【技术实现步骤摘要】
数据处理方法、装置、电子设备及存储介质
[0001]本公开涉及机器学习
，尤其涉及一种数据处理方法、装置、电子设备及存储介质。
技术介绍
[0002]建立信任的辅导关系，在于知己知彼、相互匹配。辅导者对自我的辅导风格有清晰的认识，有对被辅导者的学习风格有准确判断，是保证辅导成功的最基本也是最重要的先决条件。如何让辅导者的辅导风格与被辅导者的学习风格更加匹配，从而达到辅导的最大效果亟需解决。
技术实现思路
[0003]本公开提供了一种数据处理方法、装置、电子设备及存储介质，以至少解决现有技术中存在的以上技术问题。
[0004]根据本公开的第一方面，提供了一种数据处理方法，包括：
[0005]基于测评信息和媒体信息确定第一辅导者数据集合和第一被辅导者数据集合；
[0006]对所述第一辅导者数据集合中缺失的数据进行补全，得到第二辅导者数据集合；
[0007]对所述第一被辅导者数据集合中缺失的数据进行补全，得到第二被辅导者数据集合；
[0008]对所述第二辅导者数据集合中...
【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，所述方法包括：基于测评信息和媒体信息确定第一辅导者数据集合和第一被辅导者数据集合；对所述第一辅导者数据集合中缺失的数据进行补全，得到第二辅导者数据集合；对所述第一被辅导者数据集合中缺失的数据进行补全，得到第二被辅导者数据集合；对所述第二辅导者数据集合中的子集和所述第二被辅导者数据集合中的子集进行匹配，获得匹配结果。2.根据权利要求1所述的方法，其特征在于，所述基于测评信息和媒体信息确定第一辅导者数据集合和第一被辅导者数据集合，包括：确定测评信息和媒体信息中的辅导者数据和被辅导者数据；以每个辅导者对应的测评信息和媒体信息为子集，生成第一辅导者数据集合；以每个被辅导者对应的测评信息和媒体信息为子集，生成被辅导者集合；其中，所述第一辅导者集合和所述第一被辅导者集合中缺失的数据用0表示。3.根据权利要求2所述的方法，其特征在于，所述基于测评信息和媒体信息确定第一辅导者数据集合和第一被辅导者数据集合之后，所述方法还包括：对所述第一辅导者数据集合和第一被辅导者数据集合中的数据进行归一化处理。4.根据权利要求1所述的方法，其特征在于，所述对所述第一辅导者数据集合中缺失的数据进行补全，得到第二辅导者数据集合，包括：基于第一辅导者数据集合确认第一数据处理模型的第一训练数据子集和第一预测数据子集；其中，所述第一训练数据子集中第一类型数据的值不为0，所述第一预测数据子集中第一类型数据的值为0；基于所述第一训练数据子集训练所述第一数据处理模型，确认训练完成的所述第一数据处理模型为第二数据处理模型；将所述第一预测数据子集输入至所述第二数据处理模型，确认所述第二数据处理模型的输出为所述第一预测数据子集中第一类型数据的预测值；将所述第一训练子集中第一类型数据的预测值补充至所述第一辅导者数据集合，生成第二数据集合；基于第二数据集合确认所述第二数据处理模型的第二训练数据子集和第二预测数据子集；其中，所述第二训练数据子集中第二类型数据的值不为0，所述第二预测数据子集中第二类型数据的值为0；基于所述第二训练数据子集训练所述第二数据处理模型，以使所述第二数据处理模型基于所述第二预测数据子集输出所述第二预测数据子集中第二类型数据的预测值；将所述第二预测子集中第二类型数据的预测值补充至所述第二数据集合，生成第二辅导者数据集合；基于所述第二辅导者数据集合训练所述第二数据处理模型，直至所述第二辅导者数据集合中全部类型数据补充完成。5.根据权利要求1所述的方法，其特征在于，所述对所述第一被辅导者数据集合中缺失的数据进行补全，得到第二被辅导者数据集合，包括：基于第一被辅导者数据集合确认第三数据处理模型的第三训练数据子集和第三预测数据子集；其中，所述第三训练数据子集中第三类型数据的值不为0，所述第三预测数据子集中第三类型数据的值为0；
基于所述第三训练数据子集训练所述第三数据处理模型，确认训练完成的所述第三数据处理模型为第三数据处理模型；将所述第三预测数据子集输入至所述第三数据处理模型，确认所述第三数据处理模型的输出为所述第三预测数据子集中第三类型数据的预测值；将所述第三训练子集中第三类型数据的预测值补充至所述第一被辅导者数据集合，生成第三数据集合；基于第三数据集合确认所述第三数据处理模型的第四训练数据子集和第四预测数据子集；其中，所述第四训练数据子集中第四类型数据的值不为0，所述第四预测数据子集中第四类型数据的值为0；基于所述第四训练数据子集训练所述第四数据处理模型，以使所述第四数据处理模型基于所述第四预测...
【专利技术属性】
技术研发人员：周瑞，阙初盛，
申请(专利权)人：北京韬钰企业管理咨询有限公司，
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。