[发明专利]数据处理方法、装置、存储介质及电子设备

说明书

本发明实施例提供一种数据处理方法、装置、存储介质及电子设备，该方法包括：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。通过深度学习模型实现通讯标识类型预测，提高了通讯标识预测的效率以及准确性，从而避免与第一类型通讯标识通讯时的时间以及成本的浪费。

技术领域

本发明涉及计算机技术领域，具体而言，涉及一种数据处理方法、装置、存储介质及电子设备。

背景技术

随着移动通讯的普及，存在着大量的已经停机、欠费、无效、空的电话号码，而只有当这些电话号码很难被识别。例如，当我们拨打某个欠费的电话号码时，才会发现该电话号码已经停机欠费，若是向该欠费的电话号码发送短信，则完全不会有任何的提示。

相关技术中提出了推断空号的方法，该方法主要基于运营商的数据，判断近期有通话行为的电话号码则为非空号。而该方法会存在以下几个问题：

1、数据来源单一。例如，有过通话行为的就判断为非空号，而不考虑其他因素，容易造成误判。

2、实时性较差。例如，近三个月有通话行为的手机为非空号手机号，无法判断出近三个月内停机的手机号；如果近一个月有通话行为的手机为非空号手机，则无法判断出近一个月内停机的手机号。

3、匹配度低。例如，无论手机号是否是被正常使用，在一个月内没有通话行为能够匹配到的手机号都很少，从而被识别出的不能被正常使用的手机号很少。

因此需要一种新的数据处理方法、装置、存储介质及电子设备，从而高效、准确的预测通讯标识的类型。

在所述背景技术部分公开的上述信息仅用于加强对本发明的背景的理解，因此它可以包括不构成对本领域普通技术人员已知的现有技术的信息。

发明内容

有鉴于此，本发明提供因此需要新的数据处理方法、装置、存储介质及电子设备，从而高效、准确的预测通讯标识的类型。

本发明的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本发明的实践而习得。

根据本发明的第一方面，提供一种数据处理方法，其中，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。

根据一些实施例，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。

根据一些实施例，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。

根据一些实施例，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。

根据一些实施例，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。

根据一些实施例，所述方法还包括：获取深度学习模型；