CN106886486B - 用户终端使用属性的评估方法和装置 - Google Patents
用户终端使用属性的评估方法和装置 Download PDFInfo
- Publication number
- CN106886486B CN106886486B CN201710193123.5A CN201710193123A CN106886486B CN 106886486 B CN106886486 B CN 106886486B CN 201710193123 A CN201710193123 A CN 201710193123A CN 106886486 B CN106886486 B CN 106886486B
- Authority
- CN
- China
- Prior art keywords
- working day
- starting
- interval
- data
- user terminal
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/34—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment
- G06F11/3447—Performance evaluation by modeling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/34—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment
- G06F11/3452—Performance evaluation by statistical analysis
Landscapes
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Biology (AREA)
- Quality & Reliability (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Probability & Statistics with Applications (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Telephonic Communication Services (AREA)
Abstract
本发明实施例公开了一种用户终端使用属性的评估方法和装置;由上可知,本实施例采用获取用户终端在预设时间段内的开机数据、以及工作日划分规则,根据该工作日划分规则将开机数据划分为工作日开机数据和非工作日开机数据,然后,根据工作日开机数据和非工作日开机数据建立使用属性的评估模型,并基于该评估模型对用户终端的使用属性进行评估;该方案不仅实现简单,处理效率高,而且,可以增强评估模型的可靠性,大大提高评估结果的准确性。
Description
技术领域
本发明涉及通信技术领域,具体涉及一种用户终端使用属性的评估方法和装置。
背景技术
为了向用户提供更为合适的服务,现有的多数应用在对用户终端进行安全防护或提供其他功能时,一般需要将用户终端使用属性作为考量因素之一。所谓用户终端使用属性,指的是用户终端的使用特征类型,比如,该用户终端如个人计算机(PC,PersonalComputer)是办公类型的,还是家用类型的,等等。针对不同的用户终端使用属性,一般可以提供不同的服务,比如,对于办公类型的,可以尽量减少商业骚扰,并加强安全防护等级,而对于家用类型的,则可以适当增加一些游戏或娱乐方面的信息提醒,等等,因此,如何准确评估用户终端使用属性,具有积极的意义。
在现有技术中,一般可以通过用户终端中所安装的软件类型来判断该用户终端的使用属性。比如,如果该用户终端主要用于办公,那么,一般会安装有办公特性较强的软件,比如编程类或工业制图类的软件;而如果该用户终端主要用于家用,那么,一般会安装游戏、以及视频客户端等偏娱乐的软件;因此,可以通过获取该用户终端中所运行的进程,建立数学评分模型,并根据该数学评分模型对每一种软件进行加权评分后,基于该评分结果来预估该用户终端的使用属性。
在对现有技术的研究和实践过程中,本发明的发明人发现,由于现有多数软件的类型划分界限较为模糊,每个程序的进程命名规范也不同,而且,用户使用软件的习惯也较难确定,因此,现有方案不仅实现较为复杂,处理效率低,而且,其所建立的评分模型的可靠性也并不高,导致评估结果误差较大。
发明内容
本发明实施例提供一种用户终端使用属性的评估方法和装置,不仅实现简单,处理效率高,而且,可以增强评估模型的可靠性,大大提高评估结果的准确性。
本发明实施例提供一种用户终端使用属性的评估方法,包括:
获取用户终端在预设时间段内的开机数据、以及工作日划分规则;
根据所述工作日划分规则将所述开机数据划分为工作日开机数据和非工作日开机数据;
根据所述工作日开机数据和非工作日开机数据建立使用属性的评估模型;
基于所述评估模型对所述用户终端的使用属性进行评估。
相应的,本发明实施例还提供一种用户终端使用属性的评估装置,包括:
获取单元,用于获取用户终端在预设时间段内的开机数据、以及工作日划分规则;
划分单元,用于根据所述工作日划分规则将所述开机数据划分为工作日开机数据和非工作日开机数据;
建立单元,用于根据所述工作日开机数据和非工作日开机数据建立使用属性的评估模型;
评估单元,用于基于所述评估模型对所述用户终端的使用属性进行评估。
本发明实施例采用获取用户终端在预设时间段内的开机数据、以及工作日划分规则,根据该工作日划分规则将开机数据划分为工作日开机数据和非工作日开机数据,然后,根据工作日开机数据和非工作日开机数据建立使用属性的评估模型,并基于该评估模型对用户终端的使用属性进行评估;由于不同的用户终端在不同的场所往往具有明确的分工,且其开机数据(如开机时间)与其使用属性也具有较为明确的关系,因此,通过本发明实施例所提供的方案,来对用户终端的使用属性进行评估的话,可以大大提高评估的准确性;而且,由于该方案只需获取开机数据,而无需提取软件进程等其他复杂的数据,因此,相对于现有方案而言,其实现也较为简单,可以提高处理效率;总而言之,该方案不仅实现简单,处理效率高,而且,可以增强评估模型的可靠性,大大提高评估结果的准确性。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例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,对于本领域技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1a是本发明实施例提供的用户终端使用属性的评估方法的场景示意图;
图1b是本发明实施例提供的用户终端使用属性的评估方法的流程图;
图2a是本发明实施例提供的用户终端使用属性的评估方法的另一流程图;
图2b是本发明实施例提供的用户终端使用属性的评估方法中处理流程的场景示意图;
图3a是本发明实施例提供的用户终端使用属性的评估装置的结构示意图;
图3b是本发明实施例提供的用户终端使用属性的评估装置的另一结构示意图;
图4是本发明实施例提供的服务器的结构示意图。
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,本领域技术人员在没有作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。
本发明实施例提供一种用户终端使用属性的评估方法和装置。
其中,该用户终端使用属性的评估装置具体可以集成在服务器,比如安全软件的服务器(简称安全服务器)等设备中。
例如,参见图1a,用户终端A、用户终端B,……,用户终端N等各个用户终端在开机时,可以将开机数据分别上报给安全服务器,由安全服务器对其保存,这样,若后续需要对某个用户终端,比如对用户终端A的使用属性进行评估时,安全服务器便可以获取用户终端A在预设时间段内(比如一个月内)的开机数据、以及工作日划分规则,根据该工作日划分规则将该开机数据划分为工作日开机数据和非工作日开机数据,然后,根据该工作日开机数据和非工作日开机数据建立使用属性的评估模型,并基于该评估模型对该用户终端的使用属性进行评估,比如可以根据评估模型确定该用户终端在工作日开机的评分是否高于在非工作日开机的评分,若是,则确定该用户终端的使用属性为办公,若否,则确定该用户终端的使用属性为家用,等等。
以下分别进行详细说明。需说明的是,以下实施例的序号不作为对实施例优选顺序的限定。
实施例一、
本实施例将从用户终端使用属性的评估装置的角度进行描述,该用户终端使用属性的评估装置具体可以集成在服务器,比如安全服务器等设备中。
一种用户终端使用属性的评估方法,包括:获取用户终端在预设时间段内的开机数据、以及工作日划分规则;根据该工作日划分规则将该开机数据划分为工作日开机数据和非工作日开机数据;根据该工作日开机数据和非工作日开机数据建立使用属性的评估模型;基于该评估模型对该用户终端的使用属性进行评估。
如图1b所示,该用户终端使用属性的评估方法的具体流程可以如下:
101、获取用户终端在预设时间段内的开机数据、以及工作日划分规则。
其中,开机数据的获取方式可以有多种,比如,可以直接向用户终端发送数据获取请求,并接收用户终端根据该数据获取请求返回的预设时间段内的开机数据;或者,也可以接收用户终端实时或定期发送的开机数据,并保存这些开机数据,在需要时,从保存的开机数据中获取预设时间段内的开机数据,等等。
其中,该开机数据指的是用户终端在启动时,所记录的启动用户终端的数据情况,包括开机时间、开机时用户终端中各硬件的运行状态、以及系统的运行状态等。该开机数据一般可以以二进制码位的方式来进行记录。
其中,工作日划分规则可以根据实际应用的需求预先进行设置,比如,一般可以设置每周的周一至周五为工作日,周六和周日为非工作日,或者,也可以设置每周的周一至周六为工作日,周日为非工作日,等等。为了描述方便,在本发明实施例中,将均以每周的周一至周五为工作日,周六和周日为非工作日为例进行说明。
102、根据该工作日划分规则将该开机数据划分为工作日开机数据和非工作日开机数据。
例如,具体可以根据该工作日划分规则确定工作日对应的日期、以及非工作日所对应的日期,然后,从开机数据中获取该工作日对应的日期所对应的数据,得到工作日开机数据,以及,从开机数据中获取该非工作日对应的日期所对应的数据,得到非工作日开机数据。
比如,若工作日划分规则为“每周的周一至周五为工作日,周六和周日为非工作日”,则此时,可以将每周的周一至周五所对应的开机数据划分为工作日开机数据,而将周六和周日所对应的开机数据划分为非工作日开机数据,以此类推,等等。
103、根据该工作日开机数据和非工作日开机数据建立使用属性的评估模型。
例如,可以分别根据工作日开机数据和非工作日开机数据建立工作日评分模型和非工作日评分模型,然后,在根据该工作日评分模型和非工作日评分模型建立用户终端的使用属性的评估模型,具体可以如下:
(1)根据该工作日开机数据建立工作日评分模型,例如,可以如下:
A、根据该工作日开机数据分析工作日的实际开机情况,得到工作日开机指数系数。
例如,具体可以将该工作日开机数据按照时间顺序划分为预设数量的工作日区间,从每个工作日区间中提取开机码位,并将提取的开机码位转换为十进制值,得到转换后工作日开机码位,然后,计算以2位底,该转换后工作日开机码位的对数,得到每个工作日区间对应的工作日开机指数系数。
比如,以预设时间段内为一个月内,且工作日为每周的周一至周五为例,则此时,可以将该工作日开机数据划分为5个工作日区间,分别如下:
第一个工作日区间:第一个周一至周五所对应的工作日开机数据;
第二个工作日区间:第二个周一至周五所对应的工作日开机数据;
第三个工作日区间:第三个周一至周五所对应的工作日开机数据;
第四个工作日区间:第四个周一至周五所对应的工作日开机数据;
第五个工作日区间:这个月其余的工作日开机数据。
在得到工作日区间之后,可以分别从每个工作日区间中提取开机码位,并将提取的开机码位转换为十进制值,得到转换后工作日开机码位,然后,根据每个工作日区间所对应的转换后工作日开机码位计算相应的工作日开机指数系数。
B、获取预设的第一评判矩阵,根据该第一评判矩阵对工作日开机的概率进行估算,得到工作日评判矩阵系数。
例如,具体可以获取非工作日区间和工作日区间,根据该第一评判矩阵,对每个非工作日区间与每个工作日区间两两之间的关系进行评分,并根据评分计算每个非工作日区间的分数,将该非工作日区间的分数除以所有非工作日区间的分数之和,便可得到每个工作日区间所对应的工作日评判矩阵系数。
其中,该非工作日区间由非工作日开机数据按照时间顺序划分而得到,而工作日区间则由工作日开机数据按照时间顺序划分而得到。
其中,第一评判矩阵(也称为非工作日-工作日评判矩阵)可以根据实际应用的需求进行设置,在此不再赘述。
C、根据该工作日开机数据、工作日开机指数系数、以及工作日评判矩阵系数建立工作日评分模型。
例如,具体可以计算每个工作日区间所对应的工作日评判矩阵系数与相应工作日开机数据的乘积,得到每个工作日区间对应的乘积,并统计所有工作日区间对应的乘积之和,得到第一值;计算工作日开机指数系数与预设数值的商,得到每个工作日区间对应的商,并统计所有工作日区间对应的商之和,得到第二值;计算第一值与第二值的和,得到工作日评分模型。
其中,该预设数值可以根据实际应用的需求进行设置,比如,可以设置为“1000”,等等。
(2)根据该非工作日开机数据建立非工作日评分模型,例如,可以如下:
A、根据该非工作日开机数据分析非工作日的实际开机情况,得到非工作日开机指数系数。
例如,具体可以将该非工作日开机数据按照时间顺序划分为预设数量的非工作日区间,从每个非工作日区间中提取开机码位,并将提取的开机码位转换为十进制值,得到转换后非工作日开机码位,计算以2位底,该转换后非工作日开机码位的对数,得到每个非工作日区间对应的非工作日开机指数系数。
比如,以预设时间段内为一个月内,且非工作日为每周的周六和周日为例,则此时,可以将该非工作日开机数据划分为5个非工作日区间,分别如下:
第一个非工作日区间:第一个周六和周日所对应的工作日开机数据;
第二个非工作日区间:第二个周六和周日所对应的工作日开机数据;
第三个非工作日区间:第三个周六和周日所对应的工作日开机数据;
第四个非工作日区间:第四个周六和周日所对应的工作日开机数据;
第五个非工作日区间:这个月其余的非工作日开机数据。
在得到非工作日区间之后,可以分别从每个非工作日区间中提取开机码位,并将提取的开机码位转换为十进制值,得到转换后非工作日开机码位,然后,根据每个工作日区间所对应的转换后工作日开机码位计算相应的工作日开机指数系数。
B、获取预设的第二评判矩阵,根据该第二评判矩阵对非工作日开机的概率进行估算,得到工非作日评判矩阵系数。
例如,具体可以获取工作日区间和非工作日区间,根据该第二评判矩阵,对每个工作日区间与每个非工作日区间两两之间的关系进行评分,并根据评分计算每个工作日区间的分数,将该工作日区间的分数除以所有工作日区间的分数之和,得到每个非工作日区间所对应的非工作日评判矩阵系数。
其中,该非工作日区间由非工作日开机数据按照时间顺序划分而得到,而工作日区间则由工作日开机数据按照时间顺序划分而得到。
其中,第二评判矩阵(也称为工作日-非工作日评判矩阵)可以根据实际应用的需求进行设置,在此不再赘述。
C、根据该非工作日开机数据、非工作日开机指数系数、以及非工作日评判矩阵系数建立非工作日评分模型。
例如,具体可以计算每个非工作日区间所对应的非工作日评判矩阵系数与相应非工作日开机数据的乘积,得到每个非工作日区间对应的乘积,并统计所有非工作日区间对应的乘积之和,得到第三值;计算非工作日开机指数系数与预设数值的商,得到每个非工作日区间对应的商,并统计所有非工作日区间对应的商之和,得到第四值;计算第三值与第四值的和,得到非工作日评分模型。
其中,该预设数值可以根据实际应用的需求进行设置,比如,可以设置为“1000”,等等。
(3)通过预设对比函数对该工作日评分模型和非工作日评分模型进行对比,得到使用属性的评估模型。
例如,以对比函数为compare{a,b}为例,则该使用属性的评估模型可以为:
compare[weekday_score,weekend_score]。
其中,weekday_score为工作日评分模型,weekend_score为非工作日评分模型。
104、基于该评估模型对该用户终端的使用属性进行评估。
例如,具体可以根据评估模型确定该用户终端在工作日开机的评分与非工作日开机的评分的比值是否满足预设条件,若是,则确定该用户终端的使用属性为办公;若否,则确定该用户终端的使用属性为家用,等等。
其中,该预设条件可以根据实际应用的需求进行设置,比如,可以设置为“大于预设阈值”,即可以根据该评估模型确定该用户终端在工作日开机的评分与非工作日开机的评分的比值大于预设阈值,若是,则确定该用户终端的使用属性为办公;若否,则确定该用户终端的使用属性为家用;或者,该预设条件也可以设置为“满足预设函数关系”,等等,在此不再赘述。
由上可知,本实施例采用获取用户终端在预设时间段内的开机数据、以及工作日划分规则,根据该工作日划分规则将开机数据划分为工作日开机数据和非工作日开机数据,然后,根据工作日开机数据和非工作日开机数据建立使用属性的评估模型,并基于该评估模型对用户终端的使用属性进行评估;由于不同的用户终端在不同的场所往往具有明确的分工,且其开机数据(如开机时间)与其使用属性也具有较为明确的关系,因此,通过本发明实施例所提供的方案,来对用户终端的使用属性进行评估的话,可以大大提高评估的准确性;而且,由于该方案只需获取开机数据,而无需提取软件进程等其他复杂的数据,因此,相对于现有方案而言,其实现也较为简单,可以提高处理效率;总而言之,该方案不仅实现简单,处理效率高,而且,可以增强评估模型的可靠性,大大提高评估结果的准确性。
实施例二、
根据实施例一所描述的方法,以下将举例作进一步详细说明。
在本实施例中,将以该用户终端使用属性的评估装置具体集成在安全服务器中,且工作日为每一周的周一至周五,非工作日为每一周的周六和周日为例进行说明。
如图2a所示,一种用户终端使用属性的评估方法,具体流程可以如下:
201、安全服务器获取用户终端在预设时间段内的开机数据、以及工作日划分规则。
其中,该开机数据指的是用户终端在启动时,所记录的启动用户终端的数据情况,包括开机时间、开机时用户终端中各硬件的运行状态、以及系统的运行状态等。该开机数据一般可以以二进制码位的方式来进行记录。该开机数据的获取方式可以有多种,比如,安全服务器可以向用户终端发送数据获取请求,并接收用户终端根据该数据获取请求返回的预设时间段内的开机数据;或者,安全服务器也可以接收用户终端实时或定期发送的开机数据,并保存这些开机数据,在需要时,从保存的开机数据中获取预设时间段内的开机数据,等等。
其中,工作日划分规则可以根据实际应用的需求预先进行设置,在本实施例中,将均以每周的周一至周五为工作日,周六和周日为非工作日为例进行说明。
202、安全服务器根据该工作日划分规则将该开机数据划分为工作日开机数据和非工作日开机数据。
例如,参见图2b,若工作日划分规则为“每周的周一至周五为工作日,周六和周日为非工作日”,则此时,可以将每周的周一至周五所对应的开机数据划分为工作日开机数据,而将周六和周日所对应的开机数据划分为非工作日开机数据,以此类推,等等。
203、安全服务器根据该工作日开机数据建立工作日评分模型,参见图2b。
其中,建立工作日评分模型的方式可以有多种,例如,具体可以如下:
(1)安全服务器根据该工作日开机数据分析工作日的实际开机情况,得到工作日开机指数系数。
例如,安全服务器可以将该工作日开机数据按照时间顺序划分为预设数量的工作日区间,从每个工作日区间中提取开机码位,并将提取的开机码位转换为十进制值,得到转换后工作日开机码位,然后,计算以2位底,该转换后工作日开机码位的对数,得到每个工作日区间对应的工作日开机指数系数。
比如,以预设时间段内为一个月内,且工作日为每周的周一至周五为例,则此时,具体可以将一个月中的工作日以五天作为一个时间段来进行区分,划分为一个月中第一个周一至周五、第二个周一至周五、第三个周一至周五、第四个周一至周五、以及剩下的其他工作日,即可以将该工作日开机数据划分为5个工作日区间,分别如下:
第一个工作日区间:第一个周一至周五所对应的工作日开机数据;
第二个工作日区间:第二个周一至周五所对应的工作日开机数据;
第三个工作日区间:第三个周一至周五所对应的工作日开机数据;
第四个工作日区间:第四个周一至周五所对应的工作日开机数据;
第五个工作日区间:这个月其余的工作日开机数据。
在得到工作日区间之后,安全服务器可以分别从每个工作日区间中提取开机码位并进行记录,比如,若提取出的开机码位记录为“pcstart_mask_weekday”,为二进制码位,则此时,可以分别记录下上述五个工作日区间的工作日开机码位,具体如表一所示。
表一:
其中,bit_count为SQL中对码位的计算函数,用户计算码位中1的个数,例如bit_count(52)=bit_count(110100)=3。“>>”表示位运算中的右移运算;而d表示当前日期。
此后,安全服务器将记录的开机码位转换为十进制值,得到转换后工作日开机码位,比如,若从工作日区间中所提取出的开机码位记录为“pcstart_mask_weekday”,为二进制码位,则此时,可以将上述五个工作日区间的“pcstart_mask_weekday”转换为十进制值,得到转换后工作日开机码位,然后,根据每个工作日区间所对应的转换后工作日开机码位计算相应的工作日开机指数系数,例如,可以参见表二。
表二:
记录值中文说明 | 计算方法(工作日开机指数系数) |
第一个工作日区间 | log<sub>2</sub>(bit2dec((pcstart_mask_weekday>>(d-4))&31)) |
第二个工作日区间 | log<sub>2</sub>(bit2dec((pcstart_mask_weekday>>(d-9))&31)) |
第三个工作日区间 | log<sub>2</sub>(bit2dec((pcstart_mask_weekday>>(d-14))&31)) |
第四个工作日区间 | log<sub>2</sub>(bit2dec((pcstart_mask_weekday>>(d-19))&31)) |
第五个工作日区间 | log<sub>2</sub>(bit2dec((pcstart_mask_weekday>>(d-24))&31)) |
其中,bit2dec表示将二进制数转换为十进制数的运算,例如,bit2dec(11111)=31,等等。
其中,bit_count((pcstart_mask_weekday>>(d-4))&31)为第一个工作日区间所对应的工作日开机码位;
bit_count((pcstart_mask_weekday>>(d-9))&31)为第二个工作日区间所对应的工作日开机码位;
bit_count((pcstart_mask_weekday>>(d-14))&31)为第三个工作日区间所对应的工作日开机码位;
bit_count((pcstart_mask_weekday>>(d-19))&31)为第四个工作日区间所对应的工作日开机码位;
bit_count((pcstart_mask_weekday>>(d-24))&31)为第五个工作日区间所对应的工作日开机码位。
log2(bit2dec((pcstart_mask_weekday>>(d-4))&31))为第一个工作日区间所对应的工作日开机指数系数;
log2(bit2dec((pcstart_mask_weekday>>(d-9))&31))为第二个工作日区间所对应的工作日开机指数系数;
log2(bit2dec((pcstart_mask_weekday>>(d-14))&31))为第三个工作日区间所对应的工作日开机指数系数;
log2(bit2dec((pcstart_mask_weekday>>(d-19))&31))为第四个工作日区间所对应的工作日开机指数系数;
log2(bit2dec((pcstart_mask_weekday>>(d-24))&31))为第五个工作日区间所对应的工作日开机指数系数。
(2)安全服务器获取预设的第一评判矩阵,根据该第一评判矩阵对工作日开机的概率进行估算,得到工作日评判矩阵系数。
例如,安全服务器具体可以获取非工作日区间和工作日区间,根据该第一评判矩阵,对每个非工作日区间与每个工作日区间两两之间的关系进行评分,并根据评分计算每个非工作日区间的分数,将该非工作日区间的分数除以所有非工作日区间的分数之和,便可得到每个工作日区间所对应的工作日评判矩阵系数。
其中,该非工作日区间由非工作日开机数据按照时间顺序划分而得到,而工作日区间则由工作日开机数据按照时间顺序划分而得到。
其中,第一评判矩阵(也称为非工作日-工作日评判矩阵)可以根据实际应用的需求进行设置,比如,可以参见表三:
表三:
安全服务器可以根据该第一评判矩阵,对每个非工作日区间与每个工作日区间两两之间的关系进行评分,并根据评分计算每个非工作日区间的分数,将该非工作日区间的分数除以所有非工作日区间的分数之和,以计算每个非工作日区间的评分所对应的权重,参见表四。
表四:
可以将该非工作日区间的评分所对应的权重作为相应工作日区间所对应的工作日评判矩阵系数,比如,参见表四中的权重数值,则如表五所示,各个工作日区间所对应的工作日评判矩阵系数分别为:
表五:
工作日区间 | 工作日评判矩阵系数(w<sub>i</sub>) |
第一个工作日区间 | 0.36 |
第二个工作日区间 | 0.28 |
第三个工作日区间 | 0.2 |
第四个工作日区间 | 0.12 |
第五个工作日区间 | 0.04 |
其中,在本发明实施例中,将均以wi来表示工作日评判矩阵系数,比如,第一个工作日区间所对应的工作日评判矩阵系数则可表示为w1,第二个工作日区间所对应的工作日评判矩阵系数则可表示为w2,第三个工作日区间所对应的工作日评判矩阵系数则可表示为w3,第四个工作日区间所对应的工作日评判矩阵系数则可表示为w4,第五个工作日区间所对应的工作日评判矩阵系数则可表示为w5,以此类推,等等。
(3)安全服务器根据该工作日开机数据、工作日开机指数系数、以及工作日评判矩阵系数建立工作日评分模型。
例如,安全服务器具体可以计算每个工作日区间所对应的工作日评判矩阵系数与相应工作日开机数据的乘积,得到每个工作日区间对应的乘积,并统计所有工作日区间对应的乘积之和,得到第一值;计算工作日开机指数系数与预设数值的商,得到每个工作日区间对应的商,并统计所有工作日区间对应的商之和,得到第二值;计算第一值与第二值的和,得到工作日评分模型。
其中,该预设数值可以根据实际应用的需求进行设置,比如,可以设置为“1000”,等等。若该预设数值为“1000”,则该工作日评分模型可以用如下公式来表示:
其中,weekday_score为工作日评分模型,为第一值,为第二值;d表示当前日期;i为工作日区间的序号,比如,i=1表示第一个工作日区间,i=2表示第二个工作日区间,i=3表示第三个工作日区间,i=4表示第四个工作日区间,i=5表示第五个工作日区间,以此类推,等等。
204、安全服务器根据该非工作日开机数据建立非工作日评分模型,参见图2b。
其中,建立非工作日评分模型的方式可以有多种,例如,具体可以如下:
(1)安全服务器根据该非工作日开机数据分析非工作日的实际开机情况,得到非工作日开机指数系数。
例如,安全服务器具体可以将该非工作日开机数据按照时间顺序划分为预设数量的非工作日区间,从每个非工作日区间中提取开机码位,并将提取的开机码位转换为十进制值,得到转换后非工作日开机码位,计算以2位底,该转换后非工作日开机码位的对数,得到每个非工作日区间对应的非工作日开机指数系数。
比如,以预设时间段内为一个月内,且非工作日为每周的周六和周日为例,则此时,具体可以将一个月中的非工作日以两天作为一个时间段来进行区分,划分为一个月中第一个周六和周日、第二个周六和周日、第三个周六和周日、第四个周六和周日、以及这个月其余的非工作日,即可以将该非工作日开机数据划分为5个非工作日区间,分别如下:
第一个非工作日区间:第一个周六和周日所对应的工作日开机数据;
第二个非工作日区间:第二个周六和周日所对应的工作日开机数据;
第三个非工作日区间:第三个周六和周日所对应的工作日开机数据;
第四个非工作日区间:第四个周六和周日所对应的工作日开机数据;
第五个非工作日区间:这个月其余的非工作日开机数据。
在得到非工作日区间之后,安全服务器可以分别从每个非工作日区间中提取开机码位并进行记录,比如,若从非工作日区间中所提取出的开机码位记录为“pcstart_mask_weekend”,为二进制码位,则此时,可以分别记录下上述五个非工作日区间的非工作日开机码位,具体如表六所示。
表六:
记录值中文说明 | 计算方法(非工作日开机码位) |
第一个非工作日区间 | bit_count((pcstart_mask_weekend>>(d-4))&31) |
第二个非工作日区间 | bit_count((pcstart_mask_weekend>>(d-9))&31) |
第三个非工作日区间 | bit_count((pcstart_mask_weekend>>(d-14))&31) |
第四个非工作日区间 | bit_count((pcstart_mask_weekend>>(d-19))&31) |
第五个非工作日区间 | bit_count((pcstart_mask_weekend>>(d-24))&31) |
其中,bit_count为SQL中对码位的计算函数,用户计算码位中1的个数,例如bit_count(52)=bit_count(110100)=3。“>>”表示位运算中的右移运算;而d表示当前日期。
此后,安全服务器并将提取的开机码位转换为十进制值,得到转换后非工作日开机码位,比如,若从非工作日区间中所提取出的开机码位记录为“pcstart_mask_weekend”,为二进制码位,则此时,可以将上述五个非工作日区间的“pcstart_mask_weekend”转换为十进制值,得到转换后工作日开机码位,然后,根据每个非工作日区间所对应的转换后非工作日开机码位计算相应的非工作日开机指数系数,例如,可以参见表七。
表七:
记录值中文说明 | 计算方法(非工作日开机指数系数) |
第一个非工作日区间 | log<sub>2</sub>(bit2dec((pcstart_mask_weekend>>(d-4))&31)) |
第二个非工作日区间 | log<sub>2</sub>(bit2dec((pcstart_mask_weekend>>(d-9))&31)) |
第三个非工作日区间 | log<sub>2</sub>(bit2dec((pcstart_mask_weekend>>(d-14))&31)) |
第四个非工作日区间 | log<sub>2</sub>(bit2dec((pcstart_mask_weekend>>(d-19))&31)) |
第五个非工作日区间 | log<sub>2</sub>(bit2dec((pcstart_mask_weekend>>(d-24))&31)) |
其中,bit2dec表示将二进制数转换为十进制数的运算,例如,bit2dec(11111)=31,等等。
其中,bit_count((pcstart_mask_weekend>>(d-4))&31)为第一个非工作日区间所对应的非工作日开机码位;
bit_count((pcstart_mask_weekend>>(d-9))&31)为第二个非工作日区间所对应的非工作日开机码位;
bit_count((pcstart_mask_weekend>>(d-14))&31)为第三个非工作日区间所对应的非工作日开机码位;
bit_count((pcstart_mask_weekend>>(d-19))&31)为第四个非工作日区间所对应的非工作日开机码位;
bit_count((pcstart_mask_weekend>>(d-24))&31)为第五个非工作日区间所对应的非工作日开机码位。
log2(bit2dec((pcstart_mask_weekend>>(d-4))&31))为第一个非工作日区间所对应的非工作日开机指数系数;
log2(bit2dec((pcstart_mask_weekend>>(d-9))&31))为第二个非工作日区间所对应的非工作日开机指数系数;
log2(bit2dec((pcstart_mask_weekend>>(d-14))&31))为第三个非工作日区间所对应的非工作日开机指数系数;
log2(bit2dec((pcstart_mask_weekend>>(d-19))&31))为第四个非工作日区间所对应的非工作日开机指数系数;
log2(bit2dec((pcstart_mask_weekend>>(d-24))&31))为第五个非工作日区间所对应的非工作日开机指数系数。
(2)安全服务器获取预设的第二评判矩阵,根据该第二评判矩阵对非工作日开机的概率进行估算,得到工非作日评判矩阵系数。
例如,安全服务器具体可以获取工作日区间和非工作日区间,根据该第二评判矩阵,对每个工作日区间与每个非工作日区间两两之间的关系进行评分,并根据评分计算每个工作日区间的分数,将该工作日区间的分数除以所有工作日区间的分数之和,得到每个非工作日区间所对应的非工作日评判矩阵系数。
其中,该非工作日区间由非工作日开机数据按照时间顺序划分而得到,而工作日区间则由工作日开机数据按照时间顺序划分而得到。
其中,第二评判矩阵(也称为工作日-非工作日评判矩阵)可以根据实际应用的需求进行设置,比如,可以参见表八:
表八:
安全服务器可以根据该第二评判矩阵,对每个工作日区间与每个非工作日区间两两之间的关系进行评分,并根据评分计算每个工作日区间的分数,将该工作日区间的分数除以所有工作日区间的分数之和,以计算每个工作日区间的评分所对应的权重,参见表九。
表九:
安全服务器可以将该工作日区间的评分所对应的权重作为相应非工作日区间所对应的非工作日评判矩阵系数,比如,参见表四中的权重数值,则如表十所示,各个非工作日区间所对应的非工作日评判矩阵系数分别为:
表十:
非工作日区间 | 非工作日评判矩阵系数(y<sub>i</sub>) |
第一个非工作日区间 | 0.36 |
第二个非工作日区间 | 0.28 |
第三个非工作日区间 | 0.2 |
第四个非工作日区间 | 0.12 |
第五个非工作日区间 | 0.04 |
其中,在本发明实施例中,将均以yi来表示非工作日评判矩阵系数,比如,第一个非工作日区间所对应的非工作日评判矩阵系数则可表示为y1,第二个非工作日区间所对应的非工作日评判矩阵系数则可表示为y2,第三个非工作日区间所对应的非工作日评判矩阵系数则可表示为y3,第四个非工作日区间所对应的非工作日评判矩阵系数则可表示为y4,第五个非工作日区间所对应的非工作日评判矩阵系数则可表示为y5,以此类推,等等。
(3)安全服务器根据该非工作日开机数据、非工作日开机指数系数、以及非工作日评判矩阵系数建立非工作日评分模型。
例如,安全服务器具体可以计算每个非工作日区间所对应的非工作日评判矩阵系数与相应非工作日开机数据的乘积,得到每个非工作日区间对应的乘积,并统计所有非工作日区间对应的乘积之和,得到第三值;计算非工作日开机指数系数与预设数值的商,得到每个非工作日区间对应的商,并统计所有非工作日区间对应的商之和,得到第四值;计算第三值与第四值的和,得到非工作日评分模型。
其中,该预设数值可以根据实际应用的需求进行设置,比如,可以设置为“1000”,则该非工作日评分模型可以用如下公式来表示:
其中,weekend_score为非工作日评分模型,为第三值,为第四值;d表示当前日期;i为非工作日区间的序号,比如,i=1表示第一个非工作日区间,i=2表示第二个非工作日区间,i=3表示第三个非工作日区间,i=4表示第四个非工作日区间,i=5表示第五个非工作日区间,以此类推,等等。
需说明的是,其中,步骤203和204的执行可以不分先后。
205、安全服务器通过预设对比函数对该工作日评分模型和非工作日评分模型进行对比,得到使用属性的评估模型,参见图2b。
例如,以对比函数为compare{a,b}为例,则该使用属性的评估模型可以为:
206、安全服务器基于该评估模型对该用户终端的使用属性进行评估。
例如,具体安全服务器可以根据评估模型确定该用户终端在工作日开机的评分与在非工作日开机的评分的比值是否满足预设条件,若是,则确定该用户终端的使用属性为办公;若否,则确定该用户终端的使用属性为家用,等等。
其中,该预设条件可以根据实际应用的需求进行设置,比如,可以设置为“大于预设阈值”,即可以根据该评估模型确定该用户终端在工作日开机的评分与非工作日开机的评分的比值大于预设阈值,若是,则确定该用户终端的使用属性为办公;若否,则确定该用户终端的使用属性为家用;或者,该预设条件也可以设置为“满足预设函数关系”,等等,在此不再赘述。
由上可知,本实施例采用获取用户终端在预设时间段内的开机数据、以及工作日划分规则,根据该工作日划分规则将开机数据划分为工作日开机数据和非工作日开机数据,然后,分别根据工作日开机数据和非工作日开机数据建立工作日评分模型和非工作日评分模型,以及根据工作日评分模型和非工作日评分模型得到使用属性的评估模型,并基于该评估模型对用户终端的使用属性进行评估;由于不同的用户终端在不同的场所往往具有明确的分工,且其开机数据(如开机时间)与其使用属性也具有较为明确的关系,因此,通过本发明实施例所提供的方案,来对用户终端的使用属性进行评估的话,可以大大提高评估的准确性;而且,由于该方案只需获取开机数据,而无需提取软件进程等其他复杂的数据,因此,相对于现有方案而言,其实现也较为简单,可以提高处理效率;总而言之,该方案不仅实现简单,处理效率高,而且,可以增强评估模型的可靠性,大大提高评估结果的准确性。
此外,还需说明的是,由于安全服务器一般都需要获取用户终端的开机数据,以进行安全检测,因此,该方案并不会为安全服务器带来太多额外的负载,反而相对现有需要额外提取软件进程等数据的方案而言,可以节省资源的消耗。而且,通过对用户终端的使用属性的准确识别,有利于后续为用户提供针对性个性化服务,使得资源的投放更为精准和有效。
实施例三、
为了更好地实施以上方法,本发明实施例还提供一种用户终端使用属性的评估装置,该用户终端使用属性的评估装置具体可以集成在服务器,比如安全服务器等设备中。
如图3a所示,该用户终端使用属性的评估装置可以包括获取单元301、划分单元302、建立单元303和评估单元304,如下:
(1)获取单元301;
获取单元301,用于获取用户终端在预设时间段内的开机数据、以及工作日划分规则。
其中,该开机数据指的是用户终端在启动时,所记录的启动用户终端的数据情况,包括开机时间、开机时用户终端中各硬件的运行状态、以及系统的运行状态等。该开机数据一般可以以二进制码位的方式来进行记录。工作日划分规则可以根据实际应用的需求预先进行设置,比如,一般可以设置每周的周一至周五为工作日,周六和周日为非工作日,或者,也可以设置每周的周一至周六为工作日,周日为非工作日,等等。
(2)划分单元302;
划分单元302,用于根据该工作日划分规则将该开机数据划分为工作日开机数据和非工作日开机数据。
例如,以工作日划分规则为“每周的周一至周五为工作日,周六和周日为非工作日”为例,则此时,该划分单元302可以将每周的周一至周五所对应的开机数据划分为工作日开机数据,而将周六和周日所对应的开机数据划分为非工作日开机数据,以此类推,等等。
(3)建立单元303;
建立单元303,用于根据该工作日开机数据和非工作日开机数据建立使用属性的评估模型。
例如,如图3b所示,该建立单元303可以包括第一建立子单元3031、第二建立子单元3032和对比子单元3033,如下:
第一建立子单元3031,可以用于根据该工作日开机数据建立工作日评分模型。
第二建立子单元3032,可以用于根据该非工作日开机数据建立非工作日评分模型。
对比子单元3033,用于通过预设对比函数对该工作日评分模型和非工作日评分模型进行对比,得到使用属性的评估模型。
比如,其中,该第一建立子单元3031,具体可以用于根据该工作日开机数据分析工作日的实际开机情况,得到工作日开机指数系数;获取预设的第一评判矩阵,根据该第一评判矩阵对工作日开机的概率进行估算,得到工作日评判矩阵系数;根据该工作日开机数据、工作日开机指数系数、以及工作日评判矩阵系数建立工作日评分模型。
该第二建立子单元3032,具体可以根据该非工作日开机数据分析非工作日的实际开机情况,得到非工作日开机指数系数,获取预设的第二评判矩阵,根据第二评判矩阵对非工作日开机的概率进行估算,得到工非作日评判矩阵系数,根据非工作日开机数据、非工作日开机指数系数、以及非工作日评判矩阵系数建立非工作日评分模型。
其中,第一评判矩阵(也称为非工作日-工作日评判矩阵)和第二评判矩阵(也称为工作日-非工作日评判矩阵)可以根据实际应用的需求进行设置。而在计算工作日开机指数系数和非工作日开机指数系数时,也可以通过将工作日开机数据和非工作日开机数据划分为多个区间后,按照预设算法来进行计算,比如,具体可以如下:
该第一建立子单元3031,具体可以用于将该工作日开机数据按照时间顺序划分为预设数量的工作日区间,从每个工作日区间中提取开机码位,并将提取的开机码位转换为十进制值,得到转换后工作日开机码位,计算以2位底,该转换后工作日开机码位的对数,得到每个工作日区间对应的工作日开机指数系数。
该第二建立子单元3032,具体可以用于将该非工作日开机数据按照时间顺序划分为预设数量的非工作日区间,从每个非工作日区间中提取开机码位,并将提取的开机码位转换为十进制值,得到转换后非工作日开机码位,计算以2位底,该转换后非工作日开机码位的对数,得到每个非工作日区间对应的非工作日开机指数系数。
同理,在计算工作日评判矩阵系数和非工作日评判矩阵系数时,也可以分别针对每个区间来进行计算,即:
该第一建立子单元3031,具体可以用于获取非工作日区间,根据该第一评判矩阵,对每个非工作日区间与每个工作日区间两两之间的关系进行评分,并根据评分计算每个非工作日区间的分数,将该非工作日区间的分数除以所有非工作日区间的分数之和,得到每个工作日区间所对应的工作日评判矩阵系数。
该第二建立子单元3032,具体可以用于获取工作日区间,该工作日区间由工作日开机数据按照时间顺序划分而得到,根据该第二评判矩阵,对每个工作日区间与每个非工作日区间两两之间的关系进行评分,并根据评分计算每个工作日区间的分数,将该工作日区间的分数除以所有工作日区间的分数之和,得到每个非工作日区间所对应的非工作日评判矩阵系数。
在得到每个工作日区间所对应的工作日开机指数系数和工作日评判矩阵系数之后,可以据此来建立工作日评分模型,即:
该第一建立子单元3031,具体可以用于:计算每个工作日区间所对应的工作日评判矩阵系数与相应工作日开机数据的乘积,得到每个工作日区间对应的乘积,并统计所有工作日区间对应的乘积之和,得到第一值;计算工作日开机指数系数与预设数值的商,得到每个工作日区间对应的商,并统计所有工作日区间对应的商之和,得到第二值;计算第一值与第二值的和,得到工作日评分模型。
与建立工作日评分模型类似的,在得到每个非工作日区间所对应的非工作日开机指数系数和非工作日评判矩阵系数之后,可以据此来建立非工作日评分模型,即:
该第二建立子单元3032,具体可以用于计算每个非工作日区间所对应的非工作日评判矩阵系数与相应非工作日开机数据的乘积,得到每个非工作日区间对应的乘积,并统计所有非工作日区间对应的乘积之和,得到第三值;计算非工作日开机指数系数与预设数值的商,得到每个非工作日区间对应的商,并统计所有非工作日区间对应的商之和,得到第四值;计算第三值与第四值的和,得到非工作日评分模型。
其中,该预设数值可以根据实际应用的需求进行设置,比如,可以设置为“1000”,等等。
(4)评估单元304;
评估单元304,用于基于该评估模型对该用户终端的使用属性进行评估。
例如,评估单元304,具体可以用于根据评估模型确定该用户终端在工作日开机的评分与在非工作日开机的评分的比值是否满足预设条件,若是,则确定该用户终端的使用属性为办公;若否,则确定该用户终端的使用属性为家用。
其中,该预设条件可以根据实际应用的需求进行设置,比如,可以设置为“大于预设阈值”,即可以根据该评估模型确定该用户终端在工作日开机的评分与非工作日开机的评分的比值大于预设阈值,若是,则确定该用户终端的使用属性为办公;若否,则确定该用户终端的使用属性为家用;或者,该预设条件也可以设置为“满足预设函数关系”,等等,在此不再赘述。
具体实施时,以上各个单元可以作为独立的实体来实现,也可以进行任意组合,作为同一或若干个实体来实现,以上各个单元的具体实施可参见前面的方法实施例,在此不再赘述。
由上可知,本实施例的评估装置可以通过获取单元301获取用户终端在预设时间段内的开机数据、以及工作日划分规则,并由划分单元302根据该工作日划分规则将开机数据划分为工作日开机数据和非工作日开机数据,然后,由建立单元303根据工作日开机数据和非工作日开机数据建立使用属性的评估模型,并由评估单元304基于该评估模型对用户终端的使用属性进行评估;由于不同的用户终端在不同的场所往往具有明确的分工,且其开机数据(如开机时间)与其使用属性也具有较为明确的关系,因此,通过本发明实施例所提供的方案,来对用户终端的使用属性进行评估的话,可以大大提高评估的准确性;而且,由于该方案只需获取开机数据,而无需提取软件进程等其他复杂的数据,因此,相对于现有方案而言,其实现也较为简单,可以提高处理效率;总而言之,该方案不仅实现简单,处理效率高,而且,可以增强评估模型的可靠性,大大提高评估结果的准确性。
实施例四、
本发明实施例还提供一种服务器,具体可以作为本发明实施例的安全服务器,如图4所示,其示出了本发明实施例所涉及的服务器的结构示意图,具体来讲:
该服务器可以包括一个或者一个以上处理核心的处理器401、一个或一个以上计算机可读存储介质的存储器402、电源403和输入单元404等部件。本领域技术人员可以理解,图4中示出的服务器结构并不构成对服务器的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
其中:
处理器401是该服务器的控制中心,利用各种接口和线路连接整个服务器的各个部分,通过运行或执行存储在存储器402内的软件程序和/或模块,以及调用存储在存储器402内的数据,执行服务器的各种功能和处理数据,从而对服务器进行整体监控。可选的,处理器401可包括一个或多个处理核心;优选的,处理器401可集成应用处理器和调制解调处理器,其中,应用处理器主要处理操作系统、用户界面和应用程序等,调制解调处理器主要处理无线通信。可以理解的是,上述调制解调处理器也可以不集成到处理器401中。
存储器402可用于存储软件程序以及模块,处理器401通过运行存储在存储器402的软件程序以及模块,从而执行各种功能应用以及数据处理。存储器402可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据服务器的使用所创建的数据等。此外,存储器402可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。相应地,存储器402还可以包括存储器控制器,以提供处理器401对存储器402的访问。
服务器还包括给各个部件供电的电源403,优选的,电源403可以通过电源管理系统与处理器401逻辑相连,从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。电源403还可以包括一个或一个以上的直流或交流电源、再充电系统、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。
该服务器还可包括输入单元404,该输入单元404可用于接收输入的数字或字符信息,以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆、光学或者轨迹球信号输入。
尽管未示出,服务器还可以包括显示单元等,在此不再赘述。具体在本实施例中,服务器中的处理器401会按照如下的指令,将一个或一个以上的应用程序的进程对应的可执行文件加载到存储器402中,并由处理器401来运行存储在存储器402中的应用程序,从而实现各种功能,如下:
获取用户终端在预设时间段内的开机数据、以及工作日划分规则;根据该工作日划分规则将该开机数据划分为工作日开机数据和非工作日开机数据;根据该工作日开机数据和非工作日开机数据建立使用属性的评估模型;基于该评估模型对该用户终端的使用属性进行评估。
其中,工作日划分规则可以根据实际应用的需求预先进行设置,比如,一般可以设置每周的周一至周五为工作日,周六和周日为非工作日,等等。
例如,具体可以根据该工作日开机数据建立工作日评分模型,以及根据该非工作日开机数据建立非工作日评分模型,然后,通过预设对比函数对该工作日评分模型和非工作日评分模型进行对比,得到使用属性的评估模型。
其中,工作日评分模型和非工作日评分模型的建立方式可以有多种,比如,可以通过将工作日开机数据和非工作日开机数据划分为多个区间后,按照预设算法来进行计算,等等,具体可参见前面的实施例。同理,评估模型的建立也可以参见前面的实施例,在此不再赘述。
以上各个操作的具体实施可参见前面的实施例,在此不再赘述。
由上可知,本实施例的服务器采用获取用户终端在预设时间段内的开机数据、以及工作日划分规则,根据该工作日划分规则将开机数据划分为工作日开机数据和非工作日开机数据,然后,根据工作日开机数据和非工作日开机数据建立使用属性的评估模型,并基于该评估模型对用户终端的使用属性进行评估;由于不同的用户终端在不同的场所往往具有明确的分工,且其开机数据(如开机时间)与其使用属性也具有较为明确的关系,因此,通过本发明实施例所提供的方案,来对用户终端的使用属性进行评估的话,可以大大提高评估的准确性;而且,由于该方案只需获取开机数据,而无需提取软件进程等其他复杂的数据,因此,相对于现有方案而言,其实现也较为简单,可以提高处理效率;总而言之,该方案不仅实现简单,处理效率高,而且,可以增强评估模型的可靠性,大大提高评估结果的准确性。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序可以存储于一计算机可读存储介质中,存储介质可以包括:只读存储器(ROM,Read Only Memory)、随机存取记忆体(RAM,RandomAccess Memory)、磁盘或光盘等。
以上对本发明实施例所提供的一种用户终端使用属性的评估方法和装置进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (6)
1.一种用户终端使用属性的评估方法,其特征在于,包括:
获取用户终端在预设时间段内的开机数据、以及工作日划分规则;其中所述开机数据包括开机时间、开机时用户终端中各硬件的运行状态、以及系统的运行状态;
根据所述工作日划分规则将所述开机数据划分为工作日开机数据和非工作日开机数据;
根据所述工作日开机数据建立工作日评分;
根据所述非工作日开机数据建立非工作日评分;
通过预设对比函数对所述工作日评分和非工作日评分进行对比,得到使用属性的评估模型;其中所述预设对比函数为compare{工作日评分,非工作日评分};
基于所述评估模型对所述用户终端的使用属性进行评估;其中所述使用属性为家用或办公;
其中所述根据所述工作日开机数据建立工作日评分,包括:
将所述工作日开机数据按照时间顺序划分为预设数量的工作日区间;
从每个工作日区间中提取开机码位,并将提取的开机码位转换为十进制值,得到转换后工作日开机码位;其中所述开机码位为以二进制码位的方式记录的开机数据;
计算以2为底,所述转换后工作日开机码位的对数,得到每个工作日区间对应的工作日开机指数系数;
获取预设的第一评判矩阵,根据所述第一评判矩阵对工作日开机的概率进行估算,得到每个工作日区间所对应的工作日评判矩阵系数;其中所述第一评判矩阵用于对每个非工作日区间与每个工作日区间两两之间的关系进行评分,以设置每个工作日区间的工作日评判矩阵系数;其中在工作日区间开机概率越高,对应的工作日评判矩阵系数越大;
根据所述工作日开机数据、工作日开机指数系数、以及工作日评判矩阵系数建立工作日评分;
其中所述根据所述非工作日开机数据建立非工作日评分,包括:
将所述非工作日开机数据按照时间顺序划分为预设数量的非工作日区间;其中所述非工作日区间与所述工作日区间一一对应;
从每个非工作日区间中提取开机码位,并将提取的开机码位转换为十进制值,得到转换后非工作日开机码位;其中所述开机码位为以二进制码位的方式记录的开机数据;
计算以2为底,所述转换后非工作日开机码位的对数,得到每个非工作日区间对应的非工作日开机指数系数;
获取预设的第二评判矩阵,根据所述第二评判矩阵对非工作日开机的概率进行估算,得到每个非工作日区间所对应的非工作日评判矩阵系数;其中所述第二评判矩阵用于对每个工作日区间与每个非工作日区间两两之间的关系进行评分,以设置每个非工作日区间的非工作日评判矩阵系数;其中在非工作日区间开机概率越高,对应的非工作日评判矩阵系数越大;
根据所述非工作日开机数据、非工作日开机指数系数、以及非工作日评判矩阵系数建立非工作日评分。
2.根据权利要求1所述的方法,其特征在于,所述根据所述工作日开机数据、工作日开机指数系数、以及工作日评判矩阵系数建立工作日评分,包括:
计算每个工作日区间所对应的工作日评判矩阵系数与相应工作日开机数据的乘积,得到每个工作日区间对应的乘积,并统计所有工作日区间对应的乘积之和,得到第一值;
计算每个工作日区间对应的工作日开机指数系数与预设数值的商,得到每个工作日区间对应的商,并统计所有工作日区间对应的商之和,得到第二值;
计算第一值与第二值的和,得到工作日评分。
3.根据权利要求1所述的方法,其特征在于,所述根据所述非工作日开机数据、非工作日开机指数系数、以及非工作日评判矩阵系数建立非工作日评分,包括:
计算每个非工作日区间所对应的非工作日评判矩阵系数与相应非工作日开机数据的乘积,得到每个非工作日区间对应的乘积,并统计所有非工作日区间对应的乘积之和,得到第三值;
计算每个非工作日区间对应的非工作日开机指数系数与预设数值的商,得到每个非工作日区间对应的商,并统计所有非工作日区间对应的商之和,得到第四值;
计算第三值与第四值的和,得到非工作日评分。
4.根据权利要求1至3任一项所述的方法,其特征在于,所述基于所述评估模型对所述用户终端的使用属性进行评估,包括:
根据评估模型确定所述用户终端在工作日开机的评分与在非工作日开机的评分的比值是否满足预设条件;
若是,则确定所述用户终端的使用属性为办公;
若否,则确定所述用户终端的使用属性为家用。
5.一种用户终端使用属性的评估装置,其特征在于,包括:
获取单元,用于获取用户终端在预设时间段内的开机数据、以及工作日划分规则;其中所述开机数据包括开机时间、开机时用户终端中各硬件的运行状态、以及系统的运行状态;
划分单元,用于根据所述工作日划分规则将所述开机数据划分为工作日开机数据和非工作日开机数据;
建立单元,用于根据所述工作日开机数据和非工作日开机数据建立使用属性的评估模型;
评估单元,用于基于所述评估模型对所述用户终端的使用属性进行评估;其中所述使用属性为家用或办公;
所述建立单元包括第一建立子单元、第二建立子单元和对比子单元;
第一建立子单元,用于将所述工作日开机数据按照时间顺序划分为预设数量的工作日区间;从每个工作日区间中提取开机码位,并将提取的开机码位转换为十进制值,得到转换后工作日开机码位;其中所述开机码位为以二进制码位的方式记录的开机数据;计算以2为底,所述转换后工作日开机码位的对数,得到每个工作日区间对应的工作日开机指数系数;获取预设的第一评判矩阵,根据所述第一评判矩阵对工作日开机的概率进行估算,得到每个工作日区间所对应的工作日评判矩阵系数;根据所述工作日开机数据、工作日开机指数系数、以及工作日评判矩阵系数建立工作日评分;其中所述第一评判矩阵用于对每个非工作日区间与每个工作日区间两两之间的关系进行评分,以设置每个工作日区间的工作日评判矩阵系数;其中在工作日区间开机概率越高,对应的工作日评判矩阵系数越大;
第二建立子单元,用于将所述非工作日开机数据按照时间顺序划分为预设数量的非工作日区间;其中所述非工作日区间与所述工作日区间一一对应;从每个非工作日区间中提取开机码位,并将提取的开机码位转换为十进制值,得到转换后非工作日开机码位;其中所述开机码位为以二进制码位的方式记录的开机数据;计算以2为底,所述转换后非工作日开机码位的对数,得到每个非工作日区间对应的非工作日开机指数系数;获取预设的第二评判矩阵,根据所述第二评判矩阵对非工作日开机的概率进行估算,得到每个非工作日区间所对应的非工作日评判矩阵系数;根据所述非工作日开机数据、非工作日开机指数系数、以及非工作日评判矩阵系数建立非工作日评分;其中所述第二评判矩阵用于对每个工作日区间与每个非工作日区间两两之间的关系进行评分,以设置每个非工作日区间的非工作日评判矩阵系数;其中在非工作日区间开机概率越高,对应的非工作日评判矩阵系数越大;
对比子单元,用于通过预设对比函数对所述工作日评分和非工作日评分进行对比,得到使用属性的评估模型;其中所述预设对比函数为compare{工作日评分,非工作日评分}。
6.一种存储介质,其内存储有处理器可执行指令,所述指令由至少一个处理器加载,以执行如权利要求1-4中任一项所述的用户终端使用属性的评估方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710193123.5A CN106886486B (zh) | 2017-03-28 | 2017-03-28 | 用户终端使用属性的评估方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710193123.5A CN106886486B (zh) | 2017-03-28 | 2017-03-28 | 用户终端使用属性的评估方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106886486A CN106886486A (zh) | 2017-06-23 |
CN106886486B true CN106886486B (zh) | 2020-11-03 |
Family
ID=59182415
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710193123.5A Active CN106886486B (zh) | 2017-03-28 | 2017-03-28 | 用户终端使用属性的评估方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106886486B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109583769A (zh) * | 2018-12-03 | 2019-04-05 | 深圳市酷开网络科技有限公司 | 评估工作效率的方法、设备和存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH07332730A (ja) * | 1994-06-02 | 1995-12-22 | Toshiba Corp | 空気調和機 |
CN101193415A (zh) * | 2006-11-22 | 2008-06-04 | 上海晨兴电子科技有限公司 | 在移动通信终端上进行通话类型判定的方法和装置 |
CN103793599A (zh) * | 2014-01-17 | 2014-05-14 | 浙江远图智控系统有限公司 | 一种基于隐马尔科夫模型的出行异常检测方法 |
CN106488493A (zh) * | 2015-08-24 | 2017-03-08 | 阿里巴巴集团控股有限公司 | 识别用户的网络热点类型的方法和装置及电子设备 |
-
2017
- 2017-03-28 CN CN201710193123.5A patent/CN106886486B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH07332730A (ja) * | 1994-06-02 | 1995-12-22 | Toshiba Corp | 空気調和機 |
CN101193415A (zh) * | 2006-11-22 | 2008-06-04 | 上海晨兴电子科技有限公司 | 在移动通信终端上进行通话类型判定的方法和装置 |
CN103793599A (zh) * | 2014-01-17 | 2014-05-14 | 浙江远图智控系统有限公司 | 一种基于隐马尔科夫模型的出行异常检测方法 |
CN106488493A (zh) * | 2015-08-24 | 2017-03-08 | 阿里巴巴集团控股有限公司 | 识别用户的网络热点类型的方法和装置及电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN106886486A (zh) | 2017-06-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106648747B (zh) | 进程预加载处理方法及装置 | |
EP3702912A1 (en) | Background application cleaning method and apparatus, and storage medium and electronic device | |
WO2021196097A1 (zh) | 用户画像列表构建方法、装置、服务器以及存储介质 | |
CN106713290B (zh) | 一种识别主用户账号的方法及服务器 | |
CN105869022B (zh) | 一种应用流行度预测方法和装置 | |
US20160314484A1 (en) | Method and system for mining churn factor causing user churn for network application | |
CN111068305A (zh) | 云游戏加载控制方法、装置、电子设备及存储介质 | |
CN106886486B (zh) | 用户终端使用属性的评估方法和装置 | |
CN110796591A (zh) | 一种gpu卡的使用方法及相关设备 | |
CN112494935B (zh) | 一种云游戏平台池化方法、电子设备及存储介质 | |
CN106156123B (zh) | 活跃值计算方法及装置 | |
CN106933323B (zh) | 一种优化应用程序耗电的方法、装置及电子设备 | |
CN110719367A (zh) | 一种云手机好友推荐方法、装置、设备及存储介质 | |
CN115660344A (zh) | 用户排班方法、装置、电子设备及存储介质 | |
CN110781410A (zh) | 一种社群检测方法及装置 | |
CN112669091B (zh) | 数据处理方法、装置及存储介质 | |
CN113742581B (zh) | 榜单的生成方法、装置、电子设备及可读存储介质 | |
CN115309876A (zh) | 唤醒词推荐度的计算方法、装置、电子设备及存储介质 | |
CN114267440A (zh) | 医疗订单信息处理方法、装置和计算机可读存储介质 | |
CN115705320A (zh) | 索引生成方法、装置、计算机设备和计算机可读存储介质 | |
CN107547742B (zh) | 一种用于移动终端的唤醒锁释放方法和装置 | |
CN116244659B (zh) | 一种识别异常设备的数据处理方法、装置、设备及介质 | |
CN111582679A (zh) | 应用服务分区的处理方法、装置、设备及存储介质 | |
US20230088429A1 (en) | Processing device, processing method, and program | |
CN105282106B (zh) | 信息播放的控制方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |