CN110991392A - 人群识别方法、装置、终端及存储介质 - Google Patents
人群识别方法、装置、终端及存储介质 Download PDFInfo
- Publication number
- CN110991392A CN110991392A CN201911298553.9A CN201911298553A CN110991392A CN 110991392 A CN110991392 A CN 110991392A CN 201911298553 A CN201911298553 A CN 201911298553A CN 110991392 A CN110991392 A CN 110991392A
- Authority
- CN
- China
- Prior art keywords
- terminal
- portrait
- target
- feature
- image
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
- G06V20/53—Recognition of crowd images, e.g. recognition of crowd congestion
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
- G06V10/462—Salient features, e.g. scale invariant feature transforms [SIFT]
- G06V10/464—Salient features, e.g. scale invariant feature transforms [SIFT] using a plurality of salient features, e.g. bag-of-words [BoW] representations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/103—Static body considered as a whole, e.g. static pedestrian or occupant recognition
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Computational Linguistics (AREA)
- Molecular Biology (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Evolutionary Biology (AREA)
- General Health & Medical Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Bioinformatics & Computational Biology (AREA)
- Human Computer Interaction (AREA)
- Telephone Function (AREA)
Abstract
本申请公开了一种人群识别方法、装置、终端及存储介质,方法包括:获取终端使用数据;根据终端使用数据构建至少一个目标画像,其中,不同目标画像用于从不同特征维度表征终端的使用情况;根据至少一个目标画像,从预设人群中确定终端对应用户所属的目标人群。采用本申请实施例提供的方法,通过获取终端在使用过程中采集到的数据,并根据该数据构建至少一个目标画像,从不同的特征维度表征终端的使用情况,最终基于目标画像确定终端对应用户所属的人群;利用终端使用过程中采集到的数据,从多个特征维度构建用于描述终端使用情况的画像,提高了画像的全面性,进而提高了人群识别结果的准确性,有助于基于人群识别结果针对不同终端制定优化策略。
Description
技术领域
本申请实施例涉及信息技术领域,特别涉及一种人群识别方法、装置、终端及存储介质。
背景技术
随着终端用户的增多,终端厂商和互联网厂商需要针对不同类型的用户群体提供特定的产品和服务。用户画像作为一种勾画目标用户、联系用户诉求与产品设计方向的工具,在利用用户画像对用户有针对性地提供产品和服务之前,首先需要对用户进行人群识别,构建用户画像。
相关技术中,终端厂商通过收集用户的客观属性(如年龄、性别、所在城市等)和商业属性(如应用内的消费情况、广告的点击等),抽象出不同类型的用户群体模型,判断目标终端对应的用户所述的类型,并根据用户类型提供相应的产品和服务。
发明内容
本申请实施例提供了一种人群识别方法、装置、终端及存储介质。所述技术方案如下:
一方面,本申请实施例提供了一种人群识别方法,所述方法包括:
获取终端使用数据,所述终端使用数据是在终端使用过程中采集到的数据;
根据所述终端使用数据构建至少一个目标画像,其中,不同目标画像用于从不同特征维度表征终端的使用情况;
根据至少一个所述目标画像,从预设人群中确定所述终端对应用户所属的目标人群,所述预设人群为预先设置的特定人群。
另一方面,本申请实施例提供了一种人群识别装置,所述装置包括:
第一获取模块,用于获取终端使用数据,所述终端使用数据是在终端使用过程中采集到的数据;
画像构建模块,用于根据所述终端使用数据构建至少一个目标画像,其中,不同目标画像用于从不同特征维度表征终端的使用情况;
确定模块,用于根据至少一个所述目标画像,从预设人群中确定所述终端对应用户所属的目标人群,所述预设人群为预先设置的特定人群。
另一方面,本申请实施例提供了一种终端,所述终端包括处理器和存储器;所述存储器存储有至少一条指令,所述至少一条指令用于被所述处理器执行以实现上述方面所述的人群识别方法。
另一方面,本申请实施例提供了一种计算机可读存储介质,所述存储介质存储有至少一条指令,所述至少一条指令用于被处理器执行以实现上述方面所述的人群识别方法。
本申请实施例提供的技术方案的有益效果至少包括:
本申请实施例中,通过获取终端在使用过程中采集到的数据,并根据该数据构建至少一个目标画像,从不同的特征维度表征终端的使用情况,最终基于构建的目标画像确定终端对应用户所属的人群;利用终端使用过程中采集到的数据,从多个特征维度构建用于描述终端使用情况的画像,丰富了画像的构建维度,提高了画像的全面性,进而提高了后续人群识别结果的准确性,有助于后续基于人群识别结果进一步针对不同终端制定相应的优化策略。
附图说明
图1是根据一个示例性实施例示出的实施环境的示意图;
图2是根据一示例性实施例示出的人群识别方法的流程图;
图3是根据另一示例性实施例示出的人群识别方法的流程图;
图4是根据另一示例性实施例示出的人群识别方法的流程图;
图5是根据一示例性实施例示出的人群识别装置的结构框图;
图6是根据一示例性实施例示出的终端的结构框图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合附图对本申请实施方式作进一步地详细描述。
在本文中提及的“多个”是指两个或两个以上。“和/或”,描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
相关技术中,终端厂商通过收集表示用户客观属性(如年龄、性别、所在城市等)的数据,抽象出不同类型的用户群体模型,判断目标终端对应的用户所属的类型,并根据用户类型提供相应的产品和服务。然而相关技术所依据的数据只是针对用户个人信息,通常运用于用户属性与商业价值(例如广告推送)的关联上,并不能获取用户使用终端的情况,在进行终端***优化时无法提供个性化的优化策略,满足不同用户的使用需求。
为了解决上述技术问题,本申请实施例提供了一种人群识别方法。请参考图1,其示出了本申请一个示例性实施例提供的实施环境的示意图。该实施环境中包括终端101和服务器102,其中,终端101与服务器102之间通过通信网络进行数据通信,可选地,通信网络可以是有线网络也可以是无线网络,且该通信网络可以是局域网、城域网以及广域网中的至少一种。
终端101是具备数据采集和处理能力的电子设备,电子设备可以是智能手机、平板电脑、电子书阅读器、个人便携式计算机等。本实施例中,终端101在用户使用时获取终端使用数据,根据终端使用数据构建至少一个目标画像,目标画像用于从不同特征维度表征终端的使用情况。终端101依据至少一个目标画像可以确定对应用户所属的目标人群。
服务器102是一台服务器、若干台服务器构成的服务器集群或云服务器。在一种可能的实施方式中,如图1所示,服务器102接收大量终端上传的终端使用数据,基于该终端使用数据,构建不同预设人群的群体画像和画像构建标准,并制定各个预设人群对应的终端优化策略,并实时更新,服务器102将群体画像、终端优化策略和画像构建标准下发至终端101,以便终端101在本地构建目标画像,并且确定用户所属的目标人群,进而根据目标人群对应的终端优化策略进行优化。
为了方便表述,下述各个实施例以人群识别方法由终端101执行为例进行说明。
请参考图2,其示出了本申请的一个实施例示出的人群识别方法的流程图。本实施例以人群识别方法用于终端为例进行说明,该方法包括:
步骤201,获取终端使用数据,终端使用数据是在终端使用过程中采集到的数据。
用户在使用终端的过程中,不同的使用行为会产生不同的使用数据,终端使用数据即可以用于构建目标画像。
在一种可能的实施方式中,终端使用数据包括基础数据,例如终端的开关机事件、充放电事件和亮灭屏事件等,还包括用户地理位置、运动轨迹和无线保真(WirelessFidelity,Wi-Fi)的连接情况等与物理环境有关的具有时空特征的数据,本申请实施例对此不作限定。
示意性的,当用户在户外时,通常只能使用移动数据,当用户进入室内,可以连接Wi-Fi,终端在这一过程中可以获取用户的运动轨迹、地理位置以及移动数据和Wi-Fi开关的切换情况。
可选的,终端获取终端使用数据,并通过加密数据库将终端使用数据存储在本地(例如安卓***的data分区),正常情况下非***应用无法访问终端使用数据,具有较强的安全性。
步骤202,根据终端使用数据构建至少一个目标画像,其中,不同目标画像用于从不同特征维度表征终端的使用情况。
终端使用数据是基于用户对终端的使用行为获取的,其包括了表示用户使用习惯、终端性能和用户对应用的偏好等各种类型的数据,在一种可能的实施方式中,终端根据终端使用数据构建至少一个目标画像,其中,目标画像是终端基于多种终端使用数据,对用户形象或终端性能的具象化,不同类型的目标画像可以从不同特征维度表征用户使用终端的情况。
可选的,终端对获取到的终端使用数据进行清洗、脱敏,再构建目标画像。
步骤203,根据至少一个目标画像,从预设人群中确定终端对应用户所属的目标人群,预设人群为预先设置的特定人群。
在一种可能的实施方式中,终端存储有多种类型的预设人群的特征,将构建出的目标画像与预设人群的画像进行比对,根据多个目标画像的比对结果,确定出终端用户所属的目标人群。
示意性的,终端根据终端使用数据构建三种目标画像A、B和C,并且三种目标画像中大部分特征属于学生群体的特征,则确定终端对应的用户所属的目标人群为学生。
综上所述,本申请实施例中,通过获取终端在使用过程中采集到的数据,并根据该数据构建至少一个目标画像,从不同的特征维度表征终端的使用情况,最终基于构建的目标画像确定终端对应用户所属的人群;利用终端使用过程中采集到的数据,从多个特征维度构建用于描述终端使用情况的画像,丰富了画像的构建维度,提高了画像的全面性,进而提高了后续人群识别结果的准确性,有助于后续基于人群识别结果进一步针对不同终端制定相应的优化策略。
终端获取终端使用数据后,无法直接根据构建的目标画像确定用户所属的目标人群,需要与各种预设人群进行比较,最终确定出匹配的预设人群。在一种可能的实施方式中,终端预先存储有不同预设人群对应的群体画像,通过计算目标画像与各种群体画像之间的画像相似度,确定用户所属的目标人群。
请参考图3,其示出了本申请的另一个实施例示出的人群识别方法的流程图。本实施例以人群识别方法用于终端为例进行说明,该方法包括:
步骤301,获取终端使用数据,终端使用数据是在终端使用过程中采集到的数据。
步骤302,根据终端使用数据构建至少一个目标画像,其中,不同目标画像用于从不同特征维度表征终端的使用情况。
步骤301和302的实施方式可以参考上述步骤201和202,本实施例在此不再赘述。
在本实施例中,该至少一个目标画像包括用户画像、功耗画像、性能画像、网络画像和应用画像中的至少一种。
步骤303,对于各个预设人群,获取预设人群对应群体画像,群体画像中包括预设人群所具备的至少一个群体画像特征。
在一种可能的实施方式中,终端预先存储有不同预设人群的群体画像和对应的群体画像特征,其中,各个群体画像特征根据群体特点,将终端使用数据划分等级,不同预设人群的群体画像特征对应的等级可能不同。
步骤304,根据目标画像和群体画像,确定终端对应用户所属的目标人群。
终端根据构建的目标画像,判断目标画像的特征符合哪一类预设群体,最终确定用户所属的目标人群。
在一种可能的实施方式中,步骤304包括如下步骤:
一、对于群体画像中的各个群体画像特征,从目标画像中获取群体画像特征对应的目标画像特征,目标画像特征与群体画像特征属于相同画像中的相同画像维度。
在一种可能的实施方式中,终端根据各个群体画像的群体画像特征,从目标画像中获取对应相同画像维度的目标画像特征,其中,目标画像包括用户画像、功耗画像、性能画像、网络画像和应用画像中的至少一种。可选的,用户画像用于表征终端使用过程中的习惯特征;功耗画像用于表征终端使用过程中的功耗特征;性能画像用于表征终端使用过程中的性能特征;网络画像用于表征终端使用过程中的网络特征;应用画像用于表征终端使用过程中的应用特征。
示意性的,终端获取的终端使用数据包括应用的切换、终端的亮灭屏、终端开关机、耳机插拔、终端充放电、应用通知、Wi-Fi和移动数据切换、终端设置改动、用户运动状态和运动轨迹等。基于以上终端使用数据,终端抽象出的用户画像维度的目标画像特征包括用户睡眠***均充电量特征等;性能画像维度的目标画像特征包括耗电硬件类型、耗电应用类型、应用丢帧特征、CPU运行特征、GPU运行特征等;网络画像维度的目标画像特征包括用户的网络连接特征、网络切换***均功耗、应用占用的内存和存储以及应用使用中央处理器(Central Processing Unit,CPU)、图像处理器(Graphics Processing Unit,GPU)的情况。
相应的,群体画像与目标画像具有相同的画像维度和对应的目标画像特征,并且对于不同预设人群的群体画像,其相同维度的画像所依据的目标画像特征可能不同。
可选的,预设人群包括上班群体,且上班群体对应的群体画像特征包括通勤规律特征、第一网络连接特征、第一常驻地点特征和第一终端使用活跃度特征中的至少一种,其中,通勤规律特征、第一常驻地点特征和第一终端使用活跃度特征属于用户画像的画像维度,第一网络连接特征属于网络画像的画像维度。
由于上班人群的特点是工作日期间的运动时间和运动轨迹较为固定,并且长时间位于家或公司等固定地点,终端长时间连接固定的Wi-Fi,在工作时间内终端使用的活跃度较低,休息时间(例如午休和下班后)的活跃度较高,因此,对于上班群体的群体画像,终端从用户画像中获取通勤规律特征对应的第一目标用户特征、第一常驻地点特征对应的第二目标用户特征以及第一终端使用活跃度特征对应的第三目标用户特征,并且从网络画像中获取第一网络连接特征对应的第一目标网络特征。
在一种可能的实施方式中,通勤规律特征包括在工作日上午指定时段和下午指定时段内乘坐交通工具;第一网络连接特征包括长时间开启Wi-Fi并关闭移动数据,并且工作时段内连接的Wi-Fi与下班后连接的Wi-Fi不同;第一常驻地点特征包括工作期间的定位显示为工作单位,下班后的定位显示为居民区;第一终端使用活跃度特征包括工作时段内终端使用活跃度偏低,且用户操作多为拨打电话、收发短信,运行应用主要为通讯类应用,午休时段和下班后终端使用活跃度偏高,且运行应用多为娱乐类应用。
可选的,预设人群包括学生群体,且学生群体对应的群体画像特征中包括第二常驻地点特征、第二网络连接特征、第二终端使用活跃度特征、地理位置特征和运动轨迹特征中的至少一种,其中,第二常驻地点特征、第二终端使用活跃度特征、运动轨迹特征和地理位置特征属于用户画像的画像维度,第二网络连接特征属于网络画像的画像维度。
由于学生群体的特点是工作日期间的运动时间和运动轨迹较为固定,且白天的固定地点是学校,且只在下课时间和放学后使用终端,因此终端使用活跃度特征具有明显的规律性,因此,对于学生群体的群体画像,终端从用户画像中获取运动轨迹特征对应的第四目标用户特征、第二常驻地点特征对应的第五目标用户特征、第二终端使用活跃度特征对应的第六目标用户特征以及地理位置特征对应的第七目标用户特征,从网络画像中获取第二网络连接特征对应的第二目标网络特征。
在一种可能的实施方式中,第二常驻地点特征包括上课期间的定位显示为学校,放学后的定位显示为居民区;第二网络连接特征包括长时间开启Wi-Fi并关闭移动数据,并且上课时段内连接的Wi-Fi与放学后连接的Wi-Fi不同;第二终端使用活跃度特征包括上课时段内终端使用活跃度偏低或处于关机状态,放学后终端使用活跃度偏高,且运行应用多为娱乐类应用和学习类应用;地理位置特征包括在校期间的地理位置显示为学校;运动轨迹特征包括上学和放学高峰时段终端处于移动状态,且通常是固定路线,从一个常驻地点运动至另一常驻地点。
可选的,预设人群包括派送群体,且派送群体对应的群体画像特征中包括第三常驻地点特征、常用应用特征、第三网络连接特征和终端充电特征中的至少一种,其中,第三常驻地点特征属于用户画像的画像维度,常用应用特征属于应用画像的画像维度,第三网络连接特征属于网络画像的画像维度,终端充电特征属于功耗画像的画像维度。
其中,派送群体是指出租车或公交车等交通工具的司机、快递员、外卖员等提供派送服务的工作人员。派送群体的特点是运动轨迹不固定且活动范围广,除居住地外没有常驻地,运动期间终端使用移动数据的时间较长且可能持续充电,并且某一类应用程序的使用频率和功耗明显高于其他应用,例如导航类应用程序,其中外卖员使用外卖类应用程序的频率和功耗明显偏高,出租车司机使用打车类应用程序和支付类应用程序的频率和功耗也明显偏高。
终端从用户画像中获取第三常驻地点特征对应的第八目标用户特征,从应用画像中获取常用应用特征对应的目标应用特征,从网络画像中获取第三网络连接特征对应的第三目标网络特征,从功耗画像中获取终端充电特征对应的目标功耗特征。
在一种可能的实施方式中,第三常驻地点特征包括常驻地点少,通常白天终端运动轨迹不固定且运动范围广,夜晚定位在居民区;常用应用特征包括长时间运行导航类应用程序、外卖类应用程序或支付类应用程序,或拨打电话频率较高;第三网络连接特征包括长时间开启移动网络,关闭Wi-Fi;终端充电特征包括充电次数偏多,且经常在终端移动过程中充电。
可选的,预设人群还包括其他类型的群体,例如游戏爱好群体,其终端使用特点为游戏类应用的功耗和使用时长明显偏高,且游戏类应用占用内存比例较大,终端长时间开启游戏交互界面,在公共场所或在交通工具内持续移动的过程中,存在终端使用活跃度较高且持续充电的特征。本申请实施例对此不作限定。
可选的,终端采用聚类算法辨识常驻地,通过音频与传感器结合的方式检测终端运动状态,通过计算信息熵的方式计算预定时间范围内的终端使用活跃度。
二、确定各个群体画像特征与目标画像特征之间的特征相似度。
终端确定各个群体画像特征对应的目标画像特征后,确定二者之间的特征相似度,从而判断目标画像特征是否符合预设人群的群体画像特征。
示意性的,对于上班群体,其群体画像特征为通勤规律特征、第一网络连接特征、第一常驻地点特征和第一终端使用活跃度特征。终端根据工作日期间的运动轨迹和地理位置信息确定用户画像的通勤规律特征和第一常驻地点特征,并计算用户画像的通勤规律特征和群体画像的通勤规律特征之间的特征相似度,以及用户画像的第一常驻地点特征和群体画像的第一常驻地点特征之间的特征相似度;根据移动数据和Wi-Fi的开关切换情况确定网络画像的第一网络连接特征,并计算网络画像的第一网络连接特征和群体画像的第一网络连接特征之间的特征相似度;根据预定时间范围内的终端使用活跃度计算用户画像的第一终端使用活跃度特征,并计算用户画像的第一终端使用活跃度特征和群体画像的第一终端使用活跃度特征之间的特征相似度。
三、根据各个特征相似度,确定目标画像与群体画像之间的画像相似度。
在一种可能的实施方式中,终端针对每个群体画像,计算其包含的群体画像特征与对应维度的目标画像特征的特征相似度,得到所有特征相似度后,确定目标画像与群体画像之间的画像相似度。
可选的,终端计算各个相似度的加权平均值,将得到的结果作为目标画像与群体画像之间的画像相似度。
四、若画像相似度大于相似度阈值,则将预设人群确定为终端对应用户所属的目标人群。
在一种可能的实施方式中,终端存储有各个预设人群对应的群体画像与目标画像的相似度阈值,若目标画像与某一群体画像之间的画像相似度大于相似度阈值,则确定终端的用户属于该群体画像对应的预设人群。
示意性的,预先设置相似度阈值为0.8,终端计算出目标画像与上班群体的画像相似度为0.7,目标画像与学生群体的画像相似度为0.9,目标画像与派送群体的画像相似度为0.2,则确定该终端的用户属于学生群体。
可选的,不同预设人群对应的相似度阈值可能不同。
本申请实施例中,终端提前存储有各个预设人群对应的群体画像和群体画像特征,通过针对各个预设人群,确定其群体画像特征和对应的目标画像特征之间的特征相似度,计算目标画像与各个群体画像之间的画像相似度,当达到相似度阈值时,确定终端用户所属的人群;其中,针对各种预设人群的特点,从多种特征维度的群体画像特征和目标画像特征进行计算,并且目标画像特征包括表征用户属性、应用属性和终端自身属性的特征,能够全面地分析用户使用终端的情况,从而提高了确定用户所属的目标人群的精确度。
由于终端构建目标画像需要一定的画像构建标准,并且在终端构建目标画像后,通过计算与群体画像之间的画像相似度确定用户所属的目标人群,并根据目标人群进行针对性的优化服务,因此还需要存储有各个预设群体的群体画像及其相应的终端优化策略。在一种可能的实施方式中,终端预先存储有服务器下发的画像构建标准、群体画像以及各个预设群体对应的终端优化策略。
请参考图4,其示出了本申请的另一个实施例示出的人群识别方法的流程图。本实施例以人群识别方法用于终端为例进行说明,该方法包括:
步骤401,获取服务器下发的群体画像以及各个预设群体对应的终端优化策略,其中,不同预设群体对应不同终端优化策略。
在一种可能的实施方式中,终端在经过用户允许的情况下,将获取到的终端使用数据进行加密和脱敏,上传至服务器,服务器根据预设人群的特点以及终端使用数据的实际分布,构建各个预设人群的群体画像,并针对不同的预设群体制定不同的优化策略,终端获取服务器下发的群体画像以及各个预设群体对应的终端优化策略。
示意性的,对于派送群体,服务器制定的优化策略主要针对终端的定位***、移动数据的信号接收以及外卖类应用程序或导航类应用程序的功耗进行优化;对于游戏爱好群体,服务器制定的优化策略主要针对终端的内存、游戏类应用程序的功耗和运行速度、终端屏幕亮度设置等方面进行优化。
由于每个用户存在个体差异,其使用终端的情况不同,因此同一种群体内各个用户的终端使用数据也存在差异,在一种可能的实施方式中,服务器收集并分析终端上报的终端使用数据,按照各种类型的数据在不同预设人群中的实际分布,划分群体画像特征的等级和对应的数值,例如,针对每一项群体画像特征进行分布划分,选取前20%和后20%的数据作为对应的预设群体的群体画像特征划分依据。
示意性的,对于常驻地点特征,服务器基于大量终端上传的终端使用数据,确定每天停留时间大于6小时,且连续停留天数达到停留阈值的地点为用户的常驻地点;对于应用偏好,设置每天运行时间大于2小时,且累计使用天数大于使用阈值的应用为用户常用应用,或者设置功耗大于功耗阈值的应用为用户常用应用。
可选的,服务器下发的群体画像中包括各个群体画像对应的群体画像特征和对应的数值。
可选的,服务器实时获取终端上传的终端使用数据,根据终端使用数据的整体变化趋势,对群体画像的数据和对应的优化策略进行调整和更新,并下发至对应的终端。
步骤402,获取服务器下发的至少一种画像构建标准,其中,不同画像构建标准用于构建不同画像,且画像构建标准中包括画像中各个画像维度的构建标准。
由于终端无法直接利用终端使用数据构建目标画像,因此需要至少一种画像构建标准进行构建,在一种可能的实施方式中,服务器根据终端上传的终端使用数据和群体画像特征,建立画像构建标准,并下发至终端。
可选的,画像构建标准中包括各个画像维度的构建标准,例如目标画像类型和各个目标画像对应的目标画像特征。
步骤403,获取终端使用数据,终端使用数据是在终端使用过程中采集到的数据。
步骤403的实施方式可以参考上述步骤201,本实施例在此不再赘述。
步骤404,根据画像构建标准和终端使用数据,构建至少一个目标画像。
可选的,终端获取终端使用数据,并依据画像构建标准构建目标画像,例如,画像构建标准中,用户画像的目标画像特征包括通勤规律特征、终端使用活跃度特征、常驻地点特征和运动轨迹特征,终端根据获取的终端运动轨迹、常驻地点、终端开关机、终端亮灭屏等事件产生的数据,构建用户画像。
步骤405,根据至少一个目标画像,从预设人群中确定终端对应用户所属的目标人群,预设人群为预先设置的特定人群。
步骤405的实施方式可以参考上述步骤203,本实施例在此不再赘述。
步骤406,根据目标人群对应的终端优化策略进行优化。
终端确定出用户所属的目标人群后,确定目标人群对应的终端优化策略,并根据该终端优化策略进行优化,在一种可能的实施方式中,终端将优化完成后一段时间内的终端使用数据变化情况上传至服务器,用于指示终端优化效果。
本申请实施例中,通过服务器收集到的大量终端使用数据,建立群体画像并制定各个预设人群对应的终端优化策略,使得终端可以根据对应用户的使用情况进行个性化优化,更加符合用户的使用习惯;构建目标画像以及确定目标人群的过程在终端本地即可完成,确保了用户终端使用数据的安全性;并且,服务器根据终端使用数据的实时分布更新画像构建标准,从而提升了终端构建目标画像的精确度,进一步提高了终端的优化效果。
请参考图5,其示出了本申请一个示例性实施例提供的人群识别装置的结构框图。该装置可以通过软件、硬件或者两者的结合实现成为终端的全部或一部分。该装置包括:
第一获取模块501,用于获取终端使用数据,所述终端使用数据是在终端使用过程中采集到的数据;
画像构建模块502,用于根据所述终端使用数据构建至少一个目标画像,其中,不同目标画像用于从不同特征维度表征终端的使用情况;
确定模块503,用于根据至少一个所述目标画像,从预设人群中确定所述终端对应用户所属的目标人群,所述预设人群为预先设置的特定人群。
可选的,所述确定模块503,包括:
获取单元,用于对于各个所述预设人群,获取所述预设人群对应群体画像,所述群体画像中包括所述预设人群所具备的至少一个群体画像特征;
确定单元,用于根据所述目标画像和所述群体画像,确定所述终端对应用户所属的所述目标人群。
可选的,所述确定单元,还用于:
对于所述群体画像中的各个所述群体画像特征,从所述目标画像中获取所述群体画像特征对应的目标画像特征,所述目标画像特征与所述群体画像特征属于相同画像中的相同画像维度;
确定各个所述群体画像特征与所述目标画像特征之间的特征相似度;
根据各个所述特征相似度,确定所述目标画像与所述群体画像之间的画像相似度;
若所述画像相似度大于相似度阈值,则将所述预设人群确定为所述终端对应用户所属的所述目标人群。
可选的,所述目标画像包括用户画像、功耗画像、性能画像、网络画像和应用画像中的至少一种;
所述用户画像用于表征终端使用过程中的习惯特征;
所述功耗画像用于表征终端使用过程中的功耗特征;
所述性能画像用于表征终端使用过程中的性能特征;
所述网络画像用于表征终端使用过程中的网络特征;
所述应用画像用于表征终端使用过程中的应用特征。
可选的,所述预设人群包括上班群体,且所述上班群体对应的所述群体画像特征包括通勤规律特征、第一网络连接特征、第一常驻地点特征和第一终端使用活跃度特征中的至少一种,其中,所述通勤规律特征、所述第一常驻地点特征和所述第一终端使用活跃度特征属于所述用户画像的画像维度,所述第一网络连接特征属于所述网络画像的画像维度;
所述确定单元,还用于:
从所述用户画像中获取所述通勤规律特征对应的第一目标用户特征、所述第一常驻地点特征对应的第二目标用户特征以及所述第一终端使用活跃度特征对应的第三目标用户特征;
从所述网络画像中获取所述第一网络连接特征对应的第一目标网络特征。
可选的,所述预设人群包括学生群体,且所述学生群体对应的所述群体画像特征中包括第二常驻地点特征、第二网络连接特征、第二终端使用活跃度特征、地理位置特征和运动轨迹特征中的至少一种,其中,所述第二常驻地点特征、所述第二终端使用活跃度特征、所述运动轨迹特征和所述地理位置特征属于所述用户画像的画像维度,所述第二网络连接特征属于所述网络画像的画像维度;
所述确定单元,还用于:
从所述用户画像中获取所述运动轨迹特征对应的第四目标用户特征、所述第二常驻地点特征对应的第五目标用户特征、所述第二终端使用活跃度特征对应的第六目标用户特征以及所述地理位置特征对应的第七目标用户特征;
从所述网络画像中获取所述第二网络连接特征对应的第二目标网络特征。
可选的,所述预设人群包括派送群体,且所述派送群体对应的所述群体画像特征中包括第三常驻地点特征、常用应用特征、第三网络连接特征和终端充电特征中的至少一种,其中,所述第三常驻地点特征属于所述用户画像的画像维度,所述常用应用特征属于所述应用画像的画像维度,所述第三网络连接特征属于所述网络画像的画像维度,所述终端充电特征属于所述功耗画像的画像维度;
所述确定单元,还用于:
从所述用户画像中获取所述第三常驻地点特征对应的第八目标用户特征;
从所述应用画像中获取所述常用应用特征对应的目标应用特征;
从所述网络画像中获取所述第三网络连接特征对应的第三目标网络特征;
从所述功耗画像中获取所述终端充电特征对应的目标功耗特征。
可选的,所述装置还包括:
第二获取模块,用于获取服务器下发的所述群体画像以及各个所述预设群体对应的终端优化策略,其中,不同预设群体对应不同终端优化策略;
优化模块,用于根据所述目标人群对应的所述终端优化策略进行优化。
可选的,所述装置还包括:
第三获取模块,用于获取服务器下发的至少一种画像构建标准,其中,不同画像构建标准用于构建不同画像,且所述画像构建标准中包括画像中各个画像维度的构建标准;
所述画像构建模块502,包括:
画像构建单元,用于根据所述画像构建标准和所述终端使用数据,构建至少一个所述目标画像。
请参考图6,其示出了本申请一个示例性实施例提供的终端600的结构方框图。该终端600可以是智能手机、平板电脑、电子书、便携式个人计算机等安装并运行有应用程序的电子设备。本申请中的终端600可以包括一个或多个如下部件:处理器610、存储器620和屏幕630。
处理器610可以包括一个或者多个处理核心。处理器610利用各种接口和线路连接整个终端600内的各个部分,通过运行或执行存储在存储器620内的指令、程序、代码集或指令集,以及调用存储在存储器620内的数据,执行终端600的各种功能和处理数据。可选地,处理器610可以采用数字信号处理(Digital Signal Processing,DSP)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)、可编程逻辑阵列(Programmable LogicArray,PLA)中的至少一种硬件形式来实现。处理器610可集成CPU、GPU和调制解调器等中的一种或几种的组合。其中,CPU主要处理操作***、用户界面和应用程序等;GPU用于负责屏幕630所需要显示的内容的渲染和绘制;调制解调器用于处理无线通信。可以理解的是,上述调制解调器也可以不集成到处理器610中,单独通过一块通信芯片进行实现。
存储器620可以包括随机存储器(Random Access Memory,RAM),也可以包括只读存储器(Read-Only Memory,ROM)。可选地,该存储器620包括非瞬时性计算机可读介质(non-transitory computer-readable storage medium)。存储器620可用于存储指令、程序、代码、代码集或指令集。存储器620可包括存储程序区和存储数据区,其中,存储程序区可存储用于实现操作***的指令、用于实现至少一个功能的指令(比如触控功能、声音播放功能、图像播放功能等)、用于实现上述各个方法实施例的指令等,该操作***可以是安卓(Android)***(包括基于Android***深度开发的***)、苹果公司开发的IOS***(包括基于IOS***深度开发的***)或其它***。存储数据区还可以存储终端600在使用中所创建的数据(比如电话本、音视频数据、聊天记录数据)等。
屏幕630可以为电容式触摸显示屏,该电容式触摸显示屏用于接收用户使用手指、触摸笔等任何适合的物体在其上或附近的触摸操作,以及显示各个应用程序的用户界面。触摸显示屏通常设置在终端600的前面板。触摸显示屏可被设计成为全面屏、曲面屏或异型屏。触摸显示屏还可被设计成为全面屏与曲面屏的结合,异型屏与曲面屏的结合,本申请实施例对此不加以限定。
除此之外,本领域技术人员可以理解,上述附图所示出的终端600的结构并不构成对终端600的限定,终端可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。比如,终端600中还包括射频电路、拍摄组件、传感器、音频电路、Wi-Fi组件、电源、蓝牙组件等部件,在此不再赘述。
本申请实施例还提供了一种计算机可读存储介质,该计算机可读存储介质存储有至少一条指令,所述至少一条指令由所述处理器加载并执行以实现如上各个实施例所述的人群识别方法。
本申请实施例还提供了一种计算机程序产品,该计算机程序产品存储有至少一条指令,所述至少一条指令由所述处理器加载并执行以实现如上各个实施例所述的人群识别方法。
本领域技术人员应该可以意识到,在上述一个或多个示例中,本申请实施例所描述的功能可以用硬件、软件、固件或它们的任意组合来实现。当使用软件实现时,可以将这些功能存储在计算机可读存储介质中或者作为计算机可读存储介质上的一个或多个指令或代码进行传输。计算机可读存储介质包括计算机存储介质和通信介质,其中通信介质包括便于从一个地方向另一个地方传送计算机程序的任何介质。存储介质可以是通用或专用计算机能够存取的任何可用介质。
以上所述仅为本申请的可选实施例,并不用以限制本申请,凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (12)
1.一种人群识别方法,其特征在于,所述方法包括:
获取终端使用数据,所述终端使用数据是在终端使用过程中采集到的数据;
根据所述终端使用数据构建至少一个目标画像,其中,不同目标画像用于从不同特征维度表征终端的使用情况;
根据至少一个所述目标画像,从预设人群中确定所述终端对应用户所属的目标人群,所述预设人群为预先设置的特定人群。
2.根据权利要求1所述的方法,其特征在于,所述根据至少一个所述目标画像,从预设人群中确定所述终端对应用户所属的目标人群,包括:
对于各个所述预设人群,获取所述预设人群对应群体画像,所述群体画像中包括所述预设人群所具备的至少一个群体画像特征;
根据所述目标画像和所述群体画像,确定所述终端对应用户所属的所述目标人群。
3.根据权利要求2所述的方法,其特征在于,所述根据所述目标画像和所述群体画像,确定所述终端对应用户所属的所述目标人群,包括:
对于所述群体画像中的各个所述群体画像特征,从所述目标画像中获取所述群体画像特征对应的目标画像特征,所述目标画像特征与所述群体画像特征属于相同画像中的相同画像维度;
确定各个所述群体画像特征与所述目标画像特征之间的特征相似度;
根据各个所述特征相似度,确定所述目标画像与所述群体画像之间的画像相似度;
若所述画像相似度大于相似度阈值,则将所述预设人群确定为所述终端对应用户所属的所述目标人群。
4.根据权利要求3所述的方法,其特征在于,所述目标画像包括用户画像、功耗画像、性能画像、网络画像和应用画像中的至少一种;
所述用户画像用于表征终端使用过程中的习惯特征;
所述功耗画像用于表征终端使用过程中的功耗特征;
所述性能画像用于表征终端使用过程中的性能特征;
所述网络画像用于表征终端使用过程中的网络特征;
所述应用画像用于表征终端使用过程中的应用特征。
5.根据权利要求4所述的方法,其特征在于,所述预设人群包括上班群体,且所述上班群体对应的所述群体画像特征包括通勤规律特征、第一网络连接特征、第一常驻地点特征和第一终端使用活跃度特征中的至少一种,其中,所述通勤规律特征、所述第一常驻地点特征和所述第一终端使用活跃度特征属于所述用户画像的画像维度,所述第一网络连接特征属于所述网络画像的画像维度;
所述从所述目标画像中获取所述群体画像特征对应的目标画像特征,包括:
从所述用户画像中获取所述通勤规律特征对应的第一目标用户特征、所述第一常驻地点特征对应的第二目标用户特征以及所述第一终端使用活跃度特征对应的第三目标用户特征;
从所述网络画像中获取所述第一网络连接特征对应的第一目标网络特征。
6.根据权利要求4所述的方法,其特征在于,所述预设人群包括学生群体,且所述学生群体对应的所述群体画像特征中包括第二常驻地点特征、第二网络连接特征、第二终端使用活跃度特征、地理位置特征和运动轨迹特征中的至少一种,其中,所述第二常驻地点特征、所述第二终端使用活跃度特征、所述运动轨迹特征和所述地理位置特征属于所述用户画像的画像维度,所述第二网络连接特征属于所述网络画像的画像维度;
所述从所述目标画像中获取所述群体画像特征对应的目标画像特征,包括:
从所述用户画像中获取所述运动轨迹特征对应的第四目标用户特征、所述第二常驻地点特征对应的第五目标用户特征、所述第二终端使用活跃度特征对应的第六目标用户特征以及所述地理位置特征对应的第七目标用户特征;
从所述网络画像中获取所述第二网络连接特征对应的第二目标网络特征。
7.根据权利要求4所述的方法,其特征在于,所述预设人群包括派送群体,且所述派送群体对应的所述群体画像特征中包括第三常驻地点特征、常用应用特征、第三网络连接特征和终端充电特征中的至少一种,其中,所述第三常驻地点特征属于所述用户画像的画像维度,所述常用应用特征属于所述应用画像的画像维度,所述第三网络连接特征属于所述网络画像的画像维度,所述终端充电特征属于所述功耗画像的画像维度;
所述从所述目标画像中获取所述群体画像特征对应的目标画像特征,包括:
从所述用户画像中获取所述第三常驻地点特征对应的第八目标用户特征;
从所述应用画像中获取所述常用应用特征对应的目标应用特征;
从所述网络画像中获取所述第三网络连接特征对应的第三目标网络特征;
从所述功耗画像中获取所述终端充电特征对应的目标功耗特征。
8.根据权利要求2至7任一所述的方法,其特征在于,所述方法还包括:
获取服务器下发的所述群体画像以及各个所述预设群体对应的终端优化策略,其中,不同预设群体对应不同终端优化策略;
所述根据至少一个所述目标画像,从预设人群中确定所述终端对应用户所属的目标人群之后,所述方法还包括:
根据所述目标人群对应的所述终端优化策略进行优化。
9.根据权利要求1至7任一所述的方法,其特征在于,所述方法还包括:
获取服务器下发的至少一种画像构建标准,其中,不同画像构建标准用于构建不同画像,且所述画像构建标准中包括画像中各个画像维度的构建标准;
所述根据所述终端使用数据构建至少一个目标画像,包括:
根据所述画像构建标准和所述终端使用数据,构建至少一个所述目标画像。
10.一种人群识别装置,其特征在于,所述装置包括:
第一获取模块,用于获取终端使用数据,所述终端使用数据是在终端使用过程中采集到的数据;
画像构建模块,用于根据所述终端使用数据构建至少一个目标画像,其中,不同目标画像用于从不同特征维度表征终端的使用情况;
确定模块,用于根据至少一个所述目标画像,从预设人群中确定所述终端对应用户所属的目标人群,所述预设人群为预先设置的特定人群。
11.一种终端,其特征在于,所述终端包括处理器和存储器;所述存储器存储有至少一条指令,所述至少一条指令用于被所述处理器执行以实现如权利要求1至9任一所述的人群识别方法。
12.一种计算机可读存储介质,其特征在于,所述存储介质存储有至少一条指令,所述至少一条指令用于被处理器执行以实现如权利要求1至9任一所述的人群识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911298553.9A CN110991392A (zh) | 2019-12-17 | 2019-12-17 | 人群识别方法、装置、终端及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911298553.9A CN110991392A (zh) | 2019-12-17 | 2019-12-17 | 人群识别方法、装置、终端及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110991392A true CN110991392A (zh) | 2020-04-10 |
Family
ID=70094379
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911298553.9A Pending CN110991392A (zh) | 2019-12-17 | 2019-12-17 | 人群识别方法、装置、终端及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110991392A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111858560A (zh) * | 2020-07-24 | 2020-10-30 | 厦门至恒融兴信息技术有限公司 | 基于数据仓库的金融数据自动化测试与监控*** |
CN112188287A (zh) * | 2020-10-14 | 2021-01-05 | 广州欢网科技有限责任公司 | 观影主体识别方法、***及设备 |
CN112365367A (zh) * | 2021-01-13 | 2021-02-12 | 北京云真信科技有限公司 | 一种基于设备电量的区域画像方法、设备及存储介质 |
CN113011968A (zh) * | 2021-03-30 | 2021-06-22 | 腾讯科技(深圳)有限公司 | 账号状态的检测方法、装置和存储介质及电子设备 |
CN114329213A (zh) * | 2021-12-30 | 2022-04-12 | 深圳前海浩方科技有限公司 | 基于用户行为的电商平台优化方法、装置、设备及介质 |
CN115470872A (zh) * | 2022-11-14 | 2022-12-13 | 武汉大学 | 一种基于车辆轨迹数据的司机画像构建方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108108451A (zh) * | 2017-12-27 | 2018-06-01 | 合肥美的智能科技有限公司 | 群体的群体用户画像获取方法和装置 |
CN109978608A (zh) * | 2019-03-05 | 2019-07-05 | 广州海晟科技有限公司 | 目标用户画像的营销标签分析提取方法及*** |
WO2019140703A1 (zh) * | 2018-01-22 | 2019-07-25 | 华为技术有限公司 | 一种用户画像的生成方法及装置 |
-
2019
- 2019-12-17 CN CN201911298553.9A patent/CN110991392A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108108451A (zh) * | 2017-12-27 | 2018-06-01 | 合肥美的智能科技有限公司 | 群体的群体用户画像获取方法和装置 |
WO2019140703A1 (zh) * | 2018-01-22 | 2019-07-25 | 华为技术有限公司 | 一种用户画像的生成方法及装置 |
CN109978608A (zh) * | 2019-03-05 | 2019-07-05 | 广州海晟科技有限公司 | 目标用户画像的营销标签分析提取方法及*** |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111858560A (zh) * | 2020-07-24 | 2020-10-30 | 厦门至恒融兴信息技术有限公司 | 基于数据仓库的金融数据自动化测试与监控*** |
CN111858560B (zh) * | 2020-07-24 | 2023-11-21 | 厦门至恒融兴信息技术有限公司 | 基于数据仓库的金融数据自动化测试与监控*** |
CN112188287A (zh) * | 2020-10-14 | 2021-01-05 | 广州欢网科技有限责任公司 | 观影主体识别方法、***及设备 |
CN112365367A (zh) * | 2021-01-13 | 2021-02-12 | 北京云真信科技有限公司 | 一种基于设备电量的区域画像方法、设备及存储介质 |
CN113011968A (zh) * | 2021-03-30 | 2021-06-22 | 腾讯科技(深圳)有限公司 | 账号状态的检测方法、装置和存储介质及电子设备 |
CN113011968B (zh) * | 2021-03-30 | 2023-07-14 | 腾讯科技(深圳)有限公司 | 账号状态的检测方法、装置和存储介质及电子设备 |
CN114329213A (zh) * | 2021-12-30 | 2022-04-12 | 深圳前海浩方科技有限公司 | 基于用户行为的电商平台优化方法、装置、设备及介质 |
CN114329213B (zh) * | 2021-12-30 | 2022-08-30 | 深圳前海浩方科技有限公司 | 基于用户行为的电商平台优化方法、装置、设备及介质 |
CN115470872A (zh) * | 2022-11-14 | 2022-12-13 | 武汉大学 | 一种基于车辆轨迹数据的司机画像构建方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110991392A (zh) | 人群识别方法、装置、终端及存储介质 | |
JP7170160B2 (ja) | 電気自動車のための充電ステーションに標的広告を提供するためのシステムおよび方法 | |
CN110431585B (zh) | 一种用户画像的生成方法及装置 | |
US11270343B2 (en) | Method and apparatus for generating targeted label, and storage medium | |
CN111062735A (zh) | 广告投放方法、装置、***、终端和计算机可读存储介质 | |
CN105096521A (zh) | 安全预警方法及相关装置 | |
CN113316778B (zh) | 设备推荐方法及相关产品 | |
CN110782289B (zh) | 一种基于用户画像的业务推荐方法和*** | |
CN110278329B (zh) | 一种通知消息的管理方法及移动终端 | |
CN104303539A (zh) | 经由上下文感知移动装置估计媒体观众的人口统计数据 | |
CN111464825B (zh) | 一种基于地理信息的直播方法以及相关装置 | |
CN104537000A (zh) | 一种用于推送信息的方法和装置 | |
CN112597361B (zh) | 一种排序处理方法、装置、电子设备及存储介质 | |
CN110956505A (zh) | 一种广告库存的预估方法以及相关装置 | |
CN106406880B (zh) | 一种广告信息推送方法及终端 | |
CN111444425A (zh) | 一种信息推送方法、电子设备及介质 | |
CN113015996A (zh) | 一种广告推送方法及相关设备 | |
US20210081976A1 (en) | Data processing method and apparatus, and storage medium | |
CN113766016A (zh) | 一种信息推送方法及服务器 | |
CN113050782A (zh) | 画像构建方法、装置、终端及存储介质 | |
CN116668580B (zh) | 场景识别的方法、电子设备及可读存储介质 | |
CN116307394A (zh) | 产品用户体验评分方法、装置、介质及设备 | |
CN115239356A (zh) | 一种推荐内容的管理方法以及相关装置 | |
CN111143698B (zh) | 一种内容推荐的方法及*** | |
CN114430504A (zh) | 一种媒体内容的推荐方法以及相关装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |