CN111723119A - 一种筛选方法及装置、存储介质 - Google Patents

一种筛选方法及装置、存储介质 Download PDF

Info

Publication number
CN111723119A
CN111723119A CN201910205378.8A CN201910205378A CN111723119A CN 111723119 A CN111723119 A CN 111723119A CN 201910205378 A CN201910205378 A CN 201910205378A CN 111723119 A CN111723119 A CN 111723119A
Authority
CN
China
Prior art keywords
index
screening
indexes
objects
screened
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.)
Pending
Application number
CN201910205378.8A
Other languages
English (en)
Inventor
李旭
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.)
Beijing Jingdong Century Trading Co Ltd
Beijing Jingdong Shangke Information Technology Co Ltd
Original Assignee
Beijing Jingdong Century Trading Co Ltd
Beijing Jingdong Shangke Information Technology Co 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 Beijing Jingdong Century Trading Co Ltd, Beijing Jingdong Shangke Information Technology Co Ltd filed Critical Beijing Jingdong Century Trading Co Ltd
Priority to CN201910205378.8A priority Critical patent/CN111723119A/zh
Publication of CN111723119A publication Critical patent/CN111723119A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2462—Approximate or statistical queries
    • 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
    • G06Q30/0282—Rating or review of business operators or products
    • 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
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0631—Item recommendations

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Development Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Probability & Statistics with Applications (AREA)
  • Marketing (AREA)
  • Economics (AREA)
  • Mathematical Physics (AREA)
  • Fuzzy Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Computational Linguistics (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Game Theory and Decision Science (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明实施例提供一种筛选方法，包括：获取至少两个待筛选对象对应的至少两个对象标识；根据至少两个对象标识中的每一个标识，分别从指标数据库中进行指标提取，获得至少两组筛选指标；获取不同类型指标各自对应的指标权重，并根据至少两组筛选指标和指标权重，确定至少两个待筛选对象对应的至少两个评价结果；根据至少两个评价结果，对至少两个待筛选对象进行筛选，获得目标对象。

Description

一种筛选方法及装置、存储介质
技术领域
本发明涉及数据筛选技术，尤其涉及一种筛选方法及装置、存储介质。
背景技术
随着互联网的发展，用户可以随时在各大电子销售平台上挑选自己所需要的商品，并进行购买。
目前，电子销售平台都会向用户推荐优质店铺，以帮助用户快速找到需要的商品。通常情况下，电子销售平台推荐的优质店铺，为人工从报名参与店铺筛选的全部店铺中，按照一定的筛选方案，筛选出的店铺，例如，电子销售平台的活动页面需要展示10个店铺，而有100个店铺报名参与，因此，就需要人工从100个店铺中筛选出10个店铺，从而进一步展示筛选出的10个店铺。
然而，通过人工从大量店铺中筛选出部分店铺，一方面，没有准确的数据作为支持，主要由人的主观意识进行判断，筛选结果的准确性较低，另一方面，人工筛选店铺的效率较低。
发明内容
本发明实施例提供一种筛选方法，基于待筛选对象对应的相关指标，以严格的选取方法自动筛选待筛选对象，不仅提高了筛选结果的准确性，还提高了筛选效率。
本发明实施例的技术方案是这样实现的：
第一方面，本发明实施例提供一种筛选方法，
获取至少两个待筛选对象对应的至少两个对象标识；
根据所述至少两个对象标识中的每一个标识，分别从指标数据库中进行指标提取，获得至少两组筛选指标；
获取不同类型指标各自对应的指标权重，并根据所述至少两组筛选指标和所述指标权重，确定所述至少两个待筛选对象对应的至少两个评价结果；
根据所述至少两个评价结果，对所述至少两个待筛选对象进行筛选，获得目标对象。
在上述方案中，所述根据所述至少两个对象标识中的每一个标识，分别从指标数据库中进行指标提取，获得至少两组筛选指标之前，所述方法还包括：
从服务器中，获取指标存储对象中每一个对象对应的应用记录；其中，所述指标存储对象包括所述至少两个待筛选对象；
分别对所述应用记录进行统计量化处理，获得所述指标存储对象中每一个对象对应的一组筛选指标；
基于所述指标存储对象中每一个对象对应的对象标识，对所述指标存储对象中每一个对象对应的一组筛选指标进行对应存储，获得所述指标数据库。
在上述方案中，所述根据所述至少两组筛选指标和所述指标权重，确定所述至少两个待筛选对象对应的至少两个评价结果，包括：
根据所述至少两组筛选指标，确定不同类型指标对应的均值和方差，获得至少一个指标均值和至少一个指标方差；
根据所述至少两组筛选指标、所述至少一个指标均值、所述至少一个指标方差，以及所述指标权重，确定所述至少两个评价结果。
在上述方案中，所述根据所述至少两组筛选指标、所述至少一个指标均值、所述至少一个指标方差，以及所述指标权重，确定所述至少两个评价结果，包括：
根据所述至少一个指标均值和所述至少一个指标方差，对所述至少两组筛选指标中的每一组指标分别进行标准化处理，获得至少两组标准化指标；
根据所述至少两组标准化指标和所述指标权重，确定所述至少两个评价结果。
在上述方案中，所述根据所述至少两个评价结果，对所述至少两个待筛选对象进行筛选，获得筛选结果，包括：
按照堆排序算法，从所述至少两个评价结果中选取至少一个评价结果；
将所述至少两个待筛选对象中，所述至少一个评价结果对应的至少一个对象确定为所述目标对象。
在上述方案中，所述获得目标对象之后，所述方法还包括：
接收针对所述目标对象的获取指令；
根据所述获取指令，将所述目标对象提供给展示页面，以在所述展示页面中推送所述目标对象。
第二方面，本发明实施例提供一种筛选装置，所述装置包括：处理器、存储器和通信总线；
所述通信总线，用于实现所述处理器和所述存储器之间的通信连接；
所述处理器，用于执行所述存储器中存储的筛选程序，以实现以下步骤：
获取至少两个待筛选对象对应的至少两个对象标识；根据所述至少两个对象标识中的每一个标识，分别从指标数据库中进行指标提取，获得至少两组筛选指标；获取不同类型指标各自对应的指标权重，并根据所述至少两组筛选指标和所述指标权重，确定所述至少两个待筛选对象对应的至少两个评价结果；根据所述至少两个评价结果，对所述至少两个待筛选对象进行筛选，获得目标对象。
在上述装置中，所述处理器在基于所述至少两个对象标识，从指标数据库中获取所述至少两个待筛选对象对应的至少两组筛选指标之前，还用于执行所述筛选程序，以实现以下步骤：
从服务器中，获取指标存储对象中每一个对象对应的应用记录；其中，所述指标存储对象包括所述至少两个待筛选对象；分别对所述应用记录进行统计量化处理，获得所述指标存储对象中每一个对象对应的一组筛选指标；基于所述指标存储对象中每一个对象对应的对象标识，对所述指标存储对象中每一个对象对应的一组筛选指标进行对应存储，获得所述指标数据库。
在上述装置中，所述处理器具体用于执行所述筛选程序，以实现以下步骤：
根据所述至少两组筛选指标，确定不同类型指标对应的均值和方差，获得至少一个指标均值和至少一个指标方差；根据所述至少两组筛选指标、所述至少一个指标均值、所述至少一个指标方差，以及所述指标权重，确定所述至少两个评价结果。
在上述装置中，所述处理器具体用于执行所述筛选程序，以实现以下步骤：
根据所述至少一个指标均值和所述至少一个指标方差，对所述至少两组筛选指标中的每一组指标分别进行标准化处理，获得至少两组标准化指标；根据所述至两组标准化指标和所述指标权重，确定所述至少两个评价结果。
在上述装置中，所述处理器具体用于执行所述筛选程序，以实现以下步骤：
按照堆排序算法，从所述至少两个评价结果中选取至少一个评价结果；将所述至少两个待筛选对象中，所述至少一个评价结果对应的至少一个对象确定为所述目标对象。
在上述装置中，所述处理器在获得目标对象之后，还用于执行所述筛选程序，以实现以下步骤：
接收针对所述目标对象的获取指令；根据所述获取指令，将所述目标对象提供给展示页面，以在所述展示页面中推送所述目标对象。
第三方面，本发明实施例提供一种计算机可读存储介质，所述计算机可读存储介质存储有一个或者多个程序，所述一个或者多个程序可以被一个或者多个处理器执行，以实现上述筛选方法。
由此可见，本发明实施例提供的筛选方法，获取至少两个待筛选对象对应的至少两个对象标识；根据至少两个对象标识中的每一个标识，分别从指标数据库中进行指标提取，获得至少两组筛选指标；获取不同类型指标各自对应的指标权重，并根据至少两组筛选指标和指标权重，确定至少两个待筛选对象对应的至少两个评价结果；根据至少两个评价结果，对至少两个待筛选对象进行筛选，获得目标对象。也就是说，本发明实施例提供的技术方案，，基于待筛选对象对应的相关指标，以严格的选取方法自动筛选待筛选对象，不仅提高了筛选结果的准确性，还提高了筛选效率。
应用本发明实施例实现以下有益效果：
基于待筛选对象对应的相关指标，以严格的选取方法自动筛选待筛选对象，不仅提高了筛选结果的准确性，还提高了筛选效率。
附图说明
图1为本发明实施例提供的一种筛选方法的流程示意图；
图2为本发明实施例提供的一种构建指标数据库的流程示意图；
图3为本发明实施例提供的一种筛选优质店铺的具体流程示意图；
图4为本发明实施例提供的一种筛选装置的结构示意图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步地详细描述，所描述的实施例不应视为对本发明的限制，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它实施例，都属于本发明保护的范围。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中所使用的术语只是为了描述本发明实施例的目的，不是旨在限制本发明。
本发明实施例提供了一种筛选方法，图1为本发明实施例提供的一种筛选方法的流程示意图。如图1所示，主要包括以下步骤：
S101、获取至少两个待筛选对象对应的至少两个对象标识。
在本发明的实施例中，筛选装置可以直接获取至少两个待筛选对象对应的至少两个对象标识。
需要说明的是，在本发明的实施例中，待筛选对象可以为电子销售平台上参与筛选竞争的店铺，也可以为电子销售平台上参与筛选竞争的一些商品，以筛选出部分优质店铺或优质商品推荐给用户，具体的待筛选对象本发明实施例不作限定。
需要说明的是，在本发明的实施例中，待筛选对象至少为两个，每一个待筛选对象均对应预设的对象标识，例如，身份标识号码。具体的待筛选对象和待筛选对象对应的对象标识本发明实施例不作限定。
示例性的，在本发明的实施例中，包括三个待筛选对象：店铺1、店铺2，以及店铺3，其中，店铺1对应的对象标识为A1，店铺2对应的对象标识为A2，店铺3对应的对象标识为A3，因此，筛选装置可以直接获取到A1、A2和A3。
可以理解的是，在本发明的实施例中，筛选装置中设置有报名入口，通过该入口以实现待筛选对象进行筛选的报名，从而获取到待筛选对象对应的对象标识，以表征待筛选对象。
S102、根据至少两个对象标识中的每一个标识，分别从指标数据库中进行指标提取，获得至少两组筛选指标。
在本发明的实施例中，筛选装置在获取到至少两个待筛选对象对应的至少两个对象标识之后，即可根据至少两个对象标识中的每一个标识，分别从指标数据库中进行指标提取，获得至少两组筛选指标。
可以理解的是，在本发明的实施例中，至少两个待筛选对象中的每一个对象分别对应至少两个对象标识中的一个标识，筛选装置根据至少两个对象标识中的每一个标识，分别从指标数据库中进行指标提取，获得的至少两组筛选指标中的每一组指标实际上也就是表征至少两个待筛选对象中，对应的对象的优劣。
示例性的，在本发明的实施例中，包括三个待筛选对象：店铺1、店铺2，以及店铺3，筛选装置获取到店铺1对应的对象标识为A1，店铺2对应的对象标识为A2，店铺3对应的对象标识为A3，从而进一步在指标数据库中根据A1、A2和A3分别进行指标提取，其中，在指标数据库中，A1对应的第一组筛选指标，A2对应第二组筛选指标，A3对应第三组筛选指标，因此，筛选装置获得这三组筛选指标，当然，第一组筛选指标也与店铺1对应，第二组筛选指标也与店铺2对应，第三组筛选指标也与店铺3对应。
需要说明的是，在本发明的实施例中，待筛选对象可以为报名参与筛选的店铺，指标数据库中存储了每一个店铺对应的一组筛选指标，而这一组筛选指标中，具体可以包括：店铺的浏览数量、店铺的粉丝数量，以及店铺的订单量等类型的具体指标，本发明实施例不作限定。
可以理解的是，在本发明的实施例中，筛选装置在根据至少两个对象标识中的每一个标识，分别从指标数据库中进行指标提取，获得至少两组筛选指标之前，需要先构建指标数据库。
图2为本发明实施例提供的一种构建指标数据库的流程示意图。如图2所示，主要包括以下步骤：
S201、从服务器中，获取指标存储对象中每一个对象对应的应用记录；其中，指标存储对象包括至少两个待筛选对象。
需要说明的是，在本发明的实施例中，筛选装置在从服务器中获取指标存储对象中每一个对象对应的应用记录，具体可以自动对服务器中的记录进行过滤，将不符合规则的脏数据过滤掉，例如，将不是应用记录的记录过滤掉，当然，也可以将某些虚假无效的店铺的相关记录过滤掉。
需要说明的是，在本发明的实施例中，指标存储对象可以为需要确定筛选指标，并进行存储的对象，包括至少两个待筛选对象中的每一个对象，当然，还可以包括其它的对象，具体的指标存储对象可以为电子销售平台上注册的所有店铺，当然，也就包括了报名参与进行筛选的待筛选店铺，具体的指标存储对象本发明实施例不作限定。
需要说明的是，在本发明的实施例中，服务器的数量具体可以为多个，这些服务器可以组成分布式文件系统(Hadoop Distributed File System，HDFS)，用于存储数据，具体的服务器本发明实施例不作限定。
需要说明的是，在本发明的实施例中，筛选装置可以包括服务器，筛选装置直接从自身包括的服务器中获取指标存储对象中每一个对象对应的应用记录，当然，筛选装置也可以不包括服务器，通过与服务器的交互，从服务器中获取指标存储对象中每一个对象对应的应用记录，本发明实施例不作限定。
需要说明的是，在本发明的实施例中，在服务器中存储有指标存储对象中每一个对象对应的应用记录，其中，指标存储对象包括至少两个待筛选对象，例如，包括三个待筛选对象：店铺1、店铺2，以及店铺3，而指标存储对象实际上包括电子销售平台所有注册的店铺，具体包括：店铺1、店铺2、店铺3，……，店铺N，服务器中存储的是每一个店铺对应的应用记录，具体的服务器本发明实施例不作限定。
S202、分别对应用记录进行统计量化处理，获得指标存储对象中每一个对象对应的一组筛选指标。
示例性的，在本发明的实施例中，服务器中存储了指标存储对象，具体为全部店铺中每一个店铺对应的应用记录，例如，针对每一个店铺，存储了其每一条用户浏览记录和粉丝记录量等记录，而筛选装置根据应用记录，将用户浏览记录统计量化成对应店铺的浏览数量，将粉丝记录量统计量化成对应店铺的粉丝数量，等等，从而获得了一个店铺的多维度的量化指标，构成了一个店铺对应的一组筛选指标。
需要说明的是，在本发明的实施例中，服务器可以为HDFS系统，因此，筛选装置具体可以利用其对应的数据仓库工具Hive进行单条记录累加合并成不同的筛选指标，具体的统计量化方式本发明实施例不作限定。
S203、基于指标存储对象中每一个对象对应的对象标识，对指标存储对象中每一个对象对应的一组筛选指标进行对应存储，获得指标数据库。
需要说明的是，在本发明的实施例中，指标存储对象中每一个对象对应一个对象标识，以表征对应的对象，筛选装置基于指标存储对象中每一个对象对应的对象标识，将指标存储对象中每一个对象对应的一组筛选指标结构化成以对象标识检索的数据，也就是说，一个对象与对应的一组筛选指标相互关联，以进行存储，从而获得指标数据库。
需要说明的是，在本发明的实施例中，指标数据库可以是一个分布式存储数据库(Hadoop Database，HBase)，具有高可靠性、高性能、面向列，以及可伸缩等特性具体的指标数据库本发明实施例不作限定。
可以理解的是，在本发明的实施例中，指标数据库中是将指标存储对象中每一个对象对应的标识，与对应的一组筛选指标进行对应存储，因此，筛选装置只需要获取到每一个待筛选对象对应的标识，根据该标识，直接在指标数据库进行查找，获取对应的一组筛选指标即可。
S103、获取不同类型指标各自对应的指标权重，并根据至少两组筛选指标和指标权重，确定至少两个待筛选对象对应的至少两个评价结果。
在本发明的实施例中，筛选装置在获得至少两组筛选指标之后，可以进一步获取不同类型指标各自对应的指标权重，并根据至少两组筛选指标和指标权重，确定至少两个待筛选对象对应的至少两个评价结果。
需要说明的是，在本发明的实施例中，根据筛选目的的不同，可以针对不同类型指标预设不同的权重，例如，在筛选店铺的过程中，时尚事业部在筛选过程中对店铺的浏览数量比较敏感，而对店铺的内容发布数量关注程度较低，因此，将店铺的浏览数量这一类型指标的权重配置的较高，将店铺的内容发布数这一类型指标的权重配置的较低，具体的不同类型指标各自对应的指标权重本发明实施例不作限定。
具体的，在本发明的实施例中，筛选装置根据至少两组筛选指标和指标权重，确定至少两个待筛选对象对应的至少两个评价结果，包括：根据至少两组筛选指标，确定不同类型指标对应均值和方差，获得至少一个指标均值和至少一个指标方差；根据至少两组筛选指标、至少一个指标均值、至少一个指标方差，以及指标权重，确定至少两个评价结果。
可以理解的是，在本发明的实施例中，每一个待筛选对象对应一组筛选指标，其中，包括了对应待筛选对象不同类型的筛选指标，而对于不同的待筛选对象而言，其各自对应的一组筛选指标中，包含的各种筛选指标的类型是相同的，也就是说，至少两组筛选指标中，每一组筛选指标包括的筛选指标的具体数据是不相同的，但是类型相同，因此，对于至少两组筛选指标而言，属于同一类型的指标对应至少有两个，具体的，对于三组、四组，甚至五组筛选指标而言，一种类型的指标相应也就有三个、四个，甚至五个，此外，如果每一组筛选指标中实际上只包含一个筛选指标，相应的，计算出的仅为一个指标均值和一个指标方差。
示例性的，在本发明的实施例中，包括三个待筛选对象：店铺1、店铺2，以及店铺3，店铺1对应的第一组筛选指标，具体包括了店铺1的浏览量a1、粉丝数量b1、订单量c1，以及发布内容量d1，店铺2对应的第二组筛选指标，具体包括了店铺1的浏览量a2、粉丝数量b2、订单量c2，以及发布内容量d2，店铺3对应的第三组筛选指标，具体包括了店铺3的浏览量a3、粉丝数量b3、订单量c3，以及发布内容量d3，因此，筛选装置根据a1、a2和a3计算出浏览量这一类型指标的指标均值和指标方差，根据b1、b2和b3计算出粉丝数量这一类型指标的指标均值和指标方差，根据c1、c2和c3计算出订单量这一类型指标的指标均值和指标方差，根据d1、d2和d3计算出发布内容量这一类型指标对应的指标均值和指标方差，获得每一种类型指标对应的指标均值和指标方差，即四个指标均值和四个指标方差。
具体的，在本发明的实施例中，如果具体包括n组筛选指标，对于任意一种类型，筛选装置按照如下公式(1)计算指标均值：
Figure BDA0001998811240000101
其中，x1、x2，……xn为n组筛选指标中，属于某一类型的筛选指标，
Figure BDA0001998811240000102
即为属于该类型指标对应的指标均值。
需要说明的是，在本发明的实施例中，如果具体包括n组筛选指标，对于任意一种类型的筛选指标，筛选装置分别按照如下公式(2)计算指标方差：
Figure BDA0001998811240000103
其中，xi为n组筛选指标中，属于某一类型的筛选指标，
Figure BDA0001998811240000104
为该类型筛选指标对应的指标均值，s为该类型指标对应的指标方差。
具体的，在本发明的实施例中，筛选装置根据至少两组筛选指标、至少一个指标均值、至少一个指标方差，以及指标权重，确定至少两个评价结果，包括：根据至少一个指标均值和至少一个指标方差，对至少两组筛选指标中的每一组指标分别进行标准化处理，获得至少两组标准化指标；根据至少两组标准化指标和指标权重，确定至少两个评价结果。
需要说明的是，在本发明的实施例中，筛选装置在获得每一类型筛选指标对应的指标均值和指标方差之后，对每一组筛选指标分别进行标准化处理，实际上就是对每一组筛选指标中的每一个筛选指标，根据其类型对应的指标均值和指标方差，进行标准化处理，获得标准化后的每一组筛选指标。
可以理解的是，在本发明的实施例中，不同类型的筛选指标往往具有不同的量纲和量纲单位，如果直接根据待筛选对象对应的一组筛选指标进行评价，会对评价结果产生影响，为了消除不同类型筛选指标之间的量纲影响，因此，需要对每一组筛选指标中的每一个筛选指标进行标准化处理，以使各类型筛选指标处于同一数量级，用于进行综合评价。
需要说明的是，在本发明的实施例中，对于任意一组筛选指标，筛选装置分别按照如下公式(3)确定对应的一组标准化指标：
Figure BDA0001998811240000111
其中，xi为该组筛选指标中的一个筛选指标，
Figure BDA0001998811240000112
为xi这一筛选指标的指标类型对应的指标均值，s为xi这一筛选指标的指标类型对应的指标方差，yi为将xi标准化之后的指标。
可以理解的是，在本发明的实施例中，筛选装置对于不同待筛选对象对应的一组筛选指标中的每一个筛选指标分别按照上述公式进行计算时，只要类型指标相同，均采用上述计算出的对应类型的筛选均值和筛选方差进行计算。
示例性的，在本发明的实施例中，包括两个待筛选对象：店铺1和店铺2，店铺1对应的第一组筛选指标包括：浏览量a1、粉丝数量b1，店铺2对应的第二组筛选指标包括：浏览量a2、粉丝数量b2，筛选装置根据a1和a2确定出浏览量这一指标类型对应的指标均值为U1，指标方差为V1，根据b1和b2确定出粉丝数量这一指标类型对应的指标均值为U2，指标方差为V2，因此，按照公式(3)，标准化a1得到(a1-U1)/V1，标准化b1得到(b1-U2)/V2，标准化a2得到(a2-U1)/V1，标准化b2得到(b2-U2)/V2，从而得到两组标准化指标。
需要说明的是，在本发明的实施例中，筛选装置在获得每一个待筛选对象对应的一组标准化指标之后，对于每一组标准化指标，将不同类型的标准化指标与对应的指标权重相乘，之后，再将乘积求和，即可得到对应的筛选对象对应的评价结果。
示例性的，在本发明的实施例中，筛选装置获得店铺1对应的一组标准化指标包括：浏览量P1、粉丝数量Q1，店铺2对应的一组标准化指标包括：浏览量P2、粉丝数量Q2，其中，浏览量这一类型指标对应的指标权重为R1，粉丝数量这一类型指标对应的指标权重为R2，因此，店铺1对应的平均结果为(P1×R1+Q1×R2)，店铺2对应的平均结果为(P2×R1+Q2×R2)。
S104、根据至少两个评价结果，对至少两个待筛选对象进行筛选，获得目标对象。
在本发明的实施例中，筛选装置在获得至少两个待筛选对象对应的至少两个评价结果之后，可以根据至少两个评价结果，对至少两个待筛选对象进行筛选，获得目标对象。
具体的，在本发明的实施例中，筛选装置根据至少两个评价结果，对至少两个待筛选对象进行筛选，获得目标对象，包括：按照堆排序算法，从至少两个评价结果中选取至少一个评价结果；将至少两个待筛选对象中，至少一个评价结果对应的至少一个对象确定为目标对象。
需要说明的是，在本发明的实施例中，堆排序算法实际上可以实现至少两个评价结果由大到小的排序输出，也就是说，按照堆排序算法，可以自动先输出最大的评价结果，之后，输出次之的评价结果，筛选装置从至少两个评价结果中将选取出至少一个评价结果，当然，具体的，筛选装置可以根据实际需要选取出的评价结果数量，按照堆排序算法依次由大到小输出，直到输出数量满足预设的数量为止。具体的堆排序算法为现有算法，在此不再赘述。具体的选取的评价结果数量本发明实施例不作限定。
可以理解的是，在本发明的实施例中，筛选装置按照堆排序算法由大到小输出预设数量的评价结果，其中，每一个评价结果对应的待筛选对象均为目标对象。
示例性的，在本发明的实施例中，包括五个待筛选对象：店铺1、店铺2、店铺3、店铺4和店铺5，筛选装置确定出店铺1对应的评价结果为T1，店铺2对应的评价结果为T2，店铺3对应的评价结果为T3，店铺4对应的评价结果为T4，店铺5对应的评价结果为T5，其中，T4大于T2，T2大于T1，T1大于T3，T3大于T5，筛选装置需要从五个待筛选对象中选取前两个筛选对象，因此，按照堆排序算法，即可选取出T4和T2，从而将店铺4和店铺2确定为目标对象。
需要说明的是，在本发明的实施例中，筛选装置在执行步骤S101，获取至少两个待筛选对象对应的至少两个对象标识时，可能出现获取失败的情况，此时，可以重试目标次数，如果均失败，则输出相应的异常提示，同样，筛选装置在执行步骤S102，获取至少两组筛选指标时，可能出现失败的情况，此时，也可以重试目标次数，如果均失败，也输出相应的异常提示，最后，筛选装置在执行步骤S104，获得目标对象之后，实际上可以进一步将目标对象存储到素材中心，如果存储失败，也可以重试目标次数，如果均失败，也输出相应的异常提示，具体的目标次数本发明实施例不作限定。
图3为本发明实施例提供的一种筛选优质店铺的具体流程示意图。如图3所示，筛选装置当前需要从100个报名店铺中筛选出10个优质店铺，第一步：筛选装置先获取待筛选对象，即获取100个待筛选店铺对应的100个店铺ID，如果成功获取到，则进入第二步，如果获取失败，则重试，如果重试三次均失败，则可输出异常提示。第二步：筛选装置根据100个店铺ID，分别从指标数据库中进行指标提取，如果成功获得100组筛选指标，进入第三步，如果失败，同样重试，如果重试三次均失败，则可输出异常提示。第三步：筛选装置获取不同类型指标各自对应的指标权重，根据指标权重和100组筛选指标，计算出100个店铺中，每一个店铺对应的评价分数，进入第四步。第四步：筛选装置根据100个评价分数，由高到低选取前10个评价分数，将这10个评价分数对应的店铺确定为优质店铺。第五步：筛选装置将优质店铺存储到素材中心，以供最终展示在电子销售平台的展示页面上，此时，如果存储失败将进行重试存储，三次失败，则数据异常提示，如果成功，则成功结束整个流程。
需要说明的是，在本发明的实施例中，筛选装置在获得目标对象，还可以执行以下步骤：接收针对目标对象的获取指令；根据获取指令，将目标对象提供给展示页面，以在展示页面中推送目标对象。
需要说明的是，在本发明的实施例中，目标对象实际上可以为筛选装置筛选出来的一些优质店铺，或者优质商品，因此，将优质店铺或优质商品在电子销售平台的展示页面中进行展示，可以进一步将这些优质店铺或优质商品推送给用户，供用户在消费过程中进行参考。
具体的，在本发明的实施例中，筛选装置对至少两个待筛选对象进行筛选，获得目标对象，例如，筛选装置对100个店铺进行筛选，获得10个优质店铺之后，具体可以进一步接收电子销售平台的设计人员发送的获取指令，将这10个优质店铺提供给设计的展示页面，即可以在展示页面中显示这10个优质店铺，实现推送这10个优质店铺的目的。
本发明实施例提供了一种筛选方法，获取至少两个待筛选对象对应的至少两个对象标识；根据至少两个对象标识中的每一个标识，分别从指标数据库中进行指标提取，获得至少两组筛选指标；获取不同类型指标各自对应的指标权重，并根据至少两组筛选指标和指标权重，确定至少两个待筛选对象对应的至少两个评价结果；根据至少两个评价结果，对至少两个待筛选对象进行筛选，获得目标对象。也就是说，本发明实施例提供的技术方案，基于待筛选对象对应的相关指标，以严格的选取方法自动筛选待筛选对象，不仅提高了筛选结果的准确性，还提高了筛选效率。
本发明实施例提供了一种筛选装置，图4为本发明实施例提供的一种筛选装置的结构示意图。如图4所示，筛选装置包括：处理器401、存储器402和通信总线403；
所述通信总线403，用于实现所述处理器401和所述存储器402之间的通信连接；
所述处理器401，用于执行所述存储器402中存储的筛选程序，以实现以下步骤：
获取至少两个待筛选对象对应的至少两个对象标识；根据所述至少两个对象标识中的每一个标识，分别从指标数据库中进行指标提取，获得至少两组筛选指标；获取不同类型指标各自对应的指标权重，并根据所述至少两组筛选指标和所述指标权重，确定所述至少两个待筛选对象对应的至少两个评价结果；根据所述至少两个评价结果，对所述至少两个待筛选对象进行筛选，获得目标对象。
可选的，所述处理器401在基于所述至少两个对象标识，从指标数据库中获取所述至少两个待筛选对象对应的至少两组筛选指标之前，还用于执行所述筛选程序，以实现以下步骤：
从服务器中，获取指标存储对象中每一个对象对应的应用记录；其中，所述指标存储对象包括所述至少两个待筛选对象；分别对所述应用记录进行统计量化处理，获得所述指标存储对象中每一个对象对应的一组筛选指标；基于所述指标存储对象中每一个对象对应的对象标识，对所述指标存储对象中每一个对象对应的一组筛选指标进行对应存储，获得所述指标数据库。
可选的，所述处理器401具体用于执行所述筛选程序，以实现以下步骤：
根据所述至少两组筛选指标，确定不同类型指标对应的均值和方差，获得至少一个指标均值和至少一个指标方差；根据所述至少两组筛选指标、所述至少一个指标均值、所述至少一个指标方差，以及所述指标权重，确定所述至少两个评价结果。
可选的，所述处理器401具体用于执行所述筛选程序，以实现以下步骤：
根据所述至少一个指标均值和所述至少一个指标方差，对所述至少两组筛选指标中的每一组指标分别进行标准化处理，获得至少两组标准化指标；根据所述至两组标准化指标和所述指标权重，确定所述至少两个评价结果。
可选的，所述处理器401具体用于执行所述筛选程序，以实现以下步骤：
按照堆排序算法，从所述至少两个评价结果中选取至少一个评价结果；将所述至少两个待筛选对象中，所述至少一个评价结果对应的至少一个对象确定为所述目标对象。
可选的，所述处理器401在获得目标对象之后，还用于执行所述筛选程序，以实现以下步骤：
接收针对所述目标对象的获取指令；根据所述获取指令，将所述目标对象提供给展示页面，以在所述展示页面中推送所述目标对象。
本发明实施例提供了一种筛选装置，获取至少两个待筛选对象对应的至少两个对象标识；根据至少两个对象标识中的每一个标识，分别从指标数据库中进行指标提取，获得至少两组筛选指标；获取不同类型指标各自对应的指标权重，并根据至少两组筛选指标和指标权重，确定至少两个待筛选对象对应的至少两个评价结果；根据至少两个评价结果，对至少两个待筛选对象进行筛选，获得目标对象。也就是说，本发明实施例提供的筛选装置，基于待筛选对象对应的相关指标，以严格的选取方法自动筛选待筛选对象，不仅提高了筛选结果的准确性，还提高了筛选效率。
本发明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存储有一个或者多个程度，所述一个或者多个程序可以被一个或者多个处理器执行，以实现上述。计算机可读存储介质可以是是易失性存储器(volatile m emory)，例如随机存取存储器(Random-Access Memory，RAM)；或者非易失性存储器(non-volatile memory)，例如只读存储器(Read-Only Memory，RO M)，快闪存储器(flash memory)，硬盘(Hard Disk Drive，HDD)或固态硬盘(Solid-State Drive，SSD)；也可以是包括上述存储器之一或任意组合的各自设备，如移动电话、计算机、平板设备、个人数字助理等。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用硬件实施例、软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程信号处理设备的处理器以产生一个机器，使得通过计算机或其他可编程信号处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程信号处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程信号处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
综上所述，本发明实施例具有以下有益效果：
基于待筛选对象对应的相关指标，以严格的选取方法自动筛选待筛选对象，不仅提高了筛选结果的准确性，还提高了筛选效率。
以上所述，仅为本发明的实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和范围之内所作的任何修改、等同替换和改进等，均包含在本发明的保护范围之内。

Claims (13)

1.一种筛选方法，其特征在于，所述方法包括：
获取至少两个待筛选对象对应的至少两个对象标识；
根据所述至少两个对象标识中的每一个标识，分别从指标数据库中进行指标提取，获得至少两组筛选指标；
获取不同类型指标各自对应的指标权重，并根据所述至少两组筛选指标和所述指标权重，确定所述至少两个待筛选对象对应的至少两个评价结果；
根据所述至少两个评价结果，对所述至少两个待筛选对象进行筛选，获得目标对象。
2.根据权利要求1所述的方法，其特征在于，所述根据所述至少两个对象标识中的每一个标识，分别从指标数据库中进行指标提取，获得至少两组筛选指标之前，所述方法还包括：
从服务器中，获取指标存储对象中每一个对象对应的应用记录；其中，所述指标存储对象包括所述至少两个待筛选对象；
分别对所述应用记录进行统计量化处理，获得所述指标存储对象中每一个对象对应的一组筛选指标；
基于所述指标存储对象中每一个对象对应的对象标识，对所述指标存储对象中每一个对象对应的一组筛选指标进行对应存储，获得所述指标数据库。
3.根据权利要求1所述的方法，其特征在于，所述根据所述至少两组筛选指标和所述指标权重，确定所述至少两个待筛选对象对应的至少两个评价结果，包括：
根据所述至少两组筛选指标，确定不同类型指标对应的均值和方差，获得至少一个指标均值和至少一个指标方差；
根据所述至少两组筛选指标、所述至少一个指标均值、所述至少一个指标方差，以及所述指标权重，确定所述至少两个评价结果。
4.根据权利要求3所述的方法，其特征在于，所述根据所述至少两组筛选指标、所述至少一个指标均值、所述至少一个指标方差，以及所述指标权重，确定所述至少两个评价结果，包括：
根据所述至少一个指标均值和所述至少一个指标方差，对所述至少两组筛选指标中的每一组指标分别进行标准化处理，获得至少两组标准化指标；
根据所述至少两组标准化指标和所述指标权重，确定所述至少两个评价结果。
5.根据权利要求1所述的方法，其特征在于，所述根据所述至少两个评价结果，对所述至少两个待筛选对象进行筛选，获得筛选结果，包括：
按照堆排序算法，从所述至少两个评价结果中选取至少一个评价结果；
将所述至少两个待筛选对象中，所述至少一个评价结果对应的至少一个对象确定为所述目标对象。
6.根据权利要求1所述的方法，其特征在于，所述获得目标对象之后，所述方法还包括：
接收针对所述目标对象的获取指令；
根据所述获取指令，将所述目标对象提供给展示页面，以在所述展示页面中推送所述目标对象。
7.一种筛选装置，其特征在于，所述装置包括：处理器、存储器和通信总线；
所述通信总线，用于实现所述处理器和所述存储器之间的通信连接；
所述处理器，用于执行所述存储器中存储的筛选程序，以实现以下步骤：
获取至少两个待筛选对象对应的至少两个对象标识；根据所述至少两个对象标识中的每一个标识，分别从指标数据库中进行指标提取，获得至少两组筛选指标；获取不同类型指标各自对应的指标权重，并根据所述至少两组筛选指标和所述指标权重，确定所述至少两个待筛选对象对应的至少两个评价结果；根据所述至少两个评价结果，对所述至少两个待筛选对象进行筛选，获得目标对象。
8.根据权利要求7所述的装置，其特征在于，所述处理器在基于所述至少两个对象标识，从指标数据库中获取所述至少两个待筛选对象对应的至少两组筛选指标之前，还用于执行所述筛选程序，以实现以下步骤：
从服务器中，获取指标存储对象中每一个对象对应的应用记录；其中，所述指标存储对象包括所述至少两个待筛选对象；分别对所述应用记录进行统计量化处理，获得所述指标存储对象中每一个对象对应的一组筛选指标；基于所述指标存储对象中每一个对象对应的对象标识，对所述指标存储对象中每一个对象对应的一组筛选指标进行对应存储，获得所述指标数据库。
9.根据权利要求7所述的装置，其特征在于，所述处理器具体用于执行所述筛选程序，以实现以下步骤：
根据所述至少两组筛选指标，确定不同类型指标对应的均值和方差，获得至少一个指标均值和至少一个指标方差；根据所述至少两组筛选指标、所述至少一个指标均值、所述至少一个指标方差，以及所述指标权重，确定所述至少两个评价结果。
10.根据权利要求9所述的装置，其特征在于，所述处理器具体用于执行所述筛选程序，以实现以下步骤：
根据所述至少一个指标均值和所述至少一个指标方差，对所述至少两组筛选指标中的每一组指标分别进行标准化处理，获得至少两组标准化指标；根据所述至两组标准化指标和所述指标权重，确定所述至少两个评价结果。
11.根据权利要求7所述的装置，其特征在于，所述处理器具体用于执行所述筛选程序，以实现以下步骤：
按照堆排序算法，从所述至少两个评价结果中选取至少一个评价结果；将所述至少两个待筛选对象中，所述至少一个评价结果对应的至少一个对象确定为所述目标对象。
12.根据权利要求7所述的装置，其特征在于，所述处理器在获得目标对象之后，还用于执行所述筛选程序，以实现以下步骤：
接收针对所述目标对象的获取指令；根据所述获取指令，将所述目标对象提供给展示页面，以在所述展示页面中推送所述目标对象。
13.一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存储有一个或者多个程序，所述一个或者多个程序可以被一个或者多个处理器执行，以实现权利要求1-6任一项所述的筛选方法。
CN201910205378.8A 2019-03-18 2019-03-18 一种筛选方法及装置、存储介质 Pending CN111723119A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910205378.8A CN111723119A (zh) 2019-03-18 2019-03-18 一种筛选方法及装置、存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910205378.8A CN111723119A (zh) 2019-03-18 2019-03-18 一种筛选方法及装置、存储介质

Publications (1)

Publication Number Publication Date
CN111723119A true CN111723119A (zh) 2020-09-29

Family

ID=72562849

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910205378.8A Pending CN111723119A (zh) 2019-03-18 2019-03-18 一种筛选方法及装置、存储介质

Country Status (1)

Country Link
CN (1) CN111723119A (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010073170A (ja) * 2008-09-22 2010-04-02 Yahoo Japan Corp 推薦商品選択装置、推薦商品選択プログラムおよび商品検索装置
CN103853839A (zh) * 2014-03-18 2014-06-11 北京博雅立方科技有限公司 一种评测广告页面恶意点击疑似度的方法及装置
CN104331818A (zh) * 2014-10-30 2015-02-04 中英融贯资讯（武汉）有限公司 可控制差异化推送商户服务信息的方法及系统
CN106055911A (zh) * 2016-06-13 2016-10-26 达而观信息科技（上海）有限公司 一种基于组合归一的量化指标评价方法
CN107123010A (zh) * 2016-08-26 2017-09-01 北京小度信息科技有限公司 商户筛选方法、建立商户评价模型的方法及相关装置
CN107392671A (zh) * 2017-07-30 2017-11-24 安徽云帮邦网络技术有限公司 一种电子商务平台商家的评价方法
CN107451860A (zh) * 2017-07-26 2017-12-08 北京小度信息科技有限公司 信息推送方法和装置

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010073170A (ja) * 2008-09-22 2010-04-02 Yahoo Japan Corp 推薦商品選択装置、推薦商品選択プログラムおよび商品検索装置
CN103853839A (zh) * 2014-03-18 2014-06-11 北京博雅立方科技有限公司 一种评测广告页面恶意点击疑似度的方法及装置
CN104331818A (zh) * 2014-10-30 2015-02-04 中英融贯资讯（武汉）有限公司 可控制差异化推送商户服务信息的方法及系统
CN106055911A (zh) * 2016-06-13 2016-10-26 达而观信息科技（上海）有限公司 一种基于组合归一的量化指标评价方法
CN107123010A (zh) * 2016-08-26 2017-09-01 北京小度信息科技有限公司 商户筛选方法、建立商户评价模型的方法及相关装置
CN107451860A (zh) * 2017-07-26 2017-12-08 北京小度信息科技有限公司 信息推送方法和装置
CN107392671A (zh) * 2017-07-30 2017-11-24 安徽云帮邦网络技术有限公司 一种电子商务平台商家的评价方法

Similar Documents

Publication Publication Date Title
CN106980573B (zh) 一种构建测试用例请求对象的方法、装置及系统
CN106649681B (zh) 一种数据处理方法、装置及设备
EP4027311A1 (en) Vision- and gravity sensing-based product identification method, device, and system
CN106919611B (zh) 产品信息推送方法和装置
CN106933897B (zh) 数据查询方法和装置
US9798760B2 (en) Application retention metrics
US20110173131A1 (en) Attribute aggregation for standard product unit
CN106844320B (zh) 一种财务报表整合方法和设备
CN112307297B (zh) 一种基于优先级规则的用户标识统一方法及系统
CN108345979B (zh) 一种业务测试方法及装置
CN107330709B (zh) 确定目标对象的方法及装置
CN106296240B (zh) 业务对象配件信息处理方法及装置
CN113779421A (zh) 关联推荐方法、装置、设备及计算机可读存储介质
CN107085603B (zh) 一种数据处理方法及装置
CN111723119A (zh) 一种筛选方法及装置、存储介质
CN110097113B (zh) 一种监控展示信息投放系统工作状态的方法、装置及系统
CN116010216A (zh) 数据资产健康度的评估方法、装置、设备及存储介质
CN110633418A (zh) 商品推荐方法及装置
CN110991241A (zh) 异常识别方法、设备及计算机可读介质
CN109816470A (zh) 险种推荐方法、装置、电子设备及计算机可读存储介质
CN110827137A (zh) 信用评价方法和装置
CN110941601B (zh) 确定指标标准口径的方法、装置、电子设备及存储介质
CN111383032B (zh) 一种房源信息的真实性检测方法和装置
CN110515946B (zh) 数据提取方法、装置、设备及计算机可读存储介质
CN113052532A (zh) 物料清单检测方法、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