CN112732974A - 一种数据处理方法、电子设备及存储介质 - Google Patents
一种数据处理方法、电子设备及存储介质 Download PDFInfo
- Publication number
- CN112732974A CN112732974A CN201910960792.XA CN201910960792A CN112732974A CN 112732974 A CN112732974 A CN 112732974A CN 201910960792 A CN201910960792 A CN 201910960792A CN 112732974 A CN112732974 A CN 112732974A
- Authority
- CN
- China
- Prior art keywords
- data
- behavior
- user
- preset
- feature
- 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
- 238000003672 processing method Methods 0.000 title abstract description 23
- 238000011156 evaluation Methods 0.000 claims abstract description 75
- 238000000034 method Methods 0.000 claims abstract description 62
- 238000004458 analytical method Methods 0.000 claims abstract description 58
- 230000008569 process Effects 0.000 claims abstract description 31
- 230000006399 behavior Effects 0.000 claims description 452
- 238000012545 processing Methods 0.000 claims description 71
- 230000004044 response Effects 0.000 claims description 18
- 230000011218 segmentation Effects 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 9
- 238000012549 training Methods 0.000 claims description 8
- 238000007405 data analysis Methods 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 11
- 230000008859 change Effects 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 4
- 230000003993 interaction Effects 0.000 description 3
- 238000009933 burial Methods 0.000 description 2
- 238000012217 deletion Methods 0.000 description 2
- 230000037430 deletion Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000002996 emotional effect Effects 0.000 description 2
- 230000036651 mood Effects 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000000692 anti-sense effect Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000008451 emotion Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000009191 jumping Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
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
- G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
- G06F16/78—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/7867—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using information manually generated, e.g. tags, keywords, comments, title and artist information, manually generated time, location and usage information, user ratings
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/20—Education
- G06Q50/205—Education administration or guidance
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Educational Administration (AREA)
- Educational Technology (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Data Mining & Analysis (AREA)
- Library & Information Science (AREA)
- Multimedia (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- General Business, Economics & Management (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明实施例提出了一种数据处理方法、电子设备及存储介质。其中，数据处理方法具体是：在显示目标数据的过程中，获取用户行为数据，用户行为数据包括第一行为数据、第二行为数据以及第三行为数据；分别对第一行为数据、第二行为数据以及第三行为数据进行行为分析，得到第一行为特征、第二行为特征以及第三行为特征；对第一行为特征、第二行为特征以及第三行为特征进行加权运算，得到评估信息。通过本发明实施例提供的数据处理方法，可以提高对用户行为数据分析的全面性以及准确性，进而提高评估信息的准确性。
Description
技术领域
本发明涉及互联网技术领域，尤其涉及一种数据处理方法、电子设备及存储介质。
背景技术
随着互联网技术不断发展，运行在电子设备上的在线平台的应用场景越来越广泛，在线平台例如在线教育、在线电子书阅读、在线游戏等在近年来迅速发展。以在线教育为例，在电子设备播放教育视频的过程中，电子设备获取用户表情变化，并根据用户表情变化得到该教育视频的评估信息。例如电子设备播放至指定图像时，指定图像包含的信息为：让学生思考什么是余弦定理，此时观看该教育视频的用户如果在回忆什么是余弦定理，该用户的表情应该是：眼睛往左看。如果电子设备播放至指定图像时，获取到的用户表情也为“眼睛往左看”，那么电子设备可以确定该教育视频和用户的互动较强，可引导用户积极思考，即该教育视频的课程内容质量较高。
但是，电子设备仅从用户的表情变化这一个维度进行数据的分析，存在分析数据不全面，导致分析结果不准确的问题。
发明内容
本发明实施例提出了一种数据处理方法、电子设备及存储介质，可提高评估信息的准确性。
第一方面，本发明实施例提供了一种数据处理方法，该方法包括：
在显示目标数据的过程中，获取用户行为数据，所述用户行为数据包括第一行为数据、第二行为数据以及第三行为数据，所述第一行为数据是响应用户对所述目标数据的操作所生成的，所述第二行为数据是检测到用户浏览所述目标数据时所生成的，所述第三行为数据是响应用户对预设数据的操作所生成的，所述预设数据与所述目标数据相关联；分别对所述第一行为数据、第二行为数据以及第三行为数据进行行为分析，得到第一行为特征、第二行为特征以及第三行为特征；对所述第一行为特征、第二行为特征以及第三行为特征进行加权运算，得到评估信息。
第二方面，本发明实施例提供了一种电子设备，该设备包括处理器、输入设备、输出设备和存储器，所述处理器、输入设备、输出设备和存储器相互连接，其中，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器被配置用于调用所述程序指令，用于执行第一方面所涉及到的操作。
第三方面，本发明实施例提供了一种数据处理装置，包括：
获取单元，用于在显示目标数据的过程中，获取用户行为数据，用户行为数据包括第一行为数据、第二行为数据以及第三行为数据，第一行为数据是响应用户对目标数据的操作所生成的，第二行为数据是检测到用户浏览目标数据时所生成的，第三行为数据是响应用户对预设数据的操作所生成的，预设数据与目标数据相关联；
分析单元，用于分别对第一行为数据、第二行为数据以及第三行为数据进行行为分析，得到第一行为特征、第二行为特征以及第三行为特征；
处理单元，用于对第一行为特征、第二行为特征以及第三行为特征进行加权运算，得到评估信息。
第四方面，本发明实施例提供了一种计算机可读存储介质，用于储存为电子设备所用的计算机程序指令，其包含用于执行上述第一方面所涉及的程序。
通过实施本发明数据处理方法，电子设备将显示目标数据的过程中，获取到的用户行为数据根据预设数据类型分为不同类型的行为数据，即第一行为数据、第二行为数据以及第三行为数据，电子设备对第一行为数据、第二行为数据以及第三行为数据进行相应的行为分析，得到不同类型的行为特征，即第一行为特征、第二行为特征以及第三行为特征，电子设备根据预先设置的权重，将不同类型的行为特征进行加权运算得到评估信息，通过这种方法可以提高对用户行为数据分析的全面性以及准确性，进而提高评估信息的准确性。
附图说明
为了更清楚地说明本发明实施例技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，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是本发明实施例提供的一种数据处理系统的架构图；
图2是本发明实施例提供的一种用户行为数据的示意图；
图3是本发明实施例提供的一种数据处理方法的流程示意图；
图4是本发明实施例提供的一种生成第一预设数据库和第二预设数据库的流程示意图；
图5为本发明实施例提供的一种电子设备的示意性框图；
图6是本发明实施例提供的一种数据处理装置的示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
目前，运行在电子设备上的在线平台的应用场景越来越广泛，在线平台例如在线教育、在线电子书阅读、在线游戏等在近年来迅速发展。以在线教育为例，在电子设备播放教育视频的过程中，电子设备获取用户表情变化，并根据用户表情变化得到该教育视频的评估信息。例如电子设备播放至指定图像时，指定图像包含的信息为：让学生思考什么是余弦定理，此时观看该教育视频的用户如果在回忆什么是余弦定理，该用户的表情应该是：眼睛往左看。如果电子设备播放至指定图像时，获取到的用户表情也为“眼睛往左看”，那么电子设备可以确定该教育视频和用户的互动较强，可引导用户积极思考，即该教育视频的课程内容质量较高。但是，电子设备仅从用户的表情变化这一个维度进行数据的分析，存在分析数据不全面，导致分析结果不准确的问题。
为解决上述问题，本发明实施例提出了一种数据处理方法、电子设备及存储介质。该数据处理方法具体是：在显示目标数据的过程中，获取用户行为数据，所述用户行为数据包括第一行为数据、第二行为数据以及第三行为数据；分别对所述第一行为数据、第二行为数据以及第三行为数据进行行为分析，得到第一行为特征、第二行为特征以及第三行为特征；对所述第一行为特征、第二行为特征以及第三行为特征进行加权运算，得到评估信息。通过实施本发明数据处理方法，电子设备将显示目标数据的过程中，获取到的用户行为数据根据预设数据类型分为不同类型的行为数据，即第一行为数据、第二行为数据以及第三行为数据，电子设备对第一行为数据、第二行为数据以及第三行为数据进行相应的行为分析，得到不同类型的行为特征，即第一行为特征、第二行为特征以及第三行为特征，电子设备根据预先设置的权重，将不同类型的行为特征进行加权运算得到评估信息，通过这种方法可以提高对用户行为数据分析的全面性以及准确性，进而提高评估信息的准确性。
本申请实施例中的数据处理方法可以应用于在线平台上，在线平台可以运行在电子设备中。电子设备可以为手机、个人计算机、掌上电脑、电子阅读器或者可穿戴设备等。
其中，本申请实施例提供的数据处理方法可以应用到以下场景：播放教育视频，通过电子书显示数字化文字、图片、声音或影像等媒体信息，以及显示游戏视频等场景。以播放教育视频场景为例，电子设备通过实施本申请实施例的数据处理方法，可实现课程内容质量评估，普通用户类型评估，课程推荐，老师用户质量评估，教育视频行业的定价，合作方评估，或劣质课程下线等，即评估信息可以为课程内容质量评估信息，普通用户类型评估信息，课程推荐信息，老师用户质量评估信息，教育视频行业的定价信息，合作方评估信息，或劣质课程识别信息等。以通过电子书显示数字化文字、图片、声音或影像等媒体信息为例，电子设备通过实施本申请实施例的数据处理方法，可实现媒体信息推荐，电子书类型评估，合作方评估等，即评估信息可以为媒体信息推荐信息，电子书类型评估信息，媒体信息评估信息。以显示游戏视频场景为例，电子设备通过实施本申请实施例的数据处理方法，可实现游戏视频评估，游戏类型评估，游戏下架等，即评估信息可以为游戏视频评估信息，游戏类型评估信息，游戏下架信息等。
其中，目标数据可以是各种教育视频、通过电子书显示的媒体信息以及游戏视频等。
其中，原始数据可以是电子设备与用户交互过程中所采集到的数据，例如可以为用户在观看目标数据过程中的浏览时长、点播量以及用户评论等数据。
其中，所述第一行为数据是响应用户对所述目标数据的操作所生成的。例如，用户评论信息，用户分享产生的数据等。
其中，所述第二行为数据是检测到用户浏览所述目标数据时所生成的。例如，用户浏览时长、点播量等。
其中，所述第三行为数据是响应用户对预设数据的操作所生成的。例如，用户完成课后习题产生的数据，用户完成问卷调查产生的数据。
其中，所述预设数据与所述目标数据相关联。预设数据可以是课后习题、问卷调查表等。需要说明的是，所述预设数据可以是课后作业或者各种类型的调查问卷等，在具体应用场景的预设数据可以相同也可以不相同，本发明实施例在此不作限定。
请参见图1，图1是本发明实施例提供的一种数据处理系统的架构图。如图1所示的系统架构图中，包含数据埋点模块、数据处理模块、行为分析模块以及交叉评估模块四个模块。
在数据埋点模块中，如图2所示，图2是本发明实施例提供的一种数据处理方法的数据架构图，电子设备可以建立事前数据埋点、事中数据埋点和事后数据埋点，电子设备可以在显示目标数据之前通过事前数据埋点获取原始数据，电子设备还可以在显示目标数据的过程中通过事中数据埋点获取原始数据，电子设备还可以在目标数据显示结束之后通过事后数据埋点获取原始数据。其中，电子设备可以是移动端，电子设备也可以是显示目标数据的客户端或者浏览器，以目标数据为教育视频为例，例如教育视频为教育视频1或者教育视频2或者教育视频3，电子设备进行数据埋点可以是以下两种情况：第一、电子设备可以在显示教育视频1、教育视频2以及教育视频3的客户端或者浏览器中建立数据埋点，第二、也可以是运行教育视频1、在教育视频2以及在教育视频3的移动端建立数据埋点。然后，数据埋点模块通过数据埋点获取原始数据之后，可以将原始数据发送给数据获取模块。
数据获取模块从数据埋点模块获取原始数据之后，可以根据预设数据类型对原始数据进行分类，得到第一行为数据、第二行为数据以及第三行为数据，然后数据获取模块将第一行为数据、第二行为数据以及第三行为数据发送给行为分析模块。电子设备将获取到的原始数据根据预设数据类型分为第一行为数据、第二行为数据以及第三行为数据，其中第一行为数据可以是通过检测主动行为得到的主动行为数据、第二行为数据可以是被动行为数据以及第三行为数据可以是第三方行为数据，在不同的实施例场景中，第一行为数据、第二行为数据以及第三行为数据根据具体场景进行定义，本发明在此不作限定。
其中，主动行为是用户没有被强制要求，主动填写而产生的行为。
其中，被动行为是用户用户正常使用产品，而产生的行为。
其中，第三方行为是用户被强制要求而产生的行为。
行为分析模块对数据获取模块发送的主动行为数据(即第一行为数据)进行行为数据分析，得到第一行为特征，对数据获取模块发送的被动行为数据(第二行为数据)进行行为数据分析，得到第二行为特征，并对数据获取模块发送的第三方行为数据(第三行为数据)进行行为数据分析，得到第三行为特征。然后行为分析模块可以将第一行为特征、第二行为特征以及第三行为特征发送给交叉评估模块。针对不同的行为数据，有不同的行为分析方法，得到不同的行为数据对应的行为特征。
以目标数据为教育视频为例进行举例说明，主动行为产生的数据包含的特征量较少，特征种类较少，电子设备通过建立的教育视频行业语料库(即第一预设数据库)，通过使用语义分词，无效词、停用词删除以及文本情感分析等技术，电子设备针对评论，讨论信息进行重点分析，通过这种分析方式对主动行为进行分析得到第一行为特征，该第一行为特征更为准确。
被动行为产生的数据特征量较大，特征种类较多，电子设备通过采用特征工程技术，利用机器学习中的极端梯度提升算法建立标准样本(即第二预设数据库)，电子设备收集优质教育视频课程和劣质教育视频课程，分别获取到黑白样本的用户行为数据，其中，黑白样本是指优质教育视频课程以及劣质教育视频课程，电子设备建立标准样本库，通过有监督的学习方式，获取被动行为的行为特征。其中，极端梯度提升(eXtreme GradientBoosting，XGBoost)算法，XGBoost所应用的算法就是GBDT(gradient boosting decisiontree)的改进，XGBoost算法既可以用于分类也可以用于回归问题中，有速度快、效果好、能处理大规模数据、支持多种语言、支持自定义损失函数等优点，通过这种分析方式对被动行为进行分析得到第二行为特征，该第二行为特征为第二行为数据的相关特征。
第三方行为产生的数据特征量和特征种类适中，例如课后作业和练习等，通过这种分析方式对第三方行为进行分析得到第三行为特征，该第三行为特征为教育行业特有的反馈特征。
交叉评估模块将行为分析模块得到的不同行为特征进行加权运算，综合第一行为特征、第二行为特征以及第三行为特征，电子设备通过交叉策略系统进行最终判定。具体来说，电子设备根据数据处理场景的不同，先得到定性的结果，电子设备再根据用户的行为特征和权重的对应关系，确定不同用户行为数据对应的行为特征的权重，通过加权算法得到最终的评估信息。需要说明的是，不同数据处理场景下的不同类型的行为特征对应的权重可以相同，也可以不相同，本发明在此不作限定。例如，当数据处理场景为电子设备播放教育视频时，第一行为特征对应的第一权重为50％，第二行为特征对应的权重为20％，第三行为特征对应的权重为30％。当数据处理场景为通过电子书显示数字化文字、图片、声音或影像等媒体信息时，第一行为特征对应的第一权重为30％，第二行为特征对应的权重为50％，第三行为特征对应的权重为20％。
其中，评估需求不同，同一行为特征的权重不同。例如，当评估需求为劣质课程下线时，第一行为特征对应的第一权重为20％，第二行为特征对应的权重为50％，第三行为特征对应的权重为30％；当评估需求为课程推荐，第一行为特征对应的第一权重为50％，第二行为特征对应的权重为20％，第三行为特征对应的权重为30％。
基于图1的数据处理的逻辑架构图，为了更好的理解本发明实施例提出的数据处理方法，请参见图3，图3是本发明实施例提供的一种数据处理方法的流程示意图。该方法可以由电子设备执行，本实施例中所描述的数据处理方法，包括以下步骤S301～S303：
步骤S301：在显示目标数据的过程中，获取用户行为数据，所述用户行为数据包括第一行为数据、第二行为数据以及第三行为数据，所述第一行为数据是响应用户对所述目标数据的操作所生成的，所述第二行为数据是检测到用户浏览所述目标数据时所生成的，所述第三行为数据是响应用户对预设数据的操作所生成的，所述预设数据与所述目标数据相关联。
在一种实现方式中，电子设备获取用户行为数据之前，电子设备可以建立数据埋点。电子设备可以在显示目标数据的过程中，通过数据埋点获取原始数据，电子设备根据预设数据类型对所述原始数据进行分类，得到所述第一行为数据、第二行为数据以及第三行为数据。
其中，如图2所示，电子设备可以建立事前数据埋点、事中数据埋点和事后数据埋点，电子设备可以在显示目标数据之前通过事前数据埋点获取原始数据，电子设备还可以在显示目标数据的过程中通过事中数据埋点获取原始数据，电子设备还可以在目标数据显示结束之后通过事后数据埋点获取原始数据。举例来说，电子设备可以在用户观看教育视频前，用户观看教育视频时，和用户观看教育视频之后进行数据埋点，电子设备在建立数据埋点之后进行数据采集。事前埋点主要包括该课程的用户搜索行为，来源连接跳转行为等；事中埋点主要包括该课程，观看时长，热点观看数据占比等；事后埋点主要包括课程讨论，课程评分等。
在一种实现方式中，电子设备在现有的教育视频中建立数据埋点，电子设备在显示目标数据的过程中，通过数据埋点获取原始数据，电子设备根据预设数据类型对原始数据进行分类。其中，预设数据类型可以是为主动行为、被动行为、第三方行为，其中，主动行为可以是用户观看教育视频时主动填写评论、课程分享以及课程打分等行为；被动行为可以是用户观看教育视频产生的行为；第三方行为可以是用户在观看完教育视频后完成老师布置的课后练习以及作业等行为。电子设备对获取到的原始数据根据预设数据类型分为第一行为数据、第二行为数据以及第三行为数据。
在一种实现方式中，电子设备在通过电子书显示数字化文字、图片、声音或影像等媒体信息的数据处理场景中建立数据埋点，电子设备在显示目标数据的过程中，通过数据埋点获取原始数据，电子设备根据预设数据类型对原始数据进行分类。其中，预设数据类型可以是为主动行为、被动行为、第三方行为，其中，主动行为可以是用户观看媒体信息时主动填写评论、媒体信息分享以及对媒体信息进行打分等行为；被动行为可以是用户观看媒体信息产生的浏览时长等；第三方行为可以是用户在观看完媒体信息后完成电子书要求的问卷调查等行为。电子设备对获取到的原始数据根据预设数据类型分为第一行为数据、第二行为数据以及第三行为数据。
在一种实现方式中，假设目标数据为游戏视频，电子设备在显示游戏视频的数据处理场景中建立数据埋点，例如在显示游戏视频的客户端中建立数据埋点，电子设备在显示游戏视频的过程中，通过数据埋点获取原始数据，电子设备根据预设数据类型对原始数据进行分类。其中，预设数据类型可以是为主动行为、被动行为、第三方行为，其中，主动行为可以是用户玩游戏时主动填写评论、游戏分享以及游戏打分等行为；被动行为可以是用户观看游戏视频产生的浏览时长等；第三方行为可以是用户在打完游戏后完成游戏平台要求的问卷调查等行为。电子设备对获取到的原始数据根据预设数据类型分为第一行为数据、第二行为数据以及第三行为数据。
在一种实现方式中，电子设备在显示目标数据的过程中，通过所述数据埋点获取原始数据之后，电子设备对所述原始数据进行分词处理，得到多个字段，电子设备获取各个所述字段与预设字段的匹配度，电子设备确定匹配度大于预设匹配阈值的目标字段，电子设备根据预设数据类型对所述目标字段进行分类，得到所述第一行为数据、第二行为数据以及第三行为数据。
其中，预设字段可以是包含各种类型的恶意性质的相关字段，例如“垃圾”、“没用”、“太差了”等，或者是带有言语攻击性质的相关字段等，电子设备在或取到原始数据之后，原始数据中存在的大量恶意无效的数据，这些数据会大幅降低用户行为数据的价值密度和可用性，也同时增加了课程分析的复杂度和成本通过，因此通过这种对原始数据的筛选方式之后，可以提高获取到的用户行为数据的有效性和可用性。
步骤S302：分别对所述第一行为数据、第二行为数据以及第三行为数据进行行为分析，得到第一行为特征、第二行为特征以及第三行为特征。
在一种实现方式中，以应用于在线教育视频的场景中为例，如图4所示，电子设备根据用户产生的内容，事件，进行深入的情感属性分析。其中，电子设备根据内容进行情感属性分析主要是通过对用户个性化分析，从用户的角度分清出不同角色，电子设备根据主观和客观两种维度区分样本集合，电子设备将带有主观维度的用户行为，确定优质用户和劣质用户，电子设备根据预先设置的能够区分优质用户以及劣质用户的预设标准建立标准样本，例如：将用户浏览时长大于以及等于预设时长阈值的用户确定为优质用户，将用户浏览时长小于预设时长阈值的用户确定为劣质用户。
除此之外，电子设备根据客观维度对客观存在的内容性质，结合教育视频行业背景，建立教育语料库。例如：针对客观存在的评论内容，进行分词处理，建立褒义词典，贬义词典，同义词典，反义词典以及词性表，电子设备将对质量分析无关的形容词排除，并根据词典进行转译，语义分析，打分等。
具体实现时，电子设备通过第一关键词识别算法获取所述第一行为数据的第一关键词，电子设备将所述第一关键词中的无效词与第一预设数据库中的预设数据作比较，若第一预设数据库中存在所述无效词，电子设备则将所述无效词删除，电子设备对删除所述无效词后的第一行为数据进行行为分析，得到第一行为特征。
其中，第一关键词识别算法可以是识别出各类语气助词等关键字的算法，第一预设数据库可以包括各种语气助词，例如“呀”、“啊”、“哟”、“哇”等。
在一种实现方式中，电子设备对所述第一行为数据、进行行为分析，得到第一行为特征之前，电子设备获取第一样本数据，所述第一样本数据是响应用户对第一训练数据的操作所生成，电子设备对所述第一样本数据进行分词处理，得到多个关键词，电子设备对各个所述关键词进行语义分析，得到满足预设条件的目标关键词，电子设备将所述目标关键词存储到所述第一预设数据库中。
在一种实现方式中，电子设备通过第一关键词识别算法获取用户观看教育视频时填写的评论信息，例如用户填写的评论信息为“这节课真的好难啊”，电子设备通过第一关键词识别算法获取到的“这节课真的好难啊”中的第一关键词为“课”、“好难”、“啊”，电子设备判断第一关键词中是否存在语气助词，该语气助词即无效词，电子设备将第一关键词中的无效词与第一预设数据库中的预设数据作比较，第一预设数据库中存在所述无效词，即“啊”，电子设备则将无效词“啊”删除，电子设备对删除无效词“啊”后的第一行为数据“这节课真的好难”进行行为分析，得到第一行为特征，例如第一行为特征可以为关键词“这节课”以及“好难”对应的特征值。
具体实现时，电子设备通过第二关键词识别算法获取所述第二行为数据的第二关键词，电子设备将所述第二关键词与第二预设数据库中的关键词作比较，若所述第二预设数据库中存在所述第二关键词，电子设备则根据所述第二预设数据库中所述第二关键词对应的特征数据，确定所述第二行为特征。
其中，第二关键词识别算法可以是识别出关键字以及数字并且含有可以比较大小的特征数据的算法，第一预设数据库可以包括关键字、数字以及含有可以比较大小的特征数据，例如“20s”、“大于”、“浏览时长”等。
在一种实现方式中，电子设备对所述第二行为数据、进行行为分析，得到第二行为特征之前，电子设备获取第二样本数据，所述第二样本数据是检测到用户浏览第二训练数据时所生成的，电子设备确定所述第二样本数据的特征数据，电子设备对所述第二样本数据进行分词处理，得到关键词，电子设备建立所述关键词和所述特征数据的对应关系，电子设备将所述关键词及其对应的特征数据存储到所述第二预设数据库中。
在一种实现方式中，电子设备通过第二关键词识别算法获取用户观看教育视频时产生的浏览时长以及点播量，例如电子设备通过第二关键词识别算法获取到第二关键字为“浏览时长为30s”，电子设备将第二关键词“浏览时长为30s”与第二预设数据库中的关键词作比较，若所述第二预设数据库中存在所述第二关键词“浏览时长”，电子设备则根据所述第二预设数据库中所述第二关键词“浏览时长”对应的特征数据，所述特征数据可以为浏览时长大于以及等于20s为优质用户，浏览时长小于20s为劣质用户，则电子设备根据第二关键字为“浏览时长为30s”，判断观看该教育视频的用户为优质用户，那么第二行为特征可以为判断观看该教育视频的用户为优质用户对应的特征值。
步骤S303：对所述第一行为特征、第二行为特征以及第三行为特征进行加权运算，得到评估信息。
具体实现时，电子设备根据所述第一权重、第二权重以及第三权重对所述第一行为特征、第二行为特征以及第三行为特征进行加权运算，得到所述评估信息。其中，电子设备通过加权运算得到评估信息具体可以是，电子设备将第一权重与第一行为特征相乘得到第一结果，将第二权重与第二行为特征相乘得到第二结果，将第三权重与第三行为特征相乘得到第三结果，电子设备将所述第一结果、第二结果以及第三结果相加得到评估信息。
在一种实现方式中，电子设备对所述第一行为特征、第二行为特征以及第三行为特征进行加权运算，得到评估信息之前，电子设备确定数据处理场景，电子设备确定所述数据处理场景对应的第一数据类型的第一权重，所述数据处理场景对应的第二数据类型的第二权重，以及所述数据处理场景对应的第三数据类型的第三权重，所述第一行为数据的数据类型为上述第一数据类型，所述第二行为数据的数据类型为上述第二数据类型，所述第三行为数据的数据类型为上述第三数据类型。
需要说明的是，不同数据处理场景下的不同类型的行为特征对应的权重可以相同，也可以不相同，本发明在此不作限定。例如，数据处理场景为电子设备播放教育视频，第一行为特征对应的第一权重为50％，第二行为特征对应的权重为20％，第三行为特征对应的权重为30％。数据处理场景为通过电子书显示数字化文字、图片、声音或影像等媒体信息，第一行为特征对应的第一权重为30％，第二行为特征对应的权重为50％，第三行为特征对应的权重为20％。
还需说明的是，同一数据处理场景下，电子设备根据不同的评估需求，不同类型的行为特征对应的权重可以相同也可以不相同。例如，数据处理场景为电子设备播放教育视频，当评估需求为劣质课程下线时，第一行为特征对应的第一权重为20％，第二行为特征对应的权重为50％，第三行为特征对应的权重为30％；当评估需求为课程推荐，第一行为特征对应的第一权重为50％，第二行为特征对应的权重为20％，第三行为特征对应的权重为30％。
表1行为特征类型和权重的对应关系
举例来说，如表1所示，表1为本发明实施例提供的一种权重与行为特征类型的对应关系的表格示意图。电子设备确定数据处理场景为数据处理场景1，电子设备确定数据处理场景1对应的第一数据类型的第一权重为A1，数据处理场景1对应的第二数据类型的第二权重为A2，数据处理场景1对应的第三数据类型的第三权重为A3，电子设备将第一权重A1与第一行为特征相乘得到第一结果，将第二权重A2与第二行为特征相乘得到第二结果，将第三权重A3与第三行为特征相乘得到第三结果，电子设备将所述第一结果、第二结果以及第三结果相加得到评估信息。
在一种实现方式中，电子设备可以将得到的评估信息用于教育视频行业的定价、合作方评估以及劣质课程下线等应用场景中。举例来说，电子设备将评估信息用于劣质课程下线的应用场景，电子设备通过得到的评估信息与预设评估数据做比较，当评估信息小于预设评估数据时，电子设备确定该课程为劣质课程，电子设备执行将该劣质课程下线的操作。通过这种方式，有利于加强教育视频行业的在线教育课程的优质性。
在一种实现方式中，电子设备还可以将得到的评估信息用于教育视频质量检测的场景。举例来说，根据不同类型的的行为特征与权重的对应关系，电子设备获取到评估信息以后，根据评估信息中的第一行为数据，假设第一行为数据为“极值梯度算法讲解不够详细，我没太听明白”，电子设备检测该教育视频中缺乏对极值梯度算法的详细讲解，该教育视频不够完善，在教育视频的质量上可以做进一步提升；电子设备还可以根据评估信息中的第三行为数据，假设第三行为数据为“课后练习得分50分”，电子设备检测到该用户对该教育视频包含的知识的吸收以及理解程度不够或者该教育视频的课后练习难度较难。即该评估信息可以应用于检测该教育视频的质量，以达到进一步完善教育视频的效果。
在一种实现方式中，电子设备通过用户画像，结合电子设备得到的评估信息，将该评估信息应用到该评估信息可以应用的各个数据处理场景之中。具体来说，电子设备在得到评估信息以后，电子设备获取用户画像，电子设备根据用户画像结合评估信息对用户进行课程推荐。需要说明的是，在各个数据处理场景中，用户画像的类型可以相同，也可以不相同，本发明在此不作限定。例如，在数据处理场景1中，用户画像的类型可以为X1、X2、X3，在数据处理场景2中，用户画像的类型可以为Y1、Y2、Y3，还需要说明的是，在各个数据处理场景中，用户画像的类型的数量可以相同，也可以不相同，例如在数据处理场景1中，用户画像的类型可以为X1、X2、X3、X4、X5这5个类型，在数据处理场景2中，用户画像的类型可以为Y1、Y2、Y3这3个类型。
例如，电子设备可以将得到的评估信息用于课程推荐的应用场景中，所述用户画像的类型为普通用户、会员用户以及尊贵会员用户，根据用户在观看视频的过程中的主动评论等第一行为数据，评估信息还包含用户资源库，该用户资源库与用户在观看视频的过程中的主动评论等第一行为数据相关联。举例来说，电子设备可以根据用户画像的类型，例如该用户为尊贵会员用户，电子设备根据该尊贵会员用户在观看视频时评论的信息“极值梯度提升算法有点复杂，可以有专门的针对极值梯度提升算法原理的课程详解就好啦”，在用户观看完该教育视频以后，电子设备弹出浮窗，该浮窗可以包括一系列极值梯度提升算法原理的课程，用户可以点击弹出的浮窗选择继续观看极值梯度提升算法原理的课程。当该用户画像的类型为普通用户时，电子设备根据该普通用户在观看视频时评论的信息“极值梯度提升算法有点复杂，可以有专门的针对极值梯度提升算法原理的课程详解就好啦”，在用户观看完该教育视频以后，电子设备弹出浮窗，该浮窗可以包括与极值梯度提升算法原理有关的一个课程，用户可以点击弹出的浮窗选择继续观看该推荐的课程。通过这种方式，根据用户画像的类型，推荐的课程内容不同，可以提高用户的学习兴趣，加大课程的推广力度，同时推荐的课程是有针对性的，提高了数据的有效性。
通过实施本发明实施例，电子设备通过对用户行为数据的全面分析，并且针对不同类型的用户行为数据，有不同的分析方法，最终根据不同类型的行为数据分析得到了对应的行为特征，通过加权运算得到评估信息。通过这种方法得到的评估信息具有全面性和准确性。
请参见图5，图5为本发明实施例提供的一种电子设备的示意性框图。如图5所示的本实施例中的电子设备可以包括：一个或多个处理器501；一个或多个输入设备502，一个或多个输出设备503和存储器504。上述处理器501、输入设备502、输出设备503和存储器504通过总线505连接。存储器502用于存储计算机程序，所述计算机程序包括程序指令，处理器501用于执行存储器504存储的程序指令，执行以下操作：在显示目标数据的过程中，获取用户行为数据，所述用户行为数据包括第一行为数据、第二行为数据以及第三行为数据，所述第一行为数据是响应用户对所述目标数据的操作所生成的，所述第二行为数据是检测到用户浏览所述目标数据时所生成的，所述第三行为数据是响应用户对预设数据的操作所生成的，所述预设数据与所述目标数据相关联；分别对所述第一行为数据、第二行为数据以及第三行为数据进行行为分析，得到第一行为特征、第二行为特征以及第三行为特征；对所述第一行为特征、第二行为特征以及第三行为特征进行加权运算，得到评估信息。
在一种实现方式中，所述处理器501还用于，建立数据埋点；
所述在显示目标数据的过程中，处理器501获取用户行为数据，包括：
在显示目标数据的过程中，处理器501通过所述数据埋点获取原始数据；
所述处理器501根据预设数据类型对所述原始数据进行分类，得到所述第一行为数据、第二行为数据以及第三行为数据。
在一种实现方式中，所述处理器501还用于，对所述原始数据进行分词处理，得到多个字段；
处理器501获取各个所述字段与预设字段的匹配度；
处理器501确定匹配度大于预设匹配阈值的目标字段；
所述处理器501根据预设数据类型对所述目标字段进行分类，得到所述第一行为数据、第二行为数据以及第三行为数据。
在一种实现方式中，所述处理器501对所述第一行为数据、进行行为分析，得到第一行为特征，包括：
处理器501通过第一关键词识别算法获取所述第一行为数据的第一关键词；
处理器501将所述第一关键词中的无效词与第一预设数据库中的预设数据作比较；
若第一预设数据库中存在所述无效词，处理器501则将所述无效词删除；
处理器501对删除所述无效词后的第一行为数据进行行为分析，得到第一行为特征。
在一种实现方式中，所述处理器501对所述第一行为数据、进行行为分析，得到第一行为特征之前，还包括：
输入设备502获取第一样本数据，所述第一样本数据是响应用户对第一训练数据的操作所生成；
处理器501对所述第一样本数据进行分词处理，得到多个关键词；
处理器501对各个所述关键词进行语义分析，得到满足预设条件的目标关键词；
存储器504将所述目标关键词存储到所述第一预设数据库中。
在一种实现方式中，所述处理器501对所述第二行为数据、进行行为分析，得到第二行为特征，包括：
处理器501通过第二关键词识别算法获取所述第二行为数据的第二关键词；
处理器501将所述第二关键词与第二预设数据库中的关键词作比较；
若所述第二预设数据库中存在所述第二关键词，处理器501则根据所述第二预设数据库中所述第二关键词对应的特征数据，确定所述第二行为特征。
在一种实现方式中，所述处理器501对所述第二行为数据、进行行为分析，得到第二行为特征之前，还包括：
输入设备502获取第二样本数据，所述第二样本数据是检测到用户浏览第二训练数据时所生成的；
处理器501确定所述第二样本数据的特征数据；
处理器501对所述第二样本数据进行分词处理，得到关键词；
处理器501建立所述关键词和所述特征数据的对应关系；
存储器504将所述关键词及其对应的特征数据存储到所述第二预设数据库中。
在一种实现方式中，所述处理器501对所述第一行为特征、第二行为特征以及第三行为特征进行加权运算，得到评估信息之前，还包括：
处理器501确定数据处理场景；
处理器501确定所述数据处理场景对应的第一数据类型的第一权重，所述数据处理场景对应的第二数据类型的第二权重，以及所述数据处理场景对应的第三数据类型的第三权重，所述第一行为数据的数据类型为上述第一数据类型，所述第二行为数据的数据类型为上述第二数据类型，所述第三行为数据的数据类型为上述第三数据类型；
所述处理器501根据所述第一权重、第二权重以及第三权重对所述第一行为特征、第二行为特征以及第三行为特征进行加权运算，得到所述评估信息。
应当理解，在本申请实施例中，所称处理器501可以是中央处理单元(CentralProcessing Unit，CPU)，该处理器501还可以是其他通用处理器、数字信号处理器(DigitalSignal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。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。
该存储器504可以包括只读存储器和随机存取存储器，并向处理器501提供指令和数据。存储器504的一部分还可以包括非易失性随机存取存储器。
具体实现中，本申请实施例中所描述的处理器501、输入设备502、输出设备503和存储器504可执行本申请实施例提供的数据处理方法所描述的实现方式，也可执行本申请实施例所描述的电子设备的实现方式，在此不再赘述。
请参见图6，图6是本发明实施例提供的一种数据处理装置的示意图。本实施例中所描述的数据处理装置，包括：
获取单元601，用于在显示目标数据的过程中，获取用户行为数据，用户行为数据包括第一行为数据、第二行为数据以及第三行为数据，第一行为数据是响应用户对目标数据的操作所生成的，第二行为数据是检测到用户浏览目标数据时所生成的，第三行为数据是响应用户对预设数据的操作所生成的，预设数据与目标数据相关联；
分析单元602，用于分别对第一行为数据、第二行为数据以及第三行为数据进行行为分析，得到第一行为特征、第二行为特征以及第三行为特征；
处理单元603，用于对第一行为特征、第二行为特征以及第三行为特征进行加权运算，得到评估信息。
在一种实现方式中，所述处理单元603在获取单元601获取用户行为数据之前，还用于建立数据埋点；
所述在显示目标数据的过程中，获取单元601在显示目标数据的过程中，获取用户行为数据，包括：
在显示目标数据的过程中，通过所述数据埋点获取原始数据；
根据预设数据类型对所述原始数据进行分类，得到所述第一行为数据、第二行为数据以及第三行为数据。
在一种实现方式中，所述处理单元603在获取单元601通过所述数据埋点获取原始数据之后，还用于对所述原始数据进行分词处理，得到多个字段；
处理单元603还用于获取各个所述字段与预设字段的匹配度；
处理单元603还用于确定匹配度大于预设匹配阈值的目标字段；
获取单元601根据预设数据类型对所述原始数据进行分类，得到所述第一行为数据、第二行为数据以及第三行为数据，包括：
根据预设数据类型对所述目标字段进行分类，得到所述第一行为数据、第二行为数据以及第三行为数据。
在一种实现方式中，所述处理单元603对所述第一行为数据、进行行为分析，得到第一行为特征，包括：
通过第一关键词识别算法获取所述第一行为数据的第一关键词；
将所述第一关键词中的无效词与第一预设数据库中的预设数据作比较；
若第一预设数据库中存在所述无效词，则将所述无效词删除；
对删除所述无效词后的第一行为数据进行行为分析，得到第一行为特征。
在一种实现方式中，所述处理单元603对所述第一行为数据、进行行为分析，得到第一行为特征之前，还包括：
获取第一样本数据，所述第一样本数据是响应用户对第一训练数据的操作所生成；
对所述第一样本数据进行分词处理，得到多个关键词；
对各个所述关键词进行语义分析，得到满足预设条件的目标关键词；
其中，所述数据处理装置还包括：存储单元604。
存储单元604，用于将所述目标关键词存储到所述第一预设数据库中。
在一种实现方式中，所述处理单元603对所述第二行为数据、进行行为分析，得到第二行为特征，包括：
通过第二关键词识别算法获取所述第二行为数据的第二关键词；
将所述第二关键词与第二预设数据库中的关键词作比较；
若所述第二预设数据库中存在所述第二关键词，则根据所述第二预设数据库中所述第二关键词对应的特征数据，确定所述第二行为特征。
在一种实现方式中，所述处理单元603对所述第二行为数据、进行行为分析，得到第二行为特征之前，还包括：
获取第二样本数据，所述第二样本数据是检测到用户浏览第二训练数据时所生成的；
确定所述第二样本数据的特征数据；
对所述第二样本数据进行分词处理，得到关键词；
建立所述关键词和所述特征数据的对应关系。
存储单元604，还用于将所述关键词及其对应的特征数据存储到所述第二预设数据库中。
在一种实现方式中，所述处理单元603对所述第一行为特征、第二行为特征以及第三行为特征进行加权运算，得到评估信息之前，还包括：
确定数据处理场景；
确定所述数据处理场景对应的第一数据类型的第一权重，所述数据处理场景对应的第二数据类型的第二权重，以及所述数据处理场景对应的第三数据类型的第三权重，所述第一行为数据的数据类型为上述第一数据类型，所述第二行为数据的数据类型为上述第二数据类型，所述第三行为数据的数据类型为上述第三数据类型；
根据所述第一权重、第二权重以及第三权重对所述第一行为特征、第二行为特征以及第三行为特征进行加权运算，得到所述评估信息。
本发明实施例中还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计算机程序，所述计算机程序包括程序指令，所述程序指令被处理器执行时，可执行上述实施例中所执行的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)或随机存储记忆体(Random AccessMemory，RAM)等。
以上所揭露的仅为本发明的部分实施例而已，当然不能以此来限定本发明之权利范围，本领域普通技术人员可以理解实现上述实施例的全部或部分流程，并依本发明权利要求所作的等同变化，仍属于发明所涵盖的范围。
Claims (10)
1.一种数据处理方法，其特征在于，所述方法包括：
在显示目标数据的过程中，获取用户行为数据，所述用户行为数据包括第一行为数据、第二行为数据以及第三行为数据，所述第一行为数据是响应用户对所述目标数据的操作所生成的，所述第二行为数据是检测到用户浏览所述目标数据时所生成的，所述第三行为数据是响应用户对预设数据的操作所生成的，所述预设数据与所述目标数据相关联；
分别对所述第一行为数据、第二行为数据以及第三行为数据进行行为分析，得到第一行为特征、第二行为特征以及第三行为特征；
对所述第一行为特征、第二行为特征以及第三行为特征进行加权运算，得到评估信息。
2.根据权利要求1所述的方法，其特征在于，所述在显示目标数据的过程中，获取用户行为数据之前，还包括；
建立数据埋点；
所述在显示目标数据的过程中，获取用户行为数据，包括：
在显示目标数据的过程中，通过所述数据埋点获取原始数据；
根据预设数据类型对所述原始数据进行分类，得到所述第一行为数据、第二行为数据以及第三行为数据。
3.根据权利要求2所述的方法，其特征在于，所述在显示目标数据的过程中，通过所述数据埋点获取原始数据之后，还包括：
对所述原始数据进行分词处理，得到多个字段；
获取各个所述字段与预设字段的匹配度；
确定匹配度大于预设匹配阈值的目标字段；
所述根据预设数据类型对所述原始数据进行分类，得到所述第一行为数据、第二行为数据以及第三行为数据，包括：
根据预设数据类型对所述目标字段进行分类，得到所述第一行为数据、第二行为数据以及第三行为数据。
4.根据权利要求1所述的方法，其特征在于，所述对所述第一行为数据、进行行为分析，得到第一行为特征，包括：
通过第一关键词识别算法获取所述第一行为数据的第一关键词；
将所述第一关键词中的无效词与第一预设数据库中的预设数据作比较；
若第一预设数据库中存在所述无效词，则将所述无效词删除；
对删除所述无效词后的第一行为数据进行行为分析，得到第一行为特征。
5.根据权利要求4所述的方法，其特征在于，所述对所述第一行为数据、进行行为分析，得到第一行为特征之前，还包括：
获取第一样本数据，所述第一样本数据是响应用户对第一训练数据的操作所生成；
对所述第一样本数据进行分词处理，得到多个关键词；
对各个所述关键词进行语义分析，得到满足预设条件的目标关键词；
将所述目标关键词存储到所述第一预设数据库中。
6.根据权利要求1所述的方法，其特征在于，所述对所述第二行为数据、进行行为分析，得到第二行为特征，包括：
通过第二关键词识别算法获取所述第二行为数据的第二关键词；
将所述第二关键词与第二预设数据库中的关键词作比较；
若所述第二预设数据库中存在所述第二关键词，则根据所述第二预设数据库中所述第二关键词对应的特征数据，确定所述第二行为特征。
7.根据权利要求6所述的方法，其特征在于，所述对所述第二行为数据、进行行为分析，得到第二行为特征之前，还包括：
获取第二样本数据，所述第二样本数据是检测到用户浏览第二训练数据时所生成的；
确定所述第二样本数据的特征数据；
对所述第二样本数据进行分词处理，得到关键词；
建立所述关键词和所述特征数据的对应关系；
将所述关键词及其对应的特征数据存储到所述第二预设数据库中。
8.根据权利要求1所述的方法，其特征在于，所述对所述第一行为特征、第二行为特征以及第三行为特征进行加权运算，得到评估信息之前，还包括：
确定数据处理场景；
确定所述数据处理场景对应的第一数据类型的第一权重，所述数据处理场景对应的第二数据类型的第二权重，以及所述数据处理场景对应的第三数据类型的第三权重，所述第一行为数据的数据类型为上述第一数据类型，所述第二行为数据的数据类型为上述第二数据类型，所述第三行为数据的数据类型为上述第三数据类型；
所述对所述第一行为特征、第二行为特征以及第三行为特征进行加权运算，得到评估信息，包括：
根据所述第一权重、第二权重以及第三权重对所述第一行为特征、第二行为特征以及第三行为特征进行加权运算，得到所述评估信息。
9.一种电子设备，其特征在于，包括处理器、输入设备、输出设备和存储器，所述处理器、输入设备、输出设备和存储器相互连接，其中，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器被配置用于调用所述程序指令，执行如权利要求1～8任一项所述的方法。
10.一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计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时使所述处理器执行如权利要求1～8任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910960792.XA CN112732974A (zh) | 2019-10-10 | 2019-10-10 | 一种数据处理方法、电子设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910960792.XA CN112732974A (zh) | 2019-10-10 | 2019-10-10 | 一种数据处理方法、电子设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112732974A true CN112732974A (zh) | 2021-04-30 |
Family
ID=75588708
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910960792.XA Pending CN112732974A (zh) | 2019-10-10 | 2019-10-10 | 一种数据处理方法、电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112732974A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113781123A (zh) * | 2021-09-15 | 2021-12-10 | 北京有竹居网络技术有限公司 | 一种问卷数据处理方法、装置、计算机设备和存储介质 |
| CN114610204A (zh) * | 2022-03-14 | 2022-06-10 | 中国农业银行股份有限公司 | 一种数据处理的辅助装置、方法、存储介质及电子设备 |
| CN114612018A (zh) * | 2022-05-11 | 2022-06-10 | 中国南方电网有限责任公司 | 一种内控风险监测方法、系统和可读存储介质 |
| CN116485352A (zh) * | 2023-06-21 | 2023-07-25 | 深圳市橡树黑卡网络科技有限公司 | 会员管理和数据分析的方法、装置、设备及存储介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101105795A (zh) * | 2006-10-27 | 2008-01-16 | 北京搜神网络技术有限责任公司 | 基于网络行为的个性化推荐方法和系统 |
| CN108897734A (zh) * | 2018-06-13 | 2018-11-27 | 康键信息技术（深圳）有限公司 | 用户画像生成方法、装置、计算机设备和存储介质 |
| US20190026367A1 (en) * | 2017-07-24 | 2019-01-24 | International Business Machines Corporation | Navigating video scenes using cognitive insights |
| CN109272408A (zh) * | 2018-10-31 | 2019-01-25 | 平安科技（深圳）有限公司 | 车贷款金融产品智能推荐方法、装置、设备及介质 |
| CN110532309A (zh) * | 2019-07-15 | 2019-12-03 | 浙江工业大学 | 一种高校图书馆用户画像系统的生成方法 |
-
2019
- 2019-10-10 CN CN201910960792.XA patent/CN112732974A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101105795A (zh) * | 2006-10-27 | 2008-01-16 | 北京搜神网络技术有限责任公司 | 基于网络行为的个性化推荐方法和系统 |
| US20190026367A1 (en) * | 2017-07-24 | 2019-01-24 | International Business Machines Corporation | Navigating video scenes using cognitive insights |
| CN108897734A (zh) * | 2018-06-13 | 2018-11-27 | 康键信息技术（深圳）有限公司 | 用户画像生成方法、装置、计算机设备和存储介质 |
| CN109272408A (zh) * | 2018-10-31 | 2019-01-25 | 平安科技（深圳）有限公司 | 车贷款金融产品智能推荐方法、装置、设备及介质 |
| CN110532309A (zh) * | 2019-07-15 | 2019-12-03 | 浙江工业大学 | 一种高校图书馆用户画像系统的生成方法 |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113781123A (zh) * | 2021-09-15 | 2021-12-10 | 北京有竹居网络技术有限公司 | 一种问卷数据处理方法、装置、计算机设备和存储介质 |
| CN114610204A (zh) * | 2022-03-14 | 2022-06-10 | 中国农业银行股份有限公司 | 一种数据处理的辅助装置、方法、存储介质及电子设备 |
| CN114610204B (zh) * | 2022-03-14 | 2024-03-26 | 中国农业银行股份有限公司 | 一种数据处理的辅助装置、方法、存储介质及电子设备 |
| CN114612018A (zh) * | 2022-05-11 | 2022-06-10 | 中国南方电网有限责任公司 | 一种内控风险监测方法、系统和可读存储介质 |
| CN116485352A (zh) * | 2023-06-21 | 2023-07-25 | 深圳市橡树黑卡网络科技有限公司 | 会员管理和数据分析的方法、装置、设备及存储介质 |
| CN116485352B (zh) * | 2023-06-21 | 2023-12-22 | 深圳市橡树黑卡网络科技有限公司 | 会员管理和数据分析的方法、装置、设备及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10567329B2 (en) | Methods and apparatus for inserting content into conversations in on-line and digital environments | |
| CN107391760B (zh) | 用户兴趣识别方法、装置及计算机可读存储介质 | |
| CN112732974A (zh) | 一种数据处理方法、电子设备及存储介质 | |
| CN106649603B (zh) | 一种基于网页文本数据情感分类的指定信息推送方法 | |
| US8521818B2 (en) | Methods and apparatus for recognizing and acting upon user intentions expressed in on-line conversations and similar environments | |
| JP4148522B2 (ja) | 表現検出システム、表現検出方法、及びプログラム | |
| US9613268B2 (en) | Processing of images during assessment of suitability of books for conversion to audio format | |
| US10891427B2 (en) | Machine learning techniques for generating document summaries targeted to affective tone | |
| CN112533051B (zh) | 弹幕信息显示方法、装置、计算机设备和存储介质 | |
| CN110321537B (zh) | 一种文案生成方法和装置 | |
| US9785834B2 (en) | Methods and systems for indexing multimedia content | |
| CN109471945A (zh) | 基于深度学习的医疗文本分类方法、装置及存储介质 | |
| CN110737783A (zh) | 一种推荐多媒体内容的方法、装置及计算设备 | |
| EP3872652A2 (en) | Method and apparatus for processing video, electronic device, medium and product | |
| US10692498B2 (en) | Question urgency in QA system with visual representation in three dimensional space | |
| Biswas et al. | Mmtoc: A multimodal method for table of content creation in educational videos | |
| CN112749869A (zh) | 适性化职缺媒合系统及方法 | |
| CN109344246B (zh) | 一种电子问卷生成方法、计算机可读存储介质及终端设备 | |
| CN112328793A (zh) | 评论文本数据的处理方法、装置及存储介质 | |
| US10915819B2 (en) | Automatic real-time identification and presentation of analogies to clarify a concept | |
| JP5942052B1 (ja) | データ分析システム、データ分析方法、およびデータ分析プログラム | |
| CN113177170B (zh) | 评论展示方法、装置及电子设备 | |
| US20180114093A1 (en) | Data analysis system, method for controlling data analysis system, and recording medium | |
| CN111062435A (zh) | 图像分析方法、装置及电子设备 | |
| CN111126033A (zh) | 文章的回应预测装置及方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 40041960 Country of ref document: HK |
|
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |