[发明专利]一种数据模型处理方法及其装置有效
申请号: | 201710154285.8 | 申请日: | 2017-03-15 |
公开(公告)号: | CN108629351B | 公开(公告)日: | 2022-05-13 |
发明(设计)人: | 刘克俊 | 申请(专利权)人: | 腾讯科技(北京)有限公司 |
主分类号: | G06K9/62 | 分类号: | G06K9/62 |
代理公司: | 北京派特恩知识产权代理有限公司 11270 | 代理人: | 蒋雅洁;李梅香 |
地址: | 100080 北京市海淀区海淀*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 数据模型 处理 方法 及其 装置 | ||
1.一种应用于插件场景的数据模型处理方法,其特征在于,所述方法包括:
确定插件所对应的待处理数据,所述待处理数据包括浏览数据以及点击数据,并从所述待处理数据中提取出至少一个第一特征信息;
基于所述至少一个第一特征信息,选取出具有至少两个第二特征信息的第一模型,所述第一模型对应的应用场景与所述插件对应的场景相关联;
其中,所述至少两个第二特征信息与所述至少一个第一特征信息至少部分相同,所述第一模型是基于新闻客户端的数据训练得到的;
对所述第一模型中至少两个第二特征信息进行组合处理,得到至少一个目标特征信息;
基于所述待处理数据确定出所述至少一个目标特征信息的权重,根据确定出的权重以及所述至少一个目标特征信息得到第二模型,所述第二模型用于对所述插件的数据进行分析处理。
2.根据权利要求1所述的方法,其特征在于,所述对所述第一模型中至少两个第二特征信息进行组合处理,得到至少一个目标特征信息,包括:
获取所述至少两个第二特征信息在所述第一模型中对应的权重;
对所述第一模型中至少两个第二特征信息进行组合处理,得到至少一个目标特征信息,以使根据所述至少一个目标特征信息得到的第二模型中目标特征信息的个数少于所述第一模型中第二特征信息的个数;
其中,所述第二模型中每一所述目标特征信息均能表征自身所包含的第二特征信息,以及所包含的第二特征信息在所述第一模型中的权重。
3.根据权利要求1或2所述的方法,其特征在于,所述对所述第一模型中至少两个第二特征信息进行组合处理,得到至少一个目标特征信息,包括:
从所述至少两个第二特征信息中选取出具有关联关系的第二特征信息,将具有关联关系的第二特征信息进行组合,得到至少一个目标特征信息;和/或,
从所述至少两个第二特征信息中选取出与每一所述第一特征信息具有关联的第二特征信息,将与每一所述第一特征信息具有关联关系的所有第二特征信息进行组合,得到至少一个目标特征信息。
4.根据权利要求1或2所述的方法,其特征在于,所述基于所述至少一个第一特征信息,选取出具有至少两个第二特征信息的第一模型,包括:
确定所述待处理数据的目标应用场景;
根据所述待处理数据的目标应用场景以及所述至少一个第一特征信息,选取出具有至少两个第二特征信息的第一模型,以使选取出的第一模型所对应的应用场景与所述目标应用场景相关联,使所述至少两个第二特征信息与所述至少一个第一特征信息至少部分相同;对应地,
所述第二模型能够用于对所述目标应用场景的其他待处理数据进行数据分析。
5.根据权利要求1所述的方法,其特征在于,所述基于所述待处理数据确定出所述至少一个目标特征信息的权重,包括:
从所述待处理数据中提取出所述至少一个目标特征信息,并确定出每一所述目标特征信息在所述待处理数据中所对应的特征值;
基于所有目标特征信息在所述待处理数据中的特征值,计算得到所述至少一个目标特征信息中每一所述目标特征信息的权重。
6.一种应用于插件场景的数据模型处理装置,其特征在于,所述装置包括:
信息提取单元,用于确定插件所对应的待处理数据,所述待处理数据包括浏览数据以及点击数据,并从所述待处理数据中提取出至少一个第一特征信息;
模型确定单元,用于基于所述至少一个第一特征信息,选取出具有至少两个第二特征信息的第一模型,所述第一模型对应的应用场景与所述插件对应的场景相关联;其中,所述至少两个第二特征信息与所述至少一个第一特征信息至少部分相同,所述第一模型是基于新闻客户端的数据训练得到的;
模型处理单元,用于对所述第一模型中至少两个第二特征信息进行组合处理,得到至少一个目标特征信息;基于所述待处理数据确定出所述至少一个目标特征信息的权重,根据确定出的权重以及所述至少一个目标特征信息得到第二模型,所述第二模型用于对所述插件的数据进行分析处理。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于腾讯科技(北京)有限公司,未经腾讯科技(北京)有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201710154285.8/1.html,转载请声明来源钻瓜专利网。