一种数据处理方法、装置及电子设备制造方法及图纸

本申请提供了一种数据处理方法、装置及电子设备，该方法包括：获得第一数据，第一数据至少包括第一对象的属性信息和行为数据；基于第一数据，获得第二数据，第二数据至少包括第一对象的标签数据；从第一数据和第二数据中获得第三数据，第三数据至少包括第二对象的线索信息，第二对象为对目标对象有价值的对象；将第三数据输入到机器学习模型，得到机器学习模型确定的第二对象的线索信息的价值评估结果，价值评估结果表征线索信息的有效程度。值评估结果表征线索信息的有效程度。值评估结果表征线索信息的有效程度。

【技术实现步骤摘要】
一种数据处理方法、装置及电子设备


[0001]本申请涉及数据处理
，特别涉及一种数据处理方法、装置及电子设备。

技术介绍

[0002]线索作为企业管理的常用指标，企业平台常常会对线索的价值进行评估，但是，如何进行数据处理，以保证线索价值评估结果的准确性，成为问题。

技术实现思路

[0003]本申请提供如下技术方案：
[0004]本申请一方面提供一种一种数据处理方法，包括：
[0005]获得第一数据，所述第一数据至少包括第一对象的属性信息和行为数据；
[0006]基于所述第一数据，获得第二数据，所述第二数据至少包括所述第一对象的标签数据；
[0007]从所述第一数据和所述第二数据中获得第三数据，所述第三数据至少包括第二对象的线索信息，所述第二对象为对目标对象有价值的对象；
[0008]将所述第三数据输入到机器学习模型，得到所述机器学习模型确定的所述第二对象的线索信息的价值评估结果，所述价值评估结果表征所述线索信息的有效程度。
[0009]所述获得第一数据，包括：
[0010]从第一数据集合中获取第一数据，所述第一数据集合至少包括所述第一数据，所述第一数据来自业务系统。
[0011]所述从所述第一数据和所述第二数据中获得第三数据，包括：
[0012]从所述第一数据和所述第二数据中获取与线索信息价值评估相关的数据；
[0013]基于所述与线索信息价值评估相关的数据，获得第三数据。
[0014]所述从所述第一数据和所述第二数据中获取与线索信息价值评估相关的数据，包括：
[0015]从所述第一数据和所述第二数据中获取表征第二对象贡献价值的数据；
[0016]和/或，
[0017]从所述第一数据和所述第二数据中获取表征所述目标对象为所述第二对象贡献的价值的数据；
[0018]和/或，
[0019]从所述第一数据和所述第二数据中获取表征所述第二对象需求和所述目标对象提供的服务的匹配程度的数据。
[0020]所述第三数据还包括：
[0021]与所述第二对象的线索信息相关的行为数据和标签数据。
[0022]所述机器学习模型通过以下方式确定：
[0023]获取第一训练数据，第一训练数据包括所述第一对象的第一属性信息和第一行为
数据；
[0024]基于所述第一训练数据，获得第二训练数据，所述第二训练数据至少包括所述第一对象的第一标签数据；
[0025]从所述第一训练数据和所述第二训练数据中获得第三训练数据，所述第三训练数据至少包括所述第二对象的第一线索信息；
[0026]将所述第三训练数据输入到机器学习模型，得到所述机器学习模型获得的所述第二对象的第一线索信息的价值评估结果；
[0027]若所述第二对象的第一线索信息的价值评估结果与设定价值评估结果之间的差异不满足设定条件，则更新所述机器学习模型的参数，并返回执行所述获取第一训练数据的步骤。
[0028]所述从所述第一训练数据和所述第二训练数据中获得第三训练数据，包括：
[0029]从所述第一训练数据和所述第二训练数据中获取与目标线索价值评估相关的第一目标数据和第二目标数据，所述第一目标数据和所述第二目标数据不同；
[0030]基于所述第一目标数据，获得第四训练数据，并基于所述第二目标数据，获得第五训练数据，所述第四训练数据和所述第五训练数据组成所述第三训练数据。
[0031]所述将所述第三训练数据输入到所述机器学习模型，得到所述机器学习模型获得的所述第二对象的第一线索信息的价值评估结果，包括：
[0032]分别将所述第四训练数据和所述第五训练数据输入到所述机器学习模型，确定所述机器学习模型的第一评估结果和第二评估结果，所述第一评估结果和所述第二评估结果分别表征所述机器学习模型的评估性能；
[0033]对所述第一评估结果和所述第二评估结果进行对比，得到对比结果，基于所述对比结果从所述第一目标数据和所述第二目标数据中确定出待使用目标数据；
[0034]对所述第一训练数据和所述第二训练数据进行更新，从更新后的所述第一训练数据和所述第二训练数据中获取与所述待使用目标数据对应的第三目标数据；
[0035]将所述第三目标数据输入到所述机器学习模型，得到所述机器学习模型获得的第二对象的第一线索信息的价值评估结果。
[0036]本申请另一方面提供一种数据处理装置，包括：
[0037]第一获得模块，用于获得第一数据，所述第一数据至少包括第一对象的属性信息和行为数据；
[0038]第二获得模块，用于基于所述第一数据，获得第二数据，所述第二数据至少包括所述第一对象的标签数据；
[0039]第三获得模块，用于从所述第一数据和所述第二数据中获得第三数据，所述第三数据至少包括第二对象的线索信息，所述第二对象为对目标对象有价值的对象；
[0040]确定模块，用于将所述第三数据输入到机器学习模型，得到所述机器学习模型确定的所述第二对象的线索信息的价值评估结果，所述价值评估结果表征所述线索信息的有效程度。
[0041]本申请第三方面提供一种电子设备，包括：
[0042]存储器和处理器；
[0043]所述存储器，用于至少存储一组指令集；
[0044]所述处理器，用于调用并执行所述存储器中的所述指令集，通过执行所述指令集执行如上述任意一项所述的数据处理方法。
[0045]在本申请中，通过获得第一数据，第一数据至少包括第一对象的属性信息和行为数据，保证数据的丰富性，在此基础上，基于第一数据，获得第二数据，第二数据至少包括第一对象的标签数据，进一步丰富机器学习模型所需要的数据，从第一数据和第二数据中获得第三数据，实现从更加丰富的数据中获得第三数据，保证第三数据的全面性和准确性，进而将第三数据输入到机器学习模型，保证机器学习模型确定的第二对象的线索信息的价值评估结果的准确性。
附图说明
[0046]为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0047]图1是本申请实施例1提供的一种数据处理方法的流程示意图；
[0048]图2是本申请提供的一种第二对象的线索信息与设定的线索转化模型的一种映射关系示意图；
[0049]图3是本申请实施例2提供的一种数据处理方法的流程示意图；
[0050]图4是本申请实施例2提供的一种数据处理方法的流程示意图；
[0051]图5是本申请实施例2提供的一种数据处理方法的流程示意图；
[0052]图6是本申请提供的一种数据处理装置的结构示意图；
[0053]图7是本申请提供的一种电子设备的结构示意图。
具体本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种数据处理方法，包括：获得第一数据，所述第一数据至少包括第一对象的属性信息和行为数据；基于所述第一数据，获得第二数据，所述第二数据至少包括所述第一对象的标签数据；从所述第一数据和所述第二数据中获得第三数据，所述第三数据至少包括第二对象的线索信息，所述第二对象为对目标对象有价值的对象；将所述第三数据输入到机器学习模型，得到所述机器学习模型确定的所述第二对象的线索信息的价值评估结果，所述价值评估结果表征所述线索信息的有效程度。2.根据权利要求1所述的方法，所述获得第一数据，包括：从第一数据集合中获取第一数据，所述第一数据集合至少包括所述第一数据，所述第一数据来自业务系统。3.根据权利要求1所述的方法，所述从所述第一数据和所述第二数据中获得第三数据，包括：从所述第一数据和所述第二数据中获取与线索信息价值评估相关的数据；基于所述与线索信息价值评估相关的数据，获得第三数据。4.根据权利要求3所述的方法，所述从所述第一数据和所述第二数据中获取与线索信息价值评估相关的数据，包括：从所述第一数据和所述第二数据中获取表征第二对象贡献价值的数据；和/或，从所述第一数据和所述第二数据中获取表征所述目标对象为所述第二对象贡献的价值的数据；和/或，从所述第一数据和所述第二数据中获取表征所述第二对象需求和所述目标对象提供的服务的匹配程度的数据。5.根据权利要求1所述的方法，所述第三数据还包括：与所述第二对象的线索信息相关的行为数据和标签数据。6.根据权利要求1所述的方法，所述机器学习模型通过以下方式确定：获取第一训练数据，第一训练数据包括所述第一对象的第一属性信息和第一行为数据；基于所述第一训练数据，获得第二训练数据，所述第二训练数据至少包括所述第一对象的第一标签数据；从所述第一训练数据和所述第二训练数据中获得第三训练数据，所述第三训练数据至少包括所述第二对象的第一线索信息；将所述第三训练数据输入到机器学习模型，得到所述机器学习模型获得的所述第二对象的第一线索信息的价值评估结果；若所述第二对象的第一线索信息的价值评估结果与设定价值评估结果之间的差异不满足设定条件，则更新所述机器学习模型的参数，并返回执行所述获取第一训练数据的步...

【专利技术属性】
技术研发人员：于博杰，李斌，张良玉，
申请(专利权)人：联想北京有限公司，
类型：发明
国别省市：