CN109697637A - 对象类别确定方法、装置、电子设备及计算机存储介质 - Google Patents
对象类别确定方法、装置、电子设备及计算机存储介质 Download PDFInfo
- Publication number
- CN109697637A CN109697637A CN201811613813.2A CN201811613813A CN109697637A CN 109697637 A CN109697637 A CN 109697637A CN 201811613813 A CN201811613813 A CN 201811613813A CN 109697637 A CN109697637 A CN 109697637A
- Authority
- CN
- China
- Prior art keywords
- target object
- feature
- feature information
- information
- 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
- 238000000034 method Methods 0.000 title claims abstract description 77
- 239000013598 vector Substances 0.000 claims abstract description 116
- 238000012545 processing Methods 0.000 description 28
- 238000010586 diagram Methods 0.000 description 15
- 238000005192 partition Methods 0.000 description 15
- 238000004364 calculation method Methods 0.000 description 8
- 238000004590 computer program Methods 0.000 description 6
- 238000009955 starching Methods 0.000 description 6
- 230000006399 behavior Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 230000004069 differentiation Effects 0.000 description 3
- 238000000638 solvent extraction Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 2
- 238000000691 measurement method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
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
- 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
- G06Q30/0204—Market segmentation
- G06Q30/0205—Location or geographical consideration
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)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本公开实施例公开了一种对象类别确定方法、装置、电子设备及计算机存储介质,所述对象类别确定方法包括:确定地理区域划分粒度,并根据所述划分粒度确定目标对象;获取所述目标对象在所述地理区域中的特征信息,并基于所述特征信息生成所述目标对象的特征向量;根据所述目标对象的特征向量,确定所述目标对象的类别。该技术方案能够自动进行特征提取和分析得到目标对象的类别,不仅能够有效提高分类的准确性、控制运算量、实现目标对象和网格的区分,还能够大大减少人力的投入,提高工作效率。
Description
技术领域
本公开涉及数据处理技术领域,具体涉及一种对象类别确定方法、装置、电子设备及计算机存储介质。
背景技术
随着互联网技术的发展,越来越多的商家或者服务提供商通过互联网平台来为用户提供服务。为了提高服务质量、提升用户的使用体验,通常需要对于用户的行为特点进行分析,以对其进行有针对性地、差异化地处理。比如,可以根据用户的特点对其进行地域性网格化处理,形成不同的商圈,以对不同商圈的用户实施不同的激励措施。在现有技术中,通常采用两种方法来进行用户网格化处理,一种是直接根据用户所在地域的不同进行粗略划分,这种方法操作简单,运算量低,但是划分准确率不足,即被划分为同一区域的用户特点未必相近,这样就会使得后续的差异化处理存在较大的误差;另一种是根据用户的实时信息进行人为的划分,这种方法较第一种方法准确率高,但是划分因素还是不完备,而且运算量极大,需要投入很多的人力,效率低下。
发明内容
本公开实施例提供一种对象类别确定方法、装置、电子设备及计算机存储介质。
第一方面,本公开实施例中提供了一种对象类别确定方法。
具体的,所述对象类别确定方法,包括:
确定地理区域划分粒度,并根据所述划分粒度确定目标对象;
获取所述目标对象在所属地理区域中的特征信息,并基于所述特征信息生成所述目标对象的特征向量;
根据所述目标对象的特征向量,确定所述目标对象的类别。
结合第一方面,本公开在第一方面的第一种实现方式中,所述特征信息为具有时间维度和特征维度的二维特征信息。
结合第一方面和第一方面的第一种实现方式,本发明实施例在第一方面的第二种实现方式中,所述二维特征信息包括每隔预设时间段内获得的特征信息,其中,所述特征信息包括以下信息中的一种或多种:某一预设时间段内的配送资源数量、某一预设时间段内的任务生成数量、某一预设时间段内的配送资源已接收但未完成任务数量、历史特征信息、预测特征信息。
结合第一方面、第一方面的第一种实现方式和第一方面的第二种实现方式,本发明实施例在第一方面的第三种实现方式中,所述获取所述目标对象在所属地理区域中的特征信息,并基于所述特征信息生成所述目标对象的特征向量,包括:
获取所述目标对象在所属地理区域中的特征信息;
对于所述特征信息进行组合,得到所述目标对象的特征向量。
结合第一方面、第一方面的第一种实现方式、第一方面的第二种实现方式和第一方面的第三种实现方式,本发明实施例在第一方面的第四种实现方式中,所述根据所述目标对象的特征向量,确定所述目标对象的类别,包括:
确定目标对象和类别数量;
基于所述目标对象的特征向量和类别数量,对于所述目标对象进行聚类处理,得到所述目标对象的类别。
结合第一方面、第一方面的第一种实现方式、第一方面的第二种实现方式、第一方面的第三种实现方式和第一方面的第四种实现方式,本发明实施例在第一方面的第五种实现方式中,所述基于所述目标对象的特征向量和类别数量,对于所述目标对象进行聚类处理,得到所述目标对象的类别,包括:
计算所述目标对象的特征向量之间的距离;
根据所述类别数量确定与类别数量对应的距离阈值;
将特征向量之间的距离满足所述距离阈值要求的目标对象分为一类。
结合第一方面、第一方面的第一种实现方式、第一方面的第二种实现方式、第一方面的第三种实现方式、第一方面的第四种实现方式和第一方面的第五种实现方式,本发明实施例在第一方面的第六种实现方式中,还包括:
根据确定的所述目标对象的类别执行预设操作。
第二方面,本公开实施例中提供了一种对象类别确定装置。
具体的,所述对象类别确定装置,包括:
第一确定模块,被配置为确定地理区域划分粒度,并根据所述划分粒度确定目标对象;
获取模块,被配置为获取所述目标对象在所属地理区域中的特征信息,并基于所述特征信息生成所述目标对象的特征向量;
第二确定模块,被配置为根据所述目标对象的特征向量,确定所述目标对象的类别。
结合第二方面,本公开在第二方面的第一种实现方式中,所述特征信息为具有时间维度和特征维度的二维特征信息。
结合第二方面和第二方面的第一种实现方式,本发明实施例在第二方面的第二种实现方式中,所述二维特征信息包括每隔预设时间段内获得的特征信息,其中,所述特征信息包括以下信息中的一种或多种:某一预设时间段内的配送资源数量、某一预设时间段内的任务生成数量、某一预设时间段内的配送资源已接收但未完成任务数量、历史特征信息、预测特征信息。
结合第二方面、第二方面的第一种实现方式和第二方面的第二种实现方式,本发明实施例在第二方面的第三种实现方式中,所述获取模块包括:
获取子模块,被配置为获取所述目标对象在所属地理区域中的特征信息;
组合子模块,被配置为对于所述特征信息进行组合,得到所述目标对象的特征向量。
结合第二方面、第二方面的第一种实现方式、第二方面的第二种实现方式和第二方面的第三种实现方式,本发明实施例在第二方面的第四种实现方式中,所述第二确定模块包括:
第一确定子模块,被配置为确定目标对象和类别数量;
处理子模块,被配置为基于所述目标对象的特征向量和类别数量,对于所述目标对象进行聚类处理,得到所述目标对象的类别。
结合第二方面、第二方面的第一种实现方式、第二方面的第二种实现方式、第二方面的第三种实现方式和第二方面的第四种实现方式,本发明实施例在第二方面的第五种实现方式中,所述处理子模块包括:
计算子模块,被配置为计算所述目标对象的特征向量之间的距离;
第二确定子模块,被配置为根据所述类别数量确定与类别数量对应的距离阈值;
划分子模块,被配置为将特征向量之间的距离满足所述距离阈值要求的目标对象分为一类。
结合第二方面、第二方面的第一种实现方式、第二方面的第二种实现方式、第二方面的第三种实现方式、第二方面的第四种实现方式和第二方面的第五种实现方式,本发明实施例在第二方面的第六种实现方式中,还包括:
执行模块,被配置为根据确定的所述目标对象的类别执行预设操作。
第三方面,本公开实施例提供了一种电子设备,包括存储器和处理器,其中,所述存储器用于存储一条或多条计算机指令,其中,所述一条或多条计算机指令被所述处理器执行以实现以下方法步骤:
确定地理区域划分粒度,并根据所述划分粒度确定目标对象;
获取所述目标对象在所属地理区域中的特征信息,并基于所述特征信息生成所述目标对象的特征向量;
根据所述目标对象的特征向量,确定所述目标对象的类别。
结合第三方面,本公开在第三方面的第一种实现方式中,所述特征信息为具有时间维度和特征维度的二维特征信息。
结合第三方面和第三方面的第一种实现方式,本发明实施例在第三方面的第二种实现方式中,所述二维特征信息包括每隔预设时间段内获得的特征信息,其中,所述特征信息包括以下信息中的一种或多种:某一预设时间段内的配送资源数量、某一预设时间段内的任务生成数量、某一预设时间段内的配送资源已接收但未完成任务数量、历史特征信息、预测特征信息。
结合第三方面、第三方面的第一种实现方式和第三方面的第二种实现方式,本发明实施例在第三方面的第三种实现方式中,所述获取所述目标对象在所属地理区域中的特征信息,并基于所述特征信息生成所述目标对象的特征向量,包括:
获取所述目标对象在所属地理区域中的特征信息;
对于所述特征信息进行组合,得到所述目标对象的特征向量。
结合第三方面、第三方面的第一种实现方式、第三方面的第二种实现方式和第三方面的第三种实现方式,本发明实施例在第三方面的第四种实现方式中,所述根据所述目标对象的特征向量,确定所述目标对象的类别,包括:
确定目标对象和类别数量;
基于所述目标对象的特征向量和类别数量,对于所述目标对象进行聚类处理,得到所述目标对象的类别。
结合第三方面、第三方面的第一种实现方式、第三方面的第二种实现方式、第三方面的第三种实现方式和第三面的第四种实现方式,本发明实施例在第三方面的第五种实现方式中,所述基于所述目标对象的特征向量和类别数量,对于所述目标对象进行聚类处理,得到所述目标对象的类别,包括:
计算所述目标对象的特征向量之间的距离;
根据所述类别数量确定与类别数量对应的距离阈值;
将特征向量之间的距离满足所述距离阈值要求的目标对象分为一类。
结合第三方面、第三方面的第一种实现方式、第三方面的第二种实现方式、第三方面的第三种实现方式、第三方面的第四种实现方式和第三方面的第五种实现方式,本发明实施例在第三方面的第六种实现方式中,还包括:
根据确定的所述目标对象的类别执行预设操作。
第四方面,本公开实施例提供了一种计算机可读存储介质,用于存储对象类别确定装置所用的计算机指令,其包含用于执行上述第一方面中对象类别确定方法为对象类别确定装置所涉及的计算机指令。
本公开实施例提供的技术方案可以包括以下有益效果:
上述技术方案根据地理区域划分粒度确定待分类的目标对象,并获取目标对象在其所在地理区域中的特征信息,基于这些特征信息生成特征向量,并对于生成的特征向量进行分析,以确定目标对象的类别。该技术方案能够自动进行特征提取和分析得到目标对象的类别,不仅能够有效提高分类的准确性、控制运算量、实现目标对象和网格的区分,还能够大大减少人力的投入,提高工作效率。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。
附图说明
结合附图,通过以下非限制性实施方式的详细描述,本公开的其它特征、目的和优点将变得更加明显。在附图中:
图1示出根据本公开一实施方式的对象类别确定方法的流程图;
图2示出根据图1所示实施方式的对象类别确定方法的步骤S102的流程图;
图3示出根据图1所示实施方式的对象类别确定方法的步骤S103的流程图;
图4示出根据图3所示实施方式的对象类别确定方法的步骤S302的流程图;
图5示出根据本公开另一实施方式的对象类别确定方法的流程图;
图6示出根据本公开一实施方式的对象类别确定装置的结构框图;
图7示出根据图6所示实施方式的对象类别确定装置的获取模块602的结构框图;
图8示出根据图6所示实施方式的对象类别确定装置的第二确定模块603的结构框图;
图9示出根据图8所示实施方式的对象类别确定装置的处理子模块802的结构框图;
图10示出根据本公开另一实施方式的对象类别确定装置的结构框图;
图11示出根据本公开一实施方式的电子设备的结构框图;
图12是适于用来实现根据本公开一实施方式的对象类别确定方法的计算机系统的结构示意图。
具体实施方式
下文中,将参考附图详细描述本公开的示例性实施方式,以使本领域技术人员可容易地实现它们。此外,为了清楚起见,在附图中省略了与描述示例性实施方式无关的部分。
在本公开中,应理解,诸如“包括”或“具有”等的术语旨在指示本说明书中所公开的特征、数字、步骤、行为、部件、部分或其组合的存在,并且不欲排除一个或多个其他特征、数字、步骤、行为、部件、部分或其组合存在或被添加的可能性。
另外还需要说明的是,在不冲突的情况下,本公开中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本公开。
本公开实施例提供的技术方案根据地理区域划分粒度确定待分类的目标对象,并获取目标对象在其所在地理区域中的特征信息,基于这些特征信息生成特征向量,并对于生成的特征向量进行分析,以确定目标对象的类别。该技术方案能够自动进行特征提取和分析得到目标对象的类别,不仅能够有效提高分类的准确性、控制运算量、实现目标对象和网格的区分,还能够大大减少人力的投入,提高工作效率。
图1示出根据本公开一实施方式的对象类别确定方法的流程图。如图1所示,所述对象类别确定方法包括以下步骤S101-S103:
在步骤S101中,确定地理区域划分粒度,并根据所述划分粒度确定目标对象;
在步骤S102中,获取所述目标对象在所属地理区域中的特征信息,并基于所述特征信息生成所述目标对象的特征向量;
在步骤S103中,根据所述目标对象的特征向量,确定所述目标对象的类别。
上文提及,随着互联网技术的发展,越来越多的商家或者服务提供商通过互联网平台来为用户提供服务。为了提高服务质量、提升用户的使用体验,通常需要对于用户的行为特点进行分析,以对其进行有针对性地、差异化地处理。比如,可以根据用户的特点对其进行地域性网格化处理,形成不同的商圈,以对不同商圈的用户实施不同的激励措施。在现有技术中,通常采用两种方法来进行用户网格化处理,一种是直接根据用户所在地域的不同进行粗略划分,这种方法操作简单,运算量低,但是划分准确率不足,即被划分为同一区域的用户特点未必相近,这样就会使得后续的差异化处理存在较大的误差;另一种是根据用户的实时信息进行人为的划分,这种方法较第一种方法准确率高,但是划分因素还是不完备,而且运算量极大,需要投入很多的人力,效率低下。
考虑到上述缺陷,在该实施方式中,提出一种对象类别确定方法,该方法根据地理区域划分粒度确定待分类的目标对象,并获取目标对象在其所在地理区域中的特征信息,基于这些特征信息生成特征向量,并对于生成的特征向量进行分析,以确定目标对象的类别。该技术方案能够自动进行特征提取和分析得到目标对象的类别,不仅能够有效提高分类的准确性、控制运算量、实现目标对象和网格的区分,还能够大大减少人力的投入,提高工作效率。
其中,所述对象或目标对象是一个泛指的概念,其从属于一个地理区域,其具有一个或多个相关的数据信息可用于分类。在本实施例的一个可选实现方式中,所述对象或目标对象既可以指代商家、商户等服务提供方,也可以指代用户等服务接受方。为了描述的方便,下文中以商户为例对于本发明进行解释和说明,应当了解的是,该示例仅为示例使用,并非是对于本发明的限制,其他对象可据理类推。
在本实施例的一个可选实现方式中,所述地理区域指的是所述对象或目标对象在地理上所属于的区域,其既可以是北京市、上海市、海淀区、浦东新区等各级行政区域,也可以是根据某种需要人为划分的地理区域,比如某个商区等等。
在本实施例的一个可选实现方式中,为了明确需要进行分类的对象,首先确定地理区域划分粒度,对于地理区域进行划分,比如,可将地理区域按照行政管辖区进行划分,也可以按照不同商圈进行划分,然后再根据地理区域的划分粒度确定需要进行分类的目标对象。其中,所述划分粒度可根据实际应用的需要以及对象的特点进行选择,其值可大可小,本发明对其不作具体限定。
在本实施例的一个可选实现方式中,所述目标对象在所属地理区域中的特征信息为具有时间维度和特征维度的二维特征信息,其中,所述时间维度指的是每隔预设时间段获得一些特征信息,多个时间段对应的特征信息就构成了时间上的维度;所述特征维度指的是特征信息中所包括的特征值的数量。因此,可以认为所述二维特征信息中包括每隔预设时间段内获得的特征信息,其中,所述特征信息包括以下信息中的一种或多种:某一预设时间段内的配送资源数量、某一预设时间段内的任务生成数量、某一预设时间段内的配送资源已接收但未完成任务数量、历史特征信息、预测特征信息等等。所述某一预设时间段内的配送资源数量、某一预设时间段内的任务生成数量、某一预设时间段内的配送资源已接收但未完成任务数量均属于实时特征信息,所述历史特征信息和预测特征信息的具体内容与所述实施特征信息相同,只是所述历史特征信息为相应历史时间段内的特征信息,而所述预测特征信息为相应未来时间段内的特征信息。
其中,所述配送资源可以包括配送员、配送装置、配送机器人等可用于执行配送任务的资源;所述任务可以包括订单任务、服务任务或者其他形式的需要对其进行处理的任务;所述配送资源已接收但未完成任务数量指的是配送资源已确定接收但还未完成的任务数量,或者说所述配送资源接下来需要进行处理的任务数量。
比如,假设所述目标对象为处于北京市海淀区这一地理区域内的商户,则所述目标对象在所属地理区域中的特征信息可以包括:过去的5分钟内海淀区中配送资源的数量,过去的5分钟内海淀区中订单任务产生的数量,过去的5分钟内海淀区中配送资源已接收但未完成的任务数量均值;过去的10分钟内海淀区中配送资源的数量,过去的10分钟内海淀区中订单任务产生的数量,过去的10分钟内海淀区中配送资源已接收但未完成的任务数量均值;过去的15分钟内海淀区中配送资源的数量,过去的15分钟内海淀区中订单任务产生的数量,过去的15分钟内海淀区中配送资源已接收但未完成的任务数量均值;一周前相应时间段内海淀区中配送资源的数量,一周前相应时间段内海淀区中订单任务产生的数量,一周前相应时间段内海淀区中配送资源已接收但未完成的任务数量均值;预测得到的明天相应时间段内海淀区中配送资源的数量,预测得到的明天相应时间段内海淀区中订单任务产生的数量,预测得到的明天相应时间段内海淀区中配送资源已接收但未完成的任务数量均值。
当然,以上特征信息仅为示例,本领域技术人员可根据实际应用的需要以及所述目标对象的特点选择合适的、完备的特征信息,本发明对其不作具体限定。
在本实施例的一个可选实现方式中,如图2所示,所述步骤S102,即获取所述目标对象在所属地理区域中的特征信息,并基于所述特征信息生成所述目标对象的特征向量的步骤,包括步骤S201-S202:
在步骤S201中,获取所述目标对象在所属地理区域中的特征信息;
在步骤S202中,对于所述特征信息进行组合,得到所述目标对象的特征向量。
为了提高所述目标对象特征信息的完备性,在该实施方式中,在获取尽可能多的特征信息之后,还需要对于所述特征信息进行组合,以得到所述目标对象的特征向量,作为后续进行分类的依据。
在本实施例的一个可选实现方式中,采用将获得的特征信息分别按照时间维度和特征维度顺序组合的方式来获得所述目标对象的特征向量。当然,也可以采取其他组合方式,比如设置特征向量中每个特征信息的权重,然后对于不同的特征信息进行加权组合的方式等等,本领域技术人员可根据实际应用的需要以及特征信息的特点对于特征信息的组合方式进行选择,本发明对于具体的组合方式不作具体限定。
在本实施例的一个可选实现方式中,如图3所示,所述步骤S103,即根据所述目标对象的特征向量,确定所述目标对象的类别的步骤,包括步骤S301-S302:
在步骤S301中,确定目标对象和类别数量;
在步骤S302中,基于所述目标对象的特征向量和类别数量,对于所述目标对象进行聚类处理,得到所述目标对象的类别。
为了对于所述目标对象进行准确分类,在该实施方式中,首先确定目标对象和类别数量,比如,所述目标对象可以为位于北京市海淀区内的商户,所述类别数量可以为20个;然后基于所述目标对象的特征向量和类别数量,对于所述目标对象进行聚类处理,从而得到所述目标对象的类别。
在本实施例的一个可选实现方式中,如图4所示,所述步骤S302,即基于所述目标对象的特征向量和类别数量,对于所述目标对象进行聚类处理,得到所述目标对象的类别的步骤,包括步骤S401-S403:
在步骤S401中,计算所述目标对象的特征向量之间的距离;
在步骤S402中,根据所述类别数量确定与类别数量对应的距离阈值;
在步骤S403中,将特征向量之间的距离满足所述距离阈值要求的目标对象分为一类。
在该实施方式中,使用距离度量对于所述目标对象进行聚类处理,具体地,首先计算所述目标对象的特征向量之间的距离;然后根据所述类别数量确定与所述类别数量对应的距离阈值;最后将特征向量之间的距离满足所述距离阈值要求的目标对象分为一类,即可完成对于所述目标对象的分类,可以认为最终被分为一类的目标对象具有相似的特征向量,比如均为某一时间段内订单任务数量较大的商户等等。
比如,若所述类别数量设为20个,在计算得到所述目标对象的特征向量之间的距离之后,可将最大距离与最小距离之间的距离差分为20个距离区间,将距离值处于同一距离区间的目标对象分为一类。在划分距离区间时,可简单地将所述距离差平均分为20个距离区间,也可根据所述目标对象的特征向量之间距离的分布特点将所述距离差分为20个距离区间,使得距离区间的划分更为合理。
当然,在对于所述目标对象进行聚类处理时,也可采用其他度量方法,比如相似度度量等等,本发明对于具体的聚类处理实现方式不作具体限定,本领域技术人员可根据实际应用的需要以及目标对象特征向量的特点进行选择。
在本实施例的一个可选实现方式中,所述方法还包括根据确定的所述目标对象的类别执行预设操作的步骤,即如图5所示,所述方法包括步骤S501-S504:
在步骤S501中,确定地理区域划分粒度,并根据所述划分粒度确定目标对象;
在步骤S502中,获取所述目标对象在所属地理区域中的特征信息,并基于所述特征信息生成所述目标对象的特征向量;
在步骤S503中,根据所述目标对象的特征向量,确定所述目标对象的类别;
在步骤S504中,根据确定的所述目标对象的类别执行预设操作。
在确定所述目标对象的类别之后,可根据确定的所述目标对象的类别执行预设操作,其中,所述预设操作可包括以下操作中的一种或多种:调整费用、调度配送资源等等。
比如,若某几个目标对象均属于同一类别,而该类别内的目标对象均为在某一时间段内订单任务数量较大但配送资源相对较少的商户,那么对于这些商户所产生的订单,就可以通过上调配送费用的方式来促使配送资源前来申领配送任务,或者从配送资源较为丰富的区域调配一些配送资源对于订单任务进行处理。再比如,若某几个目标对象均属于同一类别,而该类别内的目标对象均为在某一时间段内订单任务数量较少但配送资源相对较多的商户,那么对于这些商户所产生的订单,就可以通过下调配送费用的方式来促使配送资源分散到其他订单任务数量较多的区域,或者调配一些配送资源去订单任务数量较多但配送资源较为紧张的区域对于订单任务进行处理。
下述为本公开装置实施例,可以用于执行本公开方法实施例。
图6示出根据本公开一实施方式的对象类别确定装置的结构框图,该装置可以通过软件、硬件或者两者的结合实现成为电子设备的部分或者全部。如图6所示,所述对象类别确定装置包括:
第一确定模块601,被配置为确定地理区域划分粒度,并根据所述划分粒度确定目标对象;
获取模块602,被配置为获取所述目标对象在所属地理区域中的特征信息,并基于所述特征信息生成所述目标对象的特征向量;
第二确定模块603,被配置为根据所述目标对象的特征向量,确定所述目标对象的类别。
上文提及,随着互联网技术的发展,越来越多的商家或者服务提供商通过互联网平台来为用户提供服务。为了提高服务质量、提升用户的使用体验,通常需要对于用户的行为特点进行分析,以对其进行有针对性地、差异化地处理。比如,可以根据用户的特点对其进行地域性网格化处理,形成不同的商圈,以对不同商圈的用户实施不同的激励措施。在现有技术中,通常采用两种方法来进行用户网格化处理,一种是直接根据用户所在地域的不同进行粗略划分,这种方法操作简单,运算量低,但是划分准确率不足,即被划分为同一区域的用户特点未必相近,这样就会使得后续的差异化处理存在较大的误差;另一种是根据用户的实时信息进行人为的划分,这种方法较第一种方法准确率高,但是划分因素还是不完备,而且运算量极大,需要投入很多的人力,效率低下。
考虑到上述缺陷,在该实施方式中,提出一种对象类别确定装置,该装置根据地理区域划分粒度确定待分类的目标对象,并获取目标对象在其所在地理区域中的特征信息,基于这些特征信息生成特征向量,并对于生成的特征向量进行分析,以确定目标对象的类别。该技术方案能够自动进行特征提取和分析得到目标对象的类别,不仅能够有效提高分类的准确性、控制运算量、实现目标对象和网格的区分,还能够大大减少人力的投入,提高工作效率。
其中,所述对象或目标对象是一个泛指的概念,其从属于一个地理区域,其具有一个或多个相关的数据信息可用于分类。在本实施例的一个可选实现方式中,所述对象或目标对象既可以指代商家、商户等服务提供方,也可以指代用户等服务接受方。为了描述的方便,下文中以商户为例对于本发明进行解释和说明,应当了解的是,该示例仅为示例使用,并非是对于本发明的限制,其他对象可据理类推。
在本实施例的一个可选实现方式中,所述地理区域指的是所述对象或目标对象在地理上所属于的区域,其既可以是北京市、上海市、海淀区、浦东新区等各级行政区域,也可以是根据某种需要人为划分的地理区域,比如某个商区等等。
在本实施例的一个可选实现方式中,为了明确需要进行分类的对象,首先确定地理区域划分粒度,对于地理区域进行划分,比如,可将地理区域按照行政管辖区进行划分,也可以按照不同商圈进行划分,然后再根据地理区域的划分粒度确定需要进行分类的目标对象。其中,所述划分粒度可根据实际应用的需要以及对象的特点进行选择,其值可大可小,本发明对其不作具体限定。
在本实施例的一个可选实现方式中,所述目标对象在所属地理区域中的特征信息为具有时间维度和特征维度的二维特征信息,其中,所述时间维度指的是每隔预设时间段获得一些特征信息,多个时间段对应的特征信息就构成了时间上的维度;所述特征维度指的是特征信息中所包括的特征值的数量。因此,可以认为所述二维特征信息中包括每隔预设时间段内获得的特征信息,其中,所述特征信息包括以下信息中的一种或多种:某一预设时间段内的配送资源数量、某一预设时间段内的任务生成数量、某一预设时间段内的配送资源已接收但未完成任务数量、历史特征信息、预测特征信息等等。所述某一预设时间段内的配送资源数量、某一预设时间段内的任务生成数量、某一预设时间段内的配送资源已接收但未完成任务数量均属于实时特征信息,所述历史特征信息和预测特征信息的具体内容与所述实施特征信息相同,只是所述历史特征信息为相应历史时间段内的特征信息,而所述预测特征信息为相应未来时间段内的特征信息。
其中,所述配送资源可以包括配送员、配送装置、配送机器人等可用于执行配送任务的资源;所述任务可以包括订单任务、服务任务或者其他形式的需要对其进行处理的任务;所述配送资源已接收但未完成任务数量指的是配送资源已确定接收但还未完成的任务数量,或者说所述配送资源接下来需要进行处理的任务数量。
比如,假设所述目标对象为处于北京市海淀区这一地理区域内的商户,则所述目标对象在所属地理区域中的特征信息可以包括:过去的5分钟内海淀区中配送资源的数量,过去的5分钟内海淀区中订单任务产生的数量,过去的5分钟内海淀区中配送资源已接收但未完成的任务数量均值;过去的10分钟内海淀区中配送资源的数量,过去的10分钟内海淀区中订单任务产生的数量,过去的10分钟内海淀区中配送资源已接收但未完成的任务数量均值;过去的15分钟内海淀区中配送资源的数量,过去的15分钟内海淀区中订单任务产生的数量,过去的15分钟内海淀区中配送资源已接收但未完成的任务数量均值;一周前相应时间段内海淀区中配送资源的数量,一周前相应时间段内海淀区中订单任务产生的数量,一周前相应时间段内海淀区中配送资源已接收但未完成的任务数量均值;预测得到的明天相应时间段内海淀区中配送资源的数量,预测得到的明天相应时间段内海淀区中订单任务产生的数量,预测得到的明天相应时间段内海淀区中配送资源已接收但未完成的任务数量均值。
当然,以上特征信息仅为示例,本领域技术人员可根据实际应用的需要以及所述目标对象的特点选择合适的、完备的特征信息,本发明对其不作具体限定。
在本实施例的一个可选实现方式中,如图7所示,所述获取模块602包括:
获取子模块701,被配置为获取所述目标对象在所属地理区域中的特征信息;
组合子模块702,被配置为对于所述特征信息进行组合,得到所述目标对象的特征向量。
为了提高所述目标对象特征信息的完备性,在该实施方式中,在获取尽可能多的特征信息之后,还需要对于所述特征信息进行组合,以得到所述目标对象的特征向量,作为后续进行分类的依据。
在本实施例的一个可选实现方式中,采用将获得的特征信息分别按照时间维度和特征维度顺序组合的方式来获得所述目标对象的特征向量。当然,也可以采取其他组合方式,比如设置特征向量中每个特征信息的权重,然后对于不同的特征信息进行加权组合的方式等等,本领域技术人员可根据实际应用的需要以及特征信息的特点对于特征信息的组合方式进行选择,本发明对于具体的组合方式不作具体限定。
在本实施例的一个可选实现方式中,如图8所示,所述第二确定模块603,包括:
第一确定子模块801,被配置为确定目标对象和类别数量;
处理子模块802,被配置为基于所述目标对象的特征向量和类别数量,对于所述目标对象进行聚类处理,得到所述目标对象的类别。
为了对于所述目标对象进行准确分类,在该实施方式中,第一确定子模块801确定目标对象和类别数量,比如,所述目标对象可以为位于北京市海淀区内的商户,所述类别数量可以为20个;处理子模块802基于所述目标对象的特征向量和类别数量,对于所述目标对象进行聚类处理,从而得到所述目标对象的类别。
在本实施例的一个可选实现方式中,如图9所示,所述处理子模块802包括:
计算子模块901,被配置为计算所述目标对象的特征向量之间的距离;
第二确定子模块902,被配置为根据所述类别数量确定与类别数量对应的距离阈值;
划分子模块903,被配置为将特征向量之间的距离满足所述距离阈值要求的目标对象分为一类。
在该实施方式中,使用距离度量对于所述目标对象进行聚类处理,具体地,计算子模块901计算所述目标对象的特征向量之间的距离;第二确定子模块902根据所述类别数量确定与所述类别数量对应的距离阈值;划分子模块903将特征向量之间的距离满足所述距离阈值要求的目标对象分为一类,即可完成对于所述目标对象的分类,可以认为最终被分为一类的目标对象具有相似的特征向量,比如均为某一时间段内订单任务数量较大的商户等等。
比如,若所述类别数量设为20个,在计算得到所述目标对象的特征向量之间的距离之后,可将最大距离与最小距离之间的距离差分为20个距离区间,将距离值处于同一距离区间的目标对象分为一类。在划分距离区间时,可简单地将所述距离差平均分为20个距离区间,也可根据所述目标对象的特征向量之间距离的分布特点将所述距离差分为20个距离区间,使得距离区间的划分更为合理。
当然,在对于所述目标对象进行聚类处理时,也可采用其他度量方法,比如相似度度量等等,本发明对于具体的聚类处理实现方式不作具体限定,本领域技术人员可根据实际应用的需要以及目标对象特征向量的特点进行选择。
在本实施例的一个可选实现方式中,所述装置还包括根据确定的所述目标对象的类别执行预设操作的部分,即如图10所示,所述装置包括:
第一确定模块1001,被配置为确定地理区域划分粒度,并根据所述划分粒度确定目标对象;
获取模块1002,被配置为获取所述目标对象在所属地理区域中的特征信息,并基于所述特征信息生成所述目标对象的特征向量;
第二确定模块1003,被配置为根据所述目标对象的特征向量,确定所述目标对象的类别;
执行模块1004,被配置为根据确定的所述目标对象的类别执行预设操作。
在确定所述目标对象的类别之后,可根据确定的所述目标对象的类别执行预设操作,其中,所述预设操作可包括以下操作中的一种或多种:调整费用、调度配送资源等等。
比如,若某几个目标对象均属于同一类别,而该类别内的目标对象均为在某一时间段内订单任务数量较大但配送资源相对较少的商户,那么对于这些商户所产生的订单,就可以通过上调配送费用的方式来促使配送资源前来申领配送任务,或者从配送资源较为丰富的区域调配一些配送资源对于订单任务进行处理。再比如,若某几个目标对象均属于同一类别,而该类别内的目标对象均为在某一时间段内订单任务数量较少但配送资源相对较多的商户,那么对于这些商户所产生的订单,就可以通过下调配送费用的方式来促使配送资源分散到其他订单任务数量较多的区域,或者调配一些配送资源去订单任务数量较多但配送资源较为紧张的区域对于订单任务进行处理。
本公开还公开了一种电子设备,图11示出根据本公开一实施方式的电子设备的结构框图,如图11所示,所述电子设备1100包括存储器1101和处理器1102;其中,
所述存储器1101用于存储一条或多条计算机指令,其中,所述一条或多条计算机指令被所述处理器1102执行以实现以下方法步骤:
确定地理区域划分粒度,并根据所述划分粒度确定目标对象;
获取所述目标对象在所属地理区域中的特征信息,并基于所述特征信息生成所述目标对象的特征向量;
根据所述目标对象的特征向量,确定所述目标对象的类别。
在本实施例的一个可选实现方式中,所述特征信息为具有时间维度和特征维度的二维特征信息。
在本实施例的一个可选实现方式中,所述二维特征信息包括每隔预设时间段内获得的特征信息,其中,所述特征信息包括以下信息中的一种或多种:某一预设时间段内的配送资源数量、某一预设时间段内的任务生成数量、某一预设时间段内的配送资源已接收但未完成任务数量、历史特征信息、预测特征信息。
在本实施例的一个可选实现方式中,所述获取所述目标对象在所属地理区域中的特征信息,并基于所述特征信息生成所述目标对象的特征向量,包括:
获取所述目标对象在所属地理区域中的特征信息;
对于所述特征信息进行组合,得到所述目标对象的特征向量。
在本实施例的一个可选实现方式中,所述根据所述目标对象的特征向量,确定所述目标对象的类别,包括:
确定目标对象和类别数量;
基于所述目标对象的特征向量和类别数量,对于所述目标对象进行聚类处理,得到所述目标对象的类别。
在本实施例的一个可选实现方式中,所述基于所述目标对象的特征向量和类别数量,对于所述目标对象进行聚类处理,得到所述目标对象的类别,包括:
计算所述目标对象的特征向量之间的距离;
根据所述类别数量确定与类别数量对应的距离阈值;
将特征向量之间的距离满足所述距离阈值要求的目标对象分为一类。
在本实施例的一个可选实现方式中,还包括:
根据确定的所述目标对象的类别执行预设操作。
图12适于用来实现根据本公开实施方式的对象类别确定方法的计算机系统的结构示意图。
如图12所示,计算机系统1200包括中央处理单元(CPU)1201,其可以根据存储在只读存储器(ROM)1202中的程序或者从存储部分1208加载到随机访问存储器(RAM)1203中的程序而执行上述实施方式中的各种处理。在RAM1203中,还存储有系统1200操作所需的各种程序和数据。CPU1201、ROM1202以及RAM1203通过总线1204彼此相连。输入/输出(I/O)接口1205也连接至总线1204。
以下部件连接至I/O接口1205:包括键盘、鼠标等的输入部分1206;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分1207;包括硬盘等的存储部分1208;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分1209。通信部分1209经由诸如因特网的网络执行通信处理。驱动器1210也根据需要连接至I/O接口1205。可拆卸介质1211,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器1210上,以便于从其上读出的计算机程序根据需要被安装入存储部分1208。
特别地,根据本公开的实施方式,上文描述的方法可以被实现为计算机软件程序。例如,本公开的实施方式包括一种计算机程序产品,其包括有形地包含在及其可读介质上的计算机程序,所述计算机程序包含用于执行上述对象类别确定方法的程序代码。在这样的实施方式中,该计算机程序可以通过通信部分1209从网络上被下载和安装,和/或从可拆卸介质1211被安装。
附图中的流程图和框图,图示了按照本公开各种实施方式的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,路程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施方式中所涉及到的单元或模块可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元或模块也可以设置在处理器中,这些单元或模块的名称在某种情况下并不构成对该单元或模块本身的限定。
作为另一方面,本公开还提供了一种计算机可读存储介质,该计算机可读存储介质可以是上述实施方式中所述装置中所包含的计算机可读存储介质;也可以是单独存在,未装配入设备中的计算机可读存储介质。计算机可读存储介质存储有一个或者一个以上程序,所述程序被一个或者一个以上的处理器用来执行描述于本公开的方法。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本公开中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离所述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
本公开公开了A1、一种对象类别确定方法,包括:确定地理区域划分粒度,并根据所述划分粒度确定目标对象;获取所述目标对象在所属地理区域中的特征信息,并基于所述特征信息生成所述目标对象的特征向量;根据所述目标对象的特征向量,确定所述目标对象的类别。A2、根据A1所述的方法,所述特征信息为具有时间维度和特征维度的二维特征信息。A3、根据A2所述的方法,所述二维特征信息包括每隔预设时间段内获得的特征信息,其中,所述特征信息包括以下信息中的一种或多种:某一预设时间段内的配送资源数量、某一预设时间段内的任务生成数量、某一预设时间段内的配送资源已接收但未完成任务数量、历史特征信息、预测特征信息。A4、根据A1-A3任一所述的方法,所述获取所述目标对象在所属地理区域中的特征信息,并基于所述特征信息生成所述目标对象的特征向量,包括:获取所述目标对象在所属地理区域中的特征信息;对于所述特征信息进行组合,得到所述目标对象的特征向量。A5、根据A1-A4任一所述的方法,所述根据所述目标对象的特征向量,确定所述目标对象的类别,包括:确定目标对象和类别数量;基于所述目标对象的特征向量和类别数量,对于所述目标对象进行聚类处理,得到所述目标对象的类别。A6、根据A5所述的方法,所述基于所述目标对象的特征向量和类别数量,对于所述目标对象进行聚类处理,得到所述目标对象的类别,包括:计算所述目标对象的特征向量之间的距离;根据所述类别数量确定与类别数量对应的距离阈值;将特征向量之间的距离满足所述距离阈值要求的目标对象分为一类。A7、根据A1-A6所述的方法,还包括:根据确定的所述目标对象的类别执行预设操作。
本公开公开了B8、一种对象类别确定装置,包括:第一确定模块,被配置为确定地理区域划分粒度,并根据所述划分粒度确定目标对象;获取模块,被配置为获取所述目标对象在所属地理区域中的特征信息,并基于所述特征信息生成所述目标对象的特征向量;第二确定模块,被配置为根据所述目标对象的特征向量,确定所述目标对象的类别。B9、根据B8所述的装置,所述特征信息为具有时间维度和特征维度的二维特征信息。B10、根据B9所述的装置,所述二维特征信息包括每隔预设时间段内获得的特征信息,其中,所述特征信息包括以下信息中的一种或多种:某一预设时间段内的配送资源数量、某一预设时间段内的任务生成数量、某一预设时间段内的配送资源已接收但未完成任务数量、历史特征信息、预测特征信息。B11、根据B8-B10任一所述的装置,所述获取所述目标对象在所属地理区域中的特征信息,并基于所述特征信息生成所述目标对象的特征向量,包括:获取所述目标对象在所属地理区域中的特征信息;对于所述特征信息进行组合,得到所述目标对象的特征向量。B12、根据B8-B11任一所述的装置,所述根据所述目标对象的特征向量,确定所述目标对象的类别,包括:确定目标对象和类别数量;基于所述目标对象的特征向量和类别数量,对于所述目标对象进行聚类处理,得到所述目标对象的类别。B13、根据B12所述的装置,所述基于所述目标对象的特征向量和类别数量,对于所述目标对象进行聚类处理,得到所述目标对象的类别,包括:计算所述目标对象的特征向量之间的距离;根据所述类别数量确定与类别数量对应的距离阈值;将特征向量之间的距离满足所述距离阈值要求的目标对象分为一类。B14、根据B8-B13所述的装置,还包括:根据确定的所述目标对象的类别执行预设操作。
本公开公开了C15、一种电子设备,包括存储器和处理器;其中,所述存储器用于存储一条或多条计算机指令,其中,所述一条或多条计算机指令被所述处理器执行以实现以下方法步骤:确定地理区域划分粒度,并根据所述划分粒度确定目标对象;获取所述目标对象在所属地理区域中的特征信息,并基于所述特征信息生成所述目标对象的特征向量;根据所述目标对象的特征向量,确定所述目标对象的类别。C16、根据C15所述的电子设备,所述特征信息为具有时间维度和特征维度的二维特征信息。C17、根据C16所述的电子设备,所述二维特征信息包括每隔预设时间段内获得的特征信息,其中,所述特征信息包括以下信息中的一种或多种:某一预设时间段内的配送资源数量、某一预设时间段内的任务生成数量、某一预设时间段内的配送资源已接收但未完成任务数量、历史特征信息、预测特征信息。C18、根据C15-C17任一所述的电子设备,所述获取所述目标对象在所属地理区域中的特征信息,并基于所述特征信息生成所述目标对象的特征向量,包括:获取所述目标对象在所属地理区域中的特征信息;对于所述特征信息进行组合,得到所述目标对象的特征向量。C19、根据C15-C18任一所述的电子设备,所述根据所述目标对象的特征向量,确定所述目标对象的类别,包括:确定目标对象和类别数量;基于所述目标对象的特征向量和类别数量,对于所述目标对象进行聚类处理,得到所述目标对象的类别。C20、根据C19所述的电子设备,所述基于所述目标对象的特征向量和类别数量,对于所述目标对象进行聚类处理,得到所述目标对象的类别,包括:计算所述目标对象的特征向量之间的距离;根据所述类别数量确定与类别数量对应的距离阈值;将特征向量之间的距离满足所述距离阈值要求的目标对象分为一类。C21、根据C15-C20所述的电子设备,还包括:根据确定的所述目标对象的类别执行预设操作。
本公开还公开了D22、一种计算机可读存储介质,其上存储有计算机指令,该计算机指令被处理器执行时实现A1-A7任一项所述的方法步骤。
Claims (10)
1.一种对象类别确定方法,其特征在于,包括:
确定地理区域划分粒度,并根据所述划分粒度确定目标对象;
获取所述目标对象在所属地理区域中的特征信息,并基于所述特征信息生成所述目标对象的特征向量;
根据所述目标对象的特征向量,确定所述目标对象的类别。
2.根据权利要求1所述的方法,其特征在于,所述特征信息为具有时间维度和特征维度的二维特征信息。
3.根据权利要求2所述的方法,其特征在于,所述二维特征信息包括每隔预设时间段内获得的特征信息,其中,所述特征信息包括以下信息中的一种或多种:某一预设时间段内的配送资源数量、某一预设时间段内的任务生成数量、某一预设时间段内的配送资源已接收但未完成任务数量、历史特征信息、预测特征信息。
4.根据权利要求1-3任一所述的方法,其特征在于,所述获取所述目标对象在所属地理区域中的特征信息,并基于所述特征信息生成所述目标对象的特征向量,包括:
获取所述目标对象在所属地理区域中的特征信息;
对于所述特征信息进行组合,得到所述目标对象的特征向量。
5.一种对象类别确定装置,其特征在于,包括:
第一确定模块,被配置为确定地理区域划分粒度,并根据所述划分粒度确定目标对象;
获取模块,被配置为获取所述目标对象在所属地理区域中的特征信息,并基于所述特征信息生成所述目标对象的特征向量;
第二确定模块,被配置为根据所述目标对象的特征向量,确定所述目标对象的类别。
6.根据权利要求5所述的装置,其特征在于,所述特征信息为具有时间维度和特征维度的二维特征信息。
7.根据权利要求6所述的装置,其特征在于,所述二维特征信息包括每隔预设时间段内获得的特征信息,其中,所述特征信息包括以下信息中的一种或多种:某一预设时间段内的配送资源数量、某一预设时间段内的任务生成数量、某一预设时间段内的配送资源已接收但未完成任务数量、历史特征信息、预测特征信息。
8.根据权利要求5-7任一所述的装置,其特征在于,所述获取模块包括:
获取子模块,被配置为获取所述目标对象在所属地理区域中的特征信息;
组合子模块,被配置为对于所述特征信息进行组合,得到所述目标对象的特征向量。
9.一种电子设备,其特征在于,包括存储器和处理器;其中,所述存储器用于存储一条或多条计算机指令,其中,所述一条或多条计算机指令被所述处理器执行以实现权利要求1-4任一项所述的方法步骤。
10.一种计算机可读存储介质,其上存储有计算机指令,其特征在于,该计算机指令被处理器执行时实现权利要求1-4任一项所述的方法步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811613813.2A CN109697637B (zh) | 2018-12-27 | 2018-12-27 | 对象类别确定方法、装置、电子设备及计算机存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811613813.2A CN109697637B (zh) | 2018-12-27 | 2018-12-27 | 对象类别确定方法、装置、电子设备及计算机存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109697637A true CN109697637A (zh) | 2019-04-30 |
CN109697637B CN109697637B (zh) | 2022-08-26 |
Family
ID=66232890
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811613813.2A Active CN109697637B (zh) | 2018-12-27 | 2018-12-27 | 对象类别确定方法、装置、电子设备及计算机存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109697637B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110348795A (zh) * | 2019-07-16 | 2019-10-18 | 拉扎斯网络科技(上海)有限公司 | 配送资源管理方法、装置、电子设备及计算机存储介质 |
CN111369284A (zh) * | 2020-03-03 | 2020-07-03 | 浙江网商银行股份有限公司 | 目标对象类型确定方法及装置 |
CN111488527A (zh) * | 2020-04-17 | 2020-08-04 | 滴图(北京)科技有限公司 | 位置推荐方法、装置、电子设备和计算机可读存储介质 |
WO2020253037A1 (zh) * | 2019-06-18 | 2020-12-24 | 平安普惠企业管理有限公司 | 一种目标区域筛选方法及装置 |
CN112862514A (zh) * | 2019-11-27 | 2021-05-28 | 北京沃东天骏信息技术有限公司 | 数据处理方法及装置、电子设备、计算机可读存储介质 |
CN112862539A (zh) * | 2021-03-03 | 2021-05-28 | 拉扎斯网络科技(上海)有限公司 | 流量处理方法、装置、电子设备、存储介质及程序产品 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105574014A (zh) * | 2014-10-13 | 2016-05-11 | 北京明略软件系统有限公司 | 一种商圈划分方法及系统 |
CN105868949A (zh) * | 2016-03-31 | 2016-08-17 | 北京小度信息科技有限公司 | 物流配送调度方法以及装置 |
CN105913204A (zh) * | 2016-03-31 | 2016-08-31 | 北京小度信息科技有限公司 | 订单处理方法及装置 |
CN106446969A (zh) * | 2016-12-01 | 2017-02-22 | 北京小米移动软件有限公司 | 用户识别的方法及装置 |
CN107092617A (zh) * | 2016-10-27 | 2017-08-25 | 北京小度信息科技有限公司 | 一种信息处理方法及装置 |
CN107247786A (zh) * | 2017-06-15 | 2017-10-13 | 北京小度信息科技有限公司 | 用于确定相似用户的方法、装置和服务器 |
CN107465741A (zh) * | 2017-08-02 | 2017-12-12 | 北京小度信息科技有限公司 | 信息推送方法和装置 |
CN107844885A (zh) * | 2017-09-05 | 2018-03-27 | 北京小度信息科技有限公司 | 信息推送方法和装置 |
CN107958270A (zh) * | 2017-12-05 | 2018-04-24 | 北京小度信息科技有限公司 | 类别识别方法、装置、电子设备及计算机可读存储介质 |
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 |
-
2018
- 2018-12-27 CN CN201811613813.2A patent/CN109697637B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105574014A (zh) * | 2014-10-13 | 2016-05-11 | 北京明略软件系统有限公司 | 一种商圈划分方法及系统 |
CN105868949A (zh) * | 2016-03-31 | 2016-08-17 | 北京小度信息科技有限公司 | 物流配送调度方法以及装置 |
CN105913204A (zh) * | 2016-03-31 | 2016-08-31 | 北京小度信息科技有限公司 | 订单处理方法及装置 |
CN107092617A (zh) * | 2016-10-27 | 2017-08-25 | 北京小度信息科技有限公司 | 一种信息处理方法及装置 |
CN106446969A (zh) * | 2016-12-01 | 2017-02-22 | 北京小米移动软件有限公司 | 用户识别的方法及装置 |
CN107247786A (zh) * | 2017-06-15 | 2017-10-13 | 北京小度信息科技有限公司 | 用于确定相似用户的方法、装置和服务器 |
CN107465741A (zh) * | 2017-08-02 | 2017-12-12 | 北京小度信息科技有限公司 | 信息推送方法和装置 |
CN107844885A (zh) * | 2017-09-05 | 2018-03-27 | 北京小度信息科技有限公司 | 信息推送方法和装置 |
CN107958270A (zh) * | 2017-12-05 | 2018-04-24 | 北京小度信息科技有限公司 | 类别识别方法、装置、电子设备及计算机可读存储介质 |
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 |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020253037A1 (zh) * | 2019-06-18 | 2020-12-24 | 平安普惠企业管理有限公司 | 一种目标区域筛选方法及装置 |
CN110348795A (zh) * | 2019-07-16 | 2019-10-18 | 拉扎斯网络科技(上海)有限公司 | 配送资源管理方法、装置、电子设备及计算机存储介质 |
CN112862514A (zh) * | 2019-11-27 | 2021-05-28 | 北京沃东天骏信息技术有限公司 | 数据处理方法及装置、电子设备、计算机可读存储介质 |
CN112862514B (zh) * | 2019-11-27 | 2024-06-18 | 北京沃东天骏信息技术有限公司 | 数据处理方法及装置、电子设备、计算机可读存储介质 |
CN111369284A (zh) * | 2020-03-03 | 2020-07-03 | 浙江网商银行股份有限公司 | 目标对象类型确定方法及装置 |
CN111369284B (zh) * | 2020-03-03 | 2023-08-15 | 浙江网商银行股份有限公司 | 目标对象类型确定方法及装置 |
CN111488527A (zh) * | 2020-04-17 | 2020-08-04 | 滴图(北京)科技有限公司 | 位置推荐方法、装置、电子设备和计算机可读存储介质 |
CN111488527B (zh) * | 2020-04-17 | 2021-02-02 | 滴图(北京)科技有限公司 | 位置推荐方法、装置、电子设备和计算机可读存储介质 |
CN112862539A (zh) * | 2021-03-03 | 2021-05-28 | 拉扎斯网络科技(上海)有限公司 | 流量处理方法、装置、电子设备、存储介质及程序产品 |
CN112862539B (zh) * | 2021-03-03 | 2023-04-25 | 拉扎斯网络科技(上海)有限公司 | 流量处理方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN109697637B (zh) | 2022-08-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109697637B (zh) | 对象类别确定方法、装置、电子设备及计算机存储介质 | |
US10474504B2 (en) | Distributed node intra-group task scheduling method and system | |
CN108335071B (zh) | 配送任务分配方法、装置、电子设备及计算机存储介质 | |
Toosi et al. | Revenue maximization with optimal capacity control in infrastructure as a service cloud markets | |
CN108182560B (zh) | 配送任务分配方法、装置、电子设备及计算机存储介质 | |
CN108564269B (zh) | 配送任务分配方法、装置、电子设备及计算机存储介质 | |
CN107844882A (zh) | 配送任务处理方法、装置及电子设备 | |
CN109670721A (zh) | 任务调度方法、装置、电子设备及计算机可读存储介质 | |
WO2020046200A1 (en) | E-hailing service | |
CN108711020A (zh) | 配送任务分配方法、装置、电子设备及计算机存储介质 | |
US20200059097A1 (en) | Providing Energy Elasticity Services Via Distributed Virtual Batteries | |
CN114902273A (zh) | 使用gpu优化资源分配的系统和方法 | |
CN107633358B (zh) | 设施选址及分配的方法和装置 | |
CN113037877A (zh) | 云边端架构下时空数据及资源调度的优化方法 | |
CN109636227A (zh) | 任务分配方法、装置、电子设备及计算机可读存储介质 | |
CN105808341A (zh) | 一种资源调度的方法、装置和系统 | |
CN109389424B (zh) | 流量分配方法、装置、电子设备及存储介质 | |
CN111667181B (zh) | 任务处理方法、装置、电子设备及计算机可读存储介质 | |
KR20220115357A (ko) | 어텐션 메커니즘 기반의 미래 수요 예측 데이터 생성방법 및 장치 | |
CN111681112A (zh) | 一种管理投放策略的方法、装置和电子设备 | |
Fakhfakh et al. | A provisioning approach of cloud resources for dynamic workflows | |
CN114064834A (zh) | 目标地点确定方法及装置、存储介质和电子设备 | |
CN107844496B (zh) | 统计信息输出方法及装置 | |
Yan et al. | Robust Route Planning under Uncertain Pickup Requests for Last-mile Delivery | |
Tchernykh et al. | Toward digital twins' workload allocation on clouds with low-cost microservices streaming interaction |
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 |