本發(fā)明涉及數(shù)據(jù)挖掘技術(shù)領(lǐng)域，更具體地，涉及一種挖掘運(yùn)營(yíng)基維度的方法及裝置。

背景技術(shù)：

產(chǎn)品運(yùn)營(yíng)從內(nèi)容構(gòu)建，用戶維護(hù)，活動(dòng)策劃等三個(gè)層面來(lái)管理產(chǎn)品內(nèi)容和用戶；運(yùn)營(yíng)是產(chǎn)品持續(xù)健康發(fā)展的關(guān)鍵。在“流量為王”的時(shí)代，為了最大限度地爭(zhēng)取流量，運(yùn)營(yíng)的渠道和方式不斷增加，針對(duì)不同場(chǎng)景和不同用戶屬性的精細(xì)化運(yùn)營(yíng)越發(fā)重要。具體地，挖掘隱藏在海量數(shù)據(jù)中的信息，利用數(shù)據(jù)刻畫(huà)用戶屬性和場(chǎng)景特征并對(duì)各類用戶群定制營(yíng)銷策略，能有效解決流量運(yùn)營(yíng)、用戶運(yùn)營(yíng)、產(chǎn)品運(yùn)營(yíng)和內(nèi)容運(yùn)營(yíng)中的增長(zhǎng)和留存問(wèn)題。在數(shù)據(jù)化運(yùn)營(yíng)中，可觀測(cè)的統(tǒng)計(jì)維度很多，如產(chǎn)品的pv(瀏覽量)，uv(訪客數(shù))，頁(yè)面點(diǎn)擊率等。這些維度之間關(guān)系復(fù)雜，存在大量的信息冗余和重疊現(xiàn)象。譬如在直播領(lǐng)域中，維度“最近3天累計(jì)充值金額”，和“最近7天累計(jì)充值金額”存在正向的關(guān)聯(lián)；即當(dāng)“最近3天累計(jì)充值金額”高時(shí)，相關(guān)指標(biāo)“最近7天累計(jì)充值金額”一般也高。換句話說(shuō)，維度之間的信息量存在重疊，一個(gè)維度在一定程度上可以被其他相關(guān)維度線性地推算出來(lái)。類似地，維度“最近3天累計(jì)營(yíng)收”與“最近3天累計(jì)直播時(shí)長(zhǎng)”存在關(guān)聯(lián)，即直播時(shí)間越長(zhǎng)，營(yíng)收額越大。這些龐大而復(fù)雜的運(yùn)營(yíng)維度容易讓運(yùn)營(yíng)人員掉進(jìn)信息過(guò)載的陷阱，難以準(zhǔn)確把脈產(chǎn)品的狀況并做出合適的決策。如何從這些運(yùn)營(yíng)維度中找出少量的關(guān)鍵維度，即基維度，是一個(gè)技術(shù)難點(diǎn)。面對(duì)繁多的運(yùn)營(yíng)維度，人工篩選的方法難以奏效。據(jù)所知的文獻(xiàn)，目前還沒(méi)有對(duì)自動(dòng)識(shí)別運(yùn)營(yíng)基維度的研究和方法。

傳統(tǒng)方法一般采用人工的方法篩選關(guān)鍵維度，譬如在直播領(lǐng)域，把“最近7天累計(jì)營(yíng)收”，“最近7天平均pcu”作為關(guān)鍵維度。然而，這些人工篩選的維度并不能完備的刻畫(huà)產(chǎn)品的全部狀態(tài)。譬如“最近7天累計(jì)營(yíng)收”與“最近3天累計(jì)營(yíng)收”之間不但存在信息冗余，也存在差異，即“最近7天累計(jì)營(yíng)收”不能完全覆蓋“最近3天累計(jì)營(yíng)收”所含的信息量，也不能替換“最近3天累計(jì)營(yíng)收”這個(gè)維度的數(shù)值統(tǒng)計(jì)特性。一方面，簡(jiǎn)單地通過(guò)人工的方法從100個(gè)運(yùn)營(yíng)維度中抽選出10個(gè)維度作為關(guān)鍵維度，存在信息損失的問(wèn)題。換句話說(shuō)，傳統(tǒng)方法未能準(zhǔn)確判斷基維度。另一方面，人工的方法主觀，工作量大，且調(diào)節(jié)方式難以固化沉淀。

技術(shù)實(shí)現(xiàn)要素：

鑒于上述問(wèn)題，本發(fā)明提出了一種挖掘運(yùn)營(yíng)基維度的方法及裝置，能夠通過(guò)分析各個(gè)運(yùn)營(yíng)維度的關(guān)聯(lián)關(guān)系，準(zhǔn)確地判別基維度，指導(dǎo)商業(yè)決策。

本發(fā)明實(shí)施例中提供了一種挖掘運(yùn)營(yíng)基維度的方法，包括：

根據(jù)收集的運(yùn)營(yíng)維度數(shù)據(jù)，構(gòu)建樣本集p＝{x1，x2，...，xi}；

計(jì)算所述樣本p的協(xié)方差矩陣xx^t；

對(duì)所述協(xié)方差矩陣xx^t做特征值分解，求得特征值；

根據(jù)其中一個(gè)特征值對(duì)應(yīng)的特征向量構(gòu)造的維度判別為基維度。

優(yōu)選地，根據(jù)其中一個(gè)特征值對(duì)應(yīng)的特征向量構(gòu)造的維度判別為基維度的步驟之后，還包括：

根據(jù)特征值的排序，判別排名前數(shù)位的基維度。

優(yōu)選地，根據(jù)收集的運(yùn)營(yíng)維度狀態(tài)數(shù)據(jù)，構(gòu)建樣本集的步驟之前，還包括：

從業(yè)務(wù)平臺(tái)的服務(wù)器端收集運(yùn)營(yíng)主體的維度數(shù)據(jù)，該維度數(shù)據(jù)包含業(yè)務(wù)播放數(shù)據(jù)、業(yè)務(wù)營(yíng)收數(shù)據(jù)、業(yè)務(wù)互動(dòng)數(shù)據(jù)當(dāng)中的至少一項(xiàng)。

優(yōu)選地，根據(jù)收集的運(yùn)營(yíng)維度狀態(tài)數(shù)據(jù)，構(gòu)建樣本集的步驟之前，還包括：

從用戶的客戶端收集運(yùn)營(yíng)主體的維度數(shù)據(jù)，該維度數(shù)據(jù)包含用戶觀看數(shù)據(jù)、用戶活躍數(shù)據(jù)、用戶留存數(shù)據(jù)當(dāng)中的至少一項(xiàng)。

優(yōu)選地，判別排名前數(shù)位的基維度的步驟之后，包括：

根據(jù)預(yù)設(shè)的特征值累計(jì)重要性閾值，獲取由至少一項(xiàng)排名前數(shù)位的基維度組成的基維度集合。

相應(yīng)地，本發(fā)明實(shí)施例提供了一種挖掘運(yùn)營(yíng)基維度的裝置，包括：

樣本構(gòu)建單元，用于根據(jù)收集的運(yùn)營(yíng)維度數(shù)據(jù)，構(gòu)建樣本集p＝{x1，x2，...，xi}；

空間變換單元，用于計(jì)算所述樣本p的協(xié)方差矩陣xx^t；

特征分解單元，用于對(duì)所述協(xié)方差矩陣xx^t做特征值分解，求得特征值；

基維度判別單元，用于根據(jù)其中一個(gè)特征值對(duì)應(yīng)的特征向量構(gòu)造的維度判別為基維度。

優(yōu)選地，還包括：

基維度排序單元，用于根據(jù)特征值的排序，判別排名前數(shù)位的基維度。

優(yōu)選地，還包括：

業(yè)務(wù)維度單元，用于從業(yè)務(wù)平臺(tái)的服務(wù)器端收集運(yùn)營(yíng)主體的維度數(shù)據(jù)，該維度數(shù)據(jù)包含業(yè)務(wù)播放數(shù)據(jù)、業(yè)務(wù)營(yíng)收數(shù)據(jù)、業(yè)務(wù)互動(dòng)數(shù)據(jù)當(dāng)中的至少一項(xiàng)。

優(yōu)選地，還包括：

用戶維度單元，用于從用戶的客戶端收集運(yùn)營(yíng)主體的維度數(shù)據(jù)，該維度數(shù)據(jù)包含用戶觀看數(shù)據(jù)、用戶活躍數(shù)據(jù)、用戶留存數(shù)據(jù)當(dāng)中的至少一項(xiàng)。

優(yōu)選地，所述基維度排序單元，包括：

基維度收集單元，用于根據(jù)預(yù)設(shè)的特征值累計(jì)重要性閾值，獲取由至少一項(xiàng)排名前數(shù)位的基維度組成的基維度集合。

本發(fā)明提出了一種自動(dòng)挖掘運(yùn)營(yíng)基維度的方案。首先，根據(jù)收集的運(yùn)營(yíng)維度數(shù)據(jù)，構(gòu)建樣本集p＝{x1，x2，...，xi}，相對(duì)于現(xiàn)有技術(shù)，對(duì)于構(gòu)建的樣本集，用戶無(wú)需考慮各個(gè)樣本之間的信息重疊或信息冗余，也無(wú)需通過(guò)人工或機(jī)器對(duì)樣本集的樣本進(jìn)行篩選或分類。而是，計(jì)算所述樣本p的協(xié)方差矩陣xx^t，通過(guò)協(xié)方差的空間變換，分析維度之間的關(guān)聯(lián)關(guān)系和信息冗余狀況。然后，對(duì)所述協(xié)方差矩陣xx^t做特征值分解，求得特征值，自動(dòng)構(gòu)造出基維度。讓其之間的信息不冗余，卻能可全方位刻畫(huà)產(chǎn)品的狀態(tài)，用少量基維度即可表示全量運(yùn)營(yíng)維度的信息量。最后，根據(jù)其中一個(gè)特征值對(duì)應(yīng)的特征向量構(gòu)造的維度判別為基維度。上述方案，簡(jiǎn)單快捷，能夠通過(guò)分析各個(gè)運(yùn)營(yíng)維度的關(guān)聯(lián)關(guān)系，準(zhǔn)確地判別基維度，指導(dǎo)商業(yè)決策。具體地，對(duì)于直播業(yè)務(wù)來(lái)說(shuō)，可以幫助發(fā)掘潛在的網(wǎng)紅主播、評(píng)測(cè)優(yōu)質(zhì)主播等。進(jìn)一步地，讓運(yùn)營(yíng)方更加深入了解各個(gè)運(yùn)營(yíng)指標(biāo)，包括對(duì)指標(biāo)歸類，認(rèn)知影響主播排名的本質(zhì)原因等，指導(dǎo)商業(yè)決策。

本發(fā)明附加的方面和優(yōu)點(diǎn)將在下面的描述中部分給出，這些將從下面的描述中變得明顯，或通過(guò)本發(fā)明的實(shí)踐了解到。

附圖說(shuō)明

為了更清楚地說(shuō)明本發(fā)明實(shí)施例中的技術(shù)方案，下面將對(duì)實(shí)施例描述中所需要使用的附圖作簡(jiǎn)單地介紹，顯而易見(jiàn)地，下面描述中的附圖僅僅是本發(fā)明的一些實(shí)施例，對(duì)于本領(lǐng)域技術(shù)人員來(lái)講，在不付出創(chuàng)造性勞動(dòng)的前提下，還可以根據(jù)這些附圖獲得其他的附圖。

圖1為本發(fā)明一種挖掘運(yùn)營(yíng)基維度的方法的流程圖。

圖2為本發(fā)明一種挖掘運(yùn)營(yíng)基維度的方法的實(shí)施例流程圖。

圖3為本發(fā)明實(shí)施例的維度數(shù)據(jù)收集示意圖。

圖4為本發(fā)明實(shí)施例的樣本在空間表示成向量的示意圖。

圖5為本發(fā)明一種挖掘運(yùn)營(yíng)基維度的裝置的示意圖。

圖6為本發(fā)明一種挖掘運(yùn)營(yíng)基維度的裝置的實(shí)施例示意圖。

具體實(shí)施方式

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(duì)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。

在本發(fā)明的說(shuō)明書(shū)和權(quán)利要求書(shū)及上述附圖中的描述的一些流程中，包含了按照特定順序出現(xiàn)的多個(gè)操作，但是應(yīng)該清楚了解，這些操作可以不按照其在本文中出現(xiàn)的順序來(lái)執(zhí)行或并行執(zhí)行，操作的序號(hào)如101、102等，僅僅是用于區(qū)分開(kāi)各個(gè)不同的操作，序號(hào)本身不代表任何的執(zhí)行順序。另外，這些流程可以包括更多或更少的操作，并且這些操作可以按順序執(zhí)行或并行執(zhí)行。需要說(shuō)明的是，本文中的“第一”、“第二”等描述，是用于區(qū)分不同的消息、設(shè)備、模塊等，不代表先后順序，也不限定“第一”和“第二”是不同的類型。

下面將結(jié)合本發(fā)明實(shí)施例中的附圖，對(duì)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)明一部分實(shí)施例，而不是全部的實(shí)施例?；诒景l(fā)明中的實(shí)施例，本領(lǐng)域技術(shù)人員在沒(méi)有做出創(chuàng)造性勞動(dòng)前提下所獲得的所有其他實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。

運(yùn)營(yíng)維度：用于衡量產(chǎn)品正常經(jīng)營(yíng)運(yùn)轉(zhuǎn)狀況的指標(biāo)，如產(chǎn)品的pv(瀏覽量)，uv(訪客數(shù))，頁(yè)面點(diǎn)擊率等；這些指標(biāo)多可以通過(guò)測(cè)量或顯式地統(tǒng)計(jì)運(yùn)算獲得，為產(chǎn)品的運(yùn)營(yíng)人員總結(jié)、分析和評(píng)價(jià)產(chǎn)品狀況提供依據(jù)。

基維度：用于描述產(chǎn)品運(yùn)營(yíng)狀況的本質(zhì)因子，可以說(shuō)是多個(gè)運(yùn)營(yíng)維度的濃縮。不同于運(yùn)營(yíng)維度之間可能存在相關(guān)和信息冗余，基維度之間的信息不冗余，卻能可全方位刻畫(huà)產(chǎn)品的狀態(tài)。這些基維度多隱藏在數(shù)據(jù)的內(nèi)部，難直接觀察獲得，是隱藏在運(yùn)營(yíng)維度中的母因素。如在大學(xué)排名中，影響排名的因素中最本質(zhì)的有兩類，包括自然科學(xué)因子，和社會(huì)科學(xué)因子，這些就是基維度；但這些因子不容易直接觀測(cè)獲得，只能觀察到的維度如本科入學(xué)平均分?jǐn)?shù)線，就業(yè)率，教授發(fā)理工類/人文類論文量等。

如何從可觀測(cè)的運(yùn)營(yíng)維度中，推測(cè)并挖掘基維度，是本發(fā)明要解決的技術(shù)問(wèn)題。通過(guò)分析各個(gè)運(yùn)營(yíng)維度的關(guān)聯(lián)關(guān)系，本發(fā)明設(shè)計(jì)新算法準(zhǔn)確地找出基維度。本發(fā)明把基維度應(yīng)用于直播領(lǐng)域，可以指導(dǎo)產(chǎn)品運(yùn)營(yíng)方做決策，包括發(fā)現(xiàn)優(yōu)質(zhì)主播，評(píng)測(cè)主播表現(xiàn)等。

圖1為本發(fā)明一種挖掘運(yùn)營(yíng)基維度的方法的流程圖，包括：

s101：根據(jù)收集的運(yùn)營(yíng)維度數(shù)據(jù)，構(gòu)建樣本集p＝{x1，x2，...，xi}；

s102：計(jì)算所述樣本p的協(xié)方差矩陣xxt；

s103：對(duì)所述協(xié)方差矩陣xxt做特征值分解，求得特征值；

s104：根據(jù)其中一個(gè)特征值對(duì)應(yīng)的特征向量構(gòu)造的維度判別為基維度。

本發(fā)明提出了一種自動(dòng)挖掘運(yùn)營(yíng)基維度的方案。首先，根據(jù)收集的運(yùn)營(yíng)維度數(shù)據(jù)，構(gòu)建樣本集p＝{x1，x2，...，xi}，相對(duì)于現(xiàn)有技術(shù)，對(duì)于構(gòu)建的樣本集，用戶無(wú)需考慮各個(gè)樣本之間的信息重疊或信息冗余，也無(wú)需通過(guò)人工或機(jī)器對(duì)樣本集的樣本進(jìn)行篩選或分類。而是，計(jì)算所述樣本p的協(xié)方差矩陣xx^t，通過(guò)協(xié)方差的空間變換，分析維度之間的關(guān)聯(lián)關(guān)系和信息冗余狀況。然后，對(duì)所述協(xié)方差矩陣xx^t做特征值分解，求得特征值，自動(dòng)構(gòu)造出基維度。讓其之間的信息不冗余，卻能可全方位刻畫(huà)產(chǎn)品的狀態(tài)，用少量基維度即可表示全量運(yùn)營(yíng)維度的信息量。最后，根據(jù)其中一個(gè)特征值對(duì)應(yīng)的特征向量構(gòu)造的維度判別為基維度。上述方案，簡(jiǎn)單快捷，能夠通過(guò)分析各個(gè)運(yùn)營(yíng)維度的關(guān)聯(lián)關(guān)系，準(zhǔn)確地判別基維度，指導(dǎo)商業(yè)決策。具體地，對(duì)于直播業(yè)務(wù)來(lái)說(shuō)，可以幫助發(fā)掘潛在的網(wǎng)紅主播等。

下面以直播業(yè)務(wù)為例，介紹基維度的構(gòu)建方法。具體地，首先收集運(yùn)營(yíng)維度數(shù)據(jù)，然后基于該數(shù)據(jù)生成基維度，整個(gè)過(guò)程不需要標(biāo)注數(shù)據(jù)。

圖2為本發(fā)明一種挖掘運(yùn)營(yíng)基維度的方法的實(shí)施例流程圖。

s201：從業(yè)務(wù)平臺(tái)的服務(wù)器端收集運(yùn)營(yíng)主體的維度數(shù)據(jù)，該維度數(shù)據(jù)包含業(yè)務(wù)播放數(shù)據(jù)、業(yè)務(wù)營(yíng)收數(shù)據(jù)、業(yè)務(wù)互動(dòng)數(shù)據(jù)當(dāng)中的至少一項(xiàng)。

s202：從用戶的客戶端收集運(yùn)營(yíng)主體的維度數(shù)據(jù)，該維度數(shù)據(jù)包含用戶觀看數(shù)據(jù)、用戶活躍數(shù)據(jù)、用戶留存數(shù)據(jù)當(dāng)中的至少一項(xiàng)。

s203：根據(jù)收集的運(yùn)營(yíng)維度數(shù)據(jù)，構(gòu)建樣本集p＝{x1，x2，...，xi}；

s204：計(jì)算所述樣本p的協(xié)方差矩陣xx^t；

s205：對(duì)所述協(xié)方差矩陣xx^t做特征值分解，求得特征值；

s206：根據(jù)其中一個(gè)特征值對(duì)應(yīng)的特征向量構(gòu)造的維度判別為基維度。

s207：根據(jù)特征值的排序，判別排名前數(shù)位的基維度。

s208：根據(jù)預(yù)設(shè)的特征值累計(jì)重要性閾值，獲取由至少一項(xiàng)排名前數(shù)位的基維度組成的基維度集合。

本實(shí)施例以直播領(lǐng)域?yàn)槔?，針?duì)不同的運(yùn)營(yíng)主體(主播，和觀眾)，常規(guī)有下面兩類運(yùn)營(yíng)維度數(shù)據(jù)，從業(yè)務(wù)平臺(tái)的服務(wù)器端收集運(yùn)營(yíng)主體(主播)的維度數(shù)據(jù)，從用戶的客戶端收集運(yùn)營(yíng)主體(觀眾)的維度數(shù)據(jù)，即主播的運(yùn)營(yíng)維度數(shù)據(jù)和觀眾的觀看維度數(shù)據(jù)，如圖3。

圖3為本發(fā)明實(shí)施例的維度數(shù)據(jù)收集示意圖。其中主播的維度數(shù)據(jù)通過(guò)直播平臺(tái)的服務(wù)器端獲取，記錄主播的全局行為，包括播放，營(yíng)收，互動(dòng)等。圖3中的播放信息采集單元101代表播放行為維度收集器，營(yíng)收信息采集單元102代表營(yíng)收行為維度收集器，和互動(dòng)信息采集單元103代表互動(dòng)行為維度收集器。運(yùn)營(yíng)的維度數(shù)據(jù)舉例如下：業(yè)務(wù)播放數(shù)據(jù)，如最近3天/7天主播累計(jì)播放場(chǎng)次，最近3天/7天主播累計(jì)播放時(shí)長(zhǎng)；業(yè)務(wù)營(yíng)收數(shù)據(jù)，如最近3天/7天主播累計(jì)付費(fèi)觀眾數(shù)，最近3天/7天主播付費(fèi)觀眾數(shù)增幅，最近3天/7天主播累計(jì)營(yíng)收額，最近3天/7天主播累計(jì)營(yíng)收額增幅；業(yè)務(wù)互動(dòng)數(shù)據(jù)，如最近3天/7天的聊天室累計(jì)發(fā)言觀眾數(shù)，最近3天/7天的聊天室累計(jì)發(fā)言量等。

觀眾的觀看維度數(shù)據(jù)通過(guò)用戶的客戶端獲取，記錄觀眾的觀看，活躍和留存狀況等特征。圖1中的觀看信息采集單元104代表觀看行為維度收集器，活躍信息采集單元105代表活躍行為維度收集器，和留存信息采集單元106代表留存行為維度收集器。運(yùn)營(yíng)的維度數(shù)據(jù)舉例如下，用戶觀看數(shù)據(jù)，如最近3天/7天觀眾平均觀看時(shí)長(zhǎng)；用戶活躍數(shù)據(jù)，如最近3天/7天觀眾平均同時(shí)在線人數(shù)，最近3天/7天觀眾平均同時(shí)在線人數(shù)增速；用戶留存數(shù)據(jù)，如最近3天/7天的留存觀眾量，最近3天/7天的觀眾留存率。

需要補(bǔ)充說(shuō)明的是，本方案既可以僅收集服務(wù)器端的維度數(shù)據(jù)，分析主播一側(cè)的基維度，也可以僅收集客戶端的維度數(shù)據(jù)，分析觀眾一側(cè)的基維度，還可以同時(shí)收集兩端的維度數(shù)據(jù)，分析兩者相互影響的維度數(shù)據(jù)。另外，隨著業(yè)務(wù)的拓展，比如廣告商，內(nèi)容提供商，第三方游戲開(kāi)發(fā)商的業(yè)務(wù)加入，本方案還可以添加其它相關(guān)方的維度數(shù)據(jù)，挖掘更新基維度，指導(dǎo)商業(yè)決策。

圖4為本發(fā)明實(shí)施例的樣本在空間表示成向量的示意圖。下面結(jié)合圖4敘述本方案，假設(shè)有40萬(wàn)個(gè)主播，每個(gè)主播的運(yùn)營(yíng)維度有1000維，根據(jù)收集的運(yùn)營(yíng)維度數(shù)據(jù)，構(gòu)建樣本集p＝{x1，x2，...，xi}；那么每個(gè)主播運(yùn)營(yíng)維度數(shù)據(jù)的樣本集可以表示成一個(gè)1000維的向量向量的每個(gè)元素?cái)?shù)值就是對(duì)應(yīng)的主播在該維度上的測(cè)量值；如第10個(gè)維度(最近3天累計(jì)付費(fèi)觀眾數(shù))是120人，那么該向量的第10個(gè)元素?cái)?shù)值為120。

通過(guò)空間的等價(jià)變換m(包括平移，旋轉(zhuǎn)，縮放；該類操作不會(huì)造成信息丟失)，把主播樣本映射到一個(gè)s維(譬如10維)的基維度空間中，即每個(gè)主播樣本可以表示成一個(gè)10維的向量這個(gè)向量的信息量等價(jià)于以上向量即m^th→w。

實(shí)際上，向量的元素的數(shù)值是向量中某些元素的線性加權(quán)，加權(quán)的數(shù)值由變換m來(lái)決定；譬如向量的第2個(gè)元素＝0.2×向量的第1個(gè)元素+0.4×向量的第2個(gè)元素+...；加權(quán)的系數(shù)(如以上的0.2，0.4)由變換m決定。換句話說(shuō)，第1個(gè)維度有20％的信息與第2個(gè)維度40％的信息量有重疊，可以壓縮匯總出一個(gè)新的維度。對(duì)于每一批樣本數(shù)據(jù)，變換m是唯一的。發(fā)現(xiàn)基維度的關(guān)鍵就是通過(guò)步驟s202找到變換m。

對(duì)于給定一個(gè)樣本點(diǎn)x，在q維坐標(biāo)空間{h1，h2，...，hq}中表示為向量對(duì)該樣本做信息量保真的等價(jià)變換(包括平移，旋轉(zhuǎn)，縮放)，變換后在新坐標(biāo)空間中的向量可以表示為對(duì)于p個(gè)樣本集合p＝{x1，x2，...，xi}；每個(gè)樣本向量都可以變換成新空間中的一個(gè)新向量。

不同的變換m，能把樣本映射到對(duì)應(yīng)的不同的新坐標(biāo)空間中。最優(yōu)的變換m能把樣本映射到s維基維度的坐標(biāo)空間{w1，w2，...，ws}中。在這個(gè)坐標(biāo)系中，維度之間正交，信息不重疊不冗余，即而且在這個(gè)空間中，全體的p個(gè)樣本點(diǎn)盡可能地分開(kāi)，相互間區(qū)分度最大；也就是說(shuō)，在這個(gè)空間中，全體的p個(gè)樣本點(diǎn)是最大可分的，只要用少量的維度s，即可顯著地區(qū)分和刻畫(huà)p個(gè)樣本點(diǎn)。

計(jì)算所述樣本p的協(xié)方差矩陣xx^t，從數(shù)學(xué)統(tǒng)計(jì)上，樣本點(diǎn)最大可分性等價(jià)于樣本點(diǎn)的方差最大化?；仡櫼陨戏治觯瑢?duì)于給定的某一個(gè)樣本點(diǎn)xi，變換到新空間后為那么對(duì)于所有p個(gè)樣本點(diǎn)，方差為

求最大的方差，即求解以下的最值函數(shù)，如公式1：

s.t.m^tm＝i....公式1

其中x是p個(gè)樣本點(diǎn)向量對(duì)應(yīng)的矩陣表示形式；對(duì)于最值函數(shù)，可以用成熟的數(shù)學(xué)方法來(lái)求解；具體地，對(duì)公式1使用拉格朗日乘子法，公式1等價(jià)于求解公式2；

xx^tm＝l·m....公式2

通過(guò)對(duì)協(xié)方差矩陣xx^t進(jìn)行特征分解，可求得的特征值。根據(jù)其中一個(gè)特征值對(duì)應(yīng)的特征向量構(gòu)造的維度判別為基維度。

根據(jù)特征值的排序，判別排名前數(shù)位的基維度。對(duì)于公式2的求解獲取的特征值就是q維坐標(biāo)空間{h1，h2，...，hq}經(jīng)過(guò)等價(jià)變換后，在新的坐標(biāo)空間{w1，w2，...，wq}中，按信息量的重要性的排序l1≥l2...≥lq。

通過(guò)特征值的排序，可以找出信息量最大且最重要的基維度。具體地，根據(jù)l1對(duì)應(yīng)的特征向量m1(1×q維)構(gòu)造出第一個(gè)基維度，即m1h^t，其中h是{h1，h2，...，hq}的矩陣表示；類似地，根據(jù)li對(duì)應(yīng)的特征向量mi構(gòu)造出第i個(gè)基維度。

舉個(gè)例子，假設(shè)有q＝10(即原有10個(gè)運(yùn)營(yíng)維度)，通過(guò)求解變換m，找出排序首位的l1對(duì)應(yīng)的特征向量m1，譬如為[0.3，0.15，0.05，...，0.01]；那么新的基維度w1＝0.3*h1+0.15*h2+...+0.11*h10。

從信息量的角度看，新的基維度相當(dāng)于輸出的運(yùn)營(yíng)維度中重疊和相互覆蓋的部分抽取出來(lái)；這是一種信息壓縮的過(guò)程。

進(jìn)一步地，根據(jù)預(yù)設(shè)的特征值累計(jì)重要性閾值，獲取由至少一項(xiàng)排名前數(shù)位的基維度組成的基維度集合。我們可以根據(jù)特征值的累計(jì)重要性找出s個(gè)基維度；具體地，累計(jì)重要性的計(jì)算方法如公式3，

其中閥值t在應(yīng)用中一般設(shè)定為0.95左右，也就是排前的s個(gè)基維度占整個(gè)數(shù)據(jù)信息量的95％即可。

本發(fā)明能從大量的運(yùn)營(yíng)維度中自動(dòng)發(fā)現(xiàn)基維度，這些基維度數(shù)量不多，但價(jià)值高且完備地覆蓋輸出的維度的信息量，即全方位刻畫(huà)產(chǎn)品的狀態(tài)。該成果已經(jīng)上線應(yīng)用于直播運(yùn)營(yíng)，目前能從主播220個(gè)運(yùn)營(yíng)維度中，自動(dòng)發(fā)現(xiàn)15個(gè)高價(jià)值的基維度。運(yùn)營(yíng)人員只要把握這15個(gè)基維度，即可對(duì)直播產(chǎn)品的狀況準(zhǔn)確把脈，做出合適的決策，顯著提升運(yùn)營(yíng)效率。

進(jìn)一步地，本發(fā)明把算法輸出的基維度應(yīng)用于運(yùn)營(yíng)項(xiàng)目，如發(fā)現(xiàn)潛力主播項(xiàng)目，替換項(xiàng)目舊有的特征。考慮到基維度是大量運(yùn)營(yíng)維度的信息壓縮，而且由于維度數(shù)量較集中，能避免一些項(xiàng)目模型的數(shù)據(jù)稀疏問(wèn)題，從理論上可以提升項(xiàng)目的性能。通過(guò)實(shí)際在線應(yīng)用，發(fā)現(xiàn)項(xiàng)目的性能獲得顯著的提升。

具體地，對(duì)于潛力主播發(fā)現(xiàn)項(xiàng)目，舊模型離線準(zhǔn)確率為83％，利用基維度替換舊模型的特征，離線準(zhǔn)確率提升為90％，漲幅為8.4％。采用ab測(cè)試評(píng)測(cè)系統(tǒng)多個(gè)月的性能，其中a組為舊模型生成的潛力主播名單，b組為新方法名單，兩組名單數(shù)量一致，統(tǒng)計(jì)吸引粉絲的狀況；評(píng)測(cè)指標(biāo)為識(shí)別準(zhǔn)確率(有多少主播變成網(wǎng)紅大主播)。通過(guò)跟蹤主播兩個(gè)月(2016年9月和10月)的活躍觀眾狀況，在同時(shí)在線人數(shù)指標(biāo)上，舊方法(a組)增長(zhǎng)6.4％，新方法(b組)增長(zhǎng)10.5％。

圖5為本發(fā)明一種挖掘運(yùn)營(yíng)基維度的裝置的示意圖，包括：

樣本構(gòu)建單元，用于根據(jù)收集的運(yùn)營(yíng)維度數(shù)據(jù)，構(gòu)建樣本集p＝{x1，x2，...，xi}；

空間變換單元，用于計(jì)算所述樣本p的協(xié)方差矩陣xxt；

特征分解單元，用于對(duì)所述協(xié)方差矩陣xxt做特征值分解，求得特征值；

基維度判別單元，用于根據(jù)其中一個(gè)特征值對(duì)應(yīng)的特征向量構(gòu)造的維度判別為基維度。

圖5與圖1相對(duì)應(yīng)，圖中各個(gè)單元的運(yùn)行方式與方法中的相同。

圖6為本發(fā)明一種挖掘運(yùn)營(yíng)基維度的裝置的實(shí)施例示意圖。

如圖6所示，還包括：

基維度排序單元，用于根據(jù)特征值的排序，判別排名前數(shù)位的基維度。

如圖6所示，還包括：

業(yè)務(wù)維度單元，用于從業(yè)務(wù)平臺(tái)的服務(wù)器端收集運(yùn)營(yíng)主體的維度數(shù)據(jù)，該維度數(shù)據(jù)包含業(yè)務(wù)播放數(shù)據(jù)、業(yè)務(wù)營(yíng)收數(shù)據(jù)、業(yè)務(wù)互動(dòng)數(shù)據(jù)當(dāng)中的至少一項(xiàng)。

如圖6所示，還包括：

用戶維度單元，用于從用戶的客戶端收集運(yùn)營(yíng)主體的維度數(shù)據(jù)，該維度數(shù)據(jù)包含用戶觀看數(shù)據(jù)、用戶活躍數(shù)據(jù)、用戶留存數(shù)據(jù)當(dāng)中的至少一項(xiàng)。

如圖6所示，所述基維度排序單元，包括：

基維度收集單元，用于根據(jù)預(yù)設(shè)的特征值累計(jì)重要性閾值，獲取由至少一項(xiàng)排名前數(shù)位的基維度組成的基維度集合。

圖6與圖2相對(duì)應(yīng)，圖中各個(gè)單元的運(yùn)行方式與方法中的相同。

本裝置/模塊介紹基維度的生成算法，思路如下：

給定p個(gè)樣本，每個(gè)樣本通過(guò)q個(gè)運(yùn)營(yíng)維度來(lái)衡量刻畫(huà)。對(duì)于每個(gè)樣本x，可以看成是一個(gè)q維的坐標(biāo)空間{h1,h2,...,hq}的一個(gè)向量(如圖1中的一個(gè)點(diǎn)向量)?？紤]到原有的q個(gè)維度間存在關(guān)聯(lián)和信息冗余，即||hi||2＝1，hi^thj≠0；其中||×||2是l2正則化的數(shù)學(xué)符號(hào)。

假設(shè)基維度有s維，這些基維度是原有維度高保真的壓縮，即s<<q。對(duì)于樣本x，為了保留原有的所有信息量(即各種統(tǒng)計(jì)特性)，可以做空間的等價(jià)變換(包括平移，旋轉(zhuǎn)，縮放；該類操作不會(huì)造成信息丟失)；所作變換記做m。經(jīng)過(guò)變換后，樣本x可以看成是一個(gè)s維基維度的坐標(biāo)空間{w1,w2,...,ws}中的一個(gè)向量經(jīng)過(guò)該變換后，向量所含信息量等價(jià)于向量其中s個(gè)基維度之間不存在關(guān)聯(lián)和信息冗余，即其中||×||2是l2正則化的數(shù)學(xué)符號(hào)。

從以上分析可知，基維度構(gòu)造的關(guān)鍵就是要找到一種等價(jià)變換的方法m，讓樣本向量x從q個(gè)運(yùn)營(yíng)維度坐標(biāo)空間{h1,h2,...,hq}中，信息保真地映射到s維的坐標(biāo)空間{w1,w2,...,ws}中，即m^th→w；在新維度之間不存在關(guān)聯(lián)和信息冗余，即其中變換m對(duì)應(yīng)的列向量就是每個(gè)基維度的構(gòu)建方法。

換句話說(shuō)，基維度的構(gòu)建方法可以看成是一種信息壓縮的過(guò)程。即從多個(gè)有信息重疊/冗余的運(yùn)營(yíng)維度中，抽取出信息重疊最大的部分作為一個(gè)新維度(被稱作一個(gè)基維度)，這可以看成是對(duì)冗余的維度做一次信息壓縮。類似地，抽取第二大重疊的部分作為第二個(gè)新維度；如此類推，最終生成s個(gè)基維度。為了找出維度間的信息重疊，本發(fā)明采用空間等價(jià)變換的方式。

所屬領(lǐng)域的技術(shù)人員可以清楚地了解到，為描述的方便和簡(jiǎn)潔，上述描述的系統(tǒng)，裝置和單元的具體工作過(guò)程，可以參考前述方法實(shí)施例中的對(duì)應(yīng)過(guò)程，在此不再贅述。

以上所述實(shí)施例僅表達(dá)了本發(fā)明的幾種實(shí)施方式，其描述較為具體和詳細(xì)，但并不能因此而理解為對(duì)本發(fā)明專利范圍的限制。應(yīng)當(dāng)指出的是，對(duì)于本領(lǐng)域的普通技術(shù)人員來(lái)說(shuō)，在不脫離本發(fā)明構(gòu)思的前提下，還可以做出若干變形和改進(jìn)，這些都屬于本發(fā)明的保護(hù)范圍。因此，本發(fā)明專利的保護(hù)范圍應(yīng)以所附權(quán)利要求為準(zhǔn)。