CN106339891A - 一种基于大数据采集的智能分析方法及系统 - Google Patents
一种基于大数据采集的智能分析方法及系统 Download PDFInfo
- Publication number
- CN106339891A CN106339891A CN201510406541.9A CN201510406541A CN106339891A CN 106339891 A CN106339891 A CN 106339891A CN 201510406541 A CN201510406541 A CN 201510406541A CN 106339891 A CN106339891 A CN 106339891A
- Authority
- CN
- China
- Prior art keywords
- data
- user
- fact table
- unit
- carried out
- 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
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明提供了一种基于大数据采集的智能分析方法及系统，包括如下步骤：采集用户数据；合并用户在不同渠道上面的数据属性，以形成用户数据事实表；对用户数据事实表进行数据沉淀；对用户数据事实表进行数据统计；对用户数据事实表进行数据分析；对用户数据事实表进行数据挖掘；根据数据沉淀、数据统计、数据分析和数据挖掘获取的数据生成多维度的用户画像。本发明依据上述各渠道采集汇总的用户网络行为数据，通过数据沉淀、数据统计、数据分析、数据挖掘的方法，得到用户的自然属性、浏览量、点击量、分类权重、短期需求、用户群体特征、用户标签等数据，从而填充用户画像中对应维度的数据。
Description
技术领域
本发明涉及互联网应用技术，尤其涉及一种基于大数据采集的智能分析方法及系统。
背景技术
近几年来，国内网络营销的概念很火，但现有网络营销效率低、没有精确定位有效的客户群，导致大量的广告展示给了不相关的网民，因此，通过有效的技术手段将品牌主张、产品信息准确无误地传递到目标受众，实现互联网系统的精准定位营销、提升广告投放回报率十分重要。
为了提升广告投放回报率，对大数据的分析显得越来越重要。
发明内容
本发明提供了一种基于大数据采集的智能分析方法，能实现用户数据的精准采集及分析，为了实现该技术方案，该方法包括如下步骤：
采集用户数据；
合并用户在不同渠道上面的数据属性，以形成用户数据事实表；
对用户数据事实表进行数据沉淀，以获取用户的自然属性；
对用户数据事实表进行数据统计，以获取用户的浏览量和点击率；
对用户数据事实表进行数据分析，以获取用户近期的需求类别；
对用户数据事实表进行数据挖掘，以获取用户的群体特征并对该用户打上标签；
根据数据沉淀、数据统计、数据分析和数据挖掘获取的数据生成多维度的用户画像。
在上述的基于大数据采集的智能分析方法中，通过对用户的页面请求抓取、核心网络链路数据抓取以及与互联网厂商合作的方式采集用户数据；
通过cookie映射的方式合并用户在不同渠道上面的数据属性，以形成用户数据事实表；
采用布式系统架构采集用户数据，并在采集数据的过程中，运用storm做流式计算、ssdb做中间数据缓存、hadoop数据存储，以保证整个系统处理的实时性。
在上述的基于大数据采集的智能分析方法中，所述自然属性为定向系统中的基本过滤条件；
自然属性包括性别、年龄、学历、地域、婚姻状况、家庭状况、收入、行业、职业中的一种或多种信息。
在上述的基于大数据采集的智能分析方法中，获取用户的浏览量和点击率的步骤为：
针对用户的网络行为数据以及按用户浏览的网站类别，分类统计出该用户分类累计浏览总量、广告点击率等数据和最近一天、最近三天、最近一周以及整体的浏览量和点击率。
在上述的基于大数据采集的智能分析方法中，获取用户近期的需求类别的步骤包括：
获取用户数据事实表中的用户近期搜索关键字和广告点击记录；
对关键字进行语义分析转和点击广告类别的提取；
确认用户近期的需求类别。
在上述的基于大数据采集的智能分析方法中，对用户数据事实表进行数据挖掘的步骤包括：
根据历史采集数据和用户点击反馈，用数据挖掘的方式得出用户属于的群体特征，并打上相应的用户标签。
在上述的基于大数据采集的智能分析方法中，所述方法还包括：
根据数据沉淀、数据统计、数据分析和数据挖掘的数据进行广告投放。
同时本发明还提供了一种基于大数据采集的智能分析系统，包括：
数据采集模块，用于采集用户数据；
数据合并模块，用于并合并用户在不同渠道上面的数据属性，以形成用户数据事实表；
数据分析模块，所述数据分析模块包括数据沉淀单元、数据统计单元、数据分析单元和数据挖掘单元，所述数据沉淀单元用于对用户数据事实表进行数据沉淀，以获取用户的自然属性，所述数据统计单元用于对用户数据事实表进行数据统计，以获取用户的浏览量和点击率，所述数据分析单元用于对用户数据事实表进行数据分析，以获取用户近期的需求类别，所述数据挖掘单元用于对用户数据事实表进行数据挖掘，以获取用户的群体特征并对该用户打上标签；
用户画像生成模块，根据数据沉淀单元、数据统计单元、数据分析单元和数据挖掘单元获取的数据生成多维度的用户画像。
在上述的基于大数据采集的智能分析系统中，获取用户的浏览量和点击率的步骤为：针对用户的网络行为数据以及按用户浏览的网站类别，分类统计出该用户分类累计浏览总量、广告点击率等数据和最近一天、最近三天、最近一周以及整体的浏览量和点击率；
获取用户近期的需求类别的步骤包括：获取用户数据事实表中的用户近期搜索关键字和广告点击记录；对关键字进行语义分析转和点击广告类别的提取；确认用户近期的需求类别；
对用户数据事实表进行数据挖掘的步骤包括：根据历史采集数据和用户点击反馈，用数据挖掘的方式得出用户属于的群体特征，并打上相应的用户标签。
在上述的基于大数据采集的智能分析系统中，所述智能分析系统还包括有广告投放模块，用于根据数据沉淀单元、数据统计单元、数据分析单元和数据挖掘单元获取的数据进行广告投放。
本发明依据上述各渠道采集汇总的用户网络行为数据，通过数据沉淀、数据统计、数据分析、数据挖掘的方法，得到用户的自然属性、浏览量、点击量、分类权重、短期需求、用户群体特征、用户标签等数据，从而填充用户画像中对应维度的数据，实现了用户数据的精准采集及智能分析。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明及其特征、外形和优点将会变得更明显。在全部附图中相同的标记指示相同的部分。并未刻意按照比例绘制附图，重点在于示出本发明的主旨。
图1为本发明一种基于大数据采集的智能分析方法的流程图；
图2为本发明一种基于大数据采集的智能分析系统的示意图。
具体实施方式
在下文的描述中，给出了大量具体的细节以便提供对本发明更为彻底的理解。然而，对于本领域技术人员而言显而易见的是，本发明可以无需一个或多个这些细节而得以实施。在其他的例子中，为了避免与本发明发生混淆，对于本领域公知的一些技术特征未进行描述。
为了彻底理解本发明，将在下列的描述中提出详细的步骤以及详细的结构，以便阐释本发明的技术方案。本发明的较佳实施例详细描述如下，然而除了这些详细描述外，本发明还可以具有其他实施方式。
实施例一
本实施例提供了一种基于大数据采集的智能分析方法，结合图1所示，包括如下步骤：
步骤S1：采集用户数据；
在本发明中，通过对用户的页面请求抓取、核心网络链路数据抓取以及与互联网厂商合作的方式采集用户数据。
步骤S2：合并用户在不同渠道上面的数据属性，以形成用户数据事实表。
其中，步骤S1采集的用户数据为整个项目的数据来源，通过用户的页面请求抓取、核心网络链路数据抓取以及与互联网著名厂商合作等方式采集用户数据，同时通过cookie mapping的方式合并用户在不现渠道上面的数据属性，形成一个全面完整的用户事实表，为后续的智能分析提供数据支撑。该采集系统具有以下特点：1、覆盖用户的全面性，目前国内整个互联网的cookie用户约10亿左右，我们的采集系统从图中几个方面综合采集数据，得到了近乎全网的用户数据，为我们广告精准投放系统提供了全网用户的数据支撑；2、用户属性的完整性，一般的，我们从网络上面获取到用户的数据，基本上只有ip、区域、refer、浏览器等信息，由于我们获取数据的多面性，我们通过cookie mapping的方式合并了同一用户在不同渠道的属性，以及数据的投放反馈数据和给用户打标签等方式，得出更完整的用户画像信息；3、请求数据时效性，整体采集系统我们采取分布式系统架构，同时运用storm做流式计算、ssdb做中间数据缓存、hadoop数据存储，保证整个系统处理的实时性。
步骤S3：对用户数据事实表进行数据沉淀，以获取用户的自然属性；
在本发明的数据沉淀中，自然属性是用户画像的基本属性，是定向系统中最基本的过滤条件，属性包括性别、年龄、学历、地域、婚姻状况、家庭状况(是否有小孩，小孩年龄等)、收入(个人收入、家庭收入)、行业、职业等信息。这部分的数据，我们通过采集汇总来的数据逐步沉淀完善和更新。
步骤S4：对用户数据事实表进行数据统计，以获取用户的浏览量和点击率；
在本发明的数据统计中，针对用户的网络行为数据，按用户浏览的网站类别分类统计出该分类累计浏览总量、广告点击率等数据和最近一天、最近三天、最近一周以及整体的浏览量和点击率。
步骤S5：对用户数据事实表进行数据分析，以获取用户近期的需求类别；
在本发明的数据分析中，用户的短期需求被认为是广告投放系统中最重要的指标之一，确定用户短期需求的过程如下：1、数据采集中的用户近期搜索关键字和广告点击记录；2、对关键字进行语义分析转和点击广告类别的提取；3、确认用户近期的需求类别。
步骤S6：对用户数据事实表进行数据挖掘，以获取用户的群体特征并对该用户打上标签。
在本发明的数据挖掘中，根据历史采集数据和点击反馈等数据信息，用数据挖掘的方式得出用户属于的群体特征，并打上相应的用户标签。
步骤S7：根据数据沉淀、数据统计、数据分析和数据挖掘获取的数据生成多维度的用户画像。
本发明依据上述各渠道采集汇总的用户网络行为数据，通过数据沉淀、数据统计、数据分析、数据挖掘的方法，得到用户的自然属性、浏览量、点击量、分类权重、短期需求、用户群体特征、用户标签等数据，从而填充用户画像中对应维度的数据，实现了用户数据的精准采集及智能分析。
在本发明一可选的实施例中，在完成上述的步骤S3、S4、S5之后，还可进行根据数据沉淀、数据统计、数据分析和数据挖掘的数据进行广告投放，利用这些数据可以更好地进行广告投放。
实施例二
在本实施例中，本发明提供了一种基于大数据采集的智能分析系统，参照图2所示，主要包括：数据采集模块1、数据合并模块2、数据分析模块3和用户画像生成模块4。具体如下：
数据采集模块1用于采集用户数据。
数据合并模块2与数据采集模块1相连，用于并合并用户在不同渠道上面的数据属性，以形成用户数据事实表。
数据分析模块3与数据合并模块2相连，数据分析模块3进一步包括数据沉淀单元3a、数据统计单元3b、数据分析单元3c和数据挖掘单元3d，沉淀单元3a用于对用户数据事实表进行数据沉淀，以获取用户的自然属性；数据统计单元3b用于对用户数据事实表进行数据统计，以获取用户的浏览量和点击率；数据分析单元3c用于对用户数据事实表进行数据分析，以获取用户近期的需求类别；数据挖掘单元3d用于对用户数据事实表进行数据挖掘，以获取用户的群体特征并对该用户打上标签。
用户画像生成模块4与数据分析模块3相连，根据数据沉淀单元3a、数据统计单元3b、数据分析单元3c和数据挖掘单元3d获取的数据生成多维度的用户画像。
在本发明以的数据沉淀中，自然属性是用户画像的基本属性，是定向系统中最基本的过滤条件，属性包括性别、年龄、学历、地域、婚姻状况、家庭状况(是否有小孩，小孩年龄等)、收入(个人收入、家庭收入)、行业、职业等信息。这部分的数据，我们通过采集汇总来的数据逐步沉淀完善和更新。
在本发明的数据统计中，针对用户的网络行为数据，按用户浏览的网站类别分类统计出该分类累计浏览总量、广告点击率等数据和最近一天、最近三天、最近一周以及整体的浏览量和点击率。
在本发明的数据分析中，用户的短期需求被认为是广告投放系统中最重要的指标之一，确定用户短期需求的过程如下：1、数据采集中的用户近期搜索关键字和广告点击记录；2、对关键字进行语义分析转和点击广告类别的提取；3、确认用户近期的需求类别。
在本发明的数据挖掘中，根据历史采集数据和点击反馈等数据信息，用数据挖掘的方式得出用户属于的群体特征，并打上相应的用户标签。
在本实施例中可选的，智能分析系统还包括有广告投放模块，用于根据数据沉淀单元3a、数据统计单元3b、数据分析单元3c和数据挖掘单元3d获取的数据进行广告投放。
综合上述，本发明通过跨渠道、跨区域整合媒体资源，PC、OTV、Mobile多屏合一，汇集国内主流行业网站，实现日覆盖逾50亿流量，日覆盖逾2.1亿独立用户，月覆盖全国85％以上的互联网受众的全面覆盖率；同时，本发明以高度聚合的垂直媒体为导向，线性划分多种内容媒体，最大化挖掘互联网资源流量，将媒体资源标签化、结构化、直观化，不断优化频道组合，提升媒体投放精准度和目标受众到达率；另外，本发明基于跨区域媒体，对接多方资源，利用互联网一站式资源整合和多维定向技术，实现内容、地域、行为、回头客全方位定向，将用户数据标签化，全面追踪网络用户，实时分析用户行为，高效优化媒体组合，智能匹配广告与媒体资源，实时优化投过过程，让广告精准触达目标受众，提升广告投放回报率。
以上对本发明的较佳实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，其中未尽详细描述的设备和结构应该理解为用本领域中的普通方式予以实施；任何熟悉本领域的技术人员，在不脱离本发明技术方案范围情况下，都可利用上述揭示的方法和技术内容对本发明技术方案做出许多可能的变动和修饰，或修改为等同变化的等效实施例，这并不影响本发明的实质内容。因此，凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所做的任何简单修改、等同变化及修饰，均仍属于本发明技术方案保护的范围内。
Claims (10)
1.一种基于大数据采集的智能分析方法，其特征在于，包括如下步骤：
采集用户数据；
合并用户在不同渠道上面的数据属性，以形成用户数据事实表；
对用户数据事实表进行数据沉淀，以获取用户的自然属性；
对用户数据事实表进行数据统计，以获取用户的浏览量和点击率；
对用户数据事实表进行数据分析，以获取用户近期的需求类别；
对用户数据事实表进行数据挖掘，以获取用户的群体特征并对该用户打上标签；
根据数据沉淀、数据统计、数据分析和数据挖掘获取的数据生成多维度的用户画像。
2.如权利要求1所述的基于大数据采集的智能分析方法，其特征在于，通过对用户的页面请求抓取、核心网络链路数据抓取以及与互联网厂商合作的方式采集用户数据；
通过cookie映射的方式合并用户在不同渠道上面的数据属性，以形成用户数据事实表；
采用布式系统架构采集用户数据，并在采集数据的过程中，运用storm做流式计算、ssdb做中间数据缓存、hadoop数据存储，以保证整个系统处理的实时性。
3.如权利要求1所述的基于大数据采集的智能分析方法，其特征在于，所述自然属性为定向系统中的基本过滤条件；
自然属性包括性别、年龄、学历、地域、婚姻状况、家庭状况、收入、行业、职业中的一种或多种信息。
4.如权利要求1所述的基于大数据采集的智能分析方法，其特征在于，获取用户的浏览量和点击率的步骤为：
针对用户的网络行为数据以及按用户浏览的网站类别，分类统计出该用户分类累计浏览总量、广告点击率等数据和最近一天、最近三天、最近一周以及整体的浏览量和点击率。
5.如权利要求1所述的基于大数据采集的智能分析方法，其特征在于，获取用户近期的需求类别的步骤包括：
获取用户数据事实表中的用户近期搜索关键字和广告点击记录；
对关键字进行语义分析转和点击广告类别的提取；
确认用户近期的需求类别。
6.如权利要求1所述的基于大数据采集的智能分析方法，其特征在于，对用户数据事实表进行数据挖掘的步骤包括：
根据历史采集数据和用户点击反馈，用数据挖掘的方式得出用户属于的群体特征，并打上相应的用户标签。
7.如权利要求1至6任意一所述的基于大数据采集的智能分析方法，其特征在于，所述方法还包括：
根据数据沉淀、数据统计、数据分析和数据挖掘的数据进行广告投放。
8.一种基于大数据采集的智能分析系统，其特征在于，包括：
数据采集模块，用于采集用户数据；
数据合并模块，用于并合并用户在不同渠道上面的数据属性，以形成用户数据事实表；
数据分析模块，所述数据分析模块包括数据沉淀单元、数据统计单元、数据分析单元和数据挖掘单元，所述数据沉淀单元用于对用户数据事实表进行数据沉淀，以获取用户的自然属性，所述数据统计单元用于对用户数据事实表进行数据统计，以获取用户的浏览量和点击率，所述数据分析单元用于对用户数据事实表进行数据分析，以获取用户近期的需求类别，所述数据挖掘单元用于对用户数据事实表进行数据挖掘，以获取用户的群体特征并对该用户打上标签；
用户画像生成模块，根据数据沉淀单元、数据统计单元、数据分析单元和数据挖掘单元获取的数据生成多维度的用户画像。
9.如权利要求8所述的基于大数据采集系统的智能分析系统，其特征在于，
获取用户的浏览量和点击率的步骤为：针对用户的网络行为数据以及按用户浏览的网站类别，分类统计出该用户分类累计浏览总量、广告点击率等数据和最近一天、最近三天、最近一周以及整体的浏览量和点击率；
获取用户近期的需求类别的步骤包括：获取用户数据事实表中的用户近期搜索关键字和广告点击记录；对关键字进行语义分析转和点击广告类别的提取；确认用户近期的需求类别；
对用户数据事实表进行数据挖掘的步骤包括：根据历史采集数据和用户点击反馈，用数据挖掘的方式得出用户属于的群体特征，并打上相应的用户标签。
10.如权利要求9所述的基于大数据采集系统的智能分析系统，其特征在于，所述智能分析系统还包括有广告投放模块，用于根据数据沉淀单元、数据统计单元、数据分析单元和数据挖掘单元获取的数据进行广告投放。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510406541.9A CN106339891A (zh) | 2015-07-13 | 2015-07-13 | 一种基于大数据采集的智能分析方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510406541.9A CN106339891A (zh) | 2015-07-13 | 2015-07-13 | 一种基于大数据采集的智能分析方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN106339891A true CN106339891A (zh) | 2017-01-18 |
Family
ID=57827019
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510406541.9A Pending CN106339891A (zh) | 2015-07-13 | 2015-07-13 | 一种基于大数据采集的智能分析方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106339891A (zh) |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107239572A (zh) * | 2017-06-28 | 2017-10-10 | 郑州云海信息技术有限公司 | 一种存储管理软件的数据缓存方法及装置 |
| CN107423315A (zh) * | 2017-03-23 | 2017-12-01 | 广东南方新视界传媒科技有限公司 | 一种户外媒体资源数据的挖掘处理方法及系统 |
| CN108038732A (zh) * | 2017-12-25 | 2018-05-15 | 北京比利信息技术有限公司 | 一种品牌广告运营方法及装置 |
| CN108154401A (zh) * | 2018-01-15 | 2018-06-12 | 网易无尾熊（杭州）科技有限公司 | 用户画像刻画方法、装置、介质和计算设备 |
| CN108492224A (zh) * | 2018-03-09 | 2018-09-04 | 上海开放大学 | 基于深度学习在线教育学生综合画像标签管理系统 |
| CN108737483A (zh) * | 2017-04-24 | 2018-11-02 | 百度在线网络技术（北京）有限公司 | 一种基于流式计算的数据连通率实时计算方法及装置 |
| CN108876517A (zh) * | 2018-05-31 | 2018-11-23 | 周国俊 | 基于人工智能的用户喜好分析方法及系统 |
| CN109034876A (zh) * | 2018-07-05 | 2018-12-18 | 天津璧合信息技术有限公司 | 一种行业画像分析方法及装置 |
| CN109472644A (zh) * | 2018-11-14 | 2019-03-15 | 浙江出海数字技术有限公司 | 广告流量数据采集与统计分析系统及其方法 |
| CN110264241A (zh) * | 2019-05-15 | 2019-09-20 | 浙江华坤道威数据科技有限公司 | 一种基于大数据的广告投放评估优化系统 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102073956A (zh) * | 2009-11-19 | 2011-05-25 | 深圳市腾讯计算机系统有限公司 | 一种基于数据挖掘的定向广告投放方法、系统和设备 |
| CN102592236A (zh) * | 2011-12-28 | 2012-07-18 | 北京品友互动信息技术有限公司 | 一种互联网广告人群分析系统和分析方法 |
| CN103412930A (zh) * | 2013-08-17 | 2013-11-27 | 北京品友互动信息技术有限公司 | 一种互联网用户属性识别方法 |
-
2015
- 2015-07-13 CN CN201510406541.9A patent/CN106339891A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102073956A (zh) * | 2009-11-19 | 2011-05-25 | 深圳市腾讯计算机系统有限公司 | 一种基于数据挖掘的定向广告投放方法、系统和设备 |
| CN102592236A (zh) * | 2011-12-28 | 2012-07-18 | 北京品友互动信息技术有限公司 | 一种互联网广告人群分析系统和分析方法 |
| CN103412930A (zh) * | 2013-08-17 | 2013-11-27 | 北京品友互动信息技术有限公司 | 一种互联网用户属性识别方法 |
Non-Patent Citations (1)
| Title |
|---|
| 吴金虎: "基于Hadoop的大型网站海量数据的统计与应用", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107423315A (zh) * | 2017-03-23 | 2017-12-01 | 广东南方新视界传媒科技有限公司 | 一种户外媒体资源数据的挖掘处理方法及系统 |
| CN107423315B (zh) * | 2017-03-23 | 2018-11-06 | 广东南方新视界传媒科技有限公司 | 一种户外媒体资源数据的挖掘处理方法及系统 |
| CN108737483A (zh) * | 2017-04-24 | 2018-11-02 | 百度在线网络技术（北京）有限公司 | 一种基于流式计算的数据连通率实时计算方法及装置 |
| CN107239572A (zh) * | 2017-06-28 | 2017-10-10 | 郑州云海信息技术有限公司 | 一种存储管理软件的数据缓存方法及装置 |
| CN108038732A (zh) * | 2017-12-25 | 2018-05-15 | 北京比利信息技术有限公司 | 一种品牌广告运营方法及装置 |
| CN108154401A (zh) * | 2018-01-15 | 2018-06-12 | 网易无尾熊（杭州）科技有限公司 | 用户画像刻画方法、装置、介质和计算设备 |
| CN108492224A (zh) * | 2018-03-09 | 2018-09-04 | 上海开放大学 | 基于深度学习在线教育学生综合画像标签管理系统 |
| CN108876517A (zh) * | 2018-05-31 | 2018-11-23 | 周国俊 | 基于人工智能的用户喜好分析方法及系统 |
| CN108876517B (zh) * | 2018-05-31 | 2022-06-17 | 周国俊 | 基于人工智能的用户喜好分析方法及系统 |
| CN109034876A (zh) * | 2018-07-05 | 2018-12-18 | 天津璧合信息技术有限公司 | 一种行业画像分析方法及装置 |
| CN109472644A (zh) * | 2018-11-14 | 2019-03-15 | 浙江出海数字技术有限公司 | 广告流量数据采集与统计分析系统及其方法 |
| CN110264241A (zh) * | 2019-05-15 | 2019-09-20 | 浙江华坤道威数据科技有限公司 | 一种基于大数据的广告投放评估优化系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106339891A (zh) | 一种基于大数据采集的智能分析方法及系统 | |
| CN102750336B (zh) | 一种基于用户关联性的资源个性化推荐方法 | |
| CN104813320B (zh) | 处理数字通信量度量的系统和方法 | |
| JP6067713B2 (ja) | ソーシャル・ネットワーキング・システムを通じて伝搬される通信の効果の理解 | |
| JP5596152B2 (ja) | 電子商取引ウェブサイトでの情報マッチングの方法及びシステム | |
| US10311490B2 (en) | Visual tag editor | |
| CN104602042B (zh) | 基于用户行为的标签设置方法 | |
| CN106355442A (zh) | 基于大数据驱动的在线广告精准投放方法和系统 | |
| US20160210321A1 (en) | Real-time content recommendation system | |
| CN104182506A (zh) | 日志管理方法 | |
| US20140164385A1 (en) | Method And System For Categorizing Users Browsing Web Content | |
| US20140101134A1 (en) | System and method for iterative analysis of information content | |
| US11216852B2 (en) | Systems and methods for automatically generating remarketing lists | |
| CN109933699A (zh) | 一种学术画像模型的构建方法及装置 | |
| CN102521767A (zh) | 网络广告信息发布方法及系统 | |
| JP2010102385A (ja) | ユーザ分類装置、広告配信装置、ユーザ分類方法、広告配信方法、およびプログラム | |
| US10552996B2 (en) | Systems and techniques for determining associations between multiple types of data in large data sets | |
| CN103870452A (zh) | 数据推荐方法及系统 | |
| US20130346215A1 (en) | Advertisement distribution apparatus, distribution method, and distribution program | |
| CN103262079B (zh) | 检索装置及检索方法 | |
| CN106383857A (zh) | 一种信息处理方法及电子设备 | |
| KR102238438B1 (ko) | 규격화된 광고상품을 이용한 광고상품거래 서비스 제공 시스템 | |
| WO2014123929A1 (en) | System and method for classifying a contagious phenomenon propagating on a network | |
| KR101492817B1 (ko) | 광고를 특정 사용자 그룹과 연계시키기 위한 방법, 시스템 및 컴퓨터 판독 가능한 기록 매체 | |
| CN104376071A (zh) | 推广信息的监测方法及装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170118 |