CN104516897A - 一种针对应用对象进行排序的方法和装置 - Google Patents
一种针对应用对象进行排序的方法和装置 Download PDFInfo
- Publication number
- CN104516897A CN104516897A CN201310453304.9A CN201310453304A CN104516897A CN 104516897 A CN104516897 A CN 104516897A CN 201310453304 A CN201310453304 A CN 201310453304A CN 104516897 A CN104516897 A CN 104516897A
- Authority
- CN
- China
- Prior art keywords
- historical usage
- described multiple
- current application
- usage object
- attribute
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种针对应用对象进行排序的方法和装置,所述方法包括:获取多个历史应用对象;获取所述多个历史应用对象的相对排序信息;根据所述相对排序信息训练排序模型;利用所训练的排序模型对所述多个当前应用对象进行排序。所述装置与上述方法对应。利用上述方法和装置,可以参考已有的历史应用对象的排序信息对当前的应用对象进行排序,从而给出更加客观的排序结果。
Description
技术领域
本发明涉及计算机领域中的应用对象,更具体而言,涉及针对应用对象进行排序的方法和装置。
背景技术
在计算机领域中存在各种各样的应用对象。例如,应用对象可以包括一个完整的应用***。在实践中,开发人员常常需要根据用户的需求设计出相应的应用***作为解决方案,从而为用户提供所需的功能。典型地,这样的应用***包括,软件平台的搭建,例如操作***的选择、虚拟机的部署和共享关系设置等,以及各种软件的开发和配置。在一些情况下,应用***还可以包括硬件平台的选择和配置。通过以上对各种硬件和软件模块的选择、设置以及开发,可以设计形成完整的应用***,满足用户所提出的功能和性能要求。除了上述列举的应用***之外,应用对象还可以包括数据模型、文件、数据结构等内容。
对于上述各种应用对象,常常需要就其某种方面进行评估和排序。例如,在针对某些用户需求设计出多种应用对象的情况下,需要对这些应用对象进行评估,以确定出更为优选、更适合用户的应用对象。然而,应用对象所涉及的模块和参数众多,对其进行全面的、整体的评估非常困难。在现有技术中,往往基于应用对象自身的一些选定属性进行评估。但是这些已有方法的评估仍然不够全面和客观。
发明内容
鉴于以上提出的问题,提出本发明,旨在提供一种对应用对象进行排序的方案,克服现有技术中的一些不足。
根据本发明一个实施例,提出了一种针对应用对象进行排序的方法,包括:获取与多个当前应用对象相关的多个历史应用对象;获取所述多个历史应用对象的相对排序信息;根据所述相对排序信息训练排序模型;利用所训练的排序模型对所述多个当前应用对象进行排序。
根据另一实施例,提出了一种针对应用对象进行排序的装置,包括:历史对象获取单元,配置为获取与多个当前应用对象相关的多个历史应用对象;排序信息获取单元,配置为获取所述多个历史应用对象的相对排序信息;排序模型训练单元,配置为根据所述相对排序信息训练排序模型;排序单元,配置为利用所训练的排序模型对所述多个当前应用对象进行排序。
利用上述方法和装置,可以参考已有的历史应用对象的排序信息对当前的应用对象进行排序,从而给出更加客观的排序结果。
附图说明
通过结合附图对本公开示例性实施方式进行更详细的描述,本公开的上述以及其它目的、特征和优势将变得更加明显,其中,在本公开示例性实施方式中,相同的参考标号通常代表相同部件。
图1示出了适于用来实现本发明实施方式的示例性计算机***/服务器12的框图;
图2示出根据一个实施例对应用对象进行排序的方法的流程图;
图3示意性示出映射到属性空间的各个应用对象;
图4示出根据一个实施例的训练排序模型的流程图;以及
图5示出根据一个实施例对应用对象进行排序的装置的框图。
具体实施方式
在附图中显示了本公开的一些优选实施方式,下面将参照附图更详细地描述这些优选实施方式。然而,可以以各种形式实现本公开,其不应被这里阐述的实施方式所限制。相反,提供这些实施方式是为了使本公开更加透彻和完整,并且能够将本公开的范围完整地传达给本领域的技术人员。
所属技术领域的技术人员知道,本发明可以实现为***、方法或计算机程序产品。因此,本公开可以具体实现为以下形式,即:可以是完全的硬件、也可以是完全的软件(包括固件、驻留软件、微代码等),还可以是硬件和软件结合的形式,本文一般称为“电路”、“模块”或“***”。此外,在一些实施例中,本发明还可以实现为在一个或多个计算机可读介质中的计算机程序产品的形式,该计算机可读介质中包含计算机可读的程序代码。
可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的***、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行***、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括——但不限于——电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括——但不限于——无线、电线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如”C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
下面将参照本发明实施例的方法、装置(***)和计算机程序产品的流程图和/或框图描述本发明。应当理解,流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合,都可以由计算机程序指令实现。这些计算机程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器,从而生产出一种机器,这些计算机程序指令通过计算机或其它可编程数据处理装置执行,产生了实现流程图和/或框图中的方框中规定的功能/操作的装置。
也可以把这些计算机程序指令存储在能使得计算机或其它可编程数据处理装置以特定方式工作的计算机可读介质中,这样,存储在计算机可读介质中的指令就产生出一个包括实现流程图和/或框图中的方框中规定的功能/操作的指令装置(instruction means)的制造品(manufacture)。
也可以把计算机程序指令加载到计算机、其它可编程数据处理装置、或其它设备上,使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤,以产生计算机实现的过程,从而使得在计算机或其它可编程装置上执行的指令能够提供实现流程图和/或框图中的方框中规定的功能/操作的过程。
图1示出了适于用来实现本发明实施方式的示例性计算机***/服务器12的框图。图1显示的计算机***/服务器12仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图1所示,计算机***/服务器12以通用计算设备的形式表现。计算机***/服务器12的组件可以包括但不限于:一个或者多个处理器或者处理单元16,***存储器28,连接不同***组件(包括***存储器28和处理单元16)的总线18。
总线18表示几类总线结构中的一种或多种,包括存储器总线或者存储器控制器,***总线,图形加速端口,处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说,这些体系结构包括但不限于工业标准体系结构(ISA)总线,微通道体系结构(MAC)总线,增强型ISA总线、视频电子标准协会(VESA)局域总线以及***组件互连(PCI)总线。
计算机***/服务器12典型地包括多种计算机***可读介质。这些介质可以是任何能够被计算机***/服务器12访问的可用介质,包括易失性和非易失性介质,可移动的和不可移动的介质。
***存储器28可以包括易失性存储器形式的计算机***可读介质,例如随机存取存储器(RAM)30和/或高速缓存存储器32。计算机***/服务器12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机***存储介质。仅作为举例,存储***34可以用于读写不可移动的、非易失性磁介质(图1未显示,通常称为“硬盘驱动器”)。尽管图1中未示出,可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器,以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下,每个驱动器可以通过一个或者多个数据介质接口与总线18相连。存储器28可以包括至少一个程序产品,该程序产品具有一组(例如至少一个)程序模块,这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块42的程序/实用工具40,可以存储在例如存储器28中,这样的程序模块42包括——但不限于——操作***、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本发明所描述的实施例中的功能和/或方法。
计算机***/服务器12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信,还可与一个或者多个使得用户能与该计算机***/服务器12交互的设备通信,和/或与使得该计算机***/服务器12能与一个或多个其它计算设备进行通信的任何设备(例如网卡,调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口22进行。并且,计算机***/服务器12还可以通过网络适配器20与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器20通过总线18与计算机***/服务器12的其它模块通信。应当明白,尽管图中未示出,可以结合计算机***/服务器12使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID***、磁带驱动器以及数据备份存储***等。
下面结合附图描述本发明的各个实施例。在本发明的多个实施例中,对于有待评估的多个当前应用对象,并不直接对其进行评估和打分,而是,从已有的历史应用对象中确定出与有待评估的应用对象相似或相关的应用对象。可以理解,这些历史应用对象的状态和相对排序是已知的客观信息。因此,可以基于历史应用对象的相对排序训练出一个排序模型。然后,利用训练出的排序模型对当前的应用对象进行排序。下面参照附图和例子描述以上发明构思的实现方式。
现在参看图2,其示出根据一个实施例对应用对象进行排序的方法的流程图。如图2所示,该实施例的排序方法包括:步骤210,获取与多个当前应用对象相关的多个历史应用对象;步骤220,获取所述多个历史应用对象的相对排序信息;步骤230,根据所述相对排序信息训练一排序模型;以及步骤240,利用训练的排序模型对所述多个当前应用对象进行排序。下面结合具体例子描述以上各个步骤的执行方式。
首先,在步骤210,获取与多个当前应用对象相关的多个历史应用对象。在一个实施例中,上述多个历史应用对象例如由用户预先确定。由此,步骤210包括,接收预先确定的多个历史应用对象。在另一实施例中,步骤210包括,确定与多个当前应用对象相似的历史应用对象作为上述多个历史应用对象。具体地,可以首先基于各个应用对象的属性值来确定多个当前应用对象和多个备选历史应用对象的相似度,然后从上述备选历史应用对象中选择相似度高于预定相似度阈值的备选历史应用对象作为上述多个历史应用对象。如前所述,应用对象可以包括软件模块及其配置属性、硬件布置、数据模型、文件、数据结构等内容。下面以软件模块为例描述应用对象的属性和特点。
可以理解,一个应用对象可以具有多个方面的不同属性,相应地,可以通过各个属性及其对应的属性值来刻画一个应用对象的特点。例如,可以为包含软件模块的应用对象赋予代码规模的属性,以此属性来描述应用对象中的软件模块的大小。具体地,在一个例子中,可以用软件源代码的代码行数作为代码规模这一属性的属性值。在另一例子中,还可以采用其他属性值,例如用属性值1表示0-999行,2表示1000-1999行,3表示2000-2999行,等等。下面的表1列出应用对象所具有的一些典型的属性和属性值:
表1:
以上以软件模块为例列举了多种与技术背景相关的属性。可以理解,其他类型的应用对象相应地具有其他的或更多的属性。
除了以上描述应用对象的技术背景的属性之外,还可以基于应用对象的服务背景为应用对象赋予相应的属性和属性值。这样的属性例如包括,开发团队的成员数、开发团队的成熟度、应用对象的维护成本、应用对象的使用规模等等。可以理解,除了以上具体列举的属性之外,本领域技术人员还可以根据需要考虑应用对象的其他属性。在一个实施例中,通过数据分析将各个属性的属性值数值化,从而便于后续分析和计算。
基于应用对象所具有的各种属性,可以确定两个应用对象之间的相似度。在一个实施例中,将两个应用对象之间的相似度确定为关联于这两个应用对象之间匹配的属性的数目。具体地,如果两个应用对象的某个特定属性的属性值相同或者相差预定阈值以下,可以认为上述两个应用对象的上述特定属性相匹配。通过比较两个应用对象的各个属性的属性值,可以确定出相互匹配的属性的数目。在一个例子中,将该数目作为这两个应用对象之间的相似度。因此,匹配的属性越多,两个应用对象之间的相似度越高。
在另一个实施例中,可以将两个应用对象之间的相似度确定为关联于这两个应用对象映射到属性空间中的样本点之间的距离。具体地,可以将应用对象的属性作为一个维度,由此形成一个属性空间。相应地,一个应用对象对应于属性空间中的一个样本点,这个样本点在各个维度的坐标对应于各个属性的属性值。于是,可以利用多维空间中两点之间的距离计算方法来计算两个应用对象在属性空间中的样本点之间的距离。在一个例子中,将相似度确定为反比于上述距离。从而,距离越近,可以认为两个应用对象越相似,因而相似度越高。可以理解,在计算属性空间中的样本点之间的距离的过程中,可以根据需要为某些维度赋予特定的权重,从而调整相似度计算中相应属性所占的比例。此外,现有技术中存在多种多维空间中两点距离的计算方法,这些已有的方法均可以用于计算两个应用对象在属性空间中的距离,进而计算出相似度。
可以理解,除了以上的示例之外,本领域技术人员还可以采用其他方式基于属性值确定出两个应用对象之间的相似度。利用以上示例的以及类似的其他方式,可以逐个计算出各个当前应用对象和各个备选历史应用对象之间的相似度,然后选择相似度高于预定相似度阈值的应用对象作为所需的历史应用对象。
在一个实施例中,为了避免基于任意当前应用对象和任意备选历史应用对象形成***对,并逐个计算各个***对的相似度,将多个当前应用对象作为整体来计算相似度。具体地,如前所述地形成属性空间,并将各个当前应用对象和各个备选历史应用对象均映射到属性空间中。图3示意性示出映射到属性空间的各个应用对象。通过这样的映射,在属性空间中形成多个样本点,一部分样本点代表当前应用对象,另一部分样本点代表备选历史应用对象。在图3的示意图中,方框示出的样本点代表当前应用对象,圆圈示出的样本点代表备选历史应用对象。然后,在属性空间中构成一个超平面,用于将代表当前应用对象的样本点和代表备选历史应用对象的样本点分隔开。在图3中,超平面将方框示出的样本点和圆圈示出的样本点分割开。接着,用该超平面近似作为当前应用对象的集合来计算相似度。具体地,计算代表各个备选历史应用对象的样本点到上述超平面的距离d,并基于该距离d确定对应的备选历史应用对象与整体当前应用对象的相似度。例如,可以将到超平面的距离d小于特定阈值的备选历史应用对象确定为所需的历史应用对象,这对应于选择相似度高于预定相似度阈值的历史应用对象。在以上过程中,形成超平面的方法以及在多维空间中点到平面的距离的计算方法在本领域中均已公知,因此不再详细描述。
基于以上描述的实施例,本领域技术人员还可以进行多种修改和组合,从而采用更多方式确定出与当前应用对象相似的历史应用对象。
在确定出多个历史应用对象的基础上,在步骤220,获取所述多个历史应用对象的相对排序信息。这是因为,本发明的发明人通过研究发现,应用对象由于涉及的因素众多而难以直接进行全面的评估。现有的一些评估方法基于应用对象的一部分因素进行评估,其中评估因素的选择、评估算法的确定等步骤都涉及评估者的主观操作。然而,对历史应用对象的评价,特别是历史应用对象之间的相对排序信息是相对客观的信息。例如,当针对应用对象的质量进行评估和排序时,历史应用对象在质量上的相对排序,例如应用对象A被评价为质量优于应用对象B,是对应用对象质量的客观反映。因此,基于这样的客观信息来评价当前的应用对象可以最大程度地获得接近真实的评估结果。
具体地,为了获取历史应用对象的相对排序信息,在一个实施例中,获取历史应用对象的状态信息,基于状态信息确定第一层级的相对排序信息。下面结合关于质量的排序信息进行描述。可以理解,历史应用对象是在过去的时间段中提供给用户的解决方案。基于历史上用户对各个应用对象的选择,可以将历史应用对象划分为三类:被用户采纳或接受的应用对象、被用户否决或淘汰的应用对象以及处于其他状态的应用对象。上述其他状态包括以下的情况:由于用户还未做最终决定而状态未知的应用对象、既没有被完全接受也没有被否决的候补方案,等等。换而言之,根据用户的选择,可以将历史应用对象的状态分为三种:采纳(A)、否决(R)和待定(P)。对于这三种状态,可以合理地认为,被采纳的应用对象的质量优于待定状态的应用对象的质量,待定状态的应用对象的质量又优于被否决的应用对象的质量。这样的仅取决于状态信息的排序信息可以作为上述的第一层级的相对排序信息。例如,假定存在10个历史应用对象O1,O2,…,O10,其中O1-O4为被采纳的应用对象,O5-O7为待定状态的应用对象,O8-O10为被否决的应用对象,那么可以确定这10个历史应用对象的相对排序为(O1,O2,O3,O4)>(O5,O6,O7)>(O8,O9,O10)。这样的信息可以作为上述第一层级的相对排序信息。在其他实施例中,还可以考虑其他方面的排序信息。相应地,可以基于其他因素,例如应用对象是否被实际实施等,来获取其他状态信息,从而确定第一层级的排序信息。
可以理解,第一层级的相对排序信息较为粗略,无法对处于同样状态的应用对象,例如以上的O1-O4,进行进一步排序。因此,可选择地,在一个实施例中,在第一层级的相对排序信息的基础上确定第二层级的相对排序信息作为补充。具体地,根据一个实施例,第二层级的相对排序信息基于对各个历史应用对象的反馈信息而确定。在一个例子中,上述反馈信息包括来自用户的反馈信息,例如对特定应用对象的使用体验的评价和意见;在另一例子中,上述反馈信息包括来自开发人员或维护人员的反馈信息,例如对特定应用对象的后期维护的评价。反馈信息可以体现为多种形式。在一个例子中,反馈信息直接体现为对部分历史应用对象的排序,例如用户直接反馈应用对象O1优于应用对象O2。在另外的例子中,反馈信息可以体现为其他形式,例如对应用对象的意见描述、满意度打分等。通过对这样的反馈信息的数据分析和提取,也可以将其转化为对部分历史应用对象的排序。在其他实施例中,还可以基于其他信息确定至少一部分历史应用对象的排序。应该理解,尽管可以获取第二层级的相对排序信息作为补充,但是第二层级的相对排序信息并不是必须的。并且,第二层级的相对排序信息可以是对部分历史应用对象的不完全排序,而不必然提供任意两个历史应用对象的相对排序。
在一些情况下,从不同方面获取的相对排序信息之间存在部分不一致的情况。如果上述不一致出现在第一层级的相对排序信息和第二层级的相对排序信息之间,那么,采用第一层级的相对排序信息,放弃与之不一致的第二层级的信息。例如,第一层级的相对排序信息已经给出(O1,O2,O3,O4)>(O5,O6,O7)。如果某些反馈信息指示出O5>O1,那么可以认为该反馈信息可能不够准确,从而放弃使用该排序信息。如果上述不一致出现在同一层级的相对排序信息之间,那么,可以考虑与排序结果相关的多种因素来确定出一种排序信息。在一个例子中,考虑不同排序结果出现的次数来确定排序信息。例如,如果历史应用对象O1作为备选解决方案被多次提供给多个用户,可以考虑O1分别被采纳和被否决的次数。在被采纳的次数更多的情况下,仍然将O1确定为被采纳的状态,因而在第一层级中将其置于较高的排序位置。在另一例子中,考虑给出排序结果的人员来确定排序信息。例如,来自用户的反馈指示出历史应用对象O1优于O2,然而来自***的维护团队的反馈指示出O2优于O1。在更看重用户反馈的情况下,仍然将O1和O2之间的相对排序确定为O1>O2。此外,还可以基于与排序结果相关的更多因素,例如排序时间、排序所基于的打分等等,确定出最终的排序信息。根据另一种实施方式,在排序信息总体比较充分的情况下,放弃采用不一致的信息部分。
基于步骤220获取的相对排序信息,在步骤230,可以训练一排序模型,使得该排序模型针对以上的多个历史应用对象给出的排序结果与步骤220获取的相对排序信息相一致。或者说,排序模型旨在学习和模拟历史应用对象的已知排序结果的产生过程,从而用同样的过程为当前有待评估的应用对象进行排序。下面描述训练排序模型的实施方式。
在一个实施例中,为历史应用对象的各个属性分配相应的权重因子,从而基于各个属性的属性值和权重因子计算获得各个历史应用对象的得分。接着,基于上述得分对多个历史应用对象进行排序。如果排序结果与步骤220获得的相对排序信息一致,则将上述权重因子确定为排序模型的参数。如果排序结果与上述相对排序信息不一致,则修改和调整上述权重因子,直到利用权重因子获得的排序结果与上述相对排序信息一致。
然而,在有些情况下,仅仅调整各个属性对应的权重因子难以获得与相对排序信息完全一致的排序结果。因此,在另一实施例中,进一步引入多层次的权重分配,以此获得更加精细的排序模型。图4示出根据一个实施例的训练排序模型的流程图,即,步骤230的子步骤。如图4所示,为了训练排序模型,首先在步骤231,生成多个评估器,其每一个用于为多个历史应用对象的各个属性分配对应的属性权重因子。在一个实施例中,随机地为各个属性分配初始的属性权重因子,作为评估器的初始状态。在步骤232,利用所述多个评估器评估每个历史应用对象,从而获得对应的多个评估得分;接着,在步骤233,为多个评估器分配评估器权重因子;在步骤234,基于评估器权重因子对每个历史应用对象的多个评估得分进行加权求和,由此获得所述多个历史应用对象各自的总得分;在步骤235,基于所述总得分对所述多个历史应用对象进行排序,然后将排序结果与步骤220获得的相对排序信息比较;如果排序结果与所述相对排序信息不一致,在步骤236,修改属性权重因子和评估器权重因子的至少一部分,并返回到步骤231重复执行,直到排序结果与相对排序信息相一致。在排序结果与相对排序信息相一致的情况下,在步骤237,将此时的属性权重因子和评估器权重因子确定为排序模型的参数。下面结合一个具体例子描述图4所示的训练过程。
为了简单和示例的目的,在该例子中,假定排序模型的训练基于对历史应用对象O1,O2,O3,O4的相对排序信息。更具体地,假定仅考虑历史应用对象的3个属性,即,开发团队的成熟度、应用对象的维护成本和代码规模,并且已知各个历史应用对象针对以上各个属性的属性值,如表2所示。
表2:
应用对象 | 开发团队成熟度 | 维护成本 | 代码规模 |
O1 | 7 | 9 | 6 |
O2 | 8 | 6 | 8 |
O3 | 5 | 8 | 5.5 |
O4 | 6 | 6.5 | 7 |
另一方面,假定在步骤220获得了O1>O2>O3>O4的相对排序信息。对于以上的历史应用对象和相对排序信息,采用图4所示的流程来训练排序模型。
首先,在步骤231,生成多个评估器。在该例子中,假定生成表3所示的两个评估器E1和E2,其每一个对历史应用对象的3个属性分别分配了对应的属性权重因子。
表3
评估器 | 开发团队成熟度权重 | 维护成本权重 | 代码规模权重 |
E1 | 0.3 | 0.5 | 0.2 |
E2 | 0.5 | 0.3 | 0.2 |
接着,在步骤232,利用以上两个评估器E1和E2评估每个历史应用对象,由此,每个历史应用对象获得分别来自E1和E2的2个评估得分S1和S2,如表4所示。
表4:
应用对象 | S1 | S2 |
O1 | 7.8 | 7.4 |
O2 | 7 | 7.4 |
O3 | 6.6 | 6 |
O4 | 6.45 | 6.35 |
接着,在步骤233,为2个评估器E1和E2分别分配评估器权重因子x和y。初始地,假定x=y=0.5。在步骤234,基于评估器权重因子对每个历史应用对象的2个评估得分进行加权求和,由此获得各个历史应用对象的总得分。也就是,对于每个历史应用对象,计算其总得分E=xS1+yS2。表5示出x=y=0.5的情况下各个历史应用对象的总得分。
表5
应用对象 | 0.5*S1 | 0.5*S2 | E |
O1 | 3.9 | 3.7 | 7.6 |
O2 | 3.5 | 3.7 | 7.2 |
O3 | 3.3 | 3 | 6.3 |
O4 | 3.225 | 3.175 | 6.4 |
在步骤235,基于表5的总得分对O1-O4进行排序,并将排序结果与前述的相对排序信息比较。显然,图5的总得分中,O3的总得分小于O4的总得分,即O3<O4,这与相对排序信息中的O3>O4不一致。因此,修改属性权重因子和/或评估器权重因子,并重复执行以上过程。在一个例子中,通过对表4的研究可以发现,评估器E1给出的评估分数与相对排序信息是一致的。因此,可以保留评估器中对各个属性权重因子的设置,仅仅增大评估器E1的评估器权重因子x,相应地,减小评估器E2的评估器因子y。假定将x修改为0.75,将y修改为0.25,此时可以获得表6所示的总得分。
表6
应用对象 | 0.75*S1 | 0.25*S2 | E |
O1 | 5.85 | 1.85 | 7.7 |
O2 | 5.25 | 1.85 | 7.1 |
O3 | 4.95 | 1.5 | 6.45 |
O4 | 4.8375 | 1.5875 | 6.425 |
根据表6的总得分进行排序的排序结果满足O1>O2>O3>O4的相对排序信息,因而,可以将此时的属性权重因子和评估器权重因子确定为排序模型的参数,由此实现了排序模型的训练。
可以理解,现有技术中存在多种基于已有数据来训练模型的方法。本领域技术人员可以选择性地采用各种已知方法来训练上述的排序模型,而不限于以上描述的实施例。
在训练得到适当的排序模型的基础上,在步骤240,就可以利用训练得到的排序模型对多个当前应用对象进行排序。具体而言,训练得到的排序模型具有多个参数,例如属性权重因子、评估器权重因子等,可以利用这些参数对当前应用对象的属性值进行运算,从而获得各个当前应用对象的得分,进而,可以基于上述得分对多个当前应用对象进行排序。
在以上的方法中,并不直接对当前应用对象进行评估和排序,而是确定出与当前应用对象相似的历史应用对象,基于历史应用对象的相对排序信息来训练排序模型。如此获得的排序模型能够模拟已知的真实排序的产生过程,因此利用这样的排序模型对当前应用对象进行排序可以获得更加接近真实、更加客观的排序结果。
前面已经参考附图描述了实现本发明的方法的各个实施例。本领域技术人员可以理解的是,上述方法既可以以软件方式实现,也可以以硬件方式实现,或者通过软件与硬件相结合的方式实现。并且,本领域技术人员可以理解,通过以软件、硬件或者软硬件相结合的方式实现上述方法中的各个步骤,可以提供一种基于相同发明构思的用于针对应用对象进行排序的装置。即使该装置在硬件结构上与通用处理设备相同,由于其中所包含的软件的作用,使得该装置表现出区别于通用处理设备的特性,从而形成本发明的各个实施例的装置。本发明中所述装置包括若干单元或模块,所述单元或模块被配置为执行相应步骤。本领域的所述技术人员通过阅读本说明书可以理解如何编写程序实现所述单元或模块执行的动作。下面将参考附图5具体描述根据本发明的各个实施例的用于针对应用对象进行排序的装置。由于所述装置与方法基于相同的发明构思,因此其中相同或相应的实现细节同样适用于与上述方法对应的装置,由于其在上文中已经进行了详细和完整的描述,因此在下文中可能不再进行赘述。
参考图5,其示出根据一个实施例的进行排序的装置的框图。如图5所示,用于对应用对象进行排序的装置总体上表示为装置500。具体地,装置500包括:历史对象获取单元510,配置为获取与多个当前应用对象相关的多个历史应用对象;排序信息获取单元520,配置为获取所述多个历史应用对象的相对排序信息;排序模型训练单元530,配置为根据所述相对排序信息训练排序模型;以及排序单元540,配置为利用所训练的排序模型对所述多个当前应用对象进行排序。
根据一个实施例,上述历史对象获取单元510包括(未示出):相似度确定模块,配置为基于各个应用对象的属性值来确定多个备选历史应用对象与所述多个当前应用对象的相似度,以及选择模块,配置为从上述多个备选历史应用对象中选择相似度高于预定相似度阈值的应用对象作为上述多个历史应用对象。
根据一个实施例,上述相似度确定模块将所述相似度确定为以下之一:关联于所述多个当前应用对象和多个备选历史应用对象之间匹配的属性的数目;以及关联于所述多个当前应用对象和多个备选历史应用对象映射到属性空间中的样本点之间的距离。
在一个实施例中,上述相似度确定模块进一步包括(未示出):映射子模块,配置为将多个备选历史应用对象与所述多个当前应用对象映射为属性空间中的样本点;超平面构成子模块,配置为在所述属性空间中构成一超平面,用于将代表所述多个当前应用对象的样本点和代表所述多个备选历史应用对象的样本点分隔开;以及距离计算模块,配置为计算代表所述多个备选历史应用对象的样本点到上述超平面的距离,并基于该距离确定所述多个备选历史应用对象与所述多个当前应用对象的相似度。
根据一个实施例,上述排序信息获取单元520包括(未示出):状态获取模块,配置为获取所述多个历史应用对象的状态信息;以及第一信息获取模块,配置为基于所述状态信息确定第一层级的相对排序信息。
在一个实施例中,上述状态获取模块配置为:基于用户对所述多个历史应用对象的选择,将状态信息确定为以下之一:被采纳、被否决和待定。
根据一个实施例,上述排序信息获取单元520还包括(未示出)第二信息获取模块,配置为基于对所述多个历史应用对象的反馈信息确定第二层级的相对排序信息。
根据一个实施例,上述排序模型训练单元530包括(未示出):权重因子分配模块,配置为为所述多个历史应用对象的各个属性分配相应的权重因子,从而基于各个属性的属性值和所述权重因子计算获得各个历史应用对象的得分;历史对象排序模块,配置为基于上述得分对所述多个历史应用对象进行排序;修改模块,配置为在排序结果与所述相对排序信息不一致的情况下,修改上述权重因子;确定模块,配置为在排序结果与上述相对排序信息一致的情况下,将当前的权重因子确定为排序模型的参数。
根据一个实施例,所述排序模型训练单元530包括(未示出):评估器生成模块,配置为生成多个评估器,其每一个用于为所述多个历史应用对象的各个属性分配对应的属性权重因子;评估模块,配置为利用所述多个评估器评估每个历史应用对象,从而获得对应的多个评估得分;分配模块,配置为为所述多个评估器分配评估器权重因子;求和模块,配置为基于评估器权重因子对每个历史应用对象的多个评估得分进行加权求和,由此获得所述多个历史应用对象各自的总得分;历史对象排序模块,配置为基于所述总得分对所述多个历史应用对象进行排序;修改模块,配置为在排序结果与所述相对排序信息不一致的情况下,修改所述属性权重因子和评估器权重因子的至少一部分;确定模块,配置为在排序结果与上述相对排序信息一致的情况下,将当前的属性权重因子和评估器权重因子确定为排序模型的参数。
根据一个实施例,上述排序单元540包括(未示出):运算模块,配置为利用所述排序模型中的参数对所述多个当前应用对象的属性值进行运算,从而获得各个当前应用对象的得分;以及当前对象排序模块,配置为基于上述得分对所述多个当前应用对象进行排序。
可以理解,图5中的各个单元是以功能进行划分的,因此各个单元可以位于相同或者不同的物理平台上。并且图5中各个单元的具体执行方式对应于结合具体例子对各个步骤的描述,在此不再赘述。
利用以上描述的实施例的方法和装置,可以参考已有的历史应用对象的排序信息对当前的应用对象进行排序,从而给出更加客观的排序结果,而不必直接对当前应用对象进行评估或打分。
附图中的流程图和框图显示了根据本发明的多个实施例的***、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的***来实现,或者可以用专用硬件与计算机指令的组合来实现。
以上已经描述了本发明的各实施例,上述说明是示例性的,并非穷尽性的,并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择,旨在最好地解释各实施例的原理、实际应用或对市场中的技术的技术改进,或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。
Claims (20)
1.一种针对应用对象进行排序的方法,包括:
获取与多个当前应用对象相关的多个历史应用对象;
获取所述多个历史应用对象的相对排序信息;
根据所述相对排序信息训练排序模型;
利用所训练的排序模型对所述多个当前应用对象进行排序。
2.根据权利要求1的方法,其中获取与多个当前应用对象相关的多个历史应用对象包括:
基于多个当前应用对象和多个备选历史应用对象的属性值来确定多个备选历史应用对象与所述多个当前应用对象的相似度,以及
从上述多个备选历史应用对象中选择相似度高于预定相似度阈值的备选历史应用对象作为上述多个历史应用对象。
3.根据权利要求2所述的方法,其中所述相似度与以下之一关联:
所述多个当前应用对象和多个备选历史应用对象之间匹配的属性的数目;以及
所述多个当前应用对象和多个备选历史应用对象映射到属性空间中的样本点之间的距离。
4.根据权利要求2的方法,其中确定多个备选历史应用对象与所述多个当前应用对象的相似度包括:
将多个备选历史应用对象与所述多个当前应用对象映射为属性空间中的样本点,其中,属性空间是将多个备选历史应用对象和所述多个当前应用对象的至少一个属性作为维度而构成的空间;
在所述属性空间中构成一超平面,用于将代表所述多个当前应用对象的样本点和代表所述多个备选历史应用对象的样本点分隔开;
计算代表所述多个备选历史应用对象的样本点到上述超平面的距离,并基于该距离确定所述多个备选历史应用对象与所述多个当前应用对象的相似度。
5.根据权利要求1的方法,其中获取所述多个历史应用对象的相对排序信息包括:
获取所述多个历史应用对象的状态信息;以及
基于所述状态信息确定第一层级的相对排序信息。
6.根据权利要求5的方法,其中获取所述多个历史应用对象的状态信息包括:基于历史上用户对所述多个历史应用对象的选择,将状态信息确定为以下之一:被采纳、被否决和待定。
7.根据权利要求5的方法,其中获取所述多个历史应用对象的相对排序信息包括:基于对所述多个历史应用对象的反馈信息确定第二层级的相对排序信息。
8.根据权利要求1的方法,其中根据所述相对排序信息训练排序模型包括:
为所述多个历史应用对象的各个属性分配相应的权重因子,从而基于各个属性的属性值和所述权重因子计算获得各个历史应用对象的得分;
基于上述得分对所述多个历史应用对象进行排序;
在排序结果与所述相对排序信息不一致的情况下,调整上述权重因子;
在排序结果与上述相对排序信息一致的情况下,将当前的权重因子确定为排序模型的参数。
9.根据权利要求1的方法,其中根据所述相对排序信息训练排序模型包括:
生成多个评估器,其每一个用于为所述多个历史应用对象的各个属性分配对应的属性权重因子;
利用所述多个评估器评估每个历史应用对象,从而获得对应的多个评估得分;
为所述多个评估器分配评估器权重因子;
基于评估器权重因子对每个历史应用对象的多个评估得分进行加权求和,由此获得所述多个历史应用对象各自的总得分;
基于所述总得分对所述多个历史应用对象进行排序;
在排序结果与所述相对排序信息不一致的情况下,修改所述属性权重因子和评估器权重因子的至少一部分;
在排序结果与上述相对排序信息一致的情况下,将当前的属性权重因子和评估器权重因子确定为排序模型的参数。
10.根据权利要求1的方法,其中利用所训练的排序模型对所述多个当前应用对象进行排序包括:
利用所述排序模型中的参数对所述多个当前应用对象的属性值进行运算,从而获得各个当前应用对象的得分;以及
基于上述得分对所述多个当前应用对象进行排序。
11.一种针对应用对象进行排序的装置,包括:
历史对象获取单元,配置为获取与多个当前应用对象相关的多个历史应用对象;
排序信息获取单元,配置为获取所述多个历史应用对象的相对排序信息;
排序模型训练单元,配置为根据所述相对排序信息训练排序模型;
排序单元,配置为利用所训练的排序模型对所述多个当前应用对象进行排序。
12.根据权利要求11的装置,其中所述历史对象获取单元包括:
相似度确定模块,配置为基于多个当前应用对象和多个备选历史应用对象的属性值来确定多个备选历史应用对象与所述多个当前应用对象的相似度,以及
选择模块,配置为从上述多个备选历史应用对象中选择相似度高于预定相似度阈值的备选历史应用对象作为上述多个历史应用对象。
13.根据权利要求12所述的装置,其中所述相似度确定模块将所述相似度确定为与以下之一关联:
所述多个当前应用对象和多个备选历史应用对象之间匹配的属性的数目;以及
所述多个当前应用对象和多个备选历史应用对象映射到属性空间中的样本点之间的距离。
14.根据权利要求12的装置,其中所述相似度确定模块包括:
映射子模块,配置为将多个备选历史应用对象与所述多个当前应用对象映射为属性空间中的样本点,其中,属性空间是将多个备选历史应用对象和所述多个当前应用对象的至少一个属性作为维度而构成的空间;
超平面构成子模块,配置为在所述属性空间中构成一超平面,用于将代表所述多个当前应用对象的样本点和代表所述多个备选历史应用对象的样本点分隔开;
距离计算模块,配置为计算代表所述多个备选历史应用对象的样本点到上述超平面的距离,并基于该距离确定所述多个备选历史应用对象与所述多个当前应用对象的相似度。
15.根据权利要求11的装置,其中所述排序信息获取单元包括:
状态获取模块,配置为获取所述多个历史应用对象的状态信息;以及
第一信息获取模块,配置为基于所述状态信息确定第一层级的相对排序信息。
16.根据权利要求15的装置,其中所述状态获取模块配置为:基于历史上用户对所述多个历史应用对象的选择,将状态信息确定为以下之一:被采纳、被否决和待定。
17.根据权利要求15的装置,其中所述排序信息获取单元还包括第二信息获取模块,配置为基于对所述多个历史应用对象的反馈信息确定第二层级的相对排序信息。
18.根据权利要求11的装置,其中所述排序模型训练单元包括:
权重因子分配模块,配置为为所述多个历史应用对象的各个属性分配相应的权重因子,从而基于各个属性的属性值和所述权重因子计算获得各个历史应用对象的得分;
历史对象排序模块,配置为基于上述得分对所述多个历史应用对象进行排序;
修改模块,配置为在排序结果与所述相对排序信息不一致的情况下,修改上述权重因子;
确定模块,配置为在排序结果与上述相对排序信息一致的情况下,将当前的权重因子确定为排序模型的参数。
19.根据权利要求11的装置,其中所述排序模型训练单元包括:
评估器生成模块,配置为生成多个评估器,其每一个用于为所述多个历史应用对象的各个属性分配对应的属性权重因子;
评估模块,配置为利用所述多个评估器评估每个历史应用对象,从而获得对应的多个评估得分;
分配模块,配置为为所述多个评估器分配评估器权重因子;
求和模块,配置为基于评估器权重因子对每个历史应用对象的多个评估得分进行加权求和,由此获得所述多个历史应用对象各自的总得分;
历史对象排序模块,配置为基于所述总得分对所述多个历史应用对象进行排序;
修改模块,配置为在排序结果与所述相对排序信息不一致的情况下,修改所述属性权重因子和评估器权重因子的至少一部分;
确定模块,配置为在排序结果与上述相对排序信息一致的情况下,将当前的属性权重因子和评估器权重因子确定为排序模型的参数。
20.根据权利要求11的装置,其中所述排序单元包括:
运算模块,配置为利用所述排序模型中的参数对所述多个当前应用对象的属性值进行运算,从而获得各个当前应用对象的得分;以及
当前对象排序模块,配置为基于上述得分对所述多个当前应用对象进行排序。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310453304.9A CN104516897B (zh) | 2013-09-29 | 2013-09-29 | 一种针对应用对象进行排序的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310453304.9A CN104516897B (zh) | 2013-09-29 | 2013-09-29 | 一种针对应用对象进行排序的方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104516897A true CN104516897A (zh) | 2015-04-15 |
CN104516897B CN104516897B (zh) | 2018-03-02 |
Family
ID=52792211
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310453304.9A Expired - Fee Related CN104516897B (zh) | 2013-09-29 | 2013-09-29 | 一种针对应用对象进行排序的方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104516897B (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105912599A (zh) * | 2016-03-31 | 2016-08-31 | 维沃移动通信有限公司 | 终端应用程序的排名方法及终端 |
CN106843181A (zh) * | 2017-03-22 | 2017-06-13 | 广东卓信环境科技股份有限公司 | 基于工业控制实现同一工艺功能设备排序方法和模型 |
WO2017133704A1 (zh) * | 2016-02-07 | 2017-08-10 | 徐璇炫 | 一种基于用户设置进行对象排序的方法和装置 |
CN107368510A (zh) * | 2017-04-10 | 2017-11-21 | 口碑控股有限公司 | 一种店铺搜索排序方法及装置 |
CN108304407A (zh) * | 2017-01-12 | 2018-07-20 | 阿里巴巴集团控股有限公司 | 一种进行对象排序的方法和*** |
CN110914802A (zh) * | 2017-06-30 | 2020-03-24 | Oppo广东移动通信有限公司 | 应用控制方法、装置、存储介质及电子设备 |
CN111240739A (zh) * | 2020-01-21 | 2020-06-05 | 烽火通信科技股份有限公司 | 一种对象的关联属性动态并发分配方法及*** |
CN111508611A (zh) * | 2020-03-19 | 2020-08-07 | 平安国际智慧城市科技股份有限公司 | 多解决方案的智能选择方法、装置及相关设备 |
CN111754126A (zh) * | 2020-06-29 | 2020-10-09 | 支付宝(杭州)信息技术有限公司 | 对应用进行评估的方法和*** |
CN112715041A (zh) * | 2018-09-30 | 2021-04-27 | 西门子股份公司 | 用于识别设备的方法和装置及计算机可读存储介质和程序 |
CN113570269A (zh) * | 2021-08-03 | 2021-10-29 | 工银科技有限公司 | 运维项目的管理方法、装置、设备、介质和程序产品 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20010037246A1 (en) * | 2000-03-15 | 2001-11-01 | Reiter Edmund C | Systems and methods for information management over a distributed network |
CN101661487A (zh) * | 2008-08-27 | 2010-03-03 | 国际商业机器公司 | 对信息项进行搜索的方法和*** |
CN101908020A (zh) * | 2010-08-27 | 2010-12-08 | 南京大学 | 一种基于分类挖掘和版本变更的测试用例优先化方法 |
CN102262661A (zh) * | 2011-07-18 | 2011-11-30 | 南京大学 | 一种基于k阶混合马尔可夫模型的Web页面访问预测方法 |
CN102779193A (zh) * | 2012-07-16 | 2012-11-14 | 哈尔滨工业大学 | 自适应个性化信息检索***及方法 |
CN103020164A (zh) * | 2012-11-26 | 2013-04-03 | 华北电力大学 | 一种基于多语义分析和个性化排序的语义检索方法 |
-
2013
- 2013-09-29 CN CN201310453304.9A patent/CN104516897B/zh not_active Expired - Fee Related
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20010037246A1 (en) * | 2000-03-15 | 2001-11-01 | Reiter Edmund C | Systems and methods for information management over a distributed network |
CN101661487A (zh) * | 2008-08-27 | 2010-03-03 | 国际商业机器公司 | 对信息项进行搜索的方法和*** |
CN101908020A (zh) * | 2010-08-27 | 2010-12-08 | 南京大学 | 一种基于分类挖掘和版本变更的测试用例优先化方法 |
CN102262661A (zh) * | 2011-07-18 | 2011-11-30 | 南京大学 | 一种基于k阶混合马尔可夫模型的Web页面访问预测方法 |
CN102779193A (zh) * | 2012-07-16 | 2012-11-14 | 哈尔滨工业大学 | 自适应个性化信息检索***及方法 |
CN103020164A (zh) * | 2012-11-26 | 2013-04-03 | 华北电力大学 | 一种基于多语义分析和个性化排序的语义检索方法 |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017133704A1 (zh) * | 2016-02-07 | 2017-08-10 | 徐璇炫 | 一种基于用户设置进行对象排序的方法和装置 |
CN105912599A (zh) * | 2016-03-31 | 2016-08-31 | 维沃移动通信有限公司 | 终端应用程序的排名方法及终端 |
CN108304407A (zh) * | 2017-01-12 | 2018-07-20 | 阿里巴巴集团控股有限公司 | 一种进行对象排序的方法和*** |
CN108304407B (zh) * | 2017-01-12 | 2022-02-25 | 阿里巴巴集团控股有限公司 | 一种进行对象排序的方法和*** |
CN106843181A (zh) * | 2017-03-22 | 2017-06-13 | 广东卓信环境科技股份有限公司 | 基于工业控制实现同一工艺功能设备排序方法和模型 |
CN107368510A (zh) * | 2017-04-10 | 2017-11-21 | 口碑控股有限公司 | 一种店铺搜索排序方法及装置 |
CN110914802A (zh) * | 2017-06-30 | 2020-03-24 | Oppo广东移动通信有限公司 | 应用控制方法、装置、存储介质及电子设备 |
CN112715041A (zh) * | 2018-09-30 | 2021-04-27 | 西门子股份公司 | 用于识别设备的方法和装置及计算机可读存储介质和程序 |
CN112715041B (zh) * | 2018-09-30 | 2023-12-19 | 西门子股份公司 | 用于识别设备的方法和装置及计算机可读存储介质和程序 |
CN111240739A (zh) * | 2020-01-21 | 2020-06-05 | 烽火通信科技股份有限公司 | 一种对象的关联属性动态并发分配方法及*** |
CN111240739B (zh) * | 2020-01-21 | 2022-04-15 | 烽火通信科技股份有限公司 | 一种对象的关联属性动态并发分配方法及*** |
CN111508611A (zh) * | 2020-03-19 | 2020-08-07 | 平安国际智慧城市科技股份有限公司 | 多解决方案的智能选择方法、装置及相关设备 |
CN111754126A (zh) * | 2020-06-29 | 2020-10-09 | 支付宝(杭州)信息技术有限公司 | 对应用进行评估的方法和*** |
CN113570269A (zh) * | 2021-08-03 | 2021-10-29 | 工银科技有限公司 | 运维项目的管理方法、装置、设备、介质和程序产品 |
Also Published As
Publication number | Publication date |
---|---|
CN104516897B (zh) | 2018-03-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104516897A (zh) | 一种针对应用对象进行排序的方法和装置 | |
WO2021017679A1 (zh) | 地址信息解析方法、装置、***及数据获取方法 | |
CN110147456B (zh) | 一种图像分类方法、装置、可读存储介质及终端设备 | |
CN104346372B (zh) | 用于评估预测模型的方法和装置 | |
WO2018014786A1 (zh) | 评价模型的建模方法及装置 | |
CN107679189A (zh) | 一种兴趣点更新方法、装置、服务器和介质 | |
CN107169534A (zh) | 模型训练方法及装置、存储介质、电子设备 | |
CN109472318B (zh) | 为构建的机器学习模型选取特征的方法及装置 | |
CN108961087A (zh) | 保险推荐方法、装置、计算机设备和计算机可读存储介质 | |
CN112507646A (zh) | 计算机实施的方法 | |
CN102903008A (zh) | 用于计算机问答的方法及*** | |
CN105404947A (zh) | 用户质量侦测方法及装置 | |
CN105630801A (zh) | 用于检测偏离用户的方法和装置 | |
CN110969175A (zh) | 晶圆处理方法及装置、存储介质和电子设备 | |
CN113283795B (zh) | 基于二分类模型的数据处理方法及装置、介质、设备 | |
CN104881684A (zh) | 一种立体图像质量客观评价方法 | |
CN103823939A (zh) | 一种基于虚拟维修的维修安全定性因素定量评价方法 | |
CN113516417A (zh) | 基于智能建模的业务评估方法、装置、电子设备及介质 | |
CN104735045A (zh) | 使用弹性映射对去往社交网络节点的通信的指引 | |
CN110334720A (zh) | 业务数据的特征提取方法、装置、服务器和存储介质 | |
US8983816B2 (en) | Efficient evaluation of network robustness with a graph | |
CN111209930A (zh) | 一种生成授信策略的方法、装置和电子设备 | |
CN106886934A (zh) | 用于确定商家品类的方法、***和装置 | |
CN105912510A (zh) | 判断***的方法、装置和服务器 | |
CN105844373A (zh) | 目标商圈强度评估***与方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20180302 Termination date: 20200929 |