采用大数据深度挖掘的业务需求预测方法及大数据系统技术方案

本申请实施例公开了一种采用大数据深度挖掘的业务需求预测方法及大数据系统，基于指定订阅用户的各个目标业务需求以及各个目标业务需求的需求类型构建对应于各个目标业务需求的电商匹配字典，基于对应于各个目标业务需求的电商匹配字典向指定订阅用户推送对应的电商服务内容信息，获取指定订阅用户针对电商服务内容信息的反馈活动数据，并基于反馈活动数据对各个目标业务需求的电商匹配字典进行优化更新，从而在业务需求挖掘的基础上，以需求类型为电商匹配字段的生成维度进行信息推送，并基于反馈活动进行电商匹配字典的优化更新，以此提高后续电商匹配字典与该指定订阅用户的匹配度，提高内容定点推送体验。提高内容定点推送体验。提高内容定点推送体验。

【技术实现步骤摘要】
采用大数据深度挖掘的业务需求预测方法及大数据系统


[0001]本申请涉及大数据挖掘
，具体而言，涉及一种采用大数据深度挖掘的业务需求预测方法及大数据系统。

技术介绍

[0002]当前，互联网电商逐渐成了人们购物的主要方式，电子商务的繁荣带动了相关产业的不断升级。为了迎合大数据时代的特征，也为了更好地把握住大数据时代的种种商机，各个电子商务服务提供商纷纷涉足互联网金融，追逐大数据，都希望占据未来市场。
[0003]电子商务服务提供商要实现其经营目标，离不开针对广泛用户的合法的大数据分析，进行相关用户的业务需求预测，可以为后续的内容推送提高参考依据。相关技术中，通常会针对每个用户生成相应的用户画像，这些用户画像可以以电商匹配字典的形式进行反映，如何有效提高电商匹配字典与指定订阅用户的匹配度，提高内容定点推送体验，是本领域亟待解决的技术问题。

技术实现思路

[0004]本申请提供一种采用大数据深度挖掘的业务需求预测方法及大数据系统。
[0005]第一方面，本申请实施例提供一种采用大数据深度挖掘的业务需求预测方法，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种采用大数据深度挖掘的业务需求预测方法，应用于所述大数据系统，其特征在于，包括：基于指定订阅用户的业务需求分布，确定所述指定订阅用户的各个目标业务需求的需求类型；基于所述指定订阅用户的各个目标业务需求以及各个目标业务需求的需求类型构建对应于各个目标业务需求的电商匹配字典，其中，所述电商匹配字典包括多个依据优先级排列的电商匹配推送字段；基于所述对应于各个目标业务需求的电商匹配字典向所述指定订阅用户推送对应的电商服务内容信息；获取所述指定订阅用户针对所述电商服务内容信息的反馈活动数据，并基于所述反馈活动数据对所述各个目标业务需求的电商匹配字典进行优化更新。2.根据权利要求1所述的采用大数据深度挖掘的业务需求预测方法，其特征在于，所述基于所述反馈活动数据对所述各个目标业务需求的电商匹配字典进行优化更新的步骤，包括：对所述反馈活动数据的第一反馈活动集合进行特征挖掘，获得所述第一反馈活动集合中各反馈活动节点的反馈偏好特征，所述第一反馈活动集合指示了兴趣点反馈活动；基于所述第一反馈活动集合中各反馈活动节点的反馈偏好特征和兴趣点预测模型在实时业务上线阶段的预测兴趣点特征，确定所述第一反馈活动集合中各反馈活动节点在所述实时业务上线阶段对应的兴趣度量值；基于所述第一反馈活动集合中各反馈活动节点在所述实时业务上线阶段对应的兴趣度量值、所述兴趣点预测模型在实时业务上线阶段的预测兴趣点特征和所述兴趣点预测模型在实时业务上线阶段的传递特征，确定第一支持度信息，所述第一支持度信息表示所述实时业务上线阶段所对应偏好关注活动来自历史频繁活动集合的第一支持度和来自所述第一反馈活动集合的第二支持度；基于所述第一支持度和所述第二支持度，在所述历史频繁活动集合和所述第一反馈活动集合中确定所述实时业务上线阶段对应的偏好关注活动，并基于所述实时业务上线阶段对应的偏好关注活动相关的电商偏好字段以及每个电商偏好字段所对应的偏好关注程度对所述各个目标业务需求的电商匹配字典进行优化更新；所述偏好关注活动用于确定所述兴趣点反馈活动对应的偏好事件。3.根据权利要求2所述的采用大数据深度挖掘的业务需求预测方法，其特征在于，所述基于所述第一反馈活动集合中各反馈活动节点在所述实时业务上线阶段对应的兴趣度量值、所述兴趣点预测模型在实时业务上线阶段的预测兴趣点特征和所述兴趣点预测模型在实时业务上线阶段的传递特征，确定第一支持度信息，包括：基于所述第一反馈活动集合中各反馈活动节点所对应的反馈偏好特征和所述第一反馈活动集合中各反馈活动节点在所述实时业务上线阶段对应的兴趣度量值，确定所述实时业务上线阶段对应的兴趣衔接特征；将所述实时业务上线阶段对应的兴趣衔接特征、所述兴趣点预测模型在实时业务上线阶段的预测兴趣点特征和所述兴趣点预测模型在实时业务上线阶段的传递特征进行聚合，获得第一聚合特征；
对所述第一聚合特征进行支持度决策，获得所述第一支持度；基于所述第一支持度确定所述第二支持度，其中，所述第一支持度与所述第二支持度的和为1；所述基于所述第一反馈活动集合中各反馈活动节点所对应的反馈偏好特征和所述第一反馈活动集合中各反馈活动节点在所述实时业务上线阶段对应的兴趣度量值，确定所述实时业务上线阶段对应的兴趣衔接特征，包括：以所述第一反馈活动集合中各反馈活动节点在所述实时业务上线阶段对应的兴趣度量值作为所对应反馈活动节点的衔接属性，对所述第一反馈活动集合中全部反馈活动节点的反馈偏好特征进行知识实体衔接，获得所述实时业务上线阶段对应的兴趣衔接特征。4.根据权利要求2所述的采用大数据深度挖掘的业务需求预测方法，其特征在于，所述基于所述第一反馈活动集合中各反馈活动节点的反馈偏好特征和兴趣点预测模型在实时业务上线阶段的预测兴趣点特征，确定所述第一反馈活动集合中各反馈活动节点在所述实时业务上线阶段对应的兴趣度量值之前，所述方法还包括：获取所述兴趣点预测模型在实时业务上线阶段的传递特征，其中，所述兴趣点预测模型在实时业务上线阶段的传递特征包括所述兴趣点预测模型在上一业务上线阶段的预测兴趣点特征，所述兴趣点预测模型在首个业务上线阶段的传递特征包括触发标签对应的潜在特征信息；由所述兴趣点预测模型基于所述实时业务上线阶段的传递特征进行处理，生成所述实时业务上线阶段的预测兴趣点特征。5.根据权利要求2所述的采用大数据深度挖掘的业务需求预测方法，其特征在于，所述基于所述第一支持度和所述第二支持度，在所述历史频繁活动集合和所述第一反馈活动集合中确定所述实时业务上线阶段对应的偏好关注活动，包括：获取第二支持度信息，所述第二支持度信息表示历史频繁活动集合中各反馈活动节点是所述实时业务上线阶段所对应偏好关注活动的参考支持度；基于所述第一支持度和所述第二支持度，对所述第二支持度信息和所述第一反馈活动集合中各反馈活动节点在实时业务上线阶段对应的兴趣度量值进行知识实体衔接，确定目标支持度信息，所述目标支持度信息表示所述历史频繁活动集合和所述第一反馈活动集合中各反馈活动节点是所述实时业务上线阶段所对应偏好关注活动的目标支持度；基于所述目...

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