CN116089733A - 一种基于大数据的数据分析方法 - Google Patents
一种基于大数据的数据分析方法 Download PDFInfo
- Publication number
- CN116089733A CN116089733A CN202310382454.9A CN202310382454A CN116089733A CN 116089733 A CN116089733 A CN 116089733A CN 202310382454 A CN202310382454 A CN 202310382454A CN 116089733 A CN116089733 A CN 116089733A
- Authority
- CN
- China
- Prior art keywords
- service
- access
- list
- information
- same
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 71
- 238000007405 data analysis Methods 0.000 title claims abstract description 26
- 230000003068 static effect Effects 0.000 claims abstract description 30
- 238000012545 processing Methods 0.000 claims abstract description 17
- 230000008569 process Effects 0.000 claims description 43
- 238000013507 mapping Methods 0.000 claims description 29
- 238000012544 monitoring process Methods 0.000 claims description 13
- 238000012216 screening Methods 0.000 claims description 13
- 238000004458 analytical method Methods 0.000 claims description 8
- 238000006243 chemical reaction Methods 0.000 claims description 8
- 230000003111 delayed effect Effects 0.000 claims description 4
- 230000001934 delay Effects 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 3
- 230000009286 beneficial effect Effects 0.000 description 9
- 208000027418 Wounds and injury Diseases 0.000 description 7
- 230000006378 damage Effects 0.000 description 7
- 208000014674 injury Diseases 0.000 description 7
- 230000006870 function Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000019771 cognition Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 206010044565 Tremor Diseases 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000000386 athletic effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 230000004083 survival effect Effects 0.000 description 1
- 230000008719 thickening Effects 0.000 description 1
- 238000012549 training Methods 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
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- 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
- G06F16/22—Indexing; Data structures therefor; Storage structures
- G06F16/2282—Tablespace storage structures; Management thereof
-
- 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
- G06F16/957—Browsing optimisation, e.g. caching or content distillation
-
- 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
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种基于大数据的数据分析方法,包括:获取每个网络业务的业务运行信息建立运行列表;对运行列表进行列处理以及行处理,来获取业务运行展览表;确定对应网络业务的业务访问周期以及访问周期中的访问关键时间点,并构建业务访问展览表;搜集并捕捉针对网络业务的业务日志,确定得到对应网络业务的使用场景集、不同使用场景下的静态信息以及动态信息,构建业务个性展览表;基于所有网络业务的业务运行展览表、业务访问展览表以及业务个性展览表,对相应的网络业务进行同类排序,并进行输出推荐。从三个维度来分别构建对应的展览表,进而实现对同类型网络业务的输出推荐,有效满足用户对相关软件应用的体验感。
Description
技术领域
本发明涉及大数据技术领域,特别涉及一种基于大数据的数据分析方法。
背景技术
随着物联网络的迅速发展,各种网络业务随之突起,比如,短视频业务、互动直播业务、网络综艺业务、在线游戏业务等,但是由于网络业务杂乱无比,同类型的网络业务所对应的软件应用会存在若干个,由于用户对不同网络业务的认知缺乏,在下载相应的软件应用的过程中,会随机选择相关的进行下载或者是单纯根据人为认知,来对下载量高的软件应用进行下载,在此过程中,并未多方面考虑该软件应用所对应的网络业务是否具备下载价值,也就是后续下载的软件应用并不能很好的满足用户体验。
因此,本发明提出一种基于大数据的数据分析方法。
发明内容
本发明提供一种基于大数据的数据分析方法,用以从网络业务的业务运行信息、业务访问信息以及业务日志,三个维度来分别构建对应的展览表,进而实现对同类型网络业务的输出推荐,可以多方面的分析网络业务的存在价值,有效满足用户对相关软件应用的体验感。
本发明提供一种基于大数据的数据分析方法,包括:
步骤1:获取每个网络业务的业务运行信息,并建立对应网络业务的运行列表;
步骤2:对所述运行列表进行列处理以及行处理,得到相应的特征信息,并从信息-展览映射数据库中获取与所述特征信息一致的业务运行展览表;
步骤3:根据对每个网络业务的允许访问方的访问信息,确定对应网络业务的业务访问周期以及访问周期中的访问关键时间点,并构建业务访问展览表;
步骤4:搜集并捕捉针对网络业务的业务日志,并对所述业务日志进行解析,确定得到对应网络业务的使用场景集、不同使用场景下的静态信息以及动态信息,基于确定结果,构建得到对应网络业务的业务个性展览表;
步骤5:基于所有网络业务的业务运行展览表、业务访问展览表以及业务个性展览表,对相应的网络业务进行同类排序,并进行输出推荐。
优选的,获取每个网络业务的业务运行信息,并建立对应网络业务的运行列表,包括:
监测预先向每个网络业务所分配的业务任务的任务运行过程;
获取每个网络业务的业务运行脚本,并对所述业务运行脚本进行脚本解析,得到业务运行块;
对每个业务运行块的运行参数的第一描述以及第一标准进行提取;
根据提取结果,构建得到对应业务运行块的运行阵列,并构建得到对应网络业务的标准运行数组;
将过程监测结果与标准运行数组进行对应放置处理,获取得到对应网络业务的运行列表。
优选的,对所述运行列表进行列处理以及行处理,得到相应的特征信息,包括:
构建同个运行列表中每个行信息的第一差异集合;
其中,表示所述同个运行列表中第j1个行信息的第一差异集合;表示同个运行列表中第j1个行信息中的第i1个运行参数的参数转换系数;表示同个运行列表中第j1个行信息中的第i1个运行参数的实际值;表示同个运行列表中第j1个行信息中的第i1个运行参数的标准值;n1表示所述同个运行列表中第j1个行信息的第一描述的参数个数;
从对应第一差异集合中筛选满足的第一主要差异,构建第一差异序列,并从序列-特征映射表中,获取得到对应行信息的第一差异特征;
构建同个运行列表中同运行规划点下的列信息的第二差异集合;
其中,表示所述同个运行列表中第j2个同运行规划点下的列信息的第二差异集合;表示同个运行列表中第j2个同运行规划点下的列信息中的第i2个运行参数的参数转换系数;表示同个运行列表中第j2个同运行规划点下的列信息中去除延迟所对应的信息后的第i2个运行参数的实际值;表示同个运行列表中第j2个同运行规划点下的列信息中的第i2个运行参数的标准值;n2表示业务运行块的总个数,且与列信息中所包含的运行参数的个数一致;表示对任务运行过程实际监测的过程中,所对应的业务任务是否出现延迟执行,若是,=t;否则,=0;表示对的取整符号;表示同个运行列表中第j2个同运行规划点下的列信息中去除延迟所对应的信息后的第i2+1个运行参数的实际值;
从对应第二差异集合中筛选满足的第二主要差异,构建第二差异序列,并从序列-特征映射表中,获取得到对应同运行规划点下的列信息的第二差异特征;
基于所述第一差异特征以及第二差异特征,获取得到相应的特征信息。
优选的,从信息-展览映射数据库中获取与所述特征信息一致的业务运行展览表,包括:
根据同个网络业务中每个业务运行块的第一差异特征,从块类型-差异-展览映射数据库中匹配得到对应的第一展览因子;
根据同个网络业务中所有业务运行块基于同规划时间点下的第二差异特征,从所述工作条件-差异-展览映射数据库中匹配得到对应的第二展览因子;
将每个第一展览因子与第一标准因子、每个第二展览因子与第二标准因子进行比较,得到同个网络业务的业务运行展览表,其中,所述业务运行展览表包括同业务运行块的运行比较差图以及所有业务运行块在不同规划时间点下的运行比较曲线。
优选的,根据对每个网络业务的允许访问方的访问信息,确定对应网络业务的业务访问周期以及访问周期中的访问关键时间点,并构建业务访问展览表,包括:
将对应允许访问方的访问信息输入到访问分析模型中,获取得到对应允许访问方对所述网络业务的访问频次p1、对应访问时间点的主动访问有效z1以及相关网络业务的反馈有效性y1,并计算同个允许访问方在对应访问时间点下对相应网络业务的访问重要性F;
其中,pz表示所有允许访问方对同个网络业务的总访问频次;
根据访问重要性,构建同个允许访问方对不同网络业务的第一访问阵列,同时,构建同个网络业务下不同允许访问方的第二访问阵列;
基于所述第一访问阵列,计算得到同个允许访问方的用户访问权重;
基于所述第二访问阵列,计算得到同个网络业务的业务访问权重;
根据对应访问时间点下同个允许访问方主动访问所述同个网络业务后,所获取的业务反馈有效性,与所述同网络业务的业务访问权重以及用户访问权重进行对比分析,若满足时间点筛选条件,则将对应访问时间点作为访问关键时间点;
将所有访问关键时间点,构建同个网络业务的访问子表,进而构建得到业务访问展览表。
优选的,基于所述第一访问阵列,计算得到同个允许访问方的用户访问权重,包括:
其中,表示对应第一访问阵列中针对第j3个网络业务的访问重要性的个数;表示对应第一访问阵列中针对第j3个网络业务的访问重要性大于预设重要性的个数;m3表示网络业务的个数;m4表示m3个中满足的个数。
优选的,基于所述第二访问阵列,计算得到同个网络业务的业务访问权重,包括:
其中,n01表示同个网络业务的允许访问方的总个数;表示第i个允许访问方对同个网络业务的访问频次;表示第i个允许访问方第j次访问同个网络业务所对应的访问重要性;表示第i个允许访问方对同个网络业务的最大访问重要性;Y1表示同个网络业务的业务访问权重。
优选的,对所述业务日志进行解析,确定得到对应网络业务的使用场景集、不同使用场景下的静态信息以及动态信息,基于确定结果,构建得到对应网络业务的业务个性展览表,包括:
从所述业务日志中解析获取得到同个网络业务的被支配使用场景;
根据每个被支配使用场景的场景属性,确定对应被支配场景的预设动态参数以及预设静态参数,并从所述业务日志中来获取与预设动态参数一致的第一值以及与预设静态参数一致的第二值;
基于同个被支配场景的第一值以及第二值,从个性数据库中匹配得到对应的个性展示子表;
基于所有的个性展示子表,获取得到业务个性展览表;
其中,同个被支配场景下的所有第一值为动态信息,同个被支配场景下的所有第二值为静态信息。
优选的,基于所有网络业务的业务运行展览表、业务访问展览表以及业务个性展览表,对相应的网络业务进行同类排序,并进行输出推荐,包括:
根据同个网络业务的业务运行展览表的第一展览有效范围、业务访问展览表的第二展览有效范围以及业务个性展览表的第三展览有效范围,确定得到对应网络业务的展览有效信息量;
对同类网络业务涉及到的展览有效信息量进行大小排序,并将最大有效信息量对应的网络业务进行输出推荐。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1为本发明实施例中一种基于大数据的数据分析方法的流程图;
图2为本发明实施例中针对第一展览因子的结构图;
图3为本发明实施例中针对第二展览因子的结构图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。
本发明提供一种基于大数据的数据分析方法,如图1所示,包括:
步骤1:获取每个网络业务的业务运行信息,并建立对应网络业务的运行列表;
步骤2:对所述运行列表进行列处理以及行处理,得到相应的特征信息,并从信息-展览映射数据库中获取与所述特征信息一致的业务运行展览表;
步骤3:根据对每个网络业务的允许访问方的访问信息,确定对应网络业务的业务访问周期以及访问周期中的访问关键时间点,并构建业务访问展览表;
步骤4:搜集并捕捉针对网络业务的业务日志,并对所述业务日志进行解析,确定得到对应网络业务的使用场景集、不同使用场景下的静态信息以及动态信息,基于确定结果,构建得到对应网络业务的业务个性展览表;
步骤5:基于所有网络业务的业务运行展览表、业务访问展览表以及业务个性展览表,对相应的网络业务进行同类排序,并进行输出推荐。
该实施例中,业务运行信息指的是对应网络业务的预先分配任务,比如,抖音短视频业务,在短视频上传的过程中需要:筛选需要上传的图片、选择视频模板、添加文字及音乐、上传、选择关键词编辑信息文本、发送,在此过程中,此任务的运行过程都是预先设定好的,也就是在运行过程中的每个子任务在执行的过程中,都是依赖相应的业务运行脚本来实现的,且相应的程序代码都是预先设置好的,其中,每个子程序的执行代码都是预先设定好的,所以,针对不同的子任务会有相应的运行标准,以此,来构建得到针对业务运行信息的标准数组,且网络业务虽然会按照预设代码进行执行,但是在执行过程中会存在一定的误差,所以需要获取相应的实际数组,通过实际数组与标准数组的组合,得到运行列表。
该实施例中,运行列表是针对业务本身所构建得到的,运行业务的行信息指的是同个子任务下的标准运行情况以及实际运行情况,列信息指的是同规划时间点下的所涉及到的所有子任务的标准运行情况以及实际运行情况,将标准运行情况与实际运行情况进行对比分析,来得到特征信息,且网络业务指的是需要借助网络平确保对应业务的实现,比如,在线游戏业务、短视频业务等。
该实施例中,每个行信息进行分析之后,可以获取得到针对行的计算值,进而通过相应的映射表,获取得到与行所保留的计算值相关的差异特征。
该实施例中,信息-展览映射表是包括不同的特征信息以及与特征信息所匹配的业务运行展览表在内的,因此,可以有效获取得到针对该特征信息的业务运行展览表。
该实施例中,业务运行展览表获取的目的是为了将对应网络业务的业务相关运行信息进行合理展示,一方面是为了将网络业务的本身子任务属性进行展示,另一方面是为了将网络业务在运行过程中可能存在的异常进行展示,为后续推荐提供基础,其中,业务运行展览表包括该网络业务的运行信息、差异特征以及差异特征对应的展览方式在内。
该实施例中,允许访问方指的是对该网络业务的访问用户,比如,针对短视频上传功能,会存在若干用户对该短视频上传的点击访问,此就可以视为存在的访问信息。
该实施例中,业务访问周期可以是预先设定好的,比如是一天。
该实施例中,由于不同的用户会在不同的时间点对同个网络业务进行访问,比如是,抖音的短视频上传业务的访问等,且在不同的访问时间点下可能只是进入上传界面查看下,亦或者是进入上传界面进行视频剪辑等,所以,针对同业务的访问是可能存在不一样的,因此,确定访问时间关键点,一般情况下所对应的访问内容基于网络业务的访问链越完整,对应的时间点越是可以作为访问时间关键点。
比如,上传视频业务包括:内容1-内容2-内容3,此时,时间点1:只访问了内容1就退出该业务,就将时间点1视为非访问时间关键点,时间点2:访问了内容1、2、3之后退出该业务,就将时间2视为访问时间关键点。
该实施例中,业务访问展览表包括用户对该网络业务的访问时间点以及不同访问时间点下的访问内容情况,还包括对访问时间关键点的显著性表示。
该实施例中,业务日志是采用对应的运行任务进行运行的过程中,后台的监测工具自动对该运行任务的运行过程进行监测,所获取得到日志信息,也就是可以有效的确定出对该业务进行使用的过程中,所产生的一些列信息。比如,抖音视频上传过程中,会对上传的图像的格式、大小、图像内容进行确定,还会对添加的文本内容进行确定等,以此,捕捉得到该任务的日志信息。
该实施例中,使用场景集指的是该网络业务不仅可以用于抖音应用上的视频上传,快手、新闻头条等可以采用同样的任务过程,实现视频上传,也就是同个网络业务针对不同的应用,所确定出的使用场景集。
该实施例中,业务日志是包括同个业务的被使用场景,以及不同被使用场景下所涉及到的动态参数的值以及静态参数的值,且该值、以及该值所对应的静态参数以及静态参数描述,构成静态信息以及动态信息,且不同被使用场景下的静态信息以及动态信息是不一样的,且涉及到的静态参数的值以及动态参数的值是可以直接从日志中得到的,其中,比如,针对短视频上传业务基于抖音使用场景的动态参数与上传视频容量大小、上传视频中的实际文本个数有关,且静态参数与上传视频容量范围、上传视频文本个数范围有关,也就是,静态参数是***默认设置好的一些参数,动态参数指的是该业务进行运行过程中所存在的变量的变化情况等。
该实施例中,个性业务展览表指的是针对该网络业务的在不同长江下的京动态情况,方便有效的了解该业务的个性情况。
该实施例中,业务运行展览表、业务访问展览表以及业务个性展览表,在进行同类排序的过程中,是通过对同个网络业务下的三个展览表中所涉及到的有效展览信息进行提取,来确定对应网络业务的有效量,方便进行排序,比如:
网络业务1的有效量为y1,网络业务2的有效量为y2,网络业务3的有效量为y3,且,网络业务1、2、3属于同类型业务,且y1>y3>y2,那么最后的输出推荐顺序为:网络业务1优先于网络业务3,网络业务3优先于网络业务2。
上述技术方案的有益效果是:从网络业务的业务运行信息、业务访问信息以及业务日志,三个维度来分别构建对应的展览表,进而实现对同类型网络业务的输出推荐,可以多方面的分析网络业务的存在价值,有效满足用户对相关软件应用的体验感。
本发明提供一种基于大数据的数据分析方法,获取每个网络业务的业务运行信息,并建立对应网络业务的运行列表,包括:
监测预先向每个网络业务所分配的业务任务的任务运行过程;
获取每个网络业务的业务运行脚本,并对所述业务运行脚本进行脚本解析,得到业务运行块;
对每个业务运行块的运行参数的第一描述以及第一标准进行提取;
根据提取结果,构建得到对应业务运行块的运行阵列,并构建得到对应网络业务的标准运行数组;
将过程监测结果与标准运行数组进行对应放置处理,获取得到对应网络业务的运行列表。
该实施例中,每个网络业务都有其存在的业务任务,且业务任务都是在部署该网络业务的时候就已经设置好的,比如,针对短视频业务,可以对视频上传的相关过程进行监测,也就是视频上传过程即为任务运行过程,比如,针对在线游戏业务,可以对游戏过程中每个游戏人物在使用过程中与对应游戏设定的人物技能、死亡、辅助与生存等进行监测。
该实施例中,业务运行脚本指的是对应业务相关的代码,不同业务所对应的代码是不一样,代码在设计的过程中是针对需要实现的功能进行的逻辑块设计,也就是对脚本进行代码所对应执行功能的拆分,来得到业务运行块,也就是逻辑块,比如,同个游戏人物的人物竞技技能可以作为一个逻辑块,游戏人物在游戏操作过程中的走位等可以作为一个逻辑块等。
该实施例中,每个业务运行块都有其对应的运行参数,其中,比如,针对游戏人物的人物竞技技能包含:技能1、技能2以及技能3,其中,技能1、技能2、技能3可以为第一描述,第一标准指的是,技能1的输出伤害为5,技能2的输出伤害为7,技能3的输出伤害为9,此时,每个技能都有其设定的输出标准等,且输出伤害即为对应的输出标准。
该实施例中,运行阵列:[业务运行块1:技能1-输出伤害5 技能2-输出伤害7 技能3-输出伤害9]。
该实施例中,针对同个网络业务的标准运行数组为:,
其中,运行列表是基于标准运行数据与实际运行数组组合得到一起得到的,如下:
运行列表:。
上述技术方案的有益效果是:通过监测对应业务的运行过程所对应的实际监测结果,并与标准运行数组进行放置处理,得到运行列表,为后续获取业务运行展览表提供基础,保证后续网络业务的有效推荐输出。
本发明提供一种基于大数据的数据分析方法,对所述运行列表进行列处理以及行处理,得到相应的特征信息,包括:
构建同个运行列表中每个行信息的第一差异集合;
其中,表示所述同个运行列表中第j1个行信息的第一差异集合;表示同个运行列表中第j1个行信息中的第i1个运行参数的参数转换系数;表示同个运行列表中第j1个行信息中的第i1个运行参数的实际值;表示同个运行列表中第j1个行信息中的第i1个运行参数的标准值;n1表示所述同个运行列表中第j1个行信息的第一描述的参数个数;
从对应第一差异集合中筛选满足的第一主要差异,构建第一差异序列,并从序列-特征映射表中,获取得到对应行信息的第一差异特征;
构建同个运行列表中同运行规划点下的列信息的第二差异集合;
其中,表示所述同个运行列表中第j2个同运行规划点下的列信息的第二差异集合;表示同个运行列表中第j2个同运行规划点下的列信息中的第i2个运行参数的参数转换系数;表示同个运行列表中第j2个同运行规划点下的列信息中去除延迟所对应的信息后的第i2个运行参数的实际值;表示同个运行列表中第j2个同运行规划点下的列信息中的第i2个运行参数的标准值;n2表示业务运行块的总个数,且与列信息中所包含的运行参数的个数一致;表示对任务运行过程实际监测的过程中,所对应的业务任务是否出现延迟执行,若是,=t;否则,=0;表示对的取整符号;表示同个运行列表中第j2个同运行规划点下的列信息中去除延迟所对应的信息后的第i2+1个运行参数的实际值;
从对应第二差异集合中筛选满足的第二主要差异,构建第二差异序列,并从序列-特征映射表中,获取得到对应同运行规划点下的列信息的第二差异特征;
基于所述第一差异特征以及第二差异特征,获取得到相应的特征信息。
该实施例中,行信息的差异集合主要是针对的同个运行块中标准信息与实际信息的比较之后得到的,其中,标准信息是对该运行块事先设定的标准值,且实际信息是对该运行块进行运行之后所获取的实际值,比如,第一行中存在标准参数1、2、3,且第一行中还会存在实际参数1、2、3,分别对同参数的标准值与实际值进行比较分析,来获取得到存在的差异。
该实施例中,参数转换系数都是预先设定好的,是为了方便对差异值的有效转换,使其满足后续比较计算的标准。
该实施例中,实际值在运行任务进行运行的过程中可以直接捕获得到的。
该实施例中,由于不同运行块所涉及到的参数是不一样的,所以,每行所存在的参数的个数也可能是不一样的,且不同行的参数的个数是变量。
该实施例中,比如,第一差异集合包括:0.2,0.3,0.3,0.4,此时,对应的的取值就为0.3,此时筛选大于0.3的值也就是0.4,那么第一主要差异即为0.4所对应的参数r1的差异,且第一差异序列:参数r1(0.4),序列-特征映射表包括不同的序列组合以及与该序列组合所匹配的特征差异在内的,所以,可以直接从序列-特征映射表中获取得到针对第一差异序列的第一差异特征。
该实施例中,第二差异集合是包括不同规划时间点下的标准列信息与实际列信息之间的差异情况,比如,在标准时间点1下,运行块1中的参数11以及运行块2中的参数21会开始运行,因此,当该运行任务在实际执行的过程中,来获取该运行任务与标准时间点1所对应的实际时间点1下,运行块1中的参数11以及运行块2中的参数21的实际值,因此,来进行计算,此时,是不存在业务延迟的情况,也就是,对该运行任务在标准执行的过程中,标准时间点1与该运行任务在实际执行的过程中的实际时间点1是完全对应的,此时,判定未出现延迟,但是,在实际执行过程中,可能会因为网络或者应用等的情况出现执行延迟,也就是该业务处于执行阶段,但是并未开始真正执行,此时,就视为存在延迟,进而来锁定对应的延迟时间以及与对应延迟时间相关的第一时间点的值来进行计算,保证与标准值的比较计算的合理性。
该实施例中,比如,第二差异集合包括:0.3,0.4,0.5,0.6,0.7,此时,对应的平均值为0.5,且对应的第二主要差异是由0.6以及0.7所对应的参数来确定出来的,第二差异序列:运行块01--参数r2--0.6,运行块02--参数r3--0.7,此时,从序列-特征映射表中获取得到对应同运行规划点下的第二差异特征。
该实施例中,特征信息为所有网络业务下的第一差异特征以及第二差异特征构成的。
上述技术方案的有益效果是:通过对运行列表进行行信息的计算以及列信息的计算,来有效确定针对同个网络业务的第一差异特征以及第二差异特征,进而方便构建差异序列,来从映射表中匹配得到有序列一致的差异特征,为后续业务运行展览表的获取提供基础,间接提高对网络业务的可靠推荐。
本发明提供一种基于大数据的数据分析方法,从信息-展览映射数据库中获取与所述特征信息一致的业务运行展览表,包括:
根据同个网络业务中每个业务运行块的第一差异特征,从块类型-差异-展览映射数据库中匹配得到对应的第一展览因子;
根据同个网络业务中所有业务运行块基于同规划时间点下的第二差异特征,从工作条件-差异-展览映射数据库中匹配得到对应的第二展览因子;
将每个第一展览因子与第一标准因子、每个第二展览因子与第二标准因子进行比较,得到同个网络业务的业务运行展览表,其中,所述业务运行展览表包括同业务运行块的运行比较差图以及所有业务运行块在不同规划时间点下的运行比较曲线。
该实施例中,块类型指的是对应业务运行块的运行类型,主要与对应的运行功能有关,功能不同对应的块类型不同。
该实施例中,块类型-差异-展览映射数据库中包括不同的业务运行块的块类型、不同业务运行块可能存在的差异特征以及针对不同业务运行块可能存在的差异特征的重点突出部分在内,所有,可以第一展览因子指的重点突出部分的突出展示情况。
该实施例中,由于每个网络业务中在标准运行过程中每个标准时间点的运行条件是不一样的,且该运行条件是预先设定好的,因此,可以从工作条件-差异-展览映射数据库中匹配得到第二展览因子,其中,工作条件-差异-展览映射数据库是包括不同网络业务在不同标准时间点下的标准执行条件、同标准执行条件下可能存在的第二差异特征的重点突出部分,因此,可以获取得到针对该第二差异特征的第二展览因子。
该实施例中,展览因子出现的目的是为了将对应的差异进行有效展示,第一标准因子指的是不存在该差异的情况下按照第一标准因子所对应的方式进行展示。
该实施例中,存在第一差异特征1对应的第一标准因子的展示效果为,对与第一差异特征1对应的标准信息进行正常展览,第一展览因子的展示效果为,对于第一差异特征1对应的标准信息进行正常展览,对与标准信息中所存在的差异特征部分的信息进行放大展览,如图2所示,u01为对应的标准展示结果,u02为第一差异特征对应的展示结果,u02中的u03部分为需要放大展览的部分,比如是加粗展览等,进而来获取得到针对该运行块的运行比较差图。
该实施例中,每个第二展览因子是针对相应时间点下的,所以,在针对同时间点下的第二标准因子以及第二展览因子是针对某个时间点的不同,比如,针对时间点t1、t2以及t3的不同,如图3所示。
该实施例中,信息-展览映射数据库包括工作条件-差异-展览映射数据库以及块类型-差异-展览映射数据库在内。
上述技术方案的有益效果是:通过获取与第一差异特征一致的展览因子以及获取与第二差异特征一致的展览因子,方便构建得到业务运行展览表。
本发明提供一种基于大数据的数据分析方法,根据对每个网络业务的允许访问方的访问信息,确定对应网络业务的业务访问周期以及访问周期中的访问关键时间点,并构建业务访问展览表,包括:
将对应允许访问方的访问信息输入到访问分析模型中,获取得到对应允许访问方对所述网络业务的访问频次p1、对应访问时间点的主动访问有效性z1以及相关网络业务的反馈有效性y1,并计算同个允许访问方在对应访问时间点下对相应网络业务的访问重要性F;
其中,pz表示所有允许访问方对同个网络业务的总访问频次;
根据访问重要性,构建同个允许访问方对不同网络业务的第一访问阵列,同时,构建同个网络业务下不同允许访问方的第二访问阵列;
基于所述第一访问阵列,计算得到同个允许访问方的用户访问权重;
基于所述第二访问阵列,计算得到同个网络业务的业务访问权重;
根据对应访问时间点下同个允许访问方主动访问所述同个网络业务后,所获取的业务反馈有效性,与所述同网络业务的业务访问权重以及用户访问权重进行对比分析,若满足时间点筛选条件,则将对应访问时间点作为访问关键时间点;
将所有访问关键时间点,构建同个网络业务的访问子表,进而构建得到业务访问展览表。
该实施例中,访问分析模型是基于不同的访问信息、访问信息中的有效访问内容以及针对该有效访问内容的业务反馈信息为样本训练得到的,且访问频次是基于该模型对同访问方的访问次数进行统计得到的,且主动访问有效性指的是访问方的主动有效访问情况,比如,网络业务包括:内容1-内容2-内容3,只有访问放访问到内容2时,才算本次的访问有效,因此,访问有效性=有效访问频次/p1;反馈有效性指的是该访问方每次访问该网络业务时,所对应的访问成功次数/p1,访问成功次数指的是该访问方对该网络业务进行访问之后,该网络业务所设置的权限是访问方访问权限所不能匹配的,也就是访问方的访问权限不够资格导致的访问不成功的情况。
该实施例中,第一访问阵列:[访问方1在时间点1下对业务1的访问重要性 访问方1在时间点1下对业务2的访问重要性...];
第二访问阵列:[访问方1在时间点1下对业务1的访问重要性 访问方2在时间点1下对业务1的访问重要性...]。
该实施例中,用户访问权重以及业务访问权重是为了确定对应访问方的重要性以及同个业务的重要性。
该实施例中,由于是获取的每个时间点下的访问重要性,来确定用户访问权重以及业务访问权重,比如,时间点1的业务反馈有效性所对应的待比较用户权重为g01,待比较业务权重为g02,此时,如果对应的用户访问权重大于待比较用户权重、以及业务访问权重大于待比较业务权重,此时,就视为满足筛选条件,就将对应业务反馈有效性的对应时间点进行保留,作为访问关键时间点,也就是会获取每个时间点下的业务反馈有效性的待比较用户权重以及待比较业务权重,是基于有效性-业务类型-执行时间点-比较权重映射表中对比获取得到的,该映射表包括不同执行时间点下的执行有效性、执行业务类型以及相关的权重在内,因此可以有效的匹配得到待比较用户权重以及待比骄傲业务权重。
该实施例中,在确定出访问关键时间点之后,可以构建得到针对该网络业务的访问子表,且访问子表是包括对关键时间点下的访问情况的具体囊括以及对非关键时间点下的访问情况的普通囊括,也就是具体囊括的信息要多于普通囊括的信息。
该实施例中,所有访问子表的组合,即为业务访问展览表。
上述技术方案的有益效果是:基于模型对访问信息的分析,来获取相关的有效参数,进而来计算网络业务下的访问重要性,通过不同的阵列来计算用户访问权重以及业务访问权重,且与不同时间点下的筛选条件进行比较,来确定访问关键时间点,为获取业务访问展览表提供可靠基础,保证后续有效的推荐输出。
本发明提供一种基于大数据的数据分析方法,基于所述第一访问阵列,计算得到同个允许访问方的用户访问权重,包括:
其中,表示对应第一访问阵列中针对第j3个网络业务的访问重要性的个数;表示对应第一访问阵列中针对第j3个网络业务的访问重要性大于预设重要性的个数;m3表示网络业务的个数;m4表示m3个中满足的个数。
该实施例中,预设重要性是预先设置好的,取值一般为0.3。
上述技术方案的有益效果是:通过计算用户访问权重,为后续筛选条件的判断提供对比基础,进而保证后续推荐输出的有效性。
本发明提供一种基于大数据的数据分析方法,基于所述第二访问阵列,计算得到同个网络业务的业务访问权重,包括:
其中,n01表示同个网络业务的允许访问方的总个数;表示第i个允许访问方对同个网络业务的访问频次;表示第i个允许访问方第j次访问同个网络业务所对应的访问重要性;表示第i个允许访问方对同个网络业务的最大访问重要性;Y1表示同个网络业务的业务访问权重。
上述技术方案的有益效果是:通过计算业务访问权重,为后续筛选条件的判断提供对比基础,进而保证后续推荐输出的有效性。
本发明提供一种基于大数据的数据分析方法,对所述业务日志进行解析,确定得到对应网络业务的使用场景集、不同使用场景下的静态信息以及动态信息,基于确定结果,构建得到对应网络业务的业务个性展览表,包括:
从所述业务日志中解析获取得到同个网络业务的被支配使用场景;
根据每个被支配使用场景的场景属性,确定对应被支配场景的预设动态参数以及预设静态参数,并从所述业务日志中来获取与预设动态参数一致的第一值以及与预设静态参数一致的第二值;
基于同个被支配场景的第一值以及第二值,从个性数据库中匹配得到对应的个性展示子表;
基于所有的个性展示子表,获取得到业务个性展览表;
其中,同个被支配场景下的所有第一值为动态信息,同个被支配场景下的所有第二值为静态信息。
该实施例中,被支配使用场景指的是该网络业务可以被使用的应用范围,不同的软件应用对该网络业务的使用情况,可以使用的都可视为被支配使用场景。
该实施例中,场景属性指的是软件应用的应用类型,且不同的应用类型所预先设置的静态参数以及动态参数的参数描述是不一样的,也就是预设动态参数以及预设静态参数,且该日志中是包含对静态参数以及动态参数的实际运行值在内的,因此,可以获取得到与预设动态参数一致的第一值以及与预设静态参数一致的第二值。
该实施例中,比如,场景属性是针对快手的视频上传业务,此时,所这只的针对该被支配使用场景的预设动态参数包含参数1、2、3,预设静态参数包含参数4、5,此时,就从日志中来获取得到参数1的第一值a1,参数2的第一值a2以及参数3的第一值a2,且从日志中来获取得到参数4的第二值b1、参数5的第二值b2。
该实施例中,个性数据库是包括不同被支配场景以及同个被支配场景下的不同值组合在内的,可以有效从该数据库中调取得到匹配的个性展示表,因为不同场景下的第一值与第二值是存在不一样的,所以,在匹配的过程中,所获取得到的个性展示子表是针对某些个性值进行突出展示的,比如,第一值与第二值中存在与标准值存在过大差异的中,此时,就需要将存在过大差异的值所对应的个性化因素进行展示,也就是基于匹配的个性展示子表进行体现,或者是该个性展示子表中预先所设定的某些静态值或者动态值需要显示,进而来实现的个性化展示,比如,是放大展示等,方便后续进行排序的有效参考。
上述技术方案的有益效果是:通过解析日志,来确定被支配使用场景,且通过获取与场景所一致的第一值及第二值,从数据库中匹配子个性展示子表,为后续对业务的有效推荐提供基础,间接提高业务体验感。
本发明提供一种基于大数据的数据分析方法,基于所有网络业务的业务运行展览表、业务访问展览表以及业务个性展览表,对相应的网络业务进行同类排序,并进行输出推荐,包括:
根据同个网络业务的业务运行展览表的第一展览有效范围、业务访问展览表的第二展览有效范围以及业务个性展览表的第三展览有效范围,确定得到对应网络业务的展览有效信息量;
对同类网络业务涉及到的展览有效信息量进行大小排序,并将最大有效信息量对应的网络业务进行输出推荐。
该实施例中,展览有效范围指的是对应展览表中需要着重展示的内容,比如,业务运行展览表中的第一展览有效范围为需要着重展览作业运行情况1、作业运行情况2,此时,对应的数量为2,业务访问展览表的第二展览有效范围为需要着重展览业务访问情况02、业务访问情况03、业务访问情况04,此时,对应的数量为3,第三展览有效范围为需要着重展览的个性情况09、08,此时,对应的数量为2,因此,对应的该网络业务的展览有效信息量为2+3+2=7,
比如,同类网络业务包含网络业务1、网络业务2以及网络业务3,其中网络业务1的有效信息量为7,网络业务2的有效信息量为9,网络业务3的有效信息量为3,此时,大小排序结果为:网络业务2>网络业务1>网络业务3,按照这个顺序进行输出推荐。
上述技术方案的有益效果是:通过确定每个网络业务对应的不同展览表的有效范围,来确定有效信息量,进而通过大小排序,实现有效输出推荐。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (9)
1.一种基于大数据的数据分析方法,其特征在于,包括:
步骤1:获取每个网络业务的业务运行信息,并建立对应网络业务的运行列表;
步骤2:对所述运行列表进行列处理以及行处理,得到相应的特征信息,并从信息-展览映射数据库中获取与所述特征信息一致的业务运行展览表;
步骤3:根据对每个网络业务的允许访问方的访问信息,确定对应网络业务的业务访问周期以及访问周期中的访问关键时间点,并构建业务访问展览表;
步骤4:搜集并捕捉针对网络业务的业务日志,并对所述业务日志进行解析,确定得到对应网络业务的使用场景集、不同使用场景下的静态信息以及动态信息,基于确定结果,构建得到对应网络业务的业务个性展览表;
步骤5:基于所有网络业务的业务运行展览表、业务访问展览表以及业务个性展览表,对相应的网络业务进行同类排序,并进行输出推荐。
2.根据权利要求1所述的基于大数据的数据分析方法,其特征在于,获取每个网络业务的业务运行信息,并建立对应网络业务的运行列表,包括:
监测预先向每个网络业务所分配的业务任务的任务运行过程;
获取每个网络业务的业务运行脚本,并对所述业务运行脚本进行脚本解析,得到业务运行块;
对每个业务运行块的运行参数的第一描述以及第一标准进行提取;
根据提取结果,构建得到对应业务运行块的运行阵列,并构建得到对应网络业务的标准运行数组;
将过程监测结果与标准运行数组进行对应放置处理,获取得到对应网络业务的运行列表。
3.根据权利要求2所述的基于大数据的数据分析方法,其特征在于,对所述运行列表进行列处理以及行处理,得到相应的特征信息,包括:
构建同个运行列表中每个行信息的第一差异集合;
其中,表示所述同个运行列表中第j1个行信息的第一差异集合;表示同个运行列表中第j1个行信息中的第i1个运行参数的参数转换系数;表示同个运行列表中第j1个行信息中的第i1个运行参数的实际值;表示同个运行列表中第j1个行信息中的第i1个运行参数的标准值;n1表示所述同个运行列表中第j1个行信息的第一描述的参数个数;
从对应第一差异集合中筛选满足的第一主要差异,构建第一差异序列,并从序列-特征映射表中,获取得到对应行信息的第一差异特征;
构建同个运行列表中同运行规划点下的列信息的第二差异集合;
其中,表示所述同个运行列表中第j2个同运行规划点下的列信息的第二差异集合;表示同个运行列表中第j2个同运行规划点下的列信息中的第i2个运行参数的参数转换系数;表示同个运行列表中第j2个同运行规划点下的列信息中去除延迟所对应的信息后的第i2个运行参数的实际值;表示同个运行列表中第j2个同运行规划点下的列信息中的第i2个运行参数的标准值;n2表示业务运行块的总个数,且与列信息中所包含的运行参数的个数一致;表示对任务运行过程实际监测的过程中,所对应的业务任务是否出现延迟执行,若是, =t;否则, =0;表示对的取整符号;表示同个运行列表中第j2个同运行规划点下的列信息中去除延迟所对应的信息后的第i2+1个运行参数的实际值;
从对应第二差异集合中筛选满足的第二主要差异,构建第二差异序列,并从序列-特征映射表中,获取得到对应同运行规划点下的列信息的第二差异特征;
基于所述第一差异特征以及第二差异特征,获取得到相应的特征信息。
4.根据权利要求1所述的基于大数据的数据分析方法,其特征在于,从信息-展览映射数据库中获取与所述特征信息一致的业务运行展览表,包括:
根据同个网络业务中每个业务运行块的第一差异特征,从块类型-差异-展览映射数据库中匹配得到对应的第一展览因子;
根据同个网络业务中所有业务运行块基于同规划时间点下的第二差异特征,从所述工作条件-差异-展览映射数据库中匹配得到对应的第二展览因子;
将每个第一展览因子与第一标准因子、每个第二展览因子与第二标准因子进行比较,得到同个网络业务的业务运行展览表,其中,所述业务运行展览表包括同业务运行块的运行比较差图以及所有业务运行块在不同规划时间点下的运行比较曲线。
5.根据权利要求1所述的基于大数据的数据分析方法,其特征在于,根据对每个网络业务的允许访问方的访问信息,确定对应网络业务的业务访问周期以及访问周期中的访问关键时间点,并构建业务访问展览表,包括:
将对应允许访问方的访问信息输入到访问分析模型中,获取得到对应允许访问方对所述网络业务的访问频次p1、对应访问时间点的主动访问有效性z1以及相关网络业务的反馈有效性y1,并计算同个允许访问方在对应访问时间点下对相应网络业务的访问重要性F;
其中,pz表示所有允许访问方对同个网络业务的总访问频次;
根据访问重要性,构建同个允许访问方对不同网络业务的第一访问阵列,同时,构建同个网络业务下不同允许访问方的第二访问阵列;
基于所述第一访问阵列,计算得到同个允许访问方的用户访问权重;
基于所述第二访问阵列,计算得到同个网络业务的业务访问权重;
根据对应访问时间点下同个允许访问方主动访问所述同个网络业务后,所获取的业务反馈有效性,与所述同网络业务的业务访问权重以及用户访问权重进行对比分析,若满足时间点筛选条件,则将对应访问时间点作为访问关键时间点;
将所有访问关键时间点,构建同个网络业务的访问子表,进而构建得到业务访问展览表。
6.根据权利要求5所述的基于大数据的数据分析方法,其特征在于,基于所述第一访问阵列,计算得到同个允许访问方的用户访问权重,包括:
其中,表示对应第一访问阵列中针对第j3个网络业务的访问重要性的个数;表示对应第一访问阵列中针对第j3个网络业务的访问重要性大于预设重要性的个数;m3表示网络业务的个数;m4表示m3个中满足的个数。
7.根据权利要求5所述的基于大数据的数据分析方法,其特征在于,基于所述第二访问阵列,计算得到同个网络业务的业务访问权重,包括:
其中,n01表示同个网络业务的允许访问方的总个数;表示第i个允许访问方对同个网络业务的访问频次;表示第i个允许访问方第j次访问同个网络业务所对应的访问重要性;表示第i个允许访问方对同个网络业务的最大访问重要性;Y1表示同个网络业务的业务访问权重。
8.根据权利要求1所述的基于大数据的数据分析方法,其特征在于,对所述业务日志进行解析,确定得到对应网络业务的使用场景集、不同使用场景下的静态信息以及动态信息,基于确定结果,构建得到对应网络业务的业务个性展览表,包括:
从所述业务日志中解析获取得到同个网络业务的被支配使用场景;
根据每个被支配使用场景的场景属性,确定对应被支配场景的预设动态参数以及预设静态参数,并从所述业务日志中来获取与预设动态参数一致的第一值以及与预设静态参数一致的第二值;
基于同个被支配场景的第一值以及第二值,从个性数据库中匹配得到对应的个性展示子表;
基于所有的个性展示子表,获取得到业务个性展览表;
其中,同个被支配场景下的所有第一值为动态信息,同个被支配场景下的所有第二值为静态信息。
9.根据权利要求1所述的基于大数据的数据分析方法,其特征在于,基于所有网络业务的业务运行展览表、业务访问展览表以及业务个性展览表,对相应的网络业务进行同类排序,并进行输出推荐,包括:
根据同个网络业务的业务运行展览表的第一展览有效范围、业务访问展览表的第二展览有效范围以及业务个性展览表的第三展览有效范围,确定得到对应网络业务的展览有效信息量;
对同类网络业务涉及到的展览有效信息量进行大小排序,并将最大有效信息量对应的网络业务进行输出推荐。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310382454.9A CN116089733B (zh) | 2023-04-12 | 2023-04-12 | 一种基于大数据的数据分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310382454.9A CN116089733B (zh) | 2023-04-12 | 2023-04-12 | 一种基于大数据的数据分析方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116089733A true CN116089733A (zh) | 2023-05-09 |
CN116089733B CN116089733B (zh) | 2023-06-16 |
Family
ID=86199597
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310382454.9A Active CN116089733B (zh) | 2023-04-12 | 2023-04-12 | 一种基于大数据的数据分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116089733B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117692163A (zh) * | 2023-10-31 | 2024-03-12 | 青岛文达通科技股份有限公司 | 一种智慧城市数据处理方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180005297A1 (en) * | 2014-12-26 | 2018-01-04 | China Unionpay Co., Ltd. | Analysis and collection system for user interest data and method therefor |
CN114650430A (zh) * | 2022-02-24 | 2022-06-21 | 北京达佳互联信息技术有限公司 | 业务榜单展示方法、装置、电子设备及存储介质 |
CN115062013A (zh) * | 2022-05-27 | 2022-09-16 | 平安银行股份有限公司 | 信息推荐方法、装置、设备及存储介质 |
-
2023
- 2023-04-12 CN CN202310382454.9A patent/CN116089733B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180005297A1 (en) * | 2014-12-26 | 2018-01-04 | China Unionpay Co., Ltd. | Analysis and collection system for user interest data and method therefor |
CN114650430A (zh) * | 2022-02-24 | 2022-06-21 | 北京达佳互联信息技术有限公司 | 业务榜单展示方法、装置、电子设备及存储介质 |
CN115062013A (zh) * | 2022-05-27 | 2022-09-16 | 平安银行股份有限公司 | 信息推荐方法、装置、设备及存储介质 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117692163A (zh) * | 2023-10-31 | 2024-03-12 | 青岛文达通科技股份有限公司 | 一种智慧城市数据处理方法 |
CN117692163B (zh) * | 2023-10-31 | 2024-06-04 | 青岛文达通科技股份有限公司 | 一种智慧城市数据处理方法 |
Also Published As
Publication number | Publication date |
---|---|
CN116089733B (zh) | 2023-06-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11128582B2 (en) | Emoji recommendation method and apparatus | |
CN106599208B (zh) | 一种内容分享方法及用户客户端 | |
US20030195928A1 (en) | System and method for providing reference information to allow chat users to easily select a chat room that fits in with his tastes | |
WO2017166644A1 (zh) | 一种数据采集方法和*** | |
US6978292B1 (en) | Communication support method and system | |
US9832144B2 (en) | Method and device for implementing instant communication | |
CN107666615A (zh) | 潜力主播用户的挖掘方法、装置及服务器 | |
KR20160132047A (ko) | 통신 이벤트 히스토리 | |
CN116089733B (zh) | 一种基于大数据的数据分析方法 | |
CN102984050A (zh) | 即时通信中语音搜索的方法、客户端及*** | |
US11017416B2 (en) | Distributing electronic surveys to parties of an electronic communication | |
CN104394437A (zh) | 一种在线直播的开播方法及*** | |
US7302427B2 (en) | Text mining server and program | |
CN111435369B (zh) | 音乐推荐方法、装置、终端及存储介质 | |
CN114124861A (zh) | 消息群发方法、装置、计算机设备和存储介质 | |
CN109450776A (zh) | 亲密度计算方法、装置、设备和介质 | |
CN107810638A (zh) | 通过跳过冗余片段优化顺序内容的传递 | |
CN111401849B (zh) | 一种流程工具自定义节点配置方法 | |
CN109683760A (zh) | 最近内容的显示方法、装置、终端及存储介质 | |
KR20240054365A (ko) | 다중 프로필을 제공하는 방법 및 시스템 | |
CN112667869B (zh) | 数据处理方法、设备、***及存储介质 | |
CN106027303B (zh) | 一种征信特征获取方法及其设备 | |
JP5338601B2 (ja) | 会議進行役選出方法、装置及びプログラム | |
CN110909072B (zh) | 一种数据表建立方法、装置及设备 | |
CN113221517B (zh) | 邮件编辑方法、装置、计算机设备和存储介质 |
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 |