CN110443517A - 一种影响网约车司机出车积极性的关键指标确定方法 - Google Patents
一种影响网约车司机出车积极性的关键指标确定方法 Download PDFInfo
- Publication number
- CN110443517A CN110443517A CN201910740122.7A CN201910740122A CN110443517A CN 110443517 A CN110443517 A CN 110443517A CN 201910740122 A CN201910740122 A CN 201910740122A CN 110443517 A CN110443517 A CN 110443517A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- driver
- index
- enthusiasm
- goes out
- 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
- 238000000034 method Methods 0.000 title claims abstract description 37
- 230000005012 migration Effects 0.000 claims abstract description 18
- 238000013508 migration Methods 0.000 claims abstract description 18
- 238000010219 correlation analysis Methods 0.000 claims abstract description 6
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 15
- 230000003442 weekly effect Effects 0.000 claims description 12
- 230000008569 process Effects 0.000 claims description 9
- 230000008859 change Effects 0.000 claims description 5
- 238000004422 calculation algorithm Methods 0.000 claims description 4
- 238000001914 filtration Methods 0.000 claims description 3
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 claims 1
- 239000010931 gold Substances 0.000 claims 1
- 229910052737 gold Inorganic materials 0.000 claims 1
- 238000007405 data analysis Methods 0.000 abstract description 2
- 238000003860 storage Methods 0.000 description 10
- 238000004590 computer program Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 7
- 230000000875 corresponding effect Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000009826 distribution Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000013486 operation strategy Methods 0.000 description 1
- 230000003068 static effect Effects 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
- G06Q10/00—Administration; Management
- G06Q10/02—Reservations, e.g. for tickets, services or events
-
- 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
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/40—Business processes related to the transportation industry
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开的影响网约车司机出车积极性的关键指标确定方法，涉及数据分析技术领域，通过对运营策略进行评分，保证了运营指标数据的质量及采用典型相关性分析方法来评价各指标间的影响程度，提高了计算影响网约车司机工作特征的指标的精确度。
Description
技术领域
本发明属于数据分析技术领域，具体涉及一种影响网约车司机出车积极性的关键指标确定方法。
背景技术
网约车已被社会大众广泛接受，网约车的年需求量在呈几何级增长。为了更好地满足客户的用车需求，各网约车平台开始加大精准派单和运力调度方面的技术投入，同时在争夺客户和司机资源时各种运营策略层出不穷。研究报告显示，网约车司机中兼职司机占比大、留存率低，因此即使派单策略再精准、运力调度策略再有效，若司机出车积极性调动不起来，早晚高峰时刻约车难的问题依然无法有效根除。
科研机构的专家学者主要根据对网约车司机进行问卷调查，从网约车司机群体的个人特征、家庭特征及就业特征等方面着手，利用统计分析模型如回归模型找出影响网约车司机出车积极性的关键因素，并根据找出的关键因素试图从社会学的角度理解网约车司机间在工作状态和对职业满意度方面的差异。
采用问卷调查的方式，虽然可以直接明了地获知司机当前的想法和状态，但数据的真实性不能保证。同时各平台不同阶段制定的运营策略往往会影响司机的工作态度，造成多数司机在平台上的出车特点呈现出无规律性，利用线下因素解释司机出车特点显然是不够全面的，导致得到的影响网约车司机出车积极性的指标精确度较低。
发明内容
针对现有技术存在的缺陷，本发明实施例提供了一种影响网约车司机出车积极性的关键指标确定方法，包括以下步骤：
根据公式分别计算同一个城市不同运营策略的综合得分，其中，gradei为第i个运营指标的评分，wi为第i个运营指标的权重；
过滤评分小于设定阈值的运营策略；
在同一个运营策略下，获取加盟司机在设定时间段内出车天数Y1和出车总时长Y2，生成第一指标集合；
根据出车天数Y1及出车总时长Y2的大小，将各个加盟司机划分为4个类型，即每周出车积极同时每天工作时长较长的司机、每周出车积极但每天工作时长较短的司机、每周出车不积极但日均出车时长较长的司机及每周出车不积极且日均出车时长较短的司机；
分别获取各个类型的司机在设定时间段内完成的总订单数X1、订单流水总额X2、获得奖励的订单数X3、获奖订单数的占比X4、奖励总金额X5、奖励总金额占订单总流水的比值X6、订单最大奖励金额X7、日最大奖励金额X8、日奖励金额占日订单流水比值的最大值X9、投诉率X10、罚款总金额X11、罚款的订单占比X12、罚款总金额占订单总流水的比值X13、日最大罚款金额X14及日罚款金额占日订单流水比值的最大值X15，生成第二指标集合；
利用典型相关性分析算法，分别计算所述第一指标集合中各个指标与所述第二指标集合中各个指标之间的相关系数；
根据所述相关系数的大小，确定影响各个类型的司机出车积极性的关键指标。
优选地，所述运营指标包括车均完单、上线运营率及完单率。
优选地，其特征在于，
其中，|CORR(indici,Zt)|为计算indici与Zt之间的皮尔森相关系数绝对值的公式，indici为各个运营指标，Zt为第t天车均完单金额的变化率，dt为第t天的车均完单金额，dt-1为第t-1天的车均完单金额。
优选地，gradei的计算过程包括：
根据频数分布的不同，为各个运营指标设置不同的区间值并为各个指标值区间设置不同的分数。
本发明实施例提供的影响网约车司机出车积极性的关键指标确定方法具有以下有益效果：
通过对运营策略进行评分，保证了运营指标数据的质量及采用典型相关性分析方法来评价各指标间的影响程度，能够精确地确定影响网约车司机出车积极性的关键指标。
附图说明
图1为本发明实施例提供的一种影响网约车司机出车积极性的关键指标确定方法流程示意图。
具体实施方式
以下结合附图和具体实施例对本发明作具体的介绍。
如图1所示，本发明实施例提供的影响网约车司机出车积极性的关键指标确定方法包括以下步骤：
S101，根据公式分别计算同一个城市不同运营策略的综合得分，其中，gradei为第i个运营指标的评分，wi为第i个运营指标的权重。
S102，过滤评分小于设定阈值的运营策略。
作为一个具体的实施例，当某个运营策略的综合得分低于70分时，则舍弃该运营策略。
S103，在同一个运营策略下，获取加盟司机在设定时间段内出车天数Y1和出车总时长Y2，生成第一指标集合。
其中，该设定的时间段不能超过对应的运营策略的运营期。
S104，根据出车天数Y1及出车总时长Y2的大小，将各个加盟司机划分为4个类型，即每周出车积极同时每天工作时长较长的司机、每周出车积极但每天工作时长较短的司机、每周出车不积极但日均出车时长较长的司机及每周出车不积极且日均出车时长较短的司机。
S105，分别获取各个类型的司机在设定时间段内完成的总订单数X1、订单流水总额X2、获得奖励的订单数X3、获奖订单数的占比X4、奖励总金额X5、奖励总金额占订单总流水的比值X6、订单最大奖励金额X7、日最大奖励金额X8、日奖励金额占日订单流水比值的最大值X9、投诉率X10、罚款总金额X11、罚款的订单占比X12、罚款总金额占订单总流水的比值X13、日最大罚款金额X14及日罚款金额占日订单流水比值的最大值X15，生成第二指标集合。
S106，利用典型相关性分析算法，分别计算第一指标集合中各个指标与第二指标集合中各个指标之间的相关系数。
S107，根据相关系数的大小，确定影响各个类型的司机出车积极性的关键指标。
作为一个具体的实施例，将值大于0.7的相关系数对应的第二指标集合中的指标确定为影响各个类型的司机出车积极性的关键指标。
其中，指标Y1和Y2体现了司机对该运营策略的接受程度。依据指标间的相关系数值发现影响和制约该类型司机出车积极性的关键因素。例如，若某类型司机的投诉率指标与出车天数的相关系数值超过一定的阈值，且明显高于其他指标与出车天数的相关系数值，结合平台的运营策略可知，由于投诉率影响了其抽佣比例和受奖励的机会，因此该类型司机会随着投诉率的增加而逐渐减少出车次数。
可选地，运营指标包括车均完单、上线运营率及完单率。
其中，车均完单代表司机每天的订单完成量，上线运营率代表每日完成订单的司机数占在线司机数(可出车司机数)的百分比，完单率代表每日完成的订单量占全部订单量的百分比。这3个指标体现了一个城市的运营状态，但运营策略间的差异会导致三个指标的效果也不同，因此每个指标的评分被赋予不同的权重。
可选地，其特征在于，
其中，|CORR(indici,Zt)|为计算indici与Zt之间的皮尔森相关系数绝对值的公式，indici为各个运营指标，Zt为第t天车均完单金额的变化率，dt为第t天的车均完单金额，dt-1为第t-1天的车均完单金额。
可选地，gradei的计算过程包括：
根据频数分布的不同，为各个运营指标设置不同的区间值并为各个指标值区间设置不同的分数。
其中，当运营指标的偏度系数为0时，则该运营指标的指标值为正态分布；当运营指标的偏度系数大于0时，则该运营指标的指标值为正偏态分布；当运营指标的偏度系数小于0时，则该运营指标的指标值为负偏态分布。
作为一个具体的实施例，表1为运营指标的指标值为正态分布时，设置不同的区间值并为各个指标值区间设置不同分数的情况。
表1
| 指标值区间 | 分数 |
| [指标均值+2倍标准差,+∞) | 90 |
| [指标均值+标准差,指标均值+2倍标准差) | 80 |
| [指标均值,指标均值+倍标准差) | 70 |
| [指标均值-标准差,指标均值) | 60 |
| [指标均值-2倍标准差,指标均值-标准差) | 50 |
| (-∞,指标均值-2倍标准差) | 40 |
本发明实施例提供的影响网约车司机出车积极性的关键指标确定方法，通过对运营策略进行评分，保证了运营指标数据的质量及采用典型相关性分析方法来评价各指标间的影响程度，提高了计算影响网约车司机出车积极性的指标的精确度。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
可以理解的是，上述方法及装置中的相关特征可以相互参考。所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在此提供的算法和显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述，构造这类系统所要求的结构是显而易见的。此外，本发明也不针对任何特定编程语言。应当明白，可以利用各种编程语言实现在此描述的本发明的内容，并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。
此外，存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)，存储器包括至少一个存储芯片。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、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装置。
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装置的制造品，该指令装置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。
在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。存储器是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白，本申请的实施例可提供为方法、系统或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
以上仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。
需要说明的是，上述实施例不以任何形式限制本发明，凡采用等同替换或等效变换的方式所获得的技术方案，均落在本发明的保护范围内。
Claims (4)
1.一种影响网约车司机出车积极性的关键指标确定方法，其特征在于，包括：
根据公式分别计算同一个城市不同运营策略的综合得分，其中，gradei为第i个运营指标的评分，wi为第i个运营指标的权重；
过滤评分小于设定阈值的运营策略；
在同一个运营策略下，获取加盟司机在设定时间段内出车天数Y1和出车总时长Y2，生成第一指标集合；
根据出车天数Y1及出车总时长Y2的大小，将各个加盟司机划分为4个类型，即每周出车积极同时每天工作时长较长的司机、每周出车积极但每天工作时长较短的司机、每周出车不积极但日均出车时长较长的司机及每周出车不积极且日均出车时长较短的司机；
分别获取各个类型的司机在设定时间段内完成的总订单数X1、订单流水总额X2、获得奖励的订单数X3、获奖订单数的占比X4、奖励总金额X5、奖励总金额占订单总流水的比值X6、订单最大奖励金额X7、日最大奖励金额X8、日奖励金额占日订单流水比值的最大值X9、投诉率X10、罚款总金额X11、罚款的订单占比X12、罚款总金额占订单总流水的比值X13、日最大罚款金额X14及日罚款金额占日订单流水比值的最大值X15，生成第二指标集合；
利用典型相关性分析算法，分别计算所述第一指标集合中各个指标与所述第二指标集合中各个指标之间的相关系数；
根据所述相关系数的大小，确定影响各个类型的司机出车积极性的关键指标。
2.根据权利要求1所述的影响网约车司机出车积极性的关键指标确定方法，其特征在于，
所述运营指标包括车均完单、上线运营率及完单率。
3.根据权利要求1所述的影响网约车司机出车积极性的关键指标确定方法，其特征在于，
其中，|CORR(indici,Zt)|为计算indici与Zt之间的皮尔森相关系数绝对值的公式，indici为各个运营指标，Zt为第t天车均完单金额的变化率，dt为第t天的车均完单金额，dt-1为第t-1天的车均完单金额。
4.根据权利要求1所述的影响网约车司机出车积极性的关键指标确定方法，其特征在于，gradei的计算过程包括：
根据频数分布的不同，为各个运营指标设置不同的区间值并为各个指标值区间设置不同的分数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910740122.7A CN110443517A (zh) | 2019-08-12 | 2019-08-12 | 一种影响网约车司机出车积极性的关键指标确定方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910740122.7A CN110443517A (zh) | 2019-08-12 | 2019-08-12 | 一种影响网约车司机出车积极性的关键指标确定方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110443517A true CN110443517A (zh) | 2019-11-12 |
Family
ID=68434732
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910740122.7A Pending CN110443517A (zh) | 2019-08-12 | 2019-08-12 | 一种影响网约车司机出车积极性的关键指标确定方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110443517A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112001570A (zh) * | 2020-09-29 | 2020-11-27 | 北京嘀嘀无限科技发展有限公司 | 数据处理方法、装置、电子设备和可读存储介质 |
| CN113706043A (zh) * | 2021-09-02 | 2021-11-26 | 南京领行科技股份有限公司 | 网约车出行管理方法、装置、电子设备及存储介质 |
-
2019
- 2019-08-12 CN CN201910740122.7A patent/CN110443517A/zh active Pending
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112001570A (zh) * | 2020-09-29 | 2020-11-27 | 北京嘀嘀无限科技发展有限公司 | 数据处理方法、装置、电子设备和可读存储介质 |
| CN113706043A (zh) * | 2021-09-02 | 2021-11-26 | 南京领行科技股份有限公司 | 网约车出行管理方法、装置、电子设备及存储介质 |
| CN113706043B (zh) * | 2021-09-02 | 2024-01-30 | 南京领行科技股份有限公司 | 网约车出行管理方法、装置、电子设备及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108460523A (zh) | 一种风控规则生成方法和装置 | |
| CN109741177A (zh) | 用户信用的评估方法、装置及智能终端 | |
| CN109685649A (zh) | 基于人工智能确定授信额度的方法、装置及存储介质 | |
| CN110443517A (zh) | 一种影响网约车司机出车积极性的关键指标确定方法 | |
| CN110276557A (zh) | 一种跨网格调度工单创建方法 | |
| CN107679987A (zh) | 资产配置策略获取方法、装置、计算机设备和存储介质 | |
| CN105791447A (zh) | 一种面向视频服务的云资源调度方法及装置 | |
| CN109636181A (zh) | 一种用户信用分计算方法及系统 | |
| CN106469332A (zh) | 一种数据处理方法及装置 | |
| Flamm et al. | Semiconductor dependency and strategic trade policy | |
| CN105786830A (zh) | 计算机系统中模型自适应调整方法、装置及系统 | |
| Palguna et al. | Mid-price prediction in a limit order book | |
| CN113837383B (zh) | 模型训练方法、装置、电子设备及存储介质 | |
| CN110796536A (zh) | 风险限额确定方法及装置 | |
| CN109255368B (zh) | 随机选取特征的方法、装置、电子设备及存储介质 | |
| Boyarchenko | Super-and submodularity of stopping games with random observations | |
| US8768812B2 (en) | System, method and computer-readable storage medium for valuing a performance option | |
| CN107239853B (zh) | 一种基于云计算的智慧管家系统及其工作方法 | |
| CN108090835A (zh) | 一种城市数据资产价值评估系统及方法 | |
| CN113469437B (zh) | 房源成交周期的预测方法与存储介质 | |
| CN108595669A (zh) | 一种无序分类变量处理方法及装置 | |
| CN109360019A (zh) | 一种个人车辆价格评估方法 | |
| CN108122171A (zh) | 一种电力需求侧竞价策略确定方法及系统 | |
| CN109255698B (zh) | 基于大数据的还款额的分配方法及终端设备 | |
| CN107368853A (zh) | 基于机器学习的电网项目分类确定方法及装置 |
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 |