CN111652304B - 人员亲密度分析方法、终端及存储介质 - Google Patents
人员亲密度分析方法、终端及存储介质 Download PDFInfo
- Publication number
- CN111652304B CN111652304B CN202010469309.0A CN202010469309A CN111652304B CN 111652304 B CN111652304 B CN 111652304B CN 202010469309 A CN202010469309 A CN 202010469309A CN 111652304 B CN111652304 B CN 111652304B
- Authority
- CN
- China
- Prior art keywords
- data
- target
- grade
- intimacy
- personnel
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
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)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种人员亲密度分析方法、终端及存储介质,其方法包括:确定公安数据中目标人员之间的目标数据特征,目标数据特征包括目标人员关系和目标行为关系;确定目标行为关系的发生次数,并对发生次数按预设规则缩小至预设区间范围内,得到转换数据;对目标人员关系和转换数据进行分析,得到样本数据;对样本数据分类,并利用分类后的样本数据计算目标人员之间的亲密度。通过上述方式,本发明能够将人员之间发生的行为关系的次数缩减到预设范围之内,避免因行为关系的数值过大而降低人员关系亲密度的计算精度。
Description
技术领域
本申请涉及警务大数据挖掘分析技术领域,特别是涉及一种人员亲密度分析方法、终端及存储介质。
背景技术
公安部门进行人员之间的亲密度计算,应用于对与高危人员亲密度较高的人员进行掌控等各个方面,对于公安工作的开展具有十分重要的作用,目前在基于公安数据进行人员亲密度计算方面主要是针对公安数据中的父母关系、配偶关系、同住、同出行等特征数据采用机器学习方法或者基于规则的方法计算人员之间的亲密度。但是,同住、同出行、同上网等人员之间的行为关系发生次数较多时,得到的样本数据中行为关系的数值较大,会导致最终计算得到的人员亲密度的准确性降低。
发明内容
本申请提供一种人员亲密度分析方法、终端及存储介质,以提高计算得到人员之间亲密度的准确性。
为解决上述技术问题,本申请采用的一个技术方案是:提供一种人员亲密度分析方法,包括:确定公安数据中目标人员之间的目标数据特征,目标数据特征包括目标人员关系和目标行为关系;确定目标行为关系的发生次数,并对发生次数按预设规则缩小至预设区间范围内,得到转换数据;对目标人员关系和转换数据进行分析,得到样本数据;对样本数据分类,并利用分类后的样本数据计算目标人员之间的亲密度。
为解决上述技术问题,本申请采用的再一个技术方案是:提供一种终端,终端包括处理器、与处理器耦接的存储器,其中,存储器存储有用于实现上述中任一项的人员亲密度分析方法的程序指令;处理器用于执行存储器存储的程序指令以分析人员之间的亲密度。
为解决上述技术问题,本申请采用的再一个技术方案是:提供一种存储介质,存储有能够实现上述中任一项的人员亲密度分析方法的程序文件。
本申请的有益效果是:本发明提供的人员亲密度分析方法通过从公安数据中获取到目标人员之间的目标人员关系和目标行为关系,将每一个目标行为关系对应的发生次数按预设规则缩小至预设区间范围内,得到转换数据,再利用目标人员关系和转换数据得到样本数据,通过样本数据进行计算得到目标人员之间的亲密度,其通过将目标行为关系发生次数按预设规则进行转换,从而缩小发生次数,避免发生次数的数值过大而降低最终的计算结果的精度,提高了计算得到的人员亲密度的准确性。
附图说明
图1是本发明第一实施例的人员亲密度分析方法的流程示意图;
图2是本发明第二实施例的人员亲密度分析方法的流程示意图;
图3是本发明第三实施例的人员亲密度分析方法的流程示意图;
图4是本发明第四实施例的人员亲密度分析方法的流程示意图;
图5是本发明实施例的人员亲密度分析装置的结构示意图;
图6是本发明实施例的终端的结构示意图;
图7是本发明实施例的存储介质的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本申请的一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
本申请中的术语“第一”、“第二”、“第三”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”、“第三”的特征可以明示或者隐含地包括至少一个该特征。本申请的描述中,“多个”的含义是至少两个,例如两个,三个等,除非另有明确具体的限定。本申请实施例中所有方向性指示(诸如上、下、左、右、前、后……)仅用于解释在某一特定姿态(如附图所示)下各部件之间的相对位置关系、运动情况等,如果该特定姿态发生改变时,则该方向性指示也相应地随之改变。此外,术语“包括”和“具有”以及它们任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元,而是可选地还包括没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
图1是本发明第一实施例的人员亲密度分析方法的流程示意图。需注意的是,若有实质上相同的结果,本发明的方法并不以图1所示的流程顺序为限。如图1所示,该方法包括步骤:
步骤S101:确定公安数据中目标人员之间的目标数据特征,目标数据特征包括目标人员关系和目标行为关系。
需要说明的是,本实施例中,人员之间的关系可以划分为人员关系和行为关系,其中,人员关系是指人员之间的社交关系,例如:父母、配偶、兄弟、同学、同事、朋友等关系,代指两个人之间的明确的关系;行为关系是指人员之间发生的行为的关系,例如:同出行、同上网、同住宿等关系,且行为关系还包括发生次数的属性,例如,同出行10次,同住宿8次等。
在步骤S101中,从公安数据中获取目标人员之间的目标数据特征,其中,数据特征是指朋友、同事、同学、同出行、同上网、同住宿等,所有的数据特征可以划分为人员关系和行为关系两大类。本实施例通过从公安数据中的目标数据特征,得到目标人员之间的目标人员关系和目标行为关系。
步骤S102:确定目标行为关系的发生次数,并对发生次数按预设规则缩小至预设区间范围内,得到转换数据。
在步骤S102中,通过公安数据确定目标人员之间的目标行为关系的发生次数,例如,目标行为关系包括同出行和同上网,其中,同出行10次,同上网8次等;在确定目标行为关系的发生次数后,对发生次数按预设规则进行转换,使得所有的发生次数缩小至至预设区间范围内,得到转换数据,从而缩小目标行为关系的发生次数。
其中,预设规则和预设区间范围由客户预先设定,优选地,为了进一步提高最终计算得到的亲密度的准确性,在一些实施例中,预设区间范围优选为[0,1],预设规则可通过数据的标准化来实现,例如通过min-max标准化(Min-max normalization)、log函数转换、atan函数转换、z-score标准化(zero-mena normalization)等方法实现,从而将发生次数缩小至[0,1]区间范围内。
步骤S103:对目标人员关系和转换数据进行分析,得到样本数据。
在步骤S103中,基于目标人员关系进行分析,从而得到目标人员关系的样本数据,基于转换数据进行分析,从而得到目标行为关系的样本数据,目标人员关系的样本数据和目标行为关系的样本数据构成最终的样本数据。
步骤S104:对样本数据分类,并利用分类后的样本数据计算目标人员之间的亲密度。
在步骤S104中,通过采用逻辑回归算法或决策树对样本数据进行分类,再将分类后的样本数据输入至sigmoid函数或Tanh函数中进行计算,得到目标人员之间的亲密度。
本发明第一实施例的人员亲密度分析方法通过从公安数据中获取到目标人员之间的目标人员关系和目标行为关系,将每一个目标行为关系对应的发生次数按预设规则缩小至预设区间范围内,得到转换数据,再利用目标人员关系和转换数据得到样本数据,通过样本数据进行计算得到目标人员之间的亲密度,其通过将目标行为关系发生次数按预设规则进行转换,从而缩小发生次数,避免发生次数的数值过大而降低最终的计算结果的精度,提高了计算得到的人员亲密度的准确性。
图2是本发明第二实施例的人员亲密度分析方法的流程示意图。需注意的是,若有实质上相同的结果,本发明的方法并不以图2所示的流程顺序为限。如图2所示,该方法包括步骤:
步骤S201:确定公安数据中目标人员之间的目标数据特征,目标数据特征包括目标人员关系和目标行为关系。
在本实施例中,图2中的步骤S201和图1中的步骤S101类似,为简约起见,在此不再赘述。
步骤S202:获取每一个目标行为关系的发生次数。
在步骤S202中,行为关系包括同上网、同出行等,因此,每一种行为关系均包括有发生次数,例如:同上网8次、同出行10次等。
步骤S203:对发生次数进行指数转换,得到发生次数在预设区间范围内对应的转换数据。
在步骤S203中,本实施例中,通过采用指数转换的方式,将发生次数缩小至预设区间范围内,需要理解的是,本实施例中预设区间范围为[0,1],其中,指数转换的计算过程为:计算e(自然常数,为数学中一个常数,是一个无限不循环小数,其值约为2.71828)的x次幂,得到转换数据,x等于1减去发生次数的倒数,公式如下:
其中,num为转换数据,n为发生次数。
步骤S204:对目标人员关系和转换数据进行分析,得到样本数据。
在本实施例中,图2中的步骤S204和图1中的步骤S103类似,为简约起见,在此不再赘述。
步骤S205:对样本数据分类,并利用分类后的样本数据计算目标人员之间的亲密度。
在本实施例中,图2中的步骤S205和图1中的步骤S104类似,为简约起见,在此不再赘述。
本发明第二实施例的人员亲密度分析方法通过采用指数转换的方式,将目标行为关系的发生次数缩小至预设区间范围内,从而缩小目标行为关系的发生次数,降低其在计算亲密度时的产生的影响,使得最终的计算结果更为精确。
图3是本发明第三实施例的人员亲密度分析方法的流程示意图。需注意的是,若有实质上相同的结果,本发明的方法并不以图3所示的流程顺序为限。如图3所示,该方法包括步骤:
步骤S301:确定公安数据中目标人员之间的目标数据特征,目标数据特征包括目标人员关系和目标行为关系。
在本实施例中,图3中的步骤S301和图1中的步骤S101类似,为简约起见,在此不再赘述。
步骤S302:确定目标行为关系的发生次数,并对发生次数按预设规则缩小至预设区间范围内,得到转换数据。
在本实施例中,图3中的步骤S302和图1中的步骤S102类似,为简约起见,在此不再赘述。
步骤S303:确认人员关系对应的等级,并将目标数据特征中的目标人员关系对应的等级置1,其余人员关系对应的等级置0,得到人员关系样本数据。
需要说明的是,公安数据包括多个数据特征,且数据特征划分为预设数量个等级,每一个等级包括至少一个数据特征。例如:公安数据包括父母、配偶、兄弟、同事、朋友、同学、同住宿、同出行、同上网,将该多个数据特征划分为五个等级,父母、配偶、兄弟属于第一等级,同事、朋友、同学属于第二等级,同住宿属于第三等级,同出行属于第四等级,同上网属于第五等级。
在步骤S303中,确认目标人员关系对应的等级,并将该等级置1,其余人员关系对应的等级置0,例如:以上述例子为例进行说明,目标人员关系为父母,则第一等级置1,第二等级置0。
步骤S304:基于预设数量个等级以及每一个等级对应的数据特征的个数计算得到每一个等级的基础权重。
在步骤S304中,基础权重的计算过程为:计算每一个等级的数据特征的个数与基础权重的乘积;建立等式,使所有乘积的和等于1;求解等式,得到基础权重,计算公式为:
N1W+N2N1W+N3N2N1W+…+NKNK-1NK-2…N1W=1;
其中,K为划分的等级的个数,NK为第K个等级对应的数据特征的个数,W为基础权重,其中NK已知,即可计算得到基础权重W。
步骤S305:通过每一个等级对应的数据特征的个数、以及该等级以下等级的数据特征的个数和基础权重计算得到每一个等级对应的等级权重。
在步骤S305中,例如:当前等级为第三级,包含a个数据特征,第二级包含b个数据特征,第一级包含c个数据特征,则第一级的权重为c*W,第二级的权重为b*c*W,第三级的权重为a*b*c*W。
步骤S306:利用行为关系对应的等级权重和转换数据计算得到每一个行为关系对应的等级的最终值,得到行为关系样本数据。
步骤S307:基于人员关系样本数据和行为关系样本数据得到样本数据。
步骤S308:对样本数据分类,并利用分类后的样本数据计算目标人员之间的亲密度。
在本实施例中,图3中的步骤S308和图1中的步骤S104类似,为简约起见,在此不再赘述。
本发明第三实施例的人员亲密度分析方法通过借鉴社交网络中利用访问用户节点不同敏感程度的信息资源来衡量节点之间亲密度关系,提出将公安数据中包含的父母、配偶,同家庭户、同集体户等数据特征进行敏感等级划分,再计算出每个等级的等级权重,结合经数据标准化处理后的转换数据和等级权重计算得到每一个行为关系对应的等级的最终值,从而得到行为关系样本数据,其充分利用了根据敏感程度划分的等级信息,并构造出适合机器学习模型的样本数据,使得最终计算的结果的准确性更高。
图4是本发明第四实施例的人员亲密度分析方法的流程示意图。需注意的是,若有实质上相同的结果,本发明的方法并不以图4所示的流程顺序为限。如图4所示,该方法包括步骤:
步骤S401:确定公安数据中目标人员之间的目标数据特征,目标数据特征包括目标人员关系和目标行为关系。
在本实施例中,图4中的步骤S401和图1中的步骤S101类似,为简约起见,在此不再赘述。
步骤S402:确定目标行为关系的发生次数,并对发生次数按预设规则缩小至预设区间范围内,得到转换数据。
在本实施例中,图4中的步骤S402和图1中的步骤S102类似,为简约起见,在此不再赘述。
步骤S403:对目标人员关系和转换数据进行分析,得到样本数据。
在本实施例中,图4中的步骤S403和图1中的步骤S103类似,为简约起见,在此不再赘述。
步骤S404:对样本数据分类,并利用分类后的样本数据计算目标人员之间的亲密度。
在本实施例中,图4中的步骤S404和图1中的步骤S104类似,为简约起见,在此不再赘述。
步骤S405:间隔第一预设时长计算一次目标人员之间的亲密度,得到多个亲密度数据。
步骤S406:基于多个亲密度数据,分析目标人员之间的亲密度变化趋势。
在步骤S405~步骤S406中,为了进一步分析目标人员之间亲密度的变化趋势,每间隔第一预设时长计算一次目标人员之间的亲密度,从而得到多个亲密度数据,需要说明的是,该第一预设时长根据客户需求设定,在得到多个亲密度数据后,基于多个亲密度数据绘制目标人员之间亲密度的趋势变化图,从而方便进一步分析目标人员之间亲密关系的变化趋势。
本发明第四实施例的人员亲密度分析方法通过每间隔第一预设时长计算一次目标人员之间的亲密度,再利用多个亲密度关系分析目标人员之间的亲密关系变化趋势,进而目标人员之间更为准确的亲密关系。
进一步的,在上述实施例中,为了保证计算结果与实际情况更为接近,在调取公安数据时,调取最近的第二预设时长内的公安数据,该第二预设时长可根据用户需求设定,例如,一周、一个月、半年等。
图5是本发明实施例的人员亲密度分析装置的结构示意图。如图5所示,该装置50包括确定模块51、转换模块52、样本分析模块53和计算模块54。
确定模块51,用于确定公安数据中目标人员之间的目标数据特征,目标数据特征包括目标人员关系和目标行为关系。
转换模块52,与确定模块51耦接,用于确定目标行为关系的发生次数,并对发生次数按预设规则缩小至预设区间范围内,得到转换数据。
样本分析模块53,与转换模块52耦接,用于对目标人员关系和转换数据进行分析,得到样本数据。
计算模块54,与样本分析模块53耦接,用于对样本数据分类,并利用分类后的样本数据计算目标人员之间的亲密度。
可选地,转换模块52确定目标行为关系的发生次数,并对发生次数按预设规则缩小至预设区间范围内,得到转换数据的操作还可以为:获取每一个目标行为关系的发生次数;对发生次数进行指数转换,得到发生次数在预设区间范围内对应的转换数据。其中,指数转换的计算过程为:计算e的x次幂,得到转换数据,x等于1减去发生次数的倒数。
可选地,预设区间范围为[0,1]。
可选地,样本分析模块53对目标人员关系和转换数据进行分析,得到样本数据的操作还可以为:确认人员关系对应的等级,并将目标数据特征中的目标人员关系对应的等级置1,其余人员关系对应的等级置0,得到人员关系样本数据,公安数据包括多个数据特征,且数据特征划分为预设数量个等级,每一个等级包括至少一个数据特征;基于预设数量个等级以及每一个等级对应的数据特征的个数计算得到每一个等级的基础权重;通过每一个等级对应的数据特征的个数、以及该等级以下等级的数据特征的个数和基础权重计算得到每一个等级对应的等级权重;利用行为关系对应的等级权重和转换数据计算得到每一个行为关系对应的等级的最终值,得到行为关系样本数据;基于人员关系样本数据和行为关系样本数据得到样本数据。其中,基础权重的计算过程为:计算每一个等级的数据特征的个数与基础权重的乘积;建立等式,使所有乘积的和等于1;求解等式,得到基础权重。
可选地,计算模块54计算得到目标人员之间的亲密度的操作之后,还包括:间隔第一预设时长计算一次目标人员之间的亲密度,得到多个亲密度数据;基于多个亲密度数据,分析目标人员之间的亲密度变化趋势。
可选地,确定模块51确定公安数据中目标人员之间的目标数据特征的操作之前,还包括:调取最近的第二预设时长内的公安数据。
请参阅图6,图6为本发明实施例的终端的结构示意图。如图6所示,该终端60包括处理器61及和处理器61耦接的存储器62。
存储器62存储有用于实现上述任一实施例的人员亲密度分析方法的程序指令。
处理器61用于执行存储器62存储的程序指令以分析人员之间的亲密度。
其中,处理器61还可以称为CPU(Central Processing Unit,中央处理单元)。处理器61可能是一种集成电路芯片,具有信号的处理能力。处理器61还可以是通用处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现成可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
参阅图7,图7为本发明实施例的存储介质的结构示意图。本发明实施例的存储介质存储有能够实现上述所有方法的程序文件71,其中,该程序文件71可以以软件产品的形式存储在上述存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)或处理器(processor)执行本申请各个实施方式方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质,或者是计算机、服务器、手机、平板等终端设备。
在本申请所提供的几个实施例中,应该理解到,所揭露的终端,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。以上仅为本申请的实施方式,并非因此限制本申请的专利范围,凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本申请的专利保护范围内。
Claims (10)
1.一种人员亲密度分析方法,其特征在于,包括:
确定公安数据中目标人员之间的目标数据特征,所述目标数据特征包括目标人员关系和目标行为关系;
确定所述目标行为关系的发生次数,并对所述发生次数按预设规则缩小至预设区间范围内,得到转换数据;
对所述目标人员关系和所述转换数据进行分析,得到样本数据;
对所述样本数据分类,并利用分类后的样本数据计算目标人员之间的亲密度。
2.根据权利要求1所述的人员亲密度分析方法,其特征在于,确定目标行为关系的发生次数,并对发生次数按预设规则缩小至预设区间范围内,得到转换数据,包括:
获取每一个所述目标行为关系的发生次数;
对所述发生次数进行指数转换,得到所述发生次数在所述预设区间范围内对应的所述转换数据。
3.根据权利要求2所述的人员亲密度分析方法,其特征在于,所述指数转换的计算过程为:计算e的x次幂,得到所述转换数据,x等于1减去所述发生次数的倒数。
4.根据权利要求1或2所述的人员亲密度分析方法,其特征在于,所述预设区间范围为[0,1]。
5.根据权利要求1所述的人员亲密度分析方法,其特征在于,对目标人员关系和转换数据进行分析,得到样本数据,包括:
确认所述人员关系对应的等级,并将所述目标数据特征中的目标人员关系对应的等级置1,其余人员关系对应的等级置0,得到人员关系样本数据,所述公安数据包括多个数据特征,且所述数据特征划分为预设数量个等级,每一个等级包括至少一个所述数据特征;
基于所述预设数量个等级以及每一个等级对应的数据特征的个数计算得到每一个等级的基础权重;
通过所述每一个等级对应的数据特征的个数、以及该等级以下等级的数据特征的个数和所述基础权重计算得到每一个等级对应的等级权重;
利用所述行为关系对应的等级权重和所述转换数据计算得到每一个行为关系对应的等级的最终值,得到行为关系样本数据;
基于所述人员关系样本数据和所述行为关系样本数据得到所述样本数据。
6.根据权利要求5所述的人员亲密度分析方法,其特征在于,所述基础权重的计算过程为:计算每一个等级的数据特征的个数与所述基础权重的乘积;建立等式,使所有乘积的和等于1;求解等式,得到所述基础权重。
7.根据权利要求1所述的人员亲密度分析方法,其特征在于,得到目标人员之间的亲密度之后,还包括:
间隔第一预设时长计算一次目标人员之间的亲密度,得到多个亲密度数据;
基于所述多个亲密度数据,分析所述目标人员之间的亲密度变化趋势。
8.根据权利要求1所述的人员亲密度分析方法,其特征在于,所述确定公安数据中目标人员之间的目标数据特征的步骤之前,还包括:
调取最近的第二预设时长内的公安数据。
9.一种终端,其特征在于,所述终端包括处理器、与所述处理器耦接的存储器,其中,
所述存储器存储有用于实现如权利要求1-8中任一项所述的人员亲密度分析方法的程序指令;
所述处理器用于执行所述存储器存储的所述程序指令以分析人员之间的亲密度。
10.一种存储介质,其特征在于,存储有能够实现如权利要求1-8中任一项所述的人员亲密度分析方法的程序文件。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010469309.0A CN111652304B (zh) | 2020-05-28 | 2020-05-28 | 人员亲密度分析方法、终端及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010469309.0A CN111652304B (zh) | 2020-05-28 | 2020-05-28 | 人员亲密度分析方法、终端及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111652304A CN111652304A (zh) | 2020-09-11 |
CN111652304B true CN111652304B (zh) | 2023-04-07 |
Family
ID=72349758
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010469309.0A Active CN111652304B (zh) | 2020-05-28 | 2020-05-28 | 人员亲密度分析方法、终端及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111652304B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108897780A (zh) * | 2018-06-06 | 2018-11-27 | 山东合天智汇信息技术有限公司 | 一种分析计算人员亲密度的方法及系统 |
CN110020025A (zh) * | 2017-09-28 | 2019-07-16 | 阿里巴巴集团控股有限公司 | 一种数据处理方法及装置 |
WO2020000697A1 (zh) * | 2018-06-29 | 2020-01-02 | 平安科技(深圳)有限公司 | 行为识别方法、装置、计算机设备及存储介质 |
CN110807117A (zh) * | 2018-08-03 | 2020-02-18 | 深圳云天励飞技术有限公司 | 一种用户关系预测方法及装置、计算机可读存储介质 |
CN110888888A (zh) * | 2019-12-11 | 2020-03-17 | 北京明略软件系统有限公司 | 人员关系分析方法、装置、电子设备及存储介质 |
-
2020
- 2020-05-28 CN CN202010469309.0A patent/CN111652304B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110020025A (zh) * | 2017-09-28 | 2019-07-16 | 阿里巴巴集团控股有限公司 | 一种数据处理方法及装置 |
CN108897780A (zh) * | 2018-06-06 | 2018-11-27 | 山东合天智汇信息技术有限公司 | 一种分析计算人员亲密度的方法及系统 |
WO2020000697A1 (zh) * | 2018-06-29 | 2020-01-02 | 平安科技(深圳)有限公司 | 行为识别方法、装置、计算机设备及存储介质 |
CN110807117A (zh) * | 2018-08-03 | 2020-02-18 | 深圳云天励飞技术有限公司 | 一种用户关系预测方法及装置、计算机可读存储介质 |
CN110888888A (zh) * | 2019-12-11 | 2020-03-17 | 北京明略软件系统有限公司 | 人员关系分析方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111652304A (zh) | 2020-09-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20180046724A1 (en) | Information recommendation method and apparatus, and server | |
CN112258093A (zh) | 风险等级的数据处理方法及装置、存储介质、电子设备 | |
CN110555172B (zh) | 用户关系挖掘方法及装置、电子设备和存储介质 | |
CN109598414B (zh) | 风险评估模型训练、风险评估方法、装置及电子设备 | |
CN110909222B (zh) | 基于聚类的用户画像建立方法、装置、介质及电子设备 | |
CN108764348B (zh) | 基于多个数据源的数据采集方法及系统 | |
CN114662772A (zh) | 交通噪音预警方法、模型训练方法、装置、设备及介质 | |
CN110046179B (zh) | 一种报警维度的挖掘方法、装置及设备 | |
US20170299424A1 (en) | Measuring and diagnosing noise in an urban environment | |
Aparicio et al. | Structure-based identification of sensor species for anticipating critical transitions | |
CN109325015B (zh) | 一种领域模型的特征字段的提取方法及装置 | |
CN113852510A (zh) | 一种网络安全态势预测方法和装置、电子设备、存储介质 | |
CN111652304B (zh) | 人员亲密度分析方法、终端及存储介质 | |
CN113763077A (zh) | 用于检测虚假交易订单的方法和装置 | |
CN109460778B (zh) | 活动评估方法、装置、电子设备及存储介质 | |
CN111708821B (zh) | 人员亲密度的确定方法、装置及存储介质 | |
CN110458707B (zh) | 基于分类模型的行为评估方法、装置及终端设备 | |
CN110765303A (zh) | 一种更新数据库的方法及系统 | |
CN114299043B (zh) | 点云质量评估方法、装置、电子设备和存储介质 | |
CN111353428A (zh) | 动作信息识别方法、装置、电子设备及存储介质 | |
CN110046711B (zh) | 一种模型特征剔除方法及装置 | |
CN116501993B (zh) | 房源数据推荐方法及装置 | |
CN116308721B (zh) | 一种信息监督管理方法、装置、电子设备及存储介质 | |
CN113284027B (zh) | 团伙识别模型的训练方法、异常团伙识别方法及装置 | |
CN117522169A (zh) | 风电功率的预测方法、装置、设备及介质 |
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 |