CN108830655A - 一种用户操作关系获取方法及相关装置 - Google Patents
一种用户操作关系获取方法及相关装置 Download PDFInfo
- Publication number
- CN108830655A CN108830655A CN201810628207.1A CN201810628207A CN108830655A CN 108830655 A CN108830655 A CN 108830655A CN 201810628207 A CN201810628207 A CN 201810628207A CN 108830655 A CN108830655 A CN 108830655A
- Authority
- CN
- China
- Prior art keywords
- user
- target
- data set
- object run
- relationship
- 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
- 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
- G06Q30/0202—Market predictions or forecasting for commercial activities
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Data Mining & Analysis (AREA)
- Economics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种用户操作关系获取方法,可以利用目标用户以及对应的目标时间段内的目标存储操作日志确定Apriori算法中的数据集,并利用Apriori算法对数据集进行处理得到关于存储操作之间的最强关联规则,进而得到操作之间的目标操作关系,从而可以对广大用户普遍的强关联关系的操作挖掘出用户操作日志海量数据中的隐含关系,分析出用户比较关注或感兴趣的需求,进而可以按照该需求使存储应用的设计等更人性化。本申请还提供了一种用户操作关系获取系统、装置及计算机可读存储介质,同样可以实现上述技术效果。
Description
技术领域
本发明涉及数据分析领域,更具体地说,涉及一种用户操作关系获取方法、系统、装置及计算机可读存储介质。
背景技术
随着存储应用的发展,其功能模块也越来越多。产品的功能设计往往需要依据用户的实际需求。而不同的产品会有不同的用户,用户的使用习惯也往往不同,直观的根据用户操作习惯来确定用户的需求往往得到的结果不够准确,进而也不能得到更准确的产品设计需求,从而产品也不会带来更好的用户体验。
因此,如何得到准确的用户操作需求,是本领域技术人员需要解决的问题。
发明内容
本发明的目的在于提供一种用户操作关系获取方法、系统、装置及计算机可读存储介质,以得到准确的用户操作需求。
为实现上述目的,本发明实施例提供了如下技术方案:
一种用户操作关系获取方法,包括:
确定预设个数的目标用户;
确定每个所述目标用户在目标时间段内的目标存储操作日志;
利用所述目标用户与对应的目标存储操作日志得到数据集;
利用Apriori算法对所述数据集进行计算得到对应所述数据集的存储操作之间的最强关联规则;
利用所述最强关联规则确定目标操作关系。
其中,还包括:
利用所述目标操作关系生成软件设计信息。
其中,还包括:
利用所述目标操作关系生成软件售后信息。
其中,所述利用所述目标用户与对应的目标存储操作日志得到数据集,包括:
利用所述目标操作日志确定对应每个所述目标操作日志的操作项;
利用所述操作项与对应的目标用户确定事务;
利用所述事务得到所述数据集。
其中,所述利用Apriori算法对所述数据集进行计算得到对应所述数据集的存储操作之间的最强关联规则,包括:
确定最小置信度阈值与最小支持度阈值;
利用所述最小支持度阈值在所述数据集中确定目标项集,其中,所述目标项集包括目标操作项;
计算每个所述目标项集的置信度;
利用置信度不小于所述最小置信度阈值的目标项集得到最强关联规则。
为解决上述技术问题,本申请还提供了一种用户操作关系获取系统,包括:
目标用户确定模块,用于确定预设个数的目标用户;
日志确定模块,用于确定每个所述目标用户在目标时间段内的目标存储操作日志;
数据集确定模块,用于利用所述目标用户与对应的目标存储操作日志得到数据集;
计算模块,用于利用Apriori算法对所述数据集进行计算得到对应所述数据集的存储操作之间的最强关联规则;
目标操作关系确定模块,用于利用所述最强关联规则确定目标操作关系。
其中,还包括:
第一生成模块,用于利用所述目标操作关系生成软件设计信息。
其中,还包括:
第二生成模块,用于利用所述目标操作关系生成软件售后信息。
为解决上述技术问题,本申请还提供了一种用户操作关系获取装置,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现如所述用户操作关系获取方法的步骤。
为解决上述技术问题,本申请还提供了一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如所述用户操作关系获取方法的步骤。
通过以上方案可知,本发明提供的一种用户操作关系获取方法,包括:确定预设个数的目标用户;确定每个所述目标用户在目标时间段内的目标存储操作日志;利用所述目标用户与对应的目标存储操作日志得到数据集;利用Apriori算法对所述数据集进行计算得到对应所述数据集的存储操作之间的最强关联规则;利用所述最强关联规则确定目标操作关系。
由此可见,本申请提供的一种用户操作关系获取方法,可以利用目标用户以及对应的目标时间段内的目标存储操作日志确定Apriori算法中的数据集,并利用Apriori算法对数据集进行处理得到关于存储操作之间的最强关联规则,进而得到操作之间的目标操作关系,从而可以对广大用户普遍的强关联关系的操作挖掘出用户操作日志海量数据中的隐含关系,分析出用户比较关注或感兴趣的需求,进而可以按照该需求使存储应用的设计等更人性化。
本申请还提供了一种用户操作关系获取系统、装置及计算机可读存储介质,同样可以实现上述技术效果。
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简单地介绍,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他的附图。
图1为本发明实施例公开的一种用户操作关系获取方法流程图;
图2为本发明实施例公开的一种具体的用户操作关系获取方法流程图;
图3为本发明实施例公开的一种用户操作关系获取系统结构示意图;
图4为本发明实施例公开的一种用户操作关系获取装置结构示意图。
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作出创造性劳动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。
本发明实施例公开了一种用户操作关系获取方法、系统、装置及计算机可读存储介质,以得到准确的用户操作需求。
参见图1,本发明实施例提供的一种用户操作关系获取方法,具体包括:
S101,确定预设个数的目标用户。
在本方案中,需要使用Apriori经典关联规则算法,结合用户对存储设备的操作日志的数据,挖掘分析用户操作存储设备的强关联规则,进而得到操作关系,使在产品设计或者售后分析时可以利用操作关系的相关数据进行针对性分析。
具体地,首先确定目标用户,目标用户的具体个数可以根据实际情况具体设定。
S102,确定每个所述目标用户在目标时间段内的目标存储操作日志。
具体地,确定每个目标用户在某一目标时间段内的目标存储操作日志。
S103,利用所述目标用户与对应的目标存储操作日志得到数据集。
具体地,对目标存储操作日志的数据进行预处理,得到数据集。其中,以目标用户以及其对应的目标时间段内的操作,作为数据集中的一条事务,例如,用户为superuser,其对应的目标时间段内的操作snap、chiogrp等为数据集中的一条事务项。
S104,利用Apriori算法对所述数据集进行计算得到对应所述数据集的存储操作之间的最强关联规则。
在本方案中,将目标用户和对应的目标存储操作日志作为数据集,进行Apriori算法的计算,得到关于同存储操作之间的最强关联规则。
S105,利用所述最强关联规则确定目标操作关系。
具体地,利用最强关联规则可以确定存储操作之间的目标操作关系,例如操作A与操作B为最强关联规则,则可以确定用户进行操作A之后往往会进行操作B,因此可以利用该关系生成软件设计信息,用于根据每个操作的关联关系设计软件的功能模块,也可以利用该关系生成软件售后信息,如根据最强关联规则确定用户操作A之后往往会进行操作B,因此在售后信息中可以体现出操作A与操作B之间的关系,并在售后讲解时,按照该关系进行讲解。
由此可见,本申请实施例提供的一种用户操作关系获取方法,可以利用目标用户以及对应的目标时间段内的目标存储操作日志确定Apriori算法中的数据集,并利用Apriori算法对数据集进行处理得到关于存储操作之间的最强关联规则,进而得到操作之间的目标操作关系,从而可以对广大用户普遍的强关联关系的操作挖掘出用户操作日志海量数据中的隐含关系,分析出用户比较关注或感兴趣的需求,进而可以按照该需求使存储应用的设计等更人性化。
下面对本申请实施例提供的一种具体的用户操作关系获取方法进行介绍,下文描述的一种具体的用户操作关系获取方法与上述实施例可以相互参照。
参见图2,本申请实施例提供的一种具体的用户操作关系获取方法,具体包括:
S201,确定预设个数的目标用户。
S202,确定每个所述目标用户在目标时间段内的目标存储操作日志。
S203,利用所述目标操作日志确定对应每个所述目标操作日志的操作项。
S204,利用所述操作项与对应的目标用户确定事务。
S205,利用所述事务得到所述数据集。
具体地,首先在操作日志中确定操作项,并利用操作项和操作项对应的目标用户得到事务,再利用所有事务得到数据集。如表1所示,TID为目标用户,Items表示目标用户对应的操作项,目标用户与对应的操作项为一条事务,所有事务即是数据集。
表1数据集
TID | Items |
superuser | snap,chiogrp,chenclosure |
admin | snap,chiogrp,resetleds |
mdayday06 | snap,chenclosure,resetleds |
zhangkun | snap,chiogrp,chenclosure,triggerenclosuredump |
service | snap,chenclosure,triggerenclosuredump |
copyProvider | chiogrp,resetleds,triggerenclosuredump |
securityAdmin | snap,chiogrp,chenclosure,resetleds |
S206,确定最小置信度阈值与最小支持度阈值。
具体地,在Apriori算法中,需要设定最小置信度与最小支持度阈值。
S207,利用所述最小支持度阈值在所述数据集中确定目标项集,其中,所述目标项集包括目标操作项。
首先需要在数据集中确定目标项集,目标项集即是包括目标操作项的集合。
具体地,首先计算每个项集的支持度计数,支持度计数即是一个项集在所有事务中出现的此处,如表1所示的数据集中,2-项集{snap,chiogrp}出现在事务中的次数为4,那么该2-项集的支持度计数则为4。
获取每一个k-项集的支持度计数,k即是项集中操作项的个数,并且计算支持度计数与总的事务数的比值,得到对应每个k-项集的支持度。例如上述2-项集,其支持度计数为4,对应的数据集的事务总数为7,则其对应的支持度则为4/7。
在本方案中,将支持度与最小支持度阈值进行比较,支持度大于或等于最小支持度阈值的项集为频繁项集,利用频繁项集确定出目标项集。
具体地,首先对数据集进行第一次扫描,产生多个频繁1-项集,在所有频繁1-项集的基础上进行连接、修剪操作,产生频繁2-项集,依次类推,直到无法产生更高阶的频繁集为止,得到的频繁项集即是目标项集。
例如,在第k次循环中,也就是产生k-频繁项集的时候,首先产生候选k-项集,候选k-项集中每一个项集都是对两个只有一个项不同的属于频繁k-1项集连接产生的,候选k-项集中筛选支持度大于或等于最小支持度的项集,作为频繁k-项集。
如果候选k-项集中的项集Y,包含有某个k-1阶子集不属于k-1频繁集,那么Y就不可能是频繁集,应该从候选集中裁剪掉。Apriori算法就是利用了频繁集的这个性质,即频繁项集的所有非空子集也必须是频繁的。
进一步的,关于频繁k-项集的确定操作可以参考一下步骤:
首先,确定频繁1-项集,例如L1={snap,chiogrp,chenclosure,resetleds,triggerenclosuredump}。
确定预设的最小支持度阈值min_sup为3/7。
在频繁1-项集中进行组合,得到候选2-项集,并在所有候选2-项集中,确定支持度大于或等于3/7的频繁2-项集,P(chiogrp|snap)=4/7,P(chenclosure|snap)=5/7,P(resetleds|snap)=3/7,P(chenclosure|chiogrp)=3/7,P(resetleds|chiogrp)=3/7,即,{snap,chiogrp},{snap,chenclosure},{snap,resetleds},{chiogrp,chenclosure},{chiogrp,resetleds}为满足最小支持度的频繁2-项集。
由频繁2-项集生成候选3-项集为{snap,chiogrp,chenclosure},{snap,chiogrp,resetleds},{snap,chenclosure,resetleds},需要说明的是,Apriori算法有其特有的性质:频繁项集的所有非空子集也必须是频繁的,向下闭包性,利用已满足支持度的频繁,进行组合,生成候选集,只有这些候选集才有可能。
而因为{chenclosure,resetleds}不在频繁2-项集中,根据Apriori算法特性,{snap,chenclosure,resetleds}候选3-项集不是频繁3-项集,剩余候选3-项集的支持度如下:
P(chenclosure|snap,chiogrp)=3/7;
P(resetleds|snap,chiogrp)=1/7;
即{snap,chiogrp,chenclosure}为满足最小支持度的频繁3-项集。
而频繁3-项集即是本步骤中确定的目标项集,其包括3个目标操作项snap、chiogrp、chenclosure。
S208,计算每个所述目标项集的置信度。
具体地,本方案中,还设置了最小置信度阈值。在确定了目标项集后,计算每个目标项集的置信度。例如,目标项集为频繁3-项集
{snap,chiogrp,chenclosure},则其置信度的计算即是:
P((snap,chenclosure)=>chiogrp)=3/4;
P((snap,chiogrp)=>chenclosure)=3/5;
P((chiogrp,chenclosure)=>snap)=3/3。
S209,利用置信度不小于所述最小置信度阈值的目标项集得到最强关联规则。
例如,本方案的最小置信度阈值为min_conf=5/7,则满足最小置信度阈值的最强关联规则即是(snap,chenclosure)=>chiogrp,和(chiogrp,chenclosure)=>snap。
S210,利用所述最强关联规则确定目标操作关系。
则可以利用上述最强关联规则得到的目标操作关系即是完成snap,chenclosure操作后,会继续执行chiogrp操作;在执行完成chiogrp,chenclosure操作后会执行snap操作。
下面对本申请实施例提供的一种用户操作关系获取系统进行介绍,下文描述的一种用户操作关系获取系统与上述实施例可以相互参照。
参见图3,本申请实施例提供的一种用户操作关系获取系统,具体包括:
目标用户确定模块301,用于确定预设个数的目标用户。
在本方案中,需要使用Apriori经典关联规则算法,结合用户对存储设备的操作日志的数据,挖掘分析用户操作存储设备的强关联规则,进而得到操作关系,使在产品设计或者售后分析时可以利用操作关系的相关数据进行针对性分析。
具体地,首先目标用户确定模块301确定目标用户,目标用户的具体个数可以根据实际情况具体设定。
日志确定模块302,用于确定每个所述目标用户在目标时间段内的目标存储操作日志。
具体地,日志确定模块302确定每个目标用户在某一目标时间段内的目标存储操作日志。
数据集确定模块303,用于利用所述目标用户与对应的目标存储操作日志得到数据集。
具体地,数据集确定模块303对目标存储操作日志的数据进行预处理,得到数据集。其中,以目标用户以及其对应的目标时间段内的操作,作为数据集中的一条事务,例如,用户为superuser,其对应的目标时间段内的操作snap、chiogrp等为数据集中的一条事务项。
计算模块304,用于利用Apriori算法对所述数据集进行计算得到对应所述数据集的存储操作之间的最强关联规则。
在本方案中,计算模块304将目标用户和对应的目标存储操作日志作为数据集,进行Apriori算法的计算,得到关于同存储操作之间的最强关联规则。
目标操作关系确定模块305,用于利用所述最强关联规则确定目标操作关系。
具体地,目标操作关系确定模块305利用最强关联规则可以确定存储操作之间的目标操作关系,例如操作A与操作B为最强关联规则,则可以确定用户进行操作A之后往往会进行操作B。
作为优选的,在上述实施例的基础上,本申请实施例还包括:
第二生成模块,用于利用所述目标操作关系生成软件售后信息。
第一生成模块,用于利用所述目标操作关系生成软件设计信息。
具体地,目标操作关系确定模块305利用最强关联规则可以确定存储操作之间的目标操作关系之后,可以利用该关系生成软件设计信息,用于根据每个操作的关联关系设计软件的功能模块,也可以利用该关系生成软件售后信息,如根据最强关联规则确定用户操作A之后往往会进行操作B,因此在售后信息中可以体现出操作A与操作B之间的关系,并在售后讲解时,按照该关系进行讲解。
本申请还提供了一种用户操作关系获取装置,参见图4,本发明实施例提供的一种用户操作关系获取装置的结构示意图图,如图4所示,包括:
存储器100,用于存储计算机程序;
处理器200,用于执行所述计算机程序时可以实现上述实施例所提供的步骤。
具体的,存储器100包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机可读指令,该内存储器为非易失性存储介质中的操作系统和计算机可读指令的运行提供环境。处理器200为用户操作关系获取装置提供计算和控制能力,可以实现上述任一用户操作关系获方法实施例所提供的步骤。
在上述实施例的基础上,作为优选实施方式,所述用户操作关系获取装置还包括:
输入接口300,用于获取外部导入的计算机程序、参数和指令,经处理器控制保存至存储器中。该输入接口300可以与输入装置相连,接收用户手动输入的参数或指令。该输入装置可以是显示屏上覆盖的触摸层,也可以是终端外壳上设置的按键、轨迹球或触控板,也可以是键盘、触控板或鼠标等。具体的,在本实施例中,用户可以通过输入接口300手动输入最小支持度阈值、最小置信度阈值等。
显示单元400,用于显示处理器发送的数据。该显示单元40可以为PC机上的显示屏、液晶显示屏或者电子墨水显示屏等。具体的,在本实施例中,显示单元400可以显示处理得到的最强关联规则、以及根据最强关联规则确定的目标操作关系等。
本申请还提供了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时可以实现上述实施例所提供的步骤。该存储介质可以包括:U盘、移动硬盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
本说明书中各个实施例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部分互相参见即可。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种用户操作关系获取方法,其特征在于,包括:
确定预设个数的目标用户;
确定每个所述目标用户在目标时间段内的目标存储操作日志;
利用所述目标用户与对应的目标存储操作日志得到数据集;
利用Apriori算法对所述数据集进行计算得到对应所述数据集的存储操作之间的最强关联规则;
利用所述最强关联规则确定目标操作关系。
2.根据权利要求1所述的方法,其特征在于,还包括:
利用所述目标操作关系生成软件设计信息。
3.根据权利要求1所述的方法,其特征在于,还包括:
利用所述目标操作关系生成软件售后信息。
4.根据权利要求1所述的方法,其特征在于,所述利用所述目标用户与对应的目标存储操作日志得到数据集,包括:
利用所述目标操作日志确定对应每个所述目标操作日志的操作项;
利用所述操作项与对应的目标用户确定事务;
利用所述事务得到所述数据集。
5.根据权利要求4所述的方法,其特征在于,所述利用Apriori算法对所述数据集进行计算得到对应所述数据集的存储操作之间的最强关联规则,包括:
确定最小置信度阈值与最小支持度阈值;
利用所述最小支持度阈值在所述数据集中确定目标项集,其中,所述目标项集包括目标操作项;
计算每个所述目标项集的置信度;
利用置信度不小于所述最小置信度阈值的目标项集得到最强关联规则。
6.一种用户操作关系获取系统,其特征在于,包括:
目标用户确定模块,用于确定预设个数的目标用户;
日志确定模块,用于确定每个所述目标用户在目标时间段内的目标存储操作日志;
数据集确定模块,用于利用所述目标用户与对应的目标存储操作日志得到数据集;
计算模块,用于利用Apriori算法对所述数据集进行计算得到对应所述数据集的存储操作之间的最强关联规则;
目标操作关系确定模块,用于利用所述最强关联规则确定目标操作关系。
7.根据权利要求6所述的系统,其特征在于,还包括:
第一生成模块,用于利用所述目标操作关系生成软件设计信息。
8.根据权利要求6所述的系统,其特征在于,还包括:
第二生成模块,用于利用所述目标操作关系生成软件售后信息。
9.一种用户操作关系获取装置,其特征在于,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现如权利要求1至5任一项所述用户操作关系获取方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至5任一项所述用户操作关系获取方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810628207.1A CN108830655A (zh) | 2018-06-19 | 2018-06-19 | 一种用户操作关系获取方法及相关装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810628207.1A CN108830655A (zh) | 2018-06-19 | 2018-06-19 | 一种用户操作关系获取方法及相关装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108830655A true CN108830655A (zh) | 2018-11-16 |
Family
ID=64142726
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810628207.1A Pending CN108830655A (zh) | 2018-06-19 | 2018-06-19 | 一种用户操作关系获取方法及相关装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108830655A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110543779A (zh) * | 2019-09-05 | 2019-12-06 | 国网山西省电力公司阳泉供电公司 | 数据处理方法及装置 |
CN110874786A (zh) * | 2019-10-11 | 2020-03-10 | 支付宝(杭州)信息技术有限公司 | 虚假交易团伙识别方法、设备及计算机可读介质 |
CN111124678A (zh) * | 2019-12-18 | 2020-05-08 | 青岛海尔科技有限公司 | 内存调度处理方法及装置 |
CN111158605A (zh) * | 2019-12-31 | 2020-05-15 | 青岛海尔科技有限公司 | 用于优化操作系统磁盘存储策略的方法、装置和智能设备 |
CN111221650A (zh) * | 2019-12-31 | 2020-06-02 | 青岛海尔科技有限公司 | 基于进程类型关联的系统资源回收方法及装置 |
CN112231392A (zh) * | 2020-10-29 | 2021-01-15 | 广东机场白云信息科技有限公司 | 民航客源数据分析方法、电子设备、计算机可读存储介质 |
CN113420240A (zh) * | 2021-07-02 | 2021-09-21 | 广州虎牙科技有限公司 | 用户行为分析方法、装置、电子设备和存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103581198A (zh) * | 2013-11-13 | 2014-02-12 | 浙江中烟工业有限责任公司 | 基于Apriori算法的安全日志分析方法 |
CN103995828A (zh) * | 2014-04-11 | 2014-08-20 | 西安电子科技大学宁波信息技术研究院 | 一种云存储日志数据分析方法 |
CN106130809A (zh) * | 2016-09-07 | 2016-11-16 | 东南大学 | 一种基于日志分析的IaaS云平台网络故障定位方法及系统 |
RU2632124C1 (ru) * | 2016-06-10 | 2017-10-02 | ФЕДЕРАЛЬНОЕ ГОСУДАРСТВЕННОЕ КАЗЕННОЕ ВОЕННОЕ ОБРАЗОВАТЕЛЬНОЕ УЧРЕЖДЕНИЕ ВЫСШЕГО ОБРАЗОВАНИЯ "Военная академия Ракетных войск стратегического назначения имени Петра Великого" МИНИСТЕРСТВА ОБОРОНЫ РОССИЙСКОЙ ФЕДЕРАЦИИ | Способ прогнозной оценки эффективности многоэтапных процессов |
CN107844514A (zh) * | 2017-09-22 | 2018-03-27 | 深圳市易成自动驾驶技术有限公司 | 数据挖掘方法、装置及计算机可读存储介质 |
CN107943946A (zh) * | 2017-11-24 | 2018-04-20 | 重庆科技学院 | 基于Apriori算法的试题库知识点间关联性挖掘方法 |
-
2018
- 2018-06-19 CN CN201810628207.1A patent/CN108830655A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103581198A (zh) * | 2013-11-13 | 2014-02-12 | 浙江中烟工业有限责任公司 | 基于Apriori算法的安全日志分析方法 |
CN103995828A (zh) * | 2014-04-11 | 2014-08-20 | 西安电子科技大学宁波信息技术研究院 | 一种云存储日志数据分析方法 |
RU2632124C1 (ru) * | 2016-06-10 | 2017-10-02 | ФЕДЕРАЛЬНОЕ ГОСУДАРСТВЕННОЕ КАЗЕННОЕ ВОЕННОЕ ОБРАЗОВАТЕЛЬНОЕ УЧРЕЖДЕНИЕ ВЫСШЕГО ОБРАЗОВАНИЯ "Военная академия Ракетных войск стратегического назначения имени Петра Великого" МИНИСТЕРСТВА ОБОРОНЫ РОССИЙСКОЙ ФЕДЕРАЦИИ | Способ прогнозной оценки эффективности многоэтапных процессов |
CN106130809A (zh) * | 2016-09-07 | 2016-11-16 | 东南大学 | 一种基于日志分析的IaaS云平台网络故障定位方法及系统 |
CN107844514A (zh) * | 2017-09-22 | 2018-03-27 | 深圳市易成自动驾驶技术有限公司 | 数据挖掘方法、装置及计算机可读存储介质 |
CN107943946A (zh) * | 2017-11-24 | 2018-04-20 | 重庆科技学院 | 基于Apriori算法的试题库知识点间关联性挖掘方法 |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110543779A (zh) * | 2019-09-05 | 2019-12-06 | 国网山西省电力公司阳泉供电公司 | 数据处理方法及装置 |
CN110543779B (zh) * | 2019-09-05 | 2023-04-07 | 国网山西省电力公司阳泉供电公司 | 数据处理方法及装置 |
CN110874786A (zh) * | 2019-10-11 | 2020-03-10 | 支付宝(杭州)信息技术有限公司 | 虚假交易团伙识别方法、设备及计算机可读介质 |
CN110874786B (zh) * | 2019-10-11 | 2022-10-18 | 支付宝(杭州)信息技术有限公司 | 虚假交易团伙识别方法、设备及计算机可读介质 |
CN111124678A (zh) * | 2019-12-18 | 2020-05-08 | 青岛海尔科技有限公司 | 内存调度处理方法及装置 |
CN111158605A (zh) * | 2019-12-31 | 2020-05-15 | 青岛海尔科技有限公司 | 用于优化操作系统磁盘存储策略的方法、装置和智能设备 |
CN111221650A (zh) * | 2019-12-31 | 2020-06-02 | 青岛海尔科技有限公司 | 基于进程类型关联的系统资源回收方法及装置 |
CN111158605B (zh) * | 2019-12-31 | 2023-11-28 | 青岛海尔科技有限公司 | 用于优化操作系统磁盘存储策略的方法、装置和智能设备 |
CN112231392A (zh) * | 2020-10-29 | 2021-01-15 | 广东机场白云信息科技有限公司 | 民航客源数据分析方法、电子设备、计算机可读存储介质 |
CN113420240A (zh) * | 2021-07-02 | 2021-09-21 | 广州虎牙科技有限公司 | 用户行为分析方法、装置、电子设备和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108830655A (zh) | 一种用户操作关系获取方法及相关装置 | |
CN107330023B (zh) | 基于关注点的文本内容推荐方法和装置 | |
Dasu et al. | Exploratory data mining and data cleaning | |
CN108833458B (zh) | 一种应用推荐方法、装置、介质及设备 | |
US20210319006A1 (en) | Method And System To Estimate The Cardinality Of Sets And Set Operation Results From Single And Multiple HyperLogLog Sketches | |
BenSaïda et al. | The shifting dependence dynamics between the G7 stock markets | |
US11243785B2 (en) | User interface interaction optimization system and method to detect and display a correlation between a user interface variation and a user interaction goal | |
CN103207899A (zh) | 文本文件推荐方法及系统 | |
CN107515890A (zh) | 一种识别常驻点的方法及终端 | |
WO2019061664A1 (zh) | 电子装置、基于用户上网数据的产品推荐方法及存储介质 | |
Du et al. | Improved similarity measure in case-based reasoning with global sensitivity analysis: An example of construction quantity estimating | |
US20220058503A1 (en) | Accurate and interpretable rules for user segmentation | |
CN108769125B (zh) | 应用推荐方法、装置、存储介质及计算机设备 | |
WO2017048296A1 (en) | Determining output presentation type | |
Wu et al. | Discovering temporal patterns for event sequence clustering via policy mixture model | |
Chowdhury | Supervised machine learning and heuristic algorithms for outlier detection in irregular spatiotemporal datasets | |
CN115641019A (zh) | 指标异常分析方法、装置、计算机设备和存储介质 | |
CN110427622A (zh) | 语料标注的评估方法、装置及存储介质 | |
US9188968B2 (en) | Run-time characterization of on-demand analytical model accuracy | |
KR20190075631A (ko) | 확률 그래프 기반의 서열 데이터 연관성 학습 방법 및 시스템 | |
Satapathy et al. | Empirical assessment of machine learning models for effort estimation of web-based applications | |
Almomani et al. | Selecting a good stochastic system for the large number of alternatives | |
CN110457707A (zh) | 实词关键词的提取方法、装置、电子设备及可读存储介质 | |
CN110719367A (zh) | 一种云手机好友推荐方法、装置、设备及存储介质 | |
CN107656927A (zh) | 一种特征选择方法及设备 |
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: 20181116 |
|
RJ01 | Rejection of invention patent application after publication |