CN109409921A - 电子设备的流行度的识别方法、装置、服务器 - Google Patents

电子设备的流行度的识别方法、装置、服务器 Download PDF

Info

Publication number
CN109409921A
CN109409921A CN201811014733.5A CN201811014733A CN109409921A CN 109409921 A CN109409921 A CN 109409921A CN 201811014733 A CN201811014733 A CN 201811014733A CN 109409921 A CN109409921 A CN 109409921A
Authority
CN
China
Prior art keywords
component
brand
model
probability
components
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
Application number
CN201811014733.5A
Other languages
English (en)
Inventor
徐峰
周海斌
杨洋
陈帅
陈弢
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Advanced New Technologies Co Ltd
Advantageous New Technologies Co Ltd
Original Assignee
Alibaba Group Holding Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Alibaba Group Holding Ltd filed Critical Alibaba Group Holding Ltd
Priority to CN201811014733.5A priority Critical patent/CN109409921A/zh
Publication of CN109409921A publication Critical patent/CN109409921A/zh
Pending legal-status Critical Current

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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2415—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on parametric or probabilistic models, e.g. based on likelihood ratio or false acceptance rate versus a false rejection rate

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Data Mining & Analysis (AREA)
  • Finance (AREA)
  • Development Economics (AREA)
  • Accounting & Taxation (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Biology (AREA)
  • Probability & Statistics with Applications (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

本说明书实施例公开了一种电子设备的流行度的识别方法，获取多个电子设备包含的每种部件的部件信息，再通过每种部件中每个品牌对应的部件数量和每种部件中每个型号对应的部件数量，获取到每种部件中每个品牌的使用概率和每种部件中每个型号的使用概率，然后利用各个品牌的使用概率获取到对应的主流品牌，以及利用各个型号的使用概率获取到对应的主流型号，如此，能够在多个维度(部件品牌和部件型号)进行分析，能够得到多个维度的分析结果。

Description

电子设备的流行度的识别方法、装置、服务器
技术领域
本说明书实施例涉及数据处理技术领域，尤其涉及一种电子设备的流行度的识别方法、装置、服务器。
背景技术
随着电子设备的普及，使得越来越多的人使用电子设备，但电子设备的老化和更新都很快，在对已有的电子设备进行更新时，需要实时侦测当前主流电子设备包含的各个部件的详细信息。此时，为了获取当前电子设备的流行机型，通常是通过购买外部数据来获取当前电子设备的流行机型，以提供业务活动进行针对性的营销计划，或提供技术部门进行针对性的性能优化。
现有技术中在获取当前电子设备的流行机型时，通常会从部件厂商购买电子设备的设备文档，然后对设备文档进行分析后得到，而此时，从厂商提供的设备文档中，虽然能获取详细的部件信息，但无法得到部件当前的流行程度。
发明内容
本说明书实施例提供了一种电子设备的流行度的识别方法、装置、服务器，能够从多个维度(部件品牌和部件型号)进行统计，得到多个维度的分析结果。
本说明书实施例第一方面提供了一种电子设备的流行度的识别方法，包括：
获取多个电子设备包含的每种部件的部件信息，其中，每种部件的部件信息包括每种部件中每个品牌对应的部件数量和每种部件中每个型号对应的部件数量；
利用每种部件的部件信息，获取每种部件中每个品牌的使用概率和每种部件中每个型号的使用概率；
利用每种部件中每个品牌的使用概率，获取所述多个电子设备包含的所有部件对应的主流品牌；以及利用每种部件中每个型号的使用概率，获取所述多个电子设备包含的所有部件对应的主流型号。
本说明书实施例第二方面提供了一种电子设备的流行度的识别装置，包括：
部件信息获取单元，用于获取多个电子设备包含的每种部件的部件信息，其中，每种部件的部件信息包括每种部件中每个品牌对应的部件数量和每种部件中每个型号对应的部件数量；
使用概率获取单元，用于利用每种部件的部件信息，获取每种部件中每个品牌的使用概率和每种部件中每个型号的使用概率；
主流品牌获取单元，用于利用每种部件中每个品牌的使用概率，获取所述多个电子设备包含的所有部件对应的主流品牌；
主流型号获取单元，用于利用每种部件中每个型号的使用概率，获取所述多个电子设备包含的所有部件对应的主流型号。
本说明书实施例第三方面还提供了一种服务器，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，所述处理器执行所述程序时实现上述电子设备的流行度的识别方法的步骤。
本说明书实施例第八方面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，该程序被处理器执行时上述电子设备的流行度的识别方法的步骤。
本说明书实施例的有益效果如下：
基于上述技术方案，通过每种部件中每个品牌对应的部件数量和每种部件中每个型号对应的部件数量，获取到每种部件中每个品牌的使用概率和每种部件中每个型号的使用概率，然后利用各个品牌的使用概率获取到对应的主流品牌，以及利用各个型号的使用概率获取到对应的主流型号，如此，能够在多个维度(部件品牌和部件型号)进行分析，能够得到多个维度的分析结果。
附图说明
图1为本说明书实施例中电子设备的流行度的识别应用场景示意图；
图2为本说明书实施例中电子设备的流行度的识别方法的方法流程图；
图3为本说明书实施例中电子设备的流行度的识别装置的结构示意图；
图4为本说明书实施例中服务器的结构示意图。
具体实施方式
为了更好的理解上述技术方案，下面通过附图以及具体实施例对本说明书实施例的技术方案做详细的说明，应当理解本说明书实施例以及实施例中的具体特征是对本说明书实施例技术方案的详细的说明，而不是对本说明书技术方案的限定，在不冲突的情况下，本说明书实施例以及实施例中的技术特征可以相互组合。
请参见图1，为本说明书实施例电子设备的流行度的识别应用场景示意图。多个电子设备10和服务器20。服务器20中设置有流行机型的识别系统200，每个电子设备10中设置有应用100，应用100能够请求每个电子设备10包含的每种部件的部件信息，应用100将请求到的每个电子设备10包含的每种部件的部件信息发送给服务器20；然后通过识别系统200对多个电子设备10包含的每种部件的部件信息进行分析，得到电子设备10所包含的每种部件中每个品牌的使用概率及每种部件中每个型号的使用概率，然后利用各个品牌的使用概率获取到对应的主流品牌，以及利用各个型号的使用概率获取到对应的主流型号，如此，能够在多个维度(部件品牌和部件型号)进行分析，能够得到多个维度的分析结果。
第一方面，如图2所示，本说明书实施例提供一种电子设备的流行度的识别方法，包括：
S202、获取多个电子设备包含的每种部件的部件信息，其中，每种部件的部件信息包括每种部件中每个品牌对应的部件数量和每种部件中每个型号对应的部件数量；
S204、利用每种部件的部件信息，获取每种部件中每个品牌的使用概率和每种部件中每个型号的使用概率；
S206、利用每种部件中每个品牌的使用概率，获取所述多个电子设备包含的所有部件对应的主流品牌；以及利用每种部件中每个型号的使用概率，获取所述多个电子设备包含的所有部件对应的主流型号。
其中，在步骤S202中，可以从部件日志中获取所述多个电子设备包含的每种部件的部件信息，此时，所述部件日志可以通过应用或网页向所述多个电子设备发送部件信息请求而得到的；还可以通过联网方式直接读取所述多个电子设备包含的每种部件的部件信息，本申请不作具体限制。
具体来讲，在从所述部件日志中获取所述多个电子设备包含的每种部件的部件信息时，针对所述多个电子设备包含的每种部件，从所述部件日志中获取与该种部件对应的部件字段，然后从获取的与该种部件对应的部件字段中提取该种部件的部件信息。针对每种部件执行上述操作，从而得到每种部件的部件信息。
本说明书实施例中，每种部件的部件信息至少包括每种部件中每个品牌对应的部件数量和每种部件中每个型号对应的部件数量，当然，每种部件的部件信息还可以包括每种部件的其它参数，例如以部件为CPU为例，CPU的部件信息包括CPU品牌对应的部件数量和CUP型号对应的部件数量之外，还包括CPU的频率；同理以部件为电源为例，电源的部件信息包括电源品牌对应的部件数量和CUP型号对应的部件数量之外，还包括电源的电压。
本说明书实施例中，所述电子设备可以为移动终端、台式终端等，所述移动终端例如为智能手表、智能手机、笔记本和平板电脑等，所述台式终端例如为台式电脑等；进一步地，所述多个电子设备指的是2个或2个以上的电子设备。
例如，以所述多个电子设备为台式电脑A1、A2和A3为例，A1、A2和A3中均安装有应用B，可以通过应用B向A1、A2和A3发送部件信息请求，并获取到A1、A2和A3因所述部件信息请求返回的部件信息存储在所述部件日志中，如此，针对A1、A2和A3包含的每种部件，从所述部件日志中获取与该种部件对应的部件字段，然后从获取的所述部件字段中提取该种部件的部件信息。
其中，若A1、A2和A3包含的每种部件为CPU、主板、显卡、显示器、声卡、电源、内存条和硬盘，如此，通过上述方式，可以从所述部件日志中获取到每种部件的部件信息，例如以CPU为例，品牌为因特尔(Intel)的CPU数量为2以及品牌为AMD的CPU为1，以及型号为Inteli5 8500的CPU数量为1，型号为Intel i7 7600的CPU数量为1和型号为AMD Ryzen 7 2700X的CPU数量为1。
本说明书另一实施例中，在获取多个电子设备包含的每种部件的部件信息时，还可以获取所述多个电子设备中每个设备品牌对应的电子设备数量。
具体来讲，可以在部件日志中获取所述多个电子设备中每个电子设备对应的设备品牌，然后根据每个电子设备对应的设备品牌，得到每个设备品牌对应的电子设备数量。
例如，以A1、A2和A3为例，从所述部件日志中获取A1对应的设备品牌为华为，A2对应的设备品牌为APPLE，A3对应的设备品牌为VIVO，则确定每个设备品牌对应的电子设备数量为：设备品牌为华为对应的电子设备数量为1，设备品牌为APPLE对应的电子设备数量为1，设备品牌为VIVO对应的电子设备数量为1。
接下来执行步骤S204，在该步骤中，可以分析步骤S202获取的每种部件的部件信息，得到每种部件中每个品牌的使用概率和每种部件中每个型号的使用概率。
具体来讲，在获取每种部件中每个品牌对应的部件数量之后，针对每种部件，获取该种部件中每个品牌对应的部件数量在该种部件中所有品牌对应的部件数量总和中的占比，将该种部件中每个品牌对应的占比作为该品牌的使用概率；同理，针对每种部件，获取该种部件中每个型号对应的部件数量在该种部件中所有型号对应的部件数量总和中的占比，将该种部件中每个型号对应的占比作为该型号的使用概率。
例如，以CPU为例，若CPU中intel对应的部件数量在CPU中所有品牌对应的部件数量总和中的占比为40％，则确定CPU中intel的使用概率为40％。同样，若CPU中型号为Inteli5 8500对应的部件数量在CPU中所有型号对应的部件数量总和中的占比为5.2％，则确定CPU中型号为Intel i5 8500的使用概率为5.2％。
本说明书另一实施例中，在获取每种部件中每个品牌对应的部件数量之后，针对每种部件，获取该种部件中每个品牌对应的部件数量在该种部件中所有品牌对应的部件数量总和中的占比，对将该种部件中每个品牌对应的占比取对数，得到该种部件中每个品牌对应的对数值作为该品牌的使用概率；同理，针对每种部件，获取该种部件中每个型号对应的部件数量在该种部件中所有型号对应的部件数量总和中的占比，对该种部件中每个型号对应的占比取对数，得到该种部件中每个型号对应的对数值作为该型号的使用概率。
由于每个品牌对应的占比和每个型号对应的占比的取值范围在0到1之间，而对占比取对数之后其得到的对数值的取值范围在负无穷到0之间，占比越高其对应的对数值越大，占比越小其对应的对数值越小，而且对数值的取值范围在负无穷到0之间，与占比的取值范围在0到1之间相比，通过对数值能够快速并清晰分析出使用概率的大小。
例如，以CPU为例，若CPU中intel对应的部件数量为b1，CPU中所有品牌对应的设在备数量总和为b，则确定CPU中intel的使用概率pct＝log(b1/b)；同理，若CPU中型号为Intel i5 8500对应的部件数量为b2，CPU中所有型号对应的部件数量总和也为b，则确定CPU中型号为Intel i5 8500的使用概率pct＝log(b2/b)。
本说明书实施中，以对数值用pct表示，CPU中每个品牌对应的pct具体如下表1所示：
CPU品牌 pct
intel(因特尔) -8.062
AMD -15.662
表1
其中，CPU中每个型号对应的pct具体如下表2所示：
CPU型号 pct
Intel酷睿i5 8400 -7.098
AMD Ryzen 7 2700X -15.662
Intel酷睿i7 8700 -22.029
Intel酷睿i5 7500 -14.969
AMD Ryzen 5 2600X -14.276
AMD Ryzen 5 2400G -10.943
表2
以及，主板中每个品牌对应的pct具体如下表3所示，以及主板中每个型号对应的pct具体如下表4所示：
主板品牌 pct
Asus(华硕) -15.012
MSI(微星) -19.548
Gigabyte(技嘉) -17.263
Intel(英特尔) -22.837
Colorful(七彩虹) -17.256
MAXSUN(铭瑄) -16.984
表3
主板型号 pct
B360 -11.536
B360M -19.378
Z370 -18.985
H310M -15.678
B250M -22.369
B450M -25.584
表4
如此，针对电子设备包含的每种部件，获取到每种部件中每个品牌的pct和每个型号的pct，从而得到每种部件中每个品牌的使用概率和每种部件中每个型号的使用概率。
本说明书另一实施例中，在步骤S202还获取所述多个电子设备中每个设备品牌对应的电子设备数量之后，步骤S204还执行以下步骤:
利用每个设备品牌对应的电子设备数量，获取每个设备品牌的使用概率。
例如，以A1、A2和A3为例，利用所述部件日志确定出设备品牌为华为对应的电子设备数量为1，设备品牌为APPLE对应的电子设备数量为1，设备品牌为VIVO对应的电子设备数量为1，则确定出设备品牌为华为对应的使用概率为1/3，设备品牌为APPLE对应的使用概率为1/3，以及设备品牌为VIVO对应的使用概率为1/3。
接下来执行步骤S206，在该步骤中，在得到每种部件中每个品牌的使用概率之后，根据每种部件中每个品牌的使用概率，获取到每种部件中品牌排名不小于预设品牌排名的匹配品牌，其中，每种部件的匹配品牌作为该种部件对应的主流品牌；利用每种部件对应的主流品牌，获取所述多个电子设备包含的所有部件对应的主流品牌。同理，根据每种部件中每个型号的使用概率，获取到每种部件中型号排名不小于预设型号排名的匹配型号，其中，每种部件的匹配型号作为该种部件的主流型号；利用每种部件对应的主流型号，获取所述多个电子设备包含的所有部件对应的主流型号。
具体来讲，可以利用每种部件中每个品牌的使用概率进行排序，得到每种部件中每个品牌的品牌排名，针对每种部件，将该种部件中每个品牌的品牌排名与所述预设品牌排名进行比较，得到该种部件中品牌排名不小于所述预设品牌排名的所有品牌作为该种部件的匹配品牌；如此，针对每种部件执行上述操作，得到每种部件对应的主流品牌；然后将每种部件对应的主流品牌进行组合，获取到所述多个电子设备包含的所有部件对应的主流品牌。
具体地，可以利用每种部件中每个型号的使用概率进行排序，得到每种部件中每个型号的型号排名，针对每种部件，将该种部件中每个型号的型号排名与所述预设型号排名进行比较，得到该种部件中型号排名不小于所述预设型号排名的所有型号作为该种部件的匹配型号；如此，针对每种部件执行上述操作，得到每种部件对应的主流型号；然后将每种部件对应的主流型号进行组合，获取到所述多个电子设备包含的所有部件对应的主流型号。
本说明书实施例中，所述预设型号排名通常设置为不小于1的整数，例如可以为1、2、3等值。相应地，所述预设品牌排名通常设置为不小于1的整数，例如可以为1、2、3等值。下面具体以所述预设型号排名和所述预设品牌排名均为1举例。
例如，以表1和表2为例，根据表1中pct的值，得到-8.062>-15.662，则确定cpu的品牌排名依次为Intel和AMD，由于所述预设品牌排名为1，则确定CPU的匹配品牌为Intel，即Intel为CPU的主流品牌；同理，根据表2中的pct的值，得到-7.098最大，此时所述预设型号排名为1，则确定CPU的匹配型号为Intel酷睿i5 8400，即Intel酷睿i5 8400为CPU的主流型号。
以及，参见表3和表4，根据表3中pct的值，确定-15.012最大，由于所述预设品牌排名为1，则确定主板的匹配品牌为Asus，即Asus为主板的主流品牌；相应地，根据表4中的pct的值，得到-11.536最大，此时所述预设型号排名为1，则确定主板的匹配型号为B360，即B360为主板的主流型号。
如此，针对每种部件的每个品牌执行上述操作，得到每种部件对应的主流品牌，以及针对每种部件的每个型号执行上述操作，得到每种部件对应的主流型号；然后将每种部件对应的主流品牌型号进行组合，得到获取到A1、A2和A3所包含的所有部件对应的主流品牌例如包括CPU的主流品牌为Intel、主板的主流品牌为Asus等；同理，将每种部件对应的主流型号进行组合，得到获取到A1、A2和A3所包含的所有部件对应的主流型号例如为包括CPU的主流型号为Intel酷睿i5 8400、主板的主流型号为B360等。
如此，通过上述方式，获取到每种部件的主流品牌的品牌排名均在所述预设品牌排名之前，如此，使得每种部件的主流品牌均是排名前列的品牌，促使其得到的每种部件的主流品牌的准确度较高；然后将每种部件的主流品牌进行组合，得到所述多个电子设备所包含的所有部件对应的主流品牌，由此可知，在每种部件的主流品牌的准确度较高的基础上，获取的所有部件对应的主流品牌的准确度也会随之提高；以及获取到每种部件的主流型号的型号排名均在所述预设型号排名之前，如此，使得每种部件的主流型号均是排名前列的型号，促使其得到的每种部件的主流型号的准确度较高；然后将每种部件的主流型号进行组合，得到所述多个电子设备所包含的所有部件对应的主流型号，由此可知，在每种部件的主流型号的准确度较高的基础上，获取的所有部件对应的主流型号的准确度也会随之提高。
另外，通过每种部件中每个品牌对应的部件数量和每种部件中每个型号对应的部件数量，获取到每种部件中每个品牌的使用概率和每种部件中每个型号的使用概率，然后利用各个品牌的使用概率获取到对应的主流品牌，以及利用各个型号的使用概率获取到对应的主流型号，如此，能够在多个维度(设备品牌、部件型号和部件型号)进行分析，能够得到多个维度的分析结果。
本说明书另一实施例中，在通过步骤S204获取每个设备品牌的使用概率之后，步骤S206还执行以下步骤:
利用每个设备品牌的使用概率,获取所述多个电子设备对应的主流设备品牌。
在该实施例中，根据每个设备品牌的使用概率，获取到设备品牌排名不小于预设排名的匹配设备品牌，其中，所述匹配设备品牌作为所述主流设备品牌。
具体来讲，可以利用每个设备品牌的使用概率进行排序，得到每个设备品牌的设备品牌排名，针对每个设备品牌，将该个设备品牌的设备品牌排名与所述预设排名进行比较，得到设备品牌排名不小于所述预设排名的所有设备品牌作为所述匹配设备品牌；如此，针对每种设备品牌执行上述操作，得到所述主流设备品牌。
本说明书实施例中，所述预设排名通过设置为不小于1的整数，例如可以为1、2、3等值。
例如，获取到设备品牌为华为对应的使用概率为32％，设备品牌为APPLE对应的使用概率为25％，以及设备品牌为VIVO对应的使用概率为28％，由于32％>28％>25％，则确定所述设备品牌排名从前到后依次为华为、VIVO和APPLE,若所述预设排名为1，则确定所述匹配设备品牌为华为，即得到主流设备品牌为华为。
又例如，获取到设备品牌为华为对应的使用概率为-9.058，设备品牌为APPLE对应的使用概率为-12.548，以及设备品牌为VIVO对应的使用概率为-10.968，由于-9.058>-10.968>-12.548，则确定所述设备品牌排名从前到后依次为华为、VIVO和APPLE,若所述预设排名为1，则确定所述匹配设备品牌为华为，即得到主流设备品牌为华为。
如此，通过上述方式可以获取每种部件对应的主流品牌、每种部件对应的主流型号和所述主流设备品牌，从而能够在多个维度(部件品牌、部件型号和设备品牌)进行分析，能够得到多个维度的分析结果，在分析结果为对数值时，能够以量化的方式展现多个维度的分析结果，使得分析结果的辨识度更高。
另外，在通过所述部件日志中获取所述多个电子设备包含的每种部件的部件信息和所述多个电子设备中每个设备品牌对应的电子设备数量时，所述部件日志的更新速度极快，使得获取的每种部件对应的主流品牌、每种部件对应的主流型号和所述主流设备品牌的实时性和准确性更高。
另外，在获取每种部件对应的主流品牌、每种部件对应的主流型号和所述主流设备品牌之后，可以根据获取的每种部件对应的主流品牌、每种部件对应的主流型号和所述主流设备品牌，对相应部件进行APP性能优化，提升用户体验；还可以针对性为相应部件的提供商提供营销活动的方案，拉大用户活跃度；还可以向企业开放上述数据等。
第二方面，基于相同的技术构思，本说明书实施例提供一种电子设备的流行度的识别装置，，如图3所示，包括以下步骤：
部件信息获取单元301，用于获取多个电子设备包含的每种部件的部件信息，其中，每种部件的部件信息包括每种部件中每个品牌对应的部件数量和每种部件中每个型号对应的部件数量；
使用概率获取单元302，用于利用每种部件的部件信息，获取每种部件中每个品牌的使用概率和每种部件中每个型号的使用概率；
主流品牌获取单元303，用于利用每种部件中每个品牌的使用概率，获取所述多个电子设备包含的所有部件对应的主流品牌；
主流型号获取单元304，用于利用每种部件中每个型号的使用概率，获取所述多个电子设备包含的所有部件对应的主流型号。
在一种可选方式中，部件信息获取单元301，具体用于从部件日志中获取所述多个电子设备包含的每种部件的部件信息，其中，所述部件日志可以通过应用向所述多个电子设备发送部件信息请求而得到的。
在一种可选方式中，部件信息获取单元301，还用于针对每种部件，从所述部件日志中获取与该种部件对应的部件字段；以及从获取的与该种部件对应的部件字段中提取该种部件的部件信息，得到每种部件的部件信息。
在一种可选方式中，使用概率获取单元302，具体包括：
品牌使用概率获取子单元，用于根据每种部件中每个品牌对应的部件数量，针对每种部件，获取该种部件中每个品牌对应的部件数量在该种部件中所有品牌对应的部件数量总和中的占比，对将该种部件中每个品牌对应的占比取对数，得到该种部件中每个品牌对应的对数值作为该品牌的使用概率；以及
型号使用概率获取子单元，用于根据每种部件中每个型号对应的部件数量，针对每种部件，获取该种部件中每个型号对应的部件数量在该种部件中所有型号对应的部件数量总和中的占比，对该种部件中每个型号对应的占比取对数，得到该种部件中每个型号对应的对数值作为该型号的使用概率。
在一种可选方式中，主流品牌获取单元303，具体用于根据每种部件中每个品牌的使用概率，获取到每种部件中品牌排名不小于预设品牌排名的匹配品牌，其中，每种部件的匹配品牌作为该种部件对应的主流品牌；利用每种部件对应的主流品牌，获取所述多个电子设备包含的所有部件对应的主流品牌。
在一种可选方式中，主流型号获取单元304，具体用于根据每种部件中每个型号的使用概率，获取到每种部件中型号排名不小于预设型号排名的匹配型号，其中，每种部件的匹配型号作为该种部件的主流型号；
利用每种部件对应的主流型号，获取所述多个电子设备包含的所有部件对应的主流型号。
在一种可选方式中，所述识别装置还包括：
电子设备数量获取单元，用于在获取多个电子设备包含的每种部件的部件信息时，获取所述多个电子设备中每个设备品牌对应的电子设备数量；
使用概率获取单元302，还用于利用每个设备品牌对应的电子设备数量，获取每个设备品牌的使用概率；
主流品牌获取单元303，还用于利用每个设备品牌的使用概率,获取所述多个电子设备对应的主流设备品牌。
第三方面，基于与前述实施例中电子设备的流行度的识别方法同样的发明构思，本说明书实施例还提供一种服务器，如图4所示，包括存储器304、处理器302及存储在存储器404上并可在处理器402上运行的计算机程序，所述处理器402执行所述程序时实现前文所述电子设备的流行度的识别方法的任一方法的步骤。
其中，在图4中，总线架构(用总线400来代表)，总线400可以包括任意数量的互联的总线和桥，总线400将包括由处理器402代表的一个或多个处理器和存储器404代表的存储器的各种电路链接在一起。总线400还可以将诸如外围部件、稳压器和功率管理电路等之类的各种其他电路链接在一起，这些都是本领域所公知的，因此，本文不再对其进行进一步描述。总线接口405在总线400和接收器401和发送器403之间提供接口。接收器401和发送器403可以是同一个元件，即收发机，提供用于在传输介质上与各种其他装置通信的单元。处理器402负责管理总线400和通常的处理，而存储器404可以被用于存储处理器402在执行操作时所使用的数据。
第八方面，基于与前述实施例中电子设备的流行度的识别方法的发明构思，本说明书实施例还提供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前文所述电子设备的流行度的识别方法的任一方法的步骤。
本说明书是参照根据本说明书实施例的方法、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设备。
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设备的制造品，该指令设备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设备上，使得在计算机或其他可编程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。
尽管已描述了本说明书的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作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说明书范围的所有变更和修改。
显然，本领域的技术人员可以对本说明书进行各种改动和变型而不脱离本说明书的精神和范围。这样，倘若本说明书的这些修改和变型属于本说明书权利要求及其等同技术的范围之内，则本说明书也意图包含这些改动和变型在内。

Claims (16)

1.一种电子设备的流行度的识别方法，包括：
获取多个电子设备包含的每种部件的部件信息，其中，每种部件的部件信息包括每种部件中每个品牌对应的部件数量和每种部件中每个型号对应的部件数量；
利用每种部件的部件信息，获取每种部件中每个品牌的使用概率和每种部件中每个型号的使用概率；
利用每种部件中每个品牌的使用概率，获取所述多个电子设备包含的所有部件对应的主流品牌；以及利用每种部件中每个型号的使用概率，获取所述多个电子设备包含的所有部件对应的主流型号。
2.如权利要求1所述的识别方法，所述获取多个电子设备包含的每种部件的部件信息，具体包括：
从部件日志中获取所述多个电子设备包含的每种部件的部件信息，其中，所述部件日志可以通过应用向所述多个电子设备发送部件信息请求而得到的。
3.如权利要求2所述的识别方法，所述从部件日志中获取所述多个电子设备包含的每种部件的部件信息，具体包括：
针对每种部件，从所述部件日志中获取与该种部件对应的部件字段；以及从获取的与该种部件对应的部件字段中提取该种部件的部件信息，得到每种部件的部件信息。
4.权利要求1所述的识别方法，所述利用每种部件的部件信息，获取每种部件中每个品牌的使用概率和每种部件中每个型号的使用概率，具体包括：
根据每种部件中每个品牌对应的部件数量，针对每种部件，获取该种部件中每个品牌对应的部件数量在该种部件中所有品牌对应的部件数量总和中的占比，对将该种部件中每个品牌对应的占比取对数，得到该种部件中每个品牌对应的对数值作为该品牌的使用概率；以及
根据每种部件中每个型号对应的部件数量，针对每种部件，获取该种部件中每个型号对应的部件数量在该种部件中所有型号对应的部件数量总和中的占比，对该种部件中每个型号对应的占比取对数，得到该种部件中每个型号对应的对数值作为该型号的使用概率。
5.如权利要求1所述的方法，所述利用每种部件中每个品牌的使用概率，获取所述多个电子设备包含的所有部件对应的主流品牌，具体包括：
根据每种部件中每个品牌的使用概率，获取到每种部件中品牌排名不小于预设品牌排名的匹配品牌，其中，每种部件的匹配品牌作为该种部件对应的主流品牌；
利用每种部件对应的主流品牌，获取所述多个电子设备包含的所有部件对应的主流品牌。
6.如权利要求1所述的识别方法，所述利用每种部件中每个型号的使用概率，获取所述多个电子设备包含的所有部件对应的主流型号，具体包括：
根据每种部件中每个型号的使用概率，获取到每种部件中型号排名不小于预设型号排名的匹配型号，其中，每种部件的匹配型号作为该种部件的主流型号；
利用每种部件对应的主流型号，获取所述多个电子设备包含的所有部件对应的主流型号。
7.如权利要求1-6任一项所述的识别方法，在获取多个电子设备包含的每种部件的部件信息时，所述方法还包括：
获取所述多个电子设备中每个设备品牌对应的电子设备数量；
利用每个设备品牌对应的电子设备数量，获取每个设备品牌的使用概率；
利用每个设备品牌的使用概率,获取所述多个电子设备对应的主流设备品牌。
8.一种电子设备的流行度的识别装置，包括：
部件信息获取单元，用于获取多个电子设备包含的每种部件的部件信息，其中，每种部件的部件信息包括每种部件中每个品牌对应的部件数量和每种部件中每个型号对应的部件数量；
使用概率获取单元，用于利用每种部件的部件信息，获取每种部件中每个品牌的使用概率和每种部件中每个型号的使用概率；
主流品牌获取单元，用于利用每种部件中每个品牌的使用概率，获取所述多个电子设备包含的所有部件对应的主流品牌；
主流型号获取单元，用于利用每种部件中每个型号的使用概率，获取所述多个电子设备包含的所有部件对应的主流型号。
9.如权利要求8所述的识别装置，所述部件信息获取单元，具体用于从部件日志中获取所述多个电子设备包含的每种部件的部件信息，其中，所述部件日志可以通过应用向所述多个电子设备发送部件信息请求而得到的。
10.如权利要求9所述的识别装置，所述部件信息获取单元，还用于针对每种部件，从所述部件日志中获取与该种部件对应的部件字段；以及从获取的与该种部件对应的部件字段中提取该种部件的部件信息，得到每种部件的部件信息。
11.权利要求8所述的识别装置，所述使用概率获取单元，具体包括：
品牌使用概率获取子单元，用于根据每种部件中每个品牌对应的部件数量，针对每种部件，获取该种部件中每个品牌对应的部件数量在该种部件中所有品牌对应的部件数量总和中的占比，对将该种部件中每个品牌对应的占比取对数，得到该种部件中每个品牌对应的对数值作为该品牌的使用概率；以及
型号使用概率获取子单元，用于根据每种部件中每个型号对应的部件数量，针对每种部件，获取该种部件中每个型号对应的部件数量在该种部件中所有型号对应的部件数量总和中的占比，对该种部件中每个型号对应的占比取对数，得到该种部件中每个型号对应的对数值作为该型号的使用概率。
12.如权利要求8所述的方法，所述主流品牌获取单元，具体用于根据每种部件中每个品牌的使用概率，获取到每种部件中品牌排名不小于预设品牌排名的匹配品牌，其中，每种部件的匹配品牌作为该种部件对应的主流品牌；利用每种部件对应的主流品牌，获取所述多个电子设备包含的所有部件对应的主流品牌。
13.如权利要求8所述的识别装置，所述主流型号获取单元，具体用于根据每种部件中每个型号的使用概率，获取到每种部件中型号排名不小于预设型号排名的匹配型号，其中，每种部件的匹配型号作为该种部件的主流型号；
利用每种部件对应的主流型号，获取所述多个电子设备包含的所有部件对应的主流型号。
14.如权利要求8-13任一项所述的识别装置，还包括：
电子设备数量获取单元，用于在获取多个电子设备包含的每种部件的部件信息时，获取所述多个电子设备中每个设备品牌对应的电子设备数量；
所述使用概率获取单元，还用于利用每个设备品牌对应的电子设备数量，获取每个设备品牌的使用概率；
所述主流品牌获取单元，还用于利用每个设备品牌的使用概率,获取所述多个电子设备对应的主流设备品牌。
15.一种服务器，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，所述处理器执行所述程序时实现权利要求1-7任一项所述方法的步骤。
16.一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权利要求1-7任一项所述方法的步骤。
CN201811014733.5A 2018-08-31 2018-08-31 电子设备的流行度的识别方法、装置、服务器 Pending CN109409921A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811014733.5A CN109409921A (zh) 2018-08-31 2018-08-31 电子设备的流行度的识别方法、装置、服务器

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811014733.5A CN109409921A (zh) 2018-08-31 2018-08-31 电子设备的流行度的识别方法、装置、服务器

Publications (1)

Publication Number Publication Date
CN109409921A true CN109409921A (zh) 2019-03-01

Family

ID=65463844

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811014733.5A Pending CN109409921A (zh) 2018-08-31 2018-08-31 电子设备的流行度的识别方法、装置、服务器

Country Status (1)

Country Link
CN (1) CN109409921A (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101326512A (zh) * 2005-12-12 2008-12-17 微软公司 自动的设备博客创建
CN101964813A (zh) * 2010-09-21 2011-02-02 北京网康科技有限公司 一种在gprs网络中检测终端信息的方法及系统
CN102695165A (zh) * 2011-03-22 2012-09-26 中兴通讯股份有限公司 一种获取用户设备国际移动设备身份的方法及系统
CN103532751A (zh) * 2013-10-09 2014-01-22 北京奇虎科技有限公司 网络接入设备管理方法和装置
CN104767563A (zh) * 2015-03-19 2015-07-08 小米科技有限责任公司 信息收集方法及装置
CN106682868A (zh) * 2015-11-10 2017-05-17 北京计算机技术及应用研究所 办公自动化设备存储部件的在线数据提取设备及方法
CN106980646A (zh) * 2017-02-27 2017-07-25 上海大学 基于流行度对用户兴趣的影响机制分析及其在推荐算法中应用的方法
CN107222787A (zh) * 2017-06-02 2017-09-29 中国科学技术大学 视频资源流行度预测方法
CN108171544A (zh) * 2017-12-26 2018-06-15 上海展扬通信技术有限公司 一种销量统计的方法及装置

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101326512A (zh) * 2005-12-12 2008-12-17 微软公司 自动的设备博客创建
CN101964813A (zh) * 2010-09-21 2011-02-02 北京网康科技有限公司 一种在gprs网络中检测终端信息的方法及系统
CN102695165A (zh) * 2011-03-22 2012-09-26 中兴通讯股份有限公司 一种获取用户设备国际移动设备身份的方法及系统
CN103532751A (zh) * 2013-10-09 2014-01-22 北京奇虎科技有限公司 网络接入设备管理方法和装置
CN104767563A (zh) * 2015-03-19 2015-07-08 小米科技有限责任公司 信息收集方法及装置
CN106682868A (zh) * 2015-11-10 2017-05-17 北京计算机技术及应用研究所 办公自动化设备存储部件的在线数据提取设备及方法
CN106980646A (zh) * 2017-02-27 2017-07-25 上海大学 基于流行度对用户兴趣的影响机制分析及其在推荐算法中应用的方法
CN107222787A (zh) * 2017-06-02 2017-09-29 中国科学技术大学 视频资源流行度预测方法
CN108171544A (zh) * 2017-12-26 2018-06-15 上海展扬通信技术有限公司 一种销量统计的方法及装置

Similar Documents

Publication Publication Date Title
CN102880501B (zh) 应用推荐的实现方法、装置和系统
CN105630977B (zh) 应用程序推荐方法、装置及系统
CN108255847B (zh) 页面生成方法及装置
US20200090269A1 (en) Data collection method and apparatus for risk evaluation, and electronic device
CN106130972B (zh) 资源访问控制方法和装置
CN110197402B (zh) 基于用户群的用户标签分析方法、装置、设备和存储介质
CN108366114A (zh) 应用防沉迷的方法、装置、终端及计算机可读存储介质
CN108810047A (zh) 用于确定信息推送准确率的方法、装置及服务器
CN113946590A (zh) 积分数据更新方法、装置、设备及存储介质
CN109376927A (zh) 一种用户年龄预测方法、装置及设备
CN108876409A (zh) 一种高校贫困资助认证方法、系统及相关设备
CN105959306A (zh) Ip地址的识别方法及装置
CN109495562A (zh) 获取设备标识的方法及装置
CN112966756A (zh) 一种可视化的准入规则的生成方法、装置、机器可读介质及设备
CN108182180A (zh) 用于生成信息的方法和装置
CN109191140B (zh) 一种评分卡模型整合方法及装置
CN109409921A (zh) 电子设备的流行度的识别方法、装置、服务器
CN110309328B (zh) 数据存储方法、装置、电子设备及存储介质
CN113408817B (zh) 流量分发方法、装置、设备及存储介质
CN105591842A (zh) 一种获取移动终端操作系统版本的方法和装置
CN109902698A (zh) 信息生成方法和装置
CN110347683B (zh) 一种数据表合并处理方法及装置
CN107483595A (zh) 信息推送方法和装置
CN112836971A (zh) 配额资源的确定方法和装置、电子设备和存储介质
CN109164986A (zh) 云盘数据处理方法、装置、电子设备及存储介质

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
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20200925

Address after: Cayman Enterprise Centre, 27 Hospital Road, George Town, Grand Cayman Islands

Applicant after: Innovative advanced technology Co.,Ltd.

Address before: Cayman Enterprise Centre, 27 Hospital Road, George Town, Grand Cayman Islands

Applicant before: Advanced innovation technology Co.,Ltd.

Effective date of registration: 20200925

Address after: Cayman Enterprise Centre, 27 Hospital Road, George Town, Grand Cayman Islands

Applicant after: Advanced innovation technology Co.,Ltd.

Address before: A four-storey 847 mailbox in Grand Cayman Capital Building, British Cayman Islands

Applicant before: Alibaba Group Holding Ltd.

RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20190301