基于大数据的针对性推荐决策处理方法及服务系统技术方案

本公开实施例公开了基于大数据的针对性推荐决策处理方法及服务系统；方法包括：借助用于进行前置处理的推荐决策处理线程，对待处理的可视化用户活动记录执行热门交互事件挖掘，得到待处理的可视化用户活动记录指向的第一热门交互事件，将第一热门交互事件与指示性决策事件集中包含的多个第二热门交互事件进行热门交互事件绑定，得到待处理的可视化用户活动记录指向的业务推送引导内容；如此，使得关联性较强的热门交互事件能够尽量完成绑定匹配处理，以获得精度更高且针对性更强的业务推送引导内容，显著提高了业务推送引导内容挖掘分析的可信度，高精度、高可信度以及强针对性的业务推送引导内容能够为业务推送提供有力的大数据分析保障。力的大数据分析保障。力的大数据分析保障。

【技术实现步骤摘要】
基于大数据的针对性推荐决策处理方法及服务系统


[0001]本公开涉及大数据推送
，尤其涉及一种基于大数据的针对性推荐决策处理方法及服务系统。

技术介绍

[0002]伴随各类交互式平台的先后发展和崛起，基于流量光环的互联网时代已经步入尾声，后续的互联网时代正朝着大数据和算法融合的新时代迈进。优质的大数据和先进的算法能够为行业提供有力的竞争。以大数据+推送算法为例，当下的业务推送种类繁多且竞争力较强，已经涉及生活中的多个领域，可谓遍地开花。

技术实现思路

[0003]本公开的一个目的是提供一种基于大数据的针对性推荐决策处理方法及服务系统，能够使得关联性较强的热门交互事件能够尽量完成绑定匹配处理，以获得精度更高且针对性更强的业务推送引导内容，显著提高了业务推送引导内容挖掘分析的可信度，基于此，高精度、高可信度以及强针对性的业务推送引导内容能够为业务推送提供有力的大数据分析保障。
[0004]本公开的技术方案是通过如下至少部分实施例实现的。
[0005]一种基于大数据的针对性推荐决策处理方法，应用于大数据服务系统，所述方法包括：借助用于进行前置处理的推荐决策处理线程，对待处理的可视化用户活动记录执行热门交互事件挖掘，得到所述待处理的可视化用户活动记录指向的第一热门交互事件；所述用于进行前置处理的推荐决策处理线程是结合可视化智能线程进行协同配置建立的；将所述第一热门交互事件与指示性决策事件集中包含的多个第二热门交互事件进行热门交互事件绑定，得到所述待处理的可视化用户活动记录指向的业务推送引导内容；所述多个第二热门交互事件是借助所述用于进行前置处理的推荐决策处理线程，对多个模板可视化用户活动记录执行热门交互事件挖掘后所确定的。
[0006]可选的，所述用于进行前置处理的推荐决策处理线程的配置原料中包括X个范例可视化用户活动记录；其中，通过如下方式对所述用于进行前置处理的推荐决策处理线程进行配置：借助所述用于进行前置处理的推荐决策处理线程对所述X个范例可视化用户活动记录进行可视化用户活动记录处理，得到各所述范例可视化用户活动记录指向的第三热门交互事件；借助所述可视化智能线程对所述X个范例可视化用户活动记录进行可视化用户活动记录处理，得到各所述范例可视化用户活动记录指向的第四热门交互事件；基于各所述范例可视化用户活动记录指向的所述第三热门交互事件和所述第四热门交互事件，确定第一线程性能偏移；
基于所述第一线程性能偏移，重构所述用于进行前置处理的推荐决策处理线程。
[0007]可选的，所述借助所述可视化智能线程对所述X个范例可视化用户活动记录进行可视化用户活动记录处理，得到各所述范例可视化用户活动记录指向的第四热门交互事件，包括：借助所述可视化智能线程对所述X个范例可视化用户活动记录进行分布式热门交互事件挖掘，得到各所述范例可视化用户活动记录指向的第一分治热门交互事件和第二分治热门交互事件；对各所述范例可视化用户活动记录指向的所述第一分治热门交互事件和所述第二分治热门交互事件进行组合，得到各所述范例可视化用户活动记录指向的所述第四热门交互事件。
[0008]可选的，所述第一线程性能偏移包括第一性能偏移；所述基于各所述范例可视化用户活动记录指向的所述第三热门交互事件和所述第四热门交互事件，确定第一线程性能偏移，包括：基于各所述范例可视化用户活动记录指向的所述第三热门交互事件，对所述X个范例可视化用户活动记录进行特征分析，确定各所述范例可视化用户活动记录指向的第一特征分析测试情况；基于各所述范例可视化用户活动记录指向的所述第四热门交互事件，对所述X个范例可视化用户活动记录进行特征分析，确定各所述范例可视化用户活动记录指向的第二特征分析测试情况；基于各所述范例可视化用户活动记录指向的所述第一特征分析测试情况和所述第二特征分析测试情况，确定所述第一性能偏移。
[0009]可选的，所述基于各所述范例可视化用户活动记录指向的所述第四热门交互事件，对所述X个范例可视化用户活动记录进行特征分析，确定各所述范例可视化用户活动记录指向的第二特征分析测试情况，包括：基于各所述范例可视化用户活动记录指向的所述第四热门交互事件，确定各所述范例可视化用户活动记录指向的原始热门交互事件知识库；通过所述可视化智能线程，对各所述范例可视化用户活动记录指向的原始热门交互事件知识库，进行热门交互事件加权，得到各所述范例可视化用户活动记录指向的完成加权的热门交互事件；基于各所述范例可视化用户活动记录指向的完成加权的热门交互事件，对所述X个范例可视化用户活动记录进行特征分析，确定各所述范例可视化用户活动记录指向的所述第二特征分析测试情况。
[0010]可选的，所述第一线程性能偏移包括第二性能偏移；所述基于各所述范例可视化用户活动记录指向的所述第三热门交互事件和所述第四热门交互事件，确定第一线程性能偏移，包括：基于各所述范例可视化用户活动记录指向的所述第三热门交互事件，确定各所述范例可视化用户活动记录指向的第一目标热门交互事件知识库；基于各所述范例可视化用户活动记录指向的所述第四热门交互事件，确定各所述范例可视化用户活动记录指向的第二目标热门交互事件知识库；
基于各所述范例可视化用户活动记录指向的所述第一目标热门交互事件知识库和所述第二目标热门交互事件知识库，确定所述第二性能偏移。
[0011]可选的，所述基于所述第一线程性能偏移，重构所述用于进行前置处理的推荐决策处理线程，包括：借助所述第一性能偏移和/或所述第二性能偏移，重构所述用于进行前置处理的推荐决策处理线程。
[0012]可选的，所述基于各所述范例可视化用户活动记录指向的所述第四热门交互事件，确定各所述范例可视化用户活动记录指向的第二目标热门交互事件知识库，包括：将各所述范例可视化用户活动记录指向的所述第四热门交互事件，作为各所述范例可视化用户活动记录指向的一个热门交互事件实体，得到X个热门交互事件实体；将与目标热门交互事件实体之间量化比较结果最小的Y个邻居热门交互事件实体，作为所述目标热门交互事件实体指向的初阶邻居热门交互事件实体，其中，所述目标热门交互事件实体是目标范例可视化用户活动记录指向的热门交互事件实体，所述目标范例可视化用户活动记录是所述多个范例可视化用户活动记录中的其中一个；将与各所述初阶邻居热门交互事件实体之间量化比较结果最小的Z个邻居热门交互事件实体，作为所述目标热门交互事件实体指向的高阶邻居热门交互事件实体；基于所述初阶邻居热门交互事件实体、以及所述高阶邻居热门交互事件实体，确定所述目标范例可视化用户活动记录指向的原始热门交互事件知识库；基于所述目标范例可视化用户活动记录指向的原始热门交互事件知识库，确定所述目标范例可视化用户活动记录指向的所述第二目标热门交互事件知识库。
[0013]可选的，所述目标范例可视化用户活动记录指向的原始热门交互事件知识库中包括第一热门交互事件实体簇和第一衍生知识区域；所述基于所述初阶邻居热门交互事件实体、以及所述高阶邻居热门交互事件实体，确定所述目标范例可视化用户活动记录指向的原始热门本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于大数据的针对性推荐决策处理方法，其特征在于，应用于大数据服务系统，所述方法包括：借助用于进行前置处理的推荐决策处理线程，对待处理的可视化用户活动记录执行热门交互事件挖掘，得到所述待处理的可视化用户活动记录指向的第一热门交互事件；所述用于进行前置处理的推荐决策处理线程是结合可视化智能线程进行协同配置建立的；将所述第一热门交互事件与指示性决策事件集中包含的多个第二热门交互事件进行热门交互事件绑定，得到所述待处理的可视化用户活动记录指向的业务推送引导内容；所述多个第二热门交互事件是借助所述用于进行前置处理的推荐决策处理线程，对多个模板可视化用户活动记录执行热门交互事件挖掘后所确定的。2.根据权利要求1所述的方法，其特征在于，所述用于进行前置处理的推荐决策处理线程的配置原料中包括X个范例可视化用户活动记录；其中，通过如下方式对所述用于进行前置处理的推荐决策处理线程进行配置：借助所述用于进行前置处理的推荐决策处理线程对所述X个范例可视化用户活动记录进行可视化用户活动记录处理，得到各所述范例可视化用户活动记录指向的第三热门交互事件；借助所述可视化智能线程对所述X个范例可视化用户活动记录进行可视化用户活动记录处理，得到各所述范例可视化用户活动记录指向的第四热门交互事件；基于各所述范例可视化用户活动记录指向的所述第三热门交互事件和所述第四热门交互事件，确定第一线程性能偏移；基于所述第一线程性能偏移，重构所述用于进行前置处理的推荐决策处理线程。3.根据权利要求2所述的方法，其特征在于，所述借助所述可视化智能线程对所述X个范例可视化用户活动记录进行可视化用户活动记录处理，得到各所述范例可视化用户活动记录指向的第四热门交互事件，包括：借助所述可视化智能线程对所述X个范例可视化用户活动记录进行分布式热门交互事件挖掘，得到各所述范例可视化用户活动记录指向的第一分治热门交互事件和第二分治热门交互事件；对各所述范例可视化用户活动记录指向的所述第一分治热门交互事件和所述第二分治热门交互事件进行组合，得到各所述范例可视化用户活动记录指向的所述第四热门交互事件。4.根据权利要求2或3所述的方法，其特征在于，所述第一线程性能偏移包括第一性能偏移；所述基于各所述范例可视化用户活动记录指向的所述第三热门交互事件和所述第四热门交互事件，确定第一线程性能偏移，包括：基于各所述范例可视化用户活动记录指向的所述第三热门交互事件，对所述X个范例可视化用户活动记录进行特征分析，确定各所述范例可视化用户活动记录指向的第一特征分析测试情况；基于各所述范例可视化用户活动记录指向的所述第四热门交互事件，对所述X个范例可视化用户活动记录进行特征分析，确定各所述范例可视化用户活动记录指向的第二特征分析测试情况；基于各所述范例可视化用户活动记录指向的所述第一特征分析测试情况和所述第二
特征分析测试情况，确定所述第一性能偏移；其中，所述基于各所述范例可视化用户活动记录指向的所述第四热门交互事件，对所述X个范例可视化用户活动记录进行特征分析，确定各所述范例可视化用户活动记录指向的第二特征分析测试情况，包括：基于各所述范例可视化用户活动记录指向的所述第四热门交互事件，确定各所述范例可视化用户活动记录指向的原始热门交互事件知识库；通过所述可视化智能线程，对各所述范例可视化用户活动记录指向的原始热门交互事件知识库，进行热门交互事件加权，得到各所述范例可视化用户活动记录指向的完成加权的热门交互事件；基于各所述范例可视化用户活动记录指向的完成加权的热门交互事件，对所述X个范例可视化用户活动记录进行特征分析，确定各所述范例可视化用户活动记录指向的所述第二特征分析测试情况。5.根据权利要求4所述的方法，其特征在于，所述第一线程性能偏移包括第二性能偏移；所述基于各所述范例可视化用户活动记录指向的所述第三热门交互事件和所述第四热门交互事件，确定第一线程性能偏移，包括：基于各所述范例可视化用户活动记录指向的所述第三热门交互事件，确定各所述范例可视化用户活动记录指向的第一目标热门交互事件知识库；基于各所述范例可视化用户活动记录指向的所述第四热门交互事件，确定各所述范例可视化用户活动记录指向的第二目标热门交互事件知识库；基于各所述范例可视化用户活动记录指向的所述第一目标热门交互事件知识库和所述第二目标热门交互事件知识库，确定所述第二性能偏移。6.根据权利要求5所述的方法，其特征在于，所述基于所述第一线程性能偏移，重构所述用于进行前置处理的推荐决策处理线程，包括：借助所述第一性能偏移和/或所述第二性能偏移，重构所述用于进行前置处理的推荐决策处理线程。7.根据权利要求5所述的方法，其特征在于，所述基于各所述范例可视化用户活动记录指向的所述第四热门交互事件，确定...

【专利技术属性】
技术研发人员：张振红，
申请(专利权)人：张振红，
类型：发明
国别省市：