CN105678323A - 基于图的分析用户的方法和*** - Google Patents

基于图的分析用户的方法和*** Download PDF

Info

Publication number
CN105678323A
CN105678323A CN201511028240.3A CN201511028240A CN105678323A CN 105678323 A CN105678323 A CN 105678323A CN 201511028240 A CN201511028240 A CN 201511028240A CN 105678323 A CN105678323 A CN 105678323A
Authority
CN
China
Prior art keywords
user
trade company
information
association analysis
key message
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201511028240.3A
Other languages
English (en)
Inventor
何东杰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China Unionpay Co Ltd
Original Assignee
China Unionpay Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by China Unionpay Co Ltd filed Critical China Unionpay Co Ltd
Priority to CN201511028240.3A priority Critical patent/CN105678323A/zh
Publication of CN105678323A publication Critical patent/CN105678323A/zh
Priority to PCT/CN2016/111441 priority patent/WO2017114276A1/zh
Priority to TW105143938A priority patent/TWI621989B/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G06F18/232—Non-hierarchical techniques
    • G06F18/2323—Non-hierarchical techniques based on graph theory, e.g. minimum spanning trees [MST] or graph cuts

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Data Mining & Analysis (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Discrete Mathematics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

公开一种基于图的分析用户的方法和***。方法包括：A.数据特征解析过程，包括：对用户、商户、以及用户与和商户之间发生的数据记录进行解析，获取关键信息，其中，关键信息包括用户标识、商户标识、在用户与商户之间产生的消费信息；利用获取的关键信息产生该图的顶点信息和边信息，其中将用户标识和商户标识作为顶点信息、将消费信息作为边信息；B.关联分析过程，包括：至少基于与第一用户关联的一个或多个商户，分析该第一用户与其它用户关联。

Description

基于图的分析用户的方法和***
技术领域
本发明的实施例涉及数据分析，并且具体地涉及基于图的分析用户的方法和***。
背景技术
随着大数据技术的快速发展，面向用户个人的数据分析成为可能。传统的用户分析通过贝叶斯、决策树等方法进行用户的分类和聚类，发现用户之间的关联关系。然而，在大规模数据的情况下，面向用户个体的关联分类算法难以进行有效的处理，其往往花费很长的计算时间。特别是，面向迭代类型的模型算法在处理大规模数据时的效率极其低下。另外，一旦用户信息的被更新，则需要重新计算用户的关联分类，这将极大影响结果数据的效用。
发明内容
根据本发明的一个实施例，公开一种基于图的分析用户的方法，维护以对象为顶点，对象与对象之间的关联信息为边的图，其中，所述对象包括用户和商户，所述边指示用户和商户的关联关系，所述方法包括：A.数据特征解析过程，包括：对用户、商户、以及用户与和商户之间发生的数据记录进行解析，获取关键信息，其中，关键信息包括用户标识、商户标识、在用户与商户之间产生的消费信息；利用获取的关键信息产生该图的顶点信息和边信息，其中将用户标识和商户标识作为顶点信息、将消费信息作为边信息；B.关联分析过程，包括：至少基于与第一用户关联的一个或多个商户，分析该第一用户与其它用户关联。
根据本发明的一个实施例，公开基于图的分析用户的***，维护以对象为顶点，对象与对象之间的关联信息为边的图，其中，所述对象包括用户和商户，所述边指示用户和商户的关联关系，所述***包括：A.数据特征解析模块，被配置成：对用户、商户、以及用户与和商户之间发生的数据记录进行解析，获取关键信息，其中，关键信息包括用户标识、商户标识、在用户与商户之间产生的消费信息；利用获取的关键信息产生该图的顶点信息和边信息，其中将用户标识和商户标识作为顶点信息、将消费信息作为边信息；B.关联分析模块，被配置成：至少基于与第一用户关联的一个或多个商户，分析该第一用户与其它用户关联。
本发明的技术方案通过缩短数据更新以及数据分析的时间，有效提升数据的时效性，提高大数据环境下海量数据关联分析和分类分析的效率。通过构建用户和商户的关系图、强弱关联分析、边分割分类等方法加快了分析处理的速度。同时，基于可实时更新的图存储架构，可提供准实时的数据分析能力。
当结合附图阅读以下描述时也将理解本发明的实施例的其它特征和优势，其中附图借助于实例示出了本发明的实施例的原理。
附图说明
图1是根据本发明实施例的基于以对象为顶点，对象与对象之间的关联信息为边的图来分析用户的示意图。
图2是根据本发明实施例的基于图的分析用户的方法流程图。
图3是根据本发明实施例的基于图的分析用户的***示意图。
具体实施方式
在下文中，将结合实施例描述本发明的原理。应当理解的是，给出的实施例只是为了本领域技术人员更好地理解并且实践本发明，而不是限制本发明的范围。例如，本说明书中包含许多具体的实施细节不应被解释为对发明的范围或可能被要求保护的范围的限制，而是应该被视为特定于实施例的描述。例如，在各实施例的上下文描述的特征可被组合在单一实施例中来实施。在单一实施例的上下文中描述的特征可在多个实施例来实施。
本发明提出基于图存储模型对要处理的数据的进行实时存储和更新。图是一种数据结构，定义为：graph＝(V，E)。V是一个非空有限集合，代表顶点(节点)，E代表边的集合，一般用(Vx，Vy)表示，其中，Vx，Vy属于V。若两个结点U、V之间有一条边连接，则称这两个结点U、V是关联的。可以用带权图表示两个相邻顶点之间的除连接关系以外的其它关系。
基于这样的概念，本发明提出维护以对象为顶点，对象与对象之间的关联信息为边的图，以便基于图的关联模型和算法进行对象(用户或者商户)之间的关联分析来提高数据分析的性能和效率。在本发明中，用户可以是例如银行卡的用户或者任何使用网络服务(例如，网上购物)的用户，商户可以是提供产品或者服务的任何实体(例如，实体商户或者网络商户)。
图1是根据本发明实施例的基于以对象为顶点，对象与对象之间的关联信息为边的图来分析用户的示意图。图1示出用户1-7、商户1-4，该11个对象通过用户的消费(购买产品或者服务)行为被联系起来，并且形成图。例如，用户1在商户1消费后，则建立用户1与商户1的连接。图1中的图的顶点代表对象，顶点与顶点之间的边指示这两个顶点之间的关联信息。例如，将用户标识和商户标识作为顶点信息。作为边信息的关联信息可以是用户与商户之间发生的消费的信息。例如，用户在商户的消费事件发生的时间、时段、地点、频率，消费金额，消费商品种类，或者商户标识。本发明提出根据用户的消费行为特征产生以用户和商户为顶点的图，并且根据该图来估计用户和商户、用户和用户之间的关联性。
在图1示出的示例中，可以根据特定分析的需求，根据商户标识和消费信息来过滤图1中的顶点。
在一个示例中，当分析用户1时，可以首先过滤具有特定商户标识的商户3(例如，便利店)，然后在剩下的与用户1关联的商户中，查找与用户1具有预定数量以上(较强的关联度)的共同关联商户的用户。例如，预定数量可以设置为3，那么在该示例中，用户4与用户1的关联度较强。
在一个示例中，直接指定分析与商户2相关的用户之间的关系。然后，可以设置过滤条件为在一定时间段之内在商户2消费的金额大于预定值(较强的关联度)。根据该过滤条件，考虑用户1、4、5、7与商户2之间的消费信息(边信息)，可以知道用户1、4、5、7中哪些用户关于商户2关联度较强。
本领域技术人员可以理解的是，还可以基于商户标识和消费信息的一项或多项信息(例如，时间、时段、地点、频率，消费金额，消费商品种类的一个或多个以及它们的各种组合)来分析一个用户与商户、以及该用户与其它用户之间的关联关系。
通过基于图的关联分析，可以快速地分析用户群体、特定用户的喜好趋势、潜在喜好。为促进对本发明的理解，下文还将描述其它示例。但这些示例不应被视为是限制性的。
图2是根据本发明实施例的基于图的分析用户的方法流程图。在该方法中，维护以对象为顶点，对象与对象之间的关联信息为边的图，其中，所述对象包括用户和商户，所述边指示用户和商户的关联关系，所述方法包括数据特征解析过程200和关联分析过程300。
数据特征解析过程200，包括：
步骤210：对用户、商户、以及用户与和商户之间发生的数据记录进行解析，获取关键信息，其中，关键信息包括用户标识、商户标识、在用户与商户之间产生的消费信息；
步骤220：利用获取的关键信息产生该图的顶点信息和边信息，其中将用户标识和商户标识作为顶点信息、将消费信息作为边信息；
关联分析过程300，包括：至少基于与第一用户关联的一个或多个商户，分析该第一用户与其它用户关联。
在一个实施例中，关联分析过程300包括：
步骤310：相对于第一用户，根据预定条件过滤商户。
步骤320：相对于第一用户，根据预定条件过滤其它用户。
由此，通过为商户标识和消费信息设置过滤条件，可以在图中迅速地第一用户进行分析，找出与第一用户具有较强关联性的商户或者其它用户。
在一个示例中，在关联分析过程中，根据商户标识过滤与第一用户关联的所述一个或多个商户，得到经过滤的一个或多个商户。例如，通过商户标识，将便利店、特定百货商场、公共事业缴费单位、特定酒店从所述一个或多个商户排除。这些被排除的商户在特定的分析中可以被视为与第一用户具有弱关联度或者分析价值较低的对象。然而，根据分析需求的不同，在其它示例中，可以将这些商户纳入考虑范围。
在另一个示例中，在关联分析过程中，根据消费信息过滤与第一用户关联的所述一个或多个商户，得到经过滤的一个或多个商户。例如，将消费信息中的单比消费金额的数额小于预定值的商户排除，和/或将消费信息中最后消费事件发生时间在特定时间以前的商户排除。可选的，消费信息中的消费频率、消费产品或者服务的类型也可以被纳入考虑范围。
可以理解的是，可以结合商户标识和消费信息筛选与第一用户相关联的商户中的商户。如上所述，可以通过为商户标识和消费信息设置过滤条件，可以在图中迅速地第一用户进行分析，找出与第一用户具有较强关联性或者是符合特定关联性的商户。
在一个实施例中，在关联分析过程中，在图中确定与该经过滤的一个或多个商户关联的其它用户。通过首先确定商户，再将第一用户关联至其它用户，可以大大减少计算量、提高分析效率。
在一个示例中，在关联分析过程中，进一步根据商户标识，从其它用户中选择与所述第一用户具有强关联性的用户，其中根据以下预置条件确定所述第一用户和另一用户具有强关联性：所述第一用户和另一用户共同关联的商户数量超过预定值。例如，将与所述第一用户共同关联的商户数量超过5家的用户视为满足特定分析目标的群体。
在另一个示例中，在关联分析过程中，进一步根据消费信息，来判断所述第一用户与其它用户的关联性的强弱。例如，对于同一商户，当判断所述第一用户与另一用户在特定时间段(例如，在两个日期之间，或者一天的某个时段之间)内的消费频率处于相同范围内(例如，一个月消费5至10次)时，将两者视为具有强的关联性。又例如，对于同一商户，当判断所述第一用户与另一用户在特定时间段内的消费金额处于相同范围内(例如，一个月消费5至10次)时，将两者视为具有强的关联性。又例如，对于同一商户，当判断所述第一用户与另一用户的消费的产品或者服务的类型相同时，将两者视为具有强的关联性。可以理解的是，可以结合一个或多个消费因素来判断用户之间的关联性。例如，还可以将消费事件的地点纳入考虑范围。
以下描述一个根据本发明一个或多个实施例的实例。在该实例中，首先对用户到商户的边信息进行弱关联识别。定义弱关联关系如下：商户标识指示为便利店、特定百货商场、或者公共事业缴费单位的商户。针对具体用户A进行关联分析，获取其的所有非弱关联商户。然后，通过这些非弱关联商户获得对应的所有非弱关联多个用户B，并记录B1至Bn与A之间的共有商户以及消费信息。当用户A与用户B1所共同关联的商户数量达到A所有的非弱关联商户的一半以上和/或消费信息具有强关联性(例如，如上所述的)时，可以认为A和B1属于同一群体。由此，可实现用户分类和商户分类，提升面向用户的关联关系的分析效率，提高数据服务的质量。
在一个优选的实施例中，可以根据预定的条件对整个图进行划分，将不满足预定条件的边删除，得到一个或多个群体。
图2所示的各个框可被视为方法步骤、和/或被视为由于运行计算机程序代码而导致的操作、和/或被视为构建为实施相关功能的多个耦合的逻辑电路元件。尽管操作按特定的顺序在图中被描绘，但这不应被理解为要求按照所示的特定顺序或按依次顺序来执行这些操作，或要求所有例示的操作被执行，以达到理想的结果。在某些情况下，多任务并行处理可能是有利的。
图3是根据本发明实施例的基于图的分析用户的***示意图。如图所示，***包括数据特征解析模块、关联分析模块、可选的索引模块。特征解析模块用于维护以对象为顶点，对象与对象之间的关联信息为边的图，其中，所述对象包括用户和商户，所述边指示用户和商户的关联关系。
根据一个实施例，数据特征解析模块，被配置成：对用户、商户、以及用户与和商户之间发生的数据记录进行解析，获取关键信息，其中，关键信息包括用户标识、商户标识、在用户与商户之间产生的消费信息；利用获取的关键信息产生该图的顶点信息和边信息，其中将用户标识和商户标识作为顶点信息、将消费信息作为边信息。关联分析模块，被配置成：至少基于与第一用户关联的一个或多个商户，分析该第一用户与其它用户关联。
用户与商户之间产生的消费信息包括以下一个或多个：消费事件发生的时间、时段、地点、频率，消费金额，消费商品种类。
在其它实施例中，所述关联分析模块被配置成：根据商户标识过滤与第一用户关联的所述一个或多个商户，得到经过滤的一个或多个商户。
在其它实施例中，所述关联分析模块被配置成：根据消费信息过滤与第一用户关联的所述一个或多个商户，得到经过滤的一个或多个商户。
在其它实施例中，所述关联分析模块被配置成：在图中确定与该经过滤的一个或多个商户关联的其它用户。
在其它实施例中，所述关联分析模块被配置成：进一步根据商户标识，从其它用户中选择与所述第一用户具有强关联性的用户，其中根据以下预置条件确定所述第一用户和另一用户具有强关联性：所述第一用户和另一用户共同关联的商户数量超过预定值。
在其它实施例中，所述关联分析模块被配置成：进一步根据消费信息，来判断所述第一用户与其它用户的关联性的强弱。
在其它实施例中，索引模块，被配置成维护以对象的关键信息中的一项为键、以对象在该图中的位置信息为辅助信息的索引。作为示例，所述索引模块被配置成，通过第一对象的关键信息利用该索引定位该第一对象在该图中的位置，根据该第一对象在该图中的位置找出与该第一对象关联的其它对象。索引模块可以被配置成维护以对象的关键信息的一项(例如，用户ID或者商户ID)为键、以对象在该图中的位置信息为辅助信息的索引。这里，位置信息指示该对象所对应的顶点在图的存储结构(例如，邻接矩阵、邻接表等)中的与其它对象的位置关系。图分析模块通过索引能够快速定位对象在图中的位置。
基于数据特征解析模块、关联分析模块、索引模块、可以高效地进行更新操作和分析操作。在更新操作过程中，当对象的关键信息发生变化时，实时地更新该对象在该图中的顶点信息和边信息。
示例性实施例可在硬件、软件或其组合中来实施。例如，本发明的某些方面可在硬件中实施，而其它方面则可在软件中实施。尽管本发明的示例性实施例的方面可被示出和描述为框图、流程图，但很好理解的是，这里描述的这些装置、或方法可在作为非限制性实例的***中被实现为功能模块。此外，上述装置不应被理解为要求在所有的实施例中进行这种分离，而应该被理解为所描述的程序组件和***通常可以被集成在单一的软件产品中或打包成多个软件产品。
相关领域的技术人员当结合附图阅读前述说明书时，对本发明的前述示例性实施例的各种修改和变形对于相关领域的技术人员会变得明显。因此，本发明的实施例不限于所公开的特定实施例，并且变形例和其它实施例意在涵盖在所附权利要求的范围内。

Claims (20)

1.一种基于图的分析用户的方法，其特征在于，维护以对象为顶点，对象与对象之间的关联信息为边的图，其中，所述对象包括用户和商户，所述边指示用户和商户的关联关系，所述方法包括：
A.数据特征解析过程，包括：
对用户、商户、以及用户与和商户之间发生的数据记录进行解析，获取关键信息，其中，关键信息包括用户标识、商户标识、在用户与商户之间产生的消费信息；
利用获取的关键信息产生该图的顶点信息和边信息，其中将用户标识和商户标识作为顶点信息、将消费信息作为边信息；
B.关联分析过程，包括：
至少基于与第一用户关联的一个或多个商户，分析该第一用户与其它用户关联。
2.如权利要求1所述的方法，其特征在于，
用户与商户之间产生的消费信息包括以下一个或多个：
消费事件发生的时间、时段、地点、频率，消费金额，消费商品种类。
3.如权利要求1所述的方法，其特征在于，
在关联分析过程中，
根据商户标识过滤与第一用户关联的所述一个或多个商户，得到经过滤的一个或多个商户。
4.如权利要求1所述的方法，其特征在于，
在关联分析过程中，
根据消费信息过滤与第一用户关联的所述一个或多个商户，得到经过滤的一个或多个商户。
5.如权利要求3或者4所述的方法，其特征在于，
在关联分析过程中，
在图中确定与该经过滤的一个或多个商户关联的其它用户。
6.如权利要求3或者4所述的方法，其特征在于，
在关联分析过程中，
进一步根据商户标识，从其它用户中选择与所述第一用户具有强关联性的用户，其中根据以下预置条件确定所述第一用户和另一用户具有强关联性：
所述第一用户和另一用户共同关联的商户数量超过预定值。
7.如权利要求3或者4所述的方法，其特征在于，
在关联分析过程中，
进一步根据消费信息，来判断所述第一用户与其它用户的关联性的强弱。
8.如权利要求1所述的方法，其特征在于，该方法包括：
维护以对象的关键信息中的一项为键、以对象在该图中的位置信息为辅助信息的索引。
9.如权利要求8所述的方法，其特征在于，
通过第一对象的关键信息利用该索引定位该第一对象在该图中的位置，根据该第一对象在该图中的位置找出与该第一对象关联的其它对象。
10.如权利要求9所述的方法，其特征在于，
通过分布式架构存储所述图和所述索引。
11.一种基于图的分析用户的***，其特征在于，维护以对象为顶点，对象与对象之间的关联信息为边的图，其中，所述对象包括用户和商户，所述边指示用户和商户的关联关系，所述***包括：
A.数据特征解析模块，被配置成：
对用户、商户、以及用户与和商户之间发生的数据记录进行解析，获取关键信息，其中，关键信息包括用户标识、商户标识、在用户与商户之间产生的消费信息；
利用获取的关键信息产生该图的顶点信息和边信息，其中将用户标识和商户标识作为顶点信息、将消费信息作为边信息；
B.关联分析模块，被配置成：
至少基于与第一用户关联的一个或多个商户，分析该第一用户与其它用户关联。
12.如权利要求11所述的***，其特征在于，
用户与商户之间产生的消费信息包括以下一个或多个：
消费事件发生的时间、时段、地点、频率，消费金额，消费商品种类。
13.如权利要求11所述的***，其特征在于，
所述关联分析模块被配置成：
根据商户标识过滤与第一用户关联的所述一个或多个商户，得到经过滤的一个或多个商户。
14.如权利要求11所述的***，其特征在于，
所述关联分析模块被配置成：
根据消费信息过滤与第一用户关联的所述一个或多个商户，得到经过滤的一个或多个商户。
15.如权利要求13或者14所述的***，其特征在于，
所述关联分析模块被配置成：
在图中确定与该经过滤的一个或多个商户关联的其它用户。
16.如权利要求13或者14所述的***，其特征在于，
所述关联分析模块被配置成：
进一步根据商户标识，从其它用户中选择与所述第一用户具有强关联性的用户，其中根据以下预置条件确定所述第一用户和另一用户具有强关联性：
所述第一用户和另一用户共同关联的商户数量超过预定值。
17.如权利要求13或者14所述的***，其特征在于，
所述关联分析模块被配置成：
进一步根据消费信息，来判断所述第一用户与其它用户的关联性的强弱。
18.如权利要求11所述的***，其特征在于，该***还包括：
索引模块，被配置成维护以对象的关键信息中的一项为键、以对象在该图中的位置信息为辅助信息的索引。
19.如权利要求18所述的***，其特征在于，
所述索引模块被配置成，通过第一对象的关键信息利用该索引定位该第一对象在该图中的位置，根据该第一对象在该图中的位置找出与该第一对象关联的其它对象。
20.如权利要求19所述的***，其特征在于，
所述***通过分布式架构存储所述图和所述索引。
CN201511028240.3A 2015-12-31 2015-12-31 基于图的分析用户的方法和*** Pending CN105678323A (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN201511028240.3A CN105678323A (zh) 2015-12-31 2015-12-31 基于图的分析用户的方法和***
PCT/CN2016/111441 WO2017114276A1 (zh) 2015-12-31 2016-12-22 基于图的分析用户的方法和***
TW105143938A TWI621989B (zh) 2015-12-31 2016-12-29 Graph-based method and system for analyzing users

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201511028240.3A CN105678323A (zh) 2015-12-31 2015-12-31 基于图的分析用户的方法和***

Publications (1)

Publication Number Publication Date
CN105678323A true CN105678323A (zh) 2016-06-15

Family

ID=56189899

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201511028240.3A Pending CN105678323A (zh) 2015-12-31 2015-12-31 基于图的分析用户的方法和***

Country Status (3)

Country Link
CN (1) CN105678323A (zh)
TW (1) TWI621989B (zh)
WO (1) WO2017114276A1 (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017114276A1 (zh) * 2015-12-31 2017-07-06 ***股份有限公司 基于图的分析用户的方法和***
CN107316205A (zh) * 2017-05-27 2017-11-03 银联智惠信息服务（上海）有限公司 识别持卡人属性的方法、装置、计算机可读介质及***
CN109947865A (zh) * 2018-09-05 2019-06-28 ***股份有限公司 商户分类方法及商户分类***
CN111127089A (zh) * 2019-12-18 2020-05-08 北京数衍科技有限公司 账单数据处理方法、装置和电子设备
CN111951035A (zh) * 2019-05-17 2020-11-17 上海树融数据科技有限公司 消费分析方法和***、装置以及消费分析平台

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111782847A (zh) * 2019-07-31 2020-10-16 北京京东尚科信息技术有限公司 图像处理方法、装置和计算机可读存储介质

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102087730A (zh) * 2009-12-08 2011-06-08 深圳市腾讯计算机***有限公司 一种产品用户网络构建方法和装置
CN104915879A (zh) * 2014-03-10 2015-09-16 华为技术有限公司 基于金融数据的社会关系挖掘的方法及装置

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7788254B2 (en) * 2007-05-04 2010-08-31 Microsoft Corporation Web page analysis using multiple graphs
US20080300940A1 (en) * 2007-05-31 2008-12-04 Gosakan Aravamudan Capturing Consumer Requirements
US8655805B2 (en) * 2010-08-30 2014-02-18 International Business Machines Corporation Method for classification of objects in a graph data stream
CN102254028A (zh) * 2011-07-22 2011-11-23 青岛理工大学 一种集成属性和结构相似性的个性化商品推荐方法和***
CN102929892A (zh) * 2011-08-12 2013-02-13 莫润刚 基于社交网络的信息精准推广***及方法
US9372589B2 (en) * 2012-04-18 2016-06-21 Facebook, Inc. Structured information about nodes on a social networking system
CN103838804A (zh) * 2013-05-09 2014-06-04 电子科技大学 一种基于社团划分的社交网络用户兴趣关联规则挖掘方法
CN105678323A (zh) * 2015-12-31 2016-06-15 ***股份有限公司 基于图的分析用户的方法和***

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102087730A (zh) * 2009-12-08 2011-06-08 深圳市腾讯计算机***有限公司 一种产品用户网络构建方法和装置
CN104915879A (zh) * 2014-03-10 2015-09-16 华为技术有限公司 基于金融数据的社会关系挖掘的方法及装置

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017114276A1 (zh) * 2015-12-31 2017-07-06 ***股份有限公司 基于图的分析用户的方法和***
CN107316205A (zh) * 2017-05-27 2017-11-03 银联智惠信息服务（上海）有限公司 识别持卡人属性的方法、装置、计算机可读介质及***
CN109947865A (zh) * 2018-09-05 2019-06-28 ***股份有限公司 商户分类方法及商户分类***
CN111951035A (zh) * 2019-05-17 2020-11-17 上海树融数据科技有限公司 消费分析方法和***、装置以及消费分析平台
CN111951035B (zh) * 2019-05-17 2024-06-11 嘉兴树融数据科技有限公司 消费分析方法和***、装置以及消费分析平台
CN111127089A (zh) * 2019-12-18 2020-05-08 北京数衍科技有限公司 账单数据处理方法、装置和电子设备
CN111127089B (zh) * 2019-12-18 2023-09-19 北京数衍科技有限公司 账单数据处理方法、装置和电子设备

Also Published As

Publication number Publication date
WO2017114276A1 (zh) 2017-07-06
TW201725499A (zh) 2017-07-16
TWI621989B (zh) 2018-04-21

Similar Documents

Publication Publication Date Title
CN105678323A (zh) 基于图的分析用户的方法和***
CN109936582B (zh) 构建基于pu学习的恶意流量检测模型的方法及装置
CN104394118B (zh) 一种用户身份识别方法及***
CN107358247B (zh) 一种确定流失用户的方法及装置
US20150032759A1 (en) System and method for analyzing result of clustering massive data
CN104077723B (zh) 一种社交网络推荐***及方法
TW201939378A (zh) 資源推薦方法及裝置
US20210019762A1 (en) Identity resolution for fraud ring detection
CN107679103B (zh) 用于实体的属性分析方法及***
US10853033B1 (en) Effectively fusing database tables
US20220229814A1 (en) Maintaining stable record identifiers in the presence of updated data records
CN105426392A (zh) 一种协同过滤推荐方法及***
CN109919667A (zh) 一种用于识别企业ip的方法和装置
CN114723554B (zh) 异常账户识别方法及装置
US11308130B1 (en) Constructing ground truth when classifying data
CN104573098B (zh) 基于Spark***的大规模对象识别方法
Zhang et al. Adaptive sampling scheme for learning in severely imbalanced large scale data
CN105677801B (zh) 一种基于图的数据处理方法和***
Li et al. A pattern tree based method for mining conditional contrast patterns of multi-source data
CN111967671B (zh) 基于支持向量数据域描述的跨境活跃用户识别方法及装置
CN110929207B (zh) 数据处理方法、装置和计算机可读存储介质
CN110309312B (zh) 一种关联事件获取方法及装置
CN107463564A (zh) 服务器中数据的特征分析方法和装置
CN110309313B (zh) 生成事件转移图谱的方法及装置
Malgaonkar et al. Use of mining techniques to improve the effectiveness of marketing and sales

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
REG Reference to a national code

Ref country code: HK

Ref legal event code: DE

Ref document number: 1225835

Country of ref document: HK

RJ01 Rejection of invention patent application after publication

Application publication date: 20160615

RJ01 Rejection of invention patent application after publication
REG Reference to a national code

Ref country code: HK

Ref legal event code: WD

Ref document number: 1225835

Country of ref document: HK