数据处理方法、装置及设备

技术领域

本发明涉及数据处理技术领域，尤其涉及一种数据处理方法、装置及设备。

背景技术

随着科学技术的飞速发展，数据平台的应用越来越广泛。以电商平台为例，在用户在电商平台上发布商品信息时，需要上传并编辑商品信息。由于用户编辑商品信息的专业性不强，难以准确有效地编辑商品信息，从而会降低商品的曝光率。

发明内容

本发明实施例提供了一种数据处理方法、装置及设备，可以引导用户对商品信息进行快速、有效地数据编辑操作，从而保证了对数据信息进行编辑的质量和效率，有利于提高数据信息的曝光率。

第一方面，本发明实施例提供了一种数据处理方法，包括：

获取待发布数据；

确定与所述待发布数据相对应的结构化特征和/或非结构化特征；

生成与所述结构化特征和/或非结构化特征相对应的交互信息；

根据所述交互信息生成与所述待发布数据相对应的目标数据。

第二方面，本发明实施例提供了一种数据处理装置，包括：

第一获取模块,用于获取待发布数据；

第一确定模块,用于确定与所述待发布数据相对应的结构化特征和/或非结构化特征；

第一生成模块,用于生成与所述结构化特征和/或非结构化特征相对应的交互信息；

第一处理模块,用于根据所述交互信息生成与所述待发布数据相对应的目标数据。

第三方面，本发明实施例提供一种电子设备，包括：存储器、处理器；其中，所述存储器用于存储一条或多条计算机指令，其中，所述一条或多条计算机指令被所述处理器执行时实现上述第一方面中的数据处理方法。

第四方面，本发明实施例提供了一种计算机存储介质，用于储存计算机程序，所述计算机程序使计算机执行时实现上述第一方面中的数据处理方法。

第五方面，本发明实施例提供了一种数据处理方法，包括：

获取待发布数据；

确定与所述待发布数据相对应的结构化特征和/或非结构化特征；

根据所述结构化特征和/或非结构化特征，生成与所述待发布数据相对应的目标数据。

第六方面，本发明实施例提供了一种数据处理装置，包括：

第二获取模块,用于获取待发布数据；

第二确定模块,用于确定与所述待发布数据相对应的结构化特征和/或非结构化特征；

第二处理模块,用于根据所述结构化特征和/或非结构化特征，生成与所述待发布数据相对应的目标数据。

第七方面，本发明实施例提供一种电子设备，包括：存储器、处理器；其中，所述存储器用于存储一条或多条计算机指令，其中，所述一条或多条计算机指令被所述处理器执行时实现上述第五方面中的数据处理方法。

第八方面，本发明实施例提供了一种计算机存储介质，用于储存计算机程序，所述计算机程序使计算机执行时实现上述第五方面中的数据处理方法。

本实施例提供的技术方案，通过获取待发布数据，确定与所述待发布数据相对应的结构化特征和/或非结构化特征，而后可以对结构化特征和/或非结构化特征进行分析处理，从而可以生成与所述结构化特征和/或非结构化特征相对应的交互信息，而后根据所述交互信息生成与所述待发布数据相对应的目标数据，从而有效地实现了在进行数据编辑的过程中，可以基于待发布数据所生成的交互信息来引导用户进行交互操作，这样有效地降低了用户编辑数据信息的难度，让数据的编辑效率更加快速高效，并且也有助于提高数据信息的曝光率，进一步提高了该方法的实用性。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，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他的附图。

图1为本发明实施例提供的一种数据处理方法的流程示意图；

图2为本发明实施例提供的一种数据处理方法的应用场景示意图；

图3为本发明实施例提供的生成与结构化特征和/或非结构化特征相对应的交互信息的流程示意图；

图4为本发明实施例提供的检测所述结构化特征和/或非结构化特征是否满足预设条件的流程示意图；

图5为本发明实施例提供的根据所述交互信息生成与所述待发布数据相对应的目标数据的流程示意图；

图6为本发明实施例提供的生成与所述结构化特征和/或非结构化特征相对应的交互信息的流程示意图；

图7为本发明实施例提供的获取与所述待发布数据相对应的特征选项的流程示意图；

图8为本发明实施例提供的又一种数据处理方法的流程示意图；

图9为本发明实施例提供的另一种数据处理方法的流程示意图；

图10为本发明实施例提供的获取待发布数据的流程示意图；

图11为本发明实施例提供的又一种数据处理方法的流程示意图；

图12为本发明应用实施例提供的数据处理方法的示意图；

图13为本发明实施例提供的一种数据处理装置的结构示意图；

图14为与图13所示实施例提供的数据处理装置对应的电子设备的结构示意图；

图15为本发明实施例提供的又一种数据处理装置的结构示意图；

图16为与图15所示实施例提供的数据处理装置对应的电子设备的结构示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

在本发明实施例中使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本发明。在本发明实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义，“多种”一般包含至少两种，但是不排除包含至少一种的情况。

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。

取决于语境，如在此所使用的词语“如果”、“若”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)”。

还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的商品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种商品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的商品或者系统中还存在另外的相同要素。

另外，下述各方法实施例中的步骤时序仅为一种举例，而非严格限定。

为了便于理解本实施例中的技术方案，下面对相关技术进行简要说明：

以电商平台作为数据平台为例，当用户在电商平台上发布商品信息时，需要上传并编辑商品信息。然而，由于用户编辑商品信息的专业性不强，用户编辑商品的过程复杂耗时，用户需要手动修改大量的商品信息。并且，对于大部分的用户而言，用户并不了解哪些编辑操作有助于提高商品信息的曝光率，因此难以准确有效地编辑商品信息，从而降低了商品的曝光率。另外，为了能够保证商品信息的曝光率，用户需要充分了解不同维度的商品信息对曝光率的影响，这样造成了对商品信息进行编辑的较高门槛。总结来说，在用户编辑需要在电商平台上进行发布的商品信息时，存在以下问题：

(1)商品信息的编辑过程复杂耗时，用户需要手动修改大量的商品描述信息，甚至某些卖家会因编辑过程复杂而放弃商品的编辑操作。

(2)编辑过程的收益率低，即因商品信息的曝光率较低，从而使得商品信息的成交率较低。由于用户通常是非专业的信息编辑人员，因此，不够了解商品信息对曝光率的影响，从而不能有效地提高商品的曝光率。

(3)商品编辑的过程与用户之间的交互操作比较少，用户缺少进行交互操作的动机，导致商品识别算法的回流数据减少。

为了解决上述技术问题，本应用实施例提供了一种数据处理方法、装置及设备，通过获取待发布数据，确定与待发布数据相对应的结构化特征和/或非结构化特征，而后可以对结构化特征和/或非结构化特征进行分析处理，在结构化特征和/或非结构化特征满足预设条件时，则生成与结构化特征和/或非结构化特征相对应的交互信息，而后根据交互信息生成与待发布数据(商品数据)相对应的目标数据，并对目标数据进行发布，从而有效地实现了在进行数据编辑的过程中，可以基于待发布数据所生成的交互信息来引导用户进行交互操作，这样有效地降低了用户编辑数据信息的难度，让数据的编辑效率更加快速高效，并且也有助于提高数据信息的曝光率。

下面结合附图，对本发明的一些实施方式作详细说明。在各实施例之间不冲突的情况下，下述的实施例及实施例中的特征可以相互组合。

图1为本发明实施例提供的一种数据处理方法的流程示意图；图2为本发明实施例提供的一种数据处理方法的应用场景示意图；参考附图1-图2所示，本实施例提供了一种数据处理方法，该方法的执行主体可以为数据处理装置，可以理解的是，该数据处理装置可以实现为软件、或者软件和硬件的组合。具体的，该数据处理方法可以包括：

步骤S101：获取待发布数据。

步骤S102：确定与待发布数据相对应的结构化特征和/或非结构化特征。

步骤S103：生成与结构化特征和/或非结构化特征相对应的交互信息。

步骤S104：根据交互信息生成与待发布数据相对应的目标数据。

下面针对上述各个步骤进行详细阐述：

步骤S101：获取待发布数据。

其中，待发布数据可以是需要在数据平台上进行发布的数据，可以理解的是，在不同的应用场景中，待发布数据可以具有不同的数据表现形式，例如：在电商平台的应用场景中，待发布数据可以包括待发布的商品数据；在数据平台的应用场景中，待发布数据可以包括待发布的论文数据、文章数据等等。

此外，本实施例对于获取待发布数据的具体实现方式不做限定，本领域技术人员可以根据具体的应用需求进行设置，例如：待发布数据可以是用户直接上传至数据处理装置的，从而使得数据处理装置可以稳定地获取到待发布数据。或者，待发布数据可以存储在预设区域中，数据处理装置通过访问预设区域即可获取到待发布数据。当然的，本领域技术人员也可以采用其他的方式来获取待发布数据，只要能够保证对待发布数据进行获取的准确可靠性即可，在此不再赘述。

步骤S102：确定与待发布数据相对应的结构化特征和/或非结构化特征。

在获取到待发布数据之后，可以对待发布数据进行分析处理，从而可以获得与待发布数据相对应的结构化特征和/或非结构化特征。在待发布数据包括待发布的商品数据时,结构化特征可以包括以下至少之一：品牌特征、品类特征、叶子类目特征、款式特征、属性特征，非结构化特征可以包括：商品评价特征、商品浏览信息、商品成交率等等。

举例来说，在待发布的商品数据为车辆时，品牌特征可以包括以下至少之一：大众、奥迪、马自达、丰田等等，品类特征可以包括以下至少之一：载货车辆、越野车辆、牵引车辆、轿车等等，位于轿车下的叶子类目特征可以包括以下至少之一：微型轿车(发动机V小于等于1L)、普通级轿车(发动机V小于等于1.6L、且大于1L)、中级轿车(发动机V小于等于2.5L、且大于1.6L)、中高级轿车(发动机V小于等于4L、且大于2.5L)、高级轿车(发动机V大于4L)等等，款式特征可以包括以下至少之一：运动型小车、小型家用车、跑车、商用车等等；属性特征可以包括以下至少之一：汽车的动力性特征、汽车的燃油经济性特征、汽车的外观特征、汽车的动力性特征、汽车的操作稳定性特征等等。

可以理解的是，对于不同应用场景中的待发布数据而言，与待发布数据相对应的结构化特征和/或非结构化特征可以不同，在此不再赘述。

另外，本实施例对于确定结构化特征结构化特征和/或非结构化特征的具体实现方式不做限定，本领域技术人员可以根据具体的应用需求和应用场景进行任意设置，例如：预先配置用于提取结构化特征结构化特征和/或非结构化特征的机器学习模型，利用机器学习模型对待发布数据进行分析处理，从而可以获得与待发布数据相对应的结构化特征结构化特征和/或非结构化特征。当然的，本领域技术人员也可以采用其他的方式来与待发布数据相对应的结构化特征结构化特征和/或非结构化特征，只要能够保证对结构化特征结构化特征和/或非结构化特征进行获取的准确可靠性即可，在此不再赘述。

步骤S103：生成与结构化特征和/或非结构化特征相对应的交互信息。

在获取到结构化特征和/或非结构化特征之后，可以对结构化特征和/或非结构化特征进行分析处理，以生成与结构化特征和/或非结构化特征相对应的交互信息。具体的，参考附图3所示，生成与所述结构化特征和/或非结构化特征相对应的交互信息可以包括：

步骤S1031：检测所述结构化特征和/或非结构化特征是否满足预设条件。

步骤S1032：在所述结构化特征和/或非结构化特征满足预设条件时，则生成与所述结构化特征和/或非结构化特征相对应的交互信息。

其中，预设条件可以是指用于标识上传的待发布数据存在数据描述不准确、数据描述缺失的阈值条件。为了能够准确地识别出结构化特征和/或非结构化特征是否满足预设条件，在确定与待发布数据相对应的结构化特征和/或非结构化特征之后，可以对结构化特征和/或非结构化特征进行分析处理，具体的，参考附图4所示，本实施例中的检测所述结构化特征和/或非结构化特征是否满足预设条件可以包括：

步骤S10311：获取与结构化特征和/或非结构化特征相对应的描述准确率。

步骤S10312：在描述准确率小于预设阈值时，则确定结构化特征和/或非结构化特征满足预设条件。或者，

步骤S10313：在描述准确率大于或等于预设阈值时，则确定结构化特征和/或非结构化特征不满足预设条件。

其中，在获取到结构化特征和/或非结构化特征之后，可以利用预设算法对结构化特征和/或非结构化特征进行分析处理，以检测上述待发布数据的描述是否准确、是否存在缺失，而后可以基于分析处理结果来确定与结构化特征和/或非结构化特征相对应的描述准确率，可以理解的是，在结构化特征和/或非结构化特征的描述存在缺失时，结构化特征和/或非结构化特征相对应的描述准确率越低；在结构化特征和/或非结构化特征的描述存在错误时，结构化特征和/或非结构化特征相对应的描述准确率越低。在一些实例中，与结构化特征和/或非结构化特征相对应的描述准确率可以由结构化特征和/或非结构化特征的描述缺失结果和结构化特征和/或非结构化特征的描述错误结果的加权求和所获得。

在获取到描述准确率之后，可以将描述准确率与预设阈值进行分析比较，在描述准确率小于预设阈值时，则可以确定此时待发布数据的结构化特征和/或非结构化特征满足预设条件，即待发布数据存在数据描述不准确、数据描述缺失的情况。此时，为了能够提高待发布数据的发布质量和效率，可以基于结构化特征和/或非结构化特征满足预设条件的情况，生成与结构化特征和/或非结构化特征相对应的交互信息，该交互信息用于实现与用户之间的交互操作，交互操作的目标是为了使得待发布数据的数据描述更加全面、准确。

具体实现时，交互信息以问答形式进行交互，可选地，问答形式可以包括以下至少之一：填空式问答或选项式问答，较为优选的，交互信息以选项式问答形式进行交互。

在一些实例中，生成与结构化特征和/或非结构化特征相对应的交互信息可以包括：利用预先训练好的机器学习模型对结构化特征和/或非结构化特征进行分析处理，从而可以获得与结构化特征和/或非结构化特征相对应交互信息，其中，机器学习模型被训练为用于基于结构化特征和/或非结构化特征生成与结构化特征和/或非结构化特征相对应的交互信息。当然的，本领域技术人员也可以采用其他的方式生成交互信息，只要能够保证交互信息生成的准确可靠性即可，在此不再赘述。

在描述准确率大于或等于预设阈值时，则可以确定结构化特征和/或非结构化特征不满足预设条件，即待发布数据的数据描述准确、数据描述完整。

在一些实例中，在确定结构化特征和/或非结构化特征不满足预设条件之后，本实施例中的方法还可以包括：对待发布数据进行发布。

具体的，在待发布数据的结构化特征和/或非结构化特征不满足预设条件时，则说明此时的待发布数据的数据描述较为准确、完整，进而可以直接对待发布数据进行发布，从而保证了对待发布数据进行发布的质量和效率。

步骤S104：根据交互信息生成与待发布数据相对应的目标数据。

在一些实例中，在生成与所述待发布数据相对应的目标数据之后，本实施例中的方法还可以包括：对目标数据进行发布。

在一些实例中，在生成与结构化特征和/或非结构化特征相对应的交互信息之后，本实施例中的方法还可以包括：将交互信息推送给客户端，以通过客户端实现对交互信息的交互操作。

具体的，参考附图5所示，本实施例中的根据交互信息生成与待发布数据相对应的目标数据可以包括：

步骤S1041：获取与交互信息相对应的交互响应结果。

步骤S1042：基于交互响应结果，生成与待发布数据相对应的目标数据。

在获取到交互信息之后，可以将交互信息推送至客户端，在客户端接收到交互信息之后，可以将交互信息通过显示设备进行显示。此时，用户可以通过显示设备针对交互信息进行交互操作，从而有效地实现了通过在数据处理的过程中，通过客户端与用户进行交互操作。

在客户端获取到用户基于交互信息所输入的执行操作之后，可以生成与执行操作相对应的交互响应结果，而后可以将交互响应结果发送至数据处理装置，可以理解的是，交互响应结果有助于使得待发布数据的描述更加准确、完整，从而使得数据处理装置可以基于交互响应结果生成待发布数据相对应的目标数据，此时，所生成的目标数据的结构化特征和/或非结构化特征不满足预设条件，而后可以对目标数据进行发布，进而保证了数据发布的质量和效率。

在一些实例中，在获取与交互信息相对应的交互响应结果之后，本实施例中的方法还可以包括：基于交互响应结果对用于生成交互信息的机器学习模型进行更新。

其中，交互信息可以是基于预先训练好的机器学习模型进行分析处理所获得的，在获取到交互响应结果之后，可以基于交互交互响应结果对机器学习模型的模型参数进行更新，从而可以提高对交互信息进行生成的准确性和可靠性。

本实施例提供的数据处理方法，通过获取待发布数据，确定与所述待发布数据相对应的结构化特征和/或非结构化特征，而后可以对结构化特征和/或非结构化特征进行分析处理，在所述结构化特征和/或非结构化特征满足预设条件时，则生成与所述结构化特征和/或非结构化特征相对应的交互信息，而后根据所述交互信息生成与所述待发布数据相对应的目标数据，并对所述目标数据进行发布，从而有效地实现了在进行数据编辑的过程中，可以基于待发布数据所生成的交互信息来引导用户进行交互操作，这样有效地降低了用户编辑数据信息的难度，让数据的编辑效率更加快速高效，并且也有助于提高数据信息的曝光率，进一步提高了该方法的实用性。

图6为本发明实施例提供的生成与结构化特征和/或非结构化特征相对应的交互信息的流程示意图；在上述实施例的基础上，继续参考附图6所示，本实施例中提供了一种交互信息的生成方式，具体的，生成与结构化特征和/或非结构化特征相对应的交互信息可以包括：

步骤S501：获取与待发布数据相对应的特征选项。

其中，在获取到待发布数据之后，可以对待发布数据进行分析处理，以确定与待发布数据相对应的特征选项。具体的，参考附图7所示，获取与待发布数据相对应的特征选项可以包括：

步骤S5011：获取与待发布数据相对应的至少一个特征标签，至少一个特征标签与待发布数据的匹配度大于或等于预设匹配度阈值。

步骤S5012：确定至少一个特征标签与待发布数据之间的匹配度排序信息。

步骤S5013：基于匹配度排序信息，在至少一个特征标签中确定与待发布数据相对应的特征选项。

其中，在获取到待发布数据之后，可以利用预设算法对待发布数据进行分析处理，从而可以获得与待发布数据相对应的至少一个特征标签，至少一个特征标签与待发布数据的匹配度大于或等于预设匹配度阈值。

需要注意的是，在用户上传待发布数据时，待发布数据中可以包括用户预先输入的数据标签，上述所获得的至少一个特征标签与用户输入的数据标签不同。

在获取到至少一个特征标签之后，可以确定至少一个特征标签与待发布数之间的匹配度排序信息，而后可以基于匹配度排序信息在至少一个特征标签中确定与待发布数据相对应的特征选项。

举例来说，预先配置有多个数据标签，分别为：数据标签A、数据标签B、数据标签C、数据标签D、数据标签E。数据标签A下包括有子标签a1、子标签a2、子标签a3、子标签a4和子标签a5，数据标签B下包括有子标签b1、子标签b2、子标签b3、子标签b4、子标签b5和子标签b6；数据标签C下包括有子标签c1、子标签c2、子标签c3和子标签c4；数据标签D下包括有子标签d1、子标签d2、子标签d3、子标签d4和子标签d5；数据标签E下包括有子标签e1、子标签e2、子标签e3、子标签e4、子标签e5和子标签e6。

在获取到待发布数据之后，可以对待发布数据进行分析处理，以获取与待发布数据相对应的至少一个特征标签，可以理解的是，至少一个特征标签是上述多个数据标签中的至少一部分。例如，至少一个特征标签包括：子标签a3、子标签a4、子标签b2、子标签c1、子标签c2、子标签d3、子标签d4、子标签e1和子标签e3，上述的至少一个特征标签与待发布数据的匹配度大于或等于预设匹配度阈值。

在获取到上述至少一个特征标签之后，可以基于至少一个特征标签与待发布数据之间的匹配度进行排序，从而可以获得匹配度排序信息，例如：匹配度排序信息可以为：子标签c1>子标签a3>子标签e3>子标签c2>子标签a4>子标签b2>子标签e1>子标签d3>子标签d4。

而后可以基于匹配度排序信息在至少一个特征标签中确定与待发布数据相对应的特征选项，即：与待发布数据相对应的特征选项可以为子标签c1、子标签a3、子标签e3、子标签c2和子标签a4，从而有效地保证了对与待发布数据相对应的特征选项进行确定的准确可靠性。

步骤S502：基于特征选项，生成选项式问答的交互信息。

在获取到特征选项之后，可以对特征选项进行分析处理，以生成选项式问答的交互信息。具体的，基于特征选项，生成选项式问答的交互信息可以包括：利用机器学习模型对特征选项进行分析处理，获得选项式问答的交互信息，其中，机器学习模型被训练为用于基于特征选项生成选项式问答的交互信息。在一种可实现的方式中，将特征选项确定为与选项式问答的交互信息中的信息选项。

本实施例中，通过获取与待发布数据相对应的特征选项，并基于特征选项生成选项式问答的交互信息，从而有效地保证了对交互信息进行确定的准确可靠性，进一步提高了该方法使用的稳定可靠性。

图8为本发明实施例提供又一种数据处理方法的流程示意图；在上述实施例的基础上，继续参考附图8所示，在生成与待发布数据相对应的目标数据之后，本实施例中的方法还可以包括：

步骤S701：统计与目标数据相对应的数据曝光率。

步骤S702：将数据曝光率发送至客户端。

其中，数据曝光率可以与以下至少之一的数据相关：用户针对目标数据的点击频率、用户针对目标数据的浏览频率、目标数据的成交率等等。在将目标数据发布在预设平台上之后，可以统计预设平台上的用户对目标数据执行点击、浏览以及购买等操作，而后可以基于用户对目标数据执行的上述操作获取到与目标数据相对应的数据曝光率。

在获取到与目标数据相对应的数据曝光率之后，可以将数据曝光率发送至客户端，以使用户可以通过客户端直接了解到与目标数据相对应的数据曝光率，从而有助于提高商品信息的成交率。

图9为本发明实施例提供另一种数据处理方法的流程示意图；在上述实施例的基础上，继续参考附图9所示，在生成与待发布数据相对应的目标数据之后，本实施例中的方法还可以包括：

步骤S801：获取与待发布数据相对应的曝光权重。

步骤S802：基于交互响应结果提高曝光权重，以提高与待发布数据相对应的数据曝光率。

其中，对于待发布数据而言，预先配置有与待发布数据相对应的曝光权重，该曝光权重可以影响待发布数据的数据曝光率，一般情况下，待发布数据的数据曝光率可以与待发布数据相对应的曝光权重呈正比，即数据曝光权重越大，数据曝光率越大。

另外，本实施例对于获取与待发布数据相对应的曝光权重的具体实现方式不做限定，本领域技术人员可以根据具体的应用需求和设计需求进行设置，例如：在获取到待发布数据之后，可以确定该待发布数据所对应的曝光级别，而后基于曝光级别与曝光权重之间的映射关系来获取与待发布数据相对应的曝光权重。

在获取到曝光权重之后，并且可以基于与用户的交互操作获取到交互响应结果时，为了能够促进用户与数据处理装置进行交互操作的积极性，可以基于交互响应结果提高曝光权重，对曝光权重的具体提高程度可以基于不同的应用场景和应用需求进行设置。而后可以基于调整后的曝光权重对待发布数据进行曝光操作，这样有助于提高与待发布数据相对应的数据曝光率。

图10为本发明实施例提供的获取待发布数据的流程示意图；在上述实施例的基础上，继续参考附图10所示，本实施例提供了一种获取待发布数据的实现方式，具体的，获取待发布数据可以包括：

步骤S901：获取原始数据。

步骤S902：确定原始数据的数据质量。

步骤S903：基于数据质量对原始数据进行处理，获得待发布数据。

其中，原始数据可以是指需要进行数据发布操作的数据，该原始数据可以包括以下至少一种形式：文本数据、图像数据、音频数据、视频数据等等，在不同的应用场景中，原始数据的数据质量可以不同。为了避免因数据质量的不同而降低对数据进行发布的质量和效果，在获取到原始数据之后，可以确定原始数据的数据质量。可以理解的是，对于不同形式的原始数据而言，数据质量可以与不同的因素有关，例如：在原始数据包括图像数据时，数据质量可以与图像的清晰度、图像的纹理轮廓数据等因素有关。在原始数据包括音频数据时，数据质量可以与音频数据的采样率、音频数据的比特率等因素有关。

在获取到数据质量之后，可以基于数据质量对原始数据进行处理，以获得待发布数据。在一些实例中，基于数据质量对原始数据进行处理，获得待发布数据可以包括：

步骤S9031：在数据质量小于预设质量阈值时，则对原始数据进行优化处理，获得待发布数据。或者，

步骤S9032：在数据质量大于或等于预设质量阈值时，则将原始数据确定为待发布数据。

具体的，在获取到数据质量之后，可以将数据质量与预设质量阈值进行分析比较，在数据质量小于预设质量阈值时，则说明原始数据的数据质量较低，此时，为了保证发布数据的质量和效率，可以对原始数据进行优化处理，从而可以获得满足预设质量阈值的待发布数据。在数据质量大于或等于预设质量阈值时，则说明此时的原始数据的数据质量较高，进而可以直接将原始数据确定为待发布数据。

举例来说，原始数据中包括图像数据时，若原始数据的数据质量小于预设质量阈值，即图像数据的清晰度较低，此时，可以对图像数据进行优化处理，以提高图像数据的清晰度，进而可以获得满足预设质量阈值的待发布数据。在原始数据的数据质量大于或等于预设质量阈值时，即图像数据的清晰度较高，进而可以直接将原始数据确定为待发布数据。

本实施例中，通过获取原始数据，确定原始数据的数据质量，而后基于数据质量对原始数据进行处理，获得待发布数据，这样有效地保证了对待发布数据的数据质量进行分析识别，并基于不同的识别结果对原始数据进行调整，从而可以获得满足预设质量阈值的待发布数据，进一步提高了对待发布数据进行发布的质量和效果。

图11为本发明实施例提供的又一种数据处理方法的流程示意图；参考附图11所示，本实施例提供了又一种数据处理方法，该方法的执行主体可以为数据处理装置，可以理解的是，该数据处理装置可以实现为软件、或者软件和硬件的组合。具体的，该数据处理方法可以包括：

步骤S1101：获取待发布数据。

步骤S1102：确定与所述待发布数据相对应的结构化特征和/或非结构化特征。

其中，本实施例中获取待发布数据、确定与所述待发布数据相对应的结构化特征和/或非结构化特征的具体实现方式和实现效果与上述实施例中步骤S101-步骤S102的具体实现方式和实现效果相类似，具体可参考上述陈述内容。

步骤S1103：根据所述结构化特征和/或非结构化特征，生成与所述待发布数据相对应的目标数据。

在获取到结构化特征和/或非结构化特征之后，可以对结构化特征和/或非结构化特征进行分析处理，以生成与所述待发布数据相对应的目标数据。具体的，一种实现方式可以为：获取结构化特征，根据结构化特征生成与待发布数据相对应的目标数据；又一种实现方式可以为：获取非结构化特征，根据非结构化特征生成与待发布数据相对应的目标数据。另一种实现方式可以为：获取结构化特征和非结构化特征，根据结构化特征和非结构化特征获取目标特征，基于目标特征生成与待发布数据相对应的目标数据。

在一些实例中，根据所述结构化特征和/或非结构化特征，生成与所述待发布数据相对应的目标数据可以包括：生成与所述结构化特征和/或非结构化特征相对应的交互信息；根据所述交互信息生成与所述待发布数据相对应的目标数据。

具体的，预先设置有与不同数据类型相对应的交互信息，在获取到待发布数据的结构化特征和/或非结构化特征之后，可以获取与结构化特征和/或非结构化特征相对应的数据类型，基于数据类型可以生成与待发布数据相对应的交互信息。另一种可实现的方式可以为：获取与待发布数据的结构化特征和/或非结构化特征相对应的数据关键字，基于数据关键字生成与待发布数据相对应的交互信息。

当然的，本领域技术人员也可以采用其他方式来生成与所述结构化特征和/或非结构化特征相对应的交互信息，只要能够保证对交互信息进行生成的准确可靠性即可，在此不再赘述。

在获取到交互信息之后,则可以对交互信息进行分析处理,以生成与待发布数据相对应的目标数据，具体的实现方式和实现效果与上述实施例中步骤S104的具体实现方式和实现效果相类似，具体可参考上述陈述内容，在此不再赘述。

本实施例提供的数据处理方法，通过获取待发布数据，而后可以对待发布数据进行分析处理，以生成与待发布数据相对应的交互信息，而后根据所述交互信息生成与所述待发布数据相对应的目标数据，从而有效地实现了在进行数据编辑的过程中，可以基于待发布数据所生成的交互信息来引导用户进行交互操作，这样有效地降低了用户编辑数据信息的难度，让数据的编辑效率更加快速高效，并且也有助于提高数据信息的曝光率，进一步提高了该方法的实用性。

在一些实例中，所述待发布数据包括待发布的商品数据,所述结构化特征包括以下至少之一：品牌特征、品类特征、叶子类目特征、款式特征、属性特征。

在一些实例中，生成与所述结构化特征和/或非结构化特征相对应的交互信息可以包括：检测所述结构化特征和/或非结构化特征是否满足预设条件；在所述结构化特征和/或非结构化特征满足预设条件时，则生成与所述结构化特征和/或非结构化特征相对应的交互信息。

在一些实例中，检测所述结构化特征和/或非结构化特征是否满足预设条件可以包括：获取与所述结构化特征和/或非结构化特征相对应的描述准确率；在所述描述准确率小于预设阈值时，则确定所述结构化特征和/或非结构化特征满足所述预设条件；或者，在所述描述准确率大于或等于预设阈值时，则确定所述结构化特征和/或非结构化特征不满足所述预设条件。

在一些实例中，在确定所述结构化特征和/或非结构化特征不满足所述预设条件之后，本实施例中的方法还可以包括：对所述待发布数据进行发布。

在一些实例中，所述交互信息以问答形式进行交互。

在一些实例中，所述问答形式包括以下至少之一：填空式问答或选项式问答。

在一些实例中，生成与所述结构化特征和/或非结构化特征相对应的交互信息可以包括：获取与所述待发布数据相对应的特征选项；基于所述特征选项，生成选项式问答的交互信息。

在一些实例中，获取与所述待发布数据相对应的特征选项可以包括：获取与所述待发布数据相对应的至少一个特征标签，所述至少一个特征标签与所述待发布数据的匹配度大于或等于预设匹配度阈值；确定所述至少一个特征标签与待发布数据之间的匹配度排序信息；基于所述匹配度排序信息，在所述至少一个特征标签中确定与所述待发布数据相对应的特征选项。

在一些实例中，基于所述特征选项，生成选项式问答的交互信息可以包括：利用机器学习模型对所述特征选项进行分析处理，获得选项式问答的交互信息，其中，所述机器学习模型被训练为用于基于特征选项生成选项式问答的交互信息。

在一些实例中，在生成与所述结构化特征和/或非结构化特征相对应的交互信息之后，本实施例中的方法还可以包括：将所述交互信息推送给客户端，以通过所述客户端实现对所述交互信息的交互操作。

在一些实例中，根据所述交互信息生成与所述待发布数据相对应的目标数据可以包括：获取与所述交互信息相对应的交互响应结果；基于所述交互响应结果，生成与所述待发布数据相对应的目标数据。

在一些实例中，在生成与所述待发布数据相对应的目标数据之后，本实施例中的方法还可以包括：对所述目标数据进行发布。

在一些实例中，在获取与所述交互信息相对应的交互响应结果之后，本实施例中的方法还可以包括：基于所述交互响应结果对用于生成所述交互信息的机器学习模型进行更新。

在一些实例中，在生成与所述待发布数据相对应的目标数据之后，本实施例中的方法还可以包括：统计与所述目标数据相对应的数据曝光率；将所述数据曝光率发送至客户端。

在一些实例中，在生成与所述待发布数据相对应的目标数据之后，本实施例中的方法还可以包括：获取与所述待发布数据相对应的曝光权重；基于所述交互响应结果提高所述曝光权重，以提高与所述待发布数据相对应的数据曝光率。

在一些实例中，获取待发布数据可以包括：获取原始数据；确定所述原始数据的数据质量；基于所述数据质量对所述原始数据进行处理，获得所述待发布数据。

在一些实例中，基于所述数据质量对所述原始数据进行处理，获得所述待发布数据可以包括：在所述数据质量小于预设质量阈值时，则对所述原始数据进行优化处理，获得所述待发布数据；或者，在所述数据质量大于或等于预设质量阈值时，则将所述原始数据确定为所述待发布数据。

本实施例中上述方法的具体执行过程和技术效果与上述图1-图10所示实施例中的数据处理方法的具体执行过程和技术效果相类似，具体可参考上述陈述内容，在此不再赘述。

具体应用时，参考附图12所示，本应用实施例提供了一种数据处理方法，该数据处理方法的执行主体可以包括客户端和数据处理装置，客户端与数据处理装置通信连接，上述的客户端与数据处理装置可以实现数据处理方法，具体的，该数据处理方法可以生成问答题形式的交互信息，并将交互信息主动推送至客户端，以通过交互信息来引导用户通过客户端进行答题操作，从而实现了对待发布数据进行编辑操作。在上述交互操作过程中，用户可以在交互信息的引导操作下对待发布数据进行了针对曝光率提升进行了有效的编辑操作，同时实现了与用户进行了充分的交互操作。此外，为了能够提高用户进行交互操作的积极性，可以将曝光率的提升结果以奖励的形式反馈给客户端，以使得用户可以通过客户端获取到进行编辑操作之后的数据的曝光率，从而有效地实现了提升用户参与编辑交互的意愿和心智，增加了数据回流，有助于促进识别算法模型的更新迭代。

下面，以商品信息作为待发布数据为例进行说明，该数据处理方法可以包括以下步骤：

步骤1：客户端将待发布的商品信息发送至数据处理装置。

步骤2：数据处理装置接收客户端待发布的商品信息，并对商品信息进行特征提取操作，获得与商品信息相对应的结构化特征和/或非结构化特征。

其中，待发布的商品信息可以包括图像信息和文本等丰富类型的信息，在获取到商品信息之后，可以通过特征提取算法(可以为预先配置的第一机器学习模型)对商品信息进行分析识别，获得与商品信息相对应的结构化特征和/或非结构化特征。具体的，结构化特征和/或非结构化特征可以包括：品牌特征、品类特征、叶子类目特征、款式特征(SPU)、属性特征、价格特征等等，从而可以实现了自动地解析出与商品信息相对应的结构化信息，有效地简化了商品信息的编辑过程。

步骤3：利用预先训练好的第二机器学习模型获得结构化特征和/或非结构化特征相对应的描述准确率。

步骤4：在结构化特征和/或非结构化特征的描述准确率小于预设阈值时，则可以确定结构化特征和/或非结构化特征满足预设条件。在结构化特征和/或非结构化特征的描述准确率大于或等于预设阈值时，则可以确定结构化特征和/或非结构化特征不满足预设条件。

步骤5：在结构化特征和/或非结构化特征满足预设条件时，则生成与结构化特征和/或非结构化特征相对应的交互信息。

具体的，可以利用预设的第三机器学习模型或者机器学习算法对结构化特征和/或非结构化特征进行分析处理，获得与结构化特征和/或非结构化特征相对应的交互信息。

步骤6：将交互信息发送至客户端，以通过客户端实现交互操作。

其中，所生成的交互信息可以是选项式问答题的形式进行表达，在获取到交互信息之后，可以利用主动推送机制将交互信息发送至客户端，以使得用户可以通过客户端进行数据交互操作。

步骤7：通过客户端显示交互信息，并获取用户针对交互信息所输入的执行操作，从而可以生成交互响应结果，并将交互响应结果发送至数据处理装置。

步骤8：数据处理装置基于所接收到的交互响应结果，生成与待发布数据相对应的目标数据，并对目标数据进行发布。

步骤9：将目标数据存储在商品数据库中，以使得用户可以通过电商平台上的搜索引擎进行商品搜索操作，实现对目标数据所对应的商品信息进行曝光。

具体的，位于商品数据库中的商品信息可以通过倒排索引算法进行存储，并且，在用户通过电商平台上的搜索引擎进行商品搜索操作时，还可以对商品信息进行召回操作以及对召回结果进行排序操作，以获取到与用户输入的待检索请求相对应的商品信息。

步骤10：在获取到交互响应结果之后，可以利用交互响应结果对用于生成交互信息的第三机器学习模型进行模型更新操作，以提高交互信息的生成质量和效率。

步骤11：在获取到交互响应结果之后，可以获取与交互响应结果相对应的商品信息曝光率，并将商品信息曝光率发送至客户端，以使用户可以通过客户端及时获知到商品信息的曝光信息，有助于提升商品信息的编辑效益，提升用户体验。

本应用实施例提供的数据处理方法，可以有效地实现在对商品信息进行编辑的过程中，能够完整地识别出商品信息的品牌、SPU、类目、属性、品类、价格等结构化特征和/或非结构化特征；此外，还可以基于商品信息的结构化特征和/或非结构化特征与用户进行交互操作，具体的，可以生成问答题形式的交互信息，并将交互信息发送至客户端，用户通过客户端完成答题即完成了商品的编辑过程，从而有效地实现了引导用户进行商品信息的编辑操作，避免了用户不知道对哪些商品信息进行编辑操作，有效地提升了商品信息的编辑效率。另外，在获取到商品信息的编辑结果之后，可以将商品信息的编辑结果(交互响应结果)对商品信息的曝光率的提升影响程度以奖励的形式反馈给客户端，以使得用户可以通过客户端直观地了解到商品新的曝光率，形成正向激励，从而提升了用户进行数据交互操作的意愿，使回流数据增加，并且有助于提升识别算法模型的性能参数，进一步提高了数据处理的质量和效率。

图13为本发明实施例提供的一种数据处理装置的结构示意图；参考附图13所示，本实施例提供了一种数据处理装置，该数据处理装置可以执行上述图1所示的数据处理方法。该数据处理装置可以包括：第一获取模块11、第一确定模块12、第一生成模块13和第一处理模块14，具体的，

第一获取模块11,用于获取待发布数据；

第一确定模块12,用于确定与待发布数据相对应的结构化特征和/或非结构化特征；

第一生成模块13,用于生成与结构化特征和/或非结构化特征相对应的交互信息；

第一处理模块14,用于根据交互信息生成与待发布数据相对应的目标数据。

在一些实例中，待发布数据包括待发布的商品数据,结构化特征包括以下至少之一：品牌特征、品类特征、叶子类目特征、款式特征、属性特征。

在一些实例中，在生成与结构化特征和/或非结构化特征相对应的交互信息时，第一生成模块13可以用于执行：检测所述结构化特征和/或非结构化特征是否满足预设条件；在所述结构化特征和/或非结构化特征满足预设条件时，则生成与所述结构化特征和/或非结构化特征相对应的交互信息。

在一些实例中，在检测所述结构化特征和/或非结构化特征是否满足预设条件时，本实施例中的第一生成模块13还可以用于执行以下步骤：获取与结构化特征和/或非结构化特征相对应的描述准确率；在描述准确率小于预设阈值时，则确定结构化特征和/或非结构化特征满足预设条件；或者，描述准确率大于或等于预设阈值时，则确定结构化特征和/或非结构化特征不满足预设条件。

在一些实例中，在确定结构化特征和/或非结构化特征不满足预设条件之后，本实施例中的第一处理模块14可以用于：对待发布数据进行发布。

在一些实例中，交互信息以问答形式进行交互。

在一些实例中，问答形式包括以下至少之一：填空式问答或选项式问答。

在一些实例中，在生成与结构化特征和/或非结构化特征相对应的交互信息时，该第一生成模块13可以用于执行：获取与待发布数据相对应的特征选项；基于特征选项，生成选项式问答的交互信息。

在一些实例中，在获取与待发布数据相对应的特征选项时，该第一生成模块13可以用于执行：获取与待发布数据相对应的至少一个特征标签，至少一个特征标签与待发布数据的匹配度大于或等于预设匹配度阈值；确定至少一个特征标签与待发布数据之间的匹配度排序信息；基于匹配度排序信息，在至少一个特征标签中确定与待发布数据相对应的特征选项。

在一些实例中，在基于特征选项，生成选项式问答的交互信息时，该第一生成模块13可以用于执行：利用机器学习模型对特征选项进行分析处理，获得选项式问答的交互信息，其中，机器学习模型被训练为用于基于特征选项生成选项式问答的交互信息。

在一些实例中，在生成与结构化特征和/或非结构化特征相对应的交互信息之后，本实施例中的第一处理模块14还可以用于执行：将交互信息推送给客户端，以通过客户端实现对交互信息的交互操作。

在一些实例中，在根据交互信息生成与待发布数据相对应的目标数据时，第一处理模块14可以用于执行：获取与交互信息相对应的交互响应结果；基于交互响应结果，生成与待发布数据相对应的目标数据。

在一些实例中，在生成与所述待发布数据相对应的目标数据之后，本实施例中的第一处理模块14可以用于执行：对所述目标数据进行发布。

在一些实例中，在获取与交互信息相对应的交互响应结果之后，本实施例中的第一处理模块14还可以用于执行：基于交互响应结果对用于生成交互信息的机器学习模型进行更新。

在一些实例中，在生成与待发布数据相对应的目标数据之后，本实施例中的第一处理模块14还可以用于执行：统计与目标数据相对应的数据曝光率；将数据曝光率发送至客户端。

在一些实例中，在生成与待发布数据相对应的目标数据之后，本实施例中的第一获取模块11和第一处理模块14还可以用于执行以下步骤：

第一获取模块11，用于获取与待发布数据相对应的曝光权重；

第一处理模块14，用于基于交互响应结果提高曝光权重，以提高与待发布数据相对应的数据曝光率。

在一些实例中，在获取待发布数据时，第一获取模块11可以用于执行：获取原始数据；确定原始数据的数据质量；基于数据质量对原始数据进行处理，获得待发布数据。

在一些实例中，在基于数据质量对原始数据进行处理，获得待发布数据时，第一获取模块11可以用于执行：在数据质量小于预设质量阈值时，则对原始数据进行优化处理，获得待发布数据；或者，在数据质量大于或等于预设质量阈值时，则将原始数据确定为待发布数据。

图13所示装置可以执行图1-图10所示实施例的方法，本实施例未详细描述的部分，可参考对图1-图10所示实施例的相关说明。该技术方案的执行过程和技术效果参见图1-图10所示实施例中的描述，在此不再赘述。

在一个可能的设计中，图13所示数据处理装置的结构可实现为一电子设备，该电子设备可以是手机、平板电脑、服务器等各种设备。如图14所示，该电子设备可以包括：第一处理器21和第一存储器22。其中，第一存储器22用于存储相对应电子设备执行上述图1-图10所示实施例中提供的数据处理方法的程序，第一处理器21被配置为用于执行第一存储器22中存储的程序。

程序包括一条或多条计算机指令，其中，一条或多条计算机指令被第一处理器21执行时能够实现如下步骤：

获取待发布数据；

确定与待发布数据相对应的结构化特征和/或非结构化特征；

生成与结构化特征和/或非结构化特征相对应的交互信息；

根据交互信息生成与待发布数据相对应的目标数据。

进一步的，第一处理器21还用于执行前述图1-图10所示实施例中的全部或部分步骤。

其中，电子设备的结构中还可以包括第一通信接口23，用于电子设备与其他设备或通信网络通信。

另外，本发明实施例提供了一种计算机存储介质，用于储存电子设备所用的计算机软件指令，其包含用于执行上述图1-图10所示方法实施例中数据处理方法所涉及的程序。

图15为本发明实施例提供的又一种数据处理装置的结构示意图；参考附图15所示，本实施例提供了又一种数据处理装置，该数据处理装置可以执行上述图11所示的又一种数据处理方法。该数据处理装置可以包括：第二获取模块31、第二确定模块32和第二处理模块33，具体的，

第二获取模块31,用于获取待发布数据。

第二确定模块32,用于确定与所述待发布数据相对应的结构化特征和/或非结构化特征。

第二处理模块33,用于根据所述结构化特征和/或非结构化特征，生成与所述待发布数据相对应的目标数据。

在一些实例中，在根据所述结构化特征和/或非结构化特征，生成与所述待发布数据相对应的目标数据时，该第二处理模块33可以执行以下步骤：生成与所述结构化特征和/或非结构化特征相对应的交互信息；根据所述交互信息生成与所述待发布数据相对应的目标数据。

在一些实例中，所述待发布数据包括待发布的商品数据,所述结构化特征包括以下至少之一：品牌特征、品类特征、叶子类目特征、款式特征、属性特征。

在一些实例中，在生成与所述结构化特征和/或非结构化特征相对应的交互信息时，第二处理模块33可以用于执行：检测所述结构化特征和/或非结构化特征是否满足预设条件；在所述结构化特征和/或非结构化特征满足预设条件时，则生成与所述结构化特征和/或非结构化特征相对应的交互信息。

在一些实例中，在检测所述结构化特征和/或非结构化特征是否满足预设条件时，第二处理模块33可以用于执行：获取与所述结构化特征和/或非结构化特征相对应的描述准确率；在所述描述准确率小于预设阈值时，则确定所述结构化特征和/或非结构化特征满足所述预设条件；或者，在所述描述准确率大于或等于预设阈值时，则确定所述结构化特征和/或非结构化特征不满足所述预设条件。

在一些实例中，在确定所述结构化特征和/或非结构化特征不满足所述预设条件之后，本实施例中的第二处理模块33还可以用于执行：对所述待发布数据进行发布。

在一些实例中，所述交互信息以问答形式进行交互。

在一些实例中，所述问答形式包括以下至少之一：填空式问答或选项式问答。

在一些实例中，在生成与所述结构化特征和/或非结构化特征相对应的交互信息时，第二处理模块33可以用于执行：获取与所述待发布数据相对应的特征选项；基于所述特征选项，生成选项式问答的交互信息。

在一些实例中，在获取与所述待发布数据相对应的特征选项时，第二处理模块33可以用于执行：获取与所述待发布数据相对应的至少一个特征标签，所述至少一个特征标签与所述待发布数据的匹配度大于或等于预设匹配度阈值；确定所述至少一个特征标签与待发布数据之间的匹配度排序信息；基于所述匹配度排序信息，在所述至少一个特征标签中确定与所述待发布数据相对应的特征选项。

在一些实例中，在基于所述特征选项，生成选项式问答的交互信息时，第二处理模块33可以用于执行：利用机器学习模型对所述特征选项进行分析处理，获得选项式问答的交互信息，其中，所述机器学习模型被训练为用于基于特征选项生成选项式问答的交互信息。

在一些实例中，在生成与所述结构化特征和/或非结构化特征相对应的交互信息之后，本实施例中的第二处理模块33可以用于执行：将所述交互信息推送给客户端，以通过所述客户端实现对所述交互信息的交互操作。

在一些实例中，在根据所述交互信息生成与所述待发布数据相对应的目标数据时，本实施例中的第二处理模块33可以用于执行：获取与所述交互信息相对应的交互响应结果；基于所述交互响应结果，生成与所述待发布数据相对应的目标数据。

在一些实例中，在生成与所述待发布数据相对应的目标数据之后，本实施例中的第二处理模块33可以用于执行：对所述目标数据进行发布。

在一些实例中，在获取与所述交互信息相对应的交互响应结果之后，本实施例中的第二处理模块33可以用于执行：基于所述交互响应结果对用于生成所述交互信息的机器学习模型进行更新。

在一些实例中，在生成与所述待发布数据相对应的目标数据之后，本实施例中的第二处理模块33可以用于执行：统计与所述目标数据相对应的数据曝光率；将所述数据曝光率发送至客户端。

在一些实例中，在生成与所述待发布数据相对应的目标数据之后，本实施例中的第二获取模块31和第二处理模块33可以用于执行以下步骤：

第二获取模块31，用于获取与所述待发布数据相对应的曝光权重；

第二处理模块33，用于基于所述交互响应结果提高所述曝光权重，以提高与所述待发布数据相对应的数据曝光率。

在一些实例中，在获取待发布数据时，第二获取模块31可以用于执行：获取原始数据；确定所述原始数据的数据质量；基于所述数据质量对所述原始数据进行处理，获得所述待发布数据。

在一些实例中，在基于所述数据质量对所述原始数据进行处理，获得所述待发布数据时，第二获取模块31可以用于执行：在所述数据质量小于预设质量阈值时，则对所述原始数据进行优化处理，获得所述待发布数据；或者，在所述数据质量大于或等于预设质量阈值时，则将所述原始数据确定为所述待发布数据。

图15所示装置可以执行图11所示实施例的方法，本实施例未详细描述的部分，可参考对图11所示实施例的相关说明。该技术方案的执行过程和技术效果参见图11所示实施例中的描述，在此不再赘述。

在一个可能的设计中，图15所示数据处理装置的结构可实现为一电子设备，该电子设备可以是手机、平板电脑、服务器等各种设备。如图16所示，该电子设备可以包括：第二处理器41和第二存储器42。其中，第二存储器42用于存储相对应电子设备执行上述图11所示实施例中提供的数据处理方法的程序，第二处理器41被配置为用于执行存储器22中存储的程序。

程序包括一条或多条计算机指令，其中，一条或多条计算机指令被第二处理器41执行时能够实现如下步骤：

获取待发布数据；

确定与所述待发布数据相对应的结构化特征和/或非结构化特征；

根据所述结构化特征和/或非结构化特征，生成与所述待发布数据相对应的目标数据。

进一步的，第二处理器41还用于执行前述图11所示实施例中的全部或部分步骤。

其中，电子设备的结构中还可以包括第二通信接口43，用于电子设备与其他设备或通信网络通信。

另外，本发明实施例提供了一种计算机存储介质，用于储存电子设备所用的计算机软件指令，其包含用于执行上述图11所示方法实施例中数据处理方法所涉及的程序。

以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助加必需的通用硬件平台的方式来实现，当然也可以通过硬件和软件结合的方式来实现。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以计算机产品的形式体现出来，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程设备的处理器以产生一个机器，使得通过计算机或其他可编程设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。

内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。

计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。