CN115455019A - 一种基于用户行为分析的搜索意图识别方法、装置及设备 - Google Patents
一种基于用户行为分析的搜索意图识别方法、装置及设备 Download PDFInfo
- Publication number
- CN115455019A CN115455019A CN202211111428.4A CN202211111428A CN115455019A CN 115455019 A CN115455019 A CN 115455019A CN 202211111428 A CN202211111428 A CN 202211111428A CN 115455019 A CN115455019 A CN 115455019A
- Authority
- CN
- China
- Prior art keywords
- data set
- field
- table data
- original
- 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.)
- Pending
Links
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
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/23—Updating
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/22—Indexing; Data structures therefor; Storage structures
- G06F16/2282—Tablespace storage structures; Management thereof
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
- G06F16/285—Clustering or classification
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种针对用户行为的分类模型更新方法、装置及设备。包括:获取原始分类模型所对应的用户原表数据集和新增数据,其中,原表数据集中包含原始数据;根据原表数据集和新增数据获取新表数据集;判断新表数据集的有效性,当确定新表数据集有效时获取新表数据集中的有效字段,根据有效字段更新原表数据集;采用更新后的原表数据集对原始分类模型进行更新。通过获取原始分类模型中的原表数据集和新增数据建立新表数据集,并且可以通过筛选出的有效字段增加分类模型的维度,再采用更新后的原表数据集对原始分类模型进行更新,提升了分类模型计算的准确性,同时实现了分类模型的迭代更新,并且不需要人工干预,进而节省了人工成本。
Description
技术领域
本发明涉及计算机技术领域,尤其涉及一种基于用户行为分析的搜索意图识别方法、装置及设备。
背景技术
在互联网中,用户行为会产生大量的数据,包括历史数据和新增数据,而为了在用户操作过程中便于向用户推荐具有针对性的信息、或者进行必要的监控管理,通常需要根据用户在网络应用中的操作行为,针对预先设定的目标进行分类预测。
传统做法是当获得新增数据后,业务人员先分析挑选潜在有效数据给算法人员,然后算法人员通过数据挖掘技术来进一步筛选对分类价值数据贡献高的数据进入模型从新训练迭代模型。
现有技术中大量的模型在经过算法人员精心筛选及特征工程完成初次建模后,耗费大量人工成本,并且入参数据相对固定,入参数据维度覆盖方向也相对固定,这样势必会造成一定维度的数据缺失,从而使模型的识别判断能力对某些方向识别不足。
发明内容
本发明提供了一种针对用户行为的分类模型更新方法、装置及设备,以实现对用户行为中的有效新增数据进行分类模型的更新。
根据本发明的一方面,提供了一种针对用户行为的分类模型更新方法,包括:
获取原始分类模型所对应的用户原表数据集和新增数据,其中,原表数据集中包含原始数据;
根据原表数据集和新增数据获取新表数据集;
判断新表数据集的有效性,当确定新表数据集有效时获取新表数据集中的有效字段,根据有效字段更新原表数据集;
采用更新后的原表数据集对原始分类模型进行更新。
优选的,根据原表数据集和新增数据获取新表数据集,包括:确定新增数据中的新增字段;对新增字段进行缺失值处理得到第一处理字段;对第一处理字段进行极值处理或进行归一化处理得到第二处理字段;将原表数据集加上第二处理字段对应的新增数据作为新表数据集。
优选的,确定新增数据中的新增字段,包括:获取新增数据中的全部字段;对全部字段进行筛选获得结构化字段,并将结构化字段作为新增字段。
优选的,对新增字段进行缺失值处理得到第一处理字段,包括:依次将各新增字段作为目标字段;判断目标字段对应的新增数据的缺失数据量与总数据量的比值是否大于第一预设阈值,若是,将目标字段作为第一处理字段,否则,将目标字段删除。
优选的,对第一处理字段进行极值处理或进行归一化处理得到第二处理字段,包括:将第一处理字段对应的新增数据由小到大进行排列得到第一处理集,获取第一处理集中两个指定位置的差值或比值;判断差值或比值是否小于第二预设阈值,若是,对第一处理字段进行极值处理得到第二处理字段,否则,对第一处理字段进行归一化处理得到第二处理字段。
优选的,判断新表数据集的有效性,包括:获取原表数据集和新表数据集的相关数据指标,其中,相关数据指标中包含准确率、召回率和接收者操作特征曲线下方面积;计算原表数据集和新表数据集中各相同相关数据指标之间的差值;判断差值是否满足预设条件,若满足,确定新表数据集有效,否则,确定新表数据集无效。
优选的,获取原表数据集和新表数据集的相关数据指标,包括:将原表数据集和新表数据集分别划分成第一数据集和第二数据集,并获取用户输入的第一数据集和第二数据集的实际标签;采用第一数据集和第一数据集的实际标签对原始分类模型进行训练得到训练分类模型;通过训练分类模型对第二数据集进行计算获得计算标签,并计算实际标签和计算标签的相关数据指标。
优选的,当确定新表数据集有效时获取新表数据集中的有效字段,根据有效字段更新原表数据集,包括:获取新表数据集和原表数据集中的各字段的贡献度;确定原表数据集中字段的最小贡献度,将新表数据集中贡献度大于最小贡献度的字段作为有效字段;将有效字段和有效字段对应的新增数据添加到原表数据集中对原表数据集进行更新。
根据本发明的另一方面,提供了一种电子设备,所述电子设备包括:
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计算机程序,所述计算机程序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本发明任一实施例所述的一种针对用户行为的分类模型更新方法。
根据本发明的另一方面,提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现本发明任一实施例所述的一种针对用户行为的分类模型更新方法。
本发明实施例的技术方案,通过获取原始分类模型中的原表数据集和新增数据建立新表数据集,并且可以通过筛选出的有效字段增加分类模型的维度,再采用更新后的原表数据集对原始分类模型进行更新,提升了分类模型计算的准确性,同时实现了分类模型的迭代更新,并且不需要人工干预,进而节省了人工成本。
应当理解,本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征,也不用于限制本发明的范围。本发明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
为了更清楚地说明本发明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发明的一些实施例,对于本领域普通技术人员来讲,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是根据本发明实施例一提供的一种针对用户行为的分类模型更新方法的流程图;
图2是根据本发明实施例一提供的另一种针对用户行为的分类模型更新方法的流程图;
图3是根据本发明实施例二提供的另一种针对用户行为的分类模型更新方法的流程图;
图4是根据本发明实施例三提供的一种针对用户行为的分类模型更新装置的结构示意图;
图5是实现本发明实施例的一种针对用户行为的分类模型更新方法的电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例一
图1为本发明实施例一提供了一种针对用户行为的分类模型更新方法的流程图,本实施例可适用于对用户行为中的有效新增数据进行分类模型更新的情况,该方法可以由针对用户行为的分类模型更新方法装置来执行,该针对用户行为的分类模型更新装置可以采用硬件和/或软件的形式实现,该针对用户行为的分类模型更新装置可配置于计算机中。如图1所示,该方法包括:
S110、获取原始分类模型所对应的用户原表数据集和新增数据。
具体的,原始分类模型是由原始数据集训练而成的分类模型,分类模型用于对技术人员输入的数据进行分类的模型,原表数据集中包含原始数据,原始数据是指多个维度的用户的历史数据,用户是指分类模型的处理对象,历史数据包括但不限于用户的性别、年龄以及其他分类模型相关的行为数据,新增数据是指控制器收集到的除原表数据集之外的新数据,即当控制器检测到出现新增数据时,控制器会获取原始分类模型所对应的用户原表数据集和新增数据,以便于对原始分类模型及时进行更新。
S120、根据原表数据集和新增数据获取新表数据集。
图2为本发明实施例一提供了一种工控网络数据风险确定方法的流程图,步骤S120主要包括如下的步骤S121至步骤S124:
S121、确定新增数据中的新增字段。
优选的,确定新增数据中的新增字段,包括:获取新增数据中的全部字段;对全部字段进行筛选获得结构化字段,并将结构化字段作为新增字段。
具体的,控制器检测到出现新增数据时,会获取新增数据中的全部字段,字段是指数据项,每个字段都对应该字段下的全部新增数据信息,例如,字段可以是“性别”,而所有与“性别”相关的新增数据都是该“性别”字段对应的新增数据,控制器会对新增数据中包含的全部字段进行筛选,筛选出其中的数值型数据和因子型数据,数值型数据是指数字组成的数据,因子型数据是指分组型的数据,例如,字段“参会次数”下包含多种不同的数字信息,该字段即为数值型数据,而字段“性别”下分成了两个分组,包括“男”和“女”,控制器可以将这类因子型数据用数值表示,用1表示“男”,2表示“女”,即控制器可以将数值型数据和数值化表示的因子型数据对应的字段都作为结构化字段,并将这些结构化字段作为新增字段。
S122、对新增字段进行缺失值处理得到第一处理字段。
优选的,对新增字段进行缺失值处理得到第一处理字段,包括:依次将各新增字段作为目标字段;判断目标字段对应的新增数据的缺失数据量与总数据量的比值是否大于第一预设阈值,若是,将目标字段作为第一处理字段,否则,将目标字段删除。
具体的,控制器获取到新增字段后,会对新增字段进行缺失值处理,即依次将各新增字段都作为目标字段,然后将目标字段对应的新增数据的缺失数据量与总数据量的比值与第一预设阈值进行比较,第一预设阈值是研发人员根据分类模型更新的数据量需求提前在控制器内部进行设置的,如果目标字段对应的新增数据的数据量小于第一预设阈值,则控制器会将该目标字段删除,否则,控制器会将目标字段作为第一处理字段,并将第一处理字段中的空值位置进行补0处理。
示例性的,每个目标字段下对应的新增数据总量为10条时,研发人员设置第一预设阈值为0.5,目标字段“浏览次数”下对应的缺失数据量有4条,缺失数据量与总数据量的比值为0.4小于第一预设阈值,控制器会将“浏览次数”进行删除,不将该字段作为后续更新模型的新增数据,而目标字段“点击次数”下对应的缺失数据量有2条,缺失数据量与总数据量的比值为0.2大于第一预设阈值,控制器会将“点击次数”对应的新增数据量作为第一处理字段,并将“点击次数”中2条缺失数据的数据位置用0填补。
S123、对第一处理字段进行极值处理或进行归一化处理得到第二处理字段。
优选的,对第一处理字段进行极值处理或进行归一化处理得到第二处理字段,包括:将第一处理字段对应的新增数据由小到大进行排列得到第一处理集,获取第一处理集中两个指定位置的差值或比值;判断差值或比值是否小于第二预设阈值,若是,对第一处理字段进行极值处理得到第二处理字段,否则,对第一处理字段进行归一化处理得到第二处理字段。
具体的,控制器在得到第一处理字段后,会对第一处理字段进行极值处理或归一化处理得到第二处理字段,控制器选择不同处理方式的判断标准是通过判断新增数据的离散程度,新增数据离散程度小时采用极值处理,而新增数据离散程度大时采用归一化处理,在判断新增数据离散程度时,控制器会将第一处理字段中对应的新增数据由小到大进行排列得到第一处理集,再计算第一处理集中两个指定位置的差值或比值,通过计算获得的差值或比值即可判断新增数据的离散程度,控制器会比较差值或比值与第二预设阈值的大小,第二预设阈值是研发人员提前在控制器内部进行设置的,如果差值或比值小于第二预设阈值,代表新增数据离散程度小,此时控制器会对该第一处理字段进行极值处理,如果差值或比值大于第二预设阈值,代表新增数据离散程度大,此时控制器会对该第一处理字段进行归一化处理,例如,由第一处理字段K生成的第一处理集中两个指定位置为80%位置的新增数据值为1.5和90%位置的新增数据值为1.6,控制器计算两个位置的差值为0.1,小于第二预设阈值1,则代表第一处理字段K对应的新增数据离散程度小,此时应对第一处理字段K进行极值处理生成第二处理字段。
进一步的,极值处理是由于数据中的一些极端值会影响模型的稳定性,故获得第一处理字段后,控制器会删除第一处理集极大值和极小值,例如,控制器取第一数据集中位置在10%到90%的新增数据作为第二处理字段对应的新增数据,而对于离散程度大的数据,控制器可以将新增数据中的所有自然数映射到一个小的数值区间内,再将该区间内的数据作为第二处理字段对应的新增数据,归一化处理后可以提升控制器的运算能力,减小内存压力的同时也节省了计算时间。
S124、将原表数据集加上第二处理字段对应的新增数据作为新表数据集。
具体的,控制器可以将原表数据集加上第二处理字段对应的新增数据得到新表数据集,新表数据集的时间跨度和原表数据集保持一致,例如,原表数据集中的原始数据采集时间为2022年8月1日-8月5日,新表数据集的采集时间也应为2022年8月1日-8月5日。
S130、判断新表数据集的有效性,当确定新表数据集有效时获取新表数据集中的有效字段,根据有效字段更新原表数据集。
具体的,控制器在获取到新表数据集后,会先判断新表数据集的有效性,当新表数据集有效时才进行后续的更新操作,判断新表数据集有效性的目的是为了避免对原始分类模型进行无效更新,保证了原始分类模型计算的准确性。
优选的,当确定新表数据集有效时获取新表数据集中的有效字段,根据有效字段更新原表数据集,包括:获取新表数据集和原表数据集中的各字段的贡献度;确定原表数据集中字段的最小贡献度,将新表数据集中贡献度大于最小贡献度的字段作为有效字段;将有效字段和有效字段对应的新增数据添加到原表数据集中对原表数据集进行更新。
具体的,在确定新表数据集有效后,控制器会获取新表数据集和原表数据集中全部字段的贡献度,并将贡献度进行排序,贡献度是指字段对分类模型的贡献程度,当将数据输入分类模型进行分类计算并生成结果后,即可获取分类模型中数据集内各字段的贡献程度,控制器会确定原表数据集中字段的最小贡献度的数值,再将新表数据集中贡献度大于该数值的字段作为有效字段,例如,原表数据集中存在3个字段,贡献度分别为15、12和8,新表数据集中存在3个字段,贡献度分别为10、7和3,此时,由于新表数据集中贡献度为10的字段大于原表数据集中的字段最小贡献度8,控制器会将新表数据集中贡献度为10的字段作为有效字段,最后,将有效字段和有效字段对应的新增数据集添加到原表数据集中对原表数据集进行更新,即更新后的原表数据集包括4个字段。
S140、采用更新后的原表数据集对原始分类模型进行更新。
具体的,控制器获取到更新后的原表数据集后,可对原始分类模型进行更新,进一步的,每当控制器在检测到新增数据后,都会建立新表数据集,在新表数据集有效时确定新表的有效字段,再根据有效字段来更新原表数据集,以实现原始分类模型中原表数据集的迭代过程。
本发明实施例的技术方案,通过获取原始分类模型中的原表数据集和新增数据建立新表数据集,并且可以通过筛选出的有效字段增加分类模型的维度,再采用更新后的原表数据集对原始分类模型进行更新,提升了分类模型计算的准确性,同时实现了分类模型的迭代更新,并且不需要人工干预,进而节省了人工成本。
实施例二
图3为本发明实施例二提供的一种针对用户行为的分类模型更新方法的流程图,本实施例与上述实施例一的基础上对判断新表数据集的有效性进行具体说明。如图3所示,该方法包括:
S210、获取原表数据集和新表数据集的相关数据指标。
具体的,相关数据指标中包含准确率、召回率和接收者操作特征曲线下方面积(Area Under Curve,AUC);准确率是指分类模型计算正确的结果占总结果数的百分比,召回率是指查全率,即实际为正的结果被预测为正结果的概率,AUC是通过接收者操作特征(receiver operating characteristic,ROC)曲线计算出的曲线下方面积,由于ROC曲线一般都处于y=x这条直线的上方,所以AUC的取值范围在0.5和1之间,AUC越接近1.0,代表分类模型的计算结果越准确;由于准确率、召回率和接收者操作特征曲线下方面积为常规判断分类模型计算结果的现有技术,故在本实施方式中不再对具体计算方法进行赘述。
优选的,获取原表数据集和新表数据集的相关数据指标,包括:将原表数据集和新表数据集分别划分成第一数据集和第二数据集,并获取用户输入的第一数据集和第二数据集的实际标签;采用第一数据集和第一数据集的实际标签对原始分类模型进行训练得到训练分类模型;通过训练分类模型对第二数据集进行计算获得计算标签,并计算实际标签和计算标签的相关数据指标。
具体的,计算相关数据指标需要控制器将原表数据集和新表数据集分别划分成第一数据集和第二数据集,第一数据集为训练集,用于训练分类模型,第二数据集为测试集,用于测试分类模型,控制器会根据研发人员设置的划分标准进行划分,例如,研发人员设置75%为第一数据集,25%为第二数据集,即控制器会将原表数据集划分成75%训练集25%测试集,同时也会将新表数据集划分成75%训练集25%测试集,划分完成后控制器会获取用户输入的第一数据集和第二数据集即测试集的实际标签,并分别采用原表数据集和新表数据集的第一数据集和第一数据集的实际标签对原始分类模型进行训练得到训练分类模型,再通过训练分类模型对第二数据集进行计算可以获得计算标签,最后,控制器会根据实际标签和计算标签计算相关数据指标,例如,第二数据集中某用户M的实际标签为“参会”,而计算标签为“未参会”,从而控制器可以确定出实际标签与计算标签不符,进而计算出准确率、召回率和接收者操作特征曲线下方面积这些相关数据指标。
S220、计算原表数据集和新表数据集中各相同相关数据指标之间的差值。
具体的,控制器会获取通过原表数据集计算出的准确率、召回率和接收者操作特征曲线下方面积以及通过新表数据集计算出的准确率、召回率和接收者操作特征曲线下方面积,并将相同的相关数据指标进行作差计算,例如,原表数据集的准确率的数值为0.5,召回率的数值为0.8,AUC的数值为0.8,而新表数据集的准确率的数值为0.6,召回率的数值为0.82,AUC的数值为0.78;控制器可以计算出准确率的差值为-0.1(0.5-0.6),召回率的差值为-0.02(0.8-0.82),AUC的差值为0.2(0.78-0.8)。
S230、判断差值是否满足预设条件,若是,执行S240,否则,执行S250。
具体的,控制器在计算出各相同相关数据指标的差值后,会判断差值是否满足预设条件,预设条件时研发人员根据分类模型的性能提前在控制器内部进行设置的,并可以根据计算需求进行调整,当差值满足预设条件时可以执行S240,否则执行S250。
S240、确定新表数据集有效。
示例性的,研发人员设置的预设条件为三个相关数据指标的差值中任意两个小于0,由于准确率的差值为-0.1和召回率的差值为-0.02都小于0,满足预设条件,此时确定新表数据集有效。
S250、确定新表数据集无效。
示例性的,研发人员设置的预设条件为三个相关数据指标的差值都小于0,由于AUC的差值为0.2大于0,不满足预设条件,此时确定新表数据集无效,当新表数据集无效时,说明通过新表数据集训练出的训练分类模型性能不如原表数据集训练出的训练分类模型,此时不对无效的新表数据集进行后续的更新操作。
本发明实施例的技术方案,通过获取原始分类模型中的原表数据集和新增数据建立新表数据集,在确定新表数据集有效时再筛选其中的有效字段,可以避免对原始分类模型进行反效果的更新,并且可以通过筛选出的有效字段增加分类模型的维度,再采用更新后的原表数据集对原始分类模型进行更新,提升了分类模型计算的准确性,同时实现了分类模型的迭代更新,并且不需要人工干预,进而节省了人工成本。
实施例三
图4为本发明实施例三提供的一种针对用户行为的分类模型更新装置的结构示意图。如图4所示,该装置包括;新增数据获取模块310,用于获取原始分类模型所对应的用户原表数据集和新增数据,其中,原表数据集中包含原始数据;新表数据集获取模块320,用于根据原表数据集和新增数据获取新表数据集;原表数据集更新模块330,用于判断新表数据集的有效性,当确定新表数据集有效时获取新表数据集中的有效字段,根据有效字段更新原表数据集;分类模型更新模块340,用于采用更新后的原表数据集对原始分类模型进行更新。
优选的,新表数据集获取模块320,具体包括:新增字段确定单元,用于确定新增数据中的新增字段;第一处理字段获取单元,用于对新增字段进行缺失值处理得到第一处理字段;第二字段获取单元,用于对第一处理字段进行极值处理或进行归一化处理得到第二处理字段;新表数据集生成单元,用于将原表数据集加上第二处理字段对应的新增数据作为新表数据集。
优选的,新增字段确定单元,具体用于:获取新增数据中的全部字段;对全部字段进行筛选获得结构化字段,并将结构化字段作为新增字段。
优选的,第一处理字段获取单元,具体用于:依次将各新增字段作为目标字段;判断目标字段对应的新增数据的缺失数据量与总数据量的比值是否大于第一预设阈值,若是,将目标字段作为第一处理字段,否则,将目标字段删除。
优选的,第二处理字段获取单元,具体用于:将第一处理字段对应的新增数据由小到大进行排列得到第一处理集,获取第一处理集中两个指定位置的差值或比值;判断差值或比值是否小于第二预设阈值,若是,对第一处理字段进行极值处理得到第二处理字段,否则,对第一处理字段进行归一化处理得到第二处理字段。
优选的,原表数据集更新模块330,具体包括:相关数据指标获取单元,用于获取原表数据集和新表数据集的相关数据指标,其中,相关数据指标中包含准确率、召回率和接收者操作特征曲线下方面积;差值计算单元,用于计算原表数据集和新表数据集中各相同相关数据指标之间的差值;新表数据集有效性确定单元,用于判断差值是否满足预设条件,若满足,确定新表数据集有效,否则,确定新表数据集无效。
优选的,相关数据指标获取单元,具体用于:将原表数据集和新表数据集分别划分成第一数据集和第二数据集,并获取用户输入的第一数据集和第二数据集的实际标签;采用第一数据集和第一数据集的实际标签对原始分类模型进行训练得到训练分类模型;通过训练分类模型对第二数据集进行计算获得计算标签,并计算实际标签和计算标签的相关数据指标。
优选的,原表数据集更新模块330,还包括:原表数据集更新单元,用于获取新表数据集和原表数据集中的各字段的贡献度;确定原表数据集中字段的最小贡献度,将新表数据集中贡献度大于最小贡献度的字段作为有效字段;将有效字段和有效字段对应的新增数据添加到原表数据集中对原表数据集进行更新。
本发明实施例的技术方案,通过获取原始分类模型中的原表数据集和新增数据建立新表数据集,并且可以通过筛选出的有效字段增加分类模型的维度,再采用更新后的原表数据集对原始分类模型进行更新,提升了分类模型计算的准确性,同时实现了分类模型的迭代更新,并且不需要人工干预,进而节省了人工成本。
本发明实施例所提供的一种针对用户行为的分类模型更新装置可执行本发明任意实施例所提供的一种针对用户行为的分类模型更新方法,具备执行方法相应的功能模块和有益效果。
实施例四
图5示出了可以用来实施本发明的实施例的电子设备10的结构示意图。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(如头盔、眼镜、手表等)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/或者要求的本发明的实现。
如图5所示,电子设备10包括至少一个处理器11,以及与至少一个处理器11通信连接的存储器,如只读存储器(ROM)12、随机访问存储器(RAM)13等,其中,存储器存储有可被至少一个处理器执行的计算机程序,处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序,来执行各种适当的动作和处理。在RAM 13中,还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。
电子设备10中的多个部件连接至I/O接口15,包括:输入单元16,例如键盘、鼠标等;输出单元17,例如各种类型的显示器、扬声器等;存储单元18,例如磁盘、光盘等;以及通信单元19,例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10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。
处理器11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。处理器11的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理,例如一种针对用户行为的分类模型更新方法。
在一些实施例中,一种针对用户行为的分类模型更新方法可被实现为计算机程序,其被有形地包含于计算机可读存储介质,例如存储单元18。在一些实施例中,计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到RAM 13并由处理器11执行时,可以执行上文描述的一种针对用户行为的分类模型更新方法的一个或多个步骤。备选地,在其他实施例中,处理器11可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行一种针对用户行为的分类模型更新方法。
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、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、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。
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序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,使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序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。
在本发明的上下文中,计算机可读存储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计算机程序。计算机可读存储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。备选地,计算机可读存储介质可以是机器可读信号介质。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、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、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,可以在电子设备上实施此处描述的系统和技术,该电子设备具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(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电子设备。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:局域网(LAN)、广域网(WAN)、区块链网络和互联网。
计算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服务中,存在的管理难度大,业务扩展性弱的缺陷。
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,本发明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,只要能够实现本发明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,并不构成对本发明保护范围的限制。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。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
Claims (10)
1.一种针对用户行为的分类模型更新方法,其特征在于,包括:
获取原始分类模型所对应的用户原表数据集和新增数据,其中,所述原表数据集中包含原始数据;
根据所述原表数据集和所述新增数据获取新表数据集;
判断所述新表数据集的有效性,当确定所述新表数据集有效时获取所述新表数据集中的有效字段,根据所述有效字段更新所述原表数据集;
采用更新后的所述原表数据集对所述原始分类模型进行更新。
2.根据权利要求1所述的方法,其特征在于,所述根据所述原表数据集和所述新增数据获取新表数据集,包括:
确定所述新增数据中的新增字段;
对所述新增字段进行缺失值处理得到第一处理字段;
对所述第一处理字段进行极值处理或进行归一化处理得到第二处理字段;
将所述原表数据集加上所述第二处理字段对应的新增数据作为所述新表数据集。
3.根据权利要求2所述的方法,其特征在于,所述确定所述新增数据中的新增字段,包括:
获取所述新增数据中的全部字段;
对所述全部字段进行筛选获得结构化字段,并将所述结构化字段作为所述新增字段。
4.根据权利要求2所述的方法,其特征在于,所述对所述新增字段进行缺失值处理得到第一处理字段,包括:
依次将各所述新增字段作为目标字段;
判断所述目标字段对应的新增数据的缺失数据量与总数据量的比值是否大于第一预设阈值,若是,将所述目标字段作为第一处理字段,否则,将所述目标字段删除。
5.根据权利要求2所述的方法,其特征在于,所述对所述第一处理字段进行极值处理或进行归一化处理得到第二处理字段,包括:
将所述第一处理字段对应的新增数据由小到大进行排列得到第一处理集,获取第一处理集中两个指定位置的差值或比值;
判断所述差值或比值是否小于第二预设阈值,若是,对所述第一处理字段进行极值处理得到第二处理字段,否则,对所述第一处理字段进行归一化处理得到第二处理字段。
6.根据权利要求1所述的方法,其特征在于,所述判断所述新表数据集的有效性,包括:
获取所述原表数据集和所述新表数据集的相关数据指标,其中,所述相关数据指标中包含准确率、召回率和接收者操作特征曲线下方面积;
计算所述原表数据集和所述新表数据集中各相同相关数据指标之间的差值;
判断所述差值是否满足预设条件,若满足,确定所述新表数据集有效,否则,确定所述新表数据集无效。
7.根据权利要求6所述的方法,其特征在于,所述获取所述原表数据集和所述新表数据集的相关数据指标,包括:
将所述原表数据集和所述新表数据集分别划分成第一数据集和第二数据集,并获取用户输入的所述第一数据集和所述第二数据集的实际标签;
采用所述第一数据集和所述第一数据集的实际标签对所述原始分类模型进行训练得到训练分类模型;
通过所述训练分类模型对所述第二数据集进行计算获得计算标签,并计算所述实际标签和所述计算标签的相关数据指标。
8.根据权利要求7所述的方法,其特征在于,所述当确定所述新表数据集有效时获取所述新表数据集中的有效字段,根据所述有效字段更新所述原表数据集,包括:
获取所述新表数据集和所述原表数据集中的各字段的贡献度;
确定所述原表数据集中字段的最小贡献度,将所述新表数据集中贡献度大于所述最小贡献度的字段作为所述有效字段;
将所述有效字段和所述有效字段对应的新增数据添加到所述原表数据集中对所述原表数据集进行更新。
9.一种电子设备,其特征在于,所述电子设备包括:
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计算机程序,所述计算机程序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1-8所述的方法。
10.一种计算机存储介质,其特征在于,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现权利要求1-8中所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211111428.4A CN115455019A (zh) | 2022-09-13 | 2022-09-13 | 一种基于用户行为分析的搜索意图识别方法、装置及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211111428.4A CN115455019A (zh) | 2022-09-13 | 2022-09-13 | 一种基于用户行为分析的搜索意图识别方法、装置及设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115455019A true CN115455019A (zh) | 2022-12-09 |
Family
ID=84303748
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211111428.4A Pending CN115455019A (zh) | 2022-09-13 | 2022-09-13 | 一种基于用户行为分析的搜索意图识别方法、装置及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115455019A (zh) |
-
2022
- 2022-09-13 CN CN202211111428.4A patent/CN115455019A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113837596B (zh) | 一种故障确定方法、装置、电子设备及存储介质 | |
CN114580916A (zh) | 一种企业风险评估方法、装置、电子设备及存储介质 | |
CN112818013A (zh) | 时序数据库查询优化方法、装置、设备以及存储介质 | |
CN115794916A (zh) | 多源数据融合的数据处理方法、装置、设备和存储介质 | |
CN115563310A (zh) | 一种关键业务节点的确定方法、装置、设备及介质 | |
CN115599687A (zh) | 一种软件测试场景的确定方法、装置、设备及介质 | |
CN112887426B (zh) | 信息流的推送方法、装置、电子设备以及存储介质 | |
CN115375039A (zh) | 一种工业设备故障预测方法、装置、电子设备及存储介质 | |
CN115665783A (zh) | 一种异常指标溯源方法、装置、电子设备及存储介质 | |
CN115344495A (zh) | 批量任务测试的数据分析方法、装置、计算机设备及介质 | |
CN114896418A (zh) | 知识图谱构建方法、装置、电子设备及存储介质 | |
CN115455019A (zh) | 一种基于用户行为分析的搜索意图识别方法、装置及设备 | |
CN113807391A (zh) | 任务模型的训练方法、装置、电子设备及存储介质 | |
CN113052325A (zh) | 在线模型的优化方法、装置、设备、存储介质及程序产品 | |
CN114037058B (zh) | 预训练模型的生成方法、装置、电子设备以及存储介质 | |
CN114037057B (zh) | 预训练模型的生成方法、装置、电子设备以及存储介质 | |
CN116070601B (zh) | 数据拼接方法、装置、电子设备及存储介质 | |
CN116304796A (zh) | 一种数据分类方法、装置、设备及介质 | |
CN115758142A (zh) | 深度学习模型的训练方法、数据处理方法和装置 | |
CN114066278A (zh) | 物品召回的评估方法、装置、介质及程序产品 | |
CN116167978A (zh) | 一种模型更新方法、装置、电子设备及存储介质 | |
CN116401281A (zh) | 一种sql查询时间预测方法、装置、设备及介质 | |
CN114936205A (zh) | 一种特征筛选方法、装置、存储介质及电子设备 | |
CN115221421A (zh) | 数据处理方法、装置、电子设备及存储介质 | |
CN114897617A (zh) | 金融风控场景的模型评估方法、装置、设备以及存储介质 |
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 |