本申请涉及互联网领域，尤其涉及一种数据推荐方法、装置和电子设备。
背景技术：
随着移动互联网及大数据技术的发展，电商、运营商等企业的营销活动也都在围绕用户数据进行挖掘和拓展，用户的潜在需求都能通过用户数据进行预测，这些用户数据可以包括在线用户数据和离线用户数据。有效地挖掘、识别潜在用户，进而有针对性地对不同的用户实施不同的推荐结果，能够实现精准营销，从而提高网站用户的转化率。
由于网站中用户数量较多，用户数据的数据量较大，对用户进行推荐时，通常需要处理用户数据，容易因用户数据的计算量大，造成用户数据的推荐效率较低。
技术实现要素：
本申请实施例提供一种数据推荐方法、装置和电子设备，用于提高数据推荐效率。
本申请实施例采用下述技术方案：
第一方面，提供了一种数据推荐方法，该方法包括：
基于预设分流算法和分流参数，确定在线流量对应的流量分流区间；
从特征库中获取流量分流区间对应的数据特征，其中，所述特征库中流量分流区间对应的数据特征，是基于所述预设分流算法和所述分流参数分流到所述流量分流区间的离线流量经过数据挖掘得到的数据特征；
基于流量分流区间的数据特征获取所述流量分流区间对应的推荐数据；
将所述流量分流区间对应的推荐数据推送到属于所述流量分流区间的在线流量中。
第二方面，提供了一种数据推荐装置，该装置包括：
确定单元，基于预设分流算法和分流参数，确定在线流量对应的流量分流区间；
获取单元，从特征库中获取流量分流区间对应的数据特征，其中，所述特征库中流量分流区间对应的数据特征，是基于所述预设分流算法和所述分流参数分流到所述流量分流区间的离线流量经过数据挖掘得到的数据特征；
所述获取单元，还基于流量分流区间的数据特征获取所述流量分流区间对应的推荐数据；
推送单元，将所述流量分流区间对应的推荐数据推送到属于所述流量分流区间的在线流量中。
第三方面，提出了一种电子设备，该电子设备包括：
处理器；以及
被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行以下操作：
基于预设分流算法和分流参数，确定在线流量对应的流量分流区间；
从特征库中获取流量分流区间对应的数据特征，其中，所述特征库中流量分流区间对应的数据特征，是基于所述预设分流算法和所述分流参数分流到所述流量分流区间的离线流量经过数据挖掘得到的数据特征；
基于流量分流区间的数据特征获取所述流量分流区间对应的推荐数据；
将所述流量分流区间对应的推荐数据推送到属于所述流量分流区间的在线流量中。
第四方面，提出了一种计算机可读存储介质，所述计算机可读存储介质存储一个或多个程序，所述一个或多个程序当被包括多个应用程序的电子设备执行时，使得所述电子设备执行以下操作：
基于预设分流算法和分流参数，确定在线流量对应的流量分流区间；
从特征库中获取流量分流区间对应的数据特征，其中，所述特征库中流量分流区间对应的数据特征，是基于所述预设分流算法和所述分流参数分流到所述流量分流区间的离线流量经过数据挖掘得到的数据特征；
基于流量分流区间的数据特征获取所述流量分流区间对应的推荐数据；
将所述流量分流区间对应的推荐数据推送到属于所述流量分流区间的在线流量中。
本申请实施例采用的上述至少一个技术方案能够达到以下有益效果：
通过对在线流量进行分流，并基于分流后的分流区间对应的离线数据特征确定推荐数据，然后将分流区间对应的推荐数据推送到分流区间对应的在线流量中，从而能够减小因在线分析数据特征带来的计算量，进而提高推荐效率。
附图说明
此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1是本申请的一个实施例数据推荐方法流程图。
图2是本申请的一个实施例数据推荐的交互流程图。
图3是本申请的一个实施例电子设备的结构示意图。
图4是本申请的一个实施例数据推荐装置的结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。
图1是本申请的一个实施例一种数据推荐方法流程图。
s110，基于预设分流算法和分流参数，确定在线流量对应的流量分流区间。
应理解，在本申请实施例中，可基于预设的分流算法及流量的分流参数，对在线流量进行分类。
分流参数，例如，可以包括在线流量的用户标识、位置、时间戳、互联网协议ip地址、媒体访问控制mac地址、时间戳等的至少一种。当然，也不排除使用在线流量的其它参数作为分流参数。
预设分流算法，例如，可包括如下至少一种：哈希种子hashseed分流算法、ab测试的分流算法，等等。
下面以hashseed分流算法为分流算法，并以用户标识作为分流参数举例说明。不妨假设有a、b、c、d四个流量，根据用户标识进行哈希运算，分别得到0、1、0、1四个值，则可将a、c划分到一个流量分流区间，将b、d划分到另一个流量分流区间。为便于区别，不妨将a、c的流量分流区间命名为区间1，将b、d的流量分流区间命名为区间2。
s120，从特征库中获取流量分流区间对应的数据特征。
其中，所述特征库中流量分流区间对应的数据特征，是基于所述预设分流算法和所述分流参数分流到所述流量分流区间的离线流量经过数据挖掘得到的数据特征。
应理解，在本申请实施例中，对于离线流量，也采用与步骤s110相同的分流算法和分流参数进行分流，并基于分流后的流量进行数据挖掘，从而得到各流量分流区间对应的数据特征。
例如，离线流量同样以hashseed分流算法为分流算法，并以用户标识作为分流参数，从而得到流量分流区间(区间1和区间2)，进而经过数据挖掘得到区间1的数据特征和区间2的数据特征。
此时，根据在线流量划分后的流量分流区间，可得到流量分流区间对应的数据特征。
s130，基于流量分流区间的数据特征获取所述流量分流区间对应的推荐数据。
在本申请实施例中，基于数据特征，可从推荐内容数据库中获取数据特征对应的推荐数据。
s140，将所述流量分流区间对应的推荐数据推送到属于所述流量分流区间的在线流量中。
通过步骤s130得到流量分流区间对应的推荐数据后，即可将该推荐数据推送到属于该流量分流区间的在线流量中。
本申请实施例中，通过对在线流量进行分流，并基于分流后的分流区间对应的离线数据特征确定推荐数据，然后将分流区间对应的推荐数据推送到分流区间对应的在线流量中，从而能够减小因在线分析数据特征带来的计算量，进而提高推荐效率。
应理解，在线流量经分流后的流量分流区间可以只有一个，也可以包括多个。
可选地，如果所述在线流量对应的流量分流区间包括第一流量分流区间和第二流量分流区间，则步骤s120具体可实现为：
获取第一流量分流区间对应的第一数据特征；
获取第二流量分流区间对应的第二数据特征。
进一步地，步骤s130可实现为：
基于第一流量分流区间对应的第一数据特征确定第一推荐数据；
基于第二流量分流区间对应的第二数据特征确定第二推荐数据。
更进一步地，步骤s140可实现为：
向第一流量分流区间的在线流量反馈第一推荐数据；
向第二流量分流区间的在线流量反馈第二推荐数据。
当然，应理解，在步骤s110之前，该方法还可包括：
基于所述预设分流算法和所述分流参数，确定离线流量对应的流量分流区间；
基于流量分流区间中的离线流量进行数据挖掘，得到流量分流区间对应的数据特征。
应理解，在对在线流量进行分流时，可以只采用一种分流算法进行一级分流，也可以采用多种算法，进行多级分流。
可选地，步骤s110具体可实现为：
基于第一分流算法和第一分流参数，确定在线流量所属的第一流量分流区间；
基于第二分流算法和第二分流参数，对第一流量分流区间中的在线流量进行再分流，以确定第一流量分流区间中的在线流量所属的第二流量分流区间。
当然，应理解，对于一种分流算法，其分流参数可包括流量的一种属性，也可包括流量的多种属性。下面，将结合具体的实施例，对本申请实施例的方法做进一步地描述。
图2是本申请的一个实施例数据推荐的交互流程图。如图2所示，在数据推荐过程中，可包括在线流量处理部分和离线流量处理部分。
在离线流量处理部分，可包括：
1.1离线数据导入
该步骤具体可以将离线流量的用户数据导入到离线分流模块，从而使离线分流模块对离线流量的用户数据进行分流。
该处的用户数据，例如可以包括用户标识、用户访问的网页内容、输入的关键词、当前的位置和终端设备信息等。
1.2读取预设分流算法和分流参数
该步骤具体可以从分流同步模块读取预设分流算法和分流参数。
优选地，作为一个实施例，步骤1.2读取的预设分流算法为ab测试的分流算法，读取的分流参数为用户标识。
1.3离线流量分流
基于上述读取到的预设分流算法和分流参数，对离线流量的用户数据进行分流，该实施例中，具体可以分为第一流量分流区间和第二流量分流区间，其中，数据挖掘a模块可以对第一流量分流区间进行数据特征挖掘；数据挖掘b模块可以对第二流量分流区间进行数据特征挖掘。
1.4数据特征导出
具体地，数据挖掘a模块对第一流量分流区间进行数据特征挖掘，得到a版本的特征；数据挖掘b模块对第二流量分流区间进行数据特征挖掘，得到b版本的特征，对于上述a版本的特征和b版本的特征，具体例如，是能够反映用户收入状况的特征等。另外，该步骤还可以将上述将a版本的特征和b版本的特征导入到特征库中。
在线流量处理部分，可包括：
2.1流量检索
该步骤具体可以将在线流量的用户数据导入到在线分流模块，从而使在线分流模块对在线流量的用户数据进行分流，以确定在线流量对应的流量分流区间。
该处的用户数据，和离线流量处理部分类似，例如可以包括用户标识、用户访问的网页内容、输入的关键词、当前的位置和终端设备信息等。
2.2读取预设分流算法和分流参数
该步骤对应于上述离线流量处理部分的1.2，具体可以从分流同步模块读取预设分流算法和分流参数，与上述离线流量处理部分读取的是相同的预设分流算法和相同的分流参数，例如，预设分流算法为ab测试的分流算法，读取的分流参数为用户标识。
2.3在线流量分流
基于上述读取到的预设分流算法和分流参数，对在线流量的用户数据进行分流，该实施例中，具体可以分为第一流量分流区间和第二流量分流区间，其中，在线逻辑a模块对应于处理第一流量分流区间，在线逻辑b模块对应于第二流量分流区间。
2.4从特征库中获取流量分流区间对应的数据特征
该步骤，在线逻辑a模块对应读取a版本的特征，在线逻辑b模块对应读取b版本的特征。
2.5推送推荐数据
具体地，该步骤中，在线逻辑a模块基于第一流量分流区间的a版本的特征获取第一推荐数据，并将第一推荐数据推送到属于第一流量分流区间的在线流量中；在线逻辑b模块基于第二流量分流区间的b版本的特征获取第二推荐数据，并将第二推荐数据推送到属于第二流量分流区间的在线流量中。
该实施例中的推荐数据，例如，若a版本的特征和b版本的特征具体是能够反映用户收入状况的特征等，该处的推荐数据，例如，在第一流量分流区间内，向高收入用户推荐消费金额较大的旅游路线，向低收入用户推荐消费金额较小的旅游路线等；在第二流量分流区间内，向高收入用户和低收入用户推荐消费金额近似的旅游路线等等。
另外，该实施例还可以根据推送推荐数据后的反馈结果，评估上述第一流量分流区间的推荐数据，和第二流量分流区间的推荐数据的优劣等。
本申请实施例中，通过对在线流量进行分流，并基于分流后的分流区间对应的离线数据特征确定推荐数据，然后将分流区间对应的推荐数据推送到分流区间对应的在线流量中，从而能够减小因在线分析数据特征带来的计算量，进而提高推荐效率。
通过对离线流量的用户数据进行分流，无需对全部离线流量的用户数据进行处理，由于分流出离线流量的用户数据远小于全部的离线流量用户数据，从而提高了数据处理效率。
以上结合图1和图2详细描述了根据本申请实施例的数据推荐方法。下面将结合图3详细描述根据本申请实施例的电子设备。参考图3，在硬件层面，电子设备包括处理器，可选地，包括内部总线、网络接口、存储器。其中，存储器可能包含内存，例如高速随机存取存储器(random-accessmemory，ram)，也可能还包括非易失性存储器(non-volatilememory)，例如至少1个磁盘存储器等。当然，该电子设备还可能包括实现其他业务所需要的硬件。
处理器、网络接口和存储器可以通过内部总线相互连接，该内部总线可以是工业标准体系结构(industrystandardarchitecture，isa)总线、外设部件互连标准(peripheralcomponentinterconnect，pci)总线或扩展工业标准结构(extendedindustrystandardarchitecture，eisa)总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示，图3中仅用一个双向箭头表示，但并不表示仅有一根总线或一种类型的总线。
存储器，用于存放程序。具体地，程序可以包括程序代码，所述程序代码包括计算机操作指令。存储器可以包括内存和非易失性存储器，并向处理器提供指令和数据。
处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行，在逻辑层面上形成转发聊天信息的装置。处理器，执行存储器所存放的程序，并具体用于执行以下操作：
基于预设分流算法和分流参数，确定在线流量对应的流量分流区间；
从特征库中获取流量分流区间对应的数据特征，其中，所述特征库中流量分流区间对应的数据特征，是基于所述预设分流算法和所述分流参数分流到所述流量分流区间的离线流量经过数据挖掘得到的数据特征；
基于流量分流区间的数据特征获取所述流量分流区间对应的推荐数据；
将所述流量分流区间对应的推荐数据推送到属于所述流量分流区间的在线流量中。
上述如本申请图1和图2所示实施例揭示的数据推荐方法执行的方法可以应用于处理器中，或者由处理器实现。处理器可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器，包括中央处理器(centralprocessingunit，cpu)、网络处理器(networkprocessor，np)等；还可以是数字信号处理器(digitalsignalprocessor，dsp)、专用集成电路(applicationspecificintegratedcircuit，asic)、现场可编程门阵列(field-programmablegatearray，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器，处理器读取存储器中的信息，结合其硬件完成上述方法的步骤。
该电子设备还可执行图1和图2的方法，并实现数据推荐方法在图1和图2所示实施例的功能，本申请实施例在此不再赘述。
当然，除了软件实现方式之外，本申请的电子设备并不排除其他实现方式，比如逻辑器件抑或软硬件结合的方式等等，也就是说以下处理流程的执行主体并不限定于各个逻辑单元，也可以是硬件或逻辑器件。
本申请实施例还提出了一种计算机可读存储介质，该计算机可读存储介质存储一个或多个程序，该一个或多个程序包括指令，该指令当被包括多个应用程序的电子设备执行时，能够使该电子设备执行图1和图2所示实施例的方法，并具体用于执行以下方法：
基于预设分流算法和分流参数，确定在线流量对应的流量分流区间；
从特征库中获取流量分流区间对应的数据特征，其中，所述特征库中流量分流区间对应的数据特征，是基于所述预设分流算法和所述分流参数分流到所述流量分流区间的离线流量经过数据挖掘得到的数据特征；
基于流量分流区间的数据特征获取所述流量分流区间对应的推荐数据；
将所述流量分流区间对应的推荐数据推送到属于所述流量分流区间的在线流量中。
图4是本申请的一个实施例数据推荐装置的结构示意图，如图4所示，该装置包括：
确定单元401，基于预设分流算法和分流参数，确定在线流量对应的流量分流区间；
获取单元402，从特征库中获取流量分流区间对应的数据特征，其中，所述特征库中流量分流区间对应的数据特征，是基于所述预设分流算法和所述分流参数分流到所述流量分流区间的离线流量经过数据挖掘得到的数据特征；
所述获取单元402，还基于流量分流区间的数据特征获取所述流量分流区间对应的推荐数据；
推送单元403，将所述流量分流区间对应的推荐数据推送到属于所述流量分流区间的在线流量中。
本发明实施例提供的数据推荐装置，通过对在线流量进行分流，并基于分流后的分流区间对应的离线数据特征确定推荐数据，然后将分流区间对应的推荐数据推送到分流区间对应的在线流量中，从而能够减小因在线分析数据特征带来的计算量，进而提高推荐效率。
可选地，作为一个实施例，上述数据推荐装置还可以包括数据特征处理模块(未图示)，该数据特征护理模块可以用于：
基于所述预设分流算法和所述分流参数，确定离线流量对应的流量分流区间；
基于流量分流区间中的离线流量进行数据挖掘，得到流量分流区间对应的数据特征；
将流量分流区间及对应的数据特征存储到所述特征库中。
可选地，作为一个实施例，如果所述在线流量对应的流量分流区间包括第一流量分流区间和第二流量分流区间，则获取单元402获取流量分流区间对应的数据特征包括：
获取第一流量分流区间对应的第一数据特征；
获取第二流量分流区间对应的第二数据特征。
可选地，作为一个实施例，获取单元402基于流量分流区间的数据特征获取所述流量分流区间对应的推荐数据，包括：
基于第一流量分流区间对应的第一数据特征确定第一推荐数据；
基于第二流量分流区间对应的第二数据特征确定第二推荐数据。
可选地，作为一个实施例，推送单元403将所述流量分流区间对应的推荐数据推送到属于所述流量分流区间的在线流量中，包括：
推送单元403向第一流量分流区间的在线流量反馈第一推荐数据；
向第二流量分流区间的在线流量反馈第二推荐数据。
可选地，作为一个实施例，确定单元401基于预设分流算法和分流参数，确定在线流量所属的流量分流区间，包括：
确定单元401基于第一分流算法和第一分流参数，确定在线流量所属的第一流量分流区间；
基于第二分流算法和第二分流参数，对第一流量分流区间中的在线流量进行再分流，以确定第一流量分流区间中的在线流量所属的第二流量分流区间。
可选地，作为一个实施例，所述分流参数包括流量的用户标识、位置、互联网协议ip地址、媒体访问控制mac地址、时间戳中的至少一种。
可选地，作为一个实施例，所述预设分流算法包括以下至少一种：
哈希种子hashseed分流算法、ab测试的分流算法。
根据本发明实施例的上述数据推荐装置可以参照对应前文本发明实施例的数据推荐方法的流程，并且，该数据推荐装置中的各个单元/模块和上述其他操作和/或功能分别为了实现数据推荐方法中的相应流程，为了简洁，在此不再赘述。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中，计算设备包括一个或多个处理器(cpu)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(ram)和/或非易失性内存等形式，如只读存储器(rom)或闪存(flashram)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(pram)、静态随机存取存储器(sram)、动态随机存取存储器(dram)、其他类型的随机存取存储器(ram)、只读存储器(rom)、电可擦除可编程只读存储器(eeprom)、快闪记忆体或其他内存技术、只读光盘只读存储器(cd-rom)、数字多功能光盘(dvd)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitorymedia)，如调制的数据信号和载波。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
以上仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。