[发明专利]人工智能推荐模型的特征处理方法、装置及电子设备

权利要求书

1.一种人工智能推荐模型的特征处理方法，其特征在于，包括：

获取输入数据，将所述输入数据的数据结构转换为统一的样本结构；

确定与人工智能推荐模型对应的特征组标识及特征提取函数；

根据所述特征提取函数对转换后的所述输入数据进行特征提取处理，得到所述输入数据中的特征组标识、特征标识及特征值；

根据所述特征组标识、特征标识及特征值，构建所述人工智能推荐模型的样本。

2.根据权利要求1所述的特征处理方法，其特征在于，所述确定与人工智能推荐模型对应的特征组标识及特征提取函数，包括：

获取原子特征注册信息及组合特征注册信息，其中，所述原子特征注册信息包括已注册的原子特征组标识及对应的特征提取函数，所述组合特征注册信息包括已注册的组合特征组标识及对应的至少两个原子特征组标识；

获取与人工智能推荐模型对应的特征组标识集合，并遍历所述特征组标识集合；

当遍历到的特征组标识与所述原子特征注册信息匹配时，将所述原子特征注册信息中与所述特征组标识对应的特征提取函数，添加至特征提取函数链。

3.根据权利要求2所述的特征处理方法，其特征在于，还包括：

当遍历到的特征组标识与所述原子特征注册信息不匹配，且与所述组合特征注册信息匹配时，确定所述组合特征注册信息中与所述特征组标识对应的原子特征组标识；

在所述原子特征注册信息中，确定所述原子特征组标识对应的特征提取函数；

当所述特征提取函数不存在于所述特征提取函数链中时，将所述特征提取函数添加至所述特征提取函数链。

4.根据权利要求2所述的特征处理方法，其特征在于，所述根据所述特征提取函数对转换后的所述输入数据进行特征提取处理，得到所述输入数据中的特征组标识、特征标识及特征值，包括：

遍历所述特征提取函数链；

根据遍历到的特征提取函数对转换后的所述输入数据进行特征提取处理，得到所述输入数据中的原子特征组标识、原子特征标识及原子特征值。

5.根据权利要求4所述的特征处理方法，其特征在于，所述根据所述特征组标识、特征标识及特征值，构建所述人工智能推荐模型的样本，包括：

遍历所述特征组标识集合；

当遍历到的特征组标识与所述原子特征注册信息匹配时，将所述特征组标识确定为原子特征组标识，并将所述原子特征组标识、对应的原子特征标识及原子特征值添加至样本。

6.根据权利要求5所述的业务特征处理方法，其特征在于，还包括：

当遍历到的特征组标识与所述原子特征注册信息不匹配，且与所述组合特征注册信息匹配时，将所述特征组标识确定为组合特征组标识；

确定所述组合特征注册信息中与所述组合特征组标识对应的至少两个原子特征组标识，并确定所述原子特征组标识对应的原子特征标识及原子特征值；

对至少两个所述原子特征标识进行组合处理得到组合特征标识，对至少两个所述原子特征值进行组合处理得到组合特征值；

将所述组合特征组标识、所述组合特征标识及所述组合特征值添加至所述样本。

7.根据权利要求6所述的特征处理方法，其特征在于，

所述对至少两个所述原子特征标识进行组合处理得到组合特征标识，包括：

对至少两个所述原子特征标识执行第一组合操作，得到组合特征标识；其中，所述第一组合操作包括以下至少之一：哈希操作，按位或操作，按位与操作，按位异或操作；

所述对至少两个所述原子特征值进行组合处理得到组合特征值，包括：

对至少两个所述原子特征值执行第二组合操作，得到组合特征值；其中，所述第二组合操作包括以下至少之一：乘积操作，相加操作。

8.根据权利要求1至7任一项所述的特征处理方法，其特征在于，还包括：

当所述输入数据为训练数据时，根据所述样本对所述人工智能推荐模型进行训练；

当所述输入数据为待测数据时，通过所述人工智能推荐模型对所述样本进行预测处理，得到推荐结果。