匹配數據，並以圖譜結構表示。

在本實施例中，用戶畫像構建模組311將用戶標籤數據D11存儲在第一數據庫中。第一數據庫可例如是推薦系統300中的存儲裝置，或者是推薦系統300所外接的數據庫，以使畫像匹配模組313存取第一數據庫。在本實施例中，用戶畫像構建模組311將用戶畫像圖譜D12存儲在第二數據庫中。第二數據庫可例如是推薦系統300中的存儲裝置，或者是配置在ERP系統中的數據庫，以使電子裝置400通過ERP系統存取第二數據庫。

詳細而言，用戶畫像構建模組311根據歷史行為信息S3執行日誌挖掘以生成用戶標籤數據D11，以示例說明關於步驟S210以及模組S111的操作細節。也就是說，用戶畫像構建模組311對歷史行為信息S3中的用戶行為日誌檔執行數據挖掘以提取出數據集（即，用戶標籤數據D11）。在本實施例中，日誌挖掘可例如是應用無監督學習的計算，以自動地對歷史行為信息S3中的用戶行為日誌檔進行分類，並據以輸出用戶標籤數據D11。

接續上述的說明，用戶畫像構建模組311根據用戶信息S1中的用戶基礎信息以及用戶標籤數據D11執行分類計算以建構用戶畫像圖譜D12，以示例說明關於步驟S210以及模組S112的操作細節。用戶畫像圖譜D12可包括用戶信息S1與用戶標籤數據D11之間關係的結構數據。也就是說，用戶畫像構建模組311通過用戶畫像標籤構建演算法（即，分類計算）從經提取的數據集中挖掘出用戶與用戶標籤之間的多對多關係（即，用戶畫像圖譜D12）。在本實施例中，分類計算可例如是應用無監督學習以及人工標柱（annotate）的計算，以通過數據標籤、聚類分析以及搭配人工標柱的方法來處理並計算用戶基礎信息以及用戶標籤數據D11，並據以輸出用戶、關係、以及用戶標籤之間的三元組結構化數據（即，用戶畫像圖譜D12）。

具體來說，用戶畫像構建模組311通過執行基礎畫像關係挖掘活動來執行以下的步驟，以完善用戶畫像圖譜D12的構建。用戶畫像構建模組311執行分類模型以分類用戶信息S1中以文字信息表示的用戶基礎信息。用戶畫像構建模組311執行分類模型以分類用戶標籤數據D11中具有特徵標籤、以及特徵組合的抽象標籤。用戶畫像構建模組311通過人工標柱方法對用戶信息S1中的歷史用戶表（例如是ERP系統210中所有已註冊的用戶明細表）進行標籤以及標注，以生成標注表以及用戶畫像圖譜D12。用戶畫像構建模組311基於標注表訓練分類模型，以當新增用戶時通過經訓練的分類模型同步地更新用戶畫像圖譜D12。

此外，用戶畫像構建模組311根據用戶標籤數據D11中的用戶興趣信息執行分類計算以更新並且訓練用戶畫像構建模組311。具體來說，用戶畫像構建模組311通過執行興趣畫像關係挖掘活動來執行以下的步驟，以完善用戶畫像圖譜D12的構建。用戶畫像構建模組311執行分類模型（例如是Word2vec模型），以通過自然語言處理向量化並且分類用戶標籤數據D11中以非結構化標籤表示的抽象標籤。前述的抽象標籤可例如是包括表示為「項目末期更活躍用戶」的標籤、以及「關注報表用戶」的標籤。用戶畫像構建模組311執行分類模型（例如是xgboost模型）以基於用戶興趣信息週期性地訓練以及更新分類模型，進而更新用戶畫像圖譜D12。

在本實施例中，任務畫像構建模組312根據歷史行為信息S3以及任務信息S2構建出包括任務標籤數據D21以及任務畫像圖譜D22的任務畫像數據D2。在本實施例中，任務標籤數據D21可例如是任務的基礎內容、各種屬性、以及特徵等任務標籤，並以向量結構表示。任務畫像圖譜D22可例如是任務與任務標籤之間關係的匹配數據，並以圖譜結構表示。

在本實施例中，任務畫像構建模組312將任務標籤數據D21存儲在第三數據庫中。第三數據庫可例如是推薦系統300中的存儲裝置，或者是推薦系統300所外接的數據庫，以使畫像匹配模組313存取第三數據庫。在本實施例中，任務畫像構建模組312將任務畫像圖譜D22存儲在第四數據庫中。第四數據庫可例如是推薦系統300中的存儲裝置，或者是配置在ERP系統中的數據庫，以使電子裝置400通過ERP系統存取第四數據庫。

詳細而言，任務畫像構建模組312根據歷史行為信息S3執行日誌挖掘以生成任務標籤數據D21，以示例說明關於步驟S210以及模組S121的操作細節。也就是說，任務畫像構建模組312對歷史行為信息S3中的任務行為日誌檔執行數據挖掘以提取出數據集（即，任務標籤數據D21）。在本實施例中，日誌挖掘可例如是應用無監督學習的計算，以自動地對歷史行為信息S3中的任務行為日誌檔進行分類，並據以輸出任務標籤數據D21。

接續上述的說明，任務畫像構建模組312根據任務信息S2以及任務標籤數據D21執行分類計算以建構任務畫像圖譜D22，以示例說明關於步驟S210以及模組S122的操作細節。任務畫像圖譜D22可包括任務信息S2與任務標籤數據D21之間關係的結構數據。也就是說，任務畫像構建模組312通過任務畫像標籤構建演算法從經提取的數據集中挖掘出任務與任務標籤之間的多對多關係（即，任務畫像圖譜D22）。在本實施例中，分類計算可例如是應用無監督學習以及人工標柱的計算，以通過數據標籤、聚類分析以及搭配人工標柱的方法來處理並計算任務信息S2以及任務標籤數據D21，並據以輸出任務、關係、以及任務標籤之間的三元組結構化數據（即，任務畫像圖譜D22）。

具體來說，任務畫像構建模組312通過執行任務-標籤關係挖掘活動來執行以下的步驟，以完善任務畫像圖譜D22的構建。任務畫像構建模組312執行分類模型（例如是one-hot模型以及Word2vec模型）以分類任務標籤數據D21中具有經定義的特徵標籤、以及基於任務行為抽象出的抽象標籤。前述的抽象標籤例如是包括表示為「專案末期比較關注的任務」的標籤、以及「衝刺收尾必看報表」的標籤。任務畫像構建模組312通過人工標柱方法對任務信息S2中的歷史任務表（例如是ERP系統210中所有已定義的任務明細表）進行標籤以及標注，以生成標注表以及任務畫像圖譜D22。任務畫像構建模組312基於標注表訓練分類模型。任務畫像構建模組312執行分類模型（例如是xgboost模型）以基於最新的任務信息S2週期性地訓練以及更新分類模型，進而更新任務畫像圖譜D22。

在本實施例中，畫像匹配模組313根據用戶畫像圖譜D12、任務畫像圖譜D22以及歷史行為信息S3執行數據標注以生成用戶與任務偏好數據，以示例說明關於步驟S220以及模組S131的操作細節。也就是說，畫像匹配模組313基於用戶畫像圖譜D12以及任務畫像圖譜D22，通過數據標注對歷史行為信息S3中關於用戶對任務的偏好行為打分。在本實施例中，數據標注可例如是應用無監督學習以及人工標柱的計算，以通過數據標籤、聚類分析以及搭配人工標柱的方法來處理並計算歷史行為信息S3，並據以輸出用戶、以及任務行為之間的相關性（即，用戶與任務偏好數據）。若用戶與任務偏好數據具有越高的分數數值，則可表示用戶對任務的偏好程度越高。

在本實施例中，用戶對任務的偏好行為可例如是包括對某個任務表示為「點擊」、「錄入」、「提交」、「關閉」，保留「點擊」、「錄入」、以及「提交」等行為，並且所對應的分數（即，用戶與任務偏好數據的分數數值）可例如是「1分」。用戶對任務的偏好行為可例如是包括對某個任務表示為「點擊無其他操作」的行為，並且所對應的分數可例如是「1分」。用戶對任務的偏好行為可例如是包括對某個任務表示為「打開做操作但未提交」的行為，並且所對應的分數可例如是「2分」。用戶對任務的偏好行為可例如是包括對某個任務表示為「打開做操作並提交」的行為，並且所對應的分數可例如是「3分」。

在本實施例中，畫像匹配模組313根據用戶畫像圖譜D12、任務畫像圖譜D22以及用戶與任務偏好數據執行關聯分析以建構畫像知識圖譜D3，以示例說明關於步驟S220以及模組S132的操作細節。也就是說，畫像匹配模組313基於用戶與任務偏好數據，析用戶畫像圖譜D12以及任務畫像圖譜D22之間的關聯關係以生成畫像知識圖譜D3。

具體來說，畫像匹配模組313執行以下的步驟，以完善畫像知識圖譜D3的構建。畫像匹配模組313通過數據清洗執行數據預處理，以從用戶畫像圖譜D12以及任務畫像圖譜D22中分別踢除錯誤記錄以及無用信息，並且保留有效信息。畫像匹配模組313執行關聯分析模型（例如是Apriori模型），以計算用戶畫像圖譜D12與任務畫像圖譜D22中分別的圖譜數據之間的置信度（confidence）。畫像匹配模組313執行關聯分析模型，以當置信度滿足對應的預設值（即，用戶與任務偏好數據）時生成用戶畫像-任務畫像匹配對以作為用戶畫像、偏好（或關注）、以及任務畫像之間的三元組結構化數據（即，畫像知識圖譜D3）。

在一些應用場景中，當推薦系統300已完成建構圖譜D12、D22以及D3後，電子裝置400可基於輸入信息DIN以及推薦系統300獲取對應的推薦數據DOUT，以示例說明關於步驟S230的操作細節。

在本實施例中，輸入信息DIN可例如是表示為「租戶ID以及用戶ID」的信息，以指示在ERP系統中，特定租戶底下的特定用戶操作電子裝置400。此時，電子裝置400執行推薦引擎模組，以通過API調用用戶畫像圖譜D12、任務畫像圖譜D22以及畫像知識圖譜D3。推薦引擎模組基於輸入信息DIN，從用戶畫像圖譜D12中檢索出匹配於輸入信息DIN的用戶畫像S41（可例如是表示為「會計」的畫像）。推薦引擎模組基於用戶畫像S41，從畫像知識圖譜D3中檢索出匹配於用戶畫像S41並且具有可解釋說明的任務畫像S42（可例如是表示為「收納」以及「簽核」的畫像）。推薦引擎模組基於任務畫像S42，從任務畫像圖譜D22中檢索出匹配於任務畫像S42的一個或多個任務畫像以作為推薦數據DOUT。推薦數據DOUT可例如是表示為「輸出任務清單」的信息，並且包括經排序或未經排序的推薦任務。

在一些實施例中，輸入信息DIN可被替換為圖3所示的推薦數據DOUT而表示為「輸出任務清單」的信息。此時，電子裝置400執行推薦引擎模組，以基於輸入信息DIN獲取表示為「租戶ID以及用戶ID」的推薦數據DOUT。推薦引擎模組的操作可以參照上述的推薦引擎模組的相關說明並加以類推。

在本實施例中，推薦引擎模組可例如是以軟體或韌體來被實現。詳細而言，推薦引擎模組可包括表現層狀態轉換（Representational State Transfer，REST）API、以及軟體開發套件（Software Development Kit，SDK）或前述的組合，以調用推薦系統300中的圖譜D12、D22以及D3。推薦引擎模組還可包括Neo4j數據庫，以存儲所存取的數據。

綜上所述，本發明的推薦系統及其操作方法通過對ERP系統中的信息執行數據挖掘以及分類計算以構建多個結構化的畫像圖譜，能夠結合製造業的應用以挖掘出用戶畫像與任務畫像之間的畫像關係圖譜（即，畫像知識圖譜）。因此，ERP系統能夠基於畫像知識圖譜推送最相關且具有可解釋說明的推薦任務或推薦負責人（即，推薦數據），以避免用戶盲目地向其他同仁追問工作流程，進而提高工作效率。

雖然本發明已以實施例揭露如上，然其並非用以限定本發明，任何所屬技術領域中具有通常知識者，在不脫離本發明的精神和範圍內，當可作些許的更動與潤飾，故本發明的保護範圍當視後附的申請專利範圍所界定者為準。

100、300:推薦系統 110:存儲裝置 111、311:用戶畫像構建模組 112、312:任務畫像構建模組 113、313:畫像匹配模組 120:處理器 200、400:電子裝置 210:企業系統（ERP系統） D1:用戶畫像數據 D11:用戶標籤數據 D12:用戶畫像圖譜 D2:任務畫像數據 D21:任務標籤數據 D22:任務畫像圖譜 D3:畫像知識圖譜 DIN:輸入信息 DOUT:推薦數據 S1:用戶信息 S111~S112、S121~S122、S131~S132:模組 S2:任務信息 S210~S230:步驟 S3:歷史行為信息 S41:用戶畫像 S42:任務畫像

圖1是本發明的一實施例的推薦系統的電路方塊圖。 圖2是本發明的一實施例的推薦系統的操作方法的流程圖。 圖3是本發明的另一實施例的推薦系統的操作示意圖。

100:推薦系統

110:存儲裝置

111:用戶畫像構建模組

112:任務畫像構建模組

113:畫像匹配模組

120:處理器

200:電子裝置

210:企業系統

D1:用戶畫像數據

D2:任務畫像數據

D3:畫像知識圖譜

DIN:輸入信息

DOUT:推薦數據

S1:用戶信息

S111~S112、S121~S122、S131~S132:模組

S2:任務信息

S3:歷史行為信息

Claims (16)

1. 一種推薦系統，包括：一存儲裝置，存儲多個模組，並且存取一企業系統的一企業數據庫，其中所述多個模組包括一用戶畫像構建模組、一任務畫像構建模組以及一畫像匹配模組；以及一處理器，耦接所述存儲裝置，執行所述多個模組，其中所述用戶畫像構建模組以及所述任務畫像構建模組根據所述企業數據庫中的歷史行為信息、用戶信息以及任務信息執行數據挖掘以生成用戶畫像數據以及任務畫像數據，其中所述畫像匹配模組根據所述歷史行為信息、所述用戶畫像數據以及所述任務畫像數據執行數據挖掘以生成一畫像知識圖譜，以當所述企業系統接收輸入信息時，所述企業系統從所述用戶畫像數據、所述任務畫像數據、以及所述畫像知識圖譜中獲取與所述輸入信息匹配的推薦數據，其中所述任務畫像構建模組根據所述歷史行為信息執行日誌挖掘以生成所述任務畫像數據中的任務標籤數據，其中所述任務畫像構建模組根據所述任務信息以及所述任務標籤數據執行分類計算以建構所述任務畫像數據中的一任務畫像圖譜，並且根據所述任務標籤數據執行分類計算以訓練並且更新所述任務畫像構建模組，其中所述任務畫像圖譜包括所述任務信息與所述任務標籤數據之間關係的結構數據。
2. 如請求項1所述的推薦系統，其中所述畫像知識圖譜包括所述用戶畫像數據與所述任務畫像數據之間關係的結構化數據。
3. 如請求項1所述的推薦系統，其中所述用戶畫像數據包括用戶標籤數據以及一用戶畫像圖譜，其中所述用戶畫像構建模組將所述用戶標籤數據存儲在一第一數據庫中，以使所述畫像匹配模組存取所述第一數據庫，並且將所述用戶畫像圖譜存儲在一第二數據庫中，以使所述企業系統存取所述第二數據庫。
4. 如請求項1所述的推薦系統，其中所述用戶畫像構建模組根據所述歷史行為信息執行日誌挖掘以生成所述用戶畫像數據中的用戶標籤數據。
5. 如請求項4所述的推薦系統，其中所述用戶畫像構建模組根據所述用戶信息中的用戶基礎信息以及所述用戶標籤數據執行分類計算以建構所述用戶畫像數據中的一用戶畫像圖譜，其中所述用戶畫像圖譜包括所述用戶信息與所述用戶標籤數據之間關係的結構數據。
6. 如請求項4所述的推薦系統，其中所述用戶畫像構建模組根據所述用戶標籤數據中的用戶興趣信息執行分類計算以訓練並且更新所述用戶畫像構建模組。
7. 如請求項1所述的推薦系統，其中所述任務畫像數據包括所述任務標籤數據以及所述任務畫像圖譜， 其中所述任務畫像構建模組將所述任務標籤數據存儲在一第三數據庫中，以使所述畫像匹配模組存取所述第三數據庫，並且將所述任務畫像圖譜存儲在一第四數據庫中，以使所述企業系統存取所述第四數據庫。
8. 如請求項1所述的推薦系統，其中所述畫像匹配模組根據所述用戶畫像數據中的一用戶畫像圖譜、所述任務畫像數據中的所述任務畫像圖譜以及所述歷史行為信息執行數據標注以生成用戶與任務偏好數據，並且根據所述用戶畫像圖譜、所述任務畫像圖譜以及所述用戶與任務偏好數據執行關聯分析以建構所述畫像知識圖譜。
9. 一種推薦系統的操作方法，包括：透過一存儲裝置，存儲多個模組，並且存取一企業系統的一企業數據庫，其中所述多個模組包括一用戶畫像構建模組、一任務畫像構建模組以及一畫像匹配模組；以及透過一處理器執行所述多個模組，包括：透過所述用戶畫像構建模組以及所述任務畫像構建模組，根據所述企業數據庫中的歷史行為信息、用戶信息以及任務信息執行數據挖掘以生成用戶畫像數據以及任務畫像數據，包括：透過所述任務畫像構建模組，根據所述歷史行為信息執行日誌挖掘以生成所述任務畫像數據中的任務標籤數據；透過所述任務畫像構建模組，根據所述任務信息以及所述任務標籤數據執行分類計算以建構所述任務畫像數據中的 一任務畫像圖譜；以及透過所述任務畫像構建模組，根據所述任務標籤數據執行分類計算以訓練並且更新所述任務畫像構建模組，其中所述任務畫像圖譜包括所述任務信息與所述任務標籤數據之間關係的結構數據；以及透過所述畫像匹配模組，根據所述歷史行為信息、所述用戶畫像數據以及所述任務畫像數據執行數據挖掘以生成一畫像知識圖譜，以當所述企業系統接收輸入信息時，所述企業系統從所述用戶畫像數據、所述任務畫像數據、以及所述畫像知識圖譜中獲取與所述輸入信息匹配的推薦數據。
10. 如請求項9所述的操作方法，其中所述畫像知識圖譜包括所述用戶畫像數據與所述任務畫像數據之間關係的結構化數據。
11. 如請求項9所述的操作方法，其中所述用戶畫像數據包括用戶標籤數據以及一用戶畫像圖譜，其中所述操作方法還包括：透過所述用戶畫像構建模組，將所述用戶標籤數據存儲在一第一數據庫中，以使所述畫像匹配模組存取所述第一數據庫；以及透過所述用戶畫像構建模組，將所述用戶畫像圖譜存儲在一第二數據庫中，以使所述企業系統存取所述第二數據庫。
12. 如請求項9所述的操作方法，其中根據所述企業數據庫中的所述歷史行為信息、所述用戶信息以及所述任務信息執行數據挖掘以生成所述用戶畫像數據以及所述任務畫像數據的步驟包括：透過用戶畫像構建模組，根據所述歷史行為信息執行日誌挖掘以生成所述用戶畫像數據中的用戶標籤數據。
13. 如請求項12所述的操作方法，其中根據所述企業數據庫中的所述歷史行為信息、所述用戶信息以及所述任務信息執行數據挖掘以生成所述用戶畫像數據以及所述任務畫像數據的步驟包括：透過用戶畫像構建模組，根據所述用戶信息中的用戶基礎信息以及所述用戶標籤數據執行分類計算以建構所述用戶畫像數據中的一用戶畫像圖譜，其中所述用戶畫像圖譜包括所述用戶信息與所述用戶標籤數據之間關係的結構數據。
14. 如請求項12所述的操作方法，其中根據所述企業數據庫中的所述歷史行為信息、所述用戶信息以及所述任務信息執行數據挖掘以生成所述用戶畫像數據以及所述任務畫像數據的步驟包括：透過用戶畫像構建模組，根據所述用戶標籤數據中的用戶興趣信息執行分類計算以訓練並且更新所述用戶畫像構建模組。
15. 如請求項9所述的操作方法，其中所述任務畫像數據包括所述任務標籤數據以及所述任務畫像圖譜， 其中所述操作方法還包括：透過所述任務畫像構建模組，將所述任務標籤數據存儲在一第三數據庫中，以使所述畫像匹配模組存取所述第三數據庫；以及透過所述任務畫像構建模組，將所述任務畫像圖譜存儲在一第四數據庫中，以使所述企業系統存取所述第四數據庫。
16. 如請求項9所述的操作方法，其中根據所述歷史行為信息、所述用戶畫像數據以及所述任務畫像數據執行數據挖掘以生成所述畫像知識圖譜的步驟包括：透過所述畫像匹配模組，根據所述用戶畫像數據中的一用戶畫像圖譜、所述任務畫像數據中的所述任務畫像圖譜以及所述歷史行為信息執行數據標注以生成用戶與任務偏好數據；以及透過所述畫像匹配模組，根據所述用戶畫像圖譜、所述任務畫像圖譜以及所述用戶與任務偏好數據執行關聯分析以建構所述畫像知識圖譜。