CN111274331A - 关系数据管理维护系统及方法 - Google Patents
关系数据管理维护系统及方法 Download PDFInfo
- Publication number
- CN111274331A CN111274331A CN202010041820.0A CN202010041820A CN111274331A CN 111274331 A CN111274331 A CN 111274331A CN 202010041820 A CN202010041820 A CN 202010041820A CN 111274331 A CN111274331 A CN 111274331A
- Authority
- CN
- China
- Prior art keywords
- data
- user
- browsing
- information
- transaction
- 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 74
- 238000012423 maintenance Methods 0.000 title claims description 27
- 238000013523 data management Methods 0.000 title claims description 20
- 230000008569 process Effects 0.000 claims abstract description 28
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 24
- 238000007418 data mining Methods 0.000 claims abstract description 13
- 238000013500 data storage Methods 0.000 claims abstract description 11
- 238000007726 management method Methods 0.000 claims description 37
- 238000004590 computer program Methods 0.000 claims description 17
- 238000012544 monitoring process Methods 0.000 claims description 14
- 238000010801 machine learning Methods 0.000 claims description 5
- 238000010586 diagram Methods 0.000 description 15
- 230000006870 function Effects 0.000 description 11
- 238000012545 processing Methods 0.000 description 10
- 238000004458 analytical method Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 7
- 230000006399 behavior Effects 0.000 description 5
- 239000000872 buffer Substances 0.000 description 4
- 238000005065 mining Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000007781 pre-processing Methods 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000002860 competitive effect Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012549 training 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
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2465—Query processing support for facilitating data mining operations in structured databases
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Probability & Statistics with Applications (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明提供了一种关系数据管理维护系统及方法，所述系统包含智能引擎模块和数据存储模块；所述数据存储模块用于存储用户浏览网页过程中的浏览信息记录和用户在一个或多个预设平台上交易生成的交易记录；所述智能引擎模块用于通过数据挖掘算法比较所述浏览信息记录和所述交易记录，获得同一用户的所述浏览信息记录和所述交易记录之间的关联情况；根据所述关联情况通过预设规则模型获得对应的推荐数据；将所述推荐数据发送至用户并追踪所述推荐数据的反馈数据和/或用户的反馈数据；根据所述反馈数据调整所述预设规则模型。
Description
技术领域
本发明涉及数据管理领域，尤指一种关系数据关系维护系统及方法。
背景技术
知识型用户关系管理实质是通过管理用户知识以产生价值创新，促使知识来强化和用户的关系及合作效率。与着重技术的解决方案相比，知识型用户关系管理更高是一种商业模式或策略。同时也强调知识管理和用户关系管理更是一种商业模式或策略，同时也强调知识管理和用户关系管理对每个企业的决策者的重要性，运用信息科技工具，可以利用大量用户资料创造出更好的机会，以达到更好的竞争优势。
信息科技的蓬勃发展和知识经济的来临，造就了电子商务市场越来越成熟，企业间的竞争也越来越激烈。这样的环境下，越来越多的企业借助用户关系管理来扩大市场的占有率、取得竞争优势。然而，用户关系管理的力量来自于对知识的掌握，包括对用户资料的搜索与处理、对资料的分析与应用，以了解用户需求、掌握用户，并且进行评估与回馈。将关键用户的知识转化成用户关系管理的基础，将知识管理和用户关系管理相结合。但是，要搜索用户的信息并将其转化成知识是一项非常繁杂的工作，传统的搜索引擎必须花费巨大的成本进行过滤，萃取资料。
发明内容
本发明目的在于提供一种关系数据关系维护系统及方法，提高整个CRM系统的效能，快速分析用户动作之间的关系，予以有效降低人工分类识别的工作强度并提高分类效率。
为达上述目的，本发明所提供的关系数据关系维护系统具体包含：智能引擎模块和数据存储模块；所述数据存储模块用于存储用户浏览网页过程中的浏览信息记录和用户在一个或多个预设平台上交易生成的交易记录；所述智能引擎模块用于通过数据挖掘算法比较所述浏览信息记录和所述交易记录，获得同一用户的所述浏览信息记录和所述交易记录之间的关联情况；根据所述关联情况通过预设规则模型获得对应的推荐数据；将所述推荐数据发送至用户并追踪所述推荐数据的反馈数据和/或用户的反馈数据；根据所述反馈数据调整所述预设规则模型。
在上述关系数据管理维护系统中，优选的，所述数据存储模块包含浏览信息数据库和交易数据库；所述浏览数据库用于存储用户浏览网页过程中的浏览信息记录；所述交易数据库与一个或多个预设平台相连，用于存储用户在预设平台上交易生成的交易记录。
在上述关系数据管理维护系统中，优选的，所述智能引擎模块包含监视引擎、知识引擎、执行引擎和信息管理引擎；所述监视引擎用于提供浏览器环境给前端用户，获取用户浏览网页过程中的浏览信息记录，并将所述浏览信息记录存储至所述浏览信息数据库中；所述知识引擎分别与所述浏览信息数据库和所述交易数据库相连，用于通过数据挖掘算法比较所述交易数据库与所述浏览信息数据库中同一用户的浏览信息记录与交易记录之间的关联情况；所述信息管理引擎与所述知识引擎相连，用于根据所述关联情况通过预设规则模型获得对应的推荐数据；以及，根据反馈数据调整所述预设规则模型；所述执行引擎与所述信息管理引擎相连，用于将所述推荐数据发送至用户并追踪所述推荐数据的反馈数据和/或用户的反馈数据，根据所述反馈数据生成推荐结果，将所述推荐结果输出至所述信息管理引擎。
在上述关系数据管理维护系统中，优选的，所述监视引擎还包含阶层分类单元，所述阶层分类单元用于根据阶层对所述浏览器环境各网页架构中的网页信息进行分类标识生成阶层分类对应表；获得用户浏览网页过程中的网页信息，将所述网页信息与所述阶层分类对应表比对，获得所述网页信息所处的阶层和类型并生成浏览信息记录。
本发明还提供一种关系数据管理维护方法，所述方法包含：获取用户浏览网页过程中的浏览信息记录及用户在一个或多个预设平台上交易生成的交易记录；通过数据挖掘算法比较所述浏览信息记录和所述交易记录，获得同一用户的所述浏览信息记录和所述交易记录之间的关联情况；根据所述关联情况通过预设规则模型获得对应的推荐数据；将所述推荐数据发送至用户并追踪所述推荐数据的反馈数据和/或用户的反馈数据；根据所述反馈数据调整所述预设规则模型。
在上述关系数据管理维护方法中，优选的，获取用户浏览网页过程中的浏览信息记录包含：提供浏览器环境给用户，获取用户在所述浏览器环境中浏览网页过程的浏览信息记录。
在上述关系数据管理维护方法中，优选的，获取用户在所述浏览器环境中浏览网页过程的浏览信息记录包含：根据阶层对所述浏览器环境各网页架构中的网页信息进行分类标识生成阶层分类对应表；获得用户浏览网页过程中的网页信息，将所述网页信息与所述阶层分类对应表比对，获得所述网页信息所处的阶层和类型并生成浏览信息记录。
在上述关系数据管理维护方法中，优选的，获得同一用户的所述浏览信息记录和所述交易记录之间的关联情况包含：通过Apriori算法计算同一用户的所述浏览信息记录和所述交易记录之间的所有频集，将所述频集与预设阈值比较，根据比较结果获得一个或多个关联情况。
在上述关系数据管理维护方法中，优选的，根据所述关联情况通过预设规则模型获得对应的推荐数据之前还包含：根据所述关联情况和预先定义的多个推荐数据之间的相关性，通过机器学习算法建立规则模型；或，根据所述关联情况和预先定义的多个推荐数据之间的相关性建立多个推荐对应表，通过所述推荐对应表构建规则模型。
在上述关系数据管理维护方法中，优选的，根据所述反馈数据调整所述预设规则模型包含：根据所述反馈数据调整所述关联情况和预先定义的多个推荐数据之间的相关性。
本发明还提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述方法。
本发明还提供一种计算机可读存储介质，所述计算机可读存储介质存储有执行上述方法的计算机程序。
本发明的有益技术效果在于：通过对使用者浏览信息的分析和交易数据库的挖掘，以两者之间的交集最大化为衡量指标，进而挖掘出用户行为之间的潜在关联，从而有效降低人工分类识别的工作强度并提高分类效率；其次，基于两者之间的关联程度，对其加以应用予以提升客户关系数据的价值。
附图说明
此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，并不构成对本发明的限定。在附图中：
图1为本发明一实施例所提供的关系数据关系维护系统的结构示意图；
图2为本发明一实施例所提供的智能引擎模块的结构示意图；
图3为本发明一实施例所提供的关系数据关系维护系统应用关系结构示意图；
图4为本发明一实施例所提供的关系数据关系维护方法的流程示意图；
图5为本发明一实施例所提供的流量信息记录的分析流程示意图；
图6为本发明一实施例所提供的关系数据关系维护方法的应用流程示意图；
图7为本发明一实施例所提供的计算机设备的结构示意图；
图8为本发明一实施例所提供的采用Apriori算法的原理示意图。
具体实施方式
以下将结合附图及实施例来详细说明本发明的实施方式，借此对本发明如何应用技术手段来解决技术问题，并达成技术效果的实现过程能充分理解并据以实施。需要说明的是，只要不构成冲突，本发明中的各个实施例及各实施例中的各个特征可以相互结合，所形成的技术方案均在本发明的保护范围之内。
在本说明书的描述中，所使用的“包含”、“包括”、“具有”、“含有”等，均为开放性的用语，即意指包含但不限于。参考术语“一个实施例”、“一个具体实施例”、“一些实施例”、“例如”等的描述意指结合该实施例或示例描述的具体特征、结构或者特点包含于本申请的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。各实施例中涉及的步骤顺序用于示意性说明本申请的实施，其中的步骤顺序不作限定，可根据需要作适当调整。
另外，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
请参考图1所示，本发明所提供的关系数据关系维护系统具体包含：智能引擎模块和数据存储模块；
所述数据存储模块用于存储用户浏览网页过程中的浏览信息记录和用户在一个或多个预设平台上交易生成的交易记录；
所述智能引擎模块用于通过数据挖掘算法比较所述浏览信息记录和所述交易记录，获得同一用户的所述浏览信息记录和所述交易记录之间的关联情况；根据所述关联情况通过预设规则模型获得对应的推荐数据；将所述推荐数据发送至用户并追踪所述推荐数据的反馈数据和/或用户的反馈数据；根据所述反馈数据调整所述预设规则模型。其中，所述数据存储模块包含浏览信息数据库和交易数据库；所述浏览数据库用于存储用户浏览网页过程中的浏览信息记录；所述交易数据库与一个或多个预设平台相连，用于存储用户在预设平台上交易生成的交易记录。
在上述实施例中，所述智能引擎模块可为现有技术中的多个引擎的集成，其在实际工作中以计算机程序的方式实现，以此协助使用者执行费力的信息收集工作，不同智能引擎具有在线不同信息来源的信息搜索、存取及信息不一致性的重新解答、不相关与多余信息的过滤、杂信息来源的信息整个以及随着时间来调适使用者需求等特性；其可分成不同类型，例如：网络信息引擎，负责协助使用者过滤筛选网络中繁杂的信息，仅将使用者所需的信息呈现给使用者；自然语言搜索引擎，基于自然语言的语义分析的方法的搜索引擎，可以有效地提升对网站上目录的搜索效率；学习引擎，具有机器学习能力，不仅可遵从环境状态的改变，而且引擎行为也会演进。引擎适应行为或学习行为，根据从环境及其他引擎的经验，是动态的资源，提供更进一步的动力适应与学习；而接口引擎，则是对于使用者扮演只能助手于计算机运算任务，且能学习使用者的习惯和偏好，以完成个人化任务；本申请通过搭配不同的智能引擎予以构建智能引擎模块，从而实现关系数据的采集、推荐及自适应更新调整这一整个闭环处理流程，予以解决现有技术中人工分析用户关系时效率低下，作业量较大的问题。
请参考图2所示，在本发明一实施例中，所述智能引擎模块包含监视引擎、知识引擎、执行引擎和信息管理引擎；所述监视引擎用于提供浏览器环境给前端用户，获取用户浏览网页过程中的浏览信息记录，并将所述浏览信息记录存储至所述浏览信息数据库中；所述知识引擎分别与所述浏览信息数据库和所述交易数据库相连，用于通过数据挖掘算法比较所述交易数据库与所述浏览信息数据库中同一用户的浏览信息记录与交易记录之间的关联情况；所述信息管理引擎与所述知识引擎相连，用于根据所述关联情况通过预设规则模型获得对应的推荐数据；以及，根据反馈数据调整所述预设规则模型；所述执行引擎与所述信息管理引擎相连，用于将所述推荐数据发送至用户并追踪所述推荐数据的反馈数据和/或用户的反馈数据，根据所述反馈数据生成推荐结果，将所述推荐结果输出至所述信息管理引擎。在该实施例中，所述监视引擎所搭建的浏览器环境可通过现有技术实现，本领域相关技术人员可根据实际需要选择设定，本发明在此不做进一步限定。
其中，在又一实施例中，所述监视引擎还可包含阶层分类单元，所述阶层分类单元用于根据阶层对所述浏览器环境各网页架构中的网页信息进行分类标识生成阶层分类对应表；获得用户浏览网页过程中的网页信息，将所述网页信息与所述阶层分类对应表比对，获得所述网页信息所处的阶层和类型并生成浏览信息记录。以此，将信息分类的层次提升，可以容易找出较多且更多样性的关联规则，以满足不同使用者的需求，使得分类效率更高，且结果更为精准。
请参考图3所示，结合以上实施例，在实际工作中，本发明所提供的关系数据管理维护系统主要可由四个引擎和两个数据库组成，即监视引擎、知识引擎、信息管理引擎与执行引擎，以及浏览信息数据库和交易数据库；其目的是通过对使用者浏览信息的分析和交易数据库的挖掘，以进行个性化推荐，进而提升客户关系管理的价值。当使用者浏览网页时，监视引擎会将其所浏览过的信息记录于浏览信息数据库中，而知识引擎会利用数据挖掘方法挖掘出其和交易数据库两者间的关联规则。再经由信息管理引擎的判断比对，选择出适当的关联规则进行个人化的推荐。最后，则由执行引擎进行推荐成果的追踪和使用者的回馈。每个引擎会自动地执行各自的工作，来共同达到系统的目标。以下分别对各个引擎进行详细描述。
监视引擎：提供一个浏览器环境给前端的客户浏览，并且记录使用者浏览过的网页信息并储存于浏览器信息数据库中，再将其传送给后端的信息管理引擎。
知识引擎：通过适当的算法，对两个数据库进行挖掘，并且记录使用者浏览过的网页信息并储存于浏览信息数据库中，再将其传送给后端的信息管理引擎。
信息管理引擎：主要负责判断通过那一个关联规则来提供使用者个人化的推荐。并且负责管理执行引擎所回传的推荐成果。
执行引擎：将信息管理引擎所做的个人化推荐传送给使用者，并且持续地追踪系统推荐的成果和使用者的回馈，以回传给信息管理引擎。
请参考图4所示，本发明还提供一种关系数据管理维护方法，所述方法包含：S401获取用户浏览网页过程中的浏览信息记录及用户在一个或多个预设平台上交易生成的交易记录；S402通过数据挖掘算法比较所述浏览信息记录和所述交易记录，获得同一用户的所述浏览信息记录和所述交易记录之间的关联情况；S403根据所述关联情况通过预设规则模型获得对应的推荐数据；S404将所述推荐数据发送至用户并追踪所述推荐数据的反馈数据和/或用户的反馈数据；S405根据所述反馈数据调整所述预设规则模型；其中，获取用户浏览网页过程中的浏览信息记录包含：提供浏览器环境给用户，获取用户在所述浏览器环境中浏览网页过程的浏览信息记录。
请参考图5所示，在上述实施例中，获取用户在所述浏览器环境中浏览网页过程的浏览信息记录可包含：S501根据阶层对所述浏览器环境各网页架构中的网页信息进行分类标识生成阶层分类对应表；S502获得用户浏览网页过程中的网页信息，将所述网页信息与所述阶层分类对应表比对，获得所述网页信息所处的阶层和类型并生成浏览信息记录。在该实施例中，主要是针对各网页架构进行预先定义，亦即网页架构阶层化，针对网页架构中的网页信息，利用阶层分类并储存于阶层分类对应表。根据节点代表所有网页架构的主网页，而叶子节点代表主网页下的此网页，来快速定位用户浏览的网页信息所处阶层和类型。因为在显示网站中的网页架构通常是以层级结构的方式来组织，若将信息分类的层次提升，可以容易找出较多且更多样性的关联规则，以满足不同使用者的需求。
在本发明一实施例中，获得同一用户的所述浏览信息记录和所述交易记录之间的关联情况包含：通过Apriori算法计算同一用户的所述浏览信息记录和所述交易记录之间的所有频集，将所述频集与预设阈值比较，根据比较结果获得一个或多个关联情况。具体的，可结合前述实施例中的网页架构分层进行分析，在实际工作中主要分以下两步实现：
步骤1：网页架构阶层化。针对网页架构中的网页信息，利用阶层分类并储存于阶层分类数据库。根节点代表所有网页架构的主网页，而叶节点代表主网页下的次网页。因为现在现实网站中的网页架构通常是以层次结构的方式来组织。若将信息分析的层次提升，可以容易找出较多且更多样性的关联规则，以满足不同使用者的需求。
步骤2：采用适当的算法扫描交易数据库，以找出所有的最大项集合；采用Apriori算法，首先找出所有的频集，这些项集出现的频繁性至少和预定义的最小支持度一样。然后由频集产生强关联规则，这些规则必须满足最小支持度和最小可信度。然后使用第1步找到的频集产生期望的规则，产生只包含集合的项的所有规则，其中每一条规则的右部只有一项，这里采用的是中规则的定义。一旦这些规则被生成，那么只有那些大于用户给定的最小可信度的规则才被留下来，为了生成所有频集，可采用递推的方法，例如：请参考图8所示，先搜索出候选1项集及对应的支持度，剪枝去掉低于支持度的1项集，得到频繁1项集。对剩下的频繁1项集进行连接，得到候选的频繁2项集，筛选去掉低于支持度的候选频繁2项集，得到真正的频繁二项集，以此类推，迭代下去，直到无法找到频繁k+1项集为止，对应的频繁k项集的集合即为算法的输出结果。
在本发明一实施例中，根据所述关联情况通过预设规则模型获得对应的推荐数据之前还包含：根据所述关联情况和预先定义的多个推荐数据之间的相关性，通过机器学习算法建立规则模型；或，根据所述关联情况和预先定义的多个推荐数据之间的相关性建立多个推荐对应表，通过所述推荐对应表构建规则模型。在实际工作中，可利用工作人员预先自定义确定的多个推荐数据与关联情况之间的相关性，分别定义多张推荐对应表，根据该些推荐对应表生成一个对应的集合即规则模型，以此，当后续分析获得对应的关联情况后，即可基于该对应表确定推荐那个推荐数据给用户；也可采用机器学习算法来构建对应的函数模型，通过大量数据训练予以获得规则模型；本领域相关技术人员可根据实际需要选择使用，本发明对此并不加以限制；具体的，结合前述关联情况的获取方法，实际使用时所述推荐数据还可采用如下流程予以计算推送：
步骤一：使用者上线浏览网页，监视引擎一句阶层分类数据库，将使用者在线实时浏览网页的信息储存于浏览信息数据库。
步骤二：将使用者在线浏览信息传送至知识管理引擎。
步骤三：知识引擎采用适当的数据挖掘方法，挖掘数据库间的关联规则并将结果传至信息管理引擎。算法主要步骤如下：1.计算最大项和使用者信息的客户编号集合。2如果使用者信息的客户编号集合与最大项的客户编号集合的差集为A，则此关联的置信度为1，反之则置信度为最大项的客户编号集合-交集-使用者信息的客户编号集合/最大项的客户编号集合。3当所有的置信度值皆求得停止计算，否则继续往下一层优先权较小的丛林式表格计算，直到预先设定好的优先权门槛停止。4.以最小的置信度来判断是否接受此关联。5输出符合门槛值的关联规则。
步骤四：对于知识引擎所挖掘出的关联规则，让信息管理引擎来做出对比，以判断要利用哪些关联规则来提供使用者做个性化的推荐，并传送至执行引擎。
在本发明一实施例中，根据所述反馈数据调整所述预设规则模型包含：根据所述反馈数据调整所述关联情况和预先定义的多个推荐数据之间的相关性。以此，通过调整后的相关性来达到调整规则模型的目的，其中所述相关性可采用相关系数、权值等方式予以设定；在该实施例中可利用反馈数据动态调整所述规则模型，使得规则模型在推荐数据上更为精准。
请参考图6所示，本发明所提供的关系数据管理维护方法在实际工作中主要运行流程可分为两大部分，第一部分为预处理；第二部分则是对使用者进行推荐。在第一部分，主要是针对两个数据库和网页架构定义做前置处理；在第二部分，则是专注于使用者在线浏览信息时进行推荐。以下将对这两部分进行整体说明:
预处理：针对两个数据库做前置处理，包含两个步骤：
步骤一：网页架构阶层化。针对网页架构中的网页信息，利用阶层分类并储存于阶层分类数据库。根据节点代表所有网页架构的主网页，而叶子节点代表主网页下的此网页。因为在显示网站中的网页架构通常是以层级结构的方式来组织，若将信息分类的层次提升，可以容易找出较多且更多样性的关联规则，以满足不同使用者的需求。
步骤二：采用相关算法扫描交易数据库，以找出所有的最大项集合。
推荐程序：针对使用者在线浏览信息以进行推荐，包含五个步骤：
步骤一：使用者上线浏览网页，监视引擎一句阶层分类数据库，将使用者在线实时浏览网页的信息储存于浏览信息数据库。
步骤二：将使用者在线浏览信息传送至知识管理引擎。
步骤三：知识引擎采用适当的数据挖掘方法，挖掘数据间的关联规则并将结果传送至信息管理引擎。
步骤四：对于只是引擎所挖掘出的关联规则，让信息管理引擎来做对比，以判断要利用那些关联规则来提供使用者做个性化的推荐，并传送至执行引擎。
步骤五：执行引擎将推荐信息推荐给使用者，并且追踪其回馈信息，利用其回馈信息来修正判断的程序
本发明还提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述方法。
本发明还提供一种计算机可读存储介质，所述计算机可读存储介质存储有执行上述方法的计算机程序。
本发明的有益技术效果在于：通过对使用者浏览信息的分析和交易数据库的挖掘，以两者之间的交集最大化为衡量指标，进而挖掘出用户行为之间的潜在关联，从而有效降低人工分类识别的工作强度并提高分类效率；其次，基于两者之间的关联程度，对其加以应用予以提升客户关系数据的价值。
如图7所示，该计算机设备600还可以包括：通信模块110、输入单元120、音频处理单元130、显示器160、电源170。值得注意的是，计算机设备600也并不是必须要包括图7中所示的所有部件；此外，计算机设备600还可以包括图7中没有示出的部件，可以参考现有技术。
如图7所示，中央处理器100有时也称为控制器或操作控件，可以包括微处理器或其他处理器装置和/或逻辑装置，该中央处理器100接收输入并控制计算机设备600的各个部件的操作。
其中，存储器140，例如可以是缓存器、闪存、硬驱、可移动介质、易失性存储器、非易失性存储器或其它合适装置中的一种或更多种。可储存上述与失败有关的信息，此外还可存储执行有关信息的程序。并且中央处理器100可执行该存储器140存储的该程序，以实现信息存储或处理等。
输入单元120向中央处理器100提供输入。该输入单元120例如为按键或触摸输入装置。电源170用于向计算机设备600提供电力。显示器160用于进行图像和文字等显示对象的显示。该显示器例如可为LCD显示器，但并不限于此。
该存储器140可以是固态存储器，例如，只读存储器(ROM)、随机存取存储器(RAM)、SIM卡等。还可以是这样的存储器，其即使在断电时也保存信息，可被选择性地擦除且设有更多数据，该存储器的示例有时被称为EPROM等。存储器140还可以是某种其它类型的装置。存储器140包括缓冲存储器141(有时被称为缓冲器)。存储器140可以包括应用/功能存储部142，该应用/功能存储部142用于存储应用程序和功能程序或用于通过中央处理器100执行计算机设备600的操作的流程。
存储器140还可以包括数据存储部143，该数据存储部143用于存储数据，例如联系人、数字数据、图片、声音和/或任何其他由计算机设备使用的数据。存储器140的驱动程序存储部144可以包括计算机设备的用于通信功能和/或用于执行计算机设备的其他功能(如消息传送应用、通讯录应用等)的各种驱动程序。
通信模块110即为经由天线111发送和接收信号的发送机/接收机110。通信模块(发送机/接收机)110耦合到中央处理器100，以提供输入信号和接收输出信号，这可以和常规移动通信终端的情况相同。
基于不同的通信技术，在同一计算机设备中，可以设置有多个通信模块110，如蜂窝网络模块、蓝牙模块和/或无线局域网模块等。通信模块(发送机/接收机)110还经由音频处理器130耦合到扬声器131和麦克风132，以经由扬声器131提供音频输出，并接收来自麦克风132的音频输入，从而实现通常的电信功能。音频处理器130可以包括任何合适的缓冲器、解码器、放大器等。另外，音频处理器130还耦合到中央处理器100，从而使得可以通过麦克风132能够在本机上录音，且使得可以通过扬声器131来播放本机上存储的声音。
本领域内的技术人员应明白，本发明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。
本发明是参照根据本发明实施例的方法、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。
以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (12)
1.一种关系数据管理维护系统，其特征在于，所述系统包含智能引擎模块和数据存储模块；
所述数据存储模块用于存储用户浏览网页过程中的浏览信息记录和用户在一个或多个预设平台上交易生成的交易记录；
所述智能引擎模块用于通过数据挖掘算法比较所述浏览信息记录和所述交易记录，获得同一用户的所述浏览信息记录和所述交易记录之间的关联情况；根据所述关联情况通过预设规则模型获得对应的推荐数据；将所述推荐数据发送至用户并追踪所述推荐数据的反馈数据和/或用户的反馈数据；根据所述反馈数据调整所述预设规则模型。
2.根据权利要求1所述的关系数据管理维护系统，其特征在于，所述数据存储模块包含浏览信息数据库和交易数据库；
所述浏览数据库用于存储用户浏览网页过程中的浏览信息记录；
所述交易数据库与一个或多个预设平台相连，用于存储用户在预设平台上交易生成的交易记录。
3.根据权利要求2所述的关系数据管理维护系统，其特征在于，所述智能引擎模块包含监视引擎、知识引擎、执行引擎和信息管理引擎；
所述监视引擎用于提供浏览器环境给前端用户，获取用户浏览网页过程中的浏览信息记录，并将所述浏览信息记录存储至所述浏览信息数据库中；
所述知识引擎分别与所述浏览信息数据库和所述交易数据库相连，用于通过数据挖掘算法比较所述交易数据库与所述浏览信息数据库中同一用户的浏览信息记录与交易记录之间的关联情况；
所述信息管理引擎与所述知识引擎相连，用于根据所述关联情况通过预设规则模型获得对应的推荐数据；以及，根据反馈数据调整所述预设规则模型；
所述执行引擎与所述信息管理引擎相连，用于将所述推荐数据发送至用户并追踪所述推荐数据的反馈数据和/或用户的反馈数据，根据所述反馈数据生成推荐结果，将所述推荐结果输出至所述信息管理引擎。
4.根据权利要求3所述的关系数据管理维护系统，其特征在于，所述监视引擎还包含阶层分类单元，所述阶层分类单元用于根据阶层对所述浏览器环境各网页架构中的网页信息进行分类标识生成阶层分类对应表；获得用户浏览网页过程中的网页信息，将所述网页信息与所述阶层分类对应表比对，获得所述网页信息所处的阶层和类型并生成浏览信息记录。
5.一种关系数据管理维护方法，其特征在于，所述方法包含：
获取用户浏览网页过程中的浏览信息记录及用户在一个或多个预设平台上交易生成的交易记录；
通过数据挖掘算法比较所述浏览信息记录和所述交易记录，获得同一用户的所述浏览信息记录和所述交易记录之间的关联情况；
根据所述关联情况通过预设规则模型获得对应的推荐数据；
将所述推荐数据发送至用户并追踪所述推荐数据的反馈数据和/或用户的反馈数据；
根据所述反馈数据调整所述预设规则模型。
6.根据权利要求5所述的关系数据管理维护方法，其特征在于，获取用户浏览网页过程中的浏览信息记录包含：提供浏览器环境给用户，获取用户在所述浏览器环境中浏览网页过程的浏览信息记录。
7.根据权利要求6所述的关系数据管理维护方法，其特征在于，获取用户在所述浏览器环境中浏览网页过程的浏览信息记录包含：根据阶层对所述浏览器环境各网页架构中的网页信息进行分类标识生成阶层分类对应表；获得用户浏览网页过程中的网页信息，将所述网页信息与所述阶层分类对应表比对，获得所述网页信息所处的阶层和类型并生成浏览信息记录。
8.根据权利要求7所述的关系数据管理维护方法，其特征在于，获得同一用户的所述浏览信息记录和所述交易记录之间的关联情况包含：通过Apriori算法计算同一用户的所述浏览信息记录和所述交易记录之间的所有频集，将所述频集与预设阈值比较，根据比较结果获得一个或多个关联情况。
9.根据权利要求8所述的关系数据管理维护方法，其特征在于，根据所述关联情况通过预设规则模型获得对应的推荐数据之前还包含：根据所述关联情况和预先定义的多个推荐数据之间的相关性，通过机器学习算法建立规则模型；或，根据所述关联情况和预先定义的多个推荐数据之间的相关性建立多个推荐对应表，通过所述推荐对应表构建规则模型。
10.根据权利要求9所述的关系数据管理维护方法，其特征在于，根据所述反馈数据调整所述预设规则模型包含：根据所述反馈数据调整所述关联情况和预先定义的多个推荐数据之间的相关性。
11.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求5至10任一所述方法。
12.一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执行权利要求5至10任一所述方法的计算机程序。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010041820.0A CN111274331A (zh) | 2020-01-15 | 2020-01-15 | 关系数据管理维护系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010041820.0A CN111274331A (zh) | 2020-01-15 | 2020-01-15 | 关系数据管理维护系统及方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111274331A true CN111274331A (zh) | 2020-06-12 |
Family
ID=71003126
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010041820.0A Pending CN111274331A (zh) | 2020-01-15 | 2020-01-15 | 关系数据管理维护系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111274331A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114331512A (zh) * | 2021-12-22 | 2022-04-12 | 重庆汇博利农科技有限公司 | 一种可视化数据建模及大数据画像的方法 |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20160300144A1 (en) * | 2015-04-10 | 2016-10-13 | Tata Consultancy Services Limited | System and method for generating recommendations |
| CN106610988A (zh) * | 2015-10-22 | 2017-05-03 | 阿里巴巴集团控股有限公司 | 网页推荐方法以及推荐装置 |
| CN106997397A (zh) * | 2017-04-17 | 2017-08-01 | 山东辰华科技信息有限公司 | 基于大数据的科技信息个性化定制推送系统 |
| CN107391687A (zh) * | 2017-07-24 | 2017-11-24 | 华中师范大学 | 一种面向地方志网站的混合推荐系统 |
| CN108153773A (zh) * | 2016-12-05 | 2018-06-12 | 天脉聚源（北京）科技有限公司 | 一种统计微信网页浏览数据的方法和系统 |
| US20190102376A1 (en) * | 2017-10-04 | 2019-04-04 | Motorola Mobility Llc | Context-Based Action Recommendations Based on an Incoming Communication |
| CN109635006A (zh) * | 2018-12-17 | 2019-04-16 | 山大地纬软件股份有限公司 | 基于Apriori的社保业务关联规则挖掘和推荐装置及方法 |
| CN109684575A (zh) * | 2018-10-30 | 2019-04-26 | 平安科技（深圳）有限公司 | 网页数据的处理方法及装置、存储介质、计算机设备 |
| CN109815309A (zh) * | 2018-12-21 | 2019-05-28 | 航天信息股份有限公司 | 一种基于个性化的用户信息推荐方法及系统 |
| CN109903191A (zh) * | 2019-01-04 | 2019-06-18 | 平安科技（深圳）有限公司 | 基于机器学习的旅行推荐方法、装置、存储介质及终端 |
| CN110517112A (zh) * | 2019-08-20 | 2019-11-29 | 合肥英泽信息科技有限公司 | 一种基于大数据的智能导购处理系统 |
-
2020
- 2020-01-15 CN CN202010041820.0A patent/CN111274331A/zh active Pending
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20160300144A1 (en) * | 2015-04-10 | 2016-10-13 | Tata Consultancy Services Limited | System and method for generating recommendations |
| CN106610988A (zh) * | 2015-10-22 | 2017-05-03 | 阿里巴巴集团控股有限公司 | 网页推荐方法以及推荐装置 |
| CN108153773A (zh) * | 2016-12-05 | 2018-06-12 | 天脉聚源（北京）科技有限公司 | 一种统计微信网页浏览数据的方法和系统 |
| CN106997397A (zh) * | 2017-04-17 | 2017-08-01 | 山东辰华科技信息有限公司 | 基于大数据的科技信息个性化定制推送系统 |
| CN107391687A (zh) * | 2017-07-24 | 2017-11-24 | 华中师范大学 | 一种面向地方志网站的混合推荐系统 |
| US20190102376A1 (en) * | 2017-10-04 | 2019-04-04 | Motorola Mobility Llc | Context-Based Action Recommendations Based on an Incoming Communication |
| CN109684575A (zh) * | 2018-10-30 | 2019-04-26 | 平安科技（深圳）有限公司 | 网页数据的处理方法及装置、存储介质、计算机设备 |
| CN109635006A (zh) * | 2018-12-17 | 2019-04-16 | 山大地纬软件股份有限公司 | 基于Apriori的社保业务关联规则挖掘和推荐装置及方法 |
| CN109815309A (zh) * | 2018-12-21 | 2019-05-28 | 航天信息股份有限公司 | 一种基于个性化的用户信息推荐方法及系统 |
| CN109903191A (zh) * | 2019-01-04 | 2019-06-18 | 平安科技（深圳）有限公司 | 基于机器学习的旅行推荐方法、装置、存储介质及终端 |
| CN110517112A (zh) * | 2019-08-20 | 2019-11-29 | 合肥英泽信息科技有限公司 | 一种基于大数据的智能导购处理系统 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114331512A (zh) * | 2021-12-22 | 2022-04-12 | 重庆汇博利农科技有限公司 | 一种可视化数据建模及大数据画像的方法 |
| CN114331512B (zh) * | 2021-12-22 | 2023-08-25 | 重庆汇博利农科技有限公司 | 一种可视化数据建模及大数据画像的方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| WO2020211566A1 (zh) | 一种用户推荐方法和装置以及计算设备和存储介质 | |
| US11327935B2 (en) | Intelligent data quality | |
| US20210141839A1 (en) | Information search method, apparatus, and system | |
| KR101557294B1 (ko) | 편집 거리 및 문서 정보를 이용한 검색 결과 랭킹 | |
| US9465792B2 (en) | Computer automated organization glossary generation systems and methods | |
| US20160189034A1 (en) | Computer automated learning management systems and methods | |
| US8078604B2 (en) | Identifying executable scenarios in response to search queries | |
| US20180025089A1 (en) | Profile-based search results modification | |
| CN109947902B (zh) | 一种数据查询方法、装置和可读介质 | |
| US20080243827A1 (en) | Query generation using enviroment configuration | |
| CN101477522A (zh) | 收集与分析商业智能数据的系统 | |
| CA3179300A1 (en) | Domain-specific language interpreter and interactive visual interface for rapid screening | |
| CN103778548A (zh) | 商品信息与关键词匹配方法、商品信息投放方法及装置 | |
| CN104933100A (zh) | 关键词推荐方法和装置 | |
| US20110010354A1 (en) | Using scenario-related information to customize user experiences | |
| CN105760443A (zh) | 项目推荐系统、项目推荐装置以及项目推荐方法 | |
| US20150074101A1 (en) | Smart search refinement | |
| US10740420B2 (en) | Computer-implemented platform for generating query-answer pairs | |
| US11928140B2 (en) | Methods and systems for modifying a search result | |
| CN117725259A (zh) | 视频搜索方法和装置 | |
| CN118277588A (zh) | 查询请求处理方法、电子设备及存储介质 | |
| CN118227106A (zh) | 代码补全方法、装置、电子设备和介质 | |
| CN113568888A (zh) | 索引推荐方法及装置 | |
| Shah et al. | An agent based personalized intelligent E-learning | |
| CN111274331A (zh) | 关系数据管理维护系统及方法 |
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 | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20220913 Address after: 25 Financial Street, Xicheng District, Beijing 100033 Applicant after: CHINA CONSTRUCTION BANK Corp. Address before: 25 Financial Street, Xicheng District, Beijing 100033 Applicant before: CHINA CONSTRUCTION BANK Corp. Applicant before: Jianxin Financial Science and Technology Co.,Ltd. |
|
| TA01 | Transfer of patent application right |