[发明专利]数据筛选方法、装置、设备及存储介质

权利要求书

1.一种数据筛选方法，其特征在于，所述方法应用于电子设备，所述方法包括：

接收数据筛选请求，所述数据筛选请求为深度用户筛选请求或深度兴趣筛选请求；

响应于所述数据筛选请求，从预先确定的深度兴趣用户点对集合中获取对应的深度用户或对应的深度兴趣；其中，所述深度兴趣用户点对集合是根据收敛后的各用户对各兴趣的无偏置评分确定的，所述收敛后的各用户对各兴趣的无偏置评分能够使各用户对各兴趣间的评分间具有可比性；

输出所述对应的深度用户或所述对应的深度兴趣；

所述方法还包括：

根据预先存储的各用户对各兴趣的原始评分，计算与兴趣相关的偏置分值及与用户相关的偏置分值，并在消除与兴趣相关的偏置分值及与用户相关的偏置分值后，计算收敛后的各用户对各兴趣的无偏置评分。

2.根据权利要求1所述的方法，其特征在于，所述从预先确定的深度兴趣用户点对集合中获取对应的深度用户或对应的深度兴趣之前，还包括；

计算当前迭代时各用户对各兴趣的无偏置评分；

判断是否满足预设的收敛条件；

若确定满足预设的收敛条件，则将当前迭代时各用户对各兴趣的无偏置评分确定为收敛后的各用户对各兴趣的无偏置评分；

采用所述收敛后的各用户对各兴趣的无偏置评分确定所述深度兴趣用户点对集合。

3.根据权利要求2所述的方法，其特征在于，所述计算当前迭代时各用户对各兴趣的无偏置评分，包括：

获取上次迭代时各用户对各兴趣的无偏置评分；

根据上次迭代时各用户对各兴趣的无偏置评分计算上次迭代时各用户偏置分值及上次迭代时各兴趣偏置分值；

根据所述上次迭代时各用户对各兴趣的无偏置评分、所述上次迭代时对应的用户偏置分值及所述上次迭代时对应的兴趣偏置分值计算所述当前迭代时各用户对各兴趣的无偏置评分。

4.根据权利要求3所述的方法，其特征在于，所述根据上次迭代时各用户对各兴趣的无偏置评分计算上次迭代时各用户偏置分值及上次迭代时各兴趣偏置分值，包括：

获取上次迭代时各用户所有兴趣对应的无偏置评分并分别进行降序排序；

将排在各用户所有兴趣中预设百分比分位点的无偏置评分确定为所述上次迭代时各用户偏置分值；

获取上次迭代时各兴趣所有用户对应的无偏置评分并分别进行降序排序；

将排在各兴趣所有用户中预设百分比分位点的无偏置评分确定为所述上次迭代时各兴趣偏置分值。

5.根据权利要求3所述的方法，其特征在于，所述根据所述上次迭代时各用户对各兴趣的无偏置评分、所述上次迭代时对应的用户偏置分值及所述上次迭代时对应的兴趣偏置分值计算所述当前迭代时各用户对各兴趣的无偏置评分，包括：

计算所述上次迭代时各用户对各兴趣的无偏置评分与所述上次迭代时对应的用户偏置分值的各第一差值；

计算各第一差值与所述上次迭代时对应的兴趣偏置分值的各第二差值；

将所述各第二差值确定为所述当前迭代时各用户对各兴趣的无偏置评分。

6.根据权利要求2所述的方法，其特征在于，所述计算当前迭代时各用户对各兴趣的无偏置评分之后，还包括：

根据所述当前迭代时各用户对各兴趣的无偏置评分计算当前迭代时损失函数对应的数值；

所述判断是否满足预设的收敛条件包括：

判断当前迭代时损失函数的数值与上次迭代时损失函数的数值的差值是否小于预设阈值；

若所述差值小于预设阈值，则确定满足预设的收敛条件；

若所述差值大于或等于预设阈值，则确定不满足预设的收敛条件。

7.根据权利要求6所述的方法，其特征在于，所述根据所述当前迭代时各用户对各兴趣的无偏置评分计算当前迭代时损失函数对应的数值，包括：

根据所述当前迭代时各用户对各兴趣的无偏置评分确定当前所有用户的深度兴趣点对集合及当前所有兴趣的深度用户点对集合；

根据所述当前所有用户的深度兴趣点对集合和所述当前所有兴趣的深度用户点对集合计算所述当前迭代时损失函数对应的数值。