一种数据处理方法技术

本申请公开了一种数据处理方法

【技术实现步骤摘要】
一种数据处理方法、装置及电子设备


[0001]本申请涉及信息
，尤其涉及一种数据处理方法
、
装置及电子设备
。

技术介绍

[0002]针对一些实体行业，例如电子产品行业，器件的留料预测，是整个生产活动中非常重要的一个环节
。
在器件的留料预测中，我们要预测的指标为选项占比，即同一类型的各种器件在一个产品中的使用率
。
器件选项占比预测需要符合一定的约束，该约束为同一类型的各种器件的选项占比之和是一个1～
x
的范围内的整数值，
x
由产品类型确定
。
因此，如何在满足该约束的情况下，预测到器件准确的选项占比，是亟需解决的问题
。

技术实现思路

[0003]有鉴于此，本申请实施例提供了一种数据处理方法
、
装置及电子设备
。
[0004]根据本申请第一方面，本申请实施例提供了一种数据处理方法，包括：
[0005]获取多种器件在第一时段之前的多个相邻时段内的选项占比信息；第一时段为当前时段之后的时段；
[0006]基于预测模型中的预测模块，对选项占比信息进行处理，得到预测的各种器件在第一时段的第一选项占比；
[0007]基于预测模型中的约束模块，对各种器件对应的第一选项占比进行约束处理，得到各种器件对应的第二选项占比，其中，各种器件对应的第二选项占比之和满足约束条件
。
[0008]可选地，基于预测模型中的约束模块，对各种器件对应的第一选项占比进行约束处理，得到各种器件对应的第二选项占比，其中，各种器件对应的第二选项占比之和满足约束条件，包括：
[0009]基于预测模型中的约束模块，确定多种器件对应的归一化参数的取值；
[0010]基于归一化参数的取值，对各种器件对应的第一选项占比进行归一化处理，得到各种器件对应的第二选项占比，其中，根据归一化参数的取值确定各种器件对应的第二选项占比之和
。
[0011]可选地，基于预测模型中的约束模块，确定多种器件对应的归一化参数的取值，包括：
[0012]基于预测模型中的约束模块，识别多种器件所属的目标类型；
[0013]确定与目标类型对应的归一化参数的取值；
[0014]将目标类型对应的归一化参数的取值，作为多种器件对应的归一化参数的取值
。
[0015]可选地，基于预测模型中的约束模块，确定多种器件对应的归一化参数的取值，包括：
[0016]基于预测模型中的约束模块，对选项占比信息进行计算，确定多种器件对应的归一化参数的取值
。
[0017]可选地，基于归一化参数的取值，对各种器件对应的第一选项占比进行归一化处
理，得到各种器件对应的第二选项占比，包括：
[0018]将归一化参数作为归一化指数函数的系数；
[0019]基于带有系数的归一化指数函数，对各种器件的第一选项占比进行归一化处理，得到各种器件对应的第二选项占比
。
[0020]可选地，预测模型的训练步骤包括：
[0021]获取训练数据，训练数据至少包括目标类型的多种器件在第二时段之前的多个相邻时段内的样本选项占比信息，以及样本选项占比信息对应的标签数据；第二时段为当前时段之前的时段；样本选项占比信息对应的标签数据为多种器件在第二时段的选项占比；
[0022]基于训练数据对第一神经网络层进行训练，得到预测模型的预测模块
。
[0023]可选地，数据处理方法还包括：
[0024]基于第一神经网络层训练时的输出
、
归一化指数函数，以及样本选项占比信息对应的标签数据，对第二神经网络层进行训练，得到约束模块，以及至少目标类型对应的归一化参数的取值
。
[0025]可选地，通过如下公式计算第二选项占比：
[0026][0027]其中，
D
j
为第
j
种器件的第二选项占比，
d
j
为第
j
种器件的第一选项占比，
n
为多种器件的种数，
x
为归一化参数
。
[0028]根据本申请第二方面，本申请实施例提供了一种数据处理装置，包括：
[0029]获取模块，用于获取到多种器件在第一时段之前的多个相邻时段内的选项占比信息；第一时段为当前时段之后的时段；
[0030]预测模块，用于对选项占比信息进行约束处理，得到预测的各种器件在第一时段的第一选项占比；
[0031]约束模块，用于对各种器件对应的第一选项占比进行约束处理，得到各种器件对应的第二选项占比，其中，各种器件对应的第二选项占比之和满足约束条件
。
[0032]根据本申请第三方面，本申请实施例提供了一种电子设备，包括：
[0033]至少一个处理器；以及与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器执行如第一方面或第一方面任意实施方式中的数据处理方法
。
[0034]上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的
、
特征和优点能够更明显易懂，以下特举本申请的具体实施方式
。
附图说明
[0035]图1为本申请实施例中一种数据处理方法的流程示意图；
[0036]图2为本申请实施例中预测模型的训练流程示意图；
[0037]图3为本申请实施例中预测模型的训练及预测流程示意图；
[0038]图4为本申请实施例中预测模型的另一训练流程示意图；
[0039]图5为本申请实施例中一种数据处理装置的结构示意图；
[0040]图6为本申请实施例中一种电子设备的硬件结构示意图
。
具体实施方式
[0041]为使本申请实施例的目的
、
技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚
、
完整地描述，显然，所描述的实施例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，本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围
。
[0042]本申请实施例提供了一种数据处理方法，如图1所示，包括：
[0043]S101
，获取多种器件在第一时段之前的多个相邻时段内的选项占比信息；第一时段为当前时段之后的时段
。
[0044]在本实施例中，多种器件可以为电子产品中的同一类型，且不同型号的器件
。
电子产品中具有不同类型的器件，例如，电源
、
主板
...

【技术保护点】

【技术特征摘要】
1.
一种数据处理方法，包括：获取多种器件在第一时段之前的多个相邻时段内的选项占比信息；第一时段为当前时段之后的时段；基于预测模型中的预测模块，对所述选项占比信息进行处理，得到预测的各种所述器件在第一时段的第一选项占比；基于预测模型中的约束模块，对各种所述器件对应的第一选项占比进行约束处理，得到各种所述器件对应的第二选项占比，其中，各种所述器件对应的第二选项占比之和满足约束条件
。2.
根据权利要求1所述的数据处理方法，所述基于预测模型中的约束模块，对各种所述器件对应的第一选项占比进行约束处理，得到各种所述器件对应的第二选项占比，其中，各种所述器件对应的第二选项占比之和满足约束条件，包括：基于预测模型中的约束模块，确定多种所述器件对应的归一化参数的取值；基于所述归一化参数的取值，对各种所述器件对应的第一选项占比进行归一化处理，得到各种所述器件对应的第二选项占比，其中，根据所述归一化参数的取值确定各种所述器件对应的第二选项占比之和
。3.
根据权利要求2所述的数据处理方法，所述基于预测模型中的约束模块，确定多种所述器件对应的归一化参数的取值，包括：基于预测模型中的约束模块，识别多种所述器件所属的目标类型；确定与所述目标类型对应的归一化参数的取值；将所述目标类型对应的归一化参数的取值，作为多种所述器件对应的归一化参数的取值
。4.
根据权利要求2所述的数据处理方法，所述基于预测模型中的约束模块，确定多种所述器件对应的归一化参数的取值，包括：基于预测模型中的约束模块，对所述选项占比信息进行计算，确定多种所述器件对应的归一化参数的取值
。5.
根据权利要求2所述的数据处理方法，所述基于所述归一化参数的取值，对各种所述器件对应的第一选项占比进行归一化处理，得到各种所述器件对应的第二选项占比，包括：将所述归一化参数作为归一化指数函数的系数；基于带有所述系数的归一化指数函数，对各种所述器件的所述第一选项占比进行归一化处理，得到各种所述器件对应的第二选项占比
...

【专利技术属性】
技术研发人员：刘雁泽，马颖政，何媛，
申请(专利权)人：联想北京有限公司，
类型：发明
国别省市：