CN114756737A - 一种应用于业务推荐的特征提取方法、装置、设备和介质 - Google Patents

一种应用于业务推荐的特征提取方法、装置、设备和介质 Download PDF

Info

Publication number
CN114756737A
CN114756737A CN202110025688.9A CN202110025688A CN114756737A CN 114756737 A CN114756737 A CN 114756737A CN 202110025688 A CN202110025688 A CN 202110025688A CN 114756737 A CN114756737 A CN 114756737A
Authority
CN
China
Prior art keywords
feature extraction
service
target
operator
feature
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
CN202110025688.9A
Other languages
English (en)
Inventor
庄延军
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.)
Tencent Technology Beijing Co Ltd
Original Assignee
Tencent Technology Beijing 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 Tencent Technology Beijing Co Ltd filed Critical Tencent Technology Beijing Co Ltd
Priority to CN202110025688.9A priority Critical patent/CN114756737A/zh
Publication of CN114756737A publication Critical patent/CN114756737A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90Details of database functions independent of the retrieved data types
    • G06F16/95Retrieval from the web
    • G06F16/953Querying, e.g. by the use of web search engines
    • G06F16/9535Search customisation based on user profiles and personalisation

Landscapes

  • Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本申请属于数据处理技术领域,公开了一种应用于业务推荐的特征提取方法、装置、设备和介质,本申请公开的一种应用于业务推荐的特征提取方法包括,接收针对目标账号的目标业务的业务特征提取需求,确定业务特征提取需求对应的特征提取流程,并根据该特征提取流程中包含的各特征提取操作,确定该特征提取流程对应的多个算子节点以及各算子节点之间的执行逻辑顺序,以及按照各算子节点之间的执行逻辑顺序,针对目标账号关联的业务数据执行相应的特征提取操作,获得业务特征提取需求对应的目标业务特征,这样,可以通过算子节点的组合复用,获得不同业务特征提取需求的目标业务特征,适用范围广且便于扩展,减少了耗费的系统资源。

Description

一种应用于业务推荐的特征提取方法、装置、设备和介质
技术领域
本申请涉及数据处理技术领域,尤其涉及一种应用于业务推荐的特征提取方法、装置、设备和介质。
背景技术
随着互联网技术的发展,用户的网络行为数据不断增多,为了向不同用户提供差异化的精准推荐服务,现有技术中,各业务推荐设备通常针对各业务应用场景,从数据库服务器中获取相应的业务数据,并对获取业务数据进行特征提取,以及根据提取的业务特征向用户进行信息推荐。
但是,由于不同业务应用场景中的业务推荐需求通常不同,因此,通常需要针对不同的业务场景,采用不同的业务特征提取方式进行业务特征提取以及业务推荐,适用范围小、难以扩展且会耗费大量的系统资源。
发明内容
本申请实施例提供一种应用于业务推荐的特征提取方法、装置、设备和介质,用以在提取用于业务推荐的业务特征时,扩大业务特征提取的适用范围、提高业务特征提取的可扩展性,减少耗费的系统资源。
一方面,提供一种应用于业务推荐的特征提取方法,包括:
接收针对目标账号的目标业务的业务特征提取需求,确定业务特征提取需求对应的特征提取流程,特征提取流程包含多个特征提取操作;
分别确定针对多个特征提取操作各自设置的算子节点;
根据特征提取流程,确定获得的各算子节点之间的执行逻辑顺序;
根据确定出的各算子节点之间的执行逻辑顺序,针对目标账号关联的业务数据,执行相应的特征提取操作,获得业务特征提取需求对应的至少一个目标业务特征。
一方面,提供一种应用于业务推荐的特征提取装置,包括:
接收单元,用于接收针对目标账号的目标业务的业务特征提取需求,确定业务特征提取需求对应的特征提取流程,特征提取流程包含多个特征提取操作;
第一确定单元,用于分别确定针对多个特征提取操作各自设置的算子节点;
第二确定单元,用于根据特征提取流程,确定获得的各算子节点之间的执行逻辑顺序;
获得单元,用于根据确定出的各算子节点之间的执行逻辑顺序,针对目标账号关联的业务数据,执行相应的特征提取操作,获得业务特征提取需求对应的至少一个目标业务特征。
较佳的,获得单元还用于:
向业务推荐设备返回目标业务特征,使得业务推荐设备根据目标业务特征向目标账号对应的业务应用进行信息推荐。
较佳的,接收单元用于:
获取针对业务特征提取需求设置的待提取的至少一个目标特征参数;
分别获取针对至少一个目标特征参数中各个目标特征参数设置的特征提取子流程;其中,每个特征提取子流程包含多个特征提取操作;
基于获得的各个特征提取子流程,获得特征提取流程。
较佳的,第二确定单元用于:
分别针对每一目标特征参数,执行以下步骤:确定一个目标特征参数对应的特征提取子流程包含的各个特征提取操作对应的算子节点,并基于一个目标特征参数对应的特征提取子流程,确定一个目标特征参数对应的各个算子节点之间的子执行逻辑顺序;
根据各目标特征参数对应的子执行逻辑顺序,确定获得的各算子节点之间的执行逻辑顺序。
较佳的,获得单元用于:
通过各算子节点中的读取算子节点,获取针对目标业务设置的数据读取地址信息;
通过读取算子节点,基于数据读取地址信息,调用数据读取接口,获得目标账号关联的业务数据。
较佳的,获得单元用于:
按照确定出的各算子节点的执行逻辑顺序,针对除读取算子节点之外的各个算子节点,分别执行以下步骤:
若确定一个算子节点的父节点执行完成,则将父节点的处理结果,输入至一个算子节点;
通过一个算子节点,针对父节点的处理结果,执行相应的特征提取操作,获得一个算子节点的处理结果;
若一个算子节点中包含位置信息,则将处理结果,确定为针对位置信息设置的目标特征参数的目标业务特征;
按照位置信息,输出处理结果。
一方面,提供一种控制设备,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程序,处理器执行程序时执行上述任一种应用于业务推荐的特征提取方法的步骤。
一方面,提供一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现上述任一种应用于业务推荐的特征提取方法的步骤。
一方面,提供了一种计算机程序产品或计算机程序,该计算机程序产品或计算机程序包括计算机指令,该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该计算机设备执行上述任一种应用于业务推荐的特征提取各种可选实现方式中提供的方法。
本申请实施例提供的一种应用于业务推荐的特征提取方法、装置、设备和介质中,接收针对目标账号的目标业务的业务特征提取需求,确定业务特征提取需求对应的特征提取流程,并根据该特征提取流程中包含的各特征提取操作,确定该特征提取流程对应的多个算子节点以及各算子节点之间的执行逻辑顺序,以及按照各算子节点之间的执行逻辑顺序,针对目标账号关联的业务数据,执行相应的特征提取操作,获得上述业务特征提取需求对应的至少一个目标业务特征。这样,预先配置多个算子节点,在接收到业务特征提取需求后,将各算子节点进行组合和复用,以根据组合后的算子节点从业务数据中提取相应的目标业务特征,可以针对不同业务场景的业务特征提取需求进行业务特征提取,减少了耗费的系统资源,适用范围广且便于扩展。
本申请的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本申请而了解。本申请的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1为本申请实施方式中一种特征提取系统的应用场景示例图;
图2为本申请实施方式中一种应用于业务推荐的特征提取方法的实施流程图;
图3为本申请实施方式中一种应用于业务推荐的特征提取方法的详细实施流程图;
图4a为本申请实施方式中一种算子节点配置的示例图;
图4b为本申请实施方式中一种DAG示例图;
图5为本申请实施方式中一种特征提取的系统架构示意图;
图6为本申请实施方式中一种应用于业务推荐的特征提取装置的结构示意图;
图7为本申请实施方式中一种控制设备的结构示意图。
具体实施方式
为了使本申请的目的、技术方案及有益效果更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
首先对本申请实施例中涉及的部分用语进行说明,以便于本领域技术人员理解。
终端设备:可以是移动终端、固定终端或便携式终端,例如移动手机、站点、单元、设备、多媒体计算机、多媒体平板、互联网节点、通信器、台式计算机、膝上型计算机、笔记本计算机、上网本计算机、平板计算机、个人通信系统设备、个人导航设备、个人数字助理、音频/视频播放器、数码相机/摄像机、定位设备、电视接收器、无线电广播接收器、电子书设备、游戏设备或者其任意组合,包括这些设备的配件和外设或者其任意组合。还可预见到的是,终端设备能够支持任意类型的针对账户的接口(例如可穿戴设备)等。
服务器:可以是独立的物理服务器,也可以是多个物理服务器构成的服务器集群或者分布式系统,还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务以及大数据和人工智能平台等基础云计算服务的云服务器。
云存储:是在云计算概念上延伸和发展出来的一个新的概念,分布式云存储系统(以下简称存储系统)是指通过集群应用、网格技术以及分布存储文件系统等功能,将网络中大量各种不同类型的存储设备(存储设备也称之为存储节点)通过应用软件或应用接口集合起来协同工作,共同对外提供数据存储和业务访问功能的一个存储系统。
目前,存储系统的存储方法为:创建逻辑卷,在创建逻辑卷时,就为每个逻辑卷分配物理存储空间,该物理存储空间可能是某个存储设备或者某几个存储设备的磁盘组成。应用程序在某一逻辑卷上存储数据,也就是将数据存储在文件系统上,文件系统将数据分成许多部分,每一部分是一个对象,对象不仅包含数据而且还包含数据标识等额外的信息,文件系统将每个对象分别写入该逻辑卷的物理存储空间,且文件系统会记录每个对象的存储位置信息,从而当应用程序请求访问数据时,文件系统能够根据每个对象的存储位置信息让应用程序对数据进行访问。
存储系统为逻辑卷分配物理存储空间的过程,具体为:按照对存储于逻辑卷的对象的容量估量(该估量通常相对于实际要存储的对象的容量有很大余量)和独立冗余磁盘阵列(Redundant Array of Independent Disk,RAID)的组别,预先将物理存储空间划分成分条,一个逻辑卷可以理解为一个分条,从而为逻辑卷分配了物理存储空间。
数据库(DataBase):简而言之可视为电子化的文件柜——存储电子文件的处所,账户可以对文件中的数据进行新增、查询、更新、删除等操作。所谓“数据库”是以一定方式储存在一起、能与多个账户共享、具有尽可能小的冗余度、与应用程序彼此独立的数据集合。
数据库管理系统:是为管理数据库而设计的电脑软件系统,一般具有存储、截取、安全保障、备份等基础功能。数据库管理系统可以依据它所支持的数据库模型来作分类,例如关系式、可扩展标记语言或依据所支持的计算机类型来作分类,例如服务器群集、移动电话;或依据所用查询语言来作分类,例如,结构化查询语言(Structured Query Language,SQL)、XQuery;或依据性能冲量重点来作分类,例如,最大规模、最高运行速度;亦或其他的分类方式。不论使用哪种分类方式,一些数据库管理系统能够跨类别,例如,同时支持多种查询语言。
有向无环图(Directed Acyclic Graph,DAG):是无法从某个顶点出发经过若干条边回到该点的有向图,是用于描述含有公共子式的表达式的有效工具。
下面介绍本申请实施例的设计思想。
随着互联网技术的发展,应用程序以及互联网数据的不断增多,用户越来越难以从海量的互联网数据中快速获取符合用户需求的数据。因此,为了向不同用户提供符合用户需求的业务推荐服务,通常根据应用场景,从用户的业务数据中提取相应的业务特征,进而根据提取的业务特征,针对用户进行业务推荐。
例如,视频应用中包含海量的网络行为数据,如,用户视频曝光数据、用户视频点击数据以及用户点赞行为数据等。
但是,现有技术中,在业务推荐之前,需要分别针对每一应用场景中的业务推荐需求,采用不同的特征提取方式进行业务特征提取以及业务推荐,这会耗费大量的人力成本、时间成本以及系统资源,适用范围小,难以复用于不同的应用场景,也不便于扩展,再者,业务推荐设备通常需要通过数据库服务器获取用户的网络行为数据,传输数据量大,网络传输开销较大。
因此,亟待需要一种可以复用于不同应用场景、便于扩展以及耗费资源少的业务特征提取的技术方案。
考虑到对不同的业务特征进行提取时,可能会有很多相同的特征提取操作,因此,可以预先针对各特征提取操作,配置相应的算子节点,从而在进行业务特征提取时,针对不同的业务特征提取需求,将各算子节点进行组合复用,以提取相应的业务特征,本申请实施例中提供了一种应用于业务推荐的特征提取方案,该方案中,接收针对目标账号的目标业务的业务特征提取需求,确定业务特征提取需求对应的特征提取流程,并根据该特征提取流程中包含的各特征提取操作,确定该特征提取流程对应的多个算子节点以及各算子节点之间的执行逻辑顺序,以及按照各算子节点之间的执行逻辑顺序,针对目标账号关联的业务数据,执行相应的特征提取操作,获得上述业务特征提取需求对应的至少一个目标业务特征。这样,预先配置多个算子节点,在接收到业务特征提取需求后,将各算子节点进行组合和复用,以根据组合后的算子节点从业务数据中提取相应的目标业务特征,可以针对不同业务场景的业务特征提取需求进行业务特征提取,减少了耗费的系统资源,适用范围广且便于扩展。
为进一步说明本申请实施例提供的技术方案,下面结合附图以及具体实施方式对此进行详细的说明。虽然本申请实施例提供了如下述实施例或附图所示的方法操作步骤,但基于常规或者无需创造性的劳动在方法中可以包括更多或者更少的操作步骤。在逻辑上不存在必要因果关系的步骤中,这些步骤的执行顺序不限于本申请实施例提供的执行顺序。方法在实际的处理过程中或者装置执行时,可以按照实施例或者附图所示的方法顺序执行或者并行执行。
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(如果存在)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,以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。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、产品或设备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。
参阅图1所示,为一种特征提取系统的应用场景示例图,该特征提取系统包括控制设备101、业务推荐设备102以及数据库服务器103,还可以包括用户设备104。
控制设备101:可以为终端设备,也可以为服务器,用于预先配置各算子节点以及数据读取地址信息,在接收到业务推荐设备102针对目标账号的业务特征提取需求后,根据业务特征提取需求,对相应的各算子节点进行组合,并按照组合后的各算子节点,通过相应的数据读取地址信息,从数据库服务器103中读取相应的业务数据,并对业务数据进行特征提取,以及将提取的相应目标业务特征返回至业务推荐设备102。
例如,目标业务可以为长视频、短视频、小视频以及游戏等。业务数据可以为用户的视频曝光数据、用户的视频点击数据、用户的视频点赞数据。
需要说明的是,由于用户在不同业务中的业务数据通常是可以复用的,因此,对用户在不同业务对应的业务特征进行提取时,读取的用户账号关联的业务数据可以相同,也可以不同,且读取的业务数据可以为用户在相应业务的网络行为数据,也可以为用户在其它一个或多个业务中的网络行为数据,在此不作限制。业务数据可以采用数据库或云存储的方式进行存储。
业务推荐设备102:可以为终端设备,也可以为服务器,用于向控制设备101发送针对目标账号的目标业务的业务特征提取需求,并接收控制设备101返回的相应目标业务特征,以及根据接收的目标业务特征,进行业务推荐。
本申请实施例中,仅以分别为不同业务应用提供相应业务推荐服务的多个业务推荐设备102为例进行说明,即不同业务应用对应的业务推荐设备102不同,实际应用中,业务推荐设备102可以为一个,也可以为多个,一个业务推荐设备102可以为一个业务应用提供业务推荐服务,也可以为多个业务应用提供业务推荐服务,在此不作限制。
其中,业务推荐设备102可以为用于为用户设备104中的业务应用提供业务服务的服务器,即接收用户设备104的业务请求,为用户提供相应的业务服务,并将用户的相应业务数据发送至数据库服务器103,并根据确定出目标业务特征,向用户设备104中的业务应用发送相应的推荐信息。
业务推荐设备102也可以作为安装有业务应用的终端设备,通过业务应用向控制设备101发送针对目标账号的目标业务的业务特征提取需求,并接收控制设备101返回的相应目标业务特征,以及根据接收的目标业务特征,确定推荐信息,并向用户展示推荐信息。
数据库服务器103:用于存储各用户账号的各业务应用的业务数据,在接收到控制设备101发送的数据读取请求后,将请求的业务数据返回至控制设备101。
可选的,数据库服务器103可以为一个,也可以多个,不同数据库服务器103可以分别存储不同业务应用的业务数据。数据库服务器103也可以与控制设备101为同一设备,在此不作限制。
用户设备104:可以为终端设备,可以安装有一个或多个业务应用,用于通过业务应用接收相应业务推荐设备102的推荐信息,并将该推荐信息展示给用户,还用于通过各业务应用,分别将用户的相应业务数据上传至数据库服务器103。
参阅图2所示,为本申请提供的一种应用于业务推荐的特征提取方法的实施流程图。该方法的具体流程如下:
步骤200:控制设备接收针对目标账号的目标业务的业务特征提取需求,确定业务特征提取需求对应的特征提取流程。
具体的,控制设备接收目标业务对应的业务推荐设备发送的特征提取消息,并获取特征提取消息中包含业务特征提取需求,以及根据存储的业务特征提取需求和特征提取流程之间的对应关系,获取该业务特征提取需求对应设置的特征提取流程。
其中,业务特征提取需求是根据业务的实际应用场景设置的,用于表示业务推荐的需求,可选的,业务特征提取需求可以采用需求标识信息表示。特征提取流程可以采用流程标识信息表示。
一种实施方式中,控制设备获取特征提取消息中包含的需求标识信息,并获取需求标识信息对应设置的流程标识信息。
其中,确定特征提取流程时,控制设备可以采用以下步骤:
S2001:控制设备获取针对业务特征提取需求设置的待提取的至少一个目标特征参数。
具体的,控制设备预先针对每一业务特征提取需求,配置相应的业务特征参数,每一业务特征提取需求可以对应设置有一个或者多个业务特征参数。
例如,业务特征参数可以为用户的有效播放时长、有效播放次数以及带时间衰减用户兴趣等。
这样,就可以在业务推荐设备向目标账号的目标业务应用进行信息推荐时,通过目标业务对应的业务特征提取需求,向控制设备请求提取目标特征参数对应的目标业务特征。
S2002:控制设备分别获取针对至少一个目标特征参数中各个目标特征参数设置的特征提取子流程。
具体的,控制设备根据存储的业务特征参数和特征提取子流程之间的对应关系,分别获得每一目标特征参数对应的特征提取子流程。
其中,在执行S2002之前,控制设备预先分别针对每一业务特征参数配置相应的特征提取子流程。可选的,可以采用子流程标识信息表示特征提取子流程。
一种实施方式中,控制设备根据存储的业务特征参数和子流程标识信息之间的对应关系,分别获得每一目标特征参数对应的子流程标识信息。
S2003:控制设备基于获得的各个特征提取子流程,获得特征提取流程。
具体的,执行S2003时,可以采用以下两种方式:
第一种方式为:控制设备将各特征提取子流程的集合,作为特征提取流程。
也就是说,特征提取流程为多个特征提取子流程的集合,且各特征提取子流程为并列关系。
第二种方式为:控制设备将各特征提取子流程进行合并,获得特征提取流程。
其中,每一特征提取子流程的第一个特征提取操作为开始操作,且各特征提取子流程中的合并部分,为包含开始操作的连续的多个操作。
例如,第一子流程包含的各特征提取操作为:开始操作、读取操作、筛选操作、画像计算操作以及输出操作。第二子流程包含的各特征提取操作为:开始操作、读取操作、合并操作、加和操作以及输出操作,则第一子流程和第二子流程的合并部分为:开始操作和读取操作。
这样,就可以将各特征提取子流程合并,使得相同部分的操作以及操作数据可以合并,简化了操作步骤。
步骤201:控制设备分别确定针对多个特征提取操作各自设置的算子节点。
具体的,控制设备分别针对每一特征提取操作,执行以下步骤:根据存储的特征提取操作和算子节点之间的对应关系,确定一个特征提取操作对应的算子节点。
一种实施方式中,控制设备通过节点标识信息表示算子节点,并通过操作标识信息表示特征提取操作,则控制设备可以分别针对每一特征提取操作对应的操作标识信息,执行以下步骤:根据预先设置的操作标识信息和节点标识信息之间的对应关系,确定一个操作标识信息对应的节点标识信息。
其中,在执行步骤201之前,控制设备预先执行以下步骤:预先分别针对每一特征提取操作,配置相应的算子节点。
可选的,可以按照算子节点的类型,对各算子节点进行划分,则算子节点包括以下几种:开始节点、读取算子节点、处理算子节点以及输出算子节点。
其中,读取算子节点中包含输入参数,用于通过输入参数读取业务数据。处理算子节点用于数据处理。输出算子节点用于数据处理以及输出获得的目标业务特征。
可选的,输入参数可以为数据地址参数以及账号参数等。实际应用中,输入参数可以根据实际应用场景进行设置,在此不做限制。
步骤202:控制设备根据特征提取流程,确定获得的各算子节点之间的执行逻辑顺序。
具体的,执行步骤202时,可以采用以下两种方式:
第一种方式为:确定特征提取流程对应的各算子节点之间的执行逻辑顺序。
第二种方式为:根据各目标特征参数对应的特征提取子流程,分别确定每一特征提取子流程对应的算子节点之间的子执行逻辑顺序,并根据各子执行逻辑顺序,确定特征提取流程对应的执行逻辑顺序。
具体的,控制设备分别针对每一目标特征参数,执行以下步骤:
S2021:确定一个目标特征参数对应的特征提取子流程包含的各个特征提取操作对应的算子节点。
具体的,确定一个目标特征参数对应的特征提取子流程,并根据特征提取操作和算子节点之间的对应关系,确定该特征提取子流程包含的各个特征提取操作对应的算子节点。
S2022:基于该目标特征参数对应的特征提取子流程,确定该目标特征参数对应的各个算子节点之间的子执行逻辑顺序。
具体的,按照特征提取子流程中各特征提取操作之间的执行顺序,获得相应的各算子节点之间的子执行逻辑顺序。
S2023:控制设备根据各子执行逻辑顺序,确定特征提取流程对应的各算子节点的执行逻辑顺序。
这样,就可以确定各算子节点之间的依赖关系以及执行顺序。
步骤203:控制设备根据确定出的各算子节点之间的执行逻辑顺序,针对目标账号关联的业务数据,执行相应的特征提取操作,获得业务特征提取需求对应的至少一个目标业务特征。
具体的,执行步骤203时,可以采用以下步骤:
S2031:通过各算子节点中的读取算子节点,获取针对目标业务设置的数据读取地址信息。
具体的,控制设备获取读取算子节点中的数据地址参数,并根据预先建立的数据地址参数和数据读取地址信息之间的对应关系,获取读取算子节点中的数据地址参数对应的数据读取地址信息。
进一步的,读取算子节点中还可以包含账号参数,控制设备根据预先建立的账号参数与用户账号信息之间的对应关系,获取读取算子节点中的账号参数对应的目标账号。
在执行S2031之前,控制设备预先配置数据地址参数对应的数据读取地址信息,以及账号参数对应的用户账号信息。
S2032:通过读取算子节点,基于数据读取地址信息,调用数据读取接口,获得目标账号关联的业务数据。
S2033:根据各算子节点之间的执行逻辑顺序,对目标账号关联的业务数据进行特征提取,获得相应的目标业务特征。
具体的,按照确定出的各算子节点的执行逻辑顺序,针对除读取算子节点之外的各个算子节点,分别执行以下步骤:
步骤a:若确定一个算子节点的父节点执行完成,则将父节点的处理结果,输入至该算子节点。
具体的,一个算子节点的父节点可以为一个,也可以为多个,这样,就可以将该算子节点的处理结果,作为下一子节点的输入信息。
步骤b:通过该算子节点,针对父节点的处理结果,执行相应的特征提取操作,获得该算子节点的处理结果。
具体的,该算子节点确定对应的各父节点均执行完成,则通过该算子节点对应设置的特征提取操作,对各父节点的处理结果进行相应数据处理,获得该算子节点的处理结果。
步骤c:若该算子节点中包含位置信息,则将该处理结果,确定为针对位置信息设置的目标特征参数的目标业务特征。
步骤d:按照上述位置信息,输出相应的处理结果。
进一步地,控制设备向业务推荐设备返回获得的目标业务特征。业务推荐设备根据接收的目标业务特征,针对目标账号进行信息推荐。
参阅图3所示,为本申请提供的一种应用于业务推荐的特征提取方法的详细实施流程图。该方法的具体流程如下:
步骤300:控制设备接收特征提取消息,并提取特征提取消息中的业务特征提取需求。
具体的,执行步骤300时,可以采用以下步骤:
S3001:目标业务对应的业务推荐设备向控制设备发送特征提取消息。
一种实施方式中,一个目标业务对应的一个业务推荐设备,向控制设备发送特征提取消息。
一种实施方式中,多个目标业务对应的多个业务推荐设备,分别向控制设备发送相应的特征提取消息。
例如,目标业务为短视频业务,业务推荐设备为短视频服务器。
又例如,目标业务为新闻业务,业务推荐设备为新闻服务器。
S3002:控制设备获取接收的特征提取消息中的业务特征提取需求。
一种实施方式中,控制设备中预先建立业务特征提取需求和需求标识信息之间的对应关系。控制设备接收业务推荐设备发送的特征提取消息,并获取特征提取消息中包含的需求标识信息,以及根据业务特征提取需求与需求标识信息之间的对应关系,确定特征提取消息中包含的需求标识信息对应的业务特征提取需求。
步骤301:控制设备获取针对业务特征提取需求设置的待提取的至少一个目标特征参数。
一种实施方式中,控制设备预先建立需求标识信息与业务特征参数之间的对应关系。控制设备根据需求标识信息与业务特征参数之间的对应关系,获取特征提取消息中包含的需求标识信息对应的至少一个目标特征参数。
例如,业务特征提取需求对应的需求标识信息为0001,对应的目标特征参数为:用户的有效播放时长、有效播放次数以及带时间衰减用户兴趣。
步骤302:控制设备分别获取针对至少一个目标特征参数中各个目标特征参数设置的特征提取子流程。
具体的,在执行步骤302之前,控制设备预先分别针对每一业务特征参数,配置相应的特征提取子流程。
需要说明的是,特征提取子流程包含多个特征提取操作,表示各特征提取操作之间的逻辑连接关系,可以采用流程图等方式表示,用于通过获得相应的业务特征参数。
一种实施方式中,控制设备预先建立业务特征参数和特征提取子流程对应的子流程标识信息之间的对应关系。
其中,执行步骤302时,可以采用以下两种方式:
第一种方式为:控制设备确定目标特征参数的数量为一个,则根据业务特征参数和特征提取子流程之间的对应关系,获得目标特征参数对应的特征提取子流程。
一种实施方式中,控制设备根据业务特征参数和子流程标识信息之间的对应关系,获得目标特征参数对应的子流程标识信息。
第二种方式为:控制设备确定目标特征参数的数量为多个,则根据业务特征参数和特征提取子流程之间的对应关系,分别确定每一目标特征参数对应的特征提取子流程。
一种实施方式中,控制设备根据业务特征参数和子流程标识信息之间的对应关系,分别获得每一目标特征参数对应的子流程标识信息。
步骤303:控制设备基于获得的各个特征提取子流程,获得特征提取流程。
具体的,若确定仅存在一个特征提取子流程,则将该特征提取子流程,确定为特征提取流程。若确定存在多个特征提取子流程,则获得特征提取流程时,可以采用以下任意一种方式:
第一种方式为:将各特征提取子流程的集合,作为特征提取流程。
一种实施方式中,生成包含各特征提取子流程对应的子流程标识信息的集合,并创建该集合对应的集合标识信息,以及将该集合标识信息,作为特征提取流程对应的流程标识信息。
这样,特征提取流程即为多个特征提取子流程的集合。
第二种方式为:控制设备将各特征提取子流程进行合并,获得特征提取流程。
具体的,控制设备根据各特征提取子流程中包含的特征提取操作,将各特征提取子流程之间的共同部分进行合并,获得合并后的特征提取流程。
一种实施方式中,控制设备分别获取每一特征提取子流程中包含的特征提取操作,并将各特征提取子流程之间的共同部分进行合并,获得合并后的特征提取流程,以及针对合并后的特征提取流程创建相应的流程标识信息。
进一步地,控制设备还可以建立需求标识信息、特征提取流程以及流程标识信息三者之间的对应关系。
进一步地,若根据上述对应关系,确定存在特征提取消息中的需求标识信息对应的流程标识信息,则控制设备也可以直接获取相应的流程标识信息,不执行上述步骤301和步骤302。
这样,就可以不断增加特征提取需求对应的特征提取流程,简化特征提取的繁琐步骤。
进一步地,需求标识信息、子流程标识信息以及流程标识信息也可以从特征提取消息中获取,从而简化控制设备的繁琐步骤,在此不作限制。
步骤304:控制设备分别确定针对多个特征提取操作各自设置的算子节点。
具体的,在执行步骤304之前,控制设备预先针对每一特征提取操作,设置相应的算子节点。
其中,每一算子节点均有一个节点标识信息,如,节点名称,描述该算子节点执行特征提取操作的执行逻辑,以及该算子节点的输入参数和输出参数。
一种实施方式中,每一算子节点对应的配置均包含命名(Name)、输入参数以及函数(Func),还可以包含位置信息(Index)。Func表示算子节点的算子逻辑,包含一个或多个输入参数,用于获取输入信息。其中,开头为下划线的输入参数为预先定义好的变量,如,_ds_uniq_exp,非下划线开头的输入参数为常量,如,aikan_exposure。name用于命名算子节点的输出参数。输出参数用于表示处理结果(即输出结果)。在进行算子节点配置时,可以通过#进行注释。Index用于指示将算子节点的处理结果作为最终的输出结果(即目标业务特征),按照指示的位置信息输出。可选的,Index可以为序号。
例如,Index=n表示各处理结果的输出位置的序号。n为自然数。n可以从0开始,也可以为从其它自然数开始,在此不作限制。控制设备可以按照Index,向用户展示相应的目标业务特征,也可以按照Index,向目标业务推荐设备返回各目标特征参数对应的目标业务特征。
例如,参阅图4a所示,为一种算子节点配置的示例图。
#定义变量ds1,算子节点是SOP_select序列读取算子,读取的数据源(即输入参数)是aikan_play;
name=ds1;func=SOP_select(aikan_play);
#定义变量ds2,算子节点是SOP_select序列读取算子,读取的数据源是aikan_insert;
name=ds2;func=SOP_select(aikan_insert);
#定义变量ds3,算子节点是SOP_select序列读取算子,读取的数据源是aikan_exposure;
name=ds3;func=SOP_select(aikan_exposure);
#定义变量ds_uniq_exp,为对ds3进行唯一性过滤后的处理结果;
name=ds_uniq_exp;func=SOP_unique(_ds3);
#定义变量fe_exp_vid,表示根据唯一性过滤之后获得的各ds3生成的用户画像,index=0表示位置为0;
name=fe_exp_vid;func=SOP_vid(_ds_uniq_exp);index=0;
#定义ds_all_play,为对ds1和ds2进行合并后获得的处理结果;
name=ds_all_play;func=SOP_union(_ds1,_ds2);
#定义ds_valid_dur,表示按照预设筛选条件(即,播放时长>5)对合并后的ds1和ds2进行筛选后获得的处理结果;
name=ds_valid_dur;func=SOP_filter(_ds_all_play,5);
#定义fe_pvreal,表示调用SOP_pvreal算子节点对ds_valid_dur进行数据处理后获得的处理结果,index=1表示位置为1;
name=fe_pvreal;func=SOP_pvreal(_ds_valid_dur);index=1。
一种实施方式中,控制设备预先针对各特征提取操作设置相应的操作标识信息,并针对各算子节点设置相应的节点标识信息,以及建立操作标识信息与节点标识信息之间的对应关系。
执行步骤304时,控制设备根据特征提取操作与算子节点之间的对应关系,分别确定每一特征提取操作设置的算子节点。
一种实施方式中,控制设备根据操作标识信息与节点标识信息之间的对应关系,分别确定每一操作标识信息对应的节点标识信息。
这样,就可以将各算子节点进行组合和复用。
步骤305:控制设备分别确定一个目标特征参数对应的特征提取子流程对应的算子节点。
具体的,控制设备分别针对每一目标特征参数对应的特征提取子流程,执行以下步骤:
根据一个特征提取子流程包含的各特征提取操作,确定该特征提取子流程对应的算子节点。
步骤306:控制设备根据各特征提取子流程对应的算子节点,确定特征提取流程对应的各算子节点的执行逻辑顺序。
具体的,控制设备基于各目标特征参数对应的特征提取子流程,确定相应目标特征参数对应的各个算子节点之间的子执行逻辑顺序,并将各子执行逻辑顺序集合,确定为特征提取流程对应的各算子节点的执行逻辑顺序。
一种实施方式中,确定子执行逻辑顺序时,控制设备分别针对每一目标特征参数对应的特征提取子流程,执行以下步骤:
按照一个特征提取子流程中包含的各特征提取操作之间的逻辑连接关系,将各特征提取操作对应的各算子节点,进行逻辑连接,获得相应的子执行逻辑顺序。
可选的,各算子节点之间的执行逻辑顺序,可以采用DAG表示,即根据各算子节点之间的逻辑上的依赖关系,生成DAG。DAG中的每一节点即为算子节点,每一算子节点的处理结果,可以作为被其它算子节点依赖的输入信息,也可以作为最终的处理结果即目标业务特征。需要说明的是,各算子节点之间的执行逻辑顺序不允许产生循环依赖,即环依赖。
例如,参阅图4b所示,为一种DAG示例图。结合图4a,对图4b所示的DAG示例图进行说明。特征提取流程包括两个特征提取子流程,分别对应子执行逻辑顺序1和子执行逻辑顺序2。子执行逻辑顺序1和子执行逻辑顺序2中均包含开始节点(DAG start)。
子执行逻辑顺序1包含的各算子节点依次为:DAG start,SOP_select(aikan_play)和SOP_select(aikan_insert),以及SOP_union(_ds1,_ds2),SOP_filter(_ds_all_play,5),SOP_pvreal(_ds_valid_dur)。
其中,aikan_play为用于读取视频播放序列(如,爱看timeline播放序列)的输入参数,aikan_insert为用于读取视频插入播放序列(如,爱看插入播放序列)的输入参数。
子执行逻辑顺序2包含的各算子节点依次为:DAG start,SOP_select(aikan_exposure),SOP_unique(_ds3),SOP_vid(_ds_uniq_exp)。
其中,aikan_exposure为用于读取视频播放曝光序列(如,爱看曝光序列)的输入参数。
步骤307:控制设备通过各算子节点中的读取算子节点,获取针对目标业务设置的数据读取地址信息。
具体的,控制设备获取读取算子节点中的输入参数,并获取输入参数对应的数据读取地址信息。
可选的,针对目标业务设置的数据读取地址信息,可以为从特征提取消息中获取的,也可以为预先针对输入参数设置的,在此不作限制。
步骤308:控制设备通过读取算子节点,基于数据读取地址信息,调用数据读取接口,获得目标账号关联的业务数据。
一种实施方式中,读取算子节点中还可以包括业务参数。数据读取地址信息为数据库服务器的地址信息,则控制设备基于开始节点触发执行读取算子节点,基于数据读取地址信息,向相应的数据库服务器发送包含业务参数的数据请求消息。数据库服务器基于数据请求消息中的业务参数,将各业务参数对应的业务数据,返回至控制设备。
一种实施方式中,数据读取地址信息为控制设备中的存储地址,则控制设备基于开始节点触发执行读取算子节点,获取数据读取地址信息对应的业务数据。
步骤309:控制设备根据各算子节点之间的执行逻辑顺序,对目标账号关联的业务数据进行特征提取,获得相应的目标业务特征。
具体的,每一算子节点在相应的父节点均处理完成后被触发执行,从而使得各算子节点不断循环执行,直至所有的算子节点均执行完成。父节点的输出参数即为相应子节点的输入参数,即将父节点的处理结果作为相应子节点的输入信息。
例如,图4b中,算子节点的SOP_union(_ds1,_ds2)的父节点为SOP_select(aikan_play)和SOP_select(aikan_insert)。SOP_select(aikan_play)的输出参数为_ds1,以及SOP_select(aikan_insert)的输出参数为_ds2。_ds1和_ds2为SOP_union(_ds1,_ds2)的输入参数。SOP_select(aikan_play)和SOP_select(aikan_insert)执行完成后,触发执行SOP_union(_ds1,_ds2)。
一种实施方式中,控制设备确定DAG中的开始节点被触发执行后,分别针对DAG中的每一算子节点,执行以下步骤:
S3091:控制设备获取一个算子节点入度。
可选的,一个算子节点依赖的父节点的个数可以为一个,也可以为多个,入度表示算子节点依赖的父节点的个数。
S3092:控制设备确定该算子节点的一个父节点执行完成后,将相应的入度减一。
S3093:若确定该算子节点的入度为零,则控制设备获取依赖的各父节点的处理结果,并将处理结果作为该算子节点的输入信息。
S3094:控制设备基于获取的输入信息,执行该算子节点,获得相应的处理结果。
S3095:若确定该算子节点中包含位置信息,则控制设备按照该位置信息,显示一个算子节点的处理结果。
S3096:控制设备获取位置信息对应设置的目标特征参数,并将处理结果,确定为上述目标特征参数对应的目标业务特征。
具体的,在执行S3096之前,控制设备预先针对该DAG,建立位置信息与目标特征参数之间的对应关系,并按照该对应关系,显示相应的处理结果。
例如,图4a和图4b中,存在两个处理结果,即fe_exp_vid和fe_pvreal。fe_exp_vid对应的位置信息为index=0,fe_pvreal对应的位置信息为index=1。
步骤310:业务推荐设备根据接收控制设备返回的目标业务特征,向目标账号对应的业务应用进行信息推荐。
参阅图5所示,为一种特征提取的系统架构示意图。包括多个目标业务对应的多个业务推荐设备和控制设备。控制设备中包含用于特征提取的会话(Session)服务应用。该会话服务应用包括接口层、算子节点配置模块、数据源配置模块、DAG引擎模块、DAG执行模块,以及多个数据源模块。业务推荐设备包括业务推荐设备1、业务推荐设备2和业务推荐设备3。
业务推荐设备:用于向会话服务应用发送包含特征提取需求的特征提取消息,并接收会话服务应用返回的目标业务特征,以及根据目标业务特征对视频等信息进行排序,并按照排序结果,向用户进行信息推荐。
例如,目标业务为长视频、短视频、小视频、doki以及游戏等。
接口层:位于会话服务应用的最外层,用于接收目标业务对应的业务推荐设备发送的特征提取消息,以及基于接收的特征提取消息,向相应业务推荐设备返回提取的目标业务特征,实现会话服务应用与业务推荐设备之间的对接。
算子节点配置模块:用于针对各特征提取操作配置相应的算子节点,以及存储针对各特征提取操作配置的算子节点。
数据源配置模块:用于针对读取算子节点的输入参数配置相应的数据读取地址等信息,以及存储针对读取算子节点的输入参数对应的数据读取地址信息,还可以存储输入参数对应的数据源名称以及读取方式等信息。
例如,数据读取地址信息为数据库服务器的网络地址,读取方式为通过用户账号以及用户密码获取。
DAG引擎模块:用于根据特征提取消息中的特征提取需求,确定相应的DAG。
DAG执行模块:依次执行DAG中的各算子节点。算子节点可以包括开始节点、读取算子节点、处理算子节点和输出算子节点。DAG执行模块通过DAG中的读取算子节点读取业务数据,并通过各处理算子节点和输出算子节点对业务数据进行特征提取,以及通过输出算子节点输出提取的目标业务特征。
其中,读取算子节点:用于根据输入参数对应的数据源名称、数据读取地址以及读取方式等信息进行数据读取。
处理算子节点:用于对读取算子节点读取的业务数据或者其它处理算子节点的处理结果进行去重以及过滤等操作。
输出算子节点:用于数据处理,并输出提取的目标业务特征。
数据源模块:用于存储各业务对应的业务数据,每一业务数据可以采用原始业务数据序列的方式进行存储。
本申请实施例中,预先针对不同的特征提取操作,配置多个算子节点,在接收到业务推荐设备的请求消息后,针对任意业务特征提取需求,将相应的算子节点进行组合复用,并通过组合复用后的各算子节点,从业务数据中提取业务特征提取需求对应的目标业务特征,不需要将海量的业务数据发送至业务推荐设备,只需要将用户的目标业务特征返回至业务推荐设备即可,减少了业务推荐设备的数据传输量,提高了系统性能通过各算子节点的组合复用,减少了耗费的系统资源和时间成本,提高了业务特征提取的可复用性和可扩展性,适用范围广。
基于同一发明构思,本申请实施例中还提供了一种应用于业务推荐的特征提取装置,由于上述装置及设备解决问题的原理与一种应用于业务推荐的特征提取方法相似,因此,上述装置的实施可以参见方法的实施,重复之处不再赘述。
如图6示,其为本申请实施例提供的一种应用于业务推荐的特征提取装置的结构示意图。一种应用于业务推荐的特征提取装置包括:
接收单元601,用于接收针对目标账号的目标业务的业务特征提取需求,确定业务特征提取需求对应的特征提取流程,特征提取流程包含多个特征提取操作;
第一确定单元602,用于分别确定针对多个特征提取操作各自设置的算子节点;
第二确定单元603,用于根据特征提取流程,确定获得的各算子节点之间的执行逻辑顺序;
获得单元604,用于根据确定出的各算子节点之间的执行逻辑顺序,针对目标账号关联的业务数据,执行相应的特征提取操作,获得业务特征提取需求对应的至少一个目标业务特征。
较佳的,获得单元604还用于:
向业务推荐设备返回目标业务特征,使得业务推荐设备根据目标业务特征向目标账号对应的业务应用进行信息推荐。
较佳的,接收单元601用于:
获取针对业务特征提取需求设置的待提取的至少一个目标特征参数;
分别获取针对至少一个目标特征参数中各个目标特征参数设置的特征提取子流程;其中,每个特征提取子流程包含多个特征提取操作;
基于获得的各个特征提取子流程,获得特征提取流程。
较佳的,第二确定单元603用于:
分别针对每一目标特征参数,执行以下步骤:确定一个目标特征参数对应的特征提取子流程包含的各个特征提取操作对应的算子节点,并基于一个目标特征参数对应的特征提取子流程,确定一个目标特征参数对应的各个算子节点之间的子执行逻辑顺序;
根据各目标特征参数对应的子执行逻辑顺序,确定获得的各算子节点之间的执行逻辑顺序。
较佳的,获得单元604用于:
通过各算子节点中的读取算子节点,获取针对目标业务设置的数据读取地址信息;
通过读取算子节点,基于数据读取地址信息,调用数据读取接口,获得目标账号关联的业务数据。
较佳的,获得单元604用于:
按照确定出的各算子节点的执行逻辑顺序,针对除读取算子节点之外的各个算子节点,分别执行以下步骤:
若确定一个算子节点的父节点执行完成,则将父节点的处理结果,输入至一个算子节点;
通过一个算子节点,针对父节点的处理结果,执行相应的特征提取操作,获得一个算子节点的处理结果;
若一个算子节点中包含位置信息,则将处理结果,确定为针对位置信息设置的目标特征参数的目标业务特征;
按照位置信息,输出处理结果。
本申请实施例提供的一种应用于业务推荐的特征提取方法、装置、设备和介质中,接收针对目标账号的目标业务的业务特征提取需求,确定业务特征提取需求对应的特征提取流程,并根据该特征提取流程中包含的各特征提取操作,确定该特征提取流程对应的多个算子节点以及各算子节点之间的执行逻辑顺序,以及按照各算子节点之间的执行逻辑顺序,针对目标账号关联的业务数据,执行相应的特征提取操作,获得上述业务特征提取需求对应的至少一个目标业务特征。这样,预先配置多个算子节点,在接收到业务特征提取需求后,将各算子节点进行组合和复用,以根据组合后的算子节点从业务数据中提取相应的目标业务特征,可以针对不同业务场景的业务特征提取需求进行业务特征提取,减少了耗费的系统资源,适用范围广且便于扩展。
图7示出了一种控制设备7000的结构示意图。参阅图7所示,控制设备7000包括:处理器7010、存储器7020、电源7030、显示单元7040、输入单元7050。
处理器7010是控制设备7000的控制中心,利用各种接口和线路连接各个部件,通过运行或执行存储在存储器7020内的软件程序和/或数据,执行控制设备7000的各种功能,从而对控制设备7000进行整体监控。
本申请实施例中,处理器7010调用存储器7020中存储的计算机程序时执行如图2中所示的实施例提供的应用于业务推荐的特征提取方法。
可选的,处理器7010可包括一个或多个处理单元;优选的,处理器7010可集成应用处理器和调制解调处理器,其中,应用处理器主要特征提取操作系统、账户界面和应用等,调制解调处理器主要处理无线通信。可以理解的是,上述调制解调处理器也可以不集成到处理器7010中。在一些实施例中,处理器、存储器、可以在单一芯片上实现,在一些实施例中,它们也可以在独立的芯片上分别实现。
存储器7020可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、各种应用等;存储数据区可存储根据控制设备7000的使用所创建的数据等。此外,存储器7020可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件等。
控制设备7000还包括给各个部件供电的电源7030(比如电池),电源可以通过电源管理系统与处理器7010逻辑相连,从而通过电源管理系统实现管理充电、放电、以及功耗等功能。
显示单元7040可用于显示由账户输入的信息或提供给账户的信息以及控制设备7000的各种菜单等,本发明实施例中主要用于显示控制设备7000中各应用的显示界面以及显示界面中显示的文本、图片等对象。显示单元7040可以包括显示面板7041。显示面板7041可以采用液晶显示屏(Liquid Crystal Display,LCD)、有机发光二极管(Organic Light-Emitting Diode,OLED)等形式来配置。
输入单元7050可用于接收账户输入的数字或字符等信息。输入单元7050可包括触控面板7051以及其他输入设备7052。其中,触控面板7051,也称为触摸屏,可收集账户在其上或附近的触摸操作(比如账户使用手指、触摸笔等任何适合的物体或附件在触控面板7051上或在触控面板7051附近的操作)。
具体的,触控面板7051可以检测账户的触摸操作,并检测触摸操作带来的信号,将这些信号转换成触点坐标,发送给处理器7010,并接收处理器7010发来的命令并加以执行。此外,可以采用电阻式、电容式、红外线以及表面声波等多种类型实现触控面板7051。其他输入设备7052可以包括但不限于物理键盘、功能键(比如音量控制按键、开关机按键等)、轨迹球、鼠标、操作杆等中的一种或多种。
当然,触控面板7051可覆盖显示面板7041,当触控面板7051检测到在其上或附近的触摸操作后,传送给处理器7010以确定触摸事件的类型,随后处理器7010根据触摸事件的类型在显示面板7041上提供相应的视觉输出。虽然在图7中,触控面板7051与显示面板7041是作为两个独立的部件来实现控制设备7000的输入和输出功能,但是在某些实施例中,可以将触控面板7051与显示面板7041集成而实现控制设备7000的输入和输出功能。
控制设备7000还可包括一个或多个传感器,例如压力传感器、重力加速度传感器、接近光传感器等。当然,根据具体应用中的需要,上述控制设备7000还可以包括摄像头等其它部件,由于这些部件不是本申请实施例中重点使用的部件,因此,在图7中没有示出,且不再详述。
本领域技术人员可以理解,图7仅仅是控制设备的举例,并不构成对控制设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件。
本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储于一计算机可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:移动存储设备、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。或者,本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可以采用软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机、服务器、或者网络设备等)执行本发明各个实施例所述方法的全部或部分。而前述的存储介质包括:移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
本申请实施例还提供了一种计算机程序产品或计算机程序,该计算机程序产品或计算机程序包括计算机指令,该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该计算机设备执行上述任意方法实施例中的应用于业务推荐的特征提取控制方法。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对相关技术做出贡献的部分可以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台控制设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分的方法。
最后应说明的是:以上实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。

Claims (10)

1.一种应用于业务推荐的特征提取方法,其特征在于,包括:
接收针对目标账号的目标业务的业务特征提取需求,确定所述业务特征提取需求对应的特征提取流程,所述特征提取流程包含多个特征提取操作;
分别确定针对所述多个特征提取操作各自设置的算子节点;
根据所述特征提取流程,确定获得的各算子节点之间的执行逻辑顺序;
根据确定出的各算子节点之间的执行逻辑顺序,针对所述目标账号关联的业务数据,执行相应的特征提取操作,获得所述业务特征提取需求对应的至少一个目标业务特征。
2.如权利要求1所述的方法,其特征在于,在获得所述业务特征提取需求对应的目标业务特征之后,进一步包括:
向业务推荐设备返回所述目标业务特征,使得所述业务推荐设备根据所述目标业务特征向所述目标账号对应的业务应用进行信息推荐。
3.如权利要求1所述的方法,其特征在于,确定所述业务特征提取需求对应的特征提取流程,包括:
获取针对所述业务特征提取需求设置的待提取的至少一个目标特征参数;
分别获取针对所述至少一个目标特征参数中各个目标特征参数设置的特征提取子流程;其中,每个特征提取子流程包含多个特征提取操作;
基于获得的各个特征提取子流程,获得所述特征提取流程。
4.如权利要求3所述的方法,其特征在于,根据所述特征提取流程,确定获得的各算子节点之间的执行逻辑顺序,包括:
分别针对每一目标特征参数,执行以下步骤:确定一个目标特征参数对应的特征提取子流程包含的各个特征提取操作对应的算子节点,并基于所述一个目标特征参数对应的特征提取子流程,确定所述一个目标特征参数对应的各个算子节点之间的子执行逻辑顺序;
根据各目标特征参数对应的子执行逻辑顺序,确定获得的各算子节点之间的执行逻辑顺序。
5.如权利要求1-4任一项所述的方法,其特征在于,在确定获得的各算子节点之间的执行逻辑顺序之后,在获得所述业务特征提取需求对应的至少一个目标业务特征之前,包括:
通过各算子节点中的读取算子节点,获取针对所述目标业务设置的数据读取地址信息;
通过所述读取算子节点,基于所述数据读取地址信息,调用数据读取接口,获得所述目标账号关联的业务数据。
6.如权利要1-4任一项所述的方法,其特征在于,根据确定出的各算子节点之间的执行逻辑顺序,针对所述目标账号关联的业务数据,执行相应的特征提取操作,获得所述业务特征提取需求对应的至少一个目标业务特征,包括:
按照确定出的各算子节点的执行逻辑顺序,针对除读取算子节点之外的各个算子节点,分别执行以下步骤:
若确定一个算子节点的父节点执行完成,则将所述父节点的处理结果,输入至所述一个算子节点;
通过所述一个算子节点,针对所述父节点的处理结果,执行相应的特征提取操作,获得所述一个算子节点的处理结果;
若所述一个算子节点中包含位置信息,则将所述处理结果,确定为针对所述位置信息设置的目标特征参数的目标业务特征;
按照所述位置信息,输出所述处理结果。
7.一种应用于业务推荐的特征提取装置,其特征在于,包括:
接收单元,用于接收针对目标账号的目标业务的业务特征提取需求,确定所述业务特征提取需求对应的特征提取流程,所述特征提取流程包含多个特征提取操作;
第一确定单元,用于分别确定针对所述多个特征提取操作各自设置的算子节点;
第二确定单元,用于根据所述特征提取流程,确定获得的各算子节点之间的执行逻辑顺序;
获得单元,用于根据确定出的各算子节点之间的执行逻辑顺序,针对所述目标账号关联的业务数据,执行相应的特征提取操作,获得所述业务特征提取需求对应的至少一个目标业务特征。
8.如权利要求7所述的装置,其特征在于,所述获得单元还用于:
向业务推荐设备返回所述目标业务特征,使得所述业务推荐设备根据所述目标业务特征向所述目标账号对应的业务应用进行信息推荐。
9.一种控制设备,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程序,其特征在于,所述处理器执行所述程序时实现权利要求1-6任一项所述的方法的步骤。
10.一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,该计算机程序被处理器执行时实现权利要求1-6任一项所述方法的步骤。
CN202110025688.9A 2021-01-08 2021-01-08 一种应用于业务推荐的特征提取方法、装置、设备和介质 Pending CN114756737A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110025688.9A CN114756737A (zh) 2021-01-08 2021-01-08 一种应用于业务推荐的特征提取方法、装置、设备和介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110025688.9A CN114756737A (zh) 2021-01-08 2021-01-08 一种应用于业务推荐的特征提取方法、装置、设备和介质

Publications (1)

Publication Number Publication Date
CN114756737A true CN114756737A (zh) 2022-07-15

Family

ID=82326237

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110025688.9A Pending CN114756737A (zh) 2021-01-08 2021-01-08 一种应用于业务推荐的特征提取方法、装置、设备和介质

Country Status (1)

Country Link
CN (1) CN114756737A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116628348A (zh) * 2023-07-19 2023-08-22 支付宝(杭州)信息技术有限公司 业务推荐的系统、方法、装置、电子设备及存储介质

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116628348A (zh) * 2023-07-19 2023-08-22 支付宝(杭州)信息技术有限公司 业务推荐的系统、方法、装置、电子设备及存储介质

Similar Documents

Publication Publication Date Title
CN103608811B (zh) 用于所连接的设备的上下文感知应用模型
CN107209905B (zh) 针对个性化和任务完成服务而对应用去主题归类
CN101978366B (zh) 可部署对象分层结构内的应用程序管理
CN102520841B (zh) 收集用户接口
US20190050378A1 (en) Serializable and serialized interaction representations
US20120023157A1 (en) User profile based configuration of user experience environment
CN105493077A (zh) 利用占位符的文件管理
CN103733197A (zh) 本地和远程媒体项的管理
WO2019032194A1 (en) CREATING, MANAGING AND TRANSFERRING SETS OF REPRESENTATIONS OF INTERACTIONS
US11120212B2 (en) Creating and modifying applications from a mobile device
US10732796B2 (en) Control of displayed activity information using navigational mnemonics
CN104169902A (zh) 同步本地和远程数据
AU2015318174A1 (en) Personalized contextual menu for inserting content in a current application
CN104011698A (zh) 基于从相应的主应用程序数据导出的标识符来访问补充数据
CN112052420A (zh) 一种页面分享图片的生成以及页面分享方法和装置
CN114756737A (zh) 一种应用于业务推荐的特征提取方法、装置、设备和介质
JP2022093317A (ja) コンピュータ実装方法、システム、およびコンピュータプログラム製品(過去に提示された情報の認識および再構築)
JP2020197873A (ja) 情報処理システム、及び情報処理システムの制御方法
WO2023071956A1 (zh) 模型训练方法、装置及电子设备
CN114327372B (zh) 一种质量需求配置方法、装置、设备和介质
CN113890872B (zh) 一种数据集合上传方法、装置、电子设备和存储介质
US20230394172A1 (en) Digital Asset (DA) Move Option Between Personal and Shared DA Libraries
Heimonen Mobile findex: Facilitating information access in mobile web search with automatic result clustering
CN115167763A (zh) 数据存储的方法、装置、电子设备及可读存储介质
CN114331486A (zh) 一种用户画像更新方法、装置、设备和介质

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