CN112307298B - 个人品牌标签的生成方法及其装置 - Google Patents
个人品牌标签的生成方法及其装置 Download PDFInfo
- Publication number
- CN112307298B CN112307298B CN201910665850.6A CN201910665850A CN112307298B CN 112307298 B CN112307298 B CN 112307298B CN 201910665850 A CN201910665850 A CN 201910665850A CN 112307298 B CN112307298 B CN 112307298B
- Authority
- CN
- China
- Prior art keywords
- personal
- brand
- user
- page
- jump
- 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
- 238000000034 method Methods 0.000 title claims abstract description 75
- 239000013598 vector Substances 0.000 claims description 39
- 230000006399 behavior Effects 0.000 claims description 13
- 238000011156 evaluation Methods 0.000 claims description 13
- 238000000605 extraction Methods 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000010586 diagram Methods 0.000 description 10
- 230000009191 jumping Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 230000004931 aggregating effect Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000003064 k means clustering Methods 0.000 description 1
- 230000007774 longterm Effects 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
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
-
- 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
- G06F16/906—Clustering; Classification
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
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)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种个人品牌标签的生成方法及其装置。其中,方法包括:获取与个人品牌相关的检索信息。其中,个人品牌包括姓名,检索信息包括检索记录和页面跳转记录。根据页面跳转记录,获取对应的跳转页面。对多个跳转页面的标签进行聚类,以得到聚类后的多个标签组。根据每个标签组中的多个标签,生成标签组对应的组名,将多个组名作为个人品牌标签。由此,实现了根据网络上的相关检索信息,获取多个跳转页面的标签,对标签进行聚类后得到个人品牌标签。充分利用了网络上的检索信息,避免了主观因素对个人品牌标签的影响,对个人品牌进行了准确客观地标记。
Description
技术领域
本发明涉及数据处理技术领域,尤其涉及一种个人品牌标签的生成方法及其装置。
背景技术
随着互联网的不断发展,网民数量与日俱增,网络上与某个用户相关的信息,能够影响其他用户对该用户的印象,塑造该用户在网络中的个人形象,进而生成该用户的个人品牌,也被称之为个人IP。比如演员周某某的个人品牌是无厘头的表演,周某某的个人品牌是中国风的歌曲。
用户的个人品牌由网络中与该用户相关的信息决定,为了能够对不同用户的个人品牌进行标记,可以采用个人品牌标签来对不同用户的个人品牌进行标记,因此亟需一种个人品牌标签的生成方法。
发明内容
有鉴于此,本发明实施例提供了一种个人品牌标签的生成方法及其装置,用以对个人品牌进行准确客观地标记。
一方面,本发明实施例提供了一种个人品牌标签的生成方法,所述方法包括:获取与个人品牌相关的检索信息;其中,所述个人品牌包括姓名,所述检索信息包括检索记录和页面跳转记录;根据所述页面跳转记录,获取对应的跳转页面;在所述跳转页面获取页面信息,并对所述页面信息进行信息提取,以获取所述跳转页面中的多个页面元素;将多个所述跳转页面中的页面元素进行比较,以获取每个所述跳转页面的核心元素;对所述核心元素进行特征提取,并将所述核心元素的特征作为所述跳转页面的标签;对多个所述跳转页面的标签进行聚类,以得到聚类后的多个标签组;根据每个所述标签组中的多个所述标签,生成所述标签组对应的组名;将多个所述组名作为所述个人品牌标签。
进一步地,所述跳转页面包括与所述个人品牌相关的商品信息,以及所述商品信息对应的购买信息,所述购买信息包括购买数量和购买金额,在根据所述页面跳转记录,获取对应的跳转页面之后,还包括:获取所述检索记录对应的多个用户;分别获取每个所述用户在多个所述跳转页面分别对应的所述购买数量和所述购买金额,并计算所述用户的购买总金额;根据所述检索记录和每个所述用户的购买总金额,评估所述个人品牌的影响力。
进一步地,所述个人品牌的影响力通过以下公式进行评估:
;
其中,X为所述个人品牌的影响力,A1为所述检索记录的数量,A2为A1的最小参考值,A3为A1的最大参考值,B1为每个所述用户对应的所述检索记录的数量均值,B2为B1的最小参考值,B3为B1的最大参考值,C1为所述购买总金额不为0的所述用户的数量占所述用户的总数量的比值,C2为C1的最小参考值,C3为C1的最大参考值,D1为所述用户对应的人均年购买力数值,D2为D1的最小参考值,D3为D1的最大参考值,E1为每个所述用户的购买总金额的总和,E2为E1的最小参考值,E3为E1的最大参考值。
进一步地,在所述将多个所述组名作为所述个人品牌标签之后,还包括:将每个所述跳转页面与所述个人品牌标签进行对应;获取每个所述个人品牌标签对应的所述购买数量和所述购买金额;根据所述购买数量和所述购买金额,对所述个人品牌标签进行排序。
进一步地,在所述获取所述检索记录对应的多个用户之后,还包括:获取每个所述用户的访问记录;根据所述访问记录,生成每个所述用户的用户特征;对每个所述用户的用户特征进行统计和聚类,以生成所述个人品牌对应的用户画像;查找与所述用户画像相匹配的潜在用户;根据所述潜在用户的个人信息和行为信息,评估所述个人品牌的潜在影响力。
进一步地,在所述将多个所述组名作为所述个人品牌标签之后,还包括:将每个所述个人品牌标签与所述个人品牌组成个人关联词;分别获取每个所述个人关联词对应的检索记录数量,并生成个人品牌关联向量;将每个所述个人品牌标签与商品品牌组成商品关联词;分别获取每个所述商品关联词对应的检索记录数量,并生成商品品牌关联向量;根据所述个人品牌关联向量和所述商品品牌关联向量,计算所述个人品牌与所述商品品牌的匹配度。
一方面,本发明实施例提供了一种个人品牌标签的生成装置,所述装置包括:第一获取模块,用于获取与个人品牌相关的检索信息;其中,所述个人品牌包括姓名,所述检索信息包括检索记录和页面跳转记录;第二获取模块,用于根据所述页面跳转记录,获取对应的跳转页面;第三获取模块,用于在所述跳转页面获取页面信息;第一提取模块,用于对所述页面信息进行信息提取,以获取所述跳转页面中的多个页面元素;比较模块,用于将多个所述跳转页面中的页面元素进行比较,以获取每个所述跳转页面的核心元素;第二提取模块,用于对所述核心元素进行特征提取;第一设置模块,用于将所述核心元素的特征作为所述跳转页面的标签;第一聚类模块,用于对多个所述跳转页面的标签进行聚类,以得到聚类后的多个标签组;第一生成模块,用于根据每个所述标签组中的多个所述标签,生成所述标签组对应的组名;第二设置模块,用于将多个所述组名作为所述个人品牌标签。
进一步地,所述跳转页面包括与所述个人品牌相关的商品信息,以及所述商品信息对应的购买信息,所述购买信息包括购买数量和购买金额,所述装置还包括:第四获取模块,用于获取所述检索记录对应的多个用户;第五获取模块,用于分别获取每个所述用户在多个所述跳转页面分别对应的所述购买数量和所述购买金额;第一计算模块,用于计算所述用户的购买总金额;第一评估模块,用于根据所述检索记录和每个所述用户的购买总金额,评估所述个人品牌的影响力。
进一步地,所述个人品牌的影响力通过以下公式进行评估:
;
其中,X为所述个人品牌的价值,A1为所述检索记录的数量,A2为A1的最小参考值,A3为A1的最大参考值,B1为每个所述用户对应的所述检索记录的数量均值,B2为B1的最小参考值,B3为B1的最大参考值,C1为所述购买总金额不为0的所述用户的数量占所述用户的总数量的比值,C2为C1的最小参考值,C3为C1的最大参考值,D1为所述用户对应的人均年购买力数值,D2为D1的最小参考值,D3为D1的最大参考值,E1为每个所述用户的购买总金额的总和,E2为E1的最小参考值,E3为E1的最大参考值。
进一步地,所述装置还包括:对应模块,用于将每个所述跳转页面与所述个人品牌标签进行对应;第六获取模块,用于获取每个所述个人品牌标签对应的所述购买数量和所述购买金额;排序模块,用于根据所述购买数量和所述购买金额,对所述个人品牌标签进行排序。
进一步地,所述装置还包括:第七获取模块,用于获取每个所述用户的访问记录;第二生成模块,用于根据所述访问记录,生成每个所述用户的用户特征;第二聚类模块,用于对每个所述用户的用户特征进行统计和聚类,以生成所述个人品牌对应的用户画像;查找模块,用于查找与所述用户画像相匹配的潜在用户;第二评估模块,用于根据所述潜在用户的个人信息和行为信息,评估所述个人品牌的潜在影响力。
进一步地,所述装置还包括:第一组词模块,用于将每个所述个人品牌标签与所述个人品牌组成个人关联词;第八获取模块,用于分别获取每个所述个人关联词对应的检索记录数量,并生成个人品牌关联向量;第二组词模块,用于将每个所述个人品牌标签与商品品牌组成商品关联词;第九获取模块,用于分别获取每个所述商品关联词对应的检索记录数量,并生成商品品牌关联向量;第二计算模块,根据所述个人品牌关联向量和所述商品品牌关联向量,计算所述个人品牌与所述商品品牌的匹配度。
一方面,本发明实施例提供了一种存储介质,所述存储介质包括存储的程序,其中,在所述程序运行时控制所述存储介质所在设备执行上述的个人品牌标签的生成方法。
一方面,本发明实施例提供了一种计算机设备,包括存储器和处理器,所述存储器用于存储包括程序指令的信息,所述处理器用于控制程序指令的执行,所述程序指令被处理器加载并执行时实现上述的个人品牌标签的生成方法的步骤。
在本发明实施例中,根据网络上的相关检索信息,获取多个跳转页面的标签,对标签进行聚类后得到个人品牌标签。充分利用了网络上的检索信息,避免了主观因素对个人品牌标签的影响,对个人品牌进行了准确客观地标记。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要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性的前提下,还可以根据这些附图获得其它的附图。
图1为本发明实施例提供的一种个人品牌标签的生成方法的流程示意图;
图2为本发明实施例所提供的另一种个人品牌标签的生成方法的流程示意图;
图3为本发明实施例所提出的又一种个人品牌标签的生成方法流程示意图;
图4为本发明实施例所提出的再一种个人品牌标签的生成方法的流程示意图;
图5为本发明实施例所提出的一种个人品牌标签的生成装置的结构示意图;
图6为本发明实施例所提供的另一种个人品牌标签的生成装置的结构示意图;
图7为本发明实施例所提供的又一种个人品牌标签的生成装置的结构示意图;
图8为本发明实施例所提供的再一种个人品牌标签的生成装置的结构示意图;以及
图9为本发明实施例提供的一种计算机设备的示意图。
具体实施方式
为了更好的理解本发明的技术方案,下面结合附图对本发明实施例进行详细描述。
应当明确,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
在本发明实施例中使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本发明。在本发明实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。
应当理解,本文中使用的术语“和/或”仅仅是一种描述关联对象的相同的字段,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中字符“/”,一般表示前后关联对象是一种“或”的关系。
应当理解,尽管在本发明实施例中可能采用术语第一、第二、第三等来描述预设范围等,但这些预设范围不应限于这些术语。这些术语仅用来将预设范围彼此区分开。例如,在不脱离本发明实施例范围的情况下,第一预设范围也可以被称为第二预设范围,类似地,第二预设范围也可以被称为第一预设范围。
取决于语境,如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”或“响应于检测”。类似地,取决于语境,短语“如果确定”或“如果检测(陈述的条件或事件)”可以被解释成为“当确定时”或“响应于确定”或“当检测(陈述的条件或事件)时”或“响应于检测(陈述的条件或事件)”。
下面参考附图描述本发明实施例的个人品牌标签的生成方法及其装置。
基于前述对背景技术的说明,可以知道,用户的个人品牌可以通过个人品牌标签来进行标记。为了准确地生成不同用户的个人品牌标签,需要通过对网络中与该用户相关的信息进行分析处理,准确客观地生成对应的个人品牌标签。
针对这一问题,本发明实施例提出了一种个人品牌标签的生成方法,根据网络上的相关检索信息,获取多个跳转页面的标签,对标签进行聚类后得到个人品牌标签。充分利用了网络上的检索信息,避免了主观因素对个人品牌标签的影响,对个人品牌进行了准确客观地标记。
图1为本发明实施例提供的一种个人品牌标签的生成方法的流程示意图。如图1所示,该方法包括:
步骤S101,获取与个人品牌相关的检索信息。
其中,个人品牌包括姓名,检索信息包括检索记录和页面跳转记录。
具体地,可以通过数据挖掘技术对搜索引擎中与个人品牌相关的检索信息进行数据挖掘。比如,利用姓名作为搜索引擎的检索关键词,获取对应的检索结果,采用遍历的方式对检索结果进行统计和分析,获得检索记录和页面跳转记录。
可以理解,搜索引擎在获取对话框中的检索关键词后,生成对应的检索结果,并以检索记录的形式存储检索关键词和对应的检索结果。其中,检索结果是指页面跳转的链接,页面跳转的链接与跳转页面相对应,因此可以根据检索结果跳转至对应的跳转页面,并将跳转页面和页面跳转的链接以页面跳转记录的形式进行存储。
步骤S102,根据页面跳转记录,获取对应的跳转页面。
可以理解,由于本发明实施例所提供的个人品牌标签的生成方法需要对跳转页面中的数据信息进行进一步分析和处理。因此在获取了检索记录和页面跳转记录之后,还需要对跳转页面进行访问。具体可以根据页面跳转记录来进行页面跳转,获取对应的跳转页面。
步骤S103,在跳转页面获取页面信息,并对页面信息进行信息提取,以获取跳转页面中的多个页面元素。
需要说明的是,使用搜索引擎来获取与姓名相关的检索信息,通常采用的是文字匹配的方式,即跳转页面中的数据信息中包含姓名或者与姓名相关的信息,即会被搜索引擎检索到,将跳转页面对应的链接作为检索结果。
因此,需要对跳转页面的页面信息进行信息提取,进行进一步分析。通常页面信息中会包括多个页面元素,将页面元素按照类型进行划分,可以分为文字元素,视频元素,图像元素等。按照重要性进行划分,可以分为核心元素和辅助元素。
对于跳转页面而言,通常会有页面主题,而且页面主题会以文字的形式进行标明。此外,对于同一类型的跳转页面,页面主题文字的位置通常也是固定的。比如,对于新闻消息的报道页面,页面主题文字通常在页面的头部中央,对于包含视频的页面,页面主题文字通常在视频的上方或者下方。
步骤S104,将多个跳转页面中的页面元素进行比较,以获取每个跳转页面的核心元素。
本发明实施例所提供的个人品牌标签的生成方法,通过将多个跳转页面中的页面元素进行比较的方式,来获取每个跳转页面的核心元素。
需要说明的是,对于同一家网站所提供的多个跳转页面,在页面信息展示时通常采用相同的页面模板,将不同的信息元素填入页面模板中,生成对应的跳转页面。比如说,对于淘宝商品展示页面来说,存在统一的商品展示模板,商品图片、商品名称、商品规格、商品评论等各种页面元素都有预设的展示位置,店家在商品展示时只需将不同的页面元素填入预设的展示位置,即可生成商品展示页面。因此,本发明实施例通过对不同跳转页面中的页面元素进行比较,即可得到不同跳转页面中相对应的页面元素的区别点和共同点,进而得到每个跳转页面的核心元素。
需要特别说明的是,每个跳转页面的核心元素的数量可以是一个或者多个,本发明实施例对此不做限定。比如说,多个跳转页面分别是明星A代言的多个商品展示页面,具体是各种品牌的外套,经过对不同跳转页面中的相对应的页面元素进行比较,共同点是外套都是青少年的外套,因此可以将这些跳转页面的核心元素设置为外套、青少年。此外,在这些跳转页面中,第一部分外套是日韩风格,第二部分服装是欧美风格,那么可以为对应的跳转页面分别增加对应的核心元素:日韩风格和欧美风格,最终第一部分的跳转页面的核心元素是外套、青少年和日韩风格,第二部分的跳转页面的核心元素是外套、青少年和欧美风格。
步骤S105,对核心元素进行特征提取,并将核心元素的特征作为跳转页面的标签。
需要说明的是,步骤S104中获取的核心元素通常是跳转页面中直接包括的页面元素,比较具象,而个人品牌标签通常是较为抽象的描述,因此需要对核心元素进行特征提取,转化为较为抽象的标签。
基于步骤S104中的示例进行说明,对于外套这一核心元素,特征提取后可以得到服装这一特征。对于青少年这一核心元素,特征提取后可以得到青春、活力的特征。对于日韩风格这一核心元素,特征提取后可以得到精致、个性的特征。对于欧美风格这一核心元素,特征提取后可以得到简约、大气的特征。第一部分的跳转页面的标签是服装、青春、活力、精致、个性,第二部分的跳转页面的标签是服装、青春、活力、简约、大气。
步骤S106,对多个跳转页面的标签进行聚类,以得到聚类后的多个标签组。
步骤S107,根据每个标签组中的多个标签,生成标签组对应的组名。
步骤S108,将多个组名作为个人品牌标签。
可以理解,由于网络中存在与个人品牌相关的各种检索信息,相应地存在各种跳转页面,不同跳转页面的标签可能相同,可能相似,也可能完全不同,因此要对获得的跳转页面的标签进行聚类,将相同或者相似的标签放在一起,将不同的标签分开。具体可以采用K-means聚类算法等已有的文本聚类算法对标签进行聚类处理,本发明实施例对此不做限定。
在聚类处理之后,即可将相同或者相似的标签放在同一个标签组中,并将每一个标签组中最具代表性的标签作为该标签组对应的组名。将聚类处理后得到的多个组名整理为一个词向量,作为个人品牌标签。
需要说明的是,虽然每个组名都是个人品牌标签之一,但是不同组名对于个人品牌标签的影响力是不同的。在多个标签组中,标签数量较多的,对应的组名对个人品牌标签的影响力较大。标签数量较少的,对应的组名对个人品牌标签的影响力较小。
综上所述,本发明实施例所提供的个人品牌标签的生成方法,获取与个人品牌相关的检索信息。其中,个人品牌包括姓名,检索信息包括检索记录和页面跳转记录。根据页面跳转记录,获取对应的跳转页面。在跳转页面获取页面信息,并对页面信息进行信息提取,以获取跳转页面中的多个页面元素。将多个跳转页面中的页面元素进行比较,以获取每个跳转页面的核心元素。对核心元素进行特征提取,并将核心元素的特征作为跳转页面的标签。对多个跳转页面的标签进行聚类,以得到聚类后的多个标签组。根据每个标签组中的多个标签,生成标签组对应的组名,将多个组名作为个人品牌标签。由此,实现了根据网络上的相关检索信息,获取多个跳转页面的标签,对标签进行聚类后得到个人品牌标签。充分利用了网络上的检索信息,避免了主观因素对个人品牌标签的影响,对个人品牌进行了准确客观地标记。
此外,用户使用搜索引擎检索关键字通常是以下步骤:将关键词输入搜索引擎进行检索,获取该姓名对应的检索结果,用户在多个检索结果中选择一条检索结果的链接进行点击,页面发生跳转,跳转至该链接对应的跳转页面。显然,用户在搜索引擎中的检索、点击以及页面跳转的行为都会在搜索引擎中留下记录,作为该用户的检索记录和页面跳转记录。可以理解,每个用户在搜索引擎中进行类似操作时,都会留下对应的检索记录和页面跳转记录。因此,可以为每个用户建立数据库,来存储对应的检索记录和页面跳转记录。
因此,为了能够对个人品牌的影响力进行评估,本发明实施例还提出了另一种个人品牌标签的生成方法。图2为本发明实施例所提供的另一种个人品牌标签的生成方法的流程示意图。如图2所示,基于图1所示的方法流程,跳转页面包括与个人品牌相关的商品信息,以及商品信息对应的购买信息,购买信息包括购买数量和购买金额,在步骤S102,根据页面跳转记录,获取对应的跳转页面之后,还包括:
步骤S201,获取检索记录对应的多个用户。
可以理解,每个用户的数据库中存储了对应的检索记录,也可以根据检索记录,找到存储有该检索记录的所有数据库,进而找到对应的多个用户。
步骤S202,分别获取每个用户在多个跳转页面分别对应的购买数量和购买金额,并计算用户的购买总金额。
步骤S203,根据检索记录和每个用户的购买总金额,评估个人品牌的影响力。
为了对个人品牌的影响力进行评估,本发明实施例通过对用户的购买行为进行分析和统计。可以理解,与个人品牌相关的商品的销售情况越好,说明该个人品牌的影响力越大。
考虑到跳转页面中的商品的销售情况可能受到其他因素的影响,换句换说,用户购买商品可能并不是因为该商品与个人品牌相关,而是受到其他因素的影响。举例来说,用户购买了一件韩式修身款T恤,并不是因为这款T恤是由他喜欢的明星代言的,而只是因为用户喜欢衣服的款式,与代言的明星无关。为了能够将其他因素的影响去除,本发明实施例提出了两种评估方法。
第一种方法,不对购买了商品所有用户进行分析,只对进行了姓名检索的用户的行为进行分析。具体可以通过以下公式计算:
。
其中,X为个人品牌的影响力,A1为检索记录的数量,A2为A1的最小参考值,A3为A1的最大参考值,B1为每个用户对应的检索记录的数量均值,B2为B1的最小参考值,B3为B1的最大参考值,C1为购买总金额不为0的用户的数量占用户的总数量的比值,C2为C1的最小参考值,C3为C1的最大参考值,D1为用户对应的人均年购买力数值,D2为D1的最小参考值,D3为D1的最大参考值,E1为每个用户的购买总金额的总和,E2为E1的最小参考值,E3为E1的最大参考值。
需要说明的是,上述公式中,A1的数值通过对所有用户的检索记录进行统计和分析得到,具体通过获取每个用户的全部检索记录,找到每个用户的检索记录中进行了对应姓名的检索的次数,相加后得到A1的数值。可以理解,由于每个个人品牌的影响力都需要进行评估,因此对每个个人品牌都需要求得对应的检索记录的数量,在所有个人品牌中,找到检索记录的数量最少的数值作为最小参考值,找到检索记录的数量最多的数值作为最大参考值。在获取了个人品牌对应的检索记录的总数后,还可以结合进行检索的用户,得到每位用户对应的检索记录的数量均值,也就是B1。类似的,通过和其他个人品牌进行数值比较,确定B2和B3两个参考值。
此外,在上述用户中,部分用户虽然进行了个人品牌对应的姓名检索,但是最终没有购买与个人品牌相关的商品,C1即为其中购买了与个人品牌相关的商品的用户数量的人数比例。类似的,通过和其他个人品牌进行数值比较,确定C2和C3两个参考值。可以理解,由于个人品牌往往和多个商品相关,在评估个人品牌影响力时,只要是与个人品牌相关的商品,都列入考虑的范围,也就是说不管商品的购买金额,只要用户进行了购买,即可列入购买了商品的用户的范围内。
此外,由于不同用户的收入水平和购买力水平存在差异,对于收入水平和购买力水平较高的用户,其购买商品的金额和数量通常也较高。因此,用户的人均购买力水平越高,个人品牌的影响力也就越大。为了对个人品牌的影响力进行衡量,需要将用户的人均购买力水平纳入考虑。具体地,D1为上述购买了商品的用户中,用户的人均年购买力数值。也就是说,上述用户除了购买了与个人品牌相关的商品,还购买过与该个人品牌无关的商品,那么一年内用户购买全部商品的购买金额,即为一年内该用户的购买力数值,上述用户一年内的购买力数值对应的人均数值,即为上述用户的人均年购买力数值。类似的,通过和其他个人品牌进行数值比较,确定D2和D3两个参考值,
由于不同商品的购买数量和购买金额存在区分,需要通过用户购买总金额来进一步衡量个人品牌的影响力。具体地,E1为上述购买了与个人品牌相关的商品的用户中,所有用户购买了与个人品牌相关的商品的总金额。类似的,通过和其他个人品牌进行数值比较,确定E1和E2两个参考值。
可以理解,前述的多种影响力评估方式的重要性不同,因此对应的权重也不同,检索记录的数量对应的权重数值为25,每个用户对应的检索记录的数量均值对应的权重数值为10,购买与个人品牌相关的商品的用户数量的人数比例对应的权重数值为10,用户对应的人均年购买力数值对应的权重数值为10,所有用户购买总金额对应的权重数值为45。将前述多种影响力评估方式进行加权累加,即可得到个人品牌的综合影响力X。
第二种方法,对商品的同类商品进行分析,根据商品和同类商品的销售情况的对比,得到个人品牌与商品进行关联后,对商品的销售情况的影响,从而评估个人品牌的影响力。
比如说,可以统计商品在预设时间段内的销售总金额,以及多个同类商品在预设时间段内的销售总金额的均值,计算比值即可得到个人品牌对商品的影响力。若比值大于1.1,说明个人品牌对商品的影响力较大,若比值小于1.1,说明个人品牌对商品的影响力较小。
此外,上述两种个人品牌的影响力的评估方法,可以用于某个具体商品,某种类型商品,某个具体行业,某个电商平台等,本发明实施例对此不做限定。可以理解,对于上述的第一种方法,只需要对获取的检索记录进行进一步筛选,即可将评估方法用于具体场景。对于上述的第二种方法,只需要将商品的销售情况替换为其他对象的销售情况即可。
在步骤S108中,本发明实施例采用标签数量来衡量不同标签组的组名对个人品牌标签的影响力大小。基于前述说明可以知道,本发明实施例进一步通过对用户的购买行为进行分析和统计,来对个人品牌的影响力进行评估。因此,对于个人品牌标签影响力大小的衡量方式也需要相应改变。
具体地,在步骤S108,将多个组名作为个人品牌标签之后,还包括:
步骤S11,将每个跳转页面与个人品牌标签进行对应。
步骤S12,获取每个个人品牌标签对应的购买数量和购买金额。
步骤S13,根据购买数量和购买金额,对个人品牌标签进行排序。
可以理解,改变后的个人品牌标签的重要性衡量方式是,通过每个个人品牌标签对应的跳转页面中商品的购买数量和购买金额,计算每个个人品牌标签对应的购买总金额,购买总金额越高,个人品牌标签越重要,排名越靠前。
从而,实现了对个人品牌影响力进行评估。
基于前述对本发明实施例所提出的个人品牌标签的生成方法的说明,可以知道,前述对个人品牌影响力的评估主要基于已经购买商品的客户,因此评估的是已有的个人品牌的影响力,为了能够评估个人品牌的潜在影响力,本发明实施例还提出了又一种个人品牌标签的生成方法,图3为本发明实施例所提出的又一种个人品牌标签的生成方法流程示意图。如图3所示,基于图2所示的方法流程,在步骤S201,获取检索记录对应的多个用户之后,还包括:
步骤S301,获取每个用户的访问记录。
可以理解,每个用户在搜索引擎上留下的记录不仅包括与个人品牌相关的检索信息,还包括用户的访问记录,也就是用户曾经进行过的关键字检索的记录,以及访问过的跳转页面的记录。
步骤S302,根据访问记录,生成每个用户的用户特征。
可以理解,根据用户在网络上的行为,可以生成用户的性格、爱好、习惯、职业等用户特征。比如说,用户经常在搜索引擎中进行专业技术用语的关键字检索,并经常访问相关的技术论坛,那么可以将技术员作为该用户的用户特征。
步骤S303,对每个用户的用户特征进行统计和聚类,以生成个人品牌对应的用户画像。
可以理解,用户在网络上的行为众多,会留下大量的访问记录,根据不同访问记录会生成不同的用户特征,因此每个用户都会具有多个用户特征。先确定进行过个人品牌相关的检索的多个用户,将这些用户的用户特征进行统计,可以得到每个大量与个人品牌相关的用户特征,这些用户特征经过聚类处理后,可以得到个人品牌对应的用户特征。将每个用户特征作为用户画像的一个维度,即可得到个人品牌对应的用户画像。
步骤S304,查找与用户画像相匹配的潜在用户。
可以理解,根据步骤S303中生成的个人品牌对应的用户画像,可以确定该个人品牌在该用户画像匹配的人群中影响力较大。也就是说,一个没有购买过该个人品牌相关商品的用户,即潜在用户,在看到某商品与该个人品牌相关,受到该个人品牌的影响,很大可能会购买该商品。
步骤S305,根据潜在用户的个人信息和行为信息,评估个人品牌的潜在影响力。
可以理解,潜在用户的购买行为不仅受到个人品牌的影响,还和潜在用户本身的因素相关,根据潜在用户的个人信息和行为信息,可以进一步确定个人品牌的潜在影响力。
为了更加清楚地说明本申请实施例所提供的个人品牌的潜在影响力的评估方法,下面进行举例说明。
比如说,喜欢周某某的用户通常具有以下特征:年龄在40岁以下,喜欢中国风,喜欢潮流,喜欢流行,喜欢古典风格,喜欢浪漫,那么周某某对应的用户画像就包括上述特征。
对于一名从未购买过与周某某相关商品的用户,经过对该用户的网络行为进行分析,发现该用户具有以下特征:年龄在40岁以下,喜欢潮流,喜欢流行,喜欢古典风格,喜欢浪漫,基于用户的特征判断该用户购买与周某某相关的商品的可能性为80%。
现有一款周某某代言的风衣,价格是1000元,考虑到该用户之前购买服装的购买额度通常在1000-2000元,那么该用户购买该风衣的可能性为90%。
本申请实施例采用潜在购买金额来衡量个人品牌的潜在影响力,即周某某的个人品牌对该用户购买该款风衣的影响力为900(=1000*90%)元。类似的,对每一个潜在用户与每一种个人品牌相关的商品进行潜在购买金额的计算,可以得到该个人品牌的潜在影响力。
从而,实现了对个人品牌的潜在影响力进行评估。
此外,每种商品在长期的宣传和营销过程中会形成自己的商品品牌,比如Nike的商品品牌就是“just do it”,安踏的商品品牌就是“安踏,永不止步”。要实现个人品牌影响力的最大化,一种可能的实现方式是,让商品品牌与个人品牌的匹配度最高。为了计算个人品牌和商品品牌的匹配度,本发明实施例还提出了再一种个人品牌标签的生成方法。图4为本发明实施例所提出的再一种个人品牌标签的生成方法的流程示意图。如图4所示,基于图1所示的方法流程,在步骤S108,将多个组名作为个人品牌标签之后,还包括:
步骤S401,将每个个人品牌标签与个人品牌组成个人关联词。
可以理解,个人品牌通过个人品牌标签进行标记,每个个人品牌标签代表个人品牌的一个维度。而个人品牌通常是姓名,因此个人关联词通常是姓名和个人品牌标签组成的关联词,个人关联词与个人品牌标签一一对应。
步骤S402,分别获取每个个人关联词对应的检索记录数量,并生成个人品牌关联向量。
具体地,将每个个人关联词作为关键词,在搜索引擎中进行检索,可以得到对应的检索记录数量,每个个人关联词对应的检索记录数量的多少反映了个人品牌与该个人品牌标签的相关性。检索记录数量越多,说明该个人品牌与该个人品牌标签同时出现的次数越多,相关性越大。因此可以将检索记录数量作为个人品牌与每个个人品牌标签的关联度数值,将每个检索记录与个人品牌标签相对应,可以生成个人品牌的关联向量。
步骤S403,将每个个人品牌标签与商品品牌组成商品关联词。
步骤S404,分别获取每个商品关联词对应的检索记录数量,并生成商品品牌关联向量。
类似的,将个人品牌标签与商品品牌组成商品关联词,将商品关联词作为关键词输入搜索引擎,可以得到对应的检索记录数量,每个商品关联词对应的检索记录数量的多少反映了商品品牌与该个人品牌标签的相关性。检索记录数量越多,说明该商品品牌与该个人品牌标签同时出现的次数越多,相关性越大。因此可以将检索记录数量作为商品品牌与每个个人品牌标签的关联度数值,将每个检索记录与个人品牌标签相对应,可以生成商品品牌的关联向量。
步骤S405,根据个人品牌关联向量和商品品牌关联向量,计算个人品牌与商品品牌的匹配度。
需要说明的是,上述个人品牌关联向量和商品品牌关联向量的对应维度,对应于相同的个人品牌标签。因此可以采用个人品牌关联向量与商品品牌关联向量的匹配度,来反映个人品牌和商品品牌的匹配度。具体可以采用如下公式进行计算:
,其中,θ表示个人品牌关联向量与商品品牌关联向量之间的夹角,cos(θ)表示个人品牌和商品品牌的匹配度,θ越小,cos(θ)越大,个人品牌和商品品牌的匹配度越大。A表示个人品牌关联向量,B表示商品品牌关联向量,n表示个人品牌标签的数量,也就是个人品牌关联向量和商品品牌关联向量的维度数量,Ai和Bi分别表示个人品牌关联向量和商品品牌关联向量中的维度。
从而,实现了对个人品牌和商品品牌匹配度的计算。
为了实现上述实施例,本发明实施例还提出了一种个人品牌标签的生成装置。图5为本发明实施例所提出的一种个人品牌标签的生成装置的结构示意图。如图5所示,该装置包括:第一获取模块510,第二获取模块520,第三获取模块530,第一提取模块540,比较模块550,第二提取模块560,第一设置模块570,第一聚类模块580,第一生成模块590,第二设置模块5100。
第一获取模块510,用于获取与个人品牌相关的检索信息。
其中,个人品牌包括姓名,检索信息包括检索记录和页面跳转记录。
第二获取模块520,用于根据页面跳转记录,获取对应的跳转页面。
第三获取模块530,用于在跳转页面获取页面信息。
第一提取模块540,用于对页面信息进行信息提取,以获取跳转页面中的多个页面元素。
比较模块550,用于将多个跳转页面中的页面元素进行比较,以获取每个跳转页面的核心元素。
第二提取模块560,用于对核心元素进行特征提取。
第一设置模块570,用于将核心元素的特征作为跳转页面的标签。
第一聚类模块580,用于对多个跳转页面的标签进行聚类,以得到聚类后的多个标签组。
第一生成模块590,用于根据每个标签组中的多个标签,生成标签组对应的组名。
第二设置模块5100,用于将多个组名作为个人品牌标签。
需要说明的是,前述对个人品牌标签的生成方法实施例的解释说明也适用于该实施例的个人品牌标签的生成装置,此处不再赘述。
综上所述,本发明实施例所提供的个人品牌标签的生成装置,获取与个人品牌相关的检索信息。其中,个人品牌包括姓名,检索信息包括检索记录和页面跳转记录。根据页面跳转记录,获取对应的跳转页面。在跳转页面获取页面信息,并对页面信息进行信息提取,以获取跳转页面中的多个页面元素。将多个跳转页面中的页面元素进行比较,以获取每个跳转页面的核心元素。对核心元素进行特征提取,并将核心元素的特征作为跳转页面的标签。对多个跳转页面的标签进行聚类,以得到聚类后的多个标签组。根据每个标签组中的多个标签,生成标签组对应的组名,将多个组名作为个人品牌标签。由此,实现了根据网络上的相关检索信息,获取多个跳转页面的标签,对标签进行聚类后得到个人品牌标签。充分利用了网络上的检索信息,避免了主观因素对个人品牌标签的影响,对个人品牌进行了准确客观地标记。
为了实现上述实施例,本发明实施例还提出了另一种个人品牌标签的生成装置。图6为本发明实施例所提供的另一种个人品牌标签的生成装置的结构示意图。如图6所示,基于图5所示的装置结构,跳转页面包括与个人品牌相关的商品信息,以及商品信息对应的购买信息,购买信息包括购买数量和购买金额,该装置还包括:第四获取模块610,第五获取模块620,第一计算模块630,第一评估模块640。
第四获取模块610,用于获取检索记录对应的多个用户。
第五获取模块620,用于分别获取每个用户在多个跳转页面分别对应的购买数量和购买金额。
第一计算模块630,用于计算用户的购买总金额。
第一评估模块640,用于根据检索记录和每个用户的购买总金额,评估个人品牌的影响力。
进一步地,为了实现对个人品牌的影响力进行评估,一种可能的实现方式是,个人品牌的影响力通过以下公式进行评估:
。
其中,X为个人品牌的价值,A1为检索记录的数量,A2为A1的最小参考值,A3为A1的最大参考值,B1为每个用户对应的检索记录的数量均值,B2为B1的最小参考值,B3为B1的最大参考值,C1为购买总金额不为0的用户的数量占用户的总数量的比值,C2为C1的最小参考值,C3为C1的最大参考值,D1为用户对应的人均年购买力数值,D2为D1的最小参考值,D3为D1的最大参考值,E1为每个用户的购买总金额的总和,E2为E1的最小参考值,E3为E1的最大参考值。
进一步地,为了对个人品牌标签进行排序,一种可能的实现方式是,该装置还包括:对应模块650,用于将每个跳转页面与个人品牌标签进行对应。第六获取模块660,用于获取每个个人品牌标签对应的购买数量和购买金额。排序模块670,用于根据购买数量和购买金额,对个人品牌标签进行排序。
需要说明的是,前述对个人品牌标签的生成方法实施例的解释说明也适用于该实施例的个人品牌标签的生成装置,此处不再赘述。
从而,实现了对个人品牌影响力的评估。
为了实现上述实施例,本发明实施例还提出了又一种个人品牌标签的生成装置。图7为本发明实施例所提供的又一种个人品牌标签的生成装置的结构示意图。如图7所示,基于图6所示的装置结构,该装置还包括:第七获取模块710,第二生成模块720,第二聚类模块730,查找模块740,第二评估模块750。
第七获取模块710,用于获取每个用户的访问记录。
第二生成模块720,用于根据访问记录,生成每个用户的用户特征。
第二聚类模块730,用于对每个用户的用户特征进行统计和聚类,以生成个人品牌对应的用户画像。
查找模块740,用于查找与用户画像相匹配的潜在用户。
第二评估模块750,用于根据潜在用户的个人信息和行为信息,评估个人品牌的潜在影响力。
需要说明的是,前述对个人品牌标签的生成方法实施例的解释说明也适用于该实施例的个人品牌标签的生成装置,此处不再赘述。
从而,实现了对个人品牌的潜在影响力进行评估。
为了实现上述实施例,本发明实施例还提出了再一种个人品牌标签的生成装置。图8为本发明实施例所提供的再一种个人品牌标签的生成装置的结构示意图。如图8所示,基于图5所示的装置结构,该装置还包括:第一组词模块810,第八获取模块820,第二组词模块830,第九获取模块840,第二计算模块850。
第一组词模块810,用于将每个个人品牌标签与个人品牌组成个人关联词。
第八获取模块820,用于分别获取每个个人关联词对应的检索记录数量,并生成个人品牌关联向量。
第二组词模块830,用于将每个个人品牌标签与商品品牌组成商品关联词。
第九获取模块840,用于分别获取每个商品关联词对应的检索记录数量,并生成商品品牌关联向量。
第二计算模块850,根据个人品牌关联向量和商品品牌关联向量,计算个人品牌与商品品牌的匹配度。
需要说明的是,前述对个人品牌标签的生成方法实施例的解释说明也适用于该实施例的个人品牌标签的生成装置,此处不再赘述。
从而,实现了对个人品牌和商品品牌匹配度的计算。
为了实现上述实施例,本发明实施例还提出一种计算机设备,包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序,其特征在于,处理器执行计算机程序时实现如前述方法实施例的个人品牌标签的生成方法的步骤。
图9为本发明实施例提供的一种计算机设备的示意图。如图9所示,该实施例的计算机设备50包括:处理器51、存储器52以及存储在存储器52中并可在处理器51上运行的计算机程序53,该计算机程序53被处理器51执行时实现实施例中的个人品牌标签的生成方法,为避免重复,此处不一一赘述。或者,该计算机程序被处理器51执行时实现实施例中个人品牌标签的生成装置中各模型/单元的功能,为避免重复,此处不一一赘述。
计算机设备50可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。计算机设备可包括,但不仅限于,处理器51、存储器52。本领域技术人员可以理解,图6仅仅是计算机设备50的示例,并不构成对计算机设备50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,例如计算机设备还可以包括输入输出设备、网络接入设备、总线等。
所称处理器51可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器 (Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列 (Field-Programmable Gate Array,FPGA) 或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器52可以是计算机设备50的内部存储单元,例如计算机设备50的硬盘或内存。存储器52也可以是计算机设备50的外部存储设备,例如计算机设备50上配备的插接式硬盘,智能存储卡(Smart Media Card, SMC),安全数字(Secure Digital, SD)卡,闪存卡(Flash Card)等。进一步地,存储器52还可以既包括计算机设备50的内部存储单元也包括外部存储设备。存储器52用于存储计算机程序以及计算机设备所需的其他程序和数据。存储器52还可以用于暂时地存储已经输出或者将要输出的数据。
为了实现上述实施例,本发明实施例还提出一种计算机可读存储介质,计算机可读存储介质存储有计算机程序,其特征在于,计算机程序被处理器执行时实现如前述方法实施例的个人品牌标签的生成方法的步骤。
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。
在本发明所提供的几个实施例中,应该理解到,所揭露的系统,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,单元的划分,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,例如,多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
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单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
上述以软件功能单元的形式实现的集成的单元,可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中,包括若干指令用以使得一台计算机装置(可以是个人计算机,服务器,或者网络装置等)或处理器(Processor)执行本发明各个实施例方法的部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read-OnlyMemory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上仅为本发明的较佳实施例而已,并不用以限制本发明,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,均应包含在本发明保护的范围之内。
Claims (8)
1.一种个人品牌标签的生成方法,其特征在于,包括:
获取与个人品牌相关的检索信息;其中,所述个人品牌包括姓名,所述检索信息包括检索记录和页面跳转记录;
根据所述页面跳转记录,获取对应的跳转页面;
所述跳转页面包括与所述个人品牌相关的商品信息,以及所述商品信息对应的购买信息,所述购买信息包括购买数量和购买金额;
获取所述检索记录对应的多个用户;
分别获取每个所述用户在多个所述跳转页面分别对应的所述购买数量和所述购买金额,并计算所述用户的购买总金额;
根据所述检索记录和每个所述用户的购买总金额,评估所述个人品牌的影响力;
所述个人品牌的影响力通过以下公式进行评估:
;
其中,X为所述个人品牌的影响力,A1为所有用户的检索记录的数量,A2为A1的最小参考值,A3为A1的最大参考值,B1为每个所述用户对应的所述检索记录的数量均值,B2为B1的最小参考值,B3为B1的最大参考值,C1为所述购买总金额不为0的所述用户的数量占所述用户的总数量的比值,C2为C1的最小参考值,C3为C1的最大参考值,D1为所述用户对应的人均年购买力数值,D2为D1的最小参考值,D3为D1的最大参考值,E1为每个所述用户的购买总金额的总和,E2为E1的最小参考值,E3为E1的最大参考值;
在所述跳转页面获取页面信息,并对所述页面信息进行信息提取,以获取所述跳转页面中的多个页面元素;
将多个所述跳转页面中的页面元素进行比较,以获取每个所述跳转页面的核心元素;
对所述核心元素进行特征提取,并将所述核心元素的特征作为所述跳转页面的标签;
对多个所述跳转页面的标签进行聚类,以得到聚类后的多个标签组;
根据每个所述标签组中的多个所述标签,生成所述标签组对应的组名;以及
将多个所述组名作为所述个人品牌标签;
获取每个所述用户的访问记录;
根据所述访问记录,生成每个所述用户的用户特征;
对每个所述用户的用户特征进行统计和聚类,以生成所述个人品牌对应的用户画像;
查找与所述用户画像相匹配的潜在用户;
根据所述潜在用户的个人信息和行为信息,评估所述个人品牌的潜在影响力。
2.如权利要求1所述的方法,其特征在于,在所述将多个所述组名作为所述个人品牌标签之后,还包括:
将每个所述跳转页面与所述个人品牌标签进行对应;
获取每个所述个人品牌标签对应的所述购买数量和所述购买金额;
根据所述购买数量和所述购买金额,对所述个人品牌标签进行排序。
3.如权利要求1所述的方法,其特征在于,在所述将多个所述组名作为所述个人品牌标签之后,还包括:
将每个所述个人品牌标签与所述个人品牌组成个人关联词;
分别获取每个所述个人关联词对应的检索记录数量,并生成个人品牌关联向量;
将每个所述个人品牌标签与商品品牌组成商品关联词;
分别获取每个所述商品关联词对应的检索记录数量,并生成商品品牌关联向量;
根据所述个人品牌关联向量和所述商品品牌关联向量,计算所述个人品牌与所述商品品牌的匹配度。
4.一种个人品牌标签的生成装置,其特征在于,所述装置包括:
第一获取模块,用于获取与个人品牌相关的检索信息;其中,所述个人品牌包括姓名,所述检索信息包括检索记录和页面跳转记录;
第二获取模块,用于根据所述页面跳转记录,获取对应的跳转页面,所述跳转页面包括与所述个人品牌相关的商品信息,以及所述商品信息对应的购买信息;
第三获取模块,用于在所述跳转页面获取页面信息;
第四获取模块,用于获取所述检索记录对应的多个用户;
第五获取模块,用于分别获取每个所述用户在多个所述跳转页面分别对应的所述购买数量和所述购买金额;
第一计算模块,用于计算所述用户的购买总金额;
第一评估模块,用于根据所述检索记录和每个所述用户的购买总金额,评估所述个人品牌的影响力;
所述个人品牌的影响力通过以下公式进行评估:
;
其中,X为所述个人品牌的价值,A1为所有用户的检索记录的数量总和,A2为A1的最小参考值,A3为A1的最大参考值,B1为每个所述用户对应的所述检索记录的数量均值,B2为B1的最小参考值,B3为B1的最大参考值,C1为所述购买总金额不为0的所述用户的数量占所述用户的总数量的比值,C2为C1的最小参考值,C3为C1的最大参考值,D1为所述用户对应的人均年购买力数值,D2为D1的最小参考值,D3为D1的最大参考值,E1为每个所述用户的购买总金额的总和,E2为E1的最小参考值,E3为E1的最大参考值;
第一提取模块,用于对所述页面信息进行信息提取,以获取所述跳转页面中的多个页面元素;
比较模块,用于将多个所述跳转页面中的页面元素进行比较,以获取每个所述跳转页面的核心元素;
第二提取模块,用于对所述核心元素进行特征提取;
第一设置模块,用于将所述核心元素的特征作为所述跳转页面的标签;
第一聚类模块,用于对多个所述跳转页面的标签进行聚类,以得到聚类后的多个标签组;
第一生成模块,用于根据每个所述标签组中的多个所述标签,生成所述标签组对应的组名;
第二设置模块,用于将多个所述组名作为所述个人品牌标签;
第七获取模块,用于获取每个所述用户的访问记录;
第二生成模块,用于根据所述访问记录,生成每个所述用户的用户特征;
第二聚类模块,用于对每个所述用户的用户特征进行统计和聚类,以生成所述个人品牌对应的用户画像;
查找模块,用于查找与所述用户画像相匹配的潜在用户;
第二评估模块,用于根据所述潜在用户的个人信息和行为信息,评估所述个人品牌的潜在影响力。
5.如权利要求4所述的装置,其特征在于,所述装置还包括:
对应模块,用于将每个所述跳转页面与所述个人品牌标签进行对应;
第六获取模块,用于获取每个所述个人品牌标签对应的所述购买数量和所述购买金额;
排序模块,用于根据所述购买数量和所述购买金额,对所述个人品牌标签进行排序。
6.如权利要求4所述的装置,其特征在于,所述装置还包括:
第一组词模块,用于将每个所述个人品牌标签与所述个人品牌组成个人关联词;
第八获取模块,用于分别获取每个所述个人关联词对应的检索记录数量,并生成个人品牌关联向量;
第二组词模块,用于将每个所述个人品牌标签与商品品牌组成商品关联词;
第九获取模块,用于分别获取每个所述商品关联词对应的检索记录数量,并生成商品品牌关联向量;
第二计算模块,根据所述个人品牌关联向量和所述商品品牌关联向量,计算所述个人品牌与所述商品品牌的匹配度。
7.一种计算机设备,包括存储器、处理器以及存储在所述存储器中并可在所述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如权利要求1至3中任一项所述个人品牌标签的生成方法的步骤。
8.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至3任一项所述个人品牌标签的生成方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910665850.6A CN112307298B (zh) | 2019-07-23 | 2019-07-23 | 个人品牌标签的生成方法及其装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910665850.6A CN112307298B (zh) | 2019-07-23 | 2019-07-23 | 个人品牌标签的生成方法及其装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112307298A CN112307298A (zh) | 2021-02-02 |
CN112307298B true CN112307298B (zh) | 2023-11-07 |
Family
ID=74329586
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910665850.6A Active CN112307298B (zh) | 2019-07-23 | 2019-07-23 | 个人品牌标签的生成方法及其装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112307298B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113360689B (zh) * | 2021-06-28 | 2023-03-24 | 北京百度网讯科技有限公司 | 图像检索系统、方法、相关装置及计算机程序产品 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2014167516A1 (en) * | 2013-04-11 | 2014-10-16 | Brandshield Ltd. | Device, system, and method of protecting brand names and domain names |
CN105677857A (zh) * | 2016-01-01 | 2016-06-15 | 广州筷子信息科技有限公司 | 一种关键词与营销落地页的精准匹配方法和装置 |
CN106294779A (zh) * | 2016-08-12 | 2017-01-04 | 杭州来二去广告有限公司 | 一种个人品牌标签生成方法及系统 |
TW201709096A (zh) * | 2015-07-22 | 2017-03-01 | Rakuten Inc | 檢索裝置、檢索方法、記錄媒體及程式 |
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 |
CN108009293A (zh) * | 2017-12-26 | 2018-05-08 | 北京百度网讯科技有限公司 | 视频标签生成方法、装置、计算机设备和存储介质 |
-
2019
- 2019-07-23 CN CN201910665850.6A patent/CN112307298B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2014167516A1 (en) * | 2013-04-11 | 2014-10-16 | Brandshield Ltd. | Device, system, and method of protecting brand names and domain names |
TW201709096A (zh) * | 2015-07-22 | 2017-03-01 | Rakuten Inc | 檢索裝置、檢索方法、記錄媒體及程式 |
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 |
CN105677857A (zh) * | 2016-01-01 | 2016-06-15 | 广州筷子信息科技有限公司 | 一种关键词与营销落地页的精准匹配方法和装置 |
CN106294779A (zh) * | 2016-08-12 | 2017-01-04 | 杭州来二去广告有限公司 | 一种个人品牌标签生成方法及系统 |
CN108009293A (zh) * | 2017-12-26 | 2018-05-08 | 北京百度网讯科技有限公司 | 视频标签生成方法、装置、计算机设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112307298A (zh) | 2021-02-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102092691B1 (ko) | 웹페이지 트레이닝 방법 및 기기, 그리고 검색 의도 식별 방법 및 기기 | |
CN103678335B (zh) | 商品标识标签的方法、装置及商品导航的方法 | |
CN108346075B (zh) | 信息推荐方法和装置 | |
JP5721818B2 (ja) | 検索におけるモデル情報群の使用 | |
CN110827112B (zh) | 深度学习的商品推荐方法、装置、计算机设备及存储介质 | |
CN110325986A (zh) | 文章处理方法、装置、服务器及存储介质 | |
US20130254181A1 (en) | Aggregation and Categorization | |
JP2009193098A (ja) | 情報処理装置、情報処理方法、およびプログラム | |
CN113032668A (zh) | 基于用户画像的产品推荐方法、装置、设备及存储介质 | |
CN105931082A (zh) | 一种商品类目关键词提取方法和装置 | |
KR20200141251A (ko) | 사용자 맞춤형 패션 아이템 광고 방법 및 이를 실행하는 서버 | |
CN114219586A (zh) | 基于视频的购物推荐方法、装置、设备和存储介质 | |
CN113849748A (zh) | 信息展示方法、装置、电子设备及可读存储介质 | |
CN113744019A (zh) | 一种商品推荐方法、装置、设备及存储介质 | |
KR100876214B1 (ko) | 문맥기반 광고 장치와 그 방법 및 이를 구현할 수 있는컴퓨터로 읽을 수 있는 기록 매체 | |
US20210117987A1 (en) | Fraud estimation system, fraud estimation method and program | |
CN112307298B (zh) | 个人品牌标签的生成方法及其装置 | |
CN110968670B (zh) | 一种流行商品的属性获取方法、装置、设备及存储介质 | |
CN106919609B (zh) | 产品信息推送方法和装置 | |
CN113495987A (zh) | 数据搜索方法、装置、设备和存储介质 | |
EP3731108A1 (en) | Search system, search method, and program | |
CN111209925A (zh) | 性别预测方法、装置和计算机可读存储介质 | |
JP6698041B2 (ja) | 情報処理装置、方法およびプログラム | |
KR100888329B1 (ko) | 룰을 이용한 실시간 자동 정보 추출 시스템 및 방법 | |
CN114693245A (zh) | 用户画像生成方法及装置、电子设备、可读存储介质 |
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 | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: 200041 floor 11, No. 651, Nanjing West Road, Jing'an District, Shanghai Applicant after: Shanghai Yingfan Digital Technology Co.,Ltd. Address before: 200041 26th floor, East Building, China Merchants Plaza, 333 Chengdu North Road, Jing'an District, Shanghai Applicant before: Shanghai First Financial Data Technology Co.,Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |