CN112417311A - 一种基于影响因子执行业务的方法、装置和电子设备 - Google Patents
一种基于影响因子执行业务的方法、装置和电子设备 Download PDFInfo
- Publication number
- CN112417311A CN112417311A CN202011179674.4A CN202011179674A CN112417311A CN 112417311 A CN112417311 A CN 112417311A CN 202011179674 A CN202011179674 A CN 202011179674A CN 112417311 A CN112417311 A CN 112417311A
- Authority
- CN
- China
- Prior art keywords
- call
- user
- person
- influence
- influence factor
- 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
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
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9536—Search customisation based on social or collaborative filtering
-
- 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
- G06F16/27—Replication, distribution or synchronisation of data between databases or within a distributed database system; Distributed database system architectures therefor
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/901—Indexing; Data structures therefor; Storage structures
- G06F16/9024—Graphs; Linked lists
Abstract
本说明书实施例提供一种基于影响因子执行业务的方法,通过获取用户的通话信息,通话信息包括通话关系人及与所述通话关系人对应的通话属性信息,由于通话属性信息能够一定程度上反映其对用户产生影响的效力,因而通过基于所述通话信息利用影响识别工具确定各所述通话关系人与所述用户的影响因子,根据各所述通话关系人对所述用户的影响因子数据采用甄别规则确定目标关系人,能够精准甄别出有利于业务进展的目标关系人,继而选择所述目标关系人执行所述客户的业务,便能够改善业务的执行效果。
Description
技术领域
本申请涉及互联网领域,尤其涉及一种基于影响因子执行业务的方法、装置和电子设备。
背景技术
在执行业务时,往往会涉及到利用用户的关系人来执行任务,比如,向关系人发送业务信息,关系人获知业务信息后督促与其相关的该用户返还资源等。
目前,这种方案在真正实施时,多是通过用户主动填写的当时,将关系人上报到业务系统,然而,经过分析发现,这种方式依赖于用户操作,也受用户的业务立场限制,最终往往会使得业务的执行效果较差。
有必要提出一种新的执行业务的方法,以改善业务的执行效果。
发明内容
本说明书实施例提供一种基于影响因子执行业务的方法、装置和电子设备,用以改善业务的执行效果。
本说明书实施例提供一种基于影响因子执行业务的方法,包括:
获取用户的通话信息,所述通话信息包括通话关系人及与所述通话关系人对应的通话属性信息;
基于所述通话信息利用影响识别工具确定各所述通话关系人与所述用户的影响因子;
根据各所述通话关系人对所述用户的影响因子数据采用甄别规则确定目标关系人;
选择所述目标关系人执行所述客户的业务。
可选地,所述基于所述通话信息利用影响识别工具确定各所述通话关系人与所述用户的影响因子,包括:
基于通话类型、通话持续时长、通话事件距当前日期的时间间隔和通话次数中的至少一个,利用影响识别工具确定各所述通话关系人与所述用户的影响因子。
可选地,还包括:
利用机器学习的方式构建通话特征算子;
所述基于通话类型、通话持续时长、通话事件距当前日期的时间间隔和通话次数中的至少一个,利用影响识别工具确定各所述通话关系人与所述用户的影响因子,包括:
利用所述通话特征算子进行特征提取和归一化转换,计算出各所述通话关系人与所述用户的影响因子。
可选地,所述根据各所述通话关系人对所述用户的影响因子数据采用甄别规则确定目标关系人,包括:
将各所述通话关系人对所述用户的影响因子数据进行排序,确定顺序位于首位的通话关系人,作为目标关系人。
可选地,还包括:
以用户及用户的通话关系人为顶点数据,以各通话关系人对所述用户的影响因子数据为边数据构建影响因子结构图;
以各用户及其所对应的通话关系人为基准单元对所述影响因子结构图进行分割,将分割出的顶点数据和边数据进行存储。
可选地,所述根据各所述通话关系人对所述用户的影响因子数据采用甄别规则确定目标关系人,还包括:
利用构建的影响因子结构图对当前进行业务的用户对应的影响因子数据进行查询。
可选地,还包括:
在可视化界面中显示构建的所述影响因子结构图;
确定用户或者第三人选择的目标通话关系人,利用所述目标通话关系人执行所述当前业务。
可选地,所述获取用户的通话信息,包括:
按照预设的周期获取用户的通话信息;
所述方法,还包括:更新所述影响因子结构图。
可选地,所述将分割出的顶点数据和边数据进行存储,包括:
以用户的信息为主键对分割出的顶点数据和边数据进行分布式冗余存储。
可选地,所述通话特征算子部署于分布式计算平台中;
所述利用所述通话特征算子进行特征提取和归一化转换,计算出各所述通话关系人与所述用户的影响因子,包括:
计算各通话特征算子所需的任务资源,基于各算子所需的任务资源进行资源的调度。
本说明书实施例还提供一种基于影响因子执行业务的装置,包括:
通话信息模块,获取用户的通话信息,所述通话信息包括通话关系人及与所述通话关系人对应的通话属性信息;
影响识别模块,基于所述通话信息利用影响识别工具确定各所述通话关系人与所述用户的影响因子;
筛选模块,根据各所述通话关系人对所述用户的影响因子数据采用甄别规则确定目标关系人;
业务执行模块,选择所述目标关系人执行所述客户的业务。
可选地,所述基于所述通话信息利用影响识别工具确定各所述通话关系人与所述用户的影响因子,包括:
基于通话类型、通话持续时长、通话事件距当前日期的时间间隔和通话次数中的至少一个,利用影响识别工具确定各所述通话关系人与所述用户的影响因子。
可选地,所述影响识别模块还用于:
利用机器学习的方式构建通话特征算子;
所述基于通话类型、通话持续时长、通话事件距当前日期的时间间隔和通话次数中的至少一个,利用影响识别工具确定各所述通话关系人与所述用户的影响因子,包括:
利用所述通话特征算子进行特征提取和归一化转换,计算出各所述通话关系人与所述用户的影响因子。
可选地,所述根据各所述通话关系人对所述用户的影响因子数据采用甄别规则确定目标关系人,包括:
将各所述通话关系人对所述用户的影响因子数据进行排序,确定顺序位于首位的通话关系人,作为目标关系人。
可选地,所述影响识别模块还用于:
以用户及用户的通话关系人为顶点数据,以各通话关系人对所述用户的影响因子数据为边数据构建影响因子结构图;
以各用户及其所对应的通话关系人为基准单元对所述影响因子结构图进行分割,将分割出的顶点数据和边数据进行存储。
可选地,所述根据各所述通话关系人对所述用户的影响因子数据采用甄别规则确定目标关系人,还包括:
利用构建的影响因子结构图对当前进行业务的用户对应的影响因子数据进行查询。
可选地,所述影响识别模块还用于:
在可视化界面中显示构建的所述影响因子结构图;
确定用户或者第三人选择的目标通话关系人,利用所述目标通话关系人执行所述当前业务。
可选地,所述获取用户的通话信息,包括:
按照预设的周期获取用户的通话信息;
所述影响识别模块还用于:更新所述影响因子结构图。
可选地,所述将分割出的顶点数据和边数据进行存储,包括:
以用户的信息为主键对分割出的顶点数据和边数据进行分布式冗余存储。
可选地,所述通话特征算子部署于分布式计算平台中;
所述利用所述通话特征算子进行特征提取和归一化转换,计算出各所述通话关系人与所述用户的影响因子,包括:
计算各通话特征算子所需的任务资源,基于各算子所需的任务资源进行资源的调度。
本说明书实施例还提供一种电子设备,其中,该电子设备包括:
处理器;以及,
存储计算机可执行指令的存储器,所述可执行指令在被执行时使所述处理器执行上述任一项方法。
本说明书实施例还提供一种计算机可读存储介质,其中,所述计算机可读存储介质存储一个或多个程序,所述一个或多个程序当被处理器执行时,实现上述任一项方法。
本说明书实施例提供的各种技术方案通过获取用户的通话信息,通话信息包括通话关系人及与所述通话关系人对应的通话属性信息,由于通话属性信息能够一定程度上反映其对用户产生影响的效力,因而通过基于所述通话信息利用影响识别工具确定各所述通话关系人与所述用户的影响因子,根据各所述通话关系人对所述用户的影响因子数据采用甄别规则确定目标关系人,能够精准甄别出有利于业务进展的目标关系人,继而选择所述目标关系人执行所述客户的业务,便能够改善业务的执行效果。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1为本说明书实施例提供的一种基于影响因子执行业务的方法的原理示意图;
图2为本说明书实施例提供的一种基于影响因子执行业务的装置的结构示意图;
图3为本说明书实施例提供的一种电子设备的结构示意图;
图4为本说明书实施例提供的一种计算机可读介质的原理示意图。
具体实施方式
现在将参考附图更全面地描述本发明的示例性实施例。然而,示例性实施例能够以多种形式实施,且不应被理解为本发明仅限于在此阐述的实施例。相反,提供这些示例性实施例能够使得本发明更加全面和完整,更加便于将发明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元件、组件或部分,因而将省略对它们的重复描述。
在符合本发明的技术构思的前提下,在某个特定的实施例中描述的特征、结构、特性或其他细节不排除可以以合适的方式结合在一个或更多其他的实施例中。
在对于具体实施例的描述中,本发明描述的特征、结构、特性或其他细节是为了使本领域的技术人员对实施例进行充分理解。但是,并不排除本领域技术人员可以实践本发明的技术方案而没有特定特征、结构、特性或其他细节的一个或更多。
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。
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。
术语“和/或”或者“及/或”包括相关联的列出项目中的任一个或多者的所有组合。
图1为本说明书实施例提供的一种基于影响因子执行业务的方法的原理示意图,该方法可以包括:
S101:获取用户的通话信息,所述通话信息包括通话关系人及与所述通话关系人对应的通话属性信息。
考虑到一种场景,用户利用客户端在执行业务时,需要填写联系人,如果能实现在前端自动识别筛选出联系人,继续下一步任务,则一方面不需要依赖于用户操作,另一方面可以避免用户作弊等情况的发生,从而可以改善业务执行效果。
因此,在本说明书实施例中,可以为移动客户端配置通话信息获取权限,这样,通过在前端筛选目标联系人,不需要将信息上传,利于保护用户个人信息。
在另一种场景中,可以定期收集用户上传的信息到平台中,通过平台实现目标关系人的筛选。
其中,通话属性信息可以是:基于通话类型、通话持续时长、通话事件距当前日期的时间间隔和通话次数。
通话属性信息能够一定程度上反映该用户与各关系人的关联密切程度,也能反映关系人对该用户隐形的影响效力,因而,如果我们构建一个用来识别影响大小的工具,便能够精准的甄别出对用户有较大影响的关系人。
S102:基于所述通话信息利用影响识别工具确定各所述通话关系人与所述用户的影响因子。
客户联系人影响因子(Customer Contacts I nf l uence Factor,CCI F)可以定量描述用户受该关系人影响的程度大小。
在本说明书实施例中,所述基于所述通话信息利用影响识别工具确定各所述通话关系人与所述用户的影响因子,包括:
基于通话类型、通话持续时长、通话事件距当前日期的时间间隔和通话次数中的至少一个,利用影响识别工具确定各所述通话关系人与所述用户的影响因子。
在本说明书实施例中,我们可以构建影响识别工具。
具体的,可以结合机器学习的方式来构建,因此,该方法还可以包括:
利用机器学习的方式构建通话特征算子;
这样,所述基于通话类型、通话持续时长、通话事件距当前日期的时间间隔和通话次数中的至少一个,利用影响识别工具确定各所述通话关系人与所述用户的影响因子,可以包括:
利用所述通话特征算子进行特征提取和归一化转换,计算出各所述通话关系人与所述用户的影响因子。
在本说明书实施例中,可以以特征向量的形式来记录通话特征,并进行转换,为了将多维特征转换成一维特征从而计算出影响因子数据的具体值,我们可以先将多列数据转化为单列的向量列。
在本说明书实施例中,通话特征算子可以部署于分布式计算平台中;
这样,所述利用所述通话特征算子进行特征提取和归一化转换,计算出各所述通话关系人与所述用户的影响因子,包括:
计算各通话特征算子所需的任务资源,基于各算子所需的任务资源进行资源的调度。
机器学习通过大规模的数据集能够剔除无效数据,没有价值的数据会下沉到数据底部,向业务系统输出有效高质量数据,
在说明书实施例中,我们可以利用分布式图计算平台实现海量数据的快速计算,通过分布式存储技术实现原始数据和结果数据安全存储,避免单点故障,实现整个架构的高可用和可扩展,确保平台稳健运行。
在本说明书实施例中,影响因子其中,y=f(tn,dn,c);其中,tn对通话事件距当前日期的时间间隔进行归一化处理后的数据;c为归一化处理的通话类型数据;dn为归一化处理的通话时长数据;N为通话总数。
在统计学中,归一化的具体作用是归纳统一样本的统计分布性,归一化目的是让不同维度之间的特征,在数值上有一定比较性提高计算的精度。在CCIF的计算过程中,数据不涉及距离度量、协方差计算,使用归一化工具进行归一化处理较为合理。
其中,通话类型为主叫或被叫。
S103:根据各所述通话关系人对所述用户的影响因子数据采用甄别规则确定目标关系人。
在本说明书实施例中,所述根据各所述通话关系人对所述用户的影响因子数据采用甄别规则确定目标关系人,包括:
将各所述通话关系人对所述用户的影响因子数据进行排序,确定顺序位于首位的通话关系人,作为目标关系人。
在本说明书实施例中,还包括:
以用户及用户的通话关系人为顶点数据,以各通话关系人对所述用户的影响因子数据为边数据构建影响因子结构图;
以各用户及其所对应的通话关系人为基准单元对所述影响因子结构图进行分割,将分割出的顶点数据和边数据进行存储。
通过图分割技术,按照单个客户分割为对应的小图,便于存储和在业务系统中的应用。
具体的,该方法可以包括:从影响因子结构图中结构出顶点数据和边数据,计算出度信息和入度信息。
对于具体的图计算的实现算法,现有技术已有公开,在此不做具体阐述。
在本说明书实施例中,所述根据各所述通话关系人对所述用户的影响因子数据采用甄别规则确定目标关系人,还包括:
利用构建的影响因子结构图对当前进行业务的用户对应的影响因子数据进行查询。
在本说明书实施例中,所述获取用户的通话信息,包括:
按照预设的周期获取用户的通话信息;
所述方法,还包括:更新所述影响因子结构图。
在本说明书实施例中,所述将分割出的顶点数据和边数据进行存储,包括:
以用户的信息为主键对分割出的顶点数据和边数据进行分布式冗余存储。
S104:选择所述目标关系人执行所述客户的业务。
通过获取用户的通话信息,通话信息包括通话关系人及与所述通话关系人对应的通话属性信息,由于通话属性信息能够一定程度上反映其对用户产生影响的效力,因而通过基于所述通话信息利用影响识别工具确定各所述通话关系人与所述用户的影响因子,根据各所述通话关系人对所述用户的影响因子数据采用甄别规则确定目标关系人,能够精准甄别出有利于业务进展的目标关系人,继而选择所述目标关系人执行所述客户的业务,便能够改善业务的执行效果。
在本说明书实施例中,还包括:
在可视化界面中显示构建的所述影响因子结构图;
确定用户或者第三人选择的目标通话关系人,利用所述目标通话关系人执行所述当前业务。
对于资源返还业务的执行,通过在可视化界面中显示构建的所述影响因子结构图,具体可以用箭头表示方向,显示影响因子的数值,影响因子的数值越大对应的箭头越宽。
这样,使第三人(运营人员)可以一目了然地找到对未返还资源的用户能够产生较大影响力的联系人,提升资源返还业务的返还效果。
当然,也可以是在客户端业务页面中按照顺序显示多个目标关系人,这样,用户可以选择其需要的关系人来执行业务。
其中,在可视化界面中显示构建的所述影响因子结构图,可以包括:
判断识别满足预设条件的顶点和边,基于满足条件的顶点和边进行解析渲染,在可视化界面中显示局部影响因子结构图。
计算模型的优点在于模型可达到强一致性同步,准确率高。整体同步并行模型由计算结点和参数管理结点组成,各工作结点下的机器负责一部分数据计算并将参数推到对应的参数管理结点,参数管理结点接收到所有工作端结点的参数后进行整合,并统一同步更新各工作结点参数进行新一轮迭代计算。
高效图计算的关键是将顶点属性与边缘有效结合。图通常具有比顶点更多的边,所以将顶点属性移到边。可以采用顶点切割方法进行分布式图形分区,沿顶点划分图,可以减少通信和存储开销。从逻辑上讲,这对应于为机器分配边并允许顶点跨越多台机器。可以在内部维护一个路由表,该路由表在实现各种操作所需的联接时在广播顶点聚合消息。
本说明书实施例还提供一种基于影响因子执行业务的方法,该方法可以包括:
S201:通话属性信息的数据采集。从多渠道收集客户提供的联系人信息,按照约定的数据格式存储到分布式存储平台。该模块根据任务配置的任务调度规则,每天定时汇集当天客户提供的数据,批量存储到分布式存储平台。
S202:分布式存储采集的数据。实现数据副本多节点存储,同时提供快速的批量数据的读写功能,满足海量数据的分布式存储,及平台的可扩展与高可用,确保数据读写的安全和高效。
S203:对采集的数据进行预处理。比如过滤掉无效的手机号、错误格式与类型的数据。
S204:特征提取和归一化处理。选择客户与联系人之间通话记录中的通话时间、通话时长、主叫被叫等字段表征一次通话记录,通过选择的字段构建特征向量,基于机器学习技术将多个列合并为向量列。通过归一化技术实现每一维特征线性地映射到指定的区间,让不同维度之间的特征在数值上有一定比较性,提升精度。
S205:生成节点和边。
S206:生成影响因子结构图,提供可视化的WEB页面,用于快熟检索满足条件的CCI F。
S207:生成子图。
S208:将子图数据通过接口输出至外部业务系统。基于远程调用方式向外部业务系统提供满足条件的CCI F信息,用于提升业务质量,实现对客户联系人的催收活动的精准狙击。数据输出接口服务实现多节点部署,注册到微服务注册中心,实现高并发和可扩展。
图2为本说明书实施例提供的一种基于影响因子执行业务的装置的结构示意图,该装置可以包括:
本说明书实施例还提供一种基于影响因子执行业务的装置,包括:
通话信息模块201,获取用户的通话信息,所述通话信息包括通话关系人及与所述通话关系人对应的通话属性信息;
影响识别模块202,基于所述通话信息利用影响识别工具确定各所述通话关系人与所述用户的影响因子;
筛选模块203,根据各所述通话关系人对所述用户的影响因子数据采用甄别规则确定目标关系人;
业务执行模块204,选择所述目标关系人执行所述客户的业务。
在本说明书实施例中,所述基于所述通话信息利用影响识别工具确定各所述通话关系人与所述用户的影响因子,包括:
基于通话类型、通话持续时长、通话事件距当前日期的时间间隔和通话次数中的至少一个,利用影响识别工具确定各所述通话关系人与所述用户的影响因子。
在本说明书实施例中,所述影响识别模块还用于:
利用机器学习的方式构建通话特征算子;
所述基于通话类型、通话持续时长、通话事件距当前日期的时间间隔和通话次数中的至少一个,利用影响识别工具确定各所述通话关系人与所述用户的影响因子,包括:
利用所述通话特征算子进行特征提取和归一化转换,计算出各所述通话关系人与所述用户的影响因子。
在本说明书实施例中,所述根据各所述通话关系人对所述用户的影响因子数据采用甄别规则确定目标关系人,包括:
将各所述通话关系人对所述用户的影响因子数据进行排序,确定顺序位于首位的通话关系人,作为目标关系人。
在本说明书实施例中,所述影响识别模块还用于:
以用户及用户的通话关系人为顶点数据,以各通话关系人对所述用户的影响因子数据为边数据构建影响因子结构图;
以各用户及其所对应的通话关系人为基准单元对所述影响因子结构图进行分割,将分割出的顶点数据和边数据进行存储。
在本说明书实施例中,所述根据各所述通话关系人对所述用户的影响因子数据采用甄别规则确定目标关系人,还包括:
利用构建的影响因子结构图对当前进行业务的用户对应的影响因子数据进行查询。
在本说明书实施例中,所述影响识别模块还用于:
在可视化界面中显示构建的所述影响因子结构图;
确定用户或者第三人选择的目标通话关系人,利用所述目标通话关系人执行所述当前业务。
在本说明书实施例中,所述获取用户的通话信息,包括:
按照预设的周期获取用户的通话信息;
所述影响识别模块还用于:更新所述影响因子结构图。
在本说明书实施例中,所述将分割出的顶点数据和边数据进行存储,包括:
以用户的信息为主键对分割出的顶点数据和边数据进行分布式冗余存储。
在本说明书实施例中,所述通话特征算子部署于分布式计算平台中;
所述利用所述通话特征算子进行特征提取和归一化转换,计算出各所述通话关系人与所述用户的影响因子,包括:
计算各通话特征算子所需的任务资源,基于各算子所需的任务资源进行资源的调度。
该装置通过获取用户的通话信息,通话信息包括通话关系人及与所述通话关系人对应的通话属性信息,由于通话属性信息能够一定程度上反映其对用户产生影响的效力,因而通过基于所述通话信息利用影响识别工具确定各所述通话关系人与所述用户的影响因子,根据各所述通话关系人对所述用户的影响因子数据采用甄别规则确定目标关系人,能够精准甄别出有利于业务进展的目标关系人,继而选择所述目标关系人执行所述客户的业务,便能够改善业务的执行效果。
基于同一发明构思,本说明书实施例还提供一种电子设备。
下面描述本发明的电子设备实施例,该电子设备可以视为对于上述本发明的方法和装置实施例的具体实体实施方式。对于本发明电子设备实施例中描述的细节,应视为对于上述方法或装置实施例的补充;对于在本发明电子设备实施例中未披露的细节,可以参照上述方法或装置实施例来实现。
图3为本说明书实施例提供的一种电子设备的结构示意图。下面参照图3来描述根据本发明该实施例的电子设备300。图3显示的电子设备300仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图3所示,电子设备300以通用计算设备的形式表现。电子设备300的组件可以包括但不限于:至少一个处理单元310、至少一个存储单元320、连接不同系统组件(包括存储单元320和处理单元310)的总线330、显示单元340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310执行,使得所述处理单元310执行本说明书上述处理方法部分中描述的根据本发明各种示例性实施方式的步骤。例如,所述处理单元310可以执行如图1所示的步骤。
所述存储单元320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)3201和/或高速缓存存储单元3202,还可以进一步包括只读存储单元(ROM)3203。
所述存储单元320还可以包括具有一组(至少一个)程序模块3205的程序/实用工具3204,这样的程序模块3205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330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300也可以与一个或多个外部设备400(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300交互的设备通信,和/或与使得该电子设备300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350进行。并且,电子设备300还可以通过网络适配器360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360可以通过总线330与电子设备300的其它模块通信。应当明白,尽管图3中未示出,可以结合电子设备300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,本发明描述的示例性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,根据本发明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计算机可读的存储介质(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)执行根据本发明的上述方法。当所述计算机程序被一个数据处理设备执行时,使得该计算机可读介质能够实现本发明的上述方法,即:如图1所示的方法。
图4为本说明书实施例提供的一种计算机可读介质的原理示意图。
实现图1所示方法的计算机程序可以存储于一个或多个计算机可读介质上。计算机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发明操作的程序代码,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)。
综上所述,本发明可以以硬件实现,或者以在一个或者多个处理器上运行的软件模块实现,或者以它们的组合实现。本领域的技术人员应当理解,可以在实践中使用微处理器或者数字信号处理器(DSP)等通用数据处理设备来实现根据本发明实施例中的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如,计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上,或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到,或者在载体信号上提供,或者以任何其他形式提供。
以上所述的具体实施例,对本发明的目的、技术方案和有益效果进行了进一步详细说明,应理解的是,本发明不与任何特定计算机、虚拟装置或者电子设备固有相关,各种通用装置也可以实现本发明。以上所述仅为本发明的具体实施例而已,并不用于限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。
以上所述仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (10)
1.一种基于影响因子执行业务的方法,其特征在于,包括:
获取用户的通话信息,所述通话信息包括通话关系人及与所述通话关系人对应的通话属性信息;
基于所述通话信息利用影响识别工具确定各所述通话关系人与所述用户的影响因子;
根据各所述通话关系人对所述用户的影响因子数据采用甄别规则确定目标关系人;
选择所述目标关系人执行所述客户的业务。
2.根据权利要求1所述的方法,其特征在于,所述基于所述通话信息利用影响识别工具确定各所述通话关系人与所述用户的影响因子,包括:
基于通话类型、通话持续时长、通话事件距当前日期的时间间隔和通话次数中的至少一个,利用影响识别工具确定各所述通话关系人与所述用户的影响因子。
3.根据权利要求1-2中任一项所述的方法,其特征在于,还包括:
利用机器学习的方式构建通话特征算子;
所述基于通话类型、通话持续时长、通话事件距当前日期的时间间隔和通话次数中的至少一个,利用影响识别工具确定各所述通话关系人与所述用户的影响因子,包括:
利用所述通话特征算子进行特征提取和归一化转换,计算出各所述通话关系人与所述用户的影响因子。
4.根据权利要求1-3中任一项所述的方法,其特征在于,所述根据各所述通话关系人对所述用户的影响因子数据采用甄别规则确定目标关系人,包括:
将各所述通话关系人对所述用户的影响因子数据进行排序,确定顺序位于首位的通话关系人,作为目标关系人。
5.根据权利要求1-4中任一项所述的方法,其特征在于,还包括:
以用户及用户的通话关系人为顶点数据,以各通话关系人对所述用户的影响因子数据为边数据构建影响因子结构图;
以各用户及其所对应的通话关系人为基准单元对所述影响因子结构图进行分割,将分割出的顶点数据和边数据进行存储。
6.根据权利要求1-5中任一项所述的方法,其特征在于,所述根据各所述通话关系人对所述用户的影响因子数据采用甄别规则确定目标关系人,还包括:
利用构建的影响因子结构图对当前进行业务的用户对应的影响因子数据进行查询。
7.根据权利要求1-6中任一项所述的方法,其特征在于,还包括:
在可视化界面中显示构建的所述影响因子结构图;
确定用户或者第三人选择的目标通话关系人,利用所述目标通话关系人执行所述当前业务。
8.一种基于影响因子执行业务的装置,其特征在于,包括:
通话信息模块,获取用户的通话信息,所述通话信息包括通话关系人及与所述通话关系人对应的通话属性信息;
影响识别模块,基于所述通话信息利用影响识别工具确定各所述通话关系人与所述用户的影响因子;
筛选模块,根据各所述通话关系人对所述用户的影响因子数据采用甄别规则确定目标关系人;
业务执行模块,选择所述目标关系人执行所述客户的业务。
9.一种电子设备,其中,该电子设备包括:
处理器;以及,
存储计算机可执行指令的存储器,所述可执行指令在被执行时使所述处理器执行根据权利要求1-7中任一项所述的方法。
10.一种计算机可读存储介质,其中,所述计算机可读存储介质存储一个或多个程序,所述一个或多个程序当被处理器执行时,实现权利要求1-7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011179674.4A CN112417311A (zh) | 2020-10-29 | 2020-10-29 | 一种基于影响因子执行业务的方法、装置和电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011179674.4A CN112417311A (zh) | 2020-10-29 | 2020-10-29 | 一种基于影响因子执行业务的方法、装置和电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112417311A true CN112417311A (zh) | 2021-02-26 |
Family
ID=74840282
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011179674.4A Pending CN112417311A (zh) | 2020-10-29 | 2020-10-29 | 一种基于影响因子执行业务的方法、装置和电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112417311A (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090138460A1 (en) * | 2007-11-27 | 2009-05-28 | At&T Knowledge Ventures, Lp. | System and Method of Determining Relationship Information |
CN102255890A (zh) * | 2011-05-30 | 2011-11-23 | 苏宁军 | 一种用户推荐与信息交互的系统及方法 |
CN102393843A (zh) * | 2011-06-29 | 2012-03-28 | 广州市动景计算机科技有限公司 | 利用移动终端通讯信息建立用户关系的方法及系统 |
CN104065786A (zh) * | 2013-03-22 | 2014-09-24 | 腾讯科技(深圳)有限公司 | 标柱联系人常用号码的方法及移动终端 |
CN104636439A (zh) * | 2015-01-04 | 2015-05-20 | 中国联合网络通信集团有限公司 | 一种分析用户社会关系的方法及装置 |
CN104702759A (zh) * | 2013-12-06 | 2015-06-10 | 中兴通讯股份有限公司 | 通讯录的设置方法及装置 |
CN105959365A (zh) * | 2016-04-26 | 2016-09-21 | 中国联合网络通信集团有限公司 | 应用推荐方法和应用推荐装置 |
CN109347723A (zh) * | 2018-10-22 | 2019-02-15 | 麒麟合盛网络技术股份有限公司 | 一种信息提示方法及装置 |
CN110401779A (zh) * | 2018-04-24 | 2019-11-01 | 中国移动通信集团有限公司 | 一种识别电话号码的方法、装置和计算机可读存储介质 |
CN111246366A (zh) * | 2019-11-28 | 2020-06-05 | 杭州安恒信息技术股份有限公司 | 一种目标人群的定位方法、系统及相关设备 |
-
2020
- 2020-10-29 CN CN202011179674.4A patent/CN112417311A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090138460A1 (en) * | 2007-11-27 | 2009-05-28 | At&T Knowledge Ventures, Lp. | System and Method of Determining Relationship Information |
CN102255890A (zh) * | 2011-05-30 | 2011-11-23 | 苏宁军 | 一种用户推荐与信息交互的系统及方法 |
CN102393843A (zh) * | 2011-06-29 | 2012-03-28 | 广州市动景计算机科技有限公司 | 利用移动终端通讯信息建立用户关系的方法及系统 |
CN104065786A (zh) * | 2013-03-22 | 2014-09-24 | 腾讯科技(深圳)有限公司 | 标柱联系人常用号码的方法及移动终端 |
CN104702759A (zh) * | 2013-12-06 | 2015-06-10 | 中兴通讯股份有限公司 | 通讯录的设置方法及装置 |
CN104636439A (zh) * | 2015-01-04 | 2015-05-20 | 中国联合网络通信集团有限公司 | 一种分析用户社会关系的方法及装置 |
CN105959365A (zh) * | 2016-04-26 | 2016-09-21 | 中国联合网络通信集团有限公司 | 应用推荐方法和应用推荐装置 |
CN110401779A (zh) * | 2018-04-24 | 2019-11-01 | 中国移动通信集团有限公司 | 一种识别电话号码的方法、装置和计算机可读存储介质 |
CN109347723A (zh) * | 2018-10-22 | 2019-02-15 | 麒麟合盛网络技术股份有限公司 | 一种信息提示方法及装置 |
CN111246366A (zh) * | 2019-11-28 | 2020-06-05 | 杭州安恒信息技术股份有限公司 | 一种目标人群的定位方法、系统及相关设备 |
Non-Patent Citations (2)
Title |
---|
王昌圆: "基于spark平台支持空间数据管理的图计算框架的研究", 《中国优秀博士学位论文全文数据库 信息科技辑》 * |
韩文轻: "基于话单数据的多维向量推荐模型", 《中国优秀博士学位论文全文数据库 社会科学Ⅰ辑》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111339071B (zh) | 一种多源异构数据的处理方法及装置 | |
CN107665228B (zh) | 一种关联信息查询方法、终端及设备 | |
US9772890B2 (en) | Sophisticated run-time system for graph processing | |
US20130227116A1 (en) | Determining optimal component location in a networked computing environment | |
CN111431926B (zh) | 一种数据关联分析的方法、系统、设备及可读存储介质 | |
CN112799785A (zh) | 虚拟机集群迁移方法、装置、设备和介质 | |
CN112417311A (zh) | 一种基于影响因子执行业务的方法、装置和电子设备 | |
WO2022267364A1 (zh) | 一种信息推荐方法、设备及存储介质 | |
CN115221337A (zh) | 数据编织处理方法、装置、电子设备及可读存储介质 | |
US11360877B2 (en) | Forming microservices from monolithic applications | |
CN115018473A (zh) | 一种业务处理方法、装置、存储介质及设备 | |
CN114372826A (zh) | 一种运价数据的处理方法、系统、设备及存储介质 | |
CN114445162A (zh) | 反向追溯企业发票系统配置的方法 | |
CN114356712A (zh) | 数据处理方法、装置、设备、可读存储介质及程序产品 | |
JP2018147350A (ja) | 情報処理システムの利用実態分析装置、及び利用実態分析方法 | |
CN110597572B (zh) | 一种服务调用关系分析方法和计算机系统 | |
CN106469086B (zh) | 事件处理方法和装置 | |
CN113111367A (zh) | 一种安全信息管理方法、装置和系统 | |
CN111552674A (zh) | 日志处理方法及设备 | |
US20240126623A1 (en) | Tracing service interactions without global transaction identifiers | |
CN114970479B (zh) | 图表生成方法及装置 | |
Schäfer et al. | Sampling with incremental mapreduce | |
CN115174366A (zh) | 数据处理方法以及装置 | |
CN116431688B (zh) | 一种数据的处理方法、装置、电子设备及存储介质 | |
CN113627702B (zh) | 业务路径分析方法、装置及计算设备 |
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 |