CN107358251B - 一种对象筛选方法和装置 - Google Patents

Abstract

本公开提供一种对象筛选方法和装置，其中方法包括：将对象的文本描述信息，转换为所述对象的对象特征向量，所述文本描述信息为业务目标是否符合的判断依据；将所述对象特征向量与标准特征向量进行相关性计算，得到向量相关值，所述标准特征向量根据所述业务目标得到；若所述向量相关值满足预定条件，则确定所述对象是筛选得到的对象。本公开可以较快的完成对象的筛选，提高对象筛选的速度。

Description

一种对象筛选方法和装置

技术领域

本公开涉及网络技术领域，特别涉及一种对象筛选方法和装置。

背景技术

在业务实践中，有时需要从一批对象中筛选出一部分对象进行业务上的处理。以选择商户进行业务合作为例，业务人员需要预先由注册的所有商户中确定与各个商户合作的可能性，找到愿意进行深度合作的商户，然后再进行具体合作。通常这个商户选择过程，可以由业务人员根据商户注册时填写的各方面信息，并结合自己的经验来判断与某个商户合作的可能性。但是，当商户的数量很大，且质量参差不齐时，给业务人员的工作带来很大的困难。

发明内容

有鉴于此，本公开提供一种对象筛选方法和装置，以提高对象筛选的速度。

具体地，本公开是通过如下技术方案实现的：

第一方面，提供一种对象筛选方法，所述方法用于筛选出符合业务目标的对象；所述方法包括：

将对象的文本描述信息，转换为所述对象的对象特征向量，所述文本描述信息为所述业务目标是否符合的判断依据；

将所述对象特征向量与标准特征向量进行相关性计算，得到向量相关值，所述标准特征向量根据所述业务目标得到；

若所述向量相关值满足预定条件，则确定所述对象是筛选得到的对象。

第二方面，提供一种对象筛选装置，所述装置用于筛选出符合业务目标的对象；所述装置包括：

向量转换模块，用于将对象的文本描述信息，转换为所述对象的对象特征向量，所述文本描述信息为所述业务目标是否符合的判断依据；

相关计算模块，用于将所述对象特征向量与标准特征向量进行相关性计算，得到向量相关值，所述标准特征向量根据所述业务目标得到；

筛选处理模块，用于若所述向量相关值满足预定条件，则确定所述对象是筛选得到的对象。

第三方面，提供一种数据处理设备，所述设备包括存储器、处理器，以及存储在存储器上并可在处理器上运行的计算机指令，所述处理器执行指令时实现以下步骤：

将对象的文本描述信息，转换为所述对象的对象特征向量，所述文本描述信息为所述业务目标是否符合的判断依据；

将所述对象特征向量与标准特征向量进行相关性计算，得到向量相关值，所述标准特征向量根据所述业务目标得到；

若所述向量相关值满足预定条件，则确定所述对象是筛选得到的对象。

本公开的对象筛选方法和装置，通过将对象的文本描述信息转换为对象特征向量，并通过向量相关性的计算判断是否符合业务目标，可以较快的完成对象的筛选，提高对象筛选的速度。

附图说明

为了更清楚地说明本公开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公开中记载的一些实施例，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为本公开一个例子中提供的标准特征向量的建立流程；

图2为本公开一个例子中提供的商户筛选的流程图；

图3为本公开一个例子中提供的对象筛选方法的流程图；

图4为本公开一个例子中提供的对象筛选装置的结构示意图；

图5为本公开一个例子中提供的对象筛选装置的结构示意图。

具体实施方式

为了使本技术领域的人员更好地理解本公开中的技术方案，下面将结合本公开实施例中的附图，对本公开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公开一部分实施例，而不是全部的实施例。基于本公开中的实施例，本领域普通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，都应当属于本公开保护的范围。

一个应用系统可以与商户进行合作，共同进行业务推广。例如，应用系统可以作为一个面向消费者用户的平台，各个商户可以入驻该平台，消费者可以通过该平台了解商户相关的信息，并且可以通过平台与商户之间进行业务上的使用，比如购物或者预定商品。而应用系统在与商户进行业务合作之前，业务人员可以根据商户的多方面信息来判断与商户合作的可能性以及价值，对于具有较高合作意愿和可能性的商户，可以进行下一步的深度合作。本公开提供的对象筛选方法，可以应用于合作商户的筛选，但是，商户筛选只是其中一个应用场景，其他类似的场景同样可以应用该方法。

每个商户在入驻应用系统时，可以提供给系统一些商户信息。该商户信息可以包括两部分，一部分可以称为商户基本信息，例如，商户名称，联系电话，邮箱，证件号等；另一部分可以称为商户的文本描述信息，例如，商户描述(如，商户的主营业务和合作应用场景)，合作意愿(如，商户合作的原因以及预期效果)，浏览足迹(如，商户在应用系统的浏览历史)等。

首先，在筛选合作商户的例子中，应用系统可以执行图1所示的处理，图1的处理主要是根据已知的商户样本建立标准特征向量。

在步骤101中，获取一部分已知的具有较高合作意愿和合作价值的样本商户。例如，应用系统可以获取到已经进行合作的大量商户，从中选取具有较高合作意愿和合作价值的商户作为样本商户，这些样本商户相当于应用系统要由后续入驻的新商户中选择的范本的商户，要选择这样的商户进行合作。

在步骤102中，将各个样本商户的文本描述信息，分别转换为商户特征向量，该文本描述信息为判断是否是标准商户的判断依据。

本步骤中，可以将步骤101中选出的多个样本商户的文本描述信息，进行特征向量的转换。例如，可以使用word2vactor算法，将商户的商户描述、合作意愿、浏览足迹等文本描述信息转换得到一个n维的特征向量(x₁，x₂，x₃.....x_n)。假设样本商户的数量是五十，那么可以得到五十个商户特征向量。

在步骤103中，根据各个商户的商户特征向量，得到标准商户的标准特征向量。本例子中，可以综合多个样本商户的商户特征向量，得到一个标准特征向量，该标准特征向量相当于这些样本商户共有的特征，相当于根据已经进行合作的大量样本商户，总结得到的能够进行合作的商户具备怎样的特征。标准特征向量对应的商户可以称为标准商户，标准商户不一定实际存在，可以是一个虚拟商户，是一个在寻找合作时满足应用系统要求的理想的商户。后续可以将该标准商户作为一个目标，新加入应用系统的商户都可以通过与该标准商户比较，来确定新商户是否是一个比较好的合作商户。

上述图1所示的流程，在具体实施中，可以由业务人员在应用系统的业务层向模型层发起商户筛选请求，指定一些已知合作的样本商户。模型层可以向应用系统的数据层发起商户数据请求，采集样本商户的各种数据，例如商户基本信息，合作意愿，浏览足迹等。模型层可以根据上述商户信息进行图1中所述的商户特征向量的转换以及标准特征向量的获取。

在建立标准特征向量的基础上，已经确定了要选择的理想商户的向量特点，图2示例了根据标准特征向量进行商户筛选的过程。后续入驻应用系统的新商户，都可以通过特征向量的转换与该标准特征向量进行比较，向量之间的相似性可以表示商户之间的相似性，与标准特征向量越相似的商户越符合理想商户。

在步骤201中，对于新商户，判断商户基本信息是否符合基本信息条件。

本步骤中，可以判断新商户的联系电话、邮箱等基本信息是否齐全，不齐全的商户通常可以不选为合作商户进一步合作。例如，如果一个商户没有手机号和邮箱，无法与之沟通，则可以不再对该商户进行后续流程的处理。本步骤可以根据商户基本信息，过滤到一部分基本信息不全的商户，在具体业务实施中，也可以根据不同的业务需求设定其他的基本信息条件。

在步骤202中，将新商户的文本描述信息，转换为商户特征向量。

例如，本步骤可以根据新商户的商户描述、合作意愿、浏览足迹等文本描述信息，通过word2vactor算法转换为n维特征向量(x₁，x₂，x₃ .....x_n)。

在步骤203中，将新商户的商户特征向量与标准特征向量进行向量相关性计算，得到向量相关值。

本步骤中，为了方便进行公式描述，可以将标准特征向量设为merchant(X)＝(X₁,X₂,X₃,…,X_n)，将新商户的商户特征向量设为merchant(x)＝(x₁,x₂,x₃,…,x_n)。

向量相关性计算，可以按照如下公式计算，得到的correlation即向量相关值：

在步骤204中，若向量相关值满足预定条件，则确定新商户可以作为合作商户。例如，可以设定一个向量相关值的阈值，高于该阈值的商户可以认为是具有较高合作可能性和价值的商户；或者，还可以对新入驻系统的一批新商户执行图2所示的处理，得到分别对应各个新商户的多个向量相关值；并可以对多个向量相关值进行排序，选择向量相关值在预设排序位数的新商户作为筛选得到的合作商户。比如，correlation值越高说明商户越符合优质商户的特征，可以通过排序对商户的优质程度做出排序，供业务决策。

上述图1和图2的流程是以筛选具有合作意愿的商户为例，实际实施中并不局限于该场景，本公开的对象筛选方法同样可以应用于其他类似的应用场景，比如，还可以筛选具备目标业务特征的商户，可以是筛选对某一特定产品兴趣较高的商户，此时可以将能够表示出商户是否对特定产品感兴趣的文本描述信息转换为商户特征向量，同样可以依据向量相关性筛选商户。

图3示例了本公开的对象筛选方法的流程图，所述方法可以用于筛选出符合业务目标的对象；例如，该业务目标可以是具有较强的合作意愿和合作价值，或者还可以是对某一特定产品兴趣较高，等。该方法可以包括：

在步骤301中，将对象的文本描述信息，转换为所述对象的对象特征向量，所述文本描述信息为所述业务目标是否符合的判断依据。

例如，在一个例子中，对象可以是商户。在本步骤执行之前，还可以根据对象的对象基本信息(例如，当对象是商户时，对象基本信息可以是邮箱、手机号、证件号等)，过滤得到符合基本信息条件的对象。对象特征向量的转换，例如可以使用word2vactor算法。而本步骤使用的文本描述信息，可以是能够作为业务目标是否符合的判断依据的信息，比如，当业务目标是筛选具有较强的合作意愿和合作价值的商户时，文本描述信息可以是商户的商户描述和合作意愿等信息，这些信息能够反映出一个商户是否具有合作意愿和价值。

在步骤302中，将所述对象特征向量与标准特征向量进行相关性计算，得到向量相关值，所述标准特征向量根据所述业务目标得到。

本步骤中，标准特征向量可以相当于标准对象对应的向量，标准对象可以是根据业务目标确定的对象，该对象的获得可以是根据所述业务目标，获取已知符合业务目标的样本对象，并根据各个对象的对象特征向量综合得到标准特征向量，该标准特征向量相当于理想的符合业务目标的对象共有的特征，标准特征向量对应的对象即标准对象。

可以通过向量相关性计算，将待评估的对象与标准对象两者进行对象特征向量的相关性计算，向量之间的相关性能够反映对象之间的相似度。

在步骤303中，若所述向量相关值满足预定条件，则确定所述对象是筛选得到的对象。例如，向量相关值大于某一阈值，可以选择与该商户合作。

本例子的对象筛选方法，通过将对象的文本描述信息转换为对象特征向量，并通过向量相关性的计算判断是否符合业务目标，可以较快的完成对象的筛选，提高对象筛选的速度。

为实现上述的对象筛选方法，本公开还提供了一种对象筛选装置，该装置用于筛选出符合业务目标的对象。如图4所示，该装置可以包括：向量转换模块41、相关计算模块42和筛选处理模块43。

向量转换模块41，用于将对象的文本描述信息，转换为所述对象的对象特征向量，所述文本描述信息为所述业务目标是否符合的判断依据；

相关计算模块42，用于将所述对象特征向量与标准特征向量进行相关性计算，得到向量相关值，所述标准特征向量根据所述业务目标得到；

筛选处理模块43，用于若所述向量相关值满足预定条件，则确定所述对象是筛选得到的对象。

在一个例子中，筛选处理模块43，具体用于将多个对象的向量相关值进行排序，选择向量相关值在预设排序位数的对象，作为筛选得到的对象。

在一个例子中，所述对象是商户；所述业务目标包括：具有合作意愿或者具备目标业务特征。

在一个例子中，向量转换模块41，还用于根据所述业务目标，获取已知符合所述业务目标的样本对象；将各个样本对象的文本描述信息，转换为对象特征向量；根据各个对象特征向量，得到用于表示各个样本对象共有特征的所述标准特征向量。

在一个例子中，如图5所示，该装置还可以包括对象过滤模块44，用于根据所述对象的对象基本信息，过滤得到符合基本信息条件的所述对象。

上述实施例阐明的装置或模块，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机，计算机的具体形式可以是个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件收发设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任意几种设备的组合。

为了描述的方便，描述以上装置时以功能分为各种模块分别描述。当然，在实施本公开时可以把各模块的功能在同一个或多个软件和/或硬件中实现。

上述图3所示流程中的各个步骤，其执行顺序不限制于流程图中的顺序。此外，各个步骤的描述，可以实现为软件、硬件或者其结合的形式，例如，本领域技术人员可以将其实现为软件代码的形式，可以为能够实现所述步骤对应的逻辑功能的计算机可执行指令。当其以软件的方式实现时，所述的可执行指令可以存储在存储器中，并被设备中的处理器执行。

例如，对应于上述方法，本公开同时提供一种数据处理设备，该设备可以是应用系统的设备，该设备可以包括处理器、存储器、以及存储在存储器上并可在处理器上运行的计算机指令，所述处理器通过执行所述指令，用于实现如下步骤：

将对象的文本描述信息，转换为所述对象的对象特征向量，所述文本描述信息为所述业务目标是否符合的判断依据；

将所述对象特征向量与标准特征向量进行相关性计算，得到向量相关值，所述标准特征向量根据所述业务目标得到；

若所述向量相关值满足预定条件，则确定所述对象是筛选得到的对象。

本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明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，本发明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。

本发明是参照根据本发明实施例的方法、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。

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，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于数据处理设备实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

以上所述仅为本公开的较佳实施例而已，并不用以限制本公开，凡在本公开的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本公开保护的范围之内。

Claims (9)

1.一种对象筛选方法，所述方法用于筛选出符合业务目标的对象；所述方法包括：

将对象的文本描述信息，转换为所述对象的对象特征向量，所述文本描述信息为所述业务目标是否符合的判断依据；

将所述对象特征向量与标准特征向量进行相关性计算，得到向量相关值，所述标准特征向量根据所述业务目标得到；

其中，

correlation是向量相关值，merchant(X)＝(X₁，X₂，X₃，...，X_n)是标准特征向量，merchant(x)＝(x₁，x₂，x₃，...，x_n)是对象特征向量；X₁，X₂，X₃，...，X_n是所述标准特征向量所包括的向量参数，x₁，x₂，x₃，...，x_n是所述对象特征向量所包括的向量参数；

若所述向量相关值满足预定条件，则确定所述对象是筛选得到的对象；

所述方法还包括：

根据所述业务目标，获取已知符合所述业务目标的样本对象；

将各个样本对象的文本描述信息，转换为各个对象特征向量；

根据各个对象特征向量，得到用于表示各个样本对象共有特征的所述标准特征向量。

2.根据权利要求1所述的方法，所述若所述向量相关值满足预定条件，则确定所述对象是筛选得到的对象，包括：

将多个对象的向量相关值进行排序；

选择向量相关值在预设排序位数的对象，作为筛选得到的对象。

3.根据权利要求1所述的方法，所述对象是商户；所述业务目标包括：具有合作意愿或者具备目标业务特征。

4.根据权利要求1所述的方法，在将对象的文本描述信息转换为所述对象的对象特征向量之前，所述方法还包括：

根据所述对象的对象基本信息，过滤得到符合基本信息条件的所述对象。

5.一种对象筛选装置，所述装置用于筛选出符合业务目标的对象；所述装置包括：

向量转换模块，用于将对象的文本描述信息，转换为所述对象的对象特征向量，所述文本描述信息为所述业务目标是否符合的判断依据；

相关计算模块，用于将所述对象特征向量与标准特征向量进行相关性计算，得到向量相关值，所述标准特征向量根据所述业务目标得到；

其中，

correlation是向量相关值，merchant(X)＝(X₁，X₂，X₃，...，X_n)是标准特征向量，merchant(x)＝(x₁，x₂，x₃，...，x_n)是对象特征向量；X₁，X₂，X₃，...，X_n是所述标准特征向量所包括的向量参数，x₁，x₂，x₃，...，x_n是所述对象特征向量所包括的向量参数；

筛选处理模块，用于若所述向量相关值满足预定条件，则确定所述对象是筛选得到的对象；

所述向量转换模块，还用于根据所述业务目标，获取已知符合所述业务目标的样本对象；将各个样本对象的文本描述信息，转换为各个对象特征向量；根据各个对象特征向量，得到用于表示各个样本对象共有特征的所述标准特征向量。

6.根据权利要求5所述的装置，

所述筛选处理模块，具体用于将多个对象的向量相关值进行排序，选择向量相关值在预设排序位数的对象，作为筛选得到的对象。

7.根据权利要求5所述的装置，所述对象是商户；所述业务目标包括：具有合作意愿或者具备目标业务特征。

8.根据权利要求5所述的装置，所述装置还包括：对象筛选模块，用于根据所述对象的对象基本信息，过滤得到符合基本信息条件的所述对象。

9.一种数据处理设备，所述设备包括存储器、处理器，以及存储在存储器上并可在处理器上运行的计算机指令，所述处理器执行指令时实现以下步骤：

将对象的文本描述信息，转换为所述对象的对象特征向量，所述文本描述信息为业务目标是否符合的判断依据；

将所述对象特征向量与标准特征向量进行相关性计算，得到向量相关值，所述标准特征向量根据所述业务目标得到；

其中，

correlation是向量相关值，merchant(X)＝(X₁，X₂，X₃，...，X_n)是标准特征向量，merchant(x)＝(x₁，x₂，x₃，...，x_n)是对象特征向量；X₁，X₂，X₃，...，X_n是所述标准特征向量所包括的向量参数，x₁，x₂，x₃，...，x_n是所述对象特征向量所包括的向量参数；

若所述向量相关值满足预定条件，则确定所述对象是筛选得到的对象；

所述处理器执行指令时还实现以下步骤：

根据所述业务目标，获取已知符合所述业务目标的样本对象；

将各个样本对象的文本描述信息，转换为各个对象特征向量；

根据各个对象特征向量，得到用于表示各个样本对象共有特征的所述标准特征向量。

Images