CN110648185A - 一种目标人群圈选方法、装置及计算机设备 - Google Patents

Abstract

本发明公开了一种目标人群圈选方法、装置及计算机设备，属于互联网技术领域。方法包括：获取用户实时行为数据，对用户实时行为数据进行解析得到用户实时标签数据，并按照预设的位图数据结构生成用户实时标签位图；根据用户实时标签位图和预先构建的用户历史标签位图数据库，生成用户全量标签位图数据库，并构建差异点数据；对差异点数据与预设的人群条件位图库中对应的人群条件位图进行按位运算，根据运算结果，确定人群条件位图中的位数值为预设值的位位置；在预设的条件森林库中确定位数值为预设值的位位置预先映射的条件树，并基于条件树与用户全量标签位图数据库，圈选出目标人群。本发明实施例能够实现高效实时地圈选出符合条件的人群包。

Description

一种目标人群圈选方法、装置及计算机设备

技术领域

本发明涉及互联网技术领域，尤其涉及一种目标人群圈选方法、装置及计算机设备。

背景技术

目前，在海量的互联网数据里面圈选出的人群是否精准直接决定着广告信息投放活动的成败，通常可以通过标签化用户特征行为，并将标签作为筛选人群的条件来筛选出所需要的人群，进行实时广告信息投放，由于需要对不同人群会投放不同的广告信息，因此圈选出不同人群所使用的条件就会千变万化。

现有技术中，可以运用大数据平台的存储计算能力，通过创建任务的方式，为一个筛选的人群条件创建一个计算任务来实现人群包的圈选，但当人群条件的数量越来越多的时候，将造成任务数量越来越多，计算资源需求也越来越多，机器资源总是有限的，就会造成计算瓶颈，延长人群包的圈选时间。

发明内容

为了解决上述背景技术中提到的技术问题，本发明提供了一种目标人群圈选方法、装置及计算机设备，以实现高效实时地圈选出符合条件的人群包。

本发明实施例提供的具体技术方案如下：

第一方面，提供一种目标人群圈选方法，所述方法包括：

获取用户实时行为数据，对所述用户实时行为数据进行解析得到用户实时标签数据，并按照预设的位图数据结构生成用户实时标签位图；

根据所述用户实时标签位图和预先构建的用户历史标签位图数据库，生成用户全量标签位图数据库，并构建差异点数据；

对所述差异点数据与预设的人群条件位图库中对应的人群条件位图进行按位运算，根据运算结果，确定所述人群条件位图中的位数值为预设值的位位置；

在预设的条件森林库中确定所述位数值为预设值的位位置预先映射的条件树，并基于所述条件树与所述用户全量标签位图数据库，圈选出目标人群。

进一步地，所述方法还包括：

获取人群包定义信息的结构化查询语言SQL数据；

对所述结构化查询语言SQL数据进行解析，生成所述人群条件位图和所述条件树，并分别存储至所述人群条件位图库和所述条件森林库中，建立所述人群条件位图中的位数值为预设值的位位置和所述条件树的映射关系。

进一步地，所述对所述结构化查询语言SQL数据进行解析，生成所述人群条件位图和所述条件树，包括：

对所述结构化查询语言SQL数据进行解析，得到所述结构化查询语言SQL数据中的多个元素；

按照所述预设的位图数据结构，对所述结构化查询语言SQL数据中的多个元素进行转换，生成所述人群条件位图；

根据所述结构化查询语言SQL数据中的多个元素，生成SQL条件树以作为所述条件树。

进一步地，所述用户实时标签数据包括用户标识、业务对象、行为类型和时间戳，所述业务对象包括商品品牌、商品类别和店铺中的至少一项，所述行为类型包括针对业务对象进行的浏览、搜索、加购、收藏、提交订单以及支付订单中的至少一项。

进一步地，所述按照预设的位图数据结构生成用户实时标签位图，包括：

按照所述位图数据结构确定用户实时标签数据中各标签分别对应的字节位置和位位置；

根据所述各标签分别对应的字节位置和位位置，生成所述用户实时标签数据对应的用户实时标签位图，其中，在所述用户实时标签位图中，所述各标签对应的位位置均设定为1，除所述各标签对应的位位置以外的位位置均设定为0。

进一步地，所述根据所述用户实时标签位图和预先构建的用户历史标签位图数据库，生成用户全量标签位图数据库，并构建差异点数据，包括：

对所述用户实时标签位图和所述用户历史标签位图数据库中对应的用户历史标签位图进行融合，得到所述用户全量标签位图数据库；

对所述用户实时标签位图和所述用户历史标签位图数据库中对应的用户历史标签位图进行按位运算，得到所述差异点数据。

进一步地，所述对所述差异点数据与预设的人群条件位图库中对应的人群条件位图进行按位运算，根据运算结果，确定出所述人群条件位图中的位数值为预设值的位位置，包括：

确定所述差异点数据所对应的业务对象和行为类型，在所述人群条件位图库中检索出所述业务对象和所述行为类型对应的人群条件位图；

对所述差异点数据与所述人群条件位图进行按位与运算，得到多个运算值，在所述人群条件位图中确定所述多个运算值中的运算值为1时所对应的位位置。

第二方面，提供了一种目标人群圈选装置，所述装置包括：

实时接收模块，用于获取用户实时行为数据；

标签解析模块，用于对所述用户实时行为数据进行解析得到用户实时标签数据，并按照预设的位图数据结构生成用户实时标签位图；

标签融合模块，用于根据所述用户实时标签位图和预先构建的用户历史标签位图数据库，生成用户全量标签位图数据库，并构建差异点数据；

人群圈选模块，用于对所述差异点数据与预设的人群条件位图库中对应的人群条件位图进行按位运算，根据运算结果，确定所述人群条件位图中的位数值为预设值的位位置，并在预设的条件森林库中确定所述位数值为预设值的位位置预先映射的条件树，基于所述条件树与所述用户全量标签位图数据库，圈选出目标人群。

进一步地，所述装置还包括人群包解析模块；

所述实时接收模块，还用于获取人群包定义信息的结构化查询语言SQL数据；

所述人群包解析模块，用于对所述结构化查询语言SQL数据进行解析，生成所述人群条件位图和所述条件树，并分别存储至所述人群条件位图库和所述条件森林库中，建立所述人群条件位图中的位数值为预设值的位位置和所述条件树的映射关系。

进一步地，所述人群包解析模块具体用于：

对所述结构化查询语言SQL数据进行解析，得到所述结构化查询语言SQL数据中的多个元素；

按照所述预设的位图数据结构，对所述结构化查询语言SQL数据中的多个元素进行转换，生成所述人群条件位图；

根据所述结构化查询语言SQL数据中的多个元素，生成SQL条件树以作为所述条件树。

进一步地，所述用户实时标签数据包括用户标识、业务对象、行为类型和时间戳，所述业务对象包括商品品牌、商品类别和店铺中的至少一项，所述行为类型包括针对业务对象进行的浏览、搜索、加购、收藏、提交订单以及支付订单中的至少一项。

进一步地，所述标签解析模块具体用于：

按照所述位图数据结构确定用户实时标签数据中各标签分别对应的字节位置和位位置；

根据所述各标签分别对应的字节位置和位位置，生成所述用户实时标签数据对应的用户实时标签位图，其中，在所述用户实时标签位图中，所述各标签对应的位位置均设定为1，除所述各标签对应的位位置以外的位位置均设定为0。

进一步地，所述标签融合模块具体用于：

对所述用户实时标签位图和所述用户历史标签位图数据库中对应的用户历史标签位图进行融合，得到所述用户全量标签位图数据库；

对所述用户实时标签位图和所述用户历史标签位图数据库中对应的用户历史标签位图进行按位运算，得到所述差异点数据。

进一步地，所述人群圈选模块具体用于：

确定所述差异点数据所对应的业务对象和行为类型，在所述人群条件位图库中检索出所述业务对象和所述行为类型对应的人群条件位图；

对所述差异点数据与所述人群条件位图进行按位与运算，得到多个运算值，在所述人群条件位图中确定所述多个运算值中的运算值为1时所对应的位位置。

第三方面，提供了一种计算机设备，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如第一方面任一所述的目标人群圈选方法。

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，所述程序被处理器执行时实现如第一方面任一所述的目标人群圈选方法。

本发明实施例提供了一种目标人群圈选方法、装置及计算机设备，通过将用户实时标签数据进行bitmap化处理，得到用户实时标签位图，利用用户实时标签位图和用户历史标签位图数据库中对应的用户历史标签位图进行构建差异点数据，并基于差异点数据和预先存储的人群条件位图进行位运算确定出人群条件位图中的位数值为预设值的位位置，以及从条件森林库中确定出位位置预先映射的条件树，如此，只需将确定出的条件树进行匹配用户全量标签位图数据库即可，不但能够提高系统的处理能力，保证数据的实时性和减少系统资源数，提高资源利用率；并且能够高效实时地圈选出符合条件的人群包。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例中目标人群圈选方法的应用环境图；

图2为一个实施例中目标人群圈选方法的流程示意图；

图3为一个实施例中SQL条件树的结构示意图；

图4为另一个实施例中目标人群圈选方法的流程示意图；

图5为一个实施例中目标人群圈选装置的结构框图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，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。

需要说明的是，除非上下文明确要求，否则整个说明书和权利要求书中的“包括”、“包含”等类似词语应当解释为包含的含义而不是排他或穷举的含义；也就是说，是“包括但不限于”的含义。

此外，在本发明的描述中，需要理解的是，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。此外，在本发明的描述中，除非另有说明，“多个”的含义是两个或两个以上。

图1为本发明实施例中目标人群圈选方法的应用环境示意图。如图1所示，第一终端102和第二终端106分别通过网络与服务器104进行通信。其中，第一终端102用于采集用户实时行为数据并发送到服务器104上，第二终端106用于接收人群包定义信息并发送到服务器104上，服务器104 接收第一终端102发送的用户实时行为数据和第二终端106发送的人群包定义信息，并执行目标人群圈选方法，其中，第一终端102、第二终端106均可以但不限于是各种个人计算机、笔记本电脑、智能手机和平板电脑，服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。本发明实施例提供的方法主要采用Flink实时处理架构进行实时数据处理，并采用BitMap和SQL森林相结合的方式实现了准确、高效地从海量人群中圈选出符合条件的人群，可以应用于实时广告投送和会员精准营销的场景中。

实施例一

本发明实施例提供了一种目标人群圈选方法，以该方法应用于图1中的服务器为例进行说明，如图 2 所示，该方法可以包括以下步骤：

S201，获取用户实时行为数据，对用户实时行为数据进行解析得到用户实时标签数据，并按照预设的位图数据结构生成用户实时标签位图。

这里，用户实时行为数据是指通过数据采集工具（例如SDK）实时采集到的用户在客户端上所产生的行为数据，客户端可以安装在图1所示的第一终端中，这里第一终端通常指消费者的终端。

以购物客户端为例，用户在利用购物客户端进行网络购物时会产生一系列的行为数据，如针对某个店铺、某类商品或某个商品品牌进行浏览、搜索、收藏、加购（即：加入购物车）、提交订单以及支付订单等操作行为，这一系列的行为数据被实时地采集到用户行为日志中，并发送给服务器。

本实施例中，服务器在从第一终端上接收到用户实时行为数据后，对用户实时行为数据进行解析得到用户实时标签数据，并对用户实时标签数据按照预设的位图数据结构生成用户实时标签位图。

其中，用户实时标签数据包括但不限于：用户标识、业务对象、行为类型和时间戳，其中，行为类型包括针对业务对象进行的浏览、搜索、加购、收藏、提交订单以及支付订单中的至少一项。这里，业务对象可以是指不同业务领域的具体事物，于本实施例中，以店铺、商品类型、商品品牌作为业务对象进行说明。

示例性地，对用户实时行为数据解析得到的用户实时标签数据如下表1所示。

表1：用户实时标签数据

用户ID	商品类型	商品品牌	店铺	行为类型	时间
						A	智能手机	苹果	苏宁自营	浏览	今天
B	液晶电视	TCL	苏宁自营	加购	今天
						C	进口奶粉	a2	魅力宝贝母婴店	浏览	今天
...	...	...	...	...	...

具体地，步骤S201的实现过程可以包括：

按照位图数据结构确定用户实时标签数据中各标签分别对应的字节位置和位位置；根据各标签分别对应的字节位置和位位置，生成用户实时标签数据对应的用户实时标签位图。

本实施例中，将用户实时标签数据按照预设的位图数据结构生成用户实时标签位图，即将用户实时标签数据按照预设的位图数据结构以BitMap方式进行存储，其中，BitMap是利用一个bit位来标记某个元素所对应的value，key即是该元素，由于BitMap使用了bit位来存储数据，因此可以大大节省存储空间。

其中，预设的位图数据结构位为6字节（byte），用byte[6]表示，按照从左到右的顺序依次对应0～5，分别对应于6种行为类型，例如：0对应于浏览，1表示搜索，2对应于加购，3对应于收藏，4对应于提交订单，5对应于支付订单；每个字节包含8位（bit），按照从左到右的顺序依次对应于：符号位/预留/90/30/15/7/1/是否更新位，其中，90、30、15、7、1表示行为周期，按天为单位。

在本实施例中，在用户实时标签位图中，将用户实时标签数据中各标签对应的位位置均设定为1，除各标签对应的位位置以外的位位置均设定为0。

以表1中的用户B进行示例说明，对用户B的实时标签数据转换为如下的十进制数组数据，并按照上述的位图数据结构生成如下表2所示的实时标签位图。

商品类型：液晶电视—>[0,0,62,0,0,0]；

商品品牌：TCL—>[0,0,62,0,0,0]；

苏宁自营：TCL—>[0,0,62,0,0,0]；

表2：用户B的实时标签位图

其中，第3个byte对应的十进制数为62，在用户B的实时标签位图中以00111110的二进制数据进行存储，表示用户B今天有加购TCL品牌的液晶电视。

S202，根据用户实时标签位图和预先构建的用户历史标签位图数据库，生成用户全量标签位图数据库，并构建差异点数据。

其中，用户历史标签位图数据库中存储的用户历史标签位图是预先根据用户历史行为数据进行解析得到用户历史标签数据，并对用户历史标签数据按照上述的位图数据结构生成的。

示例性地，假设用户历史标签位图数据库中存储的数据如下表3所示：

表3：用户历史标签位图数据

用户ID	商品类型	商品品牌	店铺
				A	智能手机 -->byte[6]	苹果-->byte[6]	苏宁自营-->byte[6]
B	液晶电视 -->byte[6]	TCL -->byte[6]	苏宁自营-->byte[6]
				C	进口奶粉 -->byte[6]	a2 -->byte[6]	魅力宝贝母婴店-->byte[6]
...	...	...	...

假设，用户B的用户历史标签数据对应的十进制数组数据如下所示，对应的历史标签位图如下表4所示：

商品类型：液晶电视—>[0,0,32,0,0,0]；

商品品牌：TCL—>[0,0,32,0,0,0]；

苏宁自营：TCL—>[0,0,32,0,0,0]；

表4：用户B的历史标签位图

其中，第3个byte对应的十进制数为32，在用户B的历史标签位图中以00100000的二进制存储，表示用户B最新90天有加购TCL品牌的液晶电视。

需要说明的是，上述的商品类型、商品品牌、店铺可以分别以商品ID，品牌ID，店铺ID进行唯一标识。

具体地，步骤S202的实现过程可以包括：

S2021，对用户实时标签位图和用户历史标签位图数据库中对应的用户历史标签位图进行融合，得到用户全量标签位图数据库。

具体地，在用户历史标签位图数据库检索是否存在用户ID对应的用户历史标签位图，若存在，则将用户实时标签位图与用户历史标签位图进行融合，否则，则将用户实时标签位图添加到用户历史标签位图数据库中，得到用户全量标签位图数据库，其中，在融合的过程中，将用户实时标签位图与用户历史标签位图进行按位或运算，得到用户全量标签位图。

以上述表2和表4进行示例说明，将用户B的实时标签位图与用户B的历史标签位图进行融合后，得到用户B的全量标签位图如表5所示：

表5：用户B的全量标签位图

S2022，对用户实时标签位图和用户历史标签位图数据库中对应的用户历史标签位图进行按位运算，得到差异点数据。

具体地，对用户实时标签位图和对应的用户历史标签位图进行按位与非运算，得到运算结果，根据运算结果中位数值为预设值的位位置，得到差异点数据，于本实施例中，预设值为1。

继续以上述表2和表4进行示例说明，将用户B的实时标签位图与用户B的历史标签位图进行按位与非运算后，得到预算结果如表6所示的差异位图。

表6：差异位图

从表6可以看出，差异点数据位于2-4、2-5、2-6、2-7的位置上，其中，2为字节位置，4,5,6,7均为位位置，由于2-1，2-2，2-8分别为符号位、预留、是否更新位，因此可以不用考虑。

需要说明的是，当历史标签位图数据库中不存在用户实时标签位图对应的用户历史标签位图时，则将用户实时标签位图确定为差异点数据。

S203，对差异点数据与预设的人群条件位图库中对应的人群条件位图进行按位运算，根据运算结果，确定人群条件位图中的位数值为预设值的位位置。

具体地，该步骤的实现过程可以包括：

S2031，确定差异点数据所对应的业务对象和行为类型，在人群条件位图库中检索出业务对象和行为类型对应的人群条件位图。

S2032，对差异点数据与人群条件位图进行按位与运算，得到多个运算值，在人群条件位图中确定多个运算值中的运算值为1时所对应的位位置。

本实施例中，人群条件位图库中存储的人群条件位图是预先基于人群条件语句，按照上述的位图数据结构生成的。这里，人群条件语句可以为人群包定义信息的结构化查询语言SQL数据，人群包定义信息的SQL数据中包含对业务对象、行为类型和时间戳的定义条件，例如，一个人群包定义信息的SQL数据为：((商品类型='液晶电视' and最新30天是否加购='是')and(商品品牌='TCL ' and最新15天是否浏览='是')) and 性别 = '男'，那么可以解析为商品类型：液晶电视—>byte[6]，byte[6]的内容为[0,0,16,0,0,0]，TCL—>byte[6]，byte[6]的内容为[8,0,0,0,0,0]，生成的人群条件位图如表7所示。

表7：人群条件位图

继续以用户B为例进行说明，差异点数据所对应的业务对象为“液晶电视”，对应的行为类型为“加购”，可以检索出人群条件位图库中对应于“液晶电视”、和“加购”的人群条件位图如表7所示。这里需要指出的是，若在人群条件位图库中检索不到业务对象和行为类型对应的候选人群条件位图时，则结束执行，即表明不存在圈选出用户B所使用的人群条件。

对表6所示的差异点数据与表7所示的人群条件位图进行按位与运算，得到各个位位置分别对应的运算值，确定出运算值为1时所对应的位位置为第3个字节位置中的第4个位位置（即2-3）。

S204，在预设的条件森林库中确定位数值为预设值的位位置预先映射的条件树，并基于条件树与用户全量标签位图数据库，圈选出目标人群。

其中，条件森林库中包括多个不同的条件树，不同条件树分别由不同的人群条件语句解析生成的。这里，人群条件语句可以为人群包定义信息的结构化查询语言SQL数据，人群包定义信息的SQL数据中包含对业务对象、行为类型和时间戳的定义条件，例如，一个人群包定义信息的SQL数据为：((商品类型='液晶电视' and最新30天是否加购='是')and(商品品牌='TCL ' and最新15天是否浏览='是')) and 性别 = '男'，那么可以解析生成的条件树可以如图3所示。

本实施例中，根据预设的人群条件位图中的位位置和条件树之间的映射关系，在条件森林库中确定位数值为预设值的位位置预先映射的条件树，并遍历条件树的每一个节点，与用户全量标签位图数据库进行匹配，根据匹配结果，圈选出目标人群。

本发明实施例提供了一种目标人群圈选方法，通过将用户实时标签数据进行bitmap化处理，得到用户实时标签位图，利用用户实时标签位图和用户历史标签位图数据库中对应的用户历史标签位图进行构建差异点数据，并基于差异点数据和预先存储的人群条件位图进行位运算确定出人群条件位图中的位数值为预设值的位位置，并从条件森林库中确定出位位置预先映射的条件树，如此，只需要将确定出的条件树进行匹配用户全量标签位图数据库，不但能够提高系统的处理能力，保证数据的实时性和减少系统资源数，提高资源利用率；并且可高效实时地圈选出符合条件的人群包。

实施例二

本发明实施例提供了一种目标人群圈选方法，以该方法应用于图1中的服务器为例进行说明，如图 4所示，该方法可以包括以下步骤：

S401，获取人群包定义信息的结构化查询语言SQL数据。

具体地，服务器从第二终端接收人群包定义信息的结构化查询语言SQL数据，其中，第二终端可以将用户在提供的可视化界面上输入的人群包定义信息转换为结构化查询语言SQL数据，并发送至服务器，这里第二终端通常指商家的终端。

示例性地，服务器获取到的人群包定义信息SQL数据如下表8所示。

表8：人群包定义信息SQL数据

S402，对结构化查询语言SQL数据进行解析，生成人群条件位图和条件树，并分别存储至人群条件位图库和条件森林库中，建立人群条件位图中的位数值为预设值的位位置和条件树的映射关系。

具体地，步骤S402的实现过程可以包括：

S4021，对结构化查询语言SQL数据进行解析，得到结构化查询语言SQL数据中的多个元素。

S4022，按照预设的位图数据结构，对结构化查询语言SQL数据中的多个元素进行转换，生成人群条件位图。

S4023，根据结构化查询语言SQL数据中的多个元素，生成SQL条件树以作为条件树。

其中，结构化查询语言SQL数据中的多个元素可以包括关键字和/或运算符。举例而言，关键字可以包括：商品品牌、商品类型、店铺、行为类型、行为周期、性别等；运算符可以包括：and、or、not等。

以表8中的CROWD0002为例，人群包定义信息的SQL数据为：((商品类型='液晶电视' and最新30天是否加购='是') and (商品品牌='TCL ' and最新15天是否浏览='是'))and 性别= '男'，那么按照生成的人群条件位图为上述表7所示，生成的条件树如图3所示。

本实施例中，通过将人群包定义信息的SQL数据解析生成SQL条件树，如此可以在后续人群圈选过程中无需再次解析SQL数据，即实现一次解析多次使用，减少了SQL数据解析的资源消耗，同时，SQL条件树的树结构可以极大地提高SQL的匹配效率，实现高效、准确地从海量的用户中圈选出目标人群。

S403，获取用户实时行为数据，对用户实时行为数据进行解析得到用户实时标签数据，并按照预设的位图数据结构生成用户实时标签位图。

具体地，该步骤的实现过程可以参照实施例一中步骤S201，此处不再赘述。

S404，根据用户实时标签位图和预先构建的用户历史标签位图数据库，生成用户全量标签位图数据库，并构建差异点数据。

具体地，该步骤的实现过程可以参照实施例一中步骤S202，此处不再赘述。

S405，对差异点数据与人群条件位图库中对应的人群条件位图进行按位运算，根据运算结果，确定人群条件位图中的位数值为预设值的位位置。

具体地，该步骤的实现过程可以参照实施例一中步骤S203，此处不再赘述。

S406，在条件森林库中确定位数值为预设值的位位置预先映射的条件树，并基于条件树与用户全量标签位图数据库，圈选出目标人群。

具体地，该步骤的实现过程可以参照实施例一中步骤S204，此处不再赘述。

需要说明的是，上述步骤S401和步骤S403可以不依赖于上述先后顺序执行，也可以同时执行，本发明实施例对此不作具体限定。

本发明实施例提供一种目标人群圈选方法，通过对人群包定义信息的SQL数据分别解析为bitmap以及SQL条件树，并建立人群条件位图中的位数值为预设值的位位置和条件树的映射关系，如此可以在后续人群圈选过程中，只要找到SQL条件树即可实现圈选出目标人群，无需再次解析人群包定义信息的SQL数据，即实现一次解析多次使用，减少了SQL数据解析的资源消耗，同时，SQL条件树的树结构可以极大地提高SQL的匹配效率；另外，通过将用户实时标签数据进行BitMap化处理，得到用户实时标签位图，利用用户实时标签位图和用户历史标签位图数据库中对应的用户历史标签位图进行构建差异点数据，并基于差异点数据和预先存储的人群条件位图进行位运算确定出人群条件位图中的位数值为预设值的位位置，并从条件森林库中确定出位位置预先映射的条件树，如此，只需要将确定出的条件树进行匹配用户全量标签位图数据库，不但能够提高系统的处理能力，保证数据的实时性和减少系统资源数，提高资源利用率；并且可高效实时地圈选出符合条件的人群包。通过采用BitMap和SQL森林相结合的方式对海量人群进行圈选，不但能够提高系统的处理能力，保证数据的实时性和减少系统资源数，提高资源利用率；并且，能够实现在海量用户中能够准确、高效的圈选出符合条件的人群。

下面结合具体的性能压测数据来进一步地说明本发明实施例提供的方法。

假如服务器的硬件配置为4C*8G，对3000人群包，10万人次行为数据采用不同方案分别进行计算耗时情况，具体如下表9所示。

表9：3000人群包，10万人次行为数据时的计算耗时

方案	耗时(ms)
		jsqlparser	185846393
bitmap方式+jsqlparser	31629546
		sql森林	1105792
bitmap+sql森林	6497

从表9中可以直观看出，通过采用BitMap和SQL森林相结合的方式进行计算，耗时远远低于表9中的其他方式。

假如服务器的硬件配置为4C*8G，对10万人次行为数据采用SQL森林、BitMap结合SQL森林两种方式分别进行不同人群包数时的耗时情况，如下表10所示。

表10：10万人次行为数据不同人群包数目时的执行耗时

人群包数	sql森林耗时时间(ms)	bitmap+sql森林耗时时间(ms)
			1000	271055	1826
2000	697042	4012
			3000	1105792	6497
4000	1273532	8602
			5000	2029734	10188
6000	2439346	12998

从表10中可以直观看出，在10万人次行为数据时，执行不同人群包，通过采用BitMap结合SQL森林相结合的方式进行计算，耗时远远低于采用SQL森林的耗时时间。

实施例三

本发明实施例提供了一种目标人群圈选装置，如图5所示，该装置可以包括：

实时接收模块50，用于获取用户实时行为数据；

标签解析模块52，用于对用户实时行为数据进行解析得到用户实时标签数据，并按照预设的位图数据结构生成用户实时标签位图；

标签融合模块53，用于根据用户实时标签位图和预先构建的用户历史标签位图数据库，生成用户全量标签位图数据库，并构建差异点数据；

人群圈选模块54，用于对差异点数据与预设的人群条件位图库中对应的人群条件位图进行按位运算，根据运算结果，确定人群条件位图中的位数值为预设值的位位置，并在预设的条件森林库中确定位数值为预设值的位位置预先映射的条件树，基于条件树与用户全量标签位图数据库，圈选出目标人群。

进一步地，装置还包括人群包解析模块51；

实时接收模块50，还用于获取人群包定义信息的结构化查询语言SQL数据；

人群包解析模块51，用于对结构化查询语言SQL数据进行解析，生成人群条件位图和条件树，并分别存储至人群条件位图库和条件森林库中，建立人群条件位图中的位数值为预设值的位位置和条件树的映射关系。

进一步地，人群包解析模块51具体用于：

对结构化查询语言SQL数据进行解析，得到结构化查询语言SQL数据中的多个元素；

按照预设的位图数据结构，对结构化查询语言SQL数据中的多个元素进行转换，生成人群条件位图；

根据结构化查询语言SQL数据中的多个元素，生成SQL条件树以作为条件树。

进一步地，用户实时标签数据包括用户标识、业务对象、行为类型和时间戳，业务对象包括商品品牌、商品类别和店铺中的至少一项，行为类型包括针对业务对象进行的浏览、搜索、加购、收藏、提交订单以及支付订单中的至少一项。

进一步地，标签解析模块52具体用于：

按照位图数据结构确定用户实时标签数据中各标签分别对应的字节位置和位位置；

根据各标签分别对应的字节位置和位位置，生成用户实时标签数据对应的用户实时标签位图，其中，在用户实时标签位图中，各标签对应的位位置均设定为1，除各标签对应的位位置以外的位位置均设定为0。

进一步地，标签融合模块53具体用于：

对用户实时标签位图和用户历史标签位图数据库中对应的用户历史标签位图进行融合，得到用户全量标签位图数据库；

对用户实时标签位图和用户历史标签位图数据库中对应的用户历史标签位图进行按位运算，得到差异点数据。

进一步地，人群圈选模块54具体用于：

确定差异点数据所对应的业务对象和行为类型，在人群条件位图库中检索出业务对象和行为类型对应的人群条件位图；

对差异点数据与人群条件位图进行按位与运算，得到多个运算值，在人群条件位图中确定多个运算值中的运算值为1时所对应的位位置。

本发明实施例提供的目标人群圈选装置，与本发明实施例所提供的目标人群圈选方法属于同一发明构思，可执行本发明实施例所提供的目标人群圈选方法，具备执行目标人群圈选方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节，可参见本发明实施例提供的目标人群圈选方法，此处不再加以赘述。

此外，本发明实施例还提供一种计算机设备，该计算机设备包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序；

当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如上述实施例的目标人群圈选方法的步骤。

本发明另一实施例还提供一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现如上述实施例所述的目标人群圈选方法的步骤。

本领域内的技术人员应明白，本发明实施例中的实施例可提供为方法、系统、或计算机程序产品。因此，本发明实施例中可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明实施例中可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、CD-ROM、光学存储器等）上实施的计算机程序产品的形式。

本发明实施例中是参照根据本发明实施例中实施例的方法、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装置。

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装置的制造品，该指令装置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。

尽管已描述了本发明实施例中的优选实施例，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发明实施例中范围的所有变更和修改。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (10)

1.一种目标人群圈选方法，其特征在于，所述方法包括：

获取用户实时行为数据，对所述用户实时行为数据进行解析得到用户实时标签数据，并按照预设的位图数据结构生成用户实时标签位图；

根据所述用户实时标签位图和预先构建的用户历史标签位图数据库，生成用户全量标签位图数据库，并构建差异点数据；

对所述差异点数据与预设的人群条件位图库中对应的人群条件位图进行按位运算，根据运算结果，确定所述人群条件位图中的位数值为预设值的位位置；

在预设的条件森林库中确定所述位数值为预设值的位位置预先映射的条件树，并基于所述条件树与所述用户全量标签位图数据库，圈选出目标人群。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

获取人群包定义信息的结构化查询语言SQL数据；

对所述结构化查询语言SQL数据进行解析，生成所述人群条件位图和所述条件树，并分别存储至所述人群条件位图库和所述条件森林库中，建立所述人群条件位图中的位数值为预设值的位位置和所述条件树的映射关系。

3.根据权利要求2所述的方法，其特征在于，所述对所述结构化查询语言SQL数据进行解析，生成所述人群条件位图和所述条件树，包括：

对所述结构化查询语言SQL数据进行解析，得到所述结构化查询语言SQL数据中的多个元素；

按照所述预设的位图数据结构，对所述结构化查询语言SQL数据中的多个元素进行转换，生成所述人群条件位图；

根据所述结构化查询语言SQL数据中的多个元素，生成SQL条件树以作为所述条件树。

4.根据权利要求1所述的方法，其特征在于，所述用户实时标签数据包括用户标识、业务对象、行为类型和时间戳，所述业务对象包括商品品牌、商品类别和店铺中的至少一项，所述行为类型包括针对业务对象进行的浏览、搜索、加购、收藏、提交订单以及支付订单中的至少一项。

5.根据权利要求1所述的方法，其特征在于，所述按照预设的位图数据结构生成用户实时标签位图，包括：

按照所述位图数据结构确定用户实时标签数据中各标签分别对应的字节位置和位位置；

根据所述各标签分别对应的字节位置和位位置，生成所述用户实时标签数据对应的用户实时标签位图，其中，在所述用户实时标签位图中，所述各标签对应的位位置均设定为1，除所述各标签对应的位位置以外的位位置均设定为0。

6.根据权利要求1至5任一所述的方法，其特征在于，所述根据所述用户实时标签位图和预先构建的用户历史标签位图数据库，生成用户全量标签位图数据库，并构建差异点数据，包括：

对所述用户实时标签位图和所述用户历史标签位图数据库中对应的用户历史标签位图进行融合，得到所述用户全量标签位图数据库；

对所述用户实时标签位图和所述用户历史标签位图数据库中对应的用户历史标签位图进行按位运算，得到所述差异点数据。

7.根据权利要求1至5任一所述的方法，其特征在于，所述对所述差异点数据与预设的人群条件位图库中对应的人群条件位图进行按位运算，根据运算结果，确定出所述人群条件位图中的位数值为预设值的位位置，包括：

确定所述差异点数据所对应的业务对象和行为类型，在所述人群条件位图库中检索出所述业务对象和所述行为类型对应的人群条件位图；

对所述差异点数据与所述人群条件位图进行按位与运算，得到多个运算值，在所述人群条件位图中确定所述多个运算值中的运算值为1时所对应的位位置。

8.一种目标人群圈选装置，其特征在于，所述装置包括：

实时接收模块，用于获取用户实时行为数据；

标签解析模块，用于对所述用户实时行为数据进行解析得到用户实时标签数据，并按照预设的位图数据结构生成用户实时标签位图；

标签融合模块，用于根据所述用户实时标签位图和预先构建的用户历史标签位图数据库，生成用户全量标签位图数据库，并构建差异点数据；

人群圈选模块，用于对所述差异点数据与预设的人群条件位图库中对应的人群条件位图进行按位运算，根据运算结果，确定所述人群条件位图中的位数值为预设值的位位置，并在预设的条件森林库中确定所述位数值为预设值的位位置预先映射的条件树，基于所述条件树与所述用户全量标签位图数据库，圈选出目标人群。

9.根据权利要求8所述的装置，其特征在于，所述装置还包括人群包解析模块；

所述实时接收模块，还用于获取人群包定义信息的结构化查询语言SQL数据；

所述人群包解析模块，用于对所述结构化查询语言SQL数据进行解析，生成所述人群条件位图和所述条件树，并分别存储至所述人群条件位图库和所述条件森林库中，建立所述人群条件位图中的位数值为预设值的位位置和所述条件树的映射关系。

10.一种计算机设备，其特征在于，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1至7任一所述的目标人群圈选方法。

Images