CN116418777B - 基于数据分析的在线聊天房间智能推送系统 - Google Patents

Abstract

本发明涉及在线聊天房间推送领域，具体公开基于数据分析的在线聊天房间智能推送系统，该系统所涵盖的模块包括聊天数据云端、推送授权认证模块、在线聊天房间运行参数监测模块、适配在线聊天房间预筛分模块、行为特征采集分析模块和智能推送模块，本发明实现将分析筛选的各指定在线聊天房间向目标用户依次进行推送，进而节约了用户的时间并提高了平台资源的有效利用率，同时通过对推送的聊天房间进行人员活跃状况的针对性分析，能够提升在线聊天房间的实际推送效果，进而大大减少了后续聊天过程中出现用户发送的聊天信息无法得到及时回应现象的发生，有利于提升用户对聊天房间所属平台的使用体验感。

Description

基于数据分析的在线聊天房间智能推送系统

技术领域

本发明涉及在线聊天房间智能推送技术领域，具体而言，涉及基于数据分析的在线聊天房间智能推送系统。

背景技术

当前科技的发展，使互联网逐渐成为人们之间沟通交流的主流媒介之一，与此同时，在线聊天房间作为一种新型的网络交流形式，也在不断的发展崛起，各个在线聊天房间通常聚集着相似兴趣和话题的人群，而随着聊天用户数量的增涨，如何有效提高聊天用户的平台满意度和参与度成为一项关注热点，当前人工智能技术的应用，给在线聊天房间所属平台赋予了更多的可能性，个性化的智能推送技术逐步成为各个在线聊天房间所属平台的主要应用技术之一。

目前的在线聊天房间推送在满足用户基本需求的同时，还存在一些不足，具体可以体现为：1、当前在线聊天房间的推送往往只是根据用户的检索内容进行关联的聊天房间推送，而没有对推送的聊天房间进行人员活跃状况的针对性分析，导致实际推送的效果不佳，在后续的聊天过程中出现用户发送的聊天信息无法得到及时回应的现象，不利于提升用户对聊天房间所属平台的使用体验感，进而严重降低了平台的用户留存率。

2、当前的在线聊天房间推送没有针对用户在具体的聊天房间中的行为特征进行针对性分析，导致聊天房间推送的针对性和精准性不高，平台用户无法择取与自身聊天话题关联度相协调匹配的聊天房间，出现用户耗费较多时间来检索感兴趣的在线聊天房间的现象，进而浪费了用户的时间以及平台的资源，进而给用户的个性化平台使用体验带来负面影响，一定程度上折损了平台的用户留存率和忠诚度。

发明内容

为了克服背景技术中的缺点，本发明实施例提供了基于数据分析的在线聊天房间智能推送系统，能够有效解决上述背景技术中涉及的问题。

本发明的目的可以通过以下技术方案来实现：基于数据分析的在线聊天房间智能推送系统，包括：聊天数据云端，用于存储各关联内容标签对应的关键词库，存储各在线聊天房间对应的各关联内容标签，并存储各聊天主题所属关键词库。

推送授权认证模块，用于由目标用户对在线聊天房间的推送进行授权认证。

在线聊天房间运行参数监测模块，用于对各在线聊天房间的运行参数进行监测。

适配在线聊天房间预筛分模块，用于抓取目标用户对应在线聊天房间所属平台的基本信息，并根据各在线聊天房间的运行参数，进而通过预筛分得到目标用户的各适配在线聊天房间。

行为特征采集分析模块，用于对目标用户的行为特征进行采集，据此分析目标用户的行为特征与各适配在线聊天房间的契合度，其中行为特征采集分析模块包括基础行为特征采集分析单元和特性行为信息采集分析单元。

智能推送模块，用于综合评定目标用户与各适配在线聊天房间的契合度，并对目标用户进行对应的在线聊天房间推送。

作为一种优选技术方案，所述预筛分得到目标用户的各适配在线聊天房间，具体过程为：依据目标用户对应在线聊天房间所属平台的基本信息，其中基本信息包括年龄OLD、性别和区域归属地。

采集各在线聊天房间所属各人员的基本信息，据此归整得到各在线聊天房间中人员平均年龄OLD_p、人员总数M_p、各性别人员数量以及各区域归属地人员数量，进而提取各在线聊天房间中与目标用户相同性别的人员数量A_p以及相同区域归属地的人员数量D_p，p为各在线聊天房间的编号，p＝1,2,...,r。

计算目标用户与各在线聊天房间的基本信息适配度，记为β_p。

获取当前时间点，进而匹配得到当前所属时间段，并以设定数量分割得到当前所属时间段的各预估关联时间段，共同标记为各指定时间段，依据各在线聊天房间的运行参数，其中运行参数为各设定历史运行日所属各时间段的在线人员数量最大值和最小值、聊天消息发送量和聊天消息累计字节总数，进而提取各在线聊天房间在各设定历史运行日所属各指定时间段的在线人员数量最大值max(R_pj ⁱ)和最小值min(R_pj ⁱ)、聊天消息发送量E_pj ⁱ和聊天消息累计字节总数F_pj ⁱ，j为各设定历史运行日的编号，j＝1,2,...,n，i为各指定时间段的编号，i＝1,2,...,k。

计算各在线聊天房间的人员活跃度，记为ε_p。

综合计算目标用户与各在线聊天房间的适配度α_p，γ₁和γ₂分别为预设的基本信息适配度和人员活跃度对应的适配权重因子。

将目标用户与各在线聊天房间的适配度与设定的适配度区间进行比对，从中筛选适配度处于适配度区间的各在线聊天房间，记为目标用户的各适配在线聊天房间。

作为一种优选技术方案，所述目标用户与各在线聊天房间的基本信息适配度β_p，具体的表达式为：其中δ₁、δ₂和δ₃分别为设定的年龄、相同性别人员数量以及相同区域归属地人员数量对应的适配修正因子。

作为一种优选技术方案，所述在线聊天房间的人员活跃度ε_p的计算公式为：

其中R₀为预设的人员活跃所属在线人员数量对应的适配流失偏差值，R_补为预设的在线人员数量对应的流失补偿值，E₀和F₀分别为设定的人员活跃所属参照聊天消息发送量和参照聊天消息累计字节总数，υ₁、υ₂和υ₃分别为设定的在线人员数量、聊天消息发送量和聊天消息累计字节总数对应的人员活跃评估影响权重值，n为设定历史运行日的数目。

作为一种优选技术方案，所述基础行为特征采集分析单元用于对目标用户的基础行为特征进行采集分析，具体过程包括：对目标用户的基础行为特征进行采集，其中基础行为特征包括各次历史搜索词条以及各次历史点击的在线聊天房间对应的各关联内容标签。

将目标用户的各次历史搜索词条进行关键词抓取，得到目标用户所属各历史搜索关键词，进而与聊天数据云端存储的各关联内容标签对应的关键词库进行匹配，整合得到目标用户历史搜索对应的各关联内容标签，进而连同目标用户各次历史点击的在线聊天房间对应的各关联内容标签，共同记为目标用户的各兴趣关联内容标签，并统计目标用户的兴趣关联内容标签总数目G₀。

从聊天数据云端提取目标用户的各适配在线聊天房间对应的各关联内容标签，并与目标用户的各兴趣关联内容标签进行重合比对，归整筛分目标用户的兴趣关联内容标签与各适配在线聊天房间所重合的关联内容标签数量G_m，m为各适配在线聊天房间的编号，m＝1,2,...,u。

计算目标用户与各适配在线聊天房间对应的兴趣关联度其中u为适配在线聊天房间的数量，/>为预设的关联内容标签对应的兴趣关联修正值。

作为一种优选技术方案，所述特性行为信息采集分析单元用于对目标用户的特性行为信息进行采集分析，具体过程包括：获取目标用户进入当前所在聊天房间的时间点，并依据当前时间点，分割得到信息采集时间段，进而对目标用户在信息采集时间段的特性行为信息进行采集，其中特性行为信息包括各条聊天发送消息以及各条浏览消息。

将目标用户在信息采集时间段的各条聊天发送消息进行内容提取，得到目标用户在信息采集时间段的各聊天关键词，同理提取目标用户在信息采集时间段的各条浏览消息对应的各关键词，记为目标用户的各浏览关键词。

将目标用户的各浏览关键词与聊天数据云端存储的各聊天主题所属关键词库进行匹配，进而筛分目标用户的各浏览聊天主题，并提取各浏览聊天主题所属关键词库，将目标用户在信息采集时间段的各聊天关键词与各浏览聊天主题所属关键词库进行匹配，得到目标用户在信息采集时间段的聊天关键词与各浏览聊天主题所属关键词重合的数量P_g，g为各浏览聊天主题的编号，g＝1,2,...,t。

计算目标用户在信息采集时间段与各浏览聊天主题的贴合度具体的表达式为：/>其中τ₁为预设的关键词重合的数量对应的聊天主题贴合影响因子，t为浏览聊天主题的数量，e为自然常数。

依据信息采集时间段，进而提取目标用户的各适配在线聊天房间对应聊天人员发送的各条消息所属各关键词，并整合得到目标用户的各适配在线聊天房间的各聊天主题，并依据目标用户在信息采集时间段与各浏览聊天主题的贴合度所属分析计算方式，计算得到目标用户在信息采集时间段与各适配在线聊天房间的各聊天主题对应的贴合度，记为ζ_m ^w，w为聊天主题对应的编号，w＝1,2,...,z。

作为一种优选技术方案，所述目标用户的行为特征与各适配在线聊天房间的契合度，具体的计算过程为：将目标用户与各适配在线聊天房间对应的兴趣关联度η_m、目标用户在信息采集时间段与各浏览聊天主题的贴合度以及目标用户在信息采集时间段与各适配在线聊天房间的各聊天主题对应的贴合度ζ_m ^w，带入公式综合计算目标用户的行为特征与各适配在线聊天房间的契合度ψ_m，其中Φ₁、Φ₂和Φ₃分别为设定的兴趣关联度、浏览聊天主题贴合度和适配在线聊天房间的聊天主题对应的贴合度所属契合权重占比值。

作为一种优选技术方案，所述对目标用户进行对应的在线聊天房间推送，具体过程为：将目标用户的行为特征与各适配在线聊天房间的契合度按照从大到小的顺序依次进行排列，得到适配在线聊天房间的排列次序，并以设定数量进行分割，得到目标用户所属各指定在线聊天房间，进而按照对应的排列次序依次将各指定在线聊天房间向目标用户进行推送。

相对于现有技术，本发明的实施例至少具有如下有益效果：1、本发明通过计算各在线聊天房间的人员活跃度，为后续适配在线聊天房间的筛分提供了有力的数据支撑依据，有力弥补了当前在线聊天房间的推送往往只是根据用户的检索内容进行关联聊天房间推送而存在的不足，通过对推送的聊天房间进行人员活跃状况的针对性分析，能够提升在线聊天房间的实际推送效果，进而大大减少了后续聊天过程中出现用户发送的聊天信息无法得到及时回应现象的发生，有利于提升用户对聊天房间所属平台的使用体验感，进而有效提高了平台的用户留存率。

2、本发明通过设置特性行为信息采集分析单元，有效实现了针对用户在具体的聊天房间中的行为特征进行针对性分析，进而提升了聊天房间推送的针对性和精准性，平台用户能够择取与自身聊天话题关联度相协调匹配的聊天房间，避免出现用户耗费较多的时间来检索感兴趣的在线聊天房间的现象，进而节约了用户的时间并提高了平台资源的有效利用率，不仅保障了用户的个性化平台使用体验，且在较大程度上提高了平台的用户留存率和忠诚度。

3、本发明通过设置推送授权认证模块，有力保障了用户的信息安全性，通过由目标用户对在线聊天房间的推送进行授权认证，能够让目标用户知晓自身的信息是被保护的并且只被使用于平台聊天房间的个性化推送这一特定目的，进而有助于提升目标用户对平台的使用信任度，为后续进行个性化的平台使用体验增加了可靠的支撑保障。

附图说明

利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。

图1为本发明的系统结构连接示意图。

图2为本发明的行为特征采集分析模块结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。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。

参照图1所示，本发明提供基于数据分析的在线聊天房间智能推送系统，包括：聊天数据云端、推送授权认证模块、在线聊天房间运行参数监测模块、适配在线聊天房间预筛分模块、行为特征采集分析模块和智能推送模块。

所述推送授权认证模块和在线聊天房间运行参数监测模块相连接，在线聊天房间运行参数监测模块和适配在线聊天房间预筛分模块相连接，适配在线聊天房间预筛分模块和行为特征采集分析模块相连接，行为特征采集分析模块和智能推送模块相连接，聊天数据云端与行为特征采集分析模块相连接。

所述聊天数据云端用于存储各关联内容标签对应的关键词库，存储各在线聊天房间对应的各关联内容标签，并存储各聊天主题所属关键词库。

所述推送授权认证模块用于由目标用户对在线聊天房间的推送进行授权认证。

在一个具体的实施例中，上述由目标用户对在线聊天房间的推送进行授权认证，具体推送授权认证文本示例有：“尊敬的用户，为了便于我们向您提供更好的服务和支持，我们需要您进行信息采集使用授权认证，我们将会遵守相关隐私规定，来保护您的个人信息和隐私安全，同时，我们仅将采集的信息用于为您提供个性化聊天房间推送这一特定目的，请点击下面的“同意”选项以授权我们采集和使用您的个人信息”。

本发明具体实施例中，通过设置推送授权认证模块，有力保障了用户的信息安全性，通过由目标用户对在线聊天房间的推送进行授权认证，能够让目标用户知晓自身的信息是被保护的并且只被使用于平台聊天房间的个性化推送这一特定目的，进而有助于提升目标用户对平台的使用信任度，为后续进行个性化的平台使用体验增加了可靠的支撑保障。

所述在线聊天房间运行参数监测模块用于对各在线聊天房间的运行参数进行监测。

所述适配在线聊天房间预筛分模块用于抓取目标用户对应在线聊天房间所属平台的基本信息，并根据各在线聊天房间的运行参数，进而通过预筛分得到目标用户的各适配在线聊天房间。

具体地，所述预筛分得到目标用户的各适配在线聊天房间，具体过程为：依据目标用户对应在线聊天房间所属平台的基本信息，其中基本信息包括年龄OLD、性别和区域归属地。

采集各在线聊天房间所属各人员的基本信息，据此归整得到各在线聊天房间中人员平均年龄OLD_p、人员总数M_p、各性别人员数量以及各区域归属地人员数量，进而提取各在线聊天房间中与目标用户相同性别的人员数量A_p以及相同区域归属地的人员数量D_p，p为各在线聊天房间的编号，p＝1,2,...,r。

计算目标用户与各在线聊天房间的基本信息适配度，记为β_p。

获取当前时间点，进而匹配得到当前所属时间段，并以设定数量分割得到当前所属时间段的各预估关联时间段，共同标记为各指定时间段，依据各在线聊天房间的运行参数，其中运行参数为各设定历史运行日所属各时间段的在线人员数量最大值和最小值、聊天消息发送量和聊天消息累计字节总数，进而提取各在线聊天房间在各设定历史运行日所属各指定时间段的在线人员数量最大值max(R_pj ⁱ)和最小值min(R_pj ⁱ)、聊天消息发送量E_pj ⁱ和聊天消息累计字节总数F_pj ⁱ，j为各设定历史运行日的编号，j＝1,2,...,n，i为各指定时间段的编号，i＝1,2,...,k。

需要解释的是，上述以设定数量分割得到当前所属时间段的各预估关联时间段，其目的在于，考虑到目标用户从当前所在聊天房间的退出时间点与当前时间点之间的偏差性，以及对用户实际切入其他在线聊天房间的时间点的考虑，进而分割得到当前所属时间段的各预估关联时间段，能够充分反映出其他在线聊天房间的人员活跃情况，为后续目标用户与各在线聊天房间的适配度的评定提供了有力的数据基础。

计算各在线聊天房间的人员活跃度，记为ε_p。

综合计算目标用户与各在线聊天房间的适配度α_p，γ₁和γ₂分别为预设的基本信息适配度和人员活跃度对应的适配权重因子。

将目标用户与各在线聊天房间的适配度与设定的适配度区间进行比对，从中筛选适配度处于适配度区间的各在线聊天房间，记为目标用户的各适配在线聊天房间。

进一步地，所述目标用户与各在线聊天房间的基本信息适配度β_p，具体的表达式为：其中δ₁、δ₂和δ₃分别为设定的年龄、相同性别人员数量以及相同区域归属地人员数量对应的适配修正因子。

进一步地，所述在线聊天房间的人员活跃度ε_p的计算公式为：

其中R₀为预设的人员活跃所属在线人员数量对应的适配流失偏差值，R_补为预设的在线人员数量对应的流失补偿值，E₀和F₀分别为设定的人员活跃所属参照聊天消息发送量和参照聊天消息累计字节总数，υ₁、υ₂和υ₃分别为设定的在线人员数量、聊天消息发送量和聊天消息累计字节总数对应的人员活跃评估影响权重值，n为设定历史运行日的数目。

本发明具体实施例中，通过计算各在线聊天房间的人员活跃度，为后续适配在线聊天房间的筛分提供了有力的数据支撑依据，有力弥补了当前在线聊天房间的推送往往只是根据用户的检索内容进行关联聊天房间推送而存在的不足，通过对推送的聊天房间进行人员活跃状况的针对性分析，能够提升在线聊天房间的实际推送效果，进而大大减少了后续聊天过程中出现用户发送的聊天信息无法得到及时回应现象的发生，有利于提升用户对聊天房间所属平台的使用体验感，进而有效提高了平台的用户留存率。

所述行为特征采集分析模块用于对目标用户的行为特征进行采集，据此分析目标用户的行为特征与各适配在线聊天房间的契合度。

参照图2所示，行为特征采集分析模块包括基础行为特征采集分析单元和特性行为信息采集分析单元。

具体地，所述基础行为特征采集分析单元用于对目标用户的基础行为特征进行采集分析，具体过程包括：对目标用户的基础行为特征进行采集，其中基础行为特征包括各次历史搜索词条以及各次历史点击的在线聊天房间对应的各关联内容标签。

需要解释的是，上述各关联内容标签包括但不限于社交、游戏、学习、娱乐、技术、艺术、美食和旅游等。

将目标用户的各次历史搜索词条进行关键词抓取，得到目标用户所属各历史搜索关键词，进而与聊天数据云端存储的各关联内容标签对应的关键词库进行匹配，整合得到目标用户历史搜索对应的各关联内容标签，进而连同目标用户各次历史点击的在线聊天房间对应的各关联内容标签，共同记为目标用户的各兴趣关联内容标签，并统计目标用户的兴趣关联内容标签总数目G₀。

从聊天数据云端提取目标用户的各适配在线聊天房间对应的各关联内容标签，并与目标用户的各兴趣关联内容标签进行重合比对，归整筛分目标用户的兴趣关联内容标签与各适配在线聊天房间所重合的关联内容标签数量G_m，m为各适配在线聊天房间的编号，m＝1,2,...,u。

计算目标用户与各适配在线聊天房间对应的兴趣关联度其中u为适配在线聊天房间的数量，/>为预设的关联内容标签对应的兴趣关联修正值。

具体地，所述特性行为信息采集分析单元用于对目标用户的特性行为信息进行采集分析，具体过程包括：获取目标用户进入当前所在聊天房间的时间点，并依据当前时间点，分割得到信息采集时间段，进而对目标用户在信息采集时间段的特性行为信息进行采集，其中特性行为信息包括各条聊天发送消息以及各条浏览消息。

本发明具体实施例中，通过设置特性行为信息采集分析单元，有效实现了针对用户在具体的聊天房间中的行为特征进行针对性分析，进而提升了聊天房间推送的针对性和精准性，平台用户能够择取与自身聊天话题关联度相协调匹配的聊天房间，避免出现用户耗费较多的时间来检索感兴趣的在线聊天房间的现象，进而节约了用户的时间并提高了平台资源的有效利用率，不仅保障了用户的个性化平台使用体验，且在较大程度上提高了平台的用户留存率和忠诚度。

将目标用户在信息采集时间段的各条聊天发送消息进行内容提取，得到目标用户在信息采集时间段的各聊天关键词，同理提取目标用户在信息采集时间段的各条浏览消息对应的各关键词，记为目标用户的各浏览关键词。

将目标用户的各浏览关键词与聊天数据云端存储的各聊天主题所属关键词库进行匹配，进而筛分目标用户的各浏览聊天主题，并提取各浏览聊天主题所属关键词库，将目标用户在信息采集时间段的各聊天关键词与各浏览聊天主题所属关键词库进行匹配，得到目标用户在信息采集时间段的聊天关键词与各浏览聊天主题所属关键词重合的数量P_g，g为各浏览聊天主题的编号，g＝1,2,...,t。

作为一种示例，上述各聊天主题包括但不限于游戏攻略、游戏设备、游戏赛事和游戏推荐等，其中游戏攻略的关键词有英雄攻略、地图攻略、打法策略、符文搭配、装备选择、野怪刷法、分路分工和团队配合等。

作为进一步的解释，本发明的关联内容标签和聊天主题的区分在于，关联内容标签为某一个领域的大类标定，而聊天主题则是作为更加详细的分支标定，关联内容标签所涵盖的范围大于聊天主题，例如关联内容标签为旅行，那么对应的聊天主题则包括旅行策略、旅游景点、旅行安全和旅行摄影等。

计算目标用户在信息采集时间段与各浏览聊天主题的贴合度具体的表达式为：/>其中τ₁为预设的关键词重合的数量对应的聊天主题贴合影响因子，t为浏览聊天主题的数量，e为自然常数。

依据信息采集时间段，进而提取目标用户的各适配在线聊天房间对应聊天人员发送的各条消息所属各关键词，并整合得到目标用户的各适配在线聊天房间的各聊天主题，并依据目标用户在信息采集时间段与各浏览聊天主题的贴合度所属分析计算方式，计算得到目标用户在信息采集时间段与各适配在线聊天房间的各聊天主题对应的贴合度，记为ζ_m ^w，w为聊天主题对应的编号，w＝1,2,...,z。

进一步地，所述目标用户的行为特征与各适配在线聊天房间的契合度，具体的计算过程为：将目标用户与各适配在线聊天房间对应的兴趣关联度η_m、目标用户在信息采集时间段与各浏览聊天主题的贴合度以及目标用户在信息采集时间段与各适配在线聊天房间的各聊天主题对应的贴合度ζ_m ^w，带入公式综合计算目标用户的行为特征与各适配在线聊天房间的契合度ψ_m，其中Φ₁、Φ₂和Φ₃分别为设定的兴趣关联度、浏览聊天主题贴合度和适配在线聊天房间的聊天主题对应的贴合度所属契合权重占比值。

所述智能推送模块用于综合评定目标用户与各适配在线聊天房间的契合度，并对目标用户进行对应的在线聊天房间推送。

具体地，所述对目标用户进行对应的在线聊天房间推送，具体过程为：将目标用户的行为特征与各适配在线聊天房间的契合度按照从大到小的顺序依次进行排列，得到适配在线聊天房间的排列次序，并以设定数量进行分割，得到目标用户所属各指定在线聊天房间，进而按照对应的排列次序依次将各指定在线聊天房间向目标用户进行推送。

以上内容仅仅是对本发明结构所作的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明的结构或者超越本发明所定义的范围，均应属于本发明的保护范围。

Claims (2)

1.基于数据分析的在线聊天房间智能推送系统，其特征在于，包括：

聊天数据云端，用于存储各关联内容标签对应的关键词库，存储各在线聊天房间对应的各关联内容标签，并存储各聊天主题所属关键词库；

推送授权认证模块，用于由目标用户对在线聊天房间的推送进行授权认证；

在线聊天房间运行参数监测模块，用于对各在线聊天房间的运行参数进行监测；

适配在线聊天房间预筛分模块，用于抓取目标用户对应在线聊天房间所属平台的基本信息，并根据各在线聊天房间的运行参数，进而通过预筛分得到目标用户的各适配在线聊天房间；

行为特征采集分析模块，用于对目标用户的行为特征进行采集，据此分析目标用户的行为特征与各适配在线聊天房间的契合度，其中行为特征采集分析模块包括基础行为特征采集分析单元和特性行为信息采集分析单元；

智能推送模块，用于综合评定目标用户与各适配在线聊天房间的契合度，并对目标用户进行对应的在线聊天房间推送；

所述预筛分得到目标用户的各适配在线聊天房间，具体过程为：

依据目标用户对应在线聊天房间所属平台的基本信息，其中基本信息包括年龄OLD、性别和区域归属地；

采集各在线聊天房间所属各人员的基本信息，据此归整得到各在线聊天房间中人员平均年龄OLD_p、人员总数M_p、各性别人员数量以及各区域归属地人员数量，进而提取各在线聊天房间中与目标用户相同性别的人员数量A_p以及相同区域归属地的人员数量D_p，p为各在线聊天房间的编号，p＝1,2,...,r；

计算目标用户与各在线聊天房间的基本信息适配度，记为β_p；

获取当前时间点，进而匹配得到当前所属时间段，并以设定数量分割得到当前所属时间段的各预估关联时间段，共同标记为各指定时间段，依据各在线聊天房间的运行参数，其中运行参数为各设定历史运行日所属各时间段的在线人员数量最大值和最小值、聊天消息发送量和聊天消息累计字节总数，进而提取各在线聊天房间在各设定历史运行日所属各指定时间段的在线人员数量最大值max(R_pji)和最小值min(R_pj ⁱ)、聊天消息发送量E_pj ⁱ和聊天消息累计字节总数F_pj ⁱ，j为各设定历史运行日的编号，j＝1,2,...,n，i为各指定时间段的编号，i＝1,2,...,k；

计算各在线聊天房间的人员活跃度，记为ε_p；

综合计算目标用户与各在线聊天房间的适配度α_p，γ₁和γ₂分别为预设的基本信息适配度和人员活跃度对应的适配权重因子；

将目标用户与各在线聊天房间的适配度与设定的适配度区间进行比对，从中筛选适配度处于适配度区间的各在线聊天房间，记为目标用户的各适配在线聊天房间；

所述目标用户与各在线聊天房间的基本信息适配度β_p，具体的表达式为：其中δ₁、δ₂和δ₃分别为设定的年龄、相同性别人员数量以及相同区域归属地人员数量对应的适配修正因子；

所述在线聊天房间的人员活跃度ε_p的计算公式为：其中R₀为预设的人员活跃所属在线人员数量对应的适配流失偏差值，R_补为预设的在线人员数量对应的流失补偿值，E₀和F₀分别为设定的人员活跃所属参照聊天消息发送量和参照聊天消息累计字节总数，υ₁、υ₂和υ₃分别为设定的在线人员数量、聊天消息发送量和聊天消息累计字节总数对应的人员活跃评估影响权重值，n为设定历史运行日的数目；

所述基础行为特征采集分析单元用于对目标用户的基础行为特征进行采集分析，具体过程包括：

对目标用户的基础行为特征进行采集，其中基础行为特征包括各次历史搜索词条以及各次历史点击的在线聊天房间对应的各关联内容标签；

将目标用户的各次历史搜索词条进行关键词抓取，得到目标用户所属各历史搜索关键词，进而与聊天数据云端存储的各关联内容标签对应的关键词库进行匹配，整合得到目标用户历史搜索对应的各关联内容标签，进而连同目标用户各次历史点击的在线聊天房间对应的各关联内容标签，共同记为目标用户的各兴趣关联内容标签，并统计目标用户的兴趣关联内容标签总数目G₀；

从聊天数据云端提取目标用户的各适配在线聊天房间对应的各关联内容标签，并与目标用户的各兴趣关联内容标签进行重合比对，归整筛分目标用户的兴趣关联内容标签与各适配在线聊天房间所重合的关联内容标签数量G_m，m为各适配在线聊天房间的编号，m＝1,2,...,u；

计算目标用户与各适配在线聊天房间对应的兴趣关联度其中u为适配在线聊天房间的数量，/>为预设的关联内容标签对应的兴趣关联修正值；

所述特性行为信息采集分析单元用于对目标用户的特性行为信息进行采集分析，具体过程包括：

获取目标用户进入当前所在聊天房间的时间点，并依据当前时间点，分割得到信息采集时间段，进而对目标用户在信息采集时间段的特性行为信息进行采集，其中特性行为信息包括各条聊天发送消息以及各条浏览消息；

将目标用户在信息采集时间段的各条聊天发送消息进行内容提取，得到目标用户在信息采集时间段的各聊天关键词，同理提取目标用户在信息采集时间段的各条浏览消息对应的各关键词，记为目标用户的各浏览关键词；

将目标用户的各浏览关键词与聊天数据云端存储的各聊天主题所属关键词库进行匹配，进而筛分目标用户的各浏览聊天主题，并提取各浏览聊天主题所属关键词库，将目标用户在信息采集时间段的各聊天关键词与各浏览聊天主题所属关键词库进行匹配，得到目标用户在信息采集时间段的聊天关键词与各浏览聊天主题所属关键词重合的数量P_g，g为各浏览聊天主题的编号，g＝1,2,...,t；

计算目标用户在信息采集时间段与各浏览聊天主题的贴合度具体的表达式为：其中τ₁为预设的关键词重合的数量对应的聊天主题贴合影响因子，t为浏览聊天主题的数量，e为自然常数；

依据信息采集时间段，进而提取目标用户的各适配在线聊天房间对应聊天人员发送的各条消息所属各关键词，并整合得到目标用户的各适配在线聊天房间的各聊天主题，并依据目标用户在信息采集时间段与各浏览聊天主题的贴合度所属分析计算方式，计算得到目标用户在信息采集时间段与各适配在线聊天房间的各聊天主题对应的贴合度，记为ζ_m ^w，w为聊天主题对应的编号，w＝1,2,...,z；

所述目标用户的行为特征与各适配在线聊天房间的契合度，具体的计算过程为：

将目标用户与各适配在线聊天房间对应的兴趣关联度η_m、目标用户在信息采集时间段与各浏览聊天主题的贴合度以及目标用户在信息采集时间段与各适配在线聊天房间的各聊天主题对应的贴合度ζ_m ^w，带入公式/>综合计算目标用户的行为特征与各适配在线聊天房间的契合度ψ_m，其中Φ₁、Φ₂和Φ₃分别为设定的兴趣关联度、浏览聊天主题贴合度和适配在线聊天房间的聊天主题对应的贴合度所属契合权重占比值。

2.根据权利要求1所述的基于数据分析的在线聊天房间智能推送系统，其特征在于：所述对目标用户进行对应的在线聊天房间推送，具体过程为：将目标用户的行为特征与各适配在线聊天房间的契合度按照从大到小的顺序依次进行排列，得到适配在线聊天房间的排列次序，并以设定数量进行分割，得到目标用户所属各指定在线聊天房间，进而按照对应的排列次序依次将各指定在线聊天房间向目标用户进行推送。