TW201737072A - 一種對應用程序進行項目評估的方法及系統 - Google Patents

一種對應用程序進行項目評估的方法及系統 Download PDF

Info

Publication number
TW201737072A
TW201737072A TW106105767A TW106105767A TW201737072A TW 201737072 A TW201737072 A TW 201737072A TW 106105767 A TW106105767 A TW 106105767A TW 106105767 A TW106105767 A TW 106105767A TW 201737072 A TW201737072 A TW 201737072A
Authority
TW
Taiwan
Prior art keywords
target application
feature
data
credit
application
Prior art date
Application number
TW106105767A
Other languages
English (en)
Inventor
Yu Wang
Yang Yang
Zhou Ye
Hai-Jie Gu
Pun Kok Herbert Chia
Original Assignee
Alibaba Group Services Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Alibaba Group Services Ltd filed Critical Alibaba Group Services Ltd
Publication of TW201737072A publication Critical patent/TW201737072A/zh

Links

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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Educational Administration (AREA)
  • Marketing (AREA)
  • Development Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Computing Systems (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)

Abstract

本發明實施例提供了一種對應用程式進行項目評估的方法及系統，其中所述方法包括：獲取多種異構資料；分別從所述異構資料中獲取待評估的目標應用程式的特徵資訊；基於所述目標應用程式的特徵資訊，獲取所述目標應用程式的項目信用係數。本發明實施例可以提高應用程式的項目評估的準確率，使得項目信用係數的參考意義更大。

Description

一種對應用程序進行項目評估的方法及系統
本發明涉及資料處理技術領域，特別是涉及一種對應用程式進行項目評估的方法，以及一種對應用程式進行項目評估的系統。
隨著資訊技術的發展，應用程式app的數量呈指數增長，僅中國就已有將近百萬的量級。然而，這些app中，只有很少一部分可以獲得投資，大部分有潛力的app因無法及時獲得投資而得不到發展。因此，迫切需要建立一種app信用評估體系。
目前，與app信用評估體系最為相關的信用評估體系是對人和公司或項目的信用評估。
然而，針對人的信用評估體系，是以人為維度進行信用體系的構建，對於app並無移植性。
針對公司或項目的信用評估，往往都是以公司或項目等實體為維度進行評估，在授信時，對每個實體進行實地考察和精細估值。然而app市場由於其龐大的app數量，對每個app進行考察和精細估值並不可取。
因此，目前需要本領域技術人員迫切解決的一個技術問題就是：構建一種適用於app評估的信用評估體系，用以對app進行全面的評估，得到更具參考價值的項目信用係數。
本發明實施例所要解決的技術問題是提供一種對應用程式進行項目評估的方法，用以對app進行全面的評估，得到更具參考價值的項目信用係數。
相應的，本發明實施例還提供了一種對應用程式進行項目評估的系統，用以保證上述方法的實現及應用。
為了解決上述問題，本發明實施例公開了一種對應用程式進行項目評估的方法，所述方法包括：獲取多種異構資料；分別從所述異構資料中獲取待評估的目標應用程式的特徵資訊；基於所述目標應用程式的特徵資訊，獲取所述目標應用程式的項目信用係數。
較佳地，所述獲取多種異構資料的步驟包括：分別從預設的多個資料資源網站中獲取對應的異構資料；分別將所述異構資料組織成異構資料集合。
較佳地，所述異構資料至少包括：日誌資料、公共關係資料以及社交網路服務資料；所述異構資料集合至少包 括：日誌資料集合、公共關係資料集合以及社交網路服務資料集合。
較佳地，所述特徵資訊至少包括：訪問行為特徵、公共關係特徵、社交屬性特徵；所述分別從所述異構資料中獲取待評估的目標應用程式的特徵資訊的步驟包括：確定待評估的目標應用程式；從所述日誌資料集合中獲取所述目標應用程式的訪問行為特徵；從所述公共關係資料集合中獲取所述目標應用程式的公共關係特徵；從所述社交網路服務資料集合中獲取所述目標應用程式的社交屬性特徵。
較佳地，所述確定待評估的目標應用程式的步驟包括：獲取所述日誌資料集合中記錄的，每個應用程式在預設時間段內的訪問次數；基於所述訪問次數，對所述應用程式進行排序；將排序在前的N個應用程式確定為待評估的目標應用程式，其中，N為正整數。
較佳地，所述訪問行為特徵至少包括：所述目標應用程式的日均獨立訪客量，和/或，日活躍使用者數，和/或，日均平均使用時長；和/或， 所述公共關係特徵至少包括：與所述目標應用程式關聯的文稿的數量，和/或，所述與所述目標應用程式關聯的文稿的評論數和/或轉發數；和/或，所述社交屬性特徵至少包括：所述目標應用程式被下載的次數，和/或，所述目標應用程式的官方微博中的粉絲數和/或大V粉絲數和/或關注數和/或官方微博的所有評論數和/或轉發數，所述目標應用程式的相關人員名稱，和/或，所述相關人員的微博的粉絲數和/或大V粉絲數和/或關注數和/或所述相關人員的微博的所有評論數和/或轉發數。
較佳地，所述相關人員包括投資者和/或開發者和/或運維推廣者。
較佳地，所述項目信用係數包括期望授信金額，所述基於所述目標應用程式的特徵資訊，獲取所述目標應用程式的項目信用係數的步驟包括：創建所述目標應用程式的知識圖譜；以單個目標應用程式為主鍵，將所述知識圖譜、所述訪問行為特徵、所述公共關係特徵、所述社交屬性特徵，拼合成所述目標應用程式的特徵資料表；基於所述特徵資料表，預估所述目標應用程式的期望授信金額。
較佳地，所述創建所述目標應用程式的知識圖譜的步驟包括： 從所述公共關係資料集合中獲得與所述目標應用程式相關聯的文稿；對所述相關聯的文稿進行分詞處理，獲得所述文稿的有效詞，並統計所述有效詞的詞頻；將詞頻排序在前M的有效詞，作為所述目標應用程式的實體知識，其中，M為正整數；識別所述實體知識的實體類型；產生所述目標應用程式、所述實體類型以及所述實體知識的映射關係；將所有映射關係組織成所述目標應用程式的知識圖譜。
較佳地，所述基於所述特徵資料表，預估所述目標應用程式的期望授信金額的步驟包括：獲取在先獲得投資的已授信應用程式的授信資料，作為案例集合；根據所述案例集合以及所述特徵資料表，產生訓練樣本；對所述訓練樣本進行模型訓練，產生預測模型；針對所述預測模型，計算所述目標應用程式的期望授信金額。
較佳地，所述項目信用係數還包括信用評分，所述方法還包括：對所述期望授信金額進行對數運算以及歸一化處理，得到所述目標應用程式的信用評分。
本發明實施例還提供了一種對應用程式進行項目評估的系統，所述系統包括：異構資料獲取模組，用於獲取多種異構資料；特徵資訊獲取模組，用於分別從所述異構資料中獲取待評估的目標應用程式的特徵資訊；項目信用係數獲取模組，用於基於所述目標應用程式的特徵資訊，獲取所述目標應用程式的項目信用係數。
較佳地，所述異構資料獲取模組包括：異構資料獲取子模組，用於分別從預設的多個資料資源網站中獲取對應的異構資料；組織子模組，用於分別將所述異構資料組織成異構資料集合。
較佳地，所述異構資料至少包括：日誌資料、公共關係資料以及社交網路服務資料；所述異構資料集合至少包括：日誌資料集合、公共關係資料集合以及社交網路服務資料集合。
較佳地，所述特徵資訊至少包括：訪問行為特徵、公共關係特徵、社交屬性特徵；所述特徵資訊獲取模組包括：目標應用程式確定子模組，用於確定待評估的目標應用程式；訪問特徵獲取子模組，用於從所述日誌資料集合中獲取所述目標應用程式的訪問行為特徵；公共關係特徵獲取子模組，用於從所述公共關係資料 集合中獲取所述目標應用程式的公共關係特徵；社交特徵獲取子模組，用於從所述社交網路服務資料集合中獲取所述目標應用程式的社交屬性特徵。
較佳地，所述目標應用程式確定子模組包括：訪問次數獲取單元，用於獲取所述日誌資料集合中記錄的，每個應用程式在預設時間段內的訪問次數；排序單元，用於基於所述訪問次數，對所述應用程式進行排序；確定單元，用於將排序在前的N個應用程式確定為待評估的目標應用程式，其中，N為正整數。
較佳地，所述訪問行為特徵至少包括：所述目標應用程式的日均獨立訪客量，和/或，日活躍使用者數，和/或，日均平均使用時長；和/或，所述公共關係特徵至少包括：與所述目標應用程式關聯的文稿的數量，和/或，所述與所述目標應用程式關聯的文稿的評論數和/或轉發數；和/或，所述社交屬性特徵至少包括：所述目標應用程式被下載的次數，和/或，所述目標應用程式的官方微博中的粉絲數和/或大V粉絲數和/或關注數和/或官方微博的所有評論數以及轉發數，和/或，所述目標應用程式的相關人員名稱，和/或，所述相關人員的微博的粉絲數和/或大V粉絲數和/或關注數和/或所述相關人員的微博的所有評論數 和/或轉發數。
較佳地，所述相關人員包括投資者和/或開發者和/或運維推廣者。
較佳地，所述項目信用係數包括期望授信金額，所述項目信用係數獲取模組包括：知識圖譜創建子模組，用於創建所述目標應用程式的知識圖譜；特徵合併子模組，用於以單個目標應用程式為主鍵，將所述知識圖譜、所述訪問行為特徵、所述公共關係特徵、所述社交屬性特徵，拼合成所述目標應用程式的特徵資料表；金額預估子模組，用於基於所述特徵資料表，預估所述目標應用程式的期望授信金額。
較佳地，所述知識圖譜創建子模組包括：關聯文稿獲取單元，用於從所述公共關係資料集合中獲得與所述目標應用程式相關聯的文稿；文稿分詞單元，用於對所述相關聯的文稿進行分詞處理，獲得所述文稿的有效詞，並統計所述有效詞的詞頻；知識確定單元，用於將詞頻排序在前M的有效詞，作為所述目標應用程式的實體知識，其中，M為正整數；類型識別單元，用於識別所述實體知識的實體類型；實體映射單元，用於產生所述目標應用程式、所述實體類型以及所述實體知識的映射關係；知識圖譜構建單元，用於將所有映射關係組織成所述 目標應用程式的知識圖譜。
較佳地，所述金額預估子模組包括：案例獲取單元，用於獲取在先獲得投資的已授信應用程式的授信資料，作為案例集合；樣本獲取單元，用於根據所述案例集合以及所述特徵資料表，產生訓練樣本；模型訓練單元，用於對所述訓練樣本進行模型訓練，產生預測模型；授信金額計算單元，用於針對所述預測模型，計算所述目標應用程式的期望授信金額。
較佳地，所述項目信用係數還包括信用評分，所述系統還包括：信用評分獲取模組，用於對所述期望授信金額進行對數運算以及歸一化處理，得到所述目標應用程式的信用評分。
與背景技術相比，本發明實施例包括以下優點：
本發明實施例提出一種通用的對應用程式的項目評估方式，並不限於某一行業的應用程式，可以實現跨行業應用程式的對比，提高應用程式的可比性。
另外，本發明實施例能夠自動結合多種異構資料，獲取待評估的目標應用程式的各項特徵資訊，並根據特徵資訊來獲取目標應用程式的項目信用係數，多種異構資料可以提高資料來源的全面性，從而使得項目信用係數真實反映目標應用程式的特徵，提高項目評估的準確率，使得項 目信用係數的參考意義更大。
301‧‧‧異構資料獲取模組
302‧‧‧特徵資訊獲取模組
303‧‧‧項目信用係數獲取模組
圖1是本發明的一種對應用程式進行項目評估的方法實施例一的步驟流程圖；圖2是本發明的一種對應用程式進行項目評估的方法實施例二的步驟流程圖；圖3是本發明的一種對應用程式進行項目評估的系統實施例的結構方塊圖。
為使本發明的上述目的、特徵和優點能夠更加明顯易懂，下面結合附圖和具體實施方式對本發明作進一步詳細的說明。
參照圖1，示出了本發明的一種對應用程式進行項目評估的方法實施例一的步驟流程圖，所述方法可以包括如下步驟：步驟101，獲取多種異構資料；步驟102，分別從所述異構資料中獲取待評估的目標應用程式的特徵資訊；步驟103，基於所述目標應用程式的特徵資訊，獲取所述目標應用程式的項目信用係數。
本發明實施例提出一種通用的對應用程式的項目評估方式，並不限於某一行業的應用程式，可以實現跨行業應 用程式的對比，提高應用程式的可比性。
另外，本發明實施例能夠自動結合多種異構資料，獲取待評估的目標應用程式的各項特徵資訊，並根據特徵資訊來獲取目標應用程式的項目信用係數，多種異構資料可以提高資料來源的全面性，從而使得項目信用係數真實反映目標應用程式的特徵，提高項目評估的準確率，使得項目信用係數的參考意義更大。
參照圖2，示出了本發明的一種對應用程式進行項目評估的方法實施例二的步驟流程圖，本發明實施例可以應用在投資方或銀行等對應用程式的項目信用評估場景中，為投資方或銀行等提供更具參考價值的針對應用程式的項目評估方案。
本發明實施例可以包括如下步驟：步驟201，分別從預設的多個資料資源網站中獲取對應的日誌資料、公共關係資料以及社交網路服務資料；在本發明實施例中，可以從預設的多個資料資源網站中獲取對應的日誌資料、公共關係(Public Relation，簡稱PR)資料以及社交網路服務(Social Networking Services，簡稱SNS)資料等異構資料。
在具體實現中，資料資源網站可以為相對獨立的網站，包括行業熱點網站、開發平臺或分析平臺、社交服務網站等。
可以通過網路爬蟲從多個資料資源網站中爬取對應的日誌資料、公共關係資料以及社交網路服務資料。
例如，可以通過網路爬蟲從開發者平臺或資料分析平臺的資料庫中爬取日誌資料，該開發者平臺或資料分析平臺可以包括如移動開發者服務平臺友盟、中文網站統計分析平臺cnzz等平臺。
又如，可以通過網路爬蟲從行業熱點網站中爬取PR資料，如從虎嗅網等IT行業熱點網站的資料庫中獲取PR資料。
又如，可以通過網路爬蟲從社交服務網站中爬取SNS資料，如從微薄的資料庫中獲取SNS資料。
步驟202，分別將所述日誌資料、公共關係資料以及社交網路服務資料組織成對應的日誌資料集合、公共關係資料集合以及社交網路服務資料集合；從多個資料資源網站中獲取對應的日誌資料、公共關係資料以及社交網路服務資料等資料以後，進一步可以將所有獲取到的日誌資料組織成日誌資料集合，以及，將所有獲取到的公共關係資料組織成公共關係資料集合(又稱PR資料集合)，以及，將所有獲取到的社交網路服務資料組織成社交網路服務資料集合(又稱SNS資料集合)。
在具體實現中，日誌資料集合記錄了使用者對應用程式的訪問行為以及在應用程式上的操作等資訊。
PR資料集合記錄了與應用程式相關的行業資訊以及該應用程式的動態資訊等。
SNS資料集合記錄了應用程式的社交屬性資訊，包括 該應用程式的開發者、創始人等相關人員的社交屬性資訊。
在實際中，可以創建日誌資料庫保存該日誌資料集合，以及，創建PR資料庫保存該PR資料集合，以及，創建SNS資料庫保存該SNS資料集合。
步驟203，確定待評估的目標應用程式；在本發明實施例的一種較佳實施例中，步驟203可以包括如下子步驟：子步驟S11，獲取所述日誌資料集合中記錄的，每個應用程式在預設時間段內的訪問次數；子步驟S12，基於所述訪問次數，對所述應用程式進行排序；子步驟S13，將排序在前的N個應用程式確定為待評估的目標應用程式，其中，N為正整數。
具體而言，根據日誌資料集合中記錄的對每個應用程式的訪問行為，可以統計預設時間段(例如，一個月)內每個應用程式的訪問次數，並以訪問次數對應用程式進行排序，獲得排序在前N(N為正整數)的較為活躍的應用程式，組成待進行項目評估的評估物件清單，即目標應用程式清單。
需要說明的是，上述確定目標應用程式的方式僅僅是本發明實施例的一種實施方式，但本發明實施例並不限於此，本領域技術人員採用其他方式確定目標應用程式均是可以的，例如，根據銀行或投資方等評估方的實際需求， 將評估方需要進行項目評估的應用程式作為目標應用程式，等等。
另外，本發明實施例並不限於某一行業的應用程式的評估，可以通用於各種行業的各種應用程式的評估，實現同行業縱向的應用程式評估以及跨行業橫向的應用程式評估，提高不同應用程式評估的可比性。
步驟204，從所述日誌資料集合中獲取所述目標應用程式的訪問行為特徵；在實際中，該訪問行為特徵反映了與訪問相關的特徵，是目標應用程式當前資料的表現，可以以單個目標應用程式為主鍵，從日誌資料集合中獲取該目標應用程式的訪問行為特徵。
作為本發明實施例的一種較佳示例，所述訪問行為特徵至少可以包括如下資訊：所述目標應用程式的日均獨立訪客量(unique visitor，簡稱uv)，和/或，日活躍使用者數，和/或，日均平均使用時長等。
在具體實現中，除了可以從日誌資料集合中提取目標應用程式的訪問行為特徵以外，還可以從日誌資料集合中提取該目標應用程式的屬性資訊，該目標應用程式的屬性資訊至少可以包括：該目標應用程式所屬的行業、該目標應用程式的年齡、該所屬的行業內應用程式的平均年齡(該行業內所有app的年齡之和與該行業內所有app的數量的比值)等。
步驟205，從所述公共關係資料集合中獲取所述目標 應用程式的公共關係特徵；目標應用程式的公共關係特徵為反映了涉及目標應用程式的運營推廣等公共關係相關的特徵，其中，目標應用程式的公共關係是指目標應用程式與公眾環境之間的溝通與傳播關係。例如，行業熱點網站中的文稿是應用程式的公共關係的表現形式之一。
在本發明實施例中，首先可以從公共關係資料集合中提取與目標應用程式關聯的文稿。在具體實現中，可以通過ETL(Extract-Transform-Load，用來描述將資料從來源端經過抽取(extract)、轉換(transform)、載入(load)至目的端的過程)技術獲取PR資料集合中的所有文稿的結構化資訊。
作為一種示例，該結構化資訊可以包括但不限於：PR資料集合中每個文稿的標題、標題分詞、文章標籤、摘要等。例如，某一文稿的標題為《A音樂的正版之路》，文章標籤為：A音樂、音樂版權和創業三個，內容為正文，則其結構化資訊為：《A音樂的正版之路》+多米/音樂/正版+A音樂/音樂版權/創業+NULL(因為獲取的資料中只有正文內容，而摘要為空，所以用NULL代替)。
得到PR資料集合中的每個文稿的結構化資訊以後，可以從該結構化資訊中匹配目標應用程式的匹配因數(包括目標應用程式的名稱、功能等)，若匹配成功，則該文稿為與目標應用程式關聯的文稿，若匹配不成功，則該文稿為與目標應用程式不相關的文稿。
確定與目標應用程式的關聯的文稿以後，可以根據該關聯的文稿，獲取目標應用程式的公共關係特徵。
作為本發明實施例的一種較佳示例，公共關係特徵至少可以包括如下資訊：與目標應用程式關聯的文稿的數量，和/或，與目標應用程式關聯的文稿的評論數和/或轉發數等。
具體而言，得到目標應用程式的關聯的文稿以後，可以計算該關聯的文稿的數量，作為目標應用程式的公共關係特徵之一。
目標應用程式關聯的文稿的評論數和轉發數可以為從PR資料集合中獲取的每一個關聯的文稿的評論數和/或轉發數。
和/或，目標應用程式關聯的文稿的評論數和轉發數也可以是在獲得每一個關聯的文稿的評論數以及轉發數以後，將所有關聯的文稿的評論數進行匯總得到的匯總值以及將所有的轉發數進行匯總得到的匯總值。
和/或，目標應用程式關聯的文稿的評論數和轉發數也可以是在獲得每一個關聯的文稿的評論數以及轉發數以後，將所有關聯的文稿的評論數進行匯總求平均後得到的平均評論數以及將所有的轉發數進行匯總求平均後得到的平均轉發數。
如虎嗅網中一個月內有多篇PR稿件是關於某音樂 app的，因此產生的該音樂app的公共關係特徵可以為：音樂app名稱+12(稿件數量)+3327(評論數)+58(轉發數)。
步驟206，從所述社交網路服務資料集合中獲取所述目標應用程式的社交屬性特徵；目標應用程式的社交屬性特徵為反映了目標應用程式及相關人員的社交能力與關注程度相關的特徵，該目標應用程式的社交屬性特徵至少可以包括目標應用程式本身的推廣屬性特徵以及目標應用程式的相關人員的社交屬性特徵。例如，該目標應用程式本身的推廣屬性特徵可以從該目標應用程式的官方微博中體現，該目標應用程式的相關人員的社交屬性特徵可以從該相關人員的微博中體現。
作為一種示例，該相關人員至少可以包括如下人員的一種：投資者(當目標應用程式已有投資者時)、開發者、運維推廣者。
作為一種示例，目標應用程式本身的推廣屬性特徵至少可以包括：該目標應用程式被下載的次數，和/或，該目標應用程式的官方微博中的粉絲數和/或大V粉絲數和/或關注數和/或官方微博的所有評論數和/或轉發數等。
該目標應用程式的相關人員的社交屬性特徵至少可以包括：所述目標應用程式的相關人員名稱，和/或，所述相關人員的微博的粉絲數和/或大V粉絲數和/或關注數和/或該相關人員的微博的所有評論數和/或轉發數。
步驟207，創建所述目標應用程式的知識圖譜； 知識圖譜(Mapping Knowledge Domain)也被稱為科學知識圖譜，在圖書情報界稱為知識域視覺化或知識領域映射地圖，是顯示知識發展進程與結構關係的一系列各種不同的圖形，用視覺化技術描述知識資源及其載體，挖掘、分析、構建、繪製和顯示知識及它們之間的相互聯繫。
知識圖譜本質上是語義網路，是一種基於圖的資料結構，由節點(Point)和邊(Edge)組成。在知識圖譜裡，每個節點表示現實世界中存在的“實體”，每條邊為實體與實體之間的“關係”。知識圖譜是關係的最有效的表示方式。通俗地講，知識圖譜就是把所有不同種類的資訊(Heterogeneous Information)連接在一起而得到的一個關係網絡。知識圖譜提供了從“關係”的角度去分析問題的能力。
在本發明實施例的一種較佳實施例中，步驟207可以包括如下子步驟：子步驟S21，從所述公共關係資料集合中獲得與所述目標應用程式相關聯的文稿；在具體實現中，可以在PR資料集合的所有文稿的結構化資訊中匹配目標應用程式的匹配因數(包括目標應用程式的名稱、功能等)，若匹配成功，則該文稿為與目標應用程式關聯的文稿，若匹配不成功，則該文稿為與目標應用程式不相關的文稿。
子步驟S22，對所述相關聯的文稿進行分詞處理，獲 得所述文稿的有效詞，並統計所述有效詞的詞頻；獲得與目標應用程式關聯的文稿以後，可以對每個關聯的文稿的全文進行分詞處理，得到分詞結果，然後去掉分詞結果中的諸如“的”“了”“是”等停用詞，得到每一個關聯的文稿的有效詞。
需要說明的是，可以採用通用的分詞方法，例如，基於字串匹配、基於理解、基於統計等分詞方法對關聯的文稿進行全文分詞，得到分詞結果，本發明實施例對具體的分詞方式不作限制。
得到每個關聯的文稿的有效詞以後，可以以有效詞為單位，統計所有關聯的文稿的每一個有效詞的出現的頻率，得到每個有效詞的詞頻。
子步驟S23，將詞頻排序在前M的有效詞，作為所述目標應用程式的實體知識；得到每個有效詞的詞頻以後，可以按照詞頻對有效詞進行排序，並獲取排序在前M(M為正整數)的有效詞，作為該目標應用程式的實體知識，即作為知識圖譜中的節點。例如，A音樂app的實體知識可以為B音樂、C音樂、張三等。
子步驟S24，識別所述實體知識的實體類型；當確定目標應用程式的實體知識時，可以在預設字典中查找與該實體知識對應的實體類型。在具體實現中，預設字典可以包括投資人清單、開發者列表、著名微博大V清單、同行業應用程式清單等。
例如，若目標應用程式為A音樂app，其中一個實體知識為張三，則可以在上述投資人列表、開發者列表、著名微博大V清單、同行業應用程式清單等字典中查找張三，最後在投資人列表中找到“張三”，則得到“張三”的實體類型為投資人。
又如，若目標應用程式為A音樂app，其中一個實體知識為B音樂app，則可以在上述投資人列表、開發者列表、著名微博大V清單、同行業應用程式清單等字典中查找B音樂app，最後在同行業應用程式清單中找到B音樂app，則得到B音樂app的實體類型為競爭對手。
在實際中，該預設字典儲存在SNS資料庫中。
需要說明的是，上述識別實體類型的方式僅僅是本發明實施例的一種示例，本領域技術人員採用其他方式均是可以的，本發明實施例對此不作限制。
子步驟S25，產生所述目標應用程式、所述實體類型以及所述實體知識的映射關係；得到目標應用程式的實體知識以及實體類型以後，可以產生三者的映射關係，例如，參照上例，產生“A音樂app--投資人--張三”的映射關係。又如，產生“A音樂app--競爭對手--B音樂app”的映射關係。
子步驟S26，將所有映射關係組織成所述目標應用程式的知識圖譜。
得到所有實體知識的映射關係以後，組織所有的映射關係，可以得到目標應用程式的知識圖譜。
需要說明的是，後續得到的映射關係，若在知識圖譜中存在，則放棄該映射關係，若不存在，則在知識圖譜中增加該映射關係。
步驟208，以單個目標應用程式為主鍵，將所述知識圖譜、所述訪問行為特徵、所述公共關係特徵、所述社交屬性特徵，拼合成所述目標應用程式的特徵資料表；獲得目標應用程式的公共關係特徵、訪問行為特徵、社交屬性特徵以及知識圖譜以後，可以以目標應用程式為主鍵，將其公共關係特徵、訪問行為特徵、社交屬性特徵以及知識圖譜進行合併，得到描述目標應用程式多個維度的特徵資訊的特徵資料寬表。
在具體實現中，在產生特徵資料表的過程中，還可以考慮目標應用程式的屬性資訊、每一關聯文稿的結構化資訊等的因素，將目標應用程式的屬性資訊、每一關聯文稿的結構化資訊等資訊添加到特徵資料表中。
例如，A音樂app的特徵資料表為：A音樂+12(相關的文稿的數量)+3327(相關的文稿的評論數)+58(相關的文稿的轉發數)+......。
步驟209，基於所述特徵資料表，預估所述目標應用程式的期望授信金額；得到目標應用程式的特徵資料表以後，可以根據該特徵資料表，預估目標應用程式的期望授信金額(或稱期望投資金額)。
在本發明實施例的一種較佳實施例中，步驟209可以 包括如下子步驟：子步驟S31，獲取在先獲得投資的已授信應用程式的授信資料，作為案例集合；在具體實現中，SNS集合中還可以包括在先獲得投資的已授信應用程式的授信資料，該授信資料可以包括投資金額。
可以從SNS集合中獲得在先獲得投資的已授信應用程式的授信資料，作為案例集合。
子步驟S32，根據所述案例集合以及所述特徵資料表，產生訓練樣本；具體來說，可以依據特徵資料表從案例集合中提取相對應格式的寬表作為特徵變數，將已授信應用程式的投資金額作為目標變數，得到訓練樣本。
子步驟S33，對所述訓練樣本進行模型訓練，產生預測模型；得到訓練樣本以後，可以採用回歸模型對訓練樣本進行監督學習，產生預測模型，該預測模型用於預測目標應用程式的期望授信金額。
子步驟S34，針對所述預測模型，計算所述目標應用程式的期望授信金額。
在具體實現中，可以將目標應用程式的特徵資料表輸入預測模型進行運算，最後得到該目標應用程式的期望授信金額。
步驟210，對所述期望授信金額進行對數運算以及歸 一化處理，得到所述目標應用程式的信用評分。
具體而言，可以首先對期望授信金額進行log對數運算，並將得到的運算結果進行歸一化運算，得到信用評分。作為一種示例，該信用評分的範圍可以為0-100。
在另一種實施方式中，還可以根據期望授信金額或信用評分獲得目標應用程式的信用評級，具體可以根據預設的信用評級與投資金額的關聯關係，獲得與該期望投資金額對應的信用評級，例如，期望投資金額為100萬，該100萬在五星評級的範圍內，則將該目標app的信用評級確定為五星。
本發明實施例通過社交屬性特徵(app及相關人員的社交能力)、公共關係特徵(運營推廣能力)以及訪問行為特徵(app的當前狀況)等幾個方面的整合和自學習打分，產生可應用於行業縱向以及整個app市場橫向比較的信用評估體系，從而獲得更具參考意義的項目信用係數。
需要說明的是，對於方法實施例，為了簡單描述，故將其都表述為一系列的動作組合，但是本領域技術人員應該知悉，本發明實施例並不受所描述的動作順序的限制，因為依據本發明實施例，某些步驟可以採用其他順序或者同時進行。其次，本領域技術人員也應該知悉，說明書中所描述的實施例均屬於較佳實施例，所涉及的動作並不一定是本發明實施例所必須的。
參照圖3，示出了本發明一種對應用程式進行項目評估的系統實施例的結構方塊圖，所述系統可以包括如下模 組：異構資料獲取模組301，用於獲取多種異構資料；特徵資訊獲取模組302，用於分別從所述異構資料中獲取待評估的目標應用程式的特徵資訊；項目信用係數獲取模組303，用於基於所述目標應用程式的特徵資訊，獲取所述目標應用程式的項目信用係數。
在本發明實施例的一種較佳實施例中，所述異構資料獲取模組301可以包括如下子模組：異構資料獲取子模組，用於分別從預設的多個資料資源網站中獲取對應的異構資料；組織子模組，用於分別將所述異構資料組織成異構資料集合。
在本發明實施例的一種較佳實施例中，所述異構資料至少包括：日誌資料、公共關係資料以及社交網路服務資料；所述異構資料集合至少包括：日誌資料集合、公共關係資料集合以及社交網路服務資料集合。
在本發明實施例的一種較佳實施例中，所述特徵資訊至少包括：訪問行為特徵、公共關係特徵、社交屬性特徵；所述特徵資訊獲取模組302可以包括如下子模組：目標應用程式確定子模組，用於確定待評估的目標應用程式；訪問特徵獲取子模組，用於從所述日誌資料集合中獲 取所述目標應用程式的訪問行為特徵；公共關係特徵獲取子模組，用於從所述公共關係資料集合中獲取所述目標應用程式的公共關係特徵；社交特徵獲取子模組，用於從所述社交網路服務資料集合中獲取所述目標應用程式的社交屬性特徵。
在本發明實施例的一種較佳實施例中，所述目標應用程式確定子模組包括：訪問次數獲取單元，用於獲取所述日誌資料集合中記錄的，每個應用程式在預設時間段內的訪問次數；排序單元，用於基於所述訪問次數，對所述應用程式進行排序；確定單元，用於將排序在前的N個應用程式確定為待評估的目標應用程式，其中，N為正整數。
在本發明實施例的一種較佳實施例中，所述訪問行為特徵至少包括：所述目標應用程式的日均獨立訪客量，和/或，日活躍使用者數，和/或，日均平均使用時長；和/或，所述公共關係特徵至少包括：與所述目標應用程式關聯的文稿的數量，和/或，所述與所述目標應用程式關聯的文稿的評論數和/或轉發數；和/或，所述社交屬性特徵至少包括：所述目標應用程式被下載的次數，和/或，所述目標應用程式的官方微博中的粉絲數和/或大V粉絲數和/或關注數和/或官方微博的所有評 論數和/或轉發數，和/或，所述目標應用程式的相關人員名稱，和/或，所述相關人員的微博的粉絲數和/或大V粉絲數和/或關注數和/或所述相關人員的微博的所有評論數和/或轉發數。
在本發明實施例的一種較佳實施例中，所述相關人員包括投資者和/或開發者和/或運維推廣者。
在本發明實施例的一種較佳實施例中，所述項目信用係數包括期望授信金額，所述項目信用係數獲取模組303可以包括如下子模組：知識圖譜創建子模組，用於創建所述目標應用程式的知識圖譜；特徵合併子模組，用於以單個目標應用程式為主鍵，將所述知識圖譜、所述訪問行為特徵、所述公共關係特徵、所述社交屬性特徵，拼合成所述目標應用程式的特徵資料表；金額預估子模組，用於基於所述特徵資料表，預估所述目標應用程式的期望授信金額。
在本發明實施例的一種較佳實施例中，所述知識圖譜創建子模組包括：關聯文稿獲取單元，用於從所述公共關係資料集合中獲得與所述目標應用程式相關聯的文稿；文稿分詞單元，用於對所述相關聯的文稿進行分詞處理，獲得所述文稿的有效詞，並統計所述有效詞的詞頻；知識確定單元，用於將詞頻排序在前M的有效詞， 作為所述目標應用程式的實體知識，其中，M為正整數；類型識別單元，用於識別所述實體知識的實體類型；實體映射單元，用於產生所述目標應用程式、所述實體類型以及所述實體知識的映射關係；知識圖譜構建單元，用於將所有映射關係組織成所述目標應用程式的知識圖譜。
在本發明實施例的一種較佳實施例中，所述金額預估子模組包括：案例獲取單元，用於獲取在先獲得投資的已授信應用程式的授信資料，作為案例集合；樣本獲取單元，用於根據所述案例集合以及所述特徵資料表，產生訓練樣本；模型訓練單元，用於對所述訓練樣本進行模型訓練，產生預測模型；授信金額計算單元，用於針對所述預測模型，計算所述目標應用程式的期望授信金額。
在本發明實施例的一種較佳實施例中，所述項目信用係數還包括信用評分，所述系統還包括：信用評分獲取模組，用於對所述期望授信金額進行對數運算以及歸一化處理，得到所述目標應用程式的信用評分。
對於系統實施例而言，由於其與上述方法實施例基本相似，所以描述的比較簡單，相關之處參見方法實施例的部分說明即可。
本說明書中的各個實施例均採用遞進的方式描述，每個實施例重點說明的都是與其他實施例的不同之處，各個實施例之間相同相似的部分互相參見即可。
本領域內的技術人員應明白，本發明實施例的實施例可提供為方法、裝置、或電腦程式產品。因此，本發明實施例可採用完全硬體實施例、完全軟體實施例、或結合軟體和硬體方面的實施例的形式。而且，本發明實施例可採用在一個或多個其中包含有電腦可用程式碼的電腦可用儲存介質(包括但不限於磁碟記憶體、CD-ROM、光學記憶體等)上實施的電腦程式產品的形式。
本發明實施例是參照根據本發明實施例的方法、終端設備(系統)、和電腦程式產品的流程圖和/或方塊圖來描述的。應理解可由電腦程式操作指令實現流程圖和/或方塊圖中的每一流程和/或方塊、以及流程圖和/或方塊圖中的流程和/或方框的結合。可提供這些電腦程式操作指令到通用電腦、專用電腦、嵌入式處理機或其他可程式設計資料處理終端設備的處理器以產生一個機器，使得通過電腦或其他可程式設計資料處理終端設備的處理器執行的操作指令產生用於實現在流程圖一個流程或多個流程和/或方塊圖一個方塊或多個方塊中指定的功能的裝置。
這些電腦程式操作指令也可儲存在能引導電腦或其他可程式設計資料處理終端設備以特定方式工作的電腦可讀記憶體中，使得儲存在該電腦可讀記憶體中的操作指令產生包括操作指令裝置的製造品，該操作指令裝置實現在流 程圖一個流程或多個流程和/或方塊圖一個方塊或多個方塊中指定的功能。
這些電腦程式操作指令也可裝載到電腦或其他可程式設計資料處理終端設備上，使得在電腦或其他可程式設計終端設備上執行一系列操作步驟以產生電腦實現的處理，從而在電腦或其他可程式設計終端設備上執行的操作指令提供用於實現在流程圖一個流程或多個流程和/或方塊圖一個方塊或多個方塊中指定的功能的步驟。
儘管已描述了本發明實施例的較佳實施例，但本領域內的技術人員一旦得知了基本創造性概念，則可對這些實施例做出另外的變更和修改。所以，所附申請專利範圍意欲解釋為包括較佳實施例以及落入本發明實施例範圍的所有變更和修改。
最後，還需要說明的是，在本文中，諸如第一和第二等之類的關係術語僅僅用來將一個實體或者操作與另一個實體或操作區分開來，而不一定要求或者暗示這些實體或操作之間存在任何這種實際的關係或者順序。而且，術語“包括”、“包含”或者其任何其他變體意在涵蓋非排他性的包含，從而使得包括一系列要素的過程、方法、物品或者終端設備不僅包括那些要素，而且還包括沒有明確列出的其他要素，或者是還包括為這種過程、方法、物品或者終端設備所固有的要素。在沒有更多限制的情況下，由語句“包括一個......”限定的要素，並不排除在包括所述要素的過程、方法、物品或者終端設備中還存在另外的相同要 素。
以上對本發明所提供的一種對應用程式進行項目評估的方法及系統進行了詳細介紹，本文中應用了具體個例對本發明的原理及實施方式進行了闡述，以上實施例的說明只是用於幫助理解本發明的方法及其核心思想；同時，對於本領域的一般技術人員，依據本發明的思想，在具體實施方式及應用範圍上均會有改變之處，綜上所述，本說明書內容不應理解為對本發明的限制。

Claims (22)

  1. 一種對應用程式進行項目評估的方法，該方法包括：獲取多種異構資料；分別從該異構資料中獲取待評估的目標應用程式的特徵資訊；基於該目標應用程式的特徵資訊，獲取該目標應用程式的項目信用係數。
  2. 根據申請專利範圍第1項所述的方法，其中，所述獲取多種異構資料的步驟包括：分別從預設的多個資料資源網站中獲取對應的異構資料；分別將該異構資料組織成異構資料集合。
  3. 根據申請專利範圍第2項所述的方法，其中，該異構資料至少包括：日誌資料、公共關係資料以及社交網路服務資料；該異構資料集合至少包括：日誌資料集合、公共關係資料集合以及社交網路服務資料集合。
  4. 根據申請專利範圍第3項所述的方法，其中，該特徵資訊至少包括：訪問行為特徵、公共關係特徵、社交屬性特徵；所述分別從該異構資料中獲取待評估的目標應用程式的特徵資訊的步驟包括：確定待評估的目標應用程式；從該日誌資料集合中獲取該目標應用程式的訪問行為 特徵；從該公共關係資料集合中獲取該目標應用程式的公共關係特徵；從該社交網路服務資料集合中獲取該目標應用程式的社交屬性特徵。
  5. 根據申請專利範圍第4項所述的方法，其中，所述確定待評估的目標應用程式的步驟包括：獲取該日誌資料集合中記錄的，每個應用程式在預設時間段內的訪問次數；基於該訪問次數，對該應用程式進行排序；將排序在前的N個應用程式確定為待評估的目標應用程式，其中，N為正整數。
  6. 根據申請專利範圍第4或5項所述的方法，其中，該訪問行為特徵至少包括：該目標應用程式的日均獨立訪客量，和/或，日活躍使用者數，和/或，日均平均使用時長；和/或，該公共關係特徵至少包括：與該目標應用程式關聯的文稿的數量，和/或，該與該目標應用程式關聯的文稿的評論數和/或轉發數；和/或，該社交屬性特徵至少包括：該目標應用程式被下載的次數，和/或，該目標應用程式的官方微博中的粉絲數和/或大V粉絲數和/或關注數和/或官方微博的所有評論數和/ 或轉發數，該目標應用程式的相關人員名稱，和/或，該相關人員的微博的粉絲數和/或大V粉絲數和/或關注數和/或該相關人員的微博的所有評論數和/或轉發數。
  7. 根據申請專利範圍第6項所述的方法，其中，該相關人員包括投資者和/或開發者和/或運維推廣者。
  8. 根據申請專利範圍第3項所述的方法，其中，該項目信用係數包括期望授信金額，所述基於該目標應用程式的特徵資訊，獲取該目標應用程式的項目信用係數的步驟包括：創建該目標應用程式的知識圖譜；以單個目標應用程式為主鍵，將該知識圖譜、該訪問行為特徵、該公共關係特徵、該社交屬性特徵，拼合成該目標應用程式的特徵資料表；基於該特徵資料表，預估該目標應用程式的期望授信金額。
  9. 根據申請專利範圍第8項所述的方法，其中，所述創建該目標應用程式的知識圖譜的步驟包括：從該公共關係資料集合中獲得與該目標應用程式相關聯的文稿；對該相關聯的文稿進行分詞處理，獲得該文稿的有效詞，並統計該有效詞的詞頻；將詞頻排序在前M的有效詞，作為該目標應用程式的實體知識，其中，M為正整數；識別該實體知識的實體類型； 產生該目標應用程式、該實體類型以及該實體知識的映射關係；將所有映射關係組織成該目標應用程式的知識圖譜。
  10. 根據申請專利範圍第8項所述的方法，其中，所述基於該特徵資料表，預估該目標應用程式的期望授信金額的步驟包括：獲取在先獲得投資的已授信應用程式的授信資料，作為案例集合；根據該案例集合以及該特徵資料表，產生訓練樣本；對該訓練樣本進行模型訓練，產生預測模型；針對該預測模型，計算該目標應用程式的期望授信金額。
  11. 根據申請專利範圍第8或9或10項所述的方法，其中，該項目信用係數還包括信用評分，該方法還包括：對該期望授信金額進行對數運算以及歸一化處理，得到該目標應用程式的信用評分。
  12. 一種對應用程式進行項目評估的系統，該系統包括：異構資料獲取模組，用於獲取多種異構資料；特徵資訊獲取模組，用於分別從該異構資料中獲取待評估的目標應用程式的特徵資訊；項目信用係數獲取模組，用於基於該目標應用程式的特徵資訊，獲取該目標應用程式的項目信用係數。
  13. 根據申請專利範圍第12項所述的系統，其中，該 異構資料獲取模組包括：異構資料獲取子模組，用於分別從預設的多個資料資源網站中獲取對應的異構資料；組織子模組，用於分別將該異構資料組織成異構資料集合。
  14. 根據申請專利範圍第13項所述的系統，其中，該異構資料至少包括：日誌資料、公共關係資料以及社交網路服務資料；該異構資料集合至少包括：日誌資料集合、公共關係資料集合以及社交網路服務資料集合。
  15. 根據申請專利範圍第14所述的系統，其中，該特徵資訊至少包括：訪問行為特徵、公共關係特徵、社交屬性特徵；該特徵資訊獲取模組包括：目標應用程式確定子模組，用於確定待評估的目標應用程式；訪問特徵獲取子模組，用於從該日誌資料集合中獲取該目標應用程式的訪問行為特徵；公共關係特徵獲取子模組，用於從該公共關係資料集合中獲取該目標應用程式的公共關係特徵；社交特徵獲取子模組，用於從該社交網路服務資料集合中獲取該目標應用程式的社交屬性特徵。
  16. 根據申請專利範圍第15項所述的系統，其中，該目標應用程式確定子模組包括：訪問次數獲取單元，用於獲取該日誌資料集合中記錄 的，每個應用程式在預設時間段內的訪問次數；排序單元，用於基於該訪問次數，對該應用程式進行排序；確定單元，用於將排序在前的N個應用程式確定為待評估的目標應用程式，其中，N為正整數。
  17. 根據申請專利範圍第15或16項所述的系統，其中，該訪問行為特徵至少包括：該目標應用程式的日均獨立訪客量，和/或，日活躍使用者數，和/或，日均平均使用時長；和/或，該公共關係特徵至少包括：與該目標應用程式關聯的文稿的數量，和/或，所述與該目標應用程式關聯的文稿的評論數和/或轉發數；和/或，該社交屬性特徵至少包括：該目標應用程式被下載的次數，和/或，該目標應用程式的官方微博中的粉絲數和/或大V粉絲數和/或關注數和/或官方微博的所有評論數以及轉發數，和/或，該目標應用程式的相關人員名稱，和/或，該相關人員的微博的粉絲數和/或大V粉絲數和/或關注數和/或該相關人員的微博的所有評論數和/或轉發數。
  18. 根據申請專利範圍第17項所述的系統，其中，該相關人員包括投資者和/或開發者和/或運維推廣者。
  19. 根據申請專利範圍第14項所述的系統，其中，該項目信用係數包括期望授信金額，該項目信用係數獲取模 組包括：知識圖譜創建子模組，用於創建該目標應用程式的知識圖譜；特徵合併子模組，用於以單個目標應用程式為主鍵，將該知識圖譜、該訪問行為特徵、該公共關係特徵、該社交屬性特徵，拼合成該目標應用程式的特徵資料表；金額預估子模組，用於基於該特徵資料表，預估該目標應用程式的期望授信金額。
  20. 根據申請專利範圍第19項所述的系統，其中，該知識圖譜創建子模組包括：關聯文稿獲取單元，用於從該公共關係資料集合中獲得與該目標應用程式相關聯的文稿；文稿分詞單元，用於對該相關聯的文稿進行分詞處理，獲得該文稿的有效詞，並統計該有效詞的詞頻；知識確定單元，用於將詞頻排序在前M的有效詞，作為該目標應用程式的實體知識，其中，M為正整數；類型識別單元，用於識別該實體知識的實體類型；實體映射單元，用於產生該目標應用程式、該實體類型以及該實體知識的映射關係；知識圖譜構建單元，用於將所有映射關係組織成該目標應用程式的知識圖譜。
  21. 根據申請專利範圍第19項所述的系統，其中，該金額預估子模組包括：案例獲取單元，用於獲取在先獲得投資的已授信應用 程式的授信資料，作為案例集合；樣本獲取單元，用於根據該案例集合以及該特徵資料表，產生訓練樣本；模型訓練單元，用於對該訓練樣本進行模型訓練，產生預測模型；授信金額計算單元，用於針對該預測模型，計算該目標應用程式的期望授信金額。
  22. 根據申請專利範圍第19或20或21項所述的系統，其中，該項目信用係數還包括信用評分，該系統還包括：信用評分獲取模組，用於對該期望授信金額進行對數運算以及歸一化處理，得到該目標應用程式的信用評分。
TW106105767A 2016-03-30 2017-02-21 一種對應用程序進行項目評估的方法及系統 TW201737072A (zh)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610194798.7A CN107292463A (zh) 2016-03-30 2016-03-30 一种对应用程序进行项目评估的方法及***

Publications (1)

Publication Number Publication Date
TW201737072A true TW201737072A (zh) 2017-10-16

Family

ID=59963435

Family Applications (1)

Application Number Title Priority Date Filing Date
TW106105767A TW201737072A (zh) 2016-03-30 2017-02-21 一種對應用程序進行項目評估的方法及系統

Country Status (3)

Country Link
CN (1) CN107292463A (zh)
TW (1) TW201737072A (zh)
WO (1) WO2017167071A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI736233B (zh) * 2020-04-23 2021-08-11 兆豐國際商業銀行股份有限公司 貸前調查系統以及貸前調查方法

Families Citing this family (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110046981B (zh) * 2018-01-15 2022-03-08 腾讯科技（深圳）有限公司 一种信用评估方法、装置及存储介质
CN110163460B (zh) * 2018-03-30 2023-09-19 腾讯科技（深圳）有限公司 一种确定应用分值的方法及设备
CN109960650B (zh) * 2018-09-04 2024-04-02 中国平安人寿保险股份有限公司 基于大数据的应用程序评估方法、装置、介质及电子设备
CN109242573A (zh) * 2018-09-26 2019-01-18 湖南人文科技学院 App的评价方法、装置、设备及存储介质
CN111104584A (zh) * 2018-10-25 2020-05-05 北京国双科技有限公司 信息价值度的确定方法、装置、存储介质和处理器
CN109472312B (zh) * 2018-11-14 2024-07-05 平安科技（深圳）有限公司 应用程序评估方法、装置、计算机设备及存储介质
CN109885767B (zh) * 2019-02-18 2021-02-05 上海海事大学 一种基于GitHub的软件资产推荐的方法及***
CN110781311B (zh) * 2019-09-18 2024-02-27 上海合合信息科技股份有限公司 一种企业一致行动人运算***及方法
CN110990637B (zh) * 2019-10-14 2022-09-20 平安银行股份有限公司 网络图谱的构建方法及其装置
CN112734598A (zh) * 2019-10-29 2021-04-30 北京国双科技有限公司 建立外包平台模型的方法、外包方查找方法及装置
CN111178615B (zh) * 2019-12-24 2023-10-27 成都数联铭品科技有限公司 一种企业风险识别模型的构建方法及***
CN111625655B (zh) * 2020-05-12 2023-07-21 埃睿迪信息技术（北京）有限公司 基于知识图谱的归并以及分类方法、装置以及存储介质
CN112270014B (zh) * 2020-10-16 2022-06-10 维沃移动通信有限公司 应用程序控制方法、装置及电子设备
CN113065950A (zh) * 2021-04-22 2021-07-02 中国工商银行股份有限公司 ***额度评估方法及装置
CN113362158B (zh) * 2021-05-31 2024-06-11 ***股份有限公司 一种信用评估方法、装置及计算机可读存储介质
CN113807717A (zh) * 2021-09-23 2021-12-17 深圳市易平方网络科技有限公司 一种应用程序功能评价方法、装置、终端设备及存储介质

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7669180B2 (en) * 2004-06-18 2010-02-23 International Business Machines Corporation Method and apparatus for automated risk assessment in software projects
CN102479150A (zh) * 2010-11-25 2012-05-30 神州数码信息***有限公司 一种软件可信评估的方法
CN102222040A (zh) * 2011-06-09 2011-10-19 西北工业大学 基于多属性熵权合成的软件可信等级评估方法
CN103208039B (zh) * 2012-01-13 2017-05-03 株式会社日立制作所 软件项目风险评价方法及装置
CN102880501B (zh) * 2012-07-24 2016-05-25 北京奇虎科技有限公司 应用推荐的实现方法、装置和***
IN2013MU03907A (zh) * 2013-12-13 2015-07-31 Tata Consultancy Services Ltd
CN103678281B (zh) * 2013-12-31 2016-10-19 北京百度网讯科技有限公司 对文本进行自动标注的方法和装置
CN105389250A (zh) * 2014-09-05 2016-03-09 北京畅游天下网络技术有限公司 追踪软件质量的方法和***

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI736233B (zh) * 2020-04-23 2021-08-11 兆豐國際商業銀行股份有限公司 貸前調查系統以及貸前調查方法

Also Published As

Publication number Publication date
CN107292463A (zh) 2017-10-24
WO2017167071A1 (zh) 2017-10-05

Similar Documents

Publication Publication Date Title
TW201737072A (zh) 一種對應用程序進行項目評估的方法及系統
Hridoy et al. Localized twitter opinion mining using sentiment analysis
CN109479061A (zh) 遵从性违反检测
US11275748B2 (en) Influence score of a social media domain
US8515986B2 (en) Query pattern generation for answers coverage expansion
CA2927580C (en) Method and system for document data extraction template management
US20140189000A1 (en) Social media impact assessment
JP2017142796A (ja) 情報の特定及び抽出
KR102227593B1 (ko) 학습-기반 그룹 태깅을 위한 시스템 및 방법
Chong et al. Collective entity linking in tweets over space and time
CN105264526B (zh) 基于垂直的查询选择化
Coban et al. Towards the design and implementation of an OSN crawler: A case of Turkish Facebook users
US20130325866A1 (en) Community Profiling for Social Media
TW201500941A (zh) 社群資料篩選系統、方法及其非揮發性電腦可讀取紀錄媒體
KR101568800B1 (ko) 실시간 이슈 검색어 선별 방법 및 시스템
Heravi et al. Tweet location detection
CN115470489A (zh) 检测模型训练方法、检测方法、设备以及计算机可读介质
CN108520012A (zh) 基于机器学习的移动互联网用户评论挖掘方法
US20190065987A1 (en) Capturing knowledge coverage of machine learning models
JP6680472B2 (ja) 情報処理装置、情報処理方法及び情報処理プログラム
CN109977423A (zh) 一种生词处理方法、装置、电子设备和可读存储介质
van Banerveld et al. A natural language processing tool for white collar crime investigation
Preotiuc-Pietro Temporal models of streaming social media data
CN111723349A (zh) 一种用户识别方法、装置、设备及存储介质
US11500933B2 (en) Techniques to generate and store graph models from structured and unstructured data in a cloud-based graph database system