CN109190028A - 基于大数据的活动推荐方法、装置、电子设备及存储介质 - Google Patents
基于大数据的活动推荐方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN109190028A CN109190028A CN201810960799.7A CN201810960799A CN109190028A CN 109190028 A CN109190028 A CN 109190028A CN 201810960799 A CN201810960799 A CN 201810960799A CN 109190028 A CN109190028 A CN 109190028A
- Authority
- CN
- China
- Prior art keywords
- user
- goal activities
- activity
- activity level
- gradation
- 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
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明的实施例提供了一种基于大数据的活动推荐方法、装置、电子设备及存储介质,涉及大数据技术领域。该方法包括:获取多个目标活动的活动信息以及多个目标活动下的各个用户的个人信息以及历史行为数据;基于个人信息以及历史行为数据确定各个用户的用户等级;基于多个目标活动的活动信息确定各个目标活动的活动等级;将多个用户的用户等级与多个目标活动的活动等级进行匹配,基于匹配结果向各个用户推荐目标活动。本发明实施例的技术方案能够将用户等级与活动等级进行关联,从而能够准确地向用户推荐活动。
Description
技术领域
本发明涉及大数据技术领域,具体而言,涉及一种基于大数据的活动推荐方法、活动推荐装置、电子设备以及计算机可读存储介质。
背景技术
随着互联网技术的发展,许多应用平台在网络上推出了各种线上活动,如何向用户推荐活动成为了关注的焦点。
在一种技术方案中,根据用户的历史行为数据给用户分级,基于用户的等级向用户推荐合适的运营活动。然而,在这种技术方案中,由于线上活动种类繁多,仅根据用户等级难以准确地向用户推荐活动,
因此,需要提供能够解决上述问题中的一个或多个问题的一种活动推荐方法、活动推荐装置、电子设备以及计算机可读存储介质。
需要说明的是,在上述背景技术部分公开的信息仅用于加强对本发明背景的理解,因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
本发明实施例的目的在于提供一种基于大数据的活动推荐方法、活动推荐装置、电子设备以及计算机可读存储介质,进而至少在一定程度上克服由于相关技术的限制和缺陷而导致的一个或者多个问题。
根据本发明实施例的第一方面,提供了一种基于大数据的活动推荐方法,包括:获取多个目标活动的活动信息以及所述多个目标活动下的各个用户的个人信息以及历史行为数据;基于所述个人信息以及所述历史行为数据确定各个用户的用户等级;基于所述多个目标活动的活动信息确定各个目标活动的活动等级;将所述多个用户的用户等级与所述多个目标活动的活动等级进行匹配,基于匹配结果向各个用户推荐所述目标活动。
在本发明的一些实施例中,基于前述方案,基于所述个人信息以及所述历史行为数据确定各个用户的用户等级,包括:统计各个目标活动下的各个用户的历史行为数据,所述历史行为数据包括登录次数、点击次数、累计访问时长、评论次数以及优惠券使用次数;对所述历史行为数据中的各数据项进行加权运算确定各个用户的用户活跃度;基于所述用户的所述个人信息以及所述用户活跃度确定所述用户的用户等级。
在本发明的一些实施例中,基于前述方案,基于多个目标活动的活动信息确定各个目标活动的活动等级,包括:基于多个目标活动的活动信息对所述多个目标活动进行聚类处理获得多个类簇;基于所述目标活动的活动信息中的优惠方式、优惠金额、参与方式、参与名额以及活动成本确定每个类簇中各个目标活动的活动等级。
在本发明的一些实施例中,基于前述方案,将所述多个用户的用户等级与所述多个目标活动的活动等级进行匹配,包括:建立所述多个用户的用户等级与各个类簇中的目标活动的活动等级的映射关系;基于所述映射关系将所述多个用户的用户等级与各个类簇中的目标活动的活动等级进行匹配。
在本发明的一些实施例中,基于前述方案,基于多个目标活动的活动信息对所述多个目标活动进行聚类处理获得多个类簇,包括:对所述多个目标活动的活动信息进行分词处理,得到各个目标活动的活动信息的词向量;计算各个目标活动的活动信息的词向量之间的距离;基于所述词向量之间的距离对各个目标活动进行聚类处理获得多个类簇。
在本发明的一些实施例中,基于前述方案,将所述多个用户的用户等级与所述多个目标活动的活动等级进行匹配,包括:建立所述多个用户的用户等级与所述多个目标活动的活动等级的映射关系;基于所述映射关系将所述多个用户的用户等级与所述多个目标活动的活动等级进行匹配。
在本发明的一些实施例中,基于前述方案,所述活动推荐方法还包括:基于所述用户的所述历史行为数据判断所述用户的忠诚度是否大于预定忠诚度阈值;若判定大于所述预定忠诚度阈值,则升高所述用户的用户等级。
根据本发明实施例的第二方面,提供了一种活动推荐装置,包括:获取单元,用于获取多个目标活动的活动信息以及所述多个目标活动下的各个用户的个人信息以及历史行为数据;用户等级确定单元,用于基于所述个人信息以及所述历史行为数据确定各个用户的用户等级;活动等级确定单元,用于基于所述多个目标活动的活动信息确定各个目标活动的活动等级;推荐单元,用于将所述多个用户的用户等级与所述多个目标活动的活动等级进行匹配,基于匹配结果向各个用户推荐所述目标活动。
根据本发明实施例的第三方面,提供了一种电子设备,包括:处理器;以及存储器,所述存储器上存储有计算机可读指令,所述计算机可读指令被所述处理器执行时实现如上述第一方面所述的活动推荐方法。
根据本发明实施例的第四方面,提供了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如上述第一方面所述的活动推荐方法。
在本发明的一些实施例所提供的技术方案中,基于用户的个人信息以及历史行为数据确定用户的等级,根据目标活动的内容确定目标活动的活动等级,能够建立用户等级与活动等级的统一等级体系;对用户等级与活动等级进行匹配,基于匹配结果向用户推荐活动,能够将用户等级与活动等级进行关联,从而能够准确地向用户推荐活动。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本发明。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本发明的实施例,并与说明书一起用于解释本发明的原理。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。在附图中:
图1示出了根据本发明的一些实施例的基于大数据的活动推荐方法的流程示意图;
图2示出了根据本发明的示例性实施例确定用户的用户等级的流程示意图;
图3示出了根据本发明的一些实施例向用户推荐活动的流程示意图;
图4示出了根据本发明的一示例性实施例的活动推荐装置的示意框图;
图5示出了适于用来实现本发明实施例的电子设备的计算机系统的结构示意图。
具体实施方式
现在将参考附图更全面地描述示例实施例。然而,示例实施例能够以多种形式实施,且不应被理解为限于在此阐述的实施例;相反,提供这些实施例使得本发明将全面和完整,并将示例实施例的构思全面地传达给本领域的技术人员。在图中相同的附图标记表示相同或类似的部分,因而将省略对它们的重复描述。
此外,所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中,提供许多具体细节从而给出对本发明的实施例的充分理解。然而,本领域技术人员将意识到,可以实践本发明的技术方案而没有特定细节中的一个或更多,或者可以采用其它的方法、组元、装置、步骤等。在其它情况下,不详细示出或描述公知方法、装置、实现或者操作以避免模糊本发明的各方面。
附图中所示的方框图仅仅是功能实体,不一定必须与物理上独立的实体相对应。即,可以采用软件形式来实现这些功能实体,或在一个或多个硬件模块或集成电路中实现这些功能实体,或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
附图中所示的流程图仅是示例性说明,不是必须包括所有的内容和操作/步骤,也不是必须按所描述的顺序执行。例如,有的操作/步骤还可以分解,而有的操作/步骤可以合并或部分合并,因此实际执行的顺序有可能根据实际情况改变。
图1示出了根据本发明的一些实施例的基于大数据的活动推荐方法的流程示意图。
参照图1所示,在步骤S110中,获取多个目标活动的活动信息以及所述多个目标活动下的各个用户的个人信息以及历史行为数据。
在示例实施例中,多个目标活动可以包括保险类活动、理财类活动、基金类活动、健康类活动以及生活类活动中的一种或多种。目标活动的活动信息可以为过去一年或半年的各个目标活动的活动内容信息。活动信息可以包括:目标活动的活动名称、活动内容、优惠方式、优惠金额、参与方式、参与名额以及活动成本等信息。
用户的个人信息可以为用户在网站平台注册的信息,个人信息可以包括用户的年龄、性别、收入水平、学历、资产等信息。用户的历史行为数据可以包括登录次数、点击次数、累计访问时长、评论次数以及优惠券使用次数、账户明细信息、用户购买理财产品的历史信息、用户参与营销活动的历史信息等数据。
在步骤S120中,基于所述个人信息以及所述历史行为数据确定各个用户的用户等级。
在示例实施例中,可以根据用户的个人信息例如资产额、收入水平、学历、年龄以及用户的历史行为数据例如登录次数、点击次数、累计访问时长、评论次数等确定各个用户的用户等级,例如将用户划分为金牌用户、银牌用户、铜牌用户三个等级。
进一步地,可以将用户的个人信息以及用户的历史行为数据进行加权运算,基于加权运算的结果将用户划分为多个等级。例如,可以设置用户个人信息中的各项信息以及用户的历史行为数据中各项数据的权重,对用户的个人信息以及历史行为数据进行加权运算,将加权运算的结果划分成多个数值区间,基于每个用户所处的数值区间设置用户的等级。
在步骤S130中,基于所述多个目标活动的活动信息确定各个目标活动的活动等级。
在示例实施例中,可以根据目标活动的优惠方式、参与方式、参与名额、活动成本以及活动内容等活动信息确定各个目标活动的活动等级。例如,可以根据目标活动的优惠力度、优惠金额将目标活动分为 VIP活动、中级活动、普通活动。
进一步地,在一些实施例中,还可以基于多个目标活动的活动信息对多个目标活动进行聚类处理获得多个类簇;基于所述目标活动的活动信息中的优惠方式、优惠金额、参与方式、参与名额以及活动成本确定每个类簇中各个目标活动的活动等级。
在示例实施例中,聚类处理可以包括K均值聚类运算或K中心点聚类运算,也可以为其他聚类运算例如层次聚类运算或基于密度的聚类运算。
在步骤S140中,将所述多个用户的用户等级与所述多个目标活动的活动等级进行匹配,基于匹配结果向各个用户推荐所述目标活动。
在示例实施例中,可以建立多个用户的用户等级与多个目标活动的活动等级的映射关系;基于该映射关系将多个用户的用户等级与多个目标活动的活动等级进行匹配。在用户等级和活动等级数量相同时,可以建立用户的用户等级与目标活动的活动等级之间的一一映射关系,基于该一一映射关系将多个用户的用户等级与多个目标活动的活动等级进行匹配,基于匹配结果向用户推荐目标活动。例如,可以向金牌用户推荐VIP活动、向银牌用户推荐中级活动、向铜牌用户推荐普通活动。
进一步地,在用户等级和活动等级级数不同时,可以建立用户的用户等级与目标活动的活动等级之间的一对多的映射,例如,将一个用户等级映射到目标活动的多个等级。基于该映射关系向不同等级的用户推荐相应等级的活动。
此外,在一些实施例中,可以基于所述用户的历史行为数据判断用户的忠诚度是否大于预定忠诚度阈值;若判定大于预定忠诚度阈值,则升高所述用户的等级;若判断小于预定忠诚度阈值,则降低用户的等级或者保持用户等级不变。可以通过用户访问频率、最近访问时间、平均停留时间和平均浏览页面数进行加权运算确定用户的忠诚度,例如,设用户访问频率的权重为0.525、最近访问时间的权重为0.056、平均停留时间的权重为0.139以及平均浏览页面数的权重为0.279,则用户的忠诚度可以通过下式(1)计算:
用户访问频率*0.525+最近访问时间*0.056+平均停留时间*0.139+ 平均浏览页面数*0.279 (1)
进一步地,在一些实施例中,还可以判断用户在预定时间段的资产值的增量是否大于预设资产值,若判定大于预设资产值,则升高用户的等级。采用资产值的增量的方式可以根据资产值动态地调整用户的等级,避免用户等级固化造成的用户流失。
图2示出了根据本发明的示例性实施例确定用户的用户等级的流程示意图。
参照图2所示,在步骤S210中,统计各个目标活动下的各个用户的历史行为数据,所述历史行为数据包括登录次数、点击次数、累计访问时长、评论次数以及优惠券使用次数。
在示例实施例中,可以基于各目标活动的名称以及活动时间从数据库中获取与该目标活动对应的用户的参与活动记录例如浏览时间、浏览次数以及优惠券领取使用记录,基于用户的参与活动记录统计目标活动的各用户的登录次数、点击次数、累计访问时长、评论次数、优惠券使用次数等历史行为数据。
在步骤S220中,对所述历史行为数据中的各数据项进行加权运算确定各个用户的用户活跃度。
在示例实施例中,可以基于用户的登录次数、用户的点击次数、用户的累计访问时长、用户的评论次数、优惠券使用数量计算用户的活跃度。进一步地,可以对用户的登录次数、用户的点击次数、用户的累计访问时长、用户的评论次数、优惠券使用数量进行加权计算获得用户的活跃度。
在步骤S230中,基于所述用户的所述个人信息以及所述用户活跃度确定所述用户的用户等级。
在示例实施例中,可以将用户的个人信息以及用户活跃度进行加权运算确定用户的用户等级。例如,设用户的个人信息的权重为30%,用户活跃度的权重为70%,基于设定的权重对用户的个人信息以及用户活跃度进行加权运算,基于加权运算的结果确定各个用户的用户等级。
图3示出了根据本发明的一些实施例向用户推荐活动的流程示意图。
参照图3所示,在步骤S310中,基于多个目标活动的活动信息对所述多个目标活动进行聚类处理获得多个类簇;
在示例实施例中,可以基于多个目标活动的活动信息对多个目标活动进行聚类处理获得多个类簇;基于所述目标活动的活动信息中的优惠方式、优惠金额、参与方式、参与名额以及活动成本确定每个类簇中各个目标活动的活动等级。
进一步地,可以对多个目标活动的活动信息进行分词处理,得到各个目标活动的活动信息的词向量;计算各个目标活动的活动信息的词向量之间的距离;基于词向量之间的距离对各个目标活动进行聚类处理获得多个类簇。
聚类处理可以包括K均值聚类运算或K中心点聚类运算,也可以为其他聚类运算例如层次聚类运算或基于密度的聚类运算。需要说明的是,词向量之间距离可以为海明距离、欧式距离、余弦距离,但是本发明的示例性实施例中的距离不限于此,例如距离还可以为马氏距离、曼哈顿距离等。
在步骤S320中,基于所述目标活动的活动信息中的优惠方式、优惠金额、参与方式、参与名额以及活动成本确定每个类簇中各个目标活动的活动等级。
在示例实施例中,可以根据每个类簇中的目标活动的优惠方式、优惠金额、参与方式、参与名额、活动成本以及活动内容等活动信息确定每个类簇中各个目标活动的活动等级。例如,可以根据每个类簇中各个目标活动的优惠力度、优惠金额将每个类簇中的目标活动分为VIP活动、中级活动、普通活动。
在步骤S330中,建立所述多个用户的用户等级与各个类簇中的目标活动的活动等级的映射关系。
在示例实施例中,在用户等级与活动等级数量相同时,可以建立用户的用户等级与每个类簇中的目标活动的活动等级之间的一一映射关系;在用户等级和活动等级级数不同时,可以建立用户的用户等级与每个类簇中的目标活动的活动等级之间的一对多的映射。
在步骤S340中,基于所述映射关系将所述多个用户的用户等级与各个类簇中的目标活动的活动等级进行匹配。
在用户等级与活动等级之间为一一映射关系时,基于该一一映射关系将多个用户的用户等级与每个类簇中的多个目标活动的活动等级进行匹配,基于该映射关系向不同等级的用户推荐每个类簇中相同等级的活动,例如,如果用户为普通用户,可以将每个类簇中的普通活动推荐给该用户。
在用户等级与活动等级为一对多的映射时例如一个用户等级映射到每个类簇中的目标活动的多个等级,基于该映射关系向不同等级的用户推荐每个类簇中的相应多个等级的活动。
此外,在本发明的实施例中,还提供了一种活动推荐装置。参照图 4所示,该活动推荐装置400可以包括:获取单元410、用户等级确定单元420、活动等级确定单元430以及推荐单元440。其中,获取单元 410用于获取多个目标活动的活动信息以及所述多个目标活动下的各个用户的个人信息以及历史行为数据;用户等级确定单元420用于基于所述个人信息以及所述历史行为数据确定各个用户的用户等级;活动等级确定单元430用于基于所述多个目标活动的活动信息确定各个目标活动的活动等级;推荐单元440用于将所述多个用户的用户等级与所述多个目标活动的活动等级进行匹配,基于匹配结果向各个用户推荐所述目标活动。
在本发明的一些实施例中,基于前述方案,用户等级确定单元420 包括:统计单元,用于统计各个目标活动下的各个用户的历史行为数据,所述历史行为数据包括登录次数、点击次数、累计访问时长、评论次数以及优惠券使用次数;活跃度确定单元,用于对所述历史行为数据中的各数据项进行加权运算确定各个用户的用户活跃度;等级处理单元,用于基于所述用户的所述个人信息以及所述用户活跃度确定所述用户的用户等级。
在本发明的一些实施例中,基于前述方案,活动等级确定单元430 包括:聚类单元,用于基于多个目标活动的活动信息对所述多个目标活动进行聚类处理获得多个类簇;类簇活动等级确定单元,用于基于所述目标活动的活动信息中的优惠方式、优惠金额、参与方式、参与名额以及活动成本确定每个类簇中各个目标活动的活动等级。
在本发明的一些实施例中,基于前述方案,推荐单元440被配置为:建立所述多个用户的用户等级与各个类簇中的目标活动的活动等级的映射关系;基于所述映射关系将所述多个用户的用户等级与各个类簇中的目标活动的活动等级进行匹配。
在本发明的一些实施例中,基于前述方案,聚类单元包括:分词单元,用于对所述多个目标活动的活动信息进行分词处理,得到各个目标活动的活动信息的词向量;距离计算单元,用于计算各个目标活动的活动信息的词向量之间的距离;聚类处理单元,用于基于所述词向量之间的距离对各个目标活动进行聚类处理获得多个类簇。
在本发明的一些实施例中,基于前述方案,推荐单元440被配置为:建立所述多个用户的用户等级与所述多个目标活动的活动等级的映射关系;基于所述映射关系将所述多个用户的用户等级与所述多个目标活动的活动等级进行匹配。
在本发明的一些实施例中,基于前述方案,所述活动推荐装置400 还包括:判断单元,用于基于所述用户的所述历史行为数据判断所述用户的忠诚度是否大于预定忠诚度阈值;等级调整单元,用于在判定大于所述预定忠诚度阈值时,升高所述用户的用户等级。
由于本发明的示例实施例的活动推荐装置400的各个功能模块与上述活动推荐方法的示例实施例的步骤对应,因此在此不再赘述。
在本发明的示例性实施例中,还提供了一种能够实现上述方法的电子设备。
下面参考图5,其示出了适于用来实现本发明实施例的电子设备的计算机系统500的结构示意图。图5示出的电子设备的计算机系统500 仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图5所示,计算机系统500包括中央处理单元(CPU)501,其可以根据存储在只读存储器(ROM)502中的程序或者从存储部分508加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作和处理。在RAM 503中,还存储有系统操作所需的各种程序和数据。CPU501、 ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口 505也连接至总线504。
以下部件连接至I/O接口505:包括键盘、鼠标等的输入部分506;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分507;包括硬盘等的存储部分508;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分509。通信部分509经由诸如因特网的网络执行通信处理。驱动器510也根据需要连接至I/O接口505。可拆卸介质511,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器510上,以便于从其上读出的计算机程序根据需要被安装入存储部分508。
特别地,根据本发明的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本发明的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分509从网络上被下载和安装,和/或从可拆卸介质511被安装。在该计算机程序被中央处理单元(CPU)501执行时,执行本申请的系统中限定的上述功能。
需要说明的是,本发明所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本发明中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线、电线、光缆、RF等等,或者上述的任意合适的组合。
附图中的流程图和框图,图示了按照本发明各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图或流程图中的每个方框、以及框图或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本发明实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现,所描述的单元也可以设置在处理器中。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定。
作为另一方面,本申请还提供了一种计算机可读介质,该计算机可读介质可以是上述实施例中描述的电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被一个该电子设备执行时,使得该电子设备实现如上述实施例中所述的活动推荐方法。
例如,所述电子设备可以实现如图1中所示的:步骤S110,获取多个目标活动的活动信息以及所述多个目标活动下的各个用户的个人信息以及历史行为数据;步骤S120,基于所述个人信息以及所述历史行为数据确定各个用户的用户等级;步骤S130,基于所述多个目标活动的活动信息确定各个目标活动的活动等级;步骤S140,将所述多个用户的用户等级与所述多个目标活动的活动等级进行匹配,基于匹配结果向各个用户推荐所述目标活动。
应当注意,尽管在上文详细描述中提及了用于动作执行的设备或装置的若干模块或者单元,但是这种划分并非强制性的。实际上,根据本发明的实施方式,上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之,上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
通过以上的实施方式的描述,本领域的技术人员易于理解,这里描述的示例实施方式可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本发明实施方式的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台计算设备(可以是个人计算机、服务器、触控终端、或者网络设备等) 执行根据本发明实施方式的方法。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本发明的其它实施方案。本申请旨在涵盖本发明的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本发明未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本发明的真正范围和精神由下面的权利要求指出。
应当理解的是,本发明并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本发明的范围仅由所附的权利要求来限制。
Claims (10)
1.一种基于大数据的活动推荐方法,其特征在于,包括:
获取多个目标活动的活动信息以及所述多个目标活动下的各个用户的个人信息以及历史行为数据;
基于所述个人信息以及所述历史行为数据确定各个用户的用户等级;
基于所述多个目标活动的活动信息确定各个目标活动的活动等级;
将所述多个用户的用户等级与所述多个目标活动的活动等级进行匹配,基于匹配结果向各个用户推荐所述目标活动。
2.根据权利要求1所述的活动推荐方法,其特征在于,基于所述个人信息以及所述历史行为数据确定各个用户的用户等级,包括:
统计各个目标活动下的各个用户的历史行为数据,所述历史行为数据包括登录次数、点击次数、累计访问时长、评论次数以及优惠券使用次数;
对所述历史行为数据中的各数据项进行加权运算确定各个用户的用户活跃度;
基于所述用户的所述个人信息以及所述用户活跃度确定所述用户的用户等级。
3.根据权利要求1所述的活动推荐方法,其特征在于,基于多个目标活动的活动信息确定各个目标活动的活动等级,包括:
基于多个目标活动的活动信息对所述多个目标活动进行聚类处理获得多个类簇;
基于所述目标活动的活动信息中的优惠方式、优惠金额、参与方式、参与名额以及活动成本确定每个类簇中各个目标活动的活动等级。
4.根据权利要求3所述的活动推荐方法,其特征在于,将所述多个用户的用户等级与所述多个目标活动的活动等级进行匹配,包括:
建立所述多个用户的用户等级与各个类簇中的目标活动的活动等级的映射关系;
基于所述映射关系将所述多个用户的用户等级与各个类簇中的目标活动的活动等级进行匹配。
5.根据权利要求3所述的活动推荐方法,其特征在于,基于多个目标活动的活动信息对所述多个目标活动进行聚类处理获得多个类簇,包括:
对所述多个目标活动的活动信息进行分词处理,得到各个目标活动的活动信息的词向量;
计算各个目标活动的活动信息的词向量之间的距离;
基于所述词向量之间的距离对各个目标活动进行聚类处理获得多个类簇。
6.根据权利要求1所述的活动推荐方法,其特征在于,将所述多个用户的用户等级与所述多个目标活动的活动等级进行匹配,包括:
建立所述多个用户的用户等级与所述多个目标活动的活动等级的映射关系;
基于所述映射关系将所述多个用户的用户等级与所述多个目标活动的活动等级进行匹配。
7.根据权利要求1至6中任一项所述的活动推荐方法,其特征在于,所述活动推荐方法还包括:
基于所述用户的所述历史行为数据判断所述用户的忠诚度是否大于预定忠诚度阈值;
若判定大于所述预定忠诚度阈值,则升高所述用户的用户等级。
8.一种活动推荐装置,其特征在于,包括:
获取单元,用于获取多个目标活动的活动信息以及所述多个目标活动下的各个用户的个人信息以及历史行为数据;
用户等级确定单元,用于基于所述个人信息以及所述历史行为数据确定各个用户的用户等级;
活动等级确定单元,用于基于所述多个目标活动的活动信息确定各个目标活动的活动等级;
推荐单元,用于将所述多个用户的用户等级与所述多个目标活动的活动等级进行匹配,基于匹配结果向各个用户推荐所述目标活动。
9.一种电子设备,其特征在于,包括:
处理器;以及
存储器,所述存储器上存储有计算机可读指令,所述计算机可读指令被所述处理器执行时实现如权利要求1至7中任一项所述的活动推荐方法。
10.一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的活动推荐方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810960799.7A CN109190028A (zh) | 2018-08-22 | 2018-08-22 | 基于大数据的活动推荐方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810960799.7A CN109190028A (zh) | 2018-08-22 | 2018-08-22 | 基于大数据的活动推荐方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109190028A true CN109190028A (zh) | 2019-01-11 |
Family
ID=64919133
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810960799.7A Pending CN109190028A (zh) | 2018-08-22 | 2018-08-22 | 基于大数据的活动推荐方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109190028A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110659425A (zh) * | 2019-09-25 | 2020-01-07 | 秒针信息技术有限公司 | 一种资源分配方法、装置、电子设备及可读存储介质 |
CN111124990A (zh) * | 2020-01-19 | 2020-05-08 | 苏州忍冬新材料科技有限公司 | 一种信息技术服务设备 |
CN111611493A (zh) * | 2020-06-03 | 2020-09-01 | 合肥江雪信息科技有限公司 | 一种基于互联网的智能科技项目咨询服务系统 |
CN111768130A (zh) * | 2020-08-06 | 2020-10-13 | 京东数字科技控股股份有限公司 | 用户分配方法、装置、电子设备及可读存储介质 |
CN111815089A (zh) * | 2019-04-11 | 2020-10-23 | 深圳市家家分类科技有限公司 | 环保等级确定方法、装置、服务端及存储介质 |
CN111949860A (zh) * | 2019-05-15 | 2020-11-17 | 北京字节跳动网络技术有限公司 | 用于生成相关度确定模型的方法和装置 |
WO2021174944A1 (zh) * | 2020-10-12 | 2021-09-10 | 平安科技(深圳)有限公司 | 基于目标对象活跃度的消息推送方法及相关设备 |
CN118094017A (zh) * | 2024-04-23 | 2024-05-28 | 江西科技学院 | 一种基于大数据的活动推荐方法及系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104111946A (zh) * | 2013-04-19 | 2014-10-22 | 腾讯科技(深圳)有限公司 | 基于用户兴趣的聚类方法和装置 |
CN107343053A (zh) * | 2017-08-01 | 2017-11-10 | 骆德轩 | 一种内容推荐方法 |
CN107391680A (zh) * | 2017-07-24 | 2017-11-24 | 北京京东尚科信息技术有限公司 | 内容推荐方法、装置和设备 |
-
2018
- 2018-08-22 CN CN201810960799.7A patent/CN109190028A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104111946A (zh) * | 2013-04-19 | 2014-10-22 | 腾讯科技(深圳)有限公司 | 基于用户兴趣的聚类方法和装置 |
CN107391680A (zh) * | 2017-07-24 | 2017-11-24 | 北京京东尚科信息技术有限公司 | 内容推荐方法、装置和设备 |
CN107343053A (zh) * | 2017-08-01 | 2017-11-10 | 骆德轩 | 一种内容推荐方法 |
Non-Patent Citations (1)
Title |
---|
豆丁: "关于用户成长体系,一份不能错过的笔记", pages 3 - 14, Retrieved from the Internet <URL:《https://zhuanlan.zhihu.com/p/27447730》> * |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111815089A (zh) * | 2019-04-11 | 2020-10-23 | 深圳市家家分类科技有限公司 | 环保等级确定方法、装置、服务端及存储介质 |
CN111815089B (zh) * | 2019-04-11 | 2023-12-22 | 深圳市家家分类科技有限公司 | 环保等级确定方法、装置、服务端及存储介质 |
CN111949860A (zh) * | 2019-05-15 | 2020-11-17 | 北京字节跳动网络技术有限公司 | 用于生成相关度确定模型的方法和装置 |
CN110659425A (zh) * | 2019-09-25 | 2020-01-07 | 秒针信息技术有限公司 | 一种资源分配方法、装置、电子设备及可读存储介质 |
CN111124990A (zh) * | 2020-01-19 | 2020-05-08 | 苏州忍冬新材料科技有限公司 | 一种信息技术服务设备 |
CN111611493A (zh) * | 2020-06-03 | 2020-09-01 | 合肥江雪信息科技有限公司 | 一种基于互联网的智能科技项目咨询服务系统 |
CN111611493B (zh) * | 2020-06-03 | 2022-05-17 | 合肥江雪信息科技有限公司 | 一种基于互联网的智能科技项目咨询服务系统 |
CN111768130A (zh) * | 2020-08-06 | 2020-10-13 | 京东数字科技控股股份有限公司 | 用户分配方法、装置、电子设备及可读存储介质 |
CN111768130B (zh) * | 2020-08-06 | 2024-05-17 | 京东科技控股股份有限公司 | 用户分配方法、装置、电子设备及可读存储介质 |
WO2021174944A1 (zh) * | 2020-10-12 | 2021-09-10 | 平安科技(深圳)有限公司 | 基于目标对象活跃度的消息推送方法及相关设备 |
CN118094017A (zh) * | 2024-04-23 | 2024-05-28 | 江西科技学院 | 一种基于大数据的活动推荐方法及系统 |
CN118094017B (zh) * | 2024-04-23 | 2024-07-05 | 江西科技学院 | 一种基于大数据的活动推荐方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109190028A (zh) | 基于大数据的活动推荐方法、装置、电子设备及存储介质 | |
Han et al. | Mobile app analytics | |
CA2843056C (en) | User-initiated boosting of social networking objects | |
US7860741B1 (en) | Clusters for rapid artist-audience matching | |
CN109299356A (zh) | 基于大数据的活动推荐方法、装置、电子设备及存储介质 | |
US10325285B1 (en) | Predictive recommendation system | |
Mustafa et al. | An integrated model of UTAUT2 to understand consumers' 5G technology acceptance using SEM-ANN approach | |
US20110252121A1 (en) | Recommendation ranking system with distrust | |
CN109345368A (zh) | 基于大数据的信用评估方法、装置、电子设备及存储介质 | |
CN108540826A (zh) | 弹幕推送方法、装置、电子设备及存储介质 | |
US20200234218A1 (en) | Systems and methods for entity performance and risk scoring | |
CN110402570A (zh) | 信息处理方法和系统、服务器、终端、计算机存储介质 | |
CN109903086A (zh) | 一种相似人群扩展方法、装置及电子设备 | |
CN109214585A (zh) | 用户消费预测方法、装置、电子设备及存储介质 | |
US11200593B2 (en) | Predictive recommendation system using tiered feature data | |
CN109685645A (zh) | 用户信用风险评估方法及装置、存储介质 | |
CN102934113A (zh) | 信息提供系统、信息提供方法、信息提供设备、程序和信息记录介质 | |
CN112204610A (zh) | 基于神经网络的电子内容 | |
CN109543940A (zh) | 活动评估方法、装置、电子设备及存储介质 | |
Roos et al. | The effect of links and excerpts on internet news consumption | |
CN104838417A (zh) | 确定在线群的个人 | |
CN109460778B (zh) | 活动评估方法、装置、电子设备及存储介质 | |
CN109472455B (zh) | 活动评估方法、装置、电子设备及存储介质 | |
Casini | Not-so-minimal models: Between isolation and imagination | |
CN109636432B (zh) | 计算机执行的项目选择方法和装置 |
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 |