对象属性的确定方法和装置的制造方法

对象属性的确定方法和装置的制造方法
【专利摘要】本发明公开了一种对象属性的确定方法和装置。其中，该方法包括：获取多个操作对象中的目标对象在多个特征维度上的特征值，多个特征维度与目标对象在第一时间段内的操作行为存在关联关系；基于各个特征维度的特征平均值和目标对象在各个特征维度上的特征值确定目标对象的类别属性数据，特征平均值为多个操作对象在对应的特征维度上的特征值的平均值；基于类别属性数据所属的数值区间确定目标对象在第二时间段内关联于操作行为的操作属性，第二时间段的起始时间晚于第一时间段的结束时间。本发明解决了相关技术中对对象的属性信息进行预测时效率较低的技术问题。
【专利说明】
对象属性的确定方法和装置
技术领域
[0001] 本发明设及互联网领域，具体而言，设及一种对象属性的确定方法和装置。
【背景技术】
[0002] 随着互联网技术的快速发展，大数据挖掘被广泛地应用于各个领域，通过对大量 数据的处理可W得到大量的有价值的信息，或者对领域内的发展趋势进行估计，但是，在使 用数据挖掘模型（如回归分析模型、决策树模型、贝叶斯分类模型、粗糖集模型、支持向量机 模型等)对目标对象的相关属性信息进行预测时，需要对模型进行大量训练才能使用，即需 要耗费较长的训练时间，且数据挖掘模型的使用较复杂（如流程较多、流程之间的关联性 强），从而会影响预测的效率。
[0003] 在某些领域(如银行、餐饮等）中，仅执行一次操作行为的目标对象（如客户）占客 户人数的58%，而该部分客户对行业发展的贡献率仅为25%左右，执行=次W内操作行为 的客户占总数的82%，对行业发展的贡献率为48%，由此可见，该行业的主要贡献集中在执 行=次W上操作行为的客户身上，因此，对老客户的维护是行业发展的关键，其主要是对客 户的流失属性进行估算，重点维护流失属性较低的客户。目前，尚无针对运些行业的流失评 估模型，若采用数据挖掘的相关模型对客户的流失属性进行分析，上述的模型必须经过训 练才可使用，当训练的样本的数量和特征维度较多时，训练的过程耗时较长，从而不能及时 地对客户的流失属性进行计算，影响了预测的效率。
[0004] 针对相关技术中对对象的属性信息进行预测时效率较低的技术问题，目前尚未提 出有效的解决方案。

【发明内容】

[0005] 本发明实施例提供了一种对象属性的确定方法和装置，W至少解决相关技术中对 对象的属性信息进行预测时效率较低的技术问题。
[0006] 根据本发明实施例的一个方面，提供了一种对象属性的确定方法，该方法包括:获 取多个操作对象中的目标对象在多个特征维度上的特征值，其中，多个特征维度与目标对 象在第一时间段内的操作行为存在关联关系;基于各个特征维度的特征平均值和目标对象 在各个特征维度上的特征值确定目标对象的类别属性数据，其中，特征平均值为多个操作 对象在对应的特征维度上的特征值的平均值;基于类别属性数据所属的数值区间确定目标 对象在第二时间段内关联于操作行为的操作属性，其中，第二时间段的起始时间晚于第一 时间段的结束时间。
[0007] 进一步地，数值区间包括第一区间和第二区间，其中，基于类别属性数据所属的数 值区间确定目标对象在第二时间段内关联于操作行为的操作属性包括:若类别属性数据在 第一区间内，则将第一区间对应的第一属性作为目标对象的操作属性，其中，第一属性表示 在第二时间段内执行操作行为的概率大于第一预设值;若类别属性数据在第二区间内，贝U 将第二区间对应的第二属性作为目标对象的操作属性，其中，第二区间的最小值不小于第 一区间的最大值，第二属性表示在第二时间段内执行操作行为的概率小于第二预设值，第 二预设值不大于第一预设值。
[0008] 进一步地，基于各个特征维度的特征平均值和目标对象在各个特征维度上的特征 值确定目标对象的类别属性数据包括:确定目标对象在各个特征维度上的特征值与对应的 特征平均值之间的离差量;获取各个特征维度上的离差量对应的权重;基于目标对象在各 个特征维度上的离差量和各个特征维度上的离差量对应的权重确定目标对象的类别属性 数据。
[0009] 进一步地，确定目标对象在各个特征维度上的特征值与对应的特征平均值之间的 离差量包括:确定各个特征维度的标准差
庚中，SIGj为多 个特征维度中的第j特征维度上的标准差，j为小于多个特征维度的维数的自然数，Al为多 个操作对象中的第i对象在第j特征维度上的特征值，MUj为第j特征维度的特征平均值，M为 多个操作对象的对象总数，i为不大于M的自然数;确定目标对象在各个特征维度上的离差 量
庚中，扣目标对象在第j特征维度上的离差量，&为目标对象在第j特征维度 上的特征值。
[0010] 进一步地，基于目标对象在各个特征维度上的离差量和各个特征维度上的离差量 对应的权重确定目标对象的类别属性数据包括:根据目标对象在各个特征维度上的离差量 和对应的权重确定目标对象在各个特征维度上的维度数据& =扣*1(片C，其中，Sj为目标对 象在第j特征维度上的维度数据，Kj为目标对象在第j特征维度上的离差量扣对应的权重，C 为取值不小于1的放大常敬:根据目标对象在各个特征维度上的维度数据&确定目标对象 的类别属性数S
其中，N为多个特征维度的维数。
[0011] 进一步地，基于目标对象在各个特征维度上的离差量和各个特征维度上的离差量 对应的权重确定目标对象的类别属性数据包巧.格昭曰*志对兔#么个時征维度上的离差量 和对应的权重确定目标对象的类别属性数据
，其中，N为多个特征 维度的维数，Kj为目标对象在第j特征维度上的离差量扣对应的权重，C为取值不小于0的放 大常数。
[0012] 根据本发明实施例的另一个方面，提供了一种对象属性的确定装置，该装置包括： 获取单元，用于获取多个操作对象中的目标对象在多个特征维度上的特征值，其中，多个特 征维度与目标对象在第一时间段内的操作行为存在关联关系；第一确定单元，用于基于各 个特征维度的特征平均值和目标对象在各个特征维度上的特征值确定目标对象的类别属 性数据，其中，特征平均值为多个操作对象在对应的特征维度上的特征值的平均值;第二确 定单元，用于基于类别属性数据所属的数值区间确定目标对象在第二时间段内关联于操作 行为的操作属性，其中，第二时间段的起始时间晚于第一时间段的结束时间。
[0013] 进一步地，数值区间包括第一区间和第二区间，其中，第二确定单元包括:第一获 取模块，用于若类别属性数据在第一区间内，则将第一区间对应的第一属性作为目标对象 的操作属性，其中，第一属性表示在第二时间段内执行操作行为的概率大于第一预设值;第 二获取模块，用于若类别属性数据在第二区间内，则将第二区间对应的第二属性作为目标 对象的操作属性，其中，第二区间的最小值不小于第一区间的最大值，第二属性表示在第二 时间段内执行操作行为的概率小于第二预设值，第二预设值不大于第一预设值。
[0014] 进一步地，第一确定单元包括:第一确定模块，用于确定目标对象在各个特征维度 上的特征值与对应的特征平均值之间的离差量;第=获取模块，用于获取各个特征维度上 的离差量对应的权重;第二确定模块，用于基于目标对象在各个特征维度上的离差量和各 个特征维度上的离差量对应的权重确定目标对象的类别属性数据。
[0015] 进一步地，第一确定模块包括:第一确定子模块，用于确定各个特征维度的标准差
，其中，SIGj为多个特征维度中的第j特征维度上的标准差， j为小于多个特征维度的维数的自然数，Al为多个操作对象中的第i对象在第j特征维度上 的特征值，MUj为第j特征维度的特征平均值，M为多个操作对象的对象总数，i为不大于M的 自然数;第二确定子模块，用于确定目标对象在各个特征维度上的离差量
其 中，的目标对象在第j特征维度上的离差量，Bj为目标对象在第j特征维度上的特征值。第二 确定模块包括:第=确定子模块，用于根据目标对象在各个特征维度上的离差量和对应的 权重确定目标对象在各个特征维度上的维度数据& =扣体片C，其中，&为目标对象在第j特 征维度上的维度数据，Kj为目标对象在第j特征维度上的离差量扣对应的权重，C为取值不小 于1的放大常数;第四确定子模块，用于根据目标对象在各个特征维度上的维度数据&确定 目标对象的类别属性数据
其中，N为多个特征维度的维数。
[0016] 在本发明实施例中，通过获取多个操作对象中的目标对象在多个特征维度上的特 征值，多个特征维度与目标对象在第一时间段内的操作行为存在关联关系;基于各个特征 维度的特征平均值和目标对象在各个特征维度上的特征值确定目标对象的类别属性数据， 特征平均值为多个操作对象在对应的特征维度上的特征值的平均值;基于类别属性数据所 属的数值区间确定目标对象在第二时间段内关联于操作行为的操作属性，第二时间段的起 始时间晚于第一时间段的结束时间，从而解决了相关技术中对对象的属性信息进行预测时 效率较低的技术问题，实现了对目标对象的操作属性的准确预估。
【附图说明】
[0017] 此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发 明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
[0018] 图1是根据本发明实施例的对象属性的确定方法的流程图；W及
[0019] 图2是根据本发明实施例的对象属性的确定装置的示意图。
【具体实施方式】
[0020] 为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的 附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是 本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人 员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范 围。
[0021] 需要说明的是，本发明的说明书和权利要求书及上述附图中的术语"第一"、"第 二"等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解运样使用 的数据在适当情况下可W互换，W便运里描述的本发明的实施例能够W除了在运里图示或 描述的那些W外的顺序实施。此外，术语"包括"和"具有"W及他们的任何变形，意图在于覆 盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于 清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于运些过程、方法、产品 或设备固有的其它步骤或单元。
[0022] 根据本发明实施例，提供了一种对象属性的确定方法的实施例，需要说明的是，在 附图的流程图示出的步骤可W在诸如一组计算机可执行指令的计算机系统中执行，并且， 虽然在流程图中示出了逻辑顺序，但是在某些情况下，可W W不同于此处的顺序执行所示 出或描述的步骤。
[0023] 图1是根据本发明实施例的对象属性的确定方法的流程图，如图1所示，该方法包 括如下步骤：
[0024] 步骤SlOl，获取多个操作对象中的目标对象在多个特征维度上的特征值，其中，多 个特征维度与目标对象在第一时间段内的操作行为存在关联关系。
[0025] 上述的操作对象在执行操作行为时，操作对象的虚拟资源被消耗，上述的多个特 征维度可W包括目标对象在历史时间段（即第一时间段）内执行操作行为的次数、两次操作 行为之间的时间间隔、最近一次执行操作行为的时间等。
[0026] 步骤S102,基于各个特征维度的特征平均值和目标对象在各个特征维度上的特征 值确定目标对象的类别属性数据，其中，特征平均值为多个操作对象在对应的特征维度上 的特征值的平均值。
[0027] 步骤S103,基于类别属性数据所属的数值区间确定目标对象在第二时间段内关联 于操作行为的操作属性，其中，第二时间段的起始时间晚于第一时间段的结束时间。操作属 性是指目标对象再次执行或者不执行上述操作行为的属性。
[0028] 通过上述实施例，获取目标对象在历史时间段(即第一时间段）内的多个特征维度 上的特征值，并基于各个特征维度的特征平均值和目标对象在各个特征维度上的特征值确 定目标对象的类别属性数据，W基于类别属性数据所属的数值区间确定目标对象在未来某 段时间（即第二时间段）内关联于操作行为的操作属性，从而解决了相关技术中对对象的属 性信息进行预测时效率较低的技术问题，由于目标对象在未来某段时间内的操作属性往往 与其历史时间段内执行过的操作行为相关，因此，可W对目标对象在历史时间段内的操作 行为的关联数据进行分析，W实现对目标对象的操作属性的准确预估。
[0029] 例如，在银行领域，少部分的存款人贡献了大部分的存款，而且运部分存储大额存 款的存款人并不是一开始就进行大额存款，而是经过一段时间之后再进行大额存款，因此， 就需要经过分析寻找出存款人中有潜力进行大额存款的用户，此时，目标对象即存款人，操 作行为即存款人的存款行为，多个特征维度可W包括用户在历史时间段内的存款次数、存 款金额、当前存款余额、两次存款之间的间隔时间等，步骤SlOl的获取多个操作对象中的目 标对象在多个特征维度上的特征值，即获取存款人的存款次数、存款金额、当前存款余额、 两次存款之间的间隔时间等参数，从而根据运些参数对存款人在未来一段时间内的存款行 为进行预测，即确定存款人是否为大额存款的用户，也即确定目标对象的操作属性，运里的 操作属性是指存款人进行大额存款的属性，如存款人进行大额存款的概率高于60%，则确 定其操作属性为大额存款属性。
[0030] 再如，在餐饮领域，占客户人数58%的消费一次的客户对收入的贡献率仅为25% 左右，消费=次W内的客户占总数的82%，对收入的贡献率为48%，由此可见，餐饮业的收 入主要集中在消费多次的客户身上，因此，为了提高餐营业的收入，就需要保证尽可能少的 客户流失率，也即，需要对各类用户进行分析，W寻找出可能成为多次消费的客户，并针对 性地加 W维护，此时，目标对象和操作对象即消费者，多个特征维度可W包括消费者的消费 次数、享受优惠次数、评价次数，当前余额，余额变化量等参数，根据运些参数即可判断消费 者是否易流失，即确定其操作属性为易流失属性或者不易流失属性。
[0031] 在步骤S102的方案中，基于各个特征维度的特征平均值和目标对象在各个特征维 度上的特征值确定目标对象的类别属性数据包括:确定目标对象在各个特征维度上的特征 值与对应的特征平均值之间的离差量;获取各个特征维度上的离差量对应的权重;基于目 标对象在各个特征维度上的离差量和各个特征维度上的离差量对应的权重确定目标对象 的类别属性数据。
[0032] 具体地，基于各个特征维度的特征平均值和目标对象在各个特征维度上的特征值 确定目标对象的类别属性数据可W通过如下方式实现:确定目标对象在各个特征维度上的 特征值与对应的特征平均值之间的离差量;获取各个特征维度上的离差量对应的权重;基于 目标对象在各个特征维度上的离差量和各个特征维度上的离差量对应的权重确定目标对 象的类别属性数据。确定目标对象在各个特征维度上的特征值与对巧的据佈平挽值，间的 离差量可W通过如下的方式实现:确定各个特征维度的标准差
其中，SIGj为多个特征维度中的第j特征维度上的标准差，j为小于多个特征维度的维数的 自然数，Al为多个操作对象中的第i对象在第j特征维度上的特征值，MU功第j特征维度的特 征平均值，M为多个操作对象的对象总数，i为不大于M的自然数;确定目标对象在各个特征 维度上的离差量
痒中，Rj目标对象在第j特征维度上的离差量，Bj为目标对象 在第j特征维度上的特征值。
[0033] 例如，在餐饮领域，可W通过如下的步骤获取消费者的类别属性数据，W确定该消 费者是否属于不易流失的消费者。
[0034] 步骤Sll，提取经常消费的消费者在多个特征维度上的量化数值。如，对于消费者 群A，该群体有M(1,2,…,m)个消费者，客户的属性分布符合正态分布，可W提取各个消费者 的消费次数、享受优惠次数、用户评价次数、当前余额、余额变化量等参数。
[0035] 步骤S12,计算每个特征维度的平均值MU和标准差SIG。
[0036]
Al至Am为消费者1至消费者M在某个特征维度上的特征值，平均 值MU用于反映群体A的一般状况，MUj为上述的多个特征维度中第j特征维度的平均值，如消 费次数的平均值、当前余额的平均值等。
[0037]
为多个特征维度中的第j特征维度上的标准 差，SIGj用于反应群体A在第j特征维度上的分布状况，该值越大则说明消费者个体离平均 值越远，分布相对分散;该值越小则说明消费者个体离平均值越近，相对集中。
[0038] 步骤S13,计算每个特征维度的隶属系数（即离差量Rj)。
[0039]
该公式是将消费者在第j特征维度上特征值的数值映射到[0，1 ]的区 间，由公式可知，当消费者在第j特征维度上特征值越接近平均值时，分子越接近与0，得到 的离差量扣的值越小。
[0040] 通过上述实施例，通过对用户在每个特征维度上的特征值进行标准化处理，可W 得到目标对象在每个特征维度上的量化数据，W便于进一步地确定用户的类别属性数据。
[0041] 在一个可选地实施例中，上述的根据目标对象在各个特征维度上的离差量和对应 的权重确定目标对象在各个特征维度上的维度数据& =扣体片C，其中，Sj为目标对象在第j 特征维度上的维度数据，Kj为目标对象在第j特征维度上的离差量咕对应的权重，C为取值不 小于1的放大常数;根据目标对象在各个特征维度上的维度数据&确定目标对象的类别属 性数据
其中，N为多个特征维度的维数。具体可W通过下述的步骤S14和步骤 S15实现：
[0042] 步骤S14,计算每个特征维度的维度得分(也即维度数据Sj)。
[0043] & =扣体押C，由于每个特征维度的影响力不尽相同，因此，可W根据历史数据确定 每个特征维度所占的比重，如，消费次数〉享受优惠次数〉用户评价次数〉当前余额〉额变化 量，运几个特征维度所占的权重比值可W分别为5,4,3,2，1。放大常数(：的取值可^为1或者 大于1的任意数。
[0044] 步骤S15,计算目标对象的总分(也即类别属性数据F1)。
[0045]
将消费者在每个维度上的得分相乘，即可得到该消费者的类别属性 数据。
[0046] 在另一个可选地实施例中，基于目标对象在各个特征维度上的离差量和各个特征 维度上的离差量对应的权重确定目标对象的类别属性数据还可W通过如下的方式实现:按 照曰标对象#么个特佈维度上的离差量和对应的权重确定目标对象的类别属性数据
.其中，N为多个特征维度的维数，Kj为目标对象在第j特征维度上 的离差量Rj对应的权重，C为取值不小于0的放大常数。在该方案中，即将消费者在每个维度 上的维度得分(也即维度数据)相加，即可得到上述的类别属性数据。
[0047] 在步骤S103的方案中，数值区间包括第一区间和第二区间，其中，基于类别属性数 据所属的数值区间确定目标对象在第二时间段内关联于操作行为的操作属性包括:若类别 属性数据在第一区间内，则将第一区间对应的第一属性作为目标对象的操作属性，其中，第 一属性表示在第二时间段内执行操作行为的概率大于第一预设值;若类别属性数据在第二 区间内，则将第二区间对应的第二属性作为目标对象的操作属性，其中，第二区间的最小值 不小于第一区间的最大值，第二属性表示在第二时间段内执行操作行为的概率小于第二预 设值，第二预设值不大于第一预设值。
[004引在确定了目标对象的类别属性数据之后，即可根据其所属的数值区间确定目标对 象的操作属性，如，在餐饮领域，如果商家比较关屯、消费者的流失属性（即操作属性），在计 算出各个消费者的类别属性数据之后，可W设置一个阀值，W将得到的所有消费者的类别 属性数据的区间分为第一区间和第二区间，若消费者的类别属性数据在第一区间内，则说 明消费者在未来一段时间（即第二时间段）内再次进行消费的概率较高(如高于第一预设值 50 % )，而第一区间对应的属性为不易流失属性，则确定该消费者的属性为不易流失属性； 若消费者的类别属性数据在第二区间内，则说明消费者在未来一段时间内再次进行消费的 概率较低（如低于第二预设值50%)，而第二区间对应的属性为易流失属性，确定该消费者 的属性为易流失属性。此时，商家即可有目的性地对具有不易流失属性的客户进行维护，W 便提高其营业额。
[0049] 需要说明的是，上述的阀值可W为数值区间是肘部拐点，如对于类别属性数据由 小到大排序后得到的有序数列：
[0050] [120,128,222,223,256,256,257,258,259,259,261,263,270,5000,18000, 40000]，
[0051] 绘图后可知5000及W上的数值明显区别于其他数值，可判定5000为阔值点，另外， 当拐点不出现时，从后向前选取5%至1%的区间端点为阔值。
[0052] 需要进一步说明的是，对于同一对象（即目标客户），采用累乘的方式得到的类别 属性数据Fl的放大速度会快于采用累加方式得到的属性数据F2,因此，采用累乘的方式更 容易出现肘部拐点。
[0053] 在本发明的实施例中，本申请W餐饮、资金存储领域进行举例说明，但不限定将上 述方法应用于餐饮、资金存储领域。
[0054] 通过上述实施例，根据目标对象在多个特征维度上的特征值进行量化处理，并根 据其各个特征维度对应的权重确定其操作属性，从而可W对目标对象在未来一段时间内的 操作行为进行准确预测。
[0055] 需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列 的动作组合，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制，因为 依据本发明，某些步骤可W采用其他顺序或者同时进行。其次，本领域技术人员也应该知 悉，说明书中所描述的实施例均属于优选实施例，所设及的动作和模块并不一定是本发明 所必须的。
[0056] 本发明实施例还提供了一种对象属性的确定装置。需要说明的是，本发明实施例 的对象属性的确定装置可W用于执行本发明实施例所提供的对象属性的确定方法，本发明 实施例的对象属性的确定方法也可W通过本发明实施例所提供的对象属性的确定装置来 执行。
[0057] 图2是根据本发明实施例的对象属性的确定装置的示意图。如图2所示，该装置可 W包括:获取单元10、第一确定单元20 W及第二确定单元30。
[0058] 获取单元10用于获取多个操作对象中的目标对象在多个特征维度上的特征值，其 中，多个特征维度与目标对象在第一时间段内的操作行为存在关联关系。
[0059] 上述的多个特征维度可W包括目标对象在历史时间段（即第一时间段）内执行操 作行为的次数、两次操作行为之间的时间间隔、最近一次执行操作行为的时间等。
[0060] 第一确定单元20用于基于各个特征维度的特征平均值和目标对象在各个特征维 度上的特征值确定目标对象的类别属性数据，其中，特征平均值为多个操作对象在对应的 特征维度上的特征值的平均值。
[0061] 第二确定单元30用于基于类别属性数据所属的数值区间确定目标对象在第二时 间段内关联于操作行为的操作属性，其中，第二时间段的起始时间晚于第一时间段的结束 时间。操作属性是指目标对象再次执行或者不执行上述操作行为的属性。
[0062] 通过上述实施例，获取单元获取目标对象在历史时间段（即第一时间段）内的多个 特征维度上的特征值，第一确定单元基于各个特征维度的特征平均值和目标对象在各个特 征维度上的特征值确定目标对象的类别属性数据，第二确定单元基于类别属性数据所属的 数值区间确定目标对象在未来某段时间（即第二时间段）内关联于操作行为的操作属性，从 而解决了相关技术中对对象的属性信息进行预测时效率较低的技术问题，由于目标对象在 未来某段时间内的操作属性往往与其历史时间段内执行过的操作行为相关，因此，可W对 目标对象在历史时间段内的操作行为的关联数据进行分析，W实现对目标对象的操作属性 的准确预估。
[0063] 具体地，上述的第二确定单元可W包括:第一获取模块，用于若类别属性数据在第 一区间内，则将第一区间对应的第一属性作为目标对象的操作属性，其中，第一属性表示在 第二时间段内执行操作行为的概率大于第一预设值;第二获取模块，用于若类别属性数据 在第二区间内，则将第二区间对应的第二属性作为目标对象的操作属性，其中，第二区间的 最小值不小于第一区间的最大值，第二属性表示在第二时间段内执行操作行为的概率小于 第二预设值，第二预设值不大于第一预设值。
[0064] 可选地，为了对目标对象的各个特征维度上的特征值进行量化处理，第一确定单 元可W包括:第一确定模块，用于确定目标对象在各个特征维度上的特征值与对应的特征 平均值之间的离差量;第=获取模块，用于获取各个特征维度上的离差量对应的权重;第二 确定模块，用于基于目标对象在各个特征维度上的离差量和各个特征维度上的离差量对应 的权重确定目标对象的类别属性数据。
[00化]具体地，第一确定模块可W包括：用于确定各个特征维度的标准差SIGj =
的第一确定子模块，其中，SIG^为多个特征维度中的第j特征维度 上的标准差，j为小于多个特征维度的维数的自然数，Al为多个操作对象中的第i对象在第j 特征维度上的特征值，MUj为第j特征维度的特征平均值，M为多个操作对象的对象总数，i为 不大于M的自然数；用于确定目标对象在各个特征维度上的离差量
均第二确定 子模块，其中，扣目标对象在第j特征维度上的离差量，&为目标对象在第j特征维度上的特 征值。第二确定模块可W包括：用于根据目标对象在各个特征维度上的离差量和对应的权 重确定目标对象在各个特征维度上的维度数据& = ^*K片C的第S确定子模块，其中，Sj为 目标对象在第j特征维度上的维度数据，Kj为目标对象在第j特征维度上的离差量扣对应的 权重，C为取值不小于1的放大常数；用于根据目标对象在各个特征维度上的维度数据Sj确 定目标对象的类别属性数i
:勺第四确定子模块，其中，N为多个特征维度的维 数。
[0066] 通过上述实施例，根据目标对象在多个特征维度上的特征值进行量化处理，并根 据其各个特征维度对应的权重确定其操作属性，从而可W对目标对象在未来一段时间内的 操作行为进行预测。
[0067] 本实施例中所提供的各个模块与方法实施例对应步骤所提供的使用方法相同、应 用场景也可W相同。当然，需要注意的是，上述模块设及的方案可W不限于上述实施例中的 内容和场景，且上述模块可W运行在计算机终端或移动终端，可W通过软件或硬件实现。
[0068] 上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
[0069] 在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有 详述的部分，可W参见其他实施例的相关描述。
[0070] 在本申请所提供的几个实施例中，应该理解到，所掲露的技术内容，可通过其它的 方式实现。其中，W上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，可W为 一种逻辑功能划分，实际实现时可W有另外的划分方式，例如多个单元或组件可W结合或 者可W集成到另一个系统，或一些特征可W忽略，或不执行。另一点，所显示或讨论的相互 之间的禪合或直接禪合或通信连接可W是通过一些接口，单元或模块的间接禪合或通信连 接，可W是电性或其它的形式。
[0071] 另外，在本发明各个实施例中的各功能单元可W集成在一个处理单元中，也可W 是各个单元单独物理存在，也可W两个或两个W上单元集成在一个单元中。上述集成的单 元既可W采用硬件的形式实现，也可W采用软件功能单元的形式实现。
[0072] 所述集成的单元如果W软件功能单元的形式实现并作为独立的产品销售或使用 时，可W存储在一个计算机可读取存储介质中。基于运样的理解，本发明的技术方案本质上 或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可WW软件产品的形式 体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用W使得一台计算机 设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或 部分步骤。而前述的存储介质包括:U盘、只读存储器(ROM,Read-Only Memo巧）、随机存取存 储器(RAM,Random Access Memo巧）、移动硬盘、磁碟或者光盘等各种可W存储程序代码的 介质。
[0073] W上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人 员来说，在不脱离本发明原理的前提下，还可W做出若干改进和润饰，运些改进和润饰也应 视为本发明的保护范围。
【主权项】
1. 一种对象属性的确定方法，其特征在于，包括： 获取多个操作对象中的目标对象在多个特征维度上的特征值，其中，多个所述特征维 度与所述目标对象在第一时间段内的操作行为存在关联关系； 基于各个所述特征维度的特征平均值和所述目标对象在各个所述特征维度上的特征 值确定所述目标对象的类别属性数据，其中，所述特征平均值为多个所述操作对象在对应 的所述特征维度上的特征值的平均值； 基于所述类别属性数据所属的数值区间确定所述目标对象在第二时间段内关联于所 述操作行为的操作属性，其中，所述第二时间段的起始时间晚于所述第一时间段的结束时 间。2. 根据权利要求1所述的方法，其特征在于，所述数值区间包括第一区间和第二区间， 其中，基于所述类别属性数据所属的数值区间确定所述目标对象在第二时间段内关联于所 述操作行为的操作属性包括： 若所述类别属性数据在所述第一区间内，则将所述第一区间对应的第一属性作为所述 目标对象的操作属性，其中，所述第一属性表示在所述第二时间段内执行所述操作行为的 概率大于第一预设值； 若所述类别属性数据在所述第二区间内，则将所述第二区间对应的第二属性作为所述 目标对象的操作属性，其中，所述第二区间的最小值不小于所述第一区间的最大值，所述第 二属性表示在所述第二时间段内执行所述操作行为的概率小于第二预设值，所述第二预设 值不大于所述第一预设值。3. 根据权利要求1或2所述的方法，其特征在于，基于各个所述特征维度的特征平均值 和所述目标对象在各个所述特征维度上的特征值确定所述目标对象的类别属性数据包括： 确定所述目标对象在各个所述特征维度上的特征值与对应的所述特征平均值之间的 离差量； 获取各个所述特征维度上的离差量对应的权重； 基于所述目标对象在各个所述特征维度上的离差量和各个所述特征维度上的离差量 对应的权重确定所述目标对象的类别属性数据。4. 根据权利要求3所述的方法，其特征在于，确定所述目标对象在各个所述特征维度上 的特征值与对应的所述特征平均值之间的离差量包括： 确定各个所述特征维度的标准差卩中，SIG」为多个所 述特征维度中的第j特征维度上的标准差，j为小于多个所述特征维度的维数的自然数，Ai 为所述多个操作对象中的第i对象在所述第j特征维度上的特征值，Ml^为所述第j特征维度 的特征平均值，Μ为所述多个操作对象的对象总数，i为不大于Μ的自然数； 确定所述目标对象在各个所述特征维度上的离差量％ ，其中所述目标对 象在所述第j特征维度上的离差量，为所述目标对象在所述第j特征维度上的特征值。5. 根据权利要求4所述的方法，其特征在于，基于所述目标对象在各个所述特征维度上 的离差量和各个所述特征维度上的离差量对应的权重确定所述目标对象的类别属性数据 包括： 根据所述目标对象在各个所述特征维度上的离差量和对应的权重确定所述目标对象 在各个所述特征维度上的维度数据&=&*&+(:，其中，&为所述目标对象在所述第j特征维 度上的维度数据，I为所述目标对象在所述第j特征维度上的离差量&对应的权重，c为取值 不小于1的放大常数； 根据所述目标对象在各个所述特征维度上的维度数据&确定所述目标对象的类别属性 数据FI = ，其中，N为多个所述特征维度的维数。6. 根据权利要求4所述的方法，其特征在于，基于所述目标对象在各个所述特征维度上 的离差量和各个所述特征维度上的离差量对应的权重确定所述目标对象的类别属性数据 包括： 按照所述目标对象在各个所述特征维度上的离差量和对应的权重确定所述目标对象 的类别属性数据ΚζΣΠ + U，其中，N为多个所述特征维度的维数，心为所述目 标对象在所述第j特征维度上的离差量&对应的权重，C为取值不小于0的放大常数。7. -种对象属性的确定装置，其特征在于，包括： 获取单元，用于获取多个操作对象中的目标对象在多个特征维度上的特征值，其中，多 个所述特征维度与所述目标对象在第一时间段内的操作行为存在关联关系； 第一确定单元，用于基于各个所述特征维度的特征平均值和所述目标对象在各个所述 特征维度上的特征值确定所述目标对象的类别属性数据，其中，所述特征平均值为多个所 述操作对象在对应的所述特征维度上的特征值的平均值； 第二确定单元，用于基于所述类别属性数据所属的数值区间确定所述目标对象在第二 时间段内关联于所述操作行为的操作属性，其中，所述第二时间段的起始时间晚于所述第 一时间段的结束时间。8. 根据权利要求7所述的装置，其特征在于，所述数值区间包括第一区间和第二区间， 其中，所述第二确定单元包括： 第一获取模块，用于若所述类别属性数据在所述第一区间内，则将所述第一区间对应 的第一属性作为所述目标对象的操作属性，其中，所述第一属性表示在所述第二时间段内 执行所述操作行为的概率大于第一预设值； 第二获取模块，用于若所述类别属性数据在所述第二区间内，则将所述第二区间对应 的第二属性作为所述目标对象的操作属性，其中，所述第二区间的最小值不小于所述第一 区间的最大值，所述第二属性表示在所述第二时间段内执行所述操作行为的概率小于第二 预设值，所述第二预设值不大于所述第一预设值。9. 根据权利要求7或8所述的装置，其特征在于，第一确定单元包括： 第一确定模块，用于确定所述目标对象在各个所述特征维度上的特征值与对应的所述 特征平均值之间的离差量； 第三获取模块，用于获取各个所述特征维度上的离差量对应的权重； 第二确定模块，用于基于所述目标对象在各个所述特征维度上的离差量和各个所述特 征维度上的离差量对应的权重确定所述目标对象的类别属性数据。10. 根据权利要求9所述的装置，其特征在于， 第一确定模块包括：第一确定子模块，用于确定各个所述特征维度的标准差 t，其中，Sib为多个所述特征维度中的第j特征维度上的标 准差，j为小于多个所述特征维度的维数的自然数，Ai为所述多个操作对象中的第i对象在 所述第j特征维度上的特征值，MU」为所述第j特征维度的特征平均值，Μ为所述多个操作对 象的对象总数，i为不大于Μ的自然数;第二确定子模块，用于确定所述目标对象在各个所述 特征维度上的离差量其中，化所述目标对象在所述第j特征维度上的离差量， Bj为所述目标对象在所述第j特征维度上的特征值； 第二确定模块包括:第三确定子模块，用于根据所述目标对象在各个所述特征维度上 的离差量和对应的权重确定所述目标对象在各个所述特征维度上的维度数据& = &*&+(：， 其中，&为所述目标对象在所述第j特征维度上的维度数据，心为所述目标对象在所述第j特 征维度上的离差量&对应的权重，C为取值不小于1的放大常数;第四确定子模块，用于根据 所述目标对象在各个所述特征维度上的维度数据心确定所述目标对象的类别属性数据 FI = nJliSj，其中，N为多个所述特征维度的维数。
【文档编号】G06Q10/04GK105956122SQ201610297049
【公开日】2016年9月21日
【申请日】2016年5月3日
【发明人】郭钟
【申请人】无锡雅座在线科技发展有限公司