本公开的实施例涉及用于数据处理的方法、装置、设备和介质。该方法包括：获取与目标司机的绕路行为相关联的多个特征；以及将多个特征应用于融合模型，以生成指示目标司机对绕路行为是否负有责任的最终结果，融合模型包括与多个特征对应的多个子模型和特征交叉模型，多个子模型分别基于多个特征来生成指示目标司机对绕路行为是否负有责任的多个中间结果，特征交叉模型基于多个中间结果来生成最终结果。以这种方式，可以提高判断司机对绕路行为是否负有责任的准确性。有责任的准确性。有责任的准确性。
【技术实现步骤摘要】
数据处理方法、装置、设备和介质
[0001]本公开的实施例一般地涉及数据处理，并且更具体地涉及数据处理方法、装置、电子设备以及计算机存储介质。
技术介绍
[0002]随着信息技术的发展，利用网络的出行方式越来越普及。这种出行方式在使乘客的出行变得便利的同时，也难以避免乘客和司机之间的各种纠纷。绕路投诉是一种常见的纠纷。绕路投诉是指车辆行驶的实际路线与规划路线相比产生了不必要的路程，导致费用或时间超过乘客预期，从而使得乘客发起投诉。在这种情况下，需要对绕路投诉进行判责，即判断是否司机是否对绕路行为负有责任。由此，可以决定是否对司机进行惩罚，以维持良好的出行生态环境。然而，针对绕路投诉的传统判责方式效率低下并且准确性较差。
技术实现思路
[0003]根据本公开的实施例，提供了一种数据处理方案。
[0004]在本公开的第一方面，提供了一种数据处理方法。该方法包括：获取与目标司机的绕路行为相关联的多个特征；以及将多个特征应用于融合模型，以生成指示目标司机对绕路行为是否负有责任的最终结果，融合模型包括与多个特征对应的多个子模型和特征交叉模型，多个子模型分别基于多个特征来生成指示目标司机对绕路行为是否负有责任的多个中间结果，特征交叉模型基于多个中间结果来生成最终结果。
[0005]在本公开的第二方面，提供了一种用于数据处理的装置。该装置包括：获取模块，被配置为获取与目标司机的绕路行为相关联的多个特征；以及生成模块，被配置为将多个特征应用于融合模型，以生成指示目标司机对绕路行为是否负有责任的最终结果，融合模型包括与多个特征对应的多个子模型和特征交叉模型，多个子模型分别基于多个特征来生成指示目标司机对绕路行为是否负有责任的多个中间结果，特征交叉模型基于多个中间结果来生成最终结果。
[0006]在本公开的第三方面，提供了一种电子设备。该电子设备包括：一个或多个处理器；以及存储器，用于存储一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得电子设备实现根据本公开的第一方面的方法。
[0007]在本公开的第四方面中，提供了一种计算机可读介质，其上存储有计算机程序，该程序被处理器执行时实现根据本公开的第一方面的方法。
[0008]应当理解，
技术实现思路
部分中所描述的内容并非旨在限定本公开的实施例的关键或重要特征，亦非用于限制本公开的范围。本公开的其它特征将通过以下的描述变得容易理解。
附图说明
[0009]结合附图并参考以下详细说明，本公开各实施例的上述和其他特征、优点及方面
将变得更加明显。在附图中，相同或相似的附图标记表示相同或相似的元素，其中：
[0010]图1示出了能够在其中实现本公开的实施例的示例性环境的示意图；
[0011]图2示出了根据本公开的一些实施例的用于数据处理的方法的流程图；
[0012]图3示出了根据本公开的一些实施例的融合模型的示例的示意图；
[0013]图4示出了根据本公开的一些实施例的用于训练子模型的方法的流程图；
[0014]图5示出了根据本公开的一些实施例的用于联合训练的方法的流程图；
[0015]图6示出了根据本公开的一些实施例的用于数据处理的装置的方框图；以及
[0016]图7示出了能够实施本公开的实施例的电子设备的方框图。
具体实施方式
[0017]下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的一些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。
[0018]在本公开的实施例的描述中，术语“包括”及其类似用语应当理解为开放性包含，即“包括但不限于”。术语“基于”应当理解为“至少部分地基于”。术语“一个实施例”或“该实施例”应当理解为“至少一个实施例”。术语“第一”、“第二”等等可以指代不同的或相同的对象。下文还可能包括其他明确的和隐含的定义。
[0019]在判断司机是否对绕路行为负有责任时，可能需要考虑多种特征，以良好地刻画发生绕路行为的行程中的场景。然而，受限于传统模型对特征兼容性的要求，许多场景无法还原。例如，乘客指路是绕路的重要原因。然而，传统上，并没有考虑刻画乘客指路的特征。即使将刻画乘客指路的行程中的录音转换为文本特征，也无法将文本特征直接应用于传统模型以进行判责。作为另一示例，乘客增加途经点或修改目的地也是绕路的重要原因。轨迹特征可以刻画乘客是否增加途经点或修改目的地。然而，轨迹特征也无法直接应用于传统模型以进行判责。
[0020]在考虑的特征不足，或者模型结构过于简单的情况下，模型可能存在欠拟合而准确度较低。由于传统模型的判责准确度较低，因此需要投入大量人力资源进行判责，从而降低了判责效率，并且增加了判责成本。
[0021]传统上，可以使用结果融合方式和嵌入(embedding)融合方式，来解决上述无法结合考虑多种特征的问题。在结果融合方式中，使用不同特征分别训练多个子模型，得到模型分数，并且利用堆叠(stacking)方法得到判责结果。结果融合方式对于各个子模型没有严格限制，使得子模型既可以使用深度模型，也可以使用树模型。然而，由于使用分数来表示整个特征，因此导致了大量特征信息损失，容易造成欠拟合。
[0022]在嵌入融合方式中，使用不同特征分别训练多个深度子模型，并且从多个子模型中分别提取一个隐层进行拼接作为新的特征，来训练新的模型进行判责。然而，由于新的模型依赖于子模型，因此无法进行子模型和新的模型的联合训练，从而导致损失一定量的特征信息。
[0023]为此，本公开的实施例提供了一种用于数据处理的方案。在该方案中，获取与目标司机的绕路行为相关联的多个特征；以及将多个特征应用于融合模型，以生成指示目标司
机对绕路行为是否负有责任的最终结果，融合模型包括与多个特征对应的多个子模型和特征交叉模型，多个子模型分别基于多个特征来生成指示目标司机对绕路行为是否负有责任的多个中间结果，特征交叉模型基于多个中间结果来生成最终结果。
[0024]以此方式，在本方案中，可以经由融合模型简单、快速、准确地判断司机对绕路行为是否负有责任。以下将参照附图来具体描述本公开的实施例。
[0025]图1示出了能够在其中实现本公开的实施例的示例性环境100的示意图。环境100包括计算设备110。计算设备110可以至少包含处理器、存储器以及其他通常存在于通用计算机中的组件，以便实现计算、存储、通信、控制等功能。例如，计算设备110可以是智能电话、平板计算机、个人计算机、台式计算机、笔记本计算机、服务器、大型机、分布式计算系统等。
[0026]在环境100中，计算设备110被配置为获取与目标司机的绕路行为相关联的多个特征，例如特征130
‑
1至130
‑
N(在下文中，统称为“特征130本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种数据处理方法，其特征在于：获取与目标司机的绕路行为相关联的多个特征；以及将所述多个特征应用于融合模型，以生成指示所述目标司机对所述绕路行为是否负有责任的最终结果，所述融合模型包括与所述多个特征对应的多个子模型和特征交叉模型，所述多个子模型分别基于所述多个特征来生成指示所述目标司机对所述绕路行为是否负有责任的多个中间结果，所述特征交叉模型基于所述多个中间结果来生成所述最终结果。2.根据权利要求1所述的方法，还包括：训练所述多个子模型。3.根据权利要求2所述的方法，其中训练所述多个子模型包括：针对所述多个子模型中的相应子模型，获取与所述子模型对应的训练特征，所述训练特征与司机的历史绕路行为相关联；通过将所述训练特征应用于所述子模型，生成指示所述司机对所述历史绕路行为是否负有责任的预测结果；以及训练所述子模型，以使得所述预测结果和指示所述司机对所述历史绕路行为是否负有责任的真实结果之间的差异最小化。4.根据权利要求1所述的方法，还包括：联合训练所述多个子模型和所述特征交叉模型。5.根据权利要求4所述的方法，其中联合训练所述多个子模型和所述特征交叉模型包括：获取多个训练特征，所述多个训练特征与司机的历史绕路行为相关联；通过将所述多个训练特征中的每个训练特征应用于所述多个子模型中的对应子模型，生成指示所述司机对所述历史绕路行为是否负有责任的多个中间预测结果；合并所述多个中间预测结果，以生成合并结果；通过将所述合并结果应用于所述特征交叉模型，生成指示所述司机对所述历史绕路行为是否负有责任的最终预测结果；以及联合训练所述多个子模型和所述特征交叉模型，以使得所述最终预测结果和指示所述司机对所述历史绕路行为是否负有责任的真实结果之间的差异最小化。6.根据权利要求1所述的方法，其中所述多个特征包括以下至少两项：数量特征，类别特征，文本特征，轨迹特征，视频特征，和序列特征。7.一种用于数据处理的装置，包括：获取模块，被配置为获取与目标司机的绕路行为相关联的多个特征；以及生成模块，被配置为将所述多个特征应用于融合模型，以生成指示所述目标司机对所述绕路行为是否负有责任的最终结果，所述融合模型包括与所述多个特征对应的多个子模型和特征交叉模型，所述多个子模型分别基于所述多个特征来生成指示所述目标司机对所
【专利技术属性】
技术研发人员：李高乐，
申请(专利权)人：北京嘀嘀无限科技发展有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。