CN104915423B - 获取目标用户的方法和装置 - Google Patents
获取目标用户的方法和装置 Download PDFInfo
- Publication number
- CN104915423B CN104915423B CN201510317147.8A CN201510317147A CN104915423B CN 104915423 B CN104915423 B CN 104915423B CN 201510317147 A CN201510317147 A CN 201510317147A CN 104915423 B CN104915423 B CN 104915423B
- Authority
- CN
- China
- Prior art keywords
- user
- target user
- target
- prediction model
- sample
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明提供一种获取目标用户的方法和装置，通过建立目标用户的M个预测模型，将待测用户的用户特征的集合输入M个预测模型中，根据M个预测模型的预测结果，获取目标用户，向所述目标用户推送信息；由于预测模型中包含不同的用户特征的权重系数，即每个用户特征对判断是否为目标用户的影响程度不同，通过权重系数体现这种影响程度，因此，提高获取的目标用户的准确性，提高向目标用户进行信息推送的有效性。
Description
技术领域
本发明涉及计算机技术，尤其涉及一种获取目标用户的方法和装置。
背景技术
在很多领域，需要从大量的用户中分离出具有某种共性的用户，将需要分离出的具有某种共性的用户称为目标用户，获取目标用户之后，向目标用户推送信息，例如：推送广告、安全提示或节日问候等。
通常，通过建立一些规则，采用规则匹配的方式，将目标用户从大量的用户中分离出来。例如：目标用户应该满足两条规则：1、性别为男性；2、身高为175厘米以上，则将大量的用户中满足上述两条规则的用户与其他用户进行分离，以获得目标用户。
然而，采用上述方法，获取的目标用户的准确性不高，导致向目标用户进行信息推送的有效性不高。
发明内容
本发明提供一种获取目标用户的方法和装置，以提高获取目标用户的准确性，从而，提高向目标用户进行信息推送的有效性。
本发明第一方面提供一种获取目标用户的方法，包括：
建立目标用户的M个预测模型，所述预测模型中包含不同的用户特征的权重系数，所述M为大于等于1的整数；
将待测用户的用户特征的集合输入所述M个预测模型中，所述用户特征的集合包含待测用户的N个用户特征，所述N为大于等于1的整数；
根据所述M个预测模型的预测结果，获取目标用户；
向所述目标用户推送信息。
在上述实施例中，所述建立目标用户的M个预测模型，包括：
将第一样本和第i个第二样本，通过二分类算法，建立目标用户的第i个预测模型，其中，所述1≤i≤M且为整数，所述第一样本包含R个已知的目标用户的用户特征的集合，所述第二样本包含R个非目标用户的用户特征的集合，所述M个第二样本中每两个第二样本不相同，所述R为大于等于1的整数。
在上述实施例中，所述方法还包括：
获取所述R个已知的目标用户的特定用户特征，所述特定用户特征能够唯一标识所述目标用户；
将所述特定用户特征与数据库中存储的用户特征匹配，获取所述R个已知的目标用户的用户特征的集合。
在上述实施例中，所述根据所述M个预测模型的预测结果，获取目标用户，包括：
获取所述M个预测模型的预测结果中，L个预测结果为目标用户的待测用户为目标用户，其中，所述L与M的比值大于预设阈值。
在上述实施例中，所述二分类算法包括：
逻辑回归算法、决策树算法或支持向量机算法。
在上述实施例中，所述向所述目标用户推送信息，包括：
向所述目标用户推送广告。
本发明第二方面提供一种获取目标用户的装置，包括：
模型建立模块，用于建立目标用户的M个预测模型，所述预测模型中包含不同的用户特征的权重系数，所述M为大于等于1的整数；
输入模块，用于将待测用户的用户特征的集合输入所述M个预测模型中，所述用户特征的集合包含待测用户的N个用户特征，所述N为大于等于1的整数；
处理模块，用于根据所述M个预测模型的预测结果，获取目标用户；
推送模块，用于向所述目标用户推送信息。
在上述实施例中，所述模型建立模块具体用于将第一样本和第i个第二样本，通过二分类算法，建立目标用户的第i个预测模型，其中，所述1≤i≤M且为整数，所述第一样本包含R个已知的目标用户的用户特征的集合，所述第二样本包含R个非目标用户的用户特征的集合，所述M个第二样本中每两个第二样本不相同，所述R为大于等于1的整数。
在上述实施例中，所述处理模块还用于获取所述R个已知的目标用户的特定用户特征，所述特定用户特征能够唯一标识所述目标用户；将所述特定用户特征与数据库中存储的用户特征匹配，获取所述R个已知的目标用户的用户特征的集合。
在上述实施例中，所述处理模块具体用于获取所述M个预测模型的预测结果中，L个预测结果为目标用户的待测用户为目标用户，其中，所述L与M的比值大于预设阈值。
在上述实施例中，所述二分类算法包括：
逻辑回归算法、决策树算法或支持向量机算法。
本发明提供的获取目标用户的方法和装置，通过建立目标用户的M个预测模型，将待测用户的用户特征的集合输入M个预测模型中，根据M个预测模型的预测结果，获取目标用户，向所述目标用户推送信息。由于预测模型中包含不同的用户特征的权重系数，即每个用户特征对判断是否为目标用户的影响程度不同，通过权重系数体现这种影响程度，提高获取的目标用户的准确性，从而，提高向目标用户进行信息推送的有效性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明获取目标用户的装置实施例一的结构示意图；
图2为本发明获取目标用户的方法实施例一的流程示意图；
图3为本发明获取目标用户的方法实施例二的流程示意图；
图4为本发明获取目标用户的装置实施例二的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，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。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例例如能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
在获取目标用户时，由于不同的用户特征对判断是否为目标用户的影响程度不同，例如：目标用户为某应用程序(Application，以下简称：APP)的潜在用户，其中，性别权重系数为0.8，如果是男性，则0.8的可能性是该APP的潜在用户，年龄权重系数为0.2，如果是25～30之间，则有0.2的可能性是该APP的潜在用户。因此，本发明为了提高获取目标用户的准确率，考虑不同的用户特征对判断是否为目标用户的影响程度，通过建立目标用户的M个预测模块，预测模型中包含不同的用户特征的权重系数，其中，M为大于等于1的整数，从而，参考了不同的用户特征对判断是否为目标用户的影响程度，将待测用户的用户特征的集合输入M个预测模型中，所述用户特征的集合包含待测用户的N个用户特征，N为大于等于1的整数；根据所述M个预测模型的预测结果，获取目标用户，向目标用户推送信息，由于预测模型中包含不同的用户特征的权重系数，即每个用户特征对判断是否为目标用户的影响程度不同，通过权重系数体现这种影响程度，提高获取的目标用户的准确性，从而，提高向目标用户推送信息的有效性。例如：向目标用户推送广告、安全提示或节日问候等。
本发明的获取目标用户的方法可由获取目标用户的装置执行，获取目标用户的装置可以是服务器或计算机等，图1为本发明获取目标用户的装置实施例一的结构示意图；如图1所示，其包含处理器11，例如中央处理器(Central Processing Unit，简称：CPU)，存储器12，至少一个通信总线13以及运行在硬件之上的操作系统14。通信总线13用于实现元件之间的通信连接。存储器12可能包含高速随机存取存储器(Random-Access Memory，简称：RAM)，也可能还包括非易失性存储器(NonVolatile Memory，简称：NVM)，例如至少一个磁盘存储器，存储器中可以存储各种程序，用于完成各种处理功能以及实现本实施例的方法步骤。
本领域技术人员可以理解的是，图1所示获取目标用户的装置还可以包含其余各种可能的元件，本发明不做限定。其中，存储器12中存储有获取目标用户的方法的代码，处理器11用于执行存储器12中的代码。
下面以具体地实施例对本发明的技术方案进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例不再赘述。
图2为本发明获取目标用户的方法实施例一的流程示意图，如图2所示，本实施例的方法如下：
S201：建立目标用户的M个预测模型，所述预测模型中包含不同的用户特征的权重系数。
其中，M为大于等于1的整数。
收集大量的用户的数据，对每个用户的数据按照用户特征进行整理，每个用户对应至少一个用户特征，将整理后的数据按照一定的格式保存于数据库中。
获取R个已知的目标用户的特定用户特征，特定用户特征能够唯一标识所述目标用户；将所述特定用户特征与数据库中存储的用户特征匹配，获取所述R个已知的目标用户的用户特征的集合。
例如：目标用户为某APP的潜在用户，则获取已经下载该APP的用户，例如：可以获取到已知用户的特定用户特征，例如：终端ID，然后，将已知用户的终端ID与数据库中的用户特征进行匹配，得到该用户的其他的用户特征。
将获取所有用户特征的已知目标用户作为第一样本，在数据库中获取与已知目标用户数量相等的非已知目标用户的用户特征作为第二样本，可以获取多个第二样本，多个第二样本中每两个第二样本不同，具体可以完全不同，也可以部分不同，对此，不做限制，只要第二样本是非目标用户即可。将第一样本和第i个第二样本，通过二分类算法，建立目标用户的第i个预测模型，其中，所述1≤i≤M且为整数，所述第一样本包含R个已知的目标用户的用户特征的集合，所述第二样本包含R个非目标用户的用户特征的集合，所述M个第二样本中每两个第二样本不相同，所述R为大于等于1的整数。其中，二分类算法包括：逻辑回归算法、决策树算法或支持向量机算法。
S202：将待测用户的用户特征的集合输入M个预测模型中，用户特征的集合包含待测用户的N个用户特征。
N为大于等于1的整数。
每个预测模型会输出一个预测结果，预测结果可能相同也可能不同。
S203：根据M个预测模型的预测结果，获取目标用户。
获取所述M个预测模型的预测结果中，L个预测结果为目标用户的待测用户为目标用户，其中，L与M的比值大于预设阈值。
通常预设阈值取1/2，或大于等于1/2小于等于1的值。
例如：10个预测模型中，有6个预测模型的预测结果为是目标用户，有4个预测模型的预测结果为非目标用户，则确定待测用户为目标用户。
S204：向目标用户推送信息。
例如：向目标用户推送广告、推送安全提示或者节日问候等。
本实施例，通过建立目标用户的M个预测模型，将待测用户的用户特征的集合输入M个预测模型中，根据M个预测模型的预测结果，获取目标用户，由于预测模型中包含不同的用户特征的权重系数，即每个用户特征对判断是否为目标用户的影响程度不同，通过权重系数体现这种影响程度，因此，提高获取的目标用户的准确性，从而，提高了向目标用户推送信息的有效性。
图3为本发明获取目标用户的方法实施例二的流程示意图，如图3所示，
其中，S301和S302的步骤描述获取第一样本的R个已知的目标用户的用户特征的集合的实现方式，S303描述根据第一样本和第二样本建立目标用户的预测模型的实现方式；S304：将待测用户的用户特征的集合输入到S303建立的M个预测模型中；S305描述如何根据M个预测结果确定目标用户是否为目标用户；S306描述向所述目标用户推送信息。
具体如下：
S301：获取R个已知的目标用户的特定用户特征。
其中，特定用户特征能够唯一标识目标用户，R为大于等于1的整数。
例如：目标用户为某APP的潜在用户，则获取已经下载该APP的用户作为已知目标用户，可以获取到已知用户的特定用户特征为终端ID。
S302：将特定用户特征与数据库中存储的用户特征匹配，获取R个已知的目标用户的用户特征的集合。
将已知用户的终端ID与数据库中的用户特征进行匹配，得到该用户的其他的用户特征。
S303：将第一样本和第i个第二样本，通过二分类算法，建立目标用户的第i个预测模型。
其中，1≤i≤M且为整数，第一样本包含S302中获取的R个已知的目标用户的用户特征的集合，第二样本包含R个非目标用户的用户特征的集合，M个第二样本中每两个第二样本不相同。预测模型中包含不同的用户特征的权重系数，即每个用户特征对判断是否为目标用户的影响程度不同，通过权重系数体现这种影响程度，因此，提高获取的目标用户的准确性，避免了将信息推送给非目标用户，从而，提高了向目标用户推送信息的有效性。
将获取所有用户特征的已知目标用户作为第一样本，在数据库中获取与已知目标用户数量相等的非已知目标用户的用户特征作为第二样本，可以获取多个第二样本，多个第二样本中每两个第二样本不同，具体可以完全不同，也可以部分不同，对此，不做限制，只要第二样本是非目标用户即可。
其中，二分类算法包括：逻辑回归算法、决策树算法或支持向量机算法等。
S304：将待测用户的用户特征的集合输入M个预测模型中。
用户特征的集合包含待测用户的N个用户特征，N为大于等于1的整数。
每个预测模型会输出一个预测结果，总共可以得到M个预测结果，M个预测结果可能相同也可能不同。
S305：获取M个预测模型的预测结果中，L个预测结果为目标用户的待测用户为目标用户。
其中，L与M的比值大于预设阈值。
通常预设阈值取1/2，或大于等于1/2小于等于1的值。
例如：10个预测模型中，有6个预测模型的预测结果为是目标用户，有4个预测模型的预测结果为非目标用户，则确定待测用户为目标用户。
S306：向目标用户推送信息。
可以向目标用户推送广告、推送安全提示或者接入问候等。
例如：目标用户为某种汽车的潜在购买用户，则已知的目标用户可以是已经购买了该种汽车的用户；通过上述方法获取目标用户，然后向目标用户推送汽车广告等。对此，本发明不作限制。
本实施例中，通过获取R个已知的目标用户的特定用户特征，将特定用户特征与数据库中存储的用户特征匹配，获取R个已知的目标用户的用户特征的集合，将第一样本和第i个第二样本，通过二分类算法，建立目标用户的第i个预测模型，预测模型中包含不同的用户特征的权重系数，将待测用户的用户特征的集合输入M个预测模型中，获取M个预测模型的预测结果中，L个预测结果为目标用户的待测用户为目标用户，向目标用户推送信息。由于预测模型中包含不同的用户特征的权重系数，即每个用户特征对判断是否为目标用户的影响程度不同，通过权重系数体现这种影响程度，因此，提高获取的目标用户的准确性，从而，提高了向目标用户推送信息的有效性。
在上述各实施例中，获取目标用户之后，除了用于进行信息推送之外，还可以在进行产品设计时，根据目标用户的身高设计产品的尺寸，根据目标用户的体重，设计产品的承重力等。
图4为本发明获取目标用户的装置实施例二的结构示意图，本实施例的装置包括模型建立模块401、输入模块402和处理模块403和推送模块404，其中，模型建立模块401用于建立目标用户的M个预测模型，所述预测模型中包含不同的用户特征的权重系数，所述M为大于等于1的整数；输入模块402用于将待测用户的用户特征的集合输入所述M个预测模型中，所述用户特征的集合包含待测用户的N个用户特征，所述N为大于等于1的整数；处理模块403用于根据所述M个预测模型的预测结果，获取目标用户；推送模块404用于向目标用户推送信息。
在上述实施例中，所述模型建立模块401具体用于将第一样本和第i个第二样本，通过二分类算法，建立目标用户的第i个预测模型，其中，所述1≤i≤M且为整数，所述第一样本包含R个已知的目标用户的用户特征的集合，所述第二样本包含R个非目标用户的用户特征的集合，所述M个第二样本中每两个第二样本不相同，所述R为大于等于1的整数。
在上述实施例中，所述处理模块403还用于获取所述R个已知的目标用户的特定用户特征，所述特定用户特征能够唯一标识所述目标用户；将所述特定用户特征与数据库中存储的用户特征匹配，获取所述R个已知的目标用户的用户特征的集合。
在上述实施例中，所述处理模块403具体用于获取所述M个预测模型的预测结果中，L个预测结果为目标用户的待测用户为目标用户，其中，所述L与M的比值大于预设阈值。
在上述实施例中，所述二分类算法包括：逻辑回归算法、决策树算法或支持向量机算法。
在上述实施例中，推送模块404具体用于向目标用户推送广告。
上述实施例的装置，对应地可用于执行图2所示方法实施例的技术方案，其实现原理类似，此处不再赘述。
通过模型建立模块，建立目标用户的M个预测模型，将待测用户的用户特征的集合输入M个预测模型中，根据M个预测模型的预测结果，获取目标用户，向目标用户推送信息，由于预测模型中包含不同的用户特征的权重系数，即每个用户特征对判断是否为目标用户的影响程度不同，通过权重系数体现这种影响程度，因此，提高获取的目标用户的准确性，提高了向目标用户推送信息的有效性。
本领域普通技术人员可以理解：实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时，执行包括上述各方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (8)
1.一种获取目标用户的方法，其特征在于，包括：
建立目标用户的M个预测模型，所述预测模型中包含不同的用户特征的权重系数，所述M为大于等于1的整数；
将待测用户的用户特征的集合输入所述M个预测模型中，所述用户特征的集合包含待测用户的N个用户特征，所述N为大于等于1的整数；
根据所述M个预测模型的预测结果，获取目标用户；
向所述目标用户推送信息；
所述建立目标用户的M个预测模型，包括：
将第一样本和第i个第二样本，通过二分类算法，建立目标用户的第i个预测模型，其中，所述1≤i≤M且为整数，所述第一样本包含R个已知的目标用户的用户特征的集合，所述第二样本包含R个非目标用户的用户特征的集合，所述M个第二样本中每两个第二样本不相同，所述R为大于等于1的整数。
2.根据权利要求1所述的方法，其特征在于，还包括：
获取所述R个已知的目标用户的特定用户特征，所述特定用户特征能够唯一标识所述目标用户；
将所述特定用户特征与数据库中存储的用户特征匹配，获取所述R个已知的目标用户的用户特征的集合。
3.根据权利要求1或2所述的方法，其特征在于，所述根据所述M个预测模型的预测结果，获取目标用户，包括：
获取所述M个预测模型的预测结果中，L个预测结果为目标用户的待测用户为目标用户，其中，所述L与M的比值大于预设阈值。
4.根据权利要求1所述的方法，其特征在于，所述二分类算法包括：
逻辑回归算法、决策树算法或支持向量机算法。
5.根据权利要求1或2所述的方法，其特征在于，所述向所述目标用户推送信息，包括：
向所述目标用户推送广告。
6.一种获取目标用户的装置，其特征在于，包括：
模型建立模块，用于建立目标用户的M个预测模型，所述预测模型中包含不同的用户特征的权重系数，所述M为大于等于1的整数；
输入模块，用于将待测用户的用户特征的集合输入所述M个预测模型中，所述用户特征的集合包含待测用户的N个用户特征，所述N为大于等于1的整数；
处理模块，用于根据所述M个预测模型的预测结果，获取目标用户；
推送模块，用于向所述目标用户推送信息；
所述模型建立模块具体用于将第一样本和第i个第二样本，通过二分类算法，建立目标用户的第i个预测模型，其中，所述1≤i≤M且为整数，所述第一样本包含R个已知的目标用户的用户特征的集合，所述第二样本包含R个非目标用户的用户特征的集合，所述M个第二样本中每两个第二样本不相同，所述R为大于等于1的整数。
7.根据权利要求6所述的装置，其特征在于，所述处理模块还用于获取所述R个已知的目标用户的特定用户特征，所述特定用户特征能够唯一标识所述目标用户；将所述特定用户特征与数据库中存储的用户特征匹配，获取所述R个已知的目标用户的用户特征的集合。
8.根据权利要求6或7所述的装置，其特征在于，所述处理模块具体用于获取所述M个预测模型的预测结果中，L个预测结果为目标用户的待测用户为目标用户，其中，所述L与M的比值大于预设阈值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510317147.8A CN104915423B (zh) | 2015-06-10 | 2015-06-10 | 获取目标用户的方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510317147.8A CN104915423B (zh) | 2015-06-10 | 2015-06-10 | 获取目标用户的方法和装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN104915423A CN104915423A (zh) | 2015-09-16 |
| CN104915423B true CN104915423B (zh) | 2018-06-26 |
Family
ID=54084486
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510317147.8A Active CN104915423B (zh) | 2015-06-10 | 2015-06-10 | 获取目标用户的方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN104915423B (zh) |
Families Citing this family (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106611321B (zh) * | 2015-10-22 | 2020-09-25 | 百度在线网络技术（北京）有限公司 | 虚假手机号码的识别方法和装置 |
| CN105956122A (zh) * | 2016-05-03 | 2016-09-21 | 无锡雅座在线科技发展有限公司 | 对象属性的确定方法和装置 |
| CN106447384A (zh) * | 2016-08-31 | 2017-02-22 | 五八同城信息技术有限公司 | 确定目标用户的方法及装置 |
| CN107153907A (zh) * | 2017-03-22 | 2017-09-12 | 华为技术有限公司 | 一种评估视频业务的潜在用户的方法及相关装置 |
| CN107578294B (zh) * | 2017-09-28 | 2020-07-24 | 北京小度信息科技有限公司 | 用户行为预测方法、装置及电子设备 |
| CN109934605A (zh) * | 2017-12-15 | 2019-06-25 | 北京京东尚科信息技术有限公司 | 基于大数据的转化率提升的方法、装置、介质及电子设备 |
| CN108197654A (zh) * | 2018-01-03 | 2018-06-22 | 杭州贝嘟科技有限公司 | 基于svm算法的身材数据预测方法、装置、存储介质及设备 |
| CN108268934A (zh) * | 2018-01-10 | 2018-07-10 | 北京市商汤科技开发有限公司 | 基于深度学习的推荐方法和装置、电子设备、介质、程序 |
| CN110390605B (zh) * | 2019-07-25 | 2021-11-30 | 新奥（中国）燃气投资有限公司 | 一种改造方案推送方法及装置 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101616101A (zh) * | 2008-06-26 | 2009-12-30 | 阿里巴巴集团控股有限公司 | 一种用户信息过滤方法及装置 |
| CN102034186A (zh) * | 2009-09-29 | 2011-04-27 | 中国移动通信集团四川有限公司 | 移动通信系统中确定目标用户的装置和方法 |
| CN104090888A (zh) * | 2013-12-10 | 2014-10-08 | 深圳市腾讯计算机系统有限公司 | 一种用户行为数据的分析方法和装置 |
| CN104657373A (zh) * | 2013-11-20 | 2015-05-27 | 腾讯科技（上海）有限公司 | 一种应用信息推送方法和装置 |
-
2015
- 2015-06-10 CN CN201510317147.8A patent/CN104915423B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101616101A (zh) * | 2008-06-26 | 2009-12-30 | 阿里巴巴集团控股有限公司 | 一种用户信息过滤方法及装置 |
| CN102034186A (zh) * | 2009-09-29 | 2011-04-27 | 中国移动通信集团四川有限公司 | 移动通信系统中确定目标用户的装置和方法 |
| CN104657373A (zh) * | 2013-11-20 | 2015-05-27 | 腾讯科技（上海）有限公司 | 一种应用信息推送方法和装置 |
| CN104090888A (zh) * | 2013-12-10 | 2014-10-08 | 深圳市腾讯计算机系统有限公司 | 一种用户行为数据的分析方法和装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN104915423A (zh) | 2015-09-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104915423B (zh) | 获取目标用户的方法和装置 | |
| EP2991004B1 (en) | Method and apparatus for labeling training samples | |
| CN104951965B (zh) | 广告投放方法及装置 | |
| CN107146089A (zh) | 一种刷单识别方法及装置，电子设备 | |
| CN106484777A (zh) | 一种多媒体数据处理方法以及装置 | |
| CN108288181A (zh) | 一种优惠活动的生成方法、装置、终端设备及存储介质 | |
| CN110147967A (zh) | 风险防控方法及装置 | |
| CN104615779A (zh) | 一种Web文本个性化推荐方法 | |
| CN105335409A (zh) | 一种目标用户的确定方法、设备和网络服务器 | |
| CN105096152A (zh) | 一种基于商品热度的操作执行方法及装置 | |
| CN109118053A (zh) | 一种盗卡风险交易的识别方法和装置 | |
| CN110910209B (zh) | 一种数据处理方法、装置以及计算机可读存储介质 | |
| CN108475256A (zh) | 从同现矩阵生成特征嵌入 | |
| CN110298508A (zh) | 行为预测方法、装置及设备 | |
| CN103699614B (zh) | 一种确定下载资源时的默认保存路径的方法和装置 | |
| CN108305181A (zh) | 社交影响力确定、信息投放方法及装置、设备及存储介质 | |
| Al Shiam et al. | Credit Risk Prediction Using Explainable AI | |
| CN108121749A (zh) | 网站用户行为分析方法及装置 | |
| CN109582834A (zh) | 数据风险预测方法及装置 | |
| CN105593876B (zh) | 序列化流中的验证 | |
| JP5835802B2 (ja) | 購買予測装置、方法、及びプログラム | |
| CN108563648A (zh) | 数据显示方法和装置、存储介质及电子装置 | |
| CN104794636B (zh) | 基于用户显示评分的机型推荐方法 | |
| CN110019832A (zh) | 语言模型的获取方法和装置 | |
| CN104636119A (zh) | 用于处理混编指令的方法和设备 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |