CN113486254B - 一种基于大数据的活动推荐方法及系统 - Google Patents

Abstract

本发明提供一种基于大数据的活动推荐方法及系统，其中，方法包括：步骤S1：获取活动内容；步骤S2：获取大数据，大数据包括：多个用户的历史行为数据；步骤S3：基于大数据确定用户中活动内容适宜的目标用户；步骤S4：将活动内容推送给目标用户。本发明的基于大数据的活动推荐方法及系统，基于大数据确定对活动内容可能感兴趣的目标用户，将活动内容推荐给目标用户，不局限于将活动推送给订阅用户，提升了活动的宣传效果，也使更多可能对活动感兴趣的用户能够了解到活动。

Description

一种基于大数据的活动推荐方法及系统

技术领域

本发明涉及大数据分析技术领域，特别涉及一种基于大数据的活动推荐方法及系统。

背景技术

目前，不同举办方有新活动(例如：线上活动、线下活动等)即将举办时，一般只推送给举办方的订阅用户，这样会造成活动宣传效果不佳，也会造成对活动感兴趣的非订阅用户无法了解到该活动；

因此，亟需一种解决办法。

发明内容

本发明目的之一在于提供了一种基于大数据的活动推荐方法及系统。

本发明实施例提供的一种基于大数据的活动推荐方法，包括：

步骤S1：获取活动内容；

步骤S2：获取大数据，大数据包括：多个用户的历史行为数据；

步骤S3：基于大数据确定用户中活动内容适宜的目标用户；

步骤S4：将活动内容推送给目标用户。

优选的，步骤S3：基于大数据确定用户中活动内容适宜的目标用户，包括：

对用户的历史行为数据进行分类，获得多个类型的数据集；

建立时间轴，将数据集内的多个数据在时间轴上展开，获得多个第一数据项；

对活动内容进行特征提取，获得多个第一特征；

基于预设的关联行为特征库，确定第一特征关联的至少一个行为特征；

对第一数据项进行特征提取，获得多个第二特征；

将第二特征与第一特征或行为特征进行匹配，若匹配符合，确定匹配符合的第二特征对应第一数据项前和/或后预设第一时间范围内的多个第一数据项，并作为第二数据项；

对第二数据项进行特征提取，获得多个第三特征；

基于预设的特征关联度库，确定第三特征和第二特征之间的关联度；

基于预设的价值度库，确定时间轴上展开的数据集的类型的价值度；

基于预设的判定值库，确定关联度和价值度共同对应的判定值；

汇总判定值，获得判定值和；

确定数据集的总数目，基于预设的判定值和阈值库，确定总数目对应的判定值和阈值；

若判定值和大于判定值和阈值，将历史行为数据对应用户作为目标用户。

优选的，步骤S4：将活动内容推送给目标用户，包括：

基于预设的重要程度库，确定第一特征的重要程度；

将最大重要程度对应的第一特征作为第四特征，其余第一特征作为第五特征；

基于预设的主素材库，确定第四特征对应的主素材；

基于预设的关联素材库，确定主素材和第五特征共同对应的关联素材；

基于预设的组合方式库，确定主素材和各关联素材之间的组合方式；

基于组合方式将主素材和各关联素材进行组合，获得活动内容成品；

获取目标用户当前进行访问的当前访问项，建立重要访问项库，基于重要访问项库，确定当前访问项是否为目标用户的第一重要访问项；

若是，等待当前访问项不是第一重要访问项时，将活动内容成品打包推送给目标用户；

若否，直接将活动内容成品打包推送给目标用户。

优选的，建立重要访问项库，包括：

获取活动推送记录，活动推送记录包括：多个时间节点向用户推送活动内容打包项；

确定时间轴上对应于时间节点的第一数据项，并作为第三数据项；

提取第三数据项中的第一访问项；

设置第一事件，第一事件包括：用户访问第一访问项时接收到活动内容打包项后在预设的时间内拒绝打开活动内容打包项；

确认第三数据项中是否发生第一事件，若是，确定时间轴上第三数据项后预设第二时间范围内的多个第一数据项，并作为第四数据项；

提取第四数据项中的第二访问项；

设置第二事件，第二事件包括：用户访问第二访问项时再次接收到相同活动内容打包项后同意打开活动内容打包项；

判断第四数据项中是否发生第二事件，若是，确认时间轴上发生第二事件的第四数据项前的第四数据项中是否发生第一事件；

若是，将时间轴上发生第二事件的第四数据项前的发生第一事件的第四数据项中的第二访问项和第三数据项中的第一访问项作为第二重要访问项；

否则，直接将第三数据项中的第一访问项作为第二重要访问项；

获取预设的空白数据库，将第二重要访问项与对应用户进行关联后存入空白数据库；

当需要存入空白数据库的第二重要访问项均与对应用户进行关联后存入空白数据库时，将空白数据库作为重要访问项库，完成建立。

优选的，基于大数据的活动推荐方法，还包括：

步骤S5：建立与用户之间的智能合约，基于智能合约确定是否再对用户进行活动推荐，若否，不再对用户进行活动推荐；

其中，建立与用户之间的智能合约，包括：

分发预设的第一合约给用户；

获取用户对第一合约进行调整后的第二合约；

对第一合约和第二合约进行差异分析，获得多个第一差异项以及差异项对应的第一差异度；

基于预设的接受度库，确定第一差异项和对应第一差异度共同对应的接受度；

确认接受度是否均大于等于预设的接受度阈值；

若是，将第二合约作为智能合约，完成建立；

若否，将第二合约作为智能合约，完成建立，同时，提取接受度小于接收度阈值的对应第一差异项和第一差异度对应接受度与接受度之间的差值；

汇总全部差值，获得差值和；

基于智能合约确定是否再对用户进行活动推荐，包括：

基于活动推送记录分析智能合约中推送方的第一执行情况，获得第一执行符合度；

基于用户的历史行为数据分析智能合约中对应用户的第二执行情况，获得第二执行符合度；

基于预设的续约判定值库，确定第一执行符合度、第二执行符合度和差值和共同对应的续约判定值；

若续约判定值大于等于预设的续约判定值阈值，继续对用户进行活动推荐，否则，不再对用户进行活动推荐。

本发明实施例提供的一种基于大数据的活动推荐系统，包括：

第一获取模块，用于获取活动内容；

第二获取模块，用于获取大数据，大数据包括：多个用户的历史行为数据；

第一确定模块，用于基于大数据确定用户中活动内容适宜的目标用户；

推送模块，用于将活动内容推送给目标用户。

优选的，第一确定模块执行如下操作：

对用户的历史行为数据进行分类，获得多个类型的数据集；

建立时间轴，将数据集内的多个数据在时间轴上展开，获得多个第一数据项；

对活动内容进行特征提取，获得多个第一特征；

基于预设的关联行为特征库，确定第一特征关联的至少一个行为特征；

对第一数据项进行特征提取，获得多个第二特征；

将第二特征与第一特征或行为特征进行匹配，若匹配符合，确定匹配符合的第二特征对应第一数据项前和/或后预设第一时间范围内的多个第一数据项，并作为第二数据项；

对第二数据项进行特征提取，获得多个第三特征；

基于预设的特征关联度库，确定第三特征和第二特征之间的关联度；

基于预设的价值度库，确定时间轴上展开的数据集的类型的价值度；

基于预设的判定值库，确定关联度和价值度共同对应的判定值；

汇总判定值，获得判定值和；

确定数据集的总数目，基于预设的判定值和阈值库，确定总数目对应的判定值和阈值；

若判定值和大于判定值和阈值，将历史行为数据对应用户作为目标用户。

优选的，推送模块执行如下操作：

基于预设的重要程度库，确定第一特征的重要程度；

将最大重要程度对应的第一特征作为第四特征，其余第一特征作为第五特征；

基于预设的主素材库，确定第四特征对应的主素材；

基于预设的关联素材库，确定主素材和第五特征共同对应的关联素材；

基于预设的组合方式库，确定主素材和各关联素材之间的组合方式；

基于组合方式将主素材和各关联素材进行组合，获得活动内容成品；

获取目标用户当前进行访问的当前访问项，建立重要访问项库，基于重要访问项库，确定当前访问项是否为目标用户的第一重要访问项；

若是，等待当前访问项不是第一重要访问项时，将活动内容成品打包推送给目标用户；

若否，直接将活动内容成品打包推送给目标用户。

优选的，推送模块执行如下操作：

获取活动推送记录，活动推送记录包括：多个时间节点向用户推送活动内容打包项；

确定时间轴上对应于时间节点的第一数据项，并作为第三数据项；

提取第三数据项中的第一访问项；

设置第一事件，第一事件包括：用户访问第一访问项时接收到活动内容打包项后在预设的时间内拒绝打开活动内容打包项；

确认第三数据项中是否发生第一事件，若是，确定时间轴上第三数据项后预设第二时间范围内的多个第一数据项，并作为第四数据项；

提取第四数据项中的第二访问项；

设置第二事件，第二事件包括：用户访问第二访问项时再次接收到相同活动内容打包项后同意打开活动内容打包项；

判断第四数据项中是否发生第二事件，若是，确认时间轴上发生第二事件的第四数据项前的第四数据项中是否发生第一事件；

若是，将时间轴上发生第二事件的第四数据项前的发生第一事件的第四数据项中的第二访问项和第三数据项中的第一访问项作为第二重要访问项；

否则，直接将第三数据项中的第一访问项作为第二重要访问项；

获取预设的空白数据库，将第二重要访问项与对应用户进行关联后存入空白数据库；

当需要存入空白数据库的第二重要访问项均与对应用户进行关联后存入空白数据库时，将空白数据库作为重要访问项库，完成建立。

优选的，基于大数据的活动推荐系统，还包括：

第二确定模块，用于建立与用户之间的智能合约，基于智能合约确定是否再对用户进行活动推荐，若否，不再对用户进行活动推荐；

第二确定模块执行如下操作：

分发预设的第一合约给用户；

获取用户对第一合约进行调整后的第二合约；

对第一合约和第二合约进行差异分析，获得多个第一差异项以及差异项对应的第一差异度；

基于预设的接受度库，确定第一差异项和对应第一差异度共同对应的接受度；

确认接受度是否均大于等于预设的接受度阈值；

若是，将第二合约作为智能合约，完成建立；

若否，将第二合约作为智能合约，完成建立，同时，提取接受度小于接收度阈值的对应第一差异项和第一差异度对应接受度与接受度之间的差值；

汇总全部差值，获得差值和；

基于智能合约确定是否再对用户进行活动推荐，包括：

基于活动推送记录分析智能合约中推送方的第一执行情况，获得第一执行符合度；

基于用户的历史行为数据分析智能合约中对应用户的第二执行情况，获得第二执行符合度；

基于预设的续约判定值库，确定第一执行符合度、第二执行符合度和差值和共同对应的续约判定值；

若续约判定值大于等于预设的续约判定值阈值，继续对用户进行活动推荐，否则，不再对用户进行活动推荐。

本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。

下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。

附图说明

附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：

图1为本发明实施例中一种基于大数据的活动推荐方法的流程图；

图2为本发明实施例中一种基于大数据的活动推荐系统的示意图。

具体实施方式

以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。

本发明实施例提供了一种基于大数据的活动推荐方法，如图1所示，包括：

步骤S1：获取活动内容；

步骤S2：获取大数据，大数据包括：多个用户的历史行为数据；

步骤S3：基于大数据确定用户中活动内容适宜的目标用户；

步骤S4：将活动内容推送给目标用户。

上述技术方案的工作原理及有益效果为：

获取活动内容【例如：活动类型、活动举办时间、活动举办地点等】；获取大数据，大数据包括：多个用户的历史行为数据【例如：搜索过什么活动、浏览过什么活动页面等】；基于大数据确定获得内容适宜的目标用户【即可能感兴趣的用户】；将活动内容推送给目标用户，完成推荐；

本发明实施例基于大数据确定对活动内容可能感兴趣的目标用户，将活动内容推荐给目标用户，不局限于将活动推送给订阅用户，提升了活动的宣传效果，也使更多可能对活动感兴趣的用户能够了解到活动。

本发明实施例提供了一种基于大数据的活动推荐方法，步骤S3：基于大数据确定用户中活动内容适宜的目标用户，包括：

对用户的历史行为数据进行分类，获得多个类型的数据集；

建立时间轴，将数据集内的多个数据在时间轴上展开，获得多个第一数据项；

对活动内容进行特征提取，获得多个第一特征；

基于预设的关联行为特征库，确定第一特征关联的至少一个行为特征；

对第一数据项进行特征提取，获得多个第二特征；

将第二特征与第一特征或行为特征进行匹配，若匹配符合，确定匹配符合的第二特征对应第一数据项前和/或后预设第一时间范围内的多个第一数据项，并作为第二数据项；

对第二数据项进行特征提取，获得多个第三特征；

基于预设的特征关联度库，确定第三特征和第二特征之间的关联度；

基于预设的价值度库，确定时间轴上展开的数据集的类型的价值度；

基于预设的判定值库，确定关联度和价值度共同对应的判定值；

汇总判定值，获得判定值和；

确定数据集的总数目，基于预设的判定值和阈值库，确定总数目对应的判定值和阈值；

若判定值和大于判定值和阈值，将历史行为数据对应用户作为目标用户。

上述技术方案的工作原理及有益效果为：

预设的关联行为特征库具体为：一数据库，内存储有不同活动内容特征【第一特征】关联的至少一个行为特征，例如：内容特征为“线上辩论赛”，则行为特征为“浏览线上辩论赛页面”“报名辩论赛”等；预设第一时间范围具体为：例如，15分钟；预设的特征关联度库具体为：一数据库，内存储有不同特征之间的关联度，例如：特征“搜索辩论赛”、“查看辩论赛页面”和“报名辩论赛”之间关联性大，关联度就大；预设的价值度库具体为：一数据库，内存储有不同类型对应的价值度，例如：特征“搜索”为用户主动进行，该类型的参考价值就大，价值度就高；预设的判定值库具体为：一数据库，内存储有不同关联度和不同价值度共同对应的判定值；预设的判定值和阈值库具体为：一数据库，内存储有不同总数目对应的判定值和阈值；

在时间轴上展开用户的历史行为数据，获得多个第一数据项；若第二特征与第一特征或行为特征匹配，则说明，用户曾产生可能对活动内容感兴趣的行为或该用户与活动内容符合，有条件参加；但是，用户产生该记录有可能只是误操作【例如：不小心点击到等】，因验证其关联性，即前后操作与该操作是否有关联，获取关联度；再确定所属数据集的类型，类型的价值越高，关联度越大，则判定值越大，判定值和越高；因不同用户的数据集的总数目不同，基于判定值和阈值库，确定不同总数目对应的判定值和阈值【代表总体水平】；若判定值和大于判定值和阈值，说明该用户的总体感兴趣水平足够，则确定对应用户为目标用户；

本发明实施例基于用户的历史行为数据确定对应用户是否对活动内容感兴趣，设置合理；在确定可能代表用户感兴趣的第一数据项时，基于前和/或后第一数据项验证该第一数据项是否由用户合理产生，进一步提升了基于用户的历史行为数据确定对应用户对活动内容感兴趣的精准性。

本发明实施例提供了一种基于大数据的活动推荐方法，步骤S4：将活动内容推送给目标用户，包括：

基于预设的重要程度库，确定第一特征的重要程度；

将最大重要程度对应的第一特征作为第四特征，其余第一特征作为第五特征；

基于预设的主素材库，确定第四特征对应的主素材；

基于预设的关联素材库，确定主素材和第五特征共同对应的关联素材；

基于预设的组合方式库，确定主素材和各关联素材之间的组合方式；

基于组合方式将主素材和各关联素材进行组合，获得活动内容成品；

获取目标用户当前进行访问的当前访问项，建立重要访问项库，基于重要访问项库，确定当前访问项是否为目标用户的第一重要访问项；

若是，等待当前访问项不是第一重要访问项时，将活动内容成品打包推送给目标用户；

若否，直接将活动内容成品打包推送给目标用户。

上述技术方案的工作原理及有益效果为：

预设的重要程度库具体为：一数据库，内存储有不同活动内容特征【第一特征】的重要程度；预设的主素材库具体为：一数据库，内存储有不同特征的主素材【例如：PSD等，文字内容特征基于该PSD可以自动转换成图片】；预设的关联素材库具体为：一数据库，内存储有不同主素材和不同特征共同对应的关联素材【关联素材由后台人员事先收集，与主素材的风格最符合活动宣传要求】；预设的组合方式库具体为：一数据库，内存储有不同主素材和对应关联素材之间的组合方式【例如：位置组合方式等】；

举办方输入的活动内容只是简单文字，需要将其制作成适宜的成品【例如：宣传海报】；确定重要程度最大的第四特征【一般为活动内容内的活动类型特征，例如：辩论赛】；基于主素材库、关联素材库，确定各特征最适宜的素材，提升了系统的工作效率；接着，确定组合方式，将各素材进行组合；组合后，打包准备发给目标用户；获取目标用户的当前访问项【例如：APP、网页等】，确定当前访问项是否为目标用户的重要访问项，若是，等待推送，直至用户当前访问的不是重要访问项时，进行推送；虽然活动内容成品已经打包【例如：一个小弹窗，得用户点击“接收”才会显示更多内容】，但是，若用户在访问重要访问项，会影响其体验，考虑周到。

本发明实施例提供了一种基于大数据的活动推荐方法，建立重要访问项库，包括：

获取活动推送记录，活动推送记录包括：多个时间节点向用户推送活动内容打包项；

确定时间轴上对应于时间节点的第一数据项，并作为第三数据项；

提取第三数据项中的第一访问项；

设置第一事件，第一事件包括：用户访问第一访问项时接收到活动内容打包项后在预设的时间内拒绝打开活动内容打包项；

确认第三数据项中是否发生第一事件，若是，确定时间轴上第三数据项后预设第二时间范围内的多个第一数据项，并作为第四数据项；

提取第四数据项中的第二访问项；

设置第二事件，第二事件包括：用户访问第二访问项时再次接收到相同活动内容打包项后同意打开活动内容打包项；

判断第四数据项中是否发生第二事件，若是，确认时间轴上发生第二事件的第四数据项前的第四数据项中是否发生第一事件；

若是，将时间轴上发生第二事件的第四数据项前的发生第一事件的第四数据项中的第二访问项和第三数据项中的第一访问项作为第二重要访问项；

否则，直接将第三数据项中的第一访问项作为第二重要访问项；

获取预设的空白数据库，将第二重要访问项与对应用户进行关联后存入空白数据库；

当需要存入空白数据库的第二重要访问项均与对应用户进行关联后存入空白数据库时，将空白数据库作为重要访问项库，完成建立。

上述技术方案的工作原理及有益效果为：

预设的时间具体为：例如，5秒；预设的第二时间范围：例如，1小时；预设的空白数据库具体为：无内容的数据库；

若用户正在访问某访问项时，收到活动内容打包项【例如：标题为“辩论赛活动”的小弹窗】，立刻点了拒绝【发生第一事件】，说明用户当前可能对活动内容打包项不感兴趣或正在访问重要访问项【例如：公司会议app】；因为不知道用户是不是不感兴趣，在这之后，再次给用户推送该活动内容打包项时，若用户仍拒绝【发生第一事件】，说明用户当前也可能对活动内容打包项不感兴趣或正在访问重要访问项；再次推送活动内容打包项时，若用户同意并打开活动内容打包项【发生第二事件】，说明用户不是不感兴趣，而是之前在访问重要访问项；

本发明实施例在不深度获取用户的访问项信息【例如：APP类型等】时，即保证不触碰用户隐私的情况下，设置重要访问项感知机制，设置合理，能够捕捉用户的重要访问项，十分智能化，且提升了系统的工作效率。

本发明实施例提供了一种基于大数据的活动推荐方法，还包括：

步骤S5：建立与用户之间的智能合约，基于智能合约确定是否再对用户进行活动推荐，若否，不再对用户进行活动推荐；

其中，建立与用户之间的智能合约，包括：

分发预设的第一合约给用户；

获取用户对第一合约进行调整后的第二合约；

对第一合约和第二合约进行差异分析，获得多个第一差异项以及差异项对应的第一差异度；

基于预设的接受度库，确定第一差异项和对应第一差异度共同对应的接受度；

确认接受度是否均大于等于预设的接受度阈值；

若是，将第二合约作为智能合约，完成建立；

若否，将第二合约作为智能合约，完成建立，同时，提取接受度小于接收度阈值的对应第一差异项和第一差异度对应接受度与接受度之间的差值；

汇总全部差值，获得差值和；

基于智能合约确定是否再对用户进行活动推荐，包括：

基于活动推送记录分析智能合约中推送方的第一执行情况，获得第一执行符合度；

基于用户的历史行为数据分析智能合约中对应用户的第二执行情况，获得第二执行符合度；

基于预设的续约判定值库，确定第一执行符合度、第二执行符合度和差值和共同对应的续约判定值；

若续约判定值大于等于预设的续约判定值阈值，继续对用户进行活动推荐，否则，不再对用户进行活动推荐。

上述技术方案的工作原理及有益效果为：

预设的第一合约具体为：一合约，上附属有不同条款；预设的接受度库具体为：一数据库，内存储有不同差异项和不同差异度共同对应的接受度，该接受度代表系统方【推荐方】对用户的更改的接受度；预设的接受度阈值具体为：例如，85；预设的续约判定值库具体为：一数据库，内存储有不同第一执行符合度、不同第二执行符合度和不同差值和共同对应的续约判定值，该续约判定值代表系统方的主观续约是否应该，数值越大，越应该续约；

为了使得系统方和用户方之间能够具有良好的推荐和被推荐的发展关系，系统分发第一合约【例如：规定每个月可以推送的次数等】给用户，用户可以进行调整，获得第二合约，若第二合约能够接受【可接受度大于可接受度阈值】，直接作为智能合约；若不能接受，先将第二合约作为智能合约【只要可以推送，均对系统方有利】，记录差值和，作为后期判断是否续约的条件；分析系统方的第一执行情况【可以基于预先训练的模型进行分析】，分析用户方的第二执行情况；在确定续约判定值，若用户没有差值和，则记0，若差值和越大，对续约判定值的影响越大【越小】；当续约判定值大于续约判定值阈值时，进行续约，继续推荐活动，否则不推荐。

本发明实施例提供了一种基于大数据的活动推荐系统，如图2所示，包括：

第一获取模块1，用于获取活动内容；

第二获取模块2，用于获取大数据，大数据包括：多个用户的历史行为数据；

第一确定模块3，用于基于大数据确定用户中活动内容适宜的目标用户；

推送模块4，用于将活动内容推送给目标用户。

上述技术方案的工作原理及有益效果为：

获取活动内容【例如：活动类型、活动举办时间、活动举办地点等】；获取大数据，大数据包括：多个用户的历史行为数据【例如：搜索过什么活动、浏览过什么活动页面等】；基于大数据确定获得内容适宜的目标用户【即可能感兴趣的用户】；将活动内容推送给目标用户，完成推荐；

本发明实施例基于大数据确定对活动内容可能感兴趣的目标用户，将活动内容推荐给目标用户，不局限于将活动推送给订阅用户，提升了活动的宣传效果，也使更多可能对活动感兴趣的用户能够了解到活动。

本发明实施例提供了一种基于大数据的活动推荐系统，第一确定模块3执行如下操作：

对用户的历史行为数据进行分类，获得多个类型的数据集；

建立时间轴，将数据集内的多个数据在时间轴上展开，获得多个第一数据项；

对活动内容进行特征提取，获得多个第一特征；

基于预设的关联行为特征库，确定第一特征关联的至少一个行为特征；

对第一数据项进行特征提取，获得多个第二特征；

将第二特征与第一特征或行为特征进行匹配，若匹配符合，确定匹配符合的第二特征对应第一数据项前和/或后预设第一时间范围内的多个第一数据项，并作为第二数据项；

对第二数据项进行特征提取，获得多个第三特征；

基于预设的特征关联度库，确定第三特征和第二特征之间的关联度；

基于预设的价值度库，确定时间轴上展开的数据集的类型的价值度；

基于预设的判定值库，确定关联度和价值度共同对应的判定值；

汇总判定值，获得判定值和；

确定数据集的总数目，基于预设的判定值和阈值库，确定总数目对应的判定值和阈值；

若判定值和大于判定值和阈值，将历史行为数据对应用户作为目标用户。

上述技术方案的工作原理及有益效果为：

预设的关联行为特征库具体为：一数据库，内存储有不同活动内容特征【第一特征】关联的至少一个行为特征，例如：内容特征为“线上辩论赛”，则行为特征为“浏览线上辩论赛页面”“报名辩论赛”等；预设第一时间范围具体为：例如，15分钟；预设的特征关联度库具体为：一数据库，内存储有不同特征之间的关联度，例如：特征“搜索辩论赛”、“查看辩论赛页面”和“报名辩论赛”之间关联性大，关联度就大；预设的价值度库具体为：一数据库，内存储有不同类型对应的价值度，例如：特征“搜索”为用户主动进行，该类型的参考价值就大，价值度就高；预设的判定值库具体为：一数据库，内存储有不同关联度和不同价值度共同对应的判定值；预设的判定值和阈值库具体为：一数据库，内存储有不同总数目对应的判定值和阈值；

在时间轴上展开用户的历史行为数据，获得多个第一数据项；若第二特征与第一特征或行为特征匹配，则说明，用户曾产生可能对活动内容感兴趣的行为或该用户与活动内容符合，有条件参加；但是，用户产生该记录有可能只是误操作【例如：不小心点击到等】，因验证其关联性，即前后操作与该操作是否有关联，获取关联度；再确定所属数据集的类型，类型的价值越高，关联度越大，则判定值越大，判定值和越高；因不同用户的数据集的总数目不同，基于判定值和阈值库，确定不同总数目对应的判定值和阈值【代表总体水平】；若判定值和大于判定值和阈值，说明该用户的总体感兴趣水平足够，则确定对应用户为目标用户；

本发明实施例基于用户的历史行为数据确定对应用户是否对活动内容感兴趣，设置合理；在确定可能代表用户感兴趣的第一数据项时，基于前和/或后第一数据项验证该第一数据项是否由用户合理产生，进一步提升了基于用户的历史行为数据确定对应用户对活动内容感兴趣的精准性。

本发明实施例提供了一种基于大数据的活动推荐系统，推送模块4执行如下操作：

基于预设的重要程度库，确定第一特征的重要程度；

将最大重要程度对应的第一特征作为第四特征，其余第一特征作为第五特征；

基于预设的主素材库，确定第四特征对应的主素材；

基于预设的关联素材库，确定主素材和第五特征共同对应的关联素材；

基于预设的组合方式库，确定主素材和各关联素材之间的组合方式；

基于组合方式将主素材和各关联素材进行组合，获得活动内容成品；

获取目标用户当前进行访问的当前访问项，建立重要访问项库，基于重要访问项库，确定当前访问项是否为目标用户的第一重要访问项；

若是，等待当前访问项不是第一重要访问项时，将活动内容成品打包推送给目标用户；

若否，直接将活动内容成品打包推送给目标用户。

上述技术方案的工作原理及有益效果为：

预设的重要程度库具体为：一数据库，内存储有不同活动内容特征【第一特征】的重要程度；预设的主素材库具体为：一数据库，内存储有不同特征的主素材【例如：PSD等，文字内容特征基于该PSD可以自动转换成图片】；预设的关联素材库具体为：一数据库，内存储有不同主素材和不同特征共同对应的关联素材【关联素材由后台人员事先收集，与主素材的风格最符合活动宣传要求】；预设的组合方式库具体为：一数据库，内存储有不同主素材和对应关联素材之间的组合方式【例如：位置组合方式等】；

举办方输入的活动内容只是简单文字，需要将其制作成适宜的成品【例如：宣传海报】；确定重要程度最大的第四特征【一般为活动内容内的活动类型特征，例如：辩论赛】；基于主素材库、关联素材库，确定各特征最适宜的素材，提升了系统的工作效率；接着，确定组合方式，将各素材进行组合；组合后，打包准备发给目标用户；获取目标用户的当前访问项【例如：APP、网页等】，确定当前访问项是否为目标用户的重要访问项，若是，等待推送，直至用户当前访问的不是重要访问项时，进行推送；虽然活动内容成品已经打包【例如：一个小弹窗，得用户点击“接收”才会显示更多内容】，但是，若用户在访问重要访问项，会影响其体验，考虑周到。

本发明实施例提供了一种基于大数据的活动推荐系统，推送模块4执行如下操作：

获取活动推送记录，活动推送记录包括：多个时间节点向用户推送活动内容打包项；

确定时间轴上对应于时间节点的第一数据项，并作为第三数据项；

提取第三数据项中的第一访问项；

设置第一事件，第一事件包括：用户访问第一访问项时接收到活动内容打包项后在预设的时间内拒绝打开活动内容打包项；

确认第三数据项中是否发生第一事件，若是，确定时间轴上第三数据项后预设第二时间范围内的多个第一数据项，并作为第四数据项；

提取第四数据项中的第二访问项；

设置第二事件，第二事件包括：用户访问第二访问项时再次接收到相同活动内容打包项后同意打开活动内容打包项；

判断第四数据项中是否发生第二事件，若是，确认时间轴上发生第二事件的第四数据项前的第四数据项中是否发生第一事件；

若是，将时间轴上发生第二事件的第四数据项前的发生第一事件的第四数据项中的第二访问项和第三数据项中的第一访问项作为第二重要访问项；

否则，直接将第三数据项中的第一访问项作为第二重要访问项；

获取预设的空白数据库，将第二重要访问项与对应用户进行关联后存入空白数据库；

当需要存入空白数据库的第二重要访问项均与对应用户进行关联后存入空白数据库时，将空白数据库作为重要访问项库，完成建立。

上述技术方案的工作原理及有益效果为：

预设的时间具体为：例如，5秒；预设的第二时间范围：例如，1小时；预设的空白数据库具体为：无内容的数据库；

若用户正在访问某访问项时，收到活动内容打包项【例如：标题为“辩论赛活动”的小弹窗】，立刻点了拒绝【发生第一事件】，说明用户当前可能对活动内容打包项不感兴趣或正在访问重要访问项【例如：公司会议app】；因为不知道用户是不是不感兴趣，在这之后，再次给用户推送该活动内容打包项时，若用户仍拒绝【发生第一事件】，说明用户当前也可能对活动内容打包项不感兴趣或正在访问重要访问项；再次推送活动内容打包项时，若用户同意并打开活动内容打包项【发生第二事件】，说明用户不是不感兴趣，而是之前在访问重要访问项；

本发明实施例在不深度获取用户的访问项信息【例如：APP类型等】时，即保证不触碰用户隐私的情况下，设置重要访问项感知机制，设置合理，能够捕捉用户的重要访问项，十分智能化，且提升了系统的工作效率。

本发明实施例提供了一种基于大数据的活动推荐系统，还包括：

第二确定模块，用于建立与用户之间的智能合约，基于智能合约确定是否再对用户进行活动推荐，若否，不再对用户进行活动推荐；

第二确定模块执行如下操作：

分发预设的第一合约给用户；

获取用户对第一合约进行调整后的第二合约；

对第一合约和第二合约进行差异分析，获得多个第一差异项以及差异项对应的第一差异度；

基于预设的接受度库，确定第一差异项和对应第一差异度共同对应的接受度；

确认接受度是否均大于等于预设的接受度阈值；

若是，将第二合约作为智能合约，完成建立；

若否，将第二合约作为智能合约，完成建立，同时，提取接受度小于接收度阈值的对应第一差异项和第一差异度对应接受度与接受度之间的差值；

汇总全部差值，获得差值和；

基于智能合约确定是否再对用户进行活动推荐，包括：

基于活动推送记录分析智能合约中推送方的第一执行情况，获得第一执行符合度；

基于用户的历史行为数据分析智能合约中对应用户的第二执行情况，获得第二执行符合度；

基于预设的续约判定值库，确定第一执行符合度、第二执行符合度和差值和共同对应的续约判定值；

若续约判定值大于等于预设的续约判定值阈值，继续对用户进行活动推荐，否则，不再对用户进行活动推荐。

上述技术方案的工作原理及有益效果为：

预设的第一合约具体为：一合约，上附属有不同条款；预设的接受度库具体为：一数据库，内存储有不同差异项和不同差异度共同对应的接受度，该接受度代表系统方【推荐方】对用户的更改的接受度；预设的接受度阈值具体为：例如，85；预设的续约判定值库具体为：一数据库，内存储有不同第一执行符合度、不同第二执行符合度和不同差值和共同对应的续约判定值，该续约判定值代表系统方的主观续约是否应该，数值越大，越应该续约；

为了使得系统方和用户方之间能够具有良好的推荐和被推荐的发展关系，系统分发第一合约【例如：规定每个月可以推送的次数等】给用户，用户可以进行调整，获得第二合约，若第二合约能够接受【可接受度大于可接受度阈值】，直接作为智能合约；若不能接受，先将第二合约作为智能合约【只要可以推送，均对系统方有利】，记录差值和，作为后期判断是否续约的条件；分析系统方的第一执行情况【可以基于预先训练的模型进行分析】，分析用户方的第二执行情况；在确定续约判定值，若用户没有差值和，则记0，若差值和越大，对续约判定值的影响越大【越小】；当续约判定值大于续约判定值阈值时，进行续约，继续推荐活动，否则不推荐。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (4)

1.一种基于大数据的活动推荐方法，其特征在于，包括：

步骤S1：获取活动内容；

步骤S2：获取大数据，所述大数据包括：多个用户的历史行为数据；

步骤S3：基于所述大数据确定所述用户中所述活动内容适宜的目标用户；

步骤S4：将所述活动内容推送给所述目标用户；

所述步骤S3：基于所述大数据确定所述用户中所述活动内容适宜的目标用户，包括：

对所述用户的历史行为数据进行分类，获得多个类型的数据集；

建立时间轴，将所述数据集内的多个数据在所述时间轴上展开，获得多个第一数据项；

对所述活动内容进行特征提取，获得多个第一特征；

基于预设的关联行为特征库，确定所述第一特征关联的至少一个行为特征；

对所述第一数据项进行特征提取，获得多个第二特征；

将所述第二特征与所述第一特征或所述行为特征进行匹配，若匹配符合，确定匹配符合的所述第二特征对应所述第一数据项前和/或后预设第一时间范围内的多个第一数据项，并作为第二数据项；

对所述第二数据项进行特征提取，获得多个第三特征；

基于预设的特征关联度库，确定所述第三特征和所述第二特征之间的关联度；

基于预设的价值度库，确定所述时间轴上展开的所述数据集的所述类型的价值度；

基于预设的判定值库，确定所述关联度和所述价值度共同对应的判定值；

汇总所述判定值，获得判定值和；

确定所述数据集的总数目，基于预设的判定值和阈值库，确定所述总数目对应的判定值和阈值；

若所述判定值和大于所述判定值和阈值，将所述历史行为数据对应所述用户作为目标用户；

步骤S4：将所述活动内容推送给所述目标用户，包括：

基于预设的重要程度库，确定所述第一特征的重要程度；

将最大所述重要程度对应的所述第一特征作为第四特征，其余所述第一特征作为第五特征；

基于预设的主素材库，确定所述第四特征对应的主素材；

基于预设的关联素材库，确定所述主素材和所述第五特征共同对应的关联素材；

基于预设的组合方式库，确定所述主素材和各所述关联素材之间的组合方式；

基于所述组合方式将所述主素材和各所述关联素材进行组合，获得活动内容成品；

获取所述目标用户当前进行访问的当前访问项，建立重要访问项库，基于所述重要访问项库，确定所述当前访问项是否为所述目标用户的第一重要访问项；

若是，等待所述当前访问项不是所述第一重要访问项时，将所述活动内容成品打包推送给所述目标用户；

若否，直接将所述活动内容成品打包推送给所述目标用户；

建立重要访问项库，包括：

获取活动推送记录，所述活动推送记录包括：多个时间节点向所述用户推送活动内容打包项；

确定所述时间轴上对应于所述时间节点的所述第一数据项，并作为第三数据项；

提取所述第三数据项中的第一访问项；

设置第一事件，所述第一事件包括：所述用户访问所述第一访问项时接收到所述活动内容打包项后在预设的时间内拒绝打开所述活动内容打包项；

确认所述第三数据项中是否发生所述第一事件，若是，确定所述时间轴上所述第三数据项后预设第二时间范围内的多个所述第一数据项，并作为第四数据项；

提取所述第四数据项中的第二访问项；

设置第二事件，所述第二事件包括：所述用户访问所述第二访问项时再次接收到相同所述活动内容打包项后同意打开所述活动内容打包项；

判断所述第四数据项中是否发生所述第二事件，若是，确认所述时间轴上发生所述第二事件的所述第四数据项前的所述第四数据项中是否发生所述第一事件；

若是，将所述时间轴上发生所述第二事件的所述第四数据项前的发生所述第一事件的所述第四数据项中的所述第二访问项和所述第三数据项中的所述第一访问项作为第二重要访问项；

否则，直接将所述第三数据项中的所述第一访问项作为第二重要访问项；

获取预设的空白数据库，将所述第二重要访问项与对应所述用户进行关联后存入所述空白数据库；

当需要存入所述空白数据库的所述第二重要访问项均与对应所述用户进行关联后存入所述空白数据库时，将所述空白数据库作为重要访问项库，完成建立。

2.如权利要求1所述的一种基于大数据的活动推荐方法，其特征在于，还包括：

步骤S5：建立与所述用户之间的智能合约，基于所述智能合约确定是否再对所述用户进行活动推荐，若否，不再对所述用户进行活动推荐；

其中，建立与所述用户之间的智能合约，包括：

分发预设的第一合约给所述用户；

获取所述用户对所述第一合约进行调整后的第二合约；

对所述第一合约和所述第二合约进行差异分析，获得多个第一差异项以及所述差异项对应的第一差异度；

基于预设的接受度库，确定所述第一差异项和对应所述第一差异度共同对应的接受度；

确认所述接受度是否均大于等于预设的接受度阈值；

若是，将所述第二合约作为所述智能合约，完成建立；

若否，将所述第二合约作为所述智能合约，完成建立，同时，提取所述接受度小于所述预设的接收度阈值的对应所述第一差异项和第一所述差异度对应所述接受度与所述接受度之间的差值；

汇总全部所述差值，获得差值和；

基于所述智能合约确定是否再对所述用户进行活动推荐，包括：

基于所述活动推送记录分析所述智能合约中推送方的第一执行情况，获得第一执行符合度；

基于所述用户的历史行为数据分析所述智能合约中对应所述用户的第二执行情况，获得第二执行符合度；

基于预设的续约判定值库，确定所述第一执行符合度、所述第二执行符合度和所述差值和共同对应的续约判定值；

若所述续约判定值大于等于预设的续约判定值阈值，继续对所述用户进行活动推荐，否则，不再对所述用户进行活动推荐。

3.一种基于大数据的活动推荐系统，其特征在于，包括：

第一获取模块，用于获取活动内容；

第二获取模块，用于获取大数据，所述大数据包括：多个用户的历史行为数据；

第一确定模块，用于基于所述大数据确定所述用户中所述活动内容适宜的目标用户；

推送模块，用于将所述活动内容推送给所述目标用户；

所述第一确定模块执行如下操作：

对所述用户的历史行为数据进行分类，获得多个类型的数据集；

建立时间轴，将所述数据集内的多个数据在所述时间轴上展开，获得多个第一数据项；

对所述活动内容进行特征提取，获得多个第一特征；

基于预设的关联行为特征库，确定所述第一特征关联的至少一个行为特征；

对所述第一数据项进行特征提取，获得多个第二特征；

将所述第二特征与所述第一特征或所述行为特征进行匹配，若匹配符合，确定匹配符合的所述第二特征对应所述第一数据项前和/或后预设第一时间范围内的多个第一数据项，并作为第二数据项；

对所述第二数据项进行特征提取，获得多个第三特征；

基于预设的特征关联度库，确定所述第三特征和所述第二特征之间的关联度；

基于预设的价值度库，确定所述时间轴上展开的所述数据集的所述类型的价值度；

基于预设的判定值库，确定所述关联度和所述价值度共同对应的判定值；

汇总所述判定值，获得判定值和；

确定所述数据集的总数目，基于预设的判定值和阈值库，确定所述总数目对应的判定值和阈值；

若所述判定值和大于所述判定值和阈值，将所述历史行为数据对应所述用户作为目标用户；

所述推送模块执行如下操作：

基于预设的重要程度库，确定所述第一特征的重要程度；

将最大所述重要程度对应的所述第一特征作为第四特征，其余所述第一特征作为第五特征；

基于预设的主素材库，确定所述第四特征对应的主素材；

基于预设的关联素材库，确定所述主素材和所述第五特征共同对应的关联素材；

基于预设的组合方式库，确定所述主素材和各所述关联素材之间的组合方式；

基于所述组合方式将所述主素材和各所述关联素材进行组合，获得活动内容成品；

获取所述目标用户当前进行访问的当前访问项，建立重要访问项库，基于所述重要访问项库，确定所述当前访问项是否为所述目标用户的第一重要访问项；

若是，等待所述当前访问项不是所述第一重要访问项时，将所述活动内容成品打包推送给所述目标用户；

若否，直接将所述活动内容成品打包推送给所述目标用户；

所述推送模块执行如下操作：

获取活动推送记录，所述活动推送记录包括：多个时间节点向所述用户推送活动内容打包项；

确定所述时间轴上对应于所述时间节点的所述第一数据项，并作为第三数据项；

提取所述第三数据项中的第一访问项；

设置第一事件，所述第一事件包括：所述用户访问所述第一访问项时接收到所述活动内容打包项后在预设的时间内拒绝打开所述活动内容打包项；

确认所述第三数据项中是否发生所述第一事件，若是，确定所述时间轴上所述第三数据项后预设第二时间范围内的多个所述第一数据项，并作为第四数据项；

提取所述第四数据项中的第二访问项；

设置第二事件，所述第二事件包括：所述用户访问所述第二访问项时再次接收到相同所述活动内容打包项后同意打开所述活动内容打包项；

判断所述第四数据项中是否发生所述第二事件，若是，确认所述时间轴上发生所述第二事件的所述第四数据项前的所述第四数据项中是否发生所述第一事件；

若是，将所述时间轴上发生所述第二事件的所述第四数据项前的发生所述第一事件的所述第四数据项中的所述第二访问项和所述第三数据项中的所述第一访问项作为第二重要访问项；

否则，直接将所述第三数据项中的所述第一访问项作为第二重要访问项；

获取预设的空白数据库，将所述第二重要访问项与对应所述用户进行关联后存入所述空白数据库；

当需要存入所述空白数据库的所述第二重要访问项均与对应所述用户进行关联后存入所述空白数据库时，将所述空白数据库作为重要访问项库，完成建。

4.如权利要求3所述的一种基于大数据的活动推荐系统，其特征在于，还包括：

第二确定模块，用于建立与所述用户之间的智能合约，基于所述智能合约确定是否再对所述用户进行活动推荐，若否，不再对所述用户进行活动推荐；

所述第二确定模块执行如下操作：

分发预设的第一合约给所述用户；

获取所述用户对所述第一合约进行调整后的第二合约；

对所述第一合约和所述第二合约进行差异分析，获得多个第一差异项以及所述差异项对应的第一差异度；

基于预设的接受度库，确定所述第一差异项和对应所述第一差异度共同对应的接受度；

确认所述接受度是否均大于等于预设的接受度阈值；

若是，将所述第二合约作为所述智能合约，完成建立；

若否，将所述第二合约作为所述智能合约，完成建立，同时，提取所述接受度小于所述预设的接收度阈值的对应所述第一差异项和第一所述差异度对应所述接受度与所述接受度之间的差值；

汇总全部所述差值，获得差值和；

基于所述智能合约确定是否再对所述用户进行活动推荐，包括：

基于所述活动推送记录分析所述智能合约中推送方的第一执行情况，获得第一执行符合度；

基于所述用户的历史行为数据分析所述智能合约中对应所述用户的第二执行情况，获得第二执行符合度；

基于预设的续约判定值库，确定所述第一执行符合度、所述第二执行符合度和所述差值和共同对应的续约判定值；

若所述续约判定值大于等于预设的续约判定值阈值，继续对所述用户进行活动推荐，否则，不再对所述用户进行活动推荐。

Images