资源数据处理方法、装置、计算机设备和存储介质制造方法及图纸

本申请涉及一种资源数据处理方法、装置、计算机设备和存储介质。该方法包括：将待处理资源数据输入更新资源可信度预测模型中，得到当前资源可信度；从更新资源可信度区间确定当前资源可信度对应的目标资源可信度区间；根据更新资源可信度区间与转换资源可信度的映射关系查找目标资源可信度区间对应的目标转换资源可信度；转换资源可信度是根据与更新资源可信度区间关联的原始资源可信度区间的区间值确定的，更新资源可信度区间的区间划分是根据原始资源可信度的统计分布和更新资源可信度确定的；基于目标转换资源可信度与预设转换资源可信度阈值确定待处理资源数据对应的资源数据处理结果。采用本方法能够避免隐私数据泄露，保证数据安全。

【技术实现步骤摘要】
资源数据处理方法、装置、计算机设备和存储介质
本申请涉及互联网
，特别是涉及一种资源数据处理方法、装置、计算机设备和存储介质。
技术介绍
随着人工智能AI技术的发展，出现了各种人工智能模型，目前，通过人工智能模型的使用能够提升业务水平。比如，通过使用可信度预测模型可以对数据的可信度进行预测，将可信度与设置的阈值进行比较，进而确定数据处理结果。当人工智能模型使用一段时间后，需要进行迭代更新，当对人工智能模型迭代更新后，由于更新后人工智能模型的结果分布发生变化，从而导致阈值不够准确，需要重新设置迭代更新后人工智能模型的阈值。并且，由于人工智能模型会经常进行更新迭代，从而需要不断的调整更新后人工智能模型的阈值，由于模型设置的阈值是比较隐私的数据，不断对模型设置的阈值进行调整会存在隐私数据泄露问题，造成数据安全风险。
技术实现思路
基于此，有必要针对上述技术问题，提供一种能够避免不断调整模型阈值，提高模型阈值安全性的资源数据处理方法、装置、计算机设备和存储介质。一种资源数据处理方法，所述方法包括：获取待处理资源数据，将待处理资源数据输入到更新资源可信度预测模型中进行预测，得到当前资源可信度，更新资源可信度预测模型是将原始资源可信度预测模型进行迭代更新后得到的模型；从更新资源可信度区间中确定当前资源可信度对应的目标资源可信度区间；更新资源可信度区间与转换资源可信度存在映射关系，其中，转换资源可信度是根据与更新资源可信度区间关联的原始资源可信度区间的区间值确定的，更新资源可信度区间的区间划分是根据原始资源可信度的统计分布和更新资源可信度确定的，原始资源可信度是将标准资源数据样本输入原始资源可信度预测模型得到的，更新资源可信度是将标准资源数据样本输入更新资源可信度预测模型得到的；根据映射关系查找目标资源可信度区间对应的目标转换资源可信度；基于目标转换资源可信度与预设转换资源可信度阈值确定待处理资源数据对应的资源数据处理结果。一种资源数据处理装置，所述装置包括：当前可信度得到模块，用于获取待处理资源数据，将待处理资源数据输入到更新资源可信度预测模型中进行预测，得到当前资源可信度，更新资源可信度预测模型是将原始资源可信度预测模型进行迭代更新后得到的模型；区间确定模块，用于从更新资源可信度区间中确定当前资源可信度对应的目标资源可信度区间；更新资源可信度区间与转换资源可信度存在映射关系，其中，转换资源可信度是根据与更新资源可信度区间关联的原始资源可信度区间的区间值确定的，更新资源可信度区间的区间划分是根据原始资源可信度的统计分布和更新资源可信度确定的，原始资源可信度是将标准资源数据样本输入原始资源可信度预测模型得到的，更新资源可信度是将标准资源数据样本输入更新资源可信度预测模型得到的；目标可信度查找模块，用于根据映射关系查找目标资源可信度区间对应的目标转换资源可信度；结果确定模块，用于基于目标转换资源可信度与预设转换资源可信度阈值确定待处理资源数据对应的资源数据处理结果。一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：获取待处理资源数据，将待处理资源数据输入到更新资源可信度预测模型中进行预测，得到当前资源可信度，更新资源可信度预测模型是将原始资源可信度预测模型进行迭代更新后得到的模型；从更新资源可信度区间中确定当前资源可信度对应的目标资源可信度区间；更新资源可信度区间与转换资源可信度存在映射关系，其中，转换资源可信度是根据与更新资源可信度区间关联的原始资源可信度区间的区间值确定的，更新资源可信度区间的区间划分是根据原始资源可信度的统计分布和更新资源可信度确定的，原始资源可信度是将标准资源数据样本输入原始资源可信度预测模型得到的，更新资源可信度是将标准资源数据样本输入更新资源可信度预测模型得到的；根据映射关系查找目标资源可信度区间对应的目标转换资源可信度；基于目标转换资源可信度与预设转换资源可信度阈值确定待处理资源数据对应的资源数据处理结果。一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：获取待处理资源数据，将待处理资源数据输入到更新资源可信度预测模型中进行预测，得到当前资源可信度，更新资源可信度预测模型是将原始资源可信度预测模型进行迭代更新后得到的模型；从更新资源可信度区间中确定当前资源可信度对应的目标资源可信度区间；更新资源可信度区间与转换资源可信度存在映射关系，其中，转换资源可信度是根据与更新资源可信度区间关联的原始资源可信度区间的区间值确定的，更新资源可信度区间的区间划分是根据原始资源可信度的统计分布和更新资源可信度确定的，原始资源可信度是将标准资源数据样本输入原始资源可信度预测模型得到的，更新资源可信度是将标准资源数据样本输入更新资源可信度预测模型得到的；根据映射关系查找目标资源可信度区间对应的目标转换资源可信度；基于目标转换资源可信度与预设转换资源可信度阈值确定待处理资源数据对应的资源数据处理结果。上述资源数据处理方法、装置、计算机设备和存储介质，通过使用更新资源可信度区间与转换资源可信度的映射关系得到当前资源可信度对应的目标转换资源可信度，由于转换资源可信度是根据与更新资源可信度区间关联的原始资源可信度区间的区间值确定的，更新资源可信度区间的区间划分是根据原始资源可信度的统计分布和更新资源可信度确定的，能够使转换资源可信度的统计分布与原始资源可信度的统计分布一致。然后使用目标转换资源可信度与预设转换资源可信度阈值确定资源数据处理结果，从而不需要在模型更新迭代后对预设转换资源可信度阈值重新进行调整，避免了隐私数据的泄露问题，保证了预设转换资源可信度阈值的安全性并且使用分布一致的目标转换资源可信度与预设转换资源可信度阈值进行比对，保证了得到的资源数据处理结果的准确性。附图说明图1为一个实施例中资源数据处理方法的应用环境图；图2为一个实施例中资源数据处理方法的流程示意图；图3为一个实施例中得到更新资源可信度预测模型的流程示意图；图4为一个实施例中得到映射关系的流程示意图；图5为一个具体实施例中原始资源可信度数量分布的示意图；图6为一个具体实施例中更新资源可信度数量分布的示意图；图7为一个实施例中得到转换资源可信度的流程示意图；图8为一个实施例中得到更新资源可信度区间的流程示意图；图9为一个实施例中得到当前更新资源可信度区间的流程示意图；图10为一个具体实施例中生成映射关系的示意图；图11为一个具体实施例中资源数据处理方法的流程示意图；图12为另一个具体实施例中资源数据处理方法的流程示意图；图13为一个具体实施例中资源数据处理方法的应用场景示意图；图14为一个具体实施例中模型评分截点的示意图；图15为一个实施例中资源数据本文档来自技高网...

【技术保护点】
1.一种资源数据处理方法，其特征在于，所述方法包括：/n获取待处理资源数据，将所述待处理资源数据输入到更新资源可信度预测模型中进行预测，得到当前资源可信度，所述更新资源可信度预测模型是将原始资源可信度预测模型进行迭代更新后得到的模型；/n从更新资源可信度区间中确定所述当前资源可信度对应的目标资源可信度区间，其中，所述更新资源可信度区间与转换资源可信度存在映射关系，所述转换资源可信度是根据与更新资源可信度区间关联的原始资源可信度区间的区间值确定的，所述更新资源可信度区间的区间划分是根据原始资源可信度的统计分布和更新资源可信度确定的，所述原始资源可信度是将标准资源数据样本输入所述原始资源可信度预测模型得到的，所述更新资源可信度是将所述标准资源数据样本输入所述更新资源可信度预测模型得到的；/n根据所述映射关系查找所述目标资源可信度区间对应的目标转换资源可信度；/n基于所述目标转换资源可信度与预设转换资源可信度阈值确定所述待处理资源数据对应的资源数据处理结果。/n

【技术特征摘要】
1.一种资源数据处理方法，其特征在于，所述方法包括：
获取待处理资源数据，将所述待处理资源数据输入到更新资源可信度预测模型中进行预测，得到当前资源可信度，所述更新资源可信度预测模型是将原始资源可信度预测模型进行迭代更新后得到的模型；
从更新资源可信度区间中确定所述当前资源可信度对应的目标资源可信度区间，其中，所述更新资源可信度区间与转换资源可信度存在映射关系，所述转换资源可信度是根据与更新资源可信度区间关联的原始资源可信度区间的区间值确定的，所述更新资源可信度区间的区间划分是根据原始资源可信度的统计分布和更新资源可信度确定的，所述原始资源可信度是将标准资源数据样本输入所述原始资源可信度预测模型得到的，所述更新资源可信度是将所述标准资源数据样本输入所述更新资源可信度预测模型得到的；
根据所述映射关系查找所述目标资源可信度区间对应的目标转换资源可信度；
基于所述目标转换资源可信度与预设转换资源可信度阈值确定所述待处理资源数据对应的资源数据处理结果。


2.根据权利要求1所述的方法，其特征在于，在所述获取待处理资源数据，将所述待处理资源数据输入到更新资源可信度预测模型中进行预测，得到当前资源可信度之前，还包括：
获取所述原始资源可信度预测模型和迭代更新训练样本，所述原始资源可信度预测模型是基于历史训练样本使用深度神经网络训练得到的可信度预测模型，所述历史训练样本包括历史资源数据和对应的历史可信度，所述迭代更新训练样本包括更新资源数据和对应的更新可信度；
将所述更新资源数据作为所述原始资源可信度预测模型的输入，并将所述更新可信度作为所述原始资源可信度预测模型的标签进行训练，当达到预设训练完成条件时，得到所述更新资源可信度预测模型。


3.根据权利要求1所述的方法，其特征在于，在所述获取待处理资源数据，将所述待处理资源数据输入到更新资源可信度预测模型中进行预测，得到当前资源可信度之前，还包括：
获取标准资源数据样本集、所述原始资源可信度预测模型和所述更新资源可信度预测模型；
将所述标准资源数据样本集输入所述原始资源可信度预测模型，得到原始资源可信度集，并将所述标准资源数据样本集输入所述更新资源可信度预测模型中，得到更新资源可信度集；
将所述原始资源可信度集进行区间划分，得到各个原始资源可信度区间，将所述各个原始资源可信度区间的区间值作为所述各个原始资源可信度区间对应的转换资源可信度；
统计所述原始资源可信度集在所述各个原始资源可信度区间的数量分布，基于所述数量分布对所述更新资源可信度集进行区间划分，得到各个更新资源可信度区间；
将所述各个更新资源可信度区间与对应的原始资源可信度区间的转换资源可信度关联保存，得到所述映射关系。


4.根据权利要求3所述的方法，其特征在于，所述将所述原始资源可信度集进行区间划分，得到各个原始资源可信度区间，将所述各个原始资源可信度区间的区间值作为所述各个原始资源可信度区间对应的转换资源可信度，包括：
将所述原始资源可信度集进行排序，得到原始资源可信度序列，将所述原始资源可信度序列进行区间划分，得到所述各个原始资源可信度区间；
将所述各个原始资源可信度区间的区间上限值作为所述各个原始资源可信度区间对应的转换资源可信度。


5.根据权利要求3所述的方法，其特征在于，所述统计所述原始资源可信度集在所述各个原始资源可信度区间的数量分布，基于所述数量分布对所述更新资源可信度集进行区间划分，得到各个更新资源可信度区间，包括：
统计所述各个原始资源可信度区间中原始资源可信度的累积数量，并获取标准资源数据样本的样本总数量，计算所述累积数量和所述样本总数量的比值，得到所述各个原始资源可信度区间的累积数量占比；
将所述更新资源可信度进行排序，得到更新资源可信度序列；
根据所述各个原始资源可信度区间的累积数量占比将所述更新资源可信度序列进行区间划分，得到所述更新资源可信度区间。


6.根据权利要求5所述的方法，其特征在于，所述根据所述各个原始资源可信度区间的累积数量占比将所述更新资源可信度序列进行区间划分，得到所述更新资源可信度区间，包括：
从所述各个原始资源可信度区间确定当前原始资源可信度区间，并获取所述当前原始资源可信度区间的当前累积数量占比；
计算所述当前累积数量占比与所述更新资源可信度序列中更新资源可信度数量的乘积，得到当前更新资源可信度序列；
从所述当前更新资源可信度序列中确定当前更新资源可信度，将所述当前更新资源可信度作为区间上限值，并获取目标更新资源可信度区间的区间上限值作为区间下限值，根据所述区间上限值和所述区间下限值得到所述当前原始资源可信度区间对应的当前更新资源可信度区间。


7.根据权利要求1所述的方法，其特征在于，在所述获取待处理资...

【专利技术属性】
技术研发人员：靳胜鹏，赵雪尧，蓝利君，卢笑，孙艺芙，李超，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：广东;44