[發明專利]數據清理模型構建方法、數據清理方法及相關設備、介質

在審

• 申請號: 202110774567.4
• 申請日: 2021-07-08
• 公開（公告）號: CN113609031A
• 公開（公告）日: 2021-11-05
• 發明（設計）人: 付玉鑫
• 申請（專利權）人: 深圳市晨北科技有限公司
• 主分類號: G06F12/0891
• 分類號: G06F12/0891;G06K9/62
• 代理公司: 深圳中細軟知識產權代理有限公司 44528
• 代理人: 袁文英

1.一種數據清理模型構建方法，其特征在于，包括：

獲取目標緩存類別對應的訓練樣本集，所述訓練樣本集包括屬于所述目標緩存類別的多個緩存數據的樣本信息，每個緩存數據的樣本信息包括清理標識和多個特征信息，所述多個特征信息分別為預設的多個緩存特征各自對應的特征信息，所述清理標識用于指示與所述每個緩存數據對應的清理類別；

基于所述多個緩存數據在第一緩存特征下的特征信息，和所述多個緩存數據各自對應的清理標識，確定目標情形下的判斷準確度，所述第一緩存特征為所述多個緩存特征中的任一緩存特征，所述目標情形是指以所述第一緩存特征作為判斷標準，判斷所述多個緩存數據各自對應的清理類別的情形；

根據多個情形下的判斷準確度，構建緩存數據清理模型，所述多個情形為以所述多個緩存特征分別作為判斷標準判斷所述多個緩存數據各自對應的清理類別的情形，所述緩存數據清理模型為依次以所述多個緩存特征作為判斷標準，判斷緩存數據的清理類別的決策樹，其中，判斷準確度高的緩存特征在所述決策樹中為判斷準確度低的緩存特征的父節點，且所述判斷準確度低的緩存特征連接在所述判斷準確度高的緩存特征的第一分支上，所述第一分支為判斷結果為不清理的分支。

2.根據權利要求1所述的方法，其特征在于，所述基于所述多個緩存數據在第一緩存特征下的特征信息，和所述多個緩存數據各自對應的清理標識，確定目標情形下的判斷準確度，包括：

根據所述多個緩存數據各自對應的清理標識，確定有關于清理標識的第一信息熵；

根據所述多個緩存數據在所述第一緩存特征下的特征信息，和所述多個緩存數據各自對應的清理標識，確定所述第一緩存特征的條件熵；

根據所述第一信息熵與所述條件熵，計算得到所述第一緩存特征的信息增益，以用于指示所述目標情形下的判斷準確度。

3.根據權利要求1所述的方法，其特征在于，所述基于所述多個緩存數據在第一緩存特征下的特征信息，和所述多個緩存數據各自對應的清理標識，確定目標情形下的判斷準確度，包括：

根據所述多個緩存數據各自對應的清理標識，確定有關于清理標識的第一信息熵；

根據所述多個緩存數據在所述第一緩存特征下的特征信息，和所述多個緩存數據各自對應的清理標識，確定所述第一緩存特征的條件熵；

根據所述第一信息熵與所述條件熵，計算得到所述第一緩存特征的信息增益；

根據所述多個緩存數據在所述第一緩存特征下的特征信息，確定所述有關于所述第一緩存特征的第二信息熵；

根據所述信息增益與所述第二信息熵，計算得到所述第一緩存特征的信息增益比，以用于指示所述目標情形下的判斷準確度。

4.根據權利要求1所述的方法，其特征在于，所述基于所述多個緩存數據在第一緩存特征下的特征信息，和所述多個緩存數據各自對應的清理標識，確定目標情形下的判斷準確度，包括：

根據所述多個緩存數據各自對應的清理標識，分別確定在所述第一緩存特征下的各類特征信息上的清理標識概率分布；

根據所述清理標識概率分布，和所述多個緩存數據在所述第一緩存特征下的特征信息，確定所述第一緩存特征的最小基尼指數，以用于指示所述目標情形下的判斷準確度。

5.根據權利要求1-4任一項所述的方法，其特征在于，所述獲取目標緩存類別對應的訓練樣本集，包括：

獲取屬于所述目標緩存類別的多個緩存數據，并確定所述多個緩存數據分別在所述多個緩存特征下的特征信息；

根據第一緩存數據在第一緩存特征下的特征信息，和所述第一緩存特征對應的預設標識處理規則，確定所述第一緩存數據在所述第一緩存特征下的子清理標識，以得到所述第一緩存數據對應的多個子清理標識，所述第一緩存數據為所述多個緩存數據中的任一緩存數據，所述第一緩存特征為所述多個緩存特征中的任一緩存特征，所述預設標識處理規則是指基于特征信息判斷緩存數據的清理類別的處理規則，所述第一緩存數據在所述第一緩存特征下的子清理標識用于指示在所述第一緩存特征下所述第一緩存數據對應的清理類別；

根據所述第一緩存數據對應的多個子清理標識，確定所述第一緩存數據對應的清理標識，以得到所述多個緩存數據各自對應的清理標識。