CN114240500A - 抑制型用户的识别方法、装置、介质与电子设备 - Google Patents
抑制型用户的识别方法、装置、介质与电子设备 Download PDFInfo
- Publication number
- CN114240500A CN114240500A CN202111555382.0A CN202111555382A CN114240500A CN 114240500 A CN114240500 A CN 114240500A CN 202111555382 A CN202111555382 A CN 202111555382A CN 114240500 A CN114240500 A CN 114240500A
- Authority
- CN
- China
- Prior art keywords
- resource
- user
- unit time
- determining
- period
- 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
Landscapes
- Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Data Mining & Analysis (AREA)
- Economics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本公开提供了一种抑制型用户的识别方法、装置、介质与电子设备,涉及计算机技术领域。所述业务处理方法包括:获取用户在资源统计周期内,多个单位时间的资源消耗量;根据每个单位时间的资源消耗量和用户的固定资源量,确定用户在资源统计周期的识别参数;根据识别参数,确定用户在资源统计周期是否为抑制型用户。本公开提供了一种识别抑制型用户的实现方案,提高了抑制型用户的识别便捷度和精准度。
Description
技术领域
本公开涉及计算机技术领域,尤其涉及一种抑制行为用户识别方法、抑制行为用户识别装置、计算机可读存储介质与电子设备。
背景技术
抑制型用户指的是当用户的行为可能会导致负面结果时,会对用户行为进行限制的用户。例如,对于用户终端,用户的资源消耗量超过一定资源阈值后,用户终端会限制用户的资源使用,防止用户额外的资源消耗造成的费用损失。
发明内容
本公开提供了一种抑制型用户的识别方法、装置、介质与电子设备,进而提高了抑制型用户的识别精准度和效率。
根据本公开的第一方面,提供一种抑制型用户的识别方法,包括:
获取用户在资源统计周期内,多个单位时间的资源消耗量;
根据所述每个单位时间的资源消耗量和所述用户的固定资源量,确定所述用户在所述资源统计周期的识别参数;
根据所述识别参数,确定所述用户在所述资源统计周期是否为抑制型用户。
根据本公开的第二方面,提供一种抑制型用户的识别方法,包括:
获取用户在资源统计周期内,多个单位时间的资源消耗量;
根据所述每个单位时间的资源消耗量和所述用户的固定资源量,确定所述用户在所述资源统计周期的识别参数;
根据所述识别参数,确定所述用户在所述资源统计周期是否为抑制型用户。
根据本公开的第三方面,提供一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现第一方面的方法。
根据本公开的第四方面,提供一种电子设备,包括:
处理器;以及
存储器,用于存储处理器的可执行指令;
其中,处理器配置为经由执行可执行指令来执行第一方面的方法。
本公开的技术方案具有以下有益效果:
提供了一种抑制型用户的识别方法、装置、介质与电子设备,可以获取资源统计周期内,多个单位时间的资源消耗量;根据每个单位时间的资源消耗量和用户的固定资源量,确定用户在资源统计周期的识别参数,以实现根据识别参数确定用户是否为抑制型用户。一方面,提供了一种便捷的用户类型识别方法;另一方面,用户类型识别过程是基于用户的资源消耗量和用户的固定资源量实现的,无需人工参与,提升了识别结果的精准度。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施方式,并与说明书一起用于解释本公开的原理。显而易见地,下面描述中的附图仅仅是本公开的一些实施方式,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示出本示例性实施方式中一种抑制型用户的识别方法的流程示意图;
图2示出本示例性实施方式中一种确定用户在资源统计周期的识别参数的流程图;
图3示出本示例性实施方式中又一种确定用户在资源统计周期的识别参数的流程图;
图4示出本示例性实施方式中再一种确定用户在资源统计周期的识别参数的流程图;
图5示出本示例性实施方式中又一种抑制型用户的识别方法的流程示意图;
图6示出本示例性实施方式中一种用户在流量统计周期的流量消耗量曲线图;
图7示出本示例性实施方式中一种抑制型用户的识别装置的结构示意图;
图8示出本示例性实施方式中另一种电子设备的结构示意图。
具体实施方式
现在将参考附图更全面地描述示例性实施方式。然而,示例性实施方式能够以多种形式实施,且不应被理解为限于在此阐述的范例;相反,提供这些实施方式使得本公开将更加全面和完整,并将示例性实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。在下面的描述中,提供许多具体细节从而给出对本公开的实施方式的充分理解。然而,本领域技术人员将意识到,可以实践本公开的技术方案而省略所述特定细节中的一个或更多,或者可以采用其它的方法、组元、装置、步骤等。在其它情况下,不详细示出或描述公知技术方案以避免喧宾夺主而使得本公开的各方面变得模糊。
此外,附图仅为本公开的示意性图解,并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分,因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体,不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体,或在一个或多个硬件模块或集成电路中实现这些功能实体,或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
附图中所示的流程图仅是示例性说明,不是必须包括所有的步骤。例如,有的步骤还可以分解,而有的步骤可以合并或部分合并,因此实际执行的顺序有可能根据实际情况改变。
相关技术中,出现了识别抑制型用户的方案。相关技术中提供的抑制型用户的识别过程通常可以通过数据模型实现,但是,在模型建立过程中,需要耗费大量的人工去寻找和标注抑制型样本用户,人工成本高,且利用数据模型识别抑制型用户的过程中,常常会出现识别精准度不高的问题。例如,通常会出现将非抑制型用户识别为抑制型用户的情况。
为了解决上述问题,本公开实施例提供了一种抑制型用户的识别方法,可以应用于通信运营商对用户类型进行识别的场景,该方法可以应用于运营商的终端设备,该终端设备可以是计算机、平板电脑、手机或者服务器等,本公开实施例对此不作限定。如图1所示,该方法包括步骤S101至步骤S103:
步骤S101,获取用户在资源统计周期内,多个单位时间的资源消耗量。
在本公开实施例中,资源统计周期为用户资源消耗数据的采集周期,该资源统计周期可以基于实际需要确定,本公开实施例对此不作限定。单位时间为资源统计周期中的最小资源消耗数据采集时间,示例的,若资源统计周期以月为一个统计周期,则单位时间可以为每月中的每一天;若资源统计周期以周为一个统计周期,则单位时间可以为每周中的每小时或者每天等。资源消耗量可以基于实际应用场景确定,本公开实施例对此不作限定,例如,在移动通信场景中,资源消耗量可以包括用户的流量消耗量,通话时长或者短信发送数量。
步骤S102,根据每个单位时间的资源消耗量和用户的固定资源量,确定用户在资源统计周期的识别参数。
在本公开实施例中,用户的固定资源量为用户办理相关业务后,在每个资源统计周期内允许消耗的资源量。例如,用户办理了某业务套餐,该套餐中允许用户每月使用户30G的流量,或者,300分钟的通话时长,或者100条短信;识别参数包括多个,识别参数用于直观的展示用户是否为抑制型用户,以及当用户为抑制型用户时,用户被确定为抑制型用户的具体信息。
步骤S103,根据识别参数,确定用户在资源统计周期是否为抑制型用户。
综上所述,本公开实施例提供的抑制型用户的识别方法,可以获取资源统计周期内,多个单位时间的资源消耗量;根据每个单位时间的资源消耗量和用户的固定资源量,确定用户在资源统计周期的识别参数,以实现根据识别参数确定用户是否为抑制型用户。一方面,提供了一种便捷的用户类型识别方法;另一方面,用户类型识别过程是基于用户的资源消耗量和用户的固定资源量实现的,无需人工参与,提升了识别结果的精准度。
在一个可选的实施例中,在上述步骤S101中,终端设备可以获取用户在资源统计周期内,多个单位时间的资源消耗量。
在本公开实施例中,运营商的运营中心服务器可以对用户终端的资源使用情况进行监控,并获取用户在资源统计周期内,多个单位时间的资源消耗量。
在一种可选的实施方式中,终端设备可以从运营中心服务器获取用户在资源统计周期内,多个单位时间的资源消耗量。示例的,若资源为流量,资源统计周期以每个月为一个统计周期,则终端设备可以从运营中心获取用户在2021年9月每天的流量消耗量。
在一个可选的实施例中,在上述步骤S102中,终端设备可以根据每个单位时间的资源消耗量和用户的固定资源量,确定用户在资源统计周期的识别参数。
在本公开实施例中,识别参数包括用户类型标识、资源抑制时间、资源抑制临界值、资源抑制临界饱和度,以及资源抑制系数。其中,用户类型标识用于指示用户为抑制型用户或者非抑制型用户;用户类型标识可以包括第一类型标识和第二类型标识,第一类型标识用于指示用户为抑制型用户,第二类型标识用于指示用户为非抑制型用户,示例的,第一类型标识可以为1,第二类型标识可以为0;资源抑制时间用于指示在资源统计周期内,用户被确定为抑制型用户的单位时间;资源抑制临界值用于指示在资源统计周期内,用户在资源抑制时间对应的累计资源消耗量;资源抑制临界饱和度用于指示在资源统计周期内,用户在资源抑制时间对应的累计资源消耗量和固定资源量的比值;资源抑制系数用于指示在资源统计周期内用户的资源消耗被抑制的严重程度。其中,资源抑制系数越大,表示用户的资源消耗被抑制越严重。可以通过多个识别参数确定用户的类型,以及用户被确定为抑制型用户后的具体信息,便于根据抑制型用户的识别参数为抑制型用户提供更优质的资源管理服务。
在一种可选实施方式中,如图2所示,终端设备根据每个单位时间的资源消耗量和用户的固定资源量,确定用户在资源统计周期的识别参数的过程可以包括步骤S201至步骤S203:
步骤S201,根据每个单位时间的资源消耗量和每个单位时间关联的参考单位时间的资源消耗量,得到每个单位时间的累计资源消耗量。
在本公开实施例中,每个单位时间关联的参考单位时间包括资源统计周期内,每个单位时间之前的单位时间的资源消耗量。示例的,假设资源统计周期以每个月为一个统计周期,若资源统计周期为2021年9月,单位时间为2021年9月6日,则与2021年9月6日关联的参考单位时间为2021年9月1日至2021年9月5日的每一天;若单位时间为2021年9月10日,则与2021年9月10日关联的参考单位时间为2021年9月1日至2021年9月9日的每一天。
在一种可选的实施方式中,终端设备根据每个单位时间的资源消耗量和每个单位时间关联的参考单位时间的资源消耗量,得到每个单位时间的累计资源消耗量的过程可以包括:获取每个单位时间的资源消耗量,获取每个单位时间关联的参考单位时间的资源消耗量,确定每个单位时间的资源消耗量,以及每个单位时间关联的每个参考单位时间的资源消耗量的和值,得到每个单位时间的累计资源消耗量。可以理解的是,若单位时间为资源统计周期的最早时间,该单位时间的累计资源消耗量为该单位时间的资源消耗量。
示例的,假设资源统计周期以每个月为一个统计周期,若单位时间为2021年9月6日,则2021年9月6日的累计资源消耗量为2021年9月6日的资源消耗量,以及2021年9月1日至2021年9月5日每日的资源消耗量的和值。
步骤S202,确定每个单位时间的累计资源消耗量和用户的固定资源量的比值,得到每个单位时间的资源饱和度。
在本公开实施例中,资源饱和度用于表示用户资源的消耗程度,每个单位时间的资源饱和度可以包括每个单位时间的累计资源消耗量与用户的固定资源量的比值。
在一种可选的实施方式中,终端设备确定每个单位时间的累计资源消耗量和用户的固定资源量的比值,得到每个单位时间的资源饱和度的过程可以包括:对于资源统计周期中的每个单位时间,确定单位时间的资源消耗量与用户的固定资源量的比值,得到用户在资源统计周期中每个单位时间的资源饱和度。
步骤S203,若资源统计周期内,最晚单位时间的资源饱和度大于或者等于第一资源饱和度阈值,则根据资源统计周期内每个单位时间的资源饱和度、每个单位时间的资源消耗量和用户的固定资源量,确定用户在资源统计周期的识别参数。
在本公开实施例中,最晚单位时间为资源统计周期内时间最晚的单位时间。第一资源饱和度阈值可以基于实际需要确定,本公开实施例对此不作限定。
在一种可选的实施方式中,若终端设备确定资源统计周期内,最晚单位时间的资源饱和度小于第一资源饱和度阈值,则可以确定用户在资源统计周期内为非抑制型用户,并确定用户在资源统计周期的识别参数。其中,用户类型标识为第二类型标识,资源抑制时间、资源抑制临界值、资源抑制临界饱和度,以及资源抑制系数均为0。
在一种可选的实施方式中,若终端设备确定资源统计周期内,最晚单位时间的资源饱和度大于或者等于第一资源饱和度阈值,根据资源统计周期内每个单位时间的资源饱和度、每个单位时间的资源消耗量和用户的固定资源量,确定用户在资源统计周期的识别参数。
其中,如图3所示,用户终端根据资源统计周期内每个单位时间的资源饱和度、每个单位时间的资源消耗量和用户的固定资源量,确定用户在资源统计周期的识别参数的过程可以包括步骤S301至步骤S304:
步骤S301,根据每个单位时间的资源饱和度和第二资源饱和度阈值,确定资源统计周期内的目标时间。
在本公开实施例中,目标时间为资源统计周期内,资源饱和度大于或者等于第二资源饱和度阈值的最早单位时间。第二资源饱和度阈值可以基于实际需要确定,本公开实施例对此不作限定。
在一种可选的实施方式中,终端设备根据每个单位时间的资源饱和度和第二资源饱和度阈值,确定资源统计周期内的目标时间的过程可以包括:将资源统计周期内,每个单位时间的资源饱和度和第二资源饱和度阈值进行比较,确定资源饱和度大于或者等于第二资源饱和度阈值的至少一个单位时间,确定资源饱和度大于或者等于第二资源饱和度阈值的至少一个单位时间中的最早单位时间,得到资源统计周期内的目标时间。
步骤S302,根据目标时段内每个单位时间的资源消耗量和每个单位时间关联的参考单位时间的资源消耗量,确定目标时段内每个单位时间的平均移动资源量。
在本公开实施例中,目标时段包括资源统计周期内,目标时间和目标时间之后的每个单位时间。示例的,假设资源统计周期以每个月为一个统计周期,资源统计周期为2021年9月,若目标时间为2021年9月15日,则目标时段为2021年9月15日至2021年9月30日。
在一种可选的实施方式中,终端设备根据目标时段内每个单位时间的资源消耗量和每个单位时间关联的参考单位时间的资源消耗量,确定目标时段内每个单位时间的平均移动资源量的过程可以包括:获取目标时段内每个单位时间的资源消耗量,以及关联的参考单位时间的资源消耗量;确定每个单位时间的平均资源消耗量,以及和该单位时间关联的每个参考时间的平均资源消耗量,确定每个单位时间的平均资源消耗量,以及和该单位时间关联的每个参考时间的平均资源消耗量的和值,得到目标时段内每个单位时间的平均移动资源量。
其中,确定每个单位时间的平均资源消耗量的过程可以包括:确定每个单位时间的资源消耗量,确定资源统计周期中,最早单位时间至每个单位时间的单位时间数量,确定每个单位时间的资源消耗量和对应的单位时间数量的比值,得到每个单位时间的平均资源消耗量。可以理解的是,确定每个参考时间的平均资源消耗量的过程,与确定每个单位时间的平均资源消耗量类似,本公开实施例对此不作赘述。
在一种可选的实施方式中,终端设备可以基于公式(1),根据目标时段内每个单位时间的资源消耗量和每个单位时间关联的参考单位时间的资源消耗量,确定目标时段内每个单位时间的平均移动资源量。其中,公式(1)包括:
在公式(1)中,Di表示平均移动资源量,i表示资源统计周期内的第i个单位时间,Fi表示第i个单位时间的资源消耗量,N表示当前单位时间,当前单位时间为资源统计周期中,需要确定平均移动资源量的单位时间。
示例的,假设资源统计周期以每个月为一个统计周期,资源统计周期为2021年9月,若目标时段为2021年9月15日至2021年9月30日,则确定2021年9月20日的平均移动资源量的过程可以包括:确定2021年9月20日的资源消耗量,与2021年9月1日至2021年9月20日的日期数量20的比值;确定2021年9月19日的资源消耗量,与2021年9月1日至2021年9月19日的日期的数量19的比值;……确定2021年9月2日的资源消耗量,与2021年9月1日至2021年9月2日的日期数量2的比值;确定2021年9月1日的资源消耗量,与2021年9月1的日期的数量1的比值,确定多个比值之和,得到2021年9月20日的平均移动资源量。可以理解的是,可以基于相同的办法确定目标时段2021年9月15日至2021年9月30日中每日的平均移动资源量。
步骤S303,根据目标时段内每个单位时间的平均移动资源量和平均固定资源量,确定目标时段内每个单位时间的资源正向偏离值。
在本公开实施例中,平均固定资源量包括用户的固定资源量和资源统计周期内单位时间的数量的比值;资源正向偏离值用于指示用户的实际平均资源消耗量相对于平均固定资源量的偏离程度。
示例的,终端设备可以根据公式(2)确定平均固定资源量,其中,公式(2)包括:
在一种可选的实施方式中,终端设备根据目标时段内每个单位时间的平均移动资源量和平均固定资源量,确定目标时段内每个单位时间的资源正向偏离值的过程可以包括:对于目标时段内的每个单位时间,确定每个单位时间的平均移动资源量和平均固定资源量的差值,得到平均资源差值;确定平均资源差值和该单位时间的日平均固定资源量的比值,得到每个单位时间的资源正向偏离值。
在一种可选的实施方式中,终端设备可以基于公式(3),根据目标时段内每个单位时间的平均移动资源量和平均固定资源量,确定目标时段内每个单位时间的资源正向偏离值,公式(3)包括:
步骤S304,根据目标时段内每个单位时间的资源正向偏离值,确定用户在资源统计周期的识别参数。
在一种可选的实施方式中,如图4所示,终端设备根据目标时段内每个单位时间的资源正向偏离值,确定用户在资源统计周期的识别参数的过程可以包括步骤S401至步骤S403:
步骤S401,若目标时段内每个单位时间的资源正向偏离值中的最大资源正向偏离值,大于或者等于第一资源正向偏离值阈值,且最晚单位时间的资源正向偏离值小于或者等于第二资源正向偏离值阈值,则确定用户在资源统计周期内为抑制型用户,并确定第一类型标识。
在本公开实施例中,终端设备确定目标时段内每个单位时间的资源正向偏离值后,可以根据目标时段内每个单位时间的资源正向偏离值,以及第一资源正向偏离值阈值以及第二资源正向偏离值阈值确定用户是否为抑制型用户。其中,第一资源正向偏离值阈值以及第二资源正向偏离值阈值可以基于实际需要确定,本公开实施例对此不作限定。
在一种可选的实施方式中,若终端设备确定目标时段内每个单位时间的资源正向偏离值中的最大资源正向偏离值,小于第一资源正向偏离值阈值,或者,终端设备确定目标时段内每个单位时间的资源正向偏离值中的最大资源正向偏离值,大于或者等于第一资源正向偏离值阈值,但最晚单位时间的资源正向偏离值大于第二资源正向偏离值阈值,则可以确定用户在资源统计周期内为非抑制型用户,并确定用户在资源统计周期的识别参数。其中,用户类型标识为第二类型标识,资源抑制时间、资源抑制临界值、资源抑制临界饱和度,以及资源抑制系数均为0。
在一种可选的实施方式中,若终端设备确定目标时段内每个单位时间的资源正向偏离值中的最大资源正向偏离值,大于或者等于第一资源正向偏离值阈值,且最晚单位时间的资源正向偏离值小于或者等于第二资源正向偏离值阈值,则确定用户在资源统计周期内为抑制型用户,并确定第一类型标识。
步骤S402,根据最大资源正向偏离值和最晚单位时间的资源正向偏离值,确定资源抑制系数。
在一种可选的实施方式中,终端设备根据最大资源正向偏离值和最晚单位时间的资源正向偏离值,确定资源抑制系数的过程可以包括:确定最大资源正向偏离值和最晚单位时间的资源正向偏离值的差值,得到资源抑制系数。或者,确定最大资源正向偏离值和最晚单位时间的资源正向偏离值的差值,得到资源正向偏离值差值,并确定资源正向偏离值差值与修正系数的乘积,得到资源抑制系数。可以获取得到更符合实际状况的资源抑制系数。其中,修正系数可以基于实际需要确定,本公开实施例对此不作限定。
步骤S403,组合第一类型标识、资源抑制时间、资源抑制临界值、资源抑制临界饱和度,以及资源抑制系数,得到用户在资源统计周期的识别参数。
在本公开实施例中,资源抑制时间为最大资源正向偏离值对应的单位时间,资源抑制临界值为资源抑制时间对应的累计资源消耗量,资源抑制临界饱和度为资源抑制时间对应的资源饱和度。
在一种可选的实施方式中,终端设备可以组合用户在资源统计周期的第一类型标识、资源抑制时间、资源抑制临界值、资源抑制临界饱和度,以及资源抑制系数,得到用户在资源统计周期的识别参数。
在一种可选的实施方式中,资源统计周期的数量包括多个,终端设备可以根据上述实施例中的方法确定每个资源统计周期的数量的识别参数。若确定用户在每个资源统计周期为抑制型用户,则根据每个资源统计周期的资源抑制临界饱和度,确定用户的资源抑制临界饱和度的置信区间,以便于确定用户的资源使用被抑制的临界饱和度,为用户提供更优质的资源管控服务。其中,多个资源统计周期可以为相邻的资源统计周期的,便于提升确定的用户的资源抑制临界饱和度的置信区间的精准度。
其中,根据每个资源统计周期的资源抑制临界饱和度,确定用户的资源抑制临界饱和度的置信区间的过程可以包括:确定每个资源统计周期的资源抑制临界饱和度的平均值,得到资源抑制临界饱和度均值,确定抽样误差,确定资源抑制临界饱和度均值与误差的差值,得到资源抑制临界饱和度的置信区间第一区间值,确定资源抑制临界饱和度均值与误差的和值,得到资源抑制临界饱和度的置信区间第二区间值,确定用户的资源抑制临界饱和度的置信区间为第一区间值、第二区间值以及第一区间值与第二区间值之间的数值。其中,抽样误差可以基于实际需要确定,本公开实施例对此不作限定。
示例的,假设资源统计周期以每个月为一个统计周期,资源为用户流量,则如图5所示,抑制型用户的识别方法的识别过程可以包括步骤S501至步骤S512:
步骤S501,获取用户在流量统计周期内,每日的流量消耗量;
步骤S502,确定每日的累计流量消耗量和用户的固定流量的比值,得到每日的流量饱和度;
步骤S503,确定流量统计周期内,最后一日的流量饱和度是否大于或者等于第一流量饱和度阈值;
步骤S504,若流量统计周期内,最后一日的流量饱和度小于第一流量饱和度阈值,则确定用户在流量统计周期内为非抑制型用户;
步骤S505,若流量统计周期内,最后一日的流量饱和度大于或者等于第一流量饱和度阈值,则确定用户在流量统计周期内的目标日期以及目标时段;
其中,目标日期为流量统计周期内,流量饱和度大于或者等于第二流量饱和度阈值的最早日期,目标时段为流量统计周期内,目标日期之后的每个日期。
步骤S506,根据目标时段内每日的流量消耗量和当日之前的每日的流量消耗量,确定目标时段内每日的平均移动流量;
步骤S507,根据目标时段内每日的平均移动流量和平均固定流量,确定目标时段内每日的流量正向偏离值;
其中,平均固定流量为用户在流量统计周期内的固定流量和流量统计周期内的日期数量的比值。
步骤S508,确定目标时段内最大流量正向偏离值对应的日期,并确定最大流量正向偏离值是否大于或者等于第一流量正向偏离值阈值;
步骤S509,若确定最大流量正向偏离值小于第一流量正向偏离值阈值,则确定用户在流量统计周期内为非抑制型用户;
步骤S510,若确定最大流量正向偏离值大于或者等于第一流量正向偏离值阈值,则确定最后一日的资源正向偏离值是否小于或者等于第二资源正向偏离值阈值;
步骤S511,若确定最后一日的资源正向偏离值大于第二资源正向偏离值阈值,则确定用户在流量统计周期内为非抑制型用户;
步骤S512,若确定最后一日的资源正向偏离值小于或者等于第二资源正向偏离值阈值,则确定用户在流量统计周期内为抑制型用户,并数据抑制型用户的识别参数。
示例的,如图6所示,图6为用户在流量统计周期的流量消耗量曲线图,其中,横轴为流量统计周期中的单位时间,纵轴为流量值,曲线L1为流量消耗量,曲线L2为平均固定流量。则可以基于上述实施例中的方法确定用户在流量统计周期的识别参数,假设用户在流量统计周期的识别参数为1.0,16.0,16343.0,0.798,0.3965,表示用户是抑制型用户,在流量统计周期中,16号以后用户的流量消耗被抑制,用户的流量消耗被抑制时,用户的累计流量消耗值为16343.0M(兆),流量抑制临界饱和度为77%,流量抑制系数为0.4。
本公开实施例提供了一种抑制型用户的识别装置,如图7所示,抑制型用户的识别装置700,包括:
获取模块701,被配置为获取用户在资源统计周期内,多个单位时间的资源消耗量;
第一确定模块702,被配置为根据每个单位时间的资源消耗量和用户的固定资源量,确定用户在资源统计周期的识别参数;
第二确定模块703,被配置为根据识别参数,确定用户在资源统计周期是否为抑制型用户。
可选地,第一确定模块702,被配置为:
根据每个单位时间的资源消耗量和每个单位时间关联的参考单位时间的资源消耗量,得到每个单位时间的累计资源消耗量,参考单位时间包括资源统计周期内,每个单位时间之前的单位时间的资源消耗量;
确定每个单位时间的累计资源消耗量和用户的固定资源量的比值,得到每个单位时间的资源饱和度;
若资源统计周期内,最晚单位时间的资源饱和度大于或者等于第一资源饱和度阈值,则根据资源统计周期内每个单位时间的资源饱和度、每个单位时间的资源消耗量和用户的固定资源量,确定用户在资源统计周期的识别参数。
可选地,第一确定模块702,被配置为:
根据每个单位时间的资源饱和度和第二资源饱和度阈值,确定资源统计周期内的目标时间,目标时间为资源统计周期内,资源饱和度大于或者等于第二资源饱和度阈值的最早单位时间;
根据目标时段内每个单位时间的资源消耗量和每个单位时间关联的参考单位时间的资源消耗量,确定目标时段内每个单位时间的平均移动资源量,目标时段包括资源统计周期内,目标时间和目标时间之后的每个单位时间;
根据目标时段内每个单位时间的平均移动资源量和平均固定资源量,确定目标时段内每个单位时间的资源正向偏离值,平均固定资源量包括用户的固定资源量和资源统计周期内单位时间的数量的比值;
根据目标时段内每个单位时间的资源正向偏离值,确定用户在资源统计周期的识别参数。
可选地,第一确定模块702,被配置为:
对于目标时段内的每个单位时间,确定每个单位时间的平均移动资源量和平均固定资源量的差值,得到平均资源差值;
确定平均资源差值和日平均固定资源量的比值,得到每个单位时间的资源正向偏离值。
可选地,第一确定模块702,被配置为:
若目标时段内每个单位时间的资源正向偏离值中的最大资源正向偏离值,大于或者等于第一资源正向偏离值阈值,且最晚单位时间的资源正向偏离值小于或者等于第二资源正向偏离值阈值,则确定用户在资源统计周期内为抑制型用户,并确定第一类型标识,第一类型标识用于指示用户为抑制型用户;
根据最大资源正向偏离值和最晚单位时间的资源正向偏离值,确定资源抑制系数;
组合第一类型标识、资源抑制时间、资源抑制临界值、资源抑制临界饱和度,以及资源抑制系数,得到用户在资源统计周期的识别参数,资源抑制时间为最大资源正向偏离值对应的单位时间,资源抑制临界值为资源抑制时间对应的累计资源消耗量,资源抑制临界饱和度为资源抑制时间对应的资源饱和度。
可选地,第一确定模块702,被配置为:
确定最大资源正向偏离值和最晚单位时间的资源正向偏离值的差值,得到资源抑制系数。
可选地,资源统计周期的数量包括多个,识别参数包括资源抑制临界饱和度,如图7所示,抑制型用户的识别装置700还包括:
第三确定模块704,被配置为若确定用户在每个资源统计周期为抑制型用户,则根据每个资源统计周期的资源抑制临界饱和度,确定用户的资源抑制临界饱和度的置信区间。
本公开的示例性实施方式还提供了一种计算机可读存储介质,可以实现为一种程序产品的形式,其包括程序代码,当程序产品在电子设备上运行时,程序代码用于使电子设备执行本说明书上述“示例性方法”部分中描述的根据本公开各种示例性实施方式的步骤。在一种实施方式中,该程序产品可以实现为便携式紧凑盘只读存储器(CD-ROM)并包括程序代码,并可以在电子设备,例如个人电脑上运行。然而,本公开的程序产品不限于此,在本文件中,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。
程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、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。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(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。
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,其中承载了可读程序代码。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。可读信号介质还可以是可读存储介质以外的任何可读介质,该可读介质可以发送、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。
可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于无线、有线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本公开操作的程序代码,程序设计语言包括面向对象的程序设计语言—诸如Java、C++等,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设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算设备,或者,可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
本公开的示例性实施方式还提供了一种电子设备,可以是终端设备。下面参考图8对该电子设备进行说明。应当理解,图8显示的电子设备800仅仅是一个示例,不应对本公开实施方式的功能和使用范围带来任何限制。
如图8所示,电子设备800以通用计算设备的形式表现。电子设备800的组件可以包括但不限于:至少一个处理单元810、至少一个存储单元820、连接不同系统组件(包括存储单元820和处理单元810)的总线830。
其中,存储单元存储有程序代码,程序代码可以被处理单元810执行,使得处理单元810执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施方式的步骤。例如,处理单元810可以执行如图1至图5任一所示的方法步骤等。
存储单元820可以包括易失性存储单元,例如随机存取存储单元(RAM)821和/或高速缓存存储单元822,还可以进一步包括只读存储单元(ROM)823。
存储单元820还可以包括具有一组(至少一个)程序模块825的程序/实用工具824,这样的程序模块825包括但不限于:操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线830可以包括数据总线、地址总线和控制总线。
电子设备800也可以与一个或多个外部设备900(例如键盘、指向设备、蓝牙设备等)通信,这种通信可以通过输入/输出(I/O)接口840进行。电子设备800还可以通过网络适配器850与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器850通过总线830与电子设备800的其它模块通信。应当明白,尽管图中未示出,可以结合电子设备800使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
应当注意,尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元,但是这种划分并非强制性的。实际上,根据本公开的示例性实施方式,上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之,上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
所属技术领域的技术人员能够理解,本公开的各个方面可以实现为系统、方法或程序产品。因此,本公开的各个方面可以具体实现为以下形式,即:完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等),或硬件和软件方面结合的实施方式,这里可以统称为“电路”、“模块”或“系统”。本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本公开的其他实施方式。本申请旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施方式仅被视为示例性的,本公开的真正范围和精神由权利要求指出。
应当理解的是,本公开并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限定。
Claims (10)
1.一种抑制型用户的识别方法,其特征在于,包括:
获取用户在资源统计周期内,多个单位时间的资源消耗量;
根据所述每个单位时间的资源消耗量和所述用户的固定资源量,确定所述用户在所述资源统计周期的识别参数;
根据所述识别参数,确定所述用户在所述资源统计周期是否为抑制型用户。
2.根据权利要求1所述的方法,其特征在于,所述根据所述每个单位时间的资源消耗量和所述用户的固定资源量,确定所述用户在所述资源统计周期的识别参数,包括:
根据所述每个单位时间的资源消耗量和所述每个单位时间关联的参考单位时间的资源消耗量,得到所述每个单位时间的累计资源消耗量,所述参考单位时间包括所述资源统计周期内,所述每个单位时间之前的单位时间的资源消耗量;
确定所述每个单位时间的累计资源消耗量和所述用户的固定资源量的比值,得到所述每个单位时间的资源饱和度;
若所述资源统计周期内,最晚单位时间的资源饱和度大于或者等于第一资源饱和度阈值,则根据所述资源统计周期内所述每个单位时间的资源饱和度、所述每个单位时间的资源消耗量和所述用户的固定资源量,确定所述用户在所述资源统计周期的识别参数。
3.根据权利要求2所述的方法,其特征在于,所述根据所述资源统计周期内所述每个单位时间的资源饱和度、所述每个单位时间的资源消耗量和所述用户的固定资源量,确定所述用户在所述资源统计周期的识别参数,包括:
根据所述每个单位时间的资源饱和度和第二资源饱和度阈值,确定所述资源统计周期内的目标时间,所述目标时间为所述资源统计周期内,所述资源饱和度大于或者等于所述第二资源饱和度阈值的最早单位时间;
根据目标时段内所述每个单位时间的资源消耗量和所述每个单位时间关联的参考单位时间的资源消耗量,确定所述目标时段内所述每个单位时间的平均移动资源量,所述目标时段包括所述资源统计周期内,所述目标时间和所述目标时间之后的所述每个单位时间;
根据所述目标时段内所述每个单位时间的平均移动资源量和平均固定资源量,确定所述目标时段内每个单位时间的资源正向偏离值,所述平均固定资源量包括用户的固定资源量和所述资源统计周期内单位时间的数量的比值;
根据所述目标时段内所述每个单位时间的资源正向偏离值,确定所述用户在所述资源统计周期的识别参数。
4.根据权利要求3所述的方法,其特征在于,所述根据所述目标时段内所述每个单位时间的平均移动资源量和平均固定资源量,确定所述目标时段内每个单位时间的资源正向偏离值,包括:
对于所述目标时段内的所述每个单位时间,确定所述每个单位时间的平均移动资源量和平均固定资源量的差值,得到平均资源差值;
确定所述平均资源差值和所述日平均固定资源量的比值,得到所述每个单位时间的资源正向偏离值。
5.根据权利要求3所述的方法,其特征在于,所述根据所述目标时段内所述每个单位时间的资源正向偏离值,确定所述用户在所述资源统计周期的识别参数,包括:
若所述目标时段内所述每个单位时间的资源正向偏离值中的最大资源正向偏离值,大于或者等于第一资源正向偏离值阈值,且最晚单位时间的资源正向偏离值小于或者等于第二资源正向偏离值阈值,则确定所述用户在所述资源统计周期内为抑制型用户,并确定第一类型标识,所述第一类型标识用于指示用户为抑制型用户;
根据所述最大资源正向偏离值和所述最晚单位时间的资源正向偏离值,确定资源抑制系数;
组合所述第一类型标识、资源抑制时间、资源抑制临界值、资源抑制临界饱和度,以及所述资源抑制系数,得到所述用户在所述资源统计周期的识别参数,所述资源抑制时间为所述最大资源正向偏离值对应的单位时间,所述资源抑制临界值为所述资源抑制时间对应的所述累计资源消耗量,所述资源抑制临界饱和度为所述资源抑制时间对应的所述资源饱和度。
6.根据权利要求5所述的方法,其特征在于,所述根据所述最大资源正向偏离值和所述最晚单位时间的资源正向偏离值,确定资源抑制系数,包括:
确定所述最大资源正向偏离值和所述最晚单位时间的资源正向偏离值的差值,得到资源抑制系数。
7.根据权利要求1所述的方法,其特征在于,所述资源统计周期的数量包括多个,所述识别参数包括资源抑制临界饱和度,所述方法还包括:
若确定所述用户在每个资源统计周期为抑制型用户,则根据所述每个资源统计周期的所述资源抑制临界饱和度,确定所述用户的资源抑制临界饱和度的置信区间。
8.一种抑制行为用户识别装置,其特征在于,包括:
获取模块,被配置为获取用户在资源统计周期内,多个单位时间的资源消耗量;
第一确定模块,被配置为根据所述每个单位时间的资源消耗量和所述用户的固定资源量,确定所述用户在所述资源统计周期的识别参数;
第二确定模块,被配置为根据所述识别参数,确定所述用户在所述资源统计周期是否为抑制型用户。
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7任一项所述的方法。
10.一种电子设备,其特征在于,包括:
处理器;以及
存储器,用于存储所述处理器的可执行指令;
其中,所述处理器配置为经由执行所述可执行指令来执行权利要求1至7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111555382.0A CN114240500A (zh) | 2021-12-17 | 2021-12-17 | 抑制型用户的识别方法、装置、介质与电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111555382.0A CN114240500A (zh) | 2021-12-17 | 2021-12-17 | 抑制型用户的识别方法、装置、介质与电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114240500A true CN114240500A (zh) | 2022-03-25 |
Family
ID=80758589
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111555382.0A Pending CN114240500A (zh) | 2021-12-17 | 2021-12-17 | 抑制型用户的识别方法、装置、介质与电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114240500A (zh) |
-
2021
- 2021-12-17 CN CN202111555382.0A patent/CN114240500A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109299387B (zh) | 一种基于智能推荐的消息推送方法、装置及终端设备 | |
CN108616444A (zh) | 一种推送消息处理方法、计算机可读存储介质及终端设备 | |
EP2835740B1 (en) | Computer system, data output method, and computer program | |
CN109272348B (zh) | 活跃用户数量确定方法及装置、存储介质和电子设备 | |
CN109714636B (zh) | 一种用户识别方法、装置、设备及介质 | |
US20200014803A1 (en) | Tariff data determining method and apparatus | |
CN112036588A (zh) | 一种系统运维流程管控方法及装置 | |
CN112631879A (zh) | 数据采集方法、装置、计算机可读介质及电子设备 | |
CN110727563A (zh) | 预设客户的云服务报警方法及装置 | |
CN114125050A (zh) | 消息调度方法、装置、设备及存储介质 | |
CN114240500A (zh) | 抑制型用户的识别方法、装置、介质与电子设备 | |
CN110347546B (zh) | 监控任务动态调整方法、装置、介质及电子设备 | |
CN113590017A (zh) | 用于处理数据的方法、电子设备和计算机程序产品 | |
CN109213513B (zh) | 软件份额占比的确定方法、装置及计算机可读存储介质 | |
CN111343345B (zh) | 酒店订单的外呼电话的管理方法、系统、电子设备和介质 | |
CN110855484A (zh) | 自动检测业务量变化的方法、系统、电子设备和存储介质 | |
CN111159169A (zh) | 数据治理方法及设备 | |
CN113779412B (zh) | 一种基于区块链网络的消息触达方法、节点和系统 | |
CN115905280A (zh) | 手机号码归属运营商查询方法、装置、存储介质及设备 | |
WO2019153545A1 (zh) | 回访方法、装置、计算机设备及存储介质 | |
JP2017174395A (ja) | システム利用料管理装置およびシステム利用料管理方法 | |
CN111967806A (zh) | 基于定期回扫的用户风险更新方法、装置和电子设备 | |
JP2017174369A (ja) | システム利用料管理装置およびシステム利用料管理方法 | |
CN114722278B (zh) | 推送信息的方法、装置、存储介质和电子设备 | |
CN112418585B (zh) | 充电桩有效充电时长的计算方法、装置、存储介质及设备 |
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 |