[發(fā)明專利]數(shù)據(jù)篩選方法、裝置、設備及存儲介質

有效

• 申請?zhí)枺?/td>: 202010066506.8
• 申請日: 2020-01-20
• 公開（公告）號: CN111259249B
• 公開（公告）日: 2023-08-22
• 發(fā)明（設計）人: 許金泉
• 申請（專利權）人: 北京百度網(wǎng)訊科技有限公司
• 主分類號: G06F16/9535
• 分類號: G06F16/9535
• 代理公司: 北京同立鈞成知識產(chǎn)權代理有限公司 11205
• 代理人: 鈄颯颯;劉芳

本申請公開了數(shù)據(jù)篩選方法、裝置、設備及存儲介質，涉及智能搜索領域。具體實現(xiàn)方案為：該方法應用于電子設備，該方法包括：接收數(shù)據(jù)篩選請求，數(shù)據(jù)篩選請求為深度用戶篩選請求和/或深度興趣篩選請求；響應于數(shù)據(jù)篩選請求，從預先確定的深度興趣用戶點對集合中獲取對應的深度用戶和/或對應的深度興趣；其中，深度興趣用戶點對集合是根據(jù)收斂后的各用戶對各興趣的無偏置評分確定的；輸出對應的深度用戶和/或對應的深度興趣。能夠有效消除各用戶對各興趣的評分中與興趣相關的偏置分值及與用戶相關的偏置分值，所以可有效消除長尾效應的影響，能夠準確確定出興趣的深度用戶和/或用戶的深度愛好興趣。進而能夠提高應用程序的智能化水平。

技術領域

本申請涉及到數(shù)據(jù)處理技術領域，尤其涉及智能搜索技術。

背景技術

隨著移動互聯(lián)網(wǎng)的迅速發(fā)展，個性化推薦技術也得到了快速發(fā)展。在個性化推薦中很重要的是確定興趣的深度愛好用戶，或者確定用戶的深度愛好興趣。在確定興趣的深度愛好用戶，或者確定用戶的深度愛好的興趣的技術本質是對相關數(shù)據(jù)進行篩選的技術。

現(xiàn)有技術中確定興趣的深度愛好用戶，或者確定用戶的深度愛好的興趣時，通常采用硬閾值截斷方法，軟閾值截斷方法或硬閾值截斷集合軟閾值截斷的方法。而在采用這些方法時，會有長尾效應的存在，例如：一個用戶對所有興趣的天然打分較高，很容易成為一個興趣的深度愛好用戶，然而該用戶實際上不是該興趣的深度愛好用戶。或者另一用戶對所有興趣的天然打分都較低，原本某一興趣是該用戶的深度愛好興趣，卻不能被召回。

所以現(xiàn)有技術中確定興趣的深度愛好用戶，或者確定用戶的深度愛好興趣的方法由于長尾效應的存在導致無法準確確定興趣的深度愛好用戶，或者無法準確確定用戶的深度愛好興趣。

發(fā)明內容

本申請實施例提供一種數(shù)據(jù)篩選方法、裝置、設備及存儲介質，解決了現(xiàn)有技術中確定興趣的深度愛好用戶，或者確定用戶的深度愛好興趣的方法由于長尾效應的存在導致無法準確確定興趣的深度愛好用戶，或者無法準確確定用戶的深度愛好興趣的技術問題。

本申請實施例第一方面提供一種數(shù)據(jù)篩選方法，所述方法應用于電子設備，所述方法包括：

接收數(shù)據(jù)篩選請求，所述數(shù)據(jù)篩選請求為深度用戶篩選請求和/或深度興趣篩選請求；響應于所述數(shù)據(jù)篩選請求，從預先確定的深度興趣用戶點對集合中獲取對應的深度用戶和/或對應的深度興趣；其中，所述深度興趣用戶點對集合是根據(jù)收斂后的各用戶對各興趣的無偏置評分確定的；輸出所述對應的深度用戶和/或所述對應的深度興趣。

本申請實施例中，由于預先確定了深度興趣用戶點對集合，在深度興趣用戶點對集合中的每個用戶興趣點對均是根據(jù)收斂后的各用戶對各興趣的無偏置評分確定的，能夠有效消除各用戶對各興趣的評分中與興趣相關的偏置分值及與用戶相關的偏置分值，所以可有效消除長尾效應的影響，能夠準確確定出興趣的深度用戶和/或用戶的深度愛好興趣。進而能夠提高應用程序的智能化水平。

進一步地，如上所述的方法，所述從預先確定的深度興趣用戶點對集合中獲取對應的深度用戶和/或對應的深度興趣之前，還包括；

計算當前迭代時各用戶對各興趣的無偏置評分；判斷是否滿足預設的收斂條件；若確定滿足預設的收斂條件，則將當前迭代時各用戶對各興趣的無偏置評分確定為收斂后的各用戶對各興趣的無偏置評分；采用所述收斂后的各用戶對各興趣的無偏置評分確定所述深度興趣用戶點對集合。

本申請實施例中,在確定的深度興趣用戶點對集合時，確定當前迭代時各用戶對各興趣的無偏置評分，若確定滿足預設收斂條件后，再將當前迭代時各用戶對各興趣的無偏置評分確定為收斂后的各用戶對各興趣的無偏置評分，進而根據(jù)收斂后的各用戶對各興趣的無偏置評分確定深度興趣用戶點對集合，能夠使確定出的深度興趣用戶點對集合中的興趣用戶點對為消除了長尾效應影響后的深度興趣用戶點對，進而使確定出興趣的深度用戶和/或用戶的深度愛好興趣更加準確。

進一步地，如上所述的方法，所述計算當前迭代時各用戶對各興趣的無偏置評分，包括：