CN110458394A - 一种基于对象关联度的指标测算方法及装置 - Google Patents

一种基于对象关联度的指标测算方法及装置 Download PDF

Info

Publication number
CN110458394A
CN110458394A CN201910603243.7A CN201910603243A CN110458394A CN 110458394 A CN110458394 A CN 110458394A CN 201910603243 A CN201910603243 A CN 201910603243A CN 110458394 A CN110458394 A CN 110458394A
Authority
CN
China
Prior art keywords
measurand
association
user
degree
calculating
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
Application number
CN201910603243.7A
Other languages
English (en)
Other versions
CN110458394B (zh
Inventor
赵宇
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 CN201910603243.7A priority Critical patent/CN110458394B/zh
Publication of CN110458394A publication Critical patent/CN110458394A/zh
Application granted granted Critical
Publication of CN110458394B publication Critical patent/CN110458394B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q10/00Administration; Management
    • G06Q10/06Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063Operations research, analysis or management
    • G06Q10/0639Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393Score-carding, benchmarking or key performance indicator [KPI] analysis
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q30/00Commerce
    • G06Q30/02Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201Market modelling; Market analysis; Collecting market data
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q40/00Finance; Insurance; Tax strategies; Processing of corporate or income taxes
    • G06Q40/04Trading; Exchange, e.g. stocks, commodities, derivatives or currency exchange
    • YGENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02PCLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30Computing systems specially adapted for manufacturing

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Development Economics (AREA)
  • Strategic Management (AREA)
  • Accounting & Taxation (AREA)
  • Human Resources & Organizations (AREA)
  • Finance (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Game Theory and Decision Science (AREA)
  • Educational Administration (AREA)
  • Technology Law (AREA)
  • Data Mining & Analysis (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本说明书公开一种基于对象关联度的指标测算方法及装置。在获取到针对被测对象的指标测算方式后,可以根据多个关联对象分别与被测对象之间具有的用户采样点交集数量,确定被测对象与每个关联对象的关联度;并根据预设的强关联条件、以及可信测算条件分别对关联度和关联对象的用户样本进行筛选,从而在多个关联对象中确定出目标对象。此后,则可以利用目标对象对应的目标用户样本、与被测对象的关联度、以及获取到的指标测算方式,对被测对象进行指标测算。

Description

一种基于对象关联度的指标测算方法及装置
技术领域
本说明书涉及计算机技术领域,尤其涉及一种基于对象关联度的指标测算方法及装置。
背景技术
以用户样本为基础的指标测算,可以在业务分析中起到重要作用。比如,可以对某商户的交易量进行采样,通过样本测算该商铺的活跃度指标;又如,可以对某地区的用户交易量进行采样,通过样本测算出该地区的活跃度、偏好等指标。这里,商户或地区均可以称为被测对象,而采样到的数据可以称为样本。
然而,出于多种原因,针对被测对象采集到用户样本,可能从数量或质量等方面无法达到预期的样本要求,比如数量较少,或较为离散等,从而导致指标测算结果容易出现偏差。所以亟需一种指标测算方案,能够提高测算结果的准确性。
发明内容
本说明书实施例提供一种基于对象关联度的指标测算方法和装置,用于较为准确地对被测对象进行指标测算。
为解决上述技术问题,本说明书实施例是这样实现的:
本说明书实施例采用下述技术方案:
第一方面,提出了一种基于对象关联度的指标测算方法,包括:
获取针对被测对象的指标测算方式;
根据多个关联对象分别与所述被测对象之间具有的用户采样点交集数量,确定所述被测对象分别与每个关联对象的关联度;
根据关联度满足强关联条件,以及关联用户样本满足可信测算条件,从所述多个关联对象中确定出目标对象;
利用所述目标对象对应的目标用户样本、与所述被测对象的关联度、以及所述指标测算方式,对所述被测对象进行指标测算。
第二方面,提出了一种基于对象关联度的指标测算装置,包括:指标获取单元、第一确定单元、第二确定单元、以及指标测算单元,其中,
所述指标获取单元,获取针对被测对象的指标测算方式;
所述第一确定单元,根据多个关联对象分别与所述被测对象之间具有的用户采样点交集数量,确定所述被测对象分别与每个关联对象的关联度;
所述第二确定单元,根据关联度满足强关联条件,以及关联用户样本满足可信测算条件,从所述多个关联对象中确定出目标对象;
所述指标测算单元,利用所述目标对象对应的目标用户样本、与所述被测对象的关联度、以及所述指标测算方式,对所述被测对象进行指标测算。
第三方面,提出了一种电子设备,该电子设备包括:
处理器;以及
被安排成存储计算机可执行指令的存储器,所述可执行指令在被执行时使所述处理器执行以下操作:
获取针对被测对象的指标测算方式;
根据多个关联对象分别与所述被测对象之间具有的用户采样点交集数量,确定所述被测对象分别与每个关联对象的关联度;
根据关联度满足强关联条件,以及关联用户样本满足可信测算条件,从所述多个关联对象中确定出目标对象;
利用所述目标对象对应的目标用户样本、与所述被测对象的关联度、以及所述指标测算方式,对所述被测对象进行指标测算。
第四方面,提出了一种计算机可读存储介质,所述计算机可读存储介质存储一个或多个程序,所述一个或多个程序当被包括多个应用程序的电子设备执行时,使得所述电子设备执行以下操作:
获取针对被测对象的指标测算方式;
根据多个关联对象分别与所述被测对象之间具有的用户采样点交集数量,确定所述被测对象分别与每个关联对象的关联度;
根据关联度满足强关联条件,以及关联用户样本满足可信测算条件,从所述多个关联对象中确定出目标对象;
利用所述目标对象对应的目标用户样本、与所述被测对象的关联度、以及所述指标测算方式,对所述被测对象进行指标测算。
由以上实施例提供的技术方案可见,在获取到针对被测对象的指标测算方式后,可以根据多个关联对象分别与被测对象之间具有的用户采样点交集数量,确定被测对象与每个关联对象的关联度;并根据预设的强关联条件、以及可信测算条件分别对关联度和关联对象的用户样本进行筛选,从而在多个关联对象中确定出目标对象。此后,则可以利用目标对象对应的目标用户样本、与被测对象的关联度、以及获取到的指标测算方式,对被测对象进行指标测算。
也即,可以将与被测对象具有较强关联、且用户样本较为全面丰富的目标对象的目标用户样本作为样本依据,并结合目标对象与被测对象的关联度,利用指标测算方式对被测对象进行指标测算。
由于目标对象与被测对象具有较高关联性,且目标用户样本较为可信,利用目标用户样本和关联度对被测对象进行指标测算可以提高测算结果的准确性。
附图说明
为了更清楚地说明本说明书实施例或现有的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本说明书中记载的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本说明书实施例提供的基于对象关联度的指标测算方法的流程示意图;
图2为本说明书实施例提供的多个地区的地理位置示意图;
图3为本说明书实施例提供的被测地区分别与其他关联地区之间的关联度示意图;
图4本说明书实施例提供的基于对象关联度的指标测算装置的结构图;
图5本说明书实施例提供的电子设备的结构示意图。
具体实施方式
为使本说明书的目的、技术方案和优点更加清楚,下面将结合具体实施例及相应的附图对本说明书的技术方案进行清楚、完整地描述。显然,所描述的实施例仅是本说明书一部分实施例,而不是全部的实施例。基于本说明书中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本说明书保护的范围。
以下结合附图,详细说明本说明书中各实施例提供的技术方案。
实施例1
如前所述,可以利用被测对象对应的用户样本,对被测对象进行指标测算,但出于多种原因,比如采集样本困难、样本丢失等因素,用户样本可能存在数量或质量等问题、甚至可能出现用户样本忽略不计的情况,所以就会导致指标测算结果出现偏差。比如,被测对象可以是某个地区,将要测算的指标可以该地区的用户移动支付活跃度,那么则需要采集该地区内包含移动支付的用户样本。此时,若从该地区采集到的用户样本数量较少甚至极少,或在全面性或持续性上存在缺陷,则会直接影响测算指标结果的准确性。所以,就需要解决上述问题,从而可以较为准确地对被测对象进行指标测算。则本说明书实施例提供一种基于对象关联度的指标测算方法,可以用于较为准确地对被测对象进行指标测算。具体流程示意图如图1所示,包括:
步骤102:获取针对被测对象的指标测算方式。
被测对象可以是指需要进行指标测算的对象,这里的对象可以是实体的对象、也可以是虚拟的对象。对象可以是某个地理区域(简称地区),比如某个省、市、区、县、街道等不同地理等级的地区,也可以是实体建筑,比如某个写字楼、住宅小区等;或可以是实体商户,比如某个超市、便利店、综合商场等;还可以是线上的某个虚拟商户,具体比如某个购物网站、某个业务网站,也可以是某个线上论坛等。
指标测算方式,可以是指针对被测对象的某个指标进行测算的方式。比如前文介绍的被测对象可以是地区,那么指标就可以是移动支付活跃度,而针对该指标就可以有一种测算方式。又如,被测对象为虚拟或实体商户时,则指标就可以是商户活跃度,等。这里的指标测算方式可以根据不同的测算需求进行获取,比如同一个对象可以对应多种指标测算方式,而获取时,可以获取一种,也可以获取多种。又如针对被测对象为某个地区,可以获取移动支付活跃度的测算方式,和\或用户支付习惯的测算方式。
步骤104:根据多个关联对象分别与被测对象之间具有的用户采样点交集数量,确定该被测对象分别与每个关联对象的关联度。
用户采样点可以是指针对用户的统计结果,具体地,每个用户均可以代表一个采样点。而用户采样点交集,就可以是指不同对象之间共同存在的用户。比如,当对象为地区时,用户采样点就可以是出现在该地区范围内的用户,而用户采样点交集,就可以是两个地区之间共同出现的用户;又如,当对象为商户时,用户采样点就可以是在该商户内发生交易的用户,而采样点交集,就可以是两个商户之间共同发生交易的用户。
进一步地,存在用户采样点交集的两个对象之间可以称为具有关联关系,在本说明书中,与被测对象存在关联关系的对象就可以称为关联对象。也即可以根据是否存在用户采样点交集,确定出被测对象的关联对象。比如可以根据统计相同用户是否出现在被测地区以及其他的地区,从而确定出被测地区的关联地区;又如可以根据统计相同用户是否在被测商户和其他商户均发生过交易行为,从而确定出被测商户的关联商户。具体比如,浙江省和上海市之间,由于城市发展和工作生活的关系,浙江省中的多个市级地区与上海市之间具有较高的关联关系。
可以理解地,被测对象与关联对象之间,用户采样点交集越多,则两对象之间的关联程度越高,比如,浙江省内的杭州市、湖州市、嘉兴市、与上海市,相互之间由于工作生活的原因,人口流动较为频繁,尤其是杭州市与上海市之间,由于人口众多、城市发展水平相似、交通便利等因素,所以人口流动非常频繁。据此,也可以确定出,杭州市与上海市之间的关联性较强。
所以,为了对不同对象之间的关联性进行量化,本步骤中,可以根据关联对象与被测对象之间具有的用户采样点交集数量,确定出相互之间的关联度。具体地,可以根据每个关联对象分别与该被测对象之间具有的用户采样点交集数量,确定该被测对象分别与每个关联对象的关联度。而确定关联度的方式,则可以有多种,比如,可以预设用户采样点交集数量与关联度的对应关系,具体比如,用户采样点交集数量在0至50000时,可以对应一个关联度,在50001至100000时,可以对应另一个关联度等。
在前文已经介绍,对象可以是地区,则在一种实施方式中,根据多个关联对象分别与该被测对象之间具有的用户采样点交集数量,确定该被测对象分别与每个关联对象的关联度,可以包括:根据多个关联地区分别与所述被测地区之间具有的流动人口交集数量,确定所述被测地区分别与每个关联地区的关联度。具体地,不同地区、尤其是相邻的地区,出于工作和生活的原因,存在较强的流动人口关系,比如杭州市和上海市之间,早晚有大量用户往返于两地之间,所以就出现了流动人口交集(如住在杭州工作在上海),据此,则可以根据两地区的流动人口交集,确定出两城市之间的关联度。
进一步地,用户采样点可以通过多种方式进行采集,如上述针对对象是地区的情况,可以利用移动通信基站,获取移动终端的唯一标识,得到用户采样点,在不同地区分别采集移动终端唯一标识,得到各自的用户采样点,再将不同地区对应的移动终端唯一标识进行匹配,从而得到用户采样点交集;又如,可以获取公共交通数据,得到各个地区的包含票据信息的用户采样点,再将交通票据信息进行匹配,从而得到往返于两地的用户采样点交集。
在前文还介绍,对象可以是商户,则在一种实施方式中,根据多个关联对象分别与该被测对象之间具有的用户采样点交集数量,确定该被测对象分别与每个关联对象的关联度,可以包括:根据多个关联商户分别与被测商户之间具有的发生交易的用户交集数量,确定所述被测商户分别与每个关联商户的关联度。具体地,不同商户可能由于地理位置之间、或品牌等联系,有相同用户在不同商户发生交易。比如,两地之间的实体便利店,由于设置在住宅区和办公区附近,就会有大量用户同时在这两个实体便利店中发生交易;又如,用户出于对品牌的认可,同时在两地的品牌连锁店中发生交易等,所以就出现了发生交易的用户交集,据此,则可以根据不同商户中的发生交易的用户交集,确定出商户之间的关联度。
进一步地,如上述针对对象是商户的情况,可以利用安装在移动终端中的移动支付应用,收集交易时用户的唯一标识、商户唯一标识、交易时间、交易金额等信息,再对商户唯一标识和用户唯一标识进行匹配,从而得到用户采样点交集;也可以从商户处获取用户交易记录,并根据交易记录中的用户唯一标识,得到用户采样点交集。
这里,确定对象之间的关联关系,可以根据上文介绍的地区内流动人口的交集数量,也可以根据商户间发生交易的相同用户,而在实际应用中,不限于上述两种方式确定对象之间的关联关系。
为了能够较为准确地确定出对象之间的关联度,可以利用两对象之间,用户采样点交集数量的交集和并集进行确定,则根据多个关联对象分别与该被测对象之间具有的用户采样点交集数量,确定该被测对象分别与每个关联对象的关联度,包括:根据多个关联对象分别与被测对象之间具有的用户采样点交集数量与并集数量之比,确定该被测对象分别与每个关联对象的关联度。比如,两个对象分别采集到的用户采样点数量为50000和100000,且相同的用户采样点为35000,则可以确定出关联度为35000/(50000+100000)=0.23。
如图2所示,为多个地区的地理位置示意图,其中地区A(带有背景色)可以是被测地区,其他地区可以是与地区A存在关联关系的地区,在实际应用中,出于工作生活的需求,地区A范围内的人口可能会频繁流动到其他地区,且其他地区范围内的人口也可能频繁流动到地区A内。如图3所示,为被测地区分别与其他关联地区之间的关联度示意图。关联度确定的方式可以是上文介绍的用户采样点交集数量与并集数量之比。可以看到,地区A与地区H之间的关联度最高,其次是与地区B。
步骤106:根据关联度满足强关联条件,以及关联用户样本满足可信测算条件,从多个关联对象中确定出目标对象。
上文已经介绍,为了将对象之间的关联关系进行量化,可以确定出对象之间的关联度,则本步骤就可以根据关联度,从多个关联对象中,确定出与被测对象具有较强关联关系的目标对象。而为了解决用户样本数量和质量不足导致被测对象的测算结果出现偏差,从而较为准确的进行指标测算,也可以对多个关联对象中每个关联对象对应的用户样本进行筛选,从中找出具有较强关联关系、且用户样本较为理想的目标对象。
具体地,则可以预先设置两个条件,一个是针对关联度的强关联条件,比如该条件可以是关联度高于强关联阈值,具体比如该阈值可以是0.4,或0.5等。另一个可以是针对用户样本的可信测试条件,该条件的意义在于确保用户样本从数量和质量上均满足一定的条件,使得利用该用户样本进行指标测算时,可以得到较为可信的结果。该可信测算条件可以包括数量以及质量上的要求,比如从数量上要求样本量达到某个数量级,从质量上要求达到一周、一月等时间单位的连续多日的样本,要求具有某个时间段内的样本等。
根据这两个条件进行筛选,则可以从多个关联对象中筛选出目标对象,使得该目标对象与被测对象具有较高的关联度,且可以利用目标对象对应的目标用户样本,得到较为准确的指标测算结果。
步骤108:利用该目标对象对应的目标用户样本、与被测对象的关联度、以及获取的指标测算方式,对该被测对象进行指标测算。
在前述步骤中,已经确定出目标对象,并确定出目标对象与被测对象的关联度,则本步骤就可以根据目标对象的目标用户样本、关联度、以及前述步骤获取到的针对被测对象的指标测算方式,对被测对象进行指标测算。具体地,可以但不限于通过下述两种方式进行指标测算。
方式一:根据该目标对象对应的目标用户样本、以及与该被测对象的关联度,对该被测对象的用户样本进行扩充;利用指标测算方式、以及扩充后的用户样本,对该被测对象进行指标测算。
具体地,由于被测对象对应的用户样本可能存在数量和质量上的问题,所以为了提高被测对象的指标测算准确性,由于目标对象的目标用户样本满足可信测算条件,则可以利用该目标用户样本对被测对象的用户样本进行扩充。而扩充的依据可以是随机从目标用户样本中选取特定数量的样本,并添加到被测对象的用户样本中,生成扩充后的用户样本。
由于关联度反应了目标对象与被测对象之间的关联程度,所以在实际应用中,也可以根据与被测对象的关联度,对用户样本进行扩充,则在一种实施方式中,根据该目标对象对应的目标用户样本、以及与该被测对象的关联度,对该被测对象的用户样本进行扩充,可以包括:将目标对象与被测对象之间的关联度作为比例,选取该比例的目标用户样本,对该被测对象的用户样本进行扩充。
具体地,由于关联度是根据用户采样点交集确定的,则可以反映出两对象之间的用户样本存在一定的相似性,而关联度越高就可以表明用户样本间的相似性越高,所以就可以将关联度作为比例,选取该比例的目标用户样本,并添加至用户样本中。比如,关联度为0.8,则可以将目标用户样本中(随机选取)的80%样本添加至被测对象的用户样本中。而在实际应用中,也可以从80%的目标用户样本中随机选取特定数量的用户样本,添加至被测对象的用户样本中。
可以理解地,若存在多个目标对象,则可以将每个目标对象分别与被测对象的关联度作为各自的比例,分别按照各自比例选取目标用户样本,并添加至用户样本中。具体比如,根据图3所示的举例,地区A与地区B和地区H具有强关联关系,则可以将地区B的用户样本中的50%、以及地区H的用户样本中的88%,一并添加至地区A的用户样本中,生成扩充后的地区A的用户样本。
在对原有的用户样本进行扩充后,则可以利用指标测算方式,以扩充后的用户样本为依据,对被测对象进行指标测试。由于扩充后的用户样本中包含了满足可信测算条件、且与被测对象关联性较强的用户样本,所以也就在一定程度上提升了指标测算的准确性。
方式二:利用该目标对象对应的目标用户样本、以及指标测算方式,对该目标对象进行指标测算;利用该目标对象的指标测算结果、以及与被测对象的关联度,对该被测对象进行指标测算。
具体地,由于被测对象对应的用户样本可能存在数量和质量上的问题,甚至可能由于收集样本困难等原因,出现可以忽略不计的情况,所以为了提高被测对象的指标测算准确性,由于目标对象的目标用户样本满足可信测算条件,则可以先利用指标测算方式,以目标用户样本为依据,对目标对象进行指标测算。由于目标对象与被测对象具有较高的关联关系,则可以根据对目标对象的指标测算结果,来推算被测对象的指标。比如,可以将关联度作为比例,将指标测算结果与比例的乘积作为被测对象的指标测算结果。
可以理解地,若存在多个目标对象,则可以将每个目标对象分别与被测对象的关联度作为比例,分别按照每个目标对象的指标测算结果与比例的乘积作为被测对象的指标测算结果。具体比如,依旧以图3为例,地区A与地区B和地区H具有强关联关系,则可以分别根据地区B和地区H的用户样本进行指标测算,得到两地区的指标测算结果,并分别以两结果的50%和88%,作为地区A的指标测算结果。
由于目标对象的目标用户样本满足可信测算条件、且与被测对象关联性较强,所以利用目标对象的指标测算结果来推算被测对象的指标测算结果,可以在一定程度上提升指标测算的准确性。
当然在实际应用中,还可以有多种方式对被测对象进行指标测算,比如就可以结合上述方式一和方式二,对被测对象进行指标测算,具体可以将两结果通过加成的方式,或选其一的方式等。
根据本步骤的介绍可以看到,目标对象的目标用户样本对提高被测对象的指标测算结果起到重要的作用,而通常情况下,目标用户样本的样本量要大于被测对象的用户样本的样本量。所以也可以将这一因素作为筛选目标对象的条件,也即在前述步骤中,从多个关联对象中确定目标对象时,可以将关联用户样本的样本量大于被测对象的用户样本的样本量作为另一个依据。从而可以进一步提高被测对象指标测算结果的准确性。
需要说明的是,上文介绍的,用于对用户进行统计的用户采样点,与用户样本,可以有联系,也可以无任何联系。比如用户采样点可以从公共交通中获取,可以表示每个不同的用户,用于确定不同对象间的关联度。而用户样本,则可以根据不同的指标测算需求,采集包含特定的数据,比如包含多个维度数据的交易记录等。当然,在实际应用中,用户样本也可以作为用户采样点的依据,比如,获取交易记录的同时,也可以根据用户唯一标识,得到用户采样点。
由以上实施例提供的技术方案可见,在获取到针对被测对象的指标测算方式后,可以根据多个关联对象分别与被测对象之间具有的用户采样点交集数量,确定被测对象与每个关联对象的关联度;并根据预设的强关联条件、以及可信测算条件分别对关联度和关联对象的用户样本进行筛选,从而在多个关联对象中确定出目标对象。此后,则可以利用目标对象对应的目标用户样本、与被测对象的关联度、以及获取到的指标测算方式,对被测对象进行指标测算。也即,可以将与被测对象具有较强关联、且用户样本较为全面丰富的目标对象的目标用户样本作为样本依据,并结合目标对象与被测对象的关联度,利用指标测算方式对被测对象进行指标测算。由于目标对象与被测对象具有较高关联性,且目标用户样本较为可信,利用目标用户样本和关联度对被测对象进行指标测算可以提高测算结果的准确性。
实施例2
基于相同的构思,本说明书实施例2提供了一种基于对象关联度的指标测算装置,可以用于较为准确地对被测对象进行指标测算。该装置的结构示意图如图4所示,包括:指标获取单元202、第一确定单元204、第二确定单元206、以及指标测算单元208,其中,
指标获取单元202,可以获取针对被测对象的指标测算方式;
第一确定单元204,可以根据多个关联对象分别与被测对象之间具有的用户采样点交集数量,确定被测对象分别与每个关联对象的关联度;
第二确定单元206,可以根据关联度满足强关联条件,以及关联用户样本满足可信测算条件,从多个关联对象中确定出目标对象;
指标测算单元208,可以利用目标对象对应的目标用户样本、与被测对象的关联度、以及指标测算方式,对被测对象进行指标测算。
在一种实施方式中,指标测算单元208,可以
根据目标对象对应的目标用户样本、以及与被测对象的关联度,对被测对象的用户样本进行扩充;
利用指标测算方式、以及扩充后的用户样本,对被测对象进行指标测算。
在一种实施方式中,指标测算单元208,可以
将目标对象与被测对象之间的关联度作为比例,选取比例的目标用户样本,对被测对象的用户样本进行扩充。
在一种实施方式中,指标测算单元208,可以
利用目标对象对应的目标用户样本、以及指标测算方式,对目标对象进行指标测算;
利用目标对象的指标测算结果、以及与被测对象的关联度,对被测对象进行指标测算。
在一种实施方式中,第一确定单元204,可以
根据多个关联对象分别与被测对象之间具有的用户采样点交集数量与并集数量之比,确定被测对象分别与每个关联对象的关联度。
在一种实施方式中,当对象为地区时,则第一确定单元204,可以
根据多个关联地区分别与被测地区之间具有的流动人口交集数量,确定被测地区分别与每个关联地区的关联度。
在一种实施方式中,当对象为商户时,则第一确定单元204,可以
根据多个关联商户分别与被测商户之间具有的发生交易的用户交集数量,确定被测商户分别与每个关联商户的关联度。
在一种实施方式中,目标用户样本的样本量大于被测对象的用户样本的样本量。
由以上实施例提供的装置可见,在获取到针对被测对象的指标测算方式后,可以根据多个关联对象分别与被测对象之间具有的用户采样点交集数量,确定被测对象与每个关联对象的关联度;并根据预设的强关联条件、以及可信测算条件分别对关联度和关联对象的用户样本进行筛选,从而在多个关联对象中确定出目标对象。此后,则可以利用目标对象对应的目标用户样本、与被测对象的关联度、以及获取到的指标测算方式,对被测对象进行指标测算。也即,可以将与被测对象具有较强关联、且用户样本较为全面丰富的目标对象的目标用户样本作为样本依据,并结合目标对象与被测对象的关联度,利用指标测算方式对被测对象进行指标测算。由于目标对象与被测对象具有较高关联性,且目标用户样本较为可信,利用目标用户样本和关联度对被测对象进行指标测算可以提高测算结果的准确性。
图5是本说明书的一个实施例电子设备的结构示意图。在硬件层面,该电子设备包括处理器,可选地还包括内部总线、网络接口、存储器。其中,存储器可能包含内存,例如高速随机存取存储器(Random-Access Memory,RAM),也可能还包括非易失性存储器(non-volatile memory),例如至少1个磁盘存储器等。当然,该电子设备还可能包括其他业务所需要的硬件。
处理器、网络接口和存储器可以通过内部总线相互连接,该内部总线可以是ISA(Industry Standard Architecture,工业标准体系结构)总线、PCI(PeripheralComponent Interconnect,外设部件互连标准)总线或EISA(Extended Industry StandardArchitecture,扩展工业标准结构)总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示,图5中仅用一个双向箭头表示,但并不表示仅有一根总线或一种类型的总线。
存储器,用于存放程序。具体地,程序可以包括程序代码,所述程序代码包括计算机操作指令。存储器可以包括内存和非易失性存储器,并向处理器提供指令和数据。
处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行,在逻辑层面上形成基于对象关联度的指标测算装置。处理器,执行存储器所存放的程序,并具体用于执行以下操作:
获取针对被测对象的指标测算方式;
根据多个关联对象分别与所述被测对象之间具有的用户采样点交集数量,确定所述被测对象分别与每个关联对象的关联度;
根据关联度满足强关联条件,以及关联用户样本满足可信测算条件,从所述多个关联对象中确定出目标对象;
利用所述目标对象对应的目标用户样本、与所述被测对象的关联度、以及所述指标测算方式,对所述被测对象进行指标测算。
上述如本说明书图4所示实施例提供的基于对象关联度的指标测算装置执行的方法可以应用于处理器中,或者由处理器实现。处理器可能是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器,包括中央处理器(CentralProcessing Unit,CPU)、网络处理器(Network Processor,NP)等;还可以是数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific IntegratedCircuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本说明书实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
结合本说明书实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器,处理器读取存储器中的信息,结合其硬件完成上述方法的步骤。
该电子设备还可执行图4所示实施例提供的基于对象关联度的指标测算装置在图5所示实施例的功能,本说明书实施例在此不再赘述。
本说明书实施例还提出了一种计算机可读存储介质,该计算机可读存储介质存储一个或多个程序,该一个或多个程序包括指令,该指令当被包括多个应用程序的电子设备执行时,能够使该电子设备执行图4所示实施例中基于对象关联度的指标测算装置执行的方法,并具体用于执行:
获取针对被测对象的指标测算方式;
根据多个关联对象分别与所述被测对象之间具有的用户采样点交集数量,确定所述被测对象分别与每个关联对象的关联度;
根据关联度满足强关联条件,以及关联用户样本满足可信测算条件,从所述多个关联对象中确定出目标对象;
利用所述目标对象对应的目标用户样本、与所述被测对象的关联度、以及所述指标测算方式,对所述被测对象进行指标测算。
上述实施例阐明的系统、装置、模块或单元,具体可以由计算机芯片或实体实现,或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的,计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
为了描述的方便,描述以上装置时以功能分为各种单元分别描述。当然,在实施本说明书时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
本领域内的技术人员应明白,本说明书的实施例可提供为方法、系统、或计算机程序产品。因此,本说明书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,本说明书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。
内存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)。内存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,并不排除在包括所述要素的过程、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,本说明书的实施例可提供为方法、系统或计算机程序产品。因此,本说明书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,本说明书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。
本说明书可以在由计算机执行的计算机可执行指令的一般上下文中描述,例如程序模块。一般地,程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本说明书,在这些分布式计算环境中,由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中,程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于系统实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
以上所述仅为本说明书的实施例而已,并不用于限制本说明书。对于本领域技术人员来说,本说明书可以有各种更改和变化。凡在本说明书的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本说明书的权利要求范围之内。

Claims (11)

1.一种基于对象关联度的指标测算方法,包括:
获取针对被测对象的指标测算方式;
根据多个关联对象分别与所述被测对象之间具有的用户采样点交集数量,确定所述被测对象分别与每个关联对象的关联度;
根据关联度满足强关联条件,以及关联用户样本满足可信测算条件,从所述多个关联对象中确定出目标对象;
利用所述目标对象对应的目标用户样本、与所述被测对象的关联度、以及所述指标测算方式,对所述被测对象进行指标测算。
2.如权利要求1所述的方法,利用所述目标对象对应的目标用户样本、与所述被测对象的关联度、以及所述指标测算方式,对所述被测对象进行指标测算,包括:
根据所述目标对象对应的目标用户样本、以及与所述被测对象的关联度,对所述被测对象的用户样本进行扩充;
利用所述指标测算方式、以及扩充后的所述用户样本,对所述被测对象进行指标测算。
3.如权利要求2所述的方法,根据所述目标对象对应的目标用户样本、以及与所述被测对象的关联度,对所述被测对象的用户样本进行扩充,包括:
将所述目标对象与所述被测对象之间的关联度作为比例,选取所述比例的目标用户样本,对所述被测对象的用户样本进行扩充。
4.如权利要求1所述的方法,利用所述目标对象对应的目标用户样本、与所述被测对象的关联度、以及所述指标测算方式,对所述被测对象进行指标测算,包括:
利用所述目标对象对应的目标用户样本、以及所述指标测算方式,对所述目标对象进行指标测算;
利用所述目标对象的指标测算结果、以及与所述被测对象的关联度,对所述被测对象进行指标测算。
5.如权利要求1所述的方法,根据多个关联对象分别与所述被测对象之间具有的用户采样点交集数量,确定所述被测对象分别与每个关联对象的关联度,包括:
根据多个关联对象分别与所述被测对象之间具有的用户采样点交集数量与并集数量之比,确定所述被测对象分别与每个关联对象的关联度。
6.如权利要求1所述的方法,当对象为地区时,则根据多个关联对象分别与所述被测对象之间具有的用户采样点交集数量,确定所述被测对象分别与每个关联对象的关联度,包括:
根据多个关联地区分别与所述被测地区之间具有的流动人口交集数量,确定所述被测地区分别与每个关联地区的关联度。
7.如权利要求1所述的方法,当对象为商户时,则根据多个关联对象分别与所述被测对象之间具有的用户采样点交集数量,确定所述被测对象分别与每个关联对象的关联度,包括:
根据多个关联商户分别与所述被测商户之间具有的发生交易的用户交集数量,确定所述被测商户分别与每个关联商户的关联度。
8.如权利要求1所述的方法,所述目标用户样本的样本量大于所述被测对象的用户样本的样本量。
9.一种基于对象关联度的指标测算装置,包括:指标获取单元、第一确定单元、第二确定单元、以及指标测算单元,其中,
所述指标获取单元,获取针对被测对象的指标测算方式;
所述第一确定单元,根据多个关联对象分别与所述被测对象之间具有的用户采样点交集数量,确定所述被测对象分别与每个关联对象的关联度;
所述第二确定单元,根据关联度满足强关联条件,以及关联用户样本满足可信测算条件,从所述多个关联对象中确定出目标对象;
所述指标测算单元,利用所述目标对象对应的目标用户样本、与所述被测对象的关联度、以及所述指标测算方式,对所述被测对象进行指标测算。
10.一种电子设备,包括:
处理器;以及
被安排成存储计算机可执行指令的存储器,所述可执行指令在被执行时使所述处理器执行以下操作:
获取针对被测对象的指标测算方式;
根据多个关联对象分别与所述被测对象之间具有的用户采样点交集数量,确定所述被测对象分别与每个关联对象的关联度;
根据关联度满足强关联条件,以及关联用户样本满足可信测算条件,从所述多个关联对象中确定出目标对象;
利用所述目标对象对应的目标用户样本、与所述被测对象的关联度、以及所述指标测算方式,对所述被测对象进行指标测算。
11.一种计算机可读存储介质,所述计算机可读存储介质存储一个或多个程序,所述一个或多个程序当被包括多个应用程序的电子设备执行时,使得所述电子设备执行以下操作:
获取针对被测对象的指标测算方式;
根据多个关联对象分别与所述被测对象之间具有的用户采样点交集数量,确定所述被测对象分别与每个关联对象的关联度;
根据关联度满足强关联条件,以及关联用户样本满足可信测算条件,从所述多个关联对象中确定出目标对象;
利用所述目标对象对应的目标用户样本、与所述被测对象的关联度、以及所述指标测算方式,对所述被测对象进行指标测算。
CN201910603243.7A 2019-07-05 2019-07-05 一种基于对象关联度的指标测算方法及装置 Active CN110458394B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910603243.7A CN110458394B (zh) 2019-07-05 2019-07-05 一种基于对象关联度的指标测算方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910603243.7A CN110458394B (zh) 2019-07-05 2019-07-05 一种基于对象关联度的指标测算方法及装置

Publications (2)

Publication Number Publication Date
CN110458394A true CN110458394A (zh) 2019-11-15
CN110458394B CN110458394B (zh) 2023-08-22

Family

ID=68482256

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910603243.7A Active CN110458394B (zh) 2019-07-05 2019-07-05 一种基于对象关联度的指标测算方法及装置

Country Status (1)

Country Link
CN (1) CN110458394B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111815496A (zh) * 2020-06-11 2020-10-23 浙江大华技术股份有限公司 关联检测方法以及相关设备、装置
CN112686196A (zh) * 2021-01-07 2021-04-20 每日互动股份有限公司 图像选择方法、电子设备和计算机可读存储介质
CN113129614A (zh) * 2020-01-10 2021-07-16 阿里巴巴集团控股有限公司 一种交通控制方法、装置及电子设备

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105159926A (zh) * 2015-08-04 2015-12-16 百度在线网络技术(北京)有限公司 建立用户的用户信息关联的方法和装置
CN106815521A (zh) * 2015-12-31 2017-06-09 武汉安天信息技术有限责任公司 一种样本关联性检测方法、系统及电子设备
CN106911801A (zh) * 2017-04-18 2017-06-30 北京梅泰诺通信技术股份有限公司 关联用户信息的方法及信息推送系统
CN108429718A (zh) * 2017-02-13 2018-08-21 腾讯科技(深圳)有限公司 账号识别方法及装置
US20180316972A1 (en) * 2016-01-29 2018-11-01 Sony Corporation Information processing device, method, and program
CN108833453A (zh) * 2017-04-26 2018-11-16 腾讯科技(深圳)有限公司 一种确定应用账号的方法及设备
CN108961019A (zh) * 2017-05-17 2018-12-07 腾讯科技(深圳)有限公司 一种用户账户的检测方法和装置

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105159926A (zh) * 2015-08-04 2015-12-16 百度在线网络技术(北京)有限公司 建立用户的用户信息关联的方法和装置
CN106815521A (zh) * 2015-12-31 2017-06-09 武汉安天信息技术有限责任公司 一种样本关联性检测方法、系统及电子设备
US20180316972A1 (en) * 2016-01-29 2018-11-01 Sony Corporation Information processing device, method, and program
CN108429718A (zh) * 2017-02-13 2018-08-21 腾讯科技(深圳)有限公司 账号识别方法及装置
CN106911801A (zh) * 2017-04-18 2017-06-30 北京梅泰诺通信技术股份有限公司 关联用户信息的方法及信息推送系统
CN108833453A (zh) * 2017-04-26 2018-11-16 腾讯科技(深圳)有限公司 一种确定应用账号的方法及设备
CN108961019A (zh) * 2017-05-17 2018-12-07 腾讯科技(深圳)有限公司 一种用户账户的检测方法和装置

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113129614A (zh) * 2020-01-10 2021-07-16 阿里巴巴集团控股有限公司 一种交通控制方法、装置及电子设备
CN113129614B (zh) * 2020-01-10 2023-01-24 阿里巴巴集团控股有限公司 一种交通控制方法、装置及电子设备
CN111815496A (zh) * 2020-06-11 2020-10-23 浙江大华技术股份有限公司 关联检测方法以及相关设备、装置
CN112686196A (zh) * 2021-01-07 2021-04-20 每日互动股份有限公司 图像选择方法、电子设备和计算机可读存储介质

Also Published As

Publication number Publication date
CN110458394B (zh) 2023-08-22

Similar Documents

Publication Publication Date Title
CN108446281B (zh) 确定用户亲密度的方法、装置及存储介质
US10281284B2 (en) Hybrid road network and grid based spatial-temporal indexing under missing road links
TWI698795B (zh) 資訊展示方法及裝置
CN107038589B (zh) 一种实体信息验证方法及装置
CN105701123B (zh) 人车关系的识别方法及装置
CN110458394A (zh) 一种基于对象关联度的指标测算方法及装置
CN108510313A (zh) 一种信息转化率的预测、信息推荐方法和装置
CN107066478A (zh) 一种虚假地址信息识别的方法及装置
CN109598414A (zh) 风险评估模型训练、风险评估方法、装置及电子设备
CN104102637A (zh) 一种生成热点区域的方法及装置
CN109271453A (zh) 一种数据库容量的确定方法和装置
CN109740352A (zh) 一种账号处理方法、装置及电子设备
CN110310153A (zh) 一种交易预测方法及装置
CN113505942A (zh) 项目工程造价预估方法、装置、电子设备及存储介质
CN108154387B (zh) 公交车身广告投放线路方案的评估方法及装置
CN105472333A (zh) 视频监控设备拓扑系统的建立方法及关联监控方法
CN108182282A (zh) 地址真实性验证方法、装置及电子设备
CN110458651A (zh) 商户识别方法、装置、设备及存储介质
CN109684225A (zh) 一种软件测试方法和装置
CN109753435A (zh) 一种软件测试方法和装置
CN109345081A (zh) 一种数据采集方法、装置及电子设备
CN112001384A (zh) 商圈识别的方法及设备
CN107133328A (zh) 管线埋深精度检测方法及装置
CN107092611A (zh) 一种位置信息的确定、信息推送方法和设备
CN110020780A (zh) 信息输出的方法、装置和电子设备

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: 20200923

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

Effective date of registration: 20200923

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

Applicant after: Innovative advanced technology Co.,Ltd.

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

Applicant before: Advanced innovation technology Co.,Ltd.

GR01 Patent grant
GR01 Patent grant