[发明专利]离散特征处理方法、装置、计算机设备及存储介质

权利要求书

1.一种离散特征处理方法，其特征在于，包括：

获取相同属性维度的货源离散特征和司机离散特征；

判断目标属性维度的货源离散特征和司机离散特征是否匹配；

根据判断结果，确定训练向量中所述目标属性维度的标识位的取值；使用所述训练向量对模型进行训练；

其中，所述根据判断结果，确定训练向量中所述目标属性维度的标识位的取值，包括：

如果货源离散特征在目标属性维度的数据和司机离散特征在目标属性维度的数据匹配，则将训练向量中所述目标属性维度的标识位配置为第一特征值；

如果货源离散特征在目标属性维度的数据和司机离散特征在目标属性维度的数据不匹配，则将训练向量中所述目标属性维度的标识位配置为第二特征值。

2.根据权利要求1所述的离散特征处理方法，其特征在于，所述获取相同属性维度的货源离散特征和司机离散特征，包括：

获取司机电话联系货源的行为记录，所述行为记录包括司机标识和货源标识；

根据所述司机标识在所述行为记录中增加司机属性，根据所述货源标识在所述行为记录中增加货源属性，得到新行为记录；

根据所述新行为记录，获取相同属性维度的货源离散特征和司机离散特征，所述货源离散特征为货源属性中具有离散特性的特征，所述司机离散特征为司机特征中具有离散特性的特征。

3.根据权利要求2所述的离散特征处理方法，其特征在于，在根据所述司机标识在所述行为记录中增加司机属性，根据所述货源标识在所述行为记录中增加货源属性之后，还包括：

判断司机属性或货源属性知是否存在空缺值；

如果存在空缺值，则根据所述空缺值所在属性维度的众数修改所述空缺值。

4.根据权利要求1所述的离散特征处理方法，其特征在于，在所述使用所述训练向量对模型进行训练之前，还包括：

根据行为记录和行为数据确定训练向量的样本标记；

所述使用所述训练向量对模型进行训练，包括：

将所述训练向量和所述样本标记导入逻辑回归模型，使用随机梯度下降算法求解，生成目标模型。

5.根据权利要求4所述的离散特征处理方法，其特征在于，所述根据行为记录和行为数据确定训练向量的样本标记，包括：

获取行为记录和行为数据，所述行为记录表示司机电话联系货源；所述行为数据表示司机点击货源；

若司机点击货源且电话联系货源，则确定样本标记为正样本；

若司机点击货源且未电话联系货源，则确定样本标记为负样本。

6.根据权利要求1所述的离散特征处理方法，其特征在于，所述训练向量为独热编码生成的向量。

7.一种离散特征处理装置，其特征在于，包括：

离散特征获取模块，用于获取相同属性维度的货源离散特征和司机离散特征；

离散特征匹配模块，用于判断所述货源离散特征和司机离散特征是否匹配；

属性维度取值模块，用于根据判断结果，确定训练向量中所述属性维度的标识位的取值；

训练模块，用于使用所述训练向量对模型进行训练；

其中，属性维度取值模块包括：第一特征值配置单元，以及第二特征值配置单元；

其中，第一特征值配置单元，用于如果货源离散特征在目标属性维度的数据和司机离散特征在目标属性维度的数据匹配，则将训练向量中所述目标属性维度的标识位配置为第一特征值；

第二特征值配置单元，用于如果货源离散特征在目标属性维度的数据和司机离散特征在目标属性维度的数据不匹配，则将训练向量中所述目标属性维度的标识位配置为第二特征值。

8.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-6中任一所述的离散特征处理方法。

9.一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行如权利要求1-6中任一所述的离散特征处理方法。