[发明专利]数据处理方法、装置及计算机可读存储介质

说明书

本公开提供了一种数据处理方法、装置及计算机可读存储介质，涉及计算机技术领域。其中的数据处理方法包括：获取用户每次对目标商品执行线上购物操作时的设备交互数据和操作结果数据；利用设备交互数据生成设备交互权重，并利用设备交互权重对操作结果数据进行加权求和，得到用户关于目标商品的操作结果统计数据；利用操作结果统计数据生成用户关于目标商品的操作特征，并利用用户关于各个目标商品的操作特征生成用户的历史操作特征；将历史操作特征输入预先训练的神经网络，获得用户下一次对各个目标商品执行线上购物操作的概率，并根据概率向用户推送各个目标商品的相关数据。本公开能够提升数据推送业务的数据推送准确度和用户体验。

技术领域

本公开涉及计算机技术领域，特别涉及一种数据处理方法、装置及计算机可读存储介质。

背景技术

随着电子商务的发展，电商平台逐渐积累了海量的操作结果数据，这些操作结果数据包括用户对商品执行线上购物操作时的浏览数据、下单数据、收藏数据、加入购物车数据等等。

另一方面，电商平台还拓展了数据推送业务。在数据推送业务中，电商平台可以向用户推送与商品相关的数据，例如商品链接、商品活动信息等等。如果数据推送业务向用户推送的数据是用户所关心商品的相关数据，将极大程度的提升数据推送业务的用户体验。因此，如何利用电商平台积累的操作结果数据，提升数据推送业务的数据推送准确度和用户体验，逐渐成为热门的研究课题。

发明内容

本公开解决的一个技术问题是，如何提升数据推送业务的数据推送准确度和用户体验。

根据本公开实施例的一个方面，提供了一种数据处理方法，包括：获取用户每次对目标商品执行线上购物操作时的设备交互数据和操作结果数据；利用设备交互数据生成用户每次对目标商品执行线上购物操作时的设备交互权重，并利用设备交互权重对操作结果数据进行加权求和，得到用户关于目标商品的操作结果统计数据；利用操作结果统计数据生成用户关于目标商品的操作特征，并利用用户关于各个目标商品的操作特征生成用户的历史操作特征；将历史操作特征输入预先训练的神经网络，获得用户下一次对各个目标商品执行线上购物操作的概率，并根据概率向用户推送各个目标商品的相关数据。

在一些实施例中，操作结果数据包括用户浏览目标商品的次数，设备交互数据具有不同的类型；利用设备交互数据生成用户每次对目标商品执行线上购物操作时的设备交互权重包括：利用不同类型的设备交互数据，分别生成相应类型的用户每次浏览目标商品的次数权重；利用至少一种类型的次数权重，生成用户每次浏览目标商品的综合次数权重，以便对用户浏览目标商品的次数进行加权。

在一些实施例中，利用不同类型的设备交互数据，分别生成相应类型的用户每次浏览目标商品的次数权重包括：对用户每次在设备上点击目标商品链接的力度数据进行归一化处理，获得用户每次在设备上点击目标商品链接的力度权重。

在一些实施例中，利用不同类型的设备交互数据，分别生成相应类型的用户每次浏览目标商品的次数权重包括：对用户每次在设备上浏览目标商品的时长数据进行归一化处理，获得用户每次在设备上浏览目标商品的时长权重。

在一些实施例中，利用不同类型的设备交互数据，分别生成相应类型的用户每次浏览目标商品的次数权重包括：确定用户在设备上最常点击位置的位置数据；根据用户每次在设备上点击目标商品链接的位置数据以及最常点击位置的位置数据，确定用户每次在设备上点击目标商品链接的位置与用户在设备上最常点击位置之间的距离；对距离取倒数后进行归一化处理，获得用户每次在设备上浏览目标商品的位置权重。

在一些实施例中，操作结果数据包括用户对目标商品下单的次数，设备交互数据包括用户在设备上点击目标商品的下单图标的力度数据；利用设备交互数据生成用户每次对目标商品执行线上购物操作时的设备交互权重包括：对用户每次在设备上点击目标商品的下单图标的力度数据进行归一化处理，获得用户每次在设备上点击目标商品的下单图标的力度权重，以便对用户对目标商品下单的次数进行加权。