CN107886345B - 选取数据对象的方法及装置 - Google Patents
选取数据对象的方法及装置 Download PDFInfo
- Publication number
- CN107886345B CN107886345B CN201610877682.3A CN201610877682A CN107886345B CN 107886345 B CN107886345 B CN 107886345B CN 201610877682 A CN201610877682 A CN 201610877682A CN 107886345 B CN107886345 B CN 107886345B
- Authority
- CN
- China
- Prior art keywords
- data object
- user
- users
- scene
- data
- 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.)
- Active
Links
Images
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
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
Landscapes
- Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Data Mining & Analysis (AREA)
- Economics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请实施例公开了选取数据对象的方法及装置,其中,所述方法包括:服务器确定选取数据对象的场景特征信息;获得数据源,所述数据源中包括用户群信息;从所述用户群中选择符合所述场景特征要求的目标用户,组成目标用户集合;根据所述目标用户集合中各用户的行为数据中关联的数据对象,确定符合所述场景特征需求的目标数据对象。通过本申请实施例,有利于筛选出真正优质的数据对象。
Description
技术领域
本申请涉及数据对象信息处理技术领域,特别是涉及选取数据对象的方法及装置。
背景技术
在网络销售平台中,经常会存在一些促销类的活动,例如,某些特殊节日的促销活动,另外还有一些平台,以“团购”等形式开展促销活动,例如,“聚划算”等平台,参加“团购”的商品通常可以获得比平日更高的销量,但在单价上可能会相对降低。
其中,对于平台方组织的活动,平台方通常可以采用“邀约”的方式向具体的商家发出参加活动的邀请,商家在接受邀约的情况下,可以将其商品参加到具体的促销活动中,买家用户就可以在活动页面中查看到关于该商品的相关信息,并且可以进行下单等操作。但是,平台中的商品以及商家众多,可能并不是所有商家都想参加促销活动,或者,可能也并不是所有商品都适合参加当前的促销活动,因此,为了节省资源,避免发出过多的无效邀约,平台方通常首先在商品或者商家层面上进行选择。也就是说,可以预先通过一些方式得到选品集合,然后,再向被选中的商家发出邀约。
现有技术中,通常是通过按照指标筛选或者人工挑选的方式来得到上述选品集合,例如,可以预先对商品/商家的销量、浏览量等指标设置阈值区间,如果位于该区间内则认为适合参加当前活动,等等。但是,这种方式比较死板,销量、浏览量等指标并不一定代表着就是优质商品/商家,因此,可能会使得一些新上架的优质商品很难被选到该集合中,而人工挑选的方式又受限于人的知识。总之,如何更灵活有效地筛选出适合参加某活动的选品集合,成为需要本领域技术人员解决的技术问题。
发明内容
本申请提供了选取数据对象的方法及装置,可以提高数据对象选取的灵活性,并且也有利于筛选出真正优质的数据对象。
本申请提供了如下方案:
一种选取数据对象的方法,包括:
服务器确定选取数据对象的场景特征信息;
获得数据源,所述数据源中包括用户群信息;
从所述用户群中选择符合所述场景特征要求的目标用户,组成目标用户集合;
根据所述目标用户集合中各用户的行为数据中关联的数据对象,确定符合所述场景特征需求的目标数据对象。
一种选取数据对象的方法,包括:
客户端接收服务器提供的标签库信息;
接收到被选中的至少一个特征标签后,将所述至少一个特征标签提交到服务器,以便所述服务器根据所述至少一个特征标签确定选取数据对象的场景特征信息,并获得数据源,所述数据源中包括用户群信息,然后从所述用户群中选择符合所述场景特征要求的目标用户,组成目标用户集合,根据所述目标用户集合中各用户的行为数据中关联的数据对象,确定符合所述场景特征需求的目标数据对象;
接收所述服务器返回的目标数据对象信息。
一种选取数据对象的装置,应用于服务器,包括:
场景特征确定单元,用于确定选取数据对象的场景特征信息;
数据源获得单元,用于获得数据源,所述数据源中包括用户群信息;
目标用户集合组成单元,用于从所述用户群中选择符合所述场景特征要求的目标用户,组成目标用户集合;
数据对象确定单元,用于根据所述目标用户集合中各用户的行为数据中关联的数据对象,确定符合所述场景特征需求的目标数据对象。
一种选取数据对象的装置,应用于客户端,包括:
标签库接收单元,用于接收服务器提供的标签库信息;
提交单元,用于接收到被选中的至少一个特征标签后,将所述至少一个特征标签提交到服务器,以便所述服务器根据所述至少一个特征标签确定选取数据对象的场景特征信息,并获得数据源,所述数据源中包括用户群信息,然后从所述用户群中选择符合所述场景特征要求的目标用户,组成目标用户集合,根据所述目标用户集合中各用户的行为数据中关联的数据对象,确定符合所述场景特征需求的目标数据对象;
数据对象信息接收单元,用于接收所述服务器返回的目标数据对象信息。
根据本申请提供的具体实施例,本申请公开了以下技术效果:
通过本申请实施例,在选取数据对象的过程中,可以实现按场景定制,并且,在定制的场景中,可以首先从用户群中挖掘出符合场景特征要求的用户,然后,再根据用户的行为数据中关联的数据对象,挖掘出符合场景要求的数据对象。也就是说,是通过数据挖掘的方式进行的数据对象选取,而不再依据工作人员的人为经验,并且,在挖掘的过程中,是首先筛选用户,然后利用用户的数据进行挖掘,而不是仅仅依靠数据对象本身的数据指标,因此,可以提高数据对象选取的灵活性,并且也有利于筛选出真正优质的数据对象。
当然,实施本申请的任一产品并不一定需要同时达到以上所述的所有优点。
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的前提下,还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的系统架构图;
图2是本申请实施例提供的方法的流程图;
图3是本申请实施例提供的另一方法的流程图;
图4是本申请实施例提供的装置的示意图;
图5是本申请实施例提供的另一装置的示意图。
具体实施方式
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所获得的所有其他实施例,都属于本申请保护的范围。
在本申请实施例中,首先可以实现数据对象(例如,在销售平台中,主要可以是指商品对象等)投放过程中的场景定制,也即,可以按照场景进行数据对象的投放,使得选取数据对象的过程中,能够对数据对象的风格、主题等做出高级的反应。在定制出场景特征之后,在具体为该场景选择数据对象进行投放时,可以充分利用平台中的优质的用户资源,利用这种优质的用户资源,挖掘出更适合投放到该场景下的数据对象。例如,某买家用户属于某场景下经验非常丰富的优质买家,善于挑选和发现该场景下比较优质的数据对象,则该买家用户经常购买、浏览、收藏的数据对象,就可以作为该场景下优质的数据对象,投放到该场景中,等等。
也就是说,在本申请实施例中,提出了“选取数据对象的场景”的概念,在选择数据对象进行投放之前,可以首先确定出场景的特征,这样,可以明确数据对象的选择需求,进而,可以首先根据这种场景需求,找到符合该场景需求的优质买家用户,再根据这种买家用户,挖掘出符合该场景需求的优质数据对象。
其中,在销售平台中,用户以及商品等数据对象通常会带有一些标签等,这些信息可以作为本申请实施例中的数据源来使用。例如,为了便于实现数据对象的个性化推荐等功能,通常会根据用户的历史行为记录等信息,为用户打上各种标签,例如,某用户经常购买母婴类、美妆类的数据对象,则可能会被打上“母婴”、“美妆”等标签,等等。另外,根据用户购物经验值等信息的不同,还可能会对用户进行分类,例如,某用户群中的用户可能被划分为多个类别,不同的类别对应在购物、选择数据对象、发现优质数据对象等方面不同的经验值,例如,可以分为三个类别,其中,第一类别中的用户对应最高经验值,第二类别为中等,第三类别为最低经验值。在实际应用中,还可以将第一类别称为“达人”,第二类别称为“买手”,等等。对于被划分为达人的用户,可能会被打上一些特殊的标签,代表其在某领域的经验值明显高于其他用户。例如,某用户不仅经常购买母婴类的数据对象,并且,还对母婴类别下具体的品牌、数据对象性能、质量等方面都有非常深入的了解,则可以划分到达人类别中,并打上“母婴顾问”等达人用户的标签。总之,无论用户具体是哪种级别,都可以打上各自的标签,例如,对于达人用户而言,对应的用户标签通常有:母婴顾问/户外行者/时尚车主/美食专家/居家巧匠/文娱先锋/数码极客/潮女搭配师/型男塑造师/美妆老师,等等。而对于买手用户,对应的用户标签通常有:性别/年龄/兴趣/爱好/购买力/区域/品牌分层/属性偏好/长期类目偏好,等等。
对于销售平台中已经发布的数据对象而言,为了达到便于检索等目的,也通常会带有一些标签,这种标签通常可以由数据对象的发布者来提供,或者,还可以由平台根据数据对象在某些方面表现出的特征来为其打上标签,等等。例如,数据对象的标签可以包括:商品类目/品牌/行业/描述词,或者功能/属性,等等。具体如:休闲/商务/夏季/春秋/蕾丝/民族风/运动/爆款,等等。
另外,根据数据对象的被浏览、收藏或者购买的记录,销售平台中通常还可以记录下各个数据对象关联的用户信息。例如,某用户甲曾经购买过某数据对象A,则可以记录下该数据对象A与该用户甲之间的关联关系,等等。
基于以上情况,在本申请实施例中,关于选取数据对象的场景的特征,也可以通过一些标签进行描述。具体实现时,可以预先提供标签库,其中可以包括一些用于描述用户特征的标签(简称为“用户标签”),还可以包括一些用于描述数据对象特征的标签(简称为“数据对象标签”)。例如,用户标签可以包括:母婴顾问/户外行者/时尚车主/美食专家/居家巧匠/文娱先锋/数码极客/潮女搭配师/型男塑造师/美妆老师/性别/年龄/兴趣/爱好/购买力/区域/品牌分层/属性偏好/长期类目偏好,等等。数据对象标签可以包括:休闲/商务/夏季/春秋/蕾丝/民族风/运动,等等。这样,在选择具体的数据对象之前,可以首先从该标签库中选择具体的标签,根据被选中的标签,来描述当前搭建的场景的特征。其中,在为当前场景选择标签时,既可以选择用户标签,也可以选择数据对象标签,用这些标签是勾勒出当前需要创建的场景的特征。例如,某场景对应的标签有:年轻人、欧美范、小资、夏季、服饰等,用这些标签可以形成一个适合年轻人夏天穿的有格调的欧美范衣服,等等。
在通过被选中的标签搭建起场景后,就可以选择出符合该场景需求的优质用户,然后再利用这种优质用户关联的数据对象,选择出适合该场景的优质数据对象。其中,在选择优质用户时,由于用户带有标签,因此,可以根据标签匹配的方式进行选择,例如,某场景特征中包括“欧美范”标签,则如果某用户也带有该标签,则可以确定为符合该场景特征。或者,为了使得被挑选出的用户不仅仅符合当前场景的需求,还属于该场景下的“优质用户”,在另一种实现方式下,还可以根据所述场景特征中的用户标签以及各用户的用户标签,从前文所述第一类别中选取标签相匹配的用户,组成第一集合。也就是说,从“达人”用户中选择出符合当前场景需求的用户,这类用户通常具有比较“优质”的特点,有利于使得最终挖掘出的数据对象也符合“优质”的要求。
当然,能够被称为“达人”用户的数量可能并不是特别多,再用场景需求特征进行筛选之后,剩余的能够符合场景需求的达人用户可能会更少,此时,如果仅仅利用这些少数用户的历史行为记录进行数据对象的挖掘,则可能会存在“数据稀疏”等问题,也即挖掘出的数据对象数量可能会比较少,不足以满足大量的选取数据对象的需求。为此,在本申请实施例中,还可以进一步进行挖掘。具体的,在如前文所述,数据对象通常也会被标注了标签,而场景特征中可能也会包括数据对象标签,因此,还可以通过数据对象标签的匹配,筛选出一些符合场景需求的数据对象。另外,如前文所述,由于数据对象还可能关联一些用户,其中可能就会包括一些“达人”用户。因此,在通过标签匹配的方式筛选出一些数据对象后,还可以确定出这种数据对象关联的“达人”用户。也就是说,一些“达人”用户的标签可能并没有直接命中当前场景需求,但是,这种用户关联的数据对象可能会命中当前场景需求,因此,可以通过数据对象的中转,找到这部分“达人”用户。这样,通过这种方式挖掘出这部分“达人”用户,可以作为之前通过用户标签匹配的方式筛选出的“达人”用户的补充,共同用来挖掘符合当前场景需求的数据对象。
如果通过上述方式补充挖掘了一些“达人”用户之后,用户数量仍然不能满足需求,则还可以进一步进行用户的挖掘。具体的,可以以已经挖掘出的“达人”用户作为种子,从中间级别的“买手”用户中,挖掘出与已经满足要求的“达人”用户在行为模型上具有相似性的“买手”用户,这样,由于这种买手用户与达人用户在行为模型上具有相似性,而这部分达人用户又能够满足当前场景的需求,因此,这部分买手用户也可以作为达人用户的补充,共同用于进行数据对象的挖掘。
需要说明的是,关于用户的行为模型,可以是根据用户的历史行为记录建立的,包括用户的历史购买、浏览、收藏、推荐记录等数据,可以分别为各个用户建立起各自对应的行为模型,然后再依据该行为模型对不用用户之间的相似度进行对比。关于具体的行为模型表达方式,可以参见已有技术中的实现,这里不再详述。
在完成了优质用户的挖掘之后,就可以用这种优质用户关联的数据对象,来挖掘出符合当前场景需求的优质数据对象。具体的,可以根据符合要求的“达人”用户集合与符合场景需求的“买手”用户集合,通过协同过滤等算法,最终筛选出最符合要求的优质数据对象集合。例如,可以计算出用户集合中各用户协同有交互行为的数据对象集合,包括该集合中的用户购买、浏览、收藏或者推荐过的数据对象,等等。由于该数据对象集合的生成,是根据符合场景需求的优质用户的行为数据挖掘得到的,因此,数据对象也会符合场景需求,并且属于优质数据对象的概率会比较高。
在得到符合场景需求的优质数据对象集合后,可以直接进行数据投放,或者,在实际应用中,如果筛选出的优质数据对象集合是用于参加“聚划算”等团购性质的活动,则还可以进一步对其中的数据对象是否适合于参加该活动进行进一步的过滤,最终过滤完成之后,就可以向相应的商家用户、卖家用户等发出邀约,在收到同意参加活动的通知后,再进行数据对象的投放,等等。其中,关于具体如何判断一数据对象是否适合参加团购等,并不属于本申请实施例中保护的内容,因此,这里不再详述。
总之,在本申请实施例中,销售平台中的选品系统可以首先通过选择标签搭建场景需求,然后,可以根据用户标签、行为数据等挖掘出符合运营场景需求优质用户,再根据优质用户的行为数据,挖掘出符合场景需求的优质数据对象。如图1所示,其示出了本申请实施例中“选品盒子”的工作需求和结果产出。
下面通过具体的步骤描述对本申请实施例的实现方式进行介绍。
实施例一
参见图2,本申请实施例一从服务器的角度,提供了一种选取数据对象的方法,该方法可以包括以下步骤:
S201:服务器确定选取数据对象的场景特征信息;
其中,场景特征信息可以包括至少一个特征标签。具体实现时,可以预先建立标签库,并在用户界面中提供用于配置选取数据对象的场景特征信息的操作选项,这样,运营人员用户可以通过该操作选项发起配置请求。相应的,选品系统服务器在接收到该请求后,可以提供出预先创建的标签库,这样,运营人员用户就可以从中进行标签选择,相应的,系统可以根据被选中的至少一个特征标签,确定当前创建的选取数据对象的场景的特征信息。
S202:获得数据源,所述数据源中包括用户群信息;
具体实现时,可以有多种数据源,其中最基本的数据源可以包括用户群信息,可以将平台中的全部买家用户作为用户群,或者,在预先进行了用户类别划分的情况下,也可以仅将购物经验最高以及剧中的第一类别用户以及第二类别用户作为数据源,等等。用户群中的各个用户可以具有各自的用户标签,这信息也可以作为数据源,用于后续的用户筛选、挖掘等操作。另外,数据源中还可以包括数据对象群,其来源可以是平台中发布的全部数据对象,或者,还可以是一些子集。某销售平台中有“爱逛街”或者“有好货”等频道,这些频道通常已经对数据对象进行了一些筛选,例如,去掉一些口碑较差的数据对象,等等。因此,也可以将这些已经进行了某种筛选的数据对象群作为本申请实施例中的数据源。或者,还可以将“达人”用户推荐过的数据对象,组成本申请实施例中的数据源,等等。其中,数据对象群中的各个数据对象也可以带有各自的标签,这些数据都可以用于后续步骤的用户筛选或者数据对象筛选等操作。
S203:从所述用户群中选择符合所述场景特征要求的目标用户,组成目标用户集合;
在选择符合所述场景特征要求的目标用户时,也就是要选择出与当前搭建的场景相符的用户。当然,为了筛选出优质用户,在用户群中的用户被划分为多个类别的情况下,具体可以通过以下方式来实现:
首先,数据源中,用户群中的用户可以被划分为多个类别,不同的类别对应不同的经验值,其中,第一类别中的用户对应最高经验值;所述场景特征的标签包括至少一个用户标签;此时,在从所述用户群中选择符合所述场景特征要求的目标用户,组成目标用户集合时,可以根据所述场景特征中的用户标签以及各用户的用户标签,从所述第一类别中选取标签相匹配的用户,组成第一集合;根据所述第一集合,确定所述目标用户集合。由于是从第一类别的用户中选取的用户,因此,通常具有“优质”的特点。
在具体实现时,还可以通过另一种方式对第一集合进行补充。具体的,所述数据源中还可以包括数据对象群,其中的数据对象被标注有各自的数据对象标签,并关联有第一类别的用户信息,所述场景特征的标签还包括至少一个数据对象标签。在这种情况下,还可以根据所述场景特征中的数据对象标签以及所述数据源中各数据对象的标签,选取相匹配的目标数据对象,组成数据对象集合。然后,根据所述数据对象集合中各数据对象关联的第一类别的用户,组成第二集合,再将所述第一集合与所述第二集合合并为第三集合,并根据所述第三集合,确定所述目标用户集合。
另外,在其他实施例中,还可以进一步在第三集合基础上挖掘出更多符合当前场景需求,并且也相对较优质的用户。具体的,所述用户群中的多个类别还可以包括第二类别,所述第二类别中的用户对应中等经验值。此时,还可以根据用户的历史行为模型,从所述第二类别中选择与所述第三集合中的用户在历史行为模型上的相似度符合预置条件的用户,组成第四集合。这样,具体在根据所述第三集合,确定所述目标用户集合时,可以将所述第三集合与所述第四集合合并为第五集合,然后将所述第五集合确定为所述目标用户集合。
需要说明的是,以上描述是以递进的方式进行的介绍,在实际应用中,还可以包括更多的方式。例如,在第一集合的基础上,也可以直接通过行为模型相似形判断的方式,从第二类别的用户中挖掘出符合场景需求的用户,等等。关于具体的实现方式,这里不再一一详述。
S204:根据所述目标用户集合中各用户的行为数据中关联的数据对象,确定符合所述场景特征需求的目标数据对象。
在确定出目标用户集合后,即可根据所述目标用户集合中各用户的行为数据中关联的数据对象,确定符合所述场景特征需求的目标数据对象,例如,具体可以通过协同过滤模型的方式来进行确定,等等。
总之,在本申请实施例中,在选取数据对象的过程中,可以实现按场景定制,并且,在定制的场景中,可以首先从用户群中挖掘出符合场景特征要求的用户,然后,再根据用户的行为数据中关联的数据对象,挖掘出符合场景要求的数据对象。也就是说,是通过数据挖掘的方式进行的数据对象选取,而不再依据工作人员的人为经验,并且,在挖掘的过程中,是首先筛选用户,然后利用用户的数据进行挖掘,而不是仅仅依靠数据对象本身的数据指标,因此,可以提高数据对象选取的灵活性,并且也有利于筛选出真正优质的数据对象。
实施例二
该实施例二是与实施例一相对应的,从客户端的角度进行介绍。其中,该客户端可以是平台运营人员提供的客户端,等等。具体的,参见图3,该实施例二提供了一种选取数据对象的方法,该方法可以包括以下步骤:
S301:客户端接收服务器提供的标签库信息;
S302:接收到被选中的至少一个特征标签后,将所述至少一个特征标签提交到服务器,以便所述服务器根据所述至少一个特征标签确定选取数据对象的场景特征信息,并获得数据源,所述数据源中包括用户群信息,然后从所述用户群中选择符合所述场景特征要求的目标用户,组成目标用户集合,根据所述目标用户集合中各用户的行为数据中关联的数据对象,确定符合所述场景特征需求的目标数据对象;
S303:接收所述服务器返回的目标数据对象信息。
由于该实施例二是与实施例一相对应的,因此,相关的具体实现可以参见实施例一中的记载,这里不再赘述。
与实施例一相对应,本申请实施例还提供了一种选取数据对象的装置,该装置应用于服务器,参见图4,该装置具体可以包括:
场景特征确定单元401,用于确定选取数据对象的场景特征信息;
数据源获得单元402,用于获得数据源,所述数据源中包括用户群信息;
目标用户集合组成单元403,用于从所述用户群中选择符合所述场景特征要求的目标用户,组成目标用户集合;
数据对象确定单元404,用于根据所述目标用户集合中各用户的行为数据中关联的数据对象,确定符合所述场景特征需求的目标数据对象。
其中,所述场景特征信息包括至少一个特征标签。
具体实现时,所述场景特征确定单元包括:
标签库信息提供子单元,用于接收到配置选取数据对象的场景特征信息的请求时,提供预先创建的标签库;
特征确定子单元,用于根据被选中的至少一个特征标签,确定所述选取数据对象的场景特征信息。
其中,所述用户群中的用户预先被标注有各自的用户标签,所述用户群中的用户被划分为多个类别,不同的类别对应不同的经验值,其中,第一类别中的用户对应最高经验值;所述场景特征的标签包括至少一个用户标签;
所述目标用户集合组成单元包括:
第一集合生成子单元,用于根据所述场景特征中的用户标签以及各用户的用户标签,从所述第一类别中选取标签相匹配的用户,组成第一集合;
第一确定子单元,用于根据所述第一集合,确定所述目标用户集合。
其中,所述数据源中还包括数据对象群,其中的数据对象被标注有各自的数据对象标签,并关联有第一类别的用户信息,所述场景特征的标签还包括至少一个数据对象标签;
所述目标用户集合组成单元还可以包括:
数据对象集合确定子单元,用于根据所述场景特征中的数据对象标签以及所述数据源中各数据对象的标签,选取相匹配的目标数据对象,组成数据对象集合;
第二集合生成子单元,用于根据所述数据对象集合中各数据对象关联的第一类别的用户,组成第二集合;
所述第一确定子单元,包括:
第三集合生成子单元,用于将所述第一集合与所述第二集合合并为第三集合;
第二确定子单元,用于根据所述第三集合,确定所述目标用户集合。
另外,所述用户群中的多个类别还包括第二类别,所述第二类别中的用户对应中等经验值;
所述目标用户集合组成单元还可以包括:
第四集合生成子单元,用于根据用户的历史行为模型,从所述第二类别中选择与所述第三集合中的用户在历史行为模型上的相似度符合预置条件的用户,组成第四集合;
所述第二确定子单元包括:
第五集合生成子单元,用于将所述第三集合与所述第四集合合并为第五集合;
第三确定子单元,用于将所述第五集合确定为所述目标用户集合。
与实施例二相对应,本申请实施例还提供了一种选取数据对象的装置,应用于客户端,参见图5,该装置可以包括:
标签库接收单元501,用于接收服务器提供的标签库信息;
提交单元502,用于接收到被选中的至少一个特征标签后,将所述至少一个特征标签提交到服务器,以便所述服务器根据所述至少一个特征标签确定选取数据对象的场景特征信息,并获得数据源,所述数据源中包括用户群信息,然后从所述用户群中选择符合所述场景特征要求的目标用户,组成目标用户集合,根据所述目标用户集合中各用户的行为数据中关联的数据对象,确定符合所述场景特征需求的目标数据对象;
数据对象信息接收单元503,用于接收所述服务器返回的目标数据对象信息。
通过本申请实施例,在选取数据对象的过程中,可以实现按场景定制,并且,在定制的场景中,可以首先从用户群中挖掘出符合场景特征要求的用户,然后,再根据用户的行为数据中关联的数据对象,挖掘出符合场景要求的数据对象。也就是说,是通过数据挖掘的方式进行的数据对象选取,而不再依据工作人员的人为经验,并且,在挖掘的过程中,是首先筛选用户,然后利用用户的数据进行挖掘,而不是仅仅依靠数据对象本身的数据指标,因此,可以提高数据对象选取的灵活性,并且也有利于筛选出真正优质的数据对象。
通过以上的实施方式的描述可知,本领域的技术人员可以清楚地了解到本申请可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例或者实施例的某些部分所述的方法。
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,对于系统或系统实施例而言,由于其基本相似于方法实施例,所以描述得比较简单,相关之处参见方法实施例的部分说明即可。以上所描述的系统及系统实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。
以上对本申请所提供的选取数据对象的方法及装置,进行了详细介绍,本文中应用了具体个例对本申请的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请的方法及其核心思想;同时,对于本领域的一般技术人员,依据本申请的思想,在具体实施方式及应用范围上均会有改变之处。综上所述,本说明书内容不应理解为对本申请的限制。
Claims (11)
1.一种选取数据对象的方法,其特征在于,包括:
服务器确定选取数据对象的场景特征信息;
获得数据源,所述数据源中包括用户群信息;
从所述用户群中选择符合所述场景特征要求的目标用户,组成目标用户集合;所述用户群中的用户根据用户的购物经验值被划分为多个类别;
根据所述目标用户集合中各用户的行为数据中关联的数据对象,确定符合所述场景特征需求的目标数据对象。
2.根据权利要求1所述的方法,其特征在于,所述场景特征信息包括至少一个特征标签。
3.根据权利要求2所述的方法,其特征在于,所述确定选取数据对象的场景特征信息,包括:
接收到配置选取数据对象的场景特征信息的请求时,提供预先创建的标签库;
根据被选中的至少一个特征标签,确定所述选取数据对象的场景特征信息。
4.根据权利要求2所述的方法,其特征在于,所述用户群中的用户预先被标注有各自的用户标签,所述用户群中的用户被划分为多个类别;所述场景特征的标签包括至少一个用户标签;
所述从所述用户群中选择符合所述场景特征要求的目标用户,组成目标用户集合,包括:
根据所述场景特征中的用户标签以及各用户的用户标签,从所述第一类别中选取标签相匹配的用户,组成第一集合;
根据所述第一集合,确定所述目标用户集合。
5.根据权利要求4所述的方法,其特征在于,所述数据源中还包括数据对象群,其中的数据对象被标注有各自的数据对象标签,并关联有第一类别的用户信息,所述场景特征的标签还包括至少一个数据对象标签;
所述方法还包括:
根据所述场景特征中的数据对象标签以及所述数据源中各数据对象的标签,选取相匹配的目标数据对象,组成数据对象集合;
根据所述数据对象集合中各数据对象关联的第一类别的用户,组成第二集合;
所述根据所述第一集合,确定所述目标用户集合,包括:
将所述第一集合与所述第二集合合并为第三集合;
根据所述第三集合,确定所述目标用户集合。
6.根据权利要求5所述的方法,其特征在于,所述用户群中的多个类别还包括第二类别,所述第二类别中的用户对应中等经验值;
所述方法还包括:
根据用户的历史行为模型,从所述第二类别中选择与所述第三集合中的用户在历史行为模型上的相似度符合预置条件的用户,组成第四集合;
所述根据所述第三集合,确定所述目标用户集合,包括:
将所述第三集合与所述第四集合合并为第五集合;
将所述第五集合确定为所述目标用户集合。
7.一种选取数据对象的方法,其特征在于,包括:
客户端接收服务器提供的标签库信息;
接收到被选中的至少一个特征标签后,将所述至少一个特征标签提交到服务器,以便所述服务器根据所述至少一个特征标签确定选取数据对象的场景特征信息,并获得数据源,所述数据源中包括用户群信息,然后从所述用户群中选择符合所述场景特征要求的目标用户,组成目标用户集合,所述用户群中的用户根据用户的购物经验值被划分为多个类别,根据所述目标用户集合中各用户的行为数据中关联的数据对象,确定符合所述场景特征需求的目标数据对象;
接收所述服务器返回的目标数据对象信息。
8.一种选取数据对象的装置,其特征在于,应用于服务器,包括:
场景特征确定单元,用于确定选取数据对象的场景特征信息;
数据源获得单元,用于获得数据源,所述数据源中包括用户群信息;
目标用户集合组成单元,用于从所述用户群中选择符合所述场景特征要求的目标用户,组成目标用户集合;所述用户群中的用户根据用户的购物经验值被划分为多个类别;
数据对象确定单元,用于根据所述目标用户集合中各用户的行为数据中关联的数据对象,确定符合所述场景特征需求的目标数据对象。
9.根据权利要求8所述的装置,其特征在于,所述场景特征信息包括至少一个特征标签。
10.根据权利要求9所述的装置,其特征在于,所述场景特征确定单元包括:
标签库信息提供子单元,用于接收到配置选取数据对象的场景特征信息的请求时,提供预先创建的标签库;
特征确定子单元,用于根据被选中的至少一个特征标签,确定所述选取数据对象的场景特征信息。
11.一种选取数据对象的装置,其特征在于,应用于客户端,包括:
标签库接收单元,用于接收服务器提供的标签库信息;
提交单元,用于接收到被选中的至少一个特征标签后,将所述至少一个特征标签提交到服务器,以便所述服务器根据所述至少一个特征标签确定选取数据对象的场景特征信息,并获得数据源,所述数据源中包括用户群信息,然后从所述用户群中选择符合所述场景特征要求的目标用户,组成目标用户集合,所述用户群中的用户根据用户的购物经验值被划分为多个类别,根据所述目标用户集合中各用户的行为数据中关联的数据对象,确定符合所述场景特征需求的目标数据对象;
数据对象信息接收单元,用于接收所述服务器返回的目标数据对象信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610877682.3A CN107886345B (zh) | 2016-09-30 | 2016-09-30 | 选取数据对象的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610877682.3A CN107886345B (zh) | 2016-09-30 | 2016-09-30 | 选取数据对象的方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107886345A CN107886345A (zh) | 2018-04-06 |
CN107886345B true CN107886345B (zh) | 2021-12-07 |
Family
ID=61769675
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610877682.3A Active CN107886345B (zh) | 2016-09-30 | 2016-09-30 | 选取数据对象的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107886345B (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111198984A (zh) * | 2018-11-16 | 2020-05-26 | 阿里巴巴集团控股有限公司 | 用户群体筛选方法、装置及电子设备 |
CN111797288A (zh) * | 2019-04-09 | 2020-10-20 | Oppo广东移动通信有限公司 | 数据筛选方法、装置、存储介质及电子设备 |
CN110147406A (zh) * | 2019-05-29 | 2019-08-20 | 深圳市城市屋超科技有限公司 | 一种面向云计算的可视化数据挖掘系统及其架构方法 |
CN110377421B (zh) * | 2019-06-26 | 2021-06-29 | 联动优势科技有限公司 | 基于单数据项标签的数据源访问方法及装置 |
CN110517070B (zh) * | 2019-08-15 | 2022-07-15 | 深圳市云积分科技有限公司 | 一种消费者人群圈选方法及装置 |
CN113657951A (zh) * | 2020-05-12 | 2021-11-16 | 阿里巴巴集团控股有限公司 | 商品推荐方法及装置、商品发布处理方法及装置 |
CN112396478B (zh) * | 2021-01-18 | 2021-04-27 | 浙江口碑网络技术有限公司 | 资源处理方法、装置及计算机设备 |
CN113468402B (zh) * | 2021-05-25 | 2024-05-17 | 北京达佳互联信息技术有限公司 | 目标对象确定方法、装置及存储介质 |
CN113256340A (zh) * | 2021-06-04 | 2021-08-13 | 中电金信软件有限公司 | 执行任务的方法、装置及电子设备 |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1396542A (zh) * | 2001-07-13 | 2003-02-12 | 统一资讯股份有限公司 | 自动编排各门市促销节目方法 |
CN102722836A (zh) * | 2012-05-17 | 2012-10-10 | 卓凌振 | 应用于互联网的招标竞标自动化系统及其方法 |
CN102880608A (zh) * | 2011-07-13 | 2013-01-16 | 阿里巴巴集团控股有限公司 | 基于人际距离的排名、搜索方法和装置 |
CN103034508A (zh) * | 2011-10-10 | 2013-04-10 | 腾讯科技(深圳)有限公司 | 软件推荐方法和系统 |
CN103136237A (zh) * | 2011-11-28 | 2013-06-05 | 深圳市腾讯计算机系统有限公司 | 一种基于多数据源的信息搜索方法和系统 |
CN103678618A (zh) * | 2013-12-17 | 2014-03-26 | 南京大学 | 一种基于社交网络平台的Web服务推荐方法 |
CN103886487A (zh) * | 2014-03-28 | 2014-06-25 | 焦点科技股份有限公司 | 基于分布式的b2b平台的个性化推荐方法与系统 |
CN104090888A (zh) * | 2013-12-10 | 2014-10-08 | 深圳市腾讯计算机系统有限公司 | 一种用户行为数据的分析方法和装置 |
CN104284294A (zh) * | 2014-10-08 | 2015-01-14 | 上海澄美信息服务有限公司 | 一种流量包推荐匹配方法 |
CN104679769A (zh) * | 2013-11-29 | 2015-06-03 | 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 |
CN104731917A (zh) * | 2015-03-25 | 2015-06-24 | 百度在线网络技术(北京)有限公司 | 一种推荐方法及装置 |
CN105378777A (zh) * | 2013-03-15 | 2016-03-02 | 热力学设计有限责任公司 | 可定制数据管理系统 |
CN105574025A (zh) * | 2014-10-15 | 2016-05-11 | 阿里巴巴集团控股有限公司 | 用于计算排序分及建立模型的方法、装置及商品推荐系统 |
CN105678317A (zh) * | 2015-12-30 | 2016-06-15 | 腾讯科技(深圳)有限公司 | 一种信息处理方法及服务器 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AU2001277025A1 (en) * | 2000-07-25 | 2002-02-05 | Michael A. Wilkman | Universal transaction manager agent, systems and methods |
-
2016
- 2016-09-30 CN CN201610877682.3A patent/CN107886345B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1396542A (zh) * | 2001-07-13 | 2003-02-12 | 统一资讯股份有限公司 | 自动编排各门市促销节目方法 |
CN102880608A (zh) * | 2011-07-13 | 2013-01-16 | 阿里巴巴集团控股有限公司 | 基于人际距离的排名、搜索方法和装置 |
CN103034508A (zh) * | 2011-10-10 | 2013-04-10 | 腾讯科技(深圳)有限公司 | 软件推荐方法和系统 |
CN103136237A (zh) * | 2011-11-28 | 2013-06-05 | 深圳市腾讯计算机系统有限公司 | 一种基于多数据源的信息搜索方法和系统 |
CN102722836A (zh) * | 2012-05-17 | 2012-10-10 | 卓凌振 | 应用于互联网的招标竞标自动化系统及其方法 |
CN105378777A (zh) * | 2013-03-15 | 2016-03-02 | 热力学设计有限责任公司 | 可定制数据管理系统 |
CN104679769A (zh) * | 2013-11-29 | 2015-06-03 | 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 |
CN104090888A (zh) * | 2013-12-10 | 2014-10-08 | 深圳市腾讯计算机系统有限公司 | 一种用户行为数据的分析方法和装置 |
CN103678618A (zh) * | 2013-12-17 | 2014-03-26 | 南京大学 | 一种基于社交网络平台的Web服务推荐方法 |
CN103886487A (zh) * | 2014-03-28 | 2014-06-25 | 焦点科技股份有限公司 | 基于分布式的b2b平台的个性化推荐方法与系统 |
CN104284294A (zh) * | 2014-10-08 | 2015-01-14 | 上海澄美信息服务有限公司 | 一种流量包推荐匹配方法 |
CN105574025A (zh) * | 2014-10-15 | 2016-05-11 | 阿里巴巴集团控股有限公司 | 用于计算排序分及建立模型的方法、装置及商品推荐系统 |
CN104731917A (zh) * | 2015-03-25 | 2015-06-24 | 百度在线网络技术(北京)有限公司 | 一种推荐方法及装置 |
CN105678317A (zh) * | 2015-12-30 | 2016-06-15 | 腾讯科技(深圳)有限公司 | 一种信息处理方法及服务器 |
Also Published As
Publication number | Publication date |
---|---|
CN107886345A (zh) | 2018-04-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107886345B (zh) | 选取数据对象的方法及装置 | |
Boardman et al. | Shopping channel preference and usage motivations: Exploring differences amongst a 50-year age span | |
US10360623B2 (en) | Visually generated consumer product presentation | |
TW201821960A (zh) | 頁面資訊個性化處理方法、裝置及系統 | |
CN106354734B (zh) | 提供业务对象信息的方法及装置 | |
WO2018045937A1 (zh) | 页面信息处理系统及页面生成、页面信息提供方法及装置 | |
US20140143014A1 (en) | Information analysis system and method for network transactions | |
Foster et al. | A model who looks like me: Communicating and consuming representations of disability | |
US20200226651A1 (en) | Methods and systems for product discovery in user generated content | |
CN107016006B (zh) | 一种页面展示方法及系统 | |
US11507981B2 (en) | Automated lists | |
Abraham | Product information management | |
Tfaily | E-Tourism and the competitiveness of tourism products in the context of the global tourism and travel industry Market | |
CN109242563A (zh) | 一种智能化信息监测应用方法和系统 | |
CN110599291A (zh) | 商家买家多种市场高效精准融合智能电商运营系统和方法 | |
Rupik | Customer engagement behaviour in the fashion industry | |
Nguyen et al. | Analyzing Australian SME Instagram engagement via web scraping | |
WO2023217194A1 (zh) | 一种动态视频封面生成方法 | |
US11954776B2 (en) | Display of related objects in compartmentalized virtual display units | |
US20130211956A1 (en) | Mobile Application for Capturing Inspirations | |
Yrjölä et al. | The Seller’s Experience in Consumer-to-Consumer E-Commerce | |
US20200226167A1 (en) | Methods and systems for dynamic content provisioning | |
KR102605195B1 (ko) | 이커머스 기반의 정보 제공 방법 및 이를 수행하기 위한 컴퓨팅 장치 | |
CN111222934A (zh) | 信息发布方法、装置及计算机系统 | |
KR102610033B1 (ko) | 이커머스 기반의 예상 수익 정보 제공 방법 및 이를 수행하기 위한 컴퓨팅 장치 |
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 | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 1253259 Country of ref document: HK |
|
GR01 | Patent grant | ||
GR01 | Patent grant |