CN112016979B - 用户分群方法、装置、设备和计算机可读存储介质 - Google Patents
用户分群方法、装置、设备和计算机可读存储介质 Download PDFInfo
- Publication number
- CN112016979B CN112016979B CN202010937805.4A CN202010937805A CN112016979B CN 112016979 B CN112016979 B CN 112016979B CN 202010937805 A CN202010937805 A CN 202010937805A CN 112016979 B CN112016979 B CN 112016979B
- Authority
- CN
- China
- Prior art keywords
- net benefit
- grouping
- target item
- fluctuation value
- user
- 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
- 238000000034 method Methods 0.000 title claims abstract description 54
- 230000008901 benefit Effects 0.000 claims abstract description 261
- 238000011282 treatment Methods 0.000 claims abstract description 48
- 201000010099 disease Diseases 0.000 claims description 46
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 46
- 238000012545 processing Methods 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 13
- 230000006870 function Effects 0.000 claims description 13
- 238000004422 calculation algorithm Methods 0.000 claims description 10
- 230000000694 effects Effects 0.000 claims description 8
- 238000005192 partition Methods 0.000 claims description 5
- 238000010586 diagram Methods 0.000 description 6
- 206010006187 Breast cancer Diseases 0.000 description 5
- 208000026310 Breast neoplasm Diseases 0.000 description 5
- 238000004891 communication Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000011269 treatment regimen Methods 0.000 description 5
- 239000003814 drug Substances 0.000 description 4
- 230000036541 health Effects 0.000 description 4
- 230000004083 survival effect Effects 0.000 description 4
- 206010028980 Neoplasm Diseases 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000000638 solvent extraction Methods 0.000 description 3
- 208000017667 Chronic Disease Diseases 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 101100352902 Dictyostelium discoideum canA gene Proteins 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 230000035558 fertility Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 101150033714 mtcA1 gene Proteins 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000001575 pathological effect Effects 0.000 description 1
- 108090000623 proteins and genes Proteins 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 231100000331 toxic Toxicity 0.000 description 1
- 230000002588 toxic effect Effects 0.000 description 1
- 230000005428 wave function Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06313—Resource planning in a project environment
-
- 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
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
- G06F16/285—Clustering or classification
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/22—Social work or social welfare, e.g. community support activities or counselling services
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/20—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for electronic clinical trials or questionnaires
-
- 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
- G06Q2220/00—Business processing using cryptography
-
- 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
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Databases & Information Systems (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Tourism & Hospitality (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Epidemiology (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Biomedical Technology (AREA)
- Pathology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Educational Administration (AREA)
- General Engineering & Computer Science (AREA)
- Child & Adolescent Psychology (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请实施例公开了一种用户分群方法、装置、设备和计算机可读存储介质,应用于医疗技术领域,其中,该方法包括:根据多个用户在目标项目下的净效益和目标项目的解决方案,确定该解决方案对应的净效益系数;进而根据净效益系数确定目标项目的每一个分群变量对应的波动值;按照波动值最大的分群变量进行人群划分,得到多个用户群;针对划分得到的每个用户群,重复执行根据目标项目的每一个分群变量对应的波动值进行人群划分的步骤,直到划分得到满足预设条件的用户群。采用本申请实施例,有助于提升用户分群的可靠性。
Description
技术领域
本申请涉及人工智能技术领域,尤其涉及一种用户分群方法、装置、设备和计算机可读存储介质。
背景技术
目前,存在一些需要对用户进行分群的场景,以基于用户分群实现对用户群体分析、针对用户分群进行消息推送,以实现精准营销等等。然而,发明人在研究过程中发现,目前的用户分群方式存在局限性、片面性,例如,在个体化医疗中,仅是基于治疗有效性作为目标对用户进行分群,分群可靠性较低。因此,如何实现可靠的用户分群成为亟需解决的问题。
发明内容
本申请实施例提供了一种用户分群方法、装置、设备和计算机可读存储介质,有助于提升用户分群的可靠性。
第一方面,本申请实施例提供了一种用户分群方法,包括:
获取多个用户在目标项目下的净效益;
根据所述多个用户在所述目标项目下的净效益和所述目标项目的解决方案,确定所述解决方案对应的净效益系数;
根据所述净效益系数确定所述目标项目的每一个分群变量对应的波动值;
按照波动值最大的分群变量进行人群划分,得到多个用户群;
针对划分得到的每个用户群,重复执行所述根据所述净效益系数确定所述目标项目的每一个分群变量对应的波动值,按照波动值最大的分群变量进行人群划分的步骤,直到划分得到满足预设条件的用户群。
可选的,所述根据所述多个用户在所述目标项目下的净效益和所述目标项目的解决方案,确定所述解决方案对应的净效益系数,包括:
在全人群中拟合净效益参数模型;其中,所述全人群为进行首次人群划分之前的用户群,所述净效益参数模型为回归模型;
利用所述净效益参数模型对所述目标项目的净效益和所述目标项目的解决方案进行处理,以得到所述目标项目的解决方案对应的净效益系数。
可选的,所述根据所述多个用户在所述目标项目下的净效益和所述目标项目的解决方案,确定所述解决方案对应的净效益系数,包括:
从区块链获取净效益系数表,所述净效益系数表用于指示项目的净效益、项目的解决方案和净效益系数三者之间的对应关系;
根据所述目标项目的净效益和所述目标项目的解决方案,从所述净效益系数表中确定出所述目标项目的解决方案的净效益系数。
可选的,在所述根据所述净效益系数确定所述目标项目的每一个分群变量对应的波动值之前,所述方法还包括:
根据预先存储的项目和分群变量的对应关系,确定所述目标项目对应的多个分群变量;
所述根据所述净效益系数确定所述目标项目的每一个分群变量对应的波动值,包括:
根据所述净效益系数、所述净效益和波动函数,确定所述目标项目的每一个分群变量对应的波动值;其中,所述波动值用于指示分群变量相对于所述净效益的不稳定程度。
可选的,所述按照波动值最大的分群变量进行人群划分,得到多个用户群,包括:
根据贪婪算法确定所述波动值最大的分群变量所对应的划分临界值;
按照所述划分临界值进行人群划分,得到多个用户群。
可选的,所述预设条件包括:
所述波动值对应的显著性值大于预设的显著性阈值;或者,
划分的用户群的个数超过预设的第一数目阈值;或者,
划分的用户群中存在人数低于预设第二数目阈值的用户群。
可选的,所述目标项目为目标疾病,所述目标项目的解决方案为所述目标疾病的治疗方案;
在所述划分得到满足预设条件的用户群之后,所述方法还包括:
在划分得到的所有用户群中确定净效益最高的用户群;其中,划分得到的每个用户群的用户对应的净效益相同;
向所述净效益最高的用户群中的用户推荐所述目标项目的治疗方案。
第二方面,本申请实施例提供了一种用户分群装置,包括:
获取模块,用于获取多个用户在目标项目下的净效益;
处理模块,用于根据所述多个用户在所述目标项目下的净效益和所述目标项目的解决方案,确定所述解决方案对应的净效益系数;
分群模块,用于根据所述净效益系数确定所述目标项目的每一个分群变量对应的波动值;按照波动值最大的分群变量进行人群划分,得到多个用户群;
所述分群模块,还用于针对划分得到的每个用户群,重复执行所述根据所述净效益系数确定所述目标项目的每一个分群变量对应的波动值,按照波动值最大的分群变量进行人群划分的步骤,直到划分得到满足预设条件的用户群。
第三方面,本申请实施例提供了一种用户分群设备,该用户分群设备可包括处理器和存储器,所述处理器和存储器相互连接。其中,所述存储器用于存储支持终端设备执行上述方法或步骤的计算机程序,所述计算机程序包括程序指令,所述处理器被配置用于调用所述程序指令,执行上述方法的部分或全部步骤。
第四方面,本申请实施例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,所述计算机程序包括程序指令,所述程序指令当被处理器执行时使所述处理器执行上述方法的部分或全部步骤。可选的,该计算机可读存储介质可以是非易失性的,也可以是易失性的。
本申请实施例可基于多个用户在目标项目下的净效益和目标项目的解决方案,确定该解决方案对应的净效益系数,进而根据净效益系数确定目标项目的每一个分群变量对应的波动值,以基于波动情况进行人群划分,并针对划分得到的每个用户群,重复执行根据目标项目的每一个分群变量对应的波动值进行人群划分的步骤,直到划分得到满足预设条件的用户群,从而实现人群划分,使得能够基于解决方案获取的净效益实现用户精准分群,提升了用户分群的可靠性。
附图说明
为了更清楚地说明本申请实施例技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的一种用户分群方法的流程示意图;
图2是本申请实施例提供的另一种用户分群方法的流程示意图;
图3是本申请实施例提供的一种用户分群装置的结构示意图;
图4是本申请实施例提供的一种用户分群设备的结构示意图;
图5是本申请实施例提供的一种用户分群***的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
本申请的技术方案可应用于用户分群设备中,用于实现用户分群。可选的,该用户分群设备可以是终端,也可以是服务器,还可以为数据平台或其他设备。该终端可包括手机、平板电脑、计算机等等,本申请不做限定。可以理解,在其他实施例中,该终端还可叫做其余名称,比如叫做终端设备、智能终端、用户设备、用户终端等等,此处不一一列举。
本申请的技术方案可应用于人工智能、智慧城市、区块链和/或大数据技术领域,如可通过数据平台或其他设备实现,涉及的数据可通过区块链节点存储,或者可存储于数据库,本申请不做限定。
目前,存在许多需要对用户进行分群的场景,用户分群可以将用户按照一定的条件(属性)组成一个群,分群后可以针对用户群的用户进行多种分析、操作,比如可向同一用户群中的推送消息,或者可对条件最优的用户群的用户特性进行分析,或者可为同一用户群的用户提供相同的解决方案等等。然而,发明人发现目前的用户分群方案存在可靠性低的问题。例如,个体化医疗是在大数据背景下,基于循证医学对个体患者实行最佳诊疗,以使患者达到相对最优的预后水平;应用真实世界的临床数据,可通过识别哪一类自人群适合该种治疗方案,以实现个体化医疗;然而但目前的算法仅以治疗有效性作为目标,而不能把治疗带来的经济、毒副作用等负担纳入考量,因此在提供治疗方案推荐时,存在局限性、片面性,实现用户分群的可靠性较低。而本申请能够基于净效益和项目的解决方案对应的波动来确定人群划分的分群变量,来实现人群划分,使得能够基于解决方案获得的净效益实现精准分群,提升了用户分群的可靠性。
本申请实施例提供了一种用户分群方法、装置、设备、***和介质等,使得有助于提升用户分群的可靠性。以下分别详细说明。
参见图1,图1是本申请实施例提供的一种用户分群方法的流程示意图。该方法可以由上述的用户分群设备如服务器执行,如图1所示,该用户分群方法可包括以下步骤:
101、获取多个用户在目标项目下的净效益。
其中,净效益还可叫做净收益或其余名称,可表示收益减去成本所得的收益,具体可参照成本效益学的描述。该获取的净效益可以是目标疾病下的净效益。
可选的,该净效益可通过多种方式获取得到,包括基于预定义的算法实时计算出,或者从存储设备如区块链节点获取等等,本申请不做限定。
在一些实施例中,该净效益可以基于与目标项目类型对应的计算公式实时计算出。例如,该用户i对应的净效益可基于NBi=W*QALYi-Ci确定,其中,NB为净效益;QALY为质量调整生命年,其是一个综合了存活时间和生命质量的指标,衡量在校正了健康损害、慢性疾病、伤残等影响生命质量的因素后的存活时间;W为愿意为健康(可用QALY衡量)支付的代价;C为解决方案对应的经济成本。
在一些实施例中,该净效益可以可以从区块链获取,即各用户在目标项目下的净效益可以预先存储于区块链中。通过从区块链中获取用户的净效益,可以提升获取的净效益的可靠性,进而提升基于该净效益确定出的用户分群操作的可靠性。例如,用户分群设备可以向区块链节点发送携带目标项目的标识的净效益获取请求,使得区块链节点在接收到该净效益请求并对该用户分群设备的身份校验通过之后,可查找该目标项目的标识对应的净效益,进而可向该用户分群设备返回该净效益,用户分群设备可接收区块链节点发送的净效益。
在一些实施例中,该净效益可以从服务器获取,比如通过向服务器发送携带目标项目的标识的净效益获取请求以请求该目标项目对应的净效益,与上述向区块链节点请求净效益的方式类似,此处不赘述。
在一些实施例中,该用户分群设备可存储有不同用户在各项目对应的净效益,由此可基于目标项目的标识查找得到用户在目标项目下的净效益。可选的,该用户分群设备可以为区块链中的节点,也可以为区块链以外的节点。
102、根据该多个用户在该目标项目下的净效益和该目标项目的解决方案,确定该解决方案对应的净效益系数。
在一些实施例中,用户分群设备在根据该多个用户在该目标项目下的净效益和该目标项目的解决方案,确定该解决方案对应的净效益系数时,可以在全人群中拟合净效益参数模型,进而利用该净效益参数模型对该目标项目的净效益和该目标项目的解决方案进行处理,以得到该目标项目的解决方案对应的净效益系数。其中,该全人群为进行首次人群划分之前的用户群。可选的,该净效益参数模型可以为回归模型。
在一些实施例中,用户分群设备在根据该多个用户在该目标项目下的净效益和该目标项目的解决方案,确定该解决方案对应的净效益系数时,可以通过获取净效益系数表,该净效益系数表可用于指示项目的净效益、项目的解决方案和净效益系数三者之间的对应关系;进而可根据该目标项目的净效益和该目标项目的解决方案,从该净效益系数表中确定出该目标项目的解决方案的净效益系数。可选的,该净效益系数表可存储于本地;或者,该净效益系数表可存储于区块链中,比如可从区块链节点获取该净效益系数表;或者,该净效益系数表还可以存储于区块链以外的服务器,等等,本申请不做限定。
可以理解,每个项目对应的解决方案可以为一个也可以为多个。例如,本申请涉及的项目可以为某一疾病(或疾病类型),解决方案可以该疾病的治疗方案;又如,项目为问题,解决方案可以为问题的答案;等等,此处不一一列举。
103、根据该净效益系数确定该目标项目的每一个分群变量对应的波动值。
其中,该分群变量可以是影响解决方案效果的变量,比如目标项目为某一疾病,解决方案为治疗方案时,该分群变量可以是影响该疾病治疗效果的变量。该波动值可用于指示分群变量的稳定性,或者说,该波动值可用于指示分群变量相较于目标变量(净效益)的不稳定性。可选的,该波动值(或波动值的绝对值)越大,可视为该分群变量相对于净效益越不稳定。
在一些实施例中,用户分群设备还可根据预先存储的项目和分群变量的对应关系,确定该目标项目对应的多个分群变量。可选的,该对应关系可以以表格(列表)的形式存储,或者以数组的形式存储,或者以矩阵的形式存储,等等,此处不一一列举。进一步可选的,该对应关系可存储于本地,或者可存储于区块链,或者可存储于服务器,等等,此处不赘述。
在一些实施例中,用户分群设备在每一个分群变量对应的波动值时,可以根据该净效益系数、该净效益和波动函数,确定该目标项目的每一个分群变量对应的波动值。其中,该波动值用于指示分群变量相对于该净效益的不稳定程度。该波动函数可基于净效益参数、净效益系数参数定义得到。
在一些实施例中,用户分群设备在每一个分群变量对应的波动值时,还可基于获取的净效益系数、净效益、分群变量和解决方案从存储的波动值表中确定对应的波动值。其中,该波动值表可以包括各项目下的净效益系数、净效益、解决方案、分群变量下的波动值。
104、按照波动值最大的分群变量进行人群划分,得到多个用户群。
在得到该目标项目下的各个分群变量对应的波动值之后,即可确定出波动值最大的分群变量,即确定出不稳定性最大的分群变量(相对于净效益最不稳定的分群变量)。进而可基于该不稳定性最大的分群变量进行人群划分,得到多个用户群。例如,可将全人群划分为两个用户群(子群);又如,可将全人群划分为三个用户群,等等。
在一些实施例中,用户分群设备可根据贪婪算法确定该波动值最大的分群变量所对应的划分临界值;进而按照该划分临界值进行人群划分,以得到多个用户群如两个用户群。
在一些实施例中,用户分群设备可根据该分群变量的中间值进行人群划分,以得到多个用户群如两个用户群;或者,用户分群设备可根据该分群变量的两个节点值进行人群的划分(划分出的各用户群人数相等或近似相等),以得到多个用户群如两三个用户群。
105、针对划分得到的每个用户群,重复执行该根据该净效益系数确定该目标项目的每一个分群变量对应的波动值,按照波动值最大的分群变量进行人群划分的步骤,直到划分得到满足预设条件的用户群。
在基于该不稳定性最大的分群变量对全人群进行人群划分,得到多个用户群之后,即可针对该多个用户群中的每个用户群,重复执行步骤103-105,进行迭代,直到达到预先设定的停止标准,则可停止迭代。
可选的,该预设条件可以包括:波动值对应的显著性值大于预设的显著性阈值;或者,划分的用户群的个数超过预设的第一数目阈值;或者,划分的用户群中存在人数低于预设第二数目阈值的用户群。由此,可以在人群划分的迭代过程中满足该预设条件时,停止迭代,得到划分完成的多个用户群。
可以理解,每个用户群的用户对应的净效益相同可以是指净效益相差不超过阈值。例如,划分完成的多个用户群中每个用户群的用户对应的净效益相同或者处于同一区间范围内,也即净效益基本一致。
可选的,在完成用户分群之后,即可基于分群情况进行消息推送、用户特征分析等等,本申请不做限定。
例如,在一些实施例中,该目标项目可以为目标疾病,该目标项目的解决方案可以为该目标疾病的治疗方案。在该划分得到满足预设条件的用户群之后,用户分群设备还可在划分得到的所有用户群中确定净效益最高的用户群,并可向该净效益最高的用户群中的用户推荐该目标项目的治疗方案。
在本申请实施例中,用户分群设备可基于多个用户在目标项目下的净效益和目标项目的解决方案,确定该解决方案对应的净效益系数,进而根据净效益系数确定目标项目的每一个分群变量对应的波动值,以基于波动情况进行人群划分,并针对划分得到的每个用户群,重复执行根据目标项目的每一个分群变量对应的波动值进行人群划分的步骤,直到划分得到满足预设条件的用户群,从而实现人群划分,使得能够基于解决方案获取的净效益实现用户精准分群,提升了用户分群的可靠性。
参见图2,图2是本申请实施例提供的另一种用户分群方法的流程示意图。以项目为疾病,项目的解决方案为疾病的治疗方案为例,如图2所示,该用户分群方法可包括以下步骤:
201、获取多个用户在目标疾病下的净效益。
可选的,该净效益可通过多种方式确定出。例如,对于疾病如乳腺癌,以乳腺癌筛查技术为例,用户i的净效益可定义如下:
NBi=W*QALYi-Ci
其中NB为净效益;QALY为质量调整生命年,是一个综合了存活时间和生命质量的指标,衡量在校正了健康损害、慢性疾病、伤残等影响生命质量的因素后的存活时间;W为愿意为健康(可用QALY衡量)支付的代价,通常来说,国际上W通常取值为$50000/QALY,即愿意为增加1质量调整生命年支付$50000;C为治疗方案对应的经济成本。
对于一个乳腺癌患者,由于其生活受到病痛、治疗带来的副作用等影响,通常认为其生命质量为健康状态下的生命质量*0.7。下面通过简化后的例子具体说明:假如乳腺癌患者1接受了靶向治疗方案,花费$200000,并存活了10年,则其QALY=10*0.7,C=$200000,NB=10*0.7*50000-200000=150000;患者2未接受治疗,只存活了5年,则其QALY=5*0.7,C=0,NB=5*0.7*50000=175000。
202、根据该多个用户在该目标疾病下的净效益和该目标疾病的治疗方案,确定该治疗方案对应的净效益系数。
在一些实施例中,可通过在全人群(假设有n个用户)中拟合净效益的参数模型,以确定出净效益系数θ。
例如,以用户i(i=1,…,n)的净效益NBi为因变量,以治疗方案Ti为自变量,建立回归模型:
NBi=f(Ti*θ)
其中,参数θ即可指示通过治疗方案T能获得的净效益系数,参数求解公式可以如下所示:
从而可确定出净效益系数
又如,在一些实施例中,该净效益系数可通过查表得到,比如预先存储各疾病类型与净效益系数的对应关系,进而可基于净效益和治疗方案对应的疾病类型,以及该对应关系,快速确定出该净效益系数。
203、根据该净效益系数确定该目标疾病的每一个分群变量对应的波动值。
其中,该分群变量可以是影响疾病治疗效果的变量。该波动值可用于指示分群变量的稳定性,或者说,该波动值可用于指示分群变量相较于目标变量(净效益)的不稳定性。
可选的,该分群变量可基于目标疾病确定出,比如可预先设置各疾病标识和分群变量的对应关系(一种疾病可对应多个分群变量),进而可基于该对应关系确定目标疾病对应的各分群变量;又如,该分群变量可基于目标疾病的疾病类型确定出,如可预先设置各疾病类型和分群变量的对应关系(一种疾病类型可对应多个分群变量),进而可确定目标疾病所属的疾病类型,基于目标疾病所属的疾病类型和该对应关系确定目标疾病对应的各分群变量。
例如,对于乳腺癌患者,分群变量可包括年龄、生育史、病理分期、肿瘤体积、是否转移、基因表型等,以实现精准治疗推荐。
在一些实施例中,在确定出净效益系数之后,即可将估计出的参数/>代入波动函数,检验其相对于每一个分群变量Zj(j=1,…,J,J为可能的分群变量个数)的不稳定性。例如,波动函数可以如下所示:
其中,若波动函数Wj围绕0随机波动,则可表明参数估计相对于分群变量Zj的稳定性较好;若波动函数较0有***性偏移,则说明不稳定性较高。例如,可将的绝对值作为波动值,波动值越大,对应的分群变量的稳定性越差,以确定不稳定性最大的分群变量,即/>绝对值最大所对应的分群变量。
在其他实施例中,还可基于其他方式确定各分群变量相较于目标变量(净效益)的不稳定性如上述的波动值,本申请不做限定。
204、按照波动值最大的分群变量进行人群划分,得到多个用户群。
205、针对划分得到的每个用户群,重复执行该根据该净效益系数确定该目标疾病的每一个分群变量对应的波动值,按照波动值最大的分群变量进行人群划分的步骤,直到划分得到满足预设条件的用户群。即重复执行步骤203-205,进行迭代,直到达到预先设定的停止标准。
可选的,在进行人群划分时,可基于贪婪算法实现人群划分,即尝试所有可能的数值以找到最佳划分临界值,将人群分为两个子群;或者,还可通过其余方式进行人群划分。例如,在确定出不稳定性最大的一分群变量如波动值最大的分群变量之后,即可通过贪婪算法将人群分为两个子群。
举例来说,假如经计算,参数相对于肿瘤体积的不稳定性最高,并通过临界值10cm2则将总人群根据肿瘤体积分为<10cm2和≥10cm2两个用户群(子人群,子群)。进一步的,在每一个分得的子群中确定波动值最大的分群变量,假设均为是否转移,则基于是否转移将子群进一步分为转移的子群和未转移的子群,重复基于波动值最大的分群变量进行人群划分的步骤,直到达到预先设定的停止标准。
可选的,该停止标准可以是波动函数的显著性P值>0.95,或者,该停止标准可以是划分的子群个数超过预设的第一数目阈值,或者,该停止标准为划分的子群的人数低于预设第二数目阈值,等等,此处不一一列举。
最终,通过以上方法将人群分为多个子群,每个子群内用户使用治疗方案T获得的净效益基本一致。同时,部分子群使用治疗方案T所获得的的净效益较高,部分子群使用治疗方案T所获得的净效益较低。
206、在划分得到的所有用户群中确定净效益最高的用户群。
207、基于净效益向用户群中的用户推荐该目标疾病的治疗方案。
例如,可为净效益高的子群的患者推荐该子群对应的治疗方案T。由此可实现根据精准分群结果,为个体患者决定是否推荐T治疗方案,或者为患者推荐其他治疗方案。从而可实现精准人群划分,有助于提升治疗方案推荐的可靠性。
在一些实施例中,在实现人群划分之后,还可把分群信息及对应的治疗方案绑定后上传区块链,比如将净效益高的子群的患者信息及对应的治疗方案绑定后上传区块链。以便于后续在为患者推荐治疗方案时,能够从区块链获取该患者对应的治疗方案,即净效益高的治疗方案,使得在提升治疗方案推荐的可靠性的同时,也提升了信息推荐的安全性。
在本申请实施例中,用户分群设备可基于多个用户在目标疾病下的净效益和目标疾病的治疗方案,确定该治疗方案对应的净效益系数,进而根据净效益系数确定目标疾病的每一个分群变量对应的波动值,以基于波动情况进行人群划分,并针对划分得到的每个用户群,重复执行根据目标疾病的每一个分群变量对应的波动值进行人群划分的步骤,直到划分得到满足预设条件的用户群,从而实现人群划分。本申请实施例可将人群依据其是否能通过该治疗方案获得效益进行精准分群,获得的净效益最相近的分为一组,则最终可以找到通过该治疗方案获益最大的人群。本技术方案可应用于医院临床决策支持***中,为医生提供符合卫生经济学成本效益最优的治疗方式推荐,在提供有效治疗的前提下,为患者选择最符合成本效益的治疗方式,有助于减轻患者、医保负担。
可以理解,上述方法实施例都是对本申请的用户分群方法的举例说明,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
本申请实施例还提供了一种用户分群装置。该装置可包括用于执行前述图1或者图2所述的方法的模块。请参见图3,是本申请实施例提供的一种用户分群装置的结构示意图。本实施例中所描述的用户分群装置,可配置于服务器中,如图3所示,本实施例的用户分群装置300可以包括:获取模块301、确定模块302和处理模块303。其中,
获取模块301,用于获取多个用户在目标项目下的净效益;
确定模块302,用于根据所述多个用户在所述目标项目下的净效益和所述目标项目的解决方案,确定所述解决方案对应的净效益系数;
确定模块302,还用于根据所述净效益系数确定所述目标项目的每一个分群变量对应的波动值;
处理模块303,用于按照波动值最大的分群变量进行人群划分,得到多个用户群;
针对划分得到的每个用户群,重复执行所述确定模块302根据所述净效益系数确定所述目标项目的每一个分群变量对应的波动值,处理模块303按照波动值最大的分群变量进行人群划分的步骤,直到划分得到满足预设条件的用户群。
在一些实施例中,所述确定模块302根据所述多个用户在所述目标项目下的净效益和所述目标项目的解决方案,确定所述解决方案对应的净效益系数,包括:
在全人群中拟合净效益参数模型;其中,所述全人群为进行首次人群划分之前的用户群,所述净效益参数模型为回归模型;
利用所述净效益参数模型对所述目标项目的净效益和所述目标项目的解决方案进行处理,以得到所述目标项目的解决方案对应的净效益系数。
在一些实施例中,所述确定模块302根据所述多个用户在所述目标项目下的净效益和所述目标项目的解决方案,确定所述解决方案对应的净效益系数,包括:
从区块链获取净效益系数表,所述净效益系数表用于指示项目的净效益、项目的解决方案和净效益系数三者之间的对应关系;
根据所述目标项目的净效益和所述目标项目的解决方案,从所述净效益系数表中确定出所述目标项目的解决方案的净效益系数。
在一些实施例中,
确定模块302,还用于根据预先存储的项目和分群变量的对应关系,确定所述目标项目对应的多个分群变量;
所述确定模块302根据所述净效益系数确定所述目标项目的每一个分群变量对应的波动值,包括:
根据所述净效益系数、所述净效益和波动函数,确定所述目标项目的每一个分群变量对应的波动值;其中,所述波动值用于指示分群变量相对于所述净效益的不稳定程度。
在一些实施例中,所述处理模块303按照波动值最大的分群变量进行人群划分,得到多个用户群,包括:
根据贪婪算法确定所述波动值最大的分群变量所对应的划分临界值;
按照所述划分临界值进行人群划分,得到多个用户群。
在一些实施例中,所述预设条件包括:
所述波动值对应的显著性值大于预设的显著性阈值;或者,
划分的用户群的个数超过预设的第一数目阈值;或者,
划分的用户群中存在人数低于预设第二数目阈值的用户群。
在一些实施例中,所述目标项目为目标疾病,所述目标项目的解决方案为所述目标疾病的治疗方案;
所述确定模块302,还用于在所述处理模块303划分得到满足预设条件的用户群之后,在划分得到的所有用户群中确定净效益最高的用户群;其中,划分得到的每个用户群的用户对应的净效益相同;
所述处理模块303,还用于向所述净效益最高的用户群中的用户推荐所述目标项目的治疗方案。
可以理解的是,本实施例的用户分群装置的各功能模块可根据上述方法实施例图1或者图2中的方法具体实现,其具体实现过程可以参照上述方法实施例图1或者图2的相关描述,此处不再赘述。
在本申请实施例中,用户分群设备可基于多个用户在目标项目下的净效益和目标项目的解决方案,确定该解决方案对应的净效益系数,进而根据净效益系数确定目标项目的每一个分群变量对应的波动值,以基于波动情况进行人群划分,并针对划分得到的每个用户群,重复执行根据目标项目的每一个分群变量对应的波动值进行人群划分的步骤,直到划分得到满足预设条件的用户群,从而实现人群划分,使得能够基于解决方案获取的净效益实现用户精准分群,提升了用户分群的可靠性。
请参见图4,图4是本申请实施例提供的一种用户分群设备的结构示意图。如图4所示,该用户分群设备可包括:处理器401和存储器402。可选的,该用户分群设备还可包括通信接口403。上述处理器401、存储器402和通信接口403可通过总线或其他方式连接,在本申请实施例所示图4中以通过总线连接为例。其中,通信接口403可受所述处理器的控制用于收发消息,存储器402可用于存储计算机程序,所述计算机程序包括程序指令,处理器401用于执行存储器402存储的程序指令。其中,处理器401被配置用于调用所述程序指令执行以下步骤:
获取多个用户在目标项目下的净效益;
根据所述多个用户在所述目标项目下的净效益和所述目标项目的解决方案,确定所述解决方案对应的净效益系数;
根据所述净效益系数确定所述目标项目的每一个分群变量对应的波动值;
按照波动值最大的分群变量进行人群划分,得到多个用户群;
针对划分得到的每个用户群,重复执行所述根据所述净效益系数确定所述目标项目的每一个分群变量对应的波动值,按照波动值最大的分群变量进行人群划分的步骤,直到划分得到满足预设条件的用户群。
在一些实施例中,所述处理器401在根据所述多个用户在所述目标项目下的净效益和所述目标项目的解决方案,确定所述解决方案对应的净效益系数时,具体可以执行如下步骤:
在全人群中拟合净效益参数模型;其中,所述全人群为进行首次人群划分之前的用户群,所述净效益参数模型为回归模型;
利用所述净效益参数模型对所述目标项目的净效益和所述目标项目的解决方案进行处理,以得到所述目标项目的解决方案对应的净效益系数。
在一些实施例中,所述处理器401在根据所述多个用户在所述目标项目下的净效益和所述目标项目的解决方案,确定所述解决方案对应的净效益系数时,具体可以执行如下步骤:
从区块链获取净效益系数表,所述净效益系数表用于指示项目的净效益、项目的解决方案和净效益系数三者之间的对应关系;
根据所述目标项目的净效益和所述目标项目的解决方案,从所述净效益系数表中确定出所述目标项目的解决方案的净效益系数。
在一些实施例中,所述处理器还可以执行以下步骤:
根据预先存储的项目和分群变量的对应关系,确定所述目标项目对应的多个分群变量;
所述根据所述净效益系数确定所述目标项目的每一个分群变量对应的波动值,包括:
根据所述净效益系数、所述净效益和波动函数,确定所述目标项目的每一个分群变量对应的波动值;其中,所述波动值用于指示分群变量相对于所述净效益的不稳定程度。
在一些实施例中,所述处理器401按照波动值最大的分群变量进行人群划分,得到多个用户群时,具体执行以下步骤:
根据贪婪算法确定所述波动值最大的分群变量所对应的划分临界值;
按照所述划分临界值进行人群划分,得到多个用户群。
在一些实施例中,所述预设条件包括:
所述波动值对应的显著性值大于预设的显著性阈值;或者,
划分的用户群的个数超过预设的第一数目阈值;或者,
划分的用户群中存在人数低于预设第二数目阈值的用户群。
在一些实施例中,所述目标项目为目标疾病,所述目标项目的解决方案为所述目标疾病的治疗方案;
所述处理器401在在所述划分得到满足预设条件的用户群之后,可以执行以下步骤:
在划分得到的所有用户群中确定净效益最高的用户群;其中,划分得到的每个用户群的用户对应的净效益相同;
向所述净效益最高的用户群中的用户推荐所述目标项目的治疗方案。
应当理解,在本申请实施例中,所称处理器401可以是中央处理单元(CentralProcessing Unit,CPU),该处理器401还可以是其他通用处理器、数字信号处理器(DigitalSignal 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。
该存储器402可以包括只读存储器和随机存取存储器,并向处理器401提供指令和数据。存储器402的一部分还可以包括非易失性随机存取存储器。例如,存储器402还可以存储多个用户在目标项目下的净效益。
该通信接口403可以包括输入设备和/或输出设备,例如该输入设备是可以是控制面板、麦克风、接收器等,输出设备可以是显示屏、发送器等,此处不一一列举。
具体实现中,本申请实施例中所描述的处理器401、存储器402和通信接口403可执行本申请实施例提供的图1或者图2所述的方法实施例所描述的实现方式,也可执行本申请实施例所描述的用户分群装置的实现方式,在此不再赘述。
本申请实施例还提供了一种用户分群***。请参见图5,为本申请实施例提供的一种用户分群***的结构示意图。如图5所示,该用户分群***可包括用户分群设备501和存储设备502。其中,该存储设备502可用于存储用户分群过程中涉及的数据,比如净效益、完成分群后的用户群信息、净效益系数、项目和/或解决方案等等,本申请不做限定。该用户分群设备501可从存储设备获取数据或者将数据存储于该存储设备,该用户分群设备可用于执行上述方法中的部分或全部步骤,或者实现上述装置或用户分群设备的功能,此处不赘述。
本申请实施例中还提供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,所述计算机程序包括程序指令,所述程序指令被处理器执行时,可执行上述用户分群方法实施例中所执行的部分或全部步骤,比如执行用户分群设备如服务器执行的部分或全部步骤,此处不赘述。
可选的,本申请涉及的存储介质如计算机可读存储介质可以是非易失性的,也可以是易失性的,本申请不做限定。
本申请实施例还提供一种计算机程序产品,所述计算机程序产品包括计算机程序代码,当所述计算机程序代码在计算机上运行时,使得计算机执行上述用户分群装置方法实施例中所执行的步骤。
在一些实施例中,所述的计算机可读存储介质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区块链节点的使用所创建的数据等。
其中,本申请所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain),本质上是一个去中心化的数据库,是一串使用密码学方法相关联产生的数据块,每一个数据块中包含了一批次网络交易的信息,用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)或随机存储记忆体(Random AccessMemory,RAM)等。
以上所揭露的仅为本申请一种较佳实施例而已,当然不能以此来限定本申请之权利范围,本领域普通技术人员可以理解实现上述实施例的全部或部分流程,并依本申请权利要求所作的等同变化,仍属于发明所涵盖的范围。
Claims (10)
1.一种用户分群方法,其特征在于,包括:
获取多个用户在目标项目下的净效益;
根据所述多个用户在所述目标项目下的净效益和所述目标项目的解决方案,确定所述解决方案对应的净效益系数;其中,所述净效益系数是在全人群中拟合净效益参数模型,并利用所述净效益参数模型对所述目标项目的净效益和所述目标项目的解决方案进行处理得到的,所述全人群为进行首次人群划分之前的用户群;或者,所述净效益系数是根据所述目标项目的净效益和所述目标项目的解决方案,从净效益系数表中确定出的,所述净效益系数表用于指示项目的净效益、项目的解决方案和净效益系数三者之间的对应关系;
根据所述净效益系数确定所述目标项目的每一个分群变量对应的波动值;其中,所述波动值用于指示分群变量相对于所述净效益的不稳定程度;每一个分群变量对应的波动值是根据所述净效益系数、所述净效益和波动函数确定出的;或者,所述每一个分群变量对应的波动值是基于获取的净效益系数、净效益、分群变量和解决方案从波动值表中确定的,所述波动值表包括各项目下的净效益系数、净效益、解决方案、分群变量下的波动值;
按照波动值最大的分群变量进行人群划分,得到多个用户群;
针对划分得到的每个用户群,重复执行所述根据所述净效益系数确定所述目标项目的每一个分群变量对应的波动值,按照波动值最大的分群变量进行人群划分的步骤,直到划分得到满足预设条件的用户群。
2.根据权利要求1所述的方法,其特征在于,所述净效益参数模型为回归模型。
3.根据权利要求1所述的方法,其特征在于,所述方法还包括:
从区块链获取所述净效益系数表。
4.根据权利要求1所述的方法,其特征在于,在所述根据所述净效益系数确定所述目标项目的每一个分群变量对应的波动值之前,所述方法还包括:
根据预先存储的项目和分群变量的对应关系,确定所述目标项目对应的多个分群变量。
5.根据权利要求1-4任一项所述的方法,其特征在于,所述按照波动值最大的分群变量进行人群划分,得到多个用户群,包括:
根据贪婪算法确定所述波动值最大的分群变量所对应的划分临界值;
按照所述划分临界值进行人群划分,得到多个用户群。
6.根据权利要求1-4任一项所述的方法,其特征在于,所述预设条件包括:
所述波动值对应的显著性值大于预设的显著性阈值;或者,
划分的用户群的个数超过预设的第一数目阈值;或者,
划分的用户群中存在人数低于预设第二数目阈值的用户群。
7.根据权利要求1-4任一项所述的方法,其特征在于,所述目标项目为目标疾病,所述目标项目的解决方案为所述目标疾病的治疗方案;
在所述划分得到满足预设条件的用户群之后,所述方法还包括:
在划分得到的所有用户群中确定净效益最高的用户群;其中,划分得到的每个用户群的用户对应的净效益相同;
向所述净效益最高的用户群中的用户推荐所述目标项目的治疗方案。
8.一种用户分群装置,其特征在于,包括:
获取模块,用于获取多个用户在目标项目下的净效益;
处理模块,用于根据所述多个用户在所述目标项目下的净效益和所述目标项目的解决方案,确定所述解决方案对应的净效益系数;其中,所述净效益系数是在全人群中拟合净效益参数模型,并利用所述净效益参数模型对所述目标项目的净效益和所述目标项目的解决方案进行处理得到的,所述全人群为进行首次人群划分之前的用户群;或者,所述净效益系数是根据所述目标项目的净效益和所述目标项目的解决方案,从净效益系数表中确定出的,所述净效益系数表用于指示项目的净效益、项目的解决方案和净效益系数三者之间的对应关系;
分群模块,用于根据所述净效益系数确定所述目标项目的每一个分群变量对应的波动值;按照波动值最大的分群变量进行人群划分,得到多个用户群;其中,所述波动值用于指示分群变量相对于所述净效益的不稳定程度;每一个分群变量对应的波动值是根据所述净效益系数、所述净效益和波动函数确定出的;或者,所述每一个分群变量对应的波动值是基于获取的净效益系数、净效益、分群变量和解决方案从波动值表中确定的,所述波动值表包括各项目下的净效益系数、净效益、解决方案、分群变量下的波动值;
所述分群模块,还用于针对划分得到的每个用户群,重复执行所述根据所述净效益系数确定所述目标项目的每一个分群变量对应的波动值,按照波动值最大的分群变量进行人群划分的步骤,直到划分得到满足预设条件的用户群。
9.一种用户分群设备,其特征在于,包括处理器和存储器,所述处理器和所述存储器相互连接,其中,所述存储器用于存储计算机程序,所述计算机程序包括程序指令,所述处理器被配置用于调用所述程序指令,执行如权利要求1-7任一项所述的方法。
10.一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,所述计算机程序包括程序指令,所述程序指令当被处理器执行时使所述处理器执行如权利要求1-7任一项所述的方法。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010937805.4A CN112016979B (zh) | 2020-09-08 | 2020-09-08 | 用户分群方法、装置、设备和计算机可读存储介质 |
PCT/CN2020/124389 WO2021151330A1 (zh) | 2020-09-08 | 2020-10-28 | 用户分群方法、装置、设备和计算机可读存储介质 |
US17/533,471 US20220115145A1 (en) | 2020-09-08 | 2021-11-23 | Method, device, and equipment for user grouping, and computer-readable storage medium |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010937805.4A CN112016979B (zh) | 2020-09-08 | 2020-09-08 | 用户分群方法、装置、设备和计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112016979A CN112016979A (zh) | 2020-12-01 |
CN112016979B true CN112016979B (zh) | 2023-07-18 |
Family
ID=73522533
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010937805.4A Active CN112016979B (zh) | 2020-09-08 | 2020-09-08 | 用户分群方法、装置、设备和计算机可读存储介质 |
Country Status (3)
Country | Link |
---|---|
US (1) | US20220115145A1 (zh) |
CN (1) | CN112016979B (zh) |
WO (1) | WO2021151330A1 (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112016979B (zh) * | 2020-09-08 | 2023-07-18 | 平安科技(深圳)有限公司 | 用户分群方法、装置、设备和计算机可读存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017080398A1 (zh) * | 2015-11-12 | 2017-05-18 | 阿里巴巴集团控股有限公司 | 一种用户群体的划分方法和装置 |
CN110415103A (zh) * | 2019-07-02 | 2019-11-05 | 上海淇毓信息科技有限公司 | 基于变量影响度指标进行用户分群提额的方法、装置和电子设备 |
WO2020037931A1 (zh) * | 2018-08-20 | 2020-02-27 | 平安科技(深圳)有限公司 | 项目推荐方法、装置、计算机设备及存储介质 |
CN110929752A (zh) * | 2019-10-18 | 2020-03-27 | 平安科技(深圳)有限公司 | 基于知识驱动和数据驱动的分群方法及相关设备 |
CN111314094A (zh) * | 2018-12-11 | 2020-06-19 | 北京嘀嘀无限科技发展有限公司 | 分群数据处理方法、装置、电子设备及可读存储介质 |
WO2020173043A1 (zh) * | 2019-02-28 | 2020-09-03 | 平安科技(深圳)有限公司 | 用户群的优化方法及装置、计算机非易失性可读存储介质 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070106754A1 (en) * | 2005-09-10 | 2007-05-10 | Moore James F | Security facility for maintaining health care data pools |
US20120303378A1 (en) * | 2011-05-23 | 2012-11-29 | Lieberman Richard N | System and method for monitoring and measuring quality performance of health care delivery and service |
CN102711266B (zh) * | 2012-05-17 | 2014-08-13 | 北京邮电大学 | 基于遗传算法的调度与资源分配联合优化方法 |
US20150178873A1 (en) * | 2013-12-20 | 2015-06-25 | Medidata Solutions, Inc. | Method and apparatus for generating a clinical trial budget |
CN108984687B (zh) * | 2018-06-29 | 2021-04-02 | 上海哔哩哔哩科技有限公司 | 基于用户行为的自动加群控制方法、装置及存储介质 |
CN109767830A (zh) * | 2018-12-13 | 2019-05-17 | 平安医疗健康管理股份有限公司 | 基于数据分析的医院评价方法及相关产品 |
CN110852392A (zh) * | 2019-11-13 | 2020-02-28 | 中国建设银行股份有限公司 | 一种用户分群方法、装置、设备和介质 |
CN111522812B (zh) * | 2020-03-25 | 2024-06-28 | 平安科技(深圳)有限公司 | 用户智能化分层方法、装置、电子设备及可读存储介质 |
CN112016979B (zh) * | 2020-09-08 | 2023-07-18 | 平安科技(深圳)有限公司 | 用户分群方法、装置、设备和计算机可读存储介质 |
-
2020
- 2020-09-08 CN CN202010937805.4A patent/CN112016979B/zh active Active
- 2020-10-28 WO PCT/CN2020/124389 patent/WO2021151330A1/zh active Application Filing
-
2021
- 2021-11-23 US US17/533,471 patent/US20220115145A1/en active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017080398A1 (zh) * | 2015-11-12 | 2017-05-18 | 阿里巴巴集团控股有限公司 | 一种用户群体的划分方法和装置 |
WO2020037931A1 (zh) * | 2018-08-20 | 2020-02-27 | 平安科技(深圳)有限公司 | 项目推荐方法、装置、计算机设备及存储介质 |
CN111314094A (zh) * | 2018-12-11 | 2020-06-19 | 北京嘀嘀无限科技发展有限公司 | 分群数据处理方法、装置、电子设备及可读存储介质 |
WO2020173043A1 (zh) * | 2019-02-28 | 2020-09-03 | 平安科技(深圳)有限公司 | 用户群的优化方法及装置、计算机非易失性可读存储介质 |
CN110415103A (zh) * | 2019-07-02 | 2019-11-05 | 上海淇毓信息科技有限公司 | 基于变量影响度指标进行用户分群提额的方法、装置和电子设备 |
CN110929752A (zh) * | 2019-10-18 | 2020-03-27 | 平安科技(深圳)有限公司 | 基于知识驱动和数据驱动的分群方法及相关设备 |
Also Published As
Publication number | Publication date |
---|---|
WO2021151330A1 (zh) | 2021-08-05 |
CN112016979A (zh) | 2020-12-01 |
US20220115145A1 (en) | 2022-04-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20220239574A1 (en) | Systems and methods for social graph data analytics to determine connectivity within a community | |
Tao et al. | Adaptive contrast weighted learning for multi‐stage multi‐treatment decision‐making | |
US20200082918A1 (en) | System and methd of social-behavioral roi calculation and optimization | |
AU2012245343B2 (en) | Predictive modeling | |
US20130226612A1 (en) | Framework for evidence based case structuring | |
Xu et al. | Integrated collaborative filtering recommendation in social cyber-physical systems | |
CN111966904A (zh) | 基于多用户画像模型的信息推荐方法和相关装置 | |
CN109598628B (zh) | 医保欺诈行为的识别方法、装置、设备及可读存储介质 | |
Khalemsky et al. | Emergency response community effectiveness: a simulation modeler for comparing emergency medical services with smartphone-based Samaritan response | |
CN111949890A (zh) | 基于医学领域的数据推荐方法、设备、服务器及存储介质 | |
EP3940597A1 (en) | Selecting a training dataset with which to train a model | |
Lo Sardo et al. | Quantification of the resilience of primary care networks by stress testing the health care system | |
US20200373017A1 (en) | System and method for intelligence crowdsourcing reinforcement learning for clinical pathway optimization | |
CN111933302B (zh) | 药物推荐方法、装置、计算机设备及存储介质 | |
CN112259180A (zh) | 一种基于异构医学知识图谱的疾病预测方法及相关设备 | |
CN111833078A (zh) | 基于区块链的推荐方法、装置、介质及电子设备 | |
US20190189287A1 (en) | Systems and methods for predicting healthcare outcomes based on semantic relationships | |
CN112016979B (zh) | 用户分群方法、装置、设备和计算机可读存储介质 | |
CN112016760A (zh) | 多维度信息的组合预测方法、装置、计算机设备及介质 | |
CA2997354A1 (en) | Experience engine-method and apparatus of learning from similar patients | |
CN112529400B (zh) | 一种数据处理方法、装置、终端和可读存储介质 | |
Karsu | Approaches for inequity-averse sorting | |
CN113724849A (zh) | 基于人工智能的医疗资源配置方法、装置、设备及介质 | |
Chang et al. | A hybrid Bayesian adaptive design for dose response trials | |
CN112037918B (zh) | 一种融合并发症风险的慢病医保费用预测方法及相关设备 |
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 |