CN110807129A - 多层用户关系图集合的生成方法、装置及电子设备 - Google Patents
多层用户关系图集合的生成方法、装置及电子设备 Download PDFInfo
- Publication number
- CN110807129A CN110807129A CN201910939040.5A CN201910939040A CN110807129A CN 110807129 A CN110807129 A CN 110807129A CN 201910939040 A CN201910939040 A CN 201910939040A CN 110807129 A CN110807129 A CN 110807129A
- Authority
- CN
- China
- Prior art keywords
- user relationship
- user
- graph
- subgraph
- sets
- 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 58
- 238000004422 calculation algorithm Methods 0.000 claims description 31
- 238000012216 screening Methods 0.000 claims description 22
- 101100134058 Caenorhabditis elegans nth-1 gene Proteins 0.000 claims description 4
- 238000001914 filtration Methods 0.000 claims description 4
- 238000000638 solvent extraction Methods 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 abstract description 5
- 238000006243 chemical reaction Methods 0.000 abstract description 4
- 230000009286 beneficial effect Effects 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 12
- 238000005516 engineering process Methods 0.000 description 8
- 238000012545 processing Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 230000004044 response Effects 0.000 description 3
- 238000007405 data analysis Methods 0.000 description 2
- 238000013079 data visualisation Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000009877 rendering Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000001680 brushing effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013075 data extraction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 210000000887 face Anatomy 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000005111 flow chemistry technique Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 238000013468 resource allocation Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/901—Indexing; Data structures therefor; Storage structures
- G06F16/9024—Graphs; Linked lists
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/904—Browsing; Visualisation therefor
-
- 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/01—Social networking
-
- Y—GENERAL 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
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Abstract
本公开涉及一种多层用户关系图集合的生成方法、装置、电子设备及计算机可读介质。该方法包括：根据多个用户关系数据生成用户关系图；根据多个预设策略将用户关系图划分为多个用户关系子图集合；基于多个预设策略的实施顺序为每一个用户关系子图集合分配层级标签；根据用户节点数量将多个用户关系子图集合中的每一个用户关系子图划分为多个用户关系瓦片图；以及通过用户关系图、多个用户关系子图集合和多个用户关系瓦片图生成多层用户关系图集合。本公开涉及的多层用户关系图集合的生成方法，能够将用户关系图按照数据分析者需要的层次结构进行分析展示，有助于提高用户关系图的分析效率，提高用户关系图的成果转化速度。
Description
技术领域
本公开涉及计算机信息处理领域，具体而言，涉及一种多层用户关系图集合的生成方法、装置、电子设备及计算机可读介质。
背景技术
关系图谱是语义网络，是一种基于图的数据结构。关联图谱由节点(实体)和边(关系)组成。把所有不同种类的信息连接在一起而得到的一个关系网络，从“关系”的角度去分析问题，解决问题。目前已被广泛应用于智能搜索、智能问答、个性化推荐、精准营销、风控反欺诈、金融风险预测等领域。
用户关系图是关联图谱中的一种，在用户关系图中用户是图谱的节点，用户和用户之间的关系构成了图谱中的边，用户关系图基于图数据库建立关系网络图，是一种可视化的智能分析产品。通过数据抽取和转换，图计算引擎对数据进行查询和分析，实现秒级数据运算和数据可视化，并以图谱的形式展示给用户的图形分析工具。数据分析者可以基于已建好的用户关系图进行查询、分析和探索。
为了更加全面的对用户之间的关系进行分析，现有的用户图谱构建算法均是基于海量数据建立的用户关系图，用户关系图中节点数量可达数亿个，面对如此多的用户数据，数据分析者很难通过肉眼对已建好的用户关系图进行分析和探索。因此，需要一种新的多层用户关系图集合的生成方法、装置、电子设备及计算机可读介质。
在所述背景技术部分公开的上述信息仅用于加强对本公开的背景的理解，因此它可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
有鉴于此，本公开提供一种多层用户关系图集合的生成方法、装置、电子设备及计算机可读介质，能够将用户关系图按照数据分析者需要的层次结构进行分析展示，有助于提高用户关系图的分析效率，提高用户关系图的成果转化速度。
本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。
根据本公开的一方面，提出一种多层用户关系图集合的生成方法，该方法包括：根据多个用户关系数据生成用户关系图，所述用户关系图中包括全部用户节点；根据多个预设策略将所述用户关系图划分为多个用户关系子图集合，所述用户关系子图集合中包括多个用户关系子图，用户关系子图中包括部分用户节点；基于所述多个预设策略的实施顺序为所述多个用户关系子图集合中的每一个用户关系子图集合分配层级标签；根据用户节点数量将所述多个用户关系子图集合中的每一个用户关系子图划分为多个用户关系瓦片图；以及通过所述用户关系图、所述多个用户关系子图集合和所述多个用户关系瓦片图生成多层用户关系图集合。
可选地，还包括：响应与用户的操作，按照层级关系依次显示所述多层用户关系图集合。
可选地，根据多个预设策略将所述用户关系图划分为多个用户关系子图集合包括：根据多个预设策略与社区发现算法将所述用户关系图划分为多个用户关系子图集合。
可选地，根据多个预设策略与社区发现算法将所述用户关系图划分为多个用户关系子图集合包括：确定预设策略数量和实施顺序；按照所述实施顺序和社区发现算法对所述用户关系图中的用户节点进行筛选以生成所述多个用户关系子图集合。
可选地，按照所述实施顺序和社区发现算法对所述用户关系图中的用户节点进行筛选以生成所述多个用户关系子图集合包括：按照所述实施顺序确定第一个预设策略；以及基于所述第一个预设策略和社区发现算法对所述用户关系图中的用户节点进行筛选，生成第一层用户关系子图集合。
可选地，按照所述实施顺序对所述用户关系图中的用户节点进行筛选以生成所述多个用户关系子图集合还包括：按照所述实施顺序确定第n个预设策略；以及基于所述第n个预设策略和社区发现算法对所述第n-1层用户关系子图集合中的用户节点进行筛选，生成第n层用户关系子图集合；其中，n为大于1的正整数。
可选地，基于所述多个预设策略的实施顺序为所述多个用户关系子图集合中的每一个用户关系子图集合分配层级标签还包括：基于层级标签将第n层用户关系子图集合与第n-1层用户关系子图集合依次进行关联。
可选地，根据用户节点数量将所述多个用户关系子图集合中的每一个用户关系子图划分为多个用户关系瓦片图包括：确定用户关系瓦片图中的节点限值；依据所述节点限值与当前的用户关系子图的用户节点数量确定划分数量；以及按照所述划分数量将所述用户关系子图划分为多个用户关系瓦片图。
可选地，根据用户节点数量将所述多个用户关系子图集合中的每一个用户关系子图划分为多个用户关系瓦片图还包括：将所述多个用户关系瓦片图通过细节层次技术与其对应的用户关系子图相关联。
可选地，响应与用户的操作，按照层级关系依次显示所述多层用户关系图集合包括：根据用户操作获取用户的显示请求，所述显示请求中包括目标层级标签；获取与所述目标层级标签对应的用户关系子图集合；以及通过所述用户关系子图集合生成多个用户关系子图以进行显示。
根据本公开的一方面，提出一种多层用户关系图集合的生成方法，该方法包括：主图模块，用于根据多个用户关系数据生成用户关系图，所述用户关系图中包括全部用户节点；子图模块，用于根据多个预设策略将所述用户关系图划分为多个用户关系子图集合，所述用户关系子图集合中包括多个用户关系子图，用户关系子图中包括部分用户节点；标签模块，用于基于所述多个预设策略的实施顺序为所述多个用户关系子图集合中的每一个用户关系子图集合分配层级标签；瓦片模块，用于根据用户节点数量将所述多个用户关系子图集合中的每一个用户关系子图划分为多个用户关系瓦片图；以及集合模块，用于通过所述用户关系图、所述多个用户关系子图集合和所述多个用户关系瓦片图生成多层用户关系图集合。
可选地，还包括：显示模块，用于响应与用户的操作，按照层级关系依次显示所述多层用户关系图集合。
可选地，所述子图模块，还用于根据多个预设策略与社区发现算法将所述用户关系图划分为多个用户关系子图集合。
可选地，所述子图模块包括：参数单元，用于确定预设策略数量和实施顺序；筛选单元，用于按照所述实施顺序和社区发现算法对所述用户关系图中的用户节点进行筛选以生成所述多个用户关系子图集合。
可选地，所述筛选单元包括：第一策略子单元，用于按照所述实施顺序确定第一个预设策略；以及第一筛选子单元，用于基于所述第一个预设策略和社区发现算法对所述用户关系图中的用户节点进行筛选，生成第一层用户关系子图集合。
可选地，所述筛选单元还包括：第n策略子单元，用于按照所述实施顺序确定第n个预设策略；以及第n筛选子单元，用于基于所述第n个预设策略和社区发现算法对所述第n-1层用户关系子图集合中的用户节点进行筛选，生成第n层用户关系子图集合；其中，n为大于1的正整数。
可选地，所述标签模块包括：第一关联单元，用于基于层级标签将第n层用户关系子图集合与第n-1层用户关系子图集合依次进行关联。
可选地，所述瓦片模块包括：限值单元，用于确定用户关系瓦片图中的节点限值；数量单元，用于依据所述节点限值与当前的用户关系子图的用户节点数量确定划分数量；以及划分单元，用于按照所述划分数量将所述用户关系子图划分为多个用户关系瓦片图。
可选地，所述瓦片模块还包括：第二关联单元，用于将所述多个用户关系瓦片图通过细节层次技术与其对应的用户关系子图相关联。
可选地，所述显示模块包括：请求单元，用于根据用户操作获取用户的显示请求，所述显示请求中包括目标层级标签；数据单元，用于获取与所述目标层级标签对应的用户关系子图集合；以及生成单元，用于通过所述用户关系子图集合生成多个用户关系子图以进行显示。
根据本公开的一方面，提出一种电子设备，该电子设备包括：一个或多个处理器；存储装置，用于存储一个或多个程序；当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如上文的方法。
根据本公开的一方面，提出一种计算机可读介质，其上存储有计算机程序，该程序被处理器执行时实现如上文中的方法。
根据本公开的多层用户关系图集合的生成方法、装置、电子设备及计算机可读介质，根据预设策略生成多个用户关系子图集合及层级标签；再将用户关系子图划分为多个用户关系瓦片图；以及通过用户关系图、多个用户关系子图集合和多个用户关系瓦片图生成多层用户关系图集合的方式，能够将用户关系图按照数据分析者需要的层次结构进行分析展示，有助于提高用户关系图的分析效率，提高用户关系图的成果转化速度。
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的，并不能限制本公开。
附图说明
通过参照附图详细描述其示例实施例，本公开的上述和其它目标、特征及优点将变得更加显而易见。下面描述的附图仅仅是本公开的一些实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是根据一示例性实施例示出的一种多层用户关系图集合的生成方法及装置的系统框图。
图2是根据一示例性实施例示出的一种多层用户关系图集合的生成方法的流程图。
图3是根据一示例性实施例示出的一种多层用户关系图集合的生成方法的示意图。
图4是根据另一示例性实施例示出的一种多层用户关系图集合的生成方法的流程图。
图5是根据另一示例性实施例示出的一种多层用户关系图集合的生成方法的流程图。
图6是根据一示例性实施例示出的一种多层用户关系图集合的生成装置的框图。
图7是根据一示例性实施例示出的一种电子设备的框图。
图8是根据一示例性实施例示出的一种计算机可读介质的框图。
具体实施方式
现在将参考附图更全面地描述示例实施例。然而，示例实施例能够以多种形式实施，且不应被理解为限于在此阐述的实施例；相反，提供这些实施例使得本公开将全面和完整，并将示例实施例的构思全面地传达给本领域的技术人员。在图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。
此外，所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中，提供许多具体细节从而给出对本公开的实施例的充分理解。然而，本领域技术人员将意识到，可以实践本公开的技术方案而没有特定细节中的一个或更多，或者可以采用其它的方法、组元、装置、步骤等。在其它情况下，不详细示出或描述公知方法、装置、实现或者操作以避免模糊本公开的各方面。
附图中所示的方框图仅仅是功能实体，不一定必须与物理上独立的实体相对应。即，可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
附图中所示的流程图仅是示例性说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解，而有的操作/步骤可以合并或部分合并，因此实际执行的顺序有可能根据实际情况改变。
应理解，虽然本文中可能使用术语第一、第二、第三等来描述各种组件，但这些组件不应受这些术语限制。这些术语乃用以区分一组件与另一组件。因此，下文论述的第一组件可称为第二组件而不偏离本公开概念的教示。如本文中所使用，术语“及/或”包括相关联的列出项目中的任一个及一或多者的所有组合。
本领域技术人员可以理解，附图只是示例实施例的示意图，附图中的模块或流程并不一定是实施本公开所必须的，因此不能用于限制本公开的保护范围。
图1是根据一示例性实施例示出的一种多层用户关系图集合的生成方法及装置的系统框图。
如图1所示，系统架构10可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用，例如金融服务类应用、购物类应用、网页浏览器应用、即时通信工具、邮箱客户端、社交平台软件等。
终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
终端设备101、102、103可例如根据多个用户关系数据生成用户关系图，所述用户关系图中包括全部用户节点；终端设备101、102、103可例如根据多个预设策略将所述用户关系图划分为多个用户关系子图集合，所述用户关系子图集合中包括多个用户关系子图，用户关系子图中包括部分用户节点；终端设备101、102、103可例如基于所述多个预设策略的实施顺序为所述多个用户关系子图集合中的每一个用户关系子图集合分配层级标签；终端设备101、102、103可例如根据用户节点数量将所述多个用户关系子图集合中的每一个用户关系子图划分为多个用户关系瓦片图；终端设备101、102、103可例如通过所述用户关系图、所述多个用户关系子图集合和所述多个用户关系瓦片图生成多层用户关系图集合。
终端设备101、102、103还可例如响应与用户的操作，按照层级关系依次显示所述多层用户关系图集合。
服务器105可以是提供各种服务的服务器，例如对用户利用终端设备101、102、103所浏览的图数据处理类网站提供支持的后台管理服务器。例如用户利用终端设备103(也可以是终端设备101或102)向服务器105发送了图数据分析请求，服务器105可例如根据多个用户关系数据生成用户关系图，所述用户关系图中包括全部用户节点；服务器105可例如根据多个预设策略将所述用户关系图划分为多个用户关系子图集合，所述用户关系子图集合中包括多个用户关系子图，用户关系子图中包括部分用户节点；服务器105可例如基于所述多个预设策略的实施顺序为所述多个用户关系子图集合中的每一个用户关系子图集合分配层级标签；服务器105可例如根据用户节点数量将所述多个用户关系子图集合中的每一个用户关系子图划分为多个用户关系瓦片图；服务器105可例如通过所述用户关系图、所述多个用户关系子图集合和所述多个用户关系瓦片图生成多层用户关系图集合。服务器105还可以将处理结果(多层次用户关系图)反馈给终端设备101、102、103。
服务器105可以是一个实体的服务器，还可例如为多个服务器组成，需要说明的是，本公开实施例所提供的多层用户关系图集合的生成方法可以由服务器105执行和/或终端设备101、102、103中，相应地，多层用户关系图集合的生成装置可以设置于服务器105中和/或终端设备101、102、103中。而提供给用户进行数据分析请求提交的网页端一般位于终端设备101、102、103中。
图2是根据一示例性实施例示出的一种多层用户关系图集合的生成方法的流程图。多层用户关系图集合的生成方法20至少包括步骤S202全S210。
如图2所示，在S202中，根据多个用户关系数据生成用户关系图，所述用户关系图中包括全部用户节点。构建用户关系图的前提就是要把需要的数据从不同的数据源抽取出来存入到图数据库里，所以信息抽取是构建关系图谱的基础。可例如以关系型数据库存储的结构化数据，例如：IP地址、经纬度、设备指纹等，还可例如采用爬虫采集的非机构化数据，例如行为记录、网上的浏览记录等方式。
其中，用户关系图的实体节点可包括：IP地址、经纬度、设备指纹、账户、联系人、逾期黑名单等相关信息，不同实体节点之间通过手机号码相关联。节点之间的关系可包括：从属关系、紧急联系人、互通电话、同一网络等等；整个实体和关系构建用户关系图。
在S204中，根据多个预设策略将所述用户关系图划分为多个用户关系子图集合，所述用户关系子图集合中包括多个用户关系子图，用户关系子图中包括部分用户节点。
可包括：根据多个预设策略与社区发现算法将所述用户关系图划分为多个用户关系子图集合。社区发现算法可例如为：Louvain算法，又称之为Fast-Unfolding算法，是一种基于模块度(Modularity)的社区发现算法。该算法在大规模图结构上的性能和表现效果都比较好，且具有公认的理论支撑。其目标函数是优化整个图(网络)的模块度。
Louvain算法的过程可如下：
先将用户关系图中的每个节点看成一个独立的社区，初始社区的数目与节点个数相同；
然后，基于第一预设策略对每个节点i，尝试把节点i分配到其邻居节点所在的社区中，并计算分配前与分配后的模块度变化ΔQ，；模块度(Modularity)是一种评估社区网络划分好坏的度量指标；记录ΔQ最大的那个邻居节点；如果最大ΔQ＞0，则把节点i分配到ΔQ最大的那个邻居节点所在的社区，否则放弃此次划分；重复上述直到所有节点的社区不再变化；
然后，对用户关系图进行压缩，将所有在同一个社区的节点压缩成一个新的节点，社区内节点之间的边的权重转化为新节点的环的权重，社区间的边权重转化为新节点间的边权重。其中，每一个新压缩的节点均可作为用户关系子图。
之后，对每一个社区中的节点再次基于第二预设策略进行划分，将社区中的节点再次合并，在每一个社区中生成子社区。
以此类推，直至所有的预设策略均实施完毕，生成多个用户关系子图集合，每个子集合代表一个社区。
“根据多个预设策略与社区发现算法将所述用户关系图划分为多个用户关系子图集合”的详细内容将在图4对应的实施例中进行描述。
在S206中，基于所述多个预设策略的实施顺序为所述多个用户关系子图集合中的每一个用户关系子图集合分配层级标签。可例如第一预设策略实施的时候，将用户关系图划分成的多个用户关系子图被设置为第一层，第n预设策略实施的时候，将用户关系图划分成的多个用户关系子图被设置为第n层，在每个层级标签中，还包括具体的预设策略名称。具体可例如，第一层为设备层，第二层为违约层，第三层为失信层，第四层为失信层等等。
在S208中，根据用户节点数量将所述多个用户关系子图集合中的每一个用户关系子图划分为多个用户关系瓦片图。可例如，基于LOD技术将所述多个用户关系子图集合中的每一个用户关系子图划分为多个用户关系瓦片图。LOD技术指根据物体模型的节点在显示环境中所处的位置和重要度，决定物体渲染的资源分配，降低非重要物体的面数和细节度，从而获得高效率的渲染运算。
LOD模型的生成为三维多边形网格简化问题。网格简化的目的是把一个用多边形网格表示的模型用一个近似的模型表示，近似模型基本保持了原模型的可视特征，但顶点数目少于原始网格的顶点数目。
在S210中，通过所述用户关系图、所述多个用户关系子图集合和所述多个用户关系瓦片图生成多层用户关系图集合。多层用户关系图集合中还包括层级标签和关联关系。
在一个实施例中，还包括：响应与用户的操作，按照层级关系依次显示所述多层用户关系图集合。包括：根据用户操作获取用户的显示请求，所述显示请求中包括目标层级标签；获取与所述目标层级标签对应的用户关系子图集合；以及通过所述用户关系子图集合生成多个用户关系子图以进行显示。
可例如，用户输入“失联层”，则可调用该层标签所对应的用户关系子图集合，然后将每一个用户关系子图集合均生成可显示的图结构，以进行显示。
图3是根据一示例性实施例示出的一种多层用户关系图集合的生成方法的示意图。
如图3所示，首先可根据海量的用户关系数据生成用户关系图，然后根据不同的预定策略，依次对用户关系图进行划分，每次划分均生成多个用户关系子图，依据多个用户关系子图的上一级层级关系，多个用户关系子图生成了多个用户关系子图集合。
在一个实施例中，在将所有的预设策略均实施完毕后，则停止对多个用户关系子图进行更多的层次划分，基于当前的最后一级的用户关系子图，根据用户节点数量将其划分为多个用户关系瓦片图。
在一个实施例中，可根据用户关系子图的节点数量确定层次划分停止阈值，可例如，在多个预设策略均实施完毕后，最后一级的用户关系子图中包含的节点数量众多，这个时候，可根据自动划分策略对最后一级的用户关系子图进行再次划分，直至最后一级的用户关系子图中包含的节点数量小于阈值。
在实际情况中，海量的用户数据可达数十亿个，经过数次的策略划分，用户关系子图中包含的节点可能仍旧为数万个节点。在这种情况下，节点数量众多，仍旧不利于数据分析人员对图数据进行分析，所以可对用户关系子图再次进行划分，直至最后一级的用户关系子图中的节点数据为数百个或者数十个为止。然后再基于当前的最后一级的用户关系子图，根据用户节点数量将其划分为多个用户关系瓦片图。
随着近几年互联网金融的发展，让欺诈分子有了可乘之机，伪造资料、恶意注册大量虚假账号、团伙包装、刷单、抢红包、套返利等等，他们的欺诈技术手段也越来越高明(群控、云控)，成本也越来越低。为了限制这些欺诈用户，可通过本公开中的多层用户关系图集合的生成方法建立多层用户关系图，度关联、二度关联、三度关联，甚至是更多维度关联，通过节点之间的共享实体找出他们之间的强连接关系，可以帮助网络数据分析者有效快速的发现隐藏的共同特征，信贷机构也可基于多层用户关系图建立反欺诈团队和风控防范体系，使用专家规则和预测模型来拦截欺诈份子。
应清楚地理解，本公开描述了如何形成和使用特定示例，但本公开的原理不限于这些示例的任何细节。相反，基于本公开公开的内容的教导，这些原理能够应用于许多其它实施例。
图4是根据另一示例性实施例示出的一种多层用户关系图集合的生成方法的流程图。图4所示的流程是对图2所示的流程中S204“根据多个预设策略将所述用户关系图划分为多个用户关系子图集合”的详细描述，
如图4所示，在S402中，确定预设策略数量和实施顺序。
在S404中，按照所述实施顺序确定第n个预设策略。
在S406中，基于所述第n个预设策略和社区发现算法对所述第n一1层用户关系子图集合中的用户节点进行筛选，生成第n层用户关系子图集合。
更具体的，可按照所述实施顺序确定第一个预设策略；以及基于所述第一个预设策略和社区发现算法对所述用户关系图中的用户节点进行筛选，生成第一层用户关系子图集合。
对第一层用户关系子图集合中的所有用户关系子图，根据第二个预设策略再次进行划分，生成第二层用户关系子图集合；对第二层用户关系子图集合中的所有用户关系子图，根据第三个预设策略再次进行划分，生成第三层用户关系子图集合，以此类推，至所有的预设策略实施完毕为止。
在S408中，基于层级标签将第n层用户关系子图集合与第n-1层用户关系子图集合依次进行关联。
图5是根据另一示例性实施例示出的一种多层用户关系图集合的生成方法的流程图。图5所示的流程是对图2所示的流程中S208“根据用户节点数量将所述多个用户关系子图集合中的每一个用户关系子图划分为多个用户关系瓦片图”的详细描述，
如图5所示，在S502中，确定用户关系瓦片图中的节点限值。
在S504中，依据所述节点限值与当前的用户关系子图的用户节点数量确定划分数量。
在S506中，按照所述划分数量将所述用户关系子图划分为多个用户关系瓦片图。
在S508中，将所述多个用户关系瓦片图通过细节层次技术与其对应的用户关系子图相关联。
细节层次技术(LOD技术)，来源于地图中的瓦片图的思路，在地图中根据地形的不同复杂程度和人眼观察地形的特点，对地形的不同区域采取不同细节的描述和绘制。采用LOD技术绘制地形，在不降低表现效果的前提下，可以尽量减少三角形的数量，以提高图形绘制效率，实现地形的实时交互可视化。而在本公开中，基于LOD技术将最后一层的用户关系子图再次按照节点数量进行划分，以生成多个包含更少节点的瓦片图以有助于用户查看。
更具体的，可将相邻的多个节点划分在一个瓦片图中。
本领域技术人员可以理解实现上述实施例的全部或部分步骤被实现为由CPU执行的计算机程序。在该计算机程序被CPU执行时，执行本公开提供的上述方法所限定的上述功能。所述的程序可以存储于一种计算机可读存储介质中，该存储介质可以是只读存储器，磁盘或光盘等。
此外，需要注意的是，上述附图仅是根据本公开示例性实施例的方法所包括的处理的示意性说明，而不是限制目的。易于理解，上述附图所示的处理并不表明或限制这些处理的时间顺序。另外，也易于理解，这些处理可以是例如在多个模块中同步或异步执行的。
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。对于本公开装置实施例中未披露的细节，请参照本公开方法实施例。
图6是根据一示例性实施例示出的一种多层用户关系图集合的生成装置的框图。如图6所示，多层用户关系图集合的生成装置60包括：主图模块602，子图模块604，标签模块606，瓦片模块608，集合模块610，以及显示模块612。
主图模块602用于根据多个用户关系数据生成用户关系图，所述用户关系图中包括全部用户节点；
子图模块604用于根据多个预设策略将所述用户关系图划分为多个用户关系子图集合，所述用户关系子图集合中包括多个用户关系子图，用户关系子图中包括部分用户节点；
子图模块604还用于根据多个预设策略与社区发现算法将所述用户关系图划分为多个用户关系子图集合。
子图模块604包括：参数单元，用于确定预设策略数量和实施顺序；筛选单元，用于按照所述实施顺序和社区发现算法对所述用户关系图中的用户节点进行筛选以生成所述多个用户关系子图集合。
所述筛选单元包括：第一策略子单元，用于按照所述实施顺序确定第一个预设策略；以及第一筛选子单元，用于基于所述第一个预设策略和社区发现算法对所述用户关系图中的用户节点进行筛选，生成第一层用户关系子图集合。第n策略子单元，用于按照所述实施顺序确定第n个预设策略；以及第n筛选子单元，用于基于所述第n个预设策略和社区发现算法对所述第n-1层用户关系子图集合中的用户节点进行筛选，生成第n层用户关系子图集合；其中，n为大于1的正整数。
标签模块606用于基于所述多个预设策略的实施顺序为所述多个用户关系子图集合中的每一个用户关系子图集合分配层级标签；标签模块606包括：第一关联单元，用于基于层级标签将第n层用户关系子图集合与第n-1层用户关系子图集合依次进行关联。
瓦片模块608用于根据用户节点数量将所述多个用户关系子图集合中的每一个用户关系子图划分为多个用户关系瓦片图；瓦片模块608包括：限值单元，用于确定用户关系瓦片图中的节点限值；数量单元，用于依据所述节点限值与当前的用户关系子图的用户节点数量确定划分数量；以及划分单元，用于按照所述划分数量将所述用户关系子图划分为多个用户关系瓦片图。第二关联单元，用于将所述多个用户关系瓦片图通过细节层次技术与其对应的用户关系子图相关联。
集合模块610用于通过所述用户关系图、所述多个用户关系子图集合和所述多个用户关系瓦片图生成多层用户关系图集合。
显示模块612用于响应与用户的操作，按照层级关系依次显示所述多层用户关系图集合。显示模块612包括：请求单元，用于根据用户操作获取用户的显示请求，所述显示请求中包括目标层级标签；数据单元，用于获取与所述目标层级标签对应的用户关系子图集合；以及生成单元，用于通过所述用户关系子图集合生成多个用户关系子图以进行显示。
图7是根据一示例性实施例示出的一种电子设备的框图。
下面参照图7来描述根据本公开的这种实施方式的电子设备700。图7显示的电子设备700仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。
如图7所示，电子设备700以通用计算设备的形式表现。电子设备700的组件可以包括但不限于：至少一个处理单元710、至少一个存储单元720、连接不同系统组件(包括存储单元720和处理单元710)的总线730、显示单元740等。
其中，所述存储单元存储有程序代码，所述程序代码可以被所述处理单元710执行，使得所述处理单元710执行本说明书上述电子处方流转处理方法部分中描述的根据本公开各种示例性实施方式的步骤。例如，所述处理单元710可以执行如图2，图4，图5中所示的步骤。
所述存储单元720可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(RAM)7201和/或高速缓存存储单元7202，还可以进一步包括只读存储单元(ROM)7203。
所述存储单元720还可以包括具有一组(至少一个)程序模块7205的程序/实用工具7204，这样的程序模块7205包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线730可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备700也可以与一个或多个外部设备700’(例如键盘、指向设备、蓝牙设备等)通信，还可与一个或者多个使得用户能与该电子设备700交互的设备通信，和/或与使得该电子设备700能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口750进行。并且，电子设备700还可以通过网络适配器760与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。网络适配器760可以通过总线730与电子设备700的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备700使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，如图8所示，根据本公开实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、或者网络设备等)执行根据本公开实施方式的上述方法。
所述软件产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
所述计算机可读存储介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读存储介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。可读存储介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本公开操作的程序代码，所述程序设计语言包括面向对象的程序设计语言-诸如Java、C++等，还包括常规的过程式程序设计语言-诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被一个该设备执行时，使得该计算机可读介质实现如下功能：根据多个用户关系数据生成用户关系图，所述用户关系图中包括全部用户节点；根据多个预设策略将所述用户关系图划分为多个用户关系子图集合，所述用户关系子图集合中包括多个用户关系子图，用户关系子图中包括部分用户节点；基于所述多个预设策略的实施顺序为所述多个用户关系子图集合中的每一个用户关系子图集合分配层级标签；根据用户节点数量将所述多个用户关系子图集合中的每一个用户关系子图划分为多个用户关系瓦片图；以及通过所述用户关系图、所述多个用户关系子图集合和所述多个用户关系瓦片图生成多层用户关系图集合。
本领域技术人员可以理解上述各模块可以按照实施例的描述分布于装置中，也可以进行相应变化唯一不同于本实施例的一个或多个装置中。上述实施例的模块可以合并为一个模块，也可以进一步拆分成多个子模块。
通过以上的实施例的描述，本领域的技术人员易于理解，这里描述的示例实施例可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施例的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、移动终端、或者网络设备等)执行根据本公开实施例的方法。
以上具体地示出和描述了本公开的示例性实施例。应可理解的是，本公开不限于这里描述的详细结构、设置方式或实现方法；相反，本公开意图涵盖包含在所附权利要求的精神和范围内的各种修改和等效设置。
Claims (10)
1.一种多层用户关系图集合的生成方法，其特征在于，包括：
根据多个用户关系数据生成用户关系图，所述用户关系图中包括全部用户节点；
根据多个预设策略将所述用户关系图划分为多个用户关系子图集合，所述用户关系子图集合中包括多个用户关系子图，用户关系子图中包括部分用户节点；
基于所述多个预设策略的实施顺序为所述多个用户关系子图集合中的每一个用户关系子图集合分配层级标签；
根据用户节点数量将所述多个用户关系子图集合中的每一个用户关系子图划分为多个用户关系瓦片图；以及
通过所述用户关系图、所述多个用户关系子图集合和所述多个用户关系瓦片图生成多层用户关系图集合。
2.如权利要求1所述的方法，其特征在于，还包括：
响应与用户的操作，按照层级关系依次显示所述多层用户关系图集合。
3.如权利要求1-2中任一所述的方法，其特征在于，根据多个预设策略将所述用户关系图划分为多个用户关系子图集合包括：
根据多个预设策略与社区发现算法将所述用户关系图划分为多个用户关系子图集合。
4.如权利要求1-3中任一所述的方法，其特征在于，根据多个预设策略与社区发现算法将所述用户关系图划分为多个用户关系子图集合包括：
确定预设策略数量和实施顺序；
按照所述实施顺序和社区发现算法对所述用户关系图中的用户节点进行筛选以生成所述多个用户关系子图集合。
5.如权利要求1-4中任一所述的方法，其特征在于，按照所述实施顺序和社区发现算法对所述用户关系图中的用户节点进行筛选以生成所述多个用户关系子图集合包括：
按照所述实施顺序确定第一个预设策略；以及
基于所述第一个预设策略和社区发现算法对所述用户关系图中的用户节点进行筛选，生成第一层用户关系子图集合。
6.如权利要求1-5中任一所述的方法，其特征在于，按照所述实施顺序对所述用户关系图中的用户节点进行筛选以生成所述多个用户关系子图集合还包括：
按照所述实施顺序确定第n个预设策略；以及
基于所述第n个预设策略和社区发现算法对所述第n-1层用户关系子图集合中的用户节点进行筛选，生成第n层用户关系子图集合；
其中，n为大于1的正整数。
7.如权利要求1-6中任一所述的方法，其特征在于，基于所述多个预设策略的实施顺序为所述多个用户关系子图集合中的每一个用户关系子图集合分配层级标签还包括：
基于层级标签将第n层用户关系子图集合与第n-1层用户关系子图集合依次进行关联。
8.一种多层用户关系图集合的生成装置，其特征在于，包括：
主图模块，用于根据多个用户关系数据生成用户关系图，所述用户关系图中包括全部用户节点；
子图模块，用于根据多个预设策略将所述用户关系图划分为多个用户关系子图集合，所述用户关系子图集合中包括多个用户关系子图，用户关系子图中包括部分用户节点；
标签模块，用于基于所述多个预设策略的实施顺序为所述多个用户关系子图集合中的每一个用户关系子图集合分配层级标签；
瓦片模块，用于根据用户节点数量将所述多个用户关系子图集合中的每一个用户关系子图划分为多个用户关系瓦片图；以及
集合模块，用于通过所述用户关系图、所述多个用户关系子图集合和所述多个用户关系瓦片图生成多层用户关系图集合。
9.一种电子设备，其特征在于，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-7中任一所述的方法。
10.一种计算机可读介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如权利要求1-7中任一所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910939040.5A CN110807129B (zh) | 2019-09-29 | 2019-09-29 | 多层用户关系图集合的生成方法、装置及电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910939040.5A CN110807129B (zh) | 2019-09-29 | 2019-09-29 | 多层用户关系图集合的生成方法、装置及电子设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110807129A true CN110807129A (zh) | 2020-02-18 |
| CN110807129B CN110807129B (zh) | 2024-02-20 |
Family
ID=69488019
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910939040.5A Active CN110807129B (zh) | 2019-09-29 | 2019-09-29 | 多层用户关系图集合的生成方法、装置及电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110807129B (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111489190A (zh) * | 2020-03-16 | 2020-08-04 | 上海趣蕴网络科技有限公司 | 一种基于用户关系的反作弊方法及系统 |
| CN113158025A (zh) * | 2021-03-05 | 2021-07-23 | 腾讯科技（深圳）有限公司 | 产品投放策略的生成方法、装置及电子设备 |
| CN113434705A (zh) * | 2021-08-27 | 2021-09-24 | 中邮消费金融有限公司 | 一种基于关系图谱的提现额度调整方法、系统 |
| CN113465612A (zh) * | 2021-07-02 | 2021-10-01 | 南京航空航天大学 | 一种基于双层索引的并行路径规划方法及系统 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101470711A (zh) * | 2007-12-25 | 2009-07-01 | 国际商业机器公司 | 层次化图结构数据可视化的方法、装置 |
| CN106708844A (zh) * | 2015-11-12 | 2017-05-24 | 阿里巴巴集团控股有限公司 | 一种用户群体的划分方法和装置 |
| CN107229756A (zh) * | 2017-06-30 | 2017-10-03 | 山东合天智汇信息技术有限公司 | 一种直观展现企业关系图谱的设计方法及系统 |
| CN108614881A (zh) * | 2018-04-28 | 2018-10-02 | 北京京东金融科技控股有限公司 | 呈现企业关联关系图谱的方法及装置、存储介质、电子终端 |
| CN109815414A (zh) * | 2019-01-23 | 2019-05-28 | 四川易诚智讯科技有限公司 | 基于多层网络社团划分的社交网络人物关系分析方法 |
| US20190266528A1 (en) * | 2018-02-25 | 2019-08-29 | Graphen, Inc. | System for Discovering Hidden Correlation Relationships for Risk Analysis Using Graph-Based Machine Learning |
-
2019
- 2019-09-29 CN CN201910939040.5A patent/CN110807129B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101470711A (zh) * | 2007-12-25 | 2009-07-01 | 国际商业机器公司 | 层次化图结构数据可视化的方法、装置 |
| CN106708844A (zh) * | 2015-11-12 | 2017-05-24 | 阿里巴巴集团控股有限公司 | 一种用户群体的划分方法和装置 |
| CN107229756A (zh) * | 2017-06-30 | 2017-10-03 | 山东合天智汇信息技术有限公司 | 一种直观展现企业关系图谱的设计方法及系统 |
| US20190266528A1 (en) * | 2018-02-25 | 2019-08-29 | Graphen, Inc. | System for Discovering Hidden Correlation Relationships for Risk Analysis Using Graph-Based Machine Learning |
| CN108614881A (zh) * | 2018-04-28 | 2018-10-02 | 北京京东金融科技控股有限公司 | 呈现企业关联关系图谱的方法及装置、存储介质、电子终端 |
| CN109815414A (zh) * | 2019-01-23 | 2019-05-28 | 四川易诚智讯科技有限公司 | 基于多层网络社团划分的社交网络人物关系分析方法 |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111489190A (zh) * | 2020-03-16 | 2020-08-04 | 上海趣蕴网络科技有限公司 | 一种基于用户关系的反作弊方法及系统 |
| CN113158025A (zh) * | 2021-03-05 | 2021-07-23 | 腾讯科技（深圳）有限公司 | 产品投放策略的生成方法、装置及电子设备 |
| CN113158025B (zh) * | 2021-03-05 | 2023-11-21 | 腾讯科技（深圳）有限公司 | 产品投放策略的生成方法、装置及电子设备 |
| CN113465612A (zh) * | 2021-07-02 | 2021-10-01 | 南京航空航天大学 | 一种基于双层索引的并行路径规划方法及系统 |
| CN113465612B (zh) * | 2021-07-02 | 2024-03-26 | 南京航空航天大学 | 一种基于双层索引的并行路径规划方法及系统 |
| CN113434705A (zh) * | 2021-08-27 | 2021-09-24 | 中邮消费金融有限公司 | 一种基于关系图谱的提现额度调整方法、系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110807129B (zh) | 2024-02-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110807129B (zh) | 多层用户关系图集合的生成方法、装置及电子设备 | |
| Yang et al. | A spatiotemporal compression based approach for efficient big data processing on cloud | |
| CN107944481B (zh) | 用于生成信息的方法和装置 | |
| CN112148987A (zh) | 基于目标对象活跃度的消息推送方法及相关设备 | |
| US11016730B2 (en) | Transforming a transactional data set to generate forecasting and prediction insights | |
| CN113298354B (zh) | 业务衍生指标的自动生成方法、装置及电子设备 | |
| CN112016796B (zh) | 综合风险评分请求处理方法、装置及电子设备 | |
| CN112348659B (zh) | 用户识别策略的分配方法、装置及电子设备 | |
| CN112015562A (zh) | 基于迁移学习的资源分配方法、装置及电子设备 | |
| CN111598494A (zh) | 资源额度的调整方法、装置及电子设备 | |
| CN113159934A (zh) | 一种网点客流量的预测方法、系统、电子设备及存储介质 | |
| CN112016793A (zh) | 基于目标用户群的资源分配方法、装置及电子设备 | |
| CN116542395A (zh) | 一种低碳楼宇监测系统及方法 | |
| JP2022074133A (ja) | 多変量時系列モデリングおよび予測のためのコンピューティングデバイス、コンピュータ実装方法、およびコンピュータ可読記憶媒体（改良された多変量時系列モデリングおよび予測のための複数時系列にわたる確率的非線形関係および外部要因） | |
| CN112017062A (zh) | 基于客群细分的资源额度分配方法、装置及电子设备 | |
| CN110781314B (zh) | 用户关系图的分层显示方法、装置及电子设备 | |
| CN114862282B (zh) | 一种基于数据分析的业财协同管理方法及系统 | |
| US20230029218A1 (en) | Feature engineering using interactive learning between structured and unstructured data | |
| CN113297436B (zh) | 基于关系图网络的用户策略分配方法、装置及电子设备 | |
| CN112527851B (zh) | 用户特征数据筛选方法、装置及电子设备 | |
| US11893132B2 (en) | Discovery of personal data in machine learning models | |
| CN113298645A (zh) | 资源额度调整方法、装置及电子设备 | |
| CN113902545A (zh) | 资源额度分配方法、装置及电子设备 | |
| CN113902543A (zh) | 资源配额调整方法、装置及电子设备 | |
| Moradi et al. | Impact of information and communication technology on economic growth in selected Islamic countries |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |