CN113724013A - 客单价的确定方法及装置 - Google Patents
客单价的确定方法及装置 Download PDFInfo
- Publication number
- CN113724013A CN113724013A CN202111037135.1A CN202111037135A CN113724013A CN 113724013 A CN113724013 A CN 113724013A CN 202111037135 A CN202111037135 A CN 202111037135A CN 113724013 A CN113724013 A CN 113724013A
- Authority
- CN
- China
- Prior art keywords
- customer
- settlement
- nodes
- node
- time
- 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 47
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 29
- 230000005540 biological transmission Effects 0.000 claims abstract description 4
- 238000004364 calculation method Methods 0.000 claims description 22
- 238000012545 processing Methods 0.000 claims description 6
- 238000010606 normalization Methods 0.000 claims description 5
- 238000010586 diagram Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 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
- 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
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Data Mining & Analysis (AREA)
- Economics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开一种客单价的确定方法及装置,包括:基于行人再识别算法获取顾客节点信息,获取账单结算节点信息;将每个顾客节点的进店时间、出店时间与各个结算时间分别进行匹配;统计与同一个结算时间匹配成功的顾客节点数量,将同一个结算时间、与其对应的结算金额、顾客节点数量关联存储到第一队列;对于未匹配成功的顾客节点和结算节点,根据单顾客特征和邻居顾客特征建立条件随机场模型;利用置信度传播算法在条件随机场模型中进行信息量传递,获得未匹配成功的顾客节点属于未匹配成功的结算节点的目标置信度;将根据目标置信度获得的结算时间、结算金额及顾客节点数量的关联关系存储到第二队列;根据第一队列和/或第二队列计算客单价。
Description
技术领域
本发明涉及计算机技术领域,具体而言,涉及一种客单价的确定方法及装置。
背景技术
客单价是评价和分析店铺营业绩效的一个重要指标,其计算公式为客单价=结算总额 /顾客总数,即客单价是指店铺内每一个顾客平均购买商品的金额。由此可知,若要计算出客单价,就需要知道结算总额和顾客总数,但是因为很多场所往往是多人消费,一人结账的情况(例如餐厅),所以直接将账单个数作为顾客总数是不准确的。
针对这种存在多人消费一人结账的店铺,目前主要有两种客单价统计方法:(1)通过人工监测并统计店铺内顾客与账单的对应关系的方式计算客单价;(2)在点单应用程序上进行下单并填写消费人数,从而后台可以根据消费人数与账单的对应关系计算客单价。然而,第一种人工统计的方式耗时耗力,效率低下;第二种方式虽然能够提高效率但是人为填写消费人数可能与真实情况不符,从而影响客单价的准确性。
综上所述,如何提供一种效率和准确性都相对较高的客单价确定方法是亟待解决的。
发明内容
本发明提供了一种客单价的确定方法及装置,能够高效且准确地确定出客单价。具体的技术方案如下:
第一方面,本发明实施例提供了一种客单价的确定方法,所述方法包括:
基于行人再识别算法获取顾客节点信息,以及获取账单结算节点信息,所述顾客节点信息包括每个顾客节点的ID、进店时间和出店时间,所述账单结算节点信息包括每个结算节点的结算金额和结算时间;
遍历所有顾客节点,将每个顾客节点的进店时间、出店时间与各个结算时间分别进行匹配;
统计与同一个结算时间匹配成功的顾客节点数量,将所述同一个结算时间、与所述同一个结算时间对应的结算金额以及所述顾客节点数量关联存储到第一队列中;
对于未匹配成功的顾客节点和结算节点,根据单顾客特征和邻居顾客特征建立条件随机场模型,所述单顾客特征用于表征单个顾客节点属于某一结算节点的置信度相关特征,所述邻居顾客特征用于表征相邻的两个顾客节点属于同一个结算节点和/或不同结算节点的置信度相关特征;
利用置信度传播算法在所述条件随机场模型中进行信息量传递,获得所述未匹配成功的顾客节点属于未匹配成功的结算节点的目标置信度;
将根据所述目标置信度获得的结算时间、结算金额以及顾客节点数量的关联关系存储到第二队列中;
根据所述第一队列和/或所述第二队列,计算客单价。
可选的,在遍历所有顾客,将每个顾客节点的进店时间、出店时间与各个结算时间分别进行匹配之前,所述方法还包括:
判断每个顾客节点的进店时间和出店时间之间的时差是否小于预设时间阈值;
若存在小于所述预设时间阈值的顾客节点,则将小于所述预设时间阈值的顾客节点删除。
可选的,将每个顾客节点的进店时间、出店时间与各个结算时间分别进行匹配,包括:
分别判断每个结算时间是否在所述顾客节点的进店时间和出店时间所确定的时间范围内;
若某一结算时间在所述时间范围内,则确定所述顾客节点与所述某一结算时间匹配成功;
若所有结算时间均不在所述时间范围内,则确定所述顾客节点与各个结算时间匹配失败。
可选的,对于未匹配成功的顾客节点和结算节点,根据单顾客特征和邻居顾客特征建立条件随机场模型,包括:
获取未匹配成功的顾客节点的结算特征;
计算未匹配成功的所有顾客节点的结算特征归一化后的第一平均值和第一标准差;
根据所述未匹配成功的顾客节点的结算特征、所述第一平均值和第一标准差,获得所述未匹配成功的顾客节点的单顾客特征;
根据所述未匹配成功的顾客节点中两个顾客节点的进店时间差和出店时间差,判断所述两个顾客节点是否为邻居顾客节点;
计算属于邻居顾客节点的两个顾客节点的结算特征之比;
计算所有结算特征之比归一化后的第二平均值和第二标准差;
根据所述结算特征之比、所述第二平均值和所述第二标准差,获得邻居顾客特征;
根据所述单顾客特征和所述邻居顾客特征,建立所述条件随机场模型。
可选的,获取未匹配成功的顾客节点的结算特征,包括:
根据第一公式计算所述未匹配成功的顾客节点的结算特征x′;
所述第一公式包括:
其中,所述tout表示所述出店时间,所述tin表示所述进店时间,所述tpay表示所述结算时间。
可选的,根据所述未匹配成功的顾客节点的结算特征、所述第一平均值和第一标准差,获得所述未匹配成功的顾客节点的单顾客特征,包括:
根据第二公式计算所述未匹配成功的顾客节点的单顾客特征D(fi,ci);
所述第二公式包括:
其中,所述fi表示所述未匹配成功的结算节点中第i个结算节点的索引,所述ci表示所述未匹配成功的顾客节点中第i个顾客节点,所述μ1表示所述第一平均值,所述σ1表示所述第一标准差,x表示归一化后的结算特征。
可选的,根据所述结算特征之比、所述第二平均值和所述第二标准差,获得邻居顾客特征,包括:
根据第三公式计算所述邻居顾客特征W(fi,fj,ci,cj);
所述第三公式包括:
W(fi,fj,ci,cj)=-log(p(v))-log(1-p(v)
其中,所述fi和所述fj分别表示未匹配成功的结算节点中第i和j个结算节点的索引,所述ci和所述cj分别表示所述未匹配成功的顾客节点中第i和j个顾客节点,所述v表示归一化后的结算特征比,所述μ2表示所述第二平均值,所述δ2表示所述第二标准差。
可选的,根据所述单顾客特征和所述邻居顾客特征,建立所述条件随机场模型,包括:
根据单顾客特征D(fi,ci)和邻居顾客特征W(fi,fj,ci,cj),建立所述条件随机场模型 P(f/d);
其中,所述fi和所述fj分别表示未匹配成功的结算节点中第i和j个结算节点的索引,所述ci和所述cj分别表示所述未匹配成功的顾客节点中第i和j个顾客节点,所述S表示未匹配成功的结算节点的集合,所述Ni表示所述ci的所有邻居顾客节点的集合,所述d为所述S的子集,所述f表示未匹配成功的结算节点的索引。
可选的,利用置信度传播算法在所述条件随机场模型中进行信息量传递,获得所述未匹配成功的顾客节点属于未匹配成功的结算节点的目标置信度,包括:
利用所述置信度传播算法对所述条件随机场模型进行迭代计算,获得所述未匹配成功的顾客节点属于未匹配成功的结算节点的置信度;
当最近两次迭代的置信度之和之间的差异小于预设差异阈值时,将最近一次迭代获得的置信度确定为目标置信度,所述置信度之和为一次迭代中未匹配成功的所有顾客节点的置信度之和;
其中,置信度计算公式为:
所述bi(fj)表示所述未匹配成功的顾客节点中第i个顾客节点属于索引为fj的结算节点的置信度,所述D(fi,ci)表示所述未匹配成功的顾客节点中第i个顾客节点的单顾客特征,所述W(fi,fj,ci,cj)表示所述未匹配成功的顾客节点中第i个顾客节点和第j个顾客节点的邻居顾客特征,所述fi和所述fj分别表示未匹配成功的结算节点中第i和j个结算节点的索引,所述ci和所述ci分别表示所述未匹配成功的顾客节点中第i和j个顾客节点,所述α表示权重系数,Nj表示第j个顾客节点的所有邻居顾客节点的集合,Ni表示第i个顾客节点的所有邻居顾客节点的集合;
可选的,根据所述第一队列和/或所述第二队列,计算客单价,包括:
计算所述第一队列中结算金额之和与顾客节点数量之和的第一比值,并将所述第一比值作为所述客单价;
或者,计算所述第二队列中结算金额之和与顾客节点数量之和的第二比值,并将所述第二比值作为所述客单价;
或者,将所述第一比值和所述第二比值进行加权处理后的结果作为所述客单价。
第二方面,本发明实施例提供了一种客单价的确定装置,所述装置包括:
获取单元,用于基于行人再识别算法获取顾客节点信息,以及获取账单结算节点信息,所述顾客节点信息包括每个顾客节点的ID、进店时间和出店时间,所述账单结算节点信息包括每个结算节点的结算金额和结算时间;
匹配单元,用于遍历所有顾客节点,将每个顾客节点的进店时间、出店时间与各个结算时间分别进行匹配;
存储单元,用于统计与同一个结算时间匹配成功的顾客节点数量,将所述同一个结算时间、与所述同一个结算时间对应的结算金额以及所述顾客节点数量关联存储到第一队列中;
建立单元,用于对于未匹配成功的顾客节点和结算节点,根据单顾客特征和邻居顾客特征建立条件随机场模型,所述单顾客特征用于表征单个顾客节点属于某一结算节点的置信度相关特征,所述邻居顾客特征用于表征相邻的两个顾客节点属于同一个结算节点和/或不同结算节点的置信度相关特征;
传播单元,用于利用置信度传播算法在所述条件随机场模型中进行信息量传递,获得所述未匹配成功的顾客节点属于未匹配成功的结算节点的目标置信度;
所述存储单元,还用于将根据所述目标置信度获得的结算时间、结算金额以及顾客节点数量的关联关系存储到第二队列中;
计算单元,用于根据所述第一队列和/或所述第二队列,计算客单价。
可选的,所述装置还包括:
判断单元,用于在遍历所有顾客,将每个顾客节点的进店时间、出店时间与各个结算时间分别进行匹配之前,判断每个顾客节点的进店时间和出店时间之间的时差是否小于预设时间阈值;
删除单元,用于若存在小于所述预设时间阈值的顾客节点,则将小于所述预设时间阈值的顾客节点删除。
可选的,所述匹配单元,用于分别判断每个结算时间是否在所述顾客节点的进店时间和出店时间所确定的时间范围内;若某一结算时间在所述时间范围内,则确定所述顾客节点与所述某一结算时间匹配成功;若所有结算时间均不在所述时间范围内,则确定所述顾客节点与各个结算时间匹配失败。
可选的,建立单元,包括:
第一获取模块,用于获取未匹配成功的顾客节点的结算特征;
第一计算模块,用于计算未匹配成功的所有顾客节点的结算特征归一化后的第一平均值和第一标准差;根据所述未匹配成功的顾客节点的结算特征、所述第一平均值和第一标准差,获得所述未匹配成功的顾客节点的单顾客特征;
判断模块,用于根据所述未匹配成功的顾客节点中两个顾客节点的进店时间差和出店时间差,判断所述两个顾客节点是否为邻居顾客节点;
第二计算模块,用于计算属于邻居顾客节点的两个顾客节点的结算特征之比;计算所有结算特征之比归一化后的第二平均值和第二标准差;根据所述结算特征之比、所述第二平均值和所述第二标准差,获得邻居顾客特征;
建立模块,用于根据所述单顾客特征和所述邻居顾客特征,建立所述条件随机场模型。
可选的,第一获取模块,用于根据第一公式计算所述未匹配成功的顾客节点的结算特征x′;
所述第一公式包括:
其中,所述tout表示所述出店时间,所述tin表示所述进店时间,所述tpay表示所述结算时间。
可选的,所述第一计算模块,用于根据第二公式计算所述未匹配成功的顾客节点的单顾客特征D(fi,ci);
所述第二公式包括:
其中,所述fi表示所述未匹配成功的结算节点中第i个结算节点的索引,所述ci表示所述未匹配成功的顾客节点中第i个顾客节点,所述μ1表示所述第一平均值,所述σ1表示所述第一标准差,x表示归一化后的结算特征。
可选的,第二计算模块,用于根据第三公式计算所述邻居顾客特征W(fi,fj,ci,cj);
所述第三公式包括:
W(fi,fj,ci,cj)=-log(p(v))-log(1-p(v)
其中,
其中,所述fi和所述fj分别表示未匹配成功的结算节点中第i和j个结算节点的索引,所述ci和所述cj分别表示所述未匹配成功的顾客节点中第i和j个顾客节点,所述v表示归一化后的结算特征比,所述μ2表示所述第二平均值,所述δ2表示所述第二标准差。
可选的,建立模块,用于根据单顾客特征D(fi,ci)和邻居顾客特征W(fi,fj,ci,cj),建立所述条件随机场模型P(f/d);
其中,所述fi和所述fj分别表示未匹配成功的结算节点中第i和j个结算节点的索引,所述ci和所述cj分别表示所述未匹配成功的顾客节点中第i和j个顾客节点,所述S表示未匹配成功的结算节点的集合,所述Ni表示所述ci的所有邻居顾客节点的集合,所述d为所述S的子集,所述f表示未匹配成功的结算节点的索引。
可选的,传播单元包括:
迭代模块,用于利用所述置信度传播算法对所述条件随机场模型进行迭代计算,获得所述未匹配成功的顾客节点属于未匹配成功的结算节点的置信度;
第二获取模块,用于当最近两次迭代的置信度之和之间的差异小于预设差异阈值时,将最近一次迭代获得的置信度确定为目标置信度;所述置信度之和为一次迭代中未匹配成功的所有顾客节点的置信度之和;
其中,置信度计算公式为:
所述bi(fj)表示所述未匹配成功的顾客节点中第i个顾客节点属于索引为fj的结算节点的置信度,所述D(fi,ci)表示所述未匹配成功的顾客节点中第i个顾客节点的单顾客特征,所述W(fi,fj,ci,cj)表示所述未匹配成功的顾客节点中第i个顾客节点和第j个顾客节点的邻居顾客特征,所述fi和所述fj分别表示未匹配成功的结算节点中第i和j个结算节点的索引,所述ci和所述cj分别表示所述未匹配成功的顾客节点中第i和j个顾客节点,所述α表示权重系数,Nj表示第j个顾客节点的所有邻居顾客节点的集合,Ni表示第i个顾客节点的所有邻居顾客节点的集合;
可选的,计算单元,包括:
第三计算模块,用于计算所述第一队列中结算金额之和与顾客节点数量之和的第一比值,并将所述第一比值作为所述客单价;或者,计算所述第二队列中结算金额之和与顾客节点数量之和的第二比值,并将所述第二比值作为所述客单价;或者,将所述第一比值和所述第二比值进行加权处理后的结果作为所述客单价。
第三方面,本发明实施例提供了一种存储介质,其上存储有可执行指令,该指令被处理器执行时使处理器实现第一方面所述的方法。
第四方面,本发明实施例提供了一种电子设备,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
其中,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现第一方面所述的方法。
由上述内容可知,本发明实施例提供的客单价的确定方法及装置,能够先基于行人再识别算法获取每个顾客节点的ID、进店时间和出店时间,以及获取每个结算节点的结算金额和结算时间;然后遍历所有顾客节点,将每个顾客节点的进店时间、出店时间与各个结算时间分别进行匹配;将匹配成功的顾客节点和结算节点作为一组置信度高的数据(包括结算时间、结算金额和顾客节点数量)保存到第一队列中,将匹配失败的顾客节点和结算节点建立条件随机场模型,并利用置信度传播算法对该条件随机场模型进行计算,获得顾客节点和结算节点二次匹配后的结果保存到第二队列中;最后根据第一队列和/或第二队列计算客单价。由此可知,本发明实施例不仅可以自动关联顾客节点与结算节点之间的关系,实现自动统计,还可以根据不同关联程度采用不同的关联方式对顾客节点和结算节点进行关联,从而高效且准确地确定出客单价。当然,实施本发明的任一产品或方法并不一定需要同时达到以上所述的所有优点。
本发明实施例的创新点包括:
1、先基于行人再识别算法获取顾客节点信息,然后分为两层依次获得不同置信度的顾客节点与结算节点映射关系的队列,最后根据实际需求利用第一队列和/或第二队列选择不同的客单价计算方式,为用户提供了多种选择。
其中,第一队列是直接进店时间、出店时间与结算时间进行匹配得到的。第二队列是通过对除了第一队列以外的顾客节点和结算结算建立条件随机场模型,并利用置信度传播算法计算条件随机场模型的最优解,最后根据最优解获得的。
2、预先将进店时间和出店时间之间的时差小于预设时间阈值的顾客节点删除,从而减少噪声数据,进而提高后续客单价的计算效率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单介绍。显而易见地,下面描述中的附图仅仅是本发明的一些实施例。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为本发明实施例提供的一种客单价的确定方法的流程示意图;
图2为本发明实施例提供的一种客单价的确定装置的组成框图。
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的一部分实施例,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付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。
需要说明的是,本发明实施例及附图中的术语“包括”和“具有”以及它们的任何变形,意图在于覆盖不排他的包含。例如包含的一系列步骤或单元的过程、方法、***、产品或设备没有限定于已列出的步骤或单元,而是可选地还包括没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。
本发明提供了一种客单价的确定方法及装置,能够高效且准确地确定出客单价。本发明实施例所提供的方法,可以应用于任一具有计算能力的电子设备,该电子设备可以为终端或者服务器。在一种实现中,实现该方法的功能软件可以以单独的客户端软件的形式存在,也可以以目前相关的客户端软件的插件的形式存在。下面对本发明实施例进行详细说明。
图1为本发明实施例提供的一种客单价的确定方法流程图。该方法可以包括如下步骤:
S100:基于行人再识别算法获取顾客节点信息,以及获取账单结算节点信息。
所述顾客节点信息包括每个顾客节点的ID、进店时间和出店时间;所述账单结算节点信息包括每个结算节点的结算金额和结算时间。
账单结算节点信息可以直接从结账机器上获取,而顾客节点信息可以通过行人再识别算法获得。行人重识别,也称行人再识别,是计算机视觉领域近些年来一个非常热门的研究课题,可以被视为一个图像检索的子问题,是利用计算机视觉技术判断图像或者视频序列中是否存在特定行人的技术,即行人再识别能够通过图像或视频进行分析,判断出待测行人是否为目标行人。通过将摄像头安装在店铺门口采集顾客图像,并通过行人再识别技术识别不同时间采集到的至少两个顾客是否为同一个顾客,并将同一个顾客增加同一个ID,并根据图像采集时间分别确定该顾客的进店时间和出店时间,将ID、进店时间和出店时间进行关联存储。
S110:遍历所有顾客节点,将每个顾客节点的进店时间、出店时间与各个结算时间分别进行匹配。
具体的,可以分别判断每个结算时间是否在所述顾客节点的进店时间和出店时间所确定的时间范围内,即判断结算时间tpay是否满足条件 分别表示同一个ID的顾客节点的出店时间、进店时间;若某一结算时间在所述时间范围内,则确定所述顾客节点与所述某一结算时间匹配成功;若所有结算时间均不在所述时间范围内,则确定所述顾客节点与各个结算时间匹配失败。其中,多个顾客节点可能分别匹配成功不同的结算节点,也可能匹配成功同一个结算节点。
在店铺内消费需要一定时间,若某些顾客只是在店铺内或者门口少待片刻便离开了,那么这些顾客没有进行消费。此时,若将这些顾客的信息参与计算,不仅会降低计算效率,还有可能会降低计算准确率。因此,为了避免上述问题发生,可以在遍历所有顾客,将每个顾客节点的进店时间、出店时间与各个结算时间分别进行匹配之前,判断每个顾客节点的进店时间和出店时间之间的时差是否小于预设时间阈值;将小于所述预设时间阈值的顾客节点删除。也就是说,当时,该顾客节点无效,可以删除。其中,Tth表示预设时间阈值。
S120:统计与同一个结算时间匹配成功的顾客节点数量,将所述同一个结算时间、与所述同一个结算时间对应的结算金额以及所述顾客节点数量关联存储到第一队列中。
第一队列中每个队列元素包含三项信息,例如可以表示为Pi={sum,paytime,num},其中,Pi表示第i个队列元素,sum表示结算金额,paytime表示结算时间,num表示顾客节点数量。
S130:对于未匹配成功的顾客节点和结算节点,根据单顾客特征和邻居顾客特征建立条件随机场模型。
其中,所述单顾客特征用于表征单个顾客节点属于某一结算节点的置信度相关特征,所述邻居顾客特征用于表征相邻的两个顾客节点属于同一个结算节点和/或不同结算节点的置信度相关特征。条件随机场是条件概率分布模型P(Y|X),表示的是给定一组输入随机变量X的条件下另一组输出随机变量Y的马尔可夫随机场。
本步骤的具体实现方式可以如下述A1-A8:
A1、获取未匹配成功的顾客节点的结算特征。
具体的,根据第一公式计算所述未匹配成功的顾客节点的结算特征x′;
所述第一公式包括:
其中,所述tout表示所述出店时间,所述tin表示所述进店时间,所述tpay表示所述结算时间。
A2、计算未匹配成功的所有顾客节点的结算特征归一化后的第一平均值和第一标准差。
为了后续计算方便,可以将所有结算特征x′先进行归一化,使得所有归一化后的结算特征之和为1,然后再计算归一化后的所有结算特征的第一平均值和第一标准差。
A3、根据所述未匹配成功的顾客节点的结算特征、所述第一平均值和第一标准差,获得所述未匹配成功的顾客节点的单顾客特征。
具体的,可以根据第二公式计算所述未匹配成功的顾客节点的单顾客特征D(fi,ci);
所述第二公式包括:
其中,所述fi表示所述未匹配成功的结算节点中第i个结算节点的索引,所述ci表示所述未匹配成功的顾客节点中第i个顾客节点,所述μ1表示所述第一平均值,所述σ1表示所述第一标准差,x为归一化后的结算特征。
A4、根据所述未匹配成功的顾客节点中两个顾客节点的进店时间差和出店时间差,判断所述两个顾客节点是否为邻居顾客节点。
具体的,判断第i个顾客节点进店时间与第j个顾客节点的进店时间之差,以及第i个顾客节点进店时间与第j个顾客节点的进店时间之差,是否满足条件且其中,tth表示预先设定的预设时间差阈值,分别表示第i个顾客节点进店时间和第j个顾客节点进店时间,分别表示第i个顾客节点进店时间和第j个顾客节点出店时间;若满足,则确定两个顾客节点是邻居顾客节点,否则不是邻居顾客节点。
A5、计算属于邻居顾客节点的两个顾客节点的结算特征之比。
其中,假设第i个顾客节点与第j个顾客节点是邻居顾客节点,那么在计算结算特征之比时,可以计算第i个顾客节点与第j个顾客节点之比,也可以计算第j个顾客节点与第i个顾客节点之比,具体可以根据需求而定。
A6、计算所有结算特征之比归一化后的第二平均值和第二标准差。
为了后续计算方便,可以将所有结算特征之比先进行归一化,使得所有归一化后的结算特征之和为1,然后再计算归一化后的所有结算特征的第二平均值和第二标准差。
A7、根据所述结算特征之比、所述第二平均值和所述第二标准差,获得邻居顾客特征。
对于邻居顾客特征W(fi,fj,ci,cj),fi可以等于fj,也可以不等于fj。当fi=fj时,第i 和j个顾客节点对应于同一个结算节点,其往往呈现出同进同出店铺的特征,因此这些客户对应的特征x应该比较接近,从而结算特征之比接近1,而当fi≠fj时,第i和j个顾客节点对应于不同的结算节点,但P(fi=fj)+P(fi≠fj)=1,所以W(fi,fj,ci,cj)的计算公式可以为:
W(fi,fj,ci,cj)=-log(p(v))-log(1-p(v)
其中,
其中,所述fi和所述fj分别表示未匹配成功的结算节点中第i和j个结算节点的索引,所述ci和所述cj分别表示所述未匹配成功的顾客节点中第i和j个顾客节点,所述v表示所述结算特征比,所述μ2表示所述第二平均值,所述δ2表示所述第二标准差。
A8、根据所述单顾客特征和所述邻居顾客特征,建立所述条件随机场模型。
具体的,可以根据单顾客特征D(fi,ci)和邻居顾客特征W(fi,fj,ci,cj),建立所述条件随机场模型P(f/d);
其中,所述fi和所述fj分别表示未匹配成功的结算节点中第i和j个结算节点的索引,所述ci和所述cj分别表示所述未匹配成功的顾客节点中第i和j个顾客节点,所述S表示未匹配成功的结算节点的集合,所述Ni表示所述ci的所有邻居顾客节点的集合,所述d为所述S的子集,所述f表示未匹配成功的结算节点的索引。D(fi,ci)和W(fi,fj,ci,cj)可以称为能量函数。
S140:利用置信度传播算法在所述条件随机场模型中进行信息量传递,获得所述未匹配成功的顾客节点属于未匹配成功的结算节点的目标置信度。
具体的,可以利用所述置信度传播算法对所述条件随机场模型进行迭代计算,获得所述未匹配成功的顾客节点属于未匹配成功的结算节点的置信度;当最近两次迭代的置信度之和之间的差异小于预设差异阈值时,将最近一次迭代获得的置信度确定为目标置信度;所述置信度之和为一次迭代中未匹配成功的所有顾客节点的置信度之和。
其中,置信度传播是一种在图模型上进行推断的消息传递算法。其主要思想是:对于马尔科夫随机场中的每一个节点,通过消息传播,把该节点的概率分布状态传递给相邻的节点,从而影响相邻节点的概率分布状态,经过一定次数的迭代,每个节点的概率分布将收敛于一个稳态。
本发明实施例的置信度计算公式为:
所述bi(fj)表示所述未匹配成功的顾客节点中第i个顾客节点属于索引为fj的结算节点的置信度,所述D(fi,ci)表示所述未匹配成功的顾客节点中第i个顾客节点的单顾客特征,所述(fi,fj,ci,cj)表示所述未匹配成功的顾客节点中第i个顾客节点和第j个顾客节点的邻居顾客特征,所述fi和所述fj分别表示未匹配成功的结算节点中第i和j个结算节点的索引,所述ci和所述cj分别表示所述未匹配成功的顾客节点中第i和j个顾客节点,所述α表示权重系数,Nj表示第j个顾客节点的所有邻居顾客节点的集合,Ni表示第i个顾客节点的所有邻居顾客节点的集合;
所有顾客节点之间传递的初始信息量可以设置为0,通过t次迭代获得最优解。
S150:将根据所述目标置信度获得的结算时间、结算金额以及顾客节点数量的关联关系存储到第二队列中。
由于bi(fj)表示所述未匹配成功的顾客节点中第i个顾客节点属于索引为fj的结算节点的置信度,所以在获得每个顾客节点的目标置信度后,可以根据目标置信度确定该目标置信度所表征的顾客节点和结算节点的对应关系,从而可以统计出针对同一个结算节点的顾客节点数量,并将结算时间、结算金额以及顾客节点数量的关联关系存储到第二队列中。同样的,第二队列中每个队列元素包含三项信息,例如可以表示为 Qj={sum,paytime,num},其中,Qj表示第j个队列元素,sum表示结算金额,paytime表示结算时间,num表示顾客节点数量。
S160:根据所述第一队列和/或所述第二队列,计算客单价。
在获得第一队列和第二队列后,可以根据实际需求来确定使用哪个队列计算客单价,即客单价的计算方式包括如下三种:
(1)计算所述第一队列中结算金额之和与顾客节点数量之和的第一比值,并将所述第一比值作为所述客单价。
(2)计算所述第二队列中结算金额之和与顾客节点数量之和的第二比值,并将所述第二比值作为所述客单价。
(3)所述第一比值和所述第二比值进行加权处理后的结果作为所述客单价。计算公式可以如下:
pct0=βpct1+(1-β)pct2
其中,pct0为客单价,pct1为第一比值,pct2为第二比值,β为预设权重。其中预设权重可以根据实际需求设定,例如由于pct1精度相对较高,则可以将pct1的权重β设置大一些。
相应于上述客单价的确定方法实施例,本发明实施例提供了一种客单价的确定装置,如图2所示,所述装置可以包括:
获取单元20,用于基于行人再识别算法获取顾客节点信息,以及获取账单结算节点信息,所述顾客节点信息包括每个顾客节点的ID、进店时间和出店时间,所述账单结算节点信息包括每个结算节点的结算金额和结算时间;
匹配单元22,用于遍历所有顾客节点,将每个顾客节点的进店时间、出店时间与各个结算时间分别进行匹配;
存储单元24,用于统计与同一个结算时间匹配成功的顾客节点数量,将所述同一个结算时间、与所述同一个结算时间对应的结算金额以及所述顾客节点数量关联存储到第一队列中;
建立单元26,用于对于未匹配成功的顾客节点和结算节点,根据单顾客特征和邻居顾客特征建立条件随机场模型,所述单顾客特征用于表征单个顾客节点属于某一结算节点的置信度相关特征,所述邻居顾客特征用于表征相邻的两个顾客节点属于同一个结算节点和/或不同结算节点的置信度相关特征;
传播单元28,用于利用置信度传播算法在所述条件随机场模型中进行信息量传递,获得所述未匹配成功的顾客节点属于未匹配成功的结算节点的目标置信度;
所述存储单元24,还用于将根据所述目标置信度获得的结算时间、结算金额以及顾客节点数量的关联关系存储到第二队列中;
计算单元210,用于根据所述第一队列和/或所述第二队列,计算客单价。
可选的,所述装置还包括:
判断单元,用于在遍历所有顾客,将每个顾客节点的进店时间、出店时间与各个结算时间分别进行匹配之前,判断每个顾客节点的进店时间和出店时间之间的时差是否小于预设时间阈值;
删除单元,用于将小于所述预设时间阈值的顾客节点删除。
可选的,所述匹配单元22,用于分别判断每个结算时间是否在所述顾客节点的进店时间和出店时间所确定的时间范围内;若某一结算时间在所述时间范围内,则确定所述顾客节点与所述某一结算时间匹配成功;若所有结算时间均不在所述时间范围内,则确定所述顾客节点与各个结算时间匹配失败。
可选的,建立单26元,包括:
第一获取模块,用于获取未匹配成功的顾客节点的结算特征;
第一计算模块,用于计算未匹配成功的所有顾客节点的结算特征归一化后的第一平均值和第一标准差;根据所述未匹配成功的顾客节点的结算特征、所述第一平均值和第一标准差,获得所述未匹配成功的顾客节点的单顾客特征;
判断模块,用于根据所述未匹配成功的顾客节点中两个顾客节点的进店时间差和出店时间差,判断所述两个顾客节点是否为邻居顾客节点;
第二计算模块,用于计算属于邻居顾客节点的两个顾客节点的结算特征之比;计算所有结算特征之比归一化后的第二平均值和第二标准差;根据所述结算特征之比、所述第二平均值和所述第二标准差,获得邻居顾客特征;
建立模块,用于根据所述单顾客特征和所述邻居顾客特征,建立所述条件随机场模型。
可选的,第一获取模块,用于根据第一公式计算所述未匹配成功的顾客节点的结算特征x′;
所述第一公式包括:
其中,所述tout表示所述出店时间,所述tin表示所述进店时间,所述tpay表示所述结算时间。
可选的,所述第一计算模块,用于根据第二公式计算所述未匹配成功的顾客节点的单顾客特征D(fi,ci);
所述第二公式包括:
其中,所述fi表示所述未匹配成功的结算节点中第i个结算节点的索引,所述ci表示所述未匹配成功的顾客节点中第i个顾客节点,所述μ1表示所述第一平均值,所述σ1表示所述第一标准差,x表示归一化后的结算特征。
可选的,第二计算模块,用于根据第三公式计算所述邻居顾客特征W(fi,fj,ci,cj);
所述第三公式包括:
W(fi,fj,ci,cj)=-log(p(v))-log(1-p(v)
其中,
其中,所述fi和所述fj分别表示未匹配成功的结算节点中第i和j个结算节点的索引,所述ci和所述cj分别表示所述未匹配成功的顾客节点中第i和j个顾客节点,所述v表示归一化后的结算特征比,所述μ2表示所述第二平均值,所述δ2表示所述第二标准差。
可选的,建立模块,用于根据单顾客特征D(fi,ci)和邻居顾客特征W(fi,fj,ci,cj),建立所述条件随机场模型P(f/d);
其中,所述fi和所述fj分别表示未匹配成功的结算节点中第i和j个结算节点的索引,所述ci和所述cj分别表示所述未匹配成功的顾客节点中第i和j个顾客节点,所述S表示未匹配成功的结算节点的集合,所述Ni表示所述ci的所有邻居顾客节点的集合,所述d为所述S的子集,所述f表示未匹配成功的结算节点的索引。
可选的,传播单元28包括:
迭代模块,用于利用所述置信度传播算法对所述条件随机场模型进行迭代计算,获得所述未匹配成功的顾客节点属于未匹配成功的结算节点的置信度;
第二获取模块,用于当最近两次迭代的置信度之和之间的差异小于预设差异阈值时,获得所述未匹配成功的顾客节点属于未匹配成功的结算节点的目标置信度;所述置信度之和为一次迭代中未匹配成功的所有顾客节点的置信度之和;
其中,置信度计算公式为:
所述bi(fj)表示所述未匹配成功的顾客节点中第i个顾客节点属于索引为fj的结算节点的置信度,所述D(fi,ci)表示所述未匹配成功的顾客节点中第i个顾客节点的单顾客特征,所述W(fi,fj,ci,cj)表示所述未匹配成功的顾客节点中第i个顾客节点和第j个顾客节点的邻居顾客特征,所述fi和所述fj分别表示未匹配成功的结算节点中第i和j个结算节点的索引,所述ci和所述cj分别表示所述未匹配成功的顾客节点中第i和j个顾客节点,所述α表示权重系数,Nj表示第j个顾客节点的所有邻居顾客节点的集合,Ni表示第i个顾客节点的所有邻居顾客节点的集合;
可选的,计算单元210,包括:
第三计算模块,用于计算所述第一队列中结算金额之和与顾客节点数量之和的第一比值,并将所述第一比值作为所述客单价;或者,计算所述第二队列中结算金额之和与顾客节点数量之和的第二比值,并将所述第二比值作为所述客单价;或者,将所述第一比值和所述第二比值进行加权处理后的结果作为所述客单价。
本发明实施例提供的客单价的确定装置,能够先基于行人再识别算法获取每个顾客节点的ID、进店时间和出店时间,以及获取每个结算节点的结算金额和结算时间;然后遍历所有顾客节点,将每个顾客节点的进店时间、出店时间与各个结算时间分别进行匹配;将匹配成功的顾客节点和结算节点作为一组置信度高的数据(包括结算时间、结算金额和顾客节点数量)保存到第一队列中,将匹配失败的顾客节点和结算节点建立条件随机场模型,并利用置信度传播算法对该条件随机场模型进行计算,获得顾客节点和结算节点二次匹配后的结果保存到第二队列中;最后根据第一队列和/或第二队列计算客单价。由此可知,本发明实施例不仅可以自动关联顾客节点与结算节点之间的关系,实现自动统计,还可以根据不同关联程度采用不同的关联方式对顾客节点和结算节点进行关联,从而高效且准确地确定出客单价。
基于上述方法实施例,本发明实施例提供了一种存储介质,其上存储有可执行指令,该指令被处理器执行时使处理器实现上述方法。
基于上述方法实施例,本发明实施例提供了一种电子设备,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
其中,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现上述方法。
上述***、装置实施例与方法实施例相对应,与该方法实施例具有同样的技术效果,具体说明参见方法实施例。装置实施例是基于方法实施例得到的,具体的说明可以参见方法实施例部分,此处不再赘述。本领域普通技术人员可以理解:附图只是一个实施例的示意图,附图中的模块或流程并不一定是实施本发明所必须的。
本领域普通技术人员可以理解:实施例中的装置中的模块可以按照实施例描述分布于实施例的装置中,也可以进行相应变化位于不同于本实施例的一个或多个装置中。上述实施例的模块可以合并为一个模块,也可以进一步拆分成多个子模块。
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,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围。
Claims (10)
1.一种客单价的确定方法,其特征在于,所述方法包括:
基于行人再识别算法获取顾客节点信息,以及获取账单结算节点信息,所述顾客节点信息包括每个顾客节点的ID、进店时间和出店时间,所述账单结算节点信息包括每个结算节点的结算金额和结算时间;
遍历所有顾客节点,将每个顾客节点的进店时间、出店时间与各个结算时间分别进行匹配;
统计与同一个结算时间匹配成功的顾客节点数量,将所述同一个结算时间、与所述同一个结算时间对应的结算金额以及所述顾客节点数量关联存储到第一队列中;
对于未匹配成功的顾客节点和结算节点,根据单顾客特征和邻居顾客特征建立条件随机场模型,所述单顾客特征用于表征单个顾客节点属于某一结算节点的置信度相关特征,所述邻居顾客特征用于表征相邻的两个顾客节点属于同一个结算节点和/或不同结算节点的置信度相关特征;
利用置信度传播算法在所述条件随机场模型中进行信息量传递,获得所述未匹配成功的顾客节点属于未匹配成功的结算节点的目标置信度;
将根据所述目标置信度获得的结算时间、结算金额以及顾客节点数量的关联关系存储到第二队列中;
根据所述第一队列和/或所述第二队列,计算客单价。
2.如权利要求1所述的方法,其特征在于,在遍历所有顾客节点,将每个顾客节点的进店时间、出店时间与各个结算时间分别进行匹配之前,所述方法还包括:
判断每个顾客节点的进店时间和出店时间之间的时差是否小于预设时间阈值;
若存在小于所述预设时间阈值的顾客节点,则将小于所述预设时间阈值的顾客节点删除。
3.如权利要求1所述的方法,其特征在于,对于未匹配成功的顾客节点和结算节点,根据单顾客特征和邻居顾客特征建立条件随机场模型,包括:
获取未匹配成功的顾客节点的结算特征;
计算未匹配成功的所有顾客节点的结算特征归一化后的第一平均值和第一标准差;
根据所述未匹配成功的顾客节点的结算特征、所述第一平均值和第一标准差,获得所述未匹配成功的顾客节点的单顾客特征;
根据所述未匹配成功的顾客节点中两个顾客节点的进店时间差和出店时间差,判断所述两个顾客节点是否为邻居顾客节点;
计算属于邻居顾客节点的两个顾客节点的结算特征之比;
计算所有结算特征之比归一化后的第二平均值和第二标准差;
根据所述结算特征之比、所述第二平均值和所述第二标准差,获得邻居顾客特征;
根据所述单顾客特征和所述邻居顾客特征,建立所述条件随机场模型。
8.如权利要求1所述的方法,其特征在于,利用置信度传播算法在所述条件随机场模型中进行信息量传递,获得所述未匹配成功的顾客节点属于未匹配成功的结算节点的目标置信度,包括:
利用所述置信度传播算法对所述条件随机场模型进行迭代计算,获得所述未匹配成功的顾客节点属于未匹配成功的结算节点的置信度;
当最近两次迭代的置信度之和之间的差异小于预设差异阈值时,将最近一次迭代获得的置信度确定为目标置信度,所述置信度之和为一次迭代中未匹配成功的所有顾客节点的置信度之和;
其中,置信度计算公式为:
所述bi(fj)表示所述未匹配成功的顾客节点中第i个顾客节点属于索引为fj的结算节点的置信度,所述D(fi,ci)表示所述未匹配成功的顾客节点中第i个顾客节点的单顾客特征,所述W(fi,fj,ci,cj)表示所述未匹配成功的顾客节点中第i个顾客节点和第j个顾客节点的邻居顾客特征,所述fi和所述fj分别表示未匹配成功的结算节点中第i和j个结算节点的索引,所述ci和所述cj分别表示所述未匹配成功的顾客节点中第i和j个顾客节点,所述α表示权重系数,Nj表示第j个顾客节点的所有邻居顾客节点的集合,Ni表示第i个顾客节点的所有邻居顾客节点的集合;
9.如权利要求1-8中任一项所述的方法,其特征在于,根据所述第一队列和/或所述第二队列,计算客单价,包括:
计算所述第一队列中结算金额之和与顾客节点数量之和的第一比值,并将所述第一比值作为所述客单价;
或者,计算所述第二队列中结算金额之和与顾客节点数量之和的第二比值,并将所述第二比值作为所述客单价;
或者,将所述第一比值和所述第二比值进行加权处理后的结果作为所述客单价。
10.一种客单价的确定装置,其特征在于,所述装置包括:
获取单元,用于基于行人再识别算法获取顾客节点信息,以及获取账单结算节点信息,所述顾客节点信息包括每个顾客节点的ID、进店时间和出店时间,所述账单结算节点信息包括每个结算节点的结算金额和结算时间;
匹配单元,用于遍历所有顾客节点,将每个顾客节点的进店时间、出店时间与各个结算时间分别进行匹配;
存储单元,用于统计与同一个结算时间匹配成功的顾客节点数量,将所述同一个结算时间、与所述同一个结算时间对应的结算金额以及所述顾客节点数量关联存储到第一队列中;
建立单元,用于对于未匹配成功的顾客节点和结算节点,根据单顾客特征和邻居顾客特征建立条件随机场模型,所述单顾客特征用于表征单个顾客节点属于某一结算节点的置信度相关特征,所述邻居顾客特征用于表征相邻的两个顾客节点属于同一个结算节点和/或不同结算节点的置信度相关特征;
传播单元,用于利用置信度传播算法在所述条件随机场模型中进行信息量传递,获得所述未匹配成功的顾客节点属于未匹配成功的结算节点的目标置信度;
所述存储单元,还用于将根据所述目标置信度获得的结算时间、结算金额以及顾客节点数量的关联关系存储到第二队列中;
计算单元,用于根据所述第一队列和/或所述第二队列,计算客单价。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111037135.1A CN113724013A (zh) | 2021-09-06 | 2021-09-06 | 客单价的确定方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111037135.1A CN113724013A (zh) | 2021-09-06 | 2021-09-06 | 客单价的确定方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113724013A true CN113724013A (zh) | 2021-11-30 |
Family
ID=78681801
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111037135.1A Pending CN113724013A (zh) | 2021-09-06 | 2021-09-06 | 客单价的确定方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113724013A (zh) |
-
2021
- 2021-09-06 CN CN202111037135.1A patent/CN113724013A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109102393B (zh) | 训练和使用关系网络嵌入模型的方法及装置 | |
US20170286962A1 (en) | Bulk Dispute Challenge System | |
CN112733995B (zh) | 训练神经网络的方法、行为检测方法及行为检测装置 | |
CN109615129A (zh) | 房地产客户成交概率预测方法、服务器及计算机存储介质 | |
CN111667024B (zh) | 内容推送方法、装置、计算机设备和存储介质 | |
WO2023000491A1 (zh) | 一种应用推荐方法、装置、设备及计算机可读存储介质 | |
US20230342797A1 (en) | Object processing method based on time and value factors | |
CN111754287A (zh) | 物品筛选方法、装置、设备和存储介质 | |
CN111161238A (zh) | 图像质量评价方法及装置、电子设备、存储介质 | |
Inoue et al. | Estimating customer impatience in a service system with unobserved balking | |
CN111510473B (zh) | 访问请求处理方法、装置、电子设备和计算机可读介质 | |
CN115905648B (zh) | 基于高斯混合模型的用户群和金融用户群分析方法及装置 | |
CN112446777A (zh) | 一种信用评估方法、装置、设备及存储介质 | |
CN116049678A (zh) | 特征贡献度评估方法、装置、电子设备和存储介质 | |
CN113724013A (zh) | 客单价的确定方法及装置 | |
CN115860856A (zh) | 一种数据处理方法、装置、电子设备及存储介质 | |
CN116029766A (zh) | 用户交易决策识别方法、激励策略优化方法、装置和设备 | |
CN115952438A (zh) | 社交平台用户属性预测方法、***、移动设备及存储介质 | |
CN115618079A (zh) | 会话推荐方法、装置、电子设备及存储介质 | |
CN114418701A (zh) | 一种生成推荐列表的方法、装置、电子设备及存储介质 | |
CN114117229A (zh) | 一种基于有向和无向结构信息的图神经网络的项目推荐方法 | |
CN113379436A (zh) | 信息处理方法、装置、计算设备及介质 | |
CN111061711A (zh) | 一种基于数据处理行为的大数据流卸载方法和装置 | |
CN112214387B (zh) | 基于知识图谱的用户操作行为预测方法及装置 | |
US11615345B2 (en) | Systems and methods for optimizing a machine learning model |
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 | ||
CB02 | Change of applicant information |
Address after: Room 405, block a, No. 4 gupinggang, Gulou District, Nanjing, Jiangsu 210013 Applicant after: Jiangsu Fuyan Information Technology Co.,Ltd. Address before: 310003 room 1708, No. 118, Qingchun Road, Xiacheng District, Hangzhou City, Zhejiang Province Applicant before: Zhejiang Fuyan Information Technology Co.,Ltd. |
|
CB02 | Change of applicant information |