CN111797864A - 特征处理方法、装置、存储介质及电子设备 - Google Patents
特征处理方法、装置、存储介质及电子设备 Download PDFInfo
- Publication number
- CN111797864A CN111797864A CN201910282175.9A CN201910282175A CN111797864A CN 111797864 A CN111797864 A CN 111797864A CN 201910282175 A CN201910282175 A CN 201910282175A CN 111797864 A CN111797864 A CN 111797864A
- Authority
- CN
- China
- Prior art keywords
- feature
- target service
- features
- target
- real
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Debugging And Monitoring (AREA)
Abstract
本申请公开了一种特征处理方法、装置、存储介质及电子设备,在本申请中,电子设备在侦测到目标服务的特征获取请求时,根据该特征获取请求确定目标服务关联的特征,以及确定目标服务对特征的实时性需求,并确定对应其实时性需求的目标特征筛选策略,利用确定的目标特征筛选策略对目标服务关联的特征进行筛选,将筛选出的特征提供给目标服务。由此,能够确保提供给服务的特征符合其实时性需求。
Description
技术领域
本申请涉及计算机技术领域,尤其涉及一种特征处理方法、装置、存储介质及电子设备。
背景技术
目前,随着传感器的小型化、智能化,如手机、平板电脑等电子设备集成了越来越多的传感器,比如光线传感器、距离传感器、位置传感器、加速度传感器以及重力传感器,等等。电子设备能够通过其配置的传感器以更小的功耗采集到更多的数据。但伴随而来的是,电子设备采集到的数据也越来越繁杂,若直接对这些数据进行特征提取,那么将提取出大量的特征,其维数成千上万,造成了维数灾难。
发明内容
第一方面,本申请实施例提供一种特征处理方法,应用于电子设备,包括:
侦测目标服务的特征获取请求;
根据所述特征获取请求确定所述目标服务关联的特征;
确定所述目标服务对特征的实时性需求,并确定对应所述实时性需求的目标特征筛选策略;
根据所述目标特征筛选策略对所述目标服务关联的特征进行筛选,并将筛选出的特征提供给所述目标服务。
第二方面,本申请实施例提供一种特征处理装置,应用于电子设备,包括:
请求侦测模块,用于侦测目标服务的特征获取请求;
第一确定模块,用于根据所述特征获取请求确定所述目标服务关联的特征;
第二确定模块,用于确定所述目标服务对特征的实时性需求,并确定对应所述实时性需求的目标特征筛选策略;
特征筛选模块,用于根据所述目标特征筛选策略对所述目标服务关联的特征进行筛选,并将筛选出的特征提供给所述目标服务。
第三方面,本申请实施例提供一种存储介质,其上存储有计算机程序,其中,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特征处理方法中的步骤。
第四方面,本申请实施例提供一种电子设备,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特征处理方法中的步骤。
在本申请中,电子设备在侦测到目标服务的特征获取请求时,根据该特征获取请求确定目标服务关联的特征,以及确定目标服务对特征的实时性需求,并确定对应其实时性需求的目标特征筛选策略,利用确定的目标特征筛选策略对目标服务关联的特征进行筛选,将筛选出的特征提供给目标服务。由此,能够确保提供给服务的特征符合其实时性需求。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的全景感知架构的结构示意图。
图2是本申请实施例提供的特征处理方法的一流程示意图。
图3是本申请实施例中建立的第一对应关系的示例图。
图4是本申请实施例提供的特征处理方法的另一流程示意图。
图5是本申请实施例中提供的特征处理方法的应用场景示意图。
图6是本申请实施例提供的特征处理装置的结构示意图。
图7是本申请实施例提供的电子设备的一结构示意图。
图8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
请参照图式,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。
随着传感器的小型化、智能化,如手机、平板电脑等电子设备集成了越来越多的传感器,比如光线传感器、距离传感器、位置传感器、加速度传感器以及重力传感器,等等。电子设备能够通过其配置的传感器以更小的功耗采集到更多的数据。同时,电子设备在运行过程中还会采集到自身状态相关的数据以及用户状态相关的数据,等等。笼统的说,电子设备能够获取到外部环境相关的数据、用户状态相关的数据以及电子设备状态相关的数据。笼统的说,电子设备能够获取到外部环境相关的数据(比如温度、光照、地点、声音、天气等)、用户状态相关的数据(比如姿势、速度、使用习惯、个人基本信息等)以及电子设备状态相关的数据(比如耗电量、资源使用状况、网络状况等)。本申请实施例中,将电子设备能够获取到的这些数据记为全景数据。
本申请实施例中,为了能够对电子设备获取到的这些数据进行处理,提出了一种全景感知架构。请参照图1,图1为本申请实施例提供的全景感知架构的结构示意图,应用于电子设备,其包括由下至上的信息感知层、数据处理层、特征抽取层、情景建模层以及智能服务层。
作为全景感知架构的最底层,信息感知层用于获取能够描述用户的各类型情景的原始数据,即全景数据。其中,信息感知层由多个用于数据采集的传感器组成,包括但不限于图示的用于检测电子设备与外部物体之间的距离的距离传感器、用于检测电子设备所处环境的磁场信息的磁场传感器、用于检测电子设备所处环境的光线信息的光线传感器、用于检测电子设备的加速度数据的加速度传感器、用于采集用户的指纹信息的指纹传感器、用于感应磁场信息的霍尔传感器、用于检测电子设备当前所处的地理位置的位置传感器、用于检测电子设备在各个方向上的角速度的陀螺仪、用于检测电子设备的运动数据惯性传感器、用于感应电子设备的姿态信息的姿态感应器、用于检测电子设备所处环境的气压的气压计以及用于检测用户的心率信息的心率传感器等。
作为全景感知架构的次底层,数据处理层用于对信息感知层获取到的原始数据进行处理,消除原始数据存在的噪声、不一致等问题。其中,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。
作为全景感知架构的中间层,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,以提取所述数据中包括的特征。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。
作为全景感知架构的次高层,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。
作为全景感知架构的最高层,智能服务层用于根据情景建模层所构建的模型提供智能化服务。比如,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服务,还可以为用户提供个性化智能服务等。
此外,全景感知架构中还包括算法库,算法库中包括但不限于图示的马尔科夫算法、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、卷积神经网络以及循环神经网络等算法。
对于电子设备能够获取到的外部环境相关的数据、用户状态相关的数据以及电子设备状态相关的数据,从这些繁杂的数据中将提取出大量的特征,其维数成千上万,造成了维数灾难,难以有效的应用于相关服务,因此,从大量的特征中筛选出可有效应用于服务的特征变得十分必要。为此,本申请实施例提供一种特征处理方法、装置、存储介质及电子设备,其中特征处理方法的执行主体可以是本申请实施例提供的特征处理装置,或者集成了该特征处理装置的电子设备,其中该特征处理装置可以采用硬件或者软件的方式实现。其中,电子设备可以是智能手机、平板电脑、掌上电脑、笔记本电脑、或者台式电脑等配置有处理器而具有处理能力的设备。
基于本申请实施例提供的特征处理方法,特征抽取层除了对来自于数据处理层的数据进行特征抽取,将抽取的特征提供给情景建模层进行建模之外,还对抽取的特征进行筛选,提供给对应的服务,使得其实现功能。其中,在侦测到目标服务的特征获取请求时,根据该特征获取请求从抽取出的特征中确定目标服务关联的特征,以及确定目标服务对特征的实时性需求,并确定对应其实时性需求的目标特征筛选策略,利用确定的目标特征筛选策略对目标服务关联的特征进行筛选,将筛选出的特征提供给目标服务。
请参照图2,图2是本申请实施例提供的特征处理方法的一流程示意图。该特征处理方法可以应用于电子设备,实现于全景感知架构的特征抽取层,该特征处理方法的流程可以包括:
在101中,侦测目标服务的特征获取请求。
应当说明的是,目标服务并不用于特指某一服务,而是用于代指需要获取特征以进行相应处理的服务,包括但不限于与用户相关的智能服务类服务(比如,健康类服务、导航类服务、旅游类服务以及语音类服务等),以及与电子设备本身相关的系统优化类服务(比如,资源优化调度、省电等)。比如,一系统优化类服务在达到预设的系统优化周期时,需要获取关联的特征来判断是否需要进行系统优化,此时将产生特征获取请求;又比如,一智能服务类服务可以根据其关联的特征来进行情景建模,以此获得用户的情景状态,从而对用户提供个性化的智能服务,该智能服务类服务可以需要对用户提供服务时参数特征获取请求。
在102中,根据侦测到的特征获取请求确定目标服务关联的特征。
本申请实施例中,电子设备在侦测到目标服务的特征获取请求时,根据该特征获取请求确定目标服务关联的特征。通俗的说,目标服务关联的特征也即是其实现功能所可能需要用到的特征。
应当说明的是,不同类型的服务关联的特征往往不同,比如,若目标服务为导航类服务,则其关联的特征包括但不限于从位置数据(比如卫星定位数据、无线网络定位数据等)中提取出的特征;若目标服务为语音类服务,则其关联的特征包括但不限于从语音数据中提取出的特征,等等。
在103中,确定目标服务对特征的实时性需求,并确定对应目标服务的实时性需求的目标特征筛选策略。
应当说明的是,不同类型的服务对特征的实时性需求通常不同,有的服务对特征的实时性需求较高,而有的服务又对特征的实时性需求较低。比如,导航类服务对特征的实时性需求较高,而健康类服务对特征的实时性需求较低。
本申请实施例中,电子设备除了确定目标服务关联的特征之外,还确定目标服务对特征的实时性需求,之后,电子设备进一步确定对应目标服务的实时性需求的特征筛选策略,记为目标特征筛选策略。
其中,特征筛选策略用于描述如何对一服务所关联的特征进行筛选,以将筛选出的特征提供给该服务进行相关处理。应当说明的是,根据不同服务的实时性需求不同,其所对应的特征筛选策略也不相同,在本申请实施例中,当服务的实时性需求越高时,其所对应的特征筛选策略将从其所关联的特征中筛选出更少的特征,而当服务的实时性需求越低时,其所对应的特征筛选策略将从其所关联的特征筛选出更多的特征。
此外,应当说明的是,102和103的执行顺序不受序号的影响,可以是在执行完成102之后再执行103,也可以是在执行完成103之后再执行102,还可以是同时执行102和103。
在104中,根据目标特征筛选策略对目标服务关联的特征进行筛选,并将筛选出的特征提供给目标服务。
本申请实施例中,电子设备在其确定对应目标服务的实时性需求的目标特征筛选策略之后,即可目标特征筛选策略对目标服务关联的特征进行筛选,进而将筛选出的特征提供给目标服务,由目标服务进行相应处理。
比如,目标服务关联有1000个特征,电子设备根据该目标服务的实时性需求从目标服务关联的1000个特征中筛选出500个特征,并将筛选出的这500个特征提供给目标服务进行处理。
由上可知,本申请实施例中,电子设备在侦测到目标服务的特征获取请求时,根据该特征获取请求确定目标服务关联的特征,以及确定目标服务对特征的实时性需求,并确定对应其实时性需求的目标特征筛选策略,利用确定的目标特征筛选策略对目标服务关联的特征进行筛选,将筛选出的特征提供给目标服务。由此,能够确保提供给服务的特征符合其实时性需求。
在一实施例中,“根据目标特征筛选策略对目标服务关联的特征进行筛选”,包括:
(1)获取目标服务关联的特征中各特征与目标服务的关联程度;
(2)从目标服务关联的特征中提取出关联程度达到目标特征筛选策略所指示的关联程度的特征;
(3)获取提取出的特征两两之间的相似度,并根据提取出的特征两两之间的相似度、目标特征筛选策略指示的相似度,对提取出的特征进行去重处理;
其中,目标特征筛选策略指示的关联程度与实时性需求的高低正相关,目标特征筛选策略指示的相似度与实时性需求的高低负相关。
本申请实施例中,电子设备在根据目标特征筛选策略对目标服务关联的特征进行筛选时,首先采用关联分析法来获取目标服务所关联的特征中各特征与目标服务的关联程度(或称重要程度)。比如,目标服务关联有1000个特征,则电子设备将采用关联分析法分别获取这1000个特征各自与目标服务的关联程度。应当说明的是,对于电子设备采用何种关联分析法来获取目标服务与其关联的特征之间的关联程度,可由本领域普通技术人员根据实际需要进行选取,本申请实施例对此不做具体限制,比如,可以采用典型关联分析法。
在获取到目标服务所关联的特征中各特征与目标服务的关联程度之后,电子设备进一步从目标服务关联的特征中提取出关联程度达到目标特征筛选策略所指示的关联程度的特征。其中,目标特征筛选策略指示的关联程度与实时性需求的高低正相关,也即是说,目标服务对特征的实时性需求越高,其对应的目标特征筛选策略将指示电子设备从目标服务关联的特征中提取出的特征与目标服务的关联程度也越高。
在从目标服务关联的特征中提取出关联程度达到目标特征筛选策略指示的关联程度的特征之后,电子设备进一步获取提取出的特征两两之间的相似度,然后根据提取出的特征两两之间的相似度、目标特征筛选策略指示的相似度,对提取出的特征进行去重处理。比如,对于提取出的特征中的任意两个特征,若这两个特征之间的相似度达到目标特征筛选策略所指示的相似度,则电子设备认为这两个特征重复,保留其中一个特征。其中,目标特征筛选策略指示的相似度与实时性需求的高低负相关,也即是说,目标服务对特征的实时性需求越高,其对应的目标特征筛选策略将指示电子设备将相似度越低的两个特征作为重复的特征,从而进行去重处理。这样,经过去重处理后得到的特征即为根据目标特征筛选策略从目标服务关联的特征中所筛选出的特征。
在一实施例中,“获取提取出的特征两两之间的相似度”包括:
获取提取出的特征两两之间的特征距离,作为提取出的特征两两之间的相似度。
本申请实施例中,电子设备采用特征距离来衡量两个特征之间的相似度,由此,电子设备在获取提取出的特征两两之间的相似度时,可以获取提取出的特征两两之间的特征距离,作为提取出的特征两两之间的相似度。
其中,对于选取何种特征距离来衡量两个特征之间的相似度,可由本领域普通技术人员根据实际需要进行选取,包括但不限于欧氏距离、曼哈顿距离、切比雪夫距离以及余弦距离等。比如,本申请实施例中,电子设备采用欧式距离来衡量两个特征之间的相似度。
在一实施例中,“根据目标特征筛选策略对目标服务关联的特征进行筛选”,包括:
(1)获取目标服务关联的特征两两之间的相似度,并根据目标服务关联的特征两两之间的相似度、目标特征筛选策略指示的相似度,对目标服务关联的特征进行去重处理;
(2)获取去重后的特征中各特征与目标服务的关联程度;
(3)按照关联程度的高低对去重后的特征进行排序,保留目标特征筛选策略指示的预设个数的特征;
其中,目标特征筛选策略指示的相似度与实时性需求的高低负相关,目标特征筛选策略指示的预设个数与实时性需求的高低负相关。
本申请实施例中,电子设备在根据目标特征筛选策略对目标服务关联的特征进行筛选时,可以首先获取目标服务关联的特征两两之间的相似度,然后根据目标服务关联的特征两两之间的相似度、目标特征筛选策略指示的相似度,对目标服务关联的特征进行去重处理。比如,对于目标服务关联的特征中的任意两个特征,若这两个特征之间的相似度达到目标特征筛选策略所指示的相似度,则电子设备认为这两个特征重复,保留其中一个特征,即去重。其中,目标特征筛选策略指示的相似度与实时性需求的高低负相关,也即是说,目标服务对特征的实时性需求越高,其对应的目标特征筛选策略将指示电子设备将相似度越低的两个特征作为重复的特征,从而进行去重处理。
在对目标服务关联特征进行去重处理之后,电子设备采用关联分析法来获取去重后的特征中各特征与目标服务的关联程度(或称重要程度)。比如,目标服务关联有1000个特征,去重后剩余800个特征,则电子设备将采用关联分析法分别获取这800个特征各自与目标服务的关联程度。应当说明的是,对于电子设备采用何种关联分析法来获取目标服务与其关联的特征之间的关联程度,可由本领域普通技术人员根据实际需要进行选取,本申请实施例对此不做具体限制,比如,可以采用典型关联分析法。
在获取到去重后的特征中各特征与目标服务的关联程度之后,电子设备进一步按照关联程度的高低对应去重后的特征进行排序,并保留目标特征筛选策略指示的预设个数的特征。示例性的,假设目标特征筛选策略指示的预设个数为N,电子设备可以按照关联程度由高至低的顺序进行排序,从而保留其中前N个特征,电子设备还可以按照关联程度由低至高的顺序进行排序,从而保留其中后N个特征。其中,目标特征筛选策略指示的预设个数与实时性需求的高低负相关,也即是说,目标服务对特征的实时性需求越高,其对应的目标特征筛选策略将指示电子设备从去重后的特征中保留更少个数的特征。这样,最终保留的特征即为根据目标特征筛选策略从目标服务关联的特征中所筛选出的特征。
在一实施例中,“获取目标服务关联的特征两两之间的相似度”包括:
获取目标服务关联的特征两两之间的特征距离,作为目标服务关联的特征两两之间的相似度。
本申请实施例中,电子设备采用特征距离来衡量两个特征之间的相似度,由此,电子设备在获取目标服务关联的特征两两之间的相似度时,可以获取目标服务关联的特征两两之间的特征距离,作为目标服务关联的特征两两之间的相似度。
其中,对于选取何种特征距离来衡量两个特征之间的相似度,可由本领域普通技术人员根据实际需要进行选取,包括但不限于欧氏距离、曼哈顿距离、切比雪夫距离以及余弦距离等。比如,本申请实施例中,电子设备采用欧式距离来衡量两个特征之间的相似度。
在一实施例中,“将筛选出的特征提供给目标服务”之前,还包括:
(1)校验前述筛选出的特征的有效性;
(2)若校验通过,则将前述筛选出的特征提供给目标服务。
本申请实施例中,为了确保目标服务计算的准确性,电子设备在根据目标特征筛选策略对目标服务关联的特征进行筛选后,并不立即将筛选出的特征提供给目标服务,而是对前述筛选出的特征的有效性进行校验,以确定筛选出的特征是否满足目标服务的计算需求,若校验通过,也即筛选出的特征满足目标服务的计算需求,则电子设备将筛选出的特征提供给目标服务,由目标服务进行相应的计算处理。
应当说明的是,本申请实施例中对于电子设备如何校验筛选出的特征的有效性不做具体限制,可由本领域普通技术人员根据实际需要选取合适的校验方式,比如,本申请实施例中,电子设备采用卡方检验来校验筛选出的特征有效性。
在一实施例中,“校验前述筛选出的特征的有效性”之后,还包括:
若校验失败,则根据较目标特征筛选策略对应的实时性需求低的特征筛选策略,对目标服务关联的特征进行筛选,并将筛选出的特征提供给目标服务。
本申请实施例中,在校验失败,也即是根据目标特征筛选策略从目标服务关联的特征中所筛选出的特征无法满足目标服务的计算需求,此时,电子设备可以根据较目标特征筛选策略对应的实时性需求低的特征筛选策略,对目标服务关联的特征进行筛选,并将筛选出的特征提供给目标服务。其中,对于如何根据特征筛选策略对目标服务关联的特征进行筛选,具体可参照以上实施例中的相关描述,此处不再赘述。
比如,电子设备在确定对应目标服务的实时性需求的目标特征筛选策略时,将特征筛选策略A确定为目标特征筛选策略,在根据特征筛选策略A对目标服务关联的特征进行筛选之后,若对根据特征筛选策略A筛选出的特征校验失败,则电子设备进一步采用较特征筛选策略A对应的实时性需求低的特征筛选策略B再次对目标服务关联的特征进行筛选,由于特征筛选策略B对应的实时性需求低于特征筛选策略A对应的实时性需求,在根据特征筛选策略B对目标服务关联的特征进行筛选时,将较特征筛选策略A筛选出更多的特征。
此外应当说明的是,电子设备在将再次筛选出的特征提供给目标服务之前,也可以对再次筛选出的特征进行校验,并在校验通过时将再次筛选出的特征提供给目标服务。
在一实施例中,“侦测目标服务的特征获取请求”之前,还包括:
建立不同服务及其对特征的实时性需求的第一对应关系;
而“确定目标服务对特征的实时性需求”,包括:
根据建立的第一对应关系确定目标服务对特征的实时性需求。
本申请实施例中,可以预先对实时性需求进行规范化描述,比如,可以将实时性需求划分为高、中、低三档。然后,基于人工的方式,标定电子设备中的所有服务对特征的实时性需求。这样,电子设备即可根据人工标定的所有服务对特征的实时性需求,建立不同服务及其对特征的实时性需求的对应关系,记为第一对应关系。比如,请参照图3,服务A对特征的实时性需求“低”,服务B对特征的实时性需求“高”,服务C对特征的实时性需求“中”,等等。
由此,电子设备在确定目标服务对特征的实时性需求时,即可根据建立的第一对应关系来确定目标服务对特征的实时性需求,比如,假设服务A为目标服务,则电子设备根据图3所示的第一对应关系将确定服务A对特征的实时性需求“低”。
在一实施例中,“侦测目标服务的特征获取请求”之前,还包括:
建立不同实时性需求和特征筛选策略的第二对应关系;
而“确定对应目标服务对特征的实时性需求的目标特征筛选策略”,包括:
根据第二对应关系确定对应目标服务对特征的实时性需求的目标特征筛选策略。
本申请实施例中,电子设备可以采用人工的方式,根据实时性需求的高低,设置对应不同实时性需求的特征筛选策略。这样,电子设备即可根据人工设置的不同对应不同实时性需求的特征筛选策略,建立不同实时性需求和特征筛选策略的对应关系,记为第二对应关系。
由此,电子设备在确定对应目标服务对特征的实时性需求的目标特征筛选策略时,即可根据第二对应关系确定对应目标服务对特征的实时性需求的目标特征筛选策略。比如,假设第二对应关系包括:实时性需求“低”对应特征筛选策略A,实时性需求“中”对应特征筛选策略B,实时性需求“高”对应特征筛选策略C,若确定目标服务对特征的实时性需求“高”,则电子设备确定特征筛选策略C为目标服务对应的目标特征筛选策略。
请结合参照图4和图5,图4为本申请实施例提供的特征处理方法的另一流程示意图,图5为该特征处理方法的应用场景示意图,该特征处理方法可以应用于电子设备,该特征处理方法的流程可以包括:
在201中,电子设备建立不同服务及其对特征的实时性需求的第一对应关系,以及建立建立不同实时性需求和特征筛选策略的第二对应关系。
本申请实施例中,可以预先对实时性需求进行规范化描述,比如,可以将实时性需求划分为高、中、低三档。然后,基于人工的方式,标定电子设备中的所有服务对特征的实时性需求。这样,电子设备即可根据人工标定的所有服务对特征的实时性需求,建立不同服务及其对特征的实时性需求的对应关系,记为第一对应关系。比如,请参照图3,服务A对特征的实时性需求“低”,服务B对特征的实时性需求“高”,服务C对特征的实时性需求“中”,等等。
此外,还可以采用人工的方式,根据实时性需求的高低,设置对应不同实时性需求的特征筛选策略。这样,电子设备即可根据人工设置的不同对应不同实时性需求的特征筛选策略,建立不同实时性需求和特征筛选策略的对应关系,记为第二对应关系。比如,实时性需求“低”对应特征筛选策略A,实时性需求“中”对应特征筛选策略B,实时性需求“高”对应特征筛选策略C。
在202中,电子设备侦测目标服务的特征获取请求。
应当说明的是,目标服务并不用于特指某一服务,而是用于代指需要获取特征以进行相应处理的服务,包括但不限于与用户相关的智能服务类服务(比如,健康类服务、导航类服务、旅游类服务以及语音类服务等),以及与电子设备本身相关的系统优化类服务(比如,资源优化调度、省电等)。比如,一系统优化类服务在达到预设的系统优化周期时,需要获取关联的特征来判断是否需要进行系统优化,此时将产生特征获取请求。
在203中,电子设备根据侦测到的特征获取请求确定目标服务关联的特征。
本申请实施例中,电子设备在侦测到目标服务的特征获取请求时,根据该特征获取请求确定目标服务关联的特征。通俗的说,目标服务关联的特征也即是其实现功能所可能需要用到的特征。
应当说明的是,不同类型的服务关联的特征往往不同,比如,若目标服务为导航类服务,则其关联的特征包括但不限于从位置数据(比如卫星定位数据、无线网络定位数据等)中提取出的特征;若目标服务为语音类服务,则其关联的特征包括但不限于从语音数据中提取出的特征,等等。
在204中,电子设备根据第一对应关系确定目标服务对特征的实时性需求,并根据第二对应关系确定对应目标服务对特征的实时性需求的目标特征筛选策略。
本申请实施例中,电子设备除了确定目标服务关联的特征之外,还确定目标服务对特征的实时性需求,之后,电子设备进一步确定对应目标服务的实时性需求的特征筛选策略,记为目标特征筛选策略。
其中,电子设备在确定目标服务对特征的实时性需求时,根据建立的第一对应关系来确定目标服务对特征的实时性需求,比如,假设服务A为目标服务,则电子设备根据图3所示的第一对应关系将确定服务A对特征的实时性需求“低”。
电子设备在确定对应目标服务对特征的实时性需求的目标特征筛选策略时,根据第二对应关系确定对应目标服务对特征的实时性需求的目标特征筛选策略。比如,假设第二对应关系包括:实时性需求“低”对应特征筛选策略A,实时性需求“中”对应特征筛选策略B,实时性需求“高”对应特征筛选策略C,若确定目标服务对特征的实时性需求“高”,则电子设备确定特征筛选策略C为目标服务对应的目标特征筛选策略。
在205中,电子设备获取目标服务关联的特征中各特征与目标服务的关联程度。
其中,电子设备采用关联分析法来获取目标服务所关联的特征中各特征与目标服务的关联程度(或称重要程度)。比如,目标服务关联有1000个特征,则电子设备将采用关联分析法分别获取这1000个特征各自与目标服务的关联程度。应当说明的是,对于电子设备采用何种关联分析法来获取目标服务与其关联的特征之间的关联程度,可由本领域普通技术人员根据实际需要进行选取,本申请实施例对此不做具体限制,比如,可以采用典型关联分析法。
在206中,电子设备从目标服务关联的特征中提取出关联程度达到目标特征筛选策略所指示的关联程度的特征。
在获取到目标服务所关联的特征中各特征与目标服务的关联程度之后,电子设备进一步从目标服务关联的特征中提取出关联程度达到目标特征筛选策略所指示的关联程度的特征。其中,目标特征筛选策略指示的关联程度与实时性需求的高低正相关,也即是说,目标服务对特征的实时性需求越高,其对应的目标特征筛选策略将指示电子设备从目标服务关联的特征中提取出的特征与目标服务的关联程度也越高。
在207中,电子设备获取提取出的特征两两之间的相似度,并根据提取出的特征两两之间的相似度、目标特征筛选策略指示的相似度,对提取出的特征进行去重处理。
在从目标服务关联的特征中提取出关联程度达到目标特征筛选策略指示的关联程度的特征之后,电子设备进一步获取提取出的特征两两之间的相似度,然后根据提取出的特征两两之间的相似度、目标特征筛选策略指示的相似度,对提取出的特征进行去重处理。比如,对于提取出的特征中的任意两个特征,若这两个特征之间的相似度达到目标特征筛选策略所指示的相似度,则电子设备认为这两个特征重复,保留其中一个特征。其中,目标特征筛选策略指示的相似度与实时性需求的高低负相关,也即是说,目标服务对特征的实时性需求越高,其对应的目标特征筛选策略将指示电子设备将相似度越低的两个特征作为重复的特征,从而进行去重处理。
示例性的,电子设备采用特征距离来衡量两个特征之间的相似度,由此,电子设备在获取提取出的特征两两之间的相似度时,可以获取提取出的特征两两之间的特征距离,作为提取出的特征两两之间的相似度。
其中,对于选取何种特征距离来衡量两个特征之间的相似度,可由本领域普通技术人员根据实际需要进行选取,包括但不限于欧氏距离、曼哈顿距离、切比雪夫距离以及余弦距离等。比如,本申请实施例中,电子设备采用欧式距离来衡量两个特征之间的相似度。
在208中,电子设备校验去重后的特征的有效性,若校验通过,则将去重后的特征提供给目标服务。
本申请实施例中,为了确保目标服务计算的准确性,电子设备在完成对提取出的特征的去重处理之后,,并不立即将去重后的特征提供给目标服务,而是对前述去重后的特征的有效性进行校验,以确定去重后的特征是否满足目标服务的计算需求,若校验通过,也即去重后的特征满足目标服务的计算需求,则电子设备将去重后的特征提供给目标服务,由目标服务进行相应的计算处理。
应当说明的是,本申请实施例中对于电子设备如何校验去重后的特征的有效性不做具体限制,可由本领域普通技术人员根据实际需要选取合适的校验方式,比如,本申请实施例中,电子设备采用卡方检验来校验去重后的特征有效性。
请参照图6,图6为本申请实施例提供的特征处理装置的结构示意图。该特征处理装置可以应用于电子设备。特征处理装置可以包括:请求侦测模块301、第一确定模块302、第二确定模块303以及特征筛选模块304。
请求侦测模块301,用于侦测目标服务的特征获取请求;
第一确定模块302,用于根据侦测到的特征获取请求确定目标服务关联的特征;
第二确定模块303,用于确定目标服务对特征的实时性需求,并确定对应目标服务的实时性需求的目标特征筛选策略;
特征筛选模块304,用于根据目标特征筛选策略对目标服务关联的特征进行筛选,并将筛选出的特征提供给目标服务。
在一实施例中,在根据目标特征筛选策略对目标服务关联的特征进行筛选时,特征筛选模块304可以用于:
获取目标服务关联的特征中各特征与目标服务的关联程度;
从目标服务关联的特征中提取出关联程度达到目标特征筛选策略所指示的关联程度的特征;
获取提取出的特征两两之间的相似度,并根据提取出的特征两两之间的相似度、目标特征筛选策略指示的相似度,对提取出的特征进行去重处理;
其中,目标特征筛选策略指示的关联程度与实时性需求的高低正相关,目标特征筛选策略指示的相似度与实时性需求的高低负相关。
在一实施例中,在获取提取出的特征两两之间的相似度时,特征筛选模块304可以用于:
获取提取出的特征两两之间的特征距离,作为提取出的特征两两之间的相似度。
在一实施例中,在根据目标特征筛选策略对目标服务关联的特征进行筛选时,特征筛选模块304可以用于:
获取目标服务关联的特征两两之间的相似度,并根据目标服务关联的特征两两之间的相似度、目标特征筛选策略指示的相似度,对目标服务关联的特征进行去重处理;
获取去重后的特征中各特征与目标服务的关联程度;
按照关联程度的高低对去重后的特征进行排序,保留目标特征筛选策略指示的预设个数的特征;
其中,目标特征筛选策略指示的相似度与实时性需求的高低负相关,目标特征筛选策略指示的预设个数与实时性需求的高低负相关。
在一实施例中,在获取目标服务关联的特征两两之间的相似度时,特征筛选模块304可以用于:
获取目标服务关联的特征两两之间的特征距离,作为目标服务关联的特征两两之间的相似度。
在一实施例中,在将筛选出的特征提供给目标服务之前,特征筛选模块304可以用于:
校验前述筛选出的特征的有效性;
若校验通过,则将前述筛选出的特征提供给目标服务。
在一实施例中,在校验前述筛选出的特征的有效性之后,特征筛选模块304可以用于:
若校验失败,则根据较目标特征筛选策略对应的实时性需求低的特征筛选策略,对目标服务关联的特征进行筛选,并将筛选出的特征提供给目标服务。
在一实施例中,特征处理装置还包括第一关系建立模块,用于在请求侦测模块301侦测目标服务的特征获取请求之前,建立不同服务及其对特征的实时性需求的第一对应关系;
而第二确定模块303在确定目标服务对特征的实时性需求时,可以用于:
根据第一关系建立模块建立的第一对应关系确定目标服务对特征的实时性需求。
在一实施例中,特征处理装置还包括第二关系建立模块,用于在请求侦测模块301侦测目标服务的特征获取请求之前,建立不同实时性需求和特征筛选策略的第二对应关系;
而第二确定模块303在确定对应目标服务对特征的实时性需求的目标特征筛选策略时,可以用于:
根据第二关系建立模块建立的第二对应关系确定对应目标服务对特征的实时性需求的目标特征筛选策略。
应当说明的是,本申请实施例提供的特征处理装置与上文实施例中的特征处理方法属于同一构思,在特征处理装置上可以运行特征处理方法实施例中提供的任一方法,其具体实现过程详见特征处理方法实施例,此处不再赘述。
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,当其存储的计算机程序在电子设备上执行时,使得电子设备执行如本申请实施例提供的特征处理方法中的步骤,比如,侦测目标服务的特征获取请求;根据侦测到的特征获取请求确定目标服务关联的特征;确定目标服务对特征的实时性需求,并确定对应目标服务的实时性需求的目标特征筛选策略;根据目标特征筛选策略对目标服务关联的特征进行筛选,并将筛选出的特征提供给目标服务。
本申请实施例还提供一种电子设备,包括存储器,处理器,处理器通过调用存储器中存储的计算机程序,执行本申请实施例提供的特征处理方法中的步骤。
请参照图7,图7为本申请实施例提供的电子设备的结构示意图。该电子设备可以包括存储器401以及处理器402。本领域普通技术人员可以理解,图7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。
存储器401可用于存储计算机程序和数据。存储器401存储的计算机程序中包含有可执行代码。计算机程序可以组成各种功能模块。
处理器402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401内的计算机程序,以及调用存储在存储器401内的数据,从而实现各种功能。
在本申请实施例中,电子设备中的处理器402会按照如下的指令,将一个或一个以上的计算机程序对应的可执行代码加载到存储器401中,并由处理器402运行,从而执行:
侦测目标服务的特征获取请求;
根据侦测到的特征获取请求确定目标服务关联的特征;
确定目标服务对特征的实时性需求,并确定对应目标服务的实时性需求的目标特征筛选策略;
根据目标特征筛选策略对目标服务关联的特征进行筛选,并将筛选出的特征提供给目标服务。
请参照图8,图8为本申请实施例提供的电子设备的另一结构示意图,与图7所示电子设备的区别在于,电子设备还包括输入单元403和输出单元404等组件。
其中,输入单元403可用于接收输入的数字、字符信息或用户特征信息(比如指纹),以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆、光学或者轨迹球信号输入等。
输出单元404可用于输出由用户输入的信息或提供给用户的信息,如扬声器、屏幕等。
在本申请实施例中,电子设备中的处理器402会按照如下的指令,将一个或一个以上的计算机程序对应的可执行代码加载到存储器401中,并由处理器402运行,从而执行:
侦测目标服务的特征获取请求;
根据侦测到的特征获取请求确定目标服务关联的特征;
确定目标服务对特征的实时性需求,并确定对应目标服务的实时性需求的目标特征筛选策略;
根据目标特征筛选策略对目标服务关联的特征进行筛选,并将筛选出的特征提供给目标服务。
在一实施例中,在根据目标特征筛选策略对目标服务关联的特征进行筛选时,处理器402可以执行:
获取目标服务关联的特征中各特征与目标服务的关联程度;
从目标服务关联的特征中提取出关联程度达到目标特征筛选策略所指示的关联程度的特征;
获取提取出的特征两两之间的相似度,并根据提取出的特征两两之间的相似度、目标特征筛选策略指示的相似度,对提取出的特征进行去重处理;
其中,目标特征筛选策略指示的关联程度与实时性需求的高低正相关,目标特征筛选策略指示的相似度与实时性需求的高低负相关。
在一实施例中,在获取提取出的特征两两之间的相似度时,处理器402可以执行:
获取提取出的特征两两之间的特征距离,作为提取出的特征两两之间的相似度。
在一实施例中,在根据目标特征筛选策略对目标服务关联的特征进行筛选时,处理器402可以执行:
获取目标服务关联的特征两两之间的相似度,并根据目标服务关联的特征两两之间的相似度、目标特征筛选策略指示的相似度,对目标服务关联的特征进行去重处理;
获取去重后的特征中各特征与目标服务的关联程度;
按照关联程度的高低对去重后的特征进行排序,保留目标特征筛选策略指示的预设个数的特征;
其中,目标特征筛选策略指示的相似度与实时性需求的高低负相关,目标特征筛选策略指示的预设个数与实时性需求的高低负相关。
在一实施例中,在获取目标服务关联的特征两两之间的相似度时,处理器402可以执行:
获取目标服务关联的特征两两之间的特征距离,作为目标服务关联的特征两两之间的相似度。
在一实施例中,在将筛选出的特征提供给目标服务之前,处理器402可以执行:
校验前述筛选出的特征的有效性;
若校验通过,则将前述筛选出的特征提供给目标服务。
在一实施例中,在校验前述筛选出的特征的有效性之后,处理器402可以执行:
若校验失败,则根据较目标特征筛选策略对应的实时性需求低的特征筛选策略,对目标服务关联的特征进行筛选,并将筛选出的特征提供给目标服务。
在一实施例中,在侦测目标服务的特征获取请求之前,处理器402还可以执行:
建立不同服务及其对特征的实时性需求的第一对应关系;
而在确定目标服务对特征的实时性需求时,处理器402可以执行:
根据建立的第一对应关系确定目标服务对特征的实时性需求。
在一实施例中,在侦测目标服务的特征获取请求之前,处理器402还可以执行:
建立不同实时性需求和特征筛选策略的第二对应关系;
而在确定对应目标服务对特征的实时性需求的目标特征筛选策略时,处理器402可以执行:
根据建立的第二对应关系确定对应目标服务对特征的实时性需求的目标特征筛选策略。
应当说明的是,本申请实施例提供的电子设备与上文实施例中的特征处理方法属于同一构思,在电子设备上可以运行特征处理方法实施例中提供的任一方法,其具体实现过程详见特征处理方法实施例,此处不再赘述。
需要说明的是,对本申请实施例特征处理方法而言,本领域普通技术人员可以理解实现本申请实施例特征处理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,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特征处理方法的实施例的流程。其中,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,RandomAccess Memory)等。
对本申请实施例的特征处理装置而言,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。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,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特征处理方法、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,本说明书内容不应理解为对本申请的限制。
Claims (10)
1.一种特征处理方法,应用于电子设备,其特征在于,包括:
侦测目标服务的特征获取请求;
根据所述特征获取请求确定所述目标服务关联的特征;
确定所述目标服务对特征的实时性需求,并确定对应所述实时性需求的目标特征筛选策略;
根据所述目标特征筛选策略对所述目标服务关联的特征进行筛选,并将筛选出的特征提供给所述目标服务。
2.根据权利要求1所述的特征处理方法,其特征在于,所述根据所述目标特征筛选策略对所述目标服务关联的特征进行筛选,包括:
获取所述目标服务关联的特征中各特征与所述目标服务的关联程度;
从所述目标服务关联的特征中提取出关联程度达到所述目标特征筛选策略所指示的关联程度的特征;
获取提取出的特征两两之间的相似度,并根据所述提取出的特征两两之间的相似度、所述目标特征筛选策略指示的相似度,对提取出的特征进行去重处理;
其中,所述目标特征筛选策略指示的关联程度与所述实时性需求的高低正相关,所述目标特征筛选策略指示的相似度与所述实时性需求的高低负相关。
3.根据权利要求1所述的特征处理方法,其特征在于,所述根据所述目标特征筛选策略对所述目标服务关联的特征进行筛选,包括:
获取所述目标服务关联的特征两两之间的相似度,并根据所述目标服务关联的特征两两之间的相似度、所述目标特征筛选策略指示的相似度,对所述目标服务关联的特征进行去重处理;
获取去重后的特征中各特征与所述目标服务的关联程度;
按照关联程度的高低对所述去重后的特征进行排序,保留所述目标特征筛选策略指示的预设个数的特征;
其中,所述目标特征筛选策略指示的相似度与所述实时性需求的高低负相关,所述目标特征筛选策略指示的预设个数与所述实时性需求的高低负相关。
4.根据权利要求3所述的特征处理方法,其特征在于,所述获取所述目标服务关联的特征两两之间的相似度,包括
获取所述目标服务关联的特征两两之间的特征距离,作为所述目标服务关联的特征两两之间的相似度。
5.根据权利要求1所述的特征处理方法,其特征在于,所述将筛选出的特征提供给所述目标服务之前,还包括:
校验所述筛选出的特征的有效性;
若校验通过,则将所述筛选出的特征提供给所述目标服务。
6.根据权利要求5所述的特征处理方法,其特征在于,所述校验所述筛选出的特征的有效性之后,还包括:
若校验失败,则根据较所述目标特征筛选策略对应的实时性需求低的特征筛选策略,对所述目标服务关联的特征进行筛选,并将筛选出的特征提供给所述目标服务。
7.根据权利要求1所述的特征处理方法,其特征在于,所述侦测目标服务的特征获取请求之前,还包括:
建立不同服务及其对特征的实时性需求的第一对应关系;
而所述确定所述目标服务对特征的实时性需求,包括:
根据所述第一对应关系确定所述目标服务对特征的实时性需求。
8.一种特征处理装置,应用于电子设备,其特征在于,包括:
请求侦测模块,用于侦测目标服务的特征获取请求;
第一确定模块,用于根据所述特征获取请求确定所述目标服务关联的特征;
第二确定模块,用于确定所述目标服务对特征的实时性需求,并确定对应所述实时性需求的目标特征筛选策略;
特征筛选模块,用于根据所述目标特征筛选策略对所述目标服务关联的特征进行筛选,并将筛选出的特征提供给所述目标服务。
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运行时,使得所述计算机执行如权利要求1至7任一项所述的特征处理方法。
10.一种电子设备,包括处理器和存储器,所述存储器储存有计算机程序,其特征在于,所述处理器通过调用所述计算机程序,用于执行如权利要求1至7任一项所述的特征处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910282175.9A CN111797864A (zh) | 2019-04-09 | 2019-04-09 | 特征处理方法、装置、存储介质及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910282175.9A CN111797864A (zh) | 2019-04-09 | 2019-04-09 | 特征处理方法、装置、存储介质及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111797864A true CN111797864A (zh) | 2020-10-20 |
Family
ID=72805343
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910282175.9A Pending CN111797864A (zh) | 2019-04-09 | 2019-04-09 | 特征处理方法、装置、存储介质及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111797864A (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20010026553A1 (en) * | 2000-01-20 | 2001-10-04 | Gallant John K. | Intelligent policy server system and method for bandwidth control in an ATM network |
CN106685933A (zh) * | 2016-12-08 | 2017-05-17 | 腾讯科技(深圳)有限公司 | 一种授权策略推荐及装置 |
CN109359669A (zh) * | 2018-09-10 | 2019-02-19 | 平安科技(深圳)有限公司 | 医保报销异常检测方法、装置、计算机设备和存储介质 |
CN109376868A (zh) * | 2018-09-30 | 2019-02-22 | 北京字节跳动网络技术有限公司 | 信息管理系统 |
-
2019
- 2019-04-09 CN CN201910282175.9A patent/CN111797864A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20010026553A1 (en) * | 2000-01-20 | 2001-10-04 | Gallant John K. | Intelligent policy server system and method for bandwidth control in an ATM network |
CN106685933A (zh) * | 2016-12-08 | 2017-05-17 | 腾讯科技(深圳)有限公司 | 一种授权策略推荐及装置 |
CN109359669A (zh) * | 2018-09-10 | 2019-02-19 | 平安科技(深圳)有限公司 | 医保报销异常检测方法、装置、计算机设备和存储介质 |
CN109376868A (zh) * | 2018-09-30 | 2019-02-22 | 北京字节跳动网络技术有限公司 | 信息管理系统 |
Non-Patent Citations (1)
Title |
---|
宁可: "海量数据挖掘中的分类方法研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》, no. 01 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108256404B (zh) | 行人检测方法和装置 | |
CN106650662B (zh) | 目标对象遮挡检测方法及装置 | |
JP6339579B2 (ja) | コンピュータビジョンベースの追跡のために複数のマップをマージするシステムおよび方法 | |
WO2019051941A1 (zh) | 车型识别方法、装置、设备及计算机可读存储介质 | |
CN110414550B (zh) | 人脸识别模型的训练方法、装置、系统和计算机可读介质 | |
CN111797078A (zh) | 数据清洗方法、模型训练方法、装置、存储介质及设备 | |
CN111797288A (zh) | 数据筛选方法、装置、存储介质及电子设备 | |
CN111797861A (zh) | 信息处理方法、装置、存储介质及电子设备 | |
CN111797874B (zh) | 行为预测方法、装置、存储介质及电子设备 | |
CN111797080A (zh) | 模型训练方法、数据回收方法、装置、存储介质及设备 | |
CN111797864A (zh) | 特征处理方法、装置、存储介质及电子设备 | |
CN111797849A (zh) | 用户活动识别方法、装置、存储介质及电子设备 | |
CN111796701A (zh) | 模型训练方法、操作处理方法、装置、存储介质及设备 | |
CN111797077A (zh) | 数据清洗方法、装置、存储介质及电子设备 | |
CN111797075A (zh) | 数据回收方法、装置、存储介质及电子设备 | |
JPWO2007074600A1 (ja) | 特徴抽出装置、特徴抽出方法、および特徴抽出プログラム | |
CN108880835A (zh) | 数据分析方法及装置、计算机存储介质 | |
CN111796663B (zh) | 场景识别模型更新方法、装置、存储介质及电子设备 | |
CN111797299A (zh) | 模型训练方法、网页分类方法、装置、存储介质及设备 | |
CN111796992B (zh) | 行为偏好确定方法、装置、存储介质及电子设备 | |
CN111797089A (zh) | 数据写入方法、装置、存储介质及电子设备 | |
CN111796916A (zh) | 数据分发方法、装置、存储介质及服务器 | |
CN111797290A (zh) | 数据处理方法、装置、存储介质及电子设备 | |
CN113111689A (zh) | 一种样本挖掘方法、装置、设备及存储介质 | |
CN111797859A (zh) | 特征处理方法、装置、存储介质及电子设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |