CN113221034A - 数据泛化方法、装置、电子设备和存储介质 - Google Patents
数据泛化方法、装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN113221034A CN113221034A CN202110491604.0A CN202110491604A CN113221034A CN 113221034 A CN113221034 A CN 113221034A CN 202110491604 A CN202110491604 A CN 202110491604A CN 113221034 A CN113221034 A CN 113221034A
- Authority
- CN
- China
- Prior art keywords
- generalization
- granularity
- data
- candidate
- consistency information
- 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
- 238000000034 method Methods 0.000 title claims abstract description 63
- 235000019580 granularity Nutrition 0.000 claims description 309
- 238000004590 computer program Methods 0.000 claims description 13
- 238000004422 calculation algorithm Methods 0.000 claims description 10
- 238000000605 extraction Methods 0.000 claims description 3
- 239000000126 substance Substances 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 16
- 238000012545 processing Methods 0.000 abstract description 11
- 238000013135 deep learning Methods 0.000 abstract description 3
- 238000004891 communication Methods 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 238000013473 artificial intelligence Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000003993 interaction Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013075 data extraction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000005012 migration Effects 0.000 description 1
- 238000013508 migration Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 230000000007 visual 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
- G06F16/95—Retrieval from the web
- G06F16/955—Retrieval from the web using information identifiers, e.g. uniform resource locators [URL]
- G06F16/9566—URL specific, e.g. using aliases, detecting broken or misspelled links
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请公开了一种数据泛化方法、装置、电子设备和存储介质，涉及数据处理技术领域，尤其涉及大数据、智能推荐和深度学习技术领域。具体实现方案为：获取第一泛化数据以及第一泛化数据所采用的泛化粒度，根据泛化粒度，从第一泛化数据中抽取第一种子数据，根据第一种子数据，确定第一种子数据在泛化粒度下的一致性信息，根据一致性信息，确定第一泛化数据的目标泛化粒度，根据目标泛化粒度，对第一泛化数据进行泛化，以得到第二泛化数据。本申请中通过对已泛化的数据进行种子数据抽样，根据种子数据的一致性信息，调整泛化粒度，提高了泛化效果。
Description
技术领域
本申请涉及数据处理技术领域，尤其涉及大数据、智能推荐和深度学习技术领域，具体涉及一种数据泛化方法、装置、电子设备和存储介质。
背景技术
互联网产生了万亿级的海量数据，互联网数据中存在大量的相似内容、相似质量、相似价值数据的认知，对数据的挖掘耗费了巨大资源。而为了提升计算覆盖面同时节约计算资源，泛化是比较常用且有效的方法，而如何确定泛化粒度，以提高泛化的准确性是亟待解决的技术问题。
发明内容
本申请提供了一种通过调整泛化粒度，以提高泛化效果的数据泛化方法、装置、电子设备以及存储介质。
根据本申请的一方面，提供了一种数据泛化方法，其中，包括：
获取第一泛化数据以及所述第一泛化数据所采用的泛化粒度；
根据所述泛化粒度，从所述第一泛化数据中抽取第一种子数据；
根据所述第一种子数据，确定所述第一种子数据在所述泛化粒度下的一致性信息；
根据所述一致性信息，确定所述第一泛化数据的目标泛化粒度；
根据所述目标泛化粒度，对所述第一泛化数据进行泛化，以得到第二泛化数据。
根据本申请的另一方面，提供了一种数据泛化装置，包括：
获取模块，用于获取第一泛化数据以及所述第一泛化数据所采用的泛化粒度；
抽取模块，用于根据所述泛化粒度，从所述第一泛化数据中抽取第一种子数据；
第一确定模块，用于根据所述第一种子数据，确定所述第一种子数据在所述泛化粒度下的一致性信息；
第二确定模块，用于根据所述一致性信息，确定所述第一泛化数据的目标泛化粒度；
泛化模块，用于根据所述目标泛化粒度，对所述第一泛化数据进行泛化，以得到第二泛化数据。
根据本申请的另一方面，提供了一种电子设备，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行前述一方面所述的方法。
根据本申请的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行前述一方面所述的方法。
根据本申请的另一方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现如前述一方面所述的方法。
应当理解，本部分所描述的内容并非旨在标识本申请的实施例的关键或重要特征，也不用于限制本申请的范围。本申请的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案，不构成对本申请的限定。其中：
图1为本申请实施例所提供的一种数据泛化方法的流程示意图；
图2为本申请实施例提供的另一种数据泛化方法的流程示意图；
图3为本申请实施例提供的另一种数据泛化方法的流程示意图；
图4为本申请实施例提供了一种数据泛化方法的场景示意图；
图5为本申请实施例提供的一种数据泛化装置的结构示意图；
图6为本申请实施例提供的示例电子设备800的示意性框图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明，其中包括本申请实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本申请的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
下面参考附图描述本申请实施例的数据泛化方法、装置、电子设备和存储介质。
相关技术中，数据泛化的粒度，都是根据经验确定的，同时，泛化粒度确定后则固定不变，随着数据的变化和时间的迁移，泛化效果会逐渐衰减，为此，本实施例为了提高数据泛化的效果，提出了一种数据泛化方法，对泛化得到的第一泛化数据，在对应的泛化粒度下抽取预设数量的第一种子数据，根据第一种子数据的一致性信息，确定第一泛化数据的目标泛化粒度，并采用目标泛化粒度，对第一泛化数据泛化，以得到第二泛化数据，实现了数据泛化粒度的调整，提高了泛化效果。
图1为本申请实施例所提供的一种数据泛化方法的流程示意图。
如图1所示，该方法包含以下步骤：
步骤101，获取第一泛化数据以及第一泛化数据所采用的泛化粒度。
本实施例中的第一泛化数据，可以是对待泛化数据采用泛化粒度标识确定的；或者是对前一次泛化后的数据，采用泛化粒度标识确定的。其中，待泛化数据在不同的业务场景下，对应的数据不同，例如，待泛化数据可以为网页数据，也可以为人群类别数据等大数据集数据。
其中，第一泛化数据所采用的泛化粒度，是通过以下方式确定的：
在本实施例的一种实现方式中，从待泛化数据或者是前一次泛化后的数据中，基于预设的多个泛化粒度，分别抽取多组设定数量的种子数据，并对多组种子数据进行一致性信息计算，其中，一致性信息包含质量一致性，和/或，内容一致性，其中，质量包含丰富度、喜爱度等，内容包含类别、用途等。作为一种可能的实现方式，将每一组种子数据，输入训练得到的识别模型，其中，识别模型已经学习到种子数据和种子数据的一致性信息间的对应关系，根据识别模型，输出每一组种子数据的一致性信息，提高了一致性信息识别的效率。作为另一种可能的实现方式，将每一组种子数据，进行向量化处理，得到每一组种子数据的向量，基于欧式距离，计算每一组种子数据中确定任意两个种子数据间的相似性，根据计算得到的每一组种子数据间的相似性，确定每一组种子数据的一致性信息。
进而，根据各组种子数据的一致性信息，将种子数据的一致性信息满足设定要求时对应的泛化粒度中，泛化粒度等级最粗的泛化粒度作为待泛化数据的泛化粒度，节约了资源。
在本实施例的另一种实现方式中，获取原始数据，从原始数据中，基于预设的多个泛化粒度，采用粒度等级最细的泛化粒度进行种子数据抽样，并对种子数据进行一致性信息计算，若一致性信息满足设定要求，则将该泛化粒度作为待泛化数据的泛化粒度，利用该泛化粒度对待泛化数据标识，以得到第一泛化数据，采用度等级最细的泛化粒度直接进行抽样，降低了运算量，提高了泛化效果。
需要说明的是，针对不同领域，采用的确定种子数据一致性的计算方法可以不同，可对种子数据进行质量打分的一致性计算方法均可以，本实施例中不进行限定，本领域技术人员可根据需求对种子数据一致性计算方法进行选择和调整，以实现对各领域数据的适配。
步骤102，根据泛化粒度，从第一泛化数据中抽取第一种子数据。
其中，第一种子数据是随机抽取的，从第一泛化数据中抽取的第一种子数据的数量，可以等于上一次进行种子数据抽取时的数量，或者大于上一次进行种子数据抽取时的数量，通过增加抽取的种子数据的数量，可以提高后续种子数据一致性信息确定的准确性，进而提高泛化粒度确定的准确性。
步骤103，根据第一种子数据，确定第一种子数据在泛化粒度下的一致性信息。
其中，确定第一种子数据在泛化粒度下的一致性信息，可参照步骤101中的说明，原理相同，此处不再赘述。
步骤104，根据一致性信息，确定第一泛化数据的目标泛化粒度。
本实施例中，确定随机抽取的第一种子数据的一致性信息，根据一致性信息，确定是否调整第一泛化数据的目标泛化粒度，具体地，可从预先设定的多个泛化粒度中，根据一致性信息，选择一个目标泛化粒度，以使得在数据变化或者是时间的推移导致的数据的变化时，可调整第一泛化数据的目标泛化粒度，实现了泛化粒度的不断调整，提高了泛化效果。
步骤105，根据目标泛化粒度，对第一泛化数据进行泛化，以得到第二泛化数据。
本实施中，采用目标泛化粒度，对第一泛化数据进行标识，得到第二泛化数据，实现了根据调整后的目标泛化粒度，对数据进行泛化，提高了泛化的效果。
本实施例的数据泛化方法中，获取第一泛化数据和第一泛化数据采用的泛化粒度，根据该泛化粒度，抽取预设数量的第一种子数据，根据第一种子数据的一致性信息，确定第一泛化数据的目标泛化粒度，并采用目标泛化粒度，对第一泛化数据泛化，以得到第二泛化数据，实现了数据泛化粒度的调整，提高了泛化效果。
基于上述实施例，为了提高泛化效果，可按照设定的周期，或者是在监测到数据的变化量大于设定阈值时，执行图1实施例所示的方法，以实现动态调整数据的泛化粒度，提高泛化效果。
基于上述实施例，本实施例提供了一种实现方式，为了适配不同业务场景下的数据，在对抽取的种子数据计算确定一致性时，可根据数据确定对应的一致性算法，具体来说：获取第一泛化数据对应的业务标识，例如，网页类数据的标识，访客类数据的标识等，根据业务标识，确定从第一泛化数据中抽取到的种子数据对应的一致性算法。其中，不同业务标识，指示了不同的业务场景，不同的业务场景下，数据的特征不同，对应的一致性算法也不同，本实施例中，一致性算法用于确定抽取到的种子数据的一致性，例如，对于网页类数据，一致性可包含内容一致性或者是质量一致性；对于访客类数据，一致性可包含人群年龄一致性或购买内容一致性等，本实施例中不进行限定。本实施例中，通过根据业务数据的标识，确定对应的一致性算法，实现了根据应用需求调整一致性算法，从而提高相应业务场景下的泛化效果。
另外，针对不同业务场景下的数据集，由于数据集中的数据具有一定的相似性，可采用本申请实施例的数据泛化方法调整泛化粒度，以得到对应的泛化数据，实现数据泛化的鲁棒性。
基于上述实施例，本实施例提供了另一种数据泛化方法，具体说明了根据第一种子数据在泛化粒度下的一致性信息，如何确定第一泛化数据的目标泛化粒度，下面通过两个实施例进行说明。
图2为本申请实施例提供的另一种数据泛化方法的流程示意图，说明了在一致性信息指示第一种子数据一致的情况下，如何准确确定目标泛化粒度。如图2所示，上述步骤104包含以下步骤：
步骤201，在一致性信息指示第一种子数据一致的情况下，确定第一候选泛化粒度。
其中，第一候选泛化粒度的粒度等级粗于泛化粒度。
本实施例中，在确定一致性信息指示第一种子数据一致的情况下，从预先设定的多个泛化粒度中，确定粒度等级粗于泛化粒度的第一候选泛化粒度。
本实施例的一种实现方式中，在网页应用领域，泛化粒度按照从粗至细的等级划分为域粒度domain、站点粒度site、目录粒度dir、URL粒度pattern等粒度，第一泛化数据的泛化粒度为站点粒度，则选定的粒度等级粗于站点粒度的第一候选泛化粒度为域粒度。
需要说明的是，泛化粒度，可根据业务需求进行设定，本实施例中不进行限定。
步骤202，根据第一候选泛化粒度，从第一泛化数据中抽取第二种子数据。
本实施例中，从第一泛化数据中，按照第一候选泛化粒度，抽取第二种子数据。
例如，第一泛化数据的泛化粒度为站点粒度，则选定的粒度等级粗于站点粒度的第一候选泛化粒度为域粒度，则从第一泛化数据中，根据域粒度，进行随机种子数据抽取，称为第二种子数据。
步骤203，根据第二种子数据，确定第二种子数据在第一候选泛化粒度下的一致性信息。
其中，确定一致性信息的方法，可参照前述方法实施例中的说明，本实施例中不再赘述。
步骤204，根据第二种子数据在第一候选泛化粒度下的一致性信息，确定目标泛化粒度。
本实施例中，在第一候选泛化粒度下的一致性信息指示第二种子数据一致的情况下，说明第一候选泛化粒度，是适合的泛化粒度，则将第一候选泛化粒度作为第一泛化数据的目标泛化粒度，实现了对第一泛化数据的泛化粒度的调整，提高了泛化粒度确定的准确性；在第一候选泛化粒度下的一致性信息指示第二种子数据不一致的情况下，说明第一候选泛化粒度为不适合的泛化粒度，也就是说不能将泛化粒度调整为第一候选泛化粒度，则将泛化粒度作为第一泛化数据的目标泛化粒度，也就是说维持第一泛化数据的原泛化粒度，不需要进行泛化粒度的调整。
本实施例的数据泛化方法中，在一致性信息指示第一种子数据一致的情况下，通过调整第一泛化数据的泛化粒度为更粗的第一候选泛化粒度，并判断在第一候选泛化粒度下，重新抽取得到的第二种子数据的一致性信息，根据一致性信息，确定是维持原泛化粒度，或者是调整为较粗等级的第一候选泛化粒度，提高了泛化粒度确定的准确性，从而提高了数据泛化效果，可适配不同数据的变化特点，同时，避免了固定粒度导致的泛化效果衰减的问题。
图3为本申请实施例提供的另一种数据泛化方法的流程示意图，说明了在一致性信息指示第一种子数据不一致的情况下，如何确定目标泛化粒度。如图3所示，上述步骤104包含以下步骤：
步骤301，在一致性信息指示第一种子数据不一致的情况下，确定泛化粒度的粒度等级细于泛化粒度的多个第二候选泛化粒度。
本实施例中，在泛化粒度下的一致性信息指示第一种子数据不一致的情况下，说明泛化粒度需要进行调整，需要调整为泛化粒度的粒度等级细于泛化粒度的第二候选泛化粒度，其中，第二候选泛化粒度为多个，具体地，从预先设定的多个泛化粒度中，确定粒度等级细于泛化粒度的多个第二候选泛化粒度。
本实施例的一种实现方式中，泛化粒度按照从粗至细的等级划分为域粒度domain、站点粒度site、目录粒度dir、URL粒度pattern等粒度，第一泛化数据的泛化粒度为站点粒度，则选定的粒度等级细于站点粒度的第二候选泛化粒度为目录粒度。
步骤302，针对每个第二候选泛化粒度，根据第二候选泛化粒度，从第一泛化数据中抽取第三种子数据。
具体可参照步骤202中的说明，原理相同，本实施例中不再赘述。
步骤303，根据第三种子数据，确定第三种子数据在第二候选泛化粒度下的一致性信息。
其中，确定一致性信息的方法，可参照前述方法实施例中的说明，本实施例中不再赘述。
步骤304，根据多个第三种子数据在相应第二候选泛化粒度下的一致性信息，确定目标泛化粒度。
本实施例的一个示例中，从多个第二候选泛化粒度下的一致性信息中，选择指示第三种子数据一致的一致性信息，将指示第三种子数据一致的一致性信息对应的第二候选泛化粒度中泛化等级最粗的第二候选泛化粒度，作为第一泛化数据的目标泛化粒度，实现了对泛化粒度的调整，同时选择泛化等级相对最粗的第二候选泛化粒度，节约了资源。
需要理解的是，本实施例中是按照第二候选泛化粒度为多个为例进行说明的，而在泛化粒度下的一致性信息指示第一种子数据不一致的情况下，若粒度等级细于泛化粒度的第二候选泛化粒度为一个，则将该第二候选泛化粒度作为目标泛化粒度。
本实施例的数据泛化方法中，在一致性信息指示第一种子数据不一致的情况下，通过调整第一泛化数据的泛化粒度为更细的第二候选泛化粒度，并判断在第二候选泛化粒度下，重新抽取得到的第三种子数据的一致性信息，根据一致性信息，将指示第三种子数据一致的一致性信息对应的第二候选泛化粒度中泛化等级最粗的第二候选泛化粒度，作为第一泛化数据的目标泛化粒度，从而提高了数据泛化效果，可适配不同数据的变化特点，同时，避免了固定粒度导致的泛化效果衰减的问题。
为了便于理解上述实施例，图4为本申请实施例提供了一种数据泛化方法的场景示意图。
如图4中，待覆盖的数据为待泛化的数据，在网页数据场景下，预设的多个泛化粒度按照从粗至细的等级划分为域粒度domain、站点粒度site、目录粒度dir、URL地址粒度pattern，按照最细的泛化粒度等级URL粒度pattern，抽取设定数量的种子数据，例如数量为X1，并对种子数据进行一致性信息计算，其中，一致性信息包含质量一致性，和/或，内容一致性。作为一种可能的实现方式，将种子数据，输入训练得到的识别模型，其中，识别模型已经学习到种子数据和种子数据的一致性信息间的对应关系，根据识别模型，输出种子数据的一致性信息，提高了一致性信息识别的效率。若根据URL地址粒度pattern抽取得到的种子数据的一致性信息指示种子数据一致，则确定待泛化数据的泛化粒度为URL地址粒度pattern。采用URL地址粒度pattern对待泛化的数据进行标识，以实现采用确定的泛化粒度对待泛化数据全量覆盖，以得到泛化后数据。
进一步，对泛化后的数据，在URL地址粒度下，随机抽取设定数据的种子数据，例如数量为X2，本实施例中，为了提高准确性，作为一种实现方式，可设定X2的数量大于X1的数量，以通过增加抽取的种子数量，以进行第一粒度准确性的校验。
进而，对X2数量的种子数据确定一致性信息，若一致性信息指示数据一致，则可继续采用原有的泛化粒度，即URL地址粒度；或者将粒度等级粗于URL地址粒度的域粒度domain作为第一候选粒度，并基于第一候选粒度，重新抽取X2数量的种子数据，确定重新抽取的X2数量的种子数据在域粒度domain下的一致性，根据一致性，确定是采用原泛化粒度URL地址粒度或采用域粒度作为调整后得泛化粒度，以实现泛化粒度的调整，提高泛化粒度的准确性。
其中，根据选取的种子数据的泛化粒度，调整目标泛化粒度的方法，可参照上述实施中的说明，本实施例中不再赘述。
为了提高泛化粒度的准确性，可设定周期，定期抽取种子数据，进行数据一致性确定，以实现根据数据一致性的变化，动态调整泛化粒度，提高了泛化粒度确定的准确性，进而提高泛化效果。
为了实现上述实施例，本实施例提供了一种数据泛化装置。
图5为本申请实施例提供的一种数据泛化装置的结构示意图，如图5所示，该装置包含：
获取模块51，用于获取第一泛化数据以及第一泛化数据所采用的泛化粒度。
抽取模块52，用于根据泛化粒度，从第一泛化数据中抽取第一种子数据。
第一确定模块53，用于根据第一种子数据，确定第一种子数据在泛化粒度下的一致性信息。
第二确定模块54，用于根据一致性信息，确定第一泛化数据的目标泛化粒度。
泛化模块55，用于根据目标泛化粒度，对第一泛化数据进行泛化，以得到第二泛化数据。
进一步，在本申请实施例的一种实现方式中，第二确定模块54，用于：
在所述一致性信息指示所述第一种子数据一致的情况下，确定候选泛化粒度；所述候选泛化粒度的粒度等级粗于所述泛化粒度；
根据所述候选泛化粒度，从所述第一泛化数据中抽取第二种子数据；
根据所述第二种子数据，确定所述第二种子数据在所述候选泛化粒度下的一致性信息；
根据所述第二种子数据在所述候选泛化粒度下的一致性信息，确定目标泛化粒度。
在本申请实施例的一种实现方式中，所述第二确定模块54，还用于：
在所述第一候选泛化粒度下的一致性信息指示所述第二种子数据一致的情况下，将所述第一候选泛化粒度作为所述第一泛化数据的目标泛化粒度；
在所述第一候选泛化粒度下的一致性信息指示所述第二种子数据不一致的情况下，将所述泛化粒度作为所述第一泛化数据的目标泛化粒度。
在本申请实施例的另一种实现方式中，第二确定模块54，还用于
在所述一致性信息指示所述第一种子数据不一致的情况下，确定泛化粒度的粒度等级细于所述泛化粒度的多个第二候选泛化粒度；
针对每个第二候选泛化粒度，根据所述第二候选泛化粒度，从所述第一泛化数据中抽取第三种子数据；
根据所述第三种子数据，确定所述第三种子数据在所述第二候选泛化粒度下的一致性信息；
根据多个第三种子数据在相应第二候选泛化粒度下的一致性信息，确定目标泛化粒度。
在本申请实施例的一种实现方式中，第二确定模块54，还用于从多个所述第二候选泛化粒度下的一致性信息中，将指示所述第三种子数据一致的一致性信息对应的第二候选泛化粒度中泛化等级最粗的第二候选泛化粒度，作为所述第一泛化数据的目标泛化粒度。
在本申请实施例的一种实现方式中，第一确定模块53，用于将所述第一种子数据输入识别模型，以得到所述第一种子数据的所述泛化粒度下的一致性信息，所述识别模型，已经学习得到所述第一种子数据在所述泛化粒度下的一致性信息。
在本申请实施例的一种实现方式中，所述装置还包括：
上述获取模块51，还用于获取所述第一泛化数据对应的业务标识；
第三确定模块，用于根据所述业务标识，确定所述第一泛化数据对应的一致性算法。
需要说明的是，前述对方法实施例的解释说明，也适用于本实施例的装置，原理相同，本实施例中不再限定。
本实施例的数据泛化装置中，获取第一泛化数据和第一泛化数据采用的泛化粒度，根据该泛化粒度，抽取预设数量的第一种子数据，根据第一种子数据的一致性信息，确定第一泛化数据的目标泛化粒度，并采用目标泛化粒度，对第一泛化数据泛化，以得到第二泛化数据，实现了数据泛化粒度的调整，提高了泛化效果。
为了实现上述实施例，本实施例提供了一种电子设备，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行前述方法实施例所述的方法。
为了实现上述实施例，本实施例提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行前述方法实施例所述的方法。
为了实现上述实施例，本实施例提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现如前述方法实施例所述的方法。
根据本申请的实施例，本申请还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图6为本申请实施例提供的示例电子设备800的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图6所示，设备800包括计算单元801，其可以根据存储在ROM(Read-OnlyMemory，只读存储器)802中的计算机程序或者从存储单元808加载到RAM(Random AccessMemory，随机访问/存取存储器)803中的计算机程序，来执行各种适当的动作和处理。在RAM803中，还可存储设备800操作所需的各种程序和数据。计算单元801、ROM 802以及RAM 803通过总线804彼此相连。I/O(Input/Output，输入/输出)接口805也连接至总线804。
设备800中的多个部件连接至I/O接口805，包括：输入单元806，例如键盘、鼠标等；输出单元807，例如各种类型的显示器、扬声器等；存储单元808，例如磁盘、光盘等；以及通信单元809，例如网卡、调制解调器、无线通信收发机等。通信单元809允许设备800通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元801可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元801的一些示例包括但不限于CPU(Central Processing Unit，中央处理单元)、GPU(Graphic Processing Units，图形处理单元)、各种专用的AI(Artificial Intelligence，人工智能)计算芯片、各种运行机器学习模型算法的计算单元、DSP(Digital SignalProcessor，数字信号处理器)、以及任何适当的处理器、控制器、微控制器等。计算单元801执行上文所描述的各个方法和处理，例如数据泛化方法。例如，在一些实施例中，数据泛化方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元808。在一些实施例中，计算机程序的部分或者全部可以经由ROM 802和/或通信单元809而被载入和/或安装到设备800上。当计算机程序加载到RAM 803并由计算单元801执行时，可以执行上文描述的数据泛化方法的一个或多个步骤。备选地，在其他实施例中，计算单元801可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行数据泛化方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、FPGA(Field Programmable Gate Array，现场可编程门阵列)、ASIC(Application-Specific Integrated Circuit，专用集成电路)、ASSP(Application Specific StandardProduct，专用标准产品)、SOC(System On Chip，芯片上系统的系统)、CPLD(ComplexProgrammable Logic Device，复杂可编程逻辑设备)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本申请的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本申请的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、RAM、ROM、EPROM(Electrically Programmable Read-Only-Memory，可擦除可编程只读存储器)或快闪存储器、光纤、CD-ROM(Compact Disc Read-Only Memory，便捷式紧凑盘只读存储器)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(Cathode-Ray Tube，阴极射线管)或者LCD(Liquid Crystal Display，液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：LAN(LocalArea Network，局域网)、WAN(Wide Area Network，广域网)、互联网和区块链网络。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务("Virtual Private Server"，或简称"VPS")中，存在的管理难度大，业务扩展性弱的缺陷。服务器也可以为分布式系统的服务器，或者是结合了区块链的服务器。
其中，需要说明的是，人工智能是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科，既有硬件层面的技术也有软件层面的技术。人工智能硬件技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理等技术；人工智能软件技术主要包括计算机视觉技术、语音识别技术、自然语言处理技术以及机器学习/深度学习、大数据处理技术、知识图谱技术等几大方向。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本申请公开的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本申请保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等，均应包含在本申请保护范围之内。
Claims (17)
1.一种数据泛化方法，其中，包括：
获取第一泛化数据以及所述第一泛化数据所采用的泛化粒度；
根据所述泛化粒度，从所述第一泛化数据中抽取第一种子数据；
根据所述第一种子数据和所述第一泛化数据对应的一致性算法，确定所述第一种子数据在所述泛化粒度下的一致性信息；
根据所述一致性信息，确定所述第一泛化数据的目标泛化粒度；
根据所述目标泛化粒度，对所述第一泛化数据进行泛化，以得到第二泛化数据。
2.根据权利要求1所述的方法，其中，所述根据所述一致性信息，确定所述第一泛化数据的目标泛化粒度，包括：
在所述一致性信息指示所述第一种子数据一致的情况下，确定第一候选泛化粒度；所述第一候选泛化粒度的粒度等级粗于所述泛化粒度；
根据所述第一候选泛化粒度，从所述第一泛化数据中抽取第二种子数据；
根据所述第二种子数据，确定所述第二种子数据在所述第一候选泛化粒度下的一致性信息；
根据所述第二种子数据在所述第一候选泛化粒度下的一致性信息，确定目标泛化粒度。
3.根据权利要求2所述的方法，其中，所述根据所述第二种子数据在所述第一候选泛化粒度下的一致性信息，确定目标泛化粒度，包括：
在所述第一候选泛化粒度下的一致性信息指示所述第二种子数据一致的情况下，将所述第一候选泛化粒度作为所述第一泛化数据的目标泛化粒度；
在所述第一候选泛化粒度下的一致性信息指示所述第二种子数据不一致的情况下，将所述泛化粒度作为所述第一泛化数据的目标泛化粒度。
4.根据权利要求1所述的方法，其中，所述根据所述一致性信息，确定所述第一泛化数据的目标泛化粒度，包括：
在所述一致性信息指示所述第一种子数据不一致的情况下，确定泛化粒度的粒度等级细于所述泛化粒度的多个第二候选泛化粒度；
针对每个第二候选泛化粒度，根据所述第二候选泛化粒度，从所述第一泛化数据中抽取第三种子数据；
根据所述第三种子数据，确定所述第三种子数据在所述第二候选泛化粒度下的一致性信息；
根据多个第三种子数据在相应第二候选泛化粒度下的一致性信息，确定目标泛化粒度。
5.根据权利要求4所述的方法，其中，所述根据多个第三种子数据在相应第二候选泛化粒度下的一致性信息，确定目标泛化粒度，包括：
从多个所述第二候选泛化粒度下的一致性信息中，将指示所述第三种子数据一致的一致性信息对应的第二候选泛化粒度中泛化等级最粗的第二候选泛化粒度，作为所述第一泛化数据的目标泛化粒度。
6.根据权利要求1所述的方法，其中，所述根据所述第一种子数据，确定所述第一种子数据在所述泛化粒度下的一致性信息，包括：
将所述第一种子数据输入识别模型，以得到所述第一种子数据的所述泛化粒度下的一致性信息，所述识别模型，已经学习得到所述第一种子数据在所述泛化粒度下的一致性信息。
7.根据权利要求1-6任一所述的方法，所述方法还包括：
获取所述第一泛化数据对应的业务标识；
根据所述业务标识，确定所述第一泛化数据对应的一致性算法。
8.一种数据泛化装置，其中，包括：
获取模块，用于获取第一泛化数据以及所述第一泛化数据所采用的泛化粒度；
抽取模块，用于根据所述泛化粒度，从所述第一泛化数据中抽取第一种子数据；
第一确定模块，用于根据所述第一种子数据，确定所述第一种子数据在所述泛化粒度下的一致性信息；
第二确定模块，用于根据所述一致性信息，确定所述第一泛化数据的目标泛化粒度；
泛化模块，用于根据所述目标泛化粒度，对所述第一泛化数据进行泛化，以得到第二泛化数据。
9.根据权利要求8所述的装置，其中，所述第二确定模块，包括：
在所述一致性信息指示所述第一种子数据一致的情况下，确定第一候选泛化粒度；所述第一候选泛化粒度的粒度等级粗于所述泛化粒度；
根据所述第一候选泛化粒度，从所述第一泛化数据中抽取第二种子数据；
根据所述第二种子数据，确定所述第二种子数据在所述第一候选泛化粒度下的一致性信息；
根据所述第二种子数据在所述第一候选泛化粒度下的一致性信息，确定目标泛化粒度。
10.根据权利要求9所述的装置，其中，所述第二确定模块，还用于：
在所述第一候选泛化粒度下的一致性信息指示所述第二种子数据一致的情况下，将所述第一候选泛化粒度作为所述第一泛化数据的目标泛化粒度；
在所述第一候选泛化粒度下的一致性信息指示所述第二种子数据不一致的情况下，将所述泛化粒度作为所述第一泛化数据的目标泛化粒度。
11.根据权利要求8所述的装置，其中，所述第二确定模块，还用于：
在所述一致性信息指示所述第一种子数据不一致的情况下，确定泛化粒度的粒度等级细于所述泛化粒度的多个第二候选泛化粒度；
针对每个第二候选泛化粒度，根据所述第二候选泛化粒度，从所述第一泛化数据中抽取第三种子数据；
根据所述第三种子数据，确定所述第三种子数据在所述第二候选泛化粒度下的一致性信息；
根据多个第三种子数据在相应第二候选泛化粒度下的一致性信息，确定目标泛化粒度。
12.根据权利要求11所述的装置，其中，所述第二确定模块，还用于：
从多个所述第二候选泛化粒度下的一致性信息中，将指示所述第三种子数据一致的一致性信息对应的第二候选泛化粒度中泛化等级最粗的第二候选泛化粒度，作为所述第一泛化数据的目标泛化粒度。
13.根据权利要求8所述的装置，其中，所述第一确定模块，具体用于：
将所述第一种子数据输入识别模型，以得到所述第一种子数据的所述泛化粒度下的一致性信息，所述识别模型，已经学习得到所述第一种子数据在所述泛化粒度下的一致性信息。
14.根据权利要求8-13任一所述的装置，所述装置还包括：
所述获取模块，还用于获取所述第一泛化数据对应的业务标识；
第三确定模块，用于根据所述业务标识，确定所述第一泛化数据对应的一致性算法。
15.一种电子设备，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-7中任一项所述的方法。
16.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1-7中任一项所述的方法。
17.一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据权利要求1-7中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110491604.0A CN113221034A (zh) | 2021-05-06 | 2021-05-06 | 数据泛化方法、装置、电子设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110491604.0A CN113221034A (zh) | 2021-05-06 | 2021-05-06 | 数据泛化方法、装置、电子设备和存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113221034A true CN113221034A (zh) | 2021-08-06 |
Family
ID=77091092
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110491604.0A Pending CN113221034A (zh) | 2021-05-06 | 2021-05-06 | 数据泛化方法、装置、电子设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113221034A (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20190318810A1 (en) * | 2018-04-12 | 2019-10-17 | International Business Machines Corporation | Augmenting datasets using de-identified data and selected authorized records |
| CN110399609A (zh) * | 2019-06-25 | 2019-11-01 | 众安信息技术服务有限公司 | 意图识别方法、装置、设备及计算机可读存储介质 |
| WO2020144118A1 (fr) * | 2019-01-07 | 2020-07-16 | Big Data Sante | Procede de creation d'avatars pour proteger des donnees sensibles |
| CN111666851A (zh) * | 2020-05-28 | 2020-09-15 | 大连理工大学 | 一种基于多粒度标签的交叉域自适应行人重识别方法 |
| WO2020184127A1 (ja) * | 2019-03-11 | 2020-09-17 | 日本電信電話株式会社 | データ一般化装置、データ一般化方法、プログラム |
| CN112307295A (zh) * | 2020-03-27 | 2021-02-02 | 北京来也网络科技有限公司 | 结合rpa和ai的语料泛化方法、装置和电子设备 |
| CN112347322A (zh) * | 2019-08-06 | 2021-02-09 | 国际商业机器公司 | 用于预测模型的数据泛化 |
| CN112541362A (zh) * | 2020-12-08 | 2021-03-23 | 北京百度网讯科技有限公司 | 一种泛化处理的方法、装置、设备和计算机存储介质 |
-
2021
- 2021-05-06 CN CN202110491604.0A patent/CN113221034A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20190318810A1 (en) * | 2018-04-12 | 2019-10-17 | International Business Machines Corporation | Augmenting datasets using de-identified data and selected authorized records |
| WO2020144118A1 (fr) * | 2019-01-07 | 2020-07-16 | Big Data Sante | Procede de creation d'avatars pour proteger des donnees sensibles |
| WO2020184127A1 (ja) * | 2019-03-11 | 2020-09-17 | 日本電信電話株式会社 | データ一般化装置、データ一般化方法、プログラム |
| CN110399609A (zh) * | 2019-06-25 | 2019-11-01 | 众安信息技术服务有限公司 | 意图识别方法、装置、设备及计算机可读存储介质 |
| CN112347322A (zh) * | 2019-08-06 | 2021-02-09 | 国际商业机器公司 | 用于预测模型的数据泛化 |
| CN112307295A (zh) * | 2020-03-27 | 2021-02-02 | 北京来也网络科技有限公司 | 结合rpa和ai的语料泛化方法、装置和电子设备 |
| CN111666851A (zh) * | 2020-05-28 | 2020-09-15 | 大连理工大学 | 一种基于多粒度标签的交叉域自适应行人重识别方法 |
| CN112541362A (zh) * | 2020-12-08 | 2021-03-23 | 北京百度网讯科技有限公司 | 一种泛化处理的方法、装置、设备和计算机存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112560996A (zh) | 用户画像识别模型训练方法、设备、可读存储介质及产品 | |
| CN113627536B (zh) | 模型训练、视频分类方法，装置，设备以及存储介质 | |
| CN114861059A (zh) | 资源推荐方法、装置、电子设备及存储介质 | |
| CN113963197A (zh) | 图像识别方法、装置、电子设备和可读存储介质 | |
| CN113904943A (zh) | 账号检测方法、装置、电子设备和存储介质 | |
| CN113627361A (zh) | 人脸识别模型的训练方法、装置及计算机程序产品 | |
| CN112784102A (zh) | 视频检索方法、装置和电子设备 | |
| CN112560936A (zh) | 模型并行训练方法、装置、设备、存储介质和程序产品 | |
| CN113032251B (zh) | 应用程序服务质量的确定方法、设备和存储介质 | |
| CN113221034A (zh) | 数据泛化方法、装置、电子设备和存储介质 | |
| CN113903071A (zh) | 人脸识别方法、装置、电子设备和存储介质 | |
| CN113657248A (zh) | 人脸识别模型的训练方法、装置及计算机程序产品 | |
| CN114021642A (zh) | 数据处理方法、装置、电子设备和存储介质 | |
| CN113379750A (zh) | 语义分割模型的半监督学习方法、相关装置及产品 | |
| CN113807391A (zh) | 任务模型的训练方法、装置、电子设备及存储介质 | |
| CN113961797A (zh) | 资源推荐方法、装置、电子设备和可读存储介质 | |
| CN113408632A (zh) | 提高图像分类准确性的方法、装置、电子设备及存储介质 | |
| CN113361621A (zh) | 用于训练模型的方法和装置 | |
| CN113010721A (zh) | 一种图片审核方法、装置、电子设备及存储介质 | |
| CN114724090B (zh) | 行人再识别模型的训练方法、行人再识别方法及装置 | |
| CN114547448B (zh) | 数据处理、模型训练方法、装置、设备、存储介质及程序 | |
| CN114693950B (zh) | 一种图像特征提取网络的训练方法、装置及电子设备 | |
| CN115757869A (zh) | 视频处理方法、装置、电子设备及介质 | |
| CN114648672A (zh) | 构建样本图像集的方法、装置、电子设备及可读存储介质 | |
| CN115934987A (zh) | 样本文本生成方法、装置及电子设备 |
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 |