一种标签值确定方法和装置与流程

1.本技术涉及数据处理、大数据技术领域，尤其涉及一种标签值确定方法和装置。


背景技术：

2.目前在租户(租户可以是企业或店铺)需要对用户进行自动打标时，只能基于预置标签定义对用户进行打标，灵活性不足。且预置标签定义是一套多行业通用的标签定义，其中包含多个通用标签分类。对于一些需要贴合自身行业进行打标的租户，基于预置标签定义所输出的标签值的准确度不足。


技术实现要素：

3.本技术提供一种标签值确定方法和装置，以解决上述的技术问题。
4.为此，本技术实施例一方面提供一种标签值确定方法，所述方法包括：
5.获取租户的特定标签定义，所述特定标签定义中包括至少一个特定标签类型和所述特定标签类型的标签分层，所述特定标签定义为预置标签定义、定制标签定义或扩展标签定义中的一种；
6.接收所述租户发送的第一用户数据，并对所述第一用户数据进行预处理，得到第二用户数据；
7.将所述第二用户数据输入特定数据处理模型，基于所述特定标签类型输出标签值，所述特定数据处理模型为基于特定用户数据进行训练得到的，所述特定用户数据为所述特定标签类型对应的用户数据。
8.其中，该方法还包括：
9.获取多个预置标签类型和所述预置标签类型的标签分层，并基于所述预置标签类型确定预置标签定义；
10.将所述租户的特定标签定义设置为所述预置标签定义。
11.其中，该方法还包括：
12.基于所述租户的第一操作从标签定义库中确定所述租户的定制标签定义，所述定制标签定义中包括多个定制标签类型和所述定制标签类型的标签分层；
13.将所述租户的特定标签定义设置为所述定制标签定义。
14.其中，该方法还包括：
15.基于所述租户的第二操作确定所述租户的至少一个扩展标签类型；
16.基于所述租户的第三操作确定所述扩展标签类型的标签分层；
17.基于所述至少一个扩展标签类型和所述扩展标签类型的标签分层确定所述租户的扩展标签定义；
18.将所述租户的特定标签定义设置为所述扩展标签定义。
19.其中，所述特定用户数据为第三用户数据，所述特定数据处理模型为第一数据处理模型，该方法还包括：
20.基于所有预置标签类型采集第三用户数据；
21.利用所述第三用户数据对初始数据处理模型进行训练，得到第一数据处理模型。
22.其中，所述特定用户数据为第四用户数据，所述特定数据处理模型为第二数据处理模型，该方法还包括：
23.基于所述标签定义库所有定制标签类型采集第四用户数据；
24.利用所述第四用户数据对初始数据处理模型进行训练，得到第二数据处理模型。
25.其中，所述特定用户数据为第五用户数据，所述特定数据处理模型为第三数据处理模型，该方法还包括：
26.接收所述租户发送的第五用户数据；
27.基于所述第五用户数据对初始数据处理模型进行训练，得到所述租户的扩展标签定义的第三数据处理模型。
28.本技术实施例另一方面提供一种标签值确定装置，所述装置包括：
29.采集模块，用于获取租户的特定标签定义，所述特定标签定义中包括至少一个特定标签类型和所述特定标签类型的标签分层，所述特定标签定义为预置标签定义、定制标签定义或扩展标签定义中的一种；
30.处理模块，用于接收所述租户发送的第一用户数据，并对所述第一用户数据进行预处理，得到第二用户数据；
31.计算模块，用于将所述第二用户数据输入特定数据处理模型，基于所述特定标签类型输出标签值，所述特定数据处理模型为基于特定用户数据进行训练得到的，所述特定用户数据为所述特定标签类型对应的用户数据。
32.其中，所述处理模块，还用于基于所述租户的第二操作确定所述租户的至少一个扩展标签类型；
33.所述处理模块，还用于基于所述租户的第三操作确定所述扩展标签类型的标签分层；
34.所述处理模块，还用于基于所述至少一个扩展标签类型和所述扩展标签类型的标签分层确定所述租户的扩展标签定义；
35.所述处理模块，还用于将所述租户的特定标签定义设置为所述扩展标签定义。
36.其中，所述处理模块，还用于接收所述租户发送的第五用户数据；
37.所述计算模块，还用于基于所述第五用户数据对初始数据处理模型进行训练，得到所述租户的扩展标签定义的第三数据处理模型。
附图说明
38.为了更清楚地说明本技术实施例的技术方案，下面将对实施例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技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。
39.图1示出了根据本技术的一个实施例的标签值确定方法的流程图；
40.图2示出了根据本技术的另一个实施例的标签值确定方法的流程图；
41.图3示出了根据本技术的另一个实施例的标签值确定方法的流程图；
42.图4示出了根据本技术的另一个实施例的标签值确定方法的流程图；
43.图5示出了根据本技术的另一个实施例的标签值确定方法的流程图；
44.图6示出了根据本技术的另一个实施例的标签值确定方法的流程图；
45.图7示出了根据本技术的另一个实施例的标签值确定方法的流程图；
46.图8示出了根据本技术的一个实施例的标签值确定装置的结构示意图。
具体实施方式
47.为使本技术的目的、特征、优点能够更加的明显和易懂，下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本技术一部分实施例，而非全部实施例。基于本技术中的实施例，本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
48.为了提高打标灵活性，提高标签值的准确性，本技术一实施例提供了一种标签值确定方法，如图1所示，该方法包括：
49.步骤101，获取租户的特定标签定义，所述特定标签定义中包括至少一个特定标签类型和所述特定标签类型的标签分层，所述特定标签定义为预置标签定义、定制标签定义或扩展标签定义中的一种。
50.特定标签定义为预置标签定义、定制标签定义或扩展标签定义中的一种。
51.步骤102，接收所述租户发送的第一用户数据，并对所述第一用户数据进行预处理，得到第二用户数据。
52.在租户获取了它自身的一些用户的第一用户数据后，需要基于第一用户数据对这些用户进行自动打标，则将第一用户数据发送给平台。
53.平台接收租户的第一用户数据后，需要先对第一用户数据进行预处理，预处理包括对数据进行清洗、格式转换和归一化等处理。处理完成后得到第二用户数据。
54.在本实施例中，可选择以下三种方法中的至少一种对第一用户数据进行清洗。
55.第一种，缺失值处理，检测并处理第一用户数据中的缺失值。可以选择删除包含缺失值的数据，或者使用插补方法填补缺失值，如插补均值、中位数或回归模型预测等。
56.第二种，异常值处理，检测并处理第一用户数据中的异常值。异常值可能是由数据采集错误、用户填写错误或其他异常情况引起的。可以选择删除异常值或使用合理的替代值。
57.第三种，重复值处理，检测并处理第一用户数据中的重复值。重复值可能是由重复数据输入、数据合并或其他情况引起的。可以选择删除重复值或将其合并为单个条目。
58.对第一用户数据中的缺失值、异常值和/或重复值进行检测和处理，能够提高第二用户数据的可用性和可识别性。而对第一用户数据进行格式转换，将不同格式的第一用户数据转换为同一格式的第二用户数据，可进一步提高第二用户数据的可识别性。将第一用户数据归一化，转化为统一范围值内的第二用户数据，使得后续特定数据处理模型更便于识别和处理，进而提高特定数据处理模型对第二用户数据进行处理后输出的标签值的准确性。
59.步骤103，将所述第二用户数据输入特定数据处理模型，基于所述特定标签类型输出标签值，所述特定数据处理模型为基于特定用户数据进行训练得到的，所述特定用户数据为所述特定标签类型对应的用户数据。
60.将第二用户数据输入特定数据处理模型中，特定数据处理模型是将初始数据处理模型基于特定用户数据进行训练得到的，对于不同的租户，使用的特定数据处理模型也不同。
61.对于使用预置标签定义的租户，在确定该租户的用户的标签值时，使用对应的第一数据处理模型。第一数据处理模型训练时的训练数据是基于预置标签定义采集得到的，因此，第一数据处理模型在对预置标签定义的数据进行处理时，准确性更高。
62.对于使用定制标签定义的租户，在确定该租户的用户的标签值时，使用对应的第二数据处理模型。第二数据处理模型训练时的训练数据是基于定制标签定义采集得到的，因此，第二数据处理模型在对定制标签定义的数据进行处理时，准确性也更高。
63.对于使用扩展标签定义的租户，在确定该租户的用户的标签值时，使用对应的第三数据处理模型。由于扩展标签定义是租户所定义的，因此，第三数据处理模型的训练数据需要由租户提供，在租户提供训练数据后，对初始数据处理模型进行训练，而训练后得到的第三数据处理模型在对扩展标签定义的数据进行处理时，准确性也更高。
64.在上述的方案中，通过对不同的租户提供不同的标签定义方式，使得自动打标灵活性更高。且能够在租户定制自身的标签定义后，对该租户的用户数据进行识别，输出该租户的用户的标签值。而针对不同的标签定义方式，使用对应的数据处理模型进行识别和输出，使得输出的标签值准确性更高。
65.在本技术一示例中还提供了一种标签值确定方法，如图2所示，该方法还包括：
66.步骤201，获取多个预置标签类型和所述预置标签类型的标签分层，并基于所述预置标签类型确定预置标签定义。
67.预置标签定义，即为预置标签定义，是一套多行业通用的标签定义，其中包含多个通用标签分类和通用标签分类的标签分层。通用标签分类是指大部分行业都会用到的标签分类。
68.例如，预置标签定义中包含性别、年龄段、首次订单类型等通用标签分类。其中，性别的标签分层为未知、男、女。年龄段的标签分层为0-10岁、11-20岁、21-30岁、31-40岁等。首次订单类型的标签分层为食物、玩具、生活用品等。
69.预置标签定义是为刚接触自动打标的租户提供的，这些租户，因此，选择通用的预置标签定义较为稳妥。
70.步骤202，将所述租户的特定标签定义设置为所述预置标签定义。
71.在上述的方案中，通过设置预置标签定义，能够给刚接触自动打标且不了解自身行业特色的租户提供较为合适的标签定义方案，提高了租户的使用体验。且租户在平台只需选择预置标签定义即可，无需自身去修改和调整，使得租户能方便且快捷的对用户进行自动打标。
72.在本技术一示例中还提供了一种标签值确定方法，如图3所示，该方法包括：
73.步骤301，基于所述租户的第一操作从标签定义库中确定所述租户的定制标签定义，所述定制标签定义中包括多个定制标签类型和所述定制标签类型的标签分层。
74.定制标签定义是平台定制的多个行业对应的标签定义。如零食行业，定制有零食行业对应的定制标签定义。日用品行业，定制有日用品行业对应的定制标签定义。
75.例如，零食行业对应的定制标签定义中包含口味、口感等行业特色的标签类型。其
中，口味的标签分层为酸、甜、苦、辣、咸等。口感的标签分层为脆、糯、粘等。
76.定制标签定义适合接触自动打标一段时间的租户，对自身行业特色较为了解，可以基于自身行业特色从平台提供的多个行业对应的定制标签定义中选取符合自身需求的定制标签定义。
77.平台提供由多个行业对应的定制标签定义，因此在租户需要选择定制标签定义时，需要从标签定义库中进行第一操作，选择租户所需的定制标签定义。
78.步骤302，将所述租户的特定标签定义设置为所述定制标签定义。
79.在租户选择所需的定制标签定义后，将该租户的特定标签定义设置为该定制标签定义。
80.例如，某租户从事零食行业，该租户在标签定义库中选择了对应零食行业的定制标签定义，则将该租户的特定标签定义设置为零食行业对应的定制标签定义。
81.在上述的方案中，通过识别租户的第一操作，确定该租户选择的定制标签定义，能够让需要一定行业特色标签的租户满足需求，提高了租户的使用体验。平台提供了多个行业对应的定制标签定义，使得租户在标签定义库中能找到自身行业对应的定制标签定义，选择即可使用，无需修改和调整。
82.在本技术一示例中还提供了一种标签值确定方法，如图4所示，该方法包括：
83.步骤401，基于所述租户的第二操作确定所述租户的至少一个扩展标签类型。
84.扩展标签定义为当平台定制的多个行业对应的定制标签定义也无法满足一些特殊行业的租户的需求时，这些租户可以在标签定义时，创建属于自身行业的扩展标签定义。
85.当租户在标签定义库未找到贴合自身行业的定制标签定义或该租户认为定制标签定义与自身行业的贴合度不足时，可以基于第二操作创建自身的扩展标签定义。平台识别用户的第二操作，创建该租户的至少一个扩展标签类型。
86.例如，某个租户是零食行业的，该租户认为标签定义库内对应零食行业的定制标签定义中没有口味和口感的标签类型。因此，该租户创建了自己的扩展标签定义，基于第二操作在该扩展标签定义中又创建了口味和口感的扩展标签类型。
87.步骤402，基于所述租户的第三操作确定所述扩展标签类型的标签分层。
88.在租户基于第二操作在自己的扩展标签定义中创建了至少一个扩展标签类型后，还需要对扩展标签类型的标签分层进行创建。
89.租户基于第三操作在需要创建标签分层的扩展标签类型中创建标签分层。
90.例如，零食行业的租户基于第二操作在自己的扩展标签定义中创建了口味和口感的扩展标签类型。又基于第三操作在口味的扩展标签类型中创建了酸、甜、苦、辣、咸的标签分层，在口感的扩展标签类型中创建了脆、糯、粘的标签分层。
91.需要指出的是，并非所有标签类型都需要创建对应的标签分层，有些标签类型的标签分层是开放式的(如常用地址等标签类型)，不需要对标签分层进行限制。
92.步骤403，基于所述至少一个扩展标签类型和所述扩展标签类型的标签分层确定所述租户的扩展标签定义。
93.在创建完成扩展标签类型和扩展标签类型的标签分层后，基于至少一个扩展标签类型和扩展标签类型的标签分层确定该租户的扩展标签定义。
94.步骤404，将所述租户的特定标签定义设置为所述扩展标签定义。
95.在确定租户的扩展标签定义后，将该租户的特定标签定义设置为该扩展标签定义。
96.在上述的方案中，通过基于第二操作创建至少一个扩展标签类型，基于第三操作创建扩展标签类型的标签分层。并基于租户创建的至少一个扩展标签类型和扩展标签类型的标签分层确定该租户的扩展标签定义。使得租户能够创建与自身行业更加贴合，更加定制化的标签类型。进一步提高输出的标签值的准确性。
97.在本技术一示例中还提供了一种标签值确定方法，如图5所示，所述特定用户数据为第三用户数据，所述特定数据处理模型为第一数据处理模型，该方法还包括：
98.步骤501，基于所有预置标签类型采集第三用户数据。
99.基于所有预置标签类型采集第三用户数据，由于预置标签类型是多行业通用的标签类型，因此，大部分用户数据都在预置标签类型限制的范围中。
100.例如，预置标签类型有注册时间、年龄段、性别和地理位置，则某条基于该预置标签类型采集的第三用户数据为“用户id：1120，注册时间：2022-05-15，年龄：28，性别：女性，地理位置：上海市，标签：[注册时间：2022年，年龄段：20-30岁，性别：女，地理位置：上海市]”。
[0101]
步骤502，利用所述第三用户数据对初始数据处理模型进行训练，得到第一数据处理模型。
[0102]
初始数据处理模型可以是监督学习分类模型、数据计算模型、规则算法、语义相似度算法等。
[0103]
利用预置标签类型对应的第三用户数据对初始数据处理模型进行训练，得到第一数据处理模型。
[0104]
在上述的方案中，通过基于所有预置标签类型采集第三用户数据，并利用第三用户数据对初始数据处理模型进行训练，得到第一数据处理模型。使得第一数据处理模型在对预置标签类型范围内的用户数据进行处理时，输出的标签值更加准确。
[0105]
在本技术一示例中还提供了一种标签值确定方法，如图6所示，该方法包括：
[0106]
步骤601，基于所述标签定义库所有定制标签类型采集第四用户数据。
[0107]
基于标签定义库所有定制标签类型采集第四用户数据，由于定制标签类型是某些行业特色的标签类型，因此，需要确定包含定制标签类型范围内数据的用户数据。
[0108]
需要指出的是，基于定制标签类型采集第四用户数据，并非只采集定制标签类型的数据，而是只要包含有定制标签类型数据的用户数据都可以作为第四用户数据。
[0109]
例如，某个定制标签类型为口味，则某条基于该定制标签类型采集的第四用户数据为“用户id：1120，注册时间：2022-05-15，年龄：28，性别：女性，地理位置：上海市，订单信息：[产品id：3366，产品名称：糖果，评论时间：2022-06-08，评分:4/5，评论内容：“糖果酸酸甜甜的，很好吃。”]，标签：[注册时间：2022年，年龄段：20-30岁，性别：女，地理位置：上海市，口味：酸、甜]”。
[0110]
步骤602，利用所述第四用户数据对初始数据处理模型进行训练，得到第二数据处理模型。
[0111]
利用定制标签类型对应的第四用户数据对初始数据处理模型进行训练，得到第二数据处理模型。
[0112]
由于多个定制标签类型可能分属与不同的行业，那么基于这些定制标签类型训练得到的第二数据处理模型，能够对这多个行业的用户数据进行处理，输出准确的标签值。
[0113]
在上述的方案中，通过基于标签定义库所有定制标签类型采集第四用户数据，并利用第四用户数据对初始数据处理模型进行训练，得到第二数据处理模型。使得第二数据处理模型在对这些定制标签类型所属的不同行业的用户数据进行处理时，输出的标签值更加准确。
[0114]
在本技术一示例中还提供了一种标签值确定方法，如图7所示，该方法包括：
[0115]
步骤701，接收所述租户发送的第五用户数据。
[0116]
扩展标签定义是租户所定义的，因此，第三数据处理模型的训练数据需要由租户提供。
[0117]
步骤702，基于所述第五用户数据对初始数据处理模型进行训练，得到所述租户的扩展标签定义的第三数据处理模型。
[0118]
在租户提供训练数据后，对初始数据处理模型进行训练，而训练后得到的第三数据处理模型只需针对该租户的扩展标签定义对应的用户数据进行处理，输出的标签值的准确性也更高。
[0119]
在上述的方案中，通过租户提供的第五用户数据对初始数据处理模型进行训练，得到该租户的扩展标签定义的第三数据处理模型。第五用户数据是该租户所属行业的用户数据，包含扩展标签分类的数据。因此，基于第五用户数据训练得到的第三数据处理模型，对该租户所属行业的用户数据进行处理，输出的标签值的准确性显著提高。
[0120]
在本技术一示例中，标签值确定方法还包括：
[0121]
在特定数据处理模型输出标签值后，将输入的第二用户数据和对应的标签值作为特定用户数据，在积累一定量数据或定期利用这部分新增的特定用户数据对特定数据处理模型进行训练和优化，将优化后的特定数据处理模型应用到业务中。
[0122]
在上述的方案中，基于业务中产出的特定用户数据，在积累一定量或定期基于这部分新增的特定用户数据对特定数据处理模型进行训练和优化，能够使得应用到业务中的特定数据处理模型对特定用户数据的处理能力越来越有效，进一步提高输出的用户的标签值的准确性。
[0123]
在本技术一示例中，标签值确定方法还包括：
[0124]
在租户创建扩展标签定义后，在租户同意后将该扩展标签定义确定为定制标签定义，并将该定制标签定义存储入标签定义库中。
[0125]
在上述的方案中，在租户同意后将该扩展标签定义确定为定制标签定义，并将该定制标签定义存储入标签定义库中，能够增加标签定义库中定制标签定义覆盖的行业范围，为租户提供更多的定制标签定义选择。
[0126]
为了实现上述的标签值确定方法，如图8所示，本技术一示例来提供了一种标签值确定装置，包括：
[0127]
采集模块10，用于获取租户的特定标签定义，所述特定标签定义中包括至少一个特定标签类型和所述特定标签类型的标签分层，所述特定标签定义为预置标签定义、定制标签定义或扩展标签定义中的一种；
[0128]
处理模块20，用于接收所述租户发送的第一用户数据，并对所述第一用户数据进
行预处理，得到第二用户数据；
[0129]
计算模块30，用于将所述第二用户数据输入特定数据处理模型，基于所述特定标签类型输出标签值，所述特定数据处理模型为基于特定用户数据进行训练得到的，所述特定用户数据为基于所述特定标签类型采集得到的。
[0130]
其中，所述处理模块20，还用于获取多个预置标签类型和所述预置标签类型的标签分层，并基于所述预置标签类型确定预置标签定义；
[0131]
所述处理模块20，还用于将所述租户的特定标签定义设置为所述预置标签定义。
[0132]
其中，所述处理模块20，还用于基于所述租户的第一操作从标签定义库中确定所述租户的定制标签定义，所述定制标签定义中包括多个定制标签类型和所述定制标签类型的标签分层；
[0133]
所述处理模块20，还用于将所述租户的特定标签定义设置为所述定制标签定义。
[0134]
其中，所述处理模块20，还用于基于所述租户的第二操作确定所述租户的至少一个扩展标签类型；
[0135]
所述处理模块20，还用于基于所述租户的第三操作确定所述扩展标签类型的标签分层；
[0136]
所述处理模块20，还用于基于所述至少一个扩展标签类型和所述扩展标签类型的标签分层确定所述租户的扩展标签定义；
[0137]
所述处理模块20，还用于将所述租户的特定标签定义设置为所述扩展标签定义。
[0138]
其中，所述采集模块10，还用于基于所有预置标签类型采集第三用户数据；
[0139]
所述计算模块30，还用于利用所述第三用户数据对初始数据处理模型进行训练，得到第一数据处理模型。
[0140]
其中，所述采集模块10，还用于基于所述标签定义库所有定制标签类型采集第四用户数据；
[0141]
所述计算模块30，还用于利用所述第四用户数据对初始数据处理模型进行训练，得到第二数据处理模型。
[0142]
其中，所述处理模块20，还用于接收所述租户发送的第五用户数据；
[0143]
所述计算模块30，还用于基于所述第五用户数据对初始数据处理模型进行训练，得到所述租户的扩展标签定义的第三数据处理模型。
[0144]
在上述的方案中，通过对不同的租户提供不同的标签定义方式，使得自动打标灵活性更高。且能够在租户定制自身的标签定义后，对该租户的用户数据进行识别，输出该租户的用户的标签值。而针对不同的标签定义方式，使用对应的数据处理模型进行识别和输出，使得输出的标签值准确性更高。
[0145]
在一个示例中，本技术实施例还提供了一种移动终端，该移动终端包括至少一个存储器，以及与所述至少一个存储器通信连接的处理器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被设置为用于执行上述图1至图7实施例中任一项所述的标签值确定方法。
[0146]
另外，本技术实施例还提供了一种计算机可读存储介质，存储有计算机可执行指令，所述计算机可执行指令用于执行上述图1至图7实施例中任一项所述的标签值确定方法流程。
[0147]
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本技术的至少一个实施例或示例中。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
[0148]
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或隐含地包括至少一个该特征。在本技术实施例的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
[0149]
应当理解，本文中使用的术语“和/或”仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，a和/或b，可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。
[0150]
取决于语境，如在此所使用的词语“如果”可以被解释成为“在
……
时”或“当
……
时”或“响应于确定”或“响应于检测”。类似地，取决于语境，短语“如果确定”或“如果检测(陈述的条件或事件)”可以被解释成为“当确定时”或“响应于确定”或“当检测(陈述的条件或事件)时”或“响应于检测(陈述的条件或事件)”。
[0151]
在本技术所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
[0152]
另外，在本技术各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。
[0153]
上述以软件功能单元的形式实现的集成的单元，可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中，包括若干指令用以使得一台计算机装置(可以是个人计算机，服务器，或者网络装置等)或处理器(processor)执行本技术各个实施例所述方法的部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(read-only memory，rom)、随机存取存储器(random access memory，ram)、磁碟或者光盘等各种可以存储程序代码的介质。
[0154]
以上所述，仅为本技术的具体实施方式，但本技术的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本技术揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本技术的保护范围之内。因此，本技术保护范围应以所述权利要求的保护范围为准。

技术特征：
1.一种标签值确定方法，所述方法包括：获取租户的特定标签定义，所述特定标签定义中包括至少一个特定标签类型和所述特定标签类型的标签分层，所述特定标签定义为预置标签定义、定制标签定义或扩展标签定义中的一种；接收所述租户发送的第一用户数据，并对所述第一用户数据进行预处理，得到第二用户数据；将所述第二用户数据输入特定数据处理模型，基于所述特定标签类型输出标签值，所述特定数据处理模型为基于特定用户数据进行训练得到的，所述特定用户数据为所述特定标签类型对应的用户数据。2.根据权利要求1所述的标签值确定方法，该方法还包括：获取多个预置标签类型和所述预置标签类型的标签分层，并基于所述预置标签类型确定预置标签定义；将所述租户的特定标签定义设置为所述预置标签定义。3.根据权利要求1所述的标签值确定方法，该方法还包括：基于所述租户的第一操作从标签定义库中确定所述租户的定制标签定义，所述定制标签定义中包括多个定制标签类型和所述定制标签类型的标签分层；将所述租户的特定标签定义设置为所述定制标签定义。4.根据权利要求1所述的标签值确定方法，该方法还包括：基于所述租户的第二操作确定所述租户的至少一个扩展标签类型；基于所述租户的第三操作确定所述扩展标签类型的标签分层；基于所述至少一个扩展标签类型和所述扩展标签类型的标签分层确定所述租户的扩展标签定义；将所述租户的特定标签定义设置为所述扩展标签定义。5.根据权利要求2所述的标签值确定方法，所述特定用户数据为第三用户数据，所述特定数据处理模型为第一数据处理模型，该方法还包括：基于所有预置标签类型采集第三用户数据；利用所述第三用户数据对初始数据处理模型进行训练，得到第一数据处理模型。6.根据权利要求3所述的标签值确定方法，所述特定用户数据为第四用户数据，所述特定数据处理模型为第二数据处理模型，该方法还包括：基于所述标签定义库所有定制标签类型采集第四用户数据；利用所述第四用户数据对初始数据处理模型进行训练，得到第二数据处理模型。7.根据权利要求4所述的标签值确定方法，所述特定用户数据为第五用户数据，所述特定数据处理模型为第三数据处理模型，该方法还包括：接收所述租户发送的第五用户数据；基于所述第五用户数据对初始数据处理模型进行训练，得到所述租户的扩展标签定义的第三数据处理模型。8.一种标签值确定装置，所述装置包括：采集模块，用于获取租户的特定标签定义，所述特定标签定义中包括至少一个特定标签类型和所述特定标签类型的标签分层，所述特定标签定义为预置标签定义、定制标签定
义或扩展标签定义中的一种；处理模块，用于接收所述租户发送的第一用户数据，并对所述第一用户数据进行预处理，得到第二用户数据；计算模块，用于将所述第二用户数据输入特定数据处理模型，基于所述特定标签类型输出标签值，所述特定数据处理模型为基于特定用户数据进行训练得到的，所述特定用户数据为所述特定标签类型对应的用户数据。9.根据权利要求8所述的标签值确定装置，包括：所述处理模块，还用于基于所述租户的第二操作确定所述租户的至少一个扩展标签类型；所述处理模块，还用于基于所述租户的第三操作确定所述扩展标签类型的标签分层；所述处理模块，还用于基于所述至少一个扩展标签类型和所述扩展标签类型的标签分层确定所述租户的扩展标签定义；所述处理模块，还用于将所述租户的特定标签定义设置为所述扩展标签定义。10.根据权利要求9所述的标签值确定装置，包括：所述处理模块，还用于接收所述租户发送的第五用户数据；所述计算模块，还用于基于所述第五用户数据对初始数据处理模型进行训练，得到所述租户的扩展标签定义的第三数据处理模型。

技术总结
本申请实施例公开了一种标签值确定方法和装置，该方法包括：获取租户的特定标签定义，特定标签定义中包括至少一个特定标签类型和特定标签类型的标签分层，特定标签定义为预置标签定义、定制标签定义或扩展标签定义中的一种；接收租户发送的第一用户数据，并对第一用户数据进行预处理，得到第二用户数据；将第二用户数据输入特定数据处理模型，基于特定标签类型输出标签值，特定数据处理模型为基于特定用户数据进行训练得到的，特定用户数据为所述特定标签类型对应的用户数据。特定标签类型对应的用户数据。特定标签类型对应的用户数据。


技术研发人员：陈天阳 柯尊尧 徐裕键 郁佳杰
受保护的技术使用者：杭州星云智慧科技有限公司
技术研发日：2023.06.14
技术公布日：2023/10/5