[發明專利]數據處理方法、裝置、電子設備和可讀存儲介質

有效

• 申請號: 202011052216.4
• 申請日: 2020-09-29
• 公開（公告）號: CN112001570B
• 公開（公告）日: 2021-07-09
• 發明（設計）人: 羅世楷;宋歌;朱宏圖
• 申請（專利權）人: 北京嘀嘀無限科技發展有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q10/06;G06Q50/30
• 代理公司: 北京睿派知識產權代理事務所(普通合伙) 11597
• 代理人: 劉鋒

1.一種數據處理方法，其特征在于，所述方法包括：

確定目標策略，所述目標策略用于表征目標城市中，用戶與用戶之間的交互規則；

基于所述目標策略，確定觀測數據，所述觀測數據至少用于表征所述目標城市中各區域的策略動作、所述目標城市中各區域的狀態和所述目標城市中各區域的區域策略分值；

基于所述觀測數據，確定所述目標策略的目標策略分值，所述目標城市至少滿足馬爾可夫假設，所述馬爾可夫假設用于表征所述目標城市在第一時刻的狀態，取決于所述目標城市在第二時刻的狀態和策略動作，所述第一時刻為預設時間段內的時刻，所述第二時刻為所述第一時刻之前的時刻；

確定所述目標策略分值與預設策略分值之間的分值差異，所述預設策略分值為基于預設策略確定的策略分值；以及

響應于所述分值差異為正值，則確定所述目標策略為有益策略。

2.根據權利要求1所述的方法，其特征在于，所述基于所述目標策略，確定觀測數據，包括：

至少基于第一區域在第一時刻的策略動作、所述第一區域在所述第一時刻的狀態、所述第一區域在所述第一時刻的策略動作的策略分值以及所述第一區域在預設時間段內各時刻的狀態，確定所述觀測數據，所述第一區域用于表征所述目標城市中的區域。

3.根據權利要求2所述的方法，其特征在于，所述目標城市還滿足一致性假設、序列隨機化假設和條件平均獨立假設；

所述一致性假設，用于表征所述第一區域在所述第一時刻的狀態，與所述目標城市從起始時刻至第二時刻為止的策略動作相關，所述起始時刻為預先設置的時刻，所述第二時刻為所述第一時刻之前的時刻；

所述序列隨機化假設，用于表征所述目標城市在t時刻的策略動作與所述目標城市的策略動作歷史，以及所述目標城市當前的狀態有關；

所述條件平均獨立假設，用于表征所述第一區域對應的策略分值期望基于預設期望算法確定，所述預設期望算法包括所述第一區域對應的策略動作和狀態。

4.根據權利要求3所述的方法，其特征在于，所述基于所述觀測數據，確定所述目標策略的目標策略分值，包括：

基于預設的第一策略分值算法，確定所述目標策略的目標策略分值，所述第一策略分值算法基于重要性采樣模型構建。

5.根據權利要求3所述的方法，其特征在于，所述基于所述觀測數據，確定所述目標策略的目標策略分值，包括：

基于預設的第二策略分值算法，確定所述目標策略的目標策略分值，所述第二策略分值算法基于具有魯棒性的模型構建。

6.根據權利要求3所述的方法，其特征在于，所述確定所述目標策略分值與預設策略分值之間的分值差異，包括：

基于所述目標策略對應的策略分值期望、所述預設策略對應的策略分值期望和預先設置的分值差異算法，確定所述目標策略分值與所述預設策略分值之間的分值差異。

7.根據權利要求2所述的方法，其特征在于，所述方法還包括：

基于所述目標城市中各區域狀態的平均函數，確定所述目標城市中各區域的平均狀態，基于所述目標城市中各區域策略動作的平均函數，確定所述目標城市中各區域的平均策略動作。