CN108109002B - 数据处理方法及装置 - Google Patents
数据处理方法及装置 Download PDFInfo
- Publication number
- CN108109002B CN108109002B CN201711363372.0A CN201711363372A CN108109002B CN 108109002 B CN108109002 B CN 108109002B CN 201711363372 A CN201711363372 A CN 201711363372A CN 108109002 B CN108109002 B CN 108109002B
- Authority
- CN
- China
- Prior art keywords
- data
- interval
- characteristic
- feature
- evaluation
- 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.)
- Expired - Fee Related
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 18
- 238000011156 evaluation Methods 0.000 claims abstract description 86
- 238000000034 method Methods 0.000 claims abstract description 30
- 238000012545 processing Methods 0.000 claims abstract description 14
- 238000011002 quantification Methods 0.000 claims description 3
- 239000000126 substance Substances 0.000 claims description 2
- 230000009286 beneficial effect Effects 0.000 abstract description 6
- 238000004364 calculation method Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 238000013139 quantization Methods 0.000 description 7
- 239000013256 coordination polymer Substances 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/951—Indexing; Web crawling techniques
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Economics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明实施例提供一种数据处理方法及装置,涉及数据处理领域。其中,所述方法包括:根据对象的特征数据确定对象在特征维度下的特征区间和评价区间;基于所述对象的所述特征数据、所述特征区间和所述评价区间,确定所述对象在所述特征维度下的评价数据;基于所述对象在至少一个所述特征维度下的评价数据确定所述对象的量化数据。本发明实施例提供的技术方案利于对象(例如,用户或商品)的准确描述。
Description
技术领域
本发明实施例涉及数据处理领域,尤其涉及一种数据处理方法及装置。
背景技术
伴随着互联网以及大数据技术的飞速发展,利用数据对对象(例如,用户或商品)进行描述已经成为信息推荐、人工智能等领域的重点学科。以应用于外卖场景为例,为了提升用户对平台的体验性和依赖性,需要对每一位用户做精准的刻画。但是,现有的用户画像对用户的描述难以准确反映用户特征。
发明内容
本发明实施例提供一种数据处理方法及装置,用以解决现有技术难以准确描述对象(例如,用户、商品等)特征的问题。
第一方面,本发明实施例中提供了一种数据处理方法,包括:
根据对象的特征数据确定对象在特征维度下的特征区间和评价区间;
基于所述对象的所述特征数据、所述特征区间和所述评价区间,确定所述对象在所述特征维度下的评价数据;
基于所述对象在至少一个所述特征维度下的评价数据确定所述对象的量化数据。
结合第一方面,本发明在第一方面的第一种实现方式中,所述特征维度包括以下类型中的任意一类或一类以上:
所述对象的最近下单时间;
所述对象在设定时间内的下单数量;
所述对象的平均无优惠消费水准和群体对象的平均无优惠消费水准;
所述对象的订单优惠补贴率;
所述对象的物流使用情况。
结合第一方面或其第一实现方式,本发明在第一方面的第二种实现方式中,在所述特征维度下具有多个一一对应的特征区间与评价区间。
结合第一方面或其第一实现方式,本发明在第一方面的第三种实现方式中,所述基于所述对象的所述特征数据、所述特征区间和所述评价区间,确定所述对象在所述特征维度下的评价数据,包括:
基于所述对象的特征数据和所述特征区间确定所述特征数据在所述特征区间中的位置;
根据所述评价区间的限值和所述特征数据在所述特征区间中的位置,确定所述对象在所述特征维度下的评价数据。
结合第一方面的第三种实现方式,本发明在第一方面的第四种实现方式中,所述特征数据在所述特征区间中的位置包括:
由所述特征维度的类型而定的沿所述特征区间的第一方向的第一位置或沿所述特征区间的第二方向的第二位置。
结合第一方面,本发明在第一方面的第五种实现方式中,还包括:
基于所述量化数据确定所述对象的价值类型。
第二方面,本发明实施例提供了一种数据处理装置,包括:
区间确定模块,用于根据对象的特征数据确定对象在特征维度下的特征区间和评价区间;
评价数据确定模块,用于基于所述对象的所述特征数据、所述特征区间和所述评价区间,确定所述对象在所述特征维度下的评价数据;
量化模块,用于基于所述对象在至少一个所述特征维度下的评价数据确定所述对象的量化数据。
结合第一方面,本发明在第一方面的第一种实现方式中,所述特征维度包括以下类型中的任意一类或一类以上:
所述对象的最近下单时间;
所述对象在设定时间内的下单数量;
所述对象的平均无优惠消费水准和群体对象的平均无优惠消费水准;
所述对象的订单优惠补贴率;
所述对象的物流使用情况。
结合第一方面或其第一实现方式,本发明在第一方面的第二种实现方式中,在所述特征维度下具有多个一一对应的特征区间与评价区间。
结合第一方面或其第一实现方式,本发明在第一方面的第三种实现方式中,所述评价数据确定模块包括:
位置确定子模块,用于基于所述对象的特征数据和所述特征区间确定所述特征数据在所述特征区间中的位置;
评价数据确定子模块,用于根据所述评价区间的限值和所述特征数据在所述特征区间中的位置,确定所述对象在所述特征维度下的评价数据。
结合第一方面的第三种实现方式,本发明在第一方面的第四种实现方式中,所述特征数据在所述特征区间中的位置包括:
由所述特征维度的类型而定的沿所述特征区间的第一方向的第一位置或沿所述特征区间的第二方向的第二位置。
结合第一方面,本发明在第一方面的第五种实现方式中,还包括:
分类模块,用于根据所述量化数据确定所述对象的价值类型。
第三方面,本发明实施例提供了一种计算机存储介质,用于储存一条或多条计算机指令,所述一条或多条计算机指令被执行时实现如上述第一方面或其任意实现方式所述的方法。
第四方面,本发明实施例提供了一种电子设备,包括存储器和处理器;其中,所述存储器用于存储一条或多条计算机指令,所述一条或多条计算机指令供所述处理器调用执行;所述处理器用于执行所述一条或多条计算机指令以实现如上述第一方面或其任意实现方式所述的方法。
本发明实施例有利于对象(例如,用户或商品)的准确描述。
本发明的这些方面或其他方面在以下实施例的描述中会更加简明易懂。
附图说明
为了更清楚地说明本发明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一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1示出了根据本发明一个实施例的数据处理方法的流程示意图;
图2示出了根据本发明另一个实施例的数据处理方法的流程示意图;
图3示出了根据本发明再一个实施例的数据处理方法的逻辑示意图;
图4示出了根据本发明一个实施例的数据处理装置的框图;
图5示出了图4所示数据处理装置的评价数据确定模块的框图;
图6示出了根据本发明一个实施例的数据处理装置的框图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,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。
在本发明的说明书和权利要求书及上述附图中的描述的一些流程中,包含了按照特定顺序出现的多个操作,但是应该清楚了解,这些操作可以不按照其在本文中出现的顺序来执行或并行执行,操作的序号如101、102等,仅仅是用于区分开各个不同的操作,序号本身不代表任何的执行顺序。另外,这些流程可以包括更多或更少的操作,并且这些操作可以按顺序执行或并行执行。需要说明的是,本文中的“第一”、“第二”等描述,是用于区分不同的消息、设备、模块等,不代表先后顺序,也不限定“第一”和“第二”是不同的类型。
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所获得的所有其他实施例,都属于本发明保护的范围。
图1是根据本发明实施例的一种数据处理方法的流程示意图。参照图1,所述方法包括:
100:根据对象的特征数据确定对象在特征维度下的特征区间和评价区间。
在本发明中,所述特征数据是用于描述对象在所述特征维度下的值、参数或具有运算意义的符号等。所述对象可以视本发明提供的数据处理方法所应用的场景不同而不同。例如,在采用本发明提供的方法对外卖场景下的用户(例如,其用户价值)进行量化时,所述特征数据所描述的对象即外卖场景下的用户。在电子商务领域,所述对象还可以是被消费对象(例如,商品)。
102:基于所述对象的所述特征数据、所述特征区间和所述评价区间,确定所述对象在所述特征维度下的评价数据。
在本发明中,所述评价数据用于描述对象在特征维度下的“意义”,该“意义”可以理解为价值、重要程度、影响力等含义。所述评价数据可以是具体值、参数或具有运算意义的符号等。
104:基于所述对象在至少一个所述特征维度下的评价数据确定所述对象的量化数据。
在本发明中,所述量化数据是对所述对象的例如价值、重要程度、影响力等的量化,其可以是具体值、参数或具有运算意义的符号等。
采用本实施例提供的数据处理方法,通过特征数据、特征区间和评价区间确定对象在特征维度下的评价数据,进而根据至少一个所述评价数据确定最终的量化数据,有利于基于至少一个特征维度对对象进行准确的量化。示例性地,将本发明实施例提供的数据处理方法应用到用户画像领域,有利于建立更具代表性的用户画像。
可选地,在本实施例的一种实现方式中,所述特征维度包括以下类型中的任意一类或一类以上:所述对象的最近下单时间,其表示方法可以是日期,也可以是最近下单时间与设定时间(例如,当前时间)之间的时间间隔;所述对象在设定时间内(例如,180天)的下单数量;所述对象的平均无优惠消费水准和群体对象的平均无优惠消费水准;所述对象的订单优惠补贴率;所述对象的物流使用情况(例如,是对象对于指定物流的使用率)。
可选地,在本实施例的一种实现方式中,在每一个所述特征维度下具有多个一一对应的特征区间与评价区间。
可选地,在本实施例的一种实现方式中,处理102通过以下方式实现:基于所述对象的特征数据和所述特征区间确定所述特征数据在所述特征区间中的位置;根据所述评价区间的限值和所述特征数据在所述特征区间中的位置,确定所述对象在所述特征维度下的评价数据。
可选地,在本实现方式中,所述特征数据在所述特征区间中的位置包括:由所述特征维度的类型而定的沿所述特征区间的第一方向(例如,区间数据由小到大的方向)的第一位置或沿所述特征区间的第二方向(例如,区间数据由大到小的方向)的第二位置。
图2是根据本发明实施例的一种数据处理方法的流程示意图。参照图2,所述方法包括:
200:根据对象的特征数据确定对象在特征维度下的特征区间和评价区间。
202:基于所述对象的所述特征数据、所述特征区间和所述评价区间,确定所述对象在所述特征维度下的评价数据;
204:基于所述对象在至少一个所述特征维度下的评价数据确定所述对象的量化数据。
206:基于所述量化数据确定所述对象的价值类型。
在本实施例中,关于处理200~204的说明,请参照前文对于处理100~104以及图1所示实施例的可选实现方式的说明,此处不赘述。
可选地,在本实施例的一种实现方式中,所述价值类型包括无价值对象、低价值对象、中价值对象和高价值对象。每一类对象具有设定的量化区间,基于所述量化数据确定其所属的量化区间从而可以确定所述对象的价值类型。
采用本实施例提供的方法,在准确量化对象的基础上,能够为对象确定分类,适合应用于对对象(例如,用户或商品)进行分类的场景。
下面以5个特征维度、所述对象为外卖场景下的用户、所述评价区间为用户得分为例,对本发明的一种实施例进行详细说明。
1)计算用户的最近下单(即,特征维度1)的得分。
本实施例认为在外卖平台上的用户最近下单的时间点离统计时间点越接近,则用户对平台的潜在价值最大,score(得分)计算判断如下:
X1判断条件 | score(分) |
X1>365 | score=0 |
180<X1<=365 | 0<=score<10 |
90<X1<=180 | 10<=score<50 |
7<X1<=90 | 50<=score<80 |
0<X1<=7 | 80<=score<100 |
X1=0 | score=100 |
其中,X1:代表用户最近下单时间距离统计时间点的时间差绝对值。
结合上表,判断用户最近下单时间X1的值满足条件,在X1大于365(该数值仅为举例)和等于0(该数值仅为举例)时可以直接得到具体得分(在本发明中,该情况下的具体得分同样被定义为“区间”),其它情况下需要计算具体得分,计算公式如下:
公式2:
最近下单时间score
=得分下限值
+(1-(X1–条件下限值)/(条件上限值-条件下限值))
*(得分上限值-得分下限值)
2)计算最近下单数量(即,特征维度2)的得分
在本实施例中,外卖平台上的用户例如在最近180天的下单数量越大,则认为用户对平台贡献越大得分计算判断如下:
X2判断条件 | 得分score(分) |
X2<=1 | score=0 |
1<X2<=4 | 0<score<=10 |
4<X2<=12 | 10<score<=50 |
12<X2<=24 | 50<score<=80 |
24<X2<=36 | 80<score<=100 |
X2>=36 | score=100 |
其中,X2:用户最近180天内下单数量。
结合上表,判断用户最近180天下单数量X2的值满足的条件。当x2>=36或X2<=1时,直接得到得分值。在其他情况下,则计算具体的的得分,计算公式如下:
公式3:
最近180天下单score
=得分下限值
+((X2-条件下限值)/(条件上限值-条件下限值))
*(得分上限值-得分下限值)
3)计算优惠前客单价(即,特征维度3)的得分:
首先统计城市维度下的用户的平均无优惠客单价(即群体对象的平均无优惠消费水准的一例),然后计算用户近180天的平均无优惠客单价(即,对象的平均无优惠消费水准的一例)。如果后者高于前者越多,则认为用户对平台贡献度越大,得分计算判断如下:
其中,X3:用户平均每单无优惠客单价;CP:某个城市用户平均无优惠客单价。
结合上表,如果X3>=36或X3<=CP*0.125,则可以直接确定用户在该特征维度上的得分;否则,根据以下计算公式计算用户的得分:
公式4:
平均无优惠客单价score
=得分下限值
+((X3-条件下限值)/(条件上限值-条件下限值))
*(得分上限值-得分下限值)
4)补贴率(即,特征维度4)的得分:
在本实施例中,计算用户近一年的订单的补贴率,补贴率越低则认为用户对平台贡献越大,得分计算判断如下:
X4判断条件 | 得分score(分) |
X4>=0.8 | score=0 |
0.6<X4<=0.8 | 0<=score<10 |
0.4<X4<=0.6 | 10<=score<50 |
0.1<X4<=0.4 | 50<=score<80 |
0.05<X4<=0.1 | 80<=score<100 |
X4<=0.05 | score=100 |
结合上表,判断用户近一年订单的补贴率X4的值满足的条件,如果X4<=0.05或X4>=0.8,则直接确定用户在该特征维度下的得分;否则,根据以下公式计算用户在该特征维度下的得分:
公式5:
订单优惠补贴率score
=得分下限值
+(1-(X4-条件下限值)/(条件上限值-条件下限值))
*(得分上限值-得分下限值)
5)物流配送比例(即,特征维度5)的得分:
在本实施例中,计算用户近一年的订单使用例如百度配送的比例,比例越高证明用户对平台的收益贡献越大,得分计算判断如下:
X5判断条件 | 得分score(分) |
X5<=0.05 | score=0 |
0.05<X5<=0.1 | 0<score<=10 |
0.1<X5<=0.4 | 10<score<=50 |
0.4<X5<=0.6 | 50<score<=80 |
0.6<X5<=0.8 | 80<score<=100 |
X5>=0.8 | score=100 |
其中,X5:用户订单使用百度物流的比例
结合上表,当X5>=0.8或X5<=0.05时,直接得到用户在该特征维度下的得分;否则,根据以下公式计算用户在该特征维度下的得分:
公式6:
百度物流的比例score
=得分下限值
+((X5-条件下限值)/(条件上限值-条件下限值))
*(得分上限值-得分下限值)
6)总计
如图3所示,示出了本实施例的整体步骤以及计算过程。在本实施例中,基于外卖大数据确定用户在多个特征维度下的特征值并计算用户的得分,然后综合所有得分计算用户的总得分。
公式1:
用户总得分=最近下单时间score*w1+近180天下单数量score*w2
+平均无优惠客单价score*w3+订单优惠补贴率score
*w4+百度物流的比率score*w5
在本实施例中,根据外卖实际业务需求,对w1、w2、w3、w4、w5分别赋值为0.4、0.2、0.2、0.1、0.1,最终用户得分对应4个等级,具体如下:
总分数 | 用户类型 |
[0,10) | 无价值用户 |
[10,50) | 低价值用户 |
[50,80) | 中价值用户 |
[80,100] | 高价值用户 |
在本实施例中,如公2-公式6所示,其中“得分上限值-得分下限值”的乘数表示的是特征数据在特征区间中的位置,该位置因特征维度的类型而定。例如,“(X3-条件下限值)/(条件上限值–条件下限值)”表示特征数据在特征维度3中沿第一方向的第一位置,“1-(X4-条件下限值)/(条件上限值-条件下限值)”表示特征数据在特征维度4中沿第二方向的第二位置。
需要说明的是,本实施例提供的具体数值仅为举例,本领域技术人员可以根据需要灵活设置具体数值,这同样落在本发明的保护范围内。
图4是根据本发明实施例的一种数据处理装置的框图。参照图4,数据处理装置包括区间确定模块40、评价数据确定模块42和量化模块44。下面进行详细说明。
在本实施例中,区间确定模块40用于根据对象的特征数据确定对象在特征维度下的特征区间和评价区间。
可选地,在本实施例的一种实现方式中,所述特征维度包括以下类型中的任意一类或一类以上:所述对象的最近下单时间;所述对象在设定时间内的下单数量;所述对象的平均无优惠消费水准和群体对象的平均无优惠消费水准;所述对象的订单优惠补贴率;所述对象的物流使用情况。
可选地,在本实施例的一种实现方式中,在所述特征维度下具有多个一一对应的特征区间与评价区间。
在本实施例中,评价数据确定模块42用于基于所述对象的所述特征数据、所述特征区间和所述评价区间,确定所述对象在所述特征维度下的评价数据。
可选地,在本实施例的一种实现方式中,如图5所示,评价数据确定模块42包括:位置确定子模块420,用于基于所述对象的特征数据和所述特征区间确定所述特征数据在所述特征区间中的位置;评价数据确定子模块422,用于根据所述评价区间的限值和所述特征数据在所述特征区间中的位置,确定所述对象在所述特征维度下的评价数据。
在本实施例中,来拿规划模块44用于根据所述评价区间的限值和所述特征数据在所述特征区间中的位置,确定所述对象在所述特征维度下的评价数据。
采用本实施例提供的数据处理装置,通过特征数据、特征区间和评价区间确定对象在特征维度下的评价数据,进而根据至少一个所述评价数据确定最终的量化数据,有利于基于至少一个特征维度对对象进行准确的量化。示例性地,将本发明实施例提供的数据处理装置应用到用户画像领域,有利于建立更具代表性的用户画像。
可选地,在本实施例的一种实现方式中,如图4中虚线框所示,所述数据处理装置还包括分类模块46,用于根据所述量化数据确定所述对象的价值类型。采用该实现方式提供的数据处理装置,有利于对对象进行价值分类。
图6是根据本发明实施例的一种电子设备的框图。参照图6,所述电子设备包括存储器60和处理器62。其中,所述存储器60存储有一条或多条计算机指令;所述处理器62则用于调用和执行所述一条或多条计算机指令,从而实现如图1-图3所示的任一实施例或其实现方式所提供的数据处理方法。
可选地,在该实施例中,如虚线框所示,所述电子设备还可以包括输入输出接口,用于与其它设备进行通信。
本发明实施例还提供一种计算机存储介质,其存储有一条或多条计算机指令,所述一条或多条计算机指令被执行时实现如图1-图3所示的任一实施例或其实现方式所提供的数据处理方法。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
本发明公开A1、一种数据处理方法,包括:
根据对象的特征数据确定对象在特征维度下的特征区间和评价区间;
基于所述对象的所述特征数据、所述特征区间和所述评价区间,确定所述对象在所述特征维度下的评价数据;
基于所述对象在至少一个所述特征维度下的评价数据确定所述对象的量化数据。
A2、如A1所述的方法,所述特征维度包括以下类型中的任意一类或一类以上:
所述对象的最近下单时间;
所述对象在设定时间内的下单数量;
所述对象的平均无优惠消费水准和群体对象的平均无优惠消费水准;
所述对象的订单优惠补贴率;
所述对象的物流使用情况。
A3、如A1或A2所述的方法,
在所述特征维度下具有多个一一对应的特征区间与评价区间。
A4、如A1或A2所述的方法,所述基于所述对象的所述特征数据、所述特征区间和所述评价区间,确定所述对象在所述特征维度下的评价数据,包括:
基于所述对象的特征数据和所述特征区间确定所述特征数据在所述特征区间中的位置;
根据所述评价区间的限值和所述特征数据在所述特征区间中的位置,确定所述对象在所述特征维度下的评价数据。
A5、如A4所述的方法,所述特征数据在所述特征区间中的位置包括:
由所述特征维度的类型而定的沿所述特征区间的第一方向的第一位置或沿所述特征区间的第二方向的第二位置。
A6、如A1所述的方法,所述方法还包括:
基于所述量化数据确定所述对象的价值类型。
本发明还公开了B7、一种数据处理装置,包括:
区间确定模块,用于根据对象的特征数据确定对象在特征维度下的特征区间和评价区间;
评价数据确定模块,用于基于所述对象的所述特征数据、所述特征区间和所述评价区间,确定所述对象在所述特征维度下的评价数据;
量化模块,用于基于所述对象在至少一个所述特征维度下的评价数据确定所述对象的量化数据。
B8、如B7所述的装置,所述特征维度包括以下类型中的任意一类或一类以上:
所述对象的最近下单时间;
所述对象在设定时间内的下单数量;
所述对象的平均无优惠消费水准和群体对象的平均无优惠消费水准;
所述对象的订单优惠补贴率;
所述对象的物流使用情况。
B9、如B7或B8所述的装置,
在所述特征维度下具有多个一一对应的特征区间与评价区间。
B10、如B7或B8所述的装置,所述评价数据确定模块包括:
位置确定子模块,用于基于所述对象的特征数据和所述特征区间确定所述特征数据在所述特征区间中的位置;
评价数据确定子模块,用于根据所述评价区间的限值和所述特征数据在所述特征区间中的位置,确定所述对象在所述特征维度下的评价数据。
B11、如B10所述的装置,所述特征数据在所述特征区间中的位置包括:
由所述特征维度的类型而定的沿所述特征区间的第一方向的第一位置或沿所述特征区间的第二方向的第二位置。
B12、如B7所述的装置,所述装置还包括:
分类模块,用于根据所述量化数据确定所述对象的价值类型。
本发明还公开了C13、一种计算机存储介质,所述计算机存储介质存储有一条或多条计算机指令,所述一条或多条计算机指令被执行时实现如A1-A6中任一项所述的方法。
本发明还公开了D14、一种电子设备,包括存储器和处理器;其中,
所述存储器用于存储一条或多条计算机指令,其中,所述一条或多条计算机指令供所述处理器调用执行;
所述处理器用于执行所述一条或多条计算机指令以实现如A1-A6中任一项所述的方法。
Claims (10)
1.一种数据处理方法,其特征在于,包括:
根据对象的特征数据确定对象在特征维度下的特征区间和评价区间;
基于所述对象的特征数据和所述特征区间确定所述特征数据在所述特征区间中的位置;所述特征数据在所述特征区间中的位置包括:由所述特征维度的类型而定的沿所述特征区间的第一方向的第一位置或沿所述特征区间的第二方向的第二位置;
根据所述评价区间的限值和所述特征数据在所述特征区间中的位置,确定所述对象在所述特征维度下的评价数据;
基于所述对象在至少一个所述特征维度下的评价数据确定所述对象的量化数据。
2.如权利要求1所述的方法,其特征在于,所述特征维度包括以下类型中的任意一类或一类以上:
所述对象的最近下单时间;
所述对象在设定时间内的下单数量;
所述对象的平均无优惠消费水准和群体对象的平均无优惠消费水准;
所述对象的订单优惠补贴率;
所述对象的物流使用情况。
3.如权利要求1或2所述的方法,其特征在于,
在所述特征维度下具有多个一一对应的特征区间与评价区间。
4.如权利要求1所述的方法,其特征在于,所述方法还包括:
基于所述量化数据确定所述对象的价值类型。
5.一种数据处理装置,其特征在于,包括:
区间确定模块,用于根据对象的特征数据确定对象在特征维度下的特征区间和评价区间;
位置确定子模块,用于基于所述对象的特征数据和所述特征区间确定所述特征数据在所述特征区间中的位置;所述特征数据在所述特征区间中的位置包括:由所述特征维度的类型而定的沿所述特征区间的第一方向的第一位置或沿所述特征区间的第二方向的第二位置;
评价数据确定子模块,用于根据所述评价区间的限值和所述特征数据在所述特征区间中的位置,确定所述对象在所述特征维度下的评价数据;
量化模块,用于基于所述对象在至少一个所述特征维度下的评价数据确定所述对象的量化数据。
6.如权利要求5所述的装置,其特征在于,所述特征维度包括以下类型中的任意一类或一类以上:
所述对象的最近下单时间;
所述对象在设定时间内的下单数量;
所述对象的平均无优惠消费水准和群体对象的平均无优惠消费水准;
所述对象的订单优惠补贴率;
所述对象的物流使用情况。
7.如权利要求5或6所述的装置,其特征在于,
在所述特征维度下具有多个一一对应的特征区间与评价区间。
8.如权利要求5所述的装置,其特征在于,所述装置还包括:
分类模块,用于根据所述量化数据确定所述对象的价值类型。
9.一种计算机存储介质,其特征在于,所述计算机存储介质存储有一条或多条计算机指令,所述一条或多条计算机指令被执行时实现如权利要求1-4中任一项所述的方法。
10.一种电子设备,其特征在于,包括存储器和处理器;其中,
所述存储器用于存储一条或多条计算机指令,其中,所述一条或多条计算机指令供所述处理器调用执行;
所述处理器用于执行所述一条或多条计算机指令以实现如权利要求1-4中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711363372.0A CN108109002B (zh) | 2017-12-18 | 2017-12-18 | 数据处理方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711363372.0A CN108109002B (zh) | 2017-12-18 | 2017-12-18 | 数据处理方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108109002A CN108109002A (zh) | 2018-06-01 |
CN108109002B true CN108109002B (zh) | 2020-11-03 |
Family
ID=62209801
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711363372.0A Expired - Fee Related CN108109002B (zh) | 2017-12-18 | 2017-12-18 | 数据处理方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108109002B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110390563A (zh) * | 2019-07-17 | 2019-10-29 | 世纪龙信息网络有限责任公司 | 用户价值的量化方法、装置、计算机设备和存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105550955A (zh) * | 2015-12-09 | 2016-05-04 | 汤锐华 | 一种数据采集系统 |
CN106910091A (zh) * | 2017-02-23 | 2017-06-30 | 北京小度信息科技有限公司 | 数据处理方法及装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6577971B2 (en) * | 2001-08-06 | 2003-06-10 | Johnson Controls Technology Company | System and method for evaluating craftsmanship |
-
2017
- 2017-12-18 CN CN201711363372.0A patent/CN108109002B/zh not_active Expired - Fee Related
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105550955A (zh) * | 2015-12-09 | 2016-05-04 | 汤锐华 | 一种数据采集系统 |
CN106910091A (zh) * | 2017-02-23 | 2017-06-30 | 北京小度信息科技有限公司 | 数据处理方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN108109002A (zh) | 2018-06-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111401777A (zh) | 企业风险的评估方法、装置、终端设备及存储介质 | |
CN111178708B (zh) | 目标评分方法和装置、计算机可读存储介质、电子设备 | |
EP3961384A1 (en) | Automatic derivation of software engineering artifact attributes from product or service development concepts | |
CN110019774B (zh) | 标签分配方法、装置、存储介质及电子装置 | |
CN110866698A (zh) | 用于评定服务提供方的服务分值的装置 | |
CN112418721A (zh) | 指标确定方法和装置 | |
CN110738508A (zh) | 一种数据分析方法和装置 | |
CN108109002B (zh) | 数据处理方法及装置 | |
US20210027319A1 (en) | Method and system for collecting and analyzing data to generate performance forecasts for assets | |
CN114625975B (zh) | 一种基于知识图谱的客户行为分析系统 | |
CN108090785B (zh) | 确定用户行为衰退倾向的方法、装置及电子设备 | |
CN116562588A (zh) | 基于erp的企业供应链分析系统、方法及设备 | |
CN110517083A (zh) | 一种确定用户属性信息的方法及装置 | |
CN111680941A (zh) | 保价推荐方法、装置、设备及存储介质 | |
CN114925275A (zh) | 产品推荐方法、装置、计算机设备及存储介质 | |
CN110264306B (zh) | 基于大数据的产品推荐方法、装置、服务器及介质 | |
CN114358879A (zh) | 一种基于大数据的物价实时监测方法和系统 | |
CN109344386B (zh) | 文本内容标识方法、装置、设备及计算机可读存储介质 | |
CN108364145B (zh) | 信息确定方法及装置 | |
CN111882339A (zh) | 预测模型训练及响应率预测方法、装置、设备及存储介质 | |
CN114648258B (zh) | 基于融资租赁业务系统的任务调度方法及系统 | |
CN113469374B (zh) | 数据预测方法、装置、设备及介质 | |
CN111210245B (zh) | 保险产品的评价方法、评价装置、智能系统及存储装置 | |
CN115225489B (zh) | 队列业务流量阈值动态控制方法、电子设备及存储介质 | |
CN113722602B (zh) | 信息推荐方法及装置、电子设备、存储介质 |
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 |
Address after: 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 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. |
|
CB02 | Change of applicant information | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20201103 |