CN111506775A - 标签处理方法、装置、电子设备及可读存储介质 - Google Patents

标签处理方法、装置、电子设备及可读存储介质 Download PDF

Info

Publication number
CN111506775A
CN111506775A CN201910087998.6A CN201910087998A CN111506775A CN 111506775 A CN111506775 A CN 111506775A CN 201910087998 A CN201910087998 A CN 201910087998A CN 111506775 A CN111506775 A CN 111506775A
Authority
CN
China
Prior art keywords
label
tag
composite
initial
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.)
Granted
Application number
CN201910087998.6A
Other languages
English (en)
Other versions
CN111506775B (zh
Inventor
付红玉
耿宪君
郑新林
代伟超
钱汉栋
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.)
Alibaba Group Holding Ltd
Original Assignee
Alibaba Group Holding 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 Alibaba Group Holding Ltd filed Critical Alibaba Group Holding Ltd
Priority to CN201910087998.6A priority Critical patent/CN111506775B/zh
Publication of CN111506775A publication Critical patent/CN111506775A/zh
Application granted granted Critical
Publication of CN111506775B publication Critical patent/CN111506775B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/80Information retrieval; Database structures therefor; File system structures therefor of semi-structured data, e.g. markup language structured data such as SGML, XML or HTML
    • G06F16/81Indexing, e.g. XML tags; Data structures therefor; Storage structures

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Software Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • User Interface Of Digital Computer (AREA)

Abstract

本发明公开了一种标签处理方法、装置、电子设备及可读存储介质。该方法包括:展示可供选择的多个初始标签;接收标签选择操作;根据被选择的初始标签,生成对应的复合标签;当复合标签被使用时,获取与复合标签对应的目标对象数据,以展示目标对象数据。

Description

标签处理方法、装置、电子设备及可读存储介质
技术领域
本发明涉及数据处理技术领域,更具体地,涉及一种标签处理方法、装置、电子设备及可读存储介质。
背景技术
标签(tag)通常用于标识某类对象的某个特定的属性,该对象可以是实体或者实体之间的关系。在公安、金融、地产等目标人群数量多、信息源多、信息量大的行业中,通常需使用大量的标签,将用户关注的特征人群从海量的人员中精准定位出来,进行终点跟踪或者针对特征人群制定对应的行为应用。
目前在生成需要使用的标签时,需要根据标签具体对应的对象进行数据开发,筛选与标签对应的对象相关的具体数据,存储在对应生成的临时表中,以供用户具体使用生成的标签时读取。例如,当生成一个“年龄在X岁以上的男性”的标签时,需要开发对应的标签代码,基于该标签代码在对应的人员数据库中进行筛选,将筛选出的与符合该标签的人员的具体数据存储在对应的数据表中,供用户使用该标签时读取。
但是,基于上述的标签生成方式,在大量使用标签的应用场景中,会对应生成大量的数据表,导致数据库中出现大量的冗余,并且每生成一个新标签时,就需要对该新标签进行数据开发,带来较高的标签开发成本,降低标签的使用效率,无法满足在应用场景中灵活使用标签的实际需求。
发明内容
本发明的一个目的是提供一种用于处理标签的新技术方案。
根据本发明的第一方面,提供了一种标签处理方法,其中,包括:
展示可供选择的多个初始标签;
接收标签选择操作;
根据被选择的所述初始标签,生成对应的复合标签;
当所述复合标签被使用时获取与所述复合标签对应的目标对象数据,以展示所述目标对象数据。
可选地,所述接收标签选择操作的步骤还包括:
设置被所述标签选择操作选择的所述初始标签为被选择状态。
可选地,所述根据被选择的所述初始标签,生成对应的复合标签的步骤包括:
基于所接收的标签生成逻辑,根据所述被选择的所述初始标签,生成对应的复合标签,并保存与所述复合标签对应的标签生成逻辑。可选地,所述设置被所述标签选择操作选择的所述初始标签为被选择状态的步骤包括:
通过在预设的界面区域中,展示被所述标签选择操作选择的所述初始标签,实现设置被所述标签选择操作选择的所述初始标签为被选择状态;
其中,所述标签选择操作是将被展示的所述初始标签移动到所述预设的界面区域中的操作。
可选地,所述标签生成逻辑包括根据对应的所述初始标签生成所述复合标签的运算逻辑关系;
所述当所述复合标签被使用时,获取与所述复合标签对应的目标对象数据的步骤包括:
从对象数据库中,获取与生成所述复合标签的所述初始标签对应的对象数据;
根据所述运算逻辑关系,对与生成所述复合标签的所述初始标签对应的对象数据进行运算处理,获取所述目标对象数据。
可选地,所述展示所述目标对象数据的步骤包括:
根据与所述目标对象数据对应的展示配置信息,从预设的图表格式库中选取目标图表格式;
其中,所述展示配置信息至少包括展示所述目标对象数据时使用的数据项;所述预设的图表格式库中包括多个图表格式,每个图表格式至少包括展示数据使用的图表类型以及可供用户配置的数据分析配置项;
根据所述目标图表格式以及所述展示配置信息,展示所述目标对象数据。
可选地,所述方法还包括:
从多个候选处理资源中,选取用于实施所述标签处理方法的目标处理资源;
和/或,
根据所接收的标签设置操作,将所述复合标签设置为可被调用的应用接口进行发布。
可选地,所述方法还包括:
根据所接收的标签搜索操作,获取与所述标签搜索操作对应的目标标签,提供给用户使用;
其中,每个所述目标标签是所述初始标签或所述复合标签。
可选地,所述方法还包括:
获取推荐给目标用户使用的推荐标签,并展示所述推荐标签,提供给所述目标用户从所述推荐标签中选择目标标签进行使用;
其中,每个所述推荐标签是所述初始标签或所述复合标签。
可选地,所述获取推荐给目标用户使用的推荐标签的步骤包括:
根据目标用户的历史标签使用数据,获取每个候选标签的标签向量以及每个种子标签的标签向量;
其中,所述种子标签是所述标签的历史使用总量大于预设的使用总量阈值的所述标签;所述标签向量是根据所述标签的标签特征的取值以及与所述标签特征对应的特征权重确定的向量;所述标签特征至少包括标签使用总量、标签使用频率、标签使用对象、标签类型、标签使用时间其中之一;所述标签特征的取值根据所述历史标签使用数据确定;
根据每个所述候选标签的标签向量以及每个所述种子标签的标签向量,分别获取每个所述候选标签与每个所述种子标签的向量距离;
根据每个所述候选标签分别与每个所述种子标签的向量距离,选取符合预设的推荐标签条件的所述候选标签,作为所述推荐标签。
可选地,所述获取推荐给目标用户使用的推荐标签的步骤包括:
根据目标用户的历史标签使用数据,获取每个候选标签的标签向量;
其中,所述标签向量是根据所述标签的标签特征的取值以及与所述标签特征对应的特征权重确定的向量;所述标签特征至少包括标签使用总量、标签使用频率、标签使用对象、标签类型、标签创建时间其中之一;所述标签特征的取值根据所述历史标签使用数据确定;
分别根据每个所述候选标签的标签向量,基于标签推荐模型获取每个所述候选标签的推荐指数;
其中,所述标签推荐模型是根据预设的训练时段内获取的多个训练样本训练得到的机器学习模型,每个所述训练样本包括一个所述标签的所述标签向量以及所述标签的实际使用指数;
选取所述推荐指数的降序排序次序在预设的排序范围内的所述候选标签,作为所述推荐标签。
根据本发明的第二方面,提供一种标签处理装置,其中,包括:
展示单元,用于展示可供用户选择的多个初始标签;
选择单元,用于接收标签选择操作;
生成单元,用于根据被选择的所述初始标签,生成对应的复合标签;
处理单元,用于当所述复合标签被使用时,获取与所述复合标签对应的目标对象数据,以展示所述目标对象数据。
根据本发明的第三方面,提供一种电子设备,其中,包括:
存储器,用于存储可执行的指令;
处理器,用于根据所述可执行的指令的控制,运行所述电子设备执行如本发明的第一方面所述的标签处理方法。
根据本发明的第四方面,提供一种可读存储介质,其中,所述可读存储介质存储有可被计算机读取并运行的计算机程序,所述计算机程序用于在被所述计算机运行时,执行如本发明的第一方面所述的标签处理方法。
根据本公开的一个实施例,通过展示初始标签供用户通过简单的操作进行选择,根据用户选择的初始标签生成新的复合标签,在复合标签被使用时,实时获取与复合标签对应的对象数据进行展示,无需用户对生成的新标签进行数据开发,实现标签生成的去代码化,简单、便捷地生成标签,并且在生成标签过程中无需保存对应的大量数据表,有效避免出现存储冗余,相应提高标签使用效率,以便满足在各种应用场景中灵活使用标签的实际需求。
通过以下参照附图对本发明的示例性实施例的详细描述,本发明的其它特征及其优点将会变得清楚。
附图说明
被结合在说明书中并构成说明书的一部分的附图示出了本发明的实施例,并且连同其说明一起用于解释本发明的原理。
图1是显示可用于实现本发明的实施例的电子设备的硬件配置的例子的框图。
图2示出了本发明的实施例的标签处理方法的流程图。
图3示出了本发明的实施例的初始标签的例子的示意图。
图4示出了本发明的实施例的选择初始标签的例子的示意图。
图5示出了本发明的实施例的生成复合标签的例子的示意图。
图6示出了本发明的实施例的复合标签生成新的复合标签的例子的示意图。
图7示出了本发明的实施例的展示对象数据的例子的示意图。
图8示出了本发明的实施例的搜索、推荐标签的例子的示意图。
图9示出了本发明的实施例的复合标签生成新的复合标签并被搜索使用的例子的示意图。
图10示出了本发明的实施例的标签处理装置3000的框图。
图11示出了本发明的实施例的电子设备4000的框图。
具体实施方式
现在将参照附图来详细描述本发明的各种示例性实施例。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发明的范围。
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,决不作为对本发明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。
在这里示出和讨论的所有例子中,任何具体值应被解释为仅仅是示例性的,而不是作为限制。因此,示例性实施例的其它例子可以具有不同的值。
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。
<硬件配置>
图1是示出可以实现本发明的实施例的电子设备1000的硬件配置的框图。
电子设备1000可以是便携式电脑、台式计算机、手机、平板电脑等。如图1所示,电子设备1000可以包括处理器1100、存储器1200、接口装置1300、通信装置1400、显示装置1500、输入装置1600、扬声器1700、麦克风1800等等。其中,处理器1100可以是中央处理器CPU、微处理器MCU等。存储器1200例如包括ROM(只读存储器)、RAM(随机存取存储器)、诸如硬盘的非易失性存储器等。接口装置1300例如包括USB接口、耳机接口等。通信装置1400例如能够进行有线或无线通信,具体地可以包括Wifi通信、蓝牙通信、2G/3G/4G/5G通信等。显示装置1500例如是液晶显示屏、触摸显示屏等。输入装置1600例如可以包括触摸屏、键盘、体感输入等。用户可以通过扬声器1700和麦克风1800输入/输出语音信息。
图1所示的电子设备仅仅是说明性的并且决不意味着对本发明、其应用或使用的任何限制。应用于本发明的实施例中,电子设备1000的所述存储器1200用于存储指令,所述指令用于控制所述处理器1100进行操作以执行本发明实施例提供的任意一项标签处理方法。本领域技术人员应当理解,尽管在图1中对电子设备1000示出了多个装置,但是,本发明可以仅涉及其中的部分装置,例如,电子设备1000只涉及处理器1100和存储装置1200。技术人员可以根据本发明所公开方案设计指令。指令如何控制处理器进行操作,这是本领域公知,故在此不再详细描述。
<实施例>
<方法>
在本实施例中,提供一种标签处理方法。标签通常用于标识某类对象的某个特定的属性。该对象可以是实体或者实体之间的关系,实体可以是物品、人群等。
如图2所示,标签处理方法包括:步骤S2100-S2400。
步骤S2100,展示可供用户选择的多个初始标签。
在本实施例中,标签可以别分为初始标签以及复合标签。初始标签是作为用于生成复合标签的基本元素的标签。复合标签是由两个或两个以上的初始标签生成的标签。初始标签可以包括支持实施本实施例的标签处理方法的标签系统中缺省设置的标签或者用户自定义的标签,初始标签还可以包括复合标签等。例如,用户自定义的复合标签也可以作为初始标签生成其他的复合标签。在本实施例中,初始标签可以被展示给用户以供选择,便于在后续步骤中,用户通过标签选择操作,选择期望用于生成复合标签的初始标签。
具体地,可以通过实施本实施例的电子设备的显示装置提供的用于进行人机交互的应用界面,来展示可供用户选择的多个初始标签。例如,可以如图3所示,可以在应用界面的区域1中展示可以用于生成复合标签的初始标签:“产品产量”、“实际产量”以及“产品价格”等。
在本实施例中,通过展示初始标签供用户选择,可以结合后续步骤,根据用户选择的初始标签以及配置的标签生成逻辑来生成新的复合标签,实现无需用户对生成的新标签进行数据开发,简单、便捷地生成标签,相应提高标签使用效率,满足在各种应用场景中灵活使用标签的实际需求。
步骤S2200,接收标签选择操作。
标签选择操作是用户对展示的初始标签实施的选择操作。标签选择操作的具体的操作内容可以根据具体的应用需求或者应用场景设置。例如,标签选择操作可以是对被展示的初始标签的点击操作、勾选操作、移动操作等。
在一个例子中,接收标签选择操作的步骤还包括:
设置被标签选择操作选择的初始标签为被选择状态。
将被标签选择操作选择的初始标签,设置为被选择状态,可以令用户直观地查看确认自身选择的、准备用于生成复合标签的初始标签,给予用户可视化操作体验。例如,设置被标签选择操作选择的所述初始标签为被选择状态的步骤可以包括:
通过在预设的界面区域中,展示被标签选择操作选择的初始标签,实现设置被标签选择操作选择的初始标签为被选择状态。
标签选择操作是将被展示的初始标签移动到预设的界面区域中的操作。具体的,标签选择操作可以是用户实施的拖动、拉动、拽动初始标签到预设的界面区域的操作。例如,如图3所示,可以通过提示信息,引导用户将应用界面的左侧区域中显示的初始标签,拖动到作为预设的界面区域的“选择实体/关系”区域中,实现对应的标签选择操作。
该预设的界面区域是接收用户操作进行人机交互的应用界面中,根据具体的显示需求或者显示场景设置的界面区域。例如,如图4所示,在应用界面的右侧显示的“选择实体/关系”对应的界面区域中显示被用户操作选择的初始标签:“产品产量”、“实际产量”等。
在本实施例中,通过对用户选择的初始标签设置为可选择状态,可以令用户直观确认自身选择用于生成新的复合标签的初始标签,以结合后续步骤,根据用户选择的初始标签以及配置的标签生成逻辑来生成新的复合标签,无需用户对生成的新标签进行数据开发,实现标签生成的去代码化,简单、便捷地生成标签,相应提高标签使用效率,以便满足在各种应用场景中灵活使用标签的实际需求。
步骤S2300,根据被选择的初始标签,生成对应的复合标签。
根据被选择的初始标签生成对应的复合标签,可以令用户基于可视化操作,简单、便捷地生成标签。
在一个例子中,根据被选择的初始标签生成对应的复合标签的步骤可以包括:
基于所接收的标签生成操作设置的标签生成逻辑,根据所述被选择的所述初始标签,生成对应的复合标签,并保存与所述复合标签对应的标签生成逻辑。
标签生成操作是用户实施的、触发根据选择的初始标签生成期望的复合标签的操作。标签生成操作用于设置由初始标签生成复合标签的标签生成逻辑。标签生成逻辑是根据初始标签生成复合标签的逻辑关系,例如,标签生成逻辑可以包括根据对应的所述初始标签生成所述复合标签的运算逻辑关系。该运算逻辑关系可以包括加、减、乘、除、交集、并集、子集、补集等。
标签生成操作可以根据具体的应用场景或者应用需求设置,例如,标签生成操作可以是对选择框中展示的可设置的标签生成逻辑的选择确认操作、或者可以是在预设的输入框中对具体的标签生成逻辑的设置输入操作等。比如,如图5所示,对于用户选择的初始标签“产品产量”、“实际产量”,通过标签生成操作配置标签生成逻辑是“减去”,生成对应的复合标签“产品量差”。又比如,如图6所示,用户选择由复合标签“高学历女性”以及“高学历未婚女性”作为初始标签,通过标签生成操作配置标签生成逻辑是“交集”,可以生成对应的新的复合标签。在本例中,根据用户选择的初始标签以及配置的标签生成逻辑来生成新的复合标签,仅保存生成新的复合标签的标签生成逻辑,而无需保存对应的大量数据表,可以避免对应用于存储数据的数据库中出现大量冗余,并且可以结合后续步骤,在生成的复合标签被使用时,根据复合标签的标签生成逻辑,实时获取与复合标签对应的对象数据进行展示,保证每次标签被使用时对应获取的对象数据都是最新的有效数据,提高标签使用的可靠性。
步骤S2400,当复合标签被使用时,获取与复合标签对应的目标对象数据,以展示目标对象数据。
在本实施例中,复合标签的使用可以包括该复合标签被用户搜索后获取、该复合标签被推荐给用户后被用户选择获取,或者,该复合标签被作为可被调用的应用接口进行发布后被其他应用系统调用等。
复合标签被使用时,从对应的对象数据库中获取对应的目标对象数据,实现标签标识某个对象的某个特定的属性的功能。具体的对象数据库根据复合标签的具体内容来决定,例如,一个复合标签是公安系统用于标记人员群体的属性的标签,对应的对象数据库就是公安系统中存储人员群体相关属性的数据库。
在复合标签被使用时,实时获取与复合标签对应的对象数据进行展示,保证每次标签被使用时对应获取的对象数据都是最新的有效数据,提高标签使用的可靠性。同时,无需保存与复合标签对应的大量数据表,可以避免对应用于存储数据的数据库中出现大量冗余。
在一个例子中,复合标签是由被选择的初始标签根据标签生成操作设置的标签生成逻辑生成的,标签生成逻辑包括根据对应的初始标签生成复合标签的运算逻辑关系。该运算逻辑关系可以包括加、减、乘、除、交集、并集、子集、补集等运算。对应地,当复合标签被使用时,获取与复合标签对应的目标对象数据的步骤可以包括:步骤S2410-S2420。
步骤S2410,从对象数据库中,获取与生成复合标签的初始标签对应的对象数据。
对象数据库是存储有生成复合标签的初始标签所对应的、对象的属性的数据库。从该对象数据库中,可以获取与初始标签对应的对象数据。
例如,假设对于一个“高学历未婚女性”的复合标签,是根据“高学历群体”和“未婚女性群体”两个初始标签生成的,可以从存储有整个群体的学历属性的对象数据库获取“高学历群体”这个初始标签对应的对象数据,从存储有整个女性群体的婚姻状态属性的对象数据库获取“未婚女性群体”这个初始标签对应的对象数据,当然,这两个对象数据库可以是同一个,即存储有整个群体的学历属性、性别属性、婚姻状态属性的对象数据库。
步骤S2420,根据运算逻辑关系,对与生成复合标签的初始标签对应的对象数据进行运算处理,获取目标对象数据。
例如,假设对于一个“高学历未婚女性”的复合标签,是根据“高学历群体”和“未婚女性群体”两个初始标签生成的,其中对应的标签生成逻辑包括的逻辑运算关系是交集运算,在获取与“高学历群体”对应的对象数据以及与“未婚女性群体”对应的对象数据,进行交集运算,得到“高学历未婚女性”这一目标对象数据。
在本实施例中,获取目标对象数据后进行展示,可以令用户直观观测数据进行分析、比对等。例如,展示所述目标对象数据的步骤可以包括:步骤S2401-S2402。
步骤S2401,根据与目标对象数据对应的展示配置信息,从预设的图表格式库中选取目标图表格式。
其中,展示配置信息至少包括展示目标对象数据时使用的数据项。该数据项可以包括数据分析维度。例如,如图7所示,显示配置信息可以包括数据分析维度“出生日期”、“职位名称”等。
数据项可以由用户根据具体的数据分析需求进行配置,例如,如图7所示,可以在应用界面上提供输入框,供用户输入数据分析维度“出生日期”、“职位名称”。
或者,该数据项也可以根据用户历史的标签历史使用数据,设置目标对象数据对应的复合标签的标签权重,结合该复合标签的使用频率,分别获取多个可使用的候选数据项的推荐指数,选取推荐指数降序排序在预设的排序范围的候选数据项,作为展示配置信息中的数据项,例如,如图7所示,也可以在应用界面上展示多个数据分析维度,由用户选择数据分析维度“出生日期”、“职位名称”。
预设的图表格式库中包括多个图表格式,每个图表格式至少包括展示数据使用的图表类型以及可供用户配置的数据分析配置项。例如,如图7所示,在群体出生日期图部分示出的方框处包括数据分析配置项“雇员编码”、“count”以及图标类型“柱状图”。
在本例中,预设的图表格式库可以基于轻量级数据交换格式JSON格式实现的、进行可视化图表构建的图表库,图标库中包括的图表格式可以根据用户的历史图表使用数据获取或者从网络可获取的图表数据抓取。基于预设的图表格式库,根据与目标对象数据对应的展示配置信息,可以根据当前使用复合标签的用户的历史标签使用数据和/或整体用户的历史标签使用数据,选取符合用户数据分析需求的图表格式,作为目标图表格式。例如,可以根据当前展示配置信息包括的数据项,在结合整体用户的历史标签使用数据反映的对应的数据项使用频率较高的图表格式中,再结合当前用户的历史标签使用数据反映的对图表格式的偏好,选取当前用户偏好程度最高的图表格式,作为目标图表格式。
当然,在具体实施时,也可以预先建立展示配置信息与目标图表格式的映射关系,在获取展示配置信息后,直接得到具有映射关系的图表格式作为目标图表格式。
或者,还可以在应用界面中提供配置框,供用户直接配置目标图表格式。
步骤S2402,根据目标图表格式以及展示配置信息,展示目标对象数据。
例如,如图7所示,在确定目标图表格式后,根据展示配置信息中包括的数据分析维度可以确定展示与“高学历未婚女性”对应的目标对象数据的群体出生日期图、群体职位名称图等。
类似的,还可以如图7所示,在同一个数据分析维度对应的图上,展示多个标签中每个标签对应的对象数据进行比对分析。
以上已经结合例子说明如图2所示的标签处理方法,在本实施例中,标签处理方法可以通过固定的处理资源实施,而在具体应用过程中,仅限定固定的处理资源实施可能会存在该处理资源同时处理多标签导致处理能力受限的问题,因此,在一个例子中,本实施例中的标签处理方法还可以包括:
从多个候选处理资源中,选取用于实施标签处理方法的目标处理资源。
该多个候选处理资源中选取目标处理资源来实施标签处理方法,可以避免通过固定的处理资源导致处理能力受限影响标签处理的效率,以此提高标签处理效率。
在本例中,每个候选处理资源可以是任意具有数据计算能力的计算资源或者任意具有数据存储能力的存储资源等。。此外,本例中可以根据多种方式选择目标处理资源,例如,可以选取当前时刻资源占用率最低的候选处理资源作为目标处理资源,或者,展示多个候选处理资源供用户选择,根据用户的选择操作选取对应的候选处理资源作为目标处理资源。
在一个例子中,在生成复合标签后,标签处理方法可以包括:
根据所接收的标签设置操作,将复合标签设置为可被调用的应用接口进行发布。
将复合标签设置为可被调用的应用接口,使得生成的复合标签可以被其他应用系统以调用应用接口的方式,简单便捷地使用复合标签,同时,可以支持复合标签同时被多个第三方的应用系统进行调用,提高标签使用效率。例如,对于一个分析人群属性的标签,可以同时被多个具有人群属性分析需求的业务系统比如营销系统、刑侦系统调用。
在本例中,复合标签发布所基于的应用接口的具体类型,可以是API(ApplicationProgramming Interface,应用程序编程接口),或者是其他常用的应用接口。
此外,标签设置操作可以由用户根据自身的标签设置需求触发,或者,可以根据用户的历史标签使用数据,对用户的使用频率较高的复合标签,可以通过提示信息引导用户触发标签设置操作,将该复合标签设置为可被调用的应用接口进行发布,该提示信息可以被显示在提示框中,并且提示框中设置有对应的接收标签设置操作的控件,在用户被引导后直接接收标签设置操作。
在一个例子中,标签处理方法还可以包括:
根据所接收的标签搜索操作,获取与标签搜索操作对应的目标标签,提供给用户使用;
其中,每个目标标签是初始标签或复合标签。
在本例中,标签搜索操作可以是用户对提供标签搜索功能的应用界面上实施的输入、点击或勾选搜索关键词的操作。例如,如图8所示,可以提供搜索框,供用户输入搜索关键词搜索标签。
用于生成复合标签的初始标签、根据初始标签生成的复合标签,都可以被用户通过搜索操作获取。与标签搜索操作对应的目标标签,是符合标签搜索操作所反映的搜索需求的标签。用户搜索获取目标标签后,可以使用目标标签作为初始标签生成新的复合标签,也可以使用目标标签获取对应的对象数据进行展示以进行数据分析,还可以设置目标标签为可供调用的应用接口进行发布等等,在此不一一列举。
在一个例子中,标签处理方法还可以包括:
获取推荐给目标用户使用的推荐标签,并展示推荐标签,提供给目标用户从推荐标签中选择目标标签进行使用;
其中,每个推荐标签是初始标签或复合标签。
目标用户是当前具有标签使用需求的用户,例如,可以是登录提供本实施例的标签处理方法的标签处理平台的用户。
通过获取推荐给目标用户使用的推荐标签,可以令用户从海量的可使用的标签中,更快速地选取符合自身的标签使用需求的标签进行使用,提高用户的标签使用效率。例如,如图8所示,可以在应用界面中展示获取的推荐标签“高学历已婚女性”、“高学历未婚女性”等供目标用户选择使用。
在本例中,用于生成复合标签的初始标签、根据初始标签生成的复合标签都可能作为推荐标签,被推荐给目标用户使用。用户在展示的推荐标签中选择符合自身需求的目标标签后,可以使用目标标签作为初始标签生成新的复合标签,也可以使用目标标签获取对应的对象数据进行展示以进行数据分析,还可以设置目标标签为可供调用的应用接口进行发布等等,在此不一一列举。
更具体的一个例子中,获取推荐给目标用户使用的推荐标签的步骤可以包括:步骤S2510-S2530。
步骤S2510,根据目标用户的历史标签使用数据,获取每个候选标签的标签向量以及每个种子标签的标签向量。
目标用户的历史标签使用数据,是根据目标用户在预设的历史统计时段内对标签使用的情况获取的统计数据。该预设的历史统计时段可以根据具体的应用场景或应用需求设置。
种子标签是标签的历史使用总量大于预设的使用总量阈值的标签。该使用总量阈值可以根据具体的应用场景或应用需求进行设置。应当理解的是,在本例中,种子标签可以是一个,也可以是多个。
每个候选标签可以是当前所有可供用户获取的初始标签以及复合标签中的一个,或者每个候选标签可以是针对目标用户所在的行业或者所在的标签使用场景下所能提供的所有初始标签以及复合标签中的一个,在此不一一列举。
标签向量是根据标签的标签特征的取值以及与标签特征对应的特征权重确定的向量。
标签特征是体现标签的相关特性的表征项。在本例中,标签特征至少包括标签使用总量、标签使用频率、标签使用对象、标签类型、标签创建时间其中之一。标签使用总量是对应的标签在历史的统计时段内被使用的总量。标签使用频率时对应的标签在历史的统计时段内在预设的时间单位中平均使用对应的标签的次数,预设的时间单位可以根据具体场景设置。标签使用对象是使用对应标签的用户对象,具体可以通过使用标签的用户对象所在的行业类别来标识。标签类型可以分为私有标签和公开标签,私有标签是被某个固定行业或群体的用户使用、未经发布不允许其他用户使用的标签,公开标签是可被任意用户获取使用的标签;标签类型也可以根据适用的标签使用场景或行业进行分类得到对应的类型,等等。标签创建时间是标签创建的具体时间。
在本例中,标签特征还可以包括其他自定义特征,自定义特征可以根据具体的标签使用场景设置,例如,可以提供接口,由具有管理员权限的用户根据自身所在的标签使用场景,设置自定义特征。
与标签特征对应的特征权重可以根据目标用户所在的标签使用场景、目标用户自身的用户属性或标签具体的使用情况设置,对于不同的标签使用场景,同一个标签的标签权重可以不同,例如,在营销行业的场景中,与销售量相关的标签使用程度高,对应的标签权重设置更高,而对于刑侦行业,该类标签的权重设置就会较低;或者,根据目标用户的用户属性包括的用户所在行业,将与行业相关的标签设置权重较高,其余的标签设置权重较低;或者,属于私有类型的标签发布后,被调用使用的次数越多,可以将该类型的标签设置权重越高。
标签特征的取值根据对应的历史标签使用数据确定。
假设标签特征包括标签使用总量、标签类型、标签使用频率、标签创建时间以及一个自定义特征,对一个候选标签,假设根据目标用户的历史标签使用数据可以确定标签使用总量的取值为Count,标签使用频率的取值为Freq,而标签类型为Code,标签创建时间为CreatAt,对应的标签使用总量的特征权重是CountW,自定义标签的特征取值为Attr,标签使用频率的特征权重是FreqW,标签类型的特征权重是CodeW,标签类型的特征权重是CodeW,标签创建时间的特征权重是CreatAtW,自定义标签的特征权重是AttrW,对应可以得到该候选标签的标签向量为:
X=[Count×CountW,Freq×FreqW,Code×CodeW,
CreatAt×CreatAtW,Attr×AttrW]
类似地,可以根据上述方式得到每个候选标签以及每个种子标签的标签向量。
步骤S2520,根据每个候选标签的标签向量以及每个种子标签的标签向量,分别获取每个候选标签与每个种子标签的向量距离。
在本例中,向量距离是两个标签向量之间的相似度距离,具体地,向量距离是闵可夫斯基距离、曼哈顿距离等。
以向量距离是闵可夫斯基距离为例,假设一个候选标签的标签向量为:X1=[x1k(k=1,...n)],一个种子标签的标签向量为:X2=[x2k(k=1,...n)],则候选标签的标签向量与种子标签的标签向量的向量距离为:
Figure BDA0001962389260000161
其中n是标签向量的向量维度大小,与具体的标签特征的数目相同,p是预设的正整数,可以根据具体的使用需求设置,例如,设置为2。
步骤S2530,根据每个候选标签分别与每个种子标签的向量距离,选取符合预设的推荐标签条件的候选标签,作为推荐标签。
推荐标签条件是用于确定候选标签是否能作为推荐给目标用户的推荐标签的条件,可以根据具体的应用场景或应用需求进行预先设置。例如,推荐标签条件可以是候选标签与每个种子标签的向量距离之和的升序排序次序在预设的排序范围内。该预设的排序范围可以根据具体的应用场景或应用需求进行预先设置,例如,设置为1-5。应当理解的是,当种子标签只有一个时,推荐标签条件可以是候选标签与种子标签的向量距离的降序排序次序在预设的排序范围内。通过设置标签推荐条件,可以将与使用总量较大的种子标签相似的、符合用户的标签使用偏好的候选标签选取为推荐标签提供给用户。
在本例中,通过获取每个候选标签与每个种子标签的标签向量,得到每个候选标签与每个种子标签之间的向量距离,基于该向量距离获取符合标签推荐条件的推荐标签提供给用户选择使用,可以快速从海量的候选标签中快速选取符合用户的标签使用偏好的推荐标签,令用户更便利地获取符合自身需求的标签使用,提高标签使用效率。尤其适用于处理数据量较小或者对于推荐标签的获取实时性要求较高的场景。
在另一个例子中,获取推荐给目标用户使用的推荐标签的步骤可以包括:步骤S2501-S2503。
步骤S2501,根据目标用户的历史标签使用数据,获取每个候选标签的标签向量。
其中,标签向量是根据标签的标签特征的取值以及与标签特征对应的特征权重确定的向量;标签特征的取值根据历史标签使用数据确定;标签特征至少包括标签使用总量、标签使用频率、标签使用对象、标签类型、标签创建时间其中之一。
具体的标签向量、标签特征的取值、标签特征的相关内容,与上述步骤S2510相同,在此不再赘述。
步骤S2502,分别根据每个候选标签的标签向量,基于标签推荐模型获取每个候选标签的推荐指数。
标签推荐模型是根据预设的训练时段内获取的多个训练样本训练得到的机器学习模型。预设的训练时段可以根据具体的应用场景或应用需求设置。
每个训练样本包括一个标签的标签向量以及标签的实际使用指数。标签的实际使用指数是对应的标签被推荐给用户后被用户实际使用的表征值,例如,当对应的标签被推荐给用户后被用户实际使用时,实际使用指数是1,否则,实际使用指数是0。
在预设的训练时段内获取的多个训练样本后,可以根据具体的应用需求或者应用场景,从常用于训练机器学习模型的卷积神经网络或者逻辑回归模型中选取一个,对多个训练样本进行训练,得到对应的标签推荐模型。
标签推荐模型用于根据输入的候选标签的标签向量进行处理,输出对应的候选标签的推荐指数。
步骤S2503,选取推荐指数的降序排序次序在预设的排序范围内的候选标签,作为推荐标签。
该预设的排序范围可以根据具体的应用场景或应用需求进行预先设置,例如,设置为1-5。选取降序排序次序在预设的排序范围内的候选标签作为推荐标签,是将推荐指数较高的候选标签作为推荐标签提供给用户,可以快速从海量的候选标签中快速选取更适合用户使用的推荐标签,令用户更便利地获取符合自身需求的标签使用,提高标签使用效率。尤其适用于处理数据量较大的场景。
应当理解的是,基于上述步骤S2510-S2530以及步骤S2501-S2503提供的两种获取推荐标签的方式,在实际应用时,可以根据具体的应用场景或者应用需求,可以选择仅支持其中任一种方式或两种方式均支持,例如,可以在应用场景中处理数据量低于预设的数据量下限时,使用上述步骤S2510-S2530的方式,在应用场景中处理数据量高于预设的数据量上限时,使用上述步骤S2501-S2503的方式。
<例子>
在本例中,将结合图9进一步说明本实施例中提供的标签处理方法。
如图9所示,本例中的标签处理方法包括:步骤S201-S205。
步骤S201,提供初始标签供用户选择。
在本例中,提供初始标签的界面可以类似图3所示,比如提供“女性群体”、“高学历群体”、“未婚群体”、“已婚群体”等初始标签供用户选择。
步骤S202,根据所接收的标签选择操作,设置被标签选择操作选择的初始标签为被选择状态。
在本例中,假设“女性群体”、“高学历群体”这两个初始标签被用户实施标签选择操作选择,可以通过类似图4所示的在预设的界面区域里显示“女性群体”、“高学历群体”这两个初始标签,来实现设置这两个初始标签为被选择状态。
步骤S203,根据所接收的标签生成操作设置的标签生成逻辑,基于处于被选择状态的初始标签,生成对应的复合标签,并保存与复合标签对应的标签生成逻辑。
在本例中,可以类似图5或图6所示,根据用户实施标签生成操作配置的标签生成逻辑,基于选择的初始标签,生成复合标签,例如基于“女性群体”、“高学历群体”,根据标签生成逻辑“交集”,生成复合标签“高学历女性”,类似地,可以基于“女性群体”、“高学历群体”、“未婚群体”,根据标签生成逻辑“交集”,生成复合标签“高学历未婚女性”等等。
步骤S204,展示与复合标签对应的对象数据以供数据分析。
在本例中,可以如图7所示,对生成的复合标签“高学历未婚女性”对应的对象数据从多个数据分析维度、数据项进行分析,同时还可以将与“高学历群体”这一标签对应的对象数据,和“高学历未婚女性”对应的对象数据放在同一个图中,基于多个数据分析维度、多个数据项进行分析。
步骤S205,根据用户选择的复合标签,图形化计算生成新的复合标签。
在本例中,在生成复合标签“高学历未婚女性”、“高学历女性”后,还可以如图6所示,选择“高学历未婚女性”、“高学历女性”作为初始标签,通过标签生成操作配置标签生成逻辑“交集”,实现图形化计算,生成新的复合标签“高学历未婚女性”。
步骤S206,选取标签作为推荐标签向用户展示,提供给用户从推荐标签中选择目标标签进行使用。在本例中,可以如图8所示,在将已生成的复合标签“高学历已婚女性”、“高学历未婚女性”、“高学历女性”作为推荐标签,在应用界面中展示给用户,供用户选择使用。其中,选择标签作为推荐标签的具体实施步骤可以如本实施例中S2501-S2503所述,在此不再赘述。
基于本例中的标签处理方法,用户可以通过简单的操作,基于初始标签或者复合标签生成新的复合标签,无需对新标签进行数据开发,极大地降低标签生成成本,生成标签过程中无需保存对应的大量数据表,有效避免出现存储冗余,相应提高标签使用效率,同时,用户还可以从推荐标签中选取符合自身需求的标签使用,令用户从海量的可使用的标签中,更快速地选取符合自身的标签使用需求的标签进行使用,进一步提高用户的标签使用效率。
<应用例子>
本实施例中提供的订单处理方法可以应用在各种具有标签使用需求的场景。
例如,在公安领域,一线民警可以通过实施本实施例的标签处理方法的标签系统,对标签系统提供的应用界面上展示的作为初始标签的人员标签,通过简单的拖拉拽等标签选择操作,进行不同人员标签的组合,生成对应的、作为复合标签的人群标签,基于这些人群标签进行重点人员圈定或嫌疑人群跟踪,辅助办案人员进行布控;此外,如果一个人群标签被一线民警查询次数较频繁,或经常成为圈定其他人群的初始标签,则标签系统可以发出提示信息,提示相关人员可以发布该人群标签成为初始标签;
或者,例如,在石化、地产、金融等具有营销需求的行业,营销人员对标签系统提供的应用界面上展示的作为初始标签的客户标签,通过简单的拖拉拽等标签选择操作,进行不同客户标签的组合,可以辅助对应行业的营销系统,进行潜在客群发现或高风险客群定位,辅助企业风险管控和精准营销。
类似的应用例子还有许多,在此不再一一列举。
<标签处理装置>
在本实施例中,还提供一种标签处理装置3000,如图10所示,包括:展示单元3100、选择单元3200、生成单元3300以及处理单元3400,用于实施本实施例中提供的标签处理方法,在此不再赘述。
展示单元3100,用于展示可供用户选择的多个初始标签。
选择单元3200,用于接收标签选择操作。
可选地,所述选择单元3200包括:
用于设置被所述标签选择操作选择的所述初始标签为被选择状态的装置。
可选地,设置被所述标签选择操作选择的所述初始标签为被选择状态的装置包括:
用于通过在预设的界面区域中,展示被所述标签选择操作选择的所述初始标签,实现设置被所述标签选择操作选择的所述初始标签为被选择状态的装置;
其中,所述标签选择操作是将被展示的所述初始标签移动到所述预设的界面区域中的操作。
生成单元3300,用于根据被选择的所述初始标签,生成对应的复合标签。
可选地,所述生成单元3300包括:
用于基于所接收的标签生成操作设置的标签生成逻辑,根据所述被选择的所述初始标签,生成对应的复合标签,并保存与所述复合标签对应的标签生成逻辑的装置。
处理单元3400,用于当所述复合标签被使用时,获取与所述复合标签对应的目标对象数据,以展示所述目标对象数据。
可选地,所述标签生成逻辑包括根据对应的所述初始标签生成所述复合标签的运算逻辑关系;
所述处理单元3400用于:
从对象数据库中,获取与生成所述复合标签的所述初始标签对应的对象数据;
根据所述运算逻辑关系,对与生成所述复合标签的所述初始标签对应的对象数据进行运算处理,获取所述目标对象数据。
可选地,处理单元3400包括用于展示目标对象数据的装置,该装置用于:
根据与所述目标对象数据对应的展示配置信息,从预设的图表格式库中选取目标图表格式;
其中,所述展示配置信息至少包括展示所述目标对象数据时使用的数据项;所述预设的图表格式库中包括多个图表格式,每个图表格式至少包括展示数据使用的图表类型以及可供用户配置的数据分析配置项;
根据所述目标图表格式以及所述展示配置信息,展示所述目标对象数据。
可选地,标签处理装置3000还包括:
用于从多个候选处理资源中,选取用于实施本实施例提供的标签处理方法的目标处理资源的装置;
和/或,
用于根据所接收的标签设置操作,将所述复合标签设置为可被调用的应用接口进行发布的装置。
可选地,标签处理装置3000还包括:
用于根据所接收的标签搜索操作,获取与所述标签搜索操作对应的目标标签,提供给用户使用的装置;
其中,每个所述目标标签是所述初始标签或所述复合标签。
可选地,标签处理装置3000还包括:
用于获取推荐给目标用户使用的推荐标签,并展示所述推荐标签,提供给所述目标用户从所述推荐标签中选择目标标签进行使用的装置;
其中,每个所述推荐标签是所述初始标签或所述复合标签。
进一步可选地,上述用于获取推荐给目标用户使用的推荐标签的装置部分还用于:
根据目标用户的历史标签使用数据,获取每个候选标签的标签向量以及每个种子标签的标签向量;
其中,所述种子标签是所述标签的历史使用总量大于预设的使用总量阈值的所述标签;所述标签向量是根据所述标签的标签特征的取值以及与所述标签特征对应的特征权重确定的向量;所述标签特征至少包括标签使用总量、标签使用频率、标签使用对象、标签类型、标签使用时间其中之一;所述标签特征的取值根据所述历史标签使用数据确定;
根据每个所述候选标签的标签向量以及每个所述种子标签的标签向量,分别获取每个所述候选标签与每个所述种子标签的向量距离;
根据每个所述候选标签分别与每个所述种子标签的向量距离,选取符合预设的推荐标签条件的所述候选标签,作为所述推荐标签。
进一步可选地,上述用于获取推荐给目标用户使用的推荐标签的装置部分还用于:
根据目标用户的历史标签使用数据,获取每个候选标签的标签向量;
其中,所述标签向量是根据所述标签的标签特征的取值以及与所述标签特征对应的特征权重确定的向量;所述标签特征至少包括标签使用总量、标签使用频率、标签使用对象、标签类型、标签创建时间其中之一;所述标签特征的取值根据所述历史标签使用数据确定;
分别根据每个所述候选标签的标签向量,基于标签推荐模型获取每个所述候选标签的推荐指数;
其中,所述标签推荐模型是根据预设的训练时段内获取的多个训练样本训练得到的机器学习模型,每个所述训练样本包括一个所述标签的所述标签向量以及所述标签的实际使用指数;
选取所述推荐指数的降序排序次序在预设的排序范围内的所述候选标签,作为所述推荐标签。
本领域技术人员应当明白,可以通过各种方式来实现标签处理装置3000。例如,可以通过指令配置处理器来实现标签处理装置3000。例如,可以将指令存储在ROM中,并且当启动设备时,将指令从ROM读取到可编程器件中来实现标签处理装置3000。例如,可以将标签处理装置3000固化到专用器件(例如ASIC)中。可以将标签处理装置3000分成相互独立的单元,或者可以将它们合并在一起实现。标签处理装置3000可以通过上述各种实现方式中的一种来实现,或者可以通过上述各种实现方式中的两种或更多种方式的组合来实现。
在本实施例中,标签处理装置3000可以是提供用户标签生成、使用服务的软件平台或应用程序等,也可以是提供用户标签生成、使用服务的软件平台或应用程序中的功能模型或者插件、补丁、嵌入件等。
<电子设备>
在本实施例中,还提供一种电子设备4000,如图11所示,包括:
存储器4100,用于存储可执行的指令;
处理器4200,用于根据所述可执行的指令的控制,运行所述电子设备4000执行如本实施例所述的标签处理方法。
在本实施例中,电子设备4000可以是手机、掌上电脑、平板电脑、笔记本电脑、台式电脑等电子设备。具体的一个例子中,电子设备4000可以是安装有实施提供标签生成、使用服务的软件平台或应用程序的电脑。
电子设备4000还可以包括其他的装置,例如,如图1所示的电子设备1000,还可以包括输入装置等。
<可读存储介质>
在本实施例中,还提供一种可读存储介质5000,可读存储介质5000存储有可被计算机读取并运行的计算机程序,所述计算机程序用于在被所述计算机运行时,执行如本实施例所述的标签处理方法。
在本实施例中,可读存储介质5000可以是可以保持和存储由指令执行设备使用的指令的有形设备。可读存储介质5000例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。可读存储介质5000的更具体的例子(非穷举的列表)包括:便携式计算机盘、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)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的可读存储介质5000不被解释为瞬时信号本身,诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如,通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
以上已经结合附图描述了本发明的实施例,根据本实施例,提供一种标签处理方法、装置、电子设备及可读存储介质,通过展示初始标签供用户通过简单的操作进行选择,根据用户选择的初始标签来生成新的复合标签,在复合标签被使用时,实时获取与复合标签对应的对象数据进行展示,无需用户对生成的新标签进行数据开发,实现标签生成的去代码化,简单、便捷地生成标签,并且在生成标签过程中无需保存对应的大量数据表,有效避免出现存储冗余,相应提高标签使用效率,以便满足在各种应用场景中灵活使用标签的实际需求。
本发明可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质,其上载有用于使处理器实现本发明的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:便携式计算机盘、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)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身,诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如,通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备,或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令,并转发该计算机可读程序指令,以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本发明操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码,所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等,以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中,通过利用计算机可读程序指令的状态信息来个性化定制电子电路,例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA),该电子电路可以执行计算机可读程序指令,从而实现本发明的各个方面。
这里参照根据本发明实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本发明的各个方面。应当理解,流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合,都可以由计算机可读程序指令实现。
这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器,从而生产出一种机器,使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时,产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中,这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作,从而,存储有指令的计算机可读介质则包括一个制造品,其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上,使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤,以产生计算机实现的过程,从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
附图中的流程图和框图显示了根据本发明的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分,所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。对于本领域技术人员来说公知的是,通过硬件方式实现、通过软件方式实现以及通过软件和硬件结合的方式实现都是等价的。
以上已经描述了本发明的各实施例,上述说明是示例性的,并非穷尽性的,并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择,旨在最好地解释各实施例的原理、实际应用或对市场中的技术改进,或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。本发明的范围由所附权利要求来限定。

Claims (14)

1.一种标签处理方法,其中,包括:
展示可供选择的多个初始标签;
接收标签选择操作;
根据被选择的所述初始标签,生成对应的复合标签;
当所述复合标签被使用时,获取与所述复合标签对应的目标对象数据,以展示所述目标对象数据。
2.根据权利要求1所述的方法,还包括:
设置被所述标签选择操作选择的所述初始标签为被选择状态。
3.根据权利要求1所述的方法,其中,所述根据被选择的所述初始标签,生成对应的复合标签的步骤包括:
基于所接收的标签生成逻辑,根据所述被选择的所述初始标签,生成对应的复合标签,并保存与所述复合标签对应的标签生成逻辑。
4.根据权利要求2所述的方法,其中,所述设置被所述标签选择操作选择的所述初始标签为被选择状态的步骤包括:
通过在预设的界面区域中,展示被所述标签选择操作选择的所述初始标签,实现设置被所述标签选择操作选择的所述初始标签为被选择状态;
其中,所述标签选择操作是将被展示的所述初始标签移动到所述预设的界面区域中的操作。
5.根据权利要求3所述的方法,其中,
所述标签生成逻辑包括根据对应的所述初始标签生成所述复合标签的运算逻辑关系;
所述当所述复合标签被使用时,获取与所述复合标签对应的目标对象数据的步骤包括:
从对象数据库中,获取与生成所述复合标签的所述初始标签对应的对象数据;
根据所述运算逻辑关系,对与生成所述复合标签的所述初始标签对应的对象数据进行运算处理,获取所述目标对象数据。
6.根据权利要求1所述的方法,其中,所述展示所述目标对象数据的步骤包括:
根据与所述目标对象数据对应的展示配置信息,从预设的图表格式库中选取目标图表格式;
其中,所述展示配置信息至少包括展示所述目标对象数据时使用的数据项;所述预设的图表格式库中包括多个图表格式,每个图表格式至少包括展示数据使用的图表类型以及可供用户配置的数据分析配置项;
根据所述目标图表格式以及所述展示配置信息,展示所述目标对象数据。
7.根据权利要求1所述的方法,其中,所述方法还包括:
从多个候选处理资源中,选取用于实施所述标签处理方法的目标处理资源;
和/或,
根据所接收的标签设置操作,将所述复合标签设置为可被调用的应用接口进行发布。
8.根据权利要求1所述的方法,其中,还包括:
根据所接收的标签搜索操作,获取与所述标签搜索操作对应的目标标签,提供给用户使用;
其中,每个所述目标标签是所述初始标签或所述复合标签。
9.根据权利要求1所述的方法,其中,所述方法还包括:
获取推荐给目标用户使用的推荐标签,并展示所述推荐标签,提供给所述目标用户从所述推荐标签中选择目标标签进行使用;
其中,每个所述推荐标签是所述初始标签或所述复合标签。
10.根据权利要求9所述的方法,其中,所述获取推荐给目标用户使用的推荐标签的步骤包括:
根据目标用户的历史标签使用数据,获取每个候选标签的标签向量以及每个种子标签的标签向量;
其中,所述种子标签是所述标签的历史使用总量大于预设的使用总量阈值的所述标签;所述标签向量是根据所述标签的标签特征的取值以及与所述标签特征对应的特征权重确定的向量;所述标签特征至少包括标签使用总量、标签使用频率、标签使用对象、标签类型、标签使用时间其中之一;所述标签特征的取值根据所述历史标签使用数据确定;
根据每个所述候选标签的标签向量以及每个所述种子标签的标签向量,分别获取每个所述候选标签与每个所述种子标签的向量距离;
根据每个所述候选标签分别与每个所述种子标签的向量距离,选取符合预设的推荐标签条件的所述候选标签,作为所述推荐标签。
11.根据权利要求9所述的方法,其中,所述获取推荐给目标用户使用的推荐标签的步骤包括:
根据目标用户的历史标签使用数据,获取每个候选标签的标签向量;
其中,所述标签向量是根据所述标签的标签特征的取值以及与所述标签特征对应的特征权重确定的向量;所述标签特征至少包括标签使用总量、标签使用频率、标签使用对象、标签类型、标签创建时间其中之一;所述标签特征的取值根据所述历史标签使用数据确定;
分别根据每个所述候选标签的标签向量,基于标签推荐模型获取每个所述候选标签的推荐指数;
其中,所述标签推荐模型是根据预设的训练时段内获取的多个训练样本训练得到的机器学习模型,每个所述训练样本包括一个所述标签的所述标签向量以及所述标签的实际使用指数;
选取所述推荐指数的降序排序次序在预设的排序范围内的所述候选标签,作为所述推荐标签。
12.一种标签处理装置,其中,包括:
展示单元,用于展示可供用户选择的多个初始标签;
选择单元,用于接收标签选择操作;
生成单元,用于根据被选择的所述初始标签,生成对应的复合标签;
处理单元,用于当所述复合标签被使用时,获取与所述复合标签对应的目标对象数据,以展示所述目标对象数据。
13.一种电子设备,其中,包括:
存储器,用于存储可执行的指令;
处理器,用于根据所述可执行的指令的控制,执行如权利要求1-11所述的标签处理方法。
14.一种可读存储介质,其中,所述可读存储介质存储有可被计算机读取并运行的计算机程序,所述计算机程序用于在被所述计算机运行时,执行如权利要求1-11所述的标签处理方法。
CN201910087998.6A 2019-01-29 2019-01-29 标签处理方法、装置、电子设备及可读存储介质 Active CN111506775B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910087998.6A CN111506775B (zh) 2019-01-29 2019-01-29 标签处理方法、装置、电子设备及可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910087998.6A CN111506775B (zh) 2019-01-29 2019-01-29 标签处理方法、装置、电子设备及可读存储介质

Publications (2)

Publication Number Publication Date
CN111506775A true CN111506775A (zh) 2020-08-07
CN111506775B CN111506775B (zh) 2023-04-25

Family

ID=71873984

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910087998.6A Active CN111506775B (zh) 2019-01-29 2019-01-29 标签处理方法、装置、电子设备及可读存储介质

Country Status (1)

Country Link
CN (1) CN111506775B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113326500A (zh) * 2020-09-02 2021-08-31 陈顺发 结合边缘计算和云边融合的信息验证方法及中心云服务器
CN113434742A (zh) * 2021-06-28 2021-09-24 青岛海尔科技有限公司 账号的筛选方法和装置、存储介质及电子装置
CN115062232A (zh) * 2022-08-18 2022-09-16 中航信移动科技有限公司 一种用于民航数据的标签处理方法、电子设备及存储介质

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130159323A1 (en) * 2011-12-16 2013-06-20 International Business Machines Corporation Recommending tags based on user ratings
US8576223B1 (en) * 2011-03-29 2013-11-05 Google Inc. Multiple label display for 3D objects
CN106156060A (zh) * 2015-03-30 2016-11-23 富士施乐实业发展(中国)有限公司 标签管理系统及终端、标签使用方法及标签整理方法
CN107657066A (zh) * 2017-11-13 2018-02-02 医渡云(北京)技术有限公司 医疗数据科研字段自定义方法及装置
CN108304591A (zh) * 2018-03-16 2018-07-20 深圳市买买提信息科技有限公司 一种标签的定制方法、系统及终端设备
CN108334539A (zh) * 2017-12-15 2018-07-27 努比亚技术有限公司 对象推荐方法、移动终端及计算机可读存储介质
CN109101652A (zh) * 2018-08-27 2018-12-28 宜人恒业科技发展(北京)有限公司 一种标签创建和管理系统

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8576223B1 (en) * 2011-03-29 2013-11-05 Google Inc. Multiple label display for 3D objects
US20130159323A1 (en) * 2011-12-16 2013-06-20 International Business Machines Corporation Recommending tags based on user ratings
CN106156060A (zh) * 2015-03-30 2016-11-23 富士施乐实业发展(中国)有限公司 标签管理系统及终端、标签使用方法及标签整理方法
CN107657066A (zh) * 2017-11-13 2018-02-02 医渡云(北京)技术有限公司 医疗数据科研字段自定义方法及装置
CN108334539A (zh) * 2017-12-15 2018-07-27 努比亚技术有限公司 对象推荐方法、移动终端及计算机可读存储介质
CN108304591A (zh) * 2018-03-16 2018-07-20 深圳市买买提信息科技有限公司 一种标签的定制方法、系统及终端设备
CN109101652A (zh) * 2018-08-27 2018-12-28 宜人恒业科技发展(北京)有限公司 一种标签创建和管理系统

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113326500A (zh) * 2020-09-02 2021-08-31 陈顺发 结合边缘计算和云边融合的信息验证方法及中心云服务器
CN113434742A (zh) * 2021-06-28 2021-09-24 青岛海尔科技有限公司 账号的筛选方法和装置、存储介质及电子装置
CN115062232A (zh) * 2022-08-18 2022-09-16 中航信移动科技有限公司 一种用于民航数据的标签处理方法、电子设备及存储介质
CN115062232B (zh) * 2022-08-18 2022-11-04 中航信移动科技有限公司 一种用于民航数据的标签处理方法、电子设备及存储介质

Also Published As

Publication number Publication date
CN111506775B (zh) 2023-04-25

Similar Documents

Publication Publication Date Title
US11165806B2 (en) Anomaly detection using cognitive computing
US10884891B2 (en) Interactive detection of system anomalies
US20180276553A1 (en) System for querying models
US10319047B2 (en) Identification of life events within social media conversations
US20170277756A1 (en) Approach to Recommending Mashups
CN111506775B (zh) 标签处理方法、装置、电子设备及可读存储介质
CN111414376A (zh) 一种数据预警方法和装置
US10050910B2 (en) Application of neural nets to determine the probability of an event being causal
US20170154107A1 (en) Determining term scores based on a modified inverse domain frequency
US11315039B1 (en) Systems and methods for model management
US20170212952A1 (en) Chat driven interface for processing clusters of events from managed infrastructures
CN111191677B (zh) 用户特征数据生成方法、装置及电子设备
CN114428677A (zh) 任务处理方法、处理装置、电子设备及存储介质
US10979304B2 (en) Agent technology system with monitoring policy
CN113297287A (zh) 用户策略自动部署方法、装置及电子设备
CN112783796A (zh) 单节点的测试方法、装置、计算机设备及可读存储介质
US11003521B2 (en) System for decomposing events from managed infrastructures with natural language processing
Eze et al. Application of data mining in telecommunication industry
US10693707B2 (en) System for decomposing events from managed infrastructures with semantic clustering
US11074486B2 (en) Query analysis using deep neural net classification
CN115793911A (zh) 数据处理方法、装置、电子设备及存储介质
CN114549051A (zh) 跨区域的人才流动意向分析方法、装置、设备及存储介质
CN113722593A (zh) 事件数据处理方法、装置、电子设备和介质
CN110532304B (zh) 数据处理方法及装置、计算机可读存储介质以及电子设备
CN115994807A (zh) 一种物料推荐方法、装置及系统

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