[发明专利]数据排序方法及装置

权利要求书

1.一种数据排序方法，其特征在于，所述方法包括：

获取目标业务的第一业务数据集；其中，所述第一业务数据集包括多个线上业务数据，所述线上业务数据包括业务请求用户的用户特征数据，每个所述用户特征数据包括多个特征维度，每个所述特征维度包括多个特征类别；

针对每个所述特征维度，在所述特征维度的目标特征类别下的多个所述线上业务数据中，选取第一数量的线上业务数据；其中，所述目标特征类别是每个所述特征维度的所述多个特征类别中目标精确率满足预设条件的特征类别，每个所述特征类别对应于一个所述目标精确率，所述目标精确率是基于第三数量的候选训练样本的真实标签和预测标签确定的，所述预测标签是基于所述候选训练样本在对应特征类别下的预测概率得到的，所述第三数量的候选训练样本是基于所述预测概率在所述特征类别下的多个模型训练样本中选取的，所述目标精确率用于表征在所述第三数量中预测正确的正样本的数量占比，所述第一数量的线上业务数据包括所述线上业务数据在所述目标特征类别下的预测概率排序靠前的多个线上业务数据；

基于所述第一数量的线上业务数据，确定第二业务数据集；

将所述第二业务数据集输入预先训练的排序模型中，得到所述线上业务数据的排序结果；

基于所述排序结果选取第二数量的线上业务数据对应的业务事件作为待处理的目标业务事件。

2.根据权利要求1所述的方法，其特征在于，所述针对每个所述特征维度，在所述特征维度的目标特征类别下的多个所述线上业务数据中，选取第一数量的线上业务数据，包括：

将多个所述线上业务数据输入预先训练的识别模型，得到第一预测结果；其中，所述第一预测结果包括所述线上业务数据在所述目标特征类别下的预测概率；

基于所述预测概率，选取第一数量的线上业务数据。

3.根据权利要求1所述的方法，其特征在于，在获取目标业务的第一业务数据集之前，还包括：

将第一训练样本集输入预先训练的识别模型，得到第二预测结果，所述第一训练样本集包括多个模型训练样本；其中，每个所述模型训练样本包括所述多个特征维度，所述第二预测结果包括所述模型训练样本在对应特征类别下的预测概率；

针对每个所述特征维度，在所述特征维度的所述多个特征类别中，基于所述预测概率，确定对应特征维度的目标特征类别；其中，所述目标特征类别对应的目标精确率高于所述对应特征维度下的其他特征类别对应的目标精确率；以及，

在所述目标特征类别下的多个所述模型训练样本中，选取第三数量的所述模型训练样本作为多个目标训练样本；

基于所述目标训练样本，对排序模型进行训练，得到训练的排序模型。

4.根据权利要求3所述的方法，其特征在于，所述针对每个所述特征维度，在所述特征维度下的所述多个特征类别中，基于所述预测概率，确定对应特征维度的目标特征类别，包括：

针对所述特征维度下的每个特征类别，基于所述特征类别下的多个候选训练样本的所述预测概率，对所述多个候选训练样本进行排序，得到第一排序结果；其中，所述候选训练样本为所述第一训练样本集中的一个模型训练样本；

从所述多个候选训练样本中，基于所述第一排序结果，选取排序靠前的所述第三数量的候选训练样本；

基于所述第三数量的候选训练样本的真实标签和预测标签，确定所述特征类别对应的目标精确率；其中，所述预测标签是基于所述预测概率确定的；

基于所述多个特征类别对应的所述目标精确率，确定对应特征维度的目标特征类别。

5.根据权利要求4所述的方法，其特征在于，所述基于所述多个特征类别对应的所述目标精确率，确定对应特征维度的目标特征类别，包括：

基于所述多个特征类别对应的所述目标精确率，确定所述目标精确率最大值对应的所述特征类别；

将确定出的所述特征类别确定为对应特征维度的目标特征类别。