CN108875043B - 用户数据处理方法、装置、计算机设备和存储介质 - Google Patents
用户数据处理方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN108875043B CN108875043B CN201810681318.9A CN201810681318A CN108875043B CN 108875043 B CN108875043 B CN 108875043B CN 201810681318 A CN201810681318 A CN 201810681318A CN 108875043 B CN108875043 B CN 108875043B
- Authority
- CN
- China
- Prior art keywords
- user
- pushing
- user group
- target information
- determining
- 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
Abstract
本申请提出一种用户数据处理方法、装置、计算机设备和存储介质,其中,方法包括:将用户特征相同的用户作为一个群体,确定在预设时间段内第一用户群对应的目标信息的第一推送次数,若第一推送次数小于第一阈值,获取N个第二用户群分别对应的目标信息的N个第二推送次数,在第一推送次数与N个第二推送次数的和等于或者大于第一阈值时,获取第一用户群对目标信息的第一点击次数,N个第二用户群分别对目标信息的N个第二点击次数,根据第一推送次数、N个第二推送次数、第一点击次数及N个第二点击次数,确定第一用户群与目标信息的关联度。实现将用户进行较小粒度的分群处理,提高了确定的用户群特征数据的准确性,为准确的信息推送提供了条件。
Description
技术领域
本申请涉及电子设备技术领域,尤其涉及一种用户数据处理方法、装置、计算机设备和存储介质。
背景技术
随着电子设备技术的发展,电子设备上的应用程序越来越多。为了提高用户体验,通常将用户分群,以对不同群体内的用户进行信息推送。比如,将年龄进行分段,以对不同年龄段内的用户进行个性化推送。
但是,在实际应用中,采用上述分群方式时,可能会导致处于分群边界的相似用户的用户数据存在很大的跳跃性。比如,将用户按年龄划分为13岁-17岁用户群,18岁-25岁用户群,25岁-30岁用户群等,且通过数据处理后,确定13岁-17岁用户群对应的特征,与18岁-25岁用户群对应的用户特征差异较大,从而根据上述分群方式,为不同群体内用户进行信息推送时,就会使得17岁用户与18岁用户获取的推送信息的差异性也会较大。也就是说,上述分群方式,准确性较差,从而使得推送信息的准确性较低,用户体验差。
发明内容
本申请提出一种用户数据处理方法、装置、计算机设备和存储介质,以实现将用户进行较小粒度的分群处理,提高了确定的用户群特征数据的准确性,为实现准确的信息推送提供了条件,改善了用户体验。
本申请一方面实施例提出了一种用户数据处理方法,包括:
确定在预设时间段内第一用户群对应的目标信息的第一推送次数,其中,第一用户群对应的用户特征相同;
若所述第一推送次数小于第一阈值,则获取N个第二用户群分别对应的目标信息的N个第二推送次数,其中,所述第二用户群与所述第一用户群分别对应的用户特征间的相关性大于第二阈值,其中,N为大于或等于1的正整数;
在所述第一推送次数与所述N个第二推送次数的和等于或者大于所述第一阈值时,获取所述第一用户群对所述目标信息的第一点击次数,及所述N个第二用户群分别对所述目标信息的N个第二点击次数;
根据所述第一推送次数、N个第二推送次数、第一点击次数及N个第二点击次数,确定所述第一用户群与所述目标信息的关联度。
本申请实施例的用户数据处理方法,通过将用户特征相同的用户作为一个群体,确定在预设时间段内第一用户群对应的目标信息的第一推送次数,若第一推送次数小于第一阈值,则获取N个第二用户群分别对应的目标信息的N个第二推送次数,在第一推送次数与N个第二推送次数的和等于或者大于第一阈值时,获取第一用户群对目标信息的第一点击次数,及N个第二用户群分别对目标信息的N个第二点击次数,根据第一推送次数、N个第二推送次数、第一点击次数及N个第二点击次数,确定第一用户群与目标信息的关联度。本实施例中,通过将用户进行细粒度的分群处理,并且在用户特征相同的第一用户群对应的第一推送次数小于第一阈值时,根据与第一用户群的用户特征间的相关性大于第二阈值的N个第二用户群的推送次数和点击次数,以及第一用户群的点击次数,确定第一用户群与目标信息的关联度。由此,通过根据各用户群间的相关性,利用与第一用户群相关性较大的第二用户群的用户数据,辅助确定第一用户群与目标信息的关联度,从而实现了将用户进行较小粒度的分群处理,提高了确定的用户群特征数据的准确性,为实现准确的信息推送提供了条件,改善了用户体验。
本申请另一方面实施例提出了一种用户数据处理装置,包括:
第一确定模块,用于确定在预设时间段内第一用户群对应的目标信息的第一推送次数,其中,第一用户群对应的用户特征相同;
第一获取模块,用于在所述第一推送次数小于第一阈值时,获取N个第二用户群分别对应的目标信息的N个第二推送次数,其中,所述第二用户群与所述第一用户群分别对应的用户特征间的相关性大于第二阈值,其中,N为大于或等于1的正整数;
第二获取模块,用于在所述第一推送次数与所述N个第二推送次数的和等于或者大于所述第一阈值时,获取所述第一用户群对所述目标信息的第一点击次数,及所述N个第二用户群分别对所述目标信息的N个第二点击次数;
第二确定模块,用于根据所述第一推送次数、N个第二推送次数、第一点击次数及N个第二点击次数,确定所述第一用户群与所述目标信息的关联度。
本申请实施例的用户数据处理装置,通过确定在预设时间段内第一用户群对应的目标信息的第一推送次数,若第一推送次数小于第一阈值,则获取N个第二用户群分别对应的目标信息的N个第二推送次数,在第一推送次数与N个第二推送次数的和等于或者大于第一阈值时,获取第一用户群对目标信息的第一点击次数,及N个第二用户群分别对目标信息的N个第二点击次数,根据第一推送次数、N个第二推送次数、第一点击次数及N个第二点击次数,确定第一用户群与目标信息的关联度。本实施例中,通过将用户进行细粒度的分群处理,并且在用户特征相同的第一用户群对应的第一推送次数小于第一阈值时,根据与第一用户群的用户特征间的相关性大于第二阈值的N个第二用户群的推送次数和点击次数,以及第一用户群的点击次数,确定第一用户群与目标信息的关联。由此,通过根据各用户群间的相关性,利用与第一用户群相关性较大的第二用户群的用户数据,辅助确定第一用户群与目标信息的关联度,从而实现了将用户进行较小粒度的分群处理,提高了确定的用户群特征数据的准确性,为实现准确的信息推送提供了条件,改善了用户体验。
本申请另一方面实施例提出了一种计算机设备,包括处理器和存储器;
其中,所述处理器通过读取所述存储器中存储的可执行程序代码来运行与所述可执行程序代码对应的程序,以用于实现如上述一方面实施例所述的用户数据处理方法。
本申请另一方面实施例提出了一种非临时性计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如上述一方面实施例所述的用户数据处理方法。
本申请附加的方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本申请的实践了解到。
附图说明
本申请上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解,其中:
图1为本申请实施例提供的一种用户数据处理方法的流程示意图;
图2为本申请实施例提供的一种确定第一用户群对应的目标推送次数的方法的流程图;
图3为本申请实施例提供的一种用户数据处理装置的结构示意图;
图4示出了适于用来实现本申请实施方式的示例性计算机设备的框图。
具体实施方式
下面详细描述本申请的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,旨在用于解释本申请,而不能理解为对本申请的限制。
下面参考附图描述本申请实施例的用户数据处理方法、装置、计算机设备和存储介质。
本申请实施例针对相关技术中的分群方式,准确性较差,从而使得推送信息的准确性较低的问题,提出一种用户数据处理方法。
本申请实施例的用户数据处理方法,通过将用户进行细粒度的分群处理,并且在用户特征相同的第一用户群对应的第一推送次数小于第一阈值时,根据与第一用户群的用户特征间的相关性大于第二阈值的N个第二用户群的推送次数和点击次数,以及第一用户群的点击次数,确定第一用户群与目标信息的关联度。由此,通过根据各用户群间的相关性,利用与第一用户群相关性较大的第二用户群的用户数据,辅助确定第一用户群与目标信息的关联度,从而实现了将用户进行较小粒度的分群处理,提高了确定的用户群特征数据的准确性,为实现准确的信息推送提供了条件,改善了用户体验。
图1为本申请实施例提供的一种用户数据处理方法的流程示意图。
如图1所示,该用户数据处理方法包括:
步骤101,确定在预设时间段内第一用户群对应的目标信息的第一推送次数,其中,第一用户群对应的用户特征相同。
其中,预设时间段可以是一个小时、一天、两天、一个月等,本实施例对此不作限定;用户特征是指具有连续性的特征,如年龄、工资收入等。
本实施例中,将用户特征相同的用户作为一个群体,比如将年龄为17岁的用户作为第一用户群,以确定第一用户群与目标信息的相关度。其中,目标信息可以是历史类小说、体育新闻、娱乐新闻等类似的信息。
本实施例中,可统计在预设时间段内对第一用户群推送目标信息的第一推送次数。比如,统计一天内对年龄为17岁的第一用户群推送的历史类小说的推送次数。
在实际应用中,可首先确定属于第一用户群的目标用户,再根据对目标用户推送目标信息的推送次数,确定第一推送次数。
具体地,可首先根据在预设时间段内各活跃用户分别对应的特征,确定属于第一用户群的目标用户。
比如,若根据各活跃用户分别对应的特征,确定在一个小时内,属于第一用户群(年龄为18岁)的目标用户共有1000个。
在确定第一用户群的目标用户后,根据目标用户分别获取的各推送信息及各推送信息分别对应的推送次数,确定目标信息的第一推送次数。例如,目标信息为“娱乐信息”,且在一个小时内,向该1000个目标用户分别推送的推送信息分别包括“娱乐信息”、“体育信息”、“军事信息”,且“娱乐信息”对应的推送次数为1万次,即该第一用户群在预设时间段内对应的目标信息的第一推送次数为1万次。
步骤102,若第一推送次数小于第一阈值,则获取N个第二用户群分别对应的目标信息的N个第二推送次数。
在实际应用中,可能会存在第一用户群对应的第一推送次数较少的情况,如果根据相关技术中的分群方式,可能会导致确定的用户群特征数据不准确。
本实施例中,设置一个第一阈值,将第一推送次数与第一阈值进行比较。当第一推送次数小于第一阈值时,说明第一用户群对应的数据量较少。这时,可获取N个第二用户群分别对应的目标信息的N个第二推送次数,以根据N个第二用户群的数据获取第一用户群与目标信息的关联度。其中,第二用户群与第一用户群分别对应的用户特征间的相关性大于第二阈值。
也就是说,当第一推送次数小于第一阈值时,获取与第一用户群相关性大于第二阈值的第二用户群的推送次数,以根据第二用户群的推送次数,确定第一用户群与目标信息的关联度。
比如,第一阈值为5000,第一用户群由年龄为18岁的用户组成。由于年龄17岁或19与18岁的相关性大于第二阈值60%,且17岁或者19与18岁的相关性,比16岁与18岁的相关性大。若年龄为18岁的第一用户群对应的第一推送次数为100次小于第一阈值5000,那么可获取年龄为17岁的第二用户群对应的第二推送次数。如果17岁对应的第二推送次数与第一推送次数之和,仍然小于第一阈值5000,则继续获取年龄19岁的第二用户群对应的第二推送次数,再计算19岁对应的第二推送次数,和17岁对应的第二推送次数与第一推送次数之和,是否小于5000。
步骤103,在第一推送次数与N个第二推送次数的和等于或者大于第一阈值时,获取第一用户群对目标信息的第一点击次数,及N个第二用户群分别对目标信息的N个第二点击次数。
本实施例中,将第一推送次数与N个第二推送次数相加,将得到的和值与第一阈值进行比较。在第一推送次数与N个第二推送次数的和等于或者大于第一阈值时,说明和值达到了数据处理标准,获取第一用户群对目标信息的第一点击次数,及N个第二用户群分别对目标信息的N个第二点击次数。
步骤104,根据第一推送次数、N个第二推送次数、第一点击次数及N个第二点击次数,确定第一用户群与目标信息的关联度。
本实施例中,第一用户群与目标信息的关联度,可以用于表征第一用户群中各用户对目标信息的点击率。具体地,可将第一点击次数与N个第二点击次数之和,与第一推送次数与N个第二推送次数之和的比值,确定为第一用户群与目标信息的关联度。
进一步地,在确定第一用户群与目标信息的关联度后,可根据关联度确定目标信息在未来预设时间段内向对第一用户群中各用户的推送方式。其中,推送方式包括推送频次、推送时间及推送顺序等。
作为一种可能的实现方式,可预先建立关联度范围与推送方式的对应关系,根据第一用户群与目标信息的关联度,确定其所在的关联度范围,进而根据关联度范围确定推送方式。
例如,关联度范围(0.8,1]对应的推送频次为每半个小时推送一次,第一用户群与目标信息的关联度为0.83,则可以确定向第一用户群中的各用户推送与目标信息相关的信息的频次,为每半个小时推送一次。
作为另一种可能的实现方式,在确定出第一用户群与多个目标信息的关联度后,还可按照关联度的高低顺序,向第一用户群的各用户推送与目标信息相关的信息。
比如,18岁的用户组成的第一用户群与娱乐视频的关联度大于与历史题材视频的关联度。在向18岁的第一用户群推送信息时,可优先推送娱乐视频,再推送历史题材视频。
在实际应用中,在上述步骤102获取N个第二用户群分别对应的目标信息的N个第二推送次数之前,可先确定N个第二用户群,之后再获取第二用户群的第二推送次数。
为了提高确定的用户群特征数据的准确性,在确定N个第二用户群时,可将与第一用户群的用户特征相关性大的用户群,作为第二用户群。
作为一种可能的实现方式,可计算各用户群的用户特征与第一用户群的用户特征的相关性,将相关性与第二阈值进行比较,以筛选出相关性大于第二阈值的用户群。之后,从筛选出的用户群中,根据相关性的高低顺序依次获取N个第二用户群。
在实际应用中,可能存在多个与第一用户群相关性相同的用户群。例如,18岁用户组成的第一用户群,分别与17岁用户组成的用户群和19岁用户组成的用户群的相关性相同。
基于此,在确定N个第二用户群时,作为另一种可能的实现方式,从与第一用户群的相关性相同、且均大于第二阈值的至少两个用户群中,抽取N个第二用户群。
例如,17岁用户组成的用户群和19岁用户组成的用户群,与18岁用户组成的第一用户群的相关性相同,且均大于第二阈值,那么在N为1时,则可从17岁用户组成的用户群和19岁用户组成的用户群中任选一个作为第二用户群。
或者,根据相关性由高至低的顺序,依次从与第一用户群的相关性相同、且均大于第二阈值的至少两个用户群中,分别抽取相同数量的用户组成N个第二用户群。
例如,17岁用户组成的用户群和19岁用户组成的用户群,与18岁用户组成的第一用户群的相关性相同,且大于16岁用户组成的用户群和20岁用户组成的用户群,与第一用户群的相关性。那么可首先在17岁用户组成的用户群和19岁用户组成的用户群,中分别选取相同数量的用户,组成第二用户群,即第二用户群中包括数量相同的17岁的用户及19岁的用户。若第一次选取第二用户群后,第二推送次数与第一推送次数之和,仍然小于第一阈值,则再选取相同数量的17岁用户及19岁用户,再次组成新的第二用户群。
上述示例中,选取相同数量的用户,例如,设置第一用户群中用户数量第三阈值为5000,第一用户群中用户数为3000小于第三阈值5000,可将第三阈值与第一用户群中用户数作差,得到差值2000,那么可从17岁用户和19岁用户中各选取1000个用户,由1000个17岁用户和1000个19岁用户,组成第二用户群。或者,从17岁用户群中取一半数量的用户,与从19岁用户群中取一半数量的用户,组成第二用户群。
在实际应用中,如果第一推送次数远小于第二推送次数,确定出的第一用户群与目标信息的关联度,可能不能准确的确定第一用户群对应的特征数据。基于此,本实施例中,在确定所述第一用户群与目标信息的关联度之前,可适当地放大第一推送次数,以确定第一用户群对应的目标推送次数。下面结合图2进行详细说明,图2为本申请实施例提供的一种确定第一用户群对应的目标推送次数的方法的流程图。
如图2所示,该确定第一用户群对应的目标推送次数的方法包括:
步骤201,根据N的取值,确定第一推送次数对应的放大系数。
本实施例中,可将N的取值,作为第一推送次数对应的放大系数。
步骤202,根据放大系数、第一推送次数及第二推送次数,确定第一用户群对应的目标推送次数。
本实施例中,以年龄作为用户特征,第一用户群对应的目标推送次数的计算方法,可如公式(1)所示。
其中,b表示目标推送次数,N为放大系数,bn表示第一推送次数,bN+i和bN-i表示第二用户群的第二推送次数。
在上述公式(1)的基础上,可以确定出第一用户群对应的目标点击次数,如公式(2)所示。
其中,a表示目标点击次数,N为放大系数,an表示第一点击次数,aN+i和aN-i表示第二用户群的第二点击次数。
在计算出目标点击次数与目标推送次数后,可将a与b的比值作为第一用户群与目标信息的关联度。
或者,将N个第二推送次数之和与第一推送次数的差值,与第一推送次数的比值,作为第一推送次数对应的放大系数。之后,根据确定的放大系数、第一推送次数及第二推送次数,确定第一用户群对应的目标推送次数。可以理解的是,目标推送次数与目标点击次数的计算公式与上述公式(1)和公式(2)类似,在此不再赘述。
本实施例中,通过引入放大系数,计算目标推送次数,从而可以扩大第一用户群的第一推送次数,在第一推送次数和N个第二推送次数之和中所占的比例,避免第一用户群的特征数据被N个第二用户群的特征数据覆盖,进一步提高了确定的用户群特征数据的准确性。
为了实现上述实施例,本申请实施例还提出一种用户数据处理装置。图3为本申请实施例提供的一种用户数据处理装置的结构示意图。
如图3所示,该用户数据处理装置包括:第一确定模块310、第一获取模块320、第二获取模块330、第二确定模块340。
第一确定模块310用于确定在预设时间段内第一用户群对应的目标信息的第一推送次数,其中,第一用户群对应的用户特征相同。
第一获取模块320用于在第一推送次数小于第一阈值时,获取N个第二用户群分别对应的目标信息的N个第二推送次数,其中,第二用户群与第一用户群分别对应的用户特征间的相关性大于第二阈值,其中,N为大于或等于1的正整数。
第二获取模块330用于在第一推送次数与N个第二推送次数的和等于或者大于第一阈值时,获取第一用户群对目标信息的第一点击次数,及N个第二用户群分别对目标信息的N个第二点击次数。
第二确定模块340用于根据第一推送次数、N个第二推送次数、第一点击次数及N个第二点击次数,确定第一用户群与所述目标信息的关联度。
在本实施例一种可能的实现方式中,该装置还可包括:
第三获取模块,用于在获取N个第二用户群对应的目标信息的第二推送次数之前,从与第一用户群的相关性大于第二阈值的各用户群中,根据相关性由高至低的顺序依次获取N个第二用户群;
或者,
从与第一用户群的相关性相同、且均大于第二阈值的至少两个用户群中,抽取N个第二用户群;
或者,
根据相关性由高至低的顺序,依次从与第一用户群的相关性相同、且均大于第二阈值的至少两个用户群中,分别抽取相同数量的用户组成N个第二用户群。
在本实施例一种可能的实现方式中,该装置还可包括:
第三确定模块,用于确定第一用户群与目标信息的关联度之前,根据N的取值,确定第一推送次数对应的放大系数;
第四确定模块,用于根据放大系数、第一推送次数及第二推送次数,确定第一用户群对应的目标推送次数。
在本实施例一种可能的实现方式中,该装置还可包括:
第五确定模块,用于确定第一用户群与目标信息的关联度之前,根据第二推送次数与第一推送次数的差值,与第一推送次数的比值,确定第一推送次数对应的放大系数;
第四确定模块,还用于根据放大系数、第一推送次数及第二推送次数,确定第一用户群对应的目标推送次数。
在本实施例一种可能的实现方式中,上述第一确定模块310还用于:
根据在预设时间段内各活跃用户分别对应的特征,确定属于第一用户群的目标用户;
根据目标用户分别获取的各推送信息及各推送信息分别对应的推送次数,确定目标信息的第一推送次数。
在本实施例一种可能的实现方式中,该装置还可包括:
第六确定模块,用于确定第一用户群与目标信息的关联度之后,根据第一用户群与目标信息的关联度,确定目标信息在未来预设时间段内向第一用户群中的各用户推送的方式,其中,推送的方式,包括以下信息中的至少一个:推送频次、推送时间及推送顺序。
需要说明的是,前述对用户数据处理方法实施例的解释说明,也适用于该实施例的用户数据处理装置,故在此不再赘述。
本申请实施例的用户数据处理装置,通过确定在预设时间段内第一用户群对应的目标信息的第一推送次数,若第一推送次数小于第一阈值,则获取N个第二用户群分别对应的目标信息的N个第二推送次数,在第一推送次数与N个第二推送次数的和等于或者大于第一阈值时,获取第一用户群对目标信息的第一点击次数,及N个第二用户群分别对目标信息的N个第二点击次数,根据第一推送次数、N个第二推送次数、第一点击次数及N个第二点击次数,确定第一用户群与目标信息的关联度。本实施例中,通过将用户进行细粒度的分群处理,并且在将用户特征相同的用户作为一个群体,在用户特征相同的第一用户群对应的第一推送次数小于第一阈值时,根据与第一用户群的用户特征间的相关性大于第二阈值的N个第二用户群的推送次数和点击次数,以及第一用户群的点击次数,确定第一用户群与目标信息的关联度。由此,通过根据各用户群间的相关性,利用与第一用户群相关性较大的第二用户群的用户数据,辅助确定第一用户群与目标信息的关联度,从而实现了将用户进行较小粒度的分群处理,提高了确定的用户群特征数据的准确性,为实现准确的信息推送提供了条件,改善了用户体验。
为了实现上述实施例,本申请实施例还提出一种计算机设备,包括处理器和存储器;
其中,所述处理器通过读取所述存储器中存储的可执行程序代码来运行与所述可执行程序代码对应的程序,以用于实现如上述实施例所述的用户数据处理方法。
图4示出了适于用来实现本申请实施方式的示例性计算机设备的框图。图4显示的计算机设备12仅仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。
如图4所示,计算机设备12以通用计算设备的形式表现。计算机设备12的组件可以包括但不限于:一个或者多个处理器或者处理单元16,系统存储器28,连接不同系统组件(包括系统存储器28和处理单元16)的总线18。
总线18表示几类总线结构中的一种或多种,包括存储器总线或者存储器控制器,外围总线,图形加速端口,处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说,这些体系结构包括但不限于工业标准体系结构(Industry StandardArchitecture;以下简称:ISA)总线,微通道体系结构(Micro Channel Architecture;以下简称:MAC)总线,增强型ISA总线、视频电子标准协会(Video Electronics StandardsAssociation;以下简称:VESA)局域总线以及外围组件互连(Peripheral ComponentInterconnection;以下简称:PCI)总线。
计算机设备12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被计算机设备12访问的可用介质,包括易失性和非易失性介质,可移动的和不可移动的介质。
存储器28可以包括易失性存储器形式的计算机系统可读介质,例如随机存取存储器(Random Access Memory;以下简称:RAM)30和/或高速缓存存储器32。计算机设备12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例,存储系统34可以用于读写不可移动的、非易失性磁介质(图4未显示,通常称为“硬盘驱动器”)。尽管图4中未示出,可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器,以及对可移动非易失性光盘(例如:光盘只读存储器(Compact Disc Read OnlyMemory;以下简称:CD-ROM)、数字多功能只读光盘(Digital Video Disc Read OnlyMemory;以下简称:DVD-ROM)或者其它光介质)读写的光盘驱动器。在这些情况下,每个驱动器可以通过一个或者多个数据介质接口与总线18相连。存储器28可以包括至少一个程序产品,该程序产品具有一组(例如至少一个)程序模块,这些程序模块被配置以执行本申请各实施例的功能。
具有一组(至少一个)程序模块42的程序/实用工具40,可以存储在例如存储器28中,这样的程序模块42包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本申请所描述的实施例中的功能和/或方法。
计算机设备12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信,还可与一个或者多个使得用户能与该计算机设备12交互的设备通信,和/或与使得该计算机设备12能与一个或多个其它计算设备进行通信的任何设备(例如网卡,调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口22进行。并且,计算机设备12还可以通过网络适配器20与一个或者多个网络(例如局域网(Local Area Network;以下简称:LAN),广域网(Wide Area Network;以下简称:WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器20通过总线18与计算机设备12的其它模块通信。应当明白,尽管图中未示出,可以结合计算机设备12使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
处理单元16通过运行存储在系统存储器28中的程序,从而执行各种功能应用以及数据处理,例如实现前述实施例中提及的方法。
为了实现上述实施例,本申请实施例还提出一种非临时性计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如上述实施例所述的用户数据处理方法。
在本说明书的描述中,术语“第一”、“第二”等仅用于描述目的,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。在本申请的描述中,“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定制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,并且本申请的优选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,这应被本申请的实施例所属技术领域的技术人员所理解。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤,例如,可以被认为是用于实现逻辑功能的可执行指令的定序列表,可以具体实现在任何计算机可读介质中,以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用,或结合这些指令执行系统、装置或设备而使用。就本说明书而言,"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下:具有一个或多个布线的电连接部(电子装置),便携式计算机盘盒(磁装置),随机存取存储器(RAM),只读存储器(ROM),可擦除可编辑只读存储器(EPROM或闪速存储器),光纤装置,以及便携式光盘只读存储器(CDROM)。另外,计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质,因为可以例如通过对纸或其他介质进行光学扫描,接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序,然后将其存储在计算机存储器中。
应当理解,本申请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。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。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,该程序在执行时,包括方法实施例的步骤之一或其组合。
此外,在本申请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。
上述提到的存储介质可以是只读存储器,磁盘或光盘等。尽管上面已经示出和描述了本申请的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本申请的限制,本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (10)
1.一种用户数据处理方法,其特征在于,包括:
确定在预设时间段内第一用户群对应的目标信息的第一推送次数,其中,第一用户群对应的用户特征相同;
若所述第一推送次数小于第一阈值,则获取N个第二用户群分别对应的目标信息的N个第二推送次数,其中,所述第二用户群与所述第一用户群分别对应的用户特征间的相关性大于第二阈值,其中,N为大于或等于1的正整数;
在所述第一推送次数与所述N个第二推送次数的和等于或者大于所述第一阈值时,获取所述第一用户群对所述目标信息的第一点击次数,及所述N个第二用户群分别对所述目标信息的N个第二点击次数;
根据所述第一推送次数、N个第二推送次数、第一点击次数及N个第二点击次数,确定所述第一用户群与所述目标信息的关联度,其中,所述根据所述第一推送次数、N个第二推送次数、第一点击次数及N个第二点击次数,确定所述第一用户群与所述目标信息的关联度,包括:根据所述第一点击次数以及所述N个第二点击次数之和与所述第一推送次数以及所述N个第二推送次数之和之间的比值,确定所述第一用户群与所述目标信息的关联度。
2.如权利要求1所述的方法,其特征在于,所述获取N个第二用户群对应的目标信息的第二推送次数之前,还包括:
从与所述第一用户群的相关性大于第二阈值的各用户群中,根据相关性由高至低的顺序依次获取所述N个第二用户群;
或者,
从与所述第一用户群的相关性相同、且均大于第二阈值的至少两个用户群中,抽取所述N个第二用户群;
或者,
根据相关性由高至低的顺序,依次从与所述第一用户群的相关性相同、且均大于第二阈值的至少两个用户群中,分别抽取相同数量的用户组成所述N个第二用户群。
3.如权利要求1所述的方法,其特征在于,所述确定所述第一用户群与所述目标信息的关联度之前,还包括:
根据所述N的取值,确定所述第一推送次数对应的放大系数;
根据所述放大系数、所述第一推送次数及所述第二推送次数,确定所述第一用户群对应的目标推送次数;
根据所述放大系数、所述第一点击次数及所述第二点击次数,确定所述第一用户群对应的目标点击次数;
所述确定所述第一用户群与所述目标信息的关联度,包括:将所述目标点击次数与所述目标推送次数之间的比值,确定为所述第一用户群与所述目标信息的关联度。
4.如权利要求1所述的方法,其特征在于,所述确定所述第一用户群与所述目标信息的关联度之前,还包括:
根据所述第二推送次数与所述第一推送次数的差值,与所述第一推送次数的比值,确定所述第一推送次数对应的放大系数;
根据所述放大系数、所述第一推送次数及所述第二推送次数,确定所述第一用户群对应的目标推送次数;
根据所述放大系数、所述第一点击次数及所述第二点击次数,确定所述第一用户群对应的目标点击次数;
所述确定所述第一用户群与所述目标信息的关联度,包括:将所述目标点击次数与所述目标推送次数之间的比值,确定为所述第一用户群与所述目标信息的关联度。
5.如权利要求1-4任一所述的方法,其特征在于,所述确定在预设时间段内第一用户群对应的目标信息的第一推送次数,包括:
根据在预设时间段内各活跃用户分别对应的特征,确定属于所述第一用户群的目标用户;
根据所述目标用户分别获取的各推送信息及各推送信息分别对应的推送次数,确定所述目标信息的第一推送次数。
6.如权利要求1-4任一所述的方法,其特征在于,所述确定所述第一用户群与所述目标信息的关联度之后,还包括:
根据所述第一用户群与所述目标信息的关联度,确定所述目标信息在未来预设时间段内向所述第一用户群中的各用户推送的方式,其中,所述推送的方式,包括以下信息中的至少一个:推送频次、推送时间及推送顺序。
7.一种用户数据处理装置,其特征在于,包括:
第一确定模块,用于确定在预设时间段内第一用户群对应的目标信息的第一推送次数,其中,第一用户群对应的用户特征相同;
第一获取模块,用于在所述第一推送次数小于第一阈值时,获取N个第二用户群分别对应的目标信息的N个第二推送次数,其中,所述第二用户群与所述第一用户群分别对应的用户特征间的相关性大于第二阈值,其中,N为大于或等于1的正整数;
第二获取模块,用于在所述第一推送次数与所述N个第二推送次数的和等于或者大于所述第一阈值时,获取所述第一用户群对所述目标信息的第一点击次数,及所述N个第二用户群分别对所述目标信息的N个第二点击次数;
第二确定模块,用于根据所述第一推送次数、N个第二推送次数、第一点击次数及N个第二点击次数,确定所述第一用户群与所述目标信息的关联度,其中,所述根据所述第一推送次数、N个第二推送次数、第一点击次数及N个第二点击次数,确定所述第一用户群与所述目标信息的关联度,包括:根据所述第一点击次数以及所述N个第二点击次数之和与所述第一推送次数以及所述N个第二推送次数之和之间的比值,确定所述第一用户群与所述目标信息的关联度。
8.如权利要求7所述的装置,其特征在于,还包括:
第三获取模块,用于在获取N个第二用户群对应的目标信息的第二推送次数之前,从与所述第一用户群的相关性大于第二阈值的各用户群中,根据相关性由高至低的顺序依次获取所述N个第二用户群;
或者,
从与所述第一用户群的相关性相同、且均大于第二阈值的至少两个用户群中,抽取所述N个第二用户群;
或者,
根据相关性由高至低的顺序,依次从与所述第一用户群的相关性相同、且均大于第二阈值的至少两个用户群中,分别抽取相同数量的用户组成所述N个第二用户群。
9.一种计算机设备,其特征在于,包括处理器和存储器;
其中,所述处理器通过读取所述存储器中存储的可执行程序代码来运行与所述可执行程序代码对应的程序,以用于实现如权利要求1-6中任一所述的用户数据处理方法。
10.一种非临时性计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-6中任一所述的用户数据处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810681318.9A CN108875043B (zh) | 2018-06-27 | 2018-06-27 | 用户数据处理方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810681318.9A CN108875043B (zh) | 2018-06-27 | 2018-06-27 | 用户数据处理方法、装置、计算机设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108875043A CN108875043A (zh) | 2018-11-23 |
CN108875043B true CN108875043B (zh) | 2022-02-25 |
Family
ID=64295311
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810681318.9A Active CN108875043B (zh) | 2018-06-27 | 2018-06-27 | 用户数据处理方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108875043B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110598106A (zh) * | 2019-09-09 | 2019-12-20 | 中国平安财产保险股份有限公司 | 资源信息的推送方法及装置、存储介质、电子设备 |
CN112015975B (zh) * | 2020-07-15 | 2023-11-14 | 北京淇瑀信息科技有限公司 | 基于牛顿冷却定律的面向金融用户的信息推送方法及装置 |
CN113297258B (zh) * | 2021-04-25 | 2023-04-07 | 上海淇玥信息技术有限公司 | 一种基于目标人群数据提取的定制化信息推送方法及装置 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103716338A (zh) * | 2012-09-28 | 2014-04-09 | 腾讯科技(深圳)有限公司 | 一种信息推送方法和装置 |
CN104504098A (zh) * | 2014-12-29 | 2015-04-08 | 北京奇虎科技有限公司 | 信息推荐方法和装置 |
CN104735117A (zh) * | 2013-12-24 | 2015-06-24 | 腾讯科技(北京)有限公司 | 一种信息处理方法、装置和系统 |
CN106294087A (zh) * | 2015-05-27 | 2017-01-04 | 腾讯科技(深圳)有限公司 | 一种对业务执行操作的操作频率的统计方法及装置 |
CN107230098A (zh) * | 2016-03-25 | 2017-10-03 | 阿里巴巴集团控股有限公司 | 一种业务对象的分时推荐方法和系统 |
CN107688984A (zh) * | 2017-07-27 | 2018-02-13 | 上海壹账通金融科技有限公司 | 产品信息推送方法、装置、存储介质和计算机设备 |
CN108171267A (zh) * | 2017-12-28 | 2018-06-15 | 广州优视网络科技有限公司 | 用户群划分方法及装置、消息推送方法及装置 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170213243A1 (en) * | 2012-01-03 | 2017-07-27 | Google Inc. | Media content advertisement system based on a ranking of a segment of the media content and user interest |
CN103581152B (zh) * | 2012-08-08 | 2018-06-15 | 腾讯科技(深圳)有限公司 | 更新扫描规则的方法及装置 |
US20160063536A1 (en) * | 2014-08-27 | 2016-03-03 | InMobi Pte Ltd. | Method and system for constructing user profiles |
-
2018
- 2018-06-27 CN CN201810681318.9A patent/CN108875043B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103716338A (zh) * | 2012-09-28 | 2014-04-09 | 腾讯科技(深圳)有限公司 | 一种信息推送方法和装置 |
CN104735117A (zh) * | 2013-12-24 | 2015-06-24 | 腾讯科技(北京)有限公司 | 一种信息处理方法、装置和系统 |
CN104504098A (zh) * | 2014-12-29 | 2015-04-08 | 北京奇虎科技有限公司 | 信息推荐方法和装置 |
CN106294087A (zh) * | 2015-05-27 | 2017-01-04 | 腾讯科技(深圳)有限公司 | 一种对业务执行操作的操作频率的统计方法及装置 |
CN107230098A (zh) * | 2016-03-25 | 2017-10-03 | 阿里巴巴集团控股有限公司 | 一种业务对象的分时推荐方法和系统 |
CN107688984A (zh) * | 2017-07-27 | 2018-02-13 | 上海壹账通金融科技有限公司 | 产品信息推送方法、装置、存储介质和计算机设备 |
CN108171267A (zh) * | 2017-12-28 | 2018-06-15 | 广州优视网络科技有限公司 | 用户群划分方法及装置、消息推送方法及装置 |
Non-Patent Citations (1)
Title |
---|
数据挖掘在电子商务推荐系统中的应用研究;刘学建;《中国优秀博硕士学位论文全文数据库(硕士) 经济与管理科学辑》;20160115(第01期);J157-124 * |
Also Published As
Publication number | Publication date |
---|---|
CN108875043A (zh) | 2018-11-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109871909B (zh) | 图像识别方法及装置 | |
CN108540826B (zh) | 弹幕推送方法、装置、电子设备及存储介质 | |
CN108875043B (zh) | 用户数据处理方法、装置、计算机设备和存储介质 | |
CN110704751B (zh) | 数据处理方法、装置、电子设备及存储介质 | |
CN107463482B (zh) | 确定指标关联性的方法及装置 | |
CN111949798B (zh) | 图谱的构建方法、装置、计算机设备和存储介质 | |
CN109445884B (zh) | 一种功能标签展示方法及终端设备 | |
CN109492047A (zh) | 一种基于差分隐私的精确直方图的发布方法 | |
CN111191601A (zh) | 同行用户识别方法、装置、服务器及存储介质 | |
CN108235126B (zh) | 在视频中插入推荐信息的方法和装置 | |
CN107562608B (zh) | 资源指标重要度评估方法及装置 | |
CN109696614B (zh) | 电路测试优化方法及装置 | |
TWI777319B (zh) | 幹細胞密度確定方法、裝置、電腦裝置及儲存介質 | |
CN110631499A (zh) | 基于无网格方法的数字图像变形测量方法及电子设备 | |
CN108229988B (zh) | 信息推送方法、装置及电子设备 | |
CN112560267B (zh) | 一种斜坡单元的划分方法、装置、设备和存储介质 | |
CN110675009A (zh) | 小区便利性评价方法和装置 | |
US10564895B2 (en) | I/O performance enhancement of solid-state data storage devices | |
CN110647826B (zh) | 商品训练图片的获取方法、装置、计算机设备和存储介质 | |
CN109102495A (zh) | 目标图像确定方法和系统、计算机设备、计算机存储介质 | |
US10884890B2 (en) | Accuracy sensitive performance counters | |
CN109995613B (zh) | 流量计算方法和装置 | |
CN114218477A (zh) | 展示界面的控制方法、装置及电子设备 | |
US20200257432A1 (en) | Modifying application icons based on usage data of the applications | |
CN107145242B (zh) | 纠错词展示方法、装置、设备及存储介质 |
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 |