数据处理方法、系统、设备及介质技术方案

本申请实施例提供数据处理方法、系统、设备及介质。该方法包括：获取与终端设备相关的设备时空数据、待推广数据以及与终端设备交互的多个不同用户的用户数据。利用特征提取器对设备时空数据、待推广数据以及用户数据进行特征提取，得到由指定子图表示的设备流动特征、推广数据特征以及用户特征。基于融合后的多模态特征利用推荐模型从多个待推广数据中确定的针对终端设备的目标推广数据。服务于用户流动性较大终端设备所经历的用户数据进行收集，并利用对应的特征提取器准确提取到终端设备的终端流动特征，进而能够综合当前用户的用户特征，待推广数据的推广数据特征以及设备流动特征综合评估该通过该终端设备推荐给该用户的目标推广数据。的目标推广数据。的目标推广数据。

【技术实现步骤摘要】
数据处理方法、系统、设备及介质


[0001]本申请涉及计算机
，尤其涉及数据处理方法、系统、设备及介质。

技术介绍

[0002]随着计算机技术的发展，能够为用户日常生活提供很多便利。比如，自助售货机。
[0003]在现有技术中，自助售货机通常安装在某个商场所后，供不同用户使用。比如，某用户来到商场进行消费，先去看电影，看完电影之后来到自助售货机前想要买瓶饮料，此时自助售货机的显示屏上可能播放某个服装的广告或者某个品牌的饮料的广告。由于自助售货机每天都为很多不同用户提供饮料，并不了解每个用户的实际需求，因此通过显示屏展示的广告内容并不一定符合该用户的需求，无法实现精准推广。

技术实现思路

[0004]为解决或改善现有技术中存在的问题，本申请各实施例提供了数据处理方法、系统、设备及介质。
[0005]第一方面，在本申请的一个实施例中，提供了一种数据处理方法。应用于服务器端，该方法包括：
[0006]获取与终端设备相关的设备时空数据、待推广数据以及与所述终端设备交互的多个不同用户的用户数据，所述用户数据为脱敏数据或统计学数据，所述终端设备为向不固定用户提供服务的设备；
[0007]利用特征提取器对所述设备时空数据、所述待推广数据以及所述用户数据进行特征提取，得到由指定子图表示的设备流动特征、推广数据特征以及用户特征；
[0008]将所述设备流动特征、所述推广数据特征以及所述用户特征进行多模态融合并输入推荐模型，以便利用所述推荐模型从多个所述待推广数据中确定的针对与所述终端设备交互中的当前用户的目标推广数据。
[0009]第二方面，本申请的一个实施例中，提供了一种数据处理方法，应用于终端设备，所述终端设备为向不固定用户提供服务的设备，该方法包括：
[0010]响应于第一用户通过客户端的交互请求，获取第一用户标识；
[0011]将所述第一用户标识和所述终端设备的设备标识发送给服务器端，以便所述服务器端利用特征提取器对设备时空数据、待推广数据以及用户数据进行特征提取，得到由指定子图表示的设备流动特征、推广数据特征以及用户特征；将所述设备流动特征、所述推广数据特征以及所述用户特征进行多模态融合并输入推荐模型；所述用户数据为脱敏数据或统计学数据；
[0012]接收所述服务器端利用所述推荐模型从多个所述待推广数据中确定的针对所述终端设备的目标推广数据。
[0013]第三方面，本申请的一个实施例中，提供了一种数据处理方法，应用于用户便携设备，该方法包括：
[0014]在向终端设备发送交互请求之后，接收携带有设备标识的反馈信息；
[0015]将第一用户标识和所述终端设备的设备标识发送给服务器端，以便所述服务器端利用特征提取器对设备时空数据、待推广数据以及用户数据进行特征提取，得到由指定子图表示的设备流动特征、推广数据特征以及用户特征；将所述设备流动特征、所述推广数据特征以及所述用户特征进行多模态融合并输入推荐模型；所述用户数据为脱敏数据或统计学数据；
[0016]接收所述服务器端利用所述推荐模型从多个所述待推广数据中确定的针对所述终端设备的目标推广数据。
[0017]第四方面，在本申请的一个实施例中，提供了一种数据处理系统，该系统包括如第一方面所述服务器端的数据处理方法以及第二方面所述的终端设备的数据处理方法。
[0018]第五方面，在本申请的一个实施例中，提供了一种数据处理系统，该系统包括如第一方面所述服务器端的数据处理方法以及第三方面所述的用户便携设备的数据处理方法。
[0019]第六方面，在本申请的一个实施例中，提供了一种云服务器，包括存储器及处理器；其中，
[0020]所述存储器，用于存储程序；
[0021]所述处理器，与所述存储器耦合，用于执行所述存储器中存储的所述程序，以用于实现第一方面所述的数据处理方法。
[0022]第七方面，在本申请的一个实施例中，提供了一种非暂时性机器可读存储介质，所述非暂时性机器可读存储介质上存储有可执行代码，当所述可执行代码被电子设备的处理器执行时，使所述处理器执行如第一方面所述的数据处理方法，或者如第二方面所述的数据处理方法，或者如第三方面所述的数据处理方法。
[0023]本申请实施例提供的技术方案，在线下场景中，有些终端设备不是向唯一用户提供服务的，而是向不固定用户提供服务的设备。服务器端能够直接或者间接为终端设备提供推广数据，为了使得推广数据更加符合当前正在与终端设备进行交互的第一用户的需求，服务器端将更全面的获取数据，这些数据包括设备时空数据、待推广数据以及与该终端设备交互(包括：当前正在交互以及交互过)的多个不同用户的用户数据，需要强调的是，用户数据为脱敏数据或统计学数据。进而，利用特征提取器进行特征提取，得到分别对应的特征为：由指定子图表示的设备流动特征、推广数据特征以及用户特征。进而将对应于不同数据类型的特征进行融合，通过推荐模型确定出适合于当前与终端设备进行交互的用户的目标推广数据。与终端设备具有交互行为的多个用户往往具有相同或相似特征，因此，在兼顾计算效率和特征提取效果的情况下，可以选择指定子图表示作为设备流动特征，能够全面体现出与该终端设备有交互行为的多个用户的共同特征，同时能够有效降低计算量。此外，服务于用户流动性较大终端设备所经历的用户数据进行收集，并利用对应的特征提取器准确提取到终端设备的终端流动特征，进而能够综合当前用户的用户特征，待推广数据的推广数据特征以及设备流动特征综合评估该通过该终端设备推荐给该用户的目标推广数据，能够有效提高终端设备进行数据推广时的准确率，使得用户能够在陌生终端设备上得到自己所需的推广数据。
附图说明
[0024]为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0025]图1a、1b为本申请实施例举例说明的数据处理系统的结构示意；
[0026]图2为本申请实施例举例说明的数据处理方法的流程示意图；
[0027]图3为本申请实施例举例说明的特征融合的示意图；
[0028]图4为本申请实施例提供的基于权重计算融合的流程示意图；
[0029]图5为本申请实施例提供的另一种数据处理方法的流程示意图；
[0030]图6为本申请实施例提供的另一种数据处理方法的流程示意图；
[0031]图7为本申请实施例提供的数据处理装置的结构示意图；
[0032]图8为本申请实施例提供的另一种数据处理装置的结构示意图；
[0033]图9为本申请实施例提供的再一种数据处理装置的结构示意图；
[0034]图10为本申请实施例提供的一种电子设备的结构示意图；
[0035]图11为本申请实施例提供的另一种电子设备的结构示意图；本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种数据处理方法，其特征在于，应用于服务器端，所述方法包括：获取与终端设备相关的设备时空数据、待推广数据以及与所述终端设备交互的多个不同用户的用户数据，所述用户数据为脱敏数据或统计学数据，所述终端设备为向不固定用户提供服务的设备；利用特征提取器对所述设备时空数据、所述待推广数据以及所述用户数据进行特征提取，得到由指定子图表示的设备流动特征、推广数据特征以及用户特征；将所述设备流动特征、所述推广数据特征以及所述用户特征进行多模态融合并输入推荐模型，以便利用所述推荐模型从多个所述待推广数据中确定的针对与所述终端设备交互中的当前用户的目标推广数据。2.根据权利要求1所述的方法，其特征在于，获取与所述终端设备交互的多个不同用户的用户数据，包括：当前第一用户与所述终端设备正在交互时，接收所述终端设备和/或用户便携设备提供的交互请求信息；其中，所述交互请求信息中包含：第一用户标识和终端设备标识；基于所述第一用户标识确定所述第一用户数据；根据所述终端设备标识，确定与所述终端设备交互过的第二用户的所述第二用户数据，所述第二用户为多个历史用户。3.根据权利要求2所述的方法，其特征在于，获取与终端设备相关的设备时空数据、待推广数据，包括：基于所述终端设备标识，确定所述设备时空数据，以及预存的多个所述待推广数据；其中，所述设备时空数据包括：设备空间位置、所述第一用户或所述第二用户与所述终端设备进行交互的时间数据。4.根据权利要求2所述的方法，其特征在于，所述设备流动特征的提取方式，包括：利用图卷积网络对所述设备时空数据和所述第二用户数据进行特征提取，将得到的所述图卷积网络的低阶子图表示为设备流动特征。5.根据权利要求1所述的方法，其特征在于，所述推广数据特征的提取方式包括：利用预训练的卷积神经网络对所述待推广数据进行特征提取，得到所述推广特征；其中，所述卷积神经网络为基于推广数据训练样本对所述卷积神经网络模型中浅层进行训练后得到的。6.根据权利要求2所述的方法，其特征在于，将所述设备流动特征、所述推广数据特征以及所述用户特征进行多模态融合，包括：基于注意力机制，确定所述设备流动特征对应的第一权重、所述推广数据特征对应的第二权重以及所述用户特征对应的第三权重；将所述设备流动特征与所述第一权重，所述推广数据特征与所述第二权重以及所述用户特征与第三权重分别进行点积处理，得到多个模态特征；利用预设模型对所述多个模态特征进行融合处理。7.根据权利要求6所述的方法，其特征在于，将所述设备流动特征、所述推广数据特征以及所述用户特征进行多模态融合并输入推荐模型...

【专利技术属性】
技术研发人员：朱洪渊，牛也，邓云辉，
申请(专利权)人：阿里云计算有限公司，
类型：发明
国别省市：