CN108763007A - 一种计步异常设备的识别方法、装置及服务器 - Google Patents
一种计步异常设备的识别方法、装置及服务器 Download PDFInfo
- Publication number
- CN108763007A CN108763007A CN201810550366.4A CN201810550366A CN108763007A CN 108763007 A CN108763007 A CN 108763007A CN 201810550366 A CN201810550366 A CN 201810550366A CN 108763007 A CN108763007 A CN 108763007A
- Authority
- CN
- China
- Prior art keywords
- users
- accounting
- section
- users accounting
- time period
- 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
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/22—Detection or location of defective computer hardware by testing during standby operation or during idle time, e.g. start-up testing
- G06F11/2273—Test methods
Landscapes
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Telephonic Communication Services (AREA)
Abstract
本发明公开了一种计步异常设备的识别方法、装置及服务器,所述方法包括:基于预设时间段内多个合格设备在至少一个预设步数区间的用户数占比确定所述至少一个预设步数区间用户数占比上限阈值;获取所述预设时间段内待识别设备在所述至少一个预设步数区间的用户数占比;判断所述预设时间段内所述待识别设备在所述至少一个预设步数区间的用户数占比是否大于相应的预设步数区间的用户数占比上限阈值;当判断的结果为是时,将用户数占比大于所述用户数占比上限阈值的待识别设备确定为计步异常设备。利用本发明提供的技术方案可以快速识别计步不准确的计步异常设备,大大提高计步异常设备的识别效率。
Description
技术领域
本发明涉及互联网通信技术领域,尤其涉及一种计步异常设备的识别方法、装置及服务器。
背景技术
随着通信技术的发展和计算机技术的普及,各种终端设备走进了人们日常生活中,而基于计步器的步数统计作为一种用户日常需求功能,在各种终端设备中得到了普及。
目前,越来越多的应用包含了计步的功能,例如,微信运动,QQ运动等,对于这些软件来讲,其对应的步数是由终端设备中内置的计步器检测到步伐之后,在驱动层将步伐数据上报。由于计步软件常常需要让使用不同机型的用户在相同计步标准下进行步数排行,因此,需要保证不同的终端设备(不同机型的终端设备)的计步功能的准确性,识别出计步不准确的计步异常设备。现有的计步异常设备大多数都以人工抽样检测为主,具体的,测试人员携带终端设备行走一段距离并人为记录相应的步数,比较人为记录的步数和终端设备记录的步数,将终端设备记录的步数与人为记录的步数差异较大的终端设备确定为计步不准确的计步异常设备。但现有的计步异常设备识别过程中,人工测试使得识别效率低,且并非所有的终端设备厂商都会把每个机型的终端设备送到计步应用检测部门进行检测,这样现有的方法就无法覆盖应用所有用户所使用的机型的终端设备,无法识别未送检机型的终端设备计步是否异常。因此,需要提供更可靠或更高效的方案。
发明内容
本发明提供了一种计步异常设备的识别方法、装置及服务器,可以快速识别计步不准确的计步异常设备,大大提高计步异常设备的识别效率。
第一方面,本发明提供了一种计步异常设备的识别方法,所述方法包括:
基于预设时间段内多个合格设备在至少一个预设步数区间的用户数占比确定所述至少一个预设步数区间用户数占比上限阈值,所述多个合格设备包括通过人工检验计步准确的终端设备;
获取所述预设时间段内待识别设备在所述至少一个预设步数区间的用户数占比;
判断所述预设时间段内所述待识别设备在所述至少一个预设步数区间的用户数占比是否大于相应的预设步数区间的用户数占比上限阈值;
当判断的结果为是时,将用户数占比大于所述用户数占比上限阈值的待识别设备确定为计步异常设备。
第二方面提供了一种计步异常设备的识别装置,所述装置包括:
上限阈值确定模块,用于基于预设时间段内多个合格设备在至少一个预设步数区间的用户数占比确定所述至少一个预设步数区间用户数占比上限阈值,所述多个合格设备包括通过人工检验计步准确的终端设备;
用户数占比确定模块,用于获取所述预设时间段内待识别设备在所述至少一个预设步数区间的用户数占比;
第一判断模块,用于判断所述预设时间段内所述待识别设备在所述至少一个预设步数区间的用户数占比是否大于相应的预设步数区间的用户数占比上限阈值;
计步异常设备识别模块,用于当所述第一判断模块判断的结果为是时,将用户数占比大于所述用户数占比上限阈值的待识别设备确定为计步异常设备。
第三方面提供了一种计步异常设备的识别服务器,所述服务器包括处理器和存储器,所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集,所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现如第一方面所述的计步异常设备的识别方法。
第四方面提供了一种计算机可读存储介质,所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集,所述至少一条指令、所述至少一段程序、所述代码集或指令集由处理器加载并执行以实现如第一方面所述的计步异常设备的识别方法。
本发明提供的计步异常设备的识别方法、装置及服务器,具有如下技术效果:
本发明能够快速识别计步不准确的计步异常设备,大大提高计步异常设备的识别效率,且无需把每个机型的终端设备都送到计步一样检测部门进行检测,就可以实现覆盖应用中所有用户所使用的机型的终端设备,以保证计步应用中不同机型的用户的计步准确性。
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和优点,下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍,显而易见地,下面描述中的附图仅仅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它附图。
图1是本发明提供的计步异常设备的识别方法的一种实施例的流程示意图;
图2是本发明提供的基于预设时间段内多个合格设备在至少一个预设步数区间的用户数占比确定所述至少一个预设步数区间用户数占比上限阈值的一种实施例的流程示意图;
图3是本发明提供的获取预设时间段内多个合格设备在所述至少一个预设步数区间的用户数占比的一种实施例的流程示意图;
图4是本发明提供的基于预设时间段内多个合格设备在至少一个预设步数区间的用户数占比确定所述至少一个预设步数区间用户数占比上限阈值的另一种实施例的流程示意图;
图5是本发明提供的计步异常设备的识别方法的另一种实施例的流程示意图;
图6是本发明提供的计步异常设备的识别方法的另一种实施例的流程示意图;
图7是本发明提供的计步异常设备的识别装置的一种实施例的结构示意图;
图8是本发明实施例提供的上限阈值确定模块的一种组成框图;
图9是本发明实施例提供的上限阈值确定模块的另一种组成框图;
图10是本发明提供的计步异常设备的识别装置的另一种实施例的结构示意图;
图11是本发明提供的计步异常设备的识别装置的另一种实施例的结构示意图;
图12是本发明实施例提供的一种服务器的结构示意图。
具体实施方式
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,本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或服务器不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
目前,在微信运动等应用中会对用户每天的步数进行统计排名,而步数的统计依赖于用户所采用的终端设备中的计步器的计步算法,一般的相同的机型的终端设备之间的计步器所采用的计步算法相同。因此,本说明书实施例中可以对不同机型的终端设备进行计步异常的识别,识别出计步异常设备,以便对计步异常设备的计步算法进行调整和修复,改善应用中用户的使用体验。
以下介绍本发明计步异常设备的识别方法的一种实施例,图1是本发明提供的计步异常设备的识别方法的一种实施例的流程示意图,本说明书提供了如实施例或流程图所述的方法操作步骤,但基于常规或者无创造性的劳动可以包括更多或者更少的操作步骤。实施例中列举的步骤顺序仅仅为众多步骤执行顺序中的一种方式,不代表唯一的执行顺序。在实际中的系统或服务器产品执行时,可以按照实施例或者附图所示的方法顺序执行或者并行执行(例如并行处理器或者多线程处理的环境)。具体的如图1所示,所述方法可以包括:
S101:基于预设时间段内多个合格设备在至少一个预设步数区间的用户数占比确定所述至少一个预设步数区间用户数占比上限阈值。
本说明书实施例中,所述多个合格设备可以包括通过人工检验计步准确的终端设备(终端设备与设备机型相对应)。具体的,这里的计步准确可以包括人工计步与实际计步的误差小于等于设定的步数误差上限。所述预设时间段可以包括结合实际应用中应用对步数统计的周期设置的一个时间段。例如微信运动每天凌晨0点至24点之间会统计一次用户当天的步数,相应的,所述预设时间段可以设置为每天凌晨0点至24点之间的一天。
具体的,所述预设步数区间可以包括用户步数的主要分布区间。另外,终端设备计步不准确往往是由晃动等导致的过高的错误计步。因此,所述预设步数区间可以包括用户步数的主要分布区间,且该主要分布区间中的步数相对较高。例如,大于等于10000步到小于15000步的步数区间。
进一步的,本说明书实施例中可以对一个或多个预设步数区间的用户数占比进行统计,当获取到多个预设步数区间的用户数占比之后,可以根据每个预设步数区间的用户数占比确定相应的预设步数区间的用户数占比上限阈值。
具体的实施例中,如图2所示,图2是本发明提供的基于预设时间段内多个合格设备在至少一个预设步数区间的用户数占比确定所述至少一个预设步数区间用户数占比上限阈值的一种实施例的流程示意图,具体的,可以包括:
S201:获取预设时间段内多个合格设备在所述至少一个预设步数区间的用户数占比。
具体的实施例中,如图3所示,图3是本发明提供的获取预设时间段内多个合格设备在所述至少一个预设步数区间的用户数占比的一种实施例的流程示意图,具体的,可以包括:
S301:获取预设时间段内每一合格设备所对应的计步的用户数。
S303:获取预设时间段内所述每一合格设备在所述至少一个预设步数区间的用户数。
S305:将每一合格设备在所述至少一个预设步数区间的用户数除以所述合格设备所对应的计步的用户数,得到预设时间段内每一合格设备在所述至少一个预设步数区间的用户数占比。
具体的,这里预设时间段内每个合格设备所对应的计步的用户数可以包括所述合格设备所对应的具有步数统计功能的应用中参与计步的用户的数量。
S203:确定所述多个合格设备在所述至少一个预设步数区间的用户数占比的第一个四分位数和第三个四分位数。
本说明书实施例中,某一预设步数区间的用户数占比的第一个四分位数可以为多个合格设备在该预设步数区间的用户数占比中数值由小到大排列后第25%的用户数占比。
另外,某一预设步数区间的用户数占比的第三个四分位数可以为多个合格设备在该预设步数区间的用户数占比中数值由小到大排列后第75%的用户数占比。
S205:利用所述第一个四分位数和所述第三个四分位数计算得到所述至少一个预设步数区间的用户数占比上限阈值。
具体的,可以将所述第三个四分位数与所述第一个四分位数的差值乘以三,得到乘积;将所述乘积加上所述第三个四分位数得到所述至少一个预设步数区间的用户数占比上限阈值。
在另一具体的实施例中,如图4所示,图4是本发明提供的基于预设时间段内多个合格设备在至少一个预设步数区间的用户数占比确定所述至少一个预设步数区间用户数占比上限阈值的另一种实施例的流程示意图,具体的,可以包括:
S401:获取预设时间段内多个合格设备在所述至少一个预设步数区间的用户数占比。
这里获取预设时间段内多个合格设备在所述至少一个预设步数区间的用户数占比的具体步骤可以参见上述的相关步骤,在此不再赘述。
S403:计算多个合格设备在所述至少一个预设步数区间的用户数占比的均值和标准差。
S405:将所述均值加上三倍的所述标准差得到所述至少一个预设步数区间用户数占比上限阈值。
具体的,本说明书实施例中某一预设步数区间的用户数占比上限阈值可以为该预设步数区间内计步准确的终端设备所对应用户数占比的上限阈值。
S103:获取预设时间段内待识别设备在所述至少一个预设步数区间的用户数占比。
本说明书实施例中,所述待识别设备可以包括具有步数统计功能的应用的用户所采用的终端设备中未标识为合格设备的终端设备(终端设备与设备机型相对应)。具体的,可以获取预设时间段内所述待识别设备所对应的计步的用户数。获取预设时间段内所述待识别设备在所述至少一个预设步数区间的用户数。然后,将所述至少一个预设步数区间的用户数除以所述计步的用户数,得到预设时间段内待识别设备在所述至少一个预设步数区间的用户数占比。
本说明书实施例中,预设时间段内待识别设备所对应的计步的用户数可以包括所述待识别设备所对应的具有步数统计功能的应用中参与计步的用户的数量。
S105:判断所述预设时间段内所述待识别设备在所述至少一个预设步数区间的用户数占比是否大于相应的预设步数区间的用户数占比上限阈值。
在实际应用中,终端设备计步不准确往往是由晃动等导致的过高的错误计步。因此,本说明书实施例中,可以基于合格设备在所述至少一个预设步数区间的用户数占比确定出所述至少一个预设步数区间用户数占比上限阈值,然后,通过判断待识别设备在所述至少一个预设步数区间的用户数占比是否大于相应的预设步数区间的用户数占比上限阈值来确定该待识别设备的计步是否异常。
S107:当判断的结果为是时,将用户数占比大于所述用户数占比上限阈值的待识别设备确定为计步异常设备。
具体的,当步骤S105判断的结果为是时,可以将将用户数占比大于所述用户数占比上限阈值的待识别设备确定为计步异常设备。
具体的,这里当对预设时间段内待识别设备在多个预设步数区间的用户数占比是否大于相应的预设步数区间的用户数占比上限阈值进行判断时,当预设时间段内待识别设备在一个预设步数区间的用户数占比大于该预设步数区间的用户数占比上限阈值时,就可以将用户数占比大于所述用户数占比上限阈值的待识别设备确定为计步异常设备。
在实际应用中,可以对计步异常设备所对应的机型的终端设备进行计步算法的调整,并该机型的终端设备加到异常机型的黑名单,以便保证应用中对不同机型的用户的步数统计和排名的准确性。
由以上本说明书实施例提供的技术方案可见,本说明书实施例中通过对预设时间段内多个合格设备在至少一个预设步数区间的用户数占比确定该至少一个预设步数区间用户数占比上限阈值。然后,通过对待识别设备在所述至少一个预设步数区间的用户数占比是否大于相应的预设步数区间的用户数占比上限阈值的判断来确定待识别设备的计步是否异常;当判断出待识别设备在至少一个预设步数区间用户数占比大于该至少一个预设步数区间用户数占比上限阈值,则判断为计步异常设备。利用本说明书实施例提供的技术方案可以大大提高计步异常设备识别效率,且无需把每个机型的终端设备都送到计步一样检测部门进行检测,就可以实现覆盖应用中所有用户所使用的机型的终端设备,以保证计步应用中不同机型的用户的计步准确性。
以下介绍本发明计步异常设备的识别方法的另一种实施例,图5是本发明提供的计步异常设备的识别方法的另一种实施例的流程示意图,本说明书提供了如实施例或流程图所述的方法操作步骤,但基于常规或者无创造性的劳动可以包括更多或者更少的操作步骤。实施例中列举的步骤顺序仅仅为众多步骤执行顺序中的一种方式,不代表唯一的执行顺序。在实际中的系统或服务器产品执行时,可以按照实施例或者附图所示的方法顺序执行或者并行执行(例如并行处理器或者多线程处理的环境)。具体的如图5所示,所述方法可以包括:
S501:基于预设时间段内多个合格设备在至少一个预设步数区间的用户数占比确定所述至少一个预设步数区间用户数占比上限阈值。
S503:获取所述预设时间段内待识别设备在所述至少一个预设步数区间的用户数占比。
S505:判断所述预设时间段内所述待识别设备在所述至少一个预设步数区间的用户数占比是否大于相应的预设步数区间的用户数占比上限阈值。
S507:当判断的结果为是时,将用户数占比大于所述用户数占比上限阈值的待识别设备确定为计步异常设备。
S509:当判断的结果为否时,将在预设步数区间的用户数占比大于所述用户数占比上限阈值的待识别设备的合格次数加一。
本说明书实施例中,当步骤S505判断的结果为否时,即判断出所述预设时间段内所述待识别设备在所述至少一个预设步数区间的用户数占比小于等于所述用户数占比上限阈值,可以确定在当前的预设时间段内待识别设备在至少一个预设步数区间的用户数占比符合合格设备的在至少一个预设步数区间的用户数占比的要求。相应的,可以将在预设步数区间的用户数占比大于所述用户数占比上限阈值的待识别设备的合格次数加一。
S511:判断所述合格次数加一的待识别设备的合格次数是否小于预设阈值。
在实际应用中,考虑到计步存在不稳定性,本说明书实施例中,可以通过判断所述合格次数加一的待识别设备的合格次数是否小于预设阈值来确定待识别设备是否已经稳定的计步准确。
具体的,所述预设阈值可以包括结合实际应用需求设置的设备稳定计步准确的次数的下限阈值。具体的,当所述预设阈值越大,待识别设备计步准确的稳定性越高;反之,当所述预设阈值越小,待识别设备计步准确的稳定性越低。
S513:当判断出合格次数小于预设阈值时,将所述合格次数小于预设阈值的待识别设备作为待识别设备。
具体的,当步骤S511判断出合格次数小于预设阈值时,可以将所述合格次数小于预设阈值的待识别设备作为待识别设备以进行进一步的计步异常。
在另一具体的实施例中,如图6所示,所述方法还可以包括:
S515:当判断出合格次数大于等于预设阈值时,将所述合格次数大于等于预设阈值的待识别设备标识为合格设备。
具体的,当步骤S511判断出合格次数大于等于预设阈值时,可以将所述合格次数大于等于预设阈值的待识别设备标识为合格设备。
由以上本说明书实施例提供的技术方案可见,本说明书实施例中通过对预设时间段内多个合格设备在至少一个预设步数区间的用户数占比确定该至少一个预设步数区间用户数占比上限阈值。然后,通过对待识别设备在所述至少一个预设步数区间的用户数占比是否大于相应的预设步数区间的用户数占比上限阈值的判断来确定待识别设备的计步是否异常;当判断出待识别设备在至少一个预设步数区间用户数占比大于该至少一个预设步数区间用户数占比上限阈值,则判断为计步异常设备。另外,对在当前的预设时间段内在至少一个预设步数区间的用户数占比符合合格设备的在至少一个预设步数区间的用户数占比的要求的待识别设备通过合格次数的统计保证合格设备的准确计步的稳定向。利用本说明书实施例提供的技术方案可以大大提高计步异常设备识别效率,保证计步应用中不同机型的用户的计步准确性。
本发明实施例还提供了一种计步异常设备的识别装置,如图7所示,所述装置包括:
上限阈值确定模块710,可以用于基于预设时间段内多个合格设备在至少一个预设步数区间的用户数占比确定所述至少一个预设步数区间用户数占比上限阈值,所述多个合格设备包括通过人工检验计步准确的终端设备;
用户数占比确定模块720,可以用于获取所述预设时间段内待识别设备在所述至少一个预设步数区间的用户数占比;
第一判断模块730,可以用于判断所述预设时间段内所述待识别设备在所述至少一个预设步数区间的用户数占比是否大于相应的预设步数区间的用户数占比上限阈值;
计步异常设备识别模块740,可以用于当所述第一判断模块730判断的结果为是时,将用户数占比大于所述用户数占比上限阈值的待识别设备确定为计步异常设备。
具体的实施例中,如图8所示,所述上限阈值确定模块710可以包括:
第一用户数占比获取单元711,可以用于获取预设时间段内多个合格设备在所述至少一个预设步数区间的用户数占比;
四分位数确定单元712,可以用于确定所述多个合格设备在所述至少一个预设步数区间的用户数占比的第一个四分位数和第三个四分位数;
第一上限阈值计算单元713,可以用于利用所述第一个四分位数和所述第三个四分位数计算得到所述至少一个预设步数区间的用户数占比上限阈值。
具体的实施例中,所述第一用户数占比获取单元711可以包括:
第一用户数获取单元,可以用于获取预设时间段内每一合格设备所对应的计步的用户数;
第二用户数获取单元,可以用于获取预设时间段内所述每一合格设备在所述至少一个预设步数区间的用户数;
第一用户数占比计算单元,可以用于将每一合格设备在所述至少一个预设步数区间的用户数除以所述合格设备所对应的计步的用户数,得到预设时间段内每一合格设备在所述至少一个预设步数区间的用户数占比。
具体的实施例中,如图9所示,所述上限阈值确定模块710可以包括:
第二用户数占比获取单元714,可以用于获取预设时间段内多个合格设备在所述至少一个预设步数区间的用户数占比;
计算单元715,用于计算多个合格设备在所述至少一个预设步数区间的用户数占比的均值和标准差;
第二上限阈值计算单元716,可以用于将所述均值加上三倍的所述标准差得到所述至少一个预设步数区间用户数占比上限阈值。
具体的实施例中,所述用户数占比确定模块720可以包括:
第三用户数获取单元,用于获取预设时间段内所述待识别设备所对应的计步的用户数;
第四用户数获取单元,用于获取预设时间段内所述待识别设备在所述至少一个预设步数区间的用户数;
第三用户数占比计算单元,用于将所述至少一个预设步数区间的用户数除以所述计步的用户数,得到预设时间段内待识别设备在所述至少一个预设步数区间的用户数占比。
所述的装置实施例中的装置与方法实施例基于同样地发明构思。
本发明实施例还提供了另一种计步异常设备的识别装置,如图10所示,所述装置可以包括:
上限阈值确定模块1010,可以用于基于预设时间段内多个合格设备在至少一个预设步数区间的用户数占比确定所述至少一个预设步数区间用户数占比上限阈值,所述多个合格设备包括通过人工检验计步准确的终端设备;
用户数占比确定模块1020,可以用于获取所述预设时间段内待识别设备在所述至少一个预设步数区间的用户数占比。
第一判断模块1030,可以用于判断所述预设时间段内所述待识别设备在所述至少一个预设步数区间的用户数占比是否大于相应的预设步数区间的用户数占比上限阈值。
计步异常设备识别模块1040,可以用于当所述第一判断模块730判断的结果为是时,将用户数占比大于所述用户数占比上限阈值的待识别设备确定为计步异常设备。
合格次数计算模块1050,用于当所述第一判断模块判断的结果为否时,将在预设步数区间的用户数占比大于所述用户数占比上限阈值的待识别设备的合格次数加一;
第二判断模块1060,用于判断所述合格次数加一的待识别设备的合格次数是否小于预设阈值;
待识别设备模块1070,用于当所述第二判断模块判断出合格次数小于预设阈值时,将所述合格次数小于预设阈值的待识别设备作为待识别设备。
另一具体的实施例中,如图11所示装置还可以包括:
合格设备标识模块1080,可以用于当所述第二判断模块判断出合格次数大于等于预设阈值时,将所述合格次数大于等于预设阈值的待识别设备标识为合格设备。
所述的装置实施例中的装置与方法实施例基于同样地发明构思。
本发明实施例提供了一种计步异常设备的识别服务器,该计步异常设备的识别服务器包括处理器和存储器,该存储器中存储有至少一条指令、至少一段程序、代码集或指令集,该至少一条指令、该至少一段程序、该代码集或指令集由该处理器加载并执行以实现如上述方法实施例所提供的计步异常设备的识别方法。
存储器可用于存储软件程序以及模块,处理器通过运行存储在存储器的软件程序以及模块,从而执行各种功能应用以及数据处理。存储器可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、功能所需的应用程序等;存储数据区可存储根据所述设备的使用所创建的数据等。此外,存储器可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。相应地,存储器还可以包括存储器控制器,以提供处理器对存储器的访问。
本发明实施例还提供了一种服务器的结构示意图,请参阅图12,该服务器1200用于实施上述实施例中提供的计步异常设备的识别方法,具体来讲,所述服务器结构可以包括上述计步异常设备的识别装置。该服务器1200可因配置或性能不同而产生比较大的差异,可以包括一个或一个以上中央处理器(Central Processing Units,CPU)1210(例如,一个或一个以上处理器)和存储器1230,一个或一个以上存储应用程序1223或数据1222的存储介质1220(例如一个或一个以上海量存储设备)。其中,存储器1230和存储介质1220可以是短暂存储或持久存储。存储在存储介质1220的程序可以包括一个或一个以上模块,每个模块可以包括对服务器中的一系列指令操作。更进一步地,中央处理器1610可以设置为与存储介质1220通信,在服务器1200上执行存储介质1620中的一系列指令操作。服务器1200还可以包括一个或一个以上电源1260,一个或一个以上有线或无线网络接口1250,一个或一个以上输入输出接口1240,和/或,一个或一个以上操作系统1221,例如WindowsServerTM,Mac OS XTM,UnixTM,LinuxTM,FreeBSDTM等等。
本发明的实施例还提供了一种存储介质,所述存储介质可设置于服务器之中以保存用于实现方法实施例中一种计步异常设备的识别方法相关的至少一条指令、至少一段程序、代码集或指令集,该至少一条指令、该至少一段程序、该代码集或指令集由该处理器加载并执行以实现上述方法实施例提供的计步异常设备的识别方法。
可选地,在本实施例中,上述存储介质可以位于计算机网络的多个网络服务器中的至少一个网络服务器。可选地,在本实施例中,上述存储介质可以包括但不限于:U盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
由上述本发明提供的计步异常设备的识别方法、装置、服务器或存储介质的实施例可见,本发明中通过对预设时间段内多个合格设备在至少一个预设步数区间的用户数占比确定该至少一个预设步数区间用户数占比上限阈值。然后,通过对待识别设备在所述至少一个预设步数区间的用户数占比是否大于相应的预设步数区间的用户数占比上限阈值的判断来确定待识别设备的计步是否异常;当判断出待识别设备在至少一个预设步数区间用户数占比大于该至少一个预设步数区间用户数占比上限阈值,则判断为计步异常设备。另外,对在当前的预设时间段内在至少一个预设步数区间的用户数占比符合合格设备的在至少一个预设步数区间的用户数占比的要求的待识别设备通过合格次数的统计保证合格设备的准确计步的稳定向。利用本说明书实施例提供的技术方案可以大大提高计步异常设备识别效率,保证计步应用中不同机型的用户的计步准确性。
需要说明的是:上述本发明实施例先后顺序仅仅为了描述,不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于装置和服务器实施例而言,由于其基本相似于方法实施例,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。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成,也可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,上述提到的存储介质可以是只读存储器,磁盘或光盘等。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (15)
1.一种计步异常设备的识别方法,其特征在于,所述方法包括:
基于预设时间段内多个合格设备在至少一个预设步数区间的用户数占比确定所述至少一个预设步数区间用户数占比上限阈值,所述多个合格设备包括通过人工检验计步准确的终端设备;
获取所述预设时间段内待识别设备在所述至少一个预设步数区间的用户数占比;
判断所述预设时间段内所述待识别设备在所述至少一个预设步数区间的用户数占比是否大于相应的预设步数区间的用户数占比上限阈值;
当判断的结果为是时,将用户数占比大于所述用户数占比上限阈值的待识别设备确定为计步异常设备。
2.根据权利要求1所述的方法,其特征在于,所述基于预设时间段内多个合格设备在至少一个预设步数区间的用户数占比确定所述至少一个预设步数区间用户数占比上限阈值包括:
获取预设时间段内多个合格设备在所述至少一个预设步数区间的用户数占比;
确定所述多个合格设备在所述至少一个预设步数区间的用户数占比的第一个四分位数和第三个四分位数;
利用所述第一个四分位数和所述第三个四分位数计算得到所述至少一个预设步数区间的用户数占比上限阈值。
3.根据权利要求2所述的方法,其特征在于,所述获取预设时间段内多个合格设备在所述至少一个预设步数区间的用户数占比包括:
获取预设时间段内每一合格设备所对应的计步的用户数;
获取预设时间段内所述每一合格设备在所述至少一个预设步数区间的用户数;
将每一合格设备在所述至少一个预设步数区间的用户数除以所述合格设备所对应的计步的用户数,得到预设时间段内每一合格设备在所述至少一个预设步数区间的用户数占比;
其中,所述第一个四分位数为预设步数区间的用户数占比中数值由小到大排列后第25%的用户数占比,所述第三个四分位数为预设步数区间的用户数占比中数值由小到大排列后第75%的用户数占比。
4.根据权利要求1所述的方法,其特征在于,所述基于预设时间段内合格设备在至少一个预设步数区间的用户数占比确定所述至少一个预设步数区间用户数占比上限阈值包括:
获取预设时间段内多个合格设备在所述至少一个预设步数区间的用户数占比;
计算多个合格设备在所述至少一个预设步数区间的用户数占比的均值和标准差;
将所述均值加上三倍的所述标准差得到所述至少一个预设步数区间用户数占比上限阈值。
5.根据权利要求1所述的方法,其特征在于,所述获取所述预设时间段内待识别设备在所述至少一个预设步数区间的用户数占比包括:
获取预设时间段内所述待识别设备所对应的计步的用户数;
获取预设时间段内所述待识别设备在所述至少一个预设步数区间的用户数;
将所述至少一个预设步数区间的用户数除以所述计步的用户数,得到预设时间段内待识别设备在所述至少一个预设步数区间的用户数占比。
6.根据权利要求1至5任一所述的方法,其特征在于,所述方法还包括:
当判断的结果为否时,将在预设步数区间的用户数占比大于所述用户数占比上限阈值的待识别设备的合格次数加一;
判断所述合格次数加一的待识别设备的合格次数是否小于预设阈值;
当判断出合格次数小于预设阈值时,将所述合格次数小于预设阈值的待识别设备作为待识别设备。
7.根据权利要求6所述的方法,其特征在于,所述方法还包括:
当判断出合格次数大于等于预设阈值时,将所述合格次数大于等于预设阈值的待识别设备标识为合格设备。
8.一种计步异常设备的识别装置,其特征在于,所述装置包括:
上限阈值确定模块,用于基于预设时间段内多个合格设备在至少一个预设步数区间的用户数占比确定所述至少一个预设步数区间用户数占比上限阈值,所述多个合格设备包括通过人工检验计步准确的终端设备;
用户数占比确定模块,用于获取所述预设时间段内待识别设备在所述至少一个预设步数区间的用户数占比;
第一判断模块,用于判断所述预设时间段内所述待识别设备在所述至少一个预设步数区间的用户数占比是否大于相应的预设步数区间的用户数占比上限阈值;
计步异常设备识别模块,用于当所述第一判断模块判断的结果为是时,将用户数占比大于所述用户数占比上限阈值的待识别设备确定为计步异常设备。
9.根据权利要求8所述的装置,其特征在于,所述上限阈值确定模块包括:
第一用户数占比获取单元,用于获取预设时间段内多个合格设备在所述至少一个预设步数区间的用户数占比;
四分位数确定单元,用于确定所述多个合格设备在所述至少一个预设步数区间的用户数占比的第一个四分位数和第三个四分位数;
第一上限阈值计算单元,用于利用所述第一个四分位数和所述第三个四分位数计算得到所述至少一个预设步数区间的用户数占比上限阈值。
10.根据权利要求9所述的装置,其特征在于,所述第一用户数占比获取单元包括:
第一用户数获取单元,用于获取预设时间段内每一合格设备所对应的计步的用户数;
第二用户数获取单元,用于获取预设时间段内所述每一合格设备在所述至少一个预设步数区间的用户数;
第一用户数占比计算单元,用于将每一合格设备在所述至少一个预设步数区间的用户数除以所述合格设备所对应的计步的用户数,得到预设时间段内每一合格设备在所述至少一个预设步数区间的用户数占比;
其中,所述第一个四分位数为预设步数区间的用户数占比中数值由小到大排列后第25%的用户数占比,所述第三个四分位数为预设步数区间的用户数占比中数值由小到大排列后第75%的用户数占比。
11.根据权利要求8所述的装置,其特征在于,所述上限阈值确定模块包括:
第二用户数占比获取单元,用于获取预设时间段内多个合格设备在所述至少一个预设步数区间的用户数占比;
计算单元,用于计算多个合格设备在所述至少一个预设步数区间的用户数占比的均值和标准差;
第二上限阈值计算单元,用于将所述均值加上三倍的所述标准差得到所述至少一个预设步数区间用户数占比上限阈值。
12.根据权利要求8所述的装置,其特征在于,所述用户数占比确定模块包括:
第三用户数获取单元,用于获取预设时间段内所述待识别设备所对应的计步的用户数;
第四用户数获取单元,用于获取预设时间段内所述待识别设备在所述至少一个预设步数区间的用户数;
第三用户数占比计算单元,用于将所述至少一个预设步数区间的用户数除以所述计步的用户数,得到预设时间段内待识别设备在所述至少一个预设步数区间的用户数占比。
13.根据权利要求8至12任一所述的装置,其特征在于,所述装置还包括:
合格次数计算模块,用于当所述第一判断模块判断的结果为否时,将在预设步数区间的用户数占比大于所述用户数占比上限阈值的待识别设备的合格次数加一;
第二判断模块,用于判断所述合格次数加一的待识别设备的合格次数是否小于预设阈值;
待识别设备模块,用于当所述第二判断模块判断出合格次数小于预设阈值时,将所述合格次数小于预设阈值的待识别设备作为待识别设备。
14.根据权利要求13所述的装置,其特征在于,所述装置还包括:
合格设备标识模块,用于当所述第二判断模块判断出合格次数大于等于预设阈值时,将所述合格次数大于等于预设阈值的待识别设备标识为合格设备。
15.一种计步异常设备的识别服务器,其特征在于,所述服务器包括处理器和存储器,所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集,所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现如权利要求1至7任一所述的计步异常设备的识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810550366.4A CN108763007B (zh) | 2018-05-31 | 2018-05-31 | 一种计步异常设备的识别方法、装置及服务器 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810550366.4A CN108763007B (zh) | 2018-05-31 | 2018-05-31 | 一种计步异常设备的识别方法、装置及服务器 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108763007A true CN108763007A (zh) | 2018-11-06 |
CN108763007B CN108763007B (zh) | 2020-04-07 |
Family
ID=64001468
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810550366.4A Active CN108763007B (zh) | 2018-05-31 | 2018-05-31 | 一种计步异常设备的识别方法、装置及服务器 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108763007B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111416904A (zh) * | 2020-03-13 | 2020-07-14 | 维沃移动通信有限公司 | 数据处理的方法、电子设备及介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140180621A1 (en) * | 2012-12-21 | 2014-06-26 | Qualcomm Incorporated | Swing compensation in step detection |
CN106095609A (zh) * | 2016-05-31 | 2016-11-09 | 广东欧珀移动通信有限公司 | 步行数据校验、修正方法和系统 |
CN106441349A (zh) * | 2016-09-13 | 2017-02-22 | 广东欧珀移动通信有限公司 | 基于计步器消息的伪造消息判定方法及装置 |
CN106445715A (zh) * | 2016-09-13 | 2017-02-22 | 广东欧珀移动通信有限公司 | 计步器消息的上报方法及装置 |
CN106886906A (zh) * | 2016-08-15 | 2017-06-23 | 阿里巴巴集团控股有限公司 | 一种设备识别方法和装置 |
-
2018
- 2018-05-31 CN CN201810550366.4A patent/CN108763007B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140180621A1 (en) * | 2012-12-21 | 2014-06-26 | Qualcomm Incorporated | Swing compensation in step detection |
CN106095609A (zh) * | 2016-05-31 | 2016-11-09 | 广东欧珀移动通信有限公司 | 步行数据校验、修正方法和系统 |
CN106886906A (zh) * | 2016-08-15 | 2017-06-23 | 阿里巴巴集团控股有限公司 | 一种设备识别方法和装置 |
CN106441349A (zh) * | 2016-09-13 | 2017-02-22 | 广东欧珀移动通信有限公司 | 基于计步器消息的伪造消息判定方法及装置 |
CN106445715A (zh) * | 2016-09-13 | 2017-02-22 | 广东欧珀移动通信有限公司 | 计步器消息的上报方法及装置 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111416904A (zh) * | 2020-03-13 | 2020-07-14 | 维沃移动通信有限公司 | 数据处理的方法、电子设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN108763007B (zh) | 2020-04-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109597685B (zh) | 任务分配方法、装置和服务器 | |
CN107015892B (zh) | 一种压力测试方法、装置和系统 | |
Rosa et al. | Predicting and mitigating jobs failures in big data clusters | |
CN108495329B (zh) | 一种基站可靠性的评价方法和装置 | |
US20060010101A1 (en) | System, method and program product for forecasting the demand on computer resources | |
WO2013063416A1 (en) | Systems and methods for sentiment detection, measurement, and normalization over social networks | |
US7464119B1 (en) | System and method of measuring the reliability of a software application | |
US20190377660A1 (en) | Methods and systems for blockchain testing | |
CN107678972B (zh) | 一种测试用例的评估方法及相关装置 | |
CN103154904B (zh) | 操作管理设备、操作管理方法和程序 | |
JP4910804B2 (ja) | 業務プロセス推定プログラム、業務プロセス推定方法および業務プロセス推定装置 | |
CN112113581B (zh) | 异常计步识别方法、计步方法、装置、设备及介质 | |
WO2021238257A1 (zh) | 一种基于spd的内存监控及寿命预测方法和系统 | |
CN110688168A (zh) | 提高应用程序启动速度方法、装置、设备及存储介质 | |
CN108763007A (zh) | 一种计步异常设备的识别方法、装置及服务器 | |
WO2022088809A1 (zh) | 确定检测服务器的间隔时间的方法、系统、设备及介质 | |
CN110210759A (zh) | 一种对象评估方法、装置及电子设备 | |
CN112346962A (zh) | 一种应用于对照测试系统中的对照数据测试方法及装置 | |
CN117095821B (zh) | 一种近视风险等级的预测方法、装置、电子设备及介质 | |
US20130117275A1 (en) | Index monitoring system, index monitoring method and program | |
Patwari et al. | Understanding the spatial characteristics of DRAM errors in HPC clusters | |
EP3032417A1 (en) | Cloud orchestration and placement using historical data | |
US7921410B1 (en) | Analyzing and application or service latency | |
US20140214826A1 (en) | Ranking method and system | |
JP7235960B2 (ja) | ジョブ電力予測プログラム、ジョブ電力予測方法、およびジョブ電力予測装置 |
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 |