CN108960562A - 一种区域影响力评估方法及装置 - Google Patents
一种区域影响力评估方法及装置 Download PDFInfo
- Publication number
- CN108960562A CN108960562A CN201810479447.XA CN201810479447A CN108960562A CN 108960562 A CN108960562 A CN 108960562A CN 201810479447 A CN201810479447 A CN 201810479447A CN 108960562 A CN108960562 A CN 108960562A
- Authority
- CN
- China
- Prior art keywords
- factor
- layer
- analysis indexes
- weight
- regional
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种区域影响力评估方法,包括以下步骤:步骤一、采集特定事件时期目标区域内用户的行为数据以及设置分析指标体系;步骤二、将所述分析指标体系划分为多个层次,由高到低包括目标层、功能指标层、分析指标层,并计算出各层次中各因素的权重;步骤三、依据服务器大数据以及所述用户的行为数据勾勒出所述目标区域内用户的行为特征画像,并基于所述用户的行为特征画像确定所述分析指标层中各因素的指标值;步骤四、根据所述分析指标层中各因素的权重以及指标值逐层计算得出所述目标区域的区域影响力值。从而达到提升特定事件期间区域影响力评估准确度的目的。
Description
技术领域
本发明涉及区域影响力评估分析领域,具体涉及一种区域影响力评估方法及装置。
背景技术
大数据成为区域经济发展的新引擎,根据国际权威评测机构Gartner对IT行业多年的跟踪调查,大数据技术已经从2013年后进入实质耕耘期。在国内,随着基础设施及科技水平,特别是互联网行业高速发展,同时在积极响应“互联网+”的国家战略、“大众创新、万众创业”政府指导方针的背景下,大数据技术越来越多地在各行各业落地开花。
通过使用大数据技术,可以在极短时间内,对区域内人群的构成、特征、变化趋势做出客观理解和预判,并对区域内经济的变化和发展做出实时的跟踪和预测。从而支撑政府决策能够在更加科学合理的轨道上向前推进。
当下基于大数据对会展进行监测,会展成功聚集了国内外人气,提升了地方知名度,产生了较强的示范带动和宣传效应。但现有技术中对于区域影响力的评估却并不精准,尤其是对于在区域内举办会展期间的影响力评估,这就使得决策者不能准确的把握观众的满意程度,提升和丰富观众的消费需求。
发明内容
本发明提供一种区域影响力评估方法及装置,能够提升特定事件期间区域影响力评估的准确度。
有鉴于此,本发明实施例第一方面提供了一种区域影响力评估方法,包括:
步骤一、采集特定事件时期目标区域内用户的行为数据以及设置分析指标体系;
步骤二、将所述分析指标体系划分为多个层次,由高到低包括目标层、功能指标层、分析指标层,并计算出各层次中各因素的权重;
步骤三、依据服务器大数据以及所述用户的行为数据勾勒出所述目标区域内用户的行为特征画像,并基于所述用户的行为特征画像确定所述分析指标层中各因素的指标值;
步骤四、根据所述分析指标层中各因素的权重以及指标值逐层计算得出所述目标区域的区域影响力值。
进一步的,所述步骤四中包括:通过影响力计算式计算出所述目标区域的区域影响力值,所述影响力计算式如下:
P=E*QT
其中,所述P为所述目标区域的区域影响力值,所述E为指标矩阵,所述Q为权重矩阵,所述QT为所述权重矩阵Q的转置矩阵,且所述指标矩阵E与所述分析指标层中各因素的指标值相关联,所述权重矩阵Q与所述分析指标层中各因素的权重相关联。
进一步的,所述步骤四中逐层计算得出所述目标区域的区域影响力值包括:所述i与所述分析指标体系中目标层的层数相关联。
进一步的,所述目标层包括区域竞争力、区域感应度、区域关联度和区域活跃度。
进一步的,所述步骤二中包括:利用熵值法计算所述各层次中各因素的权重。
进一步的,所述利用熵值法计算所述各层次中各因素的权重包括:
利用所述熵值法计算所述分析指标层中各因素的权重;
并且,所述计算所述分析指标层中各因素的权重包括:
计算所述分析指标层中各因素的熵值,计算式如下:
其中所述Sij与所述用户的行为数据相关联,所述Sij为每个因素中第i个用户的第j个指标标准得分,所述Hj为所述熵值,所述m为样本用户总数目,所述n为每个因素中考核指标数目;
根据所述熵值Hj计算所述分析指标层中各因素的熵权Wj,计算式如下:
进一步的,在所述步骤二中还包括:选取m个所述目标区域内的用户作为样本用户;
确定所述分析指标层中各因素对应的考核指标数目n,其中每一考核指标均预置有多个档位的标准得分。
进一步的,所述步骤三中所述基于所述用户的行为特征画像确定所述分析指标层中各因素的指标值包括:
基于所述用户的行为特征画像修正所述分析指标层中各因素对应的各考核指标所获得的标准得分;
统计所述修正后各因素对应的各考核指标所获得的标准得分,得到所述各因素的指标值。
进一步的,所述行为特征画像包括:
人口唯一标示、人口统计维度、社会属性、金融行为特征、位置行为特征和一般行为特征。
本发明实施例第二方面提供了一种区域影响力评估装置,包括:
采集设置模块,用于采集特定事件时期目标区域内用户的行为数据以及设置分析指标体系;
划分计算模块,用于将所述分析指标体系划分为多个层次,由高到低包括目标层、功能指标层、分析指标层,并计算出各层次中各因素的权重;
确定模块,用于依据服务器大数据以及所述用户的行为数据勾勒出所述目标区域内用户的行为特征画像,并基于所述用户的行为特征画像确定所述分析指标层中各因素的指标值;
计算模块,用于根据所述分析指标层中各因素的权重以及指标值逐层计算得出所述目标区域的区域影响力值。
本发明实施例第三方面提供了一种计算机可读存储介质,包括程序,所述程序能够被处理器执行以实现如上第一方面所述的方法。
依据上述实施例中区域影响力评估方法,通过采集特定事件期间处于目标区域内用户的行为数据,以及依托于服务器大数据准确勾勒出目标区域内用户的行为特征画像,并设置一分析指标体系,利用逐层细分层次,由最底层中各因素的权重和指标值计算出目标区域内总的区域影响力值,达到提升特定事件期间区域影响力评估准确度的目的。
附图说明
图1为本发明实施例中区域影响力评估方法一个实施例示意图;
图2为本发明实施例中区域影响力评估装置一个实施例示意图。
具体实施方式
下面通过具体实施方式结合附图对本发明作进一步详细说明。其中不同实施方式中类似元件采用了相关联的类似的元件标号。在以下的实施方式中,很多细节描述是为了使得本发明能被更好的理解。然而,本领域技术人员可以毫不费力的认识到,其中部分特征在不同情况下是可以省略的,或者可以由其他元件、材料、方法所替代。在某些情况下,本发明相关的一些操作并没有在说明书中显示或者描述,这是为了避免本发明的核心部分被过多的描述所淹没,而对于本领域技术人员而言,详细描述这些相关操作并不是必要的,他们根据说明书中的描述以及本领域的一般技术知识即可完整了解相关操作。
另外,说明书中所描述的特点、操作或者特征可以以任意适当的方式结合形成各种实施方式。同时,方法描述中的各步骤或者动作也可以按照本领域技术人员所能显而易见的方式进行顺序调换或调整。因此,说明书和附图中的各种顺序只是为了清楚描述某一个实施例,并不意味着是必须的顺序,除非另有说明其中某个顺序是必须遵循的。
具体的,请参阅图1,本发明实施例中区域影响力评估方法一个实施例包括:
S101、采集特定事件时期目标区域内用户的行为数据以及设置分析指标体系;
本实施例中,基于会展事件(即特定事件)可以从区域竞争力、区域感应度、区域关联度和区域活跃度这四个维度构建分析指标体系:区域竞争力能够体现会展举办前后对该区域社会、经济、文化、科技和居民生活各方面所产生的影响程度的变化水平;区域感应度即区域发展中各部门发生变化时,会展由此所受到的社会、经济、文化、科技和居民生活方面的反应程度;区域关联度是指在经济活动中,各产业之间存在的广泛的复杂的和密切的经济技术联系。某产业经济技术变化,引起关联产业改变的程度;区域活跃度指一个地区某产业相应产品消费数量、销售额以及展会期间该产业职业的人群分布情况。
在会展期间,通过近场探针、GPS、WIFI定位、基站定位、IP定位等相关技术,在终端设备由用户授权情况下,可以基于终端设备实现对会展参观的用户以及会展中心周边的用户的地理位置识别。其中,近场探针可以部署在会展中心的各个场馆,能够对每个场馆的客流情况、拥挤情况进行实时监控,以及监控参观会展的用户的参观行为;而通过GSP、WIFI等定位技术能够有效识别出用户在没有参观会展的时间内的位置信息。通过以上技术获取到在会展期间目标区域内(包括会展中心内、会展中心附近范围内、会展中心所在城市内)用户的位置数据。
可以理解的是,通过与银联进行深度合作,可以对会展期间用户的经济行为进行分析和挖掘。
同时,在会展前后实时监测会展相关方面的网络舆情信息,比如微博(包括均微博条数、日均转发连量和日均点赞条数等指标)、新闻、分享等等。用以刻画会展对当地居民在经济、社会、文化、科技方面的影响。
S102、将分析指标体系划分为多个层次,由高到低包括目标层、功能指标层、分析指标层,并计算出各层次中各因素的权重;
本实施例中可以基于AHP层次分析法将分析指标体系划分为包括但不限于三个层次,其中,以划分三个层次为例,由高到低依次为目标层、功能指标层和分析指标层,如表1所示:
第一个层面是目标层,主要从区域竞争力、区域感应度、区域关联度和区域活跃度四个方面建立区域影响力的统计指标体系,其可以充分反映出区域影响力的综合效应;
第二个层面是功能指标层,主要从经济、社会、文化、科技四个功能对目标层进行展开分析。每个功能可以理解为每个维度,且在每个维度中可以设计1-8个不等的指标,这些指标能够从不同的方面描述它们所在的维度,使维度的观察更加深厚;
第三个层面是分析指标层,以功能指标层为基础,设计具体的分析指标。
因此,分析指标体系一般由4个A级指标、4个B级指标和30个C级指标构成,表1为示例参考。对于任一特定事件对目标区域带来的影响力而言,A级指标和B级指标的权重均根据专家打分得到,由于C级指标调整带来的权重调整仅在所在的B级指标范围内重新分配权重。
表1
需要说明的是,AHP层次分析法是把复杂问题分解为若干层次,在最低层次通过两两对比得出各因素的权重,通过由低到高的层层分析计算,最后计算出各因素在分析指标体系中的权重。
本实施例中可以通过熵值法计算出三个层次中各因素的权重,具体的计算过程如下所示:
以计算分析指标层中各因素的权重为例;
首先,选取m个目标区域内的用户作为样本用户,计算在该分析指标层中各因素的熵值,计算式(1)如下所示:
其中在计算式(1)中,该Sij与上述步骤S101中所采集的用户的行为数据存在关联,该Sij即为每个因素中第i个用户的第j个指标标准得分,Hj即所求的熵值,m为样本用户总数目,n则为每个因素中考核指标数目;
再,依据计算得到熵值Hj计算该分析指标层中各因素的熵权Wj,计算式(2)如下:
应理解的是,该分析指标层中各因素的熵权Wj即各因素在分析指标层中所占的权重,且在分析指标层中各因素的熵权Wj总和为100分(=100)。
在一个优选的实施例中,该分析指标层中各因素对应的考核指标数目n可不同,且在n个考核指标中均可以预先设置有多个档位的标准得分,该标准得分可以与用户的行为数据相关,具体此处不做限定。
在一个可选的实施例中,该分析指标层中各因素的权重还可以依据专家赋权法进行微调,由专家确定最终各因素所占的权重。
S103、依据服务器大数据以及用户的行为数据勾勒出目标区域内用户的行为特征画像,并基于用户的行为特征画像确定分析指标层中各因素的指标值;
本实施例中,在服务器大数据中可以预先存储有大量的用户唯一标示数据(包括但不限于:JID、移动电话号码、设备ID、设备MAC、设备型号等信息。其中:JID是服务器大数据中第三方DMP标识客户的唯一性ID)和大量复杂的数据(如位置数据、设备信息数据),基于此,依托于服务器大数据的平台能够统计识别出在目标区域(如会展中心附近)出现过的人群。
通过结合在步骤S101中所采集得到的用户的行为数据,可以勾勒出出现在目标区域内用户的行为特征画像。
其可以从人口唯一标示、人口统计维度、社会属性、金融行为特征、位置行为特征和一般行为特征等6个维度展开,完整勾勒出用户的行为特征画像,以实现对参展的用户进行精准的行为特征画像,提升分析指标体系中各因素对应的各考核指标的精度,修正各考核指标所获得的标准得分,进一步的提升了各因素的指标值的精度。
在上述表1的基础上,分析指标层中各因素的指标值可以如表2所示,见表2:
表2
S104、根据分析指标层中各因素的权重以及指标值逐层计算得出目标区域的区域影响力值。
本实施例中,在各层次总权重100不变的条件下,可以通过影响力计算式(3)计算出目标区域的区域影响力值,该影响力计算式(3)如下:
P=E*QT (3)
其中,P即该目标区域的区域影响力值,E为指标矩阵,Q为权重矩阵,该QT即权重矩阵Q的转置矩阵。
如表3所示,在该分析指标体系中目标层包括区域竞争力P1、区域感应度P2、区域关联度P3以及区域活跃度P4,通过以下计算式(4)计算得到:
其中i与该分析指标体系中目标层的层数相关,区域影响力值P即P1至P4这四个目标层的总和。
具体的计算方式,以区域竞争力P1为例,其对应的分析指标层可包括j个因素,可以定义为E1~Ej个因素集;且其中每个因素的权重第一优先通过熵值法进行计算,其次再通过专家赋权法进行权主观赋权修正,从而可得到对应的j个权重,也可以定义为Q1~Qj个权重集;综上,即区域竞争力P1为:
将各因素对应的指标值代入到如上计算式(5)中,即可计算得到该区域竞争力P1的值,并最终利用计算式(4)和(3)可算出目标区域的区域影响力值,如表3中所示。
表3
如表3中所示,利用所设置的分析指标体系,结合指标权重,得到本次会展期间对目标区域的区域影响力值得分为185.8;会展区域竞争力指数为169.9,会展区域感应度为264.6,会展区域产业关联度为112.8,会展区域产业活跃度为150。可以看出此次会展对目标区域的经济、社会、文化、科技方面影响较大,整体影响力提升了85.8%,其中区域感应度提升最高,增长164.6%。
而根据经验评语集P={很强(190-200),较强(180-189),一般(160-179),较弱(120-159),很弱(100-119)},可以得到此次会展影响力属于较强的水平,影响力指数为185.8(窗口期为100)。
本发明实施例中通过采集特定事件期间处于目标区域内用户的行为数据,以及依托于服务器大数据准确勾勒出目标区域内用户的行为特征画像,逐层划分该分析指标体系,由最底层中各因素的权重和指标值计算出目标区域内总的区域影响力值,达到提升特定事件期间区域影响力评估准确度的目的。
请参阅图2所示,本发明实施例中区域影响力评估装置一个实施例包括:
采集设置模块201,用于采集特定事件时期目标区域内用户的行为数据以及设置分析指标体系;
划分计算模块202,用于将分析指标体系划分为多个层次,由高到低包括目标层、功能指标层、分析指标层,并计算出各层次中各因素的权重;
确定模块203,用于依据服务器大数据以及用户的行为数据勾勒出目标区域内用户的行为特征画像,并基于用户的行为特征画像确定分析指标层中各因素的指标值;
计算模块204,用于根据分析指标层中各因素的权重以及指标值逐层计算得出目标区域的区域影响力值。
可选的,在本发明的一些实施例中,计算模块204具体用于:通过影响力计算式计算出目标区域的区域影响力值,影响力计算式如下:
P=E*QT
其中,P为目标区域的区域影响力值,E为指标矩阵,Q为权重矩阵,QT为权重矩阵Q的转置矩阵,且指标矩阵E与分析指标层中各因素的指标值相关联,权重矩阵Q与分析指标层中各因素的权重相关联。
可选的,在本发明的一些实施例中,计算模块204具体还用于:逐层计算得出目标区域的区域影响力值包括:i与分析指标体系中目标层的层数相关联。
可选的,在本发明的一些实施例中,目标层包括区域竞争力、区域感应度、区域关联度和区域活跃度。
可选的,在本发明的一些实施例中,划分计算模块202具体用于:利用熵值法计算各层次中各因素的权重。
可选的,在本发明的一些实施例中,利用熵值法计算各层次中各因素的权重包括:
利用熵值法计算分析指标层中各因素的权重;
并且,计算分析指标层中各因素的权重包括:
计算分析指标层中各因素的熵值,计算式如下:
其中Sij与用户的行为数据相关联,Sij为每个因素中第i个用户的第j个指标标准得分,Hj为熵值,m为样本用户总数目,n为每个因素中考核指标数目;
根据熵值Hj计算分析指标层中各因素的熵权Wj,计算式如下:
可选的,在本发明的一些实施例中,划分计算模块202具体还用于:选取m个目标区域内的用户作为样本用户;
确定分析指标层中各因素对应的考核指标数目n,其中每一考核指标均预置有多个档位的标准得分。
可选的,在本发明的一些实施例中,确定模块203具体还用于:基于用户的行为特征画像确定分析指标层中各因素的指标值包括:
基于用户的行为特征画像修正分析指标层中各因素对应的各考核指标所获得的标准得分;
统计修正后各因素对应的各考核指标所获得的标准得分,得到各因素的指标值。
可选的,在本发明的一些实施例中,行为特征画像包括:
人口唯一标示、人口统计维度、社会属性、金融行为特征、位置行为特征和一般行为特征。
本领域技术人员可以理解,上述实施方式中各种方法的全部或部分功能可以通过硬件的方式实现,也可以通过计算机程序的方式实现。当上述实施方式中全部或部分功能通过计算机程序的方式实现时,该程序可以存储于一计算机可读存储介质中,存储介质可以包括:只读存储器、随机存储器、磁盘、光盘、硬盘等,通过计算机执行该程序以实现上述功能。例如,将程序存储在设备的存储器中,当通过处理器执行存储器中程序,即可实现上述全部或部分功能。另外,当上述实施方式中全部或部分功能通过计算机程序的方式实现时,该程序也可以存储在服务器、另一计算机、磁盘、光盘、闪存盘或移动硬盘等存储介质中,通过下载或复制保存到本地设备的存储器中,或对本地设备的系统进行版本更新,当通过处理器执行存储器中的程序时,即可实现上述实施方式中全部或部分功能。
以上应用了具体个例对本发明进行阐述,只是用于帮助理解本发明,并不用以限制本发明。对于本发明所属技术领域的技术人员,依据本发明的思想,还可以做出若干简单推演、变形或替换。
Claims (10)
1.一种区域影响力评估方法,其特征在于,基于特定事件对目标区域进行评估分析,所述方法包括以下步骤:
步骤一、采集特定事件时期目标区域内用户的行为数据以及设置分析指标体系;
步骤二、将所述分析指标体系划分为多个层次,由高到低包括目标层、功能指标层、分析指标层,并计算出各层次中各因素的权重;
步骤三、依据服务器大数据以及所述用户的行为数据勾勒出所述目标区域内用户的行为特征画像,并基于所述用户的行为特征画像确定所述分析指标层中各因素的指标值;
步骤四、根据所述分析指标层中各因素的权重以及指标值逐层计算得出所述目标区域的区域影响力值。
2.根据权利要求1所述的区域影响力评估方法,其特征在于,所述步骤四中包括:通过影响力计算式计算出所述目标区域的区域影响力值,所述影响力计算式如下:
P=E*QT
其中,所述P为所述目标区域的区域影响力值,所述E为指标矩阵,所述Q为权重矩阵,所述QT为所述权重矩阵Q的转置矩阵,且所述指标矩阵E与所述分析指标层中各因素的指标值相关联,所述权重矩阵Q与所述分析指标层中各因素的权重相关联。
3.根据权利要求2所述的区域影响力评估方法,其特征在于,所述步骤四中逐层计算得出所述目标区域的区域影响力值包括:所述i与所述分析指标体系中目标层的层数相关联。
4.根据权利要求3所述的区域影响力评估方法,其特征在于,所述目标层包括区域竞争力、区域感应度、区域关联度和区域活跃度。
5.根据权利要求1所述的区域影响力评估方法,其特征在于,所述步骤二中包括:利用熵值法计算所述各层次中各因素的权重。
6.根据权利要求5所述的区域影响力评估方法,其特征在于,所述利用熵值法计算所述各层次中各因素的权重包括:
利用所述熵值法计算所述分析指标层中各因素的权重;
并且,所述计算所述分析指标层中各因素的权重包括:
计算所述分析指标层中各因素的熵值,计算式如下:
其中所述Sij与所述用户的行为数据相关联,所述Sij为每个因素中第i个用户的第j个指标标准得分,所述Hj为所述熵值,所述m为样本用户总数目,所述n为每个因素中考核指标数目;
根据所述熵值Hj计算所述分析指标层中各因素的熵权Wj,计算式如下:
7.根据权利要求6所述的区域影响力评估方法,其特征在于,在所述步骤二中还包括:选取m个所述目标区域内的用户作为样本用户;
确定所述分析指标层中各因素对应的考核指标数目n,其中每一考核指标均预置有多个档位的标准得分。
8.根据权利要求7所述的区域影响力评估方法,其特征在于,所述步骤三中所述基于所述用户的行为特征画像确定所述分析指标层中各因素的指标值包括:
基于所述用户的行为特征画像修正所述分析指标层中各因素对应的各考核指标所获得的标准得分;
统计所述修正后各因素对应的各考核指标所获得的标准得分,得到所述各因素的指标值。
9.根据权利要求8所述的区域影响力评估方法,其特征在于,所述行为特征画像包括:
人口唯一标示、人口统计维度、社会属性、金融行为特征、位置行为特征和一般行为特征。
10.一种区域影响力评估装置,其特征在于,包括:
采集设置模块,用于采集特定事件时期目标区域内用户的行为数据以及设置分析指标体系;
划分计算模块,用于将所述分析指标体系划分为多个层次,由高到低包括目标层、功能指标层、分析指标层,并计算出各层次中各因素的权重;
确定模块,用于依据服务器大数据以及所述用户的行为数据勾勒出所述目标区域内用户的行为特征画像,并基于所述用户的行为特征画像确定所述分析指标层中各因素的指标值;
计算模块,用于根据所述分析指标层中各因素的权重以及指标值逐层计算得出所述目标区域的区域影响力值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810479447.XA CN108960562A (zh) | 2018-05-18 | 2018-05-18 | 一种区域影响力评估方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810479447.XA CN108960562A (zh) | 2018-05-18 | 2018-05-18 | 一种区域影响力评估方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108960562A true CN108960562A (zh) | 2018-12-07 |
Family
ID=64499634
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810479447.XA Pending CN108960562A (zh) | 2018-05-18 | 2018-05-18 | 一种区域影响力评估方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108960562A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109783712A (zh) * | 2018-12-14 | 2019-05-21 | 平安科技(深圳)有限公司 | 一种基于微博用户的社交网络分析方法及装置 |
CN110175767A (zh) * | 2019-05-20 | 2019-08-27 | 上海市测绘院 | 一种公园绿地服务均等化综合评估系统及评估方法 |
CN110913426A (zh) * | 2019-12-27 | 2020-03-24 | 树蛙信息科技(南京)有限公司 | 一种客流大数据信令采集点信息自动检测同步方法 |
CN111210357A (zh) * | 2019-12-26 | 2020-05-29 | 南京富士通南大软件技术有限公司 | 基于社交网络信息交互的用户影响力获取方法 |
WO2021159747A1 (zh) * | 2020-09-04 | 2021-08-19 | 平安科技(深圳)有限公司 | 区域健康建设进程评估方法、装置、设备及存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102509240A (zh) * | 2011-11-22 | 2012-06-20 | 天津市电力公司 | 一种基于多指标多层次的电网投资效益评估方法 |
CN102521652A (zh) * | 2012-01-10 | 2012-06-27 | 武汉大学 | 一种电网运营效率评价决策方法 |
CN103606031A (zh) * | 2013-11-04 | 2014-02-26 | 清华大学 | 一种餐厨废弃物饲料产品安全性的评价方法 |
CN104484825A (zh) * | 2014-12-05 | 2015-04-01 | 上海师范大学 | 社交网络社区影响力评估算法 |
CN105260815A (zh) * | 2015-09-18 | 2016-01-20 | 国网辽宁省电力有限公司鞍山供电公司 | 基于大数据的电力系统缴费渠道评价方法 |
CN106204154A (zh) * | 2016-07-20 | 2016-12-07 | 武汉斗鱼网络科技有限公司 | 基于层次分析法和熵值法的用户价值评分系统及其方法 |
-
2018
- 2018-05-18 CN CN201810479447.XA patent/CN108960562A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102509240A (zh) * | 2011-11-22 | 2012-06-20 | 天津市电力公司 | 一种基于多指标多层次的电网投资效益评估方法 |
CN102521652A (zh) * | 2012-01-10 | 2012-06-27 | 武汉大学 | 一种电网运营效率评价决策方法 |
CN103606031A (zh) * | 2013-11-04 | 2014-02-26 | 清华大学 | 一种餐厨废弃物饲料产品安全性的评价方法 |
CN104484825A (zh) * | 2014-12-05 | 2015-04-01 | 上海师范大学 | 社交网络社区影响力评估算法 |
CN105260815A (zh) * | 2015-09-18 | 2016-01-20 | 国网辽宁省电力有限公司鞍山供电公司 | 基于大数据的电力系统缴费渠道评价方法 |
CN106204154A (zh) * | 2016-07-20 | 2016-12-07 | 武汉斗鱼网络科技有限公司 | 基于层次分析法和熵值法的用户价值评分系统及其方法 |
Non-Patent Citations (1)
Title |
---|
陈义华 等: ""区域影响力的多层次灰色评价模型及其应用"", 《重庆大学学报(自然科学版)》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109783712A (zh) * | 2018-12-14 | 2019-05-21 | 平安科技(深圳)有限公司 | 一种基于微博用户的社交网络分析方法及装置 |
CN109783712B (zh) * | 2018-12-14 | 2023-10-17 | 平安科技(深圳)有限公司 | 一种基于微博用户的社交网络分析方法及装置 |
CN110175767A (zh) * | 2019-05-20 | 2019-08-27 | 上海市测绘院 | 一种公园绿地服务均等化综合评估系统及评估方法 |
CN111210357A (zh) * | 2019-12-26 | 2020-05-29 | 南京富士通南大软件技术有限公司 | 基于社交网络信息交互的用户影响力获取方法 |
CN110913426A (zh) * | 2019-12-27 | 2020-03-24 | 树蛙信息科技(南京)有限公司 | 一种客流大数据信令采集点信息自动检测同步方法 |
CN110913426B (zh) * | 2019-12-27 | 2022-07-08 | 树蛙信息科技(南京)有限公司 | 一种客流大数据信令采集点信息自动检测同步方法 |
WO2021159747A1 (zh) * | 2020-09-04 | 2021-08-19 | 平安科技(深圳)有限公司 | 区域健康建设进程评估方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108960562A (zh) | 一种区域影响力评估方法及装置 | |
Zagheni et al. | Demographic research with non-representative internet data | |
Haklay et al. | How many volunteers does it take to map an area well? The validity of Linus’ law to volunteered geographic information | |
Zagheni et al. | You are where you e-mail: using e-mail data to estimate international migration rates | |
Stropp et al. | Mapping ignorance: 300 years of collecting flowering plants in Africa | |
Engemann et al. | Limited sampling hampers “big data” estimation of species richness in a tropical biodiversity hotspot | |
Yuan et al. | Correlating mobile phone usage and travel behavior–A case study of Harbin, China | |
CN106605418A (zh) | 使用基于位置的服务的移动客户端的电力管理 | |
CN109544690B (zh) | 共享单车出行影响因素识别方法、系统及存储介质 | |
Jaligot et al. | National assessment of cultural ecosystem services: Participatory mapping in Switzerland | |
CN106960044B (zh) | 一种基于张量分解及加权hits的时间感知个性化poi推荐方法 | |
CN103914536A (zh) | 一种用于电子地图的兴趣点推荐方法及系统 | |
Corcoran et al. | Characterising the metric and topological evolution of OpenStreetMap network representations | |
Eckhard et al. | Partner market opportunities and union formation over the life course—A comparison of different measures | |
CN104679942A (zh) | 一种基于数据挖掘的建设用地承载效率测度方法 | |
Levy et al. | The gravitational law of social interaction | |
CN108062366A (zh) | 公共文化信息推荐系统 | |
CN108345662B (zh) | 一种考虑用户分布区域差异的签到微博数据加权统计方法 | |
CN109145225B (zh) | 一种数据处理方法及装置 | |
Bermingham et al. | Mining place-matching patterns from spatio-temporal trajectories using complex real-world places | |
Anderson et al. | Spatial clustering of average risks and risk trends in Bayesian disease mapping | |
Liang et al. | Assessing the validity of SafeGraph data for visitor monitoring in Yellowstone National Park | |
Ambrosetti et al. | Ukrainian migrants in the European Union: A comparative study of the Czech Republic and Italy | |
CN112950079B (zh) | 绿地供需数据处理方法、系统、计算机设备及存储介质 | |
Williams et al. | Measurement of human mobility using cell phone data: developing big data for demographic science |
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: 20181207 |
|
RJ01 | Rejection of invention patent application after publication |