1.一種數據處理方法，其特征在于，所述方法包括：

獲取待篩選數據集，所述待篩選數據集包括多個待篩選的源語言數據；

基于目標數據篩選模型，對所述待篩選數據集中的各個源語言數據進行篩選，得到篩選后的源語言數據，所述目標數據篩選模型利用強化學習算法訓練得到；

將所述篩選后的源語言數據作為目標源語言數據，獲取與所述目標源語言數據對應的標注語言數據，基于所述目標源語言數據和所述標注語言數據獲取機器翻譯模型；

所述方法還包括：

隨機初始化第一訓練數據集，所述第一訓練數據集包括多個源語言訓練數據；將所述隨機初始化的第一訓練數據集劃分為至少一個目標訓練數據集；

獲取第一目標訓練數據集中的各個源語言訓練數據的目標特征，所述第一目標訓練數據集為所述至少一個目標訓練數據集中的第一個目標訓練數據集；

將所述第一目標訓練數據集中的各個源語言訓練數據的目標特征輸入第一數據篩選模型，得到所述第一目標訓練數據集中的各個源語言訓練數據的篩選結果；基于所述第一目標訓練數據集中的各個源語言訓練數據的篩選結果，確定所述第一目標訓練數據集中的各個源語言訓練數據的權重值；

基于所述第一目標訓練數據集中的各個源語言訓練數據的目標特征、篩選結果、權重值和第二目標訓練數據集中的各個源語言訓練數據的目標特征，生成與所述第一目標訓練數據集中的各個源語言訓練數據對應的候選數據，所述第二目標訓練數據集為所述至少一個目標訓練數據集中的所述第一目標訓練數據集的下一個目標訓練數據集；

選取目標數量的候選數據，基于所述目標數量的候選數據更新所述第一數據篩選模型的參數，得到更新后的第一數據篩選模型；

基于所述更新后的第一數據篩選模型返回將所述隨機初始化的第一訓練數據集劃分為至少一個目標訓練數據集的步驟進行迭代訓練，直至滿足第二訓練終止條件，得到第二數據篩選模型；

基于所述第二數據篩選模型返回隨機初始化第一訓練數據集的步驟進行迭代訓練，直至滿足第一訓練終止條件，得到所述目標數據篩選模型。