[發(fā)明專利]數(shù)據(jù)處理方法、裝置、存儲(chǔ)介質(zhì)和電子裝置

有效

• 申請(qǐng)?zhí)枺?/td>: 201810061270.1
• 申請(qǐng)日: 2018-01-22
• 公開（公告）號(hào): CN108319974B
• 公開（公告）日: 2022-10-28
• 發(fā)明（設(shè)計(jì)）人: 劉江冬;洪楷;徐士立;李孝寧;吳海洋;劉專;胡凡
• 申請(qǐng)（專利權(quán)）人: 騰訊科技（深圳）有限公司
• 主分類號(hào): G06K9/62
• 分類號(hào): G06K9/62;G06N3/04
• 代理公司: 北京康信知識(shí)產(chǎn)權(quán)代理有限責(zé)任公司 11240
• 代理人: 趙囡囡

1.一種數(shù)據(jù)處理方法，其特征在于，包括：

通過目標(biāo)模型和客戶端的當(dāng)前狀態(tài)數(shù)據(jù)，確定出所述客戶端在預(yù)測(cè)時(shí)間段上運(yùn)行的過程中出現(xiàn)卡頓狀態(tài)的目標(biāo)概率，其中，所述當(dāng)前狀態(tài)數(shù)據(jù)包括在所述客戶端在當(dāng)前時(shí)間段上運(yùn)行的過程中，所述客戶端和/或安裝所述客戶端的終端所產(chǎn)生的狀態(tài)數(shù)據(jù)，所述當(dāng)前時(shí)間段早于所述預(yù)測(cè)時(shí)間段；

在所述目標(biāo)概率大于等于第一目標(biāo)閾值的情況下，對(duì)所述客戶端的所述當(dāng)前狀態(tài)數(shù)據(jù)進(jìn)行處理，和/或?qū)λ隹蛻舳撕退鼋K端中至少之一進(jìn)行目標(biāo)操作，以使得所述客戶端在所述預(yù)測(cè)時(shí)間段上運(yùn)行的過程中出現(xiàn)卡頓狀態(tài)的概率低于所述目標(biāo)概率；

所述通過目標(biāo)模型和客戶端的當(dāng)前狀態(tài)數(shù)據(jù)，確定出所述客戶端在預(yù)測(cè)時(shí)間段上運(yùn)行的過程中出現(xiàn)卡頓狀態(tài)的目標(biāo)概率包括：

通過所述目標(biāo)模型和第二目標(biāo)狀態(tài)數(shù)據(jù)，確定出所述客戶端在所述當(dāng)前時(shí)間段上運(yùn)行的過程中出現(xiàn)所述卡頓狀態(tài)的所述目標(biāo)概率，其中，所述客戶端的所述當(dāng)前狀態(tài)數(shù)據(jù)包括所述第二目標(biāo)狀態(tài)數(shù)據(jù)，所述第二目標(biāo)狀態(tài)數(shù)據(jù)為所述當(dāng)前狀態(tài)數(shù)據(jù)中與所述客戶端的卡頓狀態(tài)之間的相關(guān)程度高的狀態(tài)數(shù)據(jù)。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述方法還包括：

獲取目標(biāo)狀態(tài)數(shù)據(jù)，其中，所述目標(biāo)狀態(tài)數(shù)據(jù)包括在所述客戶端在已過去的已過去的時(shí)間段上運(yùn)行的過程中出現(xiàn)卡頓狀態(tài)的情況下，所述客戶端和/或安裝所述客戶端的終端所產(chǎn)生的狀態(tài)數(shù)據(jù)，其中，所述已過去的時(shí)間段早于所述當(dāng)前時(shí)間段；

使用所述目標(biāo)狀態(tài)數(shù)據(jù)對(duì)初始的訓(xùn)練模型進(jìn)行訓(xùn)練，得到訓(xùn)練后的所述目標(biāo)模型。

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，獲取所述目標(biāo)狀態(tài)數(shù)據(jù)包括：

獲取歷史狀態(tài)數(shù)據(jù)，其中，所述歷史狀態(tài)數(shù)據(jù)包括在所述客戶端在已過去的所述已過去的時(shí)間段上運(yùn)行的過程中，所述客戶端和/或安裝所述客戶端的終端所產(chǎn)生的狀態(tài)數(shù)據(jù)；

在所述歷史狀態(tài)數(shù)據(jù)中，標(biāo)記出處于目標(biāo)幀率下的所述目標(biāo)狀態(tài)數(shù)據(jù)，其中，所述目標(biāo)幀率為所述客戶端在出現(xiàn)卡頓狀態(tài)時(shí)的幀率。

4.根據(jù)權(quán)利要求3所述的方法，其特征在于，

在標(biāo)記出處于所述目標(biāo)幀率下的所述目標(biāo)狀態(tài)數(shù)據(jù)之后，所述方法還包括：從所述目標(biāo)狀態(tài)數(shù)據(jù)中選擇出第一目標(biāo)特征數(shù)據(jù)，其中，所述第一目標(biāo)特征數(shù)據(jù)為所述歷史狀態(tài)數(shù)據(jù)中與所述客戶端的卡頓狀態(tài)之間的相關(guān)程度高于第二目標(biāo)閾值的狀態(tài)數(shù)據(jù)；

使用所述目標(biāo)狀態(tài)數(shù)據(jù)對(duì)所述初始的訓(xùn)練模型進(jìn)行訓(xùn)練，得到訓(xùn)練后的所述目標(biāo)模型包括：使用所述目標(biāo)狀態(tài)數(shù)據(jù)中的所述第一目標(biāo)特征數(shù)據(jù)，對(duì)所述初始的訓(xùn)練模型進(jìn)行訓(xùn)練，得到訓(xùn)練后的所述目標(biāo)模型。

5.根據(jù)權(quán)利要求4所述的方法，其特征在于，從所述目標(biāo)狀態(tài)數(shù)據(jù)中選擇出所述第一目標(biāo)特征數(shù)據(jù)包括：

從所述目標(biāo)狀態(tài)數(shù)據(jù)中選擇出候選特征數(shù)據(jù)，其中，所述候選特征數(shù)據(jù)的數(shù)量為第一數(shù)量；

分別對(duì)所述第一數(shù)量的所述候選特征數(shù)據(jù)進(jìn)行評(píng)價(jià)，得到第一數(shù)量的評(píng)價(jià)結(jié)果；

獲取所述第一數(shù)量的評(píng)價(jià)結(jié)果中符合目標(biāo)條件的目標(biāo)評(píng)價(jià)結(jié)果；

將所述目標(biāo)評(píng)價(jià)結(jié)果對(duì)應(yīng)的候選特征數(shù)據(jù)確定為所述第一目標(biāo)特征數(shù)據(jù)。

6.根據(jù)權(quán)利要求5所述的方法，其特征在于，

分別對(duì)所述第一數(shù)量的所述候選特征數(shù)據(jù)進(jìn)行評(píng)價(jià)，得到所述第一數(shù)量的評(píng)價(jià)結(jié)果包括：分別獲取所述第一數(shù)量的所述候選特征數(shù)據(jù)的信息熵增益，得到第一數(shù)量的信息熵增益，其中，所述評(píng)價(jià)結(jié)果包括所述信息熵增益；

獲取所述第一數(shù)量的評(píng)價(jià)結(jié)果中符合所述目標(biāo)條件的目標(biāo)評(píng)價(jià)結(jié)果包括：在所述第一數(shù)量的所述信息熵增益中，獲取大于第三目標(biāo)閾值的所述信息熵增益；將大于所述第三目標(biāo)閾值的所述信息熵增益確定為所述目標(biāo)評(píng)價(jià)結(jié)果。