CN108170731A - 数据处理方法、装置、计算机存储介质及服务器 - Google Patents
数据处理方法、装置、计算机存储介质及服务器 Download PDFInfo
- Publication number
- CN108170731A CN108170731A CN201711332531.0A CN201711332531A CN108170731A CN 108170731 A CN108170731 A CN 108170731A CN 201711332531 A CN201711332531 A CN 201711332531A CN 108170731 A CN108170731 A CN 108170731A
- Authority
- CN
- China
- Prior art keywords
- data
- recommending
- target user
- key message
- message
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2455—Query execution
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2455—Query execution
- G06F16/24552—Database cache management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/283—Multi-dimensional databases or data warehouses, e.g. MOLAP or ROLAP
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明实施例提供一种数据处理方法、装置、计算机存储介质及服务器,支持多系统多维度的数据检索,可以从数据库集群中的至少一个数据库系统中一次性获取各种类型的数据,且所获取的数据并不直接推荐至终端用户,还需要进行分析处理以筛选出贴近用户实际检索需求的推荐数据集,推荐数据集内的数据被配置为通用格式数据,最后推荐数据集输出至终端进行展示,这样既实现精准推荐,又解决不同的数据库系统之间的数据通用问题,并且能够在不同的终端中获得较好的显示效果。
Description
技术领域
本发明涉及互联网技术领域,具体涉及数据处理技术领域,尤其涉及一种数据处理方法、一种数据处理装置、一种计算机存储介质及一种服务器。
背景技术
互联网中包括很多相互独立的数据库系统,这些相互独立的数据库系统用于存储各种类型的互联网数据。由于各个数据库系统之间的相互独立性,因此现有技术中仅支持单系统的数据检索方案,即在进行数据检索时针对各个数据库系统单独的获取数据,而无法将存储于多个数据库系统中的数据一次性检索出来,这样使得检索结果不够完整全面,无法精准地为用户推荐实际所需的数据;另外,由于数据格式及终端类型等差异性,数据在不同终端中的展示方式也千差万别,一定程度上影响了数据的显示效果。
发明内容
本发明实施例提供一种数据处理方法、装置、计算机存储介质及服务器,支持多系统多维度的数据检索以实现精准推荐;且能够使数据在不同终端进行展示时获得较好的展示效果。
一方面,本发明实施例提供一种数据处理方法,包括:
获取待检索的关键信息;
在数据库集群中查询与所述关键信息相匹配的关联数据集,所述数据库集群包括至少一个数据库系统;
对所述关联数据集进行分析处理得到推荐数据集,所述推荐数据集内的数据被配置为通用格式数据;
输出所述推荐数据集。
一种实施方式中,所述在数据库集群中查询与所述关键信息相匹配的关联数据集之前,还包括:
获取请求检索的目标用户的属性信息,所述属性信息包括目标用户标识;
根据所述目标用户标识查找相对应的目标缓冲区;
检测所述目标缓冲区内是否存在缓存数据;
若所述目标缓冲区内存在缓存数据,采用所述关键信息对所述缓存数据进行校验,若校验成功,则将所述缓存数据添加至与所述关键信息相匹配的关联数据集中;
若校验失败或所述目标缓冲区内不存在缓存数据,则触发执行在数据库集群中查询与所述关键信息相匹配的关联数据集。
另一种实施方式中,所述在数据库集群中查询与所述关键信息相匹配的关联数据集,包括:
根据所述目标用户标识获取所述目标用户在所述至少一个数据库系统中的查询权限;
按照所述查询权限在所述至少一个数据库系统中查询与所述关键信息相匹配的关联数据集。
再一种实施方式中,所述属性信息还包括目标用户在数据库集群中的注册信息及登录状态;
根据所述目标用户标识获取所述目标用户在所述至少一个数据库系统中的查询权限之前,还包括:
若所述目标用户在所述数据库集群中的登录状态为离线状态,则根据所述目标用户在所述数据库集群中的注册信息在所述至少一个数据库系统中进行登录;
若所述目标用户在所述数据库集群中的登录状态为在线状态,则触发执行根据所述目标用户标识获取所述目标用户在所述至少一个数据库中的查询权限。
再一种实施方式中,所述对所述关联数据集进行分析处理得到推荐数据集,包括:
采用关联分析算法对所述关联数据集进行分析,筛选出至少一个推荐数据;
对所述至少一个推荐数据进行排序;
对排序后的至少一个推荐数据进行整合处理,得到推荐数据集。
再一种实施方式中,所述对所述至少一个推荐数据进行排序,包括:
从所述关键信息中确定至少一个排序关键字段,并为所述至少一个排序关键字段设置权重;
计算所述至少一个推荐数据与所述至少一个排序关键字段的相关度,并按照所述至少一个排序关键字段的权重对所述相关度进行加权处理;
按照加权处理后的相关度由高至低的顺序对所述至少一个推荐数据进行排序。
再一种实施方式中,所述对排序后的至少一个推荐数据进行整合处理,得到推荐数据集,包括:
对排序后的至少一个推荐数据进行格式处理,使所述至少一个推荐数据被配置为通用格式数据;
将格式处理后的所述至少一个推荐数据进行合并得到推荐数据集。
再一种实施方式中,所述获取待检索的关键信息,包括:
接收终端发送的第一文本信息,所述第一文本信息是由请求检索的目标用户通过所述终端的文本输入接口所输入的信息;
将所述第一文本信息确定为待检索的关键信息。
再一种实施方式中,所述获取待检索的关键信息,包括:
接收终端发送的媒体信息,所述媒体信息是由请求检索的目标用户通过所述终端的媒体输入接口所输入的信息;
对所述媒体信息进行识别,并转换得到对应的第二文本信息;
将所述第二文本信息确定为待检索的关键信息。
另一方面,本发明实施例提供一种数据处理装置,包括:
获取单元,用于获取待检索的关键信息;
查询单元,用于在数据库集群中查询与所述关键信息相匹配的关联数据集,所述数据库集群包括至少一个数据库系统;
分析处理单元,用于对所述关联数据集进行分析处理得到推荐数据集,所述推荐数据集内的数据被配置为通用格式数据;
输出单元,用于输出所述推荐数据集。
一种实施方式中,所述装置还包括:
缓存检测单元,用于获取请求检索的目标用户的属性信息,所述属性信息包括目标用户标识;
根据所述目标用户标识查找相对应的目标缓冲区;
检测所述目标缓冲区内是否存在缓存数据;
若所述目标缓冲区内存在缓存数据,采用所述关键信息对所述缓存数据进行校验,若校验成功,则将所述缓存数据添加至与所述关键信息相匹配的关联数据集中;以及,
若校验失败或所述目标缓冲区内不存在缓存数据,则触发所述查询单元执行在数据库集群中查询与所述关键信息相匹配的关联数据集。
另一种实施方式中,所述查询单元具体用于:
根据所述目标用户标识获取所述目标用户在所述至少一个数据库系统中的查询权限;以及,
按照所述查询权限在所述至少一个数据库系统中查询与所述关键信息相匹配的关联数据集。
再一种实施方式中,所述属性信息还包括目标用户在数据库集群中的注册信息及登录状态;所述装置还包括:
登录单元,用于若所述目标用户在所述数据库集群中的登录状态为离线状态,则根据所述目标用户在所述数据库集群中的注册信息在所述至少一个数据库系统中进行登录;
若所述目标用户在所述数据库集群中的登录状态为在线状态,则触发所述查询单元执行根据所述目标用户标识获取所述目标用户在所述至少一个数据库中的查询权限。
再一种实施方式中,所述分析处理单元具体用于:
采用关联分析算法对所述关联数据集进行分析,筛选出至少一个推荐数据;
对所述至少一个推荐数据进行排序;以及,
对排序后的至少一个推荐数据进行整合处理,得到推荐数据集。
再一种实施方式中,所述分析处理单元具体用于:
从所述关键信息中确定至少一个排序关键字段,并为所述至少一个排序关键字段设置权重;
计算所述至少一个推荐数据与所述至少一个排序关键字段的相关度,并按照所述至少一个排序关键字段的权重对所述相关度进行加权处理;以及,
按照加权处理后的相关度由高至低的顺序对所述至少一个推荐数据进行排序。
再一种实施方式中,所述分析处理单元具体用于:
对排序后的至少一个推荐数据进行格式处理,使所述至少一个推荐数据被配置为通用格式数据;
将格式处理后的所述至少一个推荐数据进行合并得到推荐数据集。
再一种实施方式中,所述获取单元具体用于:
接收终端发送的第一文本信息,所述第一文本信息是由请求检索的目标用户通过所述终端的文本输入接口所输入的信息;
将所述第一文本信息确定为待检索的关键信息。
再一种实施方式中,所述获取单元具体用于:
接收终端发送的媒体信息,所述媒体信息是由请求检索的目标用户通过所述终端的媒体输入接口所输入的信息;
对所述媒体信息进行识别,并转换得到对应的第二文本信息;
将所述第二文本信息确定为待检索的关键信息。
再一方面,本发明实施例提供一种计算机存储介质,所述计算机存储介质存储有一条或一条以上指令,所述一条或一条以上指令适于由处理器加载并执行如下步骤:
获取待检索的关键信息;
在数据库集群中查询与所述关键信息相匹配的关联数据集,所述数据库集群包括至少一个数据库系统;
对所述关联数据集进行分析处理得到推荐数据集,所述推荐数据集内的数据被配置为通用格式数据;
输出所述推荐数据集。
一种实施方式中,所述在数据库集群中查询与所述关键信息相匹配的关联数据集之前,还包括:
获取请求检索的目标用户的属性信息,所述属性信息包括目标用户标识;
根据所述目标用户标识查找相对应的目标缓冲区;
检测所述目标缓冲区内是否存在缓存数据;
若所述目标缓冲区内存在缓存数据,采用所述关键信息对所述缓存数据进行校验,若校验成功,则将所述缓存数据添加至与所述关键信息相匹配的关联数据集中;
若校验失败或所述目标缓冲区内不存在缓存数据,则触发执行在数据库集群中查询与所述关键信息相匹配的关联数据集。
另一种实施方式中,所述在数据库集群中查询与所述关键信息相匹配的关联数据集,包括:
根据所述目标用户标识获取所述目标用户在所述至少一个数据库系统中的查询权限;
按照所述查询权限在所述至少一个数据库系统中查询与所述关键信息相匹配的关联数据集。
再一种实施方式中,所述属性信息还包括目标用户在数据库集群中的注册信息及登录状态;
根据所述目标用户标识获取所述目标用户在所述至少一个数据库系统中的查询权限之前,还包括:
若所述目标用户在所述数据库集群中的登录状态为离线状态,则根据所述目标用户在所述数据库集群中的注册信息在所述至少一个数据库系统中进行登录;
若所述目标用户在所述数据库集群中的登录状态为在线状态,则触发执行根据所述目标用户标识获取所述目标用户在所述至少一个数据库中的查询权限。
再一种实施方式中,所述对所述关联数据集进行分析处理得到推荐数据集,包括:
采用关联分析算法对所述关联数据集进行分析,筛选出至少一个推荐数据;
对所述至少一个推荐数据进行排序;
对排序后的至少一个推荐数据进行整合处理,得到推荐数据集。
再一种实施方式中,所述对所述至少一个推荐数据进行排序,包括:
从所述关键信息中确定至少一个排序关键字段,并为所述至少一个排序关键字段设置权重;
计算所述至少一个推荐数据与所述至少一个排序关键字段的相关度,并按照所述至少一个排序关键字段的权重对所述相关度进行加权处理;
按照加权处理后的相关度由高至低的顺序对所述至少一个推荐数据进行排序。
再一种实施方式中,所述对排序后的至少一个推荐数据进行整合处理,得到推荐数据集,包括:
对排序后的至少一个推荐数据进行格式处理,使所述至少一个推荐数据被配置为通用格式数据;
将格式处理后的所述至少一个推荐数据进行合并得到推荐数据集。
再一种实施方式中,所述获取待检索的关键信息,包括:
接收终端发送的第一文本信息,所述第一文本信息是由请求检索的目标用户通过所述终端的文本输入接口所输入的信息;
将所述第一文本信息确定为待检索的关键信息。
再一种实施方式中,所述获取待检索的关键信息,包括:
接收终端发送的媒体信息,所述媒体信息是由请求检索的目标用户通过所述终端的媒体输入接口所输入的信息;
对所述媒体信息进行识别,并转换得到对应的第二文本信息;
将所述第二文本信息确定为待检索的关键信息。
再一方面,本发明实施例提供一种服务器,包括:
处理器,适于实现一条或一条以上指令;以及,
计算机存储介质,所述计算机存储介质存储有一条或一条以上指令,所述一条或一条以上指令适于由所述处理器加载并执行如下步骤:
获取待检索的关键信息;
在数据库集群中查询与所述关键信息相匹配的关联数据集,所述数据库集群包括至少一个数据库系统;
对所述关联数据集进行分析处理得到推荐数据集,所述推荐数据集内的数据被配置为通用格式数据;
输出所述推荐数据集。
一种实施方式中,所述在数据库集群中查询与所述关键信息相匹配的关联数据集之前,还包括:
获取请求检索的目标用户的属性信息,所述属性信息包括目标用户标识;
根据所述目标用户标识查找相对应的目标缓冲区;
检测所述目标缓冲区内是否存在缓存数据;
若所述目标缓冲区内存在缓存数据,采用所述关键信息对所述缓存数据进行校验,若校验成功,则将所述缓存数据添加至与所述关键信息相匹配的关联数据集中;
若校验失败或所述目标缓冲区内不存在缓存数据,则触发执行在数据库集群中查询与所述关键信息相匹配的关联数据集。
另一种实施方式中,所述在数据库集群中查询与所述关键信息相匹配的关联数据集,包括:
根据所述目标用户标识获取所述目标用户在所述至少一个数据库系统中的查询权限;
按照所述查询权限在所述至少一个数据库系统中查询与所述关键信息相匹配的关联数据集。
再一种实施方式中,所述属性信息还包括目标用户在数据库集群中的注册信息及登录状态;
根据所述目标用户标识获取所述目标用户在所述至少一个数据库系统中的查询权限之前,还包括:
若所述目标用户在所述数据库集群中的登录状态为离线状态,则根据所述目标用户在所述数据库集群中的注册信息在所述至少一个数据库系统中进行登录;
若所述目标用户在所述数据库集群中的登录状态为在线状态,则触发执行根据所述目标用户标识获取所述目标用户在所述至少一个数据库中的查询权限。
再一种实施方式中,所述对所述关联数据集进行分析处理得到推荐数据集,包括:
采用关联分析算法对所述关联数据集进行分析,筛选出至少一个推荐数据;
对所述至少一个推荐数据进行排序;
对排序后的至少一个推荐数据进行整合处理,得到推荐数据集。
再一种实施方式中,所述对所述至少一个推荐数据进行排序,包括:
从所述关键信息中确定至少一个排序关键字段,并为所述至少一个排序关键字段设置权重;
计算所述至少一个推荐数据与所述至少一个排序关键字段的相关度,并按照所述至少一个排序关键字段的权重对所述相关度进行加权处理;
按照加权处理后的相关度由高至低的顺序对所述至少一个推荐数据进行排序。
再一种实施方式中,所述对排序后的至少一个推荐数据进行整合处理,得到推荐数据集,包括:
对排序后的至少一个推荐数据进行格式处理,使所述至少一个推荐数据被配置为通用格式数据;
将格式处理后的所述至少一个推荐数据进行合并得到推荐数据集。
再一种实施方式中,所述获取待检索的关键信息,包括:
接收终端发送的第一文本信息,所述第一文本信息是由请求检索的目标用户通过所述终端的文本输入接口所输入的信息;
将所述第一文本信息确定为待检索的关键信息。
再一种实施方式中,所述获取待检索的关键信息,包括:
接收终端发送的媒体信息,所述媒体信息是由请求检索的目标用户通过所述终端的媒体输入接口所输入的信息;
对所述媒体信息进行识别,并转换得到对应的第二文本信息;
将所述第二文本信息确定为待检索的关键信息。
本发明实施例支持多系统多维度的数据检索,可以从数据库集群中的至少一个数据库系统中一次性获取各种类型的数据,这使得最终向用户推荐的数据更为多元化且更为全面;从数据库集群中查询出来的关联数据集并不直接作为检索结果推荐至终端用户,还需要进行分析处理以筛选出贴近用户实际检索需求的推荐数据,以实现精准推荐;并且对筛选出来的推荐数据进行格式处理、合并等一系列处理,形成最终的推荐数据集进行输出,推荐数据集内的数据被配置为通用格式数据,这样使得推荐数据集能够适应于各种类型的终端,以解决不同的数据库系统之间的数据通用问题,并且能够在不同的终端中获得较好的显示效果。
附图说明
为了更清楚地说明本发明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发明的一些实施例,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为本发明实施例提供的一种数据处理系统的结构示意图;
图2为本发明实施例提供的一种数据处理方法的流程图;
图3为本发明实施例提供的另一种数据处理方法的流程图;
图4为本发明实施例提供的Apriori算法的原理示意图;
图5a为本发明实施例提供的终端对视频数据的展示示意图;
图5b为本发明实施例提供的终端对列表数据的展示示意图;
图5c为本发明实施例提供的终端对网页数据的展示示意图;
图6a为本发明实施例提供的关键信息的输入示意图;
图6b为本发明实施例提供的推荐数据集的展示示意图;
图7为本发明实施例提供的一种数据处理装置的结构示意图;
图8为本发明实施例提供的一种服务器的结构示意图。
具体实施方式
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。
本申请的相关技术中提到,互联网中包括很多相互独立的数据库系统,这些相互独立的数据库系统用于存储各种类型的互联网数据,例如:某视频网站的后台数据库系统中存储了大量的视频类数据;某新闻网站的后台数据库系统中存储了大量的新闻类数据;某购物网站的后台数据库系统中存储了大量的商品类数据,等等。由于各个数据库系统之间的相互独立性,因此现有技术中仅支持单系统的数据检索方案,即在进行数据检索时针对各个数据库系统单独的获取数据,而无法将存储于多个数据库系统中的数据一次性检索出来,例如:针对“英雄”这一关键信息进行检索时,如果请求检索视频类数据(如用户在终端中输入“英雄视频”这样的关键词,或者输入“英雄”关键词并同时选择“视频”这一检索选项),则会从存储视频类数据的数据库系统中检索获得“英雄”相匹配的关联视频数据集,将该关联视频数据集输出至终端进行展示;如果请求检索网页类数据(如用户在终端中输入“英雄网页”这样的关键词,或者输入“英雄”关键词并同时选择“网页”这一检索选项),则会从存储网页类数据的数据库系统中检索获得“英雄”相匹配的关联网页数据集,将该关联网页数据集输出至终端进行展示;如果请求检索新闻类数据(如用户在终端中输入“英雄新闻”这样的关键词,或者输入“英雄”关键词并同时选择“新闻”这一检索选项),则会从存储新闻类数据的数据库系统中检索获得“英雄”相匹配的关联新闻数据集,将该新闻数据集输出给终端进行展示。上述现有技术主要存在以下问题:(1)仅支持单系统的数据检索,所得到的检索结果不够完整全面;(2)在检索类型不够明确的情况下,例如用户仅输入“英雄”这一关键词,由此关键词并不能确定用户需要检索哪种类型的数据,在此情况下现有技术无法准确地定位进行检索的数据库系统,从而无法得到较为精准地、满足用户实际需求的检索结果;(3)从数据库系统检索获得的关联数据集直接输出终端中进行展示,那么,由于不同终端之间的硬件差异性,这导致相同数据在不同终端中进行展示时会呈现截然不同的显示效果;例如:由于电视终端、移动终端、PC(Personal Computer,个人计算机)等固定终端之间存在硬件(如CPU(Central Processing Unit,中央处理器)、支持的播放器参数、屏幕大小等)差异,同一视频数据在不同终端中进行播放时呈现不同的显示效果。另外,由于各个数据库系统所存储的数据格式之间的差异性,也会导致不同数据库系统检索获得的数据在终端中进行展示时会呈现截然不同的显示效果;也就是说,现有技术所获得的检索结果不能很好的适应于不同类型的终端,因此无法获得较好的展示。
为了解决现有技术的问题,本发明实施例提出这样一种数据处理方案的构想:获取待检索的关键信息(如用户在终端中输入“英雄”这样的关键词);从数据库集群中查询与该关键信息相匹配的关联数据集(如查找与“英雄”相匹配的关联音视频数据、关联图像数据、关联网页数据、关联新闻数据等形成关联数据集),此处的数据库集群包括至少一个数据库系统;再对查询到的关联数据集进行分析处理得到推荐数据集,该推荐数据集内的数据被配置为通用格式数据,最后将推荐数据集输出至终端进行展示。本发明实施例提供的数据处理方案具备如下优点:(1)支持多系统的数据检索。由于数据库集群包括至少一个数据库系统,这样即可以将这至少一个数据库系统联合起来以提供数据检索服务,那么,在进行数据检索时可以从该至少一个数据库系统中一次性获取各种类型的数据,这使得最终向用户推荐的数据更为多元化且更为全面;(2)在检索类型不够明确的情况下也能获得较为精准的检索结果。首先,从数据库集群中查询出来的关联数据集并不直接作为检索结果推荐至终端用户,还需要进行分析处理,此处的分析处理包括分析用户的实际需求来对关联数据集进行一定的筛选,剔除与用户实际需求关联较小的数据,筛选出贴近用户实际需求的推荐数据,以实现精准推荐;还包括对筛选出来的推荐数据进行格式处理、合并等一系列处理,形成最终的推荐数据集,推荐数据集内的数据被配置为通用格式数据,这样使得推荐数据集能够适应于各种类型的终端,以解决不同的数据库系统之间的数据通用问题。(3)获得较好的显示效果。由于推荐数据集内的数据被配置为通用格式数据,这使得推荐数据集能够适应于各种类型的终端,因此,将推荐数据集输出至终端进行展示时能够得到较佳的展示效果。
基于上述的构想,本发明实施例设计了一种数据处理系统,请参见图1,该系统可包括服务器,该服务器与数据库集群相连接,并且,该多个终端接入该服务器。其中:
终端可以包括但不限于移动电话、膝上型计算机或平板计算机等便携式设备;并且,终端支持各种应用程序,例如以下中的一个或多个:绘图应用程序、演示应用程序、文字处理应用程序、网站创建应用程序、盘刻录应用程序、电子表格应用程序、游戏应用程序、电话应用程序、视频会议应用程序、电子邮件应用程序、即时消息收发应用程序、锻炼支持应用程序、照片管理应用程序、数码相机应用程序、数字摄影机应用程序、web(网页)浏览应用程序、数字音乐播放器应用程序和/或数字视频播放器应用程序。终端可以提供输入接口,例如:终端可以在现有网页中提供输入接口,也可以采用单独的页面提供输入接口,还可以在APP(Application,应用程序)的交互界面中提供输入接口,或者在终端的桌面上提供输入接口。用户能够在该输入接口中输入待检索的关键信息,终端获取用户输入的待检索的关键信息并提交至服务器进行数据检索。
数据库集群可包括一个或多个数据库系统,这些数据库系统中存储了大量的互联网数据,任意两个数据库系统中所存储的数据可以相同也可以不同。服务器可以是web服务器、网站对应的后台服务器、APP对应的应用服务器等等,并且,该服务器既可以表现一个独立服务设备,也可以表现为多个服务设备共同组成的集群服务设备。本实施例中,服务器用于接收终端提交的待检索的关键信息,从数据库集群中查询与该关键信息相匹配的关联数据集,再对查询到的关联数据集进行分析处理得到推荐数据集,该推荐数据集内的数据被配置为通用格式数据,最后将推荐数据集输出至终端进行展示。
本发明实施例支持多系统多维度的数据检索,可以从数据库集群中的至少一个数据库系统中一次性获取各种类型的数据,这使得最终向用户推荐的数据更为多元化且更为全面;从数据库集群中查询出来的关联数据集并不直接作为检索结果推荐至终端用户,还需要进行分析处理以筛选出贴近用户实际检索需求的推荐数据,以实现精准推荐;并且对筛选出来的推荐数据进行格式处理、合并等一系列处理,形成最终的推荐数据集进行输出,推荐数据集内的数据被配置为通用格式数据,这样使得推荐数据集能够适应于各种类型的终端,以解决不同的数据库系统之间的数据通用问题,并且能够在不同的终端中获得较好的显示效果。
基于上述描述,本发明实施例提供一种数据处理方法,参见图2,该方法包括以下步骤S101-S104。
S101,获取待检索的关键信息。
终端中可以提供输入接口,此处的输入接口可包括但不限于:文本输入接口、媒体输入接口等等,其中,文本输入接口用于接收用户输入的文本信息,而媒体输入接口可用于接收用户输入的图像信息、音视频信息等媒体信息。具体实现中,终端可以采用多种方式提供输入接口,例如:终端可以在当前显示的网页中提供输入接口,也可以采用单独的页面提供输入接口,还可以在APP的交互界面中提供输入接口,或者在终端的桌面上提供输入接口。另外,输入接口的展示方式也可以为多种形式,例如:输入接口可以展示为文本输入框、音频输入按钮、悬浮球、悬浮框等等。本发明实施例并不对输入接口的提供方式和展示方式进行限定。当用户在终端所提供的输入接口中输入待检索的关键信息时,终端可以获取用户所输入的关键信息,那么,本步骤则可以接收终端提交的待检索的关键信息,以为终端用户提供数据检索及推荐服务。其中,所述关键信息可以包括但不限于关键句、关键词或关键字。
S102,在数据库集群中查询与所述关键信息相匹配的关联数据集,所述数据库集群包括至少一个数据库系统。
关联数据集中包含多个与所述关键信息相匹配的关联数据。本步骤描述的是根据关键信息在数据库集群中的各数据库系统进行匹配检索的过程,此过程可以根据实际需求采用相应的检索算法来实现,此处的检索算法可包括但不限于:模糊搜索算法、精准匹配算法等等。由于数据库集群包含至少一个数据库系统,因此,本发明实施例在数据库集群中查询与所述关键信息相匹配的关联数据集,也就是将数据库集群中的各数据库系统中的关联数据一次性获取出来,检索效率较高,并且所获得的关联数据较为全面及多元化。
S103,对所述关联数据集进行分析处理得到推荐数据集,所述推荐数据集内的数据被配置为通用格式数据。
分析处理的目的主要是为了解决两个层面的问题,其中一个问题在于如何使得检索结果贴近用户的实际需求,这就需要对关联数据集进行智能分析,从中剔除一些与用户实际需求关联较小的数据,而筛选出贴近用户实际需求的、能够实现精准推荐的推荐数据;另一个问题是如何使得检索结果能够适应于各种类型的终端,这就需要对所筛选出的推荐数据进行归一化处理,包括格式处理、排序、合并等,使得最后形成的推荐数据集能够屏蔽不同数据库系统之间的数据格式的差异性以及不同类型终端之间的硬件差异性,且能够适应于各种类型的终端,从而解决了不同数据库系统之间、不同终端之间的数据通用问题。
S104,输出所述推荐数据集。
可以为推荐数据集生成统一的调用接口,并向各种类型的终端提供该调用接口;那么,在接收到任一终端针对该调用接口的调用请求时,将推荐数据集返回给请求终端进行显示输出。由于推荐数据集内的数据既能够反映用户的实际检索需求,同时又以屏蔽了不同系统之间的数据格式的差异性以及不同类型终端之间的硬件差异性,且能够适应于各种类型的终端的通用数据格式而存在,因此,推荐数据集内的数据在各种类型的终端中能够获得较为统一且优化的显示效果。
本发明实施例支持多系统多维度的数据检索,可以从数据库集群中的至少一个数据库系统中一次性获取各种类型的数据,这使得最终向用户推荐的数据更为多元化且更为全面;从数据库集群中查询出来的关联数据集并不直接作为检索结果推荐至终端用户,还需要进行分析处理以筛选出贴近用户实际检索需求的推荐数据,以实现精准推荐;并且对筛选出来的推荐数据进行格式处理、合并等一系列处理,形成最终的推荐数据集进行输出,推荐数据集内的数据被配置为通用格式数据,这样使得推荐数据集能够适应于各种类型的终端,以解决不同的数据库系统之间的数据通用问题,并且能够在不同的终端中获得较好的显示效果。
本发明实施例提供了另一种数据处理方法,参见图3,该方法包括以下步骤S201-S212。
S201,获取待检索的关键信息。
本步骤则可以接收终端提交的待检索的关键信息,以为终端用户提供数据检索及推荐服务。其中,所述关键信息可以包括但不限于关键句、关键词或关键字。本步骤可包括以下两种可行的实施方式:
在一种实施方式中,步骤S201可包括以下步骤s11-s12:
s11,接收终端发送的第一文本信息,所述第一文本信息是由请求检索的目标用户通过所述终端的文本输入接口所输入的信息。
s12,将所述第一文本信息确定为待检索的关键信息。
本实施方式中,终端的文本输入接口可以是终端当前显示的网页中的文本输入栏,也可以是终端的APP的交互界面中的文本输入框,或者是终端的桌面上显示的悬浮球、悬浮框等等。若请求检索的目标用户在文本输入接口中输入第一文本信息,例如输入“英雄”这样的字符,可以将该第一文本信息直接确定为待检索的关键信息,终端可将该关键信息可提交至服务器进行数据检索处理。
另一种实施方式中,步骤S201可包括以下步骤s21-s23:
s21,接收终端发送的媒体信息,所述媒体信息是由请求检索的目标用户通过所述终端的媒体输入接口所输入的信息。
s22,对所述媒体信息进行识别,并转换得到对应的第二文本信息。
s23,将所述第二文本信息确定为待检索的关键信息。
本实施方式中,媒体信息可包括但不限于:图像信息、音视频信息等。终端的媒体输入接口可以是终端当前显示的网页中的媒体输入按钮,也可以终端的APP的交互界面中的媒体输入按键,或者是终端的桌面上显示的悬浮球、悬浮框等等。若请求检索的目标用户在媒体输入接口中输入媒体信息,终端将该媒体信息提交至服务器,为了便于后续的数据检索处理,服务器可先对该媒体信息进行识别,将其转换为第二文本信息,例如针对“英雄”这样的语音信息进行识别,转换为“英雄”字符;再将该第二文本信息确定为待检索的关键信息,根据该关键信息进行后续的数据检索处理。
S202,获取请求检索的目标用户的属性信息。
目标用户的属性信息可包括但不限于:目标用户标识、目标用户在数据库集群中的注册信息,以及目标用户在数据库集群中的登录状态。其中,目标用户标识可以为目标用户的手机号、email(电子邮件)号、即时通信标识、SNS(Social Networking Services,社会性网络服务)标识等等。目标用户在数据库集群中的注册信息可包括注册账号、密码等等信息,如果目标用户在数据库集群中的注册信息的值为非空,表明目标用户为该数据库集群中的已注册用户;而如果目标用户在数据库集群中的注册信息的值为空,表明目标用户为该数据库系统中的未注册的游客用户。目标用户在数据库集群中的登录状态包括在线状态或离线状态,在线状态表明目标用户已成功登录在数据库集群中的各数据库系统;离线状态表明目标用户在数据库集群中的各数据库系统中未登录或登录未成功。目标用户的属性信息可以存储于终端中,当目标用户在终端中请求检索时,由终端提交至服务器。目标用户的属性信息也可以存储于服务器中,当目标用户请求检索且终端提交待检索的关键信息时,服务器可从存储空间中提取该目标用户的属性信息。
S203,根据所述目标用户标识查找相对应的目标缓冲区。
为了提升数据检索效率,服务器一般会为每个用户分配对应的缓冲区,用户的身份不同,其分配的缓冲区的存储空间及数据保存策略可能存在差异,例如:可按照注册用户的对检索引擎的使用频率设置注册用户的身份等级,使用频率越高则身份等级越高,那么其对应的缓冲区的存储空间越大,数据保存的时间越长;再如:可按照注册用户是否付费使用来设置注册用户的身份等级,付费使用的注册用户的身份等级高于免费使用的注册用户的身份等级,那么付费用户对应的缓冲区的存储空间更大,数据保存的时间越长;再如:针对游客用户,可能所有游客会共用一个公共缓冲区,且该公共缓冲区的存储空间有限,数据保存的时间也相对较短。另外,管理员用户的身份等级高于普通用户的身份等级,等等,本发明实施例并不对身份等级的设置策略进行限定。本步骤中根据目标用户标识可查找到服务器为目标用户所分配的目标缓冲区。
S204,检测所述目标缓冲区内是否存在缓存数据;若存在转入步骤S205;否则转入步骤S208。
S205,采用所述关键信息对所述缓存数据进行校验。
S206,判断所述校验是否成功,若校验成功,则转入步骤S207;否则,转入步骤S208。
S207,将所述缓存数据添加至与所述关键信息相匹配的关联数据集中;之后,转入步骤S209。
在对数据库集群进行匹配查询之前,首先根据关键信息在目标用户对应的目标缓冲区中进行匹配查询,这样有利于提升响应速率以及提升数据检索的效率。步骤S202-S207中,目标缓冲区内的缓存数据可能是目标用户的历史检索得到的推荐数据,实践经验表明,一个用户进行多次相同数据检索的可能性是比较高的,因此,如果目标缓冲区内存在缓存数据,那么该缓存数据极有可能符合目标用户当前的检索需求。具体实现中,可以采用关键信息对缓存数据进行校验,校验的过程可以是求解缓存数据与关键信息之间的匹配度,如果匹配度超过预设阈值即校验成功,说明缓存数据是符合目标用户的当前检索需求的,因此可直接将该缓存数据确定为与关键信息相匹配的关联数据,并添加至关联数据集中。如果目标缓冲区内不存在缓存数据,或者目标缓冲区内虽然存在缓存数据,但该缓存数据校验失败,表明在目标缓冲区内未查询到符合目标用户检索条件的数据,则需要执行后续流程,在数据库集群中进行匹配查询。
S208,在数据库集群中查询与所述关键信息相匹配的关联数据集,所述数据库集群包括至少一个数据库系统。
如前述,目标用户的属性信息包括目标用户在数据库集群中的注册信息及登录状态。本步骤S208可包括以下步骤s31-s33:
s31,若所述目标用户在所述数据库集群中的登录状态为离线状态,则根据所述目标用户在所述数据库集群中的注册信息在所述至少一个数据库系统中进行登录。
离线状态表明目标用户在数据库集群中的各数据库系统中未登录或登录未成功;那么,步骤s31根据目标用户在数据库集群中的注册信息在至少一个数据库系统中进行登录,从而实现了多个数据库系统之间的登录状态同步。
s32,若所述目标用户在所述数据库集群中的登录状态为在线状态,则根据所述目标用户标识获取所述目标用户在所述至少一个数据库中的查询权限。
如前述,登录至数据库集群中的每个用户均设有相应的身份等级,不同身份等级的用户的查询权限可能存在差异。具体实现中,数据库集群系统中所存储的数据可设置隐私等级,此处的隐私等级可以实际情况进行设置,例如可根据数据来源,来自个人用户的数据的隐私等级相对更高,而来自开源网站的数据的隐私等级相对更低;或者可根据数据上传者的配置来设置数据的隐私等级。隐私等级越高的数据,所要求的查询权限越高。那么,如果目标用户已经成功在数据库集群中各数据库系统中进行登录,根据目标用户标识可以获知目标用户的身份等级,由此可以获得目标用户在各数据库系统中的查询权限。本实施例中,数据库集群可维护如下表一所示的查询权限表。
表一:查询权限表
用户标识 | 身份等级 | 查询权限 | 可查询的数据的隐私等级 |
a | I(管理员用户) | 权限A | i |
b | II(普通注册用户) | 权限B | ii |
... | ... | ... | ... |
s33,按照所述查询权限在所述至少一个数据库系统中查询与所述关键信息相匹配的关联数据集。
本步骤能够从至少一个数据库系统中进行多角度、多维度的智能匹配查询;具体可以按照以下三个分支进行匹配查询:(1)如果关键信息中不含各数据库系统的精准字段,例如:针对主要用于存储视频类数据的数据库系统,如果关键信息中含有“视频、avi(AudioVideo Interleaved,音频视频交错格式)、mp4(Moving Picture Experts Group 4,动态图像专家组4)”等字段,则认为含有该数据库系统的精准字段,否则不含该数据库系统的精准字段;那么,这种情况下可使用模糊搜索算法在至少一个数据库系统中进行数据匹配;(2)如果关键信息中仅含有一个精准字段,那么就在至少一个数据库系统中进行单维度的数据匹配,例如:若关键信息中含有“视频”字段,那么就在至少一个数据库系统中只搜索视频类数据;(3)如果关键信息中含有多个精准字段,那么就在至少一个数据库系统中进行多维度的数据匹配,例如:若关键信息中含有“视频、mp3、jpg(一种图片格式)”等字段,那么就在至少一个数据库系统中搜索视频、音频、图像等多维度数据。通过上述三个分支,可以获得从至少一个数据库系统中查询到多个与所述关键信息相匹配的关联数据;再按照目标用户的查询权限以及这些关联数据的隐私等级对这些关联数据进行筛选,删除目标用户无权查询的关联数据,保留下来的关联数据添加至目标用户的关联数据集中。
S209,采用关联分析算法对所述关联数据集进行分析,筛选出至少一个推荐数据。
关联分析算法可包括但不限于:Apriori算法(关联规则算法)、FP-growth(Frequent Pattern,频繁模式算法)算法、CCA(Canonical Correlation Analysis,典型关联算法)算法等等。本实施例以Apriori算法为例进行说明,该Apriori算法的原理参见图4。采用关联分析算法对关联数据集进行智能分析的目的是从关联数据集中剔除一些与目标用户的实际检索需求关联度较低(小于预设关联阀值)的数据,而筛选出与目标用户的实际检索需求关联度较高(大于预设关联阀值)的数据作为推荐数据,使得推荐数据能够满足目标用户的实际检索需求,较为精准的符合目标用户的检索条件。
S210,对所述至少一个推荐数据进行排序。
具体实现中,步骤S210可包括以下步骤s41-s45:
s41,从所述关键信息中确定至少一个排序关键字段。
s42,为所述至少一个排序关键字段设置权重。
s43,计算所述至少一个推荐数据与所述至少一个排序关键字段的相关度。
s44,按照所述至少一个排序关键字段的权重对所述相关度进行加权处理。
s45,按照加权处理后的相关度由高至低的顺序对所述至少一个推荐数据进行排序。
步骤s41-s45中,对至少一个推荐数据进行排序,以使得与目标用户的检索条件的匹配度越高的推荐数据位于越前端。排序规则如下:
(1)如果目标用户在关键信息中指定了一个排序字段,那么就按照这一个排序字段对至少一个推荐数据进行排序。例如:关键信息包括“英雄视频”,并且指定“视频”为排序字段;那么分别计算至少一个推荐数据与视频的相关度,按照相关度由高至低的顺序对该至少一个推荐数据进行排序;这个例子的排序结果是“英雄”的视频类推荐数据位于序列的前端。
(2)如果目标用户在关键信息中指定了多个排序字段,那么先设置每个排序字段的权重,再就至少一个推荐数据与各排序字段的相关度进行加权处理,最后按照加权处理后的相关度由高至低的顺序进行排序。例如:关键信息包括“英雄视频”,并且指定“英雄”与“视频”均为排序字段,假设设置“英雄”字段的权重为70%,而“视频”字段的权重为30%,那么分别计算至少一个推荐数据与“英雄”及“视频”的相关度,对相关度进行加权处理,按照加权处理后的相关度由高至低的顺序对该至少一个推荐数据进行排序。
(3)如果目标用户并未在关键信息中指定排序字段,那么可对根据实际情况(如结合目标用户的历史检索数据,或者结合目标用户的检索习惯)来从关键信息中确定一个或多个排序字段,再参照(1)和(2)中的逻辑进行排序。
S211,对排序后的至少一个推荐数据进行整合处理,得到推荐数据集。
本实施例中的步骤S211可包括以下步骤s51-s52:
s51,对排序后的至少一个推荐数据进行格式处理,使所述至少一个推荐数据被配置为通用格式数据。
s52,将格式处理后的所述至少一个推荐数据进行合并得到推荐数据集。
步骤s51-s52中,不同的数据库系统中的数据格式存在差异,参见如下具体示例:某数据库系统(假设为第一数据库系统)所存储的某数据的结构表示为:
另一数据库系统(假设为第二数据库系统)所存储的某数据的结构表示为:
上述示例可见,不同数据库系统存储的数据格式存在差异。另外,不同的终端的硬件也存在差异,例如:移动终端与电视终端的播放器参数及屏幕参数均不同;不同类型的数据在终端中的展示方式也不一致,具体请参见图5a-图5c所示示例。这就存在数据不通用的问题。为了解决这个问题,需要对推荐数据进行格式处理,使其被配置为通用格式数据,从而能在不同的终端中都能有统一或者较好的展示方式。格式处理过程可包括:首先进行动态的媒体查询,媒体查询主要是获得各种不同类型的终端的硬件参数、各数据库系统的数据格式,以及各种类型的数据的展示参数(例如:视频类数据的展示参数、图像类数据的展示参数等等);其次,基于媒体查询结果对推荐数据进行格式整理,形成能够适应于各种类型终端的通用格式数据,从而解决多终端展示效果不统一的问题。具体实现中,在执行动态的媒体查询后,可使用响应式的技术,所谓响应式技术,又可称为自适应式技术,其理念是:集中创建数据的响应式样式(如排版大小、排版方式),可以智能地根据用户行为以及使用的设备环境进行相应的布局。以网页展示推荐数据为例,可根据不同类型的终端动态插入DOM(Document Object Model,文档对象模型)节点,并进行响应式样式插入,这就使得推荐数据在不同的终端都能有同样或者较好的展示方式。
S212,输出所述推荐数据集。
可以为推荐数据集生成统一的调用接口,并向各种类型的终端提供该调用接口;那么,在接收到任一终端针对该调用接口的调用请求时,将推荐数据集返回给请求终端进行显示输出。由于推荐数据集内的数据既能够反映用户的实际检索需求,同时又以屏蔽了不同系统之间的数据格式的差异性以及不同类型终端之间的硬件差异性,且能够适应于各种类型的终端的通用数据格式而存在,因此,推荐数据集内的数据在各种类型的终端中能够获得较为统一且优化的显示效果。
下面以一个具体示例来阐述本发明实施例的数据处理流程。
假设数据库集群包括第一数据库系统、第二数据库系统、第三数据库系统及第四数据库系统。用户在终端中输入“英雄”这一关键字符请求进行数据检索,请一并参见图6a,用户在图6a所示的文本输入框中输入“英雄”关键字符,并点击“检索”按钮发起检索请求;可以理解的是,图6a的输入过程仅为举例,如用户还可点击图6a所示的语音按键可输入“英雄”这样的音频信息并发起检索请求;或者,图6a的文本输入框也可以不采用单独的页面展示,可存在于各种网页的任意位置等等。那么,本实施例的数据处理流程如下:
获取用户的属性信息,该属性信息可包括用户标识及该用户在数据库集群注册信息与登录状态。根据该用户标识查找该用户对应的缓冲区是否存在缓存数据,如果存在缓存数据那么就校验该缓存数据是否满足检索条件,本例即校验缓存数据是否是英雄相关的数据;若校验成功则将缓存数据添加至关联数据集。若校验失败或者缓冲区不存在缓存数据,那么就需要在数据库集群中匹配查询。
判断用户的登录状态,如果是未登录则根据注册信息一次性在各数据库系统中进行登录,从而实现多系统的登录状态同步。如果为已登录状态,就分别在各数据库系统中匹配查询,假设在第一数据库系统中检索到英雄相关的视频数据,在第二数据库系统中没有匹配到英雄相关的数据,在第三数据库系统中匹配到英雄相关的技能数据和皮肤数据,在第四数据库系统中匹配到英雄的攻略数据。这些查询到的匹配数据汇总形成关联数据集。下一步则需要对关联数据集中的数据进行分析处理。
采用关联分析算法从关联数据集中筛选出符合用户的实际检索条件的推荐数据,然后再对这些推荐数据进行排序。因为每个数据库系统不同数据的格式、长度、内容等都是不一致的,且最后输出至的终端类型也是多种多样的,因此还需要对排序后的推荐数据进行格式整理、合并、整合,最后输出一份能够适应于各种类型终端展示的推荐数据集。请一并参见图6b,整合后的推荐数据集集中的展示于一个页面中,如图6b所示,视频类的推荐数据更贴近用户的实际需求,因此其排列于其他类型的推荐数据之前。
本发明实施例支持多系统多维度的数据检索,可以从数据库集群中的至少一个数据库系统中一次性获取各种类型的数据,这使得最终向用户推荐的数据更为多元化且更为全面;从数据库集群中查询出来的关联数据集并不直接作为检索结果推荐至终端用户,还需要进行分析处理以筛选出贴近用户实际检索需求的推荐数据,以实现精准推荐;并且对筛选出来的推荐数据进行格式处理、合并等一系列处理,形成最终的推荐数据集进行输出,推荐数据集内的数据被配置为通用格式数据,这样使得推荐数据集能够适应于各种类型的终端,以解决不同的数据库系统之间的数据通用问题,并且能够在不同的终端中获得较好的显示效果。
基于上述数据处理方法实施例的描述,本发明实施例还公开了一种数据处理装置,该数据处理装置可以是运行于服务器中的一个计算机程序(包括程序代码)。该数据处理装置可以执行图2-图3任一实施例所示的数据处理方法。请参见图7,该数据处理装置运行如下单元:
获取单元101,用于获取待检索的关键信息。
查询单元102,用于在数据库集群中查询与所述关键信息相匹配的关联数据集,所述数据库集群包括至少一个数据库系统。
分析处理单元103,用于对所述关联数据集进行分析处理得到推荐数据集,所述推荐数据集内的数据被配置为通用格式数据。
输出单元104,用于输出所述推荐数据集。
一种实施方式中,所述装置还包括:
缓存检测单元105,用于获取请求检索的目标用户的属性信息,所述属性信息包括目标用户标识;
根据所述目标用户标识查找相对应的目标缓冲区;
检测所述目标缓冲区内是否存在缓存数据;
若所述目标缓冲区内存在缓存数据,采用所述关键信息对所述缓存数据进行校验,若校验成功,则将所述缓存数据添加至与所述关键信息相匹配的关联数据集中;以及,
若校验失败或所述目标缓冲区内不存在缓存数据,则触发所述查询单元执行在数据库集群中查询与所述关键信息相匹配的关联数据集。
另一种实施方式中,所述查询单元102具体用于:
根据所述目标用户标识获取所述目标用户在所述至少一个数据库系统中的查询权限;以及,
按照所述查询权限在所述至少一个数据库系统中查询与所述关键信息相匹配的关联数据集。
再一种实施方式中,所述属性信息还包括目标用户在数据库集群中的注册信息及登录状态;所述装置还包括:
登录单元106,用于若所述目标用户在所述数据库集群中的登录状态为离线状态,则根据所述目标用户在所述数据库集群中的注册信息在所述至少一个数据库系统中进行登录;
若所述目标用户在所述数据库集群中的登录状态为在线状态,则触发所述查询单元执行根据所述目标用户标识获取所述目标用户在所述至少一个数据库中的查询权限。
再一种实施方式中,所述分析处理单元103具体用于:
采用关联分析算法对所述关联数据集进行分析,筛选出至少一个推荐数据;
对所述至少一个推荐数据进行排序;以及,
对排序后的至少一个推荐数据进行整合处理,得到推荐数据集。
再一种实施方式中,所述分析处理单元103具体用于:
从所述关键信息中确定至少一个排序关键字段,并为所述至少一个排序关键字段设置权重;
计算所述至少一个推荐数据与所述至少一个排序关键字段的相关度,并按照所述至少一个排序关键字段的权重对所述相关度进行加权处理;以及,
按照加权处理后的相关度由高至低的顺序对所述至少一个推荐数据进行排序。
再一种实施方式中,所述分析处理单元103具体用于:
对排序后的至少一个推荐数据进行格式处理,使所述至少一个推荐数据被配置为通用格式数据;
将格式处理后的所述至少一个推荐数据进行合并得到推荐数据集。
再一种实施方式中,所述获取单元101具体用于:
接收终端发送的第一文本信息,所述第一文本信息是由请求检索的目标用户通过所述终端的文本输入接口所输入的信息;
将所述第一文本信息确定为待检索的关键信息。
再一种实施方式中,所述获取单元101具体用于:
接收终端发送的媒体信息,所述媒体信息是由请求检索的目标用户通过所述终端的媒体输入接口所输入的信息;
对所述媒体信息进行识别,并转换得到对应的第二文本信息;
将所述第二文本信息确定为待检索的关键信息。
根据本发明的一个实施例,图2所示的数据处理方法涉及的步骤S101-S104可以是由图7所示的数据处理装置中的各个单元来执行的。例如,图2中所示的步骤S101-S104可以分别由图7中所示的获取单元101、查询单元102、分析处理单元103和输出单元104来执行。
根据本发明的另一个实施例,图3所示的数据处理方法涉及的步骤S201-S212可以是由图7所示的数据处理装置中的各个单元来执行的。例如,图3中所示的步骤S201、S202-S207、S207、S208-S210和S211、S211可以分别由图8中所示的获取单元101、缓存检测单元105、查询单元102、分析处理单元103和输出单元104来执行。
根据本发明的另一个实施例,图7所示的数据处理装置中的各个单元可以分别或全部合并为一个或若干个另外的单元来构成,或者其中的某个(些)单元还可以再拆分为功能上更小的多个单元来构成,这可以实现同样的操作,而不影响本发明的实施例的技术效果的实现。上述单元是基于逻辑功能划分的,在实际应用中,一个单元的功能也可以由多个单元来实现,或者多个单元的功能由一个单元实现。在本发明的其它实施例中,数据处理装置也可以包括其它单元,在实际应用中,这些功能也可以由其它单元协助实现,并且可以由多个单元协作实现。
根据本发明的另一个实施例,可以通过在包括中央处理单元(CPU)、随机存取存储介质(RAM)、只读存储介质(ROM)等处理元件和存储元件的例如计算机的通用计算设备上运行能够执行如图2-图3中所示的数据处理方法涉及的各步骤的计算机程序(包括程序代码),来构造如图7中所示的数据处理装置设备,以及来实现本发明实施例的数据处理方法。所述计算机程序可以记载于例如计算机可读记录介质上,并通过计算机可读记录介质装载于上述计算设备中,并在其中运行。
本发明实施例支持多系统多维度的数据检索,可以从数据库集群中的至少一个数据库系统中一次性获取各种类型的数据,这使得最终向用户推荐的数据更为多元化且更为全面;从数据库集群中查询出来的关联数据集并不直接作为检索结果推荐至终端用户,还需要进行分析处理以筛选出贴近用户实际检索需求的推荐数据,以实现精准推荐;并且对筛选出来的推荐数据进行格式处理、合并等一系列处理,形成最终的推荐数据集进行输出,推荐数据集内的数据被配置为通用格式数据,这样使得推荐数据集能够适应于各种类型的终端,以解决不同的数据库系统之间的数据通用问题,并且能够在不同的终端中获得较好的显示效果。
基于上述实施例所示的数据处理方法及数据处理装置,本发明实施例还提供了一种服务器,该服务器可以是图1所示系统中的服务器,该服务器可以用来执行图2-图3所示的方法。请参见图8,该服务器的内部结构至少包括处理器、通信接口及计算机存储介质。其中,服务器内的处理器、通信接口及计算机存储介质可通过总线或其他方式连接,在本发明实施例所示图8中以通过总线连接为例。
通信接口是实现服务器与终端之间进行交互和信息交换的媒介。处理器(或称CPU(Central Processing Unit,中央处理器))是服务器的计算核心以及控制核心,其适于实现一条或一条以上指令,具体适于加载并执行一条或一条以上指令从而实现相应方法流程或相应功能;本发明实施例所述的处理器用于根据终端提交的待检索信息进行一系列的数据处理,包括:从数据库集群中查询关联数据集,对关联数据集进行分析处理,以及向终端输出推荐数据集等等。计算机存储介质(Memory)是服务器中的记忆设备,用于存放程序和数据。可以理解的是,此处的计算机存储介质既可以包括服务器的内置存储介质,当然也可以包括服务器所支持的扩展存储介质。计算机存储介质提供存储空间,该存储空间存储了服务器的操作系统。并且,在该存储空间中还存放了适于被处理器加载并执行的一条或一条以上的指令,这些指令可以是一个或一个以上的计算机程序(包括程序代码)。需要说明的是,此处的计算机存储介质可以是高速RAM存储器,也可以是非不稳定的存储器(non-volatile memory),例如至少一个磁盘存储器;可选的还可以是至少一个位于远离前述处理器的计算机存储介质。
在本发明实施例中,处理器加载并执行计算机存储介质中存放的一条或一条以上指令,以实现上述图2-图3所示方法流程的相应步骤;具体实现中,计算机存储介质中的一条或一条以上指令由处理器加载并执行如下步骤:
获取待检索的关键信息;
在数据库集群中查询与所述关键信息相匹配的关联数据集,所述数据库集群包括至少一个数据库系统;
对所述关联数据集进行分析处理得到推荐数据集,所述推荐数据集内的数据被配置为通用格式数据;
输出所述推荐数据集。
一种实施方式中,所述在数据库集群中查询与所述关键信息相匹配的关联数据集之前,还包括:
获取请求检索的目标用户的属性信息,所述属性信息包括目标用户标识;
根据所述目标用户标识查找相对应的目标缓冲区;
检测所述目标缓冲区内是否存在缓存数据;
若所述目标缓冲区内存在缓存数据,采用所述关键信息对所述缓存数据进行校验,若校验成功,则将所述缓存数据添加至与所述关键信息相匹配的关联数据集中;
若校验失败或所述目标缓冲区内不存在缓存数据,则触发执行在数据库集群中查询与所述关键信息相匹配的关联数据集。
另一种实施方式中,所述在数据库集群中查询与所述关键信息相匹配的关联数据集,包括:
根据所述目标用户标识获取所述目标用户在所述至少一个数据库系统中的查询权限;
按照所述查询权限在所述至少一个数据库系统中查询与所述关键信息相匹配的关联数据集。
再一种实施方式中,所述属性信息还包括目标用户在数据库集群中的注册信息及登录状态;
根据所述目标用户标识获取所述目标用户在所述至少一个数据库系统中的查询权限之前,还包括:
若所述目标用户在所述数据库集群中的登录状态为离线状态,则根据所述目标用户在所述数据库集群中的注册信息在所述至少一个数据库系统中进行登录;
若所述目标用户在所述数据库集群中的登录状态为在线状态,则触发执行根据所述目标用户标识获取所述目标用户在所述至少一个数据库中的查询权限。
再一种实施方式中,所述对所述关联数据集进行分析处理得到推荐数据集,包括:
采用关联分析算法对所述关联数据集进行分析,筛选出至少一个推荐数据;
对所述至少一个推荐数据进行排序;
对排序后的至少一个推荐数据进行整合处理,得到推荐数据集。
再一种实施方式中,所述对所述至少一个推荐数据进行排序,包括:
从所述关键信息中确定至少一个排序关键字段,并为所述至少一个排序关键字段设置权重;
计算所述至少一个推荐数据与所述至少一个排序关键字段的相关度,并按照所述至少一个排序关键字段的权重对所述相关度进行加权处理;
按照加权处理后的相关度由高至低的顺序对所述至少一个推荐数据进行排序。
再一种实施方式中,所述对排序后的至少一个推荐数据进行整合处理,得到推荐数据集,包括:
对排序后的至少一个推荐数据进行格式处理,使所述至少一个推荐数据被配置为通用格式数据;
将格式处理后的所述至少一个推荐数据进行合并得到推荐数据集。
再一种实施方式中,所述获取待检索的关键信息,包括:
接收终端发送的第一文本信息,所述第一文本信息是由请求检索的目标用户通过所述终端的文本输入接口所输入的信息;
将所述第一文本信息确定为待检索的关键信息。
再一种实施方式中,所述获取待检索的关键信息,包括:
接收终端发送的媒体信息,所述媒体信息是由请求检索的目标用户通过所述终端的媒体输入接口所输入的信息;
对所述媒体信息进行识别,并转换得到对应的第二文本信息;
将所述第二文本信息确定为待检索的关键信息。
本发明实施例支持多系统多维度的数据检索,可以从数据库集群中的至少一个数据库系统中一次性获取各种类型的数据,这使得最终向用户推荐的数据更为多元化且更为全面;从数据库集群中查询出来的关联数据集并不直接作为检索结果推荐至终端用户,还需要进行分析处理以筛选出贴近用户实际检索需求的推荐数据,以实现精准推荐;并且对筛选出来的推荐数据进行格式处理、合并等一系列处理,形成最终的推荐数据集进行输出,推荐数据集内的数据被配置为通用格式数据,这样使得推荐数据集能够适应于各种类型的终端,以解决不同的数据库系统之间的数据通用问题,并且能够在不同的终端中获得较好的显示效果。
应当理解,当在本说明书和所附权利要求书中使用时,术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在此本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样,除非上下文清楚地指明其它情况,否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解,在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
如在本说明书和所附权利要求书中所使用的那样,术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地,短语“如果确定”或“如果检测到【所描述条件或事件】”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到【所描述条件或事件】”或“响应于检测到【所描述条件或事件】”。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中,“多个”的含义是至少两个,例如两个,三个等,除非另有明确具体的限定。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为,表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分,并且本发明的实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本发明的实施例所属技术领域的技术人员所理解。
应当理解,本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如,如果用硬件来实现,和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。此外,在本发明各个实施例中的各功能单元可以集成在一个处理模块中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。
以上所揭露的仅为本发明较佳实施例而已,当然不能以此来限定本发明之权利范围,因此依本发明权利要求所作的等同变化,仍属本发明所涵盖的范围。
Claims (12)
1.一种数据处理方法,其特征在于,包括:
获取待检索的关键信息;
在数据库集群中查询与所述关键信息相匹配的关联数据集,所述数据库集群包括至少一个数据库系统;
对所述关联数据集进行分析处理得到推荐数据集,所述推荐数据集内的数据被配置为通用格式数据;
输出所述推荐数据集。
2.如权利要求1所述的方法,其特征在于,所述在数据库集群中查询与所述关键信息相匹配的关联数据集之前,还包括:
获取请求检索的目标用户的属性信息,所述属性信息包括目标用户标识;
根据所述目标用户标识查找相对应的目标缓冲区;
检测所述目标缓冲区内是否存在缓存数据;
若所述目标缓冲区内存在缓存数据,采用所述关键信息对所述缓存数据进行校验,若校验成功,则将所述缓存数据添加至与所述关键信息相匹配的关联数据集中;
若校验失败或所述目标缓冲区内不存在缓存数据,则触发执行在数据库集群中查询与所述关键信息相匹配的关联数据集。
3.如权利要求2所述的方法,其特征在于,所述在数据库集群中查询与所述关键信息相匹配的关联数据集,包括:
根据所述目标用户标识获取所述目标用户在所述至少一个数据库系统中的查询权限;
按照所述查询权限在所述至少一个数据库系统中查询与所述关键信息相匹配的关联数据集。
4.如权利要求3所述的方法,其特征在于,所述属性信息还包括目标用户在数据库集群中的注册信息及登录状态;
根据所述目标用户标识获取所述目标用户在所述至少一个数据库系统中的查询权限之前,还包括:
若所述目标用户在所述数据库集群中的登录状态为离线状态,则根据所述目标用户在所述数据库集群中的注册信息在所述至少一个数据库系统中进行登录;
若所述目标用户在所述数据库集群中的登录状态为在线状态,则触发执行根据所述目标用户标识获取所述目标用户在所述至少一个数据库中的查询权限。
5.如权利要求1-4任一项所述的方法,其特征在于,所述对所述关联数据集进行分析处理得到推荐数据集,包括:
采用关联分析算法对所述关联数据集进行分析,筛选出至少一个推荐数据;
对所述至少一个推荐数据进行排序;
对排序后的至少一个推荐数据进行整合处理,得到推荐数据集。
6.如权利要求5所述的方法,其特征在于,所述对所述至少一个推荐数据进行排序,包括:
从所述关键信息中确定至少一个排序关键字段,并为所述至少一个排序关键字段设置权重;
计算所述至少一个推荐数据与所述至少一个排序关键字段的相关度,并按照所述至少一个排序关键字段的权重对所述相关度进行加权处理;
按照加权处理后的相关度由高至低的顺序对所述至少一个推荐数据进行排序。
7.如权利要求5所述的方法,其特征在于,所述对排序后的至少一个推荐数据进行整合处理,得到推荐数据集,包括:
对排序后的至少一个推荐数据进行格式处理,使所述至少一个推荐数据被配置为通用格式数据;
将格式处理后的所述至少一个推荐数据进行合并得到推荐数据集。
8.如权利要求1所述的方法,其特征在于,所述获取待检索的关键信息,包括:
接收终端发送的第一文本信息,所述第一文本信息是由请求检索的目标用户通过所述终端的文本输入接口所输入的信息;
将所述第一文本信息确定为待检索的关键信息。
9.如权利要求1所述的方法,其特征在于,所述获取待检索的关键信息,包括:
接收终端发送的媒体信息,所述媒体信息是由请求检索的目标用户通过所述终端的媒体输入接口所输入的信息;
对所述媒体信息进行识别,并转换得到对应的第二文本信息;
将所述第二文本信息确定为待检索的关键信息。
10.一种数据处理装置,其特征在于,包括:
获取单元,用于获取待检索的关键信息;
查询单元,用于在数据库集群中查询与所述关键信息相匹配的关联数据集,所述数据库集群包括至少一个数据库系统;
分析处理单元,用于对所述关联数据集进行分析处理得到推荐数据集,所述推荐数据集内的数据被配置为通用格式数据;
输出单元,用于输出所述推荐数据集。
11.一种计算机存储介质,其特征在于,所述计算机存储介质存储有一条或一条以上指令,所述一条或一条以上指令适于由处理器加载并执行如权利要求1-9任一项所述的数据处理方法。
12.一种服务器,其特征在于,包括:
处理器,适于实现一条或一条以上指令;以及,
计算机存储介质,所述计算机存储介质存储有一条或一条以上指令,所述一条或一条以上指令适于由所述处理器加载并执行如权利要求1-9任一项所述的数据处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711332531.0A CN108170731A (zh) | 2017-12-13 | 2017-12-13 | 数据处理方法、装置、计算机存储介质及服务器 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711332531.0A CN108170731A (zh) | 2017-12-13 | 2017-12-13 | 数据处理方法、装置、计算机存储介质及服务器 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108170731A true CN108170731A (zh) | 2018-06-15 |
Family
ID=62525181
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711332531.0A Pending CN108170731A (zh) | 2017-12-13 | 2017-12-13 | 数据处理方法、装置、计算机存储介质及服务器 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108170731A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109151599A (zh) * | 2018-08-30 | 2019-01-04 | 百度在线网络技术(北京)有限公司 | 视频处理方法和装置 |
CN109308302A (zh) * | 2018-08-15 | 2019-02-05 | 深圳壹账通智能科技有限公司 | 数据确定方法、装置、电子设备及计算机可读存储介质 |
CN109344132A (zh) * | 2018-09-03 | 2019-02-15 | 中国平安人寿保险股份有限公司 | 用户信息的合并方法、计算机可读存储介质及终端设备 |
CN109446253A (zh) * | 2018-09-25 | 2019-03-08 | 平安科技(深圳)有限公司 | 数据查询控制方法、装置、计算机设备及存储介质 |
CN110765427A (zh) * | 2019-09-23 | 2020-02-07 | 秦滢珺 | 一种会计凭证处理方法 |
CN111563107A (zh) * | 2020-05-25 | 2020-08-21 | 泰康保险集团股份有限公司 | 信息推荐的方法、装置、电子设备和存储介质 |
CN112231541A (zh) * | 2020-09-22 | 2021-01-15 | 苏州艾特律宝智能科技有限公司 | 数据检索方法、系统、计算机设备及存储介质 |
CN117149861A (zh) * | 2023-11-01 | 2023-12-01 | 江苏中天互联科技有限公司 | 基于工业标识的数据查询方法及相关设备 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103514299A (zh) * | 2013-10-18 | 2014-01-15 | 北京奇虎科技有限公司 | 信息搜索方法和装置 |
CN104090934A (zh) * | 2014-06-26 | 2014-10-08 | 山东金质信息技术有限公司 | 一种标准服务平台分布式并行计算数据库及其检索方法 |
US20150234820A1 (en) * | 2014-02-18 | 2015-08-20 | Veveo, Inc. | Methods and systems for recommending concept clusters based on availability |
CN105205104A (zh) * | 2015-08-26 | 2015-12-30 | 成都布林特信息技术有限公司 | 一种云平台数据获取方法 |
CN107391556A (zh) * | 2017-06-07 | 2017-11-24 | 百度在线网络技术(北京)有限公司 | 基于推荐应用的搜索方法、服务器及计算机可读介质 |
-
2017
- 2017-12-13 CN CN201711332531.0A patent/CN108170731A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103514299A (zh) * | 2013-10-18 | 2014-01-15 | 北京奇虎科技有限公司 | 信息搜索方法和装置 |
US20150234820A1 (en) * | 2014-02-18 | 2015-08-20 | Veveo, Inc. | Methods and systems for recommending concept clusters based on availability |
CN104090934A (zh) * | 2014-06-26 | 2014-10-08 | 山东金质信息技术有限公司 | 一种标准服务平台分布式并行计算数据库及其检索方法 |
CN105205104A (zh) * | 2015-08-26 | 2015-12-30 | 成都布林特信息技术有限公司 | 一种云平台数据获取方法 |
CN107391556A (zh) * | 2017-06-07 | 2017-11-24 | 百度在线网络技术(北京)有限公司 | 基于推荐应用的搜索方法、服务器及计算机可读介质 |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109308302A (zh) * | 2018-08-15 | 2019-02-05 | 深圳壹账通智能科技有限公司 | 数据确定方法、装置、电子设备及计算机可读存储介质 |
CN109151599A (zh) * | 2018-08-30 | 2019-01-04 | 百度在线网络技术(北京)有限公司 | 视频处理方法和装置 |
CN109344132A (zh) * | 2018-09-03 | 2019-02-15 | 中国平安人寿保险股份有限公司 | 用户信息的合并方法、计算机可读存储介质及终端设备 |
CN109344132B (zh) * | 2018-09-03 | 2024-04-02 | 中国平安人寿保险股份有限公司 | 用户信息的合并方法、计算机可读存储介质及终端设备 |
CN109446253A (zh) * | 2018-09-25 | 2019-03-08 | 平安科技(深圳)有限公司 | 数据查询控制方法、装置、计算机设备及存储介质 |
CN109446253B (zh) * | 2018-09-25 | 2024-05-07 | 平安科技(深圳)有限公司 | 数据查询控制方法、装置、计算机设备及存储介质 |
CN110765427A (zh) * | 2019-09-23 | 2020-02-07 | 秦滢珺 | 一种会计凭证处理方法 |
CN110765427B (zh) * | 2019-09-23 | 2022-08-19 | 秦滢珺 | 一种会计凭证处理方法 |
CN111563107A (zh) * | 2020-05-25 | 2020-08-21 | 泰康保险集团股份有限公司 | 信息推荐的方法、装置、电子设备和存储介质 |
CN112231541A (zh) * | 2020-09-22 | 2021-01-15 | 苏州艾特律宝智能科技有限公司 | 数据检索方法、系统、计算机设备及存储介质 |
CN117149861A (zh) * | 2023-11-01 | 2023-12-01 | 江苏中天互联科技有限公司 | 基于工业标识的数据查询方法及相关设备 |
CN117149861B (zh) * | 2023-11-01 | 2024-02-06 | 江苏中天互联科技有限公司 | 基于工业标识的数据查询方法及相关设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108170731A (zh) | 数据处理方法、装置、计算机存储介质及服务器 | |
US10728203B2 (en) | Method and system for classifying a question | |
CN105431844B (zh) | 用于搜索系统的第三方搜索应用 | |
US8380727B2 (en) | Information processing device and method, program, and recording medium | |
US8838610B2 (en) | Listing tune-up system | |
KR20100094021A (ko) | 이동통신 단말기와 아이피 기반 정보 단말기를 이용한 맞춤, 지능형 심볼, 아이콘 인터넷 정보 검색시스템 | |
US9767417B1 (en) | Category predictions for user behavior | |
KR20060101904A (ko) | 맞춤형 상품 정보 제공 방법 및 그 시스템 | |
US9767204B1 (en) | Category predictions identifying a search frequency | |
US9407589B2 (en) | System and method for following topics in an electronic textual conversation | |
US10977677B2 (en) | Contact importer | |
US10474670B1 (en) | Category predictions with browse node probabilities | |
US10733244B2 (en) | Data retrieval system | |
US11216735B2 (en) | Method and system for providing synthetic answers to a personal question | |
US20170235776A1 (en) | Data upload via electronic communications | |
CN111767459A (zh) | 物品推荐的方法和装置 | |
US20140172965A1 (en) | Unified social graph | |
US10387934B1 (en) | Method medium and system for category prediction for a changed shopping mission | |
CN107948312B (zh) | 一种以位置点作为信息出入口的信息归类发布方法及系统 | |
CN106464682A (zh) | 使用登录到在线服务的状态以用于内容项推荐 | |
RU2605001C2 (ru) | Способ обработки поискового запроса пользователя и сервер, используемый в нем | |
US20140325378A1 (en) | Method and apparatus for generating a personalized page | |
KR101814785B1 (ko) | 대화창 입력 컨텐츠에 대응하는 정보제공장치 및 방법 | |
CN106503085B (zh) | 基于域的可定制搜索系统、方法及技术 | |
KR20160053413A (ko) | 대화창 입력 컨텐츠에 대응하는 정보제공장치 및 방법 |
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 |