CN111178708B - 目标评分方法和装置、计算机可读存储介质、电子设备 - Google Patents
目标评分方法和装置、计算机可读存储介质、电子设备 Download PDFInfo
- Publication number
- CN111178708B CN111178708B CN201911310230.7A CN201911310230A CN111178708B CN 111178708 B CN111178708 B CN 111178708B CN 201911310230 A CN201911310230 A CN 201911310230A CN 111178708 B CN111178708 B CN 111178708B
- Authority
- CN
- China
- Prior art keywords
- index data
- score
- index
- value
- target
- 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
- 238000013077 scoring method Methods 0.000 title claims abstract description 19
- 238000000034 method Methods 0.000 claims abstract description 51
- 238000009826 distribution Methods 0.000 claims abstract description 19
- 238000010586 diagram Methods 0.000 claims abstract description 14
- 230000006870 function Effects 0.000 claims description 27
- 238000004422 calculation algorithm Methods 0.000 claims description 23
- 238000011156 evaluation Methods 0.000 claims description 21
- 238000012545 processing Methods 0.000 claims description 20
- 230000014509 gene expression Effects 0.000 claims description 17
- 238000004590 computer program Methods 0.000 claims description 9
- 238000010606 normalization Methods 0.000 claims description 6
- 238000009825 accumulation Methods 0.000 claims description 3
- 238000002372 labelling Methods 0.000 claims description 2
- 230000006399 behavior Effects 0.000 abstract description 7
- 230000008901 benefit Effects 0.000 description 5
- 239000011159 matrix material Substances 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 238000011158 quantitative evaluation Methods 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 238000007792 addition Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000005484 gravity Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000002238 attenuated effect Effects 0.000 description 1
- 230000006583 body weight regulation Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000002222 downregulating effect Effects 0.000 description 1
- 230000003828 downregulation Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000006798 recombination Effects 0.000 description 1
- 238000005215 recombination Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000012549 training Methods 0.000 description 1
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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本公开实施例公开了一种目标评分方法和装置、计算机可读存储介质、电子设备，其中，方法包括：获取目标对应多个指标的多组指标数据；利用优序图法为多组指标数据中的每组指标数据对应的指标分配初始权重值，并基于每组指标数据的分布和多个指标之间的相关性对初始权重值进行调整，得到每组指标数据对应的指标的权重值；基于每个指标对应的权重值和指标对应的一组指标数据，确定多组指标数据中的每组指标数据对应的分数值；基于每组指标数据对应的分数值，确定目标的评分值；本实施例结合了目标在多个指标中的指标数据分别确定对应每个指标的分数值，使本实施例得到的评分值能够更全面的覆盖目标的行为。
Description
技术领域
本公开涉及评分技术领域，尤其是一种目标评分方法和装置、计算机可读存储介质、电子设备。
背景技术
在现有技术中，对于目标的评分，通常采用单一的方法去计算目标(例如，经纪人)的价值，导致对目标的综合素质和作业过程衡量过于片面，评价的覆盖不够全面。目标的行为没有系统的衡量标准和信用评价准则，难以对目标的行为进行量化评比、规范化打分。
发明内容
为了解决上述技术问题，提出了本公开。本公开的实施例提供了一种目标评分方法和装置、计算机可读存储介质、电子设备。
根据本公开实施例的一个方面，提供了一种目标评分方法，包括：
获取目标对应多个指标的多组指标数据；其中，每个所述指标对应一组指标数据；
利用优序图法为所述多组指标数据中的每组指标数据对应的指标分配初始权重值，并基于所述每组指标数据的分布和所述多个指标之间的相关性对所述初始权重值进行调整，得到所述每组指标数据对应的指标的权重值；其中，每个所述指标对应一个权重值；
基于所述多组指标数据中的每组指标数据以及所述每组指标数据对应的权重值，确定所述多组指标数据中的每组指标数据对应的分数值；
基于所述每组指标数据对应的分数值，确定所述目标的评分值。
可选地，所述基于所述多组指标数据中的每组指标数据以及所述每组指标数据对应的权重值，确定所述多组指标数据中的每组指标数据对应的分数值，包括：
针对所述多组指标数据中的一组指标数据，利用至少一种策略算法对所述一组指标数据进行处理，得到参考分数；
基于所述参考分数和所述一组指标数据对应的权重值，确定所述一组指标数据的分数值。
可选地，所述至少一种策略算法包括以下至少一种：
时间衰减函数、S型生长曲线函数、威尔逊区间、分位数归一、评价类指标算法。
可选地，所述参考分数包括小数表达或分值表达；
所述基于所述参考分数和所述一组指标数据对应的权重值，确定所述一组指标数据的分数值，包括：
响应于所述参考分数为小数表达，将所述参考分数与所述指标数据对应的权重值的乘积，作为所述指标数据的分数值；
响应于所述参考分数为分值表达，基于所述指标数据对应的权重值限定所述参考分数的大小，将经过限定的分值作为所述指标数据的分数值。
可选地，所述基于所述每组指标数据对应的分数值，确定所述目标的评分值，包括：
对所述多组指标数据中的每组指标数据对应的分数值进行累加处理，得到累加分数值，以所述累加分数值作为所述目标的评分值。
可选地，所述基于所述每组指标数据对应的分数值，确定所述目标的评分值，包括：
基于业务场景将所述多个指标聚类到至少一个维度中；其中，每个所述维度中包括至少一个指标；
对每个所述维度对应的多个指标对应的指标数据的分数值进行累加处理，得到至少一个维度分数值；其中，每个所述维度分数值对应一个维度；
将所述目标对应的至少一个维度分数值进行累加，得到所述目标的评分值。
可选地，所述基于所述每组指标数据对应的分数值，确定所述目标的评分值之后，还包括：
基于所述评分值对所述目标进行打标签和/或评级操作。
可选地，所述基于所述多组指标数据中的每组指标数据以及所述每组指标数据对应的权重值，确定所述多组指标数据中的每组指标数据对应的分数值之后，还包括：
基于所述目标对应所述多个指标的分数值，确定所述目标的特长标签。
根据本公开实施例的另一方面，提供了一种目标评分装置，包括：
数据获取模块，用于获取目标对应多个指标的多组指标数据；其中，每个所述指标对应一组指标数据；
权重分配模块，用于利用优序图法为所述多组指标数据中的每组指标数据对应的指标分配初始权重值，并基于所述每组指标数据的分布和所述多个指标之间的相关性对所述初始权重值进行调整，得到所述每组指标数据对应的指标的权重值；其中，每个所述指标对应一个权重值；
指标分数模块，用于基于所述多组指标数据中的每组指标数据以及所述每组指标数据对应的权重值，确定所述多组指标数据中的每组指标数据对应的分数值；
目标评分模块，用于基于所述每组指标数据对应的分数值，确定所述目标的评分值。
可选地，所述指标分数模块包括：
策略处理单元，用于针对所述多组指标数据中的一组指标数据，利用至少一种策略算法对所述一组指标数据进行处理，得到参考分数；
权重参考单元，用于基于所述参考分数和所述一组指标数据对应的权重值，确定所述一组指标数据的分数值。
可选地，所述至少一种策略算法包括以下至少一种：
时间衰减函数、S型生长曲线函数、威尔逊区间、分位数归一、评价类指标算法。
可选地，所述参考分数包括小数表达或分值表达；
所述权重参考单元，具体用于响应于所述参考分数为小数表达，将所述参考分数与所述指标数据对应的权重值的乘积，作为所述指标数据的分数值；响应于所述参考分数为分值表达，基于所述指标数据对应的权重值限定所述参考分数的大小，将经过限定的分值作为所述指标数据的分数值。
可选地，所述目标评分模块，具体用于对所述多组指标数据中的每组指标数据对应的分数值进行累加处理，得到累加分数值，以所述累加分数值作为所述目标的评分值。
可选地，所述目标评分模块，具体用于基于业务场景将所述多个指标聚类到至少一个维度中；其中，每个所述维度中包括至少一个指标；对每个所述维度对应的多个指标对应的指标数据的分数值进行累加处理，得到至少一个维度分数值；其中，每个所述维度分数值对应一个维度；将所述目标对应的至少一个维度分数值进行累加，得到所述目标的评分值。
可选地，所述装置还包括：
评级操作模块，用于基于所述评分值对所述目标进行打标签和/或评级操作。
可选地，所述装置还包括：
特征确定模块，用于基于所述目标对应所述多个指标的分数值，确定所述目标的特长标签。
根据本公开实施例的又一方面，提供了一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序用于执行上述任一实施例所述的目标评分方法。
根据本公开实施例的还一方面，提供了一种电子设备，所述电子设备包括：
处理器；
用于存储所述处理器可执行指令的存储器；
所述处理器，用于从所述存储器中读取所述可执行指令，并执行所述指令以实现上述任一实施例所述的目标评分方法。
基于本公开上述实施例提供的一种目标评分方法和装置、计算机可读存储介质、电子设备，获取目标对应多个指标的多组指标数据；其中，每个所述指标对应一组指标数据；利用优序图法为所述多组指标数据中的每组指标数据对应的指标分配初始权重值，并基于所述每组指标数据的分布和所述多个指标之间的相关性对所述初始权重值进行调整，得到所述每组指标数据对应的指标的权重值；其中，每个所述指标对应一个权重值；基于所述每个指标对应的权重值和所述指标对应的一组指标数据，确定所述多组指标数据中的每组指标数据对应的分数值；基于所述每组指标数据对应的分数值，确定所述目标的评分值；本实施例结合了目标在多个指标中的指标数据分别确定对应每个指标的分数值，解决了现有技术不同对目标进行综合素质衡量的问题，使本实施例得到的评分值能够更全面的覆盖目标的行为，实现了量化评比、规范化打分。
下面通过附图和实施例，对本公开的技术方案做进一步的详细描述。
附图说明
通过结合附图对本公开实施例进行更详细的描述，本公开的上述以及其他目的、特征和优势将变得更加明显。附图用来提供对本公开实施例的进一步理解，并且构成说明书的一部分，与本公开实施例一起用于解释本公开，并不构成对本公开的限制。在附图中，相同的参考标号通常代表相同部件或步骤。
图1是本公开一示例性实施例提供的目标评分方法的流程示意图。
图2是本公开图1所示的实施例中步骤106的一个流程示意图。
图3是本公开图1所示的实施例中步骤108的一个流程示意图。
图4是本公开一示例性实施例提供的目标评分装置的结构示意图。
图5是本公开一示例性实施例提供的电子设备的结构图。
具体实施方式
下面，将参考附图详细地描述根据本公开的示例实施例。显然，所描述的实施例仅仅是本公开的一部分实施例，而不是本公开的全部实施例，应理解，本公开不受这里描述的示例实施例的限制。
应注意到：除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本公开的范围。
本领域技术人员可以理解，本公开实施例中的“第一”、“第二”等术语仅用于区别不同步骤、设备或模块等，既不代表任何特定技术含义，也不表示它们之间的必然逻辑顺序。
还应理解，在本公开实施例中，“多个”可以指两个或两个以上，“至少一个”可以指一个、两个或两个以上。
还应理解，对于本公开实施例中提及的任一部件、数据或结构，在没有明确限定或者在前后文给出相反启示的情况下，一般可以理解为一个或多个。
另外，本公开中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本公开中字符“/”，一般表示前后关联对象是一种“或”的关系。
还应理解，本公开对各个实施例的描述着重强调各个实施例之间的不同之处，其相同或相似之处可以相互参考，为了简洁，不再一一赘述。
同时，应当明白，为了便于描述，附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。
以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本公开及其应用或使用的任何限制。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为说明书的一部分。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。
本公开实施例可以应用于终端设备、计算机系统、服务器等电子设备，其可与众多其它通用或专用计算系统环境或配置一起操作。适于与终端设备、计算机系统、服务器等电子设备一起使用的众所周知的终端设备、计算系统、环境和/或配置的例子包括但不限于：个人计算机系统、服务器计算机系统、瘦客户机、厚客户机、手持或膝上设备、基于微处理器的系统、机顶盒、可编程消费电子产品、网络个人电脑、小型计算机系统、大型计算机系统和包括上述任何系统的分布式云计算技术环境，等等。
终端设备、计算机系统、服务器等电子设备可以在由计算机系统执行的计算机系统可执行指令(诸如程序模块)的一般语境下描述。通常，程序模块可以包括例程、程序、目标程序、组件、逻辑、数据结构等等，它们执行特定的任务或者实现特定的抽象数据类型。计算机系统/服务器可以在分布式云计算环境中实施，分布式云计算环境中，任务是由通过通信网络链接的远程处理设备执行的。在分布式云计算环境中，程序模块可以位于包括存储设备的本地或远程计算系统存储介质上。
申请概述
在实现本公开的过程中，发明人发现，现有技术中通常以一个指标对目标进行评分，该技术方案至少存在以下问题：得到的评分对应目标的行为覆盖不够全面。
示例性方法
图1是本公开一示例性实施例提供的目标评分方法的流程示意图。本实施例可应用在电子设备上，如图1所示，包括如下步骤：
步骤102，获取目标对应多个指标的多组指标数据。
其中，每个指标对应一组指标数据。
可选地，可从指标数据库中获取预存在多个指标中的指标数据，不同指标可以用于存储来源不同的指标数据，例如，一个指标用于存储用户评价指标数据，另一个指标用于存储目标的基本信息指标数据等。
步骤104，利用优序图法为多组指标数据中的每组指标数据对应的指标分配初始权重值，并基于每组指标数据的分布和多个指标之间的相关性对初始权重值进行调整，得到每组指标数据对应的指标的权重值。
其中，每个指标对应一个权重值。
在一实施例中，不同的指标中的指标数据在对目标进行评价时，所起到的比重可能不同，为了得到更准确的目标评分，本实施例为每组指标数据对应的指标分配权重值，通过权重值体现不同指标的指标数据在目标评分中的比重。
本实施例中，首先利用优序图法进行一批指标的两两排序(例如，依据不同业务场景进行两两比较，排序，其中，不同业务场景对应的指标的重要性不同，越重要权重要大)，以确定重要性排序，得到初始权重值。然后，对所有指标进行相关性分析，假设A和B指标相关性高，但A指标重要性<B，对A指标权重下调或不接入。基于指标的分布，将分布中区分度低的下调权重，并且，基于指标的分布进行权重调整仅适用于区分不同的业务场景的指标；例如，某些指标重要性很高，但极少人获得，将该指标的权重值下调处理；可选地，可基于业务场景确定指标的分布，不同业务场景下指标的分布不同，本实施例中不限制具体业务场景的类型，例如，在房产领域中，业务场景包括但不限于：带看场景，陪看场景，成交场景等。
可选地，在获得权重值之后，还可以结合专家经验对权重值进行人工筛选。
其中，优序图法为针对需要比较的n个比较对象(例如涉及方案、目标、价格指标等)分别进行排序，并分别对各个对象进行评分，即得到优序数，然后进行综合评价，分别计算各个评价指标的总优序数，按照总优序数数值大小进行评定，本实施例将对应各个评价指标(本实施例中对应指标数据)的总优序数数值作为指标数据的权重值。
步骤106，基于多组指标数据中的每组指标数据以及每组指标数据对应的权重值，确定多组指标数据中的每组指标数据对应的分数值。
本实施例中，结合指标数据和权重值对每组指标数据对应的分数值进行确定，使不同指标中的指标数据对应的分数值与其对应的权重相关联。
步骤108，基于每组指标数据对应的分数值，确定目标的评分值。
本实施例在已知每组指标数据对应的分数值的情况下，可知该目标对应不同指标的分数值，为了得到对该目标的总体评价，可选地，可将多组指标数据对应的多个分数值累加，得到该目标的评分值，该评分值体现了该目标在所有指标中的分数值，实现对目标的全面评价和规范化打分。
本公开上述实施例提供的一种目标评分方法，获取目标对应多个指标的多组指标数据；其中，每个所述指标对应一组指标数据；为所述多组指标数据中的每组指标数据对应的指标分配权重值；其中，每个所述指标对应一个权重值；基于所述每个指标对应的权重值和所述指标对应的一组指标数据，确定所述多组指标数据中的每组指标数据对应的分数值；基于所述每组指标数据对应的分数值，确定所述目标的评分值；本实施例结合了目标在多个指标中的指标数据分别确定对应每个指标的分数值，解决了现有技术不同对目标进行综合素质衡量的问题，使本实施例得到的评分值能够更全面的覆盖目标的行为，实现了量化评比、规范化打分。
如图2所示，在上述图1所示实施例的基础上，步骤106可包括如下步骤：
步骤1061，针对多组指标数据中的一组指标数据，利用至少一种策略算法对一组指标数据进行处理，得到参考分数。
可选地，至少一种策略算法包括以下至少一种：
时间衰减函数、S型生长曲线函数、威尔逊区间、分位数归一、评价类指标算法等。
当采用两种或两种以上的策略算法确定参考分数时，可将多种策略算法叠加使用，例如，先利用时间衰减函数进行处理，将处理后的数据再利用S型生长曲线函数进行处理等。
步骤1062，基于参考分数和一组指标数据对应的权重值，确定一组指标数据的分数值。
由于每组指标数据对应一个指标，不同指标中存储的指标数据特性不同，本实施例中为了对不同特性的指标数据计算较为准确的分数，对不同分布的指标数据可采用不同的策略算法进行处理，以得到参考分数；例如，对于具有热度特性的指标数据，可采用时间衰减函数确定其参考分数；对于需要同时对量和率的影响进行评估的指标数据，采用威尔逊区间确定其参考分数等。
可选地，参考分数包括小数表达或分值表达。
步骤1062可包括：响应于参考分数为小数表达，将参考分数与指标数据对应的权重值的乘积，作为指标数据的分数值；
在一个具体示例中，由于本实施例采用了全量的明细数据，根据数据的热度特性，将指标数据随时间衰减的，采用时间衰减函数确定参考分数，可选地，可采用不同的衰减策略：业务特定的衰减曲线、高斯衰减函数。通过时间衰减函数处理后得到小数表达的参考分数，见参考分数与该指标数据对应的权重值相乘，即得到该指标数据对应的分数值。
在另一具体示例中，由于实际需要随着指标的增长，分数值y增加越来越来难(sigmoid函数符合这一要求)，此时通过sigmoid函数(S型生长曲线)计算参考分数；设指标为x(例如，可以是经纪人带看量等原始数据，也可以是通过其他策略处理后的数据)为无界的，通过sigmoid函数映射到0～1之间，进行变换得到小数表达的参考分数，再将参考分数乘以权重值，即得到该指标数据的分数值。本实施例中利用sigmoid函数加入策略计算分数值的过程可如公式(1)所示：
其中，weight表示该指标数据对应的权重值，x为指标数据或经过其他策略处理后的指标数据，a为根据业务需求确定的模型参数，该模型参数为经过遍历训练得到的常数，例如，可设置为0-2之间的数值。
在又一具体示例中，对于需要同时对量和率(如：带看量和成功率等)的影响进行评估的指标数据，本实施例引入威尔逊区间确定每个指标数据的分数值，具体计算过程可如公式(2)所示：
或，
其中，N表示的是指标数据的量；p表示指标数据中的率，表示p的均值；置信95％；z表示统计量，具体为一个常数，例如：1.96；其中，公式(2)对应为威尔逊区间的下界，公式(3)为威尔逊区间均值；经过上述公式(2)或(3)得到的是0-1的小数表达的参考分数，得到后与该指标数据的权重值相乘，得到该指标数据的分数值。
在还一具体示例中，通过分位数归一对指标数据进行处理，其计算该指标数据的分数值的过程可参考一下公式(4)所示：
其中，weight为该指标数据对应的权重值，x为指标数据，xtop5表示指标数据的95分位数。
步骤1062还可包括：响应于参考分数为分值表达，基于指标对应的权重值限定参考分数的大小，将经过限定的分值作为指标数据的分数值。
在再一具体示例中，对于同时存在星级和业务类型的指标数据，首先通过时间衰减函数、sigmoid函数等方法变换到0～1，其次，考虑到高区分度，加入评价指标的数量和方差，形成评价类指标算法的评分策略，在本实施例中确定该指标数据的分数值的过程可参考公式(5)所示：
公式(5)中fscore可通过以下公式(6)确定：
fscore＝∑i∑jwi×fij(star，service) 公式(6)
公式(6)中wi可通过以下公式(7)确定：
以上公式(5)、(6)和(7)中，y0表示一个设定的基础分数(可基于历史数据等)，避免得到0分分值；a的含义与上述sigmoid函数中相同；N表示指标数据的量(例如，数据条数)；b表示一个常数(可以根据业务场景确定其取值)；w1、w2和w3表示在本算法中对不同类型的数据分配不同的子权重；μ表示数据均值，σ表示数据方差fij(star，service)表示不同的评价的星级和服务类型所对应的分数，例如，在矩阵其中行表示服务类型(service)，如：服务类型：A、B、C，其中列表示评价星级(star)，如：1、2、3、4星级，fij(star，service)中的i表示矩阵中的行号，j表示矩阵中的列号，例如，f23(star，service)表示矩阵F中的第2行第三列的数值(即，得到-2分)，表示服务类型(或场景)为C、评价星级为2是得到的分数为-2分。
在一些可选的实施例中，步骤108包括：
对多组指标数据中的每组指标数据对应的分数值进行累加处理，得到累加分数值，以累加分数值作为目标的评分值。
为了实现对目标的综合评价，本实施例将每组指标数据对应的分数值进行累加求和，以得到的累加分数值作为目标的评分值，该评分值体现了该目标对应所有指标的得分，实现对目标的全面评价，并且每个指标的分数值都结合了权重值，即，在全面评价的基础上实现了对重点指标增大分数占比，对非重点指标减小分数占比。
如图3所示，在上述图1所示实施例的基础上，步骤108可包括如下步骤：
步骤1081，基于业务场景将多个指标聚类到至少一个维度中。
其中，每个维度中包括至少一个指标。
步骤1082，对每个维度对应的多个指标对应的指标数据的分数值进行累加处理，得到至少一个维度分数值。
其中，每个维度分数值对应一个维度。
步骤1083，将目标对应的至少一个维度分数值进行累加，得到目标的评分值。
本实施例不仅实现了在整体上对目标进行以评分值进行评价，还可以通过至少一个维度对每个维度进行评分确定，可选地，将指标数据分为：基本素质、服务质量、平台合作、平台参与和行业影响五大维度，其中，每个维度可包括至少一个指标，例如，基本素质包括目标(如经纪人)的学历信息指标、工作年限信息指标等。
在一些可选实施例中，本实施例提供的方法，在执行步骤108之后还包括：
基于评分值对目标进行打标签和/或评级操作。
可选地，根据目标对应的评分值可实现对该目标的综合评价，可选地，当针对多个目标分别确定其对应的评分值之后，可对多个评分值进行排序，以实现对多个目标的排序，例如，可以总分得分的TOP30％的目标(经纪人)，标记为星级目标标签或其他标签，或将在排序中不同位置的目标确定为不同等级；而对于入职时间为近一段时间内的目标，如总分得分在城市的TOP30％，则会具有行业新星的标签；可选地，可为具有不同标签的目标分配不同的权益。
在一些可选实施例中，本实施例提供的方法，在执行步骤106之后还包括：
基于目标对应多个指标的分数值，确定目标的特长标签。
本实施例中，通过对每个指标分别确定对应的分数值，可知一个目标在多个指标中的最高分数或分数值大于预设值的多个分数值，本实施例可将目标对应的最高分数或大于预设值的多个分数值对应的指标作为该目标的特长，并且根据特长指标对该目标标记特长标签。
本公开实施例提供的任一种目标评分方法可以由任意适当的具有数据处理能力的设备执行，包括但不限于：终端设备和服务器等。或者，本公开实施例提供的任一种目标评分方法可以由处理器执行，如处理器通过调用存储器存储的相应指令来执行本公开实施例提及的任一种目标评分方法。下文不再赘述。
示例性装置
图4是本公开一示例性实施例提供的目标评分装置的结构示意图。如图4所示，该实施例装置包括：
数据获取模块41，用于获取目标对应多个指标的多组指标数据。
其中，每个指标对应一组指标数据。
权重分配模块42，用于利用优序图法为多组指标数据中的每组指标数据对应的指标分配初始权重值，并基于每组指标数据的分布和多个指标之间的相关性对初始权重值进行调整，得到每组指标数据对应的指标的权重值。
其中，每个指标对应一个权重值。
指标分数模块43，用于基于多组指标数据中的每组指标数据以及每组指标数据对应的权重值，确定多组指标数据中的每组指标数据对应的分数值。
目标评分模块44，用于基于每组指标数据对应的分数值，确定目标的评分值。
本公开上述实施例提供的一种目标评分装置，获取目标对应多个指标的多组指标数据；其中，每个所述指标对应一组指标数据；为所述多组指标数据中的每组指标数据对应的指标分配权重值；其中，每个所述指标对应一个权重值；基于所述每个指标对应的权重值和所述指标对应的一组指标数据，确定所述多组指标数据中的每组指标数据对应的分数值；基于所述每组指标数据对应的分数值，确定所述目标的评分值；本实施例结合了目标在多个指标中的指标数据分别确定对应每个指标的分数值，解决了现有技术不同对目标进行综合素质衡量的问题，使本实施例得到的评分值能够更全面的覆盖目标的行为，实现了量化评比、规范化打分。
在一个或多个可选的实施例中，指标分数模块43包括：
策略处理单元，用于针对多组指标数据中的一组指标数据，利用至少一种策略算法对一组指标数据进行处理，得到参考分数；
可选地，至少一种策略算法包括以下至少一种：
时间衰减函数、S型生长曲线函数、威尔逊区间、分位数归一、评价类指标算法。
权重参考单元，用于基于参考分数和一组指标数据对应的权重值，确定一组指标数据的分数值。
可选地，参考分数包括小数表达或分值表达；
权重参考单元，具体用于响应于参考分数为小数表达，将参考分数与指标数据对应的权重值的乘积，作为指标数据的分数值；响应于参考分数为分值表达，基于指标数据对应的权重值限定参考分数的大小，将经过限定的分值作为指标数据的分数值。
在一些可选的实施例中，目标评分模块44，具体用于对多组指标数据中的每组指标数据对应的分数值进行累加处理，得到累加分数值，以累加分数值作为目标的评分值。
在另一些可选的实施例中，目标评分模块44，具体用于基于业务场景将多个指标聚类到至少一个维度中；其中，每个维度中包括至少一个指标；对每个维度对应的多个指标对应的指标数据的分数值进行累加处理，得到至少一个维度分数值；其中，每个维度分数值对应一个维度；将目标对应的至少一个维度分数值进行累加，得到目标的评分值。
可选地，本实施例提供的装置还包括：
评级操作模块，用于基于评分值对目标进行打标签和/或评级操作。
可选地，本实施例提供的装置还包括：
特征确定模块，用于基于目标对应多个指标的分数值，确定目标的特长标签。
示例性电子设备
下面，参考图5来描述根据本公开实施例的电子设备。该电子设备可以是第一设备100和第二设备200中的任一个或两者、或与它们独立的单机设备，该单机设备可以与第一设备和第二设备进行通信，以从它们接收所采集到的输入信号。
图5图示了根据本公开实施例的电子设备的框图。
如图5所示，电子设备50包括一个或多个处理器51和存储器52。
处理器51可以是中央处理单元(CPU)或者具有数据处理能力和/或指令执行能力的其他形式的处理单元，并且可以控制电子设备50中的其他组件以执行期望的功能。
存储器52可以包括一个或多个计算机程序产品，所述计算机程序产品可以包括各种形式的计算机可读存储介质，例如易失性存储器和/或非易失性存储器。所述易失性存储器例如可以包括随机存取存储器(RAM)和/或高速缓冲存储器(cache)等。所述非易失性存储器例如可以包括只读存储器(ROM)、硬盘、闪存等。在所述计算机可读存储介质上可以存储一个或多个计算机程序指令，处理器51可以运行所述程序指令，以实现上文所述的本公开的各个实施例的目标评分方法以及/或者其他期望的功能。在所述计算机可读存储介质中还可以存储诸如输入信号、信号分量、噪声分量等各种内容。
在一个示例中，电子设备50还可以包括：输入装置53和输出装置54，这些组件通过总线系统和/或其他形式的连接机构(未示出)互连。
例如，在该电子设备是第一设备100或第二设备200时，该输入装置53可以是上述的麦克风或麦克风阵列，用于捕捉声源的输入信号。在该电子设备是单机设备时，该输入装置53可以是通信网络连接器，用于从第一设备100和第二设备200接收所采集的输入信号。
此外，该输入设备53还可以包括例如键盘、鼠标等等。
该输出装置54可以向外部输出各种信息，包括确定出的距离信息、方向信息等。该输出设备54可以包括例如显示器、扬声器、打印机、以及通信网络及其所连接的远程输出设备等等。
当然，为了简化，图5中仅示出了该电子设备50中与本公开有关的组件中的一些，省略了诸如总线、输入/输出接口等等的组件。除此之外，根据具体应用情况，电子设备50还可以包括任何其他适当的组件。
示例性计算机程序产品和计算机可读存储介质
除了上述方法和设备以外，本公开的实施例还可以是计算机程序产品，其包括计算机程序指令，所述计算机程序指令在被处理器运行时使得所述处理器执行本说明书上述“示例性方法”部分中描述的根据本公开各种实施例的目标评分方法中的步骤。
所述计算机程序产品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实施例操作的程序代码，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。
此外，本公开的实施例还可以是计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令在被处理器运行时使得所述处理器执行本说明书上述“示例性方法”部分中描述的根据本公开各种实施例的目标评分方法中的步骤。
所述计算机可读存储介质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包括但不限于电、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。
以上结合具体实施例描述了本公开的基本原理，但是，需要指出的是，在本公开中提及的优点、优势、效果等仅是示例而非限制，不能认为这些优点、优势、效果等是本公开的各个实施例必须具备的。另外，上述公开的具体细节仅是为了示例的作用和便于理解的作用，而非限制，上述细节并不限制本公开为必须采用上述具体的细节来实现。
本说明书中各个实施例均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的部分相互参见即可。对于系统实施例而言，由于其与方法实施例基本对应，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
本公开中涉及的器件、装置、设备、系统的方框图仅作为例示性的例子并且不意图要求或暗示必须按照方框图示出的方式进行连接、布置、配置。如本领域技术人员将认识到的，可以按任意方式连接、布置、配置这些器件、装置、设备、系统。诸如“包括”、“包含”、“具有”等等的词语是开放性词汇，指“包括但不限于”，且可与其互换使用。这里所使用的词汇“或”和“和”指词汇“和/或”，且可与其互换使用，除非上下文明确指示不是如此。这里所使用的词汇“诸如”指词组“诸如但不限于”，且可与其互换使用。
可能以许多方式来实现本公开的方法和装置。例如，可通过软件、硬件、固件或者软件、硬件、固件的任何组合来实现本公开的方法和装置。用于所述方法的步骤的上述顺序仅是为了进行说明，本公开的方法的步骤不限于以上具体描述的顺序，除非以其它方式特别说明。此外，在一些实施例中，还可将本公开实施为记录在记录介质中的程序，这些程序包括用于实现根据本公开的方法的机器可读指令。因而，本公开还覆盖存储用于执行根据本公开的方法的程序的记录介质。
还需要指出的是，在本公开的装置、设备和方法中，各部件或各步骤是可以分解和/或重新组合的。这些分解和/或重新组合应视为本公开的等效方案。
提供所公开的方面的以上描述以使本领域的任何技术人员能够做出或者使用本公开。对这些方面的各种修改对于本领域技术人员而言是非常显而易见的，并且在此定义的一般原理可以应用于其他方面而不脱离本公开的范围。因此，本公开不意图被限制到在此示出的方面，而是按照与在此公开的原理和新颖的特征一致的最宽范围。
为了例示和描述的目的已经给出了以上描述。此外，此描述不意图将本公开的实施例限制到在此公开的形式。尽管以上已经讨论了多个示例方面和实施例，但是本领域技术人员将认识到其某些变型、修改、改变、添加和子组合。
Claims (18)
1.一种目标评分方法，其特征在于，包括：
获取目标对应多个指标的多组指标数据；其中，每个所述指标对应一组指标数据；
利用优序图法为所述多组指标数据中的每组指标数据对应的指标分配初始权重值，并基于所述每组指标数据的分布和所述多个指标之间的相关性对所述初始权重值进行调整，得到所述每组指标数据对应的指标的权重值；其中，每个所述指标对应一个权重值；基于指标的分布进行权重调整适用于区分不同的业务场景的指标；
基于所述多组指标数据中的每组指标数据以及所述每组指标数据对应的权重值，确定所述多组指标数据中的每组指标数据对应的分数值；
基于所述每组指标数据对应的分数值，确定所述目标的评分值。
2.根据权利要求1所述的方法，其特征在于，所述基于所述多组指标数据中的每组指标数据以及所述每组指标数据对应的权重值，确定所述多组指标数据中的每组指标数据对应的分数值，包括：
针对所述多组指标数据中的一组指标数据，利用至少一种策略算法对所述一组指标数据进行处理，得到参考分数；
基于所述参考分数和所述一组指标数据对应的权重值，确定所述一组指标数据的分数值。
3.根据权利要求2所述的方法，其特征在于，所述至少一种策略算法包括以下至少一种：
时间衰减函数、S型生长曲线函数、威尔逊区间、分位数归一、评价类指标算法。
4.根据权利要求3所述的方法，其特征在于，所述参考分数包括小数表达或分值表达；
所述基于所述参考分数和所述一组指标数据对应的权重值，确定所述一组指标数据的分数值，包括：
响应于所述参考分数为小数表达，将所述参考分数与所述指标数据对应的权重值的乘积，作为所述指标数据的分数值；
响应于所述参考分数为分值表达，基于所述指标数据对应的权重值限定所述参考分数的大小，将经过限定的分值作为所述指标数据的分数值。
5.根据权利要求1-4任一所述的方法，其特征在于，所述基于所述每组指标数据对应的分数值，确定所述目标的评分值，包括：
对所述多组指标数据中的每组指标数据对应的分数值进行累加处理，得到累加分数值，以所述累加分数值作为所述目标的评分值。
6.根据权利要求1-4任一所述的方法，其特征在于，所述基于所述每组指标数据对应的分数值，确定所述目标的评分值，包括：
基于业务场景将所述多个指标聚类到至少一个维度中；其中，每个所述维度中包括至少一个指标；
对每个所述维度对应的多个指标对应的指标数据的分数值进行累加处理，得到至少一个维度分数值；其中，每个所述维度分数值对应一个维度；
将所述目标对应的至少一个维度分数值进行累加，得到所述目标的评分值。
7.根据权利要求1-6任一所述的方法，其特征在于，所述基于所述每组指标数据对应的分数值，确定所述目标的评分值之后，还包括：
基于所述评分值对所述目标进行打标签和/或评级操作。
8.根据权利要求1-7任一所述的方法，其特征在于，所述基于所述多组指标数据中的每组指标数据以及所述每组指标数据对应的权重值，确定所述多组指标数据中的每组指标数据对应的分数值之后，还包括：
基于所述目标对应所述多个指标的分数值，确定所述目标的特长标签。
9.一种目标评分装置，其特征在于，包括：
数据获取模块，用于获取目标对应多个指标的多组指标数据；其中，每个所述指标对应一组指标数据；
权重分配模块，用于利用优序图法为所述多组指标数据中的每组指标数据对应的指标分配初始权重值，并基于所述每组指标数据的分布和所述多个指标之间的相关性对所述初始权重值进行调整，得到所述每组指标数据对应的指标的权重值；其中，每个所述指标对应一个权重值；基于指标的分布进行权重调整适用于区分不同的业务场景的指标；
指标分数模块，用于基于所述多组指标数据中的每组指标数据以及所述每组指标数据对应的权重值，确定所述多组指标数据中的每组指标数据对应的分数值；
目标评分模块，用于基于所述每组指标数据对应的分数值，确定所述目标的评分值。
10.根据权利要求9所述的装置，其特征在于，所述指标分数模块包括：
策略处理单元，用于针对所述多组指标数据中的一组指标数据，利用至少一种策略算法对所述一组指标数据进行处理，得到参考分数；
权重参考单元，用于基于所述参考分数和所述一组指标数据对应的权重值，确定所述一组指标数据的分数值。
11.根据权利要求10所述的装置，其特征在于，所述至少一种策略算法包括以下至少一种：
时间衰减函数、S型生长曲线函数、威尔逊区间、分位数归一、评价类指标算法。
12.根据权利要求11所述的装置，其特征在于，所述参考分数包括小数表达或分值表达；
所述权重参考单元，具体用于响应于所述参考分数为小数表达，将所述参考分数与所述指标数据对应的权重值的乘积，作为所述指标数据的分数值；响应于所述参考分数为分值表达，基于所述指标数据对应的权重值限定所述参考分数的大小，将经过限定的分值作为所述指标数据的分数值。
13.根据权利要求9-12任一所述的装置，其特征在于，所述目标评分模块，具体用于对所述多组指标数据中的每组指标数据对应的分数值进行累加处理，得到累加分数值，以所述累加分数值作为所述目标的评分值。
14.根据权利要求9-12任一所述的装置，其特征在于，所述目标评分模块，具体用于基于业务场景将所述多个指标聚类到至少一个维度中；其中，每个所述维度中包括至少一个指标；对每个所述维度对应的多个指标对应的指标数据的分数值进行累加处理，得到至少一个维度分数值；其中，每个所述维度分数值对应一个维度；将所述目标对应的至少一个维度分数值进行累加，得到所述目标的评分值。
15.根据权利要求9-14任一所述的装置，其特征在于，所述装置还包括：
评级操作模块，用于基于所述评分值对所述目标进行打标签和/或评级操作。
16.根据权利要求9-15任一所述的装置，其特征在于，所述装置还包括：
特征确定模块，用于基于所述目标对应所述多个指标的分数值，确定所述目标的特长标签。
17.一种计算机可读存储介质，其特征在于，所述存储介质存储有计算机程序，所述计算机程序用于执行上述权利要求1-8任一所述的目标评分方法。
18.一种电子设备，其特征在于，所述电子设备包括：
处理器；
用于存储所述处理器可执行指令的存储器；
所述处理器，用于从所述存储器中读取所述可执行指令，并执行所述指令以实现上述权利要求1-8任一所述的目标评分方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911310230.7A CN111178708B (zh) | 2019-12-18 | 2019-12-18 | 目标评分方法和装置、计算机可读存储介质、电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911310230.7A CN111178708B (zh) | 2019-12-18 | 2019-12-18 | 目标评分方法和装置、计算机可读存储介质、电子设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111178708A CN111178708A (zh) | 2020-05-19 |
| CN111178708B true CN111178708B (zh) | 2024-03-29 |
Family
ID=70653970
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911310230.7A Active CN111178708B (zh) | 2019-12-18 | 2019-12-18 | 目标评分方法和装置、计算机可读存储介质、电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111178708B (zh) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111766613B (zh) * | 2020-06-11 | 2024-01-05 | Oppo广东移动通信有限公司 | Gps功能测试方法及其装置、存储介质 |
| CN112153371B (zh) * | 2020-08-24 | 2021-07-20 | 珠海格力电器股份有限公司 | 图像质量检测方法、装置、存储介质及产品检测方法 |
| CN111985722A (zh) * | 2020-08-28 | 2020-11-24 | 贝壳技术有限公司 | 目标优化方法和装置、系统、存储介质、电子设备 |
| CN114418347B (zh) * | 2021-12-29 | 2022-10-11 | 广东电网有限责任公司 | 配电变压器的监测方法、装置、设备及存储介质 |
| CN114444987B (zh) * | 2022-04-11 | 2022-06-28 | 深圳小库科技有限公司 | 一种户型图的自动化分析方法及装置 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105678453A (zh) * | 2016-01-05 | 2016-06-15 | 国网山东省电力公司泰安供电公司 | 一种基于电网指标评价体系的多维度评估方法 |
| CN108510247A (zh) * | 2018-04-02 | 2018-09-07 | 北京字节跳动网络技术有限公司 | 一种信息反馈方法及装置 |
| CN109523056A (zh) * | 2018-10-12 | 2019-03-26 | 中国平安人寿保险股份有限公司 | 对象能力分类预测方法及装置、电子设备、存储介质 |
| CN109767068A (zh) * | 2018-12-13 | 2019-05-17 | 平安科技（深圳）有限公司 | 一种医疗机构评价方法、评价装置及计算机可读存储介质 |
| CN109801170A (zh) * | 2019-01-21 | 2019-05-24 | 广发证券股份有限公司 | 基金产品评分方法、装置及设备 |
| CN109902966A (zh) * | 2019-03-06 | 2019-06-18 | 中国联合网络通信集团有限公司 | 一种用户评级方法和系统 |
| CN110070244A (zh) * | 2018-01-22 | 2019-07-30 | 北京京东尚科信息技术有限公司 | 供应商评价方法、系统、电子设备和计算机可读介质 |
-
2019
- 2019-12-18 CN CN201911310230.7A patent/CN111178708B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105678453A (zh) * | 2016-01-05 | 2016-06-15 | 国网山东省电力公司泰安供电公司 | 一种基于电网指标评价体系的多维度评估方法 |
| CN110070244A (zh) * | 2018-01-22 | 2019-07-30 | 北京京东尚科信息技术有限公司 | 供应商评价方法、系统、电子设备和计算机可读介质 |
| CN108510247A (zh) * | 2018-04-02 | 2018-09-07 | 北京字节跳动网络技术有限公司 | 一种信息反馈方法及装置 |
| CN109523056A (zh) * | 2018-10-12 | 2019-03-26 | 中国平安人寿保险股份有限公司 | 对象能力分类预测方法及装置、电子设备、存储介质 |
| CN109767068A (zh) * | 2018-12-13 | 2019-05-17 | 平安科技（深圳）有限公司 | 一种医疗机构评价方法、评价装置及计算机可读存储介质 |
| CN109801170A (zh) * | 2019-01-21 | 2019-05-24 | 广发证券股份有限公司 | 基金产品评分方法、装置及设备 |
| CN109902966A (zh) * | 2019-03-06 | 2019-06-18 | 中国联合网络通信集团有限公司 | 一种用户评级方法和系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111178708A (zh) | 2020-05-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111178708B (zh) | 目标评分方法和装置、计算机可读存储介质、电子设备 | |
| CN108280670B (zh) | 种子人群扩散方法、装置以及信息投放系统 | |
| EP3893154A1 (en) | Recommendation model training method and related apparatus | |
| CN109063945B (zh) | 一种基于价值评估体系的售电公司360度客户画像构建方法 | |
| CN108460082B (zh) | 一种推荐方法及装置，电子设备 | |
| US10348550B2 (en) | Method and system for processing network media information | |
| US20210295388A1 (en) | Methods and apparatus for managing models for classification of online users | |
| JP2009520266A (ja) | 認識概念関係を使用したデータ独立型関連性評価 | |
| US20110196690A1 (en) | Method and system of selecting landing pages and optimizing routing efficiency | |
| US20090204459A1 (en) | Method and system for automatically prioritizing opportunity based customer requirements | |
| CN112204610A (zh) | 基于神经网络的电子内容 | |
| WO2015124024A1 (zh) | 一种提升信息的曝光率的方法和装置、确定搜索词的价值的方法和装置 | |
| CN112070545A (zh) | 用于优化信息触达的方法、装置、介质和电子设备 | |
| CN110019774A (zh) | 标签分配方法、装置、存储介质及电子装置 | |
| CN113570260A (zh) | 任务分配方法和计算机可读存储介质、电子设备 | |
| CN113778979A (zh) | 一种直播点击率的确定方法和装置 | |
| CN109697203B (zh) | 指标异动分析方法及设备、计算机存储介质、计算机设备 | |
| CN111160647A (zh) | 一种洗钱行为预测方法及装置 | |
| CN110838019A (zh) | 确定试用品发放人群的方法和装置 | |
| CN112070564B (zh) | 广告拉取方法、装置、系统与电子设备 | |
| CN111401935B (zh) | 资源分配方法、装置及存储介质 | |
| JP5011185B2 (ja) | 情報分析装置、情報分析方法、及び情報分析プログラム | |
| US20110208738A1 (en) | Method for Determining an Enhanced Value to Keywords Having Sparse Data | |
| CN108109002B (zh) | 数据处理方法及装置 | |
| CN113901328A (zh) | 信息推荐方法和装置、电子设备和存储介质 |
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 |