CN110191183A - 精准智能推送方法、系统、装置及计算机可读存储介质 - Google Patents

精准智能推送方法、系统、装置及计算机可读存储介质 Download PDF

Info

Publication number
CN110191183A
CN110191183A CN201910467243.9A CN201910467243A CN110191183A CN 110191183 A CN110191183 A CN 110191183A CN 201910467243 A CN201910467243 A CN 201910467243A CN 110191183 A CN110191183 A CN 110191183A
Authority
CN
China
Prior art keywords
user
data
user tag
user information
pushing
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
Application number
CN201910467243.9A
Other languages
English (en)
Inventor
杨平
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Medical Faith Technology Co Ltd
Original Assignee
Shenzhen Medical Faith Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenzhen Medical Faith Technology Co Ltd filed Critical Shenzhen Medical Faith Technology Co Ltd
Priority to CN201910467243.9A priority Critical patent/CN110191183A/zh
Publication of CN110191183A publication Critical patent/CN110191183A/zh
Pending legal-status Critical Current

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
    • G06F16/90—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
    • 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
    • G06F16/958—Organisation or management of web site content, e.g. publishing, maintaining pages or automatic linking
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/50—Network services
    • H04L67/55—Push-based network services

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)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及一种精准智能推送方法，所述精准智能推送方法包括以下步骤：获取用户标签；获取用户信息，根据用户信息，包括会员数据、行为数据、消费数据、活动数据，更新所述用户标签，形成二次用户标签；根据所述二次用户标签查找推送内容，并向用户推送匹配所述二次用户标签的的相关内容。

Description

精准智能推送方法、系统、装置及计算机可读存储介质
技术领域
本发明涉及本发明涉及智能推荐系统技术领域，具体为一种精准智能推送方法、系统、装置及计算机可读存储介质。
背景技术
近年来，互联网的各类应用软件已经发展的非常壮大，用户可以通过各类应用软件进行社交、购物、阅读等活动，如何让用户快速找到符合自己需求的物品、书籍、文章并针对用户的需求进行精准营销是各互联网公司重点要解决的问题。
发明内容
为解决上述技术问题，有必要提供一种精准智能推送方法、系统、装备及计算机可读存储介质。
根据本发明的一种实施例，所述精准智能推送方法包括以下步骤：
获取用户标签；
获取用户信息，根据用户信息，包括会员数据、行为数据、消费数据、活动数据，更新所述用户标签，形成二次用户标签；
根据所述二次用户标签查找推送内容，并向用户推送匹配所述二次用户标签的的相关内容。
根据本发明的一种实施例，所述获取用户标签之前，还包括以下步骤：
从线上数据、线下数据中获取用户标签，及/或
从公有软件、私有软件中获取用户信息，对所述用户信息进行数据挖掘、分析，生成用户标签。
根据本发明的一种实施例，所述获取用户信息还包括以下步骤：
从公有软件、私有软件中获取用户信息，及/或
根据用户对推送内容的反馈获取用户信息。
根据本发明的一种实施例，所述根据用户信息，更新所述用户标签，形成二次用户标签还包括以下步骤：
对所述用户信息进行分类处理，并存储到对应类型的数据仓库中；
根据各类数据仓库的挖掘策略对所述用户信息进行数据挖掘，形成所述用户标签；
查找匹配原有所述用户标签，将新生成的所述用户标签更新到相同用户的原有所述用户标签上，形成所述二次用户标签。
一种精准智能推送系统，根据本发明的一种实施例，所述精准智能推送系统包括数据分析推送模块，所述数据分析推送模块用于获取用户信息，对用户信息进行数据挖掘，形成用户标签，并根据用户标签查找相关推送内容，向用户推送匹配用户标签的相关内容。
根据本发明的一种实施例，所述精准智能推送系统还包括数据接入模块，所述数据接入模块用于从线上数据、线下数据中获取用户标签，及/或从公有软件、私有软件中获取用户信息。
根据本发明的一种实施例，所述数据分析推送模块包括数据分析单元，所述数据分析单元用于对所述用户信息进行分类处理，并存储到对应类型的数据仓库中，根据各类数据仓库的挖掘策略对所述用户信息进行数据挖掘，形成所述用户标签，查找匹配原有所述用户标签，将新生成的所述用户标签更新到相同用户的原有所述用户标签上，形成所述二次用户标签。
根据本发明的一种实施例，所述数据分析推送模块包括数据推送单元，所述数据推送单元用于根据所述用户标签或所述二次用户标签查找相关推送内容，向用户推送匹配用户标签的相关内容。
一种装置，其包括存储器及处理器，根据本发明的一种实施例，所述存储器存储有至少一个指令，所述至少一个指令被处理器执行时实现任意一项如上述实施例中所述精准智能推送方法。
一种计算机可读存储介质，根据本发明的一种实施例，所述计算机可读存储介质存储有至少一个指令，所述至少一个指令被处理器执行时实现任意一项如上述实施例中所述精准智能推送方法。
相较现有技术，依据所述精准智能推送方法、系统、设备及计算机可读存储介质可以对用户信息及对推送结果的反馈进行多次收集，并且每次收集都是对前一次生成的用户标签的更新，可以累积分析用户信息生成更贴合用户属性的用户标签，并根据多次分析运算获得的用户标签进行智能推送，使推送信息更加精确。
另外，每次用户信息的刷新都是在基于上一次用户信息的基础上进行的，执行效率更高，用户体验更好。
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，还可以根据提供的附图获得其他的附图。
图1是本发明实施例提供的一种精准智能推送系统的结构图。
图2是本发明实施例提供的一种精准智能推送方法的步骤图。
图3是本发明采用图1及图2所示精准智能推送方法及系统的原理示意图。
图4是本发明一种实施例中实现精准智能推送方法的装置的结构示意图。
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，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
为了使本技术领域的人员更好地理解本发明方案，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，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”和“第三”等是用于区别不同对象，而非用于描述特定顺序。此外，术语“包括”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例：精准智能推送方法、系统
如图1所示，图1是本发明实施例提供的一种精准智能推送系统的结构图，所述精准智能推送系统100包括数据接入模块110、数据分析推送模块120，所述数据接入模块110用于从线上数据、线下数据中获取用户标签，及/或从公有软件、私有软件中获取用户信息，所述数据分析推送模块120用于获取用户信息，对用户信息进行数据挖掘，形成用户标签，并根据用户标签查找相关推送内容，向用户推送匹配用户标签的相关内容。
进一步地，所述数据分析推送模块120包括数据分析单元121、数据推送单元122，所述数据分析单元121用于对所述用户信息进行分类处理，并存储到对应类型的数据仓库中，根据各类数据仓库的挖掘策略对所述用户信息进行数据挖掘，形成所述用户标签，查找匹配原有所述用户标签，将新生成的所述用户标签更新到相同用户的原有所述用户标签上，形成所述二次用户标签，所述数据推送单元122用于根据所述用户标签或所述二次用户标签查找相关推送内容，向用户推送匹配用户标签的相关内容。
如图2所示，图2是本发明实施例提供的一种精准智能推送方法的步骤图，所述精准智能推送系统100可以用于执行图2所示的精准智能推送方法，下面结合图3，图3是本发明采用图1及图2所示精准智能推送方法及系统的原理示意图进行说明。
所述精准智能推送方法包括以下步骤：
步骤S1：获取用户标签；
步骤S2：，根据用户信息，包括会员数据、行为数据、消费数据、活动数据，更新所述获取用户信息用户标签，形成二次用户标签；
步骤S3：根据所述二次用户标签查找推送内容，并向用户推送匹配所述二次用户标签的的相关内容。
其中，所述数据接入模块110用于执行步骤S1，还包括以下步骤：
步骤S11：从线上数据、线下数据中获取用户标签，及/或
步骤S12：从公有软件、私有软件中获取用户信息，对所述用户信息进行数据挖掘、分析，生成用户标签。
根据一种实施例，所述线上数据可以为移动终端的微信公众账号、内部的his系统中已经形成用户标签的数据信息，所述线下数据可以为经过线下问卷调查、统计形成的数据标签。
所述公有软件可以为可以在应用市场公开下载的应用软件，所述私有软件可以为互联网公司为获取特定用户信息而开发的软件，在所述公有软件、所述私有软件中进行数据埋点，埋点逻辑包括用户查看的文章、下载、分享、停留时长、跳转路径等信息，从而获取用户信息。
所述数据分析推送模块120中的所述数据分析单元121用于执行步骤S2，其中步骤S2中所述获取用户信息还包括以下步骤：
步骤S21：从公有软件、私有软件中获取用户信息，及/或
步骤S22：根据用户对推送内容的反馈获取用户信息。
其中步骤S2中所述根据用户信息，更新所述用户标签，形成二次用户标签还包括以下步骤：
步骤S23：对所述用户信息进行分类处理，并存储到对应类型的数据仓库中；
步骤S24：根据各类数据仓库的挖掘策略对所述用户信息进行数据挖掘，形成所述用户标签；
步骤S25：查找匹配原有所述用户标签，将新生成的所述用户标签更新到相同用户的原有所述用户标签上，形成所述二次用户标签
根据一种实施例，所述对用户信息进行分类可以为将用户信息分为会员数据、行为数据、消费数据、活动数据，结合数据埋点获取的用户信息，可以理解为将用户注册信息包括姓名、电话、年龄、地区分类到会员数据中，用户查看的文章、下载、分享归类为行为数据，用户查看文章停留时长、跳转路径归类为活动数据，用户消费归类为消费数据。
完成用户信息分类并存储数据仓库后，对分类数据进行数据挖掘，根据一种实施例，可以对所述分类的用户信息进行数据清洗、标签规则、模型建立、运算分析的数据挖掘操作，然后生成基于用户个体的自然属性、触点属性、客户价值、营销偏好、产品偏好、传播属性的用户标签，搜索已有用户标签，若已存在此用户的用户标签，则对所述已有用户的用户标签进行更新，生成二次用户标签。
所述数据分析推送模块120中的所述数据推送单元122用于执行步骤S3，基于二次用户标签进行内容推送。
可以理解，上述二次用户标签的计算过程可以多次执行，形成多次用户标签，可以根据推送策略基于多次用户标签进行更加精确的智能推送。
相较现有技术，依据所述精准智能推送方法、系统、设备及计算机可读存储介质可以对用户信息及对推送结果的反馈进行多次收集，并且每次收集都是对前一次生成的用户标签的更新，可以累积分析用户信息生成更贴合用户属性的用户标签，并根据多次分析运算获得的用户标签进行智能推送，使推送信息更加精确。
另外，每次用户信息的刷新都是在基于上一次用户信息的基础上进行的，执行效率更高，用户体验更好。
实施例：装置、计算机可读存储介质
如图4所示，图4是本发明一种实施例中实现精准智能推送方法的装置的结构示意图，为执行上述实施例中的精准智能推送方法的装置30的结构示意图。所述装置30可以为计算机装置，其包括，但不限于：至少一个存储器31、至少一个处理器32。所述存储器31用于存储至少一个程序；当所述至少一个程序被所述至少一个处理器32执行，使得所述至少一个处理器32实现上述精准智能推送方法。可以理解，所述装置30可以执行本发明实施例所提供的精准智能推送方法，可执行上述方法实施例的任意组合实施步骤，具备该方法相应的功能和有益效果。
所述装置30是一种能够按照事先设定或存储的指令，自动进行数值计算和/或信息处理的设备，其硬件包括但不限于微处理器、专用集成电路(Application SpecificIntegrated Circuit，ASIC)、可编程门阵列(Field－Programmable Gate Array，FPGA)、数字处理器(Digital Signal Processor，DSP)、嵌入式设备等。所述装置30还可包括网络设备和/或用户设备。其中，所述网络设备包括但不限于单个网络服务器、多个网络服务器组成的服务器组或基于云计算(Cloud Computing)的由大量主机或网络服务器构成的云，其中，云计算是分布式计算的一种，由一群松散耦合的计算机集组成的一个超级虚拟计算机。
所述装置30可以是，但不限于任何一种可与用户通过键盘、触摸板或声控设备等方式进行人机交互的电子产品，例如，平板电脑、智能手机、个人数字助理(PersonalDigital Assistant，PDA)、智能式穿戴式设备、摄像设备、监控设备等电子设备终端。
所述装置30所处的网络包括，但不限于互联网、广域网、城域网、局域网、虚拟专用网络(Virtual Private Network，VPN)等。
其中，所述装置30还可以包括通信装置，所述通信装置可以是有线发送端口，也可以为无线设备，例如包括天线装置，用于与其他设备进行数据通信。
所述存储器31用于存储程序代码。所述存储器31可以是集成电路中没有实物形式的具有存储功能的电路，如RAM(Random-Access Memory，随机存取存储器)、FIFO(First InFirst Out，)等。或者，所述存储器也可以是具有实物形式的存储器，如内存条、TF卡(Trans-flash Card)、智能媒体卡(smart media card)、安全数字卡(secure digitalcard)、快闪存储器卡(flash card)等储存设备等等。
所述处理器32可以包括一个或者多个微处理器、数字处理器。所述处理器可调用所述存储器中存储的程序代码以执行相关的功能；例如，图1及图2中所述的各个模块、单元、系统是存储在存储器的程序代码，并由所述处理器所执行，以实现一种应用程序交互界面统一化方法。所述处理器又称中央处理器(CPU，Central Processing Unit)，是一块超大规模的集成电路，是运算核心(Core)和控制核心(Control Unit)。
本发明实施例还提供一种计算机可读存储介质，其上存储有计算机指令，所述指令当被一个或多个处理器执行时，可实现本发明方法实施例所提供的精准智能推送方法，具备该方法相应的功能和有益效果。
以上说明的本发明的特征性的手段可以通过集成电路来实现，并控制实现上述任意实施例中所述精准智能推送方法。
在任意实施例中所述精准智能推送方法所能实现的功能都能通过本发明的集成电路安装于所述装置30中，使所述装置30发挥任意实施例中所述精准智能推送方法所能实现的功能，在此不再详述。
需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制，因为依据本发明，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本发明所必须的。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置，可通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明的各个实施例中的各功能单元可以集成在一个处理单元中，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单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
以上所揭露的仅为本发明一种实施方式而已，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 (10)

1.一种精准智能推送方法，其特征在于：所述精准智能推送方法包括以下步骤：
获取用户标签；
获取用户信息，根据用户信息，包括会员数据、行为数据、消费数据、活动数据，更新所述用户标签，形成二次用户标签；
根据所述二次用户标签查找推送内容，并向用户推送匹配所述二次用户标签的的相关内容。
2.根据权利要求1所述的精准智能推送方法，其特征在于：所述获取用户标签之前，还包括以下步骤：
从线上数据、线下数据中获取用户标签，及/或
从公有软件、私有软件中获取用户信息，对所述用户信息进行数据挖掘、分析，生成用户标签。
3.根据权利要求1所述的精准智能推送方法，其特征在于：所述获取用户信息还包括以下步骤：
从公有软件、私有软件中获取用户信息，及/或
根据用户对推送内容的反馈获取用户信息。
4.根据权利要求1所述的精准智能推送方法，其特征在于：所述根据用户信息，更新所述用户标签，形成二次用户标签还包括以下步骤：
对所述用户信息进行分类处理，并存储到对应类型的数据仓库中；
根据各类数据仓库的挖掘策略对所述用户信息进行数据挖掘，形成所述用户标签；
查找匹配原有所述用户标签，将新生成的所述用户标签更新到相同用户的原有所述用户标签上，形成所述二次用户标签。
5.一种精准智能推送系统，其特征在于：所述精准智能推送系统包括数据分析推送模块，所述数据分析推送模块用于获取用户信息，对用户信息进行数据挖掘，形成用户标签，并根据用户标签查找相关推送内容，向用户推送匹配用户标签的相关内容。
6.根据权利要求5所述精准智能推送系统，其特征在于：所述精准智能推送系统还包括数据接入模块，所述数据接入模块用于从线上数据、线下数据中获取用户标签，及/或从公有软件、私有软件中获取用户信息。
7.根据权利要求6所述精准智能推送系统，其特征在于：所述数据分析推送模块包括数据分析单元，所述数据分析单元用于对所述用户信息进行分类处理，并存储到对应类型的数据仓库中，根据各类数据仓库的挖掘策略对所述用户信息进行数据挖掘，形成所述用户标签，查找匹配原有所述用户标签，将新生成的所述用户标签更新到相同用户的原有所述用户标签上，形成所述二次用户标签。
8.根据权利要求7所述精准智能推送系统，其特征在于：所述数据分析推送模块包括数据推送单元，所述数据推送单元用于根据所述用户标签或所述二次用户标签查找相关推送内容，向用户推送匹配用户标签的相关内容。
9.一种装置，其包括存储器及处理器，其特征在于，所述存储器存储有至少一个指令，所述至少一个指令被处理器执行时实现如权利要求1-4中任意一项权利要求中所述的方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有至少一个指令，所述至少一个指令被处理器执行时实现如权利要求1-4中任意一项权利要求中所述的方法。
CN201910467243.9A 2019-05-31 2019-05-31 精准智能推送方法、系统、装置及计算机可读存储介质 Pending CN110191183A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910467243.9A CN110191183A (zh) 2019-05-31 2019-05-31 精准智能推送方法、系统、装置及计算机可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910467243.9A CN110191183A (zh) 2019-05-31 2019-05-31 精准智能推送方法、系统、装置及计算机可读存储介质

Publications (1)

Publication Number Publication Date
CN110191183A true CN110191183A (zh) 2019-08-30

Family

ID=67719323

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910467243.9A Pending CN110191183A (zh) 2019-05-31 2019-05-31 精准智能推送方法、系统、装置及计算机可读存储介质

Country Status (1)

Country Link
CN (1) CN110191183A (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112288455A (zh) * 2020-01-09 2021-01-29 北京沃东天骏信息技术有限公司 标签生成方法及装置、计算机可读存储介质、电子设备
CN112464034A (zh) * 2020-12-08 2021-03-09 深圳市欢太科技有限公司 用户数据提取方法、装置、电子设备及计算机可读介质
CN112508607A (zh) * 2020-12-02 2021-03-16 上海中商网络股份有限公司 数据推送方法、装置、计算机设备以及可读存储介质
CN112565423A (zh) * 2020-12-04 2021-03-26 华南师范大学 基于icap的数据驱动资源精准推送及精细化管理方法
CN112733008A (zh) * 2019-10-28 2021-04-30 浙江大搜车软件技术有限公司 一种标签值生成方法、装置、电子设备及存储介质
CN115623066A (zh) * 2022-10-31 2023-01-17 江苏新合程科技有限公司 一种基于标签识别的推送系统

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106294787A (zh) * 2016-08-12 2017-01-04 北京金山安全软件有限公司 一种推送信息的方法、装置及电子设备
CN106651424A (zh) * 2016-09-28 2017-05-10 国网山东省电力公司电力科学研究院 基于大数据技术的电力用户画像建立与分析方法
CN107273489A (zh) * 2017-06-14 2017-10-20 掌阅科技股份有限公司 内容推送方法、电子设备及计算机存储介质
CN108681919A (zh) * 2018-05-10 2018-10-19 苏州跃盟信息科技有限公司 一种内容推送方法及装置
CN109146539A (zh) * 2018-06-28 2019-01-04 深圳市彬讯科技有限公司 用户画像的更新方法及装置
CN109376161A (zh) * 2018-08-22 2019-02-22 中国平安人寿保险股份有限公司 基于大数据的标签数据更新方法、装置、介质及电子设备
CN109389423A (zh) * 2018-09-19 2019-02-26 广东长城宽带网络服务有限公司 一种基于大数据融合商业的营销使用方法
CN109615432A (zh) * 2018-12-14 2019-04-12 成都德迈安科技有限公司 基于大数据的消费者行为画像工具

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106294787A (zh) * 2016-08-12 2017-01-04 北京金山安全软件有限公司 一种推送信息的方法、装置及电子设备
CN106651424A (zh) * 2016-09-28 2017-05-10 国网山东省电力公司电力科学研究院 基于大数据技术的电力用户画像建立与分析方法
CN107273489A (zh) * 2017-06-14 2017-10-20 掌阅科技股份有限公司 内容推送方法、电子设备及计算机存储介质
CN108681919A (zh) * 2018-05-10 2018-10-19 苏州跃盟信息科技有限公司 一种内容推送方法及装置
CN109146539A (zh) * 2018-06-28 2019-01-04 深圳市彬讯科技有限公司 用户画像的更新方法及装置
CN109376161A (zh) * 2018-08-22 2019-02-22 中国平安人寿保险股份有限公司 基于大数据的标签数据更新方法、装置、介质及电子设备
CN109389423A (zh) * 2018-09-19 2019-02-26 广东长城宽带网络服务有限公司 一种基于大数据融合商业的营销使用方法
CN109615432A (zh) * 2018-12-14 2019-04-12 成都德迈安科技有限公司 基于大数据的消费者行为画像工具

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112733008A (zh) * 2019-10-28 2021-04-30 浙江大搜车软件技术有限公司 一种标签值生成方法、装置、电子设备及存储介质
CN112288455A (zh) * 2020-01-09 2021-01-29 北京沃东天骏信息技术有限公司 标签生成方法及装置、计算机可读存储介质、电子设备
CN112508607A (zh) * 2020-12-02 2021-03-16 上海中商网络股份有限公司 数据推送方法、装置、计算机设备以及可读存储介质
CN112565423A (zh) * 2020-12-04 2021-03-26 华南师范大学 基于icap的数据驱动资源精准推送及精细化管理方法
CN112565423B (zh) * 2020-12-04 2023-04-18 华南师范大学 基于icap的数据驱动资源精准推送及精细化管理方法
CN112464034A (zh) * 2020-12-08 2021-03-09 深圳市欢太科技有限公司 用户数据提取方法、装置、电子设备及计算机可读介质
CN115623066A (zh) * 2022-10-31 2023-01-17 江苏新合程科技有限公司 一种基于标签识别的推送系统

Similar Documents

Publication Publication Date Title
CN110191183A (zh) 精准智能推送方法、系统、装置及计算机可读存储介质
CN105701216B (zh) 一种信息推送方法及装置
CN108108821A (zh) 模型训练方法及装置
CN104412265B (zh) 更新用于促进应用搜索的搜索索引
CN109902708A (zh) 一种推荐模型训练方法及相关装置
CN108885624B (zh) 信息推荐系统及方法
CN104699711B (zh) 一种推荐方法及服务器
CN105512180B (zh) 一种搜索推荐方法及装置
CN105721629B (zh) 用户标识匹配方法和装置
CN110008397B (zh) 一种推荐模型训练方法及装置
CN106104512A (zh) 用于主动获取社交数据的系统和方法
CN104081392A (zh) 社会媒体配置文件的影响评分
CN112380453B (zh) 物品推荐方法、装置、存储介质及设备
CN110472154A (zh) 一种资源推送方法、装置、电子设备及可读存储介质
CN111639253B (zh) 一种数据判重方法、装置、设备及存储介质
CN106844407A (zh) 基于数据集相关性的标签网络产生方法和系统
US11379473B1 (en) Site rank codex search patterns
CN110503506A (zh) 基于评分数据的物品推荐方法、装置及介质
CN111932308A (zh) 数据推荐方法、装置和设备
CN107977678A (zh) 用于输出信息的方法和装置
CN112818230B (zh) 内容推荐方法、装置、电子设备和存储介质
CN107368499B (zh) 一种客户标签建模及推荐方法及装置
CN108647064A (zh) 操作路径导航的方法及装置
CN112184300A (zh) 一种达人匹配方法、介质、系统和设备
CN113821592A (zh) 一种数据处理方法、装置、设备以及存储介质

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
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20190830

WD01 Invention patent application deemed withdrawn after publication