CN117668368B - 基于大数据的电子商务数据推送方法及*** - Google Patents
基于大数据的电子商务数据推送方法及*** Download PDFInfo
- Publication number
- CN117668368B CN117668368B CN202311739427.9A CN202311739427A CN117668368B CN 117668368 B CN117668368 B CN 117668368B CN 202311739427 A CN202311739427 A CN 202311739427A CN 117668368 B CN117668368 B CN 117668368B
- Authority
- CN
- China
- Prior art keywords
- analysis
- node
- data
- service data
- real
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000004458 analytical method Methods 0.000 claims abstract description 116
- 238000010223 real-time analysis Methods 0.000 claims abstract description 93
- 238000012545 processing Methods 0.000 claims abstract description 49
- 238000007418 data mining Methods 0.000 claims abstract description 32
- 230000003993 interaction Effects 0.000 claims abstract description 22
- 238000005065 mining Methods 0.000 claims abstract description 16
- 238000000611 regression analysis Methods 0.000 claims description 40
- 238000004140 cleaning Methods 0.000 claims description 25
- 238000004590 computer program Methods 0.000 claims description 6
- 238000013144 data compression Methods 0.000 claims description 4
- 238000004891 communication Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 9
- 230000008901 benefit Effects 0.000 abstract description 7
- 238000011156 evaluation Methods 0.000 description 3
- 238000003491 array Methods 0.000 description 2
- 238000005406 washing Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000001747 exhibiting effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
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
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/21—Design, administration or maintenance of databases
- G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
-
- 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)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- General Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Quality & Reliability (AREA)
- Marketing (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请提供的基于大数据的电子商务数据推送方法及***,通过所述情况描述可能性,计算所述节点从所述实时分析情况加载到所述指定分析情况的推送效率;结合所述推送效率,确定所述节点在所述实时分析情况下的电子商务数据推送情况;通过所述清洗后业务数据中各节点对应的电子商务数据推送情况,对所述清洗后业务数据进行挖掘处理,生成第二交互状态下的业务数据挖掘结果,根据所述业务数据挖掘结果确定电子商务数据推送结果。本申请可以根据清洗后业务数据中各节点对应的电子商务数据推送情况进行分析和挖掘处理,这样一来,能够准确地获得用户的兴趣方向,从而进行数据推送,能够提高推送的效果,提高效益。
Description
技术领域
本申请涉及数据处理技术领域,具体而言,涉及基于大数据的电子商务数据推送方法及***。
背景技术
电子商务通常是指在全球各地广泛的商业贸易活动中,在因特网开放的网络环境下,基于客户端/服务端应用方式,买卖双方不谋面地进行各种商贸活动,实现消费者的网上购物、商户之间的网上交易和在线电子支付以及各种商务活动、交易活动、金融活动和相关的综合服务活动的一种新型的商业运营模式。
网络上出现很多电子商务数据推送给用户,针对用户不感兴趣的东西晶推荐就可能会出现不好的现象,在用户不需要的东西进行推送就可能出现用户反感的情况,如何进行电子商务数据的推送提高用户的兴趣是现目前难以克服的一个技术问题。
发明内容
为改善相关技术中存在的技术问题,本申请提供了基于大数据的电子商务数据推送方法及***。
第一方面,提供一种基于大数据的电子商务数据推送方法,其特征在于,所述方法包括:获得需要进行处理的电子商务业务数据,所述电子商务业务数据为第一交互状态下的业务数据;对所述电子商务业务数据进行清洗处理,得到清洗后业务数据;针对所述清洗后业务数据中各个节点,结合所述节点的实时商务信息描述内容回归分析所述节点上各指定分析情况对应的情况描述可能性;通过所述情况描述可能性,计算所述节点从所述实时分析情况加载到所述指定分析情况的推送效率;结合所述推送效率,确定所述节点在所述实时分析情况下的电子商务数据推送情况;通过所述清洗后业务数据中各节点对应的电子商务数据推送情况,对所述清洗后业务数据进行挖掘处理,生成第二交互状态下的业务数据挖掘结果,根据所述业务数据挖掘结果确定电子商务数据推送结果。
在一种独立实施的实施例中,所述通过所述情况描述可能性,计算所述节点从所述实时分析情况加载到所述指定分析情况的推送效率,包括:
对所述节点分别在实时分析情况和指定分析情况上的情况描述可能性进行比较处理;根据比较处理结果和指定约束要求,设置所述节点从所述实时分析情况加载到所述指定分析情况的推送效率。
可以理解的是,通过所述情况描述可能性时,改善了比较处理不准确的问题,从而能够精确地计算所述节点从所述实时分析情况加载到所述指定分析情况的推送效率。
在一种独立实施的实施例中,所述根据比较处理结果和指定约束要求,设置所述节点从所述实时分析情况加载到所述指定分析情况的推送效率,包括:当所述节点在实时分析情况上的情况描述可能性大于所述节点在指定分析情况上的情况描述可能性时,结合所述指定约束要求,设置所述节点从所述实时分析情况加载到所述指定分析情况的推送效率;当所述节点在实时分析情况上的情况描述可能性不大于所述节点在指定分析情况上的情况描述可能性时,将所述节点从所述实时分析情况加载到所述指定分析情况的推送效率设置为指定值。
可以理解的是,根据比较处理结果和指定约束要求时,改善了分析异常的问题,从而能够准确地设置所述节点从所述实时分析情况加载到所述指定分析情况的推送效率。
在一种独立实施的实施例中,所述通过所述情况描述可能性,计算所述节点从所述实时分析情况加载到所述指定分析情况的推送效率,包括:
计算所述实时分析情况和所述指定分析情况之间的状态差异;当所述状态差异符合指定差异要求时,通过所述情况描述可能性,计算所述节点从所述实时分析情况加载到所述指定分析情况的推送效率。
可以理解的是,过所述情况描述可能性,改善了差异不准确的问题,从而能够准确地计算所述节点从所述实时分析情况加载到所述指定分析情况的推送效率。
在一种独立实施的实施例中,所述实时分析情况包括不少于一个方向上的元素子状态;所述指定分析情况包括不少于一个方向上的元素子状态;所述结合所述推送效率,确定所述节点在所述实时分析情况下的电子商务数据推送情况,包括:针对各个方向,从指定分析情况中确定所述方向上实时分析情况的相邻指定商务信息描述内容所述相邻指定分析情况在所述方向上的元素子状态与所述实时分析情况在所述方向上的元素子状态不同,所述相邻指定分析情况在参考方向上的元素子状态与所述实时分析情况在参考方向上的元素子状态相同,所述参考方向为除所述方向外的其他方向;通过所述节点从实时分析情况加载到所述相邻指定分析情况对应的推送效率,确定所述节点的实时分析情况在所述方向上的状态分析可能性;
将所述节点的实时分析情况在各个方向上的状态分析可能性进行拼接,得到所述节点在所述实时分析情况下的电子商务数据推送情况。
可以理解的是,实时分析情况包括不少于一个方向上的元素子状态;所述指定分析情况包括不少于一个方向上的元素子状态;所述结合所述推送效率时,改善了推送效率不准确的问题,从而能够准确地确定所述节点在所述实时分析情况下的电子商务数据推送情况。
在一种独立实施的实施例中,所述通过所述清洗后业务数据中各节点对应的电子商务数据推送情况,对所述清洗后业务数据进行挖掘处理,生成第二交互状态下的业务数据挖掘结果,根据所述业务数据挖掘结果确定电子商务数据推送结果,包括:通过所述清洗后业务数据中各节点对应的电子商务数据推送情况,对所述清洗后业务数据进行挖掘处理,得到处理后业务数据;将所述处理后业务数据确定为新的清洗后业务数据,返回执行所述通过所述情况描述可能性,计算所述节点从所述实时分析情况加载到所述指定分析情况的推送效率的步骤,以生成第二交互状态下的业务数据挖掘结果,根据所述业务数据挖掘结果确定电子商务数据推送结果。
可以理解的是,通过所述清洗后业务数据中各节点对应的电子商务数据推送情况,对所述清洗后业务数据进行挖掘处理时,改善了挖掘不准确的问题,从而能够精确地生成第二交互状态下的业务数据挖掘结果,根据所述业务数据挖掘结果确定电子商务数据推送结果。
在一种独立实施的实施例中,所述对所述电子商务业务数据进行清洗处理,得到清洗后业务数据,包括:通过业务数据处理线程,对所述电子商务业务数据进行清洗处理,得到清洗后业务数据;所述针对所述清洗后业务数据中各个节点,结合所述节点的实时商务信息描述内容回归分析所述节点上各指定分析情况对应的情况描述可能性,包括:通过所述业务数据处理线程,针对所述清洗后业务数据中各个节点,结合所述节点的实时商务信息描述内容回归分析所述节点上各指定分析情况对应的情况描述可能性。
可以理解的是,对所述电子商务业务数据进行清洗处理时,改善了清洗不准确地问题,从而能精确地得到清洗后业务数据。
在一种独立实施的实施例中,所述通过业务数据处理线程,对所述电子商务业务数据进行清洗处理,得到清洗后业务数据之前,还包括:获得配置数据,所述配置数据包括不少于一个业务数据示例;通过指定业务数据处理线程,对所述业务数据示例进行清洗处理,得到清洗后示例业务数据;针对所述清洗后示例业务数据中各个节点,结合所述节点的实时商务信息描述内容确定所述节点对应的回归分析状态可能性权重,所述回归分析状态可能性权重包括所述节点上各指定分析情况对应的回归分析情况描述可能性;通过所述回归分析状态可能性权重和指定状态可能性权重,对所述指定业务数据处理线程进行调试,得到配置后的业务数据处理线程。
可以理解的是,通过业务数据处理线程,对所述电子商务业务数据进行清洗处理,得到清洗后业务数据之前对业务数据处理线程进行优化,从而能够提高清洗的精确。
在一种独立实施的实施例中,所述对所述电子商务业务数据进行清洗处理,得到清洗后业务数据,包括:将所述电子商务业务数据与业务影响数据进行拼接处理,得到拼接后业务数据;对所述拼接后业务数据进行业务数据压缩处理,得到所述清洗后业务数据。
可以理解的是,对所述电子商务业务数据进行清洗处理时,降低了影响业务数据的干扰,从而能够精确地得到清洗后业务数据。
在一种独立实施的实施例中,所述针对所述清洗后业务数据中各个节点,结合所述节点的实时商务信息描述内容回归分析所述节点上各指定分析情况对应的情况描述可能性,包括:针对所述清洗后业务数据中各个节点,结合所述节点的实时商务信息描述内容确定所述节点对应的回归分析状态可能性权重,所述回归分析状态可能性权重包括所述节点上各待定指定分析情况对应的情况描述可能性;根据指定分析情况对应的状态定位信息,从所述回归分析状态可能性权重中抽取所述节点上各指定分析情况对应的情况描述可能性。
可以理解的是,针对所述清洗后业务数据中各个节点,能够可靠地对可能性权重进行判定,能够提高情况描述可能性的准确性。
第二方面,提供一种基于大数据的电子商务数据推送***,包括互相之间通信的处理器和存储器,所述处理器用于从所述存储器中读取计算机程序并执行,以实现上述的方法。
本申请实施例所提供的基于大数据的电子商务数据推送方法及***,可以获得需要进行处理的电子商务业务数据,所述电子商务业务数据为第一交互状态下的业务数据;对所述电子商务业务数据进行清洗处理,得到清洗后业务数据;针对所述清洗后业务数据中各个节点,结合所述节点的实时商务信息描述内容回归分析所述节点上各指定分析情况对应的情况描述可能性;通过所述情况描述可能性,计算所述节点从所述实时分析情况加载到所述指定分析情况的推送效率;结合所述推送效率,确定所述节点在所述实时分析情况下的电子商务数据推送情况;通过所述清洗后业务数据中各节点对应的电子商务数据推送情况,对所述清洗后业务数据进行挖掘处理,生成第二交互状态下的业务数据挖掘结果,根据所述业务数据挖掘结果确定电子商务数据推送结果。本申请可以根据清洗后业务数据中各节点对应的电子商务数据推送情况进行分析和挖掘处理,这样一来,能够准确地获得用户的兴趣方向,从而进行数据推送,能够提高推送的效果,提高效益。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,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相关的附图。
图1为本申请实施例所提供的一种基于大数据的电子商务数据推送方法的流程图。
具体实施方式
为了更好的理解上述技术方案,下面通过附图以及具体实施例对本申请技术方案做详细的说明,应当理解本申请实施例以及实施例中的具体特征是对本申请技术方案的详细的说明,而不是对本申请技术方案的限定,在不冲突的情况下,本申请实施例以及实施例中的技术特征可以相互组合。
请参阅图1,示出了一种基于大数据的电子商务数据推送方法,该方法可以包括以下步骤101-106所描述的技术方案。
101、获得需要进行处理的电子商务业务数据,所述电子商务业务数据为第一交互状态下的业务数据。
其中,电子商务业务数据可以是任意的业务数据,比如可以是产品信息以等,又比如:喜欢玩游戏的用户推荐相关游戏信息、喜欢看小说的推荐小说信息等,本申请能够结合用户的兴趣爱好就行分析,从而进行数据推送。通过本申请提供的基于大数据的电子商务数据推送方法,可以生成与电子商务业务数据相关的业务数据挖掘结果。
102、对所述电子商务业务数据进行清洗处理,得到清洗后业务数据。
示例性的,电子商务业务数据中可能存在一些爬虫信息或者恶意软件等,需要将这些数据进行清除,避免给用户再来不好的体验感。可选地,本实施例中,步骤“对所述电子商务业务数据进行清洗处理,得到清洗后业务数据”,可以包括:将所述电子商务业务数据与业务影响数据进行拼接处理,得到拼接后业务数据;对所述拼接后业务数据进行业务数据压缩处理,得到所述清洗后业务数据。
示例性的,电子商务业务数据和业务影响数据的拼接处理可以是将二者进行拼接处理,再对拼接后业务数据进行业务数据压缩处理,得到清洗后业务数据。
103、针对所述清洗后业务数据中各个节点,结合所述节点的实时商务信息描述内容回归分析所述节点上各指定分析情况对应的情况描述可能性。
示例性的,回归分析可以理解为预测。
其中,实时分析情况为节点实时的元素值,具体可以包括三个方向上的元素值。指定分析情况可以包括实时分析情况本身和除实时分析情况外的其他分析情况。
可选地,本实施例中,步骤“针对所述清洗后业务数据中各个节点,结合所述节点的实时商务信息描述内容回归分析所述节点上各指定分析情况对应的情况描述可能性”,可以包括:针对所述清洗后业务数据中各个节点,结合所述节点的实时商务信息描述内容确定所述节点对应的回归分析状态可能性权重,所述回归分析状态可能性权重包括所述节点上各待定指定分析情况对应的情况描述可能性;根据指定分析情况对应的状态定位信息,从所述回归分析状态可能性权重中抽取所述节点上各指定分析情况对应的情况描述可能性。
其中,指定状态可能性权重中各待定指定分析情况对应的情况描述可能性的分布可以按照分析情况的大小进行排列,指定分析情况可以基于其分析情况大小,确定其状态定位信息,状态定位信息具体也即情况描述可能性在指定状态可能性权重中的分布定位。
可选地,本实施例中,步骤“对所述电子商务业务数据进行清洗处理,得到清洗后业务数据”,可以包括:通过业务数据处理线程,对所述电子商务业务数据进行清洗处理,得到清洗后业务数据;
步骤“针对所述清洗后业务数据中各个节点,结合所述节点的实时商务信息描述内容回归分析所述节点上各指定分析情况对应的情况描述可能性”,可以包括:通过所述业务数据处理线程,针对所述清洗后业务数据中各个节点,结合所述节点的实时商务信息描述内容回归分析所述节点上各指定分析情况对应的情况描述可能性。
可以理解的是,该业务数据处理线程可以是上述衍生线程的一部分。
可选地,本实施例中,步骤“通过业务数据处理线程,对所述电子商务业务数据进行清洗处理,得到清洗后业务数据”之前,还可以包括:获得配置数据,所述配置数据包括不少于一个业务数据示例;通过指定业务数据处理线程,对所述业务数据示例进行清洗处理,得到清洗后示例业务数据;针对所述清洗后示例业务数据中各个节点,结合所述节点的实时商务信息描述内容确定所述节点对应的回归分析状态可能性权重,所述回归分析状态可能性权重包括所述节点上各指定分析情况对应的回归分析情况描述可能性;通过所述回归分析状态可能性权重和指定状态可能性权重,对所述指定业务数据处理线程进行调试,得到配置后的业务数据处理线程。
其中,业务数据示例可以是任意的业务数据。具体地,指定状态可能性权重可以是各指定分析情况对应的情况描述可能性呈现高斯分布。
其中,该配置过程可以是先计算出节点对应的回归分析状态可能性权重和指定状态可能性权重之间的能力评价结果,然后,对指定业务数据处理线程的参数进行调试,基于该能力评价结果,优化指定业务数据处理线程的参数,使得回归分析状态可能性权重趋近于指定状态可能性权重,得到配置好的业务数据处理线程。具体地,可以使回归分析状态可能性权重和指定状态可能性权重之间的能力评价结果小于指定值,该指定值可以根据实际情况设置。
104、通过所述情况描述可能性,计算所述节点从所述实时分析情况加载到所述指定分析情况的推送效率。
可选地,本实施例中,步骤“通过所述情况描述可能性,计算所述节点从所述实时分析情况加载到所述指定分析情况的推送效率”,可以包括:计算所述实时分析情况和所述指定分析情况之间的状态差异;当所述状态差异符合指定差异要求时,通过所述情况描述可能性,计算所述节点从所述实时分析情况加载到所述指定分析情况的推送效率。
其中,具体地,实时分析情况可以包括X个方向上的元素子状态;指定分析情况包括X个方向上的元素子状态。实时分析情况和指定分析情况之间的状态差异可以是X个方向上的状态子差异之和,各个方向上的状态子差异具体可以是实时分析情况在该方向上的元素子状态和指定分析情况在该方向上的元素子状态之间的差异。
可选地,本实施例中,步骤“通过所述情况描述可能性,计算所述节点从所述实时分析情况加载到所述指定分析情况的推送效率”,可以包括:对所述节点分别在实时分析情况和指定分析情况上的情况描述可能性进行比较处理;根据比较处理结果和指定约束要求,设置所述节点从所述实时分析情况加载到所述指定分析情况的推送效率。
其中,通过比较处理,可以确定实时分析情况的情况描述可能性和指定分析情况的情况描述可能性的大小。
可选地,本实施例中,步骤“根据比较处理结果和指定约束要求,设置所述节点从所述实时分析情况加载到所述指定分析情况的推送效率”,可以包括:当所述节点在实时分析情况上的情况描述可能性大于所述节点在指定分析情况上的情况描述可能性时,结合所述指定约束要求,设置所述节点从所述实时分析情况加载到所述指定分析情况的推送效率;当所述节点在实时分析情况上的情况描述可能性不大于所述节点在指定分析情况上的情况描述可能性时,将所述节点从所述实时分析情况加载到所述指定分析情况的推送效率设置为指定值。
105、结合所述推送效率,确定所述节点在所述实时分析情况下的电子商务数据推送情况。
可选地,本实施例中,所述实时分析情况包括不少于一个方向上的元素子状态;所述指定分析情况包括不少于一个方向上的元素子状态;
步骤“结合所述推送效率,确定所述节点在所述实时分析情况下的电子商务数据推送情况”,可以包括:针对各个方向,从指定分析情况中确定所述方向上实时分析情况的相邻指定商务信息描述内容所述相邻指定分析情况在所述方向上的元素子状态与所述实时分析情况在所述方向上的元素子状态不同,所述相邻指定分析情况在参考方向上的元素子状态与所述实时分析情况在参考方向上的元素子状态相同,所述参考方向为除所述方向外的其他方向;通过所述节点从实时分析情况加载到所述相邻指定分析情况对应的推送效率,确定所述节点的实时分析情况在所述方向上的状态分析可能性;将所述节点的实时分析情况在各个方向上的状态分析可能性进行拼接,得到所述节点在所述实时分析情况下的电子商务数据推送情况。
其中,实时分析情况可以包括X个方向上的元素子状态,指定分析情况也可以包括X个方向上的元素子状态。
其中,对节点的实时分析情况在各个方向上的状态分析可能性进行拼接的方式有多种,比如,该拼接方式可以是相加等函数处理方式。
106、通过所述清洗后业务数据中各节点对应的电子商务数据推送情况,对所述清洗后业务数据进行挖掘处理,生成第二交互状态下的业务数据挖掘结果,根据所述业务数据挖掘结果确定电子商务数据推送结果。
可选地,本实施例中,步骤“通过所述清洗后业务数据中各节点对应的电子商务数据推送情况,对所述清洗后业务数据进行挖掘处理,生成第二交互状态下的业务数据挖掘结果,根据所述业务数据挖掘结果确定电子商务数据推送结果”,可以包括:通过所述清洗后业务数据中各节点对应的电子商务数据推送情况,对所述清洗后业务数据进行挖掘处理,得到处理后业务数据;将所述处理后业务数据确定为新的清洗后业务数据,返回执行所述通过所述情况描述可能性,计算所述节点从所述实时分析情况加载到所述指定分析情况的推送效率的步骤,以生成第二交互状态下的业务数据挖掘结果,根据所述业务数据挖掘结果确定电子商务数据推送结果。
具体地,循环过程中得到的各处理后业务数据和一开始的清洗后业务数据的业务数据数据规模大小相同,业务数据挖掘结果也和清洗后业务数据的业务数据数据规模一致。
由上可知,本实施例可以获得需要进行处理的电子商务业务数据,所述电子商务业务数据为第一交互状态下的业务数据;对所述电子商务业务数据进行清洗处理,得到清洗后业务数据;针对所述清洗后业务数据中各个节点,结合所述节点的实时商务信息描述内容回归分析所述节点上各指定分析情况对应的情况描述可能性;通过所述情况描述可能性,计算所述节点从所述实时分析情况加载到所述指定分析情况的推送效率;结合所述推送效率,确定所述节点在所述实时分析情况下的电子商务数据推送情况;通过所述清洗后业务数据中各节点对应的电子商务数据推送情况,对所述清洗后业务数据进行挖掘处理,生成第二交互状态下的业务数据挖掘结果,根据所述业务数据挖掘结果确定电子商务数据推送结果。本申请可以根据清洗后业务数据中各节点对应的电子商务数据推送情况进行分析和挖掘处理,这样一来,能够准确地获得用户的兴趣方向,从而进行数据推送,能够提高推送的效果,提高效益。
本申请实施例提供一种基于大数据的电子商务数据推送方法,该基于大数据的电子商务数据推送方法的具体流程可以如下步骤。
在上述基础上,提供了一种基于大数据的电子商务数据推送装置,所述装置包括:
数据获得模块,用于获得需要进行处理的电子商务业务数据,所述电子商务业务数据为第一交互状态下的业务数据;
数据清洗模块,用于对所述电子商务业务数据进行清洗处理,得到清洗后业务数据;
可能性确定模块,用于针对所述清洗后业务数据中各个节点,结合所述节点的实时商务信息描述内容回归分析所述节点上各指定分析情况对应的情况描述可能性;
情况分析模块,用于通过所述情况描述可能性,计算所述节点从所述实时分析情况加载到所述指定分析情况的推送效率;
推送情况确定模块,用于结合所述推送效率,确定所述节点在所述实时分析情况下的电子商务数据推送情况;
数据推送模块,用于通过所述清洗后业务数据中各节点对应的电子商务数据推送情况,对所述清洗后业务数据进行挖掘处理,生成第二交互状态下的业务数据挖掘结果,根据所述业务数据挖掘结果确定电子商务数据推送结果。
在上述基础上,示出了一种基于大数据的电子商务数据推送***,包括互相之间通信的处理器和存储器,所述处理器用于从所述存储器中读取计算机程序并执行,以实现上述的方法。
在上述基础上,还提供了一种计算机可读存储介质,其上存储的计算机程序在运行时实现上述的方法。
综上,基于上述方案,可以获得需要进行处理的电子商务业务数据,所述电子商务业务数据为第一交互状态下的业务数据;对所述电子商务业务数据进行清洗处理,得到清洗后业务数据;针对所述清洗后业务数据中各个节点,结合所述节点的实时商务信息描述内容回归分析所述节点上各指定分析情况对应的情况描述可能性;通过所述情况描述可能性,计算所述节点从所述实时分析情况加载到所述指定分析情况的推送效率;结合所述推送效率,确定所述节点在所述实时分析情况下的电子商务数据推送情况;通过所述清洗后业务数据中各节点对应的电子商务数据推送情况,对所述清洗后业务数据进行挖掘处理,生成第二交互状态下的业务数据挖掘结果,根据所述业务数据挖掘结果确定电子商务数据推送结果。本申请可以根据清洗后业务数据中各节点对应的电子商务数据推送情况进行分析和挖掘处理,这样一来,能够准确地获得用户的兴趣方向,从而进行数据推送,能够提高推送的效果,提高效益。
应当理解,上述所示的***及其模块可以利用各种方式来实现。例如,在一些实施例中,***及其模块可以通过硬件、软件或者软件和硬件的结合来实现。其中,硬件部分可以利用专用逻辑来实现;软件部分则可以存储在存储器中,由适当的指令执行***,例如微处理器或者专用设计硬件来执行。本领域技术人员可以理解上述的方法和***可以使用计算机可执行指令和/或包含在处理器控制代码中来实现,例如在诸如磁盘、CD或DVD-ROM的载体介质、诸如只读存储器(固件)的可编程的存储器或者诸如光学或电子信号载体的数据载体上提供了这样的代码。本申请的***及其模块不仅可以有诸如超大规模集成电路或门阵列、诸如逻辑芯片、晶体管等的半导体、或者诸如现场可编程门阵列、可编程逻辑设备等的可编程硬件设备的硬件电路实现,也可以用例如由各种类型的处理器所执行的软件实现,还可以由上述硬件电路和软件的结合(例如,固件)来实现。
需要说明的是,不同实施例可能产生的有益效果不同,在不同的实施例里,可能产生的有益效果可以是以上任意一种或几种的组合,也可以是其他任何可能获得的有益效果。
Claims (10)
1.一种基于大数据的电子商务数据推送方法,其特征在于,所述方法包括:
获得需要进行处理的电子商务业务数据,所述电子商务业务数据为第一交互状态下的业务数据;
对所述电子商务业务数据进行清洗处理,得到清洗后业务数据;
针对所述清洗后业务数据中各个节点,结合所述节点的实时商务信息描述内容回归分析所述节点上各指定分析情况对应的情况描述可能性;
通过所述情况描述可能性,计算所述节点从实时分析情况加载到所述指定分析情况的推送效率;
结合所述推送效率,确定所述节点在所述实时分析情况下的电子商务数据推送情况;
通过所述清洗后业务数据中各节点对应的电子商务数据推送情况,对所述清洗后业务数据进行挖掘处理,生成第二交互状态下的业务数据挖掘结果,根据所述业务数据挖掘结果确定电子商务数据推送结果。
2.根据权利要求1所述的方法,其特征在于,所述通过所述情况描述可能性,计算所述节点从实时分析情况加载到所述指定分析情况的推送效率,包括:
对所述节点分别在实时分析情况和指定分析情况上的情况描述可能性进行比较处理;
根据比较处理结果和指定约束要求,设置所述节点从所述实时分析情况加载到所述指定分析情况的推送效率。
3.根据权利要求2所述的方法,其特征在于,所述根据比较处理结果和指定约束要求,设置所述节点从所述实时分析情况加载到所述指定分析情况的推送效率,包括:
当所述节点在实时分析情况上的情况描述可能性大于所述节点在指定分析情况上的情况描述可能性时,结合所述指定约束要求,设置所述节点从所述实时分析情况加载到所述指定分析情况的推送效率;
当所述节点在实时分析情况上的情况描述可能性不大于所述节点在指定分析情况上的情况描述可能性时,将所述节点从所述实时分析情况加载到所述指定分析情况的推送效率设置为指定值。
4.根据权利要求1所述的方法,其特征在于,所述通过所述情况描述可能性,计算所述节点从所述实时分析情况加载到所述指定分析情况的推送效率,包括:
计算所述实时分析情况和所述指定分析情况之间的状态差异;
当所述状态差异符合指定差异要求时,通过所述情况描述可能性,计算所述节点从所述实时分析情况加载到所述指定分析情况的推送效率。
5.根据权利要求1所述的方法,其特征在于,所述实时分析情况包括不少于一个方向上的元素子状态;所述指定分析情况包括不少于一个方向上的元素子状态;所述结合所述推送效率,确定所述节点在所述实时分析情况下的电子商务数据推送情况,包括:
针对各个方向,从指定分析情况中确定所述方向上实时分析情况的相邻指定商务信息描述内容相邻指定分析情况在所述方向上的元素子状态与所述实时分析情况在所述方向上的元素子状态不同,所述相邻指定分析情况在参考方向上的元素子状态与所述实时分析情况在参考方向上的元素子状态相同,所述参考方向为除所述方向外的其他方向;
通过所述节点从实时分析情况加载到所述相邻指定分析情况对应的推送效率,确定所述节点的实时分析情况在所述方向上的状态分析可能性;
将所述节点的实时分析情况在各个方向上的状态分析可能性进行拼接,得到所述节点在所述实时分析情况下的电子商务数据推送情况。
6.根据权利要求1所述的方法,其特征在于,所述通过所述清洗后业务数据中各节点对应的电子商务数据推送情况,对所述清洗后业务数据进行挖掘处理,生成第二交互状态下的业务数据挖掘结果,根据所述业务数据挖掘结果确定电子商务数据推送结果,包括:
通过所述清洗后业务数据中各节点对应的电子商务数据推送情况,对所述清洗后业务数据进行挖掘处理,得到处理后业务数据;
将所述处理后业务数据确定为新的清洗后业务数据,返回执行所述通过所述情况描述可能性,计算所述节点从所述实时分析情况加载到所述指定分析情况的推送效率的步骤,以生成第二交互状态下的业务数据挖掘结果,根据所述业务数据挖掘结果确定电子商务数据推送结果。
7.根据权利要求1所述的方法,其特征在于,所述对所述电子商务业务数据进行清洗处理,得到清洗后业务数据,包括:通过业务数据处理线程,对所述电子商务业务数据进行清洗处理,得到清洗后业务数据;所述针对所述清洗后业务数据中各个节点,结合所述节点的实时商务信息描述内容回归分析所述节点上各指定分析情况对应的情况描述可能性,包括:通过所述业务数据处理线程,针对所述清洗后业务数据中各个节点,结合所述节点的实时商务信息描述内容回归分析所述节点上各指定分析情况对应的情况描述可能性;
其中,所述通过业务数据处理线程,对所述电子商务业务数据进行清洗处理,得到清洗后业务数据之前,还包括:
获得配置数据,所述配置数据包括不少于一个业务数据示例;通过指定业务数据处理线程,对所述业务数据示例进行清洗处理,得到清洗后示例业务数据;
针对所述清洗后示例业务数据中各个节点,结合所述节点的实时商务信息描述内容确定所述节点对应的回归分析状态可能性权重,所述回归分析状态可能性权重包括所述节点上各指定分析情况对应的回归分析情况描述可能性;
通过所述回归分析状态可能性权重和指定状态可能性权重,对所述指定业务数据处理线程进行调试,得到配置后的业务数据处理线程。
8.根据权利要求1所述的方法,其特征在于,所述对所述电子商务业务数据进行清洗处理,得到清洗后业务数据,包括:
将所述电子商务业务数据与业务影响数据进行拼接处理,得到拼接后业务数据;
对所述拼接后业务数据进行业务数据压缩处理,得到所述清洗后业务数据。
9.根据权利要求1所述的方法,其特征在于,所述针对所述清洗后业务数据中各个节点,结合所述节点的实时商务信息描述内容回归分析所述节点上各指定分析情况对应的情况描述可能性,包括:
针对所述清洗后业务数据中各个节点,结合所述节点的实时商务信息描述内容确定所述节点对应的回归分析状态可能性权重,所述回归分析状态可能性权重包括所述节点上各待定指定分析情况对应的情况描述可能性;
根据指定分析情况对应的状态定位信息,从所述回归分析状态可能性权重中抽取所述节点上各指定分析情况对应的情况描述可能性。
10.一种基于大数据的电子商务数据推送***,其特征在于,包括互相之间通信的处理器和存储器,所述处理器用于从所述存储器中读取计算机程序并执行,以实现权利要求1-9任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311739427.9A CN117668368B (zh) | 2023-12-18 | 2023-12-18 | 基于大数据的电子商务数据推送方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311739427.9A CN117668368B (zh) | 2023-12-18 | 2023-12-18 | 基于大数据的电子商务数据推送方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117668368A CN117668368A (zh) | 2024-03-08 |
CN117668368B true CN117668368B (zh) | 2024-06-18 |
Family
ID=90078769
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311739427.9A Active CN117668368B (zh) | 2023-12-18 | 2023-12-18 | 基于大数据的电子商务数据推送方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117668368B (zh) |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130138507A1 (en) * | 2011-11-30 | 2013-05-30 | Amit Kumar | Predictive modeling for e-commerce advertising systems and methods |
CN115168453A (zh) * | 2022-07-26 | 2022-10-11 | 赵雨 | 关于电子商务数据推送的兴趣分析方法及*** |
CN115796910A (zh) * | 2022-10-21 | 2023-03-14 | 徐州鼎知汇科技发展有限公司 | 应用于电子商务的大数据分析方法及*** |
CN115905702B (zh) * | 2022-12-06 | 2023-10-10 | 雨果跨境(厦门)科技有限公司 | 基于用户需求分析的数据推荐方法及*** |
CN116542738A (zh) * | 2023-05-05 | 2023-08-04 | 深圳爱巧电子商务有限公司 | 一种基于电子商务大数据的信息推送方法 |
-
2023
- 2023-12-18 CN CN202311739427.9A patent/CN117668368B/zh active Active
Non-Patent Citations (2)
Title |
---|
Analysis and Design of Intelligent Electronic Commerce;Yongliang Li 等;International Conference on Logistics Engineering, Management and Computer Science (LEMCS 2015);20151231;1-6 * |
基于人工智能的营销数据精细化推送算法研究;黄位华 等;现代电子技术;20210715;第44卷(第14期);1-4 * |
Also Published As
Publication number | Publication date |
---|---|
CN117668368A (zh) | 2024-03-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8966486B2 (en) | Distributed multi-phase batch job processing | |
CN111507543B (zh) | 用于预测实体间业务关系的模型训练方法及装置 | |
Bao et al. | Autoconfig: Automatic configuration tuning for distributed message systems | |
US11775412B2 (en) | Machine learning models applied to interaction data for facilitating modifications to online environments | |
Piscitelli et al. | Design space pruning through hybrid analysis in system-level design space exploration | |
US20180322200A1 (en) | Analytics based on pipes programming model | |
US20210365555A1 (en) | A method and system for detecting and preventing issues in smart contracts based on historical behavior analysis | |
US9355371B2 (en) | Process model generated using biased process mining | |
US10225272B2 (en) | Ordered correction of application based on dependency topology | |
US10846210B1 (en) | Automation of platform release | |
KR20100098441A (ko) | 서비스 지향 아키텍처(soa) 애플리케이션 채택을 위한 검증 프레임워크 | |
Bale et al. | Web scraping approaches and their performance on modern websites | |
CN111427915B (zh) | 信息处理方法及装置、存储介质、电子设备 | |
US20180052754A1 (en) | Performance metric contextualization in a distributed computing environment | |
CN117370767B (zh) | 基于大数据的用户信息评估方法及*** | |
US20170337606A1 (en) | Intelligently determining buying online and picking up in store based on commute patterns of connections in a social network and store parameters | |
CN117668368B (zh) | 基于大数据的电子商务数据推送方法及*** | |
CN112631925A (zh) | 一种单变量原子违背缺陷的检测方法 | |
Boussif et al. | Tuning the diagnoser-based approach for diagnosability analysis of finite automata | |
US20140026150A1 (en) | Parallel processing system | |
CN110895784A (zh) | 数据处理方法和装置 | |
US7536427B2 (en) | Comparing process sizes | |
Spassov et al. | DDAT: data dependency analysis tool for web service business processes | |
CN115658749B (zh) | 基于有向无环图的基金产品排序方法、装置和电子设备 | |
Vasconcelos et al. | On vulnerabilities in EVT-based timing analysis: an experimental investigation on a multi-core architecture |
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 |