CN117370767B - 基于大数据的用户信息评估方法及系统 - Google Patents
基于大数据的用户信息评估方法及系统 Download PDFInfo
- Publication number
- CN117370767B CN117370767B CN202311672376.2A CN202311672376A CN117370767B CN 117370767 B CN117370767 B CN 117370767B CN 202311672376 A CN202311672376 A CN 202311672376A CN 117370767 B CN117370767 B CN 117370767B
- Authority
- CN
- China
- Prior art keywords
- interaction
- range
- analysis result
- information
- user interaction
- 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
Links
- 238000011156 evaluation Methods 0.000 title claims abstract description 21
- 230000003993 interaction Effects 0.000 claims abstract description 293
- 238000004458 analytical method Methods 0.000 claims abstract description 129
- 230000028161 membrane depolarization Effects 0.000 claims abstract description 126
- 230000002159 abnormal effect Effects 0.000 claims abstract description 90
- 238000000034 method Methods 0.000 claims description 29
- 230000006870 function Effects 0.000 claims description 23
- 238000012545 processing Methods 0.000 claims description 20
- 238000000611 regression analysis Methods 0.000 claims description 17
- 230000007704 transition Effects 0.000 claims description 12
- 238000004140 cleaning Methods 0.000 claims description 7
- 230000001502 supplementing effect Effects 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 5
- 238000004891 communication Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 description 5
- 238000003491 array Methods 0.000 description 2
- 238000001212 derivatisation Methods 0.000 description 2
- RWSOTUBLDIXVET-UHFFFAOYSA-N Dihydrogen sulfide Chemical compound S RWSOTUBLDIXVET-UHFFFAOYSA-N 0.000 description 1
- 238000011157 data evaluation Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011234 economic evaluation Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000000873 masking effect Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000002194 synthesizing effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/2433—Single-class perspective, e.g. one-against-all classification; Novelty detection; Outlier detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/27—Regression, e.g. linear or logistic regression
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请提供的基于大数据的用户信息评估方法及系统，通过获得待评估的用户交互信息，并确定用户交互信息中的第一交互异常范围；获得围绕第一交互异常范围的约束范围相应的第一去极化分析结果；根据第一去极化分析结果对第一交互异常范围的去极化分析结果进行拼接，得到拼接后的第二交互异常范围；将第二交互异常范围加载至用户交互信息，得到评估后的目标用户交互信息。以此，通过提取围绕第一交互异常范围的约束范围的第一去极化分析结果，对第一交互异常范围进行拼接，并将拼接后的第二交互异常范围加载至用户交互信息，从而能够精确地对用户信息进行评估，进而能够有效的获得用户交互信息的关键描述内容，为后续服务提供更好地帮助。
Description
技术领域
本申请涉及数据评估技术领域，具体而言，涉及基于大数据的用户信息评估方法及系统。
背景技术
信息评估法是一种信息分析方法。它是在对大量相关信息进行分析与综合的基础上，经过优化选择和比较评价，形成能满足决策需要的支持信息的过程，通常包括综合评估、技术经济评价、实力水平比较、功能评价、成果评价、方案选优等形式。
现目前，企业获取的信息不统一，使得企业和相关政策信息交互不通畅， 导致企业办事困难。企业不知道是否有适合自己业务政策，从而无法准确快速的进行相关事项办理。因此，亟需一种技术方案以改善上述技术问题。
发明内容
为改善相关技术中存在的技术问题，本申请提供了基于大数据的用户信息评估方法及系统。
第一方面，提供一种基于大数据的用户信息评估方法，一种基于大数据的用户信息评估方法，所述方法包括：获得待评估的用户交互信息，并确定所述用户交互信息中的第一交互异常范围；获得围绕所述第一交互异常范围的约束范围相应的第一去极化分析结果；结合所述第一去极化分析结果对所述第一交互异常范围的去极化分析结果进行拼接，得到拼接后的第二交互异常范围；将所述第二交互异常范围加载至所述用户交互信息，得到评估后的目标用户交互信息。
在一种独立实施的实施例中，所述获得围绕所述第一交互异常范围的约束范围相应的第一去极化分析结果，包括：将所述第一交互异常范围进行衍生处理，得到衍生处理后的目标交互异常范围；其中，所述目标交互异常范围包括第一交互异常范围以及衍生得到的约束范围；计算所述约束范围对应的第一去极化分析结果。
在一种独立实施的实施例中，所述结合所述第一去极化分析结果对所述第一交互异常范围的去极化分析结果进行拼接，得到拼接后的第二交互异常范围，包括：将所述目标交互异常范围划分为事先设定数目个区域；计算各个区域相应的第二去极化分析结果；将所述第一去极化分析结果分别与各个区域的第二去极化分析结果进行拼接，得到各个区域拼接后的目标去极化分析结果；将各个区域的描述内容设置为相应的目标去极化分析结果，得到描述内容设置后的事先设定数目个目标区域，并将所述事先设定数目个目标区域构成第二交互异常范围。
在一种独立实施的实施例中，所述将所述第一去极化分析结果分别与各个区域的第二去极化分析结果进行拼接，得到各个区域拼接后的目标去极化分析结果，包括：将所述第一去极化分析结果以第一可信值进行第一函数处理，得到第一函数处理后的第一目标去极化分析结果；将各个区域的第二去极化分析结果以第二可信值进行第二函数处理，得到各个区域第二函数处理后的第二目标去极化分析结果；将所述第一目标去极化分析结果与各个区域的第二目标去极化分析结果分别进行拼接，得到各个区域拼接后的目标去极化分析结果。
在一种独立实施的实施例中，所述第一可信值和所述第二可信值之和为一，所述将所述第一去极化分析结果以第一可信值进行第一函数处理，得到第一函数处理后的第一目标去极化分析结果之前，还包括：接收用户设置的输入可信值，并将所述输入可信值设置为第一可信值；结合所述第一可信值计算出相应的第二可信值。
在一种独立实施的实施例中，所述将所述第二交互异常范围加载至所述用户交互信息，得到评估后的目标用户交互信息，包括：将各个目标区域依次通过拼接方法加载至所述用户交互信息，得到拼接后的过渡用户交互信息；为所述过渡用户交互信息补充关键信息，得到评估后的目标用户交互信息。
在一种独立实施的实施例中，所述为所述过渡用户交互信息补充关键信息，得到评估后的目标用户交互信息，包括：对所述用户交互信息进行清洗处理，得到清洗处理后的用户交互信息；基于所述用户交互信息和清洗处理后的用户交互信息确定相应的关键信息；将所述关键信息补充至所述过渡用户交互信息，得到评估后的目标用户交互信息。
在一种独立实施的实施例中，所述确定所述用户交互信息中的第一交互异常范围，包括：将所述用户交互信息输入配置后的事先设定分类线程，输出所述用户交互信息相应的第一交互异常范围；其中，所述配置后的事先设定分类线程为基于用户交互信息示例、以及相应的交互异常范围标识进行配置得到的。
在一种独立实施的实施例中，所述方法，还包括：获得用户交互信息示例以及相应的交互异常范围标识；将所述用户交互信息示例输入至事先设定分类线程，输出所述用户交互信息示例中各个字符属于交互异常范围的回归分析可能性；确定所述回归分析可能性与所述交互异常范围标识的差异；基于所述差异对所述事先设定分类线程进行迭代配置，直至所述差异收敛，得到配置后的事先设定分类线程。
在一种独立实施的实施例中，所述将所述第二交互异常范围加载至所述用户交互信息，得到评估后的目标用户交互信息，包括：将所述第二交互异常范围通过拼接方法加载至所述用户交互信息，得到评估后的目标用户交互信息。
第二方面，提供一种基于大数据的用户信息评估系统，包括互相之间通信的处理器和存储器，所述处理器用于从所述存储器中读取计算机程序并执行，以实现上述的方法。
本申请实施例所提供的基于大数据的用户信息评估方法及系统，通过获得待评估的用户交互信息，并确定用户交互信息中的第一交互异常范围；获得围绕第一交互异常范围的约束范围相应的第一去极化分析结果；根据第一去极化分析结果对第一交互异常范围的去极化分析结果进行拼接，得到拼接后的第二交互异常范围；将第二交互异常范围加载至用户交互信息，得到评估后的目标用户交互信息。以此，通过提取围绕第一交互异常范围的约束范围的第一去极化分析结果，对第一交互异常范围进行拼接，并将拼接后的第二交互异常范围加载至用户交互信息，从而能够精确地对用户信息进行评估，进而能够有效的获得用户交互信息的关键描述内容，为后续服务提供更好地帮助。
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，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，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相关的附图。
图1为本申请实施例所提供的一种基于大数据的用户信息评估方法的流程图。
具体实施方式
为了更好的理解上述技术方案，下面通过附图以及具体实施例对本申请技术方案做详细的说明，应当理解本申请实施例以及实施例中的具体特征是对本申请技术方案的详细的说明，而不是对本申请技术方案的限定，在不冲突的情况下，本申请实施例以及实施例中的技术特征可以相互组合。
请参阅图1，示出了一种基于大数据的用户信息评估方法，该方法可以包括以下步骤101-104所描述的技术方案。
在步骤101中，获得待评估的用户交互信息，并确定用户交互信息中的第一交互异常范围。
其中，本申请实施例获得待评估的用户交互信息，该用户交互信息包括交互的局部范围。
在一种可能实施的实施例中，该第一交互异常范围可以通过对相应的局部范围进行掩码批注或者检测窗口标识，该第一交互异常范围可以由多个字符形成，该第一交互异常范围的确定可以通过批注或者配置后的事先设定分类线程回归分析得到。
该事先设定分类线程的配置过程如下：
(1)获得用户交互信息示例以及相应的交互异常范围标识；
(2)将该用户交互信息示例输入至事先设定分类线程，输出该用户交互信息示例中各个字符属于交互异常范围的回归分析可能性；
(3)确定该回归分析可能性与该交互异常范围标识的差异；
(4)基于该差异对该事先设定分类线程进行迭代配置，直至该差异收敛，得到配置后的事先设定分类线程。
其中，该用户交互信息示例指包含交互异常范围的用户交互信息，各个用户交互信息均批注交互异常范围的准确位置，该位置可以以多个字符表示，该准确位置即为交互异常范围标识，该用户交互信息示例的事先设定数目可以为多个。
以此，可以将各个用户交互信息示例输入至该事先设定分类线程，输出该用户交互信息示例中各个字符属于交互异常范围的回归分析可能性，该回归分析可能性越大，代表该字符为交互异常范围的可能性越大，该回归分析可能性越小，代表该字符为交互异常范围的可能性越小，由于该事先设定分类线程未进行配置，因此，该回归分析可能性不准确。
由于交互异常范围标识清晰指示了用户交互信息示例中各个字符是否为交互异常范围的准确可能性，因此，可以以该交互异常范围标识作为学习目标，确定该回归分析可能性和交互异常范围标识之间的差异，以该差异作为调试标准，对事先设定分类线程进行指导配置。
基于上述描述，该确定该用户交互信息中的第一交互异常范围，可以通过将该用户交互信息输入配置后的事先设定分类线程，输出该用户交互信息相应的第一交互异常范围完成。
其中，由于配置后的事先设定分类线程通过配置，具有准确识别出用户交互信息中交互异常范围的能力，因此，通过该事先设定分类线程输出的第一交互异常范围的准确率较高，并且由于模型为自动回归分析出来的，还节省了人工成本。
在步骤102中，获得围绕第一交互异常范围的约束范围相应的第一去极化分析结果。
本实施实施例可以获得围绕该第一交互异常范围相应的约束范围，该约束范围可以理解为该第一交互异常范围边缘连接的范围，该约束范围反映了该第一交互异常范围附近的实时约束描述内容。
进一步的，可以计算出该约束范围的第一去极化分析结果，该第一去极化分析结果可以为该约束范围中字符的描述内容的平均值，具体可以为将约束范围中的字符的描述内容值进行求和，并将求和的值除以字符事先设定数目，得到该第一去极化分析结果为该第一交互异常范围周围的约束范围的实时平均描述内容。
在一实施方式中，该获得围绕该第一交互异常范围的约束范围相应的第一去极化分析结果，包括：
(1)将该第一交互异常范围进行衍生处理，得到衍生处理后的目标交互异常范围；其中，衍生处理可以理解为将第一交互异常范围进行放大处理；比如，在获得第一交互异常范围获得的是一个关键的范围，针对一些比较细小的范围是没有提取出来的，因此需要将第一交互异常范围进行扩大处理，这样一来才能更加精确地获得异常范围。
(2)计算该约束范围对应的第一去极化分析结果。
在步骤103中，根据第一去极化分析结果对第一交互异常范围的去极化分析结果进行拼接，得到拼接后的第二交互异常范围。
本申请实施例为了解决上述问题，可以将代表该第一交互异常范围周围的约束范围的实时平均描述内容的第一去极化分析结果，与第一交互异常范围的去极化分析结果进行拼接，该第一交互异常范围的去极化分析结果的计算方式，可以为通过统计第一交互异常范围内的字符的描述内容值之和，将该描述内容值之和除以该第一交互异常范围内字符事先设定数目计算得到，该去极化分析结果反映了该第一交互异常范围内的平均描述内容。
以此，可以计算该第一去极化分析结果和去极化分析结果的目标平均值，即将第一去极化分析结果和去极化分析结果求和，并将求和的值除以2，得到该目标平均值，该目标平均值即隐含了第一交互异常范围周围的约束范围的实时平均描述内容，而且还保留了第一交互异常范围内的平均描述内容，以此，可以以该目标平均值设置该第一交互异常范围中全部字符的描述内容值，实现得到拼接后的第二交互异常范围，该第二交互异常范围通过拼接实现对第一交互异常范围中的交互异常进行去除处理，且保留第一交互异常范围中的描述细节，相对于相关技术的方案，实现交互异常评估的同时,使得处理结果更准确。
在一种可能实施的实施例中，该根据该第一去极化分析结果对该第一交互异常范围的描述内容值进行拼接，得到拼接后的第二交互异常范围，包括：
(1)将该目标交互异常范围划分为事先设定数目个区域；
(2)计算各个区域相应的第二去极化分析结果；
(3)将该第一去极化分析结果分别与各个区域的第二去极化分析结果进行拼接，得到各个区域拼接后的目标去极化分析结果；
(4)将各个区域的描述内容设置为相应的目标去极化分析结果，得到描述内容设置后的事先设定数目个目标区域，并将该事先设定数目个目标区域构成第二交互异常范围。
进一步的，可以计算该第一去极化分析结果和各个区域的第二去极化分析结果相应的目标去极化分析结果，即可以将第一去极化分析结果与各个区域的第二去极化分析结果进行求和，并将求和的值除以2，得到各个区域的目标去极化分析结果，该目标去极化分析结果即隐含第一交互异常范围周围的约束范围的实时平均描述内容，而且还保留了各个区域中的第二去极化分析结果，以此，可以将各个区域的描述内容值设置为相应的目标去极化分析结果，得到描述内容设置后的事先设定数目个目标区域，将事先设定数目个目标区域构成第二交互异常范围，由于该第二交互异常范围中各个目标区域单独实现对其中的交互异常进行去除处理，且保留目标区域内的描述细节，使处理的数据更加的准确。
在一种可能实施的实施例中，该将该第一去极化分析结果分别与各个区域的第二去极化分析结果进行拼接，得到各个区域拼接后的目标去极化分析结果，包括：
(1.1)将该第一去极化分析结果以第一可信值进行第一函数处理，得到第一函数处理后的第一目标去极化分析结果；
(1.2)将各个区域的第二去极化分析结果以第二可信值进行第二函数处理，得到各个区域第二函数处理后的第二目标去极化分析结果；
(1.3)将该第一目标去极化分析结果与各个区域的第二目标去极化分析结果分别进行拼接，得到各个区域拼接后的目标去极化分析结果。
其中，由于该第一去极化分析结果表征第一交互异常范围周围的约束范围的实时平均描述内容，而各个区域的第二去极化分析结果表征各个区域内的平均描述内容，因此，本申请实施例可以通过设置第一可信值和第二可信值来实现对拼接处理效果的动态调试。
进一步地，第一函数和第二函数是事先设置的。
以此，实现在将该第一去极化分析结果和各个区域的第二去极化分析结果进行拼接时，可以通过第一可信值对第一去极化分析结果的权重进行调试，通过第二可信值对第二平均值的权重进行调试。
在步骤104中，将第二交互异常范围加载至用户交互信息，得到评估后的目标用户交互信息。
在一种可能实施的实施例中，该将第二交互异常范围加载至用户交互信息，得到评估后的目标用户交互信息，包括：将该第二交互异常范围通过拼接方法加载至该用户交互信息，得到评估后的目标用户交互信息。
在一种可能实施的实施例中，该将该第二交互异常范围加载至该用户交互信息，得到评估后的目标用户交互信息，包括：
(1)将各个目标区域依次通过拼接方法加载至该用户交互信息，得到拼接后的过渡用户交互信息；
(2)为该过渡用户交互信息补充关键信息，得到评估后的目标用户交互信息。
由上述可知，本申请实施例通过获得待评估的用户交互信息，并确定用户交互信息中的第一交互异常范围；获得围绕第一交互异常范围的约束范围相应的第一去极化分析结果；根据第一去极化分析结果对第一交互异常范围的去极化分析结果进行拼接，得到拼接后的第二交互异常范围；将第二交互异常范围加载至用户交互信息，得到评估后的目标用户交互信息。以此，通过提取围绕第一交互异常范围的约束范围的第一去极化分析结果，对第一交互异常范围进行拼接，并将拼接后的第二交互异常范围加载至用户交互信息，从而能够精确地对用户信息进行评估，进而能够有效的获得用户交互信息的关键描述内容，为后续服务提供更好地帮助。
结合上述实施例所描述的方法，以下将举例作进一步详细说明。
在本实施例中，将以该图像处理装置具体集成在服务器中为例进行说明，具体参照以下说明。
本申请实施例提供的基于大数据的用户信息评估方法的另一流程。该方法流程可以包括：
在步骤201中，服务器获得用户交互信息示例以及相应的交互异常范围标识，将用户交互信息示例输入至事先设定分类线程，输出用户交互信息示例中各个字符属于交互异常范围的回归分析可能性。
以此，可以将各个用户交互信息示例输入至该事先设定分类线程，输出该用户交互信息示例中各个字符属于法令纹范围的回归分析可能性，该回归分析可能性越大，代表该字符为法令纹范围的可能性越大，该回归分析可能性越小，代表该字符为法令纹范围的可能性越小。
在步骤202中，服务器确定回归分析可能性与交互异常范围标识的差异，基于差异对事先设定分类线程进行迭代配置，直至差异收敛，得到配置后的事先设定分类线程。
在步骤203中，服务器将用户交互信息输入配置后的事先设定分类线程，输出用户交互信息相应的第一交互异常范围。
其中，由于配置后的事先设定分类线程通过配置，具有准确识别出用户交互信息中法令纹范围的能力，因此，将该用户交互信息输入配置后的事先设定分类线程，输出该用户交互信息相应的第一法令纹范围，该事先设定分类线程输出的第一法令纹范围的准确率较高，并且由于模型为自动回归分析，无需人工批注，节省了人工成本。
在步骤204中，服务器将第一交互异常范围进行衍生处理，得到衍生处理后的目标交互异常范围，计算约束范围对应的第一去极化分析结果。
在步骤205中，服务器将目标交互异常范围划分为事先设定数目个区域，计算各个区域相应的第二去极化分析结果。
在步骤206中，服务器接收用户设置的输入可信值，并将输入可信值设置为第一可信值，接收用户设置的输入可信值，并将输入可信值设置为第一可信值。
在步骤207中，服务器将第一去极化分析结果以第一可信值进行第一函数处理，得到第一函数处理后的第一目标去极化分析结果，将各个区域的第二去极化分析结果以第二可信值进行第二函数处理，得到各个区域第二函数处理后的第二目标去极化分析结果，将第一目标去极化分析结果与各个区域的第二目标去极化分析结果分别进行拼接，得到各个区域拼接后的目标去极化分析结果。
在步骤208中，服务器将各个区域的描述内容设置为相应的目标去极化分析结果，得到描述内容设置后的事先设定数目个目标区域，并将事先设定数目个目标区域构成第二交互异常范围。
在步骤209中，服务器将各个目标区域依次通过拼接方法加载至用户交互信息，得到拼接后的过渡用户交互信息。
在步骤210中，服务器对用户交互信息进行清洗处理，得到清洗处理后的用户交互信息，基于用户交互信息和清洗处理后的用户交互信息确定相应的关键信息，将关键信息补充至过渡用户交互信息，得到评估后的目标用户交互信息。
在上述基础上，提供了一种基于大数据的用户信息评估装置，所述装置包括：
异常范围确定模块，用于获得待评估的用户交互信息，并确定所述用户交互信息中的第一交互异常范围；
分析结果获得模块，用于获得围绕所述第一交互异常范围的约束范围相应的第一去极化分析结果；
异常范围确定模块，用于结合所述第一去极化分析结果对所述第一交互异常范围的去极化分析结果进行拼接，得到拼接后的第二交互异常范围；
交互信息评估模块，用于将所述第二交互异常范围加载至所述用户交互信息，得到评估后的目标用户交互信息。
在上述基础上，示出了一种基于大数据的用户信息评估系统，包括互相之间通信的处理器和存储器，所述处理器用于从所述存储器中读取计算机程序并执行，以实现上述的方法。
在上述基础上，还提供了一种计算机可读存储介质，其上存储的计算机程序在运行时实现上述的方法。
综上，基于上述方案，通过获得待评估的用户交互信息，并确定用户交互信息中的第一交互异常范围；获得围绕第一交互异常范围的约束范围相应的第一去极化分析结果；根据第一去极化分析结果对第一交互异常范围的去极化分析结果进行拼接，得到拼接后的第二交互异常范围；将第二交互异常范围加载至用户交互信息，得到评估后的目标用户交互信息。以此，通过提取围绕第一交互异常范围的约束范围的第一去极化分析结果，对第一交互异常范围进行拼接，并将拼接后的第二交互异常范围加载至用户交互信息，从而能够精确地对用户信息进行评估，进而能够有效的获得用户交互信息的关键描述内容，为后续服务提供更好地帮助。
应当理解，上述所示的系统及其模块可以利用各种方式来实现。例如，在一些实施例中，系统及其模块可以通过硬件、软件或者软件和硬件的结合来实现。其中，硬件部分可以利用专用逻辑来实现；软件部分则可以存储在存储器中，由适当的指令执行系统，例如微处理器或者专用设计硬件来执行。本领域技术人员可以理解上述的方法和系统可以使用计算机可执行指令和/或包含在处理器控制代码中来实现，例如在诸如磁盘、CD或DVD-ROM的载体介质、诸如只读存储器(固件)的可编程的存储器或者诸如光学或电子信号载体的数据载体上提供了这样的代码。本申请的系统及其模块不仅可以有诸如超大规模集成电路或门阵列、诸如逻辑芯片、晶体管等的半导体、或者诸如现场可编程门阵列、可编程逻辑设备等的可编程硬件设备的硬件电路实现，也可以用例如由各种类型的处理器所执行的软件实现，还可以由上述硬件电路和软件的结合(例如，固件)来实现。
需要说明的是，不同实施例可能产生的有益效果不同，在不同的实施例里，可能产生的有益效果可以是以上任意一种或几种的组合，也可以是其他任何可能获得的有益效果。
Claims (7)
1.一种基于大数据的用户信息评估方法，其特征在于，所述方法包括：
获得待评估的用户交互信息，并确定所述用户交互信息中的第一交互异常范围；
获得围绕所述第一交互异常范围的约束范围相应的第一去极化分析结果；
结合所述第一去极化分析结果对所述第一交互异常范围的去极化分析结果进行拼接，得到拼接后的第二交互异常范围；
将所述第二交互异常范围加载至所述用户交互信息，得到评估后的目标用户交互信息；
其中，所述获得围绕所述第一交互异常范围的约束范围相应的第一去极化分析结果，包括：
将所述第一交互异常范围进行衍生处理，得到衍生处理后的目标交互异常范围；其中，所述目标交互异常范围包括第一交互异常范围以及衍生得到的约束范围；
计算所述约束范围对应的第一去极化分析结果；
其中，所述结合所述第一去极化分析结果对所述第一交互异常范围的去极化分析结果进行拼接，得到拼接后的第二交互异常范围，包括：
将所述目标交互异常范围划分为事先设定数目个区域；计算各个区域相应的第二去极化分析结果；
将所述第一去极化分析结果分别与各个区域的第二去极化分析结果进行拼接，得到各个区域拼接后的目标去极化分析结果；
将各个区域的描述内容设置为相应的目标去极化分析结果，得到描述内容设置后的事先设定数目个目标区域，并将所述事先设定数目个目标区域构成第二交互异常范围；
其中，所述确定所述用户交互信息中的第一交互异常范围，包括：
将所述用户交互信息输入配置后的事先设定分类线程，输出所述用户交互信息相应的第一交互异常范围；其中，所述配置后的事先设定分类线程为基于用户交互信息示例、以及相应的交互异常范围标识进行配置得到的；
其中，所述方法，还包括：
获得用户交互信息示例以及相应的交互异常范围标识；将所述用户交互信息示例输入至事先设定分类线程，输出所述用户交互信息示例中各个字符属于交互异常范围的回归分析可能性；
确定所述回归分析可能性与所述交互异常范围标识的差异；
基于所述差异对所述事先设定分类线程进行迭代配置，直至所述差异收敛，得到配置后的事先设定分类线程；
其中，可以计算出该约束范围的第一去极化分析结果，该第一去极化分析结果可以为该约束范围中字符的描述内容的平均值，具体可以为将约束范围中的字符的描述内容值进行求和，并将求和的值除以字符事先设定数目，得到该第一去极化分析结果为该第一交互异常范围周围的约束范围的实时平均描述内容。
2.根据权利要求1所述的基于大数据的用户信息评估方法，其特征在于，所述将所述第一去极化分析结果分别与各个区域的第二去极化分析结果进行拼接，得到各个区域拼接后的目标去极化分析结果，包括：
将所述第一去极化分析结果以第一可信值进行第一函数处理，得到第一函数处理后的第一目标去极化分析结果；
将各个区域的第二去极化分析结果以第二可信值进行第二函数处理，得到各个区域第二函数处理后的第二目标去极化分析结果；
将所述第一目标去极化分析结果与各个区域的第二目标去极化分析结果分别进行拼接，得到各个区域拼接后的目标去极化分析结果。
3.根据权利要求2所述的基于大数据的用户信息评估方法，其特征在于，所述第一可信值和所述第二可信值之和为一，所述将所述第一去极化分析结果以第一可信值进行第一函数处理，得到第一函数处理后的第一目标去极化分析结果之前，还包括：接收用户设置的输入可信值，并将所述输入可信值设置为第一可信值；结合所述第一可信值计算出相应的第二可信值。
4.根据权利要求1所述的基于大数据的用户信息评估方法，其特征在于，所述将所述第二交互异常范围加载至所述用户交互信息，得到评估后的目标用户交互信息，包括：
将各个目标区域依次通过拼接方法加载至所述用户交互信息，得到拼接后的过渡用户交互信息；
为所述过渡用户交互信息补充关键信息，得到评估后的目标用户交互信息。
5.根据权利要求4所述的基于大数据的用户信息评估方法，其特征在于，所述为所述过渡用户交互信息补充关键信息，得到评估后的目标用户交互信息，包括：
对所述用户交互信息进行清洗处理，得到清洗处理后的用户交互信息；
基于所述用户交互信息和清洗处理后的用户交互信息确定相应的关键信息；
将所述关键信息补充至所述过渡用户交互信息，得到评估后的目标用户交互信息。
6.根据权利要求1所述的基于大数据的用户信息评估方法，其特征在于，所述将所述第二交互异常范围加载至所述用户交互信息，得到评估后的目标用户交互信息，包括：将所述第二交互异常范围通过拼接方法加载至所述用户交互信息，得到评估后的目标用户交互信息。
7.一种基于大数据的用户信息评估系统，其特征在于，包括互相之间通信的处理器和存储器，所述处理器用于从所述存储器中读取计算机程序并执行，以实现权利要求1-6任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311672376.2A CN117370767B (zh) | 2023-12-07 | 2023-12-07 | 基于大数据的用户信息评估方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311672376.2A CN117370767B (zh) | 2023-12-07 | 2023-12-07 | 基于大数据的用户信息评估方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117370767A CN117370767A (zh) | 2024-01-09 |
| CN117370767B true CN117370767B (zh) | 2024-02-27 |
Family
ID=89406274
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311672376.2A Active CN117370767B (zh) | 2023-12-07 | 2023-12-07 | 基于大数据的用户信息评估方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117370767B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117809849B (zh) * | 2024-02-29 | 2024-05-03 | 四川赛尔斯科技有限公司 | 一种认知功能障碍老人行走姿态的分析方法及系统 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109524085A (zh) * | 2018-10-25 | 2019-03-26 | 广州市和声信息技术有限公司 | 一种基于交互的认知分析方法及系统 |
| CN110491490A (zh) * | 2019-07-11 | 2019-11-22 | 深圳市翩翩科技有限公司 | 一种医生评估方法及装置 |
| CN113378554A (zh) * | 2021-06-08 | 2021-09-10 | 湖南创星科技股份有限公司 | 一种医疗信息智能交互的方法及系统 |
| WO2022213816A1 (zh) * | 2021-04-06 | 2022-10-13 | 华为云计算技术有限公司 | 数据分析的方法、数据分析系统、计算设备、存储介质和程序产品 |
| CN115757370A (zh) * | 2022-10-20 | 2023-03-07 | 郜布轩 | 基于物联网的用户信息通信方法及系统 |
| CN116506206A (zh) * | 2023-05-15 | 2023-07-28 | 东南大学 | 基于零信任网络用户的大数据行为分析方法及系统 |
| CN116720119A (zh) * | 2023-06-25 | 2023-09-08 | 滨州诺防跟网络科技有限公司 | 应用于多端业务交互的大数据识别方法及系统 |
| CN117037982A (zh) * | 2023-03-24 | 2023-11-10 | 九为(浙江)网络科技有限公司 | 一种医疗大数据信息智能采集方法及系统 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11042784B2 (en) * | 2017-09-15 | 2021-06-22 | M37 Inc. | Machine learning system and method for determining or inferring user action and intent based on screen image analysis |
| US11847169B2 (en) * | 2020-12-18 | 2023-12-19 | Shanghai Henghui Intellectual Property Service Co., Ltd. | Method for data processing and interactive information exchange with feature data extraction and bidirectional value evaluation for technology transfer and computer used therein |
| US20220215948A1 (en) * | 2021-01-07 | 2022-07-07 | Abiomed, Inc. | Network-based medical apparatus control and data management systems |
-
2023
- 2023-12-07 CN CN202311672376.2A patent/CN117370767B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109524085A (zh) * | 2018-10-25 | 2019-03-26 | 广州市和声信息技术有限公司 | 一种基于交互的认知分析方法及系统 |
| CN110491490A (zh) * | 2019-07-11 | 2019-11-22 | 深圳市翩翩科技有限公司 | 一种医生评估方法及装置 |
| WO2022213816A1 (zh) * | 2021-04-06 | 2022-10-13 | 华为云计算技术有限公司 | 数据分析的方法、数据分析系统、计算设备、存储介质和程序产品 |
| CN113378554A (zh) * | 2021-06-08 | 2021-09-10 | 湖南创星科技股份有限公司 | 一种医疗信息智能交互的方法及系统 |
| CN115757370A (zh) * | 2022-10-20 | 2023-03-07 | 郜布轩 | 基于物联网的用户信息通信方法及系统 |
| CN117037982A (zh) * | 2023-03-24 | 2023-11-10 | 九为(浙江)网络科技有限公司 | 一种医疗大数据信息智能采集方法及系统 |
| CN116506206A (zh) * | 2023-05-15 | 2023-07-28 | 东南大学 | 基于零信任网络用户的大数据行为分析方法及系统 |
| CN116720119A (zh) * | 2023-06-25 | 2023-09-08 | 滨州诺防跟网络科技有限公司 | 应用于多端业务交互的大数据识别方法及系统 |
Non-Patent Citations (4)
| Title |
|---|
| An Autocorrelation-based LSTM-Autoencoder for Anomaly Detection on Time-Series Data;Hajar Homayouni等;《2020 IEEE International Conference on Big Data (Big Data)》;5068-5077 * |
| Modeling and Assessing User Interaction in Big Data Visualization Systems;Dario Benvenuti等;《Human-Computer Interaction – INTERACT 2023》;86-109 * |
| 基于Xen的异常行为在线检测平台研究与设计;牛鹏飞等;《中国计算机学会.第31次全国计算机安全学术交流会论文集》;6 * |
| 基于大数据的计算机网络信息安全防护与信息评估算法研究;刘浚哲等;《网络安全和信息化》(第8期);136-138 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117370767A (zh) | 2024-01-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109815147B (zh) | 测试案例生成方法、装置、服务器和介质 | |
| US11835987B2 (en) | Methods and apparatus for finding long methods in code | |
| CN117370767B (zh) | 基于大数据的用户信息评估方法及系统 | |
| KR101979329B1 (ko) | 바이너리의 취약점을 유발하는 입력데이터 위치 추적 방법 및 그 장치 | |
| US10628140B2 (en) | Program code generation apparatus | |
| CN112882933A (zh) | 脚本录制方法、装置、设备及存储介质 | |
| CN112131573A (zh) | 安全漏洞的检测方法、装置及存储介质 | |
| CN109388568B (zh) | 代码测试方法和装置 | |
| CN113505895A (zh) | 一种机器学习引擎服务系统及模型训练方法和配置方法 | |
| CN116204681A (zh) | 一种短视频发布信息检测方法、系统及云平台 | |
| US20230107164A1 (en) | System and method for vulnerability detection in computer code | |
| CN114721943A (zh) | 测试范围的确定方法和装置 | |
| CN113284141A (zh) | 用于缺陷检测的模型确定方法、装置和设备 | |
| CN113238969A (zh) | 界面自动化测试方法、装置、设备及存储介质 | |
| US20130080137A1 (en) | Conversion method and system | |
| US20230350788A1 (en) | Method and system for providing delta code coverage information for work items | |
| CN117637093B (zh) | 基于智慧医疗的患者信息管理方法及系统 | |
| CN109885491B (zh) | 对存在数据溢出表达式的检测方法及终端设备 | |
| WO2022222499A1 (zh) | 代码处理方法、系统、集群、介质及程序产品 | |
| CN117520201A (zh) | 一种逆向模糊测试方法、装置、电子设备及存储介质 | |
| CN115982013A (zh) | 自动化用例流程可视化方法、装置、计算机设备及存储介质 | |
| CN113190453A (zh) | 一种用户界面测试方法、装置、服务器和介质 | |
| CN116048995A (zh) | 实现异常信息配置化的方法、系统、介质、设备及终端 | |
| CN117435464A (zh) | 软件测试方法及装置、电子设备和计算机可读存储介质 | |
| CN117370181A (zh) | 代码优化方法及装置、终端设备及计算机可读存储介质 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |