数据推荐方法、装置和电子设备制造方法及图纸

本申请公开了一种数据推荐方法、装置和电子设备，该方法包括：基于预设分流算法和分流参数，确定在线流量对应的流量分流区间；从特征库中获取流量分流区间对应的数据特征，其中，所述特征库中流量分流区间对应的数据特征，是基于所述预设分流算法和所述分流参数分流到所述流量分流区间的离线流量经过数据挖掘得到的数据特征；基于流量分流区间的数据特征获取所述流量分流区间对应的推荐数据；将所述流量分流区间对应的推荐数据推送到属于所述流量分流区间的在线流量中。

Data recommendation method, device and electronic equipment

This application discloses a data recommendation method, apparatus and electronic equipment, which includes: determining the flow diversion interval corresponding to the on-line flow based on the preset flow diversion algorithm and flow parameters; obtaining the data characteristics corresponding to the flow diversion interval from the feature library, wherein the number corresponding to the flow diversion interval in the feature library. According to the characteristics, the data features obtained by data mining are based on the preset shunt algorithm and the offline flow which shunts the shunt parameters to the flow shunt interval; the recommended data corresponding to the flow shunt interval is obtained based on the data characteristics of the flow shunt interval; and the recommended data corresponding to the flow shunt interval is obtained; and the recommended data corresponding to the flow shunt interv It is pushed to the online traffic belonging to the flow diversion area.

【技术实现步骤摘要】
数据推荐方法、装置和电子设备
本申请涉及互联网领域，尤其涉及一种数据推荐方法、装置和电子设备。
技术介绍
随着移动互联网及大数据技术的发展，电商、运营商等企业的营销活动也都在围绕用户数据进行挖掘和拓展，用户的潜在需求都能通过用户数据进行预测，这些用户数据可以包括在线用户数据和离线用户数据。有效地挖掘、识别潜在用户，进而有针对性地对不同的用户实施不同的推荐结果，能够实现精准营销，从而提高网站用户的转化率。由于网站中用户数量较多，用户数据的数据量较大，对用户进行推荐时，通常需要处理用户数据，容易因用户数据的计算量大，造成用户数据的推荐效率较低。
技术实现思路
本申请实施例提供一种数据推荐方法、装置和电子设备，用于提高数据推荐效率。本申请实施例采用下述技术方案：第一方面，提供了一种数据推荐方法，该方法包括：基于预设分流算法和分流参数，确定在线流量对应的流量分流区间；从特征库中获取流量分流区间对应的数据特征，其中，所述特征库中流量分流区间对应的数据特征，是基于所述预设分流算法和所述分流参数分流到所述流量分流区间的离线流量经过数据挖掘得到的数据特征；基于流量分流区间的数据特征获取所述流量分流区间对应的推荐数据；将所述流量分流区间对应的推荐数据推送到属于所述流量分流区间的在线流量中。第二方面，提供了一种数据推荐装置，该装置包括：确定单元，基于预设分流算法和分流参数，确定在线流量对应的流量分流区间；获取单元，从特征库中获取流量分流区间对应的数据特征，其中，所述特征库中流量分流区间对应的数据特征，是基于所述预设分流算法和所述分流参数分流到所述流量分流区间的离线流量经过数据挖掘得到的数据特征；所述获取单元，还基于流量分流区间的数据特征获取所述流量分流区间对应的推荐数据；推送单元，将所述流量分流区间对应的推荐数据推送到属于所述流量分流区间的在线流量中。第三方面，提出了一种电子设备，该电子设备包括：处理器；以及被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行以下操作：基于预设分流算法和分流参数，确定在线流量对应的流量分流区间；从特征库中获取流量分流区间对应的数据特征，其中，所述特征库中流量分流区间对应的数据特征，是基于所述预设分流算法和所述分流参数分流到所述流量分流区间的离线流量经过数据挖掘得到的数据特征；基于流量分流区间的数据特征获取所述流量分流区间对应的推荐数据；将所述流量分流区间对应的推荐数据推送到属于所述流量分流区间的在线流量中。第四方面，提出了一种计算机可读存储介质，所述计算机可读存储介质存储一个或多个程序，所述一个或多个程序当被包括多个应用程序的电子设备执行时，使得所述电子设备执行以下操作：基于预设分流算法和分流参数，确定在线流量对应的流量分流区间；从特征库中获取流量分流区间对应的数据特征，其中，所述特征库中流量分流区间对应的数据特征，是基于所述预设分流算法和所述分流参数分流到所述流量分流区间的离线流量经过数据挖掘得到的数据特征；基于流量分流区间的数据特征获取所述流量分流区间对应的推荐数据；将所述流量分流区间对应的推荐数据推送到属于所述流量分流区间的在线流量中。本申请实施例采用的上述至少一个技术方案能够达到以下有益效果：通过对在线流量进行分流，并基于分流后的分流区间对应的离线数据特征确定推荐数据，然后将分流区间对应的推荐数据推送到分流区间对应的在线流量中，从而能够减小因在线分析数据特征带来的计算量，进而提高推荐效率。附图说明此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：图1是本申请的一个实施例数据推荐方法流程图。图2是本申请的一个实施例数据推荐的交互流程图。图3是本申请的一个实施例电子设备的结构示意图。图4是本申请的一个实施例数据推荐装置的结构示意图。具体实施方式为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。图1是本申请的一个实施例一种数据推荐方法流程图。S110，基于预设分流算法和分流参数，确定在线流量对应的流量分流区间。应理解，在本申请实施例中，可基于预设的分流算法及流量的分流参数，对在线流量进行分类。分流参数，例如，可以包括在线流量的用户标识、位置、时间戳、互联网协议IP地址、媒体访问控制MAC地址、时间戳等的至少一种。当然，也不排除使用在线流量的其它参数作为分流参数。预设分流算法，例如，可包括如下至少一种：哈希种子Hashseed分流算法、AB测试的分流算法，等等。下面以Hashseed分流算法为分流算法，并以用户标识作为分流参数举例说明。不妨假设有A、B、C、D四个流量，根据用户标识进行哈希运算，分别得到0、1、0、1四个值，则可将A、C划分到一个流量分流区间，将B、D划分到另一个流量分流区间。为便于区别，不妨将A、C的流量分流区间命名为区间1，将B、D的流量分流区间命名为区间2。S120，从特征库中获取流量分流区间对应的数据特征。其中，所述特征库中流量分流区间对应的数据特征，是基于所述预设分流算法和所述分流参数分流到所述流量分流区间的离线流量经过数据挖掘得到的数据特征。应理解，在本申请实施例中，对于离线流量，也采用与步骤S110相同的分流算法和分流参数进行分流，并基于分流后的流量进行数据挖掘，从而得到各流量分流区间对应的数据特征。例如，离线流量同样以Hashseed分流算法为分流算法，并以用户标识作为分流参数，从而得到流量分流区间(区间1和区间2)，进而经过数据挖掘得到区间1的数据特征和区间2的数据特征。此时，根据在线流量划分后的流量分流区间，可得到流量分流区间对应的数据特征。S130，基于流量分流区间的数据特征获取所述流量分流区间对应的推荐数据。在本申请实施例中，基于数据特征，可从推荐内容数据库中获取数据特征对应的推荐数据。S140，将所述流量分流区间对应的推荐数据推送到属于所述流量分流区间的在线流量中。通过步骤S130得到流量分流区间对应的推荐数据后，即可将该推荐数据推送到属于该流量分流区间的在线流量中。本申请实施例中，通过对在线流量进行分流，并基于分流后的分流区间对应的离线数据特征确定推荐数据，然后将分流区间对应的推荐数据推送到分流区间对应的在线流量中，从而能够减小因在线分析数据特征带来的计算量，进而提高推荐效率。应理解，在线流量经分流后的流量分流区间可以只有一个，也可以包括多个。可选地，如果所述在线流量对应的流量分流区间包括第一流量分流区间和第二流量分流区间，则步骤S120具体可实现为：获取第一流量分流区间对应的第一数据特征；获取第二流量分流区间对应的第二数据特征。进一步地，步骤S130可实现为：基于第一流量分流区间对应的第一数据特征确定第一推荐数据；基于第二流量分流区间对应的第二数据特征确定第二推荐数据。更进一步地，步骤S140可实现为：向第一流量分流区间的在线流量反馈第一推荐数据；向第二流量分流区间的在本文档来自技高网...

【技术保护点】
1.一种数据推荐方法，包括：基于预设分流算法和分流参数，确定在线流量对应的流量分流区间；从特征库中获取流量分流区间对应的数据特征，其中，所述特征库中流量分流区间对应的数据特征，是基于所述预设分流算法和所述分流参数分流到所述流量分流区间的离线流量经过数据挖掘得到的数据特征；基于流量分流区间的数据特征获取所述流量分流区间对应的推荐数据；将所述流量分流区间对应的推荐数据推送到属于所述流量分流区间的在线流量中。

【技术特征摘要】
1.一种数据推荐方法，包括：基于预设分流算法和分流参数，确定在线流量对应的流量分流区间；从特征库中获取流量分流区间对应的数据特征，其中，所述特征库中流量分流区间对应的数据特征，是基于所述预设分流算法和所述分流参数分流到所述流量分流区间的离线流量经过数据挖掘得到的数据特征；基于流量分流区间的数据特征获取所述流量分流区间对应的推荐数据；将所述流量分流区间对应的推荐数据推送到属于所述流量分流区间的在线流量中。2.如权利要求1所述的方法，在基于预设分流算法和分流参数，确定在线流量对应的流量分流区间之前，所述方法还包括：基于所述预设分流算法和所述分流参数，确定离线流量对应的流量分流区间；基于流量分流区间中的离线流量进行数据挖掘，得到流量分流区间对应的数据特征；将流量分流区间及对应的数据特征存储到所述特征库中。3.如权利要求1所述的方法，如果所述在线流量对应的流量分流区间包括第一流量分流区间和第二流量分流区间，则获取流量分流区间对应的数据特征包括：获取第一流量分流区间对应的第一数据特征；获取第二流量分流区间对应的第二数据特征。4.如权利要求3所述的方法，基于流量分流区间的数据特征获取所述流量分流区间对应的推荐数据，包括：基于第一流量分流区间对应的第一数据特征确定第一推荐数据；基于第二流量分流区间对应的第二数据特征确定第二推荐数据。5.如权利要求4所述的方法，将所述流量分流区间对应的推荐数据推送到属于所述流量分流区间的在线流量中，包括：向第一流量分流区间的在线流量反馈第一推荐数据；向第二流量分流区间的在线流量反馈第二推荐数据。6.如权利要求1-5中任一项所述的方法，其特征在于，基于预设分流算法和分流参数，确定在线流量所属的流量分流区间，包括：基于第一分流算法和第一分流参数，确定在线流量所属的第一流量分流区间；基于第二分流算法和第二分流参数，对第一流量分流区间中的在线流量进行再分流，以确定第一流量分流区间中的在线流量所属的第二流量分流区间。7.如权利要求1-5中任一项所述的方法，所述分流参数包...

【专利技术属性】
技术研发人员：周志超，熊军，周峰，蒋建，黄国进，郑岩，冯健，
申请(专利权)人：阿里巴巴集团控股有限公司，
类型：发明
国别省市：开曼群岛,KY