[发明专利]用户抽样方法、装置、电子设备和存储介质

说明书

本发明实施例提供了一种用户抽样方法、装置、电子设备和存储介质，涉及数据处理技术领域。本发明实施例提供的用户抽样方法、装置、电子设备和存储介质，在获取各用户的身份标识后，通过对各用户的身份标识进行均匀散列处理，以得到各用户的抽样数据，在得到各用户的抽样数据后，从各用户的抽样数据中获取各用户的抽样字段，对各用户的抽样字段进行取余，得到各用户的抽样余数，并利用各用户的抽样余数，对各用户抽样，实现了抽样的均衡性，并提高了抽样的均匀性。

技术领域

本发明涉及数据处理技术领域，具体而言，涉及一种用户抽样方法、装置、电子设备和存储介质。

背景技术

在大数据场景下，用户数据量巨大，往往需要对用户数据进行抽样分析，而目前，在对用户数据进行抽样分析时，大多采用特定的维度条件进行筛选抽样，但采用这种方式进行抽样，会导致抽样的样本不均匀，无法表征全量用户特征。

发明内容

基于上述研究，本发明提供了一种用户抽样方法、装置、电子设备和存储介质。

本发明的实施例可以这样实现：

第一方面，本发明实施例提供一种用户抽样方法，包括：

获取各用户的身份标识，对各所述用户的身份标识进行均匀散列处理，得到各所述用户的抽样数据；

从各所述用户的抽样数据中获取各所述用户的抽样字段；

对各所述用户的抽样字段进行取余，得到各所述用户的抽样余数；

根据各所述用户的抽样余数，对各所述用户抽样。

在可选的实施方式中，所述从各所述用户的抽样数据中获取各所述用户的抽样字段的步骤包括：

根据预先设定的抽样比例，得到各所述用户的抽样数据范围；

根据各所述用户的抽样数据范围，计算得到各所述用户的抽样字段数目；

根据各所述用户的抽样字段数目，从各所述用户的抽样数据中获取各所述用户的抽样字段。

在可选的实施方式中，所述根据预先设定的抽样比例，得到各所述用户的抽样数据范围的步骤包括：

根据预先设定的抽样比例，基于期望误差以及抽样最大误差，得到各所述用户的抽样约束；

根据各所述用户的抽样约束，得到各所述用户的抽样数据范围。

在可选的实施方式中，各所述用户的抽样数据范围通过以下公式得到：

A＝max{m/n-x，x-(m-1)/n}<1/n；

S<C*x；

抽样约束：C*x>1/n；

抽样数据范围：n>1/(C*x)；

其中，A为抽样最大误差；S为期望误差；C为期望值；m为抽样数，n为抽样数据范围，m、n为整数，m满足(m-1)/n<x<m/n；x为抽样比例。

在可选的实施方式中，所述根据各所述用户的抽样数据范围，计算得到各所述用户的抽样字段数目的步骤包括：

根据各所述用户的抽样数据范围，基于各所述用户的抽样数据不同位数的最大值，确定各所述用户的抽样数据的取位数；

根据各所述用户的抽样数据的取位数，得到各所述用户的抽样字段数目。

在可选的实施方式中，所述对各所述用户的抽样字段进行取余，得到各所述用户的抽样余数的步骤包括：

根据各所述用户的抽样数据范围以及各所述用户的抽样数据的取位数，得到各所述用户的抽样数据范围的最小整数；