CN110661913B - 一种用户排序方法、装置及电子设备 - Google Patents
一种用户排序方法、装置及电子设备 Download PDFInfo
- Publication number
- CN110661913B CN110661913B CN201910811399.4A CN201910811399A CN110661913B CN 110661913 B CN110661913 B CN 110661913B CN 201910811399 A CN201910811399 A CN 201910811399A CN 110661913 B CN110661913 B CN 110661913B
- Authority
- CN
- China
- Prior art keywords
- telephone number
- association
- weight
- target telephone
- user
- 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.)
- Active
Links
Images
Landscapes
- Telephonic Communication Services (AREA)
Abstract
本说明书实施例提供一种用户排序方法、装置及电子设备,该方法包括:获取目标电话号码及其关联信息,所述关联信息包括至少两个关联用户标识、所述目标电话号码与不同关联用户标识关联的次数、至少一个关联渠道的规则因子;基于所述关联信息中所述目标电话与所述关联用户标识同时出现的次数及其权重、所述至少一个关联渠道的规则因子及其权重,确定所述目标电话号码与每个所述关联用户标识关联的真实度,所述真实度用于表征目标电话号码与关联用户标识之间的可信程度;基于所述真实度,对所述至少两个关联用户标识对应的用户名进行排序,准确区分一个电话号码对应的每个用户标识的真实度,以准确确定电话号码关联的用户信息。
Description
技术领域
本说明书实施例涉及电话号码验证技术领域,尤其涉及一种用户排序方法、装置及电子设备。
背景技术
随着科技的迅速发展,各个企业存在不同的业务,而针对不同的业务,同一个电话号码会在不同场景下与不同客户产生关联,因此,在数据使用环节时,无法准确根据电话号码识别出真实的客户信息。
若企业想对已有电话号码与客户的关联信息进行分析处理,并有效利用企业已有信息的潜在价值。目前,通常采用单维度分析的方式来确定客户的电话信息。也就是说,将信息的各个来源渠道,按照数据的可信程度进行排序。如,渠道A可信度高于渠道B,则确定从渠道A采集的电话号码的真实度高于从渠道B采集的电话号码的真实度。但是,当多个客户的电话信息来源于渠道A时,无法区分这些客户信息的真实度高低,进而无法准确确定电话信息关联的用户信息。
发明内容
本说明书实施例提供一种用户排序方法、装置及电子设备,以解决现有技术中无法准确区分一个电话号码对应的每个用户标识的真实度,无法准确确定电话信息关联的用户信息的问题。
本说明书实施例采用下述技术方案:
第一方面,提供了一种用户排序方法,包括:
获取目标电话号码及其关联信息,所述关联信息包括至少两个关联用户标识、所述目标电话号码与不同关联用户标识关联的次数、至少一个关联渠道的规则因子;
基于所述关联信息中不同关联用户标识与所述目标电话号码关联的次数及其权重、所述至少一个关联渠道的规则因子及其权重,确定所述目标电话号码与每个所述关联用户标识关联的真实度,所述真实度用于表征目标电话号码与关联用户标识之间的可信程度;
基于所述真实度,对所述至少两个关联用户标识对应的用户名进行排序。
第二方面,提供了一种用户排序装置,包括:
获取模块,用于获取目标电话号码及其关联信息,所述关联信息包括至少两个关联用户标识、所述目标电话号码与不同关联用户标识关联的次数、至少一个关联渠道的规则因子;
第一确定模块,用于基于所述关联信息中不同关联用户标识与所述目标电话号码关联的次数及其权重、所述至少一个关联渠道的规则因子及其权重,确定所述目标电话号码与每个所述关联用户标识关联的真实度,所述真实度用于表征目标电话号码与关联用户标识之间的可信程度;
排序模块,用于基于所述真实度,对所述至少两个关联用户标识对应的用户名进行排序。
第三方面,提供了一种电子设备,包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述计算机程序被所述处理器执行时实现如下步骤:
获取目标电话号码及其关联信息,所述关联信息包括至少两个关联用户标识、所述目标电话号码与不同关联用户标识关联的次数、至少一个关联渠道的规则因子;
基于所述关联信息中不同关联用户标识与所述目标电话号码关联的次数及其权重、所述至少一个关联渠道的规则因子及其权重,确定所述目标电话号码与每个所述关联用户标识关联的真实度,所述真实度用于表征目标电话号码与关联用户标识之间的可信程度;
基于所述真实度,对所述至少两个关联用户标识对应的用户名进行排序。
第四方面,提供了一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如下步骤:
获取目标电话号码及其关联信息,所述关联信息包括至少两个关联用户标识、所述目标电话号码与不同关联用户标识关联的次数、至少一个关联渠道的规则因子;
基于所述关联信息中不同关联用户标识与所述目标电话号码关联的次数及其权重、所述至少一个关联渠道的规则因子及其权重,确定所述目标电话号码与每个所述关联用户标识关联的真实度,所述真实度用于表征目标电话号码与关联用户标识之间的可信程度;
基于所述真实度,对所述至少两个关联用户标识对应的用户名进行排序。
本说明书实施例采用的上述至少一个技术方案能够达到以下有益效果:
本说明书一个实施例通过获取目标电话号码及其关联信息,基于关联信息中不同关联用户标识与目标电话号码关联的次数及其权重、关联信息中至少一个关联渠道的规则因子及其权重,确定目标电话号码与每个关联用户标识关联的真实度,可以基于真实度的高低对至少两个关联用户标识对应的用户名进行排序,准确区分一个电话号码对应的每个用户标识的真实度,以准确确定电话号码关联的用户信息。
附图说明
此处所说明的附图用来提供对本说明书的进一步理解,构成本说明书的一部分,本说明书的示意性实施例及其说明用于解释本说明书,并不构成对本说明书的不当限定。在附图中:
图1为本说明书的一个实施例提供的用户排序方法的流程图;
图2为本说明书的一个实施例提供的用户排序装置的结构框图;
图3为本说明书的一个实施例提供的电子设备的结构框图。
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,下面将结合本说明书具体实施例及相应的附图对本说明书技术方案进行清楚、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确定的所有其他实施例,都属于本说明书保护的范围。
本说明书实施例提供一种用户排序方法、装置及电子设备,以解决现有技术中无法准确区分一个电话号码对应的每个用户标识的真实度,无法准确确定电话信息关联的用户信息的问题。本说明书实施例提供一种用户排序方法,该方法的执行主体,可以但不限于电子设备或能够被配置为执行本说明书实施例提供的该方法的装置或装置。
为便于描述,下文以电子设备为例,对该方法的实施方式进行介绍。可以理解,该方法的执行主体为电子设备只是一种示例性的说明,并不应理解为对该方法的限定。
图1为本说明书实施例提供的用户排序方法的流程图,图1的方法可以由电子设备执行,如图1所示,该方法可以包括:
步骤101、获取目标电话号码及其关联信息。
其中,所述关联信息包括至少两个关联用户标识、所述目标电话号码与不同关联用户标识关联的次数、至少一个关联渠道的规则因子。
其中,所述目标电话号码与不同关联用户标识关联的次数,可以指同一目标电话号码在不同关联用户标识下关联的次数。
其中,关联渠道可以为通讯渠道(如各通讯应用程序)、各服务业务(如车险承保业务、车险理赔业务)。
其中,规则因子可以为关联渠道中的各个部分,当然,若关联渠道有一个环节,则该关联渠道可作为规则因子。假设关联渠道为车险理赔业务,则规则因子为车险理赔业务的各环节,如车险理赔业务中的车险理赔报案环节、车险理赔查勘环节、车险理赔定损环节、车险理赔单证收集环节、车险理赔赔付环节等。
本步骤具体可实现为,预先统计目标户标识与其关联信息的关联表,从关联表上获取目标用户及其关联信息。
示例性的,假设目标电话号码对应的关联信息中包括五个关联用户标识,分别为P1、P2、P3、P4和P5,规则因子A、规则因子B、规则因子C,如表1所示,
表1所表述的含义为:用户标识P1在规则因子A和规则因子B中出现;用户标识P2在规则因子A和规则因子C中出现;用户标识P3在规则因子A中出现;用户标识P4在规则因子B中出现;用户标识P5在规则因子C中出现。
步骤102、基于所述关联信息中不同关联用户标识与所述目标电话号码关联的次数及其权重、所述至少一个关联渠道的规则因子及其权重,确定所述目标电话号码与每个所述关联用户标识关联的真实度。
其中,所述真实度用于表征目标电话号码与关联用户标识之间的可信程度。
其中,关联信息中不同关联用户标识与目标电话号码关联的次数,可以根据预先定义的权重配置规则确定。具体为,基于所述关联信息中不同关联用户标识与目标电话号码关联的次数及其权重,及预先配置定义的权重配置规则,确定不同关联用户标识与目标电话号码关联的次数对应的权重。
该权重配置规则遵循出现次数越多,可信度越低,权重越低的原则,故权重配置规则可以等增量递减的规则,如表2所示:
表2
出现次数 | 权重 |
1 | 1 |
2 | 0.8 |
3 | 0.6 |
4 | 0.4 |
5 | 0.2 |
其中,出现次数为1表示,这个用户标识(即客户名)只在一个电话号码下出现过。
其中,至少一个关联渠道的规则因子对应的权重的确定方式可以包括:第一种,通过信息熵的算法,基于所述至少一个关联渠道的规则因子的信息熵,确定各所述关联渠道的各所述规则因子的权重,表达式可以为:
第二种,基于预先定义的规则因子的权重,确定所述至少一个关联渠道的规则因子的权重。
其中,假设基于第一种方法得到的权重称为客观权重,第二种方法得到的权重称为主观权重,则至少一个关联渠道的规则因子对应的权重可以为:
Xi=aWi+(1-a)Ki,(0≤a≤1)
其中,Xi表示第i个规则因子的组合权重,Wi是第i个规则因子的客观权重,Ki是第i个规则因子的主观权重;a是主观权重和客观权重的影响系数,当a为1时表示完全使用客观权重,当a为0时表示完全使用主观权重,默认情况下如果某机构录入了主观赋权系数,则a=0.5。否则,a=1。
假设存在规则因子A、规则因子B……规则因子N,采用上述方法分别确定规则因子A、规则因子B……规则因子N对应的权重,则,
本步骤具体可实现为,基于规则因子A、规则因子B……规则因子N及其权重、关联信息中不同关联用户标识与所述目标电话号码关联的次数及其权重,确定目标用户标识与至少两个关联电话号码关联的真实度,表达式可以为:
真实度=(1-((1-规则因子A的权重)*(1-规则因子B的权重)*(1-规则因子N的权重))*100*出现次数对应的权重
示例性的,目标电话号码为13920202020,关联用户标识P1为张三,关联用户标识P1出现的次数为1,且对应的权重为1;关联用户标识P2为13960606060,目标用户标识出现的次数为3,且对应的权重为0.8;规则因子A为承保个代业务来源,规则因子A的权重为0.6;规则因子B为理赔赔付环节,规则因子B的权重为0.5;规则因子C为理赔查勘环节,规则因子C的权重为0.5。则,
张三与关联电话P1的真实度为:(1-((1-0.6)*(1-0.5)*(1-0.5))*100*1=90
张三与关联电话P2的真实度为:(1-((1-0.6)*(1-0.8))*100*0.8=73.6
当然,本步骤的具体实现方式也可以为:基于采样电话号码与采样电话号码关联的不同关联用户标识关联的次数及其权重,与采样电话号码关联的至少一个关联渠道的规则因子及其权重,创建验证模型;所述目标电话号码及其关联信息作为所述验证模型的输入,所述目标电话号码与所述目标用户标识关联的真实度作为所述验证模型的输出。
步骤103、基于所述真实度,对所述至少两个关联用户标识对应的用户名进行排序。
本步骤中,基于目标电话号码与至少两个关联用户标识关联的真实度的大小顺序,对至少两个关联用户标识对应的用户名进行排序;可选取最大的真实度对应的关联用户标识作为目标电话号码的真实电话信息。
本说明书一个实施例通过获取目标电话号码及其关联信息,基于关联信息中不同关联用户标识与目标电话号码关联的次数及其权重、关联信息中至少一个关联渠道的规则因子及其权重,确定目标电话号码与每个关联用户标识关联的真实度,可以基于真实度的高低对至少两个关联用户标识对应的用户名进行排序,准确区分一个电话号码对应的每个用户标识的真实度,以准确确定电话号码关联的用户信息。
可选的,作为一个实施例,所述关联信息包括所述至少两个关联用户标识的更新时间段及其权重。
其中,更新时间段,可以指目标用户标识最近更新的时间段。通常情况下,更新时间距离当前时刻越远的目标用户标识可信度越低,权重越低。故,至少两个关联用户标识的更新时间段对应的权重可以根据预先定义的权重配置规则确定。该权重配置规则可以等增量递减的规则。示例性的,如表3所示:
表3
更新时间 | 权重 |
1年 | 1 |
2年 | 0.95 |
3年 | 0.9 |
4年 | 0.85 |
5年 | 0.8 |
步骤102具体可实现为:
第一种,基于不同关联用户标识与所述目标电话号码关联的次数及其权重、所述至少一个关联渠道的规则因子及其权重、所述目标用户标识的更新时间段及其权重,确定所述目标电话号码与所述目标用户标识关联的真实度。
具体的,假设存在规则因子A、规则因子B……规则因子N,采用上述方法分别确定规则因子A、规则因子B……规则因子N对应的权重,关联信息中每个关联用户标识的出现次数及其权重,及至少两个关联用户标识的更新时间段及其权重,则,
本步骤具体可实现为,基于规则因子A、规则因子B……规则因子N及其权重、关联信息中不同关联用户标识与所述目标电话号码关联的次数及其权重,至少两个关联用户标识的更新时间段及其权重,确定目标电话号码与每个关联用户标识关联的真实度,表达式可以为:
真实度=(1-((1-规则因子A的权重)*(1-规则因子B的权重)*(1-规则因子N的权重))*100*出现次数对应的权重*更新时间段对应的权重
第二种,基于采样电话号码与采样电话号码关联的不同关联用户标识关联的次数及其权重,与采样电话号码关联的至少一个关联渠道的规则因子及其权重,所述采样电话号码的更新时间段及其权重,创建验证模型;所述目标电话号码及其关联信息作为所述验证模型的输入,所述目标电话号码与所述目标用户标识关联的真实度作为所述验证模型的输出。
本说明书实施例增加了至少两个关联用户标识的更新时间段及其权重,确定目标电话号码与每个关联用户标识关联的真实度,通过增加关联用户标识的更新时间的因素使得真实度更高,更能准确确定用户的真实电话信息。
可选的,作为一个实施例,在执行步骤102之前,本说明书实施例提供的用户排序方法包括:
比较所述至少两个关联用户标识的数量与预定值的大小;
其中,预定值可以为大于2的正整数,如5、10等。当然,该预定值还可以选用其他数值,本说明书实施例不做具体限定。具体实施时,该预定值可以为5。
若所述至少两个关联用户标识的数量大于所述预定值,则将所述目标电话号码导入电话号码黑名单中。
本说明书实施例通过比较至少两个关联用户标识的数量与预定值的大小,若至少两个关联用户标识的数量大于预定值,则将目标电话号码导入电话号码黑名单中,可直接确定目标电话号码为不可信号码,无需进一步做真实性验证,节省资源。
可选的,作为一个实施例,所述关联用户标识包括用户名和用户证件号码,在执行步骤102之前,本说明书实施例提供的用户排序方法包括:
确定所述用户名、所述用户证件号码和目标电话号码的对应关系;
若不同用户标识关联同一个目标电话号码,且所述不同用户标识中的所述用户名和所述用户证件号码中至少一个相同,则所述目标电话号码的出现次数记为一次。
示例性的,若关联用户标识:张三;证件号码:123;目标电话号码:188;关联用户标识:张三;证件号码:234;目标电话号码:188,则确定关联用户标识张三的出现次数计为1次。
示例性的,若关联用户标识:张三;证件号码:123;目标电话号码:188;关联用户标识:张三;证件号码:123;目标电话号码:198,则确定关联用户标识张三的出现次数计为1次。
本说明书实施例中,若目标电话号码和证件号码中至少一个与关联用户标识对应,且关联用户标识出现多次,则关联用户标识出现次数计为一次,有效避免误判的情况出现,使得真实度更高,更能准确确定用户的真实电话信息。
以上,图1详细说明了本说明书实施例的用户排序方法,下面,结合图2,详细说明本说明书实施例的用户排序装置。
图2示出了本说明书实施例提供的用户排序装置的结构示意图,如图2所示,该装置可以包括:
获取模块201,用于获取目标电话号码及其关联信息,所述关联信息包括至少两个关联用户标识、所述目标电话号码与不同关联用户标识关联的次数、至少一个关联渠道的规则因子;
第一确定模块202,用于基于所述关联信息中不同关联用户标识与所述目标电话号码关联的次数及其权重、所述至少一个关联渠道的规则因子及其权重,确定所述目标电话号码与每个所述关联用户标识关联的真实度,所述真实度用于表征目标电话号码与关联用户标识之间的可信程度;
排序模块203,用于基于所述真实度,对所述至少两个关联用户标识对应的用户名进行排序。
在一实施例中,所述第一确定模块202可以包括:
第一创建单元,用于基于采样电话号码与采样电话号码关联的不同关联用户标识关联的次数及其权重,与采样电话号码关联的至少一个关联渠道的规则因子及其权重,创建验证模型;
所述目标电话号码及其关联信息作为所述验证模型的输入,所述目标电话号码与所述目标用户标识关联的真实度作为所述验证模型的输出。
在一实施例中,所述关联信息包括所述目标电话号码的更新时间段及其权重;所述第一确定模块202可以包括:
确定单元,用于基于不同关联用户标识与所述目标电话号码关联的次数及其权重、所述至少一个关联渠道的规则因子及其权重、所述目标电话号码的更新时间段及其权重,确定所述目标电话号码与所述目标用户标识关联的真实度。
在一实施例中,所述第一确定模块202可以包括:
第二创建单元,用于基于采样电话号码与采样电话号码关联的不同关联用户标识关联的次数及其权重,与采样电话号码关联的至少一个关联渠道的规则因子及其权重,所述采样电话号码的更新时间段及其权重,创建验证模型;
所述目标电话号码及其关联信息作为所述验证模型的输入,所述目标电话号码与所述目标用户标识关联的真实度作为所述验证模型的输出。
在一实施例中,所述装置可以包括:
第二确定模块204,用于通过信息熵的算法,基于所述至少一个关联渠道的规则因子的信息熵,确定各所述关联渠道的各所述规则因子的权重;和/或,
第三确定模块205,用于基于预先定义的规则因子的权重,确定所述至少一个关联渠道的规则因子的权重。
在一实施例中,所述装置可以包括:
比较模块206,用于比较所述至少两个关联用户标识的数量与预定值的大小;
导入模块207,用于若所述至少两个关联用户标识的数量大于所述预定值,则将所述目标电话号码导入电话号码黑名单中。
在一实施例中,所述关联用户标识包括用户名和用户证件号码,所述装置可以包括:
第四确定模块208,用于确定所述用户名、所述用户证件号码和目标关联电话号码的对应关系;
第五确定模块209,用于不同用户标识关联同一个目标电话号码,且所述不同用户标识中的所述用户名和所述用户证件号码中至少一个相同,则所述目标电话号码的出现次数记为一次。
本说明书一个实施例通过获取目标电话号码及其关联信息,基于关联信息中不同关联用户标识与目标电话号码关联的次数及其权重、关联信息中至少一个关联渠道的规则因子及其权重,确定目标电话号码与每个关联用户标识关联的真实度,可以基于真实度的高低对至少两个关联用户标识对应的用户名进行排序,准确区分一个电话号码对应的每个用户标识的真实度,以准确确定电话号码关联的用户信息。
图3是本说明书的一个实施例提供的电子设备的结构示意图。请参考图3,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3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,在逻辑层面上形成资源增值对象与资源对象的关联装置。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:
获取目标电话号码及其关联信息,所述关联信息包括至少两个关联用户标识、所述目标电话号码与不同关联用户标识关联的次数、至少一个关联渠道的规则因子;
基于所述关联信息中不同关联用户标识与所述目标电话号码关联的次数及其权重、所述至少一个关联渠道的规则因子及其权重,确定所述目标电话号码与每个所述关联用户标识关联的真实度,所述真实度用于表征目标电话号码与关联用户标识之间的可信程度;
基于所述真实度,对所述至少两个关联用户标识对应的用户名进行排序。
本说明书一个实施例通过获取目标电话号码及其关联信息,基于关联信息中不同关联用户标识与目标电话号码关联的次数及其权重、关联信息中至少一个关联渠道的规则因子及其权重,确定目标电话号码与每个关联用户标识关联的真实度,可以基于真实度的高低对至少两个关联用户标识对应的用户名进行排序,准确区分一个电话号码对应的每个用户标识的真实度,以准确确定电话号码关联的用户信息。
上述如本说明书图1所示实施例揭示的用户排序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(Central Processing 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 Integrated Circuit,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一个或多个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。结合本说明书一个或多个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2的用户排序装置所执行图1的用户排序方法,本说明书在此不再赘述。
当然,除了软件实现方式之外,本说明书的电子设备并不排除其他实现方式,比如逻辑器件抑或软硬件结合的方式等等,也就是说以下处理流程的执行主体并不限定于多个逻辑单元,也可以是硬件或逻辑器件。
本说明书实施例还提供一种计算机可读存储介质,计算机可读存储介质上存储有计算机程序,该计算机程序被处理器执行时实现上述多个方法实施例的多个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。其中,所述的计算机可读存储介质,如只读存储器(Read-Only Memory,简称ROM)、随机存取存储器(Random Access Memory,简称RAM)、磁碟或者光盘等。
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、装置、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(装置)、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。
上述对说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
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。
以上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 (9)
1.一种用户排序方法,其特征在于,包括:
获取目标电话号码及其关联信息,所述关联信息包括至少两个关联用户标识、所述目标电话号码与不同关联用户标识关联的次数、至少一个关联渠道的规则因子,其中,所述关联渠道为通讯渠道或各服务业务,所述规则因子为关联渠道中的各个部分;
基于所述关联信息中不同关联用户标识与所述目标电话号码关联的次数及其权重、所述至少一个关联渠道的规则因子及其权重,确定所述目标电话号码与每个所述关联用户标识关联的真实度,所述真实度用于表征目标电话号码与关联用户标识之间的可信程度;
基于所述真实度,对所述至少两个关联用户标识对应的用户名进行排序;
其中,所述关联信息中不同关联用户标识与所述目标电话号码关联的次数及其权重、所述至少一个关联渠道的规则因子及其权重,确定所述目标电话号码与每个所述关联用户标识关联的真实度,包括:
基于采样电话号码与采样电话号码关联的不同关联用户标识关联的次数及其权重,与采样电话号码关联的至少一个关联渠道的规则因子及其权重,创建验证模型;
所述目标电话号码及其关联信息作为所述验证模型的输入,所述目标电话号码与所述关联用户标识关联的真实度作为所述验证模型的输出。
2.如权利要求1所述的方法,其特征在于,所述关联信息包括所述关联用户标识的更新时间段及其权重;
确定所述目标电话号码与每个所述关联用户标识关联的真实度,包括:
基于不同关联用户标识与所述目标电话号码关联的次数及其权重、所述至少一个关联渠道的规则因子及其权重、所述关联用户标识的更新时间段及其权重,确定所述目标电话号码与所述关联用户标识关联的真实度。
3.如权利要求2所述的方法,其特征在于,
基于所述关联信息中不同关联用户标识与所述目标电话号码关联的次数及其权重、所述至少一个关联渠道的规则因子及其权重,确定所述目标电话号码与每个所述关联用户标识关联的真实度,所述真实度用于表征目标电话号码与关联用户标识之间的可信程度,包括:
基于采样电话号码与采样电话号码关联的不同关联用户标识关联的次数及其权重,与采样电话号码关联的至少一个关联渠道的规则因子及其权重,所述采样电话号码的更新时间段及其权重,创建验证模型;
所述目标电话号码及其关联信息作为所述验证模型的输入,所述目标电话号码与所述关联用户标识关联的真实度作为所述验证模型的输出。
4.如权利要求1所述的方法,其特征在于,在确定所述目标电话号码与每个所述关联用户标识关联的真实度之前,包括:
通过信息熵的算法,基于所述至少一个关联渠道的规则因子的信息熵,确定各所述关联渠道的各所述规则因子的权重;和/或,
基于预先定义的规则因子的权重,确定所述至少一个关联渠道的规则因子的权重。
5.如权利要求1所述的方法,其特征在于,在确定所述目标电话号码与每个所述关联用户标识关联的真实度之前,包括:
比较所述至少两个关联用户标识的数量与预定值的大小;
若所述至少两个关联用户标识的数量大于所述预定值,则将所述目标电话号码导入电话号码黑名单中。
6.如权利要求1所述的方法,其特征在于,所述关联用户标识包括用户名和用户证件号码,在确定所述目标电话号码与每个所述关联用户标识关联的真实度之前,包括:
确定所述用户名、所述用户证件号码和目标电话号码的对应关系;
若不同用户标识关联同一个目标电话号码,且所述不同用户标识中的所述用户名和所述用户证件号码中至少一个相同,则所述目标电话号码的出现次数记为一次。
7.一种用户排序装置,其特征在于,包括:
获取模块,用于获取目标电话号码及其关联信息,所述关联信息包括至少两个关联用户标识、所述目标电话号码与不同关联用户标识关联的次数、至少一个关联渠道的规则因子,其中,所述关联渠道为通讯渠道或各服务业务,所述规则因子为关联渠道中的各个部分;
第一确定模块,用于基于所述关联信息中不同关联用户标识与所述目标电话号码关联的次数及其权重、所述至少一个关联渠道的规则因子及其权重,确定所述目标电话号码与每个所述关联用户标识关联的真实度,所述真实度用于表征目标电话号码与关联用户标识之间的可信程度;
排序模块,用于基于所述真实度,对所述至少两个关联用户标识对应的用户名进行排序;
其中,所述第一确定模块可以包括:
第一创建单元,用于基于采样电话号码与采样电话号码关联的不同关联用户标识关联的次数及其权重,与采样电话号码关联的至少一个关联渠道的规则因子及其权重,创建验证模型;
所述目标电话号码及其关联信息作为所述验证模型的输入,所述目标电话号码与所述关联用户标识关联的真实度作为所述验证模型的输出。
8.一种电子设备,其特征在于,包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述计算机程序被所述处理器执行时实现如下步骤:
获取目标电话号码及其关联信息,所述关联信息包括至少两个关联用户标识、所述目标电话号码与不同关联用户标识关联的次数、至少一个关联渠道的规则因子,其中,所述关联渠道为通讯渠道或各服务业务,所述规则因子为关联渠道中的各个部分;
基于所述关联信息中不同关联用户标识与所述目标电话号码关联的次数及其权重、所述至少一个关联渠道的规则因子及其权重,确定所述目标电话号码与每个所述关联用户标识关联的真实度,所述真实度用于表征目标电话号码与关联用户标识之间的可信程度;
基于所述真实度,对所述至少两个关联用户标识对应的用户名进行排序;
其中,所述关联信息中不同关联用户标识与所述目标电话号码关联的次数及其权重、所述至少一个关联渠道的规则因子及其权重,确定所述目标电话号码与每个所述关联用户标识关联的真实度,包括:
基于采样电话号码与采样电话号码关联的不同关联用户标识关联的次数及其权重,与采样电话号码关联的至少一个关联渠道的规则因子及其权重,创建验证模型;
所述目标电话号码及其关联信息作为所述验证模型的输入,所述目标电话号码与所述关联用户标识关联的真实度作为所述验证模型的输出。
9.一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如下步骤:
获取目标电话号码及其关联信息,所述关联信息包括至少两个关联用户标识、所述目标电话号码与不同关联用户标识关联的次数、至少一个关联渠道的规则因子,其中,所述关联渠道为通讯渠道或各服务业务,所述规则因子为关联渠道中的各个部分;
基于所述关联信息中不同关联用户标识与所述目标电话号码关联的次数及其权重、所述至少一个关联渠道的规则因子及其权重,确定所述目标电话号码与每个所述关联用户标识关联的真实度,所述真实度用于表征目标电话号码与关联用户标识之间的可信程度;
基于所述真实度,对所述至少两个关联用户标识对应的用户名进行排序;
其中,所述关联信息中不同关联用户标识与所述目标电话号码关联的次数及其权重、所述至少一个关联渠道的规则因子及其权重,确定所述目标电话号码与每个所述关联用户标识关联的真实度,包括:
基于采样电话号码与采样电话号码关联的不同关联用户标识关联的次数及其权重,与采样电话号码关联的至少一个关联渠道的规则因子及其权重,创建验证模型;
所述目标电话号码及其关联信息作为所述验证模型的输入,所述目标电话号码与所述关联用户标识关联的真实度作为所述验证模型的输出。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910811399.4A CN110661913B (zh) | 2019-08-30 | 2019-08-30 | 一种用户排序方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910811399.4A CN110661913B (zh) | 2019-08-30 | 2019-08-30 | 一种用户排序方法、装置及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110661913A CN110661913A (zh) | 2020-01-07 |
CN110661913B true CN110661913B (zh) | 2021-03-23 |
Family
ID=69036534
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910811399.4A Active CN110661913B (zh) | 2019-08-30 | 2019-08-30 | 一种用户排序方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110661913B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111259252B (zh) * | 2020-01-22 | 2022-09-30 | 腾讯科技(深圳)有限公司 | 用户标识识别方法、装置、计算机设备及存储介质 |
CN112261654B (zh) * | 2020-09-23 | 2021-08-03 | 中国地质大学(武汉) | 一种用于电信反欺诈中生成手机号白名单的方法及系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104737161A (zh) * | 2012-10-16 | 2015-06-24 | 谷歌公司 | 基于人的信息聚合 |
CN105577880A (zh) * | 2015-12-29 | 2016-05-11 | 小米科技有限责任公司 | 电话号码识别方法及装置 |
CN106604281A (zh) * | 2015-10-20 | 2017-04-26 | 阿里巴巴集团控股有限公司 | 一种确定手机号码稳定性的方法及设备 |
CN107256465A (zh) * | 2017-06-28 | 2017-10-17 | 阿里巴巴集团控股有限公司 | 风险账户的识别方法及装置 |
WO2018023815A1 (zh) * | 2016-08-05 | 2018-02-08 | 王志强 | 电话号码标记的方法以及标记系统 |
CN107977405A (zh) * | 2017-11-16 | 2018-05-01 | 北京三快在线科技有限公司 | 数据排序方法、数据排序装置、电子设备及可读存储介质 |
-
2019
- 2019-08-30 CN CN201910811399.4A patent/CN110661913B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104737161A (zh) * | 2012-10-16 | 2015-06-24 | 谷歌公司 | 基于人的信息聚合 |
CN106604281A (zh) * | 2015-10-20 | 2017-04-26 | 阿里巴巴集团控股有限公司 | 一种确定手机号码稳定性的方法及设备 |
CN105577880A (zh) * | 2015-12-29 | 2016-05-11 | 小米科技有限责任公司 | 电话号码识别方法及装置 |
WO2018023815A1 (zh) * | 2016-08-05 | 2018-02-08 | 王志强 | 电话号码标记的方法以及标记系统 |
CN107256465A (zh) * | 2017-06-28 | 2017-10-17 | 阿里巴巴集团控股有限公司 | 风险账户的识别方法及装置 |
CN107977405A (zh) * | 2017-11-16 | 2018-05-01 | 北京三快在线科技有限公司 | 数据排序方法、数据排序装置、电子设备及可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN110661913A (zh) | 2020-01-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109347787B (zh) | 一种身份信息的识别方法及装置 | |
CN111353850B (zh) | 一种风险识别策略的更新、风险商户的识别方法和装置 | |
CN110674360B (zh) | 一种用于数据的溯源方法和系统 | |
CN110661913B (zh) | 一种用户排序方法、装置及电子设备 | |
CN110457332B (zh) | 一种信息处理方法及相关设备 | |
CN110689211A (zh) | 网站服务能力的评估方法及装置 | |
CN111338958A (zh) | 一种测试用例的参数生成方法、装置及终端设备 | |
CN110708414B (zh) | 一种电话号码的排序方法、装置及电子设备 | |
CN113064930B (zh) | 数据仓库的冷热数据识别方法、装置及电子设备 | |
CN110796178B (zh) | 决策模型训练方法及样本特征选择方法、装置和电子设备 | |
CN112613762A (zh) | 基于知识图谱的集团评级方法、装置和电子设备 | |
CN109271453B (zh) | 一种数据库容量的确定方法和装置 | |
CN110728585A (zh) | 核保方法、装置、设备及存储介质 | |
CN111275071A (zh) | 预测模型训练、预测方法、装置及电子设备 | |
CN113051601A (zh) | 敏感数据识别方法、装置、设备和介质 | |
CN113240489B (zh) | 一种基于大数据统计分析的物品推荐方法及装置 | |
CN116228439A (zh) | 基于知识图谱的风险识别方法、装置、设备以及存储介质 | |
CN115130577A (zh) | 一种欺诈号码识别方法、装置及电子设备 | |
CN113076451B (zh) | 异常行为识别和风险模型库的建立方法、装置及电子设备 | |
KR20190010091A (ko) | 데이터의 유용성 보존을 위한 익명화 장치 및 그 방법 | |
CN111385342B (zh) | 一种物联网行业识别方法、装置、电子设备及存储介质 | |
CN113284027A (zh) | 团伙识别模型的训练方法、异常团伙识别方法及装置 | |
CN111611056A (zh) | 数据处理方法、装置、计算机设备及存储介质 | |
CN111507397A (zh) | 一种异常数据的分析方法及装置 | |
CN110020670B (zh) | 一种模型迭代方法、装置及设备 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |