【技术实现步骤摘要】
本专利技术涉及移动应用用户需求分析，更具体地，涉及一种多时间尺度投票式用户潜在需求分析方法及系统。
技术介绍
1、在移动互联网的发展中，移动应用产品经过了多年的发展，用户的行为模式、需求模式、场景都发生了很多变化。在早期，用户通过一些简单的行为，例如点击或者下载app来进行操作；在最近几年，移动互联网时代发生了一些变化，用户有更多的选择权利和更强的参与感，用户不再是被动接受信息和服务，而是有了一定的决策权和参与感；在早期，用户通过工具类产品来解决问题；随着移动互联网时代发展到现在，用户可以通过微信、微博、qq等一系列产品来表达自己的观点，同时也会通过这些产品来获取更多有用信息。
2、在本专利技术技术之前，现有技术主要依靠对应用户选择的商品的类型、颜色和时间等信息进行学习，进而完成用户当前最期望获取的信息的推荐，或者结合用户的检索信息进行需求分析，但是，并未考虑不同时间段，用户的需求迁移与转变。
技术实现思路
1、鉴于上述问题，本专利技术提出了一种多时间尺度投票式用户潜在需求分析方法及系统，通过在线基于多个时间尺度下的信息调研表设置，完成在线的投票信息的设定与调研，进而根据以往相同调研结果组别用户的最优的选择概率向用户进行动态信息推荐。
2、根据本专利技术实施例第一方面，提供一种多时间尺度投票式用户潜在需求分析方法。
3、在一个或多个实施例中，优选地，所述一种多时间尺度投票式用户潜在需求分析方法包括：
4、在线设置全部的用户潜在需求的待
5、根据所述用户存储待分析数据库按照用户和选择阶段进行关联，形成三维分析数据库；
6、获取所述三维分析数据库，进行在线的单一用户在不同投票采样间隔下的单一用户频率出现序列；
7、读取当前时刻的用户的投票采样间隔，并根据单一用户频率出现序列，确定对应的关联的投票库的组别；
8、在所述关联的投票库的组别提取对应的未来时刻不同元素的出现概率；
9、设置当前时刻用户的反馈时间需求，根据所述反馈时间需求结合不同元素的出现概率形成最优的潜在需求推荐。
10、在一个或多个实施例中，优选地，所述在线设置全部的用户潜在需求的待选项，作为用户存储待分析数据库，具体包括：
11、设置每个产品的不同时间下产品的使用情况、产品时间周期、产品功能流程和产品操作方式；
12、对每一种产品对应的不同时间下产品的使用情况、产品时间周期、产品功能流程和产品操作方式单独设置一个编码；
13、根据编码逐一存储对应的不同时间下产品的使用情况、产品时间周期、产品功能流程和产品操作方式，以一组编码的形式；
14、将全部的编码存储到用户存储待分析数据库。
15、在一个或多个实施例中，优选地，所述根据所述用户存储待分析数据库按照用户和选择阶段进行关联，形成三维分析数据库，具体包括：
16、获取当前时刻的用户，提取每个用户的选择历史数据；
17、根据所述历史数据提取用户存储待分析数据库对应的用户编号；
18、根据所述历史数据提取用户存储待分析数据库对应的选择阶段，其中，所述选择阶段包括：执行、操作和检修；
19、对每一个编码，分别关联所述选择阶段和用户编号，进而形成三维分析数据库。
20、在一个或多个实施例中，优选地，所述获取所述三维分析数据库，进行在线的单一用户在不同投票采样间隔下的单一用户频率出现序列，具体包括：
21、根据所述三维分析数据库提取每个用户对应的每个元素，其中，每个元素对应了一个待选择的投票选项；
22、提取利用第一计算公式获取所述每个用户对应的每个元素的投票采样间隔；
23、在投票采样间隔相同情况下，利用第二计算公式计算单一用户频率出现次数；
24、对每一个用户获取其全部的采样间隔设定值下对应的单一用户频率出现次数，由大至小存储为5个序列，所述的5个序列依次对应了第一、第二、第三、第四和第五投票采样间隔设定值；
25、将5个序列设置为所述单一用户频率出现序列；
26、所述第一计算公式为：
27、；
28、其中，a为投票采样间隔，b在获取对应元素所需时间，y1为预设的第一判定裕度，y2为预设的第二判定裕度，y3为预设的第三判定裕度，y4为预设的第四判定裕度，c1、c2、c3、c4和c5依次为第一、第二、第三、第四和第五投票采样间隔设定值；
29、所述第二计算公式为：
30、；
31、其中，pj为采样间隔设定值的编号为j时对应的单一用户频率出现次数，aij为第i个存储空间内投票采样间隔的编号为j时的出现次数，i为存储空间内的编号，n为存储空间的总数。
32、在一个或多个实施例中，优选地，所述读取当前时刻的用户的投票采样间隔，并根据单一用户频率出现序列，确定对应的关联的投票库的组别，具体包括：
33、提取当前时刻的用户的投票采样间隔，判断属于第一、第二、第三、第四和第五投票采样间隔设定值中的哪个，并提取与其相同的用户的投票采样间隔下，历史数据中哪些用户的单一用户频率出现序列与当前时刻的用户的单一用户频率出现序列相同；
34、将全部与当前时刻的用户的单一用户频率出现序列相同的用户一起设置为关联的投票库的组别。
35、在一个或多个实施例中，优选地，所述在所述关联的投票库的组别提取对应的未来时刻不同元素的出现概率，具体包括：
36、获取所述关联的投票库中每个元素的出现概率；
37、利用第三计算公式计算出现未来时刻不同元素的出现概率；
38、所述第三计算公式为：
39、h=avg（dr）
40、其中，h为未来时刻不同元素的出现概率，avg（）为取平均值函数，dr为当前第r个用户的当前元素的出现概率。
41、在一个或多个实施例中，优选地，所述设置当前时刻用户的反馈时间需求，根据所述反馈时间需求结合不同元素的出现概率形成最优的潜在需求推荐，具体包括：
42、获取所述当前时刻用户的反馈时间需求，根据当前时刻用户的反馈时间需求的最大值，利用第四计算公式计算最新投票采样间隔；
43、判断所述最新投票采样间隔对应的第一、第二、第三、第四和第五投票采样间隔设定值中的一个，并提取与其相同的用户的投票采样间隔下未来时刻不同元素的出现概率；
44、根据所述未来时刻不同元素的出现概率由大到小向用户展示不同元素对应的预设的显示任务；
45、所述第四计算公式为：
46、；
47、其中，e为最新投票采样间隔，f为当前时刻用户的反馈时间需求的最大值。
48、根据本专利技术实施例第二方面，提供一种多时间尺度投票式用户潜在需求分析系统。
49、在一个或多个实施例中，优本文档来自技高网...
【技术保护点】
1.一种多时间尺度投票式用户潜在需求分析方法，其特征在于，该方法包括：
2.如权利要求1所述的一种多时间尺度投票式用户潜在需求分析方法，其特征在于，所述在线设置全部的用户潜在需求的待选项，作为用户存储待分析数据库，具体包括：
3.如权利要求1所述的一种多时间尺度投票式用户潜在需求分析方法，其特征在于，所述根据所述用户存储待分析数据库按照用户和选择阶段进行关联，形成三维分析数据库，具体包括：
4.如权利要求1所述的一种多时间尺度投票式用户潜在需求分析方法，其特征在于，所述获取所述三维分析数据库，进行在线的单一用户在不同投票采样间隔下的单一用户频率出现序列，具体包括：
5.如权利要求1所述的一种多时间尺度投票式用户潜在需求分析方法，其特征在于，所述读取当前时刻的用户的投票采样间隔，并根据单一用户频率出现序列，确定对应的关联的投票库的组别，具体包括：
6.如权利要求1所述的一种多时间尺度投票式用户潜在需求分析方法，其特征在于，所述在所述关联的投票库的组别提取对应的未来时刻不同元素的出现概率，具体包括：
7.如权利要
8.一种多时间尺度投票式用户潜在需求分析系统，其特征在于，该系统用于实施如权利要求1-7中任一项所述的方法，该系统包括：
9.一种计算机可读存储介质，其上存储计算机程序指令，其特征在于，所述计算机程序指令在被处理器执行时实现如权利要求1-7中任一项所述的方法。
10.一种电子设备，包括存储器和处理器，其特征在于，所述存储器用于存储一条或多条计算机程序指令，其中，所述一条或多条计算机程序指令被所述处理器执行以实现如权利要求1-7任一项所述的方法。
...【技术特征摘要】
1.一种多时间尺度投票式用户潜在需求分析方法，其特征在于，该方法包括：
2.如权利要求1所述的一种多时间尺度投票式用户潜在需求分析方法，其特征在于，所述在线设置全部的用户潜在需求的待选项，作为用户存储待分析数据库，具体包括：
3.如权利要求1所述的一种多时间尺度投票式用户潜在需求分析方法，其特征在于，所述根据所述用户存储待分析数据库按照用户和选择阶段进行关联，形成三维分析数据库，具体包括：
4.如权利要求1所述的一种多时间尺度投票式用户潜在需求分析方法，其特征在于，所述获取所述三维分析数据库，进行在线的单一用户在不同投票采样间隔下的单一用户频率出现序列，具体包括：
5.如权利要求1所述的一种多时间尺度投票式用户潜在需求分析方法，其特征在于，所述读取当前时刻的用户的投票采样间隔，并根据单一用户频率出现序列，确定对应的关联的投票库的组别，具体包括：
6.如权利要...
【专利技术属性】
技术研发人员：董小蒙，
申请(专利权)人：北京亿家老小科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。