[发明专利]数据处理方法、装置、存储介质及电子设备

权利要求书

1.一种数据处理方法，其特征在于，所述方法包括：

接收待预测通讯标识，并获取所述待预测通讯标识的多个维度的特征数据；

将所述多个维度的特征数据输入至深度学习模型，以获取所述待预测通讯标识的计算数据；

根据所述计算数据预测出所述待预测通讯标识的类型；

所述类型包括：第一类型通讯标识以及第二类型通讯标识；

其中，所述第一类型通讯标识包括：注销的通讯标识、欠费的通讯标识以及停机的通讯标识中的至少一种；所述第二类型通讯标识包括：被使用中的通讯标识、非注销的通讯标识以及非空号的通讯标识中的至少一种；

所述方法还包括：从所述待预测通讯标识中筛选出第一类型通讯标识以及第二类型通讯标识；将剩余的待预测通讯标识输入至所述深度学习模型，获取所述剩余的待预测通讯标识的计算数据；

其中，从所述待预测通讯标识中筛选出第一类型通讯标识以及第二类型通讯标识，包括：

从所述待预测通讯标识中筛选出第一初选类型通讯标识；

从所述待预测通讯标识中筛选出第二初选类型通讯标识；

基于所述第一初选类型通讯标识以及第二初选类型通讯标识确定第一类型通讯标识以及第二类型通讯标识；

其中，从所述待预测通讯标识中筛选出第一初选类型通讯标识，包括：

基于样本数据的多个维度的特征数据在多个第一预设时间段内的统计数据，确定针对所述多个维度的特征数据的第一类型周期；

根据所述多个维度的特征数据的第一类型周期从所述待预测通讯标识中筛选出第一初选类型通讯标识。

2.如权利要求1所述的方法，其特征在于，从所述待预测通讯标识中筛选出第二初选类型通讯标识，包括：

基于样本数据的多个维度的特征数据在多个第二预设时间段内的统计数据，确定针对所述多个维度的特征数据的第二类型周期；

根据所述多个维度的特征数据的第二类型周期从所述待预测通讯标识中筛选出第二初选类型通讯标识。

3.如权利要求1所述的方法，其特征在于，所述方法还包括：获取深度学习模型；

所述获取深度学习模型，包括：

构建多层深度学习网络；

基于样本数据对所述多层深度学习网络进行训练，以获取深度学习模型。

4.一种数据处理装置，其特征在于，所述装置包括：

接收模块，用于接收待预测通讯标识，并获取所述待预测通讯标识的多个维度的特征数据；

获取模块，用于将所述多个维度的特征数据输入至深度学习模型，以获取所述待预测通讯标识的计算数据；

预测模块，用于根据所述计算数据预测出所述待预测通讯标识的类型；

所述类型包括：第一类型通讯标识以及第二类型通讯标识；

其中，所述第一类型通讯标识包括：注销的通讯标识、欠费的通讯标识以及停机的通讯标识中的至少一种；所述第二类型通讯标识包括：被使用中的通讯标识、非注销的通讯标识以及非空号的通讯标识中的至少一种；

所述装置还包括：筛选模块，用于从所述待预测通讯标识中筛选出第一类型通讯标识以及第二类型通讯标识；所述获取模块，还用于将剩余的待预测通讯标识输入至所述深度学习模型，获取所述剩余的待预测通讯标识的计算数据；

其中，所述筛选模块，包括第一筛选单元，用于从所述待预测通讯标识中筛选出第一初选类型通讯标识；第二筛选单元，用于从所述待预测通讯标识中筛选出第二初选类型通讯标识；确定单元，用于基于所述第一初选类型通讯标识以及第二初选类型通讯标识确定第一类型通讯标识以及第二类型通讯标识；

所述第一筛选单元，配置为基于样本数据的多个维度的特征数据在多个第一预设时间段内的统计数据，确定针对所述多个维度的特征数据的第一类型周期；根据所述多个维度的特征数据的第一类型周期从所述待预测通讯标识中筛选出第一初选类型通讯标识。

5.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1-3任一项所述的方法步骤。

6.一种电子设备，其特征在于，包括：一个或多个处理器；

存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如权利要求1-3中任一项所述的方法步骤。