CN111327704A - 一种基于IPv6用户的业务对象需求映射方法 - Google Patents

Abstract

本发明实施例提供了一种基于IPv6用户的业务对象需求映射方法，包括：统计各共享账号分别对各业务对象进行关注的关注度量信息、和各业务对象的特征数据；基于统计的关注度量信息对应的度量值，采用梯度下降算法，确定描述各业务对象的特征向量；且，建立一数据库，所述数据库用于保存上述业务对象信息，并确定各业务对象的特征数据等。本发明能够为共享同一共享账号的每个用户确定出该用户的业务需求，用户不需要花费大量的时间进行检索，提高了效率。

Description

一种基于IPv6用户的业务对象需求映射方法

技术领域

本说明书一个或多个实施例涉及大数据和物联网技术领域，尤其涉及一种基于IPv6用户的业务对象需求映射方法。

背景技术

互联网规模的迅速增长带来了信息超载的问题，过量信息同时呈现使得用户无法很便捷快速的获取对自己有用的部分，信息使用效率反而降低。因而，在今天的互联网应用中，越来越多智能的推荐系统开发出来并被用户使用。

在推荐系统使用的过程中，还存在很多问题，例如共享账号的问题。具体来说，共享账号就是多个用户共同使用的账号，该共享账号体现了多个用户的不同行为模式，而推荐系统面对同一共享账号对应的不同行为模式无法确定出针对每一个用户需要推荐的业务对象，也就是无法针对使用同一个共享账号的所有用户进行合理的推荐。以电视终端为例，假设每个家庭的多个家庭成员共享一个电视终端，每个电视终端具有一个账号，相当于该家庭的多个家庭成员共享一个电视终端的共享账号，这里业务对象可以为电视节目，那么，电视节目推荐系统能够获得该账号对应的多种行为模式对应的不同类型的电视节目，而无法根据该共享账号对应的不同类型的电视节目为该共享账号确定出推荐的电视节目。

因此，推荐系统无法根据不同用户的用户行为针对共享同一共享账号的不同用户，为不同用户确定合理的推荐业务对象，导致用户花费大量时间对自己需要的业务对象进行检索，效率低。现阶段需要提供基于IPv6用户的业务对象需求映射方法。

发明内容

本说明书一个或多个实施例描述了一种基于IPv6用户的业务对象需求映射方法，根据不同用户在同一共享账号上的用户行为，为不同用户确定合理的推荐业务对象。

本发明为解决上述技术问题采用的技术方案为，提供了一种用户业务需求映射方法，所述方法包括：

统计各个供多用户共同使用的共享账号分别对于各业务对象的关注度信息、和各业务对象的特征数据；

根据所述关注度信息、所述各业务对象的特征数据，采用梯度下降算法，确定各业务对象的特征向量；

根据所述各业务对象的特征向量、以及所述各个供多用户共同使用的共享账号，对各个共享账号使用过的所有业务对象进行聚类，得到各个共享账号的每个用户与该用户使用过的业务对象之间的映射关系；根据共享账号对于各业务对象的关注度信息，和用户与其使用过的业务对象之间的映射关系，确定用户与业务对象之间的匹配关系；

对各个共享账号使用过的每个业务对象，基于其特征向量、各个共享账号对于该业务对象的关注度信息，以及该业务对象与使用该业务对象的用户之间的映射关系，采用梯度下降算法，确定使用该业务对象的用户的业务需求特征；

基于所述用户的业务需求特征，确定与所述业务需求特征匹配的业务对象信息，根据所述与所述业务需求特征匹配的业务对象信息、以及所述用户与业务对象信息之间的匹配关系，向用户提供业务对象信息。

优选的，所述统计各个供多用户共同使用的共享账号分别对于各业务对象的关注度信息、和各业务对象的特征数据之后，将各业务对象的特征数据保存于数据库中；

所述向用户提供业务对象信息之后，还包括，根据向用户提供的业务对象信息的特征数据与数据库保存的特征数据进行比较，确定是否产生业务对象异常警告，若比较结果为不相同，则产生业务对象异常警告。

具体地，根据向用户提供的业务对象信息的特征数据与数据库保存的特征数据进行比较，确定是否产生业务对象异常警告，若比较结果为相同，则根据各个用户的业务对象调整进行异常检测；包括：

在相邻两个基准时间之间的计算周期中，接收业务对象调整事件，所述业务对象调整事件在用户客户端进行业务对象调整操作时生成；根据所述业务对象调整事件计算基准业务对象数量和累积业务对象调整数量，所述基准业务对象数量为当前一个基准时间的业务对象数量，所述累积业务对象调整数量为在所述计算周期中所累积的业务对象调整总数量；若所述基准业务对象数量小于所述累积业务对象调整数量，判断所述业务对象调整操作造成异常状态，进行业务对象的异常告警。

优选地，所述根据所述关注度信息、所述各业务对象的特征数据，采用梯度下降算法，确定各业务对象的特征向量，包括：

分别以各共享账号和各业务对象作为不同维度，建立表征各共享账号对各业务对象的评价度量信息的效用矩阵；

将所述效用矩阵进行UV分解，得到各业务对象对应的分别描述各业务对象的特征向量，其中，所述特征向量的值待定；并

基于所述效用矩阵中非空的评价度量信息对应的度量值、以及描述各业务对象的特征向量构成的业务对象矩阵，构造第一损失函数；

采用梯度下降算法，对所述第一损失函数进行迭代，为空白评价度量信息确定对应的评价度量值，以及确定描述各业务对象的特征向量的值。

优选地，所述根据所述各业务对象的特征向量、以及所述各个供多用户共同使用的共享账号，对各个共享账号使用过的所有业务对象进行聚类，得到各个共享账号的每个用户与该用户使用过的业务对象之间的映射关系，包括：

基于共享同一预设共享账号的用户使用过的业务对象建立训练集合；

根据共享所述预设共享账号的用户的数量，以及所述描述各业务对象的特征向量，采用聚类算法将所述训练集合中的业务对象进行聚类，得到共享该预设共享账号的每个用户与该用户使用过的业务对象之间的映射关系。

优选地，所述对各个共享账号使用过的每个业务对象，基于其特征向量、各个共享账号对于该业务对象的关注度信息，以及该业务对象与使用该业务对象的用户之间的映射关系，采用梯度下降算法，确定使用该业务对象的用户的业务需求特征，包括：

基于描述该业务对象的特征向量、所述预设共享账号对应于该业务对象的评价度量值，以及该业务对象与使用该业务对象的用户之间的映射关系，构造第二损失函数；

采用梯度下降算法，对所述第二损失函数进行迭代，确定表征共享该预设共享账号的用户的业务需求的特征向量。

本发明提供的一种用户业务需求映射方法具有的技术效果为：能够为共享同一共享账号的每个用户确定出该用户的业务需求，用户不需要花费大量的时间进行检索，提高了效率；增加了各个用户的历史业务对象访问特征数据来进行异常检测，增加了业务对象映射的准确性。

附图说明

为了更清楚说明本发明实施例的技术方案，下面将对实施例描述中所需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为本发明实施例提供的一种基于IPv6用户的业务对象需求映射方法的流程图。

具体实施方式

下面将结合附图，对本发明书提供的方案进行描述。

图1为本说明书披露的一种基于IPv6用户的业务对象需求映射方法的流程图，如图1所示，该方法包括如下步骤：

步骤S101统计各个供多用户共同使用的共享账号分别对于各业务对象的关注度信息、和各业务对象的特征数据；

具体的，多个用户共享同一个共享账号，根据各共享账号与各业务对象对应的评价度量信息，确定出共享该共享账号的不同用户的业务需求。例如：当业务为音视频业务时，业务对象可以为音视频文件，用户使用业务对象可以为用户播放该音视频；当业务为文档业务时，业务对象可以为文档，用户使用业务对象可以为用户点击阅读该文档；当业务为游戏业务时，业务对象可以为游戏文件，用户使用业务对象可以为用户下载游戏文件或点击使用游戏文件；当业务为产品业务时，业务对象可以为产品，用户使用业务对象可以为用户购买产品。

在一个实施例中，将各业务对象的特征数据保存于数据库中。

步骤S102根据所述关注度信息、所述各业务对象的特征数据，采用梯度下降算法，确定各业务对象的特征向量；

在一个实施例中，分别以各共享账号和各业务对象作为不同维度，建立表征各共享账号对各业务对象的评价度量信息的效用矩阵；将所述效用矩阵进行UV分解，得到各业务对象对应的分别描述各业务对象的特征向量，其中，所述特征向量的值待定；并且，基于所述效用矩阵中非空的评价度量信息对应的度量值、以及描述各业务对象的特征向量构成的业务对象矩阵，构造第一损失函数；采用梯度下降算法，对所述第一损失函数进行迭代，为空白评价度量信息确定对应的评价度量值，以及确定描述各业务对象的特征向量的值。

步骤S103根据所述各业务对象的特征向量、以及所述各个供多用户共同使用的共享账号，对各个共享账号使用过的所有业务对象进行聚类，得到各个共享账号的每个用户与该用户使用过的业务对象之间的映射关系；根据共享账号对于各业务对象的关注度信息，和用户与其使用过的业务对象之间的映射关系，确定用户与业务对象之间的匹配关系；

在一个实施例中，基于共享同一预设共享账号的用户使用过的业务对象建立训练集合；根据共享所述预设共享账号的用户的数量，以及所述描述各业务对象的特征向量，采用聚类算法将所述训练集合中的业务对象进行聚类，得到共享该预设共享账号的每个用户与该用户使用过的业务对象之间的映射关系。

步骤S104对各个共享账号使用过的每个业务对象，基于其特征向量、各个共享账号对于该业务对象的关注度信息，以及该业务对象与使用该业务对象的用户之间的映射关系，采用梯度下降算法，确定使用该业务对象的用户的业务需求特征；

在一个实施例中，基于描述该业务对象的特征向量、所述预设共享账号对应于该业务对象的评价度量值，以及该业务对象与使用该业务对象的用户之间的映射关系，构造第二损失函数；采用梯度下降算法，对所述第二损失函数进行迭代，确定表征共享该预设共享账号的用户的业务需求的特征向量。

步骤S105基于所述用户的业务需求特征，确定与所述业务需求特征匹配的业务对象信息，根据所述与所述业务需求特征匹配的业务对象信息、以及所述用户与业务对象信息之间的匹配关系，向用户提供推荐的业务对象信息。

在一个实施例中，所述向用户提供业务对象信息之后，还包括，根据向用户提供的业务对象信息的特征数据与数据库保存的特征数据进行比较，确定是否产生业务对象异常警告，若比较结果为不相同，则产生业务对象异常警告。

在另一个实施例中，若比较结果为相同，则根据各个用户的业务对象调整进行异常检测；包括：

在相邻两个基准时间之间的计算周期中，接收业务对象调整事件，所述业务对象调整事件在用户客户端进行业务对象调整操作时生成；根据所述业务对象调整事件计算基准业务对象数量和累积业务对象调整数量，所述基准业务对象数量为当前一个基准时间的业务对象数量，所述累积业务对象调整数量为在所述计算周期中所累积的业务对象调整总数量；若所述基准业务对象数量小于所述累积业务对象调整数量，判断所述业务对象调整操作造成异常状态，进行业务对象的异常告警。

在又一个实施例中，所述业务对象调整事件包括调整前的业务对象数量、调整时间、调整操作版本号、业务对象标识、一个或多个用户调整数量，所述调整时间在当前计算周期中。

在又一个实施例中，所述根据所述业务对象调整事件计算基准业务对象数量和累积业务对象调整数量的步骤包括：

判断是否存在所述业务对象标识对应的基准业务对象数据；所述基准业务对象数据包括基准业务对象数量、基准调整时间、基准调整操作版本号、业务对象标识、一个或多个用户调整数量；

若否，则将所述调整前的业务对象数量设置为基准业务对象数量，将所述调整时间设置为基准调整时间，将所述调整操作版本号设置为基准调整操作版本号，写入所述业务对象标识，将所述第一用户调整数量设置为第一用户累积调整数量，将所述第二用户调整数量设置为第二用户累积调整数量；

计算所述第一用户累积调整数量和所述第二用户累积调整数量之和，获得累积业务对象调整数量。

在又一个实施例中，所述根据所述业务对象调整事件计算基准业务对象数量和累积业务对象调整数量的步骤包括：

判断是否存在所述业务对象标识对应的基准业务对象数据；

若是，则

判断所述业务对象调整事件是否存在去重记录，所述去重记录为根据业务对象调整事件，创建当前计算周期内的新的业务对象基准数据时新增的记录；

若否，则

判断是否满足第一条件或者第二条件，第一条件包括所述基准调整时间为空，或者，所述基准调整操作版本号为空；第二条件包括所述调整时间小于基准调整时间，且，所述调整操作版本号小于或等于所述基准调整操作版本号，

若是，

将所述调整前的业务对象数量设置为基准业务对象数量，将所述调整时间设置为基准调整时间，将所述调整操作版本号设置为基准调整操作版本号；

若否，

将所述第一用户调整数量累积到第一用户累积调整数量中，

或者，将所述第二用户调整数量累积到第二用户累积调整数量中；

计算所述第一用户累积调整数量和所述第二用户累积调整数量之和，获得累积业务对象调整数量。

其中，根据所述业务对象调整事件计算基准业务对象数量和累积业务对象调整数量的步骤，在又一个实施例中，还包括：增加所述业务对象调整事件对应的去重记录。在又一个实施例中，还包括：当基于新的业务对象调整事件计算出新的基准业务对象数量，且新的基准业务对象数量大于或等于所述累积业务对象调整数量时，判断由所述业务对象调整操作造成异常状态属于错误判断。在又一个实施例中，还包括：执行所述错误判断对应的误报操作。在又一个实施例中，还包括：当所述基准业务对象数量大于或等于所述累积业务对象调整数量时，判断由所述业务对象调整操作未造成异常状态。在又一个实施例中，还包括：当基于新的业务对象调整事件计算出新的基准业务对象数量，且新的基准业务对象数量小于所述累积业务对象调整数量时，判断由所述业务对象调整操作造成异常状态。

具体的，在计算周期中接收中间件发送的业务对象调整事件，基于该业务对象调整事件计算出基准业务对象数量和累积业务对象调整数量，并由此判断是否出现异常状态，实现了在海量数据下异常状态的实时监控，减少了人工处理，降低了人力成本，提高了异常状态的计算效率，同时避免了离线计算，在发现异常状态时可以及时执行告警操作，有效降低了用户损失。以调整时间作为在哪个计算周期的依据，规范了业务对象调整事件在计算周期临界点应遵循的计算规则，提高了异常状态计算的精确度。在新的基准业务对象数量大于或等于累积业务对象调整数量时，识别出异常状态的误判，进一步提高了异常状态计算的精确度，减少了误操作的影响。在新的基准业务对象数量小于累积业务对象调整数量时，识别出在先未计算出的异常状态，进一步提高了异常状态计算的精确度，减少了误操作的影响。

从以上实施例可以看出，采用本发明实施例提供的一种用户业务需求映射方法具有的技术效果为：能够为共享同一共享账号的每个用户确定出该用户的业务需求，用户不需要花费大量的时间进行检索，提高了效率；增加了各个用户的历史业务对象访问特征数据来进行异常检测，增加了业务对象映射的准确性。

上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。

专业人员应该还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

结合本文中所公开的实施例描述的方法或算法的步骤可以用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD－ROM、或技术领域内所公知的任意其它形式的存储介质中。

以上所述的具体实施方式，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方式而已，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 (6)

1.一种用户业务需求映射方法，所述方法包括：

统计各个供多用户共同使用的共享账号分别对于各业务对象的关注度信息、和各业务对象的特征数据；

根据所述关注度信息、所述各业务对象的特征数据，采用梯度下降算法，确定各业务对象的特征向量；

根据所述各业务对象的特征向量、以及所述各个供多用户共同使用的共享账号，对各个共享账号使用过的所有业务对象进行聚类，得到各个共享账号的每个用户与该用户使用过的业务对象之间的映射关系；根据共享账号对于各业务对象的关注度信息，和用户与其使用过的业务对象之间的映射关系，确定用户与业务对象之间的匹配关系；

对各个共享账号使用过的每个业务对象，基于其特征向量、各个共享账号对于该业务对象的关注度信息，以及该业务对象与使用该业务对象的用户之间的映射关系，采用梯度下降算法，确定使用该业务对象的用户的业务需求特征；

基于所述用户的业务需求特征，确定与所述业务需求特征匹配的业务对象信息，根据所述与所述业务需求特征匹配的业务对象信息、以及所述用户与业务对象信息之间的匹配关系，向用户提供推荐的业务对象信息。

2.根据权利要求1所述的方法，还包括，所述统计各个供多用户共同使用的共享账号分别对于各业务对象的关注度信息、和各业务对象的特征数据之后，将各业务对象的特征数据保存于数据库中；

所述向用户提供业务对象信息之后，还包括，根据向用户提供的业务对象信息的特征数据与数据库保存的特征数据进行比较，确定是否产生业务对象异常警告，若比较结果为不相同，则产生业务对象异常警告。

3.根据权利要求2所述的方法，还包括，根据向用户提供的业务对象信息的特征数据与数据库保存的特征数据进行比较，确定是否产生业务对象异常警告，若比较结果为相同，则根据各个用户的业务对象调整进行异常检测；包括：

在相邻两个基准时间之间的计算周期中，接收业务对象调整事件，所述业务对象调整事件在用户客户端进行业务对象调整操作时生成；根据所述业务对象调整事件计算基准业务对象数量和累积业务对象调整数量，所述基准业务对象数量为当前一个基准时间的业务对象数量，所述累积业务对象调整数量为在所述计算周期中所累积的业务对象调整总数量；若所述基准业务对象数量小于所述累积业务对象调整数量，判断所述业务对象调整操作造成异常状态，进行业务对象的异常告警。

4.根据权利要求1所述的方法，其特征在于，所述根据所述关注度信息、所述各业务对象的特征数据，采用梯度下降算法，确定各业务对象的特征向量，包括：

分别以各共享账号和各业务对象作为不同维度，建立表征各共享账号对各业务对象的评价度量信息的效用矩阵；

将所述效用矩阵进行UV分解，得到各业务对象对应的分别描述各业务对象的特征向量，其中，所述特征向量的值待定；并

基于所述效用矩阵中非空的评价度量信息对应的度量值、以及描述各业务对象的特征向量构成的业务对象矩阵，构造第一损失函数；

采用梯度下降算法，对所述第一损失函数进行迭代，为空白评价度量信息确定对应的评价度量值，以及确定描述各业务对象的特征向量的值。

5.根据权利要求1所述的方法，其特征在于，所述根据所述各业务对象的特征向量、以及所述各个供多用户共同使用的共享账号，对各个共享账号使用过的所有业务对象进行聚类，得到各个共享账号的每个用户与该用户使用过的业务对象之间的映射关系，包括：

基于共享同一预设共享账号的用户使用过的业务对象建立训练集合；

根据共享所述预设共享账号的用户的数量，以及所述描述各业务对象的特征向量，采用聚类算法将所述训练集合中的业务对象进行聚类，得到共享该预设共享账号的每个用户与该用户使用过的业务对象之间的映射关系。

6.根据权利要求1所述的方法，其特征在于，所述对各个共享账号使用过的每个业务对象，基于其特征向量、各个共享账号对于该业务对象的关注度信息，以及该业务对象与使用该业务对象的用户之间的映射关系，采用梯度下降算法，确定使用该业务对象的用户的业务需求特征，包括：

基于描述该业务对象的特征向量、所述预设共享账号对应于该业务对象的评价度量值，以及该业务对象与使用该业务对象的用户之间的映射关系，构造第二损失函数；

采用梯度下降算法，对所述第二损失函数进行迭代，确定表征共享该预设共享账号的用户的业务需求的特征向量。

Images