一种多维度互联网大规模用户服务需求预测方法技术

本发明专利技术提供了一种多维度互联网大规模用户服务需求预测方法，包括：按照服务需求维度指标，从信息数据库中筛选对应的第一维度信息；按照预设区域的固有维度指标，获取对应的第二维度信息，并与第一维度信息进行相关性分析；基于初始服务列表与对应相关性分析结果的分析服务需求进行对比，预测大规模用户的可能服务需求；对预设区域的服务资源进行预处理，建立外部数据资源库；将可能服务需求与外部数据资源库进行匹配，生成可推荐的服务功能模块，并自动更新上线。从多个维度获取信息，来进行相关性分析，可以有效将可能服务需求与实际区域联系，提高预测准确性，进而通过匹配服务功能模块，提高用户体验。提高用户体验。提高用户体验。

【技术实现步骤摘要】
一种多维度互联网大规模用户服务需求预测方法


[0001]本专利技术涉及互联网
，特别涉及一种多维度互联网大规模用户服务需求预测方法。

技术介绍

[0002]近年来，随着服务计算、物联网、智能终端以及5g网络的快速发展与普及，越来越多的用户可以随时随地访问来自于不同领域、功能丰富的服务，完成工作与日常生活事务，且互联网环境融入社会生活的程度逐步加深，信息技术水平不断提高，电子商务平台、众包平台蓬勃发展。在此背景下，从各种渠道能够获取用户的需求。
[0003]但是，对于软件或者应用的升级或者更新，一般会随着大规模的网络用户对其的关注、满意、评价等指标构成的需求，来进行相应的更能升级或者更新，但是，其并未与软件应用的实际现实联系上，也就是不能准确的预测不同区域大规模用户在当下实际环境中的可能服务需求，让用户不能有很好的体验。
[0004]因此，本专利技术提出一种多维度互联网大规模用户服务需求预测方法。

技术实现思路

[0005]本专利技术提供一种多维度互联网大规模用户服务需求预测方法，用以从多个维度获取信息，来进行相关性分析，可以有效将可能服务需求与实际区域联系，提高预测准确性，进而通过匹配服务功能模块，提高用户体验。
[0006]本专利技术提供一种多维度互联网大规模用户服务需求预测方法，包括：
[0007]步骤1：按照服务需求维度指标，从信息数据库中筛选对应的第一维度信息；
[0008]步骤2：按照预设区域的固有维度指标，获取对应的第二维度信息，并与所述第一维度信息进行相关性分析；
[0009]步骤3：基于初始服务列表与对应相关性分析结果的分析服务需求进行对比，预测大规模用户的可能服务需求；
[0010]步骤4：对预设区域的服务资源进行预处理，建立外部数据资源库；
[0011]步骤5：将所述可能服务需求与所述外部数据资源库进行匹配，生成可推荐的服务功能模块，并自动更新上线。
[0012]在一种可能实现的方式中，步骤1：按照服务需求维度指标，从信息数据库中筛选对应的第一维度信息，包括：
[0013]对所述服务需求维度指标进行拆分，得到若干条子维度指标，并确定每个所述子维度指标的指标符号；
[0014]基于所述信息数据库，向所述指标符号匹配对应的指标信息；
[0015]获取与每个指标符号一致的需求关注列表，并按照所述需求关注列表中的前n个关注因子依次对对应指标信息进行拆分，并对拆分后的子信息按照对应关注因子的关注偏向性进行偏向排序，构建对应关注因子与对应偏向排序结果中每个偏向段的偏向关系；
[0016]基于所述偏向关系，确定偏向突变段，并将偏向突变段之前的所有偏向段的段信息作为第一待定信息；
[0017]提取所述需求关注列表中的剩余关注因子对应的最佳偏向关系的偏向段的段信息，并作为第二待定信息；
[0018]基于每个子维度指标对应的第一待定信息以及第二待定信息，得到第一维度信息。
[0019]在一种可能实现的方式中，按照预设区域的固有维度指标，获取对应的第二维度信息，包括：
[0020]基于所述固有维度指标，获取所述预设区域的初始维度信息；
[0021]记录所述预设区域的区域实时变动情况，并按照所述固有维度指标，对所述区域实时变动情况进行变动分类；
[0022]按照变动分类结果，对所述初始维度信息进行变动附加，得到第二维度信息。
[0023]在一种可能实现的方式中，按照变动分类结果，对所述初始维度信息进行变动附加，得到第二维度信息，包括：
[0024]按照变动曲线规划模型，对所述变动分类结果中每条子变动信息进行规划，得到对应的变动曲线，同时，向所述变动曲线设置变动标签；
[0025]根据所述变动曲线的变动类型，提取所述初始维度信息中的待比较信息，基于初始曲线规划模型，对所述待比较信息进行规划，得到对应的初始曲线；
[0026]将所述初始曲线与对应的变动曲线进行比较，确定变动增量，并判断所述变动增量是否大于预设变动阈值，若是，将对应变动标签进行第一标记；
[0027]确定第一标记的变动标签所对应的变动对象，分析所述变动对象在剩余子变动信息中的出现概率，若所述出现概率大于或等于预设概率，将对应变动标签进行第二标记，并构建对应变动对象的变动分布图；
[0028]建立与所述变动分布图相关的第一调用索引，并附加在对应的待比较信息的第一位置上；
[0029]若所述出现概率小于预设概率，建立与对应第一标记的变动标签相关的第二调用索引，并附加在对应的待比较信息的第二位置上；
[0030]若所述变动增量不大于预设变动阈值，提取对应的变动信息中的变动关键词，并附加在对应的待比较信息的空闲区域位置上；
[0031]基于附加结果，得到第二维度信息。
[0032]在一种可能实现的方式中，与所述第一维度信息进行相关性分析，包括：
[0033]确定所述第一维度信息中的关注偏向信息以及第二维度信息中的变动偏向信息；
[0034]基于指标构建模型，对所述关注偏向信息以及变动偏向信息进行预分析，构建所述关注偏向信息中的关注偏向指标与变动偏向信息中变动偏向指标的结构关系，并确定所述关注偏向信息导致产生所述变动偏向信息的第一概率，以及所述变动偏向信息导致发生所述关注偏向信息的第二概率；
[0035]若所述第一概率以及第二概率都小于对应的预设概率阈值，基于常规相关性分析模型，对所述第一维度信息以及第二维度信息进行相关性分析，得到第一相关结果；
[0036]若所述第一概率不小于对应预设概率阈值，且第二概率小于预设概率阈值，对所
述关注偏向信息进行关注主要分析，并基于第一主要相关性分析模型，对所述第一维度信息中的剩余信息、关注主要分析结果以及第二维度信息进行相关性分析，得到第二相关结果；
[0037]若所述第一概率小于对应预设概率阈值，且第二概率不小于预设概率阈值，对所述变动偏向信息进行变动主要分析，并基于第二主要相关性分析模型，对所述第二维度信息中的剩余信息、变动主要分析结果以及第一维度信息进行相关性分析，得到第三相关结果；
[0038]若所述第一概率以及第二概率都不小于对应的预设概率阈值，获取匹配相关性模型，对所述第一维度信息和第二维度信息进行相关性分析，得到第四相关结果；
[0039]所述第一相关结果、第二相关结果、第三相关结果、第四相关结果，即为对应的相关性分析结果。
[0040]在一种可能实现的方式中，获取匹配相关性模型，对所述第一维度信息和第二维度信息进行相关性分析，得到第四相关结果，包括：
[0041]确定所述关注偏向信息中的最大关注偏向信息、最小关注偏向信息以及集中关注偏向信息，以及获取所述变动偏向信息中的最大变动偏向信息、最小变动偏向信息以及集中变动偏向信息，进而确定两者的偏向差异度Y1；
[0042][0043]其中，S1表示最大关注偏向信息进行格式转换后的最大本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种多维度互联网大规模用户服务需求预测方法，其特征在于，包括：步骤1：按照服务需求维度指标，从信息数据库中筛选对应的第一维度信息；步骤2：按照预设区域的固有维度指标，获取对应的第二维度信息，并与所述第一维度信息进行相关性分析；步骤3：基于初始服务列表与对应相关性分析结果的分析服务需求进行对比，预测大规模用户的可能服务需求；步骤4：对预设区域的服务资源进行预处理，建立外部数据资源库；步骤5：将所述可能服务需求与所述外部数据资源库进行匹配，生成可推荐的服务功能模块，并自动更新上线。2.如权利要求1所述的大规模用户服务需求预测方法，其特征在于，步骤1：按照服务需求维度指标，从信息数据库中筛选对应的第一维度信息，包括：对所述服务需求维度指标进行拆分，得到若干条子维度指标，并确定每个所述子维度指标的指标符号；基于所述信息数据库，向所述指标符号匹配对应的指标信息；获取与每个指标符号一致的需求关注列表，并按照所述需求关注列表中的前n个关注因子依次对对应指标信息进行拆分，并对拆分后的子信息按照对应关注因子的关注偏向性进行偏向排序，构建对应关注因子与对应偏向排序结果中每个偏向段的偏向关系；基于所述偏向关系，确定偏向突变段，并将偏向突变段之前的所有偏向段的段信息作为第一待定信息；提取所述需求关注列表中的剩余关注因子对应的最佳偏向关系的偏向段的段信息，并作为第二待定信息；基于每个子维度指标对应的第一待定信息以及第二待定信息，得到第一维度信息。3.如权利要求1所述的大规模用户服务需求预测方法，其特征在于，按照预设区域的固有维度指标，获取对应的第二维度信息，包括：基于所述固有维度指标，获取所述预设区域的初始维度信息；记录所述预设区域的区域实时变动情况，并按照所述固有维度指标，对所述区域实时变动情况进行变动分类；按照变动分类结果，对所述初始维度信息进行变动附加，得到第二维度信息。4.如权利要求3所述的大规模用户服务需求预测方法，其特征在于，按照变动分类结果，对所述初始维度信息进行变动附加，得到第二维度信息，包括：按照变动曲线规划模型，对所述变动分类结果中每条子变动信息进行规划，得到对应的变动曲线，同时，向所述变动曲线设置变动标签；根据所述变动曲线的变动类型，提取所述初始维度信息中的待比较信息，基于初始曲线规划模型，对所述待比较信息进行规划，得到对应的初始曲线；将所述初始曲线与对应的变动曲线进行比较，确定变动增量，并判断所述变动增量是否大于预设变动阈值，若是，将对应变动标签进行第一标记；确定第一标记的变动标签所对应的变动对象，分析所述变动对象在剩余子变动信息中的出现概率，若所述出现概率大于或等于预设概率，将对应变动标签进行第二标记，并构建对应变动对象的变动分布图；
建立与所述变动分布图相关的第一调用索引，并附加在对应的待比较信息的第一位置上；若所述出现概率小于预设概率，建立与对应第一标记的变动标签相关的第二调用索引，并附加在对应的待比较信息的第二位置上；若所述变动增量不大于预设变动阈值，提取对应的变动信息中的变动关键词，并附加在对应的待比较信息的空闲区域位置上；基于附加结果，得到第二维度信息。5.如权利要求1所述的大规模用户服务需求预测方法，其特征在于，与所述第一维度信息进行相关性分析，包括：确定所述第一维度信息中的关注偏向信息以及第二维度信息中的变动偏向信息；基于指标构建模型，对所述关注偏向信息以及变动偏向信息进行预分析，构建所述关注偏向信息中的关注偏向指标与变动偏向信息中变动偏向指标的结构关系，并确定所述关注偏向信息导致产生所述变动偏向信息的第一概率，以及所述变动偏向信息导致发生所述关注偏向信息的第二概率；若所述第一概率以及第二概率都小于对应的预设概率阈值，基于常规相关性分析模型，对所述第一维度信息以及第二维度信息进行相关性分析，得到第一相关结果；若所述第一概率不小于对应预设概率阈值，且第二概率小于预设概率阈值，对所述关注偏向信息进行关注主要分析，并基于第一主要相关性分析模型，对所述第一维度信息中的剩余信息、关注主要分析结果以及第二维度信息进行相关性分析，得到第二相关结果；若所述第一概率小于对应预设概率阈值，且第二概率不小于预设概率阈值，对所述变动偏向信息进行变动主要分析，并基于第二主要相关性分析模型，对所述第二维度信息中的剩余信息、变动主要分析结果以及第一维度信息进行相关性分析，得到第三相关结果；若所述第一概率以及第二概率都不小于对应的预设概率阈值，获取匹配相关性模型，对所述第一维度信息和第二维度信息进行相关性分析，得到第四相关结果；所述第一相关结果、第二相关结果、第三相关结果、第四相关结果，即为对应的相关性分析结果。6.如权利要求5所述的大规模用户服务需求预测方法，其特征在于，获取匹配相关性模型，对所述第一维度信息和第二维度信息进行相关性分析，得到第四相关结果，包括：确定所述关注偏向信息中的最大关注偏向信息、最小关注偏向信息以及集中关注偏向信息，以及获取所述变动偏向信息中的最大变动偏向信息、最小变动偏向信息以及集中变动偏向信息，进而确定两者的偏向差异度Y1；其中，S1表示最大关注偏向信息进行格式转换后...

【专利技术属性】
技术研发人员：赵方忠，
申请(专利权)人：赵方忠，
类型：发明
国别省市：