CN116150420B - 一种图片任务推送结果的评估方法和系统 - Google Patents

一种图片任务推送结果的评估方法和系统 Download PDF

Info

Publication number
CN116150420B
CN116150420B CN202310436510.2A CN202310436510A CN116150420B CN 116150420 B CN116150420 B CN 116150420B CN 202310436510 A CN202310436510 A CN 202310436510A CN 116150420 B CN116150420 B CN 116150420B
Authority
CN
China
Prior art keywords
picture
task
feature
executor
tasks
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
Application number
CN202310436510.2A
Other languages
English (en)
Other versions
CN116150420A (zh
Inventor
林秝
郭宇
苑博韬
陈文杰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Weein Software Technology Co ltd
Original Assignee
Beijing Weein Software Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Weein Software Technology Co ltd filed Critical Beijing Weein Software Technology Co ltd
Priority to CN202310436510.2A priority Critical patent/CN116150420B/zh
Publication of CN116150420A publication Critical patent/CN116150420A/zh
Application granted granted Critical
Publication of CN116150420B publication Critical patent/CN116150420B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/53—Querying
    • G06F16/535—Filtering based on additional data, e.g. user or group profiles
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/5866—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using information manually generated, e.g. tags, keywords, comments, manually generated location and time information
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/761—Proximity, similarity or dissimilarity measures
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Engineering & Computer Science (AREA)
  • Library & Information Science (AREA)
  • Data Mining & Analysis (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Multimedia (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明提供了一种图片任务推送结果的评估方法和系统，涉及数据分析技术领域，所述方法包括：通过构建图片匹配数据库，对任务执行人员发送图片任务后的图片信息与分配的任务图片进行特征比对，根据特征比对结果对任务执行人员的推送任务完成情况进行评估。解决现有技术中难以监测图片式任务完成效果导致推送质量低的技术问题，实现了对图片式推送任务完成情况的实时监测，从而可以根据监测结果进一步提升推送质量和效果。

Description

一种图片任务推送结果的评估方法和系统
技术领域
本发明涉及数据分析领域，特别涉及一种图片任务推送结果的评估方法和系统。
背景技术
目前当任务执行人员的消息推送形式为海报等图片形式时，系统无法识别图片内容，无法很好地跟踪任务执行人员对于推送任务的执行情况，也难以实现对于推送任务是否成功完成的判断。由于无法对任务完成情况进行实时监测，使得难以实现对任务推送策略的适应性调整，进而导致图片式任务的推送质量较低。
因此，现有技术中存在着难以监测图片式任务完成效果导致推送质量低的技术问题。
发明内容
有鉴于此，本发明提供了一种图片任务推送结果的评估方法，以解决现有技术中难以监测图片式任务的推送结果的技术问题。该方法包括：
构建图片匹配数据库，所述图片匹配数据库包括各任务执行人员的账号、各图片任务以及各任务执行人员的账号与各图片任务的对应推送关系；
获取每个任务执行人员的账号已发送的图片任务的第一发送数据；
对所述第一发送数据提取第一特征，根据所述对应推送关系，对每个任务执行人员的账号对应的各图片任务提取第二特征，所述第一特征和所述第二特征同时包括以下任意一项或任意组合：内容特征、标识码以及时间特征；
将所述第一特征与所述第二特征进行特征比对，获得第一特征比对结果；
根据所述第一特征比对结果，确定所述任务执行人员的账号对应的各图片任务的推送执行情况。
进一步的，所述第一特征和所述第二特征同时包括内容特征时，将所述第一特征与所述第二特征进行特征比对，获得第一特征比对结果，包括：
当所述第一特征包括已发送的图片任务的第一内容特征，且所述第二特征包括任务执行人员的账号对应的各图片任务的第二内容特征时，将所述第一内容特征和所述第二内容特征进行比对，计算相似度；
根据所述第一特征比对结果，确定所述任务执行人员的账号对应的各图片任务的推送执行情况，包括：
在任务执行人员的账号对应的各图片任务中，确定相似度大于等于预设相似度的图片任务，确定出的图片任务为成功执行推送的图片任务。
进一步的，所述第一特征和所述第二特征同时包括标识码时，将所述第一特征与所述第二特征进行特征比对，获得第一特征比对结果，包括：
当所述第一特征包括已发送的图片任务的第一标识码，且所述第二特征包括任务执行人员的账号对应的各图片任务的第二标识码时，将所述第一标识码和所述第二标识码进行比对，得到比对结果，所述比对结果包括一致或不一致；
根据所述第一特征比对结果，确定所述任务执行人员的账号对应的各图片任务的推送执行情况，包括：
在任务执行人员的账号对应的各图片任务中，确定所述比对结果为一致的图片任务，确定出的图片任务为成功执行推送的图片任务。
进一步的，所述第一特征和所述第二特征同时包括时间特征时，将所述第一特征与所述第二特征进行特征比对，获得第一特征比对结果，包括：
当所述第一特征包括已发送的图片任务的第一发送时间，且所述第二特征包括任务执行人员的账号对应的各图片任务的预设发送时间时，计算所述第一发送时间和所述预设发送时间的时间差；
根据所述第一特征比对结果，确定所述任务执行人员的账号对应的各图片任务的推送执行情况，包括：
在任务执行人员的账号对应的各图片任务中，确定时间差小于预设时间阈值的图片任务，确定出的图片任务为成功执行推送的图片任务。
进一步的，所述方法还包括：在每个任务执行人员的账号发送图片任务之前，在每个任务执行人员的账号获取图片任务时，提取获取的图片任务的第一图片信息，所述第一图片信息包括内容特征和/或标识码；
根据所述对应推送关系，对每个任务执行人员的账号对应的各图片任务提取第二图片信息；
将所述第一图片信息与所述第二图片信息进行特征比对，获得第二特征比对结果；
根据所述第二特征比对结果，判断获取的图片任务是否为该任务执行人员的账号对应的图片任务，若否，则向该任务执行人员的账号发送重新获取图片任务的提示信息。
进一步的，所述方法还包括：获取每个任务执行人员的账号对应的各图片任务的预设发送时间；针对任务执行人员的账号对应的每个图片任务，以该图片任务的预设发送时间为时间起点，判断在第一预设时长内是否获取到该图片任务的所述第一发送数据，若否，则判断该图片任务为未执行推送。
进一步的，所述方法还包括：
获取每个任务执行人员的账号对应的每个图片任务的目标用户数量，根据所述目标用户数量确定每个图片任务的用户互动阈值和用户完成度阈值；
获取每个图片任务推送后第二预设时间内的用户反馈数据，所述用户反馈数据包括用户对图片任务的互动数据和用户对图片任务中的任务的完成数据；
根据所述互动数据是否达到所述用户互动阈值的情况以及所述完成数据是否达到所述用户完成度阈值的情况，分析获得每个图片任务的推送质量，所述推送质量以数值形式表示，所述推送质量的数值大小表示用户与每个图片任务的匹配程度；
当所述推送质量的数值小于预设阈值时，调整各图片任务的信息项，所述信息项包括以下任意一项或任意组合：所述用户互动阈值、所述用户完成度阈值、各图片任务的预设发送时间和各图片任务中的图片内容。
此外，本发明还提供了一种图片任务推送结果的评估系统，包括：
数据库构建模块，用于构建图片匹配数据库，所述图片匹配数据库包括各任务执行人员的账号、各图片任务以及各任务执行人员的账号与各图片任务的对应推送关系；
发送数据获取模块，用于获取每个任务执行人员的账号已发送的图片任务的第一发送数据；
特征提取模块，用于对所述第一发送数据提取第一特征，根据所述对应推送关系，对每个任务执行人员的账号对应的各图片任务提取第二特征，所述第一特征和所述第二特征同时包括以下任意一项或任意组合：内容特征、标识码以及时间特征；
特征比对模块，用于将所述第一特征与所述第二特征进行特征比对，获得第一特征比对结果；
推送结果获取模块，用于根据所述第一特征比对结果，确定所述任务执行人员的账号对应的各图片任务的推送执行情况。
本发明实施例还提供了一种计算机设备，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，所述处理器执行所述计算机程序时实现上述任意的图片任务推送结果的评估方法。
本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有执行上述任意的图片任务推送结果的评估方法的计算机程序。
与现有技术相比，本说明书实施例采用的上述至少一个技术方案能够达到的有益效果至少包括：通过对任务执行人员发送图片任务后的图片信息与原始任务图片进行特征比对，根据特征比对结果实现任务执行人员是否完成推送任务的判断，实现对图片式推送任务完成情况的实时监测，从而根据监测结果可以为推送策略的适应性调整提供依据，进而有利于提升推送质量和效果。
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，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。
图1是本发明实施例提供的一种图片任务推送结果的评估方法流程示意图；
图2为本发明实施例提供的一种图片任务推送结果的评估系统结构示意图；
图3为本发明实施例提供的一种计算机设备示意图。
图中附图标记：200、系统；210、数据库构建模块；220、发送数据获取模块；230、特征提取模块；240、特征比对模块；250、推送结果获取模块；301、存储器；302、处理器。
具体实施方式
下面结合附图对本申请实施例进行详细描述。
以下通过特定的具体实例说明本申请的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本申请的其他优点与功效。显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。本申请还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本申请的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
本发明通过对任务执行人员发送图片任务后的图片信息与原始任务图片进行特征比对，根据特征比对结果实现任务执行人员是否完成推送任务的判断，实现对图片式推送任务完成情况的实时监测，从而根据监测结果可以为推送策略的适应性调整提供依据，进而有利于提升推送质量和效果。
如图1所示，本实施例提供的一种图片任务推送结果的评估方法具体包括如下步骤：
步骤S100：构建图片匹配数据库，所述图片匹配数据库包括各任务执行人员的账号、各图片任务以及各任务执行人员的账号与各图片任务的对应推送关系；
步骤S200：获取每个任务执行人员的账号已发送的图片任务的第一发送数据；
步骤S300：对所述第一发送数据提取第一特征，根据所述对应推送关系，对每个任务执行人员的账号对应的各图片任务提取第二特征，所述第一特征和所述第二特征同时包括以下任意一项或任意组合：内容特征、标识码以及时间特征；
步骤S400：将所述第一特征与所述第二特征进行特征比对，获得第一特征比对结果；
步骤S500：根据所述第一特征比对结果，确定所述任务执行人员的账号对应的各图片任务的推送执行情况。
具体实施时，上述任务执行人员可以是各种业务人员（例如，各种业务的客户经理），任务执行人员的账号可以是各种用于社交、推送消息的账号，例如，微信账号、企业微信账号等。
具体而言，推送任务为海报等图片形式时，对于任务发送成功与否以及任务发送情况均难以统计和追踪。本实施例中，首先构建包括任务执行人员账号信息、图片任务信息和各执行人员与各图片任务的对应关系的数据库。任务执行人员在发送对应的图片任务后，获取任务执行人员进行图片发送后的第一发送数据，第一发送数据包括图片任务的图片内容、标识码和任务发送时间。本实施例中，分别通过对图片内容、标识码和发送时间三种特征进行比对的方式，来实现对于任务执行人员是否成功进行任务发送的判断。其中，内容特征为图片任务的具体图片内容，可以包括图片颜色、排版、图片中文字信息等；标识码为图片任务中包含的用于标识任务内容的唯一性标识，例如，可以是二维码、条形码等形式的标识码；时间特征为任务成功发送的时间。其中，对于图片内容、标识码和任务发送时间三种形式的特征比对可以分别单独进行，也可以以任意组合的形式一起进行。
进一步而言，对图片匹配数据库中任务执行人员所对应图片任务和第一发送数据中的图片任务分别进行特征提取，获得第二特征和第一特征。第一特征为任务执行人员所发送图片任务的图片特征，第二特征为任务执行人员所分配图片任务的图片特征。通过将第一特征和第二特征进行特征比对，来确定任务执行人员的账号对应的各图片任务的推送执行情况，以便判断任务执行人员是否正确发送了账号对应的图片任务，从而实现了对于图片任务推送结果的评估、追踪，有利于提高图片任务执行的质量。
具体实施时，上述第一特征和第二特征可以同时包括以下任意一项或任意组合：内容特征、标识码以及时间特征，可以通过内容特征、标识码以及时间特征中的一种或任意组合来进行特征比对，以判断任务执行人员的账号对应的各图片任务的推送执行情况。
进一步的，在每个任务执行人员的账号发送图片任务之前，在每个任务执行人员的账号获取图片任务时，提取获取的图片任务的第一图片信息，所述第一图片信息包括内容特征和/或标识码；
根据所述对应推送关系，对每个任务执行人员的账号对应的各图片任务提取第二图片信息，所述第二图片信息包括内容特征和/或标识码；
将所述第一图片信息与所述第二图片信息进行特征比对，获得第二特征比对结果；
根据所述第二特征比对结果，判断获取的图片任务是否为该任务执行人员的账号对应的图片任务，若否，则向该任务执行人员的账号发送重新获取图片任务的提示信息。
具体而言，在每个任务执行人员的账号发送图片任务之前，基于卷积神经网络模型，对任务执行人员所获取的图片任务进行特征提取，得到第一图片信息，并对每个任务执行人员的账号对应的各图片任务进行特征提取，得到第二图片信息，将第一图片信息（标识码和/或图片内容）分别与图片匹配数据库中该任务执行人员所对应的各个图片任务的第二图片信息（标识码和/或图片内容）进行比对，获得所述第二特征比对结果，第二特征比对结果用于评估任务执行人员任务发送前所获取的任务图片是否为任务执行人员的账号所对应的任务图片，若是，则获取任务图片正确，若否，则获取任务图片不正确，则发出提示信息，提示任务执行人员重新获取图片任务信息。
此外，在每个任务执行人员的账号发送图片任务之前，上述卷积神经网络模型还可以用于对任务执行人员所获取的图片任务的图片质量进行评估：通过提取获取的图片的颜色、纹理、形状等特征，可以评估图片的质量，比如：是否色彩鲜艳、是否有较为清晰的主题、是否排版合理等。将图片任务的图片输入上述卷积神经网络模型后，如果卷积神经网络模型输出获取的图片任务质量不合格，则对任务执行人员发出提示信息，提示任务执行人员重新获取图片任务或进行修改。通过对任务执行人员发送图片任务前的图片质量进行监测，进一步提高了任务推送的质量。
进一步的，上述方法还包括：获取每个任务执行人员的账号对应的各图片任务的预设发送时间；针对任务执行人员的账号对应的每个图片任务，以该图片任务的预设发送时间为时间起点，判断在第一预设时长内是否获取到该图片任务的所述第一发送数据，若否，则判断该图片任务为未执行推送。
具体而言，所述预设发送时间为预设的每个任务执行人员的账号对应的各图片任务的要求或标准的发送时间。通过判断任务执行人员在距离预设发送时间第一预设时长内是否成功完成任务发送，来判断该图片任务是否被成功执行推送。其中，在第一预设时长内未获取到该图片任务的所述第一发送数据得情况可以包括：任务执行人员在加载任务数据后因为网络故障、未成功操作等原因导致的未执行推送；或，任务执行人员未加载数据、未进行任务发送的情况。如果获取第一发送数据的时间与预设发送时间的时间差超过第一预设时长，则判断任务执行人员未成功完成图片任务的推送。以上方案实现了从时间维度对任务执行人员的任务发送情况的评估。
进一步的，步骤S300中，所述第一特征和所述第二特征同时包括内容特征时，将所述第一特征与所述第二特征进行特征比对，获得第一特征比对结果，包括：当所述第一特征包括已发送的图片任务的第一内容特征，且所述第二特征包括任务执行人员的账号对应的各图片任务的第二内容特征时，将所述第一内容特征和所述第二内容特征进行比对，计算相似度；
根据所述第一特征比对结果，确定所述任务执行人员的账号对应的各图片任务的推送执行情况，包括：在任务执行人员的账号对应的各图片任务中，确定相似度大于等于预设相似度的图片任务，确定出的图片任务为成功执行推送的图片任务。
具体而言，基于卷积神经网络模型，通过图像特征提取，对第一特征和第二特征中的图片内容进行特征比对。具体而言，图像特征提取步骤包括：
数据准备：收集并准备图片的数据集，包括正样本和负样本。
数据预处理：对收集到的图片图像进行预处理，如缩放、裁剪、归一化等。
模型选择：选择合适的卷积神经网络模型，如VGG（Visual Geometry Group）、ResNet（Residual Network）、Inception等。
训练模型、模型评估：使用评价指标（如准确率、召回率等）对模型进行评估。
模型优化：根据评估结果，进行模型优化，如调整模型参数、增加正则化等。
测试模型：利用测试集对模型进行测试，评估模型的泛化能力。
应用模型：将训练好的模型应用到实际的图片内容提取任务中，对图片进行分类或识别等操作。
通过特征比对，如果任务执行人员第一发送数据中的图片特征与图片匹配数据库中对应图片任务的图片特征的相似度大于或等于预设相似度，则判断该任务执行人员成功执行了图片任务推送。实现了从图片内容维度对任务执行人员的图片任务推送结果进行评价的技术目的。
进一步的，步骤S300中，所述第一特征和所述第二特征同时包括标识码时，将所述第一特征与所述第二特征进行特征比对，获得第一特征比对结果，包括：当所述第一特征包括已发送的图片任务的第一标识码，且所述第二特征包括任务执行人员的账号对应的各图片任务的第二标识码时，将所述第一标识码和所述第二标识码进行比对，得到比对结果，所述比对结果包括一致或不一致；
根据所述第一特征比对结果，确定所述任务执行人员的账号对应的各图片任务的推送执行情况，包括：在任务执行人员的账号对应的各图片任务中，确定所述比对结果为一致的图片任务，确定出的图片任务为成功执行推送的图片任务。
具体而言，通过标识码识别工具，对第一特征和第二特征中的标识码进行特征比对，如果任务执行人员第一发送数据中的标识码与图片匹配数据库中对应图片任务的标识码一致，则判断该任务执行人员成功执行了图片任务推送。实现了从标识码维度对任务执行人员的图片任务推送结果进行评价的技术目的。
进一步的，步骤S300中，所述第一特征和所述第二特征同时包括时间特征时，将所述第一特征与所述第二特征进行特征比对，获得第一特征比对结果，包括：当所述第一特征包括已发送的图片任务的第一发送时间，且所述第二特征包括任务执行人员的账号对应的各图片任务的预设发送时间时，计算所述第一发送时间和所述预设发送时间的时间差；
根据所述第一特征比对结果，确定所述任务执行人员的账号对应的各图片任务的推送执行情况，包括：在任务执行人员的账号对应的各图片任务中，确定时间差小于预设时间阈值的图片任务，确定出的图片任务为成功执行推送的图片任务。
具体而言，通过比对任务执行人员发送图片任务的时间与预设发送时间的时间差值，如果该时间差小于预设时间阈值，则判断该任务执行人员成功执行了图片任务推送。实现了从发送时间维度对任务执行人员的图片任务推送结果进行评价的技术目的。所述预设时间阈值用于衡量各任务执行人员是否成功执行任务，如果实际任务发送时间与预设发送时间的时间差大于这一阈值，则认为该任务执行人员的任务执行失败。
进一步而言，本实施例中，为了避免任务执行人员执行任务失败，通过在任务配置中设置重复提醒，以实现在预设发送时间前后对任务执行人员的账号发送提醒信息，从而进一步避免了任务执行失败的情况。
进一步的，步骤S500还包括：
步骤S510：获取每个任务执行人员的账号对应的每个图片任务的目标用户数量，根据所述目标用户数量确定每个图片任务的用户互动阈值和用户完成度阈值；
步骤S520：获取每个图片任务推送后第二预设时间内的用户反馈数据，所述用户反馈数据包括用户对图片任务的互动数据和用户对图片任务中的任务的完成数据；
步骤S530：根据所述互动数据是否达到所述用户互动阈值的情况以及所述完成数据是否达到所述用户完成度阈值的情况，分析获得每个图片任务的推送质量，所述推送质量以数值形式表示，所述推送质量的数值大小表示用户与每个图片任务的匹配程度；
步骤S540：当所述推送质量的数值小于预设阈值时，调整各图片任务的信息项，所述信息项包括以下任意一项或任意组合：所述用户互动阈值、所述用户完成度阈值、各图片任务的预设发送时间和各图片任务中的图片内容。
具体而言，所述目标用户数量可以根据任务执行人员账号中所关联的客户数量确定。任务执行人员成功发送图片任务之后，获取第二预设时间内的用户对于该图片任务的互动数据，包括用户点赞、评论等数据，用户对图片任务中的任务的完成数据可以包括用户对图片任务中的任务、业务活动进行办理的数量。通过分别分析该图片任务的互动数据和完成数据是否达到预设的用户互动阈值和用户完成度阈值，获得对于该图片任务推送质量的评估值。其中，该图片任务的互动数据和完成数据越接近预设的用户互动阈值和用户完成度阈值，所述推送质量越高。根据各任务执行人员的推送质量的评估结果，对该图片任务的预设用户互动阈值、用户完成度阈值、预设发送时间和各图片任务中的图片内容进行对应调整，以便提高任务完成的质量，例如提高完成任务的准确性和时效性，对于产品或服务的推广效果有很大的影响，可以作为优化任务和提高推送效果的重要指标。实现了根据数据分析结果，对图片内容或者推送策略进行改进的技术效果。
基于同一发明构思，本发明实施例中还提供了一种图片任务推送结果的评估系统，如下面的实施例所述。由于一种图片任务推送结果的评估系统解决问题的原理与一种图片任务推送结果的评估方法相似，因此一种图片任务推送结果的评估系统的实施可以参见一种图片任务推送结果的评估方法的实施，重复之处不再赘述。以下所使用的，术语“单元”或者“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。
图2是本发明实施例的一种图片任务推送结果的评估系统200的结构框图，如图2所示，包括：数据库构建模块210，用于构建图片匹配数据库，所述图片匹配数据库包括各任务执行人员的账号、各图片任务以及各任务执行人员的账号与各图片任务的对应推送关系；发送数据获取模块220，用于获取每个任务执行人员的账号已发送的图片任务的第一发送数据；特征提取模块230，用于对所述第一发送数据提取第一特征，根据所述对应推送关系，对每个任务执行人员的账号对应的各图片任务提取第二特征，所述第一特征和所述第二特征同时包括以下任意一项或任意组合：内容特征、标识码以及时间特征；特征比对模块240，用于将所述第一特征与所述第二特征进行特征比对，获得第一特征比对结果；推送结果获取模块250，用于根据所述第一特征比对结果，确定所述任务执行人员的账号对应的各图片任务的推送执行情况。
进一步的，特征比对模块240，用于所述第一特征和所述第二特征同时包括内容特征时，当所述第一特征包括已发送的图片任务的第一内容特征，且所述第二特征包括任务执行人员的账号对应的各图片任务的第二内容特征时，将所述第一内容特征和所述第二内容特征进行比对，计算相似度；
推送结果获取模块250，用于在任务执行人员的账号对应的各图片任务中，确定相似度大于等于预设相似度的图片任务，确定出的图片任务为成功执行推送的图片任务。
进一步的，特征比对模块240，用于所述第一特征和所述第二特征同时包括标识码时，当所述第一特征包括已发送的图片任务的第一标识码，且所述第二特征包括任务执行人员的账号对应的各图片任务的第二标识码时，将所述第一标识码和所述第二标识码进行比对，得到比对结果，所述比对结果包括一致或不一致；
推送结果获取模块250，用于在任务执行人员的账号对应的各图片任务中，确定所述比对结果为一致的图片任务，确定出的图片任务为成功执行推送的图片任务。
进一步的，特征比对模块240，用于所述第一特征和所述第二特征同时包括时间特征时，当所述第一特征包括已发送的图片任务的第一发送时间，且所述第二特征包括任务执行人员的账号对应的各图片任务的预设发送时间时，计算所述第一发送时间和所述预设发送时间的时间差；
推送结果获取模块250，用于在任务执行人员的账号对应的各图片任务中，确定时间差小于预设时间阈值的图片任务，确定出的图片任务为成功执行推送的图片任务。
进一步的，所述系统还包括：
提示模块，用于在每个任务执行人员的账号发送图片任务之前，在每个任务执行人员的账号获取图片任务时，提取获取的图片任务的第一图片信息，所述第一图片信息包括内容特征和/或标识码；
根据所述对应推送关系，对每个任务执行人员的账号对应的各图片任务提取第二图片信息；
将所述第一图片信息与所述第二图片信息进行特征比对，获得第二特征比对结果；
根据所述第二特征比对结果，判断获取的图片任务是否为该任务执行人员的账号对应的图片任务，若否，则向该任务执行人员的账号发送重新获取图片任务的提示信息。
进一步的，推送结果获取模块250，还用于获取每个任务执行人员的账号对应的各图片任务的预设发送时间；针对任务执行人员的账号对应的每个图片任务，以该图片任务的预设发送时间为时间起点，判断在第一预设时长内是否获取到该图片任务的所述第一发送数据，若否，则判断该图片任务为未执行推送。
进一步的，所述系统还包括：
调整模块，用于获取每个任务执行人员的账号对应的每个图片任务的目标用户数量，根据所述目标用户数量确定每个图片任务的用户互动阈值和用户完成度阈值；获取每个图片任务推送后第二预设时间内的用户反馈数据，所述用户反馈数据包括用户对图片任务的互动数据和用户对图片任务中的任务的完成数据；根据所述互动数据是否达到所述用户互动阈值的情况以及所述完成数据是否达到所述用户完成度阈值的情况，分析获得每个图片任务的推送质量，所述推送质量以数值形式表示，所述推送质量的数值大小表示用户与每个图片任务的匹配程度；当所述推送质量的数值小于预设阈值时，调整各图片任务的信息项，所述信息项包括以下任意一项或任意组合：所述用户互动阈值、所述用户完成度阈值、各图片任务的预设发送时间和各图片任务中的图片内容。
在本实施例中，提供了一种计算机设备，如图3所示，包括存储器301、处理器302及存储在存储器301上并可在处理器302上运行的计算机程序，所述处理器302执行所述计算机程序时实现上述任意的一种图片任务推送结果的评估方法。
具体的，该计算机设备可以是计算机终端、服务器或者类似的运算装置。
在本实施例中，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有执行上述任意的一种图片任务推送结果的评估方法的计算机程序。
具体的，计算机可读存储介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机可读存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读存储介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
本发明实施例实现了如下技术效果：
1.在本发明实施例中，提供了一种图片任务推送结果的评估方法，通过对任务执行人员发送图片任务后的图片信息与原始任务图片进行特征比对，根据特征比对结果实现任务执行人员是否完成推送任务的判断，实现对图片式推送任务完成情况的实时监测，从而可以根据监测结果进一步提升推送质量和效果。
2.根据图片任务完成后的用户数据，分析获得推送质量的评估结果，作为优化任务和提高推送效果的重要指标，对推送任务的时间配置、任务内容等进行调整，对图片内容或者推送策略进行改进，从而进一步提高了推送质量。
显然，本领域的技术人员应该明白，上述的本发明实施例的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，并且在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明实施例不限制于任何特定的硬件和软件结合。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明实施例可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (7)

1.一种图片任务推送结果的评估方法，其特征在于，包括：
构建图片匹配数据库，所述图片匹配数据库包括各任务执行人员的账号、各图片任务以及各任务执行人员的账号与所述各图片任务的对应推送关系，其中，图片任务为图片形式的推送任务；
获取每个任务执行人员的账号已发送的图片任务的第一发送数据；
对所述第一发送数据提取第一特征，根据所述对应推送关系，对每个任务执行人员的账号对应的各图片任务提取第二特征，所述第一特征和所述第二特征同时包括以下任意一项或任意组合：内容特征、标识码以及时间特征；
将所述第一特征与所述第二特征进行特征比对，获得第一特征比对结果；
根据所述第一特征比对结果，确定所述任务执行人员的账号对应的各图片任务的推送执行情况；
所述第一特征和所述第二特征同时包括内容特征时，将所述第一特征与所述第二特征进行特征比对，获得第一特征比对结果，包括：
当所述第一特征包括已发送的图片任务的第一内容特征，且所述第二特征包括所述任务执行人员的账号对应的各图片任务的第二内容特征时，将所述第一内容特征和所述第二内容特征进行比对，计算相似度；
根据所述第一特征比对结果，确定所述任务执行人员的账号对应的各图片任务的推送执行情况，包括：
在所述任务执行人员的账号对应的各图片任务中，确定相似度大于等于预设相似度的图片任务，确定出的图片任务为成功执行推送的图片任务；
所述第一特征和所述第二特征同时包括标识码时，将所述第一特征与所述第二特征进行特征比对，获得第一特征比对结果，包括：
当所述第一特征包括已发送的图片任务的第一标识码，且所述第二特征包括任务执行人员的账号对应的各图片任务的第二标识码时，将所述第一标识码和所述第二标识码进行比对，得到所述第一特征比对结果，所述第一特征比对结果包括一致或不一致；
根据所述第一特征比对结果，确定所述任务执行人员的账号对应的各图片任务的推送执行情况，包括：
在所述任务执行人员的账号对应的各图片任务中，确定所述第一特征比对结果为一致的图片任务，确定出的图片任务为成功执行推送的图片任务；
所述第一特征和所述第二特征同时包括时间特征时，将所述第一特征与所述第二特征进行特征比对，获得第一特征比对结果，包括：
当所述第一特征包括已发送的图片任务的第一发送时间，且所述第二特征包括所述任务执行人员的账号对应的各图片任务的预设发送时间时，计算所述第一发送时间和所述预设发送时间的时间差；
根据所述第一特征比对结果，确定所述任务执行人员的账号对应的各图片任务的推送执行情况，包括：
在所述任务执行人员的账号对应的各图片任务中，确定时间差小于预设时间阈值的图片任务，确定出的图片任务为成功执行推送的图片任务。
2.根据权利要求1所述的一种图片任务推送结果的评估方法，其特征在于，还包括：
在每个任务执行人员的账号发送图片任务之前，在每个任务执行人员的账号获取图片任务时，提取获取的图片任务的第一图片信息，所述第一图片信息包括内容特征和/或标识码；
根据所述对应推送关系，对每个任务执行人员的账号对应的各图片任务提取第二图片信息；
将所述第一图片信息与所述第二图片信息进行特征比对，获得第二特征比对结果；
根据所述第二特征比对结果，判断获取的图片任务是否为该任务执行人员的账号对应的图片任务，若否，则向该任务执行人员的账号发送重新获取图片任务的提示信息。
3.根据权利要求1所述的一种图片任务推送结果的评估方法，其特征在于，还包括：
获取每个任务执行人员的账号对应的各图片任务的预设发送时间；
针对所述任务执行人员的账号对应的每个图片任务，以该图片任务的所述预设发送时间为时间起点，判断在第一预设时长内是否获取到该图片任务的所述第一发送数据，若否，则判断该图片任务为未执行推送。
4.根据权利要求1所述的一种图片任务推送结果的评估方法，其特征在于，还包括：
获取每个任务执行人员的账号对应的每个图片任务的目标用户数量，根据所述目标用户数量确定每个图片任务的用户互动阈值和用户完成度阈值；
获取每个图片任务推送后第二预设时间内的用户反馈数据，所述用户反馈数据包括用户对图片任务的互动数据和用户对图片任务中的任务的完成数据；
根据所述互动数据是否达到所述用户互动阈值的情况以及所述完成数据是否达到所述用户完成度阈值的情况，分析获得每个图片任务的推送质量，所述推送质量以数值形式表示，所述推送质量的数值大小表示用户与每个图片任务的匹配程度；
当所述推送质量的数值小于预设阈值时，调整各图片任务的信息项，所述信息项包括以下任意一项或任意组合：所述用户互动阈值、所述用户完成度阈值、各图片任务的预设发送时间和各图片任务中的图片内容。
5.一种图片任务推送结果的评估系统，其特征在于，包括：
数据库构建模块，用于构建图片匹配数据库，所述图片匹配数据库包括各任务执行人员的账号、各图片任务以及各任务执行人员的账号与各图片任务的对应推送关系，其中，图片任务为图片形式的推送任务；
发送数据获取模块，用于获取每个任务执行人员的账号已发送的图片任务的第一发送数据；
特征提取模块，用于对所述第一发送数据提取第一特征，根据所述对应推送关系，对每个任务执行人员的账号对应的各图片任务提取第二特征，所述第一特征和所述第二特征同时包括以下任意一项或任意组合：内容特征、标识码以及时间特征；
特征比对模块，用于将所述第一特征与所述第二特征进行特征比对，获得第一特征比对结果；
推送结果获取模块，用于根据所述第一特征比对结果，确定所述任务执行人员的账号对应的各图片任务的推送执行情况；
所述特征比对模块，用于所述第一特征和所述第二特征同时包括内容特征时，当所述第一特征包括已发送的图片任务的第一内容特征，且所述第二特征包括任务执行人员的账号对应的各图片任务的第二内容特征时，将所述第一内容特征和所述第二内容特征进行比对，计算相似度；
所述推送结果获取模块，用于在任务执行人员的账号对应的各图片任务中，确定相似度大于等于预设相似度的图片任务，确定出的图片任务为成功执行推送的图片任务；
所述特征比对模块，用于所述第一特征和所述第二特征同时包括标识码时，当所述第一特征包括已发送的图片任务的第一标识码，且所述第二特征包括任务执行人员的账号对应的各图片任务的第二标识码时，将所述第一标识码和所述第二标识码进行比对，得到比对结果，所述比对结果包括一致或不一致；
所述推送结果获取模块，用于在任务执行人员的账号对应的各图片任务中，确定所述比对结果为一致的图片任务，确定出的图片任务为成功执行推送的图片任务；
所述特征比对模块，用于所述第一特征和所述第二特征同时包括时间特征时，当所述第一特征包括已发送的图片任务的第一发送时间，且所述第二特征包括任务执行人员的账号对应的各图片任务的预设发送时间时，计算所述第一发送时间和所述预设发送时间的时间差；
所述推送结果获取模块，用于在任务执行人员的账号对应的各图片任务中，确定时间差小于预设时间阈值的图片任务，确定出的图片任务为成功执行推送的图片任务。
6.一种计算机设备，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计算机程序时实现权利要求1至4中任一项所述的一种图片任务推送结果的评估方法。
7.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有执行权利要求1至4中任一项所述的一种图片任务推送结果的评估方法的计算机程序。
CN202310436510.2A 2023-04-23 2023-04-23 一种图片任务推送结果的评估方法和系统 Active CN116150420B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310436510.2A CN116150420B (zh) 2023-04-23 2023-04-23 一种图片任务推送结果的评估方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310436510.2A CN116150420B (zh) 2023-04-23 2023-04-23 一种图片任务推送结果的评估方法和系统

Publications (2)

Publication Number Publication Date
CN116150420A CN116150420A (zh) 2023-05-23
CN116150420B true CN116150420B (zh) 2023-08-11

Family

ID=86341093

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310436510.2A Active CN116150420B (zh) 2023-04-23 2023-04-23 一种图片任务推送结果的评估方法和系统

Country Status (1)

Country Link
CN (1) CN116150420B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018072207A1 (zh) * 2016-10-21 2018-04-26 达闼科技（北京）有限公司 一种信息推送方法、装置和系统
WO2019019652A1 (zh) * 2017-07-24 2019-01-31 深圳壹账通智能科技有限公司 推送信息的处理方法、装置、计算机设备和存储介质
CN110851635A (zh) * 2019-09-30 2020-02-28 拉扎斯网络科技（上海）有限公司 图片推送方法、装置、服务器和非易失性存储介质
CN113127665A (zh) * 2021-04-25 2021-07-16 江苏欣业大数据科技有限公司 基于人工智能的信息推送方法及人工智能云平台

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018072207A1 (zh) * 2016-10-21 2018-04-26 达闼科技（北京）有限公司 一种信息推送方法、装置和系统
WO2019019652A1 (zh) * 2017-07-24 2019-01-31 深圳壹账通智能科技有限公司 推送信息的处理方法、装置、计算机设备和存储介质
CN110851635A (zh) * 2019-09-30 2020-02-28 拉扎斯网络科技（上海）有限公司 图片推送方法、装置、服务器和非易失性存储介质
CN113127665A (zh) * 2021-04-25 2021-07-16 江苏欣业大数据科技有限公司 基于人工智能的信息推送方法及人工智能云平台

Also Published As

Publication number Publication date
CN116150420A (zh) 2023-05-23

Similar Documents

Publication Publication Date Title
CN111383094B (zh) 产品服务全链驱动方法、设备及可读存储介质
CN109816200B (zh) 任务推送方法、装置、计算机设备和存储介质
US10671926B2 (en) Method and system for generating predictive models for scoring and prioritizing opportunities
CN114546975B (zh) 一种结合人工智能的业务风险处理方法及服务器
CN111145006A (zh) 基于用户画像的汽车金融反欺诈模型训练方法和装置
CN111008273A (zh) 智能服务系统驱动方法、装置、设备及可读存储介质
CN114154672A (zh) 一种用于客户流失预测的数据挖掘方法
CN116596659A (zh) 基于大数据风控的企业智能化信贷审批方法、系统及介质
CN115809837A (zh) 基于数字化模拟场景的金融企业管理方法、设备及介质
CN114492803A (zh) 基于知识图谱的问答生成方法及装置、自动考题生成系统
CN113947218A (zh) 一种基于大数据的产品售后智能管理方法及系统
CN116578499B (zh) 公共组件功能变更影响的智能化分析测试方法及其系统
CN116150420B (zh) 一种图片任务推送结果的评估方法和系统
CN117196630A (zh) 交易风险预测方法、装置、终端设备以及存储介质
CN116362895A (zh) 理财产品推荐方法、装置及存储介质
CN112668365A (zh) 一种物料入库识别方法、装置、设备及存储介质
CN115760346A (zh) 企业风险评价方法及装置
CN116402334A (zh) 一种多模态数据合规分析与智能评估方法及装置
CN114971240A (zh) 一种阅读行为风险评估处理方法及装置
CN114386716A (zh) 基于改进irt结构的答题序列预测方法、控制器及存储介质
CN113435789A (zh) 一种信息考核方法、装置、计算机设备及存储介质
CN116170500B (zh) 一种基于网格数据的消息推送方法和系统
CN112215700B (zh) 信贷面审的审核方法及装置
CN118760753A (zh) 客户问题的回复方法、装置及电子设备
CN117670370A (zh) 金融服务提供方法、装置、存储介质及电子设备

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant