[发明专利]数据存储方法、装置、服务器、介质及程序产品

说明书

本公开关于一种数据存储方法、装置、服务器、介质及程序产品，属于数据存储技术领域。该方法包括：接收针对推送数据的在线历史操作行为数据流；对在线历史操作行为数据流中的在线历史操作行为数据进行特征提取，得到第一行为特征数据；将第一行为特征数据存储到在线特征数据流中以及离线特征数据库中；其中，在线特征数据流中的行为特征数据用于在线训练模型；离线特征数据库中的行为特征数据用于离线训练模型。上述方式提高了特征数据的利用效率，保证了后续依据训练结果进行信息推送的效率。

技术领域

本公开涉及数据存储技术领域，尤其涉及数据存储方法、装置、服务器、介质及程序产品。

背景技术

在对信息进行推送的过程中，为了保证能够得到较好的推送效果，需要对用户针对历史推送信息的历史行为数据进行统计，并利用这些统计数据训练机器学习模型，使得后续能够利用训练好的模型来预测用户在遇到不同的推送信息后可能采用的行为，进而为后续的信息推送提供数据支持。

在此过程中，为了实现上述机器学习模型的训练，需要从原始的历史行为数据中提取特征数据，历史行为数据只有经过特征提取变成特征数据才能用于机器学习中的模型训练。

相关技术中，上述机器学习模型包括在线训练模型和离线训练模型。其中，在线训练模型和离线训练模型，存在训练过程中特征数据无法复用的情况，因此，存在重复的特征提取过程或文件生成过程，影响了训练的效率，进而也影响了后续依据训练结果进行信息推送的效率。

发明内容

本公开提供一种数据存储方法、装置、服务器、介质及程序产品，以至少解决相关技术中特征数据利用率低，导致影响了后续依据训练结果进行信息推送的效率的问题。本公开的技术方案如下：

根据本公开实施例的第一方面，提供一种数据存储方法，包括：

接收针对推送数据的在线历史操作行为数据流；

对所述在线历史操作行为数据流中的在线历史操作行为数据进行特征提取，得到第一行为特征数据；

将所述第一行为特征数据存储到在线特征数据流中以及离线特征数据库中；

其中，所述在线特征数据流中的行为特征数据用于在线训练模型；所述离线特征数据库中的行为特征数据用于离线训练模型。

在一些实施例中，所述将所述第一行为特征数据存储到在线特征数据流中以及离线特征数据库中之后，还包括：

接收针对推送数据的离线历史操作行为数据，所述离线历史操作行为数据包括从写入磁盘的历史日志中获取的数据；

对所述离线历史操作行为数据中未被进行特征提取的部分数据进行特征提取，得到第二行为特征数据；

将所述第二行为特征数据存储到所述离线特征数据库。

在一些实施例中，所述对所述离线历史操作行为数据中未被进行特征提取的部分数据进行特征提取，得到第二行为特征数据，包括：

将所述部分数据对应的第一属性信息与所述历史行为特征数据对应的第二属性信息进行比对，得到第一比对结果；

根据所述第一比对结果，筛选所述部分数据中对应于第一目标属性信息的数据；

对所述筛选出的数据进行特征提取，得到所述第二行为特征数据；

其中，所述第一目标属性信息包括属于所述第一属性信息且不属于所述第二属性信息的属性信息；所述历史行为特征数据为本次特征提取之前存储的行为特征数据。

在一些实施例中，所述将所述第一行为特征数据存储到离线特征数据库中，包括：

将所述第一行为特征数据结构化存储到所述离线特征数据库中。