CN111209511A

CN111209511A - 一种基于数据关联关系进行推送信息的方法及系统

Info

Publication number: CN111209511A
Application number: CN201911406290.9A
Authority: CN
Inventors: 贺铭; 刘申; 张彧豪; 张虎成
Original assignee: Aisino Corp
Current assignee: Aisino Corp
Priority date: 2019-12-31
Filing date: 2019-12-31
Publication date: 2020-05-29
Anticipated expiration: 2039-12-31
Also published as: CN111209511B

Abstract

本发明公开了一种基于数据关联关系进行推送信息的方法，属于数据处理技术领域。本发明方法包括：采集用户群中每个用户的基本信息，根据用户群中每个用户的基本信息，对用户群中的用户进行相近分类，为相近的每一类用户建立相近集合；确定相似集合中的每个用户的需求的信息类型，生成订阅集合；确定任意多个信息类型的支持度；获取所述任意多个信息类型和其他信息类型的置信度；确定支持度和置信度，是否满足推送条件，若支持度和置信度同时满足最小支持度阈值概率和最小置信度阈值概率，确定任意多个信息类型为强关联信息类型，并根据任意多个信息类型，获取所述信息类型的信息数据对多个用户进行推送。本发明为用户提供所需全量数据信息。

Description

一种基于数据关联关系进行推送信息的方法及系统

技术领域

本发明涉及数据处理技术领域，并且更具体地，涉及一种基于数据关联关系进行推送信息的方法及系统。

背景技术

粮食行业数据信息受发展技术、时间进度等因素影响，从业者或相关机构想获得有效与持续更新的信息，需要经过一定时间的人工数据搜索、甄别、购买相关服务，才能获得需要的数据。现有获得有效的粮食行业信息、数据、资料的方法有：1、搜索引擎，2、购买专业粮食行业数据服务机构定期发布的信息，3、新闻网站进行分类关注。上述方法中，免费类信息(搜索引擎、新闻网站)需要进行二次甄别才能使用。付费类信息多数是专业分析报告，用户需要的有效数据往往是报告中的一小部分。

发明内容

针对上述问题，一种基于数据关联关系进行推送信息的方法，包括：

采集用户群中每个用户的基本信息，根据用户群中每个用户的基本信息，对用户群中的用户进行相近分类，为相近的每一类用户建立相近集合；

确定相似集合中的每个用户的需求的信息类型，生成订阅集合；

确定订阅集合中每个用户同时订阅任意多个信息类型的概率，确定任意两个信息类型间的关联规则，根据关联规则确定任意多个信息类型的支持度；

确定订阅集合中每个用户订阅任意多个信息类型的基础上订阅其他信息类型的概率，获取所述任意多个信息类型和其他信息类型的置信度；

所述任意多个信息类型与所述任意多个信息类型和其他信息类型为相同的信息类型；

确定支持度和置信度，是否满足推送条件，若支持度和置信度同时满足最小支持度阈值概率和最小置信度阈值概率，确定任意多个信息类型为强关联信息类型，并根据任意多个信息类型，获取所述信息类型的信息数据对多个用户进行推送。

可选的，用户基本信息，包括：用户所在区域、用户身份信息和用户所属行业。

可选的，最小支持度阈值概率为0.2。

可选的，最小置信度阈值概率为0.7。

可选的，信息数据的获取，包括：

根据信息类型，获取初步信息数据，对初步信息数据进行处理，过滤非法数据或虚假数据，生成样本数据，对样本数据进行修订，修订后进行审核，审核通过后生成信息数据。

本发明还提出了一种基于数据关联关系进行推送信息的系统，包括：

采集模块，采集用户群中每个用户的基本信息，根据用户群中每个用户的基本信息，对用户群中的用户进行相近分类，为相近的每一类用户建立相近集合；

集合生成模块，确定相似集合中的每个用户的需求的信息类型，生成订阅集合；

处理模块，确定订阅集合中每个用户同时订阅任意多个信息类型的概率，确定任意两个信息类型间的关联规则，根据关联规则确定任意多个信息类型的支持度，确定订阅集合中每个用户订阅任意多个信息类型的基础上订阅其他信息类型的概率，获取所述任意多个信息类型和其他信息类型的置信度；

推送模块，确定支持度和置信度，是否满足推送条件，若支持度和置信度同时满足最小支持度阈值概率和最小置信度阈值概率，确定任意多个信息类型为强关联信息类型，并根据任意多个信息类型，获取所述信息类型的信息数据对多个用户进行推送。

可选的，最小支持度阈值概率为0.2。

可选的，最小置信度阈值概率为0.7。

可选的，信息数据的获取，包括：

本发明利用数据抓取，使得细分领域数据详尽，用户能一目了然掌握所需全量数据信息，在更短的时间得到需求的数据，数据直接在不同专题中进行整理展示，更加有效的汇总了不同类型的数据，为从业者省去了再次甄别不同类型数据、报告、资讯的时间。

附图说明

图1为本发明一种基于数据关联关系进行推送信息的方法流程图；

图2为本发明一种基于数据关联关系进行推送信息的系统结构图。

具体实施方式

现在参考附图介绍本发明的示例性实施方式，然而，本发明可以用许多不同的形式来实施，并且不局限于此处描述的实施例，提供这些实施例是为了详尽地且完全地公开本发明，并且向所属技术领域的技术人员充分传达本发明的范围。对于表示在附图中的示例性实施方式中的术语并不是对本发明的限定。在附图中，相同的单元/元件使用相同的附图标记。

除非另有说明，此处使用的术语(包括科技术语)对所属技术领域的技术人员具有通常的理解含义。另外，可以理解的是，以通常使用的词典限定的术语，应当被理解为与其相关领域的语境具有一致的含义，而不应该被理解为理想化的或过于正式的意义。

本发明一种基于数据关联关系进行推送信息的方法，如图1所示，包括：

用户基本信息，包括：用户所在区域、用户身份信息和用户所属行业。

最小支持度阈值概率为0.2。

最小置信度阈值概率为0.7。

信息数据的获取，包括：

本发明选择粮食行业进行进一步说明，实施例如下：

设定粮食行业从业者用户群X{X1..X10},订阅价格类数据集I{I1..I5}，每个用户订阅数据如下：

根据Apriori算法支持度与置信度，确定上述X用户群订阅信息集I中，信息之间的关联规则。根据大多数行业关联规则标准，当最小支持度min_Sup＝0.2，最小置信度min_con＝0.7,信息之间存在强关联规则，可进行推荐。

对订阅记录D进行支持度迭代计算得到订阅事件集C1；

事件集C1	支持度计数
		{I1}	0.4
{I2}	0.7
		{I3}	0.7
{I4}	0.4
		{I5}	0.4

比较事件集C1支持度计数与最小支持度min_Sup＝0.2，产生频繁集L1：

频繁集L1	支持度计数
		{I1}	0.4
{I2}	0.7
		{I3}	0.7
{I4}	0.4
		{I5}	0.4

由L1进行迭代产生事件集C2：

比较事件集C2支持度计数与最小支持度min_Sup＝0.2，产生频繁集L2：

频繁集L2	支持度计数
		{I1,I2}	0.3
{I1,I3}	0.2
		{I1,I5}	0.2
{I2,I3}	0.4
		{I2,I4}	0.3
{I2,I5}	0.3
		{I3,I4}	0.2
{I3,I5}	0.3

由L2进行迭代产生事件集C3：

事件集C3	支持度计数
		{I1,I2,I3}	0.1
{I1,I2,I5}	0.2
		{I1,I3,I5}	0.1
{I2,I3,I4}	0.1
		{I2,I3,I5}	0.2

比较事件集C3支持度计数与最小支持度min_Sup＝0.2，产生频繁集L3：

频繁集L3	支持度计数
		{I1,I2,I5}	0.2
{I2,I3,I5}	0.2

对L3中的任意一个频率项集，先计算子集，后计算规则置信度。选择置信度大于min_con＝0.7的关联规则。

关联规则	置信度
		I1—>I2	0.75
I4—>I2	0.75
		I5—>I2	0.75
I5—>I3	0.75
		I1,I5—>I2	1

同时满足最小支持度阀值min_sup＝0.2和最小置信度阀值min_con＝0.7两个值的强关联规则结果如下：

根据计算推演：I1,I2,I5三个信息之间存在强关联规则。

置信度为0.75，X类用户订阅I1,I2,I5中任意一个信息时，系统可推荐另两个信息。

置信度为1，X类用户订阅了I1，I5信息时，系统可强烈推荐I2信息。

本发明还提出了一种基于数据关联关系进行推送信息的系统200，如图2所示，包括：

采集模块201，采集用户群中每个用户的基本信息，根据用户群中每个用户的基本信息，对用户群中的用户进行相近分类，为相近的每一类用户建立相近集合；

集合生成模块202，确定相似集合中的每个用户的需求的信息类型，生成订阅集合；

处理模块203，确定订阅集合中每个用户同时订阅任意多个信息类型的概率，确定任意两个信息类型间的关联规则，根据关联规则确定任意多个信息类型的支持度，确定订阅集合中每个用户订阅任意多个信息类型的基础上订阅其他信息类型的概率，获取所述任意多个信息类型和其他信息类型的置信度；

推送模块204，确定支持度和置信度，是否满足推送条件，若支持度和置信度同时满足最小支持度阈值概率和最小置信度阈值概率，确定任意多个信息类型为强关联信息类型，并根据任意多个信息类型，获取所述信息类型的信息数据对多个用户进行推送。

信息数据获取，包括：根据信息类型，获取初步信息数据，对初步信息数据进行处理，过滤非法数据或虚假数据，生成样本数据，对样本数据进行修订，修订后进行审核，审核通过后生成信息数据。

最小支持度阈值概率为0.2。

最小置信度阈值概率为0.7。

本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请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，本申请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。

本申请是参照根据本申请实施例的方法、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。

最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求保护范围之内。

Claims

1.一种基于数据关联关系进行推送信息的方法，所述方法包括：

2.根据权利要求1所述的方法，所述用户基本信息，包括：用户所在区域、用户身份信息和用户所属行业。

3.根据权利要求1所述的方法，所述最小支持度阈值概率为0.2。

4.根据权利要求1所述的方法，所述最小置信度阈值概率为0.7。

5.根据权利要求1所述的方法，所述信息数据的获取，包括：

6.一种基于数据关联关系进行推送信息的系统，所述系统包括：

7.根据权利要求6所述的系统，所述用户基本信息，包括：用户所在区域、用户身份信息和用户所属行业。

8.根据权利要求6所述的系统，所述最小支持度阈值概率为0.2。

9.根据权利要求6所述的系统，所述最小置信度阈值概率为0.7。

10.根据权利要求6所述的系统，所述信息数据的获取，包括：