数据处理方法、装置、设备及存储介质制造方法及图纸

本申请提供一种数据处理方法、装置、设备及存储介质，涉及数据处理技术领域。其中，该方法包括：获取针对目标用户的推荐数据集合，根据目标用户的历史行为数据、用户关联信息以及预设的排序算法对推荐数据集合中的商品数据进行排序，得到数据排序结果，根据数据排序结果，确定向目标用户展示的至少一条商品数据。该技术方案，在对确定的推荐数据集合中的商品数据排序时，将目标用户的历史行为数据和目标用户的用户关联信息结合起来，提高了商品数据的排序准确度，解决了现有商品排序结果不准确的问题，同时提高了数据排序中的排序准确度，提高了商品数据的转换率。

Data processing method, device, equipment and storage medium

【技术实现步骤摘要】
数据处理方法、装置、设备及存储介质
本申请涉及数据处理
，尤其涉及一种数据处理方法、装置、设备及存储介质。
技术介绍
随着互联网技术的发展，网络逐渐成为人们获取信息的重要来源。通过网页/app等进行商品数据展示可以在一定程度上吸引用户的注意，发掘用户的后继行为，确定用户的个性化需求，以在互联网普及的大环境下创造巨大的商业价值。现有技术中，为了使得网页/app上展示的商品能够最大程度的吸引用户的注意力，通常首先从海量的商品数据中筛选出用户可能感兴趣的商品数据，再基于用户对商品的喜好程度，对待展示的商品数据进行排序，最后在网页/app上的相应位置进行展示。然而，上述方法确定的商品数据排序结果有可能受到商品本身特性的干扰影响，导致确定的商品数据排序结果不准确。
技术实现思路
本申请提供一种数据处理方法、装置、设备及存储介质，以克服现有商品数据排序结果不准确的问题。第一方面，本申请提供的一种数据处理方法，包括：获取针对目标用户的推荐数据集合；根据所述目标用户的历史行为数据、用户关联信息以及预设的排序算法对所述推荐数据集合中的商品数据进行排序，得到数据排序结果；根据所述数据排序结果，确定向所述目标用户展示的至少一条商品数据。在本实施例中，在对确定的推荐数据集合中的商品数据排序时，将目标用户的历史行为数据和目标用户的用户关联信息结合起来，提高了商品数据的排序准确度，解决了现有商品排序结果不准确的问题，同时提高了数据排序中的排序准确度，提高了商品数据的转换率。在第一方面的一种可能设计中，所述根据所述目标用户的历史行为数据、用户关联信息以及预设的排序算法对所述推荐数据集合中的商品数据进行排序，得到数据排序结果，包括：根据所述目标用户的历史行为数据，确定所述目标用户的偏好信息，所述偏好信息用于指示所述目标用户针对所述推荐数据集合中任意两条商品数据的选择结果；根据所述目标用户的用户关联信息，获取所述目标用户与第一用户的亲密度值，所述第一用户是所述目标用户的通信录中的任意一个用户；根据所述目标用户的偏好信息、所述目标用户与所述第一用户的亲密度值和预设的排序算法，得到数据排序结果。在本实施例中，通过引入目标用户的通信录中的用户的偏好信息，避免了目标用户的历史行为数据稀疏，导致数据排序结果不准确的问题。可选的，所述方法还包括：根据所述目标用户的偏好信息，确定针对于所述推荐数据集合中任意两条商品数据的惩罚系数，所述惩罚系数用于修正所述推荐数据集合中任意两条商品数据之间存在的初始偏好概率；所述根据所述目标用户的偏好信息、所述目标用户与所述第一用户的亲密度值和预设的排序算法，得到数据排序结果，包括：根据所述目标用户的偏好信息、针对于所述推荐数据集合中任意两条商品数据的惩罚系数、所述目标用户与所述第一用户的亲密度值和预设的排序算法，得到数据排序结果。本实施例中，基于惩罚系数可以减低商品数据本身的特性对目标用户的影响，基于目标用户与第一用户的亲密度值可以提高商品数据与用户的粘性，提高了商品数据的排序准确度，为后续提高商品数据的推荐成功概率提供了实现可能。进一步的，所述根据所述目标用户的偏好信息、针对于所述推荐数据集合中任意两条商品数据的惩罚系数、所述目标用户与所述第一用户的亲密度值和预设的排序算法，得到数据排序结果，包括：根据所述目标用户的偏好信息、针对于所述任意两条商品数据的惩罚系数、所述目标用户与所述第一用户的亲密度值，通过所述排序算法，确定所述推荐数据集合中的每条商品数据与所述目标用户的第一相关度值；按照第一相关度值由高到低的顺序对所述推荐数据集合中的每条商品数据进行排序，得到所述数据排序结果。本实施例中，基于每个商品数据与目标用户的第一相关度值可以很好的表征用户与商品数据间的潜在关系，基于得到的第一相关度值对推荐数据集合中的商品数据进行排序，可以将更合适的商品数据推荐给用户，提高了数据排序准确性。在第一方面的另一种可能设计中，所述方法还包括：根据所述推荐数据集合中每条商品数据的商品类别属性，将所述推荐数据集合划分为至少两组推荐数据子集合，每组推荐数据子集合中商品数据所属的类别一致；对于每组推荐数据子集合，根据所述目标用户的偏好信息，确定针对所述推荐数据子集合中任意两条商品数据的组内惩罚系数，所述组内惩罚系数用于修正所述推荐数据子集合推荐数据集合中任意两条商品数据之间存在的初始偏好概率；所述根据所述目标用户的偏好信息、所述目标用户与所述第一用户的亲密度值和预设的排序算法，得到数据排序结果，包括：根据所述目标用户的偏好信息、针对所述推荐数据子集合中任意两条商品数据的组内惩罚系数和预设的排序算法，得到每组推荐数据子集合中的组内数据排序结果；根据每组推荐数据子集合中的商品数据所属的类别、所述目标用户与第一用户的亲密度值，确定每组推荐数据子集合与所述目标用户的第二相关度值；根据每组推荐数据子集合中的组内数据排序结果和每组推荐数据子集合与所述目标用户的第二相关度值，得到针对所述推荐数据集合的数据排序结果。本实施例中，通过对推荐数据集合进行分类，将同一类别的商品数据划分为一组，这样可以得到针对推荐数据集合的更精确的数据排序结果，进而提高了推荐的准确度。在第一方面的再一种可能设计中，所述获取针对目标用户的推荐数据集合，包括：获取所述目标用户的历史行为数据；对所述用户行为数据进行分析，确定适合推荐给所述目标用户的所述推荐数据集合。通过对目标用户的历史行为数据进行处理，可以确定出该目标用户的用户需求，再基于该目标用户的行为习惯或感兴趣的商品等，确定出适合推荐给目标用户的推荐数据集合，实现方案简单，确定的推荐数据集合准确。在第一方面的又一种可能设计中，所述方法还包括：确定用户交互界面上的推荐位的个数，每个推荐位用于呈现一条商品数据；将所述数据排序结果中排序在前的至少一条商品数据分别填充至预设的每个推荐位处进行呈现，所述至少一条商品数据的条数与预设的推荐位的个数一致。在本实施例中，可以保证每条数据均对应一个推荐位，从而保证用户访问该网页或客户端时均能够及时、准确的将对应的商品数据呈现出来，从而实现了商品数据的准确推荐，提高了用户对商品数据的可能转化率。第二方面，本申请提供一种数据处理装置，包括：获取模块、排序模块和处理模块；所述获取模块，用于获取针对目标用户的推荐数据集合；所述排序模块，用于根据所述目标用户的历史行为数据、用户关联信息以及预设的排序算法对所述推荐数据集合中的商品数据进行排序，得到数据排序结果；所述处理模块，用于根据所述数据排序结果，确定向所述目标用户展示的至少一条商品数据。在第二方面的一种可能设计中，所述排序模块，具体用于根据所述目标用户的历史行为数据，确定所述目标用户的偏好信息，所述偏好信息用于指示所述目标用户针对所述本文档来自技高网...

【技术保护点】
1.一种数据处理方法，其特征在于，包括：/n获取针对目标用户的推荐数据集合；/n根据所述目标用户的历史行为数据、用户关联信息以及预设的排序算法对所述推荐数据集合中的商品数据进行排序，得到数据排序结果；/n根据所述数据排序结果，确定向所述目标用户展示的至少一条商品数据。/n

【技术特征摘要】
1.一种数据处理方法，其特征在于，包括：
获取针对目标用户的推荐数据集合；
根据所述目标用户的历史行为数据、用户关联信息以及预设的排序算法对所述推荐数据集合中的商品数据进行排序，得到数据排序结果；
根据所述数据排序结果，确定向所述目标用户展示的至少一条商品数据。


2.根据权利要求1所述的方法，其特征在于，所述根据所述目标用户的历史行为数据、用户关联信息以及预设的排序算法对所述推荐数据集合中的商品数据进行排序，得到数据排序结果，包括：
根据所述目标用户的历史行为数据，确定所述目标用户的偏好信息，所述偏好信息用于指示所述目标用户针对所述推荐数据集合中任意两条商品数据的选择结果；
根据所述目标用户的用户关联信息，获取所述目标用户与第一用户的亲密度值，所述第一用户是所述目标用户的通信录中的任意一个用户；
根据所述目标用户的偏好信息、所述目标用户与所述第一用户的亲密度值和预设的排序算法，得到数据排序结果。


3.根据权利要求2所述的方法，其特征在于，所述方法还包括：
根据所述目标用户的偏好信息，确定针对于所述推荐数据集合中任意两条商品数据的惩罚系数，所述惩罚系数用于修正所述推荐数据集合中任意两条商品数据之间存在的初始偏好概率；
所述根据所述目标用户的偏好信息、所述目标用户与所述第一用户的亲密度值和预设的排序算法，得到数据排序结果，包括：
根据所述目标用户的偏好信息、针对于所述推荐数据集合中任意两条商品数据的惩罚系数、所述目标用户与所述第一用户的亲密度值和预设的排序算法，得到数据排序结果。


4.根据权利要求3所述的方法，其特征在于，所述根据所述目标用户的偏好信息、针对于所述推荐数据集合中任意两条商品数据的惩罚系数、所述目标用户与所述第一用户的亲密度值和预设的排序算法，得到数据排序结果，包括：
根据所述目标用户的偏好信息、针对于所述任意两条商品数据的惩罚系数、所述目标用户与所述第一用户的亲密度值，通过所述排序算法，确定所述推荐数据集合中的每条商品数据与所述目标用户的第一相关度值；
按照第一相关度值由高到低的顺序对所述推荐数据集合中的每条商品数据进行排序，得到所述数据排序结果。


5.根据权利要求2所述的方法，其特征在于，所述方法还包括：
根据所述推荐数据集合中每条商品数据的商品类别属性，将所述推荐数据集合划分为至少两组推荐数据子集合，每组推荐数据子集合中商品数据所属的类别一致；
对于每组推荐数据子集合，根据所述目标用户的偏好信息，确定针对所述推荐数据子集合中任意两条商品数据的组内惩罚系数，所述组内惩罚系数用于修正所述推荐数据子集合推荐数据集合中任意两条商品数据之间存在的初始偏好概率；
所述根据所述目标用户的偏好信息、所述目标用户与所述第一用户的亲密度值和预设的排序算法，得到数据排序结果，包括：
根据所述目标用户的偏好信息、针对所述推荐数据子集合中任意两条商品数据的组内惩罚系数和预设的排序算法，得到每组推荐数据子集合中的组内数据排序结果；
根据每组推荐数据子集合中的商品数据所属的类别、所述目标用户与第一用户的亲密度值，确定每组推荐数据子集合与所述目标用户的第二相关度值；
根据每组推荐数据子集合中的组内数据排序结果和每组推荐数据子集合与所述目标用户的第二相关度值，得到针对所述推荐数据集合的数据排序结果。


6.根据权利要求1-5任一项所述的方法，其特征在于，所述获取针对目标用户的推荐数据集合，包括：
获取所述目标用户的历史行为数据；
对所述用户行为数据进行分析，确定适合推荐给所述目标用户的所述推荐数据集合。


7.根据权利要求1-5任一项所述的方法，其特征在于，所述方法还包括：
确定用户交互界面上的推荐位的个数，每个推荐位用于呈现一条商品数据；
将所述数据排序结果中排序在前的至少一条商品数据分别填充至预设的每个推荐位处进行呈现，所述至少一条商品数据的条数与预设的推荐...

【专利技术属性】
技术研发人员：刘华，王小宇，
申请(专利权)人：京东数字科技控股有限公司，
类型：发明
国别省市：北京;11