CN117200942A - 数据处理方法、装置、介质及电子设备 - Google Patents
数据处理方法、装置、介质及电子设备 Download PDFInfo
- Publication number
- CN117200942A CN117200942A CN202311199729.1A CN202311199729A CN117200942A CN 117200942 A CN117200942 A CN 117200942A CN 202311199729 A CN202311199729 A CN 202311199729A CN 117200942 A CN117200942 A CN 117200942A
- Authority
- CN
- China
- Prior art keywords
- request
- server
- information
- requests
- type
- 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
- 238000003672 processing method Methods 0.000 title abstract description 15
- 238000000034 method Methods 0.000 claims abstract description 31
- 238000012545 processing Methods 0.000 claims abstract description 25
- 238000004590 computer program Methods 0.000 claims description 16
- 238000013507 mapping Methods 0.000 claims description 6
- 230000006870 function Effects 0.000 description 11
- 238000010586 diagram Methods 0.000 description 10
- 238000004891 communication Methods 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 230000004044 response Effects 0.000 description 4
- 230000001737 promoting effect Effects 0.000 description 3
- 239000013307 optical fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000013475 authorization Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Landscapes
- Information Transfer Between Computers (AREA)
Abstract
本公开涉及一种数据处理方法、装置、介质及电子设备,方法包括:响应请求发送指令,获取至少一个特征,所述请求发送指令用于向服务端发送重请求,所述重请求用于向所述服务端请求第一类信息;根据所述至少一个特征,预测所述服务端在收到所述重请求后是否能够成功返回第一类信息;在预测所述服务端在收到所述重请求后不能成功返回第一类信息的情况下,禁止向所述服务端发送所述重请求,从发送重请求的来源方减少向服务端发送的无法成功返回第一类信息的重请求的流量,从而降低服务端的处理请求的压力,确保服务端的性能,此外,也能够避免服务端无效资源的损耗。
Description
技术领域
本公开涉及计算机技术领域,具体地,涉及一种数据处理方法、装置、介质及电子设备。
背景技术
服务器的性能经常用QPS(Queries-per-second,每秒查询率)来衡量,QPS是对一个服务器在规定时间内所处理流量多少的衡量标准。
在推广领域中,服务器接受客户端用于请求第一类信息的请求,由于服务器服务于大量客户端,因此,服务器所处理的请求量是相当大的,而大量的请求会导致服务器的QPS压力增大,影响服务器的性能。
发明内容
提供该发明内容部分以便以简要的形式介绍构思,这些构思将在后面的具体实施方式部分被详细描述。该发明内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征,也不旨在用于限制所要求的保护的技术方案的范围。
第一方面,本公开提供一种数据处理方法,包括:
响应请求发送指令,获取至少一个特征,所述请求发送指令用于向服务端发送重请求,所述重请求用于向所述服务端请求第一类信息;
根据所述至少一个特征,预测所述服务端在收到所述重请求后是否能够成功返回第一类信息;
在预测所述服务端在收到所述重请求后不能成功返回第一类信息的情况下,禁止向所述服务端发送所述重请求。
第二方面,本公开提供一种数据处理装置,包括:
第一获取模块,用于响应请求发送指令,获取至少一个特征,所述请求发送指令用于向服务端发送重请求,所述重请求用于向所述服务端请求第一类信息;
预测模块,用于根据所述至少一个特征,预测所述服务端在收到所述重请求后是否能够成功返回第一类信息;
禁止模块,用于在预测所述服务端在收到所述重请求后能够成功返回第一类信息的情况下,向所述服务端发送所述重请求。
第三方面,本公开提供一种计算机可读介质,其上存储有计算机程序,该程序被处理装置执行时实现第一方面所述方法的步骤。
第四方面,本公开提供一种电子设备,包括:
存储装置,其上存储有计算机程序;
处理装置,用于执行所述存储装置中的所述计算机程序,以实现第一方面所述方法的步骤。
通过上述技术方案,根据获取的至少一个特征,预测服务端在收到重请求后是否能够成功返回第一类信息,由于服务端在收到重请求后不能成功返回第一类信息,因此也无需将重请求发送至服务器进行处理,因此,在预测服务端在收到重请求后不能成功返回第一类信息的情况下,禁止向服务端发送重请求,从发送重请求的来源方减少向服务端发送的无法成功返回第一类信息的重请求的流量,从而降低服务端的处理请求的压力,确保服务端的性能,此外,也能够避免服务端无效资源的损耗。
本公开的其他特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
结合附图并参考以下具体实施方式,本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中,相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的,原件和元素不一定按照比例绘制。在附图中:
图1是根据本公开一示例性实施例示出的一种数据处理方法的流程图。
图2是根据本公开一示例性实施例示出的一种请求链路示意图。
图3是根据本公开一示例性实施例示出的一种数据处理方法的流程图。
图4是根据本公开一示例性实施例示出的一种获取目标样本的流程图。
图5是根据一示例性实施例示出的一种数据处理装置的框图。
图6是根据一示例性实施例示出的一种电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例,然而应当理解的是,本公开可以通过各种形式来实现,而且不应该被解释为限于这里阐述的实施例,相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是,本公开的附图及实施例仅用于示例性作用,并非用于限制本公开的保护范围。
应当理解,本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行,和/或并行执行。此外,方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。
本文使用的术语“包括”及其变形是开放性包括,即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”;术语“另一实施例”表示“至少一个另外的实施例”;术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。
需要注意,本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分,并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意,本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的,本领域技术人员应当理解,除非在上下文另有明确指出,否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的,而并不是用于对这些消息或信息的范围进行限制。
可以理解的是,在使用本公开各实施例公开的技术方案之前,均应当依据相关法律法规通过恰当的方式对本公开所涉及个人信息的类型、使用范围、使用场景等告知用户并获得用户的授权。
例如,在响应于接收到用户的主动请求时,向用户发送提示信息,以明确地提示用户,其请求执行的操作将需要获取和使用到用户的个人信息。从而,使得用户可以根据提示信息来自主地选择是否向执行本公开技术方案的操作的电子设备、应用程序、服务器或存储介质等软件或硬件提供个人信息。
作为一种可选的但非限定性的实现方式,响应于接收到用户的主动请求,向用户发送提示信息的方式例如可以是弹窗的方式,弹窗中可以以文字的方式呈现提示信息。此外,弹窗中还可以承载供用户选择“同意”或者“不同意”向电子设备提供个人信息的选择控件。
可以理解的是,上述通知和获取用户授权过程仅是示意性的,不对本公开的实现方式构成限定,其它满足相关法律法规的方式也可应用于本公开的实现方式中。
同时,可以理解的是,本技术方案所涉及的数据(包括但不限于数据本身、数据的获取或使用)应当遵循相应法律法规及相关规定的要求。
图1是根据本公开一示例性实施例示出的一种数据处理方法的流程图,该数据处理方法可以应用于客户端,参照图1,该数据处理方法包括以下步骤:
步骤110,响应请求发送指令,获取至少一个特征,请求发送指令用于向服务端发送重请求,重请求用于向服务端请求第一类信息;
步骤120,根据至少一个特征,预测服务端在收到重请求后是否能够成功返回第一类信息;
步骤130,在预测服务端在收到重请求后不能成功返回第一类信息的情况下,禁止向服务端发送重请求。
其中,第一类信息可以是推广信息。以下以第一类信息为推广信息对本公开进行示例性说明。
图2是根据本公开一示例性实施例示出的一种请求链路示意图。首先,G1至G7例如可以表示文章,A1和A2例如可以表示推广信息,客户端屏幕下边沿可以表示客户端待显示的内容(文章或推广信息),用户通过客户端的屏幕执行加载操作,实现内容的浏览,这里的加载操作例如可以是针对屏幕的下拉操作或针对屏幕的上滑操作。
参照图2,在客户端向服务端发起第T次请求后,客户端依次待显示的内容包括G1、G2、G3、A1、G4、G5、G6和G7;在客户端上阅读G1时,客户端依次待显示的内容包括G2、G3、A1、G4、G5、G6和G7;客户端可以重新排列待显示的内容的顺序,在经过重新排列后,A1排列在了G3之前;按照待显示的内容的顺序,客户端继续阅读到G3时,客户端可以向服务端发起重请求,服务端响应该重请求,在待显示内容中增加了A1,即客户端依次待显示的内容包括G4、G5、G6、A2和G7;客户端继续可以向服务端发起第T+1次请求。
其中,第T+1次请求和第T次请求也可以是重请求,也可以是针对屏幕的下拉操作或针对屏幕的上滑操作,针对屏幕的下拉操作或针对屏幕的上滑操作用于请求服务端为客户端推荐更多与客户端所对应用户感兴趣的内容。
值得说明的是,重请求是独立于其他原有流量之外的流量,因此会给服务端造成额外的QPS压力,虽然客户端可以向服务端发起重请求,但服务端在解析重请求后,存在无法向客户端成功返回第一类信息的情况,这类情况也导致服务端因解析重请求所消耗的资源是无效的,若此类重请求的流量过多,服务端也将浪费大量资源。
因此,通过上述方式,根据获取的至少一个特征,预测服务端在收到重请求后是否能够成功返回第一类信息,由于服务端在收到重请求后不能成功返回第一类信息,因此也无需将重请求发送至服务器进行处理,因此,在预测服务端在收到重请求后不能成功返回第一类信息的情况下,禁止向服务端发送重请求,从发送重请求的来源方减少向服务端发送的无法成功返回第一类信息的重请求的流量,从而降低服务端的处理请求的压力,确保服务端的性能,此外,也能够避免服务端无效资源的损耗。
在可能的方式中,请求发送指令可以是由客户端主动生成的。
在可能的方式中,至少一个特征可以是包括设备特征、用户特征和在重请求前发送的N个历史请求所对应的请求特征。
其中,设备特征用于表征设备的处理能力,设备特征例如设备型号和设备状态。
其中,用户特征例如统计的用户在天级别下所浏览的第一类信息数量和用户在历史请求中是否成功返回第一类信息的特征等等。
其中,请求特征可以是该请求特征对应的重请求是否成功返回第一类信息和重请求发送的时间等等。
在可能的方式中,方法还可以包括:在预测服务端在收到重请求后能成功返回第一类信息的情况下,向服务端发送重请求。
这样,实现客户端向服务端额外请求第一类信息的目的。
在可能的方式中,上述根据至少一个特征,预测服务端在收到重请求后是否能够成功返回第一类信息的步骤可以通过以下方式实施:将至少一个特征输入至训练完成的预测模型,得到预测模型输出的概率;根据目标预设阈值和概率的大小关系,确定预测结果,其中,预测结果用于表征服务端在收到重请求后是否能够成功返回第一类信息。
例如,目标预设阈值和概率的大小关系可以是预测模型输出的概率大于目标预设阈值,或者预测模型输出的概率小于或等于目标预设阈值。在目标预设阈值和概率的大小关系是预测模型输出的概率大于目标预设阈值的情况下,预测结果对应是服务端在收到重请求后能够成功返回第一类信息;在目标预设阈值和概率的大小关系是预测模型输出的概率小于或等于目标预设阈值的情况下,预测结果对应是服务端在收到重请求后不能够成功返回第一类信息。
示例地,预测结果可以用数字标签进行标识,例如,数字标签1可以标识服务端在收到重请求后能够成功返回第一类信息的预测结果,数字标签0可以标识服务端在收到重请求后不能够成功返回第一类信息的预测结果。
通过上述方式,利用模型来基于特征对服务端在收到重请求后是否能够成功返回第一类信息进行预测。
在可能的方式中,可以选择基于树的XGBoost模型作为初始模型,并利用样本对初始模型进行训练,从而得到预测模型。关于基于树的XGBoost模型的模型的训练方式可以参照相关技术,本实施例在此不作赘述。
在可能的方式中,由于搭载在客户端的应用程序中可能提供多个不同第一类信息位置,因此,可以设置不同位置分别对应的预测模型,利用与重请求对应的第一类信息位置所对应的预测模型,预测服务端在收到重请求后是否能够成功返回第一类信息。另外,在训练不同位置对应的预测模型时,可以基于对应位置上采集的样本进行相应预测模型的训练。这里样本对应的特征与上述至少一个特征类似,本实施例中不作赘述。
在可能的方式中,上述数据处理方法还可以包括:根据至少一个特征和预测结果,生成目标样本;根据目标样本,更新预测模型。
其中,可以定期采集目标样本对预测模型进行离线更新。利用模型在实际使用中所生成的目标样本不断进行预测模型的迭代更新,从而使得模型的输出更符合当前数据的实际分布,有利于提升预测模型的准确性。
在可能的方式中,上述数据处理方法还可以包括:定期获取目标时长内向服务端发送的第一重请求的数量,以及目标时长内基于不同预设阈值下分别向服务端发送的第二重请求的数量,第一重请求是在响应请求发送指令则向服务端发送且能够成功返回第一类信息的重请求,第二重请求是在预测服务端在收到重请求后能够成功返回第一类信息的情况下,向服务端发送且能够成功返回第一类信息的重请求;确定不同预设阈值下所对应的第二重请求的数量分别与第一重请求的数量之间的比值,以获得不同预设阈值所分别对应的召回率;确定与目标召回率对应的预设阈值,并将预设阈值确定为用于和预测模型输出的概率确定预测结果的目标预设阈值。
其中,目标时长例如可以是3小时,具体可以根据实际情况进行设定。
值得说明的是,召回率可以理解为整个正类样本中,预测正确的样本所占的比率。
其中,第一重请求是未被预测模型干扰的,在客户端无需经预测模型预测,直接向服务端发送且能够成功返回第一类信息的重请求,即第一重请求的数量可以理解为正类样本,这种数据是能够反映客户端发出的所有重请求中能够返回第一类信息的重请求的真实数据,不会发生因预测模型决策出禁止发送的重请求,而最终无法观测该重请求是否能够成功返回第一类信息的情况。
其中,第二重请求是被预测模型干扰的,只有在预测模型决策出服务端在收到重请求后能成功返回第一类信息的情况下,向服务端发送的且真正能够返回第一类信息的重请求,即第二重请求的数量可以理解为预测模型预测正确的样本。
其中,预设阈值是在确定召回率时所采用的假定的用于预测模型决策的目标预设阈值,可以理解的是,在目标预设阈值不同的情况下,向服务端发生的重请求数量会受到影响,继而第二重请求的数量也会受到影响。
其中,不同预设阈值下所对应的第二重请求的数量分别与第一重请求的数量之间的比值,即该比值是为不同阈值下整个正类样本中,预测正确的样本所占的比率。
值得说明的是,鉴于重请求流量特殊,重请求的发送量可以由客户端控制,因此,可以计算不同预设阈值下所分别对应的召回率,从而可以基于所需求的召回率,确定用于确定预测结果的目标预设阈值,达到控制重请求的发送量的目的。
通过上述方式,定期对目标预设阈值进行更新,使得目标预设阈值可以与需求的目标召回率所匹配,满足多样化的召回率需求。
在可能的方式中,上述数据处理方法还可以包括:获取不同召回率与不同时段的第一映射关系;根据当前时段和第一映射关系,确定目标召回率。
值得说明的是,不同时间段可以表征服务端的QPS压力,因此,可以基于不同时间段来设置对应的召回率,从而依据当前时段来选择匹配的目标召回率。
通过上述方式,结合实际应用场景中服务端不同时段处理请求的能力,来配置响应的目标召回率,从而实现目标预设阈值的合理化设置。
图3是根据本公开一示例性实施例示出的一种数据处理方法的流程图,参照图3,以下以第T-1次请求和第T次请求为例,对本公开进行示例性说明。第T次请求是重请求,第T-1次请求可以是重请求、下拉刷新请求或上滑刷新请求。在客户端发起第T次请求之前,需要对第T次请求进行预测。举例来讲,客户端调用算法包1,利用该算法包1从客户端KV存储中获取第T-1次请求对应的至少一个特征,根据至少一个特征,预测服务端在收到第T次请求后是否能够成功返回第一类信息,若预测服务端在收到第T次请求后能够成功返回第一类信息,则客户端将第T次请求发送到服务端;若预测服务端在收到第T次请求后不能够成功返回第一类信息,则客户端不会将第T次请求发送到服务端。算法包1实现的功能即预测模型实现的功能。
另外,在上述过程之前,服务端会利用特征透传,将第T-1次请求对应的至少一个特征发送到客户端,客户端调用算法包2将第T-1次请求对应的至少一个特征发送到客户端KV存储中。值得说明的是,客户端KV存储可以是一种以key-value进行存储的系统,示例地,可以以第T-1次请求作为key,第T-1次请求对应的至少一个特征作为value进行存储。
图4是根据本公开一示例性实施例示出的一种获取目标样本的流程图,参照图4,客户端调用算法包1,利用该算法包1从客户端KV存储中获取第T-1次请求对应的至少一个特征,根据至少一个特征,预测服务端在收到第T次请求后是否能够成功返回第一类信息;客户端根据至少一个特征和预测结果进行拼接,得到目标样本,将目标样本存入客户端KV存储中,客户端KV存储将目标样本上传到其他服务器,用于预测模型的更新。算法包1实现的功能即预测模型实现的功能。
基于同一发明构思,本公开实施例提供一种数据处理装置,图5是根据一示例性实施例示出的一种数据处理装置的框图,如图5所示,还装置500包括:
第一获取模块501,用于响应请求发送指令,获取至少一个特征,所述请求发送指令用于向服务端发送重请求,所述重请求用于向所述服务端请求第一类信息;
预测模块502,用于根据所述至少一个特征,预测所述服务端在收到所述重请求后是否能够成功返回第一类信息;
禁止模块503,用于在预测所述服务端在收到所述重请求后能够成功返回第一类信息的情况下,向所述服务端发送所述重请求。
在一些实施例中,所述预测模块502具体用于:
将所述至少一个特征输入至训练完成的预测模型,得到所述预测模型输出的概率,其中,所述至少一个特征包括设备特征、用户特征和在所述重请求前发送的N个历史请求所对应的请求特征,所述历史请求包括历史重请求;
根据目标预设阈值和所述概率的大小关系,确定预测结果,其中,所述预测结果用于表征所述服务端在收到所述重请求后是否能够成功返回第一类信息。
在一些实施例中,不同第一类信息位置对应不同的预测模型,利用与所述重请求对应的第一类信息位置所对应的预测模型,预测所述服务端在收到所述重请求后是否能够成功返回第一类信息。
在一些实施例中,所述装置500还包括:
生成模块,用于根据所述至少一个特征和所述预测结果,生成目标样本;
更新模块,用于根据所述目标样本,更新所述预测模型。
在一些实施例中,所述装置500还包括:
定期获取目标时长内向所述服务端发送的第一重请求的数量,以及所述目标时长内基于不同预设阈值下分别向所述服务端发送的第二重请求的数量,所述第一重请求是在响应所述请求发送指令则向所述服务端发送且能够成功返回第一类信息的重请求,所述第二重请求是在预测所述服务端在收到所述重请求后能够成功返回第一类信息的情况下,向所述服务端发送且能够成功返回第一类信息的重请求;
第一确定模块,用于确定不同预设阈值下所对应的所述第二重请求的数量分别与所述第一重请求的数量之间的比值,以获得不同预设阈值所分别对应的召回率;
第二确定模块,用于确定与目标召回率对应的预设阈值,并将所述预设阈值确定为用于和所述预测模型输出的概率确定预测结果的目标预设阈值。
在一些实施例中,所述装置500还包括:
第三获取模块,用于获取不同召回率与不同时段的第一映射关系;
第三确定模块,用于根据当前时段和所述第一映射关系,确定所述目标召回率。
在一些实施例中,所述装置500还包括:
发送模块,用于在预测所述服务端在收到所述重请求后能成功返回第一类信息的情况下,向所述服务端发送所述重请求。
其中,关于上述装置500中各模块的实施方式可以参照上述相关实施例,本实施例在此不作赘述。
基于同一发明构思,本公开实施例还提供一种计算机可读介质,其上存储有计算机程序,该程序被处理装置执行时实现上述数据处理方法的步骤。
基于同一发明构思,本公开实施例还提供一种电子设备,包括:
存储装置,其上存储有计算机程序;
处理装置,用于执行所述存储装置中的所述计算机程序,以实现上述数据处理方法的步骤。
下面参考图6,其示出了适于用来实现本公开实施例的电子设备600的结构示意图。本公开实施例中的终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图6示出的电子设备仅仅是一个示例,不应对本公开实施例的功能和使用范围带来任何限制。
如图6所示,电子设备600可以包括处理装置(例如中央处理器、图形处理器等)601,其可以根据存储在只读存储器(ROM)602中的程序或者从存储装置608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中,还存储有电子设备600操作所需的各种程序和数据。处理装置601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
通常,以下装置可以连接至I/O接口605:包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置606;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置607;包括例如磁带、硬盘等的存储装置608;以及通信装置609。通信装置609可以允许电子设备600与其他设备进行无线或有线通信以交换数据。虽然图6示出了具有各种装置的电子设备600,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在非暂态计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信装置609从网络上被下载和安装,或者从存储装置608被安装,或者从ROM 602被安装。在该计算机程序被处理装置601执行时,执行本公开实施例的方法中限定的上述功能。
需要说明的是,本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中,计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
在一些实施方式中,电子设备可以利用诸如HTTP(HyperText TransferProtocol,超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信,并且可以与任意形式或介质的数字数据通信(例如,通信网络)互连。通信网络的示例包括局域网(“LAN”),广域网(“WAN”),网际网(例如,互联网)以及端对端网络(例如,ad hoc端对端网络),以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。
上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备:响应请求发送指令,获取至少一个特征,所述请求发送指令用于向服务端发送重请求,所述重请求用于向所述服务端请求第一类信息;根据所述至少一个特征,预测所述服务端在收到所述重请求后是否能够成功返回第一类信息;在预测所述服务端在收到所述重请求后不能成功返回第一类信息的情况下,禁止向所述服务端发送所述重请求。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码,上述程序设计语言包括但不限于面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言——诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)——连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施例中所涉及到的模块可以通过软件的方式实现,也可以通过硬件的方式来实现。其中,模块的名称在某种情况下并不构成对该模块本身的限定。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如,非限制性地,可以使用的示范类型的硬件逻辑部件包括:现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
在本公开的上下文中,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、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。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本公开中所涉及的公开范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述公开构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
此外,虽然采用特定次序描绘了各操作,但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下,多任务和并行处理可能是有利的。同样地,虽然在上面论述中包含了若干具体实现细节,但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地,在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。
尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题,但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反,上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。关于上述实施例中的装置,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
Claims (10)
1.一种数据处理方法,其特征在于,包括:
响应请求发送指令,获取至少一个特征,所述请求发送指令用于向服务端发送重请求,所述重请求用于向所述服务端请求第一类信息;
根据所述至少一个特征,预测所述服务端在收到所述重请求后是否能够成功返回第一类信息;
在预测所述服务端在收到所述重请求后不能成功返回第一类信息的情况下,禁止向所述服务端发送所述重请求。
2.根据权利要求1所述的方法,其特征在于,所述根据所述至少一个特征,预测所述服务端在收到所述重请求后是否能够成功返回第一类信息,包括:
将所述至少一个特征输入至训练完成的预测模型,得到所述预测模型输出的概率,其中,所述至少一个特征包括设备特征、用户特征和在所述重请求前发送的N个历史请求所对应的请求特征,所述历史请求包括历史重请求;
根据目标预设阈值和所述概率的大小关系,确定预测结果,其中,所述预测结果用于表征所述服务端在收到所述重请求后是否能够成功返回第一类信息。
3.根据权利要求2所述的方法,其特征在于,不同第一类信息位置对应不同的预测模型,利用与所述重请求对应的第一类信息位置所对应的预测模型,预测所述服务端在收到所述重请求后是否能够成功返回第一类信息。
4.根据权利要求2所述的方法,其特征在于,所述方法还包括:
根据所述至少一个特征和所述预测结果,生成目标样本;
根据所述目标样本,更新所述预测模型。
5.根据权利要求2所述的方法,其特征在于,所述方法还包括:
定期获取目标时长内向所述服务端发送的第一重请求的数量,以及所述目标时长内基于不同预设阈值下分别向所述服务端发送的第二重请求的数量,所述第一重请求是在响应所述请求发送指令则向所述服务端发送且能够成功返回第一类信息的重请求,所述第二重请求是在预测所述服务端在收到所述重请求后能够成功返回第一类信息的情况下,向所述服务端发送且能够成功返回第一类信息的重请求;
确定不同预设阈值下所对应的所述第二重请求的数量分别与所述第一重请求的数量之间的比值,以获得不同预设阈值所分别对应的召回率;
确定与目标召回率对应的预设阈值,并将所述预设阈值确定为用于和所述预测模型输出的概率确定预测结果的目标预设阈值。
6.根据权利要求5所述的方法,其特征在于,所述方法还包括:
获取不同召回率与不同时段的第一映射关系;
根据当前时段和所述第一映射关系,确定所述目标召回率。
7.根据权利要求1所述的方法,其特征在于,所述方法还包括:
在预测所述服务端在收到所述重请求后能成功返回第一类信息的情况下,向所述服务端发送所述重请求。
8.一种数据处理装置,其特征在于,包括:
第一获取模块,用于响应请求发送指令,获取至少一个特征,所述请求发送指令用于向服务端发送重请求,所述重请求用于向所述服务端请求第一类信息;
预测模块,用于根据所述至少一个特征,预测所述服务端在收到所述重请求后是否能够成功返回第一类信息;
禁止模块,用于在预测所述服务端在收到所述重请求后能够成功返回第一类信息的情况下,向所述服务端发送所述重请求。
9.一种计算机可读介质,其上存储有计算机程序,其特征在于,该程序被处理装置执行时实现权利要求1-7中任一项所述方法的步骤。
10.一种电子设备,其特征在于,包括:
存储装置,其上存储有计算机程序;
处理装置,用于执行所述存储装置中的所述计算机程序,以实现权利要求1-7中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311199729.1A CN117200942A (zh) | 2023-09-15 | 2023-09-15 | 数据处理方法、装置、介质及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311199729.1A CN117200942A (zh) | 2023-09-15 | 2023-09-15 | 数据处理方法、装置、介质及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117200942A true CN117200942A (zh) | 2023-12-08 |
Family
ID=88990303
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311199729.1A Pending CN117200942A (zh) | 2023-09-15 | 2023-09-15 | 数据处理方法、装置、介质及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117200942A (zh) |
-
2023
- 2023-09-15 CN CN202311199729.1A patent/CN117200942A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111246228B (zh) | 直播间礼物资源更新方法、装置、介质及电子设备 | |
CN111488185B (zh) | 页面数据处理方法、装置、电子设备和可读介质 | |
CN112379982B (zh) | 任务处理方法、装置、电子设备及计算机可读存储介质 | |
CN111858381B (zh) | 应用程序容错能力测试方法、电子设备及介质 | |
CN111309254B (zh) | 数据处理方法、装置、可读介质及电子设备 | |
CN111596992B (zh) | 导航栏展示方法、装置和电子设备 | |
CN117241092A (zh) | 一种视频处理方法、装置、存储介质及电子设备 | |
CN116483891A (zh) | 一种信息预测方法、装置、设备和存储介质 | |
CN113220922B (zh) | 图像搜索方法、装置和电子设备 | |
CN111459893B (zh) | 文件处理方法、装置和电子设备 | |
CN111756833B (zh) | 节点处理方法、装置、电子设备及计算机可读介质 | |
CN111680754B (zh) | 图像分类方法、装置、电子设备及计算机可读存储介质 | |
CN117200942A (zh) | 数据处理方法、装置、介质及电子设备 | |
CN114374738B (zh) | 信息推送方法、装置、存储介质及电子设备 | |
CN114706645B (zh) | 界面信息传递方法、装置、介质及电子设备 | |
CN117692672B (zh) | 基于快照的视频信息发送方法、装置、电子设备和介质 | |
CN116703262B (zh) | 配送资源调整方法、装置、电子设备和计算机可读介质 | |
CN117591048B (zh) | 任务信息处理方法、装置、电子设备和计算机可读介质 | |
CN112948108B (zh) | 请求处理方法、装置和电子设备 | |
CN116319932A (zh) | 内容推送模型的训练方法、装置、设备及存储介质 | |
CN117278617A (zh) | 推送通道选择方法、装置、介质及电子设备 | |
CN117076513A (zh) | 数据处理方法、装置、介质及设备 | |
CN116010867A (zh) | 负样本确定方法、装置、介质及电子设备 | |
CN116340632A (zh) | 对象推荐方法、装置、介质及电子设备 | |
CN118152683A (zh) | 内容渲染方法、装置、可读介质及电子设备 |
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 |