CN116777555A - 基于卷积神经网络搭建推荐模型的数据营销方法及系统 - Google Patents
基于卷积神经网络搭建推荐模型的数据营销方法及系统 Download PDFInfo
- Publication number
- CN116777555A CN116777555A CN202310730761.1A CN202310730761A CN116777555A CN 116777555 A CN116777555 A CN 116777555A CN 202310730761 A CN202310730761 A CN 202310730761A CN 116777555 A CN116777555 A CN 116777555A
- Authority
- CN
- China
- Prior art keywords
- data
- searching
- searched
- search
- task
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000013527 convolutional neural network Methods 0.000 title claims abstract description 25
- 238000013507 mapping Methods 0.000 claims description 21
- 238000001514 detection method Methods 0.000 claims description 4
- 238000010276 construction Methods 0.000 claims 1
- 230000006399 behavior Effects 0.000 abstract 2
- 230000000694 effects Effects 0.000 description 3
- 238000013139 quantization Methods 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000000969 carrier Substances 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/0464—Convolutional networks [CNN, ConvNet]
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- General Physics & Mathematics (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- Databases & Information Systems (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Economics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Game Theory and Decision Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Entrepreneurship & Innovation (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明涉及数据处理技术领域,尤其涉及基于卷积神经网络搭建推荐模型的数据营销方法及系统。该方法首先获取直播播主的直播营销数据及该播主在直播时的弹幕信息数据,结合上述数据通过卷积神经网络搭建推荐模型,然后结合用户的观看行为和搜索行为,在推荐模型中从目标位置开始进行数据搜索,并将每个满足搜索任务的数据进行展示,直至满足预设条件时停止搜索,以搜索条件组合得到搜索任务,在搜索时能够同时对多个搜索条件进行判断,通过开启任务参数调整在所述推荐模型中的搜索起始位置,提高了商品搜索推荐效率,在搜索过程中实时将搜索到的数据展示,提高了搜索结果展示的效率,提高了短视频直播商品营销的效率。
Description
技术领域
本发明涉及人工智能在互联网营销的技术领域,尤其涉及一种基于卷积神经网络搭建推荐模型的数据营销方法及系统。
背景技术
随着信息技术的快速发展,视频直播和短视频社交平台日益成为人们日常生活不可或缺的一部分。视频直播和短视频社交平台凭借其丰富的内容、新颖的传播方式和便捷的获取途径深受大众喜爱。近些年来,视频直播和短视频在电商领域也快速发展,其商业价值也日益凸显,越来越多的带货播主通过直播作为营销载体销售产品,并取得了良好的效果。短视频直播营销平台作为短视频带货播主和产品销售商之间的纽带,发挥着举足轻重的作用。但在短视频直播营销平台中,对带货播主的相关产品推荐仍有不足,现有的传统的协同过滤算法无法准确给目标用户提供推荐任务,这让带货播主无法准确选择适合自己带货的相关产品,如何通过播主直 播的数据在营销平台中挖掘出适合带货播主带货的商品,进而实现精准的推荐,成为了一个亟待解决的问题。
有鉴于此,本发明实施例提供了一种基于卷积神经网络搭建推荐模型的数据营销方法及系统。
第一方面,本发明实施例提供一种基于卷积神经网络搭建推荐模型的数据营销方法,所述数据营销方法包括:
获取直播播主的直播营销数据及该播主在直播时的弹幕信息数据,结合上述数据通过卷积神经网络搭建推荐模型;
从前端获取个搜索条件,确定所述个搜索条件组合为搜索任务,为大于零的整数;
检测是否接收到所述前端发送的开启任务参数,在检测到所述开启任务参数时,采用预设的映射表确定所述开启任务参数对应的搜索起始位置,所述映射表包含所述开启任务参数和所述搜索起始位置之间的映射关系;
以所述搜索起始位置作为目标位置,在所述推荐模型中确定所述目标位置对应的待搜索数据,在所述待搜索数据满足所述搜索任务时,将所述待搜索数据发送至所述前端进行展示;
将所述目标位置增加一,返回执行在所述推荐模型中确定所述目标位置对应的待搜索数据,在所述待搜索数据满足所述搜索任务时,将所述待搜索数据发送至所述前端的步骤,直至所述目标位置和预设值相同或者接收到所述前端发送的停止指令,停止搜索;
将停止搜索前所述前端接收到的所有待搜索数据按目标格式进行保存,确定保存结果为任务式批量搜索结果。
第二方面,本发明实施例提供一种基于卷积神经网络搭建推荐模型的数据营销系统,所述数据营销系统包括:
模型搭建模块,获取直播播主的直播营销数据及该播主在直播时的弹幕信息数据,结合上述数据通过卷积神经网络搭建推荐模型;
条件获取模块,用于从前端获取个搜索条件,确定所述个搜索条件组合为搜索任务,为大于零的整数;
参数检测模块,用于检测是否接收到所述前端发送的开启任务参数,在检测到所述开启任务参数时,采用预设的映射表确定所述开启任务参数对应的搜索起始位置,所述映射表包含所述开启任务参数和所述搜索起始位置之间的映射关系;
数据展示模块,用于以所述搜索起始位置作为目标位置,在所述推荐模型中确定所述目标位置对应的待搜索数据,在所述待搜索数据满足所述搜索任务时,将所述待搜索数据发送至所述前端进行展示;
数据搜索模块,用于将所述目标位置增加一,返回执行在所述推荐模型中确定所述目标位置对应的待搜索数据,在所述待搜索数据满足所述搜索任务时,将所述待搜索数据发送至所述前端的步骤,直至所述目标位置和预设值相同或者接收到所述前端发送的停止指令,停止搜索;
结果保存模块,用于将停止搜索前所述前端接收到的所有待搜索数据按目标格式进行保存,确定保存结果为任务式批量搜索结果。
本发明实施例与现有技术相比存在的有益效果是:
本发明基于卷积神经网络搭建推荐模型,根据采集的直播营销数据及直播弹幕信息数据,结合短视频直播营销数据的特性,设计一种推荐模型。本发明从播主带货数量(日销量、销量趋势)、带货商品类型、相关售后评价以及用户在短视频直播营销平台中的相关行为数据等多方面进行考虑,通过搭建的推荐模型确定需要推荐的直播营销产品,对于满足短视频直播营销平台的精准推荐和发挥短视频直播营销平台的最大商业价值具有十分重大的意义。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,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是本发明实施例一提供的一种数据营销系统方法的流程示意图;
图2是本发明实施例三提供的一种数据营销系统系统的结构示意图。
实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本发明实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本发明的描述。
为了说明本发明的技术方案,下面通过具体实施例来进行说明。
参见图1,为本发明实施例一提供的一种基于卷积神经网络搭建推荐模型的数据营销方法的流程示意图,该数据营销方法可以包括以下步骤:
步骤S201,获取直播播主的直播营销数据及该播主在直播时的弹幕信息数据,结合上述数据通过卷积神经网络搭建推荐模型;
步骤S202,从前端获取个搜索条件,确定个搜索条件组合为搜索任务。
在本实施例中,从前端获取的个搜索条件可以并行搜索,即只需一次搜索即可得到所有搜索条件下的搜索结果,搜索条件可以包括如相似度阈值区间、采集时间区间、设备范围区间、所述推荐模型标识等,相似度阈值区间可以是指被搜索到的商品特征数据和用户输入的商品特征数据之间的相似度所需满足的区间,采集时间区间可以是指所述推荐模型中商品特征数据所需满足的采集时间范围,设备范围区间可以是指所述推荐模型中商品特征数据所需满足的采集设备标识,所述推荐模型标识可以是指所搜索的所述推荐模型标识,即搜索端可以包含多个所述推荐模型,从而提供更丰富的数据搜索服务。
在一实施方式中,搜索条件还可以是关键字匹配、逻辑计算结果等常规搜索条件,多搜索条件的形式能够为用户提供更为精准的搜索命中数据。
在本实施例中,服务端从前端获取到个搜索条件后,将个搜索条件组合,并确定组合结果为搜索任务,组合方式可以采用与结构,也即针对后续被搜索到的数据,需要同时满足个搜索条件后,才确定该被搜索到的数据为搜索命中的数据。
可选的是,从前端获取个搜索条件,确定个搜索条件组合为搜索任务包括:
从前端获取搜索方式和个搜索条件,搜索方式包括独立搜索和合并搜索;
在搜索方式为独立搜索时,确定个搜索条件组合为第一搜索任务;
在搜索方式为合并搜索时,确定个搜索条件组合为第二搜索任务;
相应地,在待搜索数据满足搜索任务时,将待搜索数据发送至前端进行展示包括:
在待搜索数据满足第一搜索任务中的任一搜索条件时,将待搜索数据发送至前端进行展示;
在待搜索数据满足第二搜索任务中的所有搜索条件时,将待搜索数据发送至前端进行展示。
其中,搜索方式可以是指被搜索数据被判断为搜索命中数据时的判断方式,独立搜索可以是将被搜索数据分别按照个搜索条件进行判断,在被搜索数据满足至少一个搜索条件时确定被搜索数据为搜索命中数据,合并搜索可以是指将被搜索数据分别按照个搜索条件进行判断,在被搜索数据满足所有搜索条件时确定被搜索数据为搜索命中数据。
第一搜索任务可以包括个搜索条件和独立搜索方式对应的标识信息,第二搜索任务可以包括个搜索条件和合并搜索方式对应的标识信息。
展示可以包括所命中的待搜索数据的原始数据、所命中的待搜索数据所满足的搜索条件和所命中的待搜索数据在其满足的搜索条件下对应的量化值,例如在商品特征数据搜索场景下,所命中的待搜索数据的原始数据可以是指所述推荐模型中存储的商品特征数据,所命中的待搜索数据所满足的搜索条件可以为相似度阈值区间条件,如相似度阈值区间为,所命中的待搜索数据在其满足的搜索条件下对应的量化值可以是指所命中的待搜索数据和用户输入的商品特征数据之间的相似度值,在本实施例中,相似度值均经过归一化处理,所命中的待搜索数据在其满足的搜索条件下对应的量化值可以为0.8。则展示结果可以包括商品特征数据、第一搜索条件和0.8,实施者可以在展示过程中添加相应的解释文本,例如将展示结果表示为命中图像:商品特征数据、满足的搜索条件:相似度阈值区间、相似度值:0.8。
具体地,独立搜索方式对应的标识信息和合并搜索方式对应的标识信息可以通过符号表示,例如,在本实施例中,独立搜索方式对应的标识信息为,合并搜索方式对应的标识信息为。
本实施例中,将搜索方式添加到搜索任务中,从而在后续数据搜索过程中能够根据搜索方式灵活确定搜索命中的数据,使得搜索结果更符合用户的搜索预期,提高了数据搜索的准确率,同时减少了用户重复搜索的需求,提高了用户的搜索体验,也相应地提高了数据搜索的效率。
上述从前端获取个搜索条件,确定个搜索条件组合为搜索任务的步骤,可以根据用户的实际需求直接获取多个搜索条件,没有搜索条件类型的限制,并将多个搜索条件组合为搜索任务,使得后续搜索过程能够直接以搜索任务为依据在所述推荐模型中进行数据搜索,无需针对多个搜索条件对所述推荐模型进行多次遍历,从而提高了数据搜索的效率。
步骤S203,检测是否接收到前端发送的开启任务参数,在检测到开启任务参数时,采用预设的映射表确定开启任务参数对应的搜索起始位置。
其中,开启任务参数可以用于确定在所述推荐模型中开始搜索的位置,开启任务参数可以是由前端保存的,也可以是由用户直接输入的,映射表包含开启任务参数和搜索起始位置之间的映射关系,搜索起始位置可以是指在所述推荐模型中开始搜索的数据所对应的地址信息。
具体地,前端可以根据用户的操作数据确定开启任务参数的取值,例如,用户的操作数据为遍历所述推荐模型进行数据搜索,则前端根据该操作数据确定开启任务参数为零,此时开启任务参数经过预设映射表映射后对应所述推荐模型中第一个数据的地址信息;用户的操作数据为从某一指定数据开始在所述推荐模型中进行数据搜索,则前端根据该操作数据确定开启任务参数为第一指定值,此时第一指定值经过预设映射表映射后对应所述推荐模型中的该指定数据的地址信息;用户的操作数据为从上次搜索过程中的停止数据开始在所述推荐模型中进行数据搜索,则前端根据该操作数据确定开启任务参数为第二指定值,此时第二指定值经过预设映射表映射后对应所述推荐模型中的停止数据的地址信息。
需要说明的是,为了提供用户的搜索体验,实施者可以在前端部署的搜索界面中添加相应地操作按钮,以对应不同的用户操作数据,例如,操作按钮可以包括:从头搜索、从指定位置搜索和继续搜索,其中,从头搜索可以对应于遍历所述推荐模型进行数据搜索的用户操作数据,从指定位置搜索可以对应于从某一指定数据开始在所述推荐模型中进行数据搜索的用户操作数据,继续搜索可以对应于从上次搜索过程中的停止数据开始在所述推荐模型中进行数据搜索的用户操作数据,特别地,在用户点选从指定位置搜索的操作按钮后,提供输入框供用户输入指定位置。
可选的是,在检测是否接收到前端发送的开启任务参数之后,还包括:
在未检测到开启任务参数时,检测是否接收到前端发送的开启指令;
在检测到开启指令时,以所述推荐模型的起始位置作为搜索起始位置。
其中,开启指令可以用于控制数据搜索过程的开启,起始位置可以是指所述推荐模型中第一个数据对应的位置,搜索起始位置可以是指数据搜索过程开始搜索的位置,位置在本实施例中均以数据在所述推荐模型中对应的地址表示。
具体地,在接收到新用户的搜索请求时,或者在完成用户的搜索请求后,前端会重置开启任务参数,此时,由于搜索端存储的所述推荐模型包含多个,不同所述推荐模型中第一个数据对应的位置不同,因此无法直接预先设置开启任务参数,因此,重置开始任务参数可以是指将开启任务参数以未设置的形式表示,例如在本实施例中表示为。
在接收到新用户的搜索请求后,根据该搜索请求确定需要进行搜索的所述推荐模型,并在该新用户未选择指定位置搜索时,以确定的需要进行搜索的所述推荐模型的起始位置作为搜索起始位置,需要说明的是,在根据搜索请求确定需要进行搜索的所述推荐模型,并且用户未选择指定位置搜索时,可以根据需要进行搜索的所述推荐模型的起始位置设置开启任务参数,再通过开启任务参数确定搜索起始位置,以使开启任务参数变更为设置状态,便于后续搜索过程中对开启任务参数进行及时调整。
本实施例中在未检测到开启任务参数时,以开启指令为依据确定搜索起始位置,能够更好的适应用户的操作数据,提高用户的操作体验,用户可以灵活选择简单的搜索方式和复杂的搜索方式,避免了因等待开启任务参数造成额外的时间损耗,从而提高了数据搜索的效率。
步骤S204,以搜索起始位置作为目标位置,在所述推荐模型中确定目标位置对应的待搜索数据,在待搜索数据满足搜索任务时,将待搜索数据发送至前端进行展示。
其中,目标位置可以是指需要进行搜索任务判断的待搜索数据对应的位置,待搜索数据可以是需要进行搜索任务判断的数据,前端可以包括输入页面和展示页面,输入页面可以用于获取用户的操作数据和搜索条件,展示页面可以用于实时为用户展示搜索到的命中数据。
具体地,在大数据搜索任务中,搜索的首要目的往往是先确定所述推荐模型是否包含满足搜索任务的数据,例如,在商品特征数据检索场景下,搜索任务为商品特征数据搜索,此时,首先确定用户输入的商品特征数据是与商品特征所述推荐模型中的任一商品特征数据是匹配的,在知晓存在至少一个匹配的商品特征数据后,即可为用户搜索到的匹配的推荐商品,此时,如果等待搜素过程在整个商品特征所述推荐模型搜索完毕,无疑需要等待大量时间,降低了商品推荐的效率,因此,搜索结果的实时展示成为了提高效率必不可少的手段,在本实施例中,每对一待搜索数据是否符合搜索任务进行判断后,若该待搜索数据满足搜索任务,则将该待搜索数据发送至前端进行展示,无需等待整个搜索过程均完成后再进行合并展示,提高了推荐模型在向用户反馈推荐商品时的便捷性。
可选的是,前端包括预设的展示优先级;
将待搜索数据发送至前端进行展示包括:
根据展示优先级,对前端中已展示的数据和待搜索数据进行排序;
按照排序结果,对前端中已展示的数据和待搜索数据进行展示。
其中,展示优先级可以由实施者预先设置,展示优先级可以用于确定需要展示的数据的展示顺序,排序可以是指将前端中已展示的数据和待搜索数据按照展示优先级进行从上到下的排序,排序结果可以是指前端中已展示的数据和待搜索数据按照展示优先级进行从上到下顺序排序的结果。
具体地,实施者可以根据待搜索数据满足搜索条件的数量进行排序,以获取到最符合用户提供的搜索条件的数据。
在一种实施方式中,待搜索数据在前端进行展示可以以表格的形式进行展示,表格可以包括列,每一列均对应一搜索条件,每一行对应一待搜索数据,表格中的元素值可以表示一待搜索数据在一搜索条件下的量化值,此时,用户可以自行操作确定展示优先级,例如,当用户点选第一列的搜索条件时,则按照所有待搜索数据在第一列的搜索条件下的量化值从大到小的顺序进行从上至下的排序,相应地,用户可以重复点击以切换排序的正序和倒序,正序即为按照量化值从大到小的顺序进行从上至下的排序,倒序即为按照量化值从小到大的顺序进行从上至下的排序。
本实施例中,通过在前端展示的过程中设置展示优先级,使得用户能够自定义展示方式,提供数据实时展示的灵活性,提高了用户的体验,同时便于用户快速获取到感兴趣的信息,提高了展示效果,从而提高了数据搜索结果的展示效率。
可选的是,前端包括每个搜索条件对应的统计数据;
将待搜索数据发送至前端进行展示包括:
将待搜索数据发送至前端,在个搜索条件中,确定待搜索数据符合的搜索条件为目标条件;
根据待搜索数据,对目标条件对应的统计数据进行更新,得到目标条件对应的更新后的统计数据;
将更新后的统计数据和待搜索数据在前端进行展示。
其中,目标条件可以是指待搜索数据符合的搜索条件,统计数据可以是指前端接收到的所有数据中符合目标条件的数据的统计值,更新可以是指统计值更新。
具体地,统计值可以是范围统计,也可以是数量统计,例如,若目标条件为相似度阈值范围条件,该相似度阈值范围条件为,前端已有的数据中满足该目标条件的数据数量为5个,当统计值为数量统计时,在前端接收到新的待搜索数据后,则将统计值更新为6个,当统计值为范围统计时,前端已有的数据中满足该目标条件的数据对应的相似度范围可以为,此时,若前端接收到新的待搜索数据对应的相似度超过该相似度范围,例如为0.7,则将相似度范围更新为,设置统计值的目的在于,便于为用户提供搜索结果的实时统计信息。
本实施例在展示页面中提供符合搜索条件的命中数据的统计信息,从而为用户在搜索过程中提供更为丰富的展示信息,便于后续快速获取到所需信息,从而提高了数据搜索结果的实时展示效率。
上述以搜索起始位置作为目标位置,在所述推荐模型中确定目标位置对应的待搜索数据,在待搜索数据满足搜索任务时,将待搜索数据发送至前端进行展示的步骤,能够在所述推荐模型中每个数据被搜索到时,及时地进行数据展示,便于用户及时获取到搜索的实时结果,从而提高了数据搜索结果的展示效率。
步骤S205,将目标位置增加一,返回执行在所述推荐模型中确定目标位置对应的待搜索数据,在待搜索数据满足搜索任务时,将待搜索数据发送至前端的步骤,直至目标位置和预设值相同或者接收到前端发送的停止指令,停止搜索。
其中,预设值可以是指预设的停止位置,停止指令可以用于控制搜索过程中的停止。
具体地,由于目标位置实际对应于数据地址,则目标位置增加一可以是指数据地址增加一,在目标位置增加一后,增加后的目标位置即对应于所述推荐模型中下一待搜索数据,此时再次进行待搜索数据是否满足搜索任务的判断,并在判断待搜索数据满足搜索任务时将待搜索数据发送至前端进行展示。
在每次完成在所述推荐模型中确定目标位置对应的待搜索数据,在待搜索数据满足搜索任务时,将待搜索数据发送至前端的步骤后,均需要进行目标位置和预设值相同或者接收到前端发送的停止指令的判断,在目标位置和预设值不同且未接收到前端发送的停止指令后,再次将目标位置增加一,并重复在所述推荐模型中确定目标位置对应的待搜索数据,在待搜索数据满足搜索任务时,将待搜索数据发送至前端的步骤,直至目标位置和预设值相同或者接收到前端发送的停止指令。
在本实施例中,在停止搜索后,重置开启任务参数,具体重置方法仍可以采用将开启任务参数重置为未开启状态。
预设值可以为设施者预设的停止位置,例如,可以将所述推荐模型中最后一个数据对应的地址设置为预设值,停止指令通过由前端根据用户的操作数据确定,也即用户的操作界面可以包括停止操作按钮,停止操作按钮用于用户对搜索过程进行停止操作。
上述将目标位置增加一,返回执行在所述推荐模型中确定目标位置对应的待搜索数据,在待搜索数据满足搜索任务时,将待搜索数据发送至前端的步骤,直至目标位置和预设值相同或者接收到前端发送的停止指令,停止搜索的步骤,通过迭代的方式实现所述推荐模型中待搜索数据的逐个判断,并在得到待搜索数据的判断结果之后直接将满足搜索任务的待搜索数据发送到前端进行实时展示,实现搜索数据的实时展示以及遍历搜索,从而提高了数据搜索和展示的效率。
步骤S206,将停止搜索前前端接收到的所有待搜索数据按目标格式进行保存,确定保存结果为任务式批量搜索结果。
具体地,由于在搜索过程中,满足搜索任务的待搜索数据均会实时发送给前端进行展示,则停止搜索前前端接收到的所有待搜索数据即为该次任务式批量搜索所有搜索命中的数据。
在将停止搜索前前端接收到的所有待搜索数据按目标格式进行保存之后,可以将保存结果作为新的展示数据提供给前端,为用户提供该次任务式批量搜索的搜索结果,也即本实施例中采用实时展示和整体展示相结合的方式,为用户提供了更为丰富的搜索数据展示方式。
上述将停止搜索前前端接收到的所有待搜索数据按目标格式进行保存,确定保存结果为任务式批量搜索结果的步骤,将搜索命中的待搜索数据整合并按目标格式进行保存,从而为用户提供更全面的整体搜索结果,提高了数据搜索结果的展示效率。
参见图2,是本发明实施例二提供的一种基于卷积神经网络搭建推荐模型的数据营销系统,该数据营销系统包括:
模型搭建模块40,获取直播播主的直播营销数据及该播主在直播时的弹幕信息数据,结合上述数据通过卷积神经网络搭建推荐模型;
条件获取模块41,用于从前端获取个搜索条件,确定个搜索条件组合为搜索任务,为大于零的整数;
参数检测模块42,用于检测是否接收到前端发送的开启任务参数,在检测到开启任务参数时,采用预设的映射表确定开启任务参数对应的搜索起始位置,映射表包含开启任务参数和搜索起始位置之间的映射关系;
数据展示模块43,用于以搜索起始位置作为目标位置,在所述推荐模型中确定目标位置对应的待搜索数据,在待搜索数据满足搜索任务时,将待搜索数据发送至前端进行展示;
数据搜索模块44,用于将目标位置增加一,返回执行在所述推荐模型中确定目标位置对应的待搜索数据,在待搜索数据满足搜索任务时,将待搜索数据发送至前端的步骤,直至目标位置和预设值相同或者接收到前端发送的停止指令,停止搜索;
结果保存模块45,用于将停止搜索前前端接收到的所有待搜索数据按目标格式进行保存,确定保存结果为任务式批量搜索结果。
可选的是,上述条件获取模块41包括:
方式获取单元,用于从前端获取搜索方式和个搜索条件,搜索方式包括独立搜索和合并搜索;
第一任务确定单元,用于在搜索方式为独立搜索时,确定个搜索条件组合为第一搜索任务;
第二任务确定单元,用于在搜索方式为合并搜索时,确定个搜索条件组合为第二搜索任务;
相应地,上述数据展示模块43包括:
第一数据展示单元,用于在待搜索数据满足第一搜索任务中的任一搜索条件时,将待搜索数据发送至前端进行展示;
第二数据展示单元,用于在待搜索数据满足第二搜索任务中的所有搜索条件时,将待搜索数据发送至前端进行展示。
可选的是,上述任务式批量搜索装置还包括:
指令检测模块,用于在未检测到开启任务参数时,检测是否接收到前端发送的开启指令;
位置确定模块,用于在检测到开启指令时,以所述推荐模型的起始位置作为搜索起始位置。
可选的是,前端包括预设的展示优先级;
上述数据展示模块43包括:
数据排序单元,用于根据展示优先级,对前端中已展示的数据和待搜索数据进行排序;
展示更新单元,用于按照排序结果,对前端中已展示的数据和待搜索数据进行展示。
可选的是,前端包括每个搜索条件对应的统计数据;
上述数据展示模块43包括:
目标条件确定单元,用于将待搜索数据发送至前端,在个搜索条件中,确定待搜索数据符合的搜索条件为目标条件;
统计数据更新单元,用于根据待搜索数据,对目标条件对应的统计数据进行更新,得到目标条件对应的更新后的统计数据;
统计数据展示单元,用于将更新后的统计数据和待搜索数据在前端进行展示。
可选的是,上述结果保存模块45包括:
格式获取单元,用于获取至少一个目标格式,将停止搜索前前端接收到的所有待搜索数据分别按每个目标格式进行保存,得到对应目标格式的保存结果;
结果确定单元,用于确定所有保存结果为任务式批量搜索结果。
可选的是,上述任务式批量搜索装置还包括:
停止位置确定模块,用于确定停止搜索时的目标位置为停止搜索位置;
参数更新模块,用于在停止搜索位置与和预设值不同时,将停止搜索位置发送至前端,以停止搜索位置更新开启任务参数,更新后的开启任务参数用于继续执行搜索任务。
需要说明的是,上述模块、单元之间的信息交互、执行过程等内容,由于与本发明方法实施例基于同一构思,其具体功能及带来的技术效果,具体可参见方法实施例部分,此处不再赘述。
以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围,均应包含在本发明的保护范围之内。
Claims (8)
1.基于卷积神经网络搭建推荐模型的数据营销方法,其特征在于,所述任务式批量搜索方法包括:
获取直播播主的直播营销数据及该播主在直播时的弹幕信息数据,结合上述数据通过卷积神经网络搭建推荐模型;
从前端获取个搜索条件,确定所述个搜索条件组合为搜索任务,为大于零的整数;
检测是否接收到所述前端发送的开启任务参数,在检测到所述开启任务参数时,采用预设的映射表确定所述开启任务参数对应的搜索起始位置,所述映射表包含所述开启任务参数和所述搜索起始位置之间的映射关系;
以所述搜索起始位置作为目标位置,在所述推荐模型中确定所述目标位置对应的待搜索数据,在所述待搜索数据满足所述搜索任务时,将所述待搜索数据发送至所述前端进行展示;
将所述目标位置增加一,返回执行在所述推荐模型中确定所述目标位置对应的待搜索数据,在所述待搜索数据满足所述搜索任务时,将所述待搜索数据发送至所述前端的步骤,直至所述目标位置和预设值相同或者接收到所述前端发送的停止指令,停止搜索;
将停止搜索前所述前端接收到的所有待搜索数据按目标格式进行保存,确定保存结果为任务式批量搜索结果。
2.根据权利要求1所述的基于卷积神经网络搭建推荐模型的数据营销方法,其特征在于,所述从前端获取个搜索条件,确定所述个搜索条件组合为搜索任务包括:
从所述前端获取搜索方式和所述个搜索条件,所述搜索方式包括独立搜索和合并搜索;
在所述搜索方式为独立搜索时,确定所述个搜索条件组合为第一搜索任务;
在所述搜索方式为合并搜索时,确定所述个搜索条件组合为第二搜索任务;
相应地,在所述待搜索数据满足所述搜索任务时,将所述待搜索数据发送至所述前端进行展示包括:
在所述待搜索数据满足所述第一搜索任务中的任一搜索条件时,将所述待搜索数据发送至所述前端进行展示;
在所述待搜索数据满足所述第二搜索任务中的所有搜索条件时,将所述待搜索数据发送至所述前端进行展示。
3.根据权利要求1所述的基于卷积神经网络搭建推荐模型的数据营销方法,其特征在于,在所述检测是否接收到所述前端发送的开启任务参数之后,还包括:
在未检测到所述开启任务参数时,检测是否接收到所述前端发送的开启指令;
在检测到所述开启指令时,以所述所述推荐模型的起始位置作为所述搜索起始位置。
4.根据权利要求1所述的基于卷积神经网络搭建推荐模型的数据营销方法,其特征在于,所述前端包括预设的展示优先级;
所述将所述待搜索数据发送至所述前端进行展示包括:
根据所述展示优先级,对所述前端中已展示的数据和所述待搜索数据进行排序;
按照所述排序结果,对所述前端中已展示的数据和所述待搜索数据进行展示。
5.根据权利要求1所述的基于卷积神经网络搭建推荐模型的数据营销方法,其特征在于,所述前端包括每个搜索条件对应的统计数据;
所述将所述待搜索数据发送至所述前端进行展示包括:
将所述待搜索数据发送至所述前端,在所述个搜索条件中,确定所述待搜索数据符合的搜索条件为目标条件;
根据所述待搜索数据,对所述目标条件对应的统计数据进行更新,得到所述目标条件对应的更新后的统计数据;
将所述更新后的统计数据和所述待搜索数据在所述前端进行展示。
6.根据权利要求1所述的基于卷积神经网络搭建推荐模型的数据营销方法,其特征在于,所述将停止搜索前所述前端接收到的所有待搜索数据按目标格式进行保存,确定保存结果为任务式批量搜索结果包括:
获取至少一个目标格式,将停止搜索前所述前端接收到的所有待搜索数据分别按每个目标格式进行保存,得到对应目标格式的保存结果;
确定所有保存结果为所述任务式批量搜索结果。
7.根据权利要求1至6任一项所述的基于卷积神经网络搭建推荐模型的数据营销方法,其特征在于,在所述停止搜索之后,还包括:
确定停止搜索时的目标位置为停止搜索位置;
在所述停止搜索位置与和预设值不同时,将所述停止搜索位置发送至所述前端,以所述停止搜索位置更新所述开启任务参数,更新后的开启任务参数用于继续执行所述搜索任务。
8.基于卷积神经网络搭建推荐模型的数据营销系统,其特征在于,所述数据营销系统包括:
模型搭建模块,获取直播播主的直播营销数据及该播主在直播时的弹幕信息数据,结合上述数据通过卷积神经网络搭建推荐模型;
条件获取模块,用于从前端获取个搜索条件,确定所述个搜索条件组合为搜索任务,为大于零的整数;
参数检测模块,用于检测是否接收到所述前端发送的开启任务参数,在检测到所述开启任务参数时,采用预设的映射表确定所述开启任务参数对应的搜索起始位置,所述映射表包含所述开启任务参数和所述搜索起始位置之间的映射关系;
数据展示模块,用于以所述搜索起始位置作为目标位置,在所述推荐模型中确定所述目标位置对应的待搜索数据,在所述待搜索数据满足所述搜索任务时,将所述待搜索数据发送至所述前端进行展示;
数据搜索模块,用于将所述目标位置增加一,返回执行在所述推荐模型中确定所述目标位置对应的待搜索数据,在所述待搜索数据满足所述搜索任务时,将所述待搜索数据发送至所述前端的步骤,直至所述目标位置和预设值相同或者接收到所述前端发送的停止指令,停止搜索;
结果保存模块,用于将停止搜索前所述前端接收到的所有待搜索数据按目标格式进行保存,确定保存结果为任务式批量搜索结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310730761.1A CN116777555A (zh) | 2023-06-19 | 2023-06-19 | 基于卷积神经网络搭建推荐模型的数据营销方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310730761.1A CN116777555A (zh) | 2023-06-19 | 2023-06-19 | 基于卷积神经网络搭建推荐模型的数据营销方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116777555A true CN116777555A (zh) | 2023-09-19 |
Family
ID=87985360
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310730761.1A Pending CN116777555A (zh) | 2023-06-19 | 2023-06-19 | 基于卷积神经网络搭建推荐模型的数据营销方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116777555A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117425020A (zh) * | 2023-11-01 | 2024-01-19 | 天津瀛智科技有限公司 | 一种直播间自然流指标优化提升策略计算方法 |
-
2023
- 2023-06-19 CN CN202310730761.1A patent/CN116777555A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117425020A (zh) * | 2023-11-01 | 2024-01-19 | 天津瀛智科技有限公司 | 一种直播间自然流指标优化提升策略计算方法 |
CN117425020B (zh) * | 2023-11-01 | 2024-05-17 | 天津瀛智科技有限公司 | 一种直播间自然流指标优化提升策略计算方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3855753B1 (en) | Method and apparatus for locating video playing node, device and storage medium | |
CN107480236B (zh) | 一种信息查询方法、装置、设备和介质 | |
WO2020199484A1 (zh) | 基于视频的轨迹跟踪方法、装置、计算机设备及存储介质 | |
CN110909182B (zh) | 多媒体资源搜索方法、装置、计算机设备及存储介质 | |
CN112930669B (zh) | 内容推荐方法、装置、移动终端及服务器 | |
CN109582903B (zh) | 一种信息展示的方法、装置、设备和存储介质 | |
CN107590267B (zh) | 基于图片的信息推送方法及装置、终端和可读存储介质 | |
CN108304490B (zh) | 基于文本的相似度确定方法、装置及计算机设备 | |
CN110941738B (zh) | 推荐方法、装置、电子设备及计算机可读存储介质 | |
CN106445997B (zh) | 一种信息处理方法和服务器 | |
US20170169062A1 (en) | Method and electronic device for recommending video | |
CN116777555A (zh) | 基于卷积神经网络搭建推荐模型的数据营销方法及系统 | |
CN110674345A (zh) | 一种视频搜索方法、装置及服务器 | |
CN113301376B (zh) | 一种基于虚拟现实技术的直播交互方法及系统 | |
CN111479129A (zh) | 直播封面的确定方法、装置、服务器、介质及系统 | |
CN113596488B (zh) | 直播间的展示方法、装置、电子设备和存储介质 | |
CN114095749A (zh) | 推荐及直播界面展示方法、计算机存储介质、程序产品 | |
CN112199582B (zh) | 一种内容推荐方法、装置、设备及介质 | |
CN112487018B (zh) | 榜单生成方法、装置电子设备及计算机可读存储介质 | |
CN110636322B (zh) | 多媒体数据的处理方法、装置、智能终端及存储介质 | |
CN112115354A (zh) | 信息处理方法、装置、服务器及存储介质 | |
CN108012164B (zh) | 一种视频播放方法、装置及电子设备 | |
CN113365138B (zh) | 内容展示方法、装置、电子设备、存储介质 | |
CN114722313A (zh) | 搜索结果排序方法、装置、设备及存储介质 | |
CN114490288A (zh) | 一种基于用户操作行为的信息匹配方法及装置 |
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 |