CN110993084A - 一种对象排序方法、装置、设备及可读存储介质 - Google Patents
一种对象排序方法、装置、设备及可读存储介质 Download PDFInfo
- Publication number
- CN110993084A CN110993084A CN201911308206.XA CN201911308206A CN110993084A CN 110993084 A CN110993084 A CN 110993084A CN 201911308206 A CN201911308206 A CN 201911308206A CN 110993084 A CN110993084 A CN 110993084A
- Authority
- CN
- China
- Prior art keywords
- service
- characteristic
- feature
- target
- value corresponding
- 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
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/20—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the management or administration of healthcare resources or facilities, e.g. managing hospital staff or surgery rooms
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H80/00—ICT specially adapted for facilitating communication between medical practitioners or patients, e.g. for collaborative diagnosis, therapy or health monitoring
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Biomedical Technology (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Business, Economics & Management (AREA)
- General Business, Economics & Management (AREA)
- Pathology (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请实施例公开了一种对象排序方法、装置、设备及可读存储介质;本申请可以确定待排序的对象集合,对象集合包括多个提供服务的目标对象;获取目标对象在至少一个维度上的服务特征序列,服务特征序列包括按照服务时间顺序排列的服务特征;在每个维度上,基于历史服务特征对应的服务参考值和当前服务特征,计算当前服务特征对应的服务参考值,得到每个维度对应的服务参考特征,其中,历史服务特征为服务时间在当前时间之前的服务特征;将所有维度对应的服务参考特征进行融合,得到目标对象的目标服务参考特征;根据目标对象的目标服务参考特征,对对象集合中的目标对象排序,得到并输出排序后对象集合。该方案能够提高对目标对象排序的准确性。
Description
技术领域
本发明涉及通信技术领域,具体涉及一种对象排序方法、装置、设备及可读存储介质。
背景技术
在通信技术领域中,经常涉及到根据某一类对象的特征来对对象进行排序,以便用户进行下一步的操作,例如,在互联网医院中,当患者在应用程序端输入病症时,互联网医院的后台需要根据病症相关度,为患者推荐相应科室的医生。然而相应科室下会有多个医生,这就需要计算出各个医生的综合服务质量分,然后按照综合服务质量分对医生进行排序,以供患者选择服务质量分高的医生进行问诊服务。
现有技术中,根据医生的历史服务数据计算医生服务质量分,以医生的响应时间为例,是通过统计医生的历史响应时间总和与总的响应次数,计算出医生平均每次的响应时间,或者是通过统计距离当前最近N天内医生的响应时间总和与总的响应次数,来计算医生最近N天的平均每次响应时间,从而得到医生在响应时间这一维度上的服务质量分。
在对现有技术的研究和实践过程中,本发明的发明人发现,现有技术将待排序对象在历史任一时间上的服务特征信息同等看待,难以真实反应待排序对象当前服务时间的服务状态,从而导致对待排序对象的排序不够准确。
发明内容
本申请实施例提供一种对象排序方法、装置、设备及可读存储介质,可以提高对象排序的准确性。
本申请实施例提供一种对象排序方法,包括:
确定待排序的对象集合,所述对象集合包括多个提供服务的目标对象;
获取所述目标对象在至少一个维度上的服务特征序列,所述服务特征序列包括按照服务时间顺序排列的服务特征;
在每个维度上,基于历史服务特征对应的服务参考值和当前服务特征,计算当前服务特征对应的服务参考值,得到每个维度上对应的服务参考特征,其中,所述历史服务特征为服务时间在当前时间之前的服务特征;
将所有维度对应的服务参考特征进行融合,得到所述目标对象的目标服务参考特征;
根据所述目标对象的目标服务参考特征,对所述对象集合中的目标对象进行排序,得到排序后对象集合;
输出所述排序后对象集合。
相应的,本申请实施例还提供了一种对象排序装置,包括:
确定单元,用于确定待排序的对象集合,所述对象集合包括多个提供服务的目标对象;
获取单元,用于获取所述目标对象在至少一个维度上的服务特征序列,所述服务特征序列包括按照服务时间顺序排列的服务特征;
计算单元,用于在每个维度上,基于历史服务特征对应的服务参考值和当前服务特征,计算当前服务特征对应的服务参考值,得到每个维度上对应的服务参考特征,其中,所述历史服务特征为服务时间在当前时间之前的服务特征;
融合单元,用于将所有维度对应的服务参考特征进行融合,得到所述目标对象的目标服务参考特征;
排序单元,用于根据所述目标对象的目标服务参考特征,对所述对象集合中的目标对象进行排序,得到排序后对象集合;
输出单元,用于输出所述排序后对象集合。
在一些实施例中,所述计算单元,包括:
计算子单元,用于基于历史服务特征对应的服务参考值和当前服务特征,递归计算当前服务特征对应的服务参考值,得到每个维度上服务特征序列中最后一个服务特征对应的服务参考值;
构建子单元,用于基于每个维度上最后一个服务特征对应的服务参考值,构建每个维度上对应的服务参考特征。
在一些实施例中,所述计算子单元,用于:
在每个维度上,从服务特征序列中确定当前处理的当前服务特征;
基于历史服务特征对应的服务参考值和当前服务特征,计算当前服务特征对应的服务参考值;
在当前服务特征不满足预设递归终止条件时,将当前服务特征的下一个服务特征更新为当前服务特征,返回执行基于历史服务特征对应的服务参考值和当前服务特征,计算当前服务特征对应的服务参考值的步骤;
在当前服务特征满足预设递归终止条件时,得到服务特征序列中最后一个服务特征对应的服务参考值。
在一些实施例中,所述计算子单元,用于:
获取历史服务特征对应的服务参考值的权重、以及当前服务特征对应的权重;
根据历史服务特征对应的服务参考值的权重、以及当前服务特征对应的权重,对历史服务特征对应的服务参考值和当前服务特征的特征值进行加权处理,得到当前服务特征对应的服务参考值。
在一些实施例中,所述融合单元,包括:
获取子单元,用于获取每个维度对应的权重;
融合子单元,用于基于所述每个维度对应的权重,将所有维度对应的服务参考特征进行融合,得到所述目标对象的目标服务参考特征。
在一些实施例中,所述融合单元,还包括:
处理子单元,用于对每个维度上对应的服务参考特征进行归一化处理,得到处理后服务参考特征;
所述融合子单元,还用于将所有维度对应的处理后服务参考特征进行融合,得到所述目标对象的目标服务参考特征。
在一些实施例中,所述排序单元,还用于将所述排序后对象集合存储至区块链中。
相应的,本申请还提供一种计算机设备,包括存储器,处理器及存储在存储器上并可在处理器上运行的计算机程序,其中,所述处理器执行所述程序时实现本申请实施例提供的任一种对象排序方法中的步骤。
此外,本申请实施例还提供一种计算机可读存储介质,其上存储有计算机程序,其中,所述计算机程序被处理器执行时实现本申请实施例提供的任一种对象排序方法中的步骤。
本申请实施例可以确定待排序的对象集合,所述对象集合包括多个提供服务的目标对象;获取所述目标对象在至少一个维度上的服务特征序列,所述服务特征序列包括按照服务时间顺序排列的服务特征;在每个维度上,基于历史服务特征对应的服务参考值和当前服务特征,计算当前服务特征对应的服务参考值,得到每个维度上对应的服务参考特征,其中,所述历史服务特征为服务时间在当前时间之前的服务特征;将所有维度对应的服务参考特征进行融合,得到所述目标对象的目标服务参考特征;根据所述目标对象的目标服务参考特征,对所述对象集合中的目标对象进行排序,得到排序后对象集合;输出所述排序后对象集合。由于该方案能够在每个维度上,对目标对象的服务特征序列中的服务特征的服务参考值进行计算,得到每个维度对应的服务参考特征,并对所有维度上的服务参考特征进行融合处理得到目标服务参考特征,从而使得基于目标服务参考特征对目标对象排序的准确性大大提高。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例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发明的一些实施例,对于本领域技术人员来讲,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1a是本申请实施例提供的对象排序方法的场景示意图;
图1b是本申请实施例提供的对象排序方法的流程示意图;
图1c是本申请实施例提供的对象排序方法中一次指数平滑示意图;
图2a是本申请实施例提供的对象排序方法的另一流程示意图;
图2b是本申请实施例提供的对象排序方法中医生排序界面的示例图;
图2c是本申请实施例提供的区块链的结构示意图;
图2d是本申请实施例提供的区块链的另一结构示意图;
图3a是本申请实施例提供的对象排序装置的结构示意图;
图3b是本申请实施例提供的对象排序装置的另一结构示意图;
图3c是本申请实施例提供的对象排序装置的另一结构示意图;
图4是本申请实施例提供的计算机设备的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,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,本领域技术人员在没有作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。
本申请实施例提供一种对象排序方法、装置、计算机设备和计算机可读存储介质。其中,该对象排序装置可以集成在计算机设备中,该计算机设备可以是服务器,也可以是终端等设备。
例如,参见图1a,以该对象排序装置集成在计算机设备中为例,该计算机设备可以确定待排序的对象集合,该对象集合包括多个提供服务的目标对象;获取目标对象在至少一个维度上的服务特征序列,该服务特征序列包括按照服务时间顺序排列的服务特征;在每个维度上,基于历史服务特征对应的服务参考值和当前服务特征,计算当前服务特征对应的服务参考值,得到每个维度上对应的服务参考特征,其中,历史服务特征为服务时间在当前时间之前的服务特征;将所有维度对应的服务参考特征进行融合,得到目标对象的目标服务参考特征;根据目标对象的目标服务参考特征,对对象集合中的目标对象进行排序,得到排序后对象集合;输出排序后对象集合。
以下分别进行详细说明。需说明的是,以下实施例的描述顺序不作为对实施例优选顺序的限定。
在本实施例中,将从对象排序装置的角度进行描述,该对象排序装置具体可以集成在计算机设备中,例如,对象排序装置可以是设置于计算机设备中的实体装置,或者对象排序装置可以以客户端的形式集成在计算机设备中。该计算机设备可以是服务器,也可以是终端等设备;其中,该终端可以包括手机、平板电脑、笔记本电脑、个人计算机(PC,Personal Computer)、微型处理盒子、或者其他设备等。
如图1b所示,该对象排序方法的具体流程可以如下:
101、确定待排序的对象集合,该对象集合包括多个提供服务的目标对象。
其中,对象集合为提供同一类型服务的对象的集合,该对象集合包括多个提供服务的目标对象。比如,在互联网医院中,为针对不同患者的不同病症而设立不同类型的就诊科室,如口腔科、眼科、精神科,等等。每个就诊科室下包括多个提供看病服务的医生,如口腔科医生、眼科医生和精神科医生等。需要说明的是,待排序的对象集合除了医生外,也可以为某一类虚拟物品集合,或是某一类信息集合,等等。
确定待排序的对象集合的方式可以有多种,比如,当用户在互联网医院就医时,可以由用户在应用程序中输入关键词(如科室、病症等)后搜索确定,即用户在搜索框中输入相关病症,如输入“牙疼”后触发搜索控件,计算机设备在接收到触发搜索控件所携带的搜索信息和确认指令时,根据搜索信息和确认指令调出牙科诊室下相应的医生集合,或者根据已知病症直接输入就诊科室如“牙科”后触发搜索控件,以确定该科室下提供看诊服务的医生集合。又比如,也可以在已提供各个就诊科室选择的情况下,用户根据已知病症触发相应科室对应的选择控件,计算机设备在接收到选择控件所携带的确认指令后,调出相应科室下提供看诊服务的医生集合,等等。
102、获取目标对象在至少一个维度上的服务特征序列,该服务特征序列包括按照服务时间顺序排列的服务特征。
其中,服务特征序列为目标对象在不同时间上的服务特征,即该服务特征序列中的服务特征是按照时间顺序收集排列的,比如,服务特征可以为在不同时间段上医生对患者提问的响应时间,以及不同的患者在不同时间段上根据医生的服务所给予的评分,等等。目标对象的服务特征序列,表现在至少一个维度上,比如医生对患者提问的响应时间(即从患者提问到医生回复提问所间隔的时间为一次相应时间)、患者对医生的评分(即不同患者对医生服务质量的评分)、医生的职级、医生所在医院的级别、以及医生的问诊费用,等等。
其中,获取目标对象在至少一个维度上的服务特征序列,可以是从存储有目标对象历史服务数据的后台数据库中获取。获取的方式可以是通过目标对象的身份标识获取其服务特征序列。其中,服务特征序列可以是包括过去所有时间上的服务特征,也可以是包括在预设期限内的服务特征。例如,获取医生在过去全部时间、或者一段时间内(如1年内、或6个月内等)对患者提问的响应时间序列,以及不同患者对医生的评分序列,等等。其中,预设期限可以根据实际应用的需求进行设置。
103、在每个维度上,基于历史服务特征对应的服务参考值和当前服务特征,计算当前服务特征对应的服务参考值,得到每个维度上对应的服务参考特征,其中,历史服务特征为服务时间在当前时间之前的服务特征。
其中,历史服务特征对应的服务参考值为对历史服务特征进行特征融合后的值,例如,可以是对历史服务特征的特征值进行加权融合计算后得到的值。当前服务特征对应的服务参考值可以通过对历史服务特征对应的服务参考值和当前服务特征的特征值进行计算得到,比如,可以通过加权求和计算得到。在每个维度对应的服务特征序列中,可以通过不断计算当前服务特征对应的服务参考值,从而得到每个维度上对应的服务参考特征,具体地,步骤“基于历史服务特征对应的服务参考值和当前服务特征,计算当前服务特征对应的服务参考值,得到每个维度上对应的服务参考特征”,可以包括:
基于历史服务特征对应的服务参考值和当前服务特征,递归计算当前服务特征对应的服务参考值,得到每个维度上服务特征序列中最后一个服务特征对应的服务参考值;
基于每个维度上最后一个服务特征对应的服务参考值,构建每个维度上对应的服务参考特征。
其中,当前服务特征为当前正在处理的服务特征,服务特征序列中每个服务特征都有可能成为当前服务特征,可以通过不断对当前服务特征进行更新(比如,将当前服务特征的下一个服务特征作为当前服务特征),并计算更新后的当前服务特征对应的服务参考值,从而得到服务特征序列中最后一个服务特征对应的服务参考值。具体地,步骤“基于历史服务特征对应的服务参考值和当前服务特征,递归计算当前服务特征对应的服务参考值,得到每个维度上的服务特征序列中最后一个服务特征对应的服务参考值”,可以包括:
在每个维度上,从服务特征序列中确定当前处理的当前服务特征;
基于历史服务特征对应的服务参考值和当前服务特征,计算当前服务特征对应的服务参考值;
在当前服务特征不满足预设递归终止条件时,将当前服务特征的下一个服务特征更新为当前服务特征,返回执行基于历史服务特征对应的服务参考值和当前服务特征,计算当前服务特征对应的服务参考值的步骤;
在当前服务特征满足预设递归终止条件时,得到服务特征序列中最后一个服务特征对应的服务参考值。
例如,在每个维度上,服务特征序列包括多个按照服务时间顺序排列的服务特征,可以从服务特征序列中的第一个服务特征开始处理,直至处理到服务特征序列中的最后一个服务特征,为对服务特征序列的处理完毕。因此,每进行一次处理,需要从服务特征序列中确定当前处理的当前服务特征,以便根据当前处理的当前服务特征,确定下一个待处理的服务特征。在当前服务特征满足为服务特征序列中最后一个服务特征的条件时,则当前服务特征对应的服务参考值即为服务特征序列中最后一个服务特征对应的服务参考值。
其中,预设递归终止条件可以根据实际应用的需求进行设置。
在一实施例中,计算当前服务特征对应的服务参考值可以基于历史服务特征对应的服务参考值的权重、以及当前服务特征的权重来计算,具体地,步骤“基于历史服务特征对应的服务参考值和当前服务特征,计算当前服务特征对应的服务参考值”,可以包括:
获取历史服务特征对应的服务参考值的权重、以及当前服务特征的权重;
根据历史服务特征对应的服务参考值的权重、以及当前服务特征的权重,对历史服务特征对应的服务参考值和当前服务特征的特征值进行加权处理,得到当前服务特征对应的服务参考值。
其中,加权处理的方式可以有多种,例如,可以采用加权求和的方式对历史服务特征对应的服务参考值和当前服务特征的特征值进行计算,从而得到当前服务特征对应的服务参考值。
在一实施例中,在每个维度上,通过递归计算得到服务特征序列中最后一个服务特征对应的服务参考值后,可以将最后一个服务特征对应的服务参考值作为每个维度对应的服务参考特征的特征值。
在一实施例中,为了使每个维度对应的服务参考特征更能接近并真实反映目标对象当前的服务情况,降低计算的复杂度,可以采用指数平滑法计算每个服务特征对应的服务参考值。其中,指数平滑法是一种特殊的加权移动平均法,其特点在于可以通过对历史不同时间上的服务特征以及当前服务特征赋予不同的权重(即对越接近当前服务时间的历史服务特征赋予越大的权重),从而使得加权处理后得到的当前服务特征对应的服务参考值,能够更加逼近目标对象当前的实际服务情况。指数平滑法在计算过程中只需要保存历史服务特征对应的服务参考值,以及当前服务特征的特征值,即可计算出当前服务特征对应的服务参考值,无需保存其他数据,因此在占用内存和计算上更有优势。
例如,以医生的响应时间这一维度为例,假设医生对患者提问的响应时间对应的时间序列为Y1,Y2,Y3,……,Yt(Y1为第一次的响应时间,Y2为第二次的响应时间,……,Yt即为第t次的响应时间),具体可以采用指数平滑法中的一次指数平滑法,以基于医生响应时间维度中历史响应时间对应的服务特征值(即指数平滑值)和当前响应时间的时间值,计算当前服务时间对应的指数平滑值,则一次指数平滑公式为:
由于0<α<1,当t→∞时,(1-α)t→0,于是上述公式变为:
由此可见,实际是为Yt,Yt-1,……,Yt-j的加权平均。加权系数分别为α,α(1-a),α(1-a)2,……,α(1-a)t-j(按几何级数衰减),由此可知,距离当前服务时间越近的服务特征的特征值的权数越大,越远的服务特征的特征值权数越小,且每个服务特征序列上各个服务特征的特征值所对应的权数之和等于1,即
因此,采用指数平滑公式对医生的响应时间序列Y1,Y2,Y3,……,Yt,进行加权平均,得到医生当前的响应时间Yt对应的指数平滑值为:
在一实施例中,指数平滑法还可以将相对杂乱的数据经过一次指数平滑后,变得更加平稳,如图1c所示,当α=1/8时,数据序列中实际值为0~500之间的25个数据,在经过一次指数平滑后,得到相应的指数平滑值缩小到200~400之间,使得原本波动幅度较大的实际值变得相对平稳许多,其中,实际值可以理解为服务特征序列中服务特征对应的特征值,指数平滑值则是服务特征对应的服务参考值。
104、将所有维度对应的服务参考特征进行融合,得到目标对象的目标服务参考特征。
本申请实施例中可以将所有维度对应的服务参考特征的特征值进行融合,其中,将所有维度对应的服务参考特征的特征值进行融合的方式可以有多种,比如,在将所有维度对应的融合后服务特征进行融合的过程中,为了体现出不同维度的重要性,可以赋予不同维度不一样的权数,即可以采用加权融合的方式得到目标对象的目标服务参考特征。具体地,步骤“将所有维度对应的服务参考特征进行融合,得到所述目标对象的目标服务参考特征”,可以包括:
获取每个维度对应的权重;
基于所述每个维度对应的权重,将所有维度对应的服务参考特征进行融合,得到所述目标对象的目标服务参考特征。
例如,在计算医生的综合服务质量分的过程中,多数的用户更在意其他患者在就诊后对医生的评分这一维度,而对医生的职称、医生的响应时间等维度的关注度相对较低,那么就可以给予患者对医生的评分这一维度更大的权重,而给予其他维度相对较低的权重。其中,每个维度对应的权重可以根据实际应用的需求进行设置,在此不作赘述。
在一实施例中,为了应对不同目标对象的目标服务参考特征的特征值过大或过小,而导致的数值跨度区间过大的情况,可以对每个维度对应的服务参考特征进行归一化处理,使得在经过归一化处理后得到的目标服务参考特征的特征值位于区间[0,1]之间,以便后续对数据的处理更加简洁、直观。具体地,步骤“将所有维度对应的服务参考特征进行融合,得到所述目标对象的目标服务参考特征”,还可以包括:
对每个维度对应的服务参考特征进行归一化处理,得到处理后服务参考特征;
将所有维度对应的处理后服务参考特征进行融合,得到所述目标对象的目标服务参考特征。
在一实施例中,在步骤“将所有维度对应的处理后服务参考特征进行融合,得到所述目标对象的目标服务参考特征”之前,还可以获取每个维度对应的权重,因此,步骤“将所有维度对应的处理后服务参考特征进行融合,得到所述目标对象的目标服务参考特征”,还可以包括:
基于每个维度对应的权重,将所有维度对应的处理后服务参考特征进行融合,得到所述目标对象的目标服务参考特征。
例如,衡量一个医生的服务质量,通常需要将多个维度综合起来考虑,如医生对于患者提问的响应时间、患者对医生的评分,等等。现假设目前只考虑医生的响应速度、患者对医生的评分两个维度,其中,医生的响应时间反映了医生对于患者每次提问的响应速度,医生的响应时间越短,响应速度也越快,则说明医生在响应时间这一维度上的服务质量分就越高;同理,患者对医生的评分,为患者看诊后对医生服务质量的打分,分数越高,表明患者对该医生服务的认可度越高。为了计算出医生的综合服务质量分,需要将医生在每个维度上的服务质量分进行融合。
例如,假设医生的响应时间维度的服务参考特征的特征值为x,权重为40%,医生响应时间的合法区间为[0,600];假设患者对医生的评分维度的服务参考特征的特征值为y,权重为60%,患者对医生的评分维度的合法区间为[0,5]。对医生的响应时间维度的特征值x的归一化处理为(600-x)/600(当0<=x<=600);对医生的评分维度的特征值y的归一化处理为y/5(当0<=y<=5)。若医生的响应时间x=500,患者对医生的评分y=3,则医生的综合服务质量分为(600-500)/600*40%+3/5*60%=0.37。其中,若x大于合法区间的上限600,则医生的响应时间维度对应的归一化值为0,若y小于等于合法区间的下限0,则患者对医生的评分维度对应的归一化值为0。
105、根据目标对象的目标服务参考特征,对对象集合中的目标对象进行排序,得到排序后对象集合。
其中,对对象集合中的目标对象进行排序的规则可以有多种,比如,可以根据目标对象的目标服务参考特征的特征值由大到小、或是由小到大进行排序,也可以根据目标对象的目标服务参考特征对目标对象进行分类,基于分类结果对目标对象进行排序,然后,根据排序后的目标对象更新对象集合,得到排序后对象集合,等等。
例如,可以根据计算得出的医生的综合服务质量分的分值将医生从高到底、或是从低到高进行排序,或是按照预设分类规则,对综合服务质量分在不同数值区间内的医生进行等级分类(如高、中、低等级,或A、B、C等级,等等),根据医生的不同等级进行排序,等等。
其中,排序规则、预设分类规则可以根据实际应用的需求进行设置。
在一实施例中,根据目标对象的目标服务参考特征,对对象集合中的目标对象进行排序,得到排序后对象集合,还包括:将排序后对象集合存储至区块链中。
106、输出排序后对象集合。
其中,在输出排序后对象集合后,显示排序后对象集合。
由上可知,本申请实施例可以确定待排序的对象集合,所述对象集合包括多个提供服务的目标对象;获取所述目标对象在至少一个维度上的服务特征序列,所述服务特征序列包括按照服务时间顺序排列的服务特征;在每个维度上,基于历史服务特征对应的服务参考值和当前服务特征,计算当前服务特征对应的服务参考值,得到每个维度上对应的服务参考特征,其中,所述历史服务特征为服务时间在当前时间之前的服务特征;将所有维度对应的服务参考特征进行融合,得到所述目标对象的目标服务参考特征;根据所述目标对象的目标服务参考特征,对所述对象集合中的目标对象进行排序,得到排序后对象集合;输出所述排序后对象集合。由于该方案在计算目标对象在每个维度的服务特征序列中服务特征的服务参考值的过程中,可以对越接近当前服务时间的服务特征赋予越大的权重,使得每个维度对应的服务参考特征更加符合目标对象的实际服务情况,然后,对所有维度上的服务参考特征进行融合处理得到目标服务参考特征,从而使得基于目标服务参考特征对目标对象排序的准确性大大提高。
根据上述实施例所描述的方法,以下将举例作进一步详细说明。
在本实施例中,将以该对象排序装置具体集成在计算机设备中为例进行说明。
如图2a所示,一种对象排序方法,具体流程可以如下:
201、计算机设备确定待排序的对象集合,该对象集合包括多个提供服务的目标对象。
其中,对象集合为提供同一类型服务的对象的集合,该对象集合包括多个提供服务的目标对象。比如,在互联网医院中,为针对不同患者的不同病症而设立不同类型的就诊科室,如口腔科、眼科、精神科,等等。每个就诊科室下包括多个提供看病服务的医生,如口腔科医生、眼科医生和精神科医生等。其中,待排序的对象集合可以为某一类虚拟物品集合,也可以是某一类信息集合,等等。
其中,计算机设备确定待排序的对象集合的方式可以有多种,比如,当用户在互联网医院就医时,可以由用户在应用程序中输入关键词(如科室、病症等)后搜索确定,即用户在搜索框中输入相关病症,如输入“牙疼”后触发搜索控件,计算机设备在接收到搜索控件所携带的搜索信息和确认指令时,根据搜索信息和确认指令调出牙科诊室下相应的医生集合,或者根据已知病症直接输入就诊科室如“牙科”后触发搜索控件,以确定该科室下提供看诊服务的医生集合。又比如,也可以在已提供各个就诊科室选择的情况下,用户根据已知病症触发相应科室对应的选择控件,计算机设备在接收到选择控件所携带的确认指令后,调出相应科室下提供看诊服务的医生集合,等等。
202、计算机设备获取目标对象在至少一个维度上的服务特征序列,该服务特征序列包括按照服务时间顺序排列的服务特征。
其中,服务特征序列为目标对象在不同时间上的服务特征,即该服务特征序列中的服务特征是按照时间顺序收集排列的,比如,服务特征可以为在不同时间段上医生对患者提问的响应时间,以及不同的患者在不同时间段上根据医生的服务所给予的评分,等等。其中,目标对象的服务特征序列,表现在至少一个维度上,比如医生对患者提问的响应时间、患者对医生的评分、医生的职级、医生所在医院的级别、以及医生的问诊费用等。
其中,计算机设备获取目标对象在至少一个维度上的服务特征序列,可以是从存储有目标对象历史服务数据的后台数据库中获取。获取的方式可以是通过目标对象的身份标识获取其服务特征序列。其中,该服务特征序列可以是包括过去所有时间上的服务特征,也可以是包括在过去预设期限内的服务特征。例如,获取医生在过去全部时间、或者一段时间内(如1年内、或6个月内等)对患者提问的响应时间序列,以及不同患者对医生的评分序列,等等。其中,预设期限可以根据实际应用的需求进行设置。
203、计算机设备基于历史服务特征对应的服务参考值和当前服务特征,递归计算当前服务特征对应的服务参考值,得到每个维度上服务特征序列中最后一个服务特征对应的服务参考值。
其中,当前服务特征为当前正在处理的服务特征,服务特征序列中每个服务特征都有可能成为当前服务特征,计算机设备可以通过不断对当前服务特征进行更新(比如,将当前服务特征的下一个服务特征作为当前服务特征),并计算更新后的当前服务特征对应的服务参考值,从而得到服务特征序列中最后一个服务特征对应的服务参考值。具体地,步骤“基于历史服务特征对应的服务参考值和当前服务特征,递归计算当前服务特征对应的服务参考值,得到每个维度上服务特征序列中最后一个服务特征对应的服务参考值”,可以包括:
在每个维度上,从服务特征序列中确定当前处理的当前服务特征;
基于历史服务特征对应的服务参考值和当前服务特征,计算当前服务特征对应的服务参考值;
在当前服务特征不满足预设递归终止条件时,将当前服务特征的下一个服务特征更新为当前服务特征,返回执行基于历史服务特征对应的服务参考值和当前服务特征,计算当前服务特征对应的服务参考值的步骤;
在当前服务特征满足预设递归终止条件时,得到服务特征序列中最后一个服务特征对应的服务参考值。
例如,在每个维度上,服务特征序列包括多个按照服务时间顺序排列的服务特征,可以从服务特征序列中的第一个服务特征开始处理,直至处理到服务特征序列中的最后一个服务特征,为对服务特征序列的处理完毕。因此,每进行一次处理,需要从服务特征序列中确定当前处理的当前服务特征,以便根据当前处理的当前服务特征,确定下一个待处理的服务特征。在当前服务特征满足为服务特征序列中最后一个服务特征的条件时,则当前服务特征对应的服务参考值即为服务特征序列中最后一个服务特征对应的服务参考值。
其中,预设递归终止条件可以根据实际应用的需求进行设置。
在一实施例中,计算当前服务特征对应的服务参考值可以基于历史服务特征对应的服务参考值的权重、以及当前服务特征的权重来计算,具体地,步骤“基于历史服务特征对应的服务参考值和当前服务特征,计算当前服务特征对应的服务参考值”,可以包括:
获取历史服务特征对应的服务参考值的权重、以及当前服务特征的权重;
根据历史服务特征对应的服务参考值的权重、以及当前服务特征的权重,对历史服务特征对应的服务参考值和当前服务特征的特征值进行加权处理,得到当前服务特征对应的服务参考值。
其中,加权处理的方式可以有多种,例如,可以采用加权求和的方式对历史服务特征对应的服务参考值和当前服务特征的特征值进行计算,从而得到当前服务特征对应服务参考值。
在一实施例中,为了使每个维度对应的服务参考特征更能接近并真实反映目标对象当前的服务情况,降低计算的复杂度,可以采用指数平滑法计算每个服务特征对应的服务参考值。
例如,以医生的响应时间这一维度为例,假设医生对患者提问的响应时间对应的时间序列为Y1,Y2,Y3,……,Yt(Y1为第一次的响应时间,Y2为第二次的响应时间,……,Yt即为第t次的响应时间),具体可以采用指数平滑法中的一次指数平滑法,以基于医生响应时间维度中历史响应时间对应的服务特征值(即指数平滑值)和当前响应时间的时间值,计算当前服务时间对应的指数平滑值,则一次指数平滑公式为:
由于0<α<1,当t→∞时,(1-a)t→0,于是上述公式变为:
由此可见,实际是为Yt,Yt-1,……,Yt-j的加权平均。加权系数分别为α,α(1-a),α(1-a)2,……,α(1-a)t-j(按几何级数衰减),由此可知,距离当前服务时间越近的服务特征的特征值的权数越大,越远的服务特征的特征值权数越小,且每个服务特征序列上各个服务特征的特征值所对应的权数之和等于1,即
因此,采用指数平滑公式对医生的响应时间序列Y1,Y2,Y3,……,Yt,进行加权平均,得到医生当前的响应时间Yt对应的指数平滑值为:
在一实施例中,指数平滑法还可以将相对杂乱的数据经过一次指数平滑后,变得更加平稳,如图1c所示,当α=1/8时,数据序列中实际值为0~500之间的25个数据,在经过一次指数平滑后,得到相应的指数平滑值缩小到200~400之间,使得原本波动幅度较大的实际值变得相对平稳许多,其中,实际值可以理解为服务特征序列中服务特征对应的特征值,指数平滑值则是服务特征对应的服务参考值。
204、计算机设备基于每个维度上最后一个服务特征对应的服务参考值,构建每个维度上对应的服务参考特征。
例如,计算机设备在得到某一维度上服务特征序列中最后一个服务特征对应的服务参考值后,可以将最后一个服务特征对应的服务参考值作为该维度对应的服务参考特征的特征值。
205、计算机设备将所有维度对应的服务参考特征进行融合,得到目标对象的目标服务参考特征。
本申请实施例中,计算机设备可以将所有维度对应的服务参考特征的特征值进行融合,其中,将所有维度对应的服务参考特征的特征值进行融合的方式可以有多种,比如,在将所有维度对应的服务参考特征进行融合的过程中,为体现不同维度的重要性,可以赋予不同维度不一样的权重,如可以采用加权融合的方式得到目标对象的目标服务参考特征。具体地,步骤“将所有维度对应的服务参考特征进行融合,得到所述目标对象的目标服务参考特征”,可以包括:
获取每个维度对应的权重;
基于所述每个维度对应的权重,将所有维度对应的服务参考特征进行融合,得到所述目标对象的目标服务参考特征。
例如,在计算医生的综合服务质量分的过程中,多数的用户更在意其他患者在就诊后对医生的评分这一维度,而对医生的职称、医生的响应时间等维度的关注度相对较低,那么就可以给予患者对医生的评分这一维度更大的权重,而给予其他维度相对较低的权重。其中,每个维度对应的权重可以根据实际应用的需求进行设置,在此不作赘述。
在一实施例中,为了应对不同目标对象的目标服务参考特征的特征值过大或过小,而导致的数值跨度区间过大的情况,可以对每个维度对应的服务参考特征进行归一化处理,使得在经过归一化处理后得到的目标服务参考特征的特征值位于区间[0,1]之间,以便后续对数据的处理更加简洁、直观。具体地,步骤“将所有维度对应的服务参考特征进行融合,得到所述目标对象的目标服务参考特征”,还可以包括:对每个维度对应的服务参考特征进行归一化处理,得到处理后服务参考特征;将所有维度对应的处理后服务参考特征进行融合,得到所述目标对象的目标服务参考特征。
在一实施例中,在步骤“将所有维度对应的处理后服务参考特征进行融合,得到所述目标对象的目标服务参考特征”之前,还可以获取每个维度对应的权重,因此,步骤“将所有维度对应的处理后服务参考特征进行融合,得到所述目标对象的目标服务参考特征”,还可以包括:基于每个维度对应的权重,将所有维度对应的处理后服务参考特征进行融合,得到所述目标对象的目标服务参考特征。
比如,衡量一个医生的服务质量,通常需要将多个维度综合起来考虑,如医生对于患者提问的响应时间、患者对医生的评分,等等。现假设目前只考虑医生的响应速度、患者对医生的评分两个维度,假设医生的响应时间维度的服务参考特征的特征值为x,权重为30%,医生响应时间的合法区间为[0,600];假设患者对医生的评分维度的服务参考特征的特征值为y,权重为70%,患者对医生的评分维度的合法区间为[0,5]。对该医生的响应时间维度的特征值x的归一化处理为(600-x)/600(当0<=x<=600);对该医生的评分维度的特征值y的归一化处理为y/5(当0<=y<=5)。若该医生的响应时间x=300,患者对医生的评分y=4,则可以计算出该医生的综合服务质量分为(600-300)/600*30%+4/5*70%=0.71。其中,若x大于合法区间的上限600,则医生的响应时间维度对应的归一化值为0,若y小于等于合法区间的下限0,则患者对医生的评分维度对应的归一化值为0。
206、计算机设备根据目标对象的目标服务参考特征,对对象集合中的目标对象进行排序,得到排序后对象集合。
其中,计算机设备对对象集合中的目标对象进行排序的规则可以有多种,比如,可以根据目标对象的目标服务参考特征的特征值由大到小、或是由小到大进行排序,也可以根据目标对象的目标服务参考特征对目标对象进行分类,基于分类结果对目标对象进行排序,然后,根据排序后的目标对象更新对象集合,得到排序后对象集合,等等。
例如,可以根据计算得出的医生的综合服务质量分的分值将医生从高到底、或是从低到高进行排序,或是按照预设分类规则,对综合服务质量分在不同数值区间内的医生进行等级分类(如高、中、低等级,或A、B、C等级,等等),根据医生的不同等级进行排序,等等。
其中,排序规则、预设分类规则可以根据实际应用的需求进行设置。
在一实施例中,步骤“根据目标对象的目标服务参考特征,对对象集合中的目标对象进行排序,得到排序后对象集合”还包括:将排序后对象集合存储至区块链中。
207、计算机设备输出排序后对象集合。
其中,计算机设备在输出排序后对象集合后,显示排序后对象集合。如图2b所示的医生的排序界面,为同一科室(消化内科)下医生集合的排序情况,该排序界面显示了每位医生的姓名、职称、所在医院、问诊数量、回复时间(即医生的响应时间)、以及医生的问诊费用等信息。从该医生排序界面可以看出欧阳医生的综合服务质量分最高,李医生次之,杨医生的综合服务质量分最低,通过对同一科室下的医生集合进行排序,以便为用户提供医生服务质量优劣的参考。
在一实施例中,步骤206中的排序后对象集合可以存储至区块链中。其中,区块链系统可以是由客户端、多个节点(接入网络中的任意形式的计算设备,如服务器、用户终端)通过网络通信的形式连接形成的分布式系统。参见图2c,图2c是本发明实施例提供的分布式系统100应用于区块链系统的一个可选的结构示意图,由多个节点(接入网络中的任意形式的计算设备,如服务器、用户终端)和客户端形成,节点之间形成组成的点对点(P2P,PeerTo Peer)网络,P2P协议是一个运行在传输控制协议(TCP,Transmission ControlProtocol)协议之上的应用层协议。在分布式系统中,任何机器如服务器、终端都可以加入而成为节点,节点包括硬件层、中间层、操作系统层和应用层。
参见图2c示出的区块链系统中各节点的功能,涉及的功能包括:
1)路由,节点具有的基本功能,用于支持节点之间的通信。
节点除具有路由功能外,还可以具有以下功能:
2)应用,用于部署在区块链中,根据实际业务需求而实现特定业务,记录实现功能相关的数据形成记录数据,在记录数据中携带数字签名以表示任务数据的来源,将记录数据发送到区块链系统中的其他节点,供其他节点在验证记录数据来源以及完整性成功时,将记录数据添加到临时区块中。
例如,应用实现的业务包括:
2.1)钱包,用于提供进行电子货币的交易的功能,包括发起交易(即,将当前交易的交易记录发送给区块链系统中的其他节点,其他节点验证成功后,作为承认交易有效的响应,将交易的记录数据存入区块链的临时区块中;当然,钱包还支持查询电子货币地址中剩余的电子货币;
2.2)共享账本,用于提供账目数据的存储、查询和修改等操作的功能,将对账目数据的操作的记录数据发送到区块链系统中的其他节点,其他节点验证有效后,作为承认账目数据有效的响应,将记录数据存入临时区块中,还可以向发起操作的节点发送确认。
2.3)智能合约,计算机化的协议,可以执行某个合约的条款,通过部署在共享账本上的用于在满足一定条件时而执行的代码实现,根据实际的业务需求代码用于完成自动化的交易,例如查询买家所购买商品的物流状态,在买家签收货物后将买家的电子货币转移到商户的地址;当然,智能合约不仅限于执行用于交易的合约,还可以执行对接收的信息进行处理的合约。
3)区块链,包括一系列按照产生的先后时间顺序相互接续的区块(Block),新区块一旦加入到区块链中就不会再被移除,区块中记录了区块链系统中节点提交的记录数据。
参见图2d,图2d是本发明实施例提供的区块结构(Block Structure)一个可选的示意图,每个区块中包括本区块存储交易记录的哈希值(本区块的哈希值)、以及前一区块的哈希值,各区块通过哈希值连接形成区块链。另外,区块中还可以包括有区块生成时的时间戳等信息。区块链(Blockchain),本质上是一个去中心化的数据库,是一串使用密码学方法相关联产生的数据块,每一个数据块中包含了相关的信息,用于验证其信息的有效性(防伪)和生成下一个区块。
由上可知,本申请实施例可以确定待排序的对象集合,所述对象集合包括多个提供服务的目标对象;获取所述目标对象在至少一个维度上的服务特征序列,所述服务特征序列包括按照服务时间顺序排列的服务特征;在每个维度上,基于历史服务特征对应的服务参考值和当前服务特征,计算当前服务特征对应的服务参考值,得到每个维度上对应的服务参考特征,其中,所述历史服务特征为服务时间在当前时间之前的服务特征;将所有维度对应的服务参考特征进行融合,得到所述目标对象的目标服务参考特征;根据所述目标对象的目标服务参考特征,对所述对象集合中的目标对象进行排序,得到排序后对象集合;输出所述排序后对象集合。由于该方案在计算目标对象在每个维度的服务特征序列中服务特征的服务参考值的过程中,可以对越接近当前服务时间的服务特征赋予越大的权重,使得每个维度对应的服务参考特征更加符合目标对象的实际服务情况,然后,对所有维度上的服务参考特征进行融合处理得到目标服务参考特征,从而使得基于目标服务参考特征对目标对象排序的准确性大大提高。
为便于更好地实施以上方法,本申请实施例还提供了一种对象排序装置,该对象排序装置可以集成在计算机设备,比如服务器或终端等设备中。
例如,如图3a所示,该对象排序装置可以包括确定单元301、获取单元302、计算单元303、融合单元304、排序单元305和输出单元306等,如下:
确定单元301,用于确定待排序的对象集合,所述对象集合包括多个提供服务的目标对象;
获取单元302,用于获取所述目标对象在至少一个维度上的服务特征序列,所述服务特征序列包括按照服务时间顺序排列的服务特征;
计算单元303,用于在每个维度上,基于历史服务特征对应的服务参考值和当前服务特征,计算当前服务特征对应的服务参考值,得到每个维度上对应的服务参考特征,其中,所述历史服务特征为服务时间在当前时间之前的服务特征;
融合单元304,用于将所有维度对应的服务参考特征进行融合,得到所述目标对象的目标服务参考特征;
排序单元305,用于根据所述目标对象的目标服务参考特征,对所述对象集合中的目标对象进行排序,得到排序后对象集合;
输出单元306,用于输出所述排序后对象集合。
在一些实施例中,参考图3b,所述计算单元303,包括:
计算子单元3031,用于基于历史服务特征对应的服务参考值和当前服务特征,递归计算当前服务特征对应的服务参考值,得到每个维度上服务特征序列中最后一个服务特征对应的服务参考值;
构建子单元3032,用于基于每个维度上最后一个服务特征对应的服务参考值,构建每个维度上对应的服务参考特征。
在一些实施例中,所述计算子单元3031,用于:
在每个维度上,从服务特征序列中确定当前处理的当前服务特征;
基于历史服务特征对应的服务参考值和当前服务特征,计算当前服务特征对应的服务参考值;
在当前服务特征不满足预设递归终止条件时,将当前服务特征的下一个服务特征更新为当前服务特征,返回执行基于历史服务特征对应的服务参考值和当前服务特征,计算当前服务特征对应的服务参考值的步骤;
在当前服务特征满足预设递归终止条件时,得到服务特征序列中最后一个服务特征对应的服务参考值。
在一些实施例中,所述计算子单元3031,用于:
获取历史服务特征对应的服务参考值的权重、以及当前服务特征对应的权重;
根据历史服务特征对应的服务参考值的权重、以及当前服务特征对应的权重,对历史服务特征对应的服务参考值和当前服务特征的特征值进行加权处理,得到当前服务特征对应的服务参考值。
在一些实施例中,参见图3c,所述融合单元304,包括:
获取子单元3041,用于获取每个维度对应的权重;
融合子单元3042,用于基于所述每个维度对应的权重,将所有维度对应的服务参考特征进行融合,得到所述目标对象的目标服务参考特征。
在一些实施例中,所述融合单元304,还包括:
处理子单元3043,用于对每个维度对应的融合后服务特征进行归一化处理,得到处理后服务特征;
所述融合子单元3042,还用于将所有维度对应的处理后服务特征进行融合,得到所述目标对象的目标服务特征。
在一些实施例中,所述排序单元305,还用于将所述排序后对象集合存储至区块链中。
具体实施时,以上各个单元可以作为独立的实体来实现,也可以进行任意组合,作为同一或若干个实体来实现,以上各个单元的具体实施可参见前面的方法实施例,在此不再赘述。
由上可知,本申请实施例的对象排序装置可以通过确定单元301确定待排序的对象集合,所述对象集合包括多个提供服务的目标对象;由获取单元302获取所述目标对象在至少一个维度上的服务特征序列,所述服务特征序列包括按照服务时间顺序排列的服务特征;由计算单元303在每个维度上,基于历史服务特征对应的服务参考值和当前服务特征,计算当前服务特征对应的服务参考值,得到每个维度上对应的服务参考特征,其中,所述历史服务特征为服务时间在当前时间之前的服务特征;由融合单元304将所有维度对应的服务参考特征进行融合,得到所述目标对象的目标服务参考特征;由排序单元305根据所述目标对象的目标服务参考特征,对所述对象集合中的目标对象进行排序,得到排序后对象集合;由输出单元306输出所述排序后对象集合。由于该方案能够在每个维度上,对目标对象的服务特征序列中的服务特征的服务参考值进行计算,得到每个维度对应的服务参考特征,并对所有维度上的服务参考特征进行融合处理得到目标服务参考特征,从而使得基于目标服务参考特征对目标对象排序的准确性大大提高。
本申请实施例还提供一种计算机设备,如图4所示,其示出了本申请实施例所涉及的计算机设备的结构示意图,具体来讲:
该计算机设备可以包括一个或者一个以上处理核心的处理器401、一个或一个以上计算机可读存储介质的存储器402、电源403和输入单元404等部件。本领域技术人员可以理解,图4中示出的计算机设备结构并不构成对计算机设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。其中:
处理器401是该计算机设备的控制中心,利用各种接口和线路连接整个计算机设备的各个部分,通过运行或执行存储在存储器402内的软件程序和/或模块,以及调用存储在存储器402内的数据,执行计算机设备的各种功能和处理数据,从而对计算机设备进行整体监控。可选的,处理器401可包括一个或多个处理核心;优选的,处理器401可集成应用处理器和调制解调处理器,其中,应用处理器主要处理操作系统、用户界面和应用程序等,调制解调处理器主要处理无线通信。可以理解的是,上述调制解调处理器也可以不集成到处理器401中。
存储器402可用于存储软件程序以及模块,处理器401通过运行存储在存储器402的软件程序以及模块,从而执行各种功能应用以及数据处理。存储器402可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、影像播放功能等)等;存储数据区可存储根据计算机设备的使用所创建的数据等。此外,存储器402可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。相应地,存储器402还可以包括存储器控制器,以提供处理器401对存储器402的访问。
计算机设备还包括给各个部件供电的电源403,优选的,电源403可以通过电源管理系统与处理器401逻辑相连,从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。电源403还可以包括一个或一个以上的直流或交流电源、再充电系统、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。
该计算机设备还可包括输入单元404,该输入单元404可用于接收输入的数字或字符信息,以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆、光学或者轨迹球信号输入。
尽管未示出,计算机设备还可以包括显示单元等,在此不再赘述。具体在本实施例中,计算机设备中的处理器401会按照如下的指令,将一个或一个以上的应用程序的进程对应的可执行文件加载到存储器402中,并由处理器401来运行存储在存储器402中的应用程序,从而实现各种功能,如下:
确定待排序的对象集合,所述对象集合包括多个提供服务的目标对象;获取所述目标对象在至少一个维度上的服务特征序列,所述服务特征序列包括按照服务时间顺序排列的服务特征;在每个维度上,基于历史服务特征对应的服务参考值和当前服务特征,计算当前服务特征对应的服务参考值,得到每个维度上对应的服务参考特征,其中,所述历史服务特征为服务时间在当前时间之前的服务特征;将所有维度对应的服务参考特征进行融合,得到所述目标对象的目标服务参考特征;根据所述目标对象的目标服务参考特征,对所述对象集合中的目标对象进行排序,得到排序后对象集合;输出所述排序后对象集合。
以上各个操作具体可参见前面的实施例,在此不作赘述。
由上可知,本申请实施例的计算机设备可以确定待排序的对象集合,所述对象集合包括多个提供服务的目标对象;获取所述目标对象在至少一个维度上的服务特征序列,所述服务特征序列包括按照服务时间顺序排列的服务特征;在每个维度上,基于历史服务特征对应的服务参考值和当前服务特征,计算当前服务特征对应的服务参考值,得到每个维度上对应的服务参考特征,其中,所述历史服务特征为服务时间在当前时间之前的服务特征;将所有维度对应的服务参考特征进行融合,得到所述目标对象的目标服务参考特征;根据所述目标对象的目标服务参考特征,对所述对象集合中的目标对象进行排序,得到排序后对象集合;输出所述排序后对象集合。由于该方案在计算目标对象在每个维度的服务特征序列中服务特征的服务参考值的过程中,可以对越接近当前服务时间的服务特征赋予越大的权重,使得每个维度对应的服务参考特征更加符合目标对象的实际服务情况,然后,对所有维度上的服务参考特征进行融合处理得到目标服务参考特征,从而使得基于目标服务参考特征对目标对象排序的准确性大大提高。
本领域普通技术人员可以理解,上述实施例的各种方法中的全部或部分步骤可以通过指令来完成,或通过指令控制相关的硬件来完成,该指令可以存储于一计算机可读存储介质中,并由处理器进行加载和执行。
为此,本申请实施例提供一种计算机可读存储介质,其中存储有计算机程序,该计算机程序能够被处理器进行加载,以执行本申请实施例所提供的任一种对象排序方法中的步骤。例如,该计算机程序可以执行如下步骤:
确定待排序的对象集合,所述对象集合包括多个提供服务的目标对象;获取所述目标对象在至少一个维度上的服务特征序列,所述服务特征序列包括按照服务时间顺序排列的服务特征;在每个维度上,基于历史服务特征对应的服务参考值和当前服务特征,计算当前服务特征对应的服务参考值,得到每个维度上对应的服务参考特征,其中,所述历史服务特征为服务时间在当前时间之前的服务特征;将所有维度对应的服务参考特征进行融合,得到所述目标对象的目标服务参考特征;根据所述目标对象的目标服务参考特征,对所述对象集合中的目标对象进行排序,得到排序后对象集合;输出所述排序后对象集合。
以上各个操作的具体实施可参见前面的实施例,在此不再赘述。
其中,该计算机可读存储介质可以包括:只读存储器(ROM,Read Only Memory)、随机存取记忆体(RAM,Random Access Memory)、磁盘或光盘等。
由于该计算机可读存储介质中所存储的指令,可以执行本申请实施例所提供的任一种对象排序方法中的步骤,因此,可以实现本申请实施例所提供的任一种对象排序方法所能实现的有益效果,详见前面的实施例,在此不再赘述。
以上对本申请实施例所提供的一种对象排序方法、装置、计算机设备和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;同时,对于本领域的技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种对象排序方法,其特征在于,包括:
确定待排序的对象集合,所述对象集合包括多个提供服务的目标对象;
获取所述目标对象在至少一个维度上的服务特征序列,所述服务特征序列包括按照服务时间顺序排列的服务特征;
在每个维度上,基于历史服务特征对应的服务参考值和当前服务特征,计算当前服务特征对应的服务参考值,得到每个维度上对应的服务参考特征,其中,所述历史服务特征为服务时间在当前时间之前的服务特征;
将所有维度对应的服务参考特征进行融合,得到所述目标对象的目标服务参考特征;
根据所述目标对象的目标服务参考特征,对所述对象集合中的目标对象进行排序,得到排序后对象集合;
输出所述排序后对象集合。
2.根据权利要求1所述的方法,其特征在于,所述基于历史服务特征对应的服务参考值和当前服务特征,计算当前服务特征对应的服务参考值,得到每个维度上对应的服务参考特征,包括:
基于历史服务特征对应的服务参考值和当前服务特征,递归计算当前服务特征对应的服务参考值,得到每个维度上服务特征序列中最后一个服务特征对应的服务参考值;
基于每个维度上最后一个服务特征对应的服务参考值,构建每个维度上对应的服务参考特征。
3.根据权利要求2所述的方法,其特征在于,所述基于历史服务特征对应的服务参考值和当前服务特征,递归计算当前服务特征对应的服务参考值,得到每个维度上服务特征序列中最后一个服务特征对应的服务参考值,包括:
在每个维度上,从服务特征序列中确定当前处理的当前服务特征;
基于历史服务特征对应的服务参考值和当前服务特征,计算当前服务特征对应的服务参考值;
在当前服务特征不满足预设递归终止条件时,将当前服务特征的下一个服务特征更新为当前服务特征,返回执行基于历史服务特征对应的服务参考值和当前服务特征,计算当前服务特征对应的服务参考值的步骤;
在当前服务特征满足预设递归终止条件时,得到服务特征序列中最后一个服务特征对应的服务参考值。
4.根据权利要求3所述的方法,其特征在于,所述基于历史服务特征对应的服务参考值和当前服务特征,计算当前服务特征对应的服务参考值,包括:
获取历史服务特征对应的服务参考值的权重、以及当前服务特征的权重;
根据历史服务特征对应的服务参考值的权重、以及当前服务特征的权重,对历史服务特征对应的服务参考值和当前服务特征的特征值进行加权处理,得到当前服务特征对应的服务参考值。
5.根据权利要求1所述的方法,其特征在于,所述将所有维度对应的服务参考特征进行融合,得到所述目标对象的目标服务参考特征,包括:
获取每个维度对应的权重;
基于所述每个维度对应的权重,将所有维度对应的服务参考特征进行融合,得到所述目标对象的目标服务参考特征。
6.根据权利要求1所述的方法,其特征在于,所述将所有维度对应的服务参考特征进行融合,得到所述目标对象的目标服务参考特征,包括:
对每个维度上对应的服务参考特征进行归一化处理,得到处理后服务参考特征;
将所有维度对应的处理后服务参考特征进行融合,得到所述目标对象的目标服务参考特征。
7.根据权利要求1所述的方法,其特征在于,所述根据所述目标对象的目标服务参考特征,对所述对象集合中的目标对象进行排序,得到排序后对象集合,包括:将所述排序后对象集合存储至区块链中。
8.一种对象排序装置,其特征在于,包括:
确定单元,用于确定待排序的对象集合,所述对象集合包括多个提供服务的目标对象;
获取单元,用于获取所述目标对象在至少一个维度上的服务特征序列,所述服务特征序列包括按照服务时间顺序排列的服务特征;
计算单元,用于在每个维度上,基于历史服务特征对应的服务参考值和当前服务特征,计算当前服务特征对应的服务参考值,得到每个维度上对应的服务参考特征,其中,所述历史服务特征为服务时间在当前时间之前的服务特征;
融合单元,用于将所有维度对应的服务参考特征进行融合,得到所述目标对象的目标服务参考特征;
排序单元,用于根据所述目标对象的目标服务参考特征,对所述对象集合中的目标对象进行排序,得到排序后对象集合;
输出单元,用于输出所述排序后对象集合。
9.一种计算机设备,包括存储器,处理器及存储在存储器上并可在处理器上运行的计算机程序,其中,所述处理器执行所述程序时实现如权利要求1-7任一项所述方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其中,所述计算机程序被处理器执行时实现如权利要求1-7任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911308206.XA CN110993084A (zh) | 2019-12-18 | 2019-12-18 | 一种对象排序方法、装置、设备及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911308206.XA CN110993084A (zh) | 2019-12-18 | 2019-12-18 | 一种对象排序方法、装置、设备及可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110993084A true CN110993084A (zh) | 2020-04-10 |
Family
ID=70095317
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911308206.XA Pending CN110993084A (zh) | 2019-12-18 | 2019-12-18 | 一种对象排序方法、装置、设备及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110993084A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112015732A (zh) * | 2020-07-31 | 2020-12-01 | 北京奇艺世纪科技有限公司 | 一种排序方法、装置、电子设备及存储介质 |
CN112259215A (zh) * | 2020-10-22 | 2021-01-22 | 海南亿保医药科技有限公司 | 问诊请求处理方法、装置和设备 |
CN112699415A (zh) * | 2020-12-23 | 2021-04-23 | 广州汉全信息科技股份有限公司 | 一种智能合约的排序方法、装置、计算机设备和存储介质 |
CN113314207A (zh) * | 2021-06-28 | 2021-08-27 | 挂号网(杭州)科技有限公司 | 一种对象推荐方法、装置、存储介质及电子设备 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160005055A1 (en) * | 2014-07-01 | 2016-01-07 | Siar SARFERAZ | Generic time series forecasting |
CN105354665A (zh) * | 2015-10-26 | 2016-02-24 | 天津大学 | 在移动医疗系统中更符合患者需求的医生绩效评估方法 |
CN106919669A (zh) * | 2017-02-20 | 2017-07-04 | 浙江大学 | 一种对网页信息展示位置进行排序的方法 |
CN107563120A (zh) * | 2017-09-13 | 2018-01-09 | 青岛海信医疗设备股份有限公司 | 针对患者的医生推荐方法及装置 |
CN109377091A (zh) * | 2018-11-21 | 2019-02-22 | 北京春雨天下软件有限公司 | 基于医疗健康平台的医生评价方法及装置 |
CN109472404A (zh) * | 2018-10-31 | 2019-03-15 | 山东大学 | 一种电力负荷短期预测方法、模型、装置及系统 |
-
2019
- 2019-12-18 CN CN201911308206.XA patent/CN110993084A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160005055A1 (en) * | 2014-07-01 | 2016-01-07 | Siar SARFERAZ | Generic time series forecasting |
CN105354665A (zh) * | 2015-10-26 | 2016-02-24 | 天津大学 | 在移动医疗系统中更符合患者需求的医生绩效评估方法 |
CN106919669A (zh) * | 2017-02-20 | 2017-07-04 | 浙江大学 | 一种对网页信息展示位置进行排序的方法 |
CN107563120A (zh) * | 2017-09-13 | 2018-01-09 | 青岛海信医疗设备股份有限公司 | 针对患者的医生推荐方法及装置 |
CN109472404A (zh) * | 2018-10-31 | 2019-03-15 | 山东大学 | 一种电力负荷短期预测方法、模型、装置及系统 |
CN109377091A (zh) * | 2018-11-21 | 2019-02-22 | 北京春雨天下软件有限公司 | 基于医疗健康平台的医生评价方法及装置 |
Non-Patent Citations (1)
Title |
---|
赵刚: "《物流定量模型与应用》", 31 July 2009, 四川人民出版社 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112015732A (zh) * | 2020-07-31 | 2020-12-01 | 北京奇艺世纪科技有限公司 | 一种排序方法、装置、电子设备及存储介质 |
CN112259215A (zh) * | 2020-10-22 | 2021-01-22 | 海南亿保医药科技有限公司 | 问诊请求处理方法、装置和设备 |
CN112699415A (zh) * | 2020-12-23 | 2021-04-23 | 广州汉全信息科技股份有限公司 | 一种智能合约的排序方法、装置、计算机设备和存储介质 |
CN113314207A (zh) * | 2021-06-28 | 2021-08-27 | 挂号网(杭州)科技有限公司 | 一种对象推荐方法、装置、存储介质及电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110993084A (zh) | 一种对象排序方法、装置、设备及可读存储介质 | |
US10187277B2 (en) | Scoring using distributed database with encrypted communications for credit-granting and identification verification | |
US9152969B2 (en) | Recommendation ranking system with distrust | |
CN103391302B (zh) | 一种信息发送的方法及系统 | |
CN107808314B (zh) | 用户推荐方法及装置 | |
Hussain et al. | Integrated AHP-IOWA, POWA framework for ideal cloud provider selection and optimum resource management | |
US20140164364A1 (en) | System and method for event-driven prioritization | |
KR101790788B1 (ko) | 최적화된 도메인간 정보 퀄리티 평가를 갖는 협동적 네트워킹 | |
Koohborfardhaghighi et al. | Using structural information for distributed recommendation in a social network | |
JP2020135114A (ja) | 通信プログラム、通信装置、および、通信方法 | |
CN112380299A (zh) | 关系网络构建方法、装置及存储介质 | |
US9594756B2 (en) | Automated ranking of contributors to a knowledge base | |
JP2020064523A (ja) | 提供装置、提供方法および提供プログラム | |
CN110020910A (zh) | 对象推荐方法和装置 | |
Jiao et al. | A framework for reputation bootstrapping based on reputation utility and game theories | |
CN111488349A (zh) | 基于业务数据区块链的数据查询方法及装置 | |
Ludwig | Memetic algorithms applied to the optimization of workflow compositions | |
JP5165722B2 (ja) | 情報提供サーバ、および情報提供システム | |
JP2012008690A (ja) | 作業パートナ選定方法、装置、及びプログラム | |
JP6852193B2 (ja) | ソーシャルネットワークにおける中心頂点の確定方法、装置、デバイスおよび記憶媒体 | |
CN111488613A (zh) | 业务数据区块链的数据高效查询方法及装置 | |
JP7261710B2 (ja) | データ仲介装置およびデータ仲介方法 | |
JP2013050974A (ja) | 情報提供サーバ、および情報提供システム | |
CN113052664B (zh) | 一种服务信息召回方法、装置、电子设备及存储介质 | |
CN113807749B (zh) | 一种对象评分方法和装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 40022196 Country of ref document: HK |
|
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |