【技術(shù)實(shí)現(xiàn)步驟摘要】
本專利技術(shù)涉及用戶分析，具體為基于多源數(shù)據(jù)的用戶智能分析方法、裝置及電子設(shè)備。
技術(shù)介紹
1、大數(shù)據(jù)時(shí)代下，利用大數(shù)據(jù)技術(shù)進(jìn)行用戶智能分析已成為各行各業(yè)的選擇，用戶智能分析也是當(dāng)前人工智能領(lǐng)域最重要的應(yīng)用場(chǎng)景之一，分析結(jié)果是用戶數(shù)據(jù)的形象化展示，以一連串的用戶信息簡(jiǎn)短而形象地描述一個(gè)用戶的特征，因此，只有充分、準(zhǔn)確地挖掘用戶需求，正確把握迭代方向，才能充分展現(xiàn)商家應(yīng)有的活力與競(jìng)爭(zhēng)力；
2、而現(xiàn)有的用戶智能分析方案，在某些場(chǎng)景下還存在可改進(jìn)之處，例如：
3、1、傳統(tǒng)的基于用戶的智能分析主要依賴于用戶的歷史行為數(shù)據(jù)，缺乏實(shí)時(shí)捕捉用戶的當(dāng)前興趣的措施，導(dǎo)致推薦的內(nèi)容可能與用戶的即時(shí)需求不匹配，且單一來(lái)源的數(shù)據(jù)難以應(yīng)對(duì)用戶興趣的動(dòng)態(tài)變化，無(wú)法融合多種數(shù)據(jù)源，導(dǎo)致推薦結(jié)果通常是對(duì)過(guò)去行為的簡(jiǎn)單延續(xù)，缺乏創(chuàng)新；
4、2、智能分析的反饋機(jī)制不夠靈活，難以及時(shí)響應(yīng)用戶的實(shí)際操作和偏好變化，容易重復(fù)推送用戶已完成交互或不感興趣的信息，導(dǎo)致用戶體驗(yàn)下降，信息冗余現(xiàn)象明顯。
技術(shù)實(shí)現(xiàn)思路
1、(一)解決的技術(shù)問(wèn)題
2、針對(duì)現(xiàn)有技術(shù)所存在的上述缺點(diǎn)，本專利技術(shù)提供了基于多源數(shù)據(jù)的用戶智能分析方法、裝置及電子設(shè)備，能夠有效地解決現(xiàn)有技術(shù)的問(wèn)題。
3、(二)技術(shù)方案
4、為實(shí)現(xiàn)以上目的，本專利技術(shù)通過(guò)以下技術(shù)方案予以實(shí)現(xiàn)，
5、本專利技術(shù)公開(kāi)了基于多源數(shù)據(jù)的用戶智能分析方法，包括以下步驟：
6、步驟1：部署圖像采集
7、步驟2：獲取圖像采集區(qū)域某用戶對(duì)所投放信息的關(guān)注狀態(tài)量化處理，獲取用戶對(duì)所投放信息的關(guān)注系數(shù)；
8、步驟3：從數(shù)據(jù)庫(kù)中調(diào)取用戶的歷史交互數(shù)據(jù)，分析用戶在過(guò)去的消費(fèi)行為、觀閱投放信息的偏好和瀏覽交互點(diǎn)的交互行為，獲取歷史行為系數(shù)；
9、步驟4：獲取當(dāng)前圖像采集區(qū)域內(nèi)所有用戶群體的歷史交互數(shù)據(jù)，通過(guò)大數(shù)據(jù)分析，計(jì)算群體交互偏好趨勢(shì)系數(shù)；
10、步驟5：以群體交互趨勢(shì)系數(shù)作為若干交互點(diǎn)的權(quán)重分配參照，將用戶的歷史行為系數(shù)、對(duì)當(dāng)前投放信息的關(guān)注系數(shù)和群體交互偏好趨勢(shì)系數(shù)進(jìn)行綜合分析，輸出推薦標(biāo)簽，推薦標(biāo)簽對(duì)應(yīng)的交互點(diǎn)和用戶之間進(jìn)行信息的雙向推送；
11、步驟6：實(shí)時(shí)分析用戶當(dāng)前周期的交互操作與結(jié)果，剔除已完成交互點(diǎn)的同類交互點(diǎn)。
12、更進(jìn)一步地，所述步驟2的量化處理過(guò)程中，通過(guò)眼球追蹤和面部表情技術(shù)結(jié)合分析用戶是否關(guān)注某投放信息，并在確認(rèn)關(guān)注某投放信息后，判斷是否停留時(shí)間達(dá)到或超出預(yù)設(shè)閾值，判斷為是時(shí)，則將該結(jié)果作為量化參照。
13、更進(jìn)一步地，所述步驟4中的用戶群體歷史交互數(shù)據(jù)中，若未存在新添加的交互點(diǎn)信息，則通過(guò)互聯(lián)網(wǎng)采集同類交互點(diǎn)歷史信息，提取若干樣本通過(guò)深度學(xué)習(xí)算法進(jìn)行預(yù)測(cè)，獲取預(yù)測(cè)數(shù)據(jù)作為新添加的交互點(diǎn)的群體交互偏好趨勢(shì)系數(shù)。
14、更進(jìn)一步地，所述步驟5中推薦標(biāo)簽對(duì)應(yīng)的交互點(diǎn)和用戶之間進(jìn)行信息的雙向推送的過(guò)程中，若任一方拒絕推送，則中止此次推送，將在當(dāng)前周期中，剔除該用戶與同類屬性交互點(diǎn)的推送或該交互點(diǎn)與同類屬性用戶的推送，在下一周期則重置。
15、更進(jìn)一步地，所述步驟6實(shí)時(shí)分析用戶當(dāng)前周期的交互操作與結(jié)果的過(guò)程中，通過(guò)交互點(diǎn)和圖像采集設(shè)備的數(shù)據(jù)反饋，調(diào)整用戶的行為系數(shù)和投放信息的關(guān)注系數(shù)的權(quán)重占比，并在預(yù)設(shè)周期重新輸出推薦標(biāo)簽。
16、更進(jìn)一步地，所述步驟6的剔除已完成交互點(diǎn)的同類交互點(diǎn)的過(guò)程中，若檢測(cè)到用戶已完成某一交互點(diǎn)的目標(biāo)操作，則該交互點(diǎn)以及相似度符合預(yù)設(shè)閾值的交互點(diǎn)將從當(dāng)前周期的推薦池中剔除。
17、基于多源數(shù)據(jù)的用戶智能分析裝置，包括：
18、管理模塊，用于對(duì)各功能模塊的啟停進(jìn)行控制，進(jìn)行控制權(quán)限的下發(fā)；
19、數(shù)據(jù)存儲(chǔ)端，用于對(duì)采集數(shù)據(jù)與分析數(shù)據(jù)進(jìn)行云端存儲(chǔ)，支持本地存儲(chǔ)介質(zhì)的讀取；
20、圖像采集模塊，用于在指定區(qū)域進(jìn)行監(jiān)控圖像的獲取和信息的投放，并將所獲取圖像轉(zhuǎn)換為字符數(shù)據(jù)；
21、關(guān)注度分析模塊，用于對(duì)圖像字符數(shù)據(jù)進(jìn)行分析，獲取目標(biāo)用戶對(duì)某一個(gè)或多個(gè)交互點(diǎn)的關(guān)注度系數(shù)；
22、歷史行為分析模塊，用于分析用戶過(guò)去的購(gòu)買記錄、內(nèi)容偏好和交互點(diǎn)的使用記錄，計(jì)算用戶的個(gè)體偏好，輸出歷史行為系數(shù)；
23、群體趨勢(shì)分析模塊，用于分析當(dāng)前區(qū)域內(nèi)的所有用戶歷史數(shù)據(jù)，得出實(shí)際群體偏好趨勢(shì)，針對(duì)新加入的交互點(diǎn)，通過(guò)采集互聯(lián)網(wǎng)數(shù)據(jù)，使用深度學(xué)習(xí)算法獲取預(yù)測(cè)群體偏好趨勢(shì)，將實(shí)際群體偏好趨勢(shì)和預(yù)測(cè)群體偏好趨勢(shì)綜合分析，每個(gè)交互點(diǎn)分配相應(yīng)的權(quán)重，輸出最終群體偏好趨勢(shì)；
24、標(biāo)簽生成模塊，用于綜合分析用戶的歷史行為系數(shù)、當(dāng)前關(guān)注系數(shù)和群體交互偏好趨勢(shì)系數(shù)，生成推薦標(biāo)簽；
25、推送模塊，用于依據(jù)標(biāo)簽內(nèi)容進(jìn)行雙向推送，在推送過(guò)程中，若用戶或交互點(diǎn)拒絕推送，將在當(dāng)前周期內(nèi)排除該組合，下一周期重置；
26、動(dòng)態(tài)調(diào)整模塊，用于分析用戶的當(dāng)前操作與結(jié)果，進(jìn)行動(dòng)態(tài)系數(shù)調(diào)整，每一周期結(jié)束時(shí)，重新生成推薦標(biāo)簽，剔除已完成交互操作的交互點(diǎn)及其相似交互點(diǎn)。
27、更進(jìn)一步地，所述管理模塊與數(shù)據(jù)存儲(chǔ)端、圖像采集模塊和動(dòng)態(tài)調(diào)整模塊通過(guò)無(wú)線網(wǎng)絡(luò)交互連接，所述圖像采集模塊與關(guān)注度分析模塊通過(guò)無(wú)線網(wǎng)絡(luò)交互連接，所述動(dòng)態(tài)調(diào)整模塊與關(guān)注度分析模塊和歷史行為分析模塊通過(guò)無(wú)線網(wǎng)絡(luò)交互連接，所述標(biāo)簽生成模塊與關(guān)注度分析模塊、歷史行為分析模塊、群體趨勢(shì)分析模塊和推送模塊通過(guò)無(wú)線網(wǎng)絡(luò)交互連接。
28、一種電子設(shè)備，包括：一個(gè)或多個(gè)處理器；存儲(chǔ)器，用于存儲(chǔ)一個(gè)或多個(gè)計(jì)算機(jī)執(zhí)行指令；當(dāng)所述一個(gè)或多個(gè)計(jì)算機(jī)執(zhí)行指令被所述一個(gè)或多個(gè)處理器執(zhí)行，使得所述一個(gè)或多個(gè)處理器實(shí)現(xiàn)基于多源數(shù)據(jù)的用戶智能分析方法。
29、一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，所述計(jì)算機(jī)執(zhí)行指令被處理器執(zhí)行時(shí)實(shí)現(xiàn)基于多源數(shù)據(jù)的用戶智能分析方法。
30、(三)有益效果
31、采用本專利技術(shù)提供的技術(shù)方案，與已知的現(xiàn)有技術(shù)相比，具有如下有益效果，
32、1、通過(guò)獲取融合圖像采集的實(shí)時(shí)數(shù)據(jù)、用戶歷史行為數(shù)據(jù)和群體偏好數(shù)據(jù)進(jìn)行分析和推薦，實(shí)時(shí)量化用戶的當(dāng)前興趣狀態(tài)，獲取用戶對(duì)投放信息的實(shí)時(shí)關(guān)注度，從而生成更符合用戶即時(shí)需求的推薦內(nèi)容，通過(guò)結(jié)合用戶的歷史行為、當(dāng)前關(guān)注度以及群體趨勢(shì)，能夠多維度地分析用戶的興趣變化，提升推薦的全面性和準(zhǔn)確性，以多源數(shù)據(jù)融合的方式提高了推薦的全面性和準(zhǔn)確性，使得推薦結(jié)果更為個(gè)性化和智能化。
33、2、通過(guò)實(shí)時(shí)分析用戶的交互結(jié)果，進(jìn)而可以剔除已完成或與用戶當(dāng)前需求無(wú)關(guān)的交互點(diǎn)及其相似項(xiàng)，避免重復(fù)推送，當(dāng)某方拒絕推送時(shí)，自動(dòng)中止本周期內(nèi)的推送，進(jìn)而優(yōu)化用戶的推送體驗(yàn)。
34、3、通過(guò)圖像采集設(shè)備和交互點(diǎn)的實(shí)時(shí)反饋，能夠動(dòng)態(tài)調(diào)整推薦策略，基于用戶的即時(shí)行為和交互結(jié)果，及時(shí)調(diào)整推薦標(biāo)簽，使得用戶的最新興趣被迅速反映在推薦內(nèi)容中。
35、4、通過(guò)大本文檔來(lái)自技高網(wǎng)...
【技術(shù)保護(hù)點(diǎn)】
1.基于多源數(shù)據(jù)的用戶智能分析方法，其特征在于，包括以下步驟：
2.根據(jù)權(quán)利要求1所述的基于多源數(shù)據(jù)的用戶智能分析方法，其特征在于，所述步驟2的量化處理過(guò)程中，通過(guò)眼球追蹤和面部表情技術(shù)結(jié)合分析用戶是否關(guān)注某投放信息，并在確認(rèn)關(guān)注某投放信息后，判斷是否停留時(shí)間達(dá)到或超出預(yù)設(shè)閾值，判斷為是時(shí)，則將該結(jié)果作為量化參照。
3.根據(jù)權(quán)利要求1所述的基于多源數(shù)據(jù)的用戶智能分析方法，其特征在于，所述步驟4中的用戶群體歷史交互數(shù)據(jù)中，若未存在新添加的交互點(diǎn)信息，則通過(guò)互聯(lián)網(wǎng)采集同類交互點(diǎn)歷史信息，提取若干樣本通過(guò)深度學(xué)習(xí)算法進(jìn)行預(yù)測(cè)，獲取預(yù)測(cè)數(shù)據(jù)作為新添加的交互點(diǎn)的群體交互偏好趨勢(shì)系數(shù)。
4.根據(jù)權(quán)利要求1所述的基于多源數(shù)據(jù)的用戶智能分析方法，其特征在于，所述步驟5中推薦標(biāo)簽對(duì)應(yīng)的交互點(diǎn)和用戶之間進(jìn)行信息的雙向推送的過(guò)程中，若任一方拒絕推送，則中止此次推送，將在當(dāng)前周期中，剔除該用戶與同類屬性交互點(diǎn)的推送或該交互點(diǎn)與同類屬性用戶的推送，在下一周期則重置。
5.根據(jù)權(quán)利要求1所述的基于多源數(shù)據(jù)的用戶智能分析方法，其特征在于，所述步驟6實(shí)時(shí)分析用戶當(dāng)
6.根據(jù)權(quán)利要求1所述的基于多源數(shù)據(jù)的用戶智能分析方法，其特征在于，所述步驟6的剔除已完成交互點(diǎn)的同類交互點(diǎn)的過(guò)程中，若檢測(cè)到用戶已完成某一交互點(diǎn)的目標(biāo)操作，則該交互點(diǎn)以及相似度符合預(yù)設(shè)閾值的交互點(diǎn)將從當(dāng)前周期的推薦池中剔除。
7.基于多源數(shù)據(jù)的用戶智能分析裝置，所述方法是基于權(quán)利要求1-6中任一項(xiàng)的基于多源數(shù)據(jù)的用戶智能分析方法的搭載裝置，其特征在于，包括：
8.根據(jù)權(quán)利要求7所述的基于多源數(shù)據(jù)的用戶智能分析裝置，其特征在于，所述管理模塊(1)與數(shù)據(jù)存儲(chǔ)端(2)、圖像采集模塊(3)和動(dòng)態(tài)調(diào)整模塊(9)通過(guò)無(wú)線網(wǎng)絡(luò)交互連接，所述圖像采集模塊(3)與關(guān)注度分析模塊(4)通過(guò)無(wú)線網(wǎng)絡(luò)交互連接，所述動(dòng)態(tài)調(diào)整模塊(9)與關(guān)注度分析模塊(4)和歷史行為分析模塊(5)通過(guò)無(wú)線網(wǎng)絡(luò)交互連接，所述標(biāo)簽生成模塊(7)與關(guān)注度分析模塊(4)、歷史行為分析模塊(5)、群體趨勢(shì)分析模塊(6)和推送模塊(8)通過(guò)無(wú)線網(wǎng)絡(luò)交互連接。
9.一種電子設(shè)備，其特征在于，包括：
10.一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，所述計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)中存儲(chǔ)有計(jì)算機(jī)執(zhí)行指令，其特征在于，所述計(jì)算機(jī)執(zhí)行指令被處理器執(zhí)行時(shí)實(shí)現(xiàn)如權(quán)利要求1-6中任一項(xiàng)所述的方法。
...【技術(shù)特征摘要】
1.基于多源數(shù)據(jù)的用戶智能分析方法，其特征在于，包括以下步驟：
2.根據(jù)權(quán)利要求1所述的基于多源數(shù)據(jù)的用戶智能分析方法，其特征在于，所述步驟2的量化處理過(guò)程中，通過(guò)眼球追蹤和面部表情技術(shù)結(jié)合分析用戶是否關(guān)注某投放信息，并在確認(rèn)關(guān)注某投放信息后，判斷是否停留時(shí)間達(dá)到或超出預(yù)設(shè)閾值，判斷為是時(shí)，則將該結(jié)果作為量化參照。
3.根據(jù)權(quán)利要求1所述的基于多源數(shù)據(jù)的用戶智能分析方法，其特征在于，所述步驟4中的用戶群體歷史交互數(shù)據(jù)中，若未存在新添加的交互點(diǎn)信息，則通過(guò)互聯(lián)網(wǎng)采集同類交互點(diǎn)歷史信息，提取若干樣本通過(guò)深度學(xué)習(xí)算法進(jìn)行預(yù)測(cè)，獲取預(yù)測(cè)數(shù)據(jù)作為新添加的交互點(diǎn)的群體交互偏好趨勢(shì)系數(shù)。
4.根據(jù)權(quán)利要求1所述的基于多源數(shù)據(jù)的用戶智能分析方法，其特征在于，所述步驟5中推薦標(biāo)簽對(duì)應(yīng)的交互點(diǎn)和用戶之間進(jìn)行信息的雙向推送的過(guò)程中，若任一方拒絕推送，則中止此次推送，將在當(dāng)前周期中，剔除該用戶與同類屬性交互點(diǎn)的推送或該交互點(diǎn)與同類屬性用戶的推送，在下一周期則重置。
5.根據(jù)權(quán)利要求1所述的基于多源數(shù)據(jù)的用戶智能分析方法，其特征在于，所述步驟6實(shí)時(shí)分析用戶當(dāng)前周期的交互操作與結(jié)果的過(guò)程中，通過(guò)交互點(diǎn)和圖像采集設(shè)備的數(shù)據(jù)反饋，調(diào)整用戶的行為系數(shù)和投放信息的關(guān)注系數(shù)的權(quán)重占比...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：屈新宇，吳靜文，
申請(qǐng)(專利權(quán))人：想買科技深圳有限公司，
類型：發(fā)明
國(guó)別省市：
還沒(méi)有人留言評(píng)論。發(fā)表了對(duì)其他瀏覽者有用的留言會(huì)獲得科技券。