CN113553498A - 团体更新方法、装置、电子设备和计算机可读介质 - Google Patents
团体更新方法、装置、电子设备和计算机可读介质 Download PDFInfo
- Publication number
- CN113553498A CN113553498A CN202110680352.6A CN202110680352A CN113553498A CN 113553498 A CN113553498 A CN 113553498A CN 202110680352 A CN202110680352 A CN 202110680352A CN 113553498 A CN113553498 A CN 113553498A
- Authority
- CN
- China
- Prior art keywords
- objects
- candidate
- group
- community
- heap
- 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
- 238000000034 method Methods 0.000 title claims abstract description 55
- 230000006399 behavior Effects 0.000 claims description 17
- 230000004044 response Effects 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 8
- 238000001514 detection method Methods 0.000 abstract description 16
- 238000010586 diagram Methods 0.000 description 12
- 238000004364 calculation method Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 7
- 230000003247 decreasing effect Effects 0.000 description 4
- 230000000670 limiting effect Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 239000003795 chemical substances by application Substances 0.000 description 3
- 230000002829 reductive effect Effects 0.000 description 3
- 230000000644 propagated effect Effects 0.000 description 2
- 241001465754 Metazoa Species 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000036961 partial effect Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000001960 triggered effect Effects 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
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- 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
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9536—Search customisation based on social or collaborative filtering
-
- 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
- G06Q50/01—Social networking
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- General Health & Medical Sciences (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请实施例公开了团体更新方法、装置、电子设备和计算机可读介质。该方法的实施例包括:基于群体中的已有团体中的对象,生成群体对应的候选对象集;获取候选对象集中的对象之间的亲密度,亲密度基于候选对象集中的对象的行为信息确定;基于亲密度,确定候选对象集对应的对象堆;从所确定的对象堆中选取目标对象堆,将目标对象堆包含的对象确定为主干对象;基于主干对象,更新群体中的团体。该实施方式能够自动检测和更新群体中的团体,降低了团体检测的人力成本,提高了团体检测的效率。
Description
技术领域
本申请实施例涉及计算机技术领域,具体涉及团体更新方法、装置、电子设备和计算机可读介质。
背景技术
群体是一群具有共同行为的对象的集合,其可通过设置一些规则来筛选和构建。群体中通常包含大量的对象,其中,部分对象关系较为密切,这部分对象可视为群体中的团体。
现有技术中,仅能够通过规则设定等方式检测出群体,若需要从群体中进一步定位出团体,则通常需要借助人工完成。由此,团体检测的人力成本较高,且检测效率较低。
发明内容
本申请实施例提出了团体更新方法、装置、电子设备和计算机可读介质,以解决现有技术中团体检测的人力成本较高且检测效率较低的技术问题。
第一方面,本申请实施例提供了一种团体更新方法,该方法包括:基于群体中的已有团体中的对象,生成所述群体对应的候选对象集;获取所述候选对象集中的对象之间的亲密度,所述亲密度基于所述候选对象集中的对象的行为信息确定;基于所述亲密度,确定所述候选对象集对应的对象堆;从所确定出的对象堆中选取目标对象堆,将目标对象堆包含的对象确定为主干对象;基于所述主干对象,更新所述群体中的团体。
第二方面,本申请实施例提供了一种团体更新装置,该装置包括:生成单元,被配置成基于群体中的已有团体中的对象,生成所述群体对应的候选对象集;获取单元,被配置成获取所述候选对象集中的对象之间的亲密度,所述亲密度基于所述候选对象集中的对象的行为信息确定;确定单元,被配置成基于所述亲密度,确定所述候选对象集对应的对象堆;选取单元,被配置成从所确定出的对象堆中选取目标对象堆,将目标对象堆包含的对象确定为主干对象;更新单元,被配置成基于所述主干对象,更新所述群体中的团体。
第三方面,本申请实施例提供了一种电子设备,包括:一个或多个处理器;存储装置,其上存储有一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如第一方面中所描述的方法。
第四方面,本申请实施例提供了一种计算机可读介质,其上存储有计算机程序,该程序被处理器执行时实现如第一方面中所描述的方法。
本申请实施例提供的团体更新方法、装置、电子设备和计算机可读介质,通过基于群体中的已有团体中的对象,生成群体对应的候选对象集;而后获取候选对象集中的对象之间的亲密度,亲密度基于候选对象集中的对象的行为信息确定;之后基于亲密度,确定候选对象集对应的对象堆;然后从所确定出的对象堆中选取目标对象堆,将目标对象堆包含的对象确定为主干对象;从而基于主干对象,更新群体中的团体。由此,能够基于对象之间的亲密度,自动检测和更新群体中的团体,降低了团体检测的人力成本,提高了团体检测的效率。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本申请的其它特征、目的和优点将会变得更明显:
图1是根据本申请的团体更新方法的一个实施例的流程图;
图2是根据本申请的团体更新方法的又一个实施例的流程图;
图3是根据本申请的团体更新装置的一个实施例的结构示意图;
图4是用于实现本申请实施例的电子设备的计算机系统的结构示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释相关发明,而非对该发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
请参考图1,其示出了根据本申请的团体更新方法的一个实施例的流程100。该团体更新方法可应用于电子设备,例如服务器、手机、平板电脑、膝上型便携计算机、车载电脑、台式计算机、可穿戴设备等各种电子设备。
该团体更新方法,包括以下步骤:
步骤101,基于群体中的已有团体中的对象,生成候选对象集。
在本实施例中,团体更新方法的执行主体(如上述电子设备)中可以预先存储有群体中的已有团体。其中,群体是一群具有共同行为的对象的集合,其可通过设置一些规则来筛选和构建,也可以预先有技术人员人工构建。群体中的对象可以指人或动物等。团体即为群体中关系较为密切的部分对象的集合。群体中的已有团体可以指当前时间以前已经检测出的团体,已有团体的数量可以是一个或多个。已有团体的检测方式与本申请所描述方式相同,首次的团体可通过先验知识确定。
实践中,可以以该群体中的各对象作为节点、以对象之间是否存在关系(如是否存在同行情况、或者亲密度是否大于阈值(如零)等)来决定节点之间是否具有边,从而可基于节点和边构建一个与该群体对应的图结构(graph),以该图结构表示该群体。图结构中的边的值可以表示相应的两节点的亲密度。其中,图结构是一种数据格式,用于表示具有某种关系的网络。图结构可以以图的形式表示,也可通过表形式表示,此处不作限定。
若以群体中某一团体中的各对象作为节点、以对象之间是否存在关系(如是否存在同行情况、或者亲密度是否大于阈值(如零)等)来决定节点之间的边,则由于同一团体中的对象均存在关系,因而该团体所构成的图结构(实际为以群体构建的图结构的局部)为一个连通图(connected graph)。
需要说明的是,上述执行主体中除可存储有已有团体外,还可存储有与群体或已有团体相关的其他信息。例如,可包括但不限于以下至少一项:群体的名称、已有团体的名称、已有团体的状态、已有团体中的对象(如可用标识、名称等表征)等。此外,对于每一个对象,上述执行主体中还可存储对应的对象信息,如所属团体的名称、编号、在上述团体中的身份(如主干对象、支干对象等)。例如:对象A的档案ID001属于团体001,角色:主干人员。
可以理解的是,随着时间变化,已有团体中的对象通常会发生更新。例如,已有团体中的主干对象变更为支干对象、已有团体中的支干对象变更为主干对象、已有团体中的主干对象分裂等。由此,需要在服务重启、人工确认团体中对象发生变化、或者团体合并等情况下触发团体的检测和更新,或者周期性地进行团体的检测和更新,以保证群体中的团体更为准确,进而便于后续对某些对象的行为进行分析、预判等。
在本实施例中,上述执行主体可以基于群体中的已有团体中的对象,生成候选对象集。其中,可直接将群体中的已有团体中的对象进行汇总,得到候选对象集,也可以将群体中的已有团体中的对象汇总后进行增减,得到候选对象集,此处不作限定。
步骤102,获取候选对象集中的对象之间的亲密度。
在本实施例中,上述执行主体可以获取候选对象集中的对象之间的亲密度。其中,亲密度可用于表征对象之间的关系的密切程度,可以用数值来表示。亲密度越大,密切程度越大。亲密度可基于候选对象集中的对象的行为信息确定。行为信息可包括但不限于行为地点、行为时间等信息。行为信息可通过对采集的图像中的对象进行识别后得到。一例中,对象之间的亲密度可由对象之间的同行次数表征,例如两个对象的同行次数为1,则二者亲密度为1,同行次数越多,亲密度越高。
作为示例,上述执行主体可以与一个或多个图像采集装置(如摄像头、抓拍机等)相连接,可获取各图像采集装置采集的图像,并对所获取的图像进行处理,如人脸识别等,以确定图像中的对象。实践中,对于某两个对象(如对象A和对象B),若这两个对象在被同一图像采集装置采集到且采集的间隔时长小于预设时长(如30秒),可认为这两个对象出现一次同行的行为。此时,可将这两个对象之间的亲密度加1。
实践中,亲密度可用如下方式记录:
对象A:
与对象B,亲密度3(抓拍时间2020.1.1.12:40:20、2020.3.1.12:45:20、2020.10.15.22:40:20);
与对象C,亲密度5(抓拍时间2020.1.1.12:41:20、2020.3.1.12:46:20、2020.10.15.22:41:20)。
步骤103,基于亲密度,确定候选对象集对应的对象堆。
在本实施例中,上述执行主体可以基于候选对象集中的对象之间的亲密度,确定候选对象集对应的对象堆。对象堆即为对象集合,其可包含一个或多个对象。同一对象堆内的每个对象至少与其所在的对象堆中的至少一个对象之间存在关系(如亲密度可大于某一阈值(如零)),也即,同一对象堆内的对象存在同行等情况,属于一个团体。位于不同对象堆的两对象不存在关系(如亲密度等于或小于该阈值(如零),也即,这两个对象不存在同行等情况,属于不同团体。
在本实施例中,由于主干对象通常需要满足一定条件,如与该主干对象的亲密度大于某一数值(如1或2)的其余对象需要达到一定数量等,因而可首先基于该条件对候选对象集进行过滤。之后从过滤后的候选对象集中确定存在关系(如亲密度可大于某一阈值(如零))的若干个对象,将上述若干个对象作为一个对象堆。
作为示例,候选对象集集中包括对象A、B、C、D、E。其中,对象A和B的亲密度为2,对象B和C的亲密度为1,对象D和E的亲密度为2,其余对象组合的亲密度均为0。若将阈值设为0,则对象A、B和C构成一个对象堆,对象D和E构成另外一个对象堆。
步骤104,从所确定出的对象堆中选取目标对象堆,将目标对象堆包含的对象确定为主干对象。
在本实施例中,上述执行主体可以设定约束条件,例如设定对象堆中的对象数量阈值,用于以限制主干对象的最小数量。由此,从所确定出的对象堆中选取数量满足该约束条件的目标对象堆,将目标对象堆包含的对象确定为主干对象。
步骤105,基于主干对象,更新群体中的团体。
在本实施例中,每一个目标对象堆中的对象为一个新团体中的主干对象。上述执行主体可以直接将每一个目标对象堆作为一个新团体;也可以将每一个目标对象堆中的主干对象及与该主干对象具有关系(如亲密度可大于某一阈值(如零))的其他对象进行汇总,得到一个新团体;还可以将每一个目标对象堆中的主干对象及与主干对象满足一定亲密度阈值(如1或2等)的指定数量的其他对象进行汇总,得到一个新团体。新团体中其余对象的选取可以根据需要进行规则设定,此处不作具体限定。
在本实施例的一些可选的实现方式中,在得到新团体后,可将新团体的相关信息(如新团体的名称、状态、所包含的对象等)存储至数据库,以便用于团体展示或者作为已有团体参与下次计算。
本申请的上述实施例提供的方法,通过基于群体中的已有团体中的对象,生成群体对应的候选对象集;而后获取候选对象集中的对象之间的亲密度,亲密度基于候选对象集中的对象的行为信息确定;之后基于亲密度,确定候选对象集对应的对象堆;然后从所确定出的对象堆中选取目标对象堆,将目标对象堆包含的对象确定为主干对象;从而基于主干对象,更新群体中的团体。由此,能够基于对象之间的亲密度,自动检测和更新群体中的团体,降低了团体检测的人力成本,提高了团体检测的效率。
进一步参考图2,其示出了团体更新方法的又一个实施例的流程200。该方法可在电子设备的内存中运行,以提高运行效率。该团体更新方法的流程200,包括以下步骤:
步骤201,基于群体中的已有团体中的对象,生成候选对象集。
在本实施例中,团体更新方法的执行主体(如服务器等电子设备)可以基于群体中的已有团体中的对象,生成候选对象集。其中,可直接将群体中的已有团体中的对象进行汇总,得到候选对象集,也可以将群体中的已有团体中的对象汇总后进行增减,得到候选对象集,此处不作限定。
在本实施例的一些可选的实现方式中,上述执行主体可根据人工设定的信息,来对已有团体中的对象进行增减,从而得到候选对象集。具体地,可按照如下步骤执行:
第一步,获取增加对象集和删除对象集。其中,增加对象集和删除对象集均可由人工预先构建。增加对象集中可包含已确定的属于团体的对象,删除对象集可包含已确定的不属于团体的对象。当然,可只设置增加对象集或删除对象集,对于未设置增加对象集的情况,可认为增加对象集为空集,对于未设置删除对象集的情况,可认为删除对象集为空集。
第二步,将包含于已有团体或增加对象集、且不包含于删除对象集的对象作为候选对象,生成群体对应的候选对象集。作为示例,可以首先确定群体中的已有团体与上述增加对象集的并集。例如,群体中的已有团体为集合{A,B,C,D},增加对象集为{D,E},则并集为{A,B,C,D,E}。此处的A、B、C、D、E为不同对象。而后,从该并集中删除删除对象集中的对象,得到候选对象集。例如,删除对象集中的对象包括A和B,则删除删除对象集中的对象后,可得到候选对象集{C,D,E}。
由于在生成候选对象集时不仅考虑到了已有团体,还考虑到了人工已确定的属于团体的对象和/或已确定的不属于团体的对象,由此可提高候选对象集的准确性。
在本实施例的一些可选的实现方式中,在确定候选对象集之后,上述执行主体还可以根据已有团体的情况,对候选对象集中的部分已有团体中的对象进行进一步移除,以减少数据计算量。具体地,可以在已有团体同时满足以下三个条件的情况下,从候选对象集中删除该已有团体中的对象:
条件一:该已有团体中的对象的数量大于团体对象阈值。
条件二:候选对象集中包含该已有团体中的各主干对象。
条件三:该已有团体对应的对象堆唯一。
其中,团体对象阈值可用于限制团体的最大对象数,其可以为预设值。主干对象可以指团体中的主要成员,其是决定团体是否能够形成的主要因素。除主干对象外,团体中还包含支干对象。支干对象即为团体中的非主干对象。对象堆对应图结构中的连通块(block),此处的图结构为针对该已有团体重新确定主干对象后,所重新确定的主干对象所构成的图结构。连通块即为图结构中具有连通性的节点的最大集合。重新确定已有团体中的主干对象的方式,可参见如下步骤103中从候选对象集中选取主干对象的操作。
需要说明的是,上述条件一、条件二、条件三的判断顺序可根据需要进行设定,此处不作限定。例如,可首先判断条件一。若满足条件一,则意味着该已有团体中的对象数量过多,运算量很大,需占用较大计算资源,且因对象之间的关系通常较为复杂,易造成无法清晰展示结果的情况。此时可进一步判断条件二。若满足条件二,意味着该已有团体中的主干对象未发生更新。此时可进一步判断条件三。若满足条件三,意味着该已有团体未发生分裂。同时满足条件一、条件二、条件三,可认为该已有团体未发生变更,可不参与此次计算,由此可避免占用过多计算资源。
还需要说明的是,当存在多个已有团体时,可分别针对每一个已有团体执行上述条件判断的步骤,以决定是否从候选对象集中删除该已有团体中的对象。所删除的已有团体可视为未发生变更且所含对象过多的团体,使其不参与此次计算,可避免占用过多计算资源。
步骤202,获取候选对象集中的对象之间的亲密度。
本实施例中的步骤202可参见图1对应实施例的步骤102,此处不再赘述。
步骤203,基于亲密度,确定候选对象集对应的对象堆。
在本实施例中,由于主干对象通常需要满足一定条件,如与该主干对象的亲密度大于某一数值(如1或2)的其余对象需要达到一定数量等,因而可首先基于该条件对候选对象集进行过滤。之后从过滤后的候选对象集中确定存在关系(如亲密度可大于某一阈值(如零))的若干个对象,将上述若干个对象作为一个对象堆。
在本实施例的一些可选的实现方式中,上述执行主体还可按照如下步骤选取候选对象集对应的对象堆:
第一步,对于候选对象集中的每一个对象,确定候选对象集中与该对象的亲密度大于第一亲密度阈值(可记为S1)的其余对象的第一数量;响应于第一数量大于或等于第一值(可为预设值,可记为N),可将该对象作为候选主干对象。即,对于候选对象集中的每一个对象,若候选对象集中与该对象的亲密度大于S1的其他对象的数量大于或等于N,则可将该对象作为候选主干对象。
第二步,将候选主干对象作为节点,基于候选主干对象之间的亲密度确定节点之间的边,并基于节点和边,生成图结构(graph)。节点之间的边用以表征节点之间的关联关系。若某两个候选主干对象之间存在关系(如亲密度大于某一阈值(如零)),则这两个候选主干对象对应的节点之间具有边,边的值可以是这两个候选主干对象的亲密度。
第三步,确定所生成的图结构中的连通块(block),从候选对象集对应的中选取与各连通块对应的对象堆。连通块即为图结构中具有连通性的节点的最大集合。图结构中的连通块可以有一个或多个。由于图结构的节点为对象,因此每个连通块可对应一个对象堆。查找连通块的方式可以为:以任一候选主干对象为起点,查找与其存在关系的其他候选主干对象,再查找与上一次查找到的候选主干对象存在关系的候选主干对象,直到查找出所有与起点对应的候选主干对象有直接或间接关系的候选主干对象。将起点对应的候选主干对象和与其有直接或间接关系的候选主干对象作为一个连通块。例如,候选主干对象分别有A、B、C、D。A与B存在关系(即连通),C与A存在关系,D与C存在关系。若以C为起点,则通路为C-A-B;若以D为起点,则通路为D-C-A-B。由于D-C-A-B为具有连通性的节点的最大集合,因而连通块即为集合{A,B,C,D}。
步骤204,从所确定出的对象堆中选取目标对象堆,将目标对象堆包含的对象确定为主干对象。
在本实施例中,在本实施例中,上述执行主体可以设定约束条件,例如设定对象堆中的对象数量阈值,用于以限制主干对象的最小数量。由此,从所确定出的对象堆中选取数量满足该约束条件的目标对象堆,将目标对象堆包含的对象确定为主干对象。
在本实施例的一些可选的实现方式中,上述执行主体还可按照如下步骤选取目标对象堆以及确定主干对象:
第一步,确定各连通块的连通量。连通量可以指连通块中的节点的数量。连通量可通过并查集的方式计算,也可通过其他方式计算。继续上述示例,连通块为集合{A,B,C,D},该集合中共有四个节点,因此该连通块的连通量为4。
第二步,选取连通量大于或等于第二值(可为预设值,记为M,用于限制主干对象的数量)的目标连通块,将每个目标连通块对应的对象堆作为目标对象堆,将每个目标对象堆包含的对象确定为一个新团体的主干对象。继续上述示例,仅存在一个连通量为4的连通块,若该连通量大于或等于M,则该连通块即为目标连通块,连通块中的节点即为新团体的主干对象。需要说明的是,若存在两个或多个目标连通块,则每个目标连通块可对应一个新团体,每一个目标连通块中的节点即为相应的新团体中的主干对象。
通过设定第一亲密度阈值以及第一值来筛选候选主干对象,之后通过用于限制主干对象的数量的第二值还从候选主干对象中选取主干对象,由此可结合多种条件进行主干对象的选取,提高了主干对象选取的准确性。
在本实施例的一些可选的实现方式中,上述执行主体还可按照如下步骤选取目标对象堆以及确定主干对象:
第一步,确定各连通块的连通量。
第二步,选取连通量大于或等于第二值的目标连通块,将目标连通块对应的对象堆中的对象汇总为目标对象集。
第三步,基于目标对象集中的对象的来源,将目标对象集划分为群体外对象集和群体内对象集,并分别确定群体外对象集的第一对象堆和群体内对象集的第二对象堆;
第四步,对于第一对象堆中的每一个对象,若该对象与第二对象堆中的对象堆中的对象不具有亲密度,从目标对象集中删除该对象,以更新目标对象集。
第五步,基于更新后的目标对象集中的对象的亲密度,确定更新后的目标对象集对应的对象堆,并从更新后的目标对象集对应的对象堆中选取目标对象堆,将每个目标对象堆包含的对象确定为一个新团体的主干对象。此处第五步的操作可参见步骤203以及步骤204中的上一可选实现方式,此处不再赘述。
一实施例中,团体更新方法还包括步骤S205和S206。
步骤205,基于主干对象,从候选对象集中选取对应的支干对象。
在本实施例中,团体中除主干对象外,还包含支干对象。支干对象为团体中的非主干对象。支干对象可基于主干对象扩展到团体中,且支干对象不是团体形成的必须。上述执行主体可以基于主干对象(如基于与主干对象的亲密度),从候选对象集中选取支干对象。当主干对象对应多个新团体时,可分别基于每一个新团体的主干对象,确定出该新团体的支干对象。
在本实施例的一些可选的实现方式中,基于主干对象,上述执行主体可以按照如下步骤从候选对象集中选取支干对象:
第一步,对于与主干对象具有亲密度(即亲密度大于零)的每一个非主干对象,确定与该非主干对象的亲密度大于第二亲密度阈值(可记为S2)的主干对象的第二数量;响应于第二数量大于或等于第三值(可记为P),将该非主干对象作为候选支干对象。即,若候选对象集中与该非主干对象的亲密度大于S2的主干对象的数量大于或等于P,则可将该非主干对象作为候选支干对象。
第二步,从候选支干对象中选取支干对象。
可直接将候选支干对象作为支干对象,也可以将满足一定条件的候选支干对象作为支干对象。此处,可以首先基于预设的团体对象阈值和候选对象集中的主干对象的数量,确定支干对象阈值。其中,团体对象阈值可用于限制团体的最大对象数。可理解的是,团体中所包含的对象数量过大时,显示效果不佳,因此可显示可设置团体对象阈值,以确保主干对象和支干对象的数量之和不至于过大。可将团体对象阈值与候选对象集中的主干对象的数量的差值,作为支干对象阈值,用以限制支干对象的数量。而后,基于候选支干对象与候选对象集中的主干对象的亲密度,对候选支干对象进行排序;此处,既可以按候选支干对象与各主干对象的亲密度之和由大到小的顺序进行排序,也可以按照候选支干对象与各主干对象的亲密度的最大值由大到小的顺序进行排序,此处不作具体限定。最后,按照排序顺序,选取前支干对象阈值个的候选支干对象,作为支干对象。由此,可限制团体中的对象的数量,避免占用过多计算资源。
需要说明的是,除按以上方式选取支干对象外,还可以按照其他方式进行支干对象的选取。例如,可直接截取主干的一度好友(即与主干对象具有直接相连的边的候选支干对象),作为支干对象。
步骤206,基于主干对象以及主干对象对应的支干对象,更新群体中的团体。
在本实施例中,每一个目标对象堆中的对象为一个新团体中的主干对象。针对每一个目标对象堆,上述执行主体可以将其中的主干对象对应的支干对象加入至该目标对象堆中,形成一个包含主干对象和支干对象的对象集合,此对象集合即为一个新团体。通过新团体可对已有团体进行更新。
在本实施例的一些可选的实现方式中,在得到新团体后,可将新团体的相关信息(如新团体的名称、状态、所包含的对象等)存储至数据库,以便用于团体展示或者作为已有团体参与下次计算。
在本实施例的一些可选的实现方式中,在将每个目标对象堆包含的对象确定为一个新团体的主干对象之后,对于每一个已有团体,响应于该已有团体的主干对象分布于至少两个新团体中,上述执行主体还可以将该已有团体的名称作为包含最多主干对象的新团体的名称。此外,还可以将该已有团体的状态(如已处理状态、重点关注状态、系统识别状态等)作为包含最多主干对象的新团体的状态。
在本实施例的一些可选的实现方式中,在将每个目标对象堆包含的对象确定为一个新团体的主干对象之后,对于每一个新团体,响应于该新团体中的主干对象来自多个已有团体,上述执行主体可以基于上述多个已有团体的名称、状态、对象数量、创建时间中的至少一项,确定上述多个已有团体中的目标已有团体,从而将上述目标已有团体的名称作为上述新团体的名称。
作为示例,可以首先根据名称来确定上述多个已有团体中的目标已有团体。若某一已有团体的名称被人工修改过,意味着该已有团体被关注过,因此该已有团体更为重要,其名称可被继承。由此,若上述多个已有团体中的某一已有团体的名称被人工修改过,则可将该已有团体作为目标已有团体,将新团体的名称设定为目标已有团体的名称。
继续上述示例,若上述多个已有团体中存在至少两个已有团体的名称被人工修改过,或者,上述多个已有团体的名称均未被人工修改过,则可以根据各已有团体的状态来确定目标已有团体,如将处于重点关注状态的已有团体作为目标已有团体,将新团体的名称设定为目标已有团体的名称。
需要说明的是,若基于已有团体的状态仍无法确定出目标已有团体,则还可以进一步基于已有团体中的对象的人数、已有团体的创建时间等确定出目标已有团体,此处不作具体限定。
本申请的上述实施例提供的方法,通过设定第一亲密度阈值以及第一值来筛选候选主干对象,之后通过用于限制主干对象的数量的第二值还从候选主干对象中选取主干对象,可结合多种条件进行主干对象的选取,提高了主干对象选取的准确性。此外,通过确定支干对象,可以得到包含主干对象和支干对象的新团体,提高了团体中对象的精确性。
进一步参考图3,作为对上述各图所示方法的实现,本申请提供了一种团体更新装置的一个实施例,该装置实施例与图1所示的方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图3所示,本实施例的团体更新装置300包括:生成单元301,被配置成基于群体中的已有团体中的对象,生成上述群体对应的候选对象集;获取单元302,被配置成获取上述候选对象集中的对象之间的亲密度,上述亲密度基于上述候选对象集中的对象的行为信息确定;确定单元303,被配置成基于上述亲密度,确定上述候选对象集对应的对象堆;选取单元304,被配置成从所确定出的对象堆中选取目标对象堆,将目标对象堆包含的对象确定为主干对象;更新单元305,被配置成基于上述主干对象,更新上述群体中的团体。
在本实施例的一些可选的实现方式中,上述更新单元305,进一步被配置成:基于上述主干对象,从上述候选对象集中选取对应的支干对象;基于上述主干对象以及上述主干对象对应的支干对象,更新上述群体中的团体。
在本实施例的一些可选的实现方式中,上述生成单元301,进一步被配置成:获取增加对象集和删除对象集,上述增加对象集包含已确定的属于团体的对象,上述删除对象集包含已确定的不属于团体的对象;将包含于上述已有团体或上述增加对象集且不包含于上述删除对象集的对象作为候选对象,生成上述群体对应的候选对象集。
在本实施例的一些可选的实现方式中,上述装置还包括:删除单元,被配置成确定同时满足以下条件的已有团体:对象的数量大于预设的团体对象阈值、各主干对象包含于上述候选对象集中、对象堆唯一;从上述候选对象集中,删除所确定出的已有团体中的对象。
在本实施例的一些可选的实现方式中,上述确定单元303,进一步被配置成:对于上述候选对象集中的每一个对象,确定上述候选对象集中与该对象的亲密度大于第一亲密度阈值的其余对象的第一数量;响应于上述第一数量大于或等于第一值,将该对象作为候选主干对象;将上述候选主干对象作为节点,基于上述候选主干对象之间的亲密度确定节点之间的边,并基于上述节点和上述边,生成图结构;确定所生成的图结构中的连通块,从上述候选对象集中选取与各连通块对应的对象堆。
在本实施例的一些可选的实现方式中,上述选取单元304,进一步被配置成确定各连通块的连通量;选取连通量大于或等于第二值的目标连通块,将每个目标连通块对应的对象堆作为目标对象堆,将每个目标对象堆包含的对象确定为一个新团体的主干对象。
在本实施例的一些可选的实现方式中,上述选取单元304,进一步被配置成确定各连通块的连通量;选取连通量大于或等于第二值的目标连通块,将上述目标连通块对应的对象堆中的对象汇总为目标对象集;基于上述目标对象集中的对象的来源,将上述目标对象集划分为群体外对象集和群体内对象集,并分别确定上述群体外对象集的第一对象堆和上述群体内对象集的第二对象堆;对于上述第一对象堆中的每一个对象,若该对象与上述第二对象堆中的对象堆中的对象不具有亲密度,从上述目标对象集中删除该对象,以更新上述目标对象集;基于更新后的目标对象集中的对象的亲密度,确定上述更新后的目标对象集对应的对象堆,并从上述更新后的目标对象集对应的对象堆中选取目标对象堆,将目标对象堆包含的对象确定为主干对象。
在本实施例的一些可选的实现方式中,上述装置还包括:第一名称确定单元,被配置成对于每一个已有团体,响应于该已有团体的主干对象分布于至少两个新团体中,将该已有团体的名称作为包含最多主干对象的新团体的名称。
在本实施例的一些可选的实现方式中,上述装置还包括:第二名称确定单元,被配置成对于每一个新团体,响应于该新团体中的主干对象来自多个已有团体,基于上述多个已有团体的名称、状态、对象数量、创建时间中的至少一项,确定上述多个已有团体中的目标已有团体;将上述目标已有团体的名称作为上述新团体的名称。
在本实施例的一些可选的实现方式中,上述更新单元305,进一步被配置成:对于与主干对象具有亲密度的每一个非主干对象,确定与该非主干对象的亲密度大于第二亲密度阈值的主干对象的第二数量;响应于上述第二数量大于或等于第三值,将该非主干对象作为候选支干对象;从上述候选支干对象中选取支干对象。
在本实施例的一些可选的实现方式中,上述更新单元305,进一步被配置成:基于预设的团体对象阈值和上述候选对象集中的主干对象的数量,确定支干对象阈值;基于上述候选支干对象与上述候选对象集中的主干对象的亲密度,对上述候选支干对象进行排序;按照上述排序顺序,选取前上述支干对象阈值个的候选支干对象,作为支干对象。
在本实施例的一些可选的实现方式中,所述群体中的已有团体中的对象存储于内存中。
本申请的上述实施例提供的装置,通过基于群体中的已有团体中的对象,生成群体对应的候选对象集;而后获取候选对象集中的对象之间的亲密度,亲密度基于候选对象集中的对象的行为信息确定;之后基于亲密度,确定候选对象集对应的对象堆;然后从所确定出的对象堆中选取目标对象堆,将目标对象堆包含的对象确定为主干对象;从而基于主干对象,更新群体中的团体。由此,能够基于对象之间的亲密度,自动检测和更新群体中的团体,降低了团体检测的人力成本,提高了团体检测的效率。
下面参考图4,其示出了用于实现本申请的一些实施例的电子设备的结构示意图。图4示出的电子设备仅仅是一个示例,不应对本申请的实施例的功能和使用范围带来任何限制。
如图4所示,电子设备400可以包括处理装置(例如中央处理器、图形处理器等)401,其可以根据存储在只读存储器(ROM)402中的程序或者从存储装置408加载到随机访问存储器(RAM)403中的程序而执行各种适当的动作和处理。在RAM 403中,还存储有电子设备400操作所需的各种程序和数据。处理装置401、ROM 402以及RAM403通过总线404彼此相连。输入/输出(I/O)接口405也连接至总线404。
通常,以下装置可以连接至I/O接口405:包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置406;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置407;包括例如磁盘、硬盘等的存储装置408;以及通信装置409。通信装置409可以允许电子设备400与其他设备进行无线或有线通信以交换数据。虽然图4示出了具有各种装置的电子设备400,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图4中示出的每个方框可以代表一个装置,也可以根据需要代表多个装置。
特别地,根据本申请的一些实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本申请的一些实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的一些实施例中,该计算机程序可以通过通信装置409从网络上被下载和安装,或者从存储装置408被安装,或者从ROM 402被安装。在该计算机程序被处理装置401执行时,执行本申请的一些实施例的方法中限定的上述功能。
需要说明的是,本申请的一些实施例所述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请的一些实施例中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请的一些实施例中,计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
在一些实施方式中,客户端、服务器可以利用诸如HTTP(HyperTextTransferProtocol,超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信,并且可以与任意形式或介质的数字数据通信(例如,通信网络)互连。通信网络的示例包括局域网(“LAN”),广域网(“WAN”),网际网(例如,互联网)以及端对端网络(例如,ad hoc端对端网络),以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备:基于群体中的已有团体中的对象,生成群体对应的候选对象集;获取候选对象集中的对象之间的亲密度,亲密度基于候选对象集中的对象的行为信息确定;基于亲密度,确定候选对象集对应的对象堆;从所确定的对象堆中选取目标对象堆,将目标对象堆包含的对象确定为主干对象;基于主干对象,更新群体中的团体。
可以以一种或多种程序设计语言或其组合来编写用于执行本申请的一些实施例的操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言,诸如Java、Smalltalk、C++;还包括常规的过程式程序设计语言,诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接),上述网络包括局域网(LAN)或广域网(WAN)。
附图中的流程图和框图,图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本申请的一些实施例中的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中,例如,可以描述为:一种处理器包括第一确定单元、第二确定单元、选取单元和第三确定单元。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如,非限制性地,可以使用的示范类型的硬件逻辑部件包括:现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
以上描述仅为本申请的一些较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本申请的实施例中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请的实施例中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (15)
1.一种团体更新方法,其特征在于,所述方法包括:
基于群体中的已有团体中的对象,生成所述群体对应的候选对象集;
获取所述候选对象集中的对象之间的亲密度,所述亲密度基于所述候选对象集中的对象的行为信息确定;
基于所述亲密度,确定所述候选对象集对应的对象堆;
从所确定出的对象堆中选取目标对象堆,将目标对象堆包含的对象确定为主干对象;
基于所述主干对象,更新所述群体中的团体。
2.根据权利要求1所述的方法,其特征在于,所述基于群体中的已有团体中的对象,生成所述群体对应的候选对象集,包括:
获取增加对象集和删除对象集,所述增加对象集包含已确定的属于团体的对象,所述删除对象集包含已确定的不属于团体的对象;
将包含于所述已有团体或所述增加对象集且不包含于所述删除对象集的对象作为候选对象,生成所述群体对应的候选对象集。
3.根据权利要求1-2任一项所述的方法,其特征在于,在确定所述候选对象集对应的对象堆之前,所述方法还包括:
确定同时满足以下条件的已有团体:对象的数量大于团体对象阈值、各主干对象包含于所述候选对象集中、对象堆唯一;
从所述候选对象集中,删除所确定出的已有团体中的对象。
4.根据权利要求1-3任一项所述的方法,其特征在于,所述基于所述亲密度,确定所述候选对象集对应的对象堆,包括:
对于所述候选对象集中的一个对象,确定所述候选对象集中与该对象的亲密度大于第一亲密度阈值的其余对象的第一数量;响应于所述第一数量大于或等于第一值,将该对象作为候选主干对象;
将所述候选主干对象作为节点,基于所述候选主干对象之间的亲密度确定节点之间的边,并基于所述节点和所述边,生成图结构;
确定所生成的图结构中的连通块,从所述候选对象集中选取与各连通块对应的对象堆。
5.根据权利要求4所述的方法,其特征在于,所述从所确定出的对象堆中选取目标对象堆,将目标对象堆包含的对象确定为主干对象,包括:
确定各连通块的连通量;
选取连通量大于或等于第二值的目标连通块,将每个目标连通块对应的对象堆作为目标对象堆,将每个目标对象堆包含的对象确定为一个新团体的主干对象。
6.根据权利要求4所述的方法,其特征在于,所述从所确定出的对象堆中选取目标对象堆,将目标对象堆包含的对象确定为主干对象,包括:
确定各连通块的连通量;
选取连通量大于或等于第二值的目标连通块,将所述目标连通块对应的对象堆中的对象汇总为目标对象集;
基于所述目标对象集中的对象的来源,将所述目标对象集划分为群体外对象集和群体内对象集,并分别确定所述群体外对象集的第一对象堆和所述群体内对象集的第二对象堆;
对于所述第一对象堆中的每一个对象,若该对象与所述第二对象堆中的对象堆中的对象不具有亲密度,从所述目标对象集中删除该对象,以更新所述目标对象集;
基于更新后的目标对象集中的对象的亲密度,确定所述更新后的目标对象集对应的对象堆,并从所述更新后的目标对象集对应的对象堆中选取目标对象堆,将每个目标对象堆包含的对象确定为一个新团体的主干对象。
7.根据权利要求5或6所述的方法,其特征在于,在将每个目标对象堆包含的对象确定为一个新团体的主干对象之后,所述方法还包括:
对于每一个已有团体,响应于该已有团体的主干对象分布于至少两个新团体中,将该已有团体的名称作为包含最多主干对象的新团体的名称。
8.根据权利要求5或6所述的方法,其特征在于,在将每个目标对象堆包含的对象确定为一个新团体的主干对象之后,所述方法还包括:
对于每一个新团体,响应于该新团体中的主干对象来自多个已有团体,基于所述多个已有团体的名称、状态、对象数量、创建时间中的至少一项,确定所述多个已有团体中的目标已有团体;
将所述目标已有团体的名称作为所述新团体的名称。
9.根据权利要求1-8任一项所述的方法,其特征在于,所述基于所述主干对象,更新所述群体中的团体,包括:
基于所述主干对象,从所述候选对象集中选取对应的支干对象;
基于所述主干对象以及所述主干对象对应的支干对象,更新所述群体中的团体。
10.根据权利要求9所述的方法,其特征在于,所述基于所述主干对象,从所述候选对象集中选取对应的支干对象,包括:
对于与主干对象具有亲密度的每一个非主干对象,确定与该非主干对象的亲密度大于第二亲密度阈值的主干对象的第二数量;响应于所述第二数量大于或等于第三值,将该非主干对象作为候选支干对象;
从所述候选支干对象中选取支干对象。
11.根据权利要求10所述的方法,其特征在于,所述从所述候选支干对象中选取支干对象,包括:
基于预设的团体对象阈值和所述候选对象集中的主干对象的数量,确定支干对象阈值;
基于所述候选支干对象与所述候选对象集中的主干对象的亲密度,对所述候选支干对象进行排序;
按照所述排序顺序,选取前所述支干对象阈值个的候选支干对象,作为支干对象。
12.根据权利要求1-11任一项所述的方法,其特征在于,所述群体中的已有团体中的对象存储于内存中。
13.一种团体更新装置,其特征在于,所述方法包括:
生成单元,被配置成基于群体中的已有团体中的对象,生成所述群体对应的候选对象集;
获取单元,被配置成获取所述候选对象集中的对象之间的亲密度,所述亲密度基于所述候选对象集中的对象的行为信息确定;
确定单元,被配置成基于所述亲密度,确定所述候选对象集对应的对象堆;
选取单元,被配置成从所确定出的对象堆中选取目标对象堆,将目标对象堆包含的对象确定为主干对象;
更新单元,被配置成基于所述主干对象,更新所述群体中的团体。
14.一种电子设备,其特征在于,包括:
一个或多个处理器;
存储装置,其上存储有一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-12中任一所述的方法。
15.一种计算机可读介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-12中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110680352.6A CN113553498A (zh) | 2021-06-18 | 2021-06-18 | 团体更新方法、装置、电子设备和计算机可读介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110680352.6A CN113553498A (zh) | 2021-06-18 | 2021-06-18 | 团体更新方法、装置、电子设备和计算机可读介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113553498A true CN113553498A (zh) | 2021-10-26 |
Family
ID=78130652
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110680352.6A Pending CN113553498A (zh) | 2021-06-18 | 2021-06-18 | 团体更新方法、装置、电子设备和计算机可读介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113553498A (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104484344A (zh) * | 2014-11-27 | 2015-04-01 | 北京理工大学 | 一种社会网络中社团成员层次结构的探测方法 |
CN109886239A (zh) * | 2019-02-28 | 2019-06-14 | 北京旷视科技有限公司 | 人像聚类方法、装置及系统 |
CN110177094A (zh) * | 2019-05-22 | 2019-08-27 | 武汉斗鱼网络科技有限公司 | 一种用户团体识别方法、装置、电子设备及存储介质 |
CN112616074A (zh) * | 2021-03-08 | 2021-04-06 | 武汉斗鱼鱼乐网络科技有限公司 | 目标团体识别方法及电子设备 |
-
2021
- 2021-06-18 CN CN202110680352.6A patent/CN113553498A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104484344A (zh) * | 2014-11-27 | 2015-04-01 | 北京理工大学 | 一种社会网络中社团成员层次结构的探测方法 |
CN109886239A (zh) * | 2019-02-28 | 2019-06-14 | 北京旷视科技有限公司 | 人像聚类方法、装置及系统 |
CN110177094A (zh) * | 2019-05-22 | 2019-08-27 | 武汉斗鱼网络科技有限公司 | 一种用户团体识别方法、装置、电子设备及存储介质 |
CN112616074A (zh) * | 2021-03-08 | 2021-04-06 | 武汉斗鱼鱼乐网络科技有限公司 | 目标团体识别方法及电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wen et al. | Inferring phylogenetic networks using PhyloNet | |
CN110704751B (zh) | 数据处理方法、装置、电子设备及存储介质 | |
CN109815416B (zh) | 关联信息的推送方法、装置,电子设备及存储介质 | |
CN106055630A (zh) | 日志存储的方法及装置 | |
CN113656407A (zh) | 一种数据拓扑生成方法、装置、电子设备及存储介质 | |
CN105022807A (zh) | 信息推荐方法及装置 | |
CN114462582A (zh) | 基于卷积神经网络模型的数据处理方法及装置、设备 | |
CN114385772A (zh) | 位置信息生成方法、装置、设备和计算机可读介质 | |
JP2023523191A (ja) | アカウントの識別方法、装置、電子機器及びコンピュータ読み取り可能な媒体 | |
CN111062736A (zh) | 模型训练、线索排序方法、装置及设备 | |
CN111143496B (zh) | 用于确定轨迹相似的目标对象的方法和装置 | |
CN112836124A (zh) | 一种画像数据获取方法、装置、电子设备及存储介质 | |
CN110347973B (zh) | 用于生成信息的方法和装置 | |
CN112364185A (zh) | 多媒体资源的特征确定方法、装置、电子设备和存储介质 | |
CN110909072B (zh) | 一种数据表建立方法、装置及设备 | |
CN116796233A (zh) | 数据分析方法、装置、计算机可读介质及电子设备 | |
CN108961071B (zh) | 自动预测组合业务收益的方法及终端设备 | |
CN114328700B (zh) | 医疗数据etl任务中的数据核查方法及装置 | |
EP4109366A1 (en) | Method and device for managing project by using data merging | |
CN113553498A (zh) | 团体更新方法、装置、电子设备和计算机可读介质 | |
CN113590447B (zh) | 埋点处理方法和装置 | |
CN111666449B (zh) | 视频检索方法、装置、电子设备和计算机可读介质 | |
CN110321435B (zh) | 一种数据源划分方法、装置、设备和存储介质 | |
CN111898027A (zh) | 确定特征维度的方法、装置、电子设备和计算机可读介质 | |
CN111581930A (zh) | 在线表格数据处理方法、装置、电子设备和可读介质 |
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 |