CN112819313A - 目标图像生成方法及装置 - Google Patents
目标图像生成方法及装置 Download PDFInfo
- Publication number
- CN112819313A CN112819313A CN202110112463.7A CN202110112463A CN112819313A CN 112819313 A CN112819313 A CN 112819313A CN 202110112463 A CN202110112463 A CN 202110112463A CN 112819313 A CN112819313 A CN 112819313A
- Authority
- CN
- China
- Prior art keywords
- index
- sub
- data
- indexes
- target image
- 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
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/20—Drawing from basic elements, e.g. lines or circles
- G06T11/206—Drawing of charts or graphs
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Data Mining & Analysis (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Image Analysis (AREA)
Abstract
本申请提供目标图像生成方法及装置,其中,所述目标图像生成方法包括获取目标对象,并根据所述目标对象的属性信息确定所述目标对象的至少两个数据指标;基于所述至少两个数据指标以及预设目标图像生成指标,生成与所述目标对象对应的树型结构的目标图像。所述方法根据目标对象的属性信息确定的数据指标,结合设目标图像生成指标,通过树型结构的图形可以形象地展示出目标对象中各项数据(如营收数据)的组成,后续用户可以通过生成的该树型结构的图形可以直观快速的理解目标对象中各项数据的构成以及快速的定位该目标对象中变动较大的异常数据,提升用户体验。
Description
技术领域
本申请涉及计算机技术领域,特别涉及一种目标图像生成方法。本申请同时涉及一种目标图像生成装置,一种计算设备,以及一种计算机可读存储介质。
背景技术
随着直播行业的兴起,越来越多的人们在各个直播平台实现营收,而直播平台为了更好的为用户提供直播服务,会基于直播营收情况进行平台优化,并且用户还可以通过直播视频的营收数据来改变其直播视频的类型、直播视频的分区等等,当前对于直播营收数据一般采用列表的形式展示给开发人员或者是用户,开发人员或者用户通过列表的形式不能很直观的分析出每个直播视频的营收情况,用户体验不好。
发明内容
有鉴于此,本申请实施例提供了一种目标图像生成方法。本申请同时涉及一种目标图像生成装置,一种计算设备,以及一种计算机可读存储介质,以解决现有技术中存在的无法直观的展示直播视频的营收情况的技术缺陷。
根据本申请实施例的第一方面,提供了一种目标图像生成方法,包括:
获取目标对象,并根据所述目标对象的属性信息确定所述目标对象的至少两个数据指标;
基于所述至少两个数据指标以及预设目标图像生成指标,生成与所述目标对象对应的树型结构的目标图像,
其中,所述目标图像用于表示所述至少两个数据指标的结构以及指标波动。
根据本申请实施例的第二方面,提供了一种目标图像生成装置,包括:
指标确定模块,被配置为获取目标对象,并根据所述目标对象的属性信息确定所述目标对象的至少两个数据指标;
目标图像生成模块,被配置为基于所述至少两个数据指标以及预设目标图像生成指标,生成与所述目标对象对应的树型结构的目标图像,
其中,所述目标图像用于表示所述至少两个数据指标的结构以及指标波动。
根据本申请实施例的第三方面,提供了一种计算设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机指令,所述处理器执行所述指令时实现所述目标图像生成方法的步骤。
根据本申请实施例的第四方面,提供了一种计算机可读存储介质,其存储有计算机指令,该指令被处理器执行时实现所述目标图像生成方法的步骤。
本申请提供的目标图像生成方法及装置,其中,所述目标图像生成方法包括获取目标对象,并根据所述目标对象的属性信息确定所述目标对象的至少两个数据指标;基于所述至少两个数据指标以及预设目标图像生成指标,生成与所述目标对象对应的树型结构的目标图像,其中,所述目标图像用于表示所述至少两个数据指标的结构以及指标波动。具体的,所述目标图像生成方法根据目标对象的属性信息确定的数据指标,结合设目标图像生成指标,通过树型结构的图形可以形象地展示出目标对象中各项数据(如营收数据)的组成,后续用户可以通过生成的该树型结构的图形可以直观快速的理解目标对象中各项数据的构成以及快速的定位该目标对象中变动较大的异常数据,提升用户体验。
附图说明
图1是本申请一实施例提供的一种目标图像生成方法的流程图;
图2是本申请一实施例提供的一种目标图像生成方法中第一目标图像的根节点的示意图;
图3是本申请一实施例提供的一种目标图像生成方法中第一目标图像的根节点与第一个子节点的示意图;
图4是本申请一实施例提供的一种目标图像生成方法中第一目标图像的示意图;
图5是本申请一实施例提供的一种目标图像生成方法中第二目标图像的根节点的示意图;
图6是本申请一实施例提供的一种目标图像生成方法中第二目标图像的根节点与第一个子节点的示意图;
图7是本申请一实施例提供的一种目标图像生成方法中二目标图像的示意图;
图8是本申请一实施例提供的一种目标图像生成装置的结构示意图;
图9是本申请一实施例提供的一种计算设备的结构框图。
具体实施方式
在下面的描述中阐述了很多具体细节以便于充分理解本申请。但是本申请能够以很多不同于在此描述的其它方式来实施,本领域技术人员可以在不违背本申请内涵的情况下做类似推广,因此本申请不受下面公开的具体实施的限制。
在本申请一个或多个实施例中使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本申请一个或多个实施例。在本申请一个或多个实施例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,本申请一个或多个实施例中使用的术语“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,尽管在本申请一个或多个实施例中可能采用术语第一、第二等来描述各种信息,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,在不脱离本申请一个或多个实施例范围的情况下,第一也可以被称为第二,类似地,第二也可以被称为第一。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”。
首先,对本申请一个或多个实施例涉及的名词术语进行解释。
数据指标拆解:一种快速分析数据指标组成结构的方法,比如看直播部门营收,可以从多个维度拆解来看,如直播分区、主播签约类型、工会个体、主播个体等维度。第n(n>1)维下拆解是在前(n-1)维拆解结果的基础上进行的,理论上拆解n个维度可以有n!种拆解方式。
决策树C4.5:根据信息增益和信息增益率以确定最优的分类指标进行分类;剪枝有利于减少树的复杂度,聚焦在更重要的信息上。
数据可加性:表示两个数据之和或两个数据之差是有意义的,例如收入、人数等,反例是点击率等数据。
在本申请中,提供了一种目标图像生成方法,本申请同时涉及一种目标图像生成装置,一种计算设备,以及一种计算机可读存储介质,在下面的实施例中逐一进行详细说明。
具体实施时,本申请提供的所述目标图像生成方法不仅可以应用在直播场景中,实现对直播场景中的营收数据等以生成树结构的目标图像的方式,进行更加直观的展示;也可以应用在其他需要对数据进行直观展示的任意一种场景中,本申请对此不作任何限定;例如影视场景中,对影视场景中的广告、线上观看人数等数据进行目标图像生成;又或者是购物商城场景中,对购物商城的营收数据(如衣/食/住/行等的价格、买家、卖家分布)进行目标图像生成等等。为了便于理解,本申请实施例中均以所述目标图像生成方法应用在直播场景中,基于直播场景中的营收数据实现目标图像生成为例进行详细介绍。
参见图1,图1示出了根据本申请一实施例提供的一种目标图像生成方法的流程图,具体包括以下步骤。
步骤102:获取目标对象,并根据所述目标对象的属性信息确定所述目标对象的至少两个数据指标。
其中,目标对象包括但不限于任何类型的视频(如直播视频、点播视频)、任意形式的网站(如购物网站、图书网站)等各种具有营收数据的对象,而在具体使用时,还可以是需要对一些网络流量、粉丝数量等进行分析的目标对象等。
实际应用中,目标对象的属性信息包括但不限于目标对象的类型,例如视频类型或者网站类型等,基于目标对象的属性信息的不同,获取的目标对象的数据指标也不同,以目标对象的属性信息为目标对象的类型为例,在目标对象为直播视频类型的情况下,目标对象对应的数据指标可以为主播分区、主播类型、打赏用户以及主播个体等;在目标对象为网站类型的情况下,目标对象对应的数据指标可以为浏览用户、购买用户、用户购买物品、浏览物品类型等。
为了便于理解,以下均以目标对象为视频为例对所述目标图像生成方法进行介绍。此时,目标对象可以为任意类型、任意长度的视频,例如直播视频、点播视频等等;而数据指标为从各个维度确定的目标对象的指标。
具体的,所述根据所述目标对象的属性信息确定所述目标对象的至少两个数据指标之后,还包括:
确定所述至少两个数据指标中每个数据指标的子指标、以及所述子指标的指标值。
以所述目标图像生成方法应用于直播场景为例,若目标对象为一个周期(如7天)的直播视频a,在想要直观的看到该直播视频a在一个周期内的营收的情况下,则该直播视频a的至少两个数据指标可以为:通过多个维度拆解的直播分区、主播类型、打赏用户、主播个体等数据指标。而每个数据指标的子指标为具体的主播分区、主播类型、打赏用户以及主播个体等,且每个子指标的指标值为每个子指标对应的营收额。
实际应用中,获取目标对象中每个用户给各主播贡献的收入数据,每行数据的格式为:数据指标:维度1、维度2、维度3…维度n。具体参见表1。
表1
表1中,第一行数据为用户2在分区1下直播的、属于主播类型1的主播1打赏,打赏礼物的价值为20个收益。以此类推,表1中每一行均可以参照此种方式进行理解。
表1中,分区、类型、主播、用户可以理解为数据指标,而分区中的分区1、分区2、分区3可以理解为数据指标分区的子指标,而多个分区1对应的收益相加之和为分区1的指标值、多个分区2对应的收益相加之和为分区2的指标值、多个分区3对应的收益相加之和为分区3的指标值;相应的,主播类型1、主播类型2以及主播类型3为数据指标主播的子指标,而每个子指标的指标值可以通过上述方式获得,以此类推,在此不再赘述。
步骤104:基于所述至少两个数据指标以及预设目标图像生成指标,生成与所述目标对象对应的树型结构的目标图像。
其中,所述目标图像用于表示所述至少两个数据指标的结构以及指标波动。
实际应用中,预设目标图像生成指标为预设的目标图像的参数,例如父节点面积、子节点分层数量以及每层的子节点数量等等。
具体实施时,在确定目标对象的数据指标、每个数据指标的子指标、以及所述子指标的指标值的情况下,所述基于所述至少两个数据指标以及预设目标图像生成指标,生成与所述目标对象对应的树型结构的目标图像,包括:
基于所述至少两个数据指标、所述每个数据指标的子指标、所述子指标的指标值以及所述预设目标图像生成指标,生成与所述目标对象对应的树型结构的目标图像。
具体的,与所述目标对象对应的树结构的目标图像包括第一目标图像和第二目标图像,其中,第一目标图像用于表示所述至少两个数据指标中每个数据指标的子指标的结构;第二目标图像用于表示所述至少两个数据指标中每个数据指标的子指标的指标波动。那么在目标图像不同的情况下,基于所述至少两个数据指标、所述每个数据指标的子指标、以及所述子指标的指标值,生成与所述目标对象对应的树型结构的目标图像的方式也不相同。以下分别以目标图像为第一目标图像和第二目标图像为例进行详细介绍。
具体实施时,在所述目标图像为第一目标图像的情况下,所述基于所述至少两个数据指标、所述每个数据指标的子指标、所述子指标的指标值以及所述预设目标图像生成指标,生成与所述目标对象对应的树型结构的目标图像,包括:
将所述至少两个数据指标中所有子指标的指标值之和作为根节点的指标值,并基于所述预设目标图像生成指标确定所述根节点的节点面积;
将所述每个数据指标的子指标作为子节点,且基于所述根节点的节点面积以及所述子指标的指标值确定每个子节点的节点面积;
基于所述根节点、所述根节点的节点面积、所述子节点、所述子节点的节点面积以及所述预设目标图像生成指标,生成与所述目标对象对应的树结构的第一目标图像,
其中,所述第一目标图像用于表示所述至少两个数据指标中每个数据指标的子指标的结构。
其中,预设目标图像生成指标包括但不限于预设的根节点的节点面积、节点的节点形状、目标图像水平/竖直扩展方向、子节点数量限制、子节点间最小比例限制、正样本填充颜色、负样本填充颜色以及维度拆分列表等等。具体的,预设目标图像可以根据实际应用进行设置,本申请对此不做任何限定。
具体的,将所有数据指标中所有子指标的指标值之和作为树结构的第一目标图像的根节点的指标值,并将预设目标图像中预设的根节点的节点面积作为该第一目标图像的根节点的指标值。
沿用上例,将所有数据指标:分区、类型、主播、用户的所有子指标的指标值之和:402作为第一目标图像的根节点的指标值,并基于预设目标图像确定节点的形状为圆形。
参见图2,图2示出了根据本申请一实施例提供的一种目标图像生成方法中第一目标图像的根节点的示意图。
图2中的根节点为目标对象的所有数据指标:分区、类型、主播、用户的所有子指标的指标值之和:402,节点形状为圆形,面积记为S(root)。
在确定第一目标图像的根节点以及根节点的节点面积、节点形状之后,将每个数据指标的子指标作为子节点,且基于该根节点的节点面积以及子指标的指标值确定每个子节点的节点面积。
沿用上例,将数据指标:分区的子指标:分区1、分区2、分区3,类型的子指标:主播类型1、主播类型2、主播类型3,主播的子指标:主播1至主播12、用户的子指标:用户1至用户10等,作为第一目标图像的子节点,且基于根节点的节点面积S(root)以及每个子指标的指标值确定每个子节点的节点面积。实际应用中,具体的节点层数可以根据实际应用进行设置,例如若用户作为第二目标图像的子节点的意义不是很大的情况下,可以省略。
最后,基于根节点、根节点的节点面积、子节点、每个子节点的节点面积以及预设目标图像生成指标中的第一目标图像水平/竖直扩展方向、子节点形状、子节点颜色等等,生成与该目标对象对应的树结构的第一目标图像,其中,第一目标图像用于表示所述至少两个数据指标中每个数据指标的子指标的结构。
本说明书实施例中,通过根节点、子节点以及节点面积等生成树结构的比例分析树(即第一目标图像),实现通过图像形象地展示出目标对象中数据的组成,基于生成的比例分析树可以帮助用户快速、直观的理解该目标对象中各项数据的构成,提升用户体验。
具体的,所述将所述每个数据指标的子指标作为子节点,且基于所述根节点的节点面积以及所述子指标的指标值确定每个子节点的节点面积,包括:
a1、基于预设要求从所述至少两个数据指标中选取第i个数据指标,并基于所述第i个数据指标的子指标的指标值,对所述第i个数据指标的子指标进行降序排列,i为正整数,且i∈[1、n];
a2、选取第j个子指标作为子节点,并确定所述第j个子指标的指标值与所述根节点的指标值的第一指标比例,以及第j-1个子指标的指标值与所述第j个子指标的指标值的第二指标比例,j为正整数,且j∈[1、m];
a3、在所述第二指标比例大于等于预设比例阈值,且j小于预设节点数量阈值的情况下,基于所述第一指标比例或所述第二指标比例、以及所述根节点的节点面积确定所述第j个子指标的节点面积;
a4、判断j是否小于m,若是,则将j自增1,继续执行步骤a2,
若否,则在i小于n的情况下,将i自增1,并基于预设要求从所述至少两个数据指标中选取第i个数据指标,并确定所述第i个数据指标的子指标的指标值,基于指标值对所述第i个数据指标的子指标进行降序排列,且继续执行步骤a2。
其中,预设要求可以根据实际应用需求进行设置,本申请对此不做任何限定,例如,沿用上例可以选取子指标数量较少的数据指标:分区或者主播类型作为第i个数据指标,其中,i从1开始进行递增;而实际应用中,也可以根据实际需要将数据指标:主播或者用户作为第i个数据指标。
具体实施时,基于预设要求将所述至少两个数据指标中的每个数据指标进行排列,形成数据指标集合,然后从该数据指标集合中选取第1个数据指标,并基于第1个数据指标的子指标的指标值,对第1个数据指标的子指标进行降序排列。
沿用上例,若数据指标集合为[分区,主播类型,主播,用户],则从该数据指标集合中选取第1个数据指标:分区,然后基于分区的子指标:分区1的指标值128、分区2的指标值54、分区3的指标值220,对这些子指标进行降序排列,获得子指标集合[220,128,54]。
在对第i个数据指标的子指标进行降序排列之后,选取排列的第j个子指标作为子节点,并确定第j个子指标的指标值与根节点的指标值的第一指标比例,实际应用中,j也从1开始递增。
沿用上例,选取排列的第1个子指标:分区3作为子节点,并确定分区3的指标值220与根节点的指标值402的第一指标比例:54.73%,此时,分区3为该层节点下的第一个子节点,因此j-1为0,即不存在上一个子节点;而若j为分区1的情况下,分区1的指标值128与根节点的指标值402的第一指标比例为:31.84%,而分区1的上一个子节点为分区3,那么分区3的指标值220与分区1的指标值128的第二指标比例为:58.18%。
在确定第j-1个子指标的指标值与所述第j个子指标的指标值的第二指标比例之后,判断第二指标比例是否大于等于预设比例阈值,且j是否小于预设节点数量阈值,若是,则基于该第一指标比例或第二指标比例、以及根节点的节点面积确定第j个子指标的节点面积;其中,预设比例阈值以及预设节点数量阈值均可以根据实际应用进行设置,本申请对此不做任何限定,例如预设比例阈值可以设置为30%,预设节点数量阈值设置为8等等。
具体的,基于所述第一指标比例或所述第二指标比例、以及所述根节点的节点面积确定所述第j个子指标的节点面积,可以理解为基于所述第一指标比例以及所述根节点的节点面积确定所述第j个子指标的节点面积,或者基于所述第二指标比例以及所述第j-1个子指标的节点面积确定所述第j个子指标的节点面积。
沿用上例,在第j个指标为分区3的情况下,由于分区3不存在对应的第二指标比例,那么则基于分区3的指标值220与根节点的指标值402的第一指标比例:54.73%,以及根节点的节点面积计算第1个子指标:分区3的节点面积,即分区3的节点面积为54.73%的根节点的节点面积。
若第j个指标为分区1,且预设比例阈值为30%,预设节点数量阈值为8,那么在分区3的指标值220与分区1的指标值128的第二指标比例为:58.18%,且j为1的情况下,可以确定第二指标比例58.18%大于等于预设比例阈值30%,j为1小于预设节点数量阈值8,此时,则基于第一指标比例31.84%或第二指标比例58.18%、以及根节点的节点面积计算分区1的节点面积。例如,若j为分区3,那么在分区3不存在第二指标比例的情况下,则基于第一指标比例和根节点的节点面积计算分区3的节点面积,即分区3的节点面积为54.73%的根节点的节点面积;若j为分区1,那么既可以基于分区1的第一指标比例与根节点的节点面积计算分区1的节点面积,又可以基于分区1的第二指标比例与分区3的节点面积计算分区1的节点面积。
然后判断j是否小于m,若是,则将j自增1,继续执行上述步骤,以计算出第1个数据指标:分区中所有子指标的节点面积,例如分区1的节点面积和分区3的节点面积。
若否,则判断i是否小于n,若是,将i自增1,基于预设要求从所述至少两个数据指标中选取第i个数据指标,并确定所述第i个数据指标的子指标的指标值,基于指标值对所述第i个数据指标的子指标进行降序排列,且继续执行上述步骤a2。
其中,判断j是否小于m是为了保证j不是第i个数据指标的最后一个子指标,判断i是否小于n是为保证第i个数据指标不是最后一个数据指标。
参见图3,图3示出了根据本申请一实施例提供的一种目标图像生成方法中第一目标图像的根节点与第一个子节点的示意图。
由图3可知,分区1、分区2、分区3均为根节点:总指标的子节点,而分区1、分区2、分区3这三个子节点根据指标值的大小从左至右向水平方向扩展,且根据其根节点的节点面积计算出每个子节点的节点面积。
本说明书实施例中,将每个数据指标中的子指标作为子节点,且通过预设比例阈值以及预设节点数量阈值对子节点进行筛选,以保证比例分析树(第一目标图像)的子节点均为有可采用价值的子节点,并且避免比例分析树的分支较多,为用户造成不好的体验。
具体实施时,所述基于预设要求从所述至少两个数据指标中选取第i个数据指标,并确定所述第i个数据指标的子指标的指标值,包括:
基于预设要求从所述至少两个数据指标中选取第i个数据指标,并确定所述第i个数据指标中,与第i-1个数据指标中子指标存在关联关系的子指标;
获取与第i-1个数据指标中子指标存在关联关系的子指标的指标值。
具体的,在第1个数据指标中的每个子指标的节点面积均确定之后,将i自增1,然后仍根据预设要求从数据指标集合中选取第2个数据指标,并确定与第1个数据指标的子指标对应的、所述第2个数据指标的子指标的指标值,基于这些子指标的指标值对第2个数据指标的这些子指标进行降序排列。
沿用上例,数据指标集合为[分区,主播类型,主播,用户],则从该数据指标集合中选取第2个数据指标:主播类型,然后确定与第1个数据指标的子指标:分区3对应的、第2个数据指标的子指标:主播类型1、主播类型2、主播类型3,以及主播类型1的指标值117、主播类型2的指标值87、主播类型3的指标值16;然后对这些子指标进行降序排列,获得子指标集合[117,87,16]。
在对第i个数据指标的子指标进行降序排列之后,选取排列的第j个子指标作为子节点,并确定第j个子指标的指标值与根节点的指标值的第一指标比例,以及第j-1个子指标的指标值与所述第j个子指标的指标值的第二指标比例,实际应用中,j也从1开始递增。
沿用上例,选取排列的第1个子指标:主播类型1作为子节点,并确定主播类型1的指标值117与根节点的指标值402的第一指标比例:29.10%,此时,主播类型1为该层的第一个子节点,因此j-1为0,即不存在上一个子节点;而若j为主播类型2的情况下,主播类型2的指标值87与根节点的指标值402的第一指标比例为:21.64%,而主播类型2的上一个子节点为主播类型1,那么主播类型1的指标值117与主播类型2的指标值87的第二指标比例为:74.36%。
具体的,基于所述第一指标比例或所述第二指标比例、以及所述根节点的节点面积确定所述第j个子指标的节点面积,可以理解为基于所述第一指标比例以及所述根节点的节点面积确定所述第j个子指标的节点面积,或者基于所述第二指标比例以及所述第j-1个子指标的节点面积确定所述第j个子指标的节点面积。
若第j个指标为主播类型2,预设比例阈值为30%,预设节点数量阈值为8,那么在主播类型1的指标值117与主播类型2的指标值87的第二指标比例为:74.36%,且j为1的情况下,可以确定第二指标比例74.36%大于等于预设比例阈值30%,j为1小于预设节点数量阈值8,此时,则基于第一指标比例21.64%以及根节点的节点面积计算主播类型2的节点面积,还可以基于第二指标比例74.36%以及上一个子节点:主播类型1的节点面积计算主播类型2的节点面积。
继续判断j是否小于m,若是,则将j自增1,从而确定出第2个数据指标中、与第1个数据指标中子指标关联的每个子指标的节点面积;以及继续判断i是否小于n,若是,则继续将i自增1,基于上述方式计算出每个数据指标中子指标的节点面积;以此类推,通过上述方式计算出第一目标图像的根节点下面的每层子节点以及每个子节点的节点面积,以构建出第一目标图像。
参见图4,图4示出了根据本申请一实施例提供的一种目标图像生成方法中第一目标图像的示意图。
结合表1,通过分区、类型以及主播等数据指标,通过上述目标图像生成方法生成图4中树结构的第一目标图像。
实际应用中,比例分析树在生成的过程中,基于目标对象中的数据指标画根节点,面积记为S(root),根节点记录当前目标对象的数据指标之和,例如表1中当前目标对象中所有数据指标的收益之和,即参见上述图1。
然后选定一个拆分维度D(即数据指标,例如表1中的数据指标:分区),计算该数据指标的每个子指标的指标之和V(Di),按照V(Di)对子指标进行降序排列,选取第一个子指标记为D1,根据比例画此子指标对应的子节点,即该子节点的面积为S(D1)=S(root)*V(D1)/V(root),其中,S(root)为根节点的面积,V(D1)为D1的指标值,V(root)为根节点的指标值;继续选取下一个D2;如果V(D2)/V(D1)>=子节点间最小比例限制,且当前拆分个数小于子节点数限制;则继续画此节点;否则退出,最终将根节点连接每个子节点,边数值表示子节点的指标值和子节点相比根节点的比例,即得到上述图3。
如果还有剩余的拆分维度,则基于预设条件选定下一个维度,重复上述步骤,最终得到上述图4。
实际应用中,为了更好的对比例分析树中的节点进行区分,也可以将每层节点设置为不同的颜色。
本申请实施例提供的所述目标图像生成方法根据对目标对象数据指标的拆解,基于确定出的目标对象的数据指标以及数据指标的子指标的指标值等,通过树结构的图形可以形象地展示出目标对象中各项数据(如营收数据)的组成,后续用户可以通过生成的该树结构的图形可以直观快速的理解目标对象中各项数据的构成,提升用户体验。
本说明书另一实施例中,在目标图像为第二目标图像的情况下,所述确定所述至少两个数据指标中每个数据指标的子指标、以及所述子指标的指标值,包括:
确定当前目标对象的至少两个数据指标、所述至少两个数据指标中每个数据指标的子指标、以及所述子指标的指标值;以及确定与所述当前目标对象对应的上一期目标对象中的所述子指标的指标值。
其中,接收的目标对象可以为一个周期的视频,例如七天的视频,而当前目标对象的上一期目标对象,可以理解为当前周期的当一个周期的目标对象,即与该当前目标对象对应的上一个七天的目标对象。
实际应用中,由于目标对象的类型以及形式等均相同,因此确定的数据指标也相同,而不同的为数据指标中每个子指标对应的指标值不同。
以表1为目标对象的数据指标为例,确定的该目标对象的上一期目标对象的数据指标可以参见表2。
表2
表2中,第一行数据为用户1在分区1下直播的、属于主播类型1的主播1打赏,打赏礼物的价值为78个收益。以此类推,表2中每一行均可以参照此种方式进行理解。
表2中,分区、类型、主播、用户可以理解为数据指标,而分区中的分区1、分区2、分区3可以理解为数据指标分区的子指标,而多个分区1对应的收益相加之和为分区1的指标值、多个分区2对应的收益相加之和为分区2的指标值、多个分区3对应的收益相加之和为分区3的指标值;相应的,主播类型1、主播类型2以及主播类型3为数据指标主播的子指标,而每个子指标的指标值可以通过上述方式获得,以此类推,在此不再赘述。
本说明书实施例中,基于当前目标对象的数据指标与该数据指标在上一期目标对象中的指标值,实现树结构的第二目标图像的构建,使得用户可以基于第二目标图像可以快速的确定当前目标对象与上一期目标对象之间的差异以及具体差异位置,以便用户可以基于第二目标图像对后续的视频类型等进行合理的调整。
具体的,所述基于所述至少两个数据指标、所述每个数据指标的子指标、所述子指标的指标值以及所述预设目标图像生成指标,生成与所述目标对象对应的树型结构的目标图像,包括:
基于所述当前目标对象的所述至少两个数据指标中所有子指标的指标值之和,与所述上一期目标对象的所述子指标的指标值之和,确定根节点的指标差值,并基于所述预设目标图像生成指标确定所述根节点的节点面积;
基于所述当前目标对象的所述子指标的指标值,与所述上一期目标对象的所述子指标的指标值,确定所述子指标的指标差值;
将所述每个数据指标的子指标作为子节点,且基于所述根节点的节点面积以及所述子指标的指标差值确定每个子节点的节点面积;
基于所述根节点、所述根节点的节点面积、所述子节点、所述子节点的节点面积以及所述预设目标图像生成指标,生成与所述目标对象对应的树结构的第二目标图像,
其中,所述第二目标图像用于表示所述至少两个数据指标中每个数据指标的子指标的指标波动。
其中,预设目标图像生成指标包括但不限于预设的根节点的节点面积、节点的节点形状、目标图像水平/竖直扩展方向、子节点数量限制、子节点间最小比例限制、正样本填充颜色、负样本填充颜色以及维度拆分列表等等。具体的,预设目标图像可以根据实际应用进行设置,本申请对此不做任何限定。
具体的,确定当前目标对象的所述至少两个数据指标中所有子指标的指标值之和,以及上一期目标对象的所述至少两个数据指标中所有子指标的指标之和,然后基于这两个指标值之和确定根节点的指标差值,并将预设目标图像中预设的根节点的节点面积作为该根节点的节点面积。
参见表1和表2,当前目标对象的所述至少两个数据指标中所有子指标的指标值之和为402,上一期目标对象的所述至少两个数据指标中所有子指标的指标之和为622,那么将当前目标对象的指标值之和402减去上一期目标对象的指标值之和622,获得根节点的指标差值-220,以及基于预设目标图像确定根节点的形状和面积。
参见图5,图5示出了根据本申请一实施例提供的一种目标图像生成方法中第二目标图像的根节点的示意图。
图5中的根节点为当前目标对象的指标值之和402减去上一期目标对象的指标值之和622,获得的根节点的指标差值(即图5中的指标波动):-220,节点形状为圆形,面积记为S(root)。
在确定根节点、根节点的节点面积以及节点形状之后,基于当前视频的子指标的指标值,与上一期目标对象的该子指标的指标值,确定每个子指标的指标差值。
沿用上例,以子指标为分区3为例,当前视频中分区3的指标值为220,上一期目标对象中分区3的指标值为244,确定的分区3的指标差值为-24,以此类推,可以计算出分区1的指标差值为-128,分区2的指标差值为-68等。
在确定出每个子指标的指标差值后,将每个数据指标的子指标作为子节点,且基于根节点的节点面积以及子指标的指标差值确定每个子节点的节点面积。
沿用上例,将数据指标:分区的子指标:分区1、分区2、分区3,类型的子指标:主播类型1、主播类型2、主播类型3,主播的子指标:主播1至主播13、用户的子指标:用户1至用户10等,作为第二目标图像的子节点,且基于根节点的节点面积S(root)以及每个子指标的指标差值确定每个子节点的节点面积;实际应用中,具体的节点层数可以根据实际应用进行设置,例如若用户作为第二目标图像的子节点的意义不是很大的情况下,可以省略。
最后,基于根节点、根节点的节点面积、子节点、每个子节点的节点面积以及预设目标图像生成指标中的第二目标图像水平/竖直扩展方向、子节点形状、子节点颜色等等,生成与该目标对象对应的树结构的第二目标图像,其中,第一目标图像用于表示所述至少两个数据指标中每个数据指标的子指标的指标波动。
本说明书实施例中,通过根节点、子节点以及节点面积等生成树结构的波动分析树(即第二目标图像),实现通过图像形象地展示出目标对象中数据的组成,基于生成的波动分析树可以帮助用户快速、直观的确定当前目标对象中营收变动较大的异常数据,提升用户体验。
具体的,所述将所述每个数据指标的子指标作为子节点,且基于所述根节点的节点面积以及所述子指标的指标差值确定每个子节点的节点面积,包括:
b1、基于预设要求从所述至少两个数据指标中选取第i个数据指标,并基于所述第i个数据指标的子指标的指标差值,对所述第i个数据指标的子指标进行降序排列,i为正整数,且i∈[1、n];
b2、选取第j个子指标作为子节点,并确定所述第j个子指标的指标差值与所述根节点的指标差值的第三指标比例,以及第j-1个子指标的指标值与所述第j个子指标的指标值的第四指标比例,j为正整数,且j∈[1、m];
b3、在所述第四指标比例大于等于预设比例阈值,且j小于预设节点数量阈值的情况下,基于所述第三指标比例或所述第四指标比例以及所述根节点的节点面积确定所述第j个子指标的节点面积;
b4、判断j是否小于m,若是,则将j自增1,继续执行步骤b2,
若否,则在i小于n的情况下,将i自增1,并基于预设要求从所述至少两个数据指标中选取第i个数据指标,并确定所述第i个数据指标的子指标的指标差值,基于指标差值对所述第i个数据指标的子指标进行降序排列,且继续执行步骤b2。
其中,预设要求可以根据实际应用需求进行设置,本申请对此不做任何限定,例如,沿用上例可以选取子指标数量较少的数据指标:分区或者主播类型作为第i个数据指标,也可以根据每个数据指标的指标增益以及指标增益率确定第i个数据指标,其中,i从1开始进行递增。
具体实施时,从至少两个数据指标中选取第i个数据指标,并基于第i个数据指标的子指标的指标差值,对第i个数据指标的子指标进行降序排列。
实际应用中,为了便于计算,均基于第i个数据指标的子指标的指标差值的绝对值,对第i个数据指标的子指标进行降序排列;沿用上例,若第i个数据指标为分区,即分区的子指标为分区1、分区2以及分区3,其中,分区1的指标差值为-128,分区2的指标差值为-68,分区3的指标差值为-24,然后取每个子指标的绝对值进行降序排列,获得子指标集合[128,68,24]。
在对第i个数据指标的子指标进行降序排列之后,选取排列的第j个子指标作为子节点,并确定第j个子指标的指标差值与根节点的指标差值的第三指标比例,实际应用中,j也从1开始递增。
沿用上例,选取排列的第1个子指标:分区1作为子节点,并确定分区1的指标差值-128与根节点的指标差值-220的第三指标比例的绝对值为:58.18%,此时分区1为该层节点的第一个子节点,因此j-1为0,即不存在上一个子节点;而若j为分区2的情况下,分区2的指标值-68与根节点的指标值-220的第一指标比例为-30.91%,而分区2的上一个子节点为分区1,那么分区1的指标值-128与分区2的指标值-68的第四指标比例为:-53.12%。
在确定第j-1个子指标的指标值与所述第j个子指标的指标值的第四指标比例的绝对值之后,判断第四指标比例的绝对值是否大于等于预设比例阈值,且j是否小于预设节点数量阈值,若是,则基于该第三指标比例或第四指标比例的绝对值、以及根节点的节点面积确定第j个子指标的节点面积;其中,预设比例阈值以及预设节点数量阈值均可以根据实际应用进行设置,本申请对此不做任何限定,例如预设比例阈值可以设置为30%,预设节点数量阈值设置为8等等。
具体的,基于所述第三指标比例或所述第四指标比例、以及所述根节点的节点面积确定所述第j个子指标的节点面积,可以理解为基于所述第三指标比例以及所述根节点的节点面积确定所述第j个子指标的节点面积,或者基于所述第四指标比例以及所述第j-1个子指标的节点面积确定所述第j个子指标的节点面积。
沿用上例,在j个指标为分区1的情况下,由于分区1不存在对应的第四指标比例,那么则基于分区1的指标值-128与根节点的指标值-220的第三指标比例:-58.18%,以及根节点的面积计算分区1的节点面积,即分区1的节点面积为58.18%的根节点的节点面积。
若j个指标为分区2,预设比例阈值为30%,预设节点数量阈值为8,那么在分区1的指标值-128与分区2的指标值-68的第四指标比例的绝对值为:53.12%,且j为1的情况下,可以确定第四指标比例53.12%大于预设比例阈值30%,j为1小于预设节点数量阈值8,此时,则基于第三指标比例的绝对值30.91%或第四指标比例的绝对值53.12%、以及根节点的节点面积计算分区2的节点面积;例如,若j为分区1,那么在分区1不存在第四指标比例的情况下,则基于第三指标比例和根节点的节点面积计算分区1的节点面积,即分区1的节点面积为58.18%的根节点的节点面积;若j为分区2,那么既可以基于分区2的第三指标比例与根节点的节点面积计算分区2的节点面积,又可以基于分区2的第四指标比例与分区1的节点面积计算分区2的节点面积。
然后判断j是否小于m,若是,则将j自增1,继续执行上述步骤b2,以计算出第1个数据指标:分区中所有子指标的节点面积,例如分区2的节点面积和分区3的节点面积。
若否,则判断i是否小于n,若是,将i自增1,并基于预设要求从所述至少两个数据指标中选取第i个数据指标,并确定所述第i个数据指标的子指标的指标差值,基于指标差值对所述第i个数据指标的子指标进行降序排列,且继续执行步骤b2。
其中,判断j是否小于m是为了保证j不是第i个数据指标的最后一个子指标,判断i是否小于n是为保证第i个数据指标不是最后一个数据指标。
参见图6,图6示出了根据本申请一实施例提供的一种目标图像生成方法中第二目标图像的根节点与第一个子节点的示意图。
由图6可知,分区1、分区2、分区3均为根节点:总指标的子节点,而分区1、分区2、分区3这三个子节点根据指标差值的绝对值的大小,从左至右向水平方向扩展,且根据其根节点的节点面积计算出每个子节点的节点面积。
本说明书实施例中,将每个数据指标中的子指标作为子节点,且通过预设比例阈值以及预设节点数量阈值对子节点进行筛选,以保证比例分析树(第二目标图像)的子节点均为有可采用价值的子节点,并且避免比例分析树的分支较多,为用户造成不好的体验。
具体实施时,所述基于预设要求从所述至少两个数据指标中选取第i个数据指标,并确定所述第i个数据指标的子指标的指标差值,包括:
基于预设要求从所述至少两个数据指标中选取第i个数据指标,并确定所述第i个数据指标中,与第i-1个数据指标中子指标存在关联关系的子指标;
获取与第i-1个数据指标中子指标存在关联关系的子指标的指标差值。
具体的,在第1个数据指标中的每个子指标的节点面积均确定之后,将i自增1,然后仍根据预设要求从剩下的数据指标中选取第2个数据指标,并确定与第1个数据指标的子指标对应的、所述第2个数据指标的子指标的指标差值,基于这些子指标的指标差值的绝对值对第2个数据指标的这些子指标进行降序排列。
沿用上例,若从剩下的数据指标中选取第2个数据指标:主播类型,然后确定与第1个数据指标的子指标:分区1对应的、第2个数据指标的子指标:主播类型1、主播类型2,以及主播类型1的指标差值-58、主播类型2的指标差值-70;然后对这些子指标的绝对值进行降序排列,获得子指标集合[70,58]。
在对第i个数据指标的子指标进行降序排列之后,选取排列的第j个子指标作为子节点,并确定第j个子指标的指标差值与根节点的指标差值的第三指标比例,以及第j-1个子指标的指标值与所述第j个子指标的指标值的第四指标比例,实际应用中,j也从1开始递增。且具体的,对于每个子节点的第三指标比例、第四指标比例以及节点面积的确定均可以参见上述实施例,在此不再赘述。
继续判断j是否小于m,若是,则将j自增1,从而确定出第2个数据指标中、与第1个数据指标中子指标关联的每个子指标的节点面积;以及继续判断i是否小于n,若是,则继续将i自增1,基于上述方式计算出每个数据指标中子指标的节点面积;以此类推,通过上述方式计算出第二目标图像的根节点下面的每层子节点以及每个子节点的节点面积,以构建出第二目标图像。
参见图7,图7示出了根据本申请一实施例提供的一种目标图像生成方法中第二目标图像的示意图。
结合表1和表2,通过分区、类型以及主播等数据指标以及每个数据指标的子指标的指标差值,通过上述目标图像生成方法生成图7中树结构的第二目标图像。
实际应用中,波动分析树在生成的过程中,基于当前目标对象以及上一期目标对象中的数据指标画根节点,面积记为S(root),根节点记录当前目标对象与上一期目标对象的数据指标之差,例如通过表1和表2计算出的当前目标对象与上一期目标对象中数据指标之差,即参见上述图5。
然后选定一个拆分维度D(即数据指标,例如表1中的数据指标:分区),对其中一个维度取值Di,分别对两期数据计算数据指标和,再相减,差值记为V(Di),按照V(Di)的绝对值对子指标进行降序排列,选取第一个子指标记为D1,根据比例画此子指标对应的子节点,即该子节点的面积为S(D1)=S(root)*|V(D1)|/|V(root)|,其中,S(root)为根节点的面积,V(D1)为D1的指标值,V(root)为根节点的指标值;继续选取下一个D2;如果|V(D2)|/|V(D1)|>=子节点间最小比例限制,且当前拆分个数小于子节点数限制;则继续画此节点;否则退出,最终将根节点连接每个子节点,边数值表示子节点的指标值和子节点相比根节点的比例,即得到上述图6。
如果还有剩余的拆分维度,则基于预设条件选定下一个维度,重复上述步骤,最终得到上述图7。
本申请实施例提供的所述目标图像生成方法根据对目标对象数据指标的拆解,基于确定出的目标对象的数据指标以及数据指标的子指标的指标值等,通过树结构的图形可以形象地展示出目标对象中各项数据(如营收数据)的组成,后续用户可以通过生成的该树结构的图形可以快速的定位该目标对象中变动较大的异常数据,提升用户体验。
本说明书另一实施例中,所述基于预设要求从所述至少两个数据指标中选取第i个数据指标,并基于所述第i个数据指标的子指标的指标差值,对所述第i个数据指标的子指标进行降序排列,包括:
基于每个数据指标的指标增益以及指标增益率,从所述至少两个数据指标中选取第i个数据指标;
确定所述第i个数据指标的子指标的指标差值的绝对值;
基于所述第i个数据指标的子指标的指标差值的绝对值,对所述第i个数据指标的子指标进行降序排列。
具体实施时,可以基于每个数据指标的指标增益以及指标增益率,从至少两个数据指标中选取第i个数据指标,然后确定第i个数据指标的子指标的指标差值的绝对值,基于所述第i个数据指标的子指标的指标差值的绝对值,对所述第i个数据指标的子指标进行降序排列。
本说明书实施例中,由于子指标的指标差值有的为正数有的为负数,为了实现对子指标的快速排列,以更快的生成第二目标图像,本申请实施例中,基于每个子指标的指标差值的绝对值,实现对所有子指标的降序排列,以便可以基于降序排列的子指标更加快速的生成树结构的第二目标图像。
实际应用中,在生成波动分析树的情况下,可以把数值分为负数和非负数量类,可以采用C4.5算法,在选择下一层拆分维度(即数据指标)的时候,遍历每个剩余维度,计算其信息增益(即指标增益)以及信息增益率(即指标增益率),选择信息增益以及信息增益率都相对较高的维度作为下一个目标节点,例如参见表3。
表3
根据表3,对第一子节点进行确定时,根据C4.5算法分别计算出数据指标:分区、主播类型以及主播的信息增益以及信息增益率,具体如下:
设熵函数H(x)=sum(-pi*log2(pi))=sum(f(pi)),其中,pi表示一种取值的发生概率,(x)=-x*log2(x);
原始熵=f(3/13)+f(10/13)=0.77935;
分区的条件熵=4/13*(f(1/4)+f(3/4))+4/13*(f(0/4)+f(4/4))+5/13*(f(2/5)+f(3/5))=0.62307;
分区的信息增益=0.77935-0.62307=0.15628;
分区的内在信息=f(4/13)+f(4/13)+f(5/13)=1.57662;
分区的信息增益率=15628/1.57662=0.09912
通过上述算法获得分区的信息增益以及信息增益率,同理再基于上述算法分别计算出主播类型以及主播的信息增益以及信息增益率,参见表4。
表4
具体实施时,所述基于每个数据指标的指标增益以及指标增益率,从所述至少两个数据指标中选取第i个数据指标,包括:
基于所述当前目标对象每个数据指标的子指标的指标值以及每个数据指标的子指标在所述上一期目标对象中的指标值,确定每个数据指标的指标增益以及指标增益率;
获取指标增益大于等于预设增益阈值的数据指标,并按照指标增益率对所述指标增益大于等于预设增益阈值的数据指标进行降序排序,且将排列在第一位的数据指标作为第i个目标数据指标。
实际应用中,每次对第i个目标数据指标进行选取时,均可以基于所有数据指标的子指标在当前视频的指标值,与对应的数据指标的子指标在上一期视频的指标值的指标差值,通过上述算法计算出每个数据指标的指标增益以及指标增益率,然后获取指标增益大于等于预设增益阈值的数据指标,并按照指标增益率对所有指标增益大于等于预设增益阈值的数据指标进行降序排序,最后将排列在第一位的数据指标作为第i个数据指标。其中,预设增益阈值可以根据实际应用进行设置,例如预设增益阈值可以是所有数据指标的指标增益的平均增益,本申请对此不做任何限定。
参见表4,表4中计算出的数据指标:分区的指标增益为0.15628,指标增益率为0.09912;数据指标:主播类型的指标增益为0.12101,指标增益率为0.07928;数据指标:主播的指标增益为0.77934,指标增益率为0.01706;例如预设增益阈值为0.13,那么指标增益大于等于预设增益阈值的数据指标则为:分区和主播;此时按照分区和主播的指标增益率对分区和主播进行降序排列,形成[分区0.09912、主播0.01706],此时将指标增益率最高的数据指标:分区作为第i个数据指标。
本说明书实施例中,在获得每个数据指标的指标增益以及指标增益率之后,可以先选择指标增益超过平均水平的数据指标,再从选择的数据指标中选择指标增益率最大的数据指标作为目标数据指标,通过此种方式生成波动分析树,使得整个波动分析树的结构更加符合用户的直观感受,实现用户可以基于波动分析树更加快速的分析出目标对象的波动指标。
本说明书另一实施例中,所述基于所述当前目标对象的所述子指标的指标值,与所述上一期目标对象的所述子指标的指标值,确定所述子指标的指标差值之后,还包括:
基于所述预设目标图像生成指标将指标差值为负数的子指标对应的子节点设置为第一类型,以及将指标差值为正数的子指标对应的子节点设置为第二类型。
其中,第一类型可以为预设渲染颜色,第二类型可以为与第一类型不同的预设渲染颜色;又或者是第一类型与第二类型为两种不同的节点形状等。
实际应用中,当前目标对象与上一期目标对象的子指标的指标差值一般为相同类型,即同时呈现增长趋势或者是同时呈现下降趋势,若某个子指标的指标差值的类型与大多数的指标差值类型不同的情况下,有很大可能出现这些子指标出现问题;因此为了更好的使得用户明确异常的子指标,可以将不同类型的子指标在波动分析树中以不同颜色的子节点呈现出来。
例如将当前目标对象与上一期目标对象的子指标的指标差值为负数的子指标对应的子节点设置为绿色,将当前目标对象与上一期目标对象的子指标的指标差值为正数的子指标对应的子节点设置为红色。实际应用中,当波动分析树中的绿色子节点较多,仅出现了几个红色子节点的情况下,用户可以仅对红色子节点中的波动数据进行分析,以更加快速、直观的基于波动分析树确定目标对象中的异常数据。
与上述方法实施例相对应,本申请还提供了目标图像生成装置实施例,图8示出了本申请一实施例提供的一种目标图像生成装置的结构示意图。如图8所示,该装置包括:
指标确定模块802,被配置为获取目标对象,并根据所述目标对象的属性信息确定所述目标对象的至少两个数据指标;
目标图像生成模块804,被配置为基于所述至少两个数据指标以及预设目标图像生成指标,生成与所述目标对象对应的树型结构的目标图像,
其中,所述目标图像用于表示所述至少两个数据指标的结构以及指标波动。
可选地,所述指标确定模块802,进一步被配置为:
确定所述至少两个数据指标中每个数据指标的子指标、以及所述子指标的指标值;
相应地,所述目标图像生成模块804,进一步被配置为:
基于所述至少两个数据指标、所述每个数据指标的子指标、所述子指标的指标值以及所述预设目标图像生成指标,生成与所述目标对象对应的树型结构的目标图像。
可选地,所述目标图像生成模块804,进一步被配置为:
将所述至少两个数据指标中所有子指标的指标值之和作为根节点的指标值,并基于预设目标图像生成指标确定所述根节点的节点面积;
将所述每个数据指标的子指标作为子节点,且基于所述根节点的节点面积以及所述子指标的指标值确定每个子节点的节点面积;
基于所述根节点、所述根节点的节点面积、所述子节点、所述子节点的节点面积以及所述预设目标图像生成指标,生成与所述目标对象对应的树结构的第一目标图像,
其中,所述第一目标图像用于表示所述至少两个数据指标中每个数据指标的子指标的结构。
可选地,所述目标图像生成模块804,进一步被配置为:
a1、基于预设要求从所述至少两个数据指标中选取第i个数据指标,并基于所述第i个数据指标的子指标的指标值,对所述第i个数据指标的子指标进行降序排列,i为正整数,且i∈[1、n];
a2、选取第j个子指标作为子节点,并确定所述第j个子指标的指标值与所述根节点的指标值的第一指标比例,以及第j-1个子指标的指标值与所述第j个子指标的指标值的第二指标比例,j为正整数,且j∈[1、m];
a3、在所述第二指标比例大于等于预设比例阈值,且j小于预设节点数量阈值的情况下,基于所述第一指标比例或所述第二指标比例、以及所述根节点的节点面积确定所述第j个子指标的节点面积;
a4、判断j是否小于m,若是,则将j自增1,继续执行步骤a2,
若否,则在i小于n的情况下,将i自增1,并基于预设要求从所述至少两个数据指标中选取第i个数据指标,并确定所述第i个数据指标的子指标的指标值,基于指标值对所述第i个数据指标的子指标进行降序排列,且继续执行步骤a2。
可选地,所述目标图像生成模块804,进一步被配置为:
基于预设要求从所述至少两个数据指标中选取第i个数据指标,并确定所述第i个数据指标中,与第i-1个数据指标中子指标存在关联关系的子指标;
获取与第i-1个数据指标中子指标存在关联关系的子指标的指标值。
可选地,所述指标确定模块802,进一步被配置为:
确定当前目标对象的至少两个数据指标、所述至少两个数据指标中每个数据指标的子指标、以及所述子指标的指标值;以及确定与所述当前目标对象对应的上一期目标对象中的所述子指标的指标值。
可选地,所述目标图像生成模块804,进一步被配置为:
基于所述当前目标对象的所述至少两个数据指标中所有子指标的指标值之和,与所述上一期目标对象的所述子指标的指标值之和,确定根节点的指标差值,并基于预设目标图像生成指标确定所述根节点的节点面积;
基于所述当前目标对象的所述子指标的指标值,与所述上一期目标对象的所述子指标的指标值,确定所述子指标的指标差值;
将所述每个数据指标的子指标作为子节点,且基于所述根节点的节点面积以及所述子指标的指标差值确定每个子节点的节点面积;
基于所述根节点、所述根节点的节点面积、所述子节点、所述子节点的节点面积以及所述预设目标图像生成指标,生成与所述目标对象对应的树结构的第二目标图像,
其中,所述第二目标图像用于表示所述至少两个数据指标中每个数据指标的子指标的指标波动。
可选地,所述目标图像生成模块804,进一步被配置为:
b1、基于预设要求从所述至少两个数据指标中选取第i个数据指标,并基于所述第i个数据指标的子指标的指标差值,对所述第i个数据指标的子指标进行降序排列,i为正整数,且i∈[1、n];
b2、选取第j个子指标作为子节点,并确定所述第j个子指标的指标差值与所述根节点的指标差值的第三指标比例,以及第j-1个子指标的指标值与所述第j个子指标的指标值的第四指标比例,j为正整数,且j∈[1、m];
b3、在所述第四指标比例大于等于预设比例阈值,且j小于预设节点数量阈值的情况下,基于所述第三指标比例或所述第四指标比例、以及所述根节点的节点面积确定所述第j个子指标的节点面积;
b4、判断j是否小于m,若是,则将j自增1,继续执行步骤b2,
若否,则在i小于n的情况下,将i自增1,并基于预设要求从所述至少两个数据指标中选取第i个数据指标,并确定所述第i个数据指标的子指标的指标差值,基于指标差值对所述第i个数据指标的子指标进行降序排列,且继续执行步骤b2。
可选地,所述目标图像生成模块804,进一步被配置为:
基于预设要求从所述至少两个数据指标中选取第i个数据指标,并确定所述第i个数据指标中,与第i-1个数据指标中子指标存在关联关系的子指标;
获取与第i-1个数据指标中子指标存在关联关系的子指标的指标差值。
可选地,所述目标图像生成模块804,进一步被配置为:
基于每个数据指标的指标增益以及指标增益率,从所述至少两个数据指标中选取第i个数据指标;
确定所述第i个数据指标的子指标的指标差值的绝对值;
基于所述第i个数据指标的子指标的指标差值的绝对值,对所述第i个数据指标的子指标进行降序排列。
可选地,所述目标图像生成模块804,进一步被配置为:
基于所述当前目标对象每个数据指标的子指标的指标值以及每个数据指标的子指标在所述上一期目标对象中的指标值的指标差值,确定每个数据指标的指标增益以及指标增益率;
获取指标增益大于等于预设增益阈值的数据指标,并按照指标增益率对所述指标增益大于等于预设增益阈值的数据指标进行降序排序,且将排列在第一位的数据指标作为第i个数据指标。
可选地,所述装置,还包括:
节点类型确定模块,被配置为基于所述预设目标图像生成指标将指标差值为负数的子指标对应的子节点设置为第一类型,以及将指标差值为正数的子指标对应的子节点设置为第二类型。
本申请实施例提供的所述目标图像生成装置,根据对目标对象数据指标的拆解,基于确定出的目标对象的数据指标以及数据指标的子指标的指标值等,通过树结构的图形可以形象地展示出目标对象中各项数据(如营收数据)的组成,后续用户可以通过生成的该树结构的图形可以直观快速的理解目标对象中各项数据的构成以及快速的定位该目标对象中变动较大的异常数据,提升用户体验。
上述为本实施例的一种目标图像生成装置的示意性方案。需要说明的是,该目标图像生成装置的技术方案与上述的目标图像生成方法的技术方案属于同一构思,目标图像生成装置的技术方案未详细描述的细节内容,均可以参见上述目标图像生成方法的技术方案的描述。
图9示出了根据本说明书一个实施例提供的一种计算设备900的结构框图。该计算设备900的部件包括但不限于存储器910和处理器920。处理器920与存储器910通过总线930相连接,数据库950用于保存数据。
计算设备900还包括接入设备940,接入设备940使得计算设备900能够经由一个或多个网络960通信。这些网络的示例包括公用交换电话网(PSTN)、局域网(LAN)、广域网(WAN)、个域网(PAN)或诸如因特网的通信网络的组合。接入设备940可以包括有线或无线的任何类型的网络接口(例如,网络接口卡(NIC))中的一个或多个,诸如IEEE802.11无线局域网(WLAN)无线接口、全球微波互联接入(Wi-MAX)接口、以太网接口、通用串行总线(USB)接口、蜂窝网络接口、蓝牙接口、近场通信(NFC)接口,等等。
在本说明书的一个实施例中,计算设备900的上述部件以及图9中未示出的其他部件也可以彼此相连接,例如通过总线。应当理解,图9所示的计算设备结构框图仅仅是出于示例的目的,而不是对本说明书范围的限制。本领域技术人员可以根据需要,增添或替换其他部件。
计算设备900可以是任何类型的静止或移动计算设备,包括移动计算机或移动计算设备(例如,平板计算机、个人数字助理、膝上型计算机、笔记本计算机、上网本等)、移动电话(例如,智能手机)、可佩戴的计算设备(例如,智能手表、智能眼镜等)或其他类型的移动设备,或者诸如台式计算机或PC的静止计算设备。计算设备900还可以是移动式或静止式的服务器。
其中,处理器920用于执行如下计算机可执行指令,所述处理器920执行所述计算机可执行指令时实现所述的目标图像生成方法的步骤。
上述为本实施例的一种计算设备的示意性方案。需要说明的是,该计算设备的技术方案与上述的目标图像生成方法的技术方案属于同一构思,计算设备的技术方案未详细描述的细节内容,均可以参见上述目标图像生成方法的技术方案的描述。
本申请一实施例还提供一种计算机可读存储介质,其存储有计算机指令,该指令被处理器执行时实现如前所述目标图像生成方法的步骤。
上述为本实施例的一种计算机可读存储介质的示意性方案。需要说明的是,该存储介质的技术方案与上述的目标图像生成方法的技术方案属于同一构思,存储介质的技术方案未详细描述的细节内容,均可以参见上述目标图像生成方法的技术方案的描述。
上述对本申请特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
所述计算机指令包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括电载波信号和电信信号。
需要说明的是,对于前述的各方法实施例,为了简便描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本申请并不受所描述的动作顺序的限制,因为依据本申请,某些步骤可以采用其它顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和模块并不一定都是本申请所必须的。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其它实施例的相关描述。
以上公开的本申请优选实施例只是用于帮助阐述本申请。可选实施例并没有详尽叙述所有的细节,也不限制该发明仅为所述的具体实施方式。显然,根据本申请的内容,可作很多的修改和变化。本申请选取并具体描述这些实施例,是为了更好地解释本申请的原理和实际应用,从而使所属技术领域技术人员能很好地理解和利用本申请。本申请仅受权利要求书及其全部范围和等效物的限制。
Claims (15)
1.一种目标图像生成方法,其特征在于,包括:
获取目标对象,并根据所述目标对象的属性信息确定所述目标对象的至少两个数据指标;
基于所述至少两个数据指标以及预设目标图像生成指标,生成与所述目标对象对应的树型结构的目标图像,
其中,所述目标图像用于表示所述至少两个数据指标的结构以及指标波动。
2.根据权利要求1所述的目标图像生成方法,其特征在于,所述根据所述目标对象的属性信息确定所述目标对象的至少两个数据指标之后,还包括:
确定所述至少两个数据指标中每个数据指标的子指标、以及所述子指标的指标值;
相应地,所述基于所述至少两个数据指标以及预设目标图像生成指标,生成与所述目标对象对应的树型结构的目标图像,包括:
基于所述至少两个数据指标、所述每个数据指标的子指标、所述子指标的指标值以及所述预设目标图像生成指标,生成与所述目标对象对应的树型结构的目标图像。
3.根据权利要求2所述的目标图像生成方法,其特征在于,所述基于所述至少两个数据指标、所述每个数据指标的子指标、所述子指标的指标值以及所述预设目标图像生成指标,生成与所述目标对象对应的树型结构的目标图像,包括:
将所述至少两个数据指标中所有子指标的指标值之和作为根节点的指标值,并基于所述预设目标图像生成指标确定所述根节点的节点面积;
将所述每个数据指标的子指标作为子节点,且基于所述根节点的节点面积以及所述子指标的指标值确定每个子节点的节点面积;
基于所述根节点、所述根节点的节点面积、所述子节点、所述子节点的节点面积以及所述预设目标图像生成指标,生成与所述目标对象对应的树结构的第一目标图像,
其中,所述第一目标图像用于表示所述至少两个数据指标中每个数据指标的子指标的结构。
4.根据权利要求3所述的目标图像生成方法,其特征在于,所述将所述每个数据指标的子指标作为子节点,且基于所述根节点的节点面积以及所述子指标的指标值确定每个子节点的节点面积,包括:
a1、基于预设要求从所述至少两个数据指标中选取第i个数据指标,并基于所述第i个数据指标的子指标的指标值,对所述第i个数据指标的子指标进行降序排列,i为正整数,且i∈[1、n];
a2、选取第j个子指标作为子节点,并确定所述第j个子指标的指标值与所述根节点的指标值的第一指标比例,以及第j-1个子指标的指标值与所述第j个子指标的指标值的第二指标比例,j为正整数,且j∈[1、m];
a3、在所述第二指标比例大于等于预设比例阈值,且j小于预设节点数量阈值的情况下,基于所述第一指标比例或所述第二指标比例、以及所述根节点的节点面积确定所述第j个子指标的节点面积;
a4、判断j是否小于m,若是,则将j自增1,继续执行步骤a2,
若否,则在i小于n的情况下,将i自增1,并基于预设要求从所述至少两个数据指标中选取第i个数据指标,并确定所述第i个数据指标的子指标的指标值,基于指标值对所述第i个数据指标的子指标进行降序排列,且继续执行步骤a2。
5.根据权利要求4所述的目标图像生成方法,其特征在于,所述基于预设要求从所述至少两个数据指标中选取第i个数据指标,并确定所述第i个数据指标的子指标的指标值,包括:
基于预设要求从所述至少两个数据指标中选取第i个数据指标,并确定所述第i个数据指标中,与第i-1个数据指标中子指标存在关联关系的子指标;
获取与第i-1个数据指标中子指标存在关联关系的子指标的指标值。
6.根据权利要求2所述的目标图像生成方法,其特征在于,所述确定所述至少两个数据指标中每个数据指标的子指标、以及所述子指标的指标值,包括:
确定当前目标对象的至少两个数据指标、所述至少两个数据指标中每个数据指标的子指标、以及所述子指标的指标值;以及确定与所述当前目标对象对应的上一期目标对象中的所述子指标的指标值。
7.根据权利要求6所述的目标图像生成方法,其特征在于,所述基于所述至少两个数据指标、所述每个数据指标的子指标、所述子指标的指标值以及所述预设目标图像生成指标,生成与所述目标对象对应的树型结构的目标图像,包括:
基于所述当前目标对象的所述至少两个数据指标中所有子指标的指标值之和,与所述上一期目标对象的所述子指标的指标值之和,确定根节点的指标差值,并基于所述预设目标图像生成指标确定所述根节点的节点面积;
基于所述当前目标对象的所述子指标的指标值,与所述上一期目标对象的所述子指标的指标值,确定所述子指标的指标差值;
将所述每个数据指标的子指标作为子节点,且基于所述根节点的节点面积以及所述子指标的指标差值确定每个子节点的节点面积;
基于所述根节点、所述根节点的节点面积、所述子节点、所述子节点的节点面积以及所述预设目标图像生成指标,生成与所述目标对象对应的树结构的第二目标图像,
其中,所述第二目标图像用于表示所述至少两个数据指标中每个数据指标的子指标的指标波动。
8.根据权利要求7所述的目标图像生成方法,其特征在于,所述将所述每个数据指标的子指标作为子节点,且基于所述根节点的节点面积以及所述子指标的指标差值确定每个子节点的节点面积,包括:
b1、基于预设要求从所述至少两个数据指标中选取第i个数据指标,并基于所述第i个数据指标的子指标的指标差值,对所述第i个数据指标的子指标进行降序排列,i为正整数,且i∈[1、n];
b2、选取第j个子指标作为子节点,并确定所述第j个子指标的指标差值与所述根节点的指标差值的第三指标比例,以及第j-1个子指标的指标值与所述第j个子指标的指标值的第四指标比例,j为正整数,且j∈[1、m];
b3、在所述第四指标比例大于等于预设比例阈值,且j小于预设节点数量阈值的情况下,基于所述第三指标比例或所述第四指标比例、以及所述根节点的节点面积确定所述第j个子指标的节点面积;
b4、判断j是否小于m,若是,则将j自增1,继续执行步骤b2,
若否,则在i小于n的情况下,将i自增1,并基于预设要求从所述至少两个数据指标中选取第i个数据指标,并确定所述第i个数据指标的子指标的指标差值,基于指标差值对所述第i个数据指标的子指标进行降序排列,且继续执行步骤b2。
9.根据权利要求8所述的目标图像生成方法,其特征在于,所述基于预设要求从所述至少两个数据指标中选取第i个数据指标,并确定所述第i个数据指标的子指标的指标差值,包括:
基于预设要求从所述至少两个数据指标中选取第i个数据指标,并确定所述第i个数据指标中,与第i-1个数据指标中子指标存在关联关系的子指标;
获取与第i-1个数据指标中子指标存在关联关系的子指标的指标差值。
10.根据权利要求8或9所述的目标图像生成方法,其特征在于,所述基于预设要求从所述至少两个数据指标中选取第i个数据指标,并基于所述第i个数据指标的子指标的指标差值,对所述第i个数据指标的子指标进行降序排列,包括:
基于每个数据指标的指标增益以及指标增益率,从所述至少两个数据指标中选取第i个数据指标;
确定所述第i个数据指标的子指标的指标差值的绝对值;
基于所述第i个数据指标的子指标的指标差值的绝对值,对所述第i个数据指标的子指标进行降序排列。
11.根据权利要求10所述的目标图像生成方法,其特征在于,所述基于每个数据指标的指标增益以及指标增益率,从所述至少两个数据指标中选取第i个数据指标,包括:
基于所述当前目标对象每个数据指标的子指标的指标值以及每个数据指标的子指标在所述上一期目标对象中的指标值的指标差值,确定每个数据指标的指标增益以及指标增益率;
获取指标增益大于等于预设增益阈值的数据指标,并按照指标增益率对所述指标增益大于等于预设增益阈值的数据指标进行降序排序,且将排列在第一位的数据指标作为第i个数据指标。
12.根据权利要求7-11任意一项目标图像生成方法,其特征在于,所述基于所述当前目标对象的所述子指标的指标值,与所述上一期目标对象的所述子指标的指标值,确定所述子指标的指标差值之后,还包括:
基于所述预设目标图像生成指标将指标差值为负数的子指标对应的子节点设置为第一类型,以及将指标差值为正数的子指标对应的子节点设置为第二类型。
13.一种目标图像生成装置,其特征在于,包括:
指标确定模块,被配置为获取目标对象,并根据所述目标对象的属性信息确定所述目标对象的至少两个数据指标;
目标图像生成模块,被配置为基于所述至少两个数据指标以及预设目标图像生成指标,生成与所述目标对象对应的树型结构的目标图像,
其中,所述目标图像用于表示所述至少两个数据指标的结构以及指标波动。
14.一种计算设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机指令,其特征在于,所述处理器执行所述计算机指令时实现权利要求1-12任意一项所述目标图像生成方法的步骤。
15.一种计算机可读存储介质,其存储有计算机指令,其特征在于,该计算机指令被处理器执行时实现权利要求1-12任意一项所述目标图像生成方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110112463.7A CN112819313A (zh) | 2021-01-27 | 2021-01-27 | 目标图像生成方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110112463.7A CN112819313A (zh) | 2021-01-27 | 2021-01-27 | 目标图像生成方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112819313A true CN112819313A (zh) | 2021-05-18 |
Family
ID=75859701
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110112463.7A Pending CN112819313A (zh) | 2021-01-27 | 2021-01-27 | 目标图像生成方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112819313A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113220299A (zh) * | 2021-05-28 | 2021-08-06 | 北京达佳互联信息技术有限公司 | 一种图形化展示的方法及装置 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN304553860S (zh) * | 2018-03-27 | |||
CN108241687A (zh) * | 2016-12-26 | 2018-07-03 | 阿里巴巴集团控股有限公司 | 一种可视化图表信息的处理方法及装置 |
CN108346011A (zh) * | 2018-05-15 | 2018-07-31 | 阿里巴巴集团控股有限公司 | 指标波动分析方法及装置 |
CN109086399A (zh) * | 2018-07-30 | 2018-12-25 | 中国人民解放军军事科学院系统工程研究院 | 一种综合贡献度分析与一体可视化表现方法 |
CN110046291A (zh) * | 2019-01-28 | 2019-07-23 | 阿里巴巴集团控股有限公司 | 指标数据的可视化拆解方法、装置及设备 |
WO2020087830A1 (zh) * | 2018-11-02 | 2020-05-07 | 深圳壹账通智能科技有限公司 | 数据分析方法、装置、服务器及存储介质 |
-
2021
- 2021-01-27 CN CN202110112463.7A patent/CN112819313A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN304553860S (zh) * | 2018-03-27 | |||
CN108241687A (zh) * | 2016-12-26 | 2018-07-03 | 阿里巴巴集团控股有限公司 | 一种可视化图表信息的处理方法及装置 |
CN108346011A (zh) * | 2018-05-15 | 2018-07-31 | 阿里巴巴集团控股有限公司 | 指标波动分析方法及装置 |
CN109086399A (zh) * | 2018-07-30 | 2018-12-25 | 中国人民解放军军事科学院系统工程研究院 | 一种综合贡献度分析与一体可视化表现方法 |
WO2020087830A1 (zh) * | 2018-11-02 | 2020-05-07 | 深圳壹账通智能科技有限公司 | 数据分析方法、装置、服务器及存储介质 |
CN110046291A (zh) * | 2019-01-28 | 2019-07-23 | 阿里巴巴集团控股有限公司 | 指标数据的可视化拆解方法、装置及设备 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113220299A (zh) * | 2021-05-28 | 2021-08-06 | 北京达佳互联信息技术有限公司 | 一种图形化展示的方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110321422B (zh) | 在线训练模型的方法、推送方法、装置以及设备 | |
CN109241412B (zh) | 一种基于网络表示学习的推荐方法、系统及电子设备 | |
CN108280670B (zh) | 种子人群扩散方法、装置以及信息投放系统 | |
CN110399487B (zh) | 一种文本分类方法、装置、电子设备及存储介质 | |
Halim et al. | Quantifying and optimizing visualization: An evolutionary computing-based approach | |
CN111695960A (zh) | 一种对象推荐系统、方法、电子设备及存储介质 | |
CN112069341A (zh) | 背景图片生成及搜索结果展示方法、装置、设备和介质 | |
CN111159563A (zh) | 用户兴趣点信息的确定方法、装置、设备及存储介质 | |
CN110287415A (zh) | 一种内容推荐方法、装置和计算设备 | |
CN112819313A (zh) | 目标图像生成方法及装置 | |
CN111160699A (zh) | 一种专家推荐方法及系统 | |
Zhang et al. | Local low-rank matrix approximation with preference selection of anchor points | |
Richards et al. | Accurate parameter estimation for star formation history in galaxies using SDSS spectra | |
CN112837108A (zh) | 信息处理方法、装置及电子设备 | |
CN115757973A (zh) | 推荐系统的排序方法、装置、设备及可读存储介质 | |
CN110705955A (zh) | 合同检测方法以及装置 | |
US7259763B2 (en) | Embedded analytics in information visualization | |
Bakar et al. | Application of graph theory and matrix approach as decision analysis tool for smartphone selection | |
CN114090848A (zh) | 数据推荐及分类方法、特征融合模型及电子设备 | |
CN114782062A (zh) | 商品召回优化方法及其装置、设备、介质、产品 | |
CN110309361B (zh) | 一种视频评分的确定方法、推荐方法、装置及电子设备 | |
CN114595406A (zh) | 多路召回结果的排序方法及装置 | |
CN113221004A (zh) | 一种关键词展示方法及装置 | |
CN113516524A (zh) | 用于推送信息的方法和装置 | |
Schikora et al. | InfluViz—A Visualization Tool for Exploring and Analyzing Creative Influence Between Artists and their Works |
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 |