一种基于行为分析的预测匹配方法及系统技术方案

本发明专利技术公开了一种基于行为分析的预测匹配方法及系统，涉及数据处理技术领域，该方法包括：读取并整合目标用户基于平台方的全触点数据，传输至联邦中台；针对全触点数据进行属性标签的提取，执行基于单项分析与群体分析的空间映射关联，构建目标画像图谱；基于目标画像图谱，训练自适应智能匹配模型；读取目标匹配任务，结合自适应智能匹配模型进行用户需求匹配决策，确定任务匹配结果，生成信息弹窗，于可视化界面进行显示

【技术实现步骤摘要】
一种基于行为分析的预测匹配方法及系统


[0001]本专利技术涉及数据处理
，具体涉及一种基于行为分析的预测匹配方法及系统
。

技术介绍

[0002]用户在线上进行阅读或书籍购买等操作时，平台通常会根据用户喜好，推送相关内容链接或优惠活动信息，从而方便用户的使用需求或进行相关内容推广
。
但目前缺乏完善的系统性分析方式，无法于数据海中兼顾匹配效率与精度进行有效性分析，推送内容的准确度不佳，甚至对用户造成困扰
。

技术实现思路

[0003]本申请提供了一种基于行为分析的预测匹配方法及系统，用于解决现有技术中缺乏完善的系统性分析方式，无法于数据海中兼顾匹配效率与精度进行用户喜好分析的技术问题
。
[0004]本申请的第一个方面，提供了一种基于行为分析的预测匹配方法，所述方法包括：读取并整合目标用户基于平台方的全触点数据，传输至联邦中台，所述目标用户为存在线上阅读行为或购买行为的参与用户；针对所述全触点数据进行属性标签的提取，执行基于单项分析与群体分析的空间映射关联，构建目标画像图谱，所述目标画像图谱具有时效更新性，且存在标签节点的分布权重配置；基于所述目标画像图谱，训练自适应智能匹配模型，所述自适应智能匹配模型内嵌于所述联邦中台；结合任务采集器，读取目标匹配任务，所述目标匹配任务包括基于目标用户的预测用户需求与关键检索特征，所述任务采集器用于多用户端的任务接收与生成，且与所述自适应智能匹配模型建立有通信信道；结合所述自适应智能匹配模型，进行基于所述目标匹配任务的用户需求匹配决策，确定任务匹配结果；生成基于所述任务匹配结果的信息弹窗，于可视化界面进行显示，其中，各项任务匹配结果标识有端口链接
。
[0005]本申请的第二个方面，提供了一种基于行为分析的预测匹配系统，所述系统包括：全触点数据读取模块，所述全触点数据读取模块用于读取并整合目标用户基于平台方的全触点数据，传输至联邦中台，所述目标用户为存在线上阅读行为或购买行为的参与用户；目标画像图谱构建模块，所述目标画像图谱构建模块用于针对所述全触点数据进行属性标签的提取，执行基于单项分析与群体分析的空间映射关联，构建目标画像图谱，所述目标画像图谱具有时效更新性，且存在标签节点的分布权重配置；自适应智能匹配模型训练模块，所述自适应智能匹配模型训练模块用于基于所述目标画像图谱，训练自适应智能匹配模型，所述自适应智能匹配模型内嵌于所述联邦中台；目标匹配任务读取模块，所述目标匹配任务读取模块用于结合任务采集器，读取目标匹配任务，所述目标匹配任务包括基于目标用户的预测用户需求与关键检索特征，所述任务采集器用于多用户端的任务接收与生成，且与所述自适应智能匹配模型建立有通信信道；用户需求匹配决策模块，所述用户需求匹配
决策模块用于结合所述自适应智能匹配模型，进行基于所述目标匹配任务的用户需求匹配决策，确定任务匹配结果；信息弹窗生成模块，所述信息弹窗生成模块用于生成基于所述任务匹配结果的信息弹窗，于可视化界面进行显示，其中，各项任务匹配结果标识有端口链接
。
[0006]本申请中提供的一个或多个技术方案，至少具有如下技术效果或优点：本申请提供的一种基于行为分析的预测匹配方法，涉及数据处理
，通过读取并整合目标用户基于平台方的全触点数据，进行属性标签的提取，执行基于单项分析与群体分析的空间映射关联，构建目标画像图谱，训练自适应智能匹配模型，读取目标匹配任务，进行用户需求匹配决策，确定任务匹配结果，生成信息弹窗并于可视化界面进行显示，解决了现有技术中缺乏完善的系统性分析方式，无法于数据海中兼顾匹配效率与精度进行用户喜好分析的技术问题，实现了通过系统性的用户行为分析，提高用户喜好推送决策效率与用户契合度的技术效果
。
附图说明
[0007]为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，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
。
[0008]图1为本申请实施例提供的一种基于行为分析的预测匹配方法流程示意图；图2为本申请实施例提供的一种基于行为分析的预测匹配方法中生成目标画像图谱的流程示意图；图3为本申请实施例提供的一种基于行为分析的预测匹配方法中读取目标匹配任务的流程示意图；图4为本申请实施例提供的一种基于行为分析的预测匹配系统结构示意图
。
[0009]附图标记说明：全触点数据读取模块
11
，目标画像图谱构建模块
12
，自适应智能匹配模型训练模块
13
，目标匹配任务读取模块
14
，用户需求匹配决策模块
15
，信息弹窗生成模块
16。
具体实施方式
[0010]本申请提供了一种基于行为分析的预测匹配方法，用于解决现有技术中缺乏完善的系统性分析方式，无法于数据海中兼顾匹配效率与精度进行用户喜好分析的技术问题
。
[0011]下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚
、
完整的描述
。
显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例
。
基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围
。
[0012]需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“第一”“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序
。
应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施
。
此外，术语“包括”和“具有”以及它们的任何变形，意图在于覆盖
不排他的包含，例如，包含了一系列步骤或单元的过程
、
方法
、
系统
、
产品或服务器不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程
、
方法
、
产品或设备固有的其它步骤或模块
。
实施例一
[0013]如图1所示，本申请提供了一种基于行为分析的预测匹配方法，所述方法包括：
T10
：读取并整合目标用户基于平台方的全触点数据，传输至联邦中台，所述目标用户为存在线上阅读行为或购买行为的参与用户；进一步的，本申请实施例步骤
T10
还包括：
T11
：交互存在行为相关性的多个平台方，其中，各平台方标识有基于行为相关程度配置的分布权重；
T12
：读取预定时间区间内的行为数据，执行基于用户归属与平台归属的映射整合，确定读取数据；
T13
：对所述读取数据执行归一化处本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于行为分析的预测匹配方法，其特征在于，所述方法包括：读取并整合目标用户基于平台方的全触点数据，传输至联邦中台，所述目标用户为存在线上阅读行为或购买行为的参与用户；针对所述全触点数据进行属性标签的提取，执行基于单项分析与群体分析的空间映射关联，构建目标画像图谱，所述目标画像图谱具有时效更新性，且存在标签节点的分布权重配置；基于所述目标画像图谱，训练自适应智能匹配模型，所述自适应智能匹配模型内嵌于所述联邦中台；结合任务采集器，读取目标匹配任务，所述目标匹配任务包括基于目标用户的预测用户需求与关键检索特征，所述任务采集器用于多用户端的任务接收与生成，且与所述自适应智能匹配模型建立有通信信道；结合所述自适应智能匹配模型，进行基于所述目标匹配任务的用户需求匹配决策，确定任务匹配结果；生成基于所述任务匹配结果的信息弹窗，于可视化界面进行显示，其中，各条任务匹配结果标识有端口链接
。2.
如权利要求1所述的方法，其特征在于，所述读取并整合目标用户基于平台方的全触点数据，该方法包括：交互存在行为相关性的多个平台方，其中，各平台方标识有基于行为相关程度配置的分布权重；读取预定时间区间内的行为数据，执行基于用户归属与平台归属的映射整合，确定读取数据；对所述读取数据执行归一化处理，确定所述全触点数据，其中，第
N
平台方对应第
N
触点数据
。3.
如权利要求1所述的方法，其特征在于，所述构建目标画像图谱，该方法包括：配置多维标签属性；结合所述多维标签属性，对所述全触点数据执行基于用户层面的单项分析与基于属性层面的群体分析，生成所述目标画像图谱；设定反馈更新周期，对所述目标画像图谱执行基于周期节点的触点数据读取与图谱更新
。4.
如权利要求3所述的方法，其特征在于，对所述全触点数据执行基于用户层面的单项分析与基于属性层面的群体分析，该方法包括：针对用户层面，结合所述多维标签属性，进行基于所述全触点数据的用户属性标签提取，建立用户画像层，所述用户画像层的存置画像与所述目标用户一一对应；针对属性层面，逐属性进行目标用户的归属映射，建立属性画像层，所述属性画像层的存置画像与所述多维标签属性一一对应；基于所述用户画像层与所述属性画像层，生成所述目标画像图谱
。5.
如权利要求1所述的方法，其特征在于，基于所述目标画像图谱，训练自适应智能匹配模型，该方法包括：配置目标匹配机制，所述目标...

【专利技术属性】
技术研发人员：吴旭镇，张立雄，林颖，
申请(专利权)人：深圳市华图测控系统有限公司，
类型：发明
国别省市：