[发明专利]基于大数据的兴趣属性挖掘方法、装置和计算机设备

说明书

本申请涉及一种基于大数据的兴趣属性挖掘方法、装置和计算机设备。方法包括：获取待定对象的全连通子网路图；全连通子网络图包括待定对象节点及至少一个参考对象节点；计算每个参考对象节点与待定对象节点的综合关联度；获取参考对象节点对应的兴趣属性值，并根据综合关联度确定兴趣属性值的参考权重；根据多个兴趣属性值及分别对应的参考权重，计算得到第一兴趣参考值；获取待定对象的初始属性信息，根据初始属性信息确定兴趣属性的第二兴趣参考值；基于第一兴趣参考值与第二兴趣参考值，计算得到待定对象对应的兴趣属性值。采用本方法能够高效准确的挖掘用户兴趣属性信息。

技术领域

本申请涉及计算机技术领域，特别是涉及一种基于大数据的兴趣属性挖掘方法、装置和计算机设备。

背景技术

充分了解用户兴趣需求为潜在客户挖掘的前提。目前大多企业采用填写信息调查表来获取客户对其产品的兴趣数据。随着生活节奏越来越快，人们无暇关注这些信息，即使填写了相应的信息调查表，其真实性也不可靠，即难以高效准确的获取用户的兴趣属性信息。

发明内容

基于此，有必要针对上述技术问题，提供一种能够高效准确的挖掘用户兴趣属性信息的基于大数据的兴趣属性挖掘方法、装置和计算机设备。

一种基于大数据的兴趣属性挖掘方法，所述方法包括：获取待定对象的全连通子网络图；所述全连通子网络图包括待定对象节点及至少一个参考对象节点；计算每个参考对象节点与所述待定对象节点的综合关联度；获取所述参考对象节点对应的兴趣属性值，并根据所述综合关联度确定所述兴趣属性值的参考权重；根据多个兴趣属性值及每个所述兴趣属性值对应的参考权重，计算得到第一兴趣参考值；获取所述待定对象的初始属性信息，根据所述初始属性信息确定兴趣属性的第二兴趣参考值；基于所述第一兴趣参考值与所述第二兴趣参考值，计算得到所述待定对象对应的兴趣属性值。

在一个实施例中，所述获取待定对象的全连通子网络图，包括：获取关系网络图谱；所述关系网络图谱包括多个对象节点及每个对象节点连接的属性节点；识别每个对象节点对应兴趣属性的属性值是否缺失；根据识别结果将所述关系网络图谱中多个对象节点区分为确定对象节点和待定对象节点；在所述关系网络图谱中获取每个所述待定对象节点的全连通子网络图； 将所述全连通子网络图中与待定对象节点存在目标关联关系的对象节点标记为参考对象节点。

在一个实施例中，所述计算每个参考对象节点与所述待定对象节点的综合关联度，包括：获取所述待定对象节点对应的社交网络信息；根据所述社交网络信息识别每个参考对象节点与所述待定对象节点之间的关系类型，并统计在指定时段发生的关联事件的事件类型和发生频次；获取预设的所述关系类型对应的基础关联系数；基于所述全连通子网络图计算每个参考对象节点到所述待定对象节点的最短社交距离；根据所述最短社交距离及所述关联事件的事件类型和发生频次，对所述基础关联系数进行调整，得到所述待定对象节点基于不同关联节点的单边关联度；对每个参考对象节点与所述待定对象节点之间多个关联节点的单边关联度进行叠加，得到所述参考对象节点与所述待定对象节点的综合关联度。

在一个实施例中，所述根据所述初始属性信息确定兴趣属性的第二兴趣参考值，包括：获取所述待定对象的初始属性信息，基于所述初始属性信息构建所述待定对象的用户画像；监测所述待定对象浏览目标网站所产生的产品查阅记录；根据所述用户画像及产品查阅记录生成所述待定对象的兴趣特征矩阵；基于所述兴趣特征矩阵计算得到所述第二兴趣参考值。

在一个实施例中，所述方法还包括：基于所述兴趣属性值对所述待定对象的初始属性信息进行补充，得到目标属性信息；根据所述目标属性信息确定所述待定目标对象的客户等级；根据所述客户等级筛选相匹配的业务员，将所述目标属性信息推送至筛选得到的业务员对应的终端；接收所述终端基于所述目标属性信息返回产品推荐信息，对所述产品推荐信息进行校验，基于校验通过的产品推荐信息生成产品交易链接；将所述产品交易链接推送至待定对象对应的终端。