[發明專利]抽樣方法和抽樣裝置

有效

• 申請號: 201710035012.1
• 申請日: 2017-01-17
• 公開（公告）號: CN108319611B
• 公開（公告）日: 2022-03-11
• 發明（設計）人: 尹紅軍
• 申請（專利權）人: 騰訊科技（深圳）有限公司
• 主分類號: G06F16/907
• 分類號: G06F16/907
• 代理公司: 北京派特恩知識產權代理有限公司 11270
• 代理人: 王姍姍;張穎玲

本發明提出了一種抽樣方法和一種抽樣裝置，其中，抽樣方法包括：根據指定的子層屬性，分別對實驗樣本集合和對照樣本集合進行分層處理，以獲得實驗樣本集合的每個子層的第一抽樣量以及對照樣本集合的每個子層的第二抽樣量；當每個子層的第二抽樣量不大于第一抽樣量，或者，第一抽樣量不大于對照期望分層量時，從每個子層的第一抽樣量與第二抽樣量的比例關系中選擇滿足第一指定條件的第一目標比例關系；根據第一目標比例關系和每個子層的第一抽樣量，得到每個子層的第三抽樣量；按照第三抽樣量對實驗樣本集合和對照樣本集合進行抽樣處理。通過本發明的技術方案，可以抽取更具代表性的樣本，從而提升了抽樣考察結果的有效性。

【技術領域】

本發明涉及數據處理技術領域，尤其涉及一種抽樣方法和一種抽樣裝置。

【背景技術】

目前，在對兩個用戶群進行抽樣考察時，具有兩種常用方式：

第一，給定兩個用戶群各需要抽取的樣本量，采用隨機抽樣的方式對這兩個用戶群進行對稱抽樣采樣。

第二，可以對具有數字賬號體系的用戶群按照數字賬號的某幾位進行隨機抽樣，比如，抽取數字賬號的前三位為839、中間三位為隨機數、后兩位為07的用戶作為樣本，則會產生數字賬號的中間三位為000到999的1000個隨機用戶。

然而，在實際抽樣考察過程中，待考察維度以外的其他維度差異越小，對待考察維度的抽樣比較結果才越準確越貼近實際，而兩個用戶群的整體差異往往很大，其用戶在年齡、性別、所在地等多種維度均存在差異性。因此，采用第一種方式的隨機抽樣，無法抽到相對于用戶群本身而言具有足夠代表性的樣本，相應地，其抽樣比較結果也不可靠。而第二種方式只是保證了用戶在賬號數字上分布的均勻性，其本質上仍為隨機抽樣，故也無法抽到相對于用戶群本身而言具有足夠代表性的樣本。

因此，如何抽取更具代表性的樣本，以進一步增加抽樣比較結果的可靠性，成為目前亟待解決的技術問題。

【發明內容】

本發明實施例提供了一種抽樣方法和一種抽樣裝置，旨在解決相關技術中因抽取的樣本不具有代表性而導致抽獎比較結果不可靠的技術問題，能夠抽取更具代表性的樣本，進一步增加抽樣比較結果的可靠性。

第一方面，本發明實施例提供了一種抽樣方法，包括：根據指定的子層屬性，分別對實驗樣本集合和對照樣本集合進行分層處理，以獲得實驗樣本集合的每個子層的第一抽樣量以及對照樣本集合的每個子層的第二抽樣量；當每個子層的第二抽樣量不大于第一抽樣量，或者，第一抽樣量不大于對照期望分層量時，從每個子層的第一抽樣量與第二抽樣量的比例關系中選擇滿足第一指定條件的第一目標比例關系；根據所述第一目標比例關系和每個子層的第一抽樣量，得到每個子層的第三抽樣量；按照第三抽樣量對所述實驗樣本集合和所述對照樣本集合進行抽樣處理。

在本發明上述實施例中，可選地，還包括：當每個子層的第二抽樣量大于第一抽樣量，且第一抽樣量大于對照期望分層量時，基于對照期望分層量對所述實驗樣本集合和所述對照樣本集合進行抽樣處理。

在本發明上述實施例中，可選地，從每個子層的第一抽樣量與第二抽樣量的比例關系中選擇滿足第一指定條件的第一目標比例關系之后，還包括：判斷所述第一目標比例關系是否滿足第二指定條件；若所述第一目標比例關系滿足第二指定條件，執行步驟根據所述第一目標比例關系和每個子層的第一抽樣量，得到每個子層的第三抽樣量；若所述第一目標比例關系不滿足第二指定條件，則從除所述第一目標比例關系以外的其他比例關系中選擇滿足第一指定條件的第二目標比例關系，根據所述第二目標比例關系和每個子層的第一抽樣量，得到每個子層的第三抽樣量。

在本發明上述實施例中，可選地，所述第一指定條件為第二抽樣量與第一抽樣量的比值最小；或者所述第一指定條件為第一抽樣量與第二抽樣量的比值最大。

在本發明上述實施例中，可選地，所述第二指定條件為所述第一目標比例關系與0的差值大于指定閾值；或者所述第二指定條件為所述第一目標比例關系與0的差值等于指定閾值。