本發(fā)明涉及電子商務(wù)領(lǐng)域，尤其涉及一種數(shù)據(jù)處理方法、設(shè)備和計(jì)算機(jī)存儲(chǔ)介質(zhì)。
背景技術(shù)：
：：大型電商網(wǎng)站在新品發(fā)布初期或者是優(yōu)質(zhì)商品上架的時(shí)候，由于供需關(guān)系的不平衡，會(huì)導(dǎo)致某些商品被很多人搶購。目前，在電商網(wǎng)站中為了解決搶購的問題，一般是采用機(jī)會(huì)均等的方式，即，在用戶下單時(shí)，搶購的成功率是均等的。例如：預(yù)計(jì)有十萬用戶在同一時(shí)間搶購一萬臺(tái)手機(jī)，那么可以設(shè)置搶購成功率為10％。在銷售開始之時(shí)，每個(gè)人進(jìn)入到用戶下單購買的機(jī)會(huì)是均等。然而上述這種方式并沒有黃牛現(xiàn)象的發(fā)生，所謂黃牛就是利用在技術(shù)上的優(yōu)勢(shì)通過多臺(tái)機(jī)器、多種ip地址結(jié)合搶購軟件高并發(fā)對(duì)該產(chǎn)品下單進(jìn)行請(qǐng)求。針對(duì)這種方式，商家一般采用的方式是在代理服務(wù)器上做各種判斷以對(duì)黃牛進(jìn)行屏蔽，例如：在某一個(gè)時(shí)間區(qū)間訪問次數(shù)超過上限自動(dòng)加入黑名單、判斷地址多次出現(xiàn)不予下單等方式來進(jìn)行屏蔽。然而，如果限制太嚴(yán)格又會(huì)導(dǎo)致對(duì)正常的用戶誤操作。因而還是不可避免地會(huì)有相當(dāng)一部分黃牛進(jìn)入到業(yè)務(wù)服務(wù)器。因?yàn)辄S牛在刷單之后的付款率并沒有實(shí)際有購買意向的用戶的付款率要高。針對(duì)如何提高忠實(shí)用戶的購買成功率，目前尚未提出有效的解決方案。技術(shù)實(shí)現(xiàn)要素：本發(fā)明的主要目的在于提出一種數(shù)據(jù)處理方法、設(shè)備和計(jì)算機(jī)存儲(chǔ)介質(zhì)，旨在解決現(xiàn)有的搶購過程中購買成功率得不到控制，而導(dǎo)致有真實(shí)購買意愿的用戶無法完成購買的問題。為實(shí)現(xiàn)上述目的，本發(fā)明提供的一種數(shù)據(jù)處理方法，包括：獲取用戶多個(gè)維度的數(shù)據(jù)；將所述用戶多個(gè)維度的數(shù)據(jù)輸入預(yù)先建立的決策樹中，得到所述用戶的搶購成功率；根據(jù)確定的搶購成功率對(duì)所述用戶的搶購過程進(jìn)行控制。可選的，在獲取用戶多個(gè)維度的數(shù)據(jù)之后，所述方法還包括：根據(jù)所述用戶的多個(gè)維度的數(shù)據(jù)確定所述用戶屬于預(yù)設(shè)的人群；在確定屬于所述預(yù)設(shè)的人群的情況下，為所述用戶設(shè)置預(yù)定的搶購成功率。可選的，所述多個(gè)維度包括以下至少之一：登陸次數(shù)、是否訪問了產(chǎn)品頁、對(duì)產(chǎn)品頁的訪問次數(shù)、對(duì)產(chǎn)品頁的訪問總時(shí)長(zhǎng)、是否訪問了產(chǎn)品論壇?？蛇x的，建立所述決策樹包括：獲取歷史搶購數(shù)據(jù)，其中，所述歷史搶購數(shù)據(jù)包括多個(gè)用戶中各個(gè)用戶多個(gè)維度的數(shù)據(jù)，以及各個(gè)用戶是否購買的記錄；以所述歷史搶購數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)，訓(xùn)練得到所述決策樹?？蛇x的，所述歷史搶購數(shù)據(jù)是通過歸一化處理后的數(shù)據(jù)?？蛇x的，以所述歷史搶購數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)，訓(xùn)練得到所述決策樹，包括：確定所述多個(gè)維度中各個(gè)維度之間的依賴關(guān)系；根據(jù)所述依賴關(guān)系，以所述歷史搶購數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)，訓(xùn)練得到所述決策樹?？蛇x的，以所述歷史搶購數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)，訓(xùn)練得到所述決策樹的過程包括：根據(jù)所述決策樹中各個(gè)葉子節(jié)點(diǎn)的路徑長(zhǎng)度，設(shè)置各個(gè)子節(jié)點(diǎn)對(duì)應(yīng)的搶購成功率。本發(fā)明實(shí)施例還提供了一種數(shù)據(jù)處理設(shè)備，包括處理器、通信總線和存儲(chǔ)器，其中：所述通信總線用于實(shí)現(xiàn)處理器和存儲(chǔ)器之間的連接通信；所述處理器用于執(zhí)行存儲(chǔ)器中存儲(chǔ)的數(shù)據(jù)處理程序，以實(shí)現(xiàn)以下步驟：獲取用戶多個(gè)維度的數(shù)據(jù)；將所述用戶多個(gè)維度的數(shù)據(jù)輸入預(yù)先建立的決策樹中，得到所述用戶的搶購成功率；根據(jù)確定的搶購成功率對(duì)所述用戶的搶購過程進(jìn)行控制?？蛇x的，在獲取用戶多個(gè)維度的數(shù)據(jù)之后，所述方法還包括：根據(jù)所述用戶的多個(gè)維度的數(shù)據(jù)確定所述用戶屬于預(yù)設(shè)的人群；在確定屬于所述預(yù)設(shè)的人群的情況下，為所述用戶設(shè)置預(yù)定的搶購成功率?？蛇x的，所述多個(gè)維度包括以下至少之一：登陸次數(shù)、是否訪問了產(chǎn)品頁、對(duì)產(chǎn)品頁的訪問次數(shù)、對(duì)產(chǎn)品頁的訪問總時(shí)長(zhǎng)、是否訪問了產(chǎn)品論壇?？蛇x的，建立所述決策樹包括：獲取歷史搶購數(shù)據(jù)，其中，所述歷史搶購數(shù)據(jù)包括多個(gè)用戶中各個(gè)用戶多個(gè)維度的數(shù)據(jù)，以及各個(gè)用戶是否購買的記錄；以所述歷史搶購數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)，訓(xùn)練得到所述決策樹。可選的，所述歷史搶購數(shù)據(jù)是通過歸一化處理后的數(shù)據(jù)。可選的，以所述歷史搶購數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)，訓(xùn)練得到所述決策樹，包括：確定所述多個(gè)維度中各個(gè)維度之間的依賴關(guān)系；根據(jù)所述依賴關(guān)系，以所述歷史搶購數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)，訓(xùn)練得到所述決策樹?？蛇x的，以所述歷史搶購數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)，訓(xùn)練得到所述決策樹的過程包括：根據(jù)所述決策樹中各個(gè)葉子節(jié)點(diǎn)的路徑長(zhǎng)度，設(shè)置各個(gè)子節(jié)點(diǎn)對(duì)應(yīng)的搶購成功率。本發(fā)明實(shí)施例還提供了一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，所述計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)存儲(chǔ)有一個(gè)或者多個(gè)程序，所述一個(gè)或者多個(gè)程序可被一個(gè)或者多個(gè)處理器執(zhí)行，以實(shí)現(xiàn)以下步驟：獲取用戶多個(gè)維度的數(shù)據(jù)；將所述用戶多個(gè)維度的數(shù)據(jù)輸入預(yù)先建立的決策樹中，得到所述用戶的搶購成功率；根據(jù)確定的搶購成功率對(duì)所述用戶的搶購過程進(jìn)行控制?？蛇x的，在獲取用戶多個(gè)維度的數(shù)據(jù)之后，所述方法還包括：根據(jù)所述用戶的多個(gè)維度的數(shù)據(jù)確定所述用戶屬于預(yù)設(shè)的人群；在確定屬于所述預(yù)設(shè)的人群的情況下，為所述用戶設(shè)置預(yù)定的搶購成功率?？蛇x的，所述多個(gè)維度包括以下至少之一：登陸次數(shù)、是否訪問了產(chǎn)品頁、對(duì)產(chǎn)品頁的訪問次數(shù)、對(duì)產(chǎn)品頁的訪問總時(shí)長(zhǎng)、是否訪問了產(chǎn)品論壇?？蛇x的，建立所述決策樹包括：獲取歷史搶購數(shù)據(jù)，其中，所述歷史搶購數(shù)據(jù)包括多個(gè)用戶中各個(gè)用戶多個(gè)維度的數(shù)據(jù)，以及各個(gè)用戶是否購買的記錄；以所述歷史搶購數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)，訓(xùn)練得到所述決策樹?？蛇x的，所述歷史搶購數(shù)據(jù)是通過歸一化處理后的數(shù)據(jù)。可選的，以所述歷史搶購數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)，訓(xùn)練得到所述決策樹，包括：確定所述多個(gè)維度中各個(gè)維度之間的依賴關(guān)系；根據(jù)所述依賴關(guān)系，以所述歷史搶購數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)，訓(xùn)練得到所述決策樹?？蛇x的，以所述歷史搶購數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)，訓(xùn)練得到所述決策樹的過程包括：根據(jù)所述決策樹中各個(gè)葉子節(jié)點(diǎn)的路徑長(zhǎng)度，設(shè)置各個(gè)子節(jié)點(diǎn)對(duì)應(yīng)的搶購成功率。本發(fā)明提出的數(shù)據(jù)處理方法，通過設(shè)置決策樹的方式，將用戶多維度的數(shù)據(jù)輸入該決策樹，以生成針對(duì)各個(gè)用戶的購買成功率，因?yàn)閺挠脩舳嗑S度的數(shù)據(jù)來確定用戶的真實(shí)購買意愿，以確定用戶的購買成功率，從而解決了現(xiàn)有的搶購過程中購買成功率得不到控制，而導(dǎo)致有真實(shí)購買意愿的用戶無法完成購買的問題，達(dá)到了為不同的用戶匹配到不同的購買成功率，從而使得購買意愿更好的忠實(shí)用戶可以有更高的搶購到商品的概率，以提高搶購商品的交易成功率。附圖說明圖1為實(shí)現(xiàn)本發(fā)明各個(gè)實(shí)施例一可選的移動(dòng)終端的硬件結(jié)構(gòu)示意圖；圖2為如圖1所示的移動(dòng)終端的無線通信系統(tǒng)示意圖；圖3為本發(fā)明第一實(shí)施例的數(shù)據(jù)處理方法的方法流程圖；圖4為本發(fā)明第一實(shí)施例的決策樹的示意圖；圖5為本發(fā)明第一實(shí)施例的分類示意圖；圖6為本發(fā)明第一實(shí)施例的決策樹的另一示意圖；圖7為本發(fā)明第二實(shí)施例的數(shù)據(jù)處理方法的方法流程圖；圖8為本發(fā)明第三實(shí)施例的引入測(cè)試數(shù)據(jù)和決策樹算法得到預(yù)測(cè)模型的方法流程圖；圖9為本發(fā)明第三實(shí)施例的數(shù)據(jù)處理方法的方法流程圖；圖10為本發(fā)明第四實(shí)施例的數(shù)據(jù)處理設(shè)備的結(jié)構(gòu)框圖；本發(fā)明目的的實(shí)現(xiàn)、功能特點(diǎn)及優(yōu)點(diǎn)將結(jié)合實(shí)施例，參照附圖做進(jìn)一步說明。具體實(shí)施方式應(yīng)當(dāng)理解，此處所描述的具體實(shí)施例僅僅用以解釋本發(fā)明，并不用于限定本發(fā)明。在后續(xù)的描述中，使用用于表示元件的諸如“模塊”、“部件”或“單元”的后綴僅為了有利于本發(fā)明的說明，其本身沒有特定的意義。因此，“模塊”、“部件”或“單元”可以混合地使用。終端可以以各種形式來實(shí)施。例如，本發(fā)明中描述的終端可以包括諸如手機(jī)、平板電腦、筆記本電腦、掌上電腦、個(gè)人數(shù)字助理(personaldigitalassistant，pda)、便捷式媒體播放器(portablemediaplayer，pmp)、導(dǎo)航裝置、可穿戴設(shè)備、智能手環(huán)、計(jì)步器等移動(dòng)終端，以及諸如數(shù)字tv、臺(tái)式計(jì)算機(jī)等固定終端。后續(xù)描述中將以移動(dòng)終端為例進(jìn)行說明，本領(lǐng)域技術(shù)人員將理解的是，除了特別用于移動(dòng)目的的元件之外，根據(jù)本發(fā)明的實(shí)施方式的構(gòu)造也能夠應(yīng)用于固定類型的終端。請(qǐng)參閱圖1，其為實(shí)現(xiàn)本發(fā)明各個(gè)實(shí)施例的一種移動(dòng)終端的硬件結(jié)構(gòu)示意圖，該移動(dòng)終端100可以包括：rf(radiofrequency，射頻)單元101、wifi模塊102、音頻輸出單元103、a/v(音頻/視頻)輸入單元104、傳感器105、顯示單元106、用戶輸入單元107、接口單元108、存儲(chǔ)器109、處理器110、以及電源111等部件。本領(lǐng)域技術(shù)人員可以理解，圖1中示出的移動(dòng)終端結(jié)構(gòu)并不構(gòu)成對(duì)移動(dòng)終端的限定，移動(dòng)終端可以包括比圖示更多或更少的部件，或者組合某些部件，或者不同的部件布置。下面結(jié)合圖1對(duì)移動(dòng)終端的各個(gè)部件進(jìn)行具體的介紹：射頻單元101可用于收發(fā)信息或通話過程中，信號(hào)的接收和發(fā)送，具體的，將基站的下行信息接收后，給處理器110處理；另外，將上行的數(shù)據(jù)發(fā)送給基站。通常，射頻單元101包括但不限于天線、至少一個(gè)放大器、收發(fā)信機(jī)、耦合器、低噪聲放大器、雙工器等。此外，射頻單元101還可以通過無線通信與網(wǎng)絡(luò)和其他設(shè)備通信。上述無線通信可以使用任一通信標(biāo)準(zhǔn)或協(xié)議，包括但不限于gsm(globalsystemofmobilecommunication，全球移動(dòng)通訊系統(tǒng))、gprs(generalpacketradioservice，通用分組無線服務(wù))、cdma2000(codedivisionmultipleaccess2000，碼分多址2000)、wcdma(widebandcodedivisionmultipleaccess,寬帶碼分多址)、td-scdma(timedivision-synchronouscodedivisionmultipleaccess，時(shí)分同步碼分多址)、fdd-lte(frequencydivisionduplexing-longtermevolution，頻分雙工長(zhǎng)期演進(jìn))和tdd-lte(timedivisionduplexing-longtermevolution，分時(shí)雙工長(zhǎng)期演進(jìn))等。wifi屬于短距離無線傳輸技術(shù)，移動(dòng)終端通過wifi模塊102可以幫助用戶收發(fā)電子郵件、瀏覽網(wǎng)頁和訪問流式媒體等，它為用戶提供了無線的寬帶互聯(lián)網(wǎng)訪問。雖然圖1示出了wifi模塊102，但是可以理解的是，其并不屬于移動(dòng)終端的必須構(gòu)成，完全可以根據(jù)需要在不改變發(fā)明的本質(zhì)的范圍內(nèi)而省略。音頻輸出單元103可以在移動(dòng)終端100處于呼叫信號(hào)接收模式、通話模式、記錄模式、語音識(shí)別模式、廣播接收模式等等模式下時(shí)，將射頻單元101或wifi模塊102接收的或者在存儲(chǔ)器109中存儲(chǔ)的音頻數(shù)據(jù)轉(zhuǎn)換成音頻信號(hào)并且輸出為聲音。而且，音頻輸出單元103還可以提供與移動(dòng)終端100執(zhí)行的特定功能相關(guān)的音頻輸出(例如，呼叫信號(hào)接收聲音、消息接收聲音等等)。音頻輸出單元103可以包括揚(yáng)聲器、蜂鳴器等等。a/v輸入單元104用于接收音頻或視頻信號(hào)。a/v輸入單元104可以包括圖形處理器(graphicsprocessingunit，gpu)1041和麥克風(fēng)1042，圖形處理器1041對(duì)在視頻捕獲模式或圖像捕獲模式中由圖像捕獲裝置(如攝像頭)獲得的靜態(tài)圖片或視頻的圖像數(shù)據(jù)進(jìn)行處理。處理后的圖像幀可以顯示在顯示單元106上。經(jīng)圖形處理器1041處理后的圖像幀可以存儲(chǔ)在存儲(chǔ)器109(或其它存儲(chǔ)介質(zhì))中或者經(jīng)由射頻單元101或wifi模塊102進(jìn)行發(fā)送。麥克風(fēng)1042可以在電話通話模式、記錄模式、語音識(shí)別模式等等運(yùn)行模式中經(jīng)由麥克風(fēng)1042接收聲音(音頻數(shù)據(jù))，并且能夠?qū)⑦@樣的聲音處理為音頻數(shù)據(jù)。處理后的音頻(語音)數(shù)據(jù)可以在電話通話模式的情況下轉(zhuǎn)換為可經(jīng)由射頻單元101發(fā)送到移動(dòng)通信基站的格式輸出。麥克風(fēng)1042可以實(shí)施各種類型的噪聲消除(或抑制)算法以消除(或抑制)在接收和發(fā)送音頻信號(hào)的過程中產(chǎn)生的噪聲或者干擾。移動(dòng)終端100還包括至少一種傳感器105，比如光傳感器、運(yùn)動(dòng)傳感器以及其他傳感器。具體地，光傳感器包括環(huán)境光傳感器及接近傳感器，其中，環(huán)境光傳感器可根據(jù)環(huán)境光線的明暗來調(diào)節(jié)顯示面板1061的亮度，接近傳感器可在移動(dòng)終端100移動(dòng)到耳邊時(shí)，關(guān)閉顯示面板1061和/或背光。作為運(yùn)動(dòng)傳感器的一種，加速計(jì)傳感器可檢測(cè)各個(gè)方向上(一般為三軸)加速度的大小，靜止時(shí)可檢測(cè)出重力的大小及方向，可用于識(shí)別手機(jī)姿態(tài)的應(yīng)用(比如橫豎屏切換、相關(guān)游戲、磁力計(jì)姿態(tài)校準(zhǔn))、振動(dòng)識(shí)別相關(guān)功能(比如計(jì)步器、敲擊)等；至于手機(jī)還可配置的指紋傳感器、壓力傳感器、虹膜傳感器、分子傳感器、陀螺儀、氣壓計(jì)、濕度計(jì)、溫度計(jì)、紅外線傳感器等其他傳感器，在此不再贅述。顯示單元106用于顯示由用戶輸入的信息或提供給用戶的信息。顯示單元106可包括顯示面板1061，可以采用液晶顯示器(liquidcrystaldisplay，lcd)、有機(jī)發(fā)光二極管(organiclight-emittingdiode,oled)等形式來配置顯示面板1061。用戶輸入單元107可用于接收輸入的數(shù)字或字符信息，以及產(chǎn)生與移動(dòng)終端的用戶設(shè)置以及功能控制有關(guān)的鍵信號(hào)輸入。具體地，用戶輸入單元107可包括觸控面板1071以及其他輸入設(shè)備1072。觸控面板1071，也稱為觸摸屏，可收集用戶在其上或附近的觸摸操作(比如用戶使用手指、觸筆等任何適合的物體或附件在觸控面板1071上或在觸控面板1071附近的操作)，并根據(jù)預(yù)先設(shè)定的程式驅(qū)動(dòng)相應(yīng)的連接裝置。觸控面板1071可包括觸摸檢測(cè)裝置和觸摸控制器兩個(gè)部分。其中，觸摸檢測(cè)裝置檢測(cè)用戶的觸摸方位，并檢測(cè)觸摸操作帶來的信號(hào)，將信號(hào)傳送給觸摸控制器；觸摸控制器從觸摸檢測(cè)裝置上接收觸摸信息，并將它轉(zhuǎn)換成觸點(diǎn)坐標(biāo)，再送給處理器110，并能接收處理器110發(fā)來的命令并加以執(zhí)行。此外，可以采用電阻式、電容式、紅外線以及表面聲波等多種類型實(shí)現(xiàn)觸控面板1071。除了觸控面板1071，用戶輸入單元107還可以包括其他輸入設(shè)備1072。具體地，其他輸入設(shè)備1072可以包括但不限于物理鍵盤、功能鍵(比如音量控制按鍵、開關(guān)按鍵等)、軌跡球、鼠標(biāo)、操作桿等中的一種或多種，具體此處不做限定。進(jìn)一步的，觸控面板1071可覆蓋顯示面板1061，當(dāng)觸控面板1071檢測(cè)到在其上或附近的觸摸操作后，傳送給處理器110以確定觸摸事件的類型，隨后處理器110根據(jù)觸摸事件的類型在顯示面板1061上提供相應(yīng)的視覺輸出。雖然在圖1中，觸控面板1071與顯示面板1061是作為兩個(gè)獨(dú)立的部件來實(shí)現(xiàn)移動(dòng)終端的輸入和輸出功能，但是在某些實(shí)施例中，可以將觸控面板1071與顯示面板1061集成而實(shí)現(xiàn)移動(dòng)終端的輸入和輸出功能，具體此處不做限定。接口單元108用作至少一個(gè)外部裝置與移動(dòng)終端100連接可以通過的接口。例如，外部裝置可以包括有線或無線頭戴式耳機(jī)端口、外部電源(或電池充電器)端口、有線或無線數(shù)據(jù)端口、存儲(chǔ)卡端口、用于連接具有識(shí)別模塊的裝置的端口、音頻輸入/輸出(i/o)端口、視頻i/o端口、耳機(jī)端口等等。接口單元108可以用于接收來自外部裝置的輸入(例如，數(shù)據(jù)信息、電力等等)并且將接收到的輸入傳輸?shù)揭苿?dòng)終端100內(nèi)的一個(gè)或多個(gè)元件或者可以用于在移動(dòng)終端100和外部裝置之間傳輸數(shù)據(jù)。存儲(chǔ)器109可用于存儲(chǔ)軟件程序以及各種數(shù)據(jù)。存儲(chǔ)器109可主要包括存儲(chǔ)程序區(qū)和存儲(chǔ)數(shù)據(jù)區(qū)，其中，存儲(chǔ)程序區(qū)可存儲(chǔ)操作系統(tǒng)、至少一個(gè)功能所需的應(yīng)用程序(比如聲音播放功能、圖像播放功能等)等；存儲(chǔ)數(shù)據(jù)區(qū)可存儲(chǔ)根據(jù)手機(jī)的使用所創(chuàng)建的數(shù)據(jù)(比如音頻數(shù)據(jù)、電話本等)等。此外，存儲(chǔ)器109可以包括高速隨機(jī)存取存儲(chǔ)器，還可以包括非易失性存儲(chǔ)器，例如至少一個(gè)磁盤存儲(chǔ)器件、閃存器件、或其他易失性固態(tài)存儲(chǔ)器件。處理器110是移動(dòng)終端的控制中心，利用各種接口和線路連接整個(gè)移動(dòng)終端的各個(gè)部分，通過運(yùn)行或執(zhí)行存儲(chǔ)在存儲(chǔ)器109內(nèi)的軟件程序和/或模塊，以及調(diào)用存儲(chǔ)在存儲(chǔ)器109內(nèi)的數(shù)據(jù)，執(zhí)行移動(dòng)終端的各種功能和處理數(shù)據(jù)，從而對(duì)移動(dòng)終端進(jìn)行整體監(jiān)控。處理器110可包括一個(gè)或多個(gè)處理單元；優(yōu)選的，處理器110可集成應(yīng)用處理器和調(diào)制解調(diào)處理器，其中，應(yīng)用處理器主要處理操作系統(tǒng)、用戶界面和應(yīng)用程序等，調(diào)制解調(diào)處理器主要處理無線通信。可以理解的是，上述調(diào)制解調(diào)處理器也可以不集成到處理器110中。移動(dòng)終端100還可以包括給各個(gè)部件供電的電源111(比如電池)，優(yōu)選的，電源111可以通過電源管理系統(tǒng)與處理器110邏輯相連，從而通過電源管理系統(tǒng)實(shí)現(xiàn)管理充電、放電、以及功耗管理等功能。盡管圖1未示出，移動(dòng)終端100還可以包括藍(lán)牙模塊等，在此不再贅述。為了便于理解本發(fā)明實(shí)施例，下面對(duì)本發(fā)明的移動(dòng)終端所基于的通信網(wǎng)絡(luò)系統(tǒng)進(jìn)行描述。請(qǐng)參閱圖2，圖2為本發(fā)明實(shí)施例提供的一種通信網(wǎng)絡(luò)系統(tǒng)架構(gòu)圖，該通信網(wǎng)絡(luò)系統(tǒng)為通用移動(dòng)通信技術(shù)的lte系統(tǒng)，該lte系統(tǒng)包括依次通訊連接的ue(userequipment，用戶設(shè)備)201，e-utran(evolvedumtsterrestrialradioaccessnetwork，演進(jìn)式umts陸地?zé)o線接入網(wǎng))202，epc(evolvedpacketcore，演進(jìn)式分組核心網(wǎng))203和運(yùn)營(yíng)商的ip業(yè)務(wù)204。具體地，ue201可以是上述終端100，此處不再贅述。e-utran202包括enodeb2021和其它enodeb2022等。其中，enodeb2021可以通過回程(backhaul)(例如x2接口)與其它enodeb2022連接，enodeb2021連接到epc203，enodeb2021可以提供ue201到epc203的接入。epc203可以包括mme(mobilitymanagemententity，移動(dòng)性管理實(shí)體)2031，hss(homesubscriberserver，歸屬用戶服務(wù)器)2032，其它mme2033，sgw(servinggateway，服務(wù)網(wǎng)關(guān))2034，pgw(pdngateway，分組數(shù)據(jù)網(wǎng)絡(luò)網(wǎng)關(guān))2035和pcrf(policyandchargingrulesfunction，政策和資費(fèi)功能實(shí)體)2036等。其中，mme2031是處理ue201和epc203之間信令的控制節(jié)點(diǎn)，提供承載和連接管理。hss2032用于提供一些寄存器來管理諸如歸屬位置寄存器(圖中未示)之類的功能，并且保存有一些有關(guān)服務(wù)特征、數(shù)據(jù)速率等用戶專用的信息。所有用戶數(shù)據(jù)都可以通過sgw2034進(jìn)行發(fā)送，pgw2035可以提供ue201的ip地址分配以及其它功能，pcrf2036是業(yè)務(wù)數(shù)據(jù)流和ip承載資源的策略與計(jì)費(fèi)控制策略決策點(diǎn)，它為策略與計(jì)費(fèi)執(zhí)行功能單元(圖中未示)選擇及提供可用的策略和計(jì)費(fèi)控制決策。ip業(yè)務(wù)204可以包括因特網(wǎng)、內(nèi)聯(lián)網(wǎng)、ims(ipmultimediasubsystem，ip多媒體子系統(tǒng))或其它ip業(yè)務(wù)等。雖然上述以lte系統(tǒng)為例進(jìn)行了介紹，但本領(lǐng)域技術(shù)人員應(yīng)當(dāng)知曉，本發(fā)明不僅僅適用于lte系統(tǒng)，也可以適用于其他無線通信系統(tǒng)，例如gsm、cdma2000、wcdma、td-scdma以及未來新的網(wǎng)絡(luò)系統(tǒng)等，此處不做限定?；谏鲜鲆苿?dòng)終端硬件結(jié)構(gòu)以及通信網(wǎng)絡(luò)系統(tǒng)，提出本發(fā)明方法各個(gè)實(shí)施例。本發(fā)明第一實(shí)施例提供了一種數(shù)據(jù)處理方法，如圖3所示，可以包括：步驟301：獲取用戶多個(gè)維度的數(shù)據(jù)；考慮到在新品發(fā)貨或優(yōu)質(zhì)商品購買的時(shí)候，通過設(shè)置所有用戶搶購成功率是均等的方式，看似均等，但因?yàn)辄S牛的存在這種均等是不均等的。為了避免這種問題，在本例中通過針對(duì)不同的用戶群體設(shè)置不一樣的搶購概率來提高忠實(shí)用戶購買成功率。例如：用戶群體可以有：金牌用戶、銀牌用戶、銅牌用戶和普通用戶等等，可以認(rèn)為這些用戶的忠實(shí)度是從高到低的，為了提高金牌用戶的購買成功率，可以設(shè)置購買到金牌用戶購買到該商品的成功率為80％，銀牌用戶購買到該商品的成功率為70％，銅牌用戶購買到該商品的成功率為60％，普通用戶購買到該商品的成功率為10％，從而提高忠實(shí)用戶的購買成功率及付款率，也可以使得商品可以有效被購買，從而降低商品庫存，。按照用戶等級(jí)僅是表明用戶購買意愿的一個(gè)因素，但不是唯一的因素，還有一些其它維度的數(shù)據(jù)可以作為用戶購買意愿的依據(jù)。即，判斷用戶是否有意愿購買該商品的時(shí)候，用戶所屬的級(jí)別可以作為一個(gè)依據(jù)，例如，金牌用戶的購買意愿有可能比銀牌用戶高，但不意味著金牌用戶就一定會(huì)購買新商品。，僅證明該用戶在本網(wǎng)站是一個(gè)優(yōu)質(zhì)用戶。一個(gè)用戶是否愿意購買一個(gè)新商品的影響因子有多種，例如：此次搶購中是否屬于新用戶(可以通過經(jīng)驗(yàn)值來判斷的用戶是否為新用戶，注冊(cè)1個(gè)月可以當(dāng)成新用戶，注冊(cè)1周也可以當(dāng)成新用戶)，期間登陸次數(shù)超過幾次，是否有訪問產(chǎn)品頁，訪問次數(shù)，訪問總時(shí)長(zhǎng)，是否有訪問相關(guān)聯(lián)的網(wǎng)站如論壇，是否是黃牛賬號(hào)，是否有關(guān)注公眾號(hào)，是否有預(yù)約過，預(yù)約短信鏈接是否有點(diǎn)擊過，個(gè)人信息的完善程度，論壇用戶組級(jí)別，用戶級(jí)別(金牌會(huì)員、銀牌會(huì)員、銅牌會(huì)員等等)，最近有沒購買記錄等等都可以作為購買意愿的依據(jù)，即，以這些因素作為用戶多個(gè)維度的數(shù)據(jù)。具體的，例如，有預(yù)約過并進(jìn)行預(yù)約短信鏈接點(diǎn)擊可能比近期登陸次數(shù)超過5次的用戶的購買意愿要強(qiáng)，同樣的當(dāng)前訪問本商品詳情頁的總時(shí)長(zhǎng)有1小時(shí)就比訪問該詳情頁10次的購買意愿要強(qiáng)，即，以這些維度的數(shù)據(jù)判斷用戶是否有意愿要購買。步驟302：將所述用戶多個(gè)維度的數(shù)據(jù)輸入預(yù)先建立的決策樹中，得到所述用戶的搶購成功率；其中，決策樹是一個(gè)預(yù)測(cè)模型，通過該決策樹算法可以對(duì)影響因子建立一個(gè)樹形結(jié)構(gòu)，樹中每個(gè)節(jié)點(diǎn)表示一個(gè)影響因子，而每個(gè)分叉路徑則代表的該影響因子可能的屬性值，而每個(gè)葉結(jié)點(diǎn)則對(duì)應(yīng)從根節(jié)點(diǎn)到該葉節(jié)點(diǎn)所經(jīng)歷的路徑所表示的因子的值。如圖4所示，為決策樹的一種示意圖，圖4是一棵結(jié)構(gòu)簡(jiǎn)單的決策樹，用于預(yù)測(cè)貸款用戶是否具有償還貸款的能力。貸款用戶可以具有三個(gè)維度的數(shù)據(jù)：是否擁有房產(chǎn)，是否結(jié)婚，平均月收入。每一個(gè)內(nèi)部節(jié)點(diǎn)都表示一個(gè)屬性條件判斷，葉子節(jié)點(diǎn)表示貸款用戶是否具有償還能力。例如：用戶甲沒有房產(chǎn)，沒有結(jié)婚，月收入5k。通過決策樹的根節(jié)點(diǎn)判斷，用戶甲符合右邊分支(擁有房產(chǎn)為“否”)；再判斷是否結(jié)婚，用戶甲符合左邊分支(是否結(jié)婚為否)；然后判斷月收入是否大于4k，用戶甲符合左邊分支(月收入大于4k)，該用戶落在“可以償還”的葉子節(jié)點(diǎn)上，因此，通過該決策樹可以預(yù)測(cè)出用戶甲具備償還貸款能力，上述三個(gè)維度的數(shù)據(jù)的重要程度從高到低分別是：是否擁有房產(chǎn)、是否結(jié)婚、是否月收入超過4k。決策樹算法的目標(biāo)就是把數(shù)據(jù)集按對(duì)應(yīng)的類標(biāo)簽進(jìn)行分類。最理想的情況是，通過特征的選擇能把不同類別的數(shù)據(jù)集貼上對(duì)應(yīng)類標(biāo)簽。特征選擇的目標(biāo)使得分類后的數(shù)據(jù)集比較純。如何衡量一個(gè)數(shù)據(jù)集純度，可以引入數(shù)據(jù)純度函數(shù)。以信息增益作為一種數(shù)據(jù)純度函數(shù)，信息熵表示的是不確定度。均勻分布時(shí)，不確定度最大，此時(shí)熵就最大。當(dāng)選擇某個(gè)特征對(duì)數(shù)據(jù)集進(jìn)行分類時(shí)，分類后的數(shù)據(jù)集信息熵會(huì)比分類前的小，其差值表示為信息增益。信息增益可以衡量某個(gè)特征對(duì)分類結(jié)果的影響大小。假設(shè)在樣本數(shù)據(jù)集d中，混有c種類別的數(shù)據(jù)。構(gòu)建決策樹時(shí)，根據(jù)給定的樣本數(shù)據(jù)集選擇某個(gè)特征值作為樹的節(jié)點(diǎn)。在數(shù)據(jù)集中，可以計(jì)算出該數(shù)據(jù)中的信息熵：作用前的信息熵計(jì)算公式為：其中，d表示訓(xùn)練數(shù)據(jù)集，c表示數(shù)據(jù)類別數(shù)，pi表示類別i樣本數(shù)量占所有樣本的比例。對(duì)應(yīng)數(shù)據(jù)集d，選擇特征a作為決策樹判斷節(jié)點(diǎn)時(shí)，在特征a作用后的信息熵的為info(d)，計(jì)算如下：其中，k表示樣本d被分為k個(gè)部分。信息增益表示數(shù)據(jù)集d在特征a的作用后，其信息熵減少的值。其中，信息熵差值可以表示為：gain(a)＝info(d)-infoa(d)，對(duì)于決策樹節(jié)點(diǎn)最合適的特征選擇，就是gain(a)值最大的特征。以天氣預(yù)報(bào)為例說明如下，如下表1所示為天氣數(shù)據(jù)表，學(xué)習(xí)目標(biāo)是決定是否出門。表1天氣預(yù)報(bào)數(shù)據(jù)集例子由表1可以看出，一共14個(gè)樣例，包括9個(gè)正例和5個(gè)負(fù)例，那么當(dāng)前信息的熵為：在決策樹分類問題中，信息增益是決策樹在進(jìn)行屬性選擇劃分前和劃分后信息的差值。假設(shè)利用屬性outlook來分類，那么可以得到如圖5所示的分類示意圖，由圖5可以看出，在劃分后，數(shù)據(jù)被分為三部分，那么各個(gè)分支的信息熵計(jì)算如下：那么劃分后的信息熵為：其中，entropy(s/t)表示在特征屬性t的條件下樣本的條件熵，那么最終得到特征屬性t帶來的信息增益表示為：ig(t)＝entropy(s)/t)-entropy(s/t)＝0.24675。通過對(duì)幾個(gè)特征屬性篩選最大信息增益作為當(dāng)前最合適的特征選擇。通過上述例子可以導(dǎo)入在此之前的搶購商品的各個(gè)因子的數(shù)據(jù)以及相關(guān)是否購買的記錄作為測(cè)試數(shù)據(jù)集。通過該測(cè)試數(shù)據(jù)集建立預(yù)測(cè)模型，輸出為一顆樹形結(jié)構(gòu)，權(quán)重的高低是從樹根延續(xù)到葉子節(jié)點(diǎn)，依據(jù)這種類型的樹形結(jié)構(gòu)導(dǎo)入本次搶購期間的統(tǒng)計(jì)數(shù)據(jù)，通過導(dǎo)入的數(shù)據(jù)判斷用戶是否有購買意向，如果判斷有購買意向，且只需要一次判斷，則可以假設(shè)該用戶的權(quán)重為最高，而如果需要兩次判斷才能判斷該用戶有購買意向，則設(shè)定該用戶的權(quán)重為高，依次類推，而如果通過用戶的各維度的數(shù)據(jù)判斷該用戶并沒有購買意向，則可以設(shè)置該用戶的權(quán)重為低。基于此，可以建立得到如圖6所示的決策樹。通過導(dǎo)入本次的用戶數(shù)據(jù)，依據(jù)圖6所示的決策樹，假設(shè)當(dāng)前用戶a是金牌會(huì)員且預(yù)約短信有點(diǎn)擊過，該用戶從根節(jié)點(diǎn)到葉節(jié)點(diǎn)的路徑為2，是當(dāng)前該樹最短的，則確定該用戶購買商品的優(yōu)先級(jí)是最高的，購買成功率是最大的；假設(shè)當(dāng)前用戶b沒有點(diǎn)擊過預(yù)約短信，且登陸次數(shù)超過5次，訪問時(shí)長(zhǎng)超過半小時(shí)，且有訪問過論壇，路徑長(zhǎng)度為4，則該用戶的優(yōu)先級(jí)是一般的，購買成功率算是中等的，假設(shè)當(dāng)前用戶c沒有點(diǎn)擊過預(yù)約短信，且登陸次數(shù)少于5次，是新賬號(hào)，且沒有關(guān)注微信公眾號(hào)，此用戶的葉節(jié)點(diǎn)是沒有購買，則確定該用戶的購買意向極低，設(shè)置該用戶的購買成功率是一般。通過對(duì)當(dāng)前用戶進(jìn)行數(shù)據(jù)路由，直至到葉節(jié)點(diǎn)，計(jì)算路徑長(zhǎng)度及葉節(jié)點(diǎn)值，設(shè)置相應(yīng)的權(quán)重，以確定出各個(gè)用戶的購買成功率，從而提升忠實(shí)用戶的購買成功率。步驟303：根據(jù)確定的搶購成功率對(duì)所述用戶的搶購過程進(jìn)行控制。即，基于確定出的搶購成功率對(duì)搶購過程進(jìn)行控制，例如，對(duì)于確定出的搶購成功率高的用戶設(shè)置高的優(yōu)先級(jí)，確定出的搶購成功率低的用戶設(shè)置低的優(yōu)先級(jí)，以便使得購買意愿高的用戶可以具有更高的購買成功率。本發(fā)明第二實(shí)施例提出了一種數(shù)據(jù)處理方法，如圖7所示，可以包括：步驟701：獲取用戶多個(gè)維度的數(shù)據(jù)；其中，多個(gè)維度包括以下至少之一：登陸次數(shù)、是否訪問了產(chǎn)品頁、對(duì)產(chǎn)品頁的訪問次數(shù)、對(duì)產(chǎn)品頁的訪問總時(shí)長(zhǎng)、是否訪問了產(chǎn)品論壇，。步驟702：根據(jù)所述用戶的多個(gè)維度的數(shù)據(jù)確定所述用戶屬于預(yù)設(shè)的人群；考慮到在實(shí)際進(jìn)行購買成功率設(shè)定的時(shí)候，有時(shí)會(huì)有黃牛，為了避免黃牛的惡意刷單，綜合考慮到黃牛的用戶群體通常是以新用戶、不常登陸商家網(wǎng)站、不經(jīng)常瀏覽產(chǎn)品詳情頁等情況考慮，與一般的忠實(shí)用戶常訪問論壇、常登陸、?；钴S狀態(tài)的情況相比，這些表現(xiàn)形態(tài)是不同的。因此，可以引入各個(gè)用戶群體的不同活躍狀態(tài)，不同的訪問方式等各個(gè)維度的用戶表現(xiàn)形態(tài)，結(jié)合機(jī)器學(xué)習(xí)的監(jiān)督學(xué)習(xí)算法-決策樹算法，對(duì)用戶購買新品或優(yōu)質(zhì)商品的各個(gè)影響因子進(jìn)行數(shù)學(xué)建模，構(gòu)建預(yù)測(cè)模型，構(gòu)建出以影響因子為中間節(jié)點(diǎn)，結(jié)果集為子節(jié)點(diǎn)的決策樹，算出各個(gè)影響因子的權(quán)重。再結(jié)合導(dǎo)入當(dāng)前購買用戶群體的各個(gè)影響因子的相關(guān)數(shù)據(jù)值，從而計(jì)算出到相應(yīng)結(jié)果集的路徑值，從而得出各個(gè)用戶群體的購買成功率數(shù)值，最終達(dá)到實(shí)現(xiàn)提高忠實(shí)用戶購買優(yōu)質(zhì)商品或新品的成功率。對(duì)于其中的黃牛用戶，可以作為一個(gè)特定的人群，對(duì)于這種人群在識(shí)別出來之后，可以為這些人群設(shè)置一個(gè)預(yù)設(shè)的購買成功率，例如，為確定出的黃牛用戶設(shè)置一個(gè)購買成功率，這個(gè)購買成功率可以設(shè)置的較低，例如，設(shè)置為0.1。步驟703：在確定屬于所述預(yù)設(shè)的人群的情況下，為所述用戶設(shè)置預(yù)定的搶購成功率；步驟704：將所述用戶多個(gè)維度的數(shù)據(jù)輸入預(yù)先建立的決策樹中，得到所述用戶的搶購成功率。對(duì)于除了特定人群之外的用戶，可以是將這些用戶的多個(gè)維度的數(shù)據(jù)輸入至決策樹中，確定出這些用戶的搶購成功率。其中，決策樹可以是通過如下步驟建立的：s1：獲取歷史搶購數(shù)據(jù)，其中，所述歷史搶購數(shù)據(jù)包括多個(gè)用戶中各個(gè)用戶多個(gè)維度的數(shù)據(jù)，以及各個(gè)用戶是否購買的記錄；即，獲取當(dāng)前的電商平臺(tái)的歷史購買記錄數(shù)據(jù)，可以對(duì)這些數(shù)據(jù)進(jìn)行訓(xùn)練，從而得到一個(gè)決策樹，這個(gè)決策樹在輸入一個(gè)數(shù)據(jù)后，會(huì)得到一個(gè)結(jié)果。在本例中，向決策樹中輸入用戶的多個(gè)維度的數(shù)據(jù)，即可得到該用戶的購買成功率，以作為后續(xù)搶購的成功率設(shè)置標(biāo)準(zhǔn)。s2：以所述歷史搶購數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)，訓(xùn)練得到所述決策樹。其中，可以對(duì)歷史搶購數(shù)據(jù)進(jìn)行歸一化處理，例如，用戶瀏覽商品頁五次及以上，就設(shè)定為1，如果低于五次就設(shè)定為0，用戶訪問了產(chǎn)品頁設(shè)置為1，用戶未訪問產(chǎn)品頁設(shè)置為0等等，即，為每個(gè)維度的屬性設(shè)置0和1的數(shù)據(jù)值，以作為決策樹的輸入數(shù)據(jù)。因?yàn)椴煌S度的數(shù)據(jù)之間有時(shí)是存在依賴關(guān)系的，例如，是否訪問產(chǎn)品頁，訪問產(chǎn)品頁的次數(shù)/時(shí)間之間是具備依賴關(guān)系的。在進(jìn)行判斷和建立決策樹的時(shí)候，是先判斷是否訪問產(chǎn)品頁，再判斷訪問產(chǎn)品頁的次數(shù)/時(shí)間。因此，可以確定多個(gè)維度中各個(gè)維度之間的依賴關(guān)系；根據(jù)所述依賴關(guān)系，以所述歷史搶購數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)，訓(xùn)練得到所述決策樹。在進(jìn)行搶購成功率的決策樹的建立的時(shí)候，可以根據(jù)達(dá)到葉子節(jié)點(diǎn)的路徑的長(zhǎng)短，設(shè)置搶購成功率，例如，路徑越長(zhǎng)，則成功率越低，路徑越長(zhǎng)，則成功率越高。在上例中，為了解決現(xiàn)有的購買用戶人群和優(yōu)質(zhì)商品供需不平衡的情況下，為了保證用戶有均等機(jī)會(huì)獲取到購買優(yōu)質(zhì)商品或者新品的時(shí)候，在購買頁以及后臺(tái)業(yè)務(wù)服務(wù)器采用均等幾率的方式設(shè)置保證用戶的均等購買機(jī)會(huì)，但在黃牛利用技術(shù)優(yōu)勢(shì)通過搶購軟件多主機(jī)、多ip等方式進(jìn)行高并發(fā)訪問，會(huì)損害忠實(shí)用戶的購買成功率而達(dá)成看似公平，實(shí)際是不公平的，且忠實(shí)用戶的訂單付款率是比黃牛的付款率要高的多的問題，本例通過設(shè)置決策樹的方式，為不同的用戶匹配到不同的購買成功率，從而使得購買意愿更好地忠實(shí)用戶可以有更高的搶購到商品的概率。本發(fā)明第三實(shí)施例提供了一種數(shù)據(jù)處理方法，以提高忠實(shí)用戶購買成功率，該方法用于在電商領(lǐng)域搶購環(huán)節(jié)提高商品訂單的付款率，同時(shí)降低黃牛使用技術(shù)優(yōu)勢(shì)的刷單成功率。具體的，通過設(shè)置不同用戶群體的購買成功率來提高相應(yīng)忠實(shí)用戶的購買成功率。通過引入歷史用戶購買記錄數(shù)據(jù)及相應(yīng)的各個(gè)影響用戶購買意愿的因子的相關(guān)測(cè)試數(shù)據(jù)，通過決策樹算法構(gòu)建相應(yīng)的決策樹，建立預(yù)測(cè)模型，同時(shí)結(jié)合當(dāng)前用戶各個(gè)影響因子的相關(guān)數(shù)據(jù)，計(jì)算出到相應(yīng)子節(jié)點(diǎn)的路徑和子節(jié)點(diǎn)的結(jié)果集，通過讀取路徑值和結(jié)果，設(shè)置相應(yīng)的成功率，最終實(shí)現(xiàn)提高忠實(shí)用戶的購買成功率。其中，通過引入測(cè)試數(shù)據(jù)和決策樹算法得到預(yù)測(cè)模型可以如圖8所示，包括如下步驟：步驟1：引入用戶數(shù)據(jù)各個(gè)影響因子，例如：登陸次數(shù)超過幾次、是否有訪問產(chǎn)品頁，訪問次數(shù)，訪問總時(shí)長(zhǎng)，是否有訪問論壇，是否有關(guān)注公眾號(hào)等影響用戶購買意愿的因子；步驟2：加載當(dāng)前影響因子的相關(guān)數(shù)據(jù)，例如：各個(gè)用戶的登陸次數(shù)或者訪問時(shí)長(zhǎng)；步驟3：遍歷當(dāng)前影響因子的各個(gè)用戶的數(shù)據(jù)值，并進(jìn)行數(shù)據(jù)歸一化處理，因?yàn)楦鱾€(gè)維度的取值是沒有限定的，為了統(tǒng)一各個(gè)維度的數(shù)值范圍，可以對(duì)各個(gè)維度的數(shù)值進(jìn)行歸一化處理；例如：用戶登陸次數(shù)超過5次為1，少于5次為0，超過10次為2，訪問時(shí)長(zhǎng)超過半小時(shí)為1，少于半小時(shí)為0，超過1小時(shí)為2；步驟4：錄入數(shù)據(jù)，并檢測(cè)當(dāng)前影響因子相關(guān)數(shù)據(jù)是否讀取完畢，如果讀取完畢，則進(jìn)入到下一個(gè)影響因子相關(guān)參數(shù)讀??；步驟5：如果當(dāng)前影響因子是最后一個(gè)，且數(shù)據(jù)已讀取完畢，則加載相關(guān)用戶的購買數(shù)據(jù)，用1和0進(jìn)行表示；步驟6：使用決策樹算法，可以采用id3\c4.5\cart，且不僅限于當(dāng)前所屬算法類型，c4.5可以對(duì)樹進(jìn)行剪枝，合并相鄰的無法產(chǎn)生大量信息增益的葉節(jié)點(diǎn)，以消除過度匹配的問題；步驟7：通過決策樹算法構(gòu)建由各個(gè)影響因子組成的決策樹預(yù)測(cè)模型，其中，根節(jié)點(diǎn)和中間節(jié)點(diǎn)由相應(yīng)的影響因子組成，葉子節(jié)點(diǎn)表示相應(yīng)影響因子最終的結(jié)果集，例如：用戶已購買或用戶沒有購買的數(shù)據(jù)。當(dāng)通過歷史測(cè)試數(shù)據(jù)導(dǎo)入相關(guān)影響因子的數(shù)值后，建立相應(yīng)的決策樹預(yù)測(cè)模型，可以結(jié)合本次準(zhǔn)備進(jìn)行新品或搶購商品銷售的相關(guān)用戶各個(gè)維度數(shù)據(jù)，從而得出各個(gè)用戶到葉子節(jié)點(diǎn)的相應(yīng)路徑長(zhǎng)度和相應(yīng)結(jié)果值，從而計(jì)算相應(yīng)的購買成功率。具體的，可以如圖9所示，包括：步驟1：導(dǎo)入所有用戶的各個(gè)維度的相關(guān)數(shù)據(jù)；步驟2：循環(huán)遍歷每個(gè)用戶各個(gè)維度的數(shù)據(jù)，判斷當(dāng)前用戶是否在黃牛名單中，如果在黃牛名單中，則設(shè)置為黃牛權(quán)限，并計(jì)算出相應(yīng)的概率值；步驟3：依據(jù)決策樹預(yù)測(cè)模型，從根節(jié)點(diǎn)開始，讀取根節(jié)點(diǎn)因子對(duì)應(yīng)到用戶相關(guān)的因子數(shù)據(jù)，進(jìn)行判斷走向相應(yīng)的不同分支，走到下一個(gè)中間節(jié)點(diǎn)，在依據(jù)當(dāng)前中間節(jié)點(diǎn)的因子值讀取用戶相關(guān)的因子數(shù)據(jù)，繼續(xù)進(jìn)行不同分支的走向，依次類推，直至走到葉子節(jié)點(diǎn)，并得到相應(yīng)的結(jié)果集，其中，1表示已購買，0表示沒有購買；步驟4：判斷當(dāng)前的結(jié)果集(購買意愿)，如果是沒有購買意愿，則直接設(shè)置相應(yīng)的概率值，為普通權(quán)限，如果有購買意愿，則計(jì)算從根節(jié)點(diǎn)到葉節(jié)點(diǎn)的路徑長(zhǎng)度；步驟5：計(jì)算相應(yīng)的概率值，概率值的取值可參考結(jié)果集(購買意愿)、是否黃牛和路徑長(zhǎng)度結(jié)合使用，購買意愿是已購買且路徑長(zhǎng)度最短的優(yōu)先級(jí)最高，沒有購買意愿的優(yōu)先級(jí)一般，如果是黃牛的話則優(yōu)先級(jí)最低，當(dāng)然還可以結(jié)合決策樹的信息增益計(jì)算相應(yīng)因子的比重得出概率值，概率值的取值范圍可依據(jù)上述多個(gè)因素，計(jì)算公式可以根據(jù)實(shí)際需要確定；步驟6：設(shè)置相應(yīng)用戶對(duì)應(yīng)的概率值并進(jìn)行存儲(chǔ)，存儲(chǔ)方式可采用key-value存儲(chǔ)系統(tǒng)或其他持久化緩存數(shù)據(jù)類型，以便后續(xù)在搶購期間讀取當(dāng)前用戶對(duì)應(yīng)的概率值使用，增加對(duì)高并發(fā)的容忍；步驟7：判斷是否所有用戶都已計(jì)算完畢，如果計(jì)算完畢，則結(jié)束整個(gè)流程。本發(fā)明第四實(shí)施例提供了一種數(shù)據(jù)處理設(shè)備，如圖10所示，可以包括：處理器1001、通信總線1002和存儲(chǔ)器1003，其中：所述通信總線1002用于實(shí)現(xiàn)處理器1001和存儲(chǔ)器1003之間的連接通信；所述處理器1001用于執(zhí)行存儲(chǔ)器1003中存儲(chǔ)的數(shù)據(jù)處理程序，以實(shí)現(xiàn)以下步驟：s1：獲取用戶多個(gè)維度的數(shù)據(jù)；s2：將所述用戶多個(gè)維度的數(shù)據(jù)輸入預(yù)先建立的決策樹中，得到所述用戶的搶購成功率；s3：根據(jù)確定的搶購成功率對(duì)所述用戶的搶購過程進(jìn)行控制。其中，多個(gè)維度可以包括以下至少之一：登陸次數(shù)、是否訪問了產(chǎn)品頁、對(duì)產(chǎn)品頁的訪問次數(shù)、對(duì)產(chǎn)品頁的訪問總時(shí)長(zhǎng)、是否訪問了產(chǎn)品論壇，?？紤]到在實(shí)際進(jìn)行購買成功率設(shè)定的時(shí)候，有時(shí)會(huì)有黃牛，為了避免黃牛的惡意刷單，綜合考慮到黃牛的用戶群體通常是以新用戶、不常登陸商家網(wǎng)站、不經(jīng)常瀏覽產(chǎn)品詳情頁等情況考慮，與一般的忠實(shí)用戶常訪問論壇、常登陸、?；钴S狀態(tài)的情況相比，這些表現(xiàn)形態(tài)是不同的。因此，可以引入各個(gè)用戶群體的不同活躍狀態(tài)，不同的訪問方式等各個(gè)維度的用戶表現(xiàn)形態(tài)，結(jié)合機(jī)器學(xué)習(xí)的監(jiān)督學(xué)習(xí)算法-決策樹算法，對(duì)用戶購買新品或優(yōu)質(zhì)商品的各個(gè)影響因子進(jìn)行數(shù)學(xué)建模，構(gòu)建預(yù)測(cè)模型，構(gòu)建出以影響因子為中間節(jié)點(diǎn)，結(jié)果集為子節(jié)點(diǎn)的決策樹，算出各個(gè)影響因子的權(quán)重。再結(jié)合導(dǎo)入當(dāng)前購買用戶群體的各個(gè)影響因子的相關(guān)數(shù)據(jù)值，從而計(jì)算出到相應(yīng)結(jié)果集的路徑值，從而得出各個(gè)用戶群體的購買成功率數(shù)值，最終達(dá)到實(shí)現(xiàn)提高忠實(shí)用戶購買優(yōu)質(zhì)商品或新品的成功率。對(duì)于其中的黃牛用戶，可以作為一個(gè)特定的人群，對(duì)于這種人群在識(shí)別出來之后，可以為這些人群設(shè)置一個(gè)預(yù)設(shè)的購買成功率，例如，為確定出的黃牛用戶設(shè)置一個(gè)購買成功率，這個(gè)購買成功率可以設(shè)置的較低，例如，設(shè)置為0.1。對(duì)于除了特定人群之外的用戶，可以是將這些用戶的多個(gè)維度的數(shù)據(jù)輸入至決策樹中，確定出這些用戶的搶購成功率。其中，決策樹可以是通過如下步驟建立的：s1：獲取歷史搶購數(shù)據(jù)，其中，所述歷史搶購數(shù)據(jù)包括多個(gè)用戶中各個(gè)用戶多個(gè)維度的數(shù)據(jù)，以及各個(gè)用戶是否購買的記錄；即，獲取當(dāng)前的電商平臺(tái)的歷史購買記錄數(shù)據(jù)，可以對(duì)這些數(shù)據(jù)進(jìn)行訓(xùn)練，從而得到一個(gè)決策樹，這個(gè)決策樹在輸入一個(gè)數(shù)據(jù)后，會(huì)得到一個(gè)結(jié)果。在本例中，向決策樹中輸入用戶的多個(gè)維度的數(shù)據(jù)，即可得到該用戶的購買成功率，以作為后續(xù)搶購的成功率設(shè)置標(biāo)準(zhǔn)。s2：以所述歷史搶購數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)，訓(xùn)練得到所述決策樹。其中，可以對(duì)歷史搶購數(shù)據(jù)進(jìn)行歸一化處理，例如，用戶瀏覽商品頁五次及以上，就設(shè)定為1，如果低于五次就設(shè)定為0，用戶訪問了產(chǎn)品頁設(shè)置為1，用戶未訪問產(chǎn)品頁設(shè)置為0等等，即，為每個(gè)維度的屬性設(shè)置0和1的數(shù)據(jù)值，以作為決策樹的輸入數(shù)據(jù)。因?yàn)椴煌S度的數(shù)據(jù)之間有時(shí)是存在依賴關(guān)系的，例如，是否訪問產(chǎn)品頁，訪問產(chǎn)品頁的次數(shù)/時(shí)間之間是具備依賴關(guān)系的。在進(jìn)行判斷和建立決策樹的時(shí)候，是先判斷是否訪問產(chǎn)品頁，再判斷訪問產(chǎn)品頁的次數(shù)/時(shí)間。因此，可以確定多個(gè)維度中各個(gè)維度之間的依賴關(guān)系；根據(jù)所述依賴關(guān)系，以所述歷史搶購數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)，訓(xùn)練得到所述決策樹。在進(jìn)行搶購成功率的決策樹的建立的時(shí)候，可以根據(jù)達(dá)到葉子節(jié)點(diǎn)的路徑的長(zhǎng)短，設(shè)置搶購成功率，例如，路徑越長(zhǎng)，則成功率越低，路徑越長(zhǎng)，則成功率越高。本發(fā)明第五實(shí)施例提供了一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，所述計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)存儲(chǔ)有一個(gè)或者多個(gè)程序，所述一個(gè)或者多個(gè)程序可被一個(gè)或者多個(gè)處理器執(zhí)行，以實(shí)現(xiàn)以下步驟：s1：獲取用戶多個(gè)維度的數(shù)據(jù)；s2：將所述用戶多個(gè)維度的數(shù)據(jù)輸入預(yù)先建立的決策樹中，得到所述用戶的搶購成功率；s3：根據(jù)確定的搶購成功率對(duì)所述用戶的搶購過程進(jìn)行控制。其中，多個(gè)維度可以包括以下至少之一：登陸次數(shù)、是否訪問了產(chǎn)品頁、對(duì)產(chǎn)品頁的訪問次數(shù)、對(duì)產(chǎn)品頁的訪問總時(shí)長(zhǎng)、是否訪問了產(chǎn)品論壇，?？紤]到在實(shí)際進(jìn)行購買成功率設(shè)定的時(shí)候，有時(shí)會(huì)有黃牛，為了避免黃牛的惡意刷單，綜合考慮到黃牛的用戶群體通常是以新用戶、不常登陸商家網(wǎng)站、不經(jīng)常瀏覽產(chǎn)品詳情頁等情況考慮，與一般的忠實(shí)用戶常訪問論壇、常登陸、?；钴S狀態(tài)的情況相比，這些表現(xiàn)形態(tài)是不同的。因此，可以引入各個(gè)用戶群體的不同活躍狀態(tài)，不同的訪問方式等各個(gè)維度的用戶表現(xiàn)形態(tài)，結(jié)合機(jī)器學(xué)習(xí)的監(jiān)督學(xué)習(xí)算法-決策樹算法，對(duì)用戶購買新品或優(yōu)質(zhì)商品的各個(gè)影響因子進(jìn)行數(shù)學(xué)建模，構(gòu)建預(yù)測(cè)模型，構(gòu)建出以影響因子為中間節(jié)點(diǎn)，結(jié)果集為子節(jié)點(diǎn)的決策樹，算出各個(gè)影響因子的權(quán)重。再結(jié)合導(dǎo)入當(dāng)前購買用戶群體的各個(gè)影響因子的相關(guān)數(shù)據(jù)值，從而計(jì)算出到相應(yīng)結(jié)果集的路徑值，從而得出各個(gè)用戶群體的購買成功率數(shù)值，最終達(dá)到實(shí)現(xiàn)提高忠實(shí)用戶購買優(yōu)質(zhì)商品或新品的成功率。對(duì)于其中的黃牛用戶，可以作為一個(gè)特定的人群，對(duì)于這種人群在識(shí)別出來之后，可以為這些人群設(shè)置一個(gè)預(yù)設(shè)的購買成功率，例如，為確定出的黃牛用戶設(shè)置一個(gè)購買成功率，這個(gè)購買成功率可以設(shè)置的較低，例如，設(shè)置為0.1。對(duì)于除了特定人群之外的用戶，可以是將這些用戶的多個(gè)維度的數(shù)據(jù)輸入至決策樹中，確定出這些用戶的搶購成功率。其中，決策樹可以是通過如下步驟建立的：s1：獲取歷史搶購數(shù)據(jù)，其中，所述歷史搶購數(shù)據(jù)包括多個(gè)用戶中各個(gè)用戶多個(gè)維度的數(shù)據(jù)，以及各個(gè)用戶是否購買的記錄；即，獲取當(dāng)前的電商平臺(tái)的歷史購買記錄數(shù)據(jù)，可以對(duì)這些數(shù)據(jù)進(jìn)行訓(xùn)練，從而得到一個(gè)決策樹，這個(gè)決策樹在輸入一個(gè)數(shù)據(jù)后，會(huì)得到一個(gè)結(jié)果。在本例中，向決策樹中輸入用戶的多個(gè)維度的數(shù)據(jù)，即可得到該用戶的購買成功率，以作為后續(xù)搶購的成功率設(shè)置標(biāo)準(zhǔn)。s2：以所述歷史搶購數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)，訓(xùn)練得到所述決策樹。其中，可以對(duì)歷史搶購數(shù)據(jù)進(jìn)行歸一化處理，例如，用戶瀏覽商品頁五次及以上，就設(shè)定為1，如果低于五次就設(shè)定為0，用戶訪問了產(chǎn)品頁設(shè)置為1，用戶未訪問產(chǎn)品頁設(shè)置為0等等，即，為每個(gè)維度的屬性設(shè)置0和1的數(shù)據(jù)值，以作為決策樹的輸入數(shù)據(jù)。因?yàn)椴煌S度的數(shù)據(jù)之間有時(shí)是存在依賴關(guān)系的，例如，是否訪問產(chǎn)品頁，訪問產(chǎn)品頁的次數(shù)/時(shí)間之間是具備依賴關(guān)系的。在進(jìn)行判斷和建立決策樹的時(shí)候，是先判斷是否訪問產(chǎn)品頁，再判斷訪問產(chǎn)品頁的次數(shù)/時(shí)間。因此，可以確定多個(gè)維度中各個(gè)維度之間的依賴關(guān)系；根據(jù)所述依賴關(guān)系，以所述歷史搶購數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)，訓(xùn)練得到所述決策樹。在進(jìn)行搶購成功率的決策樹的建立的時(shí)候，可以根據(jù)達(dá)到葉子節(jié)點(diǎn)的路徑的長(zhǎng)短，設(shè)置搶購成功率，例如，路徑越長(zhǎng)，則成功率越低，路徑越長(zhǎng)，則成功率越高。在上例中，為了解決現(xiàn)有的購買用戶人群和優(yōu)質(zhì)商品供需不平衡的情況下，為了保證用戶有均等機(jī)會(huì)獲取到購買優(yōu)質(zhì)商品或者新品的時(shí)候，在購買頁以及后臺(tái)業(yè)務(wù)服務(wù)器采用均等幾率的方式設(shè)置保證用戶的均等購買機(jī)會(huì)，但在黃牛利用技術(shù)優(yōu)勢(shì)通過搶購軟件多主機(jī)、多ip等方式進(jìn)行高并發(fā)訪問，會(huì)損害忠實(shí)用戶的購買成功率而達(dá)成看似公平，實(shí)際是不公平的，且忠實(shí)用戶的訂單付款率是比黃牛的付款率要高的多的問題，本例通過設(shè)置決策樹的方式，為不同的用戶匹配到不同的購買成功率，從而使得購買意愿更好地忠實(shí)用戶可以有更高的搶購到商品的概率。本發(fā)明提出的數(shù)據(jù)處理方法，通過設(shè)置決策樹的方式，將用戶多維度的數(shù)據(jù)輸入該決策樹，以生成針對(duì)各個(gè)用戶的購買成功率，因?yàn)閺挠脩舳嗑S度的數(shù)據(jù)來確定用戶的真實(shí)購買意愿，以確定用戶的購買成功率，從而解決了現(xiàn)有的搶購過程中購買成功率得不到控制，而導(dǎo)致有真實(shí)購買意愿的用戶無法完成購買的問題，達(dá)到了為不同的用戶匹配到不同的購買成功率，從而使得購買意愿更好的忠實(shí)用戶可以有更高的搶購到商品的概率，以提高搶購商品的交易成功率。需要說明的是，在本文中，術(shù)語“包括”、“包含”或者其任何其他變體意在涵蓋非排他性的包含，從而使得包括一系列要素的過程、方法、物品或者裝置不僅包括那些要素，而且還包括沒有明確列出的其他要素，或者是還包括為這種過程、方法、物品或者裝置所固有的要素。在沒有更多限制的情況下，由語句“包括一個(gè)……”限定的要素，并不排除在包括該要素的過程、方法、物品或者裝置中還存在另外的相同要素。上述本發(fā)明實(shí)施例序號(hào)僅僅為了描述，不代表實(shí)施例的優(yōu)劣。通過以上的實(shí)施方式的描述，本領(lǐng)域的技術(shù)人員可以清楚地了解到上述實(shí)施例方法可借助軟件加必需的通用硬件平臺(tái)的方式來實(shí)現(xiàn)，當(dāng)然也可以通過硬件，但很多情況下前者是更佳的實(shí)施方式?；谶@樣的理解，本發(fā)明的技術(shù)方案本質(zhì)上或者說對(duì)現(xiàn)有技術(shù)做出貢獻(xiàn)的部分可以以軟件產(chǎn)品的形式體現(xiàn)出來，該計(jì)算機(jī)軟件產(chǎn)品存儲(chǔ)在一個(gè)存儲(chǔ)介質(zhì)(如rom/ram、磁碟、光盤)中，包括若干指令用以使得一臺(tái)終端(可以是手機(jī)，計(jì)算機(jī)，服務(wù)器，空調(diào)器，或者網(wǎng)絡(luò)設(shè)備等)執(zhí)行本發(fā)明各個(gè)實(shí)施例所述的方法。上面結(jié)合附圖對(duì)本發(fā)明的實(shí)施例進(jìn)行了描述，但是本發(fā)明并不局限于上述的具體實(shí)施方式，上述的具體實(shí)施方式僅僅是示意性的，而不是限制性的，本領(lǐng)域的普通技術(shù)人員在本發(fā)明的啟示下，在不脫離本發(fā)明宗旨和權(quán)利要求所保護(hù)的范圍情況下，還可做出很多形式，這些均屬于本發(fā)明的保護(hù)之內(nèi)。當(dāng)前第1頁12當(dāng)前第1頁12