CN111724187A - Dmp受众数据实时处理方法及装置、计算机可读存储介质 - Google Patents
Dmp受众数据实时处理方法及装置、计算机可读存储介质 Download PDFInfo
- Publication number
- CN111724187A CN111724187A CN201910219126.0A CN201910219126A CN111724187A CN 111724187 A CN111724187 A CN 111724187A CN 201910219126 A CN201910219126 A CN 201910219126A CN 111724187 A CN111724187 A CN 111724187A
- Authority
- CN
- China
- Prior art keywords
- real
- user
- data
- time
- user data
- 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.)
- Withdrawn
Links
Images
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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/02—Knowledge representation; Symbolic representation
- G06N5/022—Knowledge engineering; Knowledge acquisition
-
- 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
- G06Q30/0241—Advertisements
- G06Q30/0251—Targeted advertisements
- G06Q30/0255—Targeted advertisements based on user history
-
- 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
- G06Q30/0241—Advertisements
- G06Q30/0251—Targeted advertisements
- G06Q30/0269—Targeted advertisements based on user profile or attribute
- G06Q30/0271—Personalized advertisement
Abstract
一种DMP受众数据实时处理方法及装置、计算机可读存储介质,所述DMP受众数据实时处理方法,包括:将实时获取到的受众数据输入至kafka容器;按照预设的配置条件对输入至所述kafka容器的受众数据进行识别,得到用户数据片段;其中,所述用户数据片段包括:用户标识、用户属性信息以及预设时间段内的用户行为信息;根据预设的知识库,对所述用户数据片段进行翻译,得到具有预设标签维度的用户数据片段;将所述具有预设标签维度的用户数据片段进行合并,得到处理后的实时用户数据片段。采用上述方案,能够提高DMP受众数据处理的实时性。
Description
技术领域
本发明实施例涉及数据处理技术领域,尤其涉及一种DMP受众数据实时处理方法及装置、计算机可读存储介质。
背景技术
传统的数据管理平台(Date Management Platform,DMP)是把分散的第一、第三方数据进行整合纳入统一的技术平台,并对这些数据进行标准化和细分,让用户可以把这些细分结果推向现有的互动营销环境里。
然而,目前,DPM受众数据的处理通常是进行离线数据处理,数据处理的实时性较差。
发明内容
本发明实施例解决的技术问题是如何提高DMP受众数据处理的实时性。
为解决上述技术问题,本发明实施例提供一种DMP受众数据实时处理方法,包括:将实时获取到的受众数据输入至kafka容器;按照预设的配置条件对输入至所述kafka容器的受众数据进行识别,得到用户数据片段;其中,所述用户数据片段包括:用户标识、用户属性信息以及预设时间段内的用户行为信息;根据预设的知识库,对所述用户数据片段进行翻译,得到具有预设标签维度的用户数据片段;将所述具有预设标签维度的用户数据片段进行合并,得到处理后的实时用户数据片段。
可选的,在将实时获取到的受众数据输入至kafka容器之前,还包括:将所述受众数据的格式转换成kafka容器可以识别的数据格式。
可选的,所述将所述受众数据转换成预设数据格式,包括:将所述受众数据转换成schema格式。
可选的,在得到用户数据片段之后,还包括:将所述用户数据片段写入kafka容器的识别主体区域。
可选的,所述根据预设的知识库,对的所述用户数据片段进行翻译,包括:按照预设的拆分条件,将所述用户数据片段拆分为若干个子片段;从所述知识库中获取至少一个子片段对应的附属信息,所述附属信息与所述预设标签维度相对应;将所述若干个子片段以及所述至少一个子片段对应的附属信息进行合并,得到具有预设标签维度的用户数据片段。
可选的,在对所述用户数据片段进行翻译后,还包括:将所述用户行为信息转换成所述用户属性信息。
可选的,在得到处理后的实时用户数据片段之后,还包括:将所述实时用户数据片段存储于集群中。
可选的,在得到处理后的实时用户数据片段并存储于集群之后,还包括:当接收到用户的请求指令后,获取所述用户的实时画像;根据所述用户的实时画像,从所述集群中查询所述用户对应的实时用户数据片段。
本发明实施例还提供一种DMP受众数据实时处理装置,包括:获取单元,适于实时获取受众数据;输入单元,适于将实时获取到的受众数据输入至kafka容器;识别单元,适于按照预设的配置条件对输入至所述kafka容器的受众数据进行识别,得到用户数据片段;其中,所述用户数据片段包括:用户标识、用户属性信息以及预设时间段内的用户行为信息;翻译单元,适于根据预设的知识库,对所述用户数据片段进行翻译,得到具有预设标签维度的用户数据片段;合并单元,适于将所述具有预设标签维度的用户数据片段进行合并,得到处理后的实时用户数据片段。
可选的,所述DMP受众数据实时处理装置还包括:第一转换单元,适于在将实时获取到的受众数据输入至kafka容器之前,将所述受众数据的格式转换成kafka容器可以识别的数据格式。
可选的,所述第一转换单元,适于将所述受众数据转换成schema格式。
可选的,所述DMP受众数据实时处理装置还包括:写入单元,适于在得到用户数据片段之后,将所述用户数据片段写入kafka容器的识别主体区域。
可选的,所述翻译单元,适于按照预设的拆分条件,将所述用户数据片段拆分为若干个子片段;从所述知识库中获取至少一个子片段对应的附属信息,所述附属信息与所述预设标签维度相对应;将所述若干个子片段以及所述至少一个子片段对应的附属信息进行合并,得到具有预设标签维度的用户数据片段。
可选的,所述DMP受众数据实时处理装置还包括:第二转换单元,适于在对所述用户数据片段进行翻译后,将所述用户行为信息转换成所述用户属性信息。
可选的,所述DMP受众数据实时处理装置还包括:存储单元,适于将所述实时用户数据片段存储于集群中。
本发明实施例还提供一种DMP受众数据实时处理装置,包括:存储器和处理器,所述存储器上存储有可在所述处理器上运行的计算机指令,所述处理器运行所述计算机指令时执行上述任一种DMP受众数据实时处理方法的步骤。
本发明实施例还提供一种计算机可读存储介质,计算机可读存储介质为非易失性存储介质或非瞬态存储介质,其上存储有计算机指令,所述计算机指令运行时执行上述任一种DMP受众数据实时处理方法的步骤。
与现有技术相比,本发明实施例的技术方案具有以下有益效果:
将实时获取到的受众数据输入至kafka容器,并对输入至kafka容器的受众数据进行识别,得到用户数据片段,通过对用户数据片段进行识别和翻译,得到具有预设标签维度的用户数据片段,合并具有预设标签维度的用户数据片段得到实时用户数据片段。采用kafka容器对实时受众数据进行存储并实时识别和翻译,得到实时用户数据片段,从而可以提高DMP受众数据处理的实时性。
附图说明
图1是本发明实施例中一种DMP受众数据实时处理方法的流程图;
图2是本发明实施例中一种DMP受众数据实时处理装置的结构示意图。
具体实施方式
如上所述,目前,DPM受众数据的处理通常是进行离线数据处理,数据处理的实时性较差。
本发明实施例中,将实时获取到的受众数据输入至kafka容器,并对输入至kafka容器的受众数据进行识别,得到用户数据片段,通过对用户数据片段进行识别和翻译,得到具有预设标签维度的用户数据片段,合并具有预设标签维度的用户数据片段得到实时用户数据片段。采用kafka容器对实时受众数据进行存储并实时识别和翻译,得到实时用户数据片段,从而可以提高DMP受众数据处理的实时性。
为使本发明实施例的上述目的、特征和有益效果能够更为明显易懂,下面结合附图对本发明的具体实施例做详细的说明。
参照图1,给出了本发明实施例中一种DMP受众数据实时处理方法的流程图,具体可以包括以下步骤。
步骤11,将实时获取到的受众数据输入至kafka容器。
在具体实施中,所述受众数据是指与用户相关的数据、用户在一些平台或者网站上所执行的操作、用户执行操作所留下的行为痕迹等。
在具体实施中,所述受众数据可以通过如下方式实时获取:采用Pipe小程序从实时数据源获取数据,并将实时数据以stdout(标准输出)流方式输出,日志信息以stderr(标准错误输出)流方式进行数据输出。日志信息是在处理实时数据时,产生的一些用于描述处理过程的数据。采用这些用于描述处理过程的数据可以排查实时数据处理所产生问题。例如,处理的实时数据为用户购买饮料的数据。每一行数据均是用户购买的饮料的数量。在实时处理数据时,发现一条实时数据显示用户购买的饮料杯数为0,而用户购买0杯饮料不是一条正常的数据,因此,这条实时数据会被抛弃,同时,在日志中记录如下日志信息:因为饮料的杯数不正确,抛弃一条数据。
在具体实施中,所得到的受众数据的格式类型可以为多种。为了便于后续的数据处理,在获取到受众数据之后,还可以将所述受众数据的格式转换成kafka容器能够识别的格式。
例如,采用Plumber对多个实时数据接入小程序进行管理,将多种实时数据转换成kafka容器可以识别的数据格式。kafka容器可以识别的数据格式可以为schema格式,可以理解的是,还可以为其他数据格式。
在具体实施中,schema体系中的schema数据可以用于描述所有通过Xray存储的数据。schema体系具有可以描述和管理数据的结构、以表为单位描述和管理数据的存储信息以及为数据的读写提供应用程序接口(API)。schema体系可以由以下三个部分组成:schema、path及table,其中,schema用于描述一类数据的结构以及编码方式;path用于描述单个数据的存储;table用于描述单个数据的存储、结构信息,使之变成能够使用的表。
在具体实施中,可以将实时获取到的受众数据输入至kafka容器。
步骤12,按照预设的配置条件对输入至所述kafka容器的受众数据进行识别,得到用户数据片段。
在实际应用中可知,在kafka容器中存在多个主体区域(topic)。在本发明实施例中,在将实时获取到的受众数据输入至kafka容器之后,受众数据可以存储在相对应的主体区域内,以供后续相应的流程使用。例如,将实时数据存储在配置主体区域内,当需要对受众数据进行识别时,可以从配置主体区域内获取受众数据,然后对受众数据进行识别处理。
在本发明实施例中,可以按照预设的配置条件对输入至所述kafka容器的受众数据进行识别,得到用户数据片段。预设的配置条件可以根据实际应用场景需要进行设定。例如,对用于咖啡店的受众数据管理,咖啡店的用户下订单之后,会产生与订单相关的数据,配置条件可以为每隔预设周期识别一次受众数据,也可以为每输入一个新的受众数据就识别一次。
在本发明实施例中,可以从受众数据中提取所需字段,得到用户数据片段。并将所得到的用户数据片段以ZDUF2消息的方式,写入到统一识别topic中。所述用户数据片段中可以包括用户标识、用户属性以及预设时间段内的用户行为信息。可以理解的是,在实际应用中,根据实际应用场景需要,用户数据片段中还可以包括其他信息。
用户标识可以为手机号、微信号、微博号、邮箱或者支付宝账号等。用户属性可以包括:性别、职业、学历、爱好、地域或者收入等。预设时间段内的用户行为信息可以包括用户在某一时间段内做了什么事情。例如,用户在一个月内去哪些餐馆用餐、去哪些咖啡店买过咖啡,去哪些健身房健身等。
步骤13,根据预设的知识库,对所述用户数据片段进行翻译,得到具有预设标签维度的用户数据片段。
在具体实施中,可以实时加载预设的知识库,并使用所述知识库中的数据对所述用户数据片段进行翻译,得到具有预设标签维度的用户数据片段。
在本发明实施例中,可以按照预设的拆分条件,将所述用户数据片段拆分为若干个子片段。从所述知识库中获取至少一个子片段对应的附属信息,以补充某子片段的相关信息,完善用户数据片段对应的标签维度。在得到所述至少一个子片段对应的附属信息后,将所述若干个子片段以及所述至少一个子片段对应的附属信息进行合并,得到具有预设标签维度的用户数据片段。
例如,用户数据片段为:用户ID为12345678的张三在2019年2月18日9:00在A咖啡店(中山公园分店)购买一杯黑咖啡。预设的拆分条件为:用户ID或名字、时间、地点、事件。按照拆分条件将用户数据片段拆分之后得到的子片段为:12345678、2019年2月18日9:00、A咖啡店(中山公园分店)、购买一杯黑咖啡。从所述知识库中,获取到子片段A咖啡店(中山公园分店)对应的附属信息如下:A咖啡店(中山公园分店)坐落于中山公园龙之梦商圈。将附属信息中山公园龙之梦商圈以及2345678、2019年2月18日9:00、A咖啡店(中山公园分店)、购买一杯黑咖啡进行合并,得到预设维度的用户数据片段为:用户ID为12345678的张三在2019年2月18日9:00在坐落于中山公园龙之梦商圈的A咖啡店(中山公园分店)购买一杯黑咖啡。
在本发明实施例中,在对用户数据片段进行翻译的过程中,可以将用户行为信息转换成用户属性信息。例如,用户的行为信息为在中山公园龙之梦商圈的A咖啡店(中山公园分店)购买一杯黑咖啡,经翻译后,转换成的用户属性信息为用户活动区域中山公园龙之梦商圈,喜欢咖啡,还可以进一步细分为喜欢的咖啡类型为黑咖啡。
在本发明一实施例中,可以将翻译得到的具有预设标签维度的用户数据片段存储与kafka容器的翻译topic中。
步骤14,将所述具有预设标签维度的用户数据片段进行合并,得到处理后的实时用户数据片段。
在具体实施中,可以按照预设的合并条件,将具有预设标签维度的用户数据片段进行合并,得到处理后的实时用户数据片段。
例如,按照预设时间段将处于该时间段内的用户数据片段小批量的合并。又如,按照用户标识将同一用户标识对应的用户数据片段进行合并。可以理解的是,根据实际应用场景需要,还可以依据其他合并条件合并用户数据片段,此处不再赘述。
由上述方案可知,将实时获取到的受众数据输入至kafka容器,并对输入至kafka容器的受众数据进行识别,得到用户数据片段,通过对用户数据片段进行识别和翻译,得到具有预设标签维度的用户数据片段,合并具有预设标签维度的用户数据片段得到实时用户数据片段。采用kafka容器对实时受众数据进行存储并实时识别和翻译,得到实时用户数据片段,从而可以提高DMP受众数据处理的实时性。
在具体实施中,在得到实时用户数据片段之后,还可以将所述实时用户数据片段存储于集群中。
在具体实施中,还可以接收用户的请求指令,当接收到用户的请求指令后,可以根据所述用户的请求指令,获取所述用户的实时画像。根据所述用户的实时画像,从所述集群中查询所述用户对应的实时用户数据片段。
由此可见,采用本发明上述实施例提供的DMP受众数据实时处理方法,可以实时对受众数据进行处理,当用于广告营销时,可以根据用户最新的数据进行精准营销,以提高广告营销的精准度。
本发明实施例还提供一种DMP受众数据实时处理装置。参照图2,给出的本发明实施例中一种DMP受众数据实时处理装置的结构示意图。所述DMP受众数据实时处理装置20可以包括:获取单元21、输入单元22、识别单元23、翻译单元24及合并单元25,其中:
所述获取单元21,适于实时获取受众数据;
所述输入单元22,适于将实时获取到的受众数据输入至kafka容器;
所述识别单元23,适于按照预设的配置条件对输入至所述kafka容器的受众数据进行识别,得到用户数据片段;其中,所述用户数据片段包括:用户标识、用户属性信息以及预设时间段内的用户行为信息;
所述翻译单元24,适于根据预设的知识库,对所述用户数据片段进行翻译,得到具有预设标签维度的用户数据片段;
所述合并单元25,适于将所述具有预设标签维度的用户数据片段进行合并,得到处理后的实时用户数据片段。
在具体实施中,所述DMP受众数据实时处理装置20还可以包括:第一转换单元(图2中未示出),适于在将实时获取到的受众数据输入至kafka容器之前,将所述受众数据的格式转换成kafka容器可以识别的数据格式。
在具体实施中,所述第一转换单元,适于将所述受众数据转换成schema格式。
在具体实施中,所述DMP受众数据实时处理装置20还可以包括:写入单元(图2中未示出),适于在得到用户数据片段之后,将所述用户数据片段写入kafka容器的识别主体区域。
在具体实施中,所述翻译单元24,适于按照预设的拆分条件,将所述用户数据片段拆分为若干个子片段;从所述知识库中获取至少一个子片段对应的附属信息,所述附属信息与所述预设标签维度相对应;将所述若干个子片段以及所述至少一个子片段对应的附属信息进行合并,得到具有预设标签维度的用户数据片段。
在具体实施中,所述DMP受众数据实时处理装置20还可以包括:第二转换单元(图2中未示出),适于在对所述用户数据片段进行翻译后,将所述用户行为信息转换成所述用户属性信息。
在具体实施中,所述DMP受众数据实时处理装置20还可以包括:存储单元(图2中未示出),适于将所述实时用户数据片段存储于集群中。
本发明实施例还提供一种DMP受众数据实时处理装置,包括存储器和处理器,所述存储器上存储有可在所述处理器上运行的计算机指令,所述处理器运行所述计算机指令时执行本发明实施例提供的上述任一种DMP受众数据实时处理方法的步骤。
本发明实施例还提供一种计算机可读存储介质为非易失性存储介质或非瞬态存储介质,其上存储有计算机指令,所述计算机指令运行时执行本发明实施例提供的上述任一种DMP受众数据实时处理方法的步骤。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指示相关的硬件来完成,该程序可以存储于一计算机可读存储介质中,存储介质可以包括:ROM、RAM、磁盘或光盘等。
虽然本发明披露如上,但本发明并非限定于此。任何本领域技术人员,在不脱离本发明的精神和范围内,均可作各种更动与修改,因此本发明的保护范围应当以权利要求所限定的范围为准。
Claims (17)
1.一种DMP受众数据实时处理方法,其特征在于,包括:
将实时获取到的受众数据输入至kafka容器;
按照预设的配置条件对输入至所述kafka容器的受众数据进行识别,得到用户数据片段;其中,所述用户数据片段包括:用户标识、用户属性信息以及预设时间段内的用户行为信息;
根据预设的知识库,对所述用户数据片段进行翻译,得到具有预设标签维度的用户数据片段;
将所述具有预设标签维度的用户数据片段进行合并,得到处理后的实时用户数据片段。
2.根据权利要求1所述的DMP受众数据实时处理方法,其特征在于,在将实时获取到的受众数据输入至kafka容器之前,还包括:
将所述受众数据的格式转换成kafka容器可以识别的数据格式。
3.根据权利要求2所述的DMP受众数据实时处理方法,其特征在于,所述将所述受众数据转换成预设数据格式,包括:
将所述受众数据转换成schema格式。
4.根据权利要求1所述的DMP受众数据实时处理方法,其特征在于,在得到用户数据片段之后,还包括:将所述用户数据片段写入kafka容器的识别主体区域。
5.根据权利要求1所述的DMP受众数据实时处理方法,其特征在于,所述根据预设的知识库,对的所述用户数据片段进行翻译,包括:
按照预设的拆分条件,将所述用户数据片段拆分为若干个子片段;
从所述知识库中获取至少一个子片段对应的附属信息,所述附属信息与所述预设标签维度相对应;
将所述若干个子片段以及所述至少一个子片段对应的附属信息进行合并,得到具有预设标签维度的用户数据片段。
6.根据权利要求5所述的DMP受众数据实时处理方法,其特征在于,在对所述用户数据片段进行翻译后,还包括:
将所述用户行为信息转换成所述用户属性信息。
7.根据权利要求1至6任一项所述的DMP受众数据实时处理方法,其特征在于,在得到处理后的实时用户数据片段之后,还包括:
将所述实时用户数据片段存储于集群中。
8.根据权利要求7所述的DMP受众数据实时处理方法,其特征在于,在得到处理后的实时用户数据片段并存储于集群之后,还包括:
当接收到用户的请求指令后,获取所述用户的实时画像;
根据所述用户的实时画像,从所述集群中查询所述用户对应的实时用户数据片段。
9.一种DMP受众数据实时处理装置,其特征在于,包括:
获取单元,适于实时获取受众数据;
输入单元,适于将实时获取到的受众数据输入至kafka容器;
识别单元,适于按照预设的配置条件对输入至所述kafka容器的受众数据进行识别,得到用户数据片段;其中,所述用户数据片段包括:用户标识、用户属性信息以及预设时间段内的用户行为信息;
翻译单元,适于根据预设的知识库,对所述用户数据片段进行翻译,得到具有预设标签维度的用户数据片段;
合并单元,适于将所述具有预设标签维度的用户数据片段进行合并,得到处理后的实时用户数据片段。
10.根据权利要求9所述的DMP受众数据实时处理装置,其特征在于,还包括:第一转换单元,适于在将实时获取到的受众数据输入至kafka容器之前,将所述受众数据的格式转换成kafka容器可以识别的数据格式。
11.根据权利要求10所述的DMP受众数据实时处理装置,其特征在于,所述第一转换单元,适于将所述受众数据转换成schema格式。
12.根据权利要求9所述的DMP受众数据实时处理装置,其特征在于,还包括:写入单元,适于在得到用户数据片段之后,将所述用户数据片段写入kafka容器的识别主体区域。
13.根据权利要求9所述的DMP受众数据实时处理装置,其特征在于,所述翻译单元,适于按照预设的拆分条件,将所述用户数据片段拆分为若干个子片段;从所述知识库中获取至少一个子片段对应的附属信息,所述附属信息与所述预设标签维度相对应;将所述若干个子片段以及所述至少一个子片段对应的附属信息进行合并,得到具有预设标签维度的用户数据片段。
14.根据权利要求13所述的DMP受众数据实时处理装置,其特征在于,还包括:第二转换单元,适于在对所述用户数据片段进行翻译后,将所述用户行为信息转换成所述用户属性信息。
15.根据权利要求9至13任一项所述的DMP受众数据实时处理装置,其特征在于,还包括:存储单元,适于将所述实时用户数据片段存储于集群中。
16.一种DMP受众数据实时处理装置,包括存储器和处理器,所述存储器上存储有可在所述处理器上运行的计算机指令,其特征在于,所述处理器运行所述计算机指令时执行权利要求1至8任一项所述的DMP受众数据实时处理方法的步骤。
17.一种计算机可读存储介质,计算机可读存储介质为非易失性存储介质或非瞬态存储介质,其上存储有计算机指令,其特征在于,所述计算机指令运行时执行权利要求1至8中任一项所述的DMP受众数据实时处理方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910219126.0A CN111724187A (zh) | 2019-03-21 | 2019-03-21 | Dmp受众数据实时处理方法及装置、计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910219126.0A CN111724187A (zh) | 2019-03-21 | 2019-03-21 | Dmp受众数据实时处理方法及装置、计算机可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111724187A true CN111724187A (zh) | 2020-09-29 |
Family
ID=72563567
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910219126.0A Withdrawn CN111724187A (zh) | 2019-03-21 | 2019-03-21 | Dmp受众数据实时处理方法及装置、计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111724187A (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105447147A (zh) * | 2015-11-26 | 2016-03-30 | 晶赞广告(上海)有限公司 | 一种数据处理方法及装置 |
US20160274744A1 (en) * | 2015-03-17 | 2016-09-22 | Comcast Cable Communications, Llc | Real-Time Recommendations and Personalization |
CN106504099A (zh) * | 2015-09-07 | 2017-03-15 | 国家计算机网络与信息安全管理中心 | 一种构建用户画像的系统 |
US20170330239A1 (en) * | 2016-05-13 | 2017-11-16 | Yahoo Holdings, Inc. | Methods and systems for near real-time lookalike audience expansion in ads targeting |
CN107818344A (zh) * | 2017-10-31 | 2018-03-20 | 上海壹账通金融科技有限公司 | 用户行为进行分类和预测的方法和系统 |
CN108021929A (zh) * | 2017-11-16 | 2018-05-11 | 华南理工大学 | 基于大数据的移动端电商用户画像建立与分析方法及系统 |
US20180365577A1 (en) * | 2016-05-12 | 2018-12-20 | Tencent Technology (Shenzhen) Company Limited | Data recommendation method and device, and storage medium |
CN109299260A (zh) * | 2018-09-29 | 2019-02-01 | 上海晶赞融宣科技有限公司 | 数据分类方法、装置以及计算机可读存储介质 |
-
2019
- 2019-03-21 CN CN201910219126.0A patent/CN111724187A/zh not_active Withdrawn
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160274744A1 (en) * | 2015-03-17 | 2016-09-22 | Comcast Cable Communications, Llc | Real-Time Recommendations and Personalization |
CN106504099A (zh) * | 2015-09-07 | 2017-03-15 | 国家计算机网络与信息安全管理中心 | 一种构建用户画像的系统 |
CN105447147A (zh) * | 2015-11-26 | 2016-03-30 | 晶赞广告(上海)有限公司 | 一种数据处理方法及装置 |
US20180365577A1 (en) * | 2016-05-12 | 2018-12-20 | Tencent Technology (Shenzhen) Company Limited | Data recommendation method and device, and storage medium |
US20170330239A1 (en) * | 2016-05-13 | 2017-11-16 | Yahoo Holdings, Inc. | Methods and systems for near real-time lookalike audience expansion in ads targeting |
CN107818344A (zh) * | 2017-10-31 | 2018-03-20 | 上海壹账通金融科技有限公司 | 用户行为进行分类和预测的方法和系统 |
CN108021929A (zh) * | 2017-11-16 | 2018-05-11 | 华南理工大学 | 基于大数据的移动端电商用户画像建立与分析方法及系统 |
CN109299260A (zh) * | 2018-09-29 | 2019-02-01 | 上海晶赞融宣科技有限公司 | 数据分类方法、装置以及计算机可读存储介质 |
Non-Patent Citations (4)
Title |
---|
HUAIHAI HUI等: "Innovation Research in City Public Management Based on a Data Resource Sharing Exchange Platform" * |
MOHSEN MARJAN: "Big IoT Data Analytics: Architecture, Opportunities, and Open Research Challenges" * |
裴国才: "流计算及其在电信实时营销中的应用" * |
马费成等: "面向智慧健康的知识管理与服务" * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107481720B (zh) | 一种显式声纹识别方法及装置 | |
US20190026367A1 (en) | Navigating video scenes using cognitive insights | |
CN107463700B (zh) | 用于获取信息的方法、装置及设备 | |
CN109862100B (zh) | 用于推送信息的方法和装置 | |
CN107729549B (zh) | 一种包含要素提取的机器人客服方法及系统 | |
CN111680133A (zh) | 直播问答方法及装置 | |
CN112672188B (zh) | 一种主播推荐方法、设备及存储介质 | |
CN109472017B (zh) | 获得待生成裁判文书本院认为段相关信息的方法及装置 | |
CN110717536A (zh) | 一种生成训练样本的方法及装置 | |
WO2018208931A1 (en) | Processes and techniques for more effectively training machine learning models for topically-relevant two-way engagement with content consumers | |
CN109598171A (zh) | 一种基于二维码的数据处理方法、装置及系统 | |
CN113139816A (zh) | 信息处理方法、装置、电子设备和存储介质 | |
CN110347786B (zh) | 一种语义模型的调优方法及系统 | |
CN110059172B (zh) | 基于自然语言理解的推荐答案的方法和装置 | |
CN110209780B (zh) | 一种问题模板生成方法、装置、服务器及存储介质 | |
CN112712393A (zh) | 调整房源价格的方法及装置 | |
US11257029B2 (en) | Pickup article cognitive fitment | |
US11914596B2 (en) | Parallelized parsing of data in cloud storage | |
CN111724187A (zh) | Dmp受众数据实时处理方法及装置、计算机可读存储介质 | |
CN113949887A (zh) | 对于网络直播数据的处理方法及装置 | |
CN111488737B (zh) | 文本识别方法、装置及设备 | |
CN110555070B (zh) | 用于输出信息的方法和装置 | |
CN113095868A (zh) | 辅助销售商品的方法、装置及系统 | |
CN112288452A (zh) | 广告预览方法、装置、电子设备及存储介质 | |
CN111161706A (zh) | 交互方法、装置、设备和系统 |
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 | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20200929 |