CN111581499B - 一种数据归一化方法、装置、设备及可读存储介质 - Google Patents
一种数据归一化方法、装置、设备及可读存储介质 Download PDFInfo
- Publication number
- CN111581499B CN111581499B CN202010319805.8A CN202010319805A CN111581499B CN 111581499 B CN111581499 B CN 111581499B CN 202010319805 A CN202010319805 A CN 202010319805A CN 111581499 B CN111581499 B CN 111581499B
- Authority
- CN
- China
- Prior art keywords
- data
- user behavior
- normalization
- category
- sub
- 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.)
- Active
Links
- 238000010606 normalization Methods 0.000 title claims abstract description 110
- 238000004458 analytical method Methods 0.000 claims abstract description 54
- 238000000034 method Methods 0.000 claims abstract description 12
- 230000006399 behavior Effects 0.000 claims description 135
- 238000004590 computer program Methods 0.000 claims description 19
- 238000002759 z-score normalization Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 235000003642 hunger Nutrition 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000037351 starvation Effects 0.000 description 1
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
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0241—Advertisements
- G06Q30/0251—Targeted advertisements
- G06Q30/0255—Targeted advertisements based on user history
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Finance (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- General Engineering & Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Data Mining & Analysis (AREA)
- Economics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明提供了一种数据归一化方法、装置、设备及可读存储介质，方法包括：获取用户行为数据；对用户行为数据进行分类，得到若干类别的用户行为子数据；对每一类别的用户行为子数据进行特征分析，并为每一类别的用户行为子数据匹配相应的数据归一化方式；采用相应的数据归一化方式对相应类别的用户行为子数据进行数据归一化处理，以得到用于进行用户偏好分析的用户行为数据集合。本发明通过根据获取的用户数据进行特征分析并匹配相应的数据归一化方式进行归一化处理，能够将不同类型的用户数据转变成可以相互进行数学运算的具有相同量纲和相同数量级的具有可比性的数据以用于进行用户偏好分析，从而有效提升用户偏好分析结果的准确性和可靠性。
Description
技术领域
本发明涉及数据处理技术领域，尤其是涉及一种数据归一化方法、装置、设备及可读存储介质。
背景技术
随着互联网的逐渐普及和网络信息资源的日益丰富，人们逐渐从信息匮乏时代走进信息过载时代，信息量的不断增大使得无论是信息生产者还是信息消费者都遇到了很大的困难和挑战：从海量的信息里找到自己需求的信息已经变得越来越困难。与此同时，想让产品在众多信息中脱颖而出，得到消费者的关注也越来越困难。
为了高效率、快速、准确地把信息推送给用户，信息生产者往往需要从海量数据中挖掘到用户所需信息，其中尤为重要的一环是根据用户行为数据进行相应的用户行为偏好分析。为了更准确地分析用户的偏好，需要从多渠道、多方面获取用户行为数据进行分析。然而，从各个方面获取的数据之间具有很大的差异，通常具有不同的属性和量纲，这样的情况会影响到数据分析的结果。因此，为了保证结果的可靠性，需要对获取到的原始数据进行标准化(归一化)处理。
目前的基于用户行为数据进行偏好分析的方法中并没有进行数据的归一化处理，只是简单的对获取到的数据进行加权平均计算分析，导致偏好分析结果与实际的情况相差较大，分析的准确性及可靠性较低。因此，亟需一种能将多种用户样本数据进行数据归一化的方法。
发明内容
本发明实施例所要解决的技术问题在于，提供一种数据归一化方法、装置、设备及可读存储介质，能够对获取到的不同类型数据进行数据归一化处理，从而提高用户偏好分析结果的准确性和可靠性。
为了解决上述技术问题，本发明实施例提供了一种数据归一化方法，包括：
从若干个数据通道获取用户行为数据；
按照预设的分类规则对所述用户行为数据进行分类，得到若干类别的用户行为子数据；
对每一类别的用户行为子数据进行特征分析，并根据所述特征分析的结果为每一类别的用户行为子数据匹配相应的数据归一化方式；
采用所述相应的数据归一化方式对相应类别的用户行为子数据进行数据归一化处理，以得到用于进行用户偏好分析的用户行为数据集合。
进一步地，所述按照预设的分类规则对所述用户行为数据进行分类，得到若干类别的用户行为子数据，具体为：
根据预设的数据类型分类规则对所述用户行为数据进行分类，得到若干类别的用户行为子数据；或，
根据所述用户行为数据的获取渠道对所述用户行为数据进行分类，得到若干类别的用户行为子数据。
进一步地，所述对每一类别的用户行为子数据进行特征分析，并根据所述特征分析的结果为每一类别的用户行为子数据匹配相应的数据归一化方式，具体包括：
对每一类别的用户行为子数据进行特征分析，计算所述用户行为子数据的特征参数；其中，所述特征参数包括平均值、标准差；
根据所述特征参数判断该类别的用户行为子数据是否符合预设的数据归一化条件；
若是，则根据该类别的用户行为子数据的特征参数匹配相应的数据归一化方式；
若否，则将该类别的用户行为子数据添加至所述用户行为数据集合中。
进一步地，所述数据归一化方式包括最大最小标准化方式、Z-score标准化方式、非线性归一化方式。
为了解决相同的技术问题，本发明还提供了一种数据归一化装置，包括：
数据获取模块，用于从若干个数据通道获取用户行为数据；
数据分类模块，用于按照预设的分类规则对所述用户行为数据进行分类，得到若干类别的用户行为子数据；
方式匹配模块，用于对每一类别的用户行为子数据进行特征分析，并根据所述特征分析的结果为每一类别的用户行为子数据匹配相应的数据归一化方式；
归一化模块，用于采用所述相应的数据归一化方式对相应类别的用户行为子数据进行数据归一化处理，以得到用于进行用户偏好分析的用户行为数据集合。
进一步地，所述数据分类模块具体用于：
根据预设的数据类型分类规则对所述用户行为数据进行分类，得到若干类别的用户行为子数据；或，
根据所述用户行为数据的获取渠道对所述用户行为数据进行分类，得到若干类别的用户行为子数据。
进一步地，所述方式匹配模块具体包括：
特征分析单元，用于对每一类别的用户行为子数据进行特征分析，计算所述用户行为子数据的特征参数；其中，所述特征参数包括平均值、标准差；
数据判断单元，用于根据所述特征参数判断该类别的用户行为子数据是否符合预设的数据归一化条件；
方式匹配单元，用于根据该类别的用户行为子数据的特征参数匹配相应的数据归一化方式；
数据添加单元，用于将该类别的用户行为子数据添加至所述用户行为数据集合中。
进一步地，所述数据归一化方式包括最大最小标准化方式、Z-score标准化方式、非线性归一化方式。
为了解决相同的技术问题，本发明还提供了一种数据归一化终端设备，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述存储器与所述处理器耦接，且所述处理器执行所述计算机程序时，实现任一项所述的数据归一化方法。
为了解决相同的技术问题，本发明还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程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在的设备执行任一项所述的数据归一化方法。
与现有技术相比，本发明具有如下有益效果：
本发明实施例提供了一种数据归一化方法、装置、设备及可读存储介质，所述方法包括：从若干个数据通道获取用户行为数据；按照预设的分类规则对所述用户行为数据进行分类，得到若干类别的用户行为子数据；对每一类别的用户行为子数据进行特征分析，并根据所述特征分析的结果为每一类别的用户行为子数据匹配相应的数据归一化方式；采用所述相应的数据归一化方式对相应类别的用户行为子数据进行数据归一化处理，以得到用于进行用户偏好分析的用户行为数据集合。本发明通过根据获取的用户数据进行特征分析并匹配相应的数据归一化方式进行归一化处理，能够将不同类型的用户数据转变成可以相互进行数学运算的具有相同量纲和相同数量级的具有可比性的数据以用于进行用户偏好分析，从而有效提升用户偏好分析结果的准确性和可靠性。
附图说明
图1是本发明一实施例提供的数据归一化方法的流程示意图；
图2是本发明一实施例提供的数据归一化装置的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整的描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参见图1，本发明实施例提供了一种数据归一化方法，包括步骤：
S1、从若干个数据通道获取用户行为数据。
该步骤用于从若干个数据通道获取用户行为数据。作为举例，可以是对某用户在不同软件平台上的用户行为数据进行获取，这些用户行为数据包括但不限于商品浏览量、购买量、评论信息、广告点击率、页面停留时间等；获取这些用户行为数据的渠道可以是同一注册用户下的各大交易网站、社交平台、娱乐应用等。
S2、按照预设的分类规则对所述用户行为数据进行分类，得到若干类别的用户行为子数据。
在本发明实施例中，进一步地，步骤S2具体为：
根据预设的数据类型分类规则对所述用户行为数据进行分类，得到若干类别的用户行为子数据；或，
根据所述用户行为数据的获取渠道对所述用户行为数据进行分类，得到若干类别的用户行为子数据。
在本发明实施例中，需要说明的是，步骤S2为根据预设的分类规则对用户行为数据进行分类，可以是按照数据类型进行分类，也可以是按照数据获取的渠道进行分类。例如，可以设定为将用户行为数据的获取渠道分为若干种类，从同一种类的获取渠道所获取到的用户行为数据统一归为该类别的子数据。也可以设定为按照数据的类型进行分类，例如将数据划分一定的阈值范围，落在某一范围内的数据归为一类子数据。
S3、对每一类别的用户行为子数据进行特征分析，并根据所述特征分析的结果为每一类别的用户行为子数据匹配相应的数据归一化方式。进一步地，所述数据归一化方式包括最大最小标准化方式、Z-score标准化方式、非线性归一化方式。
在本发明实施例中，进一步地，步骤S3具体包括：
对每一类别的用户行为子数据进行特征分析，计算所述用户行为子数据的特征参数；其中，所述特征参数包括平均值、标准差；
根据所述特征参数判断该类别的用户行为子数据是否符合预设的数据归一化条件；
若是，则根据该类别的用户行为子数据的特征参数匹配相应的数据归一化方式；
若否，则将该类别的用户行为子数据添加至所述用户行为数据集合中。
步骤S3为对用户行为子数据进行特征分析并匹配相应的数据归一化方式。在本发明实施例中，首先对用户行为子数据进行特征分析，计算用户行为子数据的相关参数，包括但不限于数据的平均值、标准差等；然后通过设定的策略，可以选择不对该类别的子数据进行数据归一化，若需要进行数据归一化，则根据数据的特征参数按预设的策略匹配相应的数据归一化方式，包括但不限于最大最小标准化方式、Z-score标准化方式、非线性归一化方式等。
S4、采用所述相应的数据归一化方式对相应类别的用户行为子数据进行数据归一化处理，以得到用于进行用户偏好分析的用户行为数据集合。
步骤S4为使用匹配到的数据归一化方式对相应的用户行为子数据进行数据归一化，并使用归一化后的数据作为用于进行用户偏好分析的数据。
本发明通过根据获取的用户数据进行特征分析并匹配相应的数据归一化方式进行归一化处理，能够将不同类型的用户数据转变成可以相互进行数学运算的具有相同量纲和相同数量级的具有可比性的数据以用于进行用户偏好分析，从而有效提升用户偏好分析结果的准确性和可靠性。
在多数据混合计算中，由于各数据的性质不同，通常具有不同的量纲和数量级。为了保证计算结果的可靠性，需要对原始数据进行标准化处理。数据标准化(归一化)处理是数据挖掘的一项基础工作，不同类型数据往往具有不同的标准和不同的量纲，这样的情况会影响到数据分析的结果，为了消除数据之间的量纲影响，需要进行数据标准化处理，以解决数据之间的可比性。
数据归一化就是将不同量纲样本的数据，经过变换，使各指标处于同一数量级，适合进行综合对比计算。归一化就是要把需要处理的数据经过处理后(通过某种算法)限制在你需要的一定范围内，使数值的绝对值变成某种相对值关系。首先归一化是为了后面数据处理的方便，其次是保正数据的标准化，使之处于同一标准进行分析。数据无量纲化处理主要解决用户行为数据的可比性，去除数据的单位限制，将其转化为无量纲的纯数值，便于不同单位或量级的数据能够进行比较和加权。数据的标准化是将数据按比例缩放，使之落入一个小的特定区间。
需要说明的是，对于以上方法或流程实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明实施例并不受所描述的动作顺序的限制，因为依据本发明实施例，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于可选实施例，所涉及的动作并不一定是本发明实施例所必须的。
请参加图2，为了解决相同的技术问题，本发明还提供了一种数据归一化装置，包括：
数据获取模块1，用于从若干个数据通道获取用户行为数据；
数据分类模块2，用于按照预设的分类规则对所述用户行为数据进行分类，得到若干类别的用户行为子数据；
方式匹配模块3，用于对每一类别的用户行为子数据进行特征分析，并根据所述特征分析的结果为每一类别的用户行为子数据匹配相应的数据归一化方式；
归一化模块4，用于采用所述相应的数据归一化方式对相应类别的用户行为子数据进行数据归一化处理，以得到用于进行用户偏好分析的用户行为数据集合。
进一步地，所述数据分类模块2具体用于：
根据预设的数据类型分类规则对所述用户行为数据进行分类，得到若干类别的用户行为子数据；或，
根据所述用户行为数据的获取渠道对所述用户行为数据进行分类，得到若干类别的用户行为子数据。
进一步地，所述方式匹配模块3具体包括：
特征分析单元，用于对每一类别的用户行为子数据进行特征分析，计算所述用户行为子数据的特征参数；其中，所述特征参数包括平均值、标准差；
数据判断单元，用于根据所述特征参数判断该类别的用户行为子数据是否符合预设的数据归一化条件；
方式匹配单元，用于根据该类别的用户行为子数据的特征参数匹配相应的数据归一化方式；
数据添加单元，用于将该类别的用户行为子数据添加至所述用户行为数据集合中。
进一步地，所述数据归一化方式包括最大最小标准化方式、Z-score标准化方式、非线性归一化方式。
可以理解的是上述装置项实施例，是与本发明方法项实施例相对应的，本发明实施例提供的一种数据归一化装置，可以实现本发明任意一项方法项实施例提供的数据归一化方法。
为了解决相同的技术问题，本发明还提供了一种数据归一化终端设备，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述存储器与所述处理器耦接，且所述处理器执行所述计算机程序时，实现任一项所述的数据归一化方法。
所述数据归一化终端设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述处理器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，所述处理器是所述数据归一化终端设备的控制中心，利用各种接口和线路连接整个数据归一化终端设备的各个部分。
所述存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作***、至少一个功能所需的应用程序等；存储数据区可存储根据手机的使用所创建的数据等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、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)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
为了解决相同的技术问题，本发明还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程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在的设备执行任一项所述的数据归一化方法。
所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。
需说明的是，以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。另外，本发明提供的装置实施例附图中，模块之间的连接关系表示它们之间具有通信连接，具体可以实现为一条或多条通信总线或信号线。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。
以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。
Claims (6)
1.一种数据归一化方法，其特征在于，包括：
从若干个数据通道获取用户行为数据；
按照预设的分类规则对所述用户行为数据进行分类，得到若干类别的用户行为子数据；
根据预设的数据类型分类规则对所述用户行为数据进行分类，得到若干类别的用户行为子数据；或，根据所述用户行为数据的获取渠道对所述用户行为数据进行分类，得到若干类别的用户行为子数据；
对每一类别的用户行为子数据进行特征分析，并根据所述特征分析的结果为每一类别的用户行为子数据匹配相应的数据归一化方式；
对每一类别的用户行为子数据进行特征分析，计算所述用户行为子数据的特征参数；其中，所述特征参数包括平均值、标准差；
根据所述特征参数判断该类别的用户行为子数据是否符合预设的数据归一化条件；
若是，则根据该类别的用户行为子数据的特征参数匹配相应的数据归一化方式；
若否，则将该类别的用户行为子数据添加至用户行为数据集合中；
采用所述相应的数据归一化方式对相应类别的用户行为子数据进行数据归一化处理，以得到用于进行用户偏好分析的所述用户行为数据集合。
2.根据权利要求1所述的数据归一化方法，其特征在于，所述数据归一化方式包括最大最小标准化方式、Z-score标准化方式、非线性归一化方式。
3.一种数据归一化装置，其特征在于，包括：
数据获取模块，用于从若干个数据通道获取用户行为数据；
数据分类模块，用于按照预设的分类规则对所述用户行为数据进行分类，得到若干类别的用户行为子数据；
所述数据分类模块具体用于：根据预设的数据类型分类规则对所述用户行为数据进行分类，得到若干类别的用户行为子数据；或，根据所述用户行为数据的获取渠道对所述用户行为数据进行分类，得到若干类别的用户行为子数据；
方式匹配模块，用于对每一类别的用户行为子数据进行特征分析，并根据所述特征分析的结果为每一类别的用户行为子数据匹配相应的数据归一化方式；
所述方式匹配模块具体包括：特征分析单元，用于对每一类别的用户行为子数据进行特征分析，计算所述用户行为子数据的特征参数；其中，所述特征参数包括平均值、标准差；数据判断单元，用于根据所述特征参数判断该类别的用户行为子数据是否符合预设的数据归一化条件；方式匹配单元，用于根据该类别的用户行为子数据的特征参数匹配相应的数据归一化方式；数据添加单元，用于将该类别的用户行为子数据添加至所述用户行为数据集合中；
归一化模块，用于采用所述相应的数据归一化方式对相应类别的用户行为子数据进行数据归一化处理，以得到用于进行用户偏好分析的用户行为数据集合。
4.根据权利要求3所述的数据归一化装置，其特征在于，所述数据归一化方式包括最大最小标准化方式、Z-score标准化方式、非线性归一化方式。
5.一种数据归一化终端设备，其特征在于，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述存储器与所述处理器耦接，且所述处理器执行所述计算机程序时，实现如权利要求1至2任一项所述的数据归一化方法。
6.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在的设备执行如权利要求1至2任一项所述的数据归一化方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010319805.8A CN111581499B (zh) | 2020-04-21 | 2020-04-21 | 一种数据归一化方法、装置、设备及可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010319805.8A CN111581499B (zh) | 2020-04-21 | 2020-04-21 | 一种数据归一化方法、装置、设备及可读存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111581499A CN111581499A (zh) | 2020-08-25 |
| CN111581499B true CN111581499B (zh) | 2023-04-28 |
Family
ID=72124515
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010319805.8A Active CN111581499B (zh) | 2020-04-21 | 2020-04-21 | 一种数据归一化方法、装置、设备及可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111581499B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112782503A (zh) * | 2020-12-24 | 2021-05-11 | 深圳供电局有限公司 | 电能质量评估方法、装置、控制设备和存储介质 |
| CN114661947A (zh) * | 2022-03-15 | 2022-06-24 | 北京达佳互联信息技术有限公司 | 偏好差异检测方法、装置、电子设备及计算机存储介质 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102982077A (zh) * | 2012-10-30 | 2013-03-20 | 中国联合网络通信集团有限公司 | 用户数据处理方法及装置 |
| CN109636181A (zh) * | 2018-12-11 | 2019-04-16 | 北京首汽智行科技有限公司 | 一种用户信用分计算方法及*** |
Family Cites Families (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20040003132A1 (en) * | 2000-12-06 | 2004-01-01 | Biosentients, Inc. | Data pool architecture, system, and method for intelligent object data in heterogeneous data environments |
| WO2014205254A2 (en) * | 2013-06-21 | 2014-12-24 | Virtual Radiologic Corporation | Radiology data processing and standardization techniques |
| CN106055911A (zh) * | 2016-06-13 | 2016-10-26 | 达而观信息科技（上海）有限公司 | 一种基于组合归一的量化指标评价方法 |
| CN109582741B (zh) * | 2018-11-15 | 2023-09-05 | 创新先进技术有限公司 | 特征数据处理方法和装置 |
| CN110599240A (zh) * | 2019-08-23 | 2019-12-20 | 腾讯科技（深圳）有限公司 | 应用的偏好值确定方法、装置和设备及存储介质 |
| CN110717101B (zh) * | 2019-09-30 | 2023-04-07 | 上海淇玥信息技术有限公司 | 基于应用行为的用户分类方法、装置和电子设备 |
| CN110852809A (zh) * | 2019-11-15 | 2020-02-28 | 腾讯科技（深圳）有限公司 | 一种数据处理方法、装置、设备及介质 |
-
2020
- 2020-04-21 CN CN202010319805.8A patent/CN111581499B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102982077A (zh) * | 2012-10-30 | 2013-03-20 | 中国联合网络通信集团有限公司 | 用户数据处理方法及装置 |
| CN109636181A (zh) * | 2018-12-11 | 2019-04-16 | 北京首汽智行科技有限公司 | 一种用户信用分计算方法及*** |
Non-Patent Citations (1)
| Title |
|---|
| 黎新志 ; 高茂庭 ; .基于用户分类的隐含因子模型研究.计算机应用研究.2017,(第08期),全文. * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111581499A (zh) | 2020-08-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107153971B (zh) | 用于识别app推广中设备作弊的方法及装置 | |
| CN111079022B (zh) | 基于联邦学习的个性化推荐方法、装置、设备及介质 | |
| CN110020122B (zh) | 一种视频推荐方法、***及计算机可读存储介质 | |
| CN109145280B (zh) | 信息推送的方法和装置 | |
| US20190163742A1 (en) | Method and apparatus for generating information | |
| WO2018103718A1 (zh) | 应用推荐的方法、装置及服务器 | |
| CN108073902B (zh) | 基于深度学习的视频总结方法、装置及终端设备 | |
| US20180248879A1 (en) | Method and apparatus for setting access privilege, server and storage medium | |
| US10504028B1 (en) | Techniques to use machine learning for risk management | |
| CN113610239A (zh) | 针对机器学习的特征处理方法及特征处理*** | |
| CN111581499B (zh) | 一种数据归一化方法、装置、设备及可读存储介质 | |
| CN109685537B (zh) | 用户行为的分析方法、装置、介质和电子设备 | |
| CN108595448B (zh) | 信息推送方法和装置 | |
| CN107908662B (zh) | 搜索***的实现方法和实现装置 | |
| CN113255370A (zh) | 基于语义相似度的行业类型推荐方法、装置、设备及介质 | |
| CN115271976A (zh) | 一种顾问推荐的方法、装置及计算机可读存储介质 | |
| CN108959289B (zh) | 网站类别获取方法和装置 | |
| CN110633971A (zh) | 资损估计方法以及装置 | |
| CN107357847B (zh) | 数据处理方法及其装置 | |
| CN112532692B (zh) | 一种信息推送方法及装置、存储介质 | |
| CN112085526A (zh) | 基于用户群的信息匹配方法、装置、计算机设备及存储介质 | |
| CN106547922B (zh) | 一种应用程序的排序方法、装置及服务器 | |
| CN112148865A (zh) | 信息推送方法和装置 | |
| CN116911313B (zh) | 一种语义漂移文本的识别方法及装置 | |
| CN111918323B (zh) | 数据的校准方法、装置、设备以及存储介质 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CP03 | Change of name, title or address | ||
| CP03 | Change of name, title or address |
Address after: 101300 Room 5058, 5th Floor, Room 101, 1st to 6th Floor, Building 1, Yard 15, Xingtian Road, Shunyi District, Beijing Patentee after: Beijing Longyun Technology Co.,Ltd. Address before: No.18-A1515 Jianshe Road, Kaixuan Street, Liangxiang, Fangshan District, Beijing, 100000 Patentee before: Beijing Longyun Technology Co.,Ltd. |
|
| CP03 | Change of name, title or address | ||
| CP03 | Change of name, title or address |
Address after: Unit 1108A, 11th Floor, Building 3, No.16 Lize Road, Fengtai District, Beijing, 100000 Patentee after: Beijing Longyun Technology Group Co.,Ltd. Country or region after: China Address before: 101300 Room 5058, 5th Floor, Room 101, 1st to 6th Floor, Building 1, Yard 15, Xingtian Road, Shunyi District, Beijing Patentee before: Beijing Longyun Technology Co.,Ltd. Country or region before: China |