CN112328844A - 一种处理多类型数据的方法及系统 - Google Patents
一种处理多类型数据的方法及系统 Download PDFInfo
- Publication number
- CN112328844A CN112328844A CN202011294673.4A CN202011294673A CN112328844A CN 112328844 A CN112328844 A CN 112328844A CN 202011294673 A CN202011294673 A CN 202011294673A CN 112328844 A CN112328844 A CN 112328844A
- Authority
- CN
- China
- Prior art keywords
- feature
- model
- data
- order
- processing
- 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.)
- Granted
Links
- 238000012545 processing Methods 0.000 title claims abstract description 86
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000012549 training Methods 0.000 claims abstract description 45
- 238000007781 pre-processing Methods 0.000 claims abstract description 8
- 239000013598 vector Substances 0.000 claims description 57
- 230000007246 mechanism Effects 0.000 claims description 22
- 230000006872 improvement Effects 0.000 claims description 14
- 230000009466 transformation Effects 0.000 claims description 13
- 230000003044 adaptive effect Effects 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 6
- 239000000284 extract Substances 0.000 claims description 3
- 239000010410 layer Substances 0.000 description 22
- 230000006870 function Effects 0.000 description 11
- 230000008569 process Effects 0.000 description 11
- 238000004891 communication Methods 0.000 description 9
- 238000007477 logistic regression Methods 0.000 description 6
- 238000004590 computer program Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 239000002356 single layer Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/903—Querying
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/906—Clustering; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computational Linguistics (AREA)
- Editing Of Facsimile Originals (AREA)
Abstract
本申请公开了一种处理多类型数据的方法及系统,所述方法包括:对数据进行预处理,获取训练数据;基于DeepFM模型进行改进,获取多类型数据处理模型;将所述训练数据输入到所述多类型数据处理模型进行模型训练,获取最优的所述多类型数据处理模型;通过最优的所述多类型数据处理模型对数据进行处理。基于本申请,能够对不同类型不同维度数据进行有效处理,从而更充分有效地利用数据来学习模型。
Description
技术领域
本发明涉及计算机技术领域。更具体的说,本发明涉及一种处理多类型数据的方法及系统。
背景技术
随着互联网技术的发展,公司往往能收集到越来越多的用户数据,这些数据通常包含多种类型,如数值、字符和数组类型等,利用这些数据可以对用户一些商业相关行为偏好进行建模预测。而使用何种模型充分有效的利用这些数据来进行建模则是至关重要的一步。
目前常用的模型主要有逻辑回归模型、DeepFM模型以及Din模型。逻辑回归模型是应用最广泛的一个模型,在使用逻辑回归时,先对特征进行one-hot编码(独热编码),然后输入逻辑回归模型;DeepFM模型最初提出是用于解决CTR(点击率)预测的问题,但是其也可以用于其他分类任务,DeepFM模型解决了逻辑回归中无法学习到特征组合的问题,且其不仅能学习到低阶特征组合,还能学习到高阶特征组合;Din模型也是最初提出用于解决CTR(点击率)预测的模型,相较于DeepFM其引入了一个注意力机制用来处理数组模型,从而给与数组特征中的每一个特征赋予不同的权重。
然而上述模型处理数据时仍存在以下问题:
1、逻辑回归模型由于其模型简单,相当于一个单层的神经网络,而且无法直接学习到特征组合,需要人为组合特征,因此其拟合能力也较差,经常作为各种分类任务的基准模型;
2、DeepFM模型无法处理序列类型特征,一个解决方法是对网络进行改造,对于数组类型特征,将此数组类的所有特征Embedding(嵌入)向量求平均或求和,以表示此数组类型特征。但是此种方法将一个数组类的特征看作同等重要,而对于某个用户某个目标任务来说,可能某些特征更为重要。此外,在DeepFM模型中,所有特征均直接使用相同维度的Embedding向量表示,而所有原始特征的维度常常是不同的,这会导致某些简单特征过拟合而某些复杂特征表示欠拟合;
3、如图1所示为Din模型网络结构图,Din模型通过外部候选广告来提供注意力,网络学习到用户浏览过的哪个物品信息对于当前候选广告来说更为重要,从而赋予更高的权重,但是这种注意力获取方法极大的限制了其应用范围,很多任务没有用来提供注意力的候选广告。此外,相较于DeepFM模型,Din模型未能学习到模型的低阶特征组合,这将影响到模型的效果。
发明内容
本申请实施例提供了一种处理多类型数据的方法,以至少解决相关技术中主观因素影响的问题。
本发明提供了一种处理多类型数据的方法,所述方法包括以下步骤:
数据获取步骤:对数据进行预处理,获取训练数据;
模型改进步骤:基于DeepFM模型进行改进,获取多类型数据处理模型;
模型训练步骤:将所述训练数据输入到所述多类型数据处理模型进行模型训练,获取最优的所述多类型数据处理模型;
处理步骤:通过最优的所述多类型数据处理模型对数据进行处理。
作为本发明的进一步改进,所述模型训练步骤具体包括以下步骤:
特征提取步骤:提取所述训练数据的稀疏特征;
特征嵌入步骤:根据所述稀疏特征的维度将其自动嵌入到相适应维度向量,获取所述稀疏特征的特征嵌入向量;
特征表示步骤:根据所述特征嵌入向量分别获取低阶特征表示和高阶特征表示;
低阶特征获取步骤:根据所述低阶特征表示获取低阶特征组合;
高阶特征获取步骤:根据所述高阶特征表示获取高阶特征组合;
特征合并步骤:将所述低阶特征组合和所述高阶特征组合合并输入到sigmoid函数得到最优的所述多类型数据处理模型。
作为本发明的进一步改进,所述特征表示步骤具体包括以下步骤:
高阶特征表示步骤:对所述特征嵌入向量做非线性变换,获取所述高阶特征表示;
低阶特征表示步骤:将所述特征嵌入向量转换为相同维度,对所述转换后的特征嵌入向量做非线性变换,获取所述低阶特征表示。
作为本发明的进一步改进,当所述训练数据类型为数组类型时,所述特征嵌入步骤还包括引入注意力机制,通过所述注意力机制获取整个数组特征的特征嵌入向量。
作为本发明的进一步改进,所述注意力机制中注意力打分函数使用缩放点击模型。
基于相同发明思想,本发明还基于任一项发明创造所揭示的处理多类型数据的方法,揭示了一种处理多类型数据的系统,
所述处理多类型数据的系统包括:
数据获取模块,对数据进行预处理,获取训练数据;
模型改进模块,基于DeepFM模型进行改进,获取多类型数据处理模型;
模型训练模块,将所述训练数据输入到所述多类型数据处理模型进行模型训练,获取最优的所述多类型数据处理模型;
处理模块,通过最优的所述多类型数据处理模型对数据进行处理。
作为本发明的进一步改进,所述模型训练模块包括:
特征提取单元,提取所述训练数据的稀疏特征;
半自适应维度Embedding单元,根据所述稀疏特征的维度将其自动嵌入到相适应维度向量,获取所述稀疏特征的特征嵌入向量;
MLP层单元,根据所述特征嵌入向量分别获取低阶特征表示和高阶特征表示;
FM层单元,根据所述低阶特征表示获取低阶特征组合;
Deep单元,根据所述高阶特征表示获取高阶特征组合;
输出单元,将所述低阶特征组合和所述高阶特征组合合并输入到sigmoid函数得到最优的所述多类型数据处理模型。
作为本发明的进一步改进,所述MLP层单元包括:
高阶特征表示单元,对所述特征嵌入向量做非线性变换,获取所述高阶特征表示;
低阶特征表示单元,将所述特征嵌入向量转换为相同维度,对所述转换后的特征嵌入向量做非线性变换,获取所述低阶特征表示。
作为本发明的进一步改进,当所述训练数据类型为数组类型时,所述半自适应维度Embedding单元中还包括注意力机制单元,通过所述注意力机制单元获取整个数组特征的特征嵌入向量。
作为本发明的进一步改进,所述注意力机制单元中注意力打分函数使用缩放点击模型。
与现有技术相比,本发明的有益效果如下:
1、提出了一种处理多类型数据的方法,能够对不同类型不同维度数据进行有效处理,从而更充分有效地利用数据来学习模型;
2、利用半自适应维度嵌入,能将各个特征均嵌入到合适的维度,有效避免高维特征嵌入维度过小欠拟合和较低维特征嵌入到较大维度过拟合;
3、利用MLP层可以有效学习到各个特征嵌入向量更加高级抽象的表示,且通过MLP层将不同维度的特征嵌入向量转换为相同维度,使得后续的FM层部分能学习到低阶特征组合;
4、利用注意力机制(Attention)能更加有效的对数组类型特征进行学习,自适应的学习到数组特征中各个子特征的权重,从而进行更加合理组合。
本申请的一个或多个实施例的细节在以下附图和描述中提出,以使本申请的其他特征、目的和优点更加简明易懂。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1是Din模型网络结构图;
图2是本实施例提供的一种处理多类型数据的方法整体流程图;
图3是图2所揭示的步骤S3整体流程图;
图4是图3所揭示的步骤S33整体流程图;
图5是本实施例提供的一种处理多类型数据的系统结构框架图;
图6是本实施例提供的一种处理多类型数据的模型网络结构图;
图7是根据本发明实施例的计算机设备的框架图。
以上图中:
100、数据获取模块;200、模型改进模块;300、模型训练模块;400、处理模块;301、特征提取单元;302、半自适应维度Embedding单元;303、MLP层单元;304、FM单元;305、Deep单元;306、输出单元;3021、注意力机制单元;3031、高阶特征表示单元;3032、低阶特征表示单元;80、总线;81、处理器;82、存储器;83、通信接口。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行描述和说明。应当理解,此处所描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。基于本申请提供的实施例,本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。
显而易见地,下面描述中的附图仅仅是本申请的一些示例或实施例,对于本领域的普通技术人员而言,在不付出创造性劳动的前提下,还可以根据这些附图将本申请应用于其他类似情景。此外,还可以理解的是,虽然这种开发过程中所作出的努力可能是复杂并且冗长的,然而对于与本申请公开的内容相关的本领域的普通技术人员而言,在本申请揭露的技术内容的基础上进行的一些设计,制造或者生产等变更只是常规的技术手段,不应当理解为本申请公开的内容不充分。
在本申请中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域普通技术人员显式地和隐式地理解的是,本申请所描述的实施例在不冲突的情况下,可以与其它实施例相结合。
除非另作定义,本申请所涉及的技术术语或者科学术语应当为本申请所属技术领域内具有一般技能的人士所理解的通常意义。本申请所涉及的“一”、“一个”、“一种”、“该”等类似词语并不表示数量限制,可表示单数或复数。本申请所涉及的术语“包括”、“包含”、“具有”以及它们任何变形,意图在于覆盖不排他的包含;例如包含了一系列步骤或模块(单元)的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元,而是可以还包括没有列出的步骤或单元,或可以还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。本申请所涉及的“连接”、“相连”、“耦接”等类似的词语并非限定于物理的或者机械的连接,而是可以包括电气的连接,不管是直接的还是间接的。本申请所涉及的“多个”是指两个或两个以上。“和/或”描述关联对象的关联关系,表示可以存在三种关系,例如,“A和/或B”可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。本申请所涉及的术语“第一”、“第二”、“第三”等仅仅是区别类似的对象,不代表针对对象的特定排序。
下面结合附图所示的各实施方式对本发明进行详细说明,但应当说明的是,这些实施方式并非对本发明的限制,本领域普通技术人员根据这些实施方式所作的功能、方法、或者结构上的等效变换或替代,均属于本发明的保护范围之内。
在详细阐述本发明各个实施例之前,对本发明的核心发明思想予以概述,并通过下述若干实施例予以详细阐述。
本发明可对不同类型不同维度的数据进行有效处理,从而更充分有效地利用数据来学习模型。
实施例一:
参照图2至图4所示,本实例揭示了一种处理多类型数据的方法(以下简称“方法”)的具体实施方式。
具体而言参照图2所示,本实施例所揭示的方法主要包括以下步骤:
步骤S1、对数据进行预处理,获取训练数据。
具体而言,在其中一些实施例中,对所获取的数据在进行模型训练之前需要预处理,例如:对于类别型特征,对各个特征分别进标签编码(label encoder),利用标签编码可转换成连续的数值型变量;对于数值型特征,进行离散分箱处理。
然后执行步骤S2、基于DeepFM模型进行改进,获取多类型数据处理模型。
具体而言,DeepFM模型最初提出是用于解决点击率预测的问题,但是其也可以用于其他分类任务。DeepFM模型不仅能学习到低阶特征组合,还能学习到高阶特征组合。DeepFM模型分为两部分,左边的FM(FM Layer)部分和右边的Deep(Hidden Layer)部分,两者共用一个嵌入(Embedding)向量。左边的FM可以学习到低阶特征组合,而右边的Deep部分则可以学习到高阶特征组合,最后将低阶和高阶特征组合合并输入到输出单元(OutputUnits)sigmoid函数得到输入结果。
具体而言,本实施例所提供的多类型数据处理模型依据DeepFM模型进行改进,改进部分主要为:引入半自适应维度Embedding(Semi-adaptive Dense Embeddings)单元,对于不同维度的特征,将其嵌入(Embedding)到不同维度向量;引入MLP层,MLP层的作用有两个,其一是对嵌入向量进行进一步的非线性变换以提取更加高级抽象的特征表示;其次是将首层不同维度的嵌入向量转换为相同维度,使得后续FM层网络能够进行特征组合学习;引入注意力机制(Attention),Attention主要作用于数组特征,当一个数组特征包含多个子特征时,通过注意力机制计算每个子特征的权重,然后通过加权求和的方式得到整个数组特征的Embedding表示。
然后执行步骤S3、将所述训练数据输入到所述多类型数据处理模型进行模型训练,获取最优的所述多类型数据处理模型。
在其中一些实施例中,参照图3所示,步骤S3具体包括以下步骤:
S31、提取所述训练数据的稀疏特征;
S32、根据所述稀疏特征的维度将其自动嵌入到相适应维度向量,获取所述稀疏特征的特征嵌入向量;
S33、根据所述特征嵌入向量分别获取低阶特征表示和高阶特征表示;
S34、根据所述低阶特征表示获取低阶特征组合;
S35、根据所述高阶特征表示获取高阶特征组合;
S36、将所述低阶特征组合和所述高阶特征组合合并输入到sigmoid函数得到最优的所述多类型数据处理模型。
具体而言,在其中一些实施例中,利用多类型数据处理模型获取数据的稀疏特征(sparse features)。一般在机器学习意义上,我们常说的feature,是一种对数据的表达。一般来说,Feature应该是informative(富有信息量),discriminative(有区分性)和independent(独立)的。稀疏特征的意思是在大多数的特征上其值为零,只有少部分的特征为非零。
具体而言,在其中一些实施例中,特征嵌入向量维度取稀疏特征维度的n次方根加一,一般n取值为3,如:某个稀疏特征包含20个类别,即其维度为20,则其Embedding维度为201/3+1,即3。
具体而言,在其中一些实施例中,参照图4所示,步骤S33具体包括以下步骤:
S331、对所述特征嵌入向量做非线性变换,获取所述高阶特征表示;
S332、将所述特征嵌入向量转换为相同维度,对所述转换后的特征嵌入向量做非线性变换,获取所述低阶特征表示。
具体而言,当所述训练数据类型为数组类型时,所述步骤S23还包括引入注意力机制,通过所述注意力机制获取整个数组特征的特征嵌入向量。当一个数组特征包含多个子特征时,通过注意力机制计算每个子特征的权重,然后通过加权求和的方式得到整个数组特征的Embedding表示,计算公式如下所示:
其中,X为输入的数组特征的各个子特征的Embedding向量,q为查询向量,是一个学习得到的参数。αn表示各个子特征的权重,计算公式如下:
其中,s(x,q)为注意力打分函数,这里使用的是缩放点击模型:
最后执行步骤S4、通过最优的所述多类型数据处理模型对数据进行处理。
通过本申请实施例所揭示的一种处理多类型数据的方法能够对不同类型不同维度数据进行有效处理,从而更充分有效地利用数据来学习模型,利用半自适应维度嵌入,能将各个特征均嵌入到合适的维度,有效避免高维特征嵌入维度过小欠拟合和较低维特征嵌入到较大维度过拟合,利用MLP层可以有效学习到各个特征嵌入向量更加高级抽象的表示,且通过MLP层将不同维度的特征嵌入向量转换为相同维度,使得后续的FM层部分能学习到低阶特征组合,利用注意力机制(Attention)能更加有效的对数组类型特征进行学习,自适应的学习到数组特征中各个子特征的权重,从而进行更加合理组合。
本申请的一个或多个实施例的细节在以下附图和描述中提出,以使本申请的其他特征、目的和优点更加简明易懂。
实施例二:
结合实施例一所揭示的一种处理多类型数据的方法,本实施例揭示了一种处理多类型数据的系统(以下简称“系统”)的具体实施示例。
参照图5和图6所示,所述系统包括:
数据获取模块100,对数据进行预处理,获取训练数据;
模型改进模块200,基于DeepFM模型进行改进,获取多类型数据处理模型;
模型训练模块300,将所述训练数据输入到所述多类型数据处理模型进行模型训练,获取最优的所述多类型数据处理模型;
处理模块400,通过最优的所述多类型数据处理模型对数据进行处理。
在其中一些实施例中,模型训练模块300包括:
特征提取单元301,提取所述训练数据的稀疏特征;
半自适应维度Embedding单元302,根据所述稀疏特征的维度将其自动嵌入到相适应维度向量,获取所述稀疏特征的特征嵌入向量;
MLP层单元303,根据所述特征嵌入向量分别获取低阶特征表示和高阶特征表示;
FM层单元304,根据所述低阶特征表示获取低阶特征组合;
Deep单元305,根据所述高阶特征表示获取高阶特征组合;
输出单元306,将所述低阶特征组合和所述高阶特征组合合并输入到sigmoid函数得到最优的所述多类型数据处理模型。
在其中一些实施例中,MLP层单元303包括:
高阶特征表示单元3031,对所述特征嵌入向量做非线性变换,获取所述高阶特征表示;
低阶特征表示单元3032,将所述特征嵌入向量转换为相同维度,对所述转换后的特征嵌入向量做非线性变换,获取所述低阶特征表示。
在其中一些实施例中,当所述训练数据类型为数组类型时,所述半自适应维度Embedding单元302中还包括注意力机制单元3021,通过所述注意力机制单元3021获取整个数组特征的特征嵌入向量。
在其中一些实施例中,所述注意力机制单元3021中注意力打分函数使用缩放点击模型。
本实施例所揭示的一种处理多类型数据的系统与实施例一所揭示的一种处理多类型数据的方法中其余相同部分的技术方案,请参考实施例一所述,在此不再赘述。
实施例三:
结合图7所示,本实施例揭示了一种计算机设备的一种具体实施方式。计算机设备可以包括处理器81以及存储有计算机程序指令的存储器82。
具体地,上述处理器81可以包括中央处理器(CPU),或者特定集成电路(Application Specific Integrated Circuit,简称为ASIC),或者可以被配置成实施本申请实施例的一个或多个集成电路。
其中,存储器82可以包括用于数据或指令的大容量存储器。举例来说而非限制,存储器82可包括硬盘驱动器(Hard Disk Drive,简称为HDD)、软盘驱动器、固态驱动器(SolidState Drive,简称为SSD)、闪存、光盘、磁光盘、磁带或通用串行总线(Universal SerialBus,简称为USB)驱动器或者两个或更多个以上这些的组合。在合适的情况下,存储器82可包括可移除或不可移除(或固定)的介质。在合适的情况下,存储器82可在数据处理装置的内部或外部。在特定实施例中,存储器82是非易失性(Non-Volatile)存储器。在特定实施例中,存储器82包括只读存储器(Read-Only Memory,简称为ROM)和随机存取存储器(RandomAccess Memory,简称为RAM)。在合适的情况下,该ROM可以是掩模编程的ROM、可编程ROM(Programmable Read-Only Memory,简称为PROM)、可擦除PROM(Erasable ProgrammableRead-Only Memory,简称为EPROM)、电可擦除PROM(Electrically Erasable ProgrammableRead-Only Memory,简称为EEPROM)、电可改写ROM(Electrically Alterable Read-OnlyMemory,简称为EAROM)或闪存(FLASH)或者两个或更多个以上这些的组合。在合适的情况下,该RAM可以是静态随机存取存储器(Static Random-Access Memory,简称为SRAM)或动态随机存取存储器(Dynamic Random Access Memory,简称为DRAM),其中,DRAM可以是快速页模式动态随机存取存储器(Fast Page Mode Dynamic Random Access Memory,简称为FPMDRAM)、扩展数据输出动态随机存取存储器(Extended Date Out Dynamic RandomAccess Memory,简称为EDODRAM)、同步动态随机存取内存(Synchronous Dynamic Random-Access Memory,简称SDRAM)等。
存储器82可以用来存储或者缓存需要处理和/或通信使用的各种数据文件,以及处理器81所执行的可能的计算机程序指令。
处理器81通过读取并执行存储器82中存储的计算机程序指令,以实现上述实施例中的任意一种处理多类型数据的方法。
在其中一些实施例中,计算机设备还可包括通信接口83和总线80。其中,如图7所示,处理器81、存储器82、通信接口83通过总线80连接并完成相互间的通信。
通信接口83用于实现本申请实施例中各模块、装置、单元和/或设备之间的通信。通信端口83还可以实现与其他部件例如:外接设备、图像/数据采集设备、数据库、外部存储以及图像/数据处理工作站等之间进行数据通信。
总线80包括硬件、软件或两者,将计算机设备的部件彼此耦接在一起。总线80包括但不限于以下至少之一:数据总线(Data Bus)、地址总线(Address Bus)、控制总线(Control Bus)、扩展总线(Expansion Bus)、局部总线(Local Bus)。举例来说而非限制,总线80可包括图形加速接口(Accelerated Graphics Port,简称为AGP)或其他图形总线、增强工业标准架构(Extended Industry Standard Architecture,简称为EISA)总线、前端总线(Front Side Bus,简称为FSB)、超传输(Hyper Transport,简称为HT)互连、工业标准架构(Industry Standard Architecture,简称为ISA)总线、无线带宽(InfiniBand)互连、低引脚数(Low Pin Count,简称为LPC)总线、存储器总线、微信道架构(Micro ChannelArchitecture,简称为MCA)总线、外围组件互连(Peripheral Component Interconnect,简称为PCI)总线、PCI-Express(PCI-X)总线、串行高级技术附件(Serial AdvancedTechnology Attachment,简称为SATA)总线、视频电子标准协会局部(Video ElectronicsStandards Association Local Bus,简称为VLB)总线或其他合适的总线或者两个或更多个以上这些的组合。在合适的情况下,总线80可包括一个或多个总线。尽管本申请实施例描述和示出了特定的总线,但本申请考虑任何合适的总线或互连。
该计算机设备可以基于多类型数据处理模型对数据进行有效处理,从而实现结合图1描述的方法。
另外,结合上述实施例中处理多类型数据的方法,本申请实施例可提供一种计算机可读存储介质来实现。该计算机可读存储介质上存储有计算机程序指令;该计算机程序指令被处理器执行时实现上述实施例中的任意一种处理多类型数据的方法。
以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
综上所述,基于本发明的有益效果在于,揭示了一种处理多类型数据的方法,能够对不同类型不同维度数据进行有效处理,从而更充分有效地利用数据来学习模型,利用半自适应维度嵌入,能将各个特征均嵌入到合适的维度,有效避免高维特征嵌入维度过小欠拟合和较低维特征嵌入到较大维度过拟合,利用MLP层可以有效学习到各个特征嵌入向量更加高级抽象的表示,且通过MLP层将不同维度的特征嵌入向量转换为相同维度,使得后续的FM层部分能学习到低阶特征组合,利用注意力机制(Attention)能更加有效的对数组类型特征进行学习,自适应的学习到数组特征中各个子特征的权重,从而进行更加合理组合。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种处理多类型数据的方法,其特征在于,所述方法包括如下步骤:
数据获取步骤:对数据进行预处理,获取训练数据;
模型改进步骤:基于DeepFM模型进行改进,获取多类型数据处理模型;
模型训练步骤:将所述训练数据输入到所述多类型数据处理模型进行模型训练,获取最优的所述多类型数据处理模型;
处理步骤:通过最优的所述多类型数据处理模型对数据进行处理。
2.如权利要求1所述的一种处理多类型数据的方法,其特征在于,所述模型训练步骤具体包括以下步骤:
特征提取步骤:提取所述训练数据的稀疏特征;
特征嵌入步骤:根据所述稀疏特征的维度将其自动嵌入到相适应维度向量,获取所述稀疏特征的特征嵌入向量;
特征表示步骤:根据所述特征嵌入向量分别获取低阶特征表示和高阶特征表示;
低阶特征获取步骤:根据所述低阶特征表示获取低阶特征组合;
高阶特征获取步骤:根据所述高阶特征表示获取高阶特征组合;
特征合并步骤:将所述低阶特征组合和所述高阶特征组合合并输入到sigmoid函数得到最优的所述多类型数据处理模型。
3.如权利要求2所述的一种处理多类型数据的方法,其特征在于,所述特征表示步骤具体包括以下步骤:
高阶特征表示步骤:对所述特征嵌入向量做非线性变换,获取所述高阶特征表示;
低阶特征表示步骤:将所述特征嵌入向量转换为相同维度,对所述转换后的特征嵌入向量做非线性变换,获取所述低阶特征表示。
4.如权利要求2所述的一种处理多类型数据的方法,其特征在于,当所述训练数据类型为数组类型时,所述特征嵌入步骤还包括引入注意力机制,通过所述注意力机制获取整个数组特征的特征嵌入向量。
5.如权利要求4所述的一种处理多类型数据的方法,其特征在于,所述注意力机制中注意力打分函数使用缩放点击模型。
6.一种处理多类型数据的系统,运行如权利要求1至5中任一项所述的处理多类型数据的方法,其特征在于,
所述处理多类型数据的系统包括:
数据获取模块,对数据进行预处理,获取训练数据;
模型改进模块,基于DeepFM模型进行改进,获取多类型数据处理模型;
模型训练模块,将所述训练数据输入到所述多类型数据处理模型进行模型训练,获取最优的所述多类型数据处理模型;
处理模块,通过最优的所述多类型数据处理模型对数据进行处理。
7.如权利要求6所述的处理多类型数据的系统,其特征在于,所述模型训练模块包括:
特征提取单元,提取所述训练数据的稀疏特征;
半自适应维度Embedding单元,根据所述稀疏特征的维度将其自动嵌入到相适应维度向量,获取所述稀疏特征的特征嵌入向量;
MLP层单元,根据所述特征嵌入向量分别获取低阶特征表示和高阶特征表示;
FM层单元,根据所述低阶特征表示获取低阶特征组合;
Deep单元,根据所述高阶特征表示获取高阶特征组合;
输出单元,将所述低阶特征组合和所述高阶特征组合合并输入到sigmoid函数得到最优的所述多类型数据处理模型。
8.如权利要求7所述的处理多类型数据的系统,其特征在于,所述MLP层单元包括:
高阶特征表示单元,对所述特征嵌入向量做非线性变换,获取所述高阶特征表示;
低阶特征表示单元,将所述特征嵌入向量转换为相同维度,对所述转换后的特征嵌入向量做非线性变换,获取所述低阶特征表示。
9.如权利要求7所述的处理多类型数据的系统,其特征在于,当所述训练数据类型为数组类型时,所述半自适应维度Embedding单元中还包括注意力机制单元,通过所述注意力机制单元获取整个数组特征的特征嵌入向量。
10.如权利要求9所述的处理多类型数据的系统,其特征在于,所述注意力机制单元中注意力打分函数使用缩放点击模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011294673.4A CN112328844B (zh) | 2020-11-18 | 2020-11-18 | 一种处理多类型数据的方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011294673.4A CN112328844B (zh) | 2020-11-18 | 2020-11-18 | 一种处理多类型数据的方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112328844A true CN112328844A (zh) | 2021-02-05 |
CN112328844B CN112328844B (zh) | 2024-07-02 |
Family
ID=74322527
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011294673.4A Active CN112328844B (zh) | 2020-11-18 | 2020-11-18 | 一种处理多类型数据的方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112328844B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112863132A (zh) * | 2021-04-23 | 2021-05-28 | 成都中轨轨道设备有限公司 | 一种自然灾害预警系统及预警方法 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180336880A1 (en) * | 2017-05-19 | 2018-11-22 | Baidu Usa Llc | Systems and methods for multi-speaker neural text-to-speech |
CN109299976A (zh) * | 2018-09-07 | 2019-02-01 | 深圳大学 | 点击率预测方法、电子装置及计算机可读存储介质 |
CN110377686A (zh) * | 2019-07-04 | 2019-10-25 | 浙江大学 | 一种基于深度神经网络模型的地址信息特征抽取方法 |
CN110633421A (zh) * | 2019-09-09 | 2019-12-31 | 北京瑞莱智慧科技有限公司 | 特征提取、推荐以及预测方法、装置、介质和设备 |
CN110991483A (zh) * | 2019-11-01 | 2020-04-10 | 北京邮电大学 | 高阶邻域混合的网络表示学习方法及装置 |
CN111310063A (zh) * | 2020-02-03 | 2020-06-19 | 电子科技大学 | 基于神经网络的记忆感知门控因子分解机物品推荐方法 |
CN111325579A (zh) * | 2020-02-25 | 2020-06-23 | 华南师范大学 | 一种广告点击率预测方法 |
CN111383030A (zh) * | 2020-05-28 | 2020-07-07 | 支付宝(杭州)信息技术有限公司 | 一种交易风险的检测方法、装置及设备 |
CN111506811A (zh) * | 2020-03-19 | 2020-08-07 | 上海理工大学 | 一种基于深度残差网络的点击率预测方法 |
KR20200099966A (ko) * | 2019-02-14 | 2020-08-25 | 고려대학교 산학협력단 | 명목형 데이터를 포함하는 데이터를 기반으로 하는 학습 방법 및 장치 |
CN111737578A (zh) * | 2020-06-22 | 2020-10-02 | 陕西师范大学 | 一种推荐方法及系统 |
CN111881262A (zh) * | 2020-08-06 | 2020-11-03 | 重庆邮电大学 | 基于多通道神经网络的文本情感分析方法 |
-
2020
- 2020-11-18 CN CN202011294673.4A patent/CN112328844B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180336880A1 (en) * | 2017-05-19 | 2018-11-22 | Baidu Usa Llc | Systems and methods for multi-speaker neural text-to-speech |
CN109299976A (zh) * | 2018-09-07 | 2019-02-01 | 深圳大学 | 点击率预测方法、电子装置及计算机可读存储介质 |
KR20200099966A (ko) * | 2019-02-14 | 2020-08-25 | 고려대학교 산학협력단 | 명목형 데이터를 포함하는 데이터를 기반으로 하는 학습 방법 및 장치 |
CN110377686A (zh) * | 2019-07-04 | 2019-10-25 | 浙江大学 | 一种基于深度神经网络模型的地址信息特征抽取方法 |
CN110633421A (zh) * | 2019-09-09 | 2019-12-31 | 北京瑞莱智慧科技有限公司 | 特征提取、推荐以及预测方法、装置、介质和设备 |
CN110991483A (zh) * | 2019-11-01 | 2020-04-10 | 北京邮电大学 | 高阶邻域混合的网络表示学习方法及装置 |
CN111310063A (zh) * | 2020-02-03 | 2020-06-19 | 电子科技大学 | 基于神经网络的记忆感知门控因子分解机物品推荐方法 |
CN111325579A (zh) * | 2020-02-25 | 2020-06-23 | 华南师范大学 | 一种广告点击率预测方法 |
CN111506811A (zh) * | 2020-03-19 | 2020-08-07 | 上海理工大学 | 一种基于深度残差网络的点击率预测方法 |
CN111383030A (zh) * | 2020-05-28 | 2020-07-07 | 支付宝(杭州)信息技术有限公司 | 一种交易风险的检测方法、装置及设备 |
CN111737578A (zh) * | 2020-06-22 | 2020-10-02 | 陕西师范大学 | 一种推荐方法及系统 |
CN111881262A (zh) * | 2020-08-06 | 2020-11-03 | 重庆邮电大学 | 基于多通道神经网络的文本情感分析方法 |
Non-Patent Citations (4)
Title |
---|
RUIDONG ZHAO ET AL.: "Weighted DeepFM:Modeling Multiple Features Interaction for Recommendation System", 《2019 4TH INTERNATINAL CONFERENCE ON COMPUTATIONAL INTELLIGENCE AND APPLICATIONS》, pages 1 - 5 * |
李遥 等: "基于深度残差网络的DeepFM点击率预测模型", 《软件导刊》, no. 03, pages 80 - 84 * |
罗朗 等: "基于DeepFM模型的科技资源推荐应用研究", 《计算机应用研究》, no. 1, pages 41 - 43 * |
黄立威;江碧涛;吕守业;刘艳博;李德毅;: "基于深度学习的推荐系统研究综述", 《计算机学报》, no. 07, pages 191 - 219 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112863132A (zh) * | 2021-04-23 | 2021-05-28 | 成都中轨轨道设备有限公司 | 一种自然灾害预警系统及预警方法 |
CN112863132B (zh) * | 2021-04-23 | 2021-07-13 | 成都中轨轨道设备有限公司 | 一种自然灾害预警系统及预警方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112328844B (zh) | 2024-07-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110990631A (zh) | 视频筛选方法、装置、电子设备和存储介质 | |
CN107526725A (zh) | 基于人工智能的用于生成文本的方法和装置 | |
Wang et al. | TRC‐YOLO: A real‐time detection method for lightweight targets based on mobile devices | |
CN116415654A (zh) | 一种数据处理方法及相关设备 | |
CN107480688B (zh) | 基于零样本学习的细粒度图像识别方法 | |
CN114676234A (zh) | 一种模型训练方法及相关设备 | |
WO2020147409A1 (zh) | 一种文本分类方法、装置、计算机设备及存储介质 | |
CN110096617B (zh) | 视频分类方法、装置、电子设备及计算机可读存储介质 | |
CN113590948B (zh) | 信息推荐方法、装置、设备以及计算机存储介质 | |
CN114510939A (zh) | 实体关系抽取方法、装置、电子设备及存储介质 | |
CN111159409A (zh) | 基于人工智能的文本分类方法、装置、设备、介质 | |
CN110442711A (zh) | 文本智能化清洗方法、装置及计算机可读存储介质 | |
WO2024041483A1 (zh) | 一种推荐方法及相关装置 | |
CN111950279A (zh) | 实体关系的处理方法、装置、设备及计算机可读存储介质 | |
CN114065771A (zh) | 一种预训练语言处理方法及设备 | |
CN114330474A (zh) | 一种数据处理方法、装置、计算机设备以及存储介质 | |
CN114529785B (zh) | 模型的训练方法、视频生成方法和装置、设备、介质 | |
CN112328844A (zh) | 一种处理多类型数据的方法及系统 | |
CN113743277A (zh) | 一种短视频分类方法及系统、设备和存储介质 | |
CN108960265B (zh) | 图像分类过程的优化方法、图像分类方法、装置及系统 | |
CN113535912A (zh) | 基于图卷积网络和注意力机制的文本关联方法及相关设备 | |
Wang et al. | Bilateral attention network for semantic segmentation | |
CN113205137A (zh) | 一种基于胶囊参数优化的图像识别方法及系统 | |
CN113569094A (zh) | 视频推荐方法、装置、电子设备及存储介质 | |
CN113761188A (zh) | 文本标签确定方法、装置、计算机设备和存储介质 |
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 | ||
GR01 | Patent grant |