数据处理方法、装置、系统、计算机可读存储介质制造方法及图纸

本公开提供一种数据处理方法，包括：获取用户数据，其中，用户数据至少包括用户属性数据和用户行为数据，用户行为数据用于表征用户对商品的操作记录；处理用户数据，得到多层级特征数据，其中，多层级特征数据用于表征用户对商品的需求，多层级特征数据包括多个层级特征数据，多个层级特征数据中的每一个分别表征用户数据与商品需求的一种关联关系；以及基于多层级特征数据，确定用户对商品的需求数据。本公开还提供了一种数据处理装置、一种数据处理系统以及一种计算机可读存储介质。

【技术实现步骤摘要】
数据处理方法、装置、系统、计算机可读存储介质
本公开涉及计算机
，更具体地，涉及一种数据处理方法、一种数据处理装置、一种数据处理系统以及一种计算机可读存储介质。
技术介绍
随着计算机技术的发展，越来越多的用户喜欢在电商平台上购物。通常，电商平台会自动为用户推荐相关的商品，但是，所推荐的商品往往不是用户所需要的商品。因此，如何从海量数据中挖掘出用户真正想要购买的商品，以更好地为用户服务成为亟需解决的问题。在实现本公开构思的过程中，专利技术人发现相关技术中至少存在如下问题，相关技术中为用户推荐的商品通常没有针对性，即，为所有用户推荐的商品均一样，难以满足用户的需求。
技术实现思路
有鉴于此，本公开提供了一种优化的数据处理方法、数据处理装置、数据处理系统和计算机可读存储介质。本公开的一个方面提供了一种数据处理方法，包括：获取用户数据，其中，所述用户数据至少包括用户属性数据和用户行为数据，所述用户行为数据用于表征用户对商品的操作记录。处理所述用户数据，得到多层级特征数据，其中，所述多层级特征数据用于表征所述用户本文档来自技高网...

【技术保护点】
1.一种数据处理方法，包括：/n获取用户数据，其中，所述用户数据至少包括用户属性数据和用户行为数据，所述用户行为数据用于表征用户对商品的操作记录；/n处理所述用户数据，得到多层级特征数据，其中，所述多层级特征数据用于表征所述用户对所述商品的需求，所述多层级特征数据包括多个层级特征数据，所述多个层级特征数据中的每一个分别表征用户数据与商品需求的一种关联关系；以及/n基于所述多层级特征数据，确定所述用户对所述商品的需求数据。/n

【技术特征摘要】
1.一种数据处理方法，包括：
获取用户数据，其中，所述用户数据至少包括用户属性数据和用户行为数据，所述用户行为数据用于表征用户对商品的操作记录；
处理所述用户数据，得到多层级特征数据，其中，所述多层级特征数据用于表征所述用户对所述商品的需求，所述多层级特征数据包括多个层级特征数据，所述多个层级特征数据中的每一个分别表征用户数据与商品需求的一种关联关系；以及
基于所述多层级特征数据，确定所述用户对所述商品的需求数据。


2.根据权利要求1所述的方法，还包括：获取经训练预测模型；
其中，所述处理所述用户数据，得到多层级特征数据包括：利用所述经训练预测模型处理所述用户数据，得到多层级特征数据。


3.根据权利要求2所述的方法，其中，所述经训练预测模型至少包括因子分解机子模型、卷积神经网络子模型以及深度神经网络子模型；
所述利用所述经训练预测模型处理所述用户数据，得到多层级特征数据包括：
利用所述因子分解机子模型处理所述用户数据，得到第一层级特征数据；
利用所述卷积神经网络子模型处理所述用户数据，得到第二层级特征数据；以及
利用所述深度神经网络子模型处理所述用户数据，得到第三层级特征数据，
其中，所述第一层级特征数据、所述第二层级特征数据以及所述第三层级特征数据所表征的所述关联关系依次为浅层关联关系、中层关联关系以及深层关联关系。


4.根据权利要求3所述的方法，其中，所述经训练预测模型还包括梯度下降树子模型，所述梯度下降树子模型包括多棵树结构；
所述利用所述卷积神经网络子模型处理所述用户数据，得到第二层级特征数据包括：
利用所述梯度下降树子模型处理所述用户数据，确定所述用户数据分别落在所述多棵树结构中的叶子节点；
基于所述用户数据所在的叶子节点，得到所述多棵树结构输出的组合特征向量；以及
利用所述卷积神经网络子模型处理所述组合特征向量，得到所述第二层级特征数据。


5.根据权利要求3所述的方法，其中，所述利用所述因子分解机子模型处理所述用户数据，得到第一层级特征数据包括：
利用所述因子分解机子模型处理所述用户数据，得到多个第一阶特征；
将所述多个第一阶特征两两组合得到多个第二阶特征；
处理所述多个第...

【专利技术属性】
技术研发人员：王颖帅，
申请(专利权)人：北京沃东天骏信息技术有限公司，北京京东世纪贸易有限公司，
类型：发明
国别省市：北京;11