[發(fā)明專利]訓(xùn)練數(shù)據(jù)重采樣方法、裝置、存儲介質(zhì)及電子設(shè)備

有效

• 申請?zhí)枺?/td>: 201811327417.3
• 申請日: 2018-11-08
• 公開（公告）號: CN109635034B
• 公開（公告）日: 2020-03-03
• 發(fā)明（設(shè)計）人: 李偉健;王長虎
• 申請（專利權(quán)）人: 北京字節(jié)跳動網(wǎng)絡(luò)技術(shù)有限公司
• 主分類號: G06F16/26
• 分類號: G06F16/26;G06F16/28
• 代理公司: 北京英創(chuàng)嘉友知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11447
• 代理人: 魏嘉熹;南毅寧

1.一種訓(xùn)練數(shù)據(jù)重采樣方法，其特征在于，應(yīng)用于在線小視頻應(yīng)用中的分類模型，所述方法包括：

獲取第一時段內(nèi)的第一原始數(shù)據(jù)，所述第一原始數(shù)據(jù)為所述第一時段中用戶實際上傳的小視頻數(shù)據(jù)；

計算所述第一原始數(shù)據(jù)中多個預(yù)設(shè)分類分別所占的第一比例，所述多個預(yù)設(shè)分類為對所述小視頻數(shù)據(jù)的分類；

根據(jù)所述第一比例的大小關(guān)系按照預(yù)設(shè)規(guī)則對所述多個預(yù)設(shè)分類進(jìn)行排序，獲得第一排序結(jié)果；

獲取第二時段內(nèi)的第二原始數(shù)據(jù)，所述第二原始數(shù)據(jù)為所述第二時段中用戶實際上傳的小視頻數(shù)據(jù)，所述第二時段與所述第一時段中在先的時段的結(jié)束時間與在后的時段的開始時間之間的間隔小于預(yù)設(shè)閾值；

計算所述第二原始數(shù)據(jù)中所述多個預(yù)設(shè)分類分別所占的第二比例；

根據(jù)所述第二比例的大小關(guān)系按照所述預(yù)設(shè)規(guī)則對所述多個預(yù)設(shè)分類進(jìn)行排序，獲得第二排序結(jié)果；

若所述第一排序結(jié)果和所述第二排序結(jié)果一致，根據(jù)各預(yù)設(shè)分類的排名和預(yù)設(shè)對應(yīng)關(guān)系，確定各預(yù)設(shè)分類對應(yīng)的采樣比例，所述預(yù)設(shè)對應(yīng)關(guān)系為所述排名與所述采樣比例之間的對應(yīng)關(guān)系，所述采樣比例能反映在所述第一原始數(shù)據(jù)中所述多個預(yù)設(shè)分類的分布情況；

根據(jù)所述多個預(yù)設(shè)分類分別對應(yīng)的所述采樣比例對用于建模的訓(xùn)練數(shù)據(jù)進(jìn)行重采樣，所述訓(xùn)練數(shù)據(jù)用于建立所述在線小視頻應(yīng)用中的所述分類模型。

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：

若所述第一排序結(jié)果和所述第二排序結(jié)果不一致時，重新確定所述第二時段，并將所述第二排序結(jié)果確定為第一排序結(jié)果；

返回所述獲取第二時段內(nèi)的第二原始數(shù)據(jù)的步驟。

3.根據(jù)權(quán)利要求1或2所述的方法，其特征在于，當(dāng)至少兩個預(yù)設(shè)分類的比例相同時，按照所述至少兩個預(yù)設(shè)分類的優(yōu)先級確定所述至少兩個預(yù)設(shè)分類的排序。

4.一種訓(xùn)練數(shù)據(jù)重采樣裝置，其特征在于，應(yīng)用于在線小視頻應(yīng)用中的分類模型，所述裝置包括：

第一獲取模塊，用于獲取第一時段內(nèi)的第一原始數(shù)據(jù)，所述第一原始數(shù)據(jù)為所述第一時段中用戶實際上傳的小視頻數(shù)據(jù)；

第一計算模塊，用于計算所述第一原始數(shù)據(jù)中多個預(yù)設(shè)分類分別所占的第一比例，所述多個預(yù)設(shè)分類為對所述小視頻數(shù)據(jù)的分類；

第一排序模塊，用于根據(jù)所述第一比例的大小關(guān)系按照預(yù)設(shè)規(guī)則對所述多個預(yù)設(shè)分類進(jìn)行排序，獲得第一排序結(jié)果；

第二獲取模塊，用于獲取第二時段內(nèi)的第二原始數(shù)據(jù)，所述第二原始數(shù)據(jù)為所述第二時段中用戶實際上傳的小視頻數(shù)據(jù)，所述第二時段與所述第一時段中在先的時段的結(jié)束時間與在后的時段的開始時間之間的間隔小于預(yù)設(shè)閾值；

第二計算模塊，用于計算所述第二原始數(shù)據(jù)中所述多個預(yù)設(shè)分類分別所占的第二比例；

第二排序模塊，用于根據(jù)所述第二比例的大小關(guān)系按照所述預(yù)設(shè)規(guī)則對所述多個預(yù)設(shè)分類進(jìn)行排序，獲得第二排序結(jié)果；

排名比較模塊，用于若所述第一排序結(jié)果和所述第二排序結(jié)果一致，觸發(fā)比例獲取模塊根據(jù)各預(yù)設(shè)分類的排名和預(yù)設(shè)對應(yīng)關(guān)系，確定各預(yù)設(shè)分類對應(yīng)的采樣比例；

所述比例獲取模塊，用于根據(jù)各預(yù)設(shè)分類的排名和預(yù)設(shè)對應(yīng)關(guān)系，確定各預(yù)設(shè)分類對應(yīng)的采樣比例，所述預(yù)設(shè)對應(yīng)關(guān)系為所述排名與所述采樣比例之間的對應(yīng)關(guān)系，所述采樣比例能反映在所述第一原始數(shù)據(jù)中所述多個預(yù)設(shè)分類的分布情況；

重采樣模塊，用于根據(jù)所述多個預(yù)設(shè)分類分別對應(yīng)的所述采樣比例對用于建模的訓(xùn)練數(shù)據(jù)進(jìn)行重采樣，所述訓(xùn)練數(shù)據(jù)用于建立所述在線小視頻應(yīng)用中的所述分類模型。

5.根據(jù)權(quán)利要求4所述的裝置，其特征在于，所述排名比較模塊還用于：

若所述第一排序結(jié)果和所述第二排序結(jié)果不一致時，重新確定所述第二時段，并將所述第二排序結(jié)果確定為第一排序結(jié)果；

觸發(fā)所述第二獲取模塊獲取第二時段內(nèi)的第二原始數(shù)據(jù)。

6.根據(jù)權(quán)利要求4或5所述的裝置，其特征在于，當(dāng)至少兩個預(yù)設(shè)分類的比例相同時，按照所述至少兩個預(yù)設(shè)分類的優(yōu)先級確定所述至少兩個預(yù)設(shè)分類的排序。

7.一種計算機(jī)可讀存儲介質(zhì)，其上存儲有計算機(jī)程序，其特征在于，該程序被處理器執(zhí)行時實現(xiàn)權(quán)利要求1-3中任一項所述方法的步驟。

8.一種電子設(shè)備，其特征在于，包括：

存儲器，其上存儲有計算機(jī)程序；

處理器，用于執(zhí)行所述存儲器中的所述計算機(jī)程序，以實現(xiàn)權(quán)利要求1-3中任一項所述方法的步驟。