[发明专利]一种处理多类型数据的方法及系统

权利要求书

1.一种处理多类型数据的方法，其特征在于，所述方法包括如下步骤：

数据获取步骤：对数据进行预处理，获取训练数据；

模型改进步骤：基于DeepFM模型进行改进，获取多类型数据处理模型；

模型训练步骤：将所述训练数据输入到所述多类型数据处理模型进行模型训练，获取最优的所述多类型数据处理模型；

处理步骤：通过最优的所述多类型数据处理模型对数据进行处理。

2.如权利要求1所述的一种处理多类型数据的方法，其特征在于，所述模型训练步骤具体包括以下步骤:

特征提取步骤：提取所述训练数据的稀疏特征；

特征嵌入步骤：根据所述稀疏特征的维度将其自动嵌入到相适应维度向量，获取所述稀疏特征的特征嵌入向量；

特征表示步骤：根据所述特征嵌入向量分别获取低阶特征表示和高阶特征表示；

低阶特征获取步骤：根据所述低阶特征表示获取低阶特征组合；

高阶特征获取步骤：根据所述高阶特征表示获取高阶特征组合；

特征合并步骤：将所述低阶特征组合和所述高阶特征组合合并输入到sigmoid函数得到最优的所述多类型数据处理模型。

3.如权利要求2所述的一种处理多类型数据的方法，其特征在于，所述特征表示步骤具体包括以下步骤：

高阶特征表示步骤：对所述特征嵌入向量做非线性变换，获取所述高阶特征表示；

低阶特征表示步骤：将所述特征嵌入向量转换为相同维度，对所述转换后的特征嵌入向量做非线性变换，获取所述低阶特征表示。

4.如权利要求2所述的一种处理多类型数据的方法，其特征在于，当所述训练数据类型为数组类型时，所述特征嵌入步骤还包括引入注意力机制，通过所述注意力机制获取整个数组特征的特征嵌入向量。

5.如权利要求4所述的一种处理多类型数据的方法，其特征在于，所述注意力机制中注意力打分函数使用缩放点击模型。

6.一种处理多类型数据的系统，运行如权利要求1至5中任一项所述的处理多类型数据的方法，其特征在于，

所述处理多类型数据的系统包括：

数据获取模块，对数据进行预处理，获取训练数据；

模型改进模块，基于DeepFM模型进行改进，获取多类型数据处理模型；

模型训练模块，将所述训练数据输入到所述多类型数据处理模型进行模型训练，获取最优的所述多类型数据处理模型；

处理模块，通过最优的所述多类型数据处理模型对数据进行处理。

7.如权利要求6所述的处理多类型数据的系统，其特征在于，所述模型训练模块包括：

特征提取单元，提取所述训练数据的稀疏特征；

半自适应维度Embedding单元，根据所述稀疏特征的维度将其自动嵌入到相适应维度向量，获取所述稀疏特征的特征嵌入向量；

MLP层单元，根据所述特征嵌入向量分别获取低阶特征表示和高阶特征表示；

FM层单元，根据所述低阶特征表示获取低阶特征组合；

Deep单元，根据所述高阶特征表示获取高阶特征组合；

输出单元，将所述低阶特征组合和所述高阶特征组合合并输入到sigmoid函数得到最优的所述多类型数据处理模型。

8.如权利要求7所述的处理多类型数据的系统，其特征在于，所述MLP层单元包括：

高阶特征表示单元，对所述特征嵌入向量做非线性变换，获取所述高阶特征表示；

低阶特征表示单元，将所述特征嵌入向量转换为相同维度，对所述转换后的特征嵌入向量做非线性变换，获取所述低阶特征表示。

9.如权利要求7所述的处理多类型数据的系统，其特征在于，当所述训练数据类型为数组类型时，所述半自适应维度Embedding单元中还包括注意力机制单元，通过所述注意力机制单元获取整个数组特征的特征嵌入向量。

10.如权利要求9所述的处理多类型数据的系统，其特征在于，所述注意力机制单元中注意力打分函数使用缩放点击模型。