CN107103038A - 一种基于大数据的选题策划系统 - Google Patents

Abstract

本发明公开了一种基于大数据的选题策划系统，包括：数据采集单元，采集图书选题策划的相关数据；数据处理与存储单元，对采集后的数据按照数据时效性要求的高低分为实时业务数据源和基础数据源，存储在基于hadoop的出版社分布式数据库中，并上传到数据集市；分析预测单元，包括统计分析平台；统计分析平台对数据集市提供的数据进行全面的分析与预测，为出版社制定、修改选题策划提供重要参考与依据。本发明利用大数据的分析技术，帮助图书出版机构掌握图书市场购买趋势和市场热点，及时更新最合适的选题排行，准确把握读者群体的实际需求，定位具体的消费者群体，为图书出版机构提高选题策划能力提供科学的依据。

Description

一种基于大数据的选题策划系统

技术领域

本发明涉及选题策划技术领域，尤其涉及一种基于大数据的选题策划系统。

背景技术

目前，国内进行用户需求方面的挖掘，主要是少数几家大公司在进行研究，其中比较成熟有影响力的商业公司是百度公司和阿里巴巴公司。百度公司的分析产品是“百度指数”，它是以在百度上网民海量的行为数据为基础的数据分析平台，可以为众多的企业营销决策做重要依据，帮助用户优化数字营销活动方案。阿里巴巴的分析产品有“淘宝指数”、“阿里指数”等等，主要着眼于电商角度的用户需求分析，用户可以通过该产品了解淘宝上庞大的购物数据，知道淘宝的购物趋势，使得商店卖家更加精准的制定营销方案。

而在大数据的背景下，国内着眼于内容提供商角度的用户需求分析研究整体起步较晚，相应的学术研究很少，但需求很迫切。近年来，伴随着网络信息技术和数字化媒体的蓬勃发展，我国图书出版行业发展遭遇到图书库存积压严重、消费者购买需求下降等问题。出版业急需借助于云计算、大数据技术为图书选题及发行提供科学依据，帮助出版社优化出版方向、推动出版产业转型升级。

目前，编辑在选稿和组稿的过程中大多凭借自身以往的工作经验，或者凭着灵感进行选题策划，本身没有进行太多的市场调研，定性分析的过程较多，而定量分析严重不足，这种方法显然不符合当代选题标准的。

发明内容

针对上述问题中存在的不足之处，本发明提供一种基于大数据的选题策划系统。

本发明提供一种基于大数据的选题策划系统，包括：

数据采集单元，采集图书选题策划的相关数据，所述相关数据包括微信公众号平台获取的数据、出版社业务系统提供的数据、数据管理员录入的数据和第三方交易平台获取的数据；

数据处理与存储单元，对采集后的数据按照数据时效性要求的高低分为实时业务数据源和基础数据源，存储在基于hadoop的出版社分布式数据库中，并上传到数据集市；

分析预测单元，包括统计分析平台；所述统计分析平台对数据集市提供的数据进行全面的分析与预测，为出版社制定、修改选题策划提供重要参考与依据。

作为本发明的进一步改进，所述数据采集单元包括：企业数据采集服务总线；

所述企业数据采集服务总线将微信公众号平台获取的数据、出版社业务系统提供的数据、数据管理员录入的数据和第三方交易平台获取的数据传输至数据处理与存储单元中；其中：

微信公众号平台获取的数据包括扫码数据、反馈意见数据和参与营销活动数据；

第三方交易平台获取的数据包括订单数据，协议数据和合同数据。

作为本发明的进一步改进，所述数据处理与存储单元包括数据加工模块；

所述数据加工模块对采集后的数据进行预处理，并按照数据时效性要求的高低分为实时业务数据源和基础数据源；其中，所述预处理包括数据的格式转换，所述实时业务数据源包括实时订单数据、实时库存数据和商务事故处理数据，所述基础数据源包括：历史销售数据、历史订单数据和企业内部文件数据。

作为本发明的进一步改进，所述分析预测单元还包括数据挖掘模块，数据先进行数据挖掘后再在统计分析平台进行展现；

所述数据挖掘模块包括：

置前分类模块，用于对微信端获取的读者基本信息和图书信息进行置前分类，生成用户基本信息数据库和图书信息数据库；所述读者基本信息包括时间、地点、职业、性别和年龄，所述图书信息包括书名、类型和章节；

特征提取模块，基于多个情景因子对采集的用户行为数据进行特征提取，生成用户行为信息数据库；所述情景因子包括用户的性别、年龄、社会阶层、上网时段偏好、阅读类型、停留时长、众筹信息；

兴趣模型建立模块，根据上述三个数据库建立基于用户行为的兴趣模型，兴趣模型采用用户偏好向量来表示，每个情景因子赋予不同的权值；

数据挖掘子模块，对用户进行聚类分析，采用KNN协同过滤挖掘技术分析用户偏好，并结合候选选题以及市场动态反馈数据进行图书选题策划的分析与排名，找出有市场潜力的图书选题。

本发明还提供一种数据挖掘方法，包括：

步骤1、对微信端获取的读者基本信息和图书信息进行置前分类，生成用户基本信息数据库和图书信息数据库；所述读者基本信息包括时间、地点、职业、性别和年龄，所述图书信息包括书名、类型和章节；

步骤2、基于多个情景因子对采集的用户行为数据进行特征提取，生成用户行为信息数据库；所述情景因子包括用户的性别、年龄、社会阶层、上网时段偏好、阅读类型、停留时长、众筹信息；

步骤3、根据上述三个数据库建立基于用户行为的兴趣模型，兴趣模型采用用户偏好向量来表示，每个情景因子赋予不同的权值；

步骤4、对用户进行聚类分析，采用KNN协同过滤挖掘技术分析用户偏好，并结合候选选题以及市场动态反馈数据进行图书选题策划的分析与排名，找出有市场潜力的图书选题。

与现有技术相比，本发明的有益效果在于：

本发明利用大数据的分析技术，帮助图书出版机构掌握图书市场购买趋势和市场热点，及时更新最合适的选题排行，准确把握读者群体的实际需求，定位具体的消费者群体，为图书出版机构提高选题策划能力提供科学的依据；

本发明能够通过读者扫描纸质图书上的二维码对读者进行置前分类，解决了大数据中冷启动的问题。

附图说明

图1为本发明一种实施例公开的基于大数据的选题策划系统的框架图；

图2为图1中数据挖掘模块的挖掘方法流程图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。

在信息爆炸的时代，消费者的观念变化迅速，呈现出多元化、个性化、移动化、社交化等特点。准确的把握消费者阅读倾向和阅读需求的变化，掌握图书出版消费市场中同类产品的市场动态，是图书选题出版的重要基础，是当今社会以市场导向为主题的中心。图书出版业也需要在专业的信息技术系统的帮助下，及时的收集和整理图书市场的热点信息，最大限度地对图书市场的走势进行判断，帮助出版机构及时有效的把握公众的反馈信息。

下面结合附图对本发明做进一步的详细描述：

如图1所示，本发明提供一种基于大数据的选题策划系统，整个系统的功能逻辑框架分为三个部分：数据采集单元、数据处理与存储单元及分析预测单元。

数据采集单元用于采集图书选题策划的相关数据，本系统的数据来源总的来说可以分为主动采集数据和“大数据”环境获取数据，主动采集数据包括：微信公众号平台获取的数据，ERP系统提供的数据以及由数据管理员手工输入的部分数据等等，“大数据”环境获取数据主要是第三方交易平台数据的获取。其中，微信公众号平台获取的数据包括扫码数据、反馈意见数据和参与营销活动数据，第三方交易平台获取的数据包括订单数据，协议数据和合同数据。

企业数据采集服务总线将微信公众号平台获取的数据、出版社业务系统提供的数据、数据管理员录入的数据和第三方交易平台获取的数据传输至数据处理与存储单元中。

数据处理与存储单元，数据处理与存储单元的数据加工模块对采集后的数据进行数据的格式转换等预处理，并按照数据时效性要求的高低分为实时业务数据源和基础数据源，实时业务数据源和基础数据源存储在基于hadoop(分布式计算)的出版社分布式数据库中，并上传到数据集市。其中，预处理包括数据的格式转换，实时业务数据源包括实时订单数据、实时库存数据和商务事故处理数据，基础数据源包括：历史销售数据、历史订单数据和企业内部文件数据。

分析预测单元，包括统计分析平台和数据挖掘模块，数据应当先进行数据挖掘后再在统计分析平台进行展现；统计分析平台基于数据集市提供的各类数据，对出版社目标读者、同类图书中的竞争者、市场定价等进行全面的分析与预测，为出版社制定、修改选题策划提供重要参考与依据。其中，全面的分析与预测为通过统计一本书的读者信息，可以建立起该书的用户画像，从而找到同样的目标读者；通过分析其他同类图书的销量、定价可以预测出版社即将出版的书可以下印多少册、定价多少。

本发明的数据挖掘模块包括：

置前分类模块，用于对微信端获取的读者基本信息和图书信息进行置前分类，生成用户基本信息数据库和图书信息数据库；读者基本信息包括时间、地点、职业、性别和年龄，图书信息包括书名、类型和章节；

特征提取模块，基于多个情景因子对采集的用户行为数据进行特征提取，生成用户行为信息数据库；情景因子包括用户的性别、年龄、社会阶层、上网时段偏好、阅读类型、停留时长、众筹信息；

兴趣模型建立模块，根据上述三个数据库建立基于用户行为的兴趣模型，兴趣模型采用用户偏好向量来表示，每个情景因子赋予不同的权值；

数据挖掘子模块，对用户进行聚类分析，采用KNN协同过滤挖掘技术分析用户偏好，并结合候选选题以及市场动态反馈数据进行图书选题策划的分析与排名，找出有市场潜力的图书选题。

如图2所示，本发明提供一种选题策划的数据挖掘方法，选题策划的数据挖掘将对微信采集到的数据，进行数据挖掘。微信采集到的数据主要包括：图书二维码扫码数据、客户在线互动数据、客户参与微信营销活动数据、客户微信反馈意见、客户地理位置数据等。对微信客户数据进行挖掘，可以发现数据背后的潜在价值，比如消费习惯、购买能力与欲望等。此外，微信客户数据的挖掘分析，可以较好把握客户的消费心理与行为变化，使选题策划定位更加细化、精准；其具体包括：

步骤1、读者通过微信端扫描纸质图书上的二维码阅读扩展的精品内容时，系统通过对读者基本信息的提取、图书信息的提取可以对读者进行一个置前分类。其中读者基本信息包括读者自然属性、社会属性,涵盖时间、地点、职业、性别、年龄等因素。图书信息包括书名、类型、章节等因素。通过对读者的置前分类可以大致了解读者的喜好，解决数据挖掘中冷启动的问题。

步骤2、读者通过扫码进入出版社微信公众号平台后，我们可以对其行为数据进行采集，并且对读者进行特征提取。根据移动手机阅读特征,选择用户的性别、年龄、社会阶层、上网时段偏好、阅读类型、停留时长、众筹信息七个情景因子进行特征提取。

步骤3、根据上述三个数据库建立基于用户行为的兴趣模型，兴趣模型采用用户偏好向量来表示，每个情景因子赋予不同的权值；

步骤4、确定好兴趣模型后,再对用户进行聚类分析,然后采用KNN协同过滤挖掘技术，分析用户偏好，然后结合候选选题以及市场动态反馈数据进行图书选题策划的分析与排名，找出有市场潜力的图书选题。

本发明利用大数据的分析技术，帮助图书出版机构掌握图书市场购买趋势和市场热点，及时更新最合适的选题排行，准确把握读者群体的实际需求，定位具体的消费者群体，为图书出版机构提高选题策划能力提供科学的依据；

本发明能够通过读者扫描纸质图书上的二维码对读者进行置前分类，解决了大数据中冷启动的问题。

以上仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (5)

1.一种基于大数据的选题策划系统，其特征在于，包括：

数据采集单元，采集图书选题策划的相关数据，所述相关数据包括微信公众号平台获取的数据、出版社业务系统提供的数据、数据管理员录入的数据和第三方交易平台获取的数据；

数据处理与存储单元，对采集后的数据按照数据时效性要求的高低分为实时业务数据源和基础数据源，存储在基于hadoop的出版社分布式数据库中，并上传到数据集市；

分析预测单元，包括统计分析平台；所述统计分析平台对数据集市提供的数据进行全面的分析与预测，为出版社制定、修改选题策划提供重要参考与依据。

2.如权利要求1所述的基于大数据的选题策划系统，其特征在于，所述数据采集单元包括：企业数据采集服务总线；

所述企业数据采集服务总线将微信公众号平台获取的数据、出版社业务系统提供的数据、数据管理员录入的数据和第三方交易平台获取的数据传输至数据处理与存储单元中；其中：

微信公众号平台获取的数据包括扫码数据、反馈意见数据和参与营销活动数据；

第三方交易平台获取的数据包括订单数据，协议数据和合同数据。

3.如权利要求1所述的基于大数据的选题策划系统，其特征在于，所述数据处理与存储单元包括数据加工模块；

所述数据加工模块对采集后的数据进行预处理，并按照数据时效性要求的高低分为实时业务数据源和基础数据源；其中，所述预处理包括数据的格式转换，所述实时业务数据源包括实时订单数据、实时库存数据和商务事故处理数据，所述基础数据源包括：历史销售数据、历史订单数据和企业内部文件数据。

4.如权利要求1所述的基于大数据的选题策划系统，其特征在于，所述分析预测单元还包括数据挖掘模块，数据先进行数据挖掘后再在统计分析平台进行展现；

所述数据挖掘模块包括：

置前分类模块，用于对微信端获取的读者基本信息和图书信息进行置前分类，生成用户基本信息数据库和图书信息数据库；所述读者基本信息包括时间、地点、职业、性别和年龄，所述图书信息包括书名、类型和章节；

特征提取模块，基于多个情景因子对采集的用户行为数据进行特征提取，生成用户行为信息数据库；所述情景因子包括用户的性别、年龄、社会阶层、上网时段偏好、阅读类型、停留时长、众筹信息；

兴趣模型建立模块，根据上述三个数据库建立基于用户行为的兴趣模型，兴趣模型采用用户偏好向量来表示，每个情景因子赋予不同的权值；

数据挖掘子模块，对用户进行聚类分析，采用KNN协同过滤挖掘技术分析用户偏好，并结合候选选题以及市场动态反馈数据进行图书选题策划的分析与排名，找出有市场潜力的图书选题。

5.一种如权利要求4所述的数据挖掘模块的方法，其特征在于，包括：

步骤1、对微信端获取的读者基本信息和图书信息进行置前分类，生成用户基本信息数据库和图书信息数据库；所述读者基本信息包括时间、地点、职业、性别和年龄，所述图书信息包括书名、类型和章节；

步骤2、基于多个情景因子对采集的用户行为数据进行特征提取，生成用户行为信息数据库；所述情景因子包括用户的性别、年龄、社会阶层、上网时段偏好、阅读类型、停留时长、众筹信息；

步骤3、根据上述三个数据库建立基于用户行为的兴趣模型，兴趣模型采用用户偏好向量来表示，每个情景因子赋予不同的权值；

步骤4、对用户进行聚类分析，采用KNN协同过滤挖掘技术分析用户偏好，并结合候选选题以及市场动态反馈数据进行图书选题策划的分析与排名，找出有市场潜力的图书选题。