价值评估模型构建方法、评估方法、装置、设备及介质

    公开(公告)号:CN117495176A

    公开(公告)日:2024-02-02

    申请号:CN202311466293.8

    申请日:2023-11-06

    摘要: 本发明公开了一种价值评估模型构建方法、评估方法、装置、设备及介质,包括:获取用户信息,并根据用户信息构建训练数据集;根据训练数据集确定用户的消费评价指标,并根据消费评价指标构建训练数据集的数据标签;通过训练数据集和数据标签训练初始价值评估模型,获得预设价值评估模型。本发明通过用户信息构建训练数据集,根据用户信息确定的消费评价指标为训练数据集构建数据标签,通过训练数据集和对应的数据标签训练初始价值评估模型,获得预设价值评估模型,通过消费评价指标构建训练数据集的数据标签,在训练模型的过程中将消费评价指标考虑在内,提高了预设价值评估模型的评估准确度。

    号卡用户的类别识别方法、装置、设备及存储介质

    公开(公告)号:CN117425146A

    公开(公告)日:2024-01-19

    申请号:CN202311338884.7

    申请日:2023-10-16

    摘要: 本发明涉及通讯业务技术领域,尤其涉及一种号卡用户的类别识别方法、装置、设备及存储介质,本发明通过根据号卡用户的原始数据集构建与关联用户之间的用户关系图,再计算用户关系图中的用户节点的节点度判断各用户节点的重要性,再将重要性作为号卡用户的特征聚合基础,得到号卡用户的目标特征向量,减少训练样本给模型精准度带来的影响,进而对目标特征向量和用户类别标签进行模型训练,得到可以用于进行号卡用户的类别识别的模型,最后将目标号卡用户的原始数据输入至训练好的用户类别识别模型,确定目标号卡用户的用户类别,避免了现有技术中无法精准识别号卡用户的身份类别识别的技术问题,提高了号卡用户的身份类别识别效率。

    实时人数确定方法、装置、电子设备及存储介质

    公开(公告)号:CN115474206A

    公开(公告)日:2022-12-13

    申请号:CN202110655691.9

    申请日:2021-06-11

    IPC分类号: H04W16/22 H04W16/30 H04W24/08

    摘要: 本发明提供一种实时人数确定方法、装置、电子设备及存储介质。所述方法包括:确定目标区域的所有关联基站,其中,所述关联基站的覆盖区域与所述目标区域之间有重叠区域,所述关联基站的覆盖区域是泰森多边形;确定每一个关联基站的覆盖区域与所述目标区域之间的重叠区域的实时人数;基于所述所有关联基站对应的重叠区域的实时人数,确定所述目标区域的实时人数。本发明提供的实时人数确定方法、装置、电子设备及存储介质可以通过基于泰森多边形,自动生成目标区域的关联基站,进而计算每一个关联基站的实时人数,比传统手动维护区域关联基站和把基站下的人数全都算入实时人数更合理、更自动化。

    资源分配推理模型训练方法、装置、设备及介质

    公开(公告)号:CN116992275A

    公开(公告)日:2023-11-03

    申请号:CN202211097778.X

    申请日:2022-09-08

    摘要: 本发明涉及计算机领域,提供一种资源分配推理模型训练方法、装置、设备及介质,该方法包括:确定影响处理器分配和内存分配的特征因素,特征因素包括推理参数、算法个数和算法类型基数;基于推理参数、算法个数和算法类型基数,对多元线性回归模型进行训练,得到内存分配模型;基于推理参数、算法个数和算法类型基数,对线性回归对数模型进行训练,得到处理器分配模型;基于内存分配模型和处理器分配模型,得到资源分配推理模型;多元线性回归模型是基于多元线性函数构成的模型;线性回归对数模型是基于线性函数和对数函数构成的模型。本发明实施例提供的资源分配推理模型训练方法训练出的资源分配推理模型解决了推理计算资源管理粗放的问题。

    特征提取方法、装置、设备、可读存储介质及程序产品

    公开(公告)号:CN115859169A

    公开(公告)日:2023-03-28

    申请号:CN202211573429.0

    申请日:2022-12-08

    摘要: 本申请提供了一种特征提取方法、装置、设备、可读存储介质及程序产品。获取训练样本集以及初始分类模型;将训练样本集和所述初始分类模型输入至N个解释模型中,得到各解释模型输出的第一解释信息,各解释模型输出的第一解释信息包括第一特征集中各特征的重要程度值,重要程度值用于指示各特征对所述初始分类模型的预测结果的影响程度;将N个解释模型输出的N个第一解释信息进行融合处理,得到融合后的第二解释信息,第二解释信息包括第二特征集中各特征的融合重要程度值,第二特征集包括N个第一特征集中的相同特征;根据第二特征集中各特征的融合重要程度值,提取目标特征集。根据本申请实施例可以提高特征提取的准确性。