[发明专利]一种数据筛选方法、装置及存储介质

说明书

本发明实施例提供一种数据筛选方法、装置及存储介质，该方法包括：当触发模型训练时，获取特征类型对应的样本数据集，特征类型包括行为属性、登陆账号特征和数据特征；利用样本数据集训练预设排序模型；当接收到第一排序类型的排序指令时，从排序指令中确定出第一排序类型对应的待排序数据；利用预设排序模型，对待排序数据进行排序，以从排序后的待排序数据中筛选出指定数据。

技术领域

本发明涉及电子应用领域，尤其涉及一种数据筛选方法、装置及存储介质。

背景技术

随着大数据和互联网的发展，人工智能得到了广泛地应用，机器学习和深度学习作为人工智能的关键技术，离不开海量数据的积累，在电商领域，用户在电商平台上选购自身期望购买的商品数据，并将该商品数据添加至购物车中，如图1所示，用户在购物车中添加了书籍、洗衣液和内衣洗涤剂。随着数据成爆炸式增长，电商平台提供的商品数据的数量和种类都变得越来越多，且购物车中能够容纳的商品数据也变得越来越多，购物车中的商品数据按照添加时间进行排序，当用户需要购买某一类商品数据时，需要从大量商品数据中依次查找该类商品数据，导致筛选指定数据的速度慢的问题。

发明内容

本发明实施例提供一种数据筛选方法、装置及存储介质，能够提高筛选指定数据的速度。

本发明实施例的技术方案是这样实现的：

第一方面，本发明实施例提供一种数据筛选方法，所述方法包括：

当触发模型训练时，获取特征类型对应的样本数据集，所述特征类型包括行为属性、登陆账号特征和数据特征；

利用所述样本数据集训练预设排序模型；

当接收到第一排序类型的排序指令时，从所述排序指令中确定出所述第一排序类型对应的待排序数据；

利用所述预设排序模型，对所述待排序数据进行排序，以从排序后的所述待排序数据中筛选出指定数据。

在上述方法中，所述利用训练后的预设排序模型，对所述待排序数据进行排序之后，所述方法还包括：

当接收到对所述待排序数据的共享指令时，从所述共享指令中确定共享类型；

根据所述共享类型，从所述待排序数据中确定出待共享数据；

按照预设传输方式，将所述待共享数据传输至接收账号。

在上述方法中，所述获取特征类型对应的样本数据集之前，所述方法还包括：

确定登陆账号，并获取所述登陆账号对应的历史数据；

将所述历史数据按照预设特征类型进行划分；

利用划分后的历史数据，将预设曝光数据划分为已选择数据和未选择数据；

将所述已选择数据和所述未选择数据，组成所述样本数据集。

在上述方法中，所述将所述已选择数据和所述未选择数据，组成所述样本数据集，包括：

按照预设选择条件，从所述已选择数据和未选择数据中，确定出预设比例的已选择样本数据和未选择样本数据；

将预设比例的已选择样本数据和未选择样本数据组成所述样本数据集。

在上述方法中，所述将所述已选择样本数据和所述未选择样本数据组成所述样本数据集之后，所述方法还包括：

从所述样本数据集中，查找所述特征类型对应的、不满足预设评价阈值的异常数据；

删除所述异常数据。

在上述方法中，所述获取所述登陆账号对应的历史数据之后，所述方法还包括：