CN112019675A - 通讯录联系人的排序方法、装置及电子设备 - Google Patents
通讯录联系人的排序方法、装置及电子设备 Download PDFInfo
- Publication number
- CN112019675A CN112019675A CN202010682581.7A CN202010682581A CN112019675A CN 112019675 A CN112019675 A CN 112019675A CN 202010682581 A CN202010682581 A CN 202010682581A CN 112019675 A CN112019675 A CN 112019675A
- Authority
- CN
- China
- Prior art keywords
- contacts
- communication information
- address book
- original data
- user
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 72
- 238000004891 communication Methods 0.000 claims abstract description 64
- 238000012163 sequencing technique Methods 0.000 claims abstract description 14
- 238000007781 pre-processing Methods 0.000 claims abstract description 12
- 238000012545 processing Methods 0.000 claims description 32
- 238000012549 training Methods 0.000 claims description 21
- 238000003062 neural network model Methods 0.000 claims description 14
- 238000004064 recycling Methods 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 description 15
- 238000010586 diagram Methods 0.000 description 10
- 238000012795 verification Methods 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 238000009434 installation Methods 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 239000013307 optical fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000013598 vector Substances 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000005111 flow chemistry technique Methods 0.000 description 1
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 1
- 239000010931 gold Substances 0.000 description 1
- 229910052737 gold Inorganic materials 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 239000002023 wood Substances 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04M—TELEPHONIC COMMUNICATION
- H04M1/00—Substation equipment, e.g. for use by subscribers
- H04M1/26—Devices for calling a subscriber
- H04M1/27—Devices whereby a plurality of signals may be stored simultaneously
- H04M1/274—Devices whereby a plurality of signals may be stored simultaneously with provision for storing more than one subscriber number at a time, e.g. using toothed disc
- H04M1/2745—Devices whereby a plurality of signals may be stored simultaneously with provision for storing more than one subscriber number at a time, e.g. using toothed disc using static electronic memories, e.g. chips
- H04M1/27453—Directories allowing storage of additional subscriber data, e.g. metadata
- H04M1/2746—Sorting, e.g. according to history or frequency of use
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04M—TELEPHONIC COMMUNICATION
- H04M1/00—Substation equipment, e.g. for use by subscribers
- H04M1/26—Devices for calling a subscriber
- H04M1/27—Devices whereby a plurality of signals may be stored simultaneously
- H04M1/274—Devices whereby a plurality of signals may be stored simultaneously with provision for storing more than one subscriber number at a time, e.g. using toothed disc
- H04M1/2745—Devices whereby a plurality of signals may be stored simultaneously with provision for storing more than one subscriber number at a time, e.g. using toothed disc using static electronic memories, e.g. chips
- H04M1/27453—Directories allowing storage of additional subscriber data, e.g. metadata
Landscapes
- Engineering & Computer Science (AREA)
- Library & Information Science (AREA)
- Signal Processing (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本公开涉及一种通讯录联系人的排序方法、装置、电子设备及计算机可读介质。该方法包括：获取当前终端中的通讯录中多个联系人的原始数据；对所述多个联系人的原始数据进行预处理以生成所述多个联系人的通讯信息；基于所述多个联系人的通讯信息生成所述多个联系人的评分；基于所述评分将所述多个联系人依次排序并展示在当前终端上。本公开涉及的通讯录联系人的排序方法、装置、电子设备及计算机可读介质，在用户需要调取通信录中联系人时，能够根据终端上的基本信息为用户的通讯录上的联系人进行排序，辅助用户快速选择联系人。
Description
技术领域
本公开涉及计算机信息处理领域，具体而言，涉及一种通讯录联系人的排序方法、装置、电子设备及计算机可读介质。
背景技术
通讯录作为用户和其他联系人进行沟通的记录媒质可以涵盖多项内容，如：姓名、电话号码、单位电话、移动电话、传真号、电子邮件、QQ、MSN、个人主页、公司、街道、邮编、生日、大头贴、车牌、银行账号、俱乐部名称、爱好等等。在日常生活中，用户经常需要调取通讯录信息以进行沟通，在很多业务场景中，用户也需要调取通讯录信息，填写申请表格，或者提交信息以配合应用进行处理。
在现有技术中，在用户调取通信录时，通讯录会按照姓名的拼音将通讯录中的多个联系人依次展示在用户终端上，在某些情况下，通讯录提供按照联系人的部门或者组群分类暂时的方式，在用户想选择常用联系人的时候，现有技术并没有提供更多的辅助，而在一些业务场景中，在需要调取通讯录中联系人的信息时，应用软件也只是按照通讯录的自身设定，按照姓名排序的方式展示通讯录，进而让用户手动选择紧急联系人。但是，最先展示的联系人并不一定和用户联系紧密的，用户可能就会随便选页面中展示的联系人，那这样选择联系人对实际情况并没有太大帮助，甚至有些号码都是空号。如何辅助用户快速准确的找到紧密联系人，是目前亟待解决的问题。
在所述背景技术部分公开的上述信息仅用于加强对本公开的背景的理解，因此它可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
有鉴于此，本公开提供一种通讯录联系人的排序方法、装置、电子设备及计算机可读介质，在用户需要调取通信录中联系人时，能够根据终端上的基本信息为用户的通讯录上的联系人进行排序，辅助用户快速选择联系人。
本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。
根据本公开的一方面，提出一种通讯录联系人的排序方法，该方法包括：获取当前终端中的通讯录中多个联系人的原始数据；对所述多个联系人的原始数据进行预处理以生成所述多个联系人的通讯信息；基于所述多个联系人的通讯信息生成所述多个联系人的评分；基于所述评分将所述多个联系人依次排序并展示在当前终端上。
可选地，还包括：获取多个终端的通讯录中的多个联系人的历史数据；通过所述历史数据对多层神经网络模型进行训练，生成排序评分模型。
可选地，获取当前终端中的通讯录中多个联系人的原始数据之前，还包括：在预设应用的界面中接收来自用户的通讯录排序指令；基于所述通讯录排序指令获取所述当前终端的通讯录读取权限。
可选地，对所述多个联系人的原始数据进行预处理以生成所述多个联系人的通讯信息，包括：对所述多个联系人的原始数据进行缺失值填补处理以生成所述多个联系人的通讯信息；和/或对所述多个联系人的原始数据进行字段编码处理以生成所述多个联系人的通讯信息。
可选地，基于所述多个联系人的通讯信息生成所述多个联系人的评分，包括：将所述多个联系人的通讯信息输入所述排序评分模型；所述排序评分模型对所述多个联系人的通讯信息进行迭代计算，生成所述多个联系人的评分；其中，所述评分用于代表当前终端用户和联系人的关联紧密度。
可选地，基于所述评分将所述多个联系人依次排序并展示在当前终端上，包括：基于所述评分将所述多个联系人排序；将所述多个联系人展示在所述当前终端的预设应用的界面中。
可选地，获取多个终端的通讯录中的多个联系人的历史数据，包括：获取预设状态的多个用户对应的多个终端的通讯录中的多个联系人的原始数据；获取预设状态的多个用户的资源回收信息；基于所述多个用户的资源回收信息为所述多个用户的原始数据分配标签；通过多个联系人的带有标签的原始数据生成多个联系人的历史数据。
可选地，通过所述历史数据对多层神经网络模型进行训练，生成排序评分模型，包括：按照时间段切分所述历史数据，生成样本数据及和验证数据集；通过所述样本数据及和验证数据集对基于数据流编程的多层神经网络模型进行训练；在训练参数满足预设条件时，生成所述排序评分模型。
可选地，还包括：对所述排序评分模型进行模型序列化处理；将序列化处理后的排序评分模型部署在当前终端。
可选地，还包括：在所述当前终端中的预设应用启用时，通过tensorflow lite框架载入所述排序评分模型。
根据本公开的一方面，提出一种通讯录联系人的排序装置，该装置包括：原始数据模块，用于获取当前终端中的通讯录中多个联系人的原始数据；通讯信息模块，用于对所述多个联系人的原始数据进行预处理以生成所述多个联系人的通讯信息；评分模块，用于基于所述多个联系人的通讯信息生成所述多个联系人的评分；排序模块，用于基于所述评分将所述多个联系人依次排序并展示在当前终端上。
可选地，还包括：模型训练模块，用于获取多个终端的通讯录中的多个联系人的历史数据；通过所述历史数据对多层神经网络模型进行训练，生成排序评分模型。
可选地，还包括：指令模块，用于在预设应用的界面中接收来自用户的通讯录排序指令；基于所述通讯录排序指令获取所述当前终端的通讯录读取权限。
可选地，所述通讯信息模块，包括：填补单元，用于对所述多个联系人的原始数据进行缺失值填补处理以生成所述多个联系人的通讯信息；编码单元，用于对所述多个联系人的原始数据进行字段编码处理以生成所述多个联系人的通讯信息。
可选地，所述评分模块，包括：输入单元，用于将所述多个联系人的通讯信息输入所述排序评分模型；计算单元，用于所述排序评分模型对所述多个联系人的通讯信息进行迭代计算，生成所述多个联系人的评分；其中，所述评分用于代表当前终端用户和联系人的关联紧密度。
可选地，所述排序模块，包括：排序单元，用于基于所述评分将所述多个联系人排序；展示单元，用于将所述多个联系人展示在所述当前终端的预设应用的界面中。
可选地，所述模型训练模块，包括：数据处理单元，用于获取预设状态的多个用户对应的多个终端的通讯录中的多个联系人的原始数据；获取预设状态的多个用户的资源回收信息；基于所述多个用户的资源回收信息为所述多个用户的原始数据分配标签；通过多个联系人的带有标签的原始数据生成多个联系人的历史数据。
可选地，所述模型训练模块，包括：模型训练单元，用于按照时间段切分所述历史数据，生成样本数据及和验证数据集；通过所述样本数据及和验证数据集对基于数据流编程的多层神经网络模型进行训练；在训练参数满足预设条件时，生成所述排序评分模型。
可选地，还包括：序列处理模块，用于对所述排序评分模型进行模型序列化处理；将序列化处理后的排序评分模型部署在当前终端。
可选地，还包括：载入模块，用于在所述当前终端中的预设应用启用时，通过tensorflow lite框架载入所述排序评分模型。
根据本公开的一方面，提出一种电子设备，该电子设备包括：一个或多个处理器；存储装置，用于存储一个或多个程序；当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如上文的方法。
根据本公开的一方面，提出一种计算机可读介质，其上存储有计算机程序，该程序被处理器执行时实现如上文中的方法。
根据本公开的通讯录联系人的排序方法、装置、电子设备及计算机可读介质，根据当前终端中的通讯录中多个联系人的原始数据；对多个联系人进行评分；并基于所述评分将所述多个联系人依次排序并展示在当前终端上的方式，在用户需要调取通信录中联系人时，能够根据终端上的基本信息为用户的通讯录上的联系人进行排序，辅助用户快速选择联系人。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性的，并不能限制本公开。
附图说明
通过参照附图详细描述其示例实施例，本公开的上述和其它目标、特征及优点将变得更加显而易见。下面描述的附图仅仅是本公开的一些实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是根据一示例性实施例示出的一种通讯录联系人的排序方法及装置的系统框图。
图2是根据一示例性实施例示出的一种通讯录联系人的排序方法的流程图。
图3是根据另一示例性实施例示出的一种通讯录联系人的排序方法的流程图。
图4是根据另一示例性实施例示出的一种通讯录联系人的排序方法的流程图。
图5是根据一示例性实施例示出的一种通讯录联系人的排序装置的框图。
图6是根据另一示例性实施例示出的一种通讯录联系人的排序装置的框图。
图7是根据一示例性实施例示出的一种电子设备的框图。
图8是根据一示例性实施例示出的一种计算机可读介质的框图。
具体实施方式
现在将参考附图更全面地描述示例实施例。然而，示例实施例能够以多种形式实施，且不应被理解为限于在此阐述的实施例；相反，提供这些实施例使得本公开将全面和完整，并将示例实施例的构思全面地传达给本领域的技术人员。在图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。
此外，所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中，提供许多具体细节从而给出对本公开的实施例的充分理解。然而，本领域技术人员将意识到，可以实践本公开的技术方案而没有特定细节中的一个或更多，或者可以采用其它的方法、组元、装置、步骤等。在其它情况下，不详细示出或描述公知方法、装置、实现或者操作以避免模糊本公开的各方面。
附图中所示的方框图仅仅是功能实体，不一定必须与物理上独立的实体相对应。即，可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
附图中所示的流程图仅是示例性说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解，而有的操作/步骤可以合并或部分合并，因此实际执行的顺序有可能根据实际情况改变。
应理解，虽然本文中可能使用术语第一、第二、第三等来描述各种组件，但这些组件不应受这些术语限制。这些术语乃用以区分一组件与另一组件。因此，下文论述的第一组件可称为第二组件而不偏离本公开概念的教示。如本文中所使用，术语“及/或”包括相关联的列出项目中的任一个及一或多者的所有组合。
本领域技术人员可以理解，附图只是示例实施例的示意图，附图中的模块或流程并不一定是实施本公开所必须的，因此不能用于限制本公开的保护范围。
本公开的发明人发现，在金融服务平台中，经常遇到要求用户提供紧急联系人的情况，目前只是让用户手动选择紧急联系人，但是，通讯录中最先展示的联系人并不一定和用户联系紧密的。用户可能就会随便选页面中展示的联系人，那这样选择联系人对贷后管理并没有太大帮助，甚至有些号码都是空号。如何在贷后精准管理，联系上用户是一个重大的挑战。结合现有技术中的困境，本公开提出了通讯录联系人的排序方法及装置，下面结合具体的实施例对本公开的内容进行详细描述。
图1是根据一示例性实施例示出的一种通讯录联系人的排序方法及装置的系统框图。
如图1所示，系统架构10可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用，例如金融服务类应用、购物类应用、网页浏览器应用、即时通信工具、邮箱客户端、社交平台软件等。
终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
终端设备101、102、103可例如在预设应用的界面中接收来自用户的通讯录排序指令；终端设备101、102、103可例如基于所述通讯录排序指令获取所述当前终端的通讯录读取权限。
终端设备101、102、103还可例如获取当前终端中的通讯录中多个联系人的原始数据；终端设备101、102、103还可例如对所述多个联系人的原始数据进行预处理以生成所述多个联系人的通讯信息；终端设备101、102、103还可例如基于所述多个联系人的通讯信息生成所述多个联系人的评分；终端设备101、102、103还可例如基于所述评分将所述多个联系人依次排序并展示在当前终端上。
服务器105可以是提供各种服务的服务器，例如对用户利用终端设备101、102、103所浏览的金融服务类网站提供支持的后台管理服务器。后台管理服务器可以对接收到的用户请求进行分析等处理，并将处理结果反馈给金融服务网站的管理员。
服务器105可例如获取当前终端中的通讯录中多个联系人的原始数据；服务器105可例如对所述多个联系人的原始数据进行预处理以生成所述多个联系人的通讯信息；服务器105可例如基于所述多个联系人的通讯信息生成所述多个联系人的评分；服务器105可例如基于所述评分将所述多个联系人依次排序并展示在当前终端上。
服务器105还可例如获取多个终端的通讯录中的多个联系人的历史数据；服务器105还可例如通过所述历史数据对多层神经网络模型进行训练，生成排序评分模型。
服务器105可以是一个实体的服务器，还可例如为多个服务器组成，需要说明的是，本公开实施例所提供的通讯录联系人的排序方法可以由服务器105和终端设备101、102、103执行，相应地，通讯录联系人的排序装置可以设置于服务器105和终端设备101、102、103中。而提供给用户进行金融服务平台浏览的网页端一般位于终端设备101、102、103中。
本公开的通讯录联系人的排序方法，在用户贷前申请流程中的选择联系人页面时，能够对用户联系人自动打分，然后按分数排序展示，通联率高的联系人能够更加靠前展示，可以是提高贷后进入管理阶段的逾期用户相关联联系人的通联概率。
值得一提的是，获取当前终端中的通讯录中多个联系人的原始数据并生成所述多个联系人的评分的过程可以由服务器执行也可由终端设备执行，优选的，通过终端设备执行此步骤。相比在服务端建模的传统方式，本公开的通讯录联系人的排序方法能够在用户申请阶段就及时作出预测。另外，也不需要上传用户通讯录数据到服务端，保护用户隐私和数据安全。
图2是根据一示例性实施例示出的一种通讯录联系人的排序方法的流程图。通讯录联系人的排序方法20至少包括步骤S202至S208。
如图2所示，在S202中，获取当前终端中的通讯录中多个联系人的原始数据。
其中，在获取当前终端中的通讯录中多个联系人的原始数据之前，还包括：在预设应用的界面中接收来自用户的通讯录排序指令；基于所述通讯录排序指令获取所述当前终端的通讯录读取权限。如上文所述，在应用需要调取用户通讯录的时候，可向用户进行提示，然后在用户同意调取通讯录之后，基于用户的通讯录排序指令获得通讯录读取权限，然后基于这个权限获取联系人的原始数据。
在一个实施例中，原始数据可包括联系人的姓名、电话号码、通讯录组群等等，原始数据还可包括联系人和当前终端的用户的通话信息，可例如，通话时间、通话频率、通话时长等等。
在S204中，对所述多个联系人的原始数据进行预处理以生成所述多个联系人的通讯信息。可包括：对所述多个联系人的原始数据进行缺失值填补处理以生成所述多个联系人的通讯信息；和/或对所述多个联系人的原始数据进行字段编码处理以生成所述多个联系人的通讯信息。
可例如，通讯信息中，包含有组群特征，但是在有些通讯录中，联系人没有组群信息，或者是用户并没有给联系人进行分组设置，这个时候，可将组群信息用默认值填充。
还可例如，为了后续进行计算出来，可将原始数据均进行字段编码处理，具体可通过Word2vec给原始数据进行编码，生成对应于原始数据的词向量，后续处理中，均是基于词向量进行的计算。
在S206中，基于所述多个联系人的通讯信息生成所述多个联系人的评分。可包括：将所述多个联系人的通讯信息输入所述排序评分模型；所述排序评分模型对所述多个联系人的通讯信息进行迭代计算，生成所述多个联系人的评分；其中，所述评分用于代表当前终端用户和联系人的关联紧密度。
其中，排序评分模型是通过tensorflow(基于数据流编程的符号数学系统)建立的多层神经网络模型，具体内容将在图3对应的实施例中进行详细描述。
在S208中，基于所述评分将所述多个联系人依次排序并展示在当前终端上。包括：基于所述评分将所述多个联系人排序；将所述多个联系人展示在所述当前终端的预设应用的界面中。
某终端上可例如有500个联系人，按照500个联系人对应的评分将他们依次排列，展示在用户的应用的界面上。在展示时，还可在联系人前面增加勾选框供用户勾选。
根据本公开的通讯录联系人的排序方法，对当前终端中的多个联系人的原始数据进行预处理以生成所述多个联系人的通讯信息；基于所述多个联系人的通讯信息生成所述多个联系人的评分；基于所述评分将所述多个联系人依次排序并展示在当前终端上的方式，在用户需要调取通信录中联系人时，能够根据终端上的基本信息为用户的通讯录上的联系人进行排序，辅助用户快速选择联系人。
应清楚地理解，本公开描述了如何形成和使用特定示例，但本公开的原理不限于这些示例的任何细节。相反，基于本公开公开的内容的教导，这些原理能够应用于许多其它实施例。
图3是根据另一示例性实施例示出的一种通讯录联系人的排序方法的流程图。图3所示的流程30是对图2所示的流程中补充描述。
如图3所示，在S302中，获取预设状态的多个用户对应的多个终端的通讯录中的多个联系人的原始数据。其中，预设状态可为已有贷款管理记录的用户。
在S304中，获取预设状态的多个用户的资源回收信息。资源回收信息中可包括和此用户的联系人沟通的情况，具体可包括沟通时间，响应时间，通过沟通了解到的该联系人和用户的关系、以及通过该联系人对该用户进行的资源回收结果等等。
在S306中，基于所述多个用户的资源回收信息为所述多个用户的原始数据分配标签。可例如，对A用户的资源回收信息中，通过其联系人进行的资源回收情况良好，那么则将A用户的原始数据分配正向标签。对于B用户而言，其提供的联系人大部分为空白号码，或者是和B用户无关人员，通过B用户提供的联系人对B用户的资源回收并没有实际意义上的帮助，则为B用户的原始数据分配负向标签。
当然，对于用户而言，其提供的多个联系人中，可能存在部分“好(关系金木)”联系人和部分“坏(关系不紧密或空号)”联系人，这种情况下，可根据好坏联系人的占比情况，或者实际资源回收情况为用户确定正向或者负向标签。
在S308中，通过多个联系人的带有标签的原始数据生成多个联系人的历史数据。将带有标签的原始数据进行数据预处理，具体可包括缺失值填补和字段编码处理等等。
在S310中，通过所述历史数据对多层神经网络模型进行训练，生成排序评分模型。具体可包括：按照时间段切分所述历史数据，生成样本数据及和验证数据集；通过所述样本数据及和验证数据集对基于数据流编程的多层神经网络模型进行训练；在训练参数满足预设条件时，生成所述排序评分模型。首先按时间切分数据集，经过预处理方法处理原始数据后，输入到模型逐步迭代优化模型参数，在测试数据上评估模型效果。其中，神经网络模型可以自动调整网络结构不断优化迭代，提升排序评分模型的准确性。
图4是根据另一示例性实施例示出的一种通讯录联系人的排序方法的流程图。图4所示的流程40是对图2所示的流程的补充描述。
如图4所示，在S402中，对所述排序评分模型进行模型序列化处理。其中，序列化(Serialization)是将对象的状态信息转换为可以存储或传输的形式的过程。在序列化期间，对象将其当前状态写入到临时或持久性存储区。以后，可以通过从存储区中读取或反序列化对象的状态，重新创建该对象。序列化使其他代码可以查看或修改，那些不序列化便无法访问的对象实例数据。通常，对象实例的所有字段都会被序列化，这意味着数据会被表示为实例的序列化数据。
在S404中，将序列化处理后的排序评分模型部署在当前终端。可将序列化处理后的数据和预设应用的安装文件进行打包，在用户下载安装文件并进行下载的时候，部署到当终端。
还可例如，在某用户提出通讯录排序指令后，由在服务器的返回响应中包含序列化处理后的排序评分模型，进而实时部署在终端。同时服务器的响应中还可部署预处理过程相关的数据处理模块，以对联系人的原始数据进行缺失值填补和编码。
在S406中，在终端中的预设应用启用时，通过tensorflow lite框架载入所述排序评分模型。其中，tensorFlow Lite是一种用于设备端推断的开源深度学习框架，可以使得常见的机器学习模型运行在用户的终端上。用户使用预设应用时，在客户端申请过程中，授权获取用户的通讯录原始数据，数据经过预处理后输入到模型中，模型分别对用户的每个联系人打分，对分数进行排序后展示给用户。
根据本公开的通讯录联系人的排序方法，可以帮助提升贷后管理联系人通联率。主要使用tensorflow和tensorflow lite框架搭建了神经网络模型，此模型可以直接部署在客户端，能够快速实时进行打分。不需要上传用户原始数据，满足监管要求保护用户隐私和数据安全。在催收日益严格的环境下，能够为贷后制定策略提供帮助。
本领域技术人员可以理解实现上述实施例的全部或部分步骤被实现为由CPU执行的计算机程序。在该计算机程序被CPU执行时，执行本公开提供的上述方法所限定的上述功能。所述的程序可以存储于一种计算机可读存储介质中，该存储介质可以是只读存储器，磁盘或光盘等。
此外，需要注意的是，上述附图仅是根据本公开示例性实施例的方法所包括的处理的示意性说明，而不是限制目的。易于理解，上述附图所示的处理并不表明或限制这些处理的时间顺序。另外，也易于理解，这些处理可以是例如在多个模块中同步或异步执行的。
下述为本公开装置实施例，可以用于执行本公开方法实施例。对于本公开装置实施例中未披露的细节，请参照本公开方法实施例。
图5是根据一示例性实施例示出的一种通讯录联系人的排序装置的框图。如图5所示，通讯录联系人的排序装置50包括：原始数据模块502，通讯信息模块504，评分模块506，排序模块508。
原始数据模块502用于获取当前终端中的通讯录中多个联系人的原始数据；
通讯信息模块504用于对所述多个联系人的原始数据进行预处理以生成所述多个联系人的通讯信息；所述通讯信息模块504包括：填补单元，用于对所述多个联系人的原始数据进行缺失值填补处理以生成所述多个联系人的通讯信息；编码单元，用于对所述多个联系人的原始数据进行字段编码处理以生成所述多个联系人的通讯信息。
评分模块506用于基于所述多个联系人的通讯信息生成所述多个联系人的评分；所述评分模块506，包括：输入单元，用于将所述多个联系人的通讯信息输入所述排序评分模型；计算单元，用于所述排序评分模型对所述多个联系人的通讯信息进行迭代计算，生成所述多个联系人的评分；其中，所述评分用于代表当前终端用户和联系人的关联紧密度。
排序模块508用于基于所述评分将所述多个联系人依次排序并展示在当前终端上。所述排序模块508包括：排序单元，用于基于所述评分将所述多个联系人排序；展示单元，用于将所述多个联系人展示在所述当前终端的预设应用的界面中。
图6是根据另一示例性实施例示出的一种通讯录联系人的排序装置的框图。如图6所示，通讯录联系人的排序装置60包括：模型训练模块602，指令模块604，序列处理模块606，载入模块608。
模型训练模块602用于获取多个终端的通讯录中的多个联系人的历史数据；通过所述历史数据对多层神经网络模型进行训练，生成排序评分模型。所述模型训练模块602包括：数据处理单元，用于获取预设状态的多个用户对应的多个终端的通讯录中的多个联系人的原始数据；获取预设状态的多个用户的资源回收信息；基于所述多个用户的资源回收信息为所述多个用户的原始数据分配标签；通过多个联系人的带有标签的原始数据生成多个联系人的历史数据。模型训练单元，用于按照时间段切分所述历史数据，生成样本数据及和验证数据集；通过所述样本数据及和验证数据集对基于数据流编程的多层神经网络模型进行训练；在训练参数满足预设条件时，生成所述排序评分模型。
指令模块604用于在预设应用的界面中接收来自用户的通讯录排序指令；基于所述通讯录排序指令获取所述当前终端的通讯录读取权限。
序列处理模块606用于对所述排序评分模型进行模型序列化处理；将序列化处理后的排序评分模型部署在当前终端。
载入模块608用于在所述当前终端中的预设应用启用时，通过tensorflow lite框架载入所述排序评分模型。
根据本公开的通讯录联系人的排序装置，对多个联系人的原始数据进行预处理以生成所述多个联系人的通讯信息；基于所述多个联系人的通讯信息生成所述多个联系人的评分；基于所述评分将所述多个联系人依次排序并展示在当前终端上的方式，在用户需要调取通信录中联系人时，能够根据终端上的基本信息为用户的通讯录上的联系人进行排序，辅助用户快速选择联系人。
图7是根据一示例性实施例示出的一种电子设备的框图。
下面参照图7来描述根据本公开的这种实施方式的电子设备700。图7显示的电子设备700仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。
如图7所示，电子设备700以通用计算设备的形式表现。电子设备700的组件可以包括但不限于：至少一个处理单元710、至少一个存储单元720、连接不同系统组件(包括存储单元720和处理单元710)的总线730、显示单元740等。
其中，所述存储单元存储有程序代码，所述程序代码可以被所述处理单元710执行，使得所述处理单元710执行本说明书上述电子处方流转处理方法部分中描述的根据本公开各种示例性实施方式的步骤。例如，所述处理单元710可以执行如图2，图3，图4中所示的步骤。
所述存储单元720可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(RAM)7201和/或高速缓存存储单元7202，还可以进一步包括只读存储单元(ROM)7203。
所述存储单元720还可以包括具有一组(至少一个)程序模块7205的程序/实用工具7204，这样的程序模块7205包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线730可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备700也可以与一个或多个外部设备700′(例如键盘、指向设备、蓝牙设备等)通信，还可与一个或者多个使得用户能与该电子设备700交互的设备通信，和/或与使得该电子设备700能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口750进行。并且，电子设备700还可以通过网络适配器760与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。网络适配器760可以通过总线730与电子设备700的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备700使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，如图8所示，根据本公开实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、或者网络设备等)执行根据本公开实施方式的上述方法。
所述软件产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、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)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
所述计算机可读存储介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读存储介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。可读存储介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本公开操作的程序代码，所述程序设计语言包括面向对象的程序设计语言-诸如Java、C++等，还包括常规的过程式程序设计语言-诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被一个该设备执行时，使得该计算机可读介质实现如下功能：获取当前终端中的通讯录中多个联系人的原始数据；对所述多个联系人的原始数据进行预处理以生成所述多个联系人的通讯信息；基于所述多个联系人的通讯信息生成所述多个联系人的评分；基于所述评分将所述多个联系人依次排序并展示在当前终端上。
本领域技术人员可以理解上述各模块可以按照实施例的描述分布于装置中，也可以进行相应变化唯一不同于本实施例的一个或多个装置中。上述实施例的模块可以合并为一个模块，也可以进一步拆分成多个子模块。
通过以上的实施例的描述，本领域的技术人员易于理解，这里描述的示例实施例可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施例的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、移动终端、或者网络设备等)执行根据本公开实施例的方法。
以上具体地示出和描述了本公开的示例性实施例。应可理解的是，本公开不限于这里描述的详细结构、设置方式或实现方法；相反，本公开意图涵盖包含在所附权利要求的精神和范围内的各种修改和等效设置。
Claims (10)
1.一种通讯录联系人的排序方法，其特征在于，包括：
获取当前终端中的通讯录中多个联系人的原始数据；
对所述多个联系人的原始数据进行预处理以生成所述多个联系人的通讯信息；
基于所述多个联系人的通讯信息生成所述多个联系人的评分；
基于所述评分将所述多个联系人依次排序并展示在当前终端上。
2.如权利要求1所述的方法，其特征在于，还包括：
获取多个终端的通讯录中的多个联系人的历史数据；
通过所述历史数据对多层神经网络模型进行训练，生成排序评分模型。
3.如权利要求1-2中任一所述的方法，其特征在于，获取当前终端中的通讯录中多个联系人的原始数据之前，还包括：
在预设应用的界面中接收来自用户的通讯录排序指令；
基于所述通讯录排序指令获取所述当前终端的通讯录读取权限。
4.如权利要求1-3中任一所述的方法，其特征在于，对所述多个联系人的原始数据进行预处理以生成所述多个联系人的通讯信息，包括：
对所述多个联系人的原始数据进行缺失值填补处理以生成所述多个联系人的通讯信息；和/或
对所述多个联系人的原始数据进行字段编码处理以生成所述多个联系人的通讯信息。
5.如权利要求1-4中任一所述的方法，其特征在于，基于所述多个联系人的通讯信息生成所述多个联系人的评分，包括：
将所述多个联系人的通讯信息输入所述排序评分模型；
所述排序评分模型对所述多个联系人的通讯信息进行迭代计算，生成所述多个联系人的评分；
其中，所述评分用于代表当前终端用户和联系人的关联紧密度。
6.如权利要求1-5中任一所述的方法，其特征在于，基于所述评分将所述多个联系人依次排序并展示在当前终端上，包括：
基于所述评分将所述多个联系人排序；
将所述多个联系人展示在所述当前终端的预设应用的界面中。
7.如权利要求1-6中任一所述的方法，其特征在于，获取多个终端的通讯录中的多个联系人的历史数据，包括：
获取预设状态的多个用户对应的多个终端的通讯录中的多个联系人的原始数据；
获取预设状态的多个用户的资源回收信息；
基于所述多个用户的资源回收信息为所述多个用户的原始数据分配标签；
通过多个联系人的带有标签的原始数据生成多个联系人的历史数据。
8.一种通讯录联系人的排序装置，其特征在于，包括：
原始数据模块，用于获取当前终端中的通讯录中多个联系人的原始数据；
通讯信息模块，用于对所述多个联系人的原始数据进行预处理以生成所述多个联系人的通讯信息；
评分模块，用于基于所述多个联系人的通讯信息生成所述多个联系人的评分；
排序模块，用于基于所述评分将所述多个联系人依次排序并展示在当前终端上。
9.一种电子设备，其特征在于，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-7中任一所述的方法。
10.一种计算机可读介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如权利要求1-7中任一所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010682581.7A CN112019675A (zh) | 2020-07-15 | 2020-07-15 | 通讯录联系人的排序方法、装置及电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010682581.7A CN112019675A (zh) | 2020-07-15 | 2020-07-15 | 通讯录联系人的排序方法、装置及电子设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112019675A true CN112019675A (zh) | 2020-12-01 |
Family
ID=73498614
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010682581.7A Pending CN112019675A (zh) | 2020-07-15 | 2020-07-15 | 通讯录联系人的排序方法、装置及电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112019675A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112988709A (zh) * | 2021-03-15 | 2021-06-18 | 成都乐动信息技术有限公司 | 一种数据排序方法、装置、电子设备及存储介质 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102801841A (zh) * | 2012-04-18 | 2012-11-28 | 中兴通讯股份有限公司 | 一种终端联系人管理方法及终端 |
| CN104184866A (zh) * | 2013-05-21 | 2014-12-03 | 中兴通讯股份有限公司 | 一种通讯录的联系人排序方法和系统 |
| CN104333501A (zh) * | 2013-07-22 | 2015-02-04 | 腾讯科技（深圳）有限公司 | 一种联系人列表的显示方法及装置 |
| CN106550085A (zh) * | 2016-12-09 | 2017-03-29 | 北京小米移动软件有限公司 | 联系人显示方法及装置 |
| CN107734123A (zh) * | 2016-08-12 | 2018-02-23 | 中兴通讯股份有限公司 | 一种联系人排序方法和装置 |
| CN107871286A (zh) * | 2017-07-20 | 2018-04-03 | 上海前隆信息科技有限公司 | 用户与联系人间亲密度判定方法/系统、存储介质及设备 |
| CN108124044A (zh) * | 2017-12-15 | 2018-06-05 | 维沃移动通信有限公司 | 通讯录管理方法及装置 |
| CN109474755A (zh) * | 2018-10-30 | 2019-03-15 | 济南大学 | 基于排序学习和集成学习的异常电话主动预测方法及系统 |
| CN109660636A (zh) * | 2017-10-11 | 2019-04-19 | 中移（杭州）信息技术有限公司 | 一种联系人展示方法及装置 |
| CN111314540A (zh) * | 2018-11-26 | 2020-06-19 | 卓望数码技术（深圳）有限公司 | 一种通信录搜索方法、装置、设备和可读存储介质 |
-
2020
- 2020-07-15 CN CN202010682581.7A patent/CN112019675A/zh active Pending
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102801841A (zh) * | 2012-04-18 | 2012-11-28 | 中兴通讯股份有限公司 | 一种终端联系人管理方法及终端 |
| CN104184866A (zh) * | 2013-05-21 | 2014-12-03 | 中兴通讯股份有限公司 | 一种通讯录的联系人排序方法和系统 |
| CN104333501A (zh) * | 2013-07-22 | 2015-02-04 | 腾讯科技（深圳）有限公司 | 一种联系人列表的显示方法及装置 |
| CN107734123A (zh) * | 2016-08-12 | 2018-02-23 | 中兴通讯股份有限公司 | 一种联系人排序方法和装置 |
| CN106550085A (zh) * | 2016-12-09 | 2017-03-29 | 北京小米移动软件有限公司 | 联系人显示方法及装置 |
| CN107871286A (zh) * | 2017-07-20 | 2018-04-03 | 上海前隆信息科技有限公司 | 用户与联系人间亲密度判定方法/系统、存储介质及设备 |
| CN109660636A (zh) * | 2017-10-11 | 2019-04-19 | 中移（杭州）信息技术有限公司 | 一种联系人展示方法及装置 |
| CN108124044A (zh) * | 2017-12-15 | 2018-06-05 | 维沃移动通信有限公司 | 通讯录管理方法及装置 |
| CN109474755A (zh) * | 2018-10-30 | 2019-03-15 | 济南大学 | 基于排序学习和集成学习的异常电话主动预测方法及系统 |
| CN111314540A (zh) * | 2018-11-26 | 2020-06-19 | 卓望数码技术（深圳）有限公司 | 一种通信录搜索方法、装置、设备和可读存储介质 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112988709A (zh) * | 2021-03-15 | 2021-06-18 | 成都乐动信息技术有限公司 | 一种数据排序方法、装置、电子设备及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107862339B (zh) | 用于输出信息的方法和装置 | |
| CN111210335A (zh) | 用户风险识别方法、装置及电子设备 | |
| CN110351672B (zh) | 信息推送方法、装置及电子设备 | |
| CN112017023A (zh) | 小微企业资源额度确定方法、装置及电子设备 | |
| CN111582314A (zh) | 目标用户确定方法、装置及电子设备 | |
| CN112348321A (zh) | 风险用户的识别方法、装置及电子设备 | |
| CN110796171A (zh) | 机器学习模型的未分类样本处理方法、装置及电子设备 | |
| CN111191677B (zh) | 用户特征数据生成方法、装置及电子设备 | |
| CN114840869A (zh) | 基于敏感度识别模型的数据敏感度识别方法及装置 | |
| CN111178687A (zh) | 金融风险分类方法、装置及电子设备 | |
| CN112019675A (zh) | 通讯录联系人的排序方法、装置及电子设备 | |
| CN111241273A (zh) | 文本数据分类方法、装置、电子设备及计算机可读介质 | |
| CN113157853A (zh) | 问题挖掘方法、装置、电子设备及存储介质 | |
| CN114742645A (zh) | 基于多阶段时序多任务的用户安全等级识别方法及装置 | |
| CN116451700A (zh) | 目标语句生成方法、装置、设备及存储介质 | |
| CN113298555B (zh) | 推广策略生成方法、装置及电子设备 | |
| CN115080039A (zh) | 前端代码生成方法、装置、计算机设备、存储介质和产品 | |
| CN113568739A (zh) | 用户资源额度分配方法、装置及电子设备 | |
| CN112016790A (zh) | 用户策略分配方法、装置及电子设备 | |
| CN111667025A (zh) | 模型的迁移学习方法、装置、电子设备及计算机可读介质 | |
| CN114971744B (zh) | 一种依据稀疏矩阵的用户画像确定方法及装置 | |
| CN114066016A (zh) | 互联网平台的用户设备失联预测方法、装置及电子设备 | |
| CN117290597A (zh) | 基于人工智能的信息推送方法、装置、设备及存储介质 | |
| CN115034576A (zh) | 基于用户阶段状态的用户服务确定方法、装置及电子设备 | |
| CN117788051A (zh) | 基于人工智能的客户偏好分析方法、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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20201201 |
|
| RJ01 | Rejection of invention patent application after publication |