CN109740967A - 一种业务处理方法、装置、计算机设备与存储介质 - Google Patents
一种业务处理方法、装置、计算机设备与存储介质 Download PDFInfo
- Publication number
- CN109740967A CN109740967A CN201910063992.5A CN201910063992A CN109740967A CN 109740967 A CN109740967 A CN 109740967A CN 201910063992 A CN201910063992 A CN 201910063992A CN 109740967 A CN109740967 A CN 109740967A
- Authority
- CN
- China
- Prior art keywords
- user
- platform
- data
- weight
- relative
- 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
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明实施例公开了一种业务处理方法、装置、计算机设备与存储介质,该方法包括:确定媒体平台、归属于所述媒体平台的用户数据与用户;为所述媒体平台配置相对于业务信息的平台权重;为所述用户数据配置相对于同一个所述媒体平台的数据权重;为所述用户配置相对于所述用户数据的用户权重;根据所述平台权重、所述数据权重与所述用户权重生成所述用户相对于所述媒体平台的业务信息。对于新入驻某个媒体平台的用户,该媒体平台中的运营人员可以参考这些用户在外部媒体平台的业务信息对其分配资源,降低主观性,提高资源的利用率,减少资源浪费,从而提高效率。
Description
技术领域
本发明实施例涉及计算机处理的技术,尤其涉及一种业务处理方法、装置、计算机设备与存储介质。
背景技术
随着科技的发展,网络上开设了众多的媒体平台,如直播平台、博客平台、微博平台、短视频平台,等等,这些媒体平台中,诸如主播、博客主、微博主、视频主等入驻媒体平台的用户发布各种信息,为媒体平台吸引其它用户。
这些入驻媒体平台的用户经常在各个媒体平台流动,从其中一个媒体平台离开,入驻另一个媒体平台。
对于新入驻的用户,媒体平台中的运营人员主观地对这些用户分配资源,容易造成资源浪费,效率较低。
发明内容
本发明实施例提供一种业务处理方法、装置、计算机设备与存储介质,以解决手动为新入驻媒体平台的用户分配资源,容易造成资源浪费的问题。
第一方面,本发明实施例提供了一种业务处理方法,包括:
确定媒体平台、归属于所述媒体平台的用户数据与用户;
为所述媒体平台配置相对于业务信息的平台权重;
为所述用户数据配置相对于同一个所述媒体平台的数据权重;
为所述用户配置相对于所述用户数据的用户权重;
根据所述平台权重、所述数据权重与所述用户权重生成所述用户相对于所述媒体平台的业务信息。
第二方面,本发明实施例还提供了一种业务处理装置,包括:
元素确定模块,用于确定媒体平台、归属于所述媒体平台的用户数据与用户;
平台权重配置模块,用于为所述媒体平台配置相对于业务信息的平台权重;
数据权重配置模块,用于为所述用户数据配置相对于同一个所述媒体平台的数据权重;
用户权重配置模块,用于为所述用户配置相对于所述用户数据的用户权重;
业务信息生成模块,用于根据所述平台权重、所述数据权重与所述用户权重生成所述用户相对于所述媒体平台的业务信息。
第三方面,本发明实施例还提供了一种计算机设备,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如第一方面所述的业务处理方法。
第四方面,本发明实施例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,其特征在于,该程序被处理器执行时实现如第一方面所述的业务处理方法。
在本发明实施例中,确定媒体平台、归属于媒体平台的用户数据与用户,为媒体平台配置相对于业务信息的平台权重,为用户数据配置相对于同一个媒体平台的数据权重,为用户配置相对于用户数据的用户权重,从而根据平台权重、数据权重与用户权重生成用户相对于媒体平台的业务信息,对于新入驻某个媒体平台的用户,该媒体平台中的运营人员可以参考这些用户在外部媒体平台的业务信息对其分配资源,降低主观性,提高资源的利用率,减少资源浪费,从而提高效率。
附图说明
图1为本发明实施例一提供的一种业务处理方法的流程图;
图2是本发明实施例一提供的一种用户分析模型的示意图;
图3为本发明实施例三提供的一种业务处理装置的结构示意图;
图4为本发明实施例四提供的一种计算机设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1为本发明实施例一提供的一种业务处理方法的流程图,本实施例可适用于使用外部的媒体平台中的用户数据对用户计算业务信息的情况,对于新入驻的媒体平台,可参考该业务信息分配资源,该方法可以由业务处理装置来执行,该业务处理装置可配置在计算机设备中,如服务器等,该方法具体包括如下步骤:
S101、确定媒体平台、归属于所述媒体平台的用户数据与用户。
在具体实现中,媒体平台可以指可发布媒体数据的平台,可实现为单独的服务器或服务器集群(如分布式系统)。
例如,该媒体平台可以为可发布直播数据的直播平台。
又例如,该媒体平台可以为可发布文章的博客平台。
又例如,该媒体平台可以为可发布微博的微博平台。
又例如,该媒体平台可以为可发布短视频的短视频平台。
在本发明实施例中,所选定的媒体平台,可能属于不同类型,也可能属于同一类型,本发明实施例对此不加以限制。
在每个媒体平台中,包括多种与用户相关的用户数据,可按照业务需求从中选择与业务相关的用户数据。
当然,不同媒体平台所选择的用户数据可能相同,也可能不同,本发明实施例对此不加以限制。
例如,对于直播平台,该用户数据可以包括在线人数、点赞量、弹幕量等。
又例如,对于博客平台,该用户数据可以包括订阅量、阅读量、转发量、评论量等。
又例如,对于微博平台,该用户数据可以包括转发量、评论量、点赞量、粉丝数等。
又例如,对于短视频平台,该用户数据可以包括播放量、点赞量、投币量、收藏量、粉丝数等。
对于不同的媒体平台,可发布的媒体数据种类不同,满足的用户需求也有所不同,对于同一个用户,可能同时入驻多个媒体平台。
进一步而言,本发明实施例所选定的用户,可能入驻了所选定的媒体平台,也可能未入驻所选定的媒体平台,对用户计算业务信息时,可选择共同入驻的媒体平台及其用户数据,或者,模拟用户对于未入驻的媒体平台的状态,以便后续配置用户权重,等等,本发明实施例对此不加以限制。
在本发明的一个实施例中,可应用AHP(The analytic hierarchy process,层次分析法),AHP根据问题的性质和要达到的总目标,将问题分解为不同的组成因素,并按照因素间的相互关联影响以及隶属关系将因素按不同层次聚集组合,形成一个多层次的分析结构模型,同一层的诸因素从属于上一层的因素或对上层因素有影响,同时又支配下一层的因素或受到下层因素的作用,从而最终使问题归结为最低层(供决策的方案、措施等)相对于最高层(总目标)的相对重要权值的确定或相对优劣次序的排定。
在具体实现中,如图2所示,可生成用户分析模型,该用户分析模型中具有目标层、标准层与方案层。
其中,目标层属于最高层,是指决策的目的、要解决的问题,在一个示例中,可在目标层中设置确定用户相对于媒体平台的排序。
在此示例中,对于某个媒体平台而言,在入驻新的用户之前,可计算该用户在其它媒体平台的影响力,对其进行排序,此时,所选定的媒体平台为当前媒体平台的外部媒体平台。
标准层属于中间层,又称准则层,是指考虑的因素、决策的准则,标准层可以不止一层,可以根据问题规模的大小和复杂程度,分为标准层、子标准层。
在本发明实施例中,可在标准层中设置媒体平台,对媒体平台关联归属于媒体平台的用户数据,即设置两个标准层,第一个标准层为媒体平台,第二个标准层(或称子标准层)为用户数据。
方案层属于最低层,是指决策时的备选方案。
在本发明实施例中,在方案层中设置归属于媒体平台的用户,所谓归属,可以指入驻该媒体平台,或者,模拟入驻该媒体平台。
S102、为所述媒体平台配置相对于业务信息的平台权重。
在具体实现中,针对于预设的业务信息(如影响力的排序信息),可两两比较媒体平台,确定每个媒体平台相对于该业务信息的权重,作为平台权重。
进一步而言,若应用AHP,则可以在标准层中为媒体平台配置相对于业务信息的平台权重。
在本发明的一个实施例中,S102可以包括如下步骤:
S1021、生成平台矩阵。
其中,在平台矩阵中存储相对于业务信息、媒体平台之间的平台重要程度。
当以上一层次某个因素作为比较准则时,可用一个比较标度aij来表达下一层次中第i个因素与第j个因素的相对重要性(或偏好优劣)的认识。
aij的取值一般取正整数1-9(称为标度)及其倒数。由aij构成的矩阵称为元素比较矩阵A=(aij),aij取值的规则如下表所示:
此时,元素比较矩阵如下所示:
A | A<sub>1</sub> | A<sub>2</sub> | A<sub>3</sub> | A<sub>4</sub> |
A<sub>1</sub> | a<sub>11</sub> | a<sub>12</sub> | a<sub>13</sub> | a<sub>14</sub> |
A<sub>2</sub> | a<sub>21</sub> | a<sub>22</sub> | a<sub>23</sub> | a<sub>24</sub> |
A<sub>3</sub> | a<sub>31</sub> | a<sub>32</sub> | a<sub>33</sub> | a<sub>34</sub> |
A<sub>4</sub> | a<sub>41</sub> | a<sub>42</sub> | a<sub>43</sub> | a<sub>44</sub> |
其中,A1、A2、A3、A4为进行比较的元素,如a32表示A3相对于A2的相对重要性。
需要说明的是,在本发明实施例中,为方便表示,元素比较矩阵以表格的形式展示,其实际为矩阵。
在本发明实施例中,以媒体平台作为元素,则可以视元素比较矩阵为平台矩阵,视相对重要性为平台重要程度。
在一个示例中,平台矩阵如下所示:
媒体平台 | 微博平台 | 博客平台 | 短视频平台 | 直播平台 |
微博平台 | 1 | 9 | 7 | 5 |
博客平台 | 1/9 | 1 | 1/3 | 1/5 |
短视频平台 | 1/7 | 3 | 1 | 1/3 |
直播平台 | 1/5 | 5 | 3 | 1 |
S1022、对每列所述平台重要程度进行归一化处理,获得平台重要归一值。
在具体实现中,可对元素比较矩阵(如平台矩阵)每列相对重要性(如平台重要程度)求和,再通过如下公式进行归一化处理,获得重要归一值(如平台重要归一值):
其中,aij为归一化处理之前的相对重要性(如平台重要程度),∑aij为每列相对重要性(如平台重要程度)之和,bij为归一化处理之后的重要归一值(如平台重要归一值)。
一般情况下,归一化处理之后,每列重要归一值(如平台重要归一值)之和为1。
在一个示例中,对平台矩阵每列平台重要度求和,如下所示:
媒体平台 | 微博平台 | 博客平台 | 短视频平台 | 直播平台 |
微博平台 | 1 | 9 | 7 | 5 |
博客平台 | 1/9 | 1 | 1/3 | 1/5 |
短视频平台 | 1/7 | 3 | 1 | 1/3 |
直播平台 | 1/5 | 5 | 3 | 1 |
和 | 1.454 | 18.000 | 11.333 | 6.533 |
对平台矩阵每列平台重要度进行归一化,如下所示:
媒体平台 | 微博平台 | 博客平台 | 短视频平台 | 直播平台 |
微博平台 | 0.688 | 0.500 | 0.618 | 0.765 |
博客平台 | 0.076 | 0.056 | 0.029 | 0.031 |
短视频平台 | 0.098 | 0.167 | 0.088 | 0.051 |
直播平台 | 0.138 | 1.278 | 0.265 | 0.153 |
和 | 1.000 | 1.001 | 1.000 | 1.000 |
S1023、对每行所述平台重要归一值求和,作为平台特征值。
在具体实现中,可对元素比较矩阵(如平台矩阵)每行重要归一值(如平台重要归一值)求和,即可获得特征值(如平台特征值)。
在一个示例中,对平台矩阵每行的平台重要归一值求和,如下所示:
媒体平台 | 微博平台 | 博客平台 | 短视频平台 | 直播平台 | 平台特征值 |
微博平台 | 0.688 | 0.500 | 0.618 | 0.765 | 2.571 |
博客平台 | 0.076 | 0.056 | 0.029 | 0.031 | 0.192 |
短视频平台 | 0.098 | 0.167 | 0.088 | 0.051 | 0.404 |
直播平台 | 0.138 | 1.278 | 0.265 | 0.153 | 0.834 |
S1024、对所述平台特征值进行归一化处理,获得平台权重。
在具体实现中,可对元素比较矩阵(如平台矩阵)每列特征值(如平台特征值)求和,再通过如下公式进行归一化处理,获得权重(如平台权重):
其中,bj为归一化处理之前的特征值(如平台特征值),∑bj为每列特征值(如平台特征值)之和,wi为归一化处理之后的权重(如平台权重)。
一般情况下,归一化处理之后,每列权重(如平台权重)之和为1。
在一个示例中,对平台矩阵每列平台特征值求和,如下所示:
对平台矩阵每列平台特征值进行归一化,如下所示:
媒体平台 | 微博平台 | 博客平台 | 短视频平台 | 直播平台 | 平台权重 |
微博平台 | 0.688 | 0.500 | 0.618 | 0.765 | 0.643 |
博客平台 | 0.076 | 0.056 | 0.029 | 0.031 | 0.048 |
短视频平台 | 0.098 | 0.167 | 0.088 | 0.051 | 0.101 |
直播平台 | 0.138 | 1.278 | 0.265 | 0.153 | 0.208 |
和 | 1.000 |
S1025、将第一平台值与第二平台值之间比值,设置为所述平台矩阵的平台最大特征根。
其中,第一平台值为平台矩阵与平台权重之间的乘积,第二平台值为平台矩阵的阶数与平台权重之间的乘积。
在实际应用中,权重(如平台权重)不一定是有效、可取的,因此,可对通过矩阵(如平台矩阵)的一致性其进行检验。
在对比几个元素(如媒体平台)的时候,对元素进行两两比较,如果得出一个结果:元素o>元素p,元素p>元素q,那么,元素o>元素q,反之,则一致性不成立。
例如,元素o比元素p的相对重要性为3,元素p比元素q的相对重要性为也为3,那么元素o与元素q比较,相对重要性应该为6,但是,如果最终不是6,是5或者7等,会在某种程度上影响一致性。
所以,检验元素比较矩阵的一致性,确保两两元素比较的时候,没有出现以上的错误。
在具体实现中,可通过如下公式计算最大特征根(如平台最大特征根):
其中,A为元素比较矩阵(如平台矩阵),W为权重(如平台权重)组成的矩阵,n为元素(如媒体平台)的数量。
在上述公式中,表示元素比较矩阵(如平台矩阵)与权重(如平台权重)矩阵相乘的结果是一个列向量,用列向量中的每一个元素除以矩阵(如平台矩阵)的阶数和相对应的权重(如平台权重)的乘积。
在一个示例中,对平台矩阵计算平台最大特征根,如下所示:
在此示例中,最大特征根=(4.389+4.056+4.022+4.229)/4=4.174。
S1026、基于所述平台最大特征根计算所述平台矩阵的平台一致性指标。
在具体实现中,可通过如下公式计算一致性指标(Constant index)(如平台一致性指标):
其中,λmax为最大特征根(如平台最大特征根),n为矩阵(如平台矩阵)的阶数。
在一个示例中,平台矩阵的最大特征根为4.174,阶数为4,则平台一致性指标C.I.=(4.174-4)/(4-1)=0.058。
S1027、基于所述平台一致性指标计算平台一致性比率。
在具体实现中,检验一个元素比较矩阵(如平台矩阵)的一致性指标(如平台一致性指标)为矩阵(如平台矩阵)的一致性比率(如平台一致性比率),计算公式为:
其中,C.I为一致性指标(如平台一致性指标),R.I为平均随机一致性指标,与元素比较矩阵(如平台矩阵)相关的一个常量。
对于固定的阶数n,随机构造成元素比较矩阵A,其中,aij是从1,2,…,9,1/2,1/3,…,1/9中随机抽取的,这样的元素比较矩阵A是不一致的,取充分大的子样得到元素比较矩阵A的最大特征值的平均值,如下表所示:
n | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 |
R.I. | 0 | 0 | 0.58 | 0.90 | 1.12 | 1.24 | 1.32 | 1.41 | 1.45 |
在一个示例中,平台矩阵的平台一致性指标C.I.为0.058,阶数为4,则平台一致性比率C.R.=0.058/0.90=0.06444。
S1028、若所述平台一致性比率小于预设的第一阈值,则确定所述平台权重有效。
在具体实现中,如果一致性比率(如平台一致性比率)小于预设的阈值(如第一阈值,如0.1),表示元素比较矩阵(如平台矩阵)保持显著水平,保持一致性,此时,确定权重(如平台权重)有效,反之,表示元素比较矩阵(如平台矩阵)未保持显著水平,需要对元素比较矩阵(如平台矩阵)进行调整,此时,确定权重(如平台权重)无效。
需要说明的是,在设定了业务信息及媒体平台的情况下,平台权重是一个相对固定的值,因此,在首次计算每个媒体平台的平台权重之后,可将该平台权重存储在数据库中,此后每次为新的用户计算业务信息时,可直接从数据库提取该平台权重。
S103、为所述用户数据配置相对于同一个所述媒体平台的数据权重。
在具体实现中,针对于同一个媒体平台,可分别两两比该媒体较媒体平台下的用户数据,确定每个用户数据相对于该媒体平台的权重,作为数据权重。
进一步而言,若应用AHP,则可以在标准层中为用户数据配置相对于同一个媒体平台的数据权重。
需要说明的是,对于不同媒体平台,可能具有相同类型的用户数据,但是,对于不同媒体平台,用户数据不尽相同,相同类型的用户数据用户所体现的重要程度也有所不同,因此,对于不同媒体平台,均可独立对其用户数据配置数据权重。
例如,如图2所示,对于微博平台,具有点赞量、粉丝数,对于短视频平台,同样具有点赞量、粉丝数,独立计算微博平台的转发量、评论量、点赞量和粉丝数对于该微博平台的数据权重,以及,独立计算短视频平台的播放量、点赞量、投币量、收藏量和粉丝数对于该短视频平台的数据权重。
在本发明的一个实施例中,S103包括如下步骤:
S1031、针对每个所述媒体平台生成数据矩阵。
其中,在数据矩阵中存储相对于同一个媒体平台、用户数据之间的数据重要程度。
S1032、对每列所述数据重要程度进行归一化处理,获得数据重要归一值。
S1033、对每行所述数据重要归一值求和,作为数据特征值。
S1034、对所述数据特征值进行归一化处理,获得数据权重。
在本发明实施例中,数据矩阵属于元素比较矩阵,数据重要程度属于相对重要性,数据重要归一值属于重要归一值,数据特征值属于特征值,数据权重属于权重,S1031-S1034的实现过程与S1021-S1024的实现过程基本相似,可参考S1021-S1024的描述即可,在此不再详述。
S1305、将第一数据值与第二数据值之间比值,设置为所述数据矩阵的数据最大特征根。
其中,第一数据值为数据矩阵与数据权重之间的乘积,第二数据值为数据矩阵的阶数与数据权重之间的乘积。
S1306、基于所述数据最大特征根计算所述数据矩阵的数据一致性指标。
S1307、基于所述数据一致性指标计算数据一致性比率。
S1308、若所述数据一致性比率小于预设的第二阈值,则确定所述数据权重有效。
在本发明实施例中,数据最大特征根属于最大特征根,数据一致性指标属于一致性指标,数据一致性比率属于一致性比率,S1035-S1038的实现过程与S1025-S1028的实现过程基本相似,可参考S1025-S1028的描述即可,在此不再详述。
需要说明的是,在设定了媒体平台及用户数据的情况下,用户数据是一个相对固定的值,因此,在首次计算每个用户数据的数据权重之后,可将该数据权重存储在数据库中,此后每次为新的用户计算业务信息时,可直接从数据库提取该数据权重。
S104、为所述用户配置相对于所述用户数据的用户权重。
在具体实现中,针对于同一个用户数据,可分别两两比用户,确定每个用户相对于该用户数据的权重,作为用户权重。
进一步而言,若应用AHP,则可以在方案层中为用户配置相对于用户数据的用户权重。
需要说明的是,对于不同媒体平台,可能具有相同类型的用户数据,但是,对于不同用户数据,即便是相同类型的用户数据,各用户所体现的重要程度也有所不同,因此,对于不同用户数据,均可独立对用户配置用户权重。
例如,如图2所示,对于微博平台,具有点赞量、粉丝数,对于短视频平台,同样具有点赞量、粉丝数,独立用户A、用户B、用户C、用户E、用户E对于微博平台的点赞量的用户权重,独立用户A、用户B、用户C、用户E、用户E对于短视频平台的点赞量的用户权重,等等。
在本发明的一个实施例中,S104包括如下步骤:
S1041、针对每个所述用户数据生成用户矩阵。
其中,在用户矩阵中存储相对于用户数据、用户之间的用户重要程度。
S1042、对每列所述用户重要程度进行归一化处理,获得用户重要归一值。
S1043、对每行所述用户重要归一值求和,作为用户特征值。
S1044、对所述用户特征值进行归一化处理,获得用户权重。
在本发明实施例中,用户矩阵属于元素比较矩阵,用户重要程度属于相对重要性,用户重要归一值属于重要归一值,用户特征值属于特征值,用户权重属于权重,S1041-S1044的实现过程与S1021-S1024的实现过程基本相似,可参考S1021-S1024的描述即可,在此不再详述。
S1045、将第一用户值与第二用户值之间比值,作为所述用户矩阵的用户最大特征根。
其中,第一用户值为用户矩阵与用户权重之间的乘积,第二用户值为用户矩阵的阶数与用户权重之间的乘积。
S1046、基于所述用户最大特征根计算所述用户矩阵的用户一致性指标。
S1047、基于所述用户一致性指标计算用户一致性比率。
S1048、若所述用户一致性比率小于预设的阈值,则确定所述用户权重有效。
在本发明实施例中,用户最大特征根属于最大特征根,用户一致性指标属于一致性指标,用户一致性比率属于一致性比率,S1045-S1048的实现过程与S1025-S1028的实现过程基本相似,可参考S1025-S1028的描述即可,在此不再详述。
需要说明的是,对于新入驻某个媒体平台的用户,大多是新的用户,在用户变化的情况下,可实时计算其用户权重,而因为用户的变更导致媒体平台、用户数据发生变化,则可以重新计算媒体平台的平台权重及用户数据的数据权重。
S105、根据所述平台权重、所述数据权重与所述用户权重生成所述用户相对于所述媒体平台的业务信息。
在具体实现中,针对不同类型的业务信息,可配置不同的处理方式,按照该处理方式,可综合考虑各层次的平台权重、数据权重与用户权重,生成用户相对于媒体平台的业务信息。
进一步而言,若应用AHP,则可以在目标层中根据平台权重、数据权重与用户权重生成用户相对于媒体平台的业务信息。
在本发明的一个实施例中,业务信息包括排序信息,则S105包括如下步骤:
S1501、采用所述平台权重、所述数据权重与所述用户权重对所述用户相对于所述媒体平台的影响力。
所谓影响力,也可以称为用户质量、用户评分等,所表达的是用户对于媒体平台的重要程度。
一般而言,用户相对于媒体平台的影响力,与平台权重、数据权重与用户权重正相关,即平台权重、数据权重与用户权重越大,则用户相对于媒体平台的影响力越高,反之,平台权重、数据权重与用户权重越小,则用户相对于媒体平台的影响力越低。
在一种实施方式中,对于每个所述媒体平台,计算第一中间值之和,作为第二中间值。
其中,第一中间值为媒体平台中每个用户数据对应的数据权重与用户权重的乘积;
对于所有所述媒体平台,计算第三中间值之和,作为用户相对于媒体平台的影响力。
其中,第三中间值为每个媒体平台对应的第二中间值与平台权重之间的乘积。
在一个示例中,如图2所示,其平台权重E、数据权重E、用户权重X如下表所示:
用户A的影响力=(Xa1*E1+Xa2*E2+Xa3*E3+Xa4*E4)*W1+(Xa5*E5+Xa6*E6+Xa7*E7+Xa8*E8+Xa9*E9)*W2+……
用户A的影响力=(Xb1*E1+Xb2*E2+Xb3*E3+Xb4*E4)*W1+(Xb5*E5+Xb6*E6+Xb7*E7+Xb8*E8+Xb9*E9)*W2+……
S1502、按照所述影响力对所述用户生成相对于所述媒体平台的排序信息。
在确定了用户对媒体平台的影响力之后,则可以按照顺序、倒序等方式,对用户进行排序,从而获得用户相对于媒体平台的排序信息。
在确定其排序信息,则媒体平台的运营人员可以按照该排序信息对这些新入驻的用户分配资源,以推荐资源作为资源的示例,运营人员可优先在各个活动中将影响力最高的m(m为正整数)个用户推送至各个用户的客户端,所分配的资源包括媒体平台的服务器资源,如CPU(Central Processing Unit,中央处理器)、内存等,用于生成推送的信息,也包括网络资源,如带宽等,用于传输推送的信息,还包括客户端的终端资源,如CPU、内存等,用于显示推送的信息。
在本发明实施例中,确定媒体平台、归属于媒体平台的用户数据与用户,为媒体平台配置相对于业务信息的平台权重,为用户数据配置相对于同一个媒体平台的数据权重,为用户配置相对于用户数据的用户权重,从而根据平台权重、数据权重与用户权重生成用户相对于媒体平台的业务信息,对于新入驻某个媒体平台的用户,该媒体平台中的运营人员可以参考这些用户在外部媒体平台的业务信息对其分配资源,降低主观性,提高资源的利用率,减少资源浪费,从而提高效率。
实施例二
图3为本发明实施例二提供的一种业务处理装置的结构示意图,该装置具体可以包括如下模块:
元素确定模块301,用于确定媒体平台、归属于所述媒体平台的用户数据与用户;
平台权重配置模块302,用于为所述媒体平台配置相对于业务信息的平台权重;
数据权重配置模块303,用于为所述用户数据配置相对于同一个所述媒体平台的数据权重;
用户权重配置模块304,用于为所述用户配置相对于所述用户数据的用户权重;
业务信息生成模块305,用于根据所述平台权重、所述数据权重与所述用户权重生成所述用户相对于所述媒体平台的业务信息。
在本发明的一个实施例中,所述元素确定模块301包括:
用户分析模型生成子模块,用于生成用户分析模型,所述用户分析模型中具有目标层、标准层与方案层;
目标层设置子模块,用于在所述目标层中设置确定所述用户相对于所述媒体平台的排序;
标准层设置子模块,用于在所述标准层中设置媒体平台,对所述媒体平台关联归属于所述媒体平台的用户数据;
方案层设置子模块,用于在所述方案层中设置归属于所述媒体平台的用户。
在本发明的一个实施例中,所述平台权重配置模块302包括:
平台矩阵生成子模块,用于生成平台矩阵,在所述平台矩阵中存储相对于业务信息、所述媒体平台之间的平台重要程度;
平台重要归一值计算子模块,用于对每列所述平台重要程度进行归一化处理,获得平台重要归一值;
平台特征值计算子模块,用于对每行所述平台重要归一值求和,作为平台特征值;
平台权重计算子模块,用于对所述平台特征值进行归一化处理,获得平台权重。
在本发明的一个实施例中,所述平台权重配置模块302还包括:
平台最大特征根设置子模块,用于将第一平台值与第二平台值之间比值,设置为所述平台矩阵的平台最大特征根,所述第一平台值为所述平台矩阵与所述平台权重之间的乘积,所述第二平台值为所述平台矩阵的阶数与所述平台权重之间的乘积;
平台一致性指标计算子模块,用于基于所述平台最大特征根计算所述平台矩阵的平台一致性指标;
平台一致性比率计算子模块,用于基于所述平台一致性指标计算平台一致性比率;
平台权重有效确定子模块,用于若所述平台一致性比率小于预设的第一阈值,则确定所述平台权重有效。
在本发明的一个实施例中,所述数据权重配置模块303包括:
数据矩阵生成子模块,用于针对每个所述媒体平台生成数据矩阵,在所述数据矩阵中存储相对于同一个所述媒体平台、所述用户数据之间的数据重要程度;
数据重要归一值计算子模块,用于对每列所述数据重要程度进行归一化处理,获得数据重要归一值;
数据特征值计算子模块,用于对每行所述数据重要归一值求和,作为数据特征值;
数据权重计算子模块,用于对所述数据特征值进行归一化处理,获得数据权重。
在本发明的一个实施例中,所述数据权重配置模块303还包括:
数据最大特征根设置子模块,用于将第一数据值与第二数据值之间比值,设置为所述数据矩阵的数据最大特征根,所述第一数据值为所述数据矩阵与所述数据权重之间的乘积,所述第二数据值为所述数据矩阵的阶数与所述数据权重之间的乘积;
数据一致性指标计算子模块,用于基于所述数据最大特征根计算所述数据矩阵的数据一致性指标;
数据一致性比率计算子模块,用于基于所述数据一致性指标计算数据一致性比率;
数据权重有效确定子模块,用于若所述数据一致性比率小于预设的第二阈值,则确定所述数据权重有效。
在本发明的一个实施例中,所述用户权重配置模块304包括:
用户矩阵生成子模块,用于针对每个所述用户数据生成用户矩阵,在所述用户矩阵中存储相对于所述用户数据、所述用户之间的用户重要程度;
用户重要归一值计算子模块,用于对每列所述用户重要程度进行归一化处理,获得用户重要归一值;
用户特征值计算子模块,用于对每行所述用户重要归一值求和,作为用户特征值;
用户权重计算子模块,用于对所述用户特征值进行归一化处理,获得用户权重。
在本发明的一个实施例中,所述用户权重配置模块304还包括:
用户最大特征根设置子模块,用于将第一用户值与第二用户值之间比值,作为所述用户矩阵的用户最大特征根,所述第一用户值为所述用户矩阵与所述用户权重之间的乘积,所述第二用户值为所述用户矩阵的阶数与所述用户权重之间的乘积;
用户一致性指标计算子模块,用于基于所述用户最大特征根计算所述用户矩阵的用户一致性指标;
用户一致性比率计算子模块,用于基于所述用户一致性指标计算用户一致性比率;
用户权重有效确定子模块,用于若所述用户一致性比率小于预设的阈值,则确定所述用户权重有效。
在本发明的一个实施例中,所述业务信息包括排序信息;
所述业务信息生成模块305包括:
影响力计算子模块,用于采用所述平台权重、所述数据权重与所述用户权重对所述用户相对于所述媒体平台的影响力;
排序子模块,用于按照所述影响力对所述用户生成相对于所述媒体平台的排序信息。
在本发明的一个实施例中,所述影响力计算子模块包括:
第一和值计算单元,用于对于每个所述媒体平台,计算第一中间值之和,作为第二中间值,所述第一中间值为所述媒体平台中每个所述用户数据对应的所述数据权重与所述用户权重的乘积;
第二和值计算单元,用于对于所有所述媒体平台,计算第三中间值之和,作为所述用户相对于所述媒体平台的影响力,所述第三中间值为每个所述媒体平台对应的所述第二中间值与所述平台权重之间的乘积。
本发明实施例所提供的业务处理装置可执行本发明任意实施例所提供的业务处理方法,具备执行方法相应的功能模块和有益效果。
实施例三
图4为本发明实施例三提供的一种计算机设备的结构示意图。如图4所示,该计算机设备包括处理器400、存储器401、通信模块402、输入装置403和输出装置404;计算机设备中处理器400的数量可以是一个或多个,图4中以一个处理器400为例;计算机设备中的处理器400、存储器401、通信模块402、输入装置403和输出装置404可以通过总线或其他方式连接,图4中以通过总线连接为例。
存储器401作为一种计算机可读存储介质,可用于存储软件程序、计算机可执行程序以及模块,如本实施例中的一种连接方法对应的模块(例如,如图3所示的一种业务处理装置中的元素确定模块301、平台权重配置模块302、数据权重配置模块303、用户权重配置模块304和业务信息生成模块305)。处理器400通过运行存储在存储器401中的软件程序、指令以及模块,从而执行计算机设备的各种功能应用以及数据处理,即实现上述的一种连接方法。
存储器401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、至少一个功能所需的应用程序;存储数据区可存储根据计算机设备的使用所创建的数据等。此外,存储器401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、或其他非易失性固态存储器件。在一些实例中,存储器401可进一步包括相对于处理器400远程设置的存储器,这些远程存储器可以通过网络连接至计算机设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
通信模块402,用于与显示屏建立连接,并实现与显示屏的数据交互。输入装置1073可用于接收输入的数字或字符信息,以及产生与计算机设备的用户设置以及功能控制有关的键信号输入。
本实施例提供的一种计算机设备,可执行本发明任一实施例提供的业务处理方法,具体相应的功能和有益效果。
实施例四
本发明实施例四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一种业务处理方法,该方法包括:
确定媒体平台、归属于所述媒体平台的用户数据与用户;
为所述媒体平台配置相对于业务信息的平台权重;
为所述用户数据配置相对于同一个所述媒体平台的数据权重;
为所述用户配置相对于所述用户数据的用户权重;
根据所述平台权重、所述数据权重与所述用户权重生成所述用户相对于所述媒体平台的业务信息。
当然,本发明实施例所提供的计算机可读存储介质,其计算机程序不限于如上所述的方法操作,还可以执行本发明任意实施例所提供的业务处理方法中的相关操作。
通过以上关于实施方式的描述,所属领域的技术人员可以清楚地了解到,本发明可借助软件及必需的通用硬件来实现,当然也可以通过硬件实现,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如计算机的软盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、闪存(FLASH)、硬盘或光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述的方法。
值得注意的是,上述业务处理装置的实施例中,所包括的各个单元和模块只是按照功能逻辑进行划分的,但并不局限于上述的划分,只要能够实现相应的功能即可;另外,各功能单元的具体名称也只是为了便于相互区分,并不用于限制本发明的保护范围。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (13)
1.一种业务处理方法,其特征在于,包括:
确定媒体平台、归属于所述媒体平台的用户数据与用户;
为所述媒体平台配置相对于业务信息的平台权重;
为所述用户数据配置相对于同一个所述媒体平台的数据权重;
为所述用户配置相对于所述用户数据的用户权重;
根据所述平台权重、所述数据权重与所述用户权重生成所述用户相对于所述媒体平台的业务信息。
2.根据权利要求1所述的方法,其特征在于,所述确定媒体平台、归属于所述媒体平台的用户数据与用户,包括:
生成用户分析模型,所述用户分析模型中具有目标层、标准层与方案层;
在所述目标层中设置确定所述用户相对于所述媒体平台的排序;
在所述标准层中设置媒体平台,对所述媒体平台关联归属于所述媒体平台的用户数据;
在所述方案层中设置归属于所述媒体平台的用户。
3.根据权利要求1或2所述的方法,其特征在于,所述为所述媒体平台配置相对于业务信息的平台权重,包括:
生成平台矩阵,在所述平台矩阵中存储相对于业务信息、所述媒体平台之间的平台重要程度;
对每列所述平台重要程度进行归一化处理,获得平台重要归一值;
对每行所述平台重要归一值求和,作为平台特征值;
对所述平台特征值进行归一化处理,获得平台权重。
4.根据权利要求3所述的方法,其特征在于,所述为所述媒体平台配置相对于业务信息的平台权重,还包括:
将第一平台值与第二平台值之间比值,设置为所述平台矩阵的平台最大特征根,所述第一平台值为所述平台矩阵与所述平台权重之间的乘积,所述第二平台值为所述平台矩阵的阶数与所述平台权重之间的乘积;
基于所述平台最大特征根计算所述平台矩阵的平台一致性指标;
基于所述平台一致性指标计算平台一致性比率;
若所述平台一致性比率小于预设的第一阈值,则确定所述平台权重有效。
5.根据权利要求1或2所述的方法,其特征在于,所述为所述用户数据配置相对于同一个所述媒体平台的数据权重,包括:
针对每个所述媒体平台生成数据矩阵,在所述数据矩阵中存储相对于同一个所述媒体平台、所述用户数据之间的数据重要程度;
对每列所述数据重要程度进行归一化处理,获得数据重要归一值;
对每行所述数据重要归一值求和,作为数据特征值;
对所述数据特征值进行归一化处理,获得数据权重。
6.根据权利要求5所述的方法,其特征在于,所述为所述用户数据配置相对于同一个所述媒体平台的数据权重,还包括:
将第一数据值与第二数据值之间比值,设置为所述数据矩阵的数据最大特征根,所述第一数据值为所述数据矩阵与所述数据权重之间的乘积,所述第二数据值为所述数据矩阵的阶数与所述数据权重之间的乘积;
基于所述数据最大特征根计算所述数据矩阵的数据一致性指标;
基于所述数据一致性指标计算数据一致性比率;
若所述数据一致性比率小于预设的第二阈值,则确定所述数据权重有效。
7.根据权利要求1或2所述的方法,其特征在于,所述为所述用户配置相对于所述用户数据的用户权重,包括:
针对每个所述用户数据生成用户矩阵,在所述用户矩阵中存储相对于所述用户数据、所述用户之间的用户重要程度;
对每列所述用户重要程度进行归一化处理,获得用户重要归一值;
对每行所述用户重要归一值求和,作为用户特征值;
对所述用户特征值进行归一化处理,获得用户权重。
8.根据权利要求7所述的方法,其特征在于,所述为所述用户配置相对于所述用户数据的用户权重,还包括:
将第一用户值与第二用户值之间比值,作为所述用户矩阵的用户最大特征根,所述第一用户值为所述用户矩阵与所述用户权重之间的乘积,所述第二用户值为所述用户矩阵的阶数与所述用户权重之间的乘积;
基于所述用户最大特征根计算所述用户矩阵的用户一致性指标;
基于所述用户一致性指标计算用户一致性比率;
若所述用户一致性比率小于预设的阈值,则确定所述用户权重有效。
9.根据权利要求1或2所述的方法,其特征在于,所述业务信息包括排序信息;
所述根据所述平台权重、所述数据权重与所述用户权重生成所述用户相对于所述媒体平台的业务信息,包括:
采用所述平台权重、所述数据权重与所述用户权重对所述用户相对于所述媒体平台的影响力;
按照所述影响力对所述用户生成相对于所述媒体平台的排序信息。
10.根据权利要求9所述的方法,其特征在于,所述采用所述平台权重、所述数据权重与所述用户权重对所述用户相对于所述媒体平台的影响力,包括:
对于每个所述媒体平台,计算第一中间值之和,作为第二中间值,所述第一中间值为所述媒体平台中每个所述用户数据对应的所述数据权重与所述用户权重的乘积;
对于所有所述媒体平台,计算第三中间值之和,作为所述用户相对于所述媒体平台的影响力,所述第三中间值为每个所述媒体平台对应的所述第二中间值与所述平台权重之间的乘积。
11.一种业务处理装置,其特征在于,包括:
元素确定模块,用于确定媒体平台、归属于所述媒体平台的用户数据与用户;
平台权重配置模块,用于为所述媒体平台配置相对于业务信息的平台权重;
数据权重配置模块,用于为所述用户数据配置相对于同一个所述媒体平台的数据权重;
用户权重配置模块,用于为所述用户配置相对于所述用户数据的用户权重;
业务信息生成模块,用于根据所述平台权重、所述数据权重与所述用户权重生成所述用户相对于所述媒体平台的业务信息。
12.一种计算机设备,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,其特征在于,所述处理器执行所述程序时实现如权利要求1-10中任一所述的业务处理方法。
13.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-10中任一所述的业务处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910063992.5A CN109740967B (zh) | 2019-01-23 | 2019-01-23 | 一种业务处理方法、装置、计算机设备与存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910063992.5A CN109740967B (zh) | 2019-01-23 | 2019-01-23 | 一种业务处理方法、装置、计算机设备与存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109740967A true CN109740967A (zh) | 2019-05-10 |
CN109740967B CN109740967B (zh) | 2022-02-25 |
Family
ID=66365814
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910063992.5A Active CN109740967B (zh) | 2019-01-23 | 2019-01-23 | 一种业务处理方法、装置、计算机设备与存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109740967B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130191401A1 (en) * | 2012-01-24 | 2013-07-25 | Verizon Patent And Licensing Inc. | Cross-platform content popularity rankings |
CN105247507A (zh) * | 2013-05-31 | 2016-01-13 | 惠普发展公司,有限责任合伙企业 | 品牌的影响力得分 |
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 |
CN106228403A (zh) * | 2016-07-20 | 2016-12-14 | 武汉斗鱼网络科技有限公司 | 一种基于层次分析算法的用户价值评分方法及系统 |
CN108009707A (zh) * | 2017-11-15 | 2018-05-08 | 广州虎牙信息科技有限公司 | 主播信用评分方法、装置和终端 |
WO2018090793A1 (zh) * | 2016-11-18 | 2018-05-24 | 腾讯科技(深圳)有限公司 | 多媒体推荐方法和装置 |
-
2019
- 2019-01-23 CN CN201910063992.5A patent/CN109740967B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130191401A1 (en) * | 2012-01-24 | 2013-07-25 | Verizon Patent And Licensing Inc. | Cross-platform content popularity rankings |
CN105247507A (zh) * | 2013-05-31 | 2016-01-13 | 惠普发展公司,有限责任合伙企业 | 品牌的影响力得分 |
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 |
CN106228403A (zh) * | 2016-07-20 | 2016-12-14 | 武汉斗鱼网络科技有限公司 | 一种基于层次分析算法的用户价值评分方法及系统 |
WO2018090793A1 (zh) * | 2016-11-18 | 2018-05-24 | 腾讯科技(深圳)有限公司 | 多媒体推荐方法和装置 |
CN108009707A (zh) * | 2017-11-15 | 2018-05-08 | 广州虎牙信息科技有限公司 | 主播信用评分方法、装置和终端 |
Non-Patent Citations (1)
Title |
---|
山西汾渭能源开发咨询有限公司: "《中国煤炭上市公司价值再评价》", 31 August 2010 * |
Also Published As
Publication number | Publication date |
---|---|
CN109740967B (zh) | 2022-02-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2022126971A1 (zh) | 基于密度的文本聚类方法、装置、设备及存储介质 | |
Wang et al. | Locating structural centers: A density-based clustering method for community detection | |
CN106228386A (zh) | 一种信息推送方法及装置 | |
US10097664B2 (en) | Recommending media items based on purchase history | |
CN108985954B (zh) | 一种建立各标识的关联关系的方法以及相关设备 | |
Van Ham et al. | Centrality based visualization of small world graphs | |
CN104077723B (zh) | 一种社交网络推荐系统及方法 | |
CN109582967B (zh) | 舆情摘要提取方法、装置、设备及计算机可读存储介质 | |
Sarkar et al. | Spectral characterization of hierarchical network modularity and limits of modularity detection | |
CN103473241A (zh) | 多媒体对象的推荐方法与推荐装置 | |
CN109993179A (zh) | 一种对数据进行聚类的方法和装置 | |
CN110162775A (zh) | 确定意图识别准确度的方法、装置及计算机设备 | |
CN110472016A (zh) | 文章推荐方法、装置、电子设备及存储介质 | |
CN111126442A (zh) | 一种物品关键属性生成方法、物品分类方法和装置 | |
JP5356607B2 (ja) | 共起セレンディピティレコメンダ | |
Hu et al. | Predicting key events in the popularity evolution of online information | |
CN111340601B (zh) | 商品信息的推荐方法和装置、电子设备和存储介质 | |
JP2015032171A (ja) | 情報処理装置、情報処理方法、およびプログラム | |
Huang et al. | A novel social event organization approach for diverse user choices | |
CN109740967A (zh) | 一种业务处理方法、装置、计算机设备与存储介质 | |
CN113450142B (zh) | 一种电力客户用电行为聚类分析方法及装置 | |
CN110826845A (zh) | 一种多维组合成本分摊装置及方法 | |
CN112446660A (zh) | 网点聚类方法、装置、服务器及存储介质 | |
CN115525230A (zh) | 存储资源的分配方法、装置、存储介质及电子设备 | |
Dhamal et al. | Modeling spread of preferences in social networks for sampling-based preference aggregation |
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 |