本发明涉及一种匹配方法，具体是一种互联网大数据匹配方法。
背景技术：
获取用户的行为习惯是网络环境下的互联网信息提供者最希望获得信息。通过获取用户的行为习惯，可以使广告推送更精确，对互联网产品的受众群体做出更准确的分析，并且还可以优化收费策略等。现有技术中的一种解决方式是将用户账户同终端绑定，只允许绑定的用户终端登录该账户。此方法的缺点在于给正常使用的用户带来了不便。尤其是当用户更换终端，例如换新的手机，会带来很繁琐的操作，从而影响到用户的使用体验。另外现有的一些匹配方法无法对客户需求进行精准匹配，同时在用户需求期之后，无法及时进行调整，对用户体验有极大影响。
技术实现要素：
本发明的目的在于提供一种互联网大数据匹配方法，以解决上述背景技术中提出的问题。
为实现上述目的，本发明提供如下技术方案：
一种互联网大数据匹配方法，包括如下步骤：获取用户客户端的注册信息，用户客户端自动记录用户查看的信息，并将用户查看的信息进行分类后上传到云端服务器加密，云端服务器根据用户查看信息的先后顺序对信息进行优先级分配，并将同一用户的加密信息与该用户的注册信息建立一个一一对应的映射，当用户刷新用户客户端时，云端服务器会根据用户优先级向用户客户端推荐与用户查看的信息类别相同或相近的产品信息；当用户超过一定天数没有在用户客户端查看之前查看过的某一类别信息时，云端服务器将判定该用户对该类别信息失去了兴趣，不再推荐与该类别相同或相近的产品信息。
作为本发明进一步的方案：所述注册信息具体包括用户邮箱信息以及用户手机号信息。
作为本发明进一步的方案：所述用户查看的信息包括用户主动搜索的信息以及主动点击用户客户端页面所查看的信息。
作为本发明进一步的方案：所述优先级分配方法为：主动搜索的信息优先级高于主动点击用户客户端页面所查看的信息的优先级。
作为本发明进一步的方案：所述相近的产品信息包括周边产品。
作为本发明进一步的方案：所述将用户查看的信息进行分类的方法为：为每个特征类创建一个特征向量，将其元素初始值全部设置为0；遍历用户查看的信息文本数据，如果其中的文本词汇能够在特征词库中找到，则特征向量中对应元素的值加1，特征向量元素的值表示某个特征词出现在文本数据中的次数。
作为本发明进一步的方案：所述一定天数大于等于3。
作为本发明再进一步的方案：将用户查看的信息进行分类的方法为：遍历用户查看的信息文本数据并进行分析，建立一个特征词库，包括描述用户兴趣的多个特征类和描述每个特征类的若干个不重复的更具体的特征词；为每个特征类创建一个特征向量，根据特征向量的活跃特征词数和特征词频数，将用户对某个特征类的兴趣划分为该特征类下的某个兴趣层次。
与现有技术相比，本发明的有益效果是：本发明互联网大数据匹配方法，通过云端服务器自动对用户信息进行记录分类，从而了解用户习惯于需求，进而为用户推荐合适的广告信息，另外本发明还引入了时间机制，当用户超过一定天数没有在用户客户端查看之前查看过的某一类别信息时，云端服务器将判定该用户对该类别信息失去了兴趣，不再推荐与该类别相同或相近的产品信息，进一步提升了用户体检。
具体实施方式
下面对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明实施例中，一种互联网大数据匹配方法，包括如下步骤：获取用户客户端的注册信息，用户客户端自动记录用户查看的信息，并将用户查看的信息进行分类后上传到云端服务器加密，云端服务器根据用户查看信息的先后顺序对信息进行优先级分配，并将同一用户的加密信息与该用户的注册信息建立一个一一对应的映射，当用户刷新用户客户端时，云端服务器会根据用户优先级向用户客户端推荐与用户查看的信息类别相同或相近的产品信息；当用户超过一定天数没有在用户客户端查看之前查看过的某一类别信息时，云端服务器将判定该用户对该类别信息失去了兴趣，不再推荐与该类别相同或相近的产品信息，所述一定天数大于等于3。
所述注册信息具体包括用户邮箱信息以及用户手机号信息。
所述用户查看的信息包括用户主动搜索的信息以及主动点击用户客户端页面所查看的信息。
所述优先级分配方法为：主动搜索的信息优先级高于主动点击用户客户端页面所查看的信息的优先级。
所述相近的产品信息包括周边产品。
所述将用户查看的信息进行分类的方法为：为每个特征类创建一个特征向量，将其元素初始值全部设置为0；遍历用户查看的信息文本数据，如果其中的文本词汇能够在特征词库中找到，则特征向量中对应元素的值加1，特征向量元素的值表示某个特征词出现在文本数据中的次数。
将用户查看的信息进行分类的方法为：遍历用户查看的信息文本数据并进行分析，建立一个特征词库，包括描述用户兴趣的多个特征类和描述每个特征类的若干个不重复的更具体的特征词；为每个特征类创建一个特征向量，根据特征向量的活跃特征词数和特征词频数，将用户对某个特征类的兴趣划分为该特征类下的某个兴趣层次。
综上所述，本发明通过云端服务器自动对用户信息进行记录分类，从而了解用户习惯于需求，进而为用户推荐合适的广告信息，另外本发明还引入了时间机制，当用户超过一定天数没有在用户客户端查看之前查看过的某一类别信息时，云端服务器将判定该用户对该类别信息失去了兴趣，不再推荐与该类别相同或相近的产品信息，进一步提升了用户体检。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。