一种数据处理方法、装置、电子设备及存储介质与流程

1.本技术涉及计算机技术领域，特别是涉及一种数据处理方法、装置、电子设备及存储介质。


背景技术：

2.随着各个行业的企业的数量不断增长以及各个行业的产业逐步升级，各大企业的竞争的重点转向了人才的竞争，如此，对人才的招聘成为了各大企业的头等大事。其次，随着互联网的飞速发展，网络招聘已经成为一种高效便捷的招聘方式。
3.但是目前的招聘方式求职者与企业之间的匹配度低，导致求职者在招聘网站上的求职效率低，久而久之会造成招聘网站流失求职者的情况。


技术实现要素：

4.本技术示出了一种数据处理方法、装置、电子设备及存储介质。
5.第一方面，本技术示出了一种数据处理方法，所述方法包括：
6.获取求职者的求职信息；以及，获取处于招聘状态的多个职位中的各个职位的职位信息；
7.根据所述求职者的求职信息以及各个职位的职位信息，分别预测各个职位的第一概率、各个职位的第二概率以及各个职位的第三概率，所述第一概率包括在向所述求职者推荐职位的情况下所述求职者查看职位的职位信息的概率，所述第二概率包括：在所述求职者查看职位的职位信息的情况下对职位投递所述求职者的简历的概率，所述第三概率包括：在所述求职者对职位投递所述求职者的简历的情况下职位的招聘方针对职位向所述求职者返回正向反馈信息的概率；
8.根据各个职位的第一概率、各个职位的第二概率以及各个职位的第三概率，获取各个职位分别针对所述求职者的推荐分值；
9.根据各个职位分别针对所述求职者的推荐分值，向所述求职者推荐所述多个职位中的至少一个职位。
10.在一个可选的实现方式中，所述根据各个职位的第一概率、各个职位的第二概率以及各个职位的第三概率，获取各个职位分别针对所述求职者的推荐分值，包括：
11.根据各个职位的第一概率以及各个职位的第二概率分别获取所述求职者对各个职位感兴趣的概率；
12.根据所述求职者对各个职位感兴趣的概率以及各个职位的第三概率，获取各个职位分别针对所述求职者的推荐分值。
13.在一个可选的实现方式中，所述根据各个职位的第一概率以及各个职位的第二概率分别获取所述求职者对各个职位感兴趣的概率，包括：
14.对于所述多个职位中的任意一个职位，计算所述职位的第一概率与所述职位的第二概率之间的乘积，根据所述乘积获取所述求职者对所述职位感兴趣的概率。
15.在一个可选的实现方式中，所述根据所述求职者对各个职位感兴趣的概率以及各个职位的第三概率，获取各个职位分别针对所述求职者的推荐分值，包括：
16.对于所述多个职位中的任意一个职位，在所述求职者分别对各个职位感兴趣的概率的由高至低的排序顺序中，确定所述求职者对所述职位的感兴趣的概率的第一顺序编号；以及，在各个职位的第三概率的由高至低的排序顺序中，确定所述职位的第三概率的第二顺序编号；
17.根据所述求职者对所述职位感兴趣的概率、第一顺序编号以及第二顺序编号获取所述职位针对所述求职者的推荐分值。
18.在一个可选的实现方式中，所述根据所述求职者对所述职位感兴趣的概率、第一顺序编号以及第二顺序编号获取所述职位针对所述求职者的推荐分值，包括：
19.获取需要为所述求职者推荐的职位的数量；
20.计算所述第一顺序编号与所述第二顺序编号之间的差值；
21.根据所述数量、所述差值以及所述求职者对所述职位感兴趣的概率，获取所述职位针对所述求职者的推荐分值。
22.在一个可选的实现方式中，所述根据所述数量、所述差值以及所述求职者对所述职位感兴趣的概率，获取所述职位针对所述求职者的推荐分值，包括：
23.在所述差值大于或等于所述数量的情况下，根据所述求职者对所述职位感兴趣的概率以及所述数量获取所述职位针对所述求职者的推荐分值；
24.或者，
25.在所述差值小于所述数量的情况下，获取所述差值的绝对值，根据所述求职者对所述职位感兴趣的概率以及所述差值的绝对值获取所述职位针对所述求职者的推荐分值。
26.在一个可选的实现方式中，根据所述求职者的求职信息以及各个职位的职位信息，预测各个职位的第三概率的流程，包括：
27.对于多个职位中的任意一个职位，将所述职位的职位信息与所述求职者的求职信息输入已训练的反馈率模型中，以使所述反馈率模型对所述职位的职位信息与所述求职者的求职信息处理，得到所述职位的第三概率。
28.在一个可选的实现方式中，所述方法还包括：
29.获取至少一个样本数据集，所述样本数据集包括样本求职者的样本求职信息、样本职位的样本职位信息以及在所述样本求职者对所述样本职位投递简历的情况下所述样本职位的样本招聘方针对所述样本职位对所述样本求职者返回的样本反馈信息；
30.根据至少一个样本数据集对模型训练，直至模型中的参数收敛，从而得到所述反馈率模型；
31.其中，所述样本数据集中的、所述样本职位的样本招聘方针对所述样本职位对所述样本求职者返回样本反馈信息的返回时刻与当前时刻之间的时间间隔小于预设时间间隔。
32.第二方面，本技术示出了一种数据处理装置，所述装置包括：
33.第一获取模块，用于获取求职者的求职信息；以及，获取处于招聘状态的多个职位中的各个职位的职位信息；
34.预测模块，用于根据所述求职者的求职信息以及各个职位的职位信息，分别预测
各个职位的第一概率、各个职位的第二概率以及各个职位的第三概率，所述第一概率包括在向所述求职者推荐职位的情况下所述求职者查看职位的职位信息的概率，所述第二概率包括：在所述求职者查看职位的职位信息的情况下对职位投递所述求职者的简历的概率，所述第三概率包括：在所述求职者对职位投递所述求职者的简历的情况下职位的招聘方针对职位向所述求职者返回正向反馈信息的概率；
35.第二获取模块，用于根据各个职位的第一概率、各个职位的第二概率以及各个职位的第三概率，获取各个职位分别针对所述求职者的推荐分值；
36.推荐模块，用于根据各个职位分别针对所述求职者的推荐分值，向所述求职者推荐所述多个职位中的至少一个职位。
37.在一个可选的实现方式中，所述第二获取模块包括：
38.第一获取子模块，用于根据各个职位的第一概率以及各个职位的第二概率分别获取所述求职者对各个职位感兴趣的概率；
39.第二获取子模块，用于根据所述求职者对各个职位感兴趣的概率以及各个职位的第三概率，获取各个职位分别针对所述求职者的推荐分值。
40.在一个可选的实现方式中，所述第一获取子模块具体用于：对于所述多个职位中的任意一个职位，计算所述职位的第一概率与所述职位的第二概率之间的乘积，根据所述乘积获取所述求职者对所述职位感兴趣的概率。
41.在一个可选的实现方式中，所述第二获取子模块包括：
42.确定单元，用于对于所述多个职位中的任意一个职位，在所述求职者分别对各个职位感兴趣的概率的由高至低的排序顺序中，确定所述求职者对所述职位的感兴趣的概率的第一顺序编号；以及，在各个职位的第三概率的由高至低的排序顺序中，确定所述职位的第三概率的第二顺序编号；
43.获取单元，用于根据所述求职者对所述职位感兴趣的概率、第一顺序编号以及第二顺序编号获取所述职位针对所述求职者的推荐分值。
44.在一个可选的实现方式中，所述获取单元包括：
45.第一获取子单元，用于获取需要为所述求职者推荐的职位的数量；
46.计算子单元，用于计算所述第一顺序编号与所述第二顺序编号之间的差值；
47.第二获取子单元，用于根据所述数量、所述差值以及所述求职者对所述职位感兴趣的概率，获取所述职位针对所述求职者的推荐分值。
48.在一个可选的实现方式中，所述第二获取子单元具体用于：
49.在所述差值大于或等于所述数量的情况下，根据所述求职者对所述职位感兴趣的概率以及所述数量获取所述职位针对所述求职者的推荐分值；
50.或者，
51.在所述差值小于所述数量的情况下，获取所述差值的绝对值，根据所述求职者对所述职位感兴趣的概率以及所述差值的绝对值获取所述职位针对所述求职者的推荐分值。
52.在一个可选的实现方式中，所述预测模块包括：
53.输入子模块，用于对于多个职位中的任意一个职位，将所述职位的职位信息与所述求职者的求职信息输入已训练的反馈率模型中，以使所述反馈率模型对所述职位的职位信息与所述求职者的求职信息处理，得到所述职位的第三概率。
54.在一个可选的实现方式中，所述预测模块还包括：
55.第三获取子模块，用于获取至少一个样本数据集，所述样本数据集包括样本求职者的样本求职信息、样本职位的样本职位信息以及在所述样本求职者对所述样本职位投递简历的情况下所述样本职位的样本招聘方针对所述样本职位对所述样本求职者返回的样本反馈信息；
56.训练子模块，用于根据至少一个样本数据集对模型训练，直至模型中的参数收敛，从而得到所述反馈率模型；
57.其中，所述样本数据集中的、所述样本职位的样本招聘方针对所述样本职位对所述样本求职者返回样本反馈信息的返回时刻与当前时刻之间的时间间隔小于预设时间间隔。
58.第三方面，本技术示出了一种电子设备，所述电子设备包括：处理器；用于存储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如任一方面所述的数据处理方法。
59.第四方面，本技术示出了一种非临时性计算机可读存储介质，当所述存储介质中的指令由电子设备的处理器执行时，使得电子设备能够执行如任一方面所述的数据处理方法。
60.第五方面，本技术示出了一种计算机程序产品，当所述计算机程序产品中的指令由电子设备的处理器执行时，使得电子设备能够执行如任一方面所述的数据处理方法。
61.本技术提供的技术方案可以包括以下有益效果：
62.在本技术中，获取求职者的求职信息。以及，获取处于招聘状态的多个职位中的各个职位的职位信息。根据求职者的求职信息以及各个职位的职位信息，分别预测各个职位的第一概率、各个职位的第二概率以及各个职位的第三概率。第一概率包括在向求职者推荐职位的情况下求职者查看职位的职位信息的概率。第二概率包括：在求职者查看职位的职位信息的情况下对职位投递求职者的简历的概率。第三概率包括：在求职者对职位投递求职者的简历的情况下职位的招聘方针对职位向求职者返回正向反馈信息的概率。根据各个职位的第一概率、各个职位的第二概率以及各个职位的第三概率，获取各个职位分别针对求职者的推荐分值。根据各个职位分别针对求职者的推荐分值，向求职者推荐多个职位中的至少一个职位。
63.通过本技术，在向求职者推荐职位的场景中，不仅兼顾了求职者与职位之间的匹配情况，且兼顾了求职者与职位的招聘方之间关于职位的匹配情况，如此，可以尽可能地提高求职者对被推荐的职位感兴趣的可能性以及尽可能地提高职位的招聘方针对职位对求职者的条件的满意的可能性，例如，可以提高在向求职者推荐职位的情况下求职者查看职位的职位信息的概率，提高在求职者查看职位的职位信息的情况下对职位投递求职者的简历的概率以及提高在求职者对职位投递求职者的简历的情况下职位的招聘方针对职位向求职者返回正向反馈信息的概率。
64.如此可以尽可能地使得向求职者推荐职位的操作既能满足求职者的需求也能够满足职位的招聘方的需求等。使得向求职者推荐职位的操作能够产生实际价值，提高求职者的求职效率，提高求职者的求职体验，可以避免求职者从招聘网站上流失等。
附图说明
65.图1是本技术的一种数据处理方法的步骤流程图。
66.图2是本技术的一种数据处理装置的结构框图。
67.图3是本技术示出的一种电子设备的框图。
68.图4是本技术示出的一种电子设备的框图。
具体实施方式
69.为使本技术的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本技术作进一步详细的说明。
70.各大企业可以将自己需要招聘的职位公布在招聘网站上，求职者可以在网站上搜索职位，并向职位投递自己简历，企业在得到求职者针对其公布的职位投递的简历之后，可以对求职者的简历评估，在求职者简历满足要求之后，企业可以联系求职者进行笔试以及面试等。
71.然而，发明人发现，在网络招聘中，存在如下问题：
72.由于需要招聘的企业数量较多且各个企业分别需要招聘的职位较多，导致在招聘网站上公布的需要招聘的职位的数量往往是海量的，如此，求职者在招聘网站上公布的海量的职位中搜索求职者感兴趣的职位的困难程度很高，这样会降低求职者在招聘网站上的求职效率，从而会降低求职者在招聘网站上的求职体验，进而可能会导致求职者不再使用招聘网站，造成招聘网站流失求职者的情况。
73.为此，提出了避免招聘网站流失求职者的需求。
74.为了实现避免招聘网站流失求职者的目的，可以提高求职者在招聘网站上的求职体验。
75.为了实现提高求职者在招聘网站上的求职体验的目的，可以提高求职者在招聘网站上的求职效率。
76.为了实现提高求职者在招聘网站上的求职效率的目的，可以降低求职者在招聘网站上得到求职者感兴趣的职位的困难程度。
77.为了实现降低求职者在招聘网站上得到求职者感兴趣的职位的困难程度的目的，在一个方式中，招聘网站可以获取求职者的求职信息，例如，求职者的年龄、性别、所在地域、学历或者专业等，然后基于求职者的求职信息在招聘网站上公布的大量的职位中自动化地筛选求职者感兴趣的职位，并向求职者推荐筛选出的求职者感兴趣的职位。
78.这样，求职者就能够得到招聘网站推荐的职位，就不用手动在招聘网站上搜索职位，从而可以降低求职者在招聘网站上得到求职者感兴趣的职位的困难程度。
79.然而，发明人对上述方式进行了统计分析后发现：针对求职场景，涉及了至少有求职者以及招聘方(企业)，也即，至少涉及了应聘方以及招聘方。
80.虽然上述方式能够向求职者推荐求职者感兴趣的职位，达到了降低求职者在招聘网站上得到求职者感兴趣的职位的困难程度。
81.但是，发明人发现，在招聘的场景中，一个重要的目的是需要促成求职者与招聘方双向匹配，例如，不仅需要使得向求职者推荐的职位是求职者感兴趣的职位，还需要使得职位的招聘方对被推荐了职位的求职者的条件满意，这样，对于向求职者推荐职位而言，既能
满足求职者的需求，也能够满足职位的招聘方的需求。
82.但是，在招聘场景中，在向求职者推荐职位的情况下，若仅仅参考了求职者的相关情况，而不参考招聘方的相关情况，往往是无法达到“既能满足求职者的需求，也能够满足职位的招聘方的需求”的目的的。
83.例如，对于某一职位而言，虽然求职者对该职位可能感兴趣，但是该职位的招聘方可能对求职者的条件并不满意，如此，即使向求职者推荐了该职位且求职者针对该职位投递了求职者的简历，招聘方也可能并不会联系求职者面试以及笔试，这样会对求职者而言，针对该职位投递了求职者的简历之后不会收到该职位的招聘方关于该职位的返回的正向反馈信息，会有简历石沉大海的感觉，无法达到求职者找工作的目的，向求职者推荐职位的操作并未产生实际价值。仍旧可能会降低求职者在招聘网站上的求职效率，从而会降低求职者在招聘网站上的求职体验，进而可能会导致求职者不再使用招聘网站，造成招聘网站流失求职者的情况。
84.鉴于此，提出了在向求职者推荐职位的场景中，提高求职者对被推荐的职位满意的可能性的需求以及职位的招聘方对被推荐了该职位的求职者的条件满意的需求。
85.为了实现“在向求职者推荐职位的场景中，提高求职者对被推荐的职位满意的可能性的需求以及职位的招聘方对被推荐了该职位的求职者的条件满意的需求”的目的，在向求职者推荐职位的场景中，不仅需要参考求职者的相关情况而且还需要参考招聘方的相关情况。
86.具体地，参见图1，示出了本技术的一种数据处理方法的流程示意图，该方法应用于电子设备，电子设备可以包括求职网站的服务端等。
87.其中，该方法包括：
88.在步骤s101中，获取求职者的求职信息。以及，获取处于招聘状态的多个职位中的各个职位的职位信息。
89.求职者的求职信息至少包括以下至少一者：求职者的基础求职信息、求职者的统计求职信息以及求职者的偏好求职信息等。
90.求职者的基础求职信息至少包括以下至少一者：求职者的性别、求职者的年龄、求职者的工作经验、求职者的学历、求职者的毕业院校以及求职者的专业等。
91.求职者的统计求职信息至少包括以下至少一者：求职者近期或者长期的职位点击率(例如，求职者在被推荐的职位中查看职位信息的职位的总数量与求职者被推荐的职位的总数量之间的比值等)、求职者近期或长期的简历投递率(求职者在被推荐的职位中投递简历的职位的总数量与求职者在被推荐的职位中查看职位信息的职位的总数量之间的比值)以及求职者的即时通讯发起率(目标职位的数量与求职者在被推荐的职位中查看职位信息的职位的总数量之间的比值等，目标职位包括求职者在被推荐的职位中与对应的招聘方通过即时通讯工具交流的职位等)。
92.求职者的偏好求职信息至少包括以下至少一者：求职者的期望工作位置、期望职位类型、期望薪资待遇、期望企业规模以及期望晋升前景等。
93.其中，求职者希望在哪一个位置上找工作，则哪一个位置即为求职者的期望工作位置。工作位置包括“省-市-区/县-道路-楼宇”等。
94.期望职位类型包括“销售”、“医护”、“保安”以及“保洁”等，本技术对此不做限定。
95.其中，本技术中的所有数据均是在获得授权的前提下获取的。
96.求职者包括正在浏览招聘的职位的求职者或正在观看招聘直播的求职者等。
97.职位的职位信息至少包括以下至少一者：职位的基础职位信息、职位的统计职位信息以及职位的偏好职位信息等。
98.职位的基础职位信息至少包括以下至少一者：职位的招聘方的企业属性(企业性质以及行业等)、职位的职位名称、职位的工作位置、职位的薪资待遇、职位的招聘方的名称、职位的招聘方的部门名称、职位的职位类型、职位的福利待遇、职位的招聘方的人数规模、职位的评论信息以及职位的晋升前景等。
99.职位的统计职位信息至少包括以下至少一者：在近期或长期职位的招聘方对简历的阅读率(职位的招聘方在收到的针对职位投递的简历中查看的简历的总数量与职位的招聘方收到的针对职位投递的简历的总数量之间的比值等)、职位的招聘方收到的针对职位投递的简历的总数量以及在近期或长期职位的招聘方对简历的回复率(职位的招聘方在收到的针对职位投递的简历中回复对应求职者的简历的总数量与职位的招聘方收到的针对职位投递的简历的总数量之间的比值等)等。
100.职位的偏好职位信息至少包括以下至少一者：职位的任职要求偏好、偏好的性别、偏好的工作经验、偏好的学历、偏好的专业以及偏好的年龄等。
101.通过求职者的求职信息以及职位的职位信息可以确定求职者与职位之间的交叉信息以及交叉统计信息等，便于后续筛选需要向求职者推荐的职位使用，以提高推荐准确性(既能够满足求职者对职位的要求也能够满足招聘方对求职者的条件的要求等)。
102.交叉信息可以包括求职者的期望工作位置和职位的实际工作位置是否匹配等。
103.交叉统计信息可以包括求职者的工作经验与职位要求的工作经验是否匹配以及求职者的学历与职位要求的学历是否匹配等。
104.其中，职位的职位信息可以是职位的招聘方直接向电子设备提供的，招聘方可以自由配置职位的职位信息，如此可以提高招聘方进行招聘时的自由度，也可以提高招聘方的参与度。
105.如此，对于多个职位中的任意一个职位，可以获取该职位的招聘方事先提供的该职位的职位信息。对于多个职位中的其他每一个职位，同样执行上述操作。
106.在步骤s102中，根据求职者的求职信息以及各个职位的职位信息，分别预测各个职位的第一概率、各个职位的第二概率以及各个职位的第三概率。第一概率包括在向求职者推荐职位的情况下求职者查看职位的职位信息的概率。第二概率包括：在求职者查看职位的职位信息的情况下对职位投递求职者的简历的概率。第三概率包括：在求职者对职位投递求职者的简历的情况下职位的招聘方针对职位向求职者返回正向反馈信息的概率。
107.在本技术一个实施例中，事先可以训练查看率模型，其用于获取求职者在得到推荐的职位的情况下查看职位的职位信息的概率。
108.其中，训练流程可以包括：获取至少一个样本数据集。
109.样本数据集包括样本求职者的样本求职信息、样本职位的样本职位信息以及样本求职者在得到推荐的样本职位的情况下是否查看样本职位的职位信息的结果，其中，结果包括查看了样本职位的职位信息或者在样本求职者在得到推荐的样本职位之后的预设时长内未查看样本职位的职位信息等。
110.预设时长可以根据实际情况而定，例如可以包括1分钟、2分钟或5分钟等，本技术对此不加以限定。
111.然后根据至少一个样本数据集对模型训练，直至模型中的参数收敛，从而得到查看率模型。
112.其中，模型可以包括：lr(logistic regression，逻辑回归模型)等。
113.之后对查看率模型优化时可以参考auc(area under curve，roc曲线下与坐标轴围成的面积)指标等。
114.如此，在根据求职者的求职信息以及各个职位的职位信息，预测各个职位的第一概率时，对于多个职位中的任意一个职位，可以将该职位的职位信息与求职者的求职信息输入已训练的查看率模型中，以使查看率模型对该职位的职位信息与求职者的求职信息处理，得到该职位的第一概率。
115.对于多个职位中的其他每一个职位，同样如此。
116.在本技术另一个实施例中，事先可以训练投递率模型，其用于获取求职者在查看职位的职位信息的情况下对职位投递求职者的简历的概率。
117.其中，训练流程可以包括：获取至少一个样本数据集。
118.样本数据集包括样本求职者的样本求职信息、样本职位的样本职位信息以及样本求职者在查看样本职位的职位信息的情况下是否对样本职位投递样本求职者的简历的结果，其中，结果包括对样本职位投递了样本求职者的简历或者在样本求职者在查看样本职位的职位信息之后的预设时长内未对样本职位投递样本求职者的简历等。
119.预设时长可以根据实际情况而定，例如可以包括1分钟、2分钟或5分钟等，本技术对此不加以限定。
120.然后根据至少一个样本数据集对模型训练，直至模型中的参数收敛，从而得到投递率模型。
121.其中，模型可以包括：lr等。
122.之后对投递率模型优化时可以参考auc指标等。
123.如此，在根据求职者的求职信息以及各个职位的职位信息，预测各个职位的第二概率时，对于多个职位中的任意一个职位，可以将该职位的职位信息与求职者的求职信息输入已训练的投递率模型中，以使投递率模型对该职位的职位信息与求职者的求职信息处理，得到该职位的第二概率。
124.对于多个职位中的其他每一个职位，同样如此。
125.在本技术另一个实施例中，事先可以训练反馈率模型，其用于获取在求职者针对职位投递简历之后，职位的招聘方向求职者返回正向反馈信息(例如职位的招聘方主动联系求职者等)的概率。
126.其中，训练流程可以包括：获取至少一个样本数据集。
127.样本数据集包括样本求职者的样本求职信息、样本职位的样本职位信息以及在样本求职者对样本职位投递简历的情况下样本职位的样本招聘方针对样本职位对样本求职者返回的样本反馈信息。
128.样本求职者包括：在历史过程中对实际招聘的职位实际投递过简历的求职者。
129.样本职位包括：在历史过程中实际招聘过的职位。
130.样本反馈信息包括：在历史过程中，在求职者对实际招聘的职位实际投递简历的情况下，职位的招聘方对求职者针对实际招聘的职位实际返回的反馈信息等。
131.样本反馈信息可以包括：正向反馈信息以及负向反馈信息。
132.正向反馈信息包括：在样本求职者对样本职位投递样本求职者的简历之后的有效时长(有效时长具体可以根据实际情况而定，例如，可以为1分钟、2分钟或5分钟等，本技术对此不加以限定)内，样本职位的样本招聘方针对样本职位查看样本求职者的联系方式、给样本求职者打电话、邀请样本求职者面试、邀请样本求职者笔试、通过即时通讯工具与样本求职者线上点对点沟通、保存样本求职者的简历以及标记样本求职者的简历为合适等等。
133.负向反馈信息包括：在样本求职者对样本职位投递样本求职者的简历之后的有效时长(有效时长具体可以根据实际情况而定，例如，可以为1分钟、2分钟或5分钟等，本技术对此不加以限定)内，样本职位的样本招聘方针对样本职位未查看样本求职者的联系方式、未给样本求职者打电话、未邀请样本求职者面试、未邀请样本求职者笔试、未通过即时通讯工具与未样本求职者线上点对点沟通、标记样本求职者的简历为不合适以及删除样本求职者的简历等等。
134.之后，根据至少一个样本数据集对模型训练，直至模型中的参数收敛，从而得到反馈率模型。
135.其中，模型可以包括：lr等。
136.之后对反馈率模型优化时可以参考auc指标等。
137.在本技术一个实施例中，对于“在样本求职者对样本职位投递简历的情况下样本职位的样本招聘方针对样本职位对样本求职者返回的样本反馈信息”而言，样本求职者对样本职位投递简历的投递时刻与样本职位的样本招聘方针对样本职位对样本求职者返回样本反馈信息的返回时刻往往不同的。
138.且样本职位的样本招聘方针对样本职位对样本求职者返回样本反馈信息的返回时刻往往晚于样本求职者对样本职位投递简历的投递时刻。
139.这样，“样本求职者对样本职位投递简历”的事件与“样本职位的样本招聘方针对样本职位对样本求职者返回的样本反馈信息”的事件之间往往是存在延时的。
140.在一个方式中，可以以“样本求职者对样本职位投递简历的投递时刻”来筛选样本数据集，例如，在“样本求职者对样本职位投递简历的投递时刻”与当前时刻之间的时间间隔小于预设时间间隔的情况下，则根据样本求职者的样本求职信息、样本职位的样本职位信息以及在样本求职者对样本职位投递简历的情况下样本职位的样本招聘方针对样本职位对样本求职者返回的样本反馈信息生成一个样本数据集。
141.但是，反馈率模型主要是用于获取在求职者针对职位投递简历之后，职位的招聘方向求职者返回正向反馈信息(例如职位的招聘方主动联系求职者等)的概率，如此，反馈率模型中的职位的招聘方向求职者返回反馈信息的时刻就比较重要。
142.如此，即使“样本求职者对样本职位投递简历的投递时刻”与当前时刻之间的时间间隔小于预设时间间隔，但是如果样本职位的样本招聘方针对样本职位对样本求职者返回样本反馈信息的返回时刻与当前时刻之间的时间间隔较大，则实时性较低，使用这样的样本数据集训练得到的反馈率模型的时效性就低，进而导致训练得到的反馈率模型预测的“在求职者针对职位投递简历之后，职位的招聘方向求职者返回正向反馈信息(例如职位的
招聘方主动联系求职者等)的概率不准确。
143.如此，为了提高训练得到的反馈率模型预测的“在求职者针对职位投递简历之后，职位的招聘方向求职者返回正向反馈信息(例如职位的招聘方主动联系求职者等)的概率的准确性，可以提高训练得到的反馈率模型的时效性。
144.为了提高训练得到的反馈率模型的时效性，需要使得样本职位的样本招聘方针对样本职位对样本求职者返回样本反馈信息的返回时刻与当前时刻之间的时间间隔小。
145.如此，可以以“样本职位的样本招聘方针对样本职位对样本求职者返回样本反馈信息的返回时刻”来筛选样本数据集，例如，样本数据集中的样本反馈信息的返回时刻(样本职位的样本招聘方针对样本职位对样本求职者返回样本反馈信息的返回时刻)与当前时刻之间的时间间隔小于预设时间间隔。
146.其中，预设时间间隔可以包括2天、5天或7天等，具体可以根据实际情况而定，本技术对此不加以限定。
147.如此，在根据求职者的求职信息以及各个职位的职位信息，预测各个职位的第三概率时，对于多个职位中的任意一个职位，可以将该职位的职位信息与求职者的求职信息输入已训练的反馈率模型中，以使反馈率模型对该职位的职位信息与求职者的求职信息处理，得到该职位的第三概率。
148.对于多个职位中的其他每一个职位，同样如此。
149.在步骤s103中，根据各个职位的第一概率、各个职位的第二概率以及各个职位的第三概率，获取各个职位分别针对求职者的推荐分值。
150.在本技术一个实施例中，本步骤可以通过如下流程实现，包括：
151.1031、根据各个职位的第一概率以及各个职位的第二概率分别获取求职者对各个职位感兴趣的概率。
152.在本技术一个实施例中，对于多个职位中的任意一个职位，可以计算该职位的第一概率与该职位的第二概率之间的乘积，然后根据该乘积获取求职者对该职位感兴趣的概率。例如，可以将该乘积直接作为求职者对该职位感兴趣的概率，或者，可以将该乘积乘以预设系数，得到一数值，并作为求职者对该职位感兴趣的概率。
153.对于多个职位中的其他每一个职位，同样如此。
154.其中，预设系数可以根据实际情况而定，在此不做详述，例如，预设系统可以包括1.01、1.02或者1.03等，本技术对此不加以限定。
155.1032、根据求职者对各个职位感兴趣的概率以及各个职位的第三概率，获取各个职位分别针对求职者的推荐分值。
156.在本步骤中，多个职位中的任意一个职位，可以通过如下流程来获取该职位针对求职者的推荐分值。
157.其中，该职位针对求职者的推荐分值越大，则往往说明求职者对该职位感兴趣的可能性越大且该职位的招聘方对求职者的条件的满意的可能性越大。
158.也即，该职位针对求职者的推荐分值越大，则向求职者推荐该职位之后求职者查看该职位的职位信息的概率越大、求职者查看该职位的职位信息之后对该职位投递求职者的简历的概率越大以及求职者对该职位投递求职者的简历之后该职位的招聘方针对该职位向求职者返回正向反馈信息的概率越大。
159.其中，该职位针对求职者的推荐分值越小，则往往说明求职者对该职位感兴趣的可能性越小且该职位的招聘方对求职者的条件的满意的可能性越小。
160.也即，该职位针对求职者的推荐分值越小，则向求职者推荐该职位之后求职者查看该职位的职位信息的概率越小、求职者查看该职位的职位信息之后对该职位投递求职者的简历的概率越小以及求职者对该职位投递求职者的简历之后该职位的招聘方针对该职位向求职者返回正向反馈信息的概率越小。
161.对于多个职位中的其他每一个职位，同样如此。
162.其中，流程具体包括：
163.11)、在求职者分别对各个职位感兴趣的概率的由高至低的排序顺序中，确定求职者对该职位的感兴趣的概率的第一顺序编号。
164.例如，在一个方式中，可以将求职者分别对各个职位感兴趣的概率按照由高至低的顺序排序，如此，在排序后的求职者分别对各个职位感兴趣的概率中，求职者分别对各个职位感兴趣的概率均具有各自的顺序编号，且求职者对不同的职位感兴趣的概率的顺序编号不同。可以确定求职者对该职位的感兴趣的概率在排序后的求职者分别对各个职位感兴趣的概率中第一顺序编号。
165.其中，在排序后的求职者分别对各个职位感兴趣的概率中，若位于求职者对该职位的感兴趣的概率之前有m个感兴趣的概率，则第一顺序编号可以为m 1。其中，m大于或等于0。
166.12)、在各个职位的第三概率的由高至低的排序顺序中，确定该职位的第三概率的第二顺序编号。
167.例如，在一个方式中，可以将各个职位的第三概率按照由高至低的顺序排序，如此，在排序后的各个职位的第三概率中，各个职位的第三概率均具有各自的顺序编号，且不同的职位的第三概率的顺序编号不同。可以确定该职位的第三概率在排序后的各个职位的第三概率中第二顺序编号。
168.其中，在排序后的各个职位的第三概率中，若位于该职位的第三概率之前有q个第三概率，则第二顺序编号可以为q 1。其中，q大于或等于0。
169.其中，步骤11)以及步骤12)可以并行执行，也可以一先一后执行，本技术对步骤11)以及步骤12)的执行顺序不做限定。
170.13)、根据求职者对该职位感兴趣的概率、第一顺序编号以及第二顺序编号获取该职位针对求职者的推荐分值。
171.在本技术一个实施例中，可以获取需要向求职者推荐的职位的数量(也即，每一次在向求职者推荐职位时可以同时给求职者推荐的职位的最大数量等)。
172.其中，需要向求职者推荐的职位的数量可以是事先在电子设备中设置的统一的数量，也即，对所有求职者每一次推荐的职位的数量可以是统一的，如此，电子设备可以获取事先在电子设备中设置的数量，并作为需要向求职者推荐的职位的数量。数量可以包括1、3或5等，具体可以根据实际情况而定，本技术对此不加以限定。
173.然后，可以计算第一顺序编号与第二顺序编号之间的差值。
174.之后，可以根据该数量、该差值以及求职者对该职位感兴趣的概率，获取该职位针对求职者的推荐分值。
175.例如，可以比较该差值与该数量之间的大小关系。
176.在一个可能的实现方式中，在该差值大于或等于该数量的情况下，可以根据求职者对该职位感兴趣的概率以及该数量获取该职位针对求职者的推荐分值。
177.例如，根据求职者对该职位感兴趣的概率以及该数量，可以按照如下公式获取该职位针对求职者的推荐分值：
178.s＝c*e-x*p
。
179.其中，在上述公式中，s是该职位针对求职者的推荐分值，c是求职者对该职位感兴趣的概率，p是该数量，x为预设参数。
180.预设参数x可以根据实际而定，本技术对此不作详述。
181.e为自然常数，包括2.71828等。
182.或者，在另一个可能的实现方式中，在该差值小于该数量的情况下，可以获取该差值的绝对值，根据该差值的绝对值以及求职者对该职位感兴趣的概率获取该职位针对求职者的推荐分值。
183.例如，根据求职者对该职位感兴趣的概率以及该数量，可以按照如下公式获取该职位针对求职者的推荐分值：
184.s＝c*e-x*w
。
185.其中，在上述公式中，s是该职位针对求职者的推荐分值，c是求职者对该职位感兴趣的概率，w是该差值的绝对值，x为预设参数。
186.预设参数x可以根据实际而定，本技术对此不作详述。
187.e为自然常数，包括2.71828等。
188.在步骤s104中，根据各个职位分别针对求职者的推荐分值，向求职者推荐多个职位中的至少一个职位。
189.在一个实施例中，可以向求职者推荐推荐分值topn个职位，n可以大于或等于1，例如，可以将多个职位按照各自分别针对求职者的推荐分值由大至小的顺序排序，然后按照顺序选择至少一个职位，并向求职者推荐选择的至少一个职位。
190.在一个方式中，可以是以职位卡片的形式向求职者推荐至少一个职位，一个职位对应一个职位卡片，职位卡片上可以显示职位的职位信息等。
191.在本技术中，获取求职者的求职信息。以及，获取处于招聘状态的多个职位中的各个职位的职位信息。根据求职者的求职信息以及各个职位的职位信息，分别预测各个职位的第一概率、各个职位的第二概率以及各个职位的第三概率。第一概率包括在向求职者推荐职位的情况下求职者查看职位的职位信息的概率。第二概率包括：在求职者查看职位的职位信息的情况下对职位投递求职者的简历的概率。第三概率包括：在求职者对职位投递求职者的简历的情况下职位的招聘方针对职位向求职者返回正向反馈信息的概率。根据各个职位的第一概率、各个职位的第二概率以及各个职位的第三概率，获取各个职位分别针对求职者的推荐分值。根据各个职位分别针对求职者的推荐分值，向求职者推荐多个职位中的至少一个职位。
192.通过本技术，在向求职者推荐职位的场景中，不仅兼顾了求职者与职位之间的匹配情况，且兼顾了求职者与职位的招聘方之间关于职位的匹配情况，如此，可以尽可能地提高求职者对被推荐的职位感兴趣的可能性以及尽可能地提高职位的招聘方针对职位对求
职者的条件的满意的可能性，例如，可以提高在向求职者推荐职位的情况下求职者查看职位的职位信息的概率，提高在求职者查看职位的职位信息的情况下对职位投递求职者的简历的概率以及提高在求职者对职位投递求职者的简历的情况下职位的招聘方针对职位向求职者返回正向反馈信息的概率。
193.如此可以尽可能地使得向求职者推荐职位的操作既能满足求职者的需求也能够满足职位的招聘方的需求等。使得向求职者推荐职位的操作能够产生实际价值，提高求职者的求职效率，提高求职者的求职体验，可以避免求职者从招聘网站上流失等。
194.需要说明的是，对于方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本技术并不受所描述的动作顺序的限制，因为依据本技术，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于可选实施例，所涉及的动作并不一定是本技术所必须的。
195.参照图2，示出了本技术的一种数据处理装置的结构框图，该装置具体可以包括如下模块：
196.第一获取模块11，用于获取求职者的求职信息；以及，获取处于招聘状态的多个职位中的各个职位的职位信息；
197.预测模块12，用于根据所述求职者的求职信息以及各个职位的职位信息，分别预测各个职位的第一概率、各个职位的第二概率以及各个职位的第三概率，所述第一概率包括在向所述求职者推荐职位的情况下所述求职者查看职位的职位信息的概率，所述第二概率包括：在所述求职者查看职位的职位信息的情况下对职位投递所述求职者的简历的概率，所述第三概率包括：在所述求职者对职位投递所述求职者的简历的情况下职位的招聘方针对职位向所述求职者返回正向反馈信息的概率；
198.第二获取模块13，用于根据各个职位的第一概率、各个职位的第二概率以及各个职位的第三概率，获取各个职位分别针对所述求职者的推荐分值；
199.推荐模块14，用于根据各个职位分别针对所述求职者的推荐分值，向所述求职者推荐所述多个职位中的至少一个职位。
200.在一个可选的实现方式中，所述第二获取模块包括：
201.第一获取子模块，用于根据各个职位的第一概率以及各个职位的第二概率分别获取所述求职者对各个职位感兴趣的概率；
202.第二获取子模块，用于根据所述求职者对各个职位感兴趣的概率以及各个职位的第三概率，获取各个职位分别针对所述求职者的推荐分值。
203.在一个可选的实现方式中，所述第一获取子模块具体用于：对于所述多个职位中的任意一个职位，计算所述职位的第一概率与所述职位的第二概率之间的乘积，根据所述乘积获取所述求职者对所述职位感兴趣的概率。
204.在一个可选的实现方式中，所述第二获取子模块包括：
205.确定单元，用于对于所述多个职位中的任意一个职位，在所述求职者分别对各个职位感兴趣的概率的由高至低的排序顺序中，确定所述求职者对所述职位的感兴趣的概率的第一顺序编号；以及，在各个职位的第三概率的由高至低的排序顺序中，确定所述职位的第三概率的第二顺序编号；
206.获取单元，用于根据所述求职者对所述职位感兴趣的概率、第一顺序编号以及第
二顺序编号获取所述职位针对所述求职者的推荐分值。
207.在一个可选的实现方式中，所述获取单元包括：
208.第一获取子单元，用于获取需要为所述求职者推荐的职位的数量；
209.计算子单元，用于计算所述第一顺序编号与所述第二顺序编号之间的差值；
210.第二获取子单元，用于根据所述数量、所述差值以及所述求职者对所述职位感兴趣的概率，获取所述职位针对所述求职者的推荐分值。
211.在一个可选的实现方式中，所述第二获取子单元具体用于：
212.在所述差值大于或等于所述数量的情况下，根据所述求职者对所述职位感兴趣的概率以及所述数量获取所述职位针对所述求职者的推荐分值；
213.或者，
214.在所述差值小于所述数量的情况下，获取所述差值的绝对值，根据所述求职者对所述职位感兴趣的概率以及所述差值的绝对值获取所述职位针对所述求职者的推荐分值。
215.在一个可选的实现方式中，所述预测模块包括：
216.输入子模块，用于对于多个职位中的任意一个职位，将所述职位的职位信息与所述求职者的求职信息输入已训练的反馈率模型中，以使所述反馈率模型对所述职位的职位信息与所述求职者的求职信息处理，得到所述职位的第三概率。
217.在一个可选的实现方式中，所述预测模块还包括：
218.第三获取子模块，用于获取至少一个样本数据集，所述样本数据集包括样本求职者的样本求职信息、样本职位的样本职位信息以及在所述样本求职者对所述样本职位投递简历的情况下所述样本职位的样本招聘方针对所述样本职位对所述样本求职者返回的样本反馈信息；
219.训练子模块，用于根据至少一个样本数据集对模型训练，直至模型中的参数收敛，从而得到所述反馈率模型；
220.其中，所述样本数据集中的、所述样本职位的样本招聘方针对所述样本职位对所述样本求职者返回样本反馈信息的返回时刻与当前时刻之间的时间间隔小于预设时间间隔。
221.在本技术中，获取求职者的求职信息。以及，获取处于招聘状态的多个职位中的各个职位的职位信息。根据求职者的求职信息以及各个职位的职位信息，分别预测各个职位的第一概率、各个职位的第二概率以及各个职位的第三概率。第一概率包括在向求职者推荐职位的情况下求职者查看职位的职位信息的概率。第二概率包括：在求职者查看职位的职位信息的情况下对职位投递求职者的简历的概率。第三概率包括：在求职者对职位投递求职者的简历的情况下职位的招聘方针对职位向求职者返回正向反馈信息的概率。根据各个职位的第一概率、各个职位的第二概率以及各个职位的第三概率，获取各个职位分别针对求职者的推荐分值。根据各个职位分别针对求职者的推荐分值，向求职者推荐多个职位中的至少一个职位。
222.通过本技术，在向求职者推荐职位的场景中，不仅兼顾了求职者与职位之间的匹配情况，且兼顾了求职者与职位的招聘方之间关于职位的匹配情况，如此，可以尽可能地提高求职者对被推荐的职位感兴趣的可能性以及尽可能地提高职位的招聘方针对职位对求职者的条件的满意的可能性，例如，可以提高在向求职者推荐职位的情况下求职者查看职
位的职位信息的概率，提高在求职者查看职位的职位信息的情况下对职位投递求职者的简历的概率以及提高在求职者对职位投递求职者的简历的情况下职位的招聘方针对职位向求职者返回正向反馈信息的概率。
223.如此可以尽可能地使得向求职者推荐职位的操作既能满足求职者的需求也能够满足职位的招聘方的需求等。使得向求职者推荐职位的操作能够产生实际价值，提高求职者的求职效率，提高求职者的求职体验，可以避免求职者从招聘网站上流失等。
224.对于装置实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
225.图3是本技术示出的一种电子设备800的框图。例如，电子设备800可以是移动电话，计算机，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理等。
226.参照图3，电子设备800可以包括以下一个或多个组件：处理组件802，存储器804，电源组件806，多媒体组件808，音频组件810，输入/输出(i/o)的接口812，传感器组件814，以及通信组件816。
227.处理组件802通常控制电子设备800的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理组件802可以包括一个或多个处理器820来执行指令，以完成上述方法的全部或部分步骤。此外，处理组件802可以包括一个或多个模块，便于处理组件802和其他组件之间的交互。例如，处理组件802可以包括多媒体模块，以方便多媒体组件808和处理组件802之间的交互。
228.存储器804被配置为存储各种类型的数据以支持在设备800的操作。这些数据的示例包括用于在电子设备800上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图像，视频等。存储器804可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(sram)，电可擦除可编程只读存储器(eeprom)，可擦除可编程只读存储器(eprom)，可编程只读存储器(prom)，只读存储器(rom)，磁存储器，快闪存储器，磁盘或光盘。
229.电源组件806为电子设备800的各种组件提供电力。电源组件806可以包括电源管理系统，一个或多个电源，及其他与为电子设备800生成、管理和分配电力相关联的组件。
230.多媒体组件808包括在所述电子设备800和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(lcd)和触摸面板(tp)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件808包括一个前置摄像头和/或后置摄像头。当设备800处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
231.音频组件810被配置为输出和/或输入音频信号。例如，音频组件810包括一个麦克风(mic)，当电子设备800处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收到的音频信号可以被进一步存储在存储器804或经由通信组件816发送。在一些实施例中，音频组件810还包括一个扬声器，用于输出音频信号。
232.i/o接口812为处理组件802和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。
233.传感器组件814包括一个或多个传感器，用于为电子设备800提供各个方面的状态评估。例如，传感器组件814可以检测到设备800的打开/关闭状态，组件的相对定位，例如所述组件为电子设备800的显示器和小键盘，传感器组件814还可以检测电子设备800或电子设备800一个组件的位置改变，用户与电子设备800接触的存在或不存在，电子设备800方位或加速/减速和电子设备800的温度变化。传感器组件814可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件814还可以包括光传感器，如cmos或ccd图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件814还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。
234.通信组件816被配置为便于电子设备800和其他设备之间有线或无线方式的通信。电子设备800可以接入基于通信标准的无线网络，如wifi，运营商网络(如2g、3g、4g或5g)，或它们的组合。在一个示例性实施例中，通信组件816经由广播信道接收来自外部广播管理系统的广播信号或广播操作信息。在一个示例性实施例中，所述通信组件816还包括近场通信(nfc)模块，以促进短程通信。例如，在nfc模块可基于射频识别(rfid)技术，红外数据协会(irda)技术，超宽带(uwb)技术，蓝牙(bt)技术和其他技术来实现。
235.在示例性实施例中，电子设备800可以被一个或多个应用专用集成电路(asic)、数字信号处理器(dsp)、数字信号处理设备(dspd)、可编程逻辑器件(pld)、现场可编程门阵列(fpga)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述方法。
236.在示例性实施例中，还提供了一种包括指令的非临时性计算机可读存储介质，例如包括指令的存储器804，上述指令可由电子设备800的处理器820执行以完成上述方法。例如，所述非临时性计算机可读存储介质可以是rom、随机存取存储器(ram)、cd-rom、磁带、软盘和光数据存储设备等。
237.图4是本技术示出的一种电子设备1900的框图。例如，电子设备1900可以被提供为一服务器。
238.参照图4，电子设备1900包括处理组件1922，其进一步包括一个或多个处理器，以及由存储器1932所代表的存储器资源，用于存储可由处理组件1922的执行的指令，例如应用程序。存储器1932中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外，处理组件1922被配置为执行指令，以执行上述方法。
239.电子设备1900还可以包括一个电源组件1926被配置为执行电子设备1900的电源管理，一个有线或无线网络接口1950被配置为将电子设备1900连接到网络，和一个输入输出(i/o)接口1958。电子设备1900可以操作基于存储在存储器1932的操作系统，例如windows servertm，mac os xtm，unixtm,linuxtm，freebsdtm或类似。
240.本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。
241.本领域内的技术人员应明白，本技术的实施例可提供为方法、装置、或计算机程序产品。因此，本技术可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本技术可采用在一个或多个其中包含有计算机可用程序代码的计算机
可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
242.本技术是参照根据本技术的方法、终端设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理终端设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
243.这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
244.这些计算机程序指令也可装载到计算机或其他可编程数据处理终端设备上，使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
245.尽管已描述了本技术的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本技术范围的所有变更和修改。
246.最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。
247.以上对本技术所提供的一种数据处理方法、装置、电子设备及存储介质，进行了详细介绍，本文中应用了具体个例对本技术的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本技术的方法及其核心思想；同时，对于本领域的一般技术人员，依据本技术的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本技术的限制。