(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111394304.7 (22)申请日 2021.11.23 (71)申请人 北京百度网讯科技有限公司 地址 100085 北京市海淀区上地十街10号 百度大厦2层 (72)发明人 秦铎浩　 (74)专利代理 机构 北京柏杉松知识产权代理事 务所(普通 合伙) 11413 代理人 马敬　丁芸 (51)Int.Cl. G06F 16/23(2019.01) G06F 16/27(2019.01) G06N 20/00(2019.01) (54)发明名称 一种数据筛选方法、 装置、 设备以及存储介 质 (57)摘要 本公开提供了一种数据筛选方法、 装置、 设 备以及存储介质， 涉及计算机技术领域， 尤其涉 及人工智能、 大数据、 深度学习、 数据回流技术领 域。 具体实现方案为： 获取业务数据； 基于业务数 据对模型的影 响程度对业务数据进行筛选， 得到 用于对模型进行更新的数据； 其中， 影响程度反 映对模型更新性能的影 响大小。 针对业务数据进 行筛选， 避免针对所有业务数据进行重训以实现 对模型的更新， 能够减少用于模型更新的数据 量。 权利要求书3页 说明书10页 附图2页 CN 114090601 A 2022.02.25 CN 114090601 A 1.一种数据筛 选方法， 包括： 获取业务数据； 基于所述业务数据对模型的影响程度对所述业务数据进行筛选， 得到用于对所述模型 进行更新的数据； 其中， 所述影响程度反映对所述模型 更新性能的影响大小。 2.根据权利要求1所述的方法， 其中， 所述基于所述业务数据对模型的影响程度对所述 业务数据进行筛 选， 得到用于对所述模型进行 更新的数据， 包括： 响应于所述业务数据含有业务标签， 基于所述业务标签以及所述业务数据对应的预测 数据对所述业务数据进行筛选， 得到用于对所述模型进行更新的数据； 所述预测数据是利 用所述模型针对所述 业务数据得到的数据； 响应于所述业务数据 未含有业务标签， 基于所述业务数据对应的信 息增益对所述业务 数据进行筛选， 得到用于对所述模型进行更新的数据， 所述信息增益与所述影响程度成正 比。 3.根据权利要求2所述的方法， 其中， 所述基于所述业务标签以及所述业务数据对应的 预测数据对所述 业务数据进行筛 选， 得到用于对所述模型进行 更新的数据， 包括： 将所述业务标签与所述预测数据进行比对； 响应于所述业务标签与所述预测数据的差异不小于预设差异值， 将所述业务数据作为 用于对所述模型进行 更新的数据。 4.根据权利要求2所述的方法， 其中， 所述基于所述业务数据对应的信 息增益对所述业 务数据进行筛 选， 得到用于对所述模型进行 更新的数据， 包括： 计算所述 业务数据对应的信息增益； 响应于所述信息增益 不小于预设增益 值， 将所述 业务数据作为待标注数据； 对所述待标注数据进行 标注， 得到用于对所述模型进行 更新的数据。 5.根据权利要求 4所述的方法， 其中， 所述计算所述 业务数据对应的信息增益， 包括： 通过如下信息增益 函数计算所述 业务数据对应的信息增益； 其中， Dtrain表示待更新的所述模型， X表示业务数据， 表示X对应的预测数据， ω表示 模型参数， ω|X,Dtrain表示给定X和Dtrain时所对应的ω， 表示ω|X,Dtrain 条件下 的信息增益， 表示给定 X和Dtrain时所对应的 表示 给定X和Dtrain时针对 的熵， p(ω|Dtrain)表示给定Dtrain的基础上ω的概率， 表 示给定X和ω的基础上针对 的熵， 表示p(ω|Dtrain)条件下 的期望值。 6.根据权利要求1至 5任一项所述的方法， 还 包括： 通过增量保存的方式保存所述用于对所述模型进行 更新的数据； 或者， 通过全量保存的方式保存所述用于对所述模型进行 更新的数据。 7.一种数据筛 选装置， 包括：权　利　要　求　书 1/3 页 2 CN 114090601 A 2获取模块， 用于获取业 务数据； 筛选模块， 用于基于所述业务数据对模型的影响程度对所述业务数据进行筛选， 得到 用于对所述模型进行更新的数据； 其中， 所述影响程度反映对所述模型更新性能的影响大 小。 8.根据权利要求7所述的装置， 其中， 所述筛选模块， 还用于： 响应于所述业务数据含有 业务标签， 基于所述业务标签 以及所述业务数据对应的预测数据对所述业务数据进行筛 选， 得到用于对所述模型进行更新的数据； 所述预测数据是利用所述模型针对所述业务数 据得到的数据； 响应于所述业务数据未含有业务标签， 基于所述业务数据对应的信息增益 对所述业务数据进行筛选， 得到用于对所述模型进行更新的数据， 所述信息增益与所述影 响程度成正比。 9.根据权利要求8所述的装置， 其中， 所述筛选模块， 还用于： 将所述业务标签与所述预 测数据进行比对； 响应于所述业务标签与所述预测数据的差异不小于预设差异值， 将所述 业务数据作为用于对所述模型进行 更新的数据。 10.根据权利要求8所述的装置， 其中， 所述筛选模块， 还用于： 计算所述业务数据对应 的信息增益； 响应于所述信息增益不小于预设增益值， 将所述业务数据作为待标注数据； 对 所述待标注数据进行 标注， 得到用于对所述模型进行 更新的数据。 11.根据权利要求10所述的装置， 其中， 所述筛选模块， 还用于： 通过如下信息增益函数 计算所述 业务数据对应的信息增益； 其中， Dtrain表示待更新的所述模型， X表示业务数据， 表示X对应的预测数据， ω表示 模型参数， ω|X,Dtrain表示给定X和Dtrain时所对应的ω， 表示ω|X,Dtrain 条件下 的信息增益， 表示给定X和Dtrain时所对应的 表示 给定X和Dtrain时针对 的熵， p(ω|Dtrain)表示给定Dtrain的基础上ω的概率， 表 示给定X和ω的基础上针对 的熵， 表示p(ω|Dtrain)条件下 的期望值。 12.根据权利要求7至1 1任一项所述的装置， 还 包括： 保存模块， 用于通过增量保存的方式保存所述用于对所述模型进行更新的数据； 或者， 通过全量保存的方式保存所述用于对所述模型进行 更新的数据。 13.一种电子设备， 包括： 至少一个处 理器； 以及 与所述至少一个处 理器通信连接的存 储器； 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， 所述指令被所述至少一个处 理器执行， 以使所述至少一个处 理器能够执 行权利要求1 ‑6中任一项所述的方法。 14.一种存储有计算机指令的非瞬时计算机可读存储介质， 其中， 所述计算机指令用于 使所述计算机执 行根据权利要求1 ‑6中任一项所述的方法。 15.一种计算机程序产品， 包括计算机程序， 所述计算机程序在被处理器执行时实现根权　利　要　求　书 2/3 页 3 CN 114090601 A 3