CN107402742A - 信息推送方法和装置 - Google Patents
信息推送方法和装置 Download PDFInfo
- Publication number
- CN107402742A CN107402742A CN201710662039.3A CN201710662039A CN107402742A CN 107402742 A CN107402742 A CN 107402742A CN 201710662039 A CN201710662039 A CN 201710662039A CN 107402742 A CN107402742 A CN 107402742A
- Authority
- CN
- China
- Prior art keywords
- sequence
- time
- period
- cluster
- delay
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F7/00—Methods or arrangements for processing data by operating upon the order or content of the data handled
- G06F7/22—Arrangements for sorting or merging computer data on continuous record carriers, e.g. tape, drum, disc
- G06F7/24—Sorting, i.e. extracting data from one or more carriers, rearranging the data in numerical or other ordered sequence, and rerecording the sorted data on the original carrier or on a different carrier or set of carriers sorting methods in general
Landscapes
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请公开了信息推送方法和装置。该方法的一具体实施方式包括:响应于接收到终端发送用于查询指标的查询请求,获取用于统计指标的多个时间序列;将多个时间序列聚类生成多个簇,其中,每个簇包括至少两个时间序列;对于每个簇,确定该簇中相关性最高的两个时间序列;向终端推送各个簇中相关性最高的两个时间序列。该实施方式提高了查询相关时间序列的效率。
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,尤其涉及信息推送方法和装置。
背景技术
时间序列(或称动态数列)是指将同一统计指标的数值按其发生的时间先后顺序排列而成的数列。例如:一段时间商品销量就属于典型的时间序列。
多个时间序列之间可能存在相关性,例如:一个时间序列值在某时刻升高或降低后,可能影响另一个时间序列值升高或者降低。时间序列的相关性可能存在正相关,也就是两个时间序列同时升高或者降低;也可能存在负相关,一个时间序列升高则另一个降低,反之亦然。时间序列需要按照一定的时间跨度聚合,例如:按天、周、双周、月等,因为一个时间序列可能一段时间对另一个时间序列影响更明显。时间序列之间的影响,可能是立刻的,也就是一个时间序列变化后,另一个时间序列马上跟着变化;也可能存在着某个“时间差”,也就是一个时间序列变化后,在一段时间之后,对另一个时间序列产生影响。总结起来,时间序列的相关性包括三个方面:方向(正相关、负相关)、大小(相关程度)、周期、延迟(时间差)。
研究大量的时间序列之间的相关性,如果两两计算长度为n的序列之间的相关系数,时间复杂度是O(n2),如果n很大时,计算是非常低效的。
发明内容
本申请的目的在于提出一种改进的信息推送方法和装置,来解决以上背景技术部分提到的技术问题。
第一方面,本申请实施例提供了一种信息推送方法,该方法包括:响应于接收到终端发送用于查询指标的查询请求,获取用于统计指标的多个时间序列;将多个时间序列聚类生成多个簇,其中,每个簇包括至少两个时间序列;对于每个簇,确定该簇中相关性最高的两个时间序列;向终端推送各个簇中相关性最高的两个时间序列。
在一些实施例中,确定该簇中相关性最高的两个时间序列,包括:对从该簇中任意选取的第一时间序列和第二时间序列执行如下步骤:将第二时间序列延迟不同的时间间隔后得到多个延迟时间序列;确定多个延迟时间序列中每个延迟时间序列与第一时间序列之间的相关系数,并将最高的相关系数作为第一时间序列和第二时间序列之间的相关系数;根据该簇中各时间序列之间的相关系数确定出该簇中相关性最高的两个时间序列。
在一些实施例中,确定多个延迟时间序列中每个延迟时间序列与第一时间序列之间的相关系数,包括:对于每个延迟时间序列,将该延迟时间序列按预定周期聚合成延迟周期序列;将第一时间序列按预定周期聚合成第一周期序列;确定延迟周期序列与第一周期序列之间的相关系数,作为该延迟时间序列与第一时间序列之间的相关系数。
在一些实施例中,确定延迟周期序列与第一周期序列之间的相关系数,包括:确定延迟周期序列中各元素的均值和方差,并根据延迟周期序列中各元素的均值和方差将延迟周期序列中每个元素转换成标准化值;确定第一周期序列中各元素的均值和方差,并根据第一周期序列中各元素的均值和方差将第一周期序列中每个元素转换成标准化值;按照标准化值由小到大的顺序,将延迟周期序列中每个元素和第一周期序列中每个元素分别划分成预定数目的序列组,并根据组号将延迟周期序列对应的序列组与第一周期序列对应的序列组组成序列组对;对于每个序列组对,将该序列组对中两个序列组之间的相关系数作为该序列组对的相关系数,其中,每个序列组对与预设的权重相对应;将各序列组对的相关系数的加权和作为延迟周期序列与第一周期序列之间的相关系数。
在一些实施例中,将多个时间序列聚类生成多个簇,包括:通过kmeans算法按照相似度对多个时间序列聚类生成多个簇。
在一些实施例中,相似度根据皮尔逊相关系数确定。
第二方面,本申请实施例提供了一种信息推送装置,该装置包括:获取单元,用于响应于接收到终端发送用于查询指标的查询请求,获取用于统计指标的多个时间序列;聚类单元,用于将多个时间序列聚类生成多个簇,其中,每个簇包括至少两个时间序列;确定单元,用于对于每个簇,确定该簇中相关性最高的两个时间序列;推送单元,用于向终端推送各个簇中相关性最高的两个时间序列。
在一些实施例中,确定单元进一步用于:对从该簇中任意选取的第一时间序列和第二时间序列执行如下步骤:将第二时间序列延迟不同的时间间隔后得到多个延迟时间序列;确定多个延迟时间序列中每个延迟时间序列与第一时间序列之间的相关系数,并将最高的相关系数作为第一时间序列和第二时间序列之间的相关系数;根据该簇中各时间序列之间的相关系数确定出该簇中相关性最高的两个时间序列。
在一些实施例中,确定单元进一步用于:对于每个延迟时间序列,将该延迟时间序列按预定周期聚合成延迟周期序列;将第一时间序列按预定周期聚合成第一周期序列;确定延迟周期序列与第一周期序列之间的相关系数,作为该延迟时间序列与第一时间序列之间的相关系数。
在一些实施例中,确定单元进一步用于:确定延迟周期序列中各元素的均值和方差,并根据延迟周期序列中各元素的均值和方差将延迟周期序列中每个元素转换成标准化值;确定第一周期序列中各元素的均值和方差,并根据第一周期序列中各元素的均值和方差将第一周期序列中每个元素转换成标准化值;按照标准化值由小到大的顺序,将延迟周期序列中每个元素和第一周期序列中每个元素分别划分成预定数目的序列组,并根据组号将延迟周期序列对应的序列组与第一周期序列对应的序列组组成序列组对;对于每个序列组对,将该序列组对中两个序列组之间的相关系数作为该序列组对的相关系数,其中,每个序列组对与预设的权重相对应;将各序列组对的相关系数的加权和作为延迟周期序列与第一周期序列之间的相关系数。
在一些实施例中,聚类单元进一步用于:通过kmeans算法按照相似度对多个时间序列聚类生成多个簇。
在一些实施例中,相似度根据皮尔逊相关系数确定。
第三方面,本申请实施例提供了一种服务器,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,使得一个或多个处理器实现如第一方面中任一的方法。
第四方面,本申请实施例提供了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,该程序被处理器执行时实现如第一方面中任一的方法。
本申请实施例提供的信息推送方法和装置,通过将多个时间序列聚类生成多个簇,只研究簇内序列的相关性,能够大大降低相关性计算的复杂度,提高了查询相关时间序列的效率。
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推送方法的一个实施例的流程图;
图3是根据本申请的信息推送方法的一个应用场景的示意图;
图4是根据本申请的信息推送方法的又一个实施例的流程图;
图5是根据本申请的信息推送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服务器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推送方法或信息推送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可以包括终端设备101、102、103,网络104和服务器105。网络104用以在终端设备101、102、103和服务器105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。
用户可以使用终端设备101、102、103通过网络104与服务器105交互,以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用,例如网页浏览器应用、购物类应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。
终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备,包括但不限于智能手机、平板电脑、电子书阅读器、MP3播放器(Moving Picture ExpertsGroup Audio Layer III,动态影像专家压缩标准音频层面3)、MP4(Moving PictureExperts Group Audio Layer IV,动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机和台式计算机等等。
服务器105可以是提供各种服务的服务器,例如对终端设备101、102、103上显示的时间序列相关性查询结果提供支持的后台查询服务器。后台查询服务器可以对接收到的时间序列相关性查询请求等数据进行分析等处理,并将处理结果(例如时间序列分组后每组时间序列中相关性最高的一对时间序列)反馈给终端设备。
需要说明的是,本申请实施例所提供的信息推送方法一般由服务器105执行,相应地,信息推送装置一般设置于服务器105中。
应该理解,图1中的终端设备、网络和服务器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终端设备、网络和服务器。
继续参考图2,示出了根据本申请的信息推送方法的一个实施例的流程200。该信息推送方法,包括以下步骤:
步骤201,响应于接收到终端发送用于查询指标的查询请求,获取用于统计指标的多个时间序列。
在本实施例中,信息推送方法运行于其上的电子设备(例如图1所示的服务器)可以通过有线连接方式或者无线连接方式从用户利用其进行指标查询的终端接收查询请求,然后获取用于统计指标的多个时间序列。指标可以是销量、点击量等按时间变化的参数。例如,用户通过终端发送商品的销量,通过第三方获取与销量有关的多个商品的多个时间序列,用于确定出商品的销量之间的相关性。
步骤202,将多个时间序列聚类生成多个簇。
在本实施例中,每个簇包括至少两个时间序列。聚类以相似性为基础,在一个聚类中的模式之间比不在同一聚类中的模式之间具有更多的相似性。聚类的算法可以分为划分法(Partitioning Methods)、层次法(Hierarchical Methods)、基于密度的方法(density-based methods)、基于网格的方法(grid-based methods)、基于模型的方法(Model-BasedMethods)。依据时间序列之间的相关性进行聚类,把相关性高的序列放到一个簇,把相关性低的放到不同的簇,只研究族内序列的相关性,能够大大降低相关性计算的时间复杂度。
步骤203,对于每个簇,确定该簇中相关性最高的两个时间序列。
在本实施例中,相关系数,或称线性相关系数、皮尔逊相关系数等,是衡量两个随机变量之间线性相关程度的指标。对于每个簇,可确定该簇中任意两个时间序列之间的相关系数或皮尔逊相关系数,然后将相关系数或皮尔逊相关系数最大的一对时间序列确定为该簇中相关性最高的两个时间序列。
在本实施例的一些可选的实现方式中,确定该簇中相关性最高的两个时间序列,包括:对从该簇中任意选取的第一时间序列和第二时间序列执行如下步骤:将第二时间序列延迟不同的时间间隔后得到多个延迟时间序列;确定多个延迟时间序列中每个延迟时间序列与第一时间序列之间的相关系数,并将最高的相关系数作为第一时间序列和第二时间序列之间的相关系数;根据该簇中各时间序列之间的相关系数确定出该簇中相关性最高的两个时间序列。
下面以一对时间序列ts1和ts2为例说明将第二时间序列延迟不同的时间间隔后得到多个延迟时间序列的步骤,包括:
A、时间序列需要汇总成不同的周期,例如:天、周(7天)、2周(14天)、月(30天)。每个周期按照不同的延迟时间计算相关性,延迟时间的多少根据周期大小由具体业务需求确定,生成多个延迟间隔(delay_time)的时间序列对。生成方法如下:
原始的时间序列为:
ts1={t1d1,t1d1+1,t1d1+2,…,t1d1+n-1}代表起始时间为d1,长度为n的第一时间序列。
ts2={t2d2,t2d2+1,t2d2+2,…,t2d2+m-1}代表起始时间为d2,长度为m的第二时间序列。
1)ts1、ts2按照序列的发生时间对齐。
2)选择延迟时间delay_time。
延迟时间delay_time可以为正数,也可以为负数,delay_time为正数的时候,代表ts2比ts1向右移动delay_time个时间单位;为负数时,代表ts1比ts2向右移动delay_time个时间单位。根据ts1、ts2、delay_time,生成发生时间相隔delay_time时间单位的时间序列,并且取两个时间序列的重叠部分子序列:
ts1_sub={t1e,t1e+1,t1e+2,…,t1e+k-1}。
ts1_sub代表起始时间为e,长度为k的ts1子序列。
ts2_sub={t2e+delay_time,t2e+delay_time+1,t2e+delay_time+2,…,t2e+delay_time+k-1}。
ts2_sub代表起始时间为e+delay_time,长度为k的ts2子序列。
在本实施例的一些可选的实现方式中,确定多个延迟时间序列中每个延迟时间序列与第一时间序列之间的相关系数,包括:对于每个延迟时间序列,将该延迟时间序列按预定周期聚合成延迟周期序列;将第一时间序列按预定周期聚合成第一周期序列;确定延迟周期序列与第一周期序列之间的相关系数,作为该延迟时间序列与第一时间序列之间的相关系数。
下面举例说明将该延迟时间序列按预定周期聚合成延迟周期序列的步骤包括:
B、根据周期p,把子时间序列ts1_sub、ts2_sub,通过求和方式汇总成周期为p、长度为(向上取整)两个序列相隔delay_time个基本时间单位的时间序列。
tsp1={p11,p12,p13,….,p1L},tsp1代表ts1_sub汇总成周期为p的时间序列,L为长度,
tsp2={p21,p22,p23,….,p2L},tsp2代表ts2_sub汇总成周期为p的时间序列,L为长度,
在本实施例的一些可选的实现方式中,确定延迟周期序列与第一周期序列之间的相关系数,包括:确定延迟周期序列中各元素的均值和方差,并根据延迟周期序列中各元素的均值和方差将延迟周期序列中每个元素转换成标准化值;确定第一周期序列中各元素的均值和方差,并根据第一周期序列中各元素的均值和方差将第一周期序列中每个元素转换成标准化值;按照标准化值由小到大的顺序,将延迟周期序列中每个元素和第一周期序列中每个元素分别划分成预定数目的序列组,并根据组号将延迟周期序列对应的序列组与第一周期序列对应的序列组组成序列组对;对于每个序列组对,将该序列组对中两个序列组之间的相关系数作为该序列组对的相关系数,其中,每个序列组对与预设的权重相对应;将各序列组对的相关系数的加权和作为延迟周期序列与第一周期序列之间的相关系数。
下面举例说明确定延迟周期序列与第一周期序列之间的相关系数的步骤包括:
C、计算每个周期、每个延迟的相关系数。
1)确定出tsp1序列的均值为μ1,方差为σ1;tsp2序列的均值为μ2方差为σ2。
2)确定tsp1序列元素的标准化值和tsp2序列元素的标准化值:
tsp1序列中每个元素标准化值其中,i为自然数,p1i为tsp1序列中第i个元素的值,s1i为tsp1序列中第i个元素的标准化值。
tsp2序列中每个元素标准化其中,i为自然数,p2i为tsp2序列中第i个元素的值,s2i为tsp2序列中第i个元素的标准化值。
3)根据s1i、s2i的值,把tsp1、tsp2两个序列分别分成多个子序列。
分组方法根据业务需要来确定,例如,根据标准化值的大小分成五组:
以上函数标识为G,gi为组号,si代表s1i或s2i,i为1-5的自然数。两个序列对应元素取最大的组号,gi=max(G(s1i),G(s2i)),使用这种方式把tsp1、tsp2分成以下n组子序列对。
ts1g1={p1g11,p1g12,…}ts1g2={p1g21,p1g22,…}ts1gn={p1gn1,p1gn2,…},其中,n为1-5的自然数。ts1g1中的元素为tsp1序列中标准化值对应的组号为g1的元素。ts1g2中的元素为tsp1序列中标准化值对应的组号为g2的元素。ts1gn中的元素为tsp1序列中标准化值对应的组号为gn的元素。
ts2g1={p2g11,p2g12,…}ts2g2={p2g21,p2g22,…}ts2gn={p2gn1,p2gn2,…},其中,n为1-5的自然数。ts2g1中的元素为tsp2序列中标准化值对应的组号为g1的元素。ts2g2中的元素为tsp2序列中标准化值对应的组号为g2的元素。ts2gn中的元素为tsp2序列中标准化值对应的组号为gn的元素。
4)对各组分别计算皮尔逊相关系数R,并加权求和,权重向量w={w1,w2,…,wn}根据业务需要指定。w1,w2,…,wn之和为1。corroef是用于求序列ts1gi和ts2gi之间相关系数的函数。
例如:针对促销导致的某几次销量激增,可以对所属组的加上较小的权重,这样可以降低某次离群值对整个相关系数的影响。对整个分组加权后的相关系数仍然在[-1,+1]之间。
D、计算所有周期、所有周期延迟中最大的相关系数,作为两个时间序列的相关系数,并且把周期period、延迟时间delay_time以及相关系数保存下来。
R(ts1,ts2)=maxperiod,delay_time R(ts1,ts2)
继续参见图3,图3是根据本实施例的信息推送方法的应用场景的一个示意图。在图3的应用场景中,用户通过终端300选择商户信息301和查询时间302,点击相关性查询按键303后将商户信息301和查询时间302发向服务器。服务器根据商户信息301和查询时间302获取多个时间序列,然后将多个时间序列分类,确定出每种类别的时间序列中相关性最高的两个时间序列作为查询结果。向终端推送查询结果304。
本申请的上述实施例提供的方法通过将时间序列聚类成多个簇,计算每个簇内相关性最高的时间序列,从而提高相关性查询的效率。
进一步参考图4,其示出了信息推送方法的又一个实施例的流程400。该信息推送方法的流程400,包括以下步骤:
步骤401,响应于接收到终端发送用于查询指标的查询请求,获取用于统计指标的多个时间序列。
步骤401与步骤201基本相同,因此不再赘述。
步骤402,通过kmeans算法按照相似度对多个时间序列聚类生成多个簇。
在本实施例中,kmeans算法接受输入量簇数k;然后将n个数据对象划分为k个聚类以便使得所获得的聚类满足:同一聚类中的对象相似度较高,而不同聚类中的对象相似度较小。聚类相似度是利用各聚类中对象的均值所获得一个“中心对象”(引力中心)来进行计算的。聚类的参数有:簇数k,初始簇中心C、距离度量函数D。其中距离度量D可采用(1-R2),其中R为根据皮尔逊相关系数。距离还可采用欧式距离度量或余弦相似度度量。
在本实施例的一些可选的实现方式中,相似度根据皮尔逊相关系数确定。
Kmeans算法求簇的中心,可使用向量平均值代替和使用向量的数值和,从皮尔逊相关系数公式中可以看出,假定向量中心为C:
其中,Xi为序列X中的第i个元素的值。n,i为自然数。
向量和S:
其中,Xi为序列X中的第i个元素的值。n,i为自然数。
Xi和C的相关系数R:
其中,cov(Xi,C)为Xi和C之间的协方差,cov(Xi,S)为Xi和S之间的协方差。σX为序列X中的方差,σC为C的方差,σS为S的方差。
因此,当使用相关距离(1-R2)作为聚类距离度量,簇中心可以用序列之和代替序列均值,即用S代替C。
步骤403,对于每个簇,确定该簇中相关性最高的两个时间序列。
步骤403与步骤203基本相同,因此不再赘述。
步骤404,向终端推送各个簇中相关性最高的两个时间序列。
步骤404与步骤204基本相同,因此不再赘述。
从图4中可以看出,与图2对应的实施例相比,本实施例中的信息推送方法的流程400突出了采用Kmeans算法进行聚类的步骤。由此,本实施例描述的方案可以降低确定时间序列之间相关性的复杂度,从而提高查询时间序列之间相关性的效率。
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推送装置的一个实施例,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,本实施例的信息推送装置500包括:获取单元501、聚类单元502、确定单元503和推送单元504。其中,获取单元501用于响应于接收到终端发送用于查询指标的查询请求,获取用于统计指标的多个时间序列;聚类单元502用于将多个时间序列聚类生成多个簇,其中,每个簇包括至少两个时间序列;确定单元503用于对于每个簇,确定该簇中相关性最高的两个时间序列;推送单元504用于向终端推送各个簇中相关性最高的两个时间序列。
在本实施例中,信息推送装置500的获取单元501、聚类单元502、确定单元503和推送单元504的具体处理可以参考图2对应实施例中的步骤201、步骤202、步骤203、步骤204。
在本实施例的一些可选的实现方式中,确定单元503进一步用于:对从该簇中任意选取的第一时间序列和第二时间序列执行如下步骤:将第二时间序列延迟不同的时间间隔后得到多个延迟时间序列;确定多个延迟时间序列中每个延迟时间序列与第一时间序列之间的相关系数,并将最高的相关系数作为第一时间序列和第二时间序列之间的相关系数;根据该簇中各时间序列之间的相关系数确定出该簇中相关性最高的两个时间序列。
在本实施例的一些可选的实现方式中,确定单元503进一步用于:对于每个延迟时间序列,将该延迟时间序列按预定周期聚合成延迟周期序列;将第一时间序列按预定周期聚合成第一周期序列;确定延迟周期序列与第一周期序列之间的相关系数,作为该延迟时间序列与第一时间序列之间的相关系数。
在本实施例的一些可选的实现方式中,确定单元503进一步用于:确定延迟周期序列中各元素的均值和方差,并根据延迟周期序列中各元素的均值和方差将延迟周期序列中每个元素转换成标准化值;确定第一周期序列中各元素的均值和方差,并根据第一周期序列中各元素的均值和方差将第一周期序列中每个元素转换成标准化值;按照标准化值由小到大的顺序,将延迟周期序列中每个元素和第一周期序列中每个元素分别划分成预定数目的序列组,并根据组号将延迟周期序列对应的序列组与第一周期序列对应的序列组组成序列组对;对于每个序列组对,将该序列组对中两个序列组之间的相关系数作为该序列组对的相关系数,其中,每个序列组对与预设的权重相对应;将各序列组对的相关系数的加权和作为延迟周期序列与第一周期序列之间的相关系数。
在本实施例的一些可选的实现方式中,聚类单元502进一步用于:通过kmeans算法按照相似度对多个时间序列聚类生成多个簇。
在本实施例的一些可选的实现方式中,相似度根据皮尔逊相关系数确定。
下面参考图6,其示出了适于用来实现本申请实施例的服务器的计算机系统600的结构示意图。图6示出的服务器仅仅是一个示例,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,本申请所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、聚类单元、确定单元和推送单元。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“响应于接收到终端发送用于查询指标的查询请求,获取用于统计指标的多个时间序列的单元”。
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装置中所包含的;也可以是单独存在,而未装配入该装置中。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装置执行时,使得该装置:响应于接收到终端发送用于查询指标的查询请求,获取用于统计指标的多个时间序列;将多个时间序列聚类生成多个簇,其中,每个簇包括至少两个时间序列;对于每个簇,确定该簇中相关性最高的两个时间序列;向终端推送各个簇中相关性最高的两个时间序列。
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所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 (14)
1.一种信息推送方法,其特征在于,所述方法包括:
响应于接收到终端发送用于查询指标的查询请求,获取用于统计所述指标的多个时间序列;
将所述多个时间序列聚类生成多个簇,其中,每个簇包括至少两个时间序列;
对于每个簇,确定该簇中相关性最高的两个时间序列;
向所述终端推送各个簇中相关性最高的两个时间序列。
2.根据权利要求1所述的方法,其特征在于,所述确定该簇中相关性最高的两个时间序列,包括:
对从该簇中任意选取的第一时间序列和第二时间序列执行如下步骤:将所述第二时间序列延迟不同的时间间隔后得到多个延迟时间序列;确定所述多个延迟时间序列中每个延迟时间序列与所述第一时间序列之间的相关系数,并将最高的相关系数作为所述第一时间序列和所述第二时间序列之间的相关系数;
根据该簇中各时间序列之间的相关系数确定出该簇中相关性最高的两个时间序列。
3.根据权利要求2所述的方法,其特征在于,所述确定所述多个延迟时间序列中每个延迟时间序列与所述第一时间序列之间的相关系数,包括:
对于每个延迟时间序列,将该延迟时间序列按预定周期聚合成延迟周期序列;将所述第一时间序列按所述预定周期聚合成第一周期序列;确定所述延迟周期序列与所述第一周期序列之间的相关系数,作为该延迟时间序列与所述第一时间序列之间的相关系数。
4.根据权利要求3所述的方法,其特征在于,所述确定所述延迟周期序列与所述第一周期序列之间的相关系数,包括:
确定所述延迟周期序列中各元素的均值和方差,并根据所述延迟周期序列中各元素的均值和方差将所述延迟周期序列中每个元素转换成标准化值;
确定所述第一周期序列中各元素的均值和方差,并根据所述第一周期序列中各元素的均值和方差将所述第一周期序列中每个元素转换成标准化值;
按照标准化值由小到大的顺序,将所述延迟周期序列中每个元素和所述第一周期序列中每个元素分别划分成预定数目的序列组,并根据组号将所述延迟周期序列对应的序列组与所述第一周期序列对应的序列组组成序列组对;
对于每个序列组对,将该序列组对中两个序列组之间的相关系数作为该序列组对的相关系数,其中,每个序列组对与预设的权重相对应;
将各序列组对的相关系数的加权和作为所述延迟周期序列与所述第一周期序列之间的相关系数。
5.根据权利要求1-4之一所述的方法,其特征在于,所述将所述多个时间序列聚类生成多个簇,包括:
通过kmeans算法按照相似度对所述多个时间序列聚类生成多个簇。
6.根据权利要求5所述的方法,其特征在于,所述相似度根据皮尔逊相关系数确定。
7.一种信息推送装置,其特征在于,所述装置包括:
获取单元,用于响应于接收到终端发送用于查询指标的查询请求,获取用于统计所述指标的多个时间序列;
聚类单元,用于将所述多个时间序列聚类生成多个簇,其中,每个簇包括至少两个时间序列;
确定单元,用于对于每个簇,确定该簇中相关性最高的两个时间序列;
推送单元,用于向所述终端推送各个簇中相关性最高的两个时间序列。
8.根据权利要求7所述的装置,其特征在于,所述确定单元进一步用于:
对从该簇中任意选取的第一时间序列和第二时间序列执行如下步骤:将所述第二时间序列延迟不同的时间间隔后得到多个延迟时间序列;确定所述多个延迟时间序列中每个延迟时间序列与所述第一时间序列之间的相关系数,并将最高的相关系数作为所述第一时间序列和所述第二时间序列之间的相关系数;
根据该簇中各时间序列之间的相关系数确定出该簇中相关性最高的两个时间序列。
9.根据权利要求8所述的装置,其特征在于,所述确定单元进一步用于:
对于每个延迟时间序列,将该延迟时间序列按预定周期聚合成延迟周期序列;将所述第一时间序列按所述预定周期聚合成第一周期序列;确定所述延迟周期序列与所述第一周期序列之间的相关系数,作为该延迟时间序列与所述第一时间序列之间的相关系数。
10.根据权利要求9所述的装置,其特征在于,所述确定单元进一步用于:
确定所述延迟周期序列中各元素的均值和方差,并根据所述延迟周期序列中各元素的均值和方差将所述延迟周期序列中每个元素转换成标准化值;
确定所述第一周期序列中各元素的均值和方差,并根据所述第一周期序列中各元素的均值和方差将所述第一周期序列中每个元素转换成标准化值;
按照标准化值由小到大的顺序,将所述延迟周期序列中每个元素和所述第一周期序列中每个元素分别划分成预定数目的序列组,并根据组号将所述延迟周期序列对应的序列组与所述第一周期序列对应的序列组组成序列组对;
对于每个序列组对,将该序列组对中两个序列组之间的相关系数作为该序列组对的相关系数,其中,每个序列组对与预设的权重相对应;
将各序列组对的相关系数的加权和作为所述延迟周期序列与所述第一周期序列之间的相关系数。
11.根据权利要求7-10之一所述的装置,其特征在于,所述聚类单元进一步用于:
通过kmeans算法按照相似度对所述多个时间序列聚类生成多个簇。
12.根据权利要求11所述的装置,其特征在于,所述相似度根据皮尔逊相关系数确定。
13.一种服务器,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,使得所述一个或多个处理器实现如权利要求1-6中任一所述的方法。
14.一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,该程序被处理器执行时实现如权利要求1-6中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710662039.3A CN107402742A (zh) | 2017-08-04 | 2017-08-04 | 信息推送方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710662039.3A CN107402742A (zh) | 2017-08-04 | 2017-08-04 | 信息推送方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107402742A true CN107402742A (zh) | 2017-11-28 |
Family
ID=60401980
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710662039.3A Pending CN107402742A (zh) | 2017-08-04 | 2017-08-04 | 信息推送方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107402742A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111492322A (zh) * | 2017-12-27 | 2020-08-04 | 三菱电机株式会社 | 制造工序统计处理系统、制造工序统计处理方法以及程序 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8650137B2 (en) * | 2008-10-20 | 2014-02-11 | Siemens Corporation | Method and apparatus for creating state estimation models in machine condition monitoring |
CN103729530A (zh) * | 2012-10-15 | 2014-04-16 | 富士通株式会社 | 对序列进行处理的装置和方法 |
CN105069093A (zh) * | 2015-08-05 | 2015-11-18 | 河海大学 | 一种基于嵌入式索引的水文时间序列相似性搜索方法 |
CN105321089A (zh) * | 2014-07-16 | 2016-02-10 | 苏宁云商集团股份有限公司 | 基于多算法融合的电子商务推荐方法和系统 |
CN105956699A (zh) * | 2016-04-29 | 2016-09-21 | 连云港天马网络发展有限公司 | 基于电商销售数据的商品分类提取及在该分类提取下的销量预测方法 |
CN106203737A (zh) * | 2016-07-29 | 2016-12-07 | 华北电力大学(保定) | 一种风电场风速的多步预测方法及系统 |
CN106447537A (zh) * | 2016-10-27 | 2017-02-22 | 国网冀北电力有限公司秦皇岛供电公司 | 一种电能质量时间序列相关性评估方法 |
CN106484724A (zh) * | 2015-08-31 | 2017-03-08 | 富士通株式会社 | 信息处理装置和信息处理方法 |
-
2017
- 2017-08-04 CN CN201710662039.3A patent/CN107402742A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8650137B2 (en) * | 2008-10-20 | 2014-02-11 | Siemens Corporation | Method and apparatus for creating state estimation models in machine condition monitoring |
CN103729530A (zh) * | 2012-10-15 | 2014-04-16 | 富士通株式会社 | 对序列进行处理的装置和方法 |
CN105321089A (zh) * | 2014-07-16 | 2016-02-10 | 苏宁云商集团股份有限公司 | 基于多算法融合的电子商务推荐方法和系统 |
CN105069093A (zh) * | 2015-08-05 | 2015-11-18 | 河海大学 | 一种基于嵌入式索引的水文时间序列相似性搜索方法 |
CN106484724A (zh) * | 2015-08-31 | 2017-03-08 | 富士通株式会社 | 信息处理装置和信息处理方法 |
CN105956699A (zh) * | 2016-04-29 | 2016-09-21 | 连云港天马网络发展有限公司 | 基于电商销售数据的商品分类提取及在该分类提取下的销量预测方法 |
CN106203737A (zh) * | 2016-07-29 | 2016-12-07 | 华北电力大学(保定) | 一种风电场风速的多步预测方法及系统 |
CN106447537A (zh) * | 2016-10-27 | 2017-02-22 | 国网冀北电力有限公司秦皇岛供电公司 | 一种电能质量时间序列相关性评估方法 |
Non-Patent Citations (2)
Title |
---|
孙承杰,刘丰,林磊,刘秉权: ""基于时间序列聚类和ARMA模型的检索量预测"", 《华南理工大学学报(自然科学版)》 * |
王金龙,徐从富,徐娇芬,骆国靖: ""利用销售数据的商品影响关系挖掘研究"", 《电子科技大学学报》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111492322A (zh) * | 2017-12-27 | 2020-08-04 | 三菱电机株式会社 | 制造工序统计处理系统、制造工序统计处理方法以及程序 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108280685B (zh) | 信息获取方法和装置 | |
CN110399848A (zh) | 视频封面生成方法、装置及电子设备 | |
CN104331411B (zh) | 推荐项目的方法和装置 | |
CN107609890A (zh) | 一种订单跟踪的方法和装置 | |
CN111898578B (zh) | 人群密度的获取方法、装置、电子设备 | |
CN109993568A (zh) | 信息推送的方法和装置 | |
CN110110226B (zh) | 一种推荐算法、推荐系统及终端设备 | |
CN108388563A (zh) | 信息输出方法和装置 | |
CN110363604A (zh) | 页面生成方法和装置 | |
CN108776692A (zh) | 用于处理信息的方法和装置 | |
CN112508118A (zh) | 针对数据偏移的目标对象行为预测方法及其相关设备 | |
CN109961141A (zh) | 用于生成量化神经网络的方法和装置 | |
CN112288163A (zh) | 目标对象的目标因子预测方法及相关设备 | |
CN108595448A (zh) | 信息推送方法和装置 | |
CN109002925A (zh) | 业务量预测方法和装置 | |
CN112035753A (zh) | 推荐页面生成方法、装置、电子设备和计算机可读介质 | |
CN109785072A (zh) | 用于生成信息的方法和装置 | |
CN108770002A (zh) | 基站流量分析方法、装置、设备及存储介质 | |
CN110443264A (zh) | 一种聚类的方法和装置 | |
CN113011911B (zh) | 基于人工智能的数据预测方法、装置、介质及电子设备 | |
CN110135903A (zh) | 广告位排位方法、系统、介质和电子设备 | |
CN107402742A (zh) | 信息推送方法和装置 | |
CN113763077A (zh) | 用于检测虚假交易订单的方法和装置 | |
JP2022534160A (ja) | 情報を出力するための方法及び装置、電子機器、記憶媒体並びにコンピュータプログラム | |
CN110019531A (zh) | 一种获取相似对象集合的方法和装置 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20171128 |
|
RJ01 | Rejection of invention patent application after publication |