對象屬性的確定方法和裝置的制造方法
【專利摘要】本發(fā)明公開了一種對象屬性的確定方法和裝置。其中，該方法包括：獲取多個(gè)操作對象中的目標(biāo)對象在多個(gè)特征維度上的特征值，多個(gè)特征維度與目標(biāo)對象在第一時(shí)間段內(nèi)的操作行為存在關(guān)聯(lián)關(guān)系；基于各個(gè)特征維度的特征平均值和目標(biāo)對象在各個(gè)特征維度上的特征值確定目標(biāo)對象的類別屬性數(shù)據(jù)，特征平均值為多個(gè)操作對象在對應(yīng)的特征維度上的特征值的平均值；基于類別屬性數(shù)據(jù)所屬的數(shù)值區(qū)間確定目標(biāo)對象在第二時(shí)間段內(nèi)關(guān)聯(lián)于操作行為的操作屬性，第二時(shí)間段的起始時(shí)間晚于第一時(shí)間段的結(jié)束時(shí)間。本發(fā)明解決了相關(guān)技術(shù)中對對象的屬性信息進(jìn)行預(yù)測時(shí)效率較低的技術(shù)問題。
【專利說明】
對象屬性的確定方法和裝置
技術(shù)領(lǐng)域
[0001] 本發(fā)明設(shè)及互聯(lián)網(wǎng)領(lǐng)域，具體而言，設(shè)及一種對象屬性的確定方法和裝置。
【背景技術(shù)】
[0002] 隨著互聯(lián)網(wǎng)技術(shù)的快速發(fā)展，大數(shù)據(jù)挖掘被廣泛地應(yīng)用于各個(gè)領(lǐng)域，通過對大量 數(shù)據(jù)的處理可W得到大量的有價(jià)值的信息，或者對領(lǐng)域內(nèi)的發(fā)展趨勢進(jìn)行估計(jì)，但是，在使 用數(shù)據(jù)挖掘模型（如回歸分析模型、決策樹模型、貝葉斯分類模型、粗糖集模型、支持向量機(jī) 模型等)對目標(biāo)對象的相關(guān)屬性信息進(jìn)行預(yù)測時(shí)，需要對模型進(jìn)行大量訓(xùn)練才能使用，即需 要耗費(fèi)較長的訓(xùn)練時(shí)間，且數(shù)據(jù)挖掘模型的使用較復(fù)雜（如流程較多、流程之間的關(guān)聯(lián)性 強(qiáng)），從而會影響預(yù)測的效率。
[0003] 在某些領(lǐng)域(如銀行、餐飲等）中，僅執(zhí)行一次操作行為的目標(biāo)對象（如客戶）占客 戶人數(shù)的58%，而該部分客戶對行業(yè)發(fā)展的貢獻(xiàn)率僅為25%左右，執(zhí)行=次W內(nèi)操作行為 的客戶占總數(shù)的82%，對行業(yè)發(fā)展的貢獻(xiàn)率為48%，由此可見，該行業(yè)的主要貢獻(xiàn)集中在執(zhí) 行=次W上操作行為的客戶身上，因此，對老客戶的維護(hù)是行業(yè)發(fā)展的關(guān)鍵，其主要是對客 戶的流失屬性進(jìn)行估算，重點(diǎn)維護(hù)流失屬性較低的客戶。目前，尚無針對運(yùn)些行業(yè)的流失評 估模型，若采用數(shù)據(jù)挖掘的相關(guān)模型對客戶的流失屬性進(jìn)行分析，上述的模型必須經(jīng)過訓(xùn) 練才可使用，當(dāng)訓(xùn)練的樣本的數(shù)量和特征維度較多時(shí)，訓(xùn)練的過程耗時(shí)較長，從而不能及時(shí) 地對客戶的流失屬性進(jìn)行計(jì)算，影響了預(yù)測的效率。
[0004] 針對相關(guān)技術(shù)中對對象的屬性信息進(jìn)行預(yù)測時(shí)效率較低的技術(shù)問題，目前尚未提 出有效的解決方案。

【發(fā)明內(nèi)容】

[0005] 本發(fā)明實(shí)施例提供了一種對象屬性的確定方法和裝置，W至少解決相關(guān)技術(shù)中對 對象的屬性信息進(jìn)行預(yù)測時(shí)效率較低的技術(shù)問題。
[0006] 根據(jù)本發(fā)明實(shí)施例的一個(gè)方面，提供了一種對象屬性的確定方法，該方法包括:獲 取多個(gè)操作對象中的目標(biāo)對象在多個(gè)特征維度上的特征值，其中，多個(gè)特征維度與目標(biāo)對 象在第一時(shí)間段內(nèi)的操作行為存在關(guān)聯(lián)關(guān)系;基于各個(gè)特征維度的特征平均值和目標(biāo)對象 在各個(gè)特征維度上的特征值確定目標(biāo)對象的類別屬性數(shù)據(jù)，其中，特征平均值為多個(gè)操作 對象在對應(yīng)的特征維度上的特征值的平均值;基于類別屬性數(shù)據(jù)所屬的數(shù)值區(qū)間確定目標(biāo) 對象在第二時(shí)間段內(nèi)關(guān)聯(lián)于操作行為的操作屬性，其中，第二時(shí)間段的起始時(shí)間晚于第一 時(shí)間段的結(jié)束時(shí)間。
[0007] 進(jìn)一步地，數(shù)值區(qū)間包括第一區(qū)間和第二區(qū)間，其中，基于類別屬性數(shù)據(jù)所屬的數(shù) 值區(qū)間確定目標(biāo)對象在第二時(shí)間段內(nèi)關(guān)聯(lián)于操作行為的操作屬性包括:若類別屬性數(shù)據(jù)在 第一區(qū)間內(nèi)，則將第一區(qū)間對應(yīng)的第一屬性作為目標(biāo)對象的操作屬性，其中，第一屬性表示 在第二時(shí)間段內(nèi)執(zhí)行操作行為的概率大于第一預(yù)設(shè)值;若類別屬性數(shù)據(jù)在第二區(qū)間內(nèi)，貝U 將第二區(qū)間對應(yīng)的第二屬性作為目標(biāo)對象的操作屬性，其中，第二區(qū)間的最小值不小于第 一區(qū)間的最大值，第二屬性表示在第二時(shí)間段內(nèi)執(zhí)行操作行為的概率小于第二預(yù)設(shè)值，第 二預(yù)設(shè)值不大于第一預(yù)設(shè)值。
[0008] 進(jìn)一步地，基于各個(gè)特征維度的特征平均值和目標(biāo)對象在各個(gè)特征維度上的特征 值確定目標(biāo)對象的類別屬性數(shù)據(jù)包括:確定目標(biāo)對象在各個(gè)特征維度上的特征值與對應(yīng)的 特征平均值之間的離差量;獲取各個(gè)特征維度上的離差量對應(yīng)的權(quán)重;基于目標(biāo)對象在各 個(gè)特征維度上的離差量和各個(gè)特征維度上的離差量對應(yīng)的權(quán)重確定目標(biāo)對象的類別屬性 數(shù)據(jù)。
[0009] 進(jìn)一步地，確定目標(biāo)對象在各個(gè)特征維度上的特征值與對應(yīng)的特征平均值之間的 離差量包括:確定各個(gè)特征維度的標(biāo)準(zhǔn)差
庚中，SIGj為多 個(gè)特征維度中的第j特征維度上的標(biāo)準(zhǔn)差，j為小于多個(gè)特征維度的維數(shù)的自然數(shù)，Al為多 個(gè)操作對象中的第i對象在第j特征維度上的特征值，MUj為第j特征維度的特征平均值，M為 多個(gè)操作對象的對象總數(shù)，i為不大于M的自然數(shù);確定目標(biāo)對象在各個(gè)特征維度上的離差 量
庚中，扣目標(biāo)對象在第j特征維度上的離差量，&為目標(biāo)對象在第j特征維度 上的特征值。
[0010] 進(jìn)一步地，基于目標(biāo)對象在各個(gè)特征維度上的離差量和各個(gè)特征維度上的離差量 對應(yīng)的權(quán)重確定目標(biāo)對象的類別屬性數(shù)據(jù)包括:根據(jù)目標(biāo)對象在各個(gè)特征維度上的離差量 和對應(yīng)的權(quán)重確定目標(biāo)對象在各個(gè)特征維度上的維度數(shù)據(jù)& =扣*1(片C，其中，Sj為目標(biāo)對 象在第j特征維度上的維度數(shù)據(jù)，Kj為目標(biāo)對象在第j特征維度上的離差量扣對應(yīng)的權(quán)重，C 為取值不小于1的放大常敬:根據(jù)目標(biāo)對象在各個(gè)特征維度上的維度數(shù)據(jù)&確定目標(biāo)對象 的類別屬性數(shù)S
其中，N為多個(gè)特征維度的維數(shù)。
[0011] 進(jìn)一步地，基于目標(biāo)對象在各個(gè)特征維度上的離差量和各個(gè)特征維度上的離差量 對應(yīng)的權(quán)重確定目標(biāo)對象的類別屬性數(shù)據(jù)包巧.格昭曰*志對兔#么個(gè)時(shí)征維度上的離差量 和對應(yīng)的權(quán)重確定目標(biāo)對象的類別屬性數(shù)據(jù)
，其中，N為多個(gè)特征 維度的維數(shù)，Kj為目標(biāo)對象在第j特征維度上的離差量扣對應(yīng)的權(quán)重，C為取值不小于0的放 大常數(shù)。
[0012] 根據(jù)本發(fā)明實(shí)施例的另一個(gè)方面，提供了一種對象屬性的確定裝置，該裝置包括： 獲取單元，用于獲取多個(gè)操作對象中的目標(biāo)對象在多個(gè)特征維度上的特征值，其中，多個(gè)特 征維度與目標(biāo)對象在第一時(shí)間段內(nèi)的操作行為存在關(guān)聯(lián)關(guān)系；第一確定單元，用于基于各 個(gè)特征維度的特征平均值和目標(biāo)對象在各個(gè)特征維度上的特征值確定目標(biāo)對象的類別屬 性數(shù)據(jù)，其中，特征平均值為多個(gè)操作對象在對應(yīng)的特征維度上的特征值的平均值;第二確 定單元，用于基于類別屬性數(shù)據(jù)所屬的數(shù)值區(qū)間確定目標(biāo)對象在第二時(shí)間段內(nèi)關(guān)聯(lián)于操作 行為的操作屬性，其中，第二時(shí)間段的起始時(shí)間晚于第一時(shí)間段的結(jié)束時(shí)間。
[0013] 進(jìn)一步地，數(shù)值區(qū)間包括第一區(qū)間和第二區(qū)間，其中，第二確定單元包括:第一獲 取模塊，用于若類別屬性數(shù)據(jù)在第一區(qū)間內(nèi)，則將第一區(qū)間對應(yīng)的第一屬性作為目標(biāo)對象 的操作屬性，其中，第一屬性表示在第二時(shí)間段內(nèi)執(zhí)行操作行為的概率大于第一預(yù)設(shè)值;第 二獲取模塊，用于若類別屬性數(shù)據(jù)在第二區(qū)間內(nèi)，則將第二區(qū)間對應(yīng)的第二屬性作為目標(biāo) 對象的操作屬性，其中，第二區(qū)間的最小值不小于第一區(qū)間的最大值，第二屬性表示在第二 時(shí)間段內(nèi)執(zhí)行操作行為的概率小于第二預(yù)設(shè)值，第二預(yù)設(shè)值不大于第一預(yù)設(shè)值。
[0014] 進(jìn)一步地，第一確定單元包括:第一確定模塊，用于確定目標(biāo)對象在各個(gè)特征維度 上的特征值與對應(yīng)的特征平均值之間的離差量;第=獲取模塊，用于獲取各個(gè)特征維度上 的離差量對應(yīng)的權(quán)重;第二確定模塊，用于基于目標(biāo)對象在各個(gè)特征維度上的離差量和各 個(gè)特征維度上的離差量對應(yīng)的權(quán)重確定目標(biāo)對象的類別屬性數(shù)據(jù)。
[0015] 進(jìn)一步地，第一確定模塊包括:第一確定子模塊，用于確定各個(gè)特征維度的標(biāo)準(zhǔn)差
，其中，SIGj為多個(gè)特征維度中的第j特征維度上的標(biāo)準(zhǔn)差， j為小于多個(gè)特征維度的維數(shù)的自然數(shù)，Al為多個(gè)操作對象中的第i對象在第j特征維度上 的特征值，MUj為第j特征維度的特征平均值，M為多個(gè)操作對象的對象總數(shù)，i為不大于M的 自然數(shù);第二確定子模塊，用于確定目標(biāo)對象在各個(gè)特征維度上的離差量
其 中，的目標(biāo)對象在第j特征維度上的離差量，Bj為目標(biāo)對象在第j特征維度上的特征值。第二 確定模塊包括:第=確定子模塊，用于根據(jù)目標(biāo)對象在各個(gè)特征維度上的離差量和對應(yīng)的 權(quán)重確定目標(biāo)對象在各個(gè)特征維度上的維度數(shù)據(jù)& =扣體片C，其中，&為目標(biāo)對象在第j特 征維度上的維度數(shù)據(jù)，Kj為目標(biāo)對象在第j特征維度上的離差量扣對應(yīng)的權(quán)重，C為取值不小 于1的放大常數(shù);第四確定子模塊，用于根據(jù)目標(biāo)對象在各個(gè)特征維度上的維度數(shù)據(jù)&確定 目標(biāo)對象的類別屬性數(shù)據(jù)
其中，N為多個(gè)特征維度的維數(shù)。
[0016] 在本發(fā)明實(shí)施例中，通過獲取多個(gè)操作對象中的目標(biāo)對象在多個(gè)特征維度上的特 征值，多個(gè)特征維度與目標(biāo)對象在第一時(shí)間段內(nèi)的操作行為存在關(guān)聯(lián)關(guān)系;基于各個(gè)特征 維度的特征平均值和目標(biāo)對象在各個(gè)特征維度上的特征值確定目標(biāo)對象的類別屬性數(shù)據(jù)， 特征平均值為多個(gè)操作對象在對應(yīng)的特征維度上的特征值的平均值;基于類別屬性數(shù)據(jù)所 屬的數(shù)值區(qū)間確定目標(biāo)對象在第二時(shí)間段內(nèi)關(guān)聯(lián)于操作行為的操作屬性，第二時(shí)間段的起 始時(shí)間晚于第一時(shí)間段的結(jié)束時(shí)間，從而解決了相關(guān)技術(shù)中對對象的屬性信息進(jìn)行預(yù)測時(shí) 效率較低的技術(shù)問題，實(shí)現(xiàn)了對目標(biāo)對象的操作屬性的準(zhǔn)確預(yù)估。
【附圖說明】
[0017] 此處所說明的附圖用來提供對本發(fā)明的進(jìn)一步理解，構(gòu)成本申請的一部分，本發(fā) 明的示意性實(shí)施例及其說明用于解釋本發(fā)明，并不構(gòu)成對本發(fā)明的不當(dāng)限定。在附圖中：
[0018] 圖1是根據(jù)本發(fā)明實(shí)施例的對象屬性的確定方法的流程圖；W及
[0019] 圖2是根據(jù)本發(fā)明實(shí)施例的對象屬性的確定裝置的示意圖。
【具體實(shí)施方式】
[0020] 為了使本技術(shù)領(lǐng)域的人員更好地理解本發(fā)明方案，下面將結(jié)合本發(fā)明實(shí)施例中的 附圖，對本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施例僅僅是 本發(fā)明一部分的實(shí)施例，而不是全部的實(shí)施例。基于本發(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人 員在沒有做出創(chuàng)造性勞動前提下所獲得的所有其他實(shí)施例，都應(yīng)當(dāng)屬于本發(fā)明保護(hù)的范 圍。
[0021] 需要說明的是，本發(fā)明的說明書和權(quán)利要求書及上述附圖中的術(shù)語"第一"、"第 二"等是用于區(qū)別類似的對象，而不必用于描述特定的順序或先后次序。應(yīng)該理解運(yùn)樣使用 的數(shù)據(jù)在適當(dāng)情況下可W互換，W便運(yùn)里描述的本發(fā)明的實(shí)施例能夠W除了在運(yùn)里圖示或 描述的那些W外的順序?qū)嵤?。此外，術(shù)語"包括"和"具有"W及他們的任何變形，意圖在于覆 蓋不排他的包含，例如，包含了一系列步驟或單元的過程、方法、系統(tǒng)、產(chǎn)品或設(shè)備不必限于 清楚地列出的那些步驟或單元，而是可包括沒有清楚地列出的或?qū)τ谶\(yùn)些過程、方法、產(chǎn)品 或設(shè)備固有的其它步驟或單元。
[0022] 根據(jù)本發(fā)明實(shí)施例，提供了一種對象屬性的確定方法的實(shí)施例，需要說明的是，在 附圖的流程圖示出的步驟可W在諸如一組計(jì)算機(jī)可執(zhí)行指令的計(jì)算機(jī)系統(tǒng)中執(zhí)行，并且， 雖然在流程圖中示出了邏輯順序，但是在某些情況下，可W W不同于此處的順序執(zhí)行所示 出或描述的步驟。
[0023] 圖1是根據(jù)本發(fā)明實(shí)施例的對象屬性的確定方法的流程圖，如圖1所示，該方法包 括如下步驟：
[0024] 步驟SlOl，獲取多個(gè)操作對象中的目標(biāo)對象在多個(gè)特征維度上的特征值，其中，多 個(gè)特征維度與目標(biāo)對象在第一時(shí)間段內(nèi)的操作行為存在關(guān)聯(lián)關(guān)系。
[0025] 上述的操作對象在執(zhí)行操作行為時(shí)，操作對象的虛擬資源被消耗，上述的多個(gè)特 征維度可W包括目標(biāo)對象在歷史時(shí)間段（即第一時(shí)間段）內(nèi)執(zhí)行操作行為的次數(shù)、兩次操作 行為之間的時(shí)間間隔、最近一次執(zhí)行操作行為的時(shí)間等。
[0026] 步驟S102,基于各個(gè)特征維度的特征平均值和目標(biāo)對象在各個(gè)特征維度上的特征 值確定目標(biāo)對象的類別屬性數(shù)據(jù)，其中，特征平均值為多個(gè)操作對象在對應(yīng)的特征維度上 的特征值的平均值。
[0027] 步驟S103,基于類別屬性數(shù)據(jù)所屬的數(shù)值區(qū)間確定目標(biāo)對象在第二時(shí)間段內(nèi)關(guān)聯(lián) 于操作行為的操作屬性，其中，第二時(shí)間段的起始時(shí)間晚于第一時(shí)間段的結(jié)束時(shí)間。操作屬 性是指目標(biāo)對象再次執(zhí)行或者不執(zhí)行上述操作行為的屬性。
[0028] 通過上述實(shí)施例，獲取目標(biāo)對象在歷史時(shí)間段(即第一時(shí)間段）內(nèi)的多個(gè)特征維度 上的特征值，并基于各個(gè)特征維度的特征平均值和目標(biāo)對象在各個(gè)特征維度上的特征值確 定目標(biāo)對象的類別屬性數(shù)據(jù)，W基于類別屬性數(shù)據(jù)所屬的數(shù)值區(qū)間確定目標(biāo)對象在未來某 段時(shí)間（即第二時(shí)間段）內(nèi)關(guān)聯(lián)于操作行為的操作屬性，從而解決了相關(guān)技術(shù)中對對象的屬 性信息進(jìn)行預(yù)測時(shí)效率較低的技術(shù)問題，由于目標(biāo)對象在未來某段時(shí)間內(nèi)的操作屬性往往 與其歷史時(shí)間段內(nèi)執(zhí)行過的操作行為相關(guān)，因此，可W對目標(biāo)對象在歷史時(shí)間段內(nèi)的操作 行為的關(guān)聯(lián)數(shù)據(jù)進(jìn)行分析，W實(shí)現(xiàn)對目標(biāo)對象的操作屬性的準(zhǔn)確預(yù)估。
[0029] 例如，在銀行領(lǐng)域，少部分的存款人貢獻(xiàn)了大部分的存款，而且運(yùn)部分存儲大額存 款的存款人并不是一開始就進(jìn)行大額存款，而是經(jīng)過一段時(shí)間之后再進(jìn)行大額存款，因此， 就需要經(jīng)過分析尋找出存款人中有潛力進(jìn)行大額存款的用戶，此時(shí)，目標(biāo)對象即存款人，操 作行為即存款人的存款行為，多個(gè)特征維度可W包括用戶在歷史時(shí)間段內(nèi)的存款次數(shù)、存 款金額、當(dāng)前存款余額、兩次存款之間的間隔時(shí)間等，步驟SlOl的獲取多個(gè)操作對象中的目 標(biāo)對象在多個(gè)特征維度上的特征值，即獲取存款人的存款次數(shù)、存款金額、當(dāng)前存款余額、 兩次存款之間的間隔時(shí)間等參數(shù)，從而根據(jù)運(yùn)些參數(shù)對存款人在未來一段時(shí)間內(nèi)的存款行 為進(jìn)行預(yù)測，即確定存款人是否為大額存款的用戶，也即確定目標(biāo)對象的操作屬性，運(yùn)里的 操作屬性是指存款人進(jìn)行大額存款的屬性，如存款人進(jìn)行大額存款的概率高于60%，則確 定其操作屬性為大額存款屬性。
[0030] 再如，在餐飲領(lǐng)域，占客戶人數(shù)58%的消費(fèi)一次的客戶對收入的貢獻(xiàn)率僅為25% 左右，消費(fèi)=次W內(nèi)的客戶占總數(shù)的82%，對收入的貢獻(xiàn)率為48%，由此可見，餐飲業(yè)的收 入主要集中在消費(fèi)多次的客戶身上，因此，為了提高餐營業(yè)的收入，就需要保證盡可能少的 客戶流失率，也即，需要對各類用戶進(jìn)行分析，W尋找出可能成為多次消費(fèi)的客戶，并針對 性地加 W維護(hù)，此時(shí)，目標(biāo)對象和操作對象即消費(fèi)者，多個(gè)特征維度可W包括消費(fèi)者的消費(fèi) 次數(shù)、享受優(yōu)惠次數(shù)、評價(jià)次數(shù)，當(dāng)前余額，余額變化量等參數(shù)，根據(jù)運(yùn)些參數(shù)即可判斷消費(fèi) 者是否易流失，即確定其操作屬性為易流失屬性或者不易流失屬性。
[0031] 在步驟S102的方案中，基于各個(gè)特征維度的特征平均值和目標(biāo)對象在各個(gè)特征維 度上的特征值確定目標(biāo)對象的類別屬性數(shù)據(jù)包括:確定目標(biāo)對象在各個(gè)特征維度上的特征 值與對應(yīng)的特征平均值之間的離差量;獲取各個(gè)特征維度上的離差量對應(yīng)的權(quán)重;基于目 標(biāo)對象在各個(gè)特征維度上的離差量和各個(gè)特征維度上的離差量對應(yīng)的權(quán)重確定目標(biāo)對象 的類別屬性數(shù)據(jù)。
[0032] 具體地，基于各個(gè)特征維度的特征平均值和目標(biāo)對象在各個(gè)特征維度上的特征值 確定目標(biāo)對象的類別屬性數(shù)據(jù)可W通過如下方式實(shí)現(xiàn):確定目標(biāo)對象在各個(gè)特征維度上的 特征值與對應(yīng)的特征平均值之間的離差量;獲取各個(gè)特征維度上的離差量對應(yīng)的權(quán)重;基于 目標(biāo)對象在各個(gè)特征維度上的離差量和各個(gè)特征維度上的離差量對應(yīng)的權(quán)重確定目標(biāo)對 象的類別屬性數(shù)據(jù)。確定目標(biāo)對象在各個(gè)特征維度上的特征值與對巧的據(jù)佈平挽值，間的 離差量可W通過如下的方式實(shí)現(xiàn):確定各個(gè)特征維度的標(biāo)準(zhǔn)差
其中，SIGj為多個(gè)特征維度中的第j特征維度上的標(biāo)準(zhǔn)差，j為小于多個(gè)特征維度的維數(shù)的 自然數(shù)，Al為多個(gè)操作對象中的第i對象在第j特征維度上的特征值，MU功第j特征維度的特 征平均值，M為多個(gè)操作對象的對象總數(shù)，i為不大于M的自然數(shù);確定目標(biāo)對象在各個(gè)特征 維度上的離差量
癢中，Rj目標(biāo)對象在第j特征維度上的離差量，Bj為目標(biāo)對象 在第j特征維度上的特征值。
[0033] 例如，在餐飲領(lǐng)域，可W通過如下的步驟獲取消費(fèi)者的類別屬性數(shù)據(jù)，W確定該消 費(fèi)者是否屬于不易流失的消費(fèi)者。
[0034] 步驟Sll，提取經(jīng)常消費(fèi)的消費(fèi)者在多個(gè)特征維度上的量化數(shù)值。如，對于消費(fèi)者 群A，該群體有M(1,2,…,m)個(gè)消費(fèi)者，客戶的屬性分布符合正態(tài)分布，可W提取各個(gè)消費(fèi)者 的消費(fèi)次數(shù)、享受優(yōu)惠次數(shù)、用戶評價(jià)次數(shù)、當(dāng)前余額、余額變化量等參數(shù)。
[0035] 步驟S12,計(jì)算每個(gè)特征維度的平均值MU和標(biāo)準(zhǔn)差SIG。
[0036]
Al至Am為消費(fèi)者1至消費(fèi)者M(jìn)在某個(gè)特征維度上的特征值，平均 值MU用于反映群體A的一般狀況，MUj為上述的多個(gè)特征維度中第j特征維度的平均值，如消 費(fèi)次數(shù)的平均值、當(dāng)前余額的平均值等。
[0037]
為多個(gè)特征維度中的第j特征維度上的標(biāo)準(zhǔn) 差，SIGj用于反應(yīng)群體A在第j特征維度上的分布狀況，該值越大則說明消費(fèi)者個(gè)體離平均 值越遠(yuǎn)，分布相對分散;該值越小則說明消費(fèi)者個(gè)體離平均值越近，相對集中。
[0038] 步驟S13,計(jì)算每個(gè)特征維度的隸屬系數(shù)（即離差量Rj)。
[0039]
該公式是將消費(fèi)者在第j特征維度上特征值的數(shù)值映射到[0，1 ]的區(qū) 間，由公式可知，當(dāng)消費(fèi)者在第j特征維度上特征值越接近平均值時(shí)，分子越接近與0，得到 的離差量扣的值越小。
[0040] 通過上述實(shí)施例，通過對用戶在每個(gè)特征維度上的特征值進(jìn)行標(biāo)準(zhǔn)化處理，可W 得到目標(biāo)對象在每個(gè)特征維度上的量化數(shù)據(jù)，W便于進(jìn)一步地確定用戶的類別屬性數(shù)據(jù)。
[0041] 在一個(gè)可選地實(shí)施例中，上述的根據(jù)目標(biāo)對象在各個(gè)特征維度上的離差量和對應(yīng) 的權(quán)重確定目標(biāo)對象在各個(gè)特征維度上的維度數(shù)據(jù)& =扣體片C，其中，Sj為目標(biāo)對象在第j 特征維度上的維度數(shù)據(jù)，Kj為目標(biāo)對象在第j特征維度上的離差量咕對應(yīng)的權(quán)重，C為取值不 小于1的放大常數(shù);根據(jù)目標(biāo)對象在各個(gè)特征維度上的維度數(shù)據(jù)&確定目標(biāo)對象的類別屬 性數(shù)據(jù)
其中，N為多個(gè)特征維度的維數(shù)。具體可W通過下述的步驟S14和步驟 S15實(shí)現(xiàn)：
[0042] 步驟S14,計(jì)算每個(gè)特征維度的維度得分(也即維度數(shù)據(jù)Sj)。
[0043] & =扣體押C，由于每個(gè)特征維度的影響力不盡相同，因此，可W根據(jù)歷史數(shù)據(jù)確定 每個(gè)特征維度所占的比重，如，消費(fèi)次數(shù)〉享受優(yōu)惠次數(shù)〉用戶評價(jià)次數(shù)〉當(dāng)前余額〉額變化 量，運(yùn)幾個(gè)特征維度所占的權(quán)重比值可W分別為5,4,3,2，1。放大常數(shù)(：的取值可^為1或者 大于1的任意數(shù)。
[0044] 步驟S15,計(jì)算目標(biāo)對象的總分(也即類別屬性數(shù)據(jù)F1)。
[0045]
將消費(fèi)者在每個(gè)維度上的得分相乘，即可得到該消費(fèi)者的類別屬性 數(shù)據(jù)。
[0046] 在另一個(gè)可選地實(shí)施例中，基于目標(biāo)對象在各個(gè)特征維度上的離差量和各個(gè)特征 維度上的離差量對應(yīng)的權(quán)重確定目標(biāo)對象的類別屬性數(shù)據(jù)還可W通過如下的方式實(shí)現(xiàn):按 照曰標(biāo)對象#么個(gè)特佈維度上的離差量和對應(yīng)的權(quán)重確定目標(biāo)對象的類別屬性數(shù)據(jù)
.其中，N為多個(gè)特征維度的維數(shù)，Kj為目標(biāo)對象在第j特征維度上 的離差量Rj對應(yīng)的權(quán)重，C為取值不小于0的放大常數(shù)。在該方案中，即將消費(fèi)者在每個(gè)維度 上的維度得分(也即維度數(shù)據(jù))相加，即可得到上述的類別屬性數(shù)據(jù)。
[0047] 在步驟S103的方案中，數(shù)值區(qū)間包括第一區(qū)間和第二區(qū)間，其中，基于類別屬性數(shù) 據(jù)所屬的數(shù)值區(qū)間確定目標(biāo)對象在第二時(shí)間段內(nèi)關(guān)聯(lián)于操作行為的操作屬性包括:若類別 屬性數(shù)據(jù)在第一區(qū)間內(nèi)，則將第一區(qū)間對應(yīng)的第一屬性作為目標(biāo)對象的操作屬性，其中，第 一屬性表示在第二時(shí)間段內(nèi)執(zhí)行操作行為的概率大于第一預(yù)設(shè)值;若類別屬性數(shù)據(jù)在第二 區(qū)間內(nèi)，則將第二區(qū)間對應(yīng)的第二屬性作為目標(biāo)對象的操作屬性，其中，第二區(qū)間的最小值 不小于第一區(qū)間的最大值，第二屬性表示在第二時(shí)間段內(nèi)執(zhí)行操作行為的概率小于第二預(yù) 設(shè)值，第二預(yù)設(shè)值不大于第一預(yù)設(shè)值。
[004引在確定了目標(biāo)對象的類別屬性數(shù)據(jù)之后，即可根據(jù)其所屬的數(shù)值區(qū)間確定目標(biāo)對 象的操作屬性，如，在餐飲領(lǐng)域，如果商家比較關(guān)屯、消費(fèi)者的流失屬性（即操作屬性），在計(jì) 算出各個(gè)消費(fèi)者的類別屬性數(shù)據(jù)之后，可W設(shè)置一個(gè)閥值，W將得到的所有消費(fèi)者的類別 屬性數(shù)據(jù)的區(qū)間分為第一區(qū)間和第二區(qū)間，若消費(fèi)者的類別屬性數(shù)據(jù)在第一區(qū)間內(nèi)，則說 明消費(fèi)者在未來一段時(shí)間（即第二時(shí)間段）內(nèi)再次進(jìn)行消費(fèi)的概率較高(如高于第一預(yù)設(shè)值 50 % )，而第一區(qū)間對應(yīng)的屬性為不易流失屬性，則確定該消費(fèi)者的屬性為不易流失屬性； 若消費(fèi)者的類別屬性數(shù)據(jù)在第二區(qū)間內(nèi)，則說明消費(fèi)者在未來一段時(shí)間內(nèi)再次進(jìn)行消費(fèi)的 概率較低（如低于第二預(yù)設(shè)值50%)，而第二區(qū)間對應(yīng)的屬性為易流失屬性，確定該消費(fèi)者 的屬性為易流失屬性。此時(shí)，商家即可有目的性地對具有不易流失屬性的客戶進(jìn)行維護(hù)，W 便提高其營業(yè)額。
[0049] 需要說明的是，上述的閥值可W為數(shù)值區(qū)間是肘部拐點(diǎn)，如對于類別屬性數(shù)據(jù)由 小到大排序后得到的有序數(shù)列：
[0050] [120,128,222,223,256,256,257,258,259,259,261,263,270,5000,18000, 40000]，
[0051] 繪圖后可知5000及W上的數(shù)值明顯區(qū)別于其他數(shù)值，可判定5000為闊值點(diǎn)，另外， 當(dāng)拐點(diǎn)不出現(xiàn)時(shí)，從后向前選取5%至1%的區(qū)間端點(diǎn)為闊值。
[0052] 需要進(jìn)一步說明的是，對于同一對象（即目標(biāo)客戶），采用累乘的方式得到的類別 屬性數(shù)據(jù)Fl的放大速度會快于采用累加方式得到的屬性數(shù)據(jù)F2,因此，采用累乘的方式更 容易出現(xiàn)肘部拐點(diǎn)。
[0053] 在本發(fā)明的實(shí)施例中，本申請W餐飲、資金存儲領(lǐng)域進(jìn)行舉例說明，但不限定將上 述方法應(yīng)用于餐飲、資金存儲領(lǐng)域。
[0054] 通過上述實(shí)施例，根據(jù)目標(biāo)對象在多個(gè)特征維度上的特征值進(jìn)行量化處理，并根 據(jù)其各個(gè)特征維度對應(yīng)的權(quán)重確定其操作屬性，從而可W對目標(biāo)對象在未來一段時(shí)間內(nèi)的 操作行為進(jìn)行準(zhǔn)確預(yù)測。
[0055] 需要說明的是，對于前述的各方法實(shí)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(lǐng)域技術(shù)人員應(yīng)該知悉，本發(fā)明并不受所描述的動作順序的限制，因?yàn)?依據(jù)本發(fā)明，某些步驟可W采用其他順序或者同時(shí)進(jìn)行。其次，本領(lǐng)域技術(shù)人員也應(yīng)該知 悉，說明書中所描述的實(shí)施例均屬于優(yōu)選實(shí)施例，所設(shè)及的動作和模塊并不一定是本發(fā)明 所必須的。
[0056] 本發(fā)明實(shí)施例還提供了一種對象屬性的確定裝置。需要說明的是，本發(fā)明實(shí)施例 的對象屬性的確定裝置可W用于執(zhí)行本發(fā)明實(shí)施例所提供的對象屬性的確定方法，本發(fā)明 實(shí)施例的對象屬性的確定方法也可W通過本發(fā)明實(shí)施例所提供的對象屬性的確定裝置來 執(zhí)行。
[0057] 圖2是根據(jù)本發(fā)明實(shí)施例的對象屬性的確定裝置的示意圖。如圖2所示，該裝置可 W包括:獲取單元10、第一確定單元20 W及第二確定單元30。
[0058] 獲取單元10用于獲取多個(gè)操作對象中的目標(biāo)對象在多個(gè)特征維度上的特征值，其 中，多個(gè)特征維度與目標(biāo)對象在第一時(shí)間段內(nèi)的操作行為存在關(guān)聯(lián)關(guān)系。
[0059] 上述的多個(gè)特征維度可W包括目標(biāo)對象在歷史時(shí)間段（即第一時(shí)間段）內(nèi)執(zhí)行操 作行為的次數(shù)、兩次操作行為之間的時(shí)間間隔、最近一次執(zhí)行操作行為的時(shí)間等。
[0060] 第一確定單元20用于基于各個(gè)特征維度的特征平均值和目標(biāo)對象在各個(gè)特征維 度上的特征值確定目標(biāo)對象的類別屬性數(shù)據(jù)，其中，特征平均值為多個(gè)操作對象在對應(yīng)的 特征維度上的特征值的平均值。
[0061] 第二確定單元30用于基于類別屬性數(shù)據(jù)所屬的數(shù)值區(qū)間確定目標(biāo)對象在第二時(shí) 間段內(nèi)關(guān)聯(lián)于操作行為的操作屬性，其中，第二時(shí)間段的起始時(shí)間晚于第一時(shí)間段的結(jié)束 時(shí)間。操作屬性是指目標(biāo)對象再次執(zhí)行或者不執(zhí)行上述操作行為的屬性。
[0062] 通過上述實(shí)施例，獲取單元獲取目標(biāo)對象在歷史時(shí)間段（即第一時(shí)間段）內(nèi)的多個(gè) 特征維度上的特征值，第一確定單元基于各個(gè)特征維度的特征平均值和目標(biāo)對象在各個(gè)特 征維度上的特征值確定目標(biāo)對象的類別屬性數(shù)據(jù)，第二確定單元基于類別屬性數(shù)據(jù)所屬的 數(shù)值區(qū)間確定目標(biāo)對象在未來某段時(shí)間（即第二時(shí)間段）內(nèi)關(guān)聯(lián)于操作行為的操作屬性，從 而解決了相關(guān)技術(shù)中對對象的屬性信息進(jìn)行預(yù)測時(shí)效率較低的技術(shù)問題，由于目標(biāo)對象在 未來某段時(shí)間內(nèi)的操作屬性往往與其歷史時(shí)間段內(nèi)執(zhí)行過的操作行為相關(guān)，因此，可W對 目標(biāo)對象在歷史時(shí)間段內(nèi)的操作行為的關(guān)聯(lián)數(shù)據(jù)進(jìn)行分析，W實(shí)現(xiàn)對目標(biāo)對象的操作屬性 的準(zhǔn)確預(yù)估。
[0063] 具體地，上述的第二確定單元可W包括:第一獲取模塊，用于若類別屬性數(shù)據(jù)在第 一區(qū)間內(nèi)，則將第一區(qū)間對應(yīng)的第一屬性作為目標(biāo)對象的操作屬性，其中，第一屬性表示在 第二時(shí)間段內(nèi)執(zhí)行操作行為的概率大于第一預(yù)設(shè)值;第二獲取模塊，用于若類別屬性數(shù)據(jù) 在第二區(qū)間內(nèi)，則將第二區(qū)間對應(yīng)的第二屬性作為目標(biāo)對象的操作屬性，其中，第二區(qū)間的 最小值不小于第一區(qū)間的最大值，第二屬性表示在第二時(shí)間段內(nèi)執(zhí)行操作行為的概率小于 第二預(yù)設(shè)值，第二預(yù)設(shè)值不大于第一預(yù)設(shè)值。
[0064] 可選地，為了對目標(biāo)對象的各個(gè)特征維度上的特征值進(jìn)行量化處理，第一確定單 元可W包括:第一確定模塊，用于確定目標(biāo)對象在各個(gè)特征維度上的特征值與對應(yīng)的特征 平均值之間的離差量;第=獲取模塊，用于獲取各個(gè)特征維度上的離差量對應(yīng)的權(quán)重;第二 確定模塊，用于基于目標(biāo)對象在各個(gè)特征維度上的離差量和各個(gè)特征維度上的離差量對應(yīng) 的權(quán)重確定目標(biāo)對象的類別屬性數(shù)據(jù)。
[00化]具體地，第一確定模塊可W包括：用于確定各個(gè)特征維度的標(biāo)準(zhǔn)差SIGj =
的第一確定子模塊，其中，SIG^為多個(gè)特征維度中的第j特征維度 上的標(biāo)準(zhǔn)差，j為小于多個(gè)特征維度的維數(shù)的自然數(shù)，Al為多個(gè)操作對象中的第i對象在第j 特征維度上的特征值，MUj為第j特征維度的特征平均值，M為多個(gè)操作對象的對象總數(shù)，i為 不大于M的自然數(shù)；用于確定目標(biāo)對象在各個(gè)特征維度上的離差量
均第二確定 子模塊，其中，扣目標(biāo)對象在第j特征維度上的離差量，&為目標(biāo)對象在第j特征維度上的特 征值。第二確定模塊可W包括：用于根據(jù)目標(biāo)對象在各個(gè)特征維度上的離差量和對應(yīng)的權(quán) 重確定目標(biāo)對象在各個(gè)特征維度上的維度數(shù)據(jù)& = ^*K片C的第S確定子模塊，其中，Sj為 目標(biāo)對象在第j特征維度上的維度數(shù)據(jù)，Kj為目標(biāo)對象在第j特征維度上的離差量扣對應(yīng)的 權(quán)重，C為取值不小于1的放大常數(shù)；用于根據(jù)目標(biāo)對象在各個(gè)特征維度上的維度數(shù)據(jù)Sj確 定目標(biāo)對象的類別屬性數(shù)i
:勺第四確定子模塊，其中，N為多個(gè)特征維度的維 數(shù)。
[0066] 通過上述實(shí)施例，根據(jù)目標(biāo)對象在多個(gè)特征維度上的特征值進(jìn)行量化處理，并根 據(jù)其各個(gè)特征維度對應(yīng)的權(quán)重確定其操作屬性，從而可W對目標(biāo)對象在未來一段時(shí)間內(nèi)的 操作行為進(jìn)行預(yù)測。
[0067] 本實(shí)施例中所提供的各個(gè)模塊與方法實(shí)施例對應(yīng)步驟所提供的使用方法相同、應(yīng) 用場景也可W相同。當(dāng)然，需要注意的是，上述模塊設(shè)及的方案可W不限于上述實(shí)施例中的 內(nèi)容和場景，且上述模塊可W運(yùn)行在計(jì)算機(jī)終端或移動終端，可W通過軟件或硬件實(shí)現(xiàn)。
[0068] 上述本發(fā)明實(shí)施例序號僅僅為了描述，不代表實(shí)施例的優(yōu)劣。
[0069] 在本發(fā)明的上述實(shí)施例中，對各個(gè)實(shí)施例的描述都各有側(cè)重，某個(gè)實(shí)施例中沒有 詳述的部分，可W參見其他實(shí)施例的相關(guān)描述。
[0070] 在本申請所提供的幾個(gè)實(shí)施例中，應(yīng)該理解到，所掲露的技術(shù)內(nèi)容，可通過其它的 方式實(shí)現(xiàn)。其中，W上所描述的裝置實(shí)施例僅僅是示意性的，例如所述單元的劃分，可W為 一種邏輯功能劃分，實(shí)際實(shí)現(xiàn)時(shí)可W有另外的劃分方式，例如多個(gè)單元或組件可W結(jié)合或 者可W集成到另一個(gè)系統(tǒng)，或一些特征可W忽略，或不執(zhí)行。另一點(diǎn)，所顯示或討論的相互 之間的禪合或直接禪合或通信連接可W是通過一些接口，單元或模塊的間接禪合或通信連 接，可W是電性或其它的形式。
[0071] 另外，在本發(fā)明各個(gè)實(shí)施例中的各功能單元可W集成在一個(gè)處理單元中，也可W 是各個(gè)單元單獨(dú)物理存在，也可W兩個(gè)或兩個(gè)W上單元集成在一個(gè)單元中。上述集成的單 元既可W采用硬件的形式實(shí)現(xiàn)，也可W采用軟件功能單元的形式實(shí)現(xiàn)。
[0072] 所述集成的單元如果W軟件功能單元的形式實(shí)現(xiàn)并作為獨(dú)立的產(chǎn)品銷售或使用 時(shí)，可W存儲在一個(gè)計(jì)算機(jī)可讀取存儲介質(zhì)中?；谶\(yùn)樣的理解，本發(fā)明的技術(shù)方案本質(zhì)上 或者說對現(xiàn)有技術(shù)做出貢獻(xiàn)的部分或者該技術(shù)方案的全部或部分可WW軟件產(chǎn)品的形式 體現(xiàn)出來，該計(jì)算機(jī)軟件產(chǎn)品存儲在一個(gè)存儲介質(zhì)中，包括若干指令用W使得一臺計(jì)算機(jī) 設(shè)備(可為個(gè)人計(jì)算機(jī)、服務(wù)器或者網(wǎng)絡(luò)設(shè)備等)執(zhí)行本發(fā)明各個(gè)實(shí)施例所述方法的全部或 部分步驟。而前述的存儲介質(zhì)包括:U盤、只讀存儲器(ROM,Read-Only Memo巧）、隨機(jī)存取存 儲器(RAM,Random Access Memo巧）、移動硬盤、磁碟或者光盤等各種可W存儲程序代碼的 介質(zhì)。
[0073] W上所述僅是本發(fā)明的優(yōu)選實(shí)施方式，應(yīng)當(dāng)指出，對于本技術(shù)領(lǐng)域的普通技術(shù)人 員來說，在不脫離本發(fā)明原理的前提下，還可W做出若干改進(jìn)和潤飾，運(yùn)些改進(jìn)和潤飾也應(yīng) 視為本發(fā)明的保護(hù)范圍。
【主權(quán)項(xiàng)】
1. 一種對象屬性的確定方法，其特征在于，包括： 獲取多個(gè)操作對象中的目標(biāo)對象在多個(gè)特征維度上的特征值，其中，多個(gè)所述特征維 度與所述目標(biāo)對象在第一時(shí)間段內(nèi)的操作行為存在關(guān)聯(lián)關(guān)系； 基于各個(gè)所述特征維度的特征平均值和所述目標(biāo)對象在各個(gè)所述特征維度上的特征 值確定所述目標(biāo)對象的類別屬性數(shù)據(jù)，其中，所述特征平均值為多個(gè)所述操作對象在對應(yīng) 的所述特征維度上的特征值的平均值； 基于所述類別屬性數(shù)據(jù)所屬的數(shù)值區(qū)間確定所述目標(biāo)對象在第二時(shí)間段內(nèi)關(guān)聯(lián)于所 述操作行為的操作屬性，其中，所述第二時(shí)間段的起始時(shí)間晚于所述第一時(shí)間段的結(jié)束時(shí) 間。2. 根據(jù)權(quán)利要求1所述的方法，其特征在于，所述數(shù)值區(qū)間包括第一區(qū)間和第二區(qū)間， 其中，基于所述類別屬性數(shù)據(jù)所屬的數(shù)值區(qū)間確定所述目標(biāo)對象在第二時(shí)間段內(nèi)關(guān)聯(lián)于所 述操作行為的操作屬性包括： 若所述類別屬性數(shù)據(jù)在所述第一區(qū)間內(nèi)，則將所述第一區(qū)間對應(yīng)的第一屬性作為所述 目標(biāo)對象的操作屬性，其中，所述第一屬性表示在所述第二時(shí)間段內(nèi)執(zhí)行所述操作行為的 概率大于第一預(yù)設(shè)值； 若所述類別屬性數(shù)據(jù)在所述第二區(qū)間內(nèi)，則將所述第二區(qū)間對應(yīng)的第二屬性作為所述 目標(biāo)對象的操作屬性，其中，所述第二區(qū)間的最小值不小于所述第一區(qū)間的最大值，所述第 二屬性表示在所述第二時(shí)間段內(nèi)執(zhí)行所述操作行為的概率小于第二預(yù)設(shè)值，所述第二預(yù)設(shè) 值不大于所述第一預(yù)設(shè)值。3. 根據(jù)權(quán)利要求1或2所述的方法，其特征在于，基于各個(gè)所述特征維度的特征平均值 和所述目標(biāo)對象在各個(gè)所述特征維度上的特征值確定所述目標(biāo)對象的類別屬性數(shù)據(jù)包括： 確定所述目標(biāo)對象在各個(gè)所述特征維度上的特征值與對應(yīng)的所述特征平均值之間的 離差量； 獲取各個(gè)所述特征維度上的離差量對應(yīng)的權(quán)重； 基于所述目標(biāo)對象在各個(gè)所述特征維度上的離差量和各個(gè)所述特征維度上的離差量 對應(yīng)的權(quán)重確定所述目標(biāo)對象的類別屬性數(shù)據(jù)。4. 根據(jù)權(quán)利要求3所述的方法，其特征在于，確定所述目標(biāo)對象在各個(gè)所述特征維度上 的特征值與對應(yīng)的所述特征平均值之間的離差量包括： 確定各個(gè)所述特征維度的標(biāo)準(zhǔn)差卩中，SIG」為多個(gè)所 述特征維度中的第j特征維度上的標(biāo)準(zhǔn)差，j為小于多個(gè)所述特征維度的維數(shù)的自然數(shù)，Ai 為所述多個(gè)操作對象中的第i對象在所述第j特征維度上的特征值，Ml^為所述第j特征維度 的特征平均值，Μ為所述多個(gè)操作對象的對象總數(shù)，i為不大于Μ的自然數(shù)； 確定所述目標(biāo)對象在各個(gè)所述特征維度上的離差量％ ，其中所述目標(biāo)對 象在所述第j特征維度上的離差量，為所述目標(biāo)對象在所述第j特征維度上的特征值。5. 根據(jù)權(quán)利要求4所述的方法，其特征在于，基于所述目標(biāo)對象在各個(gè)所述特征維度上 的離差量和各個(gè)所述特征維度上的離差量對應(yīng)的權(quán)重確定所述目標(biāo)對象的類別屬性數(shù)據(jù) 包括： 根據(jù)所述目標(biāo)對象在各個(gè)所述特征維度上的離差量和對應(yīng)的權(quán)重確定所述目標(biāo)對象 在各個(gè)所述特征維度上的維度數(shù)據(jù)&=&*&+(:，其中，&為所述目標(biāo)對象在所述第j特征維 度上的維度數(shù)據(jù)，I為所述目標(biāo)對象在所述第j特征維度上的離差量&對應(yīng)的權(quán)重，c為取值 不小于1的放大常數(shù)； 根據(jù)所述目標(biāo)對象在各個(gè)所述特征維度上的維度數(shù)據(jù)&確定所述目標(biāo)對象的類別屬性 數(shù)據(jù)FI = ，其中，N為多個(gè)所述特征維度的維數(shù)。6. 根據(jù)權(quán)利要求4所述的方法，其特征在于，基于所述目標(biāo)對象在各個(gè)所述特征維度上 的離差量和各個(gè)所述特征維度上的離差量對應(yīng)的權(quán)重確定所述目標(biāo)對象的類別屬性數(shù)據(jù) 包括： 按照所述目標(biāo)對象在各個(gè)所述特征維度上的離差量和對應(yīng)的權(quán)重確定所述目標(biāo)對象 的類別屬性數(shù)據(jù)ΚζΣΠ + U，其中，N為多個(gè)所述特征維度的維數(shù)，心為所述目 標(biāo)對象在所述第j特征維度上的離差量&對應(yīng)的權(quán)重，C為取值不小于0的放大常數(shù)。7. -種對象屬性的確定裝置，其特征在于，包括： 獲取單元，用于獲取多個(gè)操作對象中的目標(biāo)對象在多個(gè)特征維度上的特征值，其中，多 個(gè)所述特征維度與所述目標(biāo)對象在第一時(shí)間段內(nèi)的操作行為存在關(guān)聯(lián)關(guān)系； 第一確定單元，用于基于各個(gè)所述特征維度的特征平均值和所述目標(biāo)對象在各個(gè)所述 特征維度上的特征值確定所述目標(biāo)對象的類別屬性數(shù)據(jù)，其中，所述特征平均值為多個(gè)所 述操作對象在對應(yīng)的所述特征維度上的特征值的平均值； 第二確定單元，用于基于所述類別屬性數(shù)據(jù)所屬的數(shù)值區(qū)間確定所述目標(biāo)對象在第二 時(shí)間段內(nèi)關(guān)聯(lián)于所述操作行為的操作屬性，其中，所述第二時(shí)間段的起始時(shí)間晚于所述第 一時(shí)間段的結(jié)束時(shí)間。8. 根據(jù)權(quán)利要求7所述的裝置，其特征在于，所述數(shù)值區(qū)間包括第一區(qū)間和第二區(qū)間， 其中，所述第二確定單元包括： 第一獲取模塊，用于若所述類別屬性數(shù)據(jù)在所述第一區(qū)間內(nèi)，則將所述第一區(qū)間對應(yīng) 的第一屬性作為所述目標(biāo)對象的操作屬性，其中，所述第一屬性表示在所述第二時(shí)間段內(nèi) 執(zhí)行所述操作行為的概率大于第一預(yù)設(shè)值； 第二獲取模塊，用于若所述類別屬性數(shù)據(jù)在所述第二區(qū)間內(nèi)，則將所述第二區(qū)間對應(yīng) 的第二屬性作為所述目標(biāo)對象的操作屬性，其中，所述第二區(qū)間的最小值不小于所述第一 區(qū)間的最大值，所述第二屬性表示在所述第二時(shí)間段內(nèi)執(zhí)行所述操作行為的概率小于第二 預(yù)設(shè)值，所述第二預(yù)設(shè)值不大于所述第一預(yù)設(shè)值。9. 根據(jù)權(quán)利要求7或8所述的裝置，其特征在于，第一確定單元包括： 第一確定模塊，用于確定所述目標(biāo)對象在各個(gè)所述特征維度上的特征值與對應(yīng)的所述 特征平均值之間的離差量； 第三獲取模塊，用于獲取各個(gè)所述特征維度上的離差量對應(yīng)的權(quán)重； 第二確定模塊，用于基于所述目標(biāo)對象在各個(gè)所述特征維度上的離差量和各個(gè)所述特 征維度上的離差量對應(yīng)的權(quán)重確定所述目標(biāo)對象的類別屬性數(shù)據(jù)。10. 根據(jù)權(quán)利要求9所述的裝置，其特征在于， 第一確定模塊包括：第一確定子模塊，用于確定各個(gè)所述特征維度的標(biāo)準(zhǔn)差 t，其中，Sib為多個(gè)所述特征維度中的第j特征維度上的標(biāo) 準(zhǔn)差，j為小于多個(gè)所述特征維度的維數(shù)的自然數(shù)，Ai為所述多個(gè)操作對象中的第i對象在 所述第j特征維度上的特征值，MU」為所述第j特征維度的特征平均值，Μ為所述多個(gè)操作對 象的對象總數(shù)，i為不大于Μ的自然數(shù);第二確定子模塊，用于確定所述目標(biāo)對象在各個(gè)所述 特征維度上的離差量其中，化所述目標(biāo)對象在所述第j特征維度上的離差量， Bj為所述目標(biāo)對象在所述第j特征維度上的特征值； 第二確定模塊包括:第三確定子模塊，用于根據(jù)所述目標(biāo)對象在各個(gè)所述特征維度上 的離差量和對應(yīng)的權(quán)重確定所述目標(biāo)對象在各個(gè)所述特征維度上的維度數(shù)據(jù)& = &*&+(：， 其中，&為所述目標(biāo)對象在所述第j特征維度上的維度數(shù)據(jù)，心為所述目標(biāo)對象在所述第j特 征維度上的離差量&對應(yīng)的權(quán)重，C為取值不小于1的放大常數(shù);第四確定子模塊，用于根據(jù) 所述目標(biāo)對象在各個(gè)所述特征維度上的維度數(shù)據(jù)心確定所述目標(biāo)對象的類別屬性數(shù)據(jù) FI = nJliSj，其中，N為多個(gè)所述特征維度的維數(shù)。
【文檔編號】G06Q10/04GK105956122SQ201610297049
【公開日】2016年9月21日
【申請日】2016年5月3日
【發(fā)明人】郭鐘
【申請人】無錫雅座在線科技發(fā)展有限公司