[發明專利]結構化數據處理方法、裝置及電子設備

在審

• 申請號: 202011180503.3
• 申請日: 2020-10-29
• 公開（公告）號: CN112269815A
• 公開（公告）日: 2021-01-26
• 發明（設計）人: 梅子行
• 申請（專利權）人: 維沃移動通信有限公司
• 主分類號: G06F16/2458
• 分類號: G06F16/2458;G06N3/04
• 代理公司: 北京遠志博慧知識產權代理事務所(普通合伙) 11680
• 代理人: 李翠雅

本申請公開了一種結構化數據處理方法、裝置及電子設備，屬于通信技術領域。能夠解決對結構化數據進行處理得到的處理結果的準確性較低的問題。該方法包括：獲取目標事件對應的結構化數據，該結構化數據包括N條子數據，每條子數據分別對應一個用戶標識，每條子數據包括與一個用戶標識對應的M個特征參數；針對每條子數據，基于時間維度，對一條子數據的每個特征參數分別進行處理得到M個二維變量表，以得到N*M個二維變量表；其中，每個二維變量表包括與特征參數對應的至少一個特征變量；對N*M個二維變量表中的特征變量進行卷積神經網絡處理，得到處理結果。本申請實施例應用于結構化數據處理的過程中。

技術領域

本申請屬于通信技術領域，具體涉及一種結構化數據處理方法、裝置及電子設備。

背景技術

通常，可以通過卷積神經網絡(Convolutional Neural Networks，CNN)對圖像數據進行處理，以將常規圖像拆解為紅、綠、藍(三基色)三種顏色對圖像數據進行分析，從而進行圖像識別、物體識別和行為認知等。

然而上述方法中，由于通過卷積神經網絡處理的數據多為圖像數據，而對于結構化數據的處理較少，結構化數據的每條數據中的多個子數據的順序是隨機分布的，子數據之間沒有直接的拓撲關系，從而導致通過卷積神經網絡對結構化數據進行處理得到的處理結果的準確性較低。

發明內容

本申請實施例的目的是提供一種結構化數據處理方法、裝置及電子設備，能夠解決對結構化數據進行處理得到的處理結果的準確性較低的問題。

為了解決上述技術問題，本申請是這樣實現的：

第一方面，本申請實施例提供了一種結構化數據處理方法，該方法包括：獲取目標事件對應的結構化數據，該結構化數據包括N條子數據，每條子數據分別對應一個用戶標識，每條子數據包括與一個用戶標識對應的M個特征參數，N和M均為正整數；針對每條子數據，基于時間維度，對一條子數據的每個特征參數分別進行處理得到M個二維變量表，以得到N*M個二維變量表；其中，M個二維變量表中的每個二維變量表對應一條子數據的一個特征參數，每個二維變量表包括與特征參數對應的至少一個特征變量，每個特征變量分別為一個時間段內特征參數的取值；對N*M個二維變量表中的特征變量進行處理，得到處理結果。

第二方面，本申請實施例提供了一種結構化數據處理裝置，該裝置包括：獲取模塊和處理模塊。其中，獲取模塊，用于獲取目標事件對應的結構化數據，該結構化數據包括N條子數據，每條子數據分別對應一個用戶標識，每條子數據包括與一個用戶標識對應的M個特征參數，N和M均為正整數。處理模塊，用于針對每條子數據，基于時間維度，對一條子數據的每個特征參數分別進行處理得到M個二維變量表，以得到N*M個二維變量表；其中，M個二維變量表中的每個二維變量表對應一條子數據的一個特征參數，每個二維變量表包括與特征參數對應的至少一個特征變量，每個特征變量分別為一個時間段內特征參數的取值；并對N*M個二維變量表中的特征變量進行處理，得到處理結果。

第三方面，本申請實施例提供了一種電子設備，該電子設備包括處理器、存儲器及存儲在所述存儲器上并可在所述處理器上運行的程序或指令，所述程序或指令被所述處理器執行時實現如第一方面所述的方法的步驟。

第四方面，本申請實施例提供了一種可讀存儲介質，所述可讀存儲介質上存儲程序或指令，所述程序或指令被處理器執行時實現如第一方面所述的方法的步驟。

第五方面，本申請實施例提供了一種芯片，所述芯片包括處理器和通信接口，所述通信接口和所述處理器耦合，所述處理器用于運行程序或指令，實現如第一方面所述的方法。