CN113327154B - 基于大数据的电商用户讯息推送方法及系统 - Google Patents
基于大数据的电商用户讯息推送方法及系统 Download PDFInfo
- Publication number
- CN113327154B CN113327154B CN202110680936.3A CN202110680936A CN113327154B CN 113327154 B CN113327154 B CN 113327154B CN 202110680936 A CN202110680936 A CN 202110680936A CN 113327154 B CN113327154 B CN 113327154B
- Authority
- CN
- China
- Prior art keywords
- service
- commerce
- target
- online
- big 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.)
- Active
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
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0631—Item recommendations
-
- 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
-
- 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
- G06F16/958—Organisation or management of web site content, e.g. publishing, maintaining pages or automatic linking
Abstract
本发明实施例提供一种基于大数据的电商用户讯息推送方法及系统,针对处于在线状态的在线电商用户,获取目标业务场景下产生的多组电商业务大数据,基于多组电商业务大数据进行热度业务分析,得到与在线电商用户相关联的多个目标热度业务;然后确定多个目标热度业务对应的相关度序列,并基于多个目标热度业务对应的相关度序列,确定在线电商用户的实时业务意图信息,然后用于从待推送电商用户讯息数据库中获取与所述实时业务意图匹配的待推送电商用户讯息,向所述在线电商用户进行讯息推送。如此,通过考虑用户的实时意图用于电商用户讯息的推送,可以提供讯息推送的效果,提升用户体验。
Description
技术领域
本发明涉及电子商务及大数据信息推送技术领域,具体而言,涉及一种基于大数据的电商用户讯息推送方法及系统。
背景技术
随着信息技术及电子商务的不断推广,电商平台中的用户行为逐渐变得频繁且复杂,短时间内即可收集到大量的用户行为数据,进而利用大数据技术进行深入挖掘和分析,可以得到具有价值的用户讯息,以进行后续的应用,例如,通过挖掘和分析结果对在线电商用户进行电商用户讯息推送,例如推送与用户的行为具有某种关联关系的讯息。
然而,电商用户行为数据多样,例如可以包括能够明显体现用户兴趣的行为,譬如对商品的收藏、喜欢、评分和评价等,可以利用这些进行用户画像,进而对用户给出个性化的推送商品列表。现有的基于电商用户大数据的分析方法,大多基于历史周期内的用户行为数据进行一个静态的用户画像,然后用于讯息的推送。然后,这种方式因没有考虑用户的实时意图,往往导致推送的效果较差,用户体验不佳。
发明内容
基于现有设计的不足,本发明实施例提供一种基于大数据的电商用户讯息推送方法,应用于电商平台服务器,所述电商平台服务器多个电商用户终端通信连接,所述方法包括:
获取电商平台中处于在线状态的在线电商用户在目标业务场景下产生的多组电商业务大数据;
对所述多组电商业务大数据进行热度业务分析,得到与所述在线电商用户相关联的多个目标热度业务;
针对所述多个目标热度业务中的每个目标热度业务,基于所述在线电商用户在所述多组电商业务大数据中的在线电商用户的业务统计信息,以及所述目标热度业务在所述多组电商业务大数据中的目标热度业务的业务描述信息,确定所述在线电商用户和所述目标热度业务在所述多组电商业务大数据中的相关度,得到所述目标热度业务对应的相关度序列;
根据所述多个目标热度业务分别对应的相关度序列,确定所述在线电商用户的实时业务意图信息;
根据所述实时业务意图信息,从待推送电商用户讯息数据库中获取与所述实时业务意图匹配的待推送电商用户讯息,向所述在线电商用户进行讯息推送。
在上述内容的基础上,所述方法还包括确定所述目标热度业务的业务描述信息的步骤,所述步骤包括:
对所述目标热度业务进行业务特征卷积操作,得到所述目标热度业务在大数据描述维度下对应的热度业务的特征向量序列,将得到的所述热度业务的特征向量序列作为所述目标热度业务在所述多组电商业务大数据中的目标热度业务的业务描述信息。
在上述内容的基础上,所述基于所述在线电商用户在所述多组电商业务大数据中的在线电商用户的业务统计信息,以及所述目标热度业务在所述多组电商业务大数据中的目标热度业务的业务描述信息,确定所述在线电商用户和所述目标热度业务在所述多组电商业务大数据中的相关度,得到所述目标热度业务对应的相关度序列,包括:
针对所述多组电商业务大数据中的每组大数据,在当前组电商业务大数据中,基于所述目标热度业务的热度业务描述信息对应的热度业务的特征向量序列,确定一个热度业务特征向量作为目标特征向量;
基于所述目标特征向量,在所述当前组电商业务大数据中,确定与所述在线电商用户的动态业务数据匹配的参考业务大数据,并将所述参考业务大数据与所述动态业务数据的共有特征向量作为动态参考特征向量,所述动态业务数据是基于所述当前组电商业务大数据中的在线电商用户在当前时间节点之前的预设时间周期内的业务统计信息而得到,且在所述当前组电商业务大数据中指示所述在线电商用户的当前业务动态;
基于所述目标特征向量和所述动态参考特征向量,确定所述在线电商用户和所述目标热度业务在所述当前组电商业务大数据中的相关度;
基于针对所述多组电商业务大数据分别对应的相关度,得到所述目标热度业务对应的相关度序列。
在上述内容的基础上,基于所述目标特征向量和所述动态参考特征向量,确定所述在线电商用户和所述目标热度业务在所述当前组电商业务大数据中的相关度,包括:
确定所述目标特征向量和所述动态参考特征向量之间的向量距离,并将所述的向量距离按照预设的向量标准化规则进行向量标准化处理,以及将向量标准化处理后得到的标准化结果作为所述在线电商用户和所述目标热度业务的相关度,其中,所述预设的向量标准化规则是基于业务数据采集模块的模块配置信息确定的;或者
基于所述业务数据采集模块的模块配置信息,将所述目标特征向量和所述动态参考特征向量,分别映射为电商用户描述维度下相应的目标热度业务特征向量和目标动态参考特征向量,并基于所述目标热度业务特征向量和所述目标动态参考特征向量,确定所述在线电商用户和所述目标热度业务的相关度;其中,所述业务数据采集模块为产生所述多组电商业务大数据的数据采集模块。
在上述内容的基础上,所述基于所述在线电商用户在所述多组电商业务大数据中的在线电商用户的业务统计信息,以及所述目标热度业务在所述多组电商业务大数据中的目标热度业务的业务描述信息,确定所述在线电商用户和所述目标热度业务在所述多组电商业务大数据中的相关度,得到所述目标热度业务对应的相关度序列,包括:
依次遍历所述多组电商业务大数据中的每组大数据,在当前组电商业务大数据中,基于业务数据采集模块的模块配置信息,将所述目标热度业务的热度业务描述信息对应的热度业务的特征向量序列中的多个热度业务特征向量,映射到电商用户描述维度下,得到相应的目标热度业务特征向量集,以及将所述在线电商用户的业务统计信息映射到所述电商用户描述维度下,得到相应的在线电商用户特征向量;
基于所述目标热度业务特征向量集对所述目标热度业务进行热度业务描述,确定所述电商用户描述维度下,用于指示所述当前组电商业务大数据中的所述目标热度业务的热度业务描述信息;
基于所述热度业务描述信息以及所述在线电商用户特征向量,确定所述在线电商用户和所述目标热度业务的相关度;
基于针对所述多组电商业务大数据对应的相关度,得到所述目标热度业务对应的相关度序列。
在上述内容的基础上,所述基于所述多个目标热度业务对应的相关度序列,确定所述在线电商用户的实时业务意图信息,包括:
在多个所述相关度序列中,确定目标相关度序列;
针对任意目标相关度序列,当基于所述任意目标相关度序列中对应的预设数量个相关度的参数值,确定所述在线电商用户与所述任意目标相关度序列对应的目标热度业务之间的匹配度逐渐变大时,则判定所述在线电商用户具有对所述任意目标相关度序列对应的目标热度业务的业务意图;或
针对任意目标相关度序列,当基于所述任意目标相关度序列中对应的预设数量个相关度的参数值,确定所述在线电商用户与所述任意目标相关度序列对应的目标热度业务之间的匹配度逐渐减小时,则判定所述在线电商用户没有对所述任意目标相关度序列对应的目标热度业务的业务意图。
在上述内容的基础上,所述基于所述多个目标热度业务对应的相关度序列,确定所述在线电商用户的实时业务意图信息,包括:
基于所述多个目标热度业务对应的相关度序列,确定所述多个目标热度业务对应的跳转业务序列,其中,每个所述跳转业务序列包含多个跳转业务,每个所述跳转业务指示所述在线电商用户的业务跳转状态和业务跳转记录;
基于确定的所述多个目标热度业务对应的跳转业务序列,确定所述在线电商用户的实时业务意图信息。
在上述内容的基础上,所述基于所述多个目标热度业务对应的相关度序列,确定所述多个目标热度业务对应的跳转业务序列,包括:
将所述多个目标热度业务对应的相关度序列进行业务逻辑关联处理,得到所述多个目标热度业务对应的跳转业务序列;
所述基于确定的所述多个目标热度业务对应的跳转业务序列,确定所述在线电商用户的实时业务意图信息,包括:
在所述多个目标热度业务对应的跳转业务序列中,确定多个跳转业务序列作为目标跳转业务序列;
针对所述多个目标跳转业务序列中的任意目标跳转业务序列,当所述任意目标跳转业务序列中的预设数量个跳转业务,指示所述在线电商用户的业务跳转状态不一致,且所述预设数量个跳转业务中的任意跳转业务的启用次数小于第一设定次数,则确定所述在线电商用户不具有与所述业务跳转状态匹配的一个相关联的目标热度业务的使用意图;
针对所述多个目标跳转业务序列中的任意目标跳转业务序列,当所述任意目标跳转业务序列中包含的预设数量个跳转业务,指示所述在线电商用户的业务跳转状态一致,且所述预设数量个跳转业务的启用次数大于第二设定次数时,则确定所述在线电商用户具有与所述业务跳转状态匹配的一个相关联的目标热度业务的使用意图。
在上述内容的基础上,所述根据所述多个目标热度业务对应的意图指标量化规则集合,确定所述在线电商用户的实时业务意图信息,包括:
获取所述在线电商用户针对各所述目标热度业务的业务反馈日志,所述业务反馈日志包括多个业务反馈;
获得所述业务反馈日志中的各个业务反馈与所述目标热度业务之间的意图指标量化规则;
分别根据所述各个业务反馈对应的意图指标量化规则,对所述各个业务反馈的意图描述进行量化分析,得到所述各个业务反馈的意图指标量化参数;
根据所述各个业务反馈的意图指标量化参数对所述各个业务反馈进行指标分区,得到多个业务反馈序列;
基于所述业务反馈序列得到所述在线电商用户针对各所述目标热度业务的实时业务意图信息,所述实时业务意图信息包括针对各所述目标热度业务对应的目标业务意图标签;
所述根据所述实时业务意图信息,从待推送电商用户讯息数据库中获取与所述实时业务意图匹配的待推送电商用户讯息,向所述在线电商用户进行讯息推送,包括:
根据所述实时业务意图信息获取意图指标量化参数大于预设参数阈值的指标分区对应的目标业务反馈序列,并根据所述目标业务反馈序列获得对应的目标热度业务作为待推送目标热度业务;
获取所述实时业务意图信息中针对所述待推送目标热度业务对应的目标业务意图标签;
根据所述目标业务意图标签从所述待推送电商用户讯息数据库搜索匹配的待推送信息,并将搜索到的待推送讯息向所述在线电商用户进行电商用户讯息推送。
此外,本发明实施例还提供一种基于大数据的电商用户讯息推送系统,其特征在于,包括电商平台服务器以及分别与所述电商平台服务器通信连接的多个电商用户终端,所述电商平台服务器包括处理器、机器可读存储介质以及电商用户信息推送装置,所述电商用户信息推送装置包括存储于所述机器可读存储介质中的多个软件功能模块,所述处理器用于执行所述软件功能模块以实现上述的方法。
相较于现有技术,本发明实施例至少具有以下有益效果:
基于以上内容,本发明实施例提供一种基于大数据的电商用户讯息推送方法及系统。在本发明实施例中,针对处于在线状态的在线电商用户,获取目标业务场景下产生的多组电商业务大数据,基于多组电商业务大数据进行热度业务分析,得到与在线电商用户相关联的多个目标热度业务;然后确定多个目标热度业务对应的相关度序列,并基于多个目标热度业务对应的相关度序列,确定在线电商用户的实时业务意图信息,然后用于从待推送电商用户讯息数据库中获取与所述实时业务意图匹配的待推送电商用户讯息,向所述在线电商用户进行讯息推送。如此,这种方式通过考虑用户的实时意图用于电商用户讯息的推送,可以提供讯息推送的效果,提升用户体验。
此外,在获得目标热度业务对应的相关度序列时,可以针对多个目标热度业务中的每个目标热度业务,基于在线电商用户在多组电商业务大数据中的在线电商用户的业务统计信息,以及目标热度业务在多组电商业务大数据中的目标热度业务的业务描述信息,确定在线电商用户和目标热度业务在多组电商业务大数据中的相关度,得到目标热度业务对应的相关度序列。然后,基于在线电商用户的业务统计信息和目标热度业务的业务描述信息,可以准确确定在线电商用户与目标热度业务之间的相关度,以提高基于多个目标热度业务对应的相关度序列,确定在线电商用户的实时业务意图信息的准确性。
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,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,针对本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1是用于实现本发明实施例提供的基于大数据的电商用户讯息推送方法的系统架构示意图。
图2是图1中的电商用户平台服务器的架构示意图。
图3是本发明实施例中提供一种基于大数据的电商用户讯息推送方法的流程示意图。
图4是图1中的电商用户讯息推送装置的功能模块示意图。
具体实施方式
本发明实施例提供一种通过在线电商用户中的业务数据采集模块获取电商业务大数据,基于获取的电商业务大数据中热度业务与在线电商用户之间的关联关系,进行相关度分析,进而实现针对在线电商用户的实时业务意图信息的分析,已实现本发明的基于大数据的电商用户讯息推送方法及系统。
具体而言,作为总的发明构思,在本发明实施例中,首先针对处于在线状态的在线电商用户,获取目标业务场景下产生多组电商业务大数据,并基于多组电商业务大数据进行热度业务分析,得到与在线电商用户相关联的多个目标热度业务。接着,针对多个目标热度业务中的每个热度业务,基于在线电商用户在多组电商业务大数据中的在线电商用户的业务统计信息,以及目标热度业务在多组电商业务大数据中的目标热度业务的业务描述信息,确定在线电商用户和目标热度业务在多组电商业务大数据中的相关度,得到目标热度业务对应的相关度序列。然后,基于得到的多个目标热度业务对应的相关度序列,确定在线电商用户的实时业务意图信息,即可对在线电商用户进行相关度分析,确定在线电商用户的实时业务意图信息。最后,基于实时业务意图信息从待推送电商用户讯息数据库中获取与所述实时业务意图匹配的待推送电商用户讯息,向所述在线电商用户进行讯息推送。如此,这种方式通过考虑用户的实时意图用于电商用户讯息的推送,可以提供讯息推送的效果,提升用户体验。
下面结合实施例附图对本发明的总发明构思的详细实现过程以及相关的具体实现方式进行详细的阐述和介绍。
首先,对本发明实施例的系统架构进行说明。如图1所示,是用于实现本发明实施例提供的基于大数据的电商用户讯息推送方法的系统架构示意图。本实施例中,该系统可以包括电商平台服务器1以及与电商平台服务器1通讯连接的多个电商用户终端2。用户可以通过电商用户终端2使用电商用户服务器1提供的各项电商业务并产生大量的电商用户行为大数据。电商用户平台服务器1可以即时采集电商用户终端2所产生的电商用户行为大数据进行大数据分析及挖掘,以用于后续的应用,例如实现本发明的基于大数据的电商用户讯息推送的应用。
可替代地,电商平台服务器1可以是但不限于,平台服务器、服务器集群、云端服务设备、云服务平台、云服务中心、区块链服务中心、分布式大数据处理系统等任意可以实现大数据分析和处理的硬件架构。例如,优选地,本实施例中,电商平台服务器可以是用于提供在线购物的电商平台的后台服务器。所述电商用户终端2可以是,但不限于,个人计算机、智能手机、平板电脑、笔记本电脑、商场自助终端等。
进一步地,请参照图2,图2是所述电商用户平台服务器1的架构示意图。本实施例中,所述电商用户平台服务器1可以包括电商用户讯息推送装置11、机器可读存储介质12和处理器13。示例性地,本实施例中,机器可读存储介质12与处理器13可以相互通信连接,由处理器13通过总线接口来访问。电商用户讯息推送装置11可以包括存储在机器可读存储介质12的软件功能模块。当处理器13执行电商用户讯息推送装置11中的软件功能模块时,可以实现本发明实施例提供的基于大数据的电商用户讯息推送方法。
如图3所示,图3为本发明实施例中提供一种基于大数据的电商用户讯息推送方法的流程示意图。本发明实施例中,所述方法包括以下所述的步骤S31-步骤S35,示例性描述如下。
步骤S31,获取电商平台中处于在线状态的在线电商用户在目标业务场景下产生的多组电商业务大数据。
在本发明实施例中,电商用户平台服务器1可以架构业务数据采集模块,所述业务数据采集模块可以在线电商用户的在线电商业务使用过程中,获取在线电商用户实时产生的电商业务大数据。
在相关的实施例中,在线电商用户的电商业务使用过程中,可以在目标业务场景下的业务使用周期持续采集电商业务大数据,一个业务使用周期下采集的电商业务大数据形成一组电商业务大数据。
步骤S32,对所述多组电商业务大数据进行热度业务分析,得到与所述在线电商用户相关联的多个目标热度业务。
本实施中,在在线电商用户的在线电商业务使用过程中,确定与在线电商用户相关联的多个目标热度业务时,可基于多组电商业务大数据中的每组电商业务大数据进行热度业务分析,确定每组电商业务大数据中与在线电商用户相关联的多个目标热度业务的目标热度业务的业务描述信息。然后,基于目标热度业务的业务描述信息,确定与在线电商用户相关联的多个目标热度业务。所述的热度业务可以是对应的目标业务场景下根据历史上电商用户对相应的电商业务的使用情况进行统计而得到的电商业务,热度业务可以是在不同的周期下进行动态变化的。
譬如,在每一组电商业务大数据中,确定与在线电商用户相关联的一个热度业务的热度业务描述信息,基于该热度业务描述信息,可确定与在线电商用户的第一业务评价维度(如商品属性维度)相关联的一个目标热度业务,即商品属性相关联的热度业务。以及在每一组电商业务大数据中,确定与在线电商用户的第二业务评价维度(如业务类型维度)相关联的一个热度业务的热度业务描述信息,基于该热度业务描述信息,可确定与在线电商用户相关联的一个目标热度业务,即业务类型相关联的热度业务。应当说明的是,上述的示例仅仅是一种通俗易懂的示例,在其它的实施方式中,具体的热度业务的确定方式可能还有更复杂的确定逻辑或者更多的确定方式,本实施例对此不进行限定。
又例如,在相关的实施例中,通过如下方式确定多个目标热度业务的目标热度业务的业务描述信息。
将获取的多组电商业务大数据分别录入大数据热度分析网络,基于大数据热度分析网络将多组电商业务大数据分别进行热度分析,分析多组电商业务大数据中包含的与在线电商用户相关联的多个目标热度业务。
例如,通过所述大数据热度分析网络所包括的多个不同的热度分析层(如四个热度分析层)进行热度分析,进而得到的与在线电商用户相关联的多个目标热度业务中可包括与在线电商用户相关联的第一热度业务BIZ1、第二热度业务BIZ2、第三热度业务BIZ3、第四热度业务BIZ4等。上述的第一热度业务BIZ1、第二热度业务BIZ2、第三热度业务BIZ3、第四热度业务BIZ4可分别于所述四个热度分析层一一对应。不同的热度分析分析层可以基于不同的数据属性维度进行热度分析得到不同数据属性维度下分别对应的热度业务。
具体的,大数据热度分析网络可以为循环神经网络(Recurrent Neural Network(RNN))、长/短期记忆(Long/Short Term Memory(LSTM))、卷积神经网络(ConvolutionalNeural Network,SCNN)等等任意一种网络模型,通过模型训练的方式得到的训练后的网络对多组电商业务大数据进行热度业务分析。
在另一种可能的实现方式中,可以通过业务特征卷积操作,对多个目标热度业务进行业务特征卷积操作,得到业务特征卷积操作后的电商业务大数据。
以业务特征卷积操作后包含与在线电商用户相关联的多个目标热度业务为例,可以得到多个目标热度业务在大数据描述维度下对应的多个热度业务的特征向量序列。然后,将得到的多个目标热度业务对应的多个热度业务的特征向量序列,作为相应的电商业务大数据中的多个目标热度业务对应的目标热度业务的业务描述信息。如此,一组电商业务大数据可以对应多个目标热度业务,每个目标热度业务对应一个热度业务的特征向量序列。所述大数据描述维度,可以是指预先确定的用于描述大数据的相关属性的维度,例如,可以通过该对应维度相关的特征描述规则以对应的特征向量或者特征向量序列的方式进行大数据的属性描述。
在本发明实施例中,在获取的电商业务大数据中,确定了与在线电商用户相关联的多个目标热度业务后,针对确定的多个目标热度业务,可分别确定在线电商用户与多个目标热度业务中的每个目标热度业务之间的相关度,进一步确定多个目标热度业务对应的相关度序列。
譬如,确定在线电商用户与上述的第一目标热度业务BIZ1之间的相关度序列,确定在线电商用户与上述的第二目标热度业务BIZ2之间的相关度序列、确定在线电商用户与上述的第三目标热度业务BIZ3之间的相关度序列,确定在线电商用户与上述的第四目标热度业务BIZ4之间的相关度序列,具体不进行限定。
详细地,在步骤S33中,针对所述多个目标热度业务中的每个目标热度业务,基于所述在线电商用户在所述多组电商业务大数据中的在线电商用户的业务统计信息,以及所述目标热度业务在所述多组电商业务大数据中的目标热度业务的业务描述信息,确定所述在线电商用户和所述目标热度业务在所述多组电商业务大数据中的相关度,得到所述目标热度业务对应的相关度序列。
在本发明实施例中,基于获取的多组电商业务大数据中的每组电商业务大数据,可以在该组电商业务大数据中,确定与在线电商用户的相关联的多个目标热度业务,及每个目标热度业务对应的目标热度业务的业务描述信息,以及在线电商用户的业务统计信息。然后,基于目标热度业务的业务描述信息以及在线电商用户的业务统计信息,确定在线电商用户与目标热度业务之间的相关度。
由此,可以分别确定获取的多组电商业务大数据中目标热度业务与在线电商用户之间的相关度。例如,每组电商业务大数据中均需要确定与在线电商用户的第一目标热度业务BIZ1与在线电商用户之间的相关度,与在线电商用户相关联的第二目标热度业务BIZ2与在线电商用户之间的相关度、与在线电商用户相关联的第三目标热度业务BIZ3与在线电商用户之间的相关度、与在线电商用户相关联的第四目标热度业务BIZ4与在线电商用户之间的相关度等等情况中的其中至少一种或多种的组合。
示例性地,将与在线电商用户的第一目标热度业务BIZ1与在线电商用户之间的相关度,与在线电商用户相关联的第二目标热度业务BIZ2与在线电商用户之间的相关度、与在线电商用户相关联的第三目标热度业务BIZ3与在线电商用户之间的相关度、以及与在线电商用户相关联的第四目标热度业务BIZ4与在线电商用户之间的相关度之后,可以按照电商业务大数据的产生时间进行排序,得到相关度序列。
其中,相关度序列中第一个相关度可以为获取到的第一组电商业务大数据对应的相关度、第二个相关度可以为获取到的第二组电商业务大数据对应的相关度、以此类推。
下面以多组电商业务大数据中的每组大数据,确定一个目标热度业务与在线电商用户之间的相关度为例,对相关度的获取方式进行说明。譬如,针对一组电商业务大数据,确定与在线电商用户相关联的目标热度业务1与在线电商用户之间的相关度。
在本发明实施例中,在针对多组电商业务大数据中的每组电商业务大数据,确定在线电商用户与目标热度业务之间的相关度时,可以在当前组电商业务大数据中,基于热度业务特征向量直接确定,还可以在当前组电商业务大数据中,根据目标热度业务对应的热度业务的特征向量序列对热度业务描述信息进行热度业务描述,确定用于指示目标热度业务的热度业务描述信息,根据热度业务描述信息确定相关度,即基于热度业务特征向量而得到。
在一种实现方式中,例如基于热度业务特征向量确定相关度,可以包括以下步骤a-c所描述的内容。
步骤a,在当前组电商业务大数据中,基于目标热度业务的热度业务描述信息对应的热度业务的特征向量序列,确定一个热度业务特征向量作为目标特征向量。所述的当前组电商业务大数据可以是指当前进行处理的一组电商业务大数据,处理完一组之后再进行另一组的处理,那么另一组则变成当前组电商业务大数据。其中,得到热度业务的特征向量序列的方式在步骤S32中进行了介绍,此处不赘述。
在相关的实施例中,基于目标热度业务的热度业务描述信息对应的热度业务的特征向量序列,可以按照设定的方式(例如随机或依次遍历的方式)确定一个热度业务特征向量作为目标特征向量。目标特征向量可以为,热度业务的特征向量序列中的任意一个用于指示当前组电商业务大数据中目标热度业务相关属性的热度业务特征向量。
步骤b,基于所述目标特征向量,在所述当前组电商业务大数据中,确定与所述在线电商用户的动态业务数据匹配的参考业务大数据,并将所述参考业务大数据与所述动态业务数据的共有特征向量作为动态参考特征向量,所述动态业务数据是基于所述当前组电商业务大数据中的在线电商用户在当前时间节点之前的预设时间周期内的业务统计信息而得到,且在所述当前组电商业务大数据中指示所述在线电商用户的当前业务动态。本实施例中,可以将参考业务大数据与动态业务数据的数据交集的特征向量作为共有特征向量。
其中,动态业务数据可以是基于当前组电商业务大数据中的在线电商用户的业务统计信息而得到,且用于在当前组电商业务大数据中,指示在线电商用户的当前业务动态。
例如,通过业务数据采集模块获取的在线电商用户的当前组电商业务大数据,在线电商用户的业务行为与获取的当前组电商业务大数据的业务数据相对应,因此指示在线电商用户在当前组电商业务大数据中的业务动态和属性信息的动态业务数据与热度业务动态关联。参考业务大数据为与目标特征向量以及动态业务数据具有动态业务关联关系的业务大数据。因此基于参考业务大数据与动态业务数据的关联数据,可以确定动态参考特征向量,动态参考特征向量为在当前组电商业务大数据中可以用于指示在线电商用户的动态参考属性信息。
步骤c,基于所述目标特征向量和所述动态参考特征向量,确定所述在线电商用户和所述目标热度业务在所述当前组电商业务大数据中的相关度,并基于针对所述多组电商业务大数据对应的相关度,得到所述目标热度业务对应的相关度序列。
其中,本实施例中,确定在线电商用户和一个目标热度业务在当前组电商业务大数据中的相关度即可确定在线电商用户和一个目标热度业务之间的相关度。基于此,需要将目标特征向量和动态参考特征向量映射到电商用户描述维度下,基于映射后的特征向量确定相关度。或者,也可以先基于目标特征向量和动态参考特征向量确定一个相对相关度,在将特征向量下确定的相对相关度映射到电商用户特征向量下的实际相关度。
在一种可能的实施方式中,步骤c中,基于所述目标特征向量和所述动态参考特征向量,确定所述在线电商用户和所述目标热度业务在所述当前组电商业务大数据中的相关度,可以通过以下两种方式实现。
第一、确定所述目标特征向量和所述动态参考特征向量之间的向量距离,并将所述的向量距离按照预设的向量标准化规则进行向量标准化处理,以及将向量标准化处理后得到的标准化结果作为所述在线电商用户和所述目标热度业务的相关度。其中,所述预设向量标准化规则是基于业务数据采集模块的模块配置信息确定的。例如,本实施例中,所述向量标准化规则可以是可以按照向量距离值进行归一化处理,将归一化的结果作为相关度。例如,所述业务数据采集模块的模块配置信息可以包括具体的向量标准化规则对应的规则标识以及相应的配置参数。
第二、基于所述业务数据采集模块的模块配置信息,将所述目标特征向量和所述动态参考特征向量,分别映射为电商用户描述维度下相应的目标热度业务特征向量和目标动态参考特征向量,并基于所述目标热度业务特征向量和所述目标动态参考特征向量,确定所述在线电商用户和所述目标热度业务的相关度。其中,所述业务数据采集模块为产生所述多组电商业务大数据的数据采集模块。
需要说明的是,在本发明实施例中,也可以将目标特征向量和动态参考特征向量之间的的向量距离作为在线电商用户与一个目标热度业务之间的相关度。
在有一种可能的实现方式中,基于热度业务特征向量确定相关度序列的另一种方式可以包括以下的步骤e-g。
步骤e,依次遍历所述多组电商业务大数据中的每组大数据,在当前组电商业务大数据中,基于业务数据采集模块的模块配置信息,将所述目标热度业务的热度业务描述信息对应的热度业务的特征向量序列中的多个热度业务特征向量,映射到电商用户描述维度下,得到相应的目标热度业务特征向量集,以及将所述在线电商用户的业务统计信息映射到所述电商用户描述维度下,得到相应的在线电商用户特征向量。
其中,业务数据采集模块为产生多组电商业务大数据的数据采集模块。
步骤f,基于所述目标热度业务特征向量集对所述目标热度业务进行热度业务描述,确定所述电商用户描述维度下,用于指示所述当前组电商业务大数据中的所述目标热度业务的热度业务描述信息。所述电商用户描述维度是指通过业务描述信息对电商用户有关的特征进行表述或描述的数据描述维度。
在对目标热度业务进行热度业务描述的过程中,可以先配置目标热度业务对应的热度业务描述信息的描述规则或描述方式。例如,配置的目标热度业务对应的热度业务描述信息的描述方式可是多项式拟合的描述方式,例如,可以通过分别配置相应的多项式拟合系数,将目标热度业务特征向量集中的各个目标热度业务特征向量通过相应的多项式拟合方程的描述信息中,即可确定用于指示当前组电商业务大数据中的目标热度业务的热度业务描述信息。
步骤g,基于所述热度业务描述信息以及所述在线电商用户特征向量,确定所述在线电商用户和所述目标热度业务的相关度,并基于针对所述多组电商业务大数据对应的相关度,得到所述目标热度业务对应的相关度序列。
一种可能的实例中,电商用户描述维度可以是在线电商用户的业务跳转属性维度,相关度的实际含义可以表示在线电商用户与目标热度业务之间的业务跳转匹配度。因此,根据上述热度业务描述确定的热度业务描述信息,以及在线电商用户特征向量可以确定在线电商用户和目标热度业务的相关度,或者也可以理解为确定在线电商用户和目标热度业务之间的特征匹配差异。
步骤S34,根据所述多个目标热度业务对应的相关度序列,确定所述在线电商用户的实时业务意图信息。
在本发明实施例中,在线电商用户的实时业务意图信息可以为具有或不具有针对目标热度业务的使用意图,或者也可以是量化的用于表示对相应的目标热度业务的兴趣度指标,具体不进行限定。
示例性地,在第一种可能的方式中,可以根据多个目标相关度序列中多个连续相关度,确定的在线电商用户与目标热度业务之间的实时业务意图信息。
在本发明实施例中,可以根据相关度序列确定在线电商用户的实时业务意图信息。因此,在多个相关度序列中,可以确定一个相关度序列作目标相关度序列,或者,将所有相关度序列均作为目标相关度序列然后进行依次遍历。
以确定的多个目标相关度序列中的任意目标相关度序列为例,对在线电商用户的实时业务意图信息进行说明。譬如,从多个相关度序列中确定一个相关度序列作为目标相关度序列,此时,若基于目标相关度序列中的多个连续相关度的参数值,确定在线电商用户与目标相关度序列对应的目标热度业务1之间的相关度逐渐减小,则确定在线电商用户不具有对目标热度业务1的使用意图,反之亦然。从上述内容可知,本发明实施例在根据相关度序列确定在线电商用户的实时业务意图信息时,还与建立的电商用户描述维度相关,针对下述情况同样适用。
在另一种可能的实施时方式中,可以根据在线电商用户的业务跳转状态确定在线电商用户对目标热度业务的实时业务意图信息。
示例性地,首先可基于在线电商用户的业务跳转状态,确定在线电商用户针对目标热度业务的实施业务意图信息;其中,在线电商用户的业务跳转状态与在线电商用户的跳转业务相关。
因此,在本发明实施例中,在基于在线电商用户的跳转业务,定在线电商用户针对目标热度业务的实施业务意图信息时,需要确定在线电商用户的跳转业务序列,跳转业务序列中包含有多个跳转业务。
在本发明实施例中,基于多个相关度序列,例如分别确定多个相应的跳转业务序列,即不同的相关度序列对应不同的跳转业务序列。
具体的,将多个相关度序列中的每个相关度序列分别进行业务逻辑关联处理,即可分别得到每个相关度序列对应的跳转业务序列。其中,每个跳转业务序列包含的每个跳转业务,可以指示在线电商用户的业务动态及业务跳转记录。
在本发明实施例中,可以根据跳转业务序列和跳转业务序列中的任一跳转业务序列确定在线电商用户的实时业务意图信息,也可以根据两个跳转业务序列共同确定在线电商用户的实时业务意图信息。
因此,在多个跳转业务序列中,可以确定任意跳转业务序列作目标跳转业务序列,或者,将所有跳转业务序列均作为目标跳转业务序列以在后续步骤进行遍历处理。
以确定的多个目标跳转业务序列中的任意目标跳转业务序列为例,对在线电商用户的实时业务意图信息进行说明。譬如,从跳转业务序列中确定某个跳转业务序列作为目标跳转业务序列。此时,若基于目标跳转业务序列中的任一跳转业务,确定在线电商用户的业务动态,基于在线电商用户的业务动态确定在线电商用户具有或不具有目标跳转业务序列对应的目标热度业务1的使用意图,可能的方式包括以下步骤。
首先,可针对所述多个目标跳转业务序列中的任意目标跳转业务序列,当所述任意目标跳转业务序列中的预设数量个跳转业务,指示所述在线电商用户的业务跳转状态不一致,且所述预设数量个跳转业务中的任意跳转业务的启用次数小于第一设定次数,则确定所述在线电商用户不具有与所述业务跳转状态匹配的一个相关联的目标热度业务的使用意图;
或者,针对所述多个目标跳转业务序列中的任意目标跳转业务序列,当所述任意目标跳转业务序列中包含的预设数量个跳转业务,指示所述在线电商用户的业务跳转状态一致,且所述预设数量个跳转业务的启用次数大于第二设定次数时,则确定所述在线电商用户具有与所述业务跳转状态匹配的一个相关联的目标热度业务的使用意图。
本实施例中,所述基于所述多个目标热度业务对应的相关度序列,确定所述多个目标热度业务对应的跳转业务序列之前,可基于加权参数,对所述多个目标热度业务对应的相关度序列进行加权处理,其中,所述加权参数是基于与所述在线电商用户相关联的多个目标热度业务中,位于所述在线电商用户前后各电商用户分别相关联的目标热度业务各自对应的相关度序列,以及所述在线电商用户的当前电商业务的业务优先级确定的。
步骤S35,根据所述实时业务意图信息,从待推送电商用户讯息数据库中获取与所述实时业务意图匹配的待推送电商用户讯息,向所述在线电商用户进行讯息推送。
本实施例中,得到所述所述实时业务意图信息后,即可根据该实时业务意图信息针对所述在线电商用户进行讯息推送。
基于此,在本申请的另一种为了后续方便进行电商用户讯息推送的方案中,步骤S34中,所述根据所述多个目标热度业务对应的意图指标量化规则集合,确定所述在线电商用户的实时业务意图信息,可以通过以下的方式实现。
(1)获取所述在线电商用户针对各所述目标热度业务的业务反馈日志,所述业务反馈日志包括多个业务反馈。例如,本实施例中,可以获取历史预设时间周期内所述在线电商用户对各所述目标热度业务的业务反馈。所述业务反馈可以包括针对各目标热度业务的文本评价、评分、以及业务操作(如加入收藏、购买、浏览等)。
(2)获得所述业务反馈日志中的各个业务反馈与所述热度业务之间的意图指标量化规则。例如,所述意图指标量化规则可以是针对不同类型的业务反馈按照相应的量化参数对业务反馈进行意图量化评分等。
(3)分别根据所述各个业务反馈对应的意图指标量化规则,对所述各个业务反馈的意图描述进行量化分析,得到所述各个业务反馈的意图指标量化参数。
(4)根据所述各个业务反馈的意图指标量化参数对所述各个业务反馈进行指标分区,得到多个业务反馈序列。例如,可根据最终得到的意图指标量化参数划分为多个指标分区。假设量化参数为0-100,则可划分为(0-35)、(36-70)、(71-85)、(86-100)等多个分区。不同的分区对应的业务反馈序列用于指示不同的意图指标对应的业务反馈。
(5)基于所述业务反馈序列得到所述在线电商用户针对各所述目标热度业务的实时业务意图信息,所述实时业务意图信息包括针对各所述目标热度业务对应的目标业务意图标签。例如,所述实施业务意图信息可以是由不同的业务意图指标参数对应的分区中针对不同的目标热度业务的业务反馈以及针对各目标热度业务的指标参数构成。
基于上述内容,在步骤S35中,所述根据所述实时业务意图信息,从待推送电商用户讯息数据库中获取与所述实时业务意图匹配的待推送电商用户讯息,向所述在线电商用户进行讯息推送,一种可能的实现方式如下。
首先,根据所述实时业务意图信息获取意图指标量化参数大于预设参数阈值的指标分区对应的目标业务反馈序列,并根据所述目标业务反馈序列获得对应的目标热度业务作为待推送目标热度业务。例如,可以将(86-100)对应的指标分区中的业务反馈所对应的目标热度业务作为待推送目标热度业务。
然后,获取所述实时业务意图信息中针对所述待推送目标热度业务对应的目标业务意图标签。例如,所述目标业务意图标签可以是所述在线电商用户针对各所述待推送目标热度业务的业务倾向标签,如“喜欢该业务”、“喜欢同类业务”、“推送好友购买”等等。
最后,根据所述目标业务意图标签从所述待推送电商用户讯息数据库搜索匹配的待推送信息,并将搜索到的待推送讯息向所述在线电商用户进行电商用户讯息推送。例如,若所述目标业务意图标签为“喜欢同类业务”,那么则可以从各所述待推送电商用户讯息数据库搜索与所述待推送目标热度业务的匹配度达到设定匹配度的相关业务讯息作为待推送讯息,以向所述在线电商用户进行推送。
基于以上的描述,下面对本实施例提供的基于大数据的电商用户讯息推送方法的一个完整性的实施流程示例性描述如下。
首先,在在线电商用户的在线电商业务使用过程中,电商平台服务器1通过业务采集模块获取目标业务场景下,产生的多组在线电商用户在业务使用过程中产生的电商业务大数据;
接着,电商平台服务器1基于大数据热度分析网络,对多组电商业务大数据中进行热度业务分析,得到与在线电商用户相关联的多个目标热度业务,并分析多个目标热度业务中每个目标热度业务各自对应的热度业务的特征向量序列。
再接着,电商平台服务器1将多个目标热度业务对应的热度业务的特征向量序列中的各个热度业务特征向量,映射到电商用户描述维度下,确定多个目标热度业务对应的目标热度业务特征向量集。
再接着,电商平台服务器1基于预设的热度业务描述信息表现形式和多个目标热度业务对应的目标热度业务特征向量集,分别获取用于指示一组电商业务大数据对应的多个目标热度业务的热度业务描述信息。
再接着,电商平台服务器1基于多个目标热度业务的热度业务描述信息和在线电商用户在电商用户描述维度下,分别确定在线电商用户与多个目标热度业务的之间的相关度,并基于多组电商业务大数据对应的在线电商用户与多个目标热度业务的之间的相关度,分别确定多个目标热度业务对应的相关度序列。
最后,电商平台服务器1基于得到的多个目标热度业务对应的相关度序列,确定在线电商用户的实时业务意图信息,并根据所述实时业务意图信息,从待推送电商用户讯息数据库中获取与所述实时业务意图匹配的待推送电商用户讯息,向所述在线电商用户进行讯息推送。
如图4所示,是图1中的电商用户讯息推送装置11的功能模块示意图。本实施例中,所述电商用户讯息推送装置11包括:
业务数据获取模块111,用于获取电商平台中处于在线状态的在线电商用户在目标业务场景下产生的多组电商业务大数据;
热度业务分析模块112,对所述多组电商业务大数据进行热度业务分析,得到与所述在线电商用户相关联的多个目标热度业务;
相关度序列确定模块113,用于针对所述多个目标热度业务中的每个目标热度业务,基于所述在线电商用户在所述多组电商业务大数据中的在线电商用户的业务统计信息,以及所述目标热度业务在所述多组电商业务大数据中的目标热度业务的业务描述信息,确定所述在线电商用户和所述目标热度业务在所述多组电商业务大数据中的相关度,得到所述目标热度业务对应的相关度序列;
意图信息确定模块114,用于根据所述多个目标热度业务分别对应的相关度序列,确定所述在线电商用户的实时业务意图信息;以及
电商讯息推送模块115,用于根据所述实时业务意图信息,从待推送电商用户讯息数据库中获取与所述实时业务意图匹配的待推送电商用户讯息,向所述在线电商用户进行讯息推送。
应当理解,本实施例中,上述各功能模块可分别用于实施上述方法实施例所描述的步骤S31-步骤S35,关于该等功能模块的更多的详细内容可一并参阅关于该方法各步骤的描述,此处不再一一赘述。
综上所述,本发明实施例提供一种基于大数据的电商用户讯息推送方法及系统。在本发明实施例中,针对处于在线状态的在线电商用户,获取目标业务场景下产生的多组电商业务大数据,基于多组电商业务大数据进行热度业务分析,得到与在线电商用户相关联的多个目标热度业务;然后确定多个目标热度业务对应的相关度序列,并基于多个目标热度业务对应的相关度序列,确定在线电商用户的实时业务意图信息,然后用于从待推送电商用户讯息数据库中获取与所述实时业务意图匹配的待推送电商用户讯息,向所述在线电商用户进行讯息推送。如此,这种方式通过考虑用户的实时意图用于电商用户讯息的推送,可以提供讯息推送的效果,提升用户体验。
此外,在获得目标热度业务对应的相关度序列时,可以针对多个目标热度业务中的每个目标热度业务,基于在线电商用户在多组电商业务大数据中的在线电商用户的业务统计信息,以及目标热度业务在多组电商业务大数据中的目标热度业务的业务描述信息,确定在线电商用户和目标热度业务在多组电商业务大数据中的相关度,得到目标热度业务对应的相关度序列。然后,基于在线电商用户的业务统计信息和目标热度业务的业务描述信息,可以准确确定在线电商用户与目标热度业务之间的相关度,以提高基于多个目标热度业务对应的相关度序列,确定在线电商用户的实时业务意图信息的准确性。
以上所描述的实施例仅仅是本发明的一部分实施例,而不是全部的实施例。通常在附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此,在附图中提供的本发明的实施例的详细描述并非旨在限制本发明的保护范围,而仅仅是表示本发明的选定实施例。因此,本发明的保护范围应以权利要求的保护范围为准。此外,基于本发明的实施例,本领域技术人员在没有做出创造性劳动的前提下可获得的所有其它实施例,都应属于本发明保护的范围。
Claims (7)
1.一种基于大数据的电商用户讯息推送方法,应用于电商平台服务器,所述电商平台服务器多个电商用户终端通信连接,其特征在于,所述方法包括:
获取电商平台中处于在线状态的在线电商用户在目标业务场景下产生的多组电商业务大数据;
对所述多组电商业务大数据进行热度业务分析,得到与所述在线电商用户相关联的多个目标热度业务;
针对所述多个目标热度业务中的每个目标热度业务,基于所述在线电商用户在所述多组电商业务大数据中的在线电商用户的业务统计信息,以及所述目标热度业务在所述多组电商业务大数据中的目标热度业务的业务描述信息,确定所述在线电商用户和所述目标热度业务在所述多组电商业务大数据中的相关度,得到所述目标热度业务对应的相关度序列;
根据所述多个目标热度业务分别对应的相关度序列,确定所述在线电商用户的实时业务意图信息;
根据所述实时业务意图信息,从待推送电商用户讯息数据库中获取与所述实时业务意图匹配的待推送电商用户讯息,向所述在线电商用户进行讯息推送;
其中,所述方法还包括确定所述目标热度业务的业务描述信息的步骤,所述步骤包括:
对所述目标热度业务进行业务特征卷积操作,得到所述目标热度业务在大数据描述维度下对应的热度业务的特征向量序列,将得到的所述热度业务的特征向量序列作为所述目标热度业务在所述多组电商业务大数据中的目标热度业务的业务描述信息;
所述基于所述在线电商用户在所述多组电商业务大数据中的在线电商用户的业务统计信息,以及所述目标热度业务在所述多组电商业务大数据中的目标热度业务的业务描述信息,确定所述在线电商用户和所述目标热度业务在所述多组电商业务大数据中的相关度,得到所述目标热度业务对应的相关度序列,包括:
针对所述多组电商业务大数据中的每组大数据,在当前组电商业务大数据中,基于所述目标热度业务的热度业务描述信息对应的热度业务的特征向量序列,确定一个热度业务特征向量作为目标特征向量;
基于所述目标特征向量,在所述当前组电商业务大数据中,确定与所述在线电商用户的动态业务数据匹配的参考业务大数据,并将所述参考业务大数据与所述动态业务数据的共有特征向量作为动态参考特征向量,所述动态业务数据是基于所述当前组电商业务大数据中的在线电商用户在当前时间节点之前的预设时间周期内的业务统计信息而得到,且在所述当前组电商业务大数据中指示所述在线电商用户的当前业务动态;
基于所述目标特征向量和所述动态参考特征向量,确定所述在线电商用户和所述目标热度业务在所述当前组电商业务大数据中的相关度;
基于针对所述多组电商业务大数据分别对应的相关度,得到所述目标热度业务对应的相关度序列。
2.如权利要求1所述的方法,其特征在于,基于所述目标特征向量和所述动态参考特征向量,确定所述在线电商用户和所述目标热度业务在所述当前组电商业务大数据中的相关度,包括:
确定所述目标特征向量和所述动态参考特征向量之间的向量距离,并将所述的向量距离按照预设的向量标准化规则进行向量标准化处理,以及将向量标准化处理后得到的标准化结果作为所述在线电商用户和所述目标热度业务的相关度,其中,所述预设的向量标准化规则是基于业务数据采集模块的模块配置信息确定的;或者
基于业务数据采集模块的模块配置信息,将所述目标特征向量和所述动态参考特征向量,分别映射为电商用户描述维度下相应的目标热度业务特征向量和目标动态参考特征向量,并基于所述目标热度业务特征向量和所述目标动态参考特征向量,确定所述在线电商用户和所述目标热度业务的相关度;
其中,所述业务数据采集模块为产生所述多组电商业务大数据的数据采集模块。
3.如权利要求1所述的方法,其特征在于,所述基于所述在线电商用户在所述多组电商业务大数据中的在线电商用户的业务统计信息,以及所述目标热度业务在所述多组电商业务大数据中的目标热度业务的业务描述信息,确定所述在线电商用户和所述目标热度业务在所述多组电商业务大数据中的相关度,得到所述目标热度业务对应的相关度序列,包括:
依次遍历所述多组电商业务大数据中的每组大数据,在当前组电商业务大数据中,基于业务数据采集模块的模块配置信息,将所述目标热度业务的热度业务描述信息对应的热度业务的特征向量序列中的多个热度业务特征向量,映射到电商用户描述维度下,得到相应的目标热度业务特征向量集,以及将所述在线电商用户的业务统计信息映射到所述电商用户描述维度下,得到相应的在线电商用户特征向量;
基于所述目标热度业务特征向量集对所述目标热度业务进行热度业务描述,确定所述电商用户描述维度下,用于指示所述当前组电商业务大数据中的所述目标热度业务的热度业务描述信息;
基于所述热度业务描述信息以及所述在线电商用户特征向量,确定所述在线电商用户和所述目标热度业务的相关度;
基于针对所述多组电商业务大数据对应的相关度,得到所述目标热度业务对应的相关度序列,其中,每组电商业务大数据对应的相关度为基于该组电商业务大数据得到的所述在线电商用户和所述目标热度业务的相关度。
4.如权利要求1-3任意一项所述的方法,其特征在于,所述根据所述多个目标热度业务分别对应的相关度序列,确定所述在线电商用户的实时业务意图信息,包括:
在多个所述相关度序列中,确定目标相关度序列;
针对任意目标相关度序列,当基于所述任意目标相关度序列中对应的预设数量个相关度的参数值,确定所述在线电商用户与所述任意目标相关度序列对应的目标热度业务之间的匹配度逐渐变大时,则判定所述在线电商用户具有对所述任意目标相关度序列对应的目标热度业务的业务意图;
针对任意目标相关度序列,当基于所述任意目标相关度序列中对应的预设数量个相关度的参数值,确定所述在线电商用户与所述任意目标相关度序列对应的目标热度业务之间的匹配度逐渐减小时,则判定所述在线电商用户没有对所述任意目标相关度序列对应的目标热度业务的业务意图。
5.如权利要求1-3任意一项所述的方法,其特征在于,所述基于所述多个目标热度业务对应的相关度序列,确定所述在线电商用户的实时业务意图信息,包括:
基于所述多个目标热度业务对应的相关度序列,确定所述多个目标热度业务对应的跳转业务序列,其中,每个所述跳转业务序列包含多个跳转业务,每个所述跳转业务指示所述在线电商用户的业务跳转状态和业务跳转记录;
基于确定的所述多个目标热度业务对应的跳转业务序列,确定所述在线电商用户的实时业务意图信息。
6.如权利要求5所述的方法,其特征在于,所述基于所述多个目标热度业务对应的相关度序列,确定所述多个目标热度业务对应的跳转业务序列,包括:
将所述多个目标热度业务对应的相关度序列进行业务逻辑关联处理,得到所述多个目标热度业务对应的跳转业务序列;
所述基于确定的所述多个目标热度业务对应的跳转业务序列,确定所述在线电商用户的实时业务意图信息,包括:
在所述多个目标热度业务对应的跳转业务序列中,确定多个跳转业务序列作为目标跳转业务序列;
针对任意目标跳转业务序列,当所述任意目标跳转业务序列中的预设数量个跳转业务,指示所述在线电商用户的业务跳转状态不一致,且所述预设数量个跳转业务中的任意跳转业务的启用次数小于第一设定次数,则确定所述在线电商用户不具有与所述业务跳转状态匹配的一个相关联的目标热度业务的使用意图;
针对任意目标跳转业务序列,当所述任意目标跳转业务序列中包含的预设数量个跳转业务,指示所述在线电商用户的业务跳转状态一致,且所述预设数量个跳转业务的启用次数大于第二设定次数时,则确定所述在线电商用户具有与所述业务跳转状态匹配的一个相关联的目标热度业务的使用意图。
7.一种基于大数据的电商用户讯息推送系统,其特征在于,包括电商平台服务器以及分别与所述电商平台服务器通信连接的多个电商用户终端,所述电商平台服务器包括处理器、机器可读存储介质以及电商用户信息推送装置,所述电商用户信息推送装置包括存储于所述机器可读存储介质中的多个软件功能模块,所述处理器用于执行所述软件功能模块以实现权利要求1-6任意一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110680936.3A CN113327154B (zh) | 2021-06-18 | 2021-06-18 | 基于大数据的电商用户讯息推送方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110680936.3A CN113327154B (zh) | 2021-06-18 | 2021-06-18 | 基于大数据的电商用户讯息推送方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113327154A CN113327154A (zh) | 2021-08-31 |
CN113327154B true CN113327154B (zh) | 2022-05-13 |
Family
ID=77423890
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110680936.3A Active CN113327154B (zh) | 2021-06-18 | 2021-06-18 | 基于大数据的电商用户讯息推送方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113327154B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114049161B (zh) * | 2021-12-07 | 2022-06-21 | 广州市贝法易信息科技有限公司 | 基于电商大数据反馈的推送优化方法及电商大数据系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105871940A (zh) * | 2016-06-27 | 2016-08-17 | 乐视控股(北京)有限公司 | 信息推荐方法和系统 |
CN107360222A (zh) * | 2017-06-30 | 2017-11-17 | 广东欧珀移动通信有限公司 | 商品信息推送方法、装置、存储介质以及服务器 |
CN107480227A (zh) * | 2017-07-28 | 2017-12-15 | 佛山市南方数据科学研究院 | 一种基于大数据的信息推送方法 |
CN109993583A (zh) * | 2019-04-02 | 2019-07-09 | 深圳市腾讯信息技术有限公司 | 信息推送方法和装置、存储介质及电子装置 |
CN111177530A (zh) * | 2019-11-25 | 2020-05-19 | 云知声智能科技股份有限公司 | 基于大数据实现热点内容推送的方法及装置 |
CN111666308A (zh) * | 2020-06-03 | 2020-09-15 | 国家计算机网络与信息安全管理中心 | 一种基于行为分析的大数据智能推荐查询方法和系统 |
US11023947B1 (en) * | 2013-03-15 | 2021-06-01 | Overstock.Com, Inc. | Generating product recommendations using a blend of collaborative and content-based data |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8312108B2 (en) * | 2007-05-22 | 2012-11-13 | Yahoo! Inc. | Hot within my communities |
CN104331817B (zh) * | 2014-10-29 | 2018-09-28 | 深圳先进技术研究院 | 电子商务推荐模型的用户特征提取方法及系统 |
CN112333457A (zh) * | 2020-04-30 | 2021-02-05 | 许周 | 基于人工智能的电子商务信息推送方法及信息推送系统 |
-
2021
- 2021-06-18 CN CN202110680936.3A patent/CN113327154B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11023947B1 (en) * | 2013-03-15 | 2021-06-01 | Overstock.Com, Inc. | Generating product recommendations using a blend of collaborative and content-based data |
CN105871940A (zh) * | 2016-06-27 | 2016-08-17 | 乐视控股(北京)有限公司 | 信息推荐方法和系统 |
CN107360222A (zh) * | 2017-06-30 | 2017-11-17 | 广东欧珀移动通信有限公司 | 商品信息推送方法、装置、存储介质以及服务器 |
CN107480227A (zh) * | 2017-07-28 | 2017-12-15 | 佛山市南方数据科学研究院 | 一种基于大数据的信息推送方法 |
CN109993583A (zh) * | 2019-04-02 | 2019-07-09 | 深圳市腾讯信息技术有限公司 | 信息推送方法和装置、存储介质及电子装置 |
CN111177530A (zh) * | 2019-11-25 | 2020-05-19 | 云知声智能科技股份有限公司 | 基于大数据实现热点内容推送的方法及装置 |
CN111666308A (zh) * | 2020-06-03 | 2020-09-15 | 国家计算机网络与信息安全管理中心 | 一种基于行为分析的大数据智能推荐查询方法和系统 |
Non-Patent Citations (2)
Title |
---|
A recommender system based on contextual information of click and purchase data to items for e-commerce;Duo Lin,Su Jingtao;《IEEE Xplore》;20160407;全文 * |
基于大数据分析的数字电视智能终端精准消息推送系统;李晓丽;《中国优秀硕士学位论文全文数据库(信息科技辑)》;20190815;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113327154A (zh) | 2021-08-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111797321B (zh) | 一种面向不同场景的个性化知识推荐方法及系统 | |
CN110909182B (zh) | 多媒体资源搜索方法、装置、计算机设备及存储介质 | |
CN111931062A (zh) | 一种信息推荐模型的训练方法和相关装置 | |
CN109816482B (zh) | 电商平台的知识图谱构建方法、装置、设备及存储介质 | |
CN110335123B (zh) | 基于社交电商平台的商品推荐方法、系统、计算机可读介质以及装置 | |
CN111461841A (zh) | 物品推荐方法、装置、服务器及存储介质 | |
CN110427560A (zh) | 一种应用于推荐系统的模型训练方法以及相关装置 | |
CN112989169B (zh) | 目标对象识别方法、信息推荐方法、装置、设备及介质 | |
CN113254711B (zh) | 一种互动图像的显示方法、装置、计算机设备和存储介质 | |
CN110134783A (zh) | 个性化推荐的方法、装置、设备和介质 | |
CN114297509A (zh) | 用户兴趣向量生成方法、产品推荐方法、装置、设备、介质 | |
CN112288554A (zh) | 商品推荐方法和装置、存储介质及电子装置 | |
CN113327154B (zh) | 基于大数据的电商用户讯息推送方法及系统 | |
CN111428007B (zh) | 基于跨平台的同步推送反馈方法 | |
CN115358807A (zh) | 物品的推荐方法和装置、存储介质及电子设备 | |
CN116823410A (zh) | 数据处理方法、对象处理方法、推荐方法及计算设备 | |
CN111882224A (zh) | 对消费场景进行分类的方法和装置 | |
CN116383502A (zh) | 基于电子商务的信息推送方法及系统 | |
CN114429384B (zh) | 基于电商平台的产品智能推荐方法及系统 | |
CN112464106B (zh) | 对象推荐方法及装置 | |
CN112734519B (zh) | 一种基于卷积自编码器网络的商品推荐方法 | |
CN111291904B (zh) | 偏好预测方法、装置及计算机设备 | |
CN111460300A (zh) | 网络内容推送方法、装置及存储介质 | |
CN113297467A (zh) | 推荐方法、装置及计算机存储介质 | |
CN117217852B (zh) | 一种基于行为识别购买意愿度预测方法及装置 |
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 |
Address after: 215000 d205-208, No. 99, Ren'ai Road, Suzhou Industrial Park, Jiangsu Province Applicant after: Suzhou Jiyi Technology Co.,Ltd. Address before: 215000 d205-208, No. 99, Ren'ai Road, Suzhou Industrial Park, Jiangsu Province Applicant before: Suzhou easy to sell information technology Co.,Ltd. |
|
CB02 | Change of applicant information | ||
GR01 | Patent grant | ||
GR01 | Patent grant |