(19)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 202111665473.X (22)申请日 2021.12.3 0 (71)申请人 北京达佳互联信息技 术有限公司 地址 100085 北京市海淀区上地西路6号1 幢1层101D1-7 (72)发明人 吴曙楠　王方舟　 (74)专利代理 机构 北京润泽恒知识产权代理有 限公司 1 1319 专利代理师 李娜 (51)Int.Cl. G06K 9/62(2022.01) (54)发明名称 一种数据采样方法、 装置、 电子设备及存储 介质 (57)摘要 本公开关于一种数据采样方法、 装置、 电子 设备及存储介质， 包括： 获取原始数据， 其中， 每 个原始数据包括一个指标值及至少一个特征值， 原始数据分为正样本及负样本， 正样本的指标值 大于预设阈值， 负样本的指标值不大于预设阈 值； 根据负样本的指标值， 将负样本分为多个群 组； 计算每个群组中负样本的特征值与正样本的 特征值之间的差异值； 根据差异值， 将群组分为 困难群组及非困难群组； 对非困难群组进行分层 采样， 得到非困难样本， 并将正样本、 困难群组 中 的负样本及非困难样本作为原始数据的采样结 果。 这样， 在采样过程中， 不需要对全数量的原始 数据进行处理， 因此需要消耗的计算资源较少， 耗时较少。 权利要求书2页 说明书12页 附图3页 CN 114444576 A 2022.05.06 CN 114444576 A 1.一种数据采样方法， 其特 征在于， 包括： 获取原始数据， 其中， 每个原始数据包括一个指标值及至少一个特征值， 所述原始数据 分为正样本及负样本， 所述正样本的指标值大于预设阈值， 所述负样本的指标值不大于所 述预设阈值； 根据所述负 样本的指标值， 将所述负 样本分为多个 群组； 计算每个群组中负 样本的特 征值与所述 正样本的特 征值之间的差异值； 根据所述差异值， 将所述群组分为困难群组及非困难群组； 对所述非困难群组进行分层采样， 得到非困难样本， 并将所述正样本、 所述困难群组中 的负样本及所述非困难样本作为所述原 始数据的采样结果。 2.根据权利要求1所述的数据采样方法， 其特征在于， 所述根据所述负样本的指标值， 将所述负 样本分为多个 群组， 包括： 根据所述负 样本的指标值及预设 分组规则， 将所述负 样本分为多个 群组； 或， 根据所述负样本的指标值， 对所述负样本进行等值分段， 将所述负样本分为预设数量 个群组。 3.根据权利要求1所述的数据采样方法， 其特征在于， 所述计算每个群组中负样本的特 征值与所述 正样本的特 征值之间的差异值， 包括： 计算所述任一群组中各个负 样本的任一特 征值的第一统计参数； 计算所述 正样本的所述任一特 征值的第二统计参数； 计算所述第 一统计参数与 所述第二统计参数之间的欧氏距离， 得到所述任一群组的所 述任一特 征值与所述 正样本的所述任一特 征值之间的目标差异值； 对所述目标差异值求均值， 并对均值结果进行归一化， 得到所述任一群组中负样本的 特征值与所述 正样本的特 征值之间的差异值。 4.根据权利要求3所述的数据采样方法， 其特征在于， 所述第 一统计参数及所述第 二统 计参数包括以下任意 一项或多 项： 均值、 方差、 25分位数、 5 0分位数以及75分位数。 5.根据权利要求3所述的数据采样方法， 其特征在于， 所述对所述目标差异值求均值， 并对均值结果进 行归一化， 得到所述任一群组中负样本的特征值与所述正样本的特征值之 间的差异值， 包括： 根据每个特征值的预设权重， 对所述目标差异值进行加权求均值， 并对均值结果进行 归一化， 得到所述任一群组中负 样本的特 征值与所述 正样本的特 征值之间的差异值。 6.根据权利要求1所述的数据采样方法， 其特征在于， 所述根据所述差异值， 将所述群 组分为困难群组及非困难群组， 包括： 根据所述差异值由大到小的顺序， 对所述群组进行排序， 并基于排序结果绘制所述群 组的二阶差分曲线； 将所述二阶差分曲线的倒序第一个峰值 点对应的群组的差异值作为筛 选阈值； 将所述差异值小于所述筛选 阈值的群组作为困难群组， 将所述差异值不小于所述筛选 阈值的群组作为非困难群组。 7.一种数据采样装置， 其特 征在于， 包括： 获取单元， 被配置为执行获取原始数据， 其中， 每个原始数据包括一个指标值及至少一权　利　要　求　书 1/2 页 2 CN 114444576 A 2个特征值， 所述原始数据分为正样本及负样本， 所述正样 本的指标值大于预设阈值， 所述负 样本的指标值 不大于所述预设阈值； 分组单元， 被配置为执 行根据所述负 样本的指标值， 将所述负 样本分为多个 群组； 计算单元， 被配置为执行计算每个群组中负样本的特征值与 所述正样本的特征值之间 的差异值； 筛选单元， 被配置为执 行根据所述差异值， 将所述群组分为困难群组及非困难群组； 采样单元， 被配置为执行对所述非困难群组进行分层采样， 得到非困难样本， 并将所述 正样本、 所述困难群组中的负 样本及所述非困难样本作为所述原 始数据的采样结果。 8.一种电子设备， 其特 征在于， 包括： 处理器； 用于存储所述处 理器可执行指令的存 储器； 其中， 所述处理器被配置为执行所述指令， 以实现如权利要求1至6中任一项所述的数 据采样方法。 9.一种计算机可读存储介质， 其特征在于， 当所述计算机可读存储介质中的指令由数 据采样电子 设备的处理器执行时， 使得数据采样电子 设备能够执行如权利要求 1至6中任一 项所述的数据采样方法。 10.一种计算机程序产品， 包括计算机程序， 其特征在于， 所述计算机程序被处理器执 行时实现权利要求1 ‑6任一项所述的数据采样方法。权　利　要　求　书 2/2 页 3 CN 114444576 A 3