CN111796979A - 数据采集策略的确定方法、装置、存储介质及电子设备 - Google Patents

Abstract

本申请公开了一种数据采集策略的确定方法、装置、存储介质及电子设备。该方法包括：获取预设的多个信息集合，各信息集合至少包含一个元素；根据该多个信息集合中的元素，构建数据采集策略；根据构建的数据采集策略进行数据采集，得到采集到的数据，并根据该采集到的数据对预设任务的数据采集策略进行学习，得到学习结果；当检测到该学习结果满足预设条件时，将满足该预设条件的学习结果对应的数据采集策略确定为该预设任务对应的目标数据采集策略；当检测到该学习结果不满足预设条件时，触发执行该根据该多个信息集合中的元素构建数据采集策略。本申请实施例可以提高电子设备进行数据采集的智能化程度。

Description

数据采集策略的确定方法、装置、存储介质及电子设备

技术领域

本申请属于电子设备技术领域，尤其涉及一种数据采集策略的确定方法、装置、存储介质及电子设备。

背景技术

随着技术的不断发展，电子设备的硬件和软件配置不断提升。比如，在硬件方面，电子设备上可以集成诸如陀螺仪传感器、环境光传感器、接近传感器等各种传感器。而在软件方面，电子设备上可以运行各种人工智能算法。相关技术中，电子设备可以通过硬件和软件技术来采集各种数据，如环境参数值以及用户的操作行为数据等，并根据这些数据来执行一定的操作。然而，相关技术中，电子设备进行数据采集的智能化程度较低。

发明内容

本申请实施例提供一种数据采集策略的确定方法、装置、存储介质及电子设备，可以提高电子设备进行数据采集的智能化程度。

本申请实施例提供一种数据采集策略的确定方法，包括：

获取预设的多个信息集合，各信息集合至少包含一个元素；

根据所述多个信息集合中的元素，构建数据采集策略；

根据构建的数据采集策略进行数据采集，得到采集到的数据，并根据所述采集到的数据对预设任务的数据采集策略进行学习，得到学习结果；

当检测到所述学习结果满足预设条件时，将满足所述预设条件的学习结果对应的数据采集策略确定为所述预设任务对应的目标数据采集策略；

当检测到所述学习结果不满足预设条件时，触发执行所述根据所述多个信息集合中的元素构建数据采集策略。

本申请实施例提供一种数据采集策略的确定装置，包括：

获取模块，用于获取预设的多个信息集合，各信息集合至少包含一个元素；

构建模块，用于根据所述多个信息集合中的元素，构建数据采集策略；

学习模块，用于根据构建的数据采集策略进行数据采集，得到采集到的数据，并根据所述采集到的数据对预设任务的数据采集策略进行学习，得到学习结果；

确定模块，用于当检测到所述学习结果满足预设条件时，将满足所述预设条件的学习结果对应的数据采集策略确定为所述预设任务对应的目标数据采集策略；

触发模块，用于当检测到所述学习结果不满足预设条件时，触发执行所述根据所述多个信息集合中的元素构建数据采集策略。

本申请实施例提供一种存储介质，其上存储有计算机程序，当所述计算机程序在计算机上执行时，使得所述计算机执行本申请实施例提供的数据采集策略的确定方法。

本申请实施例还提供一种电子设备，包括存储器，处理器，所述处理器通过调用所述存储器中存储的计算机程序，用于执行本申请实施例提供的数据采集策略的确定方法。

本实施例中，电子设备可以通过自适应地学习得到预设任务所需的目标数据采集策略。相比于人为设置固定的数据采集策略的方式，由于本实施是自适应学习得到的数据采集策略，因此本实施例可以提高电子设备为预设任务确定数据采集策略的智能化程度，即本实施例可以提高电子设备进行数据采集的智能化程度。

附图说明

下面结合附图，通过对本申请的具体实施方式详细描述，将使本申请的技术方案及其有益效果显而易见。

图1是本申请实施例提供的电子设备的全景感知架构的示意图。

图2是本实施例提供的数据采集策略的确定方法的第一种流程示意图。

图3是本实施例提供的数据采集策略的确定方法的第二种流程示意图。

图4是本实施例提供的数据采集策略的确定方法的第三种流程示意图。

图5至图9是本实施例提供的数据采集策略的确定方法的场景示意图。

图10是本申请实施例提供的数据采集策略的确定装置的结构示意图。

图11是本申请实施例提供的电子设备的结构示意图。

图12是本申请实施例提供的电子设备的另一结构示意图。

具体实施方式

请参照图示，其中相同的组件符号代表相同的组件，本申请的原理是以实施在一适当的运算环境中来举例说明。以下的说明是基于所例示的本申请具体实施例，其不应被视为限制本申请未在此详述的其它具体实施例。

请参考图1，图1为本申请实施例提供的数据收集方法的应用场景示意图。该数据收集方法可以应用于电子设备。该电子设备中设置有全景感知架构。该全景感知架构为电子设备中用于实现该数据收集方法的硬件和软件的集成。

其中，全景感知架构包括信息感知层、数据处理层、特征抽取层、情景建模层以及智能服务层。

信息感知层用于获取电子设备自身的信息或者外部环境中的信息。该信息感知层可以包括多个传感器。例如，该信息感知层包括距离传感器、磁场传感器、光线传感器、加速度传感器、指纹传感器、霍尔传感器、位置传感器、陀螺仪、惯性传感器、姿态感应器、气压计、心率传感器等多个传感器。

其中，距离传感器可以用于检测电子设备与外部物体之间的距离。磁场传感器可以用于检测电子设备所处环境的磁场信息。光线传感器可以用于检测电子设备所处环境的光线信息。加速度传感器可以用于检测电子设备的加速度数据。指纹传感器可以用于采集用户的指纹信息。霍尔传感器是根据霍尔效应制作的一种磁场传感器，可以用于实现电子设备的自动控制。位置传感器可以用于检测电子设备当前所处的地理位置。陀螺仪可以用于检测电子设备在各个方向上的角速度。惯性传感器可以用于检测电子设备的运动数据。姿态感应器可以用于感应电子设备的姿态信息。气压计可以用于检测电子设备所处环境的气压。心率传感器可以用于检测用户的心率信息。

数据处理层用于对信息感知层获取到的数据进行处理。例如，数据处理层可以对信息感知层获取到的数据进行数据清理、数据集成、数据变换、数据归约等处理。

其中，数据清理是指对信息感知层获取到的大量数据进行清理，以剔除无效数据和重复数据。数据集成是指将信息感知层获取到的多个单维度数据集成到一个更高或者更抽象的维度，以对多个单维度的数据进行综合处理。数据变换是指对信息感知层获取到的数据进行数据类型的转换或者格式的转换等，以使变换后的数据满足处理的需求。数据归约是指在尽可能保持数据原貌的前提下，最大限度的精简数据量。

特征抽取层用于对数据处理层处理后的数据进行特征抽取，以提取该数据中包括的特征。提取到的特征可以反映出电子设备自身的状态或者用户的状态或者电子设备所处环境的环境状态等。

其中，特征抽取层可以通过过滤法、包装法、集成法等方法来提取特征或者对提取到的特征进行处理。

过滤法是指对提取到的特征进行过滤，以删除冗余的特征数据。包装法用于对提取到的特征进行筛选。集成法是指将多种特征提取方法集成到一起，以构建一种更加高效、更加准确的特征提取方法，用于提取特征。

情景建模层用于根据特征抽取层提取到的特征来构建模型，所得到的模型可以用于表示电子设备的状态或者用户的状态或者环境状态等。例如，情景建模层可以根据特征抽取层提取到的特征来构建关键值模型、模式标识模型、图模型、实体联系模型、面向对象模型等。

智能服务层用于根据情景建模层所构建的模型为用户提供智能化的服务。例如，智能服务层可以为用户提供基础应用服务，可以为电子设备进行系统智能优化，还可以为用户提供个性化智能服务。

此外，全景感知架构中还可以包括多种算法，每一种算法都可以用于对数据进行分析处理，该多种算法可以构成算法库。例如，该算法库中可以包括马尔科夫算法、隐含狄里克雷分布算法、贝叶斯分类算法、支持向量机、K均值聚类算法、K近邻算法、条件随机场、残差网络、长短期记忆网络、卷积神经网络、循环神经网络等算法。

可以理解的是，本申请实施例的执行主体可以是诸如智能手机或平板电脑等的电子设备。

请参阅图2，图2是本申请实施例提供的数据采集策略的确定方法的流程示意图，流程可以包括：

在101中，获取预设的多个信息集合，各信息集合至少包含一个元素。

随着技术的不断发展，电子设备的硬件和软件配置不断提升。比如，在硬件方面，电子设备上可以集成诸如陀螺仪传感器、环境光传感器、接近传感器等各种传感器。而在软件方面，电子设备上可以运行各种人工智能算法。相关技术中，电子设备可以通过硬件和软件技术来采集各种数据，如环境参数值以及用户的操作行为数据等，并根据这些数据来执行一定的操作。然而，相关技术中，电子设备一般是根据人为预先设置的固定的数据采集策略来进行数据采集操作，即电子设备进行数据采集的智能化程度较低。

在本申请实施例的101中，电子设备可以先获取预设的多个信息集合，各信息集合至少包含一个元素。可以理解的是，信息集合中的元素可以表示某一类的具体信息。例如，信息集合中的元素可以用于表示数据采集频率。例如，信息集合为{12,14,16,18,20}，其中数字12表示的数据采集频率为每分钟采集12次，数字14表示的数据采集频率为每分钟采集14次，数字16表示的数据采集频率为每分钟采集16次，数字18表示的数据采集频率为每分钟采集18次，数字20表示的数据采集频率为每分钟采集20次，等等。

在102中，根据多个信息集合中的元素，构建数据采集策略。

在103中，根据构建的数据采集策略进行数据采集，得到采集到的数据，并根据采集到的数据对预设任务的数据采集策略进行学习，得到学习结果。

比如，102和103可以包括：

在获取到预设的多个信息集合后，电子设备可以根据该多个信息集合中的元素构建数据采集策略。

在构建得到数据采集策略后，电子设备可以根据该构建得到的数据采集策略进行数据采集，从而得到采集到的数据。之后，电子设备可以根据该采集到的数据对预设任务的数据采集策略进行学习，得到学习结果。可以理解的是，对预设任务的数据采集策略进行学习即要学习出适合该预设任务的数据采集策略。

在得到学习结果后，电子设备可以检测该学习结果是否满足预设条件。

如果检测到该学习结果满足预设条件，则可以进入104中。

如果检测到该学习结果不满足预设条件，则可以进入105中。

在104中，当检测到学习结果满足预设条件时，将满足该预设条件的学习结果对应的数据采集策略确定为预设任务对应的目标数据采集策略。

比如，预设任务为场景识别任务。那么，电子设备可以根据流程102中构建出来的数据采集策略进行数据采集，得到采集到的数据，并根据采集到的数据对场景识别任务所需的数据采集策略进行学习，得到学习结果，其中该学习结果可以是利用构建得到的数据采集策略进行场景识别的准确度。预设条件则可以是准确度达到一定的阈值。例如，预设条件可以为准确度达到90％，即场景识别的准确度达到90％。

比如，当检测到学习结果满足预设条件时，电子设备可以将满足该预设条件的学习结果对应的数据采集策略确定为预设任务对应的目标数据采集策略。

例如，电子设备构建了一条数据采集策略A，并利用该数据采集策略A进行了数据采集，得到采集到的数据。电子设备利用该采集到的数据对场景识别任务所需的数据采集策略进行学习，得到该数据采集策略A对应的学习结果。例如，电子设备检测到场景识别任务在利用数据采集策略A进行数据采集时，该电子设备根据采集到的数据进行场景识别时其识别的准确度达到95％，超过预设的90％的准确度阈值。即，电子设备检测到该学习结果满足预设条件，则电子设备可以将数据采集策略A确定为场景识别任务的目标数据采集策略。即，电子设备可以在以后的执行场景识别任务时采用数据采集策略A进行数据采集。

在105中，当检测到学习结果不满足预设条件时，触发执行根据多个信息集合中的元素构建数据采集策略。

比如，当检测到学习结果不满足预设条件时，可以触发电子设备执行102中根据多个信息集合中的元素构建数据采集策略的流程，并对应执行103至105的流程。

例如，电子设备构建了一条数据采集策略B，并利用该数据采集策略B进行了数据采集，得到采集到的数据。电子设备利用该采集到的数据对场景识别任务所需的数据采集策略进行学习，得到该数据采集策略B对应的学习结果。例如，电子设备检测到场景识别任务在利用数据采集策略B进行数据采集时，该电子设备根据采集到的数据进行场景识别时其识别的准确度仅有65％，未达到预设的90％的准确度阈值。即，电子设备检测到该学习结果不满足预设条件，则电子设备可以根据多个信息集合中的元素，再次构建一个新的数据采集策略。例如，电子设备构建了一个新的数据采集策略C。之后，电子设备可以根据数据采集策略C进行数据采集，得到采集到的数据，并根据采集到的数据对预设任务的数据采集策略进行学习，得到学习结果。若该学习结果满足预设条件，则电子设备可以将满足该数据采集策略C确定为预设任务对应的目标数据采集策略。若该学习结果仍然不满足预设条件，则电子设备可以继续构建新的数据采集策略，并对应执行后续流程，直至最终得到的学习结果满足预设条件，从而确定出预设任务的目标数据采集策略为止。

可以理解的是，本实施例中，电子设备可以通过自适应地学习得到预设任务所需的目标数据采集策略。相比于人为设置固定的数据采集策略的方式，由于本实施是自适应学习得到的数据采集策略，因此本实施例可以提高电子设备为预设任务确定数据采集策略的智能化程度，即本实施例可以提高电子设备进行数据采集的智能化程度。

需要说明的是，本实施例提供的数据采集策略的确定方法可以应用于图1所示的全景感知架构中的信息感知层。本实施例提供的数据采集策略的确定方法可以使电子设备对自身的数据采集策略进行调整，并根据调整后的策略进行数据收集。之后，电子设备可以将收集到的数据输入到数据处理层中进行处理，经数据处理层处理的数据可以被输入到特征提取层进行特征提取，情景建模层则可以根据特征提取层提取到的数据特征进行建模。经建模得到的数据可以被输入到智能服务层，智能服务层可以根据该数据为电子设备的用户提供智能服务，例如为用户推送适于当前情景的信息等。

请参阅图3，图3为本申请实施例提供的数据采集策略的确定方法的第二种流程示意图，流程可以包括：

在201中，电子设备获取预设的多个信息集合，该多个信息集合至少包括第一集合、第二集合和第三集合，第一集合中包含的元素为数据采集频率，第二集合中包含的元素为数据采集触发条件，第三集合中包含的元素为数据类型，第一集合、第二集合和第三集合均至少包含一个元素。

比如，电子设备可以获取预设的三个信息集合，分别为第一集合、第二结合和第三集合。其中，该第一集合包含的元素为数据采集频率，该第二集合中包含的元素为数据采集触发条件，该第三集合中包含的元素为数据类型。上述第一集合、第二集合和第三集合均至少包含一个元素。

例如，第一集合可以为{12,14,16,18,20}，其中数字12表示的数据采集频率为每分钟采集12次，数字14表示的数据采集频率为每分钟采集14次，数字16表示的数据采集频率为每分钟采集16次，数字18表示的数据采集频率为每分钟采集18次，数字20表示的数据采集频率为每分钟采集20次，等等。

第二集合可以为{电子设备重启，应用开启，应用切换到后台，剩余电量低于预设阈值，电量充满，连接到无线网络，网络连接断开，位置发生移动}。其中，“电子设备重启”表示的数据采集触发条件为当电子设备重启时触发数据采集。“应用开启”表示的数据采集触发条件为当应用被打开时触发数据采集。“应用切换到后台”表示的数据采集触发条件为当应用被切换到后台时触发数据采集。“剩余电量低于预设阈值”表示的数据采集触发条件为当电子设备的剩余电量低于预设阈值时触发数据采集。“电量充满”表示的数据采集触发条件为当电池充满电时触发数据采集。“连接到无线网络”表示的数据采集触发条件为当电子设备连接到诸如WIFI或者移动数据通信网络时触发数据采集。“网络连接断开”表示的数据采集触发条件为当电子设备断开网络连接时触发数据采集。“位置发生移动”表示的数据采集触发条件为当电子设备的位置发生移动时触发数据采集，等等。

第三集合可以为{环境光亮度值，GPS数据，陀螺仪传感器数据，噪声分贝数，指纹数据，气压数据}。其中，“环境光亮度值”表示电子设备采集环境光亮度类型的数据，“GPS数据”表示电子设备采集GPS类型的数据，“陀螺仪传感器数据”表示电子设备采集陀螺仪传感器的数据，“噪声分贝数”表示电子设备采集周围环境中的噪声分贝类型的数据，“指纹数据”表示电子设备采集指纹类型的数据，“气压数据”表示电子设备采集环境的气压类型的数据。

在202中，电子设备从第一集合中选取数据采集频率，从第二集合中选取数据采集触发条件，从第三集合中选取数据类型，根据选取的数据采集频率、数据采集触发条件和数据类型构建数据采集策略，构建得到的数据采集策略表示在对应的数据采集触发条件下以对应的数据采集频率采集对应的数据类型的数据。

比如，在获取到预设的第一集合、第二集合和第三集合后，电子设备可以从第一集合中选取数据采集频率，从第二集合中选取数据采集触发条件，并从第三集合中选取数据类型。例如，电子设备从第一集合{12,14,16,18,20}中选取数据采集频率12，从第二集合{电子设备重启，应用开启，应用切换到后台，剩余电量低于预设阈值，电量充满，连接到无线网络，网络连接断开，位置发生移动}中选取数据采集触发条件为电子设备重启，从第三集合{环境光亮度值，GPS数据，陀螺仪传感器数据，噪声分贝数，指纹数据，气压数据}中选取环境光亮度值、GPS数据、噪声分贝数这三个数据类型。

之后，电子设备可以根据选取的数据采集频率、数据采集触发条件和数据类型，构建一条数据采集策略，构建得到的数据采集策略表示在对应的数据采集触发条件下以对应的数据采集频率采集对应的数据类型的数据。例如，从第一集合中选取的数据采集频率为每分钟采集12次数据，从第二集合中选取的数据采集触发条件为电子设备重启，从第三集合中选取的数据类型为环境光亮度值、GPS数据、噪声分贝数这三个数据类型，那么电子设备可以构建出一条数据采集策略D，该数据采集策略D表示在电子设备重启时该电子设备以每分钟采集12次数据的频率采集环境光亮度值、GPS数据、噪声分贝数的数据。

在203中，电子设备根据构建的数据采集策略进行数据采集，得到采集到的数据，并根据该采集到的数据对预设任务的数据采集策略进行学习，得到学习结果。

比如，在202中构建得到数据采集策略D后，电子设备可以根据该数据采集策略D进行数据采集，得到采集到的数据。在得到该采集到的数据后，电子设备可以根据该采集到的数据对预设任务所需的数据采集策略进行学习，得到学习结果。例如，预设任务为场景识别任务。那么，电子设备可以根据依数据采集策略D采集到的数据对场景识别任务所需的数据采集策略进行学习，得到的学习结果为在使用数据采集策略D的情况下电子设备进行场景识别的准确度。

在204中，电子设备检测学习结果是否满足预设条件。

比如，在得到数据采集策略D对应的学习结果后，电子设备可以检测该学习结果是否满足预设条件。

例如，预设任务为场景识别任务，则预设条件可以为场景识别的准确度达到90％。

如果检测到学习结果满足预设条件，那么可以进入205中。

如果检测到学习结果不满足预设条件，那么可以进入206中。

在205中，当检测到学习结果满足预设条件时，电子设备将满足预设条件的学习结果对应的数据采集策略确定为预设任务对应的目标数据采集策略。

比如，电子设备检测到在使用数据采集策略D的情况下电子设备进行场景识别的准确度为92％，超过预设的90％的阈值，即数据采集策略D对应的学习结果满足预设条件，那么电子设备可以将数据采集策略D确定为预设的场景识别任务的目标数据采集策略。即，电子设备可以将数据采集策略D确定为适于场景识别任务的数据采集策略。之后，电子设备可以按照数据采集策略D来采集数据以完成场景识别任务。

在206中，当检测到学习结果不满足预设条件时，电子设备触发执行从第一集合中选取数据采集频率，从第二集合中选取数据采集触发条件，从第三集合中选取数据类型，根据选取的数据采集频率、数据采集触发条件和数据类型构建数据采集策略的流程，得到新的数据采集策略。

在207中，电子设备根据新的数据采集策略进行数据采集，得到新采集到的数据，并根据该新采集到的数据对预设任务的数据采集策略进行学习，得到新的学习结果。

比如，206和207可以包括：

在204中电子设备检测到在使用数据采集策略D的情况下电子设备进行场景识别的准确度为60％，未超过预设的90％的阈值，即数据采集策略D对应的学习结果不满足预设条件，那么可以触发电子设备执行202中从第一集合中选取数据采集频率，从第二集合中选取数据采集触发条件，从第三集合中选取数据类型，根据选取的数据采集频率、数据采集触发条件和数据类型构建数据采集策略的流程，以得到新的数据采集策略。

在206中得到的新的数据采集策略为E，那么电子设备可以根据新的数据采集策略E进行数据采集，得到新采集到的数据，并根据该新采集到的数据对预设任务所需的数据采集策略进行学习，得到新的学习结果。

在得到新的学习结果后，电子设备可以检测该新的学习结果是否满足预设条件。

如果检测到该新的学习结果仍然不满足预设条件，那么可以触发电子设备执行202中的从第一集合中选取数据采集频率，从第二集合中选取数据采集触发条件，从第三集合中选取数据类型，根据选取的数据采集频率、数据采集触发条件和数据类型构建数据采集策略的流程，得到新的数据采集策略。

如果检测到该新的学习结果满足预设条件，那么可以进入208中。

在208中，当检测到新的学习结果满足预设条件时，电子设备将该新的学习结果对应的新的数据采集策略确定为预设任务对应的目标数据采集策略。

比如，电子设备根据新的数据采集策略E得到的新的学习结果满足预设条件，那么电子设备可以将该新的数据采集策略E确定为预设任务对应的目标数据采集策略。

也就是说，在流程202至208中，当电子设备根据构建的数据采集策略对预设任务所需的数据采集策略进行学习时，若该构建的数据采集策略对应的学习结果不满足预设条件，那么电子设备可以重新构建一条数据采集策略，并根据该重新构建的数据采集策略对预设任务所需的数据采集策略再次进行学习，直至最新构建的数据采集策略对应的学习结果满足预设条件，此时电子设备可以将该最新构建的数据采集策略确定为预设任务的目标数据采集策略。

在一种实施方式中，在207中得到新的学习结果的流程之后，本实施例还可以包括：

当检测到该新的学习结果不满足预设条件时，电子设备获取上一次的学习结果；

若该新的学习结果优于该上一次的学习结果，则电子设备对新的数据采集策略进行优化，得到优化后的数据采集策略；

根据该优化后的数据采集策略，电子设备对预设任务的数据采集策略进行学习，直至最新得到的学习结果满足预设条件，并将满足预设条件的最新得到的学习结果对应的数据采集策略确定为预设任务对应的目标数据采集策略。

比如，在206中得到的新的数据采集策略为E，那么电子设备可以根据新的数据采集策略E进行数据采集，得到新采集到的数据，并根据该新采集到的数据对预设任务所需的数据采集策略进行学习，得到新的学习结果，即学习结果e。之后，电子设备检测到该学习结果e不满足预设条件。此时，电子设备可以获取上一次的学习结果。例如，上一次使用的数据采集策略为D，其对应的学习结果为d。那么，电子设备可以比较学习结果e是否优于学习结果d。

如果检测到学习结果e优于学习结果d，那么电子设备可以对数据采集策略E进行优化，得到优化后的数据采集策略，例如优化后的数据采集策略为F。

之后，电子设备可以根据该优化后的数据采集策略F对预设任务所需的数据采集策略进行学习。若该优化后的数据采集策略F对应的学习结果满足预设条件，那么电子设备可以将该数据采集策略F确定为预设任务对应的目标数据采集策略。若该优化后的数据采集策略F对应的学习结果仍然不满足预设条件，那么电子设备可以再次构建一新的数据采集策略并进行学习，直至最新构建的数据采集策略对应的学习结果满足预设条件，此时电子设备可以将满足预设条件的最新得到的学习结果所对应的最新构建的数据采集策略确定为预设任务的目标数据采集策略。

在一种实施方式中，对数据采集策略进行优化可以是在优化前的数据采集策略的基础上提高数据采集频率或者增加需要采集的数据类型。例如，数据采集策略E为在GPS打开时(数据采集触发条件)以每分钟采集12次数据的频率采集GPS数据、加速度传感器数据、陀螺仪传感器数据进行场景识别，依照该数据采集策略E采集到的数据用于场景识别时，识别准确度达到了88％，优于上一次的数据采集策略D对应的识别准确度80％。那么，电子设备可以对数据采集策略E进行优化，例如将数据采集频率由每分钟采集12次数据提高到每分钟采集16次数据，得到优化后的数据采集策略F。例如，优化后的数据采集策略F为：在GPS打开时(数据采集触发条件)以每分钟采集16次数据的频率采集GPS数据、加速度传感器数据、陀螺仪传感器数据进行场景识别，等等。

在本实施例中，以预设任务为场景识别任务为例，对场景识别任务所需的数据采集策略进行学习得到的学习结果为场景识别的准确度。那么，当学习结果e对应的场景识别的准确度高于学习结果d对应的场景识别的准确度时，可以确定学习结果e优于学习结果d。当学习结果e对应的场景识别的准确度低于学习结果d对应的场景识别的准确度时，可以确定学习结果e差于学习结果d。

在一种实施方式中，在207中得到新的学习结果的流程之后，本实施例还可以包括：

当检测到该新的学习结果不满足预设条件时，电子设备获取上一次的学习结果；

若该新的学习结果差于该上一次的学习结果，则触发执行从第一集合中选取数据采集频率，从第二集合中选取数据采集触发条件，从第三集合中选取数据类型，根据选取的数据采集频率、数据采集触发条件和数据类型构建数据采集策略。

比如，在206中得到的新的数据采集策略为E，那么电子设备可以根据新的数据采集策略E进行数据采集，得到新采集到的数据，并根据该新采集到的数据对预设任务所需的数据采集策略进行学习，得到新的学习结果，即学习结果e。之后，电子设备检测到该学习结果e不满足预设条件。此时，电子设备可以获取上一次的学习结果。例如，上一次使用的数据采集策略为D，其对应的学习结果为d。那么，电子设备可以比较学习结果e是否优于学习结果d。

如果检测到学习结果e差于学习结果d，那么可以触发电子设备执行202中从第二集合中选取数据采集触发条件，从第三集合中选取数据类型，根据选取的数据采集频率、数据采集触发条件和数据类型构建数据采集策略的流程。例如重新构建的数据采集策略为G。

之后，电子设备可以根据该数据采集策略G对预设任务所需的数据采集策略进行学习。若该数据采集策略G对应的学习结果满足预设条件，那么电子设备可以将该数据采集策略G确定为预设任务对应的目标数据采集策略。若该数据采集策略G对应的学习结果仍然不满足预设条件，那么电子设备可以再次构建一新的数据采集策略并进行学习，直至最新构建的数据采集策略对应的学习结果满足预设条件，此时电子设备可以将满足预设条件的最新得到的学习结果所对应的最新构建的数据采集策略确定为预设任务的目标数据采集策略。

在一种实施方式中，本实施例203中根据采集到的数据对预设任务的数据采集策略进行学习，得到学习结果的流程，可以包括：

电子设备根据采集到的数据对预设的场景识别任务的数据采集策略进行学习，统计使用构建的数据采集策略进行场景识别的准确度；

电子设备将该准确度确定为学习结果。

比如，预设任务可以为场景识别任务，那么电子设备可以根据依构建的数据采集策略采集到的数据对场景识别任务所需的数据采集策略进行学习，并将使用该构建的数据采集策略进行场景识别的准确度确定为该构建的数据采集策略对应的学习结果。

在另一种实施方式中，本实施例203中根据采集到的数据对预设任务的数据采集策略进行学习，得到学习结果的流程，可以包括：

电子设备根据采集到的数据对预设的信息推荐任务的数据采集策略进行学习，统计使用构建的数据采集策略进行信息推荐的精确度；

电子设备将该精确度确定为学习结果。

比如，预设任务可以为信息推荐任务，那么电子设备可以根据依构建的数据采集策略采集到的数据对信息推荐任务所需的数据采集策略进行学习，并将使用该构建的数据采集策略进行信息推荐的准确度确定为该构建的数据采集策略对应的学习结果。

请同时参阅图4，图4是本实施例提供的数据采集策略的确定方法的第三种流程示意图。

比如，在211中，电子设备可以先获取预设的三个信息集合，分别为第一集合、第二结合和第三集合。其中，该第一集合包含的元素为数据采集频率，该第二集合中包含的元素为数据采集触发条件，该第三集合中包含的元素为数据类型。上述第一集合、第二集合和第三集合均至少包含一个元素。

在获取到预设的第一集合、第二集合和第三集合后，在流程212中，电子设备可以从第一集合中选取数据采集频率，从第二集合中选取数据采集触发条件，并从第三集合中选取数据类型。然后，电子设备可以根据选取的数据采集频率、数据采集触发条件和数据类型，构建一条数据采集策略，构建得到的数据采集策略表示在对应的数据采集触发条件下以对应的数据采集频率采集对应的数据类型的数据。

在构建得到数据采集策略后，在流程213中，电子设备可以根据该采集到的数据对预设任务所需的数据采集策略进行学习，得到学习结果。

在214中，电子设备可以检测该学习结果是否满足预设条件。

在215中，如果检测到该学习结果满足预设条件，那么电子设备可以将满足预设条件的学习结果对应的数据采集策略确定为预设任务对应的目标数据采集策略。

如果检测到该学习结果不满足预设条件，那么可以触发电子设备执行212中的流程，重新构建一条不同于之前构建的、新的数据采集策略，再根据该重新构建的数据采集策略对预设任务所需的数据采集策略进行学习。即，只要电子设备未学习得到满足预设条件的学习结果对应的数据采集策略，那么电子设备就会循环地构建新的数据采集策略，再根据该新的数据采集策略对预设任务所需的数据采集策略进行学习，直至最终学习得到目标数据采集策略，或者电子设备无法构建出新的数据采集策略用于学习。

请参阅图5至图9，图5至图9为本申请实施例提供的数据采集策略的确定方法的场景示意图。

在本实施例中，电子设备可以采用强化学习(Reinforcement Learning)的方式对场景识别任务所需的数据采集策略(包括数据采集频率、数据采集触发条件和数据类型)进行学习。在强化学习中，电子设备为智能体(Agent)，场景识别的准确度为强化学习的奖励(Reward)，将按照构建的数据采集策略采集到的数据下的电子设备所处的状态作为强化学习的状态(State)，智能体即电子设备所能采取的动作(Action)为调整数据采集频率、数据采集触发条件和数据类型，从而构建得到新的数据采集策略。

例如，电子设备中预先设置有三个信息集合，分别为第一集合、第二结合和第三集合。其中，该第一集合包含的元素为数据采集频率，该第二集合中包含的元素为数据采集触发条件，该第三集合中包含的元素为数据类型。

例如，第一集合可以为{12,14,16,18,20}，其中数字12表示的数据采集频率为每分钟采集12次，数字14表示的数据采集频率为每分钟采集14次，数字16表示的数据采集频率为每分钟采集16次，数字18表示的数据采集频率为每分钟采集18次，数字20表示的数据采集频率为每分钟采集20次，等等。

第二集合可以为{电子设备重启，应用开启，应用切换到后台，剩余电量低于预设阈值，电量充满，连接到无线网络，网络连接断开，位置发生移动，GPS打开}。其中，“电子设备重启”表示的数据采集触发条件为当电子设备重启时触发数据采集。“应用开启”表示的数据采集触发条件为当应用被打开时触发数据采集。“应用切换到后台”表示的数据采集触发条件为当应用被切换到后台时触发数据采集。“剩余电量低于预设阈值”表示的数据采集触发条件为当电子设备的剩余电量低于预设阈值时触发数据采集。“电量充满”表示的数据采集触发条件为当电池充满电时触发数据采集。“连接到无线网络”表示的数据采集触发条件为当电子设备连接到诸如WIFI或者移动数据通信网络时触发数据采集。“网络连接断开”表示的数据采集触发条件为当电子设备断开网络连接时触发数据采集。“位置发生移动”表示的数据采集触发条件为当电子设备的位置发生移动时触发数据采集，等等。

第三集合可以为{环境光亮度值，GPS数据，陀螺仪传感器数据，加速度传感器数据，噪声分贝数，指纹数据，气压数据}。其中，“环境光亮度值”表示电子设备采集环境光亮度类型的数据，“GPS数据”表示电子设备采集GPS类型的数据，“陀螺仪传感器数据”表示电子设备采集陀螺仪传感器的数据，“噪声分贝数”表示电子设备采集周围环境中的噪声分贝类型的数据，“指纹数据”表示电子设备采集指纹类型的数据，“气压数据”表示电子设备采集环境的气压类型的数据。

电子设备需要对场景识别的任务所需的数据采集策略进行学习。那么，电子设备首先可以随机地从第一集合中选取数据采集频率，从第二集合中选取数据采集触发条件，从第三集合中选取数据类型。然后，电子设备可以根据选取的数据采集频率、数据采集触发条件和数据类型构建数据采集策略，构建得到的数据采集策略表示在对应的数据采集触发条件下以对应的数据采集频率采集对应的数据类型的数据。例如，电子设备构建的第一条数据采集策略为H，该数据采集策略H为在GPS打开时以每分钟采集12次数据的频率采集GPS数据和陀螺仪传感器数据进行场景识别，如图5所示。

在构建得到该数据采集策略H后，电子设备可以按照该数据采集策略H进行数据采集，得到采集到的数据。然后，电子设备可以根据该采集到的数据对场景识别任务所需的数据采集策略进行学习，获得学习结果。例如，电子设备根据采集到的数据进行场景识别，并统计场景识别的准确度，将该准确度确定为学习结果。

例如，电子设备根据数据采集策略H采集到的数据进行场景识别时的准确度为60％。而预设的准确度阈值为90％。即，数据采集策略H对应的识别准确度未达到预设的90％的准确度。在这种情况下，电子设备可以从第一集合中重新选取数据采集频率，从第二集合中重新选取数据采集触发条件，从第三集合中重新选取数据类型。然后，电子设备可以根据重新选取的数据采集频率、数据采集触发条件和数据类型，重新构建一条数据采集策略K。例如，数据采集策略K为在GPS打开时以每分钟采集16次数据的频率采集GPS数据、加速度传感器数据、陀螺仪传感器数据进行场景识别，如图6所示。

在构建得到该数据采集策略K后，电子设备可以按照该数据采集策略K进行数据采集，得到新采集到的数据。然后，电子设备可以根据该新采集到的数据对场景识别任务所需的数据采集策略进行学习，获得学习结果。例如，电子设备根据新采集到的数据进行场景识别，并统计场景识别的准确度，将该准确度确定为学习结果。

例如，电子设备根据数据采集策略K采集到的数据进行场景识别时的准确度为95％，高于预设的准确度阈值为90％。由于数据采集策略K对应的识别准确度超过预设的90％的准确度，因此电子设备可以将数据采集策略K确定为场景识别任务对应的目标数据采集策略。

若在数据采集策略H之后重新构建的数据采集策略为M，该数据采集策略M为在电子设备开机时以每分钟采集12次数据的频率采集GPS数据和加速度传感器数据进行场景识别，如图7所示。电子设备根据数据采集策略M采集到的数据进行场景识别时的准确度为50％，低于预设的准确度阈值为90％，并且低于上一次使用数据采集策略H时对应的准确度60％。即，电子设备可以确定出数据采集策略K差于数据采集策略H。在这种情况下，电子设备可以采用Q-learning算法再次调整数据采集策略，从第一集合中重新选取数据采集频率，从第二集合中重新选取数据采集触发条件，从第三集合中重新选取数据类型。然后，电子设备可以根据重新选取的数据采集频率、数据采集触发条件和数据类型，重新构建一条数据采集策略N。例如，数据采集策略N为在GPS打开时以每分钟采集12次数据的频率采集GPS数据、加速度传感器数据、陀螺仪传感器数据进行场景识别，如图8所示。

在构建出数据采集策略N之后，电子设备根据数据采集策略N采集到的数据进行场景识别时的准确度为80％，低于预设的准确度阈值为90％，但高于上一次使用数据采集策略M时对应的准确度50％。即，电子设备可以确定出数据采集策略N优于数据采集策略M。在这种情况下，电子设备可以对数据采集策略N进行优化，例如提高数据采集频率，优化后的数据采集策略为R。例如，该数据采集策略R为在GPS打开时以每分钟采集18次数据的频率采集GPS数据、加速度传感器数据、陀螺仪传感器数据进行场景识别，如图9所示。

在得到该数据采集策略R后，电子设备可以按照该数据采集策略R进行数据采集，得到新采集到的数据。然后，电子设备可以根据该新采集到的数据进行场景识别时的准确度为92％，高于预设的准确度阈值为90％。由于数据采集策略R对应的识别准确度超过预设的90％的准确度，因此电子设备可以将数据采集策略R确定为场景识别任务对应的目标数据采集策略。

可以理解的是，本实施例中，电子设备可以通过自适应的强化学习来学习得到场景识别任务所需的数据采集策略。因此，本实施例可以提高电子设备进行数据采集的智能化程度，而不需人为设置规定的数据采集策略。并且，自适应学习得到的数据采集策略对于场景识别任务而言更具有针对性，而且根据学习得到的数据采集策略可以为电子设备进行场景识别任务提供更好的数据基础。

请参阅图10，图10为本申请实施例提供的数据采集策略的确定装置的结构示意图。数据采集策略的确定装置300可以包括：获取模块301，构建模块302，学习模块303，确定模块304，触发模块305。

获取模块301，用于获取预设的多个信息集合，各信息集合至少包含一个元素。

构建模块302，用于根据所述多个信息集合中的元素，构建数据采集策略。

学习模块303，用于根据构建的数据采集策略进行数据采集，得到采集到的数据，并根据所述采集到的数据对预设任务的数据采集策略进行学习，得到学习结果。

确定模块304，用于当检测到所述学习结果满足预设条件时，将满足所述预设条件的学习结果对应的数据采集策略确定为所述预设任务对应的目标数据采集策略。

触发模块305，用于当检测到所述学习结果不满足预设条件时，触发执行所述根据所述多个信息集合中的元素构建数据采集策略。

在一种实施方式中，所述获取模块301可以用于：

获取预设的多个信息集合，所述多个信息集合至少包括第一集合、第二集合和第三集合，所述第一集合中包含的元素为数据采集频率，所述第二集合中包含的元素为数据采集触发条件，所述第三集合中包含的元素为数据类型，所述第一集合、第二集合和第三集合均至少包含一个元素；

那么，构建模块302可以用于：从所述第一集合中选取数据采集频率，从所述第二集合中选取数据采集触发条件，从所述第三集合中选取数据类型，根据选取的数据采集频率、数据采集触发条件和数据类型构建数据采集策略，构建得到的数据采集策略表示在对应的数据采集触发条件下以对应的数据采集频率采集对应的数据类型的数据。

在一种实施方式中，所述触发模块305可以用于：

当检测到所述学习结果不满足预设条件时，触发执行所述根据所述多个信息集合中的元素构建数据采集策略，得到新的数据采集策略；

根据所述新的数据采集策略进行数据采集，得到新采集到的数据，并根据所述新采集到的数据对预设任务的数据采集策略进行学习，得到新的学习结果；

当检测到所述新的学习结果满足所述预设条件时，将所述新的学习结果对应的所述新的数据采集策略确定为所述预设任务对应的目标数据采集策略。

在一种实施方式中，所述触发模块305还可以用于：

当检测到所述新的学习结果不满足所述预设条件时，获取上一次的学习结果；

若所述新的学习结果优于所述上一次的学习结果，则对所述新的数据采集策略进行优化，得到优化后的数据采集策略；

根据所述优化后的数据采集策略，对所述预设任务的数据采集策略进行学习，直至最新得到的学习结果满足所述预设条件，并将满足所述预设条件的最新得到的学习结果对应的数据采集策略确定为所述预设任务对应的目标数据采集策略。

在一种实施方式中，所述触发模块305还可以用于：

当检测到所述新的学习结果不满足所述预设条件时，获取上一次的学习结果；

若所述新的学习结果差于所述上一次的学习结果，则触发执行所述根据所述多个信息集合中的元素构建数据采集策略。

在一种实施方式中，所述学习模块303可以用于：

根据所述采集到的数据对预设的场景识别任务的数据采集策略进行学习，统计使用所述构建的数据采集策略进行场景识别的准确度；

将所述准确度确定为学习结果。

在一种实施方式中，所述学习模块303可以用于：

根据所述采集到的数据对预设的信息推荐任务的数据采集策略进行学习，统计使用所述构建的数据采集策略进行信息推荐的精确度；

将所述精确度确定为学习结果。

本申请实施例提供一种计算机可读的存储介质，其上存储有计算机程序，当所述计算机程序在计算机上执行时，使得所述计算机执行如本实施例提供的数据采集策略的确定方法中的流程。

本申请实施例还提供一种电子设备，包括存储器，处理器，所述处理器通过调用所述存储器中存储的计算机程序，用于执行本实施例提供的数据采集策略的确定方法中的流程。

例如，上述电子设备可以是诸如平板电脑或者智能手机等移动终端。请参阅图11，图11为本申请实施例提供的电子设备的结构示意图。

该电子设备400可以包括传感器401、存储器402、处理器403等部件。本领域技术人员可以理解，图11中示出的电子设备结构并不构成对电子设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

传感器401可以包括陀螺仪传感器(例如三轴陀螺仪传感器)、加速度传感器等传感器。

存储器402可用于存储应用程序和数据。存储器402存储的应用程序中包含有可执行代码。应用程序可以组成各种功能模块。处理器403通过运行存储在存储器402的应用程序，从而执行各种功能应用以及数据处理。

处理器403是电子设备的控制中心，利用各种接口和线路连接整个电子设备的各个部分，通过运行或执行存储在存储器402内的应用程序，以及调用存储在存储器402内的数据，执行电子设备的各种功能和处理数据，从而对电子设备进行整体监控。

在本实施例中，电子设备中的处理器403会按照如下的指令，将一个或一个以上的应用程序的进程对应的可执行代码加载到存储器402中，并由处理器403来运行存储在存储器402中的应用程序，从而执行：

获取预设的多个信息集合，各信息集合至少包含一个元素；

根据所述多个信息集合中的元素，构建数据采集策略；

根据构建的数据采集策略进行数据采集，得到采集到的数据，并根据所述采集到的数据对预设任务的数据采集策略进行学习，得到学习结果；

当检测到所述学习结果满足预设条件时，将满足所述预设条件的学习结果对应的数据采集策略确定为所述预设任务对应的目标数据采集策略；

当检测到所述学习结果不满足预设条件时，触发执行所述根据所述多个信息集合中的元素构建数据采集策略。

请参阅图12，电子设备500可以包括传感器501、存储器502、处理器503、显示屏504、扬声器505、麦克风506等部件。

传感器501可以包括陀螺仪传感器(例如三轴陀螺仪传感器)、加速度传感器等传感器。

存储器502可用于存储应用程序和数据。存储器502存储的应用程序中包含有可执行代码。应用程序可以组成各种功能模块。处理器503通过运行存储在存储器502的应用程序，从而执行各种功能应用以及数据处理。

处理器503是电子设备的控制中心，利用各种接口和线路连接整个电子设备的各个部分，通过运行或执行存储在存储器502内的应用程序，以及调用存储在存储器502内的数据，执行电子设备的各种功能和处理数据，从而对电子设备进行整体监控。

显示屏504可以用于显示诸如图像、文字等信息。

扬声器505可以用于播放声音等。

麦克风506可以用于拾取周围环境中的声音信号。

在本实施例中，电子设备中的处理器503会按照如下的指令，将一个或一个以上的应用程序的进程对应的可执行代码加载到存储器502中，并由处理器503来运行存储在存储器502中的应用程序，从而执行：

获取预设的多个信息集合，各信息集合至少包含一个元素；

根据所述多个信息集合中的元素，构建数据采集策略；

根据构建的数据采集策略进行数据采集，得到采集到的数据，并根据所述采集到的数据对预设任务的数据采集策略进行学习，得到学习结果；

当检测到所述学习结果满足预设条件时，将满足所述预设条件的学习结果对应的数据采集策略确定为所述预设任务对应的目标数据采集策略；

当检测到所述学习结果不满足预设条件时，触发执行所述根据所述多个信息集合中的元素构建数据采集策略。

在一种实施方式中，处理器503执行所述获取预设的多个信息集合，各信息集合至少包含一个元素时，可以执行：获取预设的多个信息集合，所述多个信息集合至少包括第一集合、第二集合和第三集合，所述第一集合中包含的元素为数据采集频率，所述第二集合中包含的元素为数据采集触发条件，所述第三集合中包含的元素为数据类型，所述第一集合、第二集合和第三集合均至少包含一个元素；

那么，处理器503执行所述根据所述多个信息集合中的元素，构建数据采集策略时，可以执行：从所述第一集合中选取数据采集频率，从所述第二集合中选取数据采集触发条件，从所述第三集合中选取数据类型，根据选取的数据采集频率、数据采集触发条件和数据类型构建数据采集策略，构建得到的数据采集策略表示在对应的数据采集触发条件下以对应的数据采集频率采集对应的数据类型的数据。

在一种实施方式中，处理器503执行所述当检测到所述学习结果不满足预设条件时，触发执行所述根据所述多个信息集合中的元素构建数据采集策略时，可以执行：当检测到所述学习结果不满足预设条件时，触发执行所述根据所述多个信息集合中的元素构建数据采集策略，得到新的数据采集策略；根据所述新的数据采集策略进行数据采集，得到新采集到的数据，并根据所述新采集到的数据对预设任务的数据采集策略进行学习，得到新的学习结果；当检测到所述新的学习结果满足所述预设条件时，将所述新的学习结果对应的所述新的数据采集策略确定为所述预设任务对应的目标数据采集策略。

在一种实施方式中，在所述得到新的学习结果之后，处理器503还可以执行：当检测到所述新的学习结果不满足所述预设条件时，获取上一次的学习结果；若所述新的学习结果优于所述上一次的学习结果，则对所述新的数据采集策略进行优化，得到优化后的数据采集策略；根据所述优化后的数据采集策略，对所述预设任务的数据采集策略进行学习，直至最新得到的学习结果满足所述预设条件，并将满足所述预设条件的最新得到的学习结果对应的数据采集策略确定为所述预设任务对应的目标数据采集策略。

在一种实施方式中，在所述得到新的学习结果之后，处理器503还可以执行：当检测到所述新的学习结果不满足所述预设条件时，获取上一次的学习结果；若所述新的学习结果差于所述上一次的学习结果，则触发执行所述根据所述多个信息集合中的元素构建数据采集策略。

在一种实施方式中，处理器503执行所述根据所述采集到的数据对预设任务的数据采集策略进行学习，得到学习结果时，可以执行：根据所述采集到的数据对预设的场景识别任务的数据采集策略进行学习，统计使用所述构建的数据采集策略进行场景识别的准确度；将所述准确度确定为学习结果。

在一种实施方式中，处理器503执行所述根据所述采集到的数据对预设任务的数据采集策略进行学习，得到学习结果时，可以执行：根据所述采集到的数据对预设的信息推荐任务的数据采集策略进行学习，统计使用所述构建的数据采集策略进行信息推荐的精确度；将所述精确度确定为学习结果。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见上文针对数据采集策略的确定方法的详细描述，此处不再赘述。

本申请实施例提供的所述数据采集策略的确定装置与上文实施例中的数据采集策略的确定方法属于同一构思，在所述数据采集策略的确定装置上可以运行所述数据采集策略的确定方法实施例中提供的任一方法，其具体实现过程详见所述数据采集策略的确定方法实施例，此处不再赘述。

需要说明的是，对本申请实施例所述数据采集策略的确定方法而言，本领域普通技术人员可以理解实现本申请实施例所述数据采集策略的确定方法的全部或部分流程，是可以通过计算机程序来控制相关的硬件来完成，所述计算机程序可存储于一计算机可读取存储介质中，如存储在存储器中，并被至少一个处理器执行，在执行过程中可包括如所述数据采集策略的确定方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储器(ROM，Read Only Memory)、随机存取记忆体(RAM，Random Access Memory)等。

对本申请实施例的所述数据采集策略的确定装置而言，其各功能模块可以集成在一个处理芯片中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中，所述存储介质譬如为只读存储器，磁盘或光盘等。

以上对本申请实施例所提供的一种数据采集策略的确定方法、装置、存储介质以及电子设备进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。

Claims (10)

1.一种数据采集策略的确定方法，其特征在于，包括：

获取预设的多个信息集合，各信息集合至少包含一个元素；

根据所述多个信息集合中的元素，构建数据采集策略；

根据构建的数据采集策略进行数据采集，得到采集到的数据，并根据所述采集到的数据对预设任务的数据采集策略进行学习，得到学习结果；

当检测到所述学习结果满足预设条件时，将满足所述预设条件的学习结果对应的数据采集策略确定为所述预设任务对应的目标数据采集策略；

当检测到所述学习结果不满足预设条件时，触发执行所述根据所述多个信息集合中的元素构建数据采集策略。

2.根据权利要求1所述的数据采集策略的确定方法，其特征在于，所述获取预设的多个信息集合，各信息集合至少包含一个元素，包括：获取预设的多个信息集合，所述多个信息集合至少包括第一集合、第二集合和第三集合，所述第一集合中包含的元素为数据采集频率，所述第二集合中包含的元素为数据采集触发条件，所述第三集合中包含的元素为数据类型，所述第一集合、第二集合和第三集合均至少包含一个元素；

所述根据所述多个信息集合中的元素，构建数据采集策略，包括：从所述第一集合中选取数据采集频率，从所述第二集合中选取数据采集触发条件，从所述第三集合中选取数据类型，根据选取的数据采集频率、数据采集触发条件和数据类型构建数据采集策略，构建得到的数据采集策略表示在对应的数据采集触发条件下以对应的数据采集频率采集对应的数据类型的数据。

3.根据权利要求1所述的数据采集策略的确定方法，其特征在于，所述当检测到所述学习结果不满足预设条件时，触发执行所述根据所述多个信息集合中的元素构建数据采集策略，包括：

当检测到所述学习结果不满足预设条件时，触发执行所述根据所述多个信息集合中的元素构建数据采集策略，得到新的数据采集策略；

根据所述新的数据采集策略进行数据采集，得到新采集到的数据，并根据所述新采集到的数据对预设任务的数据采集策略进行学习，得到新的学习结果；

当检测到所述新的学习结果满足所述预设条件时，将所述新的学习结果对应的所述新的数据采集策略确定为所述预设任务对应的目标数据采集策略。

4.根据权利要求3所述的数据采集策略的确定方法，其特征在于，在所述得到新的学习结果之后，还包括：

当检测到所述新的学习结果不满足所述预设条件时，获取上一次的学习结果；

若所述新的学习结果优于所述上一次的学习结果，则对所述新的数据采集策略进行优化，得到优化后的数据采集策略；

根据所述优化后的数据采集策略，对所述预设任务的数据采集策略进行学习，直至最新得到的学习结果满足所述预设条件，并将满足所述预设条件的最新得到的学习结果对应的数据采集策略确定为所述预设任务对应的目标数据采集策略。

5.根据权利要求3所述的数据采集策略的确定方法，其特征在于，在所述得到新的学习结果之后，还包括：

当检测到所述新的学习结果不满足所述预设条件时，获取上一次的学习结果；

若所述新的学习结果差于所述上一次的学习结果，则触发执行所述根据所述多个信息集合中的元素构建数据采集策略。

6.根据权利要求1所述的数据采集策略的确定方法，其特征在于，所述根据所述采集到的数据对预设任务的数据采集策略进行学习，得到学习结果，包括：

根据所述采集到的数据对预设的场景识别任务的数据采集策略进行学习，统计使用所述构建的数据采集策略进行场景识别的准确度；

将所述准确度确定为学习结果。

7.根据权利要求1所述的数据采集策略的确定方法，其特征在于，所述根据所述采集到的数据对预设任务的数据采集策略进行学习，得到学习结果，包括：

根据所述采集到的数据对预设的信息推荐任务的数据采集策略进行学习，统计使用所述构建的数据采集策略进行信息推荐的精确度；

将所述精确度确定为学习结果。

8.一种数据采集策略的确定装置，其特征在于，包括：

获取模块，用于获取预设的多个信息集合，各信息集合至少包含一个元素；

构建模块，用于根据所述多个信息集合中的元素，构建数据采集策略；

学习模块，用于根据构建的数据采集策略进行数据采集，得到采集到的数据，并根据所述采集到的数据对预设任务的数据采集策略进行学习，得到学习结果；

确定模块，用于当检测到所述学习结果满足预设条件时，将满足所述预设条件的学习结果对应的数据采集策略确定为所述预设任务对应的目标数据采集策略；

触发模块，用于当检测到所述学习结果不满足预设条件时，触发执行所述根据所述多个信息集合中的元素构建数据采集策略。

9.一种存储介质，其上存储有计算机程序，其特征在于，当所述计算机程序在计算机上执行时，使得所述计算机执行如权利要求1至7中任一项所述的方法。

10.一种电子设备，包括存储器，处理器，其特征在于，所述处理器通过调用所述存储器中存储的计算机程序，用于执行如权利要求1至7中任一项所述的方法。

Images