网点筛选方法、装置、设备及存储介质与流程

1.本发明涉及人工智能技术领域，尤其涉及一种网点筛选方法、装置、电子设备及计算机可读存储介质。


背景技术：

2.现在全国各地存在大量的归属于不同公司的线上和线下网点，而布局在线下的一些网点，由于业务量低且增长乏力，使得这些网点处于高成本花销低成本收入的状态。因此，在网点转型过程中，如何准确有效筛选网点是进行网点转型，提升线下网点效能的关键。
3.现有的网点筛选方法通常是基于网点的基本信息和预设的信息库进行比对筛选，将于所述信息库中信息一致对应的网点筛选出来，这种方法依赖于信息库的更新，同时耗费的时间成本较高，因此进行网点筛选的效率较低。


技术实现要素：

4.本发明提供一种网点筛选方法、装置及计算机可读存储介质，其主要目的在于提高网点筛选的效率。
5.为实现上述目的，本发明提供的一种网点筛选方法，包括：
6.获取预设的多个网点及所述多个网点对应的多个用户信息，所述用户信息包含用户id和设备id；
7.基于多个所述用户信息中的所述用户id和所述设备id构建多个信息连通图；
8.从所述多个信息连通图中筛选出符合预设的筛选标准的预设个数的初始连通图；
9.基于所述初始连通图中的用户信息回溯出与所述用户信息对应的多个相关网点，将所述相关网点输入至预训练的网点评分模型中，得到所述多个相关网点对应的评分；
10.将所述评分大于或者等于预设的评分阈值的相关网点作为标准网点。
11.可选地，所述基于多个所述用户信息中的所述用户id和所述设备id构建多个信息连通图，包括：
12.获取多个网点的行为日志，对所述行为日志进行解析，得到行为数据集；
13.提取所述行为数据集中包含多个所述用户id和多个所述设备id的数据；
14.基于所述数据分别建立多个所述用户id之间的关系、多个所述设备id之间的关系和多个所述用户id与多个所述设备id之间的关系，得到多个初始关系图；
15.将多个所述初始关系图进行合并处理，得到多个信息连通图。
16.可选地，所述将多个所述初始关系图进行合并处理，得到多个信息连通图，包括：
17.判断多个所述初始关系图中的任意两个初始关系图中是否存在相同的用户id或者相同的设备id；
18.当任意两个初始关系图中不存在相同的用户id或者相同的设备id，将多个所述初始关系图作为多个信息连通图；
19.当任意两个初始关系图中存在相同的用户id或者设备id，以所述相同的用户id或者相同的所述设备id为新节点，将所述任意两个初始关系图中的剩余节点连接在所述新节点上，得到多个信息连通图。
20.可选地，所述将所述相关网点输入至预训练的网点评分模型中之前，所述方法还包括：
21.获取特征信息集，任意选取所述特征信息集中的一个特征信息作为根节点，在所述根节点上分裂左节点和右节点；
22.将所述特征信息集分配至所述左节点和所述右节点，得到基本决策树；
23.对所述基本决策树进行决策树增添处理，得到标准决策树；
24.将预获取的训练数据集输入至所述标准决策树进行训练，得到所述网点评分模型。
25.可选地，所述将预获取的训练数据集输入至所述标准决策树进行训练，得到所述网点评分模型，包括：
26.将预获取的训练数据集输入至所述标准决策树，得到得分数据集；
27.根据所述得分数据集和预设的损失函数计算所述标准决策树的损失值；
28.当所述损失值大于或者等于预设的损失阈值时，再次执行所述对所述初始决策树进行决策树添加处理的操作，直至所述损失值小于所述损失阈值时，输出当前的标准决策树为网点评分模型。
29.可选地，所述预设的损失函数包括：
[0030][0031]
其中，l(y,y
p
)为损失值，为所述得分数据集中的得分数据，yi为预设的真实得分数据，n为所述网点评分模型中决策树的棵数。
[0032]
可选地，所述从所述多个信息连通图中筛选出符合预设的筛选标准的预设个数的初始连通图，包括：
[0033]
分别识别多个所述信息连通图中的节点，并统计多个所述信息连通图中每个所述信息连通图中的所述节点的个数；
[0034]
筛选出多个所述信息连通图中所述节点的个数大于预设节点阈值的预设个数的信息连通图作为初始连通图。
[0035]
为了解决上述问题，本发明还提供一种网点筛选装置，所述装置包括：
[0036]
连通图构建模块，用于获取预设的多个网点及所述多个网点对应的多个用户信息，所述用户信息包含用户id和设备id，基于多个所述用户信息中的所述用户id和所述设备id构建多个信息连通图；
[0037]
连通图筛选模块，用于从所述多个信息连通图中筛选出符合预设的筛选标准的预设个数的初始连通图；
[0038]
网点评分模块，用于基于所述初始连通图中的用户信息回溯出与所述用户信息对应的多个相关网点，将所述相关网点输入至预训练的网点评分模型中，得到所述多个相关网点对应的评分；
[0039]
标准网点选取模块，用于将所述评分大于或者等于预设的评分阈值的相关网点作为标准网点。
[0040]
为了解决上述问题，本发明还提供一种电子设备，所述电子设备包括：
[0041]
至少一个处理器；以及，
[0042]
与所述至少一个处理器通信连接的存储器；其中，
[0043]
所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述所述的网点筛选方法。
[0044]
为了解决上述问题，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一个计算机程序，所述至少一个计算机程序被电子设备中的处理器执行以实现上述所述的网点筛选方法。
[0045]
本发明实施例根据获取得到的多个用户信息中的用户id和设备id构建多个信息连通图，并从多个信息连通图中筛选出符合预设的筛选标准的预设个数的初始连通图，所述信息连通图可以直观的表示出用户信息的内部关系，同时利用预训练的网点评分模型对初始连通图中的用户信息回溯出与用户信息对应的多个相关网点分别进行评分，得到所述多个相关网点对应的评分，将所述评分大于或者等于预设的评分阈值的相关网点作为标准网点。所述网点评分模型可以准确且高效的对相关网点进行评分，进而提高后续以评分作为参考进行网点筛选的效率。因此本发明提出的网点筛选方法、装置、电子设备及计算机可读存储介质，可以实现解决网点筛选的效率不够高的问题。
附图说明
[0046]
图1为本发明一实施例提供的网点筛选方法的流程示意图；
[0047]
图2为本发明一实施例提供的网点筛选装置的功能模块图；
[0048]
图3为本发明一实施例提供的实现所述网点筛选方法的电子设备的结构示意图。
[0049]
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
[0050]
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
[0051]
本技术实施例提供一种网点筛选方法。所述网点筛选方法的执行主体包括但不限于服务端、终端等能够被配置为执行本技术实施例提供的该方法的电子设备中的至少一种。换言之，所述网点筛选方法可以由安装在终端设备或服务端设备的软件或硬件来执行，所述软件可以是区块链平台。所述服务端包括但不限于：单台服务器、服务器集群、云端服务器或云端服务器集群等。所述服务器可以是独立的服务器，也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(contentdelivery network，cdn)、以及大数据和人工智能平台等基础云计算服务的云服务器。
[0052]
参照图1所示，为本发明一实施例提供的网点筛选方法的流程示意图。
[0053]
在本实施例中，所述网点筛选方法包括：
[0054]
s1、获取预设的多个网点及所述多个网点对应的多个用户信息，所述用户信息包
含用户id和设备id。
[0055]
本发明实施例中，所述预设的多个网点是指各个不同的专业公司，所述多个网点对应的多个用户信息中包含用户基础信息表和用户埋点行为表，其中，所述用户基础信息表中包含多个用户id，所述用户埋点行为表中包含多个设备id。所述设备id可以为不同手机对应的id、不同平板对应的id或者不同电脑对应的id，所述用户id与所述设备id之间是一对一，或者一对多的关系。
[0056]
s2、基于多个所述用户信息中的所述用户id和所述设备id构建多个信息连通图。
[0057]
本发明实施例中，所述基于多个所述用户信息中的所述用户id和所述设备id构建多个信息连通图，包括：
[0058]
获取多个网点的行为日志，对所述行为日志进行解析，得到行为数据集；
[0059]
提取所述行为数据集中包含多个所述用户id和多个所述设备id的数据；
[0060]
基于所述数据分别建立多个所述用户id之间的关系、多个所述设备id之间的关系和多个所述用户id与多个所述设备id之间的关系，得到多个初始关系图；
[0061]
将多个所述初始关系图进行合并处理，得到多个信息连通图。
[0062]
详细地，所述行为日志是指用户每次访问、浏览、搜索和点击网站产生的行为数据，利用预设的解析方法对所述行为日志进行解析，得到行为数据集，提取所述行为数据集中与多个所述用户id和多个所述设备id的数据相关的行为数据，并根据多个所述用户id和多个所述设备id两者之间的关系及各种对应的关系建立多个初始关系图。
[0063]
具体地，所述将多个所述初始关系图进行合并处理，得到多个信息连通图，包括：
[0064]
判断多个所述初始关系图中的任意两个初始关系图中是否存在相同的用户id或者相同的设备id；
[0065]
当任意两个初始关系图中不存在相同的用户id或者相同的设备id，将多个所述初始关系图作为多个信息连通图；
[0066]
当任意两个初始关系图中存在相同的用户id或者设备id，以所述相同的用户id或者相同的所述设备id为新节点，将所述任意两个初始关系图中的剩余节点连接在所述新节点上，得到多个信息连通图。
[0067]
详细地，多个所述初始关系图中可能会包含相同的用户id或者设备id，当所述初始关系图中存在相同的用户id或者设备id，对存在相同的用户id或者设备id的初始关系图进行合并。
[0068]
s3、从所述多个信息连通图中筛选出符合预设的筛选标准的预设个数的初始连通图。
[0069]
本发明实施例中，所述从所述多个信息连通图中筛选出符合预设的筛选标准的预设个数的初始连通图，包括：
[0070]
分别识别多个所述信息连通图中的节点，并统计多个所述信息连通图中每个所述信息连通图中的所述节点的个数；
[0071]
筛选出多个所述信息连通图中所述节点的个数大于预设节点阈值的预设个数的信息连通图作为初始连通图。
[0072]
详细地，所述预设的筛选标准即规定节点的个数要大于预设节点阈值。
[0073]
优选地，在本发明实施例中，所述预设个数为五个。
[0074]
s4、基于所述初始连通图中的用户信息回溯出与所述用户信息对应的多个相关网点，将所述相关网点输入至预训练的网点评分模型中，得到所述多个相关网点对应的评分。
[0075]
本发明实施例中，所述初始连通图中的用户信息即初始连通图中的用户id和设备id，根据所述用户id和所述设备id回溯出与所述用户信息对应的多个相关网点。
[0076]
具体地，所述将所述相关网点输入至预训练的网点评分模型中之前，所述方法还包括：
[0077]
获取特征信息集，任意选取所述特征信息集中的一个特征信息作为根节点，在所述根节点上分裂左节点和右节点；
[0078]
将所述特征信息集分配至所述左节点和所述右节点，得到基本决策树；
[0079]
对所述基本决策树进行决策树增添处理，得到标准决策树；
[0080]
将预获取的训练数据集输入至所述标准决策树进行训练，得到所述网点评分模型。
[0081]
详细地，在本发明实施例中，所述网点评分模型为随机森林模型，其中，所述随机森林模型指的是利用多棵树对样本进行训练并预测的一种分类器，具有较高的预测能力。所述特征信息集是指与网点相关的特征信息，例如，地理信息、人流信息和app信息等。
[0082]
具体地，所述将预获取的训练数据集输入至所述标准决策树进行训练，得到所述网点评分模型，包括：
[0083]
将预获取的训练数据集输入至所述标准决策树，得到得分数据集；
[0084]
根据所述得分数据集和预设的损失函数计算所述标准决策树的损失值；
[0085]
当所述损失值大于或者等于预设的损失阈值时，再次执行所述对所述初始决策树进行决策树添加处理的操作，直至所述损失值小于所述损失阈值时，输出当前的标准决策树为网点评分模型。
[0086]
具体地，所述预设的损失函数包括：
[0087][0088]
其中，l(y,y
p
)为损失值，为所述得分数据集中的得分数据，yi为预设的真实得分数据，n为所述网点评分模型中决策树的棵数。
[0089]
进一步地，将所述相关网点输入至预训练好的网点评分模型中，得到所述多个相关网点对应的评分，所述评分代表对所述相关网点进行的综合评价。
[0090]
s5、将所述评分大于或者等于预设的评分阈值的相关网点作为标准网点。
[0091]
本发明实施例中，所述预设的评分阈值可以作为参考评价的标准，将所述评分小于所述预设的评分阈值的相关网点作为非标准网点，而将所述评分大于或者等于预设的评分阈值的相关网点作为标准网点。
[0092]
详细地，所述网点评分模型是根据与网点相关的特征信息进行训练得到的，所述与网点相关的特征信息包括但不限于地理信息和人流信息等，因此通过所述网点评分模型得到的相关网点的评分是对相关网点的地理信息和人流信息等方面的综合评分。例如，通过网点评分模型得到评分大于或者等于预设的评分阈值的相关网点为地理信息中的地理
位置优越且人流信息中的人流量较大的网点。
[0093]
本发明实施例根据获取得到的多个用户信息中的用户id和设备id构建多个信息连通图，并从多个信息连通图中筛选出符合预设的筛选标准的预设个数的初始连通图，所述信息连通图可以直观的表示出用户信息的内部关系，同时利用预训练的网点评分模型对初始连通图中的用户信息回溯出与用户信息对应的多个相关网点分别进行评分，得到所述多个相关网点对应的评分，将所述评分大于或者等于预设的评分阈值的相关网点作为标准网点。所述网点评分模型可以准确且高效的对相关网点进行评分，进而提高后续以评分作为参考进行网点筛选的效率。因此本发明提出的网点筛选方法可以实现解决网点筛选的效率不够高的问题。
[0094]
如图2所示，是本发明一实施例提供的网点筛选装置的功能模块图。
[0095]
本发明所述网点筛选装置100可以安装于电子设备中。根据实现的功能，所述网点筛选装置100可以包括连通图构建模块101、连通图筛选模块102、网点评分模块103及标准网点选取模块104。本发明所述模块也可以称之为单元，是指一种能够被电子设备处理器所执行，并且能够完成固定功能的一系列计算机程序段，其存储在电子设备的存储器中。
[0096]
在本实施例中，关于各模块/单元的功能如下：
[0097]
所述连通图构建模块101，用于获取预设的多个网点及所述多个网点对应的多个用户信息，所述用户信息包含用户id和设备id，基于多个所述用户信息中的所述用户id和所述设备id构建多个信息连通图；
[0098]
所述连通图筛选模块102，用于从所述多个信息连通图中筛选出符合预设的筛选标准的预设个数的初始连通图；
[0099]
所述网点评分模块103，用于基于所述初始连通图中的用户信息回溯出与所述用户信息对应的多个相关网点，将所述相关网点输入至预训练的网点评分模型中，得到所述多个相关网点对应的评分；
[0100]
所述标准网点选取模块104，用于将所述评分大于或者等于预设的评分阈值的相关网点作为标准网点。
[0101]
详细地，所述网点筛选装置100各模块的具体实施方式如下：
[0102]
步骤一、获取预设的多个网点及所述多个网点对应的多个用户信息，所述用户信息包含用户id和设备id。
[0103]
本发明实施例中，所述预设的多个网点是指各个不同的专业公司，所述多个网点对应的多个用户信息中包含用户基础信息表和用户埋点行为表，其中，所述用户基础信息表中包含多个用户id，所述用户埋点行为表中包含多个设备id。所述设备id可以为不同手机对应的id、不同平板对应的id或者不同电脑对应的id，所述用户id与所述设备id之间是一对一，或者一对多的关系。
[0104]
步骤二、基于多个所述用户信息中的所述用户id和所述设备id构建多个信息连通图。
[0105]
本发明实施例中，所述基于多个所述用户信息中的所述用户id和所述设备id构建多个信息连通图，包括：
[0106]
获取多个网点的行为日志，对所述行为日志进行解析，得到行为数据集；
[0107]
提取所述行为数据集中包含多个所述用户id和多个所述设备id的数据；
[0108]
基于所述数据分别建立多个所述用户id之间的关系、多个所述设备id之间的关系和多个所述用户id与多个所述设备id之间的关系，得到多个初始关系图；
[0109]
将多个所述初始关系图进行合并处理，得到多个信息连通图。
[0110]
详细地，所述行为日志是指用户每次访问、浏览、搜索和点击网站产生的行为数据，利用预设的解析方法对所述行为日志进行解析，得到行为数据集，提取所述行为数据集中与多个所述用户id和多个所述设备id的数据相关的行为数据，并根据多个所述用户id和多个所述设备id两者之间的关系及各种对应的关系建立多个初始关系图。
[0111]
具体地，所述将多个所述初始关系图进行合并处理，得到多个信息连通图，包括：
[0112]
判断多个所述初始关系图中的任意两个初始关系图中是否存在相同的用户id或者相同的设备id；
[0113]
当任意两个初始关系图中不存在相同的用户id或者相同的设备id，将多个所述初始关系图作为多个信息连通图；
[0114]
当任意两个初始关系图中存在相同的用户id或者设备id，以所述相同的用户id或者相同的所述设备id为新节点，将所述任意两个初始关系图中的剩余节点连接在所述新节点上，得到多个信息连通图。
[0115]
详细地，多个所述初始关系图中可能会包含相同的用户id或者设备id，当所述初始关系图中存在相同的用户id或者设备id，对存在相同的用户id或者设备id的初始关系图进行合并。
[0116]
步骤三、从所述多个信息连通图中筛选出符合预设的筛选标准的预设个数的初始连通图。
[0117]
本发明实施例中，所述从所述多个信息连通图中筛选出符合预设的筛选标准的预设个数的初始连通图，包括：
[0118]
分别识别多个所述信息连通图中的节点，并统计多个所述信息连通图中每个所述信息连通图中的所述节点的个数；
[0119]
筛选出多个所述信息连通图中所述节点的个数大于预设节点阈值的预设个数的信息连通图作为初始连通图。
[0120]
详细地，所述预设的筛选标准即规定节点的个数要大于预设节点阈值。
[0121]
优选地，在本发明实施例中，所述预设个数为五个。
[0122]
步骤四、基于所述初始连通图中的用户信息回溯出与所述用户信息对应的多个相关网点，将所述相关网点输入至预训练的网点评分模型中，得到所述多个相关网点对应的评分。
[0123]
本发明实施例中，所述初始连通图中的用户信息即初始连通图中的用户id和设备id，根据所述用户id和所述设备id回溯出与所述用户信息对应的多个相关网点。
[0124]
具体地，所述将所述相关网点输入至预训练的网点评分模型中之前，还执行：
[0125]
获取特征信息集，任意选取所述特征信息集中的一个特征信息作为根节点，在所述根节点上分裂左节点和右节点；
[0126]
将所述特征信息集分配至所述左节点和所述右节点，得到基本决策树；
[0127]
对所述基本决策树进行决策树增添处理，得到标准决策树；
[0128]
将预获取的训练数据集输入至所述标准决策树进行训练，得到所述网点评分模
型。
[0129]
详细地，在本发明实施例中，所述网点评分模型为随机森林模型，其中，所述随机森林模型指的是利用多棵树对样本进行训练并预测的一种分类器，具有较高的预测能力。所述特征信息集是指与网点相关的特征信息，例如，地理信息、人流信息和app信息等。
[0130]
具体地，所述将预获取的训练数据集输入至所述标准决策树进行训练，得到所述网点评分模型，包括：
[0131]
将预获取的训练数据集输入至所述标准决策树，得到得分数据集；
[0132]
根据所述得分数据集和预设的损失函数计算所述标准决策树的损失值；
[0133]
当所述损失值大于或者等于预设的损失阈值时，再次执行所述对所述初始决策树进行决策树添加处理的操作，直至所述损失值小于所述损失阈值时，输出当前的标准决策树为网点评分模型。
[0134]
具体地，所述预设的损失函数包括：
[0135][0136]
其中，l(y,y
p
)为损失值，为所述得分数据集中的得分数据，yi为预设的真实得分数据，n为所述网点评分模型中决策树的棵数。
[0137]
进一步地，将所述相关网点输入至预训练好的网点评分模型中，得到所述多个相关网点对应的评分，所述评分代表对所述相关网点进行的综合评价。
[0138]
步骤五、将所述评分大于或者等于预设的评分阈值的相关网点作为标准网点。
[0139]
本发明实施例中，所述预设的评分阈值可以作为参考评价的标准，将所述评分小于所述预设的评分阈值的相关网点作为非标准网点，而将所述评分大于或者等于预设的评分阈值的相关网点作为标准网点。
[0140]
详细地，所述网点评分模型是根据与网点相关的特征信息进行训练得到的，所述与网点相关的特征信息包括但不限于地理信息和人流信息等，因此通过所述网点评分模型得到的相关网点的评分是对相关网点的地理信息和人流信息等方面的综合评分。例如，通过网点评分模型得到评分大于或者等于预设的评分阈值的相关网点为地理信息中的地理位置优越且人流信息中的人流量较大的网点。
[0141]
本发明实施例根据获取得到的多个用户信息中的用户id和设备id构建多个信息连通图，并从多个信息连通图中筛选出符合预设的筛选标准的预设个数的初始连通图，所述信息连通图可以直观的表示出用户信息的内部关系，同时利用预训练的网点评分模型对初始连通图中的用户信息回溯出与用户信息对应的多个相关网点分别进行评分，得到所述多个相关网点对应的评分，将所述评分大于或者等于预设的评分阈值的相关网点作为标准网点。所述网点评分模型可以准确且高效的对相关网点进行评分，进而提高后续以评分作为参考进行网点筛选的效率。因此本发明提出的网点筛选装置可以实现解决网点筛选的效率不够高的问题。
[0142]
如图3所示，是本发明一实施例提供的实现网点筛选方法的电子设备的结构示意图。
[0143]
所述电子设备1可以包括处理器10、存储器11、通信总线12以及通信接口13，还可
以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序，如网点筛选程序。
[0144]
其中，所述处理器10在一些实施例中可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器(central processing unit，cpu)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心(control unit)，利用各种接口和线路连接整个电子设备的各个部件，通过运行或执行存储在所述存储器11内的程序或者模块(例如执行网点筛选程序等)，以及调用存储在所述存储器11内的数据，以执行电子设备的各种功能和处理数据。
[0145]
所述存储器11至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如：sd或dx存储器等)、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备的内部存储单元，例如该电子设备的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备的外部存储设备，例如电子设备上配备的插接式移动硬盘、智能存储卡(smart media card，smc)、安全数字(secure digital，sd)卡、闪存卡(flash card)等。进一步地，所述存储器11还可以既包括电子设备的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备的应用软件及各类数据，例如网点筛选程序的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。
[0146]
所述通信总线12可以是外设部件互连标准(peripheral component interconnect，简称pci)总线或扩展工业标准结构(extended industry standard architecture，简称eisa)总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。
[0147]
所述通信接口13用于上述电子设备与其他设备之间的通信，包括网络接口和用户接口。可选地，所述网络接口可以包括有线接口和/或无线接口(如wi-fi接口、蓝牙接口等)，通常用于在该电子设备与其他电子设备之间建立通信连接。所述用户接口可以是显示器(display)、输入单元(比如键盘(keyboard))，可选地，用户接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是led显示器、液晶显示器、触控式液晶显示器以及oled(organic light-emitting diode，有机发光二极管)触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备中处理的信息以及用于显示可视化的用户界面。
[0148]
图3仅示出了具有部件的电子设备，本领域技术人员可以理解的是，图3示出的结构并不构成对所述电子设备1的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。
[0149]
例如，尽管未示出，所述电子设备还可以包括给各个部件供电的电源(比如电池)，优选地，电源可以通过电源管理装置与所述至少一个处理器10逻辑相连，从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备还可以包括多种传感器、蓝牙模块、wi-fi模块等，在此不再赘述。
[0150]
应该了解，所述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。
[0151]
所述电子设备1中的所述存储器11存储的网点筛选程序是多个指令的组合，在所述处理器10中运行时，可以实现：
[0152]
获取预设的多个网点及所述多个网点对应的多个用户信息，所述用户信息包含用户id和设备id；
[0153]
基于多个所述用户信息中的所述用户id和所述设备id构建多个信息连通图；
[0154]
从所述多个信息连通图中筛选出符合预设的筛选标准的预设个数的初始连通图；
[0155]
基于所述初始连通图中的用户信息回溯出与所述用户信息对应的多个相关网点，将所述相关网点输入至预训练的网点评分模型中，得到所述多个相关网点对应的评分；
[0156]
将所述评分大于或者等于预设的评分阈值的相关网点作为标准网点。
[0157]
具体地，所述处理器10对上述指令的具体实现方法可参考附图对应实施例中相关步骤的描述，在此不赘述。
[0158]
进一步地，所述电子设备1集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读存储介质中。所述计算机可读存储介质可以是易失性的，也可以是非易失性的。例如，所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、u盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(rom，read-only memory)。
[0159]
本发明还提供一种计算机可读存储介质，所述可读存储介质存储有计算机程序，所述计算机程序在被电子设备的处理器所执行时，可以实现：
[0160]
获取预设的多个网点及所述多个网点对应的多个用户信息，所述用户信息包含用户id和设备id；
[0161]
基于多个所述用户信息中的所述用户id和所述设备id构建多个信息连通图；
[0162]
从所述多个信息连通图中筛选出符合预设的筛选标准的预设个数的初始连通图；
[0163]
基于所述初始连通图中的用户信息回溯出与所述用户信息对应的多个相关网点，将所述相关网点输入至预训练的网点评分模型中，得到所述多个相关网点对应的评分；
[0164]
将所述评分大于或者等于预设的评分阈值的相关网点作为标准网点。
[0165]
在本发明所提供的几个实施例中，应该理解到，所揭露的设备，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
[0166]
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
[0167]
另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。
[0168]
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。
[0169]
因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本
发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
[0170]
本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
[0171]
本技术实施例可以基于人工智能技术对相关的数据进行获取和处理。其中，人工智能(artificial intelligence，ai)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
[0172]
此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一、第二等词语用来表示名称，而并不表示任何特定的顺序。
[0173]
最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。