[发明专利]数据处理方法、装置及电子设备

说明书

本申请公开了一种数据处理方法、装置及电子设备，方法包括：获取待处理的数据集合，所述数据集合包括至少一种维度的特征数据集，每种所述特征数据集包括至少一种特征数据；将所述特征数据集中的至少一种特征数据输入到与所述特征数据集所属的维度对应的第一类预测模型，得到所述第一类预测模型输出的第一级预测结果，其中，属于不同种维度的特征数据集对应不同的第一类预测模型；将所述至少一种维度的特征数据集对应的至少一种第一级预测结果输入到已训练的第二类预测模型，并基于所述第二类预测模型设定的所述至少一种维度的权重信息和所述至少一种第一级预测结果，得到作为输出的第二级预测结果，所述第二类预测模型不同于所述第一类预测模型。

技术领域

本申请涉及数据处理技术领域，更具体地说，涉及一种数据处理方法、装置及电子设备。

背景技术

目前，利用训练出的模型预测结果已经应用于多种不同领域。如，在用户行为分析领域，可以基于用户的特征数据预测用户存在某种行为的可能性。

而利用模型进行结果预测的实现方案中，通常只利用某种单一类型的模型进行预测，从而使得预测的结果存在预测效果单一的情况。

发明内容

本申请的目的是提供一种数据处理方法、装置及电子设备，如下：

一种数据处理方法，包括：

获取待处理的数据集合，所述数据集合包括至少一种维度的特征数据集，每种所述特征数据集包括至少一种特征数据；

将所述特征数据集中的至少一种特征数据输入到与所述特征数据集所属的维度对应的第一类预测模型，得到所述第一类预测模型输出的第一级预测结果，其中，属于不同种维度的特征数据集对应不同的第一类预测模型；

将所述至少一种维度的特征数据集对应的至少一种第一级预测结果输入到已训练的第二类预测模型，并基于所述第二类预测模型设定的所述至少一种维度的权重信息和所述至少一种第一级预测结果，得到作为输出的第二级预测结果，所述第二类预测模型不同于所述第一类预测模型。

上述方法，优选的，所述第一类预测模型为已经过训练的深度学习模型；

所述第二类预测模型为已经过训练的线性回归模型。

上述方法，优选的，所述第一类预测模型为利用标注有预测结果且属于所述第一类预测模型对应的维度的多个特征数据集样本训练得到，所述特征数据集样本包括至少一种特征数据样本；

所述第二类预测模型为利用标注有预测结果的多个数据集合样本，在已训练出的至少一种第一类预测模型的基础上训练得到，所述数据集合样本包括至少一种维度的所述特征数据集样本。

上述方法，优选的，还包括：

获得所述第二类预测模型中设定的所述至少一种维度的权重信息；

输出所述第二级预测结果和所述至少一种维度的权重信息。

一种数据处理装置，包括：

集合获取单元，用于获取待处理的数据集合，所述数据集合包括至少一种维度的特征数据集，每种所述特征数据集包括至少一种特征数据；

第一预测单元，用于将所述特征数据集中的至少一种特征数据输入到与所述特征数据集所属的维度对应的第一类预测模型，得到所述第一类预测模型输出的第一级预测结果，其中，属于不同种维度的特征数据集对应不同的第一类预测模型；

第二预测单元，用于将至少一种维度的特征数据集对应的至少一种第一级预测结果输入到已训练的第二类预测模型，并基于所述第二类预测模型设定的所述至少一种维度的权重信息和所述至少一种第一级预测结果，得到作为输出的第二级预测结果，所述第二类预测模型不同于所述第一类预测模型。