一种基于用户画像的精准推送方法及系统与流程

本发明涉及数据处理，特别是指一种基于用户画像的精准推送方法及系统。

背景技术：

1、用户画像是基于用户的行为数据构建的详细描述，它用于刻画用户的特征和兴趣，使企业能够了解和预测用户的需求和行为，通过分析收集的数据，用户画像帮助提升个性化服务的精确度和效率。

2、在信息过载的时代，用户往往无法有效筛选对自己真正有价值的内容，精准推送通过利用用户画像来识别用户的具体需求和偏好，从而提供定制化的信息和服务。例如，电子商务平台可以根据用户的购买历史和浏览习惯推荐商品，增加销售机会，而媒体服务则可以推送用户感兴趣的新闻或视频，提高用户的参与度和满意度。此外，精准推送还帮助企业优化广告投放效果，通过向特定目标群体展示相关广告，提高转化率，减少资源浪费。总之，精准推送不仅可以加强用户粘性，增强用户体验，也为企业带来了经济效益和品牌忠诚度的提升，能够大幅提升用户体验和企业效率。

3、然而，现有的数据推送方式虽然大多也采用了基于用户画像的推送方式，但是往往仅是基于历史数据的相同类别标签的推荐，准确来说是一种检索式的推送方式，并未充分捕捉用户偏好，当库中数据未出现相同类别标签的情况下无法执行有效的数据推送，这种方式严重依赖数据的类别标签，极易出现盲目推送导致用户粘性降低，影响业务进行。

技术实现思路

1、为了解决现有技术存在的仅是基于历史数据的相同类别标签的推荐，准确来说是一种检索式的推送方式，并未充分捕捉用户偏好，当库中数据未出现相同类别标签的情况下无法执行有效的数据推送，这种方式严重依赖数据的类别标签，极易出现盲目推送导致用户粘性降低，影响业务进行的技术问题，本发明提供了一种基于用户画像的精准推送方法及系统。

2、本发明实施例提供的技术方案如下：

3、第一方面

4、本发明实施例提供的一种基于用户画像的精准推送方法，包括：

5、s1：获取库中数据中各个数据内容的类别标签；

6、s2：获取用户对各类别标签对应数据内容的行为数据，其中，行为数据包括浏览数据内容类别、浏览时刻、浏览间隔、停留时长和点击频率；

7、s3：结合行为数据和隐马尔可夫模型，生成状态转移概率以及用户偏好标签，其中，状态转移概率为用户在浏览第一类别标签的数据内容的情况下直接浏览第二类别标签的数据内容的概率；

8、s4：基于行为数据和用户偏好标签生成具有推送时间段的用户画像；

9、s5：获取用户当前访问数据内容的类别标签；

10、s6：利用具有元素稀疏性的改进余弦相似度计算各个类别标签与用户当前访问数据内容的类别标签之间的相似值；

11、s7：根据用户当前访问数据内容的类别标签，结合用户画像和相似值生成下一时刻的推送数据内容；

12、s8：记录用户在推送数据内容下的停留时长；

13、s9：在停留时长小于预设停留时长的情况下，设置关于停留时长与预设停留时长之间差值的修正因子对用户当前访问数据内容的类别标签相对应的状态转移概率进行修正；

14、s10：将修正后的状态转移概率作为新的状态转移概率，返回步骤s5。

15、第二方面

16、本发明实施例提供的一种基于用户画像的精准推送系统，包括：

17、处理器；

18、存储器，所述存储器上存储有计算机可读指令，所述计算机可读指令被所述处理器执行时，实现如第一方面所述的基于用户画像的精准推送方法。

19、第三方面

20、本发明实施例提供的一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如第一方面所述的基于用户画像的精准推送方法。

21、本发明实施例提供的技术方案带来的有益效果至少包括：

22、在本发明中，首先获取到库中数据各个数据内容的类别标签以及用户的历史行为数据，之后引入隐马尔可夫模型对用户的历史行为数据进行基于类别标签的数据趋势分析，捕捉用户偏好和状态转移概率，能够基于行为数据充分挖掘出用户在当前访问数据的状态下转移至不同类别数据的趋势和概率，生成了具有推送时间段的用户画像，之后结合具有元素稀疏性的改进余弦相似度计算各个类别标签与所述用户当前访问数据内容的类别标签之间的相似值，即使不存在用户想要访问的类别标签的情况下，依然能够根据相似值推送出极其符合用户期望的内容，这种基于数据驱动的方式降低了数据驱动下严重依赖数据类别标签的问题，能够根据用户行为有效扩展推送数据，在保证推送符合用户行为的情况下，极大地提高推送方式适用范围、推送准确性和推送时间合理性，提高用户粘度，增加业务流量。

技术特征：

1.一种基于用户画像的精准推送方法，其特征在于，包括：

2.根据权利要求1所述的基于用户画像的精准推送方法，其特征在于，所述s3具体包括：

3.根据权利要求2所述的基于用户画像的精准推送方法，其特征在于，所述状态转移概率的更新公式具体为：

4.根据权利要求2所述的基于用户画像的精准推送方法，其特征在于，所述s4具体包括：

5.根据权利要求1所述基于用户画像的精准推送方法，其特征在于，所述s6具体包括：

6.根据权利要求1所述的基于用户画像的精准推送方法，其特征在于，所述s7具体包括：

7.根据权利要求1所述的基于用户画像的精准推送方法，其特征在于，所述s9具体包括：

8.根据权利要求1所述的基于用户画像的精准推送方法，其特征在于，在所述s10之后，还包括：

9.一种基于用户画像的精准推送系统，其特征在于，包括：

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1至8中任一项所述的基于用户画像的精准推送方法。

技术总结本发明提供一种基于用户画像的精准推送方法及系统，涉及数据处理技术领域，方法包括：获取库中数据中各个数据内容的类别标签；获取用户对各类别标签对应数据内容的行为数据；结合行为数据和隐马尔可夫模型，生成状态转移概率以及用户偏好标签；生成具有推送时间段的用户画像；获取用户当前访问数据内容的类别标签；计算各个类别标签与用户当前访问数据内容的类别标签之间的相似值；结合用户画像和相似值生成下一时刻的推送数据内容；记录用户在推送数据内容下的停留时长；设置修正因子对用户当前访问数据内容的类别标签相对应的状态转移概率进行修正；将修正后的状态转移概率作为新的状态转移概率，重复执行推送。提升推送准确性，增加用户粘性。技术研发人员：许晓林,金成光受保护的技术使用者：深圳市数曜科技有限公司技术研发日：技术公布日：2024/11/4