CN108197177B - 业务对象的监测方法、装置、存储介质和计算机设备 - Google Patents
业务对象的监测方法、装置、存储介质和计算机设备 Download PDFInfo
- Publication number
- CN108197177B CN108197177B CN201711397296.5A CN201711397296A CN108197177B CN 108197177 B CN108197177 B CN 108197177B CN 201711397296 A CN201711397296 A CN 201711397296A CN 108197177 B CN108197177 B CN 108197177B
- Authority
- CN
- China
- Prior art keywords
- data
- network
- state
- network user
- processing
- 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.)
- Active
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
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/50—Network services
- H04L67/52—Network services specially adapted for the location of the user terminal
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)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Debugging And Monitoring (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明实施例提供了一种业务对象的监测方法、装置、存储介质和计算机设备。所述方法通过获取多个业务对象样本的网络用户数据以及对应标记的处理状态,根据所述网络用户数据以及对应标记的处理状态,创建基于网络用户数据确定处理状态的识别数据集合,采用所述识别数据集合监测目标业务对象的处理状态,使得业务对象的处理状态可以根据线上数据进行监测,相比人工实地监测处理状态,减少了监测成本、提高了监测的实时性。
Description
技术领域
本发明涉及数据监测技术领域,特别是涉及一种业务对象的监测方法、一种业务对象的监测装置、一种计算机可读存储介质和一种计算机设备。
背景技术
随着线上和线下的联系越来越紧密,很多消费点评类、地图类应用会在线上收录千万级别甚至上亿级别的POI(Point ofInterest,信息点)数据,例如电子地图上的景点、商场、公司、饭店等。
申请人经研究发现,线上POI数据与线下POI数据的营业状态很难保持一致,经常会有用户按照线上POI数据前往已经处于停业状态的饭店等,导致用户被错误信息所误导。
目前,线下采集的方式能够确定经过确认的POI数据的营业状态在一段时间内保持准确,但是需要定期耗费大量的人力财力,而且POI数据的规模巨大也注定依靠线下采集是无法对所有数据进行一一确认的。综上,POI数据的营业状态的监测存在成本高、不及时等问题。
发明内容
本发明实施例提供一种业务对象的监测方法、装置、计算机可读存储介质和计算机设备,解决了监测业务对象的处理状态成本高,不及时的问题。
为了解决上述问题,本发明公开了一种业务对象的监测方法,包括:
获取多个业务对象样本的网络用户数据以及对应标记的处理状态;
根据所述网络用户数据以及对应标记的处理状态,创建基于网络用户数据确定处理状态的识别数据集合;
采用所述识别数据集合监测目标业务对象的处理状态。
可选地,在所述创建基于网络用户数据确定处理状态的识别数据集合之前,所述方法还包括:
由所述网络用户数据生成对应的数据特征;
所述根据所述网络用户数据以及对应标记的处理状态,创建基于网络用户数据确定处理状态的识别数据集合包括:
根据所述数据特征以及对应标记的处理状态,创建基于所述数据特征确定处理状态的识别数据集合。
可选地,所述网络用户数据包括针对业务对象的网络文本数据,所述由所述网络用户数据生成对应的数据特征包括:
识别所述网络文本数据中有关处理状态的状态描述词;
分别统计各个类型的状态描述词的数量,作为所述网络文本数据的数据特征。
可选地,所述识别所述网络文本数据中有关处理状态的状态描述词包括:
由所述网络文本数据生成对应的文本特征;
根据所述预设处理状态相关词的文本特征,查找所述网络文本数据中与所述处理状态相关词相似度匹配的状态描述词。
可选地,所述状态描述词的类型按照针对处理状态的表征程度划分。
可选地,所述网络用户数据包括用户连接所述业务对象的局域网的网络连接数据,所述获取多个业务对象样本的网络用户数据以及对应标记的处理状态包括:
接收用户上报的网络连接数据;
查找与所述网络连接数据匹配的业务对象;
所述由所述网络用户数据生成对应的数据特征包括:
根据所述网络连接数据,确定各个业务对象的网络连接情况,作为所述网络连接数据的数据特征。
可选地,所述根据所述网络连接数据,确定各个业务对象的网络连接情况包括:
根据网络连接数的变化情况,确定所述网络连接情况。
可选地,所述网络用户数据还包括属性数据、用户行为数据、状态反馈数据、通讯状态数据中至少一种;
在所述创建基于所述数据特征确定处理状态的识别数据集合之前,所述方法还包括:
将所述属性数据、用户行为数据、状态反馈数据、通讯状态数据中至少一种确定为数据特征。
可选地,所述由所述网络用户数据生成对应的数据特征包括:
按照时间段划分所述网络用户数据;
针对各个时间段的网络用户数据,分别生成对应的数据特征。
可选地,所述处理状态包括未关闭状态、已关闭状态、待确认状态。
相应地,本发明公开了一种业务对象的监测装置,包括:
数据获取模块,用于获取多个业务对象样本的网络用户数据以及对应标记的处理状态;
集合创建模块,用于根据所述网络用户数据以及对应标记的处理状态,创建基于网络用户数据确定处理状态的识别数据集合;
状态监测模块,用于采用所述识别数据集合监测目标业务对象的处理状态。
可选地,所述装置还包括:
数据特征生成模块,用于在所述创建基于网络用户数据确定处理状态的识别数据集合之前,由所述网络用户数据生成对应的数据特征;
所述集合创建模块包括:
集合创建子模块,用于根据所述数据特征以及对应标记的处理状态,创建基于所述数据特征确定处理状态的识别数据集合。
可选地,所述网络用户数据包括针对业务对象的网络文本数据,所述数据特征生成模块包括:
描述词识别子模块,用于识别所述网络文本数据中有关处理状态的状态描述词;
数量统计子模块,用于分别统计各个类型的状态描述词的数量,作为所述网络文本数据的数据特征。
可选地,所述描述词识别子模块包括:
文本特征生成单元,用于由所述网络文本数据生成对应的文本特征;
描述词查找单元,用于根据所述预设处理状态相关词的文本特征,查找所述网络文本数据中与所述处理状态相关词相似度匹配的状态描述词。
可选地,所述状态描述词的类型按照针对处理状态的表征程度划分。
可选地,所述网络用户数据包括用户连接所述业务对象的局域网的网络连接数据,所述数据获取模块包括:
数据接收子模块,用于接收用户上报的网络连接数据;
对象查找子模块,用于查找与所述网络连接数据匹配的业务对象;
所述数据特征生成模块包括:
连接情况确定子模块,用于根据所述网络连接数据,确定各个业务对象的网络连接情况,作为所述网络连接数据的数据特征。
可选地,所述连接情况确定子模块包括:
情况确定单元,用于根据网络连接数的变化情况,确定所述网络连接情况。
可选地,所述网络用户数据还包括属性数据、用户行为数据、状态反馈数据、通讯状态数据中至少一种;
所述装置还包括:
数据特征确定模块,用于在所述创建基于所述数据特征确定处理状态的识别数据集合之前,将所述属性数据、用户行为数据、状态反馈数据、通讯状态数据中至少一种确定为数据特征。
可选地,所述数据特征生成模块包括:
数据划分子模块,用于按照时间段划分所述网络用户数据;
数据特征生成子模块,用于针对各个时间段的网络用户数据,分别生成对应的数据特征。
可选地,所述处理状态包括未关闭状态、已关闭状态、待确认状态。
相应地,本发明公开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以下步骤:
获取多个业务对象样本的网络用户数据以及对应标记的处理状态;
根据所述网络用户数据以及对应标记的处理状态,创建基于网络用户数据确定处理状态的识别数据集合;
采用所述识别数据集合监测目标业务对象的处理状态。
可选地,在所述创建基于网络用户数据确定处理状态的识别数据集合之前,所述方法还包括:
由所述网络用户数据生成对应的数据特征;
所述根据所述网络用户数据以及对应标记的处理状态,创建基于网络用户数据确定处理状态的识别数据集合包括:
根据所述数据特征以及对应标记的处理状态,创建基于所述数据特征确定处理状态的识别数据集合。
可选地,所述网络用户数据包括针对业务对象的网络文本数据,所述由所述网络用户数据生成对应的数据特征包括:
识别所述网络文本数据中有关处理状态的状态描述词;
分别统计各个类型的状态描述词的数量,作为所述网络文本数据的数据特征。
可选地,所述识别所述网络文本数据中有关处理状态的状态描述词包括:
由所述网络文本数据生成对应的文本特征;
根据所述预设处理状态相关词的文本特征,查找所述网络文本数据中与所述处理状态相关词相似度匹配的状态描述词。
可选地,所述状态描述词的类型按照针对处理状态的表征程度划分。
可选地,所述网络用户数据包括用户连接所述业务对象的局域网的网络连接数据,所述获取多个业务对象样本的网络用户数据以及对应标记的处理状态包括:
接收用户上报的网络连接数据;
查找与所述网络连接数据匹配的业务对象;
所述由所述网络用户数据生成对应的数据特征包括:
根据所述网络连接数据,确定各个业务对象的网络连接情况,作为所述网络连接数据的数据特征。
可选地,所述根据所述网络连接数据,确定各个业务对象的网络连接情况包括:
根据网络连接数的变化情况,确定所述网络连接情况。
可选地,所述网络用户数据还包括属性数据、用户行为数据、状态反馈数据、通讯状态数据中至少一种;
在所述创建基于所述数据特征确定处理状态的识别数据集合之前,所述方法还包括:
将所述属性数据、用户行为数据、状态反馈数据、通讯状态数据中至少一种确定为数据特征。
可选地,所述由所述网络用户数据生成对应的数据特征包括:
按照时间段划分所述网络用户数据;
针对各个时间段的网络用户数据,分别生成对应的数据特征。
可选地,所述处理状态包括未关闭状态、已关闭状态、待确认状态。
相应地,本发明公开了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行时实现以下步骤:
获取多个业务对象样本的网络用户数据以及对应标记的处理状态;
根据所述网络用户数据以及对应标记的处理状态,创建基于网络用户数据确定处理状态的识别数据集合;
采用所述识别数据集合监测目标业务对象的处理状态。
可选地,在所述创建基于网络用户数据确定处理状态的识别数据集合之前,所述方法还包括:
由所述网络用户数据生成对应的数据特征;
所述根据所述网络用户数据以及对应标记的处理状态,创建基于网络用户数据确定处理状态的识别数据集合包括:
根据所述数据特征以及对应标记的处理状态,创建基于所述数据特征确定处理状态的识别数据集合。
可选地,所述网络用户数据包括针对业务对象的网络文本数据,所述由所述网络用户数据生成对应的数据特征包括:
识别所述网络文本数据中有关处理状态的状态描述词;
分别统计各个类型的状态描述词的数量,作为所述网络文本数据的数据特征。
可选地,所述识别所述网络文本数据中有关处理状态的状态描述词包括:
由所述网络文本数据生成对应的文本特征;
根据所述预设处理状态相关词的文本特征,查找所述网络文本数据中与所述处理状态相关词相似度匹配的状态描述词。
可选地,所述状态描述词的类型按照针对处理状态的表征程度划分。
可选地,所述网络用户数据包括用户连接所述业务对象的局域网的网络连接数据,所述获取多个业务对象样本的网络用户数据以及对应标记的处理状态包括:
接收用户上报的网络连接数据;
查找与所述网络连接数据匹配的业务对象;
所述由所述网络用户数据生成对应的数据特征包括:
根据所述网络连接数据,确定各个业务对象的网络连接情况,作为所述网络连接数据的数据特征。
可选地,所述根据所述网络连接数据,确定各个业务对象的网络连接情况包括:
根据网络连接数的变化情况,确定所述网络连接情况。
可选地,所述网络用户数据还包括属性数据、用户行为数据、状态反馈数据、通讯状态数据中至少一种;
在所述创建基于所述数据特征确定处理状态的识别数据集合之前,所述方法还包括:
将所述属性数据、用户行为数据、状态反馈数据、通讯状态数据中至少一种确定为数据特征。
可选地,所述由所述网络用户数据生成对应的数据特征包括:
按照时间段划分所述网络用户数据;
针对各个时间段的网络用户数据,分别生成对应的数据特征。
可选地,所述处理状态包括未关闭状态、已关闭状态、待确认状态。
综上所述,依据本发明实施例,通过获取多个业务对象样本的网络用户数据以及对应标记的处理状态,根据所述网络用户数据以及对应标记的处理状态,创建基于网络用户数据确定处理状态的识别数据集合,采用所述识别数据集合监测目标业务对象的处理状态,使得业务对象的处理状态可以根据线上数据进行监测,相比人工实地监测处理状态,减少了监测成本、提高了监测的实时性。
附图说明
图1示出了根据本发明实施例一的一种业务对象的监测方法的步骤流程图;
图2示出了根据本发明实施例二的一种业务对象的监测方法的步骤流程图;
图3示出了状态描述词的提取方式的示意图;
图4示出了业务对象的监测过程的示意图;
图5示出了根据本发明实施例三的一种业务对象的监测装置的结构框图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
实施例一
参照图1,示出了根据本发明实施例一的一种业务对象的监测方法的步骤流程图,具体可以包括如下步骤:
步骤101,获取多个业务对象样本的网络用户数据以及对应标记的处理状态。
业务对象包括商场、公司、饭店、企事业机构等开展各种业务的实体。业务对象的处理状态包括营业状态、关门状态等,用于描述业务对象的营业活动情况。
为了获得网络用户数据和处理状态的关系,预先选取多个业务对象,记为业务对象样本,具体可以从已有的全部业务对象中选取全部业务对象作为样本,或者随机选取部分业务对象作为样本,或者按照一定规则选取业务对象作为样本,本发明实施例对此不做限制。
网络用户数据包括与业务对象相关的所有数据,具体可以包括属性数据、用户行为数据、状态反馈数据、通讯状态数据、网络文本数据、网络连接数据等,或者其他任意适用的数据,本发明实施例对此不作限制。
其中,属性数据包括名称、标识、电话、地址、行业、名称在数据库中出现的数量、电话在数据库中出现的数量等,或者其他任意适用的数据,本发明实施例对此不做限制。用户行为数据包括用户行为产生的多个相关数据,例如,浏览量、点击量、评论数、反馈数等,或者其他任意适用的数据,本发明实施例对此不作限制。状态反馈数据包括用户上报的针对业务对象的信息错误的反馈、或报告处理状态为关闭的反馈的数量,或者其他任意适用的反馈,本发明实施例对此不作限制。通信状态数据包括通过拨打业务对象预留的电话得到的是否可以接通、或是否停机等有关通信状态的数据,或者其他任意适用的通信方式的状态,本发明实施例对此不作限制。网络文本数据包括网络中任意有关业务对象的文本类型的数据,例如,用户针对业务对象的评论、或者其他任意适用的文本,本发明实施例对此不作限制。网络连接数据包括用户上报的连接到的无线局域网的名称、所处的位置等信息,或者其他任意适用的有关网络连接的数据,本发明实施例对此不作限制。
在本发明实施例中,针对获取的多个业务对象样本,分别获取各种网络用户数据,以及对应为各个业务对象样本标记处理状态,具体可以采用线下采集等方式确定业务对象样本的处理状态,确保各个业务对象样本的处理状态是正确即可,具体可以采用任意适用的方式,本发明实施例对此不作限制。
步骤102,根据所述网络用户数据以及对应标记的处理状态,创建基于网络用户数据确定处理状态的识别数据集合。
识别数据集合可以包括一个或多个识别模型,可以是任意适用于本发明的预测模型。
为了创建一个可以识别处理状态的识别数据集合,需要采用有监督的学习方式,根据针对业务对象样本的网络用户数据,以及对应标记的处理状态,得到能识别处理状态的模型。
在本发明实施例中,在创建识别处理状态的识别数据集合时,需要多个业务对象样本的网络用户数据以及对应标记的处理状态。其中,具体可以根据网络用户数据本身、或者从网络用户数据中提取的其他相关信息,以及对应标记的处理状态,来创建识别数据集合,以使识别数据集合可以根据业务对象之间的相关性,为每个业务对象确定处理状态。
在本发明实施例中,创建识别数据集合时可以应用机器学习算法,根据多个业务对象样本对应的网络用户数据,用函数拟合出处理状态和业务对象的网络用户数据之间的关系。例如,GBDT(Gradient Boosting Decision Tree,迭代的决策树)算法,该算法由多棵决策树组成,所有树的结论累加起来做最终答案。上述决策树作为一种预测模型,是在上一层决策得到的结果的基础上,进行下一层决策,包括决策点、状态节点、结果节点等参数,树中的每个节点表示被预测的对象,而每个分叉路径则代表该对象可能的属性。
在本发明实施例中,一种生成识别数据集合的方式包括:将业务对象样本的多个维度的网络用户数据的值作为决策树的评价指标,得到多个决策树,再由多个决策树构成一个识别数据集合,对待识别业务对象进行识别。根据业务对象每一个维度网络用户数据得到的决策树可能相同,可能不相同,因此在使用多个决策树构成识别数据集合时,需要根据每个决策树在评价体系中的重要性,来确认每个决策树的权重值,从而得到识别数据集合。在上述采用GBDT算法对业务对象的网络用户数据进行样本训练可以是分两次或多次进行训练,以提高与训练结果对应的决策树构成的识别数据集合的准确率和召回率。
步骤103,采用所述识别数据集合监测目标业务对象的处理状态。
在本发明实施例中,识别数据集合被创建后,可以用来识别除业务对象样本之外的其他更多的业务对象。识别目标业务对象时,识别数据集合可以根据目标业务对象的网络用户数据、或者从网络用户数据提取的其他相关信息,获得目标业务对象的处理状态。输入目标业务对象的网络用户数据就会根据这个识别数据集合输出处理状态,得到的处理状态可以包括关闭状态、未关闭状态、待确认状态等离散的状态值,也可以包括输出的分值,或者其他任意适用的形式,本发明实施例对此不做限制。
例如,将待监测的目标商户的网络用户数据输入模型,根据模型输出的分值对营业状态进行判断,分值越接近1表示该商户是已关闭商户的可能性越大,越接近0表示该商户是未关闭商户的可能性越大,可以通过设置阈值判断来确定商户是否关闭。
在本发明实施例中,优选地,所述处理状态包括未关闭状态、已关闭状态、待确认状态,其中,待确认状态为未关闭状态和已关闭状态之间的一种状态,表示一种需要进一步确认的状态,可以针对待确认状态的业务对象的处理状态进行进一步确认,具体可以采用任意适用的方式确认,本发明实施例对此不做限制。
综上所述,依据本发明实施例,通过获取多个业务对象样本的网络用户数据以及对应标记的处理状态,根据所述网络用户数据以及对应标记的处理状态,创建基于网络用户数据确定处理状态的识别数据集合,采用所述识别数据集合监测目标业务对象的处理状态,使得业务对象的处理状态可以根据线上数据进行监测,相比人工实地监测处理状态,减少了监测成本、提高了监测的实时性。
实施例二
参照图2,示出了根据本发明实施例二的一种业务对象的监测方法的步骤流程图,具体可以包括如下步骤:
步骤201,获取多个业务对象样本的网络用户数据以及对应标记的处理状态。
步骤202,由所述网络用户数据生成对应的数据特征。
网络用户数据的数据特征用于表征网络用户数据。在机器处理网络用户数据时,需要将网络用户数据抽象表示成可被机器理解的形式,所以要把网络用户数据进行特征化。例如,文本中特定词语的出现频率,文本被发送、转发等操作的次数,词语设定的分数等,具体可以根据不同维度的网络用户数据,生成对应的数据特征,本发明实施例对此不作限制。
在本发明实施例中,优选地,所述网络用户数据包括用户连接所述业务对象的局域网的网络连接数据,获取多个业务对象样本的网络用户数据以及对应标记的处理状态的一种实现方式包括:接收用户上报的网络连接数据,查找与所述网络连接数据匹配的业务对象。在用户开启位置上报服务的情况下,可以接收到用户上报的经纬度信息以及局域网连接情况,例如,采用WIFI(WIreless-Fidelity,无线保真)技术构建的无线局域网。通过连接局域网时的位置信息、名称信息与业务对象的名称的信息进行匹配,查找确认对应匹配的业务对象。由所述网络用户数据生成对应的数据特征的对应实现方式可以包括:根据所述网络连接数据,确定各个业务对象的网络连接情况,作为所述网络连接数据的数据特征。例如,根据各个用户上传的网络连接数据确定与业务对象的局域网连接的用户数,或者活跃程度等网络连接情况,作为数据特征。
在本发明实施例中,优选地,所述根据所述网络连接数据,确定各个业务对象的网络连接情况的一种实现方式可以包括:根据网络连接数的变化情况,确定所述网络连接情况。网络连接数的变化情况包括长期无人连接、没有用户扫描到该无线局域网的名称、连接数下降至低于设定阈值等情况,或者其他任意适用的情况,作为网络连接情况,本发明实施例对此不作限制。
在本发明实施例中,优选地,所述网络用户数据包括针对业务对象的网络文本数据,所述由所述网络用户数据生成对应的数据特征的一种实现方式可以包括:识别所述网络文本数据中有关处理状态的状态描述词,分别统计各个类型的状态描述词的数量,作为所述网络文本数据的数据特征。
针对业务对象的网络文本数据,例如,用户在消费评价网站的商家页面中评论区内的评论,有些网络文本数据会涉及商家的近况。通过挖掘网络文本数据中与处理状态相关的描述,提取关键词特征,用于后续的模型训练,使得识别数据集合可以利用网络文本数据来帮助判断业务对象的处理状态。例如,如图3所示的状态描述词的提取方式的示意图。利用word2vec(单词转换成向量形式的工具)将用户评论的数据训练为词向量,根据预设处理状态相关词,召回与处理状态相关的状态描述词,并将其分为关闭状态词、确认告知词、否认告知词。关闭状态词为描述关闭状态的词,例如:“白跑”、“搬走了”、“倒闭”、“关掉”等,确认告知词为对关门状态的补充描述,例如:“别再去”、“已经关门”等,否认告知词为否认关门状态的描述,例如:“应该会关门”、“早晚倒闭”、“没有倒闭”等,将这三类状态描述词加入到词库中,然后针对后续的用户评论进行匹配,分别统计所有评论中含有的关闭状态词、确认告知词、否认告知词的数量作为后续模型训练的数据特征。
在本发明实施例中,优选地,所述识别所述网络文本数据中有关处理状态的状态描述词的一种实现方式可以包括:由所述网络文本数据生成对应的文本特征,根据所述预设处理状态相关词的文本特征,查找所述网络文本数据中与所述处理状态相关词相似度匹配的状态描述词。
文本特征用于表征文本,例如,id特征(标识)、tf-idf特征(term frequency–inverse document frequency,词频-逆向文件频率)、word2vec特征(word to vector,词语转向量)、cnn特征(Convolutional Neural Network,卷积神经网络)等中至少一种。
预设处理状态相关词包括预设的与处理状态相关的词,具体可以包括任意适用的词语,本发明实施例对此不做限制。根据预设处理状态相关词的文本特征,与网络文本数据的文本特征,进行特征匹配,查找出文本特征的相似度匹配的状态描述词,具体可以根据相似度是否超过设定阈值判定是否匹配,或者其他任意适用的方式,本发明实施例对此不做限制。
在本发明实施例中,优选地,所述状态描述词的类型按照针对处理状态的表征程度划分。按照对于处理状态的表征程度可以将状态描述词分为多个类型,各个类型中的不同状态描述词表征相同的程度,例如,上述例子中将状态描述词分为关闭状态词、确认告知词、否认告知词三个类型。
在本发明实施例中,优选地,网络用户数据还包括属性数据、用户行为数据、状态反馈数据、通讯状态数据中至少一种,上述几种数据可以直接作为数据特征,输入到模型训练过程中。除了为网络用户数据生成数据特征外,还可以针对一些数据,直接将属性数据、用户行为数据、状态反馈数据、通讯状态数据中至少一种确定为数据特征。当然,除了上述数据外,还可以包括任意适用的其他数据,本发明实施例对此不做限制。
在本发明实施例中,优选地,所述由所述网络用户数据生成对应的数据特征的一种实现方式可以包括:按照时间段划分所述网络用户数据,针对各个时间段的网络用户数据,分别生成对应的数据特征。
网络用户数据中部分是具有时间信息的,可以根据时间段对网络用户数据进行划分,再针对各个时间段的网络用户数据,分别生成对应的数据特征。例如,对业务对象的处理状态进行监测时,可以调取过去三个月的点击量数据,按照星期将点击量数据划分,分别得到各个星期的点击量总和,作为数据特征,分别将三个月中各个星期的点击量总和,输入到模型训练,得到识别数据集合。
步骤203,根据所述数据特征以及对应标记的处理状态,创建基于所述数据特征确定处理状态的识别数据集合。
在本发明实施例中,识别数据集合可以根据基于数据特征识别处理状态,数据特征与处理状态可以成线性函数关系,或者其他任意适用的其他函数关系,本发明实施例对此不做限制。根据数据特征和标记的处理状态的对应关系,可以确定出数据特征和处理状态之间的函数关系,也就是基于数据特征识别处理状态的识别函数。
步骤204,采用所述识别数据集合监测目标业务对象的处理状态。
在本发明实施例中,监测处理状态可以采用在线监测的方式,获取目标业务对象的网络用户数据,输入到识别数据集合,根据识别数据集合输出的分值对业务对象的处理状态进行判断。在实际应用时,可以周期性地所有业务对象进行监测,以实现利用网络用户数据监测业务对象的处理状态的功能。
综上所述,依据本发明实施例,通过获取多个业务对象样本的网络用户数据以及对应标记的处理状态,由所述网络用户数据生成对应的数据特征,根据所述数据特征以及对应标记的处理状态,创建基于数据特征确定处理状态的识别数据集合,采用所述识别数据集合监测目标业务对象的处理状态,使得业务对象的处理状态可以根据线上数据进行监测,相比人工实地监测处理状态,减少了监测成本、提高了监测的实时性。
为使本领域技术人员更好地理解本发明,以下通过具体的示例对本发明的一种实现方式进行说明。
如图4所示的业务对象的监测过程的示意图。
步骤1、获取网络文本数据(用户评论)、网络连接数据(WIFI连接数据)、用户交互信息、商家交互信息、POI基础信息等。
步骤2、挖掘各个商家的用户评论中各类状态描述词,得到各类状态描述词的数量。
步骤3、根据用户上报的网络连接数据,匹配连接的无线局域网对应的商家,得到各个商家的网络连接数。
步骤4、将状态描述词的数量、与商家的无线局域网的连接数等作为特征,输入到模型训练过程中,得到识别数据集合。
步骤5、根据训练的识别数据集合,对目标商家进行监测,将目标商家确定为未关闭商家、或已关闭商家、或待确认商家。
需要说明的是,对于方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本发明实施例并不受所描述的动作顺序的限制,因为依据本发明实施例,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作并不一定是本发明实施例所必须的。
实施例三
参照图5,示出了根据本发明实施例三的一种业务对象的监测装置的结构框图,具体可以包括如下模块:
数据获取模块301,用于获取多个业务对象样本的网络用户数据以及对应标记的处理状态;
集合创建模块302,用于根据所述网络用户数据以及对应标记的处理状态,创建基于网络用户数据确定处理状态的识别数据集合;
状态监测模块303,用于采用所述识别数据集合监测目标业务对象的处理状态。
在本发明实施例中,优选地,所述装置还包括:
数据特征生成模块,用于在所述创建基于网络用户数据确定处理状态的识别数据集合之前,由所述网络用户数据生成对应的数据特征;
所述集合创建模块包括:
集合创建子模块,用于根据所述数据特征以及对应标记的处理状态,创建基于所述数据特征确定处理状态的识别数据集合。
在本发明实施例中,优选地,所述网络用户数据包括针对业务对象的网络文本数据,所述数据特征生成模块包括:
描述词识别子模块,用于识别所述网络文本数据中有关处理状态的状态描述词;
数量统计子模块,用于分别统计各个类型的状态描述词的数量,作为所述网络文本数据的数据特征。
在本发明实施例中,优选地,所述描述词识别子模块包括:
文本特征生成单元,用于由所述网络文本数据生成对应的文本特征;
描述词查找单元,用于根据所述预设处理状态相关词的文本特征,查找所述网络文本数据中与所述处理状态相关词相似度匹配的状态描述词。
在本发明实施例中,优选地,所述状态描述词的类型按照针对处理状态的表征程度划分。
在本发明实施例中,优选地,所述网络用户数据包括用户连接所述业务对象的局域网的网络连接数据,所述数据获取模块包括:
数据接收子模块,用于接收用户上报的网络连接数据;
对象查找子模块,用于查找与所述网络连接数据匹配的业务对象;
所述数据特征生成模块包括:
连接情况确定子模块,用于根据所述网络连接数据,确定各个业务对象的网络连接情况,作为所述网络连接数据的数据特征。
在本发明实施例中,优选地,所述连接情况确定子模块包括:
情况确定单元,用于根据网络连接数的变化情况,确定所述网络连接情况。
在本发明实施例中,优选地,所述网络用户数据还包括属性数据、用户行为数据、状态反馈数据、通讯状态数据中至少一种;
所述装置还包括:
数据特征确定模块,用于在所述创建基于所述数据特征确定处理状态的识别数据集合之前,将所述属性数据、用户行为数据、状态反馈数据、通讯状态数据中至少一种确定为数据特征。
在本发明实施例中,优选地,所述数据特征生成模块包括:
数据划分子模块,用于按照时间段划分所述网络用户数据;
数据特征生成子模块,用于针对各个时间段的网络用户数据,分别生成对应的数据特征。
在本发明实施例中,优选地,所述处理状态包括未关闭状态、已关闭状态、待确认状态。
综上所述,依据本发明实施例,通过获取多个业务对象样本的网络用户数据以及对应标记的处理状态,根据所述网络用户数据以及对应标记的处理状态,创建基于网络用户数据确定处理状态的识别数据集合,采用所述识别数据集合监测目标业务对象的处理状态,使得业务对象的处理状态可以根据线上数据进行监测,相比人工实地监测处理状态,减少了监测成本、提高了监测的实时性。
实施例四
本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,该程序被处理器执行时实现以下步骤:
获取多个业务对象样本的网络用户数据以及对应标记的处理状态;
根据所述网络用户数据以及对应标记的处理状态,创建基于网络用户数据确定处理状态的识别数据集合;
采用所述识别数据集合监测目标业务对象的处理状态。
在本发明实施例中,优选地,在所述创建基于网络用户数据确定处理状态的识别数据集合之前,所述方法还包括:
由所述网络用户数据生成对应的数据特征;
所述根据所述网络用户数据以及对应标记的处理状态,创建基于网络用户数据确定处理状态的识别数据集合包括:
根据所述数据特征以及对应标记的处理状态,创建基于所述数据特征确定处理状态的识别数据集合。
在本发明实施例中,优选地,所述网络用户数据包括针对业务对象的网络文本数据,所述由所述网络用户数据生成对应的数据特征包括:
识别所述网络文本数据中有关处理状态的状态描述词;
分别统计各个类型的状态描述词的数量,作为所述网络文本数据的数据特征。
在本发明实施例中,优选地,所述识别所述网络文本数据中有关处理状态的状态描述词包括:
由所述网络文本数据生成对应的文本特征;
根据所述预设处理状态相关词的文本特征,查找所述网络文本数据中与所述处理状态相关词相似度匹配的状态描述词。
在本发明实施例中,优选地,所述状态描述词的类型按照针对处理状态的表征程度划分。
在本发明实施例中,优选地,所述网络用户数据包括用户连接所述业务对象的局域网的网络连接数据,所述获取多个业务对象样本的网络用户数据以及对应标记的处理状态包括:
接收用户上报的网络连接数据;
查找与所述网络连接数据匹配的业务对象;
所述由所述网络用户数据生成对应的数据特征包括:
根据所述网络连接数据,确定各个业务对象的网络连接情况,作为所述网络连接数据的数据特征。
在本发明实施例中,优选地,所述根据所述网络连接数据,确定各个业务对象的网络连接情况包括:
根据网络连接数的变化情况,确定所述网络连接情况。
在本发明实施例中,优选地,所述网络用户数据还包括属性数据、用户行为数据、状态反馈数据、通讯状态数据中至少一种;
在所述创建基于所述数据特征确定处理状态的识别数据集合之前,所述方法还包括:
将所述属性数据、用户行为数据、状态反馈数据、通讯状态数据中至少一种确定为数据特征。
在本发明实施例中,优选地,所述由所述网络用户数据生成对应的数据特征包括:
按照时间段划分所述网络用户数据;
针对各个时间段的网络用户数据,分别生成对应的数据特征。
在本发明实施例中,优选地,所述处理状态包括未关闭状态、已关闭状态、待确认状态。
综上所述,依据本发明实施例,通过获取多个业务对象样本的网络用户数据以及对应标记的处理状态,根据所述网络用户数据以及对应标记的处理状态,创建基于网络用户数据确定处理状态的识别数据集合,采用所述识别数据集合监测目标业务对象的处理状态,使得业务对象的处理状态可以根据线上数据进行监测,相比人工实地监测处理状态,减少了监测成本、提高了监测的实时性。
实施例五
本实施例提供了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,该程序被处理器执行时实现以下步骤:
获取多个业务对象样本的网络用户数据以及对应标记的处理状态;
根据所述网络用户数据以及对应标记的处理状态,创建基于网络用户数据确定处理状态的识别数据集合;
采用所述识别数据集合监测目标业务对象的处理状态。
在本发明实施例中,优选地,在所述创建基于网络用户数据确定处理状态的识别数据集合之前,所述方法还包括:
由所述网络用户数据生成对应的数据特征;
所述根据所述网络用户数据以及对应标记的处理状态,创建基于网络用户数据确定处理状态的识别数据集合包括:
根据所述数据特征以及对应标记的处理状态,创建基于所述数据特征确定处理状态的识别数据集合。
在本发明实施例中,优选地,所述网络用户数据包括针对业务对象的网络文本数据,所述由所述网络用户数据生成对应的数据特征包括:
识别所述网络文本数据中有关处理状态的状态描述词;
分别统计各个类型的状态描述词的数量,作为所述网络文本数据的数据特征。
在本发明实施例中,优选地,所述识别所述网络文本数据中有关处理状态的状态描述词包括:
由所述网络文本数据生成对应的文本特征;
根据所述预设处理状态相关词的文本特征,查找所述网络文本数据中与所述处理状态相关词相似度匹配的状态描述词。
在本发明实施例中,优选地,所述状态描述词的类型按照针对处理状态的表征程度划分。
在本发明实施例中,优选地,所述网络用户数据包括用户连接所述业务对象的局域网的网络连接数据,所述获取多个业务对象样本的网络用户数据以及对应标记的处理状态包括:
接收用户上报的网络连接数据;
查找与所述网络连接数据匹配的业务对象;
所述由所述网络用户数据生成对应的数据特征包括:
根据所述网络连接数据,确定各个业务对象的网络连接情况,作为所述网络连接数据的数据特征。
在本发明实施例中,优选地,所述根据所述网络连接数据,确定各个业务对象的网络连接情况包括:
根据网络连接数的变化情况,确定所述网络连接情况。
在本发明实施例中,优选地,所述网络用户数据还包括属性数据、用户行为数据、状态反馈数据、通讯状态数据中至少一种;
在所述创建基于所述数据特征确定处理状态的识别数据集合之前,所述方法还包括:
将所述属性数据、用户行为数据、状态反馈数据、通讯状态数据中至少一种确定为数据特征。
在本发明实施例中,优选地,所述由所述网络用户数据生成对应的数据特征包括:
按照时间段划分所述网络用户数据;
针对各个时间段的网络用户数据,分别生成对应的数据特征。
在本发明实施例中,优选地,所述处理状态包括未关闭状态、已关闭状态、待确认状态。
综上所述,依据本发明实施例,通过获取多个业务对象样本的网络用户数据以及对应标记的处理状态,根据所述网络用户数据以及对应标记的处理状态,创建基于网络用户数据确定处理状态的识别数据集合,采用所述识别数据集合监测目标业务对象的处理状态,使得业务对象的处理状态可以根据线上数据进行监测,相比人工实地监测处理状态,减少了监测成本、提高了监测的实时性。
对于装置实施例而言,由于其与方法实施例基本相似,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
本说明书中的各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似的部分互相参见即可。
本领域内的技术人员应明白,本发明实施例的实施例可提供为方法、装置、或计算机程序产品。因此,本发明实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明实施例是参照根据本发明实施例的方法、终端设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理终端设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理终端设备上,使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明实施例的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例做出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明实施例范围的所有变更和修改。
最后,还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。
以上对本发明所提供的一种业务对象的监测方法、装置、存储介质和计算机设备,进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (18)
1.一种业务对象的监测方法,其特征在于,包括:
获取多个业务对象样本的网络用户数据以及对应标记的处理状态,所述处理状态包括:未关闭状态、已关闭状态、待确认状态;
由所述网络用户数据生成对应的数据特征;
根据所述数据特征以及所述标记的处理状态,创建基于所述数据特征确定处理状态的识别数据集合;
获取目标业务对象的网络用户数据,并输入到所述识别数据集合,以监测所述目标业务对象的处理状态。
2.根据权利要求1所述的方法,其特征在于,所述网络用户数据包括针对业务对象的网络文本数据,所述由所述网络用户数据生成对应的数据特征包括:
识别所述网络文本数据中有关处理状态的状态描述词;
分别统计各个类型的状态描述词的数量,作为所述网络文本数据的数据特征。
3.根据权利要求2所述的方法,其特征在于,所述识别所述网络文本数据中有关处理状态的状态描述词包括:
由所述网络文本数据生成对应的文本特征;
根据预设处理状态相关词的文本特征,查找所述网络文本数据中与所述处理状态相关词相似度匹配的状态描述词。
4.根据权利要求3所述的方法,其特征在于,所述状态描述词的类型按照针对处理状态的表征程度划分。
5.根据权利要求1所述的方法,其特征在于,所述网络用户数据包括用户连接所述业务对象的局域网的网络连接数据,所述获取多个业务对象样本的网络用户数据以及对应标记的处理状态包括:
接收用户上报的网络连接数据;
查找与所述网络连接数据匹配的业务对象;
所述由所述网络用户数据生成对应的数据特征包括:
根据所述网络连接数据,确定各个业务对象的网络连接情况,作为所述网络连接数据的数据特征。
6.根据权利要求5所述的方法,其特征在于,所述根据所述网络连接数据,确定各个业务对象的网络连接情况包括:
根据网络连接数的变化情况,确定所述网络连接情况。
7.根据权利要求1所述的方法,其特征在于,所述网络用户数据还包括属性数据、用户行为数据、状态反馈数据、通讯状态数据中至少一种;
在所述创建基于所述数据特征确定处理状态的识别数据集合之前,所述方法还包括:
将所述属性数据、用户行为数据、状态反馈数据、通讯状态数据中至少一种确定为数据特征。
8.根据权利要求1所述的方法,其特征在于,所述由所述网络用户数据生成对应的数据特征包括:
按照时间段划分所述网络用户数据;
针对各个时间段的网络用户数据,分别生成对应的数据特征。
9.一种业务对象的监测装置,其特征在于,包括:
数据获取模块,用于获取多个业务对象样本的网络用户数据以及对应标记的处理状态,所述处理状态包括:未关闭状态、已关闭状态、待确认状态;
数据特征生成模块,用于由所述网络用户数据生成对应的数据特征;
集合创建模块,用于根据所述数据特征以及所述标记的处理状态,创建基于所述数据特征确定处理状态的识别数据集合;
状态监测模块,用于获取目标业务对象的网络用户数据,并输入到所述识别数据集合,以监测所述目标业务对象的处理状态。
10.根据权利要求9所述的装置,其特征在于,所述网络用户数据包括针对业务对象的网络文本数据,所述数据特征生成模块包括:
描述词识别子模块,用于识别所述网络文本数据中有关处理状态的状态描述词;
数量统计子模块,用于分别统计各个类型的状态描述词的数量,作为所述网络文本数据的数据特征。
11.根据权利要求10所述的装置,其特征在于,所述描述词识别子模块包括:
文本特征生成单元,用于由所述网络文本数据生成对应的文本特征;
描述词查找单元,用于根据预设处理状态相关词的文本特征,查找所述网络文本数据中与所述处理状态相关词相似度匹配的状态描述词。
12.根据权利要求11所述的装置,其特征在于,所述状态描述词的类型按照针对处理状态的表征程度划分。
13.根据权利要求9所述的装置,其特征在于,所述网络用户数据包括用户连接所述业务对象的局域网的网络连接数据,所述数据获取模块包括:
数据接收子模块,用于接收用户上报的网络连接数据;
对象查找子模块,用于查找与所述网络连接数据匹配的业务对象;
所述数据特征生成模块包括:
连接情况确定子模块,用于根据所述网络连接数据,确定各个业务对象的网络连接情况,作为所述网络连接数据的数据特征。
14.根据权利要求13所述的装置,其特征在于,所述连接情况确定子模块包括:
情况确定单元,用于根据网络连接数的变化情况,确定所述网络连接情况。
15.根据权利要求9所述的装置,其特征在于,所述网络用户数据还包括属性数据、用户行为数据、状态反馈数据、通讯状态数据中至少一种;
所述装置还包括:
数据特征确定模块,用于在所述创建基于所述数据特征确定处理状态的识别数据集合之前,将所述属性数据、用户行为数据、状态反馈数据、通讯状态数据中至少一种确定为数据特征。
16.根据权利要求9所述的装置,其特征在于,所述数据特征生成模块包括:
数据划分子模块,用于按照时间段划分所述网络用户数据;
数据特征生成子模块,用于针对各个时间段的网络用户数据,分别生成对应的数据特征。
17.一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1~8之任一项所述的方法中的步骤。
18.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行时实现如权利要求1~8之任一项所述的方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711397296.5A CN108197177B (zh) | 2017-12-21 | 2017-12-21 | 业务对象的监测方法、装置、存储介质和计算机设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711397296.5A CN108197177B (zh) | 2017-12-21 | 2017-12-21 | 业务对象的监测方法、装置、存储介质和计算机设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108197177A CN108197177A (zh) | 2018-06-22 |
CN108197177B true CN108197177B (zh) | 2019-12-17 |
Family
ID=62583332
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711397296.5A Active CN108197177B (zh) | 2017-12-21 | 2017-12-21 | 业务对象的监测方法、装置、存储介质和计算机设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108197177B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109118316B (zh) * | 2018-06-25 | 2022-04-26 | 创新先进技术有限公司 | 线上店铺真实性的识别方法和装置 |
CN108985347A (zh) * | 2018-06-25 | 2018-12-11 | 阿里巴巴集团控股有限公司 | 分类模型的训练方法、店铺分类的方法及装置 |
CN109003133B (zh) * | 2018-07-20 | 2022-10-14 | 创新先进技术有限公司 | 一种线下店铺识别的方法及装置 |
CN109447682A (zh) * | 2018-09-18 | 2019-03-08 | 北京三快在线科技有限公司 | 确定店铺的营业状态的方法、系统、电子设备及存储介质 |
CN109710710A (zh) * | 2018-12-13 | 2019-05-03 | 北京百度网讯科技有限公司 | 兴趣点的事件挖掘方法及其装置 |
CN111311439A (zh) * | 2019-07-10 | 2020-06-19 | 浙江商安信息科技有限公司 | 基于网络订餐平台筛选订餐商铺的方法、系统及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1842004A (zh) * | 2005-03-29 | 2006-10-04 | 腾讯科技(深圳)有限公司 | 一种用户状态呈现系统及方法 |
CN101853466A (zh) * | 2010-05-18 | 2010-10-06 | 上海购龙信息科技有限公司 | 一种计算机显示快速更新报价信息的方法 |
CN103618652A (zh) * | 2013-12-17 | 2014-03-05 | 沈阳觉醒软件有限公司 | 一种业务数据的审计和深度分析系统及其方法 |
CN104598974A (zh) * | 2015-02-04 | 2015-05-06 | 福建星网视易信息系统有限公司 | 可实现线下资源精准预订的方法、系统及数字娱乐点播系统 |
CN106663258A (zh) * | 2014-02-26 | 2017-05-10 | 威图数据研究公司 | 通过混合的基于统计和用户测量方法测量多屏幕互联网用户概况、交易行为和用户群体结构 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN100489879C (zh) * | 2007-03-20 | 2009-05-20 | 华为技术有限公司 | 一种对页面数据进行校验的方法、系统和服务器 |
CN101714273A (zh) * | 2009-05-26 | 2010-05-26 | 北京银丰新融科技开发有限公司 | 一种基于规则引擎的银行异常业务监控方法和系统 |
US20140195392A1 (en) * | 2013-01-09 | 2014-07-10 | Oracle International Corporation | Systems and methods using a business object lifecycle for management of business records maintenance |
CN103338467A (zh) * | 2013-07-10 | 2013-10-02 | 南京邮电大学 | 无线网络中基于pst的用户行为学习方法 |
CN105894038A (zh) * | 2016-04-22 | 2016-08-24 | 天云融创数据科技(北京)有限公司 | 一种基于信号传递和链接模式的信用卡欺诈预测方法 |
-
2017
- 2017-12-21 CN CN201711397296.5A patent/CN108197177B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1842004A (zh) * | 2005-03-29 | 2006-10-04 | 腾讯科技(深圳)有限公司 | 一种用户状态呈现系统及方法 |
CN101853466A (zh) * | 2010-05-18 | 2010-10-06 | 上海购龙信息科技有限公司 | 一种计算机显示快速更新报价信息的方法 |
CN103618652A (zh) * | 2013-12-17 | 2014-03-05 | 沈阳觉醒软件有限公司 | 一种业务数据的审计和深度分析系统及其方法 |
CN106663258A (zh) * | 2014-02-26 | 2017-05-10 | 威图数据研究公司 | 通过混合的基于统计和用户测量方法测量多屏幕互联网用户概况、交易行为和用户群体结构 |
CN104598974A (zh) * | 2015-02-04 | 2015-05-06 | 福建星网视易信息系统有限公司 | 可实现线下资源精准预订的方法、系统及数字娱乐点播系统 |
Also Published As
Publication number | Publication date |
---|---|
CN108197177A (zh) | 2018-06-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108197177B (zh) | 业务对象的监测方法、装置、存储介质和计算机设备 | |
CN106951925B (zh) | 数据处理方法、装置、服务器及系统 | |
CN110555469B (zh) | 处理交互序列数据的方法及装置 | |
CN110163647B (zh) | 一种数据处理方法及装置 | |
CN110019616B (zh) | 一种poi现势状态获取方法及其设备、存储介质、服务器 | |
CN107797998B (zh) | 含谣言用户生成内容识别方法和装置 | |
WO2015122575A1 (ko) | 개인 성향 예측 방법 및 그 장치 | |
CN111783016B (zh) | 一种网站分类方法、装置及设备 | |
CN113377936B (zh) | 智能问答方法、装置及设备 | |
CN109858683B (zh) | 确定店铺的营业状态的方法、装置、电子设备及存储介质 | |
CN104573130A (zh) | 基于群体计算的实体解析方法及装置 | |
CN111177568B (zh) | 基于多源数据的对象推送方法、电子装置及存储介质 | |
CN111639193A (zh) | 产品风险评估方法及装置、电子设备、存储介质 | |
CN111563156A (zh) | 一种知识点智能诊断的方法、装置、电子设备及存储介质 | |
CN110956278A (zh) | 重新训练机器学习模型的方法和系统 | |
CN112632269A (zh) | 一种文档分类模型训练的方法和相关装置 | |
CN111768242A (zh) | 下单率预测方法、设备及可读存储介质 | |
CN112685618A (zh) | 用户特征识别方法、装置、计算设备及计算机存储介质 | |
CN111177526B (zh) | 网络意见领袖识别方法及装置 | |
CN114399351A (zh) | 一种信息推荐方法、装置、电子设备及存储介质 | |
CN114443904A (zh) | 视频查询方法、装置、计算机设备及计算机可读存储介质 | |
CN116414783A (zh) | 一种日志检测方法、装置、电子设备和存储介质 | |
CN111538914B (zh) | 地址信息的处理方法和装置 | |
CN115470356A (zh) | 一种知识图谱构建方法、装置及电子设备 | |
CN110147980A (zh) | 工单处理方法及装置 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |