CN113421118A - 数据推送方法、系统、计算机设备及计算机可读存储介质 - Google Patents
数据推送方法、系统、计算机设备及计算机可读存储介质 Download PDFInfo
- Publication number
- CN113421118A CN113421118A CN202110702169.1A CN202110702169A CN113421118A CN 113421118 A CN113421118 A CN 113421118A CN 202110702169 A CN202110702169 A CN 202110702169A CN 113421118 A CN113421118 A CN 113421118A
- Authority
- CN
- China
- Prior art keywords
- data
- user
- product
- target
- preset
- 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
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
- G06Q30/0207—Discounts or incentives, e.g. coupons or rebates
- G06Q30/0224—Discounts or incentives, e.g. coupons or rebates based on user history
-
- 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
- G06F16/9536—Search customisation based on social or collaborative filtering
-
- 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
- G06Q30/0207—Discounts or incentives, e.g. coupons or rebates
- G06Q30/0222—During e-commerce, i.e. online transactions
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/50—Network services
- H04L67/55—Push-based network services
-
- 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)
- Business, Economics & Management (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Economics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明涉及大数据技术领域,提供一种数据推送方法,包括根据获取到的多个预设产品数据、多个目标用户的多个用户行为数据及多个交易数据,确定每个目标用户的多个目标活动产品数据;根据每个目标用户的多个目标活动产品数据、多个预设产品数据、与每个预设产品数据关联的多个电子凭据数据的映射关系、多个用户行为数据和多个交易数据,得到每个目标用户对于每个目标活动产品数据与该目标活动产品数据对应的每个电子凭据数据的置信度;根据多个置信度确定目标推送数据,将目标推送数据推送至目标用户对应的终端设备;本发明还涉及区块链技术领域,目标推送数据上传至区块链中。通过本发明实施例有效地提高了电子凭据数据的推送准确率。
Description
技术领域
本发明实施例涉及大数据技术领域,尤其涉及一种数据推送方法、系统、计算机设备及计算机可读存储介质。
背景技术
个性化推送系统在电子商务领域应用十分广泛,尤其是在智能优惠券派送的领域得到广泛的推广和应用。发明人发现,智能优惠券派送的领域中常用的个性化推送系统多是静态的优惠券数据的推送系统。静态的优惠券数据的推送系统通过在商品服务平台中预先设置好的优惠券种类、优惠券数量以及优惠券对应的目标用户,将优惠券数据发送到相应的目标用户对应的账号中。
随着业务的发展,静态的优惠券数据推送系统存在以下缺陷:优惠券数据在推送过程中无法精准定位目标需求用户,容易导致优惠券数据资源的浪费,无法满足用户对于优惠券个性化推荐的需求,进而导致优惠券数据推送准确率较低的问题。
发明内容
有鉴于此,本发明实施例提供了一种数据推送方法、系统、计算机设备及计算机可读存储介质,用于解决静态的优惠券数据推送系统的优惠券数据推送准确率较低存的问题。
本发明实施例是通过下述技术方案来解决上述技术问题:
一种数据推送方法,用于服务端,包括:
获取多个预设产品数据、每个预设产品数据关联的多个电子凭据数据、多个目标用户的多个用户行为数据及所述多个目标用户的多个交易数据;
根据所述多个预设产品数据、所述多个用户行为数据及所述多个交易数据,从所述多个预设产品数据中分别提取出每个目标用户对应的多个目标活动产品数据;
根据所述多个目标活动产品数据、每个预设产品数据和与其关联的所述多个电子凭据数据的映射关系、所述多个用户行为数据和所述多个交易数据,生成多组置信度集合,每组置信度集合包括一个目标用户对应的多个置信度集,每个置信度集包括该目标用户对于一个目标活动产品数据与该目标活动产品数据对应的每个电子凭据数据的置信度;及
将每个置信度集中最高的置信度对应的电子凭据数据确定为目标推送数据,并将所述目标推送数据推送至相应的目标用户对应的终端设备。
可选地,所述根据所述多个预设产品数据、所述多个用户行为数据及所述多个交易数据,从所述多个预设产品数据中分别提取出每个目标用户对应的多个目标活动产品数据,还包括:
根据所述多个用户行为数据和所述多个交易数据,从所述多个预设产品数据中确定每个目标用户对应的多个候选产品数据,并根据所述多个候选产品数据、所述多个用户行为数据和所述多个交易数据,生成所述每个目标用户对应的候选产品数据分值表;
基于所述候选产品数据分值表和协同过滤算法,输出每个目标用户的用户特征矩阵和每个目标用户对应的每个候选产品数据的产品特征矩阵;
基于所述每用户特征矩阵和产品特征矩阵,得到多个第一兴趣度表,每个第一兴趣度表包括一个目标用户对于与该目标用户对应的每个候选产品数据的第一兴趣度;及
将每个第一兴趣度表中大于预设阈值的第一兴趣度对应的候选产品数据确定为与该第一兴趣度表对应的目标用户的目标活动产品数据。
可选地,所述根据所述多个用户行为数据和所述每个目标用户的多个交易数据,从所述多个预设产品数据中确定每个目标用户对应的多个候选产品数据,包括:
从所述多个用户行为数据和所述多个交易数据中提取与每个目标用户对应的多个产品数据的产品名称;
将多个产品名称中的任意一个产品名称与其他的任一产品名称进行比对;
根据比对结果,从所述多个预设产品数据中确定每个目标用户对应的多个候选产品数据。
可选地,所述根据所述多个候选产品数据、所述多个用户行为数据和所述多个交易数据,生成所述每个目标用户对应的候选产品数据分值表,包括:
从所述每个目标用户的用户行为数据中提取产品索引次数数据、产品选择数据和产品页面停留时长数据;
分别获取所述每个目标用户的多个交易数据对应的第一权重、所述产品索引次数数据对应的第二权重、所述产品选择数据对应的第三权重和所述产品页面停留时长数据对应的第四权重;及
根据所述每个目标用户的多个交易数据、每个目标用户的产品索引次数数据、每个目标用户的产品选择数据、每个目标用户的产品页面停留时长数据、第一权重、第二权重、第三权重和第四权重,计算和所述每个目标用户对应的每个候选产品数据分值,并根据所述每个目标用户对应的每个候选产品数据分值,得到所述每个目标用户对应的候选产品数据分值表。
可选地,所述方法还包括:
获取每个用户的用户数据;
分析所述每个用户的用户数据是否符合预设风控规则;及
若用户的用户数据符合所述预设风控规则,则确定用户数据符合所述预设风控规则的用户为目标用户。
可选地,所述方法还包括:
获取每个用户的用户属性数据;
分析所述每个用户的用户属性数据是否符合预设目标用户规则;及
若所述用户的用户属性数据满足预设目标用户规则,则确定用户属性数据符合所述预设目标用户规则的用户为目标用户。
可选地,所述方法包括对所述多个用户行为数据及所述多个交易数据进行预处理的步骤:
从所述多个用户行为数据中提取多个产品数据;
分析每个产品数据是否满足预设异常产品条件;及
若产品数据满足所述预设异常产品条件,则删除满足所述预设异常产品条件的产品数据。
为了实现上述目的,本发明实施例还提供一种数据推送系统,用于服务端,包括:
获取模块,用于获取多个预设产品数据、每个预设产品数据关联的多个电子凭据数据、多个目标用户的多个用户行为数据及所述多个目标用户的多个交易数据;
提取模块,用于根据所述多个预设产品数据、所述多个用户行为数据及所述多个交易数据,从所述多个预设产品数据中分别提取出每个目标用户对应的多个目标活动产品数据;
生成模块,用于根据所述多个目标活动产品数据、每个预设产品数据和与其关联的所述多个电子凭据数据的映射关系、所述多个用户行为数据和所述多个交易数据,生成多组置信度集合,每组置信度集合包括一个目标用户对应的多个置信度集,每个置信度集包括该目标用户对于一个目标活动产品数据与该目标活动产品数据对应的每个电子凭据数据的置信度;及
推送模块,用于将每个置信度集中最高的置信度对应的电子凭据数据确定为目标推送数据,并将所述目标推送数据推送至相应的目标用户对应的终端设备。
为了实现上述目的,本发明实施例还提供一种计算机设备,所述计算机设备包括存储器、处理器以及存储在所述存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如上所述数据推送方法的步骤。
为了实现上述目的,本发明实施例还提供一种计算机可读存储介质,所述计算机可读存储介质内存储有计算机程序,所述计算机程序可被至少一个处理器所执行,以使所述至少一个处理器执行如上所述的数据推送方法的步骤。
本发明实施例提供的数据推送方法、系统、计算机设备及计算机可读存储介质,通过根据多个预设产品数据、与每个预设产品数据关联的多个电子凭据数据、多个目标用户的多个用户行为数据及所述多个目标用户的多个交易数据,确定每个目标用户对应的多个目标活动产品数据;再通过所述多个预设产品数据与所述每个预设产品数据关联的所述多个电子凭据数据的映射关系、每个目标用户的多个用户行为数据和每个目标用户的多个交易数据,生成每个目标用户对于每个目标活动产品数据与该目标活动产品数据对应的每个电子凭据数据的置信度;根据多个置信度,确定每个目标用户对应的目标推送数据;提高电子凭据数据的推送准确率。
以下结合附图和具体实施例对本发明进行详细描述,但不作为对本发明的限定。
附图说明
图1为本发明实施例一之数据推送方法的步骤流程图;
图2为本发明实施例一之数据推送方法中生成每个目标用户对应的候选产品数据分值表的步骤流程图;
图3为本发明实施例一之数据推送方法中从所述多个预设产品数据中确定每个目标用户对应的多个候选产品数据的步骤流程图;
图4为本发明实施例一之数据推送方法中计算和所述每个目标用户对应的每个候选产品数据分值的步骤流程图;
图5为本发明实施例一之数据推送方法中根据预设风控规则确定多个目标用户的步骤流程图;
图6为本发明实施例一之数据推送方法中根据预设目标用户规则确定多个目标用户的步骤流程图;
图7为本发明实施例一之数据推送方法中对所述多个目标用户的多个用户行为数据及所述多个目标用户的多个交易数据进行预处理的步骤流程图;
图8为本发明实施例二之数据推送系统的程序模块示意图;
图9为本发明实施例三之计算机设备的硬件结构示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明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用以解释本发明,并不用于限定本发明。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他实施例,都属于本发明保护的范围。
需要说明的是,在本发明实施例中涉及“第一”、“第二”等的描述仅用于描述目的,而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。另外,各个实施例之间的技术方案可以相互结合,但是必须是以本领域普通技术人员能够实现为基础,当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在,也不在本发明要求的保护范围之内。
在本发明的描述中,需要理解的是,步骤前的数字标号并不标识执行步骤的前后顺序,仅用于方便描述本发明及区别每一步骤,因此不能理解为对本发明的限制。
实施例一
请参阅图1,示出了本发明实施例之数据推送方法的步骤流程图。可以理解,本方法实施例中的流程图不用于对执行步骤的顺序进行限定。下面以服务端为执行主体进行示例性描述,具体如下:
如图1所示,所述数据推送方法可以包括步骤S100~S106,其中:
步骤S100,接收多个预设产品数据、每个预设产品数据关联的多个电子凭据数据、多个目标用户的多个用户行为数据及所述多个目标用户的多个交易数据。
服务端接收多个目标用户对应的客户端发送的多个目标用户的多个用户行为数据及所述多个目标用户的多个交易数据。其中,多个用户行为数据包括但不限于:用户三个月内在产品服务平台上的流量数据,如:产品浏览记录数据、加入购物车的产品数据、产品搜索次数、收藏的产品数据等。多个交易数据包括产品订单交易数据。
运营人员在运营端的营销系统上创建活动数据,所述活动数据包括参与活动的多个预设产品数据。运营端向所述服务端请求获取与所述活动数据中的多个预设产品数据关联的电子凭据数据列表(即优惠券列表),并在运营端中验证活动数据和电子凭据数据列表中电子凭据数据的有效性,当验证通过后,服务端接收多个运营端发送的多个预设产品数据以及与每个预设产品数据关联的多个电子凭据数据;其中,每个预设产品数据携带有活动标识(即活动ID),每个电子凭据数据包括电子凭据数据标识(及优惠券ID)、电子凭据数据的数量。
为了更快捷地处理数据,参阅图2,所述方法还包括对用户行为数据和交易数据进行预处理,以剔除黑名单用户,具体操作如下:步骤S200,获取每个用户的用户数据;步骤S202,分析所述每个用户的用户数据是否符合预设风控规则;及步骤S204,若用户的用户数据符合所述预设风控规则,则确定用户数据符合所述预设风控规则的用户为目标用户。在示例性的实施例中,将每个用户的用户数据与预设风控规则中的风控黑名单用户数据进行比对,若比对结果表示为比对一致,则删除比对结果一致的用户,不再对该用户进行电子凭据数据的推送;若比对结果表示为不一致,即该用户的用户数据符合预设风控规则,将该用户确定为目标用户。
为了更合理地确定目标用户,便于后续电子凭据数据的有效推送,参阅图3,所述方法还包括:步骤S300,获取每个用户的用户属性数据;步骤S302,分析所述每个用户的用户属性数据是否符合预设目标用户规则;及步骤S304,若所述用户的用户属性数据满足预设目标用户规则,则确定用户属性数据符合所述预设目标用户规则的用户为目标用户。举例而言,预设目标用户规则为用户为近15天没有被营销的用户,则确定该用户为目标用户。
所述方法还包括:根据接收到的与每个预设产品数据关联的多个电子凭据数据中电子凭据数据的数量,设置每个电子凭据数据对应的目标用户数量阈值;基于所述目标用户数量阈值,控制每个待推送的电子凭据数据对应的目标用户的数量。
为了提高数据处理效率,对每个目标用户的多个用户行为数据以及每个目标用户的多个交易数据进行预处理,以清洗数据,参阅图4,对所述多个用户行为数据及所述多个交易数据进行预处理的步骤还包括步骤S400~S404,其中:步骤S400,从所述多个用户行为数据中提取多个产品数据;步骤S402,分析每个产品数据是否满足预设异常产品条件;及步骤S404,若产品数据满足所述预设异常产品条件,则删除满足所述预设异常产品条件的产品数据。示例性的,产品数据包括产品属性数据,产品属性数据可以为产品为隐藏产品、产品为无效产品、产品为无库存产品等属性。预设异常产品条件为产品为隐藏产品、无效产品或无库存产品中的任一种产品。
步骤S102,根据所述多个预设产品数据、所述多个用户行为数据及所述多个交易数据,从所述多个预设产品数据中分别提取出每个目标用户对应的多个目标活动产品数据。
为了提高数据处理效率,参阅图5,确定所述每个目标用户对应的多个目标活动产品数据可以通过以下操作得到,其中:步骤S500,根据所述多个用户行为数据和所述多个交易数据,从所述多个预设产品数据中确定每个目标用户对应的多个候选产品数据,并根据所述多个候选产品数据、所述多个用户行为数据和所述多个交易数据,生成所述每个目标用户对应的候选产品数据分值表;步骤S502,基于所述候选产品数据分值表和协同过滤算法,输出每个目标用户的用户特征矩阵和每个目标用户对应的每个候选产品数据的产品特征矩阵;步骤S504,基于所述用户特征矩阵和产品特征矩阵,得到多个第一兴趣度表,每个第一兴趣度表包括一个目标用户对于与该目标用户对应的每个候选产品数据的第一兴趣度;及步骤S506,将每个第一兴趣度表中大于预设阈值的第一兴趣度对应的候选产品数据确定为与该第一兴趣度表对应的目标用户的目标活动产品数据。在示例性的实施例中,协同过滤算法可以为Spark MLib ALS(Alternating Least Square,交替最小二乘法)协同过滤算法模型,将所述每个目标用户对应的候选产品数据分值表中的数据输入协同过滤算法模型中,以输出每个目标用户的用户特征矩阵U和每个目标用户对应的每个候选产品数据的产品特征矩阵I,并将用户特征矩阵和产品特征矩阵写入redis(关系型)数据库中。
第一兴趣度可以通过以下公式计算得到:
R=U*V
R表示第一兴趣度,U表示用户特征矩阵,I表示产品特征矩阵。
在示例性的实施例中,基于ALS模型生成的用户特征矩阵U和产品特征矩阵I,使用如下余弦相似度算法对应的公式计算每个目标用户对于每个候选产品数据的第一兴趣度,组合得到第一兴趣度表,即目标用户-目标活动产品兴趣表<User,Item Rating>,User代表用户,Item Rateing代表活动产品兴趣表。
余弦相似度算法对应的公式为:
A表示用户特征矩阵,B表示产品特征矩阵。
其中,预设阈值可以设置为0.01,将第一兴趣度大于0.01的候选产品数据确定为目标活动产品数据。在其他示例性的实施例中,若候选产品数据包括特定标识,其中,特定标识可以为精选产品标识,还可以为活动产品标识;将通过上述公式计算得到第一兴趣度(rating)后,加上特定标识对应的附加分值得到候选产品数据对应的最终第一兴趣度(thelast rating),再将最终第一兴趣度与预设阈值进行比对。若特定标识包括精选产品标识和活动产品标识,则the last rating=rating+0.2;若特定标识包括活动产品标识,则thelast rating=rating+0.2;若特定标识包括精选产品标识,则the last rating=rating+0.1。
为了提高对每个目标用户的多个用户行为数据和每个目标用户的多个交易数据的处理效率,参阅图6,所述根据所述多个用户行为数据和所述多个交易数据,从所述多个预设产品数据中确定每个目标用户对应的多个候选产品数据可以包括步骤S600~S604,其中:步骤S600,从所述多个用户行为数据和所述多个交易数据中提取与每个目标用户对应的多个产品数据的产品名称;步骤S602,将多个产品名称中的任意一个产品名称与其他的任一产品名称进行比对;及步骤S604,根据比对结果,从所述多个预设产品数据中确定每个目标用户对应的多个候选产品数据。在示例性的实施例中,若比对结果表示为一致,则为进行比对的两个产品赋予同类标识,以表示上述两个产品为同类产品,即选择进行比对的两个产品的任一ITEM_ID(产品ID)表示上述两个产品。
由于每个目标用户的多个用户行为数据对于候选产品数据确定的影响,参阅图7,所述根据所述多个候选产品数据、所述多个用户行为数据和所述多个交易数据,生成所述每个目标用户对应的候选产品数据分值表可以通过以下操作得到,其中:步骤S700,从所述每个目标用户的用户行为数据中提取产品索引次数数据、产品选择数据和产品页面停留时长数据;步骤S702,分别获取所述每个目标用户的多个交易数据对应的第一权重、所述产品索引次数数据对应的第二权重、所述产品选择数据对应的第三权重和所述产品页面停留时长数据对应的第四权重;及步骤S704,根据所述每个目标用户的多个交易数据、每个目标用户的产品索引次数数据、每个目标用户的产品选择数据、每个目标用户的产品页面停留时长数据、第一权重、第二权重、第三权重和第四权重,计算和所述每个目标用户对应的每个候选产品数据分值,并根据所述每个目标用户对应的每个候选产品数据分值,得到所述每个目标用户对应的候选产品数据分值表。在示例性的实施例中,第一权重、第二权重、第三权重和第四权重是基于大量的样本数据进行预先训练得到的权重参数。例如:根据多个样本用户的历史交易数据,发现影响用户行为数据的活跃因子从高到低分别是下单行为(即交易数据),搜索行为(即产品索引次数数据)、加购物车行为(即产品选择数据)、浏览商详页行为(即产品页面停留时长数据),分别给上述活跃因子赋予不同的权重:下单行为(即交易数据)对应的第一权重为4,搜索行为(即产品索引次数数据)对应的第二权重为3,加购物车行为(即产品选择数据)对应的第三权重为2,浏览商详页行为(即产品页面停留时长数据)对应的第四权重为1。
在示例性的实施例中,对于用户行为数据的其他权重参数可以通过按月降权,每过一个月衰减0.9的权重。
为了更好地优化调整权重参数,在计算求他权重参数的过程中,对多个样本用户的样本用户数据进行去噪,以降低爆款产品和/或刷单产品的权重参数,使得权重参数保持在候选产品数据分值的三倍方差之内。
步骤S104,根据所述多个目标活动产品数据、每个预设产品数据和与其关联的所述多个电子凭据数据的映射关系、所述多个用户行为数据和所述多个交易数据,生成多组置信度集合,每组置信度集合包括一个目标用户对应的多个置信度集,每个置信度集包括该目标用户对于一个目标活动产品数据与该目标活动产品数据对应的每个电子凭据数据的置信度。
在示例性的实施例中,服务端根据所述多个预设产品数据与所述每个预设产品数据关联的所述多个电子凭据数据的映射关系和所述每个目标用户对应的所述多个目标活动产品数据,得到每个目标用户对应的电子凭据数据(即优惠券)-目标活动产品数据表<Coupon,Item>,Coupon代表电子凭据数据,Item代表活动产品数据。
在示例性的实施例中,基于目标用户-目标活动产品兴趣表<User,Item Rating>中的多个目标活动产品数据和电子凭据数据(即优惠券)-目标活动产品数据表<Coupon,Item>,计算得到每个目标用户该目标用户对于一个目标活动产品数据与该目标活动产品数据对应的每个电子凭据数据的置信度。
步骤S106,将每个置信度集中最高的置信度对应的电子凭据数据确定为目标推送数据,并将所述目标推送数据推送至相应的目标用户对应的终端设备。
示例性的,将每个置信度集中最高的置信度对应的电子凭据数据确定为该置信度集对应的目标用户的目标推送数据,并将该目标推送数据推送到该目标用户对应的终端设备中。
在示例性的实施例中,所述方法还包括将所述目标推送数据上传至区块链中。示例性的,基于所述目标推送数据得到对应的摘要信息。举例而言,摘要信息由所述目标推送数据进行散列处理得到,比如利用sha256s算法处理得到。将摘要信息上传至区块链可保证其安全性和对用户的公正透明性。用户设备可以从区块链中下载得该摘要信息,以便查证所述目标推送数据是否被篡改。本示例所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain),本质上是一个去中心化的数据库,是一串使用密码学方法相关联产生的数据块,每一个数据块中包含了一批次网络交易的信息,用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
本发明实施例提供的数据推送方法,通过根据多个预设产品数据、与每个预设产品数据关联的多个电子凭据数据、多个目标用户的多个用户行为数据及所述多个目标用户的多个交易数据,确定每个目标用户对应的多个目标活动产品数据;再通过所述多个预设产品数据与所述每个预设产品数据关联的所述多个电子凭据数据的映射关系、每个目标用户的多个用户行为数据和每个目标用户的多个交易数据,生成每个目标用户对于每个目标活动产品数据与该目标活动产品数据对应的每个电子凭据数据的置信度;根据多个置信度,确定每个目标用户对应的目标推送数据;提高电子凭据数据的推送准确率。
本发明实施例至少具有以下有益效果:
(1)电子凭据数据通过系统化自动化实现推送,减少各个环节人工干预可能导致的数据配置错误、不规范、延误最优活动时机等问题,并且能极大节省运营人力;
(2)电子凭据数据圈定人群精准化智能化,有助于提高用户体验,能够更深入地挖掘消费者潜在的购买需求,挖掘消费者最感兴趣的产品和与产品相关的电子凭据数据,进而达到更精准更智能的营销,以提高产品成交转化率。
实施例二
请继续参阅图8,示出了本发明数据推送系统的程序模块示意图。在本实施例中,数据推送系统20可以包括或被分割成一个或多个程序模块,一个或者多个程序模块被存储于存储介质中,并由一个或多个处理器所执行,以完成本发明,并可实现上述数据推送方法。本发明实施例所称的程序模块是指能够完成特定功能的一系列计算机程序指令段,比程序本身更适合于描述数据推送系统20在存储介质中的执行过程。以下描述将具体介绍本实施例各程序模块的功能:
获取模块800,用于获取多个预设产品数据、每个预设产品数据关联的多个电子凭据数据、多个目标用户的多个用户行为数据及所述多个目标用户的多个交易数据;
提取模块810,用于根据所述多个预设产品数据、所述多个用户行为数据及所述多个交易数据,从所述多个预设产品数据中分别提取出每个目标用户对应的多个目标活动产品数据;
生成模块820,用于根据所述多个目标活动产品数据、每个预设产品数据和与其关联的所述多个电子凭据数据的映射关系、所述多个用户行为数据和所述多个交易数据,生成多组置信度集合,每组置信度集合包括一个目标用户对应的多个置信度集,每个置信度集包括该目标用户对于一个目标活动产品数据与该目标活动产品数据对应的每个电子凭据数据的置信度;
推送模块830,用于将每个置信度集中最高的置信度对应的电子凭据数据确定为目标推送数据,并将所述目标推送数据推送至相应的目标用户对应的终端设备。
在示例性的实施例中,所述提取模块810,还用于:根据所述多个用户行为数据和所述多个交易数据,从所述多个预设产品数据中确定每个目标用户对应的多个候选产品数据,并根据所述多个候选产品数据、所述多个用户行为数据和所述多个交易数据,生成所述每个目标用户对应的候选产品数据分值表;基于所述候选产品数据分值表和协同过滤算法,输出每个目标用户的用户特征矩阵和每个目标用户对应的每个候选产品数据的产品特征矩阵;基于所述用户特征矩阵和产品特征矩阵,得到多个第一兴趣度表,每个第一兴趣度表包括一个目标用户对于与该目标用户对应的每个候选产品数据的第一兴趣度;及将每个第一兴趣度表中大于预设阈值的第一兴趣度对应的候选产品数据确定为与该第一兴趣度表对应的目标用户的目标活动产品数据。
在示例性的实施例中,所述提取模块810,还用于:从所述多个用户行为数据和所述多个交易数据中提取与每个目标用户对应的多个产品数据的产品名称;将多个产品名称中的任意一个产品名称与其他的任一产品名称进行比对;及根据比对结果,从所述多个预设产品数据中确定每个目标用户对应的多个候选产品数据。
在示例性的实施例中,所述提取模块810,还用于:从所述每个目标用户的用户行为数据中提取产品索引次数数据、产品选择数据和产品页面停留时长数据;分别获取所述每个目标用户的多个交易数据对应的第一权重、所述产品索引次数数据对应的第二权重、所述产品选择数据对应的第三权重和所述产品页面停留时长数据对应的第四权重;及根据所述每个目标用户的多个交易数据、每个目标用户的产品索引次数数据、每个目标用户的产品选择数据、每个目标用户的产品页面停留时长数据、第一权重、第二权重、第三权重和第四权重,计算和所述每个目标用户对应的每个候选产品数据分值,并根据所述每个目标用户对应的每个候选产品数据分值,得到所述每个目标用户对应的候选产品数据分值表。
在示例性的实施例中,所述获取模块800,还用于:获取每个用户的用户数据;分析所述每个用户的用户数据是否符合预设风控规则;及若用户的用户数据符合所述预设风控规则,则确定用户数据符合所述预设风控规则的用户为目标用户。
在示例性的实施例中,所述获取模块800,还用于:获取每个用户的用户属性数据;分析所述每个用户的用户属性数据是否符合预设目标用户规则;及若所述用户的用户属性数据满足预设目标用户规则,则确定用户属性数据符合所述预设目标用户规则的用户为目标用户。
在示例性的实施例中,所述数据推送系统20还包括预处理模块(未标识),所述预处理模块用于:从所述多个用户行为数据中提取多个产品数据;分析每个产品数据是否满足预设异常产品条件;及若产品数据满足所述预设异常产品条件,则删除满足所述预设异常产品条件的产品数据。
实施例三
参阅图9,是本发明实施例三之计算机设备的硬件架构示意图。本实施例中,所述计算机设备2是一种能够按照事先设定或者存储的指令,自动进行数值计算和/或信息处理的设备。该计算机设备2可以是机架式服务器、刀片式服务器、塔式服务器或机柜式服务器(包括独立的服务器,或者多个服务器所组成的服务器集群)等。如图9所示,所述计算机设备2至少包括,但不限于,可通过系统总线相互通信连接存储器21、处理器22、网络接口23、以及数据推送系统20。其中:
本实施例中,存储器21至少包括一种类型的计算机可读存储介质,所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如,SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等。在一些实施例中,存储器21可以是计算机设备2的内部存储单元,例如该计算机设备2的硬盘或内存。在另一些实施例中,存储器21也可以是计算机设备2的外部存储设备,例如该计算机设备2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。当然,存储器21还可以既包括计算机设备2的内部存储单元也包括其外部存储设备。本实施例中,存储器21通常用于存储安装于计算机设备2的操作系统和各类应用软件,例如上述实施例的数据推送系统20的程序代码等。此外,存储器21还可以用于暂时地存储已经输出或者将要输出的各类数据。
处理器22在一些实施例中可以是中央处理器(Central Processing Unit,CPU)、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器22通常用于控制计算机设备2的总体操作。本实施例中,处理器22用于运行存储器21中存储的程序代码或者处理数据,例如运行数据推送系统20,以实现上述实施例的数据推送方法。
所述网络接口23可包括无线网络接口或有线网络接口,该网络接口23通常用于在所述计算机设备2与其他电子装置之间建立通信连接。例如,所述网络接口23用于通过网络将所述计算机设备2与外部终端相连,在所述计算机设备2与外部终端之间的建立数据传输通道和通信连接等。所述网络可以是企业内部网(Intranet)、互联网(Internet)、全球移动通讯系统(Global System of Mobile communication,GSM)、宽带码分多址(WidebandCode Division Multiple Access,WCDMA)、4G网络、5G网络、蓝牙(Bluetooth)、Wi-Fi等无线或有线网络。
需要指出的是,图9仅示出了具有部件20-23的计算机设备2,但是应理解的是,并不要求实施所有示出的部件,可以替代的实施更多或者更少的部件。
在本实施例中,存储于存储器21中的所述数据推送系统20还可以被分割为一个或者多个程序模块,所述一个或者多个程序模块被存储于存储器21中,并由一个或多个处理器(本实施例为处理器22)所执行,以完成本发明。
例如,图8示出了所述实现数据推送系统20实施例二的程序模块示意图,该实施例中,所述基于数据推送系统20可以被划分为获取模块800、提取模块810、生成模块820以及推送模块830。其中,本发明所称的程序模块是指能够完成特定功能的一系列计算机程序指令段,比程序更适合于描述所述数据推送系统20在所述计算机设备2中的执行过程。所述程序模块800-830的具体功能在实施例二中已有详细描述,在此不再赘述。
实施例四
本实施例还提供一种计算机可读存储介质,如闪存、硬盘、多媒体卡、卡型存储器(例如,SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘、服务器、App应用商城等等,其上存储有计算机程序,程序被处理器执行时实现相应功能。本实施例的计算机可读存储介质用于存储数据推送系统20,被处理器执行时实现上述实施例的数据推送方法。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种数据推送方法,用于服务端,其特征在于,包括:
获取多个预设产品数据、每个预设产品数据关联的多个电子凭据数据、多个目标用户的多个用户行为数据及所述多个目标用户的多个交易数据;
根据所述多个预设产品数据、所述多个用户行为数据及所述多个交易数据,从所述多个预设产品数据中分别提取出每个目标用户对应的多个目标活动产品数据;
根据所述多个目标活动产品数据、每个预设产品数据和与其关联的所述多个电子凭据数据的映射关系、所述多个用户行为数据和所述多个交易数据,生成多组置信度集合,每组置信度集合包括一个目标用户对应的多个置信度集,每个置信度集包括该目标用户对于一个目标活动产品数据与该目标活动产品数据对应的每个电子凭据数据的置信度;
将每个置信度集中最高的置信度对应的电子凭据数据确定为目标推送数据,并将所述目标推送数据推送至相应的目标用户对应的终端设备。
2.根据权利要求1所述的数据推送方法,其特征在于,所述根据所述多个预设产品数据、所述多个用户行为数据及所述多个交易数据,从所述多个预设产品数据中分别提取出每个目标用户对应的多个目标活动产品数据,还包括:
根据所述多个用户行为数据和所述多个交易数据,从所述多个预设产品数据中确定每个目标用户对应的多个候选产品数据,并根据所述多个候选产品数据、所述多个用户行为数据和所述多个交易数据,生成所述每个目标用户对应的候选产品数据分值表;
基于所述候选产品数据分值表和协同过滤算法,输出每个目标用户的用户特征矩阵和每个目标用户对应的每个候选产品数据的产品特征矩阵;
基于所述用户特征矩阵和产品特征矩阵,得到多个第一兴趣度表,每个第一兴趣度表包括一个目标用户对于与该目标用户对应的每个候选产品数据的第一兴趣度;及
将每个第一兴趣度表中大于预设阈值的第一兴趣度对应的候选产品数据确定为与该第一兴趣度表对应的目标用户的目标活动产品数据。
3.根据权利要求2所述的数据推送方法,其特征在于,所述根据所述多个用户行为数据和所述多个交易数据,从所述多个预设产品数据中确定每个目标用户对应的多个候选产品数据,包括:
从所述多个用户行为数据和所述多个交易数据中提取与每个目标用户对应的多个产品数据的产品名称;
将多个产品名称中的任意一个产品名称与其他的任一产品名称进行比对;
根据比对结果,从所述多个预设产品数据中确定每个目标用户对应的多个候选产品数据。
4.根据权利要求3所述的数据推送方法,其特征在于,所述根据所述多个候选产品数据、所述多个用户行为数据和所述多个交易数据,生成所述每个目标用户对应的候选产品数据分值表,包括:
从所述每个目标用户的用户行为数据中提取产品索引次数数据、产品选择数据和产品页面停留时长数据;
分别获取所述每个目标用户的多个交易数据对应的第一权重、所述产品索引次数数据对应的第二权重、所述产品选择数据对应的第三权重和所述产品页面停留时长数据对应的第四权重;及
根据所述每个目标用户的多个交易数据、每个目标用户的产品索引次数数据、每个目标用户的产品选择数据、每个目标用户的产品页面停留时长数据、第一权重、第二权重、第三权重和第四权重,计算和所述每个目标用户对应的每个候选产品数据分值,并根据所述每个目标用户对应的每个候选产品数据分值,得到所述每个目标用户对应的候选产品数据分值表。
5.根据权利要求1所述的数据推送方法,其特征在于,所述方法还包括:
获取每个用户的用户数据;
分析所述每个用户的用户数据是否符合预设风控规则;及
若用户的用户数据符合所述预设风控规则,则确定用户数据符合所述预设风控规则的用户为目标用户。
6.根据权利要求1所述的数据推送方法,其特征在于,所述方法还包括:
获取每个用户的用户属性数据;
分析所述每个用户的用户属性数据是否符合预设目标用户规则;及
若所述用户的用户属性数据满足预设目标用户规则,则确定用户属性数据符合所述预设目标用户规则的用户为目标用户。
7.根据权利要求1所述的数据推送方法,其特征在于,所述方法包括对所述多个用户行为数据及所述多个交易数据进行预处理的步骤:
从所述多个用户行为数据中提取多个产品数据;
分析每个产品数据是否满足预设异常产品条件;及
若产品数据满足所述预设异常产品条件,则删除满足所述预设异常产品条件的产品数据。
8.一种数据推送系统,用于服务端,其特征在于,包括:
获取模块,用于获取多个预设产品数据、每个预设产品数据关联的多个电子凭据数据、多个目标用户的多个用户行为数据及所述多个目标用户的多个交易数据;
提取模块,用于根据所述多个预设产品数据、所述多个用户行为数据及所述多个交易数据,从所述多个预设产品数据中分别提取出每个目标用户对应的多个目标活动产品数据;
生成模块,用于根据所述多个目标活动产品数据、每个预设产品数据和与其关联的所述多个电子凭据数据的映射关系、所述多个用户行为数据和所述多个交易数据,生成多组置信度集合,每组置信度集合包括一个目标用户对应的多个置信度集,每个置信度集包括该目标用户对于一个目标活动产品数据与该目标活动产品数据对应的每个电子凭据数据的置信度;及
推送模块,用于将每个置信度集中最高的置信度对应的电子凭据数据确定为目标推送数据,并将所述目标推送数据推送至相应的目标用户对应的终端设备。
9.一种计算机设备,所述计算机设备包括存储器、处理器以及存储在所述存储器上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7任一项所述的数据推送方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质内存储有计算机程序,所述计算机程序可被至少一个处理器所执行,以使所述至少一个处理器执行如权利要求1至7中任一项所述的数据推送方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110702169.1A CN113421118B (zh) | 2021-06-24 | 2021-06-24 | 数据推送方法、系统、计算机设备及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110702169.1A CN113421118B (zh) | 2021-06-24 | 2021-06-24 | 数据推送方法、系统、计算机设备及计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113421118A true CN113421118A (zh) | 2021-09-21 |
CN113421118B CN113421118B (zh) | 2023-05-30 |
Family
ID=77717597
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110702169.1A Active CN113421118B (zh) | 2021-06-24 | 2021-06-24 | 数据推送方法、系统、计算机设备及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113421118B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150302450A1 (en) * | 2014-04-22 | 2015-10-22 | Deutsche Telekom Ag | Coupon recommendation for mobile devices |
CN107818479A (zh) * | 2017-10-27 | 2018-03-20 | 携程旅游网络技术(上海)有限公司 | 优惠信息推送方法、系统、存储介质和电子设备 |
CN108038120A (zh) * | 2017-11-01 | 2018-05-15 | 平安科技(深圳)有限公司 | 协同过滤推荐方法、电子设备及计算机可读存储介质 |
CN109510874A (zh) * | 2018-12-13 | 2019-03-22 | 北京字节跳动网络技术有限公司 | 基于lbs的电子凭证推送方法、装置及电子设备 |
WO2019056721A1 (zh) * | 2017-09-21 | 2019-03-28 | 掌阅科技股份有限公司 | 信息推送方法、电子设备及计算机存储介质 |
CN112307329A (zh) * | 2020-09-30 | 2021-02-02 | 北京沃东天骏信息技术有限公司 | 一种资源推荐方法及装置、设备、存储介质 |
CN112734510A (zh) * | 2020-12-30 | 2021-04-30 | 中国电子科技集团公司第十五研究所 | 基于融合改进模糊聚类和兴趣衰减的商品推荐方法 |
CN112819515A (zh) * | 2021-01-25 | 2021-05-18 | 微民保险代理有限公司 | 资源的推送方法、装置、电子设备和存储介质 |
-
2021
- 2021-06-24 CN CN202110702169.1A patent/CN113421118B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150302450A1 (en) * | 2014-04-22 | 2015-10-22 | Deutsche Telekom Ag | Coupon recommendation for mobile devices |
WO2019056721A1 (zh) * | 2017-09-21 | 2019-03-28 | 掌阅科技股份有限公司 | 信息推送方法、电子设备及计算机存储介质 |
CN107818479A (zh) * | 2017-10-27 | 2018-03-20 | 携程旅游网络技术(上海)有限公司 | 优惠信息推送方法、系统、存储介质和电子设备 |
CN108038120A (zh) * | 2017-11-01 | 2018-05-15 | 平安科技(深圳)有限公司 | 协同过滤推荐方法、电子设备及计算机可读存储介质 |
CN109510874A (zh) * | 2018-12-13 | 2019-03-22 | 北京字节跳动网络技术有限公司 | 基于lbs的电子凭证推送方法、装置及电子设备 |
CN112307329A (zh) * | 2020-09-30 | 2021-02-02 | 北京沃东天骏信息技术有限公司 | 一种资源推荐方法及装置、设备、存储介质 |
CN112734510A (zh) * | 2020-12-30 | 2021-04-30 | 中国电子科技集团公司第十五研究所 | 基于融合改进模糊聚类和兴趣衰减的商品推荐方法 |
CN112819515A (zh) * | 2021-01-25 | 2021-05-18 | 微民保险代理有限公司 | 资源的推送方法、装置、电子设备和存储介质 |
Non-Patent Citations (2)
Title |
---|
肖满生等: "基于兴趣度向量模型的协同过滤推荐技术研究", 《湖南工业大学学报》 * |
陈志敏等: "基于用户特征和项目属性的协同过滤推荐算法", 《计算机应用》 * |
Also Published As
Publication number | Publication date |
---|---|
CN113421118B (zh) | 2023-05-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110659318B (zh) | 基于大数据的策略推送方法、系统及计算机设备 | |
CN110503564B (zh) | 基于大数据的保全案件处理方法、系统、设备及存储介质 | |
CN111882399B (zh) | 服务信息推荐方法、装置、计算机系统及可读存储介质 | |
CN111881158A (zh) | 一种管理报表数据处理方法、装置、计算机系统及可读存储介质 | |
CN111371858A (zh) | 群控设备识别方法、装置、介质及电子设备 | |
CN111563098A (zh) | 结构化与非结构化数据查询方法、设备、存储介质及装置 | |
CN110766275A (zh) | 数据验证方法、装置、计算机设备及存储介质 | |
CN110610431A (zh) | 基于大数据的智能理赔方法及智能理赔系统 | |
CN112507212A (zh) | 智能回访方法、装置、电子设备及可读存储介质 | |
CN111724084A (zh) | 数据资产的价值显示方法、装置、设备及存储介质 | |
CN112995201B (zh) | 一种基于云平台的资源价值评估处理方法和相关装置 | |
CN112699871A (zh) | 字段内容识别方法、系统、设备及计算机可读存储介质 | |
CN111639700A (zh) | 目标相似度识别方法、装置、计算机设备及可读存储介质 | |
CN112579608B (zh) | 案件数据查询方法、系统、设备及计算机可读存储介质 | |
CN112148880A (zh) | 一种客服对话语料聚类方法、系统、设备及存储介质 | |
CN111831817A (zh) | 问卷生成分析方法、装置、计算机设备及可读存储介质 | |
CN111723210A (zh) | 存储数据表的方法、装置、计算机设备及可读存储介质 | |
CN113421118B (zh) | 数据推送方法、系统、计算机设备及计算机可读存储介质 | |
CN109857748B (zh) | 一种合同数据处理方法、装置及电子设备 | |
CN113343577B (zh) | 一种基于机器学习的参数优化方法、装置、设备及介质 | |
CN113051601A (zh) | 敏感数据识别方法、装置、设备和介质 | |
CN110852893A (zh) | 基于海量数据的风险识别方法、系统、设备及存储介质 | |
CN114285896B (zh) | 信息推送方法、装置、设备、存储介质及程序产品 | |
CN113537806A (zh) | 异常用户识别方法、装置、电子设备及可读存储介质 | |
CN113326333A (zh) | 数据处理方法、系统、计算机设备及计算机存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |