[發明專利]對象數據的處理方法、裝置、電子設備及存儲介質

在審

• 申請號: 202210555254.4
• 申請日: 2022-05-19
• 公開（公告）號: CN115115093A
• 公開（公告）日: 2022-09-27
• 發明（設計）人: 廖鵬;房棟
• 申請（專利權）人: 深圳市騰訊網絡信息技術有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06N20/00
• 代理公司: 北京派特恩知識產權代理有限公司 11270
• 代理人: 劉暉銘;吳素花

1.一種對象數據的處理方法，其特征在于，所述方法包括：

對干預對象組的干預對象數據以及對照對象組的對照對象數據分別進行事件預測處理，得到所述干預對象組的第一預測結果與所述對照對象組的第二預測結果，其中，所述事件預測處理用于預測針對事件的響應結果；

基于所述第一預測結果以及所述干預對象組的所述干預對象數據進行激活處理，得到所述干預對象組的第一激活處理結果，以及基于所述第二預測結果以及所述對照對象組的所述對照對象數據進行激活處理，得到所述對照對象組的第二激活處理結果；

對所述第一激活處理結果以及所述第二激活處理結果進行逆向激活處理，得到所述干預對象組的第一逆向激活處理結果、以及所述對照對象組的第二逆向激活處理結果；

將所述干預對象組的第一逆向激活處理結果與所述對照對象組的第二逆向激活處理結果之間的差值，作為所述干預對象組與所述對照對象組之間的平均處理效應；

當所述平均處理效應大于平均處理效應閾值時，基于所述平均處理效應確定所述干預對象組的相似對象，并將所述相似對象作為被實施干預處理的目標對象。

2.如權利要求1所述的方法，其特征在于，所述對干預對象組的干預對象數據以及對照對象組的對照對象數據分別進行事件預測處理，得到所述干預對象組的第一預測結果與所述對照對象組的第二預測結果，包括：

對所述干預對象組的干預對象數據進行特征提取，得到所述干預對象組的干預對象特征，以及對所述對照對象組的對照對象數據進行特征提取，得到所述對照對象組的對照對象特征；

基于所述干預對象特征調用結果預測模型，得到所述干預對象組的第一預測結果，以及基于所述對照對象特征調用所述結果預測模型，得到所述對照對象組的第二預測結果。

3.如權利要求2所述的方法，其特征在于，所述對所述干預對象組的干預對象數據進行特征提取，得到所述干預對象組的干預對象特征，以及對所述對照對象組的對照對象數據進行特征提取，得到所述對照對象組的對照對象特征，包括：

對所述干預對象組的干預對象數據進行轉換處理，得到所述干預對象組的對象特征向量，對所述干預對象組的對象特征向量進行降維處理，得到所述干預對象組的干預對象特征；

對所述對照對象組的對照對象數據進行轉換處理，得到所述對照對象組的對象特征向量，對所述對照對象組的對象特征向量進行降維處理，得到所述對照對象組的對照對象特征。

4.如權利要求2所述的方法，其特征在于，

所述干預對象數據包括：干預對象實際響應結果、干預對象屬性參數、干預數據；所述對照對象數據包括：對照對象實際響應結果、對照對象屬性參數；

所述結果預測模型包括：第一結果預測模型以及第二結果預測模型；

所述基于所述干預對象特征調用結果預測模型，得到所述干預對象組的第一預測結果，以及基于所述對照對象特征調用結果預測模型，得到所述對照對象組的第二預測結果之前，所述方法還包括：

基于所述干預對象實際響應結果、所述干預對象屬性參數以及所述干預數據對預設邏輯分類模型進行訓練，得到所述第一結果預測模型，以及

基于所述對照對象實際響應結果、所述對照對象屬性參數對所述預設邏輯分類模型進行訓練，得到所述第二結果預測模型。