CN113379474A - 匹配用户所属群体和信息推送的方法、装置、设备及介质 - Google Patents
匹配用户所属群体和信息推送的方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN113379474A CN113379474A CN202110790450.5A CN202110790450A CN113379474A CN 113379474 A CN113379474 A CN 113379474A CN 202110790450 A CN202110790450 A CN 202110790450A CN 113379474 A CN113379474 A CN 113379474A
- Authority
- CN
- China
- Prior art keywords
- matched
- matrix
- group
- user
- tag
- 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
- 238000000034 method Methods 0.000 title claims abstract description 77
- 239000011159 matrix material Substances 0.000 claims abstract description 368
- 238000004891 communication Methods 0.000 claims description 15
- 229940050561 matrix product Drugs 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 description 29
- 230000008569 process Effects 0.000 description 10
- 239000002537 cosmetic Substances 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 230000009471 action Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000014509 gene expression Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000004806 packaging method and process Methods 0.000 description 2
- 239000000758 substrate Substances 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 235000021018 plums Nutrition 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0241—Advertisements
- G06Q30/0251—Targeted advertisements
- G06Q30/0269—Targeted advertisements based on user profile or attribute
- G06Q30/0271—Personalized advertisement
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0241—Advertisements
- G06Q30/0277—Online advertisement
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Mathematical Physics (AREA)
- Entrepreneurship & Innovation (AREA)
- Mathematical Analysis (AREA)
- Economics (AREA)
- Game Theory and Decision Science (AREA)
- Marketing (AREA)
- Data Mining & Analysis (AREA)
- General Business, Economics & Management (AREA)
- Mathematical Optimization (AREA)
- Computational Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Algebra (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本公开涉及一种匹配用户所属群体和信息推送的方法、装置、设备及介质,上述匹配用户所属群体的方法包括:获取待匹配用户对应的第一标签数据和待匹配群体对应的第二标签数据;基于上述第一标签数据,生成用于表征上述待匹配用户与标签组之间对应关系的第一矩阵;上述标签组中的标签包含上述待匹配用户和上述待匹配群体所对应的标签;基于上述第二标签数据,生成用于表征上述待匹配群体与上述标签组之间对应关系的第二矩阵;以及基于上述第一矩阵和上述第二矩阵中对应标签的重合度,确定上述待匹配用户与上述待匹配群体之间的匹配关系。
Description
技术领域
本公开涉及互联网技术领域,尤其涉及一种匹配用户所属群体和信息推送的方法、装置、设备及介质。
背景技术
随着互联网的广泛使用,网络用户产生的浏览、购买、社群互动等数据构成了网络用户的整体画像。在电子商务营销的过程中,会根据用户的相关数据为各个用户打上对应的标签,进而根据不同的标签来组合得到人群,并针对不同的人群进行差异化营销。
在实现本公开构思的过程中,发明人发现相关技术中至少存在如下技术问题:生成人群的主流方法是根据每个人群的标签查询出满足所有标签条件的人,然后取交集,这样就计算出了该人群的所有人,随着标签和人群越来越多,关于人群的计算越来越复杂,数据处理变得越来越慢,需要大量计算资源并且不能采用增量方式进行计算,费时费力,效率低下。
发明内容
为了解决上述技术问题或者至少部分地解决上述技术问题,本公开的实施例提供了一种匹配用户所属群体和信息推送的方法、装置、设备及介质。
第一方面,本公开的实施例提供了一种匹配用户所属群体的方法。上述匹配用户所属群体的方法包括:获取待匹配用户对应的第一标签数据和待匹配群体对应的第二标签数据;基于上述第一标签数据,生成用于表征上述待匹配用户与标签组之间对应关系的第一矩阵;上述标签组中的标签包含上述待匹配用户和上述待匹配群体所对应的标签;基于上述第二标签数据,生成用于表征上述待匹配群体与上述标签组之间对应关系的第二矩阵;以及基于上述第一矩阵和上述第二矩阵中对应标签的重合度,确定上述待匹配用户与上述待匹配群体之间的匹配关系。
根据本公开的实施例,上述基于上述第一矩阵和上述第二矩阵对应标签的重合度,确定上述待匹配用户与上述待匹配群体之间的匹配关系,包括:基于上述第一矩阵和上述第二矩阵,确定上述待匹配用户对应的标签与上述待匹配群体对应的标签相互重合的目标个数;基于上述第二矩阵,确定针对每个待匹配群体的标签总数;以及基于上述目标个数与上述标签总数进行匹配,以得到上述待匹配用户和上述待匹配群体之间的匹配关系。
根据本公开的实施例,上述基于上述目标个数与上述标签总数进行匹配,以得到上述待匹配用户和上述待匹配群体之间的匹配关系,包括:针对每个待匹配群体,确定是否存在第一待匹配用户或第二待匹配用户;上述第一待匹配用户对应的标签与当前待匹配群体对应的标签相互重合的第一目标个数,与上述当前待匹配群体的标签总数相匹配;上述第二待匹配用户对应的标签与上述当前待匹配群体对应的标签相互重合的第二目标个数,与上述当前待匹配群体的标签总数不匹配;在存在第一待匹配用户的情况下,确定上述第一待匹配用户属于上述当前待匹配群体;在存在第二待匹配用户的情况下,确定上述第二待匹配用户不属于上述当前待匹配群体。
根据本公开的实施例,上述基于上述第一矩阵和上述第二矩阵,确定上述待匹配用户对应的标签与上述待匹配群体对应的标签相互重合的目标个数,包括:对上述第一矩阵和上述第二矩阵进行矩阵乘积运算,得到第三矩阵,上述第三矩阵的矩阵元用于表征上述待匹配用户对应的标签与上述待匹配群体对应的标签相互重合的目标个数。上述基于上述第二矩阵,确定针对每个待匹配群体的标签总数,包括:针对上述第二矩阵,将每个待匹配群体所对应的各个矩阵元进行求和运算,得到针对每个待匹配群体的标签总数。
根据本公开的实施例,对上述第一矩阵和上述第二矩阵进行矩阵乘积运算时,上述第一矩阵的标签组中标签的顺序和上述第二矩阵的标签组中标签的顺序是一致的,并且将待匹配用户-标签组对应的第一矩阵与标签组-待匹配群体对应的第二矩阵的转置进行矩阵乘积运算。
根据本公开的实施例,上述匹配用户所属群体的方法还包括:接收待匹配群体的更新信息;根据上述待匹配群体的更新信息来修改上述第二矩阵;基于上述第一矩阵和修改后的第二矩阵中对应标签的重合度,确定上述待匹配用户与更新后的待匹配群体之间的匹配关系。或者,上述匹配用户所属群体的方法还包括:接收标签组中标签的更新信息;根据上述标签组中标签的更新信息来修改上述第一矩阵和上述第二矩阵;基于修改后的第一矩阵和修改后的第二矩阵中对应标签的重合度,确定标签更新后上述待匹配用户与上述待匹配群体之间的匹配关系。或者,上述匹配用户所属群体的方法还包括:接收待匹配群体的更新信息和标签组中标签的更新信息;根据上述待匹配群体的更新信息和上述标签组中标签的更新信息来修改上述第一矩阵和上述第二矩阵;基于修改后的第一矩阵和修改后的第二矩阵中对应标签的重合度,确定标签更新后上述待匹配用户与上述待匹配群体之间的匹配关系。
根据本公开的实施例,当上述待匹配群体的更新信息为新增待匹配群体时,上述基于上述第一矩阵和修改后的第二矩阵中对应标签的重合度,确定上述待匹配用户与更新后的待匹配群体之间的匹配关系,包括:确定修改后的第二矩阵中新增的第三矩阵区域;以及基于上述第一矩阵和上述第三矩阵区域中对应标签的重合度,确定上述待匹配用户与新增的待匹配群体之间的匹配关系。
根据本公开的实施例,当上述待匹配群体的更新信息为新增待匹配群体且上述标签组中标签的更新信息为新增标签时,上述基于修改后的第一矩阵和修改后的第二矩阵中对应标签的重合度,确定标签更新后上述待匹配用户与上述待匹配群体之间的匹配关系,包括:确定新增的待匹配群体在修改后的第二矩阵中对应的第四矩阵区域,上述第四矩阵区域涵盖新增的待匹配群体对应的已有标签和新增标签;基于修改后的第一矩阵和上述第四矩阵区域中对应标签的重合度,确定标签更新后上述待匹配用户与新增的待匹配群体之间的匹配关系。
第二方面,本公开的实施例提供了一种信息推送的方法。上述信息推送的方法包括:采用如上所述的匹配用户所属群体的方法来确定待匹配用户与上述待匹配群体之间的匹配关系;基于待匹配用户与上述待匹配群体之间的匹配关系,确定属于待推送信息的目标群体的目标用户;以及向上述目标用户针对性推送信息。
第三方面,本公开的实施例提供了一种用于匹配用户所属群体的装置。上述用于匹配用户所属群体的装置包括:数据获取模块、第一矩阵生成模块、第二矩阵生成模块和匹配关系确定模块。上述数据获取模块用于获取待匹配用户对应的第一标签数据和待匹配群体对应的第二标签数据。上述第一矩阵生成模块用于基于上述第一标签数据,生成用于表征上述待匹配用户与标签组之间对应关系的第一矩阵。上述标签组中的标签包含上述待匹配用户和上述待匹配群体所对应的标签。上述第二矩阵生成模块用于基于上述第二标签数据,生成用于表征上述待匹配群体与上述标签组之间对应关系的第二矩阵。上述匹配关系确定模块用于基于上述第一矩阵和上述第二矩阵中对应标签的重合度,确定上述待匹配用户与上述待匹配群体之间的匹配关系。
第四方面,本公开的实施例提供了一种信息推送的装置。上述装置包括:数据获取模块、第一矩阵生成模块、第二矩阵生成模块、匹配关系确定模块、目标用户确定模块和信息推送模块。上述数据获取模块用于获取待匹配用户对应的第一标签数据和待匹配群体对应的第二标签数据。上述第一矩阵生成模块用于基于上述第一标签数据,生成用于表征上述待匹配用户与标签组之间对应关系的第一矩阵。上述标签组中的标签包含上述待匹配用户和上述待匹配群体所对应的标签。上述第二矩阵生成模块用于基于上述第二标签数据,生成用于表征上述待匹配群体与上述标签组之间对应关系的第二矩阵。上述匹配关系确定模块用于基于上述第一矩阵和上述第二矩阵中对应标签的重合度,确定上述待匹配用户与上述待匹配群体之间的匹配关系。上述目标用户确定模块用于基于待匹配用户与上述待匹配群体之间的匹配关系,确定属于待推送信息的目标群体的目标用户。上述信息推送模块用于向上述目标用户针对性推送信息。
第五方面,本公开的实施例提供了一种电子设备。上述电子设备包括处理器、通信接口、存储器和通信总线,其中,处理器、通信接口和存储器通过通信总线完成相互间的通信;存储器,用于存放计算机程序;处理器,用于执行存储器上所存放的程序时,实现如上所述的匹配用户所属群体的方法或信息推送的方法。
第六方面,本公开的实施例提供了一种计算机可读存储介质。上述计算机可读存储介质上存储有计算机程序,上述计算机程序被处理器执行时实现如上所述的匹配用户所属群体的方法或信息推送的方法。
本公开实施例提供的上述技术方案与现有技术相比至少具有如下优点的部分或全部:
基于第一标签数据生成第一矩阵,基于第二标签数据生成第二矩阵,并基于矩阵形式来表征待匹配用户/待匹配群体与标签组之间的对应关系,一次性实现了所有待匹配人群和待匹配用户的匹配关系保存,使得用户和群体的基础数据可复用和更新的同时,还节约存储空间;并且可以通过矩阵运算来确定第一矩阵和第二矩阵中对应标签的重合度,由此能够得到待匹配用户与上述待匹配群体之间的匹配关系,通过确定第一矩阵和第二矩阵中对应标签重合度的方式来实现匹配的计算效率非常高,并且可以拓展至增量计算,省时省力,还节省了存储空间,至少能够解决相关技术中针对大量数据遍历计算的匹配效率低且保留中间结果和调用的成本高的技术问题。
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。
为了更清楚地说明本公开实施例或现有技术中的技术方案,下面将对实施例或相关技术描述中所需要使用的附图作简单地介绍,显而易见地,对于本领域普通技术人员而言,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他的附图。
图1示意性示出了适用于本公开实施例的匹配用户所属群体的方法和装置的系统架构;
图2示意性示出了根据本公开一实施例的匹配用户所属群体的方法的流程图;
图3示意性示出了根据本公开实施例的操作S204的详细实施流程图;
图4示意性示出了根据本公开实施例的操作S2043的详细实施流程图;
图5示意性示出了根据本公开另一实施例的匹配用户所属群体的方法的流程图;
图6示意性示出了根据本公开又一实施例的匹配用户所属群体的方法的流程图。
图7示意性示出了根据本公开再一实施例的匹配用户所属群体的方法的流程图;
图8示意性示出了根据本公开实施例的信息推送的方法的流程图;
图9示意性示出了根据本公开实施例的用于匹配用户所属群体的装置的结构框图;
图10示意性示出了根据本公开实施例的信息推送的装置的结构框图;以及
图11示意性示出了本公开实施例提供的电子设备的结构框图。
具体实施方式
本公开的实施例提供了一种匹配用户所属群体和信息推送的方法、装置、设备及介质。上述匹配用户所属群体的方法包括:获取待匹配用户对应的第一标签数据和待匹配群体对应的第二标签数据;基于上述第一标签数据,生成用于表征上述待匹配用户与标签组之间对应关系的第一矩阵;上述标签组中的标签包含上述待匹配用户和上述待匹配群体所对应的标签;基于上述第二标签数据,生成用于表征上述待匹配群体与上述标签组之间对应关系的第二矩阵;以及基于上述第一矩阵和上述第二矩阵中对应标签的重合度,确定上述待匹配用户与上述待匹配群体之间的匹配关系。
为使本公开实施例的目的、技术方案和优点更加清楚,下面将结合本公开实施例中的附图,对本公开实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本公开的一部分实施例,而不是全部的实施例。基于本公开中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本公开保护的范围。
图1示意性示出了适用于本公开实施例的匹配用户所属群体的方法和装置的系统架构。
参照图1所示,适用于本公开实施例的匹配用户所属群体的方法和装置的系统架构100包括:终端设备101、102、103,网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互,以接收或发送消息等。终端设备101、102、103上可以安装各种通讯客户端应用,例如购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等(仅为示例)。
终端设备101、102、103可以是具有显示屏并支持网页浏览的各种电子设备,例如电子设备包括但不限于智能手机、平板电脑、笔记本电脑、台式计算机、智能手表等等。
服务器105可以是提供各种服务的服务器,例如对用户利用终端设备101、102、103所浏览的网页进行数据处理提供服务支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的网页数据进行分析等处理,并将处理结果(例如根据用户请求获取或生成的网页、信息、或数据等)反馈给终端设备。
需要说明的是,本公开实施例所提供的匹配用户所属群体的方法一般可以由服务器105或具有一定运算能力的终端设备执行。相应地,本公开实施例所提供的匹配用户所属群体的装置一般可以设置于服务器105中或上述具有一定运算能力的终端设备中。本公开实施例所提供的匹配用户所属群体的方法也可以由不同于服务器105且能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群执行。相应地,本公开实施例所提供的匹配用户所属群体的装置也可以设置于不同于服务器105且能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群中。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
本公开的第一个示例性实施例提供了一种匹配用户所属群体的方法。
图2示意性示出了根据本公开实施例的匹配用户所属群体的方法的流程图。
参照图2所示,本公开实施例提供的匹配用户所属群体的方法,包括以下操作:S201~S204。
在操作S201,获取待匹配用户对应的第一标签数据和待匹配群体对应的第二标签数据。
在操作S202,基于上述第一标签数据,生成用于表征上述待匹配用户与标签组之间对应关系的第一矩阵;上述标签组中的标签包含上述待匹配用户和上述待匹配群体所对应的标签。
在操作S203,基于上述第二标签数据,生成用于表征上述待匹配群体与上述标签组之间对应关系的第二矩阵。
在操作S204,基于上述第一矩阵和上述第二矩阵中对应标签的重合度,确定上述待匹配用户与上述待匹配群体之间的匹配关系。
上述操作S201中,待匹配用户可以是一个或多个用户,待匹配群体可以是一个或多个群体。待匹配用户对应的第一标签数据包含各个待匹配用户各自对应的标签,待匹配群体对应的第二标签数据包含各个待匹配群体各自对应的标签。
例如,以4个待匹配用户P1~P4,2个待匹配群体C1和C2为例。待匹配用户对应的第一标签数据为:待匹配用户P1对应的标签为L1和L3,待匹配用户P2对应的标签为L2和L3,待匹配用户P3对应的标签为L1和L4,待匹配用户P4对应的标签为L2。待匹配群体对应的第二标签数据为:待匹配群体C1对应的标签为L2,待匹配群体C2对应的标签为L1和L5。
在操作S202和操作S203中,基于上述第一标签数据和上述第二标签数据分别对应生成第一矩阵和第二矩阵。生成的第一矩阵和第二矩阵可以通过npy的形式进行存储。
其中,标签组中的标签包含上述待匹配用户和上述待匹配群体所对应的标签。在本实施例中,标签组中的标签涵盖待匹配用户P1~P4所对应的标签L1、L2、L3、L4和待匹配群体C1和C2所对应的标签L1、L2、L5,即本实施例中标签组中的标签至少有5个:L1、L2、L3、L4和L5。这里以第一矩阵的行×列规模为4(行对应于待匹配用户)×5(列对应于标签组的各个标签)为例,以第二矩阵的行×列规模为2(行对应于待匹配群体)×5(列对应于标签组的各个标签)为例。第一矩阵A1和第二矩阵A2中的标签组是相同的标签组,且标签组内各个标签的排列顺序一致。
示例性的,以0表示不具有对应关系,以1表示具有对应关系。下面可以得到第一矩阵A1和第二矩阵A2的表达形式为:
在操作S204中,基于上述第一矩阵A1和第二矩阵A2中对应标签的重合度,确定上述待匹配用户与上述待匹配群体之间的匹配关系。
上述第一矩阵A1和上述第二矩阵A2中对应标签的重合度用于表征待匹配用户的对应标签与上述待匹配群体对应的标签之间的重合程度,如果待匹配用户的对应标签与上述待匹配群体对应的标签重合(待匹配用户的对应标签除了与待匹配群体里面的标签完全重合的标签之外,还可以有多余的标签),则说明该待匹配用户与该待匹配群体相匹配,即,该待匹配用户属于该待匹配群体。
例如,本实施例中,可以基于第一矩阵A1和第二矩阵A2中对应标签的重合度,确定待匹配用户P2和P4与待匹配群体C1相匹配,待匹配用户P1和P3与待匹配群体C1不匹配;待匹配用户P1~P4与待匹配群体C2均不匹配。
在本实施例中,可以通过矩阵运算来确定第一矩阵T1和第二矩阵T2中对应标签的重合度。例如可以基于矩阵乘法来确定待匹配用户的对应标签和上述待匹配群体对应的标签之间重合的个数,同时确定上述重合的个数是否与待匹配群体中的标签总数相匹配,匹配的情况下,说明待匹配用户属于待匹配群体,不匹配的情况下,说明待匹配用户不属于待匹配群体。
应该理解的是,上述待匹配用户和待匹配群体的个数是为了简单示例,随着待匹配用户数量和待匹配群体数量的增多,本公开实施例提供的方案相较于现有技术具有更高的计算效率。
通过实施上述操作S201~S204,基于第一标签数据生成第一矩阵,基于第二标签数据生成第二矩阵,并基于矩阵形式来表征待匹配用户/待匹配群体与标签组之间的对应关系,一次性实现了所有待匹配人群和待匹配用户的匹配关系保存,使得用户和群体的基础数据可复用和更新的同时,还节约存储空间;并且可以通过矩阵运算来确定第一矩阵和第二矩阵中对应标签的重合度,由此能够得到待匹配用户与上述待匹配群体之间的匹配关系,通过确定第一矩阵和第二矩阵中对应标签重合度的方式来实现匹配的计算效率非常高,并且可以拓展至增量计算,省时省力,还节省了存储空间;避免了相关技术中针对大量数据遍历计算的匹配效率低且保留中间结果和调用的成本高的技术问题。
下面结合一具体应用场景来进行介绍。示例性的,4个待匹配用户分别为:P1-小张(男),P2-小李(女),P3-小王(男)、P4-小赵(女),2个待匹配群体分别为:C1-化妆品群体,C2-摄影装备群体。
P1-小张(男)对应的标签为:L1-数码相机购买者,L3-三角架购买者。P2-小李(女)对应的标签为:L2-化妆品会员,L4-视频会员。P3-小王(男)对应的标签为:L1-数码相机购买者,L3-三角架购买者,L4-视频会员。P4-小赵(女)对应的标签为:L2-化妆品会员,L5-旅游爱好者。C1-化妆品群体对应的标签为:L2-化妆品。C2-摄影装备群体对应的标签为:L1-数码相机购买者,L3-三角架购买者。
则本实例中,根据上述标签数据可以得到第一矩阵和第二矩阵的表达式分别为:
可以基于第一矩阵A1和第二矩阵A2中对应标签的重合度,确定待匹配用户P2-小李(女)和P4-小赵(女)与待匹配群体C1-化妆品群体相匹配(关于标签L2的重合度为100%),待匹配用户P1-小张(男)和P3-小王(男)与待匹配群体C1-化妆品群体不匹配;待匹配用户P1-小张(男)和P3-小王(男)与待匹配群体C2-摄影装备群体匹配(关于标签L1和L3的重合度为100%),待匹配用户P2-小李(女)和P4-小赵(女)与待匹配群体C2-摄影装备群体不匹配。
图3示意性示出了根据本公开实施例的操作S204的详细实施流程图。
根据本公开的实施例,参照图3所示,上述基于上述第一矩阵和上述第二矩阵对应标签的重合度,确定上述待匹配用户与上述待匹配群体之间的匹配关系的操作S204包括以下子操作:S2041、S2042和S2043。
在子操作S2041,基于上述第一矩阵和上述第二矩阵,确定上述待匹配用户对应的标签与上述待匹配群体对应的标签相互重合的目标个数。
在子操作S2042,基于上述第二矩阵,确定针对每个待匹配群体的标签总数。
在子操作S2043,基于上述目标个数与上述标签总数进行匹配,以得到上述待匹配用户和上述待匹配群体之间的匹配关系。
根据本公开的实施例,上述基于上述第一矩阵和上述第二矩阵,确定上述待匹配用户对应的标签与上述待匹配群体对应的标签相互重合的目标个数的子操作S2041包括:对上述第一矩阵和上述第二矩阵进行矩阵乘积运算,得到第三矩阵,上述第三矩阵的矩阵元用于表征上述待匹配用户对应的标签与上述待匹配群体对应的标签相互重合的目标个数。
根据本公开的实施例,对上述第一矩阵和上述第二矩阵进行矩阵乘积运算时,上述第一矩阵的标签组中标签的顺序和上述第二矩阵的标签组中标签的顺序是一致的,并且将待匹配用户-标签组对应的第一矩阵与标签组-待匹配群体对应的第二矩阵的转置进行矩阵乘积运算。
示例性的,实施子操作S2041时,以上述第一矩阵A1和上述第二矩阵A2为例。通过将第一矩阵A1和上述第二矩阵A2的转置进行矩阵乘积运算,得到的矩阵乘积结果矩阵Ar中每个矩阵元用于表征待匹配用户对应的标签与上述待匹配群体对应的标签相互重合的目标个数。
矩阵乘积结果矩阵Ar的过程如下所示:
根据公式(3)示意的矩阵乘积结果矩阵Ar可以确定:待匹配用户P1对应的标签与待匹配群体C1对应的标签没有重合(对应于Ar第一行第一列的元素0),待匹配用户P1对应的标签与待匹配群体C2对应的标签有一个重合(对应于Ar第一行第二列的元素1);待匹配用户P2对应的标签与待匹配群体C1对应的标签有一个重合(对应于Ar第二行第一列的元素1),待匹配用户P2对应的标签与待匹配群体C2对应的标签没有重合(对应于Ar第二行第二列的元素0);待匹配用户P3对应的标签与待匹配群体C1对应的标签没有重合(对应于Ar第三行第一列的元素0),待匹配用户P3对应的标签与待匹配群体C2对应的标签有一个重合(对应于Ar第三行第二列的元素1);待匹配用户P4对应的标签与待匹配群体C1对应的标签有一个重合(对应于Ar第四行第一列的元素1),待匹配用户P4对应的标签与待匹配群体C2对应的标签没有重合(对应于Ar第四行第二列的元素0)。
上述基于上述第二矩阵,确定针对每个待匹配群体的标签总数的子操作S2042包括:针对上述第二矩阵,将每个待匹配群体所对应的各个矩阵元进行求和运算,得到针对每个待匹配群体的标签总数。
示例性的,实施子操作S2042时,以上述第一矩阵A1和上述第二矩阵A2为例。可以通过对第二矩阵A2的转置进行同一列的求和计算,得到字典矩阵As,字典矩阵As中的矩阵元用于表示针对每个待匹配群体的标签总数。
计算得到的字典矩阵As的表达式如下:
As=[1 2] (4),
这里的字典矩阵As中的1表示待匹配群体C1的标签总数为1,字典矩阵As中的2表示待匹配群体C2的标签总数为2。
图4示意性示出了根据本公开实施例的操作S2043的详细实施流程图。
根据本公开的实施例,参照图4所示,上述基于上述目标个数与上述标签总数进行匹配,以得到上述待匹配用户和上述待匹配群体之间的匹配关系的子操作S2043包括以下次子操作:S2043a、S2043b和S2043c。
在次子操作S2043a,针对每个待匹配群体,确定是否存在第一待匹配用户。
上述第一待匹配用户对应的标签与当前待匹配群体对应的标签相互重合的第一目标个数,与上述当前待匹配群体的标签总数相匹配。根据本公开的实施例,在矩阵元素中0表示没有对应关系,1表示具有对应关系的情况下,如果待匹配用户对应的标签与当前待匹配群体对应的标签相互重合的目标个数,与上述当前待匹配群体的标签总数相等,则视为匹配。
在次子操作S2043b,在存在第一待匹配用户的情况下,确定上述第一待匹配用户属于上述当前待匹配群体。
在次子操作S2043c,在不存在第一待匹配用户的情况下,确定所有的待匹配用户均不属于上述当前待匹配群体。
根据本公开的另一实施例,针对每个待匹配群体,不去确定是否存在第一待匹配用户,而是去确定是否存在第二待匹配用户。
上述第二待匹配用户对应的标签与上述当前待匹配群体对应的标签相互重合的第二目标个数,与上述当前待匹配群体的标签总数不匹配。
与前述实施具有类似的判断逻辑,在存在第二待匹配用户的情况下,确定上述第二待匹配用户不属于上述当前待匹配群体。可以根据实际情况采用是否存在第一待匹配用户或第二待匹配用户的判断逻辑来对目标个数与上述标签总数进行匹配,进而得到待匹配用户和上述待匹配群体之间的匹配关系。
示例性的,实施子操作S2043时,以上述第一矩阵A1和上述第二矩阵A2为例。可以针对每个待匹配群体C1和C2,确定是否存在第一待匹配用户或第二待匹配用户。以待匹配群体C1作为当前待匹配群体,基于上述公式(3)表示的矩阵乘积结果矩阵Ar中第一列的矩阵元来与公式(4)中示意的字典矩阵As中的第一列的矩阵元进行匹配。可以得到矩阵乘积结果矩阵Ar中第一列第二行的矩阵元、第一列第四行的矩阵元与字典矩阵As中的第一列的矩阵元是相互匹配的,Ar中第一列第一行和第一列第三行的矩阵元与As中的第一列的矩阵元是不匹配的,由此可知,待匹配用户P2和P4与待匹配群体C1相匹配,待匹配用户P1和P3与待匹配群体C1不匹配。
类似的,待匹配群体C2作为当前待匹配群体,基于上述公式(3)表示的矩阵乘积结果矩阵Ar中第二列的矩阵元来与公式(4)中示意的字典矩阵As中的第二列的矩阵元进行匹配,由此可以确定待匹配用户P1~P4与待匹配群体C2均不匹配。
在相关技术中,随着标签和人群越来越多,为用户匹配人群的计算也变得越来越复杂。已有的计算方式中,群体需要独立计算,随着群体个数的增加,计算需要的资源会线性增长,并且每次人群计算的结果不能复用,无法保留中间结果。本公开实施例不仅解决了上述技术问题,还具有适用于标签、群体的变化,进行实时更新的优点,尤其针对增量计算具有计算效率高,前期计算结果可以保存并直接调用的优势。
下面结合图5来进行详细描述。图5示意性示出了根据本公开另一实施例的匹配用户所属群体的方法的流程图。
参照图5所示,本公开实施例提供的匹配用户所属群体的方法除了包括上述操作S201~S204之外,还包括以下操作:S501、S502和S503。
在操作S501,接收待匹配群体的更新信息。
在操作S502,根据上述待匹配群体的更新信息来修改上述第二矩阵。
在操作S503,基于上述第一矩阵和修改后的第二矩阵中对应标签的重合度,确定上述待匹配用户与更新后的待匹配群体之间的匹配关系。
参照图5所示,上述操作S501可以操作S201之后执行,操作S502在操作S203之后执行,操作S503在操作S202之后执行。操作S202和操作S203的执行顺序不做限制。
或者,也可以在操作S201~S204实施完后之后执行操作S501~S503。
操作S501的执行时机取决于待匹配群体更新的时机。
上述操作S502中待修改的第二矩阵为操作S203中生成的第二矩阵,根据操作S501中接收到的待匹配群体的更新信息来对操作S203中生成的第二矩阵进行修改。
上述操作S503中的第一矩阵为操作S202中生成的第一矩阵,根据操作S502得到的修改后的第二矩阵和操作S202中生成的第一矩阵中对应标签的重合度来确定上述待匹配用户与更新后的待匹配群体之间的匹配关系。
根据本公开的实施例,当上述待匹配群体的更新信息为新增待匹配群体时,上述基于上述第一矩阵和修改后的第二矩阵中对应标签的重合度,确定上述待匹配用户与更新后的待匹配群体之间的匹配关系,包括:确定修改后的第二矩阵中新增的第三矩阵区域;以及基于上述第一矩阵和上述第三矩阵区域中对应标签的重合度,确定上述待匹配用户与新增的待匹配群体之间的匹配关系。这种增量计算方式具有快速、高效率的优势,能够适用于群体的变化,进行实时更新。
本实施例中,以在待匹配群体C1和C2的基础上新增一个待匹配群体C3作为示例,接收到的待匹配群体的更新信息:新增待匹配群体C3,且新增的待匹配群体C3对应的标签为L1和L4。
则根据上述待匹配群体的更新信息来修改上述第二矩阵可以得到修改后的第二矩阵A2′:
上述修改后的第二矩阵A2′中的第三行是新增的第三矩阵区域A3,该第三矩阵区域A3用于表征新增的待匹配群体与标签组的对应关系。这里以标签组中标签为已有标签L1、L2、L3、L4和L5进行示例,在其他实施例中,随着待匹配群体的新增,可以有标签的新增。
基于第一矩阵和第三矩阵区域中对应标签的重合度,来确定待匹配用户与新增的待匹配群体之间的匹配关系的过程示例如下。
As′=[2] (7),
这里的字典矩阵As′中的2表示待匹配群体C3的标签总数为2。
针对新增的待匹配群体C3,将矩阵乘积结果矩阵Ar′的各个矩阵元与待匹配群体C3的标签总数进行匹配,即,将公式(6)中的同一列的各个矩阵元分别与标签总数为2进行匹配,结果得到待匹配用户P3与待匹配群体C3相匹配,待匹配用户P1、P2和P4与待匹配群体C3均不匹配。
以上描述的操作S201~S204为全量群体计算的方式,由于此计算方式持续维护全量的对应关系矩阵,进而可以实现群体的增量计算。在增量群体计算中,无需重新组成全量群体,在原有结果的基础上,只需要计算新增群体对应第三矩阵区域与第一矩阵中对应标签的重合度,便可以得到待匹配用户与新增的待匹配群体之间的匹配关系,从而可保证快速、高效率地实现用户和群体的匹配。
上述更新除了包括新增的方式之外,还可以包括删除和修改对应关系的方式。
根据本公开的实施例,上述待匹配群体的更新信息包括以下一种:新增待匹配群体及新增的待匹配群体对应的第三标签数据、删除一个或多个待匹配群体及其对应的第二标签数据、更改所述待匹配群体与所述标签组的对应关系。
在上述三种更新情形下,根据上述待匹配群体的更新信息来修改上述第二矩阵,包括:基于上述第三标签数据生成表征新增的待匹配群体与标签组对应的第三矩阵,上述第三矩阵用于与上述第二矩阵进行叠加,这里描述的第三矩阵对应于修改后的第二矩阵中的第三矩阵区域。或者,在上述第二矩阵的基础上删除一个或多个待匹配群体及其对应的第二标签数据后,得到第四矩阵。或者,在上述第二矩阵的基础上更改所述待匹配群体与所述标签组的对应关系后,得到第五矩阵。
其中,上述第三标签数据为新增的待匹配群体与标签组中的已有标签的对应数据(可以参照公式(5)对应的示例),或者为新增的待匹配群体与标签组中新增的标签的对应数据(可以参照公式(11)对应的示例)。
对应的,基于上述第一矩阵和修改后的第二矩阵中对应标签的重合度,确定上述待匹配用户与更新后的待匹配群体之间的匹配关系,包括:基于第一矩阵与第三矩阵中对应标签的重合度,确定所述待匹配用户与新增的待匹配群体之间的匹配关系;或者,基于所述第一矩阵与上述第四矩阵或上述第五矩阵对应标签的重合度,对应确定所述待匹配用户与删除、或更改后的待匹配群体之间的匹配关系。
基于相同的构思,在本公开的实施例中,还可以针对标签组中的标签更新进行实时的匹配更新;此外,还可以针对标签组的标签和待匹配群体同时具有更新的情况进行实时更新处理。
图6示意性示出了根据本公开又一实施例的匹配用户所属群体的方法的流程图。本实施例中,以针对标签组中的标签更新进行实时的匹配更新进行示例。
参照图6所示,本公开实施例提供的匹配用户所属群体的方法除了包括上述操作S401~S404之外,还包括以下操作:S601、S602和S603。
在操作S601,接收标签组中标签的更新信息。
在操作S602,根据上述标签组中标签的更新信息来修改上述第一矩阵和上述第二矩阵。
在操作S603,基于修改后的第一矩阵和修改后的第二矩阵中对应标签的重合度,确定标签更新后上述待匹配用户与上述待匹配群体之间的匹配关系。
上述标签的更新信息包括以下三种更新信息的一种,更新信息一:新增标签、待匹配用户关于新增的标签的第四标签数据和待匹配群体关于新增的标签的第五标签数据;更新信息二:删除标签、与删除的标签对应的第一标签数据及第二标签数据;更新信息三:修改标签与待匹配用户和/或待匹配群体之间的对应关系。
根据上述标签组中标签的更新信息来修改上述第一矩阵和上述第二矩阵。
基于前述,待匹配用户P1对应的标签为L1和L3,待匹配用户P2对应的标签为L2和L3,待匹配用户P3对应的标签为L1和L4,待匹配用户P4对应的标签为L2。待匹配群体对应的第二标签数据为:待匹配群体C1对应的标签为L2,待匹配群体C2对应的标签为L1和L5。下面以在原有标签组的基础上新增标签L6作为示例,标签组中标签的更新信息包括:新增标签L6,待匹配用户P1~P4中,P4对应于标签为L6,待匹配群体C1和C2中,C1对应于标签为L6。
则,可以根据上述标签的更新信息修改公式(1)示意的第一矩阵,得到修改后的第一矩阵A1′为以下形式:
其中,公式(8)中A1′的最后一列为用于表征待匹配用户与新增的标签L6之间的对应关系。
类似的,可以根据上述标签的更新信息修改公式(2)示意的第二矩阵,得到修改后的第二矩阵A2″为以下形式:
其中,公式(9)中A2″的最后一列用于表征待匹配群体与新增的标签L6之间的对应关系。
与前面的实施例类似,可以基于修改后的第一矩阵和修改后的第二矩阵中对应标签的重合度,来确定标签更新后上述待匹配用户与上述待匹配群体之间的匹配关系;具体计算过程与前述过程类似,这里不再赘述。
图7示意性示出了根据本公开再一实施例的匹配用户所属群体的方法的流程图。本实施例中,以针对标签组的标签和待匹配群体同时具有更新的情况进行实时更新处理进行示例。
参照图7所示,本公开实施例提供的匹配用户所属群体的方法除了包括上述操作S401~S404之外,还包括以下操作:S701、S702和S703。
在操作S701,接收待匹配群体的更新信息和标签组中标签的更新信息。
在操作S702,根据上述待匹配群体的更新信息和上述标签组中标签的更新信息来修改上述第一矩阵和上述第二矩阵。
在操作S703,基于修改后的第一矩阵和修改后的第二矩阵中对应标签的重合度,确定标签更新后上述待匹配用户与上述待匹配群体之间的匹配关系。
本实施例中,以在待匹配群体C1和C2的基础上新增一个待匹配群体C3,并且在原有标签组的基础上新增标签L6作为示例。
原先的对应关系中,待匹配用户P1对应的标签为L1和L3,待匹配用户P2对应的标签为L2和L3,待匹配用户P3对应的标签为L1和L4,待匹配用户P4对应的标签为L2。待匹配群体C1对应的标签为L2,待匹配群体C2对应的标签为L1和L5。
接收到的待匹配群体的更新信息:新增待匹配群体C3,且新增的待匹配群体C3对应的标签为L1和L4。
接收到的标签组中标签的更新信息包括:新增标签L6,待匹配用户P1~P4中,P4对应于标签为L6,待匹配群体C1、C2和C3中,C1对应于标签为L6。
根据上述待匹配群体的更新信息和上述标签组中标签的更新信息来修改上述第一矩阵A1,修改后的第一矩阵A1″为以下形式:
根据上述待匹配群体的更新信息和上述标签组中标签的更新信息来修改上述第二矩阵A2,修改后的第二矩阵A2″′为以下形式:
与前面的实施例类似,可以基于修改后的第一矩阵和修改后的第二矩阵中对应标签的重合度,来确定标签更新后上述待匹配用户与上述待匹配群体之间的匹配关系;具体计算过程与前述过程类似,这里不再赘述。
根据本公开的实施例,当上述待匹配群体的更新信息为新增待匹配群体且上述标签组中标签的更新信息为新增标签时,上述基于修改后的第一矩阵和修改后的第二矩阵中对应标签的重合度,确定标签更新后上述待匹配用户与上述待匹配群体之间的匹配关系,包括:确定新增的待匹配群体在修改后的第二矩阵中对应的第四矩阵区域,上述第四矩阵区域涵盖新增的待匹配群体对应的已有标签和新增标签;基于修改后的第一矩阵和上述第四矩阵区域中对应标签的重合度,确定标签更新后上述待匹配用户与新增的待匹配群体之间的匹配关系。
本实施例中,参照公式(11)所示,新增的待匹配群体C3在修改后的第二矩阵A2″′中对应的第四矩阵区域A4为第二矩阵A2″′的第三行,这里的第三行的矩阵元涵盖了新增的待匹配群体C3对应的已有标签L1~L5和新增标签L6。
第四矩阵区域A4的表达式为:
A4=[1 0 0 1 0 0] (12),
基于修改后的第一矩阵A1″和上述第四矩阵区域中对应标签的重合度,可以确定标签更新后上述待匹配用户与新增的待匹配群体C3之间的匹配关系。
即,可以通过求A1″和A4的转置A4 T之间的矩阵乘积,得到标签更新后新增的待匹配群体C3对应的矩阵乘积结果矩阵Ar″:
通过对标签更新后新增待匹配群体C3对应的第四矩阵区域A4的转置A4 T进行同一列的求和计算,得到标签更新后的新增待匹配群体C3对应的字典矩阵As″:
As″=[2] (14),
这里的字典矩阵As″中的2表示标签更新后(一共有6个标签L1~L6)的新增待匹配群体C3的标签总数为2。
针对标签更新后的新增待匹配群体C3,将矩阵乘积结果矩阵Ar″的各个矩阵元与标签更新后的新增待匹配群体C3的标签总数进行匹配,即,将公式(13)中的同一列的各个矩阵元分别与标签总数为2进行匹配,结果得到标签和待匹配群体均更新的情况下,待匹配用户P3与待匹配群体C3相匹配,待匹配用户P1、P2和P4与待匹配群体C3均不匹配。
本实施例中,通过矩阵形式进行存储以及实时计算,准确度和计算效率都很高,并且本公开实施例提供的匹配用户所属群体的方法可以随着标签、待匹配群体的变化进行实时更新。应该理解的是,针对待匹配用户变化的情况,按照相同的构思对应矩阵进行变化即可。
本公开的第二个示例性实施例提供了一种信息推送的方法。
图8示意性示出了根据本公开实施例的信息推送的方法的流程图。
参照图8所示,本公开实施例提供的信息推送的方法包括以下操作:S801、S802和S803。
在操作S801,确定待匹配用户与上述待匹配群体之间的匹配关系。
可以通过采用第一实施例描述的匹配用户所属群体的方法来确定待匹配用户与上述待匹配群体之间的匹配关系,即上述操作S801具体通过实施操作S201~S204来实现。
在操作S201,获取待匹配用户对应的第一标签数据和待匹配群体对应的第二标签数据。
在操作S202,基于上述第一标签数据,生成用于表征上述待匹配用户与标签组之间对应关系的第一矩阵;上述标签组中的标签包含上述待匹配用户和上述待匹配群体所对应的标签。
在操作S203,基于上述第二标签数据,生成用于表征上述待匹配群体与上述标签组之间对应关系的第二矩阵。
在操作S204,基于上述第一矩阵和上述第二矩阵中对应标签的重合度,确定上述待匹配用户与上述待匹配群体之间的匹配关系。
在操作S802,基于待匹配用户与上述待匹配群体之间的匹配关系,确定属于待推送信息的目标群体的目标用户。
在操作S803,向上述目标用户针对性推送信息。
通过基于矩阵形式来表征待匹配用户/待匹配群体与标签组之间的对应关系,一次性实现了所有待匹配人群和待匹配用户的匹配关系保存,使得用户和群体的基础数据可复用和更新的同时,还节约存储空间;并且可以通过矩阵运算来确定第一矩阵和第二矩阵中对应标签的重合度,由此能够得到待匹配用户与上述待匹配群体之间的匹配关系,通过确定第一矩阵和第二矩阵中对应标签重合度的方式来实现匹配的计算效率非常高,并且可以拓展至增量计算,省时省力,还节省了存储空间;由此可以快速向目标群体的目标用户针对性推送对应的信息,实现了精准营销。
本公开的第三个示例性实施例提供了一种用于匹配用户所属群体的装置。
图9示意性示出了根据本公开实施例的用于匹配用户所属群体的装置的结构框图。
参照图9所示,本公开实施例提供的用于匹配用户所属群体的装置900包括:数据获取模块901、第一矩阵生成模块902、第二矩阵生成模块903和匹配关系确定模块904。
上述数据获取模块901用于获取待匹配用户对应的第一标签数据和待匹配群体所对应的第二标签数据。
上述第一矩阵生成模块902用于基于上述第一标签数据,生成用于表征上述待匹配用户与标签组之间对应关系的第一矩阵。
上述标签组中的标签包含上述待匹配用户和上述待匹配群体所对应的标签。
上述第二矩阵生成模块903用于基于上述第二标签数据,生成用于表征上述待匹配群体与上述标签组之间对应关系的第二矩阵。生成的第一矩阵和第二矩阵可以基于npy格式进行存储。
上述匹配关系确定模块904用于基于上述第一矩阵和上述第二矩阵中对应标签的重合度,确定上述待匹配用户与上述待匹配群体之间的匹配关系。上述匹配关系确定模块904可以包括用于实现子操作S2041~S2043的功能模块或子模块。
本公开的第四个示例性实施例提供了一种信息推送的装置。
图10示意性示出了根据本公开实施例的信息推送的装置的结构框图。
参照图10所示,本公开实施例提供的信息推送的装置1000包括:数据获取模块1001、第一矩阵生成模块1002、第二矩阵生成模块1003、匹配关系确定模块1004、目标用户确定模块1005和信息推送模块1006。
上述数据获取模块1001用于获取待匹配用户对应的第一标签数据和待匹配群体所对应的第二标签数据。
上述第一矩阵生成模块1002用于基于上述第一标签数据,生成用于表征上述待匹配用户与标签组之间对应关系的第一矩阵。
上述标签组中的标签包含上述待匹配用户和上述待匹配群体所对应的标签。
上述第二矩阵生成模块1003用于基于上述第二标签数据,生成用于表征上述待匹配群体与上述标签组之间对应关系的第二矩阵。
上述匹配关系确定模块1004用于基于上述第一矩阵和上述第二矩阵中对应标签的重合度,确定上述待匹配用户与上述待匹配群体之间的匹配关系。
上述目标用户确定模块1005用于基于待匹配用户与上述待匹配群体之间的匹配关系,确定属于待推送信息的目标群体的目标用户。
上述信息推送模块1006用于向上述目标用户针对性推送信息。
上述第三个实施例中,数据获取模块901、第一矩阵生成模块902、第二矩阵生成模块903和匹配关系确定模块904中的任意多个可以合并在一个模块中实现,或者其中的任意一个模块可以被拆分成多个模块。或者,这些模块中的一个或多个模块的至少部分功能可以与其他模块的至少部分功能相结合,并在一个模块中实现。数据获取模块901、第一矩阵生成模块902、第二矩阵生成模块903和匹配关系确定模块904中的至少一个可以至少被部分地实现为硬件电路,例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上系统、基板上的系统、封装上的系统、专用集成电路(ASIC),或可以通过对电路进行集成或封装的任何其他的合理方式等硬件或固件来实现,或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者,数据获取模块901、第一矩阵生成模块902、第二矩阵生成模块903和匹配关系确定模块904中的至少一个可以至少被部分地实现为计算机程序模块,当该计算机程序模块被运行时,可以执行相应的功能。
上述第四个实施例中,数据获取模块1001、第一矩阵生成模块1002、第二矩阵生成模块1003、匹配关系确定模块1004、目标用户确定模块1005和信息推送模块1006中的任意多个可以合并在一个模块中实现,或者其中的任意一个模块可以被拆分成多个模块。或者,这些模块中的一个或多个模块的至少部分功能可以与其他模块的至少部分功能相结合,并在一个模块中实现。数据获取模块1001、第一矩阵生成模块1002、第二矩阵生成模块1003、匹配关系确定模块1004、目标用户确定模块1005和信息推送模块1006中的至少一个可以至少被部分地实现为硬件电路,例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上系统、基板上的系统、封装上的系统、专用集成电路(ASIC),或可以通过对电路进行集成或封装的任何其他的合理方式等硬件或固件来实现,或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者,数据获取模块1001、第一矩阵生成模块1002、第二矩阵生成模块1003、匹配关系确定模块1004、目标用户确定模块1005和信息推送模块1006中的至少一个可以至少被部分地实现为计算机程序模块,当该计算机程序模块被运行时,可以执行相应的功能。
本公开的第五个示例性实施例提供了一种电子设备。
图11示意性示出了本公开实施例提供的电子设备的结构框图。
参照图11所示,本公开实施例提供的电子设备1100包括处理器1101、通信接口1102、存储器1103和通信总线1104,其中,处理器1101、通信接口1102和存储器1103通过通信总线1104完成相互间的通信;存储器1103,用于存放计算机程序;处理器1101,用于执行存储器上所存放的程序时,实现如上所述的匹配用户所属群体的方法或信息推送的方法。
本公开的第六个示例性实施例还提供了一种计算机可读存储介质。上述计算机可读存储介质上存储有计算机程序,上述计算机程序被处理器执行时实现如上所述的匹配用户所属群体的方法或信息推送的方法。
该计算机可读存储介质可以是上述实施例中描述的设备/装置中所包含的;也可以是单独存在,而未装配入该设备/装置中。上述计算机可读存储介质承载有一个或者多个程序,当上述一个或者多个程序被执行时,实现根据本公开实施例的方法。
根据本公开的实施例,计算机可读存储介质可以是非易失性的计算机可读存储介质,例如可以包括但不限于:便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中,计算机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。
需要说明的是,在本文中,诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,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、物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、物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,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅是本公开的具体实施方式,使本领域技术人员能够理解或实现本公开。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本公开的精神或范围的情况下,在其它实施例中实现。因此,本公开将不会被限制于本文所示的这些实施例,而是要符合与本文所申请的原理和新颖特点相一致的最宽的范围。
Claims (13)
1.一种匹配用户所属群体的方法,其特征在于,包括:
获取待匹配用户对应的第一标签数据和待匹配群体对应的第二标签数据;
基于所述第一标签数据,生成用于表征所述待匹配用户与标签组之间对应关系的第一矩阵;所述标签组中的标签包含所述待匹配用户和所述待匹配群体所对应的标签;
基于所述第二标签数据,生成用于表征所述待匹配群体与所述标签组之间对应关系的第二矩阵;以及
基于所述第一矩阵和所述第二矩阵中对应标签的重合度,确定所述待匹配用户与所述待匹配群体之间的匹配关系。
2.根据权利要求1所述的方法,其特征在于,所述基于所述第一矩阵和所述第二矩阵对应标签的重合度,确定所述待匹配用户与所述待匹配群体之间的匹配关系,包括:
基于所述第一矩阵和所述第二矩阵,确定所述待匹配用户对应的标签与所述待匹配群体对应的标签相互重合的目标个数;
基于所述第二矩阵,确定针对每个待匹配群体的标签总数;以及
基于所述目标个数与所述标签总数进行匹配,以得到所述待匹配用户和所述待匹配群体之间的匹配关系。
3.根据权利要求2所述的方法,其特征在于,所述基于所述目标个数与所述标签总数进行匹配,以得到所述待匹配用户和所述待匹配群体之间的匹配关系,包括:
针对每个待匹配群体,确定是否存在第一待匹配用户或第二待匹配用户;所述第一待匹配用户对应的标签与当前待匹配群体对应的标签相互重合的第一目标个数,与所述当前待匹配群体的标签总数相匹配;所述第二待匹配用户对应的标签与所述当前待匹配群体对应的标签相互重合的第二目标个数,与所述当前待匹配群体的标签总数不匹配;
在存在第一待匹配用户的情况下,确定所述第一待匹配用户属于所述当前待匹配群体;
在存在第二待匹配用户的情况下,确定所述第二待匹配用户不属于所述当前待匹配群体。
4.根据权利要求2所述的方法,其特征在于,
所述基于所述第一矩阵和所述第二矩阵,确定所述待匹配用户对应的标签与所述待匹配群体对应的标签相互重合的目标个数,包括:
对所述第一矩阵和所述第二矩阵进行矩阵乘积运算,得到第三矩阵;所述第三矩阵的矩阵元用于表征所述待匹配用户对应的标签与所述待匹配群体对应的标签相互重合的目标个数;
所述基于所述第二矩阵,确定针对每个待匹配群体的标签总数,包括:
针对所述第二矩阵,将每个待匹配群体所对应的各个矩阵元进行求和运算,得到针对每个待匹配群体的标签总数。
5.根据权利要求4所述的方法,其特征在于,对所述第一矩阵和所述第二矩阵进行矩阵乘积运算时,所述第一矩阵的标签组中标签的顺序和所述第二矩阵的标签组中标签的顺序是一致的,并且将待匹配用户-标签组对应的第一矩阵与标签组-待匹配群体对应的第二矩阵的转置进行矩阵乘积运算。
6.根据权利要求1所述的方法,其特征在于,还包括:
接收待匹配群体的更新信息;根据所述待匹配群体的更新信息来修改所述第二矩阵;基于所述第一矩阵和修改后的第二矩阵中对应标签的重合度,确定所述待匹配用户与更新后的待匹配群体之间的匹配关系;或者,
接收标签组中标签的更新信息;根据所述标签组中标签的更新信息来修改所述第一矩阵和所述第二矩阵;基于修改后的第一矩阵和修改后的第二矩阵中对应标签的重合度,确定标签更新后所述待匹配用户与所述待匹配群体之间的匹配关系;或者,
接收待匹配群体的更新信息和标签组中标签的更新信息;根据所述待匹配群体的更新信息和所述标签组中标签的更新信息来修改所述第一矩阵和所述第二矩阵;基于修改后的第一矩阵和修改后的第二矩阵中对应标签的重合度,确定标签更新后所述待匹配用户与所述待匹配群体之间的匹配关系。
7.根据权利要求6所述的方法,其特征在于,当所述待匹配群体的更新信息为新增待匹配群体时,所述基于所述第一矩阵和修改后的第二矩阵中对应标签的重合度,确定所述待匹配用户与更新后的待匹配群体之间的匹配关系,包括:
确定修改后的第二矩阵中新增的第三矩阵区域;以及
基于所述第一矩阵和所述第三矩阵区域中对应标签的重合度,确定所述待匹配用户与新增的待匹配群体之间的匹配关系。
8.根据权利要求6所述的方法,其特征在于,当所述待匹配群体的更新信息为新增待匹配群体且所述标签组中标签的更新信息为新增标签时,所述基于修改后的第一矩阵和修改后的第二矩阵中对应标签的重合度,确定标签更新后所述待匹配用户与所述待匹配群体之间的匹配关系,包括:
确定新增的待匹配群体在修改后的第二矩阵中对应的第四矩阵区域,所述第四矩阵区域涵盖新增的待匹配群体对应的已有标签和新增标签;
基于修改后的第一矩阵和所述第四矩阵区域中对应标签的重合度,确定标签更新后所述待匹配用户与新增的待匹配群体之间的匹配关系。
9.一种信息推送的方法,其特征在于,包括:
采用权利要求1-8中任一项所述的匹配用户所属群体的方法来确定待匹配用户与所述待匹配群体之间的匹配关系;
基于待匹配用户与所述待匹配群体之间的匹配关系,确定属于待推送信息的目标群体的目标用户;以及
向所述目标用户针对性推送信息。
10.一种用于匹配用户所属群体的装置,其特征在于,包括:
数据获取模块,用于获取待匹配用户对应的第一标签数据和待匹配群体对应的第二标签数据;
第一矩阵生成模块,用于基于所述第一标签数据,生成用于表征所述待匹配用户与标签组之间对应关系的第一矩阵;所述标签组中的标签包含所述待匹配用户和所述待匹配群体所对应的标签;
第二矩阵生成模块,用于基于所述第二标签数据,生成用于表征所述待匹配群体与所述标签组之间对应关系的第二矩阵;以及
匹配关系确定模块,用于基于所述第一矩阵和所述第二矩阵中对应标签的重合度,确定所述待匹配用户与所述待匹配群体之间的匹配关系。
11.一种信息推送的装置,其特征在于,包括:
数据获取模块,用于获取待匹配用户对应的第一标签数据和待匹配群体对应的第二标签数据;
第一矩阵生成模块,用于基于所述第一标签数据,生成用于表征所述待匹配用户与标签组之间对应关系的第一矩阵;所述标签组中的标签包含所述待匹配用户和所述待匹配群体所对应的标签;
第二矩阵生成模块,用于基于所述第二标签数据,生成用于表征所述待匹配群体与所述标签组之间对应关系的第二矩阵;
匹配关系确定模块,用于基于所述第一矩阵和所述第二矩阵中对应标签的重合度,确定所述待匹配用户与所述待匹配群体之间的匹配关系;
目标用户确定模块,用于基于待匹配用户与所述待匹配群体之间的匹配关系,确定属于待推送信息的目标群体的目标用户;以及
信息推送模块,用于向所述目标用户针对性推送信息。
12.一种电子设备,其特征在于,包括处理器、通信接口、存储器和通信总线,其中,处理器、通信接口和存储器通过通信总线完成相互间的通信;
存储器,用于存放计算机程序;
处理器,用于执行存储器上所存放的程序时,实现权利要求1-9中任一项所述的方法。
13.一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1-9中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110790450.5A CN113379474B (zh) | 2021-07-13 | 2021-07-13 | 匹配用户所属群体和信息推送的方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110790450.5A CN113379474B (zh) | 2021-07-13 | 2021-07-13 | 匹配用户所属群体和信息推送的方法、装置、设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113379474A true CN113379474A (zh) | 2021-09-10 |
CN113379474B CN113379474B (zh) | 2024-02-06 |
Family
ID=77581966
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110790450.5A Active CN113379474B (zh) | 2021-07-13 | 2021-07-13 | 匹配用户所属群体和信息推送的方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113379474B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116501976A (zh) * | 2023-06-25 | 2023-07-28 | 浙江天猫技术有限公司 | 数据推荐、模型训练、相似用户分析方法、设备和介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9384571B1 (en) * | 2013-09-11 | 2016-07-05 | Google Inc. | Incremental updates to propagated social network labels |
CN107864192A (zh) * | 2017-10-25 | 2018-03-30 | 广东欧珀移动通信有限公司 | 信息推送方法、装置、服务器以及可读存储介质 |
CN109145280A (zh) * | 2017-06-15 | 2019-01-04 | 北京京东尚科信息技术有限公司 | 信息推送的方法和装置 |
CN110609935A (zh) * | 2019-08-29 | 2019-12-24 | 湖南草花互动网络科技有限公司 | 用户身份标签生成方法、装置、计算机设备和存储介质 |
US10769502B1 (en) * | 2019-04-08 | 2020-09-08 | Dropbox, Inc. | Semantic image retrieval |
CN111861759A (zh) * | 2020-06-15 | 2020-10-30 | 北京百分点信息科技有限公司 | 产品与客户群体的匹配方法和系统 |
CN111931053A (zh) * | 2020-08-10 | 2020-11-13 | 中国工商银行股份有限公司 | 一种基于聚类和矩阵分解的事项推送方法和装置 |
CN112632275A (zh) * | 2020-12-03 | 2021-04-09 | 大箴(杭州)科技有限公司 | 基于个人文本信息的人群聚类数据处理方法、装置及设备 |
CN112732880A (zh) * | 2020-12-30 | 2021-04-30 | 平安科技(深圳)有限公司 | 用户画像生成方法、装置、计算机设备及存储介质 |
-
2021
- 2021-07-13 CN CN202110790450.5A patent/CN113379474B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9384571B1 (en) * | 2013-09-11 | 2016-07-05 | Google Inc. | Incremental updates to propagated social network labels |
CN109145280A (zh) * | 2017-06-15 | 2019-01-04 | 北京京东尚科信息技术有限公司 | 信息推送的方法和装置 |
CN107864192A (zh) * | 2017-10-25 | 2018-03-30 | 广东欧珀移动通信有限公司 | 信息推送方法、装置、服务器以及可读存储介质 |
US10769502B1 (en) * | 2019-04-08 | 2020-09-08 | Dropbox, Inc. | Semantic image retrieval |
CN110609935A (zh) * | 2019-08-29 | 2019-12-24 | 湖南草花互动网络科技有限公司 | 用户身份标签生成方法、装置、计算机设备和存储介质 |
CN111861759A (zh) * | 2020-06-15 | 2020-10-30 | 北京百分点信息科技有限公司 | 产品与客户群体的匹配方法和系统 |
CN111931053A (zh) * | 2020-08-10 | 2020-11-13 | 中国工商银行股份有限公司 | 一种基于聚类和矩阵分解的事项推送方法和装置 |
CN112632275A (zh) * | 2020-12-03 | 2021-04-09 | 大箴(杭州)科技有限公司 | 基于个人文本信息的人群聚类数据处理方法、装置及设备 |
CN112732880A (zh) * | 2020-12-30 | 2021-04-30 | 平安科技(深圳)有限公司 | 用户画像生成方法、装置、计算机设备及存储介质 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116501976A (zh) * | 2023-06-25 | 2023-07-28 | 浙江天猫技术有限公司 | 数据推荐、模型训练、相似用户分析方法、设备和介质 |
CN116501976B (zh) * | 2023-06-25 | 2023-11-17 | 浙江天猫技术有限公司 | 数据推荐、模型训练、相似用户分析方法、设备和介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113379474B (zh) | 2024-02-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109902849B (zh) | 用户行为预测方法及装置、行为预测模型训练方法及装置 | |
CN105247507B (zh) | 用于确定品牌的影响力得分的方法、系统和存储介质 | |
AU2016303436B2 (en) | Method and system for applying probabilistic topic models to content in a tax environment to improve user satisfaction with a question and answer customer support system | |
CN108574706B (zh) | 媒体文件的推送方法及装置 | |
CN110147882B (zh) | 神经网络模型的训练方法、人群扩散方法、装置及设备 | |
JP5507607B2 (ja) | コンテンツ提供装置、低ランク近似行列生成装置、コンテンツ提供方法、低ランク近似行列生成方法およびプログラム | |
CN108021673A (zh) | 一种用户兴趣模型生成方法、职位推荐方法及计算设备 | |
CN108549909B (zh) | 基于众包的对象分类方法及对象分类系统 | |
CN111008335A (zh) | 一种信息处理方法、装置、设备及存储介质 | |
CN110321546B (zh) | 账号识别、显示方法、装置、服务器、终端及存储介质 | |
CN108304531A (zh) | 一种数字对象标识符引用关系的可视化方法及装置 | |
CN109117442A (zh) | 一种应用推荐方法及装置 | |
US20140244641A1 (en) | Holistic customer record linkage via profile fingerprints | |
CN109034880A (zh) | 收入预测方法及装置 | |
CN113379474B (zh) | 匹配用户所属群体和信息推送的方法、装置、设备及介质 | |
CN114493786A (zh) | 一种信息推荐方法及装置 | |
CN114328632A (zh) | 基于位图的用户数据分析方法、装置及计算机设备 | |
CN112449217B (zh) | 一种推送视频的方法、装置、电子设备和计算机可读介质 | |
US11532025B2 (en) | Deep cognitive constrained filtering for product recommendation | |
CN110347943A (zh) | 渠道信息处理方法、装置、存储介质及计算机设备 | |
CN115860835A (zh) | 基于人工智能的广告推荐方法、装置、设备及存储介质 | |
CN114493674A (zh) | 一种广告点击率预测模型及方法 | |
CN114648379A (zh) | 推荐商品确定方法及装置、电子设备及可读存储介质 | |
CN113450172A (zh) | 一种商品推荐方法和装置 | |
Cuomo et al. | Remarks on a computational estimator for the barrier option pricing in an IoT scenario |
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: 601, 6 / F, building 2, No. 18, Kechuang 11th Street, Daxing District, Beijing, 100176 Applicant after: Jingdong Technology Information Technology Co.,Ltd. Address before: 601, 6 / F, building 2, No. 18, Kechuang 11th Street, Daxing District, Beijing, 100176 Applicant before: Jingdong Shuke Haiyi Information Technology Co.,Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |