WO2019227650A1 - 一种埋点数据的分析方法、终端设备及计算机可读存储介质 - Google Patents
一种埋点数据的分析方法、终端设备及计算机可读存储介质 Download PDFInfo
- Publication number
- WO2019227650A1 WO2019227650A1 PCT/CN2018/097448 CN2018097448W WO2019227650A1 WO 2019227650 A1 WO2019227650 A1 WO 2019227650A1 CN 2018097448 W CN2018097448 W CN 2018097448W WO 2019227650 A1 WO2019227650 A1 WO 2019227650A1
- Authority
- WO
- WIPO (PCT)
- Prior art keywords
- data
- data item
- measured object
- type identifier
- support
- 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.)
- Ceased
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/34—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment
- G06F11/3438—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment monitoring of user actions
Definitions
- the present application belongs to the technical field of data processing, and particularly relates to a method and a device for analyzing buried point data.
- the embodiments of the present application provide a method and a device for analyzing buried point data, so as to solve the problem of analyzing user data at a certain point in the prior art alone, which causes the limitation of data analysis, and cannot comprehensively monitor the entire use process. .
- the first aspect provides a method for analyzing buried point data, including:
- the measured object includes an application program or a web page
- a terminal device including:
- a buried point data obtaining unit is configured to obtain buried point data of a measured object, where the measured object includes an application program or a web page.
- An actual data determining unit is configured to determine an actual usage period of the measured object, and identify buried point data within the actual usage period as actual application data.
- the associated data determining unit is configured to determine the associated data in the actual application data according to a preset model.
- An associated data analysis unit is configured to analyze the associated data to obtain operation information of the measured object or user usage information of the measured object.
- a server which includes a memory, a processor, and computer-readable instructions stored in the memory and executable on the processor, wherein the processor executes the computer-readable instructions. The following steps are implemented when reading instructions:
- the measured object includes an application program or a web page
- a computer-readable storage medium stores computer-readable instructions, and is characterized in that, when the computer-readable instructions are executed by a processor, the following steps are implemented:
- the measured object includes an application program or a web page
- Implementation of a method and device for analyzing buried point data has the following beneficial effects: determining the actual usage period of the measured object by acquiring the buried point data, and the associated data within the actual usage period, and analyzing the correlation through analysis
- the data obtains the behavior of users and the running status of the software within the entire actual use time, and achieves complete and comprehensive data statistics and analysis, which improves the consistency of user behavior analysis and improves the traceability of web pages or applications.
- Embodiment 1 is a flowchart of a method for analyzing buried point data provided in Embodiment 1 of the present application;
- FIG. 2 is a flowchart of a method for analyzing buried point data provided in Embodiment 2 of the present application;
- FIG. 3 is a schematic diagram of an actual use period provided in Embodiment 2 of the present application.
- FIG. 5 is a schematic diagram of a terminal device provided in Embodiment 4 of the present application.
- FIG. 6 is a schematic diagram of a terminal device provided in Embodiment 5 of the present application.
- the embodiment of the present application obtains related data through buried point data to analyze the related data, and obtains user behavior and software running status during a certain period of time during an operation, and solves the problem of obtaining data based on a single buried point.
- the obtained operation information alone analyzes user data at a certain point, which causes the limitation of data analysis, and it is not possible to comprehensively monitor the entire use process.
- FIG. 1 shows a flowchart of a method for controlling a terminal device according to a first embodiment of the present application, which is detailed as follows:
- the buried point data of the measured object is acquired; the measured object includes an application program or a web page.
- Buried point is a method of data collection when analyzing the measured object. By burying the point in the program of the measured object, you can obtain the operating data of the measured object, and then analyze these data to obtain the operation of the measured object. Situation, or user habits when the user uses the measured object.
- the software development kit (SDK) of the third-party data analysis service provider is also initialized, and then when an event occurs, the corresponding SDK is called.
- the data sending interface sends data. For example, if you need to count the number of clicks on a button in the application, when the button is clicked, the data sending interface provided by the SDK is called in the OnClick function corresponding to the button to send data.
- one or more fixed times can be set to obtain the buried point data; an acquisition cycle can also be set to periodically obtain the buried point data; Detect whether the network status at the current moment is congested. According to the amount of generated buried point data, choose to obtain the buried point data when the network status is good, which is not limited here.
- the measured object in this embodiment may be an application in a computer or a terminal device, or may be a web page therein, which is not limited herein.
- the actual use period of the measured object is determined, and the buried point data within the actual use period is identified as the actual application data.
- the measured object may have been generating buried point data during actual operation. If the buried point data has a large amount of data and there is a lot of redundant data, it often causes interference to the analysis process and affects the analysis result of the buried point data. For example, when a measured object is turned on and no operation is performed, buried point data may be generated, and these buried point data are redundant data. Optionally, these redundant data can be directly deleted to ensure the simplification of the buried data and improve the efficiency of data transmission and processing.
- the actual use period of the measured object is determined according to the attributes of the buried point data, so as to identify the buried point data within the use period as the actual application data, thereby ensuring the validity of the data analysis.
- Each buried point data has a time stamp. This time stamp is used to determine the time when the buried point data was generated. By identifying the changing characteristics of the buried point data, the actual use time of the measured object is determined, and according to the actual use time and the time mark of the buried point data, the buried point data within the actual use time is intercepted. These intercepted data Is the actual application data.
- the associated data in the actual application data is determined according to a preset model.
- the actual application data exists independently, for example, the click time of a button in the application, the user clicks of a video, etc., are not affected by other types of data, and it is impossible to directly determine which data There may be associations between them.
- the associated data is analyzed to obtain operation information of the measured object or user usage information of the measured object.
- association analysis After determining the associated data, perform an association analysis on the associated data.
- the method of association analysis may be linear regression analysis, principal component analysis, canonical correlation analysis, discriminant analysis, cluster analysis, Bayesian statistical analysis, or analysis through statistical analysis software, which is not limited here.
- the click time of a button in the application and the number of clicks in a certain period of time can be correlated to obtain the application.
- Information such as the click rate and peak time of a button of the program is used to evaluate whether the functional attributes corresponding to the button meet the user needs or user usage rate; the user clicks, viewing time or Watch the video segments repeatedly to correlate to get the user preference, user type or video focus of this video.
- a method for analyzing buried point data obtained by performing buried points on a measured object to determine an actual usage period of the measured object and an association within the actual usage period.
- Data through analysis of related data, to obtain user behavior and software operating status within the entire actual use time, to achieve complete and comprehensive data statistics and analysis, and improve the consistency and traceability of user behavior analysis.
- FIG. 2 shows a specific implementation flowchart of a buried point data analysis method S102 provided by a second embodiment of the present application.
- S102 includes S201 to S202, and details are as follows:
- the use time of the user using the measured object is determined according to the user's operation behavior. Determine the actual use period of the measured object in any of the following time periods: the time period from the start of the measured object to the terminal lock screen running the measured object, from the start of the measured object to the measured The time period between switching to the background and the time period from when the measured object starts to when it is closed.
- a preset time threshold is set here for This time is used to intercept the actual usage period of the measured object.
- the terminal here may be a device such as a mobile phone, a tablet computer, or a computer, which is not limited here.
- the time threshold is set to half a minute, and the time threshold may also be set according to the setting of the terminal, the running condition of the measured object, or the usage of the user, which is not limited here.
- the buried point data of the time mark in the actual use period is identified as the actual application data.
- the buried point data of the time mark in the actual use period is identified as the actual application data according to the time mark of the buried point data and the start and end points of the actual use time.
- the actual usage data of the measured object during the used process is more accurately determined, reducing data redundancy, improving the accuracy of data analysis, and then obtaining accuracy User behavior parameters or application running conditions.
- FIG. 4 shows a specific implementation flowchart of a buried point data analysis method S103 provided by a third embodiment of the present application.
- S103 includes S401 to S404, and details are as follows:
- the number of data items of each data item corresponding to the type identification is counted according to the type identification of each data item in the actual application data.
- Each data item of the actual application data has its own type identifier, and the type can be named according to the attributes of the data item, for example, the click time of a button, the number of clicks, or the viewing time of a video.
- the number of data items is obtained by counting the data items of the same type according to the type identification of the data items of the actual application data, so as to determine the frequency of occurrence of such data in the actual use time by the number of data items.
- the degree of support between the first data item corresponding to the first type identifier and the second data item corresponding to the second type identifier in the data item is calculated according to the number of data items.
- the data item corresponding to the first type identifier is the first data item
- the data item corresponding to the second type identifier is the second data item.
- the degree of support is used to measure the frequency relationship between the first data item and the second data item in the data item.
- step S402 may include:
- the previous item support degree between the first data item corresponding to the first type identifier and the second data item corresponding to the second type identifier in the data items is calculated according to the following formula:
- the association support between the first data item corresponding to the first type identifier and the second data item corresponding to the second type identifier in the data items is calculated according to the following formula:
- support_count (A) is used to indicate the number of data items of the first data item corresponding to the first type identifier;
- support_count (N) is used to indicate the total number of data items of the data items corresponding to all type identifiers;
- support_count (A ⁇ B) The number of data items used to indicate data items that the first type identifier and the second type identifier correspond to.
- the two buttons in the tested application are the first button and the second button, respectively
- the number of pushes in the actual application time is recorded as the first data item and the second data item, respectively.
- the data items correspond to the first type identifier and the second type identifier, respectively.
- the support of the previous item is used to measure the proportion of the first data item in the total data item, that is, the proportion of the number of button presses in the total number of button presses; it is determined that the first type identifier and the second type identifier correspond to each other.
- the number of data items of a data item, and the ratio of the number of data items to the total number of data items is calculated as the correlation support degree.
- the correlation support degree is used to measure the proportion of the number of items in which the actions corresponding to the first data item and the second data item occur together in the total number of button presses.
- the corresponding confidence degree is calculated according to the support degree between the first data item and the second data item.
- the confidence level between the first data item and the second data item is determined, and the confidence level is used to reflect whether or when B appears, or how likely it is. If the degree of confidence is 100%, A and B are inevitable. If the confidence level is too low, it means that the occurrence of A is not related to the occurrence of B, that is, there is no correlation between the two data items.
- the strength of the association relationship between the first data item and the second data item is determined by measuring the size of the confidence level.
- a confidence threshold is set to measure the strength of the association relationship between the first data item and the second data item. Specifically, if the confidence level is greater than or equal to the confidence level threshold, the data in the first data item and the second data item are strongly related, and the data in the first data item and the second data item are the associated data; If the confidence is less than the confidence threshold, the data in the first data item and the second data item are more related, and the data in the first data item and the second data item are not associated data.
- the degree of correlation between different data items can be determined, and then the data items with a higher degree of correlation are determined as related data items, and the correlation analysis between these data items To ensure the completeness and comprehensiveness of the buried point data analysis process and results.
- FIG. 5 illustrates a terminal device provided in Embodiment 4 of the present application, and each unit included in the apparatus is configured to execute steps in the embodiment corresponding to FIG. 1.
- FIG. 5 illustrates a terminal device provided in Embodiment 4 of the present application, and each unit included in the apparatus is configured to execute steps in the embodiment corresponding to FIG. 1.
- FIG. 5 illustrates a terminal device provided in Embodiment 4 of the present application, and each unit included in the apparatus is configured to execute steps in the embodiment corresponding to FIG. 1.
- FIG. 5 illustrates a terminal device provided in Embodiment 4 of the present application, and each unit included in the apparatus is configured to execute steps in the embodiment corresponding to FIG. 1.
- FIG. 5 illustrates a terminal device provided in Embodiment 4 of the present application, and each unit included in the apparatus is configured to execute steps in the embodiment corresponding to FIG. 1.
- the terminal device includes:
- the buried point data obtaining unit 501 is configured to obtain buried point data of a measured object, where the measured object includes an application program or a web page.
- the actual data determining unit 502 is configured to determine an actual usage period of the measured object, and identify buried point data within the actual usage period as actual application data.
- the associated data determining unit 503 is configured to determine the associated data in the actual application data according to a preset model.
- An associated data analysis unit 504 is configured to analyze the associated data to obtain operation information of the measured object or user usage information of the measured object.
- the actual data determining unit 502 may include:
- the use period determining unit is configured to: according to a time period from when the measured object starts to a terminal lock screen running the measured object, a time period from the measured object starts to being switched to a background, and from The time period between the start of the measured object and its shutdown determines the actual use period of the measured object.
- An actual data identifying unit is configured to identify, according to a time identifier of the buried point data, the buried point data of the time identifier in the actual usage period as the actual application data.
- the associated data determination unit 503 may include:
- the item number technology unit is configured to count the number of data items corresponding to each data item according to the type identifier of each data item in the actual application data.
- a support unit is configured to calculate a support degree between a first data item corresponding to a first type identifier and a second data item corresponding to a second type identifier according to the number of data items.
- the confidence degree unit is configured to calculate a corresponding confidence degree according to the support degree between the first data item and the second data item.
- An associated data unit is configured to identify, as the associated data, data in the first data item and the second data item with a confidence level greater than or equal to a preset confidence level threshold.
- the support unit may include:
- the preceding item support unit is configured to calculate the preceding item support degree between the first data item corresponding to the first type identifier and the second data item corresponding to the second type identifier in the data item according to the following formula:
- An association support unit is configured to calculate an association support degree between a first data item corresponding to a first type identifier and a second data item corresponding to a second type identifier in the data item according to the following formula:
- support_count (A) is used to indicate the number of data items of the first data item corresponding to the first type identifier;
- support_count (N) is used to indicate the total number of data items of the data items corresponding to all type identifiers;
- support_count (A ⁇ B) The number of data items used to indicate data items that the first type identifier and the second type identifier correspond to.
- the confidence unit may include:
- the confidence calculation unit is configured to calculate a confidence between the first data item and the second data item according to the following formula:
- the terminal device provided in the embodiment of the present application can determine the actual usage period of the measured object and the associated data within the actual usage period by obtaining the buried point data, and obtain the users within the entire actual usage time by analyzing the associated data.
- the behavior and the running status of the software achieve complete and comprehensive data statistics and analysis, which improves the consistency and traceability of user behavior analysis.
- FIG. 6 is a schematic diagram of a terminal device provided in Embodiment 5 of the present application.
- the terminal device 6 of this embodiment includes a processor 60, a memory 61, and a computer program 62 stored in the memory 61 and executable on the processor 60, such as a calculation program for confidence.
- the processor 60 executes the computer program 62
- the steps in the embodiment of the method for analyzing buried point data are implemented, such as S101 to S104 shown in FIG.
- functions of each unit in the foregoing device embodiments are implemented, for example, functions of modules 501 to 504 shown in FIG. 5.
- the computer program 62 may be divided into one or more units, and the one or more units are stored in the memory 61 and executed by the processor 60 to complete the present application.
- the one or more units may be a series of computer program instruction segments capable of performing specific functions, and the instruction segments are used to describe an execution process of the computer program 62 in the terminal device 6.
- the computer program 62 can be divided into a buried point data acquisition unit, an actual data determination unit, a related data determination unit, and an associated data analysis unit.
- the specific functions of each unit are as follows:
- a buried point data obtaining unit is configured to obtain buried point data of a measured object, where the measured object includes an application program or a web page.
- An actual data determining unit is configured to determine an actual usage period of the measured object, and identify buried point data within the actual usage period as actual application data.
- the associated data determining unit is configured to determine the associated data in the actual application data according to a preset model.
- An associated data analysis unit is configured to analyze the associated data to obtain operation information of the measured object or user usage information of the measured object.
- the terminal device may include, but is not limited to, a processor 60 and a memory 61.
- FIG. 6 is only an example of the terminal device 6, and does not constitute a limitation on the terminal device 6, and may include more or less components than shown in the figure, or combine some components or different components.
- the terminal device may further include an input / output device, a network access device, a bus, and the like.
- the so-called processor 60 may be a central processing unit (CPU), or other general-purpose processors, digital signal processors (DSPs), application specific integrated circuits (ASICs), Ready-made programmable gate array (Field-Programmable Gate Array, FPGA) or other programmable logic devices, discrete gate or transistor logic devices, discrete hardware components, etc.
- a general-purpose processor may be a microprocessor or the processor may be any conventional processor or the like.
- the memory 61 may be an internal storage unit of the terminal device 6, such as a hard disk or a memory of the terminal device 6.
- the memory 61 may also be an external storage device of the terminal device 6, such as a plug-in hard disk, a Smart Media Card (SMC), and a Secure Digital (SD) provided on the terminal device 6. Cards, flash cards, etc. Further, the memory 61 may further include both an internal storage unit of the terminal device 6 and an external storage device.
- the memory 61 is configured to store the computer program and other programs and data required by the terminal device 6.
- the memory 61 may also be used to temporarily store data that has been output or is to be output.
Landscapes
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Debugging And Monitoring (AREA)
Abstract
一种埋点数据的分析方法及装置，包括：获取被测对象的埋点数据(S101)；所述被测对象包括应用程序或网页；确定所述被测对象的实际使用时段，并将所述实际使用时段之内的埋点数据识别为实际应用数据(S102)；根据预设模型确定所述实际应用数据中的关联数据(S103)；对所述关联数据进行分析，得到所述被测对象的运行信息或者所述被测对象的用户使用信息(S104)。通过分析关联数据得到整个实际使用时间之内的用户行为情况和软件的运行状态情况，实现完整、全面的数据统计与分析，提高了用户行为分析的连贯性和可追踪性。
Description
本申请申明享有2018年4月9日递交的申请号为201810554442.9、名称为“一种埋点数据的分析方法及装置”中国专利申请的优先权，该中国专利申请的整体内容以参考的方式结合在本申请中。
本申请属于数据处理技术领域，尤其涉及一种埋点数据的分析方法及装置。
在应用程序(Application，App)或者网页中进行埋点便可以获取到用户在使用过程中的操作信息，通过在App代码中加入与信息搜集相关的代码，在适当的时机发送给服务器，服务器通过数据建模等方法确定用户的具体动作。例如，如果开发者想要知道用户使用某个软件的情况，那么在软件的某个按钮的监听函数中加上一段代码，用一个变量记下用户点击该按钮的次数，然后通过合理的时机将这个变量的值传给该软件后台的服务器，服务器对这些变量的值进行分析，便可确定出用户打开软件之后的具体动作。
但是，现有技术中在获取到用户的应用数据之后，只是根据埋点处获取到的操作信息单独分析某一点处的用户数据，尤其是当App或者网页的功能较复杂、用户数量技术较大的情况下，不能对整个使用过程进行全面的监控，造成数据分析的局限性。
本申请实施例提供了一种埋点数据的分析方法及装置，以解决现有技术中单独分析某一点处的用户数据，造成数据分析的局限性，而不能对整个使用过程进行全面监控的问题。
第一方面，提供了一种埋点数据的分析方法，包括：
获取被测对象的埋点数据；所述被测对象包括应用程序或网页；
确定所述被测对象的实际使用时段，并将所述实际使用时段之内的埋点数据识别为实际应用数据；
根据预设模型确定所述实际应用数据中的关联数据；
对所述关联数据进行分析，得到所述被测对象的运行信息或者所述被测对象的用户使用信息。
第二方面，提供了一种终端设备，包括：
埋点数据获取单元，用于获取被测对象的埋点数据；所述被测对象包括应用程序或网页。
实际数据确定单元，用于确定所述被测对象的实际使用时段，并将所述实际使用时段之内的埋点数据识别为实际应用数据。
关联数据确定单元，用于根据预设模型确定所述实际应用数据中的关联数据。
关联数据分析单元，用于对所述关联数据进行分析，得到所述被测对象的运行信息或者所述被测对象的用户使用信息。
第三方面，提供了一种服务器，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机可读指令，其特征在于，所述处理器执行所述计算机可读指令时实现如下步骤：
获取被测对象的埋点数据；所述被测对象包括应用程序或网页；
确定所述被测对象的实际使用时段，并将所述实际使用时段之内的埋点数据识别为实际应用数据；
根据预设模型确定所述实际应用数据中的关联数据；
对所述关联数据进行分析，得到所述被测对象的运行信息或者所述被测对象的用户使用信息。
第四方面，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可读指令，其特征在于，所述计算机可读指令被处理器执行时实现如下步骤：
获取被测对象的埋点数据；所述被测对象包括应用程序或网页；
确定所述被测对象的实际使用时段，并将所述实际使用时段之内的埋点数据识别为实际应用数据；
根据预设模型确定所述实际应用数据中的关联数据；
对所述关联数据进行分析，得到所述被测对象的运行信息或者所述被测对象的用户使用信息。
实施本申请实施例提供的一种埋点数据的分析方法及装置具有以下有益效果：通过获取埋点数据确定被测对象的实际使用时段，以及该实际使用时段之内的关联数据，通过分 析关联数据得到整个实际使用时间之内的用户行为情况和软件的运行状态情况，实现完整、全面的数据统计与分析，提高了用户行为分析的连贯性，以提高网页或者应用程序的可追踪性。
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例或现有技术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性的前提下，还可以根据这些附图获得其他的附图。
图1是本申请实施例一提供的埋点数据的分析方法的流程图；
图2是本申请实施例二提供的埋点数据的分析方法的流程图；
图3是本申请实施例二提供的实际使用时段的示意图；
图4是本申请实施例三提供的埋点数据的分析方法的流程图；
图5是本申请实施例四提供的终端设备的示意图；
图6是本申请实施例五提供的终端设备的示意图。
为了使本申请的目的、技术方案及优点更加清楚明白，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。
本申请实施例通过埋点数据得到关联数据，以对关联数据进行分析，得到整个时间段之内、某一操作过程中的用户行为情况和软件的运行状态情况，解决了根据单一埋点处获取到的操作信息单独分析某一点处的用户数据，造成数据分析的局限性，而不能对整个使用过程进行全面监控的问题。
实施例1
在本申请实施例中，流程的执行主体为计算机、服务器等终端设备，但并不限于此，该终端设备具有分析埋点数据的功能。图1示出了本申请第一实施例提供的终端设备的控制方法的实现流程图，详述如下：
在S101中，获取被测对象的埋点数据；所述被测对象包括应用程序或网页。
埋点是分析被测对象时的一种数据采集方法，通过在被测对象的程序中进行埋点可以 获取到被测对象的运行数据，再对这些数据进行分析便可以得到被测对象的运行情况，或者用户使用该被测对象时的用户习惯等。
示例性地，在实际应用中，在应用程序的界面初始化时，同时初始化第三方数据分析服务商的软件开发工具包(Software Development Kit，SDK)，然后在某个事件发生时就调用SDK里面相应的数据发送接口发送数据。例如，若需要统计应用程序里面某个按钮的点击次数，则在这个按钮被点击时，在按钮对应的点击鼠标OnClick函数里面调用SDK提供的数据发送接口来发送数据。
进一步的，在实际获取被测对象的埋点数据时，可以是设定一个或者多个固定的时间来获取埋点数据；也可以设定一个获取周期，周期性的获取埋点数据；还可以检测当前时刻的网络状态是否拥堵，根据所生成的埋点数据量的多少，选择网络状态良好的时候获取埋点数据，此处不做限定。
需要说明的是，本实施例中的被测对象可以是计算机或者终端设备中的应用程序，也可以是其中的网页，此处不做限定。
在S102中，确定所述被测对象的实际使用时段，并将所述实际使用时段之内的埋点数据识别为实际应用数据。
由于被测对象在实际运行过程中，可能一直在生成埋点数据。若埋点数据的数据量较大，且冗余数据较多时，往往会对分析过程造成干扰，而影响埋点数据的分析结果。例如，在某个被测对象被开启并未进行操作时，便可能生成埋点数据，这些埋点数据即为冗余数据。可选的，可以将这些冗余数据直接删除，以保证埋点数据的精简性，提高数据传输和处理的效率。
在本实施例中，通过根据埋点数据的属性，确定被测对象的实际使用时段，以将使用时段之内的埋点数据识别为实际应用数据，保证数据分析的有效性。
在实际应用中，每个软件或者网页在实际使用过程中，都是从打开到转入后台、锁屏或者关闭，在这个过程中所有的操作动作都是可以通过埋点数据体现的。例如，打开或者关闭一个应用程序时，其埋点数据中就会体现出应用程序的启动时间或者关闭时间。
每个埋点数据中都有时间标识，这个时间标识用来确定生成该埋点数据的时间。通过识别埋点数据的变化特点，确定被测对象的实际使用时间，并根据该实际使用时间和埋点数据的时间标识，截取在该实际使用时间之内的埋点数据，这些截取到的数据，便是实际应用数据。
在S103中，根据预设模型确定所述实际应用数据中的关联数据。
在本实施例中，实际应用数据是独立存在的，例如，应用程序中某个按钮的点击时间、 某个视频的用户点击量等，不受其他类型数据的影响，无法直接的确定哪些数据之间可能存在关联。
因此，在本方案中，通过计算各类型的实际应用数据之间的支持度和置信度，确定置信度较高的数据项中的数据为关联数据，以对关联数据进行关联分析。
在S104中，对所述关联数据进行分析，得到所述被测对象的运行信息或者所述被测对象的用户使用信息。
在确定关联数据之后，对关联数据进行关联分析。其中，关联分析的方法可以为线性回归分析、主成分分析、典型相关分析、判别分析、聚类分析、贝叶斯统计分析或者通过统计分析软件进行分析，此处不做限定。
在实际应用中，若将实际应用数据与用户的实际使用习惯或者被测对象的运行方式结合，应用程序中某个按钮的点击时间、某段时间中的点击次数便可以关联起来，以得到应用程序的某个按钮的点击率和点击高峰期等信息，用以评价该按钮对应的功能属性是否符合用户需求或者用户使用率；还可以将网页中某个视频的用户点击量、观看时段或者是重复观看视频段关联起来，以得到这个视频的用户喜好程度、用户类型或者视频关注点。
以上可以看出，本申请实施例提供的一种埋点数据的分析方法通过对被测对象进行埋点获取埋点数据，确定被测对象的实际使用时段，以及该实际使用时段之内的关联数据，通过分析关联数据得到整个实际使用时间之内的用户行为情况和软件的运行状态情况，实现完整、全面的数据统计与分析，提高了用户行为分析的连贯性和可追踪性。
实施例2
图2示出了本申请第二实施例提供的一种埋点数据的分析方法S102的具体实现流程图。参见图2所示，相对于图1所述实施例，本实施例提供的一种埋点数据的分析方法中S102包括S201～S202，具体详述如下：
在S201中，根据所述被测对象启动到运行所述被测对象的终端锁屏之间的时间段、所述被测对象启动到被切换到后台之间的时间段，以及从所述被测对象启动到关闭之间的时间段确定所述被测对象的实际使用时段。
在实际应用中，由于通过埋点获取到的数据是长时间的数据集，但是大量的数据又会造成较大的数据冗余，浪费数据处理和分析的时间。因此，为了更准确地确定被测对象在被使用过程中的实际使用数据，则根据用户的操作行为确定用户使用被测对象的使用时长。将以下任一时间段确定所述被测对象的实际使用时段：从所述被测对象启动到运行所述被测对象的终端锁屏之间的时间段、从所述被测对象启动到被切换到后台之间的时间段，以 及从所述被测对象启动到关闭之间的时间段。
进一步的，由于很多被测对象在退出之后仍旧会在后台运行，或者运行被测对象的终端即使锁屏时候，被测对象也会继续运行，因此，这里设定一个预设时间阈值，用于通过这个时间来截取被测对象的实际使用时段。
需要说明的是，这里的终端可以是手机、平板电脑或者计算机等设备，此处不做限定。
示例性地，请一并结合图3所示，图3为本实施例提供的实际使用时段的示意图，设定该时间阈值为半分钟。若运行被测对象的终端锁屏超过半分钟，或者半分钟之内没有获取到任何操作信息，则从启动到锁屏的这段时间作为实际使用时段；或者，从被测对象被启动应用到被切换到后台，并且在后台的时间超过半分钟，则视为应用已经使用结束，从启动到切换到后台的半分钟作为实际使用时段；或者，从被测对象被启动到关闭的这段时间作为实际使用时段，但是如果在后台运行超过半分钟；若后台运行时长t
2≥30s，则本次使用时长t为：t＝t
1+t
2+t
3，其中，t
1为后台运行之前的前端运行时长，t
3为后台运行之后的前端运行时长；若t
2<30s，则本次使用时长t为：t＝t
1，舍弃t
2，t
3则是新一次使用时的使用时长。
需要说明的是，在本实施例中的时间阈值设定为半分钟，还可以根据终端的设置情况、被测对象的运行情况或者用户的使用情况设定该时间阈值，此处不做限定。
在S202中，根据所述埋点数据的时间标识，将所述时间标识在所述实际使用时段中的埋点数据识别为所述实际应用数据。
在确定了实际使用时间之后，根据埋点数据的时间标识以及实际使用时间的起点和终点，将时间标识在实际使用时段中的埋点数据识别为实际应用数据。
通过根据用户的操作行为确定用户使用被测对象的使用时长，更准确地确定被测对象在被使用过程中的实际使用数据，降低了数据冗余，提高了数据分析的准确性，进而得到准确的用户行为参数或者应用程序运行情况。
实施例3
图4示出了本申请第三实施例提供的一种埋点数据的分析方法S103的具体实现流程图。参见图4所示，相对于图1所述实施例，本实施例提供的一种埋点数据的分析方法中S103包括S401～S404，具体详述如下：
在S401中，根据所述实际应用数据中各数据项的类型标识，对每个所述类型标识对应数据项的数据项数进行计数。
每个实际应用数据的数据项都有各自的类型标识，该类型可以是按照数据项的属性进 行命名，例如，按钮的点击时间、点击次数或者视频的观看时长等。通过根据实际应用数据的数据项的类型标识，对同一类型标识的数据项进行计数得到数据项数，以通过该数据项数确定实际使用时间中该类数据的发生频率。
在S402中，根据所述数据项数，计算所述数据项中第一类型标识对应的第一数据项与第二类型标识对应的第二数据项之间的支持度。
本实施例中，第一类型标识对应的数据项为第一数据项，第二类型标识对应的数据项为第二数据项。支持度用于衡量数据项中第一数据项与第二数据项同时出现的频率关系。
具体的，步骤S402可以包括：
根据如下公式计算所述数据项中第一类型标识对应的第一数据项与第二类型标识对应的第二数据项之间的前项支持度：
根据如下公式计算所述数据项中第一类型标识对应的第一数据项与第二类型标识对应的第二数据项之间的关联支持度：
其中，support_count(A)用于表示第一类型标识对应的第一数据项的数据项数；support_count(N)用于表示所有类型标识对应的数据项的总数据项数；support_count(A∪B)用于表示第一类型标识与第二类型标识共同对应的数据项的数据项数。
示例性地，假如被测的应用程序中的两个按钮分别为第一按钮和第二按钮，在实际应用时间中的按动次数分别记为第一数据项和第二数据项，这两个数据项分别对应第一类型标识与第二类型标识。计算第一数据项的数据项数与总数据项数之比，作为前项支持度。前项支持度用于衡量第一数据项在总数据项中的比重，即该按钮的按动次数在总的按钮按动次数中的比重；确定第一类型标识与第二类型标识共同对应的数据项的数据项数，计算该数据项数与总数据项数之比，作为关联支持度。关联支持度用于衡量第一数据和第二数据项对应的动作共同发生的项数在总按钮按动次数中的比重。
在S403中，根据所述第一数据项与所述第二数据项之间的支持度计算其对应的置信度。
根据如下公式计算第一数据项与所述第二数据项之间的置信度：
通过用关联支持度与前项支持度相比，确定第一数据项与第二数据项之间的置信度， 置信度用于体现当A出现时，B是否也会出现或有多大概率出现。如果置信度度为100％，则A和B是必然的关联关系。如果置信度太低，则说明A的出现与B是否出现关系不大，即两个数据项之间不存在关联关系。
在S404中，将所述置信度大于或者等于预设的置信度阈值的第一数据项和第二数据项中的数据识别为所述关联数据。
在计算出第一数据项和第二数据项之间的置信度之后，通过衡量该置信度的大小确定第一数据项和第二数据项之间的关联关系的强弱。
在本实施例中，设定一个置信度阈值，来衡量第一数据项和第二数据项之间的关联关系的强弱。具体的，若置信度大于或者等于该置信度阈值，则第一数据项和第二数据项中的数据关联程度较强，第一数据项和第二数据项中的数据为所述关联数据；若置信度小于该置信度阈值，则第一数据项和第二数据项中的数据关联程度较若，第一数据项和第二数据项中的数据并不是关联数据。
通过计算不同数据标识对应的数据项之间的置信度，可确定不同数据项之间的关联程度，进而确定关联程度较高的数据项为关联数据项，并对这些数据项之间进行关联分析，保证了埋点数据分析过程和结果的完整与全面。
实施例4
图5示出了本申请实施例四提供的一种终端设备，该装置包括的各单元用于执行图1对应的实施例中的各步骤。具体请参阅图1与图1所对应的实施例中的相关描述。为了便于说明，仅示出了与本实施例相关的部分。
参见图5，所述终端设备包括：
埋点数据获取单元501，用于获取被测对象的埋点数据；所述被测对象包括应用程序或网页。
实际数据确定单元502，用于确定所述被测对象的实际使用时段，并将所述实际使用时段之内的埋点数据识别为实际应用数据。
关联数据确定单元503，用于根据预设模型确定所述实际应用数据中的关联数据。
关联数据分析单元504，用于对所述关联数据进行分析，得到所述被测对象的运行信息或者所述被测对象的用户使用信息。
可选的，实际数据确定单元502可以包括：
使用时段确定单元，用于根据所述被测对象启动到运行所述被测对象的终端锁屏之间的时间段、所述被测对象启动到被切换到后台之间的时间段，以及从所述被测对象启动到 关闭之间的时间段确定所述被测对象的实际使用时段。
实际数据识别单元，用于根据所述埋点数据的时间标识，将所述时间标识在所述实际使用时段中的埋点数据识别为所述实际应用数据。
可选的，关联数据确定单元503可以包括：
项数技术单元，用于根据所述实际应用数据中各数据项的类型标识，对每个所述类型标识对应数据项的数据项数进行计数。
支持度单元，用于根据所述数据项数，计算所述数据项中第一类型标识对应的第一数据项与第二类型标识对应的第二数据项之间的支持度。
置信度单元，用于根据所述第一数据项与所述第二数据项之间的支持度计算其对应的置信度。
关联数据单元，用于将所述置信度大于或者等于预设的置信度阈值的第一数据项和第二数据项中的数据识别为所述关联数据。
可选的，支持度单元可以包括：
前项支持度单元，用于根据如下公式计算所述数据项中第一类型标识对应的第一数据项与第二类型标识对应的第二数据项之间的前项支持度：
关联支持度单元，用于根据如下公式计算所述数据项中第一类型标识对应的第一数据项与第二类型标识对应的第二数据项之间的关联支持度：
其中，support_count(A)用于表示第一类型标识对应的第一数据项的数据项数；support_count(N)用于表示所有类型标识对应的数据项的总数据项数；support_count(A∪B)用于表示第一类型标识与第二类型标识共同对应的数据项的数据项数。
可选的，置信度单元可以包括：
置信度计算单元，用于根据如下公式计算第一数据项与所述第二数据项之间的置信度：
因此，本申请实施例提供的终端设备可以通过获取埋点数据，确定被测对象的实际使用时段，以及该实际使用时段之内的关联数据，通过分析关联数据得到整个实际使用时间之内的用户行为情况和软件的运行状态情况，实现完整、全面的数据统计与分析，提高了 用户行为分析的连贯性和可追踪性。
实施例5
图6是本申请实施例五提供的一种终端设备的示意图。如图6所示，该实施例的终端设备6包括：处理器60、存储器61以及存储在所述存储器61中并可在所述处理器60上运行的计算机程序62，例如置信度的计算程序。所述处理器60执行所述计算机程序62时实现上述各个埋点数据的分析方法实施例中的步骤，例如图1所示的S101至S104。或者，所述处理器60执行所述计算机程序62时实现上述各装置实施例中各单元的功能，例如图5所示模块501至504功能。
示例性的，所述计算机程序62可以被分割成一个或多个单元，所述一个或者多个单元被存储在所述存储器61中，并由所述处理器60执行，以完成本申请。所述一个或多个单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序62在所述终端设备6中的执行过程。例如，所述计算机程序62可以被分割成埋点数据获取单元、实际数据确定单元、关联数据确定单元以及关联数据分析单元，各单元具体功能如下：
埋点数据获取单元，用于获取被测对象的埋点数据；所述被测对象包括应用程序或网页。
实际数据确定单元，用于确定所述被测对象的实际使用时段，并将所述实际使用时段之内的埋点数据识别为实际应用数据。
关联数据确定单元，用于根据预设模型确定所述实际应用数据中的关联数据。
关联数据分析单元，用于对所述关联数据进行分析，得到所述被测对象的运行信息或者所述被测对象的用户使用信息。
所述终端设备可包括，但不仅限于，处理器60、存储器61。本领域技术人员可以理解，图6仅仅是终端设备6的示例，并不构成对终端设备6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，例如所述终端设备还可以包括输入输出设备、网络接入设备、总线等。
所称处理器60可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器61可以是所述终端设备6的内部存储单元，例如终端设备6的硬盘或内存。所述存储器61也可以是所述终端设备6的外部存储设备，例如所述终端设备6上配备的插接式硬盘，智能存储卡(Smart Media Card，SMC)，安全数字(Secure Digital，SD)卡，闪存卡(Flash Card)等。进一步地，所述存储器61还可以既包括所述终端设备6的内部存储单元也包括外部存储设备。所述存储器61用于存储所述计算机程序以及所述终端设备6所需的其他程序和数据。所述存储器61还可以用于暂时地存储已经输出或者将要输出的数据。
以上所述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，均应包含在本申请的保护范围之内
Claims (20)
- 一种埋点数据的分析方法，其特征在于，包括：获取被测对象的埋点数据；所述被测对象包括应用程序或网页；确定所述被测对象的实际使用时段，并将所述实际使用时段之内的埋点数据识别为实际应用数据；根据预设模型确定所述实际应用数据中的关联数据；对所述关联数据进行分析，得到所述被测对象的运行信息或者所述被测对象的用户使用信息。
- 如权利要求1所述的埋点数据的分析方法，其特征在于，所述确定所述被测对象的实际使用时段，并将所述实际使用时段之内的埋点数据识别为实际应用数据，包括：根据所述被测对象启动到运行所述被测对象的终端锁屏之间的时间段、所述被测对象启动到被切换到后台之间的时间段，以及从所述被测对象启动到关闭之间的时间段确定所述被测对象的实际使用时段；根据所述埋点数据的时间标识，将所述时间标识在所述实际使用时段中的埋点数据识别为所述实际应用数据。
- 如权利要求1或2所述的埋点数据的分析方法，其特征在于，所述根据预设模型确定所述实际应用数据中的关联数据，包括：根据所述实际应用数据中各数据项的类型标识，对每个所述类型标识对应数据项的数据项数进行计数；根据所述数据项数，计算所述数据项中第一类型标识对应的第一数据项与第二类型标识对应的第二数据项之间的支持度；根据所述第一数据项与所述第二数据项之间的支持度计算其对应的置信度；将所述置信度大于或者等于预设的置信度阈值的第一数据项和第二数据项中的数据识别为所述关联数据。
- 如权利要求3所述的埋点数据的分析方法，其特征在于，所述根据所述数据项数，计算所述数据项中第一类型标识对应的第一数据项与第二类型标识对应的第二数据项之间的支持度，包括：根据如下公式计算所述数据项中第一类型标识对应的第一数据项与第二类型标识对应的第二数据项之间的前项支持度：
根据如下公式计算所述数据项中第一类型标识对应的第一数据项与第二类型标识对应的第二数据项之间的关联支持度：
其中，support_count(A)用于表示第一类型标识对应的第一数据项的数据项数；support_count(N)用于表示所有类型标识对应的数据项的总数据项数；support_count(A∪B)用于表示第一类型标识与第二类型标识共同对应的数据项的数据项数。 - 如权利要求4所述的埋点数据的分析方法，其特征在于，所述根据所述第一数据项与所述第二数据项之间的支持度计算其对应的置信度，包括：根据如下公式计算第一数据项与所述第二数据项之间的置信度：
- 一种终端设备，其特征在于，包括：埋点数据获取单元，用于获取被测对象的埋点数据；所述被测对象包括应用程序或网页。实际数据确定单元，用于确定所述被测对象的实际使用时段，并将所述实际使用时段之内的埋点数据识别为实际应用数据。关联数据确定单元，用于根据预设模型确定所述实际应用数据中的关联数据。关联数据分析单元，用于对所述关联数据进行分析，得到所述被测对象的运行信息或者所述被测对象的用户使用信息。
- 如权利要求6所述的终端设备，其特征在于，所述实际数据确定单元包括：使用时段确定单元，用于根据所述被测对象启动到运行所述被测对象的终端锁屏之间的时间段、所述被测对象启动到被切换到后台之间的时间段，以及从所述被测对象启动到关闭之间的时间段确定所述被测对象的实际使用时段。实际数据识别单元，用于根据所述埋点数据的时间标识，将所述时间标识在所述实际使用时段中的埋点数据识别为所述实际应用数据。
- 如权利要求6或7所述的终端设备，其特征在于，所述关联数据确定单元包括：项数技术单元，用于根据所述实际应用数据中各数据项的类型标识，对每个所述类型标识对应数据项的数据项数进行计数。支持度单元，用于根据所述数据项数，计算所述数据项中第一类型标识对应的第一数据项与第二类型标识对应的第二数据项之间的支持度。置信度单元，用于根据所述第一数据项与所述第二数据项之间的支持度计算其对应的置信度。关联数据单元，用于将所述置信度大于或者等于预设的置信度阈值的第一数据项和第二数据项中的数据识别为所述关联数据。
- 如权利要求8所述的终端设备，其特征在于，所述支持度单元包括：根据如下公式计算所述数据项中第一类型标识对应的第一数据项与第二类型标识对应的第二数据项之间的前项支持度：
根据如下公式计算所述数据项中第一类型标识对应的第一数据项与第二类型标识对应的第二数据项之间的关联支持度：
其中，support_count(A)用于表示第一类型标识对应的第一数据项的数据项数；support_count(N)用于表示所有类型标识对应的数据项的总数据项数；support_count(A∪B)用于表示第一类型标识与第二类型标识共同对应的数据项的数据项数。 - 如权利要求9所述的埋点数据的分析方法，其特征在于，所述置信度单元包括：置信度计算单元，用于根据如下公式计算第一数据项与所述第二数据项之间的置信度：
- 一种服务器，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机可读指令，其特征在于，所述处理器执行所述计算机可读指令时实现如下步骤：获取被测对象的埋点数据；所述被测对象包括应用程序或网页；确定所述被测对象的实际使用时段，并将所述实际使用时段之内的埋点数据识别为实际应用数据；根据预设模型确定所述实际应用数据中的关联数据；对所述关联数据进行分析，得到所述被测对象的运行信息或者所述被测对象的用户使用信息。
- 根据权利要求11所述的服务器，其特征在于，所述确定所述被测对象的实际使用时段，并将所述实际使用时段之内的埋点数据识别为实际应用数据，包括：根据所述被测对象启动到运行所述被测对象的终端锁屏之间的时间段、所述被测对象启动到被切换到后台之间的时间段，以及从所述被测对象启动到关闭之间的时间段确定所述被测对象的实际使用时段；根据所述埋点数据的时间标识，将所述时间标识在所述实际使用时段中的埋点数据识别为所述实际应用数据。
- 根据权利要求11或12所述的服务器，其特征在于，所述根据预设模型确定所述实际应用数据中的关联数据，包括：根据所述实际应用数据中各数据项的类型标识，对每个所述类型标识对应数据项的数据项数进行计数；根据所述数据项数，计算所述数据项中第一类型标识对应的第一数据项与第二类型标识对应的第二数据项之间的支持度；根据所述第一数据项与所述第二数据项之间的支持度计算其对应的置信度；将所述置信度大于或者等于预设的置信度阈值的第一数据项和第二数据项中的数据识别为所述关联数据。
- 根据权利要求13所述的服务器，其特征在于，所述根据所述数据项数，计算所述数据项中第一类型标识对应的第一数据项与第二类型标识对应的第二数据项之间的支持度，包括：根据如下公式计算所述数据项中第一类型标识对应的第一数据项与第二类型标识对应的第二数据项之间的前项支持度：
根据如下公式计算所述数据项中第一类型标识对应的第一数据项与第二类型标识对应的第二数据项之间的关联支持度：
其中，support_count(A)用于表示第一类型标识对应的第一数据项的数据项数；support_count(N)用于表示所有类型标识对应的数据项的总数据项数；support_count(A∪B)用于表示第一类型标识与第二类型标识共同对应的数据项的数据项数。 - 根据权利要求14所述的服务器，其特征在于，所述根据所述第一数据项与所述 第二数据项之间的支持度计算其对应的置信度，包括：根据如下公式计算第一数据项与所述第二数据项之间的置信度：
- 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可读指令，其特征在于，所述计算机可读指令被处理器执行时实现如下步骤：获取被测对象的埋点数据；所述被测对象包括应用程序或网页；确定所述被测对象的实际使用时段，并将所述实际使用时段之内的埋点数据识别为实际应用数据；根据预设模型确定所述实际应用数据中的关联数据；对所述关联数据进行分析，得到所述被测对象的运行信息或者所述被测对象的用户使用信息。
- 根据权利要求16所述的计算机可读存储介质，其特征在于，所述确定所述被测对象的实际使用时段，并将所述实际使用时段之内的埋点数据识别为实际应用数据，包括：根据所述被测对象启动到运行所述被测对象的终端锁屏之间的时间段、所述被测对象启动到被切换到后台之间的时间段，以及从所述被测对象启动到关闭之间的时间段确定所述被测对象的实际使用时段；根据所述埋点数据的时间标识，将所述时间标识在所述实际使用时段中的埋点数据识别为所述实际应用数据。
- 根据权利要求16或17所述的计算机可读存储介质，其特征在于，所述根据预设模型确定所述实际应用数据中的关联数据，包括：根据所述实际应用数据中各数据项的类型标识，对每个所述类型标识对应数据项的数据项数进行计数；根据所述数据项数，计算所述数据项中第一类型标识对应的第一数据项与第二类型标识对应的第二数据项之间的支持度；根据所述第一数据项与所述第二数据项之间的支持度计算其对应的置信度；将所述置信度大于或者等于预设的置信度阈值的第一数据项和第二数据项中的数据识别为所述关联数据。
- 根据权利要求18所述的计算机可读存储介质，其特征在于，所述根据所述数据项数，计算所述数据项中第一类型标识对应的第一数据项与第二类型标识对应的第二 数据项之间的支持度，包括：根据如下公式计算所述数据项中第一类型标识对应的第一数据项与第二类型标识对应的第二数据项之间的前项支持度：
根据如下公式计算所述数据项中第一类型标识对应的第一数据项与第二类型标识对应的第二数据项之间的关联支持度：
其中，support_count(A)用于表示第一类型标识对应的第一数据项的数据项数；support_count(N)用于表示所有类型标识对应的数据项的总数据项数；support_count(A∪B)用于表示第一类型标识与第二类型标识共同对应的数据项的数据项数。 - 根据权利要求19所述的计算机可读存储介质，其特征在于，所述根据所述第一数据项与所述第二数据项之间的支持度计算其对应的置信度，包括：根据如下公式计算第一数据项与所述第二数据项之间的置信度：
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810554442.9 | 2018-06-01 | ||
| CN201810554442.9A CN108874641A (zh) | 2018-06-01 | 2018-06-01 | 一种埋点数据的分析方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| WO2019227650A1 true WO2019227650A1 (zh) | 2019-12-05 |
Family
ID=64336023
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| PCT/CN2018/097448 Ceased WO2019227650A1 (zh) | 2018-06-01 | 2018-07-27 | 一种埋点数据的分析方法、终端设备及计算机可读存储介质 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN108874641A (zh) |
| WO (1) | WO2019227650A1 (zh) |
Families Citing this family (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109767259A (zh) * | 2018-12-15 | 2019-05-17 | 深圳壹账通智能科技有限公司 | 基于埋点数据的运营活动推广方法、装置、设备及介质 |
| CN109871331A (zh) * | 2019-03-04 | 2019-06-11 | 北京车联天下信息技术有限公司 | 软件功能试错决策分析方法和装置 |
| CN111221711A (zh) * | 2019-10-12 | 2020-06-02 | 中国平安财产保险股份有限公司 | 用户行为数据处理方法、服务器及存储介质 |
| CN110995687B (zh) * | 2019-11-26 | 2022-06-07 | 深圳市铭数信息有限公司 | 一种猫池设备识别方法、装置、设备及存储介质 |
| CN111221717A (zh) * | 2020-01-17 | 2020-06-02 | 北大方正集团有限公司 | 用户行为数据处理方法和计算机可读存储介质 |
| CN111552620B (zh) * | 2020-04-03 | 2023-07-11 | 北京字节跳动网络技术有限公司 | 数据获取方法、装置、终端及存储介质 |
| CN113064801B (zh) * | 2021-03-10 | 2022-03-29 | 深圳依时货拉拉科技有限公司 | 数据埋点的方法、装置、可读存储介质及计算机设备 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102946319A (zh) * | 2012-09-29 | 2013-02-27 | 焦点科技股份有限公司 | 网络用户行为信息分析系统及其分析方法 |
| CN104572043A (zh) * | 2013-10-16 | 2015-04-29 | 阿里巴巴集团控股有限公司 | 一种对客户端应用的控件进行实时埋点的方法及装置 |
| CN107220745A (zh) * | 2017-04-24 | 2017-09-29 | 北京红马传媒文化发展有限公司 | 一种意图行为数据的识别方法、系统及设备 |
| CN107818162A (zh) * | 2017-11-01 | 2018-03-20 | 平安科技（深圳）有限公司 | 埋点处理方法、装置、计算机设备和存储介质 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20050125276A1 (en) * | 2003-12-05 | 2005-06-09 | Grigore Rusu | System and method for event tracking across plural contact mediums |
| CN102238045A (zh) * | 2010-04-27 | 2011-11-09 | 广州迈联计算机科技有限公司 | 一种无线互联网用户行为的预测系统和方法 |
| CN103186675A (zh) * | 2013-04-03 | 2013-07-03 | 南京安讯科技有限责任公司 | 一种基于网络热词识别的网页自动分类方法 |
| CN105512210A (zh) * | 2015-11-27 | 2016-04-20 | 网神信息技术（北京）股份有限公司 | 关联事件类型的检测方法及装置 |
| CN108052985A (zh) * | 2017-12-28 | 2018-05-18 | 努比亚技术有限公司 | 信息采集方法、信息采集终端及计算机可读存储介质 |
-
2018
- 2018-06-01 CN CN201810554442.9A patent/CN108874641A/zh active Pending
- 2018-07-27 WO PCT/CN2018/097448 patent/WO2019227650A1/zh not_active Ceased
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102946319A (zh) * | 2012-09-29 | 2013-02-27 | 焦点科技股份有限公司 | 网络用户行为信息分析系统及其分析方法 |
| CN104572043A (zh) * | 2013-10-16 | 2015-04-29 | 阿里巴巴集团控股有限公司 | 一种对客户端应用的控件进行实时埋点的方法及装置 |
| CN107220745A (zh) * | 2017-04-24 | 2017-09-29 | 北京红马传媒文化发展有限公司 | 一种意图行为数据的识别方法、系统及设备 |
| CN107818162A (zh) * | 2017-11-01 | 2018-03-20 | 平安科技（深圳）有限公司 | 埋点处理方法、装置、计算机设备和存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108874641A (zh) | 2018-11-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| WO2019227650A1 (zh) | 一种埋点数据的分析方法、终端设备及计算机可读存储介质 | |
| CN111124906B (zh) | 基于动态埋点的跟踪方法、编译方法、装置和电子设备 | |
| Banerjee et al. | Detecting energy bugs and hotspots in mobile apps | |
| Carette et al. | Investigating the energy impact of android smells | |
| US10321342B2 (en) | Methods and systems for performance monitoring for mobile applications | |
| CN107391538B (zh) | 点击数据采集、处理和展示方法、装置、设备及存储介质 | |
| CN104598380B (zh) | 一种基于控件的自动化测试方法及系统 | |
| CN111221733B (zh) | 信息处理方法、装置、移动终端及存储介质 | |
| CN112311617A (zh) | 一种配置化数据监控告警方法及系统 | |
| CN112069034B (zh) | 快应用的异常处理方法、装置、电子设备以及存储介质 | |
| CN109634822B (zh) | 一种函数耗时统计方法、装置、存储介质及终端设备 | |
| CN110347582A (zh) | 埋点测试方法和装置 | |
| Li et al. | Detecting and diagnosing energy issues for mobile applications | |
| CN111813635A (zh) | 一种区块链智能合约的监控方法、系统及装置 | |
| CN111782490A (zh) | 数据采集方法及装置 | |
| CN106201856A (zh) | 一种多版本性能测试方法及装置 | |
| CN110232022A (zh) | 网络环境测试方法、装置及终端设备 | |
| WO2022199282A1 (zh) | 线程快照解析方法、装置、设备和存储介质 | |
| CN109344066B (zh) | 一种浏览器页面的测试方法、系统及终端 | |
| CN111858369A (zh) | 内存监控方法、装置、设备及存储介质 | |
| Lee et al. | EnTrack: a system facility for analyzing energy consumption of Android system services | |
| CN106021054A (zh) | 一种对bmc升降级稳定性进行测试的方法及装置 | |
| CN109947636A (zh) | 异常线程定位方法及装置 | |
| CN110597694A (zh) | 一种监控前端页面的方法及终端 | |
| CN107515811B (zh) | 一种获取应用程序耗电量的方法和装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| 121 | Ep: the epo has been informed by wipo that ep was designated in this application |
Ref document number: 18921248 Country of ref document: EP Kind code of ref document: A1 |
|
| NENP | Non-entry into the national phase |
Ref country code: DE |
|
| 122 | Ep: pct application non-entry in european phase |
Ref document number: 18921248 Country of ref document: EP Kind code of ref document: A1 |