[发明专利]基于流式用户行为分析的产品推送方法和装置

说明书

技术领域

本发明涉及终端技术领域，尤其涉及一种基于流式用户行为分析的产品推送方法和装置。

背景技术

随着社会发展和进步，现在的终端可以智能化的为用户推荐商品等，以便于用户查找需要的商品。

现有技术中，通常终端会统计大部分人曾经搜索过的商品，进而经过统计之后把大部分人曾经搜索过的商品推荐给用户；或者终端根据自身的设置或者广告主的需求，把想推荐给用户的商品去推荐给用户；或者用户在该终端上有过搜索记录，然后终端把与搜索记录中的相关产品，都推荐给用户。

然而现有技术中，把大部分人曾经搜索过的商品推荐给用户、以及把想推荐给用户的商品去推荐给用户的方法，不能满足当前用户的需求；终端把与搜索记录中的相关产品都推荐给用户的方法并不准确，推荐方法不准确。

发明内容

本发明提供一种基于流式用户行为分析的产品推送方法和装置，用以解决现有技术中终端把与搜索记录中的相关产品都推荐给用户的方法，并不准确，推荐方法不准确的问题。

本发明的一方面是提供一种基于流式用户行为分析的产品推送方法，包括：

获取各用户的用户行为数据；

根据用户行为数据，采用流计算方法确定用户行为信息，其中，用户行为信息包括用户浏览信息和/或用户购买信息；

根据用户行为信息，采用流计算方法确定各用户的关联推荐商品类别候选集，其中，每一个关联推荐商品类别候选集中包括关联商品推荐度数据、与关联商品推荐度数据对应的影响因子数据；

对各用户的关联推荐商品类别候选集进行合并频集处理，确定各商品类别的支持度；

根据各商品类别的支持度，确定推荐商品列表，其中，推荐商品列表中包括推荐商品类别。

本发明的另一方面是提供一种基于流式用户行为分析的产品推送装置，包括：

获取模块，用于获取各用户的用户行为数据；

第一计算模块，用于根据用户行为数据，采用流计算方法确定用户行为信息，其中，用户行为信息包括用户浏览信息和/或用户购买信息；

第二计算模块，用于根据用户行为信息，采用流计算方法确定各用户的关联推荐商品类别候选集，其中，每一个关联推荐商品类别候选集中包括关联商品推荐度数据、与关联商品推荐度数据对应的影响因子数据；

合并模块，用于对各用户的关联推荐商品类别候选集进行合并频集处理，确定各商品类别的支持度；

确定模块，用于根据各商品类别的支持度，确定推荐商品列表，其中，推荐商品列表中包括推荐商品类别。

本发明的技术效果是：通过获取各用户的用户行为数据；根据用户行为数据，采用流计算方法确定用户行为信息，其中，用户行为信息包括用户浏览信息和/或用户购买信息；根据用户行为信息，采用流计算方法确定各用户的关联推荐商品类别候选集，其中，每一个关联推荐商品类别候选集中包括关联商品推荐度数据、与关联商品推荐度数据对应的影响因子数据；对各用户的关联推荐商品类别候选集进行合并频集处理，确定各商品类别的支持度；根据各商品类别的支持度，确定推荐商品列表，其中，推荐商品列表中包括推荐商品类别。从而提供了可以准确的为用户推荐商品的方法，根据用户自身的需求以及当前的大数据分析的结果，为用户推荐商品，满足用户的需求。

附图说明

图1为本发明实施例一提供的基于流式用户行为分析的产品推送方法的流程图；

图2为本发明实施例二提供的基于流式用户行为分析的产品推送方法的流程图；

图3为本发明实施例三提供的基于流式用户行为分析的产品推送装置的结构示意图；

图4为本发明实施例四提供的基于流式用户行为分析的产品推送装置的结构示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

图1为本发明实施例一提供的基于流式用户行为分析的产品推送方法的流程图，如图1所示，本实施例的方法，包括：

步骤101、获取各用户的用户行为数据。

在本实施例中，具体的，通过java script收集各用户的用户行为数据。

步骤102、根据用户行为数据，采用流计算方法确定用户行为信息，其中，用户行为信息包括用户浏览信息和/或用户购买信息。