CN113033887A - 一种用户优先级的确定方法、电子设备及可读存储介质 - Google Patents

一种用户优先级的确定方法、电子设备及可读存储介质 Download PDF

Info

Publication number
CN113033887A
CN113033887A CN202110291353.1A CN202110291353A CN113033887A CN 113033887 A CN113033887 A CN 113033887A CN 202110291353 A CN202110291353 A CN 202110291353A CN 113033887 A CN113033887 A CN 113033887A
Authority
CN
China
Prior art keywords
priority
feature vector
data
vector
time sequence
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
CN202110291353.1A
Other languages
English (en)
Inventor
张静雅
朱金星
张青青
段力阁
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.)
Beijing Yunzhenxin Technology Co ltd
Original Assignee
Beijing Yunzhenxin 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 Beijing Yunzhenxin Technology Co ltd filed Critical Beijing Yunzhenxin Technology Co ltd
Priority to CN202110291353.1A priority Critical patent/CN113033887A/zh
Publication of CN113033887A publication Critical patent/CN113033887A/zh
Pending legal-status Critical Current

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
    • 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
    • G06Q10/067—Enterprise or organisation modelling

Landscapes

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

Abstract

本发明公开了一种用户优先级的确定方法、电子设备及可读存储介质，所述方法包括如下步骤：S101、获取用户的设备数据集，所述设备数据集包括第一数据和/或第二数据；S103、将所述第一数据输入至时序模型中，生成时序特征向量；S105、将所述第二数据进行特征工程，生成非时序特征向量；S107、将目标特征向量输入至预设的优先级模型，确定所述设备ID对应的用户优先级，其中，所述目标特征向量包括所述时序特征向量和所述非时序特征向量；本发明能够提高确定用户优先级的准确性，使企业或者第三方基于用户优先级对用户采取适合的规避策略，避免对企业或者第三方的损失。

Description

一种用户优先级的确定方法、电子设备及可读存储介质
技术领域
本发明涉及优先级处理技术领域，特别涉及一种用户优先级的确定方法、电子设备及可读存储介质。
背景技术
随着经济的发展，对应用户优先级的判断越来越重要，任一企业或者第三方对于不同优先级的用户可以采取不同的规避策略，为了减少企业或者第三方的各个方面的损失。
目前，用户优先级的判断具有多种方法，例如，根据用户的关联关系或者用户的设备信息，通过优先级模型进行预测得到用户的优先级，这种方法在对关联关系或者设备信息处理时，只是简单的提取特征，基于特征输入优先级模型中得到用户的优先级，导致确定出的用户优先级不够准确，影响到企业或者第三方基于用户优先级对用户采取的规避策略，进而造成企业或者第三方的损失。
发明内容
为了解决现有技术的问题，通过获取用户的设备数据集，所述设备数据集包括第一数据和第二数据，通过时序模型对第一数据进行处理得到时序特征向量，同时对第二数据进行特征处理得到非时序特征向量，再基于时序特征向量和非时序特征向量构成的目标向量输入至预设的优先级模型中，确定出用户的优先级；能够提高确定用户优先级的准确性，使企业或者第三方基于用户优先级对用户采取适合的规避策略，避免对企业或者第三方的损失；本发明实施例提供了一种用户优先级的确定方法、电子设备及可读存储介质。所述技术方案如下：
一方面，一种用户优先级的确定方法，所述方法包括如下步骤：
S101、获取设备ID和所述设备ID对应的设备数据集，所述设备数据集包括第一数据和/或第二数据；
S103、将所述第一数据输入至时序模型中，生成时序特征向量(H1，H2，H3，……，Ht)，t＝1……m，其中，所述Ht是指第t个预设时间间隔的时序特征值；
S105、将所述第二数据进行特征工程，生成非时序特征向量(G1，G2，G3，……，Gk)，k＝1……n，其中，所述Gk是指第k个非时序特征值；
S107、将目标特征向量输入至预设的优先级模型，确定所述设备ID对应的用户优先级，其中，所述目标特征向量包括所述时序特征向量和/或所述非时序特征向量。
另一方面，一种电子设备，包括处理器和存储器，所述存储器中存储有至少一条指令或至少一段程序，所述至少一条指令或所述至少一段程序由所述处理器加载并执行以实现如上述任一项所述的用户优先级的确定方法。
另一方面，一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一条指令或至少一段程序，所述至少一条指令或所述至少一段程序由处理器加载并执行以实现如上述任一项所述的用户优先级的确定方法。
本发明提供的一种用户优先级的确定方法、电子设备及可读存储介质，具有如下技术效果：
本发明通过获取用户的设备数据集，所述设备数据集包括第一数据和第二数据，通过时序模型对第一数据进行处理得到时序特征向量，同时对第二数据进行特征处理得到非时序特征向量，再基于时序特征向量和非时序特征向量构成的目标向量输入至预设的优先级模型中，确定出用户的优先级；可见，发明的技术方案通过时序特征向量和非时序特征向量共同输入至预设的优先级模型中，确定所述设备ID对应的用户优先级，能够避免数据的不准确性，提高确定用户优先级的准确性，使企业或者第三方基于用户优先级对用户采取适合的规避策略，避免对企业或者第三方的损失。
附图说明
为了更清楚地说明本发明实施例中的技术方案，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，下面描述中的附图仅仅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是本发明实施例一提供的一种用户优先级的确定方法的流程示意图；
图2是本发明实施例一提供的一种用户优先级的确定方法的另一个流程示意图；
图3是本发明实施例二提供的一种用户优先级的确定方法的流程示意图；
图4是本发明实施例三提供的一种用户优先级的确定方法的流程示意图。
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做出创造性劳动的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。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或服务器不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例一
如图1所示，本实施例一提供了一种用户优先级的确定方法，所述方法包括如下步骤：
S101、获取设备ID和所述设备ID对应的设备数据集，所述设备数据集包括第一数据和第二数据；
具体地，所述第一数据是指在第一时间窗内的设备数据，所述第一时间窗范围为1-4周；优先地，所述第一时间窗为4周。
具体地，所述第二数据是指在第二时间窗内的设备数据，所述第二时间窗范围为6-12个月；优先地，所述第二时间窗为6个月。
S103、将所述第一数据输入至时序模型中，生成时序特征向量(H1，H2，H3，……，Ht)，t为预设时间间隔的数量，t＝1……m，其中，所述Ht是指第t个预设时间间隔对应的时序特征值。
具体地，所述时序特征值是指随时间变化进行改变的设备特征值。
具体地，所述时序模型是指将数据生成时序特征的任一模型，优选地，所述时序模型为LSTM(Long Short Term Memory，简称LSTM)模型。
在一个具体的实施例中，所述方法还包括如下方法确定时序特征向量：
将所述第一数据进行特征向量提取，得到设备特征向量(X1，X2，X3，……，Xt)，其中，所述Xt是指第t个预设时间间隔对应的设备信息；
将所述设备特征向量(X1，X2，X3，……，Xt)输入至所述时序模型中，得到时序特征向量(H1，H2，H3，……，Ht)。
具体地，所述设备信息至少包括：预设APP的安装信息、预设APP的卸载信息、预设APP的活跃信息和/或者设备的活跃信息等。
具体地，所述预设时间间隔是指基于所述第一时间窗进行平均划分，所述预设时间间隔范围为1至7天，优先地，所述时间间隔为1天。
具体地，所述Ht符合以下条件：
Ht＝L(λt，Ct)，其中，所述L()为所述时序模型的计算函数，所述λt为输出门激活向量(λ1，λ2，λ3，……，λt)中任一向量值，所述Ct为状态向量(C1，C2，C3，……，Ct)中任一向量值。
优先地，
Figure BDA0002982115160000051
其中，所述λt和σh(Ct)之间采用Hadmard乘法，能够保证不同向量之间相同位置的向量值相乘，便于时序模型的计算。
进一步地，所述输出门激活向量(λ1，λ2，λ3，……，λt)是根据所述设备特征向量(X1，X2，X3，……，Xt)进行确定。
优先地，所述λt符合以下条件：
λt＝σg(WλXt+UλHt-1+Bλ)，其中，Wλ、σg、Uλ和Bλ均属于所述时序模型的参数。
进一步地，所述状态向量(C1，C2，C3，……，Ct)是根据遗忘门激活向量(F1，F2，F3，……，Ft)、输入门激活向量(I1，I2，I3，……，It)和预设状态向量
Figure BDA0002982115160000052
进行确定。
优先地，所述Ct符合以下条件：
Figure BDA0002982115160000053
其中，所述Ft为所述遗忘门激活向量(F1，F2，F3，……，Ft)中任一向量值，所述It为所述输入门激活向量(I1，I2，I3，……，It)中任一向量值，所述
Figure BDA0002982115160000054
为所述预设状态向量
Figure BDA0002982115160000055
中任一向量值。
进一步地，所述遗忘门激活向量(F1，F2，F3，……，Ft)是根据所述设备特征向量(X1，X2，X3，……，Xt)进行确定；优先地，所述Ft符合以下条件：Ft＝σg(WfXt+UfHt-1+Bf)，其中，Wf、σg、Uf和Bf均属于所述时序模型的模型参数。
进一步地，所述遗忘门激活向量(I1，I2，I3，……，It)是根据所述设备特征向量(X1，X2，X3，……，Xt)进行确定；优先地，所述It符合以下条件：It＝σg(WiXt+UiHt-1+Bi)，其中，Wi、σg、Ui和Bi均属于所述时序模型的参数。
进一步地，所述预设状态向量
Figure BDA0002982115160000061
是根据所述设备特征向量(X1，X2，X3，……，Xt)进行确定；优先地，所述
Figure BDA0002982115160000062
符合以下条件：
Figure BDA0002982115160000063
其中，Wc、σc、Uc和Bc均属于所述时序模型的模型参数。
为了更好的理解，所述设备特征向量(X1，X2，X3，……，Xt)中的全部设备信息在时序模型中经过统一数据处理方式得到所述时序特征向量(H1，H2，H3，……，Ht)，所述数据处理方式包括前向处理和/或所述后向处理，即所述时序特征向量(H1，H2，H3，……，Ht)中任一所述时序特征值包括：前向处理的特征值H1 (1)或者后向处理的特征值H1 (2)中任意一个。
S105、将所述第二数据进行特征工程，生成非时序特征向量(G1，G2，G3，……，Gk)，k＝1……n，其中，所述Gk是指第k个非时序特征值。
具体地，所述非时序特征值是指无法随时间变化进行改变的设备特征值。
S107、将目标特征向量输入至预设的优先级模型，确定目标优先级的等级，其中，所述目标特征向量包括所述时序特征向量和所述非时序特征向量。
具体地，所述目标特征向量(Y1，Y2，……，Yj)，j＝1……n+m，为了更好的理解，例如，当所述目标特征向量(Y1，Y2，……，Yj)中Y1为所述时序特征向量(H1，H2，H3，……，Ht)中H1，依次类推至所述Yt为所述Ht时，所述目标特征向量(Y1，Y2，……，Yj)中Yt+1为所述非时序特征向量(G1，G2，G3，……，Gk)中G1，再次依次类推至所述Yj为所述Gk；反之也可以，本实施例在此不做限定。
在一个具体实施例中，所述方法还包括如下方法确定所述设备ID对应的用户优先级：
将目标特征向量输入至预设的优先级模型，得到优先级概率向量(S1，S2，S3，……，Sr)，r＝1……p，其中，所述Sr是指第r个优先级对应的概率值，p为用户优先级的数量，S1+S2+S3+……+Sr＝1。
将所述优先级概率向量(S1，S2，S3，……，Sr)中概率值对应的优先级，确定目标优先级的等级，所述目标优先级为所述设备ID对应的用户优先级。
为了更好的理解，例如，当r＝3时，即目标优先级分为低、中和高三个等级，通过上述方案，得到所述优先级概率向量(S1，S2，S3)分别为0.2、0.3、0.5，其中，所述S1为低优先级对应的概率值、所述S2为中优先级对应的概率值、所述S3为高优先级对应的概率值，可知，优先级概率向量(S1，S2，S3)中S3是最大概率值，进而确定所述目标优先级为高优先级。
在一个具体的实施例中，图2所示，所述方法还包括：S109、将预设优先级与所述目标优先级进行对比，确定出优先级的准确率，其中，所述预设优先级是根据所述所述设备ID在预设数据库中进行获取；本实施例中，所述准确率可达到95％。
实施例二
如图3所示，本实施例二提供了一种用户优先级的确定方法，所述方法包括如下步骤：
S201、获取设备ID和所述设备ID对应的设备数据集，所述设备数据集包括第一数据；
具体地，所述第一数据是指在第一时间窗内的设备数据，所述第一时间窗范围为1-4周；优先地，所述第一时间窗为4周。
S203、将所述第一数据输入至时序模型中，生成时序特征向量(H1，H2，H3，……，Ht)，t为预设时间间隔的数量，t＝1……m，其中，所述Ht是指第t个预设时间间隔对应的时序特征值。
具体地，所述时序特征值是指随时间变化进行改变的设备特征值。
具体地，所述时序模型是指将数据生成时序特征的任一模型，优选地，所述时序模型为LSTM(Long Short Term Memory，简称LSTM)模型。
在一个具体的实施例中，所述方法还包括如下方法确定时序特征向量：
将所述第一数据进行特征向量提取，得到设备特征向量(X1，X2，X3，……，Xt)，其中，所述Xt是指第t个预设时间间隔对应的设备信息；
将所述设备特征向量(X1，X2，X3，……，Xt)输入至所述时序模型中，得到时序特征向量(H1，H2，H3，……，Ht)。
体地，所述设备信息至少包括：预设APP的安装信息、预设APP的卸载信息、预设APP的活跃信息或者设备的活跃信息等，在此本实施例不做限定
具体地，所述预设时间间隔是指基于所述第一时间窗进行平均划分，所述预设时间间隔范围为1至7天，优先地，所述时间间隔为1天。
具体地，所述Ht符合以下条件：
Ht＝L(λt，Ct)，其中，所述L()为所述时序模型的计算函数，所述λt为输出门激活向量(λ1，λ2，λ3，……，λt)中任一向量值，所述Ct为状态向量(C1，C2，C3，……，Ct)中任一向量值。
优先地，
Figure BDA0002982115160000081
其中，所述λt和σh(Ct)之间采用Hadmard乘法，能够保证不同向量之间相同位置的向量值相乘，便于时序模型的计算。
进一步地，所述输出门激活向量(λ1，λ2，λ3，……，λt)是根据所述设备特征向量(X1，X2，X3，……，Xt)进行确定。
优先地，所述λt符合以下条件：
λt＝σg(WλXt+UλHt-1+Bλ)，其中，Wλ、σg、Uλ和Bλ均属于所述时序模型的参数。
进一步地，所述状态向量(C1，C2，C3，……，Ct)是根据遗忘门激活向量(F1，F2，F3，……，Ft)、输入门激活向量(I1，I2，I3，……，It)和预设状态向量
Figure BDA0002982115160000082
进行确定。
优先地，所述Ct符合以下条件：
Figure BDA0002982115160000091
其中，所述Ft为所述遗忘门激活向量(F1，F2，F3，……，Ft)中任一向量值，所述It为所述输入门激活向量(I1，I2，I3，……，It)中任一向量值，所述
Figure BDA0002982115160000092
为所述预设状态向量
Figure BDA0002982115160000093
中任一向量值。
进一步地，所述遗忘门激活向量(F1，F2，F3，……，Ft)是根据所述设备特征向量(X1，X2，X3，……，Xt)进行确定；优先地，所述Ft符合以下条件：Ft＝σg(WfXt+UfHt-1+Bf)，其中，Wf、σg、Uf和Bf均属于所述时序模型的参数。
进一步地，所述遗忘门激活向量(I1，I2，I3，……，It)是根据所述设备特征向量(X1，X2，X3，……，Xt)进行确定；优先地，所述It符合以下条件：It＝σg(WiXt+UiHt-1+Bi)，其中，Wi、σg、Ui和Bi均属于所述时序模型的参数。
进一步地，所述预设状态向量
Figure BDA0002982115160000094
是根据所述设备特征向量(X1，X2，X3，……，Xt)进行确定；优先地，所述
Figure BDA0002982115160000095
符合以下条件：
Figure BDA0002982115160000096
其中，Wc、σc、Uc和Bc均属于所述时序模型的参数。
为了更好的理解，所述设备特征向量(X1，X2，X3，……，Xt)中的全部设备信息在时序模型中经过统一数据处理方式得到所述时序特征向量(H1，H2，H3，……，Ht)，所述数据处理方式包括前向处理和/或所述后向处理，即所述时序特征向量(H1，H2，H3，……，Ht)中任一所述时序特征值包括：前向处理的特征值H1 (1)或者后向处理的特征值H1 (2)中任意一个。
S205、将目标特征向量输入至预设的优先级模型，确定目标优先级的等级，其中，所述目标特征向量包括所述时序特征向量。
具体地，所述目标特征向量(Y1，Y2，……，Yj)为所述时序特征向量(H1，H2，H3，……，Ht)。
在一个具体实施例中，所述方法还包括如下方法确定所述设备ID对应的用户优先级：
将目标特征向量输入至预设的优先级模型，得到优先级概率向量(S1，S2，S3，……，Sr)，r＝1……p，其中，所述Sr是指第r个优先级对应的数值，p为用户优先级的数量，S1+S2+S3+……+Sr＝1；
将所述优先级概率向量(S1，S2，S3，……，Sr)中概率值对应的优先级，确定目标优先级的等级，所述目标优先级为所述设备ID对应的用户优先级。
为了更好的理解，例如，当r＝3时，即目标优先级分为低、中和高三个等级，通过上述方案，得到所述优先级概率向量(S1，S2，S3)分别为0.2、0.3、0.5，其中，所述S1为低优先级对应的概率值、所述S2为中优先级对应的概率值、所述S3为高优先级对应的概率值，可知，优先级概率向量(S1，S2，S3)中S3是最大概率值，进而确定所述目标优先级为高优先级。
在一个具体的实施例中，所述方法还包括：S109、将预设优先级与所述目标优先级进行对比，确定出优先级的准确率，其中，所述预设优先级是根据所述所述设备ID在预设数据库中进行获取；本实施例中，所述准确率可达到90％。
实施例三
如图4所示，本实施例三提供了一种用户优先级的确定方法，所述方法包括如下步骤：
S301、获取设备ID和所述设备ID对应的设备数据集，所述设备数据集包括第二数据；
具体地，所述第二数据是指在第二时间窗内的设备数据，所述第二时间窗范围为6-12个月；优先地，所述第二时间窗为6个月。
S303、将所述第二数据进行特征工程，生成非时序特征向量(G1，G2，G3，……，Gk)，k＝1……n，其中，所述Gk是指第k个非时序特征值。
具体地，所述非时序特征值是指无法随时间变化进行改变的设备特征值。
S305、将目标特征向量输入至预设的优先级模型，确定目标优先级的等级，其中，所述目标特征向量包括所述非时序特征向量。
具体地，所述目标特征向量(Y1，Y2，……，Yj)为所述非时序特征向量(G1，G2，G3，……，Gk)。
在一个具体实施例中，所述方法还包括如下方法确定所述设备ID对应的用户优先级：
将目标特征向量输入至预设的优先级模型，得到优先级概率向量(S1，S2，S3，……，Sr)，r＝1……p，其中，所述Sr是指第r个优先级对应的数值，p为用户优先级的数量，S1+S2+S3+……+Sr＝1；
将所述优先级概率向量(S1，S2，S3，……，Sr)中概率值对应的优先级，确定目标优先级的等级，所述目标优先级为所述设备ID对应的用户优先级。
为了更好的理解，例如，当r＝3时，即目标优先级分为低、中和高三个等级，通过上述方案，得到所述优先级概率向量(S1，S2，S3)分别为0.2、0.3、0.5，其中，所述S1为低优先级对应的概率值、所述S2为中优先级对应的概率值、所述S3为高优先级对应的概率值，可知，优先级概率向量(S1，S2，S3)中S3是最大概率值，进而确定所述目标优先级为高优先级。
在一个具体的实施例中，所述方法还包括：S109、将预设优先级与所述目标优先级进行对比，确定出优先级的准确率，其中，所述预设优先级是根据所述所述设备ID在预设数据库中进行获取；本实施例中，所述准确率可达到82％。
综上所述，表一为实施例一、实施例二和实施例三对应的优先级准确率的对比表，可知，通过时序特征向量和非时序特征向量共同确定的目标优先级更为准确，能够弥补数据的不准确性，提高确定用户优先级的准确性，使企业或者第三方基于用户优先级对用户采取适合的规避策略，避免对企业或者第三方的损失。
表一
实施例 实施例一 实施例二 实施例三
准确率 95％ 90％ 82％
本发明的实施例还提供了一种电子设备，包括处理器和存储器，所述存储器中存储有至少一条指令或至少一段程序，所述至少一条指令或所述至少一段程序由所述处理器加载并执行以实现如上述的用户优先级的确定方法。
本发明实施例的计算机设备以多种形式存在，包括但不限于：
(1)移动通信设备：这类设备的特点是具备移动通信功能，并且以提供话音、数据通信为主要目标。这类终端包括：智能手机(例如tPhone)、多媒体手机、功能性手机，以及低端手机等。
(2)超移动个人计算机设备：这类设备属于个人计算机的范畴，有计算和处理功能，一般也具备移动上网特性。这类终端包括：PDA、MtD和UMPC设备等，例如tPad。
(3)便携式娱乐设备：这类设备可以显示和播放多媒体内容。该类设备包括：音频、视频播放器(例如tPod)，掌上游戏机，电子书，以及智能玩具和便携式车载导航设备。
(4)服务器：提供计算服务的设备，服务器的构成包括处理器、硬盘、内存、系统总线等，服务器和通用的计算机架构类似，但是由于需要提供高可靠的服务，因此在处理能力、稳定性、可靠性、安全性、可扩展性、可管理性等方面要求较高。
(5)其他具有数据交互功能的电子装置。
本发明的实施例还提供了一种计算机可读存储介质，所述存储介质可设置于电子设备之中以保存用于实现方法实施例中一种病毒检测方法相关的至少一条指令或至少一段程序，该至少一条指令或该至少一段程序由该处理器加载并执行以实现上述方法实施例提供的用户优先级的确定方法。
可选地，在本实施例中，上述存储介质可以位于计算机网络的多个网络服务器中的至少一个网络服务器。可选地，在本实施例中，上述存储介质可以包括但不限于：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种用户优先级的确定方法，其特征在于，所述方法包括如下步骤：
S101、获取设备ID和所述设备ID对应的设备数据集，所述设备数据集包括第一数据和/或第二数据；
S103、将所述第一数据输入至时序模型中，生成时序特征向量(H1，H2，H3，……，Ht)，t＝1……m，其中，所述Ht是指第t个预设时间间隔的时序特征值；
S105、将所述第二数据进行特征工程，生成非时序特征向量(G1，G2，G3，……，Gk)，k＝1……n，其中，所述Gk是指第k个非时序特征值；
S107、将目标特征向量输入至预设的优先级模型，确定目标优先级的等级，其中，所述目标特征向量包括所述时序特征向量和/或所述非时序特征向量。
2.根据权利要求1所述的用户优先级的确定方法，其特征在于，所述第一数据是指在第一时间窗内的设备数据，所述第一时间窗范围为1-4周。
3.根据权利要求1所述的用户优先级的确定方法，其特征在于，所述第二数据是指在第二时间窗内的设备数据，所述第二时间窗范围为6-12个月。
4.根据权利要求1所述的用户优先级的确定方法，其特征在于，所述方法还包括如下方法确定时序特征向量：
将所述第一数据进行特征向量提取，得到设备特征向量(X1，X2，X3，……，Xt)，其中，所述Xt是指第t个预设时间间隔的设备信息；
将所述设备特征向量(X1，X2，X3，……，Xt)输入至所述时序模型中，得到时序特征向量(H1，H2，H3，……，Ht)。
5.根据权利要求4所述的用户优先级的确定方法，其特征在于，所述Ht符合如下条件：
Ht＝L(λt，Ct)，其中，所述L()为所述时序模型的计算函数，所述λt为第t个设备信息对应的输出门激活向量，所述Ct为第t个设备信息对应的状态向量。
6.根据权利要求4所述的用户优先级的确定方法，其特征在于，所述时序特征向量(H1，H2，H3，……，Ht)中任一所述时序特征值包括：前向处理的特征值H1 (1)或者后向处理的特征值H1 (2)中任意一个。
7.根据权利要求4所述的用户优先级的确定方法，其特征在于，具体地，相邻的预设时间间隔t和t-1之间的时间间隔范围为1至7天。
8.根据权利要求1所述的用户优先级的确定方法，其特征在于，所述方法还包括如下方法确定目标优先级：
将所述目标特征向量输入至预设的优先级模型，得到优先级概率向量(S1，S2，S3，……，Sr)，r＝1……p，其中，所述Sr是指第r个优先级对应的概率值，p为用户优先级的数量；
将所述优先级概率向量(S1，S2，S3，……，Sr)中概率值对应的优先级，确定目标优先级的等级，所述目标优先级是指所述设备ID对应的用户优先级。
9.一种电子设备，其特征在于，包括处理器和存储器，所述存储器中存储有至少一条指令或至少一段程序，所述至少一条指令或所述至少一段程序由所述处理器加载并执行以实现如权利要求1～8中任一项所述的用户优先级的确定方法。
10.一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一条指令或至少一段程序，所述至少一条指令或所述至少一段程序由处理器加载并执行以实现如权利要求1～8任一项所述的用户优先级的确定方法。
CN202110291353.1A 2021-03-18 2021-03-18 一种用户优先级的确定方法、电子设备及可读存储介质 Pending CN113033887A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110291353.1A CN113033887A (zh) 2021-03-18 2021-03-18 一种用户优先级的确定方法、电子设备及可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110291353.1A CN113033887A (zh) 2021-03-18 2021-03-18 一种用户优先级的确定方法、电子设备及可读存储介质

Publications (1)

Publication Number Publication Date
CN113033887A true CN113033887A (zh) 2021-06-25

Family

ID=76472275

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110291353.1A Pending CN113033887A (zh) 2021-03-18 2021-03-18 一种用户优先级的确定方法、电子设备及可读存储介质

Country Status (1)

Country Link
CN (1) CN113033887A (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108304440A (zh) * 2017-11-01 2018-07-20 腾讯科技（深圳）有限公司 游戏推送的方法、装置、计算机设备及存储介质
CN110263972A (zh) * 2019-05-15 2019-09-20 北京航空航天大学 产品质量预测方法及装置
CN111401433A (zh) * 2020-03-12 2020-07-10 腾讯科技（深圳）有限公司 用户信息获取方法、装置、电子设备及存储介质
CN111767455A (zh) * 2019-05-09 2020-10-13 北京京东尚科信息技术有限公司 一种信息推送的方法和装置
CN112463922A (zh) * 2020-11-25 2021-03-09 中国测绘科学研究院 一种风险用户识别方法及存储介质

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108304440A (zh) * 2017-11-01 2018-07-20 腾讯科技（深圳）有限公司 游戏推送的方法、装置、计算机设备及存储介质
CN111767455A (zh) * 2019-05-09 2020-10-13 北京京东尚科信息技术有限公司 一种信息推送的方法和装置
CN110263972A (zh) * 2019-05-15 2019-09-20 北京航空航天大学 产品质量预测方法及装置
CN111401433A (zh) * 2020-03-12 2020-07-10 腾讯科技（深圳）有限公司 用户信息获取方法、装置、电子设备及存储介质
CN112463922A (zh) * 2020-11-25 2021-03-09 中国测绘科学研究院 一种风险用户识别方法及存储介质

Similar Documents

Publication Publication Date Title
CN111339436B (zh) 一种数据识别方法、装置、设备以及可读存储介质
CN111639687B (zh) 一种模型训练以及异常账号识别方法及装置
CN109960650B (zh) 基于大数据的应用程序评估方法、装置、介质及电子设备
CN110020025B (zh) 一种数据处理方法及装置
CN110322295B (zh) 关系强度确定方法及系统、服务器、计算机可读介质
WO2014161426A1 (en) Knowledge graph mining method and system
CN114662960A (zh) 业务流程生成方法、终端设备及计算机可读存储介质
CN110609783A (zh) 用于识别异常行为用户的方法和装置
CN113033887A (zh) 一种用户优先级的确定方法、电子设备及可读存储介质
CN112767028A (zh) 一种活跃用户数量的预测方法、计算机设备及存储介质
CN113891323B (zh) 一种基于WiFi的用户标签获取系统
CN109657060B (zh) 安全生产事故案例推送方法及系统
CN112801597B (zh) 物品库存处理方法、装置、电子设备和介质
CN111339770B (zh) 用于输出信息的方法和装置
CN108521460A (zh) 信息推送方法、装置、移动终端及计算机可读存储介质
CN109474703B (zh) 个性化产品组合推送方法、装置及系统
CN114218500A (zh) 用户挖掘方法、系统、装置及存储介质
CN112231466A (zh) 撮合活动中的企业匹配方法及装置
CN111460317B (zh) 一种意见领袖的识别方法、装置和设备
CN111815339A (zh) 一种营销信息推送方法及设备
CN112699224B (zh) 问答对话方法、装置、电子设备及计算机可读存储介质
CN112380494B (zh) 一种确定对象特征的方法及装置
CN115102920B (zh) 基于关系网络的个体的传输管控方法
CN111177477B (zh) 一种可疑群组的确定方法、装置及设备
CN109218411B (zh) 数据处理方法及装置、计算机可读存储介质、电子设备

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination