CN113570124A - 一种对象赋值方法、装置和电子设备 - Google Patents
一种对象赋值方法、装置和电子设备 Download PDFInfo
- Publication number
- CN113570124A CN113570124A CN202110799206.5A CN202110799206A CN113570124A CN 113570124 A CN113570124 A CN 113570124A CN 202110799206 A CN202110799206 A CN 202110799206A CN 113570124 A CN113570124 A CN 113570124A
- Authority
- CN
- China
- Prior art keywords
- recovered
- performance data
- recovery
- recovery performance
- data
- 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
- 238000000034 method Methods 0.000 title claims abstract description 50
- 238000011084 recovery Methods 0.000 claims abstract description 109
- 230000006870 function Effects 0.000 claims description 21
- 238000012954 risk control Methods 0.000 claims description 5
- 230000007334 memory performance Effects 0.000 claims 1
- 230000003044 adaptive effect Effects 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 9
- 238000012545 processing Methods 0.000 description 9
- 238000004590 computer program Methods 0.000 description 4
- 238000007726 management method Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000006735 deficit Effects 0.000 description 1
- 230000001771 impaired effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012856 packing Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
Images
Classifications
-
- 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- G06Q10/30—Administration of product recycling or disposal
-
- 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
- Y02W—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO WASTEWATER TREATMENT OR WASTE MANAGEMENT
- Y02W90/00—Enabling technologies or technologies with a potential or indirect contribution to greenhouse gas [GHG] emissions mitigation
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Operations Research (AREA)
- Physics & Mathematics (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Life Sciences & Earth Sciences (AREA)
- Sustainable Development (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本说明书实施例提供一种对象赋值方法,通过获取已回收对象的回收表现数据,基于已回收对象的回收表现数据对待回收对象的回收表现数据进行预测,基于对所述待回收对象的回收表现数据对所述待回收对象进行赋值。通过借助已回收对象的回收表现数据提前对待回收对象的回收表现数据进行预测,继而进行赋值,能够在回收之前提前采取适应性的措施,提高管控水平。
Description
技术领域
本申请涉及计算机领域,尤其涉及一种对象赋值方法、装置和电子设备。
背景技术
有些虚拟或实体对象在经过一轮释放到回收的循环之后,其价值或者性能可能已经发生变化。
为了对这些对象进行管理,业内会记录或者评定其价值,为对象赋值。
然而,目前的赋值方式,多是在对象回收之后进行赋值,本质上属于事后记录,这种方式的管控水平较差适应性较差。
发明内容
本说明书实施例提供一种对象赋值方法、装置和电子设备,用以提高对对象的管控水平。
本说明书实施例还提供一种对象赋值的方法,包括:
获取已回收对象的回收表现数据;
基于已回收对象的回收表现数据对待回收对象的回收表现数据进行预测;
基于对所述待回收对象的回收表现数据对所述待回收对象进行赋值。
可选地,所述基于已回收对象的回收表现数据对待回收对象的回收表现数据进行预测,包括:
利用回收表现数据进行拟合,利用拟合出的函数预测待回收对象的回收表现数据。
可选地,还包括:
确定所述待回收对象的属性信息,基于所述待回收对象的属性信息对预测出的回收表现数据进行修正。
可选地,所述属性信息包括:对象的体量、对象的释放时间和对象的类型中的至少一个。
可选地,还包括:
将回收表现数据进行分解,分解为多个相互独立的函数。
可选地,所述对象为可回收资产。
可选地,还包括:
根据赋值后的待回收对象生成风险控制策略。
可选地,所述对象为用于创建存储空间的存储器,所述回收表现数据为存储空间回收后的存储性能参数。
可选地,还包括:
基于根据赋值后的待回收对象生成存储空间调度策略。
本说明书实施例还提供一种对象赋值的装置,包括:
数据获取模块,用于获取已回收对象的回收表现数据;
预测模块,用于基于已回收对象的回收表现数据对待回收对象的回收表现数据进行预测;
赋值模块,用于基于对所述待回收对象的回收表现数据对所述待回收对象进行赋值。
可选地,所述基于已回收对象的回收表现数据对待回收对象的回收表现数据进行预测,包括:
利用回收表现数据进行拟合,利用拟合出的函数预测待回收对象的回收表现数据。
可选地,还包括:
确定所述待回收对象的属性信息,基于所述待回收对象的属性信息对预测出的回收表现数据进行修正。
可选地,所述属性信息包括:对象的体量、对象的释放时间和对象的类型中的至少一个。
可选地,还包括:
将回收表现数据进行分解,分解为多个相互独立的函数。
可选地,所述对象为可回收资产。
可选地,还包括:
根据赋值后的待回收对象生成风险控制策略。
可选地,所述对象为用于创建存储空间的存储器,所述回收表现数据为存储空间回收后的存储性能参数。
可选地,还包括:
基于根据赋值后的待回收对象生成存储空间调度策略。
本说明书实施例还提供一种电子设备,其中,该电子设备包括:
处理器;以及,
存储计算机可执行指令的存储器,所述可执行指令在被执行时使所述处理器执行上述任一项方法。
本说明书实施例还提供一种计算机可读存储介质,其中,所述计算机可读存储介质存储一个或多个程序,所述一个或多个程序当被处理器执行时,实现上述任一项方法。
本说明书实施例提供的各种技术方案通过获取已回收对象的回收表现数据,基于已回收对象的回收表现数据对待回收对象的回收表现数据进行预测,基于对所述待回收对象的回收表现数据对所述待回收对象进行赋值。通过借助已回收对象的回收表现数据提前对待回收对象的回收表现数据进行预测,继而进行赋值,能够在回收之前提前采取适应性的措施,提高管控水平。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1为本说明书实施例提供的一种对象赋值方法的原理示意图;
图2为本说明书实施例提供的一种对象赋值装置的结构示意图;
图3为本说明书实施例提供的一种电子设备的结构示意图;
图4为本说明书实施例提供的一种计算机可读介质的原理示意图。
具体实施方式
现在将参考附图更全面地描述本发明的示例性实施例。然而,示例性实施例能够以多种形式实施,且不应被理解为本发明仅限于在此阐述的实施例。相反,提供这些示例性实施例能够使得本发明更加全面和完整,更加便于将发明构思全面地传达给本领域的技术人员。在图中相同的附图标记表示相同或类似的元件、组件或部分,因而将省略对它们的重复描述。
在符合本发明的技术构思的前提下,在某个特定的实施例中描述的特征、结构、特性或其他细节不排除可以以合适的方式结合在一个或更多其他的实施例中。
在对于具体实施例的描述中,本发明描述的特征、结构、特性或其他细节是为了使本领域的技术人员对实施例进行充分理解。但是,并不排除本领域技术人员可以实践本发明的技术方案而没有特定特征、结构、特性或其他细节的一个或更多。
附图中所示的流程图仅是示例性说明,不是必须包括所有的内容和操作/步骤,也不是必须按所描述的顺序执行。例如,有的操作/步骤还可以分解,而有的操作/步骤可以合并或部分合并,因此实际执行的顺序有可能根据实际情况改变。
附图中所示的方框图仅仅是功能实体,不一定必须与物理上独立的实体相对应。即,可以采用软件形式来实现这些功能实体,或在一个或多个硬件模块或集成电路中实现这些功能实体,或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
术语“和/或”或者“及/或”包括相关联的列出项目中的任一个或多者的所有组合。
图1为本说明书实施例提供的一种对象赋值方法的原理示意图,该方法可以包括:
S101:获取已回收对象的回收表现数据。
在实际生活中,旺旺很多虚拟对象或者实体对象会经历释放到回收的过程,在这个过程中,对象的价值往往会发生折损,因此,我们需要对其进行赋值,以便进行管理。
比如,在本说明书实施例中,所述对象为可回收资产。
这在实际应用中,可以表示,可回收资产的估值会变动,回收时会重新确定估值。
具体的,可回收资产可以是逾期债权资产。
再比如,在存储介质的存储次数往往有一定的上限,每次存储之后,其性能都会有些折损下降,即便这种折损不太明显。
因此,在回收存储空间之前,如果能够预测到未来的存储空间价值,就能提前制定科学的规划和调度策略。
在本说明书实施例中,所述对象为用于创建存储空间的存储器。
再比如,对象可以是二手交易平台中的产品,这样,可以提前对二手产品进行估价。
当然,还可以在首次购买时就对其回收价进行估值,得到保值率,根据保值率判断是否购买。
S102:基于已回收对象的回收表现数据对待回收对象的回收表现数据进行预测。
在本说明书实施例中,所述基于已回收对象的回收表现数据对待回收对象的回收表现数据进行预测,可以包括:
利用回收表现数据进行拟合,利用拟合出的函数预测待回收对象的回收表现数据。
在本说明书实施例中,该方法还可以包括:
将回收表现数据进行分解,分解为多个相互独立的函数。
然后再对各独立的函数值分别进行预测,根据各函数的预测结果计算回收表现数据。
这样,能够降低各影响因素之间的干扰,提高预测准确率。
S103:基于对所述待回收对象的回收表现数据对所述待回收对象进行赋值。
通过获取已回收对象的回收表现数据,基于已回收对象的回收表现数据对待回收对象的回收表现数据进行预测,基于对所述待回收对象的回收表现数据对所述待回收对象进行赋值。通过借助已回收对象的回收表现数据提前对待回收对象的回收表现数据进行预测,继而进行赋值,能够在回收之前提前采取适应性的措施,提高管控水平。
在本说明书实施例中,还包括:
确定所述待回收对象的属性信息,基于所述待回收对象的属性信息对预测出的回收表现数据进行修正。
在本说明书实施例中,所述属性信息包括:对象的体量、对象的释放时间和对象的类型中的至少一个。
在本说明书实施例中,所述对象为可回收资产,那么,该方法还可以包括:
根据赋值后的待回收对象生成风险控制策略。
在本说明书实施例中,所述对象为用于创建存储空间的存储器,所述回收表现数据为存储空间回收后的存储性能参数,那么,该方法还可以包括:
基于根据赋值后的待回收对象生成存储空间调度策略。
在互联网金融信贷领域,风控的最后一个环节就是对不良资产进行处置,其中最重要的就是对不良资产进行合理定价,资产在未来一段时间内的回收情况是影响定价的重要因素,因此对回收估值的预测尤为重要。
回收表现数据可以是指逾期资产的回收率,回收率一定程度上受账龄、观察的时间以及进入逾期状态的时间的影响,因此我们可以通过分解拟合的方法较全面地学习风险及回收率的多维度变化规律。
具体实施时,可以对历史回收率数据进行对数转换,并将转换后的回收率数据拆解成三个独立函数的叠加(账龄(m)函数、观察时间(t)函数、进入逾期月份(v)函数)。
其中,账龄函数表征自身客群自有的内生风险,进入逾期月份函数表征逾期起始阶段的回收水平,观察时间函数表征外部宏观环境的外生风险对回收产生的影响。
通过逐步迭代的方式分别拟合这三个函数曲线,并对未发生的回收率进行预测。根据预测的回收率,计算资产对应的账龄(m)、观察的时间(t)、最早进入逾期状态的月份(v)的值,预测出未来回收表现。
具体实施时的步骤可以是,首先获取最新的逾期资产回收数据,然后利用逐步迭代拟合法对数据进行拟合,再基于拟合好的函数对未来回收率进行预测,接着根据不良资产的入逾时间对资产进行分类并映射到预测的回收率数据上,并基于资产的打包时间对预估的回收率进行修正,最后基于对不良资产的回收率的预测值,结合资产成本和资产类型对资产进行合理定价。
通过这种方式,可以基于已有的历史回收数据,对逾期资产的回收率进行较准确自动预测并完成合理定价。
图2为本说明书实施例提供的一种对象赋值装置的结构示意图,该装置可以包括:
数据获取模块201,用于获取已回收对象的回收表现数据;
预测模块202,用于基于已回收对象的回收表现数据对待回收对象的回收表现数据进行预测;
赋值模块203,用于基于对所述待回收对象的回收表现数据对所述待回收对象进行赋值。
在本说明书实施例中,所述基于已回收对象的回收表现数据对待回收对象的回收表现数据进行预测,包括:
利用回收表现数据进行拟合,利用拟合出的函数预测待回收对象的回收表现数据。
在本说明书实施例中,还包括:
确定所述待回收对象的属性信息,基于所述待回收对象的属性信息对预测出的回收表现数据进行修正。
在本说明书实施例中,所述属性信息包括:对象的体量、对象的释放时间和对象的类型中的至少一个。
在本说明书实施例中,还包括:
将回收表现数据进行分解,分解为多个相互独立的函数。
在本说明书实施例中,所述对象为可回收资产。
在本说明书实施例中,还包括:
根据赋值后的待回收对象生成风险控制策略。
在本说明书实施例中,所述对象为用于创建存储空间的存储器,所述回收表现数据为存储空间回收后的存储性能参数。
在本说明书实施例中,还包括:
基于根据赋值后的待回收对象生成存储空间调度策略。
该装置通过获取已回收对象的回收表现数据,基于已回收对象的回收表现数据对待回收对象的回收表现数据进行预测,基于对所述待回收对象的回收表现数据对所述待回收对象进行赋值。通过借助已回收对象的回收表现数据提前对待回收对象的回收表现数据进行预测,继而进行赋值,能够在回收之前提前采取适应性的措施,提高管控水平。
基于同一发明构思,本说明书实施例还提供一种电子设备。
下面描述本发明的电子设备实施例,该电子设备可以视为对于上述本发明的方法和装置实施例的具体实体实施方式。对于本发明电子设备实施例中描述的细节,应视为对于上述方法或装置实施例的补充;对于在本发明电子设备实施例中未披露的细节,可以参照上述方法或装置实施例来实现。
图3为本说明书实施例提供的一种电子设备的结构示意图。下面参照图3来描述根据本发明该实施例的电子设备300。图3显示的电子设备300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3所示,电子设备300以通用计算设备的形式表现。电子设备300的组件可以包括但不限于:至少一个处理单元310、至少一个存储单元320、连接不同***组件(包括存储单元320和处理单元310)的总线330、显示单元340等。
其中,所述存储单元存储有程序代码,所述程序代码可以被所述处理单元310执行,使得所述处理单元310执行本说明书上述处理方法部分中描述的根据本发明各种示例性实施方式的步骤。例如,所述处理单元310可以执行如图1所示的步骤。
所述存储单元320可以包括易失性存储单元形式的可读介质,例如随机存取存储单元(RAM)3201和/或高速缓存存储单元3202,还可以进一步包括只读存储单元(ROM)3203。
所述存储单元320还可以包括具有一组(至少一个)程序模块3205的程序/实用工具3204,这样的程序模块3205包括但不限于:操作***、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线330可以为表示几类总线结构中的一种或多种,包括存储单元总线或者存储单元控制器、***总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备300也可以与一个或多个外部设备400(例如键盘、指向设备、蓝牙设备等)通信,还可与一个或者多个使得用户能与该电子设备300交互的设备通信,和/或与使得该电子设备300能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口350进行。并且,电子设备300还可以通过网络适配器360与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。网络适配器360可以通过总线330与电子设备300的其它模块通信。应当明白,尽管图3中未示出,可以结合电子设备300使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAI D***、磁带驱动器以及数据备份存储***等。
通过以上的实施方式的描述,本领域的技术人员易于理解,本发明描述的示例性实施例可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本发明实施方式的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个计算机可读的存储介质(可以是CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台计算设备(可以是个人计算机、服务器、或者网络设备等)执行根据本发明的上述方法。当所述计算机程序被一个数据处理设备执行时,使得该计算机可读介质能够实现本发明的上述方法,即:如图1所示的方法。
图4为本说明书实施例提供的一种计算机可读介质的原理示意图。
实现图1所示方法的计算机程序可以存储于一个或多个计算机可读介质上。计算机可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、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。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(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。
所述计算机可读存储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,其中承载了可读程序代码。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。可读存储介质还可以是可读存储介质以外的任何可读介质,该可读介质可以发送、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。可读存储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、有线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算设备,或者,可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
综上所述,本发明可以以硬件实现,或者以在一个或者多个处理器上运行的软件模块实现,或者以它们的组合实现。本领域的技术人员应当理解,可以在实践中使用微处理器或者数字信号处理器(DSP)等通用数据处理设备来实现根据本发明实施例中的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如,计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上,或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到,或者在载体信号上提供,或者以任何其他形式提供。
以上所述的具体实施例,对本发明的目的、技术方案和有益效果进行了进一步详细说明,应理解的是,本发明不与任何特定计算机、虚拟装置或者电子设备固有相关,各种通用装置也可以实现本发明。以上所述仅为本发明的具体实施例而已,并不用于限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。
以上所述仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理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权利要求范围之内。
Claims (12)
1.一种对象赋值的方法,其特征在于,包括:
获取已回收对象的回收表现数据;
基于已回收对象的回收表现数据对待回收对象的回收表现数据进行预测;
基于对所述待回收对象的回收表现数据对所述待回收对象进行赋值。
2.根据权利要求1所述的方法,其特征在于,所述基于已回收对象的回收表现数据对待回收对象的回收表现数据进行预测,包括:
利用回收表现数据进行拟合,利用拟合出的函数预测待回收对象的回收表现数据。
3.根据权利要求1-2中任一项所述的方法,其特征在于,还包括:
确定所述待回收对象的属性信息,基于所述待回收对象的属性信息对预测出的回收表现数据进行修正。
4.根据权利要求1-3中任一项所述的方法,其特征在于,所述属性信息包括:对象的体量、对象的释放时间和对象的类型中的至少一个。
5.根据权利要求1-3中任一项所述的方法,其特征在于,还包括:
将回收表现数据进行分解,分解为多个相互独立的函数。
6.根据权利要求1-5中任一项所述的方法,其特征在于,所述对象为可回收资产。
7.根据权利要求1-6中任一项所述的方法,其特征在于,还包括:
根据赋值后的待回收对象生成风险控制策略。
8.根据权利要求1-7中任一项所述的方法,其特征在于,所述对象为用于创建存储空间的存储器,所述回收表现数据为存储空间回收后的存储性能参数。
9.根据权利要求1-8中任一项所述的方法,其特征在于,还包括:
基于根据赋值后的待回收对象生成存储空间调度策略。
10.一种对象赋值的装置,其特征在于,包括:
数据获取模块,用于获取已回收对象的回收表现数据;
预测模块,用于基于已回收对象的回收表现数据对待回收对象的回收表现数据进行预测;
赋值模块,用于基于对所述待回收对象的回收表现数据对所述待回收对象进行赋值。
11.一种电子设备,其中,该电子设备包括:
处理器;以及,
存储计算机可执行程序的存储器,所述可执行程序在被执行时使所述处理器执行根据权利要求1-9中任一项所述的方法。
12.一种计算机可读存储介质,其中,所述计算机可读存储介质存储一个或多个程序,所述一个或多个程序当被处理器执行时,实现权利要求1-9中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110799206.5A CN113570124A (zh) | 2021-07-15 | 2021-07-15 | 一种对象赋值方法、装置和电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110799206.5A CN113570124A (zh) | 2021-07-15 | 2021-07-15 | 一种对象赋值方法、装置和电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113570124A true CN113570124A (zh) | 2021-10-29 |
Family
ID=78164977
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110799206.5A Pending CN113570124A (zh) | 2021-07-15 | 2021-07-15 | 一种对象赋值方法、装置和电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113570124A (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107133301A (zh) * | 2017-04-27 | 2017-09-05 | 北京小米移动软件有限公司 | 概率的预测方法及装置 |
US20180121845A1 (en) * | 2016-10-31 | 2018-05-03 | International Business Machines Corporation | System, method and computer program product for characterizing object status and determining a maintenance schedule |
CN110659998A (zh) * | 2019-08-20 | 2020-01-07 | 中国平安人寿保险股份有限公司 | 数据处理方法、装置、计算机装置及存储介质 |
CN111950770A (zh) * | 2020-07-20 | 2020-11-17 | 上海淇馥信息技术有限公司 | 一种管理资源返还辅助策略的方法、装置和电子设备 |
CN111950600A (zh) * | 2020-07-20 | 2020-11-17 | 上海淇馥信息技术有限公司 | 一种预测逾期用户资源返还表现的方法、装置和电子设备 |
CN112288163A (zh) * | 2020-10-29 | 2021-01-29 | 平安科技(深圳)有限公司 | 目标对象的目标因子预测方法及相关设备 |
CN112508692A (zh) * | 2021-02-04 | 2021-03-16 | 北京淇瑀信息科技有限公司 | 基于卷积神经网络的资源回收风险预测方法、装置和电子设备 |
-
2021
- 2021-07-15 CN CN202110799206.5A patent/CN113570124A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180121845A1 (en) * | 2016-10-31 | 2018-05-03 | International Business Machines Corporation | System, method and computer program product for characterizing object status and determining a maintenance schedule |
CN107133301A (zh) * | 2017-04-27 | 2017-09-05 | 北京小米移动软件有限公司 | 概率的预测方法及装置 |
CN110659998A (zh) * | 2019-08-20 | 2020-01-07 | 中国平安人寿保险股份有限公司 | 数据处理方法、装置、计算机装置及存储介质 |
CN111950770A (zh) * | 2020-07-20 | 2020-11-17 | 上海淇馥信息技术有限公司 | 一种管理资源返还辅助策略的方法、装置和电子设备 |
CN111950600A (zh) * | 2020-07-20 | 2020-11-17 | 上海淇馥信息技术有限公司 | 一种预测逾期用户资源返还表现的方法、装置和电子设备 |
CN112288163A (zh) * | 2020-10-29 | 2021-01-29 | 平安科技(深圳)有限公司 | 目标对象的目标因子预测方法及相关设备 |
CN112508692A (zh) * | 2021-02-04 | 2021-03-16 | 北京淇瑀信息科技有限公司 | 基于卷积神经网络的资源回收风险预测方法、装置和电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9406023B2 (en) | System recommendations based on incident analysis | |
CN112508723B (zh) | 基于自动择优建模的金融风险预测方法、装置和电子设备 | |
CN112015402A (zh) | 业务场景快速建立方法、装置和电子设备 | |
CN112381563A (zh) | 一种自动化标签生成方法、装置和电子设备 | |
CN110689425A (zh) | 基于收益进行额度定价的方法、装置和电子设备 | |
CN110766202A (zh) | 预测渠道能力的合同结算***、方法及设备 | |
CN111353872A (zh) | 一种基于金融表现值的授信处理的方法、装置和电子设备 | |
CN111681094B (zh) | 一种监测资源策略异常的方法、装置和电子设备 | |
CN110363583B (zh) | 一种基于位置信息创建用户消费行为标签的方法、装置和电子设备 | |
CN112488865A (zh) | 基于金融时间节点的金融风险预测方法、装置和电子设备 | |
CN112508692A (zh) | 基于卷积神经网络的资源回收风险预测方法、装置和电子设备 | |
CN112312335A (zh) | 一种提醒短信发送方法、装置和电子设备 | |
CN111582649A (zh) | 基于用户app独热编码的风险评估方法、装置和电子设备 | |
US20220237074A1 (en) | Data quality-based computations for kpis derived from time-series data | |
CN113570124A (zh) | 一种对象赋值方法、装置和电子设备 | |
CN111681093B (zh) | 一种展示资源页面的方法、装置和电子设备 | |
CN112488199B (zh) | 物流配送方式预测方法、***、设备及存储介质 | |
CN110019172A (zh) | 数据处理方法、装置、存储介质及电子设备 | |
CN113988914A (zh) | 一种用户价值预测方法、装置和电子设备 | |
CN113222493A (zh) | 一种供应链库存管理方法、装置和电子设备 | |
CN113157699A (zh) | 一种业务数据审核方法、装置和电子设备 | |
CN112419025A (zh) | 用户数据处理方法和装置、存储介质、电子设备 | |
CN111950770A (zh) | 一种管理资源返还辅助策略的方法、装置和电子设备 | |
CN112288475A (zh) | 产品推荐方法、装置及电子设备 | |
CN112784219A (zh) | 基于app指数的用户风险预测方法、装置及电子设备 |
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 |