[发明专利]数据处理方法、装置和电子设备

权利要求书

1.一种数据处理方法，其特征在于，包括：

获取目标数据；

将所述目标数据输入预先训练的哈希码处理模型进行数据处理，得到所述目标数据对应的预设位数的目标哈希码；

若所述目标哈希码和预设数据集合中的任一数据的参考哈希码相同，则确定所述目标数据在所述预设数据集合中存在。

2.根据权利要求1所述的数据处理方法，其特征在于，所述哈希码处理模型包括：神经网络层和哈希码确定层，所述将所述目标数据输入预先训练的哈希码处理模型进行数据处理，得到所述目标数据对应的预设位数的目标哈希码，包括：

将所述目标数据输入预先训练的神经网络层进行特征提取处理，得到目标特征向量，所述目标特征向量的元素的数量与所述预设位数相同；

将所述目标特征向量输入所述哈希码确定层中进行哈希处理，得到所述目标哈希码，所述目标哈希码中各个哈希值是根据目标特征向量中的元素和预设阈值确定的，其中，小于所述预设阈值的目标特征向量中的元素对应的哈希值为0，确定大于所述预设阈值的目标特征向量中的元素对应的哈希值为1。

3.根据权利要求2所述的数据处理方法，其特征在于，所述神经网络层包括：多个第一网络层和多个第二网络层，不同第二网络层的神经元的数量不同，所述将所述目标数据输入预先训练的神经网络层进行特征提取处理，得到目标特征向量，包括：

将所述目标数据输入多层第一网络层进行特征提取处理，得到中间特征向量；

根据所述预设数据集合的数据量，在所述多个第二网络层中确定目标网络层，所述预设数据集合的数据量与所述目标网络层的神经元的数量成正相关；

将所述中间特征向量输入所述目标网络层，得到所述目标特征向量。

4.根据权利要求3所述的数据处理方法，其特征在于，所述若所述目标哈希码和预设数据集合中的任一数据的参考哈希码相同，则确定所述目标数据在所述预设数据集合中存在之前还包括：

将所述预设数据集合中的数据输入所述哈希码处理模型进行数据处理，得到所述预设数据集合中的数据的参考哈希码。

5.根据权利要求1至4中任一项所述的数据处理方法，其特征在于，所述哈希码处理模型采用以下方式训练得到：

获取样本数据集，所述样本数据集中的样本数据不同；

将所述样本数据集中的样本数据输入哈希码处理模型进行数据处理，得到所述样本数据的哈希码；

将各哈希码相乘后得到目标值；

采用目标值与预设值的差值调整所述哈希码处理模型的权重，得到训练完成的哈希码处理模型。

6.根据权利要求5所述的数据处理方法，其特征在于，所述哈希码处理模型包括：神经网络层和哈希码确定层，所述将所述样本数据集中的样本数据输入哈希码处理模型进行数据处理，得到所述样本数据的哈希码，包括：

在所述样本数据集中，依次选取不同数量的样本数据作为目标数据集；

针对每个目标数据集，将所述目标数据集中的样本数据输入所述神经网络层进行特征提取，得到目标样本特征向量；

将所述目标样本特征向量输入所述哈希码确定层进行哈希处理，得到所述样本数据的哈希码。

7.根据权利要求6所述的数据处理方法，其特征在于，所述神经网络层包括：多个第一网络层和多个第二网络层，不同第二网络层的神经元的数量不同，所述将所述目标数据集中的样本数据输入所述神经网络层进行特征提取，得到目标样本特征向量，包括：

将所述目标数据集中的样本数据输入多个第一网络层进行特征提取处理，得到中间样本特征向量；

根据所述目标数据集的数据量，在所述多个第二网络层中确定待训练网络层，所述目标数据集的数据量与所述待训练网络层的神经元的数量成正相关；

将所述中间样本特征向量输入所述待训练网络层，得到所述目标样本特征向量；

所述采用目标值与预设值的差值调整所述哈希码处理模型的权重，得到训练完成的哈希码处理模型，包括：

采用目标值与预设值的差值调整所述多个第一网络层和所述待训练网络层的权重，得到训练完成的哈希码处理模型。