CN112734090B - 基于信息数据处理的目标曲线获取方法 - Google Patents

基于信息数据处理的目标曲线获取方法 Download PDF

Info

Publication number
CN112734090B
CN112734090B CN202011604264.XA CN202011604264A CN112734090B CN 112734090 B CN112734090 B CN 112734090B CN 202011604264 A CN202011604264 A CN 202011604264A CN 112734090 B CN112734090 B CN 112734090B
Authority
CN
China
Prior art keywords
curve
data point
target
predicted
information
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.)
Active
Application number
CN202011604264.XA
Other languages
English (en)
Other versions
CN112734090A (zh
Inventor
蔡文渊
骆绪锐
顾海林
贲利华
王中义
樊聆之
徐林昊
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.)
Shanghai Hipu Intelligent Information Technology Co ltd
Original Assignee
Shanghai Hipu Intelligent 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 Shanghai Hipu Intelligent Information Technology Co ltd filed Critical Shanghai Hipu Intelligent Information Technology Co ltd
Priority to CN202011604264.XA priority Critical patent/CN112734090B/zh
Publication of CN112734090A publication Critical patent/CN112734090A/zh
Application granted granted Critical
Publication of CN112734090B publication Critical patent/CN112734090B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Economics (AREA)
  • Databases & Information Systems (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • General Physics & Mathematics (AREA)
  • Game Theory and Decision Science (AREA)
  • Development Economics (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及一种基于信息数据处理的目标曲线获取方法，包括步骤S1、获取多组信息曝光数量、目标终端数量和目标触达终端数量；步骤S2、基于每组数据获取对应的自变量和因变量参数值，按照自变量从小到大排序，将第一位数据对确定为第一数据点，最后一位确定为第二数据点；步骤S3、获取曲线函数模型对应的参数值，确定第一预测曲线；步骤S4、获取第二预测直线：步骤S5、将第二数据点代入第一预测曲线和第二预测直线并求平均，获取第一预测数据点；步骤S6、基于比例选取值第二数据点的得到第二预测数据点；步骤S7、基于第一预测数据点、第二预测数据点、第一预测曲线、第二预测直线获取目标曲线。本发明提高了获取的目标曲线的准确度。

Description

基于信息数据处理的目标曲线获取方法
技术领域
本发明涉及计算机技术领域，尤其涉及一种基于信息数据处理的目标曲线获取方法。
背景技术
在信息投放过程中，信息的触达率前期会随着信息曝光的增加而增加，但是，当信息曝光达到一定程度时，触达率的增长速度会逐渐减慢，甚至不再增长，此时，如果再投入成本进行信息曝光，得到的回报相比之前，就不尽如人意了。信息触达率指的是信息投放过程中，信息所能触达目标用户的比例。现有技术中，通常基于现有的信息投放数据来预测一条触达率随着信息曝光变化的目标曲线，从而来预测后续增加的信息曝光量与触达率的对应关系，主要包括基于函数模型的拟合方法和线性预测方法。
但是，现有的目标曲线拟合方法，对于较少的信息曝光的情况下，基于拟合曲线得到的触达率与真实的触达率与信息曝光量比较接近，但随着曝光量增大，所得到的拟合曲线整体的前一部分误差偏大，其预测的触达率远远高于真实点的触达率。对于采用线性拟合方法，随着曝光量增加，在后一部分拟合的触达率远远高于实际的触达率。因此，如何基于现有的信息投放数据，提高获取的目标曲线的准确度成为亟待解决的技术问题。
发明内容
本发明目的在于，提供一种基于信息数据处理的目标曲线获取方法，提高了获取的目标曲线的准确度。
根据本发明第一方面，提供了一种基于信息数据处理的目标曲线获取方法，包括：
步骤S1、获取多组信息特征数据，每组信息特征数据包括信息曝光数量、目标终端数量和目标触达终端数量，所述目标触达终端数量是在目标终端中接收到的曝光次数超过预设曝光阈值k的终端数量，k为正整数；
步骤S2、基于每组信息特征数据获取对应的自变量参数值G和因变量参数值R，得到多组数据对(G，R)，并将所述多组数据对按照自变量参数值从小到大的顺序排序，将排在第一位的数据对(G0，R0)确定为第一数据点，将排在最后一位的数据点(Gn，Rn)作为第二数据点；
步骤S3、基于所述第一数据点(G0，R0)和第二数据点(Gn，Rn)，获取预设的曲线函数模型r(g)对应的参数值，从而确定第一预测曲线r1(g)，所述曲线函数模型为：
Figure BDA0002872526080000021
其中，ρ为所述曲线函数模型对应的最大信息触达率，β为所述曲线函数模型对应的待测系数，ρ的预设范围是ρ∈[0，N]，N为正整数；
步骤S4、基于所述第二数据点(Gn，Rn)和预设的线性函数模型r(g)＝kg，k为线性函数模型的斜率，得到第二预测直线r2(g)：
Figure BDA0002872526080000022
步骤S5、将所述第二数据点的Gn代入r1(g)得到R1，并将Gn代入r2(g)得到R2，将R1和R2求平均得到Ravg，基于Gn和Ravg得到第一预测数据点(Gn，Ravg)；
步骤S6、基于预设的比例选取值M和所述第二数据点的Gn得到第二预测数据点的自变量参数值
Figure BDA0002872526080000023
M为正整数；
步骤S7、基于所述第一预测数据点(Gn，Ravg)、第二预测数据点的自变量参数值Ginit、第一预测曲线r1(g)、第二预测直线r2(g)获取预设的曲线函数模型对应的参数值，确定目标曲线r3(g)。
根据本发明第二方面，提供一种电子设备，包括：至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被设置为用于执行本发明第一方面所述的方法。
根据本发明第三方面，提供一种计算机可读存储介质，所述计算机指令用于执行本发明第一方面所述的方法。
本发明与现有技术相比具有明显的优点和有益效果。借由上述技术方案，本发明提供的一种基于信息数据处理的目标曲线获取方法可达到相当的技术进步性及实用性，并具有产业上的广泛利用价值，其至少具有下列优点：
本发明能够基于现有的信息投放数据，先获取第一预测曲线和第二预测直线，再基于第一预测曲线和第二预测直线确定第一预测数据点和第一预测数据点，最后基于第一预测数据点和第一预测数据点确定目标曲线对应的各系数，获取到目标曲线，提高了获取的目标曲线的准确度，根据目标曲线可以基于信息曝光数量准确预测信息触达率。
上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其他目的、特征和优点能够更明显易懂，以下特举较佳实施例，并配合附图，详细说明如下。
附图说明
图1为本发明实施例提供的基于信息数据处理的目标曲线获取方法示意图；
图2为本发明实施例提供的基于信息数据处理的第一预测区县、第二预测直线、目标曲线和原始数据点展示示意图；
图3为图2的局部放大示意图。
具体实施方式
为更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种基于信息数据处理的目标曲线获取方法的具体实施方式及其功效，详细说明如后。
本发明实施例提供了一种基于信息数据处理的目标曲线获取方法，如图1所示，包括以下步骤：
步骤S1、获取多组信息特征数据，每组信息特征数据包括信息曝光数量、目标终端数量和目标触达终端数量，所述目标触达终端数量是在目标终端中接收到的曝光次数超过预设曝光阈值k的终端数量，k为正整数；
本发明实施例所述的终端具体可以物理实现为智能手机、PAD、智能电视机等能够安装应用程序(例如APP)的设备。本领域技术人员知晓，终端的型号、规格等参数并不影响本发明的保护范围
其中，所述多组信息特征数据为针对某一目标信息已知的信息投放数据，可以直接由用户输入或者从数据库中获取。曝光阈值k的具体取值根据具体的信息投放需求等因素来具体设定，优选的，曝光阈值k具体设定为1、2、3等。
步骤S2、基于每组信息特征数据获取对应的自变量参数值G和因变量参数值R，得到多组数据对(G，R)，并将所述多组数据对按照自变量参数值从小到大的顺序排序，将排在第一位的数据对(G0，R0)确定为第一数据点，将排在最后一位的数据点(Gn，Rn)作为第二数据点；
可以理解的是，自变量与信息曝光数量呈正相关，因变量与信息触达率成正相关，因此所述曲线函数模型是可以用来表征信息触达率随信息曝光数量变化的关系。
步骤S3、基于所述第一数据点(G0，R0)和第二数据点(Gn，Rn)，获取预设的曲线函数模型r(g)对应的参数值，从而确定第一预测曲线r1(g)，所述曲线函数模型为：
Figure BDA0002872526080000041
其中，ρ为所述曲线函数模型对应的最大信息触达率，β为所述曲线函数模型对应的待测系数，ρ的预设范围是ρ∈[0，N]，N为正整数。
步骤S4、基于所述第二数据点(Gn，Rn)和预设的线性函数模型r(g)＝kg，k为线性函数模型的斜率，得到第二预测直线r2(g)：
Figure BDA0002872526080000042
步骤S5、将所述第二数据点的Gn代入r1(g)得到R1，并将Gn代入r2(g)得到R2，将R1和R2求平均得到Ravg，基于Gn和Ravg得到第一预测数据点(Gn，Ravg)；
步骤S6、基于预设的比例选取值M和所述第二数据点的Gn得到第二预测数据点的自变量参数值
Figure BDA0002872526080000051
M为正整数；
步骤S7、基于所述第一预测数据点(Gn，Ravg)、第二预测数据点的自变量参数值Ginit、第一预测曲线r1(g)、第二预测直线r2(g)获取预设的曲线函数模型对应的参数值，确定目标曲线r3(g)。
在更加详细地讨论示例性实施例之前应当提到的是，一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各步骤描述成顺序的处理，但是其中的许多步骤可以被并行地、并发地或者同时实施。此外，各步骤的顺序可以被重新安排。当其操作完成时处理可以被终止，但是还可以具有未包括在附图中的附加步骤。处理可以对应于方法、函数、规程、子例程、子程序等等。
本发明能实施例所述方法够基于现有的信息投放数据，先获取第一预测曲线和第二预测直线，再基于第一预测曲线和第二预测直线确定第一预测数据点和第一预测数据点，最后基于第一预测数据点和第一预测数据点确定目标曲线对应的各系数，获取到目标曲线，提高了获取的目标曲线的准确度，根据目标曲线可以基于信息曝光数量准确预测信息触达率。
作为一种实施例，所述步骤S2中，所述基于每组信息特征数据获取对应的自变量参数值和因变量参数值，包括：
步骤S21、基于每组信息曝光数量a和目标终端数量b确定自变量参数值
Figure BDA0002872526080000052
步骤S22、基于目标终端数量b和目标触达终端数量c确定因变量参数值
Figure BDA0002872526080000061
因变量为目标信息触达率。
作为一种实施例，所述步骤S3包括：
步骤S31、基于所述第一数据点(G0，R0)获取所述第一预测曲线r1(g)对应的中间参数
Figure BDA0002872526080000068
Figure BDA0002872526080000062
其中，rk(g＝G)表示在目标终端中接收到的曝光次数超过预设曝光阈值k的终端数量。
步骤S32、基于所述第一数据点(G0，R0)、所述第一预测曲线r1(g)对应的中间参数
Figure BDA0002872526080000063
确定所述第一预测曲线r1(g)对应的最大触达率ρ1：
Figure BDA0002872526080000064
步骤S33、基于所述第一数据点(G0，R0)、所述第一预测曲线r1(g)对应的最大触达率ρ1、所述第一预测曲线r1(g)对应的中间参数ι1，确定所述第一预测曲线r1(g)对应的待测系数β1：
Figure BDA0002872526080000066
步骤S34、基于所述第一预测曲线r1(g)对应的最大触达率ρ1、待测系数β1和所述曲线函数模型r(g)确定所述第一预测曲线r1(g)：
Figure BDA0002872526080000067
需要说明的是，现有算法中ρ的最大值通常取值为100，现有的算法通常适运用的信息投放场景场景是通过电视渠道投放信息，易根据统计资料获取一个地区所有的家庭数，从而估计出总的真实的电视终端的数量，并可以准确算出信息触达电视终端数量比上真实电视终端数量的一个比例，得到触达率，从而评估信息投放触达的效果。特别的，当信息曝光再次增加，超过现有的所有数据点时，这个真实的电视终端总数也是几乎不变的，因而有意义。因此，概率的范围为[0，1]，经过外扩范围为ρ[0，100]。但是，在基于互联网信息投放场景中，终端总数是现有方法很难较为准确估计得到的，不能像通过电视渠道投放信息中的算法，用总家庭数估计终端总数。因此，在现有的数据基础上，用原来的方法估计，以最后一个数据点对应的总终端数量作为计算比例的分母，结果准确定无法保证当估计后面的未知数据时，随着曝光量继续增加，触达终端数增加，但总终端数量是未知的，而且很有可能随之不断增加。而原方法依然认为不变，还是固定住分母，即还是认定一样的总终端数量不变，这就会导致触达率很有可能超过原有限定范围即100。因此，本申请基于此增大触达率的范围。因此可以放宽对ρ的限制，具体根据具体的数据处理需求来确定，作为优选实施例，所述最大信息触达率ρ的最大值N＝100n，其中，n等于2或3。
现有对获取目标曲线的算法中，基于第一数据点来计算中间参数ι，但是真实的数据点中，在初期的数据往往不够稳定，随机性较大，不具有一般性。随着曝光量增加，数据的特点逐渐显现出来，且较稳定。第一数据点即初始点，直接选用初始点，无法保证对整体拟合精确度。因此，本申请通过步骤S6获取第二预测数据点的自变量参数值，并基于此进行后续的中间参数ι等计算，提高获取参数的准确度，从而提高最终获取目标曲线的准确度。作为一种实施例，所述比例选取值M的取值范围为[10，30]，M可以根据具体的应用场景中的信息数据处理需求来设定。
作为一种实施例，所述最大信息触达率ρ的最大值N取值为300，所述比例选取值M取值为10，基于此进行参数计算，获取目标曲线。
作为一种实施例，所述步骤S7包括：
步骤S71、基于所述第二预测数据点的自变量参数值Ginit、所述第一预测曲线r1(g)、所述第二预测直线r2(g)获取所述目标曲线r3(g)对应的中间参数ι3：
Figure BDA0002872526080000072
步骤S72、基于所述目标曲线r3(g)对应的中间参数ι3、所述第一预测数据点(Gn，Ravg)获取所述目标曲线r3(g)对应的最大触达率ρ3：
Figure BDA0002872526080000081
步骤S73、基于所述第一预测数据点(Gn，Ravg)、所述目标曲线r3(g)对应的最大触达率ρ3、所述目标曲线r3(g)对应的中间参数ι3确定所述目标曲线r3(g)对应的待测系数β3：
Figure BDA0002872526080000082
步骤S74、基于所述目标曲线r3(g)对应的最大触达率ρ3、所述目标曲线r3(g)对应的待测系数β3和所述曲线函数模型r(g)确定所述目标曲线r3(g)：
Figure BDA0002872526080000083
如图2-图3所示示例，曲线r1表示所述第一预测曲线r1(g)，直线r2表示所述第二预测直线r2(g)，曲线r3表示所述目标曲线r3(g)，圆点表述已知的步骤S2中基于已知数据获取的多组数据对(G，R)对应的已知数据点。如图3所示，相比曲线r2，本发明实施例最终拟合的目标曲线r3，在自变量G较小时，弥补了曲线r2因变量(即目标信息触达率)估计过高的缺点，离样本点更近。如图2所示，相比曲线r1，本发明实施例拟合的目标曲线r3，在自变量G较大时，弥补了曲线r2因变量(即目标信息触达率)估计过低的缺点，拟合效果更佳，准确度更高。
本发明实施例还提供一种电子设备，包括：至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被设置为用于执行本发明实施例所述的方法。
本发明实施例还提供一种计算机可读存储介质，所述计算机指令用于执行本发明实施例所述的方法。
以上所述，仅是本发明的较佳实施例而已，并非对本发明作任何形式上的限制，虽然本发明已以较佳实施例揭露如上，然而并非用以限定本发明，任何熟悉本专业的技术人员，在不脱离本发明技术方案范围内，当可利用上述揭示的技术内容作出些许更动或修饰为等同变化的等效实施例，但凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与修饰，均仍属于本发明技术方案的范围内。

Claims (9)

1.一种基于信息数据处理的目标曲线获取方法，其特征在于，包括：
步骤S1、获取多组信息特征数据，每组信息特征数据包括信息曝光数量、目标终端数量和目标触达终端数量，所述目标触达终端数量是在目标终端中接收到的曝光次数超过预设曝光阈值k的终端数量，k为正整数；
步骤S2、基于每组信息特征数据获取对应的自变量参数值G和因变量参数值R，得到多组数据对(G，R)，并将所述多组数据对按照自变量参数值从小到大的顺序排序，将排在第一位的数据对(G0，R0)确定为第一数据点，将排在最后一位的数据点(Gn，Rn)作为第二数据点；
步骤S3、基于所述第一数据点(G0，R0)和第二数据点(Gn，Rn)，获取预设的曲线函数模型r(g)对应的参数值，从而确定第一预测曲线r1(g)，所述曲线函数模型为：
Figure FDA0003210113950000011
其中，ρ为所述曲线函数模型对应的最大信息触达率，β为所述曲线函数模型对应的待测系数，ρ的预设范围是ρ∈[0，N]，N为正整数；
步骤S4、基于所述第二数据点(Gn，Rn)和预设的线性函数模型r(g)＝kg，k为线性函数模型的斜率，得到第二预测直线r2(g)：
Figure FDA0003210113950000012
步骤S5、将所述第二数据点的Gn代入第一预测曲线r1(g)得到R1，并将Gn代入第二预测直线r2(g)得到R2，将R1和R2求平均得到Ravg，基于Gn和Ravg得到第一预测数据点(Gn，Ravg)；
步骤S6、基于预设的比例选取值M和所述第二数据点的Gn得到第二预测数据点的自变量参数值
Figure FDA0003210113950000013
M为正整数；
步骤S7、基于所述第一预测数据点(Gn，Ravg)、第二预测数据点的自变量参数值Ginit、第一预测曲线r1(g)、第二预测直线r2(g)获取预设的曲线函数模型对应的参数值，确定目标曲线r3(g)；
所述步骤S7包括：
步骤S71、基于所述第二预测数据点的自变量参数值Ginit、所述第一预测曲线r1(g)、所述第二预测直线r2(g)获取所述目标曲线r3(g)对应的中间参数ι3：
Figure FDA0003210113950000021
步骤S72、基于所述目标曲线r3(g)对应的中间参数ι3、所述第一预测数据点(Gn，Ravg)获取所述目标曲线r3(g)对应的最大触达率ρ3：
Figure FDA0003210113950000022
步骤S73、基于所述第一预测数据点(Gn，Ravg)、所述目标曲线r3(g)对应的最大触达率ρ3、所述目标曲线r3(g)对应的中间参数ι3确定所述目标曲线r3(g)对应的待测系数β3：
Figure FDA0003210113950000023
步骤S74、基于所述目标曲线r3(g)对应的最大触达率ρ3、所述目标曲线r3(g)对应的待测系数β3和所述曲线函数模型r(g)确定所述目标曲线r3(g)：
Figure FDA0003210113950000024
2.根据权利要求1所述的方法，其特征在于，
所述步骤S2中，所述基于每组信息特征数据获取对应的自变量参数值和因变量参数值，包括：
步骤S21、基于每组信息曝光数量a和目标终端数量b确定自变量参数值
Figure FDA0003210113950000025
步骤S22、基于目标终端数量b和目标触达终端数量c确定因变量参数值
Figure FDA0003210113950000031
3.根据权利要求1或2所述的方法，其特征在于，
所述步骤S3包括：
步骤S31、基于所述第一数据点(G0，R0)获取所述第一预测曲线r1(g)对应的中间参数ι1：
Figure FDA0003210113950000032
其中，rk(g＝G)表示在目标终端中接收到的曝光次数超过预设曝光阈值k的终端数量；
步骤S32、基于所述第一数据点(G0，R0)、所述第一预测曲线r1(g)对应的中间参数ι1，确定所述第一预测曲线r1(g)对应的最大触达率ρ1：
Figure FDA0003210113950000033
步骤S33、基于所述第一数据点(G0，R0)、所述第一预测曲线r1(g)对应的最大触达率ρ1、所述第一预测曲线r1(g)对应的中间参数ι1，确定所述第一预测曲线r1(g)对应的待测系数β1：
Figure FDA0003210113950000034
步骤S34、基于所述第一预测曲线r1(g)对应的最大触达率ρ1、待测系数β1和所述曲线函数模型r(g)确定所述第一预测曲线r1(g)：
Figure FDA0003210113950000035
4.根据权利要求1所述的方法，其特征在于，
所述曝光阈值k取值范围为[1，3]。
5.根据权利要求1所述的方法，其特征在于，
所述最大信息触达率ρ的最大值N＝100n，其中，n等于2或3。
6.根据权利要求1所述的方法，其特征在于，
所述比例选取值M的取值范围为[10，30]。
7.根据权利要求1所述的方法，其特征在于，
所述最大信息触达率ρ的最大值N取值为300，所述比例选取值M取值为10。
8.一种电子设备，其特征在于，包括：
至少一个处理器；
以及，与所述至少一个处理器通信连接的存储器；
其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被设置为用于执行前述权利要求1-7任一项所述的方法。
9.一种计算机可读存储介质，其特征在于，存储有计算机可执行指令，所述计算机可执行指令用于执行前述权利要求1-7中任一项所述的方法。
CN202011604264.XA 2020-12-30 2020-12-30 基于信息数据处理的目标曲线获取方法 Active CN112734090B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011604264.XA CN112734090B (zh) 2020-12-30 2020-12-30 基于信息数据处理的目标曲线获取方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011604264.XA CN112734090B (zh) 2020-12-30 2020-12-30 基于信息数据处理的目标曲线获取方法

Publications (2)

Publication Number Publication Date
CN112734090A CN112734090A (zh) 2021-04-30
CN112734090B true CN112734090B (zh) 2021-10-12

Family

ID=75610753

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011604264.XA Active CN112734090B (zh) 2020-12-30 2020-12-30 基于信息数据处理的目标曲线获取方法

Country Status (1)

Country Link
CN (1) CN112734090B (zh)

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104035926B (zh) * 2013-03-05 2017-05-31 秒针信息技术有限公司 一种互联网信息的投放和系统
CN106228385A (zh) * 2016-07-12 2016-12-14 精硕世纪科技（北京）有限公司 互联网媒体组合投放方法与装置

Also Published As

Publication number Publication date
CN112734090A (zh) 2021-04-30

Similar Documents

Publication Publication Date Title
CN109902708B (zh) 一种推荐模型训练方法及相关装置
CN108989889B (zh) 一种视频播放量预测方法、装置及电子设备
CN109685785A (zh) 一种图像质量评估方法、装置及电子设备
CN112734494A (zh) 一种销量预测方法、装置、终端设备及可读存储介质
CN111126581A (zh) 数据处理方法、装置及相关产品
CN109460775A (zh) 一种基于信息熵的数据填充方法及装置
CN111460639B (zh) 动态推算电缆导体温度的方法、装置、电子设备及存储介质
CN112734090B (zh) 基于信息数据处理的目标曲线获取方法
CN108804670B (zh) 数据推荐方法、装置、计算机设备和存储介质
CN116820384B (zh) 一种确定数据处理顺序的数据处理系统
Fernandez et al. Improved estimation of weibull parameters considering unreliability uncertainties
CN117115551A (zh) 一种图像检测模型训练方法、装置、电子设备及存储介质
CN116994979A (zh) 方块电阻的测量方法、电子设备和存储介质
CN117233598A (zh) 电机健康状态预测方法、装置、计算机设备、存储介质
CN111313998A (zh) 一种统计信道模型验证方法及装置
CN111047042B (zh) 一种推理服务模型的运行方法及装置
CN115545490A (zh) 基于小样本机器学习的电站工程造价分析方法及装置
CN113014928B (zh) 一种补偿帧生成方法及装置
CN113038283B (zh) 视频推荐方法、装置和存储介质
CN114548173A (zh) 一种精准的周期性检测方法、系统及存储介质
CN114185882A (zh) 一种不良数据修正方法、装置、存储介质及电子设备
CN112732777A (zh) 基于时间序列的头寸预测方法、装置、设备和介质
CN111400678A (zh) 一种用户检测方法及装置
CN114819000B (zh) 反馈信息预估模型训练方法、装置以及电子设备
CN112184753A (zh) 目标光流法确定方法、装置、计算机设备和存储介质

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
GR01 Patent grant
GR01 Patent grant
PE01 Entry into force of the registration of the contract for pledge of patent right

Denomination of invention: Target curve acquisition method based on information data processing

Effective date of registration: 20230210

Granted publication date: 20211012

Pledgee: Industrial Bank Co.,Ltd. Shanghai Hongkou sub branch

Pledgor: Shanghai hipu Intelligent Information Technology Co.,Ltd.

Registration number: Y2023310000027

PE01 Entry into force of the registration of the contract for pledge of patent right
PC01 Cancellation of the registration of the contract for pledge of patent right

Granted publication date: 20211012

Pledgee: Industrial Bank Co.,Ltd. Shanghai Hongkou sub branch

Pledgor: Shanghai hipu Intelligent Information Technology Co.,Ltd.

Registration number: Y2023310000027

PC01 Cancellation of the registration of the contract for pledge of patent right
PE01 Entry into force of the registration of the contract for pledge of patent right

Denomination of invention: Target curve acquisition method based on information data processing

Granted publication date: 20211012

Pledgee: Industrial Bank Co.,Ltd. Shanghai Hongkou sub branch

Pledgor: Shanghai hipu Intelligent Information Technology Co.,Ltd.

Registration number: Y2024310000213

PE01 Entry into force of the registration of the contract for pledge of patent right