CN111553435A - 目标对象等级确定方法、装置、存储介质及电子装置 - Google Patents
目标对象等级确定方法、装置、存储介质及电子装置 Download PDFInfo
- Publication number
- CN111553435A CN111553435A CN202010366361.3A CN202010366361A CN111553435A CN 111553435 A CN111553435 A CN 111553435A CN 202010366361 A CN202010366361 A CN 202010366361A CN 111553435 A CN111553435 A CN 111553435A
- Authority
- CN
- China
- Prior art keywords
- decomposition
- level
- target
- objects
- target object
- 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
- 238000000034 method Methods 0.000 title claims abstract description 52
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 194
- 238000004590 computer program Methods 0.000 claims description 16
- 238000012545 processing Methods 0.000 claims description 11
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000005516 engineering process Methods 0.000 abstract description 3
- 238000010801 machine learning Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 230000005540 biological transmission Effects 0.000 description 6
- 238000012549 training Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000012163 sequencing technique Methods 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013145 classification model Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
- G06F18/254—Fusion techniques of classification results, e.g. of results related to same input data
-
- 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
- G06F18/2431—Multiple classes
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明实施例提供了一种目标对象等级确定方法、装置、存储介质及电子装置,其中,该方法包括:按照预定关联关系对目标对象进行多层次目标分解,以得到位于多层次中包括的各层次中的分解对象;按照层级由低到高的方式,逐层计算所述多层次中包括的各层次中的分解对象的属性值,以得到位于所述多层次中包括的顶层的所述目标对象的属性值;基于所述目标对象的属性值确定所述目标对象的等级。通过本发明,解决了相关技术中存在的确定目标对象等级不准确的问题,提高了确定目标对象等级的准确性。
Description
技术领域
本发明实施例涉及通信领域,具体而言,涉及一种目标对象等级确定方法、装置、存储介质及电子装置。
背景技术
当前在公安、金融等领域存在大量决策问题,比如公安领域中的目标对象的等级分类(例如,某类影响社会治安的人的危险等级分类)、金融领域中欺诈风险等级分类(例如,某类新兴业务的安全等级分类)等。此类问题的决策依赖大量现有的属性信息,而且,随着对问题认知的逐渐深入属性信息也会不断发生变化。
在相关技术中,等级分类通常利用基于领域专家打分的模型,主要是把决策问题转化领域专家通过自身经验来给定各个属性的权重值,然后,通过计算多个属性的加权和,计算出一个分值,通过分值大小区间来完成决策。或者,基于机器学习的评分模型,主要是把多目标排序问题转化成要一个分类问题,通过把专家领域知识抽取成各个特征表示出来,然后使用机器学习方法完成分类模型的构建,最后通过模型获取与类别的相似程度确定出一个置信度来。这个置信度再乘以100,确定出一个从0到100的评分效果。通过分值大小区间来完成决策。然而,基于领域专家打分的积分模型方法过于依赖领域专家的知识,因为在打分过程依赖的专家主观因素,比如不同经验的专家给出不同的打分规则,专家的领域知识也是有局限等,所以在实际应用中会有偏差。直接使用机器学习来实现打分模型,这种方法依赖优质的样本,实际应用中很难获取好的样本,另外,实际应用中的排序问题是根据场景不同难易程度非常明显,直接使用机器学习模型因为周期长很难快速落地。
由此可知,相关技术中存在确定目标对象等级不准确的问题。
针对相关技术中存在的上述问题,目前尚未提出有效的解决方案。
发明内容
本发明实施例提供了一种目标对象等级确定方法、装置、存储介质及电子装置,以至少解决相关技术中存在确定目标对象等级不准确的问题。
根据本发明的一个实施例,提供了一种目标对象等级确定方法,包括:按照预定关联关系对目标对象进行多层次目标分解,以得到位于多层次中包括的各层次中的分解对象,其中,在相邻层次中,前一层次中包括的第一分解对象分解得到后一层次中包括的一个或多个第二分解对象,所述一个或多个第二分解对象与所述第一分解对象之间具备直接关联关系,所述第一分解对象的属性值是基于所述一个或多个第二分解对象的属性值确定的;按照层级由低到高的方式,逐层计算所述多层次中包括的各层次中的分解对象的属性值,以得到位于所述多层次中包括的顶层的所述目标对象的属性值;基于所述目标对象的属性值确定所述目标对象的等级。
在一个示例性实施例中,按照层级由低到高的方式,逐层计算多层次中包括的各层次中的分解对象的属性值,以得到位于所述多层次的顶层的所述目标对象的属性值包括:
对于所述多层次中包括的任意相邻层次,均执行以下操作,以得到位于所述多层次的顶层的所述目标对象的属性值:
对所述一个或多个第二分解对象的属性值进行加权求和,以得到所述第一分解对象的属性值。
在一个示例性实施例中,在对所述一个或多个第二分解对象的属性值进行加权求和,以得到所述第一分解对象的属性值之前,所述方法还包括:
为所述一个或多个第二分解对象中包括的各分解对象分别配置属性值和/或属性权重。
在一个示例性实施例中,在为所述一个或多个第二分解对象中包括的各分解对象分别配置属性值,以及属性权重之后,所述方法还包括:调整为所述一个或多个第二分解对象中包括的各分解对象分别配置的属性值和/或属性权重。
在一个示例性实施例中,按照预定关联关系对目标对象进行多层次目标分解,以得到位于多层次中包括的各层次中的分解对象包括:基于预先配置的目标分解模板并按照所述预定关联关系对所述目标对象进行多层次目标分解,以得到位于所述多层次中包括的各层次中的分解对象。
在一个示例性实施例中,在基于预先配置的目标分解模板并按照所述预定关联关系对所述目标对象进行多层次目标分解,以得到位于所述多层次中包括的各层次中的分解对象之前,所述方法还包括:接收更新指令;基于所述更新指令更新所述目标分解模板。
在一个示例性实施例中,在所述目标对象为目标类型的人的情况下,按照预定关联关系对目标对象进行多层次目标分解包括:按照社交关系对所述目标类型的人进行多层次目标分解;在所述目标对象为目标类型的业务的情况下,按照预定关联关系对目标对象进行多层次目标分解包括:按照业务关联关系对所述目标类型的业务进行多层次目标分解。
根据本发明的另一个实施例,提供了一种目标对象等级确定装置,包括:分解模块,用于按照预定关联关系对目标对象进行多层次目标分解,以得到位于多层次中包括的各层次中的分解对象,其中,在相邻层次中,前一层次中包括的第一分解对象分解得到后一层次中包括的一个或多个第二分解对象,所述一个或多个第二分解对象与所述第一分解对象之间具备直接关联关系,所述第一分解对象的属性值是基于所述一个或多个第二分解对象的属性值确定的;计算模块,用于按照层级由低到高的方式,逐层计算所述多层次中包括的各层次中的分解对象的属性值,以得到位于所述多层次中包括的顶层的所述目标对象的属性值;确定模块,用于基于所述目标对象的属性值确定所述目标对象的等级。
根据本发明的又一个实施例,还提供了一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机程序,其中,所述计算机程序被设置为运行时执行上述任一项方法实施例中的步骤。
根据本发明的又一个实施例,还提供了一种电子装置,包括存储器和处理器,所述存储器中存储有计算机程序,所述处理器被设置为运行所述计算机程序以执行上述任一项方法实施例中的步骤。
通过本发明,按照预定关联关系对目标对象进行多层次目标分解为多个层次,并逐层计算各层次中的分解对象的属性值得到目标对象的属性值,根据目标对象的属性值确定目标对象的等级,因此,可以解决相关技术中存在的确定目标对象等级不准确的问题,提高了确定目标对象等级的准确性。
附图说明
图1是本发明实施例的一种目标对象等级确定方法的移动终端的硬件结构框图;
图2是根据本发明实施例的目标对象等级确定方法的流程图;
图3是根据本发明示例性实施例的得到位于多层次的顶层的目标对象的属性值流程图一;
图4是根据本发明示例性实施例的多层次目标分解示意图;
图5是根据本发明示例性实施例的得到位于多层次的顶层的目标对象的属性值流程二;
图6是根据本发明示例性实施例的得到位于多层次的顶层的目标对象的属性值流程三;
图7根据本发明示例性实施例的按照预定关联关系对目标对象进行多层次目标分解,以得到位于多层次中包括的各层次中的分解对象流程图一;
图8根据本发明示例性实施例的按照预定关联关系对目标对象进行多层次目标分解,以得到位于多层次中包括的各层次中的分解对象流程图二;
图9是根据本发明具体实施例的目标对象等级确定方法流程图;
图10是根据本发明实施例的目标对象等级确定装置的结构框图。
具体实施方式
下文中将参考附图并结合实施例来详细说明本发明的实施例。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。
本申请实施例中所提供的方法实施例可以在移动终端、计算机终端或者类似的运算装置中执行。以运行在移动终端上为例,图1是本发明实施例的一种目标对象等级确定方法的移动终端的硬件结构框图。如图1所示,移动终端可以包括一个或多个(图1中仅示出一个)处理器102(处理器102可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置)和用于存储数据的存储器104,其中,上述移动终端还可以包括用于通信功能的传输设备106以及输入输出设备108。本领域普通技术人员可以理解,图1所示的结构仅为示意,其并不对上述移动终端的结构造成限定。例如,移动终端还可包括比图1中所示更多或者更少的组件,或者具有与图1所示不同的配置。
存储器104可用于存储计算机程序,例如,应用软件的软件程序以及模块,如本发明实施例中的目标对象等级确定方法对应的计算机程序,处理器102通过运行存储在存储器104内的计算机程序,从而执行各种功能应用以及数据处理,即实现上述的方法。存储器104可包括高速随机存储器,还可包括非易失性存储器,如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中,存储器104可进一步包括相对于处理器102远程设置的存储器,这些远程存储器可以通过网络连接至移动终端。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
传输装置106用于经由一个网络接收或者发送数据。上述的网络具体实例可包括移动终端的通信供应商提供的无线网络。在一个实例中,传输装置106包括一个网络适配器(Network Interface Controller,简称为NIC),其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中,传输装置106可以为射频(Radio Frequency,简称为RF)模块,其用于通过无线方式与互联网进行通讯。
在本实施例中提供了一种目标对象等级确定方法,图2是根据本发明实施例的目标对象等级确定方法的流程图,如图2所示,该流程包括如下步骤:
步骤S202,按照预定关联关系对目标对象进行多层次目标分解,以得到位于多层次中包括的各层次中的分解对象,其中,在相邻层次中,前一层次中包括的第一分解对象分解得到后一层次中包括的一个或多个第二分解对象,所述一个或多个第二分解对象与所述第一分解对象之间具备直接关联关系,所述第一分解对象的属性值是基于所述一个或多个第二分解对象的属性值确定的;
步骤S204,按照层级由低到高的方式,逐层计算所述多层次中包括的各层次中的分解对象的属性值,以得到位于所述多层次中包括的顶层的所述目标对象的属性值;
步骤S206,基于所述目标对象的属性值确定所述目标对象的等级。
在上述实施例中,多层次目标分解是指把最终决策目标,即目标对象按照从高层目标到底层目标进行层级的划分。一个决策问题可以从上而下的进行分解来寻找相关的属性,也可以从下而上的以现有属性逐层生成新的属性提供上一层的决策。其中,新的属性可以是基于预定的算法衍生出新的属性,新的属性可以不是真实存在的属性,例如,把下一层级的多个属性加权求和的得分对应到一个预先规定的属性上,属性名称可以灵活设置。每一层的属性名称可以是预先配置的,对于配置的属性名称也可以灵活调整。其中,多层次是指在多目标决策问题中,一个高层次目标往往是通过逐步分层细化的向低层次目标分解。这种目标决策方法称为多层次目标决策。
在上述实施例中,目标对象可以有多属性,并且,随着认知的加深,目标对象的属性还会发生变化,由此可知,多属性会影响对目标对象等级的确定,因此,需要将多个属性进行多层次目标分解,得到位于多层次中包括的各层次中的分解对象,并计算各分解对象的属性值,根据各分解对象的属性值确定目标对象的属性。其中,多属性是指在目标决策问题中,影响决策判断的属性往往数量是非常多的。
在上述实施例中,目标对象可以为不同类型的人、业务等,当目标对象为人时,预定关联关系可以为目标对象的社交关系、活动范围等,当目标对象为业务时,预定关系可以为业务网络等。例如,当目标对象为人员X时,可以对人员X进行评分,基于评分结果来确定其危险等级(可以预先划分等级对应的评分区间,基于X的得分所在的区间来确定其具体的等级)其中,人员X为最高层级目标,次层级目标为与X相关联的人,再次层级目标可以为相关联人对应的具体属性信息(例如,性别、活动场所、是否有前科等)。
可选地,上述步骤的执行主体可以是后台处理器,或者其他的具备类似处理能力的设备,还可以是至少集成数据处理设备的机器,其中,数据处理设备可以包括计算机、手机等终端,但不限于此。
通过本发明,按照预定关联关系对目标对象进行多层次目标分解为多个层次,并逐层计算各层次中的分解对象的属性值得到目标对象的属性值,根据目标对象的属性值确定目标对象的等级,因此,可以解决相关技术中存在的确定目标对象等级不准确的问题,提高了确定目标对象等级的准确性。
在一个示例性实施例中,按照层级由低到高的方式,逐层计算多层次中包括的各层次中的分解对象的属性值,以得到位于所述多层次的顶层的所述目标对象的属性值,其中,得到位于多层次的顶层的目标对象的属性值流程图一可以参见附图3,如图3所示,该流程包括:
步骤S302,对于所述多层次中包括的任意相邻层次,均执行以下操作,以得到位于所述多层次的顶层的所述目标对象的属性值:对所述一个或多个第二分解对象的属性值进行加权求和,以得到所述第一分解对象的属性值。
在本实施例中,可以按照层级由低到高的方式,逐层计算多层中各层次中的分解对象的属性值,再对各分解对象的属性值进行加权求和,得到第一分解对象的属性值。图4为多层次目标分解示意图,如图4所示,一个圆圈代表一个属性,三个圆圈对应的评分加权求和后得到一个与三个圆圈直连的立方体的评分,进而可以给该评分分配一个对应的属性名作为立方体的属性评分(当然,也可以将得到的评分作为立方体已有属性的评分,后续类似),再基于多个立方体的属性评分的加权求和得到一个六边形的评分,再给该评分分配一个对应的属性作为六边形的属性评分……以此类推。需要说明的是,图中绘制的是理想情况下的分解,在实际应用中,可能部分正方体是无法再向下分解,此时,无法向下分解的正方体实际上是一个真实的底层属性。
在一个示例性实施例中,如图5所示,在对所述一个或多个第二分解对象的属性值进行加权求和,以得到所述第一分解对象的属性值之前,得到位于多层次的顶层的目标对象的属性值流程还包括:
步骤S502,为所述一个或多个第二分解对象中包括的各分解对象分别配置属性值和/或属性权重。
在本实施例中,为各分解对象分配的属性值可以是预先设定的,还可以用户根据应用场景自行设定的属性值,属性权重可以是预先设定的权重,也可以通过用户自行设定的属性权重,还可以是通过机器学习等模型经过训练确定的属性权重,本发明对属性值和属性权重的设定方法不做限制。
在一个示例性实施例中,如图6所示,在为所述一个或多个第二分解对象中包括的各分解对象分别配置属性值,以及属性权重之后,得到位于多层次的顶层的目标对象的属性值流程还包括:
步骤S602,调整为所述一个或多个第二分解对象中包括的各分解对象分别配置的属性值和/或属性权重。
在本实施例中,为分解对象分配的属性值和/或属性权重值可以根据实际情况进行调整,以保证等级分类的准确性。
在一个示例性实施例中,按照预定关联关系对目标对象进行多层次目标分解,以得到位于多层次中包括的各层次中的分解对象流程图一可参见附图7,如图7所示,该流程包括:
步骤S702,基于预先配置的目标分解模板并按照所述预定关联关系对所述目标对象进行多层次目标分解,以得到位于所述多层次中包括的各层次中的分解对象。
在本实施例中,目标分解模板可以根据目标对象的属性不同设置不同的分解模板,例如,对于涉及金融领域的目标对象使用金融类模板,对于涉及安防领域的目标对象使用安防类模板。其中,分解模板可以是根据行业内的专家确定的模板,还可以是通过机器学习等模型训练确定的模板,使用以上分解模板可以快速准确的确定目标对象的等级,本发明对目标分解模板的确定方法不做限制。
在一个示例性实施例中,如图8所示,在基于预先配置的目标分解模板并按照所述预定关联关系对所述目标对象进行多层次目标分解,以得到位于所述多层次中包括的各层次中的分解对象之前,按照预定关联关系对目标对象进行多层次目标分解,以得到位于多层次中包括的各层次中的分解对象流程还包括:
步骤S802,接收更新指令;
步骤S804,基于所述更新指令更新所述目标分解模板。
在本实施例中,在接收到更新指令后,按照更新指令更新目标分解模块,其中,目标指令可以为包括目标对象的类型信息的指令。
在一个示例性实施例中,在所述目标对象为目标类型的人的情况下,按照预定关联关系对目标对象进行多层次目标分解包括:按照社交关系对所述目标类型的人进行多层次目标分解;在所述目标对象为目标类型的业务的情况下,按照预定关联关系对目标对象进行多层次目标分解包括:按照业务关联关系对所述目标类型的业务进行多层次目标分解。在本实施例中,当目标对象为人时,目标分解模板可以是社交关系分解模板,则按照社交关系分解模板对目标对象进行多层次目标分解;当目标对象为某种业务时,目标分解模板可以为该种业务分解模板,则按照该种业务分解模板对目标对象进行多层次目标分解。
下面结合具体实施方式对如何确定目标对象等级进行说明:
图9是根据本发明具体实施例的目标对象等级确定方法流程图,如图9所示,该流程包括:
步骤S902,多层次目标分解,即多层次处理决策,目标是把最终决策目标按照从高层目标到底层目标进行层级的划分。一个决策问题可以从上而下的进行分解来寻找相关的属性,也可以从下而上的以现有属性逐层生成新的属性提供上一层的决策。
步骤S904,多属性分组处理,即是分解后的决策问题,针对单个子问题进行属性的组合处理,属性是可以被重复利用的,也就是多个子问题可以使用同一属性。按照多层次目标的分解,分别对属性进行分组处理。
步骤S906,规则计算各分组属性,在多属性分组处理后,可以通过规则来计算具体的评分或者直接命中,例如,通过规则属性A>10&属性B<100生成新属性X并且给定属性值,或者规则属性A<10&属性B>100直接命中目标(直接通过某几个属性就可以做决策),命中目标后就可以直接退出整个决策过程并给出一个特定值。其中,新属性X可以是通过人为规定,或预先配置得到的。
步骤S908,属性加权评分,针对分组属性的评分值利用加权求和的方式完成评分。
步骤S910,根据加权求和得到的评分生成新属性。
步骤S912,判断是否达到顶层目标,即通过多层次加权计算,迭代多层次结构上的规则计算和加权处理,完成多层次加权计算,判断是否完成最顶层的评分。如果判断结果为是,则执行步骤S914,如果判断结果为否,则执行步骤S904。
步骤S914,基于加权分值实现排序,针对决策数据中的多条记录完成评分过程,按照评分值实现排序。最终依赖排序情况给出具体决策结果。
在前述实施例中,使用多层次多属性规则化加权方法实现评分,通过给定评分排序来实现实际场景的决策问题,利用多层次构建决策目标,分组来应用规则和加权,方便决策问题分解。使用多层次多属性规则化加权评分,然后基于评分做排序后实现决策,能增强决策的正确性和效率。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到根据上述实施例的方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,或者网络设备等)执行本发明各个实施例所述的方法。
在本实施例中还提供了一种目标对象等级确定装置,该装置用于实现上述实施例及优选实施方式,已经进行过说明的不再赘述。如以下所使用的,术语“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现,但是硬件,或者软件和硬件的组合的实现也是可能并被构想的。
图10是根据本发明实施例的目标对象等级确定装置的结构框图,如图10所示,该装置包括:
分解模块1002,用于按照预定关联关系对目标对象进行多层次目标分解,以得到位于多层次中包括的各层次中的分解对象,其中,在相邻层次中,前一层次中包括的第一分解对象分解得到后一层次中包括的一个或多个第二分解对象,所述一个或多个第二分解对象与所述第一分解对象之间具备直接关联关系,所述第一分解对象的属性值是基于所述一个或多个第二分解对象的属性值确定的;
计算模块1004,用于按照层级由低到高的方式,逐层计算所述多层次中包括的各层次中的分解对象的属性值,以得到位于所述多层次中包括的顶层的所述目标对象的属性值;
确定模块1006,用于基于所述目标对象的属性值确定所述目标对象的等级。
在一个示例性实施例中,所述计算模块1004可以通过如下方式实现按照层级由低到高的方式,逐层计算多层次中包括的各层次中的分解对象的属性值,以得到位于所述多层次的顶层的所述目标对象的属性值:对于所述多层次中包括的任意相邻层次,均执行以下操作,以得到位于所述多层次的顶层的所述目标对象的属性值:对所述一个或多个第二分解对象的属性值进行加权求和,以得到所述第一分解对象的属性值。在本实施例中,可以按照层级由低到高的方式,逐层计算多层中各层次中的分解对象的属性值,再对各分解对象的属性值进行加权求和,得到第一分解对象的属性值。
在一个示例性实施例中,所述装置可以用于在对所述一个或多个第二分解对象的属性值进行加权求和,以得到所述第一分解对象的属性值之前,为所述一个或多个第二分解对象中包括的各分解对象分别配置属性值和/或属性权重。在本实施例中,为各分解对象分配的属性值可以是预先设定的,还可以用户根据应用场景自行设定的属性值,属性权重可以是预先设定的权重,也可以通过用户自行设定的属性权重,还可以是通过机器学习等模型经过训练确定的属性权重。
在一个示例性实施例中,所述装置可以用于在为所述一个或多个第二分解对象中包括的各分解对象分别配置属性值,以及属性权重之后,调整为所述一个或多个第二分解对象中包括的各分解对象分别配置的属性值和/或属性权重。在本实施例中,为分解对象分配的属性值和/或属性权重值可以根据实际情况进行调整,以保证等级分类的准确性。
在一个示例性实施例中,所述分解模块1002可以通过如下方式实现按照预定关联关系对目标对象进行多层次目标分解,以得到位于多层次中包括的各层次中的分解对象:基于预先配置的目标分解模板并按照所述预定关联关系对所述目标对象进行多层次目标分解,以得到位于所述多层次中包括的各层次中的分解对象。在本实施例中,目标分解模板可以根据目标对象的属性不同设置不同的分解模板,例如,对于涉及金融领域的目标对象使用金融类模板,对于涉及安防领域的目标对象使用安防类模板。其中,分解模板可以是根据行业内的专家确定的模板,还可以是通过机器学习等模型训练确定的模板,使用以上分解模板可以快速准确的确定目标对象的等级。
在一个示例性实施例中,所述装置可以用于在基于预先配置的目标分解模板并按照所述预定关联关系对所述目标对象进行多层次目标分解,以得到位于所述多层次中包括的各层次中的分解对象之前,接收更新指令;基于所述更新指令更新所述目标分解模板。在本实施例中,在接收到更新指令后,按照更新指令更新目标分解模块,其中,目标指令可以为包括目标对象的类型信息的指令。
在一个示例性实施例中,所述分解模块1102可以通过如下方式实现在所述目标对象为目标类型的人的情况下,按照预定关联关系对目标对象进行多层次目标分解:按照社交关系对所述目标类型的人进行多层次目标分解;在所述目标对象为目标类型的业务的情况下,按照预定关联关系对目标对象进行多层次目标分解:按照业务关联关系对所述目标类型的业务进行多层次目标分解。在本实施例中,当目标对象为人时,目标分解模板可以是社交关系分解模板,则按照社交关系分解模板对目标对象进行多层次目标分解;当目标对象为某种业务时,目标分解模板可以为该种业务分解模板,则按照该种业务分解模板对目标对象进行多层次目标分解。
需要说明的是,上述各个模块是可以通过软件或硬件来实现的,对于后者,可以通过以下方式实现,但不限于此:上述模块均位于同一处理器中;或者,上述各个模块以任意组合的形式分别位于不同的处理器中。
本发明的实施例还提供了一种计算机可读存储介质,该计算机可读存储介质中存储有计算机程序,其中,该计算机程序被设置为运行时执行上述任一项方法实施例中的步骤。
在一个示例性实施例中,上述计算机可读存储介质可以包括但不限于:U盘、只读存储器(Read-Only Memory,简称为ROM)、随机存取存储器(Random Access Memory,简称为RAM)、移动硬盘、磁碟或者光盘等各种可以存储计算机程序的介质。
本发明的实施例还提供了一种电子装置,包括存储器和处理器,该存储器中存储有计算机程序,该处理器被设置为运行计算机程序以执行上述任一项方法实施例中的步骤。
在一个示例性实施例中,上述电子装置还可以包括传输设备以及输入输出设备,其中,该传输设备和上述处理器连接,该输入输出设备和上述处理器连接。
本实施例中的具体示例可以参考上述实施例及示例性实施方式中所描述的示例,本实施例在此不再赘述。
显然,本领域的技术人员应该明白,上述的本发明的各模块或各步骤可以用通用的计算装置来实现,它们可以集中在单个的计算装置上,或者分布在多个计算装置所组成的网络上,它们可以用计算装置可执行的程序代码来实现,从而,可以将它们存储在存储装置中由计算装置来执行,并且在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样,本发明不限制于任何特定的硬件和软件结合。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种目标对象等级确定方法,其特征在于,包括:
按照预定关联关系对目标对象进行多层次目标分解,以得到位于多层次中包括的各层次中的分解对象,其中,在相邻层次中,前一层次中包括的第一分解对象分解得到后一层次中包括的一个或多个第二分解对象,所述一个或多个第二分解对象与所述第一分解对象之间具备直接关联关系,所述第一分解对象的属性值是基于所述一个或多个第二分解对象的属性值确定的;
按照层级由低到高的方式,逐层计算所述多层次中包括的各层次中的分解对象的属性值,以得到位于所述多层次中包括的顶层的所述目标对象的属性值;
基于所述目标对象的属性值确定所述目标对象的等级。
2.根据权利要求1所述的方法,其特征在于,按照层级由低到高的方式,逐层计算多层次中包括的各层次中的分解对象的属性值,以得到位于所述多层次的顶层的所述目标对象的属性值包括:
对于所述多层次中包括的任意相邻层次,均执行以下操作,以得到位于所述多层次的顶层的所述目标对象的属性值:
对所述一个或多个第二分解对象的属性值进行加权求和,以得到所述第一分解对象的属性值。
3.根据权利要求2所述的方法,其特征在于,在对所述一个或多个第二分解对象的属性值进行加权求和,以得到所述第一分解对象的属性值之前,所述方法还包括:
为所述一个或多个第二分解对象中包括的各分解对象分别配置属性值和/或属性权重。
4.根据权利要求3所述的方法,其特征在于,在为所述一个或多个第二分解对象中包括的各分解对象分别配置属性值,以及属性权重之后,所述方法还包括:
调整为所述一个或多个第二分解对象中包括的各分解对象分别配置的属性值和/或属性权重。
5.根据权利要求1所述的方法,其特征在于,按照预定关联关系对目标对象进行多层次目标分解,以得到位于多层次中包括的各层次中的分解对象包括:
基于预先配置的目标分解模板并按照所述预定关联关系对所述目标对象进行多层次目标分解,以得到位于所述多层次中包括的各层次中的分解对象。
6.根据权利要求5所述的方法,其特征在于,在基于预先配置的目标分解模板并按照所述预定关联关系对所述目标对象进行多层次目标分解,以得到位于所述多层次中包括的各层次中的分解对象之前,所述方法还包括:
接收更新指令;
基于所述更新指令更新所述目标分解模板。
7.根据权利要求1所述的方法,其特征在于,
在所述目标对象为目标类型的人的情况下,按照预定关联关系对目标对象进行多层次目标分解包括:按照社交关系对所述目标类型的人进行多层次目标分解;
在所述目标对象为目标类型的业务的情况下,按照预定关联关系对目标对象进行多层次目标分解包括:按照业务关联关系对所述目标类型的业务进行多层次目标分解。
8.一种目标对象等级确定装置,其特征在于,包括:
分解模块,用于按照预定关联关系对目标对象进行多层次目标分解,以得到位于多层次中包括的各层次中的分解对象,其中,在相邻层次中,前一层次中包括的第一分解对象分解得到后一层次中包括的一个或多个第二分解对象,所述一个或多个第二分解对象与所述第一分解对象之间具备直接关联关系,所述第一分解对象的属性值是基于所述一个或多个第二分解对象的属性值确定的;
计算模块,用于按照层级由低到高的方式,逐层计算所述多层次中包括的各层次中的分解对象的属性值,以得到位于所述多层次中包括的顶层的所述目标对象的属性值;
确定模块,用于基于所述目标对象的属性值确定所述目标对象的等级。
9.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有计算机程序,其中,所述计算机程序被设置为运行时执行所述权利要求1至7任一项中所述的方法。
10.一种电子装置,包括存储器和处理器,其特征在于,所述存储器中存储有计算机程序,所述处理器被设置为运行所述计算机程序以执行所述权利要求1至7任一项中所述的方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010366361.3A CN111553435B (zh) | 2020-04-30 | 2020-04-30 | 目标对象等级确定方法、装置、存储介质及电子装置 |
PCT/CN2020/091035 WO2021217751A1 (zh) | 2020-04-30 | 2020-05-19 | 目标对象等级确定方法、装置、存储介质及电子装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010366361.3A CN111553435B (zh) | 2020-04-30 | 2020-04-30 | 目标对象等级确定方法、装置、存储介质及电子装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111553435A true CN111553435A (zh) | 2020-08-18 |
CN111553435B CN111553435B (zh) | 2024-04-09 |
Family
ID=72000402
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010366361.3A Active CN111553435B (zh) | 2020-04-30 | 2020-04-30 | 目标对象等级确定方法、装置、存储介质及电子装置 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN111553435B (zh) |
WO (1) | WO2021217751A1 (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090132345A1 (en) * | 2004-02-13 | 2009-05-21 | Bahram Meyssami | Method and system for determining relevant matches based on attributes |
US20160217202A1 (en) * | 2015-01-22 | 2016-07-28 | Andre Klahre | Attribute Value Derivation |
CN106919370A (zh) * | 2015-12-24 | 2017-07-04 | 北京国双科技有限公司 | 一种对象属性值的获取方法及装置 |
CN110264343A (zh) * | 2019-06-21 | 2019-09-20 | 山东浪潮商用系统有限公司 | 一种基于税务大数据分析的信用评估方法 |
CN110516120A (zh) * | 2019-08-27 | 2019-11-29 | 北京明略软件系统有限公司 | 信息处理方法及装置、存储介质、电子装置 |
CN110837587A (zh) * | 2019-09-30 | 2020-02-25 | 北京健康之家科技有限公司 | 一种基于机器学习的数据匹配方法和系统 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11132645B2 (en) * | 2017-07-26 | 2021-09-28 | Microsoft Technology Licensing, Llc | Job applicant probability of confirmed hire |
US11016983B2 (en) * | 2018-08-23 | 2021-05-25 | Microsoft Technology Licensing, Llc | Entity-level search models with tree interaction features |
CN110570655B (zh) * | 2019-09-19 | 2021-03-05 | 安徽百诚慧通科技有限公司 | 基于层次聚类和决策树的车辆特征评估方法 |
-
2020
- 2020-04-30 CN CN202010366361.3A patent/CN111553435B/zh active Active
- 2020-05-19 WO PCT/CN2020/091035 patent/WO2021217751A1/zh active Application Filing
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090132345A1 (en) * | 2004-02-13 | 2009-05-21 | Bahram Meyssami | Method and system for determining relevant matches based on attributes |
US20160217202A1 (en) * | 2015-01-22 | 2016-07-28 | Andre Klahre | Attribute Value Derivation |
CN106919370A (zh) * | 2015-12-24 | 2017-07-04 | 北京国双科技有限公司 | 一种对象属性值的获取方法及装置 |
CN110264343A (zh) * | 2019-06-21 | 2019-09-20 | 山东浪潮商用系统有限公司 | 一种基于税务大数据分析的信用评估方法 |
CN110516120A (zh) * | 2019-08-27 | 2019-11-29 | 北京明略软件系统有限公司 | 信息处理方法及装置、存储介质、电子装置 |
CN110837587A (zh) * | 2019-09-30 | 2020-02-25 | 北京健康之家科技有限公司 | 一种基于机器学习的数据匹配方法和系统 |
Non-Patent Citations (1)
Title |
---|
李凡;杜义华;: "层次分析算法及优化在网络视频评比中的实践" * |
Also Published As
Publication number | Publication date |
---|---|
CN111553435B (zh) | 2024-04-09 |
WO2021217751A1 (zh) | 2021-11-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110009174B (zh) | 风险识别模型训练方法、装置及服务器 | |
CN109409677A (zh) | 企业信用风险评估方法、装置、设备及存储介质 | |
CN109325691A (zh) | 异常行为分析方法、电子设备及计算机程序产品 | |
CN112494952B (zh) | 目标游戏用户的检测方法、装置及设备 | |
CN105718490A (zh) | 一种用于更新分类模型的方法及装置 | |
CN110246037B (zh) | 交易特征预测方法、装置、服务器及可读存储介质 | |
CN109766454A (zh) | 一种投资者分类方法、装置、设备及介质 | |
CN108304853B (zh) | 游戏相关度的获取方法、装置、存储介质和电子装置 | |
CN110147389B (zh) | 帐号处理方法和装置、存储介质及电子装置 | |
CN110310114A (zh) | 对象分类方法、装置、服务器及存储介质 | |
CN111340380B (zh) | 客户资源分配方法、装置以及存储介质 | |
CN115577152B (zh) | 基于数据分析的在线图书借阅管理系统 | |
CN112598225A (zh) | 评价指标的确定方法及装置、存储介质、电子装置 | |
CN113569162A (zh) | 数据处理方法、装置、设备及存储介质 | |
CN110457387B (zh) | 一种应用于网络中用户标签确定的方法及相关装置 | |
CN114387103A (zh) | 一种交易风险识别方法和装置 | |
CN113869700A (zh) | 一种绩效指标预测方法、装置、电子设备和存储介质 | |
CN111553435A (zh) | 目标对象等级确定方法、装置、存储介质及电子装置 | |
CN111241297A (zh) | 一种基于标签传播算法的图谱数据处理方法及装置 | |
CN110866437A (zh) | 颜值判定模型优化方法、装置、电子设备及存储介质 | |
CN115689708A (zh) | 训练数据的筛选方法、风险评估方法、装置、设备和介质 | |
CN115600818A (zh) | 多维评分方法、装置、电子设备和存储介质 | |
CN115965464A (zh) | 空壳企业识别方法、装置、存储介质及电子装置 | |
CN113656692B (zh) | 基于知识迁移算法的产品推荐方法、装置、设备及介质 | |
CN114092057A (zh) | 一种项目模型的构建方法、装置、终端设备和存储介质 |
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 |