[发明专利]基于历史行为的数据增强方法、装置、设备以及存储介质

说明书

本申请实施例公开了一种基于历史行为的数据增强方法、装置、设备以及存储介质，涉及大数据技术领域。该基于历史行为的数据增强方法的一具体实施方式包括：获取用户当前时间的样本数据；确定第一时间间隔，以及获取用户在第一时间间隔前的第一历史样本数据；确定当前时间的样本数据与第一历史样本数据的第一分布距离，若第一分布距离小于预定的最小分布距离，则将第一历史样本数据作为增强数据集，从而基于真实用户的历史行为构造训练样本，实现数据增强，为后续对机器学习模型的训练提供更大帮助。

技术领域

本申请涉及计算机技术领域，具体涉及大数据技术领域，尤其涉及基于历史行为的数据增强方法、装置、设备以及存储介质。

背景技术

训练数据对机器学习模型非常重要，通常来说训练数据越多，机器学习模型的效果越好。在实际的应用中，有标注的训练数据很难收集到，因此需要对现有的训练数据进行补充。

对于图像数据，通常通过对原始图片进行翻转、旋转、随机裁剪、局部变形等方法对数据进行扩充。对于文本类型的数据，通常使用近义词替换、随机插入词、随机交换位置等方式对数据进行扩充。但是，对于包含时间特征的表格型数据，通常很难收集到大量的真实样本，现有的方法是使用SMOTE、GAN等算法生成一些伪样本。

发明内容

为了解决上述背景技术部分提到的一个或多个技术问题，本申请实施例提供了基于历史行为的数据增强方法、装置、设备以及存储介质。

第一方面，本申请实施例提供了基于历史行为的数据增强方法，包括：获取用户当前时间的样本数据；确定第一时间间隔，以及获取用户在所述第一时间间隔前的第一历史样本数据；确定所述当前时间的样本数据与所述第一历史样本数据的第一分布距离，若所述第一分布距离小于预定的最小分布距离，则将所述第一历史样本数据作为增强数据集。

第二方面，本申请实施例提供了基于历史行为的数据增强装置，包括：获取模块，被配置为获取用户当前时间的样本数据；第一时间间隔确定模块以及第一获取模块，被配置为确定第一时间间隔，以及获取用户在所述第一时间间隔前的第一历史样本数据；第一分布距离确定模块，被配置为确定所述当前时间的样本数据与所述第一历史样本数据的第一分布距离，若所述第一分布距离小于预定的最小分布距离，则将所述第一历史样本数据作为增强数据集。

第三方面，本申请实施例提出了一种电子设备，包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行如第一方面中任一实现方式描述的方法。

第四方面，本申请实施例提出了一种存储有计算机指令的非瞬时计算机可读存储介质，计算机指令用于使计算机执行如第一方面中任一实现方式描述的方法。

本申请实施例提供的基于历史行为的数据增强方法、装置、设备以及存储介质，首先获取用户当前时间的样本数据；之后确定第一时间间隔，以及获取用户在所述第一时间间隔前的第一历史样本数据；最后确定所述当前时间的样本数据与所述第一历史样本数据的第一分布距离，若所述第一分布距离小于预定的最小分布距离，则将所述第一历史样本数据作为增强数据集，从而基于真实用户的历史行为构造训练样本，实现数据增强，为后续对机器学习模型的训练提供更大帮助。

应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

附图说明

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显。附图用于更好地理解本方案，不构成对本申请的限定。其中：

图1是本申请可以应用于其中的示例性系统架构图；

图2是根据本申请的基于历史行为的数据增强方法的一个实施例的流程示意图；