数据扰动方法及装置制造方法及图纸

本公开涉及数据处理技术领域，提供了一种数据扰动方法及装置，该方法包括：获取待处理数据，待处理数据包括用户数据、物品数据、以及用户与物品的交叉数据；将待处理数据输入到目标预测模型，通过目标预测模型对待处理数据进行处理，以从待处理数据提取初始特征向量矩阵；根据目标预测模型中的扰动模块中的超参数、扰动步长、以及扰动方向，确定用于扰动待处理数据的扰动变量；基于扰动变量，对初始特征向量矩阵进行扰动处理，得到待处理数据的目标特征向量矩阵。本公开的技术方案可以通过模型中的超参数、扰动步长、以及扰动方向对待处理数据进行探索和扩展，以使得后续可以根据目标特征向量矩阵向用户推荐更多的物品。特征向量矩阵向用户推荐更多的物品。特征向量矩阵向用户推荐更多的物品。

【技术实现步骤摘要】
数据扰动方法及装置


[0001]本公开涉及数据处理
，尤其涉及一种数据扰动方法及装置。

技术介绍

[0002]随着互联网技术的快速发展，人们对于应用程序的需求也越来越多样化和个性化。互联网技术的发展为开发各种各样的应用程序提供了广阔的空间。基于互联网技术的多样化，可以开发出适用于各种业务场景的应用程序。例如，电商应用程序、社交媒体应用程序、在线教育应用程序等，这些应用程序可以根据用户的需求和偏好提供相应的功能和服务。
[0003]通过应用程序，可以向用户推送一些用户偏好的数据，如个性化推荐、定制化信息等。这些数据根据用户的兴趣、行为和历史数据等进行筛选和匹配，以提高用户体验和满足用户需求。
[0004]在推送之前，需要对用户请求数据进行预处理。预处理的目的是对用户请求数据进行去噪处理和标准化处理，以提高数据的质量和准确性。用户请求数据往往包含一些无效或冗余的信息，如噪声数据、错误数据等。去噪处理可以通过一系列算法和技术，识别和过滤掉这些无效信息，提高数据的可靠性和有效性。用户请求数据可能来自不同的来源，格式和结构也各不相同。标准化处理可以将不同格式和结构的数据统一为一致的格式和结构，便于后续的处理和分析。但是，预处理无法实现对用户请求数据的干扰，即无法对用户请求数据进行探索和扩展。

技术实现思路

[0005]有鉴于此，本公开实施例提供了一种数据扰动方法、装置、电子设备及计算机可读存储介质，以解决现有技术中预处理无法实现对用户请求数据的干扰，即无法对用户请求数据进行探索和扩展的技术问题。
[0006]本公开实施例的第一方面，提供了一种数据扰动方法，该方法包括：获取待处理数据，待处理数据包括用户数据、物品数据、以及用户与物品的交叉数据；将待处理数据输入到目标预测模型，通过目标预测模型对待处理数据进行处理，以从待处理数据提取初始特征向量矩阵；根据目标预测模型中的扰动模块中的超参数、扰动步长、以及扰动方向，确定用于扰动待处理数据的扰动变量；基于扰动变量，对初始特征向量矩阵进行扰动处理，得到待处理数据的目标特征向量矩阵。
[0007]本公开实施例的第二方面，提供了一种数据扰动装置，该装置包括：获取模块，用于获取待处理数据，待处理数据包括用户数据、物品数据、以及用户与物品的交叉数据；提取模块，用于将待处理数据输入到目标预测模型，通过目标预测模型对待处理数据进行处理，以从待处理数据提取初始特征向量矩阵；确定模块，用于根据目标预测模型中的扰动模块中的超参数、扰动步长、以及扰动方向，确定用于扰动待处理数据的扰动变量；扰动模块，用于基于扰动变量，对初始特征向量矩阵进行扰动处理，得到待处理数据的目标特征向量
矩阵。
[0008]本公开实施例的第三方面，提供了一种电子设备，包括存储器、处理器以及存储在存储器中并且可在处理器上运行的计算机程序，该处理器执行计算机程序时实现上述方法的步骤。
[0009]本公开实施例的第四方面，提供了一种计算机可读存储介质，该计算机可读存储介质存储有计算机程序，该计算机程序被处理器执行时实现上述方法的步骤。
[0010]本公开实施例与现有技术相比存在的有益效果是：通过获取待处理数据，待处理数据包括用户数据、物品数据、以及用户与物品的交叉数据，将待处理数据输入到目标预测模型，通过目标预测模型对待处理数据进行处理，以从待处理数据提取初始特征向量矩阵，根据目标预测模型中的扰动模块中的超参数、扰动步长、以及扰动方向，确定用于扰动待处理数据的扰动变量，基于扰动变量，对初始特征向量矩阵进行扰动处理，得到待处理数据的目标特征向量矩阵，以此方式可以通过模型中的超参数、扰动步长、以及扰动方向对待处理数据进行探索和扩展，以使得后续可以根据目标特征向量矩阵向用户推荐更多的物品。
附图说明
[0011]为了更清楚地说明本公开实施例中的技术方案，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公开的一些实施例，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它的附图。
[0012]图1示出了可以应用本专利技术实施例的技术方案的示例性系统架构的示意图；图2是本公开实施例提供的一种数据扰动方法的流程示意图；图3是本公开实施例提供的另一种数据扰动方法的流程示意图；图4是本公开实施例提供的一种数据扰动装置的结构示意图；图5是本公开实施例提供的一种电子设备的结构示意图。
具体实施方式
[0013]以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本公开实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本公开。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本公开的描述。
[0014]需要说明的是，本公开所涉及的用户信息(包括但不限于终端设备信息、用户个人信息等)和数据(包括但不限于用于展示的数据、分析的数据等)，均为经用户授权或者经过各方充分授权的信息和数据。
[0015]图1示出了可以应用本专利技术实施例的技术方案的示例性系统架构的示意图。
[0016]如图1所示，系统架构100可以包括第一终端设备101、第二终端设备102、第三终端设备103中的一种或多种，网络104和服务器105。网络104用以在第一终端设备101、第二终端设备102、第三终端设备103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
[0017]应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需
要，可以具有任意数目的终端设备、网络和服务器。比如服务器105可以是多个服务器组成的服务器集群等。
[0018]用户可以使用第一终端设备101、第二终端设备102、第三终端设备103通过网络104与服务器105交互，以接收或发送数据等。第一终端设备101、第二终端设备102、第三终端设备103可以是具有显示屏的各种电子设备，包括但不限于智能手机、平板电脑、便携式计算机和台式计算机等等。
[0019]服务器105可以是提供各种服务的服务器。例如服务器105可以从第一终端设备101（也可以是第二终端设备102或第三终端设备103）获取待处理数据，待处理数据包括用户数据、物品数据、以及用户与物品的交叉数据，将待处理数据输入到目标预测模型，通过目标预测模型对待处理数据进行处理，以从待处理数据提取初始特征向量矩阵，根据目标预测模型中的扰动模块中的超参数、扰动步长、以及扰动方向，确定用于扰动待处理数据的扰动变量，基于扰动变量，对初始特征向量矩阵进行扰动处理，得到待处理数据的目标特征向量矩阵，以此方式可以通过模型中的超参数、扰动步长、以及扰动方向对待处理数据进行探索和扩展，以使得后续可以根据目标特征向量矩阵向用户推荐更多的物品。
[0020]在一些实施例中，本专利技术实施例所提供的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种数据扰动方法，其特征在于，所述方法包括：获取待处理数据，所述待处理数据包括用户数据、物品数据、以及用户与物品的交叉数据；将所述待处理数据输入到目标预测模型，通过所述目标预测模型对所述待处理数据进行处理，以从所述待处理数据提取初始特征向量矩阵；根据所述目标预测模型中的扰动模块中的超参数、扰动步长、以及扰动方向，确定用于扰动所述待处理数据的扰动变量；基于所述扰动变量，对所述初始特征向量矩阵进行扰动处理，得到所述待处理数据的目标特征向量矩阵。2.根据权利要求1所述的方法，其特征在于，所述方法还包括：根据所述待处理数据的目标特征向量矩阵，确定待推荐物品的预测概率；根据所述待推荐物品的预测概率和初始预测模型针对所述初始特征向量矩阵输出的推荐物品的预测概率，确定向用户推荐的目标物品，所述初始预测模型与所述目标预测模型不同。3.根据权利要求2所述的方法，根据所述待推荐物品的预测概率和初始预测模型针对所述初始特征向量矩阵输出的推荐物品的预测概率，确定向所述用户推荐的目标物品包括：当所述待推荐物品的预测概率大于所述初始预测模型针对所述初始特征向量矩阵输出的推荐物品的预测概率，根据所述待推荐物品的预测概率，确定向所述用户推荐的目标物品；或者当所述待推荐物品的预测概率小于所述初始预测模型针对所述初始特征向量矩阵输出的推荐物品的预测概率，根据所述初始预测模型针对所述初始特征向量矩阵输出的推荐物品的预测概率，确定向所述用户推荐的目标物品。4.根据权利要求2所述的方法，根据所述待推荐物品的预测概率和初始预测模型针对所述初始特征向量矩阵输出的推荐物品的预测概率，确定向所述用户推荐的目标物品包括：当所述待推荐物品的预测概率等于所述初始预测模型针对所述初始特征向量矩阵输出的推荐物品的预测概率，根据所述待推荐物品的预测概率或所述初始预测模型针对所述初始特征向量矩阵输出的推荐物品的预测概率，确定向所述用户推荐的目标物品。5.根据权利要求1所述的方法，其特征在于，在将所述待处理数据输入到所述目标预测模型之前，所述方法包括：获取训练样本数据，所述训练样本数据中的各个样本数据包括历史用户数据、历史物品数据、以及历史用户与历史物品的交叉数据；将各个样本数据输入至预设模型，通过所述预设模型对各个样本数据进行处理，以从各个样本数据提取对应的初始特征向量矩阵；根据所述预设模型中的扰动模块中的初始超参数、初始扰动步长、以及初始扰动方向，确定用于扰动各个样...

【专利技术属性】
技术研发人员：姜佳，岳华东，
申请(专利权)人：深圳须弥云图空间科技有限公司，
类型：发明
国别省市：