CN107741967A - 用于行为数据处理的方法、装置以及电子设备 - Google Patents

用于行为数据处理的方法、装置以及电子设备 Download PDF

Info

Publication number
CN107741967A
CN107741967A CN201710928323.0A CN201710928323A CN107741967A CN 107741967 A CN107741967 A CN 107741967A CN 201710928323 A CN201710928323 A CN 201710928323A CN 107741967 A CN107741967 A CN 107741967A
Authority
CN
China
Prior art keywords
user
behavioral data
object type
specified
weight
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.)
Granted
Application number
CN201710928323.0A
Other languages
English (en)
Other versions
CN107741967B (zh
Inventor
王博
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.)
Beijing Jingdong Century Trading Co Ltd
Beijing Jingdong Shangke Information Technology Co Ltd
Original Assignee
Beijing Jingdong Century Trading Co Ltd
Beijing Jingdong Shangke Information Technology Co 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 Beijing Jingdong Century Trading Co Ltd, Beijing Jingdong Shangke Information Technology Co Ltd filed Critical Beijing Jingdong Century Trading Co Ltd
Priority to CN201710928323.0A priority Critical patent/CN107741967B/zh
Publication of CN107741967A publication Critical patent/CN107741967A/zh
Application granted granted Critical
Publication of CN107741967B publication Critical patent/CN107741967B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9535—Search customisation based on user profiles and personalisation
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Accounting & Taxation (AREA)
  • Development Economics (AREA)
  • Finance (AREA)
  • Strategic Management (AREA)
  • Databases & Information Systems (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Physics & Mathematics (AREA)
  • Game Theory and Decision Science (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Economics (AREA)
  • General Engineering & Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请公开一种用于行为数据处理的方法、装置以及电子设备。该方法包括：本发明实施例中，通过统计指定用户在第一时间段内针对指定对象类型的多个行为数据；获取所述指定对象类型的所述多个行为数据的权重；根据所述多个行为数据以及所述每个行为数据的权重，计算所述指定用户对所述指定对象类型进行预设行为的行为特征值，以对所述指定用户的行为进行预测，实现了利用行为数据的权重对行为数据进行精细化处理，而且，可以通过行为数据的权重以及行为数据对用户的行为进行预测。

Description

用于行为数据处理的方法、装置以及电子设备
技术领域
本发明涉及计算机科学技术领域，具体而言，涉及一种用于行为数据处理的方法、装置以及电子设备。
背景技术
在互联网普及的时代，用户在互联网上的各种行为形成了行为数据，通过对行为数据进行统计、深入的分析及处理，可以以此来指导网站的运营工作，使企业了解用户需求，从而为用户提供合适的服务，进而使企业网站更好的运营下去。
在实现本发明的过程中，发明人发现现有技术中在对用户行为数据进行处理时不够全面精细，例如，在电商网站中，一种方式是只针对单一的影响因素对用户行为进行分析，这使得行为数据处理不够全面精细，进而造成对用户行为数据的分析不够准确。
本发明实施例提出了一种用于行为数据处理的方法、装置以及电子设备。
在所述背景技术部分公开的上述信息仅用于加强对本发明的背景的理解，因此它可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
有鉴于此，本发明提供一种用于行为数据处理的方法、装置以及电子设备，利用行为数据的权重对行为数据进行精细化处理。
本发明的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本发明的实践而习得。
根据本发明的第一方面，提供一种用于行为数据处理的方法，其中，包括：
统计指定用户在第一时间段内针对指定对象类型的多个行为数据；
获取所述指定对象类型的所述多个行为数据的权重；
根据所述多个行为数据以及所述每个行为数据的权重，计算所述指定用户对所述指定对象类型进行预设行为的行为特征值，以对所述指定用户的行为进行预测。
根据一些实施例，获取所述指定对象类型的所述多个行为数据的权重，包括：查找第二时间段内针对所述指定对象类型中的对象完成所述预设行为的用户；对所述用户在所述第二时间段内的针对所述指定对象类型的多个行为数据进行统计，计算出完成一次所述预设行为的所述多个行为数据；根据计算出的完成一次所述预设行为的所述多个行为数据，获取到每个行为数据的权重。
根据一些实施例，当查找第二时间段内针对所述指定对象类型完成所述预设行为的用户的数目为多个，所述方法还包括：对每个用户在所述第二时间段内针对所述指定对象类型的多个行为数据进行统计，计算出所述每个用户完成一次所述预设行为的所述多个行为数据；对所述多个用户完成一次所述预设行为的所述多个行为数据进行平均处理，获取到每个行为数据的权重。
根据一些实施例，所述方法还包括：根据所述指定用户对所述指定对象类型进行预设行为的行为特征值以及实际结果，对所述指定对象类型的多个行为数据的权重进行调整。
根据一些实施例，所述行为数据包括：浏览的次数、搜索的次数以及加购物车的次数中的至少一种。
根据一些实施例，统计指定用户在第一时间段内针对所述指定对象类型的多个行为数据，包括：获取所述指定对象类型中包括的多个对象标识；分别统计出所述指定用户在第一时间段内针对所述多个对象标识的多个行为数据；对所述多个对象标识中对应的多个行为数据进行求和处理，获取到所述指定用户在所述第一时间段内针对所述指定对象类型的多个行为数据。
根据本发明的第二方面，提供一种用于行为数据处理的装置，其中，包括：
统计模块，用于统计指定用户在第一时间段内针对指定对象类型的多个行为数据；
获取模块，用于获取所述指定对象类型的所述多个行为数据的权重；
计算模块，用于根据所述多个行为数据以及所述每个行为数据的权重，计算所述指定用户对所述指定对象类型进行预设行为的行为特征值，以对所述指定用户的行为进行预测。
根据一些实施例，所述获取模块，包括：查找单元，用于查找第二时间段内针对所述指定对象类型完成所述预设行为的用户；计算单元，用于对所述用户在所述第二时间段内的针对所述指定对象类型的所述多个行为数据进行统计，计算出完成一次所述预设行为的所述多个行为数据；获取单元，用于根据计算出的完成一次所述预设行为的所述多个数据，获取到每个行为数据的权重。
根据一些实施例，当所述查找单元查找到第二时间段内针对所述指定对象类型完成所述预设行为的用户的数目为多个，所述计算单元，配置为对每个用户在所述第二时间段内的针对所述指定对象类型的所述多个行为数据进行统计，计算出所述每个用户完成一次所述预设行为的所述多个行为数据；所述获取单元，配置为对所述多个用户完成一次所述预设行为的所述多个行为数据进行平均处理，获取到每个行为数据的权重。
根据一些实施例，所述装置还包括：调整模块，用于根据所述指定用户对所述指定对象类型进行预设行为的行为特征值以及实际结果，对所述指定对象类型的多个行为数据的权重进行调整。
根据本发明的第三方面，提供一种用于行为数据处理的电子设备，其中，包括：
一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如第一方面所述的方法。
根据本发明的第四方面，提供一种计算机可读介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如第一方面所述的方法。
本发明实施例中，通过统计指定用户在第一时间段内针对指定对象类型的多个行为数据；获取所述指定对象类型的所述多个行为数据的权重；根据所述多个行为数据以及所述每个行为数据的权重，计算所述指定用户对所述指定对象类型进行预设行为的行为特征值，以对所述指定用户的行为进行预测，实现了利用行为数据的权重对行为数据进行精细化处理，而且，可以通过行为数据的权重以及行为数据对用户的行为进行预测。
附图说明
通过参照附图详细描述其示例实施例，本发明的上述和其它目标、特征及优点将变得更加显而易见。
图1是根据一示例性实施例示出的一种用于行为数据处理的方法的流程图。
图2是根据一示例性实施例示出的一种获取指定对象类型的多个行为数据的权重的方法的流程图。
图3是根据一示例性实施例示出一种用于行为数据处理的装置的结构图。
图4是根据一示例性实施例示出一种用于行为数据处理的电子设备的计算机系统400的结构示意图。
具体实施例
现在将参考附图更全面地描述示例实施例。然而，示例实施例能够以多种形式实施，且不应被理解为限于在此阐述的实施例；相反，提供这些实施例使得本发明将全面和完整，并将示例实施例的构思全面地传达给本领域的技术人员。在图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。
此外，所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中，提供许多具体细节从而给出对本发明的实施例的充分理解。然而，本领域技术人员将意识到，可以实践本发明的技术方案而没有特定细节中的一个或更多，或者可以采用其它的方法、组元、装置、步骤等。在其它情况下，不详细示出或描述公知方法、装置、实现或者操作以避免模糊本发明的各方面。
附图中所示的方框图仅仅是功能实体，不一定必须与物理上独立的实体相对应。即，可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
附图中所示的流程图仅是示例性说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解，而有的操作/步骤可以合并或部分合并，因此实际执行的顺序有可能根据实际情况改变。
图1是根据一示例性实施例示出的一种用于行为数据处理的方法的流程图。
如图1所示，该方法包括以下步骤：
S110，统计指定用户在第一时间段内针对指定对象类型的多个行为数据。
根据示例实施例，本发明实施例中可以对用户的行为进行记录。例如，当对象为某商品时，用户的行为数据可以包括但不限于用户对某商品的浏览的次数、搜索的次数以及加购物车的次数，但本发明并不限于此，例如当对象为某些网页上的文章时，行为数据可以是对该文章的打赏的次数，分享的次数，推荐给好友的次数等，又例如当对象为某社交工具中的某个用户时，行为数据可是对该用户的关注行为、点赞行为等。
根据示例实施例，可以按照对象的功能作用、使用方式、价格等将对象划分到不同的类型。例如，将电视、冰箱、洗衣机、空调等对象划分到家用电器的类型。又例如，将某品牌的电视按照价格划分到高端、普通等类型，又例如，将网页上的文章按照内容划分到不同的类型，又例如，按照用户与其他用户的关系将其他用户划分到不同的类型，如朋友、亲人、同事等。
当确定指定对象类型后，可以获取到该指定对象类型的多个对象标识，分别统计出该指定用户在第一时间段内针对所述多个对象标识的多个行为数据，并对多个对象标识中对应的多个行为数据进行求和处理，从而获取到所述指定用户在所述第一时间段内针对所述指定对象类型的多个行为数据。
例如，可以通过以下公式表示指定用户在第一时间段内针对一个对象的浏览的次数：
其中，SKU表示对象标识，D表示时间变量，B表示浏览的次数，N表示第一时间段。
可以通过以下公式表示指定用户在第一时间段内针对指定对象类型的浏览的次数：
其中，B表示浏览的次数，SKU表示对象标识，M表示指定类型中的对象标识总数，PIN1表示用户标识。
可以通过以下公式表示指定用户在第一时间段内针对一个对象的搜索的次数：
其中，SKU表示对象标识，D表示时间变量，S表示搜索的次数，N表示第一时间段。
可以通过以下公式表示指定用户在第一时间段内针对指定对象类型的搜索的次数：
其中，S表示搜索的次数，SKU表示对象标识，M表示指定类型中的对象标识总数，PIN1表示用户标识。
可以通过以下公式表示指定用户在第一时间段内针对一个对象的加购物车的次数：
其中，SKU表示对象标识，D表示时间变量，A表示加购物车的次数，N表示第一时间段。
可以通过以下公式表示指定用户在第一时间段内针对指定对象类型的加购物车的次数：
其中，A表示加购物车的次数，SKU表示对象标识，M表示指定类型中的对象标识总数，PIN1表示用户标识。
需要说明的是，该行为数据与对象相对性，例如，当对象为网页的文章时，该行为数据可以是对该文章的打赏的次数，分享的次数，推荐给好友的次数等。
下面结合具体的实施例，对获取到指定用户在所述第一时间段内针对所述指定对象类型的多个行为数据的方法进行详细的说明。
例如，当对象为某商品时，以指定对象类型为X为例，该对象类型中包括商品：X1、X2。需要分别统计出用户M在第一时间段内针对X1、X2的行为数据。如表1所示，其为户M在第一时间段内针对X1、X2的浏览的次数、搜索的次数以及加购物车的次数的统计表。
商品标识 浏览的次数 搜索的次数 加购物车的次数
X1 80 10 10
X2 70 20 10
表1
根据表1中的数据对X1和X2这两个对象标识中对应的多个行为数据进行求和处理，从而获取到用户M在第一时间段内针对指定对象类型X的浏览的次数为80+70＝150，搜索的次数为10+20＝30，加购物车的次数为10+10＝20。
需要说明的是，当指定对象类型只包含一种对象标识，则统计出指定用户在第一时间段内对该对象标识对应的对象的多个行为数据，即为指定用户在所述第一时间段内针对该指定对象类型的多个行为数据。
需要注意的是，第一时间段设置不宜过长，如果设置过长，则用户的行为数据坑可能会失效，则对用户现阶段的行为预测可能不准确。另外，第一时间段也可与指定对象类型相关，例如，当对象为商品时，对于家用电器这种对象类型而言，可能用户进行浏览、搜索等行为的时间段较长，所以对应的第一时间段可以设置较长，而对于零食这种指定对象类型，用户可能需要考虑时间较短，所以对应的第一时间段可以设置较短。
S120，获取该指定对象类型的上述多个行为数据的权重。
需要说明的是，本发明实施例中也可以先获取指定对象类型的多个行为数据的权重，然后统计指定用户在第一时间段内针对指定对象类型的多个行为数据。
S130，根据上述多个行为数据以及每个行为数据的权重，计算该指定用户对该指定对象类型进行预设行为的行为特征值，以对该指定用户的行为进行预测。
根据示例实施例，可以通过以下公式计算用户对该指定对象类型进行预设行为的行为特征值：
PPIN1＝X*BPIN1+Y*SPIN1+Z*APIN1 (7)
其中，P表示行为特征值，B表示浏览的次数，S表示搜索的次数，A表示加购物车的次数，PIN1表示用户标识，X表示浏览的次数的权重，Y表示搜索的次数的权重，Z表示加购物车的次数的权重。
本发明实施例中，通过统计指定用户在第一时间段内针对指定对象类型的多个行为数据；获取所述指定对象类型的所述多个行为数据的权重；根据所述多个行为数据以及所述每个行为数据的权重，计算所述指定用户对所述指定对象类型进行预设行为的行为特征值，以对所述指定用户的行为进行预测，实现了利用行为数据的权重对行为数据进行精细化处理，而且，可以通过行为数据的权重以及行为数据对用户的行为进行预测。
本发明实施例提出的一种用于行为数据处理的方法，当对象不同时，还可以应用于不同的场景中，例如，当对象为网页上的文章或者其他对象时，可以统计用户在第一时间段内针对指定文章类型的点赞次数、分享的次数以及推荐给好友的次数，然后获取到点赞对应的权重、分享对应的权重以及推荐给好友对应的权重，并根据每种行为以及各行为对应的权重，计算出用户下载该文章的行为特征值。
图2是根据一示例性实施例示出的一种获取指定对象类型的多个行为数据的权重的方法的流程图。
如图2所示，该方法可以包括以下步骤：
S210，查找第二时间段内针对该指定对象类型中的对象完成预设行为的用户。
需要说明的是，本发明实施例中第一时间段和第二时间段仅用于区分时间段。
需要注意的是，在查找用户之前，可以根据用户情况，排除企业用户。例如，为企业用户设置企业标识等，在查找用户之前，排除企业标识。排除企业标识后，使得查找到的用户的多个行为的数据所计算出的权重可以符合大多数用户。当然，如果要是对企业用户的数据进行精细化处理，可以在查找用户时，仅保留企业标识。
根据示例实施例，当对象为商品时，行为数据可以是用户对某商品类型的浏览的次数、搜索的次数以及加购物车的次数等行为数据，该预设行为可以是购买。但本发明不限于此，例如，当对象为网页上的文章而言，行为数据可以是用户对该文章类型的打赏的次数、分享的次数以及推荐给好友的次数等，该预设行为可以是下载该文章等。需要注意的是，该预设行为与产生行为数据的行为不同。
需要说明的是，此获取该指定对象类型的上述多个行为数据的权重的方法，主要是基于历史行为数据获取每个行为数据的权重，因此，建议将该第二时间段设置较长，例如半年、一年等。
S220，对上述用户在该第二时间段内的针对该指定对象类型的多个行为数据进行统计，计算出完成一次预设行为的所述多个行为数据。
需要说明的是，在该第二时间段内，查找到的用户可能完成了多次该预设行为，本申请在对上述用户在该第二时间段内的针对该指定对象类型的多个行为数据进行统计后，需要根据统计结果计算出完成一次预设行为的所述多个行为数据。
例如，当对象为某商品时，当查找到用户M在第二时间段内完成了对指定对象类型X的预设行为购买，则对用户M在该第二时间段内的针对该指定对象类型X的多个行为数据进行统计，如表2所示，其为用户M在第二时间段内针对对象类型X的浏览的次数、搜索的次数以及加购物车的次数以及购买次数的统计表。
浏览的次数 搜索的次数 加购物车的次数 购买次数
800 100 100 10
表2
则根据表2，可以根据统计结果计算出完成一次预设行为的所述多个行为数据，例如，完成一次购买的浏览的次数为800/10＝80，搜索的次数为100/10＝10，加购物车的次数为100/10＝10。
需要说明的是，在S122中查找到的用户可以是至少一个。当查找到多个用户时，可以对每个用户在该第二时间段内针对所述指定对象类型的多个行为数据进行统计，计算出所述每个用户完成一次所述预设行为的所述多个行为数据，并进一步对所述多个用户完成一次所述预设行为的所述多个行为数据进行平均处理。
例如，当查找到用户M和用户N在第二时间段内完成了对指定对象类型X的预设行为购买，则对用户M和用户N在该第二时间段内的针对该指定对象类型X的多个行为数据进行统计，如表3所示，其为用户M和用户N在第二时间段内针对对象类型X的浏览的次数、搜索的次数以及加购物车的次数以及购买次数的统计表。
用户标识 浏览的次数 搜索的次数 加购物车的次数 购买次数
M 800 100 100 10
N 700 200 100 5
表3
则根据表3，可以计算出用户M完成一次购买的浏览的次数为800/10＝80，搜索的次数为100/10＝10，加购物车的次数为100/10＝10，用户N完成一次购买的浏览的次数为700/5＝140，搜索的次数为200/5＝40，加购物车的次数为100/5＝20。对用户M和用户N完成一次购买的浏览的次数、搜索的次数以及加购物车的次数进行求平均处理，从而计算出每个用户完成一次购买的浏览的次数为80和140的平均值110，搜索的次数为10和40的平均值25，加购物车的次数为10和20的平均值15。
需要说明的是，查找到的用户可能包括该指定用户。这种情况时，在获取每个行为数据的权重时，不仅可以根据查找到的所有用户的行为数据获取每个行为数据的权重，也可以仅根据查找到的该指定用户的行为数据获取到每个行为数据的权重。
S230，根据计算出的完成一次所述预设行为的所述多个行为数据，获取到每个行为数据的权重。
根据示例实施例，当计算出的完成一次所述预设行为的所述多个行为数据后，计算每个行为数据所占的权重。
例如，以表2对应的实施例为例，完成一次购买的浏览的次数为80，搜索的次数为10，加购物车的次数为10，则浏览的次数所占的权重为0.8，搜索的次数所占的权重为0.1，以及加购物车的次数所占的权重为0.1。
而以表3对应的实施例为例，完成一次购买的浏览的次数为110，搜索的次数为25，加购物车的次数为15，则浏览的次数所占的权重为11/15，搜索的次数所占的权重为1/6，以及加购物车的次数所占的权重为0.1。
由上述实施例可知，获取到的用户的行为数据越多，则得到的权重可能越精确。
需要说明的是，此获取指定对象类型的多个行为数据的权重是基于历史数据得到的初始权重，在后续计算指定用户对该指定对象类型进行预设行为的行为特征值后，可以根据该指定用户对该指定对象类型进行预设行为的行为特征值以及实际结果，对所述指定对象类型的多个行为数据的权重进行调整，进一步，可以基于调整后的多个行为的权重，计算指定用户对该指定对象类型进行预设行为的行为特征值。
上述实施例中，根据指定用户对指定对象类型进行预设行为的行为特征值以及实际结果，实现了对指定对象类型的多个行为数据的权重进行调整，从而能够实现了多个行为数据的权重的自主学习，使得获取到的权重越来越准确。
如果以S110中获取到的用户M在第一时间段内针对指定对象类型X的浏览的次数为150，搜索的次数为30，加购物车的次数为20的行为数据，以及以及S120中表3为例的浏览的次数所占的权重为11/15，搜索的次数所占的权重为1/6，以及加购物车的次数所占的权重为0.1的每个行为数据的权重为例，可以获取到用户M对指定对象类型X进行购买的行为特征值为：150×(11/15)+30×(1/6)+20×0.1＝117。
进一步的，在获取到行为特征后，可以根据行为特征值的大小，给予用户不同的优惠选项，从而促成用户完成预设行为。
应清楚地理解，本发明描述了如何形成和使用特定示例，但本发明的原理不限于这些示例的任何细节。相反，基于本发明公开的内容的教导，这些原理能够应用于许多其它实施例。
下述为本发明装置实施例，可以用于执行本发明方法实施例。在下文对系统的描述中，与前述方法相同的部分，将不再赘述。
图3是根据一示例性实施例示出一种用于行为数据处理的装置的结构图。
如图3所示，该装置300，包括：
统计模块310，用于统计指定用户在第一时间段内针对指定对象类型的多个行为数据；
获取模块320，用于获取所述指定对象类型的所述多个行为数据的权重；
计算模块330，用于根据所述多个行为数据以及所述每个行为数据的权重，计算所述指定用户对所述指定对象类型进行预设行为的行为特征值，以对所述指定用户的行为进行预测。
根据一些实施例，该获取模块320，包括：
查找单元322，用于查找第二时间段内针对所述指定对象类型中的对象完成所述预设行为的用户；
计算单元324，用于对所述用户在所述第二时间段内的针对所述指定对象类型的所述多个行为数据进行统计，计算出完成一次所述预设行为的所述多个行为数据；
获取单元326，用于根据计算出的完成一次所述预设行为的所述多个数据，获取到每个行为数据的权重。
根据一些实施例，当所述查找单元查找到第二时间段内针对所述指定对象类型完成所述预设行为的用户的数目为多个，所述计算单元324，配置为对每个用户在所述第二时间段内的针对所述指定对象类型的所述多个行为数据进行统计，计算出所述每个用户完成一次所述预设行为的所述多个行为数据；
所述获取单元326，配置为对所述多个用户完成一次所述预设行为的所述多个行为数据进行平均处理，获取到每个行为数据的权重。
根据一些实施例，所述装置还包括：
调整模块340，用于根据所述指定用户对所述指定对象类型进行预设行为的行为特征值以及实际结果，对所述指定对象类型的多个行为数据的权重进行调整。
本发明实施例中，通过统计指定用户在第一时间段内针对指定对象类型的多个行为数据；获取所述指定对象类型的所述多个行为数据的权重；根据所述多个行为数据以及所述每个行为数据的权重，计算所述指定用户对所述指定对象类型进行预设行为的行为特征值，以对所述指定用户的行为进行预测，实现了利用行为数据的权重对行为数据进行精细化处理，而且，可以通过行为数据的权重以及行为数据对用户的行为进行预测。
图4是根据一示例性实施例示出一种用于行为数据处理的电子设备的计算机系统400的结构示意图。图4示出的电子设备仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。
如图4所示，计算机系统400包括中央处理单元(CPU)401，其可以根据存储在只读存储器(ROM)402中的程序或者从存储部分408加载到随机访问存储器(RAM)403中的程序而执行各种适当的动作和处理。在RAM 403中，还存储有系统400操作所需的各种程序和数据。CPU401、ROM 402以及RAM 403通过总线404彼此相连。输入/输出(I/O)接口405也连接至总线404。
以下部件连接至I/O接口405：包括键盘、鼠标等的输入部分406；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分407；包括硬盘等的存储部分408；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分409。通信部分409经由诸如因特网的网络执行通信处理。驱动器410也根据需要连接至I/O接口405。可拆卸介质411，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器410上，以便于从其上读出的计算机程序根据需要被安装入存储部分408。
特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分409从网络上被下载和安装，和/或从可拆卸介质411被安装。在该计算机程序被中央处理单元(CPU)401执行时，执行本申请的系统中限定的上述功能。
需要说明的是，本申请所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。
附图中的流程图和框图，图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本申请实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括统计模块、获取模块和计算模块。其中，这些模块的名称在某种情况下并不构成对该模块本身的限定。
作为另一方面，本申请还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的设备中所包含的；也可以是单独存在，而未装配入该设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被一个该设备执行时，使得该设备可以执行：统计指定用户在第一时间段内针对指定对象类型的多个行为数据；获取所述指定对象类型的所述多个行为数据的权重；根据所述多个行为数据以及所述每个行为数据的权重，计算所述指定用户对所述指定对象类型进行预设行为的行为特征值，以对所述指定用户的行为进行预测。
以上具体地示出和描述了本发明的示例性实施例。应可理解的是，本发明不限于这里描述的详细结构、设置方式或实现方法；相反，本发明意图涵盖包含在所附权利要求的精神和范围内的各种修改和等效设置。

Claims (12)

1.一种用于行为数据处理的方法，其特征在于，包括：
统计指定用户在第一时间段内针对指定对象类型的多个行为数据；
获取所述指定对象类型的所述多个行为数据的权重；
根据所述多个行为数据以及所述每个行为数据的权重，计算所述指定用户对所述指定对象类型进行预设行为的行为特征值，以对所述指定用户的行为进行预测。
2.如权利要求1所述的方法，其特征在于，获取所述指定对象类型的所述多个行为数据的权重，包括：
查找第二时间段内针对所述指定对象类型中的对象完成所述预设行为的用户；
对所述用户在所述第二时间段内的针对所述指定对象类型的多个行为数据进行统计，计算出完成一次所述预设行为的所述多个行为数据；
根据计算出的完成一次所述预设行为的所述多个行为数据，获取到每个行为数据的权重。
3.如权利要求2所述的方法，其特征在于，当查找到第二时间段内针对所述指定对象类型完成所述预设行为的用户的数目为多个，所述方法还包括：
对每个用户在所述第二时间段内针对所述指定对象类型的多个行为数据进行统计，计算出所述每个用户完成一次所述预设行为的所述多个行为数据；
对所述多个用户完成一次所述预设行为的所述多个行为数据进行平均处理，获取到每个行为数据的权重。
4.如权利要求1所述的方法，其特征在于，所述方法还包括：
根据所述指定用户对所述指定对象类型进行预设行为的行为特征值以及实际结果，对所述指定对象类型的多个行为数据的权重进行调整。
5.如权利要求1所述的方法，其特征在于，所述行为数据包括：浏览的次数、搜索的次数以及加购物车的次数中的至少一种。
6.如权利要求1所述的方法，其特征在于，统计指定用户在第一时间段内针对所述指定对象类型的多个行为数据，包括：
获取所述指定对象类型中包括的多个对象标识；
分别统计出所述指定用户在第一时间段内针对所述多个对象标识的多个行为数据；
对所述多个对象标识中对应的多个行为数据进行求和处理，获取到所述指定用户在所述第一时间段内针对所述指定对象类型的多个行为数据。
7.一种用于行为数据处理的装置，其特征在于，包括：
统计模块，用于统计指定用户在第一时间段内针对指定对象类型的多个行为数据；
获取模块，用于获取所述指定对象类型的所述多个行为数据的权重；
计算模块，用于根据所述多个行为数据以及所述每个行为数据的权重，计算所述指定用户对所述指定对象类型进行预设行为的行为特征值，以对所述指定用户的行为进行预测。
8.如权利要求7所述的装置，其特征在于，所述获取模块，包括：
查找单元，用于查找第二时间段内针对所述指定对象类型中的对象完成所述预设行为的用户；
计算单元，用于对所述用户在所述第二时间段内的针对所述指定对象类型的所述多个行为数据进行统计，计算出完成一次所述预设行为的所述多个行为数据；
获取单元，用于根据计算出的完成一次所述预设行为的所述多个数据，获取到每个行为数据的权重。
9.如权利要求8所述的装置，其特征在于，当所述查找单元查找到第二时间段内针对所述指定对象类型完成所述预设行为的用户的数目为多个，
所述计算单元，配置为对每个用户在所述第二时间段内的针对所述指定对象类型的所述多个行为数据进行统计，计算出所述每个用户完成一次所述预设行为的所述多个行为数据；
所述获取单元，配置为对所述多个用户完成一次所述预设行为的所述多个行为数据进行平均处理，获取到每个行为数据的权重。
10.如权利要求7所述的装置，其特征在于，所述装置还包括：
调整模块，用于根据所述指定用户对所述指定对象类型进行预设行为的行为特征值以及实际结果，对所述指定对象类型的多个行为数据的权重进行调整。
11.一种用于行为数据处理的电子设备，其特征在于，包括：
一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-6中任一所述的方法。
12.一种计算机可读介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如权利要求1-6中任一所述的方法。
CN201710928323.0A 2017-10-09 2017-10-09 用于行为数据处理的方法、装置以及电子设备 Active CN107741967B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710928323.0A CN107741967B (zh) 2017-10-09 2017-10-09 用于行为数据处理的方法、装置以及电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710928323.0A CN107741967B (zh) 2017-10-09 2017-10-09 用于行为数据处理的方法、装置以及电子设备

Publications (2)

Publication Number Publication Date
CN107741967A true CN107741967A (zh) 2018-02-27
CN107741967B CN107741967B (zh) 2020-12-22

Family

ID=61236705

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710928323.0A Active CN107741967B (zh) 2017-10-09 2017-10-09 用于行为数据处理的方法、装置以及电子设备

Country Status (1)

Country Link
CN (1) CN107741967B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110069686A (zh) * 2019-03-15 2019-07-30 平安科技（深圳）有限公司 用户行为分析方法、装置、计算机装置及存储介质
CN110288453A (zh) * 2019-06-22 2019-09-27 深圳市顶尖传诚科技有限公司 一种财务凭证管理系统
CN110472645A (zh) * 2018-05-09 2019-11-19 北京京东尚科信息技术有限公司 一种选择目标对象的方法和装置
CN111127051A (zh) * 2018-10-30 2020-05-08 百度在线网络技术（北京）有限公司 多渠道动态归因方法、装置、服务器及存储介质
CN111126614A (zh) * 2018-11-01 2020-05-08 百度在线网络技术（北京）有限公司 归因方法、装置及存储介质

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20020165755A1 (en) * 2001-03-29 2002-11-07 Kitts Brendan J. Method of predicting behavior of a customer at a future date and a data processing system readable medium
CN102141986A (zh) * 2010-01-28 2011-08-03 北京邮电大学 基于用户行为的个性化信息提供方法及系统
US20130332406A1 (en) * 2012-05-31 2013-12-12 Wuhu, Llc Method and System for Modeling Consumer Behavior Using N-Dimensional Decision Factor Categorization with Quantifiers and Qualifiers
US20140200956A1 (en) * 2013-01-16 2014-07-17 Eminvent, LLC Systems and methods of gathering consumer information
CN104598521A (zh) * 2014-12-12 2015-05-06 北京京东尚科信息技术有限公司 处理用户行为数据的方法和装置
CN106022505A (zh) * 2016-04-28 2016-10-12 华为技术有限公司 一种预测用户离网的方法及装置
CN106228388A (zh) * 2016-07-14 2016-12-14 乐视控股（北京）有限公司 一种会员用户行为监控方法、装置及电子设备
US20170011296A1 (en) * 2015-05-08 2017-01-12 Nec Europe Ltd. Weighted similarity estimation in data streams with applications to collaborative filtering and viral marketing
CN106503140A (zh) * 2016-10-20 2017-03-15 安徽大学 一种基于Hadoop云平台Web资源个性化推荐系统及方法
CN106651546A (zh) * 2017-01-03 2017-05-10 重庆邮电大学 一种面向智慧社区的电子商务信息推荐方法
CN106920119A (zh) * 2015-12-25 2017-07-04 北京国双科技有限公司 一种用户价值的评价方法及装置

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20020165755A1 (en) * 2001-03-29 2002-11-07 Kitts Brendan J. Method of predicting behavior of a customer at a future date and a data processing system readable medium
CN102141986A (zh) * 2010-01-28 2011-08-03 北京邮电大学 基于用户行为的个性化信息提供方法及系统
US20130332406A1 (en) * 2012-05-31 2013-12-12 Wuhu, Llc Method and System for Modeling Consumer Behavior Using N-Dimensional Decision Factor Categorization with Quantifiers and Qualifiers
US20140200956A1 (en) * 2013-01-16 2014-07-17 Eminvent, LLC Systems and methods of gathering consumer information
CN104598521A (zh) * 2014-12-12 2015-05-06 北京京东尚科信息技术有限公司 处理用户行为数据的方法和装置
US20170011296A1 (en) * 2015-05-08 2017-01-12 Nec Europe Ltd. Weighted similarity estimation in data streams with applications to collaborative filtering and viral marketing
CN106920119A (zh) * 2015-12-25 2017-07-04 北京国双科技有限公司 一种用户价值的评价方法及装置
CN106022505A (zh) * 2016-04-28 2016-10-12 华为技术有限公司 一种预测用户离网的方法及装置
CN106228388A (zh) * 2016-07-14 2016-12-14 乐视控股（北京）有限公司 一种会员用户行为监控方法、装置及电子设备
CN106503140A (zh) * 2016-10-20 2017-03-15 安徽大学 一种基于Hadoop云平台Web资源个性化推荐系统及方法
CN106651546A (zh) * 2017-01-03 2017-05-10 重庆邮电大学 一种面向智慧社区的电子商务信息推荐方法

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110472645A (zh) * 2018-05-09 2019-11-19 北京京东尚科信息技术有限公司 一种选择目标对象的方法和装置
CN111127051A (zh) * 2018-10-30 2020-05-08 百度在线网络技术（北京）有限公司 多渠道动态归因方法、装置、服务器及存储介质
CN111127051B (zh) * 2018-10-30 2023-08-29 百度在线网络技术（北京）有限公司 多渠道动态归因方法、装置、服务器及存储介质
CN111126614A (zh) * 2018-11-01 2020-05-08 百度在线网络技术（北京）有限公司 归因方法、装置及存储介质
CN111126614B (zh) * 2018-11-01 2024-01-16 百度在线网络技术（北京）有限公司 归因方法、装置及存储介质
CN110069686A (zh) * 2019-03-15 2019-07-30 平安科技（深圳）有限公司 用户行为分析方法、装置、计算机装置及存储介质
CN110288453A (zh) * 2019-06-22 2019-09-27 深圳市顶尖传诚科技有限公司 一种财务凭证管理系统

Also Published As

Publication number Publication date
CN107741967B (zh) 2020-12-22

Similar Documents

Publication Publication Date Title
US11354720B2 (en) Item recommendation techniques
CN107741967A (zh) 用于行为数据处理的方法、装置以及电子设备
US20150379609A1 (en) Generating recommendations for unfamiliar users by utilizing social side information
CN107220852A (zh) 用于确定目标推荐用户的方法、装置和服务器
CN108664513B (zh) 用于推送关键词的方法、装置以及设备
CN107247786A (zh) 用于确定相似用户的方法、装置和服务器
CN108230057A (zh) 一种智能推荐方法及系统
CN110008973B (zh) 一种模型训练方法、基于模型确定目标用户的方法及装置
CN111008858A (zh) 一种商品销量预测方法及系统
CN107784390A (zh) 用户生命周期的识别方法、装置、电子设备及存储介质
CN110363604B (zh) 页面生成方法和装置
CN109903111A (zh) 用于个性化推荐的排序方法，排序模型训练方法和排序系统
WO2019072128A1 (zh) 对象识别方法及其系统
CN109685537B (zh) 用户行为的分析方法、装置、介质和电子设备
JP6976207B2 (ja) 情報処理装置、情報処理方法、およびプログラム
US20190108571A1 (en) System and method for efficiently determining relevant products for display in an online marketplace
US20220108374A1 (en) Smart Basket for Online Shopping
CN110689402A (zh) 推荐商家的方法、装置、电子设备及可读存储介质
CN107885784A (zh) 提取用户特征数据的方法和装置
CN105335518A (zh) 生成用户偏好信息的方法及装置
CN109711917A (zh) 信息推送方法和装置
CN112365283A (zh) 一种优惠券发放方法、装置、终端设备及存储介质
CN107341238A (zh) 数据处理方法及系统
Chen et al. Purchase behavior prediction in e-commerce with factorization machines
CN109840788A (zh) 用于分析用户行为数据的方法及装置

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