CN110971673B - 一种获取深度学习平台用户活跃度的计算机装置及方法 - Google Patents

一种获取深度学习平台用户活跃度的计算机装置及方法 Download PDF

Info

Publication number
CN110971673B
CN110971673B CN201911121522.6A CN201911121522A CN110971673B CN 110971673 B CN110971673 B CN 110971673B CN 201911121522 A CN201911121522 A CN 201911121522A CN 110971673 B CN110971673 B CN 110971673B
Authority
CN
China
Prior art keywords
deep learning
user activity
user
learning platform
time
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
Application number
CN201911121522.6A
Other languages
English (en)
Other versions
CN110971673A (zh
Inventor
王凯
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.)
Guangdong Inspur Smart Computing Technology Co Ltd
Original Assignee
Guangdong Inspur Big Data Research Co 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 Guangdong Inspur Big Data Research Co Ltd filed Critical Guangdong Inspur Big Data Research Co Ltd
Priority to CN201911121522.6A priority Critical patent/CN110971673B/zh
Publication of CN110971673A publication Critical patent/CN110971673A/zh
Application granted granted Critical
Publication of CN110971673B publication Critical patent/CN110971673B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/50—Network services
    • H04L67/535—Tracking the activity of the user
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/14—Network analysis or design

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Computer Hardware Design (AREA)
  • General Engineering & Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种获取深度学习平台用户活跃度的计算机装置、方法、设备以及计算机可读存储介质，包括：采集模块，用于采集预设时间段内深度学习平台中的用户行为数据；数据分析模块，用于根据所述用户行为数据以及预先构建的用户活跃度算法，确定所述深度学习平台的用户活跃度指数；分析结果输出模块，用于依据所述用户活跃度指数以及预选用户活跃度指数维度，输出所述深度学习平台的用户活跃度分析结果。本发明所提供的计算机装置、方法、设备以及计算机可读存储介质，提供了一种适用于深度学习平台产品的精确获取用户活跃度数据的装置。

Description

一种获取深度学习平台用户活跃度的计算机装置及方法
技术领域
本发明涉及深度学习平台产品设计技术领域，特别是涉及一种获取深度学习平台用户活跃度的计算机装置、方法、设备以及计算机可读存储介质。
背景技术
在深度学习平台产品设计过程中，用户活跃度是考量产品好坏的重要指标。一个精准的用户活跃度计算方式，不仅能够帮助产品设计人员有效的分析产品设计中存在的问题，而且包含用户行为在内的活跃度分析，对于提升产品用户体验，增强用户粘度有着巨大的帮助。
但是目前的用户活跃度计算方式大都存在于移动端产品中，不适用于深度学习平台产品。
综上所述可以看出，如何获取深度学习平台中用户活跃度数据是目前有待解决的问题。
发明内容
本发明的目的是提供一种获取深度学习平台用户活跃度的计算机装置、方法、设备以及计算机可读存储介质，以解决现有技术中的用户活跃度计算方法不适用于深度学习平台产品的问题。
为解决上述技术问题，本发明提供一种获取深度学习平台用户活跃度的计算机装置，包括：采集模块，用于采集预设时间段内深度学习平台中的用户行为数据；数据分析模块，用于根据所述用户行为数据以及预先构建的用户活跃度算法，确定所述深度学习平台的用户活跃度指数；分析结果输出模块，用于依据所述用户活跃度指数以及预选用户活跃度指数维度，输出所述深度学习平台的用户活跃度分析结果。
优选地，所述采集模块包括：
收集单元，用于收集所述预设时间段内所述深度学习平台中用户的登录时间、登录次数、在线时长与关键页面停留时长；
统计单元，用于统计所述预设时间段内用户在所述深度学习平台中的训练任务提交数量、任务持续时长与开发环境使用时长。
优选地，所述数据分析模块包括：
获取单元，用于根据
Figure BDA0002275590490000021
获取所述深度学习平台的用户活跃度指数f(x)；
其中，t1为单位时间长度x内用户登录次数与在线时长的乘积；t2为单位时间长度x内用户开发环境使用时长；t3为单位时间长度x内用户训练任务提交数量与任务持续时长的乘积；t4为单位时间长度内关键页面停留时长；ta为当前时间；tb为用户最后登录时间。
优选地，所述分析结果输出模块包括：
第一接收单元，用于接收客户终端发送的采用所述预选用户活跃度指数维度输出所述深度学习平台的用户活跃度分析结果的请求；其中，所述用户活跃度指数维度包括用户维度、时间维度与系统功能维度；
第一输出单元，用于依据所述用户活跃度指数以及所述预选用户活跃度指数维度，输出所述深度学习平台的用户活跃度分析结果。
优选地，所述分析结果输出模块包括：
第二接收单元，用于接收所述客户终端发送的采用所述时间维度输出所述深度学习平台的用户活跃度分析结果的请求；
第二输出单元，用于将所述深度学习平台在所述预设时间段内各个预选时刻对应的用户活跃度指数以图表的形式展示至所述客户终端。
本发明还提供了一种获取深度学习平台用户活跃度的方法，包括：
采集预设时间段内深度学习平台中的用户行为数据；
根据所述用户行为数据以及预先构建的用户活跃度算法，确定所述深度学习平台的用户活跃度指数；
依据所述用户活跃度指数以及预选的用户活跃度指数维度，输出所述深度学习平台的用户活跃度分析结果。
优选地，所述采集预设时间段内深度学习平台中的用户行为数据包括：
收集所述预设时间段内所述深度学习平台中用户的登录时间、登录次数、在线时长与关键页面停留时长；
统计单元，用于统计所述预设时间段内用户在所述深度学习平台中的训练任务提交数量、任务持续时长与开发环境使用时长。
优选地，所述根据所述用户行为数据以及预先构建的用户活跃度算法，确定所述深度学习平台的用户活跃度指数包括：
根据
Figure BDA0002275590490000031
获取所述深度学习平台的用户活跃度指数f(x)；
其中，t1为单位时间长度x内用户登录次数与在线时长的乘积；t2为单位时间长度x内用户开发环境使用时长；t3为单位时间长度x内用户训练任务提交数量与任务持续时长的乘积；t4为单位时间长度内关键页面停留时长；ta为当前时间；tb为用户最后登录时间。
本发明还提供了一种获取深度学习平台用户活跃度的设备，包括：
存储器，用于存储计算机程序；处理器，用于执行所述计算机程序时实现上述一种获取深度学习平台用户活跃度的方法的步骤。
本发明还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上述一种获取深度学习平台用户活跃度的方法的步骤。
本发明所提供的获取深度学习平台用户活跃度的获取深度学习平台用户活跃度的计算机装置包括采集模块，数据分析模块与分析结果输出模块。利用所述采集模块采集预设时间段内深度学习平台中的用户行为数据。所述数据分析模块根据所述采集模块采集到的所述用户行为数据以及预先构建的适用于深度学习平台的用户活跃度算法，确定所述深度学习平台的用户活跃度指数。所述分析结果输出模块根据所述用户活跃度指数以及预选用户活跃度指数维度，输出所述深度学习平台的用户活跃度分析结果。本发明提供了一种适用于深度学习平台产品的用户活跃度数据的精确获取装置，通过统计分析预设时间范围内的用户行为数据，结合预先构建的用户活跃度算法确定用户活跃度指数，根据预选用户活跃度指数维度，输出用户活跃度数据。
附图说明
为了更清楚的说明本发明实施例或现有技术的技术方案，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的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的获取深度学习平台用户活跃度的计算机装置的一种结构框图；
图2为本发明实施例提供的获取深度学习平台用户活跃度的计算机装置的另一种结构框图；
图3为本发明所提供的获取深度学习平台用户活跃度的方法的一种具体实施例的流程图。
具体实施方式
本发明的核心是提供一种获取深度学习平台用户活跃度的计算机装置、方法、设备以及计算机可读存储介质，提供了一种适用于深度学习平台产品的用户活跃度获取装置。
为了使本技术领域的人员更好地理解本发明方案，下面结合附图和具体实施方式对本发明作进一步的详细说明。显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。
请参考图1，图1为本发明实施例提供的获取深度学习平台用户活跃度的计算机装置的一种结构框图。本实施例所提供的种获取深度学习平台用户活跃度的计算机装置具体可以包括采集模块100，数据分析模块200以及分析结果输出模块300。
其中，所述采集模块100，用于采集预设时间段内深度学习平台中的用户行为数据；所述数据分析模块200，用于根据所述用户行为数据以及预先构建的用户活跃度算法，确定所述深度学习平台的用户活跃度指数；所述分析结果输出模块300，用于依据所述用户活跃度指数以及预选用户活跃度指数维度，输出所述深度学习平台的用户活跃度分析结果。
本实施例所提供的计算机装置，可自动采集用户行为数据、提供更符合深度学习平台用户活跃度的计算方式、可多维度输出用户活跃度数据分析结果。
基于上述实施例，本发明所提供的其他实施例中，所述采集模块可以包括收集单元101与统计单元102。所述收集单元101，用于收集所述预设时间段内所述深度学习平台中用户的登录时间、登录次数、在线时长与关键页面停留时长。所述统计单元102，用于统计所述预设时间段内用户在所述深度学习平台中的训练任务提交数量、任务持续时长与开发环境使用时长。所述采集模块100自动采集的用户行为数据会保存在系统后台数据库中。
在在深度学习平台中，当用户使用平台系统时，所述采集模块100会根据预置的采集内容，自动收集并记录用户登录时间、登录次数、在线时长、页面停留时间等，并统计用户在深度学习平台中提交的训练任务数量、开发环境使用时长等信息。所述采集模块100收集的用户行为数据会保存在系统后台数据库中，为产品设计人员分析产品设计策略提供帮助；为系统管理员分析深度学习平台内系统用户的操作行为提供数据支持。
所述数据分析模块200可以包括获取单元201，根据：
Figure BDA0002275590490000051
获取所述深度学习平台的用户活跃度指数f(x)；
其中，t1为单位时间长度x内用户登录次数与在线时长的乘积；t2为单位时间长度x内用户开发环境使用时长；t3为单位时间长度x内用户训练任务提交数量与任务持续时长的乘积；t4为单位时间长度内关键页面停留时长；ta为当前时间；tb为用户最后登录时间。
需要说明的是，在本发明的其他实施例中，当所述采集模块采集到更多其他的用户行为数据时，可以将所述用户行为数据代入：
Figure BDA0002275590490000061
结合需要分析的时间范围，将收集的用户行为数据转换为公式需要的单位和格式，自动确定所述时间范围内的用户活跃指数。所述用户活跃指数越大，则用户活跃度越过。
所述分析结果输出模块300可以包括第一接收单元301和第一输出单元302；所述第一接收单元301用于接收客户终端发送的采用所述预选用户活跃度指数维度输出所述深度学习平台的用户活跃度分析结果的请求；其中，所述用户活跃度指数维度包括用户维度、时间维度与系统功能维度。所述第一输出单元302，用于依据所述用户活跃度指数以及所述预选用户活跃度指数维度，输出所述深度学习平台的用户活跃度分析结果。
当系统管理员或者产品设计者需要查看某一时间段的用户活跃度指数时，在所述分析结果输出模块300指定要输出的用户活跃度指数维度，即按用户查看维度，按时间维度或按关键页面查看维度等。所述分析结果输出模块300根据传入的时间范围调用所述数据分析模块200对外暴露的接口，得到数据分析结果后，通过图表的形式展示在页面上，同时提供数据导出功能。
当系统管理员选用所述时间维度输出所述深度学习平台的用户活跃度分析结果时，所述分析结果输出模块300可以包括第二接收单元303，用于接收所述客户终端发送的采用所述时间维度输出所述深度学习平台的用户活跃度分析结果的请求；第二输出单元304，用于将所述深度学习平台在所述预设时间段内各个预选时刻对应的用户活跃度指数以图表的形式展示至所述客户终端。
当系统管理员选用所述关键页面查看维度输出所述深度学习平台的用户活跃度分析结果时，所述分析结果输出模块300可以包括第三接收单元305，用于接收所述客户终端发送的采用所述关键页面查看维度输出所述深度学习平台的用户活跃度分析结果的请求；第三输出单元306，用于将所述深度学习平台中不同关键页面在所述预设时间段内的用户活跃度指数以图表的形式展示至所述客户终端。
所述分析结果输出模块300可以以多种维度输出为数据报告，为系统管理员和产品设计者提供数据分析支持，同时支持数据导出功能。
本发明实施例所提供的一种获取深度学习平台用户活跃度的计算机装置，通过统计分析一段时间范围内的用户行为，结合预置的用户活跃度算法，输出用户活跃度数据。区别于常见的用户活跃度计算方式，本实施例结合深度学习平台系统特有功能，增加了训练任务提交数量、开发环境使用时长作为新增计算维度，为产品设计人员分析产品设计策略提供帮助，同时为系统管理员分析深度学习平台内系统用户的操作行为提供数据支持。
请参考图3，图3为本发明所提供的获取深度学习平台用户活跃度的方法的一种具体实施例的流程图；具体操作步骤如下：
步骤S31：采集预设时间段内深度学习平台中的用户行为数据；
步骤S32：根据所述用户行为数据以及预先构建的用户活跃度算法，确定所述深度学习平台的用户活跃度指数；
步骤S33：依据所述用户活跃度指数以及预选的用户活跃度指数维度，输出所述深度学习平台的用户活跃度分析结果。
本实施例的获取深度学习平台用户活跃度的方法用于实现前述的获取深度学习平台用户活跃度的计算机装置，因此获取深度学习平台用户活跃度的方法中的具体实施方式可见前文中的获取深度学习平台用户活跃度的计算机装置的实施例部分，例如，S31，S32和S33，分别用于实现上述获取深度学习平台用户活跃度的计算机装置中采集模块100，数据分析模块200，分析结果输出模块300，所以，其具体实施方式可以参照相应的各个部分实施例的描述，在此不再赘述。
本发明具体实施例还提供了一种获取深度学习平台用户活跃度的设备，包括：存储器，用于存储计算机程序；处理器，用于执行所述计算机程序时实现上述一种获取深度学习平台用户活跃度的方法的步骤。
本发明具体实施例还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上述一种获取深度学习平台用户活跃度的方法的步骤。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同或相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
以上对本发明所提供的获取深度学习平台用户活跃度的计算机装置、方法、设备以及计算机可读存储介质进行了详细介绍。本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以对本发明进行若干改进和修饰，这些改进和修饰也落入本发明权利要求的保护范围内。

Claims (8)

1.一种获取深度学习平台用户活跃度的计算机装置，其特征在于，包括：
采集模块，用于采集预设时间段内深度学习平台中的用户行为数据；
数据分析模块，用于根据所述用户行为数据以及预先构建的用户活跃度算法，确定所述深度学习平台的用户活跃度指数；
分析结果输出模块，用于依据所述用户活跃度指数以及预选用户活跃度指数维度，输出所述深度学习平台的用户活跃度分析结果；其中：
所述数据分析模块包括：
获取单元，用于根据
Figure FDA0003586921170000011
获取所述深度学习平台的用户活跃度指数f(x)；
其中，t1为单位时间长度x内用户登录次数与在线时长的乘积；t2为单位时间长度x内用户开发环境使用时长；t3为单位时间长度x内用户训练任务提交数量与任务持续时长的乘积；t4为单位时间长度内关键页面停留时长；ta为当前时间；tb为用户最后登录时间。
2.如权利要求1所述的计算机装置，其特征在于，所述采集模块包括：
收集单元，用于收集所述预设时间段内所述深度学习平台中用户的登录时间、登录次数、在线时长与关键页面停留时长；
统计单元，用于统计所述预设时间段内用户在所述深度学习平台中的训练任务提交数量、任务持续时长与开发环境使用时长。
3.如权利要求1所述的计算机装置，其特征在于，所述分析结果输出模块包括：
第一接收单元，用于接收客户终端发送的采用所述预选用户活跃度指数维度输出所述深度学习平台的用户活跃度分析结果的请求；其中，所述用户活跃度指数维度包括用户维度、时间维度与系统功能维度；
第一输出单元，用于依据所述用户活跃度指数以及所述预选用户活跃度指数维度，输出所述深度学习平台的用户活跃度分析结果。
4.如权利要求3所述的计算机装置，其特征在于，所述分析结果输出模块包括：
第二接收单元，用于接收所述客户终端发送的采用所述时间维度输出所述深度学习平台的用户活跃度分析结果的请求；
第二输出单元，用于将所述深度学习平台在所述预设时间段内各个预选时刻对应的用户活跃度指数以图表的形式展示至所述客户终端。
5.一种获取深度学习平台用户活跃度的方法，其特征在于，包括：
采集预设时间段内深度学习平台中的用户行为数据；
根据所述用户行为数据以及预先构建的用户活跃度算法，确定所述深度学习平台的用户活跃度指数；
依据所述用户活跃度指数以及预选的用户活跃度指数维度，输出所述深度学习平台的用户活跃度分析结果；其中：
所述根据所述用户行为数据以及预先构建的用户活跃度算法，确定所述深度学习平台的用户活跃度指数包括：
根据
Figure FDA0003586921170000021
获取所述深度学习平台的用户活跃度指数f(x)；
其中，t1为单位时间长度x内用户登录次数与在线时长的乘积；t2为单位时间长度x内用户开发环境使用时长；t3为单位时间长度x内用户训练任务提交数量与任务持续时长的乘积；t4为单位时间长度内关键页面停留时长；ta为当前时间；tb为用户最后登录时间。
6.如权利要求5所述的方法，其特征在于，所述采集预设时间段内深度学习平台中的用户行为数据包括：
收集所述预设时间段内所述深度学习平台中用户的登录时间、登录次数、在线时长与关键页面停留时长；
统计单元，用于统计所述预设时间段内用户在所述深度学习平台中的训练任务提交数量、任务持续时长与开发环境使用时长。
7.一种获取深度学习平台用户活跃度的设备，其特征在于，包括：
存储器，用于存储计算机程序；
处理器，用于执行所述计算机程序时实现如权利要求5至6任一项所述一种获取深度学习平台用户活跃度的方法的步骤。
8.一种计算机可读存储介质，其特征在于，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权利要求5至6任一项所述一种获取深度学习平台用户活跃度的方法的步骤。
CN201911121522.6A 2019-11-15 2019-11-15 一种获取深度学习平台用户活跃度的计算机装置及方法 Active CN110971673B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911121522.6A CN110971673B (zh) 2019-11-15 2019-11-15 一种获取深度学习平台用户活跃度的计算机装置及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911121522.6A CN110971673B (zh) 2019-11-15 2019-11-15 一种获取深度学习平台用户活跃度的计算机装置及方法

Publications (2)

Publication Number Publication Date
CN110971673A CN110971673A (zh) 2020-04-07
CN110971673B true CN110971673B (zh) 2022-08-12

Family

ID=70030734

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911121522.6A Active CN110971673B (zh) 2019-11-15 2019-11-15 一种获取深度学习平台用户活跃度的计算机装置及方法

Country Status (1)

Country Link
CN (1) CN110971673B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111538881B (zh) * 2020-04-16 2024-02-09 广东好太太科技集团股份有限公司 一种基于行为数据的活跃度分析方法、设备及存储介质
CN112152873B (zh) * 2020-09-02 2022-10-21 杭州安恒信息技术股份有限公司 用户识别方法、装置、计算机设备和存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105409162A (zh) * 2014-06-30 2016-03-16 北京新媒传信科技有限公司 一种获取群组中个体用户活跃度的方法和装置
CN107370614A (zh) * 2016-05-13 2017-11-21 北京京东尚科信息技术有限公司 网络用户活跃度评估方法和预测方法
CN108153891A (zh) * 2017-12-29 2018-06-12 北京奇虎科技有限公司 上网活跃时间统计方法及装置
CN108833143A (zh) * 2018-05-28 2018-11-16 郑州村村联网络技术有限公司 计算用户活跃度的方法、装置及系统
CN110148012A (zh) * 2019-04-15 2019-08-20 中国平安人寿保险股份有限公司 用户激励方法、装置、计算机设备及存储介质

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11277483B2 (en) * 2017-03-31 2022-03-15 Microsoft Technology Licensing, Llc Assessing user activity using dynamic windowed forecasting on historical usage

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105409162A (zh) * 2014-06-30 2016-03-16 北京新媒传信科技有限公司 一种获取群组中个体用户活跃度的方法和装置
CN107370614A (zh) * 2016-05-13 2017-11-21 北京京东尚科信息技术有限公司 网络用户活跃度评估方法和预测方法
CN108153891A (zh) * 2017-12-29 2018-06-12 北京奇虎科技有限公司 上网活跃时间统计方法及装置
CN108833143A (zh) * 2018-05-28 2018-11-16 郑州村村联网络技术有限公司 计算用户活跃度的方法、装置及系统
CN110148012A (zh) * 2019-04-15 2019-08-20 中国平安人寿保险股份有限公司 用户激励方法、装置、计算机设备及存储介质

Also Published As

Publication number Publication date
CN110971673A (zh) 2020-04-07

Similar Documents

Publication Publication Date Title
CN109597974B (zh) 报表生成方法及装置
CN108833458B (zh) 一种应用推荐方法、装置、介质及设备
CN110971673B (zh) 一种获取深度学习平台用户活跃度的计算机装置及方法
CN111191601B (zh) 同行用户识别方法、装置、服务器及存储介质
CN109033165B (zh) 一种数据展示方法、计算机可读存储介质及终端设备
CN110519263A (zh) 防刷量方法、装置、设备及计算机可读存储介质
EP2071461B1 (en) Method and system for estimating a number of users of a website based on lossy compressed data
CN109509541B (zh) 基于医学图像的报告签发方法及装置
CN114610372A (zh) 评审文件的处理方法及装置、存储介质、处理器、终端
CN106156123B (zh) 活跃值计算方法及装置
CN107633473B (zh) 基于虚拟现实的服务测评指标信度效度保证方法
CN110928942A (zh) 指标数据监控管理方法及装置
CN108268370B (zh) 基于Referer和模板库匹配的网站质量分析方法、装置和系统
CN114398287A (zh) 一种测试方案生成方法及装置
CN109308204B (zh) 一种响应窗口点击的图表生成方法及其装置
CN112527803A (zh) 一种数据处理方法、装置以及计算机设备
CN113051127A (zh) 异常功耗检测方法、装置、电子设备及存储介质
CN116663989B (zh) 线状工程地形复杂性测度方法及装置
CN113542893B (zh) 用于获取作品评价信息的方法、装置、视频筛选方法及装置
CN114691837B (zh) 一种基于大数据的保险业务数据处理方法和处理系统
CN111369270A (zh) 奖励资源的分配方法、装置和系统
CN110347582B (zh) 埋点测试方法和装置
CN116861101B (zh) 用于社交匹配的数据处理方法和装置
CN113905400B (zh) 网络优化处理方法、装置、电子设备及存储介质
CN113051128B (zh) 功耗检测方法、装置、电子设备及存储介质

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