CN111199426A - 一种基于随机森林模型的微信公众号roi预估方法及装置 - Google Patents
一种基于随机森林模型的微信公众号roi预估方法及装置 Download PDFInfo
- Publication number
- CN111199426A CN111199426A CN201911409155.XA CN201911409155A CN111199426A CN 111199426 A CN111199426 A CN 111199426A CN 201911409155 A CN201911409155 A CN 201911409155A CN 111199426 A CN111199426 A CN 111199426A
- Authority
- CN
- China
- Prior art keywords
- wechat public
- types
- roi
- numbers
- random forest
- 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
- 238000007637 random forest analysis Methods 0.000 title claims abstract description 47
- 238000000034 method Methods 0.000 title claims abstract description 22
- 230000008451 emotion Effects 0.000 claims description 32
- 230000000694 effects Effects 0.000 claims description 23
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification 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
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0241—Advertisements
- G06Q30/0251—Targeted advertisements
- G06Q30/0255—Targeted advertisements based on user history
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/35—Clustering; Classification
- G06F16/355—Class or cluster creation or modification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/24323—Tree-organised classifiers
-
- 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0241—Advertisements
- G06Q30/0277—Online advertisement
-
- 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—Information and communication technology [ICT] specially adapted for implementation of business processes of 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
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Finance (AREA)
- General Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Game Theory and Decision Science (AREA)
- Data Mining & Analysis (AREA)
- Entrepreneurship & Innovation (AREA)
- Human Resources & Organizations (AREA)
- General Engineering & Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Quality & Reliability (AREA)
- Databases & Information Systems (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Operations Research (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明适用于微信公众号广告投放技术领域,提供了一种基于随机森林模型的微信公众号ROI预估方法及装置,通过依次分别提取多个微信公众号的用户活跃数据和文本数据,将文本数据与预设文本词库相比较,以获取文本数据是否为广告、情感是否积极的特征信息,将用户活跃数据、特征信息和其对应微信公众号的ROI是否高于预设值的特征信息输入到随机森林模型,从而训练随机森林模型,预估时,输入待预测公众号的特征信息到训练完成的随机森林模型,输出ROI符合预设要求的概率值,从而能够为广告投放提供数据上的参考,智能化的规避不好的投放任务。
Description
技术领域
本发明属于微信公众号广告投放技术领域,尤其涉及一种基于随机森林模型的微信公众号ROI预估方法及装置。
背景技术
微信公众平台主要面向名人、政府、媒体、企业等机构推出的合作推广业务。在这里可以通过渠道将品牌推广给线上平台作用。在微信公众号上进行广告推广是一种常见的广告推广方式。
但是企业在进行广告投放时需要考虑的投资回报率,投资回报率是指通过投资而应返回的价值,即企业从一项投资活动中得到的经济回报,因此需要一种能够对微信公众号进行投资回报估计的技术。
发明内容
本发明提供一种基于随机森林模型的微信公众号ROI预估方法及装置,旨在解决不能对微信公众号的投资回报率进行预估的问题。
本发明是这样实现的,一种基于随机森林模型的微信公众号ROI预估方法及装置,包括以下步骤:
S1、分别提取多个微信公众号的用户活跃数据和文本数据;
S2、将所述文本数据与预设文本词库相比较,以获取文本数据是否为广告、情感是否积极的特征信息;
S3、将所述用户活跃数据、步骤S2获得的所述特征信息输入和其对应微信公众号的ROI是否高于预设值的特征信息到所述随机森林,从而训练所述随机森林模型;
S4、预估时,输入待预测公众号的特征信息到训练完成的随机森林模型,输出ROI符合预设要求的概率值。
优选的,所述用户活跃数据包括阅读数、点赞数和留言数。
优选的,所述文本词库包括积极情感词库、消极情感词库和广告词库。
优选的,步骤S3中,所述训练所述随机森林模型具体为:
根据所述阅读数是否高于预设阅读数,将多个微信公众号分为A1类和A2类;
根据所述点赞数是否高于预设点赞数,将多个微信公众号分为B1类和B2类;
根据比较所述文本信息中的积极情感词的数量是否高于消极情感词的数量,将多个微信公众号分为C1类和C2类;
根据所述文本信息中广告词是否多于预设数量,将多个微信公众号分为D1类和D2类;
根据微信公众号的ROI是否高于预设值,将多个微信公众号分为E1类和E2类,同时检测E1类或E2类中的微信公众号在分别满足A1类、A2类、B1类、B2类、C1类、C2类、D1类和D2类中任意1~8种条件的比例是否高于50%;
当E1类公众号高于50%时,将ROI高于预设值作为输入待测试公众号的用户活跃数据和文本数据时的满足对应条件时ROI输出结果;
当E2类公众号高于50%时,将ROI低于预设值作为输入待测试公众号的用户活跃数据和文本数据时的满足对应条件时ROI输出结果。
优选的,步骤S3中,所述预设值为2。
本发明的一种基于随机森林模型的微信公众号ROI预估装置,包括:
数据采集模块,其用于分别提取多个微信公众号的用户活跃数据和文本数据;
数据处理模块,其用于将所述文本数据与预设文本词库相比较,以获取文本数据是否为广告、情感是否积极的特征信息;
随机森林预估模型,其用于通过将所述用户活跃数据、所述特征信息和其对应微信公众号的ROI是否高于预设值的特征信息输入到所述随机森林模型进行模型训练,并且在训练完成后对待预估微信公众号进行ROI是否高于预设值的预估结果。
优选的,所述用户活跃数据包括阅读数、点赞数和留言数。
优选的,所述文本词库包括积极情感词库、消极情感词库和广告词库。
优选的,所述训练所述随机森林模型具体为:
根据所述阅读数是否高于预设阅读数,将多个微信公众号分为A1类和A2类;
根据所述点赞数是否高于预设点赞数,将多个微信公众号分为B1类和B2类;
根据比较所述文本信息中的积极情感词的数量是否高于消极情感词的数量,将多个微信公众号分为C1类和C2类;
根据所述文本信息中广告词是否多于预设数量,将多个微信公众号分为D1类和D2类;
根据微信公众号的ROI是否高于预设值,将多个微信公众号分为E1类和E2类,同时检测E1类中的微信公众号在分别满足A1类、A2类、B1类、B2类、C1类、C2类、D1类和D2类中任意1~8种条件的百分比,并将其作为输入待测试公众号的用户活跃数据和文本数据时的满足对应条件时ROI输出结果。
优选的,所述预设值为2。
与现有技术相比,本发明的有益效果是:本发明的一种基于随机森林模型的微信公众号ROI预估方法及装置,通过依次分别提取多个微信公众号的用户活跃数据和文本数据,将文本数据与预设文本词库相比较,以获取文本数据是否为广告、情感是否积极的特征信息,将用户活跃数据、特征信息和其对应微信公众号的ROI是否高于预设值的特征信息输入到随机森林模型,从而训练随机森林模型,预估时,输入待预测公众号的特征信息到训练完成的随机森林模型,输出ROI符合预设要求的概率值,从而能够为广告投放提供数据上的参考,智能化的规避不好的投放任务。
附图说明
图1为本发明的一种基于随机森林模型的微信公众号ROI预估方法的流程示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
请参阅图1,本发明提供一种技术方案:一种基于随机森林模型的微信公众号ROI预估方法及装置,微信公众号ROI预估方法,其特征在于:包括以下步骤:
S1、分别提取多个微信公众号的用户活跃数据和文本数据。用户活跃数据包括阅读数、点赞数和留言数,文本词库包括积极情感词库、消极情感词库和广告词库。
S2、将文本数据与预设文本词库相比较,以获取文本数据是否为广告、情感是否积极的特征信息。
S3、将用户活跃数据、步骤S2获得的特征信息输入和其对应微信公众号的ROI是否高于2的特征信息到随机森林模型,从而训练随机森林模型。
根据阅读数是否高于预设阅读数,将多个微信公众号分为A1类和A2类。
根据点赞数是否高于预设点赞数,将多个微信公众号分为B1类和B2类。
根据比较文本信息中的积极情感词的数量是否高于消极情感词的数量,将多个微信公众号分为C1类和C2类。
根据文本信息中广告词是否多于预设数量,将多个微信公众号分为D1类和D2类。
根据微信公众号的ROI是否高于预设值2,将多个微信公众号分为E1类和E2类,同时检测E1类中的微信公众号在分别满足A1类、A2类、B1类、B2类、C1类、C2类、D1类和D2类中任意1~8种条件的百分比,并将其作为输入待测试公众号的用户活跃数据和文本数据时的满足对应条件时ROI输出结果。
S4、预估时,输入待预测公众号的特征信息到训练完成的随机森林模型,输出ROI符合预设要求的概率值。
本发明的一种基于随机森林模型的微信公众号ROI预估装置包括:数据采集模块、数据处理模块和随机森林预估模型。
数据采集模块用于分别提取多个微信公众号的用户活跃数据和文本数据。用户活跃数据包括阅读数、点赞数和留言数。文本词库包括积极情感词库、消极情感词库和广告词库。
数据处理模块用于将文本数据与预设文本词库相比较,以获取文本数据是否为广告、情感是否积极的特征信息。
随机森林预估模型用于通过将用户活跃数据、特征信息和其对应微信公众号的ROI是否高于预设值的特征信息输入到随机森林进行模型训练。根据阅读数是否高于预设阅读数,将多个微信公众号分为A1类和A2类。根据点赞数是否高于预设点赞数,将多个微信公众号分为B1类和B2类。根据比较文本信息中的积极情感词的数量是否高于消极情感词的数量,将多个微信公众号分为C1类和C2类。根据文本信息中广告词是否多于预设数量,将多个微信公众号分为D1类和D2类。根据微信公众号的ROI是否高于预设值2,将多个微信公众号分为E1类和E2类,同时检测E1类中的微信公众号在分别满足A1类、A2类、B1类、B2类、C1类、C2类、D1类和D2类中任意1~8种条件的百分比,并将其作为输入待测试公众号的用户活跃数据和文本数据时的满足对应条件时ROI输出结果。并且在训练完成后对待预估微信公众号进行ROI是否高于预设值的概率。
本发明的一种基于随机森林模型的微信公众号ROI预估方法及装置,通过依次分别提取多个微信公众号的用户活跃数据和文本数据,将文本数据与预设文本词库相比较,以获取文本数据是否为广告、情感是否积极的特征信息,将用户活跃数据、特征信息和其对应微信公众号的ROI是否高于预设值的特征信息输入到随机森林模型,从而训练随机森林模型,预估时,输入待预测公众号的特征信息到训练完成的随机森林模型,输出ROI符合预设要求的概率值,从而能够为广告投放提供数据上的参考,智能化的规避不好的投放任务。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于随机森林模型的微信公众号ROI预估方法,其特征在于:包括以下步骤:
S1、分别提取多个微信公众号的用户活跃数据和文本数据;
S2、将所述文本数据与预设文本词库相比较,以获取文本数据是否为广告、情感是否积极的特征信息;
S3、将所述用户活跃数据、步骤S2获得的所述特征信息输入和其对应微信公众号的ROI是否高于预设值的特征信息到所述随机森林,从而训练所述随机森林模型;
S4、预估时,输入待预测公众号的特征信息到训练完成的随机森林模型,输出ROI符合预设要求的概率值。
2.如权利要求1所述的一种基于随机森林模型的微信公众号ROI预估方法,其特征在于:所述用户活跃数据包括阅读数、点赞数和留言数。
3.如权利要求2所述的一种基于随机森林模型的微信公众号ROI预估方法,其特征在于:所述文本词库包括积极情感词库、消极情感词库和广告词库。
4.如权利要求3所述的一种基于随机森林模型的微信公众号ROI预估方法,其特征在于:步骤S3中,所述训练所述随机森林模型具体为:
根据所述阅读数是否高于预设阅读数,将多个微信公众号分为A1类和A2类;
根据所述点赞数是否高于预设点赞数,将多个微信公众号分为B1类和B2类;
根据比较所述文本信息中的积极情感词的数量是否高于消极情感词的数量,将多个微信公众号分为C1类和C2类;
根据所述文本信息中广告词是否多于预设数量,将多个微信公众号分为D1类和D2类;
根据微信公众号的ROI是否高于预设值,将多个微信公众号分为E1类和E2类,同时检测E1类或E2类中的微信公众号在分别满足A1类、A2类、B1类、B2类、C1类、C2类、D1类和D2类中任意1~8种条件的比例是否高于50%;
当E1类公众号高于50%时,将ROI高于预设值作为输入待测试公众号的用户活跃数据和文本数据时的满足对应条件时ROI输出结果;
当E2类公众号高于50%时,将ROI低于预设值作为输入待测试公众号的用户活跃数据和文本数据时的满足对应条件时ROI输出结果。
5.如权利要求1所述的一种基于随机森林模型的微信公众号ROI预估方法及装置,其特征在于:步骤S3中,所述预设值为2。
6.一种基于随机森林模型的微信公众号ROI预估装置,其特征在于:包括:
数据采集模块,其用于分别提取多个微信公众号的用户活跃数据和文本数据;
数据处理模块,其用于将所述文本数据与预设文本词库相比较,以获取文本数据是否为广告、情感是否积极的特征信息;
随机森林预估模型,其用于通过将所述用户活跃数据、步骤S2获得的所述特征信息输入和其对应微信公众号的ROI是否高于预设值的特征信息到所述随机森林模型进行模型训练,并且在训练完成后对待预估微信公众号进行ROI是否高于预设值的预估结果。
7.如权利要求6所述的一种基于随机森林模型的微信公众号ROI预估装置,其特征在于:所述用户活跃数据包括阅读数、点赞数和留言数。
8.如权利要求7所述的一种基于随机森林模型的微信公众号ROI预估装置,其特征在于:所述文本词库包括积极情感词库、消极情感词库和广告词库。
9.如权利要求8所述的一种基于随机森林模型的微信公众号ROI预估装置,其特征在于:所述训练所述随机森林模型具体为:
根据所述阅读数是否高于预设阅读数,将多个微信公众号分为A1类和A2类;
根据所述点赞数是否高于预设点赞数,将多个微信公众号分为B1类和B2类;
根据比较所述文本信息中的积极情感词的数量是否高于消极情感词的数量,将多个微信公众号分为C1类和C2类;
根据所述文本信息中广告词是否多于预设数量,将多个微信公众号分为D1类和D2类;
根据微信公众号的ROI是否高于预设值,将多个微信公众号分为E1类和E2类,同时检测E1类中的微信公众号在分别满足A1类、A2类、B1类、B2类、C1类、C2类、D1类和D2类中任意1~8种条件的百分比,并将其作为输入待测试公众号的用户活跃数据和文本数据时的满足对应条件时ROI输出结果。
10.如权利要求6所述的一种基于随机森林模型的微信公众号ROI预估装置,其特征在于:所述预设值为2。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911409155.XA CN111199426B (zh) | 2019-12-31 | 2019-12-31 | 一种基于随机森林模型的微信公众号roi预估方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911409155.XA CN111199426B (zh) | 2019-12-31 | 2019-12-31 | 一种基于随机森林模型的微信公众号roi预估方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111199426A true CN111199426A (zh) | 2020-05-26 |
CN111199426B CN111199426B (zh) | 2023-09-12 |
Family
ID=70746224
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911409155.XA Active CN111199426B (zh) | 2019-12-31 | 2019-12-31 | 一种基于随机森林模型的微信公众号roi预估方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111199426B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113240479A (zh) * | 2021-07-13 | 2021-08-10 | 武汉卓尔数字传媒科技有限公司 | 一种用户分析方法、装置及电子设备 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103049804A (zh) * | 2013-01-15 | 2013-04-17 | 西安交通大学 | 一种基于量子力学和社交网络的股票价格趋势预测方法 |
US8732015B1 (en) * | 2013-05-30 | 2014-05-20 | Unified Social, Inc. | Social media pricing engine |
KR20140126052A (ko) * | 2013-04-22 | 2014-10-30 | (주) 리얼로거코리아 | 마케팅 종합 포털 시스템 및 이를 이용한 마케팅 제공 방법 |
US20140330638A1 (en) * | 2013-05-02 | 2014-11-06 | Go Daddy Operating Company, LLC | System and method for management of marketing allocations using a return on investment metric |
US20150294254A1 (en) * | 2014-04-10 | 2015-10-15 | International Business Machines Corporation | Dynamic and intelligent multi-triggered item revalidation based on projected return on investment |
CN105183717A (zh) * | 2015-09-23 | 2015-12-23 | 东南大学 | 一种基于随机森林和用户关系的osn用户情感分析方法 |
CN106022849A (zh) * | 2016-07-11 | 2016-10-12 | 互动派科技股份有限公司 | 一种新媒体价值与效果评估方法和系统 |
US20170345035A1 (en) * | 2016-05-31 | 2017-11-30 | Linkedin Corporation | Machine learning for determining products to upsell or cross-sell |
JP2018156139A (ja) * | 2017-03-15 | 2018-10-04 | 株式会社博報堂 | 情報処理システム及び情報処理方法 |
CN109934260A (zh) * | 2019-01-31 | 2019-06-25 | 中国科学院信息工程研究所 | 基于随机森林的图文数据融合情感分类方法和装置 |
CN110059852A (zh) * | 2019-03-11 | 2019-07-26 | 杭州电子科技大学 | 一种基于改进随机森林算法的股票收益率预测方法 |
CN110322263A (zh) * | 2018-03-30 | 2019-10-11 | 香港纺织及成衣研发中心有限公司 | 基于机器学习的服装销售的预测方法和预测装置 |
-
2019
- 2019-12-31 CN CN201911409155.XA patent/CN111199426B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103049804A (zh) * | 2013-01-15 | 2013-04-17 | 西安交通大学 | 一种基于量子力学和社交网络的股票价格趋势预测方法 |
KR20140126052A (ko) * | 2013-04-22 | 2014-10-30 | (주) 리얼로거코리아 | 마케팅 종합 포털 시스템 및 이를 이용한 마케팅 제공 방법 |
US20140330638A1 (en) * | 2013-05-02 | 2014-11-06 | Go Daddy Operating Company, LLC | System and method for management of marketing allocations using a return on investment metric |
US8732015B1 (en) * | 2013-05-30 | 2014-05-20 | Unified Social, Inc. | Social media pricing engine |
US20150294254A1 (en) * | 2014-04-10 | 2015-10-15 | International Business Machines Corporation | Dynamic and intelligent multi-triggered item revalidation based on projected return on investment |
CN105183717A (zh) * | 2015-09-23 | 2015-12-23 | 东南大学 | 一种基于随机森林和用户关系的osn用户情感分析方法 |
US20170345035A1 (en) * | 2016-05-31 | 2017-11-30 | Linkedin Corporation | Machine learning for determining products to upsell or cross-sell |
CN106022849A (zh) * | 2016-07-11 | 2016-10-12 | 互动派科技股份有限公司 | 一种新媒体价值与效果评估方法和系统 |
JP2018156139A (ja) * | 2017-03-15 | 2018-10-04 | 株式会社博報堂 | 情報処理システム及び情報処理方法 |
CN110322263A (zh) * | 2018-03-30 | 2019-10-11 | 香港纺织及成衣研发中心有限公司 | 基于机器学习的服装销售的预测方法和预测装置 |
CN109934260A (zh) * | 2019-01-31 | 2019-06-25 | 中国科学院信息工程研究所 | 基于随机森林的图文数据融合情感分类方法和装置 |
CN110059852A (zh) * | 2019-03-11 | 2019-07-26 | 杭州电子科技大学 | 一种基于改进随机森林算法的股票收益率预测方法 |
Non-Patent Citations (2)
Title |
---|
周悦: "微信公众号文章热度的预测与应用", pages 27 - 48 * |
赵杨,等: "基于机器学习混合算法的APP广告转化率预测研究", 《数据分析与知识发现》, pages 2 - 8 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113240479A (zh) * | 2021-07-13 | 2021-08-10 | 武汉卓尔数字传媒科技有限公司 | 一种用户分析方法、装置及电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN111199426B (zh) | 2023-09-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11397778B2 (en) | Method and device for mining an enterprise relationship | |
WO2018032937A1 (zh) | 一种文本信息分类方法及其装置 | |
WO2019153612A1 (zh) | 问答数据处理方法、电子装置及存储介质 | |
CN111125354A (zh) | 文本分类方法及装置 | |
CN107908715A (zh) | 基于Adaboost和分类器加权融合的微博情感极性判别方法 | |
CN105657129A (zh) | 通话信息获取方法和装置 | |
CN107864301A (zh) | 客户标签管理方法、系统、计算机设备及存储介质 | |
CN114936727A (zh) | 一种工单派发系统、方法及计算机设备 | |
CN110225210A (zh) | 基于通话摘要自动填写工单方法及系统 | |
CN110955690A (zh) | 一种基于大数据技术的自助数据标签平台及自助数据标签方法 | |
CN112951233A (zh) | 语音问答方法、装置、电子设备及可读存储介质 | |
CN113722483A (zh) | 话题分类方法、装置、设备及存储介质 | |
CN110046648A (zh) | 基于至少一个业务分类模型进行业务分类的方法及装置 | |
CN113064994A (zh) | 会议质量评估方法、装置、设备及存储介质 | |
CN112434501A (zh) | 工单智能生成的方法、装置、电子设备及介质 | |
CN110765776A (zh) | 回访标注样本数据的生成方法及装置 | |
CN110119353A (zh) | 测试数据生成方法、装置以及控制器和介质 | |
CN111274390B (zh) | 一种基于对话数据的情感原因确定方法及装置 | |
CN113297365B (zh) | 一种用户意向判定方法、装置、设备及存储介质 | |
CN111199426A (zh) | 一种基于随机森林模型的微信公众号roi预估方法及装置 | |
CN112395885B (zh) | 短文本语义理解模板生成方法、语义理解处理方法及装置 | |
CN111640025B (zh) | 基于标签体系实现资讯标签化处理的方法 | |
CN113205814A (zh) | 语音数据标注方法、装置、电子设备及存储介质 | |
CN112784585A (zh) | 金融公告的摘要提取方法与摘要提取终端 | |
CN109165295B (zh) | 一种智能简历评估方法 |
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 |