CN116048765A - 任务处理方法、样本数据处理方法及电子设备 - Google Patents

Abstract

本申请实施例提供了一种任务处理方法、样本数据处理方法及电子设备，该方法包括：确定与待执行任务匹配的事件内容项的索引标识，在记录事件序列中筛选由索引标识指示的候选事件内容，以作为与待执行任务匹配的目标事件内容，以及基于目标事件内容执行待执行任务，可以有效减少任务处理时的数据存储消耗，有效降低数据的处理资源开销。

Description

任务处理方法、样本数据处理方法及电子设备

技术领域

本申请实施例涉及终端设备领域，尤其涉及一种任务处理方法、样本数据处理方法及电子设备。

背景技术

随着计算能力和硬件能力的提升，电子设备支持越来越多特性的模型训练和内容预测任务，相应的，电子设备能够支持的业务场景也越来越多样化。

目前，电子设备在进行多特性业务开展时，存在数据存储资源消耗大、数据冗余程度高的现象。

发明内容

为了解决上述技术问题，本申请提供一种任务处理方法、样本数据处理方法及电子设备。该方法中，电子设备在进行任务处理或者模型训练时，通过对数据采用分级索引存储的方式，可以有效缓解数据存储资源消耗大、数据冗余程度高的问题。

第一方面，本申请实施例提供一种任务处理方法。该方法包括：根据待执行任务的第一任务类型，确定与第一任务类型匹配的事件内容项；根据事件内容项的内容项标识，确定针对事件内容项的索引标识；在记录事件序列中筛选由索引标识指示的候选事件内容，以作为与待执行任务匹配的目标事件内容；基于目标事件内容进行任务执行，得到任务执行结果。能够有效减小目标事件内容的存储资源消耗，有利于降低任务执行过程中的数据冗余程度。

根据第一方面，根据待执行任务的第一任务类型，确定与第一任务类型匹配的事件内容项，包括：确定与第一任务类型匹配的基于目标时刻的前序事件内容项，以作为与第一任务类型匹配的事件内容项，其中，前序事件内容项所对应的事件发生时刻早于目标时刻。可以将与前序事件内容项对应的候选事件内容，作为与待执行任务匹配的目标事件内容。

根据第一方面，或者以上第一方面的任意一种实现方式，根据事件内容项的内容项标识，确定针对事件内容项的索引标识，包括：根据内容项标识，确定针对目标事件内容的搜索筛选条件；在记录事件序列中，将满足搜索筛选条件的索引标识，作为针对事件内容项的索引标识。通过索引方式存储与待执行任务匹配的目标事件内容，可以有效减少目标事件内容的存储资源消耗，有利于提升任务执行过程中的数据处理效率，可以有效改善基于业务扩展场景和数据累积较多场景下的适用性。

根据第一方面，或者以上第一方面的任意一种实现方式，记录事件序列中存储有多个候选事件内容，多个候选事件内容之间具有时序关联关系，候选事件内容为基于终端中的触发事件采集得到。记录事件序列中的各候选事件内容具有对应的索引标识，索引标识指示对应候选事件内容的生成时刻。

根据第一方面，或者以上第一方面的任意一种实现方式，记录事件序列是基于以下操作得到的：响应于检测到针对数据输出项的触发事件，获取基于触发事件生成的候选事件内容；根据由候选事件内容的生成时刻指示的索引标识，存储候选事件内容，以得到记录事件序列。通过记录事件序列的形式，集中存储基于触发事件生成的候选事件内容，可以有效解决数据冗余程度高、数据存储消耗大的缺陷，可以有效减少在数据写入、外存、克隆、老化等场景中产生的资源开销。

根据第一方面，或者以上第一方面的任意一种实现方式，基于目标事件内容进行任务执行，得到任务执行结果，包括：将目标事件内容和基于目标时刻的当前事件内容作为待执行任务的状态输入数据；基于状态输入数据进行任务执行，得到任务执行结果。在目标事件内容的数量不止一个的情况下，多个目标事件内容构成前序事件序列，将前序事件序列和当前事件内容作为待执行任务的状态输入数据。目标事件内容所对应的事件发生时刻早于目标时刻，当前事件内容所对应的事件发生时刻为目标时刻，目标时刻例如可以是任务执行时的当前时刻。

根据第一方面，或者以上第一方面的任意一种实现方式，待执行任务包括内容预测任务、信息推送任务和对象推荐任务中的至少之一。

第二方面，本申请实施例提供一种样本数据的处理方法。该方法包括：根据待训练任务的第二任务类型，确定与第二任务类型匹配的样本事件内容项；基于预设的记录事件序列，确定针对样本事件内容项的索引标识；根据与样本事件内容项关联的索引标识和样本标签，生成针对待训练任务的训练样本数据。通过将采集到的候选事件内容与用于模型训练的训练样本数据进行分级索引存储，可以有效减少训练样本数据的存储资源消耗，和有效降低训练样本数据的数据冗余程度，能够很好地适用于业务扩展场景和数据累积较多场景下的多特性模型训练。

根据第二方面，记录事件序列是基于以下操作得到的：响应于检测到针对样本输出项的触发事件，获取基于触发事件生成的候选事件内容；根据由候选事件内容的生成时刻所指示的索引标识，存储候选事件内容，以得到记录事件序列。可以通过物理层存储记录事件序列，通过逻辑层存储针对待训练任务的训练样本数据，逻辑层可以屏蔽底层复杂的数据存储结构。

根据第二方面，或者以上第二方面的任意一种实现方式，响应于检测到针对样本输出项的触发事件，获取基于触发事件生成的候选事件内容，包括：响应于检测到针对样本输出项的标注事件和/或超时事件，获取基于标注事件和/或超时事件生成的候选事件内容。超时事件包括满足预设超时触发条件的指定事件，超时触发条件用于确定超时事件是否被触发，超时触发条件例如可以包括超时时间阈值。

根据第二方面，或者以上第二方面的任意一种实现方式，根据与样本事件内容项关联的索引标识和样本标签，生成针对待训练任务的训练样本数据，包括：将索引标识作为样本数据结构中的数据内容，数据内容与样本标签构成训练样本数据。能够有效减少训练样本数据的存储资源消耗，有利于降低训练样本数据的构建运算量和计算时延，能够很好地适用于业务扩展场景和多特性模型训练场景。

根据第二方面，或者以上第二方面的任意一种实现方式，本方法还包括：确定与样本事件内容项匹配的对象操作反馈，并将对象操作反馈作为针对样本事件内容项的样本标签。对象操作反馈包括正向操作反馈和负向操作反馈。

根据第二方面，或者以上第二方面的任意一种实现方式，待训练任务为基于待训练的内容预测模型、信息推送模型和对象推荐模型中的至少之一实现。

第三方面，本申请实施例提供一种电子设备。该电子设备包括存储器和处理器，存储器和处理器耦合，存储器存储有程序指令，程序指令由处理器执行时，使得电子设备执行如下步骤：根据待执行任务的第一任务类型，确定与第一任务类型匹配的事件内容项；根据事件内容项的内容项标识，确定针对事件内容项的索引标识；在记录事件序列中筛选由索引标识指示的候选事件内容，以作为与待执行任务匹配的目标事件内容；基于目标事件内容进行任务执行，得到任务执行结果。

根据第三方面，根据待执行任务的第一任务类型，确定与第一任务类型匹配的事件内容项，包括：确定与第一任务类型匹配的基于目标时刻的前序事件内容项，以作为与第一任务类型匹配的事件内容项，其中，前序事件内容项所对应的事件发生时刻早于目标时刻。

根据第三方面，或者以上第三方面的任意一种实现方式，根据事件内容项的内容项标识，确定针对事件内容项的索引标识，包括：根据内容项标识，确定针对目标事件内容的搜索筛选条件；在记录事件序列中，将满足搜索筛选条件的索引标识，作为针对事件内容项的索引标识。

根据第三方面，或者以上第三方面的任意一种实现方式，记录事件序列中存储有多个候选事件内容，多个候选事件内容之间具有时序关联关系，候选事件内容为基于终端中的触发事件采集得到。

根据第三方面，或者以上第三方面的任意一种实现方式，记录事件序列是基于以下操作得到的：响应于检测到针对数据输出项的触发事件，获取基于触发事件生成的候选事件内容；根据由候选事件内容的生成时刻指示的索引标识，存储候选事件内容，以得到记录事件序列。

根据第三方面，或者以上第三方面的任意一种实现方式，基于目标事件内容进行任务执行，得到任务执行结果，包括：将目标事件内容和基于目标时刻的当前事件内容作为待执行任务的状态输入数据；基于状态输入数据进行任务执行，得到任务执行结果，其中，当前事件内容所对应的事件发生时刻为目标时刻。

根据第三方面，或者以上第三方面的任意一种实现方式，待执行任务包括内容预测任务、信息推送任务和对象推荐任务中的至少之一。

第四方面，本申请实施例提供一种电子设备。该电子设备包括存储器和处理器，存储器和处理器耦合，存储器存储有程序指令，程序指令由处理器执行时，使得电子设备执行如下步骤：根据待训练任务的第二任务类型，确定与第二任务类型匹配的样本事件内容项；基于预设的记录事件序列，确定针对样本事件内容项的索引标识；根据与样本事件内容项关联的索引标识和样本标签，生成针对待训练任务的训练样本数据。

根据第四方面，记录事件序列是基于以下操作得到的：响应于检测到针对样本输出项的触发事件，获取基于触发事件生成的候选事件内容；根据由候选事件内容的生成时刻所指示的索引标识，存储候选事件内容，以得到记录事件序列。

根据第四方面，或者以上第四方面的任意一种实现方式，响应于检测到针对样本输出项的触发事件，获取基于触发事件生成的候选事件内容，包括：响应于检测到针对样本输出项的标注事件和/或超时事件，获取基于标注事件和/或超时事件生成的候选事件内容，其中，超时事件包括满足预设超时触发条件的指定事件。

根据第四方面，或者以上第四方面的任意一种实现方式，根据与样本事件内容项关联的索引标识和样本标签，生成针对待训练任务的训练样本数据，包括：将索引标识作为样本数据结构中的数据内容，数据内容与样本标签构成训练样本数据。

根据第四方面，或者以上第四方面的任意一种实现方式，当计算机程序被一个或多个处理器执行时，还使得电子设备执行以下步骤：确定与样本事件内容项匹配的对象操作反馈，并将对象操作反馈作为针对样本事件内容项的样本标签，其中，对象操作反馈包括正向操作反馈和负向操作反馈。

根据第四方面，或者以上第四方面的任意一种实现方式，待训练任务为基于待训练的内容预测模型、信息推送模型和对象推荐模型中的至少之一实现。

第三方面以及第三方面的任意一种实现方式分别与第一方面以及第一方面的任意一种实现方式相对应。第三方面以及第三方面的任意一种实现方式所对应的技术效果可参见上述第一方面以及第一方面的任意一种实现方式所对应的技术效果，此处不再赘述。

第四方面以及第四方面的任意一种实现方式分别与第二方面以及第二方面的任意一种实现方式相对应。第四方面以及第四方面的任意一种实现方式所对应的技术效果可参见上述第二方面以及第二方面的任意一种实现方式所对应的技术效果，此处不再赘述。

第五方面，本申请实施例提供了一种计算机可读介质，用于存储计算机程序，该计算机程序包括用于执行第一方面或第一方面的任意可能的实现方式中的方法的指令，或者包括用于执行第二方面或第二方面的任意可能的实现方式中的方法的指令。

第六方面，本申请实施例提供了一种计算机程序，该计算机程序包括用于执行第一方面或第一方面的任意可能的实现方式中的方法的指令，或者包括用于执行第二方面或第二方面的任意可能的实现方式中的方法的指令。

第七方面，本申请实施例提供了一种芯片，该芯片包括处理电路、收发管脚。其中，该收发管脚、和该处理电路通过内部连接通路互相通信，该处理电路执行第一方面或第一方面的任一种可能的实现方式中的方法，或者执行第二方面或第二方面的任一种可能的实现方式中的方法，以控制接收管脚接收信号，以控制发送管脚发送信号。

附图说明

图1为示例性示出一种应用场景示意图；

图2示意性示出了一种特征分表存储的示意图；

图3示意性示出了一种样本分表存储的示意图；

图4为示例性示出的电子设备的结构示意图；

图5为示例性示出的电子设备的软件结构框图；

图6为本申请实施例提供的各模块交互示意图；

图7为本申请实施例提供的各模块交互示意图；

图8为本申请实施例提供的样本数据处理的过程示意图；

图9为本申请实施例提供的样本数据处理的过程示意图；

图10为本申请实施例提供的样本分级存储的示意图；

图11为本申请实施例提供的任务处理的过程示意图；

图12为本申请实施例提供的装置的结构示意图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请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申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。

本文中术语“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。

本申请实施例的说明书和权利要求书中的术语“第一”和“第二”等是用于区别不同的对象，而不是用于描述对象的特定顺序。例如，第一目标对象和第二目标对象等是用于区别不同的目标对象，而不是用于描述目标对象的特定顺序。

在本申请实施例中，“示例性的”或者“例如”等词用于表示作例子、例证或说明。本申请实施例中被描述为“示例性的”或者“例如”的任何实施例或设计方案不应被解释为比其它实施例或设计方案更优选或更具优势。确切而言，使用“示例性的”或者“例如”等词旨在以具体方式呈现相关概念。

在本申请实施例的描述中，除非另有说明，“多个”的含义是指两个或两个以上。例如，多个处理单元是指两个或两个以上的处理单元；多个***是指两个或两个以上的***。

如图1为示例性示出一种应用场景示意图，参照图1，示例性的，在信息推荐场景下，可以利用经训练的推荐算法模型，将目标事件内容作为推荐算法模型的输入状态数据，得到内容推荐结果。其中，推荐算法模型可以基于样本事件内容训练得到。

以地铁卡推荐为例进行说明，可以获取与地铁卡推荐任务匹配的目标事件内容，将目标事件内容作为经训练的出行推荐算法模型的输入状态数据，得到地铁卡推荐结果并显示。与地铁卡推荐任务匹配的目标事件内容，例如包括用户终端在预设时长内的地理位置数据、运动状态数据、WiFi连接状态数据、APP（Application的缩写，应用程序）使用情况数据等。

推荐算法模型训练所利用到的样本事件内容，与执行内容推荐任务时所利用到的目标事件内容相对应。在利用训练样本数据训练推荐算法模型，以及利用经训练的推荐算法模型执行内容推荐任务的过程中，存在数据存储消耗大、数据冗余程度高的现象。

图2示意性示出了一种特征分表存储的示意图，如图2所示，采集电子设备中的WiFi连接状态数据、运动状态数据、APP使用数据、地理位置数据等，并分别按数据采集时序，对WiFi连接状态数据、运动状态数据、APP使用数据、地理位置数据进行分表单独存储。例如，在对WiFi连接状态数据进行单独存储时，存储项可以包括ID、时间、WiFi状态等，WiFi状态包括连接状态和断开状态。

在进行特定模型训练时，获取正负样本的触发时间，基于触发时间从各个存储表中查询算法所需特征，并将算法所需特征进行关联，得到用于模型训练的训练样本数据。例如，在进行支付推荐算法模型训练时，可以从各个存储表中查询算法所需特征，并将算法所需特征进行关联，得到用于支付推荐模型训练的训练样本数据。

示例性地，在进行支付推荐模型训练时，针对样本输出项的触发事件可以是电子设备中检测到的支付事件，样本输出项构成算法所需特征，样本输出项（也即算法所需特征）例如包括电子设备中检测到的WiFi连接状态数据、运动状态数据和APP使用数据。

按照数据类别，对样本输出项进行分表单独存储。在进行特定模型训练时，单独对样本输出项（也即算法所需特征）进行排序、过滤、关联处理，这存在运算量大、计算时延高、数据处理效率低的缺陷，在业务扩展场景和数据累积较多场景下的适用性不佳。

图3示意性示出了一种样本分表存储的示意图，如图3所示，采集电子设备中的WiFi连接状态数据、运动状态数据、APP使用数据、地理位置数据等。在进行特定模型训练时，对模型训练所需的样本输出项实时进行关联，得到与特定模型匹配的独立样本库。

示例性地，在进行支付推荐模型训练时，针对样本输出项的触发事件可以是电子设备中检测到的支付事件，模型训练所需的样本输出项例如可以包括WiFi连接状态数据、运动状态数据和APP使用数据。对样本输出项实时进行关联，得到与支付推荐模型匹配的独立样本库。

再示例性地，在进行出行推荐模型训练时，针对样本输出项的触发事件可以是电子设备中检测到的打车事件，模型训练所需的样本输出项例如可以包括地理位置数据、运动状态数据和APP使用数据。对样本输出项实时进行关联，得到与出行推荐模型匹配的独立样本库。

在进行多特性模型训练的过程中，构建与各特性模型匹配的独立样本库，容易造成数据冗余程度高、数据量大的缺陷，这在数据写入、外存、克隆、老化等场景中会产生额外的资源开销。

如图4所示为电子设备100的结构示意图。可选地，电子设备100可以称为终端，也可以称为终端设备，具体产品形态可以是智能终端，如手机、平板、DV、智能手表、智能穿戴设备、便携电脑、笔记本电脑、智能音箱等产品。具体地，本申请涉及的功能模块可以部署于相关设备的DSP芯片上，具体可以是其中的应用程序或软件。可以通过软件安装或升级，以及通过硬件的调用配合，提供一种任务处理功能。

应该理解的是，图4所示的电子设备100仅是电子设备的一个范例，并且电子设备100可以具有比图中所示的更多的或者更少的部件，可以组合两个或多个的部件，或者可以具有不同的部件配置。图4中所示出的各种部件可以在包括一个或多个信号处理和/或专用集成电路在内的硬件、软件、或硬件和软件的组合中实现。

电子设备100可以包括：处理器110、外部存储器接口120、内部存储器121、通用串行总线（universal serial bus，USB）接口130、充电管理模块140、电源管理模块141、电池142、天线1、天线2、移动通信模块150、无线通信模块160、音频模块170、传感器模块180、按键190、马达191、指示器192、摄像头193、显示屏194、以及用户标识模块（subscriberidentification module，SIM）卡接口195等。其中传感器模块180可以包括压力传感器、陀螺仪传感器、加速度传感器、温度传感器、运动传感器、气压传感器、磁传感器、距离传感器、接近光传感器、指纹传感器、触摸传感器、环境光传感器、骨传导传感器等。

处理器110可以包括一个或多个处理单元，例如：处理器110可以包括应用处理器（application processor，AP）、调制解调处理器、图形处理器（graphics processingunit，GPU）、图像信号处理器（image signal processor，ISP）、控制器、存储器、视频编解码器、数字信号处理器（digital signal processor，DSP），基带处理器和/或神经网络处理器（neural-network processing unit，NPU）等。其中，不同的处理单元可以是独立的器件，也可以集成在一个或多个处理器中。

其中，控制器可以是电子设备100的神经中枢和指挥中心。控制器可以根据指令操作码和时序信号，产生操作控制信号，完成取指令和执行指令的控制。

处理器110中还可以设置存储器，用于存储指令和数据。在一些实施例中，处理器110中的存储器为高速缓冲存储器。

USB接口130是符合USB标准规范的接口，具体可以是Mini USB接口、Micro USB接口、USB Type C接口等。

充电管理模块140用于从充电器接收充电输入。其中，充电器可以是无线充电器，也可以是有线充电器。充电管理模块140为电池142充电的同时，还可以通过电源管理模块141为电子设备供电。电源管理模块141用于连接电池142、充电管理模块140与处理器110。电源管理模块141接收电池142和/或充电管理模块140的输入，为处理器110、内部存储器121、外部存储器、显示屏194、摄像头193、和无线通信模块160等供电。

电子设备100的无线通信功能可以通过天线1、天线2、移动通信模块150、无线通信模块160、调制解调处理器以及基带处理器等实现。

天线1和天线2用于发射和接收电磁波信号。电子设备100中的每个天线可用于覆盖单个或多个通信频带。不同的天线还可以复用，以提高天线的利用率。

移动通信模块150可以提供应用在电子设备100上的包括2G/3G/4G/5G等无线通信的解决方案。移动通信模块150可以包括至少一个滤波器、开关、功率放大器、低噪声放大器（low noise amplifier，LNA）等。

无线通信模块160可以提供应用在电子设备100上的包括无线局域网（wirelesslocal area networks，WLAN）（如无线保真（wireless fidelity，Wi-Fi）网络）、蓝牙（bluetooth，BT）、全球导航卫星***（global navigation satellite system，GNSS）、调频（frequency modulation，FM）、近距离无线通信技术（near field communication，NFC）、红外技术（infrared，IR）等无线通信的解决方案。

在一些实施例中，电子设备100的天线1和移动通信模块150耦合，天线2和无线通信模块160耦合，使得电子设备100可以通过无线通信技术与网络以及其他设备通信。

电子设备100通过GPU、显示屏194以及应用处理器等实现显示功能。处理器110可包括一个或多个GPU，其执行程序指令以生成或改变显示信息。

显示屏194用于显示图像，视频等。显示屏194包括显示面板。在一些实施例中，电子设备100可以包括1个或N个显示屏194，N为大于1的正整数。

电子设备100可以通过ISP、摄像头193、视频编解码器、GPU、显示屏194以及应用处理器等实现拍摄功能。

ISP 用于处理摄像头193反馈的数据。例如，拍照时，打开快门，光线通过镜头被传递到摄像头感光元件上，光信号转换为电信号，摄像头感光元件将电信号传递给ISP处理，转化为肉眼可见的图像。

摄像头193用于捕获静态图像或视频。物体通过镜头生成光学图像投射到感光元件。感光元件可以是电荷耦合器件(charge coupled device，CCD)或互补金属氧化物半导体(complementary metal-oxide-semiconductor，CMOS)光电晶体管。感光元件把光信号转换成电信号，之后将电信号传递给ISP转换成数字图像信号。ISP将数字图像信号输出到DSP加工处理。DSP将数字图像信号转换成标准的RGB、YUV等格式的图像信号。在一些实施例中，电子设备100可以包括1个或N个摄像头193，N为大于1的正整数。

其中，摄像头193可以位于电子设备的边缘区域，可以为屏下摄像头，也可以是可升降的摄像头。摄像头193可以包括后置摄像头，还可以包括后置摄像头。本申请实施例对摄像头193的具***置和形态不予限定。电子设备100可以包括一种或多种焦段的摄像头，例如不同焦段的摄像头可以包括长焦摄像头、广角摄像头、超广角摄像头或全景摄像头等。

外部存储器接口120可以用于连接外部存储卡，例如Micro SD卡，实现扩展电子设备100的存储能力。外部存储卡通过外部存储器接口120与处理器110通信，实现数据存储功能。

内部存储器121可以用于存储计算机可执行程序代码，所述可执行程序代码包括指令。处理器110通过运行存储在内部存储器121的指令，从而执行电子设备100的各种功能应用以及数据处理，例如使得电子设备100实现本申请实施例中的任务处理方法。内部存储器121可以包括存储程序区和存储数据区。其中，存储程序区可存储操作***，至少一个功能所需的应用程序（比如声音播放功能、图像播放功能等）等。存储数据区可存储电子设备100使用过程中所创建的数据（比如音频数据、电话本等）等。此外，内部存储器121可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、通用闪存存储器（universal flash storage，UFS）等。

电子设备100可以通过音频模块170以及应用处理器等实现音频功能。例如音乐播放、录音等。

音频模块170用于将数字音频信息转换成模拟音频信号输出，也用于将模拟音频输入转换为数字音频信号。音频模块170还可以用于对音频信号编码和解码。在一些实施例中，音频模块170可以设置于处理器110中，或将音频模块170的部分功能模块设置于处理器110中。

触摸传感器，也称“触控面板”。触摸传感器可以设置于显示屏194，由触摸传感器与显示屏194组成触摸屏，也称“触控屏”。触摸传感器用于检测作用于其上或附近的触摸操作。触摸传感器可以将检测到的触摸操作传递给应用处理器，以确定触摸事件类型。可以通过显示屏194提供与触摸操作相关的视觉输出。

压力传感器用于感受压力信号，可以将压力信号转换成电信号。在一些实施例中，压力传感器可以设置于显示屏194。电子设备100也可以根据压力传感器的检测信号计算触摸的位置。

陀螺仪传感器可以用于确定电子设备100的运动姿态。在一些实施例中，可以通过陀螺仪传感器确定电子设备100围绕三个轴（即，x、y和z轴）的角速度。

加速度传感器可检测电子设备100在各个方向上（一般为三轴）加速度的大小。当电子设备100静止时加速度传感器可检测出重力的大小及方向。加速度传感器还可以用于识别电子设备姿态，应用于横竖屏切换、计步器等应用。

按键190包括开机键（或称电源键）、音量键等。按键190可以是机械按键。也可以是触摸式按键。电子设备100可以接收按键输入，产生与电子设备100的用户设置以及功能控制有关的键信号输入。

电子设备100的软件***可以采用分层架构、事件驱动架构、微核架构、微服务架构或云架构。本发明实施例以分层架构的Android***为例，示例性说明电子设备100的软件结构。

图5是本申请实施例的电子设备100的软件结构框图，电子设备100的分层架构将软件分成若干个层，每一层都有清晰的角色和分工。层与层之间通过软件接口通信。在一些实施例中，将Android***分为五层，从上至下分别为应用程序层、应用程序框架层、安卓运行时(Android runtime)、***库、硬件抽象层（hardware abstraction layer，HAL）和内核层。

应用程序层可以包括一系列应用程序包，如图5所示，应用程序包可以包括相机、地图、导航、WLAN、蓝牙、支付应用、打车应用息等应用程序。

应用程序框架层为应用程序层的应用程序提供应用编程接口(ApplicationProgramming Interface，API)和编程框架，包括各种组件和服务来支持开发者的安卓开发。应用程序框架层包括一些预先定义的函数。如图5所示，应用程序框架层可包括视图***、窗口管理器、资源管理器、内容提供器、通知管理器、摄像头服务、多媒体管理模块等。

窗口管理器用于管理窗口程序。窗口管理器可以获取显示屏大小、判断是否有状态栏、锁定屏幕、截取屏幕等。

内容提供器用来存放和获取数据，并使这些数据可以被应用程序访问。数据可以包括视频、图像、音频、拨打和接听的电话、浏览历史和书签、电话簿等。

视图***包括可视控件，例如显示文字的控件、显示图片的控件等。视图***可用于构建应用程序，显示界面可以由一个或多个视图组成，例如包括显示短信通知图标的视图，可以包括显示文字的视图以及显示图片的视图。

资源管理器为应用程序提供各种资源，比如本地化字符串、图标、图片、布局文件、视频文件等等。

通知管理器使应用程序可以在状态栏中显示通知信息，可以用于传达告知类型的消息，可以短暂停留后自动消失，无需用户交互。比如通知信息被用于告知下载完成、消息提醒等。通知信息还可以是以图表或者滚动条文本形式出现在***顶部状态栏的通知，例如后台运行的应用程序的通知，还可以是以对话窗口形式出现在屏幕上的通知。例如在状态栏提示文本信息、发出提示音、电子设备振动、指示灯闪烁等。

内容推荐服务可以通过记录电子设备中的用户操作、***事件、传感器状态数据、网络状态数据等，得到记录事件序列。基于记录事件序列，为用户提供内容预测、信息推送和对象推荐等多特***。

***层包括***库和安卓运行时（Android Runtime）。***库可以包括多个功能模块，例如浏览器内核、3D图形库（例如OpenGL ES）、字体库等。浏览器内核负责对网页语法的解释（如标准通用标记语言下的一个应用HTML、JavaScript）并渲染（显示）网页。3D图形库用于实现三维图形绘图、图像渲染、合成和图层处理等。字体库用于实现不同字体的输入。安卓运行时包括核心库和虚拟机，安卓运行时负责安卓***的调度和管理。核心库包含两部分：一部分是java语言需要调用的功能函数，另一部分是安卓的核心库。应用程序层和应用程序框架层运行在虚拟机中，虚拟机将应用程序层和应用程序框架层的java文件执行为二进制文件。虚拟机用于执行对象生命周期的管理、堆栈管理、线程管理、安全和异常的管理以及垃圾回收等功能。

可以理解的是，图5示出的***框架层、***库与运行时层包含的部件，并不构成对电子设备100的具体限定。在本申请另一些实施例中，电子设备100可以包括比图示更多或更少的部件，或者组合某些部件，或者拆分某些部件，或者不同的部件布置。

HAL层为位于操作***内核与硬件电路之间的接口层。HAL层例如包括音频硬件抽象层（Audio HAL）、摄像头硬件抽象层（Camera HAL）等。其中，Audio HAL用于对音频流进行处理，例如对音频流进行降噪、定向增强等处理，Camera HAL用于对图像流进行处理。

内核层是硬件和上述软件层之间的层。内核层至少包含显示驱动、摄像头驱动、音频驱动和传感器驱动。硬件可以包括摄像头、显示屏、麦克风、处理器以及存储器等器件。

如图6所示为各模块交互示意图，如图6所示，通过感知中台的数据采集模块采集设备侧产生的事件数据，事件数据例如包括电子设备中产生的***事件、业务事件、资源使用记录、传感器数据等。另外，通过感知中台的数据采集模块采集第三方贡献数据，第三方贡献数据可以是由第三方应用提供的数据，例如包括基于应用开启事件、应用切换事件、应用使用记录、应用关闭事件等生成的事件数据。

数据中台包括数据接入服务、数据存储服务和数据查询服务。通过数据接入服务中的数据分流缓存模块，将事件数据和第三方贡献数据缓存至数据存储服务中的实时数据pipeline。由数据存储服务中的持久化策略模块，根据事件数据和第三方贡献数据的生成时刻，确定针对对应数据的索引标识，以及通过索引存储的方式，在高性能存储架构中存储事件数据和第三方贡献数据，得到记录事件序列。在对实时数据pipeline中的数据建立索引之后，可以在高性能存储架构中对以索引方式存储的事件数据和第三方贡献数据进行内存老化。此外，实时数据pipeline可以释放窗口缓存，以便对由数据采集模块新采集的事件数据继续进行缓存。

学习中台包括模型训练模块和内容预测模块。模型训练模块用于基于训练样本数据进行模型训练，训练样本数据为基于由数据采集模块采集的事件数据和第三方贡献数据得到。内容预测模块用于基于目标事件内容进行内容预测，目标事件内容为基于由数据采集模块采集的事件数据和第三方贡献数据得到。

在通过模型训练模块进行特性模型训练时，模型训练模块通过数据查询服务中的数据查询接口，向查询引擎发起关于训练样本数据的数据查询请求。由查询引擎基于高性能存储架构中存储的记录事件序列，根据待训练模型的模型类型，确定与待训练模型匹配的样本事件内容项的索引标识。将索引标识作为样本数据结构中的数据内容，数据内容与样本标签构成训练样本数据。由查询引擎将与待训练模型匹配的训练样本数据返回数据查询接口，通过数据查询接口将训练样本数据返回模型训练模块，以便利用训练样本数据进行特性模型训练。

在通过内容预测模块执行预测任务时，内容预测模块通过数据查询服务中的数据查询接口，向查询引擎发起关于目标事件内容的数据查询请求。由查询引擎基于高性能存储架构中存储的记录事件序列，根据待执行任务的任务类型，确定与待执行任务匹配的事件内容项的索引标识。通过查询引擎在记录事件序列中筛选由索引标识指示的事件内容，以作为与待执行任务匹配的目标事件内容。由查询引擎将与待执行任务匹配的目标事件内容返回数据查询接口，通过数据查询接口将目标事件内容返回内容预测模块，以便内容预测模块基于目标事件内容执行内容预测任务。

如图7所示为各模块交互示意图，如图7所示，通过数据采集模块采集设备侧产生的事件数据，事件数据例如包括电子设备中产生的***事件、业务事件、资源使用记录、传感器数据等，资源使用记录例如包括对资源池中虚拟机、网络、服务器、存储、应用、服务、容器等各种资源的使用记录。

通过数据标准化模块，对采集到的事件数据进行数据标准化处理，并且根据入队策略，将处理后的事件数据缓存至实时数据pipeline，实时数据pipeline作为一种窗口缓存模块，可用于追加设备侧产生的事件数据。数据标准化处理例如包括归一化、min-max标准化、z-score 标准化等处理方式，本实施例对此不进行限定。

通过数据关联模块，基于实时数据pipeline中缓存的事件数据，生成用于模型训练的训练样本数据。如图8所示为样本数据处理的过程示意图，如图8所示，样本数据处理过程包括以下操作：

S1: 数据关联模块根据待训练任务的第二任务类型，确定与第二任务类型匹配的样本事件内容项。

示例性地，在待训练任务为待训练模型的情况下，待训练模型的模型类型构成第二任务类型，确定与待训练模型匹配的样本事件内容项。待训练模型例如可以包括待训练的内容预测模型、信息推送模型和对象推荐模型等。

S2: 数据关联模块基于预设的记录事件序列，确定针对样本事件内容项的索引标识。

示例性地，记录事件序列是基于以下操作得到的：数据关联模块响应于检测到针对样本输出项的触发事件，从实时数据pipeline中获取基于触发事件生成的候选事件内容。数据关联模块根据由候选事件内容的生成时刻所指示的索引标识，在高性能存储架构中存储候选事件内容，以得到记录事件序列。

数据关联模块响应于检测到针对样本输出项的触发事件，获取基于触发事件生成的候选事件内容。触发事件例如可以包括电子设备中检测到的***事件、业务事件、用户操作事件等。触发事件的事件类型例如可以包括标注事件和/或超时事件，超时事件包括满足预设超时触发条件的指定事件，标注事件包括电子设备中检测到的预设指定事件，例如可以是电子设备中检测到的打车事件、支付事件、WiFi连接切换事件、地理位置变更事件、运动状态切换事件、硬件信息上传事件、传感器数据上传事件、亮屏事件、连接基站等。

在一种可能的实现方式中，响应于检测到针对样本输出项的标注事件和/或超时事件，获取基于标注事件和/或超时事件生成的候选事件内容。超时触发条件用于判断超时事件是否被触发，超时触发条件例如可以包括超时时间阈值、超时次数阈值等。以支付场景为例，用户未在超时时间阈值内完成支付的情况下，确定支付超时事件被触发，获取基于支付超时事件所生成的候选事件内容。

根据由候选事件内容的生成时刻所指示的索引标识，通过索引存储方式，在高性能存储架构中存储候选事件内容，得到记录事件序列。记录事件序列中存储有多个候选事件内容，多个候选事件内容之间具有时序关联关系。针对候选事件内容的索引标识可以指示对应事件内容的生成时刻，例如，索引标识越小，对应事件内容的生成时刻越早。

继续参考图7，数据关联模块根据目标业务的业务标识，确定针对样本输出项的触发事件。样本输出项与目标业务之间具有预设映射关系，如图7所示，目标业务例如包括业务A、业务B等。响应于在实时数据pipeline中检测到针对样本输出项的触发事件，数据关联模块可以从实时数据pipeline中提取与样本输出项匹配的事件数据，以作为候选事件内容，进而建立起了目标业务与候选事件内容之间的数据关联。针对样本输出项的触发事件例如可以包括标注事件和/或超时事件，数据关联模块可以从实时数据pipeline中提取基于触发事件生成的事件数据，以作为候选事件内容。

数据关联模块根据候选事件内容的生成时刻，确定针对候选事件内容的索引标识，并通过索引存储方式，在高性能存储架构中存储候选事件内容，得到记录事件序列。在对实时数据pipeline中的候选事件内容建立索引之后，可以在高性能存储架构中对以索引方式存储的候选事件内容进行内存老化。此外，实时数据pipeline可以释放窗口缓存，以便对由数据采集模块新采集的事件数据继续进行缓存。

S3: 数据关联模块根据与样本事件内容项关联的索引标识和样本标签，生成针对待训练任务的训练样本数据。

数据关联模块基于记录事件序列，根据与样本事件内容项关联的索引标识和样本标签，生成针对待训练任务的训练样本数据。一种示例方式，数据关联模块基于记录事件序列，确定与样本事件内容项关联的索引标识。在样本事件内容项的数量不止一个的情况下，对与各样本事件内容项关联的索引标识进行关联，得到关联后的样本索引数据。

此外，数据关联模块还可以从实时数据pipeline中确定与样本事件内容项匹配的对象操作反馈，并将对象操作反馈作为针对样本事件内容项的样本标签，对象操作反馈可以包括正向操作反馈和负向操作反馈。

例如，在待训练模型为出行推荐模型的情况下，样本事件内容项例如包括电子设备中检测到的地理位置数据、运动状态数据和APP使用数据，与样本事件内容项匹配的对象操作反馈包括用户是否采用出行推荐结果。在用户采用出行推荐结果的情况下，对象操作反馈为正向操作反馈；在用户未采用出行推荐结果的情况下，对象操作反馈为负向操作反馈。

样本标签与关联后的样本索引数据，可以构成针对待训练任务的训练样本数据。在一种可能的实现方式中，通过物理层存储记录事件序列，通过逻辑层存储训练样本数据，逻辑层可以是电子设备的软件***中完成特定功能的逻辑模块，逻辑层可以屏蔽底层复杂的数据存储结构。

参考图7，在进行特定模型训练时（例如包括A算法训练、B算法训练等），可以利用数据关联模块，确定与待训练模型匹配的样本事件内容项。利用数据关联模块基于高性能存储架构中存储的记录事件序列，根据与样本事件内容项关联的索引标识和样本标签，生成用于模型训练的训练样本数据。示例性地，可以将索引标识（例如可以是索引值）填充为样本数据结构的数据内容，得到训练样本数据。此外，还可以在高性能存储架构中，对训练样本数据进行样本持久化，得到与待训练模型匹配的训练样本库。

通过将采集到的候选事件内容与用于模型训练的训练样本数据进行分级索引存储，可以有效减少训练样本数据的存储资源消耗，和有效降低训练样本数据的数据冗余程度，能够很好地适用于业务扩展场景和数据累积较多场景下的多特性模型训练。

如图9所示为样本数据处理的过程示意图，如图9所示，样本数据处理过程可以包括以下操作：

S101、业务模块向中央控制模块发起创建样本的会话请求beginSampleSession()。

业务模块根据待训练模型的模型类型，向中央控制模块发起创建样本的会话请求。待训练模型的模型类型例如可以包括内容预测模型、信息推送模型和对象推荐模型等。

S102、中央控制模块向持久化策略模块发起样本记录请求register()。

S103、持久化策略模块基于样本记录请求register()，创建一个样本存储的会话。

S104、业务模块向中央控制模块发起查询样本数据项的请求queryItemData()。

样本数据项例如可以是与待训练模型匹配的样本事件内容项。

S105、中央控制模块向查询管理模块传递查询请求query()。

S106、查询管理模块向Pipeline缓存模块发起数据项查询请求dataItemquery()。

S107、Pipeline缓存模块为被引用的样本数据项填充索引。

Pipeline缓存模块可以根据样本数据项所对应的样本事件内容的生成时刻，将与生成时刻对应的索引标识填充为样本数据项的索引。

S108、查询管理模块向高性能样本库发起样本特征添加请求addFeatureRef()。

S109、高性能样本库判断样本数据项是否可作为落库特征，在确定样本数据项可作为落库特征后，高性能样本库根据持久化策略模块创建的样本存储会话存储样本数据项。

示例性地，在样本数据项为与待训练模型匹配的样本事件内容项的情况下，高性能样本库确定样本数据项可作为落库特征。针对可落库的样本数据项，高性能样本库对样本数据项和与样本数据项对应的样本事件内容进行持久化存储。

参照图9，在存在样本标签的场景下，样本数据处理过程还可以包括以下操作：

S1010、业务模块向中央控制模块发送标签引用请求appendLable()。

示例性地，针对样本数据项的样本标签可以是与样本数据项匹配的对象操作反馈，对象操作反馈例如可以是用户对由业务模块提供的推荐内容的操作反馈结果，操作反馈结果可以包括正向操作反馈和负向操作反馈。

S1011、中央控制模块向持久化策略模块发起标签识别请求（识别lable）。

S1012、持久化策略模块发起标签更新会话updataLable()。

S1013、 持久化策略模块向高性能样本库模块发起样本序列化请求serializeSample()，高性能样本库模块将更新后的样本标签存储到样本库。

参照图9，在不存在样本标签的场景下，样本数据处理过程还可以包括以下操作：

S1014、业务模块向中央控制模块发起结束会话请求endSession()。

S1015、中央控制模块向持久化策略模块发起结束会话请求endSession()。

S1016、 持久化策略模块向高性能样本库模块发起样本序列化请求serializeSample()，高性能样本库模块将更新后的样本标签存储到样本库。

图10示意性示出了一种样本分级存储的示意图，如图10所示，响应于检测到针对样本输出项的触发事件，获取基于触发事件生成的候选事件内容。样本输出项例如可以包括电子设备中检测到的WiFi连接状态、运动状态数据（msdp）、APP使用数据（activity）、地理位置数据（location）等。

获取基于触发事件生成的候选事件内容，根据候选事件内容的生成时刻，确定针对候选事件内容的索引标识。根据针对候选事件内容的索引标识，在记录事件序列中存储候选事件内容。记录事件序列中可以存储多个候选事件内容，多个候选事件内容之间具有时序关联关系。通过索引方式在物理层中存储记录事件序列，能够有效减少记录事件序列的存储空间消耗。

例如，与“WiFi连接状态”对应的候选事件内容包括

{“wifiRssi”:66,”wifiLevel”:3,”timestamp”:1658713806697,”longitude”:171.40162,”geodeticSyst…“}，针对该候选事件内容的索引标识为1。

与“运动状态数据”对应的候选事件内容包括

{“content”:{“eventType”:2,”confidence”:1,”timestamp”:1658713737683,”status”:”micro_walki…“}，针对该候选事件内容的索引标识为3。

索引标识指示候选事件内容的生成时序。示例性地，索引标识越小，候选事件内容的生成时刻越早。

作为一种可行的实现方式，获取基于目标时刻的当前事件内容，并将当前事件内容以索引方式存储于上下文事件序列表中。当前事件内容的生成时刻为目标时刻，索引标识越小，当前事件内容的生成时刻越早。如图6所示，当前事件内容的索引标识例如包括15、16、…。在进行特定模型训练时，可以将匹配的候选事件内容作为前序事件序列，将前序事件序列和基于目标时刻的当前事件内容作为待训练模型的状态输入数据，以及基于状态输入数据，进行特定模型训练。

在进行特定模型训练时，根据待训练模型的模型类型进行样本查询，确定与待训练模型匹配的样本事件内容项，并将样本事件内容项所对应的候选事件内容以索引的方式进行关联，得到用于模型训练的训练样本数据。在需要将基于目标时刻的当前事件内容作为待训练模型的状态输入数据的情况下，同样地，将当前事件内容以索引方式与样本事件内容进行关联，得到用于模型训练的训练样本数据。

例如，在进行支付推荐模型训练时，与支付推荐模型匹配的样本事件内容项包括WiFi连接状态数据、运动状态数据和APP使用数据，WiFi连接状态数据所对应的候选事件内容的索引标识包括1、8、…，运动状态数据所对应的候选事件内容的索引标识包括3、9、…，APP使用数据所对应的候选事件内容的索引标识包括2、10、…。在进行支付推荐模型训练时，需要将基于目标时刻的当前事件内容作为待训练模型的状态输入数据，当前事件内容也即上下文事件内容，上下文事件内容的索引标识包括2、15、…。

再例如，在进行出行推荐模型训练时，与出行推荐模型匹配的样本事件内容项包括地理位置数据、运动状态数据和APP使用数据，地理位置数据所对应的候选事件内容的索引标识包括11、15、…，运动状态数据所对应的候选事件内容的索引标识包括3、9、…，APP使用数据所对应的候选事件内容的索引标识包括2、10、…。在进行出行推荐模型训练时，需要将基于目标时刻的当前事件内容作为待训练模型的状态输入数据，当前事件内容也即上下文事件内容，上下文事件内容的索引标识包括2、15、…。

如图11所示为任务处理的过程示意图，在任务处理过程中，通过确定与待处理任务匹配的事件内容项，根据针对事件内容项的索引标识，确定用于任务处理的目标事件内容。在待处理任务数量较多的情况下，可以有效减小目标事件内容的存储资源消耗，有利于减少任务执行过程中的数据冗余程度和数据处理资源开销。

如图11所示，任务处理过程包括以下操作：

S4：根据待执行任务的第一任务类型，确定与第一任务类型匹配的事件内容项。

示例性地，待执行任务例如可以包括内容预测任务、信息推送任务和对象推荐任务等。根据待执行任务的第一任务类型，确定与第一任务类型匹配的事件内容项。例如，在待执行任务为支付推荐任务的情况下，与支付推荐任务匹配的事件内容项例如可以包括WiFi连接状态数据、运动状态数据和APP使用数据。

在一种可能的实现方式中，确定与第一任务类型匹配的基于目标时刻的前序事件内容项，以作为与待执行任务匹配的事件内容项，前序事件内容项所对应的事件发生时刻早于目标时刻，目标时刻例如可以是任务执行时的当前时刻。

S5：根据事件内容项的内容项标识，确定针对事件内容项的索引标识。

示例性地，根据事件内容项的内容项标识，确定针对事件内容项的索引标识。示例性地，可以根据内容项标识，确定针对目标事件内容的搜索筛选条件，以及在记录事件序列中，将满足搜索筛选条件的索引标识，作为针对事件内容项的索引标识。

记录事件序列中存储有多个候选事件内容，多个候选事件内容之间具有时序关联关系，候选事件内容为基于终端中的触发事件采集得到。例如，记录事件序列中包括t1时刻生成的候选事件内容1、t2时刻生成的候选事件内容2、……、tn时刻生成的候选事件内容n，n为大于2的整数。记录事件序列中的各候选事件内容具有对应的索引标识，索引标识指示候选事件内容的生成时刻。例如，索引标识越小，对应候选事件内容的生成时刻越早。

针对目标事件内容的搜索筛选条件例如可以包括内容筛选条件、时间筛选条件和格式筛选条件等。内容筛选条件例如用于筛选候选事件内容的内容项，时间筛选条件例如用于筛选候选事件内容的生成时刻，格式筛选条件例如用于筛选候选事件内容的数据格式。在记录事件序列中，将满足搜索筛选条件的索引标识，作为针对事件内容项的索引标识。

S6：在记录事件序列中筛选由索引标识指示的候选事件内容，以作为与待执行任务匹配的目标事件内容。

示例性地，基于记录事件序列，筛选由索引标识指示的候选事件内容，以作为与待执行任务匹配的目标事件内容，目标事件内容例如与基于目标时刻的前序事件内容项相对应。

S7：基于目标事件内容进行任务执行，得到任务执行结果。

基于目标事件内容进行任务执行，得到任务执行结果。示例性地，将目标事件内容作为待执行任务的前序事件序列，将前序事件序列和基于目标时刻的当前事件内容作为待执行任务的状态输入数据，以及基于状态输入数据进行任务执行，得到任务执行结果。目标事件内容（也即前序事件序列）所对应的事件发生时刻早于目标时刻，当前事件内容所对应的事件发生时刻为目标时刻。

例如，在进行出行方式推荐时，可以将出行推荐任务执行时的当前时刻作为目标时刻，将基于当前时刻的前序事件序列和当前事件内容，作为出行推荐模型的状态输入数据，得到出行推荐结果。前序事件序列例如包括电子设备中检测到的当前时刻之前的预设时长内的WiFi连接状态数据、APP使用数据、地理位置数据等，当前事件内容例如包括电子设备中检测到的基于当前时刻的WiFi连接状态数据、APP使用数据、地理位置数据等。

可以理解的是，电子设备为了实现上述功能，其包含了执行各个功能相应的硬件和/或软件模块。结合本文中所公开的实施例描述的各示例的算法步骤，本申请能够以硬件或硬件和计算机软件的结合形式来实现。某个功能究竟以硬件还是计算机软件驱动硬件的方式来执行，取决于技术方案的特定应用和设计约束条件。本领域技术人员可以结合实施例对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。

一个示例中，图12示出了本申请实施例的一种装置1200的示意性框图装置1200可包括：处理器1201和收发器/收发管脚1202，可选地，还包括存储器1203。

装置1200的各个组件通过总线1204耦合在一起，其中总线1204除包括数据总线之外，还包括电源总线、控制总线和状态信号总线。但是为了清楚说明起见，在图中将各种总线都称为总线1204。

可选地，存储器1203可以用于前述方法实施例中的指令。该处理器1201可用于执行存储器1203中的指令，并控制接收管脚接收信号，以及控制发送管脚发送信号。

装置1200可以是上述方法实施例中的电子设备或电子设备的芯片。

其中，上述方法实施例涉及的各步骤的所有相关内容均可以援引到对应功能模块的功能描述，在此不再赘述。

本实施例还提供一种计算机存储介质，该计算机存储介质中存储有计算机指令，当该计算机指令在电子设备上运行时，使得电子设备执行上述相关方法步骤实现上述实施例中的摄像头调用方法。

本实施例还提供了一种计算机程序产品，当该计算机程序产品在计算机上运行时，使得计算机执行上述相关步骤，以实现上述实施例中的摄像头调用方法。

另外，本申请的实施例还提供一种装置，这个装置具体可以是芯片，组件或模块，该装置可包括相连的处理器和存储器；其中，存储器用于存储计算机执行指令，当装置运行时，处理器可执行存储器存储的计算机执行指令，以使芯片执行上述各方法实施例中的摄像头调用方法。

其中，本实施例提供的电子设备、计算机存储介质、计算机程序产品或芯片均用于执行上文所提供的对应的方法，因此，其所能达到的有益效果可参考上文所提供的对应的方法中的有益效果，此处不再赘述。

通过以上实施方式的描述，所属领域的技术人员可以了解到，为描述的方便和简洁，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将装置的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。

在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，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，模块或单元的划分，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装置，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。

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一个物理单元或多个物理单元，即可以位于一个地方，或者也可以分布到多个不同地方。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本申请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，也可以采用软件功能单元的形式实现。

本申请各个实施例的任意内容，以及同一实施例的任意内容，均可以自由组合。对上述内容的任意组合均在本申请的范围之内。

集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个可读取存储介质中。基于这样的理解，本申请实施例的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该软件产品存储在一个存储介质中，包括若干指令用以使得一个设备（可以是单片机，芯片等）或处理器（processor）执行本申请各个实施例方法的全部或部分步骤。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。

上面结合附图对本申请的实施例进行了描述，但是本申请并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本申请的启示下，在不脱离本申请宗旨和权利要求所保护的范围情况下，还可做出很多形式，均属于本申请的保护之内。

结合本申请实施例公开内容所描述的方法或者算法的步骤可以硬件的方式来实现，也可以是由处理器执行软件指令的方式来实现。软件指令可以由相应的软件模块组成，软件模块可以被存放于随机存取存储器（Random Access Memory，RAM）、闪存、只读存储器（Read Only Memory，ROM）、可擦除可编程只读存储器（Erasable Programmable ROM，EPROM）、电可擦可编程只读存储器（Electrically EPROM，EEPROM）、寄存器、硬盘、移动硬盘、只读光盘（CD-ROM）或者本领域熟知的任何其它形式的存储介质中。一种示例性的存储介质耦合至处理器，从而使处理器能够从该存储介质读取信息，且可向该存储介质写入信息。当然，存储介质也可以是处理器的组成部分。处理器和存储介质可以位于ASIC中。

本领域技术人员应该可以意识到，在上述一个或多个示例中，本申请实施例所描述的功能可以用硬件、软件、固件或它们的任意组合来实现。当使用软件实现时，可以将这些功能存储在计算机可读介质中或者作为计算机可读介质上的一个或多个指令或代码进行传输。计算机可读介质包括计算机存储介质和通信介质，其中通信介质包括便于从一个地方向另一个地方传送计算机程序的任何介质。存储介质可以是通用或专用计算机能够存取的任何可用介质。

上面结合附图对本申请的实施例进行了描述，但是本申请并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本申请的启示下，在不脱离本申请宗旨和权利要求所保护的范围情况下，还可做出很多形式，均属于本申请的保护之内。

Claims (27)

1.一种任务处理方法，其特征在于，包括：

根据待执行任务的第一任务类型，确定与所述第一任务类型匹配的事件内容项；

根据所述事件内容项的内容项标识，确定针对所述事件内容项的索引标识；

在记录事件序列中筛选由所述索引标识指示的候选事件内容，以作为与所述待执行任务匹配的目标事件内容；

基于所述目标事件内容进行任务执行，得到任务执行结果。

2.根据权利要求1所述的方法，其特征在于，所述根据待执行任务的第一任务类型，确定与所述第一任务类型匹配的事件内容项，包括：

确定与所述第一任务类型匹配的基于目标时刻的前序事件内容项，以作为与所述第一任务类型匹配的事件内容项，

其中，所述前序事件内容项所对应的事件发生时刻早于所述目标时刻。

3.根据权利要求1所述的方法，其特征在于，所述根据所述事件内容项的内容项标识，确定针对所述事件内容项的索引标识，包括：

根据所述内容项标识，确定针对所述目标事件内容的搜索筛选条件；

在所述记录事件序列中，将满足所述搜索筛选条件的索引标识，作为针对所述事件内容项的索引标识。

4.根据权利要求1至3中任一项所述的方法，其特征在于，

所述记录事件序列中存储有多个候选事件内容，所述多个候选事件内容之间具有时序关联关系，所述候选事件内容为基于终端中的触发事件采集得到。

5.根据权利要求1至3中任一项所述的方法，其特征在于，所述记录事件序列是基于以下操作得到的：

响应于检测到针对数据输出项的触发事件，获取基于所述触发事件生成的候选事件内容；

根据由所述候选事件内容的生成时刻所述指示的索引标识，存储所述候选事件内容，以得到所述记录事件序列。

6.根据权利要求2所述的方法，其特征在于，所述基于所述目标事件内容进行任务执行，得到任务执行结果，包括：

将所述目标事件内容和基于所述目标时刻的当前事件内容作为所述待执行任务的状态输入数据；

基于所述状态输入数据进行任务执行，得到所述任务执行结果，

其中，所述当前事件内容所对应的事件发生时刻为所述目标时刻。

7.根据权利要求1所述的方法，其特征在于，所述待执行任务包括内容预测任务、信息推送任务和对象推荐任务中的至少之一。

8.一种样本数据的处理方法，其特征在于，包括：

根据待训练任务的第二任务类型，确定与所述第二任务类型匹配的样本事件内容项；

基于预设的记录事件序列，确定针对所述样本事件内容项的索引标识；

根据与所述样本事件内容项关联的索引标识和样本标签，生成针对所述待训练任务的训练样本数据。

9.根据权利要求8所述的方法，其特征在于，所述记录事件序列是基于以下操作得到的：

响应于检测到针对样本输出项的触发事件，获取基于所述触发事件生成的候选事件内容；

根据由所述候选事件内容的生成时刻所指示的索引标识，存储所述候选事件内容，以得到所述记录事件序列。

10.根据权利要求9所述的方法，其特征在于，所述响应于检测到针对样本输出项的触发事件，获取基于所述触发事件生成的候选事件内容，包括：

响应于检测到针对样本输出项的标注事件和/或超时事件，获取基于所述标注事件和/或所述超时事件生成的候选事件内容，

其中，所述超时事件包括满足预设超时触发条件的指定事件。

11.根据权利要求8所述的方法，其特征在于，所述根据与所述样本事件内容项关联的索引标识和样本标签，生成针对所述待训练任务的训练样本数据，包括：

将所述索引标识作为样本数据结构中的数据内容，所述数据内容与所述样本标签构成所述训练样本数据。

12.根据权利要求8所述的方法，其特征在于，还包括：

确定与所述样本事件内容项匹配的对象操作反馈，并将所述对象操作反馈作为针对所述样本事件内容项的样本标签，

其中，所述对象操作反馈包括正向操作反馈和负向操作反馈。

13.根据权利要求8至12中任一项所述的方法，其特征在于，所述待训练任务为基于待训练的内容预测模型、信息推送模型和对象推荐模型中的至少之一实现。

14.一种电子设备，其特征在于，包括：一个或多个处理器、存储器以及一个或多个计算机程序，其中所述一个或多个计算机程序存储在所述存储器上，当所述计算机程序被所述一个或多个处理器执行时，使得所述电子设备执行以下步骤：

根据待执行任务的第一任务类型，确定与所述第一任务类型匹配的事件内容项；

根据所述事件内容项的内容项标识，确定针对所述事件内容项的索引标识；

在记录事件序列中筛选由所述索引标识指示的候选事件内容，以作为与所述待执行任务匹配的目标事件内容；

基于所述目标事件内容进行任务执行，得到任务执行结果。

15.根据权利要求14所述的设备，其特征在于，所述根据待执行任务的第一任务类型，确定与所述第一任务类型匹配的事件内容项，包括：

确定与所述第一任务类型匹配的基于目标时刻的前序事件内容项，以作为与所述第一任务类型匹配的事件内容项，

其中，所述前序事件内容项所对应的事件发生时刻早于所述目标时刻。

16.根据权利要求14所述的设备，其特征在于，所述根据所述事件内容项的内容项标识，确定针对所述事件内容项的索引标识，包括：

根据所述内容项标识，确定针对所述目标事件内容的搜索筛选条件；

在所述记录事件序列中，将满足所述搜索筛选条件的索引标识，作为针对所述事件内容项的索引标识。

17.根据权利要求14至16中任一项所述的设备，其特征在于，

所述记录事件序列中存储有多个候选事件内容，所述多个候选事件内容之间具有时序关联关系，所述候选事件内容为基于终端中的触发事件采集得到。

18.根据权利要求14至16中任一项所述的设备，其特征在于，所述记录事件序列是基于以下操作得到的：

响应于检测到针对数据输出项的触发事件，获取基于所述触发事件生成的候选事件内容；

根据由所述候选事件内容的生成时刻所述指示的索引标识，存储所述候选事件内容，以得到所述记录事件序列。

19.根据权利要求15所述的设备，其特征在于，所述基于所述目标事件内容进行任务执行，得到任务执行结果，包括：

将所述目标事件内容和基于所述目标时刻的当前事件内容作为所述待执行任务的状态输入数据；

基于所述状态输入数据进行任务执行，得到所述任务执行结果，

其中，所述当前事件内容所对应的事件发生时刻为所述目标时刻。

20.根据权利要求14所述的设备，其特征在于，所述待执行任务包括内容预测任务、信息推送任务和对象推荐任务中的至少之一。

21.一种电子设备，其特征在于，包括：一个或多个处理器、存储器以及一个或多个计算机程序，其中所述一个或多个计算机程序存储在所述存储器上，当所述计算机程序被所述一个或多个处理器执行时，使得所述电子设备执行以下步骤：

根据待训练任务的第二任务类型，确定与所述第二任务类型匹配的样本事件内容项；

基于预设的记录事件序列，确定针对所述样本事件内容项的索引标识；

根据与所述样本事件内容项关联的索引标识和样本标签，生成针对所述待训练任务的训练样本数据。

22.根据权利要求21所述的设备，其特征在于，所述记录事件序列是基于以下操作得到的：

响应于检测到针对样本输出项的触发事件，获取基于所述触发事件生成的候选事件内容；

根据由所述候选事件内容的生成时刻所指示的索引标识，存储所述候选事件内容，以得到所述记录事件序列。

23.根据权利要求22所述的设备，其特征在于，所述响应于检测到针对样本输出项的触发事件，获取基于所述触发事件生成的候选事件内容，包括：

响应于检测到针对样本输出项的标注事件和/或超时事件，获取基于所述标注事件和/或所述超时事件生成的候选事件内容，

其中，所述超时事件包括满足预设超时触发条件的指定事件。

24.根据权利要求21所述的设备，其特征在于，所述根据与所述样本事件内容项关联的索引标识和样本标签，生成针对所述待训练任务的训练样本数据，包括：

将所述索引标识作为样本数据结构中的数据内容，所述数据内容与所述样本标签构成所述训练样本数据。

25.根据权利要求21所述的设备，其特征在于，当所述计算机程序被所述一个或多个处理器执行时，还使得所述电子设备执行以下步骤：

确定与所述样本事件内容项匹配的对象操作反馈，并将所述对象操作反馈作为针对所述样本事件内容项的样本标签，

其中，所述对象操作反馈包括正向操作反馈和负向操作反馈。

26.根据权利要求21至25中任一项所述的设备，其特征在于，所述待训练任务为基于待训练的内容预测模型、信息推送模型和对象推荐模型中的至少之一实现。

27.一种计算机可读存储介质，其特征在于，包括计算机程序，当所述计算机程序在电子设备上运行时，使得所述电子设备执行如权利要求1至7中任意一项所述的任务处理方法，或者执行如权利要求8至13中任意一项所述的样本数据处理方法。

Images