数据处理方法、装置及电子设备与流程

本公开涉及人工智能，尤其涉及深度学习、图神经网络、大模型和智慧金融等，尤其涉及一种数据处理方法、装置及电子设备。

背景技术：

1、在对用户提供服务的过程中，若对所有用户提供服务，可能有部分用户不存在这个服务的需求，这样容易造成资源浪费，因此，在向对应用户提供服务之前，确定该用户针对服务的感兴趣程度是十分重要的。

技术实现思路

1、本公开提供了一种数据处理方法、装置及电子设备。

2、根据本公开的一方面，提供了一种数据处理方法，所述方法包括：获取样本对象的多个已安装应用、所述多个已安装应用各自对应的安装信息以及所述样本对象的样本标签，其中，所述样本标签用于表示所述样本对象是否使用目标服务；确定所述多个已安装应用各自对应的初始表示向量；根据所述初始表示向量和所述安装信息，确定所述样本对象所对应的预测标签；根据所述样本标签和所述预测标签，对所述初始表示向量进行更新，以得到所述多个已安装应用各自对应的目标表示向量；基于目标对象的已安装应用的目标表示向量，确定所述目标对象对所述目标服务的感兴趣程度。

3、根据本公开的另一方面，提供了一种数据处理装置，所述装置包括：获取模块，用于获取样本对象的多个已安装应用、所述多个已安装应用各自对应的安装信息以及所述样本对象的样本标签，其中，所述样本标签用于表示所述样本对象是否使用目标服务；第一确定模块，用于确定所述多个已安装应用各自对应的初始表示向量；第二确定模块，用于根据所述初始表示向量和所述安装信息，确定所述样本对象所对应的预测标签；更新模块，用于根据所述样本标签和所述预测标签，对所述初始表示向量进行更新，以得到所述多个已安装应用各自对应的目标表示向量；第三确定模块，用于基于目标对象的已安装应用的目标表示向量，确定所述目标对象对所述目标服务的感兴趣程度。

4、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本公开上述提出的数据处理方法。

5、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，所述计算机指令用于使计算机执行本公开上述提出的数据处理方法。

6、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，所述计算机程序在被处理器执行时实现本公开上述提出的数据处理方法的步骤。

7、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。

技术特征：

1.一种数据处理方法，包括：

2.根据权利要求1所述的方法，其中，所述安装信息包括：安装时间和最新更新时间中的至少一个，以及题材类型，所述根据所述初始表示向量和所述安装信息，确定所述样本对象所对应的预测标签，包括：

3.根据权利要求2所述的方法，其中，所述根据所述安装时间和最新更新时间的其中一个，以及所述初始表示向量，确定所述样本对象所对应的第一预测标签，包括：

4.根据权利要求3所述的方法，其中，所述根据所述初始表示向量和所述题材类型，确定所述样本对象所对应的第二预测标签，包括：

5.根据权利要求4所述的方法，其中，所述根据所述样本标签、所述第一预测标签和所述第二预测标签，对所述初始表示向量进行更新，以得到所述多个已安装应用各自对应的目标表示向量，包括：

6.根据权利要求5所述的方法，其中，所述根据所述总损失值对所述初始表示向量进行更新，以得到所述目标表示向量，包括：

7.根据权利要求1所述的方法，其中，在所述确定所述多个已安装应用各自对应的初始表示向量之前，所述方法还包括：

8.根据权利要求3所述的方法，其中，所述第一分类模型为基于转换器transformer模型建立的。

9.根据权利要求4所述的方法，其中，所述第二分类模型为基于图卷积网络gcn模型建立的。

10.一种数据处理装置，包括：

11.一种电子设备，包括：

12.一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根据权利要求1至9中任一项所述的方法。

13.一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据权利要求1至9中任一项所述的方法。

技术总结
本公开提供了数据处理方法、装置及电子设备，涉及人工智能技术领域，尤其涉及深度学习、图神经网络、大模型和智慧金融等技术领域。具体实现方案为：通过样本对象的多个已安装应用的初始表示向量和安装信息，确定样本对象所对应的预测标签，并根据样本标签和预测标签，对初始表示向量进行更新，以得到多个已安装应用各自对应的目标表示向量，使得对应已安装应用的目标表示向量能够表达出对应已安装应用的安装信息所能表达的特征，从而提高基于目标对象的已安装应用的目标表示向量，所确定出的目标对象对目标服务的感兴趣程度的准确性。

技术研发人员：崔壮壮,许林丰
受保护的技术使用者：北京百度网讯科技有限公司
技术研发日：
技术公布日：2024/9/23