CN107368597A - 信息输出方法和装置 - Google Patents
信息输出方法和装置 Download PDFInfo
- Publication number
- CN107368597A CN107368597A CN201710617496.0A CN201710617496A CN107368597A CN 107368597 A CN107368597 A CN 107368597A CN 201710617496 A CN201710617496 A CN 201710617496A CN 107368597 A CN107368597 A CN 107368597A
- Authority
- CN
- China
- Prior art keywords
- user
- logo collection
- mark
- character
- characteristic value
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 52
- 230000000052 comparative effect Effects 0.000 claims abstract description 10
- 230000003542 behavioural effect Effects 0.000 claims description 13
- 230000007704 transition Effects 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 9
- 238000004458 analytical method Methods 0.000 claims description 8
- 238000000605 extraction Methods 0.000 claims description 7
- 239000000203 mixture Substances 0.000 claims description 7
- 230000006399 behavior Effects 0.000 description 33
- 230000006870 function Effects 0.000 description 7
- 230000006854 communication Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 241000208340 Araliaceae Species 0.000 description 4
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 4
- 235000003140 Panax quinquefolius Nutrition 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 235000008434 ginseng Nutrition 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 230000005611 electricity Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000007619 statistical method Methods 0.000 description 3
- 230000005291 magnetic effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 description 1
- 230000001174 ascending effect Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- XNKARWLGLZGMGX-UHFFFAOYSA-N ethyl 4-(4-chloro-2-methylphenoxy)butanoate Chemical compound CCOC(=O)CCCOC1=CC=C(Cl)C=C1C XNKARWLGLZGMGX-UHFFFAOYSA-N 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 210000003127 knee Anatomy 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000003442 weekly effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
- G06F16/285—Clustering or classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/21—Design, administration or maintenance of databases
- G06F16/219—Managing data history or versioning
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
本申请实施例公开了信息输出方法和装置。该方法的一具体实施方式包括:获取第一预设时间段内的预设网站上的第一用户行为数据集合;从第一用户行为数据集合中提取第一用户标识集合;对第一用户标识集合中的第一用户标识的各个字符进行分析,生成第一用户标识集合中的第一用户标识的特征值;将第一用户标识集合中的第一用户标识的特征值与预先生成的基准特征值进行比较,基于比较结果确定第一用户标识集合中的第一用户标识所指示的用户的类别;基于第一用户标识集合中的第一用户标识所指示的用户的类别,从第一用户标识集合中选取出第一用户标识,并输出所选取出的第一用户标识。该实施方式提高了确定用户标识所指示的用户的类别的准确度。
Description
技术领域
本申请涉及计算机技术领域,具体涉及互联网技术领域,尤其涉及信息输出方法和装置。
背景技术
随着互联网的普及,各种网站(例如电子商务网站)层出不穷。为了便于网站的管理和运营,当用户在网站上注册时,网站会为用户分配用户标识,此后,用户才可以在网站上进行一些行为操作(例如下单操作、评论操作)。然而,非正常用户通常会利用模拟器随机生成虚假用户标识,从而进行刷单、虚假评论等操作。因此,如何确定用户标识所指示的用户是正常用户还是非正常用户就成为了一个值得研究的问题。
发明内容
本申请实施例的目的在于提出一种改进的信息输出方法和装置,来解决以上背景技术部分提到的技术问题。
本申请实施例提供了A1、一种信息输出方法,该方法包括:获取第一预设时间段内的预设网站上的第一用户行为数据集合,其中,用户行为数据包括以下至少一项:用户注册数据、用户浏览数据、用户下单数据、用户评论数据;从第一用户行为数据集合中提取第一用户标识集合;对第一用户标识集合中的第一用户标识的各个字符进行分析,生成第一用户标识集合中的第一用户标识的特征值;将第一用户标识集合中的第一用户标识的特征值与预先生成的基准特征值进行比较,基于比较结果确定第一用户标识集合中的第一用户标识所指示的用户的类别;基于第一用户标识集合中的第一用户标识所指示的用户的类别,从第一用户标识集合中选取出第一用户标识,并输出所选取出的第一用户标识。
A2、如A1所述的方法,该方法还包括生成基准特征值的步骤,生成基准特征值的步骤包括:获取参考用户标识集合;对参考用户标识集合中的参考用户标识的各个字符进行分析,生成参考用户标识集合中的参考用户标识的特征值;基于参考用户标识集合中的参考用户标识的特征值,生成基准特征值。
A3、如A2所述的方法,获取参考用户标识集合,包括:获取第二预设时间段内的预设网站上的第二用户行为数据集合;从第二用户行为数据集合中提取第二用户标识集合;将第二用户标识集合中的第二用户标识在预先生成的用户权重表进行匹配,获取第二用户标识集合中的第二用户标识所指示的用户的权重,其中,用户权重表用于存储用户的用户标识和用户的权重;基于第二用户标识集合中的第二用户标识所指示的用户的权重,从第二用户标识集合中选取出第二用户标识作为参考用户标识以生成参考用户标识集合。
A4、如A2所述的方法,对参考用户标识集合中的参考用户标识的各个字符进行分析,生成参考用户标识集合中的参考用户标识的特征值,包括:获取组成参考用户标识集合中的参考用户标识的字符集合;对参考用户标识集合中的参考用户标识的各个字符进行统计,获取字符集合中的各个字符的平均转移概率,其中,字符的转移概率是字符处于字符集合中的每个字符之后的概率,字符的平均转移概率是字符处于字符集合中的各个字符之后的概率的平均值;基于参考用户标识集合中的参考用户标识的各个字符的平均转移概率,生成参考用户标识集合中的参考用户标识的特征值。
A5、如A4所述的方法,在获取组成参考用户标识集合中的参考用户标识的字符集合之前,还包括:在参考用户标识集合中的参考用户标识的首部添加第一特定字符,并在参考用户标识集合中的参考用户标识的尾部添加第二特定字符。
A6、如A4或A5所述的方法,基于参考用户标识集合中的参考用户标识的各个字符的平均转移概率,生成参考用户标识集合中的参考用户标识的特征值,包括:对字符集合中的各个字符的平均转移概率进行聚类,生成预设数目平均转移概率集合;分别计算预设数目平均转移概率集合中的各个平均转移概率集合的平均值,并作为各个平均转移概率集合的聚类中心;基于各个平均转移概率集合的聚类中心,生成数量级;基于参考用户标识集合中的参考用户标识的各个字符的平均转移概率和数量级,生成参考用户标识集合中的参考用户标识的特征值。
A7、如A2所述的方法,基于参考用户标识集合中的参考用户标识的特征值,生成基准特征值,包括:将参考用户标识集合中的参考用户标识的特征值按照数值大小顺序进行排序,将排在预设位置的特征值作为基准特征值。
本申请实施例还提供了B1、一种信息输出装置,该装置包括:获取单元,配置用于获取第一预设时间段内的预设网站上的第一用户行为数据集合,其中,用户行为数据包括以下至少一项:用户注册数据、用户浏览数据、用户下单数据、用户评论数据;提取单元,配置用于从第一用户行为数据集合中提取第一用户标识集合;分析单元,配置用于对第一用户标识集合中的第一用户标识的各个字符进行分析,生成第一用户标识集合中的第一用户标识的特征值;比较单元,配置用于将第一用户标识集合中的第一用户标识的特征值与预先生成的基准特征值进行比较,基于比较结果确定第一用户标识集合中的第一用户标识所指示的用户的类别;选取单元,配置用于基于第一用户标识集合中的第一用户标识所指示的用户的类别,从第一用户标识集合中选取出第一用户标识,并输出所选取出的第一用户标识。
B2、如B1所述的装置,该装置还包括生成单元,生成单元包括:获取子单元,配置用于获取参考用户标识集合;分析子单元,配置用于对参考用户标识集合中的参考用户标识的各个字符进行分析,生成参考用户标识集合中的参考用户标识的特征值;生成子单元,配置用于基于参考用户标识集合中的参考用户标识的特征值,生成基准特征值。
B3、如B2所述的装置,获取子单元包括:第一获取模块,配置用于获取第二预设时间段内的预设网站上的第二用户行为数据集合;提取模块,配置用于从第二用户行为数据集合中提取第二用户标识集合;匹配模块,配置用于将第二用户标识集合中的第二用户标识在预先生成的用户权重表进行匹配,获取第二用户标识集合中的第二用户标识所指示的用户的权重,其中,用户权重表用于存储用户的用户标识和用户的权重;选取模块,配置用于基于第二用户标识集合中的第二用户标识所指示的用户的权重,从第二用户标识集合中选取出第二用户标识作为参考用户标识以生成参考用户标识集合。
B4、如B2所述的装置,分析子单元包括:第二获取模块,配置用于获取组成参考用户标识集合中的参考用户标识的字符集合;统计模块,配置用于对参考用户标识集合中的参考用户标识的各个字符进行统计,获取字符集合中的各个字符的平均转移概率,其中,字符的转移概率是字符处于字符集合中的每个字符之后的概率,字符的平均转移概率是字符处于字符集合中的各个字符之后的概率的平均值;生成模块,配置用于基于参考用户标识集合中的参考用户标识的各个字符的平均转移概率,生成参考用户标识集合中的参考用户标识的特征值。
B5、如B4所述的装置,分析子单元还包括:添加模块,配置用于在参考用户标识集合中的参考用户标识的首部添加第一特定字符,并在参考用户标识集合中的参考用户标识的尾部添加第二特定字符。
B6、如B4或B5所述的装置,生成模块包括:聚类子模块,配置用于对字符集合中的各个字符的平均转移概率进行聚类,生成预设数目平均转移概率集合;计算子模块,配置用于分别计算预设数目平均转移概率集合中的各个平均转移概率集合的平均值,并作为各个平均转移概率集合的聚类中心;第一生成子模块,配置用于基于各个平均转移概率集合的聚类中心,生成数量级;第二生成子模块,配置用于基于参考用户标识集合中的参考用户标识的各个字符的平均转移概率和数量级,生成参考用户标识集合中的参考用户标识的特征值。
B7、如B2所述的装置,生成子单元进一步配置用于:将参考用户标识集合中的参考用户标识的特征值按照数值大小顺序进行排序,将排在预设位置的特征值作为基准特征值。
本申请实施例还提供了C1、一种电子设备,该电子设备包括:一个或多个处理器;存储装置,用于存储一个或多个程序;当一个或多个程序被一个或多个处理器执行时,使得一个或多个处理器实现如A1到A7中任一实现方式描述的方法。
本申请实施例还提供了D1、一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现如A1到A7中任一实现方式描述的方法。
本申请实施例提供的信息输出方法和装置,通过获取第一预设时间段内的预设网站上的第一用户行为数据集合,以实现从第一用户行为数据集合中提取第一用户标识集合;之后对第一用户标识集合中的第一用户标识的各个字符进行分析,以生成第一用户标识集合中的第一用户标识的特征值;然后将第一用户标识集合中的第一用户标识的特征值与预先生成的基准特征值进行比较,以实现基于比较结果确定第一用户标识集合中的第一用户标识所指示的用户的类别;最后基于第一用户标识集合中的第一用户标识所指示的用户的类别,从第一用户标识集合中选取出第一用户标识,并输出所选取出的第一用户标识。从而提高了确定用户标识所指示的用户的类别的准确度。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本申请的其它特征、目的和优点将会变得更明显:
图1是本申请可以应用于其中的示例性系统架构图;
图2是根据本申请的信息输出方法的一个实施例的流程图;
图3是根据本申请的生成基准特征值的方法的一个实施例的流程图;
图4是根据本申请的生成基准特征值的方法的又一个实施例的流程图;
图5是根据本申请的信息输出装置的一个实施例的结构示意图;
图6是适于用来实现本申请实施例的电子设备的计算机系统的结构示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释相关发明,而非对该发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
图1示出了可以应用本申请的信息输出方法或信息输出装置的实施例的示例性系统架构100。
如图1所示,系统架构100可以包括数据库服务器101、服务器102、终端设备103和网络104。网络104用以在数据库服务器101、服务器102和终端设备103之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
数据库服务器101可以是各种网站的后台数据库服务器。例如,数据库服务器101可以是电子商务网站的后台服务器,用于存储电子商务网站上的用户行为数据集合。
服务器102可以提供各种服务。例如,服务器102可以从数据库服务器101获取第一预设时间段内的电子商务网站上的第一用户行为数据集合,并对第一用户行为数据集合等数据进行分析等处理,并将处理结果(例如所选取出的第一用户标识)发送至终端设备103。
用户可以使用终端设备103通过网络104与服务器102交互,以接收或发送消息等。例如,用户可以使用终端设备103通过网络104从服务器102中接收所选取出的第一用户标识。
终端设备103可以是具有显示屏的各种电子设备,包括但不限于智能手机、平板电脑膝上型便携计算机和台式计算机等等。
需要说明的是,本申请实施例所提供的信息输出方法一般由服务器102执行,相应地,信息输出装置一般设置于服务器102中。
应该理解,图1中的数据库服务器、服务器、终端设备和网络的数目仅仅是示意性的。根据实现需要,可以具有任意数目的数据库服务器、服务器、终端设备和网络。
继续参考图2,其示出了根据本申请的信息输出方法的一个实施例的流程200。该信息输出方法,包括以下步骤:
步骤201,获取第一预设时间段内的预设网站上的第一用户行为数据集合。
在本实施例中,信息输出方法运行于其上的电子设备(例如图1所示的服务器102)可以通过有线连接方式或无线连接方式从数据库服务器(例如图1所示的数据库服务器101)获取第一预设时间段(例如一天、一周、一个月)内的预设网站(例如某电子商务网站)上的第一用户行为数据集合。作为示例,电子设备可以周期性(例如每天、每周、每月)地获取预设网站上的第一用户行为数据集合。其中,用户行为数据可以包括但不限于以下至少一项:用户注册数据、用户浏览数据、用户下单数据、用户评论数据。第一用户行为数据可以包括但不限于以下至少一项:第一预设时间段内的用户注册数据、第一预设时间段内的用户浏览数据、第一预设时间段内的用户下单数据、第一预设时间段内的用户评论数据。
步骤202,从第一用户行为数据集合中提取第一用户标识集合。
在本实施例中,基于步骤201所获取的第一用户行为数据集合,电子设备可以从第一用户行为数据集合中提取第一用户标识集合。其中,用户行为数据中可以包括用户标识。第一用户行为数据中可以包括第一用户标识。用户标识可以包括但不限于用户账号、用户手机号、用户设备标识和用户支付标识等,是由字母、数字、符号等字符组成的字符串。
步骤203,对第一用户标识集合中的第一用户标识的各个字符进行分析,生成第一用户标识集合中的第一用户标识的特征值。
在本实施例中,基于步骤202所提取的第一用户标识集合,电子设备可以对第一用户标识集合中的各个第一用户标识的各个字符进行分析,生成各个第一用户标识的特征值。其中,用户标识的特征值可以用于表示用户标识中的各个字符的某些特定规律。第一用户标识的特征值可以用于表示第一用户标识中的各个字符的某些特定规律。
在本实施例的一些可选的实现方式中,对于第一用户标识集合中的每个第一用户标识,电子设备可以首先在预先生成的平均转移概率表中查询出该第一用户标识的各个字符的平均转移概率;然后基于该第一用户标识的各个字符的平均转移概率,生成该第一用户标识的特征值。其中,平均转移概率表可以用于存储各个字符和各个字符的平均转移概率。各个字符的平均转移概率可以通过对大量的用户标识的各个字符进行统计分析而获得。字符的转移概率可以是字符处于各个字符中的每个字符之后的概率,字符的平均转移概率可以是字符处于各个字符之后的概率的平均值。
作为一种示例,电子设备可以将第一用户标识中的各个字符的平均转移概率的乘积作为第一用户标识的特征值。具体地,电子设备可以通过如下公式生成第一用户标识的特征值Y:
Y=P1×P2×......×Pn-1×Pn;
其中,第一用户标识由n个字符组成,P1是第一用户标识的第一个字符的平均转移概率,P2是第一用户标识的第二个字符的平均转移概率,Pn-1是第一用户标识的第n-1个字符的平均转移概率,Pn是第一用户标识的第n个字符的平均转移概率。
由于字符的平均转移概率均小于1,导致所生成的第一用户标识的特征值通常会非常小。为了便于后续与基准特征值进行比较,电子设备还可以通过如下公式生成第一用户标识的特征值Y:
Y=P1×P2×......×Pn-1×Pn×Kn;
其中,K为预先生成的数量级,其值通常为一系列10的幂。
作为另一种示例,电子设备可以首先在第一用户标识的首部添加第一特定字符(例如字符“@”),在第一用户标识的尾部添加第二特定字符(例如字符“$”)。其中,第一特定字符和第二特定字符与第一用户标识的各个字符均不相同;然后在平均转移概率表中查询出第二特定字符的平均转移概率;最后将第一用户标识中的各个字符和第二特定字符的平均转移概率的乘积作为第一用户标识的特征值。具体地,电子设备可以通过如下公式生成第一用户标识的特征值Y:
Y=P1×P2×......×Pn-1×Pn×P$;
其中,第一用户标识由n个字符组成,P1是第一用户标识的第一个字符的平均转移概率,P2是第一用户标识的第二个字符的平均转移概率,Pn-1是第一用户标识的第n-1个字符的平均转移概率,Pn是第一用户标识的第n个字符的平均转移概率,P$是第二特定字符“$”的平均转移概率。
由于字符的平均转移概率均小于1,导致所生成的第一用户标识的特征值通常会非常小。为了便于后续与基准特征值进行比较,电子设备还可以通过如下公式生成第一用户标识的特征值Y:
Y=P1×P2×......×Pn-1×Pn×P$×Kn+1;
其中,K为预先生成的数量级,其值通常为一系列10的幂。
步骤204,将第一用户标识集合中的第一用户标识的特征值与预先生成的基准特征值进行比较,基于比较结果确定第一用户标识集合中的第一用户标识所指示的用户的类别。
在本实施例中,基于步骤203所生成各个第一用户标识的特征值,电子设备可以分别将各个第一用户标识的特征值与预先生成的基准特征值进行比较,并根据比较结果确定各个第一用户标识所指示的用户的类别。具体地,对于第一用户标识集合中的每个第一用户标识,电子设备可以将该第一用户标识的特征值与基准特征值进行比较;若该第一用户标识的特征值不小于基准特征值,则该第一用户标识所指示的类别为第一类别;若该第一用户标识的特征值小于基准特征值,则该第一用户标识所指示的用户的类别为第二类别。其中,第一类别所指示的用户可以是正常用户,即第一类别所对应的用户标识可以是正常用户在网站上注册时,网站为正常用户所分配的用户标识。第二类别所指示的用户可以是非正常用户,即第二类别所对应的用户标识可以是非正常用户利用模拟器随机生成的用户标识。基准特征值可以用于表示第一类别的用户的用户标识中的各个字符的某些特定规律,其可以通过对大量第一类别的用户的用户标识中的各个字符进行统计分析而获得。
步骤205,基于第一用户标识集合中的第一用户标识所指示的用户的类别,从第一用户标识集合中选取出第一用户标识,并输出所选取出的第一用户标识。
在本实施例中,基于步骤204所确定各个第一用户标识所指示的用户的类别,电子设备可以从第一用户标识集合中选取出第一用户标识,并输出所选取出的第一用户标识。
作为一种示例,电子设备可以选取出第一用户标识集合中用户的类别为第一类别的用户的第一用户标识;然后将所选取出的第一用户标识发送至预设网站的管理人员的终端设备上,以使预设网站的管理人员对预设网站上的第一类别的用户的数量进行统计。
作为另一种示例,电子设备可以选取出第一用户标识集合中用户的类别为第二类别的用户的第一用户标识;然后将所选取出的第二用户标识发送至预设网站的管理人员的终端设备上,以使预设网站的管理人员对预设网站上的第二类别的用户的操作行为数据进行统计分析,以便于进行后续处理(例如删除预设网站上的第二类别的用户的操作行为数据)。
本申请实施例提供的信息输出方法,通过获取第一预设时间段内的预设网站上的第一用户行为数据集合,以实现从第一用户行为数据集合中提取第一用户标识集合;之后对第一用户标识集合中的第一用户标识的各个字符进行分析,以生成第一用户标识集合中的第一用户标识的特征值;然后将第一用户标识集合中的第一用户标识的特征值与预先生成的基准特征值进行比较,以实现基于比较结果确定第一用户标识集合中的第一用户标识所指示的用户的类别;最后基于第一用户标识集合中的第一用户标识所指示的用户的类别,从第一用户标识集合中选取出第一用户标识,并输出所选取出的第一用户标识。从而提高了确定用户标识所指示的用户的类别的准确度。
进一步参考图3,其示出了生成基准特征值的方法的一个实施例的流程300。该生成基准特征值的方法的流程300,包括以下步骤:
步骤301,获取参考用户标识集合。
在本实施例中,生成基准特征值的方法运行于其上的电子设备(例如图1所示的服务器102)可以获取参考用户标识集合。
在本实施例的一些可选的实现方式中,参考用户标识集合可以是人工选取的。具体地,本领域技术人员可以首先对第一用户标识集合进行人工分析,并根据自己的经验从第一用户标识集合中选取出部分第一类别的用户(例如正常用户)的第一用户标识以生成参考用户标识集合;然后将参考用户标识集合发送至电子设备。其中,第一用户标识集合中包括第一类别的用户的第一用户标识,还包括第二类别的用户(例如非正常用户)的第一用户标识。
在本实施例的一些可选的实现方式中,参考用户标识集合可以是电子设备自动选取的。具体步骤如下:
首先,电子设备可以获取第二预设时间段(例如一个月、两个月)内的预设网站(例如某电子商务网站)上的第二用户行为数据集合。
实践中,随着时间的推移或预设网站的更新等,基准特征值会发生一定的变化,因此,电子设备可以周期性(例如每月、每两个月)获取预设网站上的第二用户行为数据集合,以实现周期性地生成基准特征值。其中,第二用户行为数据可以包括但不限于以下至少一项:第二预设时间段内的用户注册数据、第二预设时间段内的用户浏览数据、第二预设时间段内的用户下单数据、第二预设时间段内的用户评论数据。
之后,电子设备可以从第二用户行为数据集合中提取第二用户标识集合。
这里,第二用户行为数据中可以包括第二用户标识。
然后,电子设备可以将第二用户标识集合中的第二用户标识在预先生成的用户权重表进行匹配,获取第二用户标识集合中的第二用户标识所指示的用户的权重。
这里,电子设备可以为预设网站上的所有用户均设置一个基础权重(例如100),若用户执行了一次预设违规操作,则扣除该用户的相应的权重(例如5)。预设违规操作可以包括但不限于以下至少一项:用户在一天内使用优惠券的次数超出了第一预设次数、用户在一周内在同一家商店下单的次数超出了第二预设次数、用户在一周内对同一家商店的评论次数超出了第三预设次数等等。其中,用户权重表可以用于存储用户的用户标识和用户的权重。
最后,电子设备可以基于第二用户标识集合中的第二用户标识所指示的用户的权重,从第二用户标识集合中选取出第二用户标识作为参考用户标识以生成参考用户标识集合。
这里,电子设备可以从第二用户标识集合中选取出用户的权重大于预设权重的用户的第二用户标识以生成参考用户标识集合。电子设备还可以将第二用户标识集合按照用户的权重大小进行排序,并从用户的权重大的一侧开始选取出预设数目第二用户标识以生成参考用户标识集合。
步骤302,对参考用户标识集合中的参考用户标识的各个字符进行分析,生成参考用户标识集合中的参考用户标识的特征值。
在本实施例中,基于步骤301所获取的参考用户标识集合,电子设备可以对参考用户标识集合中的各个参考用户标识的各个字符进行分析,生成各个参考用户标识的特征值。其中,用户标识的特征值可以用于表示用户标识中的各个字符的某些特定规律。参考用户标识的特征值可以用于表示参考用户标识中的各个字符的某些特定规律。
步骤303,基于参考用户标识集合中的参考用户标识的特征值,生成基准特征值。
在本实施例中,基于步骤302所生成的各个参考用户标识的特征值,电子设备可以生成基准特征值。其中,基准特征值可以用于表示第一类别的用户的用户标识中的各个字符的某些特定规律。
在本实施例的一些可选的实现方式中,电子设备可以首先将参考用户标识集合中的参考用户标识的特征值按照数值大小顺序进行排序;然后将排在预设位置的特征值作为基准特征值。作为一种示例,电子设备可以首先将参考用户标识集合中的参考用户标识的特征值按照数值由大到小的顺序进行排序;然后将排在预设位置的特征值作为基准特征值。作为另一种示例,电子设备可以首先将参考用户标识集合中的参考用户标识的特征值按照数值由小到大的顺序进行排序;然后将排在预设位置的特征值作为基准特征值。
在本实施例的一些可选的实现方式中,电子设备可以计算参考用户标识集合中的参考用户标识的特征值的平均值,并将其作为基准特征值。
本申请实施例提供的生成基准特征值的方法,首先获取参考用户标识集合;然后对参考用户标识集合中的参考用户标识的各个字符进行分析,以生成参考用户标识集合中的参考用户标识的特征值;最后基于参考用户标识集合中的参考用户标识的特征值,生成基准特征值。从而实现了快速地生成基准特征值。
进一步参考图4,其示出了生成基准特征值的方法的又一个实施例的流程400。该生成基准特征值的方法的流程400,包括以下步骤:
步骤401,获取参考用户标识集合。
在本实施例中,生成基准特征值的方法运行于其上的电子设备(例如图1所示的服务器102)可以获取参考用户标识集合。
步骤402,获取组成参考用户标识集合中的参考用户标识的字符集合。
在本实施例中,基于步骤401所获取的参考用户标识集合,电子设备可以获取组成参考用户标识集合中的各个参考用户标识的字符集合。具体地,电子设备可以首先将各个参考用户标识分别拆分成各个字符;然后对所拆分出的字符进行去重处理,以生成组成参考用户标识集合中的各个参考用户标识的字符集合。
步骤403,对参考用户标识集合中的参考用户标识的各个字符进行统计,获取字符集合中的各个字符的平均转移概率。
在本实施例中,电子设备可以对参考用户标识集合中的各个参考用户标识的各个字符进行统计,从而获取字符集合中的各个字符的平均转移概率。其中,字符的转移概率可以是字符处于字符集合中的每个字符之后的概率,字符的平均转移概率可以是字符处于字符集合中的各个字符之后的概率的平均值。
作为示例,若参考用户标识集合中包括参考用户标识:“asak1”、“akdf567”、“bsk678”,对于字符“k”来说,其处于字符“a”之后的转移概率为2/3,其处于字符“s”之后的转移概率为1/2,其平均转移概率为0.5833。
在本实施例的一些可选的实现方式中,电子设备可以在参考用户标识集合中的参考用户标识的首部添加第一特定字符(例如字符“@”),并在参考用户标识集合中的参考用户标识的尾部添加第二特定字符(例如字符“$”)。其中,第一特定字符和第二特定字符与第一用户标识的各个字符均不相同。
作为示例,若参考用户标识集合中包括参考用户标识:“asak1”、“akdf567”、“bsk678”,在添加第一特定字符“@”和第二特定字符“$”后,参考用户标识变为:“@asak1$”、“@akdf567$”、“@bsk678$”,对于字符“a”来说,其处于字符“@”之后的转移概率为2/3,其处于字符“s”之后的转移概率为1/2,其平均转移概率为0.5833。
步骤404,基于参考用户标识集合中的参考用户标识的各个字符的平均转移概率,生成参考用户标识集合中的参考用户标识的特征值。
在本实施例中,基于步骤403所获取的字符集合中的各个字符的平均转移概率,电子设备可以首先分别查询出参考用户标识集合中的各个参考用户标识的各个字符的平均转移概率,然后基于各个参考用户标识的各个字符的平均转移概率,生成各个参考用户标识的特征值。
在本实施例的一些可选的实现方式中,电子设备可以将参考用户标识中的各个字符的平均转移概率的乘积作为参考用户标识的特征值。具体地,电子设备可以通过如下公式生成参考用户标识的特征值Y':
Y'=P'1×P'2×......×P'm-1×P'm;
其中,参考用户标识由m个字符组成,P'1参考用户标识的第一个字符的平均转移概率,P'2是参考用户标识的第二个字符的平均转移概率,P'm-1是参考用户标识的第m-1个字符的平均转移概率,P'm是参考用户标识的第m个字符的平均转移概率。
在本实施例的一些可选的实现方式中,电子设备可以首先在参考用户标识的首部添加第一特定字符(例如字符“@”),在参考用户标识的尾部添加第二特定字符(例如字符“$”),其中,第一特定字符和第二特定字符与参考用户标识的各个字符均不相同;然后将参考用户标识中的各个字符和第二特定字符的平均转移概率的乘积作为参考用户标识的特征值。具体地,电子设备可以通过如下公式生成参考用户标识的特征值Y':
Y'=P'1×P'2×......×P'm-1×P'm×P'$;
其中,参考用户标识由m个字符组成,P'1参考用户标识的第一个字符的平均转移概率,P'2是参考用户标识的第二个字符的平均转移概率,P'm-1是参考用户标识的第m-1个字符的平均转移概率,P'm是参考用户标识的第m个字符的平均转移概率,P'$是第二特定字符“$”的平均转移概率。
在本实施例的一些可选的实现方式中,电子设备还可以基于参考用户标识集合中的参考用户标识的各个字符的平均转移概率和数量级,生成参考用户标识集合中的参考用户标识的特征值。具体步骤如下:
首先,电子设备可以对字符集合中的各个字符的平均转移概率进行聚类,生成预设数目平均转移概率集合。
这里,电子设备可以采用k-means(K均值)聚类算法对各个字符的平均转移概率进行聚类。其中,聚类后所生成的同一平均转移概率集合中的平均转移概率相似度较高,不同平均转移概率集合中的平均转移概率相似度较小。
之后,电子设备可以分别计算预设数目平均转移概率集合中的各个平均转移概率集合的平均值,并作为各个平均转移概率集合的聚类中心。
然后,电子设备可以基于各个平均转移概率集合的聚类中心,生成数量级。
这里,电子设备可以从各个平均转移概率集合的聚类中心中选取出平均转移概率集合的聚类中心,并基于所选取出的平均转移概率集合的聚类中心生成数量级。作为示例,若字符集合中的各个字符的平均转移概率被聚类成了3个平均转移概率集合,电子设备可以选取出聚类中心处于中间值的平均转移概率集合的聚类中心。
由于数量级K的值通常为一系列10的幂,可以令数量级K=10k,其中,k为正整数。此时,电子设备可以通过如下公式计算数量级K:
P'×10k>1;
其中,P'为所选取出的平均转移概率集合的聚类中心。例如,若P'=0.07,则k=2,即K=100;若P'=0.007,则k=3,即K=1000。
最后,基于参考用户标识集合中的参考用户标识的各个字符的平均转移概率和数量级,生成参考用户标识集合中的参考用户标识的特征值。
作为一种示例,电子设备还可以通过如下公式生成参考用户标识的特征值Y':
Y'=P'1×P'2×......×P'm-1×P'm×Km;
其中,K为预先生成的数量级,其值通常为一系列10的幂。
作为另一种示例,电子设备可以在参考用户标识的首部添加第一特定字符(例如字符“@”),在参考用户标识的尾部添加第二特定字符(例如字符“$”),并通过如下公式生成参考用户标识的特征值Y':
Y'=P'1×P'2×......×P'm-1×P'm×P'$×Km+1;
其中,K为预先生成的数量级,其值通常为一系列10的幂。
步骤405,基于参考用户标识集合中的参考用户标识的特征值,生成基准特征值。
在本实施例中,基于步骤404所生成的各个参考用户标识的特征值,电子设备可以生成基准特征值。其中,基准特征值可以用于表示第一类别的用户的用户标识中的各个字符的某些特定规律。
从图4中可以看出,与图3对应的实施例相比,本实施例中的生成基准特征值的方法的流程400突出了生成参考用户标识集合中的参考用户标识的特征值的步骤。由此,本实施例描述的方案利用参考用户标识集合中的参考用户标识的各个字符的平均转移概率,可以提高了生成基准特征值的准确度。
进一步参考图5,作为对上述各图所示方法的实现,本申请提供了一种信息输出装置的一个实施例,该装置实施例与图2所示的方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图5所示,本实施例的信息输出装置500可以包括:获取单元501、提取单元502、分析单元503、比较单元504和选取单元505。其中,获取单元501,配置用于获取第一预设时间段内的预设网站上的第一用户行为数据集合,其中,用户行为数据包括以下至少一项:用户注册数据、用户浏览数据、用户下单数据、用户评论数据;提取单元502,配置用于从第一用户行为数据集合中提取第一用户标识集合;分析单元503,配置用于对第一用户标识集合中的第一用户标识的各个字符进行分析,生成第一用户标识集合中的第一用户标识的特征值;比较单元504,配置用于将第一用户标识集合中的第一用户标识的特征值与预先生成的基准特征值进行比较,基于比较结果确定第一用户标识集合中的第一用户标识所指示的用户的类别;选取单元505,配置用于基于第一用户标识集合中的第一用户标识所指示的用户的类别,从第一用户标识集合中选取出第一用户标识,并输出所选取出的第一用户标识。
在本实施例中,信息输出装置500中:获取单元501、提取单元502、分析单元503、比较单元504和选取单元505的具体处理及其所带来的技术效果可分别参考图2对应实施例中的步骤201、步骤202、步骤203、步骤204和步骤205的相关说明,在此不再赘述。
在本实施例的一些可选的实现方式中,信息输出装置500还可以包括生成单元(图中未示出),生成单元可以包括:获取子单元(图中未示出),配置用于获取参考用户标识集合;分析子单元(图中未示出),配置用于对参考用户标识集合中的参考用户标识的各个字符进行分析,生成参考用户标识集合中的参考用户标识的特征值;生成子单元(图中未示出),配置用于基于参考用户标识集合中的参考用户标识的特征值,生成基准特征值。
在本实施例的一些可选的实现方式中,获取子单元可以包括:第一获取模块(图中未示出),配置用于获取第二预设时间段内的预设网站上的第二用户行为数据集合;提取模块(图中未示出),配置用于从第二用户行为数据集合中提取第二用户标识集合;匹配模块(图中未示出),配置用于将第二用户标识集合中的第二用户标识在预先生成的用户权重表进行匹配,获取第二用户标识集合中的第二用户标识所指示的用户的权重,其中,用户权重表用于存储用户的用户标识和用户的权重;选取模块(图中未示出),配置用于基于第二用户标识集合中的第二用户标识所指示的用户的权重,从第二用户标识集合中选取出第二用户标识作为参考用户标识以生成参考用户标识集合。
在本实施例的一些可选的实现方式中,分析子单元可以包括:第二获取模块(图中未示出),配置用于获取组成参考用户标识集合中的参考用户标识的字符集合;统计模块(图中未示出),配置用于对参考用户标识集合中的参考用户标识的各个字符进行统计,获取字符集合中的各个字符的平均转移概率,其中,字符的转移概率是字符处于字符集合中的每个字符之后的概率,字符的平均转移概率是字符处于字符集合中的各个字符之后的概率的平均值;生成模块(图中未示出),配置用于基于参考用户标识集合中的参考用户标识的各个字符的平均转移概率,生成参考用户标识集合中的参考用户标识的特征值。
在本实施例的一些可选的实现方式中,分析子单元还可以包括:添加模块(图中未示出),配置用于在参考用户标识集合中的参考用户标识的首部添加第一特定字符,并在参考用户标识集合中的参考用户标识的尾部添加第二特定字符。
在本实施例的一些可选的实现方式中,生成模块可以包括:聚类子模块(图中未示出),配置用于对字符集合中的各个字符的平均转移概率进行聚类,生成预设数目平均转移概率集合;计算子模块(图中未示出),配置用于分别计算预设数目平均转移概率集合中的各个平均转移概率集合的平均值,并作为各个平均转移概率集合的聚类中心;第一生成子模块(图中未示出),配置用于基于各个平均转移概率集合的聚类中心,生成数量级;第二生成子模块(图中未示出),配置用于基于参考用户标识集合中的参考用户标识的各个字符的平均转移概率和数量级,生成参考用户标识集合中的参考用户标识的特征值。
在本实施例的一些可选的实现方式中,生成子单元可以进一步配置用于:将参考用户标识集合中的参考用户标识的特征值按照数值大小顺序进行排序,将排在预设位置的特征值作为基准特征值。
下面参考图6,其示出了适于用来实现本申请实施例的电子设备的计算机系统600的结构示意图。图6示出的电子设备仅仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。
如图6所示,计算机系统600包括中央处理单元(CPU)601,其可以根据存储在只读存储器(ROM)602中的程序或者从存储部分608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中,还存储有系统600操作所需的各种程序和数据。CPU 601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
以下部件连接至I/O接口605:包括键盘、鼠标等的输入部分606;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分607;包括硬盘等的存储部分608;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至I/O接口605。可拆卸介质611,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器610上,以便于从其上读出的计算机程序根据需要被安装入存储部分608。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分609从网络上被下载和安装,和/或从可拆卸介质611被安装。在该计算机程序被中央处理单元(CPU)601执行时,执行本申请的方法中限定的上述功能。
需要说明的是,本申请上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是但不限于:电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线、电线、光缆、RF等等,或者上述的任意合适的组合。
附图中的流程图和框图,图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本申请实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中,例如,可以描述为:一种处理器包括获取单元、提取单元、分析单元、比较单元和选取单元。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定,例如,获取单元还可以被描述为“获取第一预设时间段内的预设网站上的第一用户行为数据集合的单元”。
作为另一方面,本申请还提供了一种计算机可读介质,该计算机可读介质可以是上述实施例中描述的电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备:获取第一预设时间段内的预设网站上的第一用户行为数据集合,其中,用户行为数据包括以下至少一项:用户注册数据、用户浏览数据、用户下单数据、用户评论数据;从第一用户行为数据集合中提取第一用户标识集合;对第一用户标识集合中的第一用户标识的各个字符进行分析,生成第一用户标识集合中的第一用户标识的特征值;将第一用户标识集合中的第一用户标识的特征值与预先生成的基准特征值进行比较,基于比较结果确定第一用户标识集合中的第一用户标识所指示的用户的类别;基于第一用户标识集合中的第一用户标识所指示的用户的类别,从第一用户标识集合中选取出第一用户标识,并输出所选取出的第一用户标识。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本申请中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (10)
1.一种信息输出方法,其特征在于,所述方法包括:
获取第一预设时间段内的预设网站上的第一用户行为数据集合,其中,用户行为数据包括以下至少一项:用户注册数据、用户浏览数据、用户下单数据、用户评论数据;
从所述第一用户行为数据集合中提取第一用户标识集合;
对所述第一用户标识集合中的第一用户标识的各个字符进行分析,生成所述第一用户标识集合中的第一用户标识的特征值;
将所述第一用户标识集合中的第一用户标识的特征值与预先生成的基准特征值进行比较,基于比较结果确定所述第一用户标识集合中的第一用户标识所指示的用户的类别;
基于所述第一用户标识集合中的第一用户标识所指示的用户的类别,从所述第一用户标识集合中选取出第一用户标识,并输出所选取出的第一用户标识。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括生成基准特征值的步骤,所述生成基准特征值的步骤包括:
获取参考用户标识集合;
对所述参考用户标识集合中的参考用户标识的各个字符进行分析,生成所述参考用户标识集合中的参考用户标识的特征值;
基于所述参考用户标识集合中的参考用户标识的特征值,生成基准特征值。
3.根据权利要求2所述的方法,其特征在于,所述获取参考用户标识集合,包括:
获取第二预设时间段内的所述预设网站上的第二用户行为数据集合;
从所述第二用户行为数据集合中提取第二用户标识集合;
将所述第二用户标识集合中的第二用户标识在预先生成的用户权重表进行匹配,获取所述第二用户标识集合中的第二用户标识所指示的用户的权重,其中,所述用户权重表用于存储用户的用户标识和用户的权重;
基于所述第二用户标识集合中的第二用户标识所指示的用户的权重,从所述第二用户标识集合中选取出第二用户标识作为参考用户标识以生成参考用户标识集合。
4.根据权利要求2所述的方法,其特征在于,所述对所述参考用户标识集合中的参考用户标识的各个字符进行分析,生成所述参考用户标识集合中的参考用户标识的特征值,包括:
获取组成所述参考用户标识集合中的参考用户标识的字符集合;
对所述参考用户标识集合中的参考用户标识的各个字符进行统计,获取所述字符集合中的各个字符的平均转移概率,其中,字符的转移概率是字符处于所述字符集合中的每个字符之后的概率,字符的平均转移概率是字符处于所述字符集合中的各个字符之后的概率的平均值;
基于所述参考用户标识集合中的参考用户标识的各个字符的平均转移概率,生成所述参考用户标识集合中的参考用户标识的特征值。
5.根据权利要求4所述的方法,其特征在于,在所述获取组成所述参考用户标识集合中的参考用户标识的字符集合之前,还包括:
在所述参考用户标识集合中的参考用户标识的首部添加第一特定字符,并在所述参考用户标识集合中的参考用户标识的尾部添加第二特定字符。
6.根据权利要求4或5所述的方法,其特征在于,所述基于所述参考用户标识集合中的参考用户标识的各个字符的平均转移概率,生成所述参考用户标识集合中的参考用户标识的特征值,包括:
对所述字符集合中的各个字符的平均转移概率进行聚类,生成预设数目平均转移概率集合;
分别计算所述预设数目平均转移概率集合中的各个平均转移概率集合的平均值,并作为各个平均转移概率集合的聚类中心;
基于各个平均转移概率集合的聚类中心,生成数量级;
基于所述参考用户标识集合中的参考用户标识的各个字符的平均转移概率和所述数量级,生成所述参考用户标识集合中的参考用户标识的特征值。
7.根据权利要求2所述的方法,其特征在于,所述基于所述参考用户标识集合中的参考用户标识的特征值,生成基准特征值,包括:
将所述参考用户标识集合中的参考用户标识的特征值按照数值大小顺序进行排序,将排在预设位置的特征值作为基准特征值。
8.一种信息输出装置,其特征在于,所述装置包括:
获取单元,配置用于获取第一预设时间段内的预设网站上的第一用户行为数据集合,其中,用户行为数据包括以下至少一项:用户注册数据、用户浏览数据、用户下单数据、用户评论数据;
提取单元,配置用于从所述第一用户行为数据集合中提取第一用户标识集合;
分析单元,配置用于对所述第一用户标识集合中的第一用户标识的各个字符进行分析,生成所述第一用户标识集合中的第一用户标识的特征值;
比较单元,配置用于将所述第一用户标识集合中的第一用户标识的特征值与预先生成的基准特征值进行比较,基于比较结果确定所述第一用户标识集合中的第一用户标识所指示的用户的类别;
选取单元,配置用于基于所述第一用户标识集合中的第一用户标识所指示的用户的类别,从所述第一用户标识集合中选取出第一用户标识,并输出所选取出的第一用户标识。
9.一种电子设备,其特征在于,所述电子设备包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现如权利要求1-7中任一所述的方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1-7中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710617496.0A CN107368597B (zh) | 2017-07-26 | 2017-07-26 | 信息输出方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710617496.0A CN107368597B (zh) | 2017-07-26 | 2017-07-26 | 信息输出方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107368597A true CN107368597A (zh) | 2017-11-21 |
CN107368597B CN107368597B (zh) | 2020-05-15 |
Family
ID=60307181
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710617496.0A Expired - Fee Related CN107368597B (zh) | 2017-07-26 | 2017-07-26 | 信息输出方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107368597B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111078860A (zh) * | 2019-11-27 | 2020-04-28 | 北京小米移动软件有限公司 | 文本筛选方法、文本筛选装置及电子设备 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AU2004202309A1 (en) * | 1998-12-08 | 2004-06-24 | Visa International Service Association | A method of determining similarity between a user sequence and a sequence template in a computer network intrusion detection system |
CN105634855A (zh) * | 2014-11-06 | 2016-06-01 | 阿里巴巴集团控股有限公司 | 网络地址的异常识别方法及装置 |
CN106055561A (zh) * | 2016-05-18 | 2016-10-26 | 微梦创科网络科技(中国)有限公司 | 一种防止网络用户恶意操作的方法及装置 |
CN106657016A (zh) * | 2016-11-10 | 2017-05-10 | 北京奇艺世纪科技有限公司 | 一种非法用户名的识别方法和系统 |
-
2017
- 2017-07-26 CN CN201710617496.0A patent/CN107368597B/zh not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AU2004202309A1 (en) * | 1998-12-08 | 2004-06-24 | Visa International Service Association | A method of determining similarity between a user sequence and a sequence template in a computer network intrusion detection system |
CN105634855A (zh) * | 2014-11-06 | 2016-06-01 | 阿里巴巴集团控股有限公司 | 网络地址的异常识别方法及装置 |
CN106055561A (zh) * | 2016-05-18 | 2016-10-26 | 微梦创科网络科技(中国)有限公司 | 一种防止网络用户恶意操作的方法及装置 |
CN106657016A (zh) * | 2016-11-10 | 2017-05-10 | 北京奇艺世纪科技有限公司 | 一种非法用户名的识别方法和系统 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111078860A (zh) * | 2019-11-27 | 2020-04-28 | 北京小米移动软件有限公司 | 文本筛选方法、文本筛选装置及电子设备 |
CN111078860B (zh) * | 2019-11-27 | 2023-04-11 | 北京小米移动软件有限公司 | 文本筛选方法、文本筛选装置及电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN107368597B (zh) | 2020-05-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107220852A (zh) | 用于确定目标推荐用户的方法、装置和服务器 | |
CN107491534A (zh) | 信息处理方法和装置 | |
CN107679119A (zh) | 生成品牌衍生词的方法和装置 | |
CN107247786A (zh) | 用于确定相似用户的方法、装置和服务器 | |
CN107295095A (zh) | 推送及展示广告的方法和装置 | |
CN108804450A (zh) | 信息推送的方法和装置 | |
CN107944481A (zh) | 用于生成信息的方法和装置 | |
CN107845016A (zh) | 信息输出方法和装置 | |
CN107423613A (zh) | 依据相似度确定设备指纹的方法、装置及服务器 | |
CN107944956A (zh) | 用于生成信息的方法和装置 | |
CN110298716A (zh) | 信息推送方法和装置 | |
CN109388548A (zh) | 用于生成信息的方法和装置 | |
CN108984554A (zh) | 用于确定关键词的方法和装置 | |
CN107590252A (zh) | 用于信息交互的方法及装置 | |
CN107562613A (zh) | 程序测试方法、装置及系统 | |
CN107517251A (zh) | 信息推送方法和装置 | |
KR20150112089A (ko) | 추천 상품 제공 서비스 방법 및 이를 위한 장치 | |
CN107330717A (zh) | 广告投放方法和系统 | |
CN107742128A (zh) | 用于输出信息的方法和装置 | |
CN110414989A (zh) | 异常检测方法及装置、电子设备和计算机可读存储介质 | |
CN107451869A (zh) | 用于推送信息的方法和装置 | |
CN110020112A (zh) | 对象推送方法及其系统 | |
CN115423535A (zh) | 基于市场先验大数据的产品采购方法、装置、设备及介质 | |
CN107249041A (zh) | 信息推送方法和装置 | |
CN107679883A (zh) | 广告生成的方法及系统 |
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 | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: Building N3, building 12, No. 27, Jiancai Chengzhong Road, Haidian District, Beijing 100086 Applicant after: Beijing Xingxuan Technology Co.,Ltd. Address before: 100085 Beijing, Haidian District on the road to the information on the ground floor of the 1 to the 3 floor of the 2 floor, room 11, 202 Applicant before: Beijing Xiaodu Information Technology Co.,Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20200515 |