CN112596992A - 应用活跃度的计算方法及装置 - Google Patents

应用活跃度的计算方法及装置 Download PDF

Info

Publication number
CN112596992A
CN112596992A CN202011339314.6A CN202011339314A CN112596992A CN 112596992 A CN112596992 A CN 112596992A CN 202011339314 A CN202011339314 A CN 202011339314A CN 112596992 A CN112596992 A CN 112596992A
Authority
CN
China
Prior art keywords
activity
application
logistic regression
preset
index
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
CN202011339314.6A
Other languages
English (en)
Inventor
郭芳
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.)
New H3C Big Data Technologies Co Ltd
Original Assignee
New H3C Big Data Technologies 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 New H3C Big Data Technologies Co Ltd filed Critical New H3C Big Data Technologies Co Ltd
Priority to CN202011339314.6A priority Critical patent/CN112596992A/zh
Publication of CN112596992A publication Critical patent/CN112596992A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G06F11/34—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment
    • G06F11/3452—Performance evaluation by statistical analysis

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Probability & Statistics with Applications (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Hardware Design (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Quality & Reliability (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本说明书提供一种应用活跃度的计算方法及装置，不仅可以对下载应用安装包类型的应用计算活跃度，也可以对不用安装客户端类型的应用计算活跃度，并且，现有技术中，对于活跃度指标分布的值域分布于[0,+∞)，而本公开提供的方法和装置通过逻辑回归算法对指标进行归一化使得活跃度的值域收敛在预设的值域区间，使得活跃度的指标更加直观化。

Description

应用活跃度的计算方法及装置
技术领域
本说明书涉及通信技术领域，尤其涉及应用活跃度的计算方法及装置。
背景技术
高校机房中有大量的应用，每个应用都需要占用一定的网络、存储和计算资源。随着时间的推移，机房中应用的数量只增不减，占用越来越多的资源；这其中，既有经常被使用到的活跃应用，也有一些已经不再被使用的老旧应用，后者长时间没有流量却依然占用着资源。但是由于应用数量众多，应用使用量大，管理难度大，而且缺少一个合适的网络指标来直观反映各个应用的活跃程度，导致管理部门很难及时了解到每个应用的活跃状态，以便及时调整应用的资源分配，合理利用各种资源。
国内各大应用市场(如华为应用市场)都会对各类应用的活跃度进行排名，以便筛选出热门应用进行精品推荐。这些网站基本上都是通过应用的下载量和安装量来评价应用的活跃程度，下载和安装数量越多，认为应用越活跃，排名越靠前。
下载量和安装量只适用于安装客户端的APP类的应用，对于网站类、FTP(FileTransfer Protocol，文件传输协议)这些不需要安装客户端的应用就不能评价；而且安装完成后，用户的使用情况也没有被分析，并不能真实的体现应用的使用活跃度。
发明内容
为克服相关技术中存在的问题，本说明书提供了应用活跃度的计算方法及装置。
根据本说明书实施例的第一方面，提供一种应用活跃度的计算方法，所述方法包括：
获取待计算活跃度的应用的活跃度指标；
对待计算活跃度的应用的每一个活跃度指标进行归一化处理，得到归一化后的活跃度指标，所述归一化后的活跃度指标所对应的函数符合单调递增的规律；
利用预设的逻辑回归激活函数对每一个归一化后的活跃度指标进行逻辑回归运算；
根据逻辑回归运算后的各个活跃度指标以及各个活跃度指标对应的预设权重，计算待计算活跃度的应用的活跃度。
可选的，所述利用预设的逻辑回归激活函数对每一个归一化后的活跃度指标进行逻辑回归运算包括：
确定标准的逻辑回归函数的导数较大的区域所对应的目标定义域；
将所述归一化后的活跃度指标的定义域调整至所述目标定义域；
根据所述目标定义域和所述标准的逻辑回归函数确定出预设的逻辑回归激活函数，所述预设的逻辑回归激活函数的值域对应在[0,1]之间。
可选的，所述预设的逻辑回归激活函数为F(ti)＝(sigmoid(ti*5)-0.5)*2；
其中，ti为归一化后的活跃度指标；F(ti)为预设的逻辑回归激活函数；sigmoid为标准的逻辑回归激活函数。
可选的，所述根据逻辑回归运算后的各个活跃度指标以及各个活跃度指标对应的预设权重，计算待计算活跃度的应用的活跃度包括：
利用预设的逻辑回归激活函数对应的函数值与各个活跃度指标对应的预设权重相乘，以使得待计算活跃度的的应用的活跃度的值域在预设阈值。
可选的，所述获取待计算活跃度的应用的活跃度指标包括：
获取应用的会话日志；
根据应用的会话日志将同一个应用的活跃度指标汇聚到同一条统计信息记录中；
从待计算活跃度的应用对应的统计信息记录中获取应用的活跃度指标。
根据本说明书实施例的第二方面，提供一种应用活跃度的计算装置，包括：
获取模块，用于获取待计算活跃度的应用的活跃度指标；
归一化模块，用于对待计算活跃度的应用的每一个活跃度指标进行归一化处理，得到归一化后的活跃度指标，所述归一化后的活跃度指标所对应的函数符合单调递增的规律；
逻辑回归模块，用于利用预设的逻辑回归激活函数对每一个归一化后的活跃度指标进行逻辑回归运算；
活跃度计算模块，用于根据逻辑回归运算后的各个活跃度指标以及各个活跃度指标对应的预设权重，计算待计算活跃度的应用的活跃度。
可选的，所述活跃度计算模块具体用于确定标准的逻辑回归函数的导数较大的区域所对应的目标定义域；将所述归一化后的活跃度指标的定义域调整至所述目标定义域；根据所述目标定义域和所述标准的逻辑回归函数确定出预设的逻辑回归激活函数，所述预设的逻辑回归激活函数的值域对应在[0,1]之间。
可选的，所述预设的逻辑回归激活函数为F(ti)＝(sigmoid(ti*5)-0.5)*2；其中，ti为归一化后的活跃度指标；F(ti)为预设的逻辑回归激活函数；sigmoid为标准的逻辑回归激活函数。
可选的，所述活跃度计算模块利用预设的逻辑回归激活函数对应的函数值与各个活跃度指标对应的预设权重相乘，以使得待计算活跃度的的应用的活跃度的值域在预设阈值。
可选的，所述获取模块具体用于获取应用的会话日志；根据应用的会话日志将同一个应用的活跃度指标汇聚到同一条统计信息记录中；从待计算活跃度的应用对应的统计信息记录中获取应用的活跃度指标。
本说明书的实施例提供的技术方案可以包括以下有益效果：本公开提供的应用活跃度的计算方法，不仅可以对下载应用安装包类型的应用计算活跃度，也可以对不用安装客户端类型的应用计算活跃度，并且，现有技术中，由于活跃度指标的值域分布于[0,+∞)，这种开放区间的活跃度指标不方便人理解，而本公开提供的方法通过逻辑回归算法对活跃度指标进行归一化，使得活跃度的值域收敛在预设的值域区间，因此使得活跃度的指标更加直观化，便于理解。
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和解释性的，并不能限制本说明书。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本说明书的实施例，并与说明书一起用于解释本说明书的原理。
图1是本说明书根据一示例性实施例示出的一种方法的流程图；
图2示出了一种标准的逻辑回归激活函数的示意图；
图3为另一种逻辑回归激活函数的示意图；
图4是本说明书根据一示例性实施例示出的另一种装置的框图；
图5本说明书提供的服务器的结构示意图。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本说明书相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本说明书的一些方面相一致的装置和方法的例子。
在本说明书使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本说明书。在本说明书和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
应当理解，尽管在本说明书可能采用术语第一、第二、第三等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本说明书范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。
本公开提供了一种应用活跃度的计算方法，该方法
接下来对本说明书实施例进行详细说明。本公开所提供的应用活跃度的计算方法可以应用于网络设备，例如可以为服务器。下面的实施例中以服务器为例对本公开所提供的方法进行说明。但应当理解的是，本公开的方法并不限于应用于服务器。
如图1所示，图1是本说明书根据一示例性实施例示出的一种方法的流程图，包括以下步骤：
步骤102、获取待计算活跃度的应用的活跃度指标。
网络设备可以将自身各个端口接收或发送的流量数据镜像一份，存储到本地，也可以存储到服务器中，以便于计算活跃度时获取使用。
在另一种可选的实施方式中，服务器还可以获取会话日志，每个应用都可能被多个用户在不同时间段内访问多次，产生多条会话日志，本实施例中可以把同一个应用的数据汇聚到同一条记录中，可以从中统计出用户数、会话数、流量、包数等，简化成一条该应用的统计信息日志。该统计信息日志中可以包括应用的标识，以及使用该应用的用户数、会话数、流量、包数等。
对于计算应用的活跃度，本公开的应用不限于为需要下载安装包进行安装客户端的APP类应用，也可以为无需下载安装包的网站类、FTP类型的应用，这些类型的应用一般通过浏览器输入服务器地址即可实现对服务器的访问。
在计算应用的活跃度时，可以选取的指标有很多，比如在该网络设备上该应用的流速、一定时间内的流量、流经该网络设备的报文所对应的用户数、会话数、网络时延、重传次数、报文数量中的任意一个或者多个。本实施例中将计算应用活跃度所选取的参数称为活跃度指标，选取的活跃度指标在一定程度上通过本申请的方法可以反映应用的活跃度。
本实施例中所提供的方法当中，计算应用的活跃度的指标选取为预设时间段内该应用的以下几个指标中的任意一个或多个：
使用该应用的用户数、用户通过该应用建立的会话数、上行平均流量、该应用上行最大流量占所有应用的上行最大流量的比例值、下行平均流量、该应用在预设时间段内的下行最大流量占所有应用的下行最大流量的比例值、上行报文数、下行报文数。
其中，上行指的是用户端发往应用服务器的方向、下行指的是应用服务器发往客户端的方向。这里的客户端并不一定是下载安装包类型的应用，也可以为B/S(浏览器/服务器)的架构。
平均流量指的是在预设时间段内计算的平均流量；
最大流量也指的是预设时间段内最大的流量值。
在选取好活跃度指标之后，由于活跃度指标的值域分布于[0,+∞)，但活跃度必须在一个闭区间内才方便人的理解(即有最大值)，因此需要通过回归算法对指标进行归一化使得活跃度的值域收敛在预设的值域区间。
另外，在本公开所提供的业务场景下，应当使得归一化之后的活跃度指标依然符合活跃度的含义，即每个指标的值越大，表示该应用越活跃。
步骤104、对待计算活跃度的应用的每一个活跃度指标进行归一化处理，得到归一化后的活跃度指标，所述归一化后的活跃度指标所对应的函数符合单调递增的规律。
针对步骤104进行归一化处理的一种方式为：
计算该待计算活跃度的应用的每一个活跃度指标占所有应用的该活跃度指标的比例。
这里的所有应用可以是参与应用活跃度排名的所有应用。
本实施例以其中的一个活跃度指标1为例对计算活跃度指标的比例的实现进行说明。其他的活跃度指标计算占用所有应用的活跃度指标的比例的计算方式与之完全相同。因此不再一一赘述。
具体的，可以采用如下公式确定上述比例，即活跃度指标的均值除以该活跃度指标的均值与所有应用针对该活跃度指标下的均值之和。
Figure BDA0002798174050000071
其中，G(X1)为活跃度指标1占所有应用的活跃度指标的比例；X1表征活跃度指标1；AVG表征预设时间内活跃度指标的平均值。
例如，若待计算活跃度的应用为A，那么活跃度指标1可以为在预设时间段内使用应用A的用户数。所有应用在预设时间段内活跃度指标1的平均值即为所有应用的活跃度指标1的均值。其他的活跃度指标也可以采用上述公式计算。
通过上述函数中，可以使得活跃度指标满足单调递增，并且活跃度指标的值域在[0,1]之间。
进一步的，在大数据的背景下，系统中的应用比较多，因此在计算活跃度时，使用的方法需要满足对小数据敏感的特性，也就是即便各个活跃度指标变化的数值很小，在计算活跃度时也能够体现出来。因此，本公开具体的通过步骤106，采用逻辑回归激活函数对归一化后的活跃度指标进行逻辑回归运算，从而在满足单调递增、对小数据敏感特性的基础上，同时还能够使得各个活跃度指标收敛于预设阈值区间。
对于步骤106，一种具体的实现方式可以通过步骤1061-步骤1063实现。
其中，步骤1061，确定标准的逻辑回归函数的导数较大的区域所对应的目标定义域。图2示出了一种标准的逻辑回归激活函数的示意图，该标准的逻辑回归激活函数为sigmoid函数，即
Figure BDA0002798174050000072
的示意图，可以看出该函数的值域为[-1，1]。其中，t1＝G(x1)，G(x1)的值域即为t1的定义域。t1在本实施例中即为x1归一化后的活跃度指标。
在本实施例中，使用sigmoid函数的定义域[0,5)区间来对t1(也即G(x1))的计算结果进行逻辑回归，定义域和值域的对应关系如图3所示。从图3右侧的曲线图上可以看出，在定义域[0,5)区间内，S(t1)随t1的变化明显，即在定义域[0,5)的区间内，标准的逻辑回归函数sigmoid函数的导数比其他定义域对应的导数(斜率)大，因此该定义域[0,5)即为本实施例中“导数较大的区域所对应的目标定义域”。此外，定义域[0,5)值域为[0.5,0.993)，可近似看做是[0.5,1)，这一特性可以为算法进一步的归一化做准备。
应当理解的是，本实施例中仅以sigmoid函数为例进行了说明，对于其他类型的逻辑回归函数，也可以采用类似的手段，即确定出导数大的定义域，由此确定出对于小数据敏感的定义域。
步骤1062，将归一化后的活跃度指标的定义域调整至目标定义域。
由于目标定义域为[0,5)之间，而归一化后的活跃度指标t1的定义域(也即G(x1)的值域)在[0,1]之间，因此需要将归一化后的活跃度指标的定义域[0,1]调整至目标定义域[0,5)。步骤1063，根据目标定义域和标准的逻辑回归函数确定出预设的逻辑回归激活函数，其中，预设的逻辑回归激活函数的值域对应在[0,1]之间。
在本实施例中通过将归一化后的活跃度指标的定义域乘以预设的调整参数5，则可以将归一化后的活跃度指标的定义域调整至目标定义域[0,5)。
进一步的，还需要将逻辑回归函数的值域进一步归一化，即将值域调整至[0,1]之间。
具体的，由于sigmoid(5t1)∈[0.5，1)，通过(sigmoid(t1*5)-0.5)*2，可以将标准的逻辑回归激活函数sigmoid函数的值域进一步转化，将归一化后的活跃度指标t1的值域转化至[0,1]之间。
也就是本实施例所提供的方法中，在调整了活跃度指标的定义域之后，对值域再次进行了归一化，由此得到本公开中预设的逻辑回归激活函数：
F(t1)＝(sigmoid(t1*5)-0.5)*2
从S(t1)的函数曲线可以看出，在[0,5)区间内，t1越小，S(t1)的斜率越大，也就是对t1的变化越敏感，上述F(t1)函数对小数据敏感的特性非常符合业务需求。
步骤106、利用预设的逻辑回归激活函数对每一个归一化后的活跃度指标进行逻辑回归运算。
其他的活跃度指标也采用上述公式进行计算，本实施例中不再一一赘述。
步骤108，根据逻辑回归运算后的各个活跃度指标以及各个活跃度指标对应的预设权重，计算待计算活跃度的应用的活跃度。
具体的，利用步骤104得到的预设的逻辑回归激活函数对应的函数值与各个活跃度指标对应的预设权重相乘，以使得待计算活跃度的的应用的活跃度的值域在预设阈值。
Figure BDA0002798174050000091
其中，PA为应用A的应用活跃度；
Wi为各个活跃度指标对应的预设权重；
由于F(ti)的值域为[0，1]；在一种可选的实施方式中，在上述实施例中通过步骤104将活跃度指标进行归一化处理之后，通过上述预设的逻辑回归激活函数，再次将活跃度指标的值域进行了归一化，相应的，
Figure BDA0002798174050000092
取值范围可以取为[0,100]，从而使得PA的值域在预设阈值[0,100]之间，这样更符合百分制的习惯；
i为活跃度指标对应的序号；
F(ti)为本申请中预先设置的逻辑回归激活函数。
本公开还提供了一种应用活跃度的计算装置，图4为本公开提供的应用活跃度的计算装置的示意图，如图4所示，该装置包括：
获取模块301，用于获取待计算活跃度的应用的活跃度指标；
归一化模块302，用于对待计算活跃度的应用的每一个活跃度指标进行归一化处理，得到归一化后的活跃度指标，所述归一化后的活跃度指标所对应的函数符合单调递增的规律；
逻辑回归模块303，用于利用预设的逻辑回归激活函数对每一个归一化后的活跃度指标进行逻辑回归运算；
活跃度计算模块304，用于根据逻辑回归运算后的各个活跃度指标以及各个活跃度指标对应的预设权重，计算待计算活跃度的应用的活跃度。
可选的，所述活跃度计算模块304具体用于确定标准的逻辑回归函数的导数较大的区域所对应的目标定义域；将所述归一化后的活跃度指标的定义域调整至所述目标定义域；根据所述目标定义域和所述标准的逻辑回归函数确定出预设的逻辑回归激活函数，所述预设的逻辑回归激活函数的值域对应在[0,1]之间。
可选的，在一种可选的实施方式中，预设的逻辑回归激活函数为F(ti)＝(sigmoid(ti*5)-0.5)*2；其中，ti为归一化后的活跃度指标；F(ti)为预设的逻辑回归激活函数；sigmoid为标准的逻辑回归激活函数。
可选的，所述活跃度计算模块304利用预设的逻辑回归激活函数对应的函数值与各个活跃度指标对应的预设权重相乘，以使得待计算活跃度的的应用的活跃度的值域在预设阈值。
可选的，所述获取模块301具体用于获取应用的会话日志；根据应用的会话日志将同一个应用的活跃度指标汇聚到同一条统计信息记录中；从待计算活跃度的应用对应的统计信息记录中获取应用的活跃度指标。
该装置可以用于执行上述服务器所执行的方法，具体的执行过程可以参照方法部分的实施例，本实施例中不再详细赘述。
本公开还提供一种服务器40，图5为本公开另一实施例提供的服务器的结构示意图，如图5所示，该服务器40包括处理器401和存储器402，所述存储器402用于存储程序指令，所述处理器401用于调用所述存储器中的存储的程序指令，当所述处理器401执行所述存储器402存储的程序指令时，用于执行上述实施例中网络设备所执行的方法。
在本申请所提供的实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本申请的实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
另外，在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个可读存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案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可读存储介质中，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)执行本申请各个实施例所述方法的全部或部分步骤。而前述的可读存储介质包括：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。
应当理解的是，本说明书并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本说明书的范围仅由所附的权利要求来限制。
以上所述仅为本说明书的较佳实施例而已，并不用以限制本说明书，凡在本说明书的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本说明书保护的范围之内。

Claims (10)

1.一种应用活跃度的计算方法，其特征在于，包括：
获取待计算活跃度的应用的活跃度指标；
对待计算活跃度的应用的每一个活跃度指标进行归一化处理，得到归一化后的活跃度指标，所述归一化后的活跃度指标所对应的函数符合单调递增的规律；
利用预设的逻辑回归激活函数对每一个归一化后的活跃度指标进行逻辑回归运算；
根据逻辑回归运算后的各个活跃度指标以及各个活跃度指标对应的预设权重，计算待计算活跃度的应用的活跃度。
2.根据权利要求1所述的方法，其特征在于，所述利用预设的逻辑回归激活函数对每一个归一化后的活跃度指标进行逻辑回归运算包括：
确定标准的逻辑回归函数的导数较大的区域所对应的目标定义域；
将所述归一化后的活跃度指标的定义域调整至所述目标定义域；
根据所述目标定义域和所述标准的逻辑回归函数确定出预设的逻辑回归激活函数，所述预设的逻辑回归激活函数的值域对应在[0,1]之间。
3.根据权利要求1或2所述的方法，其特征在于，所述预设的逻辑回归激活函数为F(ti)＝(sigmoid(ti*5)-0.5)*2；
其中，ti为归一化后的活跃度指标；F(ti)为预设的逻辑回归激活函数；sigmoid为标准的逻辑回归激活函数。
4.根据权利要求2所述的方法，其特征在于，所述根据逻辑回归运算后的各个活跃度指标以及各个活跃度指标对应的预设权重，计算待计算活跃度的应用的活跃度包括：
利用预设的逻辑回归激活函数对应的函数值与各个活跃度指标对应的预设权重相乘，以使得待计算活跃度的的应用的活跃度的值域在预设阈值。
5.根据权利要求1所述的方法，其特征在于，所述获取待计算活跃度的应用的活跃度指标包括：
获取应用的会话日志；
根据应用的会话日志将同一个应用的活跃度指标汇聚到同一条统计信息记录中；
从待计算活跃度的应用对应的统计信息记录中获取应用的活跃度指标。
6.一种应用活跃度的计算装置，其特征在于，包括：
获取模块，用于获取待计算活跃度的应用的活跃度指标；
归一化模块，用于对待计算活跃度的应用的每一个活跃度指标进行归一化处理，得到归一化后的活跃度指标，所述归一化后的活跃度指标所对应的函数符合单调递增的规律；
逻辑回归模块，用于利用预设的逻辑回归激活函数对每一个归一化后的活跃度指标进行逻辑回归运算；
活跃度计算模块，用于根据逻辑回归运算后的各个活跃度指标以及各个活跃度指标对应的预设权重，计算待计算活跃度的应用的活跃度。
7.根据权利要求6所述的装置，其特征在于，所述活跃度计算模块具体用于确定标准的逻辑回归函数导数较大的区域所对应的目标定义域；将所述归一化后的活跃度指标的定义域调整至所述目标定义域；根据所述目标定义域和所述标准的逻辑回归函数确定出预设的逻辑回归激活函数，所述预设的逻辑回归激活函数的值域对应在[0,1]之间。
8.根据权利要求6或7所述的装置，其特征在于，所述预设的逻辑回归激活函数为F(ti)＝(sigmoid(ti*5)-0.5)*2；
其中，ti为归一化后的活跃度指标；F(ti)为预设的逻辑回归激活函数；sigmoid为标准的逻辑回归激活函数。
9.根据权利要求6或7所述的装置，其特征在于，所述活跃度计算模块利用预设的逻辑回归激活函数对应的函数值与各个活跃度指标对应的预设权重相乘，以使得待计算活跃度的的应用的活跃度的值域在预设阈值。
10.根据权利要求6所述的装置，其特征在于，所述获取模块具体用于获取应用的会话日志；根据应用的会话日志将同一个应用的活跃度指标汇聚到同一条统计信息记录中；从待计算活跃度的应用对应的统计信息记录中获取应用的活跃度指标。
CN202011339314.6A 2020-11-25 2020-11-25 应用活跃度的计算方法及装置 Pending CN112596992A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011339314.6A CN112596992A (zh) 2020-11-25 2020-11-25 应用活跃度的计算方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011339314.6A CN112596992A (zh) 2020-11-25 2020-11-25 应用活跃度的计算方法及装置

Publications (1)

Publication Number Publication Date
CN112596992A true CN112596992A (zh) 2021-04-02

Family

ID=75183934

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011339314.6A Pending CN112596992A (zh) 2020-11-25 2020-11-25 应用活跃度的计算方法及装置

Country Status (1)

Country Link
CN (1) CN112596992A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114338764A (zh) * 2021-11-24 2022-04-12 福建亿榕信息技术有限公司 一种非侵入式web应用活跃度监测方法及系统

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6297214B1 (en) * 1997-05-02 2001-10-02 1149336 Ontario, Inc. Methods of enhancing functioning of the large intestine
US20030171977A1 (en) * 2002-03-07 2003-09-11 Compete, Inc. Clickstream analysis methods and systems
CN101706892A (zh) * 2009-11-17 2010-05-12 深圳市监察局 绩效评估电子监察的方法及系统
CN107092678A (zh) * 2017-04-20 2017-08-25 腾讯科技（深圳）有限公司 一种获取应用活跃程度的方法、装置及设备
WO2019234247A1 (en) * 2018-06-08 2019-12-12 Imperial College Of Science, Technology And Medicine A method for analysis of real-time amplification data
CN110851708A (zh) * 2019-10-16 2020-02-28 中国平安人寿保险股份有限公司 负样本的抽取方法、装置、计算机设备和存储介质
WO2020071187A1 (ja) * 2018-10-04 2020-04-09 日本電信電話株式会社 秘密シグモイド関数計算システム、秘密ロジスティック回帰計算システム、秘密シグモイド関数計算装置、秘密ロジスティック回帰計算装置、秘密シグモイド関数計算方法、秘密ロジスティック回帰計算方法、プログラム
CN111246294A (zh) * 2020-01-06 2020-06-05 国家广播电视总局广播电视规划院 处理收视指标数据的方法、装置、设备及存储介质
CN111681036A (zh) * 2020-04-30 2020-09-18 有米科技股份有限公司 广告活跃度的预估实现方法及装置
CN111754126A (zh) * 2020-06-29 2020-10-09 支付宝(杭州)信息技术有限公司 对应用进行评估的方法和系统

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6297214B1 (en) * 1997-05-02 2001-10-02 1149336 Ontario, Inc. Methods of enhancing functioning of the large intestine
US20030171977A1 (en) * 2002-03-07 2003-09-11 Compete, Inc. Clickstream analysis methods and systems
CN101706892A (zh) * 2009-11-17 2010-05-12 深圳市监察局 绩效评估电子监察的方法及系统
CN107092678A (zh) * 2017-04-20 2017-08-25 腾讯科技（深圳）有限公司 一种获取应用活跃程度的方法、装置及设备
WO2019234247A1 (en) * 2018-06-08 2019-12-12 Imperial College Of Science, Technology And Medicine A method for analysis of real-time amplification data
WO2020071187A1 (ja) * 2018-10-04 2020-04-09 日本電信電話株式会社 秘密シグモイド関数計算システム、秘密ロジスティック回帰計算システム、秘密シグモイド関数計算装置、秘密ロジスティック回帰計算装置、秘密シグモイド関数計算方法、秘密ロジスティック回帰計算方法、プログラム
CN110851708A (zh) * 2019-10-16 2020-02-28 中国平安人寿保险股份有限公司 负样本的抽取方法、装置、计算机设备和存储介质
CN111246294A (zh) * 2020-01-06 2020-06-05 国家广播电视总局广播电视规划院 处理收视指标数据的方法、装置、设备及存储介质
CN111681036A (zh) * 2020-04-30 2020-09-18 有米科技股份有限公司 广告活跃度的预估实现方法及装置
CN111754126A (zh) * 2020-06-29 2020-10-09 支付宝(杭州)信息技术有限公司 对应用进行评估的方法和系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
崔巍等: "BP与LSTM神经网络在福建小流域水文预报中的应用对比", 《人民珠江》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114338764A (zh) * 2021-11-24 2022-04-12 福建亿榕信息技术有限公司 一种非侵入式web应用活跃度监测方法及系统
CN114338764B (zh) * 2021-11-24 2024-01-30 福建亿榕信息技术有限公司 一种非侵入式web应用活跃度监测方法及系统

Similar Documents

Publication Publication Date Title
CN110535777B (zh) 访问请求控制方法、装置、电子设备以及可读存储介质
JP6457447B2 (ja) データセンターのネットワークトラフィックスケジューリング方法及び装置
US6901484B2 (en) Storage-assisted quality of service (QoS)
CN108270842B (zh) 推送权益任务的方法、系统及服务器
US11108695B2 (en) Method, system and device for adjusting load of resource server
US20120078996A1 (en) Polling Protocol for Automatic Load Limiting
GB2594367A (en) Low entropy browsing history for content quasi-personalization
CN105337786B (zh) 一种服务器性能检测方法、装置及设备
US20090006627A1 (en) Accessing shared resources with improved request peak management
CA2729158A1 (en) System and method for dynamic and real-time categorization of webpages
US8918497B2 (en) Email system latencies and bandwidths
CN111782692B (zh) 一种频率控制方法及装置
CN108259266B (zh) 网站性能监测方法和系统
CN111367672A (zh) 数据缓存方法、装置、电子设备及计算机存储介质
CN105306553B (zh) 访问请求调度方法及装置
CN112596992A (zh) 应用活跃度的计算方法及装置
US20230004776A1 (en) Moderator for identifying deficient nodes in federated learning
CN107943678B (zh) 一种评价应用访问过程的方法及评价服务器
CN114422439A (zh) 接口限流方法、装置、计算机设备和存储介质
CN101877725A (zh) 分布式存储系统中的副本管理方法及装置
Balamash et al. Performance analysis of a client-side caching/prefetching system for web traffic
CN107707373B (zh) 一种基于api请求的动态资源访问加速方法
Larsson et al. Adaptive and application-agnostic caching in service meshes for resilient cloud applications
JP5882495B2 (ja) 評判メカニズムを判定するシステムおよび方法
Johnson et al. Landing page characteristics model for mobile web performance evaluations on object and page levels

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20210402