CN107729519A - 基于多源多维数据的评估方法及装置、终端 - Google Patents
基于多源多维数据的评估方法及装置、终端 Download PDFInfo
- Publication number
- CN107729519A CN107729519A CN201711021506.0A CN201711021506A CN107729519A CN 107729519 A CN107729519 A CN 107729519A CN 201711021506 A CN201711021506 A CN 201711021506A CN 107729519 A CN107729519 A CN 107729519A
- Authority
- CN
- China
- Prior art keywords
- assessment
- dimension
- data
- numerical value
- mark
- 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
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
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2462—Approximate or statistical queries
-
- 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
- G06F16/283—Multi-dimensional databases or data warehouses, e.g. MOLAP or ROLAP
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Probability & Statistics with Applications (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
一种基于多源多维数据的评估方法及装置、终端,所述方法包括:获取评估目标,评估目标包括评估对象、评估维度及条件要求;对评估数据数据库进行筛选,以获取评估对象对应的标识数据;根据评估维度,从获取的标识数据对应的维度数值中筛选符合所述条件要求的维度数值;对筛选获得的维度数值进行统计评估,以获取评估结果;其中,评估数据数据库包括来自至少一个数据源的评估数据,每一条评估数据具有评估对象的至少一个标识类型、对应的标识数据和至少一个评估维度的维度数值。通过本发明的方案能够基于标准化的评估数据数据库拼合不同数据源、不同数据维度的评估数据,获得更全面、准确的评估结果,满足用户的多样化评估需求。
Description
技术领域
本发明涉及大数据应用技术领域,具体地涉及一种基于多源多维数据的评估方法及装置、终端。
背景技术
随着智慧城市这一概念的提出,越来越多的人们开始用智慧城市的理念去衡量和规划城市的发展。例如,可以基于大数据对商圈进行评估打分,以全局性的掌握不同商圈的优劣情况,有利于更合理的规划城市建设。
现有的评估体系一般是由用户自行确定需要评估的数据指标,对于确定的每一数据指标,寻找相应的数据提供方对所需数据进行统计,按自身需求对统计结果进行计算加工后,获得各个数据指标的评估结果。
这样的方案虽然能够在一定程度上实现对商圈的评估操作。但是,由于各个数据指标分别是由单一数据源统计获得的,极有可能出现统计结果不全不准的问题。另一方面,现有的评估方案还无法实现多维数据的拼合,导致可评估的数据指标极为有限,也无法形成复杂观察。
此外,对于各个数据指标的权重分配仍需要用户人工进行,无法形成复杂观察,各数据指标由用户自行确定,不够标准化,重复利用率低。
发明内容
本发明解决的技术问题是如何实现多源多维数据的拼合,以提高统评估结果的全面性和准确度,同时满足用户的多样化评估需求。
为解决上述技术问题,本发明实施例提供一种基于多源多维数据的评估方法,包括:获取评估目标,所述评估目标包括评估对象、评估维度及条件要求;对评估数据数据库进行筛选,以获取所述评估对象对应的标识数据;根据所述评估维度,从获取的标识数据对应的维度数值中筛选符合所述条件要求的维度数值;对筛选获得的维度数值进行统计评估,以获取评估结果;其中,所述评估数据数据库包括来自至少一个数据源的评估数据,每一评估数据具有评估对象的至少一个标识类型、对应的标识数据和至少一个评估维度的维度数值,对于同一评估对象,不同的数据源采用的标识类型和评估维度相互独立。
可选的,所述评估维度的条件要求包括:采集时间,所述采集时间用于描述所述评估维度的维度数值的产生时间;对所述评估维度的限制条件。
可选的,所述对筛选获得的维度数值进行统计评估,以获取评估结果包括:获取目标统计方式;根据所述目标统计方式对所述筛选获得的维度数值进行统计评估,以获取所述评估结果。
可选的,所述目标统计方式选自预设统计方法库;所述预设统计方法库记载的统计方式包括:占比、计数、合计、平均、中位数、最大值、最小值、天数、同比、环比。
可选的,所述对筛选获得的维度数值进行统计评估,以获取评估结果还包括:确定所述筛选获得的维度数值对应的评估维度相对于所述评估目标的权重;根据所述筛选获得的维度数值对应的评估维度的预设基值量以及对应的权重,计算获得所述评估结果。
可选的,所述对评估数据数据库进行筛选,以获取所述评估对象对应的标识数据包括:对于所述评估对象,基于预设关联关系表查找与所述评估对象对应的至少一个标识数据;其中,所述关联关系表用于描述同一评估对象的各个不同标识数据之间的关联关系以及不同评估对象之间的关联关系,不同的标识数据对应于不同的标识类型。
可选的,所述根据所述评估维度,从获取的标识数据对应的维度数值中筛选符合所述条件要求的维度数值包括:对于所述评估对象,根据获取的标识数据确定来自各个数据源的评估数据;对于获取的标识数据中存在关联关系的多个标识数据,当所述多个标识数据各自对应的所述评估维度重复时,去除重复的评估维度及其维度数值;根据所述评估维度筛选符合所述条件要求的维度数值。
可选的,根据预设筛选条件去除重复的评估维度及其维度数值,所述预设筛选条件包括以下一项或多项:提供存在重复值的标识数据的数据源的可靠度;所述存在重复值的标识数据的精度;所述存在重复值的标识数据的采集时间。
本发明实施例还提供一种基于多源多维数据的评估装置,包括:获取模块,用于获取评估目标,所述评估目标包括评估对象、评估维度及条件要求;第一筛选模块,用于对评估数据数据库进行筛选,以获取所述评估对象对应的标识数据;第二筛选模块,根据所述评估维度,从获取的标识数据对应的维度数值中筛选符合所述条件要求的维度数值;统计评估模块,用于对筛选获得的维度数值进行统计评估,以获取评估结果;其中,所述评估数据数据库包括来自至少一个数据源的评估数据,每一评估数据具有评估对象的标识数据和至少一个评估维度的维度数值,对于同一评估对象,不同的数据源采用的标识数据和评估维度相互独立。
可选的,所述评估维度的条件要求包括:采集时间,所述采集时间用于描述所述评估维度的维度数值的产生时间;对所述评估维度的限制条件。
可选的,所述统计评估模块包括:获取子模块,用于获取目标统计方式;统计评估子模块,用于根据所述目标统计方式对所述筛选获得的维度数值进行统计评估,以获取所述评估结果。
可选的,所述目标统计方式选自预设统计方法库;所述预设统计方法库记载的统计方式包括:占比、计数、合计、平均、中位数、最大值、最小值、天数、同比、环比。
可选的,所述统计评估模块还包括:第一确定子模块,用于确定所述筛选获得的维度数值对应的评估维度相对于所述评估目标的权重;计算子模块,用于根据所述筛选获得的维度数值对应的评估维度的预设基值量以及对应的权重,计算获得所述评估结果。
可选的,所述第一筛选模块包括:查找子模块,对于所述评估对象,基于预设关联关系表查找与所述评估对象对应的至少一个标识数据;其中,所述关联关系表用于描述同一评估对象的各个不同标识数据之间的关联关系以及不同评估对象之间的关联关系。
可选的,所述第二筛选模块包括:第二确定子模块,对于所述评估对象,根据获取的标识数据确定来自各个数据源的评估数据;去重子模块,对于获取的标识数据中存在关联关系的多个标识数据,当所述多个标识数据各自对应的所述评估维度重复时,去除重复的评估维度及其维度数值;筛选子模块,用于根据所述评估维度筛选符合所述条件要求的维度数值。
可选的,所述去重子模块根据预设筛选条件去除重复的评估维度及其维度数值,所述预设筛选条件包括以下一项或多项:提供存在重复值的标识数据的数据源的可靠度;所述存在重复值的标识数据的精度;所述存在重复值的标识数据的采集时间。
本发明实施例还提供一种终端,包括存储器和处理器,所述存储器上存储有能够在所述处理器上运行的计算机指令,所述处理器运行所述计算机指令时执行上述方法的步骤。
与现有技术相比,本发明实施例的技术方案具有以下有益效果:
本发明实施例所述基于多源多维数据的评估方法包括:获取评估目标,所述评估目标包括评估对象、评估维度及条件要求;对评估数据数据库进行筛选,以获取所述评估对象对应的标识数据;根据所述评估维度,从获取的标识数据对应的维度数值中筛选符合所述条件要求的维度数值;对筛选获得的维度数值进行统计评估,以获取评估结果;其中,所述评估数据数据库包括来自至少一个数据源的评估数据,每一评估数据具有评估对象的至少一个标识类型、对应的标识数据和至少一个评估维度的维度数值,对于同一评估对象,不同的数据源采用的标识类型和评估维度相互独立。较之现有基于单一数据源及该数据源所采用的数据维度进行统计评估的方案,通过建立标准化的评估数据数据库,采用标准化的标识类型记录不同数据源提供的评估数据,使得本发明实施例所述方案能够对不同数据源各自采用不同数据维度统计获得的评估数据进行有效拼合,从而获得更全面、准确的评估结果。进一步,不同数据源采用的评估维度也可以是相互独立的,意味着不同数据源可以采用相同、不同或部分相同的评估维度描述各自的评估数据,本发明实施例所述方案基于所述评估数据数据库在不同的评估维度间建立约束关系,以有效拼合不同评估维度的评估数据,使得用户能够基于本实施例所述方案实现对评估数据的复杂观察,满足用户的多样化评估需求。
进一步,所述对筛选获得的维度数值进行统计评估,以获取评估结果包括:获取目标统计方式;根据所述目标统计方式对所述筛选获得的维度数值进行统计评估,以获取所述评估结果。本领域技术人员理解,采用本发明实施例所述方案能够为用户提供多样化的统计结果衡量模式,从而更好的满足用户的多样化评估需求。
进一步,所述对筛选获得的维度数值进行统计评估,以获取评估结果还包括:确定所述筛选获得的维度数值对应的评估维度相对于所述评估目标的权重;根据所述筛选获得的维度数值对应的评估维度的预设基值量以及对应的权重,计算获得所述评估结果。较之现有由用户人工确定权重的技术方案,本发明实施例所述方案能够根据用于形成评估结果的评估数据所采用的评估维度对评估目标的重要性确定所述评估维度的权重,提高统计结果的准确度。
附图说明
图1是本发明的第一实施例的一种基于多源多维数据的评估方法的流程图;
图2是本发明的第二实施例的一种基于多源多维数据的评估装置的结构示意图。
具体实施方式
本领域技术人员理解,如背景技术所言,现有的商圈评估体系主要存在以下缺点:
其一,现有的商圈数据分散,不同数据源可能从不同角度对同一评估维度进行统计。例如,对于特定区域的人流数据这一评估维度,多个数据源可能分别从wifi数据、运营商数据等类型着手进行统计。但是,不同数据源各自获得的统计结果中极有可能存在交叉、重复的统计结果,而现有的商圈评估体系无法有效识别各个数据源的统计结果中的重复值,导致获得的评估结果的精准度大打折扣。如果仅采用单一数据源的统计结果进行商圈评估,获得的评估结果的全面性又会收到极大的影响。
其二,现有数据源所定义的评估维度是相互独立的,不同数据源各自的评估维度之间缺乏约束关系,使得需方(即用户)无法将不同评估维度的统计结果进行有效拼合,也就无法形成复杂观察。例如,用户希望统计:A商圈一年内,住在B市C区、工作在B市D区且月收入大于1万的男性某日在A商圈内消费大于1000元的人数,而数据供方(以及数据源)A提供的评估数据是男性、居住在B市C区、工作在B市D区的人数为1万人,数据供方B提供的评估数据是月收入大于1万元的人数为3万人。两个数据供方分别提供了用户所需的统计内容的一部分评估数据,但是,由于无法在两个数据供方各自提供的数据内容间构建互约束与关联关系,导致无法获得用户所希望的复杂维度的统计结果,导致用户无法对商圈数据进行复杂观察。
其三,现有的数据指标体系缺乏统一的方法论体系,只能由用户不断穷举提供所需的评估维度和标识类型,数据源只能根据不同用户的实际需求,不断定制提供统计级的数据内容(即评估数据)。在实际应用中,操作效率低下,无法面向所有用户提供标准化的数据评估体系。例如,基于现有方案不同用户(如商圈管理者、商场运营者、商户经营者、游客等)各自设立的数据指标体系可能各不相同,难以标准化,同时由于没有方法论的分类索引导致各用户间难以复用其他人设立的数据指标体系。
其四,在获取统计结果后,基于现有的评估方式,用户需要根据自身需求对统计结果进行计算加工,才能获取最终的评估结果。例如,用户需要人工确定各个数据指标的权重,以对商圈进行评估打分。但是,由于现有技术无法构成多元对象多维数据间互相约束的数据指标,进一步导致可评估的数据指标极为有限。一旦数据指标大量增多,当前人为直接设定各数据指标权重的方式将难以准确完成权重的设定,影响最终的评估结果。
为了解决上述技术问题,本发明实施例提供一种基于多源多维数据的评估方法,包括:获取评估目标,所述评估目标包括评估对象、评估维度及条件要求;对评估数据数据库进行筛选,以获取所述评估对象对应的标识数据;根据所述评估维度,从获取的标识数据对应的维度数值中筛选符合所述条件要求的维度数值;对筛选获得的维度数值进行统计评估,以获取评估结果;其中,所述评估数据数据库包括来自至少一个数据源的评估数据,每一评估数据具有评估对象的至少一个标识类型、对应的标识数据和至少一个评估维度的维度数值,对于同一评估对象,不同的数据源采用的标识类型和评估维度相互独立。
本领域技术人员理解,通过建立标准化的评估数据数据库,采用标准化的标识类型记录不同数据源提供的评估数据,使得本发明实施例所述方案能够对不同数据源各自采用不同数据维度统计获得的评估数据进行有效拼合,从而获得更全面、准确的评估结果。
进一步,不同数据源采用的评估维度也可以是相互独立的,意味着不同数据源可以采用相同、不同或部分相同的评估维度描述各自的评估数据,本发明实施例所述方案基于所述评估数据数据库在不同的评估维度间建立约束关系,以有效拼合不同评估维度的评估数据,使得用户能够基于本实施例所述方案实现对评估数据的复杂观察,满足用户的多样化评估需求。
为使本发明的上述目的、特征和有益效果能够更为明显易懂,下面结合附图对本发明的具体实施例做详细的说明。
图1是本发明的第一实施例的一种基于多源多维数据的评估方法的流程图。其中,本实施例所述方案可以应用于面向商圈的评估场景,例如,通过统计商圈相关的数据,对商圈的多个指标进行打分,以便用户能够通过分数评价不同商圈在各个指标上的优劣势,所述指标可以是商圈的活跃度、热度等。
具体地,所述多源数据可以是,用于评估的数据是由多个数据源提供的。在应用于面向商圈的评估场景中,所述多源数据可以是由多个数据源分别采集的与商圈相关的数据。
具体地,所述多维数据可以是,用于评估的数据可以是从多个评估维度进行衡量的。在应用于面向商圈的评估场景中,所述多维数据可以用于描述商圈的不同特性,一个或多个特性可以作为特定指标的衡量基础,所述指标可以是专用于衡量商圈的指标。
具体地,所述多源多维数据可以预先存储于评估数据数据库。所述评估数据数据库可以存储于执行本实施例所述方案的服务器中,也可以存储于云端并与所述服务器相通讯。在应用于面向商圈的评估场景中,所述评估数据数据库可以是专用于存储商圈相关数据的商圈数据数据库。
具体地,在本实施例中,参考图1,所述基于多源多维数据的评估方法可以包括如下步骤:
步骤S101,获取评估目标,所述评估目标包括评估对象、评估维度及条件要求。
步骤S102,对评估数据数据库进行筛选,以获取所述评估对象对应的标识数据。
步骤S103,根据所述评估维度,从获取的标识数据对应的维度数值中筛选符合所述条件要求的维度数值。
步骤S104,对筛选获得的维度数值进行统计评估,以获取评估结果。
其中,所述评估数据数据库可以包括来自至少一个数据源的评估数据,每一评估数据可以具有评估对象的至少一个标识类型、对应的标识数据和至少一个评估维度的维度数值,对于同一评估对象,不同的数据源采用的标识类型和评估维度可以相互独立。
作为一个非限制性实施例,所述评估数据数据库可以为电子表格(例如Excel)文档,其中,不同的表单(sheet)可以用于记录不同评估对象的评估数据。
进一步地,对于每一评估对象,对应表单中记录的评估数据可以是由至少一个数据源提供的。
进一步地,对于每一表单,所述表单可以用于记录至少一个标识类型,以及对应于每一标识类型的至少一个评估维度。在实际应用中,所述标识类型和对应的评估维度可以是预先确定的,不同的数据源可以实时或定期将自身采集的数据(即所述评估数据)填充至所述表单。其中,所述标识类型的具体数值即为标识数据,所述评估维度的具体数值即为维度数值。至此,所述评估数据数据库可以记录有至少一个数据源针对至少一个评估对象的至少一个标识类型在至少一个评估维度上的维度数值,并且该维度数值与标识数据相对应。
进一步地,每一评估维度均可以作为指标数据,用户可以基于单个评估维度进行商圈评估,或者,也可以选择多个评估维度并指定多个评估维度间的约束关系,以进行复杂评估。
表1评估数据数据库中数据源A和B提供的
针对评估对象C的部分评估数据
卡号 | 手机号 | 消费金额 | 年龄 | 姓名 |
缺省 | XXXX | XXXX | XXXX | 缺省 |
XXXX | 缺省 | 缺省 | XXXX | XXXX |
以表1为例,针对所述评估对象C,可以预先在所述评估数据数据库中设置可以用于标识所述评估对象C的标识类型:卡号和手机号,还可以预先在所述评估数据数据库中设置所述评估对象C可能产生的行为:消费金额,以及可以用于描述所述评估对象C的特征:年龄和姓名。其中,消费金额、年龄和姓名即为所述卡号和手机号这两个标识类型共同对应的评估维度。
进一步地,针对上述标识类型和评估维度,数据源A可以提供手机号及该手机号的机主的消费金额、年龄和姓名,还可以提供所述消费金额的产生时间;数据源B则可以提供卡号及该卡号的持卡人的年龄和姓名。
需要指出的是,表1仅用于示例,本领域技术人员还可以根据实际需要扩充和完善上述表单。
进一步地,可以根据不同的评估对象类型对所述评估数据数据库中列举的评估对象进行划分。例如,所述评估对象类型可以包括人、物和组织。
进一步地,每一评估对象类型均可以对应至少一个评估对象,而每一评估对象都可以是用户关注的最小颗粒度。例如,人的评估对象可以是人;物的评估对象可以包括商品、铺位;组织的评估对象可以包括:商圈、商场、商户等。
进一步地,在确定所述评估对象后,相应的所述电子表格所包括的表单也可以确定了,接下来可以确定每一张表单中需要数据源填充的单元格内容,亦即对于每一评估对象,可以采用哪些标识类型来标识所述评估对象。
例如,可以用手机号、国际移动设备身份码(International Mobile EquipmentIdentity,简称IMEI)等与用户密切相关并具有唯一性的标识类型来标识人这一评估对象。
又例如,可以用产品编号等标识类型来标识商品这一评估对象;可以用铺位号等标识类型来标识铺位这一评估对象。
再例如,可以用不动产信息等来标识商圈、商场、商户这些评估对象。
进一步地,针对每一评估对象,又可以从至少一个评估维度描述该评估对象的行为。
作为一个非限制性实施例,所述行为可以包括动态行为和静态行为。
以人这一评估对象为例,对应的动态行为可以包括与商圈相关的行为,如在商圈的线下消费行为;对应的静态行为可以包括不在商圈内的行为,还可以包括随时间变化不会快速迭代的行为,如在家中进行与商圈有关的线上行为。其中,所述静态行为又可以称为人群画像,所述人群画像可以包括客流属性、线上行为和线下行为,所述客流属性可以包括人口属性和用户设备属性,所述人口属性又可以包括人的性别、年龄、国籍等,这些均可以作为人这一评估对象的评估维度。
进一步地,评估维度对应的维度数值可以包括不可计算数值和可计算数值两种类型。例如,性别评估维度对应的维度数值就是不可计算数值;年龄、消费金额这些评估维度对应的维度数值就是可计算数值。
在一个优选例中,数据源在提供其评估数据时,可以根据所述评估数据数据库采用的分类规则对所述评估数据进行预处理,以使提供的数据能够与评估数据数据库中划分的标识类型和评估维度直接匹配,节省后续转化的步骤,在大数据应用上能够极大的减少服务器的数据处理量,提高数据处理速度。或者,所述数据源初始采集数据时就可以根据所述评估数据数据库中的分类规则进行相关的数据采集,以便采集的数据能够直接填入所述评估数据数据库中的对应单元格。
在一个变化例中,所述数据源提供的评估数据可能并不是按照所述评估数据数据库的分类规则进行统计的,在对接时,可以由用户或所述服务器对所述评估数据进行处理,以使所述评估数据能够成功匹配至所述评估数据数据库中的一个或多个单元格。
进一步地,当用户需要基于所述评估数据数据库进行评估操作时,可以提供需要观察的评估目标。所述评估目标可以包括所述评估对象,如希望观察人、商品还是商圈;还可以包括所述评估维度,如希望观察人流量还是消费金额;还可以包括所述评估维度的条件要求,如希望统计特定商圈中特定年龄段的人的人流量,还是希望统计特定商圈在特定时间段的营业额。
优选地,所述评估维度可以由至少一个评估数据数据库中的评估维度组合而成的。相应的,用户在提供所述评估维度时,可以分别给出需要观察的评估维度,以及对这些评估维度的组合条件,由所述服务器基于所述评估维度筛选所述评估数据数据库获得相应的维度数值,并根据所述组合条件处理所述维度数值,以获得所述统计结果。
或者,所述用户提供的可以是由多个评估维度组合而成的综合性评估维度,所述服务器可以根据所述评估数据数据库中划分的评估维度主动对所述综合性评估维度进行拆解,以与所述评估数据数据库中记录的评估维度相匹配,进而获得所述评估目标所要衡量的至少一个评估维度。
进一步地,所述评估维度的条件要求可以包括:采集时间,所述采集时间用于描述所述评估维度的维度数值的产生时间;对所述评估维度的限制条件。
优选地,所述产生时间可以是数据源提供所述维度数值的提供时间。或者,所述产生时间也可以是所述数据源采集所述维度数值的采集时间。
作为一个非限制性实施例,所述步骤S104可以包括:获取目标统计方式;根据所述目标统计方式对所述筛选获得的维度数值进行统计评估,以获取所述评估结果。
进一步地,所述目标统计方式可以选自预设统计方法库;所述预设统计方法库记载的统计方式可以包括:占比、计数、合计、平均、中位数、最大值、最小值、天数、同比、环比,本领域技术人员可以根据实际需要变化出更多统计方式,在此不予赘述。
进一步地,所述步骤S103还可以包括:确定所述筛选获得的维度数值对应的评估维度相对于所述评估目标的权重;根据所述筛选获得的维度数值对应的评估维度的预设基值量以及对应的权重,计算获得所述评估结果。
优选地,所述评估维度相对于所述评估目标的权重可以根据所述评估维度对于商圈评估的重要性确定。
作为一个非限制性实施例,可以采用成对比较的方式确定所述筛选获得的维度数值对应的评估维度中任两个评估维度对于所述评估目标的影响之比,以建立成对比较矩阵。具体地,从运筹学角度,根据萨蒂(Saaty)的1-9及其倒数作为标度,对本发明实施例所述商圈评估的重要性进行成对比较。在一个优选例中,以标度(记作ajk)表示所述筛选获得的维度数值对应的评估维度中任两个评估维度(记作Cj和Ck)对所述评估目标的影响之比,进而自动构成成对比较矩阵A,其中,A=(ajk)n×n且ajj=1且ajk=1/akj。
表2
含义 | 标度 |
Cj因素与Ck因素同等重要 | 1 |
Cj因素比Ck因素稍微重要 | 3 |
Cj因素比Ck因素较强重要 | 5 |
Cj因素比Ck因素强烈重要 | 7 |
Cj因素比Ck因素极端重要 | 9 |
介于上述两相邻判断的中间值 | 2,4,6,8 |
表2中列举了所述成对比较矩阵A中标度ajk的确定标准,需要指出的是,本领域技术人员还可根据实际需要对所述标度ajk的具体数值或者对应含义进行变化,这并不影响本发明的技术内容。
进一步地,可以采用根法计算的方式计算所述成对比较矩阵A的最大特征根以及对应的特征向量。本领域技术人员理解,本步骤所述采用根法计算所述成对比较矩阵A的最大特征根以及对应的特征向量的方法属于现有技术,在此不予赘述。
进一步地,对所述最大特征根进行校验。具体地,至少使用一致性指标、随机指标以及一致性比率对所述最大特征根进行一致性校验。本领域技术人员理解,采用上述三种或更多的方法对本步骤的计算结果进行一致性校验是现有技术比较常用的一种一致性校验方法,在此不予赘述。
进一步地,根据校验结果确定各评估维度相对于所述统计目标的权重。在一个优选例中,若校验通过,则将所述特征向量作为各评估维度相对于所述统计目标的权重;若校验不通过,则重复上述步骤,重新构建所述成对比较矩阵A,直至上述步骤的一致性校验的结果为校验通过。
进一步地,在确定所述各个评估维度的权重后,结合用户针对各个评估维度预先设定的预设基值量,可以通过层次分析法(Analytic Hierarchy Process,简称AHP)自动求得被评估商圈的评估分Pe。
例如,所述评估分Pe可以基于如下公式计算获得:
其中,Pe为所述评估分;m为筛选获得的维度数值对应的评估维度的数量;Ni为第i个评估维度的基值量;Ci为第i个评估维度的权重。
优选地,所述第i个评估维度的基值量Ni可以根据所述第i个评估维度的预设基值量计算获得。
例如,用户希望分别对A商圈和B商圈的活跃度进行评估,并提供了三个评估对象、评估维度及条件要求,分别为:商圈今年18-35岁的游客人数;商圈今年新开业的店铺数;以及商圈今年关店的国际大牌店铺数。
采用本实施例所述方案,从所述评估数据数据库中筛选获得评估数据:A商圈,游客人数20万人,新开业店铺100家,关店国际大牌10家;B商圈,游客人数10万人,新开业店铺10家,关店国际大牌1家。
通过成对比较模型可以确定人数、新开业店铺数和关店的国际大牌店铺数这三个评估维度各自的权重。
进一步地,还可以假设每个每一评估维度的预设基值量(也可称为预设基量值)的满分都是100,最低分都是0分。
例如,可以预先定义:人数这一评估维度的基量值=人数/5000。相应的,A商圈在人数这一评估维度上的基值量为40分;B商圈在人数这一评估维度上的基值量为20分。
又例如,可以预先定义,新开业店铺这一评估维度的基量值=新开铺数/1。相应的,A商圈在新开业店铺这一评估维度上的基值量为100分;B商圈在新开业店铺这一评估维度上的基值量为10分。
再例如,可以预先定义,关店的国际大牌店铺数这一评估维度的基量值=100-关店数。相应的,A商圈在关店的国际大牌店铺数这一评估维度上的基值量为90分;B商圈在关店的国际大牌店铺数这一评估维度上的基值量为99分。
由上,基于相同的基值量计算标准,结合各个评估维度各自对应的权重,可以对A商圈和B商圈的活跃度进行打分,进而对两者的活跃度进行比较。
进一步地,所述预设基值量可以是由用户预先定义的一套计算标准,采用本实施例所述方案,能够根据所述预设基值量处理对应的评估维度的具体维度数值,以获得所述评估维度的基值量。
作为一个非限制性实施例,所述步骤S102可以包括:对于所述评估对象,基于预设关联关系表查找与所述评估对象对应的至少一个标识数据;其中,所述关联关系表用于描述同一评估对象的各个不同标识数据之间的关联关系以及不同评估对象之间的关联关系,不同的标识数据对应于不同的标识类型。
优选地,所述关联关系表可以存储于所述评估数据数据库,或者,也可以存储于其他设备(如云端),所述其他设备可以与执行本实施例所述方案的服务器相通讯,以供所述服务器调用所述关联关系表。
例如,继续参考表1,当所述评估对象为所述评估对象C时,可以基于所述表1确定与所述评估对象C对应的标识类型卡号和手机号以及各自对应的具体标识数据。
但是,由于所述表1中的数据是来自不同的数据源的,导致不同标识类型各自对应的标识数据有可能存在交叉或重叠问题。例如,对于特定被观察人E,数据源A可以通过特定被观察人E的卡号记录其消费金额以及年龄并更新至所述评估数据数据库;数据源B则可以通过特定被观察人E的手机号记录其年龄和姓名并更新至所述评估数据数据库。
由于数据源A和数据源B各自不知道对方所采用的标识类型,为了避免出现重复统计的问题,本实施例所述方案可以通过所述关联关系表对多源数据进行拼合。
进一步地,所述关联关系表可以用于描述所述卡号和手机号之间的关联关系,如果基于所述关联关系表可以确定特定卡号和特定手机号之间具有关联关系,则可以确定该特定卡号和特定手机号描述的是同一个特定的人。
进一步地,表1所列出的两行评估数据可以合并为一条评估数据作为最终获得的评估结果的基础之一。具体地,各个评估数据中的缺省值可以基于对方评估数据中的记录进行完善,以获得最全、最准的评估数据。
作为一个非限制性实施例,为了进行多源数据拼合,所述步骤S103可以包括:对于所述评估对象,根据获取的标识数据确定来自各个数据源的评估数据;对于获取的标识数据中存在关联关系的多个标识数据,当所述多个标识数据各自对应的所述评估维度重复时,去除重复的评估维度及其维度数值;根据所述评估维度筛选符合所述条件要求的维度数值。
例如,在筛选获得存在关联关系的多个标识数据后,针对所述评估目标所要评估的评估维度,所述多个标识数据中的全部或部分均可能记录有该评估维度对应的维度数值,但不同标识数据记录该评估维度对应的维度数值时采用的数据精度可能不同,不同标识数据记录该评估维度对应的维度数值的更新时间(或采集时间)也可能不同,所以,需要从中找出最准确的维度数值作为评估基础。
进一步地,可以根据预设筛选条件去除重复的评估维度及其维度数值,所述预设筛选条件可以包括以下一项或多项:提供存在重复值的标识数据的数据源的可靠度;所述存在重复值的标识数据的精度;所述存在重复值的标识数据的采集时间。
例如,继续参考表1,数据源A和数据源B均提供了年龄这一评估维度下的维度数值,在进行数据拼合时,需要对表1中记录的两个年龄数值进行取舍,以获得最终用于评估的年龄数值。
例如,可以选择数据源A和数据源B中可靠度较高的数据源提供的年龄数值作为最终用于评估的年龄数值。其中,所述数据源A和数据源B各自的可靠度可以根据历史上所述数据源A和数据源B各自提供的数据的准确度评估确定。
或者,可以选择所述数据源A所提供的年龄数值的精度和所述数据源B所提供的年龄数值的精度中精度较高的年龄数值作为最终用于评估的年龄数值。例如,所述数据源A提供的年龄数值是以5年为单位进行统计的;所述数据源A提供的年龄数值则是以10年为单位进行统计的,则可以选择所述数据源A提供的年龄数值作为最终用于评估的年龄数值。
又或者,可以选择所述数据源A所提供的年龄数值的采集时间和所述数据源B所提供的年龄数值的采集时间中采集时间较近的年龄数值作为最终用于评估的年龄数值。
本领域技术人员还可以根据实际需要确定更多的筛选条件,在此不予赘述。
进一步地,上述多源数据的拼合操作可以是预先执行的,例如,在多个数据源更新所述评估数据数据库后,所述服务器可以根据所述关联关系表对评估数据进行拼合去重,以便在用户产生观察需求时,能够立即根据拼合后的评估数据进行评估处理,节省用户的等待时间。
作为另一个非限制性实施例,为了更全面的描述所述评估对象,需要考量的评估数据可能涉及其他评估对象的评估数据。例如,表1中记录的卡号XXXX的被观察者E某日参加A商圈的F活动,消费金额X万元,这条记录被数据源B’记录在A商圈这一评估对象D的对应单元格中,则本实施例所述方案针对所述评估对象C进行商圈评估时,可以在所述评估数据数据库中所有评估对象各自对应的表单中进行查找,以获取其他评估对象的表单中符合所述统计目标,并与所述评估对象C自身所记录的符合所述统计目标的标识数据相关联的评估数据,获取的评估数据同样可以作为后续评估操作的基础之一。
优选地,可以通过所述关联关系表确定具有关联关系的统计对象,以缩小查找范围,提高数据处理速度。
类似的,当多个表单中针对同一特定评估对象的同一评估维度发生重叠时,也可以采用上述预设筛选条件对评估数据进行筛选,以拼合出最终的评估数据作为后续评估操作的基础之一。
由上,采用本实施例的方案,能够对多源数据进行准确拼合,使得用于进行商圈评估的数据更加地全面、精准。
进一步地,基于所述评估数据数据库,可以在数据源与用户间构建有效的沟通方式。对于现有数据指标体系中缺省的评估对象以及缺省的评估维度、筛选条件,采用本实施例方案的数据源可以根据自身拥有的数据内容调整所述评估数据数据库中的评估对象以及相应的评估维度、筛选条件的明细级,从而自主形成供应能力。对于用户侧,当产生评估需求时,用户只需向所述评估数据数据库提供评估目标,就可以获得所需的评估结果。
进一步地,不同的用户可以根据所述评估数据数据库快速锁定自己需要观察的内容,同时由于所述评估数据数据库采用了标准化的分类索引规则,使得不同的用户可以共用一个数据指标体系。从而形成一个可逐步归类、补全并且实现不同用户可以复用的数据指标体系。
进一步地,采用本实施例的方案,能使不同的评估对象间构成多维数据的互相约束关系,可以将不同数据源的明细级数据、不同评估对象进行约束,形成具有互相约束的评估维度以构建所述评估数据数据库。
进一步地,采用本实施例的方案,可以根据用户的实际使用需求,通过简单工具自主配置所需的各种多元评估对象在多维数据间的互相约束的评估维度,并快速生成评估结果。
进一步地,采用本实施例的方案,通过AHP层次分析法,可以采用科学的方式准确确定各评估维度的权重,有效完成商圈间的评估。
图2是本发明的第二实施例的一种基于多源多维数据的评估装置的结构示意图。本领域技术人员理解,本实施例所述评估装置2用于实施上述图1所示实施例中所述的方法技术方案。
具体地,在本实施例中,所述评估装置2可以包括:获取模块21,用于获取评估目标,所述评估目标包括评估对象、评估维度及条件要求;第一筛选模块22,用于对评估数据数据库进行筛选,以获取所述评估对象对应的标识数据;第二筛选模块23,根据所述评估维度,从获取的标识数据对应的维度数值中筛选符合所述条件要求的维度数值;统计评估模块24,用于对筛选获得的维度数值进行统计评估,以获取评估结果;其中,所述评估数据数据库包括来自至少一个数据源的评估数据,每一评估数据具有评估对象的标识数据和至少一个评估维度的维度数值,对于同一评估对象,不同的数据源采用的标识数据和评估维度相互独立。
进一步地,所述评估维度的条件要求可以包括:采集时间,所述采集时间用于描述所述评估维度的维度数值的产生时间;对所述评估维度的限制条件。
进一步地,所述统计评估模块24可以包括:获取子模块241,用于获取目标统计方式;统计评估子模块242,用于根据所述目标统计方式对所述筛选获得的维度数值进行统计评估,以获取所述评估结果。
进一步地,所述目标统计方式可以选自预设统计方法库;所述预设统计方法库记载的统计方式可以包括:占比、计数、合计、平均、中位数、最大值、最小值、天数、同比、环比。
进一步地,所述统计评估模块24还可以包括:第一确定子模块243,用于确定所述筛选获得的维度数值对应的标识类型相对于所述评估目标的权重;计算子模块244,用于根据所述筛选获得的维度数值对应的标识类型的预设基值量、对应的权重以及所述筛选获得的维度数值对应的标识数据,计算获得所述评估结果。
进一步地,所述第一筛选模块22可以包括:查找子模块221,对于所述评估对象,基于预设关联关系表查找与所述评估对象对应的至少一个标识数据;其中,所述关联关系表用于描述同一评估对象的各个不同标识数据之间的关联关系以及不同评估对象之间的关联关系。
进一步地,所述第二筛选模块23可以包括:第二确定子模块231,对于所述评估对象,根据获取的标识数据确定来自各个数据源的评估数据;去重子模块232,对于获取的标识数据中存在关联关系的多个标识数据,当所述多个标识数据各自对应的所述评估维度重复时,去除重复的评估维度及其维度数值;筛选子模块233,用于根据所述评估维度筛选符合所述条件要求的维度数值。
进一步地,所述去重子模块232可以根据预设筛选条件去除重复的评估维度及其维度数值,所述预设筛选条件可以包括以下一项或多项:提供存在重复值的标识数据的数据源的可靠度;所述存在重复值的标识数据的精度;所述存在重复值的标识数据的采集时间。
关于所述评估装置2的工作原理、工作方式的更多内容,可以参照图1中的相关描述,这里不再赘述。
进一步地,本发明实施例还公开一种存储介质,其上存储有计算机指令,所述计算机指令运行时执行上述图1所示实施例中所述的方法技术方案。优选地,所述存储介质可以包括计算机可读存储介质。所述存储介质可以包括ROM、RAM、磁盘或光盘等。
进一步地,本发明实施例还公开一种终端,包括存储器和处理器,所述存储器上存储有能够在所述处理器上运行的计算机指令,所述处理器运行所述计算机指令时执行上述图1所示实施例中所述的方法技术方案。
虽然本发明披露如上,但本发明并非限定于此。任何本领域技术人员,在不脱离本发明的精神和范围内,均可作各种更动与修改,因此本发明的保护范围应当以权利要求所限定的范围为准。
Claims (17)
1.一种基于多源多维数据的评估方法,其特征在于,包括:
获取评估目标,所述评估目标包括评估对象、评估维度及条件要求;
对评估数据数据库进行筛选,以获取所述评估对象对应的标识数据;
根据所述评估维度,从获取的标识数据对应的维度数值中筛选符合所述条件要求的维度数值;
对筛选获得的维度数值进行统计评估,以获取评估结果;
其中,所述评估数据数据库包括来自至少一个数据源的评估数据,每一评估数据具有评估对象的至少一个标识类型、对应的标识数据和至少一个评估维度的维度数值,对于同一评估对象,不同的数据源采用的标识类型和评估维度相互独立。
2.根据权利要求1所述的评估方法,其特征在于,所述评估维度的条件要求包括:
采集时间,所述采集时间用于描述所述评估维度的维度数值的产生时间;
对所述评估维度的限制条件。
3.根据权利要求1所述的评估方法,其特征在于,所述对筛选获得的维度数值进行统计评估,以获取评估结果包括:
获取评估目标统计方式;
根据所述评估目标统计方式对所述筛选获得的维度数值进行统计评估,以获取所述评估结果。
4.根据权利要求3所述的评估方法,其特征在于,所述评估目标统计方式选自预设统计方法库;所述预设统计方法库记载的统计方式包括:占比、计数、合计、平均、中位数、最大值、最小值、天数、同比、环比。
5.根据权利要求3所述的评估方法,其特征在于,所述对筛选获得的维度数值进行统计评估,以获取评估结果还包括:
确定所述筛选获得的维度数值对应的评估维度相对于所述评估目标的权重;
根据所述筛选获得的维度数值对应的评估维度的预设基值量以及对应的权重,计算获得所述评估结果。
6.根据权利要求1所述的评估方法,其特征在于,所述对评估数据数据库进行筛选,以获取所述评估对象对应的标识数据包括:
对于所述评估对象,基于预设关联关系表查找与所述评估对象对应的至少一个标识数据;
其中,所述关联关系表用于描述同一评估对象的各个不同标识数据之间的关联关系以及不同评估对象之间的关联关系,不同的标识数据对应于不同的标识类型。
7.根据权利要求6所述的评估方法,其特征在于,所述根据所述评估维度,从获取的标识数据对应的维度数值中筛选符合所述条件要求的维度数值包括:
对于所述评估对象,根据获取的标识数据确定来自各个数据源的评估数据;
对于获取的标识数据中存在关联关系的多个标识数据,当所述多个标识数据各自对应的所述评估维度重复时,去除重复的评估维度及其维度数值;
根据所述评估维度筛选符合所述条件要求的维度数值。
8.根据权利要求7所述的评估方法,其特征在于,根据预设筛选条件去除重复的评估维度及其维度数值,所述预设筛选条件包括以下一项或多项:
提供存在重复值的标识数据的数据源的可靠度;
所述存在重复值的标识数据的精度;
所述存在重复值的标识数据的采集时间。
9.一种基于多源多维数据的评估装置,其特征在于,包括:
获取模块,用于获取评估目标,所述评估目标包括评估对象、评估维度及条件要求;
第一筛选模块,用于对评估数据数据库进行筛选,以获取所述评估对象对应的标识数据;
第二筛选模块,根据所述评估维度,从获取的标识数据对应的维度数值中筛选符合所述条件要求的维度数值;
统计评估模块,用于对筛选获得的维度数值进行统计评估,以获取评估结果;
其中,所述评估数据数据库包括来自至少一个数据源的评估数据,每一评估数据具有评估对象的标识数据和至少一个评估维度的维度数值,对于同一评估对象,不同的数据源采用的标识数据和评估维度相互独立。
10.根据权利要求9所述的评估装置,其特征在于,所述评估维度的条件要求包括:
采集时间,所述采集时间用于描述所述评估维度的维度数值的产生时间;
对所述评估维度的限制条件。
11.根据权利要求9所述的评估装置,其特征在于,所述统计评估模块包括:
获取子模块,用于获取目标统计方式;
统计评估子模块,用于根据所述目标统计方式对所述筛选获得的维度数值进行统计评估,以获取所述评估结果。
12.根据权利要求11所述的评估装置,其特征在于,所述目标统计方式选自预设统计方法库;所述预设统计方法库记载的统计方式包括:占比、计数、
合计、平均、中位数、最大值、最小值、天数、同比、环比。
13.根据权利要求11所述的评估装置,其特征在于,所述统计评估模块还包括:
第一确定子模块,用于确定所述筛选获得的维度数值对应的评估维度相对于所述评估目标的权重;
计算子模块,用于根据所述筛选获得的维度数值对应的评估维度的预设基值量以及对应的权重,计算获得所述评估结果。
14.根据权利要求9所述的评估装置,其特征在于,所述第一筛选模块包括:
查找子模块,对于所述评估对象,基于预设关联关系表查找与所述评估对象对应的至少一个标识数据;
其中,所述关联关系表用于描述同一评估对象的各个不同标识数据之间的关联关系以及不同评估对象之间的关联关系。
15.根据权利要求14所述的评估装置,其特征在于,所述第二筛选模块包括:
第二确定子模块,对于所述评估对象,根据获取的标识数据确定来自各个数据源的评估数据;
去重子模块,对于获取的标识数据中存在关联关系的多个标识数据,当所述多个标识数据各自对应的所述评估维度重复时,去除重复的评估维度及其维度数值;
筛选子模块,用于根据所述评估维度筛选符合所述条件要求的维度数值。
16.根据权利要求15所述的评估装置,其特征在于,所述去重子模块根据预设筛选条件去除重复的评估维度及其维度数值,所述预设筛选条件包括以下一项或多项:
提供存在重复值的标识数据的数据源的可靠度;
所述存在重复值的标识数据的精度;
所述存在重复值的标识数据的采集时间。
17.一种终端,包括存储器和处理器,所述存储器上存储有能够在所述处理器上运行的计算机指令,其特征在于,所述处理器运行所述计算机指令时执行权利要求1至8中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711021506.0A CN107729519B (zh) | 2017-10-27 | 2017-10-27 | 基于多源多维数据的评估方法及装置、终端 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711021506.0A CN107729519B (zh) | 2017-10-27 | 2017-10-27 | 基于多源多维数据的评估方法及装置、终端 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107729519A true CN107729519A (zh) | 2018-02-23 |
CN107729519B CN107729519B (zh) | 2020-06-09 |
Family
ID=61202706
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711021506.0A Active CN107729519B (zh) | 2017-10-27 | 2017-10-27 | 基于多源多维数据的评估方法及装置、终端 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107729519B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109005431A (zh) * | 2018-09-18 | 2018-12-14 | 北京腾信创新网络营销技术股份有限公司 | 一种视频评估推荐系统 |
CN109086290A (zh) * | 2018-06-08 | 2018-12-25 | 广东万丈金数信息技术股份有限公司 | 基于多源数据决策树的注册信息真实性判断方法及系统 |
CN109688091A (zh) * | 2018-04-25 | 2019-04-26 | 北京微步在线科技有限公司 | 多源的威胁情报的质量评估方法及装置 |
CN109948885A (zh) * | 2019-01-21 | 2019-06-28 | 三峡大学 | 一种基于量子马尔可夫链的法治建设评估系统 |
CN110751403A (zh) * | 2019-10-21 | 2020-02-04 | 中国民航信息网络股份有限公司 | 信用评分方法及装置 |
CN111353692A (zh) * | 2020-02-19 | 2020-06-30 | 浙江中智达科技有限公司 | 一种工业装置的评估方法及系统 |
CN112598308A (zh) * | 2020-12-29 | 2021-04-02 | 北京百分点科技集团股份有限公司 | 媒体数据的价值评估方法及装置 |
CN112819038A (zh) * | 2021-01-12 | 2021-05-18 | 东风汽车有限公司 | 一种基于大数据的铁屑来源工位和品质的识别方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103605715A (zh) * | 2013-11-14 | 2014-02-26 | 北京国双科技有限公司 | 用于多个数据源的数据整合处理方法和装置 |
CN103745089A (zh) * | 2013-12-20 | 2014-04-23 | 北京工业大学 | 一种多维公共交通运行指数评价方法 |
CN104317974A (zh) * | 2014-11-21 | 2015-01-28 | 武汉理工大学 | 一种可重构的erp系统中多源数据导入方法 |
CN104699818A (zh) * | 2015-03-25 | 2015-06-10 | 武汉大学 | 一种多源异构的多属性poi融合方法 |
CN106408184A (zh) * | 2016-09-12 | 2017-02-15 | 中山大学 | 一种基于多源异构数据的用户信用评估模型 |
CN106446091A (zh) * | 2016-09-13 | 2017-02-22 | 北京协力筑成金融信息服务股份有限公司 | 一种多源时序数据的预处理方法和装置 |
-
2017
- 2017-10-27 CN CN201711021506.0A patent/CN107729519B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103605715A (zh) * | 2013-11-14 | 2014-02-26 | 北京国双科技有限公司 | 用于多个数据源的数据整合处理方法和装置 |
CN103745089A (zh) * | 2013-12-20 | 2014-04-23 | 北京工业大学 | 一种多维公共交通运行指数评价方法 |
CN104317974A (zh) * | 2014-11-21 | 2015-01-28 | 武汉理工大学 | 一种可重构的erp系统中多源数据导入方法 |
CN104699818A (zh) * | 2015-03-25 | 2015-06-10 | 武汉大学 | 一种多源异构的多属性poi融合方法 |
CN106408184A (zh) * | 2016-09-12 | 2017-02-15 | 中山大学 | 一种基于多源异构数据的用户信用评估模型 |
CN106446091A (zh) * | 2016-09-13 | 2017-02-22 | 北京协力筑成金融信息服务股份有限公司 | 一种多源时序数据的预处理方法和装置 |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109688091A (zh) * | 2018-04-25 | 2019-04-26 | 北京微步在线科技有限公司 | 多源的威胁情报的质量评估方法及装置 |
CN109688091B (zh) * | 2018-04-25 | 2021-10-08 | 北京微步在线科技有限公司 | 多源的威胁情报的质量评估方法及装置 |
CN109086290A (zh) * | 2018-06-08 | 2018-12-25 | 广东万丈金数信息技术股份有限公司 | 基于多源数据决策树的注册信息真实性判断方法及系统 |
CN109005431A (zh) * | 2018-09-18 | 2018-12-14 | 北京腾信创新网络营销技术股份有限公司 | 一种视频评估推荐系统 |
CN109948885A (zh) * | 2019-01-21 | 2019-06-28 | 三峡大学 | 一种基于量子马尔可夫链的法治建设评估系统 |
CN110751403A (zh) * | 2019-10-21 | 2020-02-04 | 中国民航信息网络股份有限公司 | 信用评分方法及装置 |
CN111353692A (zh) * | 2020-02-19 | 2020-06-30 | 浙江中智达科技有限公司 | 一种工业装置的评估方法及系统 |
CN112598308A (zh) * | 2020-12-29 | 2021-04-02 | 北京百分点科技集团股份有限公司 | 媒体数据的价值评估方法及装置 |
CN112819038A (zh) * | 2021-01-12 | 2021-05-18 | 东风汽车有限公司 | 一种基于大数据的铁屑来源工位和品质的识别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107729519B (zh) | 2020-06-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107729519A (zh) | 基于多源多维数据的评估方法及装置、终端 | |
Kenett et al. | Dependency network and node influence: Application to the study of financial markets | |
Ligmann-Zielinska et al. | Spatially-explicit integrated uncertainty and sensitivity analysis of criteria weights in multicriteria land suitability evaluation | |
López-Vizcaíno et al. | Small area estimation of labour force indicators under a multinomial model with correlated time and area effects | |
CN106355449A (zh) | 用户选取方法和装置 | |
CN105335157B (zh) | 一种整合主观和客观评估的需求优先级排序方法及系统 | |
CN107122483A (zh) | 基础地理信息数据质检方法、装置及系统 | |
Sreelatha et al. | Ranking of CMIP5-based global climate models using standard performance metrics for Telangana region in the southern part of India | |
CN106447075B (zh) | 行业用电需求预测方法与系统 | |
CN107895038A (zh) | 一种链路预测关系推荐方法及装置 | |
CN108830492B (zh) | 一种基于大数据的确定抽检商家的方法 | |
CN110162692A (zh) | 用户标签确定方法、装置、计算机设备和存储介质 | |
Gastes et al. | The consistency adjustment problem of AHP pairwise comparison matrices | |
Kazibudzki | Redefinition of triad's inconsistency and its impact on the consistency measurement of pairwise comparison matrix | |
McCluskey et al. | Computer assisted mass appraisal and the property tax | |
Das et al. | Regional model for agricultural imbalances in West Bengal, India | |
Ansari et al. | Semiparametric Thurstonian models for recurrent choices: A Bayesian analysis | |
CN108647189B (zh) | 一种识别用户人群属性的方法及装置 | |
Alamsyah et al. | Monte Carlo simulation and clustering for customer segmentation in business organization | |
Patel et al. | Identification of Best CMIP6 Global Climate Model for Rainfall by Ensemble Implementation of MCDM Methods and Statistical Inference | |
CN109740065A (zh) | 基于特征模型的个性化信息推荐方法 | |
CN111881008B (zh) | 一种数据评测、模型训练方法、装置、设备及存储介质 | |
Badaik | Impact of fiscal responsibility legislations on state finances in India. | |
CN114662952A (zh) | 一种行为数据的评价方法、装置、设备及存储介质 | |
Lahiri et al. | Machine learning and forecast combination in incomplete panels |
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 |