本申请实施例涉及计算机技术领域，具体涉及用于验证数据的方法和装置。
背景技术：
用户画像又称用户角色，作为一种勾画目标用户、联系用户诉求与设计方向的有效工具，用户画像在各领域得到了广泛的应用。例如，用户画像被广泛应用于内容推荐、个性化广告展示、定向营销等各种互联网应用场景中。用户画像是根据用户社会属性、生活习惯和消费行为等信息挖掘出的一个标签化的用户模型，挖掘出的用户画像的用户标签质量直接影响推荐的准确性、营销的合理性，一旦出现问题将直接影响用户的体验。
技术实现要素：
本申请实施例提出了用于验证数据的方法和装置。
第一方面，本申请实施例提供了一种用于验证数据的方法，该方法包括：获取数据挖掘结果集，其中，数据挖掘结果包括用户标识和用户标识所对应的用户的用户标签；从上述数据挖掘结果集中确定包括目标维度的用户标签的数据挖掘结果子集；对数据挖掘结果子集中的目标维度的用户标签进行验证；对验证结果进行统计分析，以及将统计分析结果进行推送。
在一些实施例中，上述目标维度为预先设定的第一维度列表中的维度；以及上述对数据挖掘结果子集中的目标维度的用户标签进行验证，包括：对于数据挖掘结果子集中的数据挖掘结果的目标维度的用户标签，执行以下验证操作：将该数据挖掘结果的目标维度的用户标签与预先设定的样本集中的样本用户标识的目标维度的样本用户标签进行匹配，其中，样本用户标识与该数据挖掘结果的用户标识相同；响应于相匹配，确定该数据挖掘结果的目标维度的用户标签与样本用户标签一致；响应于不匹配，确定该数据挖掘结果的目标维度的用户标签与样本用户标签不一致。
在一些实施例中，上述对验证结果进行统计分析，以及将统计分析结果进行推送，包括：统计数据挖掘结果子集中的、目标维度的用户标签与上述样本集中的样本用户标签一致的数据挖掘结果的第一数量；统计数据挖掘结果子集中的、目标维度的用户标签与上述样本集中的样本用户标签不一致的数据挖掘结果的第二数量；统计数据挖掘结果子集中的、目标维度的用户标签未在上述样本集中查找到样本用户标签的数据挖掘结果的第三数量；计算上述第一数量、第二数量和第三数量之和作为第一总和；计算上述第一数量和上述第一总和的比值，并将得到的比值结果作为第一准确率；计算上述第一数量和上述第二数量之和与上述第一总和之间的比值，并将得到的比值结果作为第一召回率；将目标维度、第一准确率和第一召回率进行推送。
在一些实施例中，上述目标维度包括预先设定的第一维度和/或第二维度；以及上述对数据挖掘结果子集中的目标维度的用户标签进行验证，包括：对于数据挖掘结果子集中的数据挖掘结果，执行以下验证操作：确定该数据挖掘结果的第一维度用户标签和第二维度用户标签是否匹配；响应于确定该数据挖掘结果的第一维度用户标签和第二维度用户标签相匹配，确定该数据挖掘结果的第一维度用户标签和第二维度用户标签具有逻辑一致性；响应于确定该数据挖掘结果的第一维度用户标签和第二维度用户标签不匹配，确定该数据挖掘结果的第一维度用户标签和第二维度用户标签不具有逻辑一致性。
在一些实施例中，上述对验证结果进行统计分析，以及将统计分析结果进行推送，包括：将数据挖掘结果子集中的包括第一维度用户标签和/或第二维度用户标签的数据挖掘结果的数量作为第一统计数量；将数据挖掘结果子集中的、包括具有逻辑一致性的第一维度用户标签和第二维度用户标签的数据挖掘结果的数量作为第二统计数量；将第二统计数量与第一统计数量的比值作为一致性比率；计算第一统计数量与第二统计数量之差，将差值与第一统计数量的比值作为互斥性比率；将第一维度和第二维度的一致性比率和互斥性比率进行推送。
在一些实施例中，上述目标维度为预先设定的第二维度列表中的维度；以及上述对数据挖掘结果子集中的目标维度的用户标签进行验证，包括：对于数据挖掘结果子集中的数据挖掘结果的目标维度的用户标签，执行以下验证操作：将该数据挖掘结果的目标维度的用户标签与测评结果进行对比，其中，测评结果是基于该数据挖掘结果的用户标识所对应用户的用户行为数据获取的用户标签；根据对比结果确定该数据挖掘结果的目标维度的用户标签的验证结果，其中，验证结果包括以下情形：有效用户标签正确识别、有效用户标签错误识别为其他有效用户标签、无效用户标签错误识别为有效用户标签、无效用户标签正确识别、有效用户标签错误识别为无效用户标签，其中，有效用户标签指的是包括在预先设定的用户标签集合中的用户标签，无效用户标签指的是不包括在上述用户标签集合中的用户标签。
在一些实施例中，上述对验证结果进行统计分析，以及将统计分析结果进行推送，包括：统计数据挖掘结果子集中的、有效用户标签被正确识别的数据挖掘结果的第一数量值；统计数据挖掘结果子集中的、有效用户标签错误识别为其他有效标签的数据挖掘结果的第二数量值；统计数据挖掘结果子集中的、无效用户标签错误识别为有效用户标签的第三数量值；统计数据挖掘结果子集中的、无效用户标签正确识别的第四数量值；统计数据挖掘结果子集中的、有效用户标签错误识别为无效用户标签的第五数量值；将第一数量值、第二数量值和第三数量值之和作为第一数量值和，计算第一数量值与第一数量值和的比值，将该比值作为第二准确率；将第一数量值、第二数量值和第五数量值之和作为第二数量值和，计算第一数量值与第二数量值和的比值，将该比值作为第二召回率；将第二准确率和第二召回率进行推送。
第二方面，本申请实施例提供了一种用于验证数据的装置，装置包括：获取单元，用于获取数据挖掘结果集，其中，数据挖掘结果包括用户标识和用户标识所对应的用户的用户标签；确定单元，用于从上述数据挖掘结果集中确定包括目标维度的用户标签的数据挖掘结果子集；验证单元，用于对数据挖掘结果子集中的目标维度的用户标签进行验证；推送单元，用于对验证结果进行统计分析，以及将统计分析结果进行推送。
在一些实施例中，上述目标维度为预先设定的第一维度列表中的维度；以及上述验证单元进一步用于：对于数据挖掘结果子集中的数据挖掘结果的目标维度的用户标签，执行以下验证操作：将该数据挖掘结果的目标维度的用户标签与预先设定的样本集中的样本用户标识的目标维度的样本用户标签进行匹配，其中，样本用户标识与该数据挖掘结果的用户标识相同；响应于相匹配，确定该数据挖掘结果的目标维度的用户标签与样本用户标签一致；响应于不匹配，确定该数据挖掘结果的目标维度的用户标签与样本用户标签不一致。
在一些实施例中，上述推送单元进一步用于：统计数据挖掘结果子集中的、目标维度的用户标签与上述样本集中的样本用户标签一致的数据挖掘结果的第一数量；统计数据挖掘结果子集中的、目标维度的用户标签与上述样本集中的样本用户标签不一致的数据挖掘结果的第二数量；统计数据挖掘结果子集中的、目标维度的用户标签未在上述样本集中查找到样本用户标签的数据挖掘结果的第三数量；计算上述第一数量、第二数量和第三数量之和作为第一总和；计算上述第一数量和上述第一总和的比值，并将得到的比值结果作为第一准确率；计算上述第一数量和上述第二数量之和与上述第一总和之间的比值，并将得到的比值结果作为第一召回率；将目标维度、第一准确率和第一召回率进行推送。
在一些实施例中，上述目标维度包括预先设定的第一维度和/或第二维度；以及上述验证单元进一步用于：对于数据挖掘结果子集中的数据挖掘结果，执行以下验证操作：确定该数据挖掘结果的第一维度用户标签和第二维度用户标签是否匹配；响应于确定该数据挖掘结果的第一维度用户标签和第二维度用户标签相匹配，确定该数据挖掘结果的第一维度用户标签和第二维度用户标签具有逻辑一致性；响应于确定该数据挖掘结果的第一维度用户标签和第二维度用户标签不匹配，确定该数据挖掘结果的第一维度用户标签和第二维度用户标签不具有逻辑一致性。
在一些实施例中，上述推送单元进一步用于：将数据挖掘结果子集中的包括第一维度用户标签和/或第二维度用户标签的数据挖掘结果的数量作为第一统计数量；将数据挖掘结果子集中的、包括具有逻辑一致性的第一维度用户标签和第二维度用户标签的数据挖掘结果的数量作为第二统计数量；将第二统计数量与第一统计数量的比值作为一致性比率；计算第一统计数量与第二统计数量之差，将差值与第一统计数量的比值作为互斥性比率；将第一维度和第二维度的一致性比率和互斥性比率进行推送。
在一些实施例中，上述目标维度为预先设定的第二维度列表中的维度；以及上述验证单元进一步用于：对于数据挖掘结果子集中的数据挖掘结果的目标维度的用户标签，执行以下验证操作：将该数据挖掘结果的目标维度的用户标签与测评结果进行对比，其中，测评结果是基于该数据挖掘结果的用户标识所对应用户的用户行为数据获取的用户标签；根据对比结果确定该数据挖掘结果的目标维度的用户标签的验证结果，其中，验证结果包括以下情形：有效用户标签正确识别、有效用户标签错误识别为其他有效用户标签、无效用户标签错误识别为有效用户标签、无效用户标签正确识别、有效用户标签错误识别为无效用户标签，其中，有效用户标签指的是包括在预先设定的用户标签集合中的用户标签，无效用户标签指的是不包括在上述用户标签集合中的用户标签。
在一些实施例中，上述推送单元进一步用于：统计数据挖掘结果子集中的、有效用户标签被正确识别的数据挖掘结果的第一数量值；统计数据挖掘结果子集中的、有效用户标签错误识别为其他有效标签的数据挖掘结果的第二数量值；统计数据挖掘结果子集中的、无效用户标签错误识别为有效用户标签的第三数量值；统计数据挖掘结果子集中的、无效用户标签正确识别的第四数量值；统计数据挖掘结果子集中的、有效用户标签错误识别为无效用户标签的第五数量值；将第一数量值、第二数量值和第三数量值之和作为第一数量值和，计算第一数量值与第一数量值和的比值，将该比值作为第二准确率；将第一数量值、第二数量值和第五数量值之和作为第二数量值和，计算第一数量值与第二数量值和的比值，将该比值作为第二召回率；将第二准确率和第二召回率进行推送。
第三方面，本申请实施例提供了一种电子设备，该电子设备包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当上述一个或多个程序被上述一个或多个处理器执行时，使得上述一个或多个处理器实现如第一方面中任一实现方式描述的方法。
第四方面，本申请实施例提供了一种计算机可读介质，其上存储有计算机程序，其中，该计算机程序被处理器执行时实现如第一方面中任一实现方式描述的方法。
本申请实施例提供的用于验证数据的方法和装置，首先从获取的数据挖掘结果集中确定包括目标维度的用户标签的数据挖掘结果子集，然后，对数据挖掘结果子集中的目标维度的用户标签进行验证，最后对验证结果进行统计分析，以及将统计分析结果进行推送，从而实现了数据挖掘结果集中用户标签的验证。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：
图1是本申请可以应用于其中的示例性系统架构图；
图2是根据本申请的用于验证数据的方法的一个实施例的流程图；
图3是本申请中众测问卷显示界面的示意图；
图4是根据本申请的用于验证数据的方法的一个应用场景的示意图；
图5是根据本申请的用于验证数据的方法的又一个实施例的流程图；
图6是根据本申请的用于验证数据的装置的一个实施例的结构示意图；
图7是适于用来实现本申请实施例的电子设备的计算机系统的结构示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。
需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
图1示出了可以应用本申请实施例的用于验证数据的方法或用于验证数据的装置的示例性系统架构100。
如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用，例如网页浏览器应用、购物类应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。
终端设备101、102、103可以是硬件，也可以是软件。当终端设备101、102、103为硬件时，可以是具有显示屏的各种电子设备，包括但不限于智能手机、平板电脑、电子书阅读器、mp3播放器(movingpictureexpertsgroupaudiolayeriii，动态影像专家压缩标准音频层面3)、mp4(movingpictureexpertsgroupaudiolayeriv，动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机和台式计算机等等。当终端设备101、102、103为软件时，可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务)，也可以实现成单个软件或软件模块。在此不做具体限定。
服务器105可以是提供各种服务的服务器，例如对从终端设备101、102、103获取的数据挖掘结果集中的数据挖掘结果进行验证的后台服务器。后台服务器可以对获取的数据挖掘结果集进行验证和统计分析等处理，并将处理结果反馈给终端设备。
需要说明的是，本申请实施例所提供的用于验证数据的方法可以通过终端设备101、102、103执行，也可以通过服务器105执行。相应地，用于验证数据的装置可以设置于终端设备101、102、103中，也可以设置于服务器105中。本申请对此不做限定。
需要说明的是，服务器可以是硬件，也可以是软件。当服务器为硬件时，可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器。当服务器为软件时，可以实现成多个软件或软件模块(例如用来提供分布式服务)，也可以实现成单个软件或软件模块。在此不做具体限定。应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。
继续参考图2，示出了根据本申请的用于验证数据的方法的一个实施例的流程200。该用于验证数据的方法，包括以下步骤：
步骤201，获取数据挖掘结果集。
在本实施例中，用于验证数据的方法的执行主体(例如图1所示的终端设备101、102、103或服务器105)可以获取数据挖掘结果集，其中，上述数据挖掘结果集中的数据挖掘结果可以包括用户标识和用户标识所对应的用户的用户标签。在这里，用户标识所对应的用户可以拥有多个维度的用户标签，例如，某个用户标识所对应的用户可以拥有包括性别、年龄、学历、购买喜好、爱好、消费水平、人生阶段等多个维度的用户标签。作为示例，某条数据挖掘结果可以为“用户标识：a01，性别：男，学历：本科，爱好：出国游”。用户的用户标签可以是通过各种数据挖掘方式获得的，例如，通过聚类、数据建模等方法获取的。用户标识可以是指能够用于识别用户的标识符，不同用户对应不同的用户标识，作为示例，用户标识可以由汉字、字母、下划线、数字等组成。
步骤202，从数据挖掘结果集中确定包括目标维度的用户标签的数据挖掘结果子集。
在本实施例中，上述执行主体可以从上述数据挖掘集合集中确定包括目标维度的用户标签的数据挖掘结果子集。在这里，目标维度可以根据实际需要进行设定，例如，实际生产中需要对维度为“性别”的用户标签进行验证，此时，可以将“性别”作为目标维度，从上述数据挖掘结果集中选取出包括“性别”维度的用户标签的数据挖掘结果组成数据挖掘结果子集。
步骤203，对数据挖掘结果子集中的目标维度的用户标签进行验证。
在本实施例中，上述执行主体可以对步骤202中确定的数据挖掘结果子集中的目标维度的用户标签进行验证，例如，验证数据挖掘结果子集中的各个数据挖掘结果的目标维度的用户标签是否准确。
步骤204，对验证结果进行统计分析，以及将统计分析结果进行推送。
在本实施例中，上述执行主体可以对步骤203的验证结果进行统计分析，并将统计分析结果进行推送，以供显示。作为示例，上述执行主体可以将统计分析结果推送到预先设定的终端设备(例如，研发人员所使用的终端设备)，以供该终端设备显示统计分析结果。
在本实施例的一些可选的实现方式中，上述执行主体中可以预先存储有第一维度列表。在这里，上述第一维度列表中包括的维度可以为属性类维度，属性类维度可以表示用户的静态属性，例如，性别、年龄、学历等等，一般属性类维度对应的用户标签为有事实依据的自然属性。当上述目标维度为上述第一维度列表中的维度时，上述步骤203可以具体如下进行：
对于数据挖掘结果子集中的每个数据挖掘结果的目标维度的用户标签，上述执行主体可以执行以下验证操作：
将该数据挖掘结果的目标维度的用户标签与预先设定的样本集中的样本用户标识的目标维度的样本用户标签进行匹配，其中，样本用户标识与该数据挖掘结果的用户标识相同。在这里，上述样本集中可以包括样本用户标识和样本用户标识所对应的样本用户的样本用户标签，其中，样本用户标签为样本用户的真实数据。即该数据挖掘结果中的用户标签是通过数据挖掘得到的数据，而样本集中的样本用户标签为真实数据。作为一个示例，样本集中的样本用户标签可以是根据样本用户标识从互联网上爬取(例如，爬取微博数据、简历数据、人物简介等数据)得到的，例如，样本用户标识a001所对应的样本用户的目标维度“学历”的样本用户标签可以通过从招聘网站爬取该样本用户的简历数据得到。作为另一个示例，可以通过设计小游戏平台或者调查问卷的方式获得样本用户标签，例如，可以通过明星相似度小游戏平台利用明星的开发属性获得样本用户一些维度(例如，性别、年龄等)的样本用户标签。
响应于确定该数据挖掘结果的目标维度的用户标签与上述样本集中的样本用户标识的目标维度的样本用户标签相匹配，确定该数据挖掘结果的目标维度的用户标签与样本用户标签一致。在这里，上述相匹配可以是指相同(例如，性别维度的用户标签和样本用户标签相同)，也可以是指相似(例如，年龄维度的用户标签和样本用户标签之差小于预设的差异阈值)。
响应于确定该数据挖掘结果的目标维度的用户标签与上述样本集中的样本用户标识的目标维度的样本用户标签不匹配，确定该数据挖掘结果的目标维度的用户标签与样本用户标签不一致。
在一些可选的实现方式中，上述步骤204可以具体如下进行：步骤s1，统计数据挖掘结果子集中的、目标维度的用户标签与上述样本集中的样本用户标签一致的数据挖掘结果的第一数量。步骤s2，统计数据挖掘结果子集中的、目标维度的用户标签与上述样本集中的样本用户标签不一致的数据挖掘结果的第二数量。步骤s3，统计数据挖掘结果子集中的、目标维度的用户标签未在上述样本集中查找到样本用户标签的数据挖掘结果的第三数量。步骤s4，计算上述第一数量、第二数量和第三数量之和作为第一总和。步骤s5，计算上述第一数量和上述第一总和的比值，并将得到的比值结果作为第一准确率。步骤s6，计算上述第一数量和上述第二数量之和与上述第一总和之间的比值，并将得到的比值结果作为第一召回率。步骤s7，将目标维度、第一准确率和第一召回率进行推送。例如，当性别维度的用户标签“女”的第一准确率位90％，第一召回率95％时，可以推送如下信息“维度：性别，准确率：90％，召回率：95％”。
作为示例，假设第一数量为c1，第二数量为c2，第三数量为c3，则第一准确率accuracy1和第一召回率recall1的计算公式可以为：
accuracy1＝c1/(c1+c2+c3)，
recall1＝(c1+c2)/(c1+c2+c3)。
在本实施例的一些可选的实现方式中，上述目标维度可以为预先设定的第二维度列表中的维度。在这里，上述执行主体中可以预先存储有第二维度列表，第二维度列表中包括的维度可以为行为类维度，例如，娱乐偏好，出现方式，喜好等等，一般行为类维度为无事实依据的兴趣属性。当上述目标维度为第二维度列表中的维度时，上述步骤203可以具体如下进行：
对于数据挖掘结果子集中的每个数据挖掘结果的目标维度的用户标签，上述执行主体可以执行以下验证操作：
首先，可以将该数据挖掘结果的目标维度的用户标签与测评结果进行对比，其中，测评结果是基于该数据挖掘结果的用户标识所对应用户的用户行为数据获取的用户标签。在这里，测评结果可以是针对该数据挖掘结果的目标维度的用户标签获得的。作为示例，测评结果可以是通过众测评价得到的，例如，想要获取用户x维度为“兴趣”的用户标签，可以对用户x的一系列用户行为进行抽取，得到用户x的行为数据1)1月国外景点001；2)4月国外景点002；3)5月国外景点003；4)10月国外景点004，即挖掘依据，将挖掘依据和挖掘结果“喜欢出国游”包装成同意、不同意的选择题，分发出去，进行众测问卷，众测问卷的具体显示界面可以如图3所示，并将众测问卷结果作为测评结果。
然后，上述执行主体可以根据对比结果确定该数据挖掘结果的目标维度的用户标签的验证结果，其中，验证结果可以包括以下情形：有效用户标签正确识别、有效用户标签错误识别为其他有效用户标签、无效用户标签错误识别为有效用户标签、无效用户标签正确识别、有效用户标签错误识别为无效用户标签，其中，有效用户标签指的是包括在预先设定的用户标签集合中的用户标签，无效用户标签指的是不包括在上述用户标签集合中的用户标签。在这里，“有效用户标签正确识别”可以是指数据挖掘结果的用户标签与测评结果相同，且数据挖掘结果的用户标签包括在上述用户标签集合中；“有效用户标签错误识别为其他有效用户标签”可以是指数据挖掘结果的用户标签与测评结果不相同，且数据挖掘结果的用户标签与测评结果都包括在上述用户标签集合中；“无效用户标签错误识别为有效用户标签”可以是指数据挖掘结果的用户标签与测评结果不相同，且数据挖掘结果的用户标签包括在上述用户标签集合中；“无效用户标签正确识别”可以是指数据挖掘结果的用户标签与测评结果相同，且数据挖掘结果的用户标签和测评结果都不包括在上述用户标签集合中；“有效用户标签错误识别为无效用户标签”可以是指数据挖掘结果的用户标签与测评结果不相同，且数据挖掘结果的用户标签不包括在上述用户标签集合中。
在一些可选的实现方式中，上述步骤204可以具体如下进行：步骤2041，统计数据挖掘结果子集中的、有效用户标签被正确识别的数据挖掘结果的第一数量值。步骤2042，统计数据挖掘结果子集中的、有效用户标签错误识别为其他有效标签的数据挖掘结果的第二数量值。步骤2043，统计数据挖掘结果子集中的、无效用户标签错误识别为有效用户标签的第三数量值。步骤2044，统计数据挖掘结果子集中的、无效用户标签正确识别的第四数量值。步骤2045，统计数据挖掘结果子集中的、有效用户标签错误识别为无效用户标签的第五数量值。步骤2046，将第一数量值、第二数量值和第三数量值之和作为第一数量值和，计算第一数量值与第一数量值和的比值，将该比值作为第二准确率。步骤2047，将第一数量值、第二数量值和第五数量值之和作为第二数量值和，计算第一数量值与第二数量值和的比值，将该比值作为第二召回率。步骤2048，将第二准确率和第二召回率进行推送。作为示例，假设第一数量值为d1，第二数量值为d2，第三数量值为d3，第四数量值为d4，第五数量值为d5，则第二准确率accuracy2和第二召回率recall2的计算公式可以分别为：
accuracy2＝d1/(d1+d2+d3)，
recall2＝d1/(d1+d2+d5)。
步骤2049，将上述第二准确率和第二召回率进行推送。
继续参见图4，图4是根据本实施例的用于验证数据的方法的应用场景的一个示意图。在图4的应用场景中，终端设备401首先获取数据挖掘结果集，其中，上述数据挖掘结果集中包括数据挖掘结果a1{用户标识：01，性别：女，学历：本科，年龄：23，爱好：网购，消费水平：中，居住：公寓}、数据挖掘结果a2{用户标识：02，性别：男，学历：本科，年龄：29，爱好：出国游，消费水平：高，居住：别墅区}、……、数据挖掘结果a100{用户标识100，爱好：网游}等100条数据挖掘结果。之后，终端设备401从上述数据挖掘结果集中确定包括目标维度“学历”的用户标签的89条数据挖掘结果组成数据挖掘结果子集。然后，终端设备401对数据挖掘结果子集中的目标维度“学历”的用户标签进行验证，即判断数据挖掘结果子集中的各个数据挖掘结果中的学历的挖掘结果是否正确。最后，对验证结果进行统计分析，得到统计分析结果“维度：学历，准确率90％，召回率95％”，并将统计分析结果进行推送，显示结果如图4所示。
本申请的上述实施例提供的方法实现了数据挖掘结果集中的用户标签的验证。
进一步参考图5，其示出了用于验证数据的方法的又一个实施例的流程500。该用于验证数据的方法的流程500，包括以下步骤：
步骤501，获取数据挖掘结果集。
在本实施例中，用于验证数据的方法的执行主体(例如图1所示的终端设备101、102、103或服务器105)可以获取数据挖掘结果集，其中，上述数据挖掘结果集中的数据挖掘结果可以包括用户标识和用户标识所对应的用户的用户标签。
步骤502，从数据挖掘结果集中确定包括目标维度的用户标签的数据挖掘结果子集。
在本实施例中，上述执行主体可以从上述数据挖掘集合集中确定包括目标维度的用户标签的数据挖掘结果子集。
步骤503，对数据挖掘结果子集中的目标维度的用户标签进行验证。
在本实施例中，上述目标维度可以为预先设定的第一维度和/或第二维度，其中，上述第一维度对应的用户标签和第二维度对应的用户的标签可以具有逻辑一致性或者逻辑互斥性。例如，第一维度为“性别”，第二维度为“人生阶段”，当第一维度用户标签为“女”，第二维度用户标签为“孕期”时，第一维度用户标签和第二维度用户标签具有逻辑一致性；当第一维度用户标签为“男”，第二维度用户标签为“孕期”时，第一维度用户标签和第二维度用户标签不具有逻辑一致性，即具有逻辑互斥性。又例如，第一维度为“人生阶段”，第二维度为“年龄段”，当第一维度用户标签为“孕期”，第二维度用户标签为“20-30岁”时，第一维度用户标签和第二维度用户标签具有逻辑一致性；当第一维度用户标签为“孕期”，第二维度用户标签为“50岁以上”时，第一维度用户标签和第二维度用户标签不具有逻辑一致性。
在本实施例中，上述步骤503可以具体如下进行：对于数据挖掘结果子集中的每个数据挖掘结果，执行以下验证操作步骤：
步骤5031，确定该数据挖掘结果的第一维度用户标签和第二维度用户标签是否匹配。
在这里，上述执行主体可以确定该数据挖掘结果的第一维度用户标签和第二维度用户标签是否匹配。作为示例，上述执行主体中可以预先存储有第一维度用户标签和第二维度用户标签的逻辑一致性对应关系表，该逻辑一致性对应关系表中可以记录有多条第一维度用户标签和第二维度用户标签的逻辑一致性对应关系，例如，“兴趣：跳广场舞和年龄段：50岁以上”、“消费水平：高和兴趣：出国游”、“性别：女和人生阶段：孕期”等为逻辑一致性对应关系。这样，上述执行主体可以将该数据挖掘结果的第一维度用户标签和第二维度用户标签与该逻辑一致性对应关系表中的逻辑一致性对应关系进行匹配，如果该数据挖掘结果的第一维度用户标签和第二维度用户标签与该逻辑一致性对应关系中的某条逻辑一致性对应关系相同或相似，则可以确定该数据挖掘结果的第一维度用户标签和第二维度用户标签相匹配。
步骤5032，响应于确定该数据挖掘结果的第一维度用户标签和第二维度用户标签相匹配，上述执行主体可以确定该数据挖掘结果的第一维度用户标签和第二维度用户标签具有逻辑一致性。
步骤5033，响应于确定该数据挖掘结果的第一维度用户标签和第二维度用户标签不匹配，确定该数据挖掘结果的第一维度用户标签和第二维度用户标签不具有逻辑一致性。
步骤504，对验证结果进行统计分析，以及将统计分析结果进行推送。
在本实施例中，上述执行主体可以对验证结果进行统计分析，并将统计分析结果进行推送，以供显示。
在本实施例的一些可选的实现方式中，上述步骤504可以具体如下进行：首先，可以将数据挖掘结果子集中的包括第一维度用户标签和/或第二维度用户标签的数据挖掘结果的数量作为第一统计数量。其次，可以将数据挖掘结果子集中的、包括具有逻辑一致性的第一维度用户标签和第二维度用户标签的数据挖掘结果的数量作为第二统计数量；再次，可以将第二统计数量与第一统计数量的比值作为一致性比率。然后，可以计算第一统计数量与第二统计数量之差，将差值与第一统计数量的比值作为互斥性比率。最后，可以将第一维度和第二维度的一致性比率和互斥性比率进行推送。
作为示例，假设数据挖掘结果子集中包括第一维度a的用户标签的数据挖掘结果的数量pa，数据挖掘结果子集中包括第二维度b的用户标签的数据挖掘结果的数量pb，则第一统计数量为pa∪pb，第二统计数量为pa∩pb，那么一致性比率(r_consistency)和互斥性比率(r_mutual)的计算公式可以如下所示：
r_consistency＝(pa∩pb)/(pa∪pb)，
r_mutual＝(pa∪pb-pa∩pb)/(pa∪pb)。
从图5中可以看出，与图2对应的实施例相比，本实施例中的用于验证数据的方法的流程500突出了使用数据挖掘结果中不同维度的用户标签进行一致性验证的步骤，从而实现了通过数据挖掘结果不同维度的用户标签验证数据挖掘结果的目的，提高了数据挖掘结果验证的准确性。
进一步参考图6，作为对上述各图所示方法的实现，本申请提供了一种用于验证数据的装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。
如图6所示，本实施例的用于验证数据的装置600包括：获取单元601、确定单元602、验证单元603和推送单元604。其中，获取单元601用于获取数据挖掘结果集，其中，数据挖掘结果包括用户标识和用户标识所对应的用户的用户标签；确定单元602用于从上述数据挖掘结果集中确定包括目标维度的用户标签的数据挖掘结果子集；验证单元603用于对数据挖掘结果子集中的目标维度的用户标签进行验证；推送单元604用于对验证结果进行统计分析，以及将统计分析结果进行推送。
在本实施例中，用于验证数据的装置600的获取单元601、确定单元602、验证单元603和推送单元604的具体处理及其所带来的技术效果可分别参考图2对应实施例中步骤201、步骤202、步骤203和步骤204的相关说明，在此不再赘述。
在本实施例的一些可选的实现方式中，上述目标维度为预先设定的第一维度列表中的维度；以及上述验证单元603进一步用于：对于数据挖掘结果子集中的数据挖掘结果的目标维度的用户标签，执行以下验证操作：将该数据挖掘结果的目标维度的用户标签与预先设定的样本集中的样本用户标识的目标维度的样本用户标签进行匹配，其中，样本用户标识与该数据挖掘结果的用户标识相同；响应于相匹配，确定该数据挖掘结果的目标维度的用户标签与样本用户标签一致；响应于不匹配，确定该数据挖掘结果的目标维度的用户标签与样本用户标签不一致。
在本实施例的一些可选的实现方式中，上述推送单元604进一步用于：统计数据挖掘结果子集中的、目标维度的用户标签与上述样本集中的样本用户标签一致的数据挖掘结果的第一数量；统计数据挖掘结果子集中的、目标维度的用户标签与上述样本集中的样本用户标签不一致的数据挖掘结果的第二数量；统计数据挖掘结果子集中的、目标维度的用户标签未在上述样本集中查找到样本用户标签的数据挖掘结果的第三数量；计算上述第一数量、第二数量和第三数量之和作为第一总和；计算上述第一数量和上述第一总和的比值，并将得到的比值结果作为第一准确率；计算上述第一数量和上述第二数量之和与上述第一总和之间的比值，并将得到的比值结果作为第一召回率；将目标维度、第一准确率和第一召回率进行推送。
在本实施例的一些可选的实现方式中，上述目标维度包括预先设定的第一维度和/或第二维度；以及上述验证单元603进一步用于：对于数据挖掘结果子集中的数据挖掘结果，执行以下验证操作：确定该数据挖掘结果的第一维度用户标签和第二维度用户标签是否匹配；响应于确定该数据挖掘结果的第一维度用户标签和第二维度用户标签相匹配，确定该数据挖掘结果的第一维度用户标签和第二维度用户标签具有逻辑一致性；响应于确定该数据挖掘结果的第一维度用户标签和第二维度用户标签不匹配，确定该数据挖掘结果的第一维度用户标签和第二维度用户标签不具有逻辑一致性。
在本实施例的一些可选的实现方式中，上述推送单元604进一步用于：将数据挖掘结果子集中的包括第一维度用户标签和/或第二维度用户标签的数据挖掘结果的数量作为第一统计数量；将数据挖掘结果子集中的、包括具有逻辑一致性的第一维度用户标签和第二维度用户标签的数据挖掘结果的数量作为第二统计数量；将第二统计数量与第一统计数量的比值作为一致性比率；计算第一统计数量与第二统计数量之差，将差值与第一统计数量的比值作为互斥性比率；将第一维度和第二维度的一致性比率和互斥性比率进行推送。
在本实施例的一些可选的实现方式中，上述目标维度为预先设定的第二维度列表中的维度；以及上述验证单元603进一步用于：对于数据挖掘结果子集中的数据挖掘结果的目标维度的用户标签，执行以下验证操作：将该数据挖掘结果的目标维度的用户标签与测评结果进行对比，其中，测评结果是基于该数据挖掘结果的用户标识所对应用户的用户行为数据获取的用户标签；根据对比结果确定该数据挖掘结果的目标维度的用户标签的验证结果，其中，验证结果包括以下情形：有效用户标签正确识别、有效用户标签错误识别为其他有效用户标签、无效用户标签错误识别为有效用户标签、无效用户标签正确识别、有效用户标签错误识别为无效用户标签，其中，有效用户标签指的是包括在预先设定的用户标签集合中的用户标签，无效用户标签指的是不包括在上述用户标签集合中的用户标签。
在本实施例的一些可选的实现方式中，上述推送单元604进一步用于：统计数据挖掘结果子集中的、有效用户标签被正确识别的数据挖掘结果的第一数量值；统计数据挖掘结果子集中的、有效用户标签错误识别为其他有效标签的数据挖掘结果的第二数量值；统计数据挖掘结果子集中的、无效用户标签错误识别为有效用户标签的第三数量值；统计数据挖掘结果子集中的、无效用户标签正确识别的第四数量值；统计数据挖掘结果子集中的、有效用户标签错误识别为无效用户标签的第五数量值；将第一数量值、第二数量值和第三数量值之和作为第一数量值和，计算第一数量值与第一数量值和的比值，将该比值作为第二准确率；将第一数量值、第二数量值和第五数量值之和作为第二数量值和，计算第一数量值与第二数量值和的比值，将该比值作为第二召回率；将第二准确率和第二召回率进行推送。
下面参考图7，其示出了适于用来实现本申请实施例的终端设备/服务器的计算机系统700的结构示意图。图7示出的终端设备/服务器仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。
如图7所示，计算机系统700包括中央处理单元(cpu)701，其可以根据存储在只读存储器(rom)702中的程序或者从存储部分708加载到随机访问存储器(ram)703中的程序而执行各种适当的动作和处理。在ram703中，还存储有系统700操作所需的各种程序和数据。cpu701、rom702以及ram703通过总线704彼此相连。输入/输出(i/o)接口705也连接至总线704。
以下部件连接至i/o接口705：包括键盘、鼠标等的输入部分706；包括诸如阴极射线管(crt)、液晶显示器(lcd)等以及扬声器等的输出部分707；包括硬盘等的存储部分708；以及包括诸如lan卡、调制解调器等的网络接口卡的通信部分709。通信部分709经由诸如因特网的网络执行通信处理。驱动器710也根据需要连接至i/o接口705。可拆卸介质711，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器710上，以便于从其上读出的计算机程序根据需要被安装入存储部分708。
特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分709从网络上被下载和安装，和/或从可拆卸介质711被安装。在该计算机程序被中央处理单元(cpu)701执行时，执行本申请的方法中限定的上述功能。需要说明的是，本申请所述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑磁盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、rf等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本申请的操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如java、smalltalk、c++，还包括常规的过程式程序设计语言—诸如“c”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(lan)或广域网(wan)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图，图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本申请实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括获取单元、确定单元、验证单元和推送单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，获取单元还可以被描述为“获取数据挖掘结果集的单元”。
作为另一方面，本申请还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的装置中所包含的；也可以是单独存在，而未装配入该装置中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该装置执行时，使得该装置：获取数据挖掘结果集，其中，数据挖掘结果包括用户标识和用户标识所对应的用户的用户标签；从上述数据挖掘结果集中确定包括目标维度的用户标签的数据挖掘结果子集；对数据挖掘结果子集中的目标维度的用户标签进行验证；对验证结果进行统计分析，以及将统计分析结果进行推送。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。