CN106202088A - 一种匹配业务场景的方法和系统 - Google Patents

一种匹配业务场景的方法和系统 Download PDF

Info

Publication number
CN106202088A
CN106202088A CN201510221616.6A CN201510221616A CN106202088A CN 106202088 A CN106202088 A CN 106202088A CN 201510221616 A CN201510221616 A CN 201510221616A CN 106202088 A CN106202088 A CN 106202088A
Authority
CN
China
Prior art keywords
product
matched
scene
user
user characteristics
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
Application number
CN201510221616.6A
Other languages
English (en)
Inventor
沈栋
肖汉平
刘堂衡
叶家杰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Alibaba Group Holding Ltd
Original Assignee
Alibaba Group Holding Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Alibaba Group Holding Ltd filed Critical Alibaba Group Holding Ltd
Priority to CN201510221616.6A priority Critical patent/CN106202088A/zh
Priority to EP16789272.8A priority patent/EP3293688A4/en
Priority to PCT/CN2016/079811 priority patent/WO2016177278A1/zh
Priority to JP2017557445A priority patent/JP6745817B2/ja
Priority to KR1020177033969A priority patent/KR102125120B1/ko
Priority to SG11201708717RA priority patent/SG11201708717RA/en
Publication of CN106202088A publication Critical patent/CN106202088A/zh
Priority to US15/800,823 priority patent/US11010783B2/en
Priority to US17/322,894 priority patent/US11481798B2/en
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0241—Advertisements
    • G06Q30/0242—Determining effectiveness of advertisements
    • G06Q30/0243—Comparative campaigns
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/957—Browsing optimisation, e.g. caching or content distillation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G06Q30/0204—Market segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/10—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
    • H04L67/01—Protocols
    • H04L67/02—Protocols based on web technology, e.g. hypertext transfer protocol [HTTP]
    • H04L67/025—Protocols based on web technology, e.g. hypertext transfer protocol [HTTP] for remote control or remote monitoring of applications

Abstract

本申请实施例公开了一种匹配业务场景的方法及系统。一种匹配业务场景的方法，包括：获取不同场景对应访问用户的用户特征和待匹配产品的匹配特征；基于所述待匹配产品的匹配特征计算每一场景的用户特征映射值；根据所述用户特征映射值选取所述待匹配产品的业务场景。利用本申请各实施例，可以计算出与待匹配产品相关度较为契合的用户特征映射值，从而利于按照该计算得到的用户特征映射值选择相应的场景作为待匹配厂品的业务场景。

Description

一种匹配业务场景的方法和系统
技术领域
本申请涉及互联网技术领域，特别涉及一种匹配业务场景的方法及系统。
背景技术
互联网技术中，用户可以通过浏览器或应用等各种方式访问网站服务商或应用服务商提供的各种页面。网站或服务提供商通过对不同页面进行分类和汇集，可以形成不同场景。
场景可以对应某个网页或一系列有层次结构的网页的集合，还可以包括点击某个页面按钮弹出的页面。常见的场景例如为按照涉及的主题和/或功能对网页进行分类和汇集。
例如作为较大门户网站的新浪网，设置有如下不同场景的子站，每个子站可以汇集多个页面：
新浪科技 tech.sina.com.cn
新浪运动 sports.sina.com.cn
新浪新闻 news.sina.com.cn
新浪财经 finance.sina.com.cn
…
其中，每个子站场景又可能涉及多个具体的场景，例如，新浪运动(sports.sina.com.cn)又包括NBA、CBA、中国足球、国际足球等多个场景；新浪科技又包括手机、相机、家电等多个场景；等等。
在移动互联网应用中，例如安装在移动终端上的某种应用，可以设置不同类业务的接入口。例如，支付宝钱包主页面可以设置包括机票、电影、打车、快递等不同类业务的接入口。所述场景也可以对应这些不同的接入口。
网站服务商或应用服务商需要在不同场景中设置进一步的业务接口。例如移动终端的应用上可能需要在快递接入口跳转的页面上设置新进入的星星快递的业务接口；例如网站服务商需要在汽车子站中设置新进入的某品牌汽车的业务接口，如点击某个页面按钮弹出的该品牌汽车的相关业务接口(如购买咨询或预约购买之类)页面；以及例如在不同场景中设置广告等。这里可以将被设置的内容称为产品，如上述星星快递、某品牌汽车的活动推广、广告等。
现有技术中，一般对产品需要适配的场景，网站服务商或应用服务商基于各个场景的访问量来进行确定。例如，一款汽车类产品在新浪各场景中的适配，往往简单的根据各场景的访问量来确定。所述访问量(Page View)一般包括页面浏览量或点击量，一般用户每刷新一次页面即被计算一次该页面的浏览量或点击量。相应地，该场景中页面的访问量可以计为该场景的访问量。例如，新浪各主要子站最近一个月按总访问量排序可能如图1所示。如图1中，新浪博客的访问量最高，则现有技术往往是将该汽车类产品与该场景适配，将该汽车类产品在新浪博客这一场景中设置业务接口。再例如，现有技术中同样基于不同场景的访问量将一款星星快递的业务接口适配到应用中的打车场景中。
在实现本申请过程中，发明人发现现有技术中至少存在如下问题：
按照访问量之类的方式进行产品与场景的适配，比较粗放，难以将产品适配到真正适合的场景中。如上述车类产品在新浪博客这一场景中设置业务接口，并不是很好的选择，可能新浪汽车的场景才是更适合的选择；上述星星快递设置到快递场景中才是更好的选择。
发明内容
本申请实施例的目的是提供一种匹配业务场景的方法及系统，以将产品匹配到更适合的场景中。
为解决上述技术问题，本申请实施例提供一种匹配业务场景的方法及系统是这样实现的：
一种匹配业务场景的方法，包括：
获取不同场景对应访问用户的用户特征和待匹配产品的匹配特征；
基于所述待匹配产品的匹配特征计算每一场景的用户特征映射值；
根据所述用户特征映射值选取所述待匹配产品的业务场景。
一种匹配业务场景的系统，包括：
获取单元，用于获取不同场景对应访问用户的用户特征和待匹配产品的匹配特征；
计算单元，基于所述待匹配产品的匹配特征计算每一场景的用户特征映射值；
选取单元，用于根据所述用户特征映射值选取所述待匹配产品的业务场景。
由以上本申请实施例提供的技术方案可见，本申请实施例基于所述待匹配产品的匹配特征计算每一场景的用户特征映射值，可以计算出与待匹配产品相关度较为契合的用户特征映射值，从而利于按照该计算得到的用户特征映射值选择相应的场景作为待匹配厂品的业务场景。例如，按照现有技术的方式，如果仅考虑访问量PV，可能从整体上来说场景4(如为汽车场景)高于场景3(快递类产品)，但对于待匹配产品为新引入的星星快递来说，作为场景3显然更适宜作为该新引入的星星快递的接口设置页面。这样，通过本申请上述实施例，正是考虑了待匹配产品的特性，即结合待匹配产品的匹配特征计算每一场景的用户特征映射值，从而可以较为真实的反映不同场景与待匹配产品的契合程度，从而可以帮助选择合适的业务场景。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，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申请中记载的一些实施例，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。
图1为本申请中新浪各主要子站最近一个月按总访问量排序示意图；
图2为本申请一方法实施例的流程图；
图3为本申请一系统实施例的模块图；
图4为本申请一系统实施例的模块图；
图5为本申请一系统实施例的模块图。
具体实施方式
本申请实施例提供一种匹配业务场景的方法及系统。
为了使本技术领域的人员更好地理解本申请中的技术方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都应当属于本申请保护的范围。
本申请一种匹配业务场景的方法实施例如图2所示，包括：
S110：获取不同场景对应访问用户的用户特征和待匹配产品的匹配特征。
一般的，用户通过终端或者应用访问网站服务商或应用服务商设置的不同场景，网站服务商或应用服务商的服务器可以获得或者记录访问用户的用户特征。这些用户特征，例如可以包括用户的某些注册信息，例如ID、性别、年龄之类；也可以包括用户设置的关注项，例如登记的兴趣爱好、订阅版面、收藏页面等；也可以包括记录的用户关于该网站或应用发生的历史行为，例如在提供购物的网站或应用中发生的母婴类成交总金额，家电类成交总金额或户外类成交总金额等。上述各类特征，可以作为后续评价不同场景用户特征映射值的基础。具体的，可以从访问记录和/或注册信息中获取所述用户特征。
所述访问特征，例如为{X1，X2，X3，…}的形式，其中X1、X2，X3具体可以代表如下对应内容：
{ID，性别，年龄，关注场景，兴趣爱好，订阅版面，收藏页面，购买记录，母婴类成交总金额，家电类成交总金额，户外类成交总金额，…}
每一用户，可以均具有上述访问特征，也可以具有不完全相同的访问特征。
不同场景中可能主要集中有不同的访问用户群。例如，场景1可能包括用户M1，M2，M3，…，M100；场景2可能包括用户N1，N2，N3，…，N50；场景3可能包括用户P1，P2，P3，…，P500；场景4可能包括用户Q1，Q2，Q3，…，Q300。当然，并不排除不同场景对应的访问用户存在部分重叠或者全部重叠的情况。
这样，网站服务商或应用服务商的服务器可以获得不同场景对应访问用户的用户特征。
待匹配产品，如前所述，可以为需要适配到真正适合的场景中的产品。一般地，不同的待匹配产品具有不同的匹配特征。例如，作为一项母婴类产品，如母婴类广告或应用接口，在设置匹配的场景时，可能更关注性别、年龄、关注场景、兴趣爱好、收藏页面、购买记录和母婴类成交总金额；上述关注的内容一般在用户特征中均有所体现。再例如，作为一款汽车类产品，如汽车类产品购买咨询接口，在设置匹配的场景时，可能更关注兴趣爱好，订阅版面，收藏页面，购买记录这些特征。不同的待匹配产品，按照预先的选择，可以确定对应的匹配特征。
这样，网站服务商或应用服务商的服务器可以获得待匹配产品的匹配特征。
S120：基于所述待匹配产品的匹配特征计算每一场景的用户特征映射值。
如前所述，不同待匹配产品一般具有不同的匹配特征。可以基于待匹配产品的匹配特征计算不同场景的用户特征值。
例如，待匹配产品具有匹配特征{X2，X3，X5，X8}。在不同场景下，可以按照待匹配产品的匹配特征计算每一场景的用户特征映射值。
具体的，如前所述，可以将场景1中每一用户的用户特征中对应X2，X3，X5，X8的特征值量化叠加后求平均，作为该场景的用户特征映射值，如用户特征映射值场景1；可以将场景2中每一用户的用户特征中对应X2，X3，X5，X8的特征值量化后叠加后求平均，作为该场景的用户特征映射值，如用户特征映射值场景2。在具有相同的量化原则的前提下，通过这一计算方式能得到基本上较真实的反映该场景与待匹配产品相对契合程度相对数值。
例如，用户特征映射值场景1＝1.5，用户特征映射值场景2＝2.7。
再例如，可以将场景3中每一用户的用户特征中对应X2，X3，X5，X8的特征值量化叠加，作为该场景的用户特征映射值，如用户特征映射值场景3；可以将场景4中每一用户的用户特征中对应X2，X3，X5，X8的特征值量化后叠加后求平均，作为该场景的用户特征映射值，如用户特征映射值场景4。同样的，在具有相同的量化原则的前提下，通过这一计算方式能得到基本上较真实的反映该场景与待匹配产品相对契合程度相对数值。
例如，用户特征映射值场景3＝15000，用户特征映射值场景4＝7280。
综上，按照相同标准量化不同场景对应访问用户的用户特征中与待匹配产品的匹配特征对应的第一用户特征，并基于相同映射规则获得所述不同场景的第一用户特征的用户特征映射值，可以得到作为后续选取标准的每一场景的用户特征映射值。
S130：根据所述用户特征映射值选取所述待匹配产品的业务场景。
一般来说，不同场景中较多重复待匹配产品的匹配特征的，与待匹配产品更为契合。这样，可以将用户特征映射值高的场景选取为待匹配产品的业务场景。如上述场景3中用户数量更多，相应地，用户特征映射值场景3相中重复这些匹配特征的情况也较多，因此用户特征映射值场景3明显大于用户特征映射值场 景4。这样，场景3相对于场景4更与待匹配产品的业务场景更加契合。
进一步的，当前场景中访问用户较多的重复待匹配产品的匹配特征，也将使得当前场景与待匹配产品更为契合。例如，待匹配产品为母婴产品，购买母婴产品的访问用户主要集中于场景2；这样，场景2中的访问用户在某些匹配特征上对该场景的用户特征映射值具有较高的影响，例如母婴类成交总金额较高带来的影响。这样，即使场景2种的访问用户明显低于场景1，按照上述S120中的计算方式，可以得到用户特征映射值场景1明显小于用户特征映射值场景2。这样，场景2相对于场景1与待匹配产品的业务场景更加契合。
当然，视待匹配产品的特性，也可能不同场景中较少重复待匹配产品的匹配特征的，与待匹配产品更为契合。这样，可以将用户特征映射值低的场景选取为待匹配产品的业务场景。这里并不限定。
基于本申请上述实施例，基于所述待匹配产品的匹配特征计算每一场景的用户特征映射值，可以计算出与待匹配产品相关度较为契合的用户特征映射值，从而利于按照该计算得到的用户特征映射值选择相应的场景作为待匹配厂品的业务场景。
例如，按照现有技术的方式，如果仅考虑访问量PV，可能从整体上来说场景4(如为汽车场景)高于场景3(快递类产品)，但对于待匹配产品为新引入的星星快递来说，作为场景3显然更适宜作为该新引入的星星快递的接口设置页面。这样，通过本申请上述实施例，正是考虑了待匹配产品的特性，即结合待匹配产品的匹配特征计算每一场景的用户特征映射值，从而可以较为真实的反映不同场景与待匹配产品的契合程度，从而可以帮助选择合适的业务场景。
上述S110步骤中，关于待匹配产品的匹配特征，除了按照事先的选择确定，还可以通过自动方式实现。对于大数据量的处理，通过设置合理的函数，可以借助成熟的大数据处理技术从这些大数据中找出规律。例如logistic回归，GBDT(Gradient Boosting Decision Tree)，决策树，甚至深度学习等机器学习方法，都可以被用于针对这些大数据进行建模，从而可以获取使用该类产品的用户的潜在主要特征，也就是待匹配产品的匹配特征。此外，通过上述大数据处理方法，还可以得出这些特征之间的关系以及权重，进而可以得到统一的方程或者计算公式。这里相当于归结为相对标准的、有目标的特征提取问题,业界有各类通用算法可以尝试，对应不同的数据和业务可适用的算法各有侧重。以下本申请中以Logistic回归为例，说明如何通过建模得到较为适合的匹配特征，以及如何得到不同场景中基于该匹配特征的取值范围位于0和1之间的用户特征映射值。
通过logistic回归实现可以实现主要特征的选取。在一些机器学习算法中也称为主成分分析。主要特征即反映匹配场景时产品主要主要关注的特征。包括具如下：
A1：将全部用户特征按照用户设置并标记每一用户是否使用目标产品。例如，将500个用户的1000维度的用户特征按用户设置为行，并在该用户的用户特征后标记该用户是否使用目标产品，例如对于目标产品来说，该用户使用的情况标记为1，不使用的情况标记为0。可以通过数据表的形式体现这样的记过。
A2：计算A1中每个用户的全部用户特征与是否使用目标产品之间的信息值(Information Value)。例如通过主成分分析的方式，可以计算出每个维度对于用户是否使用目标产品的影响程度，这样的影响程度作为计算得到的因子，即上述信息值。
A3：按照Information Value排序，并保留最大的预设数量维度的特征。例如，1000维度特征按照Information Value排序后，从大到小保留前200维特征。
A4：将每个用户保留的预设数量的维度特征及是否使用目标产品通过逻辑回归算法进行拟合运算，依照逻辑回归算法中的统计显著性要求(p_value)要求排除非显著指标并保留显著指标。
通过上述方式，可以利用逻辑回归算法从众多的维度中找出与用户是否使用某产品最相关的数量较少的一些维度，即得到待匹配产品的匹配特征。
上述A4中，通过拟合运算，并依照统计显著性要求(p_value)排除非显著的指标，保留显著指标以及相应的系数，还可以得到匹配特征与用户特征映射值之间的映射关系，例如每一用户的匹配特征到最终取值范围为[0,1]的用户特征映射值的映射关系。从而，S120中可以利用该映射关系基于所述待匹配产品的匹配特征计算每一场景的用户特征映射值。由于这样的映射关系通过逻辑回归算法对大数据的收集、尝试和趋势模拟得到，因此能更好的反映用户特征到匹配特征的关系，匹配特征到用户特征映射值的关系。
以下结合图3介绍本申请一单元匹配业务场景的系统实施例，如图3所示，该系统包括：
获取单元310，用于获取不同场景对应访问用户的用户特征和待匹配产品的匹配特征；
计算单元320，基于所述待匹配产品的匹配特征计算每一场景的用户特征映射值；
选取单元330，用于根据所述用户特征映射值选取所述待匹配产品的业务场景。
优选地，所述获取单元310可以包括第一获取单元311，用于从访问记录和/或注册信息中获取不同场景对应访问用户的用户特征。
优选地，所述获取单元310可以包括第二获取单元312，用于按照预先的选择确定待匹配产品的匹配特征。
优选地，如图4所示，所述计算单元320可以包括量化单元321和映射单元322，其中：
量化单元321，用于按照相同标准量化不同场景对应访问用户的用户特征中与待匹配产品的匹配特征对应的第一用户特征；
映射单元322，用于基于相同映射规则获得所述不同场景的第一用户特征的用户特征映射值。
优选地，所述选取单元可以将用户特征映射值低的场景选取为待匹配产品的业务场景；或，将用户特征映射值高的场景选取为待匹配产品的业务场景。
优选地，所述获取单元获取待匹配产品的匹配特征，可以利用机器学习方法获取待匹配产品的匹配特征。
优选地，如图5所示，所述映射单元322可以包括映射方式获得单元323和特征值计算单元324，其中：
映射方式获得单元323，用于利用机器学习方法获得第一映射方式；
特征值计算单元324，用于利用第一映射方式计算每一场景的用户特征映射值。
优选地，上述机器学习方法可以包括logistic回归算法，GBDT算法，决策树算法，深度学习算法中的至少一个。
在20世纪90年代，对于一个技术的改进可以很明显地区分是硬件上的改进(例如，对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而，随着技术的发展，当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此，不能说一个方法流程的改进就不能用硬件实体模块来实现。例如，可编程逻辑器件(ProgrammableLogic Device,PLD)(例如现场可编程门阵列(Field Programmable Gate Array，FPGA))就是这样一种集成电路，其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片PLD上，而不需要请芯片制造厂商来设计和制作专用的集成电路芯片2。而且，如今，取代手工地制作集成电路芯片，这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现，它与程序开发撰写时所用的软件编译器相类似，而要编译之前的原始代码也得用特定的编程语言来撰写，此称之为硬件描述语言(HardwareDescription Language，HDL)，而HDL也并非仅有一种，而是有许多种，如ABEL(Advanced Boolean Expression Language)、AHDL(Altera HardwareDescription Language)、Confluence、CUPL(Cornell University ProgrammingLanguage)、HDCal、JHDL(Java Hardware Description Language)、Lava、Lola、MyHDL、PALASM、RHDL(Ruby Hardware Description Language)等，目前最普遍使用的是VHDL(Very-High-Speed Integrated Circuit HardwareDescription Language)与Verilog2。本领域技术人员也应该清楚，只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中，就可以很容易得到实现该逻辑方法流程的硬件电路。
控制器可以按任何适当的方式实现，例如，控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application SpecificIntegrated Circuit，ASIC)、可编程逻辑控制器和嵌入微控制器的形式，控制器的例子包括但不限于以下微控制器：ARC 625D、Atmel AT91SAM、MicrochipPIC18F26K20以及Silicone Labs C8051F320，存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道，除了以纯计算机可读程序代码方式实现控制器以外，完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至，可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。
为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本申请时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白，本申请的实施例可提供为方法、系统或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本申请，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
以上所述仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。

Claims (15)

1.一种匹配业务场景的方法，其特征在于，包括：
获取不同场景对应访问用户的用户特征和待匹配产品的匹配特征；
基于所述待匹配产品的匹配特征计算每一场景的用户特征映射值；
根据所述用户特征映射值选取所述待匹配产品的业务场景。
2.如权利要求1所述的方法，其特征在于，所述获取不同场景对应访问用户的用户特征，包括：
从访问记录和/或注册信息中获取不同场景对应访问用户的用户特征。
3.如权利要求1所述的方法，其特征在于，所述获取待匹配产品的匹配特征，包括：
按照预先的选择确定待匹配产品的匹配特征。
4.如权利要求1所述的方法，其特征在于，所述基于所述待匹配产品的匹配特征计算每一场景的用户特征映射值，包括：
按照相同标准量化不同场景对应访问用户的用户特征中与待匹配产品的匹配特征对应的第一用户特征；
基于相同映射规则获得所述不同场景的第一用户特征的用户特征映射值。
5.如权利要求1所述的方法，其特征在于，所述根据所述用户特征映射值选取所述待匹配产品的业务场景，包括：
将用户特征映射值低的场景选取为待匹配产品的业务场景；或，
将用户特征映射值高的场景选取为待匹配产品的业务场景。
6.权利要求1所述的方法，其特征在于，所述获取待匹配产品的匹配特征，包括：
利用机器学习方法获取待匹配产品的匹配特征。
7.权利要求1所述的方法，其特征在于，所述计算每一场景的用户特征映射值，包括：
利用机器学习方法获得第一映射方式；
利用第一映射方式计算每一场景的用户特征映射值。
8.权利要求6或7所述的方法，其特征在于，所述机器学习方法包括logistic回归算法，GBDT算法，决策树算法，深度学习算法中的至少一个。
9.一种匹配业务场景的系统，其特征在于，包括：
获取单元，用于获取不同场景对应访问用户的用户特征和待匹配产品的匹配特征；
计算单元，基于所述待匹配产品的匹配特征计算每一场景的用户特征映射值；
选取单元，用于根据所述用户特征映射值选取所述待匹配产品的业务场景。
10.如权利要求9所述的系统，其特征在于，所述获取单元包括第一获取单元，用于从访问记录和/或注册信息中获取不同场景对应访问用户的用户特征。
11.如权利要求9所述的系统，其特征在于，所述获取单元包括第二获取单元，用于按照预先的选择确定待匹配产品的匹配特征。
12.如权利要求9所述的系统，其特征在于，所述计算单元包括：
量化单元，用于按照相同标准量化不同场景对应访问用户的用户特征中与待匹配产品的匹配特征对应的第一用户特征；
映射单元，用于基于相同映射规则获得所述不同场景的第一用户特征的用户特征映射值。
13.如权利要求9所述的系统，其特征在于，所述选取单元将用户特征映射值低的场景选取为待匹配产品的业务场景；或，将用户特征映射值高的场景选取为待匹配产品的业务场景。
14.如权利要求9所述的系统，其特征在于，所述获取单元获取待匹配产品的匹配特征，包括利用机器学习方法获取待匹配产品的匹配特征。
15.权利要求12所述的系统，其特征在于，所述映射单元包括：
映射方式获得单元，用于利用机器学习方法获得第一映射方式；
特征值计算单元，用于利用第一映射方式计算每一场景的用户特征映射值。
CN201510221616.6A 2015-05-04 2015-05-04 一种匹配业务场景的方法和系统 Pending CN106202088A (zh)

Priority Applications (8)

Application Number Priority Date Filing Date Title
CN201510221616.6A CN106202088A (zh) 2015-05-04 2015-05-04 一种匹配业务场景的方法和系统
EP16789272.8A EP3293688A4 (en) 2015-05-04 2016-04-21 Method and system for matching service scene
PCT/CN2016/079811 WO2016177278A1 (zh) 2015-05-04 2016-04-21 一种匹配业务场景的方法和系统
JP2017557445A JP6745817B2 (ja) 2015-05-04 2016-04-21 サービスシナリオマッチング方法及びシステム
KR1020177033969A KR102125120B1 (ko) 2015-05-04 2016-04-21 서비스 시나리오 매칭 방법 및 시스템
SG11201708717RA SG11201708717RA (en) 2015-05-04 2016-04-21 Service scenario matching method and system
US15/800,823 US11010783B2 (en) 2015-05-04 2017-11-01 Matching products with service scenarios
US17/322,894 US11481798B2 (en) 2015-05-04 2021-05-17 Matching products with service scenarios

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510221616.6A CN106202088A (zh) 2015-05-04 2015-05-04 一种匹配业务场景的方法和系统

Publications (1)

Publication Number Publication Date
CN106202088A true CN106202088A (zh) 2016-12-07

Family

ID=57218025

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510221616.6A Pending CN106202088A (zh) 2015-05-04 2015-05-04 一种匹配业务场景的方法和系统

Country Status (7)

Country Link
US (2) US11010783B2 (zh)
EP (1) EP3293688A4 (zh)
JP (1) JP6745817B2 (zh)
KR (1) KR102125120B1 (zh)
CN (1) CN106202088A (zh)
SG (1) SG11201708717RA (zh)
WO (1) WO2016177278A1 (zh)

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107066518A (zh) * 2017-02-08 2017-08-18 阿里巴巴集团控股有限公司 数据处理方法及系统
CN107402881A (zh) * 2017-04-14 2017-11-28 阿里巴巴集团控股有限公司 一种项目测试的选取方法及装置
CN107562461A (zh) * 2017-09-08 2018-01-09 北京京东尚科信息技术有限公司 特征计算系统及方法、存储介质和电子设备
CN107590205A (zh) * 2017-08-23 2018-01-16 阿里巴巴集团控股有限公司 一种业务展示方法、装置及设备
CN109447776A (zh) * 2018-10-22 2019-03-08 中国银行股份有限公司 收税方法及装置、存储介质及电子设备
CN111078313A (zh) * 2019-12-09 2020-04-28 神州数码融信软件有限公司 一种业务参数配置方法
CN111383077A (zh) * 2020-03-09 2020-07-07 浙江大华技术股份有限公司 一种数据管理及客户选型系统、方法及装置
CN111428994A (zh) * 2020-03-20 2020-07-17 支付宝(杭州)信息技术有限公司 业务处理方法、装置及电子设备
CN116126976A (zh) * 2023-04-06 2023-05-16 之江实验室 一种数据同步的方法、装置、存储介质及电子设备

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106202088A (zh) 2015-05-04 2016-12-07 阿里巴巴集团控股有限公司 一种匹配业务场景的方法和系统
KR102093789B1 (ko) * 2017-11-28 2020-03-27 동국대학교 산학협력단 설명력이 있는 딥 러닝 방법 및 시스템
CN111242741B (zh) * 2020-01-15 2023-08-04 新石器慧通（北京）科技有限公司 一种基于场景的商品文案生成方法、系统及无人零售车

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090063249A1 (en) * 2007-09-04 2009-03-05 Yahoo! Inc. Adaptive Ad Server
CN102663026A (zh) * 2012-03-22 2012-09-12 浙江盘石信息技术有限公司 一种定向投放网络广告的实现方法
CN104077714A (zh) * 2014-06-16 2014-10-01 微梦创科网络科技（中国）有限公司 访问网站的用户的偏好获取、广告推送方法和系统
US20140304086A1 (en) * 2013-02-25 2014-10-09 Turn Inc. Methods and systems for modeling campaign goal adjustment
CN104317822A (zh) * 2014-09-29 2015-01-28 新浪网技术(中国)有限公司 网络用户的人口属性预测方法和装置

Family Cites Families (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS488207Y1 (zh) 1966-12-08 1973-03-03
JP2003006224A (ja) * 2001-06-26 2003-01-10 Kawasaki Heavy Ind Ltd Ｗｗｗページの自動更新方法および自動更新装置
US8352499B2 (en) * 2003-06-02 2013-01-08 Google Inc. Serving advertisements using user request information and user information
US20080270398A1 (en) * 2007-04-30 2008-10-30 Landau Matthew J Product affinity engine and method
KR101049889B1 (ko) * 2007-10-22 2011-07-19 주식회사 이베이지마켓 검색을 통한 행태분석에 기반한 키워드 그룹에 대하여광고를 수주하고 타겟 광고하는 웹 사이트 운영 방법 및온라인 시스템
JP4808207B2 (ja) * 2007-12-11 2011-11-02 ヤフー株式会社 広告配信装置、広告配信方法、広告配信プログラム及び広告入札方法
JP5332356B2 (ja) 2008-07-08 2013-11-06 日産自動車株式会社 車両用運転支援装置
KR20100020365A (ko) * 2008-08-12 2010-02-22 건국대학교 산학협력단 상품 추천 시스템 및 그 추천방법
US20130013428A1 (en) 2011-07-08 2013-01-10 Cbs Interactive Inc. Method and apparatus for presenting offers
CN102708151A (zh) 2012-04-16 2012-10-03 广州市幻像信息科技有限公司 一种实现互联网情景论坛方法和装置
US9922303B2 (en) * 2012-08-30 2018-03-20 Oracle International Corporation Method and system for implementing product group mappings
JP5903376B2 (ja) * 2012-12-11 2016-04-13 日本電信電話株式会社 情報推薦装置、情報推薦方法、及び情報推薦プログラム
CN104679769B (zh) * 2013-11-29 2018-04-06 国际商业机器公司 对产品的使用场景进行分类的方法及装置
US20160055563A1 (en) * 2014-08-20 2016-02-25 Roopnath Grandhi Methods and systems of discovery of products in e-commerce
CN106202088A (zh) 2015-05-04 2016-12-07 阿里巴巴集团控股有限公司 一种匹配业务场景的方法和系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090063249A1 (en) * 2007-09-04 2009-03-05 Yahoo! Inc. Adaptive Ad Server
CN102663026A (zh) * 2012-03-22 2012-09-12 浙江盘石信息技术有限公司 一种定向投放网络广告的实现方法
US20140304086A1 (en) * 2013-02-25 2014-10-09 Turn Inc. Methods and systems for modeling campaign goal adjustment
CN104077714A (zh) * 2014-06-16 2014-10-01 微梦创科网络科技（中国）有限公司 访问网站的用户的偏好获取、广告推送方法和系统
CN104317822A (zh) * 2014-09-29 2015-01-28 新浪网技术(中国)有限公司 网络用户的人口属性预测方法和装置

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107066518B (zh) * 2017-02-08 2021-01-08 创新先进技术有限公司 数据处理方法及系统
CN107066518A (zh) * 2017-02-08 2017-08-18 阿里巴巴集团控股有限公司 数据处理方法及系统
CN107402881A (zh) * 2017-04-14 2017-11-28 阿里巴巴集团控股有限公司 一种项目测试的选取方法及装置
CN107590205A (zh) * 2017-08-23 2018-01-16 阿里巴巴集团控股有限公司 一种业务展示方法、装置及设备
CN107562461B (zh) * 2017-09-08 2021-09-03 北京京东尚科信息技术有限公司 特征计算系统及方法、存储介质和电子设备
CN107562461A (zh) * 2017-09-08 2018-01-09 北京京东尚科信息技术有限公司 特征计算系统及方法、存储介质和电子设备
CN109447776A (zh) * 2018-10-22 2019-03-08 中国银行股份有限公司 收税方法及装置、存储介质及电子设备
CN111078313A (zh) * 2019-12-09 2020-04-28 神州数码融信软件有限公司 一种业务参数配置方法
CN111383077A (zh) * 2020-03-09 2020-07-07 浙江大华技术股份有限公司 一种数据管理及客户选型系统、方法及装置
CN111428994A (zh) * 2020-03-20 2020-07-17 支付宝(杭州)信息技术有限公司 业务处理方法、装置及电子设备
CN111428994B (zh) * 2020-03-20 2022-06-03 支付宝(杭州)信息技术有限公司 业务处理方法、装置及电子设备
CN116126976A (zh) * 2023-04-06 2023-05-16 之江实验室 一种数据同步的方法、装置、存储介质及电子设备
CN116126976B (zh) * 2023-04-06 2023-07-04 之江实验室 一种数据同步的方法、装置、存储介质及电子设备

Also Published As

Publication number Publication date
KR102125120B1 (ko) 2020-06-22
SG11201708717RA (en) 2017-11-29
EP3293688A1 (en) 2018-03-14
JP6745817B2 (ja) 2020-08-26
US20210272153A1 (en) 2021-09-02
JP2018514876A (ja) 2018-06-07
KR20180004749A (ko) 2018-01-12
US20180053206A1 (en) 2018-02-22
US11010783B2 (en) 2021-05-18
EP3293688A4 (en) 2018-11-07
WO2016177278A1 (zh) 2016-11-10
US11481798B2 (en) 2022-10-25

Similar Documents

Publication Publication Date Title
CN106202088A (zh) 一种匹配业务场景的方法和系统
WO2019192261A1 (zh) 一种支付方式推荐方法、装置及设备
US10504120B2 (en) Determining a temporary transaction limit
JP5965911B2 (ja) オンライン取引プラットフォームに基づくデータ処理
CN108573428A (zh) 一种资源推荐方法和装置
CN110413877A (zh) 一种资源推荐方法、装置及电子设备
CN110070399A (zh) 一种优惠券推送方法及装置
CN108121737A (zh) 一种业务对象属性标识的生成方法、装置和系统
CN106295832A (zh) 产品信息推送方法及装置
CN107341173A (zh) 一种信息处理方法及装置
CN108205768A (zh) 数据库建立方法和数据推荐方法及装置、设备和存储介质
CN106251168A (zh) 信息推送方法及系统
CN110246007A (zh) 一种商品推荐方法及装置
CN103020128B (zh) 与终端设备交互数据的方法与装置
CN109493113A (zh) 一种优惠信息的提供方法以及装置
CN109902250A (zh) 问卷调查的共享方法、共享装置、计算机设备及存储介质
CN110599307A (zh) 一种商品推荐的方法及装置
WO2020177477A1 (zh) 一种信用服务推荐方法、装置及设备
CN110147940A (zh) 一种风险控制处理方法、设备、介质以及装置
CN109598542A (zh) 一种营销权益的投放方法、装置及电子设备
CN106445947A (zh) 数据搜索方法和系统
CN109978650A (zh) 构建决策树的方法及系统
EP2850544A1 (en) A user recommendation method and device
CN106991191B (zh) 商品筛选方法及装置、存储介质、电子设备
CN110134860A (zh) 用户画像生成方法、装置和设备

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
REG Reference to a national code

Ref country code: HK

Ref legal event code: DE

Ref document number: 1230757

Country of ref document: HK

RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20161207

REG Reference to a national code

Ref country code: HK

Ref legal event code: WD

Ref document number: 1230757

Country of ref document: HK