CN112579638A - 行为标签信息的处理方法、装置、计算机设备及存储介质 - Google Patents
行为标签信息的处理方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN112579638A CN112579638A CN201910930513.5A CN201910930513A CN112579638A CN 112579638 A CN112579638 A CN 112579638A CN 201910930513 A CN201910930513 A CN 201910930513A CN 112579638 A CN112579638 A CN 112579638A
- Authority
- CN
- China
- Prior art keywords
- label
- tag
- setting
- historical
- user
- 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.)
- Granted
Links
- 238000003672 processing method Methods 0.000 title abstract description 9
- 230000010365 information processing Effects 0.000 title abstract description 5
- 230000006399 behavior Effects 0.000 claims abstract description 89
- 238000000034 method Methods 0.000 claims abstract description 62
- 238000012545 processing Methods 0.000 claims description 63
- 238000012216 screening Methods 0.000 claims description 22
- 238000010276 construction Methods 0.000 claims description 18
- 230000004931 aggregating effect Effects 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 8
- 238000004891 communication Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 abstract description 25
- 238000010586 diagram Methods 0.000 description 13
- 230000008569 process Effects 0.000 description 10
- 230000002776 aggregation Effects 0.000 description 8
- 238000004220 aggregation Methods 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 7
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000001186 cumulative effect Effects 0.000 description 2
- 238000005065 mining Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 235000009508 confectionery Nutrition 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 235000021147 sweet food Nutrition 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
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2455—Query execution
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2453—Query optimisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2471—Distributed queries
-
- 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)
- Theoretical Computer Science (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请涉及一种行为标签信息的处理方法、装置、计算机设备及存储介质。该方法通过消息队列获取用户行为的标签设置信息,标签设置信息包括用户标识、标签标识和标签设置类别;根据获取的用户标识和标签标识,在关系型数据库的用户标签设置数据表中进行查找,获得对应的历史标签设置信息,历史标签设置信息中包括历史标签设置类别值;对获取的标签设置类别所对应的数值与历史标签设置类别值进行加和处理,得到最新的标签设置类别值;根据最新的标签设置类别值更新历史标签设置信息。该方法通过采用关系型数据库提高查询的准确度,并采用通过预计算的方式分摊计算成本,以满足数据查询的时效性要求。
Description
技术领域
本申请涉及计算机信息处理领域,特别是涉及一种行为标签信息的处理方法、装置、计算机设备及存储介质。
背景技术
用户行为数据是用户访问网站所产生的信息。采集并分析用户行为数据可以让企业更加详细、清楚地了解用户的行为习惯,从而找出网站、推广渠道等企业营销环境存在的问题,有助于企业发掘高转化率页面,让企业的营销更加精准、有效,提高业务转化率,从而提升企业的广告收益。
目前,正是因为ElasticSearch是一个分布式、高扩展、高实时的搜索与数据分析引擎,因此多数人选择通过ElasticSearch分析存储在非关系型数据库(NoSQL)内的用户行为数据以挖掘出用户访问行为、相似用户群体、频繁访问路径和内容等有价值的信息。
但是,在传统技术中,利用ElasticSearch的聚合函数进行数据的实时性查询时存在一些误差,导致查询结果不准确的技术问题。
发明内容
基于此,有必要针对传统技术中利用ElasticSearch的聚合函数进行数据的实时性查询时存在一些误差,导致查询结果不准确的技术问题,提出一种行为标签信息的处理方法、装置、计算机设备及存储介质。
一种行为标签信息的处理方法,所述方法包括:
通过消息队列获取用户行为的标签设置信息,所述标签设置信息包括用户标识、标签标识和标签设置类别;
根据获取的用户标识和标签标识,在关系型数据库的用户标签设置数据表中进行查找,获得对应的历史标签设置信息,所述历史标签设置信息中包括历史标签设置类别值;
对获取的标签设置类别所对应的数值与所述历史标签设置类别值进行加和处理,得到最新的标签设置类别值;
根据所述最新的标签设置类别值更新所述历史标签设置信息。
在其中一个实施例中,所述标签设置信息还包括标签设置时间;所述根据所述最新的标签设置类别值更新所述历史标签设置信息,包括:
根据所述最新的标签设置类别值和所述标签设置时间更新所述历史标签设置信息。
在其中一个实施例中,所述方法还包括:
判断所述最新的标签设置类别值是否满足预设条件;
若满足,则从所述用户标签设置数据表中删除对应的历史标签设置信息。
在其中一个实施例中,所述标签设置类别包括构建标签和移除标签;所述对获取的标签设置类别所对应的数值与所述历史标签设置类别值进行加和处理,得到最新的标签设置类别值,包括:
若获取到的标签设置类别为构建标签,则对所述构建标签所对应的第一数值与所述历史标签设置类别值进行加和处理,得到最新的标签设置类别值;
若获取到的标签设置类别为移除标签,则对所述移除标签所对应的第二数值与所述历史标签设置类别值进行加和处理,得到最新的标签设置类别值。
在其中一个实施例中,所述构建标签所对应的第一数值与所述移除标签所对应的第二数值不等,且所述第一数值与所述第二数值互为相反数;所述判断所述最新的标签设置类别值是否满足预设条件,包括:
判断所述最新的标签设置类别值是否等于零;
所述若满足,则从所述用户标签设置数据表中删除对应的历史标签设置信息,包括:
若等于零,则从所述用户标签设置数据表中删除对应的历史标签设置信息。
在其中一个实施例中,所述方法还包括:
获取查询指令,所述查询指令包括预设时间区间;
根据所述标签设置时间,从所述用户标签设置数据表中,将位于所述预设时间区间内的历史标签设置信息进行筛选;
通过筛选得到的历史标签设置信息,获取所述标签标识及对应的历史标签设置类别值;
根据所述标签标识对获取到的历史标签设置类别值进行聚合处理,得到在所述预设时间区间内所述标签的使用信息;
将所述标签的使用信息以图表形式进行展示。
在其中一个实施例中,所述查询指令还包括服务号标识;所述根据所述标签设置时间,从所述用户标签设置数据表中,将位于所述预设时间区间内的历史标签设置信息进行筛选,包括:
根据所述标签设置时间和所述服务号标识,从所述用户标签设置数据表中,将位于所述预设时间区间内的历史标签设置信息进行筛选。
一种行为标签信息的处理装置,所述装置包括:
获取模块,用于通过消息队列获取用户行为的标签设置信息,所述标签设置信息包括用户标识、标签标识和标签设置类别;
查找模块,用于根据获取的用户标识和标签标识,在关系型数据库的用户标签设置数据表中进行查找,获得对应的历史标签设置信息,所述历史标签设置信息中包括历史标签设置类别值;
处理模块,用于对获取的标签设置类别所对应的数值与所述历史标签设置类别值进行加和处理,得到最新的标签设置类别值;
更新模块,用于根据所述最新的标签设置类别值更新所述历史标签设置信息。
一种计算机设备,包括至少一个处理器、以及与处理器连接的至少一个存储器、总线;其中,处理器、存储器通过总线完成相互间的通信;处理器用于调用存储器中的程序指令,以执行上述任一实施例中所述方法的步骤。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述任一实施例中所述方法的步骤。
上述行为标签信息的处理方法、装置、计算机设备及存储介质。该方法通过消息队列获取用户行为的标签设置信息,标签设置信息包括用户标识、标签标识和标签设置类别;根据获取的用户标识和标签标识,在关系型数据库的用户标签设置数据表中进行查找,获得对应的历史标签设置信息,历史标签设置信息中包括历史标签设置类别值;对获取的标签设置类别所对应的数值与历史标签设置类别值进行加和处理,得到最新的标签设置类别值;根据最新的标签设置类别值更新历史标签设置信息。该方法通过采用关系型数据库提高查询的准确度,并采用通过预计算的方式分摊计算成本,以满足数据查询的时效性要求。
附图说明
图1为一个实施例中行为标签信息的处理方法的应用环境图;
图2为一个实施例中行为标签信息的处理方法的流程示意图;
图3为一个实施例中行为标签信息的处理方法的流程示意图;
图4为一个实施例中行为标签信息的处理方法的流程示意图;
图5为一个实施例中行为标签信息的处理方法的流程示意图;
图6为一个实施例中行为标签信息的处理方法的流程示意图;
图7为一个实施例中行为标签信息的处理装置的结构框图;
图8为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
如背景技术所述,在传统技术中,用户在访问网站时会产生海量数据,如果将这些数据实时展示在报表中,相当于在海量数据中进行的实时性查询。针对这种大数据的实时性查询,通常是采用NoSQL数据库的方式进行存储,利用ElasticSearch的聚合函数进行数据的实时性查询,这会存在一些误差并导致查询结果不准确。经过分析,发明人发现ElasticSearch的聚合函数并不适应于精准查询的场景中。而采用关系型数据库的方式进行存储可以提升查询结果的准确度,但是进一步地,发明人发现利用关系型数据库进行查询存在两方面的问题:一是关系型数据库查询速率缓慢,无法满足实时性查询的时间要求,二是关系型数据库和NoSQL数据库的同步也很难准确匹配。为了满足数据查询高准确度的要求,发明人选择采用关系型数据库;为了解决关系型数据库在应对海量数据查询所存在的时效性问题,发明人创造性地改造了存储时的数据结构。
具体地,本申请提供一种行为标签信息的处理方法,可以应用于图1所示的应用环境中。其中,第一终端110通过网络与后台服务器120进行通信,后台服务器120通过网络与消息队列服务器130进行通信,消息队列服务器130通过网络与处理服务器140进行通信,处理服务器140通过网络与第二终端150进行通信。用户通过第一终端110登录网站后对后台服务器120进行访问,后台服务器120采集用户行为数据,后台服务器120可以对用户行为数据进行处理,比如根据用户的行为设置标签。后台服务器120将标签设置信息通过消息队列服务器130发送至处理服务器140。处理服务器140通过消息队列获取用户行为的标签设置信息,标签设置信息包括用户标识、标签标识和标签设置类别;根据获取的用户标识和标签标识,在关系型数据库的用户标签设置数据表中进行查找,获得对应的历史标签设置信息,历史标签设置信息中包括历史标签设置类别值;对获取的标签设置类别所对应的数值与历史标签设置类别值进行加和处理,得到最新的标签设置类别值;根据最新的标签设置类别值更新历史标签设置信息。在进行标签使用信息查询时,第二终端150显示的界面接收用户发出的查询指令,处理服务器140获取查询指令,根据查询指令从用户标签设置数据表中获取对应的标签标识及历史标签设置类别值,根据标签标识对获取到的历史标签设置类别值进行聚合处理,得到在预设时间区间内标签的使用信息;将标签的使用信息以图表形式进行展示。因此,该方法通过采用关系型数据库提高查询的准确度,并在数据入库前通过预计算的方式分摊计算成本,以满足数据查询的时效性要求。
其中,第一终端110和第二终端150可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备,后台服务器120、消息队列服务器130以及处理服务器140可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中,如图2所示,本申请提供了一种行为标签信息的处理方法,以该方法应用于图1的应用环境中的处理服务器140为例进行说明,包括以下步骤:
S210、通过消息队列获取用户行为的标签设置信息。
其中,用户行为是指用户通过网页或者应用页面等前端界面所发出的操作行为以操作或者访问对应的网站,比如点击前端界面中的标签、输入关键字词、浏览前端界面所显示的内容等。标签用于标识用户的行为,即用户行为设有行为标签,比如,用户通过前端界面向后台服务器发送消息,则可以利用“消息”这一标签标示用户的该行为。再比如,用户输入“甜点”关键词进行查询,则为该用户构建“喜欢甜食”的标签。为了标识不同种类的标签,标签设有标签标识。标签设置类别是指后台服务器根据用户的行为为用户行为设置标签的处理方式,比如,用户关注了某服务号,根据用户关注服务号的行为,后台服务器为该用户设置“关注”标签,该处理方式属于一种标签设置类别。用户取消关注该服务号,根据用户取消关注服务号的行为,后台服务器为该用户设置“取关”标签,该处理方式又属于另一种标签设置类别。再比如,用户收藏一篇烘焙的文章,后台服务器为该用户设置“喜爱烘焙”标签,该处理方式属于一种标签设置类别。过一段时间后,根据该用户的操作行为,如用户从收藏文件夹中删除该文章,后台服务器判定该用户不再喜爱烘焙,则后台服务器为该用户移除“喜爱烘焙”标签,该处理方式属于另一种标签设置类别。
具体地,用户通过第一终端显示的前端界面发出操作行为,后台服务器采集用户行为数据,后台服务器可以针对用户行为设置标签,并将标签设置信息通过消息队列服务器发送至处理服务器。标签设置信息是指后台服务器对用户行为设置标签所生成的信息,标签设置信息可以包括为哪个用户设置标签、标签设置类别、标签设置时间、为用户设置哪个标签等。因此,处理服务器通过消息队列获取的用户行为的标签设置信息包括用户标识、标签标识和标签设置类别。
S220、根据获取的用户标识和标签标识,在关系型数据库的用户标签设置数据表中进行查找,获得对应的历史标签设置信息。
其中,后台服务器对用户行为数据进行采集,针对用户行为设置标签,并通过消息队列服务器将标签设置信息发送至处理服务器。处理服务器内设有关系型数据库,关系型数据库包括用户标签设置数据表。用户标签设置数据表是指用于存储标签设置信息的表格,包括用户标识、用户行为所对应的标签标识、历史标签设置类别值、标签设置时间等。历史标签设置类别是指后台服务器在过去根据用户的历史行为为用户行为设置标签的处理方式,为了便于对标签使用信息的统计分析,标签设置类别设有对应的数值,且历史标签设置类别所对应的数值即为历史标签设置类别值。历史标签设置类别值保存在用户标签设置数据表内。用户标签设置数据表中包括多条历史标签设置信息,历史标签设置信息中包括历史标签设置类别值。本实施例中,通过采用关系型数据库提升数据实时性查询的准确度,避免利用ElasticSearch的聚合函数进行查询。具体地,通过消息队列获取用户标识和标签标识,且处理服务器的关系型数据库中存储有用户标签设置数据表,处理服务器根据获取的用户标识和标签标识从用户标签设置数据表中查找到对应的历史标签设置信息,并从中得到对应的历史标签设置类别值。
S230、对获取的标签设置类别所对应的数值与历史标签设置类别值进行加和处理,得到最新的标签设置类别值;
S240、根据最新的标签设置类别值更新历史标签设置信息。
其中,并不是所有的用户行为都是有挖掘价值的,用户行为数据可能包括许多的噪声。特别是,在一时间段内,用户频繁发出的重复的操作行为。比如:某一用户先是关注了某服务号,接着取消关注该服务号,又关注该服务号,接着又取消关注该服务号,如此反复且频繁的关注和取消关注的操作行为是没有挖掘价值的。而在传统技术中,将用户这些频繁无意义的操作行为均采集并记录在数据库中,数据库中将产生4条用户行为数据记录,这不仅增加数据存储量,还极大的增加了数据挖掘工作的计算量。而在本实施例中,为了减少数据的存储,并进一步地减少计算复杂程度以满足数据查询的时效性要求,处理服务器通过消息队列获取用户行为的标签设置信息,标签设置信息包括用户标识、标签标识和标签设置类别。在标签设置信息存入用户标签设置数据表前,根据标签设置类别所对应的数值和历史标签设置类别值进行加和计算,将计算得到的最新的标签设置类别值存入用户标签设置数据表中,即根据最新的标签设置类别值更新历史标签设置信息。
本实施例中,通过消息队列获取用户行为的标签设置信息,标签设置信息包括用户标识、标签标识和标签设置类别;根据获取的用户标识和标签标识,在关系型数据库的用户标签设置数据表中进行查找,获得对应的历史标签设置信息,历史标签设置信息中包括历史标签设置类别值;对获取的标签设置类别所对应的数值与历史标签设置类别值进行加和处理,得到最新的标签设置类别值;根据最新的标签设置类别值更新历史标签设置信息。该方法通过采用关系型数据库提高查询的准确度,并采用通过预计算的方式分摊计算成本,以满足数据查询的时效性要求。
在一个实施例中,标签设置信息还包括标签设置时间。如图3所示,对获取的标签设置类别所对应的数值与历史标签设置类别值进行加和处理,得到最新的标签设置类别值,包括:
S310、每次获取到标签设置信息时,对获取的标签设置类别所对应的数值与历史标签设置类别值进行一次加和处理,得到最新的标签设置类别值;
根据最新的标签设置类别值更新历史标签设置信息,包括:
S320、根据最新的标签设置类别值和标签设置时间更新历史标签设置信息。
具体地,通过消息队列处理服务器获取用户行为的标签设置信息标签设置信息包括用户标识、标签标识和标签设置类别。每次获取到标签设置信息时,处理服务器根据获取的用户标识和标签标识,在关系型数据库的用户标签设置数据表中进行查找,获得对应的历史标签设置信息,历史标签设置信息中包括历史标签设置类别值。将历史标签设置类别值与标签设置类别所对应的数值进行预计算,得到最新的标签设置类别值。为了后续的实时报表数据查询,还需要采集标签设置时间,即标签设置信息还包括标签设置时间,根据最新的标签设置类别值和标签设置时间更新历史标签设置信息,将最新的标签设置类别值和标签设置时间保存至用户标签设置数据表中。
在传统技术中,只是将用户行为数据进行采集并直接保存在非关系型数据库内。在进行数据查询时特别是在进行实时报表展示时,复杂的逻辑计算需要耗费较长的时间。而本实施例中,通过根据标签设置类别所对应的数值和历史标签设置类别值进行预计算,得到最新的标签设置类别值,并将最新的标签设置类别值保存至用户标签设置数据表中。即将数据查询时的逻辑计算过程设置在行为数据信息入库之前,将预计算的结果数据存入用户标签设置数据表中,分摊了复杂的逻辑计算成本,减少了解决了数据冗余的问题,缩小了表的容量,还缩短了数据查询时的查找和聚合所需的时间。
在一个实施例中,该方法还包括:判断所述最新的标签设置类别值是否满足预设条件;若满足,则从所述用户标签设置数据表中删除对应的历史标签设置信息。
具体地,用户通过前端界面发出一系列的操作行为,其中存在两种操作行为是相对的,该两种操作行为属于不同的行为类别,并产生两种相反的结果,且两种结果可相互抵消,后台服务器为属于不同行为类别的用户行为进行不同的标签设置,且标签设置类别设有对应的数值。
当通过消息队列获取的标签设置类别所对应的数值与从用户标签设置数据表中获取的历史标签设置类别值可以相抵时,说明与该标签设置类别对应的标签是没有意义的。为了降低数据冗余问题,并缩小数据表的容量,可以从用户标签设置数据表中删除对应的历史标签设置信息。比如:某用户先是关注了某服务号,接着取消关注该服务号,经过该用户的关注和取消关注的两次操作之后,利用报表展示关注该服务号的人数时,该用户的两次操作行为对于实时报表的展示是没有意义的,则对应的历史标签设置信息没有存在的必要性,可以从用户标签设置数据表中删除对应的历史标签设置信息。再比如,由于某用户的操作行为表现出对某产品的兴趣,该用户被贴上“具有购买意向”的标签;过一段时间后,该用户的操作行为表现为对该产品不感兴趣,将移除该用户“具有购买意向”的标签。此时,“具有购买意向”的标签与该用户无关,则可以从用户标签设置数据表中删除对应的历史标签设置信息。
在一个实施例中,标签设置类别包括构建标签和移除标签,构建标签设有对应的第一数值,移除标签设有对应的第二数值。每次获取到标签设置信息时,对获取的标签设置类别所对应的数值与历史标签设置类别值进行一次加和处理,得到最新的标签设置类别值,包括:若获取到的标签设置类别为构建标签,则对构建标签所对应的第一数值与历史标签设置类别值进行加和处理,得到最新的标签设置类别值;若获取到的标签设置类别为移除标签,则对移除标签所对应的第二数值与历史标签设置类别值进行加和处理,得到最新的标签设置类别值。
具体地,当通过消息队列获取到的标签设置类别为构建标签,构建标签设有对应的第一数值,将构建标签所对应的第一数值与从用户标签设置数据表中获取的历史标签设置类别值进行加和计算,得到最新的标签设置类别值并保存至用户标签设置数据表中。当通过消息队列获取到的标签设置类别为移除标签,移除标签设有对应的第二数值,将移除标签所对应的第二数值与从用户标签设置数据表中获取的历史标签设置类别值进行加和计算,得到最新的标签设置类别值并保存至用户标签设置数据表中。
本实施例中,将数据查询时的加和计算过程设置在行为数据信息入库之前,将加和计算的结果数据存入用户标签设置数据表中,不仅减少了解决了数据冗余的问题,缩小了表的容量,还缩短了数据查询时的查找和聚合所需的时间。
在一个实施例中,构建标签所对应的第一数值与移除标签所对应的第二数值不等,且第一数值与第二数值互为相反数。如图4所示,进一步地,判断最新的标签设置类别值是否满足预设条件,包括:
S410、判断最新的标签设置类别值是否等于零;
若满足,则从用户标签设置数据表中删除对应的历史标签设置信息,包括:
S420、若等于零,则从用户标签设置数据表中删除对应的历史标签设置信息。
具体地,通过消息队列处理服务器可以获取标签设置类别和用户标识。当通过消息队列获取到的标签设置类别为构建标签,构建标签设有对应的第一数值,在时间颗粒度内,用户标签设置数据表内存在历史标签设置类别值,将构建标签所对应的第一数值与从用户标签设置数据表中获取的历史标签设置类别值进行加和计算,判断加和计算得到的最新的标签设置类别值是否等于零。若加和计算得到的最新的标签设置类别值等于零,表明构建的标签与该用户标识所对应的用户无关,因此从用户标签设置数据表中删除对应的历史标签设置信息。
当通过消息队列获取到的标签设置类别为删除标签,删除标签设有对应的第二数值,将删除标签所对应的第二数值与从用户标签设置数据表中获取的历史标签设置类别值进行加和计算,判断加和计算得到的最新的标签设置类别值是否等于零。若加和计算得到的最新的标签设置类别值等于零,表明删除的标签与该用户标识所对应的用户无关,因此从用户标签设置数据表中删除对应的历史标签设置信息。
示例性地,假设移除标签对应的第一数值为-1,当通过消息队列获取到的标签设置类别为移除标签,且从用户标签设置数据表中获取的历史标签设置类别值为+1时,则从用户标签设置数据表中删除对应的历史标签设置信息。
本实施例中,将数据查询时的加和计算过程设置在行为数据信息入库之前,将加和计算的结果数据存入用户标签设置数据表中,不仅减少了解决了数据冗余的问题,缩小了表的容量,还缩短了利用实时报表展示标签人次和标签频次时的查找和聚合所需的时间。其中,标签人次是对打上某标签的人次的统计,标签频次是对某个标签使用次数的统计。
在一个实施例中,该方法还包括:在预设的时间颗粒度内,若相邻两次获取的标签设置类别依次分别为构建标签、移除标签,则保持对应的历史标签设置信息不变。
具体地,在预设的时间颗粒度内,第一次获取的标签设置类别为构建标签,第二次获取的标签设置类别为移除标签。假设构建标签对应的第一数值为+1,移除标签对应的第一数值为-1,第一次时对历史标签设置类别值进行加1的计算,第二次对历史标签设置类别值进行减1的计算,则历史标签设置类别值是没有变化的,即保持对应的历史标签设置信息不变。可以理解的是,对于一个初次被构建标签的用户来说,用户标签设置数据表中标签设置类别值对应为1,在被构建标签之后,若在预设的时间颗粒度内,依次移除该标签和再次构建该标签,则在用户标签设置数据表中标签设置类别值依然为1。
本实施例中,通过对时间颗粒度内的多个行为进行预计算,得到计算结果并存入数据库,由于一个用户在预设的时间颗粒度内只会产生至多一条数据,且针对此逻辑进行重复计算可以确保一个标签在当天只有构建或者移除两种标签设置类别,以应对联合查找下的聚合查询只是加和处理,提升关系数据库的执行力。
在一个实施例中,如图5所示,该方法还包括以下步骤:
S510、获取查询指令,查询指令包括预设时间区间;
S520、根据标签设置时间,从用户标签设置数据表中,将位于预设时间区间内的历史标签设置信息进行筛选;
S530、通过筛选得到的历史标签设置信息,获取标签标识及对应的历史标签设置类别值;
S540、根据标签标识对获取到的历史标签设置类别值进行聚合处理,得到在预设时间区间内标签的使用信息;
S550、将标签的使用信息以图表形式进行展示。
其中,用户通过第二终端显示的网页或者应用页面进行标签使用信息的查询。标签使用信息包括标签人次和标签频次。具体地,用户通过第二终端显示的网页或者应用页面设置需要查询的预设时间区间,并向处理服务器发送查询指令。处理服务器获取查询指令,查询指令包括预设时间区间。处理服务器内存储有用户标签设置数据表,用户标签设置数据表包括标签设置时间,则从用户标签设置数据表中,将标签设置时间位于预设时间区间内的历史标签设置信息进行筛选。用户标签设置数据表包括标签标识以及对应的历史标签设置类别值,则通过筛选得到的历史标签设置信息,获取标签标识及对应的历史标签设置类别值。从而根据标签标识对获取到的历史标签设置类别值进行聚合处理,得到在预设时间区间内标签的标签人次和标签频次,通过图表形式将标签的标签人次和标签频次进行展示。
如前文所述,标签人次是对打上某标签的人次的统计,标签频次是对某个标签使用次数的统计。示例性地说明标签人次和标签频次的统计:以天为时间颗粒度,在第一天内,通过消息队列获取N个老用户被构建“喜欢电脑”的标签;在第二天内,通过消息队列获取又有M个新用户被构建“喜欢电脑”的标签,且在第二天有N个老用户中X个被移除“喜欢电脑”的标签。
假设构建标签对应的第一数值为+1,移除标签对应的第一数值为-1;则在第一天,被构建“喜欢电脑”标签N个老用户在用户标签设置数据表中的标签设置类别值分别为1;在第二天,被构建“喜欢电脑”标签M个新用户在用户标签设置数据表中的标签设置类别值分别为1,被移除“喜欢电脑”标签的X个老用户在用户标签设置数据表中的标签设置类别值分别为-1;且标签“喜欢电脑”对应有标签标识(Tag-ID)。
那么,在进行标签人次的统计时,若设置的预设时间区间为第一天,由于用户标签设置数据表包括标签设置时间,则从用户标签设置数据表中,将标签设置时间位于第一天内的历史标签设置信息进行筛选。根据标签标识对筛选得到的历史标签设置类别值进行聚合处理,即N个1进行加和,统计的标签人次为N;同样的,若设置的预设时间区间为第二天,根据标签标识对筛选得到的历史标签设置类别值进行聚合处理,即M个1与X个-1进行加和,统计的标签人次为M-X;若设置的预设时间区间为第一天和第二天,根据标签标识对筛选得到的历史标签设置类别值进行聚合处理,即N个1、M个1、X个-1进行加和,统计的标签人次的统计N+M-X。
通过设计累计字段用于统计标签频次,在标签频次的统计时,若设置的预设时间区间为第一天,统计的标签频次为N;若设置的预设时间区间为第二天,统计的标签频次为M+X;若设置的预设时间区间为第一天和第二天,统计的标签频次为M+N+X。
本实施例中,由于用户标签设置数据表存储的是已经加和处理过的历史标签设置类别值,在进行实时报表的展示时,利用筛选得到的历史标签设置信息可以对该段时间内打上某标签的人次进行累加统计,也可以对该段时间内某标签被使用的频次进行累加。仅仅需要对一个元素进行加和运算,缩短了查询耗时,提升关系数据库的执行力。
在一个实施例中,查询指令还包括服务号标识。所述根据所述标签设置时间,从所述用户标签设置数据表中,将位于所述预设时间区间内的历史标签设置信息进行筛选,包括:根据所述标签设置时间和所述服务号标识,从所述用户标签设置数据表中,将位于所述预设时间区间内的历史标签设置信息进行筛选。
具体地,用户标签设置数据表中包括多个服务号标识的历史标签设置信息。在针对一个服务号进行标签人次和标签频次的统计时,查询指令不仅包括预设时间区间,还包括服务号标识。则从用户标签设置数据表中,根据服务号标识,将标签设置时间位于预设时间区间内的历史标签设置信息进行筛选。通过筛选得到的历史标签设置信息,获取标签标识及对应的历史标签设置类别值。从而根据标签标识对获取到的历史标签设置类别值进行聚合处理,得到在预设时间区间内标签的标签人次和标签频次,通过图表形式将标签的标签人次和标签频次进行展示。
在一个实施例中,如图6所示,本申请提供一种行为标签信息的处理方法,该方法包括以下步骤:
S602、通过消息队列获取用户行为的标签设置信息。
其中,标签设置信息包括用户标识、标签标识、标签设置时间和标签设置类别;标签设置类别包括构建标签和移除标签,构建标签设有对应的第一数值,移除标签设有对应的第二数值。构建标签所对应的第一数值与移除标签所对应的第二数值不等,且第一数值与第二数值互为相反数。
S604、根据获取的用户标识和标签标识,在关系型数据库的用户标签设置数据表中进行查找,获得对应的历史标签设置信息。
其中,历史标签设置信息中包括历史标签设置类别值。
S606、每次获取到标签设置信息时,对获取的标签设置类别所对应的数值与历史标签设置类别值进行一次加和处理,得到最新的标签设置类别值。
其中,若获取到的标签设置类别为构建标签,则对构建标签所对应的第一数值与历史标签设置类别值进行加和处理,得到最新的标签设置类别值;若获取到的标签设置类别为移除标签,则对移除标签所对应的第二数值与历史标签设置类别值进行加和处理,得到最新的标签设置类别值。
S608、根据最新的标签设置类别值和标签设置时间更新历史标签设置信息。
S610、判断最新的标签设置类别值是否等于零。
S612、若等于零,则从用户标签设置数据表中删除对应的历史标签设置信息。
S614、获取查询指令,查询指令包括预设时间区间和服务号标识。
S616、根据标签设置时间和服务号标识,从用户标签设置数据表中,将位于预设时间区间内的历史标签设置信息进行筛选。
S618、通过筛选得到的历史标签设置信息,获取标签标识及对应的历史标签设置类别值。
S620、根据标签标识对获取到的历史标签设置类别值进行聚合处理,得到在预设时间区间内标签的使用信息。
S622、将标签的使用信息以图表形式进行展示。
应该理解的是,虽然上述各实施例的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,上述各实施例中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,本申请提供一种行为标签信息的处理装置,如图7所示,该处理装置700包括获取模块710、查找模块720、处理模块730和更新模块740;其中:
获取模块710,用于通过消息队列获取用户行为的标签设置信息,标签设置信息包括用户标识、标签标识和标签设置类别;
查找模块720,用于根据获取的用户标识和标签标识,在关系型数据库的用户标签设置数据表中进行查找,获得对应的历史标签设置信息,历史标签设置信息中包括历史标签设置类别值;
处理模块730,用于对获取的标签设置类别所对应的数值与历史标签设置类别值进行加和处理,得到最新的标签设置类别值;
更新模块740,用于根据最新的标签设置类别值更新历史标签设置信息。
关于行为标签信息的处理装置的具体限定可以参见上文中对于行为标签信息的处理方法的限定,在此不再赘述。上述行为标签信息的处理装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。比如:上述处理装置700包括处理器和存储器,上述获取模块710、查找模块720、处理模块730、更新模块740等均作为程序模块存储在存储器中,由处理器执行存储在存储器中的上述程序模块来实现相应的功能。
处理器中包含内核,由内核去存储器中调取相应的程序模块。内核可以设置一个或以上,通过调整内核参数来将数据查询时的逻辑计算过程设置在行为数据信息入库之前,将预计算的结果数据存入用户标签设置数据表中,分摊了复杂的逻辑计算成本,减少了解决了数据冗余的问题,缩小了表的容量,还缩短了数据查询时的查找和聚合所需的时间。
本申请实施例提供了一种存储介质,其上存储有程序,该程序被处理器执行时实现所述行为标签信息的处理方法。
本申请实施例提供了一种处理器,所述处理器用于运行程序,其中,所述程序运行时执行所述行为标签信息的处理方法。
本申请实施例提供了一种计算机设备,计算机设备包括至少一个处理器、以及与处理器连接的至少一个存储器、总线;其中,处理器、存储器通过总线完成相互间的通信;处理器用于调用存储器中的程序指令,以执行上述的行为标签信息的处理方法。本文中的设备可以是服务器、PC、PAD、手机等。
本申请还提供了一种计算机程序产品,当在数据处理设备上执行时,适于执行初始化有如下方法步骤的程序:
通过消息队列获取用户行为的标签设置信息,所述标签设置信息包括用户标识、标签标识和标签设置类别;
根据获取的用户标识和标签标识,在关系型数据库的用户标签设置数据表中进行查找,获得对应的历史标签设置信息,所述历史标签设置信息中包括历史标签设置类别值;
对获取的标签设置类别所对应的数值与所述历史标签设置类别值进行加和处理,得到最新的标签设置类别值;
根据所述最新的标签设置类别值更新所述历史标签设置信息。
在一个实施例中,所述标签设置信息还包括标签设置时间;所述根据所述最新的标签设置类别值更新所述历史标签设置信息,包括:
根据所述最新的标签设置类别值和所述标签设置时间更新所述历史标签设置信息。
在一个实施例中,该方法还包括:
判断所述最新的标签设置类别值是否满足预设条件;
若满足,则从所述用户标签设置数据表中删除对应的历史标签设置信息。
在一个实施例中,所述标签设置类别包括构建标签和移除标签;所述每次获取到所述标签设置信息时,对获取的标签设置类别所对应的数值与所述历史标签设置类别值进行一次加和处理,得到最新的标签设置类别值,包括:
若获取到的标签设置类别为构建标签,则对所述构建标签所对应的第一数值与所述历史标签设置类别值进行加和处理,得到最新的标签设置类别值;
若获取到的标签设置类别为移除标签,则对所述移除标签所对应的第二数值与所述历史标签设置类别值进行加和处理,得到最新的标签设置类别值。
在一个实施例中,所述构建标签所对应的第一数值与所述移除标签所对应的第二数值不等,且所述第一数值与所述第二数值互为相反数;所述判断所述最新的标签设置类别值是否满足预设条件,包括:
判断所述最新的标签设置类别值是否等于零;
所述若满足,则从所述用户标签设置数据表中删除对应的历史标签设置信息,包括:
若等于零,则从所述用户标签设置数据表中删除对应的历史标签设置信息。
在一个实施例中,该方法还包括:
若相邻两次获取的所述标签设置类别依次分别为所述构建标签、所述移除标签,则保持对应的历史标签设置信息不变。
在一个实施例中,该方法还包括:
获取查询指令,所述查询指令包括预设时间区间;
根据所述标签设置时间,从所述用户标签设置数据表中,将位于所述预设时间区间内的历史标签设置信息进行筛选;
通过筛选得到的历史标签设置信息,获取所述标签标识及对应的历史标签设置类别值;
根据所述标签标识对获取到的历史标签设置类别值进行聚合处理,得到在所述预设时间区间内所述标签的使用信息;
将所述标签的使用信息以图表形式进行展示。
在一个实施例中,所述查询指令还包括服务号标识;所述根据所述标签设置时间,从所述用户标签设置数据表中,将位于所述预设时间区间内的历史标签设置信息进行筛选,包括:
根据所述标签设置时间和所述服务号标识,从所述用户标签设置数据表中,将位于所述预设时间区间内的历史标签设置信息进行筛选。
本申请是参照根据本申请实施例的方法、设备(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。
在一个典型的配置中,如图8所示,设备包括一个或多个处理器(CPU)、存储器和总线。设备还可以包括输入/输出接口、网络接口等。
存储器可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM),存储器包括至少一个存储芯片。存储器是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白,本申请的实施例可提供为方法、系统或计算机程序产品。因此,本申请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,本申请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。
以上仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (10)
1.一种行为标签信息的处理方法,其特征在于,所述方法包括:
通过消息队列获取用户行为的标签设置信息,所述标签设置信息包括用户标识、标签标识和标签设置类别;
根据获取的用户标识和标签标识,在关系型数据库的用户标签设置数据表中进行查找,获得对应的历史标签设置信息,所述历史标签设置信息中包括历史标签设置类别值;
对获取的标签设置类别所对应的数值与所述历史标签设置类别值进行加和处理,得到最新的标签设置类别值;
根据所述最新的标签设置类别值更新所述历史标签设置信息。
2.根据权利要求1所述的方法,其特征在于,所述标签设置信息还包括标签设置时间;所述根据所述最新的标签设置类别值更新所述历史标签设置信息,包括:
根据所述最新的标签设置类别值和所述标签设置时间更新所述历史标签设置信息。
3.根据权利要求2所述的方法,其特征在于,所述方法还包括:
判断所述最新的标签设置类别值是否满足预设条件;
若满足,则从所述用户标签设置数据表中删除对应的历史标签设置信息。
4.根据权利要求3所述的方法,其特征在于,所述标签设置类别包括构建标签和移除标签;所述对获取的标签设置类别所对应的数值与所述历史标签设置类别值进行加和处理,得到最新的标签设置类别值,包括:
若获取到的标签设置类别为构建标签,则对所述构建标签所对应的第一数值与所述历史标签设置类别值进行加和处理,得到最新的标签设置类别值;
若获取到的标签设置类别为移除标签,则对所述移除标签所对应的第二数值与所述历史标签设置类别值进行加和处理,得到最新的标签设置类别值。
5.根据权利要求4所述的方法,其特征在于,所述构建标签所对应的第一数值与所述移除标签所对应的第二数值不等,且所述第一数值与所述第二数值互为相反数;所述判断所述最新的标签设置类别值是否满足预设条件,包括:
判断所述最新的标签设置类别值是否等于零;
所述若满足,则从所述用户标签设置数据表中删除对应的历史标签设置信息,包括:
若等于零,则从所述用户标签设置数据表中删除对应的历史标签设置信息。
6.根据权利要求2至5任一项所述的方法,其特征在于,所述方法还包括:
获取查询指令,所述查询指令包括预设时间区间;
根据所述标签设置时间,从所述用户标签设置数据表中,将位于所述预设时间区间内的历史标签设置信息进行筛选;
通过筛选得到的历史标签设置信息,获取所述标签标识及对应的历史标签设置类别值;
根据所述标签标识对获取到的历史标签设置类别值进行聚合处理,得到在所述预设时间区间内所述标签的使用信息;
将所述标签的使用信息以图表形式进行展示。
7.根据权利要求6所述的方法,其特征在于,所述查询指令还包括服务号标识;所述根据所述标签设置时间,从所述用户标签设置数据表中,将位于所述预设时间区间内的历史标签设置信息进行筛选,包括:
根据所述标签设置时间和所述服务号标识,从所述用户标签设置数据表中,将位于所述预设时间区间内的历史标签设置信息进行筛选。
8.一种行为标签信息的处理装置,其特征在于,所述装置包括:
获取模块,用于通过消息队列获取用户行为的标签设置信息,所述标签设置信息包括用户标识、标签标识和标签设置类别;
查找模块,用于根据获取的用户标识和标签标识,在关系型数据库的用户标签设置数据表中进行查找,获得对应的历史标签设置信息,所述历史标签设置信息中包括历史标签设置类别值;
处理模块,用于对获取的标签设置类别所对应的数值与所述历史标签设置类别值进行加和处理,得到最新的标签设置类别值;
更新模块,用于根据所述最新的标签设置类别值更新所述历史标签设置信息。
9.一种计算机设备,其特征在于,包括至少一个处理器、以及与处理器连接的至少一个存储器、总线;其中,处理器、存储器通过总线完成相互间的通信;处理器用于调用存储器中的程序指令,以执行权利要求1至7中任一项所述的方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910930513.5A CN112579638B (zh) | 2019-09-29 | 2019-09-29 | 行为标签信息的处理方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910930513.5A CN112579638B (zh) | 2019-09-29 | 2019-09-29 | 行为标签信息的处理方法、装置、计算机设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112579638A true CN112579638A (zh) | 2021-03-30 |
CN112579638B CN112579638B (zh) | 2024-02-13 |
Family
ID=75110740
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910930513.5A Active CN112579638B (zh) | 2019-09-29 | 2019-09-29 | 行为标签信息的处理方法、装置、计算机设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112579638B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6675384B1 (en) * | 1995-12-21 | 2004-01-06 | Robert S. Block | Method and apparatus for information labeling and control |
CN104090886A (zh) * | 2013-12-09 | 2014-10-08 | 深圳市腾讯计算机系统有限公司 | 构建用户实时画像的方法及装置 |
CN107730269A (zh) * | 2017-07-21 | 2018-02-23 | 南通大学 | 一种基于行为分析的用电客户画像方法 |
CN108334588A (zh) * | 2018-01-29 | 2018-07-27 | 北京搜狐新媒体信息技术有限公司 | 一种用户标签构建方法及装置 |
CN108780466A (zh) * | 2015-12-21 | 2018-11-09 | 起元技术有限责任公司 | 用于计算近实时数据聚集的搜索和检索数据处理系统 |
CN109977296A (zh) * | 2019-01-17 | 2019-07-05 | 苏州达家迎信息技术有限公司 | 一种信息推送方法、装置、设备及存储介质 |
-
2019
- 2019-09-29 CN CN201910930513.5A patent/CN112579638B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6675384B1 (en) * | 1995-12-21 | 2004-01-06 | Robert S. Block | Method and apparatus for information labeling and control |
CN104090886A (zh) * | 2013-12-09 | 2014-10-08 | 深圳市腾讯计算机系统有限公司 | 构建用户实时画像的方法及装置 |
CN108780466A (zh) * | 2015-12-21 | 2018-11-09 | 起元技术有限责任公司 | 用于计算近实时数据聚集的搜索和检索数据处理系统 |
CN107730269A (zh) * | 2017-07-21 | 2018-02-23 | 南通大学 | 一种基于行为分析的用电客户画像方法 |
CN108334588A (zh) * | 2018-01-29 | 2018-07-27 | 北京搜狐新媒体信息技术有限公司 | 一种用户标签构建方法及装置 |
CN109977296A (zh) * | 2019-01-17 | 2019-07-05 | 苏州达家迎信息技术有限公司 | 一种信息推送方法、装置、设备及存储介质 |
Non-Patent Citations (1)
Title |
---|
孟祥福;马宗民;严丽;张富;: "Web数据库查询结果的自动分类方法", 东北大学学报(自然科学版), no. 02 * |
Also Published As
Publication number | Publication date |
---|---|
CN112579638B (zh) | 2024-02-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10504120B2 (en) | Determining a temporary transaction limit | |
CN107526807B (zh) | 信息推荐方法及装置 | |
CN104394118A (zh) | 一种用户身份识别方法及系统 | |
CN111046237B (zh) | 用户行为数据处理方法、装置、电子设备及可读介质 | |
WO2014018781A1 (en) | Data refining engine for high performance analysis system and method | |
CN103620601A (zh) | 在映射缩减过程中汇合表 | |
WO2014195958A1 (en) | Influence score of a social media domain | |
CN111738785A (zh) | 选品方法、系统及存储介质 | |
CN111967914A (zh) | 基于用户画像的推荐方法、装置、计算机设备和存储介质 | |
US10169802B2 (en) | Data refining engine for high performance analysis system and method | |
CN112749863A (zh) | 关键词的调价方法及装置、电子设备 | |
CN112925973A (zh) | 数据处理方法和装置 | |
CN111858278A (zh) | 基于大数据处理的日志分析方法、系统及可读存储装置 | |
US10331713B1 (en) | User activity analysis using word clouds | |
CN111383072A (zh) | 一种用户信用评分方法、存储介质及服务器 | |
CN113077321A (zh) | 物品推荐方法、装置、电子设备和存储介质 | |
CN113327146A (zh) | 一种信息追踪方法和装置 | |
CN112579638B (zh) | 行为标签信息的处理方法、装置、计算机设备及存储介质 | |
CN104484357A (zh) | 数据处理方法及装置和访问频次信息处理方法及装置 | |
CN110020166A (zh) | 一种数据分析方法及相关设备 | |
CN107705135A (zh) | 一种基于公司存量联系人数据评价潜在商业价值的方法 | |
CN113946755A (zh) | 基于关联规则的信息推送方法、装置、设备及存储介质 | |
CN113254732A (zh) | 企业关系的确定方法、装置、计算机设备和存储介质 | |
CN113762994A (zh) | 用户运营管理的方法和装置 | |
Zhang et al. | Knowledge creation in marketing based on data mining |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |