[发明专利]基于用户行为的个性化营销方法

权利要求书

1.基于用户行为的个性化营销方法，其特征在于：所述方法包括如下步骤：

步骤1：收集用户行为访问数据；

步骤2：使用语义分析方法对用户行为访问数据进行分类；

步骤3：根据用户行为访问分类数据构建用户群；

步骤4：根据用户行为访问分类数据构建用户需求数据集；

步骤5：对用户群进行用户划分得到子用户；

步骤6：根据子用户匹配访问数据的需求数据，得到子用户访问需求数据；

步骤7：收集每个子用户的需求，并按语义将上级需求分解得到独立的需求元，得到初始需求数据集；

步骤8：汇总所有子用户的需求元，按需求元相似、互补原则合并，得到子用户与需求元模型；

步骤9：以需求元作为检索域，用户群作为物理域，根据总需的层次关系进行逐个映射，得到对应的数据，按映射关系汇总得到数据模型；

步骤10：把子用户访问需求数据输入数据模型进行检索匹配出子用户的有效需求数据；

步骤11：把子用户的有效需求数据根据子用户在用户群的分类进行需求营销推送。

2.根据权利要求1所述的基于用户行为的个性化营销方法，其特征在于：所述步骤1中的具体过程为：

建立访问触发器和和访问数据缓存数据库，当用户发送访问请求时，系统或者浏览器页面把访问请求数据存入访问数据缓存数据库内，每隔固定时间将访问请求数据打包发送给语义分析系统。

3.根据权利要求1所述的基于用户行为的个性化营销方法，其特征在于：所述步骤2的具体过程为：

步骤2.1：生成用户需求数据语义表；

步骤2.2：生成用户需求语料增广数据；

步骤2.3：把增广数据输入神经网络模型进行训练，生成相关的需求语义句子向量模型和需求分类模型；

步骤2.4：分解用户的每一条访问数据，根据同义词表提取单条访问数据中的定长字符；

步骤2.5：定长字符输入句子向量模型和需求分类模型取得表示该单挑访问数据语义句向量和需求分类类别；

步骤2.6：把生成的访问语义句向量通过局部敏感hash函数或向量夹角余弦度量对比句向量集S，获取距离小于d的需求集R。

4.根据权利要求3所述的基于用户行为的个性化营销方法，其特征在于：所述步骤2.1的具体过程为：

步骤2.1.1：通过互联网获取公开的用户需求行为分类基本文本语料集D；

步骤2.1.2：使用分词工具对语料集D进行分词，全用尺寸为4，步长为2窗口获得二元语言学训练数据；

步骤2.1.3：将二元语言学训练数据进行Word2Vec模型训练得到词向量表示；

步骤2.1.4：计算每两个词向量vi,vj间的夹角余值作为两个词的相似度，获得相似度量矩阵；

步骤2.1.5：通过度量获取与词vi最邻近的3个词即vi的3个同义词得到需求行为的同义词表。

5.根据权利要求3所述的基于用户行为的个性化营销方法，其特征在于：所述步骤2.2的具体过程为：

步骤2.2.1：输入一条访问数据语料，判断该类语料数量n是否大于等于1万条；

步骤2.2.2：如果n小于1万，直接采样输出该语料，如果n大于等于1万执行下一步；

步骤2.2.3：对输入的语料进行分词，获得该语料情的分词表；

步骤2.2.4：等概率生成[a，b，c，d，e]中的一个随机变量N，如N＝a采用同义词替换法该语料情的分词表中的3个单词生成新语料；如N＝b在句子中找到一个随机词的随机同义词，将该同义词插入句子中的随机位置生成新语料；如N＝c随机选择分词表里的两个单词交换位置生成新语料；如N＝d随机删除分词表中的1个单词生成新语料；如N＝e直接输出该语料。

6.根据权利要求1所述的基于用户行为的个性化营销方法，其特征在于：所述步骤3中构建用户群的过程为：

根据估算访问用户的年龄、地点、访问时间和以往消费情况来分析和汇总构建用户的所述层次用户群，并根据用户群收索现有用户的用户群的常规需求数据与用户群进行匹配，并把用户群的常规需求数据作为用户的访问需求数据进行分析。