CN111582902B - 数据处理方法、业务处理方法及装置 - Google Patents
数据处理方法、业务处理方法及装置 Download PDFInfo
- Publication number
- CN111582902B CN111582902B CN201910135906.7A CN201910135906A CN111582902B CN 111582902 B CN111582902 B CN 111582902B CN 201910135906 A CN201910135906 A CN 201910135906A CN 111582902 B CN111582902 B CN 111582902B
- Authority
- CN
- China
- Prior art keywords
- behavior
- data
- user
- processing
- service
- 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.)
- Active
Links
Classifications
-
- 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
-
- 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0202—Market predictions or forecasting for commercial activities
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/50—Network services
- H04L67/51—Discovery or management thereof, e.g. service location protocol [SLP] or web services
Abstract
本申请实施例提供一种数据处理方法、业务处理方法及装置,由客户端获取距离当前时刻第一时长内的用户的第一行为数据;按照业务要求对所述第一行为数据进行处理,获得第一行为特征;将所述第一行为特征发送至服务端,由服务端基于所述第一行为特征进行业务处理。本申请实施例提供的技术方案提高了业务处理准确度。
Description
技术领域
本申请实施例涉及计算机应用技术领域,尤其涉及一种数据处理方法、业务处理方法及装置。
背景技术
在很多业务处理场景中,服务端进行业务处理需要依赖客户端采集的用户行为数据,在某些应用场景下,服务端需要先对行为数据进行加工,获得处理数据,例如对一定时间段内的用户的行为数据进行统计分析,获得用户行为特征等,再结合处理数据进行业务处理,如结合用户行为特征预测用户意图等。
目前,为了节省开销,客户端采集的用户行为数据并不会实时上传至服务端,通常是累计到一定数据量时,再统一上传至服务端,因此,服务端进行业务处理时使用的用户行为数据可能会比较滞后,从而就会影响业务处理准确度。
发明内容
本申请实施例提供一种数据处理方法、业务处理方法及装置,用以解决现有技术中业务处理准确度低的技术问题。
第一方面,本申请实施例中提供了一种数据处理方法,包括:
客户端获取距离当前时刻第一时长内的用户的第一行为数据;
按照业务要求对所述第一行为数据进行处理,获得第一行为特征;
将所述第一行为特征发送至服务端;其中,所述第一行为特征用于所述服务端进行业务处理。
第二方面,本申请实施例中提供了一种业务处理方法,包括:
接收客户端上传的第一行为特征;其中,所述第一行为特征为所述客户端按照业务要求,对距离当前时刻的第一时长内的用户的第一行为数据进行处理获得;
根据所述第一行为特征进行业务处理。
第三方面,本申请实施例中提供了一种数据处理装置,包括:
第一获取模块,用于获取距离当前时刻第一时长内的用户的第一行为数据;
第一处理模块,用于按照业务要求对所述第一行为数据进行处理,获得第一行为特征;
发送模块,用于将所述第一行为特征发送至服务端;其中,所述第一行为特征用于所述服务端进行业务处理。
第四方面,本申请实施例中提供了一种业务处理装置,包括:
接收模块,用于接收客户端上传的第一行为特征;其中,所述第一行为特征为所述客户端按照业务要求,对距离当前时刻的第一时长内的用户的第一行为数据进行处理获得;
业务处理模块,用于根据所述第一行为特征进行业务处理。
第五方面,本申请实施例中提供了一种用户设备,包括处理组件以及存储组件;
所述存储组件存储一个或多个计算机指令;所述一个或多个计算机指令用以被所述处理组件调用执行;
所述处理组件用于:
获取距离当前时刻第一时长内的用户的第一行为数据;
按照业务要求对所述第一行为数据进行处理,获得第一行为特征;
将所述第一行为特征发送至服务端;其中,所述第一行为特征用于所述服务端进行业务处理。
第六方面,本申请实施例中提供了一种计算设备,包括处理组件以及存储组件;
所述存储组件存储一个或多个计算机指令;所述一个或多个计算机指令用以被所述处理组件调用执行;
所述处理组件用于:
接收客户端上传的第一行为特征;其中,所述第一行为特征为所述客户端按照业务要求,对距离当前时刻的第一时长内的用户的第一行为数据进行处理获得;
根据所述第一行为特征进行业务处理。
本申请实施例中,由客户端获取距离当前时刻第一时长内的用户的第一行为数据;按照业务要求对所述第一行为数据进行处理,获得第一行为特征;将所述第一行为特征发送至服务端,由服务端基于所述第一行为特征进行业务处理,第一行为数据包括距离当前时刻的最新行为数据,因此,提高了业务处理准确度。
本申请的这些方面或其他方面在以下实施例的描述中会更加简明易懂。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本申请的一些实施例,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示出了本申请提供的一种数据处理方法一个实施例的流程图;
图2示出了本申请提供的一种业务处理方法一个实施例的流程图;
图3示出了本申请实施例中客户端与服务端交互示意图;
图4示出了本申请提供的一种数据处理装置一个实施例的结构示意图;
图5示出了本申请提供的一种用户设备一个实施例的结构示意图;
图6示出了本申请提供的一种业务处理装置一个实施例的结构示意图;
图7示出了本申请提供的一种计算设备一个实施例的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述。
在本申请的说明书和权利要求书及上述附图中的描述的一些流程中,包含了按照特定顺序出现的多个操作,但是应该清楚了解,这些操作可以不按照其在本文中出现的顺序来执行或并行执行,操作的序号如101、102等,仅仅是用于区分开各个不同的操作,序号本身不代表任何的执行顺序。另外,这些流程可以包括更多或更少的操作,并且这些操作可以按顺序执行或并行执行。需要说明的是,本文中的“第一”、“第二”等描述,是用于区分不同的消息、设备、模块等,不代表先后顺序,也不限定“第一”和“第二”是不同的类型。
本申请实施例的技术方案适用于采用客户端/服务端架构进行业务处理的应用场景中。通常,客户端负责数据展示以及数据采集,由服务端完成业务处理等。客户端/服务端架构的业务处理系统即由客户端以及服务端构成,目前很多的网上交易场景均为客户端/服务端架构的业务处理系统
在一个实际应用中,服务端进行业务处理时,需要先对用户行为数据进行加工,获得行为特征,再结合行为特征进行业务处理,比如在网上交易场景中,可以结合用户执行的浏览、收藏、加购或者购买等用户行为产生的行为数据,可以统计分析获得商品浏览次数、商品收藏数量、商品加购数量或者商品购买数量等用户行为特征,结合这些行为特征可以预测用户的购买概率等,从而针对大概率购买商品的用户可以发送红包或者电子优惠券等以激励用户进行购买等,又如在网上交易场景,可以结合用户针对某个商品的浏览、收藏、加购或者购买等用户行为产生的行为数据,来统计分析获得对该商品的浏览次数、最近购买时间、收藏时长、加够时长等行为特征,从而结合这些行为特征可以预测用户购买该商品的概率,对于对该商品购买概率较高的用户,同样可以发送针对该商品的红包或者电子优惠券等以激励用户进行购买等。
而目前为了节省开销,客户端采集的用户行为数据并不会实时上传至服务端,通常是累计到一定数据量时,再统一上传至服务端,那么服务端进行业务处理时使用的行为数据就会比较滞后,影响业务处理准确度,
为了保证业务处理准确度而又不影响系统开销,发明人经过一系列研究,提出了本申请的技术方案,在本申请实施例中,由客户端对距离当前时刻第一时长内的第一行为数据进行处理,获得第一行为特征之后,再将第一行为特征上传至服务端,服务端直接根据第一行为特征进行业务处理,由于对行为数据的处理由客户端计算,客户端可以拿到距离当前时刻的最新数据,保证了数据实时性,因此可以提高数据处理准确度,进而服务端基于客户端计算获得的行为特征进行业务处理,即可以保证业务处理准确度。且客户端仅针对一个用户的行为数据进行处理,无需占用太多的设备资源,因此可以节省服务端的存储和计算资源;此外,行为数据无需在网络中交互上传至服务端,也可以保证数据安全,保护用户隐私。
下面将结合本申请实施例中的附图,对本申请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申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
图1为本申请提供的一种数据处理方法一个实施例的流程图,该实施例的数据处理方法由客户端执行,该方法可以包括以下几个步骤:
101:获取距离当前时刻第一时长内的用户的第一行为数据。
其中,客户端会采集在任意时刻生成的用户的行为数据,行为数据可以是基于用户针对操作对象执行的用户行为而生成,行为数据中可以包括对象标识、行为类型、以及操作时间等等。该操作对象可以是在客户端输出的任意内容,在网上交易场景中,该操作对象可以是指商品、店铺、文章、视频等,可以理解的是在网上交易场景中,此处描述的商品以及店铺均是指虚拟商品以及虚拟店铺。
该第一行为数据可以包括在该第一时长内的不同时刻的多个行为数据。
可选地,所述方法还可以包括:
采集在任意时刻生成的所述用户的行为数据并保存;
则所述客户端获取距离当前时刻第一时长内的用户的第一行为数据可以是:
从存储数据中,获取距离当前时刻第一时长内的第一行为数据。
在任意时刻生成的行为数据可以本地保存,客户端从本地保存的存储数据中,即可以获取距离当前时刻第一时长内的第一行为数据。
其中,该第一行为数据可以包括当前时刻的行为数据。
其中,该第一时长可以结合业务实际情况进行设定,例如3天内等。
102:按照业务要求对所述第一行为数据进行处理,获得第一行为特征。
该业务要求中可以规定数据处理方式,从而按照业务要求指定的处理算法即可以对第一行为数据进行处理。
需要说明的是,按照业务要求对行为数据进行处理的具体方式与现有技术相同,本申请中是由客户端负责对行为数据进行处理,而不是上传至服务端之后,再由服务端进行处理,从而可以节省服务端存储、整理以及行为特征等复杂操作,可以降低服务端的资源消耗。
103:将所述第一行为特征发送至服务端;其中,所述第一行为特征用于所述服务端进行业务处理。
客户端可以将第一行为特征连同用户标识发送至服务端,以供服务端基于用户标识区分不同用户对应的第一行为特征,该用户标识用以表明用户身份,其可以是用户的注册账号等。
本实施例中,客户端处理获得第一行为特征之后,再将第一行为特征发送至服务端,从而服务端可以直接利用该第一行为特征进行业务处理,省去了对行为数据进行处理的操作,可以降低服务端的资源消耗。且客户端可以获得距离当前时刻最近的行为数据,可以保证获得的第一行为特征的准确度,从而可以提高业务处理准确度。
其中,客户端获取距离当前时刻第一时长的用户的第一行为数据并按照业务要求进行处理,可以实时执行,当然也可以每间隔预定时长执行一次。该预定时长可以小于第一时长。
在某些实施例中,所述获取距离当前时刻第一时长内的用户的第一行为数据可以包括:
检测是否输出业务关联的页面;
若是,获取距离当前时刻第一时长内的用户的第一行为数据
若否,则可以继续检测。
也即在输出业务关联的页面时,再获取距离当前时刻第一时长内的第一行为数据并进行处理。
从而,所述方法还可以包括:
根据业务处理结果,更新所述页面。
服务端接收到第一行为特征之后,可以立即基于该第一行为特征进行业务处理。此外,在某些实施例中,所述方法还可以包括:
发送业务处理请求至服务端;
从而服务端可以响应于业务处理请求,基于该第一行为特征进行业务处理。
此外,服务端响应于业务处理请求,服务端可以根据所述第一行为特征以及第二行为特征进行业务处理获得;所述第二行为特征为所述服务端对所述用户的第二行为数据进行处理获得;所述第二行为数据为距离数据最近上传时刻第二时长内的行为数据。具体的业务处理过程在下面实施例中会详细进行介绍。
其中,第一行为特征可以携带在业务处理请求中,与业务处理请求一同发送至服务端,由服务端再进行处理。
此外,客户端还可以获取所述服务端反馈的业务处理结果。
其中,该业务处理请求可以是客户端响应于用户触发操作而生成并发送的,或者检测到业务触发事件时而生成并发送,比如业务触发事件可以是输出业务关联的页面等,服务端进行业务处理例如可以是指进行用户意图预测,比如在网上交易场景中,可以是预测用户购买概率等等。
其中,客户端获得第一行为特征之后可以实时上传至服务端,也可以保存至本地,当客户端向服务端发送任意请求时,可以携带在该任意请求中上传至服务端。
在某些实施例中,所述方法还可以包括:
检测是否输出业务关联的页面;
若是,向服务端发送业务处理请求,以供所述服务端响应所述业务处理请求,基于所述第一行为特征进行业务处理。
也即客户端输出业务关联的页面时,可以触发向服务端发送业务处理请求,服务端响应该业务处理请求,再基于第一行为特征进行业务处理。
该业务关联的页面可以受业务处理结果的影响而更新页面形态,因此,在某些实施例中,所述方法还可以包括:
根据业务处理结果,更新所述页面。
其中,可以是服务端根据业务处理结果,更新所述页面的页面内容,再将页面内容发送至客户端,由客户端更新所述页面。
在某些应用场景下,服务端可能存在依赖用户行为数据的多个业务,针对每个业务,均可以采用本实施例的技术方案执行,此外,由于不同业务所需要的用户行为数据可能不同,因此在某些实施例中,获取距离当前时刻第一时长内的用户的第一行为数据可以包括:
距离当前时刻第一时长内的且符合业务规定的第一行为数据。
由于行为数据可以包括对象标识、行为类型以及操作时间等参数数据,该业务规定例如可以包括对象类型、对象标识和/或行为类型等,从而从第一时间内的行为数据中,获取符合业务对象的第一行为数据
当然,在某些实施例中,所述采集在任意时刻生成的所述用户的行为数据并保存包括:
采集在任意时刻生成且符合业务规定的所述用户的行为数据。
也即客户端可以仅收集符合业务规定的行为数据。
其中,由于服务端进行业务处理依赖用户行为数据,之所以依赖用户行为数据,通常是为了从用户行为数据分析获得用户行为特征,因此,在某些实施例中,所述按照业务要求对所述第一行为数据进行处理,获得第一行为特征可以包括:
统计所述第一行为数据,获得第一行为特征。
由于第一行为数据中包括在该第一时长内的不同时刻生成的多个行为数据,而该多个行为数据对应的操作对象、行为类型和/或操作时间等可能不同。
作为一种可选方式,行为数据中可以包括行为类型及操作时间,则通过统计分析,获得的第一行为特征可以包括不同行为类型对应的执行次数,也即该第一行为特征可以包括至少一个第一行为子特征,每一个第一行为子特征即为一个行为类型的执行次数。
则服务端基于不同行为类型对应的执行次数进行业务处理可以具体是基于不同行为类型对应的执行次数可以预测用户行为,并根据预测获得的用户行为生成相关信息,例如符合该预测的用户行为的推荐信息等。
作为另一种可选方式,行为数据中可以包括行为类型、操作时间以及操作对象的对象标识,则通过统计分析获得的第一行为特征可以包括操作对象对应不同行为类型的对应执行次数,则第一行为子特征可以是指操作对象对应一个行为类型的执行次数等。
则服务端基于操作对象对应不同行为类型的对应执行次数可以预测用户行为,如对操作对象执行预定行为的概率等,并根据预测结果,确定对操作对象执行预定行为的概率满足预定条件时,向可以生成相关信息,例如激励对该操作对象执行预定行为的推荐信息等。
在一个实际应用中,该操作对象可以具体是指商品,则第一行为数据也即包括不同时刻基于所述用户针对商品执行用户行为而生成的多个行为数据;所述行为数据中可以包括商品标识、行为类型及操作时间;
所述统计所述第一行为数据,获得第一行为特征包括:
统计所述第一时长内的不同时刻的行为数据,获得所述商品对应不同行为类型的执行次数;
其中,所述商品对应不同行为类型的执行次数用于服务端预测所述用户是否购买所述商品,并根据预测结果确定所述用户对应的推荐信息。
该推荐信息也即可以是指业务处理结果,基于业务处理结果更新页面可以具体是指在所述页面中输出所述推荐信息。
该推荐信息例如可以是指购买提示信息,用于提示用户购买该商品等,为了激励用户购买,该推荐信息可以具体是指资源领取提示信息,针对该资源领取提示信息的用户操作可以触发资源领取请求,从而服务端可以根据资源领取请求向该用户分配资源等,资源可以是指红包、电子优惠券等虚拟资产,可以用于抵扣购买该商品的金额,以此激励用户购买该商品。
假设行为类型可以包括购买、收藏、浏览、加购等,一个第一行为特征对应一个行为类型,服务端进行预测可以利用预先训练获得的预测模型进行预测。
而通过本申请实施例中,客户端可以获得距离当前时刻最近的行为数据并进行处理获得第一行为特征,因此使得业务处理结果会更加准确,例如假设服务端只能拿到3天以前的数据,若“购买”行为权重较大,3天以前的行为数据中并未发送针对该商品的购买行为,但是在最近3天中发生针对该商品的购买信息,如果由服务端来处理行为数据,由于服务端只能拿到3天以前的数据,则预测结果中购买该商品的概率就会很大,从而会向用户发送购买提示信息,但是按照本申请技术方案,由客户端来处理行为数据,客户端可以拿到最近3天的行为数据,由最近3天发生购买行为,则预测结果中购买该商品的概率就会降低,从而就不会向用户发送购买提示信息。可知,数据实时性对于业务处理结果准确度有重要影响,采用本申请技术方案可以有效提高业务处理结果。
此外,由于只上传加工后的行为特征到服务器,因此,用户的行为数据不需要在网络中交互传输,客户端即可以进行加工处理获得行为特征,可以保护用户隐私。且行为数据在客户端计算,相当于将服务端上需要做的存储和计算转移到每个用户的客户端,可以节省服务端存储和计算的开支。
下面将从服务端角度对本申请实施例的技术方案进行描述,图2为本申请提供的一种业务处理方法一个实施例的流程图,该方法可以包括以下几个步骤:
201:接收客户端上传的第一行为特征。
其中,所述第一行为特征为所述客户端按照业务要求,对距离当前时刻的第一时长内的用户的第一行为数据进行处理获得。
该第一行为特征的获得可以具体参见上文任一实施例中所述,在此不再赘述。
202:根据所述第一行为特征进行业务处理。
为了进一步提高业务处理准确度,在某些实施例中,所述方法还可以包括:
获取距离最新时刻第二时长内的所述用户的第二行为数据;其中,;其中,所述最新时刻为数据最近上传时刻;
按照业务要求处理所述第二行为数据,获得第二行为特征;
所述根据所述第一行为特征进行业务处理包括:
根据所述第一行为特征以及所第二行为特征进行业务处理。
在某些实施例中,所述根据所述第一行为特征以及所述第二行为特征进行业务处理包括:
确定所述第一行为特征与所述第二行为特征各自的权重系数;
按照所述第一行为特征与所述第二行为特征各自的权重系数,将所述第一行为特征与所述第二行为特征进行融合,获得第三行为特征;
根据所述第三行为特征进行业务处理。
其中,第一行为特征与所述第二行为特征各自的权重系数可以结合业务实际应用情况进行设定,第一行为特征的权重系数可以大于第二行为特征的权重系数,也即第一行为特征的权重比例较大。
可选地,权重系数小于1时,将所述第一行为特征与所述第二行为特征进行融合可以是指将第一行为特征与所述第二行为特征进行加权求和,得到第三行为特征,也即第三行为特征可以是指第一行为特征和第二行为特征的加权和值;
然权重系数大于1时,将所述第一行为特征与所述第二行为特征进行融合可以是指将第一行为特征与所述第二行为特征进行加权求平均,得到第三行为特征,也即第三行为特征可以是指第一行为特征和第二行为特征的加权平均值。
在某些实施例中,第一行为特征可以包括至少一个第一行为子特征;
第二行为特征可以包括通过统计分析第二行为数据获得的至少一个第二行为子特征;
则将第一行为特征与第二行为特征融合可以是将属于同一特征类型的第一行为子特征以及第二行为子特征分别进行融合,获得第三行为子特征,则第三行为特征即包括至少一个第三行为子特征。
其中,行为子特征为对应一个行为类型的执行次数时,特征类型可以即是指行为类型等。
由上文描述可知,该第一行为特征可以包括至少一个第一行为子特征;
服务端根据所述第一行为特征进行业务处理包括:
根据所述至少一个第一行为子特征进行业务处理。
作为一种可选方式,行为数据中可以包括行为类型及操作时间,通过统计分析,获得的至少一个第一行为子特征可以包括不同行为类型对应的执行次数,每一个第一行为子特征即为一个行为类型的执行次数。
则服务端根据所述第一行为特征进行业务处理包括:
基于不同行为类型对应的执行次数预测用户行为,并根据预测获得的用户行为生成相关信息,例如符合该预测的用户行为的推荐信息等。
作为另一种可选方式,行为数据中可以包括行为类型、操作时间以及操作对象的对象标识,则通过统计分析获得的至少一个第一行为子特征可以包括操作对象对应不同行为类型的对应执行次数,则第一行为子特征可以是指操作对象对应一个行为类型的执行次数等。
则服务端根据所述第一行为特征进行业务处理包括:
基于操作对象对应不同行为类型的对应执行次数预测用户行为,如对操作对象执行预定行为的概率等;
根据预测结果,确定对操作对象执行预定行为的概率满足预定条件时,向可以生成相关信息,例如激励对该操作对象执行预定行为的推荐信息等。
在一个实际应用中,所述第一行为数据可以包括不同时刻基于所述用户针对商品执行用户行为而生成的多个行为数据;所述行为数据包括商品标识、行为类型及操作时间;
所述第一行为特征可以包括对不同时刻的操作数据进行统计,获得的针对所述商品执行不同用户行为的执行次数;
所述根据所述第一行为特征进行业务处理包括:
根据针对所述商品执行不同用户行为的执行次数,预测所述用户是否购买所述商品;
根据预测结果确定所述用户对应的推荐信息。
其中,根据针对所述商品执行不同用户行为的执行次数,预测所述用户是否购买所述商品可以具体是预存用户购买所述商品的概率,若概率大于一定阈值,则可以认为用户会购买所述商品。
可选地,所述推荐信息为资源领取提示信息;
所述方法还可以包括:
向客户端发送所述资源领取提示信息,以供所述客户端输出所述资源领取提示信息;
根据所述客户端发送的资源领取请求,为所述用户分配资源数据;其中,所述资源领取请求为所述客户端响应于针对所述资源领取提示信息的触发操作生成。
在某些实施例中,所述根据所述第一行为特征进行业务处理可以包括:
接收所述客户端发送的业务处理请求;
响应于所述业务处理请求,根据所述第一行为特征进行业务处理。
在某些实施例中,所述方法还可以包括:
保存所述第一行为特征;
所述根据所述第一行为特征进行业务处理包括:
检测客户端输出业务关联的页面;
从存储数据中,获取所述第一行为特征;
根据所述第一行为特征进行业务处理。
其中,该第一行为特征可以存储至第一存储库中,为了方便查询和处理,该第一存储库可以为iGraph中,iGraph是一种实时在线图存储与查询的系统,提供大规模图数据的存储、查询、更新和计算服务。
其中,服务端基于第二行为数据处理获得的第二行为特征可以保存至第二存储库中。
在某些实施例中,所述方法还可以包括:
接收客户端上传的行为数据包,该行为数据包中包括累加的不同时刻的行为数据;
保存所述行为数据包。
也即,客户端也可以继续按照现有方式上传至行为数据至服务端。
此外,在某些实施例中,所述方法还可以包括:
将业务处理结果返回至客户端,以供所述客户端基于所述业务处理结果更新所述页面。
利用业务处理结果为推荐信息时,可以是控制客户端输出所述推荐信息。
为了方便理解,如图3所示的客户端与服务端的交互示意图中可知:
客户端301采集任意时刻生成的所述用户的行为数据;并可以按照业务要求,对距离当前时刻第一时长内的用户的第一行为数据进行处理,获得第一行为特征。
客户端301会将第一行为特征上传至服务端302,服务端302可以将其保存至iGraph等存储系统。
此外,服务端302还可以从客户端已上传的行为数据中,获取第二行为数据并按照业务要求处理获得第二行为特征。
客户端301进入业务关联页面时,可以发送业务请求处理至服务端,则服务端可以基于该业务处理请求,分别获取第一行为特征以及第二行为特征,并进行业务处理,获得业务处理结果,并将业务处理结果返回给客户端,以供客户端更新页面。
其中,服务端获取第二行为数据并进行处理可以是在接收到该业务处理请求之后再执行。
图4为本申请提供的一种数据处理装置一个实施例的结构示意图,该装置可以包括:
第一获取模块401,用于获取距离当前时刻第一时长内的用户的第一行为数据;
第一处理模块402,用于按照业务要求对所述第一行为数据进行处理,获得第一行为特征;
发送模块403,用于将所述第一行为特征发送至服务端;其中,所述第一行为特征用于所述服务端进行业务处理。
在某些实施例中,还包括:
第一请求模块,用于发送业务处理请求至服务端;
结果获取模块,用于获取所述服务端反馈的业务处理结果;其中,所述业务处理结果为所述服务端根据所述第一行为特征以及第二行为特征进行业务处理获得;所述第二行为特征为所述服务端对所述用户的第二行为数据进行处理获得;所述第二行为数据为距离数据最近上传时刻第二时长内的行为数据。
在某些实施例中,还包括:
检测模块,用于检测是否输出业务关联的页面;
第二请求模块,用于若第一检测模块检测输出业务关联的页面,向服务端发送业务处理请求,以供所述服务端响应所述业务处理请求,基于所述第一行为特征进行业务处理。
在某些实施例,还包括:
更新模块,用于根据业务处理结果,更新所述页面。
在某些实施例中,所述第一获取模块可以具体用于检测是否输出业务关联的页面;若是,获取距离当前时刻第一时长内的用户的第一行为数据。
在某些实施例中,还包括:
采集模块,用于采集在任意时刻生成的所述用户的行为数据并保存;
所述第一获取模块具体用于从存储数据中,获取距离当前时刻第一时长内的第一行为数据。
在某些实施例中,所述第一获取模块可以具体用于获取距离当前时刻第一时长内的且符合业务规定的第一行为数据。
在某些实施例中,所述第一处理模块可以具体用于统计所述第一行为数据,获得第一行为特征。
在某些实施例中,所述第一行为数据包括不同时刻基于所述用户针对商品执行用户行为而生成的多个行为数据;所述行为数据包括商品标识、行为类型及操作时间;
所述第一处理模块具体用于统计所述第一时长内的不同时刻的行为数据,获得所述商品对应不同行为类型的执行次数;
其中,所述商品对应不同行为类型的执行次数用于服务端预测所述用户是否购买所述商品,并根据预测结果确定所述用户对应的推荐信息。
图4所述的数据处理装置可以执行图1所示实施例所述的数据处理方法,其实现原理和技术效果不再赘述。对于上述实施例中的数据处理装置其中各个模块、单元执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
在一个可能的设计中,图4所示实施例的数据处理装置可以实现为用户设备,如图5所示,该用户设备可以包括存储组件501以及处理组件502;
所述存储组件501存储一条或多条计算机指令,其中,所述一条或多条计算机指令供所述处理组件502调用执行。
所述处理组件502用于:
获取距离当前时刻第一时长内的用户的第一行为数据;
按照业务要求对所述第一行为数据进行处理,获得第一行为特征;
将所述第一行为特征发送至服务端;其中,所述第一行为特征用于所述服务端进行业务处理。
其中,处理组件502可以包括一个或多个处理器来执行计算机指令,以完成上述的方法中的全部或部分步骤。当然处理组件也可以为一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现,用于执行上述方法。
存储组件501被配置为存储各种类型的数据以支持在终端的操作。存储组件可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。
当然,用户设备必然还可以包括其他部件,例如显示组件、输入/输出接口、通信组件等。
显示组件用于指示服务端发送的页面等,其可以为电致发光(EL)元件、液晶显示器或具有类似结构的微型显示器、或者视网膜可直接显示或类似的激光扫描式显示器。
输入/输出接口为处理组件和外围接口模块之间提供接口,上述外围接口模块可以是输出设备、输入设备等。
通信组件被配置为便于用户设备和其他设备之间有线或无线方式的通信等。
本申请实施例还提供了一种计算机可读存储介质,存储有计算机程序,所述计算机程序被计算机执行时可以实现上述图1所示实施例的数据处理方法。
图6为本申请提供的一种业务处理装置一个实施例的结构示意图,该装置可以包括:
接收模块601,用于接收客户端上传的第一行为特征;其中,所述第一行为特征为所述客户端按照业务要求,对距离当前时刻的第一时长内的用户的第一行为数据进行处理获得;
业务处理模块602,用于根据所述第一行为特征进行业务处理。
在某些实施例中,还包括:
第二获取模块,用于获取距离最新时刻第二时长内的所述用户的第二行为数据;其中,所述最新时刻为数据最近上传时刻;
第二处理模块,用于按照业务要求处理所述第二行为数据,获得第二行为特征;
所述业务处理模块可以具体用于根据所述第一行为特征以及所第二行为特征进行业务处理。
在某些实施例中,所述业务处理模块可以具体用于确定所述第一行为特征与所述第二行为特征各自的权重系数;按照所述第一行为特征与所述第二行为特征各自的权重系数,将所述第一行为特征与所述第二行为特征进行融合,获得第三行为特征;根据所述第三行为特征进行业务处理。
在某些实施例中,所述方法还可以包括:
存储模块,用于保存所述第一行为特征;
所述业务处理模块具体用于检测客户端输出业务关联的页面;从存储数据中,获取所述第一行为特征;根据所述第一行为特征进行业务处理。
在某些实施例中,所述方法还可以包括:
更新触发模块,用于将业务处理结果返回至客户端,以供所述客户端基于所述业务处理结果更新所述页面。
在某些实施例中,所述第一行为数据包括不同时刻基于所述用户针对商品执行用户行为而生成的多个行为数据;所述行为数据包括商品标识、行为类型及操作时间;所述第一行为特征包括对不同时刻的行为数据进行统计,获得的所述商品对应不同行为类型的执行次数;
所述业务处理模块可以具体用于根据针对所述商品执行不同用户行为的执行次数,预测所述用户是否购买所述商品;根据预测结果确定所述用户对应的推荐信息。
在某些实施例中,所述推荐信息为资源领取提示信息;该装置还可以包括:
资源分配模块,用于向客户端发送所述资源领取提示信息,以供所述客户端输出所述资源领取提示信息;根据所述客户端发送的资源领取请求,为所述用户分配资源数据;其中,所述资源领取请求为所述客户端响应于针对所述资源领取提示信息的触发操作生成。
图6所述的业务处理装置可以执行图2所示实施例所述的业务处理方法,其实现原理和技术效果不再赘述。对于上述实施例中的业务处理装置其中各个模块、单元执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
在一个可能的设计中,图6所示实施例的业务处理装置可以实现为计算设备,该计算设备例如可以是服务器等,如图7所示,该计算设备可以包括存储组件701以及处理组件702;
所述存储组件701存储一条或多条计算机指令,其中,所述一条或多条计算机指令供所述处理组件502调用执行。
所述处理组件702用于:
接收客户端上传的第一行为特征;其中,所述第一行为特征为所述客户端按照业务要求,对距离当前时刻的第一时长内的用户的第一行为数据进行处理获得;
根据所述第一行为特征进行业务处理。
其中,处理组件702可以包括一个或多个处理器来执行计算机指令,以完成上述的方法中的全部或部分步骤。当然处理组件也可以为一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现,用于执行上述方法。
存储组件701被配置为存储各种类型的数据以支持在终端的操作。存储组件可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。
当然,计算设备必然还可以包括其他部件,例如输入/输出接口、通信组件等。
输入/输出接口为处理组件和外围接口模块之间提供接口,上述外围接口模块可以是输出设备、输入设备等。
通信组件被配置为便于计算设备和其他设备之间有线或无线方式的通信等。
本申请实施例还提供了一种计算机可读存储介质,存储有计算机程序,所述计算机程序被计算机执行时可以实现上述图2所示实施例的业务处理方法。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。
Claims (21)
1.一种数据处理方法,其特征在于,包括:
客户端获取距离当前时刻第一时长内的用户的第一行为数据;
按照业务要求对所述第一行为数据进行处理,获得第一行为特征;
将所述第一行为特征发送至服务端,以由所述服务端根据所述第一行为特征和第二行为特征进行业务处理;其中,所述第二行为特征为所述服务端对所述用户的第二行为数据进行处理获得,所述第二行为数据为距离数据最近上传时刻第二时长内的行为数据。
2.根据权利要求1所述的方法,其特征在于,还包括:
发送业务处理请求至服务端;
获取所述服务端反馈的业务处理结果;其中,所述业务处理结果为所述服务端根据所述第一行为特征以及所述第二行为特征进行业务处理获得。
3.根据权利要求1所述的方法,其特征在于,还包括:
检测是否输出业务关联的页面;
若是,向服务端发送业务处理请求,以供所述服务端响应所述业务处理请求,基于所述第一行为特征进行业务处理。
4.根据权利要求3所述的方法,其特征在于,还包括:
获取所述服务端反馈的业务处理结果;
根据业务处理结果,更新所述页面。
5.根据权利要求1所述的方法,其特征在于,所述获取距离当前时刻第一时长内的用户的第一行为数据包括:
检测是否输出业务关联的页面;
若是,获取距离当前时刻第一时长内的用户的第一行为数据。
6.根据权利要求1所述的方法,其特征在于,还包括:
采集在任意时刻生成的所述用户的行为数据并保存;
所述客户端获取距离当前时刻第一时长内的用户的第一行为数据包括:
从存储数据中,获取距离当前时刻第一时长内的第一行为数据。
7.根据权利要求6所述的方法,其特征在于,获取距离当前时刻第一时长内的用户的第一行为数据包括:
获取距离当前时刻第一时长内的且符合业务规定的第一行为数据。
8.根据权利要求1所述的方法,其特征在于,所述按照业务要求对所述第一行为数据进行处理,获得第一行为特征包括:
统计所述第一行为数据,获得第一行为特征。
9.根据权利要求8所述的方法,其特征在于,所述第一行为数据包括不同时刻基于所述用户针对商品执行用户行为而生成的多个行为数据;所述行为数据包括商品标识、行为类型及操作时间;
所述统计所述第一行为数据,获得第一行为特征包括:
统计所述第一时长内的不同时刻的行为数据,获得所述商品对应不同行为类型的执行次数;
其中,所述商品对应不同行为类型的执行次数用于服务端预测所述用户是否购买所述商品,并根据预测结果确定所述用户对应的推荐信息。
10.一种业务处理方法,其特征在于,包括:
接收客户端上传的第一行为特征;其中,所述第一行为特征为所述客户端按照业务要求,对距离当前时刻的第一时长内的用户的第一行为数据进行处理获得;
根据所述第一行为特征以及第二行为特征进行业务处理;其中,所述第二行为特征为服务端对所述用户的第二行为数据进行处理获得,所述第二行为数据为距离数据最近上传时刻第二时长内的行为数据。
11.根据权利要求10所述的方法,其特征在于,还包括:
获取距离最新时刻第二时长内的所述用户的第二行为数据;其中,所述最新时刻为数据最近上传时刻;
按照业务要求处理所述第二行为数据,获得第二行为特征。
12.根据权利要求11所述的方法,其特征在于,所述根据所述第一行为特征以及所述第二行为特征进行业务处理包括:
确定所述第一行为特征与所述第二行为特征各自的权重系数;
按照所述第一行为特征与所述第二行为特征各自的权重系数,将所述第一行为特征与所述第二行为特征进行融合,获得第三行为特征;
根据所述第三行为特征进行业务处理。
13.根据权利要求10所述的方法,其特征在于,所述根据所述第一行为特征进行业务处理包括:
接收所述客户端发送的业务处理请求;
响应于所述业务处理请求,根据所述第一行为特征进行业务处理。
14.根据权利要求10所述的方法,其特征在于,还包括:
保存所述第一行为特征;
所述根据所述第一行为特征进行业务处理包括:
检测客户端输出业务关联的页面;
从存储数据中,获取所述第一行为特征;
根据所述第一行为特征进行业务处理。
15.根据权利要求14所述的方法,其特征在于,还包括:
将业务处理结果返回至客户端,以供所述客户端基于所述业务处理结果更新所述页面。
16.根据权利要求10所述的方法,其特征在于,所述第一行为数据包括不同时刻基于所述用户针对商品执行用户行为而生成的多个行为数据;所述行为数据包括商品标识、行为类型及操作时间;
所述第一行为特征包括对不同时刻的行为数据进行统计,获得的所述商品对应不同行为类型的执行次数;
所述根据所述第一行为特征进行业务处理包括:
根据针对所述商品执行不同用户行为的执行次数,预测所述用户是否购买所述商品;
根据预测结果确定所述用户对应的推荐信息。
17.根据权利要求16所述的方法,其特征在于,所述推荐信息为资源领取提示信息;
所述方法还包括:
向客户端发送所述资源领取提示信息,以供所述客户端输出所述资源领取提示信息;
根据所述客户端发送的资源领取请求,为所述用户分配资源数据;其中,所述资源领取请求为所述客户端响应于针对所述资源领取提示信息的触发操作生成。
18.一种数据处理装置,其特征在于,包括:
第一获取模块,用于获取距离当前时刻第一时长内的用户的第一行为数据;
第一处理模块,用于按照业务要求对所述第一行为数据进行处理,获得第一行为特征;
发送模块,用于将所述第一行为特征发送至服务端,以由所述服务端根据所述第一行为特征和第二行为特征进行业务处理;其中,所述第二行为特征为所述服务端对所述用户的第二行为数据进行处理获得,所述第二行为数据为距离数据最近上传时刻第二时长内的行为数据。
19.一种业务处理装置,其特征在于,包括:
接收模块,用于接收客户端上传的第一行为特征;其中,所述第一行为特征为所述客户端按照业务要求,对距离当前时刻的第一时长内的用户的第一行为数据进行处理获得;
业务处理模块,用于根据所述第一行为特征以及第二行为特征进行业务处理;其中,所述第二行为特征为服务端对所述用户的第二行为数据进行处理获得,所述第二行为数据为距离数据最近上传时刻第二时长内的行为数据。
20.一种用户设备,其特征在于,包括处理组件以及存储组件;
所述存储组件存储一个或多个计算机指令;所述一个或多个计算机指令用以被所述处理组件调用执行;
所述处理组件用于:
获取距离当前时刻第一时长内的用户的第一行为数据;
按照业务要求对所述第一行为数据进行处理,获得第一行为特征;
将所述第一行为特征发送至服务端,以由所述服务端根据所述第一行为特征和第二行为特征进行业务处理;其中,所述第二行为特征为所述服务端对所述用户的第二行为数据进行处理获得,所述第二行为数据为距离数据最近上传时刻第二时长内的行为数据。
21.一种计算设备,其特征在于,包括处理组件以及存储组件;
所述存储组件存储一个或多个计算机指令;所述一个或多个计算机指令用以被所述处理组件调用执行;
所述处理组件用于:
接收客户端上传的第一行为特征;其中,所述第一行为特征为所述客户端按照业务要求,对距离当前时刻的第一时长内的用户的第一行为数据进行处理获得;
根据所述第一行为特征以及第二行为特征进行业务处理;其中,所述第二行为特征为服务端对所述用户的第二行为数据进行处理获得,所述第二行为数据为距离数据最近上传时刻第二时长内的行为数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910135906.7A CN111582902B (zh) | 2019-02-18 | 2019-02-18 | 数据处理方法、业务处理方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910135906.7A CN111582902B (zh) | 2019-02-18 | 2019-02-18 | 数据处理方法、业务处理方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111582902A CN111582902A (zh) | 2020-08-25 |
CN111582902B true CN111582902B (zh) | 2023-07-21 |
Family
ID=72113257
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910135906.7A Active CN111582902B (zh) | 2019-02-18 | 2019-02-18 | 数据处理方法、业务处理方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111582902B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011043911A (ja) * | 2009-08-19 | 2011-03-03 | Nippon Telegr & Teleph Corp <Ntt> | ユーザ行動推定方法、ユーザ行動推定システム、トラフィックデータ抽出装置及びトラフィックデータ抽出プログラム |
WO2016188278A1 (zh) * | 2015-05-25 | 2016-12-01 | 阿里巴巴集团控股有限公司 | 业务对象信息的收藏方法及装置 |
CN107070858A (zh) * | 2016-12-21 | 2017-08-18 | 阿里巴巴集团控股有限公司 | 一种业务处理方法及装置 |
WO2017162070A1 (zh) * | 2016-03-25 | 2017-09-28 | 阿里巴巴集团控股有限公司 | 一种业务对象的分时推荐方法和系统 |
WO2018157721A1 (zh) * | 2017-03-02 | 2018-09-07 | 腾讯科技(深圳)有限公司 | 信息获取方法、提供方法、装置及系统、存储介质 |
-
2019
- 2019-02-18 CN CN201910135906.7A patent/CN111582902B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011043911A (ja) * | 2009-08-19 | 2011-03-03 | Nippon Telegr & Teleph Corp <Ntt> | ユーザ行動推定方法、ユーザ行動推定システム、トラフィックデータ抽出装置及びトラフィックデータ抽出プログラム |
WO2016188278A1 (zh) * | 2015-05-25 | 2016-12-01 | 阿里巴巴集团控股有限公司 | 业务对象信息的收藏方法及装置 |
WO2017162070A1 (zh) * | 2016-03-25 | 2017-09-28 | 阿里巴巴集团控股有限公司 | 一种业务对象的分时推荐方法和系统 |
CN107230098A (zh) * | 2016-03-25 | 2017-10-03 | 阿里巴巴集团控股有限公司 | 一种业务对象的分时推荐方法和系统 |
CN107070858A (zh) * | 2016-12-21 | 2017-08-18 | 阿里巴巴集团控股有限公司 | 一种业务处理方法及装置 |
WO2018157721A1 (zh) * | 2017-03-02 | 2018-09-07 | 腾讯科技(深圳)有限公司 | 信息获取方法、提供方法、装置及系统、存储介质 |
Non-Patent Citations (1)
Title |
---|
面向个性化信息服务的图书馆移动用户行为分析模型设计;汤妙吉;;现代情报(第01期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN111582902A (zh) | 2020-08-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11048530B1 (en) | Predictive action modeling to streamline user interface | |
CN107528749A (zh) | 基于云防护日志的网站可用性检测方法、装置及系统 | |
CN108111554B (zh) | 一种访问队列的控制方法及装置 | |
CN108491720B (zh) | 一种应用识别方法、系统以及相关设备 | |
EP3231199B1 (en) | Notifications on mobile devices | |
CN111435507A (zh) | 广告反作弊方法、装置、电子设备及可读存储介质 | |
CN108112038B (zh) | 一种控制访问流量的方法及装置 | |
US20140244354A1 (en) | Method and a system for predicting behaviour of persons performing online interactions | |
CN109859002B (zh) | 产品推送方法、装置、计算机设备及存储介质 | |
CN107392614B (zh) | 线下交易的实现方法和装置 | |
CN112382407A (zh) | 一种风险管控方法、装置、电子设备和存储介质 | |
CN107634850B (zh) | 一种应用状态获取方法及其设备、存储介质、服务器 | |
CN112148992A (zh) | 内容推送方法、装置、计算机设备和存储介质 | |
CN113412607A (zh) | 内容推送方法、装置、移动终端及存储介质 | |
CN106998336B (zh) | 渠道中的用户检测方法和装置 | |
CN114116802A (zh) | Flink计算框架的数据处理方法、装置、设备和存储介质 | |
CN107093092B (zh) | 数据分析方法和装置 | |
CN111582902B (zh) | 数据处理方法、业务处理方法及装置 | |
JP7015927B2 (ja) | 学習モデル適用システム、学習モデル適用方法、及びプログラム | |
CN107045688B (zh) | 一种精确识别目标终端的控制方法及装置 | |
CN112347457A (zh) | 异常账户检测方法、装置、计算机设备和存储介质 | |
CN110796379A (zh) | 业务渠道的风险评估方法、装置、设备及存储介质 | |
CN115809384A (zh) | 网页更新方法、装置、计算机设备及计算机可读介质 | |
CN114282940A (zh) | 用于意图识别的方法及装置、存储介质及电子设备 | |
CN109919767B (zh) | 交易风险管理方法、装置及设备 |
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: 20230629 Address after: No. 301, floor 3, building 9, zone 4, Wangjing Dongyuan, Chaoyang District, Beijing Applicant after: ALIBABA (BEIJING) SOFTWARE SERVICE Co.,Ltd. Address before: Box 847, four, Grand Cayman capital, Cayman Islands, UK Applicant before: ALIBABA GROUP HOLDING Ltd. |
|
TA01 | Transfer of patent application right | ||
GR01 | Patent grant | ||
GR01 | Patent grant |