CN111144987A - 异常购物行为的限制方法、限制组件及购物系统 - Google Patents
异常购物行为的限制方法、限制组件及购物系统 Download PDFInfo
- Publication number
- CN111144987A CN111144987A CN201911370835.5A CN201911370835A CN111144987A CN 111144987 A CN111144987 A CN 111144987A CN 201911370835 A CN201911370835 A CN 201911370835A CN 111144987 A CN111144987 A CN 111144987A
- Authority
- CN
- China
- Prior art keywords
- user
- abnormal
- shopping
- shopping cart
- access
- 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
- 230000002159 abnormal effect Effects 0.000 title claims abstract description 166
- 238000000034 method Methods 0.000 title claims abstract description 46
- 230000006399 behavior Effects 0.000 claims abstract description 46
- 230000001680 brushing effect Effects 0.000 abstract description 6
- 238000004458 analytical method Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000007405 data analysis Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
Images
Classifications
-
- 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
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0609—Buyer or seller confidence or verification
Landscapes
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本发明公开异常购物行为的限制方法、限制组件及购物系统,其中,该方法包括:采集购物车接口的用户访问数据;将所述用户访问数据发送给大数据平台,并且利用大数据平台的识别模型基于用户访问数据判断出异常用户;获取所述异常用户的用户信息并存储到缓存服务器中;根据预设的限制规则对异常用户设置访问限制,以缓解异常用户造成的购物车压力。异常购物行为的限制组件,采用上述限制方法,解决了自动刷单等异常的购物行为对购物车系统造成压力,并且影响其他用户正常购物体验的问题。购物系统,包括上述异常购物行为的限制组件,缓解了异常用户刷单等购物行为造成的购物车压力,改善了用户的购物体验。
Description
技术领域
本发明涉及购物检测技术领域,尤其涉及异常购物行为的限制方法、限制组件及购物系统。
背景技术
随着互联网的普及,网络购物的优点更加突出,日益成为一种重要的购物形式,对于网店来说,为了从众多的同类型网店中脱颖而出,刷单已是其快速成长的捷径,一般是由买家提供购买费用,帮指定的网店卖家购买商品提高销量和信用度,并填写虚假好评的行为。通过这种方式,网店可以获得较好的搜索排名,比如,在购物平台搜索时“按销量”搜索,该店铺因为销量大会更容易被买家找到。
但是,随着人工智能的发展,商家利用刷单机器人构建报文进行自动刷单等异常的购物行为,会对购物车系统造成压力,也会对其他用户正常的购物体验造成一些影响,所以电商的运营者需要针对用户的一些异常购物行为进行识别,并做流控限制。
发明内容
本发明的目的在于提供异常购物行为的限制方法、限制组件及购物系统,以解决自动刷单等异常的购物行为对购物车系统造成压力,影响其他用户正常购物体验的问题。
为了实现上述目的,本发明提供如下技术方案:
一种异常购物行为的限制方法,包括步骤:
采集购物车接口的用户访问数据;
将所述用户访问数据发送给大数据平台,并且利用大数据平台的识别模型基于用户访问数据判断出异常用户;
获取所述异常用户的用户信息并存储到缓存服务器中;
根据预设的限制规则对异常用户设置访问限制。
优选地,购物车接口的用户访问数据包括用户信息、商品信息、接口信息及访问时间,所述用户访问数据存储在访问日志中。
较佳地,利用大数据平台的识别模型基于用户访问数据判断出异常用户的方法包括:
在大数据平台构建识别模型;
通过访问日志将用户访问数据发送给大数据平台;
利用大数据平台的识别模型基于用户访问数据判断出异常用户;
其中,所述识别模型的识别规则包括:
设置识别异常用户所需要的时间段T1和次数阈值N;
当用户在预设时间段T1内访问购物车接口达到次数阈值N,则判断当前访问购物车接口的用户为异常用户。
优选地,获取所述异常用户的用户信息并存储到缓存服务器中的方法包括:
获取大数据平台回传的异常用户;
将所述异常用户的用户信息存储到缓存服务器中,并更新到各应用服务器的异常用户数据库中。
具体地,将所述异常用户的用户信息实时自动存储到缓存服务器中,或者,将所述异常用户的用户信息经过人工审核后更新到缓存服务器中;
各应用服务器的监听器监听到缓存服务器更新时,将所述异常用户的用户信息同步更新到各应用服务器的异常用户数据库中。
较佳地,根据预设的限制规则对异常用户设置访问限制的方法包括:
以拦截器方式获取当前用户访问数据;
查找所述异常用户数据库,判断当前用户是否为异常用户;
若当前用户为异常用户,则根据预设的限制规则对当前用户设置访问限制;
若当前用户不是异常用户,则允许当前用户正常访问购物车接口。
进一步地,所述预设的限制规则包括:
根据当前异常用户的用户访问数据在缓存中生成对应的Key,设置Key的失效时间T2以及异常用户在所述失效时间T2内的访问次数上限M;
分别记录当前异常用户访问购物车接口的次数i和时长t;
当t≤T2,且i≤M时,允许当前异常用户访问购物车接口;
当t≤T2,且i>M时,中断当前异常用户访问购物车接口的流程,且无法再次访问购物车接口;
当t>T2时,重新记录当前异常用户访问购物车接口的次数i和时长t。
优选地,所述购物车接口包括购物车加入接口、购物车删除接口和购物车结算接口。
一种异常购物行为的限制组件,包括采集模块、识别模块、存储模块、限制模块及大数据平台,其中,
所述采集模块用于采集购物车接口的用户访问数据;
所述识别模块用于将所述用户访问数据发送给大数据平台,利用大数据平台的识别模型基于用户访问数据判断出异常用户,并且获取所述异常用户的用户信息;
所述存储模块包括缓存服务器,用于存储异常用户的用户信息;
所述限制模块用于根据预设的限制规则对异常用户设置访问限制。
一种购物系统,包括上述异常购物行为的限制组件。
与现有技术相比,本发明提供的异常购物行为的限制方法、限制组件及购物系统具有以下有益效果:
本发明提供的异常购物行为的限制方法,首先采集购物车接口的用户访问数据,利用大数据平台的识别模型基于用户访问数据得到用户信息及用户访问某一购物车接口的频率地,从而可以快速准确识别并存储异常用户的用户信息,进一步可根据预设的限制规则针对异常用户设置访问限制,以缓解异常用户造成的购物车压力。
本发明提供的异常购物行为的限制组件,采用上述异常购物行为的限制方法,解决了自动刷单等异常的购物行为对购物车系统造成压力,并且影响其他用户正常购物体验的问题。
本发明提供的购物系统,包括上述异常购物行为的限制组件,缓解了异常用户刷单等购物行为造成的购物车压力,改善了用户的购物体验。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本发明的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1为本发明实施例中异常购物行为的限制方法的流程示意图;
图2为本发明实施例中利用大数据平台的识别模型基于用户访问数据判断出异常用户的方法流程示意图;
图3为本发明实施例中根据预设的限制规则对异常用户设置访问限制的方法流程示意图;
图4为本发明实施例中预设的限制规则示意图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,下面将结合本发明实施例中的附图,对本发明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,本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其它实施例,均属于本发明保护的范围。
实施例一
请参阅图1,本实施例提供的一种异常购物行为的限制方法,包括步骤:
采集购物车接口的用户访问数据;
将用户访问数据发送给大数据平台,并且利用大数据平台的识别模型基于用户访问数据判断出异常用户;
获取异常用户的用户信息并存储到缓存服务器中;
根据预设的限制规则对异常用户设置访问限制。
其中,购物车接口的用户访问数据包括用户信息、商品信息、接口信息及访问时间,由于购物系统的用户使用量往往非常庞大,一般将用户访问数据存储在访问日志中,以方便大数据平台或其他数据分析平台调用分析用户访问数据;购物车接口包括但不限于购物车加入接口、购物车删除接口和购物车结算接口等,具备通用性。
因此,利用大数据平台的识别模型,基于用户访问数据得到用户信息及用户访问某一购物车接口的频率地,从而可以快速准确识别并存储异常用户的用户信息,进一步可根据预设的限制规则针对异常用户设置访问限制,以缓解异常用户造成的购物车压力。
请参阅图2,本实施例提供的一种异常购物行为的限制方法中,利用大数据平台的识别模型基于用户访问数据判断出异常用户的方法包括:
在大数据平台构建识别模型;
通过访问日志将用户访问数据发送给大数据平台;
利用大数据平台的识别模型基于用户访问数据判断出异常用户。
将访问日志对接大数据平台,利用大数据平台快速的运算能力抽取并分析用户访问数据,可以实现对特定接口的特定报文进行快速分析,例如,对加入购物车接口的请求报文进行快速分析,不仅分析运算速度快,而且提高了运算结果的准确性。
其中,识别模型的识别规则包括:
设置识别异常用户所需要的时间段T1和次数阈值N;
当用户在预设时间段T1内访问购物车接口达到次数阈值N,则判断当前访问购物车接口的用户为异常用户。
该识别规则中时间段T1和次数阈值N可以根据具体的业务需求进行合理设置,例如,设置T1=1s,N=100,即设置一秒内请求访问购物车接口达到100次的用户为异常用户,根据具体的业务需求进行设置可以提高异常用户的识别正确率。此外,可以在开发阶段由开发人员基于该识别规则再大数据平台构建识别模型,也可以在使用阶段由用户或维护人员根据业务需求,在识别模型的配置文件中修改识别规则,方便快捷,降低了开发、使用和维护的成本低。
进一步地,获取异常用户的用户信息并存储到缓存服务器中的方法包括:
获取大数据平台回传的异常用户;
将异常用户的用户信息存储到缓存服务器中,并更新到各应用服务器的异常用户数据库中。
在具体实施过程中,大数据平台基于用户访问数据和预设的识别模型判断出的异常用户后,通过MQ平台将识别到的异常用户的用户信息进行回传。
获取到大数据平台的识别模型判断出的异常用户后,将异常用户的用户信息实时自动存储到缓存服务器中以保证实时性,或者将异常用户的用户信息经过人工审核后更新到缓存服务器中,进一步提高异常用户的识别准确率。各应用服务器启动的监听器监听到缓存服务器更新时,将异常用户的用户信息同步更新到各应用服务器的异常用户数据库中,以保证各应用服务器的异常用户数据库一致,并且得到及时更新,为正确判断出异常用户并且进行限制访问提供更准确的数据基础。
请参阅图3,本实施例提供的一种异常购物行为的限制方法中,根据预设的限制规则对异常用户设置访问限制的方法包括:
以拦截器方式获取当前用户访问数据;
查找异常用户数据库,判断当前用户是否为异常用户;
若当前用户为异常用户,则根据预设的限制规则对当前用户设置访问限制;
若当前用户不是异常用户,则允许当前用户正常访问购物车接口。
其中,请参阅图4,预设的限制规则包括:
根据当前异常用户的用户访问数据在缓存中生成对应的Key,设置Key的失效时间T2以及异常用户在失效时间T2内的访问次数上限M;
分别记录当前异常用户访问购物车接口的次数i和时长t;
当t≤T2,且i≤M时,允许当前异常用户访问购物车接口;
当t≤T2,且i>M时,中断当前异常用户访问购物车接口的流程,且无法再次访问购物车接口;
当t>T2时,重新记录当前异常用户访问购物车接口的次数i和时长t。
例如,以用户编号/商品号+接口名称在缓存中生成一个Key,设置Key的失效时间T2=1h,在失效时间T2内的访问次数上限M=1000次。然后利用计数器和计时器分别实现记录当前异常用户访问购物车接口的次数i和时长t,简单高效。当t≤1h,且i≤1000时,允许当前异常用户访问购物车接口;当t≤1h,且i>1000时,中断当前异常用户访问购物车接口的流程,且在t≤1h这段时间内无法再次访问购物车接口;当t>1h后,重新记录当前异常用户访问购物车接口的次数i和时长t,当前异常用户恢复可以访问购物车接口,并重新按照上述限制规则进行限制访问。
该限制规则既可以在开发阶段由开发人员以注解形式配置到购物车接口,不需要写任何额外代码,也可以在使用阶段由用户或维护人员根据业务需求,在购物车接口的配置文件中修改,方便快捷,降低了开发、使用和维护的成本低。具体实施过程中,缓存服务器和应用服务器可以根据购物车接口的访问量按需配置,实现水平扩展,提高异常用户的识别能力和准确率。
本发明实施例将购物流程中需要实现限制访问购物车接口的场景做了归纳,实现了一个通用的异常购物行为的限制方法,只需要简单的配置,即可为一个购物车接口加上限制异常访问功能,实现了购物车接口统一配置,简单高效,成本低。同时通过对接大数据分析平台,实现对异常用户精准、实时的识别,进一步可根据预设的限制规则针对异常用户设置访问限制,以缓解异常用户造成的购物车压力。
实施例二
本发明实施例提供一种异常购物行为的限制组件,包括采集模块、识别模块、存储模块、限制模块及大数据平台。其中,采集模块用于采集购物车接口的用户访问数据;识别模块用于将用户访问数据发送给大数据平台,利用大数据平台的识别模型基于用户访问数据判断出异常用户,并且获取异常用户的用户信息;存储模块包括缓存服务器,用于存储异常用户的用户信息;限制模块用于根据预设的限制规则对异常用户设置访问限制。
本发明提供的异常购物行为的限制组件,采用上述异常购物行为的限制方法,通过大数据平台识别异常用户,避免了低效滞后的人工识别,极大的提升了识别效率,解决了自动刷单等异常的购物行为对购物车系统造成压力、影响其他用户正常购物体验的问题。与现有技术相比,本发明实施例提供的异常购物行为的限制组件的有益效果与上述实施例一提供的异常购物行为的限制方法的有益效果相同,且该组件中的其他技术特征与上一实施例方法公开的特征相同,在此不做赘述。
实施例三
本发明实施例提供一种购物系统,包括上一实施例提供的异常购物行为的限制组件,缓解了异常用户刷单等购物行为造成的购物车压力,改善了用户的购物体验。与现有技术相比,本发明实施例提供的购物系统的有益效果与上述实施例一提供的异常购物行为的限制组件的有益效果相同,且该系统中的其他技术特征与上一实施例限制组件公开的特征相同,在此不做赘述。
在上述实施方式的描述中,具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。
Claims (10)
1.一种异常购物行为的限制方法,其特征在于,包括步骤:
采集购物车接口的用户访问数据;
将所述用户访问数据发送给大数据平台,并且利用大数据平台的识别模型基于用户访问数据判断出异常用户;
获取所述异常用户的用户信息并存储到缓存服务器中;
根据预设的限制规则对异常用户设置访问限制。
2.根据权利要求1所述的异常购物行为的限制方法,其特征在于,购物车接口的用户访问数据包括用户信息、商品信息、接口信息及访问时间,所述用户访问数据存储在访问日志中。
3.根据权利要求2所述的异常购物行为的限制方法,其特征在于,利用大数据平台的识别模型基于用户访问数据判断出异常用户的方法包括:
在大数据平台构建识别模型;
通过访问日志将用户访问数据发送给大数据平台;
利用大数据平台的识别模型基于用户访问数据判断出异常用户;
其中,所述识别模型的识别规则包括:
设置识别异常用户所需要的时间段T1和次数阈值N;
当用户在预设时间段T1内访问购物车接口达到次数阈值N,则判断当前访问购物车接口的用户为异常用户。
4.根据权利要求1或3所述的异常购物行为的限制方法,其特征在于,获取所述异常用户的用户信息并存储到缓存服务器中的方法包括:
获取大数据平台回传的异常用户;
将所述异常用户的用户信息存储到缓存服务器中,并更新到各应用服务器的异常用户数据库中。
5.根据权利要求4所述的异常购物行为的限制方法,其特征在于,将所述异常用户的用户信息实时自动存储到缓存服务器中,或者,将所述异常用户的用户信息经过人工审核后更新到缓存服务器中;
各应用服务器的监听器监听到缓存服务器更新时,将所述异常用户的用户信息同步更新到各应用服务器的异常用户数据库中。
6.根据权利要求1所述的异常购物行为的限制方法,其特征在于,根据预设的限制规则对异常用户设置访问限制的方法包括:
以拦截器方式获取当前用户访问数据;
查找所述异常用户数据库,判断当前用户是否为异常用户;
若当前用户为异常用户,则根据预设的限制规则对当前用户设置访问限制;
若当前用户不是异常用户,则允许当前用户正常访问购物车接口。
7.根据权利要求6所述的异常购物行为的限制方法,其特征在于,所述预设的限制规则包括:
根据当前异常用户的用户访问数据在缓存中生成对应的Key,设置Key的失效时间T2以及异常用户在所述失效时间T2内的访问次数上限M;
分别记录当前异常用户访问购物车接口的次数i和时长t;
当t≤T2,且i≤M时,允许当前异常用户访问购物车接口;
当t≤T2,且i>M时,中断当前异常用户访问购物车接口的流程,且无法再次访问购物车接口;
当t>T2时,重新记录当前异常用户访问购物车接口的次数i和时长t。
8.根据权利要求1~3、5~7中任一项所述的异常购物行为的限制方法,其特征在于,所述购物车接口包括购物车加入接口、购物车删除接口和购物车结算接口。
9.一种异常购物行为的限制组件,其特征在于,包括采集模块、识别模块、存储模块、限制模块及大数据平台,其中,
所述采集模块用于采集购物车接口的用户访问数据;
所述识别模块用于将所述用户访问数据发送给大数据平台,利用大数据平台的识别模型基于用户访问数据判断出异常用户,并且获取所述异常用户的用户信息;
所述存储模块包括缓存服务器,用于存储异常用户的用户信息;
所述限制模块用于根据预设的限制规则对异常用户设置访问限制。
10.一种购物系统,其特征在于,包括权利要求9所述异常购物行为的限制组件。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911370835.5A CN111144987A (zh) | 2019-12-26 | 2019-12-26 | 异常购物行为的限制方法、限制组件及购物系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911370835.5A CN111144987A (zh) | 2019-12-26 | 2019-12-26 | 异常购物行为的限制方法、限制组件及购物系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111144987A true CN111144987A (zh) | 2020-05-12 |
Family
ID=70520702
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911370835.5A Pending CN111144987A (zh) | 2019-12-26 | 2019-12-26 | 异常购物行为的限制方法、限制组件及购物系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111144987A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112184363A (zh) * | 2020-09-07 | 2021-01-05 | 珠海格力电器股份有限公司 | 一种购物信息处理方法、装置、设备及介质 |
CN116527967A (zh) * | 2023-06-29 | 2023-08-01 | 北京优贝在线网络科技有限公司 | 一种具有信息推荐功能的直播系统 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103150374A (zh) * | 2013-03-11 | 2013-06-12 | 中国科学院信息工程研究所 | 一种识别微博异常用户的方法和系统 |
-
2019
- 2019-12-26 CN CN201911370835.5A patent/CN111144987A/zh active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103150374A (zh) * | 2013-03-11 | 2013-06-12 | 中国科学院信息工程研究所 | 一种识别微博异常用户的方法和系统 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112184363A (zh) * | 2020-09-07 | 2021-01-05 | 珠海格力电器股份有限公司 | 一种购物信息处理方法、装置、设备及介质 |
CN116527967A (zh) * | 2023-06-29 | 2023-08-01 | 北京优贝在线网络科技有限公司 | 一种具有信息推荐功能的直播系统 |
CN116527967B (zh) * | 2023-06-29 | 2023-08-29 | 北京优贝在线网络科技有限公司 | 一种具有信息推荐功能的直播系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR100692209B1 (ko) | 맞춤형 상품 정보 제공 방법 및 그 시스템 | |
KR20190006383A (ko) | 사용자 행동 순서에 기반한 구매 확률 예측 방법 및 이를 위한 장치 | |
US11341548B2 (en) | Preemptive transaction analysis | |
CN111127051B (zh) | 多渠道动态归因方法、装置、服务器及存储介质 | |
CN108932625B (zh) | 用户行为数据的分析方法、装置、介质和电子设备 | |
CN117271385A (zh) | 用于数据存储的垃圾收集 | |
CN114428822B (zh) | 一种数据处理的方法、装置、电子设备及存储介质 | |
US20160004974A1 (en) | Detecting unexpected behavior | |
CN111414410A (zh) | 数据处理方法、装置、设备和存储介质 | |
CN110866698A (zh) | 用于评定服务提供方的服务分值的装置 | |
CN111382182A (zh) | 数据处理方法、装置、电子设备及存储介质 | |
CN111144987A (zh) | 异常购物行为的限制方法、限制组件及购物系统 | |
CN113722370A (zh) | 基于指标分析的数据管理方法、装置、设备及介质 | |
CN110674404A (zh) | 链接信息生成方法、装置、系统、存储介质及电子设备 | |
US11294917B2 (en) | Data attribution using frequent pattern analysis | |
CN113792039B (zh) | 数据处理方法及装置、电子设备、存储介质 | |
CN115689571A (zh) | 异常用户行为监测方法、装置、设备和介质 | |
CN112799951B (zh) | 用于计费系统的生成自动测试用例的方法与设备 | |
CN109992614B (zh) | 数据获取方法、装置和服务器 | |
CN111078522A (zh) | 页面待优化区域的识别方法、装置、电子设备及存储介质 | |
CN111353864A (zh) | 一种产品推荐方法、装置、服务器及存储介质 | |
CN112181407A (zh) | 业务实现处理方法及装置、系统、电子设备和存储介质 | |
CN110298669B (zh) | 一种基于图形结构的iOS代充风险控制系统 | |
CN114463103B (zh) | 一种数据处理方法及设备 | |
EP2779077A1 (en) | Attribute-based-categorical-popularity-assignment apparatus and method |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200512 |