(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210943070.5 (22)申请日 2022.08.08 (71)申请人 企迈科技有限公司 地址 230031 安徽省合肥市高新区望江西 路800号创新产业园C1栋10 -11层 (72)发明人 王友运　 (74)专利代理 机构 合肥禾知 知识产权代理事务 所(特殊普通 合伙) 34246 专利代理师 卢双双 (51)Int.Cl. G06Q 30/02(2012.01) (54)发明名称 一种基于用户智能推荐算法的发劵方法 (57)摘要 本发明提出了一种基于用户智能推荐算法 的批量发劵 方法， 解决了常规发劵 方式在对大批 量发劵场景下， 发劵效率低， 难以满足用户需求 等问题， 其主要技术方案包括： S1、 发劵上游依据 不同使用场景对卡劵进行打标分类， 所述使用场 景包括实时性特定用户发劵场景与大批量海量 用户发劵场景； S2、 通过大数据平台构建用户活 跃预测模型， 模 型相关因素包括用户卡劵消费偏 好、 近一个月活跃度与消费频次， 设置每个因素 权重值为0～1的浮点数， 模型权重值为所有因素 权重值之和； S3、 对实时性特定用户的发劵场景 通过实时任务队列实时发劵， 对 大批量海量用户 发劵场景依据每一用户模型权重值大小对应选 择不同批量任务队列。 权利要求书1页 说明书3页 附图1页 CN 115187314 A 2022.10.14 CN 115187314 A 1.一种基于用户智能推荐算法的批量发劵方法， 其特 征在于包括如下步骤： S1、 发劵上游依据不同使用场景对卡劵进行打标分类， 所述使用场景包括实时性特定 用 户发劵场景与大批量海量用户发劵场景； S2、 通过大数据平台构建用户活跃 预测模型， 模型相关因素包括用户卡劵消费偏好、 近 一个月活跃度与消费频次， 设置每个因素权重值为0～1的浮点数， 模型权重值为所有 因素权重值之和； S3、 对实时性特定用户的发劵场景通过实时任务队列实时发劵， 对大批量海量用户发 劵 场景依据每一用户模型权 重值大小对应选择不同批量任务队列。 2.根据权利要求1所述的一种基于用户智能推荐算法的批量发劵方法， 其特征在于： 所 述S3中批量任务队列包括优先批量任务队列 与普通批量任务队列。 3.根据权利要求1所述的一种基于用户智能推荐算法的批量发劵方法， 其特征在于： 所 述S3中任务队列选择依据如下， 所述用户活跃预测模型 统计前三 天内所有用户核销优惠券 权数量， 对数量大于等于2的用户进行统计并求平均值为 ,对数量大于等于1且小于2的 用户进行统计并求平均值 为 , 当模型权 重值 时， 进入到实时队列优先发送； 当模型权 重值 时， 进入优先批量任务队列发送； 当模型权 重值 时， 进入普通批量任务队列发送。 4.根据权利要求1所述的一种基于用户智能推荐算法的批量发劵方法， 其特征在于： 所 述S3中每一任务队列下游服 务器单独部署。 5.根据权利要求1所述的一种基于用户智能推荐算法的批量发劵方法， 其特征在于： 所 述批量任务队列能够依据不同大批量场景对应扩容。权　利　要　求　书 1/1 页 2 CN 115187314 A 2一种基于用户智能推荐算法的发劵方 法 技术领域 [0001]本发明涉及SASS平台发劵技术领域， 尤其涉及一种基于用户智能推荐算法的批量 发劵方法。 背景技术 [0002]当前主流的基于互联网应用的发券技术构架， 主要前端接受发券请求， 进行相应 的业务规则校验， 生成发券任务， 即时返回相应的券码， 然后异 步的进行后续发券任务的处 理。 这样的方案， 可以保证 较高的请求并发性能， 提供持续且平稳的发券服 务。 [0003]传统发券方案， 在技术选型上， 通常采用基于SpringBoot/Spring  cloud的开源框 架, MySQL数据库系统， MyBatis数据存 储框架， Redis缓存框架， RocketMQ消息队列实现。 [0004]基于上面的传统发券技术方案， 虽然可以实现正常的发券业务场景。 但在营销节 日几千个商家同时对几亿用户群体的几十亿级营销发券需求就无法实现即时到账。 例如双 11、 520等营销活动日， 都需要在很短时间内发出几十亿的优惠券。 商家需要实时把券发送 到客户手中， 方便用户进行消费。 不确定的、 突发性的， 大量发券任务叠加 也会影响实时业 务场景的发券速度。 [0005]概括来说， 上面传统方案， 存在 如下两个缺 点： 1.当插入了大批量发券 任务， 任务混在一 起， 则影响了实时性发券的到帐速度； 2.对于大批量的发券任务， 不能实现根据用户的近期消费行为、 活跃度、 其他标签 等信息来选择优先投放目标的发券效果。 发明内容 [0006]本发明要解决的技术问题是克服现有技术存在的缺陷， 本发明提出了一种能够依 据用户活跃度对应发劵 优先级的基于用户智能推荐算法的批量发劵方法。 [0007]为解决上述技术问题， 本发明采用的技术方案是： 一种基于用户智能推荐算法的 发劵方法包括如下步骤： S1、 发劵上游依据不同使用场景对卡劵进行打标分类， 所述使用场景包括实时性 特定用 户发劵场景与大批量海量用户发劵场景； S2、 通过大数据平台构建用户活跃预测模型， 模型相关因素包括用户卡劵消费偏 好、 近 一个月活跃度与消费频次， 设置每个因素权重值为0～1的浮点数， 模型权重值为 所有因素权 重值之和； S3、 对实时性特定用户的发劵场景通过实时任务队列实时发劵， 对大批量海量用 户发劵 场景依据每一用户模型权重值大小对应选择不同批量任务队列， 每一任务队列下 游服务器单独部署。说　明　书 1/3 页 3 CN 115187314 A 3