[發(fā)明專利]一種數據處理方法、裝置及電子設備

有效

• 申請?zhí)枺?/td>: 201910848176.5
• 申請日: 2019-09-09
• 公開（公告）號: CN110569966B
• 公開（公告）日: 2022-09-23
• 發(fā)明（設計）人: 楊帆;金寶寶;張成松
• 申請（專利權）人: 聯(lián)想（北京）有限公司
• 主分類號: G06N3/04
• 分類號: G06N3/04;G06N3/08;G06Q10/06;G06Q50/04
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 李金

1.一種數據處理方法，包括：

獲得至少一個訓練樣本，所述訓練樣本包括至少一個指標的指標數據，所述指標數據包括其所屬指標在至少一個時刻下的樣本數據，所述訓練樣本具有預設的收率標簽；

利用自注意力機制，基于所述樣本數據對應的時刻屬性和指標屬性，對所述訓練樣本中的樣本數據進行去噪；

基于經過去噪的訓練樣本與其具有的收率標簽，對初始模型進行訓練，得到關系模型，所述關系模型表征所述指標與收率之間的關系。

2.根據權利要求1所述的方法，基于所述樣本數據對應的時刻屬性和指標屬性，對所述訓練樣本中的樣本數據進行去噪，包括：

獲得目標指標的指標數據中的所述樣本數據之間的關聯(lián)關系；所述目標指標為所述至少一個指標中的任意一個；

基于所述關聯(lián)關系，對所述目標指標的指標數據中的樣本數據進行計算，以得到所述目標指標在所述時刻下的新的樣本數據。

3.根據權利要求2所述的方法，所述關聯(lián)關系包括所述目標指標的指標數據中的所述樣本數據之間的相似度值；

其中，基于所述關聯(lián)關系，對所述目標指標的指標數據中的樣本數據進行計算，以得到所述目標指標在所述時刻下的新的樣本數據，包括：

基于所述相似度值，確定所述目標指標的指標數據中在所述至少一個時刻中所述時刻對應的樣本權重系數；

基于所述樣本權重系數，對所述目標指標的指標數據中的樣本數據進行計算，以得到所述目標指標在所述時刻下的新的樣本數據。

4.根據權利要求1所述的方法，基于所述樣本數據對應的時刻屬性和指標屬性，對所述訓練樣本中的樣本數據進行去噪，包括：

基于所述樣本數據對應的時刻屬性和指標屬性之間的關聯(lián)關系，對所述樣本數據進行更新，以使得所述訓練樣本中的樣本數據實現去噪。

5.根據權利要求4所述的方法，利用所述樣本數據對應的時刻屬性和指標屬性之間的關聯(lián)關系，對所述樣本數據進行更新，包括：

利用自注意力機制，基于所述樣本數據對應的時刻屬性和指標屬性之間的關聯(lián)關系，對所述樣本數據進行更新。

6.根據權利要求1、2或4所述的方法，所述初始模型為基于預設的機器學習算法所搭建的擬合模型，所述初始模型具有至少一個與指標和收率相關的初始擬合參數。

7.一種數據處理裝置，包括：

獲得單元，用于獲得至少一個訓練樣本，所述訓練樣本包括至少一個指標的指標數據，所述指標數據包括其所屬指標在至少一個時刻下的樣本數據，所述訓練樣本具有預設的收率標簽；

去噪單元，用于利用自注意力機制，基于所述樣本數據對應的時刻屬性和指標屬性，對所述訓練樣本中的樣本數據進行去噪；

訓練單元，用于基于經過去噪的訓練樣本與其具有的收率標簽，對初始模型進行訓練，得到關系模型，所述關系模型表征所述指標與收率之間的關系。

8.根據權利要求7所述的裝置，所述去噪單元，包括：

關聯(lián)獲得子單元，用于獲得目標指標的指標數據中的所述樣本數據之間的關聯(lián)關系；所述目標指標為所述至少一個指標中的任意一個；

樣本計算子單元，用于基于所述關聯(lián)關系，對所述目標指標的指標數據中的樣本數據進行計算，以得到所述目標指標在所述時刻下的新的樣本數據。

9.根據權利要求7或8所述的裝置，還包括：

模型搭建單元，用于預先基于預設的機器學習算法搭建所述初始模型，所述初始模型為擬合模型，且所述初始模型具有至少一個與指標和收率相關的初始擬合參數。

10.一種電子設備，包括：

存儲器，用于存儲應用程序及應用程序運行所產生的數據；

處理器，用于執(zhí)行所述應用程序，以實現：

獲得至少一個訓練樣本，所述訓練樣本包括至少一個指標的指標數據，所述指標數據包括其所屬指標在至少一個時刻下的樣本數據，所述訓練樣本具有預設的收率標簽；

利用自注意力機制，基于所述樣本數據對應的時刻屬性和指標屬性，對所述訓練樣本中的樣本數據進行去噪；

基于經過去噪的訓練樣本與其具有的收率標簽，對初始模型進行訓練，得到關系模型，所述關系模型表征所述指標與收率之間的關系。