CN113704587B - 基于阶段划分的用户黏着度分析方法、装置、设备及介质 - Google Patents
基于阶段划分的用户黏着度分析方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN113704587B CN113704587B CN202111011082.6A CN202111011082A CN113704587B CN 113704587 B CN113704587 B CN 113704587B CN 202111011082 A CN202111011082 A CN 202111011082A CN 113704587 B CN113704587 B CN 113704587B
- Authority
- CN
- China
- Prior art keywords
- user
- keyword
- stage
- target
- life cycle
- 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
- 238000004458 analytical method Methods 0.000 title claims abstract description 51
- 239000013598 vector Substances 0.000 claims abstract description 112
- 238000011156 evaluation Methods 0.000 claims abstract description 100
- 230000006399 behavior Effects 0.000 claims description 32
- 230000011218 segmentation Effects 0.000 claims description 18
- 238000000034 method Methods 0.000 claims description 17
- 238000012545 processing Methods 0.000 claims description 8
- 238000004422 calculation algorithm Methods 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 6
- 238000007405 data analysis Methods 0.000 claims description 4
- 238000000605 extraction Methods 0.000 claims description 4
- 238000012217 deletion Methods 0.000 claims description 3
- 230000037430 deletion Effects 0.000 claims description 3
- 238000013473 artificial intelligence Methods 0.000 abstract description 7
- 238000005516 engineering process Methods 0.000 abstract description 6
- 230000006870 function Effects 0.000 description 12
- 238000004891 communication Methods 0.000 description 8
- 238000007726 management method Methods 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 239000000853 adhesive Substances 0.000 description 1
- 230000001070 adhesive effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000007 visual effect 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
- G06F16/951—Indexing; Web crawling techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/332—Query formulation
- G06F16/3329—Natural language query formulation or dialogue systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/205—Parsing
- G06F40/216—Parsing using statistical methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/237—Lexical tools
- G06F40/242—Dictionaries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
-
- 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
- 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
- G06Q30/0203—Market surveys; Market polls
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Accounting & Taxation (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Artificial Intelligence (AREA)
- Entrepreneurship & Innovation (AREA)
- Databases & Information Systems (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Mathematical Physics (AREA)
- Game Theory and Decision Science (AREA)
- Economics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Human Computer Interaction (AREA)
- Probability & Statistics with Applications (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明涉及人工智能技术,揭露了一种基于阶段划分的用户黏着度分析方法,包括:提取用户对产品的评价数据的关键词,并通过计算所述关键词的向量与该产品生命周期中不同阶段的距离值,以将所述关键词的向量归类至生命周期内的不同阶段,分析用户对该产品的持有时长,以确定生命周期中不同阶段的用户衰减量,进而根据用户衰减量与评价数据的关键词计算得到不同阶段的用户黏着度。此外,本发明还涉及区块链技术,评价数据可存储于区块链的节点。本发明还提出一种基于阶段划分的用户黏着度分析装置、电子设备以及存储介质。本发明可以解决进行用户黏着度分析的精确度较低的问题。
Description
技术领域
本发明涉及人工智能技术领域,尤其涉及一种基于阶段划分的用户黏着度分析方法、装置、电子设备及计算机可读存储介质。
背景技术
随着大数据技术的快速发展,越来越多的公司、企业利用大数据技术对用户的相关数据进行分析,并根据分析结果对产品的用户黏着度进行分析。
现有的用户黏着度分析方法多为基于用户使用时长的黏着度分析,即通过对某一产品的用户群体中每一个用户对该产品的使用时长,来判断用户对该产品的黏着度。但该方法中,用户对产品的使用时长往往会被使用改产品时条款、约定等限制,例如,用户使用改产品时,有条款规定用户需至少使用该产品六个月,但使用过程中,即使用户对该产品的黏着度发生变化,也会由于条款约束导致该黏着度变化不能被发现,进而导致该方法中分析得出的用户黏着度的精确度不高。
发明内容
本发明提供一种基于阶段划分的用户黏着度分析方法、装置及计算机可读存储介质,其主要目的在于解决进行用户黏着度分析的精确度较低的问题。
为实现上述目的,本发明提供的一种基于阶段划分的用户黏着度分析方法,包括:
获取用户群体对预设产品的评价数据,从所述评价数据中提取出每一个用户对所述预设产品的评价关键词,并将所述评价关键词转换为关键词向量;
分别计算所述关键词向量与所述预设产品的生命周期内不同阶段对应的阶段标签之间的距离值,并按照所述距离值将所述关键词向量汇集至所述生命周期内不同的阶段中;
获取所述用户群体对所述预设产品的持有行为数据,从所述持有行为数据中提取出所述用户群体中每一个用户对所述预设产品的持有时长;
根据所述持有时长确定所述生命周期内不同阶段的用户衰减量;
从所述生命周期内不同阶段中逐个选取其中一个阶段为目标阶段,根据所述目标阶段的用户衰减量和所述目标阶段的关键词向量计算所述目标阶段的用户黏着度。
可选地,所述从所述评价数据中提取出每一个用户对所述预设产品的评价关键词,包括:
对所述评价数据进行无意词删除,得到标准评价;
对所述标准评价进行分词处理,得到评价分词;
统计所述评价分词中每一个词语的出现频率,选取所述出现频率大于预设频率阈值的词语为所述评价数据的评价关键词。
可选地,所述将所述评价关键词转换为关键词向量,包括:
从所述评价关键词中逐个选取其中一个词语为目标关键词,对所述目标关键词进行字节拆分,得到多个字节;
分别对所述多个字节中每一个字节进行编码,得到字节编码;
将所述字节编码按照所述多个字节中每一个字节在所述目标关键词中位置的先后顺序进行拼接,得到所述目标关键词的关键词向量。
可选地,所述计算所述关键词向量与所述预设产品的生命周期内不同阶段对应的阶段标签之间的距离值,包括:
将所述预设产品的生命周期内不同阶段对应的阶段标签转换为标签向量;
从所述关键词向量中逐个选取其中一个向量为目标向量;
分别计算所述目标向量与所述每一个阶段标签对应的标签向量之间的距离值。
可选地,所述从所述持有行为数据中提取出所述用户群体中每一个用户对所述预设产品的持有时长,包括:
识别所述持有行为数据的数据类型;
选取与所述数据类型相应的编译器将预设字符按照预设的时间表达格式编译为规则表达式;
利用所述规则表达式从所述持有行为数据中提取出每一个用户对所述预设产品的持有时长。
可选地,所述根据所述持有时长确定所述生命周期内不同阶段的用户衰减量,包括:
按照所述生命周期内不同阶段的时间长度生成每一个阶段对应的时间区间;
根据所述持有时长确定每一个时间区间内的用户数量;
从所述时间区间内逐个选取其中一个区间为目标区间,计算所述目标区间与所述目标区间相邻区间的用户数量的差值,将所述差值作为所述目标区间对应的阶段的用户衰减量。
可选地,所述根据所述目标阶段的用户衰减量和所述目标阶段的关键词向量计算所述目标阶段的用户黏着度,包括:
利用如下权重算法根据所述目标阶段的用户衰减量和所述目标阶段的关键词向量计算所述目标阶段的用户黏着度:
其中,Nk为所述生命周期内第k个阶段的用户黏着度,J为所述生命周期内第k个阶段对应的关键词向量的数量,Pj为所述第k个阶段对应的第j个关键词向量,|Pj|为对第j个关键词向量进行求模运算,Q为所述生命周期内第k个阶段的用户衰减量,ω1和ω2为预设权重系数。
为了解决上述问题,本发明还提供一种基于阶段划分的用户黏着度分析装置,所述装置包括:
关键词提取模块,用于获取用户群体对预设产品的评价数据,从所述评价数据中提取出每一个用户对所述预设产品的评价关键词,并将所述评价关键词转换为关键词向量;
词向量汇集模块,用于分别计算所述关键词向量与所述预设产品的生命周期内不同阶段对应的阶段标签之间的距离值,并按照所述距离值将所述关键词向量汇集至所述生命周期内不同的阶段中;
数据分析模块,用于获取所述用户群体对所述预设产品的持有行为数据,从所述持有行为数据中提取出所述用户群体中每一个用户对所述预设产品的持有时长;
衰减量计算模块,用于根据所述持有时长确定所述生命周期内不同阶段的用户衰减量;
黏着度分析模块,用于从所述生命周期内不同阶段中逐个选取其中一个阶段为目标阶段,根据所述目标阶段的用户衰减量和所述目标阶段的关键词向量计算所述目标阶段的用户黏着度。
为了解决上述问题,本发明还提供一种电子设备,所述电子设备包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行上述所述的基于阶段划分的用户黏着度分析方法。
为了解决上述问题,本发明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中存储有至少一个指令,所述至少一个指令被电子设备中的处理器执行以实现上述所述的基于阶段划分的用户黏着度分析方法。
本发明实施例能够将产品按照生命周期划分为多个阶段,结合每个阶段用户的衰减数量和用户对每个阶段的评价数据,分析用户对该产品不同阶段的用户黏着度,实现了多阶段化的用户黏着度分析,提高了分析结果的精确度。因此本发明提出的基于阶段划分的用户黏着度分析方法、装置、电子设备及计算机可读存储介质,可以解决进行用户黏着度分析的精确度较低的问题。
附图说明
图1为本发明一实施例提供的基于阶段划分的用户黏着度分析方法的流程示意图;
图2为本发明一实施例提供的计算匹配值的流程示意图;
图3为本发明一实施例提供的选取第二用户画像的流程示意图;
图4为本发明一实施例提供的基于阶段划分的用户黏着度分析装置的功能模块图;
图5为本发明一实施例提供的实现所述基于阶段划分的用户黏着度分析方法的电子设备的结构示意图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本申请实施例提供一种基于阶段划分的用户黏着度分析方法。所述基于阶段划分的用户黏着度分析方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之,所述基于阶段划分的用户黏着度分析方法可以由安装在终端设备或服务端设备的软件或硬件来执行,所述软件可以是区块链平台。所述服务端包括但不限于:单台服务器、服务器集群、云端服务器或云端服务器集群等。所述服务器可以是独立的服务器,也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(ContentDelivery Network,CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。
参照图1所示,为本发明一实施例提供的基于阶段划分的用户黏着度分析方法的流程示意图。在本实施例中,所述基于阶段划分的用户黏着度分析方法包括:
S1、获取用户群体对预设产品的评价数据,从所述评价数据中提取出每一个用户对所述预设产品的评价关键词,并将所述评价关键词转换为关键词向量。
本发明实施例中,所述预设产品可以为任何实际商品、货物、服务等,所述用户群体包括所述预设产品的使用用户或相关用户等,所述评价数据为预设用户群体中每一个用户对该预设产品的评价、讨论等数据。
本发明实施例中,可利用具有数据抓取功能的计算机语句(如python语句、java语句等)从预先构建的存储区域中抓取所述评价数据,所述存储区域包括但不限于数据库、区块链、网络缓存。
本发明其中一个实际应用场景中,由于所述评价数据中可能包含大量数据,若直接对所述评价数据进行分析,会造成计算资源的浪费,导致分析效率低下,因此,可从所述评价数据中提取出每一个用户对所述预设产品的评价关键词,并将所述评价关键词转换为关键词向量,以减少后续分析时的数据量,提高分析效率。
本发明实施例中,所述从所述评价数据中提取出每一个用户对所述预设产品的评价关键词,包括:
对所述评价数据进行无意词删除,得到标准评价;
对所述标准评价进行分词处理,得到评价分词;
统计所述评价分词中每一个词语的出现频率,选取所述出现频率大于预设频率阈值的词语为所述评价数据的评价关键词。
详细地,所述无意词是指评价数据中没有实际含义的词语,例如,拟声词、结构助词等,通过删除所述评价数据中的无意词,可减少所述评价数据中的数据量,提高对所述评价数据进行分析的效率和精确度。
具体地,可利用预设的词典对评价数据进行分词处理,所述词典中包含多个标准词条,可通过将评价数据按照不同的数据长度在所述词典中进行检索,并将检索到的标准词条作为该评价数据的评价分词。
本发明实施例中,所述出现频率是指所述评价分词中每一个词语在所述评价分词中出现的次数,例如,所述评价分词包括词语A和词语B,其中,词语A出现了3次,词语B出现了5次,则所述词语A的出现频率为3,所述词语B的出现频率为5。
本发明实施例可从所述评价分词中选取所述出现频率大于预设阈值的词语,并将选取的词语作为所述评价数据的评价关键词。
进一步地,由于选取出的评价关键词为文本形式,为了提高后续利用所述评价关键词对用户黏着度进行分析的效率。
本发明实施例中,参图2所示,所述将所述评价关键词转换为关键词向量,包括:
S21、从所述评价关键词中逐个选取其中一个词语为目标关键词,对所述目标关键词进行字节拆分,得到多个字节;
S22、分别对所述多个字节中每一个字节进行编码,得到字节编码;
S23、将所述字节编码按照所述多个字节中每一个字节在所述目标关键词中位置的先后顺序进行拼接,得到所述目标关键词的关键词向量。
详细地,由于所述评价关键词中每个关键词中均包含多个字节,因此,可对评价关键词进行字节拆分,以便于对拆分得到的每一个字节进行编码、拼接,进而实现对评价关键词的向量转换,其中,可采用ASCII编码、GB2312编码、one-hot编码等方式对拆分得到的每一个字节进行编码。
例如,从所述评价关键词中选取的目标关键词为“实惠”,则可将该目标关键词拆分为字节“实”和字节“惠”,并利用预设的编码方式对字节“实”进行编码,得到字节“实”对应的字节编码:110,利用预设的编码方式对字节“惠”进行编码,得到字节“惠”对应的字节编码:101,并将字节“实”和字节“惠”的字节编码按照两个字节在目标关键词为“实惠”中位置的先后顺序拼接为该目标关键词的关键词向量:110101。
S2、分别计算所述关键词向量与所述预设产品的生命周期内不同阶段对应的阶段标签之间的距离值,并按照所述距离值将所述关键词向量汇集至所述生命周期内不同的阶段中。
本发明实施例中,所述生命周期包括所述预设产品被用户使用时不同的阶段的集和,所述预设产品的供应商、销售商可在不同的阶段提供具有差异性的服务。
例如,该预设产品的生命周期为3年,其中,第一年内,为该预设产品的生命周期中的初期阶段,第二年为该预设产品的生命周期中的中期阶段,第三年为该预设产品的生命周期中的末期阶段。
本发明实施例中,可通过预设的距离算法计算所述关键词向量与所述预设产品的生命周期内不同阶段对应的阶段标签之间的距离值,进而根据该距离值确定所述关键词隶属于所述生命周期的哪一个阶段。
详细地,所述阶段标签存在多个,每一个阶段标签与所述生命周期中的一个阶段相对应,所述阶段标签可用于标识所述生命中期中不同阶段的特征。
本发明实施例中,参图3所示,所述计算所述关键词向量与所述预设产品的生命周期内不同阶段对应的阶段标签之间的距离值,包括:
S31、将所述预设产品的生命周期内不同阶段对应的阶段标签转换为标签向量;
S32、从所述关键词向量中逐个选取其中一个向量为目标向量;
S33、分别计算所述目标向量与所述每一个阶段标签对应的标签向量之间的距离值。
详细地,由于所述关键词向量为向量形式,因此,为了计算关键词向量与所述预设产品的生命周期内不同阶段对应的阶段标签之间的距离值,需所述预设产品的生命周期内不同阶段对应的阶段标签转换为标签向量,可利用预设的向量转换模型(word2vec模型、bert模型等)对所述阶段标签进行转换,得到每一个阶段标签对应的标签向量。
具体地,所述分别计算所述目标向量与所述每一个阶段标签对应的标签向量之间的距离值,包括:
利用如下距离值算法分别计算所述目标向量与所述每一个阶段标签对应的标签向量之间的距离值:
其中,D为所述距离值,a为所述目标向量,bi为所述生命周期中第i个阶段对应的阶段标签的标签向量。
本发明实施例中,可按照所述距离值,将所述关键词向量汇集至所述生命周期内与其距离值最小的阶段中。
例如,存在关键词向量α和关键词向量β,所述生命周期中包括阶段A和阶段B,其中,关键词向量α和阶段A的标签向量之间的距离值为80,关键词向量α和阶段B的标签向量之间的距离值为10;关键词向量β和阶段A的标签向量之间的距离值为20,关键词向量β和阶段B的标签向量之间的距离值为75;则可将关键词向量α汇集至阶段B中,将关键词向量β汇集至阶段A中。
S3、获取所述用户群体对所述预设产品的持有行为数据,从所述持有行为数据中提取出所述用户群体中每一个用户对所述预设产品的持有时长。
本发明实施例中,所述持有行为数据包括所述用户群体对所述预设产品的持有时长、持有状态等数据。
详细地,所述获取所述用户群体对所述预设产品的持有行为数据的步骤,与S1中获取用户群体对预设产品的评价数据的步骤一致,在此不做赘述。
本发明其中一个实际应用场景中,由于所述持有时长的时间表达格式较为固定(如2020年3月、2021/6/18等形式),因此,本发明实施例可通过规则表达式对所述持有行为数据中用于标识时间的字段进行提取,以获取所述用户群体中每一个用户对所述预设产品的持有时长。
本发明实施例中,所述从所述持有行为数据中提取出所述用户群体中每一个用户对所述预设产品的持有时长,包括:
识别所述持有行为数据的数据类型;
选取与所述数据类型相应的编译器将预设字符按照预设的时间表达格式编译为规则表达式;
利用所述规则表达式从所述持有行为数据中提取出每一个用户对所述预设产品的持有时长。
详细地,可利用具有数据类型识别功能的人工智能模型识别所述持有行为数据的数据类型,所述人工智能模型包括但不限于具有数据类型识别功能的CNN模型、RNN模型。
本发明实施例中,识别出所述持有行为数据的数据类型之后,可选取与该数据类型相应的编译器将预设字符按照预设的时间表达格式编译为规则表达式,有利于提高编译得到的规则表达式的可用性。
例如,所述持有行为数据中包括:用户A对预设产品的持有时长为2020年1月1日至2020年12月31日;则可通过该规则表达式对该持有行为数据中的时间信息进行提取,进而得知用户A对预设产品的持有时长为1年。
S4、根据所述持有时长确定所述生命周期内不同阶段的用户衰减量。
本发明实施例中,由于所述持有时长可用于反应用户对所述预设产品的使用时间长短,因此,可利用该持有时长与所述生命周期进行比较,以判断不同生命周期内的用户衰减量,其中,所述用户衰减量是指相较于上一阶段,当前阶段内用户减少的数量。
本发明实施例中,所述根据所述持有时长确定所述生命周期内不同阶段的用户衰减量,包括:
按照所述生命周期内不同阶段的时间长度生成每一个阶段对应的时间区间;
根据所述持有时长确定每一个时间区间内的用户数量;
从所述时间区间内逐个选取其中一个区间为目标区间,计算所述目标区间与所述目标区间相邻区间的用户数量的差值,将所述差值作为所述目标区间对应的阶段的用户衰减量。
例如,所述预设产品的生命周期为3年,第一年,为该预设产品的生命周期中的初期阶段,第二年为该预设产品的生命周期中的中期阶段,第三年为该预设产品的生命周期中的末期阶段;存在用户A对该预设产品的持有时间为3年,用户B对该预设产品的持有时间为1.5年,用户C对该预设产品的持有时间为0.5年,用户D对该预设产品的持有时间为1.1年,则可知在改预设产品的初期阶段,用户为4个,第一阶段内由于用户C的持有时长为0.5年,因此,将第一阶段结束时的用户量与总用户量作差,得到第一阶段的用户衰减量为1,第二阶段由于用户B和用户D的持有时长分别为1.5年和1.1年,因此,将第二阶段结束时的用户量与第一阶段结束时的用户量作差,得到第二阶段用户的衰减量为2,第三阶段由于只有用户A持有该预设产品,且持有至该产品生命周期结束,因此,将第三阶段结束时的用户量与第二阶段结束时的用户量作差,得到第三阶段的用户衰减量为0。
S5、从所述生命周期内不同阶段中逐个选取其中一个阶段为目标阶段,根据所述目标阶段的用户衰减量和所述目标阶段的关键词向量计算所述目标阶段的用户黏着度。
本发明其中一个实际应用场景中,所述用户衰减量可用于反映段用户对每一个阶段的依赖程度,即用户黏着度,当某一阶段中用户的衰减量越多,则说明用户对该产品阶段的用户黏着度越低。
本发明实施例中,由于所述关键词向量是由用户对不同阶段的评价数据中提取的,因此,可通过对所述用户衰减量和所述关键词向量进行运算,以对每一个阶段中的用户黏着度进行分析。
本发明实施例中,可利用如下权重算法根据所述目标阶段的用户衰减量和所述目标阶段的关键词向量计算所述目标阶段的用户黏着度:
其中,Nk为所述生命周期内第k个阶段的用户黏着度,J为所述生命周期内第k个阶段对应的关键词向量的数量,Pj为所述第k个阶段对应的第j个关键词向量,|Pj|为对第j个关键词向量进行求模运算,Q为所述生命周期内第k个阶段的用户衰减量,ω1和ω2为预设权重系数。
本发明实施例能够将产品按照生命周期划分为多个阶段,结合每个阶段用户的衰减数量和用户的评价数据,分析用户对该产品不同阶段的用户黏着度,实现了多阶段化的用户黏着度分析,提高了分析结果的精确度。因此本发明提出的基于阶段划分的用户黏着度分析方法,可以解决进行用户黏着度分析的精确度较低的问题。
如图4所示,是本发明一实施例提供的基于阶段划分的用户黏着度分析装置的功能模块图。
本发明所述基于阶段划分的用户黏着度分析装置100可以安装于电子设备中。根据实现的功能,所述基于阶段划分的用户黏着度分析装置100可以包括关键词提取模块101、词向量汇集模块102、数据分析模块103、衰减量计算模块104及黏着度分析模块105。本发明所述模块也可以称之为单元,是指一种能够被电子设备处理器所执行,并且能够完成固定功能的一系列计算机程序段,其存储在电子设备的存储器中。
在本实施例中,关于各模块/单元的功能如下:
所述关键词提取模块101,用于获取用户群体对预设产品的评价数据,从所述评价数据中提取出每一个用户对所述预设产品的评价关键词,并将所述评价关键词转换为关键词向量;
所述词向量汇集模块102,用于分别计算所述关键词向量与所述预设产品的生命周期内不同阶段对应的阶段标签之间的距离值,并按照所述距离值将所述关键词向量汇集至所述生命周期内不同的阶段中;
所述数据分析模块103,用于获取所述用户群体对所述预设产品的持有行为数据,从所述持有行为数据中提取出所述用户群体中每一个用户对所述预设产品的持有时长;
所述衰减量计算模块104,用于根据所述持有时长确定所述生命周期内不同阶段的用户衰减量;
所述黏着度分析模块105,用于从所述生命周期内不同阶段中逐个选取其中一个阶段为目标阶段,根据所述目标阶段的用户衰减量和所述目标阶段的关键词向量计算所述目标阶段的用户黏着度。
详细地,本发明实施例中所述基于阶段划分的用户黏着度分析装置100中所述的各模块在使用时采用与上述图1至图3中所述的基于阶段划分的用户黏着度分析方法一样的技术手段,并能够产生相同的技术效果,这里不再赘述。
如图5所示,是本发明一实施例提供的实现基于阶段划分的用户黏着度分析方法的电子设备的结构示意图。
所述电子设备1可以包括处理器10、存储器11、通信总线12以及通信接口13,还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序,如基于阶段划分的用户黏着度分析程序。
其中,所述处理器10在一些实施例中可以由集成电路组成,例如可以由单个封装的集成电路所组成,也可以是由多个相同功能或不同功能封装的集成电路所组成,包括一个或者多个中央处理器(Central Processing unit,CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心(ControlUnit),利用各种接口和线路连接整个电子设备的各个部件,通过运行或执行存储在所述存储器11内的程序或者模块(例如执行基于阶段划分的用户黏着度分析程序等),以及调用存储在所述存储器11内的数据,以执行电子设备的各种功能和处理数据。
所述存储器11至少包括一种类型的可读存储介质,所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如:SD或DX存储器等)、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备的内部存储单元,例如该电子设备的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备的外部存储设备,例如电子设备上配备的插接式移动硬盘、智能存储卡(Smart Media Card,SMC)、安全数字(Secure Digital,SD)卡、闪存卡(Flash Card)等。进一步地,所述存储器11还可以既包括电子设备的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备的应用软件及各类数据,例如基于阶段划分的用户黏着度分析程序的代码等,还可以用于暂时地存储已经输出或者将要输出的数据。
所述通信总线12可以是外设部件互连标准(peripheral componentinterconnect,简称PCI)总线或扩展工业标准结构(extended industry standardarchitecture,简称EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。
所述通信接口13用于上述电子设备与其他设备之间的通信,包括网络接口和用户接口。可选地,所述网络接口可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等),通常用于在该电子设备与其他电子设备之间建立通信连接。所述用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard)),可选地,用户接口还可以是标准的有线接口、无线接口。可选地,在一些实施例中,显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode,有机发光二极管)触摸器等。其中,显示器也可以适当的称为显示屏或显示单元,用于显示在电子设备中处理的信息以及用于显示可视化的用户界面。
图5仅示出了具有部件的电子设备,本领域技术人员可以理解的是,图5示出的结构并不构成对所述电子设备1的限定,可以包括比图示更少或者更多的部件,或者组合某些部件,或者不同的部件布置。
例如,尽管未示出,所述电子设备还可以包括给各个部件供电的电源(比如电池),优选地,电源可以通过电源管理装置与所述至少一个处理器10逻辑相连,从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备还可以包括多种传感器、蓝牙模块、Wi-Fi模块等,在此不再赘述。
应该了解,所述实施例仅为说明之用,在专利申请范围上并不受此结构的限制。
所述电子设备1中的所述存储器11存储的基于阶段划分的用户黏着度分析程序是多个指令的组合,在所述处理器10中运行时,可以实现:
获取用户群体对预设产品的评价数据,从所述评价数据中提取出每一个用户对所述预设产品的评价关键词,并将所述评价关键词转换为关键词向量;
分别计算所述关键词向量与所述预设产品的生命周期内不同阶段对应的阶段标签之间的距离值,并按照所述距离值将所述关键词向量汇集至所述生命周期内不同的阶段中;
获取所述用户群体对所述预设产品的持有行为数据,从所述持有行为数据中提取出所述用户群体中每一个用户对所述预设产品的持有时长;
根据所述持有时长确定所述生命周期内不同阶段的用户衰减量;
从所述生命周期内不同阶段中逐个选取其中一个阶段为目标阶段,根据所述目标阶段的用户衰减量和所述目标阶段的关键词向量计算所述目标阶段的用户黏着度。
具体地,所述处理器10对上述指令的具体实现方法可参考附图对应实施例中相关步骤的描述,在此不赘述。
进一步地,所述电子设备1集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读存储介质中。所述计算机可读存储介质可以是易失性的,也可以是非易失性的。例如,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)。
本发明还提供一种计算机可读存储介质,所述可读存储介质存储有计算机程序,所述计算机程序在被电子设备的处理器所执行时,可以实现:
获取用户群体对预设产品的评价数据,从所述评价数据中提取出每一个用户对所述预设产品的评价关键词,并将所述评价关键词转换为关键词向量;
分别计算所述关键词向量与所述预设产品的生命周期内不同阶段对应的阶段标签之间的距离值,并按照所述距离值将所述关键词向量汇集至所述生命周期内不同的阶段中;
获取所述用户群体对所述预设产品的持有行为数据,从所述持有行为数据中提取出所述用户群体中每一个用户对所述预设产品的持有时长;
根据所述持有时长确定所述生命周期内不同阶段的用户衰减量;
从所述生命周期内不同阶段中逐个选取其中一个阶段为目标阶段,根据所述目标阶段的用户衰减量和所述目标阶段的关键词向量计算所述目标阶段的用户黏着度。
在本发明所提供的几个实施例中,应该理解到,所揭露的设备,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块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,在本发明各个实施例中的各功能模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。
因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
本发明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。
本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中,人工智能(Artificial Intelligence,AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能,感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用***。
此外,显然“包括”一词不排除其他单元或步骤,单数不排除复数。***权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一、第二等词语用来表示名称,而并不表示任何特定的顺序。
最后应说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或等同替换,而不脱离本发明技术方案的精神和范围。
Claims (7)
1.一种基于阶段划分的用户黏着度分析方法,其特征在于,所述方法包括:
获取用户群体对预设产品的评价数据,从所述评价数据中提取出每一个用户对所述预设产品的评价关键词,并将所述评价关键词转换为关键词向量;
分别计算所述关键词向量与所述预设产品的生命周期内不同阶段对应的阶段标签之间的距离值,并按照所述距离值将所述关键词向量汇集至所述生命周期内不同的阶段中;
获取所述用户群体对所述预设产品的持有行为数据,从所述持有行为数据中提取出所述用户群体中每一个用户对所述预设产品的持有时长;
根据所述持有时长确定所述生命周期内不同阶段的用户衰减量;
从所述生命周期内不同阶段中逐个选取其中一个阶段为目标阶段,根据所述目标阶段的用户衰减量和所述目标阶段的关键词向量计算所述目标阶段的用户黏着度;
其中,所述计算所述关键词向量与所述预设产品的生命周期内不同阶段对应的阶段标签之间的距离值,包括:将所述预设产品的生命周期内不同阶段对应的阶段标签转换为标签向量;从所述关键词向量中逐个选取其中一个向量为目标向量;利用如下距离值算法分别计算所述目标向量与每一个阶段标签对应的标签向量之间的距离值:
其中,D为所述距离值,a为所述目标向量,bi为所述生命周期中第i个阶段对应的阶段标签的标签向量;
所述根据所述持有时长确定所述生命周期内不同阶段的用户衰减量,包括:按照所述生命周期内不同阶段的时间长度生成每一个阶段对应的时间区间;根据所述持有时长确定每一个时间区间内的用户数量;从所述时间区间内逐个选取其中一个区间为目标区间,计算所述目标区间与所述目标区间相邻区间的用户数量的差值,将所述差值作为所述目标区间对应的阶段的用户衰减量;
所述根据所述目标阶段的用户衰减量和所述目标阶段的关键词向量计算所述目标阶段的用户黏着度,包括:利用如下权重算法根据所述目标阶段的用户衰减量和所述目标阶段的关键词向量计算所述目标阶段的用户黏着度:
其中,Nk为所述生命周期内第k个阶段的用户黏着度,J为所述生命周期内第k个阶段对应的关键词向量的数量,Pj为所述第k个阶段对应的第j个关键词向量,|Pj|为对第j个关键词向量进行求模运算,Q为所述生命周期内第k个阶段的用户衰减量,ω1和ω2为预设权重系数。
2.如权利要求1所述的基于阶段划分的用户黏着度分析方法,其特征在于,所述从所述评价数据中提取出每一个用户对所述预设产品的评价关键词,包括:
对所述评价数据进行无意词删除,得到标准评价;
对所述标准评价进行分词处理,得到评价分词;
统计所述评价分词中每一个词语的出现频率,选取所述出现频率大于预设频率阈值的词语为所述评价数据的评价关键词。
3.如权利要求1所述的基于阶段划分的用户黏着度分析方法,其特征在于,所述将所述评价关键词转换为关键词向量,包括:
从所述评价关键词中逐个选取其中一个词语为目标关键词,对所述目标关键词进行字节拆分,得到多个字节;
分别对所述多个字节中每一个字节进行编码,得到字节编码;
将所述字节编码按照所述多个字节中每一个字节在所述目标关键词中位置的先后顺序进行拼接,得到所述目标关键词的关键词向量。
4.如权利要求1所述的基于阶段划分的用户黏着度分析方法,其特征在于,所述从所述持有行为数据中提取出所述用户群体中每一个用户对所述预设产品的持有时长,包括:
识别所述持有行为数据的数据类型;
选取与所述数据类型相应的编译器将预设字符按照预设的时间表达格式编译为规则表达式;
利用所述规则表达式从所述持有行为数据中提取出每一个用户对所述预设产品的持有时长。
5.一种基于阶段划分的用户黏着度分析装置,所述装置用于实现如权利要求1至4中任意一项所述的基于阶段划分的用户黏着度分析方法,其特征在于,所述装置包括:
关键词提取模块,用于获取用户群体对预设产品的评价数据,从所述评价数据中提取出每一个用户对所述预设产品的评价关键词,并将所述评价关键词转换为关键词向量;
词向量汇集模块,用于分别计算所述关键词向量与所述预设产品的生命周期内不同阶段对应的阶段标签之间的距离值,并按照所述距离值将所述关键词向量汇集至所述生命周期内不同的阶段中;
数据分析模块,用于获取所述用户群体对所述预设产品的持有行为数据,从所述持有行为数据中提取出所述用户群体中每一个用户对所述预设产品的持有时长;
衰减量计算模块,用于根据所述持有时长确定所述生命周期内不同阶段的用户衰减量;
黏着度分析模块,用于从所述生命周期内不同阶段中逐个选取其中一个阶段为目标阶段,根据所述目标阶段的用户衰减量和所述目标阶段的关键词向量计算所述目标阶段的用户黏着度。
6.一种电子设备,其特征在于,所述电子设备包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行如权利要求1至4中任意一项所述的基于阶段划分的用户黏着度分析方法。
7.一种计算机可读存储介质,存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至4中任意一项所述的基于阶段划分的用户黏着度分析方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111011082.6A CN113704587B (zh) | 2021-08-31 | 2021-08-31 | 基于阶段划分的用户黏着度分析方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111011082.6A CN113704587B (zh) | 2021-08-31 | 2021-08-31 | 基于阶段划分的用户黏着度分析方法、装置、设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113704587A CN113704587A (zh) | 2021-11-26 |
CN113704587B true CN113704587B (zh) | 2023-06-06 |
Family
ID=78657882
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111011082.6A Active CN113704587B (zh) | 2021-08-31 | 2021-08-31 | 基于阶段划分的用户黏着度分析方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113704587B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111159563A (zh) * | 2019-12-31 | 2020-05-15 | 广州市百果园信息技术有限公司 | 用户兴趣点信息的确定方法、装置、设备及存储介质 |
CN111401433A (zh) * | 2020-03-12 | 2020-07-10 | 腾讯科技(深圳)有限公司 | 用户信息获取方法、装置、电子设备及存储介质 |
CN112000895A (zh) * | 2020-10-28 | 2020-11-27 | 北京值得买科技股份有限公司 | 一种基于用户行为分析的任务分配方法、*** |
WO2020258662A1 (zh) * | 2019-06-25 | 2020-12-30 | 平安科技(深圳)有限公司 | 关键词确定方法、装置、电子设备及存储介质 |
CN112667775A (zh) * | 2020-12-25 | 2021-04-16 | 平安科技(深圳)有限公司 | 基于关键词提示的检索方法、装置、电子设备及存储介质 |
-
2021
- 2021-08-31 CN CN202111011082.6A patent/CN113704587B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020258662A1 (zh) * | 2019-06-25 | 2020-12-30 | 平安科技(深圳)有限公司 | 关键词确定方法、装置、电子设备及存储介质 |
CN111159563A (zh) * | 2019-12-31 | 2020-05-15 | 广州市百果园信息技术有限公司 | 用户兴趣点信息的确定方法、装置、设备及存储介质 |
CN111401433A (zh) * | 2020-03-12 | 2020-07-10 | 腾讯科技(深圳)有限公司 | 用户信息获取方法、装置、电子设备及存储介质 |
CN112000895A (zh) * | 2020-10-28 | 2020-11-27 | 北京值得买科技股份有限公司 | 一种基于用户行为分析的任务分配方法、*** |
CN112667775A (zh) * | 2020-12-25 | 2021-04-16 | 平安科技(深圳)有限公司 | 基于关键词提示的检索方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113704587A (zh) | 2021-11-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113449187B (zh) | 基于双画像的产品推荐方法、装置、设备及存储介质 | |
CN113157927B (zh) | 文本分类方法、装置、电子设备及可读存储介质 | |
CN113592605B (zh) | 基于相似产品的产品推荐方法、装置、设备及存储介质 | |
CN114612194A (zh) | 产品推荐方法、装置、电子设备及存储介质 | |
CN113706249B (zh) | 数据推荐方法、装置、电子设备及存储介质 | |
CN113505273B (zh) | 基于重复数据筛选的数据排序方法、装置、设备及介质 | |
CN116578696A (zh) | 文本摘要生成方法、装置、设备及存储介质 | |
CN113704407B (zh) | 基于类别分析的投诉量分析方法、装置、设备及存储介质 | |
CN113704587B (zh) | 基于阶段划分的用户黏着度分析方法、装置、设备及介质 | |
CN113706207B (zh) | 基于语义解析的订单成交率分析方法、装置、设备及介质 | |
CN113657546B (zh) | 信息分类方法、装置、电子设备及可读存储介质 | |
CN113656586B (zh) | 情感分类方法、装置、电子设备及可读存储介质 | |
CN113139129B (zh) | 虚拟阅读轨迹图生成方法、装置、电子设备及存储介质 | |
CN114780688A (zh) | 基于规则匹配的文本质检方法、装置、设备及存储介质 | |
CN113434660A (zh) | 基于多领域分类的产品推荐方法、装置、设备及存储介质 | |
CN113723114A (zh) | 基于多意图识别的语义分析方法、装置、设备及存储介质 | |
CN113344674A (zh) | 基于用户购买力的产品推荐方法、装置、设备及存储介质 | |
CN113793218B (zh) | 用户账户变更行为分析方法、装置、设备及存储介质 | |
CN113704411B (zh) | 基于词向量的相似客群挖掘方法、装置、设备及存储介质 | |
CN114723488B (zh) | 课程推荐方法、装置、电子设备及存储介质 | |
CN112528183B (zh) | 基于大数据的网页组件布局方法、装置、电子设备及介质 | |
CN113706204B (zh) | 基于深度学习的权益发放方法、装置、设备及存储介质 | |
CN113592606B (zh) | 基于多重决策的产品推荐方法、装置、设备及存储介质 | |
CN117216339B (zh) | 基于数字孪生的电子沙盘***构建方法及装置 | |
CN113672722B (zh) | 线上课程智能推荐方法、装置、电子设备及存储介质 |
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 |