【技术实现步骤摘要】
本申请涉及人工智能处理，尤其涉及一种数据检测方法、对象推荐方法及装置。
技术介绍
1、随着人工智能技术的不断发展，机器学习在各种场景中得以广泛应用。在机器学习过程中，通常是通过矩阵来存储多个样本的特征数据，并将该矩阵作为训练数据进行模型训练处理。当该矩阵中的零值元素的数量远远大于非零元素的数量、且非零元素的分布没有规律时，该矩阵为稀疏矩阵。由于稀疏矩阵表征了其存储的多个特征数据之间的差异性较小，因此基于稀疏矩阵进行模型训练，会增加模型的学习难度，降低模型性能。可见，如何准确的识别特征数据之间的差异性，是急需解决的技术问题。
技术实现思路
1、本申请提供一种数据检测方法、推对象推荐方法及装置，以实现对特征数据之间差异性的准确识别。
2、第一方面，本申请实施例提供了一种数据检测方法，包括：
3、获取待检测的目标样本矩阵；所述目标样本矩阵包括多个样本数据的样本特征；所述样本数据包括语音数据、或视频数据、或文本数据，所述样本特征包括语音特征、或视频特征、或文本特征；
...【技术保护点】
1.一种数据检测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述基于所述样本特征在所述目标样本矩阵中的位置信息，生成所述目标样本矩阵的第一检测数据，包括：
3.根据权利要求2所述的方法，其特征在于，所述确定每个所述样本特征组合的样本特征分布信息，包括：
4.根据权利要求2所述的方法，其特征在于，所述根据所述样本特征分布信息，生成所述目标样本矩阵的第一检测数据，包括：
5.根据权利要求2所述的方法，其特征在于，所述基于所述样本特征的特征值，生成所述目标样本矩阵的第二检测数据，包括：
<...【技术特征摘要】
1.一种数据检测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述基于所述样本特征在所述目标样本矩阵中的位置信息，生成所述目标样本矩阵的第一检测数据，包括：
3.根据权利要求2所述的方法，其特征在于，所述确定每个所述样本特征组合的样本特征分布信息，包括：
4.根据权利要求2所述的方法，其特征在于，所述根据所述样本特征分布信息，生成所述目标样本矩阵的第一检测数据，包括：
5.根据权利要求2所述的方法，其特征在于，所述基于所述样本特征的特征值，生成所述目标样本矩阵的第二检测数据，包括：
6.根据权利要求5所述的方法，其特征在于，所述根据所述样本特征组合中各样本特征的特征值，确定每个所述目标向量的特征趋零度，包括：
【专利技术属性】
技术研发人员：李长林，
申请(专利权)人：马上消费金融股份有限公司，
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。