CN114881709B - 一种数据处理方法及装置 - Google Patents
一种数据处理方法及装置 Download PDFInfo
- Publication number
- CN114881709B CN114881709B CN202210648656.9A CN202210648656A CN114881709B CN 114881709 B CN114881709 B CN 114881709B CN 202210648656 A CN202210648656 A CN 202210648656A CN 114881709 B CN114881709 B CN 114881709B
- Authority
- CN
- China
- Prior art keywords
- index
- value
- sum
- sample
- target
- 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
- 238000003672 processing method Methods 0.000 title abstract description 13
- 238000000034 method Methods 0.000 claims abstract description 38
- 230000000694 effects Effects 0.000 claims abstract description 36
- 239000013598 vector Substances 0.000 claims description 234
- 238000012216 screening Methods 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 6
- 101100116390 Schizosaccharomyces pombe (strain 972 / ATCC 24843) ded1 gene Proteins 0.000 description 3
- 101100311460 Schizosaccharomyces pombe (strain 972 / ATCC 24843) sum2 gene Proteins 0.000 description 3
- 238000005266 casting Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
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
- G06Q30/0241—Advertisements
- G06Q30/0242—Determining effectiveness of advertisements
- G06Q30/0245—Surveys
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0241—Advertisements
- G06Q30/0251—Targeted advertisements
- G06Q30/0255—Targeted advertisements based on user history
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- Finance (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (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
本申请公开了一种数据处理方法,可以获取针对目标内容的多个投票样本,基于多个投票样本分别对应的目标指标的指标值,对多个投票样本进行筛选,得到针对目标内容的有效样本。而后,基于有效样本,确定目标内容针对目标指标的投放效果。其中,有效样本中各个投票样本对应的指标值大于特定阈值、并且第一指标和值与第二指标和值的比值大于或者等于预设阈值,其中,第一指标和值为有效样本中所有样本对应的指标值的和,第二指标和值为多个投票样本中所有样本对应的指标值的和。采用本方案,无效样本不参与确定目标内容针对目标指标的投放效果。因此,能够更加准确的确定目标内容针对目标指标的投放效果。
Description
技术领域
本申请涉及计算机技术领域,特别是涉及一种数据处理方法及装置。
背景技术
目前,对于多个内容例如待投放内容而言,可以采用投票的方式确定这多个内容的投放效果。票数越多,则确定对应的投放效果越好。例如,对于待投放的多媒体内容(例如广告)A和多媒体内容B,可以采用投票的方式确定多媒体内容A的投放效果和多媒体B的投放效果。其中,多媒体内容A和多媒体内容B可以是采用不同策略进行投放的同一多媒体内容,也可以是不同的多媒体内容。
但是,采用投票的方式确定内容的投放效果的方式,其结果往往不够准确。因此,急需一种方案,能够解决这个问题。
发明内容
本申请实施例提供了一种数据处理方法及装置。
第一方面,本申请实施例提供了一种数据处理方法,所述方法包括:
获取针对目标内容的多个投票样本;
基于所述多个投票样本分别对应的目标指标的指标值,对所述多个投票样本进行筛选,得到针对所述目标内容的有效样本,其中,所述有效样本中各个投票样本对应的所述指标值大于或者等于特定阈值、并且第一指标和值与第二指标和值的比值大于或者等于预设阈值,其中,所述第一指标和值为所述有效样本中所有样本对应的所述指标值的和,所述第二指标和值为所述多个投票样本中所有样本对应的所述指标值的和;
基于所述有效样本,确定所述目标内容针对所述目标指标的投放效果。
可选的,所述特定阈值,基于如下方式确定:
获取预先确定的N个待选阈值,所述N个待选阈值均大于0且小于1,N为大于1的整数;
确定所述N个待选阈值中各个待选阈值分别对应的所述目标指标的指标值;
基于所述各个待选阈值分别对应的所述目标指标的指标值、以及所述多个投票样本分别对应的目标指标的指标值,从所述N个待选阈值中确定所述特定阈值。
可选的,所述基于所述各个待选阈值分别对应的所述目标指标的指标值、以及所述多个投票样本分别对应的目标指标的指标值,从所述N个待选阈值中确定所述特定阈值,包括:
基于所述各个待选阈值分别对应的所述目标指标的指标值、以及所述多个投票样本分别对应的目标指标的指标值,确定所述多个投票样本中每个样本分别对应的头部向量和尾部向量,所述多个投票样本中的第一样本的头部向量,用于指示当所述特定阈值的取值为所述N个待选阈值分别对应的所述目标指标的指标值时,所述第一样本作为有效样本所贡献的所述指标值,所述第一样本的尾部向量,用于指示当所述特定阈值的取值为所述N个待选阈值分别对应的所述目标指标的指标值时,所述第一样本作为无效样本所贡献的所述指标值;
确定所述多个投票样本的头部向量之和、以及所述多个投票样本的尾部向量之和;
基于所述头部向量之和、所述尾部向量之和、以及所述预设阈值,从所述N个待选阈值中确定所述特定阈值。
可选的,所述第一样本的头部向量,为N维向量,所述第一样本的头部向量中的第i个元素,通过如下方式确定:
若所述第一样本对应的所述指标值,大于或者等于所述N个待选阈值中第i个待选阈值对应的所述指标值,则所述第一样本的头部向量中的第i个元素的值为所述第一样本对应的所述指标值,若所述第一样本对应的所述指标值,小于所述N个待选阈值中第i个待选阈值对应的所述指标值,则所述第一样本的头部向量中的第i个元素的值为0,其中,i为大于等于1或者小于等于N的整数。
可选的,所述第一样本的尾部向量,为N维向量,所述第一样本的尾部向量中的第i个元素,通过如下方式确定:
若所述第一样本对应的所述指标值,小于所述N个待选阈值中第i个待选阈值对应的所述指标值,则所述第一样本的尾部向量中的第i个元素的值为所述第一样本对应的所述指标值,若所述第一样本对应的所述指标值,大于或者等于所述N个待选阈值中第i个待选阈值对应的所述指标值,则所述第一样本的尾部向量中的第i个元素的值为0,其中,i为大于等于1或者小于等于N的整数。
可选的,所述基于所述头部向量之和、所述尾部向量之和、以及所述预设阈值,从所述N个待选阈值中确定所述特定阈值,包括:
将所述尾部向量之和与目标权重相乘,得到目标尾部向量,所述目标权重,等于所述预设阈值除以第一差值,所述第一差值为1减去所述预设阈值得到的差值;
计算所述头部向量之和和所述目标尾部向量的第一差值向量;
将所述第一差值向量中绝对值最小的元素所对应的待选阈值所对应的所述指标值,确定为所述特定阈值。
可选的,所述基于所述头部向量之和、所述尾部向量之和、以及所述预设阈值,从所述N个待选阈值中确定所述特定阈值,包括:
将所述头部向量之和除以目标权重,得到目标头部向量,所述目标权重,等于所述预设阈值除以第一差值,所述第一差值为1减去所述预设阈值得到的差值;
计算所述尾部向量之和和所述目标头部向量的第二差值向量;
将所述第二差值向量中绝对值最小的元素所对应的待选阈值所对应的所述指标值,确定为所述特定阈值。
可选的,基于所述头部向量之和、所述尾部向量之和、以及所述预设阈值,从所述N个待选阈值中确定所述特定阈值,包括:
计算所述头部向量之和和所述尾部向量之和的和,得到目标向量;
计算所述头部向量之和与所述目标向量的比值,得到比值向量;
将所述比值向量中、元素值与所述预设阈值最接近的元素所对应的待选阈值所对应的所述指标值,确定为所述特定阈值。
第二方面,本申请实施例提供了一种数据处理装置,所述装置包括:
获取单元,用于获取针对目标内容的多个投票样本;
筛选单元,用于基于所述多个投票样本分别对应的目标指标的指标值,对所述多个投票样本进行筛选,得到针对所述目标内容的有效样本,其中,所述有效样本中各个投票样本对应的所述指标值大于或者等于特定阈值、并且第一指标和值与第二指标和值的比值大于或者等于预设阈值,其中,所述第一指标和值为所述有效样本中所有样本对应的所述指标值的和,所述第二指标和值为所述多个投票样本中所有样本对应的所述指标值的和;
确定单元,用于基于所述有效样本,确定所述目标内容针对所述目标指标的投放效果。
可选的,所述特定阈值,基于如下方式确定:
获取预先确定的N个待选阈值,所述N个待选阈值均大于0且小于1,N为大于1的整数;
确定所述N个待选阈值中各个待选阈值分别对应的所述目标指标的指标值;
基于所述各个待选阈值分别对应的所述目标指标的指标值、以及所述多个投票样本分别对应的目标指标的指标值,从所述N个待选阈值中确定所述特定阈值。
可选的,所述基于所述各个待选阈值分别对应的所述目标指标的指标值、以及所述多个投票样本分别对应的目标指标的指标值,从所述N个待选阈值中确定所述特定阈值,包括:
基于所述各个待选阈值分别对应的所述目标指标的指标值、以及所述多个投票样本分别对应的目标指标的指标值,确定所述多个投票样本中每个样本分别对应的头部向量和尾部向量,所述多个投票样本中的第一样本的头部向量,用于指示当所述特定阈值的取值为所述N个待选阈值分别对应的所述目标指标的指标值时,所述第一样本作为有效样本所贡献的所述指标值,所述第一样本的尾部向量,用于指示当所述特定阈值的取值为所述N个待选阈值分别对应的所述目标指标的指标值时,所述第一样本作为无效样本所贡献的所述指标值;
确定所述多个投票样本的头部向量之和、以及所述多个投票样本的尾部向量之和;
基于所述头部向量之和、所述尾部向量之和、以及所述预设阈值,从所述N个待选阈值中确定所述特定阈值。
可选的,所述第一样本的头部向量,为N维向量,所述第一样本的头部向量中的第i个元素,通过如下方式确定:
若所述第一样本对应的所述指标值,大于或者等于所述N个待选阈值中第i个待选阈值对应的所述指标值,则所述第一样本的头部向量中的第i个元素的值为所述第一样本对应的所述指标值,若所述第一样本对应的所述指标值,小于所述N个待选阈值中第i个待选阈值对应的所述指标值,则所述第一样本的头部向量中的第i个元素的值为0,其中,i为大于等于1或者小于等于N的整数。
可选的,所述第一样本的尾部向量,为N维向量,所述第一样本的尾部向量中的第i个元素,通过如下方式确定:
若所述第一样本对应的所述指标值,小于所述N个待选阈值中第i个待选阈值对应的所述指标值,则所述第一样本的尾部向量中的第i个元素的值为所述第一样本对应的所述指标值,若所述第一样本对应的所述指标值,大于或者等于所述N个待选阈值中第i个待选阈值对应的所述指标值,则所述第一样本的尾部向量中的第i个元素的值为0,其中,i为大于等于1或者小于等于N的整数。
可选的,所述基于所述头部向量之和、所述尾部向量之和、以及所述预设阈值,从所述N个待选阈值中确定所述特定阈值,包括:
将所述尾部向量之和与目标权重相乘,得到目标尾部向量,所述目标权重,等于所述预设阈值除以第一差值,所述第一差值为1减去所述预设阈值得到的差值;
计算所述头部向量之和和所述目标尾部向量的第一差值向量;
将所述第一差值向量中绝对值最小的元素所对应的待选阈值所对应的所述指标值,确定为所述特定阈值。
可选的,所述基于所述头部向量之和、所述尾部向量之和、以及所述预设阈值,从所述N个待选阈值中确定所述特定阈值,包括:
将所述头部向量之和除以目标权重,得到目标头部向量,所述目标权重,等于所述预设阈值除以第一差值,所述第一差值为1减去所述预设阈值得到的差值;
计算所述尾部向量之和和所述目标头部向量的第二差值向量;
将所述第二差值向量中绝对值最小的元素所对应的待选阈值所对应的所述指标值,确定为所述特定阈值。
可选的,基于所述头部向量之和、所述尾部向量之和、以及所述预设阈值,从所述N个待选阈值中确定所述特定阈值,包括:
计算所述头部向量之和和所述尾部向量之和的和,得到目标向量;
计算所述头部向量之和与所述目标向量的比值,得到比值向量;
将所述比值向量中、元素值与所述预设阈值最接近的元素所对应的待选阈值所对应的所述指标值,确定为所述特定阈值。
第三方面,本申请实施例提供了一种设备,所述设备包括处理器和存储器;
所述处理器用于执行所述存储器中存储的指令,以使得所述设备执行如以上第一方面中任一项所述的方法。
第四方面,本申请实施例提供了一种计算机可读存储介质,包括指令,所述指令指示设备执行如以上第一方面中任一项所述的方法。
第五方面,本申请实施例提供了一种计算机程序产品,当所述计算机程序产品在计算机上运行时,使得计算机执行以上第一方面任一项所述的方法。
与现有技术相比,本申请实施例具有以下优点:
本申请实施例提供了一种数据处理方法,在一个示例中,可以获取针对目标内容的多个投票样本。在本申请实施例中,在基于投票样本确定目标内容针对目标指标的投放效果时,为了避免对应目标指标的指标值较小的投票样本较多而影响投票结果,在本申请实施例中,可以将对应目标指标的指标值较小的样本确定为无效样本。具体地,可以基于所述多个投票样本分别对应的目标指标的指标值,对所述多个投票样本进行筛选,得到针对所述目标内容的有效样本。而后,基于所述有效样本,确定所述目标内容针对所述目标指标的投放效果。其中,所述有效样本中各个投票样本对应的所述指标值大于特定阈值、并且第一指标和值与第二指标和值的比值大于或者等于预设阈值,其中,所述第一指标和值为所述有效样本中所有样本对应的所述指标值的和,所述第二指标和值为所述多个投票样本中所有样本对应的所述指标值的和。采用本方案,即使对应目标指标的指标值较小的投票样本较多,也可以将这些投票样本确定为无效样本,相应的,无效样本不参与确定所述目标内容针对所述目标指标的投放效果。从而避免采用投票样本数来确定目标指标的投放效果时,所确定的结果与所述目标指标的实际效果不符。因此,采用本方案,能够更加准确的确定目标内容针对目标指标的投放效果。
附图说明
为了更清楚地说明本申请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地介绍,显而易见地,下面描述中的附图仅仅是本申请中记载的一些实施例,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为本申请实施例提供的一种数据处理方法的流程示意图;
图2为本申请实施例提供的一种确定特定阈值的方法的流程示意图;
图3为本申请实施例提供的又一种确定特定阈值的方法的流程示意图;
图4为本申请实施例提供的一种数据处理装置的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案,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,所描述的实施例仅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。
本申请的发明人经过研究发现,目前,采用投票方式确定内容的投放效果的准确度不高,这是因为对内容的投放效果进行评估时,往往是针对某一个或者某几个指标进行评估。而对于某一指标而言,其投放效果主要是体现在该指标的指标值。而投票结果可能与指标值对应的结果不符。在一个示例中,当对应指标值较小的投票样本的数量较多时,虽然投票数量较多,但是对应该指标的指标值却不一定很高。举例说明:该指标为收入。对于内容A和内容B而言,内容A对应的投票数量为1w,内容B对应的投票数量为7000,但是,给内容A投票的用户所带来的收入却小于给内容B投票的用户所带来的收入。出现这种现象的其中原因之一在于:给内容A投票的用户中,大部分用户带来的收入都非常小。因此,从收入这个指标维度来讲,内容B的投放效果更佳,但是,从投票结果来讲,内容A得到的票数更多。因此,采用投票方式确定内容的投放效果的准确度并不高。为了解决上述问题,本申请实施例提供了一种数据处理方法及装置。
下面结合附图,详细说明本申请的各种非限制性实施方式。
示例性方法
参见图1,该图为本申请实施例提供的一种数据处理方法的流程示意图。本申请实施例提供的方法,可以由服务端执行,也可以由客户端执行,本申请实施例不做具体限定。
在本实施例中,所述方法例如可以包括以下步骤S101-S103。
S101:获取针对目标内容的多个投票样本。
本申请实施例中提及的目标内容,可以是多媒体内容,例如,所述目标内容为广告。
本申请实施例中提及的针对目标内容的投票样本,可以是与目标内容存在交互的行为。其中,与目标内容存在交互,包括但不限于浏览、点赞、收藏、评论、点击或者购买所述目标内容。
S102:基于所述多个投票样本分别对应的目标指标的指标值,对所述多个投票样本进行筛选,得到针对所述目标内容的有效样本,其中,所述有效样本中各个投票样本对应的所述指标值大于特定阈值、并且第一指标和值与第二指标和值的比值大于或者等于预设阈值,其中,所述第一指标和值为所述有效样本中所有样本对应的所述指标值的和,所述第二指标和值为所述多个投票样本中所有样本对应的所述指标值的和。
本申请实施例不具体限定所述目标指标,所述目标指标可以是任意一个维度的投放效果评估指标。例如,所述目标指标可以是上文提及的收入。
为了避免对应所述目标指标的指标值较小的投票样本数量较多而影响投票结果,在本申请实施例中,可以对所述多个投票样本进行筛选,具体地,将对应所述指标值较小、且对应的所述指标值的和值在一定范围内的投票样本确定为无效样本,将所述多个投票样本中除所述无效样本之外的其它样本确定为有效样本,进一步地,利用除所述有效样本来确定目标内容针对所述目标指标的投放效果。
在本申请实施例中,可以基于特定阈值和预设阈值来确定所述多个投票样本中的有效样本。具体地:
所述有效样本中各个投票样本对应的所述指标值大于或者等于特定阈值,即:所述有效样本对应的所述指标值相对较大。并且,第一指标和值与第二指标和值的比值大于或者等于预设阈值,其中,所述第一指标和值为所述有效样本中所有样本对应的所述指标值的和,所述第二指标和值为所述多个投票样本中所有样本对应的所述指标值的和。即:有效样本对应所述指标值的和,占所有样本对应的所述指标值的和的比值大于或者等于所述预设阈值。
此处提及的预设阈值,可以是预先设置的,例如,所述预设阈值可以是0.8,又如,所述预设阈值可以是0.5,再如,所述预设阈值可以是0.9。
关于所述特定阈值,其可以是基于所述预设阈值确定的,例如,其可以是基于所述预设阈值精确计算得到的,又如,其可以是基于所述预设阈值估算得到的。
在一个示例中,可以计算所述第二指标和值,并对所述多个投票样本对应的所述指标值由大到小进行排序,而后,计算排序之后的前i个所述指标值的和,i的值从1开始逐一递增,直至前i(例如i=a时)个所述指标值的和与前述第二指标和值的比值大于或者等于所述预设阈值,此时,将所述第a个所述指标值确定为所述特定阈值。
但是,采用上述方式,需要对所述多个投票样本对应的所述指标值由大到小进行排序,而当投票样本数量较多时,排序会带来较多的资源消耗。
为了减少确定所述特定阈值所消耗的资源,在又一个示例中,可以通过图2所示的S201-S203,确定所述特定阈值。图2为本申请实施例提供的一种确定特定阈值的方法的流程示意图。
S201:获取预先确定的N个待选阈值,所述N个待选阈值均大于0且小于1,N为大于1的整数。
本申请实施例不具体限定所述N的取值,N的取值可以根据实际情况确定。例如,所述N的值可以为3,又如,所述N的值可以为5,等等,此处不一一列举说明。
关于所述N个待选阈值的具体取值,本申请实施例不做具体限定,所述N个待选阈值,例如可以是相关人员基于相关经验确定。换言之,在一个示例中,S201在具体实现时,可以获取用户输入的所述N个待选阈值。
S202:确定所述N个待选阈值中各个待选阈值分别对应的所述目标指标的指标值。
确定所述待选阈值之后,可以将所述N个待选阈值作为分位数,确定所述各个待选阈值分别对应所述目标指标的指标值。
关于分位数,需要说明的是:对样本按值的大小降序排列,p%分位数表示在前p%的样本,比如一共100个样本,95分位数即降序排列前95个样本。
即:对于所述N个待选阈值中的第一待选阈值而言,对所述多个投票样本的所述指标值降序排列,得到前(第一待选阈值%)的指标值,该前(第一待选阈值%)的指标值的最后一个指标值,即为所述第一待选阈值对应的所述指标值。
在本申请实施例中,可以使用hive的分位数函数approx_percentile,得到所述N个待选阈值中各个待选阈值分别对应的所述目标指标的指标值。
S203:基于所述各个待选阈值分别对应的所述目标指标的指标值、以及所述多个投票样本分别对应的目标指标的指标值,从所述N个待选阈值中确定所述特定阈值。
S203在具体实现时,可以有多种实现方式,以下介绍两种可能的实现方式。
第一种实现方式:
对所述多个待选阈值中的任意一个待选阈值,计算所述多个投票样本中、所述指标值大于该待选阈值对应的所述指标值的指标值的和值,并计算该和值与前述第二指标和值的比值。以第一待选阈值为例,计算所述多个投票样本中、所述指标值大于所述第一待选阈值对应的所述指标值的指标值的和值(即为sum1)。而后,计算所述sum1和前述第二指标和值的比值,得到第一比值。而后,将所述各个待选阈值分别对应的比值与所述预设阈值进行比较,确定所述各个待选阈值分别对应的比值中、与所述预设阈值最接近的比值,并将该最接近的比值对应的待选阈值所对应的所述指标值,确定为所述特定阈值。举例说明:
包括3个待选阈值,待选阈值1的值为0.9,待选阈值2的值为0.8,待选阈值3的值为0.7,待选阈值1对应的所述指标值为10,待选阈值2对应的所述指标值为5,待选阈值3对应的所述指标值3,多个投票样本中所述指标值大于10的指标值的和与第二指标和值的比值为0.6,多个投票样本中所述指标值大于10的指标值的和与第二指标和值的比值为0.8,多个投票样本中所述指标值大于10的指标值的和与第二指标和值的比值为0.85。而所述预设阈值为0.8,则可以确定所述特定阈值为所述待选阈值2对应的所述指标值,即所述特定阈值为5。
第二种实现方式:
可以通过图3所示的S301-S303,实现S203。图3为本申请实施例提供的又一种确定特定阈值的方法的流程示意图。
S301:基于所述各个待选阈值分别对应的所述目标指标的指标值、以及所述多个投票样本分别对应的目标指标的指标值,确定所述多个投票样本中每个样本分别对应的头部向量和尾部向量。
其中:
所述多个投票样本中的第一样本的头部向量,用于指示当所述特定阈值的取值为所述N个待选阈值分别对应的所述目标指标的指标值时,所述第一样本作为有效样本所贡献的所述指标值,所述第一样本的尾部向量,用于指示当所述特定阈值的取值为所述N个待选阈值分别对应的所述目标指标的指标值时,所述第一样本作为无效样本所贡献的所述指标值。
本申请实施例中的第一样本,为所述多个投票样本中的任意一个样本。
在本申请实施例中,所述第一样本的头部向量,为N维向量,换言之,所述第一样本的头部向量包括N个元素,一个元素对应一个待选阈值。具体地,所述第一样本的头部向量中的第i个元素,用于指示当所述特定阈值为第i个待选阈值对应的所述指标值时,所述第一样本作为有效样本所贡献的所述指标值。在一个示例中,若所述第一样本对应的所述指标值,大于或者等于所述第i个待选阈值对应的所述指标值,则说明所述第一样本为有效样本,此时,所述第一样本对应的头部向量中的第i个元素的值为所述第一样本对应的所述指标值。若所述第一样本对应的所述指标值,小于所述第i个待选阈值对应的所述指标值,则说明所述第一样本为无效样本,此时,所述第一样本对应的头部向量中的第i个元素的值为0。
在本申请实施例中,所述第一样本的尾部向量,为N维向量,换言之,所述第一样本的尾部向量包括N个元素,一个元素对应一个待选阈值。具体地,所述第一样本的尾部向量中的第i个元素,用于指示当所述特定阈值为第i个待选阈值对应的所述指标值时,所述第一样本作为无效样本所贡献的所述指标值。在一个示例中,若所述第一样本对应的所述指标值,小于所述第i个待选阈值对应的所述指标值,则说明所述第一样本为无效样本,此时,所述第一样本对应的尾部向量中的第i个元素的值为所述第一样本对应的所述指标值。若所述第一样本对应的所述指标值,大于或者等于所述第i个待选阈值对应的所述指标值,则说明所述第一样本为有效样本,此时,所述第一样本对应的尾部向量中的第i个元素的值为0。
S302:确定所述多个投票样本的头部向量之和、以及所述多个投票样本的尾部向量之和。
将所述多个投票样本的头部向量相加,即可得到所述头部向量之和,将所述多个投票样本的尾部向量相加,即可得到所述尾部向量之和。
不难理解的是,所述头部向量之和也为N维向量,所述头部向量之和中的第i个元素,用于指示所述多个投票样本对应的所述指标值中、值大于或者等于所述第i个待选阈值对应的所述指标值的指标值的和;相应的,所述尾部向量之和也为N维向量,所述尾部向量之和中的第i个元素,用于指示所述多个投票样本对应的所述指标值中、值小于所述第i个待选阈值对应的所述指标值的指标值的和。
S303:基于所述头部向量之和、所述尾部向量之和、以及所述预设阈值,从所述N个待选阈值中确定所述特定阈值。
S303在具体实现时,可以有多种实现方式,接下来介绍几种可能的实现方式。
不难理解的是,若所述预设阈值为0.5,则对于特定阈值而言,基于所述特定阈值计算得到的有效样本对应的所述指标值之和、与基于所述特定阈值计算得到的无效样本对应的所述指标值之和接近。即:对于所述头部向量之和和所述尾部向量之和而言,对应元素值比较接近的待选阈值所对应的所述指标值,可以作为所述特定阈值。
换言之,当预设阈值为p时,基于所述特定阈值计算得到的有效样本对应的所述指标值之和、与基于所述特定阈值计算得到的无效样本对应的所述指标值之和之间满足一定的数量关系。为方便描述,将“基于所述特定阈值计算得到的有效样本对应的所述指标值之和的值”称为sum2,将“基于所述特定阈值计算得到的无效样本对应的所述指标值之和”称为sum3,则sum2的值与k*sum3接近,或者说,sum3的值与sum2/k接近,k=p/(1-p)。因此,对于所述头部向量之和sum-head和所述尾部向量之和sum-tail而言,若sum-head中的第i个元素sum-head[i]与k*sum-tail[i]的值比较接近,则可以将第i个待选阈值所对应的所述指标值,确定为所述特定阈值。或者,若sum-head中的第i个元素sum-head[i]/k与sum-tail[i]的值比较接近,则可以将第i个待选阈值所对应的所述指标值,确定为所述特定阈值。
因此,在一个示例中,可以通过如下步骤A1-A3,从所述N个待选阈值中确定所述特定阈值。
A1:将所述尾部向量之和与目标权重相乘,得到目标尾部向量,所述目标权重,等于所述预设阈值除以第一差值,所述第一差值为1减去所述预设阈值得到的差值。
A2:计算所述头部向量之和和所述目标尾部向量的第一差值向量。
A3:将所述第一差值向量中绝对值最小的元素所对应的待选阈值所对应的所述指标值,确定为所述特定阈值。
在又一个示例中,可以通过如下步骤B1-B3,从所述N个待选阈值中确定所述特定阈值。
B1:将所述头部向量之和除以目标权重,得到目标头部向量,所述目标权重,等于所述预设阈值除以第一差值,所述第一差值为1减去所述预设阈值得到的差值。
B2:计算所述尾部向量之和和所述目标头部向量的第二差值向量。
B3:将所述第二差值向量中绝对值最小的元素所对应的待选阈值所对应的所述指标值,确定为所述特定阈值。
另外,考虑到对于特定阈值而言,基于所述特定阈值计算得到的有效样本对应的所述指标值之和与所述多个投票样本对应的所述指标值之和(即前述第二指标和值)的比值大于或者等于所述预设阈值,而所述多个投票样本对应的所述指标值之和,等于有效样本对应的指标值之和与无效样本对应的指标值之和。因此,对于所述头部向量之和和所述尾部向量之和而言,若头部向量之和/(头部向量之和+尾部向量之和)得到的比值向量中,元素值与所述预设阈值比较接近的元素对应的待选阈值所对应的所述指标值,可以作为所述特定阈值。因此,在又一个示例中,可以通过如下步骤C1-C3,从所述N个待选阈值中确定所述特定阈值。
C1:计算所述头部向量之和和所述尾部向量之和的和,得到目标向量。
C2:计算所述头部向量之和与所述目标向量的比值,得到比值向量。C3:将所述比值向量中、元素值与所述预设阈值最接近的元素所对应的待选阈值所对应的所述指标值,确定为所述特定阈值。
关于所述特定阈值的确定方式,现结合下表1举例说明。
表1
则:假设预设阈值p=0.5,则:
k=2.3;
尾部向量之和*2.3=(23,9.2,0);
尾部向量之和*2.3-头部向量之和=(23,3.2,10);
将(23,3.2,10)中元素值最小的元素3.2对应的待选阈值(0.8)所对应的指标值5,确定为所述特定阈值。
S103:基于所述有效样本,确定所述目标内容针对所述目标指标的投放效果。
确定所述有效样本之后,由于所述有效样本的数量,在一定程度上能够表征所述目标内容针对所述目标指标的投放效果,因此,可以基于所述有效样本的数量,确定所述目标内容针对所述目标指标的投放效果。举例说明:内容A(目标内容)的有效样本的数量为6000,内容B的有效样本的数量为5000,则比较内容A的有效样本的数量以及内容B的有效样本的数量,可以确定内容A容针对所述目标指标的投放效果、优于内容B针对所述目标指标的投放效果。又如,内容A(目标内容)的有效样本的数量为6000,大于预设的数量阈值(例如5000),则确定所述内容A容针对所述目标指标的投放效果较好。
采用本方案,即使对应目标指标的指标值较小的投票样本较多,也可以将这些投票样本确定为无效样本,相应的,无效样本不参与确定所述目标内容针对所述目标指标的投放效果。从而避免采用投票样本数来确定目标指标的投放效果时,所确定的结果与所述目标指标的实际效果不符。因此,采用本方案,能够更加准确的确定目标内容针对目标指标的投放效果。
示例性设备
基于以上实施例提供的方法,本申请实施例还提供了一种装置,以下结合附图介绍该装置。
参见图4,该图为本申请实施例提供的一种数据处理装置的结构示意图。图4所示的数据处理装置400例如可以具体包括:获取单元401、筛选单元402和确定单元403。
获取单元401,用于获取针对目标内容的多个投票样本;
筛选单元402,用于基于所述多个投票样本分别对应的目标指标的指标值,对所述多个投票样本进行筛选,得到针对所述目标内容的有效样本,其中,所述有效样本中各个投票样本对应的所述指标值大于或者等于特定阈值、并且第一指标和值与第二指标和值的比值大于或者等于预设阈值,其中,所述第一指标和值为所述有效样本中所有样本对应的所述指标值的和,所述第二指标和值为所述多个投票样本中所有样本对应的所述指标值的和;
确定单元403,用于基于所述有效样本,确定所述目标内容针对所述目标指标的投放效果。
可选的,所述特定阈值,基于如下方式确定:
获取预先确定的N个待选阈值,所述N个待选阈值均大于0且小于1,N为大于1的整数;
确定所述N个待选阈值中各个待选阈值分别对应的所述目标指标的指标值;
基于所述各个待选阈值分别对应的所述目标指标的指标值、以及所述多个投票样本分别对应的目标指标的指标值,从所述N个待选阈值中确定所述特定阈值。
可选的,所述基于所述各个待选阈值分别对应的所述目标指标的指标值、以及所述多个投票样本分别对应的目标指标的指标值,从所述N个待选阈值中确定所述特定阈值,包括:
基于所述各个待选阈值分别对应的所述目标指标的指标值、以及所述多个投票样本分别对应的目标指标的指标值,确定所述多个投票样本中每个样本分别对应的头部向量和尾部向量,所述多个投票样本中的第一样本的头部向量,用于指示当所述特定阈值的取值为所述N个待选阈值分别对应的所述目标指标的指标值时,所述第一样本作为有效样本所贡献的所述指标值,所述第一样本的尾部向量,用于指示当所述特定阈值的取值为所述N个待选阈值分别对应的所述目标指标的指标值时,所述第一样本作为无效样本所贡献的所述指标值;
确定所述多个投票样本的头部向量之和、以及所述多个投票样本的尾部向量之和;
基于所述头部向量之和、所述尾部向量之和、以及所述预设阈值,从所述N个待选阈值中确定所述特定阈值。
可选的,所述第一样本的头部向量,为N维向量,所述第一样本的头部向量中的第i个元素,通过如下方式确定:
若所述第一样本对应的所述指标值,大于或者等于所述N个待选阈值中第i个待选阈值对应的所述指标值,则所述第一样本的头部向量中的第i个元素的值为所述第一样本对应的所述指标值,若所述第一样本对应的所述指标值,小于所述N个待选阈值中第i个待选阈值对应的所述指标值,则所述第一样本的头部向量中的第i个元素的值为0,其中,i为大于等于1或者小于等于N的整数。
可选的,所述第一样本的尾部向量,为N维向量,所述第一样本的尾部向量中的第i个元素,通过如下方式确定:
若所述第一样本对应的所述指标值,小于所述N个待选阈值中第i个待选阈值对应的所述指标值,则所述第一样本的尾部向量中的第i个元素的值为所述第一样本对应的所述指标值,若所述第一样本对应的所述指标值,大于或者等于所述N个待选阈值中第i个待选阈值对应的所述指标值,则所述第一样本的尾部向量中的第i个元素的值为0,其中,i为大于等于1或者小于等于N的整数。
可选的,所述基于所述头部向量之和、所述尾部向量之和、以及所述预设阈值,从所述N个待选阈值中确定所述特定阈值,包括:
将所述尾部向量之和与目标权重相乘,得到目标尾部向量,所述目标权重,等于所述预设阈值除以第一差值,所述第一差值为1减去所述预设阈值得到的差值;
计算所述头部向量之和和所述目标尾部向量的第一差值向量;
将所述第一差值向量中绝对值最小的元素所对应的待选阈值所对应的所述指标值,确定为所述特定阈值。
可选的,所述基于所述头部向量之和、所述尾部向量之和、以及所述预设阈值,从所述N个待选阈值中确定所述特定阈值,包括:
将所述头部向量之和除以目标权重,得到目标头部向量,所述目标权重,等于所述预设阈值除以第一差值,所述第一差值为1减去所述预设阈值得到的差值;
计算所述尾部向量之和和所述目标头部向量的第二差值向量;
将所述第二差值向量中绝对值最小的元素所对应的待选阈值所对应的所述指标值,确定为所述特定阈值。
可选的,基于所述头部向量之和、所述尾部向量之和、以及所述预设阈值,从所述N个待选阈值中确定所述特定阈值,包括:
计算所述头部向量之和和所述尾部向量之和的和,得到目标向量;
计算所述头部向量之和与所述目标向量的比值,得到比值向量;
将所述比值向量中、元素值与所述预设阈值最接近的元素所对应的待选阈值所对应的所述指标值,确定为所述特定阈值。
由于所述装置400是与以上方法实施例提供的方法对应的装置,所述装置400的各个单元的具体实现,均与以上方法实施例为同一构思,因此,关于所述装置400的各个单元的具体实现,可以参考以上方法实施例的描述部分,此处不再赘述。
本申请实施例还提供了一种设备,所述设备包括处理器和存储器;
所述处理器用于执行所述存储器中存储的指令,以使得所述设备执行以上方法实施例提供的数据处理方法。
本申请实施例提供了一种计算机可读存储介质,包括指令,所述指令指示设备执行以上方法实施例提供的数据处理方法。
本申请实施例还提供了一种计算机程序产品,当所述计算机程序产品在计算机上运行时,使得计算机执行以上方法实施例提供的数据处理方法。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本申请的其它实施方案。本申请旨在涵盖本申请的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本申请的真正范围和精神由下面的权利要求指出。
应当理解的是,本申请并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本申请的范围仅由所附的权利要求来限制。
以上所述仅为本申请的较佳实施例,并不用以限制本申请,凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (11)
1.一种数据处理方法,其特征在于,所述方法包括:
获取针对目标内容的多个投票样本;
基于所述多个投票样本分别对应的目标指标的指标值,对所述多个投票样本进行筛选,得到针对所述目标内容的有效样本,其中,所述有效样本中各个投票样本对应的所述指标值大于或者等于特定阈值、并且第一指标和值与第二指标和值的比值大于或者等于预设阈值,其中,所述第一指标和值为所述有效样本中所有样本对应的所述指标值的和,所述第二指标和值为所述多个投票样本中所有样本对应的所述指标值的和;
基于所述有效样本,确定所述目标内容针对所述目标指标的投放效果。
2.根据权利要求1所述的方法,其特征在于,所述特定阈值,基于如下方式确定:
获取预先确定的N个待选阈值,所述N个待选阈值均大于0且小于1,N为大于1的整数;
确定所述N个待选阈值中各个待选阈值分别对应的所述目标指标的指标值;
基于所述各个待选阈值分别对应的所述目标指标的指标值、以及所述多个投票样本分别对应的目标指标的指标值,从所述N个待选阈值中确定所述特定阈值。
3.根据权利要求2所述的方法,其特征在于,所述基于所述各个待选阈值分别对应的所述目标指标的指标值、以及所述多个投票样本分别对应的目标指标的指标值,从所述N个待选阈值中确定所述特定阈值,包括:
基于所述各个待选阈值分别对应的所述目标指标的指标值、以及所述多个投票样本分别对应的目标指标的指标值,确定所述多个投票样本中每个样本分别对应的头部向量和尾部向量,所述多个投票样本中的第一样本的头部向量,用于指示当所述特定阈值的取值为所述N个待选阈值分别对应的所述目标指标的指标值时,所述第一样本作为有效样本所贡献的所述指标值,所述第一样本的尾部向量,用于指示当所述特定阈值的取值为所述N个待选阈值分别对应的所述目标指标的指标值时,所述第一样本作为无效样本所贡献的所述指标值;
确定所述多个投票样本的头部向量之和、以及所述多个投票样本的尾部向量之和;
基于所述头部向量之和、所述尾部向量之和、以及所述预设阈值,从所述N个待选阈值中确定所述特定阈值。
4.根据权利要求3所述的方法,其特征在于,所述第一样本的头部向量,为N维向量,所述第一样本的头部向量中的第i个元素,通过如下方式确定:
若所述第一样本对应的所述指标值,大于或者等于所述N个待选阈值中第i个待选阈值对应的所述指标值,则所述第一样本的头部向量中的第i个元素的值为所述第一样本对应的所述指标值,若所述第一样本对应的所述指标值,小于所述N个待选阈值中第i个待选阈值对应的所述指标值,则所述第一样本的头部向量中的第i个元素的值为0,其中,i为大于等于1或者小于等于N的整数。
5.根据权利要求3所述的方法,其特征在于,所述第一样本的尾部向量,为N维向量,所述第一样本的尾部向量中的第i个元素,通过如下方式确定:
若所述第一样本对应的所述指标值,小于所述N个待选阈值中第i个待选阈值对应的所述指标值,则所述第一样本的尾部向量中的第i个元素的值为所述第一样本对应的所述指标值,若所述第一样本对应的所述指标值,大于或者等于所述N个待选阈值中第i个待选阈值对应的所述指标值,则所述第一样本的尾部向量中的第i个元素的值为0,其中,i为大于等于1或者小于等于N的整数。
6.根据权利要求3所述的方法,其特征在于,所述基于所述头部向量之和、所述尾部向量之和、以及所述预设阈值,从所述N个待选阈值中确定所述特定阈值,包括:
将所述尾部向量之和与目标权重相乘,得到目标尾部向量,所述目标权重,等于所述预设阈值除以第一差值,所述第一差值为1减去所述预设阈值得到的差值;
计算所述头部向量之和和所述目标尾部向量的第一差值向量;
将所述第一差值向量中绝对值最小的元素所对应的待选阈值所对应的所述指标值,确定为所述特定阈值。
7.根据权利要求3所述的方法,其特征在于,所述基于所述头部向量之和、所述尾部向量之和、以及所述预设阈值,从所述N个待选阈值中确定所述特定阈值,包括:
将所述头部向量之和除以目标权重,得到目标头部向量,所述目标权重,等于所述预设阈值除以第一差值,所述第一差值为1减去所述预设阈值得到的差值;
计算所述尾部向量之和和所述目标头部向量的第二差值向量;
将所述第二差值向量中绝对值最小的元素所对应的待选阈值所对应的所述指标值,确定为所述特定阈值。
8.根据权利要求3所述的方法,其特征在于,基于所述头部向量之和、所述尾部向量之和、以及所述预设阈值,从所述N个待选阈值中确定所述特定阈值,包括:
计算所述头部向量之和和所述尾部向量之和的和,得到目标向量;
计算所述头部向量之和与所述目标向量的比值,得到比值向量;
将所述比值向量中、元素值与所述预设阈值最接近的元素所对应的待选阈值所对应的所述指标值,确定为所述特定阈值。
9.一种数据处理装置,其特征在于,所述装置包括:
获取单元,用于获取针对目标内容的多个投票样本;
筛选单元,用于基于所述多个投票样本分别对应的目标指标的指标值,对所述多个投票样本进行筛选,得到针对所述目标内容的有效样本,其中,所述有效样本中各个投票样本对应的所述指标值大于或者等于特定阈值、并且第一指标和值与第二指标和值的比值大于或者等于预设阈值,其中,所述第一指标和值为所述有效样本中所有样本对应的所述指标值的和,所述第二指标和值为所述多个投票样本中所有样本对应的所述指标值的和;
确定单元,用于基于所述有效样本,确定所述目标内容针对所述目标指标的投放效果。
10.一种设备,其特征在于,所述设备包括处理器和存储器;
所述处理器用于执行所述存储器中存储的指令,以使得所述设备执行如权利要求1至8中任一项所述的方法。
11.一种计算机可读存储介质,其特征在于,包括指令,所述指令指示设备执行如权利要求1至8中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210648656.9A CN114881709B (zh) | 2022-06-09 | 2022-06-09 | 一种数据处理方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210648656.9A CN114881709B (zh) | 2022-06-09 | 2022-06-09 | 一种数据处理方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114881709A CN114881709A (zh) | 2022-08-09 |
CN114881709B true CN114881709B (zh) | 2024-06-14 |
Family
ID=82681623
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210648656.9A Active CN114881709B (zh) | 2022-06-09 | 2022-06-09 | 一种数据处理方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114881709B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104933591A (zh) * | 2014-03-17 | 2015-09-23 | 北京学之途网络科技有限公司 | 一种基于实时数据实现广告投放的方法及装置 |
CN107330060A (zh) * | 2017-06-29 | 2017-11-07 | 国信优易数据有限公司 | 一种数据处理方法及设备 |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018237209A1 (en) * | 2017-06-21 | 2018-12-27 | Bluedot Llc | SYSTEMS AND METHODS FOR IDENTIFICATION OF NUCLEIC ACIDS IN A SAMPLE |
CN109064020A (zh) * | 2018-08-02 | 2018-12-21 | 中邮建技术有限公司 | 一种节能评价方法和装置 |
CN109635850A (zh) * | 2018-11-23 | 2019-04-16 | 杭州健培科技有限公司 | 一种基于生成对抗网络优化医学图像分类性能的方法 |
CN111277451B (zh) * | 2018-12-05 | 2021-10-15 | ***通信集团北京有限公司 | 一种业务评估方法、装置、终端设备和介质 |
CN109815403A (zh) * | 2019-01-29 | 2019-05-28 | 北京奇艺世纪科技有限公司 | 一种样本筛选方法及装置 |
CN112749035B (zh) * | 2019-10-31 | 2024-06-11 | 阿里巴巴集团控股有限公司 | 异常检测方法、装置及计算机可读介质 |
CN110888552B (zh) * | 2019-11-27 | 2023-07-07 | 深圳市康冠商用科技有限公司 | 一种红外触摸屏画线处理方法及装置 |
CN111091276A (zh) * | 2019-12-04 | 2020-05-01 | 苏宁金融科技(南京)有限公司 | 企业风险评分方法、装置、计算机设备和存储介质 |
CN111144957B (zh) * | 2020-04-07 | 2021-03-19 | 腾讯科技(深圳)有限公司 | 信息投放方法、装置、服务器及存储介质 |
CN111859056B (zh) * | 2020-07-31 | 2023-08-29 | 中国工商银行股份有限公司 | 数据处理方法、装置、电子设备和介质 |
CN112200215B (zh) * | 2020-08-24 | 2023-11-14 | 深圳市欢太科技有限公司 | 标签特征提取方法、装置、存储介质与电子设备 |
CN114219208A (zh) * | 2021-11-10 | 2022-03-22 | 中国建设银行股份有限公司 | 小微企业的授信处理方法、装置及电子设备 |
-
2022
- 2022-06-09 CN CN202210648656.9A patent/CN114881709B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104933591A (zh) * | 2014-03-17 | 2015-09-23 | 北京学之途网络科技有限公司 | 一种基于实时数据实现广告投放的方法及装置 |
CN107330060A (zh) * | 2017-06-29 | 2017-11-07 | 国信优易数据有限公司 | 一种数据处理方法及设备 |
Also Published As
Publication number | Publication date |
---|---|
CN114881709A (zh) | 2022-08-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105678587B (zh) | 一种推荐特征确定方法、信息推荐方法及装置 | |
EP4198775A1 (en) | Abnormal user auditing method and apparatus, electronic device, and storage medium | |
CN109299356B (zh) | 基于大数据的活动推荐方法、装置、电子设备及存储介质 | |
CN110334356A (zh) | 文章质量的确定方法、文章筛选方法、以及相应的装置 | |
CN111144941A (zh) | 商户评分的生成方法、装置、设备及可读存储介质 | |
CN111061979A (zh) | 一种用户标签的推送方法、装置、电子设备和介质 | |
CN109558544A (zh) | 排序方法及装置、服务器和存储介质 | |
CN110599240A (zh) | 应用的偏好值确定方法、装置和设备及存储介质 | |
CN113407854A (zh) | 一种应用推荐方法、装置、设备及计算机可读存储介质 | |
CN111291567B (zh) | 人工标注质量的评估方法、装置、电子设备及存储介质 | |
CN108932658B (zh) | 数据处理方法、装置和计算机可读存储介质 | |
CN114881709B (zh) | 一种数据处理方法及装置 | |
CN109460778B (zh) | 活动评估方法、装置、电子设备及存储介质 | |
CN109472455B (zh) | 活动评估方法、装置、电子设备及存储介质 | |
CN109376307B (zh) | 文章推荐方法、装置和终端 | |
CN111325228B (zh) | 一种模型训练方法及装置 | |
CN109472454B (zh) | 活动评估方法、装置、电子设备及存储介质 | |
CN110134575B (zh) | 一种服务器集群的服务能力计算方法及装置 | |
CN109885504B (zh) | 推荐***的测试方法、装置、介质及电子设备 | |
CN115705581A (zh) | 广告推荐成功率预测、广告推荐方法及装置 | |
CN110648070A (zh) | 一种企业形象的评估方法、评估装置及可读存储介质 | |
CN111125498B (zh) | 用户属性区分方法、装置、设备及计算机可读介质 | |
CN115082118A (zh) | 一种业务规则推荐方法、装置、计算机设备及介质 | |
CN115439137A (zh) | 用于分析产品功能的方法、装置及存储介质 | |
CN116051904A (zh) | 一种目标检测模型训练方法、装置、计算机设备以及介质 |
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 |