[发明专利]数据处理方法、装置、电子设备、介质和芯片

说明书

本公开提供了一种数据处理方法、装置、电子设备和介质，涉及人工智能技术领域，尤其涉及深度学习技术领域。实现方案为：获取基于第一样本数据集预训练所生成的树结构，其中，第一样本数据集中的第一样本数据具有多个属性；基于树结构的节点，生成规则集合，其中，树结构的节点表示多个属性中的一个属性所对应的取值区间，规则集合为至少一个节点的集合；基于规则集合，确定第二样本数据集中的第二样本数据的特征向量，其中，特征向量的各维度分别与规则集合中的各个规则相对应；以及基于第二样本数据集中的第二样本数据的特征向量，将第二样本数据集划分为至少一个第二样本数据子集。

技术领域

本公开涉及人工智能技术领域，尤其涉及深度学习技术领域，具体涉及一种数据处理方法、装置、电子设备、计算机可读存储介质和计算机程序产品。

背景技术

人工智能是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科，既有硬件层面的技术也有软件层面的技术。人工智能硬件技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理等技术；人工智能软件技术主要包括计算机视觉技术、语音识别技术、自然语言处理技术以及机器学习/深度学习、大数据处理技术、知识图谱技术等几大方向。

根据不同的应用场景，可以根据用户的不同的属性对用户群进行分类，从而有利于向不同分类下的用户进行个性化的推荐和内容分享等，同时，对用户群进行更准确地分类也能够提升内容推荐的效果。

在此部分中描述的方法不一定是之前已经设想到或采用的方法。除非另有指明，否则不应假定此部分中描述的任何方法仅因其包括在此部分中就被认为是现有技术。类似地，除非另有指明，否则此部分中提及的问题不应认为在任何现有技术中已被公认。

发明内容

本公开提供了一种数据处理方法、装置、电子设备、计算机可读存储介质和计算机程序产品。

根据本公开的一方面，提供了一种数据处理方法，包括：获取基于第一样本数据集预训练所生成的树结构，其中，所述第一样本数据集中的第一样本数据具有多个属性；基于所述树结构的节点，生成规则集合，其中，所述树结构的节点表示所述多个属性中的一个属性所对应的取值区间，所述规则集合为至少一个节点的集合；基于所述规则集合，确定第二样本数据集中的第二样本数据的特征向量，其中，所述特征向量的各维度分别与所述规则集合中的各个规则相对应；以及基于所述第二样本数据集中的第二样本数据的特征向量，将所述第二样本数据集划分为至少一个第二样本数据子集。

根据本公开的另一方面，提供了一种数据处理装置，包括：获取模块，被配置为获取基于第一样本数据集预训练所生成的树结构，其中，所述第一样本数据集中的第一样本数据具有多个属性；生成模块，被配置为基于所述树结构的节点，生成规则集合，其中，所述树结构的节点表示所述多个属性中的一个属性所对应的取值区间，所述规则集合为至少一个节点的集合；第一确定模块，被配置为基于所述规则集合，确定第二样本数据集中的第二样本数据的特征向量，其中，所述特征向量的各维度分别与所述规则集合中的各个规则相对应；以及第一划分模块，被配置为基于所述第二样本数据集中的第二样本数据的特征向量，将所述第二样本数据集划分为至少一个第二样本数据子集。

根据本公开的另一方面，提供了一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述方法。

根据本公开的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行上述方法。

根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序，其中，所述计算机程序在被处理器执行时实现上述方法。