[发明专利]数据处理方法、装置及设备

权利要求书

1.一种数据处理方法，其特征在于，包括：

获取样本数据集合，所述样本数据集合包括至少两个样本对象的样本兴趣度以及用于区分所述至少两个样本对象的区分参数；所述区分参数为一个区分数值或区分向量；

采用推荐模型提取所述至少两个样本对象的预测属性特征向量；所述推荐模型是基于卷积神经网络所构建的推荐模型，或者，所述推荐模型是基于全神经网络所构建的推荐模型；

根据所述预测属性特征向量预测识别得到所述至少两个样本对象的预测兴趣度；

根据所述预测属性特征向量、所述区分参数、所述预测兴趣度以及所述样本兴趣度，获得所述推荐模型的总损失值，根据所述推荐模型的总损失值，对所述推荐模型进行调整，将调整后的推荐模型作为目标推荐模型，所述目标推荐模型所输出针对所述至少两个样本对象的更新预测属性特征向量之间的区分程度，与所述区分参数对应的区分程度相匹配；所述至少两个样本对象的更新预测属性特征向量之间的区分程度，与所述区分参数对应的区分程度相匹配是指：所述至少两个样本对象的更新预测属性特征向量之间的区分程度，与所述区分参数对应的区分程度之间的差值小于程度阈值，或者，所述至少两个样本对象的更新预测属性特征向量之间的区分程度，与所述区分参数对应的区分程度相匹配之间的比值小于预设数值。

2.如权利要求1所述的方法，其特征在于，所述根据所述预测属性特征向量、所述区分参数、所述预测兴趣度以及所述样本兴趣度，获得所述推荐模型的总损失值，根据所述推荐模型的总损失值，对所述推荐模型进行调整，将调整后的推荐模型作为目标推荐模型，包括：

采用所述预测兴趣度以及所述样本兴趣度生成所述推荐模型的原始损失值；

根据所述预测属性特征向量以及所述区分参数确定对象区分度；

采用所述对象区分度生成所述推荐模型的区分损失值；

采用所述区分损失值和所述原始损失值生成所述推荐模型的总损失值；

若所述推荐模型的总损失值不满足收敛条件，则根据所述推荐模型的总损失值对所述推荐模型进行调整，将调整后的推荐模型作为目标推荐模型。

3.如权利要求2所述的方法，其特征在于，所述根据所述推荐模型的总损失值对所述推荐模型进行调整，将调整后的推荐模型作为目标推荐模型，包括：

根据所述推荐模型的总损失值对所述推荐模型进行调整；

采用所述调整后的推荐模型提取所述至少两个样本对象的更新预测属性特征向量；

根据所述更新预测属性特征向量预测识别得到所述至少两个样本对象的更新预测兴趣度；

根据所述更新预测属性特征向量、所述区分参数、所述更新预测兴趣度以及所述样本兴趣度，生成所述调整后的推荐模型的总损失值；

获取所述更新预测属性特征向量之间的角度，根据所述更新预测属性特征向量之间的角度确定所述更新预测属性特征向量之间的区分程度；

若所述调整后的推荐模型的总损失值满足收敛条件，且所述更新预测属性特征向量之间的区分程度，与所述区分参数对应的区分程度之间的差值小于程度阈值，则将调整后的推荐模型作为目标推荐模型。

4.如权利要求2所述的方法，其特征在于，所述区分参数为区分数值，所述根据所述预测属性特征向量以及所述区分参数确定对象区分度，包括：

获取所述预测属性特征向量的模长；

获取所述预测属性特征向量的模长与所述区分数值之间的差值；

根据所述差值确定所述对象区分度。

5.如权利要求2所述的方法，其特征在于，所述区分参数为区分向量，所述根据所述预测属性特征向量以及所述区分参数确定对象区分度，包括：

对所述区分向量与所述预测属性特征向量进行乘积运算，得到向量角度；

根据所述向量角度确定所述对象区分度。

6.如权利要求5所述的方法，其特征在于，所述获取用于区分所述至少两个样本对象的区分参数，包括：

获取第一样本对象的语义信息，所述第一样本对象为所述至少两个样本对象的任一样本对象；

从数据库中筛选出与所述第一样本对象的语义信息匹配的目标待选区分向量，作为所述第一样本对象的区分向量，所述数据库中包括多个待选区分向量，一个所述待选区分向量与一种语义信息对应。