CN107861605B - 数据处理方法及装置 - Google Patents

Abstract

本公开是关于数据处理方法及装置。该方法包括：获取睡眠状态业务数据与非睡眠状态业务数据，睡眠状态业务数据为在终端处于睡眠状态时所采集的业务数据，非睡眠状态业务数据为在终端处于非睡眠状态时所采集的业务数据；根据预设的深度学习算法对睡眠状态业务数据以及非睡眠状态业务数据进行训练以获取终端睡眠状态模型。根据该技术方案获取的终端睡眠状态模型能够较为准确的分辨终端在睡眠状态度时所采集的状态数据与终端在非睡眠状态所采集的数据，从而提高了确定用户已经入睡的准确性，改善了用户体验。

Description

数据处理方法及装置

技术领域

本公开涉及数据处理领域，尤其涉及数据处理方法及装置。

背景技术

随着科技的发展，终端例如智能手机、平板电脑等在人们的生活中愈发常见，其功能也愈发强大，用户逐渐开始在多种场景下使用终端，例如用户可以在乘坐交通工具时使用终端、可以在步行时使用终端、可以在睡眠前使用终端等。其中，当用户睡着时，该终端不再被该用户使用，若此时终端仍处于高功耗状态，则会该终端在用户无需使用时消耗过多电量，导致待机时间降低。

发明内容

为克服相关技术中存在的问题，本公开的实施例提供一种数据处理方法及装置。技术方案如下：

根据本公开的实施例的第一方面，提供一种数据处理方法，包括：

获取睡眠状态业务数据与非睡眠状态业务数据，睡眠状态业务数据为在终端处于睡眠状态时所采集的业务数据，非睡眠状态业务数据为在终端处于非睡眠状态时所采集的业务数据，业务数据至少包括终端的灭屏时刻、终端的灭屏时间差、终端所在位置的磁感应强度、终端所在位置的光照强度、终端与其他物体之间的距离以及终端的重力参数，其中终端的灭屏时间差为采集终端的业务数据的时刻与灭屏时刻之间的时间差；

根据预设的深度学习算法对睡眠状态业务数据以及非睡眠状态业务数据进行训练以获取终端睡眠状态模型。

本公开的实施例提供的技术方案中，通过获取睡眠状态业务数据与非睡眠状态业务数据，睡眠状态业务数据为在终端处于睡眠状态即用户已入睡并未使用该终端时所采集的业务数据，非睡眠状态业务数据为在终端处于非睡眠状态即用户使用该终端时所采集的该终端的业务数据，其中业务数据至少包括终端的灭屏时刻、终端的灭屏时间差、终端所在位置的磁感应强度、终端所在位置的光照强度、终端与其他物体之间的距离以及终端的重力参数，终端的灭屏时间差为采集终端的业务数据的时刻与灭屏时刻之间的时间差，由于在用户已入睡并且未使用该终端时以及用户使用该终端时，终端的业务数据中的至少一项会存在较大差异，例如当用户入睡时，终端的灭屏时刻处于指定时间区间内且终端的灭屏时间差可能较长，终端所在位置的磁感应强度或终端所在位置的光照强度可能较弱，终端与其他物体之间的距离以及终端的重力参数可能在较长时间内不变等，而当用户未入睡时，终端的灭屏时刻未处于指定时间区间内、或终端的灭屏时间差可能较短，或终端所在位置的磁感应强度可能较强、终端所在位置的光照强度可能较强、终端与其他物体之间的距离或终端的重力参数可能在较短时间内产生变动等，因此根据睡眠状态业务数据以及非睡眠状态业务数据进行训练以获取终端睡眠状态模型，该终端睡眠状态模型能够较为准确的分辨终端在睡眠状态度时所采集的状态数据与终端在非睡眠状态所采集的数据，从而提高了确定用户已经入睡的准确性，改善了用户体验。

在一个实施例中，获取睡眠状态业务数据与非睡眠状态业务数据，包括：

获取至少两组业务数据；

在至少两组业务数据中确定满足预设条件的睡眠状态业务数据与不满足预设条件的非睡眠状态业务数据。

在一个实施例中，预设条件包括终端的灭屏时刻属于指定时间区间且终端的灭屏时间差大于或等于指定时间差阈值。

在一个实施例中，业务数据还包括终端状态标签，终端状态标签用于指示当采集终端的业务数据时终端是否处于睡眠状态；

获取睡眠状态业务数据与非睡眠状态业务数据，包括：

获取至少两组业务数据；

根据业务数据的终端状态标签在至少两组业务数据中确定睡眠状态业务数据与非睡眠状态业务数据。

根据本公开的实施例的第二方面，提供一种数据处理方法，包括：

采集终端的睡眠状态业务数据与终端的非睡眠状态业务数据，睡眠状态业务数据为在终端处于睡眠状态时所采集的业务数据，非睡眠状态业务数据为在终端处于非睡眠状态时所采集的业务数据，业务数据至少包括终端的灭屏时刻、终端的灭屏时间差、终端所在位置的磁感应强度、终端所在位置的光照强度、终端与其他物体之间的距离以及终端的重力参数，其中终端的灭屏时间差为采集终端的业务数据的时刻与灭屏时刻之间的时间差；

向服务器发送睡眠状态业务数据与非睡眠状态业务数据，使服务器根据预设的深度学习算法对睡眠状态业务数据以及非睡眠状态业务数据进行训练以获取终端睡眠状态模型。

在一个实施例中，采集终端的睡眠状态业务数据与终端的非睡眠状态业务数据，包括：

采集至少两组业务数据；

在至少两组业务数据中确定满足预设条件的睡眠状态业务数据与不满足预设条件的非睡眠状态业务数据；

在睡眠状态业务数据中添加用于指示当采集终端的业务数据时终端处于睡眠状态的第一终端状态标签，在非睡眠状态业务数据中添加用于指示当采集终端的业务数据时终端处于非睡眠状态的第二终端状态标签。

根据本公开的实施例的第三方面，提供一种数据处理装置，包括：

数据获取模块，用于获取睡眠状态业务数据与非睡眠状态业务数据，睡眠状态业务数据为在终端处于睡眠状态时所采集的业务数据，非睡眠状态业务数据为在终端处于非睡眠状态时所采集的业务数据，业务数据至少包括终端的灭屏时刻、终端的灭屏时间差、终端所在位置的磁感应强度、终端所在位置的光照强度、终端与其他物体之间的距离以及终端的重力参数，其中终端的灭屏时间差为采集终端的业务数据的时刻与灭屏时刻之间的时间差；

模型生成模块，用于根据预设的深度学习算法对睡眠状态业务数据以及非睡眠状态业务数据进行训练以获取终端睡眠状态模型。

在一个实施例中，数据获取模块，包括：

第一数据获取子模块，用于获取至少两组业务数据；

第一数据区分子模块，用于在至少两组业务数据中确定满足预设条件的睡眠状态业务数据与不满足预设条件的非睡眠状态业务数据

在一个实施例中，预设条件包括终端的灭屏时刻属于指定时间区间且终端的灭屏时间差大于或等于指定时间差阈值。

在一个实施例中，业务数据还包括终端状态标签，终端状态标签用于指示当采集终端的业务数据时终端是否处于睡眠状态；

在一个实施例中，数据获取模块，包括：

第二数据获取子模块，用于获取至少两组业务数据；

第二数据区分子模块，用于根据业务数据的终端状态标签在至少两组业务数据中确定睡眠状态业务数据与非睡眠状态业务数据。

根据本公开的实施例的第四方面，提供一种数据处理装置，包括：

数据采集模块，用于采集终端的睡眠状态业务数据与终端的非睡眠状态业务数据，睡眠状态业务数据为在终端处于睡眠状态时所采集的业务数据，非睡眠状态业务数据为在终端处于非睡眠状态时所采集的业务数据，业务数据至少包括终端的灭屏时刻、终端的灭屏时间差、终端所在位置的磁感应强度、终端所在位置的光照强度、终端与其他物体之间的距离以及终端的重力参数，其中终端的灭屏时间差为采集终端的业务数据的时刻与灭屏时刻之间的时间差；

数据发送模块，用于向服务器发送睡眠状态业务数据与非睡眠状态业务数据，使服务器根据预设的深度学习算法对睡眠状态业务数据以及非睡眠状态业务数据进行训练以获取终端睡眠状态模型。

在一个实施例中，数据采集模块包括：

数据采集子模块，用于采集至少两组业务数据；

数据区分子模块，用于在至少两组业务数据中确定满足预设条件的睡眠状态业务数据与不满足预设条件的非睡眠状态业务数据；

标签添加子模块，用于在睡眠状态业务数据中添加用于指示当采集终端的业务数据时终端处于睡眠状态的第一终端状态标签，在非睡眠状态业务数据中添加用于指示当采集终端的业务数据时终端处于非睡眠状态的第二终端状态标签。

根据本公开的实施例的第五方面，提供一种数据处理装置，包括：

处理器；

用于存储处理器可执行指令的存储器；

其中，处理器被配置为：

获取睡眠状态业务数据与非睡眠状态业务数据，睡眠状态业务数据为在终端处于睡眠状态时所采集的业务数据，非睡眠状态业务数据为在终端处于非睡眠状态时所采集的业务数据，业务数据至少包括终端的灭屏时刻、终端的灭屏时间差、终端所在位置的磁感应强度、终端所在位置的光照强度、终端与其他物体之间的距离以及终端的重力参数，其中终端的灭屏时间差为采集终端的业务数据的时刻与灭屏时刻之间的时间差；

根据预设的深度学习算法对睡眠状态业务数据以及非睡眠状态业务数据进行训练以获取终端睡眠状态模型。

根据本公开的实施例的第六方面，提供一种计算机可读存储介质，其上存储有计算机指令，该指令被处理器执行时实现本公开的实施例的第一方面中任一项方法的步骤。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。

图1a是根据一示例性实施例示出的数据处理方法的流程示意图1；

图1b是根据一示例性实施例示出的终端姿态示意图；

图1c是根据一示例性实施例示出的数据处理方法的流程示意图2；

图1d是根据一示例性实施例示出的数据处理方法的流程示意图3；

图2a是根据一示例性实施例示出的数据处理方法的流程示意图1；

图2b是根据一示例性实施例示出的数据处理方法的流程示意图2；

图3是根据一示例性实施例示出的数据处理方法的交互流程示意图；

图4是根据一示例性实施例示出的数据处理方法的交互流程示意图；

图5a是根据一示例性实施例示出的数据处理装置的结构示意图1；

图5b是根据一示例性实施例示出的数据处理装置的结构示意图2；

图5c是根据一示例性实施例示出的数据处理装置的结构示意图3；

图6a是根据一示例性实施例示出的数据处理装置的结构示意图1；

图6b是根据一示例性实施例示出的数据处理装置的结构示意图2；

图7是根据一示例性实施例示出的一种装置的框图；

图8是根据一示例性实施例示出的一种装置的框图；

图9是根据一示例性实施例示出的一种装置的框图。

具体实施方式

这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。

随着科学技术的高速发展和人们生活水平的不断提高，近年来，终端例如智能手机、平板电脑等在人们的生活中愈发常见，其功能也愈发强大，用户逐渐开始在多种场景下使用终端，例如用户可以在乘坐交通工具时使用终端、可以在步行时使用终端、可以在入睡前使用终端等。其中，当用户睡觉时，该终端不再被该用户使用，若此时终端仍处于高功耗状态，则会该终端在用户无需使用的状态下消耗过多电量，导致待机时间降低。

相关技术中，用户可以在入睡前，通过终端上的触摸屏或键盘输入睡眠状态切换指令，使终端响应于该睡眠状态切换指令将自身的工作状态设置为睡眠状态，以确保终端在用户睡觉时的功耗较低。但在大多数情况下，用户在入睡前容易忘记输入睡眠状态切换指令，导致终端无法确定用户已经入睡，使终端无法将自身的工作状态设置为睡眠状态。在另一种相关技术中，用户可以事先设定睡眠状态时间区间，当终端确定当前时刻属于该睡眠状态时间区间时，该终端确定用户已入睡，以便于终端将自身的工作状态设置为睡眠状态。但由于每天用户的入睡时间可能存在一定差异，可能存在用户尚未入睡但当前时刻已经属于睡眠状态时间区间的状况，从而降低了终端确定用户已经入睡的准确性，损害了用户体验。

为了解决上述问题，本公开的实施例提供的技术方案中，通过本公开的实施例提供的技术方案中，通过获取睡眠状态业务数据与非睡眠状态业务数据，睡眠状态业务数据为在终端处于睡眠状态即用户已入睡并未使用该终端时所采集的业务数据，非睡眠状态业务数据为在终端处于非睡眠状态即用户使用该终端时所采集的该终端的业务数据，其中业务数据至少包括终端的灭屏时刻、终端的灭屏时间差、终端所在位置的磁感应强度、终端所在位置的光照强度、终端与其他物体之间的距离以及终端的重力参数，终端的灭屏时间差为采集终端的业务数据的时刻与灭屏时刻之间的时间差，由于在用户已入睡并且未使用该终端时以及用户使用该终端时，终端的业务数据中的至少一项会存在较大差异，例如当用户入睡时，终端的灭屏时刻处于指定时间区间内且终端的灭屏时间差可能较长，终端所在位置的磁感应强度或终端所在位置的光照强度可能较弱，终端与其他物体之间的距离以及终端的重力参数可能在较长时间内不变等，而当用户未入睡时，终端的灭屏时刻未处于指定时间区间内、或终端的灭屏时间差可能较短，或终端所在位置的磁感应强度可能较强、终端所在位置的光照强度可能较强、终端与其他物体之间的距离或终端的重力参数可能在较短时间内产生变动等，因此根据预设的深度学习算法对睡眠状态业务数据以及非睡眠状态业务数据进行训练以获取终端睡眠状态模型，该终端睡眠状态模型能够较为准确的分辨终端在睡眠状态度时所采集的状态数据与终端在非睡眠状态所采集的数据，从而提高了确定用户已经入睡的准确性，改善了用户体验。

本公开的实施例提供了一种数据处理方法，该方法可以应用于电子设备，电子设备可以终端或终端的一部分，也可以为服务器或服务器的一部分，其中终端可以为智能手机，平板电脑，智能可穿戴装置等，服务器可以为由数据处理服务运营商提供并使用的提供计算服务的设备，也可以为由网络运营商提供由数据处理服务运营商使用的提供计算服务的设备。如图1a所示，该方法包括如下步骤101至步骤102：

在步骤101中，获取睡眠状态业务数据与非睡眠状态业务数据。

其中，睡眠状态业务数据为在终端处于睡眠状态时所采集的业务数据，非睡眠状态业务数据为在终端处于非睡眠状态时所采集的业务数据，业务数据至少包括终端的灭屏时刻、终端的灭屏时间差、终端所在位置的磁感应强度、终端所在位置的光照强度、终端与其他物体之间的距离以及终端的重力参数，其中终端的灭屏时间差为采集终端的业务数据的时刻与灭屏时刻之间的时间差。

示例性的，当本公开的实施例提供的数据处理方法应用于终端时，获取业务数据，可以为控制该终端上的传感器采集业务数据，可以为终端读取事先储存在该终端上的业务数据，也可以为终端从服务器或其他装置或系统处获取该业务数据；当本公开的实施例提供的数据处理方法应用于服务器时，获取业务数据，可以为服务器读取事先储存在该服务器上的业务数据，也可以为服务器从终端或其他装置或系统处获取该业务数据。例如，当终端监测到终端上的显示屏熄灭时，该终端可以获取显示屏熄灭时的时刻即终端的灭屏时刻，同时该终端可以开始计时以便于获取终端的灭屏时间差；该终端可以通过终端上的磁场感应传感器进行检测，并根据检测结果获取终端所在位置的磁感应强度；该终端可以通过该终端上的光照强度传感器进行检测，并根据检测结果获取终端所在位置的光照强度；该终端可以通过该终端上的距离传感器进行检测，并根据检测结果获取该终端与其他物体例如用户的身体、枕头等之间的距离；该终端可以通过终端上的重力传感器进行检测，并根据检测结果获取终端的重力参数。需要说明的是，终端所在位置的磁感应强度用于指示该终端所在位置处磁场的强弱与方向；终端的重力参数用于指示终端的姿态，例如，终端的重力参数包括终端在三轴坐标系统中每个轴上的加速度的方向及大小，如图1b所示，沿着终端10的屏幕11的较长边向屏幕11的顶部的方向是Y轴正方向即Y+，沿着终端10的屏幕11的较长边向屏幕11的底部的方向是Y轴负方向即Y-，沿着终端10的屏幕11较短边向右是X轴正方向即X+，沿着终端10的屏幕11较短边向左是X轴负方向X-，垂直终端10的屏幕11向外是Z轴正方向Z+，垂直终端10的屏幕11向内是Z轴负方向Z-，当终端10的屏幕11与地面平行时，地球引力将会给予Z轴负方向1g的加速度。

在步骤102中，根据预设的深度学习算法对睡眠状态业务数据以及非睡眠状态业务数据进行训练以获取终端睡眠状态模型。

示例性的，当本公开的实施例提供的数据处理方法应用于终端时，预设的深度学习算法可以事先储存在该终端上，也可以为该终端从服务器或其他装置或系统处获取；当本公开的实施例提供的数据处理方法应用于服务器时，预设的深度学习算法可以事先储存在该服务器上，也可以为该服务器从终端或其他装置或系统处获取。预设的深度学习算法可以为spark mllib机器学习库中的算法。可以理解的，所述预设的深度学习算法并不限于spark mllib机器学习库中的算法，只要能对睡眠状态业务数据以及非睡眠状态业务数据进行训练，且在训练过程中经过若干次迭代之后达到收敛并获取商品模型的效果即可。

需要说明的是，在根据预设的深度学习算法对睡眠状态业务数据以及非睡眠状态业务数据进行训练以获取终端睡眠状态模型前，还可以对睡眠状态业务数据以及非睡眠状态业务数据进行数据清洗以删除异常值、数据校验、数据补全以补全缺失值等操作。

在根据预设的深度学习算法对睡眠状态业务数据以及非睡眠状态业务数据进行训练以获取终端睡眠状态模型前，还可以对对睡眠状态业务数据以及非睡眠状态业务数据进行数据转换，以便于降低数据处理的难度。例如对于终端的灭屏时间差，可以将灭屏时间差以2ⁿ分钟为间隔取整，其中n＝1,2,3，4…，例如，终端的灭屏时间差可以为8分钟，16分钟，32分钟，64分钟。终端与其他物体之间的距离可以为0或1，其中0代表在距离终端预设距离范围内未检测到其他物体，1代表在距离终端预设距离范围内检测到其他物体。终端所在位置的磁感应强度在x、y、z三个维度上的取值范围均为(-9.8,9.8)。终端的重力参数在x、y、z三个维度上的取值范围均为(-9.8,9.8)。

在根据预设的深度学习算法对睡眠状态业务数据以及非睡眠状态业务数据进行训练时，可以根据spark mllib机器学习库中的方法将睡眠状态业务数据或非睡眠状态业务数据组合成labeledpoint(机器学习中特征输入的形式)以便于将业务数据以参数的形式输入机器学习算法，供机器学习算法使用并训练出终端睡眠状态模型。

本公开的实施例提供的技术方案中，通过获取睡眠状态业务数据与非睡眠状态业务数据，其中业务数据至少包括终端的灭屏时刻、终端的灭屏时间差、终端所在位置的磁感应强度、终端所在位置的光照强度、终端与其他物体之间的距离以及终端的重力参数，其中终端的灭屏时间差为采集终端的业务数据的时刻与灭屏时刻之间的时间差；通过在业务数据中确定睡眠状态业务数据与非睡眠状态业务数据，睡眠状态业务数据为在终端处于睡眠状态即用户已入睡并未使用该终端时所采集的业务数据，非睡眠状态业务数据为在终端处于非睡眠状态即用户使用该终端时所采集的该终端的业务数据；由于终端的业务数据在用户已入睡并未使用该终端时与用户使用该终端时会存在较大差异，例如当用户入睡时，终端的灭屏时刻处于指定时间区间内且终端的灭屏时间差较长，终端所在位置的磁感应强度或终端所在位置的光照强度较弱，终端与其他物体之间的距离以及终端的重力参数在较长时间内不变等，当用户未入睡时，终端的灭屏时刻未处于指定时间区间内、或终端的灭屏时间差较短，或终端所在位置的磁感应强度较强、终端所在位置的光照强度较强、终端与其他物体之间的距离以及终端的重力参数在较短时间内产生变动等，因此根据睡眠状态业务数据以及非睡眠状态业务数据进行训练以获取终端睡眠状态模型，该终端睡眠状态模型能够较为准确的分辨终端在睡眠状态度时所采集的状态数据与终端在非睡眠状态所采集的数据，从而提高了确定用户已经入睡的准确性，改善了用户体验。

在一个实施例中，如图1c所示，在步骤101中，获取睡眠状态业务数据与非睡眠状态业务数据，可以通过步骤1011至步骤1012实现：

在步骤1011中，获取至少两组业务数据。

示例性的，当本公开的实施例提供的数据处理方法应用于终端时，获取至少两组业务数据，可以为控制该终端上的传感器采集至少两组业务数据，可以为终端读取事先储存在该终端上的至少两组业务数据，也可以为终端从服务器或其他装置或系统处获取至少两组业务数据；当本公开的实施例提供的数据处理方法应用于服务器时，获取至少两组业务数据，可以为服务器读取事先储存在该服务器上的至少两组业务数据，也可以为服务器从终端或其他装置或系统处获取至少两组业务数据。

在步骤1012中，在至少两组业务数据中确定满足预设条件的睡眠状态业务数据与不满足预设条件的非睡眠状态业务数据。

示例性的，当本公开的实施例提供的数据处理方法应用于终端时，预设条件可以为事先储存在该终端上，也可以为终端从服务器或其他装置或系统处获取；当本公开的实施例提供的数据处理方法应用于服务器时，预设条件可以为事先储存在该服务器上，也可以为服务器从终端或其他装置或系统处获取。预设条件可以用于指示每组业务数据中至少一项参数的取值区间，当一组业务数据中的对应参数属于该预设条件所指示的取值区间时，确定该组业务数据满足预设条件，当一组业务数据中的对应参数不属于该预设条件所指示的取值区间时，确定该组业务数据不满足预设条件。可以理解的，当预设条件用于指示另一取值区间时，也可以在一组业务数据中的对应参数属于该预设条件所指示的取值区间时，确定该组业务数据不满足预设条件，当一组业务数据中的对应参数不属于该预设条件所指示的取值区间时，确定该组业务数据满足预设条件。例如，预设条件包括终端的灭屏时刻属于指定时间区间且终端的灭屏时间差大于或等于指定时间差阈值，该指定时间区间可以为19:00至24:00以及00:00至05:00，该指定时间差阈值可以为3个小时。通过将预设条件设置为终端的灭屏时刻属于指定时间区间且终端的灭屏时间差大于或等于指定时间差阈值，提高了确定业务数据中睡眠状态业务数据与非睡眠状态业务数据的准确性。

通过获取至少两组业务数据，并在至少两组业务数据中确定满足预设条件的睡眠状态业务数据与不满足预设条件的非睡眠状态业务数据，可以根据未识别当终端处于何种状态时所采集的状态数据获取睡眠状态业务数据与非睡眠状态业务数据，提高了数据处理方法的适应性。

在一个实施例中，业务数据还包括终端状态标签，终端状态标签用于指示当采集终端的业务数据时终端是否处于睡眠状态，如图1d所示，在步骤101中，获取睡眠状态业务数据与非睡眠状态业务数据，可以通过步骤1013至步骤1014实现：

在步骤1013中，获取至少两组业务数据。

示例性的，具体内容可以参照上述步骤1011中的内容，在此不再赘述。

在步骤1014中，根据业务数据的终端状态标签在至少两组业务数据中确定睡眠状态业务数据与非睡眠状态业务数据。

示例性的，当一组业务数据的终端状态标签的值为1时，可以认为该组业务数据为睡眠状态业务数据，当一组业务数据的终端状态标签值为0时，可以认为改组业务数据为非睡眠状态业务数据。

通过获取至少两组业务数据，并根据业务数据的终端状态标签在至少两组业务数据中确定睡眠状态业务数据与非睡眠状态业务数据，可以在根据未识别当终端处于何种状态时所采集的状态数据获取睡眠状态业务数据与非睡眠状态业务数据的同时，降低确定睡眠状态业务数据与非睡眠状态业务数据的难度，从而改善了用户体验。

本公开的实施例提供了一种数据处理方法，该方法可以应用于终端，其中终端可以为智能手机，平板电脑，智能可穿戴装置等。如图2a所示，该方法包括如下步骤201至步骤202：

在步骤201中，采集终端的睡眠状态业务数据与终端的非睡眠状态业务数据。

其中，睡眠状态业务数据为在终端处于睡眠状态时所采集的业务数据，非睡眠状态业务数据为在终端处于非睡眠状态时所采集的业务数据，业务数据至少包括终端的灭屏时刻、终端的灭屏时间差、终端所在位置的磁感应强度、终端所在位置的光照强度、终端与其他物体之间的距离以及终端的重力参数，其中终端的灭屏时间差为采集终端的业务数据的时刻与灭屏时刻之间的时间差。

示例性的，采集终端的睡眠状态业务数据与终端的非睡眠状态业务数据，可以由终端上相应的传感器进行检测，并根据检测结果获取。例如，当终端监测到终端上的显示屏熄灭时，该终端可以获取显示屏熄灭时的时刻即终端的灭屏时刻，同时该终端可以开始计时以便于获取终端的灭屏时间差；该终端可以通过终端上的磁场感应传感器进行检测，并根据检测结果获取终端所在位置的磁感应强度；该终端可以通过该终端上的光照强度传感器进行检测，并根据检测结果获取终端所在位置的光照强度；该终端可以通过该终端上的距离传感器进行检测，并根据检测结果获取该终端与其他物体例如用户的身体、枕头等之间的距离；该终端可以通过终端上的重力传感器进行检测，并根据检测结果获取终端的重力参数。

在步骤202中，向服务器发送睡眠状态业务数据与非睡眠状态业务数据，使服务器根据预设的深度学习算法对睡眠状态业务数据以及非睡眠状态业务数据进行训练以获取终端睡眠状态模型。

本公开的实施例提供的技术方案中，通过采集终端的睡眠状态业务数据与终端的非睡眠状态业务数据，其中业务数据至少包括终端的灭屏时刻、终端的灭屏时间差、终端所在位置的磁感应强度、终端所在位置的光照强度、终端与其他物体之间的距离以及终端的重力参数，其中终端的灭屏时间差为采集终端的业务数据的时刻与灭屏时刻之间的时间差；通过在业务数据中确定睡眠状态业务数据与非睡眠状态业务数据，睡眠状态业务数据为在终端处于睡眠状态即用户已入睡并未使用该终端时所采集的业务数据，非睡眠状态业务数据为在终端处于非睡眠状态即用户使用该终端时所采集的该终端的业务数据；由于终端的业务数据在用户已入睡并未使用该终端时与用户使用该终端时会存在较大差异，例如当用户入睡时，终端的灭屏时刻处于指定时间区间内且终端的灭屏时间差较长，终端所在位置的磁感应强度或终端所在位置的光照强度较弱，终端与其他物体之间的距离以及终端的重力参数在较长时间内不变等，当用户未入睡时，终端的灭屏时刻未处于指定时间区间内、或终端的灭屏时间差较短，或终端所在位置的磁感应强度较强、终端所在位置的光照强度较强、终端与其他物体之间的距离以及终端的重力参数在较短时间内产生变动等，因此通过向服务器发送睡眠状态业务数据与非睡眠状态业务数据，使服务器根据预设的深度学习算法对睡眠状态业务数据以及非睡眠状态业务数据进行训练以获取终端睡眠状态模型，该终端睡眠状态模型能够较为准确的分辨终端在睡眠状态度时所采集的状态数据与终端在非睡眠状态所采集的数据，从而提高了确定用户已经入睡的准确性，改善了用户体验。

在一个实施例中，如图2b所示，在步骤201中，采集终端的睡眠状态业务数据与终端的非睡眠状态业务数据，可以通过步骤2011至步骤2013实现：

在步骤2011中，采集至少两组业务数据。

在步骤2012中，在至少两组业务数据中确定满足预设条件的睡眠状态业务数据与不满足预设条件的非睡眠状态业务数据。

示例性的，在至少两组业务数据中确定满足预设条件的睡眠状态业务数据与不满足预设条件的非睡眠状态业务数据，可以为确定满足预设条件的业务数据为睡眠状态业务数据，确定不满足预设条件的业务数据为非睡眠状态业务数据，具体内容参照上述步骤1012中的内容，在此不再赘述。

在步骤2013中，在睡眠状态业务数据中添加用于指示当采集终端的业务数据时终端处于睡眠状态的第一终端状态标签，在非睡眠状态业务数据中添加用于指示当采集终端的业务数据时终端处于非睡眠状态的第二终端状态标签。

通过采集至少两组业务数据，并在至少两组业务数据中确定满足预设条件的睡眠状态业务数据与不满足预设条件的非睡眠状态业务数据，可以在根据未识别当终端处于何种状态时所采集的状态数据获取睡眠状态业务数据与非睡眠状态业务数据的同时，降低服务器分辨睡眠状态业务数据与非睡眠状态业务数据的难度，从而改善了用户体验。

下面通过实施例详细介绍实现过程。

图3是根据一示例性实施例示出的一种数据处理方法的示意性流程图进行说明。如图3所示，包括以下步骤：

在步骤301中，终端采集至少两组业务数据。

在步骤302中，终端向服务器发送该至少两组业务数据。

在步骤303中，服务器在至少两组业务数据中确定满足预设条件的睡眠状态业务数据与不满足预设条件的非睡眠状态业务数据。

在步骤304中，服务器根据预设的深度学习算法对睡眠状态业务数据以及非睡眠状态业务数据进行训练以获取终端睡眠状态模型。

本公开的实施例提供的技术方案中，通过由终端采集至少两组业务数据，并向服务器发送该至少两组业务数据，由服务器在至少两组业务数据中确定满足预设条件的睡眠状态业务数据与不满足预设条件的非睡眠状态业务数据，并根据预设的深度学习算法对睡眠状态业务数据以及非睡眠状态业务数据进行训练以获取终端睡眠状态模型，其中由于在用户已入睡并且未使用该终端时以及用户使用该终端时，终端的业务数据中的至少一项会存在较大差异，因此根据睡眠状态业务数据以及非睡眠状态业务数据进行训练以获取终端睡眠状态模型，该终端睡眠状态模型能够较为准确的分辨终端在睡眠状态度时所采集的状态数据与终端在非睡眠状态所采集的数据，从而提高了确定用户已经入睡的准确性，改善了用户体验。

图4是根据一示例性实施例示出的一种数据处理方法的示意性流程图进行说明。如图4所示，包括以下步骤：

在步骤401中，终端采集至少两组业务数据。

在步骤402中，终端在至少两组业务数据中确定满足预设条件的睡眠状态业务数据与不满足预设条件的非睡眠状态业务数据。

在步骤403中，在睡眠状态业务数据中添加用于指示当采集终端的业务数据时终端处于睡眠状态的第一终端状态标签，在非睡眠状态业务数据中添加用于指示当采集终端的业务数据时终端处于非睡眠状态的第二终端状态标签。

在步骤404中，服务器根据业务数据的终端状态标签在至少两组业务数据中确定睡眠状态业务数据与非睡眠状态业务数据。

在步骤405中，服务器根据预设的深度学习算法对睡眠状态业务数据以及非睡眠状态业务数据进行训练以获取终端睡眠状态模型。

本公开的实施例提供的技术方案中，通过由终端采集至少两组业务数据，并在至少两组业务数据中确定满足预设条件的睡眠状态业务数据与不满足预设条件的非睡眠状态业务数据，在睡眠状态业务数据中添加用于指示当采集终端的业务数据时终端处于睡眠状态的第一终端状态标签，在非睡眠状态业务数据中添加用于指示当采集终端的业务数据时终端处于非睡眠状态的第二终端状态标签，使服务器根据预设的深度学习算法对睡眠状态业务数据以及非睡眠状态业务数据进行训练以获取终端睡眠状态模型，并根据预设的深度学习算法对睡眠状态业务数据以及非睡眠状态业务数据进行训练以获取终端睡眠状态模型，从而降低了服务器分辨睡眠状态业务数据以及非睡眠状态业务数据的难度，并提高确定用户已经入睡的准确性，改善了用户体验。

下述为本公开装置实施例，可以用于执行本公开方法实施例。

图5a是根据一个示例性实施例示出的一种数据处理装置50的框图，数据处理装置50可以为服务器或服务器的一部分，也可以为终端或终端的一部分，数据处理装置50可以通过软件、硬件或者两者的结合实现成为电子设备的部分或者全部。如图5a所示，该数据处理装置50包括：

数据获取模块501，用于获取睡眠状态业务数据与非睡眠状态业务数据。

其中，睡眠状态业务数据为在终端处于睡眠状态时所采集的业务数据，非睡眠状态业务数据为在终端处于非睡眠状态时所采集的业务数据，业务数据至少包括终端的灭屏时刻、终端的灭屏时间差、终端所在位置的磁感应强度、终端所在位置的光照强度、终端与其他物体之间的距离以及终端的重力参数，其中终端的灭屏时间差为采集终端的业务数据的时刻与灭屏时刻之间的时间差。

模型生成模块502，用于根据预设的深度学习算法对睡眠状态业务数据以及非睡眠状态业务数据进行训练以获取终端睡眠状态模型。

在一个实施例中，如图5b所示，数据获取模块501，包括：

第一数据获取子模块5011，用于获取至少两组业务数据；

第一数据区分子模块5012，用于在至少两组业务数据中确定满足预设条件的睡眠状态业务数据与不满足预设条件的非睡眠状态业务数据

在一个实施例中，预设条件包括终端的灭屏时刻属于指定时间区间且终端的灭屏时间差大于或等于指定时间差阈值。

在一个实施例中，如图5c所示，数据获取模块501，包括：

第二数据获取子模块5013，用于获取至少两组业务数据；

第二数据区分子模块5014，用于根据业务数据的终端状态标签在至少两组业务数据中确定睡眠状态业务数据与非睡眠状态业务数据。

本公开的实施例提供一种数据处理装置，该数据处理装置可以通过获取睡眠状态业务数据与非睡眠状态业务数据，其中业务数据至少包括终端的灭屏时刻、终端的灭屏时间差、终端所在位置的磁感应强度、终端所在位置的光照强度、终端与其他物体之间的距离以及终端的重力参数，其中终端的灭屏时间差为采集终端的业务数据的时刻与灭屏时刻之间的时间差；通过在业务数据中确定睡眠状态业务数据与非睡眠状态业务数据，睡眠状态业务数据为在终端处于睡眠状态即用户已入睡并未使用该终端时所采集的业务数据，非睡眠状态业务数据为在终端处于非睡眠状态即用户使用该终端时所采集的该终端的业务数据；由于终端的业务数据在用户已入睡并未使用该终端时与用户使用该终端时会存在较大差异，例如当用户入睡时，终端的灭屏时刻处于指定时间区间内且终端的灭屏时间差较长，终端所在位置的磁感应强度或终端所在位置的光照强度较弱，终端与其他物体之间的距离以及终端的重力参数在较长时间内不变等，当用户未入睡时，终端的灭屏时刻未处于指定时间区间内、或终端的灭屏时间差较短，或终端所在位置的磁感应强度较强、终端所在位置的光照强度较强、终端与其他物体之间的距离以及终端的重力参数在较短时间内产生变动等，因此根据睡眠状态业务数据以及非睡眠状态业务数据进行训练以获取终端睡眠状态模型，该终端睡眠状态模型能够较为准确的分辨终端在睡眠状态度时所采集的状态数据与终端在非睡眠状态所采集的数据，从而提高了确定用户已经入睡的准确性，改善了用户体验。

图6a是根据一个示例性实施例示出的一种数据处理装置60的框图，数据处理装置60可以为终端或终端的一部分，数据处理装置60可以通过软件、硬件或者两者的结合实现成为电子设备的部分或者全部。如图6a所示，该数据处理装置60包括：

数据采集模块601，用于采集终端的睡眠状态业务数据与终端的非睡眠状态业务数据。

其中，睡眠状态业务数据为在终端处于睡眠状态时所采集的业务数据，非睡眠状态业务数据为在终端处于非睡眠状态时所采集的业务数据，业务数据至少包括终端的灭屏时刻、终端的灭屏时间差、终端所在位置的磁感应强度、终端所在位置的光照强度、终端与其他物体之间的距离以及终端的重力参数，其中终端的灭屏时间差为采集终端的业务数据的时刻与灭屏时刻之间的时间差。

数据发送模块602，用于向服务器发送睡眠状态业务数据与非睡眠状态业务数据，使服务器根据预设的深度学习算法对睡眠状态业务数据以及非睡眠状态业务数据进行训练以获取终端睡眠状态模型。

在一个实施例中，如图6b所示，数据采集模块601包括：

数据采集子模块6011，用于采集至少两组业务数据；

数据区分子模块6012，用于在至少两组业务数据中确定满足预设条件的睡眠状态业务数据与不满足预设条件的非睡眠状态业务数据；

标签添加子模块6013，用于在睡眠状态业务数据中添加用于指示当采集终端的业务数据时终端处于睡眠状态的第一终端状态标签，在非睡眠状态业务数据中添加用于指示当采集终端的业务数据时终端处于非睡眠状态的第二终端状态标签。

本公开的实施例提供一种数据处理装置，该数据处理装置可以通过采集终端的睡眠状态业务数据与终端的非睡眠状态业务数据，其中业务数据至少包括终端的灭屏时刻、终端的灭屏时间差、终端所在位置的磁感应强度、终端所在位置的光照强度、终端与其他物体之间的距离以及终端的重力参数，其中终端的灭屏时间差为采集终端的业务数据的时刻与灭屏时刻之间的时间差；通过在业务数据中确定睡眠状态业务数据与非睡眠状态业务数据，睡眠状态业务数据为在终端处于睡眠状态即用户已入睡并未使用该终端时所采集的业务数据，非睡眠状态业务数据为在终端处于非睡眠状态即用户使用该终端时所采集的该终端的业务数据；由于终端的业务数据在用户已入睡并未使用该终端时与用户使用该终端时会存在较大差异，例如当用户入睡时，终端的灭屏时刻处于指定时间区间内且终端的灭屏时间差较长，终端所在位置的磁感应强度或终端所在位置的光照强度较弱，终端与其他物体之间的距离以及终端的重力参数在较长时间内不变等，当用户未入睡时，终端的灭屏时刻未处于指定时间区间内、或终端的灭屏时间差较短，或终端所在位置的磁感应强度较强、终端所在位置的光照强度较强、终端与其他物体之间的距离以及终端的重力参数在较短时间内产生变动等，因此通过向服务器发送睡眠状态业务数据与非睡眠状态业务数据，使服务器根据预设的深度学习算法对睡眠状态业务数据以及非睡眠状态业务数据进行训练以获取终端睡眠状态模型，该终端睡眠状态模型能够较为准确的分辨终端在睡眠状态度时所采集的状态数据与终端在非睡眠状态所采集的数据，从而提高了确定用户已经入睡的准确性，改善了用户体验。

图7是根据一示例性实施例示出的一种数据处理装置70的框图，该数据处理装置70可以为服务器或服务器的一部分，也可以为终端或终端的一部分，该数据处理装置70包括：

处理器701；

用于存储处理器701可执行指令的存储器702；

其中，处理器701被配置为：

获取睡眠状态业务数据与非睡眠状态业务数据，睡眠状态业务数据为在终端处于睡眠状态时所采集的业务数据，非睡眠状态业务数据为在终端处于非睡眠状态时所采集的业务数据，业务数据至少包括终端的灭屏时刻、终端的灭屏时间差、终端所在位置的磁感应强度、终端所在位置的光照强度、终端与其他物体之间的距离以及终端的重力参数，其中终端的灭屏时间差为采集终端的业务数据的时刻与灭屏时刻之间的时间差；

根据预设的深度学习算法对睡眠状态业务数据以及非睡眠状态业务数据进行训练以获取终端睡眠状态模型。

在一个实施例中，上述处理器701还可以被配置为：

获取至少两组业务数据；

在至少两组业务数据中确定满足预设条件的睡眠状态业务数据与不满足预设条件的非睡眠状态业务数据。

在一个实施例中，预设条件包括终端的灭屏时刻属于指定时间区间且终端的灭屏时间差大于或等于指定时间差阈值。

在一个实施例中，

业务数据还包括终端状态标签，终端状态标签用于指示当采集终端的业务数据时终端是否处于睡眠状态；

上述处理器701还可以被配置为：

获取睡眠状态业务数据与非睡眠状态业务数据，包括：

获取至少两组业务数据；

根据业务数据的终端状态标签在至少两组业务数据中确定睡眠状态业务数据与非睡眠状态业务数据。

本公开的实施例提供一种数据处理装置，该数据处理装置可以通过获取睡眠状态业务数据与非睡眠状态业务数据，其中业务数据至少包括终端的灭屏时刻、终端的灭屏时间差、终端所在位置的磁感应强度、终端所在位置的光照强度、终端与其他物体之间的距离以及终端的重力参数，其中终端的灭屏时间差为采集终端的业务数据的时刻与灭屏时刻之间的时间差；通过在业务数据中确定睡眠状态业务数据与非睡眠状态业务数据，睡眠状态业务数据为在终端处于睡眠状态即用户已入睡并未使用该终端时所采集的业务数据，非睡眠状态业务数据为在终端处于非睡眠状态即用户使用该终端时所采集的该终端的业务数据；由于终端的业务数据在用户已入睡并未使用该终端时与用户使用该终端时会存在较大差异，例如当用户入睡时，终端的灭屏时刻处于指定时间区间内且终端的灭屏时间差较长，终端所在位置的磁感应强度或终端所在位置的光照强度较弱，终端与其他物体之间的距离以及终端的重力参数在较长时间内不变等，当用户未入睡时，终端的灭屏时刻未处于指定时间区间内、或终端的灭屏时间差较短，或终端所在位置的磁感应强度较强、终端所在位置的光照强度较强、终端与其他物体之间的距离以及终端的重力参数在较短时间内产生变动等，因此根据睡眠状态业务数据以及非睡眠状态业务数据进行训练以获取终端睡眠状态模型，该终端睡眠状态模型能够较为准确的分辨终端在睡眠状态度时所采集的状态数据与终端在非睡眠状态所采集的数据，从而提高了确定用户已经入睡的准确性，改善了用户体验。

图8是根据一示例性实施例示出的一种用于数据处理的装置800的框图，该装置800适用于终端。例如，装置800可以是移动电话，计算机，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理等。

装置800可以包括以下一个或多个组件：处理组件802，存储器804，电源组件806，多媒体组件808，音频组件810，输入/输出(I/O)的接口812，传感器组件814，以及通信组件816。

处理组件802通常控制装置800的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理元件802可以包括一个或多个处理器820来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件802可以包括一个或多个模块，便于处理组件802和其他组件之间的交互。例如，处理组件802可以包括多媒体模块，以方便多媒体组件808和处理组件802之间的交互。

存储器804被配置未存储各种类型的数据以支持在装置800的操作。这些数据的示例包括用于在装置800上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器804可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。

电源组件806为装置800的各种组件提供电力。电源组件806可以包括电源管理系统，一个或多个电源，及其他与为装置800生成、管理和分配电力相关联的组件。

多媒体组件808包括在装置800和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件808包括一个前置摄像头和/或后置摄像头。当装置800处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。

音频组件810被配置为输出和/或输入音频信号。例如，音频组件810包括一个麦克风(MIC)，当装置800处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器804或经由通信组件816发送。在一些实施例中，音频组件810还包括一个扬声器，用于输出音频信号。

I/O接口812为处理组件802和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。

传感器组件814包括一个或多个传感器，用于为装置800提供各个方面的状态评估。例如，传感器组件814可以检测到装置800的打开/关闭状态，组件的相对定位，例如所述组件为装置800的显示器和小键盘，传感器组件814还可以检测装置800或装置800一个组件的位置改变，用户与装置800接触的存在或不存在，装置800方位或加速/减速和装置800的温度变化。传感器组件814可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件814还可以包括光传感器，如CMOS或CCD图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件814还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。

通信组件816被配置为便于装置800和其他设备之间有线或无线方式的通信。装置800可以接入基于通信标准的无线网络，如WiFi，2G或3G，或它们的组合。在一个示例性实施例中，通信组件816经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信组件816还包括近场通信(NFC)模块，以促进短程通信。例如，在NFC模块可基于射频识别(RFID)技术，红外数据协会(IrDA)技术，超宽带(UWB)技术，蓝牙(BT)技术和其他技术来实现。

在示例性实施例中，装置800可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述方法。

在示例性实施例中，还提供了一种包括指令的非临时性计算机可读存储介质，例如包括指令的存储器804，上述指令可由装置800的处理器820执行以完成上述方法。例如，所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。

一种非临时性计算机可读存储介质，当所述存储介质中的指令由装置800的处理器执行时，使得装置800能够执行上述数据处理方法，所述方法包括：

采集终端的睡眠状态业务数据与终端的非睡眠状态业务数据，睡眠状态业务数据为在终端处于睡眠状态时所采集的业务数据，非睡眠状态业务数据为在终端处于非睡眠状态时所采集的业务数据，业务数据至少包括终端的灭屏时刻、终端的灭屏时间差、终端所在位置的磁感应强度、终端所在位置的光照强度、终端与其他物体之间的距离以及终端的重力参数，其中终端的灭屏时间差为采集终端的业务数据的时刻与灭屏时刻之间的时间差；

向服务器发送睡眠状态业务数据与非睡眠状态业务数据，使服务器根据预设的深度学习算法对睡眠状态业务数据以及非睡眠状态业务数据进行训练以获取终端睡眠状态模型。

在一个实施例中，采集终端的睡眠状态业务数据与终端的非睡眠状态业务数据，包括：

采集至少两组业务数据；

在至少两组业务数据中确定满足预设条件的睡眠状态业务数据与不满足预设条件的非睡眠状态业务数据；

在睡眠状态业务数据中添加用于指示当采集终端的业务数据时终端处于睡眠状态的第一终端状态标签，在非睡眠状态业务数据中添加用于指示当采集终端的业务数据时终端处于非睡眠状态的第二终端状态标签。

图9是根据一示例性实施例示出的一种用于数据处理的装置900的框图。例如，装置900可以被提供为一服务器。装置900包括处理组件922，其进一步包括一个或多个处理器，以及由存储器932所代表的存储器资源，用于存储可由处理组件922的执行的指令，例如应用程序。存储器932中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外，处理组件922被配置为执行指令，以执行上述数据处理方法。

装置900还可以包括一个电源组件926被配置为执行装置900的电源管理，一个有线或无线网络接口950被配置为将装置900连接到网络，和一个输入输出(I/O)接口958。装置900可以操作基于存储在存储器932的操作系统，例如Windows ServerTM，Mac OS XTM，UnixTM,LinuxTM，FreeBSDTM或类似。

一种非临时性计算机可读存储介质，当所述存储介质中的指令由装置900的处理器执行时，使得装置900能够执行数据处理方法，所述方法包括：

获取睡眠状态业务数据与非睡眠状态业务数据，睡眠状态业务数据为在终端处于睡眠状态时所采集的业务数据，非睡眠状态业务数据为在终端处于非睡眠状态时所采集的业务数据，业务数据至少包括终端的灭屏时刻、终端的灭屏时间差、终端所在位置的磁感应强度、终端所在位置的光照强度、终端与其他物体之间的距离以及终端的重力参数，其中终端的灭屏时间差为采集终端的业务数据的时刻与灭屏时刻之间的时间差；

根据预设的深度学习算法对睡眠状态业务数据以及非睡眠状态业务数据进行训练以获取终端睡眠状态模型。

在一个实施例中，获取睡眠状态业务数据与非睡眠状态业务数据，包括：

获取至少两组业务数据；

在至少两组业务数据中确定满足预设条件的睡眠状态业务数据与不满足预设条件的非睡眠状态业务数据。

在一个实施例中，预设条件包括终端的灭屏时刻属于指定时间区间且终端的灭屏时间差大于或等于指定时间差阈值。

在一个实施例中，业务数据还包括终端状态标签，终端状态标签用于指示当采集终端的业务数据时终端是否处于睡眠状态；

获取睡眠状态业务数据与非睡眠状态业务数据，包括：

获取至少两组业务数据；

根据业务数据的终端状态标签在至少两组业务数据中确定睡眠状态业务数据与非睡眠状态业务数据。

本领域技术人员在考虑说明书及实践这里公开的公开后，将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的权利要求指出。

应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。

Claims (10)

1.一种数据处理方法，其特征在于，包括：

获取睡眠状态业务数据与非睡眠状态业务数据，所述睡眠状态业务数据为在终端处于睡眠状态时所采集的业务数据，所述非睡眠状态业务数据为在终端处于非睡眠状态时所采集的业务数据，所述业务数据至少包括终端的灭屏时刻、所述终端的灭屏时间差、所述终端所在位置的磁感应强度、所述终端所在位置的光照强度、所述终端与其他物体之间的距离以及所述终端的重力参数，其中所述终端的灭屏时间差为采集所述终端的业务数据的时刻与所述灭屏时刻之间的时间差；

根据预设的深度学习算法对所述睡眠状态业务数据以及所述非睡眠状态业务数据进行训练以获取终端睡眠状态模型；

所述获取睡眠状态业务数据与非睡眠状态业务数据，包括：

获取至少两组业务数据；

在所述至少两组业务数据中确定满足预设条件的睡眠状态业务数据与不满足预设条件的非睡眠状态业务数据；

所述预设条件包括终端的灭屏时刻属于指定时间区间且终端的灭屏时间差大于或等于指定时间差阈值。

2.根据权利要求1所述的数据处理方法，其特征在于，所述业务数据还包括终端状态标签，所述终端状态标签用于指示当采集终端的业务数据时所述终端是否处于睡眠状态；

所述获取睡眠状态业务数据与非睡眠状态业务数据，包括：

获取至少两组业务数据；

根据所述业务数据的终端状态标签在所述至少两组业务数据中确定睡眠状态业务数据与非睡眠状态业务数据。

3.一种数据处理方法，其特征在于，包括：

采集终端的睡眠状态业务数据与所述终端的非睡眠状态业务数据，所述睡眠状态业务数据为在终端处于睡眠状态时所采集的业务数据，所述非睡眠状态业务数据为在终端处于非睡眠状态时所采集的业务数据，所述业务数据至少包括终端的灭屏时刻、所述终端的灭屏时间差、所述终端所在位置的磁感应强度、所述终端所在位置的光照强度、所述终端与其他物体之间的距离以及所述终端的重力参数，其中所述终端的灭屏时间差为采集所述终端的业务数据的时刻与所述灭屏时刻之间的时间差；

向服务器发送所述睡眠状态业务数据与所述非睡眠状态业务数据，使所述服务器根据预设的深度学习算法对所述睡眠状态业务数据以及所述非睡眠状态业务数据进行训练以获取终端睡眠状态模型；

所述采集终端的睡眠状态业务数据与所述终端的非睡眠状态业务数据，包括：

采集至少两组业务数据；

在所述至少两组业务数据中确定满足预设条件的睡眠状态业务数据与不满足预设条件的非睡眠状态业务数据；

所述预设条件包括终端的灭屏时刻属于指定时间区间且终端的灭屏时间差大于或等于指定时间差阈值。

4.根据权利要求3所述的数据处理方法，其特征在于，其特征在于，所述方法还包括：

在所述睡眠状态业务数据中添加用于指示当采集终端的业务数据时所述终端处于睡眠状态的第一终端状态标签，在所述非睡眠状态业务数据中添加用于指示当采集终端的业务数据时所述终端处于非睡眠状态的第二终端状态标签。

5.一种数据处理装置，其特征在于，包括：

数据获取模块，用于获取睡眠状态业务数据与非睡眠状态业务数据，所述睡眠状态业务数据为在终端处于睡眠状态时所采集的业务数据，所述非睡眠状态业务数据为在终端处于非睡眠状态时所采集的业务数据，所述业务数据至少包括终端的灭屏时刻、所述终端的灭屏时间差、所述终端所在位置的磁感应强度、所述终端所在位置的光照强度、所述终端与其他物体之间的距离以及所述终端的重力参数，其中所述终端的灭屏时间差为采集所述终端的业务数据的时刻与所述灭屏时刻之间的时间差；

模型生成模块，用于根据预设的深度学习算法对所述睡眠状态业务数据以及所述非睡眠状态业务数据进行训练以获取终端睡眠状态模型；

所述数据获取模块，包括：

第一数据获取子模块，用于获取至少两组业务数据；

第一数据区分子模块，用于在所述至少两组业务数据中确定满足预设条件的睡眠状态业务数据与不满足预设条件的非睡眠状态业务数据；

所述预设条件包括终端的灭屏时刻属于指定时间区间且终端的灭屏时间差大于或等于指定时间差阈值。

6.根据权利要求5所述的数据处理装置，其特征在于，所述业务数据还包括终端状态标签，所述终端状态标签用于指示当采集终端的业务数据时所述终端是否处于睡眠状态；

所述数据获取模块，包括：

第二数据获取子模块，用于获取至少两组业务数据；

第二数据区分子模块，用于根据所述业务数据的终端状态标签在所述至少两组业务数据中确定睡眠状态业务数据与非睡眠状态业务数据。

7.一种数据处理装置，其特征在于，包括：

数据采集模块，用于采集终端的睡眠状态业务数据与所述终端的非睡眠状态业务数据，所述睡眠状态业务数据为在终端处于睡眠状态时所采集的业务数据，所述非睡眠状态业务数据为在终端处于非睡眠状态时所采集的业务数据，所述业务数据至少包括终端的灭屏时刻、所述终端的灭屏时间差、所述终端所在位置的磁感应强度、所述终端所在位置的光照强度、所述终端与其他物体之间的距离以及所述终端的重力参数，其中所述终端的灭屏时间差为采集所述终端的业务数据的时刻与所述灭屏时刻之间的时间差；

数据发送模块，用于向服务器发送所述睡眠状态业务数据与所述非睡眠状态业务数据，使所述服务器根据预设的深度学习算法对所述睡眠状态业务数据以及所述非睡眠状态业务数据进行训练以获取终端睡眠状态模型；

所述数据采集模块包括：

数据采集子模块，用于采集至少两组业务数据；

数据区分子模块，用于在所述至少两组业务数据中确定满足预设条件的睡眠状态业务数据与不满足预设条件的非睡眠状态业务数据；

所述预设条件包括终端的灭屏时刻属于指定时间区间且终端的灭屏时间差大于或等于指定时间差阈值。

8.根据权利要求7所述的数据处理装置，其特征在于，其特征在于，所述数据采集模块包括：

标签添加子模块，用于在所述睡眠状态业务数据中添加用于指示当采集终端的业务数据时所述终端处于睡眠状态的第一终端状态标签，在所述非睡眠状态业务数据中添加用于指示当采集终端的业务数据时所述终端处于非睡眠状态的第二终端状态标签。

9.一种数据处理装置，其特征在于，包括：

处理器；

用于存储处理器可执行指令的存储器；

其中，所述处理器被配置为：

获取睡眠状态业务数据与非睡眠状态业务数据，所述睡眠状态业务数据为在终端处于睡眠状态时所采集的业务数据，所述非睡眠状态业务数据为在终端处于非睡眠状态时所采集的业务数据，所述业务数据至少包括终端的灭屏时刻、所述终端的灭屏时间差、所述终端所在位置的磁感应强度、所述终端所在位置的光照强度、所述终端与其他物体之间的距离以及所述终端的重力参数，其中所述终端的灭屏时间差为采集所述终端的业务数据的时刻与所述灭屏时刻之间的时间差；

根据预设的深度学习算法对所述睡眠状态业务数据以及所述非睡眠状态业务数据进行训练以获取终端睡眠状态模型；

所述获取睡眠状态业务数据与非睡眠状态业务数据，包括：

获取至少两组业务数据；

在所述至少两组业务数据中确定满足预设条件的睡眠状态业务数据与不满足预设条件的非睡眠状态业务数据；

所述预设条件包括终端的灭屏时刻属于指定时间区间且终端的灭屏时间差大于或等于指定时间差阈值。

10.一种计算机可读存储介质，其上存储有计算机指令，其特征在于，该指令被处理器执行时实现权利要求1-4任一项所述方法的步骤。

Images