[发明专利]数据处理方法及装置、电子设备及存储介质

说明书

本公开实施例是关于一种数据处理方法及装置、电子设备及存储介质，其中，所述数据处理方法包括：将用户的第一特征和/或待推荐的目标项目的的第二特征输入预测模型；获取所述预测模型中n个子模型基于所述第一特征和/或第二特征输出的n个第一输出值，其中，n为等于或大于2的正整数；对所述n个第一输出值进行归一化处理，得到n个第二输出值；对所述n个第二输出值相加后进行归一化处理，得到预测值，其中，所述预测值为预测的所述用户操作所述目标项目的概率值。

技术领域

本公开涉及计算机技术领域，尤其涉及一种数据处理方法及装置、电子设备及存储介质。

背景技术

目前，在向用户推荐内容的相关方案中，用于预测用户点击率(click-throughrate，CTR)所采用的预测模型往往需要对多种低阶特征及高阶特征进行交互。例如，通常采用的基于神经网络的因子分解机模型(Factorization-Machine based Neural Network，DeepFM)中，包含因子分解机模型(Factorization-Machine，FM)和深度神经网络(DeepNeural Network，DNN)。然而在实际使用中，FM模型和DNN模型对于点击率的预估概率往往具有不同的量纲，导致预测模型中始终有其中一个模型处于主导地位，输出的点击率无法准确符合两个模型交互的多种低阶和高阶特征。

发明内容

本公开实施例提供一种数据处理方法及装置、电子设备及存储介质。

本公开实施例第一方面提供一种数据处理方法，包括：

将用户的第一特征和/或待推荐的目标项目的的第二特征输入预测模型；

获取所述预测模型中n个子模型基于所述第一特征和/或第二特征输出的n个第一输出值，其中，n为等于或大于2的正整数；

对所述n个第一输出值进行归一化处理，得到n个第二输出值；

对所述n个第二输出值相加后进行归一化处理，得到预测值，其中，所述预测值为预测的所述用户操作所述目标项目的概率值。

基于上述方案，所述对所述n个第一输出值进行归一化处理，包括：

获取所述n个子模型的输出值范围；

基于所述输出值范围对所述n个第一输出值进行归一化处理。

基于上述方案，所述基于所述输出值范围对所述n个第一输出值进行归一化处理，包括：

基于待生成的预测值的数值范围确定预设范围；

将每一所述子模型的输出值范围与预设范围进行比对；

基于所述输出值范围与预设范围的比对结果，确定每一所述子模型对应的归一化参数；

基于所述归一化参数对所述n个第一输出值进行归一化处理。

基于上述方案，所述对所述n个第二输出值相加后进行归一化处理，得到预测值包括：

将所述n个第二输出值相加的和除以n，得到预测值。

基于上述方案，所述对所述n个第二输出值相加后进行归一化处理，得到预测值包括：

根据所述n个子模型的预测能力确定所述子模型对应的权重系数；

对基于所述权重系数对所述n个第二输出值加权后相加的值进行归一化处理，得到预测值。

基于上述方案，所述对所述n个第一输出值进行归一化处理，包括：

通过sigmoid函数对所述n个第一输出值进行归一化处理。

基于上述方案，所述对所述n个第一输出值进行归一化处理，包括：