CN111797310A - 一种行为回查方法、装置、电子设备和存储介质 - Google Patents
一种行为回查方法、装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN111797310A CN111797310A CN202010563983.5A CN202010563983A CN111797310A CN 111797310 A CN111797310 A CN 111797310A CN 202010563983 A CN202010563983 A CN 202010563983A CN 111797310 A CN111797310 A CN 111797310A
- Authority
- CN
- China
- Prior art keywords
- review
- behavior
- data
- recommended
- account
- 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
- 238000012552 review Methods 0.000 title claims abstract description 318
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000003860 storage Methods 0.000 title claims abstract description 23
- 238000013500 data storage Methods 0.000 claims abstract description 15
- 230000006399 behavior Effects 0.000 claims description 308
- 238000009877 rendering Methods 0.000 claims description 39
- 238000012216 screening Methods 0.000 claims description 39
- 238000004364 calculation method Methods 0.000 claims description 32
- 230000003542 behavioural effect Effects 0.000 claims description 28
- 230000004044 response Effects 0.000 claims description 17
- 238000009472 formulation Methods 0.000 abstract description 5
- 239000000203 mixture Substances 0.000 abstract description 5
- 238000010586 diagram Methods 0.000 description 18
- 230000006870 function Effects 0.000 description 9
- 238000004590 computer program Methods 0.000 description 8
- 238000012545 processing Methods 0.000 description 7
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 238000010223 real-time analysis Methods 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 4
- 238000005457 optimization Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000014759 maintenance of location Effects 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 239000003999 initiator Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001960 triggered effect Effects 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
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本公开关于一种行为回查方法、装置、电子设备和存储介质,属于互联网技术领域,该方法包括:接收行为回查请求,根据行为回查请求中行为回查对象的查询信息,从回查数据库中查询表征行为回查对象与服务器在向行为回查对象推荐推荐对象时使用的推荐规则之间的匹配程度的回查数据,根据回查数据,响应行为回查请求,其中,回查数据库中的数据是对分散在多个搜集数据库中的初始数据定期进行抽取、转换处理后得到的,且回查数据库中的数据是按照配置的数据存储结构进行存储的,这样,分析人员不必再手动搜集数据、分析数据,可提升推荐规则的制定效率,而且,从回查数据库中获取到的行为回查对象的回查数据比较全面,也可提升推荐规则的制定准确率。
Description
技术领域
本公开涉及互联网技术领域,尤其涉及一种行为回查方法、装置、电子设备和存储介质。
背景技术
随着互联网用户的日益增多,互联网上的应用种类也越来越多,为了提升应用的粘度、留住用户,应用开发者均会制定并优化向用户推荐推荐对象的策略。
相关技术中,在制定服务器向用户推荐推荐对象时使用的推荐规则时,是由分析人员手动获取一些零散的制定推荐规则所需的数据,再人工分析这些零散的数据,进而根据分析结果调整服务器向用户推荐推荐对象时使用的推荐规则,这种手动获取数据、制定推荐规则的方式效率较低,不利于快速制定推荐规则,而且,由于获取到的数据比较零散,难以提供精准的数据依据,还容易使制定的推荐规则不准确。
发明内容
本公开提供一种行为回查方法、装置、电子设备和存储介质,以至少解决相关技术中存在的手动获取制定推荐规则所需的数据、且获取的数据比较零散,从而导致推荐规则的制定效率较低、且不准确的问题。本公开的技术方案如下:
根据本公开实施例的第一方面,提供一种行为回查方法,包括:
接收行为回查请求,所述行为回查请求中包含行为回查对象的查询信息;
根据所述查询信息,从回查数据库中查询行为回查对象的回查数据,所述回查数据库中的数据是对分散在多个搜集数据库中的初始数据定期进行抽取、转换处理后得到的,且所述回查数据库中的数据是按照配置的数据存储结构进行存储的,所述回查数据用于表征所述行为回查对象与服务器在向所述行为回查对象推荐推荐对象时使用的推荐规则之间的匹配程度;
根据所述回查数据,响应所述行为回查请求。
在一种可能的实施方式中,当行为回查对象为终端时,行为回查对象的查询信息为终端标识,或者,行为回查对象的查询信息为终端标识与账户标识、活跃时间段的任意组合;
当行为回查对象为账户时,行为回查对象的查询信息为账户标识,或者,行为回查对象的查询信息为账户标识与终端标识、活跃时间段的任意组合。
在一种可能的实施方式中,接收行为回查请求之前,还包括:
接收对行为回查对象的筛选请求,所述筛选请求中包含有行为回查对象的筛选信息;
从回查数据库中查询符合所述筛选条件的至少一个行为回查对象;
展示所述至少一个行为回查对象的用于进行行为回查的查询信息。
在一种可能的实施方式中,根据所述回查数据,响应所述行为回查请求,包括:
根据所述回查数据,对配置的各种回查指标进行计算;
根据各种回查指标的计算结果,响应所述行为回查请求。
在一种可能的实施方式中,若所述回查数据包括所述服务器向所述行为回查对象推荐的推荐对象的对象标识,则根据各种回查指标的计算结果,响应所述行为回查请求,包括:
根据所述对象标识,获取在渲染对应推荐对象时所需的渲染信息;
根据所述渲染信息,渲染所述服务器向所述行为回查对象推荐的推荐对象;
在渲染页面上展示各种回查指标的计算结果。
在一种可能的实施方式中,在渲染页面上展示各种回查指标的计算结果,包括:
将与单个推荐对象关联的回查指标的计算结果展示在渲染的单个推荐对象的周边,以及将与至少两个推荐对象关联的回查指标的计算结果展示在渲染页面的预设位置。
在一种可能的实施方式中,若所述回查数据还包括所述服务器在向所述行为回查对象推荐推荐对象时使用的推荐规则信息,则在根据所述渲染信息,渲染所述服务器向所述行为回查对象推荐的推荐对象之后,还包括:
在渲染的每个推荐对象的周边展示所述服务器在推荐所述推荐对象时使用的推荐规则信息。
在一种可能的实施方式中,在根据所述回查数据,响应所述行为回查请求之后,还包括:
根据行为回查结果,对所述服务器在向所述行为回查对象推荐推荐对象时使用的推荐规则信息进行优化。
在一种可能的实施方式中,所述回查数据库中数据的类别包括:
账户操作行为数据与服务器推荐行为数据之间的关联信息;账户与终端之间的关联信息;终端画像;账户画像。
根据本公开实施例的第二方面,提供一种行为回查装置,包括:
第一接收模块,被配置为执行接收行为回查请求,所述行为回查请求中包含行为回查对象的查询信息;
第一查询模块,被配置为执行根据所述查询信息,从回查数据库中查询行为回查对象的回查数据,所述回查数据库中的数据是对分散在多个搜集数据库中的初始数据定期进行抽取、转换处理后得到的,且所述回查数据库中的数据是按照配置的数据存储结构进行存储的,所述回查数据用于表征所述行为回查对象与服务器在向所述行为回查对象推荐推荐对象时使用的推荐规则之间的匹配程度;
第一响应模块,被配置为执行根据所述回查数据,响应所述行为回查请求。
在一种可能的实施方式中,当行为回查对象为终端时,行为回查对象的查询信息为终端标识,或者,行为回查对象的查询信息为终端标识与账户标识、活跃时间段的任意组合;
当行为回查对象为账户时,行为回查对象的查询信息为账户标识,或者,行为回查对象的查询信息为账户标识与终端标识、活跃时间段的任意组合。
在一种可能的实施方式中,还包括:
第二接收模块,被配置为执行在接收行为回查请求之前,接收对行为回查对象的筛选请求,所述筛选请求中包含有行为回查对象的筛选信息;
第二查询模块,被配置为执行从回查数据库中查询符合所述筛选条件的至少一个行为回查对象;
第二响应模块,被配置为执行展示所述至少一个行为回查对象的用于进行行为回查的查询信息。
在一种可能的实施方式中,所述第一响应模块被具体配置为执行:
根据所述回查数据,对配置的各种回查指标进行计算;
根据各种回查指标的计算结果,响应所述行为回查请求。
在一种可能的实施方式中,若所述回查数据包括所述服务器向所述行为回查对象推荐的推荐对象的对象标识,则所述第一响应模块被具体配置为执行:
根据所述对象标识,获取在渲染对应推荐对象时所需的渲染信息;
根据所述渲染信息,渲染所述服务器向所述行为回查对象推荐的推荐对象;
在渲染页面上展示各种回查指标的计算结果。
在一种可能的实施方式中,所述第一响应模块被具体配置为执行:
将与单个推荐对象关联的回查指标的计算结果展示在渲染的单个推荐对象的周边,以及将与至少两个推荐对象关联的回查指标的计算结果展示在渲染页面的预设位置。
在一种可能的实施方式中,若所述回查数据还包括所述服务器在向所述行为回查对象推荐推荐对象时使用的推荐规则信息,则所述第一响应模块还被配置为执行:
在根据所述渲染信息,渲染所述服务器向所述行为回查对象推荐的推荐对象之后,在渲染的每个推荐对象的周边展示所述服务器在推荐所述推荐对象时使用的推荐规则信息。
在一种可能的实施方式中,还包括:
优化模块,被配置为执行在根据所述回查数据,响应所述行为回查请求之后,根据行为回查结果,对所述服务器在向所述行为回查对象推荐推荐对象时使用的推荐规则信息进行优化。
在一种可能的实施方式中,所述回查数据库中数据的类别包括:
账户操作行为数据与服务器推荐行为数据之间的关联信息;账户与终端之间的关联信息;终端画像;账户画像。
根据本公开实施例的第三方面,提供一种电子设备,包括:至少一个处理器,以及与所述至少一个处理器通信连接的存储器,其中:
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行上述任一行为回查方法。
根据本公开实施例的第四方面,提供一种存储介质,当所述存储介质中的指令由电子设备的处理器执行时,所述电子设备能够执行上述任一行为回查方法。
根据本公开实施例的第五方面,提供一种计算机程序产品,该程序产品在被计算机调用执行时,可以使得计算机执行上述任一行为回查方法。
本公开的实施例提供的技术方案至少带来以下有益效果:
接收行为回查请求,根据行为回查请求中包含的行为回查对象的查询信息,从回查数据库中查询行为回查对象的回查数据,该回查数据用于表征行为回查对象与服务器在向行为回查对象推荐推荐对象时使用的推荐规则之间的匹配程度,根据回查数据,响应行为回查请求,其中,回查数据库中的数据是对分散在多个搜集数据库中的行为回查对象的初始数据定期进行抽取、转换处理后得到的,且回查数据库中的数据是按照配置的数据存储结构进行存储的,这样,分析人员不必再手动搜集数据、分析数据,因此,可提供一种自动获取并分析行为回查对象的行为的方案,提升推荐规则的制定效率,而且,从回查数据库中获取到的行为回查对象的回查数据比较全面,也利于提升推荐规则的制定准确率。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理,并不构成对本公开的不当限定。
图1是根据一示例性实施例示出的一种计算装置的结构示意图。
图2是根据一示例性实施例示出的一种行为回查方法的流程图。
图3是根据一示例性实施例示出的一种响应行为回查请求的方法流程图。
图4是根据一示例性实施例示出的又一种行为回查方法的流程图。
图5是根据一示例性实施例示出的一种行为回查平台的示意图。
图6是根据一示例性实施例示出的一种渲染数据的示意图。
图7是根据一示例性实施例示出的一种行为回查装置的框图。
具体实施方式
为了使本领域普通人员更好地理解本公开的技术方案,下面将结合附图,对本公开实施例中的技术方案进行清楚、完整地描述。
需要说明的是,本公开的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本公开的实施例能够以除了在这里图示或描述的那些以外的顺序实施。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
本公开提供的行为回查方法可以应用到多种电子设备中,图1给出了一种电子设备的结构示意图,这里,图1所示的电子设备10仅仅是一个示例,并不对本申请实施例的功能和使用范围带来任何限制。
如图1所示,电子设备10以通用计算设备的形式表现,电子设备10的组件可以包括但不限于:至少一个处理单元101、至少一个存储单元102、连接不同系统组件(包括存储单元102和处理单元101)的总线103。
总线103表示几类总线结构中的一种或多种,包括存储器总线或者存储器控制器、外围总线、处理器或者使用多种总线结构中的任意总线结构的局域总线。
存储单元102可以包括易失性存储器形式的可读介质,例如随机存取存储器(RAM)1026和/或高速缓存存储器1022,还可以进一步包括只读存储器(ROM)1023。
存储单元102还可以包括具有一组(至少一个)程序模块1024的程序/实用工具1021,这样的程序模块1024包括但不限于:操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。
电子设备10也可以与一个或多个外部设备104(例如键盘、指向设备等)通信,还可与一个或者多个使得用户能与电子设备10交互的设备通信,和/或与使得该电子设备10能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口101进行。并且,电子设备10还可以通过网络适配器106与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。
如图1所示,网络适配器106通过总线103与用于电子设备10的其它模块通信。应当理解,尽管图1中未示出,可以结合电子设备10使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
本领域技术人员应当理解,图1仅仅是电子设备的举例,并不构成对电子设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件。
需要说明的是,本公开实施例中的账户包括在指定应用的服务器上注册过的账户,也包括未在指定应用的服务器上注册、但登录过指定应用的服务器的账户。
图2是根据一示例性实施例示出的一种行为回查方法的流程图,该方法的流程图包括以下步骤。
S201:接收行为回查请求,其中,行为回查请求中包含行为回查对象的查询信息。
实际应用中,可提供行为回查页面,分析人员在行为回查页面上输入行为回查对象的查询字段或者点击行为回查页面上已显示的行为回查对象的查询字段,就可触发行为回查请求,并在行为回查请求中携带与分析人员输入或者选择的查询字段所对应的查询信息。
具体实施时,行为回查对象为终端或者账户,也就是说,可以以终端为单位来进行行为回查,也可以以账户为单位进行行为回查,其中:
当行为回查对象为终端时,行为回查对象的查询信息为终端标识,或者,行为回查对象的查询信息为终端标识与账户标识、活跃时间段的任意组合。
这里,当行为回查对象的查询信息为终端标识时,行为回查请求用于查询终端在指定应用中的行为数据;当行为回查对象的查询信息为终端标识和账户标识时,行为回查请求用于查询终端上登录过的某个账户在指定应用中的行为数据;当行为回查对象的查询信息为终端标识和活跃时间段时,行为回查请求用于查询某个时间段内终端在指定应用中的行为数据;当行为回查对象的查询信息为终端标识、账户标识和活跃时间段时,行为回查请求用于查询某个时间段内终端上登录过的某个账户在指定应用中的行为数据。
当行为回查对象为账户时,行为回查对象的查询信息为账户标识,或者,行为回查对象的查询信息为账户标识与终端标识、活跃时间段的任意组合。
这里,当行为回查对象的查询信息为账户标识时,行为回查请求用于查询账户在指定应用中的行为数据;当行为回查对象的查询信息为账户标识和终端标识时,行为回查请求用于查询账户在使用某个终端时在指定应用中的行为数据;当行为回查对象的查询信息为账户标识和活跃时间段时,行为回查请求用于查询某个时间段内账户在指定应用中的行为数据;当行为回查对象的查询信息为账户标识、终端标识和活跃时间段时,行为回查请求用于查询某个时间段内账户在使用某个终端时在指定应用中的行为数据。
也就是说,本公开实施例中,当行为回查对象是终端时,可以回查终端在指定应用中的行为数据,回查某个时间段内终端在指定应用中的行为数据,回查终端上登录的某个账户在指定应用中的行为数据,回查某个时间段内终端上登录的某个账户在指定应用中的行为数据;而当行为回查对象是账户时,可以回查账户在指定应用中的行为数据,回查某个时间段内账户在指定应用中的行为数据,回查账户在使用某个终端时在指定应用中的行为数据,回查某个时间段内账户在使用某个终端时在指定应用中的行为数据,这样,不但行为回查对象可灵活设置,而且,相同行为回查对象的回查粒度也有粗有细,回查能力比较强,分析人员的回查选择比较多,因此,可提升分析人员的使用体验。
S202:根据查询信息,从回查数据库中查询行为回查对象的回查数据,其中,回查数据库中的数据是对分散在多个搜集数据库中的初始数据定期进行抽取、转换处理后得到的,且回查数据库中的数据是按照配置的数据存储结构进行存储的。
这里,回查数据用于表征行为回查对象与服务器在向行为回查对象推荐推荐对象时使用的推荐规则之间的匹配程度。
具体实施时,回查数据库中数据的类别可以包括:账户操作行为数据与服务器推荐行为数据之间的关联信息、账户与终端之间的关联信息、终端画像、以及账户画像,其中,账户操作行为数据如点击、点赞、评论、转发推荐对象的次数、点击、点赞、评论、转发推荐对象的时间,活跃时间段信息等;服务器推荐行为数据如服务器在向行为回查对象推荐推荐对象时使用的推荐规则信息、向行为回查对象推荐的推荐对象的个数、向行为回查对象推荐的推荐对象的对象标识等;账户与终端之间的关联信息如一个账户在哪些终端上登录过,一个终端上登录过哪些账户;终端画像如终端标识、终端第一次登陆服务器的时间、终端的活跃地信息(活跃地属于南方还是北方、活跃地城市、活跃地区县)、终端的生产厂商、终端的型号、终端获取指定应用的渠道信息(渠道名称和渠道类型)等;账户画像如账户的昵称、头像、账户对应用户的年龄段、性别等。
实际应用中,分散在多个搜集数据库中的初始数据是不断更新的,为了保证回查数据库中数据的时效性,可定期对分散在多个搜集数据库中的初始数据进行抽取、转换处理。并且,为了提高回查数据库中数据的可用性,还可按照配置的数据存储结构将转换处理后的数据存储在回查数据库中,以支持后续对行为回查对象的行为回查。
另外,为了提升后续回查数据查询的速度,回查数据库中的数据可按列存储,比如,回查数据库可以为clickhouse数据库。
具体实施时,需要从搜集数据库中抽取哪些数据、以及对抽取的数据如何进行转换是开发人员根据实际的回查需求预先设置的,也就是说,本公开实施例是按照配置的抽取规则对分散在多个搜集数据库中的初始数据定期进行抽取,并按照配置的转换规则对抽取的数据进行转换处理。
S203:根据回查数据,响应行为回查请求。
具体实施时,可以直接将回查数据作为行为回查请求的响应结果,也可以按照图3所示的流程响应行为回查请求,该流程包括以下步骤:
S301a:根据回查数据,对配置的各种回查指标进行计算。
实际应用中,行为回查对象的行为数据可以从多个维度来体现,而回查指标则是行为表现的一个维度,具体需要从哪些维度来体现行为回查对象的行为数据,由开发人员根据实际需求或经验确定,也就是说,各种回查指标由开发人员预先配置。
具体实施时,回查指标主要包括两类,第一类回查指标与至少两个推荐对象相关联,如曝光量、观看量、点赞量、评论量、转发量、关注页中账户观看的推荐对象的数量、发现页中账户观看过的推荐对象的数量、同城页中账户观看过的推荐对象的数量;第二类回查指标仅与单个推荐对象相关联,如账户对服务器推荐的每个推荐对象的观看程度(账户对推荐对象的观看时间与推荐对象的时长的比值)。
另外,每种回查指标都配置有相应的计算方式如求和、取平均、求比值等,对每种回查指标,可从回查数据中获取计算该回查指标所需的数据,进而按照该回查指标对应的计算方式对获取的数据进行计算,即可得到该回查指标的计算结果。
S302a:根据各种回查指标的计算结果,响应行为回查请求。
比如,直接展示各种回查指标的计算结果,这些计算结果即是行为回查对象的行为表现数据。
具体实施时,若回查数据包括服务器向行为回查对象推荐的推荐对象的对象标识,则可根据对象标识获取在渲染对应推荐对象时所需的渲染信息,根据渲染信息,渲染服务器向行为回查对象推荐的推荐对象,并在渲染页面上展示各种回查指标的计算结果。
比如,将与单个推荐对象关联的回查指标的计算结果展示在渲染的单个推荐对象的周边,以及将与至少两个推荐对象关联的回查指标的计算结果展示在预设位置。
这样,可使分析人员直观地感知行为回查对象与服务器在向行为回查对象推荐推荐对象时使用的推荐规则之间的匹配情况。
另外,若回查数据还包括服务器在向行为回查对象推荐推荐对象时使用的推荐规则信息,则在根据渲染信息渲染服务器向行为回查对象推荐的推荐对象之后,还可在渲染的每个推荐对象的周边展示服务器在推荐推荐对象时使用的推荐规则信息,以进一步提升渲染页面的展示效果。
具体实施时,为了使分析人员能够全面了解行为回查对象的情况,还可以从回查数据库中查询行为回查对象的终端画像和账户画像,将查询到的行为回查对象的终端画像和账户画像也展示在渲染页面上。
实际应用中,服务器在向新增行为回查对象(指第一次登陆服务器的时刻与当前时刻之间的时长小于预设时长的终端或账户)推荐指定应用中的推荐对象时,经常会存在因为缺少相关数据而推荐不准确的问题,如推荐对象的封面或内容观感差、不符合用户的观看喜好、命中商业化广告等,这会影响新增行为回查对象对指定应用的实际观感和体验,对新增行为回查对象的留存有较大的负面影响。
为了更好地向新增行为回查对象推荐指定应用中的推荐对象,改善新增行为回查对象对指定应用的实际观感和体验,留住新增行为回查对象,可以设置对新增行为回查对象的筛选信息,以便分析人员可以获取新增行为回查对象的回查数据,针对性地分析新增行为回查对象在指定应用中的行为数据,优化服务器在向新增行为回查对象推荐指定应用中的推荐对象时使用的推荐规则信息。
图4是根据一示例性实施例示出的又一种行为回查方法的流程图,该方法的流程图包括以下步骤。
S401:接收对行为回查对象的筛选请求,其中,筛选请求中包含有行为回查对象的筛选信息。
实际应用中,需要从哪些维度筛选行为回查对象、以及需要从哪个时间段筛选行为回查对象是开发人员根据实际的回查需求预先设置的。也就是说,供分析人员选择的筛选信息是开发人员预先配置好的。
具体实施时,行为回查对象为终端或账户,其中:
当行为回查对象为终端时,筛选信息如终端的新增日期、终端的新增时间段、终端所在城市的城市等级、终端所在城市的城镇类型,终端获取指定应用的渠道、终端标识等。
这里,当筛选信息不是终端标识时,筛选请求用于筛选满足筛选信息的一批终端;当筛选信息为终端标识时,筛选请求用于筛选出指定终端。
当行为回查对象是账户时,筛选信息如账户的新增日期、账户的新增时间段、账户标识等。
类似地,当筛选信息不是账户标识时,筛选请求用于筛选满足筛选信息的一批账户;当筛选信息是账户标识时,筛选请求用于筛选出指定账户。
S402:从回查数据库中查询符合筛选条件的至少一个行为回查对象。
实际应用中,回查数据库中的数据是对分散在多个搜集数据库中的初始数据定期进行抽取、转换处理后得到的,且回查数据库中的数据是按照配置的数据存储结构进行存储的,其中,回查数据库中数据的类别包括:账户操作行为数据与服务器推荐行为数据之间的关联信息;账户与终端之间的关联信息;终端画像;账户画像。
S403:展示这至少一个行为回查对象的用于进行行为回查的查询信息。
具体实施时,展示的任一行为回查对象的查询信息可以是在分析人员的操作下逐步增多的。
比如,初始时只展示各行为回查对象的对象标识(终端标识或账户标识),当分析人员点击某个行为回查对象之后,再展示该行为回查对象更多的查询信息如活跃时间段信息。
S404:接收行为回查请求,其中,行为回查请求中包含任一行为回查对象的查询信息。
当行为回查对象为终端时,行为回查对象的查询信息为终端标识,或者,行为回查对象的查询信息为终端标识与账户标识、活跃时间段的任意组合。
而当行为回查对象为账户时,行为回查对象的查询信息为账户标识,或者,行为回查对象的查询信息为账户标识与终端标识、活跃时间段的任意组合。
S405:根据查询信息,从回查数据库中查询行为回查对象的回查数据。
其中,回查数据用于表征行为回查对象与服务器在向行为回查对象推荐推荐对象时使用的推荐规则之间的匹配程度。
S406:根据查询到的回查数据,对配置的各种回查指标进行计算。
S407:根据各种回查指标的计算结果,响应行为回查请求。
具体实施时,若回查数据包括服务器向行为回查对象推荐的推荐对象的对象标识,则可根据服务器向行为回查对象推荐的推荐对象的对象标识,获取在渲染对应推荐对象时所需的渲染信息,根据获取的渲染信息,渲染服务器向行为回查对象推荐的推荐对象,在渲染页面上展示各种回查指标的计算结果。
比如,可将与单个推荐对象关联的回查指标的计算结果展示在渲染的单个推荐对象的周边,以及将与至少两个推荐对象关联的回查指标的计算结果展示在渲染页面的预设位置。
另外,当回查数据还包括服务器在向行为回查对象推荐推荐对象时使用的推荐规则信息时,在根据渲染信息,渲染服务器向行为回查对象推荐的推荐对象之后,还可在渲染的每个推荐对象的周边展示服务器在推荐推荐对象时使用的推荐规则信息。
具体实施时,为了使分析人员全面了解行为回查对象的情况,渲染页面上还可以显示行为回查对象的终端画像和账户画像。
本公开实施例中,当利用终端查询账户的行为数据时,先找出满足条件的终端,然后查询出这些终端绑定的账户,如果分析人员选择某个终端,则可查看终端整体的行为数据,也可查看终端关联的任一账户的行为数据;当利用账户查终端的行为数据时,先找到账户关联的终端,然后,可选择任一终端进行查看账户在该终端上的行为数据。
S408:根据行为回查结果,对服务器在向行为回查对象推荐推荐对象时使用的推荐规则信息进行优化。
本公开实施例中,对分散在多个搜集数据库中的行为回查对象的初始数据定期进行抽取、转换处理,并将转换处理后的数据按照配置的数据存储结构存储在回查数据库中,之后,分析人员可以通过行为回查对象的筛选信息从回查数据库中筛选行为回查对象,其中,当筛选信息是新增时间时即是从回查数据库中筛选新增行为回查对象,并可从回查数据库中回查任一新增行为回查对象的行为数据,这样,分析人员不必再手动搜集数据、分析数据,因此,可提供一种自动获取并分析行为回查对象的行为数据的方案,提升推荐规则的制定效率,而且,从回查数据库中获取到的行为回查对象的回查数据比较全面,也利于制定出更准确的推荐规则。
实际应用中,服务器向账户推荐的推荐对象如视频、修饰视频时使用的模板等,下面以服务器向账户推荐的推荐对象是视频、且行为回查对象为终端为例,对本公开实施例进行介绍。
本公开实施例提供一个效率工具平台,该平台既能结构化组织终端/账户在指定应用中的行为数据,充分挖掘数据价值,也能提供完整地针对新增终端/账户的查询定位,以及行为回查功能,方便分析人员了解新增终端/账户使用指定应用的情况,从而助力策略优化,提升指定应用的账户留存率。
图5是根据一示例性实施例示出的一种行为回查平台的示意图,该平台主要包含三个模块:基础数据模块、实时分析模块和渲染模块,其中:
基础数据模块,用于为实时分析模块提供基础数据,其主要工作是通过抽取、转换和加载(Extraction-Transformation-Loading,ETL)定期产出数据,然后,将产出的数据导入clickhouse中。
具体实施时,数据基础模块中主要包括四部分数据:15日内新增终端的消费日志表,终端-账户之间的关系表,终端画像、以及账户画像,并且,这四部分数据都是以支持查询的数据存储结构进行存储的。
其中,用于生成15日内新增终端的消费日志表的原始数据(即分散在多个搜集数据库中的部分初始数据)包括账户的视频消费信息、账户的操作行为信息和账户的活跃时间段信息。并且,15日内新增终端的消费日志表的主要字段有:账户标识、终端标识、是否曝光、曝光时间、视频集的标识(服务器一次性推荐一组视频,这一组视频具有相同的标识)、视频集中每个视频的标识、是否观看;观看时长;是否点赞;是否转发;是否讨厌;是否评论;活跃日期;服务器推荐这一组视频时使用的推荐规则信息。通过15日内新增终端的消费日志表,可以得知账户通过什么终端观看了什么视频,对视频的点赞、转发、评论等行为,并且,可以得知服务器向账户推荐的是什么视频,服务器在向账户推荐这些视频时使用的推荐规则信息。
而用于生成终端-账户之间的关系表的原始数据(即分散在多个搜集数据库中的部分初始数据)包括每日新增的终端信息和账户的活跃时间段信息。终端-账户之间的关系表的主要字段如账户标识、终端标识等。通过终端-账户之间的关系表,可以得知终端上登录过哪些账户,账户在哪些终端上登录过。
而用于生成账户画像的原始数据(即分散在多个搜集数据库中的部分初始数据)包括每日新增的终端信息、账户的年龄信息、指定应用中每日注册的账户信息、账户的活跃时间段信息和账户的性别信息。账户画像的主要字段如账户标识、年龄、性别、昵称、头像等。通过账户画像可以得知账户的基本信息。
而用于生成终端画像的原始数据(即分散在多个搜集数据库中的部分初始数据)包括终端上账户的性别信息、新增渠道的维度信息、终端获取指定应用的渠道信息和账户的活跃时间段信息。终端画像的主要字段如终端标识、新设备时间(终端首次登陆服务器的时间)、活跃地属于南方或北方、活跃地所在省份、活跃地所在市、活跃地所在区县、终端厂商、终端型号、新增终端渠道类型(如线上、线下等)、新增终端获取指定应用的渠道名称、城市等级、地区类型、城镇类型等。通过终端画像可以得知终端的详细信息,并且,终端画像的数据存储结构能够支持多维度地搜索终端,如终端标识、是哪天新增的终端、城市等级是一线还是二线、城镇类型是农村还是城市、哪个渠道新增的、终端品牌和型号是什么、终端当日活跃地等。
实时分析模块,用于对从基础数据模块查询的数据实时地进行聚合运算。
其中,photoService用于为实时分析模块提供推荐对象的基本信息如宽、高、时长、是否被删除等;photoUrlService用于提供推荐对象的播放地址等;idBitService用于监测用户状态如用户封禁可能导致推荐对象不可见,推荐对象的状态(是否被设置为私密、是否被删除等);userCacheService用于获取账户头像。
需要说的是,实时分析模块在确定任一推荐对象被删除或者处于私密状态时,都不再分析行为回查对象对该推荐对象的操作行为数据,后续,渲染模块也不会再渲染该推荐对象,以避免侵犯用户隐私。
渲染模块,用于呈现终端画像、账户画像、新增终端近15日内的行为数据(这三部分数据即行为回查请求的响应)。
具体实施时,平台可展示的数据主要包括:视频行为明细信息和用户信息,其中:
视频行为明细信息如:
行为发起者:新增终端的标识或者账户标识;
行为信息:视频是否曝光、是否观看视频、是否点赞视频、是否评论视频、是否转发视频、是否讨厌视频,讨厌原因;
视频信息:视频标识、推荐视频时使用的推荐规则信息;
行为时间:各类行为发生的时间。
用户信息如:
终端粒度:新增日期、当日活跃南北方-省份-城市、终端新增渠道类型-渠道号-渠道名称、手机品牌-型号、年龄分段;
账户粒度:年龄分段、性别。
图6是根据一示例性实施例示出的一种渲染数据的示意图,其中,终端画像包括终端标识、新增日期、当日活跃地等;账户画像包括账户标识、性别、年龄段等;新增终端近15日内的行为数据包括:曝光量、观看量、点赞量、评论量、转发量、减少此类作品信息;关注页中终端观看的视频量、发现页中终端观看的视频量、同城页中终端观看的视频量同城量、终端观看过的每个视频的视频标识、终端的观看进度、观看时间,以及服务器向该终端推荐视频时使用的推荐规则信息。
该平台可以方便的通过账户标识定位账户、及账户曾经关联过的终端,能够选中任意终端来对查看账户的行为数据,且可以区分账户在每一个活跃时间段内的行为数据,该平台也可以通过终端标识反向定位账户信息,查看终端上每一账户的行为数据,平台的回查能力比较强。
本公开实施例中,基础数据模块中的数据是对分散在多个服务器中的账户描述数据、账户操作行为的描述数据和服务器推荐行为的描述数据进行抽取、转换处理后得到的,因此,基础数据模块提供的数据更集中、也更全面,可使数据分析更直接、更全面,问题发现更加简便,并且,回查数据库中的数据是按照配置的数据存储结构进行存储的,而数据存储结构是根据平台支持的查询请求配置的,因此,能提升推荐规则的准确度和制定效率。
当本公开实施例中提供的方法以软件或硬件或软硬件结合实现的时候,电子设备中可以包括多个功能模块,每个功能模块可以包括软件、硬件或其结合。
图7是根据一示例性实施例示出的一种行为回查装置的框图,该装置包括第一接收模块701,第一查询模块702和第一响应模块703。
第一接收模块701,被配置为执行接收行为回查请求,所述行为回查请求中包含行为回查对象的查询信息;
第一查询模块702,被配置为执行根据所述查询信息,从回查数据库中查询行为回查对象的回查数据,所述回查数据库中的数据是对分散在多个搜集数据库中的初始数据定期进行抽取、转换处理后得到的,且所述回查数据库中的数据是按照配置的数据存储结构进行存储的,所述回查数据用于表征所述行为回查对象与服务器在向所述行为回查对象推荐推荐对象时使用的推荐规则之间的匹配程度;
第一响应模块703,被配置为执行根据所述回查数据,响应所述行为回查请求。
在一种可能的实施方式中,当行为回查对象为终端时,行为回查对象的查询信息为终端标识,或者,行为回查对象的查询信息为终端标识与账户标识、活跃时间段的任意组合;
当行为回查对象为账户时,行为回查对象的查询信息为账户标识,或者,行为回查对象的查询信息为账户标识与终端标识、活跃时间段的任意组合。
在一种可能的实施方式中,还包括:
第二接收模块704,被配置为执行在接收行为回查请求之前,接收对行为回查对象的筛选请求,所述筛选请求中包含有行为回查对象的筛选信息;
第二查询模块705,被配置为执行从回查数据库中查询符合所述筛选条件的至少一个行为回查对象;
第二响应模块706,被配置为执行展示所述至少一个行为回查对象的用于进行行为回查的查询信息。
在一种可能的实施方式中,所述第一响应模块703被具体配置为执行:
根据所述回查数据,对配置的各种回查指标进行计算;
根据各种回查指标的计算结果,响应所述行为回查请求。
在一种可能的实施方式中,若所述回查数据包括所述服务器向所述行为回查对象推荐的推荐对象的对象标识,则所述第一响应模块703被具体配置为执行:
根据所述对象标识,获取在渲染对应推荐对象时所需的渲染信息;
根据所述渲染信息,渲染所述服务器向所述行为回查对象推荐的推荐对象;
在渲染页面上展示各种回查指标的计算结果。
在一种可能的实施方式中,所述第一响应模块703被具体配置为执行:
将与单个推荐对象关联的回查指标的计算结果展示在渲染的单个推荐对象的周边,以及将与至少两个推荐对象关联的回查指标的计算结果展示在渲染页面的预设位置。
在一种可能的实施方式中,若所述回查数据还包括所述服务器在向所述行为回查对象推荐推荐对象时使用的推荐规则信息,则所述第一响应模块703还被配置为执行:
在根据所述渲染信息,渲染所述服务器向所述行为回查对象推荐的推荐对象之后,在渲染的每个推荐对象的周边展示所述服务器在推荐所述推荐对象时使用的推荐规则信息。
在一种可能的实施方式中,还包括:
优化模块707,被配置为执行在根据所述回查数据,响应所述行为回查请求之后,根据行为回查结果,对所述服务器在向所述行为回查对象推荐推荐对象时使用的推荐规则信息进行优化。
在一种可能的实施方式中,所述回查数据库中数据的类别包括:
账户操作行为数据与服务器推荐行为数据之间的关联信息;账户与终端之间的关联信息;终端画像;账户画像。
关于上述实施例中的装置,其中各个模块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。
本公开实施例中对模块的划分是示意性的,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,另外,在本公开各个实施例中的各功能模块可以集成在一个处理器中,也可以是单独物理存在,也可以两个或两个以上模块集成在一个模块中。各个模块相互之间的耦合可以是通过一些接口实现,这些接口通常是电性通信接口,但是也不排除可能是机械接口或其它的形式接口。因此,作为分离部件说明的模块可以是或者也可以不是物理上分开的,既可以位于一个地方,也可以分布到同一个或不同设备的不同位置上。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。
本公开实施例还提供一种电子设备,包括:至少一个处理器,以及与所述至少一个处理器通信连接的存储器,其中:
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行时,所述至少一个处理器能够执行前述实施例中涉及的行为回查方法
本公开实施例还提供了一种存储介质,当所述存储介质中的指令由电子设备的处理器执行时,所述电子设备能够执行前述实施例中涉及的行为回查方法。
在一些可能的实施方式中,本公开提供的行为回查方法的各个方面还可以实现为一种程序产品的形式,其包括程序代码,当所述程序产品在电子设备上运行时,所述程序代码用于使所述电子设备执行前述实施例中涉及的行为回查方法。
所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以是但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
本公开实施例中用于行为回查的程序产品可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码,并可以在计算设备上运行。然而,本公开的程序产品不限于此,在本文件中,可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了可读程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质,该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于无线、有线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本公开操作的程序代码,所述程序设计语言包括面向对象的程序设计语言诸如Java、C++等,还包括常规的过程式程序设计语言诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络包括局域网(LAN)或广域网(WAN)连接到用户计算设备,或者,可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
应当注意,尽管在上文详细描述中提及了装置的若干单元或子单元,但是这种划分仅仅是示例性的并非强制性的。实际上,根据本公开的实施方式,上文描述的两个或更多单元的特征和功能可以在一个单元中具体化。反之,上文描述的一个单元的特征和功能可以进一步划分为由多个单元来具体化。
此外,尽管在附图中以特定顺序描述了本公开方法的操作,但是,这并非要求或者暗示必须按照该特定顺序来执行这些操作,或是必须执行全部所示的操作才能实现期望的结果。附加地或备选地,可以省略某些步骤,将多个步骤合并为一个步骤执行,和/或将一个步骤分解为多个步骤执行。
本领域内的技术人员应明白,本公开的实施例可提供为方法、系统、或计算机程序产品。因此,本公开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,本公开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。
本公开是参照根据本公开实施例的方法、装置(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。
尽管已描述了本公开的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例做出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本公开范围的所有变更和修改。
显然,本领域的技术人员可以对本公开进行各种改动和变型而不脱离本公开的精神和范围。这样,倘若本公开的这些修改和变型属于本公开权利要求及其等同技术的范围之内,则本公开也意图包含这些改动和变型在内。
Claims (10)
1.一种行为回查方法,其特征在于,包括:
接收行为回查请求,所述行为回查请求中包含行为回查对象的查询信息;
根据所述查询信息,从回查数据库中查询行为回查对象的回查数据,所述回查数据库中的数据是对分散在多个搜集数据库中的初始数据定期进行抽取、转换处理后得到的,且所述回查数据库中的数据是按照配置的数据存储结构进行存储的,所述回查数据用于表征所述行为回查对象与服务器在向所述行为回查对象推荐推荐对象时使用的推荐规则之间的匹配程度;
根据所述回查数据,响应所述行为回查请求。
2.根据权利要求1所述的方法,其特征在于,当行为回查对象为终端时,行为回查对象的查询信息为终端标识,或者,行为回查对象的查询信息为终端标识与账户标识、活跃时间段的任意组合;
当行为回查对象为账户时,行为回查对象的查询信息为账户标识,或者,行为回查对象的查询信息为账户标识与终端标识、活跃时间段的任意组合。
3.根据权利要求1所述的方法,其特征在于,接收行为回查请求之前,还包括:
接收对行为回查对象的筛选请求,所述筛选请求中包含有行为回查对象的筛选信息;
从回查数据库中查询符合所述筛选条件的至少一个行为回查对象;
展示所述至少一个行为回查对象的用于进行行为回查的查询信息。
4.根据权利要求1-3任一所述的方法,其特征在于,根据所述回查数据,响应所述行为回查请求,包括:
根据所述回查数据,对配置的各种回查指标进行计算;
根据各种回查指标的计算结果,响应所述行为回查请求。
5.根据权利要求4所述的方法,其特征在于,若所述回查数据包括所述服务器向所述行为回查对象推荐的推荐对象的对象标识,则根据各种回查指标的计算结果,响应所述行为回查请求,包括:
根据所述对象标识,获取在渲染对应推荐对象时所需的渲染信息;
根据所述渲染信息,渲染所述服务器向所述行为回查对象推荐的推荐对象;
在渲染页面上展示各种回查指标的计算结果。
6.根据权利要求5所述的方法,其特征在于,在渲染页面上展示各种回查指标的计算结果,包括:
将与单个推荐对象关联的回查指标的计算结果展示在渲染的单个推荐对象的周边,以及将与至少两个推荐对象关联的回查指标的计算结果展示在渲染页面的预设位置。
7.根据权利要求6所述的方法,其特征在于,若所述回查数据还包括所述服务器在向所述行为回查对象推荐推荐对象时使用的推荐规则信息,则在根据所述渲染信息,渲染所述服务器向所述行为回查对象推荐的推荐对象之后,还包括:
在渲染的每个推荐对象的周边展示所述服务器在推荐所述推荐对象时使用的推荐规则信息。
8.一种行为回查装置,其特征在于,包括:
第一接收模块,被配置为执行接收行为回查请求,所述行为回查请求中包含行为回查对象的查询信息;
第一查询模块,被配置为执行根据所述查询信息,从回查数据库中查询行为回查对象的回查数据,所述回查数据库中的数据是对分散在多个搜集数据库中的初始数据定期进行抽取、转换处理后得到的,且所述回查数据库中的数据是按照配置的数据存储结构进行存储的,所述回查数据用于表征所述行为回查对象与服务器在向所述行为回查对象推荐推荐对象时使用的推荐规则之间的匹配程度;
第一响应模块,被配置为执行根据所述回查数据,响应所述行为回查请求。
9.一种电子设备,其特征在于,包括:至少一个处理器,以及与所述至少一个处理器通信连接的存储器,其中:
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行时,所述至少一个处理器能够执行如权利要求1-7中任一所述的行为回查方法。
10.一种存储介质,其特征在于,当所述存储介质中的指令由电子设备的处理器执行时,所述电子设备能够执行如权利要求1-7中任一所述的行为回查方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010563983.5A CN111797310A (zh) | 2020-06-19 | 2020-06-19 | 一种行为回查方法、装置、电子设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010563983.5A CN111797310A (zh) | 2020-06-19 | 2020-06-19 | 一种行为回查方法、装置、电子设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111797310A true CN111797310A (zh) | 2020-10-20 |
Family
ID=72804471
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010563983.5A Pending CN111797310A (zh) | 2020-06-19 | 2020-06-19 | 一种行为回查方法、装置、电子设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111797310A (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102053975A (zh) * | 2009-10-30 | 2011-05-11 | 国际商业机器公司 | 数据库系统和跨数据库查询优化方法 |
CN106611013A (zh) * | 2015-10-27 | 2017-05-03 | 中国电信股份有限公司 | 信息查询方法及系统 |
CN106778021A (zh) * | 2016-12-31 | 2017-05-31 | 深圳市前海康启源科技有限公司 | 医疗就诊信息管理系统及方法 |
CN107391692A (zh) * | 2017-07-26 | 2017-11-24 | 腾讯科技(北京)有限公司 | 一种推荐效果的评估方法及装置 |
US20180075092A1 (en) * | 2016-09-15 | 2018-03-15 | At&T Intellectual Property I, L.P. | Recommendation platform for structured queries |
CN108255886A (zh) * | 2016-12-29 | 2018-07-06 | 北京国双科技有限公司 | 推荐系统的评估方法及装置 |
CN109597842A (zh) * | 2018-12-14 | 2019-04-09 | 深圳前海微众银行股份有限公司 | 数据实时计算方法、装置、设备及计算机可读存储介质 |
-
2020
- 2020-06-19 CN CN202010563983.5A patent/CN111797310A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102053975A (zh) * | 2009-10-30 | 2011-05-11 | 国际商业机器公司 | 数据库系统和跨数据库查询优化方法 |
CN106611013A (zh) * | 2015-10-27 | 2017-05-03 | 中国电信股份有限公司 | 信息查询方法及系统 |
US20180075092A1 (en) * | 2016-09-15 | 2018-03-15 | At&T Intellectual Property I, L.P. | Recommendation platform for structured queries |
CN108255886A (zh) * | 2016-12-29 | 2018-07-06 | 北京国双科技有限公司 | 推荐系统的评估方法及装置 |
CN106778021A (zh) * | 2016-12-31 | 2017-05-31 | 深圳市前海康启源科技有限公司 | 医疗就诊信息管理系统及方法 |
CN107391692A (zh) * | 2017-07-26 | 2017-11-24 | 腾讯科技(北京)有限公司 | 一种推荐效果的评估方法及装置 |
CN109597842A (zh) * | 2018-12-14 | 2019-04-09 | 深圳前海微众银行股份有限公司 | 数据实时计算方法、装置、设备及计算机可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20170140038A1 (en) | Method and system for hybrid information query | |
US9590880B2 (en) | Dynamic collection analysis and reporting of telemetry data | |
US20170052652A1 (en) | System for high volume data analytics and data ingestion | |
CN101923557B (zh) | 数据分析系统及方法 | |
Heymann et al. | Turkalytics: analytics for human computation | |
CN109388791B (zh) | 图表动态展示方法、装置、计算机设备及存储介质 | |
CN105144155B (zh) | 可视地表示多源数据的查询 | |
CN111198976A (zh) | 云上资产关联分析系统、方法、电子设备及介质 | |
CN111414410A (zh) | 数据处理方法、装置、设备和存储介质 | |
CN110990445A (zh) | 一种数据处理方法、装置、设备和介质 | |
CN113807062A (zh) | 一种组合密度图在线绘制方法、装置和电子设备 | |
CN112749863A (zh) | 关键词的调价方法及装置、电子设备 | |
CN110519263A (zh) | 防刷量方法、装置、设备及计算机可读存储介质 | |
CN105786941B (zh) | 一种信息挖掘方法和装置 | |
CN111159559A (zh) | 根据用户需求和用户行为构建推荐引擎的方法 | |
JP2011501849A (ja) | 情報マップ管理システムおよび情報マップ管理方法 | |
CN108959450B (zh) | 一种热门评论确定系统、方法、装置和可读介质 | |
KR100835905B1 (ko) | 웹사이트 방문자의 웹페이지 내부 클릭분포를 시각화하는장치 및 그를 이용하여 시각화하는 방법 | |
CN107085599B (zh) | Poi推荐方法、装置、设备及计算机可读存储介质 | |
CN113010208A (zh) | 一种版本信息的生成方法、装置、设备及存储介质 | |
KR102197152B1 (ko) | 투자정보 제공 시스템 | |
CN111797310A (zh) | 一种行为回查方法、装置、电子设备和存储介质 | |
CN113032819A (zh) | 搜索提示词的确定方法、系统以及信息处理方法 | |
CN113672758B (zh) | 歌单生成方法、装置、介质和计算设备 | |
CN111353864B (zh) | 一种产品推荐方法、装置、服务器及存储介质 |
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 |