多维度特征数据处理方法、数据推荐方法、装置及设备制造方法及图纸

本发明专利技术公开了一种多维度特征数据处理方法、数据推荐方法、装置及设备，属于数据处理领域；处理方法首先获取多维度特征数据的原始特征个数n，然后构建多个不同的卷积核，根据每个卷积核获取一个大小为n*1的特征描述向量，即每个特征描述向量能够描述所有原始特征在一个维度的信息；由于卷积核有多个且不相同，可以在多个维度对数据进行挖掘，然后将所有维度的特征描述向量合并为一个大小为n*1的权重向量，根据权重向量对原始特征进行加权得到加权特征；即先在多维度对数据进行挖掘，然后将多维度挖掘的数据进行合并得到每个原始特征的权重，根据权重进行筛选，能够将原始特征中无效特征或噪声进行去除，保留需要的特征，输入模型后得到结果准确。模型后得到结果准确。模型后得到结果准确。

【技术实现步骤摘要】
多维度特征数据处理方法、数据推荐方法、装置及设备


[0001]本专利技术涉及数据处理领域，特别地，涉及一种多维度特征数据处理方法、数据推荐方法、装置及设备。

技术介绍

[0002]随着社会的进步，人们能够获取到越来越多的数据。同样随着生活节奏的加快，人们对于数据的获取越来越具有倾向性；为了便于人们获取其想要的数据，现有技术获取数据的原始特征后不经预处理，直接输入到模型中进行卷积处理，但是由于获取的原始特征种类丰富且数量很多，这些原始特征中存在部分特征是无效的，甚至部分特征是噪声，影响模型最终输出的准确性。

技术实现思路

[0003]为了克服现有技术的不足，本专利技术提供一种多维度特征数据处理方法、数据推荐方法、装置及设备，以解决现有技术获取数据的原始特征中存在部分特征是无效的，甚至部分特征是噪声，不经预处理，直接输入到模型中进行卷积处理后，影响模型最终输出的准确性的问题。
[0004]本专利技术解决其技术问题所采用的技术方案是：
[0005]第一方面，
[0006]一种多维度特征数据的处理方法，包括以下步骤：
[0007]获取所述多维度特征数据的原始特征个数n，n为正整数；
[0008]构建多个不同的卷积核，根据每个卷积核获取所有原始特征在一个维度的特征描述向量，每个所述特征描述向量大小为n*1；
[0009]将在所有维度的特征描述向量合并为一个权重向量，所述权重向量大小为n*1；
[0010]根据所述权重向量对所有原始特征进行加权得到加权特征。
[0011]进一步地，所述构建多个不同的卷积核，根据每个卷积核获取所有原始特征在一个维度的特征描述向量，包括：
[0012]构建多个卷积核，任意两个所述卷积核的尺寸不相同；
[0013]将每个所述卷积核分别与所述原始特征进行卷积运算，最终得到大小为n*1的特征描述向量。
[0014]进一步地，所述将在所有维度的特征描述向量合并为一个权重向量，包括：
[0015]采用平均池化操作将所有维度的特征描述向量合并为一个权重向量。
[0016]进一步地，将所述加权特征与所述原始特征进行按位相加得到最终特征。
[0017]第二方面，
[0018]一种数据推荐方法，包括以下步骤：
[0019]获取待进行排序步骤的原始特征，所述原始特征为根据待推荐内容得到的特征；
[0020]采用如第一方面技术方案中任一项所述的方法对所述原始特征进行处理得到加
权特征，根据加权特征得到目标特征；
[0021]将所述目标特征输入到预设的卷积网络中得到所述待推荐内容的权重，根据权重对所述待推荐内容进行排序得到推荐数据。
[0022]进一步地，所述根据加权特征得到目标特征，包括：
[0023]将所述加权特征与所述原始特征进行按位相加得到目标特征。
[0024]第三方面，
[0025]一种多维度特征数据的处理装置，包括：
[0026]原始特征个数获取模块，用于获取所述多维度特征数据的原始特征个数n，n为正整数；
[0027]特征描述向量计算模块，用于构建多个不同的卷积核，根据每个卷积核获取所有原始特征在一个维度的特征描述向量，每个所述特征描述向量大小为n*1；
[0028]权重向量计算模块，用于将在所有维度的特征描述向量合并为一个权重向量，所述权重向量大小为n*1；
[0029]加权特征获取模块，用于根据所述权重向量对所有原始特征进行加权得到加权特征。
[0030]第四方面，
[0031]一种计算机设备，包括：
[0032]处理器；
[0033]用于存储所述处理器可执行指令的存储器；
[0034]所述处理器被配置为用于执行第一方面技术方案中任一项所述的方法。
[0035]第五方面，
[0036]一种数据推荐装置，包括：
[0037]原始特征获取模块，用于获取待进行排序步骤的原始特征，所述原始特征为根据待推荐内容得到的特征；
[0038]目标特征计算模块；用于采用如第一方面技术方案中任一项所述的方法对所述原始特征进行处理得到加权特征，根据加权特征得到目标特征；
[0039]推荐数据获取模块，用于将所述目标特征输入到预设的卷积网络中得到所述待推荐内容的权重，根据权重对所述待推荐内容进行排序得到推荐数据。
[0040]第六方面，
[0041]一种计算机设备，包括：
[0042]处理器；
[0043]用于存储所述处理器可执行指令的存储器；
[0044]所述处理器被配置为用于执行第二方面技术方案中任一项所述的方法。
[0045]有益效果：
[0046]本专利技术技术方案提供一种多维度特征数据处理方法、数据推荐方法、装置及设备，处理方法首先获取多维度特征数据的原始特征个数n，然后构建多个不同的卷积核，根据每个卷积核获取一个大小为n*1的特征描述向量，即每个特征描述向量能够描述所有原始特征在一个维度的信息；由于卷积核有多个且互不相同，可以在多个维度对数据进行挖掘，然后将所有维度的特征描述向量合并为一个大小为n*1的权重向量，最后根据权重向量对原
始特征进行加权得到加权特征；即先在多维度对数据进行挖掘，然后将多维度挖掘的数据进行合并得到每个原始特征的权重，根据权重进行筛选，能够将原始特征中无效特征或噪声进行去除，保留需要的特征，输入模型后得到结果准确。
附图说明
[0047]为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0048]图1是本专利技术实施例提供的一种多维度特征数据的处理方法流程图；
[0049]图2是本专利技术实施例提供的一种具体的多维度特征数据的处理方法流程图；
[0050]图3是本专利技术实施例提供的一种具体的最终特征获取示意图；
[0051]图4是本专利技术实施例提供的一种数据推荐方法流程图；
[0052]图5是本专利技术实施例提供的一种多维度特征数据的处理装置结构示意图；
[0053]图6是本专利技术实施例提供的一种数据推荐装置结构示意图。
具体实施方式
[0054]为使本申请的目的、技术方案和优点更加清楚，下面结合附图和实施例对本专利技术的技术方案进行详细的描述说明。显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所得到的所有其它实施方式，都属于本申请所保护的范围。
[0055]第一实施例，参照图1，本专利技术提供了一种多维度特征数据的处理方法，包括以下步骤：
[0056]S11：获取多维度特征数据的原始特征个数n，n为正整数；本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种多维度特征数据的处理方法，其特征在于，包括以下步骤：获取所述多维度特征数据的原始特征个数n，n为正整数；构建多个不同的卷积核，根据每个卷积核获取所有原始特征在一个维度的特征描述向量，每个所述特征描述向量大小为n*1；将在所有维度的特征描述向量合并为一个权重向量，所述权重向量大小为n*1；根据所述权重向量对所有原始特征进行加权得到加权特征。2.根据权利要求1所述的方法，其特征在于：所述构建多个不同的卷积核，根据每个卷积核获取所有原始特征在一个维度的特征描述向量，包括：构建多个卷积核，任意两个所述卷积核的尺寸不相同；将每个所述卷积核分别与所述原始特征进行卷积运算，最终得到大小为n*1的特征描述向量。3.根据权利要求1所述的方法，其特征在于：所述将在所有维度的特征描述向量合并为一个权重向量，包括：采用平均池化操作将所有维度的特征描述向量合并为一个权重向量。4.根据权利要求1所述的方法，其特征在于，还包括：将所述加权特征与所述原始特征进行按位相加得到最终特征。5.一种数据推荐方法，其特征在于，包括以下步骤：获取待进行排序步骤的原始特征，所述原始特征为根据待推荐内容得到的特征；采用如权利要求1
‑
4任一项所述的方法对所述原始特征进行处理得到加权特征，根据加权特征得到目标特征；将所述目标特征输入到预设的卷积网络中得到所述待推荐内容的权重，根据权重对所述待推荐内容进行排序得到推荐数据。6.根据权利要求5所述的方法，其特征在于：所述根据加权特征得到目标特征，包括：将所述加权特征作为目标特征。7.根据权...

【专利技术属性】
技术研发人员：周亮，
申请(专利权)人：北京奇艺世纪科技有限公司，
类型：发明
国别省市：