数据库建立方法和数据推荐方法及装置、设备和存储介质制造方法及图纸
Database establishment method, data recommendation method, device, device and storage medium
The embodiment of the invention discloses a database establishing method, a data recommendation method, a device, a device and a storage medium. The method of establishing the database includes: obtaining user historical data and commodity historical data from the data source; extracting user characteristics according to the user's historical data and commodity history data in accordance with the default user dimension to form user's user characteristic vector, which includes at least one commodity feature in the user's feature vector, and according to the user. Historical data and commodity historical data, extracting commodity features according to the presupposed commodity dimension to form a commodity's primary commodity feature vector, which includes at least one user feature. According to the presupposed commodity association rules, each of the primary commodity feature vectors is merged to form a secondary commodity. Feature vector; store the user characteristic vector, primary commodity feature vector and secondary commodity characteristic vector as the recommended data set in the database. The invention can improve the accuracy of predicting users' attention information.
【技术实现步骤摘要】
数据库建立方法和数据推荐方法及装置、设备和存储介质
本专利技术实施例涉及计算机的大数据处理技术，尤其涉及一种数据库建立方法和数据推荐方法及装置、设备和存储介质。
技术介绍
在网络销售行为普及的情况下，对于用户购买商品的行为进行有效预测，是一种发展趋势。现有技术中，一般是基于用户自身的历史行为数据，对其此后的行为数据进行预测。例如，某用户以往经常买衣服，那预测给该用户推荐衣物类的商品信息是符合其消费行为的。除对用户个人的历史数据进行统计从而预测的技术之外，现有技术一般还会采用相关性规则的方式来为用户进行信息推荐。一般是对海量用户数据进行集中统计，确定出具有某类属性的用户其行为模式。例如，基于大量用户的历史数据，确定出年龄段在20-30岁、男性用户，可能对电子类商品感兴趣，那么对于符合上述特征的用户，会预测出向其推送电子类商品是符合其消费行为的。但是，在实现本专利技术的研究过程中，专利技术人发现上述技术存在的缺陷在于：若依赖于用户的个人历史数据，则推荐信息的范围非常有限，推荐信息的预测结果也往往不符合用户消费行为的发展趋势。基于海量用户数据的统计，由于用户之间的差异较...
【技术保护点】
1.一种数据库建立方法，其特征在于，包括：从数据源获取用户历史数据和商品历史数据；根据用户历史数据和商品历史数据，按照预设用户维度提取用户特征，以形成用户的用户特征向量，所述用户特征向量中包括至少一个商品特征；根据用户历史数据和商品历史数据，按照预设商品维度提取商品特征，以形成商品的初级商品特征向量，所述初级商品特征向量中包括至少一个用户特征；根据预设商品关联规则，将各所述初级商品特征向量进行合并，以形成次级商品特征向量；存储所述用户特征向量、初级商品特征向量和次级商品特征向量，作为数据库中的推荐数据集合。
【技术特征摘要】
1.一种数据库建立方法，其特征在于，包括：从数据源获取用户历史数据和商品历史数据；根据用户历史数据和商品历史数据，按照预设用户维度提取用户特征，以形成用户的用户特征向量，所述用户特征向量中包括至少一个商品特征；根据用户历史数据和商品历史数据，按照预设商品维度提取商品特征，以形成商品的初级商品特征向量，所述初级商品特征向量中包括至少一个用户特征；根据预设商品关联规则，将各所述初级商品特征向量进行合并，以形成次级商品特征向量；存储所述用户特征向量、初级商品特征向量和次级商品特征向量，作为数据库中的推荐数据集合。2.根据权利要求1所述的方法，其特征在于：所述用户历史数据包括用户动态行为数据和用户静态属性数据；其中，所述用户动态行为数据包括商品浏览行为、导航定位行为、搜索引擎搜索行为、搜索结果点击行为和浏览网页行为中的至少一种；所述用户静态属性数据包括姓名、性别、住址、身高、体重和学历中的至少一种；所述商品历史数据包括商品订单数据和商品库存数据。3.根据权利要求1所述的方法，其特征在于，根据预设商品关联规则，将各所述初级商品特征向量进行合并，以形成次级商品特征向量包括：根据预设商品关联规则中设定的至少一个核心特征，将各初级商品特征向量中核心特征的特征值相似度达到设定条件的各初级商品特征向量进行合并，以形成次级商品特征向量。4.根据权利要求3所述的方法，其特征在于，所述核心特征包括：商品自身属性、商品销量数据、商品库存数据或商品销售关联度。5.根据权利要求1所述的方法，其特征在于，还包括：根据在线推荐需求和所述数据库中的所述用户特征向量、初级商品特征向量和次级商品特征向量产生推荐数据；根据针对所述推荐数据的在线响应数据，更正所述用户特征向量、初级商品特征向量和次级商品特征向量中的特征值。6.根据权利要求1所述的方法，其特征在于，还包括：接收管理员输入更新的商品关联规则，根据更新的商品关联规则更新所述数据库中所述用户特征向量、初级商品特征向量和次级商品特征向量的特征值。7.根据权利要求1-6任一所述的方法，其特征在于，所述商品关联规则包括下述至少一种：以设定商品特征作为分类依据的同类商品合并规则；以具有关联行为的商品特征作为商品关联规则，其中，所述关联行为包括购买行为或使用行为。8.一种数据推荐方法，其特征在于，包括：获取在线推荐需求；从所述在线推荐需求中获取在线数据以及推荐规则；采用所述推荐规则，基于在线数据、数据库中的用户特征向量和商品特征向量，产生推荐数据，其中，所述用户特征向量中包括至少一个商品特征，所述商品特征向量中包括至少一个用户特征。9.根据权利要求8所述的方法，其特征在于，从所述在线推荐需求中获取在线数据以及推荐规则包括：从所述在线推荐需求中获取在线数据，其中，所述在线数据包括至少一个用户特征和/或至少一个商品特征；根据所述在线推荐需求查找对应的推荐规则。10.根据权利要求9所述的方法，其特征在于，采用所述推荐规则，基于在线数据、数据库中的用户特征向量和商品特征向量，产生推荐数据包括：采用所述推荐规则，根据至少一个用户特征在数据库中查找匹配的至少一个用户特征向量；根据所述至少一个商品特征在数据库中查找匹配的至少一个商品特征向量；根据查找到的所述用户特征向量对查找到的商品特征向量进行筛选；从筛选后的商品特征向量中提取推荐数据。11.根据权利要求10所述的方法，其特征在于：所述在线推荐需求为在线订单生成需求；在线数据中的至少一个用户特征为在线获取的准备生成订单用户的用户特征；在线数据中的至少一个商品特征为在线获取的待生成订单商品的商品特征；相应的，根据查找到的所述用户特征向量对查找到的商品特征向量进行筛选包括：按照在线订单的订单类型，从查找到的所述用户特征向量中提取待匹配用户特征，从查找到的商品特征向量中提取待匹配商品特征；将所述待匹配用户特征与待匹配商品特征进行相似度匹配；筛选获得相似度结果达到设定条件的商品特征向量。12.根据权利要求11所述的方法，其特征在于：所述在线订单的订单类型为衣物，则所述待匹配用户特征包括身高或体重，所述待匹配商品特征包括尺码；或所述在线订单的订单类型为电子设备，则所述待匹配用户特征包括年龄或电子设备喜好倾向，所述待匹配商品特征包括性能属性或兴趣标签。13.根据权利要求11所述的方法，其特征在于，从筛选后的商品特征向量中提取推荐数据包括：从筛选后的商品特征向量中提取推荐数据，并填充至在线订单的待选项中，作为推荐订单显示给用户。14.根据权利要求...
【专利技术属性】
技术研发人员：贺子昂，张建峰，李欣，崔超，张少南，
申请(专利权)人：百度在线网络技术北京有限公司，
类型：发明
国别省市：北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。