数据分析方法、装置、计算机设备及计算机可读存储介质制造方法及图纸

本发明专利技术公开了数据分析方法、装置、计算机设备及计算机可读存储介质，方法包括：获取用户的第一行为数据集；将第一行为数据集转换为用于训练预测模型的第一特征集；根据第一特征集，对预设分类算法的函数进行训练建模以得到预测模型；若检测到用户正在收看一电视节目，获取用户的收视行为数据，将所获取的用户的收视行为数据作为第一收视行为数据；基于所述预测模型，根据第一预设规则以及第一收视行为数据生成第一互动活动；以及向用户推荐所生成的第一互动活动。本发明专利技术实施例通过对用户历史收视行为数据进行数据分析，构建用户兴趣画像，进而通过该用户兴趣画像以及收看的电视直播节目实时推荐一互动活动。

Data Analysis Method, Device, Computer Equipment and Computer Readable Storage Media

【技术实现步骤摘要】
数据分析方法、装置、计算机设备及计算机可读存储介质
本专利技术涉及推荐
，尤其涉及一种数据分析方法、装置、计算机设备及计算机可读存储介质。
技术介绍
近年来，在互联网的推动之下，越来越多的用户选择通过交互式网络电视(InternetProtocolTelevision，IPTV)或数字视频广播(DigitalVideoBroadcasting，DVB)等智能网络电视来收看电视节目，其中，IPTV作为“三网融合”最典型的应用之一，为用户提供了个性化的交互式服务，比如电视直播、视频点播、时移回看以及播放视频文件等服务，因此，用户可以通过该服务收看各电视台正在直播的视频内容，比如连续剧、电影、综艺等直播节目内容。然而在用户通过电视机收看直播节目的过程中，由于用户只能被动收看电视直播节目，无法参与到直播节目当中，因此，如何提供一种能准确分析用户的收视行为数据的数据分析方法，是非常值得进一步研究和改进的。
技术实现思路
本专利技术实施例提供了一种数据分析方法、装置、计算机设备及计算机可读存储介质，可以精确分析得到用户的收视行为特征，并根据得到的用户的收视行为特征生成对应的电视节目的互动活动，且将生成的该互动活动推送给用户以使在用户收看直播节目的同时能通过该互动活动参与到该直播节目当中，提升用户的收看效果，进而可以有效提高用户通过电视机收看节目的积极性以及收看节目的趣味性。第一方面，本专利技术实施例提供了一种数据分析方法，其包括：获取用户的第一行为数据集；其中，所述第一行为数据集为从预设数据库中获取的用户在预设时间范围内的所有收视行为数据的集合，所述收视行为数据包括用户的收看时长以及收看的电视节目的有关信息，所述电视节目的有关信息包括所述电视节目的人员信息以及属性信息，所述属性信息包括节目内容以及节目类型；将所述第一行为数据集转换为用于训练预测模型的第一特征集；根据所述第一特征集，对预设分类算法的函数进行训练建模以得到预测模型；若检测到用户正在收看一电视节目，获取用户的收视行为数据，其中，将所获取的用户的收视行为数据作为第一收视行为数据；将所述第一收视行为数据输入到所述预测模型中学习以得到用户正在收看的电视节目的用户喜好度，其中，将得到的用户正在收看的电视节目的用户喜好度作为第一用户喜好度；根据所述第一用户喜好度以及所述第一收视行为数据生成第一互动活动；以及向用户推荐所生成的第一互动活动。第二方面，本专利技术实施例还提供了一种数据分析装置，其包括：第一获取单元，用于获取用户的第一行为数据集；其中，所述第一行为数据集为从预设数据库中获取的用户在预设时间范围内的所有收视行为数据的集合，所述收视行为数据包括用户的收看时长以及收看的电视节目的有关信息，所述电视节目的有关信息包括所述电视节目的人员信息以及属性信息，所述属性信息包括节目内容以及节目类型；第一特征转换单元，用于将所述第一行为数据集转换为用于训练预测模型的第一特征集；第一训练单元，用于根据所述第一特征集，对预设分类算法的函数进行训练建模以得到预测模型；第二获取单元，用于若检测到用户正在收看一电视节目，获取用户的收视行为数据，其中，将所获取的用户的收视行为数据作为第一收视行为数据；第一学习单元，用于将所述第一收视行为数据输入到所述预测模型中学习以得到用户正在收看的电视节目的用户喜好度，其中，将得到的用户正在收看的电视节目的用户喜好度作为第一用户喜好度；第一生成单元，用于根据所述第一用户喜好度以及所述第一收视行为数据生成第一互动活动；以及第一推荐单元，用于向用户推荐所生成的第一互动活动。第三方面，本专利技术实施例还提供了一种计算机设备，所述计算机设备包括存储器及处理器，所述存储器上存储有计算机程序，所述处理器执行所述计算机程序时实现上述第一方面的方法。第四方面，本专利技术实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时可实现上述第一方面的方法。本专利技术实施例提供了一种数据分析方法、装置、计算机设备及计算机可读存储存储介质。本专利技术实施例能够有效解决现有技术中用户通过电视机收看直播节目的过程中，由于用户只能被动收看电视直播节目，无法参与到直播节目当中的问题。通过实施本专利技术实施例可以精确分析得到用户的收视行为特征，并根据得到的用户的收视行为特征生成对应的电视节目的互动活动，且将生成的该互动活动推送给用户以实现机器智能推荐互动活动，本专利技术实施例通过对用户历史收视行为数据进行大数据分析，得到该用户收看的电视节目类型的用户喜好度以及人员兴趣度等收视行为特征，进而可以根据所得到的用户收看的电视节目类型的喜好度以及人员兴趣度等收视行为特征构建用户收视兴趣画像，再根据用户收视兴趣画像以及正在收看的电视直播节目生成一互动活动，可以让用户收看直播节目的同时通过该生成的互动活动参与到该直播节目当中，提升用户的收看效果，进而可以有效提高用户通过电视机收看节目的积极性以及收看节目的趣味性。附图说明为了更清楚地说明本专利技术实施例技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，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的附图。图1为本专利技术第一实施例提供的一种数据分析方法的流程示意图；图2为本专利技术第一实施例提供的一种数据分析方法的一流程示意图；图3为本专利技术第二实施例提供的一种数据分析方法的流程示意图；图4为本专利技术第二实施例提供的一种数据分析方法的一流程示意图；图5为本专利技术第三实施例提供的一种数据分析方法的流程示意图；图6为本专利技术第三实施例提供的一种数据分析方法的一流程示意图；图7为本专利技术第一实施例提供的一种数据分析装置的示意性框图；图8为本专利技术第一实施例提供的一种数据分析装置的第一生成单元的示意性框图；图9为本专利技术第二实施例提供的一种数据分析装置的示意性框图；图10为本专利技术第二实施例提供的一种数据分析装置的第二特征转换单元的示意性框图；图11为本专利技术第三实施例提供的一种数据分析装置的示意性框图；图12为本专利技术第三实施例提供的一种数据分析装置的第四生成单元的示意性框图；以及图13为本专利技术实施例提供的一种计算机设备的示意性框图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术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专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，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，都属于本专利技术保护的范围。应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。还应当理解，在此本专利技术说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本专利技术。如在本专利技术说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。请参阅图1，其为本专利技术第一实施例提供的一种数据分析方法的示意性流程图。具体地，该数据分析方法应用于一电视终端内，本文档来自技高网...

【技术保护点】
1.一种数据分析方法，应用于一电视终端，其特征在于，包括：获取用户的第一行为数据集；其中，所述第一行为数据集为从预设数据库中获取的用户在预设时间范围内的所有收视行为数据的集合，所述收视行为数据包括用户的收看时长以及收看的电视节目的有关信息，所述电视节目的有关信息包括所述电视节目的人员信息以及属性信息，所述属性信息包括节目内容以及节目类型；将所述第一行为数据集转换为用于训练预测模型的第一特征集；根据所述第一特征集，对预设分类算法的函数进行训练建模以得到预测模型；若检测到用户正在收看一电视节目，获取用户的收视行为数据，其中，将所获取的用户的收视行为数据作为第一收视行为数据；将所述第一收视行为数据输入到所述预测模型中学习以得到用户正在收看的电视节目的用户喜好度，其中，将得到的用户正在收看的电视节目的用户喜好度作为第一用户喜好度；根据所述第一用户喜好度以及所述第一收视行为数据生成第一互动活动；以及向用户推荐所生成的第一互动活动。

【技术特征摘要】
1.一种数据分析方法，应用于一电视终端，其特征在于，包括：获取用户的第一行为数据集；其中，所述第一行为数据集为从预设数据库中获取的用户在预设时间范围内的所有收视行为数据的集合，所述收视行为数据包括用户的收看时长以及收看的电视节目的有关信息，所述电视节目的有关信息包括所述电视节目的人员信息以及属性信息，所述属性信息包括节目内容以及节目类型；将所述第一行为数据集转换为用于训练预测模型的第一特征集；根据所述第一特征集，对预设分类算法的函数进行训练建模以得到预测模型；若检测到用户正在收看一电视节目，获取用户的收视行为数据，其中，将所获取的用户的收视行为数据作为第一收视行为数据；将所述第一收视行为数据输入到所述预测模型中学习以得到用户正在收看的电视节目的用户喜好度，其中，将得到的用户正在收看的电视节目的用户喜好度作为第一用户喜好度；根据所述第一用户喜好度以及所述第一收视行为数据生成第一互动活动；以及向用户推荐所生成的第一互动活动。2.根据权利要求1所述的数据分析方法，其特征在于，所述获取用户的第一行为数据集的步骤之前，还包括：若检测到用户收看一电视频道，获取所述电视频道ID以及当前时间；根据所述电视频道ID以及当前时间确定所述用户收看的电视节目；获取所确定的电视节目的有关信息以及用户收看时长；以及将所获取的电视节目的有关信息以及用户收看时长作为一条收视行为数据保存到一预设数据库中。3.根据权利要求2所述的数据分析方法，其特征在于，所述将所述第一行为数据集转换为用于训练预测模型的第一特征集，包括：对所述第一行为数据集进行数据分析以获得多个节目类型的用户收看时长；根据所获得的多个节目类型的用户收看时长确定多个节目类型的用户喜好度，其中，各个所述节目类型的用户喜好度为各个节目类型的用户收看时长分别与所有节目类型的收看总时长的比值；根据所确定的多个节目类型的用户喜好度以及第一行为数据集获取满足预设条件的节目类型的人员统计表，其中，所述人员统计表的内容包括人员的姓名以及出现次数；以及根据所获取的人员统计表确定用户收看的人员兴趣度，其中，所述人员兴趣度为所获取的人员统计表中每个人员的出现次数分别与所有人员的出现次数之和的比值，以及将所确定的用户喜好度以及人员兴趣度作为用于训练预测模型的第一特征集。4.根据权利要求1所述的数据分析方法，其特征在于，所述预设分类算法为逻辑回归算法，所述根据所述第一特征集，对预设分类算法的函数进行训练建模以得到预测模型，包括：根据所述第一特征集，对逻辑回归算法的函数进行训练建模以得到所述预测模型。5.根据权利要求1所述的数据分析方法，其特征在于，所述根据所述第一用户喜好度以及所述第一收视行为数据生成第一互动活动，包括：判断所述第一用户喜好度是否满足预设条件；若所述第一用户喜好度满足预设条件，确定用户正在收看的电视节目的节目类型对应的互动活动类型；获取所确定的互动活...

【专利技术属性】
技术研发人员：乐志能，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：广东,44