CN117473165A - 一种基于大数据的用户关注需求分析处理系统及方法 - Google Patents

Abstract

本发明涉及大数据分析技术领域，公开了一种基于大数据的用户关注需求分析处理系统及方法。一种基于大数据的用户关注需求分析处理方法，包括：S1、采集目标新用户的个人基本信息，所述个人基本信息包括用户的性别和年龄段；S2、基于大数据对目标新用户的个人基本信息进行初步分析，根据初步分析的结果在主页面推送出多种版块的子页面对应的图文点击通道；S3、采集目标新用户的浏览信息，所述浏览信息包括目标新用户对各个图文点击通道的点击次数以及点击后在对应的子页面的浏览时间。本发明可以对其他与目标新用户有类似关注倾向的用户的历史关注信息进行分析，通过分析来预测目标新用户的关注需求。

Description

一种基于大数据的用户关注需求分析处理系统及方法

技术领域

本发明涉及大数据分析技术领域，具体涉及一种基于大数据的用户关注需求分析处理系统及方法。

背景技术

大数据是一种规模大到在获取、存储、管理、分析方面大大超出了传统数据库软件工具能力范围的数据集合，具有海量的数据规模、快速的数据流转、多样的数据类型和价值密度低四大特征。大数据技术的战略意义不在于掌握庞大的数据信息，而在于对这些含有意义的数据进行专业化处理。换而言之，如果把大数据比作一种产业，那么这种产业实现盈利的关键，在于提高对数据的“加工能力”，通过“加工”实现数据的“增值”。从技术上看，大数据与云计算的关系就像一枚硬币的正反面一样密不可分。大数据必然无法用单台的计算机进行处理，必须采用分布式架构。它的特色在于对海量数据进行分布式数据挖掘。但它必须依托云计算的分布式处理、分布式数据库和云存储、虚拟化技术。

随着云时代的来临，大数据也吸引了越来越多的关注。分析师团队认为，大数据通常用来形容一个公司创造的大量非结构化数据和半结构化数据，这些数据在下载到关系型数据库用于分析时会花费过多时间和金钱。大数据分析常和云计算联系到一起，因为实时的大型数据集分析需要像一样的框架来向数十、数百或甚至数千的电脑分配工作。随着云计算与大数据的协同发展，不基于用户关系信息分享的网络平台通过大数据收集并储存用户的相关信息，配合着云计算对各种相关信息数据进行分析处理，可以根据用户的历史关注信息的判断用户的喜好特征，并预测用户的关注需求，进而为用户提供更高效的服务，然而对于此类平台的新用户，大数据难以获取新用户的历史关注或浏览信息，不能对新用户的兴趣爱好做出很好的预测，并且难以根据用户的关注需求对应提供信息版块推荐，对用户而言，则是难以高效地在此网络平台上快速获取自己需要的信息。

发明内容

本发明的目的在于提供一种基于大数据的用户关注需求分析处理系统及方法，解决以上技术问题：

本发明的目的可以通过以下技术方案实现：

一种基于大数据的用户关注需求分析处理方法，包括：

S1、采集目标新用户的个人基本信息，所述个人基本信息包括用户的性别和年龄段；

S2、基于大数据对目标新用户的个人基本信息进行初步分析，根据初步分析的结果在主页面推送出多种版块的子页面对应的图文点击通道；

S3、采集目标新用户的浏览信息，所述浏览信息包括目标新用户对各个图文点击通道的点击次数以及点击后在对应的子页面的浏览时间；

S4、对目标新用户的浏览信息进行数据整合处理，并根据数据整合处理的结果确立关注推荐策略。

作为进一步的技术方案，所述方法还包括：

S5、采集目标新用户的关注信息，所述关注信息包括目标新用户关注版块的种类以及数量；

S6、基于目标新用户的关注信息，获取与目标新用户有相同关注版块的其他用户，并根据所述其他用户的关注版块的数量从所述其他用户中筛选出研究对象用户。

S7、对目标新用户和研究对象用户的关注信息做综合分析，并根据综合分析的结果确立推荐更新策略。

作为进一步的技术方案，对目标新用户的浏览信息进行数据整合处理的过程包括：

通过公式计算获取各个版块的推荐指数R；

其中，k为预设的第一调节系数，且k＞e^-1；n为目标新用户点击同一版块下各子页面的总次数；T_i，j为目标新用户第i次点击第j个子页面后浏览的时间；Δt_j为第j个子页面的预设浏览时长标准值；

将推荐指数R超过预设的阈值R_cap的版块作为推荐关注版块并向目标新用户发出对应的推荐信息。

作为进一步的技术方案，根据所述其他用户的关注版块的数量从所述其他用户中筛选出研究对象用户的过程包括：

获取与目标新用户有相同关注版块的其他用户的关注版块集合I＝{A₁，A₂，A₃…}；

筛选出满足N₀＜|I|≤ΔN的关注版块集合对应的用户，并作为研究对象用户；

其中，|I|为集合I的基数；N₀为目标新用户已经关注的版块数量；ΔN为版块数量阈值。

作为进一步的技术方案，所述版块数量阈值ΔN的获取过程包括：

通过公式计算获取所述预设阈值ΔN；

其中，l为预设的第二调节系数，且0＜k＜e^-1；δ为预设的比例系数，且δ＞1；N_S为主页的版块总数量；[]为取整函数。

作为进一步的技术方案，对目标新用户和研究对象用户的关注信息做综合分析的过程包括：

通过公式计算获得集合I_sum；

基于Java编程技术中Collections类的frequency函数计算获取集合I_sum中各个元素的出现次数f；

将出现次数f与预设阈值f_θ作比对：

将满足出现次数f≥f_θ的元素对应的版块作为推荐关注版块推荐给目标新用户；

若集合I_sum内不存在满足出现次数f≥f_θ的元素，则不向目标新用户发出新的推荐信息。

作为进一步的技术方案，基于大数据的用户关注需求分析处理方法还包括：

S8、在预设时间段内统计同一版块向目标新用户推荐的推荐次数，对所述推荐次数超过预设的推荐次数阈值的版块进行标记，在更新推荐的过程中不推荐被标记的版块。

一种基于大数据的用户关注需求分析处理系统，包括：

信息采集模块，包括个人信息输入端和网页信息记录端；

所述个人信息输入端用于采集目标新用户的个人信息，所述网页信息记录端用于采集目标新用户及其他用户的浏览信息和关注信息；

处理模块，用于对采集到的目标新用户及其他用户的浏览信息和关注信息进行处理分析，并根据处理分析的结果确立关注推荐策略和推荐更新策略；

推送模块，用于执行推荐策略和推荐更新策略。

作为进一步的技术方案，所述处理模块包括整合处理单元和综合分析单元；

所述整合处理单元用于对目标新用户的浏览信息进行数据整合处理，并根据数据整合处理的结果确立关注推荐策略；

所述综合分析单元用于对目标新用户和研究对象用户的关注信息做综合分析，并根据综合分析的结果确立推荐更新策略。

本发明的有益效果：

本发明在不需要获取目标新用户的大量历史关注信息的情况下，也可以对其他与目标新用户有类似关注倾向的用户的历史关注信息进行分析，通过分析来预测目标新用户的关注需求，并根据用户的关注需求对应提供信息版块推荐，因此平台可以为新用户提供更高效的信息推荐服务，用户也能够更加快捷地在平台上获取自己需要的信息。

附图说明

下面结合附图对本发明作进一步的说明。

图1为本发明中基于大数据的用户关注需求分析处理方法的主体步骤流程图；

图2为本发明中基于大数据的用户关注需求分析处理系统的内容概要框图。

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、完整的描述，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作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

请参阅图1所示，本发明为一种基于大数据的用户关注需求分析处理方法，包括：

S1、采集目标新用户的个人基本信息，所述个人基本信息包括用户的性别和年龄段；

S2、基于大数据对目标新用户的个人基本信息进行初步分析，根据初步分析的结果在主页面推送出多种版块的子页面对应的图文点击通道；

S3、采集目标新用户的浏览信息，所述浏览信息包括目标新用户对各个图文点击通道的点击次数以及点击后在对应的子页面的浏览时间；

S4、对目标新用户的浏览信息进行数据整合处理，并根据数据整合处理的结果确立关注推荐策略。

S5、采集目标新用户的关注信息，所述关注信息包括目标新用户关注版块的种类以及数量；

S6、基于目标新用户的关注信息，获取与目标新用户有相同关注版块的其他用户，并根据所述其他用户的关注版块的数量从所述其他用户中筛选出研究对象用户。

S7、对目标新用户和研究对象用户的关注信息做综合分析，并根据综合分析的结果确立推荐更新策略。

通过上述技术方案，本实施例提供了一种基于大数据的用户关注需求分析处理方法，具体地，首先采集目标新用户的个人基本信息，基于大数据分析技术对目标新用户的个人基本信息进行初步分析，可以根据目标新用户的年龄性别以及其他用户的历史信息初步判断该用户可能感兴趣的板块，根据初步分析的结果在主页面推送出多种版块的子页面对应的图文点击通道。然后在目标新用户自行点击图文点击通道并浏览一段时间后，采集目标新用户的浏览信息，浏览信息包括目标新用户对各个图文点击通道的点击次数以及点击后在对应的子页面的浏览时间，对目标新用户的浏览信息进行数据整合处理，并根据数据整合处理的结果确立关注推荐策略。当目标新用户根据关注推荐关注一个版块后，就可以采集目标新用户的关注信息，所述关注信息包括目标新用户关注版块的种类以及数量，基于目标新用户的关注信息，由于关注板块种类相似的人通常有共同兴趣爱好的可能性较大，因此可以获取与目标新用户有相同关注版块的其他用户，并根据所述其他用户的关注版块的数量从所述其他用户中筛选出研究对象用户。最后对目标新用户和研究对象用户的关注信息做综合分析，并根据综合分析的结果确立推荐更新策略。在不需要获取目标新用户的大量历史关注信息的情况下，也可以对其他与目标新用户有类似关注倾向的用户的历史关注信息进行分析，通过分析来预测目标新用户的关注需求，并根据用户的关注需求对应提供信息版块推荐，因此平台可以为新用户提供高效的服务，用户也能够更加快捷地在平台上获取自己需要的信息。

对目标新用户的浏览信息进行数据整合处理的过程包括：

通过公式计算获取各个版块的推荐指数R；

其中，k为预设的第一调节系数，且k＞e^-1；n为目标新用户点击同一版块下各子页面的总次数；T_i，j为目标新用户第i次点击第j个子页面后浏览的时间；Δt_j为第j个子页面的预设浏览时长标准值；

将推荐指数R超过预设的阈值R_cap的版块作为推荐关注版块并向目标新用户发出对应的推荐信息。

通过上述技术方案，本实施例提供了对目标新用户的浏览信息进行数据整合处理的过程，具体地，通过公式 计算获取各个版块的推荐指数R，推荐指数R越大说明用户对此板块感兴趣的可能性越大，因此将推荐指数R超过预设的阈值R_cap的版块作为推荐关注版块并向目标新用户发出对应的推荐信息。需要说明的是，k为预设的第一调节系数，具体可根据实验数据拟合获取，在此不做详述，Δt_j为第j个子页面的预设浏览时长标准值，具体和页面的信息量有关。

根据所述其他用户的关注版块的数量从所述其他用户中筛选出研究对象用户的过程包括：

获取与目标新用户有相同关注版块的其他用户的关注版块集合I＝{A₁，A₂，A₃…}；

筛选出满足N₀＜|I|≤ΔN的关注版块集合对应的用户，并作为研究对象用户；

其中，|I|为集合I的基数；N₀为目标新用户已经关注的版块数量；ΔN为版块数量阈值。

所述版块数量阈值ΔN的获取过程包括：

通过公式计算获取所述预设阈值ΔN；

其中，l为预设的第二调节系数，且0＜k＜e^-1；δ为预设的比例系数，且δ＞1(用于确保ΔN＞N₀)；N_S为主页的版块总数量；[]为取整函数。

通过上述技术方案，本实施例获取与目标新用户有相同关注版块的其他用户的关注版块集合I＝{A₁，A₂，A₃…}，并从中筛选出满足N₀＜|I|≤ΔN的关注版块集合对应的用户，并作为研究对象用户；其中，|I|≤ΔN的限制是考虑到关注量过大的用户通常应用本平台的时间较长，也侧面反映出他们的兴趣爱好在这么长的时间能发生变化的可能性大，因此该类用户的关注信息的参考价值较低，所以通过|I|≤ΔN的限制予以排除。

对目标新用户和研究对象用户的关注信息做综合分析的过程包括：

通过公式计算获得集合I_sum；

基于Java编程技术中Collections类的frequency函数计算获取集合I_sum中各个元素的出现次数f；

将出现次数f与预设阈值f_θ做比对：

将满足出现次数f≥f_θ的元素对应的版块作为推荐关注版块推荐给目标新用户；

若集合I_sum内不存在满足出现次数f≥f_θ的元素，则不向目标新用户发出新的推荐信息。

通过上述技术方案，本实施例提供了对目标新用户和研究对象用户的关注信息做综合分析的过程，具体地，首先通过公式计算获得集合I_sum，基于Java编程技术中Collections类的frequency函数计算获取集合I_sum中各个元素的出现次数f；将出现次数f与预设阈值f_θ作比对：若f≥f_θ，则说明集合I_sum中关注该板块的用户较多，该板块满足目标新用户的关注需求的可能性也就高，因此将满足出现次数f≥f_θ的元素对应的版块作为推荐关注版块推荐给目标新用户；若集合I_sum内不存在满足出现次数f≥f_θ的元素，说明集合I_sum中的用户关注版块对目标新用户关注需求预测的参考价值不大，因此则不向目标新用户发出新的推荐信息。需要说明的是，上述推荐方法默认不对目标新用户推荐该新用户已关注的版块。

基于大数据的用户关注需求分析处理方法还包括：

S8、在预设时间段内统计同一版块向目标新用户推荐的推荐次数，对所述推荐次数超过预设的推荐次数阈值的版块进行标记，在更新推荐的过程中不推荐被标记的版块。

通过上述技术方案，本实施例提供了对板块推荐过程进行合理限制的过程，具体地，可以在一周内统计同一版块向目标新用户推荐的推荐次数，同一版块的推荐次数越多说明目标新用户对此版块越不感兴趣，因此对所述推荐次数超过预设的推荐次数阈值的版块进行标记，在更新推荐的过程中不推荐被标记的版块。

请参阅图2所示，一种基于大数据的用户关注需求分析处理系统，包括：

信息采集模块，包括个人信息输入端和网页信息记录端；

所述个人信息输入端用于采集目标新用户的个人信息，所述网页信息记录端用于采集目标新用户及其他用户的浏览信息和关注信息；

处理模块，用于对采集到的目标新用户及其他用户的浏览信息和关注信息进行处理分析，并根据处理分析的结果确立关注推荐策略和推荐更新策略；

推送模块，用于执行推荐策略和推荐更新策略。

所述处理模块包括整合处理单元和综合分析单元；

所述整合处理单元用于对目标新用户的浏览信息进行数据整合处理，并根据数据整合处理的结果确立关注推荐策略；

所述综合分析单元用于对目标新用户和研究对象用户的关注信息做综合分析，并根据综合分析的结果确立推荐更新策略。

以上对本发明的一个实施例进行了详细说明，但所述内容仅为本发明的较佳实施例，不能被认为用于限定本发明的实施范围。凡依本发明申请范围所作的均等变化与改进等，均应仍归属于本发明的专利涵盖范围之内。

Claims (9)

1.一种基于大数据的用户关注需求分析处理方法，其特征在于，所述方法包括：

S1、采集目标新用户的个人基本信息，所述个人基本信息包括用户的性别和年龄段；

S2、基于大数据对目标新用户的个人基本信息进行初步分析，根据初步分析的结果在主页面推送出多种版块的子页面对应的图文点击通道；

S3、采集目标新用户的浏览信息，所述浏览信息包括目标新用户对各个图文点击通道的点击次数以及点击后在对应的子页面的浏览时间；

S4、对目标新用户的浏览信息进行数据整合处理，并根据数据整合处理的结果确立关注推荐策略。

2.根据权利要求1所述的一种基于大数据的用户关注需求分析处理方法，其特征在于，所述方法还包括：

S5、采集目标新用户的关注信息，所述关注信息包括目标新用户关注版块的种类以及数量；

S6、基于目标新用户的关注信息，获取与目标新用户有相同关注版块的其他用户，并根据所述其他用户的关注版块的数量从所述其他用户中筛选出研究对象用户；

S7、对目标新用户和研究对象用户的关注信息做综合分析，并根据综合分析的结果确立推荐更新策略。

3.根据权利要求2所述的一种基于大数据的用户关注需求分析处理方法，其特征在于，对目标新用户的浏览信息进行数据整合处理的过程包括：

通过公式计算获取各个版块的推荐指数R；

其中，k为预设的第一调节系数，且k>e^-1；n为目标新用户点击同一版块下各子页面的总次数；T_i，j为目标新用户第i次点击第j个子页面后浏览的时间；Δt_j为第j个子页面的预设浏览时长标准值；

将推荐指数R超过预设的阈值R_cap的版块作为推荐关注版块并向目标新用户发出对应的推荐信息。

4.根据权利要求3所述的一种基于大数据的用户关注需求分析处理方法，其特征在于，根据所述其他用户的关注版块的数量从所述其他用户中筛选出研究对象用户的过程包括：

获取与目标新用户有相同关注版块的其他用户的关注版块集合I＝{A₁，A₂，A₃…}；

筛选出满足N₀<|I|≤ΔN的关注版块集合对应的用户，并作为研究对象用户；

其中，|I|为集合I的基数；N₀为目标新用户已经关注的版块数量；ΔN为版块数量阈值。

5.根据权利要求4所述的一种基于大数据的用户关注需求分析处理方法，其特征在于，所述版块数量阈值ΔN的获取过程包括：

通过公式计算获取所述预设阈值ΔN；

其中，l为预设的第二调节系数，且0<k<e^-1；δ为预设的比例系数，且δ>1；N_S为主页的版块总数量；[]为取整函数。

6.根据权利要求5所述的一种基于大数据的用户关注需求分析处理方法，其特征在于，对目标新用户和研究对象用户的关注信息做综合分析的过程包括：

通过公式计算获得集合I_sum；

基于Java编程技术中Collections类的frequency函数计算获取集合I_sum中各个元素的出现次数f；

将出现次数f与预设阈值f_θ作比对：

将满足出现次数f≥f_θ的元素对应的版块作为推荐关注版块推荐给目标新用户；

若集合I_sum内不存在满足出现次数f≥f_θ的元素，则不向目标新用户发出新的推荐信息。

7.根据权利要求2所述的一种基于大数据的用户关注需求分析处理方法，其特征在于，所述方法还包括：

S8、在预设时间段内统计同一版块向目标新用户推荐的推荐次数，对所述推荐次数超过预设的推荐次数阈值的版块进行标记，在更新推荐的过程中不推荐被标记的版块。

8.一种基于大数据的用户关注需求分析处理系统，其特征在于，所述系统用于执行如权利要求1-7中任一项所述的基于大数据的用户关注需求分析处理方法，所述系统包括：

信息采集模块，包括个人信息输入端和网页信息记录端；

所述个人信息输入端用于采集目标新用户的个人信息，所述网页信息记录端用于采集目标新用户及其他用户的浏览信息和关注信息；

处理模块，用于对采集到的目标新用户及其他用户的浏览信息和关注信息进行处理分析，并根据处理分析的结果确立关注推荐策略和推荐更新策略；

推送模块，用于执行推荐策略和推荐更新策略。

9.根据权利要求8所述的一种基于大数据的用户关注需求分析处理系统，其特征在于，所述处理模块包括整合处理单元和综合分析单元；

所述整合处理单元用于对目标新用户的浏览信息进行数据整合处理，并根据数据整合处理的结果确立关注推荐策略；

所述综合分析单元用于对目标新用户和研究对象用户的关注信息做综合分析，并根据综合分析的结果确立推荐更新策略。