CN108345604B - 数据处理方法、搜索方法、推荐方法及相关设备 - Google Patents
数据处理方法、搜索方法、推荐方法及相关设备 Download PDFInfo
- Publication number
- CN108345604B CN108345604B CN201710053591.2A CN201710053591A CN108345604B CN 108345604 B CN108345604 B CN 108345604B CN 201710053591 A CN201710053591 A CN 201710053591A CN 108345604 B CN108345604 B CN 108345604B
- Authority
- CN
- China
- Prior art keywords
- age
- characteristic
- distribution
- user
- demand
- 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
- 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)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请涉及数据处理领域,公开了一种数据处理方法、搜索方法、推荐方法及相关设备,以解决现有技术中确定用户针对数据对象的需求阶段时,设备的处理负担过重的技术问题。该方法包括:获得控制指令;响应所述控制指令,获得待识别用户所操作过的数据对象的特征信息;基于所述特征信息,通过年龄识别模型识别出待识别用户所对应的第一需求群体的第一年龄分布;将所述第一年龄分布与预存的至少一个第二年龄分布进行融合,从而确定出所述第一需求群体的第一年龄特征,所述至少一个第二年龄分布为历史阶段基于所述年龄识别模型所识别出的所述第一需求群体的第一年龄特征。达到了降低了系统的处理负担的技术效果。
Description
技术领域
本申请涉及数据处理领域,尤其涉及一种数据处理方法、搜索方法、推荐方法及相关设备。
背景技术
目前电商平台拥有海量的客户行为数据,如何利用这些数据发掘客户信息,根据客户信息推荐商品或者发现潜在用户,发掘出新的用户成为重要的技术驱动业务的重要焦点。
其中,为了区别于传统商家对于不同客户使用千篇一律的货架摆放,电商平台可以利用海量数据发掘出的信息对不同的消费者进行不同的货物摆放,制定出符合每个个体的消费体验。例如:可以通过海量数据挖掘出用户针对物品的需求阶段,然后通过需求阶段进行商品推荐或者搜索,现有技术中,可以基于预设时间段(例如:2年、1年等等)用户针对商品的行为数据,来确定出用户针对商品的需求阶段,通过该需求阶段来确定可以向用户产生何种商品推荐,其通常利用客户的长期行为一次性挖掘用户针对商品的需求阶段,故而其运算的数据量较大,从而存在着设备的处理负担过重的技术问题。
发明内容
本申请提供一种数据处理方法、搜索方法、推荐方法及相关设备,以解决现有技术中确定用户针对数据对象的需求阶段时,设备的处理负担过重的技术问题。
第一方面,本申请实施例提供一种云计算系统,包括:
数据检索平台,用于获得控制指令;
云计算和存储平台,连接于所述数据检索平台,用于接收所述数据检索平台发送的所述控制指令;并响应所述控制指令,获得待识别用户所操作过的数据对象的特征信息;基于所述特征信息,通过年龄识别模型识别出待识别用户所对应的第一需求群体的第一年龄分布;并将所述第一年龄分布与预存的至少一个第二年龄分布进行融合,从而确定出所述第一需求群体的第一年龄特征,所述至少一个第二年龄分布为历史阶段基于所述年龄识别模型所识别出的所述第一需求群体的第一年龄特征。
第二方面,本申请实施例提供一种数据处理方法,包括:
获得控制指令;
响应所述控制指令,获得待识别用户所操作过的数据对象的特征信息;
基于所述特征信息,通过年龄识别模型识别出待识别用户所对应的第一需求群体的第一年龄分布;
将所述第一年龄分布与预存的至少一个第二年龄分布进行融合,从而确定出所述第一需求群体的第一年龄特征,所述至少一个第二年龄分布为历史阶段基于所述年龄识别模型所识别出的所述第一需求群体的第一年龄特征。
第三方面,本申请实施例提供一种数据搜索方法,包括:
接收用户终端发送的搜索请求;
基于所述搜索请求,获得所述用户终端的用户所操作过的数据对象的特征信息;
基于所述特征信息,通过年龄识别模型识别出所述用户终端的用户所对应的第一需求群体的第一年龄分布;
将所述第一年龄分布与预存的至少一个第二年龄分布进行融合,从而确定出所述第一需求群体的第一年龄特征,所述至少一个第二年龄分布为历史阶段基于所述年龄识别模型所识别出的所述第一需求群体的第一年龄特征;
产生与所述第一年龄特征所对应的搜索结果。
第四方面,本申请实施例提供一种数据推荐方法,包括:
确定出用户所操作过的数据对象的特征信息;
基于所述特征信息,通过年龄识别模型识别出所述用户所对应的第一需求群体的第一年龄分布;
将所述第一年龄分布与预存的至少一个第二年龄分布进行融合,从而确定出所述第一需求群体的第一年龄特征,所述至少一个第二年龄分布为历史阶段基于所述年龄识别模型所识别出的所述第一需求群体的第一年龄特征;
产生与所述第一年龄特征所对应的推荐信息。
第五方面,本申请实施例提供一种数据推荐方法,包括:
确定出用户所操作过的数据对象的特征信息,所述数据对象为汽车类目下的数据对象;
基于所述特征信息,通过需求阶段识别模型识别出所述用户针对汽车产品的第一需求阶段分布;
将所述第一需求阶段分布与预存的至少一个第二需求分布进行融合,从而确定出所述用户针对汽车产品的第一需求阶段,所述至少一个第二需求阶段分布为历史阶段基于所述需求阶段识别模型所识别出的所述待识别用户针对所述数据对象的需求阶段分布;
产生与所述第一需求阶段对应的推荐信息。
第六方面,本申请实施例提供一种数据推荐方法,包括:
确定出用户所操作过的数据对象的特征信息,所述数据对象为儿童产品类目下的数据对象;
基于所述特征信息,通过年龄识别模型识别出所述用户所对应的第一需求群体的第一年龄分布;
将所述第一年龄分布与预存的至少一个第二年龄分布进行融合,从而确定出所述第一需求群体的第一年龄特征,所述至少一个第二年龄分布为历史阶段基于所述年龄识别模型所识别出的所述第一需求群体的第一年龄特征;
产生与所述第一年龄特征对应的推荐信息。
第七方面,本申请实施例提供一种数据处理方法,包括:
获得待识别用户所操作过的数据对象的特征信息;
基于所述特征信息,通过需求阶段识别模型识别出待识别用户针对数据对象的第一需求阶段分布;
将所述第一需求阶段分布与预存的至少一个第二需求分布进行融合,从而确定出所述用户针对所述数据对象的第一需求阶段,所述至少一个第二需求阶段分布为历史阶段基于所述需求阶段识别模型所识别出的所述待识别用户针对所述数据对象的需求阶段分布。
第八方面,本申请实施例提供一种数据搜索装置,包括:
接收模块,用于接收用户终端发送的搜索请求;
第一获得模块,用于基于所述搜索请求,获得所述用户终端的用户所操作过的数据对象的特征信息;
第一识别模块,用于基于所述特征信息,通过年龄识别模型识别出所述用户终端的用户所对应的第一需求群体的第一年龄分布;
第一融合模块,用于将所述第一年龄分布与预存的至少一个第二年龄分布进行融合,从而确定出所述第一需求群体的第一年龄特征,所述至少一个第二年龄分布为历史阶段基于所述年龄识别模型所识别出的所述第一需求群体的第一年龄特征;
第一产生模块,用于产生与所述第一年龄特征所对应的搜索结果。
第九方面,本申请实施例提供一种数据推荐装置,包括:
第一确定模块,用于确定出用户所操作过的数据对象的特征信息;
第二识别模块,用于基于所述特征信息,通过年龄识别模型识别出所述用户所对应的第一需求群体的第一年龄分布;
第二融合模块,用于将所述第一年龄分布与预存的至少一个第二年龄分布进行融合,从而确定出所述第一需求群体的第一年龄特征,所述至少一个第二年龄分布为历史阶段基于所述年龄识别模型所识别出的所述第一需求群体的第一年龄特征;
第二产生模块,用于产生与所述第一年龄特征所对应的推荐信息。
第十方面,本申请实施例提供一种数据推荐装置,包括:
第二确定模块,用于确定出用户所操作过的数据对象的特征信息,所述数据对象为汽车类目下的数据对象;
第三识别模块,用于基于所述特征信息,通过需求阶段识别模型识别出所述用户针对汽车产品的第一需求阶段分布;
第三融合模块,用于将所述第一需求阶段分布与预存的至少一个第二需求分布进行融合,从而确定出所述用户针对汽车产品的第一需求阶段,所述至少一个第二需求阶段分布为历史阶段基于所述需求阶段识别模型所识别出的所述待识别用户针对所述数据对象的需求阶段分布;
第三产生模块,用于产生与所述第一需求阶段对应的推荐信息。
第十一方面,本申请实施例提供一种数据推荐装置,包括:
第三确定模块,用于确定出用户所操作过的数据对象的特征信息,所述数据对象为儿童产品类目下的数据对象;
第四识别模块,用于基于所述特征信息,通过年龄识别模型识别出所述用户所对应的第一需求群体的第一年龄分布;
第四融合模块,用于将所述第一年龄分布与预存的至少一个第二年龄分布进行融合,从而确定出所述第一需求群体的第一年龄特征,所述至少一个第二年龄分布为历史阶段基于所述年龄识别模型所识别出的所述第一需求群体的第一年龄特征;
第四产生模块,用于产生与所述第一年龄特征对应的推荐信息。
第十二方面,本申请实施例提供一种数据处理装置,包括:
第二获得模块,用于获得待识别用户所操作过的数据对象的特征信息;
第五识别模块,用于基于所述特征信息,通过需求阶段识别模型识别出待识别用户针对数据对象的第一需求阶段分布;
第五融合模块,用于将所述第一需求阶段分布与预存的至少一个第二需求分布进行融合,从而确定出所述用户针对所述数据对象的第一需求阶段,所述至少一个第二需求阶段分布为历史阶段基于所述需求阶段识别模型所识别出的所述待识别用户针对所述数据对象的需求阶段分布。
第十三方面,本申请实施例提供一种电子设备,包括:
第一处理器;
第一存储器,用于存储一种数据处理方法的程序,所述程序在被所述第一处理器读取执行时,执行如下操作:
获得控制指令;
响应所述控制指令,获得待识别用户所操作过的数据对象的特征信息;
基于所述特征信息,通过年龄识别模型识别出待识别用户所对应的第一需求群体的第一年龄分布;
将所述第一年龄分布与预存的至少一个第二年龄分布进行融合,从而确定出所述第一需求群体的第一年龄特征,所述至少一个第二年龄分布为历史阶段基于所述年龄识别模型所识别出的所述第一需求群体的第一年龄特征。
第十四方面,本申请实施例提供一种电子设备,包括:
第二处理器;
第二存储器,用于存储一种数据搜索方法的程序,所述程序在被所述第二处理器读取执行时,执行如下操作:
接收用户终端发送的搜索请求;
基于所述搜索请求,获得所述用户终端的用户所操作过的数据对象的特征信息;
基于所述特征信息,通过年龄识别模型识别出所述用户终端的用户所对应的第一需求群体的第一年龄分布;
将所述第一年龄分布与预存的至少一个第二年龄分布进行融合,从而确定出所述第一需求群体的第一年龄特征,所述至少一个第二年龄分布为历史阶段基于所述年龄识别模型所识别出的所述第一需求群体的第一年龄特征;
产生与所述第一年龄特征所对应的搜索结果。
第十五方面,本申请实施例提供一种电子设备,包括:
第三处理器;
第三存储器,用于存储一种数据推荐方法的程序,所述程序在被所述第三处理器读取执行时,执行如下操作:
确定出用户所操作过的数据对象的特征信息;
基于所述特征信息,通过年龄识别模型识别出所述用户所对应的第一需求群体的第一年龄分布;
将所述第一年龄分布与预存的至少一个第二年龄分布进行融合,从而确定出所述第一需求群体的第一年龄特征,所述至少一个第二年龄分布为历史阶段基于所述年龄识别模型所识别出的所述第一需求群体的第一年龄特征;
产生与所述第一年龄特征所对应的推荐信息。
第十六方面,本申请实施例提供一种电子设备,包括:
第四处理器;
第四存储器,用于存储一种数据推荐方法的程序,所述程序在被所述第四处理器读取执行时,执行如下操作:
确定出用户所操作过的数据对象的特征信息,所述数据对象为汽车类目下的数据对象;
基于所述特征信息,通过需求阶段识别模型识别出所述用户针对汽车产品的第一需求阶段分布;
将所述第一需求阶段分布与预存的至少一个第二需求分布进行融合,从而确定出所述用户针对汽车产品的第一需求阶段,所述至少一个第二需求阶段分布为历史阶段基于所述需求阶段识别模型所识别出的所述待识别用户针对所述数据对象的需求阶段分布;
产生与所述第一需求阶段对应的推荐信息。
第十七方面,本申请实施例提供一种电子设备,包括:
第五处理器;
第五存储器,用于存储一种数据推荐方法的程序,所述程序在被所述第五处理器读取执行时,执行如下操作:
确定出用户所操作过的数据对象的特征信息,所述数据对象为儿童产品类目下的数据对象;
基于所述特征信息,通过年龄识别模型识别出所述用户所对应的第一需求群体的第一年龄分布;
将所述第一年龄分布与预存的至少一个第二年龄分布进行融合,从而确定出所述第一需求群体的第一年龄特征,所述至少一个第二年龄分布为历史阶段基于所述年龄识别模型所识别出的所述第一需求群体的第一年龄特征;
产生与所述第一年龄特征对应的推荐信息。
第十八方面,本申请实施例提供一种电子设备,包括:
第六处理器;
第六存储器,用于存储一种数据处理方法的程序,所述程序在被所述第六处理器读取执行时,执行如下操作:
获得待识别用户所操作过的数据对象的特征信息;
基于所述特征信息,通过需求阶段识别模型识别出待识别用户针对数据对象的第一需求阶段分布;
将所述第一需求阶段分布与预存的至少一个第二需求分布进行融合,从而确定出所述用户针对所述数据对象的第一需求阶段,所述至少一个第二需求阶段分布为历史阶段基于所述需求阶段识别模型所识别出的所述待识别用户针对所述数据对象的需求阶段分布。
本申请有益效果如下:
由于在本申请实施例中,提供了一种云计算系统,包括:数据检索平台,用于获得控制指令;云计算和存储平台,连接于所述数据检索平台,用于接收所述数据检索平台发送的所述控制指令;并响应所述控制指令,获得待识别用户所操作过的数据对象的特征信息;基于所述特征信息,通过年龄识别模型识别出待识别用户所对应的第一需求群体的第一年龄分布;并将所述第一年龄分布与预存的至少一个第二年龄分布进行融合,从而确定出所述第一需求群体的第一年龄特征,其中,所述至少一个第二年龄分布为历史阶段基于所述年龄识别模型所识别出的所述第一需求群体的第一年龄特征。通常情况下,需求群体的年龄特征往往可以表征该需求群体的需求阶段,其并非利用客户的长期行为一次性挖掘用户针对商品的需求阶段,而是基于多次的挖掘结果进行综合,也就是说其是基于动态融合过程来确定出第一需求群体的第一年龄特征(也即需求阶段),由于动态融合方法可以将待识别用户的历史行为通过结论隐性的传递下去,故而在确定出第一需求群体的第一年龄特征时,只需要使用待识别用户跨阶段的短期行为即可,使得所需的特征信息的数量减少,故而降低了系统的处理负担,也降低了预测时间。
附图说明
图1为本申请实施例第一方面的云计算系统的结构图;
图2为本申请实施例第二方面的数据处理方法的流程图;
图3为本申请实施例第三方面的数据搜索方法的流程图;
图4为本申请实施例第四方面的数据推荐方法的流程图;
图5为本申请实施例第五方面的数据推荐方法的流程图;
图6为本申请实施例第六方面的数据推荐方法的流程图;
图7为本申请实施例第七方面的数据处理方法的流程图;
图8为本申请实施例第八方面的数据搜索方法的流程图;
图9为本申请实施例第九方面的数据推荐方法的流程图;
图10为本申请实施例第十方面的数据推荐方法的流程图;
图11为本申请实施例第十一方面的数据推荐方法的流程图;
图12为本申请实施例第十二方面的数据处理方法的流程图;
图13为本申请实施例第十三方面的电子设备的结构图;
图14为本申请实施例第十四方面的电子设备的结构图;
图15为本申请实施例第十五方面的电子设备的结构图;
图16为本申请实施例第十六方面的电子设备的结构图;
图17为本申请实施例第十七方面的电子设备的结构图;
图18为本申请实施例第十八方面的电子设备的结构图。
具体实施方式
本申请提供一种数据处理方法、搜索方法、推荐方法及相关设备,以解决现有技术中确定用户针对数据对象的需求阶段时,设备的处理负担过重的技术问题。
本申请实施例中的技术方案为解决上述的技术问题,总体思路如下:
提供了一种云计算系统,包括:数据检索平台,用于获得控制指令;云计算和存储平台,连接于所述数据检索平台,用于接收所述数据检索平台发送的所述控制指令;并响应所述控制指令,获得待识别用户所操作过的数据对象的特征信息;基于所述特征信息,通过年龄识别模型识别出待识别用户所对应的第一需求群体的第一年龄分布;并将所述第一年龄分布与预存的至少一个第二年龄分布进行融合,从而确定出所述第一需求群体的第一年龄特征,其中,所述至少一个第二年龄分布为历史阶段基于所述年龄识别模型所识别出的所述第一需求群体的第一年龄特征。通常情况下,需求群体的年龄特征往往可以表征该需求群体的需求阶段,其并非利用客户的长期行为一次性挖掘用户针对商品的需求阶段,而是基于多次的挖掘结果进行综合,也就是说其是基于动态融合过程来确定出第一需求群体的第一年龄特征(也即需求阶段),由于动态融合方法可以将待识别用户的历史行为通过结论隐性的传递下去,故而在确定出第一需求群体的第一年龄特征时,只需要使用待识别用户跨阶段的短期行为即可,使得所需的特征信息的数量减少,故而降低了系统的处理负担,也降低了预测时间。
为了更好的理解上述技术方案,下面通过附图以及具体实施例对本申请技术方案做详细的说明,应当理解本申请实施例以及实施例中的具体特征是对本申请技术方案的详细的说明,而不是对本申请技术方案的限定,在不冲突的情况下,本申请实施例以及实施例中的技术特征可以相互组合。
第一方面,本申请实施例提供一种云计算系统,请参考图1,包括:
数据检索平台10,用于获得控制指令。
在具体实施过程中,该数据检索平台10用于云计算系统与用户终端之间的交互,例如,用户终端在搜索数据对象时,可以产生搜索指令,并将其搜索指令发送至数据检索平台10,数据检索平台10接收到该搜索指令之后,将其发送至云计算和存储平台11,云计算和存储平台11基于该搜索指令获得搜索结果,并将搜索结果通过数据检索平台10发送至用户终端;又例如,每隔预设时间间隔(例如:1天、半天等等),云计算和存储平台11可以基于某特定网站(例如:特定电商平台、特定新闻网站等等)中的数据确定出适合各个用户终端的推荐信息,并将该推荐信息通过数据检索平台10发送至各个用户终端。
该数据检索平台10在接收到用户终端的内容之后,可以将其转换为对应数据检索语言的控制指令,数据检索语言例如为:SQL(结构化查询语言:Structured QueryLanguage)语言,从而该数据检索平台10可以通过SQL语言进行数据的索引和管理。该控制指令中可以包含待识别用户所操作过的数据对象的特征信息的存储位置的表名,通过该表名可以查找到该数据对象。该数据对象例如为:电商平台的商品、新闻网站的新闻等等。
以该数据对象为商品为例,用户针对数据对象可以存在多种操作,例如:①点击数据对象的操作,例如:点击电商平台的商品、点击新闻网站的新闻等等。②搜索数据对象的操作,例如:在电商平台通过搜索关键词搜索商品、在新闻网站通过搜索关键词搜索新闻等等。③操作为收藏数据对象的操作,例如:将电商平台的商品添加到商品收藏列表、将新闻网站的新闻添加到浏览器的收藏夹等等。④将数据对象加入购物车的操作,例如:将商品加入电商平台的购物车。⑤购买数据对象的操作,例如:在电商平台购买商品等等。
云计算和存储平台11,连接于所述数据检索平台10,用于接收所述数据检索平台10发送的所述控制指令;并响应所述控制指令,获得待识别用户所操作过的数据对象的特征信息;基于所述特征信息,通过年龄识别模型识别出待识别用户所对应的第一需求群体的第一年龄分布;并将所述第一年龄分布与预存的至少一个第二年龄分布进行融合,从而确定出所述第一需求群体的第一年龄特征,其中,所述至少一个第二年龄分布为历史阶段基于所述年龄识别模型所识别出的所述第一需求群体的第一年龄特征。
相对于本地存储和本地计算,云存储和云计算将数据存储于远端的服务器集群,计算也有远端的服务器集群完成。这样可以实现多个用户共享大规模的存储和计算资源。分布式存储和处理则是基于服务器集群,处理海量数据的架构。相对于传统存储和处理结构,因为他的设计对存储数据和计算资源包含了必要的冗余(例如:对于同一份数据,有多分相同备份,存储于多个异地的服务器中)它具有很强的鲁棒性,有很高的容错性。
在具体实施过程中,该云计算和存储平台11例如为:MaxCompute(大数据计算服务),MaxCompute存在以下优点:①MaxCompute可以根据业务情况做到计算资源自动弹性伸缩,而其他云计算和存储平台11则需要先启动Cluster,再创建Project,且在此过程中还需要诸多配置工作;②MaxCompute具备灵活的数据对接,MaxCompute可同现有生态对接,已经实现与OGG、Fluentd、Sqoop的对接,通过这些工具用户可以完成Oracle、Mysql、Hadoop的数据阐述。当然,该云计算和存储平台11也可以为其他云计算和存储平台11,本申请实施例不作限制。在具体实施过程中,用户所操作过的数据对象的特征信息可以包括多种特征信息,下面列举其中的三种进行介绍,当然,在具体实施过程中,不限于以下三种情况。
第一种,用户所操作过的数据对象的特征信息,包括:所述用户针对所述数据对象的用户行为数据。该用户行为数据主要基于用户对数据对象的操作而确定,其例如包括:①针对数据对象的点击行为数据;②针对数据对象的搜索行为数据;③收藏数据对象的行为数据;④将数据对象加入购物车的行为数据;⑤购买数据对象的行为数据等等。
第二种,用户所操作过的数据对象的特征信息,包括:每个数据对象的属性信息。该属性信息通常为数据对象本身所固有的特征,其例如包括:
①数据对象的类目特征,如果该数据对象为儿童类别(例如:婴儿类别)下的数据对象,则其类目特征例如包括:维生素、营养品、1段奶粉、2段奶粉、3段奶粉、婴儿车等等,如果该数据对象为婴儿类别,则待识别用户所对应的第一需求群体为该待识别用户的小孩,在该待识别用户的小孩处于不同的年龄时,待识别用户所操作过的数据对象也不同,例如:在母亲(也即:待识别用户)怀孕阶段,其可能主要会针对营养品、维生素类别的数据对象存在操作行为,在婴儿出生后的0到6个月阶段时,母亲会针对1段奶粉以及婴儿车存在操作行为,在婴儿6个月到12个月阶段,母亲会针对2段奶粉存在操作行为等等。可见,在第一需求群体(例如:婴儿)的年龄特征不同时,待识别用户所操作过的数据对象的类目特征也不同,因而可以基于类目特征确定出第一年龄特征。
②数据对象所对应的需求群体的年龄特征,通常情况下,不同的数据对象可以对应不同年龄特征的需求群体,例如:1段奶粉对应0~6个月的婴儿,2段奶粉对象6~12个月的婴儿等等,在具体实施过程中,可以预先梳理出数据对象和年龄特征的对应关系,进而在确定出用户操作过的数据对象之后,直接通过该对应关系确定出数据对象所对应的需求群体的年龄特征。
③数据对象的名称,有很多数据对象在名称中即包含强烈的年龄信息,例如:婴儿衣服、1-2岁宝宝裤子、新生儿纸尿布等等,因此可以基于数据对象的名称来确定出待识别用户的年龄特征。
④数据对象的属性信息:当某个数据对象的适龄阶段包括2个以上阶段时,其可以对应不同年龄特征,例如:商品的尺码属性、大小属性等等,其中,婴儿衣服中的S极可能对应1岁婴儿,M尺码对应2岁婴儿等等。
第三种,用户所操作过的数据对象的特征信息,包括:每个用户行为数据的产生时间信息。
在具体实施过程中,用户行为数据的产生时间信息也可能与年龄特征存在关联,例如:比如消费者(也即:待识别用户)半年前购买了新生儿纸尿布,和当前月购买了新生儿纸尿布所隐含的婴儿(第一需求群体)的年龄是不相同的,又例如消费者一年前购买了婴儿推车,与当前月购买了婴儿推车所对应的婴儿的年龄也是不相同的等等,故而,在确定第一需求群体的第一年龄特征时,可以参考获得该用户行为数据的产生时间信息。
在具体实施过程中,在云计算和存储平台11通过年龄识别模型识别出第一需求群体的第一年龄特征之前,需要先获得该年龄识别模型,在在这种情况下,所述数据检索平台10,还用于:产生建模指令,并将所述建模指令发送至所述云计算和存储平台11;
所述云计算和存储平台11,用于接收所述模型建立指令;基于所述建模指令获取所述多个采样用户样本;
所述系统还包括:机器学习平台12,连接于所述云计算和存储平台11,用于接收所述云计算和存储平台11发送的所述多个采样用户样本,以及基于所述多个采样用户样本训练出所述年龄识别模型;并将所述年龄识别模型发送至所述云计算和存储平台11存储;其中,每个采样用户样本包括:采样用户所操作过的数据对象的特征信息、以及采样用户所对应的需求群体的年龄特征。
在具体实施过程中,该机器学习平台12例如为:Xlib平台,Xlib平台提供了PythonAPI用于训练数集的准备以及模型的训练和预测功能。当然,也可以为其他平台,本申请实施例不作限制。
在具体实施过程中,针对每个采样用户样本,可以基于用户操作行为的产生时间信息,获取该采样用户样本在预设时间段内所操作过的数据对象,然后获取这些数据对象的特征信息,该特定时间段例如为:预设时间段内(例如:1个月、2个月等等),作为一种可选的实施例,所述采样用户样本,包括:多个预设时间段内的用户行为数据所对应的数据对象的特征信息,所述多个时间段中的每两个预设时间段之间相隔预设时间间隔,也即该特定时间段包括多个预设时间段,预设时间间隔例如为:1年、半年等等,以该预设时间间隔为1年为例,则可以获取上个月的用户行为数据所对应的数据对象的特征信息、以及与上个月相隔一年的用户行为数据所对应的数据对象的特征信息,由于其参考了多个时间节点的数据对象的特征信息,故而能够确定出更加准确的第一年龄特征。而对于数据对象的特征信息为何种信息,由于前面已作介绍,故而在此不再赘述。
在具体实施过程中,所述云计算和存储平台11可以通过以下方式训练出年龄识别模型:确定出每个采样用户样本所对应的特征变量和分类变量;将所述多个采样用户样本的所述特征变量和分别变量输入分类训练模型进行训练,从而获得所述分类模型的拟合函数的系数;基于所述分类模型的拟合函数的系数确定出所述年龄识别模型。
举例来说,该分类训练模型例如为:多元逻辑回归模型、梯度渐进回归树(GBRT)模型、随机森林模型、支持向量机模型等,可以根据不同的计算能力和特征选取采用不同的分类训练模型。在本申请实施例中,将以分类训练模型为多元逻辑回归模型为例进行介绍,在具体实施过程中,每个采样用户样本的需求群体的年龄特征可以由用户手动填写,通过云计算和存储平台11收集整理各个用户的用户行为数据,然后提取出用户行为数据所对应的数据对象以及这些数据对象的特征信息,以用户为家长,其对应的需求群体为小孩为例,则可以获得这些家长填写的其小孩的生日信息,然后通过生日信息计算小孩的年龄。
可以将年龄划分为多个年龄阶段,每个年龄阶段即为一个年龄特征,该年龄特征对应分类模型的一个分类(也即:一个标签),该分类训练模型例如包括:
其中X是特征变量,x是该特征变量的值,β是拟合函数的系数,T表示向量转置,G是分类变量。该模型的意义在于将基于给定的特征值(X=x),判断其属于某种分类G=k,k=1,…,K的概率通过对数(log)转化为线性函数。
为了拟合获得分别训练模型的拟合函数的系数,需要求解最优问题:
其中pgi(xi;β)即为之前的G=k的概率:Pr(G=k|X=xi;β),其表明通过求解函数参数β使得N个样本的极大似然估计最大化。
该优化问题可以采用多种算法解决,例如:Newton Method、Quasi NewtonMethod、Trust Region Newton Method等。
很多分类训练模型最后输出的结果是经过softmax处理成为一个概率分布,其概率分布如下:
其中exp为指数运算。
在基于机器训练平台训练出年龄识别模型,并且存储到云计算和存储平台11之后,云计算和存储平台11就可以基于数据检索平台10的控制指令,从而通过该年龄识别模型识别出待识别用户的第一需求群体的第一年龄分布。其中,所述云计算和存储平台11通过以下方式识别出所述第一年龄分布::基于所述特征信息确定出所述待识别用户的特征变量;将所述特征变量输入所述年龄识别模型,从而确定出所述第一需求群体的所述第一年龄分布。
基于前面所介绍的每一种特征信息,其可以对应该特征变量中的一个维度,该特征信息的取值对应特征变量中的维度值,例如:如果特征信息为针对数据对象的用户行为数据,则可以将用户产生该用户行为数据的次数(例如:点击次数、搜索次数等等)作为对应特征信息的维度值;如果特征信息为数据对象的属性信息,则可以设定属性信息与维度值的对应关系,例如:儿童类别对应维度值1、非儿童类别对应维度值0等等,从而确定出待识别用户的特征变量。
然后,将该特征变量输入该年龄识别模型,就可以确定出第一需求群体属于各个年龄特征的概率,第一需求群体属于各个年龄特征的概率即为第一年龄分布。
而在具体实施过程中,可以每隔预设时间间隔,例如:1个月、3个月等等,就基于上述方案确定出待识别用户的一次年龄分布,并且在获得该年龄分布之后,可以存储该年龄分布以及对应的获取时间,进而在云计算和存储平台11可以预存有在当前时间之间所计算出的至少一个第二年龄分布。
在具体实施过程中,所述云计算和存储平台11通过以下方式将所述第一年龄分布与所述至少一个第二年龄分布进行融合:
基于每个第二年龄分布的产生时间与当前时间的时间间隔,对对应第二年龄分布进行平移;将平移后的所述至少一个第二年龄分布与所述第一年龄分布进行融合。也就是,先将各个年龄分布所对应的年龄特征的参考时间点调整的相同,然后对各个年龄特征进行融合。
举例来说,针对一年前的第二年龄分布,则需要将其年龄特征整体向后移动1年,也即:将各个概率所对应的年龄加上一年,针对半年前的第二年龄分布,则需要将其年龄特征整体向后移动半年,也即:将各个概率所对应的年龄加上半年等等,从而保证第一年龄特征与第二年龄特征的年龄参考时间点相同,皆为当前时间,以实现对第一年龄分布和至少一个第二年龄分布的准确融合。在具体实施过程中,可以通过以下公式实现两个年龄特征的融合:
在具体实施过程中,可以每计算出一次年龄分布,就保存该年龄分布与获得该年龄分布的时间,从而后续可以通过多个第二年龄分布与第一年龄分布进行融合;也可以在将第二年龄分布与第一年龄分布融合之后,将融合结果作为新的第二年龄分布保存,从而后续可以通过一个第二年龄分布与第一年龄分布进行融合,以降低云计算与存储平台的处理负担,在这种情况下,在获得新的第二年龄分布之后,还可以该第二年龄分布的融合次数加1。如果没有相同结论的历史分布,则将该新的第二年龄分布保留。
在一种情况下,该融合结果中每个年龄特征(也即:年龄阶段)一种年龄特征,则基于该融合结果直接确定出第一需求群体属于每个年龄特征的概率;在另一种情况下,融合结果中针对某个年龄特征(例如:0~6个月)可能会存在多个概率,例如:每个月份别存在一个概率,在这种情况下,则还需要对最终的融合结果进行聚合,例如:可以将Pr(G=k|X=x)的值平均分配到其所包含的月份数,如0-6个月阶段,则平均分配到6个月,记为概率Pr(G=k|X=x),再将该值按照月份进行平移,即概率Pr(G=k′|X=x)=Pr(G=k|X=x),其中Pr(G=0|X=x)=0.0001以避免数值计算问题,如果该值为0,则在后面第四步可能导致分母为0,从而导致无法计算。再将每个月份的概率按照阶段进行聚合,即其中l,M表明分类k所所包含的最小月份l和最大月份M。针对年龄阶段为0~6月,则可以将0~6月的概率相加,从而获得该第一需求群体属于各个年龄特征的概率。
在基于融合结果确定出第一需要群体属于每个年龄阶段的概率分布,然后直接从该概率分布中获取出现概率满足预设条件的年龄特征作为第一年龄特征,例如:获取出现概率最高的年龄特征作为第一年龄特征、获取出现概率大于预设值(例如:0.5、0.7等等)的年龄特征作为第一年龄特征等等,其中,如果是获取出现概率大于预设值的年龄特征作为第一年龄特征的话,则在可以确定出至少两个年龄特征的情况下,可以确定出该待识别用户对应至少两个第一需求群体。
而了进一步的准确的确定出第一需求群体的第一年龄特征,所述方法还包括:所述将所述第一年龄分布与预存的至少一个第二年龄分布进行融合,从而确定出所述第一需求群体的第一年龄特征,包括:基于所述第一年龄分布与所述至少一个第二年龄分布的融合结果,确定出出现概率满足预设条件的年龄特征;判断每个出现概率满足预设条件的年龄特征,在各个年龄分布中满足预设条件的次数是否大于预设次数;如果大于所述预设次数,则确定对应的年龄特征作为所述第一年龄特征。
在具体实施过程中,如果某个年龄特征在融合结果中的出现概率满足预设条件的话,可能只能说明用户当前针对该年龄特征所对应的数据对象产生的操作较多,但是其可能所供应的可能是其他需求群体(例如:朋友、亲人等等),而并非自己所对应的需求群体,例如:用户最近一段时间针对0~6个月小孩所对应的商品的操作较多,其可能是该用户新增了一个0~6个月的小孩,但是也可能是该用户为朋友或者亲戚的0~6个月的小孩购买商品,故而为了防止误判断,可以判断在多个(例如:3、4等等,在这种情况下,预设次数为3、4次)年龄分布中,该待识别用户是否多对应0~6个月的小孩,如果都对应,则确定该待识别用户的确存在0~6个月的小孩,否则说明该用户并不存在0~6个月的小孩。
由于在上述方案中,综合考虑了多次获得的年龄分布,其相当于综合了历史和当前的信息一起进行预测,结论将更客观。另外,如果某个家庭有多个孩子,那么将多次累计的分布综合起来,会出现多个波峰的分布,如果二者的概率很接近,而且历史上出现了多次这样的情况,就有很大的概率相信该家庭是有多个孩子。
在具体实施过程中,请继续参考图1,所述云计算和存储平台11,包括:连接于所述数据检索平台10的控制集群111、以及连接于所述控制集群111的云存储和计算集群110;
所述控制集群111,用于接收所述控制指令,并基于所述控制指令调度用于执行所述控制指令的云存储和计算集群110;
所述云存储和计算集群110,用于响应所述控制集群111的调度,从而基于所述年龄识别模型识别出所述第一需求群体的第一年龄分布;并将所述第一年龄分布与预存的所述第一需求群体的至少一个第二年龄分布进行融合,从而确定出所述第一年龄特征。对于云存储和计算集群110获得确定出第一年龄特征,由于前面已作介绍,故而在此不再赘述。
在具体实施过程中,请继续参考图1,所述系统还包括:数据库13,用于存储每个用户所对应的数据对象的所述特征信息。
所述云计算和存储平台11,连接于所述数据库13,用于从所述数据库13提取所述待识别用户的所对应的数据对象的所述特征信息。也就是说,通常情况下,云计算和存储平台11计算所采用的数据,都是从数据库13获得。
下面,将以该方案应用于母婴市场为例,介绍该方案的有益效果:
基于对于母婴市场的理解,可以将孩子(也即:第一需求群体)的年龄阶段(也即:年龄特征)划分为0-6个月,6-12个月,1-2岁,2-3岁,3-7岁,7岁以上。对多于170万的人群进行预测,其各项指标如表1所示:
表1
人群数 | 预测正确 | 预测总量 | 召回率 | 准确率 | F1得分 | |
0至6个月 | 127,916 | 72,370 | 105,395 | 56.58% | 68.67% | 62.04% |
6至12个月 | 114,440 | 36,316 | 56,135 | 31.73% | 64.69% | 42.58% |
1至2岁 | 382,538 | 185,882 | 335,559 | 48.59% | 55.39% | 51.77% |
2至3岁 | 444,182 | 41,831 | 80,815 | 9.42% | 51.76% | 15.94% |
3至7岁 | 848,237 | 787,303 | 1,512,882 | 92.82% | 52.04% | 66.69% |
7岁以上 | 202,006 | 18,481 | 28,555 | 9.15% | 64.72% | 16.03% |
整体 | 2,119,319 | 1,142,183 | 2,119,341 | 53.89% | 53.89% | 53.89% |
整体准确率53.89%远高于随机猜测的猜中概率16%。
在具体实施过程中,在基于云计算和存储平台11确定出第一需求群体的第一年龄特征之后,还可以基于第一需求群体的第一年龄特征进行一些相关处理,下面列举其中的两种进行介绍,当然,在具体实施过程中,不限于以下两种情况。
第一种,所述数据检索平台10所获得控制指令为用户终端所产生的搜索指令;所述云计算和存储平台11,还用于:基于所述第一年龄特征产生对应的搜索结果;并将所述搜索结果提供给所述数据检索平台10;所述数据检索平台10还用于,接收所述搜索结果,并将所述搜索结果提供给所述待识别用户所在的用户终端。
举例来说,假设用户终端的用户希望搜索“玩具”,则可以在电商平台的搜索框输入搜索关键词“玩具”,并将包含搜索关键词“玩具”的搜索指令发送至数据检索平台10;数据检索平台10在接收到该搜索指令之后,确定出该用户终端的用户信息,并基于该用户信息确定出对应的用户的特征信息的表名;然后将包含表名和搜索关键词“玩具”的搜索指令发送至云计算和存储平台11;云计算和存储平台11接收到该搜索指令之后,先基于年龄识别模型识别出用户的小孩的第一年龄特征(例如:0~6个月),然后获取与第一年龄特征匹配的搜索结果,
在具体实施过程中,所述云计算和存储平台11可以通过以下方式产生所述搜索结果:基于所述第一年龄特征,确定与所述第一年龄特征匹配的第一数据对象;产生包含所述第一数据对象的所述搜索结果。例如:云计算和存储平台11在获得搜索关键词玩具之后,可以从玩具类别下搜索获得适合0~6个月的婴儿的玩具作为搜索结果,并将该搜索结果提供给数据检索平台10,数据检索平台10将该搜索结果提供给用户终端输出。
基于上述方案,可以基于待识别用户的第一需求群体的第一年龄特征实现更加准确的信息搜索。
第二种,所述云计算和存储平台11,还用于:基于所述第一年龄特征产生对应的推荐信息;并将所述推荐信息提供给所述数据检索平台10;所述数据检索平台10还用于,接收所述推荐信息,并将所述推荐信息提供给所述待识别用户所在的用户终端。
在具体实施过程中,云计算和存储平台11可以在任意时机产生提供给待识别用户的推荐信息,例如:可以在检测到待识别用户浏览网页时,将该推荐信息作为广告提供给待识别用户,又例如:可以在检测到待识别用户在电商平台浏览商品时,可以将该推荐信息作为推荐商品提供给待识别用户等等。同理,云计算和存储平台11可以基于待识别用户的用户信息确定出该待识别用户所操作过的数据对象的特征信息,并基于该特征信息确定出第一需求群体的第一年龄特征,然后基于第一年龄特征确定出推荐信息,并将推荐信息提供给数据检索平台10,由数据检索平台10将推荐数据提供给用户终端。
在具体实施过程中,该推荐信息可以用于针对商品的推荐、针对广告的推荐、针对服务的推荐等等,例如:家长在电商平台购物时,可以向其推荐与其小孩的年龄特征对应的商品;家长在浏览网站时,可以向其推荐与其小孩的年龄特征对应的广告或者服务等等,该广告或者服务例如为:教育相关、娱乐相关的广告或者服务等等。
在具体实施过程中,所述云计算和存储平台11用于通过以下方式产生所述推荐信息:基于所述第一年龄特征,确定与所述第一年龄特征匹配的第一数据对象;产生对所述第一数据对象进行推荐的所述推荐信息。
例如,在用户终端打开电商平台浏览商品时,用户终端可以将浏览请求发送至数据检索平台10,数据检索平台10基于浏览请求确定出用户信息,然后将用户信息和浏览请求发送至云计算和存储平台11,云计算和存储平台11则基于用户信息获得对应的推荐商品信息(也即:推荐信息),并将其发送给数据检索平台10,数据检索平台10将推荐商品信息发送至用户终端,在用户终端的商品浏览页面显示该推荐商品信息。
基于上述方案,可以基于待识别用户的第一需求群体的第一年龄特征实现更加准确的信息推荐。第二方面,基于同一发明构思,本申请实施例提供一种数据处理方法,请参考图2,包括:
步骤S201:获得控制指令;
步骤S202:响应所述控制指令,获得待识别用户所操作过的数据对象的特征信息;
步骤S203:基于所述特征信息,通过年龄识别模型识别出待识别用户所对应的第一需求群体的第一年龄分布;
步骤S204:将所述第一年龄分布与预存的至少一个第二年龄分布进行融合,从而确定出所述第一需求群体的第一年龄特征,其中,所述至少一个第二年龄分布为历史阶段基于所述年龄识别模型所识别出的所述第一需求群体的第一年龄特征。
可选的,所述基于年龄识别模型识别出所述第一需求群体的第一年龄分布,包括:
提取出所述待识别用户所对应的数据对象的特征信息;
基于所述特征信息确定出所述待识别用户的特征变量;
将所述特征变量输入所述年龄识别模型,从而确定出所述第一需求群体的所述第一年龄分布。
可选的,所述将所述第一年龄分布与预存的至少一个第二年龄分布进行融合,包括:
基于每个第二年龄分布的产生时间与当前时间的时间间隔,对对应第二年龄分布进行平移;
将平移后的所述至少一个第二年龄分布与所述第一年龄分布进行融合。
可选的,所述将所述第一年龄分布与预存的至少一个第二年龄分布进行融合,从而确定出所述第一需求群体的第一年龄特征,包括:
基于所述第一年龄分布与所述至少一个第二年龄分布的融合结果,确定出出现概率满足预设条件的年龄特征;
判断每个出现概率满足预设条件的年龄特征,在各个年龄分布中满足预设条件的次数是否大于预设次数;
如果大于所述预设次数,则确定对应的年龄特征作为所述第一年龄特征。
可选的,所述方法还包括:
获得建模指令;
响应所述建模指令,获得多个采样用户样本,其中,每个采样用户样本包括:采样用户所操作过的数据对象的特征信息、以及采样用户所对应的需求群体的年龄特征;
基于所述多个采样用户样本训练出所述年龄识别模型。
可选的,所述基于所述多个采样用户样本训练出所述年龄识别模型,包括:
确定出每个采样用户样本所对应的特征变量和分类变量;
将所述多个采样用户样本的所述特征变量和分别变量输入分类训练模型进行训练,从而获得所述分类模型的拟合函数的系数;
基于所述分类模型的拟合函数的系数确定出所述年龄识别模型。
可选的,用户所操作过的数据对象的特征信息,包括:所述用户针对所述数据对象的用户行为数据、每个用户行为数据的产生时间信息、以及每个数据对象的属性信息中的至少一种特征信息。
可选的,所述采样用户样本,包括:多个预设时间段内的用户行为数据所对应的数据对象的特征信息,所述多个时间段中的每两个预设时间段之间相隔预设时间间隔。
可选的,在所述确定出所述第一需求群体的第一年龄特征之后,所述方法还包括:
确定出与所述第一年龄特征对应的推荐信息;
将所述推荐信息提供给所述待识别用户所在的用户终端。
可选的,所述确定出与所述第一年龄特征对应的推荐信息,包括:
基于所述第一年龄特征,确定与所述第一年龄特征匹配的第一数据对象;
产生对所述第一数据对象进行推荐的所述推荐信息。
可选的,所述获得控制指令,包括:获得用户终端所产生的搜索指令;
基于所述第一年龄特征产生对应的搜索结果;
将所述搜索结果提供给所述用户终端。
可选的,所述基于所述第一年龄特征产生对应的搜索结果,包括:
基于所述第一年龄特征,确定与所述第一年龄特征匹配的第一数据对象;
产生包含所述第一数据对象的所述搜索结果。
第三方面,基于同一发明构思,本申请实施例提供一种数据搜索方法,请参考图3,包括:
步骤S301:接收用户终端发送的搜索请求;
步骤S302:基于所述搜索请求,获得所述用户终端的用户所操作过的数据对象的特征信息;
步骤S303:基于所述特征信息,通过年龄识别模型识别出所述用户终端的用户所对应的第一需求群体的第一年龄分布;
步骤S304:将所述第一年龄分布与预存的至少一个第二年龄分布进行融合,从而确定出所述第一需求群体的第一年龄特征,其中,所述至少一个第二年龄分布为历史阶段基于所述年龄识别模型所识别出的所述第一需求群体的第一年龄特征;
步骤S305:产生与所述第一年龄特征所对应的搜索结果。
可选的,所述产生与所述第一年龄特征所对应的搜索结果,包括:
基于所述第一年龄特征,确定与所述第一年龄特征匹配的数据对象;
获得包含与所述第一年龄特征匹配的数据对象的所述搜索结果。
可选的,所述通过年龄识别模型识别出所述第一需求群体的第一年龄分布,包括:
基于所述特征信息确定出所述用户的特征变量;
将所述特征变量输入所述年龄识别模型,从而确定出所述第一需求群体的所述第一年龄分布。
可选的,所述将所述第一年龄分布与预存的至少一个第二年龄分布进行融合,包括:
基于每个第二年龄分布的产生时间与当前时间的时间间隔,对对应第二年龄分布进行平移;
将平移后的所述至少一个第二年龄分布与所述第一年龄分布进行融合。
可选的,所述将所述第一年龄分布与预存的至少一个第二年龄分布进行融合,从而确定出所述第一需求群体的第一年龄特征,包括:
基于所述第一年龄分布与所述至少一个第二年龄分布的融合结果,确定出出现概率满足预设条件的年龄特征;
判断每个出现概率满足预设条件的年龄特征,在各个年龄分布中满足预设条件的次数是否大于预设次数;
如果大于所述预设次数,则确定对应的年龄特征作为所述第一年龄特征。
由于本申请第三方面所介绍的各个步骤的实施过程在本申请第一方面中已作介绍,第一方面的相关步骤的实施过程在第三方面中都可以通用,故而在此不再赘述。
第四方面,基于同一发明构思,本申请实施例提供一种数据推荐方法,请参考图4,包括:
步骤S401:确定出用户所操作过的数据对象的特征信息;
步骤S402:基于所述特征信息,通过年龄识别模型识别出所述用户所对应的第一需求群体的第一年龄分布;
步骤S403:将所述第一年龄分布与预存的至少一个第二年龄分布进行融合,从而确定出所述第一需求群体的第一年龄特征,其中,所述至少一个第二年龄分布为历史阶段基于所述年龄识别模型所识别出的所述第一需求群体的第一年龄特征;
步骤S404:产生与所述第一年龄特征所对应的推荐信息。
可选的,所述产生与所述第一年龄特征所对应的推荐信息,包括:
基于所述第一年龄特征,确定与所述第一年龄特征匹配的数据对象;
获得包含与所述第一年龄特征匹配的数据对象的所述推荐信息。
可选的,所述通过年龄识别模型识别出所述用户所对应的第一需求群体的第一年龄分布,包括:
基于所述特征信息确定出所述用户的特征变量;
将所述特征变量输入所述年龄识别模型,从而确定出所述第一需求群体的所述第一年龄分布。
可选的,所述将所述第一年龄分布与预存的至少一个第二年龄分布进行融合,包括:
基于每个第二年龄分布的产生时间与当前时间的时间间隔,对对应第二年龄分布进行平移;
将平移后的所述至少一个第二年龄分布与所述第一年龄分布进行融合。
可选的,所述将所述第一年龄分布与预存的至少一个第二年龄分布进行融合,从而确定出所述第一需求群体的第一年龄特征,包括:
基于所述第一年龄分布与所述至少一个第二年龄分布的融合结果,确定出出现概率满足预设条件的年龄特征;
判断每个出现概率满足预设条件的年龄特征,在各个年龄分布中满足预设条件的次数是否大于预设次数;
如果大于所述预设次数,则确定对应的年龄特征作为所述第一年龄特征。
由于本申请第四方面所介绍的各个步骤的实施过程在本申请第一方面中已作介绍,第一方面的相关步骤的实施过程在第四方面中都可以通用,故而在此不再赘述。
第五方面,基于同一发明构思,本申请实施例提供一种数据推荐方法,请参考图5,包括:
步骤S501:确定出用户所操作过的数据对象的特征信息,所述数据对象为汽车类目下的数据对象;
步骤S502:基于所述特征信息,通过需求阶段识别模型识别出所述用户针对汽车产品的第一需求阶段分布;
步骤S503:将所述第一需求阶段分布与预存的至少一个第二需求分布进行融合,从而确定出所述用户针对汽车产品的第一需求阶段,所述至少一个第二需求阶段分布为历史阶段基于所述需求阶段识别模型所识别出的所述待识别用户针对所述数据对象的需求阶段分布;
步骤S504:产生与所述第一需求阶段对应的推荐信息。
步骤S501中,汽车类目下的数据对象例如包括:汽车本身、汽车机油、汽车装饰、汽车部件等等。其中,在不同的需求阶段,用户对汽车的需求也不同,在用户没有购买汽车时,其可能会希望购买汽车本身,在用户购买汽车之后,在一段时间之后可能会购买汽车机油,或者汽车内饰。在3-6年之后,会出售自己的汽车进行置换,或者为汽车大修而购买重要的汽车部件等等。
步骤S502中,该需求识别模型的确定方式与年龄识别模型的方式确定类似,也即:获得多个采样用户样本,其中,每个采样用户样本包括:采样用户所操作过的汽车类目的数据对象的特征信息、以及采样用户所对应需求阶段;确定出每个采样用户样本所对应的特征变量和分类变量;将所述多个采样用户样本的所述特征变量和分别变量输入分类训练模型进行训练,从而获得所述分类模型的拟合函数的系数;基于所述分类模型的拟合函数的系数确定出所述需求阶段识别模型。采样用户所对应的需求阶段例如包括:尚未购买阶段、刚购买阶段(购买2个月内)、使用一段时间的阶段(例如:1~2年)等等。训练需求阶段识别模型的方式与训练年龄识别模型的方式类似,故而在此不再赘述。
步骤S502中,所述通过需求阶段识别模型识别出所述用户针对汽车产品的第一需求阶段分布,包括:基于所述特征信息确定出所述用户的特征变量;将所述特征变量输入所述需求阶段识别模型,从而确定出所述第一需求群体的所述第一需求阶段分布。其中,第一需求阶段分布对应本申请第一方面所介绍的第一年龄分布,其获得方式可以等同替换,故而在此不再赘述。
步骤S503中,第二需求阶段分布与本申请第一方面所介绍的第一年龄分布类似,其获得方式也可以等同替换,故而在此不再赘述。
步骤S503中,所述将所述第一需求阶段分布与预存的至少一个第二需求阶段分布进行融合,包括:基于每个第二需求阶段分布的产生时间与当前时间的时间间隔,对对应第二需求阶段分布进行平移;将平移后的所述至少一个第二需求阶段分布与所述第一需求阶段分布进行融合。
将第一需求阶段分布与至少一个第二需求阶段分布融合的方式,与将第一年龄分布与至少一个第二年龄分布进行融合的方式类似,其实施过程可以等同替换,故而在此不再赘述。
步骤S504中,所述产生与所述第一需求分布对应的推荐信息,包括:确定出汽车类目下与所述第一需求阶段匹配的数据对象;获得包含与所述第一需求阶段匹配的数据对象的所述推荐信息。
在具体实施过程中,基于第一需求阶段获得推荐信息的方式,与基于第一年龄特征获得推荐信息的方式类似,故而在此不再赘述。
第五方面,基于同一发明构思,本申请实施例提供一种数据推荐方法,请参考图6,包括:
步骤S601:确定出用户所操作过的数据对象的特征信息,所述数据对象为儿童产品类目下的数据对象;
步骤S602:基于所述特征信息,通过年龄识别模型识别出所述用户所对应的第一需求群体的第一年龄分布;
步骤S603:将所述第一年龄分布与预存的至少一个第二年龄分布进行融合,从而确定出所述第一需求群体的第一年龄特征,其中,所述至少一个第二年龄分布为历史阶段基于所述年龄识别模型所识别出的所述第一需求群体的第一年龄特征;
步骤S604:产生与所述第一年龄特征对应的推荐信息。
可选的,所述产生与所述第一年龄特征对应的推荐信息,包括:
确定出所述儿童产品类别下与所述第一年龄特征匹配的数据对象;
获得包含与所述第一年龄特征匹配的数据对象的所述推荐信息。
在具体实施过程中,所述通过年龄识别模型识别出所述用户所对应的第一需求群体的第一年龄分布,包括:
基于所述特征信息确定出所述用户的特征变量;
将所述特征变量输入所述年龄识别模型,从而确定出所述第一需求群体的所述第一年龄分布。
在具体实施过程中,所述将所述第一年龄分布与预存的至少一个第二年龄分布进行融合,包括:
基于每个第二年龄分布的产生时间与当前时间的时间间隔,对对应第二年龄分布进行平移;
将平移后的所述至少一个第二年龄分布与所述第一年龄分布进行融合。
在具体实施过程中,所述将所述第一年龄分布与预存的至少一个第二年龄分布进行融合,从而确定出所述第一需求群体的第一年龄特征,包括:
基于所述第一年龄分布与所述至少一个第二年龄分布的融合结果,确定出出现概率满足预设条件的年龄特征;
判断每个出现概率满足预设条件的年龄特征,在各个年龄分布中满足预设条件的次数是否大于预设次数;
如果大于所述预设次数,则确定对应的年龄特征作为所述第一年龄特征。
由于以上产生推荐信息的方法,在本申请第一方面已作介绍,故而在此不再赘述。
第七方面,基于同一发明构思,本申请实施例提供一种数据处理方法,请参考图7,包括:
步骤S701:获得待识别用户所操作过的数据对象的特征信息;
步骤S702:基于所述特征信息,通过需求阶段识别模型识别出待识别用户针对数据对象的第一需求阶段分布;
步骤S703:将所述第一需求阶段分布与预存的至少一个第二需求分布进行融合,从而确定出所述用户针对所述数据对象的第一需求阶段,所述至少一个第二需求阶段分布为历史阶段基于所述需求阶段识别模型所识别出的所述待识别用户针对所述数据对象的需求阶段分布。
步骤S701中,该数据对象可以为多个类别的数据对象,例如:汽车类别、婴儿产品类别、家装类别、家用电器类别等等。对于如何获得用户所操作过的数据对象的特征信息,由于前面已作介绍,故而在此不再赘述。
步骤S702中,该需求阶段可以与待识别用户所包含的第一需求群体的第一年龄特征对应,则这种情况下,该需求阶段识别模型可以为年龄识别模型,第一需求阶段分布可以为第一年龄分布;该需求阶段也可以与待识别用户所购买的数据对象的时间对应,例如,如果该数据对象为汽车类别的数据对象,则所对应的需求阶段例如为:尚未购买阶段、刚购买阶段(购买2个月内)、使用一段时间的阶段(例如:1~2年)等等。
步骤S703中,同样第二需求阶段分布可以为年龄特征对应的需求阶段,例如为:其为第一年龄分布,其也可以为与时间对应的需求阶段分布,本申请实施例不作限制。
在具体实施过程中,在所述确定出所述用户针对所述数据对象的第一需求阶段之后,所述方法还包括:
产生与所述第一需求阶段对应的推荐信息;或者,
产生与所述第一需求阶段对应的搜索结果。
对于具体如何产生推荐信息、以及搜索结果,由于前面已作介绍,故而在此不再赘述。
第八方面,基于同一发明构思,本申请是撒李提供一种数据搜索装置,请参考图8,包括:
接收模块80,用于接收用户终端发送的搜索请求;
第一获得模块81,用于基于所述搜索请求,获得所述用户终端的用户所操作过的数据对象的特征信息;
第一识别模块82,用于基于所述特征信息,通过年龄识别模型识别出所述用户终端的用户所对应的第一需求群体的第一年龄分布;
第一融合模块83,用于将所述第一年龄分布与预存的至少一个第二年龄分布进行融合,从而确定出所述第一需求群体的第一年龄特征,所述至少一个第二年龄分布为历史阶段基于所述年龄识别模型所识别出的所述第一需求群体的第一年龄特征;
第一产生模块84,用于产生与所述第一年龄特征所对应的搜索结果。
可选的,所述第一产生模块84,包括:
第一确定单元,用于基于所述第一年龄特征,确定与所述第一年龄特征匹配的数据对象;
第一获得单元,用于获得包含与所述第一年龄特征匹配的数据对象的所述搜索结果。
可选的,所述第一识别模块82,包括:
第二确定单元,用于基于所述特征信息确定出所述用户的特征变量;
第三确定单元,用于将所述特征变量输入所述年龄识别模型,从而确定出所述第一需求群体的所述第一年龄分布。
可选的,所述第一融合模块83,包括:
第一平移单元,用于基于每个第二年龄分布的产生时间与当前时间的时间间隔,对对应第二年龄分布进行平移;
第一融合单元,用于将平移后的所述至少一个第二年龄分布与所述第一年龄分布进行融合。
可选的,所述第一融合模块83,还包括:
第四确定单元,用于基于所述第一年龄分布与所述至少一个第二年龄分布的融合结果,确定出出现概率满足预设条件的年龄特征;
第一判断单元,用于判断每个出现概率满足预设条件的年龄特征,在各个年龄分布中满足预设条件的次数是否大于预设次数;
第五确定单元,用于如果大于所述预设次数,则确定对应的年龄特征作为所述第一年龄特征。
第九方面,基于同一发明构思,本申请实施例提供一种数据推荐装置,请参考图9,包括:
第一确定模块90,用于确定出用户所操作过的数据对象的特征信息;
第二识别模块91,用于基于所述特征信息,通过年龄识别模型识别出所述用户所对应的第一需求群体的第一年龄分布;
第二融合模块92,用于将所述第一年龄分布与预存的至少一个第二年龄分布进行融合,从而确定出所述第一需求群体的第一年龄特征,所述至少一个第二年龄分布为历史阶段基于所述年龄识别模型所识别出的所述第一需求群体的第一年龄特征;
第二产生模块93,用于产生与所述第一年龄特征所对应的推荐信息。
可选的,所述第二产生模块93,包括:
第六确定单元,用于基于所述第一年龄特征,确定与所述第一年龄特征匹配的数据对象;
第二获得单元,用于获得包含与所述第一年龄特征匹配的数据对象的所述推荐信息。
可选的,所述第二识别模块91,包括:
第七确定单元,用于基于所述特征信息确定出所述用户的特征变量;
第八确定单元,用于将所述特征变量输入所述年龄识别模型,从而确定出所述第一需求群体的所述第一年龄分布。
可选的,所述第二融合模块92,包括:
第二平移单元,用于基于每个第二年龄分布的产生时间与当前时间的时间间隔,对对应第二年龄分布进行平移;
第二融合单元,用于将平移后的所述至少一个第二年龄分布与所述第一年龄分布进行融合。
可选的,所述第二融合模块92,还包括:
第九确定单元,用于基于所述第一年龄分布与所述至少一个第二年龄分布的融合结果,确定出出现概率满足预设条件的年龄特征;
第二判断单元,用于判断每个出现概率满足预设条件的年龄特征,在各个年龄分布中满足预设条件的次数是否大于预设次数;
第十确定单元,用于如果大于所述预设次数,则确定对应的年龄特征作为所述第一年龄特征。
第十方面,基于同一发明构思,本申请实施例提供一种数据推荐装置,请参考图10,包括:
第二确定模块100,用于确定出用户所操作过的数据对象的特征信息,所述数据对象为汽车类目下的数据对象;
第三识别模块101,用于基于所述特征信息,通过需求阶段识别模型识别出所述用户针对汽车产品的第一需求阶段分布;
第三融合模块102,用于将所述第一需求阶段分布与预存的至少一个第二需求分布进行融合,从而确定出所述用户针对汽车产品的第一需求阶段,所述至少一个第二需求阶段分布为历史阶段基于所述需求阶段识别模型所识别出的所述待识别用户针对所述数据对象的需求阶段分布;
第三产生模块103,用于产生与所述第一需求阶段对应的推荐信息。
可选的,所述第三产生模块103,包括:
第十一确定单元,用于确定出汽车类目下与所述第一需求阶段匹配的数据对象;
第三获得单元,用于获得包含与所述第一需求阶段匹配的数据对象的所述推荐信息。
可选的,所述第三识别模块101,包括:
第十二确定单元,用于基于所述特征信息确定出所述用户的特征变量;
第十三确定单元,用于将所述特征变量输入所述需求阶段识别模型,从而确定出所述第一需求群体的所述第一需求阶段分布。
可选的,所述第三融合模块102,包括:
第三平移单元,用于基于每个第二需求阶段分布的产生时间与当前时间的时间间隔,对对应第二需求阶段分布进行平移;
第三融合单元,用于将平移后的所述至少一个第二需求阶段分布与所述第一需求阶段分布进行融合。
第十一方面,基于同一发明构思,本申请实施例提供一种数据推荐装置,请参考图11,包括:
第三确定模块110,用于确定出用户所操作过的数据对象的特征信息,所述数据对象为儿童产品类目下的数据对象;
第四识别模块111,用于基于所述特征信息,通过年龄识别模型识别出所述用户所对应的第一需求群体的第一年龄分布;
第四融合模块112,用于将所述第一年龄分布与预存的至少一个第二年龄分布进行融合,从而确定出所述第一需求群体的第一年龄特征,所述至少一个第二年龄分布为历史阶段基于所述年龄识别模型所识别出的所述第一需求群体的第一年龄特征;
第四产生模块113,用于产生与所述第一年龄特征对应的推荐信息。
可选的,所述第四产生模块113,包括:
第十四确定单元,用于确定出所述儿童产品类别下与所述第一年龄特征匹配的数据对象;
第四获得单元,用于获得包含与所述第一年龄特征匹配的数据对象的所述推荐信息。
可选的,所述第四识别模块111,包括:
第十五确定单元,用于基于所述特征信息确定出所述用户的特征变量;
第十六确定单元,用于将所述特征变量输入所述年龄识别模型,从而确定出所述第一需求群体的所述第一年龄分布。
可选的,所述第四融合模块112,包括:
第四平移单元,用于基于每个第二年龄分布的产生时间与当前时间的时间间隔,对对应第二年龄分布进行平移;
第四融合单元,用于将平移后的所述至少一个第二年龄分布与所述第一年龄分布进行融合。
可选的,所述第四融合模块112,还包括:
第十七确定单元,用于基于所述第一年龄分布与所述至少一个第二年龄分布的融合结果,确定出出现概率满足预设条件的年龄特征;
第三判断单元,用于判断每个出现概率满足预设条件的年龄特征,在各个年龄分布中满足预设条件的次数是否大于预设次数;
第十八确定单元,用于如果大于所述预设次数,则确定对应的年龄特征作为所述第一年龄特征。
第十二方面,基于同一发明构思,本申请实施例提供一种数据处理装置,请参考图12,包括:
第二获得模块120,用于获得待识别用户所操作过的数据对象的特征信息;
第五识别模块121,用于基于所述特征信息,通过需求阶段识别模型识别出待识别用户针对数据对象的第一需求阶段分布;
第五融合模块122,用于将所述第一需求阶段分布与预存的至少一个第二需求分布进行融合,从而确定出所述用户针对所述数据对象的第一需求阶段,所述至少一个第二需求阶段分布为历史阶段基于所述需求阶段识别模型所识别出的所述待识别用户针对所述数据对象的需求阶段分布。
可选的,所述装置还包括:
第五产生模块,用于产生与所述第一需求阶段对应的推荐信息;或者,
第六产生模块,用于产生与所述第一需求阶段对应的搜索结果。
第十三方面,基于同一发明构思,本申请实施例提供一种电子设备,请参考图13,包括:
第一处理器130;
第一存储器131,用于存储一种数据处理方法的程序,所述程序在被所述第一处理器130读取执行时,执行如下操作:
获得控制指令;
响应所述控制指令,获得待识别用户所操作过的数据对象的特征信息;
基于所述特征信息,通过年龄识别模型识别出待识别用户所对应的第一需求群体的第一年龄分布;
将所述第一年龄分布与预存的至少一个第二年龄分布进行融合,从而确定出所述第一需求群体的第一年龄特征,所述至少一个第二年龄分布为历史阶段基于所述年龄识别模型所识别出的所述第一需求群体的第一年龄特征。
第十四方面,基于同一发明构思,本申请实施例提供一种电子设备,请参考图14,包括:
第二处理器140;
第二存储器141,用于存储一种数据搜索方法的程序,所述程序在被所述第二处理器140读取执行时,执行如下操作:
接收用户终端发送的搜索请求;
基于所述搜索请求,获得所述用户终端的用户所操作过的数据对象的特征信息;
基于所述特征信息,通过年龄识别模型识别出所述用户终端的用户所对应的第一需求群体的第一年龄分布;
将所述第一年龄分布与预存的至少一个第二年龄分布进行融合,从而确定出所述第一需求群体的第一年龄特征,所述至少一个第二年龄分布为历史阶段基于所述年龄识别模型所识别出的所述第一需求群体的第一年龄特征;
产生与所述第一年龄特征所对应的搜索结果。
第十五方面,基于同一发明构思,本申请实施例提供一种电子设备,请参考图15,包括:
第三处理器150;
第三存储器151,用于存储一种数据推荐方法的程序,所述程序在被所述第三处理器150读取执行时,执行如下操作:
确定出用户所操作过的数据对象的特征信息;
基于所述特征信息,通过年龄识别模型识别出所述用户所对应的第一需求群体的第一年龄分布;
将所述第一年龄分布与预存的至少一个第二年龄分布进行融合,从而确定出所述第一需求群体的第一年龄特征,所述至少一个第二年龄分布为历史阶段基于所述年龄识别模型所识别出的所述第一需求群体的第一年龄特征;
产生与所述第一年龄特征所对应的推荐信息。
第十六方面,基于同一发明构思,本申请实施例提供一种电子设备,请参考图16,包括:
第四处理器160;
第四存储器161,用于存储一种数据推荐方法的程序,所述程序在被所述第四处理器160读取执行时,执行如下操作:
确定出用户所操作过的数据对象的特征信息,所述数据对象为汽车类目下的数据对象;
基于所述特征信息,通过需求阶段识别模型识别出所述用户针对汽车产品的第一需求阶段分布;
将所述第一需求阶段分布与预存的至少一个第二需求分布进行融合,从而确定出所述用户针对汽车产品的第一需求阶段,所述至少一个第二需求阶段分布为历史阶段基于所述需求阶段识别模型所识别出的所述待识别用户针对所述数据对象的需求阶段分布;
产生与所述第一需求阶段对应的推荐信息。
第十七方面,基于同一发明构思,本申请实施例提供一种电子设备,请参考图17,包括:
第五处理器170;
第五存储器171,用于存储一种数据推荐方法的程序,所述程序在被所述第五处理器170读取执行时,执行如下操作:
确定出用户所操作过的数据对象的特征信息,所述数据对象为儿童产品类目下的数据对象;
基于所述特征信息,通过年龄识别模型识别出所述用户所对应的第一需求群体的第一年龄分布;
将所述第一年龄分布与预存的至少一个第二年龄分布进行融合,从而确定出所述第一需求群体的第一年龄特征,所述至少一个第二年龄分布为历史阶段基于所述年龄识别模型所识别出的所述第一需求群体的第一年龄特征;
产生与所述第一年龄特征对应的推荐信息。
第十八方面,基于同一发明构思,本申请实施例提供一种电子设备,请参考图18,包括:
第六处理器180;
第六存储器181,用于存储一种数据处理方法的程序,所述程序在被所述第六处理器180读取执行时,执行如下操作:
获得待识别用户所操作过的数据对象的特征信息;
基于所述特征信息,通过需求阶段识别模型识别出待识别用户针对数据对象的第一需求阶段分布;
将所述第一需求阶段分布与预存的至少一个第二需求分布进行融合,从而确定出所述用户针对所述数据对象的第一需求阶段,所述至少一个第二需求阶段分布为历史阶段基于所述需求阶段识别模型所识别出的所述待识别用户针对所述数据对象的需求阶段分布。
本申请一个或多个实施例,至少具有以下有益效果:
由于在本申请实施例中,提供了一种云计算系统,包括:数据检索平台10,用于获得控制指令;云计算和存储平台11,连接于所述数据检索平台10,用于接收所述数据检索平台10发送的所述控制指令;并响应所述控制指令,获得待识别用户所操作过的数据对象的特征信息;基于所述特征信息,通过年龄识别模型识别出待识别用户所对应的第一需求群体的第一年龄分布;并将所述第一年龄分布与预存的至少一个第二年龄分布进行融合,从而确定出所述第一需求群体的第一年龄特征,其中,所述至少一个第二年龄分布为历史阶段基于所述年龄识别模型所识别出的所述第一需求群体的第一年龄特征。通常情况下,需求群体的年龄特征往往可以表征该需求群体的需求阶段,其并非利用客户的长期行为一次性挖掘用户针对商品的需求阶段,而是基于多次的挖掘结果进行综合,也就是说其是基于动态融合过程来确定出第一需求群体的第一年龄特征(也即需求阶段),由于动态融合方法可以将待识别用户的历史行为通过结论隐性的传递下去,故而在确定出第一需求群体的第一年龄特征时,只需要使用待识别用户跨阶段的短期行为即可,使得所需的特征信息的数量减少,故而降低了系统的处理负担,也降低了预测时间。
进一步的,在训练出年龄识别模型时,同样使用客户跨阶段的短期行为即可,而不需要传统方法使用该客户很长一段时间的用户行为数据所对应的数据对象的特征信息作为输入,使得所需特征数量大大减少,训练时间大大缩短并且,且动态融合过程(也即:将第一年龄特征与至少一个第二年龄特征融合)的原理是将新的用户行为数据和旧的结论进行匹配和融合,而旧的结论已经隐藏了旧的用户行为数据,故而其所确定出的需求阶段也较为准确,并且系统运行时间越长,隐含的历史信息越多,越丰富,结论越准确稳定。
现有技术中,一般利用客户的长期行为进行一次发掘,训练时间长,预测时间长,预测结论也会倾向于客户的长期稳定的行为,而忽略掉客户短期的兴趣和行为,但是通常情况下短期行为对于客户的短期购买兴趣是有重大指导作用的,而本申请实施例中则是采用的动态融合过程,则可以根据客户长期的行为确定出第一需求群体的等你年龄特征,也可以有效捕捉到客户突然出现的短期行为,基于短期行为可以确定出该用户可能会包含的其他年龄特征的第一需求群体,从而在待识别用户包含多个年龄特征的需求群体时,也能够有效识别。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的设备。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令设备的制造品,该指令设备实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本申请的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。
显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样,倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内,则本申请也意图包含这些改动和变型在内。
Claims (56)
1.一种云计算系统,其特征在于,包括:
数据检索平台,用于获得控制指令;
云计算和存储平台,连接于所述数据检索平台,用于接收所述数据检索平台发送的所述控制指令;并响应所述控制指令,获得预设时间段内待识别用户所操作过的数据对象的特征信息;基于所述特征信息,通过年龄识别模型识别出待识别用户所对应的第一需求群体的第一年龄分布;并将所述第一年龄分布与预存的至少一个第二年龄分布进行融合,从而确定出所述第一需求群体的第一年龄特征,所述至少一个第二年龄分布为历史阶段基于所述年龄识别模型所识别出的所述第一需求群体的第一年龄特征。
2.如权利要求1所述的系统,其特征在于,所述云计算和存储平台,包括:连接于所述数据检索平台的控制集群、以及连接于所述控制集群的云存储和计算集群;
所述控制集群,用于接收所述控制指令,并基于所述控制指令调度用于执行所述控制指令的云存储和计算集群;
所述云存储和计算集群,用于响应所述控制集群的调度,从而基于所述年龄识别模型识别出所述第一需求群体的第一年龄分布;并将所述第一年龄分布与预存的所述第一需求群体的至少一个第二年龄分布进行融合,从而确定出所述第一年龄特征。
3.如权利要求1所述的系统,其特征在于,所述云计算和存储平台通过以下方式识别出所述第一年龄分布:
基于所述特征信息确定出所述待识别用户的特征变量;
将所述特征变量输入所述年龄识别模型,从而确定出所述第一需求群体的所述第一年龄分布。
4.如权利要求3所述的系统,其特征在于,所述云计算和存储平台通过以下方式将所述第一年龄分布与所述至少一个第二年龄分布进行融合:
基于每个第二年龄分布的产生时间与当前时间的时间间隔,对对应第二年龄分布进行平移;
将平移后的所述至少一个第二年龄分布与所述第一年龄分布进行融合。
5.如权利要求3所述的系统,其特征在于,所述云计算和存储平台,还用于通过以下方式确定出所述第一年龄特征:
基于所述第一年龄分布与所述至少一个第二年龄分布的融合结果,确定出出现概率满足预设条件的年龄特征;
判断每个出现概率满足预设条件的年龄特征,在各个年龄分布中满足预设条件的次数是否大于预设次数;
如果大于所述预设次数,则确定对应的年龄特征作为所述第一年龄特征。
6.如权利要求3所述的系统,其特征在于,所述系统还包括:
数据库,用于存储每个用户所对应的数据对象的所述特征信息;
所述云计算和存储平台,连接于所述数据库,用于从所述数据库提取所述待识别用户的所对应的数据对象的所述特征信息。
7.如权利要求1所述的系统,其特征在于,所述数据检索平台,还用于:产生建模指令,并将所述建模指令发送至所述云计算和存储平台;
所述云计算和存储平台,用于接收所述建模指令;基于所述建模指令获取多个采样用户样本;
所述系统还包括:机器学习平台,连接于所述云计算和存储平台,用于接收所述云计算和存储平台发送的所述多个采样用户样本,以及基于所述多个采样用户样本训练出所述年龄识别模型;并将所述年龄识别模型发送至所述云计算和存储平台存储;其中,每个采样用户样本包括:采样用户所操作过的数据对象的特征信息、以及采样用户所对应的需求群体的年龄特征。
8.如权利要求7所述的系统,其特征在于,所述机器学习平台,用于通过以下方式确定出所述年龄识别模型:
确定出每个采样用户样本所对应的特征变量和分类变量;
将所述多个采样用户样本的所述特征变量和分别变量输入分类训练模型进行训练,从而获得所述分类训练模型的拟合函数的系数;
基于所述分类训练模型的拟合函数的系数确定出所述年龄识别模型。
9.如权利要求8所述的系统,其特征在于,用户所操作过的数据对象的特征信息,包括:所述用户针对所述数据对象的用户行为数据、每个用户行为数据的产生时间信息、以及每个数据对象的属性信息中的至少一种特征信息。
10.如权利要求8所述的系统,其特征在于,所述采样用户样本,包括:多个预设时间段内的用户行为数据所对应的数据对象的特征信息,所述多个预设时间段中的每两个预设时间段之间相隔预设时间间隔。
11.如权利要求1-7任一所述的系统,其特征在于,所述云计算和存储平台,还用于:基于所述第一年龄特征产生对应的推荐信息;并将所述推荐信息提供给所述数据检索平台;
所述数据检索平台还用于,接收所述推荐信息,并将所述推荐信息提供给所述待识别用户所在的用户终端。
12.如权利要求10所述的系统,其特征在于,所述云计算和存储平台用于通过以下方式产生推荐信息:
基于所述第一年龄特征,确定与所述第一年龄特征匹配的第一数据对象;
产生对所述第一数据对象进行推荐的所述推荐信息。
13.如权利要求1-7任一所述的系统,其特征在于,所述数据检索平台所获得控制指令为用户终端所产生的搜索指令;
所述云计算和存储平台,还用于:基于所述第一年龄特征产生对应的搜索结果;并将所述搜索结果提供给所述数据检索平台;
所述数据检索平台还用于,接收所述搜索结果,并将所述搜索结果提供给所述待识别用户所在的用户终端。
14.如权利要求13所述的系统,其特征在于,所述云计算和存储平台用于通过以下方式产生所述搜索结果:
基于所述第一年龄特征,确定与所述第一年龄特征匹配的第一数据对象;
产生包含所述第一数据对象的所述搜索结果。
15.一种数据处理方法,其特征在于,包括:
获得控制指令;
响应所述控制指令,获得预设时间段内待识别用户所操作过的数据对象的特征信息;
基于所述特征信息,通过年龄识别模型识别出待识别用户所对应的第一需求群体的第一年龄分布;
将所述第一年龄分布与预存的至少一个第二年龄分布进行融合,从而确定出所述第一需求群体的第一年龄特征,所述至少一个第二年龄分布为历史阶段基于所述年龄识别模型所识别出的所述第一需求群体的第一年龄特征。
16.如权利要求15所述的方法,其特征在于,所述基于年龄识别模型识别出所述第一需求群体的第一年龄分布,包括:
提取出所述待识别用户所对应的数据对象的特征信息;
基于所述特征信息确定出所述待识别用户的特征变量;
将所述特征变量输入所述年龄识别模型,从而确定出所述第一需求群体的所述第一年龄分布。
17.如权利要求16所述的方法,其特征在于,所述将所述第一年龄分布与预存的至少一个第二年龄分布进行融合,包括:
基于每个第二年龄分布的产生时间与当前时间的时间间隔,对对应第二年龄分布进行平移;
将平移后的所述至少一个第二年龄分布与所述第一年龄分布进行融合。
18.如权利要求16所述的方法,其特征在于,所述将所述第一年龄分布与预存的至少一个第二年龄分布进行融合,从而确定出所述第一需求群体的第一年龄特征,包括:
基于所述第一年龄分布与所述至少一个第二年龄分布的融合结果,确定出出现概率满足预设条件的年龄特征;
判断每个出现概率满足预设条件的年龄特征,在各个年龄分布中满足预设条件的次数是否大于预设次数;
如果大于所述预设次数,则确定对应的年龄特征作为所述第一年龄特征。
19.如权利要求16所述的方法,其特征在于,所述方法还包括:
获得建模指令;
响应所述建模指令,获得多个采样用户样本,其中,每个采样用户样本包括:采样用户所操作过的数据对象的特征信息、以及采样用户所对应的需求群体的年龄特征;
基于所述多个采样用户样本训练出所述年龄识别模型。
20.如权利要求19所述的方法,其特征在于,所述基于所述多个采样用户样本训练出所述年龄识别模型,包括:
确定出每个采样用户样本所对应的特征变量和分类变量;
将所述多个采样用户样本的所述特征变量和分别变量输入分类训练模型进行训练,从而获得所述分类训练模型的拟合函数的系数;
基于所述分类训练模型的拟合函数的系数确定出所述年龄识别模型。
21.如权利要求20所述的方法,其特征在于,用户所操作过的数据对象的特征信息,包括:所述用户针对所述数据对象的用户行为数据、每个用户行为数据的产生时间信息、以及每个数据对象的属性信息中的至少一种特征信息。
22.如权利要求20所述的方法,其特征在于,所述采样用户样本,包括:多个预设时间段内的用户行为数据所对应的数据对象的特征信息,所述多个预设时间段中的每两个预设时间段之间相隔预设时间间隔。
23.如权利要求15所述的方法,其特征在于,在所述确定出所述第一需求群体的第一年龄特征之后,所述方法还包括:
确定出与所述第一年龄特征对应的推荐信息;
将所述推荐信息提供给所述待识别用户所在的用户终端。
24.如权利要求23所述的方法,其特征在于,所述确定出与所述第一年龄特征对应的推荐信息,包括:
基于所述第一年龄特征,确定与所述第一年龄特征匹配的第一数据对象;
产生对所述第一数据对象进行推荐的所述推荐信息。
25.如权利要求15-23任一所述的方法,其特征在于,所述获得控制指令,包括:获得用户终端所产生的搜索指令;
基于所述第一年龄特征产生对应的搜索结果;
将所述搜索结果提供给所述用户终端。
26.如权利要求25所述的方法,其特征在于,所述基于所述第一年龄特征产生对应的搜索结果,包括:
基于所述第一年龄特征,确定与所述第一年龄特征匹配的第一数据对象;
产生包含所述第一数据对象的所述搜索结果。
27.一种数据搜索方法,其特征在于,包括:
接收用户终端发送的搜索请求;
基于所述搜索请求,获得预设时间段内所述用户终端的用户所操作过的数据对象的特征信息;
基于所述特征信息,通过年龄识别模型识别出所述用户终端的用户所对应的第一需求群体的第一年龄分布;
将所述第一年龄分布与预存的至少一个第二年龄分布进行融合,从而确定出所述第一需求群体的第一年龄特征,所述至少一个第二年龄分布为历史阶段基于所述年龄识别模型所识别出的所述第一需求群体的第一年龄特征;
产生与所述第一年龄特征所对应的搜索结果。
28.如权利要求27所述的方法,其特征在于,所述产生与所述第一年龄特征所对应的搜索结果,包括:
基于所述第一年龄特征,确定与所述第一年龄特征匹配的数据对象;
获得包含与所述第一年龄特征匹配的数据对象的所述搜索结果。
29.如权利要求27所述的方法,其特征在于,所述通过年龄识别模型识别出所述第一需求群体的第一年龄分布,包括:
基于所述特征信息确定出所述用户的特征变量;
将所述特征变量输入所述年龄识别模型,从而确定出所述第一需求群体的所述第一年龄分布。
30.如权利要求27所述的方法,其特征在于,所述将所述第一年龄分布与预存的至少一个第二年龄分布进行融合,包括:
基于每个第二年龄分布的产生时间与当前时间的时间间隔,对对应第二年龄分布进行平移;
将平移后的所述至少一个第二年龄分布与所述第一年龄分布进行融合。
31.如权利要求27-30任一所述的方法,其特征在于,所述将所述第一年龄分布与预存的至少一个第二年龄分布进行融合,从而确定出所述第一需求群体的第一年龄特征,包括:
基于所述第一年龄分布与所述至少一个第二年龄分布的融合结果,确定出出现概率满足预设条件的年龄特征;
判断每个出现概率满足预设条件的年龄特征,在各个年龄分布中满足预设条件的次数是否大于预设次数;
如果大于所述预设次数,则确定对应的年龄特征作为所述第一年龄特征。
32.一种数据推荐方法,其特征在于,包括:
确定出预设时间段内用户所操作过的数据对象的特征信息;
基于所述特征信息,通过年龄识别模型识别出所述用户所对应的第一需求群体的第一年龄分布;
将所述第一年龄分布与预存的至少一个第二年龄分布进行融合,从而确定出所述第一需求群体的第一年龄特征,所述至少一个第二年龄分布为历史阶段基于所述年龄识别模型所识别出的所述第一需求群体的第一年龄特征;
产生与所述第一年龄特征所对应的推荐信息。
33.如权利要求32所述的方法,其特征在于,所述产生与所述第一年龄特征所对应的推荐信息,包括:
基于所述第一年龄特征,确定与所述第一年龄特征匹配的数据对象;
获得包含与所述第一年龄特征匹配的数据对象的所述推荐信息。
34.如权利要求32所述的方法,其特征在于,所述通过年龄识别模型识别出所述用户所对应的第一需求群体的第一年龄分布,包括:
基于所述特征信息确定出所述用户的特征变量;
将所述特征变量输入所述年龄识别模型,从而确定出所述第一需求群体的所述第一年龄分布。
35.如权利要求32所述的方法,其特征在于,所述将所述第一年龄分布与预存的至少一个第二年龄分布进行融合,包括:
基于每个第二年龄分布的产生时间与当前时间的时间间隔,对对应第二年龄分布进行平移;
将平移后的所述至少一个第二年龄分布与所述第一年龄分布进行融合。
36.如权利要求32-35任一所述的方法,其特征在于,所述将所述第一年龄分布与预存的至少一个第二年龄分布进行融合,从而确定出所述第一需求群体的第一年龄特征,包括:
基于所述第一年龄分布与所述至少一个第二年龄分布的融合结果,确定出出现概率满足预设条件的年龄特征;
判断每个出现概率满足预设条件的年龄特征,在各个年龄分布中满足预设条件的次数是否大于预设次数;
如果大于所述预设次数,则确定对应的年龄特征作为所述第一年龄特征。
37.一种数据推荐方法,其特征在于,包括:
确定出预设时间段内用户所操作过的数据对象的特征信息,所述数据对象为汽车类目下的数据对象;
基于所述特征信息,通过需求阶段识别模型识别出所述用户针对汽车产品的第一需求阶段分布;
将所述第一需求阶段分布与预存的至少一个第二需求分布进行融合,从而确定出所述用户针对汽车产品的第一需求阶段,所述至少一个第二需求阶段分布为历史阶段基于所述需求阶段识别模型所识别出的所述用户针对所述数据对象的需求阶段分布;
产生与所述第一需求阶段对应的推荐信息。
38.如权利要求37所述的方法,其特征在于,所述产生与所述第一需求阶段对应的推荐信息,包括:
确定出汽车类目下与所述第一需求阶段匹配的数据对象;
获得包含与所述第一需求阶段匹配的数据对象的所述推荐信息。
39.如权利要求37所述的方法,其特征在于,所述通过需求阶段识别模型识别出所述用户针对汽车产品的第一需求阶段分布,包括:
基于所述特征信息确定出所述用户的特征变量;
将所述特征变量输入所述需求阶段识别模型,从而确定出所述用户针对汽车产品的所述第一需求阶段分布。
40.如权利要求37所述的方法,其特征在于,所述将所述第一需求阶段分布与预存的至少一个第二需求阶段分布进行融合,包括:
基于每个第二需求阶段分布的产生时间与当前时间的时间间隔,对对应第二需求阶段分布进行平移;
将平移后的所述至少一个第二需求阶段分布与所述第一需求阶段分布进行融合。
41.一种数据推荐方法,其特征在于,包括:
确定出预设时间段内用户所操作过的数据对象的特征信息,所述数据对象为儿童产品类目下的数据对象;
基于所述特征信息,通过年龄识别模型识别出所述用户所对应的第一需求群体的第一年龄分布;
将所述第一年龄分布与预存的至少一个第二年龄分布进行融合,从而确定出所述第一需求群体的第一年龄特征,所述至少一个第二年龄分布为历史阶段基于所述年龄识别模型所识别出的所述第一需求群体的第一年龄特征;
产生与所述第一年龄特征对应的推荐信息。
42.如权利要求41所述的方法,其特征在于,所述产生与所述第一年龄特征对应的推荐信息,包括:
确定出所述儿童产品类别下与所述第一年龄特征匹配的数据对象;
获得包含与所述第一年龄特征匹配的数据对象的所述推荐信息。
43.如权利要求41所述的方法,其特征在于,所述通过年龄识别模型识别出所述用户所对应的第一需求群体的第一年龄分布,包括:
基于所述特征信息确定出所述用户的特征变量;
将所述特征变量输入所述年龄识别模型,从而确定出所述第一需求群体的所述第一年龄分布。
44.如权利要求41所述的方法,其特征在于,所述将所述第一年龄分布与预存的至少一个第二年龄分布进行融合,包括:
基于每个第二年龄分布的产生时间与当前时间的时间间隔,对对应第二年龄分布进行平移;
将平移后的所述至少一个第二年龄分布与所述第一年龄分布进行融合。
45.如权利要求41-44任一所述的方法,其特征在于,所述将所述第一年龄分布与预存的至少一个第二年龄分布进行融合,从而确定出所述第一需求群体的第一年龄特征,包括:
基于所述第一年龄分布与所述至少一个第二年龄分布的融合结果,确定出出现概率满足预设条件的年龄特征;
判断每个出现概率满足预设条件的年龄特征,在各个年龄分布中满足预设条件的次数是否大于预设次数;
如果大于所述预设次数,则确定对应的年龄特征作为所述第一年龄特征。
46.一种数据处理方法,其特征在于,包括:
获得预设时间段内待识别用户所操作过的数据对象的特征信息;
基于所述特征信息,通过需求阶段识别模型识别出待识别用户针对数据对象的第一需求阶段分布;
将所述第一需求阶段分布与预存的至少一个第二需求分布进行融合,从而确定出所述用户针对所述数据对象的第一需求阶段,所述至少一个第二需求阶段分布为历史阶段基于所述需求阶段识别模型所识别出的所述待识别用户针对所述数据对象的需求阶段分布。
47.如权利要求46所述的方法,其特征在于,在所述确定出所述用户针对所述数据对象的第一需求阶段之后,所述方法还包括:
产生与所述第一需求阶段对应的推荐信息;或者,
产生与所述第一需求阶段对应的搜索结果。
48.一种数据搜索装置,其特征在于,包括:
接收模块,用于接收用户终端发送的搜索请求;
第一获得模块,用于基于所述搜索请求,获得预设时间段内所述用户终端的用户所操作过的数据对象的特征信息;
第一识别模块,用于基于所述特征信息,通过年龄识别模型识别出所述用户终端的用户所对应的第一需求群体的第一年龄分布;
第一融合模块,用于将所述第一年龄分布与预存的至少一个第二年龄分布进行融合,从而确定出所述第一需求群体的第一年龄特征,所述至少一个第二年龄分布为历史阶段基于所述年龄识别模型所识别出的所述第一需求群体的第一年龄特征;
第一产生模块,用于产生与所述第一年龄特征所对应的搜索结果。
49.一种数据推荐装置,其特征在于,包括:
第一确定模块,用于确定出预设时间段内用户所操作过的数据对象的特征信息;
第二识别模块,用于基于所述特征信息,通过年龄识别模型识别出所述用户所对应的第一需求群体的第一年龄分布;
第二融合模块,用于将所述第一年龄分布与预存的至少一个第二年龄分布进行融合,从而确定出所述第一需求群体的第一年龄特征,所述至少一个第二年龄分布为历史阶段基于所述年龄识别模型所识别出的所述第一需求群体的第一年龄特征;
第二产生模块,用于产生与所述第一年龄特征所对应的推荐信息。
50.一种数据推荐装置,其特征在于,包括:
第二确定模块,用于确定出预设时间段内用户所操作过的数据对象的特征信息,所述数据对象为汽车类目下的数据对象;
第三识别模块,用于基于所述特征信息,通过需求阶段识别模型识别出所述用户针对汽车产品的第一需求阶段分布;
第三融合模块,用于将所述第一需求阶段分布与预存的至少一个第二需求分布进行融合,从而确定出所述用户针对汽车产品的第一需求阶段,所述至少一个第二需求阶段分布为历史阶段基于所述需求阶段识别模型所识别出的所述用户针对所述数据对象的需求阶段分布;
第三产生模块,用于产生与所述第一需求阶段对应的推荐信息。
51.一种电子设备,其特征在于,包括:
第一处理器;
第一存储器,用于存储一种数据处理方法的程序,所述程序在被所述第一处理器读取执行时,执行如下操作:
获得控制指令;
响应所述控制指令,获得预设时间段内待识别用户所操作过的数据对象的特征信息;
基于所述特征信息,通过年龄识别模型识别出待识别用户所对应的第一需求群体的第一年龄分布;
将所述第一年龄分布与预存的至少一个第二年龄分布进行融合,从而确定出所述第一需求群体的第一年龄特征,所述至少一个第二年龄分布为历史阶段基于所述年龄识别模型所识别出的所述第一需求群体的第一年龄特征。
52.一种电子设备,其特征在于,包括:
第二处理器;
第二存储器,用于存储一种数据搜索方法的程序,所述程序在被所述第二处理器读取执行时,执行如下操作:
接收用户终端发送的搜索请求;
基于所述搜索请求,获得预设时间段内所述用户终端的用户所操作过的数据对象的特征信息;
基于所述特征信息,通过年龄识别模型识别出所述用户终端的用户所对应的第一需求群体的第一年龄分布;
将所述第一年龄分布与预存的至少一个第二年龄分布进行融合,从而确定出所述第一需求群体的第一年龄特征,所述至少一个第二年龄分布为历史阶段基于所述年龄识别模型所识别出的所述第一需求群体的第一年龄特征;
产生与所述第一年龄特征所对应的搜索结果。
53.一种电子设备,其特征在于,包括:
第三处理器;
第三存储器,用于存储一种数据推荐方法的程序,所述程序在被所述第三处理器读取执行时,执行如下操作:
确定出预设时间段内用户所操作过的数据对象的特征信息;
基于所述特征信息,通过年龄识别模型识别出所述用户所对应的第一需求群体的第一年龄分布;
将所述第一年龄分布与预存的至少一个第二年龄分布进行融合,从而确定出所述第一需求群体的第一年龄特征,所述至少一个第二年龄分布为历史阶段基于所述年龄识别模型所识别出的所述第一需求群体的第一年龄特征;
产生与所述第一年龄特征所对应的推荐信息。
54.一种电子设备,其特征在于,包括:
第四处理器;
第四存储器,用于存储一种数据推荐方法的程序,所述程序在被所述第四处理器读取执行时,执行如下操作:
确定出预设时间段内用户所操作过的数据对象的特征信息,所述数据对象为汽车类目下的数据对象;
基于所述特征信息,通过需求阶段识别模型识别出所述用户针对汽车产品的第一需求阶段分布;
将所述第一需求阶段分布与预存的至少一个第二需求分布进行融合,从而确定出所述用户针对汽车产品的第一需求阶段,所述至少一个第二需求阶段分布为历史阶段基于所述需求阶段识别模型所识别出的所述用户针对所述数据对象的需求阶段分布;
产生与所述第一需求阶段对应的推荐信息。
55.一种电子设备,其特征在于,包括:
第五处理器;
第五存储器,用于存储一种数据推荐方法的程序,所述程序在被所述第五处理器读取执行时,执行如下操作:
确定出预设时间段内用户所操作过的数据对象的特征信息,所述数据对象为儿童产品类目下的数据对象;
基于所述特征信息,通过年龄识别模型识别出所述用户所对应的第一需求群体的第一年龄分布;
将所述第一年龄分布与预存的至少一个第二年龄分布进行融合,从而确定出所述第一需求群体的第一年龄特征,所述至少一个第二年龄分布为历史阶段基于所述年龄识别模型所识别出的所述第一需求群体的第一年龄特征;
产生与所述第一年龄特征对应的推荐信息。
56.一种电子设备,其特征在于,包括:
第六处理器;
第六存储器,用于存储一种数据处理方法的程序,所述程序在被所述第六处理器读取执行时,执行如下操作:
获得预设时间段内待识别用户所操作过的数据对象的特征信息;
基于所述特征信息,通过需求阶段识别模型识别出待识别用户针对数据对象的第一需求阶段分布;
将所述第一需求阶段分布与预存的至少一个第二需求分布进行融合,从而确定出所述用户针对所述数据对象的第一需求阶段,所述至少一个第二需求阶段分布为历史阶段基于所述需求阶段识别模型所识别出的所述待识别用户针对所述数据对象的需求阶段分布。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710053591.2A CN108345604B (zh) | 2017-01-22 | 2017-01-22 | 数据处理方法、搜索方法、推荐方法及相关设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710053591.2A CN108345604B (zh) | 2017-01-22 | 2017-01-22 | 数据处理方法、搜索方法、推荐方法及相关设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108345604A CN108345604A (zh) | 2018-07-31 |
CN108345604B true CN108345604B (zh) | 2022-01-25 |
Family
ID=62962136
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710053591.2A Active CN108345604B (zh) | 2017-01-22 | 2017-01-22 | 数据处理方法、搜索方法、推荐方法及相关设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108345604B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110145904A (zh) * | 2019-04-18 | 2019-08-20 | 广州汇电云联互联网科技有限公司 | 一种冷机组人工智能云控制系统 |
CN112311732A (zh) * | 2019-07-29 | 2021-02-02 | 阿里巴巴集团控股有限公司 | 信息处理方法、装置及电子设备 |
CN114117235A (zh) * | 2021-12-07 | 2022-03-01 | 绥化市纯互联网商务有限公司 | 采用人工智能分析的电商内容推送方法及电商大数据系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103279804A (zh) * | 2013-04-29 | 2013-09-04 | 清华大学 | 超短期风电功率的预测方法 |
CN106096439A (zh) * | 2016-06-03 | 2016-11-09 | 武汉大学 | 一种基于移动用户配置文件混淆的隐私保护系统及方法 |
CN106203306A (zh) * | 2016-06-30 | 2016-12-07 | 北京小米移动软件有限公司 | 年龄的预测方法、装置及终端 |
CN106326441A (zh) * | 2016-08-26 | 2017-01-11 | 乐视控股(北京)有限公司 | 信息推荐方法及装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130268318A1 (en) * | 2012-04-04 | 2013-10-10 | Sas Institute Inc. | Systems and Methods for Temporal Reconciliation of Forecast Results |
-
2017
- 2017-01-22 CN CN201710053591.2A patent/CN108345604B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103279804A (zh) * | 2013-04-29 | 2013-09-04 | 清华大学 | 超短期风电功率的预测方法 |
CN106096439A (zh) * | 2016-06-03 | 2016-11-09 | 武汉大学 | 一种基于移动用户配置文件混淆的隐私保护系统及方法 |
CN106203306A (zh) * | 2016-06-30 | 2016-12-07 | 北京小米移动软件有限公司 | 年龄的预测方法、装置及终端 |
CN106326441A (zh) * | 2016-08-26 | 2017-01-11 | 乐视控股(北京)有限公司 | 信息推荐方法及装置 |
Non-Patent Citations (1)
Title |
---|
"基于Hadoop的用户特征数据统一分析平台设计与实现";叶帮华;《中国优秀硕士学位论文全文数据库信息科技辑》;20150215;正文第7-9,39-42,47,61-63,69-70,78页 * |
Also Published As
Publication number | Publication date |
---|---|
CN108345604A (zh) | 2018-07-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111784455B (zh) | 一种物品推荐方法及推荐设备 | |
CN108959603B (zh) | 基于深度神经网络的个性化推荐系统及方法 | |
CN107145518B (zh) | 一种社交网络下基于深度学习的个性化推荐系统 | |
CN109299994B (zh) | 推荐方法、装置、设备及可读存储介质 | |
US20230023201A1 (en) | Dynamic predictive similarity grouping based on vectorization of merchant data | |
CN107465754B (zh) | 一种新闻推荐方法和装置 | |
US10664888B2 (en) | Method and system for attribute extraction from product titles using sequence labeling algorithms | |
CN105718184A (zh) | 一种数据处理方法和装置 | |
CN106294500B (zh) | 内容项目的推送方法、装置及系统 | |
US10733658B2 (en) | Methods and systems of discovery of products in E-commerce | |
CN103824213A (zh) | 一种基于用户偏好与商品属性的个性化推荐方法 | |
CN111737418B (zh) | 搜索词和商品的相关性预测方法、设备和存储介质 | |
CN108345604B (zh) | 数据处理方法、搜索方法、推荐方法及相关设备 | |
CN111310038B (zh) | 信息推荐方法、装置、电子设备及计算机可读存储介质 | |
CN104517216A (zh) | 增强推荐系统和方法 | |
Yan et al. | Implementation of a product-recommender system in an IoT-based smart shopping using fuzzy logic and apriori algorithm | |
CN111400613A (zh) | 物品推荐方法、装置、介质及计算机设备 | |
CN112132660B (zh) | 商品推荐方法、系统、设备及存储介质 | |
KR20180113111A (ko) | 키워드 검색량 기반 예측 정보 생성 장치 및 방법 | |
JP2018045553A (ja) | 選択装置、選択方法および選択プログラム | |
CN109034981A (zh) | 一种电商协同过滤推荐方法 | |
Kaburuan et al. | Sentiment Analysis on Product Reviews from Shopee Marketplace using the Naïve Bayes Classifier | |
CN116340643B (zh) | 对象推荐的调整方法及装置、存储介质、电子设备 | |
CN105590234A (zh) | 一种向目标用户推荐商品的方法和系统 | |
CN110796504B (zh) | 物品推荐方法和装置 |
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 |