[发明专利]点触行为数据处理方法、装置、设备及存储介质

说明书

本申请的实施例揭示了一种点触行为数据处理方法、装置、设备及存储介质。该方法包括：获取待处理的点触行为的特征数据集，其中，所述特征数据集包括传感器特征数据集；对所述传感器特征数据集进行去噪处理；根据去噪后的传感器特征数据集构造所述点触行为的时间特征、高维特征和融合特征；输出处理后的点触行为的特征数据集，所述处理后的点触行为的特征数据集包括所述点触行为的时间特征、高维特征以及融合特征。本申请的实施例能够避免终端所采集得到的数据中的噪声对机器学习性能的影响，并经过特征工程处理后生成多个维度的高质量点触行为特征，有利于提高机器学习模型的性能。

技术领域

本申请涉及数据处理技术领域，具体涉及一种点触行为数据处理方法及装置、电子设备及计算机可读存储介质。

背景技术

随着大数据相关技术的发展，机器学习的应用已经和行业结合并逐步落地，在机器学习的研究及应用过程中，数据质量是影响机器学习模型准确性的关键因素，决定了机器学习模型的上限。例如，在点触行为数据处理中，由于机器学习模型所依赖的特征数据集有限，其自身又难以构造出更多的数据，因而缺乏海量的点触数据作为学习样本，从而挖掘出准确有价值的特征，同时，由于特征构造的维度有限，导致机器学习模型很难学到有用的数据结构，这将导致人机识别过程中出现明显的人机轨迹差异，造成机器学习模型的识别准确率差。

发明内容

为解决上述技术问题，本申请的实施例提供了一种点触行为数据处理方法及装置、电子设备、计算机可读存储介质以及计算机程序产品。

根据本申请实施例的一个方面，提供了一种点触行为数据处理方法，包括：获取待处理的点触行为的特征数据集，其中，所述特征数据集包括传感器特征数据集；对所述传感器特征数据集进行去噪处理；根据去噪后的传感器特征数据集构造所述点触行为的时间特征、高维特征和融合特征；输出处理后的点触行为的特征数据集，所述处理后的点触行为的特征数据集包括所述点触行为的时间特征、高维特征以及融合特征。

根据本申请实施例的一个方面，所述传感器特征数据集包括按压力度和按压面积；所述根据去噪后的传感器特征数据集构造所述点触行为的时间特征、高维特征和融合特征，包括：根据所述按压力度和按压面积确定所述点触行为所对应的多个按键及多个按键各自对应的按压时长；基于所述多个按键及多个按键各自对应的按压时长构造所述点触行为的时间特征。

根据本申请实施例的一个方面，所述按压时长包括下压时间点和抬起时间点；所述基于所述多个按键及多个按键各自对应的按压时长构造所述点触行为的时间特征，包括：基于所述多个按键中各个按键对应的下压时间点和抬起时间点构造所述点触行为的时间特征。

根据本申请实例的一个方面，所述基于所述多个按键中各个按键对应的下压时间点和抬起时间点构造所述点触行为的时间特征，包括：计算所述多个按键中的各个按键对应的下压时间点和抬起时间点之间的时间差，以构造所述点触行为对应的第一时间特征；计算所述多个按键中的相邻时间被按压的两个按键对应的两个下压时间点之间的时间差，以构造所述点触行为的第二时间特征；计算所述多个按键中第一按键的抬起时间点和第二按键的下压时间点之间的时间差，以构造所述点触行为的第三时间特征，其中，所述第一按键和所述第二按键为所述多个按键中相邻时间被按压的两个按键。

根据本申请实施例的一个方面，所述传感器特征数据集包括加速传感器坐标数据和旋转速率传感器坐标数据；所述根据去噪后的传感器特征数据集构造所述点触行为的时间特征、高维特征和融合特征，包括：计算所述加速传感器坐标数据对应的向量的模，以构造所述加速传感器的高维特征；计算所述旋转速率传感器坐标数据对应的向量的模，以构造所述旋转速率传感器的高维特征；基于所述加速传感器的高维特征和所述旋转速率传感器的高维特征构造所述点触行为的融合特征。