CN117874315A - 用户需求分析展示方法、***、计算机设备和存储介质 - Google Patents
用户需求分析展示方法、***、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN117874315A CN117874315A CN202410281762.7A CN202410281762A CN117874315A CN 117874315 A CN117874315 A CN 117874315A CN 202410281762 A CN202410281762 A CN 202410281762A CN 117874315 A CN117874315 A CN 117874315A
- Authority
- CN
- China
- Prior art keywords
- data
- demand analysis
- time
- mark
- time sequence
- 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
- 238000004458 analytical method Methods 0.000 title claims abstract description 219
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000010586 diagram Methods 0.000 claims abstract description 47
- 238000012545 processing Methods 0.000 claims abstract description 15
- 238000004140 cleaning Methods 0.000 claims description 23
- 238000003491 array Methods 0.000 claims description 19
- 238000012163 sequencing technique Methods 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 7
- 238000004891 communication Methods 0.000 claims description 6
- 230000006835 compression Effects 0.000 claims description 6
- 238000007906 compression Methods 0.000 claims description 6
- 238000012216 screening Methods 0.000 claims description 6
- 230000000875 corresponding effect Effects 0.000 description 49
- 239000003550 marker Substances 0.000 description 12
- 230000000007 visual effect Effects 0.000 description 10
- 230000008859 change Effects 0.000 description 7
- 238000013461 design Methods 0.000 description 6
- 238000007405 data analysis Methods 0.000 description 5
- 238000013079 data visualisation Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 238000012098 association analyses Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000002596 correlated effect Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明涉及数据及图像处理技术领域,公开了一种用户需求分析展示方法、***、计算机设备和存储介质。其中方法包括以下步骤:建立需求分析指标集;在目标时段内,采集每一个需求分析指标对应的多个时序数据;将目标时段划分为多个周期;根据周期长度对每一个数据样本进行划分;从需求分析指标集中确定出当前需求分析指标;在每一个周期内,利用多个数据子样本获取所述当前需求分析指标与其余每一个需求分析指标之间的全局关联支持度;针对其余每一个剩余需求分析指标,利用在多个周期内获得的多个全局关联支持度进行PAM调制输出PAM波形图;将多张PAM波形图叠加,得到用于用户需求分析的展示图。本发明可对多维度的用户需求分析指标进行展示。
Description
技术领域
本发明涉及数据及图像处理技术领域,具体而言,涉及一种用户需求分析展示方法、***、计算机设备和存储介质。
背景技术
数据可视化是关于数据视觉表现形式的科学技术研究。企业为提高产品与市场需求的匹配度,以及为用户提供更贴合实际需求的产品,企业内部通常采用用户需求分析的方式为后续制定产品策略提供指导,即企业通过数据采集、指标提取、数据分析等方式来获取用户需求分析指标之间的关联度,并将其进行可视化展示,以便能够更加直观地获知各用户需求分析指标之间的内在关系。目前,常用的数据可视化展示手段主要包括:表格、柱状图、散点图、拓扑图、二维/三维模型等。上述各种数据可视化展示手段能够直观地反映出数据状态,但是也存在以下不足:一方面,单一的数据可视化展示手段难以体现出多维度数据之间的关联关系,需要进行多次图形切换和图形对比才能或者各数据之间的关联关系;另一方面,采用将多种数据可视化展示手段相结合的方式,将多维数据通过统一的可视化界面进行展示,虽然能够体现各数据之间的关联关系,但是容易导致界面复杂,难以辨析。
发明内容
本发明的目的在于提供一种用户需求分析展示方法、***、计算机设备和存储介质,解决运用现有的数据可视化展示方法对多维度的用户需求分析指标进行展示时,容易造成图像界面复杂且难以直观地体现各数据指标之间的关联关系的问题。
本发明通过下述技术方案实现:
一方面,提供一种用户需求分析展示方法,包括以下步骤:建立需求分析指标集;所述需求分析指标集中包含多个待分析的需求分析指标;在目标时段内,采集每一个需求分析指标对应的多个时序数据,得到每一个需求分析指标对应的数据样本;将目标时段划分为多个周期;根据周期长度对每一个数据样本进行划分,得到每一个数据样本对应的多个数据子样本;从所述需求分析指标集中确定出当前需求分析指标;在每一个周期内,利用多个数据子样本获取所述当前需求分析指标与其余每一个需求分析指标之间的全局关联支持度,得到每一个周期内的多个全局关联支持度;针对其余每一个剩余需求分析指标,利用在多个周期内获得的多个全局关联支持度进行PAM调制,得到其余每一个需求分析指标对应的PAM波形图;将多张PAM波形图叠加,得到用于用户需求分析的展示图。
进一步的,所述目标时段内包含多个连续的数据采集时间点。
进一步的,所述将目标时段划分为多个周期之前,包括以下步骤:对每一个数据样本进行数据清洗,得到多个清洗后的数据样本;根据多个清洗后的数据样本,对所述目标时段进行压缩,得到新的目标时段。
进一步的,所述数据清洗包括以下步骤:为每一个时序数据添加时间标签;所述时间标签为时序数据对应的数据采集时间点;检测每一个时序数据是否为空,为检测出的每一个空数据添加第一标记;将每一个第一标记与对应的数据采集时间点进行关联;检测其余每一个未添加第一标记的时序数据是否为噪声数据,为检测出的每一个噪声数据添加第二标记;将每一个第二标记与对应的数据采集时间点进行关联;采集其余每一个数据样本的所有第一标记和所有第二标记;根据采集的每一个第一标记关联的数据采集时间点,为每一个时序数据添加第三标记;添加的第三标记与采集的第一标记具有相同的数据采集时间点;根据采集的每一个第二标记关联的数据采集时间点,为每一个时序数据添加第四标记;添加的第四标记与采集的第二标记具有相同的数据采集时间点;删除所有具有第一标记、第二标记、第三标记和第四标记的时序数据,得到清洗后的数据样本;
进一步的,对所述目标时段进行压缩,包括以下步骤:为清洗后的每一个数据样本中的每一个时序数据添加新的时间标签;一个新的时间标签对应一个新的数据采集时间点;添加的多个新的数据采集时间点连续;将每一个新的数据采集时间点的时间单位设置为秒。
进一步的,获取所述全局关联支持度之前包括以下步骤:获取每一个数据子样本中每一个时序数据的数据源;从多个数据子样本中,将属于同一数据源的多个时序数据划分到同一数组中,得到多个数组;将每一个数组中的多个时序数据按照数据采集时间点的先后顺序排序,得到多个时序数组。
进一步的,获取所述全局关联支持度包括以下步骤:对每一个时序数组执行步骤A,得到每一个时序数组中每一类数据对的局部支持度;统计出每一类数据对在多个时序数组中的局部支持度之和,得到每一类数据对的全局关联支持度;从得到的多个全局关联支持度中筛选出所述当前需求分析指标与其余每一个需求分析指标之间的全局关联支持度;所述步骤A包括:建立时间窗;所述时间窗用于获取时序数组中数据对的关联度;每一个数据对中包含两个相邻的时序数据;从时序数组的头部开始,向时序数组的尾部移动所述时间窗;每移动一次所述时间窗,获取相应的关联度数据,得到多个关联度数据;所述时间窗的步长为1;将多个关联度数据按照数值从大到小的顺序排序;根据排序结果为每一个数据对赋权值;统计每一类数据对的局部支持度;每一类数据对中包含一个或多个同种类型的数据对,局部支持度为一个或多个同类型的数据对的权值之和。
第二方面,提供一种用户需求分析展示***,包括:集合建立模块,用于建立需求分析指标集;所述需求分析指标集中包含多个待分析的需求分析指标;数据采集模块,用于在目标时段内采集每一个需求分析指标对应的多个时序数据,得到每一个需求分析指标对应的数据样本;周期划分模块,用于将所述目标时段划分为多个周期;样本划分模块,用于根据周期长度对每一个数据样本进行划分,得到每一个数据样本对应的多个数据子样本;指标确定模块,用于从所述需求分析指标集中确定出当前需求分析指标;全局关联支持度获取模块,用于在每一个周期内,利用多个数据子样本获取所述当前需求分析指标与其余每一个需求分析指标之间的全局关联支持度,得到每一个周期内的多个全局关联支持度;PAM波形图生成模块,用于针对其余每一个剩余需求分析指标,利用在多个周期内获得的多个全局关联支持度进行PAM调制,得到其余每一个需求分析指标对应的PAM波形图;PAM波形图处理模块,用于将多张PAM波形图叠加,得到用于用户需求分析的展示图。
进一步的,所述目标时段内包含多个连续的数据采集时间点;所述用户需求分析展示***还包括:数据清洗模块,用于对每一个数据样本进行数据清洗,得到多个清洗后的数据样本;目标时段压缩模块,用于根据多个清洗后的数据样本,对所述目标时段进行压缩,得到新的目标时段。
进一步的,所述数据清洗模块包括:第一标签添加单元,用于为每一个时序数据添加时间标签;所述时间标签为时序数据对应的数据采集时间点;第一数据标记单元,用于检测每一个时序数据是否为空,为检测出的每一个空数据添加第一标记;第一数据关联单元,用于将每一个第一标记与对应的数据采集时间点进行关联;第二数据标记单元,用于检测其余每一个未添加第一标记的时序数据是否为噪声数据,为检测出的每一个噪声数据添加第二标记;第二数据关联单元,用于将每一个第二标记与对应的数据采集时间点进行关联;数据采集单元,用于采集其余每一个数据样本的所有第一标记和所有第二标记;第三数据标记单元,用于根据采集的每一个第一标记关联的数据采集时间点,为每一个时序数据添加第三标记;添加的第三标记与采集的第一标记具有相同的数据采集时间点;第四数据标记单元,用于根据采集的每一个第二标记关联的数据采集时间点,为每一个时序数据添加第四标记;添加的第四标记与采集的第二标记具有相同的数据采集时间点;数据删除单元,用于删除所有具有第一标记、第二标记、第三标记和第四标记的时序数据,得到清洗后的数据样本。
进一步的,所述目标时段压缩模块包括:第二标签添加单元,用于为清洗后的每一个数据样本中的每一个时序数据添加新的时间标签;一个新的时间标签对应一个新的数据采集时间点;添加的多个新的数据采集时间点连续;时间单位设置单元,用于将每一个新的数据采集时间点的时间单位设置为秒。
进一步的,所述用户需求分析展示***还包括:数据源获取模块,用于获取每一个数据子样本中每一个时序数据的数据源;第一数组建立模块,用于从多个数据子样本中,将属于同一数据源的多个时序数据划分到同一数组中,得到多个数组;第二数组建立模块,用于将每一个数组中的多个时序数据按照数据采集时间点的先后顺序排序,得到多个时序数组。
进一步的,所述全局关联支持度获取模块包括:局部支持度获取单元,用于获取每一个时序数组中每一类数据对的局部支持度;全局关联支持度获取单元,用于统计出每一类数据对在多个时序数组中的局部支持度之和,得到每一类数据对的全局关联支持度;从得到的多个全局关联支持度中筛选出所述当前需求分析指标与其余每一个需求分析指标之间的全局关联支持度。
进一步的,所述局部支持度获取单元包括:时间窗建立子单元,用于建立时间窗;所述时间窗用于获取时序数组中数据对的关联度;每一个数据对中包含两个相邻的时序数据;关联度获取子单元,用于从时序数组的头部开始,向时序数组的尾部移动所述时间窗;每移动一次所述时间窗,获取相应的关联度数据,得到多个关联度数据;所述时间窗的步长为1;关联度排序子单元,用于将多个关联度数据按照数值从大到小的顺序排序;数据对赋值子单元,用于根据排序结果为每一个数据对赋权值;局部支持度统计子单元,用于统计每一类数据对的局部支持度;每一类数据对中包含一个或多个同种类型的数据对,局部支持度为一个或多个同类型的数据对的权值之和。
第三方面,提供一种计算机设备,包括:存储器、处理器、收发器和显示器;所述存储器、所述处理器和所述收发器依次通信连接,所述显示器与所述处理器通信连接;所述存储器用于存储计算机程序,所述收发器用于收发消息,所述处理器用于读取所述计算机程序并执行如第一方面所述的用户需求分析展示。
第四方面,提供一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有指令,当所述指令在计算机上运行时,执行如第一方面所述的用户需求分析展示方法。
本发明与现有技术相比,具有如下的优点和有益效果:
1、一方面,利用了脉冲波形图结构简单的优势,采用将需求分析指标通过脉冲波形图的形式进行可视化展示——为了简洁、直观地体现多个维度的需求分析指标之间的关联关系及关联程度,获取了当前需求分析指标与其余每一个需求分析指标之间的全局关联支持度,并以当前需求分析指标与基带信号对应,以全局关联支持度作为PAM调制(脉冲幅度调制)的参数,对基带信号进行PAM调制,利用调制后的PAM波形来反映当前需求分析指标与其余每一个需求分析指标之间关联关系及关联程度,即PAM波的幅值为正则成需求分析指标之间呈正相关,PAM波的幅值为零则需求分析指标之间不相关,PAM波的幅值为负则需求分析指标之间呈负相关,并且幅值的绝对值越大需求分析指标之间的相关程度越高;进一步地将各PAM波形图进行重叠,即可实现在一张PAM波形图中对当前需求分析指标与其余多个需求分析指标的关联关系及关联程度进行统一展示。由于PAM波形图结构简单,因此即使将多个需求分析指标数据的变化趋势在一张PAM波形图中统一展示,也能够清晰、直观地反映各需求分析指标之间的关联关系及关联程度。另一方面,利用了脉冲波形图能够反映时序特征的优势——将目标时段划分为了多个周期,将目标时段的周期与PAM波的周期相对应,每个周期内的需求分析指标关联关系及关联程度用一个周期的PAM波形进行展示,从而实现了利用PAM波来反映需求分析指标的时序特征,即用PAM波的变化趋势来反映各需求分析指标之间的关联关系及关联程度随时间的变化趋势。2、对数据样本进行了数据清洗——一方面,删除了每个数据样本中的空数据和噪声数据,从而保证获取到准确的全局关联支持度。另一方面,考虑了用户的需求会随时间的变化而变化,为了保证各数据样本中各时序数据在时间维度上的一致性,进而保持同一时间点上各需求分析指标对应的时序数据之间关联关系的真实性,本发明除了删除本数据样本中的空数据和噪声数据外,还通过对数据样本中的时序数据添加时间标签和标记的方式,将本数据样本中与标记具有相同时间标签的数据进行删除,使得各个数据样本中的时序数据在数据采集时间上能够保持统一,避免由于数据采集时间不同而导致关联关系发生偏差。3、根据处理后的数据样本对目标时段进行了压缩,并对数据采集时间点的时间单位进行了调整,有利于输出良好的PAM波形。4、通过对同一数据源的不同类型需求分析指标的时序数据进行分析,得到局部关联支持度,综合各局部关联支持度得到全局关联支持度,更有助于反映多维数据的内在规律。
附图说明
为了更清楚地说明本发明示例性实施方式的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,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相关的附图。
图1为本发明实施例提供的一种用户需求分析展示方法流程图;
图2为本发明实施例提供的数据样本格式示意图;
图3为本发明实施例提供的对数据样本添加第一标记和所有第二标记的原理示意图;
图4为本发明实施例提供的对数据样本添加第一标记和所有第二标记后的结果示意图;
图5为本发明实施例提供的删除所有标记对应的时序数据后的数据样本示意图;
图6为本发明实施例提供的一个周期内的用户需求分析的展示图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白,下面结合实施例和附图,对本发明作进一步的详细说明,本发明的示意性实施方式及其说明仅用于解释本发明,并不作为对本发明的限定。
实施例:图形和表格是目前经常运用的数据可视化展示方式,通过图形和表格能够直观地对数据进行展示。例如,柱状图能够直观地展示出数值的大小,多个柱状图的组合能够反映出数值变化趋势,但柱状图或多个柱状图的组合却不能很好地体现各柱状图所对应的数据之间的关系;拓扑图能够将各数据之间的关联关系在一张图中进行统一展示,以箭头或连线的方式建立各数据之间的关系,但是当数据维度较多时,各数据之间的关系结构复杂,在一张图上难以对具体的数据关系进行辨识;散点图能够反映大量数据的分布状况,但是散点图不能反映出各数据之间的内在关系;表格能够统计大量数据,并通过相应算法计算出各数据之间的关系,但表格的数据展示方式不够直观,其统计分析结果以数字的方式呈现,虽然现有技术能够将表格的统计分析结果进行图形化展示,但是所采用的图像展示也仅为单一图形,同样存在如上述通过柱状图、拓扑图、散点图等手段进行数据可视化展示所面临的缺陷。
此外,目前大多企事业单位,如银行、资产管理机构等,为了提高产品与市场需求的匹配度,以及为用户提供更贴合实际需求的产品,单位需采集大量的用户数据,并对所述采集的用户数据进行分析,以获得用户数据之间的内在关系,根据数据的内在关系进行用户需求分析。由于所采集的用户数据量大、数据维度多、数据特征复杂,并具有明显的时序性,且受生活环境、社会环境、用户成长、用户性格等多种因素的影响,因此所采集的用户数据之间的内在关系非常复杂,随时间的推移而不停地发生变化,各数据之间的内在关系也在发生变化。因此,采用上述现有的数据可视化展示方式难以对大量的多维度数据之间的关联关系进行直观地反映,不利于进行用户需求分析。
对此,本实施例第一方面提供一种用户需求分析展示方法,借助脉冲波形图来展示各用户需求分析指标及其变化趋势;以全局关联支持度来反映各用户需求分析之指标之间的关联关系及关联程度,并将全局关联支持度作为波形幅值调制参数,通过PAM调制输出各用户需求分析指标对应的PAM波形图;将各PAM波形图在一张图中统一展示,反映各用户需求分析指标之间的关联关系,用PAM波的幅值反映各用户需求分析指标之间的关联程度;并用PAM波随时间的波形变化来反映各用户需求分析指标的时序变化特征,从而实现在一张图中对多维度的用户需求分析指标的关联关系及关联程度进行统一展示,且PAM波形图结构简单,展示效果直观。
以下对本实施例提出的一种用户需求分析展示方法的具体实施步骤及效果进行详细阐述。如图1所示,本方法包括以下步骤:
步骤1:建立需求分析指标集。
所建立的需求分析指标集中包含了多个待分析的需求分析指标。需说明的是,建立的需求分析指标集中,需求分析指标的种类根据实际业务的不同而不同,并且需求分析指标的数量也会根据实际业务的不同而改变;因此,需求分析指标的种类和数量均需要根据实际业务而定。所建立的需求分析指标集可通过如下格式表示:
X需求分析指标集={需求分析指标x1,需求分析指标x2,需求分析指标x3,……,需求分析指标xn}。
步骤2:在目标时段内,采集每一个需求分析指标对应的多个时序数据,得到每一个需求分析指标对应的数据样本。
本步骤所述的目标时段是指:根据实际业务情况而指定的数据采集时段。例如可以是采集过去5年的历史数据。值得一提的是:
第一,所确定的目标时段的时间长度可根据历史数据的存储量而定,若历史数据存储量大且数据对应的生成时间间隔小,为减少后续数据分析处理的开销,可缩小目标时段的时间长度,如将目标时段确定为过去1年或3年;若历史数据存储量小或数据对应的生成时间间隔大,为保证后续数据分析结果的可靠性,充分体现各数据之间的关联关系,则需延长目标时段的时间长度,如将目标时段确定为过去5年甚至10年,但应注意的是,为确保所采集数据的实用性,目标时段的时间长度不应设置过长,避免过于久远的历史数据缺乏可参考价值而成为噪声数据,进而影响后续数据分析处理结果。
第二,该目标时段应为连续的时段。例如,若确定的目标时段为过去5年,设当前年份为y年,则该过去5年应为第y-1年(包含连续的365天或366天)、第y-2年(包含连续的365天或366天)、第y-3年、第y-4年和第y-5年,而非由第y-1年、第y-2年、第y-4年、第y-6年、第y-7年组成的过去5年;并且,过去的每一年应包含连续的365天或366天。采取上述方式确定目标时段的目的是:考虑数据的时序特征,采集连续时间段的历史数据可提高所采集数据在时间上的一致性,避免由于数据采集时间不同而导致关联关系发生偏差。
另外,所采集的数据为每一个需求分析指标在该目标时段内的时序数据。需求分析指标在目标时段内的各历史数据均具有对应的生成日期,本实施例将需求分析指标在目标时段内的历史数据称作时序数据,以说明各历史数据之间具有时序特征。
此外,在目标时段内采集的每一个需求分析指标的历史数据均形成一个对应的数据样本,如图2所示。
步骤3:对每一个数据样本进行数据清洗,得到多个清洗后的数据样本。具体的,数据清洗包括以下步骤:
步骤3.1:为每一个时序数据添加时间标签。所述时间标签为时序数据对应的数据采集时间点。
以数据采集时间点的时间单位为“天”为例,则对于某一时序数据,为其添加的时间标签可以是“xx年xx月xx日”。
步骤3.2:检测每一个时序数据是否为空,为检测出的每一个空数据添加第一标记;将每一个第一标记与对应的数据采集时间点进行关联。
考虑实际情况,由于在目标时段内可能存在某一日或多日无对应的时序数据,则所述采集的目标时段内的多个时序数据中存在一个或多个为空数据。又由于空数据对后续数据分析处理无意义,因此本步骤中检测所采集的每个时序数据是否为空,以排除数据无意义的情况。
步骤3.3:检测其余每一个未添加第一标记的时序数据是否为噪声数据,为检测出的每一个噪声数据添加第二标记;将每一个第二标记与对应的数据采集时间点进行关联。
同样考虑实际情况,由于在目标时段内采集的时序数据中可能存在一个或多个时序数据异常的情况,异常数据将影响后续数据分析处理的结果,因此步骤在步骤3.2的基础上,对数据样本中除已标记第一标记的其余数据进行噪声检测,以排除噪声数据对后续数据分析结果的影响。
步骤3.4:采集其余每一个数据样本的所有第一标记和所有第二标记;根据采集的每一个第一标记关联的数据采集时间点,为每一个时序数据添加第三标记。添加的第三标记与采集的第一标记具有相同的数据采集时间点;根据采集的每一个第二标记关联的数据采集时间点,为每一个时序数据添加第四标记;添加的第四标记与采集的第二标记具有相同的数据采集时间点。
一方面,依前述可知,数据样本中的多个时序数据具有时序性;另一方面,获取各需求分析指标之间的关联关系需依据各数据样本中的时序数据。由于经步骤3.2和步骤3.3处理后,各数据样本中剩余的各时序数据对应的数据采集时间点可能存在差异。因此,为了保证分析所得的各需求分析指标之间的关联关系的准确性,需保证所使用的时序数据之间在时间上保持一致性,避免关联分析结果出现偏差。
如图3所示,以数据样本A1和数据样本A2为例。假设数据样本A1中的时序数据a 21 为空数据,时序数据a m1 为噪声数据,则经过步骤3.2和步骤3.3处理后,得到数据样本A1’;假设数据样本A2中的时序数据a 32 为空数据,时序数据a (m-1)2 为噪声数据,则经过步骤3.2和步骤3.3处理后,得到数据样本A2’。从图3中可以看出,数据样本A1’中的时序数据a 21 具有第一标记,时序数据a m1 具有第二标记;数据样本A2’中的时序数据a 32 具有第一标记,时序数据a (m-1)2 具有第二标记。其中时序数据a 21 的第一标记与数据采集时间点t 2 关联,时序数据a m1 的第二标记与数据采集时间点t m 关联,时序数据a 32 的第一标记与数据采集时间点t 3 关联,时序数据a (m-1)2 的第二标记与数据采集时间点t m-1 关联。
为了保证分析所得的各需求分析指标之间的关联关系的准确性,针对数据样本A1’,需采集数据样本A2’的第一标记和第二标记,根据采集的第一标记关联的数据采集时间点t 3 为时序数据a 31 添加第三标记,并将时序数据a 31 的第三标记与数据采集时间点t 3 关联,根据采集的第二标记关联的数据采集时间点t m-1 为时序数据a (m-1)1 添加第四标记,并将时序数据a (m-1)1 的第四标记与数据采集时间点t m-1 关联。针对数据样本A2’,采用类似的操作,此处不赘述。经过步骤3.4处理后的数据样本A1’和数据样本A2’如图4所示,
步骤3.5:删除所有具有第一标记、第二标记、第三标记和第四标记的时序数据,得到清洗后的数据样本。
同样以数据样本A1’和数据样本A2’为例,经过步骤3.5处理后,的数据样本A1’’和数据样本A2’’如图5所示。经过步骤3.5处理后,数据样本A1’’中各时序数据对应的数据采样时间点与数据样本A2’’中各时序数据的数据采样时间点保持一致。
步骤4:根据清洗后的数据样本,对目标时段进行压缩,得到新的目标时段。
结合图5可知,经过数据清洗后的数据样本中,各时序数据对应的数据采集时间点并非连续时间点,本步骤所述对目标时间进行压缩是指将非连续的多个数据采集时间点变换为连续的数据采集时间点,便于PAM调制和输出良好的PAM波形。具体的,包括:
步骤4.1:为清洗后的每一个数据样本中的每一个时序数据添加新的时间标签,使得一个新的时间标签对应一个新的数据采集时间点,且添加的多个新的数据采集时间点连续。
其具体处理方式为:将当前时间标签对应的数据采集时间点减去之前删去的时序数据的数量。以数据样本A1’为例,若数据样本A1’中删除的时序数据仅为a 21、 a 31、 a 3(m-1)1 和a m1, 则经步骤4.1处理后,数据样本中剩余的时序数a 3(m-1)1 的时间标签对应的新的数据采集时间点应为t m-3 。
步骤4.2:将每一个新的数据采集时间点的时间单位设置为秒。大多数情况下,用户数据采集的时间单位为“天”,为了使PAM调制后输出的图形更符合PAM波形,数据采集时间点的时间单位设置为秒,即将“天”压缩为“秒”,当然也可选择“纳秒”、“毫秒”等时间单位。
步骤5:将目标时段划分为多个周期。
由于所采集的时序数据受用户的生活环境、社会环境、用户成长、用户性格等多种因素的影响,且随时间的推移而不停地发生变化,各时间阶段内各时序数据之间的内在关系也可能存在差异。若将目标时段内的所有时序数据统一地进行关联分析,则可能导致最终的关联关系失真。因此,将目标时段划分为多个周期,对每一周期内的各时序数据单独进行关联分析,从而保证在周期内各时序数据的关联关系更加切合实际。
需注意的是,划分目标时段时,每个周期的时间长度需根据经步骤3处理后各数据样本中剩余的时序数据的量来确定,若各数据样本中剩余的时序数据量大,则可缩小周期时长,相应地增加周期数,若各数据样本中剩余的时序数量小,则可扩大周期时长,相应地减少周期数。具体的周期时长和周期数根据目标时段的长度和剩余时序数据量而定,当然也可参考数据采集时间点所述的社会环境等因素。
步骤6:根据周期长度对每一个数据样本进行划分,得到每一个数据样本对应的多个数据子样本,一个周期对应一个数据子样本。
步骤7:从需求分析指标集中确定出当前需求分析指标。设确定出的需求分析指标为x1。
步骤8:获取每一个数据子样本中每一个时序数据的数据源;从多个数据子样本中,将属于同一数据源的多个时序数据划分到同一数组中,得到多个数组。
时序数据流之间往往不是简单的线性相关关系,在很多***数据流中,多个流的变化情况会呈现出一定的周期性,代表这些数据流的模式之间存在某种特定的关联关系,但它们各自的模式又可能存在很大的差异。本步骤所述的数据源可理解为某一用户,将来自同一数据源的多个不同类型的时序数据划分到同一数组中,也就是将采集自同一用户的多个不同类型的时序数据进行统一归纳。由于来自同一用户的多个时序数据能够表征该用户的行为特征和需求特征,通过对同一数据源的不同类型需求分析指标的时序数据作为一个整体进行分析,更有助于解释数据之间的(横向)内在规律。
步骤9:将每一个数组中的多个时序数据按照数据采集时间点的先后顺序排序,得到多个时序数组。
步骤10:在每一个周期内,利用多个数据子样本获取当前需求分析指标与其余每一个需求分析指标之间的全局关联支持度,得到每一个周期内的多个全局关联支持度。
本实施例的基本原理之一为:利用当前需求分析指标与其余各需求分析指标之间的全局关联支持度来表示二者之间的关联强度,以关联强度作为PAM波幅值调制的参数。若以需求分析指标x1为当前需求分析指标,则在每一个周期内,需求分析指标x1分别与需求分析指标x2、需求分析指标x3、……、需求分析指标xn之间对应一个全局关联支持度,即每一周期内包含n-1个全局关联支持度。
具体的,获取全局关联支持度之前包括以下步骤:
步骤10.1:对每一个时序数组执行步骤A,得到每一个时序数组中每一类数据对的局部支持度。其中,步骤A包括:
步骤A1:建立时间窗,用于获取时序数组中数据对的关联度。每一个数据对中包含两个相邻的时序数据。
步骤A2:从时序数组的头部开始,以1为步长向时序数组的尾部移动时间窗,每移动一次时间窗,获取相应的关联度数据,得到多个关联度数据。需说明的是,关联度数据可选择现有的关联度函数。关联度数据包括正数、负数和零,其中,关联度为正数表示两个数据之间正相关,关联度为负数表示两个数据之间负相关,关联度为零表示两个数据之间不相关。
步骤A3:将多个关联度数据按照数值从大到小的顺序排序。
步骤A4:根据排序结果为每一个数据对赋权值。赋值原则为:位于排序靠前的关联度数据赋予的权值大于位于排序靠后的关联度数据赋予的权值;若多个关联度数据的大小相同,则赋予相同的权值。
步骤A5:统计每一类数据对的局部支持度。每一类数据对中包含一个或多个同种类型的数据对,局部支持度为一个或多个同类型的数据对的权值之和。需说明的是,时间窗内的相邻两个时序数据代表一个数据对,由于时间窗每次移动时所框出的两个时序数据之间的关联关系不同,本实施例将一种关联关系对应一个类型的数据对。
步骤10.2:统计出每一类数据对在多个时序数组中的局部支持度之和,得到每一类数据对的全局关联支持度。本步骤的目的在于(纵向)统计出每一类数据对在多个时序数组中的全局关联支持度。
步骤10.3:从得到的多个全局关联支持度中筛选出当前需求分析指标与其余每一个需求分析指标之间的全局关联支持度。
由于通过步骤10.2得到的多个全局关联支持度中,不仅包含了当前需求分析指标与其余每一个需求分析指标之间的全局关联支持度,也包含了其余多个需求分析指标彼此之间的全局关联支持度,因此需从步骤10.2所得到的所有全局关联支持度中筛选出当前需求分析指标与其余每一个需求分析指标之间的全局关联支持度。
步骤11:针对其余每一个剩余需求分析指标,利用在多个周期内获得的多个全局关联支持度进行PAM调制,得到其余每一个需求分析指标对应的PAM波形图。
本方法通过获取当前需求分析指标与其余每一个需求分析指标之间的全局关联支持度,并以当前需求分析指标与基带信号对应,以全局关联支持度作为PAM调制(脉冲幅度调制)的参数,对基带信号进行PAM调制,利用调制后的PAM波形来反映当前需求分析指标与其余每一个需求分析指标之间关联关系及关联程度。
步骤12:将多张PAM波形图叠加,得到用于用户需求分析的展示图。
将各PAM波形图进行重叠,即可实现在一张PAM波形图中对当前需求分析指标与其余多个需求分析指标的关联关系及关联程度进行统一展示。由于PAM波形图结构简单,因此即使将多个需求分析指标数据的变化趋势在一张PAM波形图中统一展示,也能够清晰、直观地反映各需求分析指标之间的关联关系及关联程度。最终,用户需求分析的展示图可参考图6。
图6以其中一个周期为例,给出了在一个周期内用多条PAM波形曲线表示当前需求分析指标与其余每一个需求分析指标之间的关联关系及关联度。坐标横轴代表当前需求分析指标,每一条PAM波形用以表示其余需求分析指标与当前需求分析指标之间的关联关系及关联程度,在每一周期中,出现的每一条PAM波形曲线均表示与当前需求分析指标相关的需求分析指标,每一条PAM波形曲线的高度及表示关联程度,可对应于纵轴查看具体关联度大小。需补充说明的是,为了进一步区分每一PAM波形曲线与需求分析指标之间的对应关系,可对PAM波形曲线着色,或其他任意可区分不同PAM波形曲线的标识手段。
需说明的是,图6仅作为对多张PAM调制图重叠后表示当前需求分析指标与需求分析指标x1、需求分析指标x2和需求分析指标xn之间的关联关系及关联度的表示方式和效果进行实例展示,并不表示真实的当前需求分析指标与其余选分析指标之间的关联关系及关联度。
与上述第一方面提供的一种用户需求分析展示方法对应的,本实施例第二方面提供一种用户需求分析展示***。该***包括:集合建立模块、数据采集模块、数据清洗模块、目标时段压缩模块、周期划分模块、样本划分模块、指标确定模块、数据源获取模块、第一数组建立模块、第二数组建立模块、全局关联支持度获取模块、PAM波形图生成模块和PAM波形图处理模块,
其中,
集合建立模块用于建立需求分析指标集。该需求分析指标集中包含多个待分析的需求分析指标。
数据采集模块用于在目标时段内采集每一个需求分析指标对应的多个时序数据,得到每一个需求分析指标对应的数据样本。
数据清洗模块用于对每一个数据样本进行数据清洗,得到多个清洗后的数据样本。
目标时段压缩模块用于根据多个清洗后的数据样本,对所述目标时段进行压缩,得到新的目标时段。
周期划分模块用于将目标时段划分为多个周期。
样本划分模块用于根据周期长度对每一个数据样本进行划分,得到每一个数据样本对应的多个数据子样本。
指标确定模块用于从需求分析指标集中确定出当前需求分析指标。
数据源获取模块用于获取每一个数据子样本中每一个时序数据的数据源。
第一数组建立模块用于从多个数据子样本中,将属于同一数据源的多个时序数据划分到同一数组中,得到多个数组。
第二数组建立模块用于将每一个数组中的多个时序数据按照数据采集时间点的先后顺序排序,得到多个时序数组。
全局关联支持度获取模块用于在每一个周期内,利用多个数据子样本获取所述当前需求分析指标与其余每一个需求分析指标之间的全局关联支持度,得到每一个周期内的多个全局关联支持度。
PAM波形图生成模块用于针对其余每一个剩余需求分析指标,利用在多个周期内获得的多个全局关联支持度进行PAM调制,得到其余每一个需求分析指标对应的PAM波形图。
PAM波形图处理模块用于将多张PAM波形图叠加,得到用于用户需求分析的展示图。
进一步的,数据清洗模块包括:第一标签添加单元、第一数据标记单元、第一数据关联单元、第二数据标记单元、第二数据关联单元、数据采集单元、第三数据标记单元、第四数据标记单元、数据删除单元。
其中,第一标签添加单元用于为每一个时序数据添加时间标签;所述时间标签为时序数据对应的数据采集时间点。
第一数据标记单元用于检测每一个时序数据是否为空,为检测出的每一个空数据添加第一标记。
第一数据关联单元用于将每一个第一标记与对应的数据采集时间点进行关联。
第二数据标记单元用于检测其余每一个未添加第一标记的时序数据是否为噪声数据,为检测出的每一个噪声数据添加第二标记。
第二数据关联单元用于将每一个第二标记与对应的数据采集时间点进行关联。
数据采集单用于采集其余每一个数据样本的所有第一标记和所有第二标记。
第三数据标记单元用于根据采集的每一个第一标记关联的数据采集时间点,为每一个时序数据添加第三标记;添加的第三标记与采集的第一标记具有相同的数据采集时间点。
第四数据标记单元,用于根据采集的每一个第二标记关联的数据采集时间点,为每一个时序数据添加第四标记添加的第四标记与采集的第二标记具有相同的数据采集时间点。
数据删除单元用于删除所有具有第一标记、第二标记、第三标记和第四标记的时序数据,得到清洗后的数据样本。
进一步的,目标时段压缩模块包括:第二标签添加单元和时间单位设置单元。
其中,第二标签添加单元用于为清洗后的每一个数据样本中的每一个时序数据添加新的时间标签;一个新的时间标签对应一个新的数据采集时间点;添加的多个新的数据采集时间点连续。
时间单位设置单元用于将每一个新的数据采集时间点的时间单位设置为秒。
进一步的,全局关联支持度获取模块包括:局部支持度获取单元和全局关联支持度获取单元。
其中,局部支持度获取单元用于获取每一个时序数组中每一类数据对的局部支持度。
全局关联支持度获取单元用于统计出每一类数据对在多个时序数组中的局部支持度之和,得到每一类数据对的全局关联支持度;从得到的多个全局关联支持度中筛选出所述当前需求分析指标与其余每一个需求分析指标之间的全局关联支持度。
进一步的,局部支持度获取单元包括:时间窗建立子单元、关联度获取子单元、关联度排序子单元、数据对赋值子单元和局部支持度统计子单元。
其中,时间窗建立子单元用于建立时间窗;所述时间窗用于获取时序数组中数据对的关联度;每一个数据对中包含两个相邻的时序数据。
关联度获取子单元用于从时序数组的头部开始向时序数组的尾部移动所述时间窗;每移动一次所述时间窗,获取相应的关联度数据,得到多个关联度数据;所述时间窗的步长为1。
关联度排序子单元用于将多个关联度数据按照数值从大到小的顺序排序。
数据对赋值子单元用于根据排序结果为每一个数据对赋权值。
局部支持度统计子单元用于统计每一类数据对的局部支持度;每一类数据对中包含一个或多个同种类型的数据对,局部支持度为一个或多个同类型的数据对的权值之和。
本实施例第三方面提供一种执行如第一方面或在第一方面中任意可能的设计方案所述的一种用户需求分析展示方法的计算机设备,包括:存储器、处理器、收发器和显示器;所述存储器、所述处理器和所述收发器依次通信连接,所述显示器与所述处理器通信连接;所述存储器用于存储计算机程序,所述收发器用于收发消息,所述处理器用于读取所述计算机程序并执行如第一方面所述的用户需求分析展示。具体的,所述存储器可以但不限于包括随机存取存储器(Random-AccessMemory,RAM)、只读存储器(Read-OnlyMemory,ROM)、闪存(FlashMemory)、先进先出存储器(FirstInputFirstOutput,FIFO)和/或先进后出存储器(FirstInputLastOutput,FILO)等等;所述处理器可以但不限于采用型号为STM32F105系列的微处理器。此外,所述计算机设备还可以但不限于包括有电源模块、显示屏和其它必要的部件。
本实施例第三方面提供的前述计算机设备的工作过程、工作细节和技术效果,可以参见第一方面或在第一方面中任意可能的设计方案所述的一种用户需求分析展示方法,于此不再赘述。
本实施例第四方面提供了一种存储包含如第一方面或在第一方面中任意可能的设计方案所述的一种用户需求分析展示方法的指令的计算机可读存储介质,即所述计算机可读存储介质上存储有指令,当所述指令在计算机上运行时,执行如第一方面或在第一方面中任意可能的设计方案所述的一种用户需求分析展示方法。其中,所述计算机可读存储介质是指存储数据的载体,可以但不限于包括软盘、光盘、硬盘、闪存、优盘和/或记忆棒(MemoryStick)等计算机可读存储介质,所述计算机可以是通用计算机、专用计算机、计算机网络或者其他可编程装置。
本实施例第四方面提供的前述计算机可读存储介质的工作过程、工作细节和技术效果,可以参见如第一方面或在第一方面中任意可能的设计方案所述的一种用户需求分析展示方法,于此不再赘述。
本实施例第五方面提供了一种包含指令的计算机程序产品,当所述指令在计算机上运行时,使所述计算机执行如第一方面或在第一方面中任意可能的设计方案所述的一种用户需求分析展示方法。其中,所述计算机可以是通用计算机、专用计算机、计算机网络或者其他可编程装置。
以上所述的具体实施方式,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施方式而已,并不用于限定本发明的保护范围,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种用户需求分析展示方法,其特征在于,包括以下步骤:
建立需求分析指标集;所述需求分析指标集中包含多个待分析的需求分析指标;
在目标时段内,采集每一个需求分析指标对应的多个时序数据,得到每一个需求分析指标对应的数据样本;
将目标时段划分为多个周期;
根据周期长度对每一个数据样本进行划分,得到每一个数据样本对应的多个数据子样本;
从所述需求分析指标集中确定出当前需求分析指标;
在每一个周期内,利用多个数据子样本获取所述当前需求分析指标与其余每一个需求分析指标之间的全局关联支持度,得到每一个周期内的多个全局关联支持度;
针对其余每一个剩余需求分析指标,利用在多个周期内获得的多个全局关联支持度进行PAM调制,得到其余每一个需求分析指标对应的PAM波形图;
将多张PAM波形图叠加,得到用于用户需求分析的展示图。
2.根据权利要求1所述的一种用户需求分析展示方法,其特征在于,
所述目标时段内包含多个连续的数据采集时间点;
所述将目标时段划分为多个周期之前,包括以下步骤:对每一个数据样本进行数据清洗,得到多个清洗后的数据样本;根据多个清洗后的数据样本,对所述目标时段进行压缩,得到新的目标时段。
3.根据权利要求2所述的一种用户需求分析展示方法,其特征在于,
所述数据清洗包括以下步骤:为每一个时序数据添加时间标签;所述时间标签为时序数据对应的数据采集时间点;检测每一个时序数据是否为空,为检测出的每一个空数据添加第一标记;将每一个第一标记与对应的数据采集时间点进行关联;检测其余每一个未添加第一标记的时序数据是否为噪声数据,为检测出的每一个噪声数据添加第二标记;将每一个第二标记与对应的数据采集时间点进行关联;采集其余每一个数据样本的所有第一标记和所有第二标记;根据采集的每一个第一标记关联的数据采集时间点,为每一个时序数据添加第三标记;添加的第三标记与采集的第一标记具有相同的数据采集时间点;根据采集的每一个第二标记关联的数据采集时间点,为每一个时序数据添加第四标记;添加的第四标记与采集的第二标记具有相同的数据采集时间点;删除所有具有第一标记、第二标记、第三标记和第四标记的时序数据,得到清洗后的数据样本;
对所述目标时段进行压缩,包括以下步骤:为清洗后的每一个数据样本中的每一个时序数据添加新的时间标签;一个新的时间标签对应一个新的数据采集时间点;添加的多个新的数据采集时间点连续;将每一个新的数据采集时间点的时间单位设置为秒。
4.根据权利要求3所述的一种用户需求分析展示方法,其特征在于,
获取所述全局关联支持度之前包括以下步骤:获取每一个数据子样本中每一个时序数据的数据源;从多个数据子样本中,将属于同一数据源的多个时序数据划分到同一数组中,得到多个数组;将每一个数组中的多个时序数据按照数据采集时间点的先后顺序排序,得到多个时序数组;
获取所述全局关联支持度包括以下步骤:对每一个时序数组执行步骤A,得到每一个时序数组中每一类数据对的局部支持度;统计出每一类数据对在多个时序数组中的局部支持度之和,得到每一类数据对的全局关联支持度;从得到的多个全局关联支持度中筛选出所述当前需求分析指标与其余每一个需求分析指标之间的全局关联支持度;
所述步骤A包括:建立时间窗;所述时间窗用于获取时序数组中数据对的关联度;每一个数据对中包含两个相邻的时序数据;从时序数组的头部开始,向时序数组的尾部移动所述时间窗;每移动一次所述时间窗,获取相应的关联度数据,得到多个关联度数据;所述时间窗的步长为1;将多个关联度数据按照数值从大到小的顺序排序;根据排序结果为每一个数据对赋权值;统计每一类数据对的局部支持度;每一类数据对中包含一个或多个同种类型的数据对,局部支持度为一个或多个同类型的数据对的权值之和。
5.一种用户需求分析展示***,其特征在于,包括:
集合建立模块,用于建立需求分析指标集;所述需求分析指标集中包含多个待分析的需求分析指标;
数据采集模块,用于在目标时段内采集每一个需求分析指标对应的多个时序数据,得到每一个需求分析指标对应的数据样本;
周期划分模块,用于将所述目标时段划分为多个周期;
样本划分模块,用于根据周期长度对每一个数据样本进行划分,得到每一个数据样本对应的多个数据子样本;
指标确定模块,用于从所述需求分析指标集中确定出当前需求分析指标;
全局关联支持度获取模块,用于在每一个周期内,利用多个数据子样本获取所述当前需求分析指标与其余每一个需求分析指标之间的全局关联支持度,得到每一个周期内的多个全局关联支持度;
PAM波形图生成模块,用于针对其余每一个剩余需求分析指标,利用在多个周期内获得的多个全局关联支持度进行PAM调制,得到其余每一个需求分析指标对应的PAM波形图;
PAM波形图处理模块,用于将多张PAM波形图叠加,得到用于用户需求分析的展示图。
6.根据权利要求5所述的一种用户需求分析展示***,其特征在于,
所述目标时段内包含多个连续的数据采集时间点;
所述用户需求分析展示***还包括:
数据清洗模块,用于对每一个数据样本进行数据清洗,得到多个清洗后的数据样本;
目标时段压缩模块,用于根据多个清洗后的数据样本,对所述目标时段进行压缩,得到新的目标时段。
7.根据权利要求6所述的一种用户需求分析展示***,其特征在于,
所述数据清洗模块包括:
第一标签添加单元,用于为每一个时序数据添加时间标签;所述时间标签为时序数据对应的数据采集时间点;
第一数据标记单元,用于检测每一个时序数据是否为空,为检测出的每一个空数据添加第一标记;
第一数据关联单元,用于将每一个第一标记与对应的数据采集时间点进行关联;
第二数据标记单元,用于检测其余每一个未添加第一标记的时序数据是否为噪声数据,为检测出的每一个噪声数据添加第二标记;
第二数据关联单元,用于将每一个第二标记与对应的数据采集时间点进行关联;
数据采集单元,用于采集其余每一个数据样本的所有第一标记和所有第二标记;
第三数据标记单元,用于根据采集的每一个第一标记关联的数据采集时间点,为每一个时序数据添加第三标记;添加的第三标记与采集的第一标记具有相同的数据采集时间点;
第四数据标记单元,用于根据采集的每一个第二标记关联的数据采集时间点,为每一个时序数据添加第四标记;添加的第四标记与采集的第二标记具有相同的数据采集时间点;
数据删除单元,用于删除所有具有第一标记、第二标记、第三标记和第四标记的时序数据,得到清洗后的数据样本;
所述目标时段压缩模块包括:
第二标签添加单元,用于为清洗后的每一个数据样本中的每一个时序数据添加新的时间标签;一个新的时间标签对应一个新的数据采集时间点;添加的多个新的数据采集时间点连续;
时间单位设置单元,用于将每一个新的数据采集时间点的时间单位设置为秒。
8.根据权利要求7所述的一种用户需求分析展示***,其特征在于,
所述用户需求分析展示***还包括:
数据源获取模块,用于获取每一个数据子样本中每一个时序数据的数据源;
第一数组建立模块,用于从多个数据子样本中,将属于同一数据源的多个时序数据划分到同一数组中,得到多个数组;
第二数组建立模块,用于将每一个数组中的多个时序数据按照数据采集时间点的先后顺序排序,得到多个时序数组;
所述全局关联支持度获取模块包括:
局部支持度获取单元,用于获取每一个时序数组中每一类数据对的局部支持度;
全局关联支持度获取单元,用于统计出每一类数据对在多个时序数组中的局部支持度之和,得到每一类数据对的全局关联支持度;从得到的多个全局关联支持度中筛选出所述当前需求分析指标与其余每一个需求分析指标之间的全局关联支持度;
所述局部支持度获取单元包括:
时间窗建立子单元,用于建立时间窗;所述时间窗用于获取时序数组中数据对的关联度;每一个数据对中包含两个相邻的时序数据;
关联度获取子单元,用于从时序数组的头部开始,向时序数组的尾部移动所述时间窗;每移动一次所述时间窗,获取相应的关联度数据,得到多个关联度数据;所述时间窗的步长为1;
关联度排序子单元,用于将多个关联度数据按照数值从大到小的顺序排序;
数据对赋值子单元,用于根据排序结果为每一个数据对赋权值;
局部支持度统计子单元,用于统计每一类数据对的局部支持度;每一类数据对中包含一个或多个同种类型的数据对,局部支持度为一个或多个同类型的数据对的权值之和。
9.一种计算机设备,其特征在于,包括:存储器、处理器、收发器和显示器;所述存储器、所述处理器和所述收发器依次通信连接,所述显示器与所述处理器通信连接;所述存储器用于存储计算机程序,所述收发器用于收发消息,所述处理器用于读取所述计算机程序并执行如权利要求1~4中任意一项所述的用户需求分析展示方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有指令,当所述指令在计算机上运行时,执行如权利要求1~4中任意一项所述的用户需求分析展示方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410281762.7A CN117874315B (zh) | 2024-03-13 | 2024-03-13 | 用户需求分析展示方法、***、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410281762.7A CN117874315B (zh) | 2024-03-13 | 2024-03-13 | 用户需求分析展示方法、***、计算机设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117874315A true CN117874315A (zh) | 2024-04-12 |
CN117874315B CN117874315B (zh) | 2024-05-14 |
Family
ID=90590475
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410281762.7A Active CN117874315B (zh) | 2024-03-13 | 2024-03-13 | 用户需求分析展示方法、***、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117874315B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104036360A (zh) * | 2014-06-19 | 2014-09-10 | 中国科学院软件研究所 | 一种基于磁卡考勤行为的用户数据处理***及处理方法 |
US20140277656A1 (en) * | 2013-03-14 | 2014-09-18 | Fisher-Rosemount Systems, Inc. | Collecting and delivering data to a big data machine in a process control system |
CN105205112A (zh) * | 2015-09-01 | 2015-12-30 | 西安交通大学 | 一种时序数据异常特征的挖掘***及方法 |
CN112214533A (zh) * | 2020-10-20 | 2021-01-12 | 上海船舶研究设计院(中国船舶工业集团公司第六0四研究院) | 时序数据聚合方法及装置 |
US20210064224A1 (en) * | 2019-08-30 | 2021-03-04 | GE Precision Healthcare LLC | Systems and methods for graphical user interfaces for medical device trends |
CN113313170A (zh) * | 2021-05-28 | 2021-08-27 | 中国人民解放军战略支援部队航天工程大学 | 基于人工智能的全时全域训练大数据平台 |
US20230091453A1 (en) * | 2014-04-02 | 2023-03-23 | Brighterion, Inc. | Smart retail analytics and commercial messaging |
CN116680325A (zh) * | 2023-06-25 | 2023-09-01 | 杭州电子科技大学 | 基于属性关联性的时序记录链接数据匹配方法及装置 |
CN117350775A (zh) * | 2023-10-13 | 2024-01-05 | 山东卓业医疗科技有限公司 | 一种医用手术机器人市场现状需求分析方法及*** |
-
2024
- 2024-03-13 CN CN202410281762.7A patent/CN117874315B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140277656A1 (en) * | 2013-03-14 | 2014-09-18 | Fisher-Rosemount Systems, Inc. | Collecting and delivering data to a big data machine in a process control system |
US20230091453A1 (en) * | 2014-04-02 | 2023-03-23 | Brighterion, Inc. | Smart retail analytics and commercial messaging |
CN104036360A (zh) * | 2014-06-19 | 2014-09-10 | 中国科学院软件研究所 | 一种基于磁卡考勤行为的用户数据处理***及处理方法 |
CN105205112A (zh) * | 2015-09-01 | 2015-12-30 | 西安交通大学 | 一种时序数据异常特征的挖掘***及方法 |
US20210064224A1 (en) * | 2019-08-30 | 2021-03-04 | GE Precision Healthcare LLC | Systems and methods for graphical user interfaces for medical device trends |
CN112214533A (zh) * | 2020-10-20 | 2021-01-12 | 上海船舶研究设计院(中国船舶工业集团公司第六0四研究院) | 时序数据聚合方法及装置 |
CN113313170A (zh) * | 2021-05-28 | 2021-08-27 | 中国人民解放军战略支援部队航天工程大学 | 基于人工智能的全时全域训练大数据平台 |
CN116680325A (zh) * | 2023-06-25 | 2023-09-01 | 杭州电子科技大学 | 基于属性关联性的时序记录链接数据匹配方法及装置 |
CN117350775A (zh) * | 2023-10-13 | 2024-01-05 | 山东卓业医疗科技有限公司 | 一种医用手术机器人市场现状需求分析方法及*** |
Non-Patent Citations (4)
Title |
---|
MOUSHUMI SHARMIN 等: "Visualization of time-series sensor data to inform the design of just-in-time adaptive stress interventions", 《UBICOMP \'15: PROCEEDINGS OF THE 2015 ACM INTERNATIONAL JOINT CONFERENCE ON PERVASIVE AND UBIQUITOUS COMPUTING》, 7 September 2015 (2015-09-07), pages 505, XP058965583, DOI: 10.1145/2750858.2807537 * |
SADIQ HUSSAIN 等: "Classification, Clustering and Association Rule Mining in Educational Datasets Using Data Mining Tools: A Case Study", 《CYBERNETICS AND ALGORITHMS IN INTELLIGENT SYSTEMS》, 17 May 2018 (2018-05-17), pages 196 * |
任珂: "面向空气污染的时空多变量数据可视分析", 《中国博士学位论文全文数据库 工程科技Ⅰ辑》, no. 09, 15 September 2021 (2021-09-15), pages 027 - 27 * |
王唯佳: "蓄水池算法研究与时间序列预测应用", 《中国优秀硕士学位论文全文数据库 基础科学辑》, no. 01, 15 January 2021 (2021-01-15), pages 002 - 1017 * |
Also Published As
Publication number | Publication date |
---|---|
CN117874315B (zh) | 2024-05-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TWI598839B (zh) | Method and apparatus for determining a target location | |
CN106598988B (zh) | 一种数据处理方法和设备 | |
Stumbo | New technology in dietary assessment: a review of digital methods in improving food record accuracy | |
CN110418161A (zh) | 视频审核方法及装置、电子设备及可读存储介质 | |
CN108537544A (zh) | 一种交易***实时监控方法及其监控*** | |
CN109697434A (zh) | 一种行为识别方法、装置和存储介质 | |
Guan et al. | DEM generation from lidar data in wooded mountain areas by cross-section-plane analysis | |
CN109034036A (zh) | 一种视频分析方法、教学质量评估方法及***、计算机可读存储介质 | |
JP2011523706A (ja) | 3次元ビットマップでの信号検索 | |
US10127457B2 (en) | System and methods for generating quality, verified, and synthesized information | |
CN110009502B (zh) | 理财数据分析方法、装置、计算机设备和存储介质 | |
CN112862525A (zh) | 门店选址数据确定方法、***及电子设备 | |
Sun et al. | Incorporating data quality information in mapping American Community Survey data | |
CN112153320B (zh) | 一种物品尺寸的测量方法、装置、电子设备和存储介质 | |
CN117874315B (zh) | 用户需求分析展示方法、***、计算机设备和存储介质 | |
US11100365B2 (en) | Apparatus and method for interactively viewing and clustering data segments from long data recordings | |
CN113723860B (zh) | 一种土地资源资产离任审计评价方法、装置及存储介质 | |
Ke et al. | An automatic instrument recognition approach based on deep convolutional neural network | |
Burnicki | Spatio-temporal errors in land–cover change analysis: Implications for accuracy assessment | |
CN102840835A (zh) | 基于欧氏距离和图像分块的羊毛直径检测方法 | |
CN111027599A (zh) | 基于随机抽样的聚类可视化方法及装置 | |
CN111210132A (zh) | 一种基于大数据分析的人职匹配测评方法 | |
Liu | Interactions within Sustainable Development Goals (SDGs): the economic and environmental dimensions of SDG Indicator 14.7. 1 | |
Hatami | Carbon estimation of individual trees using high laser density data of airborne lidar: A case study in Bois Noir, France | |
CN114490624B (zh) | 一种基于大数据的人房企智慧统计方法、***及可读存储介质 |
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 |