CN113095583B - 应用于业务管理的数据分析方法及业务管理服务器 - Google Patents
应用于业务管理的数据分析方法及业务管理服务器 Download PDFInfo
- Publication number
- CN113095583B CN113095583B CN202110439015.8A CN202110439015A CN113095583B CN 113095583 B CN113095583 B CN 113095583B CN 202110439015 A CN202110439015 A CN 202110439015A CN 113095583 B CN113095583 B CN 113095583B
- Authority
- CN
- China
- Prior art keywords
- business
- portrait
- service
- dominant
- portrayal
- 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
Links
- 238000000034 method Methods 0.000 title claims description 34
- 238000007405 data analysis Methods 0.000 title claims description 13
- 230000003993 interaction Effects 0.000 claims abstract description 99
- 230000004927 fusion Effects 0.000 claims abstract description 16
- 238000005457 optimization Methods 0.000 claims abstract description 8
- 238000009826 distribution Methods 0.000 claims description 27
- 238000012545 processing Methods 0.000 claims description 24
- 239000013598 vector Substances 0.000 claims description 20
- 238000011144 upstream manufacturing Methods 0.000 claims description 13
- 238000011156 evaluation Methods 0.000 claims description 7
- 238000012546 transfer Methods 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 4
- 230000008030 elimination Effects 0.000 claims description 3
- 238000003379 elimination reaction Methods 0.000 claims description 3
- 230000005540 biological transmission Effects 0.000 claims description 2
- 230000002452 interceptive effect Effects 0.000 claims description 2
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 230000006872 improvement Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 230000000644 propagated effect Effects 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 241000579895 Chlorostilbon Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000010976 emerald Substances 0.000 description 1
- 229910052876 emerald Inorganic materials 0.000 description 1
- 239000010977 jade Substances 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- ZLIBICFPKPWGIZ-UHFFFAOYSA-N pyrimethanil Chemical compound CC1=CC(C)=NC(NC=2C=CC=CC=2)=N1 ZLIBICFPKPWGIZ-UHFFFAOYSA-N 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 239000010979 ruby Substances 0.000 description 1
- 229910001750 ruby Inorganic materials 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- Game Theory and Decision Science (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Development Economics (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
本申请是关于应用于业务管理的数据分析方法及业务管理服务器,本申请实施例通过基于业务交互环境中多个业务交互设备的业务服务项目的显性画像标签下的业务画像内容将待优化业务服务项目的隐性画像标签下的业务画像内容调整到相应的显性画像标签下,并对当前隐性画像标签下的各业务画像内容进行分组融合,且基于业务交互环境中多个业务交互设备的业务服务项目的显性画像标签下的业务画像内容为每一类业务画像内容设置显性画像标签状态,这样,实现了对业务交互设备的待优化业务服务项目的自动智能优化,本申请提供的上述技术方案可有效提高业务交互设备的业务服务项目的转用性。
Description
技术领域
本申请涉及业务处理技术领域,具体而言,涉及一种应用于业务管理的数据分析方法及业务管理服务器。
背景技术
随着科技的快速发展,各类业务也逐渐向云端化转型。现目前,云端业务交互越来越频繁,极大地方便了人们的日常生产生活。然而,随着云业务规模的不断扩大,如何实现有效的业务管理是现目前需要解决的一个问题。然而现目前针对业务服务项目的管理和优化技术还存在一定缺陷。
发明内容
本申请提供一种应用于业务管理的数据分析方法,包括:
获取待优化业务服务项目的画像标签关联信息以及各业务画像内容;
在根据所述画像标签关联信息确定出所述待优化业务服务项目中包含有显性画像标签的情况下,根据多个业务交互设备的业务服务项目的显性画像标签下的业务画像内容及其画像标签状态确定待优化业务服务项目的隐性画像标签下的各业务画像内容与待优化业务服务项目的显性画像标签下的各业务画像内容之间的相关度,并将待优化业务服务项目的隐性画像标签下的与显性画像标签下的业务画像内容相关的业务画像内容调整到相应的显性画像标签下;
在待优化业务服务项目的当前隐性画像标签下包含有多个业务画像内容的情况下,根据多个业务交互设备的业务服务项目的显性画像标签下的业务画像内容及其画像标签状态确定待优化业务服务项目的当前隐性画像标签下的各业务画像内容之间的相关度,并根据所述各业务画像内容之间的相关度对当前隐性画像标签下的各业务画像内容进行分组融合;
根据多个业务交互设备的业务服务项目的显性画像标签下的业务画像内容及其画像标签状态为上述分组融合获得的每一类业务画像内容设置显性画像标签状态,并将所述每一类业务画像内容调整到所述显性画像标签状态所表示的显性画像标签下。
进一步地,所述根据多个业务交互设备的业务服务项目的显性画像标签下的业务画像内容及其画像标签状态确定待优化业务服务项目的隐性画像标签下的各业务画像内容与待优化业务服务项目的显性画像标签下的各业务画像内容之间的相关度,并将待优化业务服务项目的隐性画像标签下的与显性画像标签下的业务画像内容相关的业务画像内容调整到相应的显性画像标签下包括:
计算待优化业务服务项目的隐性画像标签下的各业务画像内容与待优化业务服务项目的显性画像标签下的各业务画像内容的特征向量之间的相关性系数;
分别判断各相关性系数是否达到第一系数阈值,并将相关性系数达到第一系数阈值的隐性画像标签下的业务画像内容调整到相应的显性画像标签下;其中,所述业务画像内容的特征向量为:根据多个业务交互设备的业务服务项目的显性画像标签下的业务画像内容及其画像标签状态汇总出的业务画像内容属于显性画像标签状态的分布情况。
进一步地,所述根据多个业务交互设备的业务服务项目的显性画像标签下的业务画像内容及其画像标签状态确定待优化业务服务项目的当前隐性画像标签下的各业务画像内容之间的相关度,并根据所述各业务画像内容之间的相关度对当前隐性画像标签下的各业务画像内容进行分组融合包括:
计算待优化业务服务项目的当前隐性画像标签下的各业务画像内容的特征向量之间的相关性系数;
针对待优化业务服务项目的当前隐性画像标签下的一个业务画像内容而言,将该业务画像内容和与其特征向量之间的相关性系数达到第二系数阈值的所有业务画像内容划分为一类;其中,所述业务画像内容的特征向量为:根据多个业务交互设备的业务服务项目的显性画像标签下的业务画像内容及其画像标签状态汇总出的业务画像内容属于显性画像标签状态的分布情况。
进一步地,所述多个业务交互设备包括:在线业务交互设备和离线业务交互设备;且所述业务画像内容的特征向量为:在在线业务交互设备的业务服务项目的显性画像标签所具有的评价值高于离线业务交互设备的业务服务项目的显性画像标签所具有的评价值的情况下,汇总出的业务画像内容属于显性画像标签状态的分布情况;其中,所述在线业务交互设备是指对其业务服务项目中的业务画像内容的调用符合设定条件的业务交互设备。
进一步地,所述多个业务交互设备的业务服务项目的显性画像标签下的业务画像内容包括:
对采集的多个业务交互设备的业务服务项目的各业务画像内容进行干扰内容剔除后获得的业务画像内容。
进一步地,所述干扰内容包括:设定长时间内未被业务交互设备使用的业务画像内容以及失效的业务画像内容。
进一步地,所述根据多个业务交互设备的业务服务项目的显性画像标签下的业务画像内容为上述分组融合获得的每一类业务画像内容设置显性画像标签状态包括:
针对分组融合后的一类业务画像内容而言,根据所述多个业务交互设备的业务服务项目的显性画像标签下的业务画像内容确定该类业务画像内容中的各业务画像内容所属的显性画像标签状态的分布情况,并根据所述分布情况为该类业务画像内容设置显性画像标签状态。
进一步地,所述多个业务交互设备包括:在线业务交互设备和离线业务交互设备,所述在线业务交互设备是指对其业务服务项目中的业务画像内容的调用符合设定条件的业务交互设备;且所述确定该类业务画像内容中各业务画像内容所属的显性画像标签状态的分布情况包括:在在线业务交互设备的业务服务项目的显性画像标签所具有的评价值高于离线业务交互设备的业务服务项目的显性画像标签所具有的评价值的情况下,确定该类业务画像内容中各业务画像内容所属的显性画像标签状态的分布情况。
进一步地,所述方法还包括:
在优化后的业务服务项目的显性画像标签的数量超过设定数量时,根据多个业务交互设备的业务服务项目的显性画像标签的传递关系为优化后的业务服务项目的显性画像标签建立全局像标签关联关系;
其中,所述根据多个业务交互设备的业务服务项目的显性画像标签的传递关系为优化后的业务服务项目的显性画像标签建立全局像标签关联关系包括:
根据多个业务交互设备的业务服务项目的显性画像标签的传递关系来汇总优化后的业务服务项目的各显性画像标签的上游画像标签的分布情况,并根据所述上游画像标签的分布情况为具有相同上游画像标签的多个显性画像标签设置上游画像标签状态。
本申请提供一种业务管理服务器,包括处理引擎、网络模块和存储器;所述处理引擎和所述存储器通过所述网络模块通信,所述处理引擎从所述存储器中读取计算机程序并运行,以执行上述的方法。
相较于现有技术,本申请实施例提供的应用于业务管理的数据分析方法及业务管理服务器具有以下技术效果:
借由上述技术方案,本申请提供的应用于业务管理的数据分析方法及业务管理服务器至少具有下列优点及有益效果:本申请实施例通过基于业务交互环境中多个业务交互设备的业务服务项目的显性画像标签下的业务画像内容将待优化业务服务项目的隐性画像标签下的业务画像内容调整到相应的显性画像标签下,并对当前隐性画像标签下的各业务画像内容进行分组融合,且基于业务交互环境中多个业务交互设备的业务服务项目的显性画像标签下的业务画像内容为每一类业务画像内容设置显性画像标签状态,这样,能够基于画像层面实现对业务交互设备的待优化业务服务项目的自动智能优化,本申请提供的上述技术方案可有效提高业务交互设备的业务服务项目的转用性。
在后面的描述中,将部分地陈述其他的特征。在检查后面内容和附图时,本领域的技术人员将部分地发现这些特征,或者可以通过生产或运用了解到这些特征。通过实践或使用后面所述详细示例中列出的方法、工具和组合的各个方面,当前申请中的特征可以被实现和获得。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,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相关的附图。
附图中的方法、系统和/或程序将根据示例性实施例进一步描述。这些示例性实施例将参照图纸进行详细描述。这些示例性实施例是非限制的示例性实施例,其中参考数字在附图的各个视图中代表相似的机构。
图1是根据本申请的一些实施例所示的一种应用于业务管理的数据分析系统的框图。
图2是根据本申请的一些实施例所示的一种业务管理服务器中硬件和软件组成的示意图。
图3是根据本申请的一些实施例所示的一种应用于业务管理的数据分析方法的流程图。
具体实施方式
为了更好的理解上述技术方案,下面通过附图以及具体实施例对本申请技术方案做详细的说明,应当理解本申请实施例以及实施例中的具体特征是对本申请技术方案的详细的说明,而不是对本申请技术方案的限定,在不冲突的情况下,本申请实施例以及实施例中的技术特征可以相互组合。
在下面的详细描述中,通过实例阐述了许多具体细节,以便提供对相关指导的全面了解。然而,对于本领域的技术人员来说,显然可以在没有这些细节的情况下实施本申请。在其他情况下,公知的方法、程序、系统、组成和/或电路已经在一个相对较高水平上被描述,没有细节,以避免不必要的模糊本申请的方面。
这些和其他特性、当前申请披露的功能、执行的方法、结构中相关元素的功能和部件的组合和生产经济性,在参照附图进行以下描述的考虑中可能会变得更加明显,所有这些形成本申请的一部分。然而,需要理解清楚的是,附图仅仅是为了说明和描述的目的,并不旨在限制本申请的范围。应当了解的是,这些图纸不是按比例绘制的。然而,应当明确理解的是,附图仅用于说明和描述的目的,并不意图限制本申请的范围。应当知晓的是,这些附图并不依照比例。
本申请中使用流程图说明根据本申请的实施例的系统所执行的执行过程。应当明确理解的是,流程图的执行过程可以不按顺序执行。相反,这些执行过程可以以相反的顺序或同时执行。另外,可以将至少一个其他执行过程添加到流程图。一个或多个执行过程可以从流程图中删除。
图1是根据本申请的一些实施例所示的一种示例性应用于业务管理的数据分析系统300的框图,应用于业务管理的数据分析系统300可以包括互相通信的业务管理服务器100和业务交互设备200。
在一些实施例中,如图2所示,业务管理服务器100可以包括处理引擎110、网络模块120和存储器130,处理引擎110和存储器130通过网络模块120通信。
处理引擎110可以处理相关的信息和/或数据以执行本申请中描述的一个或多个功能。例如,在一些实施例中,处理引擎110可以包括至少一个处理引擎(例如,单核处理引擎或多核处理器)。仅作为示例,处理引擎110可以包括中央处理单元(Central ProcessingUnit,CPU)、专用集成电路(Application-Specific Integrated Circuit,ASIC)、专用指令集处理器(Application-Specific Instruction-set Processor,ASIP)、图形处理单元(Graphics Processing Unit,GPU)、物理处理单元(Physics Processing Unit,PPU)、数字信号处理器(Digital Signal Processor,DSP)、现场可编程门阵列(Field ProgrammableGate Array,FPGA)、可编程逻辑器件(Programmable Logic Device,PLD)、控制器、微控制器单元、精简指令集计算机(Reduced Instruction-Set Computer,RISC)、微处理器等或其任意组合。
网络模块120可以促进信息和/或数据的交换。在一些实施例中,网络模块120可以是任何类型的有线或无线网络或其组合。仅作为示例,网络模块120可以包括缆线网络、有线网络、光纤网络、电信网络、内部网络、互联网、局域网络(Local Area Network,LAN)、广域网(Wide Area Network,WAN)、无线局域网络(Wireless Local Area Network,WLAN)、城域网(Metropolitan Area Network,MAN)、公用电话交换网(Public Telephone SwitchedNetwork,PSTN)、蓝牙网络、无线个域网络、近场通讯(Near Field Communication,NFC)网络等或上述举例的任意组合。在一些实施例中,网络模块120可以包括至少一个网络接入点。例如,网络模块120可以包括有线或无线网路接入点,如基站和/或网路接入点。
存储器130可以是,但不限于,随机存取存储器(Random Access Memory,RAM),只读存储器(Read Only Memory,ROM),可编程只读存储器(Programmable Read-OnlyMemory,PROM),可擦除只读存储器(Erasable Programmable Read-Only Memory,EPROM),电可擦除只读存储器(Electric Erasable Programmable Read-Only Memory,EEPROM)等。其中,存储器130用于存储程序,所述处理引擎110在接收到执行指令后,执行所述程序。
可以理解,图2所示的结构仅为示意,业务管理服务器100还可包括比图2中所示更多或者更少的组件,或者具有与图2所示不同的配置。图2中所示的各组件可以采用硬件、软件或其组合实现。
图3是根据本申请的一些实施例所示的一种示例性应用于业务管理的数据分析方法的流程图,应用于业务管理的数据分析方法应用于图1中的业务管理服务器100,具体可以包括以下步骤S31-步骤S34。在以下步骤S31-步骤S34的基础上,将对一些可选实施例进行说明,这些实施例应当理解为示例,不应理解为实现本方案所必不可少的技术特征。
步骤S31,获取待优化业务服务项目的画像标签关联信息以及各业务画像内容。
例如,待优化业务服务项目可以是多个类型的云业务项目,比如办公业务、支付业务、游戏业务等。画像标签关联信息用于描述不同画像标签之间的关联关系,从而便于后续的画像内容优化。业务画像内容可以是用户的多个维度的画像信息或者画像特征。
步骤S32,在根据所述画像标签关联信息确定出所述待优化业务服务项目中包含有显性画像标签的情况下,根据多个业务交互设备的业务服务项目的显性画像标签下的业务画像内容及其画像标签状态确定待优化业务服务项目的隐性画像标签下的各业务画像内容与待优化业务服务项目的显性画像标签下的各业务画像内容之间的相关度,并将待优化业务服务项目的隐性画像标签下的与显性画像标签下的业务画像内容相关的业务画像内容调整到相应的显性画像标签下。
例如,显性画像标签和隐性画像标签是相对的,显性画像标签可以快速挖掘得到,隐性画像标签则是潜在的,需要通过一定分析处理才能挖掘得到,画像标签状态可以表征不同业务画像内容的当前状态比如更新、使用、删除等。
在一些可能的实施例中,步骤S32所描述的根据多个业务交互设备的业务服务项目的显性画像标签下的业务画像内容及其画像标签状态确定待优化业务服务项目的隐性画像标签下的各业务画像内容与待优化业务服务项目的显性画像标签下的各业务画像内容之间的相关度,并将待优化业务服务项目的隐性画像标签下的与显性画像标签下的业务画像内容相关的业务画像内容调整到相应的显性画像标签下包括步骤S321和步骤S322。
步骤S321,计算待优化业务服务项目的隐性画像标签下的各业务画像内容与待优化业务服务项目的显性画像标签下的各业务画像内容的特征向量之间的相关性系数。
步骤S322,分别判断各相关性系数是否达到第一系数阈值,并将相关性系数达到第一系数阈值的隐性画像标签下的业务画像内容调整到相应的显性画像标签下。
在步骤S321和步骤S322中,所述业务画像内容的特征向量为:根据多个业务交互设备的业务服务项目的显性画像标签下的业务画像内容及其画像标签状态汇总出的业务画像内容属于显性画像标签状态的分布情况。
如此,通过引入特征向量进行相关性系数的计算,能够提高确定相关度的可信度,从而实现业务画像内容的有效整理和调整。
步骤S33,在待优化业务服务项目的当前隐性画像标签下包含有多个业务画像内容的情况下,根据多个业务交互设备的业务服务项目的显性画像标签下的业务画像内容及其画像标签状态确定待优化业务服务项目的当前隐性画像标签下的各业务画像内容之间的相关度,并根据所述各业务画像内容之间的相关度对当前隐性画像标签下的各业务画像内容进行分组融合。
例如,分组融合可以理解为聚类。基于此,步骤S33所描述的根据多个业务交互设备的业务服务项目的显性画像标签下的业务画像内容及其画像标签状态确定待优化业务服务项目的当前隐性画像标签下的各业务画像内容之间的相关度,并根据所述各业务画像内容之间的相关度对当前隐性画像标签下的各业务画像内容进行分组融合包括以下步骤S331和步骤S332。
步骤S331,计算待优化业务服务项目的当前隐性画像标签下的各业务画像内容的特征向量之间的相关性系数。
步骤S332,针对待优化业务服务项目的当前隐性画像标签下的一个业务画像内容而言,将该业务画像内容和与其特征向量之间的相关性系数达到第二系数阈值的所有业务画像内容划分为一类。
在步骤S331和步骤S332中,业务画像内容的特征向量为:根据多个业务交互设备的业务服务项目的显性画像标签下的业务画像内容及其画像标签状态汇总出的业务画像内容属于显性画像标签状态的分布情况。
如此,通过考虑各业务画像内容的特征向量之间的相关性系数,能够实现准确可靠的业务画像内容聚类。
步骤S34,根据多个业务交互设备的业务服务项目的显性画像标签下的业务画像内容及其画像标签状态为上述分组融合获得的每一类业务画像内容设置显性画像标签状态,并将所述每一类业务画像内容调整到所述显性画像标签状态所表示的显性画像标签下。
例如,显性画像标签状态用于表征业务画像内容在显性画像挖掘层面的画像标签状态,通过设置每一类业务画像内容设置显性画像标签状态,能够基于显性画像标签状态实现每一类业务画像内容的集中性调整,从而提高业务画像内容更新的准确性和效率。
在一些可能的实施例中,上述步骤S34所描述的根据多个业务交互设备的业务服务项目的显性画像标签下的业务画像内容及其画像标签状态为上述分组融合获得的每一类业务画像内容设置显性画像标签状态,可以包括以下步骤S340:针对分组融合后的一类业务画像内容而言,根据所述多个业务交互设备的业务服务项目的显性画像标签下的业务画像内容确定该类业务画像内容中的各业务画像内容所属的显性画像标签状态的分布情况,并根据所述分布情况为该类业务画像内容设置显性画像标签状态。
在上述步骤S340的基础上,所述多个业务交互设备包括:在线业务交互设备和离线业务交互设备,所述在线业务交互设备是指对其业务服务项目中的业务画像内容的调用符合设定条件的业务交互设备。进一步地,所述确定该类业务画像内容中各业务画像内容所属的显性画像标签状态的分布情况包括:在在线业务交互设备的业务服务项目的显性画像标签所具有的评价值(比如用户在业务交互过程中的反馈情况)高于离线业务交互设备的业务服务项目的显性画像标签所具有的评价值的情况下,确定该类业务画像内容中各业务画像内容所属的显性画像标签状态的分布情况。
在另外的一些实施例中,所述多个业务交互设备包括:在线业务交互设备和离线业务交互设备。基于此,所述业务画像内容的特征向量为:在在线业务交互设备的业务服务项目的显性画像标签所具有的评价值高于离线业务交互设备的业务服务项目的显性画像标签所具有的评价值的情况下,汇总出的业务画像内容属于显性画像标签状态的分布情况。
可以理解的是,所述在线业务交互设备是指对其业务服务项目中的业务画像内容的调用符合设定条件的业务交互设备。
在一些可能的示例中,多个业务交互设备的业务服务项目的显性画像标签下的业务画像内容包括:对采集的多个业务交互设备的业务服务项目的各业务画像内容进行干扰内容剔除后获得的业务画像内容。进一步地,所述干扰内容可以包括:设定长时间内未被业务交互设备使用的业务画像内容以及失效的业务画像内容。
在一些可选的实施例中,在上述步骤S31-步骤S34的基础上,该方法还可以包括以下内容:在优化后的业务服务项目的显性画像标签的数量超过设定数量时,根据多个业务交互设备的业务服务项目的显性画像标签的传递关系(先后逻辑关联关系)为优化后的业务服务项目的显性画像标签建立全局像标签关联关系。
在一些可选的实施例中,上述根据多个业务交互设备的业务服务项目的显性画像标签的传递关系为优化后的业务服务项目的显性画像标签建立全局像标签关联关系,可以包括以下内容:根据多个业务交互设备的业务服务项目的显性画像标签的传递关系来汇总优化后的业务服务项目的各显性画像标签的上游画像标签的分布情况,并根据所述上游画像标签的分布情况为具有相同上游画像标签的多个显性画像标签设置上游画像标签状态。例如,上游画像标签可以理解为上一层级的画像标签,如此设计,通过建立全局像标签关联关系,能够便于后续进行统一、标准的画像内容管理。
本申请实施例通过基于业务交互环境中多个业务交互设备的业务服务项目的显性画像标签下的业务画像内容将待优化业务服务项目的隐性画像标签下的业务画像内容调整到相应的显性画像标签下,并对当前隐性画像标签下的各业务画像内容进行分组融合,且基于业务交互环境中多个业务交互设备的业务服务项目的显性画像标签下的业务画像内容为每一类业务画像内容设置显性画像标签状态,这样,能够基于画像层面实现对业务交互设备的待优化业务服务项目的自动智能优化,本申请提供的上述技术方案可有效提高业务交互设备的业务服务项目的转用性。
需要理解的是,针对上述内容没有进行名词解释的技术术语,本领域技术人员可以根据上述所公开的内容进行前后推导毫无疑义地确定其所指代的含义,例如针对一些值、系数、权重、指数、因子等术语,本领域技术人员可以根据前后的逻辑关系进行推导和确定,这些数值的取值范围可以根据实际情况进行选取,例如0~1,又例如1~10,再例如50~100,在此均不作限定。
本领域技术人员可以根据上述已公开的内容毫无疑义对一些预设的、基准的、预定的、设定的以及目标的技术特征/技术术语进行确定,例如阈值、阈值区间、阈值范围等。对于一些未作解释的技术特征术语,本领域技术人员完全能够基于前后文的逻辑关系进行合理地、毫无疑义地推导,从而清楚、完整地实施上述技术方案。未作解释的技术特征术语的前缀,例如“第一”、“第二”、“上一个”、“下一个”、“前一个”、“后一个”、“当前”、“历史”、“最新”、“最佳”、“目标”、“指定”和“实时”等,可以根据前后文进行毫无疑义地推导和确定。未作解释的技术特征术语的后缀,例如“列表”、“特征”、“序列”、“集合”、“矩阵”、“单元”、“元素”、“轨迹”和“清单”等,也可以根据前后文进行毫无疑义地推导和确定。
本申请实施例公开的上述内容对于本领域技术人员而言是清楚完整的。应当理解,本领域技术人员基于上述公开的内容对未作解释的技术术语进行推导和分析的过程是基于本申请所记载的内容进行的,因此上述内容并不是对整体方案的创造性的评判。
上文已对基本概念做了描述,显然,对于本领域技术人员来说,上述详细披露仅作为示例,而并不构成对本申请的限定。虽然此处并没有明确说明,本领域技术人员可以对本申请进行各种修改、改进和修正。该类修改、改进和修正在本申请中被建议,所以该类修改、改进、修正仍属于本申请示范实施例的精神和范围。
同时,本申请使用了特定术语来描述本申请的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本申请至少一个实施例相关的某一特征、结构或特点。因此,应强调并注意的是,本说明书中在不同部分两次或多次提到的“一实施例”或“一个实施例”或“一替代性实施例”并不一定是指同一实施例。此外,本申请的至少一个实施例中的某些特征、结构或特点可以进行适当的组合。
另外,本领域普通技术人员可以理解的是,本申请的各个方面可以通过若干具有可专利性的种类或情况进行说明和描述,包括任何新的和有用的工序、机器、产品或物质的组合,或对他们任何新的和有用的改进。相应地,本申请的各个方面可以完全由硬件执行、可以完全由软件(包括固件、常驻软件、微码等)执行、也可以由硬件和软件组合执行。以上硬件或软件均可以被称为“单元”、“组件”或“系统”。此外,本申请的各方面可以表现为位于至少一个计算机可读介质中的计算机产品,所述产品包括计算机可读程序编码。
计算机可读信号介质可能包含一个内含有计算机程序编码的传播数据信号,例如在基带上或作为载波的一部分。该传播信号可能有多种表现形式,包括电磁形式、光形式等等、或合适的组合形式。计算机可读信号介质可以是除计算机可读存储介质之外的任何计算机可读介质,该介质可以通过连接至一个指令执行系统、装置或设备以实现通讯、传播或传输供使用的程序。位于计算机可读信号介质上的程序编码可以通过任何合适的介质进行传播,包括无线电、电缆、光纤缆线、RF、或类似介质、或任何上述介质的组合。
本申请各方面执行所需的计算机程序码可以用一种或多种程序语言的任意组合编写,包括面向对象程序设计,如Java、Scala、Smalltalk、Eiffel、JADE、Emerald、C++、C#、VB.NET,Python等,或类似的常规程序编程语言,如"C"编程语言,Visual Basic,Fortran2003,Perl,COBOL 2002,PHP,ABAP,动态编程语言如Python,Ruby和Groovy或其它编程语言。所述程式设计编码可以完全在用户计算机上执行、或作为独立的软体包在用户计算机上执行、或部分在用户计算机上执行部分在远程计算机执行、或完全在远程计算机或服务器上执行。在后种情况下,远程计算机可以通过任何网络形式与用户计算机连接,比如局域网络(LAN)或广域网(WAN),或连接至外部计算机(例如通过因特网),或在云计算环境中,或作为服务使用如软件即服务(SaaS)。
此外,除非申请专利范围中明确说明,本申请所述处理元件和序列的顺序、数位字母的使用、或其他名称的使用,并非用于限定本申请流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例,但应当理解的是,该类细节仅起到说明的目的,附加的申请专利范围并不仅限于披露的实施例,相反,申请专利范围旨在覆盖所有符合本申请实施例实质和范围的修正和等价组合。例如,虽然以上所描述的系统组件可以通过硬件装置实现,但是也可以只通过软件的解决方案得以实现,如在现有的服务器或行动装置上安装所描述的系统。
同样应当理解的是,为了简化本申请揭示的表述,从而帮助对至少一个发明实施例的理解,前文对本申请实施例的描述中,有时会将多种特征归并至一个实施例、附图或对其的描述中。但是,这种披露方法幷不意味着本申请对象所需要的特征比权利要求中提及的特征多。实际上,实施例的特征要少于上述披露的单个实施例的全部特征。
Claims (9)
1.一种应用于业务管理的数据分析方法,其特征在于,包括:
获取待优化业务服务项目的画像标签关联信息以及各业务画像内容;
在根据所述画像标签关联信息确定出所述待优化业务服务项目中包含有显性画像标签的情况下,根据多个业务交互设备的业务服务项目的显性画像标签下的业务画像内容及其画像标签状态确定待优化业务服务项目的隐性画像标签下的各业务画像内容与待优化业务服务项目的显性画像标签下的各业务画像内容之间的相关度,并将待优化业务服务项目的隐性画像标签下的与显性画像标签下的业务画像内容相关的业务画像内容调整到相应的显性画像标签下;
在待优化业务服务项目的当前隐性画像标签下包含有多个业务画像内容的情况下,根据多个业务交互设备的业务服务项目的显性画像标签下的业务画像内容及其画像标签状态确定待优化业务服务项目的当前隐性画像标签下的各业务画像内容之间的相关度,并根据所述各业务画像内容之间的相关度对当前隐性画像标签下的各业务画像内容进行分组融合;
根据多个业务交互设备的业务服务项目的显性画像标签下的业务画像内容及其画像标签状态为上述分组融合获得的每一类业务画像内容设置显性画像标签状态,并将所述每一类业务画像内容调整到所述显性画像标签状态所表示的显性画像标签下;
其中,所述根据多个业务交互设备的业务服务项目的显性画像标签下的业务画像内容及其画像标签状态确定待优化业务服务项目的隐性画像标签下的各业务画像内容与待优化业务服务项目的显性画像标签下的各业务画像内容之间的相关度,并将待优化业务服务项目的隐性画像标签下的与显性画像标签下的业务画像内容相关的业务画像内容调整到相应的显性画像标签下包括:
计算待优化业务服务项目的隐性画像标签下的各业务画像内容与待优化业务服务项目的显性画像标签下的各业务画像内容的特征向量之间的相关性系数;
分别判断各相关性系数是否达到第一系数阈值,并将相关性系数达到第一系数阈值的隐性画像标签下的业务画像内容调整到相应的显性画像标签下;其中,所述业务画像内容的特征向量为:根据多个业务交互设备的业务服务项目的显性画像标签下的业务画像内容及其画像标签状态汇总出的业务画像内容属于显性画像标签状态的分布情况。
2.如权利要求1所述的方法,其特征在于,所述根据多个业务交互设备的业务服务项目的显性画像标签下的业务画像内容及其画像标签状态确定待优化业务服务项目的当前隐性画像标签下的各业务画像内容之间的相关度,并根据所述各业务画像内容之间的相关度对当前隐性画像标签下的各业务画像内容进行分组融合包括:
计算待优化业务服务项目的当前隐性画像标签下的各业务画像内容的特征向量之间的相关性系数;
针对待优化业务服务项目的当前隐性画像标签下的一个业务画像内容而言,将该业务画像内容和与其特征向量之间的相关性系数达到第二系数阈值的所有业务画像内容划分为一类;其中,所述业务画像内容的特征向量为:根据多个业务交互设备的业务服务项目的显性画像标签下的业务画像内容及其画像标签状态汇总出的业务画像内容属于显性画像标签状态的分布情况。
3.如权利要求2所述的方法,其特征在于,所述多个业务交互设备包括:在线业务交互设备和离线业务交互设备;且所述业务画像内容的特征向量为:在在线业务交互设备的业务服务项目的显性画像标签所具有的评价值高于离线业务交互设备的业务服务项目的显性画像标签所具有的评价值的情况下,汇总出的业务画像内容属于显性画像标签状态的分布情况;其中,所述在线业务交互设备是指对其业务服务项目中的业务画像内容的调用符合设定条件的业务交互设备。
4.如权利要求1-2任一项所述的方法,其特征在于,所述多个业务交互设备的业务服务项目的显性画像标签下的业务画像内容包括:
对采集的多个业务交互设备的业务服务项目的各业务画像内容进行干扰内容剔除后获得的业务画像内容。
5.如权利要求4所述的方法,其特征在于,所述干扰内容包括:设定长时间内未被业务交互设备使用的业务画像内容以及失效的业务画像内容。
6.如权利要求1-2任一项所述的方法,其特征在于,所述根据多个业务交互设备的业务服务项目的显性画像标签下的业务画像内容为上述分组融合获得的每一类业务画像内容设置显性画像标签状态包括:
针对分组融合后的一类业务画像内容而言,根据所述多个业务交互设备的业务服务项目的显性画像标签下的业务画像内容确定该类业务画像内容中的各业务画像内容所属的显性画像标签状态的分布情况,并根据所述分布情况为该类业务画像内容设置显性画像标签状态。
7.如权利要求6所述的方法,其特征在于,所述多个业务交互设备包括:在线业务交互设备和离线业务交互设备,所述在线业务交互设备是指对其业务服务项目中的业务画像内容的调用符合设定条件的业务交互设备;且所述确定该类业务画像内容中各业务画像内容所属的显性画像标签状态的分布情况包括:在在线业务交互设备的业务服务项目的显性画像标签所具有的评价值高于离线业务交互设备的业务服务项目的显性画像标签所具有的评价值的情况下,确定该类业务画像内容中各业务画像内容所属的显性画像标签状态的分布情况。
8.如权利要求1-2任一项所述的方法,其特征在于,所述方法还包括:
在优化后的业务服务项目的显性画像标签的数量超过设定数量时,根据多个业务交互设备的业务服务项目的显性画像标签的传递关系为优化后的业务服务项目的显性画像标签建立全局像标签关联关系;
其中,所述根据多个业务交互设备的业务服务项目的显性画像标签的传递关系为优化后的业务服务项目的显性画像标签建立全局像标签关联关系包括:
根据多个业务交互设备的业务服务项目的显性画像标签的传递关系来汇总优化后的业务服务项目的各显性画像标签的上游画像标签的分布情况,并根据所述上游画像标签的分布情况为具有相同上游画像标签的多个显性画像标签设置上游画像标签状态。
9.一种业务管理服务器,其特征在于,包括处理引擎、网络模块和存储器;所述处理引擎和所述存储器通过所述网络模块通信,所述处理引擎从所述存储器中读取计算机程序并运行,以执行权利要求1-8任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110439015.8A CN113095583B (zh) | 2021-04-23 | 2021-04-23 | 应用于业务管理的数据分析方法及业务管理服务器 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110439015.8A CN113095583B (zh) | 2021-04-23 | 2021-04-23 | 应用于业务管理的数据分析方法及业务管理服务器 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113095583A CN113095583A (zh) | 2021-07-09 |
CN113095583B true CN113095583B (zh) | 2024-05-03 |
Family
ID=76679786
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110439015.8A Active CN113095583B (zh) | 2021-04-23 | 2021-04-23 | 应用于业务管理的数据分析方法及业务管理服务器 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113095583B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002033925A (ja) * | 2000-07-18 | 2002-01-31 | Matsushita Graphic Communication Systems Inc | 算術符号化・復号化方法および算術符号化・復号化装置 |
CN110866181A (zh) * | 2019-10-12 | 2020-03-06 | 平安国际智慧城市科技股份有限公司 | 资源推荐的方法、装置及存储介质 |
CN112464084A (zh) * | 2020-11-17 | 2021-03-09 | 崔海燕 | 基于大数据定位和人工智能的业务优化方法及云计算中心 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003532197A (ja) * | 2000-04-24 | 2003-10-28 | 三菱商事株式会社 | 業務支援システム、業務支援方法、プログラム、および記録媒体 |
US10296880B2 (en) * | 2016-11-21 | 2019-05-21 | Lisa Therese Miller | Invoice analytics system |
-
2021
- 2021-04-23 CN CN202110439015.8A patent/CN113095583B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002033925A (ja) * | 2000-07-18 | 2002-01-31 | Matsushita Graphic Communication Systems Inc | 算術符号化・復号化方法および算術符号化・復号化装置 |
CN110866181A (zh) * | 2019-10-12 | 2020-03-06 | 平安国际智慧城市科技股份有限公司 | 资源推荐的方法、装置及存储介质 |
WO2021068610A1 (zh) * | 2019-10-12 | 2021-04-15 | 平安国际智慧城市科技股份有限公司 | 资源推荐的方法、装置、电子设备及存储介质 |
CN112464084A (zh) * | 2020-11-17 | 2021-03-09 | 崔海燕 | 基于大数据定位和人工智能的业务优化方法及云计算中心 |
Also Published As
Publication number | Publication date |
---|---|
CN113095583A (zh) | 2021-07-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109446071A (zh) | 接口测试方法、接口测试装置、电子设备及存储介质 | |
CN110096526A (zh) | 一种用户属性标签的预测方法及预测装置 | |
CN109145828A (zh) | 用于生成视频类别检测模型的方法和装置 | |
CN112487495B (zh) | 基于大数据和云计算的数据处理方法及大数据服务器 | |
CN111383100A (zh) | 基于风险模型的全生命周期管控方法和装置 | |
CN113689292B (zh) | 基于图像背景识别的用户聚集识别方法及系统 | |
CN110879776A (zh) | 一种测试用例的生成方法和装置 | |
CN109634833A (zh) | 一种软件缺陷预测方法和装置 | |
CN109766418A (zh) | 用于输出信息的方法和装置 | |
CN107729570A (zh) | 用于服务器的数据迁移方法和装置 | |
CN107517251A (zh) | 信息推送方法和装置 | |
CN109460003A (zh) | 车辆故障预测建模方法及系统 | |
CN110020310A (zh) | 资源加载的方法、装置、终端及存储介质 | |
CN105978722B (zh) | 用户属性挖掘方法及装置 | |
CN117253287B (zh) | 基于域泛化的动作预测模型训练方法、相关方法及产品 | |
CN113095583B (zh) | 应用于业务管理的数据分析方法及业务管理服务器 | |
CN112199715B (zh) | 基于区块链和云计算的对象生成方法及数字金融服务中心 | |
CN109840072A (zh) | 信息处理方法和装置 | |
CN113723607A (zh) | 时空数据处理模型的训练方法、装置、设备及存储介质 | |
CN109446379A (zh) | 用于处理信息的方法和装置 | |
CN109635923A (zh) | 用于处理数据的方法和装置 | |
CN116030115B (zh) | 应用于ai的视觉设计图像分析方法及系统 | |
CN110097303A (zh) | 一种订单管理的方法和装置 | |
CN107252323A (zh) | 女性生理周期的预测方法、装置及用户设备 | |
CN108959289A (zh) | 网站类别获取方法和装置 |
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 | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20240409 Address after: 311800 No. 386 Jiefang Road, Diankou Town, Zhuji City, Shaoxing, Zhejiang Province Applicant after: Zhejiang Haoliang Zhixiang Information Technology Consulting Co.,Ltd. Country or region after: China Address before: 710000 room 402, unit 1, building 15, Jindun community, Renmin Road, Weiyi District, Xi'an City, Shaanxi Province Applicant before: He Guixia Country or region before: China |
|
GR01 | Patent grant | ||
GR01 | Patent grant |