基于大数据的用户分析推送处理方法及系统技术方案

本发明专利技术实施例提供的基于大数据的用户分析推送处理方法及系统，通过对用户交互活动信息集中多类行为偏好项进行识别、匹配、组合、筛选和挖掘等处理，能够有效应对复杂用户交互活动场景下的偏好分析和需求挖掘任务，还能够引入行为偏好项的上下游特征进行推送决策需求的挖掘和预测，这样可以从复杂多样的行为偏好项中精准、合理地挖掘和预测得到用户交互活动信息集的推送决策需求，为后续的个性化、针对性推送提供可信的分析依据。性推送提供可信的分析依据。性推送提供可信的分析依据。

【技术实现步骤摘要】
基于大数据的用户分析推送处理方法及系统


[0001]本专利技术涉及大数据
，特别涉及一种基于大数据的用户分析推送处理方法及系统。

技术介绍

[0002]通过大数据技术分析用户的兴趣偏好，推送与之相匹配的信息，具有高效率、人性化、个性化等特征。可以想象的是，如果没有算法的介入，当前海量信息将很难完成有效的传播。现目前，对于大数据的推送重复缺陷，通常可以使用以下方法：避免关注单一方面的信息，主动回避平台推送的低俗化、单一化、娱乐化内容。因此，为了提高个性化且针对性的高效推送，挖掘用户的推送需求非常重要，然而相关技术难以在复杂环境下进行推送需求的准确合理挖掘。

技术实现思路

[0003]为改善相关技术中存在的技术问题，本专利技术提供了一种基于大数据的用户分析推送处理方法及系统。
[0004]第一方面，本专利技术实施例提供了一种基于大数据的用户分析推送处理方法，应用于用户分析推送系统，该方法包括：获得符合大数据挖掘要求的用户交互活动信息集；对所述用户交互活动信息集中的不少于两类行为偏好项进行持续性挖掘分析，得到各所述行为偏好项的定向挖掘信息；结合所述不少于两类行为偏好项的定向挖掘信息，确定所述不少于两类行为偏好项之间的上下游特征；通过各所述行为偏好项的定向挖掘信息，依据设定的信息抽取规则确定对应所述行为偏好项的业务会话互动信息；所述信息抽取规则用于指导相同行为偏好项的所述业务会话互动信息的数目；结合所述不少于两类行为偏好项之间的上下游特征和各所述行为偏好项的业务会话互动信息，确定所述用户交互活动信息集的推送决策需求。
[0005]如此设计，通过对用户交互活动信息集中多类行为偏好项进行识别、匹配、组合、筛选和挖掘等处理，能够有效应对复杂用户交互活动场景下的偏好分析和需求挖掘任务，还能够引入行为偏好项的上下游特征进行推送决策需求的挖掘和预测，这样可以从复杂多样的行为偏好项中精准、合理地挖掘和预测得到用户交互活动信息集的推送决策需求，为后续的个性化、针对性推送提供可信的分析依据。
[0006]对于一些可独立实施的实施例而言，所述获得符合大数据挖掘要求的用户交互活动信息集，包括：获得信息采集单元收集的不低于两组业务交互日志；通过不低于两个日志处理算法分别对所述不低于两组业务交互日志中一组业务交互日志进行处理，得到对应组所述业务交互日志中的当前用户活动数据；将所述不低于两组业务交互日志中的所述当前用户活动数据作为所述用户交互活动信息集。
[0007]如此设计，多组业务交互日志在多个日志处理算法中并行输出一组用户活动数据，构成用户交互活动信息集，这样能够丰富用户交互活动信息集中的行为偏好项，从而提
高推送决策需求挖掘的可信度和合理性。
[0008]对于一些可独立实施的实施例而言，所述定向挖掘信息包括所述行为偏好项的识别核、匹配标签和匹配记录，所述对所述用户交互活动信息集中的不少于两类行为偏好项进行持续性挖掘分析，得到各所述行为偏好项的定向挖掘信息，包括：对所述用户交互活动信息集中当前用户活动数据的不少于两类行为偏好项进行行为偏好识别，得到各所述行为偏好项的识别核；结合所述用户交互活动信息集中各所述行为偏好项的识别核，对相应所述行为偏好项进行匹配，得到对应所述行为偏好项的匹配标签和匹配记录。
[0009]如此设计，首先对当前用户活动数据上的多类行为偏好项进行识别得到各行为偏好项的识别核，然后进一步基于行为偏好项的识别核对相应行为偏好项进行匹配，以确保针对单一行为偏好项的识别准确性。
[0010]对于一些可独立实施的实施例而言，所述不少于两类行为偏好项包括主流行为偏好和边缘行为偏好；所述主流行为偏好反映推送需求主题；所述对所述用户交互活动信息集中当前用户活动数据的不少于两类行为偏好项进行行为偏好识别，得到各所述行为偏好项的识别核，包括：对所述用户交互活动信息集中当前用户活动数据的所述主流行为偏好进行行为偏好识别，得到所述主流行为偏好的识别核；基于所述当前用户活动数据为选定用户活动数据，对所述当前用户活动数据中所述边缘行为偏好进行行为偏好识别，得到所述边缘行为偏好的基础识别核；所述选定用户活动数据为依据设定抽取步长所抽取的；基于所述当前用户活动数据为非选定用户活动数据，对所述当前用户活动数据中所述边缘行为偏好进行偏好匹配处理，得到所述边缘行为偏好的候选识别核。
[0011]如此设计，对于边缘行为偏好采用选定用户活动数据+非选定用户活动数据估计的思组，能够减少算法的滥用，提高行为偏好项识别的时效性，实现整体方案的轻量化。
[0012]对于一些可独立实施的实施例而言，所述用户交互活动信息集中各当前用户活动数据都包含了数字认证签名；所述基于所述当前用户活动数据为所述非选定用户活动数据，对所述当前用户活动数据中所述边缘行为偏好进行偏好匹配处理，得到所述边缘行为偏好的候选识别核，包括：结合所述边缘行为偏好的基础识别核，对第一偏好匹配处理模型进行调整；所述基础识别核是在所述数字认证签名先于所述当前用户活动数据之前的选定用户活动数据中所确定出的；通过调整后的所述第一偏好匹配处理模型，对所述边缘行为偏好在所述当前用户活动数据中的分布变量进行估计，得到所述边缘行为偏好的候选识别核。
[0013]如此设计，利用选定用户活动数据识别的边缘行为偏好的基础识别核调整第一偏好匹配处理模型，并通过第一偏好匹配处理模型估计边缘行为偏好在非选定用户活动数据中的候选识别核，从而利用了偏好匹配处理时效性佳且准确性高的优势，确保推送需求挖掘分析的效率。
[0014]对于一些可独立实施的实施例而言，所述结合所述用户交互活动信息集中各所述行为偏好项的识别核，对相应所述行为偏好项进行匹配，得到对应所述行为偏好项的匹配标签和匹配记录，包括：将所述用户交互活动信息集中全部所述行为偏好项的识别核加载至第二偏好匹配处理模型，得到各所述行为偏好项的匹配标签；基于一组业务交互日志中对应于相同所述行为偏好项的所述识别核和对应所述行为偏好项的匹配标签，确定对应所述行为偏好项的匹配记录。
[0015]如此设计，通过第二偏好匹配处理模型输出各行为偏好项的匹配标签并确定匹配记录，可以把每组活动信息挖掘出来的单一的识别窗口进行关联，视为绑定同一匹配标签的行为偏好项来处理，便于后续行为偏好项处理过程中实现资源开销的节约。
[0016]对于一些可独立实施的实施例而言，所述不少于两类行为偏好项包括以下：虚拟商城浏览项、跨境电商关注项、VR服务偏好项、MR服务偏好项和热点话题偏好项；所述结合所述不少于两类行为偏好项的定向挖掘信息，确定所述不少于两类行为偏好项之间的上下游特征，包括：结合所述虚拟商城浏览项的识别核和所述跨境电商关注项的识别核之间的分布变量联合分析结果，确定对应于相同电子商务偏好项跨境商城关联信息；结合所述跨境电商关注项的识别核和所述VR服务偏好项的识别核之间的分布变量联合分析结果，确定所述跨境电商关注项和所述VR服务偏好项之间的体感需求描述特征；结合所述热点话题偏好项和所述MR服务偏好项各自的识别核的分布变量，以及所本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于大数据的用户分析推送处理方法，其特征在于，应用于用户分析推送系统，该方法包括：获得所述符合大数据挖掘要求的用户交互活动信息集，并对所述用户交互活动信息集中的不少于两类行为偏好项进行持续性挖掘分析，得到各所述行为偏好项的定向挖掘信息；结合所述不少于两类行为偏好项的定向挖掘信息，确定所述不少于两类行为偏好项之间的上下游特征；通过各所述行为偏好项的定向挖掘信息，依据设定的信息抽取规则确定对应所述行为偏好项的业务会话互动信息；其中，所述信息抽取规则用于指导相同行为偏好项的所述业务会话互动信息的数目；结合所述不少于两类行为偏好项之间的上下游特征和各所述行为偏好项的业务会话互动信息，确定所述用户交互活动信息集的推送决策需求。2.根据权利要求1所述的方法，其特征在于，所述获得符合大数据挖掘要求的用户交互活动信息集，包括：获得信息采集单元收集的不低于两组业务交互日志；通过不低于两个日志处理算法分别对所述不低于两组业务交互日志中一组业务交互日志进行处理，得到对应组所述业务交互日志中的当前用户活动数据；将所述不低于两组业务交互日志中的所述当前用户活动数据作为所述用户交互活动信息集。3.根据权利要求2所述的方法，其特征在于，所述定向挖掘信息包括所述行为偏好项的识别核、匹配标签和匹配记录，所述对所述用户交互活动信息集中的不少于两类行为偏好项进行持续性挖掘分析，得到各所述行为偏好项的定向挖掘信息，包括：对所述用户交互活动信息集中当前用户活动数据的不少于两类行为偏好项进行行为偏好识别，得到各所述行为偏好项的识别核；结合所述用户交互活动信息集中各所述行为偏好项的识别核，对相应所述行为偏好项进行匹配，得到对应所述行为偏好项的匹配标签和匹配记录。4.根据权利要求1所述的方法，其特征在于，所述不少于两类行为偏好项包括主流行为偏好和边缘行为偏好；所述主流行为偏好反映推送需求主题；所述对所述用户交互活动信息集中当前用户活动数据的不少于两类行为偏好项进行行为偏好识别，得到各所述行为偏好项的识别核，包括：对所述用户交互活动信息集中当前用户活动数据的所述主流行为偏好进行行为偏好识别，得到所述主流行为偏好的识别核；基于所述当前用户活动数据为选定用户活动数据，对所述当前用户活动数据中所述边缘行为偏好进行行为偏好识别，得到所述边缘行为偏好的基础识别核；所述选定用户活动数据为依据设定抽取步长所抽取的；基于所述当前用户活动数据为非选定用户活动数据，对所述当前用户活动数据中所述边缘行为偏好进行偏好匹配处理，得到所述边缘行为偏好的候选识别核；其中，所述用户交互活动信息集中各当前用户活动数据都包含了数字认证签名；所述基于所述当前用户活动数据为所述非选定用户活动数据，对所述当前用户活动数据中所述边缘行为偏好进行偏好匹配处理，得到所述边缘行为偏好的候选识别核，包括：结合所述边缘行为偏好的基础识别核，对第一偏好匹配处理模型进行调整；所述基础识别核是在所述数字认证签名先于所述当前用户活动数据之前的选定用户活动数据中所确定出的；通过调
整后的所述第一偏好匹配处理模型，对所述边缘行为偏好在所述当前用户活动数据中的分布变量进行估计，得到所述边缘行为偏好的候选识别核；其中，所述结合所述用户交互活动信息集中各所述行为偏好项的识别核，对相应所述行为偏好项进行匹配，得到对应所述行为偏好项的匹配标签和匹配记录，包括：将所述用户交互活动信息集中全部所述行为偏好项的识别核加载至第二偏好匹配处理模型，得到各所述行为偏好项的匹配标签；基于一组业务交互日志中对应于相同所述行为偏好项的所述识别核和对应所述行为偏好项的匹配标签，确定对应所述行为偏好项的匹配记录。5.根据权利要求1所述的方法，其特征在于，所述不少于两类行为偏好项包括：虚拟商城浏览项、跨境电商关注项、VR服务偏好项、MR服务偏好项和热点话题偏好项；所述结合所述不少于两类行为偏好项的定向挖掘信息，确定所述不少于两类行为偏好项之间的上下游特征，包括：结合所述虚拟商城浏览项的识别核和所述跨境电商关注项的识别核之间的分布变量联合分析结果，确定对应于相同电子商务偏好项跨境商城关联信息；结合所述跨境电商关注项的识别核和所述VR服务偏好项的识别核之间的分布变量联合分析结果，确定所述跨境电商关注项和所述VR服务偏好项之间的体感需求描述特征；结合所述热点话题偏好项和所述MR服务偏好项各自的...

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