- 综合排序
- 最热优先
- 最新优先
- 来自专栏张叔叔讲互联网
画像平台人群包常见应用场景
Push侧通过人群接口每日定时拉取人群数据，然后遍历人群中的每一个用户并推送Push消息。 应用方式：在画像平台上通过规则圈选创建女性用户人群A，通过文件导入的方式创建黑产用户人群B，通过组合人群的方式创建人群A与B的差集人群C。 人群C支持判存服务，最终通过判断用户是否在人群C中来决定是否赠送优惠券。应用结果：通过人群组合的方式便捷地支持了业务需求。 业务为了给指定用户（不分男女）赠送优惠券，还创建了一个白名单人群D，将C人群与D人群求并集后生成了新的人群E，E人群不仅覆盖了原有的赠送人群范围，而且可以向特定用户群体赠送优惠券。 应用方式：外呼团队在画像平台上创建外呼人群，并借助人群拆分功能将该人群按照25%、25%、25%、25%的比例拆分为4个子人群，在外呼平台导入4个子人群并配置不同的话术进行外呼操作。
1.3K20编辑于 2023-10-30 - 来自专栏腾讯企点
功能解说 | 建好人群包，精准营销省烦恼！
▍ 营销方案 这一类客户是目标用户，也可以看做是种子用户，通过相似人群扩散，可以扩散出最多100万这样的特征的目标用户群，然后通过广点通去触达这些相对较精准的目标用户群，实现低成本、高质量的拉新。
2.3K10发布于 2020-06-10 - 来自专栏张叔叔讲互联网
人群LookALike以及挖掘人群的创建思路
人群LookALike是给定种子人群，然后通过技术手段找到与该种子人群相似的用户群体。 图5-26展示了基于向量求LookALike人群的主要流程。图片基于种子人群特征分布计算相似人群。 图片基于分类算法计算相似人群。把种子人群当作正样本，其他非种子人群（或者其他人群）当作负样本，通过训练分类模型计算出满足条件的用户并构建目标人群。 目前也有利用社交网络进行人群LookALike的实践方案，通过好友关系找到种子人群中所有用户的几度好友并构建目标人群。挖掘人群是指定优化目标，借助算法能力找到满足要求的用户并构建人群。 人群挖掘的思路是先找到训练样本（种子人群），然后通过LookALike的思路扩展种子人群。该方式与人群LookALike不同的是，人群挖掘的结果中可以包含种子人群中的用户数据。
1.9K30编辑于 2023-10-22 - 来自专栏张叔叔讲互联网
画像平台人群创建方式-规则人群创建
，同理，人群圈选条件最终转换为Hive SQL语句并最终将执行结果构建为人群。 前两种执行方式生产的人群会优先产出BitMap并存储到OSS中，第三种方式生成的人群数据直接存储在Hive表中。为了实现人群数据的持久化存储和便捷的接口调用，人群数据最终会存储在Hive表和OSS中。 SQL语句示例如下所示，SQL执行后人群结果数据将直接存储到人群结果Hive表中。 Hive表中的人群数据主要用于离线数据分析场景，很多业务使用人群之后需要通过人群结果表进行效果分析。图5-13展示了人群结果表的表结构设计，人群crowd_id作为分区键，分区下包含该人群所有用户。 OSS中的人群数据主要应用在通过接口获取人群数据的场景下。人群数据压缩为BitMap并存储到OSS中，一亿人群大小在100M左右，通过接口可以在几秒内获取到人群结果。
1.9K00编辑于 2023-10-18 - 来自专栏张叔叔讲互联网
画像平台人群创建方式-导入人群创建
导入人群是将外部数据导入画像平台构建人群，主要有3种实现方式：文件导入、Hive表导入和SQL导入。 Hive导入和SQL导入方式创建的人群数据直接存储到Hive表中，后续需要通过HiveToBitmap将人群数据写入BitMap并存储在OSS中。 与Hive导入人群方式不同，文件导入优先生成人群BitMap，之后再通过BitMapToHive过程写入到人群结果Hive表中。 导入人群是画像平台最常用的人群创建方式之一，其实现了将各类数据源沉淀为人群的功能，支持更灵活的人群创建方式，拓展了画像平台数据范围。 比如运营人员将某次活动中表现良好的用户导入画像平台并构建成人群，后续可以进行广告投放或者人群分析；数据分析师离线统计出了一批高价值用户，导入平台构建人群后可以直接提供给业务使用。
90510编辑于 2023-10-19 - 来自专栏算法channel
Python常用包，可以学学这9个
最近汇总了平时常用到的9个很好的Python包，它们能极大的提高我们的工作效率，安装它们，然后逐步熟练使用它们。 若有用，可以收藏这篇文章。 Scrapy提供了易于使用的方法和包，可以使用HTML标记或CSS类提取信息。 5 click命令行工具 click是一个Python包，可用于创建命令行接口，相当漂亮的命令行，相当丝滑。 尽管它是用Java编写的，Python包提供对几乎所有Selenium函数的类似API的访问。 9 图像处理Pillow 很多时候，需要以某种方式修改图像，使其更适合，例如模糊细节、组合一个或多个图像或创建缩略图。
1.3K20编辑于 2022-03-28 - 来自专栏机器学习、深度学习
人群密度估计
Counting Varying Density Crowds Through Attention Guided Detection and Density Estimation CVPR2018 本文针对人群密度问题 将 检测方法和回归方法结合到一起，以此来提升人群密度估计精度 人群密度估计问题目前主要的方法有基于检测的和基于回归的方法。 在人群密度小的时候，基于检测的方法效果更好。在人群密度较大的时候，基于回归方法的效果比较好。 ? ? 本文的思路就是将 检测方法和回归方法结合起来，各取所长。
1.5K40发布于 2019-05-26 - 来自专栏云头条
9 亿 IT 大单、20 个标包
标的1：电网管理平台（资产域V2.0）建设项目 预算 29299.2 万元 （1）标包1：电网管理平台（资产域V2.0-安全监管、系统运行）建设项目，预算 3588.49 万元 本项目依托南方电网公司云平台 （2）标包2：电网管理平台（资产域V2.0-电网规划、基建管理等）建设项目，预算 8493.55 万元 本项目依托南方电网公司云平台、全域物联网平台、人工智能平台、南网智瞰服务、项目中心、数据中心等技术平台 （3）标包3：电网管理平台（资产域V2.0-输变电管理、配网透明化管理、防灾减灾应用）建设项目，预算 6239.45 万元 本项目依托南方电网公司云平台、全域物联网平台、人工智能平台、南网智瞰服务、项目中心 （2）标包2：文件转换迁移系统和OFD版式阅读软件采购，预算 90 万元 采购文件转换迁移系统一套，采购OFD版式阅读软件系统一套。 建设单位：公司总部。 标的9：2022年南网智瞰运营实施项目 预算 1300.73 万元 围绕南网智瞰平台建立运营组织体系，开展运营支撑、用户分析推广、需求分析管理、活动运营策划、分子公司辅助运营、数据制作等常态化运营工作。
71420编辑于 2022-05-10 - 来自专栏从零开始学自动化测试
Fiddler抓包9-保存会话（save）
前言 为什么要保存会话呢？举个很简单的场景，你在上海测试某个功能接口的时候，发现了一个BUG，而开发这个接口的开发人员是北京的一家合作公司。你这时候给对方开发提bug， 如何显得专业一点，能让对方心服
2.1K50发布于 2018-04-08 - 来自专栏作图丫
CRISPRCas9 screen 数据绘图R包
细菌的防盗系统拥有多种切除外来病毒基因的功能，科学家们掌握了对一种蛋白Cas9的操作技术，并先后对多种目标细胞DNA进行切除。这种技术被称为CRISPR/Cas9基因编辑系统。 简要介绍 MAGeCK (Wei Li and Liu. 2014)和MAGeCK- vispr 刘小乐团队在开发了MAGeCK 和MAGeCK- vispr 用于分析CRISPR/Cas9 screen 该包的下游分析包括鉴定必要的、非必要的和目标相关的基因，并对这些基因进行生物学功能类别分析、通路富集分析和蛋白复合物富集分析。该包还以多种方式可视化基因，有利于用户探索筛选数据。 分析模式 该R包可以进行两种模式的分析，一种是“quick”模式，一种是“step by step”模式。 Quick模式 01 加载R包 library(MAGeCKFlute) library(ggplot2) 02 加载数据 #MAGeCK分析结果数据-gene file1 = file.path(system.file
4.8K31编辑于 2022-03-29 - 来自专栏用户画像
相似人群画像算法
一、数据源 1、相似人群数据存在TDW库中，数据字典说明： CREATE TABLE sim_people_tdw_tbl( uid STRING COMMENT 'reader id', ', update_date STRING COMMENT 'update_date' ) 字段 类型 含义 uid string 用户标识 sim_uids string 与uid喜好相似的人群 ，格式为用户编号:相同阅读量，相似用户之间以逗号分隔 sim_num BIGINT 相似人群的人数 update_date string 数据日期 2、基础用户画像存在MongoDB中 Image [ 相似人群字典表 :return: 相似度最高的相似人群 """ user_similarity_list = sorted(cluster_dic.iteritems(), key : 相似人群的相似度字典表 :return: 相似人群画像字典表 """ cluster_profile_rs = {} for sim_user_obj in sim_users_profile_array
2.6K61发布于 2018-07-19 - 来自专栏机器学习、深度学习
人群密度估计
该网络在几个常用的公开人群密度估计数据库上取得了不错的效果。 1 Introduction 拥挤场景解析的发展从简单的人群数值估计到 人群密度图估计，人群密度图可以提供额外的信息，因为同样数量的人可以分布在不同的位置，如下图所示 ? 生成准确的人群分布图挑战性比较大，其中一个主要的困难就是离散化的问题，人在图像中不是只占用一个像素，密度图需要保持局部邻域的连续性。其他的困难包括场景的多样性，相机角度的多样性。 以前基于CNN网络的人群密度估计主要采用了 multi-scale architectures，虽然取得了不错的性能，但是存在两个问题：当网络变深的时候， the large amount of training 人群密度估计从方法上来说可以分为三大类：detection-based methods, regression-based methods, and density estimation-based methods
1.7K30发布于 2019-05-26 - 来自专栏Linux
Rocky Linux 9 源码包安装php8
Rocky Linux 9 源码包安装php8大家好，我是星哥！今天咱们不聊yum一键安装的“快餐式”部署，来点儿硬核的——源码编译安装PHP 8.3。为什么要折腾源码？ 话不多说，跟着星哥一步步把PHP 8.3.3 在Rocky Linux 9上从0到1跑起来，顺便把性能榨干！ 快速安装Rocky Linux 9系统中源码包安装php8.3.3 并且使用phpfpm安装目录为：/data/app/php8.3用户为 www 端口自定义为 8300需要PHP安装扩展zipopenssllibmemcachedphpredispcntlamqprabbitmqswoole .安装依赖# 清理缓存并更新软件包列表dnf clean alldnf makecachednf install -y wget libxml2-devel sqlite-devel bzip2-devel devel/x86_64/os/Packages/l/libzip-devel-1.7.3-8.el9.x86_64.rpmdnf -y install libzip-devel-1.7.3-8.el9
33810编辑于 2025-07-15 - 来自专栏机器学习、深度学习
人群分析、人群计数 开源代码文献及数据库
Scale-adaptive Convolutional Nerual Network https://github.com/miao0913/SaCNN-CrowdCounting-Tencent_Youtu 人群分析 Towards perspective-free object counting with deep learning ECCV2016 https://github.com/gramuah/ccnn 人群计数 Density Estimation for Crowd Counting AVSS 2017 https://github.com/svishwa/crowdcount-cascaded-mtl 人群计数 /hosseinm/med Panic，Fight，Congestion，Obstacle ，Neutral 人群异常检测 Anomaly Detection and Localization in Crowded Scenes 数据库 http://www.svcl.ucsd.edu/projects/anomaly/ 人群分析 Deep Spatio-Temporal Residual
2.1K70发布于 2018-01-03 - 来自专栏Linux
Rocky Linux 9 源码包安装php7
Rocky Linux 9 源码包安装php7大家好！我是星哥。尽管现在 PHP 版本已迭代至 8.x，但有时为了兼容遗留系统或特定应用需求，我们仍需部署特定版本的 PHP。 环境纯净： 避免了包管理器可能带来的不必要的依赖包，保持系统环境的精简。 快速安装Rocky Linux 9系统中源码包安装php7.3 phpfpm，shell脚本安装目录为：/data/app/php7.3 、用户为 www 、端口自定义为 7300 。 _9_Install_PHP7_3_PHPFPM.sh1.新建用户和用户组groupadd $USERuseradd -g $USER $USER2.安装编译 PHP 依赖包# 清理缓存并更新软件包列表 源码包安装php7完成。
43900编辑于 2025-07-17 - 来自专栏Linux
Rocky Linux 9 源码包安装Mysql8
Rocky Linux 9 源码包安装Mysql8大家好我是星哥，之前介绍了，Rocky Linux 9 源码包安装Mysql5.7。 高度定制化：您可以选择性地编译所需的存储引擎、功能模块，去除不必要的功能，减小安装包体积，降低潜在的安全风险。 Linux 9系统中源码包安装 mysql8mysql安装的目录：/data/app/mysql8/installmysql数据库目录:/data/app/mysql8/datamysql数据库配置目录 /9/AppStream/x86_64/os/Packages/r/rpcgen-1.4-9.el9.x86_64.rpm # 安装依赖包 rpm -ivh libtirpc-devel-1.3.3 -9.el9.x86_64.rpm rpm -ivh rpcgen-1.4-9.el9.x86_64.rpm 然后再安装MySQL8.0.39需要的gcc工具集，安装前，需要升级软件包
74811编辑于 2025-07-05 - 来自专栏大宇笔记
App Thinning Xcode9打包选择
6月9日结束的苹果WWDC15大会上，苹果公司推出了多个新技术，不过对于手游开发者们来说，可能最具有革命意义的是库克在发布会现场都没有提到的应用瘦身功能（App Thinning），它是其Xcode 7 3.Xcode会为选定设备类型生成变体包，提高调试销量并允许你在本地设备进行变体包测试。 4.创建应用档案并为特定设备输出对应的变体应用包。 9.测试者们通过TestFlight在你的应用所支持的设备上安装测试版本，TestFlight会根据用户设备的不同而下载特定的变体应用包。 On-Demand资源指的是寄存在App Store并与应用下载包分离的应用内容，使用On-demand资源可以让应用包体更小，安装时间更短。 On-Demand资源的循环周期 带有标签的资源使用流程大致如下： 带标签的资源被存储在App Store里-应用通过标签请求使用资源-系统下载资源包-保存资源包-使用完成后系统释放资源包。
89320编辑于 2022-05-06 - 来自专栏张叔叔讲互联网
人群数据如何对外输出
比如用户希望在Push平台上针对指定人群下的所有用户推送消息，此时可以使用画像平台接口拉取人群数据；在七夕活动中，运营人员投放使用了多个人群，为了分析不同人群的转化效果，此时需要将人群结果的Hive表提供给数据分析师使用 拥有数据表权限的用户理论上可以读取到所有人群下的用户数据，如果部分人群数据比较敏感（比如充值用户人群、日活用户人群），就需要严格控制Hive表的读取权限。 可以通过人群下载等平台功能将人群数据导出到临时Hive表中供业务使用，这样可以避免上述三类问题的发生。对外提供人群数据的服务接口主要有两个：获取人群基本信息接口和获取人群BitMap接口。 获取人群基本信息接口主要用于查询人群基本信息，其中包括人群名称、用户数量、人群状态、创建者、创建规则等，该接口可以使用缓存来提高接口性能。 当业务方需要感知人群状态变化时，可以定期调用人群基本信息接口，对比人群前后状态就可以知道人群状态是否变更。比如在Push平台上置了一个定时更新人群，当人群数据更新后需要再次给人群下的用户推送消息。
72050编辑于 2023-10-23 - 来自专栏算法channel
9个Python最常用的包及使用案例
本文总结9个Python最常用的包及使用案例 1 NumPy 描述: NumPy 是 Python 的一个扩展库，支持高维数组与矩阵运算，并为数组运算提供了大量的数学函数库。 它是科学计算中的基础包之一，用于处理大型多维数组和矩阵的运算与基础统计分析。 示例: 创建一个 2x2 的 NumPy 数组，并计算其行列式。 25, 30] plt.plot(x, y) plt.show() 4 SciPy 描述: SciPy 是建立在 NumPy 基础之上的一款方便、易于使用、专为科学和工程设计的 Python 工具包。 if __name__ == '__main__': app.run() 9 Django 描述: Django 提供了更多的内置功能，适合开发大型网站和应用。
86210编辑于 2024-02-26 - 来自专栏机器学习AI算法工程
受众行为分析与人群定向
“物以类聚，人以群分”这句古语不仅揭示了物与人的自组织趋向，更隐含了“聚类”和“人群”之间的内在联系。 例如在现代数字广告投放系统中，最为关键的“人群定向”功能正是通过“聚类”算法得以实现的。 明白了这一点，也就触摸到了人群定向的天花板–不可能百分之百精准。 如何从广泛的受众中提炼目标人群呢? 正是依靠受众行为分析。 下面我们以易传媒的广告投放算法为例，浅析一下怎样由预先标注的关键词标签，一步步建立完整的受众行为分析模型，挖掘出具有相似行为特征的人群，提炼人群的属性特征，最终进行最合适的广告投放的。 人群定向投放 作为人群定向广告正式投放前的最后一步，受众聚类和结构化的人群分类将进行匹配映射。这种映射是利用二者标签集合的重合度来实现的。 根据第一节所述关键词模型的优势，它至少有如下两个用途： （1）当一个投放策略的人群定向选择了”奢侈品”或者”汽车”时，广告允许被指定投放给受众聚类φ所包含的Cookies. （2）利用两个标签在一个细分人群中的内在关联性
2.4K70发布于 2018-03-14
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号