【科讯】个推

本篇文章1544字，读完约4分钟

移动时代，大数据是关键词之一。 作为技术服务领域的领导者，推进技术改革创新引领推动革命。 年4月末，推送正式推出了划时代的推送3.0产品。 对应景推，深入客户的录用场景，结合地理位置新闻准确地命中了不同客户的各种诉求。 在持续服务拥有亿级顾客的大客户的过程中，通过推送自己平台积累的大容量数据，迅速发展大容量数据技术，集中于移动推送技术的推广，实时发布大容量顾客的位置新闻

push产品现在具有以下三个高级功能。

1.0实时推送技术指标引领竞争产品，最大限度地覆盖客户

2.0智能推送将合适的副本推送给合适的人，可以减少客户的干扰

3.0应景推送按适当位置的适当时间触发器，准确捕捉客户的场景

3.0推产品最重要的技术电子围栏技术:电子围栏是准确捕捉客户场景，实时向客户推送有价值信息的手机推送处理方案。 顾客根据业务诉求，在地图上设定电子围栏区域和目标组的属性，将冷数据图像(结合大数据观察筛选目标组)和热数据投入(目标组进入电子围栏时实现。

构建基于lbs的大数据应用，一般的实现过程是新闻收集后的基础数据整理、数据挖掘/机器学习、服务构建、数据可视化等。

数据挖掘的基本过程。

基本数据的解决包括数据集成和部分数据解决。

数据集成、数据挖掘和统计分析可能使用来自不同数据源的数据。 需要整合这些数据。 但是，如果只有一个数据源，可以跳过此步骤。

基本的数据解决是缺少一些数据(数据属性的值为null值)，有些数据含有噪声(属性值错误或有孤立点数据)，在同一新闻中使用了多个不同的表现方法(编码或命名中) 通过基础数据解决，可以确认村民数据仓库内的消息完全准确、风格一致。

数据变换是首先利用已有的字段进行运算，得到新的字段，一般来说，数据变换有数据的离散化(使用划分框等方法)、派生变量的生成、变量分布接近正态分布、数据的标准化4种。 如果将连续变量离散化，就可以不导入任何分布假设。 这样就不需要符合正态分布了。

数据挖掘时只根据数据库中的数据，用合适的数据挖掘算法进行分析，得到有效的信息。 其中，模型算法质量的评价是非常重要的一步。 数据的发掘是一个循环的过程。

在基于lbs的大规模数据应用中，需要处理大容量数据流( 20w条/秒)、数据解决性能多、噪声计算(定位和统计)、准确率、秒级实时性要求、数据实时性等很多问题 与此相对，推送的处理方式有分布式流框架、spark streaming、发行/订阅模型、apache kafka、events等。

最后，基于大数据的lbs应用可以使用分布式流框架构建数据闭环，以继续优化基本数据。

年，一个推手作为杭州白马湖动画节的安全保镖保障了动画节的圆满落幕。 这次动画节基于推的大数据平台和移动网络技术，通过大量样本数据的收集和分解，以实时人流热分解图为第一服务界面，动画节期间杭州滨江区白马湖动画广场附近 这个配置建立了白马湖区块的实时监视和人流警报系统，在人流超过一定数量时实时发布警报，观察相关人员对应区域高峰人流的避难和诱惑，防止从源头踩到和安全隐患的发生哦

一个推送还将电子围栏技术和大数据的运用深度扩大到国家地震网和旅游局等的合作，比如大数据的观察和推送相结合，从而在地震发生时产生实时警报，通过大数据进行人们的热分解 例如，与旅游局合作，把旅行分解的热点图和实时推送结合起来，疏散景区高峰人群的流量，以免发生危险。

作为向开发者提供推送技术服务的输水工，开展了新技术，也为服务公益项目做出了更多贡献。

1 .每天的网络遵循领域规范，转载的原稿都确定注释的作者和来源2 .每天网络的原始复印件，转载时一定要注明文案作者和“来源:每天互联网”，不尊重原始行为的每天在网上。 3 .作者的帖子可能每天在网上制作或补充。