TW201804380A - 對象選擇方法和裝置 - Google Patents

Abstract

本發明提供一種對象選擇方法和裝置，其中方法包括：根據用於影響目標對象選擇的業務影響參數，分別對每兩個對象之間的基礎關係權重進行調整，得到新對象關係權重；根據對象群體中的各新對象關係權重，分別確定對象群體中的每個對象對應的傳播力值；根據每個對象在業務中的業務活動參數，分別確定每個對象對應的活躍度值；根據活躍度值和傳播力值，分別確定每個對象對應的影響力值；選擇影響力值大於預設閾值的對象作為目標對象。本發明提高了業務對象選擇的準確性。

Description

對象選擇方法和裝置

本發明關於互聯網技術領域，特別關於一種對象選擇方法和裝置。

隨著互聯網技術的發展，很多業務都通過網路來執行，例如，可以透過網路向一部分使用者分配業務資源，以使得這些用戶能夠帶來更大的業務收益，這些接收資源的使用者可以稱為業務對象，當然業務對象也可以是使用者之外的其他類型。其中，具體向哪些業務對象分配業務資源能夠使得收益盡可能最大化，是一個非常重要的問題，如果所選擇的對象不合適，將造成資源的浪費。

相關技術中，一種選擇分配資源的對象的方法，可以是PageRank演算法，該演算法考慮了各個對象之間的依賴關係，可以將該依賴關係作為權重計算得到在對象群體中每個對象相對的重要性，選取其中重要性高的對象作為資源配置對象。但是，這種方法的缺點是，重要性計算所依據的參數是有限的，得到的重要性指標並不能準確體現對象在群體中的業務影響力，使得按照該方法確定的業務對象不準確，如果將資源配置給這些對象，將無法實現收 益增加的效果。

有鑑於此，本發明提供一種對象選擇方法和裝置，以提高業務對象選擇的準確性。

具體地，本發明是透過如下技術方案實現的：

第一方面，提供一種對象選擇方法，所述方法包括：根據用於影響目標對象選擇的業務影響參數，分別對每兩個對象之間的基礎關係權重進行調整，得到新對象關係權重；根據對象群體中的各新對象關係權重，分別確定所述對象群體中的每個對象對應的傳播力值，所述對象群體包括多個對象；根據每個對象在業務中的業務活動參數，分別確定每個對象對應的活躍度值，所述活躍度值用於表示所述對象在業務中的參與程度；根據所述活躍度值和傳播力值，分別確定每個對象對應的影響力值，所述影響力值用於表示所述對象對其他對象的影響程度；選擇影響力值大於預設閾值的對象作為目標對象。

第二方面，提供一種對象選擇裝置，所述裝置包括：權重調整模組，用於根據用於影響目標對象選擇的業務影響參數，分別對每兩個對象之間的基礎關係權重進行調整，得到新對象關係權重； 傳播確定模組，用於根據對象群體中的各新對象關係權重，分別確定所述對象群體中的每個對象對應的傳播力值，所述對象群體包括多個對象；活躍確定模組，用於根據每個對象在業務中的業務活動參數，分別確定每個對象對應的活躍度值，所述活躍度值用於表示所述對象在業務中的參與程度；影響確定模組，用於根據所述活躍度值和傳播力值，分別確定每個對象對應的影響力值，所述影響力值用於表示所述對象對其他對象的影響程度；選擇處理模組，用於選擇影響力值大於預設閾值的對象作為目標對象。

本發明實施例的對象選擇方法和裝置，通過根據業務影響參數對基礎關係權重進行調整，使得傳播力值的計算更加準確，並且綜合考慮了對象的活躍度值，更加準確的確定對象的影響力，從而也使得根據該影響力選擇的目標對象更準確，提高了業務對象選擇的準確性。

101‧‧‧步驟

102‧‧‧步驟

103‧‧‧步驟

104‧‧‧步驟

105‧‧‧步驟

201‧‧‧步驟

202‧‧‧步驟

203‧‧‧步驟

204‧‧‧步驟

205‧‧‧步驟

206‧‧‧步驟

207‧‧‧步驟

208‧‧‧步驟

31‧‧‧權重調整模組

32‧‧‧傳播確定模組

33‧‧‧活躍確定模組

34‧‧‧影響確定模組

35‧‧‧選擇處理模組

311‧‧‧位址獲取單元

312‧‧‧參數設置單元

圖1為本發明實施例提供的一種對象選擇方法的流程示意圖；圖2為本發明實施例提供的另一種對象選擇方法的流程示意圖；圖3為本發明實施例提供的一種對象選擇裝置的結構示意圖； 圖4為本發明實施例提供的另一種對象選擇裝置的結構示意圖。

本申請實施例提供了一種選擇待分配資源的對象的方法，該方法可以由包括多個對象的對象群體中選擇出部分對象，該部分對象可以稱為目標對象，將業務資源(例如，資源可以是業務資訊，某商家在某預定時間段將執行促銷活動，該活動滿一定消費金額將進行優惠打折，或者該資源是直接的折扣卷，或者該資源是消費抵用卷等)分配至這些目標對象後，目標對象能夠根據業務資源進行業務推廣處理(例如，目標對象可以通過某種方式將業務資源分發給其他對象)，起到協助增加業務收益的效果(例如，較多的對象根據業務資源參加本次業務活動，將增加業務收益)；目標對象選擇的合適與否，直接關係到業務收益是否增加以及所分配的業務資源是否得到有效利用。

圖1示例了一種對象選擇方法，該方法可以包括如下處理：

在步驟101中，根據用於影響目標對象選擇的業務影響參數，分別對每兩個對象之間的基礎關係權重進行調整，得到新對象關係權重。

兩個對象之間的基礎關係權重是用於表示這兩個對象之間的交互黏性的一種度量參數。比如，如果兩個對象之間經常互相轉發博客，或者，相互經常聊天，或者，相互 之間多次發生轉帳操作等，說明這兩個對象的關係較為密切，基礎關係權重的數值可以較高；相反，如果兩個對象之間很少進行相互溝通和交流，其基礎關係權重的數值可以較低，以表明兩者關係疏遠。

本步驟中，可以對基礎關係權重進行調整，調整的方法是根據業務相關的業務影響參數。該業務影響參數的特點是，該參數是在選擇目標對象時需要考慮的一個重要參數，缺少該參數將影響到目標對象選擇的準確度，但是在基礎關係權重的計算時又未考慮該參數；因此，需要根據該業務影響參數對基礎關係權重進行調整，得到新對象關係權重。由於新對象關係權重已經融合了業務影響參數，可以更準確的反映兩個對象之間的關係。

在步驟102中，根據所述對象群體中的各新對象關係權重，分別確定所述對象群體中的每個對象對應的傳播力值。

本步驟中，每個對象的傳播力值，體現了該對象對其他對象的影響程度。比如，假設某個對象的傳播力值比較高，那就表明如果將業務資源配置給該對象，那麼該對象就很有可能將業務資源傳播至其他對象，並帶動其他對象來參與業務資源對應的業務活動，使得業務獲益。

例如，步驟101中已經計算得到了任意兩個對象之間的新對象關係權重，在根據這些新對象關係權重確定各對象分別對應的傳播力時，可以使用帶權PageRank演算法，新對象關係權重即為該帶權PageRank演算法中使用 到的權重。

在步驟103中，根據每個對象在業務中的業務活動參數，分別確定每個對象對應的活躍度值。

例如，本步驟計算的活躍度值是與上面的傳播力值並列的一個參數，每個對象都有對應的傳播力值和活躍度值。這裡的活躍度值可以是根據對象在業務中的業務活動參數確定，所述活躍度值用於表示所述對象在業務中的參與程度。如果對象積極參與業務，則其活躍度值較高；否則，活躍度值降低。

比如，可以根據某個對象在最近三個月去過幾個店鋪消費，消費的天數，消費的次數等，計算對象消費的活躍度值，這些參數可以體現對象的消費是否足夠活躍；如果對象經常去店鋪消費且光顧多個店鋪，其消費活躍度值相對較高，如果對象很少外出消費，其消費活躍度值相對較低。

在步驟104中，根據所述活躍度值和傳播力值，分別確定每個對象對應的影響力值。例如，本步驟計算的影響力值，也可以體現該對象對其他對象的影響程度，與傳播力值不同的是，影響力值是綜合根據傳播力值和活躍度值確定，這樣可以使得衡量對象的影響力更加準確。

在步驟105中，選擇影響力值大於預設閾值的對象作為目標對象。

本步驟中選擇影響力值大於預設閾值的對象，也可以有多種選擇方式。比如，可以設定一個影響力閾值，將影 響力值大於該閾值的對象都作為目標對象；或者，還可以將各個影響力值進行排序，將排在前N位的影響力值對應的對象作為目標對象，N可以是設定一個自然數，這種方式也可以看做是大於預設閾值的一種。在確定目標對象後，可以將業務資源配置給該對象。

本例子的對象選擇方法，通過根據業務影響參數對基礎關係權重進行調整，使得傳播力值的計算更加準確，並且綜合考慮了對象的活躍度值，更加準確的確定對象的影響力，從而也使得根據該影響力選擇的目標對象更準確，即所選擇的目標對象將可以更好的傳播業務資源，帶動業務收益的提高。

如下以一個餐飲業務中的行銷場景為例，來說明本申請實施例的對象選擇方法的應用。在該場景中，將涉及到幾個概念，預先解釋如下：網路行銷：是一種行銷手段，透過互聯網和社交網路針對部分使用者進行產品推廣，讓這部分使用者去消費並帶動其朋友消費。

影響力最大化：給定一個社交網路，網路上使用者之間的親密程度已知，該親密程度可以用關係權重來衡量，需要選擇k個種子使用者，使得這k個用戶影響其他用戶數量最多。本例子中，種子使用者可以稱為目標對象。

O2O：Online To Offline的簡稱，是一種線下商務模式，是指線上行銷及線上購買帶動線下的消費。

PageRank演算法：PageRank是Google用於網頁重要 性排名的演算法，演算法將網頁看成節點，將網頁對網頁的引用看成有向邊，其基本假設是一個節點(網頁)很重要是因為有很多重要的節點指向它，演算法通過反覆運算的方式來求解這種遞迴定義的重要性，初始時假設每個節點的重要性是一樣的，都為1，然後每個節點向它的鄰居均等地貢獻重要性，每個節點再將鄰居發過來的重要性累加起來作為自己新一輪的重要性，如此反覆運算下去，直到所有節點的重要性不再不變化。PageRank演算法每一輪更新節點重要性的公式如下：

p _i 表示新一輪反覆運算後節點i的PageRank值，

表示上一輪反覆運算節點j的PageRank值，w _ji 表示節點j到節點i的邊的歸一化權重，其值為節點j到節點i的邊權重除以所有以j為起點的邊權重之和，α是一個參數，一般取0.15。

帶權PageRank演算法：該演算法中，可以採用某種方法計算邊的權重，比如當節點表示用戶時，可以用一個用戶轉發另一個用戶的博客的數量作為邊的權重。

在餐飲業務中的行銷場景中，假設給定一批用戶群，要從中篩選出k個用戶作為種子用戶，以使得這一批用戶影響的用戶更多，比如某個餐飲店鋪，打算給10位發送優惠券，請他們來吃飯，希望借助他們的影響力，能帶來 更多朋友來這個餐館消費。這種場景就是一種O2O模式的網路行銷手段，並且通過選擇種子用戶發送優惠券可以實現影響力最大化。那麼透過本例子的對象選擇方法，將可以篩選出這10個有影響力的種子用戶。本例子將種子使用者稱為目標對象，且將發送給種子用戶的優惠券稱為業務資源。

在種子使用者即目標對象的選擇中，需要有效度量該使用者在社交網路上的影響力，上述餐廳優惠券發放的例子中，用戶影響力的準確確定，涉及到多方面因素，比如，用戶之間的交互關係程度，某兩個用戶之間是否經常互相轉發博客，或者是否經常聊天等；同時，還有一個重要因素關係到影響力的確定，即用戶的地理位置，該地理位置相關的參數即為能夠影響目標對象選擇的業務影響參數。例如，用戶A在北京，而用戶B在香港，雖然A和B經常交互，關係權重很大，但A轉發北京某個餐廳的廣告時，B雖然看到了，但B去這個餐廳的可能性非常小，因此地理位置是一個在餐廳優惠券發放的例子中很重要的業務影響參數。當然在其他的業務場景中，可以根據業務特點使用其他的業務影響參數來衡量對象之間的關係權重。

圖2示例了一種對象選擇方法的流程，可以通過該方法選擇餐廳優惠券發放的場景中所需要的目標對象。如下的方法並不限制各個步驟之間的執行順序。該方法可以由某個資料處理設備執行，如圖2所示，該方法可以包括：

在步驟201中，計算每兩個對象之間的基礎關係權重。

例如，本例子中的對象群體包括很多的使用者，計算每兩個對象的基礎關係權重即任意兩個用戶間的權重，兩個用戶間的基礎關係權重可以用於表示這兩個用戶之間的關係強弱。

該基礎關係權重的計算，可以依據的參數包括：雙方聊天的次數、點贊的次數、轉發微博的次數、轉帳的次數和金額等。資料處理設備可以獲取上述的參數，例如，轉帳的次數和金額可以由支付伺服器獲取，支付伺服器可以儲存有使用者轉帳時的歷史資料；又例如，雙方聊天的次數可以根據即時通訊伺服器儲存的資料獲取。資料處理設備可以綜合這些參數計算兩個用戶之間的基礎關係權重。如果將所計算的兩個用戶用i和j表示，其對應的基礎關係權重可以用W<i,j>表示。

在步驟202中，根據對象在業務中的位址資訊，確定所述對象的活躍地，並獲取對象在業務中記錄的籍貫地。

使用者在使用互聯網系統時，會留下很多位置資訊，例如，上網所使用的終端的IP位址、使用者在下單購物時所填寫的收貨地址等。資料處理設備可以獲取上述使用者在進行業務時的位址資訊，比如IP位址對應的城市，收貨地址對應的城市等。可以將出現次數最多的城市作為用戶的活躍地。此外，資料處理設備還可以獲取使用者在業務中記錄的籍貫地，有些業務需要使用者輸入其籍貫 地。

在步驟203中，根據對象的活躍地和籍貫地，確定地理位置係數。

本步驟中，可以設定一個參數即地理位置係數，該係數可以用於表示兩個用戶之間的地理位置關係；該地理位置係數值的設置，可以根據兩個對象的活躍地和籍貫地的相同與否來設置。比如，如果兩個用戶的活躍地和籍貫地相同，則設置地理位置係數值最高，如果兩個用戶的活躍地和籍貫地至少一個不同，設置地理位置係數值降低。當然也可以有其他的地理位置係數值的設置方式，只要能體現對象的活躍地和籍貫地的關係即可。

舉例如下：在O2O的場景下，用戶的影響力是受地理位置限制的，在同城的朋友更容易相互影響，假設用戶A的活躍城市和籍貫城市都是杭州，他有三個朋友，B(活躍城市在杭州)、C(活躍城市在北京，籍貫城市在杭州)、D(活躍城市和籍貫城市都在北京)。某天用戶A在杭州某家餐館吃飯之後，感覺口味和環境非常好，就在生活圈分享了這家店，他在杭州的朋友B看到了，週末很可能也會去嘗一嘗，但他在北京的朋友C和D卻不太可能去吃，用戶A對他的同城朋友影響更大。C與D之間比較，C去這家餐館的概率更大一些，因為C的籍貫地在杭州，說明C的老家在杭州，逢年過節C可能會去杭州，受A的推薦影響也可能會去這家店吃一餐。D去杭州的可能性很低，但是也不是沒有可能，比如出差、旅遊去 杭州。

在上面的例子中，可以根據兩個使用者之間的地理位置關係，設置地理位置係數值。例如，假設地理位置係數為p，對於用戶A和用戶B，設置這兩個用戶對應的p為1；將用戶A和用戶C之間的p設為0.2，將用戶A和用戶D之間的p設為0.02。即，本例子中的地理位置係數p的取值可以按照如下原則：p=1.0：用戶i與j的活躍城市相同，即i和j經常在一個城市；p=0.2：兩個用戶籍貫城市相同，或者一個用戶的活躍城市與另一個用戶的籍貫城市相同；p=0.02：兩個用戶的籍貫城市和活躍城市都不同。

在步驟204中，透過所述地理位置係數值，對所述基礎關係權重進行調整，得到調整後的所述新對象關係權重。

在步驟201計算得到的基礎關係權重的基礎上，本例子可以利用步驟203得到的地理位置係數對兩個對象的基礎關係權重進行調整。例如，假設將調整後得到的權重稱為新對象關係權重，並用R<i,j>表示用戶i和使用者j之間的新對象關係權重，則調整方式如下：R<i,j>=W<i,j>* p

即新對象關係權重可以為基礎關係權重與地理位置係數的乘積。但是，本實施例並不局限於此種調整方式，也可以採用根據地理位置係數進行調整的其他調整公式。例 如，如果將p設置為1，則調整後的權重與基礎關係權重相同；如果將p設置為0.2，即新對象關係權重降低為基礎關係權重的20%；如果將p設置為0.02，即新對象關係權重降低為基礎關係權重的2%。

在步驟205中，根據所述對象群體中的各新對象關係權重，分別確定所述對象群體中的每個對象對應的傳播力值。

本步驟中，可以將調整後的新對象關係權重R<i，j>歸一化，構建一個帶權網路，使用帶權PageRank演算法計算得到每個使用者的傳播力Transmissibility。即使用步驟204中得到的新對象關係權重，按照PageRank演算法中提到的節點重要性更新公式計算，就可以得到傳播力Transmissibility。

在步驟206中，根據每個對象在業務中的業務活動參數，分別確定每個對象對應的活躍度值。

本例子要選擇的種子用戶可以是在O2O領域比較活躍的用戶，這樣他才有可能走進餐館去消費，進而影響他的周圍朋友去消費，如果他自己是很少去外面餐館吃飯，總是在家吃飯，那麼優惠券很難打動他，更不要說讓他影響他的朋友去餐館消費了。因此，本步驟要確定使用者的活躍度值。

例如，可以按照如下方法計算活躍度值：可以獲取最近3個月用戶線上下消費的次數和商家個數等資訊，並按照如下公式計算活躍度值Active： Active=消費商家數*消費天數*log(消費次數)

根據上面的公式，只有持續多次去多家店鋪消費的用戶的活躍度才會很高，這種用戶也更有可能去影響其他人消費。

在步驟207中，根據所述活躍度值和傳播力值，分別確定每個對象對應的影響力值。

本步驟中將綜合根據活躍度值和傳播力值，確定對象的影響力值；只有活躍度值和傳播力值都很高的用戶，才有可能是影響力高的用戶。本例子中，在影響力值的確定中，設置所述活躍度值對影響力值計算的權重，低於傳播力值對影響力值計算的權重。這種影響的不同可以通過如下方式體現：例如，可以將活躍度Active歸一化為[1,50]，將傳播力值Transmissibility歸一化到[1,1000]，然後透過如下公式計算對應的影響力值Influence：Influence=Transmissibility* Active

上述例子中，活躍度對影響力的影響，比傳播力值對影響力值計算的影響要低。比如，一個1天去餐館消費一次的用戶A和一個1天去餐館消費4次的用戶，評價其影響力，區別並不是很明顯；而傳播力卻不同，對一個很少在社交網路上發言的普通使用者來說，他的傳播力幾乎可 以忽略不計，與高傳播力用戶之間的差距可以是千倍以上。

在步驟208中，選擇影響力值大於預設閾值的對象作為目標對象。

本例子對帶權PageRank演算法進行了改進，不僅對該演算法中的權重進行了調整，將用戶的地理位置融入了關係權重的計算中，並且還綜合根據了使用者的活躍度值，能更加有效的度量用戶在O2O領域的影響力，選擇影響力高的用戶來分配資源，能夠取得更好的業務收益。

為了實現上述的對象選擇方法，本申請實施例還提供了一種對象選擇裝置，如圖3所示，該裝置可以包括：權重調整模組31、傳播確定模組32、活躍確定模組33、影響確定模組34和選擇處理模組35。

權重調整模組31，用於根據用於影響目標對象選擇的業務影響參數，分別對每兩個對象之間的基礎關係權重進行調整，得到新對象關係權重；傳播確定模組32，用於根據對象群體中的各新對象關係權重，分別確定所述對象群體中的每個對象對應的傳播力值，所述對象群體包括多個對象；活躍確定模組33，用於根據每個對象在業務中的業務活動參數，分別確定每個對象對應的活躍度值，所述活躍度值用於表示對象在業務中的參與程度；影響確定模組34，用於根據所述活躍度值和傳播力值，分別確定每個對象對應的影響力值，所述影響力值用 於表示所述對象對其他對象的影響程度；選擇處理模組35，用於選擇影響力值大於預設閾值的對象作為目標對象。

在一個例子中，權重調整模組31，具體用於根據兩個對象之間的地理位置關係，確定地理位置係數值，所述地理位置係數值作為所述業務影響參數；通過所述地理位置係數值，對所述基礎關係權重進行調整，得到調整後的所述新對象關係權重。

在一個例子中，如圖4所示，權重調整模組31可以包括：位址獲取單元311，用於根據所述對象在業務中的位址資訊，確定所述對象的活躍地，並獲取所述對象在業務中記錄的籍貫地；參數設置單元312，用於根據所述兩個對象的活躍地和籍貫地相同與否，設置不同的地理位置係數值。

在一個例子中，影響確定模組34，用於在所述影響力值的確定中，設置所述活躍度值對影響力值計算的權重，低於傳播力值對影響力值計算的權重。

在一個例子中，所述每個對象對應的傳播力值，採用帶權PageRank演算法確定。

以上所述僅為本發明的較佳實施例而已，並不用以限制本發明，凡在本發明的精神和原則之內，所做的任何修改、等同替換、改進等，均應包含在本發明保護的範圍之內。

Claims (10)

1. 一種對象選擇方法，其特徵在於，該方法包括：根據用於影響目標對象選擇的業務影響參數，分別對每兩個對象之間的基礎關係權重進行調整，得到新對象關係權重；根據對象群體中的各新對象關係權重，分別確定該對象群體中的每個對象對應的傳播力值，該對象群體包括多個對象；根據每個對象在業務中的業務活動參數，分別確定每個對象對應的活躍度值，該活躍度值用於表示該對象在業務中的參與程度；根據該活躍度值和傳播力值，分別確定每個對象對應的影響力值，該影響力值用於表示該對象對其他對象的影響程度；選擇影響力值大於預設閾值的對象作為目標對象。
2. 根據申請專利範圍第1項所述的方法，其中，所述根據用於影響目標對象選擇的業務影響參數，分別對每兩個對象之間的基礎關係權重進行調整，得到新對象關係權重，包括：根據兩個對象之間的地理位置關係，確定地理位置係數值，該地理位置係數值作為該業務影響參數；通過該地理位置係數值，對該基礎關係權重進行調 整，得到調整後的該新對象關係權重。
3. 根據申請專利範圍第2項所述的方法，其中，所述根據兩個對象之間的地理位置關係，確定地理位置係數值，包括：根據該對象在業務中的位址資訊，確定該對象的活躍地，並獲取該對象在業務中記錄的籍貫地；根據該兩個對象的活躍地和籍貫地相同與否，設置不同的地理位置係數值。
4. 根據申請專利範圍第1項所述的方法，其中，該根據該活躍度值和傳播力值，分別確定每個對象對應的影響力值，包括：在該影響力值的確定中，設置該活躍度值對影響力值計算的權重，低於傳播力值對影響力值計算的權重。
5. 根據申請專利範圍第1至4項中任一項所述的方法，其中，所述每個對象對應的傳播力值，採用帶權PageRank演算法確定。
6. 一種對象選擇裝置，其特徵在於，該裝置包括：權重調整模組，用於根據用於影響目標對象選擇的業務影響參數，分別對每兩個對象之間的基礎關係權重進行調整，得到新對象關係權重； 傳播確定模組，用於根據對象群體中的各新對象關係權重，分別確定該對象群體中的每個對象對應的傳播力值，該對象群體包括多個對象；活躍確定模組，用於根據每個對象在業務中的業務活動參數，分別確定每個對象對應的活躍度值，該活躍度值用於表示該對象在業務中的參與程度；影響確定模組，用於根據該活躍度值和傳播力值，分別確定每個對象對應的影響力值，該影響力值用於表示該對象對其他對象的影響程度；選擇處理模組，用於選擇影響力值大於預設閾值的對象作為目標對象。
7. 根據申請專利範圍第6項所述的裝置，其中，該權重調整模組，具體用於根據兩個對象之間的地理位置關係，確定地理位置係數值，該地理位置係數值作為該業務影響參數；透過該地理位置係數值，對該基礎關係權重進行調整，得到調整後的該新對象關係權重。
8. 根據申請專利範圍第7項所述的裝置，其中，該權重調整模組包括：位址獲取單元，用於根據該對象在業務中的位址資訊，確定該對象的活躍地，並獲取該對象在業務中記錄的籍貫地；參數設置單元，用於根據該兩個對象的活躍地和籍貫 地相同與否，設置不同的地理位置係數值。
9. 根據申請專利範圍第6項所述的裝置，其中，該影響確定模組，用於在該影響力值的確定中，設置該活躍度值對影響力值計算的權重，低於傳播力值對影響力值計算的權重。
10. 根據申請專利範圍第6至9項中任一項所述的裝置，其中，所述每個對象對應的傳播力值，採用帶權PageRank演算法確定。