CN111428159A - 线上化分类方法和装置 - Google Patents
线上化分类方法和装置 Download PDFInfo
- Publication number
- CN111428159A CN111428159A CN202010187129.3A CN202010187129A CN111428159A CN 111428159 A CN111428159 A CN 111428159A CN 202010187129 A CN202010187129 A CN 202010187129A CN 111428159 A CN111428159 A CN 111428159A
- Authority
- CN
- China
- Prior art keywords
- classification
- data
- classified
- target
- product
- 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
- 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
- G06F16/9538—Presentation of query results
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)
Abstract
本发明公开了线上化分类方法和装置,涉及计算机技术领域。该方法的一具体实施方式包括:接收产品分类请求,根据产品分类请求,生成目标产品对应的待分类对象;设置目标产品对应的被试招募标准,按照被试招募标准,选择目标产品对应的目标被试;获取目标被试对待分类对象的分类操作数据,对分类操作数据进行分析,获得分类结果。该实施方式能够实现线上化分类,解决传统卡片带来的数据干扰问题和条件限制问题,使分类结合用户特征得出最优的结果,提高分类效率。
Description
技术领域
本发明涉及计算机技术领域,尤其涉及一种线上化分类方法和装置。
背景技术
信息化时代的来临,为了满足用户需求,运营商不断推出多样化的互联网产品。由于互联网产品更新速度快、且竞争激烈,因此如何对互联网产品的功能或菜单进行分类,提高互联网产品的核心竞争力,具有重要的研究意义。
当前采用传统的卡片分类方法对互联网产品的功能模块划分及菜单分类,具体实现为:首先需要将功能模块或菜单制作成纸质卡片;然后邀请特定被试到一个宽敞、私密的场地,被试在相对固定的时间对卡片进行分类;最后研究人员对被试的分类行为简单记录,并在分类完成后进行访谈,对最终分类数据进行分析。
在实现本发明过程中,发明人发现现有技术中至少存在如下问题:传统的卡片分类方法条件设置较多,如场地、时间等条件,流程繁琐;研究人员的人工参与会导致影响因素较多,产生数据干扰;当前对最终分类结果进行数据分析,对被试的需求挖掘及心理模型的理解不够深入,降低最终结果的准确性。
发明内容
有鉴于此,本发明实施例提供一种线上化分类方法和装置,能够实现线上化分类,解决传统卡片带来的数据干扰问题和条件限制问题,使分类结合用户特征得出最优的结果,提高分类效率。
为实现上述目的,根据本发明实施例的第一方面,提供了一种线上化分类方法。
本发明实施例的一种线上化分类方法,包括:接收产品分类请求,根据所述产品分类请求,生成目标产品对应的待分类对象;设置所述目标产品对应的被试招募标准,按照所述被试招募标准,选择所述目标产品对应的目标被试;获取所述目标被试对所述待分类对象的分类操作数据,对所述分类操作数据进行分析,获得分类结果。
可选地,所述根据所述产品分类请求,生成目标产品对应的待分类对象,包括:根据所述产品分类请求,获得所述目标产品对应的属性信息,所述属性信息包括以下选项中至少一项:功能信息、菜单信息、空间元素信息;以文字形式或者图片形式将所述属性信息录入至所述属性信息对应的对象中,生成所述待分类对象。
可选地,在接收产品分类请求后,所述方法还包括:根据所述产品分类请求,设置所述目标产品对应的分类规则。
可选地,所述获取所述目标被试对所述待分类对象的分类操作数据,包括:将所述待分类对象和所述分类规则按照预设形式发送至所述目标被试;在所述目标被试基于所述分类规则对所述待分类对象进行操作后,获取所述分类操作数据。
可选地,所述分类规则中包括分类类别;以及所述目标被试基于所述分类规则对所述待分类对象进行操作,包括:所述目标被试将所述待分类对象添加至所述分类类别中。
可选地,所述分类规则中不包括分类类别;以及所述目标被试基于所述分类规则对所述待分类对象进行操作,包括:所述目标被试自定义分类类别,然后将所述待分类对象添加至自定义的分类类别中。
可选地,所述分类操作数据包括:分类结果数据和分类过程数据;以及所述对所述分类操作数据进行分析,获得分类结果,包括:基于预设的集簇分析算法,对所述分类结果数据进行分析,获得所述分类结果数据对应的第一分析数据;对所述分类过程数据进行分析,获得所述分类过程数据对应的第二分析数据,所述分类过程数据包括:分类维度数据、分类位置数据、分类时长数据、分类调整路径数据以及分类调整次数数据;利用所述第二分析数据对所述第一分析数据进行修正,生成所述待分类对象对应的分类架构方式和分类类别。
可选地,所述设置所述目标产品对应的被试招募标准,按照所述被试招募标准,选择所述目标产品对应的目标被试,包括:根据所述产品分类请求,设置所述目标产品对应的被试招募标准;根据所述被试招募标准生成被试招募问卷,将所述被试招募问卷按照预设形式发送至用户;获取所述用户对所述被试招募问卷的反馈数据;根据所述反馈数据和所述被试招募标准,从所述用户中选择出所述目标被试。
可选地,所述预设形式包括以下选项中至少一项:二维码、条形码、网页链接。
为实现上述目的,根据本发明实施例的第二方面,提供了一种线上化分类装置。
本发明实施例的一种线上化分类装置,包括:生成模块,用于接收产品分类请求,根据所述产品分类请求,生成目标产品对应的待分类对象;选择模块,用于设置所述目标产品对应的被试招募标准,按照所述被试招募标准,选择所述目标产品对应的目标被试;分析模块,用于获取所述目标被试对所述待分类对象的分类操作数据,对所述分类操作数据进行分析,获得分类结果。
可选地,所述生成模块还用于:根据所述产品分类请求,获得所述目标产品对应的属性信息,所述属性信息包括以下选项中至少一项:功能信息、菜单信息、空间元素信息;以文字形式或者图片形式将所述属性信息录入至所述属性信息对应的对象中,生成所述待分类对象。
可选地,所述生成模块还用于:根据所述产品分类请求,设置所述目标产品对应的分类规则。
可选地,所述分析模块还用于:将所述待分类对象和所述分类规则按照预设形式发送至所述目标被试;在所述目标被试基于所述分类规则对所述待分类对象进行操作后,获取所述分类操作数据。
可选地,所述分类规则中包括分类类别;以及所述目标被试基于所述分类规则对所述待分类对象进行操作,包括:所述目标被试将所述待分类对象添加至所述分类类别中。
可选地,所述分类规则中不包括分类类别;以及所述目标被试基于所述分类规则对所述待分类对象进行操作,包括:所述目标被试自定义分类类别,然后将所述待分类对象添加至自定义的分类类别中。
可选地,所述分类操作数据包括:分类结果数据和分类过程数据;以及所述分析模块还用于:基于预设的集簇分析算法,对所述分类结果数据进行分析,获得所述分类结果数据对应的第一分析数据;对所述分类过程数据进行分析,获得所述分类过程数据对应的第二分析数据,所述分类过程数据包括:分类维度数据、分类位置数据、分类时长数据、分类调整路径数据以及分类调整次数数据;利用所述第二分析数据对所述第一分析数据进行修正,生成所述待分类对象对应的分类架构方式和分类类别。
可选地,所述选择模块还用于:根据所述产品分类请求,设置所述目标产品对应的被试招募标准;根据所述被试招募标准生成被试招募问卷,将所述被试招募问卷按照预设形式发送至用户;获取所述用户对所述被试招募问卷的反馈数据;根据所述反馈数据和所述被试招募标准,从所述用户中选择出所述目标被试。
可选地,所述预设形式包括以下选项中至少一项:二维码、条形码、网页链接。
为实现上述目的,根据本发明实施例的第三方面,提供了一种电子设备。
本发明实施例的一种电子设备包括:一个或多个处理器;存储装置,用于存储一个或多个程序,当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器实现本发明实施例的线上化分类方法。
为实现上述目的,根据本发明实施例的第四方面,提供了一种计算机可读介质。
本发明实施例的一种计算机可读介质,其上存储有计算机程序,程序被处理器执行时实现本发明实施例的线上化分类方法。
上述发明中的一个实施例具有如下优点或有益效果:能够线上接收产品分类请求,直接根据分类请求生成待分类对象,解决传统卡片带来的数据干扰问题,还有目标被试可以在线上对待分类对象进行分类操作,得到分类操作数据,然后可以对分类操作数据进行分析,得到分类结果,从而可以解决现有技术的条件限制问题,还能够避免影响因素的干扰,使分类结合用户特征得出最优的结果,省时高效,此外采用通过线上选择出目标被试的技术手段,实现了对用户信息的线上化管理。
上述的非惯用的可选方式所具有的进一步效果将在下文中结合具体实施方式加以说明。
附图说明
附图用于更好地理解本发明,不构成对本发明的不当限定。其中:
图1是根据本发明实施例的线上化分类方法的主要步骤的示意图;
图2是根据本发明实施例的生成待分类对象的主要流程的示意图;
图3是根据本发明实施例的对分类操作数据进行分析的主要流程的示意图;
图4是根据本发明实施例的线上化分类方法的主要流程的示意图;
图5是根据本发明实施例的线上化分类装置的主要模块的示意图;
图6是本发明实施例可以应用于其中的示例性***架构图;
图7是适于用来实现本发明实施例的终端设备或服务器的计算机***的结构示意图。
具体实施方式
以下结合附图对本发明的示范性实施例做出说明,其中包括本发明实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本发明的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
当前采用传统的卡片分类方法对互联网产品的功能模块划分及菜单分类,比如将手机银行APP(即,移动设备的第三方应用程序)包含的各功能名称(一般数量在20以上)写在卡片上,要求被试将功能卡片分成3到5个大类,然后研究人员对被试的分类行为简单记录,并在分类完成后进行访谈,对最终分类数据进行分析,得到APP的一级导航功能类别。其中,被试是指研究对象的使用者,具体指人,也就是说,目前分类的主要做法是人将信息卡片进行手工分类,且分类后需要进行访谈沟通,理论上可以远程视频或电话操作,但是这样需要被试指挥代理人进行实施,存在时间周期长的问题。
但是,传统的卡片分类方法条件设置较多,如场地、时间等条件,流程繁琐;研究人员的人工参与会导致影响因素较多,产生数据干扰,比如卡片内容描述是否规范、书写或打印是否清晰、卡片大小、颜色、字体是否一致、分类前卡片叠放顺序是否随机、与被试沟通话术是否一致、分类过程是否干扰、访谈内容是否一致、记录分析过程是否标准等;还有,当前对最终分类结果进行数据分析,对被试的需求挖掘及心理模型的理解不够深入,降低最终结果的准确性。
为了解决上述问题,本发明实施例提供一种线上化分类方法,能够改变了传统分类方法不足和缺陷,实现线上化分类,避免了场地和时间等条件的限制,还能够实现对用户信息的线上化管理,使分类结合用户特征得出最优的结果,省时高效。图1是根据本发明实施例的线上化分类方法的主要步骤的示意图,如图1所示,线上化分类方法的主要步骤可以包括步骤S101至S103。
步骤S101,接收产品分类请求,根据产品分类请求,生成目标产品对应的待分类对象。
本发明实施例的线上化分类方法中,首先可以线上接收产品分类请求,然后可以根据接收的产品分类请求,生成目标产品对应的待分类对象。其中,目标产品是指需要进行功能模块划分的互联网产品,比如设计某APP时,需要规划该APP的功能分类,此时该APP可以看作是目标产品;待分类对象可以是目标产品具有的功能模块或者菜单,也可以是其他的需要划分类别的对象,比如分类请求是对某APP具有的功能进行类别划分,则待分类对象可以是该APP的功能。需要注意的是,待分类对象的个数为至少一个。
现有技术的分类方法中,需要制作纸质卡片,导致影响因素较多,产生数据干扰,比如卡片内容描述是否规范、书写或打印是否清晰、卡片大小、颜色、字体是否一致等,这些影响因素会产生数据干扰。而本发明实施例中,可以根据线上接收的分类请求,直接生成待分类对象,进而解决了传统卡片带来的数据干扰问题。
步骤S102,设置目标产品对应的被试招募标准,按照被试招募标准,选择目标产品对应的目标被试。
线上化分类方法中,需要被试对待分类对象进行分类,因此在步骤S102中选择出目标产品对应的目标被试。其中,目标被试是指对目标产品对应的待分类对象进行分类的用户。在目标被试的选择过程中,可以先设置目标产品对应的被试招募标准,即被试招募条件,比如人口学特征、生活经验、行为习惯等。接着,可以按照设置的被试招募标准,选择出目标产品对应的目标被试,比如被试招募标准是大学生,则选择出的目标被试需要是大学学历,再比如被试招募标准是进行过3次以上分类操作的用户,则选择出的目标被试需要有3次以上的分类经验。本发明实施例中,通过线上选择出目标被试,实现了对用户信息的线上化管理。
步骤S103,获取目标被试对待分类对象的分类操作数据,对分类操作数据进行分析,获得分类结果。
现有技术中,需要将被试邀请到一个宽敞私密的场地,被试在相对固定的时间对卡片进行分类,会存在场地、时间等条件限制,流程繁琐,而且会存在分类前卡片叠放顺序是否随机、分类过程是否干扰等影响因素。本发明实施例中,通过步骤S101生成待分类对象,以及步骤S102选择目标被试,在步骤S103中,目标被试可以在线上对待分类对象进行分类操作,得到分类操作数据,然后可以对分类操作数据进行分析,得到分类结果,从而可以解决现有技术的条件限制问题,还能够避免影响因素的干扰,使分类结合用户特征得出最优的结果,省时高效。
线上化分类方法中,需要对待分类对象进行分类,因此如何生成待分类对象是本方案的重要组成部分。作为本发明的一个可参考实施例,步骤S101中的根据产品分类请求,生成目标产品对应的待分类对象,可以包括:
步骤S1011,根据产品分类请求,获得目标产品对应的属性信息;
步骤S1012,以文字形式或者图片形式将属性信息录入至属性信息对应的对象中,生成待分类对象。
其中,属性信息可以包括以下选项中至少一项:功能信息、菜单信息、空间元素信息。功能信息是指目标产品具有的功能,以手机银行APP为例,包含的功能可以包括:***申请、***还款、账户余额查询、手机号转账等功能;菜单信息可以指电子计算机程序进行中出现在显示屏上的选项列表,也可以指各种服务项目的清单功能;空间元素信息是指目标产品为空间场地时所涉及到的内容,如银行网点设计时,需要对ATM机、取号机、叫号机、填单机、座椅、引导牌等元素进行分类。
在获取到目标产品对应的属性信息之后,可以确定属性信息对应的对象,然后将获取的属性信息以文字形式或者图片形式录入至属性信息对应的对象中,从而可以生成待分类对象。将目标产品的功能信息、菜单信息或空间元素信息以文字或图片的形式录入对应的对象中,从而可以完成对象的解释说明,得到待分类对象。此外,本发明实施例中,在生成待分类对象之后,可以确定待分类对象对应的标签标识,然后目标被试可以利用该标签标识进行分类。
图2是根据本发明实施例的生成待分类对象的主要流程的示意图,如图2所示,生成待分类对象的主要流程可以包括:
步骤S201,接收产品分类请求;
步骤S202,根据产品分类请求,获得目标产品对应的属性信息,属性信息可以包括以下选项中至少一项:功能信息、菜单信息、空间元素信息;
步骤S203,以文字形式或者图片形式将属性信息录入至属性信息对应的对象中,生成待分类对象。
本发明实施例可以根据线上接收的分类请求,获得属性信息,然后利用属性信息直接生成待分类对象,进而解决了传统卡片带来的数据干扰问题。
分类操作数据的分析是本发明实施例的线上化分类方法的另一个重要组成部分。在获取到分类操作数据之前,需要设置分类规则,然后被试基于设置的分类规则进行分类操作。所以,作为本发明的再一个可参考实施例,在接收产品分类请求后,线上化分类方法还可以包括:根据产品分类请求,设置目标产品对应的分类规则。
其中,分类规则是指被试在对待分类对象进行分类时参考的规则。分类规则中可以设定分类级别或架构,比如分类级别包括三级,则可以将待分类对象划分为一级、二级或者三级。此外,分类规则中可以设置分类类别,也可以不设置分类类别。以某手机银行APP为例,若分类规则中设置分类类别,则一级类别可以包括:***和储蓄卡;***对应的二级类别可以包括:***申请、***还款、***额度查询;***额度查询对应的三级类别可以包括:已用额度查询、可用额度查询、临时额度查询。可以发现,若分类规则中设置分类类别,则分类规则中限定类别数量,显然,若分类规则中不设置分类类别,则分类规则中不限定类别数量。
此外,本发明实施例的产品分类请求中还可以包括目标产品的唯一标识信息、目标产品的所属类型信息、以及操作权限信息。操作权限信息是指限制参与人员的权限信息。
本发明实施例中,在根据产品分类请求设置分类规则之后,获取目标被试对待分类对象的分类操作数据,可以包括:将待分类对象和分类规则按照预设形式发送至目标被试;在目标被试基于分类规则对待分类对象进行操作后,获取分类操作数据。其中,预设形式可以是二维码、条形码或者是网页链接的形式。比如,将携带有待分类对象和分类规则的二维码、条形码或者网页链接发送至目标被试,这样目标被试在扫面二维码或条形码、或者打开网页链接之后,在符合分类规则的情况下,对待分类数据进行分类操作,获得分类操作数据。
由于分类规则中可以设置分类类别,也可以不设置分类类别,针对不同的分类规则,目标被试进行相对应的分类操作。第一种情况,若分类规则中包括分类类别,那么目标被试基于分类规则对待分类对象进行操作可以为:目标被试将待分类对象添加至分类类别中。第二种情况,若分类规则中不包括分类类别,那么目标被试基于分类规则对待分类对象进行操作可以为:目标被试自定义分类类别,然后将待分类对象添加至自定义的分类类别中。目标被试自定义分类类别可以为自定义各级类别以及为定义的类别进行命名。而且,目标被试还可以对有疑惑的待分类对象进行信息标注。
分类操作数据的获取可以看作是人机交互的过程,从前端可视界面而言,具有待分类对象区域和分类区域。在待分类对象区域,可以随机顺序叠放待分类对象,每次展示一个待分类对象;在分类区域目标被试可以将待分类区域的待分类对象依次拖进分类区域,也可以在待分类对象上进行文字备注说明。从后端***而言,待分类对象区域需要随机展示待分类对象,目标被试进行分类操作时,***将待分类对象标记在分类目录中,已标记的待分类对象不再出现待分类对象区域,而且已标记的待分类对象移动到其它分类下时,可以修改标记。此外,在目标被试完成确认提交前,可以自由移动待分类对象。
本发明实施例中,目标被试浏览及分类过程中,后台***将全程记录目标被试的分类结果和操作行为数据,可以包括填写的信息、各待分类对象的位置、层级、分类时长、调整路径等。因此,分类操作数据可以包括:分类结果数据和分类过程数据。作为本发明的还一个可参考实施例,步骤S103中对分类操作数据进行分析,获得分类结果,可以包括:
步骤S1031,基于预设的集簇分析算法,对分类结果数据进行分析,获得分类结果数据对应的第一分析数据;
步骤S1032,对分类过程数据进行分析,获得分类过程数据对应的第二分析数据,分类过程数据包括:分类维度数据、分类位置数据、分类时长数据、分类调整路径数据以及分类调整次数数据;
步骤S1033,利用第二分析数据对第一分析数据进行修正,生成待分类对象对应的分类架构方式和分类类别。
本发明实施例中的数据分析可以包括对分类结果数据进行分析和对分类过程数据进行分析。其中,对分类结果数据进行分析可以为:利用预设的集簇分析算法对分类结果数据进行分析,其中预设的集簇分析算法可以包括待分类对象的矩阵相关度和聚类群簇分析。待分类对象的矩阵相关度主要是用来查看目标被试倾向的分类结果和类别命名,可以直接根据量化结果找出最佳的分类结果和类别命名,或者可以为分类结果和类别命名提供非常有用的参考。关于最佳的类别命名,可以提取各目标被试对各分类的命名文本,进行文本分析,其中同一命名出现频率最高或比例过半则确定为最佳命名;关于分类结果最佳,根据聚类分析结果,不同对象聚类得分越低,说明被分类到一组的几率越高,则关联程度越高,各待分类对象之间均会产生聚类得分,不同得分下分类的数量不同,根据需要的分类数量可以找到合适的聚类得分,此时即最佳分类。此外,聚类群簇分析有两种主要的分析方式:完全一致方法和最优合并方法。完全一致方法重视各待分类对象之间的差异性,只要有差异就分别列出;最优合并方法重视待分类对象之间的一致性和同源关系,部分一致就归入一类。此外,采用的待分类对象的矩阵相关度和聚类群簇分析这两种技术手段属于行业中成熟技术,本发明实施例中不再进行详细描述。
对分类过程数据进行分析可以为:选择从分类维度数据、分类位置数据、分类时长数据、分类调整路径数据以及分类调整次数数据等进行分析。如,分类时长数据是指从待分类对象区域出现到确定到分类区域的时间,可以作为待分类对象对应的分类难度大小的依据;调整次数数据是指待分类对象被首次拖动到某分类到最终提交时的移动次数,该次数越多,说明分类争议越大;调整路径数据是指待分类对象被移动到不同分类的过程。
对分类结果数据进行分析主要是对目标被试完成分类结果的分析,只能获取数据结果,不能实现对结果的解读,对分类过程数据进行分析主要目的是对分类结果存在的可能性进行研究,如某一待分类对象的分类结果在A大类和B大类之间,且更接近A大类,那么通过过程分析研究该待分类对象被分类的次数或者时长或者过程,从而可以确定目标被试分类时是否存在纠结和不确定。最后输出的结论以结果分析的数据为主,过程分析的数据作为注释或说明,因此在步骤S1033中,利用过程分析的数据对结果分析的数据进行修正,生成待分类对象对应的分类架构方式和分类类别,如最终分为5类,各类包含哪些待分类对象,其中某待分类对象在分类过程中存在操作时长较长、分类调整次数较多的情况,那么对于该待分类对象所属大类的结果可以进一步分析。
图3是根据本发明实施例的对分类操作数据进行分析的主要流程的示意图,如图3所示,对分类操作数据进行分析的主要流程可以包括:
步骤S301,根据产品分类请求,设置目标产品对应的分类规则,将待分类对象和分类规则按照预设形式发送至目标被试;
步骤S302,判断分类规则中是否包括分类类别,若是,则执行步骤S303,否则,执行步骤S304;
步骤S303,目标被试将待分类对象添加至分类类别中,获得分类结果数据和分类过程数据;
步骤S304,目标被试自定义分类类别,然后将待分类对象添加至自定义的分类类别中,获得分类结果数据和分类过程数据;
步骤S305,基于预设的集簇分析算法,对分类结果数据进行分析,获得分类结果数据对应的第一分析数据;
步骤S306,对分类过程数据进行分析,获得分类过程数据对应的第二分析数据,分类过程数据可以包括:分类维度数据、分类位置数据、分类时长数据、分类调整路径数据以及分类调整次数数据;
步骤S307,利用第二分析数据对第一分析数据进行修正,生成待分类对象对应的分类架构方式和分类类别。
本发明实施例中,目标被试可以在线上对待分类对象进行分类操作,得到分类操作数据,然后可以对分类操作数据进行分析,得到分类结果,从而可以解决现有技术的条件限制问题,还能够避免影响因素的干扰,使分类结合用户特征得出最优的结果,省时高效。
线上化分类方法可以包括待分类对象的生成、目标被试的选择和分类操作数据的分析这三个部分。分类操作数据是目标被试对待分类对象进行分类得到的数据,对数据分析得到最后的分类结果,因此选择合适的目标被试非常重要。作为本发明的还一个可参考实施例,步骤S102设置目标产品对应的被试招募标准,按照被试招募标准,选择目标产品对应的目标被试,可以包括:
步骤S1021,根据产品分类请求,设置目标产品对应的被试招募标准,其中,设置被试招募标准相当于是制定被试招募要求,如人口学特征、生活经验、行为习惯等;
步骤S1022,根据被试招募标准生成被试招募问卷,将被试招募问卷按照预设形式发送至用户,被试招募问卷可以包括被试招募问题及选项;
步骤S1023,获取用户对被试招募问卷的反馈数据;
步骤S1024,根据反馈数据和被试招募标准,从用户中选择出目标被试。
具体的,将包含招募问题的被试招募问卷以二维码、条形码或者网页链接的形式发送至平台用户库或外部用户群体。然后,根据用户回答并提交的问卷,判断是否符合招募条件,进而从符合招募条件的用户中选择目标被试。此外本发明实施例中,通过线上选择出目标被试,能够实现对用户信息的线上化管理。
图4是根据本发明实施例的线上化分类方法的主要流程的示意图。如图4所示,线上化分类方法的主要流程可以包括:
步骤S401,接收产品分类请求;
步骤S402,根据产品分类请求,获得目标产品对应的属性信息,属性信息可以包括以下选项中至少一项:功能信息、菜单信息、空间元素信息;
步骤S403,以文字形式或者图片形式将属性信息录入至属性信息对应的对象中,生成待分类对象;
步骤S404,根据产品分类请求,设置目标产品对应的被试招募标准;
步骤S405,根据被试招募标准生成被试招募问卷,将被试招募问卷按照预设形式发送至用户;
步骤S406,获取用户对被试招募问卷的反馈数据;
步骤S407,根据反馈数据和被试招募标准,从用户中选择出目标被试;
步骤S408,根据产品分类请求,设置目标产品对应的分类规则,将待分类对象和分类规则按照预设形式发送至目标被试;
步骤S409,判断分类规则中是否包括分类类别,若是,则执行步骤S410,否则,执行步骤S411;
步骤S410,目标被试将待分类对象添加至分类类别中,获得分类结果数据和分类过程数据;
步骤S411,目标被试自定义分类类别,然后将待分类对象添加至自定义的分类类别中,获得分类结果数据和分类过程数据;
步骤S412,基于预设的集簇分析算法,对分类结果数据进行分析,获得分类结果数据对应的第一分析数据;
步骤S413,对分类过程数据进行分析,获得分类过程数据对应的第二分析数据,分类过程数据可以包括:分类维度数据、分类位置数据、分类时长数据、分类调整路径数据以及分类调整次数数据;
步骤S414,利用第二分析数据对第一分析数据进行修正,生成待分类对象对应的分类架构方式和分类类别。
根据本发明实施例的线上化分类技术方案,能够线上接收产品分类请求,直接根据分类请求生成待分类对象,解决传统卡片带来的数据干扰问题,还有目标被试可以在线上对待分类对象进行分类操作,得到分类操作数据,然后可以对分类操作数据进行分析,得到分类结果,从而可以解决现有技术的条件限制问题,还能够避免影响因素的干扰,使分类结合用户特征得出最优的结果,省时高效,此外采用通过线上选择出目标被试的技术手段,实现了对用户信息的线上化管理。
图5是根据本发明实施例的线上化分类装置的主要模块的示意图。如图5所示,线上化分类装置500的主要模块可以包括:生成模块501、选择模块502和分析模块503。
其中,生成模块501可用于接收产品分类请求,根据产品分类请求,生成目标产品对应的待分类对象;选择模块502可用于设置目标产品对应的被试招募标准,按照被试招募标准,选择目标产品对应的目标被试;分析模块503可用于获取目标被试对待分类对象的分类操作数据,对分类操作数据进行分析,获得分类结果。
本发明实施例中,生成模块501还可用于:根据产品分类请求,获得目标产品对应的属性信息;以文字形式或者图片形式将属性信息录入至属性信息对应的对象中,生成待分类对象。其中,属性信息可以包括以下选项中至少一项:功能信息、菜单信息、空间元素信息。
本发明实施例中,生成模块501还可用于:根据产品分类请求,设置目标产品对应的分类规则。
本发明实施例中,分析模块503还可用于:将待分类对象和分类规则按照预设形式发送至目标被试;在目标被试基于分类规则对待分类对象进行操作后,获取分类操作数据。
本发明实施例中,分类规则中可以包括分类类别。目标被试基于分类规则对待分类对象进行操作可以包括:目标被试将待分类对象添加至分类类别中。
本发明实施例中,分类规则中不包括分类类别。目标被试基于分类规则对待分类对象进行操作可以包括:目标被试自定义分类类别,然后将待分类对象添加至自定义的分类类别中。
本发明实施例中,分类操作数据可以包括:分类结果数据和分类过程数据。分析模块503还可用于:基于预设的集簇分析算法,对分类结果数据进行分析,获得分类结果数据对应的第一分析数据;对分类过程数据进行分析,获得分类过程数据对应的第二分析数据,分类过程数据包括:分类维度数据、分类位置数据、分类时长数据、分类调整路径数据以及分类调整次数数据;利用第二分析数据对第一分析数据进行修正,生成待分类对象对应的分类架构方式和分类类别。
本发明实施例中,选择模块502还可用于:根据产品分类请求,设置目标产品对应的被试招募标准;根据被试招募标准生成被试招募问卷,将被试招募问卷按照预设形式发送至用户;获取用户对被试招募问卷的反馈数据;根据反馈数据和被试招募标准,从用户中选择出目标被试。
本发明实施例中,预设形式可以包括以下选项中至少一项:二维码、条形码、网页链接。
从以上描述可以看出,本发明实施例的线上化分类装置能够线上接收产品分类请求,直接根据分类请求生成待分类对象,解决传统卡片带来的数据干扰问题,还有目标被试可以在线上对待分类对象进行分类操作,得到分类操作数据,然后可以对分类操作数据进行分析,得到分类结果,从而可以解决现有技术的条件限制问题,还能够避免影响因素的干扰,使分类结合用户特征得出最优的结果,省时高效,此外采用通过线上选择出目标被试的技术手段,实现了对用户信息的线上化管理。
图6示出了可以应用本发明实施例的线上化分类方法或线上化分类装置的示例性***架构600。
如图6所示,***架构600可以包括终端设备601、602、603,网络604和服务器605。网络604用以在终端设备601、602、603和服务器605之间提供通信链路的介质。网络604可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备601、602、603通过网络604与服务器605交互,以接收或发送消息等。终端设备601、602、603上可以安装有各种通讯客户端应用,例如购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等(仅为示例)。
终端设备601、602、603可以是具有显示屏并且支持网页浏览的各种电子设备,包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
服务器605可以是提供各种服务的服务器,例如对用户利用终端设备601、602、603所浏览的购物类网站提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的产品信息查询请求等数据进行分析等处理,并将处理结果(例如目标推送信息、产品信息--仅为示例)反馈给终端设备。
需要说明的是,本发明实施例所提供的线上化分类方法一般由服务器605执行,相应地,线上化分类装置一般设置于服务器605中。
应该理解,图6中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
下面参考图7,其示出了适于用来实现本发明实施例的终端设备的计算机***700的结构示意图。图7示出的终端设备仅仅是一个示例,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7所示,计算机***700包括中央处理单元(CPU)701,其可以根据存储在只读存储器(ROM)702中的程序或者从存储部分708加载到随机访问存储器(RAM)703中的程序而执行各种适当的动作和处理。在RAM 703中,还存储有***700操作所需的各种程序和数据。CPU 701、ROM 702以及RAM 703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。
以下部件连接至I/O接口705:包括键盘、鼠标等的输入部分706;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分707;包括硬盘等的存储部分708;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分709。通信部分709经由诸如因特网的网络执行通信处理。驱动器710也根据需要连接至I/O接口705。可拆卸介质711,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器710上,以便于从其上读出的计算机程序根据需要被安装入存储部分708。
特别地,根据本发明公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本发明公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分709从网络上被下载和安装,和/或从可拆卸介质711被安装。在该计算机程序被中央处理单元(CPU)701执行时,执行本发明的***中限定的上述功能。
需要说明的是,本发明所示的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或者是上述两者的任意组合。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可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(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。在本发明中,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。而在本发明中,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。
附图中的流程图和框图,图示了按照本发明各种实施例的***、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,上述模块、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,两个接连地表示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,框图或流程图中的每个方框、以及框图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。
描述于本发明实施例中所涉及到的模块可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的模块也可以设置在处理器中,例如,可以描述为:一种处理器包括生成模块、选择模块和分析模块。其中,这些模块的名称在某种情况下并不构成对该模块本身的限定,例如,生成模块还可以被描述为“接收产品分类请求,根据产品分类请求,生成目标产品对应的待分类对象的模块”。
作为另一方面,本发明还提供了一种计算机可读介质,该计算机可读介质可以是上述实施例中描述的设备中所包含的;也可以是单独存在,而未装配入该设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被一个该设备执行时,使得该设备包括:接收产品分类请求,根据产品分类请求,生成目标产品对应的待分类对象;设置目标产品对应的被试招募标准,按照被试招募标准,选择目标产品对应的目标被试;获取目标被试对待分类对象的分类操作数据,对分类操作数据进行分析,获得分类结果。
根据本发明实施例的技术方案,能够线上接收产品分类请求,直接根据分类请求生成待分类对象,解决传统卡片带来的数据干扰问题,还有目标被试可以在线上对待分类对象进行分类操作,得到分类操作数据,然后可以对分类操作数据进行分析,得到分类结果,从而可以解决现有技术的条件限制问题,还能够避免影响因素的干扰,使分类结合用户特征得出最优的结果,省时高效,此外采用通过线上选择出目标被试的技术手段,实现了对用户信息的线上化管理。
上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应该明白的是,取决于设计要求和其他因素,可以发生各种各样的修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
Claims (12)
1.一种线上化分类方法,其特征在于,包括:
接收产品分类请求,根据所述产品分类请求,生成目标产品对应的待分类对象;
设置所述目标产品对应的被试招募标准,按照所述被试招募标准,选择所述目标产品对应的目标被试;
获取所述目标被试对所述待分类对象的分类操作数据,对所述分类操作数据进行分析,获得分类结果。
2.根据权利要求1所述的方法,其特征在于,所述根据所述产品分类请求,生成目标产品对应的待分类对象,包括:
根据所述产品分类请求,获得所述目标产品对应的属性信息,所述属性信息包括以下选项中至少一项:功能信息、菜单信息、空间元素信息;
以文字形式或者图片形式将所述属性信息录入至所述属性信息对应的对象中,生成所述待分类对象。
3.根据权利要求1所述的方法,其特征在于,在接收产品分类请求后,所述方法还包括:
根据所述产品分类请求,设置所述目标产品对应的分类规则。
4.根据权利要求3所述的方法,其特征在于,所述获取所述目标被试对所述待分类对象的分类操作数据,包括:
将所述待分类对象和所述分类规则按照预设形式发送至所述目标被试;
在所述目标被试基于所述分类规则对所述待分类对象进行操作后,获取所述分类操作数据。
5.根据权利要求4所述的方法,其特征在于,所述分类规则中包括分类类别;以及
所述目标被试基于所述分类规则对所述待分类对象进行操作,包括:所述目标被试将所述待分类对象添加至所述分类类别中。
6.根据权利要求4所述的方法,其特征在于,所述分类规则中不包括分类类别;以及
所述目标被试基于所述分类规则对所述待分类对象进行操作,包括:所述目标被试自定义分类类别,然后将所述待分类对象添加至自定义的分类类别中。
7.根据权利要求1所述的方法,其特征在于,所述分类操作数据包括:分类结果数据和分类过程数据;以及
所述对所述分类操作数据进行分析,获得分类结果,包括:
基于预设的集簇分析算法,对所述分类结果数据进行分析,获得所述分类结果数据对应的第一分析数据;
对所述分类过程数据进行分析,获得所述分类过程数据对应的第二分析数据,所述分类过程数据包括:分类维度数据、分类位置数据、分类时长数据、分类调整路径数据以及分类调整次数数据;
利用所述第二分析数据对所述第一分析数据进行修正,生成所述待分类对象对应的分类架构方式和分类类别。
8.根据权利要求1所述的方法,其特征在于,所述设置所述目标产品对应的被试招募标准,按照所述被试招募标准,选择所述目标产品对应的目标被试,包括:
根据所述产品分类请求,设置所述目标产品对应的被试招募标准;
根据所述被试招募标准生成被试招募问卷,将所述被试招募问卷按照预设形式发送至用户;
获取所述用户对所述被试招募问卷的反馈数据;
根据所述反馈数据和所述被试招募标准,从所述用户中选择出所述目标被试。
9.根据权利要求4或权利要求8所述的方法,其特征在于,所述预设形式包括以下选项中至少一项:二维码、条形码、网页链接。
10.一种线上化分类装置,其特征在于,包括:
生成模块,用于接收产品分类请求,根据所述产品分类请求,生成目标产品对应的待分类对象;
选择模块,用于设置所述目标产品对应的被试招募标准,按照所述被试招募标准,选择所述目标产品对应的目标被试;
分析模块,用于获取所述目标被试对所述待分类对象的分类操作数据,对所述分类操作数据进行分析,获得分类结果。
11.一种电子设备,其特征在于,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-9中任一所述的方法。
12.一种计算机可读介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现如权利要求1-9中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010187129.3A CN111428159A (zh) | 2020-03-17 | 2020-03-17 | 线上化分类方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010187129.3A CN111428159A (zh) | 2020-03-17 | 2020-03-17 | 线上化分类方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111428159A true CN111428159A (zh) | 2020-07-17 |
Family
ID=71547934
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010187129.3A Pending CN111428159A (zh) | 2020-03-17 | 2020-03-17 | 线上化分类方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111428159A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112232731A (zh) * | 2020-09-15 | 2021-01-15 | 山东浪潮通软信息科技有限公司 | 一种库存abc分类的方法及设备 |
CN113051444A (zh) * | 2021-04-30 | 2021-06-29 | 中国银行股份有限公司 | 自动分配内容分类类别的方法及装置 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130179222A1 (en) * | 2011-12-26 | 2013-07-11 | Luth Research, Llc | On-line behavior research method using client/customer survey/respondent groups |
CN106407234A (zh) * | 2015-08-03 | 2017-02-15 | 阿里巴巴集团控股有限公司 | 一种对页面中对象信息分类的方法和设备 |
CN107093122A (zh) * | 2016-12-02 | 2017-08-25 | 北京小度信息科技有限公司 | 对象分类方法及装置 |
CN109086567A (zh) * | 2017-07-21 | 2018-12-25 | 上海桑格信息技术有限公司 | 基于云计算平台的有参考基因组的转录组项目的交互式分析***及方法 |
CN109102329A (zh) * | 2018-07-27 | 2018-12-28 | 索信市场咨询(北京)有限公司 | 一种数据采集、处理和分析应用方法及装置 |
CN109346137A (zh) * | 2018-10-29 | 2019-02-15 | 长沙通诺信息科技有限责任公司 | 受试者在线招募方法及装置、计算机设备及存储介质 |
CN109359194A (zh) * | 2018-09-30 | 2019-02-19 | 北京字节跳动网络技术有限公司 | 用于预测信息类别的方法和装置 |
CN109359798A (zh) * | 2018-08-21 | 2019-02-19 | 平安科技(深圳)有限公司 | 任务分配方法、装置及存储介质 |
CN110263329A (zh) * | 2019-05-22 | 2019-09-20 | 深圳壹账通智能科技有限公司 | 软件产品测评处理方法、装置、计算机设备及存储介质 |
-
2020
- 2020-03-17 CN CN202010187129.3A patent/CN111428159A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130179222A1 (en) * | 2011-12-26 | 2013-07-11 | Luth Research, Llc | On-line behavior research method using client/customer survey/respondent groups |
CN106407234A (zh) * | 2015-08-03 | 2017-02-15 | 阿里巴巴集团控股有限公司 | 一种对页面中对象信息分类的方法和设备 |
CN107093122A (zh) * | 2016-12-02 | 2017-08-25 | 北京小度信息科技有限公司 | 对象分类方法及装置 |
CN109086567A (zh) * | 2017-07-21 | 2018-12-25 | 上海桑格信息技术有限公司 | 基于云计算平台的有参考基因组的转录组项目的交互式分析***及方法 |
CN109102329A (zh) * | 2018-07-27 | 2018-12-28 | 索信市场咨询(北京)有限公司 | 一种数据采集、处理和分析应用方法及装置 |
CN109359798A (zh) * | 2018-08-21 | 2019-02-19 | 平安科技(深圳)有限公司 | 任务分配方法、装置及存储介质 |
CN109359194A (zh) * | 2018-09-30 | 2019-02-19 | 北京字节跳动网络技术有限公司 | 用于预测信息类别的方法和装置 |
CN109346137A (zh) * | 2018-10-29 | 2019-02-15 | 长沙通诺信息科技有限责任公司 | 受试者在线招募方法及装置、计算机设备及存储介质 |
CN110263329A (zh) * | 2019-05-22 | 2019-09-20 | 深圳壹账通智能科技有限公司 | 软件产品测评处理方法、装置、计算机设备及存储介质 |
Non-Patent Citations (1)
Title |
---|
甩手小编: "淘宝店铺宝贝分类教程介绍", pages 1 - 9, Retrieved from the Internet <URL:https://wap.shuaishou.com/school/infos10021.html> * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112232731A (zh) * | 2020-09-15 | 2021-01-15 | 山东浪潮通软信息科技有限公司 | 一种库存abc分类的方法及设备 |
CN112232731B (zh) * | 2020-09-15 | 2022-11-22 | 浪潮通用软件有限公司 | 一种库存abc分类的方法及设备 |
CN113051444A (zh) * | 2021-04-30 | 2021-06-29 | 中国银行股份有限公司 | 自动分配内容分类类别的方法及装置 |
CN113051444B (zh) * | 2021-04-30 | 2024-06-21 | 中国银行股份有限公司 | 自动分配内容分类类别的方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9292877B2 (en) | Methods and systems for generating concept-based hash tags | |
WO2015055067A1 (en) | Method and apparatus for pushing messages | |
CN108280200B (zh) | 用于推送信息的方法和装置 | |
CN112241327A (zh) | 分享信息处理方法、装置、存储介质与电子设备 | |
US20210263916A1 (en) | Systems and methods for automated pattern matching | |
US10803390B1 (en) | Method for the management of artifacts in knowledge ecosystems | |
EP3961426A2 (en) | Method and apparatus for recommending document, electronic device and medium | |
US20200050906A1 (en) | Dynamic contextual data capture | |
CN111611514B (zh) | 一种基于用户登录信息的页面展示方法、装置和电子设备 | |
CN109933217A (zh) | 用于推送语句的方法和装置 | |
CN109284367B (zh) | 用于处理文本的方法和装置 | |
TW202134931A (zh) | 一種自動生成數據採集模組的方法和系統 | |
CN112017062B (zh) | 基于客群细分的资源额度分配方法、装置及电子设备 | |
CN111428159A (zh) | 线上化分类方法和装置 | |
CN107908662A (zh) | 搜索***的实现方法和实现装置 | |
CN105260459B (zh) | 搜索方法和装置 | |
CN109493186A (zh) | 确定推送信息的方法和装置 | |
CN110909768B (zh) | 一种标注数据获取方法及装置 | |
CN110519155B (zh) | 信息处理方法及*** | |
US20150220941A1 (en) | Visual tagging to record interactions | |
CN114297476A (zh) | 基于用户标签的问卷调查方法、***、电子设备及存储介质 | |
CN113989058A (zh) | 一种服务生成方法和装置 | |
CN109754273A (zh) | 提升活跃用户数量的方法和装置 | |
CN111581937A (zh) | 文档生成方法、装置、计算机可读介质及电子设备 | |
CN107920100B (zh) | 信息推送方法和装置 |
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 | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20220923 Address after: 12 / F, 15 / F, 99 Yincheng Road, China (Shanghai) pilot Free Trade Zone, Pudong New Area, Shanghai, 200120 Applicant after: Jianxin Financial Science and Technology Co.,Ltd. Address before: 25 Financial Street, Xicheng District, Beijing 100033 Applicant before: CHINA CONSTRUCTION BANK Corp. Applicant before: Jianxin Financial Science and Technology Co.,Ltd. |