本公開實施例公開了一種數據處理方法、裝置、電子設備及存儲介質，所述方法包括：根據預設用戶群中每個用戶的第一概率從所述預設用戶群中篩選目標用戶群，所述目標用戶群包括的用戶數量小于或等于所述預設用戶群包括的用戶數量；根據所述目標用戶群中每個用戶的第二概率分別獲取所述目標用戶群中每個用戶的第三概率；根據所述目標用戶群中每個用戶的第三概率，確定所述目標用戶群中每個用戶對應的數據。該方案能夠克服相關技術中確定每個用戶對應的數據的缺陷，提高確定每個用戶對應的數據時的效率和準確性。

技術領域

本公開涉及電子信息處理技術領域，具體涉及一種數據處理方法、裝置、電子設備及存儲介質。

背景技術

隨著互聯網技術的快速發展，網絡早已經成為現代人日常生活中不可或缺的部分，網絡購物由于其獨有的便捷性和直觀性，使得越來越多的用戶選擇通過網絡購物解決日常購物問題，該貨物可以為食品、衛生用品、衣物等任何物品。

目前常見的形式是用戶通過用戶終端，比如電腦、手機，在APP上進行下單并付款，商家接收到訂單后，準備貨物，包裝貨物，并將包裝好的貨物交給物流人員，最后由物流的送貨人員將貨物送至用戶手中。

發明內容

本公開實施例提供一種數據處理方法、裝置、電子設備及存儲介質。

第一方面，本公開實施例中提供了一種數據處理方法。

具體的，所述數據處理方法，包括：

根據預設用戶群中每個用戶的第一概率從所述預設用戶群中篩選目標用戶群，所述目標用戶群包括的用戶數量小于或等于所述預設用戶群包括的用戶數量；

根據所述目標用戶群中每個用戶的第二概率分別獲取所述目標用戶群中每個用戶的第三概率；

根據所述目標用戶群中每個用戶的第三概率，確定所述目標用戶群中每個用戶對應的數據。

結合第一方面，本公開在第一方面的第一種實現方式中，所述根據所述目標用戶群中每個用戶的第二概率分別獲取所述目標用戶群中每個用戶的第三概率包括：

通過預設的第一模型分別計算所述目標用戶群中每個用戶對應的數據為Z時的第二概率和對應的數據為0時的第二概率，所述Z大于或等于1；

根據所述目標用戶群中每個用戶對應的數據為Z時的第二概率和對應的數據為0時的第二概率，分別獲取所述目標用戶群中每個用戶的第三概率。

結合第一方面和第一方面的第一種實現方式，本公開在第一方面的第二種實現方式中，所述根據所述目標用戶群中每個用戶的第三概率，確定所述目標用戶群中每個用戶對應的數據包括：

根據所述目標用戶群中每個用戶的第三概率和數據Z，確定所述目標用戶群中每個用戶對應的數據。

結合第一方面、第一方面的第一種實現方式和第一方面的第二種實現方式，本公開在第一方面的第三種實現方式中，所述方法還包括：

根據第一預設抽取條件從用戶數據庫中抽取第一特征用戶群，所述用戶數據庫包括多個用戶的用戶畫像，所述用戶畫像至少包括用戶的歷史數據；

根據所述第一特征用戶群中每個用戶的歷史數據，分別獲取所述第一特征用戶群中每個用戶對應不同數據時的第二概率；

根據所述第一特征用戶群中每個用戶的用戶畫像、所述每個用戶對應不同數據時的第二概率和XGBOOST模型，訓練得到所述第一模型。

結合第一方面、第一方面的第一種實現方式、第一方面的第二種實現方式和第一方面的第三種實現方式，本公開在第一方面的第四種實現方式中，所述方法還包括：

通過預設的第二模型分別計算所述預設用戶群中每個用戶的第一概率。