CN111460295A - 用户行为事件匹配方法和装置、电子设备 - Google Patents
用户行为事件匹配方法和装置、电子设备 Download PDFInfo
- Publication number
- CN111460295A CN111460295A CN202010242358.0A CN202010242358A CN111460295A CN 111460295 A CN111460295 A CN 111460295A CN 202010242358 A CN202010242358 A CN 202010242358A CN 111460295 A CN111460295 A CN 111460295A
- Authority
- CN
- China
- Prior art keywords
- user behavior
- user
- historical
- event
- behavior data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000013507 mapping Methods 0.000 claims abstract description 81
- 230000006399 behavior Effects 0.000 claims description 431
- 238000010586 diagram Methods 0.000 description 9
- 230000009471 action Effects 0.000 description 8
- 230000008569 process Effects 0.000 description 7
- 238000006243 chemical reaction Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 229920001690 polydopamine Polymers 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 241001122767 Theaceae Species 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004883 computer application Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 235000008476 powdered milk Nutrition 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0631—Item recommendations
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Finance (AREA)
- General Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Artificial Intelligence (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Life Sciences & Earth Sciences (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本说明书一个或多个实施例提供一种用户行为事件匹配方法和装置、电子设备,所述方法包括:获取与目标用户对应的第一历史用户行为数据;基于所述第一历史用户行为数据生成与所述目标用户对应的用户特征映射图;确定所述用户特征映射图和与目标用户行为事件对应的事件特征映射图是否匹配;其中,所述事件特征映射图为基于对与历史用户对应的第二历史用户行为数据进行数据聚类得到的聚类后的第二历史用户行为数据生成的事件特征映射图,所述历史用户为与所述目标用户行为事件对应的历史用户;如果所述用户特征映射图和所述事件特征映射图匹配,则确定所述目标用户与所述目标用户行为事件匹配。
Description
技术领域
本说明书一个或多个实施例涉及计算机应用技术领域,尤其涉及一种用户行为事件匹配方法和装置、电子设备。
背景技术
现如今,为了吸引到更多客户,商家通常会为客户提供多种多样的产品和服务,以供客户挑选。在这种情况下,如何为商家的***匹配合适的产品或者服务,从而便于商家服务用户,以提高客户转化率,也就成为亟待解决的问题。
发明内容
本说明书提出一种用户行为事件匹配方法,所述方法包括:
获取与目标用户对应的第一历史用户行为数据;
基于所述第一历史用户行为数据生成与所述目标用户对应的用户特征映射图;
确定所述用户特征映射图和与目标用户行为事件对应的事件特征映射图是否匹配;其中,所述事件特征映射图为基于对与历史用户对应的第二历史用户行为数据进行数据聚类得到的聚类后的第二历史用户行为数据生成的事件特征映射图,所述历史用户为与所述目标用户行为事件对应的历史用户;
如果所述用户特征映射图和所述事件特征映射图匹配,则确定所述目标用户与所述目标用户行为事件匹配。
可选地,所述确定所述用户特征映射图和与目标用户行为事件对应的事件特征映射图是否匹配,包括:
计算所述用户特征映射图和与目标用户行为事件对应的事件特征映射图的图像相似度;
确定计算出的所述图像相似度是否大于预设的相似度阈值;
如果计算出的所述图像相似度大于所述相似度阈值,则确定所述用户特征映射图和所述事件特征映射图匹配。
可选地,所述方法还包括:
确定与所述目标用户行为事件对应的所述历史用户;
获取与所述历史用户对应的第二历史用户行为数据;
对所述第二历史用户行为数据进行数据聚类;
基于聚类后的第二历史用户行为数据生成与所述目标用户行为事件对应的所述事件特征映射图。
可选地,所述确定与所述目标用户行为事件对应的所述历史用户,包括:
获取与所述目标用户行为事件对应的历史用户行为数据;其中,所述历史用户行为数据包括所述目标用户行为对应和历史用户的对应关系;
基于所述历史用户行为数据确定与所述目标用户行为事件对应的所述历史用户。
可选地,所述基于聚类后的第二历史用户行为数据生成与所述目标用户行为事件对应的所述事件特征映射图,包括:
在与聚类后的第二历史用户行为数据对应的历史用户的数量达到预设的数量阈值时,基于聚类后的第二历史用户行为数据生成与所述目标用户行为事件对应的所述事件特征映射图。
可选地,所述第二历史用户行为数据包括所述历史用户的用户信息,以及与所述历史用户对应的若干用户行为事件;其中,所述用户信息和所述用户行为事件被设置了对应的特征值;
所述对所述第二历史用户行为数据进行数据聚类,包括:
基于与第二历史用户行为数据中的用户信息和用户行为事件对应的特征值,对所述第二历史用户行为数据进行数据聚类。
可选地,所述基于聚类后的第二历史用户行为数据生成与所述目标用户行为事件对应的所述事件特征映射图,包括:
基于聚类后的第二历史用户行为数据中的用户信息和用户行为事件,以及与所述聚类后的第二历史用户行为数据中的用户信息和用户行为事件对应的特征值,生成与所述目标用户行为事件对应的所述事件特征映射图。
可选地,所述第一历史用户行为数据包括所述目标用户的用户信息,以及与所述目标用户对应的若干用户行为事件;其中,所述用户信息和所述用户行为事件被设置了对应的特征值;
所述基于所述第一历史用户行为数据生成与所述目标用户对应的用户特征映射图,包括:
基于所述第一历史用户行为数据中的用户信息和用户行为事件,以及与所述第一历史用户行为数据中的用户信息和用户行为事件对应的特征值,生成与所述目标用户对应的用户特征映射图。
本说明书还提出一种用户行为事件匹配装置,所述装置包括:
第一获取模块,用于获取与目标用户对应的第一历史用户行为数据;
第一生成模块,用于基于所述第一历史用户行为数据生成与所述目标用户对应的用户特征映射图;
匹配模块,用于确定所述用户特征映射图和与目标用户行为事件对应的事件特征映射图是否匹配;其中,所述事件特征映射图为基于对与历史用户对应的第二历史用户行为数据进行数据聚类得到的聚类后的第二历史用户行为数据生成的事件特征映射图,所述历史用户为与所述目标用户行为事件对应的历史用户;
第一确定模块,用于在所述用户特征映射图和所述事件特征映射图匹配时,确定所述目标用户与所述目标用户行为事件匹配。
可选地,所述匹配模块具体用于:
计算所述用户特征映射图和与目标用户行为事件对应的事件特征映射图的图像相似度;
确定计算出的所述图像相似度是否大于预设的相似度阈值;
如果计算出的所述图像相似度大于所述相似度阈值,则确定所述用户特征映射图和所述事件特征映射图匹配。
可选地,所述装置还包括:
第二确定模块,用于确定与所述目标用户行为事件对应的所述历史用户;
第二获取模块,用于获取与所述历史用户对应的第二历史用户行为数据;
聚类模块,用于对所述第二历史用户行为数据进行数据聚类;
第二生成模块,用于基于聚类后的第二历史用户行为数据生成与所述目标用户行为事件对应的所述事件特征映射图。
可选地,所述第二确定模块具体用于:
获取与所述目标用户行为事件对应的历史用户行为数据;其中,所述历史用户行为数据包括所述目标用户行为对应和历史用户的对应关系;
基于所述历史用户行为数据确定与所述目标用户行为事件对应的所述历史用户。
可选地,所述第二生成模块具体用于:
在与聚类后的第二历史用户行为数据对应的历史用户的数量达到预设的数量阈值时,基于聚类后的第二历史用户行为数据生成与所述目标用户行为事件对应的所述事件特征映射图。
可选地,所述第二历史用户行为数据包括所述历史用户的用户信息,以及与所述历史用户对应的若干用户行为事件;其中,所述用户信息和所述用户行为事件被设置了对应的特征值;
所述聚类模块具体用于:
基于与第二历史用户行为数据中的用户信息和用户行为事件对应的特征值,对所述第二历史用户行为数据进行数据聚类。
可选地,所述第二生成模块具体用于:
基于聚类后的第二历史用户行为数据中的用户信息和用户行为事件,以及与所述聚类后的第二历史用户行为数据中的用户信息和用户行为事件对应的特征值,生成与所述目标用户行为事件对应的所述事件特征映射图。
可选地,所述第一历史用户行为数据包括所述目标用户的用户信息,以及与所述目标用户对应的若干用户行为事件;其中,所述用户信息和所述用户行为事件被设置了对应的特征值;
所述第一生成模块具体用于:
基于所述第一历史用户行为数据中的用户信息和用户行为事件,以及与所述第一历史用户行为数据中的用户信息和用户行为事件对应的特征值,生成与所述目标用户对应的用户特征映射图。
本说明书还提出一种电子设备,包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器通过运行所述可执行指令以实现上述方法的步骤。
本说明书还提出一种计算机可读存储介质,其上存储有计算机指令,该指令被处理器执行时实现上述方法的步骤。
在上述技术方案中,可以基于***的历史用户行为数据生成与该***对应的用户特征映射图,并基于与待匹配的用户行为事件对应的历史用户的历史用户行为数据生成与该用户行为事件对应的事件特征映射图,再将该用户特征映射图和该事件特征映射图进行图像匹配,以在该用户特征映射图和该事件特征映射图匹配时,确定该***与该用户行为事件匹配,从而可以实现针对用户行为事件的定向匹配,便于与用户行为事件相关的服务提供方向用户提供服务,提升用户体验,进而提高客户转化率。
附图说明
图1是本说明书一示例性实施例示出的一种用户行为事件匹配***的示意图;
图2是本说明书一示例性实施例示出的一种用户行为事件匹配方法的流程图;
图3A是本说明书一示例性实施例示出的一种事件特征映射图的示意图;
图3B是本说明书一示例性实施例示出的另一种事件特征映射图的示意图;
图4是本说明书一示例性实施例示出的一种用户特征映射图的示意图;
图5是本说明书一示例性实施例示出的一种用户行为事件匹配装置所在电子设备的硬件结构图;
图6是本说明书一示例性实施例示出的一种用户行为事件匹配装置的框图。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本说明书一个或多个实施例相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本说明书一个或多个实施例的一些方面相一致的装置和方法的例子。
在本说明书使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本说明书。在本说明书和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。还应当理解,本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
应当理解,尽管在本说明书可能采用术语第一、第二、第三等来描述各种信息,但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如,在不脱离本说明书范围的情况下,第一信息也可以被称为第二信息,类似地,第二信息也可以被称为第一信息。取决于语境,如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。
本说明书旨在提供一种将基于与***对应的历史用户行为数据生成的与该***对应的用户特征映射图,和与待匹配的用户行为事件对应的事件特征映射图进行图像匹配,以在该用户特征映射图和该事件特征映射图匹配时,确定该***与该用户行为事件匹配的技术方案。
在实际应用中,一方面,一个用户行为事件具体可以指示一个特定的用户行为。举例来说,一个用户行为事件可以是用户购买一种产品或者服务的行为(例如:用户购买铁观音茶叶的行为;用户购买品牌X的奶粉的行为;用户购买从地点M到地点N的火车票的行为;等等);或者,一个用户行为事件可以是用户从商家所提供的客户服务中选择一种服务的行为(例如:用户从美发店所提供的多种服务套餐中选择购买包括烫发的服务套餐A的行为;用户从商家在举办促销活动时所提供的多种赠品中选择接受赠品B的行为;用户从大型商场所提供的位于商场内部的不同位置的多个休息室中选择在休息室C内休息的行为;等等)。
另一方面,对于某个用户行为事件,与该用户行为事件对应的***具体可以是可能执行该用户行为事件的用户。需要说明的是,与该用户行为事件对应的某个***可以是任意一个用户;或者,与该用户行为事件对应的某个***可以是按照由技术人员预先设置的规则进行筛选之后确定的部分用户(例如:定位位置与商家所在位置之间的距离小于由技术人员预先设置的距离阈值的用户)中的一个用户,本说明书对此不作限制。
在本说明书中,可以先确定与某个待匹配的用户行为事件(称为目标用户行为事件)对应的历史用户(即此前已经执行了目标用户行为事件的用户),并获取与该历史用户对应的历史用户行为数据(称为第二历史用户行为数据),再对第二历史用户行为数据进行数据聚类,最后基于聚类后的第二历史用户行为数据生成与目标用户行为事件对应的特征映射图(称为事件特征映射图),从而可以基于该事件特征映射图确定与目标用户行为事件对应的匹配用户。
具体地,对于与目标用户行为事件对应的某个***(称为目标用户),首先可以获取与目标用户对应的历史用户行为数据(称为第一历史用户行为数据),并基于第一历史用户行为数据生成与目标用户对应的特征映射图(称为用户特征映射图)。后续,可以确定该用户特征映射图和上述事件特征映射图是否匹配。如果该用户特征映射图和该事件特征映射图匹配,则可以确定目标用户与目标用户行为事件匹配,即目标用户是与目标用户行为事件对应的匹配用户。
在上述技术方案中,可以基于***的历史用户行为数据生成与该***对应的用户特征映射图,并基于与待匹配的用户行为事件对应的历史用户的历史用户行为数据生成与该用户行为事件对应的事件特征映射图,再将该用户特征映射图和该事件特征映射图进行图像匹配,以在该用户特征映射图和该事件特征映射图匹配时,确定该***与该用户行为事件匹配,从而可以实现针对用户行为事件的定向匹配,便于与用户行为事件相关的服务提供方向用户提供服务,提升用户体验,进而提高客户转化率。
请参考图1,图1是本说明书一示例性实施例示出的一种用户行为事件匹配***的示意图。
如图1所示,该用户行为事件匹配***可以包括服务端,以及与该服务端建立连接的服务提供方终端和用户终端;其中,该服务端可以部署在执行用户行为事件匹配这一业务的业务执行方所使用的电子设备上,该业务执行方可以是该服务提供方本身,该电子设备具体可以是服务器或者计算机等电子设备;该服务提供方终端可以是部署在商家店面内的用于采集、传输用户行为数据的电子设备,该电子设备具体可以是POS机,也可以是手机、平板设备、笔记本电脑或掌上电脑(PDAs,Personal Digital Assistants)等;该用户终端可以是用户所使用的电子设备,该电子设备具体可以是手机、平板设备、笔记本电脑或掌上电脑(PDAs,Personal Digital Assistants)等。
举例来说,商家在线下向用户出售了一种产品之后,可以创建与该产品对应的订单,从而使用户可以通过POS机针对该订单进行支付。在用户完成支付之后,可以由POS机将该订单上传至服务端,服务端则可以从该订单中提取用户标识(例如:用户的支付账户或者用户的手机号码)、用户行为事件(即用户购买该产品的行为)、用户行为发生时刻等数据,并将提取出的这些数据作为用户行为数据进行存储(例如:将提取出的这些数据作为用户行为数据存储至用户行为数据库)。
或者,可以由部署在商家的线下店面内的电子设备采集用户标识、用户行为事件、用户行为发生时刻等数据(例如:美发店的员工可以通过部署在美发店内的计算机记录用户购买的服务套餐以及购买时刻),该电子设备可以定期将采集到的这些数据上传至服务端,由服务端将这些数据作为用户行为数据进行存储。
除此之外,用户在执行线上的用户行为(例如:网购一种产品或者服务;网上预定某个品牌的赠品;等等)之后,与该用户行为对应的用户标识、用户行为事件(例如:用户购买某种产品或者服务的行为;用户预定某种赠品的行为;等等)、用户行为发生时刻等数据也可以被上传至服务端,由服务端将这些数据作为用户行为数据进行存储。
在实际应用中,可以对所有用户行为数据进行存储;或者,可以仅存储由技术人员预先设置的统计时长内的历史用户行为数据,例如:假设技术人员预先设置的统计时长为1个月,则可以仅存储当前时刻之前1个月内的用户行为数据。
请结合图1,参考图2,图2是本说明书一示例性实施例示出的一种用户行为事件匹配方法的流程图。该用户行为事件匹配方法可以应用于如图1所示的用户行为事件匹配***中的服务端,包括以下步骤:
步骤201,获取与目标用户对应的第一历史用户行为数据;
步骤202,基于所述第一历史用户行为数据生成与所述目标用户对应的用户特征映射图;
步骤203,确定所述用户特征映射图和与目标用户行为事件对应的事件特征映射图是否匹配;其中,所述事件特征映射图为基于对与历史用户对应的第二历史用户行为数据进行数据聚类得到的聚类后的第二历史用户行为数据生成的事件特征映射图,所述历史用户为与所述目标用户行为事件对应的历史用户;
步骤204,如果所述用户特征映射图和所述事件特征映射图匹配,则确定所述目标用户与所述目标用户行为事件匹配。
在本实施例中,可以先确定与某个待匹配的用户行为事件(称为目标用户行为事件)对应的历史用户(即在此之前已经执行了目标用户行为事件的用户),并获取与该历史用户对应的历史用户行为数据(称为第二历史用户行为数据),再对第二历史用户行为数据进行数据聚类,最后基于聚类后的第二历史用户行为数据生成与目标用户行为事件对应的特征映射图(称为事件特征映射图),从而可以基于该事件特征映射图确定与目标用户行为事件对应的匹配用户。
具体地,对于与目标用户行为事件对应的某个***(称为目标用户),首先可以获取与目标用户对应的历史用户行为数据(称为第一历史用户行为数据),并基于第一历史用户行为数据生成与目标用户对应的特征映射图(称为用户特征映射图)。后续,可以确定该用户特征映射图和上述事件特征映射图是否匹配。如果该用户特征映射图和该事件特征映射图匹配,则可以确定目标用户与目标用户行为事件匹配,即目标用户是与目标用户行为事件对应的匹配用户。
在实际应用中,可以获取所有与目标用户对应的用户行为数据作为第一历史用户行为数据;或者,为了减少数据处理量,提高数据处理效率,可以仅获取由技术人员预先设置的统计时长内的与目标用户对应的用户行为数据作为第一历史用户行为数据,例如:假设技术人员预先设置的统计时长为1个月,则可以根据用户行为数据中的用户行为发生时刻,仅获取当前时刻之前1个月内的与目标用户对应的用户行为数据作为第一历史用户行为数据。
同理,可以获取所有与上述历史用户对应的历史用户行为数据作为第二历史用户行为数据;或者,可以根据与获取到的与目标用户对应的用户行为数据对应的统计时长,仅获取该统计时长内的与该历史用户对应的历史用户行为数据作为第二历史用户行为数据。
在示出的一种实施方式中,可以计算上述用户特征映射图和上述事件特征映射图的图像相似度,并将计算出的该图像相似度与由技术人员预先设置的相似度阈值进行比较,以确定该图像相似度是否大于该相似度阈值。如果该图像相似度大于该相似度阈值,则可以确定该用户特征映射图和该事件特征映射图匹配。
在实际应用中,在确定目标用户与目标用户行为事件匹配时,可以认为目标用户执行目标用户行为事件的可能性较大,因此可以进一步将目标用户行为事件推荐给目标用户。具体地,可以将目标用户行为事件推送至目标用户的用户终端,从而使该用户终端可以将目标用户行为事件通过显示屏幕展示给目标用户,以供目标用户对目标用户行为事件进行查看。
举例来说,假设目标用户行为事件是用户从美发店所提供的多种服务套餐中选择购买包括烫发的服务套餐A的行为,则在确定目标用户与目标行为事件匹配时,可以进一步将服务套餐A推送至目标用户的用户终端,从而使该用户终端可以将服务套餐A通过显示屏幕展示给目标用户,为用户在美发店选择服务套餐提供便利。
下面从特征映射图的生成以及特征映射图的匹配两个方面对本实施例进行详细描述。
(1)特征映射图的生成
在本实施例中,首先可以确定与目标用户行为事件对应的历史用户,也即,确定此前已经执行了目标用户行为事件的用户。
在示出的一种实施方式中,可以先通过服务提供方终端获取与目标用户行为事件对应的用户行为数据。具体地,可以先获取由服务提供方终端上传的用户行为数据,并从这些用户行为数据中提取出包括目标用户行为事件的用户行为数据,作为与目标用户行为事件对应的用户行为数据。
在获取到与目标用户行为事件对应的用户行为数据的情况下,可以进一步确定该用户行为数据包括的用户标识。需要说明的是,与该用户标识对应的用户即为与目标用户行为事件对应的历史用户。
在本实施例中,在确定了与目标用户行为事件对应的历史用户的情况下,可以进一步获取与该历史用户对应的第二历史用户行为数据。具体地,可以从用户行为数据库中存储的历史用户行为数据中提取出包括该用户标识的历史用户行为数据,作为与该历史用户对应的第二历史用户行为数据。
在本实施例中,在获取到与上述历史用户对应的第二历史用户行为数据的情况下,可以进一步对第二历史用户行为数据进行数据聚类,并基于聚类后的第二历史用户行为数据生成与目标用户行为事件对应的事件特征映射图。
在示出的一种实施方式中,可以由技术人员按照一定的规则,为第二历史用户行为数据中的上述历史用户的用户信息,以及与该历史用户对应的若干用户行为事件设置对应的特征值。举例来说,对于用户信息中的性别,可以为男性设置1作为特征值,为女性设置2作为特征值,为性别未知设置3作为特征值;对于用户信息中的年龄,可以为在0至10岁的区间内的年龄设置1作为特征值,为在10至20岁的区间内的年龄设置2作为特征值,为在20至30岁的区间内的年龄设置3作为特征值,以此类推;而对于某个用户行为事件,则可以根据用户行为的发生时刻、相关金额等数据为该用户行为事件设置特征值。
在这种情况下,可以基于与第二历史用户行为数据中的用户信息和用户行为事件对应的特征值,对第二历史用户行为数据进行数据聚类。
在示出的一种实施方式中,可以在与聚类后的第二历史用户行为数据对应的历史用户的数量达到由技术人员预先设置的数量阈值时,基于聚类后的第二历史用户行为数据生成与目标用户行为事件对应的事件特征映射图。具体地,可以基于聚类后的第二历史用户行为数据中的用户信息和用户行为事件,以及与聚类后的第二历史用户行为数据中的用户信息和用户行为事件对应的特征值,生成与目标用户行为事件对应的事件特征映射图。
下面对生成事件特征映射图的具体步骤进行举例说明。
假设获取到的与历史用户对应的第二历史用户行为数据如下表1所示:
表1
其中,与用户标识1对应的用户1,性别为女性,年龄为28岁,职业为白领,在距离当前时刻的7至15天内执行了用户行为事件1和用户行为事件3,在距离当前时刻的0至7天内执行了用户行为事件2;与用户标识2对应的用户2,性别为女性,年龄为18岁,职业为学生,在距离当前时刻的7至15天内执行了用户行为事件1,在距离当前时刻的0至7天内执行了用户行为事件2,在距离当前时刻的15至30天内执行了用户行为事件3;以此类推。
在这种情况下,对于性别,可以为男性设置1作为特征值,为女性设置2作为特征值,为性别未知设置3作为特征值;对于年龄,可以为在10至20岁的区间内的年龄设置2作为特征值,为在20至30岁的区间内的年龄设置3作为特征值,为在30至40岁的区间内的年龄设置4作为特征值;对于职业,可以为学生设置1作为特征值,为白领设置2作为特征值,为公务员设置3作为特征值;对于用户行为事件1、用户行为事件2和用户行为事件3,可以为发生时刻与当前时刻的间隔时长在0至7天内的用户行为时刻设置1作为特征值,为发生时刻与当前时刻的间隔时长在7至15天内的用户行为时刻设置2作为特征值,为发生时刻与当前时刻的间隔时长在15至30天内的用户行为时刻设置3作为特征值。也即,与各个历史用户的第二历史用户行为数据中的用户信息和用户行为事件对应的特征值如下表2所示:
表2
可以采用最小尾数加1的方法,对第二历史用户行为数据执行一次数据聚类。具体地,首先可以将作为尾数的与用户行为事件3对应的特征值中的最小值1加1,如下表3所示:
表3
此时还未出现各个特征值均相同的用户,因此可以继续将作为尾数的与用户行为事件2对应的特征值中的最小值1加1,如下表4所示:
表4
此时还未出现各个特征值均相同的用户,因此可以继续将作为尾数的与用户行为事件1对应的特征值中的最小值1加1,如下表5所示:
表5
此时与用户标识1对应的用户1和与用户标识5对应的用户5的各个特征值相同。假设由技术人员预先设置的数量阈值为5,则由于此时聚类得到的历史用户的用户数量为2,还未达到该数量阈值(2<5),因此可以继续将作为尾数的与职业对应的特征值中的最小值1加1,如下表6所示:
表6
此时仍然仅有用户1和用户5的各个特征值相同,因此可以继续将作为尾数的与年龄对应的特征值中的最小值2加1,如下表7所示:
表7
此时用户1、用户5以及与用户标识2对应的用户2的各个特征值相同,且与用户标识3对应的用户3和与用户标识4对应的用户4的各个特征值相同。在这种情况下,可以将用户1、用户2和用户5作为聚类得到的一类用户,并将用户3和用户4作为聚类得到的另一类用户。由于此时聚类得到的历史用户的用户数量分别为3和2,均未达到上述数量阈值(3<5且2<5),因此可以继续将作为尾数的与年龄对应的特征值中的最小值1加1,如下表8所示:
表8
此时,用户1、用户2、用户3、用户4和用户5的各个特征值均相同。由于此时聚类得到的历史用户的用户数量为5,达到上述数量阈值(5=5),因此可以将用户1、用户2、用户3、用户4和用户5这5个历史用户作为聚类得到的一类用户,并基于聚类后的第二历史用户行为数据中的用户信息和用户行为事件,以及与聚类后的第二历史用户行为数据中的用户信息和用户行为事件对应的特征值(即聚类得到的这类用户的特征值包括:性别的特征值为2,年龄的特征值为3,职业的特征值为2,用户行为事件1的特征值为2,用户行为事件2的特征值为3,用户行为事件3的特征值为2),生成如图3A所示的与目标用户行为事件对应的事件特征映射图。
在如图3A所示的事件特征映射图中,以虚线的形式示出的各个图形的相应顶点指示同一种用户信息或者同一个用户行为事件,并且,以虚线的形式示出各个图形从内层到外层分别指示特征值为1至4。在这种情况下,由于聚类得到的这类用户的性别的特征值为2,因此这类用户的性别的映射点为指示的特征值为2的虚线图形的相应顶点;由于聚类得到的这类用户的年龄的特征值为3,因此这类用户的年龄的映射点为指示的特征值为3的虚线图形的相应顶点;以此类推。后续,可以对聚类得到的这类用户的各种用户信息以及各个用户行为事件的映射点中相邻的每两个映射点进行连接,得到以实线的形式示出的图形,该实线图形即可视为上述如图3A所示的事件特征映射图。
而对于与用户标识6对应的用户6、与用户标识7对应的用户7、与用户标识8对应的用户8、与用户标识9对应的用户9,以及与用户标识10对应的用户10,可以采用最小尾数加1的方法,对经过一次数据聚类后的这5个历史用户的第二历史用户行为数据再次执行一次数据聚类,如下表9所示:
表9
需要说明的是,在执行数据聚类的过程中,由于用户6、用户7、用户8、用户9和用户10这5个历史用户的与用户行为事件2对应的特征值均为2,因此可以不执行对该特征值中的最小值加1的步骤。
在完成此次数据聚类之后,用户6、用户7、用户8、用户9和用户10的各个特征值均相同。由于此时聚类得到的历史用户的用户数量为5,达到上述数量阈值(5=5),因此可以将用户6、用户7、用户8、用户9和用户10这5个历史用户作为聚类得到的一类用户,并基于聚类后的第二历史用户行为数据中的用户信息和用户行为事件,以及与聚类后的第二历史用户行为数据中的用户信息和用户行为事件对应的特征值(即聚类得到的这类用户的特征值包括:性别的特征值为3,年龄的特征值为4,职业的特征值为3,用户行为事件1的特征值为3,用户行为事件2的特征值为2,用户行为事件3的特征值为3),生成如图3B所示的与目标用户行为事件对应的事件特征映射图。
在如图3B所示的事件特征映射图中,以虚线的形式示出的各个图形的相应顶点指示同一种用户信息或者同一个用户行为事件,并且,以虚线的形式示出各个图形从内层到外层分别指示特征值为1至4。在这种情况下,由于聚类得到的这类用户的性别的特征值为3,因此这类用户的性别的映射点为指示的特征值为3的虚线图形的相应顶点;由于聚类得到的这类用户的年龄的特征值为4,因此这类用户的年龄的映射点为指示的特征值为4的虚线图形的相应顶点;以此类推。后续,可以对聚类得到的这类用户的各种用户信息以及各个用户行为事件的映射点中相邻的每两个映射点进行连接,得到以实线的形式示出的图形,该实线图形即可视为上述如图3B所示的事件特征映射图。
需要说明的是,上述如图3A所示的事件特征映射图,以及上述如图3B所示的事件特征映射图,均可以作为与目标用户行为事件对应的事件特征映射图。也即,可以基于如图3A所示的事件特征映射图,以及如图3B所示的事件特征映射图,确定与目标用户行为事件对应的匹配用户。
(2)特征映射图的匹配
在本实施例中,对于目标用户,可以先获取与目标用户对应的第一历史用户行为数据。具体地,可以从用户行为数据库中存储的历史用户行为数据中提取出包括该目标用户的用户标识的历史用户行为数据,作为与目标用户对应的第一历史用户行为数据。
参考上述生成事件特征映射图的具体步骤,可以由技术人员按照上述规则,为第一历史用户行为数据中的目标用户的用户信息,以及与目标用户对应的若干用户行为事件设置对应的特征值。
在这种情况下,可以基于第一历史用户行为数据中的用户信息和用户行为事件,以及与第一历史用户行为数据中的用户信息和用户行为事件对应的特征值,生成与目标用户对应的用户特征映射图。
下面对生成用户特征映射图的具体步骤进行举例说明。
假设获取到的与目标用户对应的第一历史用户行为数据如下表10所示:
表10
在这种情况下,与目标用户的第一历史用户行为数据中的用户信息和用户行为事件对应的特征值如下表11所示:
表11
可以基于第一历史用户行为数据中的用户信息和用户行为事件,以及与第一历史用户行为数据中的用户信息和用户行为事件对应的特征值(目标用户的特征值包括:性别的特征值为2,年龄的特征值为3,职业的特征值为2,用户行为事件1的特征值为1,用户行为事件2的特征值为2,用户行为事件3的特征值为1),生成如图4所示的与目标用户对应的用户特征映射图。
在如图4所示的用户特征映射图中,以虚线的形式示出的各个图形的相应顶点指示同一种用户信息或者同一个用户行为事件,并且,以虚线的形式示出各个图形从内层到外层分别指示特征值为1至4。在这种情况下,由于目标用户的性别的特征值为2,因此目标用户的性别的映射点为指示的特征值为2的虚线图形的相应顶点;由于目标用户的年龄的特征值为3,因此目标用户的年龄的映射点为指示的特征值为3的虚线图形的相应顶点;以此类推。后续,可以对目标用户的各种用户信息以及各个用户行为事件的映射点中相邻的每两个映射点进行连接,得到以实线的形式示出的图形,该实线图形即可视为上述如图4所示的用户特征映射图。
在得到了与目标用户对应的用户特征映射图以及与目标用户行为事件对应的事件特征映射图的情况下,可以进一步计算该用户特征映射图和该事件特征映射图的图像相似度,并将计算出的该图像相似度与由技术人员预先设置的相似度阈值进行比较,以确定该图像相似度是否大于该相似度阈值。如果该图像相似度大于该相似度阈值,则可以确定与目标用户对应的用户特征映射图和与目标用户行为事件对应的事件特征映射图匹配,从而可以确定目标用户与目标用户行为事件匹配,即目标用户是与目标用户行为事件对应的匹配用户。
继续以上述生成事件特征映射图和用户映射图的举例为例,在得到如图3A所示的事件特征映射图、如图3B所示的事件特征映射图,以及如图4所示的用户特征映射图的情况下,可以进一步计算如图4所示的用户特征映射图和如图3A所示的事件特征映射图的图像相似度1,并计算如图4所示的用户特征映射图和如图3B所示的事件特征映射图的图像相似度2。如果计算得到的图像相似度1和图像相似度2这2个图像相似度中的任意一个图像相似度大于由技术人员预先设置的相似度阈值,则可以确定与目标用户对应的用户特征映射图和与目标用户行为事件对应的事件特征映射图匹配,从而可以确定目标用户与目标用户行为事件匹配,即目标用户是与目标用户行为事件对应的匹配用户。
在上述技术方案中,可以基于***的历史用户行为数据生成与该***对应的用户特征映射图,并基于与待匹配的用户行为事件对应的历史用户的历史用户行为数据生成与该用户行为事件对应的事件特征映射图,再将该用户特征映射图和该事件特征映射图进行图像匹配,以在该用户特征映射图和该事件特征映射图匹配时,确定该***与该用户行为事件匹配,从而可以实现针对用户行为事件的定向匹配,便于与用户行为事件相关的服务提供方向用户提供服务,提升用户体验,进而提高客户转化率。
与前述用户行为事件匹配方法的实施例相对应,本说明书还提供了用户行为事件匹配装置的实施例。
本说明书用户行为事件匹配装置的实施例可以应用在电子设备上。装置实施例可以通过软件实现,也可以通过硬件或者软硬件结合的方式实现。以软件实现为例,作为一个逻辑意义上的装置,是通过其所在电子设备的处理器将非易失性存储器中对应的计算机程序指令读取到内存中运行形成的。从硬件层面而言,如图5所示,为本说明书用户行为事件匹配装置所在电子设备的一种硬件结构图,除了图5所示的处理器、内存、网络接口、以及非易失性存储器之外,实施例中装置所在的电子设备通常根据该用户行为事件匹配的实际功能,还可以包括其他硬件,对此不再赘述。
请参考图6,图6是本说明书一示例性实施例示出的一种用户行为事件匹配装置的框图。该用户行为事件匹配装置60可以应用于图5所示的电子设备,包括:
第一获取模块601,用于获取与目标用户对应的第一历史用户行为数据;
第一生成模块602,用于基于所述第一历史用户行为数据生成与所述目标用户对应的用户特征映射图;
匹配模块603,用于确定所述用户特征映射图和与目标用户行为事件对应的事件特征映射图是否匹配;其中,所述事件特征映射图为基于对与历史用户对应的第二历史用户行为数据进行数据聚类得到的聚类后的第二历史用户行为数据生成的事件特征映射图,所述历史用户为与所述目标用户行为事件对应的历史用户;
第一确定模块604,用于在所述用户特征映射图和所述事件特征映射图匹配时,确定所述目标用户与所述目标用户行为事件匹配。
在本实施例中,所述匹配模块603具体用于:
计算所述用户特征映射图和与目标用户行为事件对应的事件特征映射图的图像相似度;
确定计算出的所述图像相似度是否大于预设的相似度阈值;
如果计算出的所述图像相似度大于所述相似度阈值,则确定所述用户特征映射图和所述事件特征映射图匹配。
在本实施例中,所述装置60还包括:
第二确定模块605,用于确定与所述目标用户行为事件对应的所述历史用户;
第二获取模块606,用于获取与所述历史用户对应的第二历史用户行为数据;
聚类模块607,用于对所述第二历史用户行为数据进行数据聚类;
第二生成模块608,用于基于聚类后的第二历史用户行为数据生成与所述目标用户行为事件对应的所述事件特征映射图。
在本实施例中,所述第二确定模块605具体用于:
获取与所述目标用户行为事件对应的历史用户行为数据;其中,所述历史用户行为数据包括所述目标用户行为对应和历史用户的对应关系;
基于所述历史用户行为数据确定与所述目标用户行为事件对应的所述历史用户。
在本实施例中,所述第二生成模块608具体用于:
在与聚类后的第二历史用户行为数据对应的历史用户的数量达到预设的数量阈值时,基于聚类后的第二历史用户行为数据生成与所述目标用户行为事件对应的所述事件特征映射图。
在本实施例中,所述第二历史用户行为数据包括所述历史用户的用户信息,以及与所述历史用户对应的若干用户行为事件;其中,所述用户信息和所述用户行为事件被设置了对应的特征值;
所述聚类模块607具体用于:
基于与第二历史用户行为数据中的用户信息和用户行为事件对应的特征值,对所述第二历史用户行为数据进行数据聚类。
在本实施例中,所述第二生成模块608具体用于:
基于聚类后的第二历史用户行为数据中的用户信息和用户行为事件,以及与所述聚类后的第二历史用户行为数据中的用户信息和用户行为事件对应的特征值,生成与所述目标用户行为事件对应的所述事件特征映射图。
在本实施例中,所述第一历史用户行为数据包括所述目标用户的用户信息,以及与所述目标用户对应的若干用户行为事件;其中,所述用户信息和所述用户行为事件被设置了对应的特征值;
所述第一生成模块602具体用于:
基于所述第一历史用户行为数据中的用户信息和用户行为事件,以及与所述第一历史用户行为数据中的用户信息和用户行为事件对应的特征值,生成与所述目标用户对应的用户特征映射图。
上述装置中各个模块的功能和作用的实现过程具体详见上述方法中对应步骤的实现过程,在此不再赘述。
对于装置实施例而言,由于其基本对应于方法实施例,所以相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理模块,即可以位于一个地方,或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本说明书方案的目的。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。
上述实施例阐明的***、装置、模块或单元,具体可以由计算机芯片或实体实现,或者由具有某种功能的产品来实现。一种典型的实现设备为计算机,计算机的具体形式可以是个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件收发设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任意几种设备的组合。
在一个典型的配置中,计算机包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带、磁盘存储、量子存储器、基于石墨烯的存储介质或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
在本说明书一个或多个实施例使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本说明书一个或多个实施例。在本说明书一个或多个实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。还应当理解,本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
应当理解,尽管在本说明书一个或多个实施例可能采用术语第一、第二、第三等来描述各种信息,但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如,在不脱离本说明书一个或多个实施例范围的情况下,第一信息也可以被称为第二信息,类似地,第二信息也可以被称为第一信息。取决于语境,如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。
以上所述仅为本说明书一个或多个实施例的较佳实施例而已,并不用以限制本说明书一个或多个实施例,凡在本说明书一个或多个实施例的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本说明书一个或多个实施例保护的范围之内。
Claims (10)
1.一种用户行为事件匹配方法,所述方法包括:
获取与目标用户对应的第一历史用户行为数据;
基于所述第一历史用户行为数据生成与所述目标用户对应的用户特征映射图;
确定所述用户特征映射图和与目标用户行为事件对应的事件特征映射图是否匹配;其中,所述事件特征映射图为基于对与历史用户对应的第二历史用户行为数据进行数据聚类得到的聚类后的第二历史用户行为数据生成的事件特征映射图,所述历史用户为与所述目标用户行为事件对应的历史用户;
如果所述用户特征映射图和所述事件特征映射图匹配,则确定所述目标用户与所述目标用户行为事件匹配。
2.根据权利要求1所述的方法,所述方法还包括:
确定与所述目标用户行为事件对应的所述历史用户;
获取与所述历史用户对应的第二历史用户行为数据;
对所述第二历史用户行为数据进行数据聚类;
基于聚类后的第二历史用户行为数据生成与所述目标用户行为事件对应的所述事件特征映射图。
3.根据权利要求2所述的方法,所述确定与所述目标用户行为事件对应的所述历史用户,包括:
获取与所述目标用户行为事件对应的历史用户行为数据;其中,所述历史用户行为数据包括所述目标用户行为对应和历史用户的对应关系;
基于所述历史用户行为数据确定与所述目标用户行为事件对应的所述历史用户。
4.根据权利要求2所述的方法,所述基于聚类后的第二历史用户行为数据生成与所述目标用户行为事件对应的所述事件特征映射图,包括:
在与聚类后的第二历史用户行为数据对应的历史用户的数量达到预设的数量阈值时,基于聚类后的第二历史用户行为数据生成与所述目标用户行为事件对应的所述事件特征映射图。
5.根据权利要求2所述的方法,所述第二历史用户行为数据包括所述历史用户的用户信息,以及与所述历史用户对应的若干用户行为事件;其中,所述用户信息和所述用户行为事件被设置了对应的特征值;
所述对所述第二历史用户行为数据进行数据聚类,包括:
基于与第二历史用户行为数据中的用户信息和用户行为事件对应的特征值,对所述第二历史用户行为数据进行数据聚类。
6.根据权利要求5所述的方法,所述基于聚类后的第二历史用户行为数据生成与所述目标用户行为事件对应的所述事件特征映射图,包括:
基于聚类后的第二历史用户行为数据中的用户信息和用户行为事件,以及与所述聚类后的第二历史用户行为数据中的用户信息和用户行为事件对应的特征值,生成与所述目标用户行为事件对应的所述事件特征映射图。
7.根据权利要求6所述的方法,所述第一历史用户行为数据包括所述目标用户的用户信息,以及与所述目标用户对应的若干用户行为事件;其中,所述用户信息和所述用户行为事件被设置了对应的特征值;
所述基于所述第一历史用户行为数据生成与所述目标用户对应的用户特征映射图,包括:
基于所述第一历史用户行为数据中的用户信息和用户行为事件,以及与所述第一历史用户行为数据中的用户信息和用户行为事件对应的特征值,生成与所述目标用户对应的用户特征映射图。
8.一种用户行为事件匹配装置,所述装置包括:
第一获取模块,用于获取与目标用户对应的第一历史用户行为数据;
第一生成模块,用于基于所述第一历史用户行为数据生成与所述目标用户对应的用户特征映射图;
匹配模块,用于确定所述用户特征映射图和与目标用户行为事件对应的事件特征映射图是否匹配;其中,所述事件特征映射图为基于对与历史用户对应的第二历史用户行为数据进行数据聚类得到的聚类后的第二历史用户行为数据生成的事件特征映射图,所述历史用户为与所述目标用户行为事件对应的历史用户;
第一确定模块,用于在所述用户特征映射图和所述事件特征映射图匹配时,确定所述目标用户与所述目标用户行为事件匹配。
9.一种电子设备,包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器通过运行所述可执行指令以实现如权利要求1至7中任一项所述的方法。
10.一种计算机可读存储介质,其上存储有计算机指令,该指令被处理器执行时实现如权利要求1至7中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010242358.0A CN111460295A (zh) | 2020-03-31 | 2020-03-31 | 用户行为事件匹配方法和装置、电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010242358.0A CN111460295A (zh) | 2020-03-31 | 2020-03-31 | 用户行为事件匹配方法和装置、电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111460295A true CN111460295A (zh) | 2020-07-28 |
Family
ID=71678453
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010242358.0A Pending CN111460295A (zh) | 2020-03-31 | 2020-03-31 | 用户行为事件匹配方法和装置、电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111460295A (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107992530A (zh) * | 2017-11-14 | 2018-05-04 | 北京三快在线科技有限公司 | 信息推荐方法及电子设备 |
CN109063157A (zh) * | 2018-08-10 | 2018-12-21 | 优视科技新加坡有限公司 | 资源推荐方法及其装置、设备/终端/服务器、计算机可读介质 |
CN109218390A (zh) * | 2018-07-12 | 2019-01-15 | 北京比特智学科技有限公司 | 用户筛选方法及装置 |
CN109919719A (zh) * | 2019-02-22 | 2019-06-21 | 掌阅科技股份有限公司 | 信息推送方法、计算设备及计算机存储介质 |
-
2020
- 2020-03-31 CN CN202010242358.0A patent/CN111460295A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107992530A (zh) * | 2017-11-14 | 2018-05-04 | 北京三快在线科技有限公司 | 信息推荐方法及电子设备 |
CN109218390A (zh) * | 2018-07-12 | 2019-01-15 | 北京比特智学科技有限公司 | 用户筛选方法及装置 |
CN109063157A (zh) * | 2018-08-10 | 2018-12-21 | 优视科技新加坡有限公司 | 资源推荐方法及其装置、设备/终端/服务器、计算机可读介质 |
CN109919719A (zh) * | 2019-02-22 | 2019-06-21 | 掌阅科技股份有限公司 | 信息推送方法、计算设备及计算机存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9348898B2 (en) | Recommendation system with dual collaborative filter usage matrix | |
US11893646B1 (en) | Systems and methods for providing context to customer activity through a visual representation | |
US8589208B2 (en) | Data integration and analysis | |
US10909590B2 (en) | Merchant and item ratings | |
CN109242649A (zh) | 一种商品推荐方法及相关装置 | |
US20160132908A1 (en) | Methods And Apparatus For Transaction Prediction | |
US20230018081A1 (en) | Method, System, and Computer Program Product for Determining Relationships of Entities Associated with Interactions | |
JP5914549B2 (ja) | 情報処理装置および情報分析方法 | |
US11640610B2 (en) | System, method, and computer program product for generating synthetic data | |
US20230368111A1 (en) | System, Method, and Computer Program Product for Implementing a Hybrid Deep Neural Network Model to Determine a Market Strategy | |
US20210241295A1 (en) | Systems and methods for predicting consumer spending behavior based on historical transaction activity progressions | |
WO2017151793A1 (en) | Business to consumer enterprise software system | |
US20230013799A1 (en) | Systems and methods for tracking consumer spend behaviors | |
US10740822B1 (en) | Using data analysis to connect merchants | |
CN111563798A (zh) | 消费对象推荐方法和装置、电子设备 | |
CN110347887B (zh) | 获取业务场景时序数据的方法及装置 | |
US20180204228A1 (en) | Method, apparatus, and computer program product for identifying a service need via a promotional system | |
CN108305099B (zh) | 确定代购用户的方法及装置 | |
KR20180107515A (ko) | 상품 평가에 기초하여 상품 판매 정보를 제공하기 위한 방법, 그 장치 및 시스템 | |
US9972027B1 (en) | System and method of tracking the effectiveness of viewing resources on electronic devices in causing transaction activity to subsequently occur at a physical location associated with the resources | |
US11037133B2 (en) | System, method, and computer program product for selectively displaying information regarding activity in a geographic area | |
CN111460295A (zh) | 用户行为事件匹配方法和装置、电子设备 | |
CN112581139B (zh) | 电子凭证发放方法、装置及电子设备 | |
JP6287280B2 (ja) | 情報処理方法、プログラム、及び情報処理装置 | |
TWM626978U (zh) | 電子支付的折扣處理的電子裝置與處理系統 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200728 |
|
RJ01 | Rejection of invention patent application after publication |