CN111090822A - 业务对象的推送方法及装置 - Google Patents
业务对象的推送方法及装置 Download PDFInfo
- Publication number
- CN111090822A CN111090822A CN201911310578.6A CN201911310578A CN111090822A CN 111090822 A CN111090822 A CN 111090822A CN 201911310578 A CN201911310578 A CN 201911310578A CN 111090822 A CN111090822 A CN 111090822A
- Authority
- CN
- China
- Prior art keywords
- user
- behavior
- historical
- state
- time
- 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
- 238000000034 method Methods 0.000 title claims abstract description 64
- 238000013507 mapping Methods 0.000 claims abstract description 42
- 230000004931 aggregating effect Effects 0.000 claims abstract description 7
- 230000006399 behavior Effects 0.000 claims description 557
- 238000012216 screening Methods 0.000 claims description 26
- 238000004891 communication Methods 0.000 claims description 15
- 238000004458 analytical method Methods 0.000 claims description 12
- 230000004044 response Effects 0.000 claims description 3
- 238000012795 verification Methods 0.000 description 20
- 230000035945 sensitivity Effects 0.000 description 13
- 239000011159 matrix material Substances 0.000 description 9
- 230000001960 triggered effect Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 238000011156 evaluation Methods 0.000 description 4
- 230000003993 interaction Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 230000002452 interceptive effect Effects 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000004590 computer program Methods 0.000 description 2
- 235000013305 food Nutrition 0.000 description 2
- 235000012054 meals Nutrition 0.000 description 2
- 238000005065 mining Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 235000021167 banquet Nutrition 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 235000013410 fast food Nutrition 0.000 description 1
- 238000011022 operating instruction Methods 0.000 description 1
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
- G06F16/958—Organisation or management of web site content, e.g. publishing, maintaining pages or automatic linking
-
- 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
- G06F16/9536—Search customisation based on social or collaborative filtering
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/01—Social networking
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明实施例公开了一种业务对象的推送方法及装置,涉及电子信息领域,包括:针对用户历史行为数据进行解析,将得到的各个历史操作行为记录根据用户标识以及业务对象标识聚合为多组用户对象行为序列;针对各组用户对象行为序列,获取该组用户对象行为序列中的各个历史操作行为记录的历史状态信息,确定该组用户对象行为序列的状态关联关系;将各组用户对象行为序列的状态关联关系根据用户标识进行聚类处理,得到对应于各个用户标识的状态类用户画像数据;确定各个状态类用户画像数据与各个业务对象之间的偏好映射关系,以进行业务对象的推送。该方式提升了用户浏览的效率,降低了用户频繁切换网络页面的次数,从而节约了系统资源消耗。
Description
技术领域
本发明实施例涉及电子信息领域,具体涉及一种业务对象的推送方法及装置。
背景技术
随着互联网的日益普及,越来越多的业务对象能够通过互联网提供给用户。其中,业务对象可以是实体对象,如实体书籍、实体物品、实体餐品等各种类型,也可以是其他类型的非实体对象,如业务服务等。由于业务对象的种类多样,且网络用户的用户基数庞大,因此,如何确保各个网络用户能够更加高效地浏览到与用户需求匹配的业务对象,从而减少用户频繁切换网络页面的次数,进而减少系统资源消耗成为亟待解决的技术难题。
在现有技术中,通常将各个网络用户设置为对应的网络节点,根据各个网络用户之间的网络社交关系建立网络节点之间的连接关系,并基于当前用户所在节点的邻居节点(如存在社交关系的用户所在的节点)的网络行为,为当前用户推送业务对象。
但是,发明人在实现本发明的过程中发现,现有技术中的上述方式至少存在如下缺陷:基于邻居节点进行推送的方式导致推送方法必须依赖于特定网络拓扑结构实现,在不存在邻居节点的通用网络拓扑结构中则无法应用。
发明内容
鉴于上述问题,提出了本发明实施例以便提供一种克服上述问题或者至少部分地解决上述问题的一种业务对象的推送方法及装置。
根据本发明实施例的一个方面,提供了一种业务对象的推送方法,包括:
针对获取到的用户历史行为数据进行解析,将解析后得到的各个历史操作行为记录根据用户标识以及业务对象标识聚合为多组用户对象行为序列;
针对各组用户对象行为序列,获取该组用户对象行为序列中的各个历史操作行为记录的历史状态信息,确定该组用户对象行为序列的状态关联关系;
将各组用户对象行为序列的状态关联关系根据用户标识进行聚类处理,以得到对应于各个用户标识的状态类用户画像数据;
确定各个状态类用户画像数据与各个业务对象之间的偏好映射关系,根据该偏好映射关系进行业务对象的推送。
可选地,所述历史操作行为记录的历史状态信息包括:与历史操作行为记录的触发时间相对应的历史时间状态信息、和/或与历史操作行为记录的触发位置相对应的历史位置状态信息。
可选地,当所述历史操作行为记录的历史状态信息为历史位置状态信息时,所述获取该组用户对象行为序列中的各个历史操作行为记录的历史状态信息,确定该组用户对象行为序列的状态关联关系包括:
获取该组用户对象行为序列中的各个历史操作行为记录的历史位置状态信息,计算各个历史操作行为记录的历史位置状态信息之间的地域间隔,以得到该组用户对象行为序列的位置类状态关联关系。
可选地,所述计算各个操作行为记录的历史位置状态信息之间的地域间隔,以得到该组用户对象行为序列的位置类状态关联关系包括:
分析该组用户对象行为序列中的各个历史操作行为记录的行为类型和/或行为触发时间;
根据所述行为类型和/或行为触发时间,将至少两个历史操作行为记录确定为一个关联行为记录组;
根据关联行为记录组中的各个历史操作行为记录的历史位置状态信息之间的地域间隔确定该组用户对象行为序列的位置类状态关联关系。
可选地,所述历史操作行为记录包括以下至少一种类型:浏览类历史行为记录、收藏类历史行为记录、领取类历史行为记录、核销类历史行为记录、以及评价类历史行为记录;
则所述根据所述行为类型和/或行为触发时间,将至少两个历史操作行为记录确定为一个关联行为记录组包括:将领取类历史行为记录以及核销类历史行为记录确定为一个关联行为记录组。
可选地,当所述历史操作行为记录的历史状态信息为历史时间状态信息时,所述获取该组用户对象行为序列中的各个历史操作行为记录的历史状态信息,确定该组用户对象行为序列的状态关联关系包括:
获取该组用户对象行为序列中属于预设类型的历史操作行为记录的历史时间状态信息,根据该属于预设类型的历史操作行为记录的历史时间状态信息确定该组用户对象行为序列的时间类状态关联关系。
可选地,所述属于预设类型的历史操作行为记录包括:领取类行为记录和/或核销类行为记录。
可选地,所述确定各个状态类用户画像数据与各个业务对象之间的偏好映射关系包括:
分别确定与各组用户对象行为序列相对应的对象属性数据;
针对每组用户对象行为序列,生成与该组用户对象行为序列相对应的用户对象行为样本;其中,各个用户对象行为样本的样本属性数据根据各个用户对象行为序列所对应的状态类用户画像数据以及对象属性数据生成;
根据各组用户对象行为序列中包含的历史操作行为记录的数量和/或类型,标注各个用户对象行为样本的用户对象偏好指数;
根据各个已标注的用户对象行为样本生成用户对象偏好预测模型,以根据该用户对象偏好预测模型确定各个状态类用户画像数据与各个业务对象之间的偏好映射关系。
可选地,所述与各组用户对象行为序列相对应的对象属性数据包括:
各组业务对象行为序列中包含的业务对象的对象类型信息、业务对象的发布时间、业务对象的更新时间以及更新状态信息、和/或业务对象的类型敏感度信息。
根据本发明实施例的又一个方面,提供了一种业务对象的推送方法,包括:
响应于当前用户的实时操作行为,确定与所述实时操作行为相对应的用户标识,获取对应于所述用户标识的状态类用户画像数据;
获取所述实时操作行为的实时状态信息,根据所述对应于所述用户标识的状态类用户画像数据筛选与所述实时操作行为的实时状态信息相匹配的候选业务对象;
根据预先确定的各个状态类用户画像数据与各个业务对象之间的偏好映射关系,从所述候选业务对象中选择与所述用户标识的状态类用户画像数据相匹配的目标业务对象,将所述目标业务对象推送给当前用户。
可选地,所述实时操作行为的实时状态信息包括:
与实时操作行为的触发时间相对应的实时时间状态信息、和/或与实时操作行为的触发位置相对应的实时位置状态信息。
可选地,当所述实时操作行为的实时状态信息为实时位置状态信息时,所述根据所述对应于所述用户标识的状态类用户画像数据筛选与所述实时操作行为的实时状态信息相匹配的候选业务对象包括:
根据所述对应于所述用户标识的状态类用户画像数据,确定与所述用户标识相对应的位置类状态关联关系;
根据所述实时位置状态信息以及所述位置类状态关联关系,确定候选地域范围;
筛选与所述候选地域范围相匹配的候选业务对象。
可选地,所述确定与所述用户标识相对应的位置类状态关联关系包括:
根据所述实时操作行为的行为类型,确定与该行为类型相对应的位置类状态关联关系。
可选地,当所述实时操作行为的实时状态信息为实时时间状态信息时,所述根据所述对应于所述用户标识的状态类用户画像数据筛选与所述实时操作行为的实时状态信息相匹配的候选业务对象包括:
根据所述对应于所述用户标识的状态类用户画像数据,确定与所述用户标识相对应的时间类状态关联关系;
根据所述实时时间状态信息以及所述时间类状态关联关系,确定候选时间范围;
筛选与所述候选时间范围相匹配的候选业务对象。
可选地,所述确定与所述用户标识相对应的时间类状态关联关系包括:
根据所述实时操作行为的行为类型,确定与该行为类型相对应的时间类状态关联关系。
可选地,所述实时操作行为包括以下至少一种类型:浏览类行为、收藏类行为、领取类行为、核销类行为、以及评价类行为。
根据本发明实施例的又一个方面,提供了一种业务对象的推送装置,包括:
解析模块,适于针对获取到的用户历史行为数据进行解析,将解析后得到的各个历史操作行为记录根据用户标识以及业务对象标识聚合为多组用户对象行为序列;
获取模块,适于针对各组用户对象行为序列,获取该组用户对象行为序列中的各个历史操作行为记录的历史状态信息,确定该组用户对象行为序列的状态关联关系;
画像模块,适于将各组用户对象行为序列的状态关联关系根据用户标识进行聚类处理,以得到对应于各个用户标识的状态类用户画像数据;
推送模块,适于确定各个状态类用户画像数据与各个业务对象之间的偏好映射关系,根据该偏好映射关系进行业务对象的推送。
可选地,所述历史操作行为记录的历史状态信息包括:与历史操作行为记录的触发时间相对应的历史时间状态信息、和/或与历史操作行为记录的触发位置相对应的历史位置状态信息。
可选地,当所述历史操作行为记录的历史状态信息为历史位置状态信息时,所述获取模块具体适于:
获取该组用户对象行为序列中的各个历史操作行为记录的历史位置状态信息,计算各个历史操作行为记录的历史位置状态信息之间的地域间隔,以得到该组用户对象行为序列的位置类状态关联关系。
可选地,所述获取模块具体适于:
分析该组用户对象行为序列中的各个历史操作行为记录的行为类型和/或行为触发时间;
根据所述行为类型和/或行为触发时间,将至少两个历史操作行为记录确定为一个关联行为记录组;
根据关联行为记录组中的各个历史操作行为记录的历史位置状态信息之间的地域间隔确定该组用户对象行为序列的位置类状态关联关系。
可选地,所述历史操作行为记录包括以下至少一种类型:浏览类历史行为记录、收藏类历史行为记录、领取类历史行为记录、核销类历史行为记录、以及评价类历史行为记录;
则所述获取模块具体适于:将领取类历史行为记录以及核销类历史行为记录确定为一个关联行为记录组。
可选地,当所述历史操作行为记录的历史状态信息为历史时间状态信息时,所述获取模块具体适于:
获取该组用户对象行为序列中属于预设类型的历史操作行为记录的历史时间状态信息,根据该属于预设类型的历史操作行为记录的历史时间状态信息确定该组用户对象行为序列的时间类状态关联关系。
可选地,所述属于预设类型的历史操作行为记录包括:领取类行为记录和/或核销类行为记录。
可选地,所述推送模块具体适于:
分别确定与各组用户对象行为序列相对应的对象属性数据;
针对每组用户对象行为序列,生成与该组用户对象行为序列相对应的用户对象行为样本;其中,各个用户对象行为样本的样本属性数据根据各个用户对象行为序列所对应的状态类用户画像数据以及对象属性数据生成;
根据各组用户对象行为序列中包含的历史操作行为记录的数量和/或类型,标注各个用户对象行为样本的用户对象偏好指数;
根据各个已标注的用户对象行为样本生成用户对象偏好预测模型,以根据该用户对象偏好预测模型确定各个状态类用户画像数据与各个业务对象之间的偏好映射关系。
可选地,所述与各组用户对象行为序列相对应的对象属性数据包括:
各组业务对象行为序列中包含的业务对象的对象类型信息、业务对象的发布时间、业务对象的更新时间以及更新状态信息、和/或业务对象的类型敏感度信息。
根据本发明实施例的又一个方面,提供了一种业务对象的推送装置,包括:
响应模块,适于响应于当前用户的实时操作行为,确定与所述实时操作行为相对应的用户标识,获取对应于所述用户标识的状态类用户画像数据;
筛选模块,适于获取所述实时操作行为的实时状态信息,根据所述对应于所述用户标识的状态类用户画像数据筛选与所述实时操作行为的实时状态信息相匹配的候选业务对象;
推送模块,适于根据预先确定的各个状态类用户画像数据与各个业务对象之间的偏好映射关系,从所述候选业务对象中选择与所述用户标识的状态类用户画像数据相匹配的目标业务对象,将所述目标业务对象推送给当前用户。
可选地,所述实时操作行为的实时状态信息包括:
与实时操作行为的触发时间相对应的实时时间状态信息、和/或与实时操作行为的触发位置相对应的实时位置状态信息。
可选地,当所述实时操作行为的实时状态信息为实时位置状态信息时,所述筛选模块具体适于:
根据所述对应于所述用户标识的状态类用户画像数据,确定与所述用户标识相对应的位置类状态关联关系;
根据所述实时位置状态信息以及所述位置类状态关联关系,确定候选地域范围;
筛选与所述候选地域范围相匹配的候选业务对象。
可选地,所述筛选模块具体适于:
根据所述实时操作行为的行为类型,确定与该行为类型相对应的位置类状态关联关系。
可选地,当所述实时操作行为的实时状态信息为实时时间状态信息时,所述筛选模块具体适于:
根据所述对应于所述用户标识的状态类用户画像数据,确定与所述用户标识相对应的时间类状态关联关系;
根据所述实时时间状态信息以及所述时间类状态关联关系,确定候选时间范围;
筛选与所述候选时间范围相匹配的候选业务对象。
可选地,所述筛选模块具体适于:
根据所述实时操作行为的行为类型,确定与该行为类型相对应的时间类状态关联关系。
可选地,所述实时操作行为包括以下至少一种类型:浏览类行为、收藏类行为、领取类行为、核销类行为、以及评价类行为。
依据本发明实施例的再一方面,提供了一种电子设备,包括:处理器、存储器、通信接口和通信总线,所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信;
所述存储器用于存放至少一可执行指令,所述可执行指令使所述处理器执行如上述的业务对象的推送方法对应的操作。
依据本发明实施例的再一方面,提供了一种计算机存储介质,所述存储介质中存储有至少一可执行指令,所述可执行指令使处理器执行如上述的业务对象的推送方法对应的操作。
在本发明实施例提供的业务对象的推送方法及装置中,能够获取各组用户对象行为序列中的各个历史操作行为记录的历史状态信息,确定该组用户对象行为序列的状态关联关系,将各组用户对象行为序列的状态关联关系根据用户标识进行聚类处理,以得到对应于各个用户标识的状态类用户画像数据,从而基于各个状态类用户画像数据与各个业务对象之间的偏好映射关系进行业务对象的推送。由此可见,在该方式中,主要基于各个用户的历史操作行为记录,挖掘用户对象行为序列的状态关联关系,从而基于行为序列的状态关联关系进行用户画像,从而实现业务对象的推送。由此可见,与传统的依赖邻居节点的网络拓扑结构不同,本发明实施例不依赖于邻居节点,而是侧重于挖掘各个用户自身的连续操作行为之间的状态关联关系,从而进行用户画像以及推送操作。因此,该方式能够基于用户自身的连续操作行为进行业务对象的推送,提升了用户浏览的效率,降低了用户频繁切换网络页面的次数,从而节约了系统资源消耗。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,而可依照说明书的内容予以实施,并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂,以下特举本发明的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述,各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的,而并不认为是对本发明的限制。而且在整个附图中,用相同的参考符号表示相同的部件。在附图中:
图1示出了本发明实施例一提供的一种业务对象的推送方法的流程图;
图2示出了本发明实施例二提供的一种业务对象的推送方法的流程图;
图3示出了本发明实施例三提供的一种业务对象的推送装置的结构图;
图4示出了本发明实施例五提供的一种电子设备的结构示意图;
图5示出了本发明又一实施例提供的一种业务对象的推送装置的结构图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员。
实施例一
图1示出了本发明实施例一提供的一种业务对象的推送方法的流程图。
如图1所示,该方法包括:
步骤S110:针对获取到的用户历史行为数据进行解析,将解析后得到的各个历史操作行为记录根据用户标识以及业务对象标识聚合为多组用户对象行为序列。
具体地,用户历史行为数据用于记录用户的各类历史操作行为,如点击、浏览、收藏等。由于用户历史行为数据通常包括多个用户针对各种业务对象触发的各类操作行为,因此,需要针对用户历史行为数据进行解析,得到多个历史操作行为记录。其中,每个历史操作行为记录至少包含以下内容:
用户标识,用于唯一标识该历史操作行为记录的执行主体,即触发该历史操作行为记录的用户的用户身份;
业务对象标识,用于唯一标识该历史操作行为记录的操作对象,即该历史操作行为记录所针对的业务对象,具体可以为实体对象(如物品、餐品等)等各类对象;
操作类型标识,用于标识该历史操作行为记录的操作类型,如浏览类型、收藏类型、领取类型、核销类型等各种类型,具体取决于业务对象的种类和可操作方式。
相应的,将解析后得到的各个历史操作行为记录根据用户标识以及业务对象标识聚合为多组用户对象行为序列。具体地,将用户标识相同且业务对象标识相同的多个历史操作行为记录聚合为一组用户对象行为序列,以便于挖掘同一用户针对同一业务对象的多次连续操作之间的关联性。例如,假设用户A针对业务对象“西式餐品”先后执行了以下多个历史操作行为记录:浏览类型的历史操作行为记录、收藏类型的历史操作行为记录、领取类型的历史操作行为记录以及核销类型的历史操作行为记录,则将上述多个历史操作行为记录聚合为一组用户对象行为序列,该用户对象行为序列用于反映用户A针对业务对象“西式餐品”执行的多次连续操作。
步骤S120:针对各组用户对象行为序列,获取该组用户对象行为序列中的各个历史操作行为记录的历史状态信息,确定该组用户对象行为序列的状态关联关系。
其中,用户对象行为序列中的各个历史操作行为记录具有对应的历史状态信息,该历史状态信息用于反映对应的历史操作行为记录发生时的相关状态。历史状态信息具体可以包括多种类型,凡是能够反映历史操作行为记录发生时的相关状态的内容均可作为历史状态信息,本发明对此不作限定。另外,根据一组用户对象行为序列中的各个历史操作行为记录的历史状态信息,能够确定该组用户对象行为序列的状态关联关系。其中,该状态关联关系用于反映各个历史操作行为记录的历史状态信息的变化情况,例如,用于反映各个历史操作行为记录之间的时序关系或地域间隔关系等。
可选地,历史操作行为记录的历史状态信息包括:与历史操作行为记录的触发时间相对应的历史时间状态信息、和/或与历史操作行为记录的触发位置相对应的历史位置状态信息。相应的,在本实施例中,每当检测到用户操作行为时,进一步记录该用户操作行为发生时的系统时间,并且,对用户进行定位处理,以获得用户操作行为发生时的具体位置。
在一种可选的实现方式中,历史操作行为记录的历史状态信息为历史位置状态信息,相应的,在获取该组用户对象行为序列中的各个历史操作行为记录的历史状态信息,确定该组用户对象行为序列的状态关联关系时,通过以下方式实现:获取该组用户对象行为序列中的各个历史操作行为记录的历史位置状态信息,计算各个历史操作行为记录的历史位置状态信息之间的地域间隔,以得到该组用户对象行为序列的位置类状态关联关系。该方式能够确定各个历史操作行为记录触发时的地域间隔。
具体地,为了准确挖掘用户针对地域间隔方面的行为偏好,可以进一步将用户对象行为序列中的各个操作行为记录划分为至少一个关联行为记录组,以便根据关联行为记录组挖掘用户地域偏好。相应的,在计算各个操作行为记录的历史位置状态信息之间的地域间隔,以得到该组用户对象行为序列的位置类状态关联关系时,通过以下方式实现:
首先,分析该组用户对象行为序列中的各个历史操作行为记录的行为类型和/或行为触发时间。其中,历史操作行为记录包括以下至少一种类型:浏览类历史行为记录、收藏类历史行为记录、领取类历史行为记录、核销类历史行为记录、以及评价类历史行为记录。行为触发时间是指历史操作行为记录被触发时的系统时间,具体可通过历史时间状态信息确定。
然后,根据行为类型和/或行为触发时间,将至少两个历史操作行为记录确定为一个关联行为记录组。其中,在根据行为类型确定关联行为记录组时,需要确定存在关联关系的行为类型,从而将至少两个存在关联关系的行为类型所对应的历史操作行为记录确定为一个关联行为记录组。例如,将领取类历史行为记录以及核销类历史行为记录确定为一个关联行为记录组,以便确定用户核销时的地域间隔偏好。另外,在根据行为触发时间确定关联行为记录组时,可以将一个用户对象行为序列中的各个历史操作行为记录按照行为触发时间进行排序,从而将时间相邻的两个历史操作行为记录确定为一个关联行为记录组,或者将处于预设时段范围内的至少两个历史操作行为记录确定为一个关联行为记录组。
最后,根据关联行为记录组中的各个历史操作行为记录的历史位置状态信息之间的地域间隔确定该组用户对象行为序列的位置类状态关联关系。例如,假设关联行为记录组中的历史操作行为记录为领取类历史行为记录以及核销类历史行为记录,分别对应于第一历史位置状态信息以及第二历史位置状态信息,相应的,将第一历史位置状态信息与第二历史位置状态信息在地图中的距离作为位置类状态关联关系。相应地,分别统计同一用户标识所对应的各组用户对象行为序列的位置类状态关联关系即可得到对应于该用户标识的位置类状态关联关系。其中,对应于该用户标识的位置类状态关联关系用于反映用户在触发业务操作时的地域偏好,例如,倾向于针对3公里范围内的业务对象触发操作行为,相应地,在业务对象的推送环节中设定的对应于该用户的最大推送半径为3公里。由此可见,用户标识的位置类状态关联关系用于设定用户的最大推送半径,从而仅在该最大推送半径内为用户推送业务对象。
在又一种可选的实现方式中,历史操作行为记录的历史状态信息为历史时间状态信息,相应的,在获取该组用户对象行为序列中的各个历史操作行为记录的历史状态信息,确定该组用户对象行为序列的状态关联关系时,通过以下方式实现:获取该组用户对象行为序列中属于预设类型的历史操作行为记录的历史时间状态信息,根据该属于预设类型的历史操作行为记录的历史时间状态信息确定该组用户对象行为序列的时间类状态关联关系。其中,属于预设类型的历史操作行为记录包括:领取类行为记录和/或核销类行为记录。相应的,通过统计领取类行为记录的触发时间,能够确定用户对于领取行为的时间偏好;通过统计核销类行为记录的触发时间,能够确定用户对于核销行为的时间偏好。相应地,分别统计同一用户标识所对应的各组用户对象行为序列的时间类状态关联关系即可得到对应于该用户标识的时间类状态关联关系。其中,对应于该用户标识的时间类状态关联关系用于反映用户在触发业务操作时的时间偏好,例如,倾向于在工作日的中午时段触发浏览类操作行为,并在节假日的下午时段触发核销类操作行为,相应地,在业务对象的推送环节中设定的对应于该用户的推送时段根据时间类状态关联关系确定。由此可见,用户标识的时间类状态关联关系用于确定针对用户推送的业务对象的业务时段。
上述两种实现方式既可以单独使用也可以结合使用,总之,通过上述方式,能够确定各组用户对象行为序列的状态关联关系,从而挖掘各个用户针对业务对象触发操作时的行为偏好,具体包括时间类偏好或地域间隔类偏好。
步骤S130:将各组用户对象行为序列的状态关联关系根据用户标识进行聚类处理,以得到对应于各个用户标识的状态类用户画像数据。
具体地,根据用户标识,汇总同一用户所对应的用户对象行为序列的状态关联关系,从而得到该用户的状态类用户画像数据。其中,一个用户通常会针对多个业务对象触发交互操作,相应的,会产生多个分别对应于不同业务对象的用户对象行为序列,因此,汇总同一用户的所有用户对象行为序列,并获取各个用户对象行为序列中的状态关联关系,针对各个用户对象行为序列中的状态关联关系进行分析处理,从而得到该用户的状态类用户画像数据。具体分析时,可以计算各个位置类状态关联关系的平均值、最大值、最小值等,从而得到用户针对位置方面的状态类用户画像数据;还可以计算各个时间类状态关联关系的平均值、最大值、最小值等,从而得到用户针对时间方面的状态类用户画像数据。例如,某用户的状态类用户画像数据包括:能够接受的地域间隔为2公里左右,最大不超过3公里;偏好的操作时段为节假日下午3点至5点。由此可见,本实施例中的状态类用户画像数据与常规的用户画像数据不同:并不是仅仅根据用户的单一属性直接得到的,而是通过挖掘针对同一业务对象的多次连续操作行为之间的状态关联关系确定的。
步骤S140:确定各个状态类用户画像数据与各个业务对象之间的偏好映射关系,根据该偏好映射关系进行业务对象的推送。
具体地,通过大数据分析的方式能够确定各个状态类用户画像数据与各个业务对象之间的偏好映射关系,该偏好映射关系用于反映状态类用户画像数据与各个业务对象之间的偏好程度。具体实施时,可通过机器学习、决策矩阵分析等各类方式确定偏好映射关系,本发明对此不作限定。
在一种可选的实现方式中,通过以下方式确定各个状态类用户画像数据与各个业务对象之间的偏好映射关系:
首先,分别确定与各组用户对象行为序列相对应的对象属性数据。其中,与各组用户对象行为序列相对应的对象属性数据用于描述对应的业务对象,具体包括:各组业务对象行为序列中包含的业务对象的对象类型信息、业务对象的发布时间、业务对象的更新时间以及更新状态信息、和/或业务对象的类型敏感度信息。其中,业务对象的类型敏感度信息具体根据各个类型的业务对象所对应的用户交互数量之间的比值确定,该用户交互数量可以是浏览量、领取量等,具体可以取预设时段的平均交互量,也可以取高峰时段的峰值交互量,本发明对此不作限定,只要能够反映多数用户对于不同类型的业务对象的敏感程度即可。
然后,针对每组用户对象行为序列,生成与该组用户对象行为序列相对应的用户对象行为样本;其中,各个用户对象行为样本的样本属性数据根据各个用户对象行为序列所对应的状态类用户画像数据以及对象属性数据生成。具体地,分别生成与每组用户对象行为序列相对应的用户对象行为样本,该用户对象行为样本的样本属性数据具体包括以下两大维度:用户维度的状态类用户画像数据,以及对象维度的对象属性数据,以便挖掘用户与业务对象之间的偏好程度。
接下来,根据各组用户对象行为序列中包含的历史操作行为记录的数量和/或类型,标注各个用户对象行为样本的用户对象偏好指数。具体地,每组用户对象行为序列中包含多个历史操作行为记录,其中,各个用户对象行为序列中包含的历史操作行为记录的类型各不相同,且不同类型的操作行为对应于不同的偏好程度,例如,浏览类操作行为的偏好程度最低,领取类操作行为的偏好程度最高。相应的,分别针对各种类型的操作行为设置不同的类型权重,根据一个用户对象行为序列中包含的各种类型的历史操作行为记录的数量进行加权运算,将加权运算结果确定为对应的用户对象行为样本的用户对象偏好指数。由此可见,若一组用户对象行为序列中包含的历史操作行为记录的数量越多,且操作行为的类型权重较高,则对应的用户对象行为样本的用户对象偏好指数越高。事实上,若用户针对同一业务对象反复进行了多次操作行为,则说明用户对该业务对象的偏好程度较高。
最后,根据各个已标注的用户对象行为样本生成用户对象偏好预测模型,以根据该用户对象偏好预测模型确定各个状态类用户画像数据与各个业务对象之间的偏好映射关系。具体地,针对各个已标注的用户对象行为样本进行训练,由于各个用户对象行为样本的样本属性数据反映了用户属性与对象属性之间的对应关系,且标注的用户对象偏好指数反映了用户与业务对象之间的偏好程度,因此,通过机器学习能够得到用户对象偏好预测模型,根据该用户对象偏好预测模型即可确定各个状态类用户画像数据与各个业务对象之间的偏好映射关系。相应的,基于该映射关系,能够预测各种类型的用户所偏好的业务对象,进而实现业务对象的精准推送。
由此可见,本实施例中的方式能够挖掘用户针对同一业务对象触发的多个连续操作行为之间的状态关联关系,进而基于该状态关联关系得到状态类用户画像数据,进而挖掘状态类用户画像数据与业务对象之间的偏好映射关系,从而实现业务对象的精准推送。该方式能够提升推送结果的精准性,减少用户反复切换网络页面的次数,从而降低客户端与服务器之间的数据传输量,节约系统资源消耗。该方式尤其适用于OTO业务场景中,由于OTO业务场景的业务特点为线上购买,线下消费,且购买行为与核销行为的触发时间以及触发位置都不相同,因此,通过分析各个行为之间状态关联能够确定用户的业务偏好,从而实现精准推送。
实施例二、
图2示出了本发明实施例二提供的一种业务对象的推送方法的流程图。其中,实施例一侧重于预先构建偏好映射关系的后台处理过程,而实施例二则侧重于根据已构建的偏好映射关系进行实时推送。因此,实施例二可以在实施例一的基础上实现。如图2所示,该方法包括:
步骤S210:响应于当前用户的实时操作行为,确定与实时操作行为相对应的用户标识,获取对应于该用户标识的状态类用户画像数据。
其中,当前用户的实时操作行为包括以下至少一种类型:浏览类行为、收藏类行为、领取类行为、核销类行为、以及评价类行为。当检测到实时操作行为时,获取与该实时操作行为相对应的用户标识,并获取对应于该用户标识的状态类用户画像数据。其中,各个用户标识的状态类用户画像数据的获取方式可参照实施例一中的相应部分,在此不再赘述。也就是说,在本实施例中,预先通过实施例一中的方式获取并存储各个用户标识的状态类用户画像数据。该状态类用户画像数据能够反映用户对于时间、地域等状态信息的偏好。
步骤S220:获取实时操作行为的实时状态信息,根据对应于用户标识的状态类用户画像数据筛选与实时操作行为的实时状态信息相匹配的候选业务对象。
具体地,实时操作行为的实时状态信息包括:与实时操作行为的触发时间相对应的实时时间状态信息、和/或与实时操作行为的触发位置相对应的实时位置状态信息。具体实施时,可通过以下两种实现方式中的至少一种实现:
在第一种实现方式中,实时操作行为的实时状态信息为实时位置状态信息,在根据对应于用户标识的状态类用户画像数据筛选与实时操作行为的实时状态信息相匹配的候选业务对象时,具体通过以下方式实现:
首先,根据对应于用户标识的状态类用户画像数据,确定与用户标识相对应的位置类状态关联关系。其中,与用户标识相对应的位置类状态关联关系根据用户标识对应的各组用户对象行为序列的位置类状态关联关系确定,具体参见实施例一。具体地,针对该用户标识对应的各组用户对象行为序列,获取该组用户对象行为序列中的各个历史操作行为记录的历史位置状态信息,计算各个历史操作行为记录的历史位置状态信息之间的地域间隔,以得到该组用户对象行为序列的位置类状态关联关系。由此可见,各组用户对象行为序列的位置类状态关联关系能够反映用户对于位置间隔的偏好,相应的,针对同一用户标识所对应的各组用户对象行为序列的位置类状态关联关系进行预设运算(如求平均值、最大值、最小值等)即可得到该用户标识所对应的位置类状态关联关系。例如,假设一用户针对多个业务对象的位置类状态关联关系为:领取类操作行为与核销类操作行为所对应的地域间隔不超过2公里,则说明该用户倾向于领取附近2公里内的业务对象所对应的电子券或电子卡等,以便于就近核销。其中,在确定与用户标识相对应的位置类状态关联关系时,可以进一步根据实时操作行为的行为类型,确定与该行为类型相对应的位置类状态关联关系。相应的,在实施例一中,可以分别统计与各种类型的历史操作行为记录相对应的地域间隔。例如,假设实施例一统计出用户触发的浏览类历史操作行为记录与领取类历史操作行为记录之间的地域间隔为5公里,则说明用户在浏览阶段倾向于浏览附近5公里内的业务对象,相应的,若实时操作行为的行为类型为浏览类型,则确定位置类状态关联关系为5公里内。由此可见,在实施例一中,分别针对各种类型的关联行为记录组确定对应的位置类状态关联关系,以便于确定用户执行各类操作行为时所偏好的地域间隔。
然后,根据实时位置状态信息以及位置类状态关联关系,确定候选地域范围,筛选与候选地域范围相匹配的候选业务对象。其中,候选地域范围以实时位置状态信息为中心点,并根据位置类状态关联关系确定区域半径,从而筛选实时位置附近的候选业务对象。例如,当位置类状态关联关系为不大于3公里时,则将实时操作行为的触发位置附近3公里范围内的业务对象确定为候选业务对象。
在第二种实现方式中,实时操作行为的实时状态信息为实时时间状态信息,在根据对应于用户标识的状态类用户画像数据筛选与实时操作行为的实时状态信息相匹配的候选业务对象时,通过以下方式实现:
首先,根据对应于所述用户标识的状态类用户画像数据,确定与用户标识相对应的时间类状态关联关系。其中,与用户标识相对应的时间类状态关联关系根据用户标识对应的各组用户对象行为序列的时间类状态关联关系确定,具体参见实施例一。具体地,获取各组用户对象行为序列中属于预设类型的历史操作行为记录的历史时间状态信息,根据该属于预设类型的历史操作行为记录的历史时间状态信息确定该组用户对象行为序列的时间类状态关联关系。由此可见,各组用户对象行为序列的时间类状态关联关系能够反映用户对于时间的偏好,相应的,针对同一用户标识所对应的各组用户对象行为序列的时间类状态关联关系进行预设运算(如计算各个时间段的出现次数等)即可得到该用户标识所对应的时间类状态关联关系。例如,假设一用户针对多个业务对象的时间类状态关联关系为:在工作日的中午时段触发领取类操作行为,并在节假日的下午时段触发核销类操作行为,则说明该用户倾向于在工作日的中午领取业务对象所对应的电子券或电子卡等,且倾向于在节假日的下午对已领取的电子券或电子卡进行核销。相应的,在本步骤中,可以进一步根据实时操作行为的行为类型,确定与该行为类型相对应的时间类状态关联关系。例如,当确定实时操作行为的行为类型为浏览类型时,预测其下一步的操作行为应为领取行为,则根据其领取行为的触发时段为其推荐工作日的中午能够领取的业务对象。
然后,根据实时时间状态信息以及时间类状态关联关系,确定候选时间范围,筛选与该候选时间范围相匹配的候选业务对象。其中,候选时间范围主要根据实时时间以及时间类状态关联关系确定。例如,当时间类状态关联关系为节假日下午时,则将候选时间范围确定为节假日下午,并将该时段内的业务对象确定为候选业务对象。
步骤S230:根据预先确定的各个状态类用户画像数据与各个业务对象之间的偏好映射关系,从候选业务对象中选择与用户标识的状态类用户画像数据相匹配的目标业务对象,将该目标业务对象推送给当前用户。
具体地,根据偏好映射关系,查询与当前用户标识的状态类用户画像数据相匹配的各个业务对象,进而从候选业务对象中选择与用户标识的状态类用户画像数据相匹配的目标业务对象。例如,当偏好映射关系由实施例一中的用户对象偏好预测模型确定时,将当前用户标识的状态类用户画像数据输入该用户对象偏好预测模型,从而得到用户对于各个业务对象的用户对象偏好指数,从而筛选偏好指数较高的业务对象作为目标对象。
另外,在实施例一以及实施例二中,除状态类用户画像数据之外,还可以进一步添加其他维度的用户画像数据,如年龄维度、职业维度、性别维度等等,相应的,进一步获取当前用户的年龄、职业、性别等属性特征,将上述属性特征一并输入用户对象偏好预测模型,以得到更为准确的结果。例如,若职业为白领,则推送与其职业特点匹配的时尚用品、轻快餐等业务对象;若职业为合伙人,则推送与其职业特点匹配的请客宴席类门店等。又如,若年龄为50-60岁的用户,则推送近距离的商品(如1公里内)等;若年龄为20-30岁的年轻用户,则推送开车可达的地域内的商品(如10公里内)。
由此可见,实施例一与实施例二都能够实现业务对象的精准推送。其中,实施例一侧重于模型的预先构建过程,而实施例二则侧重于在线推送过程,实施例一以及实施例二既可以单独使用,也可以相互结合。当实施例一与实施例二相互结合时,可以将实施例二作为实施例一的后续操作。
综上可知,通过上述方式能够挖掘用户针对同一业务对象触发多个连续操作行为时的状态关联关系,进而基于该状态关联关系实现业务对象的精准推送。具体地,在OTO业务场景中,用户通常是在线上触发电子券的领取行为,并在线下触发电子券的核销行为。相应的,领取行为和核销行为之间在时间上存在一定的间隔,且在地域上往往也存在间隔,因此,通过分析领取行为以及核销行为之间的时间间隔和/或地域间隔有助于精准反映用户特征,进而结合用户特征进行个性化地精准推送,从而降低用户反复切换网络页面的次数,减少系统资源的消耗。
为了便于理解,下面以一个具体示例为例详细描述本发明实施例的具体实现细节:
首先,在该示例中,需要预先收集影响用户对于业务对象的关注度的外部因素,具体包括以下方面:
(1)业务对象的发布时间:
具体地,业务对象的发布时间也可以称作业务对象的曝光时间,即业务对象首次发布在网页中且能够被用户浏览的时间点。发明人在实现本发明的过程中发现,用户对于业务对象的关注度与业务对象的发布时间之间成指数函数关系。由于业务平台中通常存在多种类型的业务对象,因此,分别统计各种类型的业务对象的发布时间,并通过指数函数确定各种类型的业务对象的发布时间与用户关注度之间的关联关系。
(2)业务对象的更新信息:
由于业务对象发布之后可能会进行多次更新,如更新业务对象的属性、价格、业务时段等各类信息,相应地,在本示例中,还需要获取业务对象的各次更新信息,以全面描述业务对象的属性。换言之,业务对象的更新信息作为业务对象的一个附加属性,用以准确描述一个业务对象。
(3)业务对象的用户人数规模:
由于不同业务对象所对应的浏览用户人数、领取用户人数等均存在不同,而用户人数规模能够反映业务对象的受欢迎程度,因此,在本示例中,可以将业务对象的用户人数规模作为业务对象的一个属性维度,进而准确描述各个业务对象。
(4)业务对象与用户之间的契合度:
在业务平台中,用户只会对感兴趣的业务对象进行关注,而且,用户自身属性的不同会导致用户感兴趣的业务对象的类型也不同。因此,能够根据用户的历史操作行为建立用户属性与业务对象属性之间的映射关系。
具体地,构建用户的个人属性矩阵,该个人属性矩阵用于从多个维度描述用户的个人属性,其中,个人属性矩阵的一个重要维度即为上文提到的状态类用户画像数据。该状态类用户画像数据具体包括:用于表示地域间隔的位置类状态关联关系、用于表示行为触发时间的时间类状态关联关系。例如,以领取类历史行为记录(对应于购买电子券的行为)以及核销类历史行为记录(对应于核销电子券的行为)之间的地域间隔举例而言,需要统计目标用户的历史行为数据,分析该用户历史购买地与核销地的距离分布,例如统计过去一年时间内,该用户购买某一类型商品的电子券的地点一与核销该商品的电子券的地点二之间的距离分布主要在1公里-3公里以内,相应地,认为针对该目标用户的最大推送半径为3公里,相应地,在个人属性矩阵中针对地域间隔这一维度设置为3公里。与之类似的,统计该用户对于该类型商品的其他维度属性,例如统计该用户核销该商品的时间段大致分布在周六周日晚上,该用户购买该商品的周期(例如一个月买一次),将上述维度属性添加到该用户的个人属性矩阵中,从而能够根据该矩阵得出以下偏好映射关系:目标用户(自身的年龄,性别等),对于半径在3公里内,周末晚上可以消费的某商品具有很强的关注度。通过上述方式,对大量的样本用户进行分析,即可确定多条偏好映射关系。
通过上述方式,能够分别统计各个维度的用户属性,如消费频率、消费时段等,相应地,得到的偏好映射表能够反映以下信息:用户年龄A,性别B,消费距离最大半径C,消费频率D,消费时间段E,商品类型F(包括商品敏感度G、商品存量H等各类属性),相应地,能够构建用户属性(A、B、C、D、E)与商品属性F(G、H)之间的映射表。
具体地,偏好映射关系可以通过以下表达式进行精确表示:
μk*Map(User-Object)*T(l);
其中,μk为类型调整系数,由于预先将业务平台中的业务对象量化为m种对象类型,对于第k种类型的业务对象而言,由于目标业务对象与第k类型的业务对象之间可能存在少许偏差,因此,通过类型调整系数修正该偏差所造成的影响。Map(User-Object)即为上文构建的用户属性与业务对象属性之间的映射表。T(l)为业务对象的类型敏感度l的自然对数的指数函数。其中,类型敏感度根据各个类型的业务对象的峰值交互量确定,若某类型的业务对象的峰值交互量越高,则该类型的业务对象的类型敏感度也越高;反之,则越低。另外,为了确保业务对象的浏览时间处于业务对象的发布时间之后,还可以在上述表达式中乘以时间t的阶跃函数。
根据上述的偏好映射关系,通过决策矩阵算法或机器学习算法即可得到用户对象偏好预测模型,从而预测各个用户感兴趣的业务对象,进而进行业务对象的精准推送。
由此可见,在上述方式中,需要对样本数据集进行多次统计处理,每次统计结果的维度不同。具体地,需要分别针对个人属性矩阵中的任一维度进行统计,例如,针对一个用户,统计该用户针对各个业务对象的各次领取行为及核销行为之间的地域间隔,从而根据统计结果确定该用户在地域间隔方面所能接受的最大消费半径;统计该用户针对业务对象的领取频率,从而确定该用户领取同一业务对象的周期和频次。最后,还要进一步根据该用户对于各个业务对象触发的操作行为的次数和类型确定该用户针对该业务对象的偏好指数,其中,领取类行为的权重大于浏览类行为的权重,因此,用户对于领取过的业务对象的偏好指数高于仅浏览过的业务对象的偏好指数。
其中,本实施例中的业务对象可以为商品、电子券、业务服务项目(如理发等)等各类对象,本发明对此不做限定。
另外,当本实施例应用于外卖配送领域时,状态类用户画像数据也可以根据点单位置与收货位置之间的地域间隔确定,从而挖掘用户所能接受的配送范围。总之,本发明能够灵活应用于各类业务场景中,旨在通过比对用户针对同一业务对象的多次连续操作行为来挖掘用户的行为偏好。
综上可知,本实施例中的方式尤其适用于在同时存在大量业务对象的业务平台中进行精准推送。该方式不依赖于目标用户的邻居节点,而是侧重于从用户自身属性的角度构建预测模型,从而能够在不依赖邻居节点的各类网络拓扑结构中应用。并且,该方式充分挖掘用户针对同一业务对象的多个连续操作行为,从而能够结合OTO场景的业务特点确定用户对于业务对象的地域范围、消费时段等状态偏好。
实施例三
图3示出了本发明实施例三提供的一种业务对象的推送装置的结构示意图,该装置包括:
解析模块31,适于针对获取到的用户历史行为数据进行解析,将解析后得到的各个历史操作行为记录根据用户标识以及业务对象标识聚合为多组用户对象行为序列;
获取模块32,适于针对各组用户对象行为序列,获取该组用户对象行为序列中的各个历史操作行为记录的历史状态信息,确定该组用户对象行为序列的状态关联关系;
画像模块33,适于将各组用户对象行为序列的状态关联关系根据用户标识进行聚类处理,以得到对应于各个用户标识的状态类用户画像数据;
推送模块34,适于确定各个状态类用户画像数据与各个业务对象之间的偏好映射关系,根据该偏好映射关系进行业务对象的推送。
可选的,所述历史操作行为记录的历史状态信息包括:与历史操作行为记录的触发时间相对应的历史时间状态信息、和/或与历史操作行为记录的触发位置相对应的历史位置状态信息。
可选的,当所述历史操作行为记录的历史状态信息为历史位置状态信息时,所述获取模块具体适于:
获取该组用户对象行为序列中的各个历史操作行为记录的历史位置状态信息,计算各个历史操作行为记录的历史位置状态信息之间的地域间隔,以得到该组用户对象行为序列的位置类状态关联关系。
可选的,所述获取模块具体适于:
分析该组用户对象行为序列中的各个历史操作行为记录的行为类型和/或行为触发时间;
根据所述行为类型和/或行为触发时间,将至少两个历史操作行为记录确定为一个关联行为记录组;
根据关联行为记录组中的各个历史操作行为记录的历史位置状态信息之间的地域间隔确定该组用户对象行为序列的位置类状态关联关系。
可选的,所述历史操作行为记录包括以下至少一种类型:浏览类历史行为记录、收藏类历史行为记录、领取类历史行为记录、核销类历史行为记录、以及评价类历史行为记录;
则所述获取模块具体适于:将领取类历史行为记录以及核销类历史行为记录确定为一个关联行为记录组。
可选的,当所述历史操作行为记录的历史状态信息为历史时间状态信息时,所述获取模块具体适于:
获取该组用户对象行为序列中属于预设类型的历史操作行为记录的历史时间状态信息,根据该属于预设类型的历史操作行为记录的历史时间状态信息确定该组用户对象行为序列的时间类状态关联关系。
可选的,所述属于预设类型的历史操作行为记录包括:领取类行为记录和/或核销类行为记录。
可选的,所述推送模块具体适于:
分别确定与各组用户对象行为序列相对应的对象属性数据;
针对每组用户对象行为序列,生成与该组用户对象行为序列相对应的用户对象行为样本;其中,各个用户对象行为样本的样本属性数据根据各个用户对象行为序列所对应的状态类用户画像数据以及对象属性数据生成;
根据各组用户对象行为序列中包含的历史操作行为记录的数量和/或类型,标注各个用户对象行为样本的用户对象偏好指数;
根据各个已标注的用户对象行为样本生成用户对象偏好预测模型,以根据该用户对象偏好预测模型确定各个状态类用户画像数据与各个业务对象之间的偏好映射关系。
可选的,所述与各组用户对象行为序列相对应的对象属性数据包括:
各组业务对象行为序列中包含的业务对象的对象类型信息、业务对象的发布时间、业务对象的更新时间以及更新状态信息、和/或业务对象的类型敏感度信息。
该方式能够基于用户自身的连续操作行为进行业务对象的推送,提升了用户浏览的效率,降低了用户频繁切换网络页面的次数,从而节约了系统资源消耗。
图5示出了本发明又一实施例提供的一种业务对象的推送装置的结构示意图,该装置包括:
响应模块51,适于响应于当前用户的实时操作行为,确定与所述实时操作行为相对应的用户标识,获取对应于所述用户标识的状态类用户画像数据;
筛选模块52,适于获取所述实时操作行为的实时状态信息,根据所述对应于所述用户标识的状态类用户画像数据筛选与所述实时操作行为的实时状态信息相匹配的候选业务对象;
推送模块53,适于根据预先确定的各个状态类用户画像数据与各个业务对象之间的偏好映射关系,从所述候选业务对象中选择与所述用户标识的状态类用户画像数据相匹配的目标业务对象,将所述目标业务对象推送给当前用户。
可选的,所述实时操作行为的实时状态信息包括:
与实时操作行为的触发时间相对应的实时时间状态信息、和/或与实时操作行为的触发位置相对应的实时位置状态信息。
可选的,当所述实时操作行为的实时状态信息为实时位置状态信息时,所述筛选模块具体适于:
根据所述对应于所述用户标识的状态类用户画像数据,确定与所述用户标识相对应的位置类状态关联关系;
根据所述实时位置状态信息以及所述位置类状态关联关系,确定候选地域范围;
筛选与所述候选地域范围相匹配的候选业务对象。
可选的,所述筛选模块具体适于:
根据所述实时操作行为的行为类型,确定与该行为类型相对应的位置类状态关联关系。
可选的,当所述实时操作行为的实时状态信息为实时时间状态信息时,所述筛选模块具体适于:
根据所述对应于所述用户标识的状态类用户画像数据,确定与所述用户标识相对应的时间类状态关联关系;
根据所述实时时间状态信息以及所述时间类状态关联关系,确定候选时间范围;
筛选与所述候选时间范围相匹配的候选业务对象。
可选的,所述筛选模块具体适于:
根据所述实时操作行为的行为类型,确定与该行为类型相对应的时间类状态关联关系。
可选的,所述实时操作行为包括以下至少一种类型:浏览类行为、收藏类行为、领取类行为、核销类行为、以及评价类行为。
该方式能够基于用户自身的连续操作行为进行业务对象的推送,提升了用户浏览的效率,降低了用户频繁切换网络页面的次数,从而节约了系统资源消耗。
实施例四
本申请实施例四提供了一种非易失性计算机存储介质,所述计算机存储介质存储有至少一可执行指令,该计算机可执行指令可执行上述任意方法实施例中的业务对象的推送方法。可执行指令具体可以用于使得处理器执行上述方法实施例中对应的各个操作。
实施例五
图4示出了根据本发明实施例五的一种电子设备的结构示意图,本发明具体实施例并不对电子设备的具体实现做限定。
如图4所示,该电子设备可以包括:处理器(processor)402、通信接口(Communications Interface)406、存储器(memory)404、以及通信总线408。
其中:
处理器402、通信接口406、以及存储器404通过通信总线408完成相互间的通信。
通信接口406,用于与其它设备比如客户端或其它服务器等的网元通信。
处理器402,用于执行程序410,具体可以执行上述业务对象的推送方法实施例中的相关步骤。
具体地,程序410可以包括程序代码,该程序代码包括计算机操作指令。
处理器402可能是中央处理器CPU,或者是特定集成电路ASIC(ApplicationSpecific Integrated Circuit),或者是被配置成实施本发明实施例的一个或多个集成电路。电子设备包括的一个或多个处理器,可以是同一类型的处理器,如一个或多个CPU;也可以是不同类型的处理器,如一个或多个CPU以及一个或多个ASIC。
存储器404,用于存放程序410。存储器404可能包含高速RAM存储器,也可能还包括非易失性存储器(non-volatile memory),例如至少一个磁盘存储器。
程序510具体可以用于使得处理器502执行上述方法实施例中对应的各个操作。
在此提供的算法和显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述,构造这类系统所要求的结构是显而易见的。此外,本发明也不针对任何特定编程语言。应当明白,可以利用各种编程语言实现在此描述的本发明的内容,并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。
在此处所提供的说明书中,说明了大量具体细节。然而,能够理解,本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中,并未详细示出公知的方法、结构和技术,以便不模糊对本说明书的理解。
类似地,应当理解,为了精简本公开并帮助理解各个发明方面中的一个或多个,在上面对本发明的示例性实施例的描述中,本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而,并不应将该公开的方法解释成反映如下意图:即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说,如下面的权利要求书所反映的那样,发明方面在于少于前面公开的单个实施例的所有特征。因此,遵循具体实施方式的权利要求书由此明确地并入该具体实施方式,其中每个权利要求本身都作为本发明的单独实施例。
本领域那些技术人员可以理解,可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件,以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外,可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述,本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外,本领域的技术人员能够理解,尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征,但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如,在下面的权利要求书中,所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
本发明的各个部件实施例可以以硬件实现,或者以在一个或者多个处理器上运行的软件模块实现,或者以它们的组合实现。本领域的技术人员应当理解,可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本发明实施例的基于语音输入信息的抽奖系统中的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如,计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上,或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到,或者在载体信号上提供,或者以任何其他形式提供。
应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制,并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中,不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中,这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
Claims (10)
1.一种业务对象的推送方法,包括:
针对获取到的用户历史行为数据进行解析,将解析后得到的各个历史操作行为记录根据用户标识以及业务对象标识聚合为多组用户对象行为序列;
针对各组用户对象行为序列,获取该组用户对象行为序列中的各个历史操作行为记录的历史状态信息,确定该组用户对象行为序列的状态关联关系;
将各组用户对象行为序列的状态关联关系根据用户标识进行聚类处理,以得到对应于各个用户标识的状态类用户画像数据;
确定各个状态类用户画像数据与各个业务对象之间的偏好映射关系,根据该偏好映射关系进行业务对象的推送。
2.根据权利要求1所述的方法,其中,所述历史操作行为记录的历史状态信息包括:与历史操作行为记录的触发时间相对应的历史时间状态信息、和/或与历史操作行为记录的触发位置相对应的历史位置状态信息。
3.根据权利要求2所述的方法,其中,当所述历史操作行为记录的历史状态信息为历史位置状态信息时,所述获取该组用户对象行为序列中的各个历史操作行为记录的历史状态信息,确定该组用户对象行为序列的状态关联关系包括:
获取该组用户对象行为序列中的各个历史操作行为记录的历史位置状态信息,计算各个历史操作行为记录的历史位置状态信息之间的地域间隔,以得到该组用户对象行为序列的位置类状态关联关系。
4.根据权利要求3所述的方法,其中,所述计算各个操作行为记录的历史位置状态信息之间的地域间隔,以得到该组用户对象行为序列的位置类状态关联关系包括:
分析该组用户对象行为序列中的各个历史操作行为记录的行为类型和/或行为触发时间;
根据所述行为类型和/或行为触发时间,将至少两个历史操作行为记录确定为一个关联行为记录组;
根据关联行为记录组中的各个历史操作行为记录的历史位置状态信息之间的地域间隔确定该组用户对象行为序列的位置类状态关联关系。
5.根据权利要求4所述的方法,其中,所述历史操作行为记录包括以下至少一种类型:浏览类历史行为记录、收藏类历史行为记录、领取类历史行为记录、核销类历史行为记录、以及评价类历史行为记录;
则所述根据所述行为类型和/或行为触发时间,将至少两个历史操作行为记录确定为一个关联行为记录组包括:将领取类历史行为记录以及核销类历史行为记录确定为一个关联行为记录组。
6.一种业务对象的推送方法,包括:
响应于当前用户的实时操作行为,确定与所述实时操作行为相对应的用户标识,获取对应于所述用户标识的状态类用户画像数据;
获取所述实时操作行为的实时状态信息,根据所述对应于所述用户标识的状态类用户画像数据筛选与所述实时操作行为的实时状态信息相匹配的候选业务对象;
根据预先确定的各个状态类用户画像数据与各个业务对象之间的偏好映射关系,从所述候选业务对象中选择与所述用户标识的状态类用户画像数据相匹配的目标业务对象,将所述目标业务对象推送给当前用户。
7.一种业务对象的推送装置,包括:
解析模块,适于针对获取到的用户历史行为数据进行解析,将解析后得到的各个历史操作行为记录根据用户标识以及业务对象标识聚合为多组用户对象行为序列;
获取模块,适于针对各组用户对象行为序列,获取该组用户对象行为序列中的各个历史操作行为记录的历史状态信息,确定该组用户对象行为序列的状态关联关系;
画像模块,适于将各组用户对象行为序列的状态关联关系根据用户标识进行聚类处理,以得到对应于各个用户标识的状态类用户画像数据;
推送模块,适于确定各个状态类用户画像数据与各个业务对象之间的偏好映射关系,根据该偏好映射关系进行业务对象的推送。
8.一种业务对象的推送装置,包括:
响应模块,适于响应于当前用户的实时操作行为,确定与所述实时操作行为相对应的用户标识,获取对应于所述用户标识的状态类用户画像数据;
筛选模块,适于获取所述实时操作行为的实时状态信息,根据所述对应于所述用户标识的状态类用户画像数据筛选与所述实时操作行为的实时状态信息相匹配的候选业务对象;
推送模块,适于根据预先确定的各个状态类用户画像数据与各个业务对象之间的偏好映射关系,从所述候选业务对象中选择与所述用户标识的状态类用户画像数据相匹配的目标业务对象,将所述目标业务对象推送给当前用户。
9.一种电子设备,包括:处理器、存储器、通信接口和通信总线,所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信;
所述存储器用于存放至少一可执行指令,所述可执行指令使所述处理器执行如权利要求1-5中任一项所述的业务对象的推送装置对应的操作。
10.一种计算机存储介质,所述存储介质中存储有至少一可执行指令,所述可执行指令使处理器执行如权利要求1-5中任一项所述的业务对象的推送装置对应的操作。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911310578.6A CN111090822A (zh) | 2019-12-18 | 2019-12-18 | 业务对象的推送方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911310578.6A CN111090822A (zh) | 2019-12-18 | 2019-12-18 | 业务对象的推送方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111090822A true CN111090822A (zh) | 2020-05-01 |
Family
ID=70396426
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911310578.6A Pending CN111090822A (zh) | 2019-12-18 | 2019-12-18 | 业务对象的推送方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111090822A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112199133A (zh) * | 2020-09-01 | 2021-01-08 | 北京达佳互联信息技术有限公司 | 信息聚合方法、装置、电子设备及存储介质 |
CN112487285A (zh) * | 2020-11-18 | 2021-03-12 | 中国人寿保险股份有限公司 | 一种消息推送方法和装置 |
CN112632137A (zh) * | 2020-12-18 | 2021-04-09 | 中国工商银行股份有限公司 | 业务数据的推送方法、装置和服务器 |
CN112685478A (zh) * | 2021-02-23 | 2021-04-20 | 张雪君 | 针对云业务和用户画像挖掘的信息处理方法及云服务器 |
CN115115147A (zh) * | 2022-08-30 | 2022-09-27 | 深圳鸿博智成科技有限公司 | 一种基于人工智能的营养餐运输管理系统及方法 |
CN115408586A (zh) * | 2022-08-25 | 2022-11-29 | 广东博成网络科技有限公司 | 一种智能渠道运营数据分析方法、系统、设备及存储介质 |
CN115905624A (zh) * | 2022-10-18 | 2023-04-04 | 支付宝(杭州)信息技术有限公司 | 一种用户行为状态的确定方法、装置及设备 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170316022A1 (en) * | 2016-04-29 | 2017-11-02 | Microsoft Technology Licensing, Llc | Contextually-aware resource manager |
CN107666496A (zh) * | 2016-07-27 | 2018-02-06 | 上海博泰悦臻网络技术服务有限公司 | 应用内容推送方法及装置 |
CN109684543A (zh) * | 2018-12-14 | 2019-04-26 | 北京百度网讯科技有限公司 | 用户行为预测和信息投放方法、装置、服务器和存储介质 |
CN109741146A (zh) * | 2019-01-04 | 2019-05-10 | 平安科技(深圳)有限公司 | 基于用户行为的产品推荐方法、装置、设备及存储介质 |
-
2019
- 2019-12-18 CN CN201911310578.6A patent/CN111090822A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170316022A1 (en) * | 2016-04-29 | 2017-11-02 | Microsoft Technology Licensing, Llc | Contextually-aware resource manager |
CN107666496A (zh) * | 2016-07-27 | 2018-02-06 | 上海博泰悦臻网络技术服务有限公司 | 应用内容推送方法及装置 |
CN109684543A (zh) * | 2018-12-14 | 2019-04-26 | 北京百度网讯科技有限公司 | 用户行为预测和信息投放方法、装置、服务器和存储介质 |
CN109741146A (zh) * | 2019-01-04 | 2019-05-10 | 平安科技(深圳)有限公司 | 基于用户行为的产品推荐方法、装置、设备及存储介质 |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112199133A (zh) * | 2020-09-01 | 2021-01-08 | 北京达佳互联信息技术有限公司 | 信息聚合方法、装置、电子设备及存储介质 |
US11474993B2 (en) | 2020-09-01 | 2022-10-18 | Beijing Daija Internet Information Technology Co., Ltd. | Method for aggregating information, electronic device, and storage medium |
CN112487285A (zh) * | 2020-11-18 | 2021-03-12 | 中国人寿保险股份有限公司 | 一种消息推送方法和装置 |
CN112632137A (zh) * | 2020-12-18 | 2021-04-09 | 中国工商银行股份有限公司 | 业务数据的推送方法、装置和服务器 |
CN112685478A (zh) * | 2021-02-23 | 2021-04-20 | 张雪君 | 针对云业务和用户画像挖掘的信息处理方法及云服务器 |
CN112685478B (zh) * | 2021-02-23 | 2022-01-14 | 爱云保(上海)科技有限公司 | 针对云业务和用户画像挖掘的信息处理方法及云服务器 |
CN115408586A (zh) * | 2022-08-25 | 2022-11-29 | 广东博成网络科技有限公司 | 一种智能渠道运营数据分析方法、系统、设备及存储介质 |
CN115408586B (zh) * | 2022-08-25 | 2024-01-23 | 广东博成网络科技有限公司 | 一种智能渠道运营数据分析方法、系统、设备及存储介质 |
CN115115147A (zh) * | 2022-08-30 | 2022-09-27 | 深圳鸿博智成科技有限公司 | 一种基于人工智能的营养餐运输管理系统及方法 |
CN115905624A (zh) * | 2022-10-18 | 2023-04-04 | 支付宝(杭州)信息技术有限公司 | 一种用户行为状态的确定方法、装置及设备 |
CN115905624B (zh) * | 2022-10-18 | 2023-06-16 | 支付宝(杭州)信息技术有限公司 | 一种用户行为状态的确定方法、装置及设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111090822A (zh) | 业务对象的推送方法及装置 | |
KR101999471B1 (ko) | 정보 추천 방법 및 장치 | |
US10348550B2 (en) | Method and system for processing network media information | |
US20150254759A1 (en) | Associating item images with item catalog data | |
WO2019169978A1 (zh) | 资源推荐方法及装置 | |
US8533198B2 (en) | Mapping descriptions | |
CN111666275B (zh) | 一种数据处理方法、装置、电子设备及存储介质 | |
CN110413868A (zh) | 信息推荐方法、装置、系统及存储介质 | |
CN105787133B (zh) | 广告信息过滤方法及装置 | |
CN112613938B (zh) | 模型训练方法、装置及计算机设备 | |
CN111738785A (zh) | 选品方法、系统及存储介质 | |
CN112241495A (zh) | 页面更新方法 | |
CN108108438A (zh) | 行为数据的识别方法及装置 | |
CN111080339A (zh) | 基于场景的类目偏好数据生成方法及装置 | |
CN111026853A (zh) | 目标问题的确定方法、装置、服务器和客服机器人 | |
CN110362702B (zh) | 图片管理方法及设备 | |
CN112508638A (zh) | 数据处理的方法、装置及计算机设备 | |
CN110427545B (zh) | 一种信息推送方法及系统 | |
CN111198961A (zh) | 商品搜索方法、装置及服务器 | |
WO2021104513A1 (zh) | 对象展示方法、装置、电子设备及存储介质 | |
GB2559314A (en) | Data retrieval system | |
CN112685618A (zh) | 用户特征识别方法、装置、计算设备及计算机存储介质 | |
CN111831892A (zh) | 信息推荐方法、信息推荐装置、服务器及存储介质 | |
CN110895781A (zh) | 菜品类别推荐方法、装置、电子设备及存储介质 | |
CN115759047A (zh) | 资产评估报告依据的筛选及自动填充方法和装置 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200501 |
|
RJ01 | Rejection of invention patent application after publication |