TW202211121A - 數據處理方法、裝置、設備及儲存媒體 - Google Patents

Abstract

本公開提供一種數據處理方法、裝置、設備及儲存媒體，其中方法包括：獲取目標用戶的票據影像；從所述票據影像中，識別得到所述票據影像中票據對應的結構標識資訊；基於所述結構標識資訊對應的票據結構類型，從所述票據影像中識別得到所述目標用戶的消費數據。以獲得更加真實全面的消費數據。

Description

數據處理方法、裝置、設備及儲存媒體

本公開涉及計算機視覺技術領域，具體涉及一種數據處理方法、裝置、設備及儲存媒體。

在一些大型的線下消費場所中，為了更有針對性進行活動推廣，運營方需要收集場所中消費用戶的消費數據。相關技術中，運營方可以通過消費場所內不同店鋪分別收集不同的消費數據。這種獲取消費數據的方式，運營方需要依賴消費場所內不同店鋪的協作、支持，往往需要耗費大量人力物力進行數據整理。並且由於不同店鋪之間具有一定競爭關係，運營方難以獲取到真實全面的消費數據。

本公開提供了一種數據處理方法、裝置、設備及儲存媒體。

根據本公開實施例的第一方面，提供一種數據處理方法，所述方法包括：獲取目標用戶的票據影像；從所述票據影像中，識別得到所述票據影像中票據對應的結構標識資訊；基於所述結構標識資訊對應的票據結構類型，從所述票據影像中識別得到所述目標用戶的消費數據。

在一些可選實施例中，所述方法還包括：獲取所述目標用戶的用戶資訊；基於所述用戶資訊，獲取目標消費群體的消費數據，所述目標消費群體中用戶的用戶資訊與所述目標用戶的用戶資訊相匹配；基於所述目標消費群體的消費數據，生成推薦資訊。

在一些可選實施例中，所述方法還包括：基於所述票據影像中的消費標識，獲取所述目標用戶的參考消費數據；基於所述參考消費數據，對通過識別得到的所述目標用戶的消費數據進行校正。

在一些可選實施例中，所述消費數據包括消費時間、消費金額、收款方資訊、付款方式、折扣資訊、消費人數中的至少一項；所述基於所述票據影像中的消費標識，獲取所述目標用戶的參考消費數據，包括：訪問關聯應用程式，以基於所述票據影像中的消費標識，通過所述關聯應用程式獲取所述參考消費數據。

在一些可選實施例中，所述基於所述結構標識資訊對應的票據結構類型，從所述票據影像中識別得到所述目標用戶的消費數據，包括：根據所述結構標識資訊對應的票據結構類型，確定對應的數據識別網路；將所述票據影像輸入所述數據識別網路，得到由所述數據識別網路輸出的所述消費數據。

在一些可選實施例中，所述獲取目標用戶的票據影像，包括：獲取所述目標用戶上傳的票據影像，並判斷所述上傳的票據影像中票據的完整性；在所述上傳的票據影像中票據的完整性符合第一預設條件的情況下，確定所述上傳的票據影像為所述目標用戶的票據影像。

在一些可選實施例中，所述獲取目標用戶的票據影像，還包括：在獲取所述目標用戶上傳的票據影像時，採集上傳所述票據影像的所述目標用戶的用戶標識；建立所述用戶標識與所述上傳的票據影像之間的關聯關係。

在一些可選實施例中，所述獲取目標用戶的票據影像，還包括：從所述目標用戶的票據影像中識別得到票據資訊，並判斷識別得到的所述票據資訊的完整性；在所述票據資訊的完整性不符合第二預設條件的情況下，刪除所述票據影像和/或提示所述目標用戶重新上傳所述票據對應的票據影像。

在一些可選實施例中，所述票據影像包含所述目標用戶在消費場所內的消費產生的票據；其中，所述消費場所包括：多個場所區域，不同的所述場所區域對應的票據具有不同的票據結構類型；所述票據影像中票據對應的結構標識資訊包括用於確定所述票據影像中票據對應的場所區域的輔助結構資訊。

根據本公開實施例的第二方面，提供一種數據處理裝置，所述裝置包括：影像獲取模組，用於獲取目標用戶的票據影像；標識識別模組，用於從所述票據影像中，識別得到所述票據影像中票據對應的結構標識資訊；數據識別模組，用於基於所述結構標識資訊對應的票據結構類型，從所述票據影像中識別得到所述目標用戶的消費數據。

在一些可選實施例中，所述裝置還包括：用戶資訊獲取模組，用於獲取所述目標用戶的用戶資訊；群體數據獲取模組，用於基於所述用戶資訊，獲取目標消費群體的消費數據，所述目標消費群體中用戶的用戶資訊與所述目標用戶的用戶資訊相匹配；推薦資訊生成模組，用於基於所述目標消費群體的消費數據，生成推薦資訊。

在一些可選實施例中，所述裝置還包括：參考數據獲取模組，用於基於所述票據影像中的消費標識，獲取所述目標用戶的參考消費數據；校正模組，用於基於所述參考消費數據，對通過識別得到的所述目標用戶的消費數據進行校正。

在一些可選實施例中，所述消費數據包括消費時間、消費金額、收款方資訊、付款方式、折扣資訊、消費人數中的至少一項；所述參考數據獲取模組，用於訪問關聯應用程式，以基於所述票據影像中的消費標識，通過所述關聯應用程式獲取所述參考消費數據。

在一些可選實施例中，所述數據識別模組，用於根據所述結構標識資訊對應的票據結構類型，確定對應的數據識別網路；將所述票據影像輸入所述數據識別網路，得到由所述數據識別網路輸出的所述消費數據。

在一些可選實施例中，所述影像獲取模組，用於獲取所述目標用戶上傳的票據影像；判斷所述上傳的票據影像中票據的完整性；在所述上傳的票據影像中票據的完整性符合第一預設條件的情況下，確定所述上傳的票據影像為所述目標用戶的票據影像。

在一些可選實施例中，所述影像獲取模組，用於在獲取所述目標用戶上傳的票據影像時，採集上傳所述票據影像的所述目標用戶的用戶標識；建立所述用戶標識與所述上傳的票據影像之間的關聯關係。

在一些可選實施例中，所述裝置，還包括：票據資訊識別模組，用於從所述目標用戶的票據影像中識別得到票據資訊，並判斷識別得到的所述票據資訊的完整性；影像處理模組，用於在所述票據資訊的完整性不符合第二預設條件的情況下，刪除所述票據影像和/或提示所述目標用戶重新上傳所述票據對應的票據影像。

在一些可選實施例中，所述票據影像包含所述目標用戶在消費場所內的消費產生的票據；其中，所述消費場所包括：多個場所區域，不同的所述場所區域對應的票據具有不同的票據結構類型；所述票據影像中票據對應的結構標識資訊包括用於確定所述票據影像中票據對應的場所區域的輔助結構資訊。

根據本公開實施例的第三方面，提供一種計算機設備，包括儲存器、處理器及儲存在儲存器上並可在處理器上運行的計算機程式，所述處理器執行所述程式時實現第一方面中任一項所述的數據處理方法。

根據本公開實施例的第四方面，提供一種計算機可讀儲存媒體，其上儲存有計算機程式，所述程式被處理器執行時實現第一方面中任一所述的數據處理方法。

根據本公開實施例的第五方面，提供一種計算機程式產品，包括計算機程式，所述程式被處理器執行時實現第一方面中任一所述的數據處理方法。

本公開實施例中，可以從目標用戶的票據影像中，識別得到對應的結構標識資訊，基於結構標識資訊對應的票據結構類型，從票據影像中識別得到目標用戶的消費數據。考慮到本公開是基於票據影像的內容，掌握各用戶在不同店鋪、門市等的消費數據，這就意味著，獲取消費數據的方式，不再依賴場所內不同店鋪的協助與支持，而是直接通過票據影像獲得，從而節省了大量的人力物力，可以獲得更加真實全面的消費數據。此外，在獲取到更加真實全面的消費數據的基礎上，對於消費數據的應用，也會因消費數據可靠性較高而得到更加貼合實際情況的分析、處理結果。

應當理解的是，以上的一般描述和後文的細節描述僅是示例性和解釋性的，而非限制本公開。

這裡將詳細地對示例性實施例進行說明，其示例表示在附圖中。下面的描述涉及附圖時，除非另有表示，不同附圖中的相同數字表示相同或相似的要素。以下示例性實施例中所描述的具體方式並不代表與本公開相一致的所有方案。相反，它們僅是與如所附申請專利範圍中所詳述的、本公開的一些方面相一致的裝置和方法的例子。

在本公開使用的術語是僅僅出於描述特定實施例的目的，而非旨在限制本公開。在本公開和所附申請專利範圍中所使用的單數形式的“一種”、“所述”和“該”也旨在包括多數形式，除非上下文清楚地表示其他含義。還應當理解，本文中使用的術語“和/或”是指並包含一個或多個相關聯的列出項目的任何或所有可能組合。

應當理解，儘管在本公開可能採用術語第一、第二、第三等來描述各種資訊，但這些資訊不應限於這些術語。這些術語僅用來將同一類型的資訊彼此區分開。例如，在不脫離本公開範圍的情況下，第一資訊也可以被稱為第二資訊，類似地，第二資訊也可以被稱為第一資訊。取決於語境，如在此所使用的詞語“如果”可以被解釋成為“在……時”或“當……時”或“響應於確定”。

在一些大型的線下消費場所中，運營方往往需要收集場所中消費用戶的消費數據。相關技術中，運營方可以通過消費場所內不同店鋪分別收集不同的消費數據。例如，運營方可以從各個店鋪獲取每日的消費數據，以將從多個店鋪獲取到的多日的消費數據進行整合處理，從而完成消費數據采集。

在這種獲取消費數據的方式中，運營方需要依賴消費場所內不同店鋪的協作與支持，往往會耗費人力物力。並且，由於同一消費場所內不同店鋪之間具有一定的競爭關係，運營方難以獲取到真實全面的消費數據。

本公開提供了一種數據處理方法，可以獲取目標用戶的票據影像，並從票據影像中識別得到票據對應的結構標識資訊，基於結構標識資訊對應的票據結構類型，從票據影像中識別得到目標用戶的消費數據。

其中，獲取目標用戶的票據影像的方式可以有多種實現形式，例如，可以是消費場所的運營者引導目標用戶主動提供票據影像。這種獲取消費數據的方式，不再依賴消費場所內不同店鋪的協助與支持，可以直接從目標用戶上傳的票據影像中識別得到消費數據。不僅節省了人力物力，獲得的消費數據也更加真實全面。

在本公開中，消費場所是可供消費者進行線下消費的場所。例如，一些綜合型的購物中心，其中購物中心中可以提供多種線下服務：服裝銷售服務、餐飲服務、文化娛樂服務、運動健身服務等。消費者或購物中心用戶，可以在該購物中心進行自由活動、選擇各種不同的服務進行消費。這種能夠提供線下消費服務的場所，可以稱為消費場所。

為了使本公開提供的數據處理方法更加清楚，下面結合附圖和具體實施例對本公開提供的方案執行過程進行詳細描述。

參見圖1，圖1是本公開提供的實施例示出的一種數據處理方法流程圖。如圖1所示，該流程包括：

步驟101，獲取目標用戶的票據影像。

目標用戶指的是需要被獲取消費數據的用戶，例如，是可以在消費場所進行消費活動的一個或是多個用戶。

例如，以大型購物中心作為消費場所，消費者或購物中心用戶可以在該購物中心進行各種消費活動：購物、吃飯、玩遊戲等。其中，在購物中心進行各種消費活動的消費者或用戶，可以稱為該購物中心的目標用戶。

票據影像是根據目標用戶在消費場所內消費過程中產生的票據得到的影像。其中，票據中包含目標用戶在消費場所內進行消費的相關數據。

示例性的，票據指的是用於表徵目標用戶產生消費行為的單據，例如，票據可以是目標用戶在消費場所進行消費後開具的發票，或者，票據可以是目標用戶在消費場所進行消費後形成的購物明細。或者，還可以包括其他不同形式的票據，本實施例對票據具體形式並不限制。

根據目標用戶的票據可以得到對應的票據影像。

例如，可以用諸如手機等具備拍攝功能的設備對發票或購物明細進行拍攝，得到的影像即為對應的票據影像。或者，可以對發票或購物明細進行掃描，掃描得到的影像即為對應的票據影像。可以理解的是，根據票據得到對應票據影像的方式，還可以包括更多具體的形式，本實施例並不進行限制。

在消費場所進行線下消費的場景中，購物明細是重要的消費憑證，可以真實反映目標用戶的真實購買行為。本步驟可以獲取購物明細的票據影像，從而獲取購物明細上的資訊，得到消費場所內目標用戶的消費數據。

為了獲取到更加全面的消費數據，消費場所的運營方可以採用不同形式，引導目標用戶主動提供票據影像。例如，消費場所運營方可以通過積分、折扣券、代金券等作為回報，引導目標用戶主動對購物明細進行拍攝，並將拍攝得到的對應的票據影像提供至消費場所運營方。這種獲取票據影像的方式，增強了目標用戶與消費場所之間的聯動，提升了目標用戶的消費粘性。在一種實現方式中，消費場所運營方可以通過諸如手機APP、公眾號、小程式等週期性或是非週期性推送票據獲取的請求。其中，週期性指的是，每間隔一定時段或是在預定的時段內（例如，節假日、或是節假日過後的第一個、第二個工作日等），主動推送票據獲取的請求；而非週期性指的是，在用戶產生相應消費時或是產生相應消費後的一定時段內推送票據獲取的請求。

其中，目標用戶向消費場所運營方提供票據影像的途徑可以包括多種。例如，目標用戶可以通過消費場所對應的手機APP、公眾號、小程式等上傳票據影像，以將票據影像提供至消費場所的運營方。在實際應用過程中，上傳票據影像的途徑，可以基於目標用戶的使用習慣、消費場所運營方所提供的票據影像上傳途徑、目標用戶使用的諸如手機等終端的處理能力等多維度因素中的至少一項確定，在此不予限定，可以包括但不限於上述例舉的情況。

步驟102，從所述票據影像中，識別得到所述票據影像中票據對應的結構標識資訊。

考慮到購物中心中，不同商鋪或不同品牌的購物明細的內容佈局、字體結構、數字格式等往往不同。所以，在實際應用場景中，購物明細通常不是標準化的。但是，同一商鋪或同一品牌的購物明細，其票據結構往往是固定的，例如，同一商鋪或同一品牌的票據結構是相同或是相似的結構，且對於相似的結構而言，細微的差異並不會對識別過程產生過多的影響，該影響通常不會影響最終的輸出結果，因此，可忽略不計。

在本公開實施例中，結構標識資訊可以用來區分不同票據結構，即結構標識資訊可以用來標識不同票據結構。

示例性的，結構標識資訊可以是購物中心中商鋪的名稱；或者，可以是購物中心中商鋪的品牌logo。由於同一商鋪的購物明細的票據結構通常是固定的，所以商鋪的名稱可以標識不同的票據結構。同理，同一品牌的購物明細的票據結構通常是相同或是相似的，所以品牌logo可以標識不同的票據結構。

本步驟可以從票據影像中，識別得到結構標識資訊。例如，可以基於光學字元識別（Optical Character Recognition，OCR）技術，從票據影像中識別得到品牌logo，作為結構標識資訊。

步驟103，基於所述結構標識資訊對應的票據結構類型，從所述票據影像中識別得到所述目標用戶的消費數據。

票據結構類型可以反映票據結構的資訊。例如，購物中心中包括20個不同的品牌門市，不同的品牌門市的購物明細的票據結構不同。但是，同一品牌門市對應的購物明細，其票據結構是固定的。不同的票據結構類型用於反映不同的票據結構。

在本公開實施例中，可以根據得到的結構標識資訊，確定票據影像的票據結構類型。在一種可能地實現方式中，可以預先設置結構標識資訊與票據結構類型的對應關係。在識別得到票據影像中的結構標識資訊後，可以根據預先設置的對應關係，確定票據影像對應的票據結構類型。

消費數據是目標用戶在消費場所內消費過程產生的數據。例如，目標用戶可以在進入某大型購物中心的餐廳吃飯後，結帳並開具發票，其中發票中記錄的相關資訊，可以作為該目標用戶的消費數據。其中，消費數據中可以包括但不局限於：消費時間、消費地點、消費金額、收款方資訊、付款方式、折扣資訊、消費人數等。

本步驟可以基於結構標識資訊對應的票據結構類型的票據結構特點，對票據影像中票據上的資訊進行識別，得到目標用戶的消費數據。例如，可以識別得到目標用戶的消費時間、購買的商品資訊、折扣資訊等。這種從票據影像中識別消費數據的方式，可以針對票據的結構特點對票據影像更有針對性進行識別，可以更加準確、高效的得到目標用戶的消費數據。

示例性的，本步驟可以通過OCR技術，對票據影像中的票據進行識別，得到目標用戶的消費數據。

其中，在對票據影像進行識別處理的過程中，可以根據票據影像對應數據量的大小選擇不同的處理平臺。例如，如果票據影像對應數據量足夠小，則可以直接在諸如手機等移動終端完成識別處理；如果票據影像對應的數據量較大，則可以將票據影像或是票據影像對應的數據上傳至雲端，利用雲端計算資源完成對票據影像的識別處理。

需要說明的是，對於數據量大小的判斷，可以借助數據量閾值或是數據量區間來判定。例如，以數據量閾值為例，在數據量小於或等於第一數據量閾值的情況下，可以由移動終端完成識別處理；在數據量大於第二數據量閾值的情況下，可以由雲端完成識別處理。其中，第一數據量閾值小於或等於第二數據量閾值。在第一、第二數據量閾值的設定過程中，可以綜合考慮移動終端及雲端的計算資源是否充足、各自具備的計算能力、實際應用場景對於數據處理過程所需的時間等多個維度中的至少一項。並且，在第一、第二數據量閾值確定的情況下，可以基於實際情況，進行動態調整，即調整第一數據量閾值和第二數據量閾值中的一項或是多項。同樣的，數據量區間也可以採用類似的方式進行設置及動態調整，在此不予贅述。

在本公開實施例中，可以通過獲取目標用戶的票據影像，基於對應的票據結構類型，由票據影像中識別得到目標用戶的消費數據。其中，票據影像可以是目標用戶主動提供的影像，不需要消費場所內不同店鋪的協助或支持。消費場所運營方可以直接面對目標用戶並獲取消費數據，不僅節省了人力物力，並且可以獲取更加真實全面的消費數據。

在獲得目標用戶的消費數據之後，可以全面瞭解到目標用戶在消費場所的完整消費記錄。例如，通過消費記錄，可以瞭解到目標用戶在每一次到訪消費場所過程中的消費時間、消費商鋪、消費商品等中的一項或是多項。

在一些可選實施例中，在獲取了目標用戶的消費數據的情況下，可以對所述消費數據進行處理，得到目標用戶在所述消費場所的消費習慣數據。

消費習慣數據，是能夠反映目標用戶在消費場所進行消費的消費習慣、消費偏好的相關數據。示例性的，消費習慣數據可以包括但不局限於消費時段、反映目標用戶消費偏好的消費店鋪類型及消費商品類型、反映目標用戶消費能力的消費價格區間等中的一項或是多項。

在上述實施例中，可以對目標用戶的消費數據進行處理，得到目標用戶在消費場所進行消費的消費習慣數據。示例性的，可以根據消費場所中目標用戶的消費數據，建立目標用戶的用戶畫像。消費場所的運營方可以根據用戶畫像，更有針對性的在消費場所中進行消費推廣。

例如，用戶畫像中可能反映出消費場所中週六上午十點至十一點兒童玩具類商品消費需求更大。從而，消費場所的運營方可以在週六上午十點至十一點舉辦專門的玩具購物優惠活動，進一步挖掘目標用戶對兒童玩具的購買潛力，同時更有針對性滿足消費場所目標用戶的消費需求，提高消費體驗。

在上述實施例中，可以對目標用戶的消費數據進行處理，得到目標用戶在消費場所的消費習慣數據。從而，消費場所運營人員可以根據目標用戶的消費習慣數據，制定更有針對性的宣傳方案。例如，可以更有針對性進行消費推薦，提升目標用戶的消費體驗。

在一些可選實施例中，在獲取到多個目標用戶的消費數據的情況下，可以對每一個目標用戶的消費數據進行處理，分別得到每個目標用戶在消費場所的消費習慣數據。

例如，購物中心收集到300個目標用戶在購物中心進行購物的消費數據。本公開實施例中，可以對收集到的這300個目標用戶的消費數據分別進行處理，對其中每一個目標用戶建立一個對應的用戶畫像。

上述實施例中，可以得到每一個目標用戶在消費場所的消費習慣數據。從而，消費場所可以根據每一個目標用戶的消費習慣數據，對每一個目標用戶進行更加精確的消費推薦、個性化營銷。

例如，針對每個用戶畫像對應的目標用戶，基於用戶畫像的內容，實現針對該目標用戶的廣告推送。示例性的，可以在目標用戶傾向的消費時段內，向目標用戶推薦更具傾向性的店鋪類型的相關折扣資訊；或者，可以在目標用戶傾向的消費時段內，向目標用戶推薦更具傾向性的商品類型的促銷資訊。

在一些可選實施例中，在獲取到多個目標用戶的消費數據的情況下，可以對這多個目標用戶的消費數據進行整體處理，得到這多個目標用戶對應的消費群體的消費習慣數據。

上述實施例中，消費群體可以按照多種不同的劃分方式，對消費場所的目標用戶進行劃分得到。

示例性的，可以利用空間區域進行劃分。例如，將在消費場所進行消費的多個目標用戶劃分為一個完整的消費群體。

示例性的，可以利用目標用戶的年齡數據進行劃分。例如，可以將在消費場所進行消費的目標用戶，按照年齡劃分為多個群體且每個群體對應一個或是多個年齡段：兒童群體（18歲以下）、青年群體（18歲至35歲）、中年群體（36歲至55歲）和老年群體（55歲以上）。

示例性的，可以利用目標用戶不同的興趣愛好進行劃分。例如，可以按照興趣愛好，將消費場所的目標用戶劃分為多個群體：籃球愛好群體、桌球愛好群體、健身愛好群體、美食愛好群體等。

以上示例中消費群體的劃分僅根據一種劃分依據進行劃分。在一些可實現的方式中，可以綜合多種不同的劃分依據對目標用戶進行劃分，得到更有針對性的消費群體。例如，可以同時將興趣愛好和年齡作為進行群體劃分的依據，得到對應的消費群體。例如：籃球愛好兒童群體。

上述實施例中，可以將不同的消費群體對應的多個目標用戶的消費數據進行整體處理，得到與相應消費群體對應的消費習慣數據。從而，可以根據不同消費群體的消費習慣數據，為不同消費群體提供精準化消費推薦、個性化營銷，提升不同消費群體的消費體驗。

例如，可以將消費場所中全部的目標用戶作為一個完整的消費群體，基於全部目標用戶的消費數據，建立對應該消費群體的用戶畫像。從而，可以根據該消費群體的用戶畫像，為消費場所中所有的目標用戶提供更有價值、更精準化的消費推薦，提升在消費場所消費的目標用戶的消費體驗。

在一些可選實施例中，如圖2所示，所述數據處理方法還可以包括以下步驟：

步驟201，獲取所述目標用戶的用戶資訊。

用戶資訊，可以是能夠反映用戶的用戶屬性的資訊。其中，用戶資訊可以包括一個或多個維度的資訊。示例性的，用戶資訊中可以包括性別、年齡、身高、體重、愛好、消費偏好等其中的一項或多項。可以理解的是，不同目標用戶對應的用戶資訊可能相同或不同。

其中，獲取用戶資訊的方式也可以包括多種形式，本公開實施例並不限制。示例性的，運營方可以基於消費場所對應的手機APP、公眾號或小程式，引導目標用戶主動提供自身的用戶資訊。例如，以手機APP為例，可以在手機APP中的用戶註冊界面中設置不同的用戶資訊收集選項，以在目標用戶註冊過程中收集該目標用戶的用戶資訊。再例如，目標用戶在消費場所內消費後，運營方可以以優惠券作為回報，引導目標用戶主動提供自己的用戶資訊。

步驟202，基於所述用戶資訊，獲取目標消費群體的消費數據，所述目標消費群體中用戶的用戶資訊與所述目標用戶的用戶資訊相匹配。

在本公開實施例中，可以根據不同的劃分依據，預先確定一個或多個不同的消費群體。具體的消費群體劃分可以參照上一實施例的相關描述，在此不再贅述。

本步驟可以基於目標用戶的用戶資訊，確定目標用戶所對應的消費群體，作為目標消費群體。例如，目標用戶A的用戶資訊中包括：性別-女，年齡-24周歲。本步驟可以基於用戶資訊中的性別和年齡，從不同的消費群體中確定對應的消費群體：女青年群體。可以將該女青年群體，作為目標對象A的目標消費群體。

在一種可能的實現方式中，需要將不同消費群體中用戶的用戶資訊與目標用戶的用戶資訊進行比對，只有在某一消費群體中用戶的用戶資訊與目標用戶的用戶資訊對應的資訊類別相同或相似的情況下，也即該消費群體中用戶的用戶資訊與目標用戶的用戶資訊相匹配的情況下，確定該消費群體為目標對象的目標消費群體。

需要說明的是，兩個用戶資訊對應的資訊類別相同或相似可以包括多種不同的情況。例如，消費群體中用戶的用戶資訊與目標用戶的用戶資訊完全相同。或者，消費群體中用戶的用戶資訊與目標用戶的用戶資訊相似度達到預設條件。其中，消費群體中用戶的用戶資訊與目標用戶的用戶資訊之間的相似度可以有多種靈活的計算方式。例如，可以將兩個用戶資訊中相同資訊的數量作為相似度判斷指標，在兩個用戶資訊中相同資訊的數量達到預設閾值的情況下，則可以認為兩種用戶資訊相似度達到了預設條件。

在確定目標用戶的目標消費群體後，本步驟可以獲取該目標消費群體的消費數據。

步驟203，基於所述目標消費群體的消費數據，生成推薦資訊。

某一消費群體的消費數據可以直觀反映該群體的消費習慣或消費偏好，而目標用戶對應的消費群體為目標消費群體，所以，可以根據目標消費群體的消費數據，為目標用戶生成對應的推薦資訊。

示例性的，基於目標消費群體的消費數據，可以在目標用戶偏好的時間段內，採用目標用戶偏好的方式，為目標用戶推薦目標用戶偏好的內容資訊。例如，可以在傍晚時分以公眾號的方式向目標用戶推薦目標用戶偏好的甜品折扣資訊。

在上述實施例中，可以基於目標用戶的用戶資訊，獲取對應的目標消費群體的消費數據，從而可以基於該目標消費群體的消費數據，為目標用戶生成對應的推薦資訊。該方式中，基於目標消費群體的消費數據，可以更有針對性的生成推薦資訊提供給目標用戶，實現對目標用戶的個性化營銷，提升目標用戶的消費體驗。

在一些可選實施例中，所述數據處理方法還可以包括：基於所述票據影像中的消費標識，獲取所述目標用戶的參考消費數據；基於所述參考消費數據，對通過識別得到的所述目標用戶的消費數據進行校正。

消費標識是用於唯一標識票據影像中票據的標識資訊。示例性的，消費標識可以是票據中的訂單編號。其中，訂單編號可以唯一標識產生該票據的這次消費訂單，所以訂單編號可以唯一標識該票據。可以理解的是除訂單編號外，消費標識還可以是其他標識票據的資訊，或者其他多種標識票據的資訊的組合。本公開實施例對消費標識的具體形式並不限制。

參考消費數據是從票據影像之外獲取的目標用戶的消費數據。由於參考消費數據是從票據影像之外的其他途徑獲取的消費數據，所以可以利用參考消費數據對從票據影像中識別得到的消費數據進行校正。

其中，參考消費數據可以從多種不同的途徑獲取。例如，可以從消費場所內店鋪的結帳系統中獲取對應的參考消費數據。例如，可以從用於支付對應消費的支付應用程式中獲取對應的參考消費數據。例如，可以由目標用戶主動提供參考消費數據，可以利用目標用戶進行消費數據的直接校正。

上述實施例中，可以基於票據影像中的消費標識，獲取對應該票據影像的參考消費數據，並利用該參考消費數據對從票據影像中識別得到的消費數據進行校正。由於參考消費數據是從票據影像之外的途徑獲取的消費數據，所以可以利用該參考消費數據對票據影像中識別得到的消費數據進行校正，進一步提高識別得到的目標用戶的消費數據的準確性。從而可以利用該消費數據為目標用戶提供更加精確的個性化營銷，提升目標用戶的消費體驗。

在一種可能的實現方式中，可以根據消費標識，從消費場所內不同店鋪的POS機系統中獲取對應票據影像的消費數據，作為該票據影像的參考消費數據。從而，可以基於該參考消費數據，對從票據影像中識別得到的消費數據進行校正。這種實現方式中，可以複用消費場所內店鋪結帳系統中收集的資訊，可以充分利用消費場所內部收集的消費數據，不需要通過額外其他途徑收集消費數據。

在另一種可能的實現方式中，所述消費數據包括消費時間、消費金額、收款方資訊、付款方式、折扣資訊、消費人數中的至少一項；所述基於所述票據影像中的消費標識，獲取所述目標用戶的參考消費數據，包括：訪問關聯應用程式，以基於所述票據影像中的消費標識，通過所述關聯應用程式獲取所述參考消費數據。

其中，收款方資訊可以是對應消費過程中與收款方相關的資訊。示例性的，收款方資訊可以包括店鋪名稱、收款賬號等。付款方式可以包括各種不同的付款形式。示例性的，付款方式可以包括但不限制於：現金支付、二維碼支付、小程式支付、手機APP支付、銀行卡刷卡支付、會員卡支付等。

關聯應用程式，是具備支付功能的應用程式，且該應用程式用來完成票據影像中票據對應的消費支付。例如，目標用戶在消費場所內的店鋪中進行消費，並利用具備支付功能的應用程式“支付×”來向商家進行支付，商家收款後可以打印購物明細提供給目標用戶。其中，應用程式“支付×”可以作為對應該購物明細的關聯應用程式。

上述實施例中，可以通過訪問對應的關聯應用程式，並基於票據影像中的消費標識，從關聯應用程式中獲取對應票據影像的參考消費數據。

以“支付×”作為關聯應用程式，進行示例性說明。例如，可以通過識別票據影像對應的付款方式，確定目標用戶是通過“支付×”完成支付。該實現方式中，在得到用戶許可的情況下，可以從應用程式“支付×”中查找對應票據影像中消費標識的參考消費數據。例如，可以從應用程式“支付×”中獲取對應消費標識的消費數據：消費時間、消費金額和收款方資訊，作為對應該消費標識的參考消費數據。

在上述實現方式中，在目標用戶許可的情況下，可以通過訪問關聯應用程式，獲取對應的參考消費數據。該方式中，可以充分利用目標用戶的支付應用程式收集的參考消費數據，以對從票面影像中識別得到的消費數據進行校正。

在一些可選實施例中，可以針對不同的票據結構類型，分別訓練得到不同的數據識別網路。其中，數據識別網路可以是對神經網路進行訓練得到的網路模型。

例如，品牌門市A對應的票據結構是固定的，且該品牌門市購物明細的票據結構類型為“類型a”。在上述實施例中，可以收集大量的票據結構類型為“類型a”的票據影像作為訓練樣本，對神經網路進行訓練，直到滿足預設的訓練要求，最終得到滿足要求的數據識別網路A。同理，可以利用票據結構類型為“類型b”的票據影像，訓練得到數據識別網路B。基於相同原理，可以針對不同的票據結構類型，訓練得到更多的數據識別網路。

在基於不同票據結構類型訓練得到不同數據識別網路的情況下，所述基於所述結構標識資訊對應的票據結構類型，從所述票據影像中識別得到所述目標用戶的消費數據，包括：根據所述結構標識資訊對應的票據結構類型，確定對應的數據識別網路；將所述票據影像輸入所述數據識別網路，得到由所述數據識別網路輸出的所述消費數據。

例如，在需要對票據結構類型為“類型a”的票據影像進行識別時，可以根據“類型a”從一個或多個數據識別網路中確定對應的數據識別網路A；將票據影像輸入該數據識別網路A中，由數據識別網路A識別出票據影像中目標用戶的消費數據。

上述實施例中，可以針對不同的票據結構類型，有針對性的訓練得到不同的數據識別網路，並利用相應票據結構類型的數據識別網路進行票據影像的識別，從而提高了對各種結構的票據影像的識別準確率，可以更加準確的識別出票據影像中目標用戶的消費數據。

在一些可選實施例中，所述獲取所述目標用戶的票據影像，包括：獲取所述目標用戶上傳的票據影像，並判斷所述上傳的票據影像中票據的完整性；在所述上傳的票據影像中票據的完整性符合第一預設條件的情況下，確定所述上傳的票據影像為所述目標用戶的票據影像。

在上述實施例中，需要預先對票據影像設置第一預設條件。

示例性的，可以預先設置票據清晰度條件，只有票據資訊足夠清晰的票據影像才符合預設的票據清晰度條件。示例性的，可以預先設置票據完整度條件，只有票據影像中的票據足夠完整的票據影像，才符合預設的票據完整度條件。可以理解的是，預設條件是用於篩選票據影像的篩選條件。可以根據對票據影像的具體要求，設置符合對應要求的篩選條件，本公開實施例對第一預設條件的設置並不限制。

上述實施例中，在獲取到目標用戶上傳的票據影像後，可以判斷上傳的票據影像中票據的完整性。如果票據影像中票據的完整性符合第一預設條件，則確定上傳的票據影像可用，可以確定為對應目標用戶的票據影像。

在一種可能地實現方式中，如果票據影像中票據的完整性不符合第一預設條件，則上傳的票據影像不可用。此時，可以向上傳票據影像的目標用戶提供提示資訊，以告知目標用戶上傳的票據影像不可用、需要目標用戶重新上傳票據對應的票據影像。

例如，可以針對票據影像不可用的具體情況（通常是因為光線、褶皺、損壞等問題導致），提示目標用戶按照恰當的方式對票據進行拍攝。例如，通過文字、語音等方式，指出目標用戶拍攝不當的原因，或者提示恰當的拍攝方式。例如，提示資訊可以是：拍攝光線過暗、建議改善環境光照等。

在上述實施例中，可以通過預先設置的第一預設條件，對目標用戶上傳的票據影像進行質量篩選。可以將不符合第一預設條件的票據影像排除，提高獲取的票據影像的影像質量，從而可以更加準確獲取票據上包含的消費數據。

在一些可選實施例中，所述獲取所述目標用戶的票據影像，還包括：在獲取所述目標用戶上傳的票據影像時，採集上傳票據影像的目標用戶的用戶標識；建立所述用戶標識與所述上傳的票據影像的關聯關係。

上述實施例中，在獲取到目標用戶上傳的票據影像時，可以同時採集該上傳票據影像的目標用戶的用戶標識。其中，用戶標識可以是用於區分不同用戶的標識。例如，可以是目標用戶的手機號、身份證號碼等標識資訊。從而，可以將上傳的票據影像與目標用戶建立對應的關聯關係。在後續利用票據影像識別得到消費數據後，可以將識別得到的消費數據與目標用戶進行對應關聯。

上述實施例中，在目標用戶主動提供票據影像的情況下，可以建立用戶標識與票據影像之間的關聯關係。從而，便於將識別得到的票據中的消費數據與目標用戶進行關聯。後續，可以利用目標用戶對應的全部消費數據對目標用戶進行畫像分析。

在一些可選實施例中，在所述從所述票據影像中，識別得到所述票據影像中票據對應的結構標識資訊之前，還包括：從所述目標用戶的票據影像中識別得到票據資訊，並判斷識別得到的所述票據資訊的完整性；在所述票據資訊的完整性不符合第二預設條件的情況下，執行刪除所述票據影像以及提示所述目標用戶重新上傳所述票據對應的票據影像中的至少一個。

上述實施例中，需要針對票據資訊預先設置第二預設條件。示例性的，可以預先設置票據資訊的第二預設條件為：票據資訊中分別包括：消費時間、消費地點、消費金額、商品資訊。可以理解的是，針對票據資訊預先設置的第二預設條件，是用於篩選票據資訊的篩選條件，通過對票據資訊的篩選完成對票據影像的篩選。其中，預先設置的第二預設條件可以根據具體的票據資訊的篩選需求進行針對性設置，本實施例並不限制第二預設條件的具體形式。

獲取目標用戶的票據影像後，需要從票據影像中識別得到票據資訊，並判斷票據資訊的完整性。示例性的：如果票據資訊中包括第二預設條件中的所有資訊，則可以確定該票據資訊具備完整性，即符合第二預設條件；如果票據資訊中缺失第二預設條件中的部分資訊，則可以確定該票據資訊不具備完整性，即該票據影像不可用。在票據資訊不具備完整性的情況下，可以向對應目標用戶發送對應的提示資訊，以提示目標用戶上傳的票據影像不可用、需要重新上傳票據影像。進一步的，還可以刪除對應的該票據影像。

例如，從票據影像中識別得到的票據資訊中不包括：消費金額，則可以確定該票據資訊不滿足第二預設條件，對應的該票據影像不可用。則可以向上傳該票據影像的目標用戶發送提示資訊“票據影像上傳失敗，請重新上傳！”，以提示目標用戶重新上傳符合第二預設條件的票據影像。

在上述實施例中，可以從票據影像中識別得到票據資訊，通過預先設置的第二預設條件對票據資訊的完整性進行控制。從而，可以將不符合條件的票據影像篩選出去，提高票據影像的質量，從而得到更加準確的消費數據。

在一些可選實施例中，所述票據影像是根據所述目標用戶在消費場所內消費過程中產生的票據得到的影像；其中，所述消費場所包括：多個場所區域，不同的場所區域的票據具有不同的票據結構類型；所述基於所述結構標識資訊對應的票據結構類型，從所述票據影像中識別得到所述目標用戶的消費數據，包括：獲取輔助結構資訊，並根據所述輔助結構資訊，確定所述票據影像對應的場所區域；根據所述票據影像對應的場所區域，確定所述票據影像對應的票據結構類型。

上述實施例中，消費場所可以包括多個場所區域。例如，購物中心中可以包括多個不同的品牌門市，這些不同的品牌門市可以稱為不同的場所區域。不同的品牌門市對應的票據，其票據結構類型不同。

在目標用戶許可的情況下，上述實施例中還可以獲取輔助結構資訊。其中，輔助結構資訊是可以輔助確定票據影像對應的場所區域的資訊。例如，可以是目標用戶在消費場所消費時的位置資訊、時間資訊、品牌資訊等。

根據輔助結構資訊，可以確定票據影像對應的場所區域。

示例性的，可以在目標用戶許可的情況下，從其他應用程式（如支付應用程式“支付×”）中獲取輔助結構資訊。例如，可以從支付應用程式“支付×”中獲取目標用戶在消費場所內消費的位置資訊。利用目標用戶消費時的位置資訊與消費場所的平面圖，得到目標用戶消費時所對應的場所區域。

上述實施例中，可以根據場所區域的不同確定票據影像的票據結構類型。基於該票據結構類型，可以從票據影像中識別得到目標用戶的消費數據。從而，可以基於票據結構類型對應的票據的結構特點，對票據影像中票據上的資訊進行識別，得到目標用戶的消費數據。例如，可以識別得到目標用戶的消費時間、商品資訊、折扣資訊等。

圖3所示，本公開提供了一種數據處理裝置，該裝置可以執行本公開任一實施例的數據處理方法。該裝置可以包括影像獲取模組301、標識識別模組302和數據識別模組303。其中：影像獲取模組301，用於獲取目標用戶的票據影像；標識識別模組302，用於從所述票據影像中，識別得到所述票據影像中票據對應的結構標識資訊；數據識別模組303，用於基於所述結構標識資訊對應的票據結構類型，從所述票據影像中識別得到所述目標用戶的消費數據。

可選地，如圖4所示，所述裝置還包括：用戶資訊獲取模組401，用於獲取所述目標用戶的用戶資訊；群體數據獲取模組402，用於基於所述用戶資訊，獲取目標消費群體的消費數據，所述目標消費群體中用戶的用戶資訊與所述目標用戶的用戶資訊相匹配；推薦資訊生成模組403，用於基於所述目標消費群體的消費數據，生成推薦資訊。

可選地，如圖5所示，所述裝置還包括：參考數據獲取模組501，用於基於所述票據影像中的消費標識，獲取所述目標用戶的參考消費數據；校正模組502，用於基於所述參考消費數據，對通過識別得到的所述目標用戶的消費數據進行校正。

可選地，所述消費數據包括消費時間、消費金額、收款方資訊、付款方式、折扣資訊、消費人數中的至少一項；所述參考數據獲取模組501，用於訪問關聯應用程式，以基於所述票據影像中的消費標識，通過所述關聯應用程式獲取所述參考消費數據。

可選地，所述數據識別模組303，用於根據所述結構標識資訊對應的票據結構類型，確定對應的數據識別網路；將所述票據影像輸入所述數據識別網路，得到由所述數據識別網路輸出的所述消費數據。

可選地，所述影像獲取模組301，用於獲取所述目標用戶上傳的票據影像；判斷所述上傳的票據影像中票據的完整性；在所述上傳的票據影像中票據的完整性符合第一預設條件的情況下，確定所述上傳的票據影像為所述目標用戶的票據影像。

可選地，所述影像獲取模組301，用於在獲取所述目標用戶上傳的票據影像時，採集上傳所述票據影像的所述目標用戶的用戶標識；建立所述用戶標識與所述上傳的票據影像之間的關聯關係。

可選地，如圖6所示，所述裝置，還包括：票據資訊識別模組601，用於從所述目標用戶的票據影像中識別得到票據資訊，並判斷識別得到的所述票據資訊的完整性；影像處理模組602，用於在所述票據資訊的完整性不符合第二預設條件的情況下，刪除所述票據影像和/或提示所述目標用戶重新上傳所述票據對應的票據影像。

可選地，所述票據影像包含所述目標用戶在消費場所內的消費產生的票據；其中，所述消費場所包括：多個場所區域，不同的所述場所區域對應的票據具有不同的票據結構類型；所述票據影像中票據對應的結構標識資訊包括用於確定所述票據影像中票據對應的場所區域的輔助結構資訊。

對於裝置實施例而言，由於其基本對應於方法實施例，所以相關之處參見方法實施例的部分說明即可。以上所描述的裝置實施例僅僅是示意性的，其中所述作為分離部件說明的單元可以是或者也可以不是實體上分開的，作為單元顯示的部件可以是或者也可以不是實體單元，即可以位於一個地方，或者也可以分佈到多個網路單元上。可以根據實際的需要選擇其中的部分或者全部模組來實現本公開至少一個實施例方案的目的。本領域普通技術人員在不付出創造性勞動的情況下，即可以理解並實施。

本公開還提供了一種計算機設備，包括儲存器、處理器及儲存在儲存器上並可在處理器上運行的計算機程式，所述處理器執行所述程式時能夠實現本公開任一實施例的數據處理方法。

圖7示出了本公開實施例所提供的一種更為具體的計算機設備硬體結構示意圖，該設備可以包括：處理器1010、儲存器1020、輸入/輸出介面1030、通訊介面1040和匯流排1050。其中處理器1010、儲存器1020、輸入/輸出介面1030和通訊介面1040通過匯流排1050實現彼此之間在設備內部的通訊連接。

處理器1010可以採用通用的CPU（Central Processing Unit，中央處理器）、微處理器、特殊應用積體電路（Application Specific Integrated Circuit，ASIC）、或者一個或多個積體電路等方式實現，用於執行相關程式，以實現本說明書實施例所提供的技術方案。

儲存器1020可以採用ROM（Read Only Memory，唯讀記憶體）、RAM（Random Access Memory，隨機存取記憶體）、靜態儲存設備，動態儲存設備等形式實現。儲存器1020可以儲存操作系統和其他應用程式，在通過軟體或者韌體來實現本說明書實施例所提供的技術方案時，相關的程式代碼保存在儲存器1020中，並由處理器1010來調用執行。

輸入/輸出介面1030用於連接輸入/輸出模組，以實現資訊輸入及輸出。輸入輸出/模組可以作為組件配置在設備中（圖中未示出），也可以外接於設備以提供相應功能。其中輸入設備可以包括鍵盤、滑鼠、觸控螢幕、麥克風、各類傳感器等，輸出設備可以包括顯示器、揚聲器、振動器、指示燈等。

通訊介面1040用於連接通訊模組（圖中未示出），以實現本設備與其他設備的通訊交互。其中通訊模組可以通過有線方式（例如USB、網路線等）實現通訊，也可以通過無線方式（例如移動網路、WIFI、藍牙等）實現通訊。

匯流排1050包括一通路，在設備的各個組件（例如處理器1010、儲存器1020、輸入/輸出介面1030和通訊介面1040）之間傳輸資訊。

需要說明的是，儘管上述設備僅示出了處理器1010、儲存器1020、輸入/輸出介面1030、通訊介面1040以及匯流排1050，但是在具體實施過程中，該設備還可以包括實現正常運行所必需的其他組件。此外，本領域的技術人員可以理解的是，上述設備中也可以僅包含實現本說明書實施例方案所必需的組件，而不必包含圖中所示的全部組件。

本公開還提供了一種計算機可讀儲存媒體，其上儲存有計算機程式，所述程式被處理器執行時能夠實現本公開任一實施例的數據處理方法。

其中，所述非臨時性計算機可讀儲存媒體可以是ROM、隨機存取儲存器（RAM）、CD-ROM、磁帶、軟碟和光數據儲存設備等，本公開並不對此進行限制。

在一些可選實施例中，本公開實施例提供了一種計算機程式產品，包括計算機可讀代碼，當計算機可讀代碼在設備上運行時，設備中的處理器執行用於實現如上任一實施例提供的數據處理方法。該計算機程式產品可以具體通過硬體、軟體或其結合的方式實現。

本領域技術人員在考慮說明書及實踐這裡申請的發明後，將容易想到本公開的其它實施方案。本公開旨在涵蓋本公開的任何變型、用途或者適應性變化，這些變型、用途或者適應性變化遵循本公開的一般性原理並包括本公開未申請的本技術領域中的公知常識或慣用技術手段。說明書和實施例僅被視為示例性的，本公開的真正範圍和精神由下面的權利要求指出。

應當理解的是，本公開並不局限於上面已經描述並在附圖中示出的精確結構，並且可以在不脫離其範圍進行各種修改和改變。本公開的範圍僅由所附的權利要求來限制。

以上所述僅為本公開的較佳實施例而已，並不用於限制本公開，凡在本公開的精神和原則之內，所做的任何修改、等同替換、改進等，均應包含在本公開保護的範圍之內。

101:獲取目標用戶的票據影像 102:從所述票據影像中，識別得到所述票據影像中票據對應的結構標識資訊 103:基於所述結構標識資訊對應的票據結構類型，從所述票據影像中識別得到所述目標用戶的消費數據 201:獲取所述目標用戶的用戶資訊 202:基於所述用戶資訊，獲取目標消費群體的消費數據，所述目標消費群體中用戶的用戶資訊與所述目標用戶的用戶資訊相匹配 203:基於所述目標消費群體的消費數據，生成推薦資訊 301:影像獲取模組 302:標識識別模組 303:數據識別模組 401:用戶資訊獲取模組 402:群體數據獲取模組 403:推薦資訊生成模組 501:參考數據獲取模組 502:校正模組 601:票據資訊識別模組 602:影像處理模組 1010:處理器 1020:儲存器 1030:輸入/輸出介面 1040:通訊介面 1050:匯流排

圖1是根據一示例性實施例示出的一種數據處理方法流程示意圖。 圖2是根據一示例性實施例示出的一種數據處理方法流程示意圖。 圖3是根據一示例性實施例示出的一種數據處理裝置示意圖。 圖4是根據一示例性實施例示出的另一種數據處理裝置示意圖。 圖5是根據一示例性實施例示出的又一種數據處理裝置示意圖。 圖6是根據一示例性實施例示出的又一種數據處理裝置示意圖。 圖7是根據一示例性實施例示出的一種計算機設備的結構示意圖。

101:獲取目標用戶的票據影像

102:從所述票據影像中，識別得到所述票據影像中票據對應的結構標識資訊

103:基於所述結構標識資訊對應的票據結構類型，從所述票據影像中識別得到所述目標用戶的消費數據

Claims (10)

1. 一種數據處理方法，包括： 獲取目標用戶的票據影像； 從所述票據影像中，識別得到所述票據影像中票據對應的結構標識資訊； 基於所述結構標識資訊對應的票據結構類型，從所述票據影像中識別得到所述目標用戶的消費數據。
2. 如請求項1所述的數據處理方法，還包括： 獲取所述目標用戶的用戶資訊； 基於所述用戶資訊，獲取目標消費群體的消費數據，所述目標消費群體中用戶的用戶資訊與所述目標用戶的用戶資訊相匹配； 基於所述目標消費群體的消費數據，生成推薦資訊。
3. 如請求項1或2所述的數據處理方法，還包括： 基於所述票據影像中的消費標識，獲取所述目標用戶的參考消費數據； 基於所述參考消費數據，對通過識別得到的所述目標用戶的消費數據進行校正。
4. 如請求項3所述的數據處理方法，其中， 所述消費數據包括消費時間、消費金額、收款方資訊、付款方式、折扣資訊、消費人數中的至少一項； 所述基於所述票據影像中的消費標識，獲取所述目標用戶的參考消費數據，包括： 訪問關聯應用程式，以基於所述票據影像中的消費標識，通過所述關聯應用程式獲取所述參考消費數據。
5. 如請求項1所述的數據處理方法，其中，所述基於所述結構標識資訊對應的票據結構類型，從所述票據影像中識別得到所述目標用戶的消費數據，包括： 根據所述結構標識資訊對應的票據結構類型，確定對應的數據識別網路； 將所述票據影像輸入所述數據識別網路，得到由所述數據識別網路輸出的所述消費數據。
6. 如請求項1所述的數據處理方法，其中，所述獲取目標用戶的票據影像，包括： 獲取所述目標用戶上傳的票據影像； 判斷所述上傳的票據影像中票據的完整性； 在所述上傳的票據影像中票據的完整性符合第一預設條件的情況下，確定所述上傳的票據影像為所述目標用戶的票據影像。
7. 如請求項6所述的數據處理方法，其中，所述獲取目標用戶的票據影像，還包括： 從所述目標用戶的票據影像中識別得到票據資訊； 判斷識別得到的所述票據資訊的完整性； 在所述票據資訊的完整性不符合第二預設條件的情況下，執行刪除所述票據影像以及提示所述目標用戶重新上傳所述票據對應的票據影像中的至少一個； 和/或， 在獲取所述目標用戶上傳的票據影像時，採集上傳所述票據影像的所述目標用戶的用戶標識； 建立所述用戶標識與所述上傳的票據影像之間的關聯關係。
8. 如請求項1所述的數據處理方法，其中， 所述票據影像包含所述目標用戶在消費場所內的消費產生的票據； 所述消費場所包括多個場所區域，不同的所述場所區域對應的票據具有不同的票據結構類型； 所述票據影像中票據對應的結構標識資訊包括用於確定所述票據影像中票據對應的場所區域的輔助結構資訊。
9. 一種計算機設備，包括儲存器、處理器及儲存在儲存器上並可在處理器上運行的計算機程式，其中，所述處理器執行所述程式時實現請求項1至8中任一項所述的數據處理方法。
10. 一種計算機可讀儲存媒體，其上儲存有計算機程式，其中，所述程式被處理器執行時實現請求項1至8中任一項所述方法的步驟。

Images