CN117314245A - 用户出行活跃度确定方法、装置、设备及介质 - Google Patents
用户出行活跃度确定方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN117314245A CN117314245A CN202311288185.6A CN202311288185A CN117314245A CN 117314245 A CN117314245 A CN 117314245A CN 202311288185 A CN202311288185 A CN 202311288185A CN 117314245 A CN117314245 A CN 117314245A
- Authority
- CN
- China
- Prior art keywords
- user
- index
- evaluation index
- trip
- obtaining
- 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 49
- 238000011156 evaluation Methods 0.000 claims abstract description 156
- 230000000694 effects Effects 0.000 claims abstract description 78
- 230000005484 gravity Effects 0.000 claims abstract description 38
- 101100100125 Mus musculus Traip gene Proteins 0.000 claims description 95
- 238000004590 computer program Methods 0.000 claims description 16
- 238000012545 processing Methods 0.000 claims description 16
- 238000004422 calculation algorithm Methods 0.000 claims description 7
- 238000000605 extraction Methods 0.000 claims description 4
- 238000003860 storage Methods 0.000 description 13
- 238000004891 communication Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000004140 cleaning Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000013486 operation strategy Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000013341 scale-up Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明实施例公开了一种用户出行活跃度确定方法、装置、设备及介质。所述方法包括:获取用户出行活跃度的各评价指标,确定目标用户在各所述评价指标下的用户指标比重;基于各所述用户指标比重,得到各所述评价指标的信息熵,基于各所述评价指标的信息熵,得到各所述评价指标的指标权重值;基于目标用户在各所述评价指标下的用户指标比重以及各所述评价指标的指标权重值,得到所述目标用户的出行活跃度。本发明实施例的技术方案,实现了较为合理的对用户出行数据进行分析,从而有效的提高用户出行活跃度的准确度。
Description
技术领域
本发明实施例涉及数据处理技术领域,尤其涉及一种用户出行活跃度确定方法、装置、设备及介质。
背景技术
随着车联网技术的迅速发展,用户在行车过程中会产生大量的数据。如何通过用户的这些出行行为数据得到用户的习惯和需求,以改善运营策略、增加用户粘性、提供更有针对性的服务成为了当前亟待解决的问题。用户活跃度是衡量用户是否积极使用产品或服务的重要指标。现有技术中,用户出行的活跃度通常采用人工方式进行分析。然而,使用人工方式分析主要依赖于人为主观判断,容易出现用户出行活跃度的判断结果准确度较低的技术问题。
发明内容
本发明提供了一种用户出行活跃度确定方法、装置、设备及介质,以实现通过较为合理的对用户出行数据进行分析,从而有效的提高用户出行活跃度的准确度。
根据本发明的一方面,提供了一种用户出行活跃度确定方法,该方法包括:
获取用户出行活跃度的各评价指标,确定目标用户在各所述评价指标下的用户指标比重;
基于各所述用户指标比重,得到各所述评价指标的信息熵,基于各所述评价指标的信息熵,得到各所述评价指标的指标权重值;
基于目标用户在各所述评价指标下的用户指标比重以及各所述评价指标的指标权重值,得到所述目标用户的出行活跃度。
根据本发明的另一方面,提供了一种用户出行活跃度确定装置。该装置包括:
用户指标比重确定模块,用于获取用户出行活跃度的各评价指标,确定目标用户在各所述评价指标下的用户指标比重;
指标权重值得到模块,用于基于各所述用户指标比重,得到各所述评价指标的信息熵,基于各所述评价指标的信息熵,得到各所述评价指标的指标权重值;
出行活跃度得到模块,用于基于目标用户在各所述评价指标下的用户指标比重以及各所述评价指标的指标权重值,得到所述目标用户的出行活跃度。
根据本发明的另一方面,提供了一种电子设备,所述电子设备包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行本发明任一实施例所述的用户出行活跃度确定方法。
根据本发明的另一方面,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计算机指令,所述计算机指令用于使处理器执行时实现本发明任一实施例所述的用户出行活跃度确定方法。
本发明实施例的技术方案,通过获取用户出行活跃度的各评价指标,确定目标用户在各所述评价指标下的用户指标比重;基于各所述用户指标比重,得到各所述评价指标的信息熵,基于各所述评价指标的信息熵,得到各所述评价指标的指标权重值;基于目标用户在各所述评价指标下的用户指标比重以及各所述评价指标的指标权重值,得到所述目标用户的出行活跃度。本发明实施例的技术方案,实现了较为合理的对用户出行数据进行分析,从而有效的提高用户出行活跃度的准确度。
应当理解,本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征,也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述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发明的一些实施例,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他的附图。
图1为本发明实施例一提供的一种用户出行活跃度确定方法的流程示意图;
图2为本发明实施例二提供的一种用户出行活跃度确定装置的结构示意图;
图3为本发明实施例三提供的一种电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“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。
可以理解的是,在使用本公开各实施例公开的技术方案之前,均应当依据相关法律法规通过恰当的方式对本公开所涉及个人信息的类型、使用范围、使用场景等告知用户并获得用户的授权。
例如,在响应于接收到用户的主动请求时,向用户发送提示信息,以明确地提示用户,其请求执行的操作将需要获取和使用到用户的个人信息。从而,使得用户可以根据提示信息来自主地选择是否向执行本公开技术方案的操作的电子设备、应用程序、服务器或存储介质等软件或硬件提供个人信息。
作为一种可选的但非限定性的实现方式,响应于接收到用户的主动请求,向用户发送提示信息的方式例如可以是弹窗的方式,弹窗中可以以文字的方式呈现提示信息。此外,弹窗中还可以承载供用户选择“同意”或者“不同意”向电子设备提供个人信息的选择控件。
可以理解的是,上述通知和获取用户授权过程仅是示意性的,不对本公开的实现方式构成限定,其它满足相关法律法规的方式也可应用于本公开的实现方式中。
可以理解的是,本技术方案所涉及的数据(包括但不限于数据本身、数据的获取或使用)应当遵循相应法律法规及相关规定的要求。
实施例一
图1为本发明实施例一提供的一种用户出行活跃度确定方法的流程示意图,本实施例可适用于对用户出行数据进行分析的情况,该方法可以由用户出行活跃度确定装置来执行,该用户出行活跃度确定装置可以采用硬件和/或软件的形式实现,该用户出行活跃度确定装置可配置于诸如计算机或者服务器等的电子设备中。
如图1所示,本实施例的方法包括:
S110、获取用户出行活跃度的各评价指标,确定目标用户在各所述评价指标下的用户指标比重。
其中,评价指标可以理解为用于对用户出行活跃度进行评价的指标。目标用户可以理解为需要进行用户出行活跃度分析的用户。用户指标比重可以理解为用户在各评价指标下的比重值。在本发明实施例中,确定目标用户在各所述评价指标下的用户指标比重,可以包括:确定用户在全部评价指标的指标值总和;针对每个评价指标,获取用户在所述评价指标的指标值,将用户在所述评价指标的指标值和指标值总和进行比值计算,得到用户在所述评价指标的用户指标比重。其中,确定用户在全部评价指标的指标值总和,具体可以为,将用户在每个评价指标的指标值进行累加求和,得到求和结果,即得到用户在全部评价指标的指标值总和。
在本发明实施例中,所述获取用户出行活跃度的各评价指标,可以包括:获取大量用户的历史出行数据,对各历史出行数据进行特征提取,得到各历史出行数据的用户出行特征数据;采用Min-Max算法对所述用户出行特征数据进行数据标准化处理,得到标准化后的用户出行特征数据;基于各标准化后的用户出行特征数据,得到用户出行活跃度的评价指标。
其中,历史出行数据可以理解为用户在历史时段中的出行数据。在本方明实施例中,历史出行数据可以为用户在行车过程中产生的数据。用户出行特征数据可以是通过对历史出行数据进行特征提取得到的特征数据。可选地,用户出行特征数据可以包括但不限于早高峰时段出行频次,晚高峰时段出现频次、平峰时段出行频次、工作日均出行时长、工作日均出行频次、假期出行频次、周出行频次、月出行频次、工作日单次最远行程距离、假期单次最远行程距离、工作日单次行程最远距离,假期平均出行距离,累计去过城市总数量。
在本发明实施例中,采用Min-Max算法对所述用户出行特征数据进行数据标准化处理,得到标准化后的用户出行特征数据,可以包括:按照下述公式对所述用户出行特征数据进行数据标准化处理,得到标准化后的用户出行特征数据:
其中,x*可以表示为标准化后的用户出行特征数据。x可以表示为用户出行特征数据。min可以表示为用户出行特征数据中的最小值。max可以表示为用户出行特征数据中的最大值。
在本发明实施例中,采用Min-Max算法对所述用户出行特征数据进行数据标准化处理的原因在于:由于用户出行特征数据的维度包括时长、里程、次数等,各维度的用户出行特征数据的取值范围和取值大小均不一样。在本发明实施例中,采用Min-Max算法对所述用户出行特征数据进行数据标准化处理可更好地展现各个特征的信息量,以避免各特征维度差异过大对结果产生影响。
在本发明实施例中,得到各历史出行数据的用户出行特征数据之后,所述方法还可以包括对各用户出行特征数据进行数据清洗处理。可选地,对各用户出行特征数据进行数据清洗处理,具体可以为,确定各用户出行特征数据中的极值和空值,将已确定的极值的用户出行特征数据和空值的用户出行特征数据进行删除处理。这样做的好处在于可避免极值和空值影响剔除行程数据单次里程过大、车速过高、时间过长的数据。此外,还可以,对部分为空值的用户出行特征数据进行数据填充处理。
可选地,所述基于各标准化后的用户出行特征数据,得到用户出行活跃度的评价指标,可以包括:确定各标准化后的用户出行特征数据的特征方差;针对每个特征方差,如果所述特征方差超过所述预设方差阈值,则将所述特征方差对应的用户出行特征数据,作为用户出行活跃度的评价指标。其中,预设方差阈值可以是根据实际需求设置的,在此不做具体限定。在本发明实施例中,将特征方差超过所述预设方差阈值的的用户出行特征数据,作为用户出行活跃度的评价指标,这样做的好处是为了过滤掉方差较小的特征,以保留相对差异较大的特征。
在本发明实施例中,所述确定目标用户在各所述评价指标下的用户指标比重,可以包括:按照下述公式确定目标用户在各所述评价指标下的用户指标比重:
其中,i可以表示为目标用户,j可以表示为第j个评价指标,yij可以表示为目标用户在第j个评价指标下的用户指标比重,xi ′ j可以表示为目标用户在第j个评价指标下的指标值,n可以表示为用户总数量。
S120、基于各所述用户指标比重,得到各所述评价指标的信息熵,基于各所述评价指标的信息熵,得到各所述评价指标的指标权重值。
在本发明实施例中,所述基于各所述用户指标比重,得到各所述评价指标的信息熵,可以包括:按照下述公式基于各所述用户指标比重,得到各所述评价指标的信息熵:
其中,Ej可以表示为第j各评价指标的信息熵,yij可以表示为目标用户在第j个评价指标下的用户指标比重,i可以表示为第i个用户,n可以表示为用户总数量,j可以表示为第j个评价指标。
在本发明实施例中,所述基于各所述评价指标的信息熵,得到各所述评价指标的指标权重值,可以包括:按照下述公式基于各所述评价指标的信息熵,得到各所述评价指标的指标权重值:
其中,wj可以表示为第j个评价指标的指标权重值,Ej可以表示为第j各评价指标的信息熵,m可以表示评价指标的总数量。
S130、基于目标用户在各所述评价指标下的用户指标比重以及各所述评价指标的指标权重值,得到所述目标用户的出行活跃度。
在本发明实施例中,所述基于目标用户在各所述评价指标下的用户指标比重以及各所述评价指标的指标权重值,得到所述目标用户的出行活跃度,可以包括:按照下述公式基于目标用户在各所述评价指标下的用户指标比重以及各所述评价指标的指标权重值,得到所述目标用户的出行活跃度:
其中,U可以表示为目标用户的出行活跃度,yij可以表示为目标用户在第j个评价指标下的用户指标比重,wj可以表示为第j个评价指标的指标权重值。在本发明实施例中,100*yijwj的目的是为了等比例放大,以使yijwj的乘积效果能够清楚的体现出用户的出行活跃度。
在上述实施例的基础上,所述方法还可以包括:根据出行活跃度和活跃度级别之间的对应关系,确定与所述目标用户的出行活跃度对应的活跃度级别。
其中,活跃度级别可以包括高活跃度级别、中活跃度级别和低活跃度级别。活跃度级别可以用于区分不同活跃度类型的用户。在本发明实施例中,高活跃度级别可以对应于高活跃用户,中活跃度级别可以对应于中活跃用户,低活跃度级别可以对应于低活跃用户。
在本发明实施例中,出行活跃度和活跃度级别之间的对应关系,可以包括:获取大量用户的出行活跃度,确定出行活跃度的取值范围;将所述取值范围进行四分位成三类,得到3出行活跃度子区间。将出行活跃度小于第一个四分数的用户视为低活跃用户,将出行活跃度在第一个四分位数到第三个四分位数之间的用户视为中活跃用户,将出行活跃度大于第三个四分位数的用户视为高活跃用户,即得到出行活跃度和活跃度级别之间的对应关系。
具体的,确定所述目标用户的出行活跃度所在出行活跃度子区间,从而可以根据出行活跃度子区间和活跃度级别之间的对应关系,确定与目标用户的出行活跃度所在出行活跃度子区间对应的活跃度级别。
本发明实施例的技术方案,通过获取用户出行活跃度的各评价指标,确定目标用户在各所述评价指标下的用户指标比重;基于各所述用户指标比重,得到各所述评价指标的信息熵,基于各所述评价指标的信息熵,得到各所述评价指标的指标权重值;基于目标用户在各所述评价指标下的用户指标比重以及各所述评价指标的指标权重值,得到所述目标用户的出行活跃度。本发明实施例的技术方案,实现了较为合理的对用户出行数据进行分析,从而有效的提高用户出行活跃度的准确度。
实施例二
图2为本发明实施例二提供的一种用户出行活跃度确定装置的结构示意图。如图2所示,该装置包括:用户指标比重确定模块210、指标权重值得到模块220和出行活跃度得到模块230。
其中,用户指标比重确定模块210,用于获取用户出行活跃度的各评价指标,确定目标用户在各所述评价指标下的用户指标比重;
指标权重值得到模块220,用于基于各所述用户指标比重,得到各所述评价指标的信息熵,基于各所述评价指标的信息熵,得到各所述评价指标的指标权重值;
出行活跃度得到模块230,用于基于目标用户在各所述评价指标下的用户指标比重以及各所述评价指标的指标权重值,得到所述目标用户的出行活跃度。
本发明实施例的技术方案,通过获取用户出行活跃度的各评价指标,确定目标用户在各所述评价指标下的用户指标比重;基于各所述用户指标比重,得到各所述评价指标的信息熵,基于各所述评价指标的信息熵,得到各所述评价指标的指标权重值;基于目标用户在各所述评价指标下的用户指标比重以及各所述评价指标的指标权重值,得到所述目标用户的出行活跃度。本发明实施例的技术方案,实现了较为合理的对用户出行数据进行分析,从而有效的提高用户出行活跃度的准确度。
可选地,用户指标比重确定模块210,用于获取大量用户的历史出行数据,对各历史出行数据进行特征提取,得到各历史出行数据的用户出行特征数据;采用Min-Max算法对所述用户出行特征数据进行数据标准化处理,得到标准化后的用户出行特征数据;基于各标准化后的用户出行特征数据,得到用户出行活跃度的评价指标。
可选地,用户指标比重确定模块210,用于确定各标准化后的用户出行特征数据的特征方差;针对每个特征方差,如果所述特征方差超过所述预设方差阈值,则将所述特征方差对应的用户出行特征数据,作为用户出行活跃度的评价指标。
可选地,用户指标比重确定模块210,用于按照下述公式确定目标用户在各所述评价指标下的用户指标比重:
其中,i表示为目标用户,j表示为第j个评价指标,yij表示为目标用户在第j个评价指标下的用户指标比重,xi ′ j表示为目标用户在第j个评价指标下的指标值,n表示为用户总数量。
可选地,指标权重值得到模块220,用于按照下述公式基于各所述用户指标比重,得到各所述评价指标的信息熵:
其中,Ej表示为第j各评价指标的信息熵,yij表示为目标用户在第j个评价指标下的用户指标比重,i表示为第i个用户,n表示为用户总数量,j表示为第j个评价指标。
可选地,指标权重值得到模块220,用于按照下述公式基于各所述评价指标的信息熵,得到各所述评价指标的指标权重值:
其中,wj表示为第j个评价指标的指标权重值,Ej表示为第j各评价指标的信息熵,m表示评价指标的总数量。
可选地,出行活跃度得到模块230,用于按照下述公式基于目标用户在各所述评价指标下的用户指标比重以及各所述评价指标的指标权重值,得到所述目标用户的出行活跃度:
U=∑j 100*yijwj
其中,U表示为目标用户的出行活跃度,yij表示为目标用户在第j个评价指标下的用户指标比重,wj表示为第j个评价指标的指标权重值。
可选地,该装置还包括活跃度级别确定模块;其中,活跃度级别确定模块,用于根据出行活跃度和活跃度级别之间的对应关系,确定与所述目标用户的出行活跃度对应的活跃度级别。
本发明实施例所提供的用户出行活跃度确定装置可执行本发明任意实施例所提供的用户出行活跃度确定方法,具备执行方法相应的功能模块和有益效果。
值得注意的是,上述用户出行活跃度确定装置所包括的各个单元和模块只是按照功能逻辑进行划分的,但并不局限于上述的划分,只要能够实现相应的功能即可;另外,各功能单元的具体名称也只是为了便于相互区分,并不用于限制本发明实施例的保护范围。
实施例三
图3示出了可以用来实施本发明的实施例的电子设备10的结构示意图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本发明的实现。
如图3所示,电子设备10包括至少一个处理器11,以及与至少一个处理器11通信连接的存储器,如只读存储器(ROM)12、随机访问存储器(RAM)13等,其中,存储器存储有可被至少一个处理器执行的计算机程序,处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序,来执行各种适当的动作和处理。在RAM 13中,还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。
电子设备10中的多个部件连接至I/O接口15,包括:输入单元16,例如键盘、鼠标等;输出单元17,例如各种类型的显示器、扬声器等;存储单元18,例如磁盘、光盘等;以及通信单元19,例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理,例如用户出行活跃度确定方法。
在一些实施例中,用户出行活跃度确定方法可被实现为计算机程序,其被有形地包含于计算机可读存储介质,例如存储单元18。在一些实施例中,计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到RAM 13并由处理器11执行时,可以执行上文描述的用户出行活跃度确定方法的一个或多个步骤。备选地,在其他实施例中,处理器11可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行用户出行活跃度确定方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器,使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本发明的上下文中,计算机可读存储介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。备选地,计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在电子设备上实施此处描述的系统和技术,该电子设备具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)、区块链网络和互联网。
计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务中,存在的管理难度大,业务扩展性弱的缺陷。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本发明的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
Claims (10)
1.一种用户出行活跃度确定方法,其特征在于,包括:
获取用户出行活跃度的各评价指标,确定目标用户在各所述评价指标下的用户指标比重;
基于各所述用户指标比重,得到各所述评价指标的信息熵,基于各所述评价指标的信息熵,得到各所述评价指标的指标权重值;
基于目标用户在各所述评价指标下的用户指标比重以及各所述评价指标的指标权重值,得到所述目标用户的出行活跃度。
2.根据权利要求1所述的方法,其特征在于,所述获取用户出行活跃度的各评价指标,包括:
获取大量用户的历史出行数据,对各历史出行数据进行特征提取,得到各历史出行数据的用户出行特征数据;
采用Min-Max算法对所述用户出行特征数据进行数据标准化处理,得到标准化后的用户出行特征数据;
基于各标准化后的用户出行特征数据,得到用户出行活跃度的评价指标。
3.根据权利要求2所述的方法,其特征在于,所述基于各标准化后的用户出行特征数据,得到用户出行活跃度的评价指标,包括:
确定各标准化后的用户出行特征数据的特征方差;
针对每个特征方差,如果所述特征方差超过所述预设方差阈值,则将所述特征方差对应的用户出行特征数据,作为用户出行活跃度的评价指标。
4.根据权利要求1所述的方法,其特征在于,所述确定目标用户在各所述评价指标下的用户指标比重,包括:
按照下述公式确定目标用户在各所述评价指标下的用户指标比重:
其中,i表示为目标用户,j表示为第j个评价指标,yij表示为目标用户在第j个评价指标下的用户指标比重,xi ′ j表示为目标用户在第j个评价指标下的指标值,n表示为用户总数量。
5.根据权利要求1所述的方法,其特征在于,所述基于各所述用户指标比重,得到各所述评价指标的信息熵,包括:
按照下述公式基于各所述用户指标比重,得到各所述评价指标的信息熵:
其中,Ej表示为第j各评价指标的信息熵,yij表示为目标用户在第j个评价指标下的用户指标比重,i表示为第i个用户,n表示为用户总数量,j表示为第j个评价指标。
6.根据权利要求1所述的方法,其特征在于,所述基于各所述评价指标的信息熵,得到各所述评价指标的指标权重值,包括:
按照下述公式基于各所述评价指标的信息熵,得到各所述评价指标的指标权重值:
其中,wj表示为第j个评价指标的指标权重值,Ej表示为第j各评价指标的信息熵,m表示评价指标的总数量。
7.根据权利要求1所述的方法,其特征在于,所述基于目标用户在各所述评价指标下的用户指标比重以及各所述评价指标的指标权重值,得到所述目标用户的出行活跃度,包括:
按照下述公式基于目标用户在各所述评价指标下的用户指标比重以及各所述评价指标的指标权重值,得到所述目标用户的出行活跃度:
其中,U表示为目标用户的出行活跃度,yij表示为目标用户在第j个评价指标下的用户指标比重,wj表示为第j个评价指标的指标权重值。
8.根据权利要求1所述的方法,其特征在于,所述方法还包括:
根据出行活跃度和活跃度级别之间的对应关系,确定与所述目标用户的出行活跃度对应的活跃度级别。
9.一种用户出行活跃度确定装置,其特征在于,包括:
用户指标比重确定模块,用于获取用户出行活跃度的各评价指标,确定目标用户在各所述评价指标下的用户指标比重;
指标权重值得到模块,用于基于各所述用户指标比重,得到各所述评价指标的信息熵,基于各所述评价指标的信息熵,得到各所述评价指标的指标权重值;
出行活跃度得到模块,用于基于目标用户在各所述评价指标下的用户指标比重以及各所述评价指标的指标权重值,得到所述目标用户的出行活跃度。
10.一种电子设备,其特征在于,所述电子设备包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-8中任一项所述的用户出行活跃度确定方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311288185.6A CN117314245A (zh) | 2023-10-07 | 2023-10-07 | 用户出行活跃度确定方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311288185.6A CN117314245A (zh) | 2023-10-07 | 2023-10-07 | 用户出行活跃度确定方法、装置、设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117314245A true CN117314245A (zh) | 2023-12-29 |
Family
ID=89261707
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311288185.6A Pending CN117314245A (zh) | 2023-10-07 | 2023-10-07 | 用户出行活跃度确定方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117314245A (zh) |
-
2023
- 2023-10-07 CN CN202311288185.6A patent/CN117314245A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20240169462A1 (en) | Online ride-hailing information processing method, device and computer storage medium | |
CN114897312A (zh) | 驾驶行为评分方法、装置、设备及存储介质 | |
CN117593115A (zh) | 信贷风险评估模型的特征值确定方法、装置、设备和介质 | |
CN116739742A (zh) | 信贷风控模型的监控方法、装置、设备及存储介质 | |
CN116605230A (zh) | 一种车辆驾驶模式切换方法、装置、电子设备及存储介质 | |
CN117314245A (zh) | 用户出行活跃度确定方法、装置、设备及介质 | |
CN116011677A (zh) | 时序数据的预测方法、装置、电子设备及存储介质 | |
CN114884813B (zh) | 一种网络架构确定方法、装置、电子设备及存储介质 | |
CN114880183A (zh) | 自动驾驶性能评价模型训练、性能评价方法、装置及介质 | |
CN114999665A (zh) | 数据处理方法、装置、电子设备及存储介质 | |
CN114511225A (zh) | 一种断面识别方法、装置、设备以及存储介质 | |
CN116662788B (zh) | 一种车辆轨迹处理方法、装置、设备和存储介质 | |
CN113591095B (zh) | 一种标识信息处理方法、装置及电子设备 | |
CN117273961A (zh) | 一种车险数据的评估方法、装置、设备及介质 | |
CN118114942A (zh) | 一种参竞方法、装置、设备以及存储介质 | |
CN117635311A (zh) | 一种风险等级预测方法、装置、设备及存储介质 | |
CN114529202A (zh) | 一种项目评估方法、装置、电子设备及存储介质 | |
CN117611324A (zh) | 信用评级方法、装置、电子设备和存储介质 | |
CN117291617A (zh) | 一种自动建立客服反馈工单的方法及智能研判系统 | |
CN117455192A (zh) | 一种司货匹配方法、装置、设备以及存储介质 | |
CN117437033A (zh) | 一种预警方法、装置、设备和可读存储介质 | |
CN115017145A (zh) | 数据扩展方法、装置及存储介质 | |
CN117076988A (zh) | 异常行为检测方法、装置、设备及介质 | |
CN116502841A (zh) | 一种事件的处理方法、装置、电子设备以及介质 | |
CN116484993A (zh) | 换电站换电需求预测方法、装置、设备及介质 |
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 |