CN111626767A - 资源数据的发放方法、装置及设备 - Google Patents
资源数据的发放方法、装置及设备 Download PDFInfo
- Publication number
- CN111626767A CN111626767A CN202010357056.8A CN202010357056A CN111626767A CN 111626767 A CN111626767 A CN 111626767A CN 202010357056 A CN202010357056 A CN 202010357056A CN 111626767 A CN111626767 A CN 111626767A
- Authority
- CN
- China
- Prior art keywords
- user
- entity object
- resource data
- entity
- conversion rate
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 49
- 238000009826 distribution Methods 0.000 title abstract description 17
- 238000006243 chemical reaction Methods 0.000 claims abstract description 79
- 230000014509 gene expression Effects 0.000 claims abstract description 74
- 230000003993 interaction Effects 0.000 claims abstract description 36
- 238000003066 decision tree Methods 0.000 claims description 70
- 238000013507 mapping Methods 0.000 claims description 35
- 230000008859 change Effects 0.000 claims description 16
- 238000003860 storage Methods 0.000 claims description 12
- 230000011218 segmentation Effects 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 8
- 230000004931 aggregating effect Effects 0.000 claims description 7
- 238000005520 cutting process Methods 0.000 claims description 6
- 238000013499 data model Methods 0.000 claims description 6
- 238000012163 sequencing technique Methods 0.000 claims description 2
- 230000006399 behavior Effects 0.000 abstract description 25
- 230000008569 process Effects 0.000 abstract description 8
- 238000012545 processing Methods 0.000 abstract description 2
- 230000006870 function Effects 0.000 description 49
- 239000013598 vector Substances 0.000 description 6
- 238000004891 communication Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000010365 information processing Effects 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 230000002776 aggregation Effects 0.000 description 2
- 238000004220 aggregation Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 238000009933 burial Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
Images
Classifications
-
- 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
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0207—Discounts or incentives, e.g. coupons or rebates
- G06Q30/0222—During e-commerce, i.e. online transactions
-
- 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
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0207—Discounts or incentives, e.g. coupons or rebates
- G06Q30/0224—Discounts or incentives, e.g. coupons or rebates based on user history
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Strategic Management (AREA)
- Engineering & Computer Science (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Transfer Between Computers (AREA)
Abstract
本申请公开了一种资源数据的发放方法、装置及设备,涉及数据处理技术领域,能够在资源数据的发放过程中考虑到用户、实体以及两者之间的交互行为,实现对资源数据进行精准发放,提高资源数据的回报率。其中方法包括:获取用户与实体对象所涉及的特征参数;将所述用户与实体对象所涉及的特征参数形成多个维度特征输入至预先构建的转化率模型,得到预测函数表达式;根据所述预测函数表达式,将用户使用资源数据的转化率最高时所对应实体对象提供的资源数据确定为实体对象应发放给用户的第一资源数据;向用户发放所述第一资源数据。
Description
技术领域
本申请涉及数据处理技术领域,尤其是涉及到一种资源数据的发放方法、装置及设备。
背景技术
在移动互联时代,随着电子商务技术的飞速发展,网络平台已经成为人们日常消费的一个重要工具。为了与用户实现更好的交互,商家往往会利用一些交互参数来提前让用户领取一定的资源数据,以便于用户可以利用领取的资源数据来实现网络平台中对象的订单交易,从而享受到订单优惠。
相关技术中,商家在发放资源数据的过程中,会使用一些运营规则来确定资源数据的数值,例如,基于用户登录平台的频率作为规则为资源数据进行定值,一个月登录低于2次的用户是低频用户,一个月登录超过10次的是高频用户,低频用户设置高数值的资源数据,高频用户设置低数值的资源数据。
在实现本发明的过程中,发明人发现相关技术至少存在以下问题:
网络平台分发资源数据的目的时为了让用户更好的参与到订单交易,提升商家与用户之间的交互性。由于不同用户所发放的资源数据是利用人为规定的规则来设定,使得资源数据的发放方式过于单一,如果用户不关注产品,即使资源数据中提供的数值再高,也无法促进用户购买产品,对于关注对象的用户存在一定的不公平,无法对资源数据进行精准分发,使得资源数据的回报率较低,降低商家与用户之间的交互性。
发明内容
有鉴于此,本申请提供了一种资源数据的发放方法、装置及设备,主要目的在于解决现有技术中资源数据的发放方式过于单一,无法对资源数据进行精准分发。
根据本申请的一个方面,提供了一种资源数据的发放方法,该方法包括:
获取用户与实体对象所涉及的特征参数;
将所述用户与实体对象所涉及的特征参数形成多个维度特征输入至预先构建的转化率模型,得到预测函数表达式,其中,所述转化率模型基于输入的多个维特征输出预测函数表达式,所述预测函数表达式用于描述用户使用资源数据的转化率随着实体对象提供资源数据变化之间的关系;
根据所述预测函数表达式,将用户使用资源数据的转化率最高时所对应实体对象提供的资源数据确定为实体对象应发放给用户的第一资源数据;
向用户发放所述第一资源数据。
进一步地,所述用户与实体对象所涉及的特征参数包括用户特征参数、实体对象特征参数、用户与实体对象进行交互的特征参数,所述获取用户与实体对象所涉及的特征参数,具体包括:
利用用户标签训练的数据模型分析用户行为数据,获取用户特征参数;
利用实体对象的节点序列训练的映射模型分析用户在第一预设时间内对实体对象的浏览序列,获取实体对象特征参数;
通过在实体对象提供资源数据后统计用户在第二预设时间内对实体对象的访问数据,获取用户与实体对象进行交互的特征参数。
进一步地,所述利用实体对象的节点序列训练的映射模型分析用户在第一预设时间内对实体对象的浏览序列,获取实体对象特征参数,具体包括:
利用实体对象的节点序列训练的映射模型将所述用户在第一预设时间内对实体对象的浏览序列映射为实体对象在空间上的分布式表达;
根据所述实体对象在空间上的分布式表达计算实体对象之间的连接信息,获取实体对象特征参数。
进一步地,所述通过在实体对象提供资源数据后统计用户在第二预设时间内对实体对象的交互数据,获取用户与实体对象进行交互的特征参数,具体包括:
通过在实体对象提供资源数据后对实体对象进行数据埋点,收集实体对象数据中涉及用户操作的行为数据;
基于所述实体对象数据中涉及用户操作的行为数据,统计用户在第二预设时间内对实体对象的交互数据,获取用户与实体对象进行交互的特征参数。
进一步地,所述转化率模型中建立有多个决策树,每个决策树用于从不同维度特征对用户使用资源数据的转化率随着实体对象提供资源数据变化之间的关系进行预测,所述将所述用户与实体对象所涉及的特征参数形成多个维度特征输入至预先构建的转化率模型,得到预测函数表达式,具体包括:
利用预先构建的转化率模型将所述用户与实体对象所涉及的特征参数形成多个维度特征分配到决策树中各个叶子节点,并且每个叶子节点对应有特征映射的参数;
根据决策树中各个叶子节点与所述叶子节点对应特征映射的参数,预测最优结构的决策树,并将所述最优结构的决策树作为预测函数表达式。
进一步地,所述根据决策树中各个叶子节点与所述叶子节点对应特征映射的参数,预测最优结构的决策树,并将所述最优结构的决策树作为预测函数表达式,具体包括:
按照梯度数据由大至小对决策树中各个叶子节点进行排序,列出对决策树进行分割的切分点;
针对决策树中各个叶子节点对应特征映射的参数,对所述对决策树进行分割的切分点进行评分;
将评分最高的切分点所形成的决策树作为最优结构的决策树,得到预测函数表达式。
进一步地,在所述根据所述用户对实体对象提供资源数据的预测函数表达式,确定实体对象应发放给用户的目标资源数据之后,所述方法还包括:
利用所述用户与实体对象所涉及的特征参数,分别将包含有相同属性特征的用户进行聚合以及将包含有相同属性特征的实体对象进行聚合,得到目标用户群体以及目标实体对象群体;
根据所述实体对象应发放给用户的第一资源数据,确定所述目标实体对象群体应发放给目标用户群体的第二资源数据;
所述向用户发放所述目标资源数据,具体包括:
向所述目标用户群体发放所述第二资源数据。
根据本申请的另一方面,提供了一种资源数据的发放装置,该装置包括:
获取单元,用于获取用户与实体对象所涉及的特征参数;
预测单元,用于将所述用户与实体对象所涉及的特征参数形成多个维度特征输入至预先构建的转化率模型,得到预测函数表达式,其中,所述转化率模型基于输入的多个维特征输出预测函数表达式,所述预测函数表达式用于描述用户使用资源数据的转化率随着实体对象提供资源数据变化之间的关系;
第一确定单元,用于根据所述预测函数表达式,将用户使用资源数据的转化率最高时所对应实体对象提供的资源数据确定为实体对象应发放给用户的第一资源数据;
发放单元,用于向用户发放所述第一资源数据。
进一步地,所述用户与实体对象所涉及的特征参数包括用户特征参数、实体对象特征参数、用户与实体对象进行交互的特征参数,所述获取单元包括
第一获取模块,用于用于利用用户标签训练的数据模型分析用户行为数据,获取用户特征参数;
第二获取模块,用于利用实体对象的节点序列训练的映射模型分析用户在第一预设时间内对实体对象的浏览序列,获取实体对象特征参数;
第三获取模块,用于通过在实体对象提供资源数据后统计用户在第二预设时间内对实体对象的访问数据,获取用户与实体对象进行交互的特征参数。
进一步地,所述第二获取模块包括:
映射子模块,用于利用实体对象的节点序列训练的映射模型将所述用户在第一预设时间内对实体对象的浏览序列映射为实体对象在空间上的分布式表达;
计算子模块,用于根据所述实体对象在空间上的分布式表达计算实体对象之间的连接信息,获取实体对象特征参数。
进一步地,所述第三获取模块包括:
收集子模块,用于通过在实体对象提供资源数据后对实体对象进行数据埋点,收集实体对象数据中涉及用户操作的行为数据;
统计子模块,用于基于所述实体对象数据中涉及用户操作的行为数据,统计用户在第二预设时间内对实体对象的交互数据,获取用户与实体对象进行交互的特征参数。
进一步地,所述转化率模型中建立有多个决策树,每个决策树用于从不同维度特征对用户使用资源数据的转化率随着实体对象提供资源数据变化之间的关系进行预测,所述预测单元包括:
分配模块,用于利用预先构建的转化率模型将所述用户与实体对象所涉及的特征参数形成多个维度特征分配到决策树中各个叶子节点,并且每个叶子节点对应有特征映射的参数;
预测模块,用于根据决策树中各个叶子节点与所述叶子节点对应特征映射的参数,预测最优结构的决策树,并将所述最优结构的决策树作为预测函数表达式。
进一步地,所述预测模块包括:
排序子模块,用于按照梯度数据由大至小对决策树中各个叶子节点进行排序,列出对决策树进行分割的切分点;
评分子模块,用于针对决策树中各个叶子节点对应特征映射的参数,对所述对决策树进行分割的切分点进行评分;
预测子模块,用于将评分最高的切分点所形成的决策树作为最优结构的决策树,得到预测函数表达式。
进一步地,所述装置还包括:
聚合单元,用于在所述根据所述用户对实体对象提供资源数据的预测函数表达式,确定实体对象应发放给用户的目标资源数据之后,利用所述用户与实体对象所涉及的特征参数,分别将包含有相同属性特征的用户进行聚合以及将包含有相同属性特征的实体对象进行聚合,得到目标用户群体以及目标实体对象群体;
第二确定单元,用于根据所述实体对象应发放给用户的第一资源数据,确定所述目标实体对象群体应发放给目标用户群体的第二资源数据;
所述发放单元,具体还用于向所述目标用户群体发放所述第二资源数据。
依据本申请又一个方面,提供了一种存储介质,其上存储有计算机程序,所述程序被处理器执行时实现上述资源数据的发放方法。
依据本申请再一个方面,提供了一种资源数据的发放实体设备,包括存储介质、处理器及存储在存储介质上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现上述资源数据的发放方法。
借由上述技术方案,本申请提供的一种资源数据的发放方法、装置及设备,与目前现有方式中资源数据的数值由人工经验所定的资源数据的发放方式相比,本申请考虑到用户与实体对象所涉及的特征参数,将用户与实体对象所涉及的特征参数形成多个维度特征输入至预先构建的转化率模型,利用转化率模型基于输入的多个维度特征输出用户对实体对象提供资源数据的预测函数表达式,该预测函数表达式用于描述用户使用资源数据的转化率随着实体对象提供资源数据变化之间的关系,进而将用户使用资源数据转化率最大时所对应实体对象提供资源数据,作为用户对应发放的资源数据,使得用户获取到最优数值的资源数据,使得用户更有意愿参与到资源数据的互动当中,实现对资源数据进行精准发放,提高资源数据的回报率。
上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,而可依照说明书的内容予以实施,并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂,以下特举本申请的具体实施方式。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1示出了本申请实施例提供的一种资源数据的发放方法的流程示意图;
图2示出了本申请实施例提供的另一种资源数据的发放方法的流程示意图;
图3示出了本申请实施例提供的一种资源数据的发放装置的结构示意图;
图4示出了本申请实施例提供的另一种资源数据的发放装置的结构示意图。
具体实施方式
下文中将参考附图并结合实施例来详细说明本申请。需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。
目前通过现有的资源数据的发放方式,通常对高频用户会少补贴些资源数据的数值,对低频用户会多补贴资源数的数值,然而,资源数据发放的本质是促进用户使用资源数据的数值进行消费,由于不同用户所发放资源数据的数值定价都是人工经验所定,使得资源数据的数值定价不合理,无法从理论上对资源数据进行精准分发,使得资源数据的回报率较低。
为了解决该问题,本实施例提供了一种资源数据的发放方法,如图1所示,该方法包括:
101、获取用户与实体对象所涉及的特征参数。
其中,用户与实体对象所涉及的特征参数可以包括用户特征参数、实体对象特征参数、用户与实体对象进行交互的参数,这里的实体对象为线上商家。
在本发明实施例中,用户与实体对象所涉及的特征数据具体可以通过收集应用日志中的用户行为数据集,由于用户行为数据集中包含了用户在访问实体对象过程中各种行为,如登录、浏览、下单等,利用用户行为数据集可以提炼出用户特征参数、实体对象特征参数、用户与实体对象进行交互的参数。
上述用户特征参数为描述用户在各个维度上的特征信息,包括但不局限于用户对资源数据中数值的敏感度、用户画像、用户访问app的情况等,具体可以根据用户特征、业务场景用户行为等信息,构建标签化的用户模型,进而根据用户模型数据预测用户在各个维度上的特征信息,用户画像可以包括用户的性别、年龄、职业、在资源发放平台的消费情况、所处年龄阶段等,具体可以结合用户登录资源发放平台的账户信息进行确定,用户对资源数据中数值的敏感程度可以包括用户对以发放到账户的资源数据的使用情况,具体可以结合用户领取资源数据的情况、用户使用资源数据进行支付次数等进行确定,用户访问app的情况可以包括用户登录app的概率以及用户对产品执行操作行为的概率等,具体可以通过收集用户在app中的行为日志进行确定。
上述实体对象特征参数为描述实体对象之间相似度的特征信息,可以用向量表示,具体可以根据用户在预设时间内对实体对象的浏览序列,预测实体对象之间的相似度,例如,获取用户在30分钟内对实体对象的浏览序列为:A实体对象、B实体对象、C实体对象,并将不同实体对象的相关性转换为空间上的点来描述,计算实体对象A的向量与实体对象B的向量,两个向量的空间距离越近,说明实体对象A与实体对象B之间的相似度越高。
上述用户与实体对象之间的交互参数用于描述用户对实体对象的访问情况,具体可以通过统计实体对象提供资源数据中的数值以及预设时间内用户对实体对象提供的产品的行为特征,如访问访问、复购行为、购买行为等。
可以理解的是,实体对象在利用资源投放平台发放资源数据的时候,可能只是考虑到用户使用资源数据的频率等维度特征,而并未考虑到与实体对象相关的维度特征,用户使用资源数据,例如,相似实体对象会增加用户的访问几率,对用户是否使用资源数据具有可参考性,用户对实体对象的访问情况可以表明用户对实体对象的关注程度,同样对用户是否使用资源数据具有可参考性,所以通过获取用户与实体对象所涉及的特征参数相当于后续预测用户使用资源数据的转化率的准备工作,从而将预测得到用户使用资源数据的转化率作为对发放资源数据进行数值定价的依据。
102、将所述用户与实体对象所涉及的特征参数形成多个维度特征输入至预先构建的转化率模型,得到预测函数表达式。
在本发明实施例中,预先构建的转化率模型基于输入的多个维度特征输出预测函数表达式,该预测函数表达式用于描述用户使用资源数据的转化率随着实体对象提供资源数据变化之间的关系,对于不同的用户以及实体对象,获取得到的多个维度特征也不相同,所以输出适用于用户与实体对象的预测函数表达式也不相同。
可以理解的是,转化率模型可以输出预测函数表达式,从而预测用户使用资源数据的转化率随着实体对象提供资源数据变化之间的关系,具体可以基于已知用户是否使用实体对象提供资源数据的标签,将用户与实体对象所涉及的特征参数作为训练样本,通过预设学习模型不断重复迭代输入的训练样本,构建转化率模型。
在本发明实施例中,预设学习模型的选择可以为包括但不局限于boost模型、xgboost模型等具有学习效果的监督模型,这里不进行限定。
103、根据所述预测函数表达式,将用户使用资源数据的转化率最高时所对应实体对象提供的资源数据确定为实体对象应发放给用户的第一资源数据。
在本发明实施例中,由于预测函数表达式能够针对实体对象提供资源数据的数值范围变化预测出用户使用资源数据的转化率,用户使用资源数据的转化率越高,说明用户使用资源数据购买产品的概率越大,当然并非实体对象提供资源数据越高,用户使用资源数据的转化率越高,可以选择用户使用资源数据的转化率最高时对应实体对象提供的资源数据作为实体对象应发放给用户的第一资源数据。
104、向用户发放所述第一资源数据。
其中,第一资源数据相当于实体对象通过资源发放平台向用户发放的一种数值补贴,以使得用户在消费的时候可以使用第一资源数据从而减免相应数值,这里向用户发放的第一资源数据可以包括但不局限于红包、优惠券、满减券等形式。
可以理解的是,这里的实体对象并非直接向用户发放资源数据,为了能够向用户精准投放适用于交互的资源数据,而是利用资源发放平台来去计算适用于推送给用户的资源数据,所以,本发明实施例的执行主体可以为资源数据的发放装置,通常可配置于资源发放平台侧,通过资源数据发放平台根据用户与实体对象的交互特征所确定出的资源数据,快速为用户确定其所感兴趣的资源数据,促使用户更有效的使用资源数据,进而提升实体对象与用户之间的交互性。
本发明实施例提供的资源数据的发放方法,与目前现有方式中资源数据的数值由人工经验所定的资源数据的发放方式相比,本申请考虑到用户与实体对象所涉及的特征参数,将用户与实体对象所涉及的特征参数形成多个维度特征输入至预先构建的转化率模型,利用转化率模型基于输入的多个维度特征输出用户对实体对象提供资源数据的预测函数表达式,该预测函数表达式用于描述用户使用资源数据的转化率随着实体对象提供资源数据变化之间的关系,进而将用户使用资源数据转化率最大时所对应实体对象提供资源数据,作为用户对应发放的资源数据,使得用户获取到最优数值的资源数据,使得用户更有意愿参与到资源数据的互动当中,实现对资源数据进行精准发放,提高资源数据的回报率。
进一步的,作为上述实施例具体实施方式的细化和扩展,为了完整说明本实施例的具体实施过程,本实施例提供了另一种资源数据的发放方法,如图2所示,该方法包括:
201、获取用户与实体对象所涉及的特征参数。
在本发明实例中,用户与实体对象所涉及的特征参数可以包括用户特征参数、实体对象特征参数、用户与实体对象进行交互的参数。
针对用户特征参数,可以利用用户标签训练的数据模型分析用户行为数据,获取用户特征参数,这里利用用户标签训练的数据模型可以将用户行为数据映射到多个子空间上,捕获用户行为数据在用户标签上的特征权重,预测用户特征参数。
针对实体对象特征参数,可以利用实体对象的节点序列训练的映射模型分析用户在第一预设时间内对实体对象的浏览序列,获取实体对象特征参数,具体可以利用实体对象的节点序列训练的映射模型将用户在第一预设时间内对实体对象的浏览序列映射为实体对象在空间上的分布式表达,进一步根据实体对象在空间上的分布式表达计算实体对象之间的连接信息,获取实体对象特征参数。这里用户在第一预设时间内对实体对象的浏览序列可以产生一个节点序列,即用户浏览实体对象的节点序列,映射模型可以将节点序列映射为到空间上的点,每一个点形成的向量表示一个实体对象,实体对象形成向量的空间距离越近,说明实体对象之间的相似度越高。
针对用户与实体对象进行交互的参数,可以通过在实体对象提供资源数据后统计用户在第二预设时间内对实体对象的访问数据,获取用户与实体对象进行交互的特征参数。具体可以通过在实体对象提供资源数据后对实体对象进行数据埋点,收集实体对象数据中涉及用户操作的行为数据,进一步基于所述实体对象数据中涉及用户操作的行为数据,统计用户在第二预设时间内对实体对象的交互数据,获取用户与实体对象进行交互的特征参数。
202、利用预先构建的转化率模型将所述用户与实体对象所涉及的特征参数形成多个维度特征分配到决策树中各个叶子节点。
具体在构建转化率模型的过程中,可以利用该预设学习模型不断地添加决策树,不断地进行特征***来生长决策树,每次添加一个决策树,其实是学习一个新的预测函数表达式,去拟合上一次预测的残差,当训练完成户形成多个决策树,每个决策树用于从不同维度特征对用户使用资源数据的转化率随着实体对象提供资源数据的变化之间的关系进行预测,所以在将用户与实体对象所涉及的特征参数形成多个维度特征输入至预先构建的转化率模型中,需要将多个维度特征分配到决策树中的各个叶子节点,并且每个而叶子节点对应有特征映射的参数。
203、根据决策树中各个叶子节点与所述叶子节点对应特征映射的参数,预测最优结构的决策树,并将所述最优结构的决策树作为预测函数表达式。
在本发明实施例中,具体可以按照梯度数据由大至小对决策树中各个叶子节点进行排序,列出对决策树进行分割的切分点;针对决策树中各个叶子节点对应特征映射的参数,对决策树进行分割的切分点进行评分;将评分最高的切分点所形成的决策树作为最优结构的决策树,得到预测函数表达式。该预测函数表达式能够针对实体对象给定资源数据数值范围内用户的下单概率进行预测,例如,实体对象提供资源数据数值范围为3-7元,那么针对该数值范围内可以预测出用户使用资源数据的下单概率。
具体地,由于构建的转化率模型采用的学***滑的曲线,也可能是随着实体对象提供资源数据的数值增大而转化率不单调的锯齿状曲线,还可能是随着实体对象提供资源数据的数值增大而转化率先增大后减小的曲线等等,进一步基于输入用户与实体对象所涉及的特征参数所形成的多个维度特征,得到用户随着实体对象提供资源数据的变化所形成的预测函数表达式,这里用户针对不同实体对象会形成不同的预测函数表达式。
204、根据所述预测函数表达式,将用户使用资源数据的转化率最高时所对应实体对象提供的资源数据确定为实体对象应发放给用户的第一资源数据。
为了节省实体对象的资源成本,通常情况下,实体对象会预先对资源数据的数值设置上限值,如果根据用户对实体对象提供资源数据的预测函数表达式,所确定实体对象应发放给用户的第一资源数据的数值超过实体对象所设置的上限值,说明实体对象无法向用户提供足额的资源数据,需要借助资源发放平台向用户提供差额的资源数据,进而结合实体对象与资源发放平台提供的资源数据,形成足额的第一资源数据;如果根据用户对实体对象提供资源数据的预测函数表达式,所确定实体对象应发放给用户的第一资源数据的数值并未超过实体对象所设置的上限值,说明实体对象可以向用户发放足额的第一资源数据,无需借助资源发放平台来提供任何资源数据。当然如果借助资源发放平台仍然无法向用户提供足额的资源数据,可以针对实体对象预计提供资源数据数值范围内,找出用户使用资源数据的转化率最高时对应实体对象提供的资源数据的数值,作为实体对象应发放给用户的第一资源数据。例如,实体对象提供资源数据的数值范围是3-7元,而利用转化率模型输出的预测函数表达式,用户使用资源数据的转化率最高时所对应实体对象提供的资源数据数值为15元,而资源发放平台无法提供多余资源数据的数值8元,那么针对实体对象提供资源数据的数值范围,用户使用资源数据的转化率最高时对应实体对象提供的资源数据数值为6元,作为实体对象应发放给用户的第一资源数据。
205、利用所述用户与实体对象所涉及的特征参数,分别将包含有相同属性特征的用户进行聚合以及将包含有相同属性特征的实体对象进行聚合,得到目标用户群体以及目标实体对象群体。
可以理解的是,根据预测函数表达式所确定的实体对象应发放给用户的第一资源数据,针对每一个用户对于每一个实体对象都存在一个个性化的资源数据数值,而在实际进行资源数据发放过程中需要大量的数据支持。这里为了节省资源占用,可以将相似的用户和相似的实体对象进行聚合,从而得到包含有相同属性特征的目标用户群体,以及包含有相同属性特征的目标实体对象群体。
例如,用户A1-A5包含的属性特征相同,则用户A1-A5属于相似的用户群体,实体对象B1-B5包含的属相特征相同,则实体实体对象B1-B5属于相似的实体对象群体。
206、根据所述实体对象应发放给用户的第一资源数据,确定所述目标实体对象群体应发放给目标用户群体的第二资源数据。
由于每个用户对应每个实体对象都能确定出一个资源数据数值,那么针对目标实体对象群体应发放给目标用户群体的资源数据数值,可以将目标实体对象群体中的每个实体对象应发放给目标用户群体中每个用户的资源数据数值作为一个样本,求取多个样本的平均值作为目标实体对象群体应发放目标用户群体的第二资源数据。
例如,用户A1-A5为目标用户群体,B1-B5属为目标实体对象群体,那么针对用户A1-A5分别对于实体对象B1-B5映射有25个样本,求取25个样本的平均值作为目标实体对象群体应发放给目标用户群体的第二资源数据。
207、向所述目标用户群体发放所述第二资源数据。
可以理解的是,在向用户发放第二资源数据过程中,为了提高用户使用资源数据的转化率,还可以设置资源数据的发放形式,例如,针对使用资源数据频率较低的用户发放资源数据的数量多于使用资源数据频率较高的用户发放资源数据的数量,进而促进使用资源数据频率较低的用户去使用。
进一步的,作为图1和图2方法的具体实现,本申请实施例提供了一种资源数据的发放装置,如图3所示,该装置包括:获取单元31、预测单元32、确定单元33、、发放单元34。
获取单元31,可以用于获取用户与实体对象所涉及的特征参数;
预测单元32,可以用于将所述用户与实体对象所涉及的特征参数形成多个维度特征输入至预先构建的转化率模型,得到预测函数表达式,其中,所述转化率模型基于输入的多个维特征输出预测函数表达式,所述预测函数表达式用于描述用户使用资源数据的转化率随着实体对象提供资源数据变化之间的关系;
第一确定单元33,可以用于根据所述预测函数表达式,将用户使用资源数据的转化率最高时所对应实体对象提供的资源数据确定为实体对象应发放给用户的第一资源数据;
发放单元34,可以用于向用户发放所述第一资源数据。
本发明实施例提供的资源数据的发放装置,与目前现有方式中资源数据的数值由人工经验所定的资源数据的发放方式相比,本申请考虑到用户与实体对象所涉及的特征参数,将用户与实体对象所涉及的特征参数形成多个维度特征输入至预先构建的转化率模型,利用转化率模型基于输入的多个维度特征输出用户对实体对象提供资源数据的预测函数表达式,该预测函数表达式用于描述用户使用资源数据的转化率随着实体对象提供资源数据变化之间的关系,进而将用户使用资源数据转化率最大时所对应实体对象提供资源数据,作为用户对应发放的资源数据,使得用户获取到最优数值的资源数据,使得用户更有意愿参与到资源数据的互动当中,实现对资源数据进行精准发放,提高资源数据的回报率。
在具体的应用场景中,如图4所示,所述用户与实体对象所涉及的特征参数包括用户特征参数、实体对象特征参数、用户与实体对象进行交互的特征参数,所述获取单元31包括:
第一获取模块311,可以用于用于利用用户标签训练的数据模型分析用户行为数据,获取用户特征参数;
第二获取模块312,可以用于利用实体对象的节点序列训练的映射模型分析用户在第一预设时间内对实体对象的浏览序列,获取实体对象特征参数;
第三获取模块313,可以用于通过在实体对象提供资源数据后统计用户在第二预设时间内对实体对象的访问数据,获取用户与实体对象进行交互的特征参数。
在具体的应用场景中,如图4所示,所述第二获取模块312包括:
映射子模块3121,可以用于利用实体对象的节点序列训练的映射模型将所述用户在第一预设时间内对实体对象的浏览序列映射为实体对象在空间上的分布式表达;
计算子模块3122,可以用于根据所述实体对象在空间上的分布式表达计算实体对象之间的连接信息,获取实体对象特征参数。
在具体的应用场景中,如图4所示,所述第三获取模块313包括:
收集子模块3131,可以用于通过在实体对象提供资源数据后对实体对象进行数据埋点,收集实体对象数据中涉及用户操作的行为数据;
统计子模块3132,可以用于基于所述实体对象数据中涉及用户操作的行为数据,统计用户在第二预设时间内对实体对象的交互数据,获取用户与实体对象进行交互的特征参数。
在具体的应用场景中,如图4所示,所述转化率模型中建立有多个决策树,每个决策树用于从不同维度特征对用户使用资源数据的转化率随着实体对象提供资源数据变化之间的关系进行预测,所述预测单元32包括:
分配模块321,用于利用预先构建的转化率模型将所述用户与实体对象所涉及的特征参数形成多个维度特征分配到决策树中各个叶子节点,并且每个叶子节点对应有特征映射的参数;
预测模块322,可以用于根据决策树中各个叶子节点与所述叶子节点对应特征映射的参数,预测最优结构的决策树,并将所述最优结构的决策树作为预测函数表达式。
在具体的应用场景中,如图4所示,所述预测模块322包括:
排序子模块3221,可以用于按照梯度数据由大至小对决策树中各个叶子节点进行排序,列出对决策树进行分割的切分点;
评分子模块3222,可以用于针对决策树中各个叶子节点对应特征映射的参数,对所述对决策树进行分割的切分点进行评分;
预测子模块3223,可以用于将评分最高的切分点所形成的决策树作为最优结构的决策树,得到预测函数表达式。
在具体的应用场景中,如图4所示,所述装置还包括:
聚合单元35,可以用于在所述根据所述用户对实体对象提供资源数据的预测函数表达式,确定实体对象应发放给用户的目标资源数据之后,利用所述用户与实体对象所涉及的特征参数,分别将包含有相同属性特征的用户进行聚合以及将包含有相同属性特征的实体对象进行聚合,得到目标用户群体以及目标实体对象群体;
第二确定单元36,可以用于根据所述实体对象应发放给用户的第一资源数据,确定所述目标实体对象群体应发放给目标用户群体的第二资源数据;
所述发放单元34,具体还可以用于向所述目标用户群体发放所述第二资源数据。
需要说明的是,本实施例提供的一种资源数据的发放装置所涉及各功能单元的其它相应描述,可以参考图1和图2中的对应描述,在此不再赘述。
基于上述如图1和图2所示方法,相应的,本申请实施例还提供了一种存储介质,其上存储有计算机程序,该程序被处理器执行时实现上述如图1和图2所示的资源数据的发放方法。
基于这样的理解,本申请的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施场景所述的方法。
基于上述如图1和图2所示的方法,以及图3、图4所示的虚拟装置实施例,为了实现上述目的,本申请实施例还提供了一种资源数据的发放的实体设备,具体可以为计算机,智能手机,平板电脑,智能手表,服务器,或者网络设备等,该实体设备包括存储介质和处理器;存储介质,用于存储计算机程序;处理器,用于执行计算机程序以实现上述如图1和图2所示的资源数据的发放方法。
可选的,该实体设备还可以包括用户接口、网络接口、摄像头、射频(RadioFrequency,RF)电路,传感器、音频电路、WI-FI模块等等。用户接口可以包括显示屏(Display)、输入单元比如键盘(Keyboard)等,可选用户接口还可以包括USB接口、读卡器接口等。网络接口可选的可以包括标准的有线接口、无线接口(如WI-FI接口)等。
本领域技术人员可以理解,本实施例提供的一种资源数据的发放的实体设备结构并不构成对该实体设备的限定,可以包括更多或更少的部件,或者组合某些部件,或者不同的部件布置。
存储介质中还可以包括操作***、网络通信模块。操作***是管理上述店铺搜索信息处理的实体设备硬件和软件资源的程序,支持信息处理程序以及其它软件和/或程序的运行。网络通信模块用于实现存储介质内部各组件之间的通信,以及与信息处理实体设备中其它硬件和软件之间通信。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到本申请可以借助软件加必要的通用硬件平台的方式来实现,也可以通过硬件实现。通过应用本申请的技术方案,与目前现有方式相比,考虑到用户与实体对象所涉及的特征参数,预测用户使用资源数据的转化率随着实体对象提供资源数据变化之间的关系,进而将用户使用资源数据转化率最大时所对应实体对象提供资源数据,作为用户对应发放的资源数据,使得用户获取到最优数值的资源数据,实现对资源数据进行精准发放,提高资源数据的回报率。
本领域技术人员可以理解附图只是一个优选实施场景的示意图,附图中的模块或流程并不一定是实施本申请所必须的。本领域技术人员可以理解实施场景中的装置中的模块可以按照实施场景描述进行分布于实施场景的装置中,也可以进行相应变化位于不同于本实施场景的一个或多个装置中。上述实施场景的模块可以合并为一个模块,也可以进一步拆分成多个子模块。
上述本申请序号仅仅为了描述,不代表实施场景的优劣。以上公开的仅为本申请的几个具体实施场景,但是,本申请并非局限于此,任何本领域的技术人员能思之的变化都应落入本申请的保护范围。
Claims (10)
1.一种资源数据的发放方法,其特征在于,包括:
获取用户与实体对象所涉及的特征参数;
将所述用户与实体对象所涉及的特征参数形成多个维度特征输入至预先构建的转化率模型,得到预测函数表达式,其中,所述转化率模型基于输入的多个维特征输出预测函数表达式,所述预测函数表达式用于描述用户使用资源数据的转化率随着实体对象提供资源数据变化之间的关系;
根据所述预测函数表达式,将用户使用资源数据的转化率最高时所对应实体对象提供的资源数据确定为实体对象应发放给用户的第一资源数据;
向用户发放所述第一资源数据。
2.根据权利要求1所述的方法,其特征在于,所述用户与实体对象所涉及的特征参数包括用户特征参数、实体对象特征参数、用户与实体对象进行交互的特征参数,所述获取用户与实体对象所涉及的特征参数,具体包括:
利用用户标签训练的数据模型分析用户行为数据,获取用户特征参数;
利用实体对象的节点序列训练的映射模型分析用户在第一预设时间内对实体对象的浏览序列,获取实体对象特征参数;
通过在实体对象提供资源数据后统计用户在第二预设时间内对实体对象的访问数据,获取用户与实体对象进行交互的特征参数。
3.根据权利要求2所述的方法,其特征在于,所述利用实体对象的节点序列训练的映射模型分析用户在第一预设时间内对实体对象的浏览序列,获取实体对象特征参数,具体包括:
利用实体对象的节点序列训练的映射模型将所述用户在第一预设时间内对实体对象的浏览序列映射为实体对象在空间上的分布式表达;
根据所述实体对象在空间上的分布式表达计算实体对象之间的连接信息,获取实体对象特征参数。
4.根据权利要求2所述的方法,其特征在于,所述通过在实体对象提供资源数据后统计用户在第二预设时间内对实体对象的交互数据,获取用户与实体对象进行交互的特征参数,具体包括:
通过在实体对象提供资源数据后对实体对象进行数据埋点,收集实体对象数据中涉及用户操作的行为数据;
基于所述实体对象数据中涉及用户操作的行为数据,统计用户在第二预设时间内对实体对象的交互数据,获取用户与实体对象进行交互的特征参数。
5.根据权利要求1-4中任一项所述的方法,其特征在于,所述转化率模型中建立有多个决策树,每个决策树用于从不同维度特征对用户使用资源数据的转化率随着实体对象提供资源数据变化之间的关系进行预测,所述将所述用户与实体对象所涉及的特征参数形成多个维度特征输入至预先构建的转化率模型,得到预测函数表达式,具体包括:
利用预先构建的转化率模型将所述用户与实体对象所涉及的特征参数形成多个维度特征分配到决策树中各个叶子节点,并且每个叶子节点对应有特征映射的参数;
根据决策树中各个叶子节点与所述叶子节点对应特征映射的参数,预测最优结构的决策树,并将所述最优结构的决策树作为预测函数表达式。
6.根据权利要求5所述的方法,其特征在于,所述根据决策树中各个叶子节点与所述叶子节点对应特征映射的参数,预测最优结构的决策树,并将所述最优结构的决策树作为预测函数表达式,具体包括:
按照梯度数据由大至小对决策树中各个叶子节点进行排序,列出对决策树进行分割的切分点;
针对决策树中各个叶子节点对应特征映射的参数,对所述对决策树进行分割的切分点进行评分;
将评分最高的切分点所形成的决策树作为最优结构的决策树,得到预测函数表达式。
7.根据权利要求1所述的方法,其特征在于,在所述根据所述用户对实体对象提供资源数据的预测函数表达式,确定实体对象应发放给用户的目标资源数据之后,所述方法还包括:
利用所述用户与实体对象所涉及的特征参数,分别将包含有相同属性特征的用户进行聚合以及将包含有相同属性特征的实体对象进行聚合,得到目标用户群体以及目标实体对象群体;
根据所述实体对象应发放给用户的第一资源数据,确定所述目标实体对象群体应发放给目标用户群体的第二资源数据;
所述向用户发放所述目标资源数据,具体包括:
向所述目标用户群体发放所述第二资源数据。
8.一种资源数据的发放装置,其特征在于,包括:
获取单元,用于获取用户与实体对象所涉及的特征参数;
预测单元,用于将所述用户与实体对象所涉及的特征参数形成多个维度特征输入至预先构建的转化率模型,得到预测函数表达式,其中,所述转化率模型基于输入的多个维特征输出预测函数表达式,所述预测函数表达式用于描述用户使用资源数据的转化率随着实体对象提供资源数据变化之间的关系;
第一确定单元,用于根据所述预测函数表达式,将用户使用资源数据的转化率最高时所对应实体对象提供的资源数据确定为实体对象应发放给用户的第一资源数据;
发放单元,用于向用户发放所述第一资源数据。
9.一种存储介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现权利要求1至7中任一项所述的资源数据的发放方法。
10.一种资源数据的发放设备,包括存储介质、处理器及存储在存储介质上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现权利要求1至7中任一项所述的资源数据的发放方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010357056.8A CN111626767B (zh) | 2020-04-29 | 2020-04-29 | 资源数据的发放方法、装置及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010357056.8A CN111626767B (zh) | 2020-04-29 | 2020-04-29 | 资源数据的发放方法、装置及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111626767A true CN111626767A (zh) | 2020-09-04 |
CN111626767B CN111626767B (zh) | 2023-09-08 |
Family
ID=72273220
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010357056.8A Active CN111626767B (zh) | 2020-04-29 | 2020-04-29 | 资源数据的发放方法、装置及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111626767B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112215509A (zh) * | 2020-10-21 | 2021-01-12 | 拉扎斯网络科技(上海)有限公司 | 资源参数的确定方法、装置及设备 |
CN112308635A (zh) * | 2020-11-25 | 2021-02-02 | 拉扎斯网络科技(上海)有限公司 | 数据处理方法和装置以及资源提供方法和装置 |
CN112422711A (zh) * | 2020-11-06 | 2021-02-26 | 北京五八信息技术有限公司 | 一种资源分配方法、装置、电子设备及存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106203635A (zh) * | 2016-06-29 | 2016-12-07 | 北京师范大学 | 一种在线学习行为投入数据采集与分析***及方法 |
CN106878405A (zh) * | 2017-01-25 | 2017-06-20 | 咪咕动漫有限公司 | 一种调整推送项目的方法及装置 |
CN108665355A (zh) * | 2018-05-18 | 2018-10-16 | 深圳壹账通智能科技有限公司 | 金融产品推荐方法、装置、设备和计算机存储介质 |
CN109241451A (zh) * | 2018-11-08 | 2019-01-18 | 北京点网聚科技有限公司 | 一种内容组合推荐方法、装置及可读存储介质 |
CN110111090A (zh) * | 2019-03-26 | 2019-08-09 | 口口相传(北京)网络技术有限公司 | 一种电子红包的发放方法及装置 |
US10402723B1 (en) * | 2018-09-11 | 2019-09-03 | Cerebri AI Inc. | Multi-stage machine-learning models to control path-dependent processes |
CN110968802A (zh) * | 2019-12-04 | 2020-04-07 | 上海风秩科技有限公司 | 一种用户特征的分析方法、分析装置及可读存储介质 |
-
2020
- 2020-04-29 CN CN202010357056.8A patent/CN111626767B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106203635A (zh) * | 2016-06-29 | 2016-12-07 | 北京师范大学 | 一种在线学习行为投入数据采集与分析***及方法 |
CN106878405A (zh) * | 2017-01-25 | 2017-06-20 | 咪咕动漫有限公司 | 一种调整推送项目的方法及装置 |
CN108665355A (zh) * | 2018-05-18 | 2018-10-16 | 深圳壹账通智能科技有限公司 | 金融产品推荐方法、装置、设备和计算机存储介质 |
US10402723B1 (en) * | 2018-09-11 | 2019-09-03 | Cerebri AI Inc. | Multi-stage machine-learning models to control path-dependent processes |
CN109241451A (zh) * | 2018-11-08 | 2019-01-18 | 北京点网聚科技有限公司 | 一种内容组合推荐方法、装置及可读存储介质 |
CN110111090A (zh) * | 2019-03-26 | 2019-08-09 | 口口相传(北京)网络技术有限公司 | 一种电子红包的发放方法及装置 |
CN110968802A (zh) * | 2019-12-04 | 2020-04-07 | 上海风秩科技有限公司 | 一种用户特征的分析方法、分析装置及可读存储介质 |
Non-Patent Citations (1)
Title |
---|
吴华意;李锐;周振;蒋捷;桂志鹏;: "公共地图服务的群体用户访问行为时序特征模型及预测" * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112215509A (zh) * | 2020-10-21 | 2021-01-12 | 拉扎斯网络科技(上海)有限公司 | 资源参数的确定方法、装置及设备 |
CN112422711A (zh) * | 2020-11-06 | 2021-02-26 | 北京五八信息技术有限公司 | 一种资源分配方法、装置、电子设备及存储介质 |
CN112422711B (zh) * | 2020-11-06 | 2021-10-08 | 北京五八信息技术有限公司 | 一种资源分配方法、装置、电子设备及存储介质 |
CN112308635A (zh) * | 2020-11-25 | 2021-02-02 | 拉扎斯网络科技(上海)有限公司 | 数据处理方法和装置以及资源提供方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN111626767B (zh) | 2023-09-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR101939554B1 (ko) | 일시적 거래 한도 결정 | |
CN107808314B (zh) | 用户推荐方法及装置 | |
CN108805598B (zh) | 相似度信息确定方法、服务器及计算机可读存储介质 | |
CN111626767B (zh) | 资源数据的发放方法、装置及设备 | |
CN109409928A (zh) | 一种素材推荐方法、装置、存储介质、终端 | |
CN103049452A (zh) | 一种基于预估下载率进行应用排序的方法与设备 | |
CN107808346B (zh) | 一种潜在目标对象的评估方法及评估装置 | |
CN109213936B (zh) | 商品搜索方法和装置 | |
CN109902713A (zh) | 基于数据分析的楼盘推荐方法、设备、存储介质及装置 | |
CN111611496A (zh) | 产品推荐方法及其装置 | |
CN111966886A (zh) | 对象推荐方法、对象推荐装置、电子设备及存储介质 | |
CN116308684B (zh) | 一种网购平台店铺信息推送方法及*** | |
CN104572775A (zh) | 广告分类方法、装置及服务器 | |
CN111242318A (zh) | 基于异构特征库的业务模型训练方法及装置 | |
CN111159553A (zh) | 信息推送方法、装置、计算机设备及存储介质 | |
CN113569162A (zh) | 数据处理方法、装置、设备及存储介质 | |
CN106600360B (zh) | 推荐对象的排序方法及装置 | |
CN111091409A (zh) | 客户标签的确定方法、装置和服务器 | |
CN113850669A (zh) | 用户分群方法、装置、计算机设备及计算机可读存储介质 | |
CN113327132A (zh) | 多媒体推荐方法、装置、设备及存储介质 | |
CN115713384A (zh) | 推荐物品的方法、装置、存储介质及电子设备 | |
CN107357847B (zh) | 数据处理方法及其装置 | |
CN109767249A (zh) | 预测性价比的方法和装置 | |
CN110992109B (zh) | 基于关联规则的房地产客户分析方法、装置及存储介质 | |
CN111460300B (zh) | 网络内容推送方法、装置及存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |