数据处理方法、装置和电子设备与流程

1.本公开的实施例涉及计算机技术领域，尤其涉及一种数据处理方法、装置和电子设备。


背景技术：

2.随着互联网技术的发展，利用大数据的处理结果，做深入的应用，已然成为一种明显趋势。在通常情况下，为了获得较为可靠的处理结果，往往需要保证大数据的质量。
3.在一些场景中，在处理大数据前，需要对大数据进行清洗、筛选等操作，以获得质量较高的大数据。


技术实现要素：

4.提供该公开内容部分以便以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。该公开内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。
5.第一方面，本公开的实施例提供了一种数据处理方法，该方法包括：通过处理初始用户数据集合中的用户数据，确定目标用户数据集合，其中，初始用户数据集合中包括观测时间段内至少在目标地区出现的用户的用户数据，初始用户数据集合中包括同一个用户的至少一条用户数据；通过处理目标用户数据集合中的用户数据，执行与目标地区相关的目标操作。
6.第二方面，本公开的实施例提供了一种数据处理装置，该装置包括：确定单元，用于通过处理初始用户数据集合中的用户数据，确定目标用户数据集合，其中，所述初始用户数据集合中包括观测时间段内至少在目标地区出现的用户的用户数据，所述初始用户数据集合中包括同一个用户的至少一条用户数据；执行单元，用于通过处理所述目标用户数据集合中的用户数据，执行与所述目标地区相关的目标操作。
7.第三方面，本公开的实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如第一方面所述的数据处理方法。
8.第四方面，本公开的实施例提供了一种计算机可读介质，其上存储有计算机程序，该程序被处理器执行时实现如第一方面所述的数据处理方法的步骤。
9.本公开的实施例提供的数据处理方法、装置和电子设备，可以通过处理初始用户数据集合中的用户数据，确定目标用户数据集合，其中，初始用户数据集合中包括观测时间段内至少在目标地区出现的用户的用户数据，进一步，通过处理目标用户数据集合中的用户数据，执行与目标地区相关的目标操作。从而，通过处理大量用户数据，实现目标地区的相关应用，以此促进目标地区的发展。
附图说明
10.结合附图并参考以下具体实施方式，本公开各实施例的上述和其它特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，原件和元素不一定按照比例绘制。
11.图1是本公开的数据处理方法的一些实施例的流程图；
12.图2是本公开的数据处理方法在一些实施例中执行目标操作的流程图；
13.图3是本公开的数据处理方法在另一些实施例中执行目标操作的流程图；
14.图4是本公开的数据处理装置的一些实施例的结构示意图；
15.图5是本公开的数据处理方法在一些实施例中可以应用于其中的示例性系统架构；
16.图6是根据本公开的一些实施例提供的电子设备的基本结构的示意图。
具体实施方式
17.下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。
18.应当理解，本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行，和/或并行执行。此外，方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。
19.本文使用的术语“包括”及其变形是开放性包括，即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”；术语“一些实施例”表示“至少一些实施例”。其它术语的相关定义将在下文描述中给出。
20.需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
21.需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。
22.本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。
23.请参考图1，其示出了根据本公开的数据处理方法的一些实施例的流程。如图1所示，该数据处理方法，包括以下步骤：
24.步骤101，通过处理初始用户数据集合中的用户数据，确定目标用户数据集合。
25.在本实施例中，数据处理方法的执行主体可以通过处理初始用户数据集合中的用户数据，确定目标用户数据集合。
26.初始用户数据集合中包括观测时间段内至少在目标地区出现的用户的用户数据。初始用户数据集合中包括同一个用户的至少一条用户数据。可以理解，用户数据指示的用户在观测时间段可以仅出现在目标地区，也可以出现在目标地区和其它地区。并且，同一个用户可以多次出现在同一个地区(例如，目标地区)。
27.用户数据至少可以包括：用户标识信息，用户位置信息，时间信息。因此，通过处理用户数据，可以确定用户出现的地区和出现的时间。观测时间段可以根据实际需求进行设置。可选地，观测时间段可以是一年(例如，2018年10月至2019年9月)。目标地区可以根据实际需求进行选择。例如，目标地区可以是城市、城市的某个区域。
28.在一些场景中，上述执行主体可以从初始用户数据集合中去除重复的用户数据，以此确定目标用户数据集合。
29.步骤102，通过处理目标用户数据集合中的用户数据，执行与目标地区相关的目标操作。
30.在本实施例中，上述执行主体可以通过处理目标用户数据集合中的用户数据，执行与目标地区相关的目标操作。
31.在一些场景中，上述执行主体可以通过分析目标用户数据集合中的用户数据，确定与目标地区具有较高关联度的关联地区，以此确定是否新增目标地区至上述关联地区的运输线路。
32.由此，通过处理大量用户数据，实现目标地区的相关应用，以此促进目标地区的发展。
33.在一些实施例中，上述执行主体可以通过以下方式，确定目标用户数据集合。
34.第一步，利用公式(1)，处理初始用户数据集合中的用户数据，以确定每一个用户的目标得分。
35.y
j
＝x
j1
×
x
j2
×
x
j3
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)
36.y
j
表示第j个用户的目标得分，j位于数值区间[0,card(n)]，n是用户集合。可以理解，n表示初始用户数据集合中的用户数据指示的多个用户形成的集合。card(n)表示用户集合n中包括的用户的总数。
[0037][0038]
x
j1
表示目标月内第j个用户在目标地区的出现次数的第一权重。d
j
表示目标月内第j个用户在目标地区的出现日形成的出现日集合。c
ij
表示第j个用户第i天在目标地区的出现次数。需要说明的是，目标月可以是从观测时间段中选择的一个月。
[0039][0040]
x
j2
表示目标月内第j个用户在目标地区的出现天数的第二权重。δ表示目标月包括的总天数的影响权重。可以理解，利用δ，可以将目标月包括的总天数考虑在内，确定出较为合理的第二权重。
[0041]
[0042]
x
j3
表示目标月内第j个用户在目标地区的出现间隔天数的第三权重。d
i,j
表示出现日集合d
j
中的第i天。
[0043]
第二步，确定目标得分大于阈值得分的目标用户。
[0044]
第三步，将初始用户数据集合中目标用户的用户数据组合为目标用户数据集合。
[0045]
在实际应用中，目标得分较高的用户的用户数据具有较高可信度，适于用于大数据处理。由此可见，目标用户数据集合中包括的用户数据具有较高可信度。从而，利用可信度较高的用户数据，完成目标地区的相关应用。
[0046]
在一些实施例中，其中，m表示目标月包括的总天数。
[0047]
在一些实施例中，上述执行主体可以按照图2所示的流程，执行与目标地区相关的目标操作。
[0048]
步骤201，通过处理目标用户数据集合中的用户数据，确定在观测时间段内每一个用户在目标地区的第一出现天数和在其它地区的第二出现天数。
[0049]
步骤202，根据每一个用户的第一出现天数和第二出现天数，确定第一类用户和第二类用户。
[0050]
第一类用户的第一出现天数大于第二出现天数。第二类用户的第一出现天数小于第二出现天数。可以理解，第一类用户在目标地区的出现天数大于在其它地区的出现天数。第二类用户在目标地区的出现天数小于在其它地区的出现天数。
[0051]
步骤203，通过处理目标用户数据集合中的用户数据，从第一类用户中确定流出用户，以及从第二类用户中确定长期驻留用户和短期驻留用户。
[0052]
步骤204，基于流出用户数量、长期驻留用户数量和短期驻留用户数量，预测目标地区的人口数量。
[0053]
可以理解，流出用户数量可以是上述流出用户的数量。长期驻留用户数量可以是上述长期驻留用户的数量。短期驻留用户数量可以是上述短期驻留用户的数量。
[0054]
在一些场景中，上述执行主体可以将上述流出用户数量、长期驻留用户数量和短期驻留用户数量输入至预测模型中，获得预测模型输出的人口数量(也即，预测的目标地区的人口数量)。可以理解，利用机器学习模型，可以提升预测人口数量的准确度和速度。
[0055]
在一些场景中，预测模型的训练样本包括样本流出用户数量、样本长期驻留用户数量、样本短期驻留用户数量和样本人口数量。预测模型的训练步骤包括：将训练样本集合中的训练样本包括的样本流出用户数量、样本长期驻留用户数量和样本短期驻留用户数量作为初始模型的输入，将训练样本集合中的训练样本包括的样本人口数量作为初始模型的期望输出，以将初始模型训练为预测模型。需要说明的是，初始模型可以是根据具体需求，搭建的人工神经网络，此处不对初始模型的网络结构做具体限定。
[0056]
通过处理大量的用户数据，可以提升预测目标地区的人口数量的可信度。
[0057]
在一些实施例中，上述执行主体可以通过以下方式，确定上述流出用户、上述长期驻留用户和上述短期驻留用户。
[0058]
步骤s1，将第一类用户中第二出现天数大于第一阈值天数的用户，作为流出用户。
[0059]
步骤s2，将第二类用户中第一出现天数大于第一阈值天数的用户，作为长期驻留用户，以及将第二类用户中第一出现天数小于第二阈值天数的用户，作为短期驻留用户。
[0060]
第一阈值天数大于第二阈值天数。在一些场景中，第一阈值天数可以是180，第二阈值天数可以是14。
[0061]
需要说明的是，步骤s1和步骤s2可以并行地执行。
[0062]
由此可见，通过合理设置第一阈值天数和第二阈值天数，从第一类用户中确定流出用户，将第二类用户划分为长期驻留用户和短期驻留用户。
[0063]
在一些实施例中，阈值天数通过以下方式确定。
[0064]
第一步，获取目标地区的多个地区属性。
[0065]
可选地，地区属性可以包括以下至少一者：沿海，面积，地区类别(例如，直辖市)，地区规模。
[0066]
每一个地区属性具有相应的属性值和属性权重。在实际应用中，不同的地区属性具有不同的属性值。
[0067]
第二步，将多个地区属性具有的属性值的加权和，作为阈值天数。
[0068]
作为示例，属性1的属性值和属性权重分别为l1和f1，属性2的属性值和属性权重分别为l2和f2。此时，可以将“l1
×
f1 l2
×
f2”的结果值，作为阈值天数。
[0069]
需要说明的是，在确定第一阈值天数和第二阈值天数时，每一个地区属性具有的属性值可以不同，每一个地区属性具有的属性权重也可以不同。
[0070]
由此可见，通过综合考虑目标地区具有的属性，合理确定阈值天数。进一步，可以较为准确地确定流出用户、长期驻留用户和短期驻留用户。
[0071]
在一些实施例中，上述执行主体可以按照图3所示的流程，执行与目标地区相关的目标操作。
[0072]
步骤301，通过处理目标用户数据集合中的用户数据，确定每一个用户在目标地区的工作地点和居住地点。
[0073]
步骤302，基于每一个用户的工作地点和居住地点，确定目标地区的人口职住分布。
[0074]
步骤303，基于目标地区的人口职住分布，确定在目标地区新建交通运输站和/或生活服务场所的目标地点。
[0075]
交通运输站可以包括地铁站、公交站等。生活服务场所可以包括超市、餐厅、加油站等。
[0076]
由此可见，通过处理大量的用户数据，实现基于目标地区的人口职住分布，确定新建交通运输站和/或生活服务场所的目标地点。进一步，可以促进目标地区的建设和发展。
[0077]
在一些实施例中，上述执行主体可以通过以下方式，确定每一个用户在目标地区的工作地点和居住地点。
[0078]
第一步，通过处理目标用户数据集合中的用户数据，对于每一个用户，将该用户满足第一出现条件的地点，作为该用户的工作地点。
[0079]
第一出现条件包括：任意月内在工作时间段的出现次数大于预设次数，每次的出现时长大于预设时长。
[0080]
第二步，通过处理目标用户数据集合中的用户数据，对于每一个用户，将该用户满足第二出现条件的地点，作为该用户的居住地点。
[0081]
第二出现条件包括：任意月内在休息时间段的出现次数大于预设次数，每次的出
现时长大于预设时长。
[0082]
上述任意月是观测时间段中包括的任意一个月。工作时间段和休息时间段可以根据实际需求进行设置。在一些场景中，工作时间段是早上10点至下午5点。休息时间段是晚上10点至次日的早上7点。
[0083]
由此可见，利用大量用户数据的处理结果，可以较为准确地确定用户在工作时间段和休息时间段的出行规律，进一步，可以较为准确地确定用户的工作地点和居住地点。
[0084]
进一步参考图4，作为对上述各图所示方法的实现，本公开提供了一种数据处理装置的一些实施例，该装置实施例与图1所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。
[0085]
如图4所示，本实施例的数据处理装置包括确定单元401和执行单元402。zzz单元401用于：通过处理初始用户数据集合中的用户数据，确定目标用户数据集合，其中，初始用户数据集合中包括观测时间段内至少在目标地区出现的用户的用户数据，初始用户数据集合中包括同一个用户的至少一条用户数据。执行单元402用于：通过处理目标用户数据集合中的用户数据，执行与目标地区相关的目标操作。
[0086]
在本实施例中，数据处理装置的确定单元401和执行单元402的具体处理及其所带来的技术效果可分别参考图1对应实施例中步骤101和步骤102的相关说明，在此不再赘述。
[0087]
在一些实施例中，确定单元401进一步用于：利用公式y
j
＝x
j1
×
x
j2
×
x
j3
，处理初始用户数据集合中的用户数据，以确定每一个用户的目标得分；确定目标得分大于阈值得分的目标用户；将初始用户数据集合中目标用户的用户数据组合为目标用户数据集合；y
j
表示第j个用户的目标得分，j位于数值区间[0,card(n)]，n是用户集合；其中，x
j1
表示目标月内第j个用户在目标地区的出现次数的第一权重，d
j
表示目标月内第j个用户在目标地区的出现日形成的出现日集合，c
ij
表示第j个用户第i天在目标地区的出现次数；其中，x
j2
表示目标月内第j个用户在目标地区的出现天数的第二权重，δ表示目标月包括的总天数的影响权重；其中，x
j3
表示目标月内第j个用户在目标地区的出现间隔天数的第三权重，d
i,j
表示出现日集合d
j
中的第i天。
[0088]
在一些实施例中，其中，m表示目标月包括的总天数。
[0089]
在一些实施例中，执行单元402进一步用于：通过处理目标用户数据集合中的用户数据，确定在观测时间段内每一个用户在目标地区的第一出现天数和在其它地区的第二出现天数；根据每一个用户的第一出现天数和第二出现天数，确定第一类用户和第二类用户，
其中，第一类用户的第一出现天数大于第二出现天数，第二类用户的第一出现天数小于第二出现天数；通过处理目标用户数据集合中的用户数据，从第一类用户中确定流出用户，以及从第二类用户中确定长期驻留用户和短期驻留用户；基于流出用户数量、长期驻留用户数量和短期驻留用户数量，预测目标地区的人口数量。
[0090]
在一些实施例中，执行单元402进一步用于：将第一类用户中第二出现天数大于第一阈值天数的用户，作为流出用户；将第二类用户中第一出现天数大于第一阈值天数的用户，作为长期驻留用户，以及将第二类用户中第一出现天数小于第二阈值天数的用户，作为短期驻留用户，其中，第一阈值天数大于第二阈值天数。
[0091]
在一些实施例中，阈值天数通过以下方式确定：获取目标地区的多个地区属性，其中，每一个地区属性具有相应的属性值和属性权重；将多个地区属性具有的属性值的加权和，作为阈值天数。
[0092]
在一些实施例中，执行单元402进一步用于：通过处理目标用户数据集合中的用户数据，确定每一个用户在目标地区的工作地点和居住地点；基于每一个用户的工作地点和居住地点，确定目标地区的人口职住分布；基于目标地区的人口职住分布，确定在目标地区新建交通运输站和/或生活服务场所的目标地点。
[0093]
在一些实施例中，执行单元402进一步用于：通过处理目标用户数据集合中的用户数据，对于每一个用户，将该用户满足第一出现条件的地点，作为该用户的工作地点，其中，第一出现条件包括：任意月内在工作时间段的出现次数大于预设次数，每次的出现时长大于预设时长；通过处理目标用户数据集合中的用户数据，对于每一个用户，将该用户满足第二出现条件的地点，作为该用户的居住地点，其中，第二出现条件包括：任意月内在休息时间段的出现次数大于预设次数，每次的出现时长大于预设时长。
[0094]
进一步参考图5，图5示出了本公开的一些实施例的数据处理方法可以应用于其中的示例性系统架构。
[0095]
如图5所示，系统架构可以包括终端设备501、服务器502和服务器503。其中，终端设备501、服务器502通过网络与服务器503交互。在实际应用中，网络可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
[0096]
在一些场景中，终端设备501或者服务器502可以从服务器503获取初始用户数据。进一步，终端设备501或者服务器502可以通过处理初始用户数据集合中的用户数据，确定目标用户数据集合。其中，初始用户数据集合中包括观测时间段内至少在目标地区出现的用户的用户数据，初始用户数据集合中包括同一个用户的至少一条用户数据。而后，终端设备501或者服务器502可以通过处理目标用户数据集合中的用户数据，执行与目标地区相关的目标操作。
[0097]
在一些场景中，终端设备501或者服务器502也可以从本地获取初始用户数据。此时，图5所示的系统架构可以不包括服务器503。
[0098]
终端设备可以是硬件，也可以是软件。当终端设备为硬件时，可以是支持数据处理的各种电子设备，包括但不限于平板电脑、膝上型便携计算机和台式计算机等等。当终端设备为软件时，可以安装在上述所列举的电子设备中，可以实现成多个软件或软件模块，也可以实现成单个软件或软件模块，在此不做具体限定。
[0099]
服务器可以是硬件，也可以是软件。当服务器为硬件时，可以实现成多个服务器组
成的分布式服务器集群，也可以实现成单个服务器。当服务器为软件时，可以实现成多个软件或软件模块(例如用来提供分布式服务的多个软件或软件模块)，也可以实现成单个软件或软件模块，在此不做具体限定。
[0100]
需要说明的是，本公开的实施例所提供的数据处理方法可以由终端设备501或者服务器502执行，相应地，数据处理装置可以设置在终端设备501或者服务器502中。
[0101]
应该理解，图5中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。
[0102]
下面参考图6，其示出了适于用来实现本公开的一些实施例的电子设备(例如，图5中的终端设备501或者服务器502)的结构示意图。本公开的一些实施例中的终端设备可以包括但不限于诸如笔记本电脑、pda(个人数字助理)、pad(平板电脑)、车载终端(例如车载导航终端)等等的移动终端，以及诸如数字tv、台式计算机等等的固定终端。图6示出的电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。图6示出的电子设备仅仅是一个示例，不应对本公开的实施例的功能和使用范围带来任何限制。
[0103]
如图6所示，电子设备可以包括处理装置(例如中央处理器、图形处理器等)601，其可以根据存储在只读存储器(rom)602中的程序或者从存储装置608加载到随机访问存储器(ram)603中的程序而执行各种适当的动作和处理。在ram 603中，还存储有电子设备操作所需的各种程序和数据。处理装置601、rom 602以及ram 603通过总线604彼此相连。输入/输出(i/o)接口605也连接至总线604。
[0104]
通常，以下装置可以连接至i/o接口605：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置606；包括例如液晶显示器(lcd)、扬声器、振动器等的输出装置607；包括例如磁带、硬盘等的存储装置608；以及通信装置609。通信装置609可以允许电子设备与其它设备进行无线或有线通信以交换数据。虽然图6示出了具有各种装置的电子设备，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图6中示出的每个方框可以代表一个装置，也可以根据需要代表多个装置。
[0105]
特别地，根据本公开的一些实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的一些实施例包括一种计算机程序产品，其包括承载在非暂态计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置609从网络上被下载和安装，或者从存储装置608被安装，或者从rom 602被安装。在该计算机程序被处理装置601执行时，执行本公开实施例的方法中限定的上述功能。
[0106]
需要说明的是，本公开的一些实施例所述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑磁盘只读存储器(cd
‑
rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的一些实施例中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或
者与其结合使用。而在本公开的一些实施例中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、rf(射频)等等，或者上述的任意合适的组合。
[0107]
在一些实施方式中，客户端、服务器可以利用诸如http(hypertext transfer protocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“lan”)，广域网(“wan”)，网际网(例如，互联网)以及端对端网络(例如，ad hoc端对端网络)，以及任何当前已知或未来研发的网络。
[0108]
上述计算机可读介质可以是上述电子设备中所包含的，也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：通过处理初始用户数据集合中的用户数据，确定目标用户数据集合，其中，初始用户数据集合中包括观测时间段内至少在目标地区出现的用户的用户数据，初始用户数据集合中包括同一个用户的至少一条用户数据；通过处理目标用户数据集合中的用户数据，执行与目标地区相关的目标操作。
[0109]
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的一些实施例的操作的计算机程序代码，上述程序设计语言包括但不限于面向对象的程序设计语言—诸如java、smalltalk、c ，还包括常规的过程式程序设计语言—诸如“c”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(lan)或广域网(wan)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
[0110]
附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
[0111]
描述于本公开的一些实施例中的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，确定单元还可以被描述为“通过处理初始用户数据集合中的用户数据，确定目标用户数据集合”的单元。
[0112]
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(fpga)、专用集成电路(asic)、专用标准产品(assp)、片上系统(soc)、复杂可编程逻辑设备(cpld)等等。
[0113]
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦除可编程只读存储器(eprom或快闪存储器)、光纤、便捷式紧凑盘只读存储器(cd
‑
rom)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
[0114]
以上描述仅为本公开的一些较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开的实施例中所涉及的公开范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述公开构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中所公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
[0115]
此外，虽然采用特定次序描绘了各操作，但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下，多任务和并行处理可能是有利的。同样地，虽然在上面论述中包含了若干具体实现细节，但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地，在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。
[0116]
尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题，但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反，上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。