本公開(kāi)涉及計(jì)算機(jī)技術(shù)，特別涉及一種對(duì)象選擇方法和裝置。

背景技術(shù)：

很多應(yīng)用場(chǎng)景中都涉及到由眾多對(duì)象中選擇出特定的目標(biāo)對(duì)象，比如，在駕駛員征信系統(tǒng)中，可以根據(jù)駕駛員的多方面因素，比如違法次數(shù)、駕齡、從業(yè)時(shí)長(zhǎng)等維度，對(duì)該駕駛員進(jìn)行量化評(píng)分，分?jǐn)?shù)越高表明其履職能力越高。當(dāng)分?jǐn)?shù)較低時(shí)表明該駕駛員存在“安全隱患”，可以被列入“駕駛員黑名單”，交警部門(mén)可以實(shí)時(shí)通報(bào)給聘用該駕駛員的企業(yè)并建議解聘，或者責(zé)令駕駛員進(jìn)行學(xué)習(xí)教育。這樣可以從源頭上管理存在安全隱患的駕駛?cè)?，保證道路行駛安全，并且這樣也可以使得駕駛員自覺(jué)減少違法行為。

現(xiàn)有技術(shù)中，對(duì)象選擇的方法可以有很多，仍以上述駕駛員征信系統(tǒng)為例，可以主要使用諸如違法次數(shù)、駕齡等連續(xù)型變量，作為判斷駕駛員履職能力的依據(jù)。但是這種方法在對(duì)象的評(píng)定和選擇方面不太科學(xué)，可能導(dǎo)致選擇的對(duì)象不符合要求，比如，有的駕駛員本來(lái)沒(méi)有安全隱患卻被列入黑名單。

技術(shù)實(shí)現(xiàn)要素：

有鑒于此，本公開(kāi)提供一種對(duì)象選擇方法和裝置，以提高對(duì)象選擇的科學(xué)性。

具體地，本公開(kāi)是通過(guò)如下技術(shù)方案實(shí)現(xiàn)的：

第一方面，提供一種對(duì)象選擇方法，所述方法包括：

獲取對(duì)象的對(duì)象參數(shù)，所述對(duì)象參數(shù)包括：字符型變量和連續(xù)型變量；

對(duì)所述字符型變量和連續(xù)型變量，均按照預(yù)定量化方式進(jìn)行量化處理，得到所述對(duì)象對(duì)應(yīng)的量化值；

若所述量化值達(dá)到預(yù)定的目標(biāo)對(duì)象的數(shù)值范圍，則選擇所述對(duì)象作為所述目標(biāo)對(duì)象。

第二方面，提供一種對(duì)象選擇裝置，所述裝置包括：

參數(shù)獲取模塊，用于獲取對(duì)象的對(duì)象參數(shù)，所述對(duì)象參數(shù)包括：字符型變量和連續(xù)型變量；

量化處理模塊，用于對(duì)所述字符型變量和連續(xù)型變量，均按照預(yù)定量化方式進(jìn)行量化處理，得到所述對(duì)象對(duì)應(yīng)的量化值；

對(duì)象選擇模塊，用于在所述量化值達(dá)到預(yù)定的目標(biāo)對(duì)象的數(shù)值范圍時(shí)，則選擇所述對(duì)象作為所述目標(biāo)對(duì)象。

第三方面，提供一種機(jī)動(dòng)車(chē)駕駛員的駕駛數(shù)據(jù)處理方法，所述方法包括：

分別在駕駛數(shù)據(jù)中的每一個(gè)變量類(lèi)型下，獲取第一比值和第二比值，所述第一比值是所述變量類(lèi)型下的駕駛員的壞樣本的數(shù)量與所有壞樣本總數(shù)量的比值，第二比值是所述變量類(lèi)型下的駕駛員的好樣本的數(shù)量與所有好樣本總數(shù)量的比值；所述駕駛數(shù)據(jù)包括：字符型變量和連續(xù)型變量，且所述字符型變量和連續(xù)型變量分別包括至少一個(gè)變量類(lèi)型；

根據(jù)所述第一比值和第二比值，分別得到每一個(gè)變量類(lèi)型下的子量化值；

根據(jù)各個(gè)變量類(lèi)型下的子量化值，得到駕駛員對(duì)應(yīng)的量化值。

本公開(kāi)的對(duì)象選擇方法和裝置，通過(guò)將連續(xù)型變量和字符型變量都納入對(duì)駕駛員的量化，這種多方面因素的綜合考慮，將使得對(duì)駕駛員的評(píng)估更加科學(xué)，從而也可以提高對(duì)象選擇的科學(xué)性。

附圖說(shuō)明

圖1是本公開(kāi)實(shí)施例提供的對(duì)象選擇方法的流程圖；

圖2是本公開(kāi)實(shí)施例提供的另一種對(duì)象選擇方法的處理流程圖；

圖3是本公開(kāi)實(shí)施例提供的一種對(duì)象選擇裝置的結(jié)構(gòu)示意圖；

圖4是本公開(kāi)實(shí)施例提供的另一種對(duì)象選擇裝置的結(jié)構(gòu)示意圖。

具體實(shí)施方式

對(duì)一個(gè)對(duì)象進(jìn)行量化的評(píng)估，是很多應(yīng)用場(chǎng)景中都涉及到的一個(gè)問(wèn)題。

例如，在駕駛員征信系統(tǒng)中，可以根據(jù)駕駛員的多方面因素，比如違法次數(shù)、駕齡等，對(duì)該駕駛員進(jìn)行量化評(píng)分，以評(píng)估該駕駛員的履職能力，是否適合駕駛某種車(chē)輛，并且可以根據(jù)評(píng)估結(jié)果對(duì)該駕駛員進(jìn)行教育或解聘。

以駕駛員征信系統(tǒng)為例，據(jù)以考量駕駛員的多方面因素可以包括如下表1所示的參數(shù)，但是下面的幾個(gè)參數(shù)只是舉例，實(shí)際實(shí)施中并不局限于此：

表1駕駛員參數(shù)

在上述表1中，駕駛員標(biāo)識(shí)可以是用于唯一標(biāo)識(shí)一個(gè)駕駛員的id，活動(dòng)區(qū)域表示該駕駛員經(jīng)常駕駛車(chē)輛在哪個(gè)區(qū)域活動(dòng)，比如表1示例的貴陽(yáng)、黔東南，還可以有更多的其他區(qū)域；如果駕駛員在某一區(qū)域活動(dòng)，可以將表1中對(duì)應(yīng)該區(qū)域的位置記為“1”，否則可以記為“0”(一種示例性的標(biāo)記方式)。其中的違法內(nèi)容可以包括多種類(lèi)型的違法，比如，醉酒駕駛、駕駛無(wú)牌無(wú)證車(chē)輛、不按規(guī)定停車(chē)等，每一種類(lèi)型的違法都可以用一個(gè)對(duì)應(yīng)的違法代碼表示，如果駕駛員觸發(fā)了某種違法類(lèi)型，則可以將對(duì)應(yīng)的表1中的位置標(biāo)記為“1”。在表1中，一個(gè)駕駛員對(duì)應(yīng)的一行數(shù)據(jù)可以稱(chēng)為該駕駛員的一個(gè)樣本，例如上述的{s1、5、1、0、1、0}是駕駛員s1的一個(gè)樣本數(shù)據(jù)；同一個(gè)駕駛員在表1中可以有多個(gè)樣本。

本公開(kāi)的例子中，可以將駕駛員參數(shù)分為如下兩種類(lèi)型：

連續(xù)型變量：連續(xù)型變量是一種可以具有連續(xù)取值的變量，例如，“駕齡”即為一種連續(xù)型變量，駕齡的取值可以包括“2、2.5、3、3.5、4……”等各個(gè)取值。

字符型變量：字符型變量是一種可以具有離散取值的變量，例如，以表1中的活動(dòng)區(qū)域?yàn)槔?，該“活?dòng)區(qū)域”的取值可以包括“貴陽(yáng)、黔東南”等多個(gè)離散值；“違法內(nèi)容”也可以包括“a、b”等多個(gè)離散的違法類(lèi)型。

圖1示例了本公開(kāi)例子的對(duì)象選擇方法的流程，以上述的駕駛員征信系統(tǒng)為例，通過(guò)該方法可以對(duì)各個(gè)駕駛員進(jìn)行量化評(píng)估，并根據(jù)評(píng)估結(jié)果由多個(gè)駕駛員中選擇出滿(mǎn)足特定條件的駕駛員。在本例子中，對(duì)象即為“駕駛員”。

在步驟101中，獲取對(duì)象的對(duì)象參數(shù)，所述對(duì)象參數(shù)包括：字符型變量和連續(xù)型變量。

本例子中，對(duì)象參數(shù)即用于作為量化評(píng)估對(duì)象的依據(jù)，不論是字符型變量或者連續(xù)型變量，都將用以量化評(píng)估對(duì)象。比如，在駕駛員參數(shù)中，可以將駕齡、活動(dòng)區(qū)域、違法內(nèi)容等各種類(lèi)型的變量，都用于后續(xù)步驟對(duì)駕駛員的量化中。在傳統(tǒng)處理方式中，通常是按照連續(xù)型變量進(jìn)行量化，造成對(duì)駕駛員的評(píng)估不太準(zhǔn)確，本例子通過(guò)將連續(xù)型變量和字符型變量都納入對(duì)駕駛員的量化，將使得對(duì)駕駛員的評(píng)估更加準(zhǔn)確。

在步驟102中，對(duì)所述字符型變量和連續(xù)型變量，均按照預(yù)定量化方式進(jìn)行量化處理，得到所述對(duì)象對(duì)應(yīng)的量化值。

本步驟中，字符型變量和連續(xù)型變量都可以進(jìn)行量化，并且這些變量的量化方式可以相同，均按照預(yù)定的量化方式進(jìn)行量化處理。這樣將駕駛員的各種類(lèi)型的變量參數(shù)都參與量化，就可以使得各個(gè)駕駛員都可以按照統(tǒng)一的方式進(jìn)行量化評(píng)估，保證各駕駛員之間的量化比較更加公平。

在步驟103中，若所述量化值達(dá)到預(yù)定的目標(biāo)對(duì)象的數(shù)值范圍，則選擇所述對(duì)象作為所述目標(biāo)對(duì)象。

本步驟可以根據(jù)對(duì)象的量化值，判斷該對(duì)象是否是所需要的目標(biāo)對(duì)象；可以預(yù)先設(shè)定目標(biāo)對(duì)象的數(shù)值范圍，若步驟102得到的量化值在該范圍內(nèi)，則可以確定該對(duì)象是目標(biāo)對(duì)象。例如，在駕駛員征信系統(tǒng)中，如果目的是要選擇出具有安全隱患的駕駛員，可以將具有安全隱患的駕駛員稱(chēng)為黑名單對(duì)象，并設(shè)定黑名單對(duì)象的數(shù)值范圍，該數(shù)值范圍可以是量化值l1～量化值l2，其中數(shù)值范圍的最大值l2，如果一個(gè)駕駛員評(píng)估的量化值>wl2，此處w的取值接近于1，例如w＝0.9，則可以確定該駕駛員的屬性更偏向于黑名單對(duì)象。需要說(shuō)明的是，在得到對(duì)象的量化值后，如何根據(jù)量化值選擇目標(biāo)對(duì)象可以自主設(shè)定，本例子不做限制，上述只是一個(gè)舉例。

本公開(kāi)例子中提供的對(duì)象選擇方法，通過(guò)將連續(xù)型變量和字符型變量都納入對(duì)駕駛員的量化，這種多方面因素的綜合考慮，將使得對(duì)駕駛員的評(píng)估更加科學(xué)，從而也可以提高對(duì)象選擇的科學(xué)性。

在另一個(gè)例子中，還可以對(duì)對(duì)象參數(shù)中的字符型變量進(jìn)行細(xì)化，劃分為第一類(lèi)字符變量和第二類(lèi)字符變量。其中，第一類(lèi)字符變量包括的變量類(lèi)型的數(shù)量小于預(yù)定數(shù)量，而字符型變量中所述第一類(lèi)字符變量之外的變量，為第二類(lèi)字符變量。

例如，以駕駛員參數(shù)中的“活動(dòng)區(qū)域”為例，一般每個(gè)省市的活動(dòng)區(qū)域通常都少于20個(gè)，如果將活動(dòng)區(qū)域稱(chēng)為第一類(lèi)字符變量，其中包括的例如貴陽(yáng)、黔東南等區(qū)域稱(chēng)為變量類(lèi)型，那么該第一類(lèi)字符變量中包括的變量類(lèi)型的數(shù)量是有限的，比如上述的少于20個(gè)。在具體實(shí)施中，可以為變量類(lèi)型設(shè)定一個(gè)預(yù)定數(shù)量，如果某一字符變量包括的變量類(lèi)型的數(shù)量小于該預(yù)定數(shù)量，則可以將該字符變量歸為第一類(lèi)字符變量；否則，如果字符變量包括的變量類(lèi)型的數(shù)量大于等于預(yù)定數(shù)量，則可以將該字符變量歸為第二類(lèi)字符變量。比如，字符變量“違法內(nèi)容”中所包括的違法類(lèi)型數(shù)量較多，可以作為第二類(lèi)字符變量。

此外，不論第一類(lèi)字符變量還是第二類(lèi)字符變量，都可以包括多個(gè)，例如上述的“活動(dòng)區(qū)域”是其中一種第一類(lèi)字符變量，還可以包括其他的第一類(lèi)字符變量；同樣，上述的“違法內(nèi)容”是其中一種第二類(lèi)字符變量，還可以包括其他變量。并且，第一類(lèi)字符變量不僅包括的變量類(lèi)型的數(shù)量相對(duì)較少，每個(gè)變量類(lèi)型下的變量取值的數(shù)量也通常會(huì)大于一定數(shù)量，比如，貴陽(yáng)、黔東南等區(qū)域?qū)儆谧兞款?lèi)型，在每個(gè)變量類(lèi)型比如“貴陽(yáng)”下，可能有很多駕駛員的樣本，樣本數(shù)量較多；而第二類(lèi)字符變量不僅包括的變量類(lèi)型的數(shù)量相對(duì)較多，每個(gè)變量類(lèi)型下的變量取值的數(shù)量也通常較少，有些變量類(lèi)型下的取值可能會(huì)缺失，比如在違法代碼b下可能不存在駕駛員樣本，即沒(méi)有駕駛員犯此類(lèi)錯(cuò)誤。

圖2示例了另一種對(duì)象選擇方法的處理流程，該方法中可以根據(jù)上述更加細(xì)化的參數(shù)分類(lèi)對(duì)駕駛員進(jìn)行量化評(píng)估，以對(duì)其中一個(gè)駕駛員的評(píng)估為例，該方法可以包括如下步驟，但具體實(shí)施中并不局限于如下執(zhí)行順序：

在步驟201中，分別在每一個(gè)變量類(lèi)型下，獲取第一比值和第二比值。

以其中一個(gè)駕駛員為例，該駕駛員的參數(shù)包括很多類(lèi)型的變量，比如表1所示的部分變量；本例子中，可以將連續(xù)型變量、第一類(lèi)字符變量、第二類(lèi)字符變量中的每一個(gè)變量類(lèi)型都稱(chēng)為一個(gè)“水平值”，比如在表1中，“駕齡”是一個(gè)水平值，“貴陽(yáng)”是一個(gè)水平值，“黔東南”是一個(gè)水平值，“違法代碼a”是一個(gè)水平值，“違法代碼b”是一個(gè)水平值。

本步驟中，可以分別在每一個(gè)水平值下，計(jì)算該駕駛員的第一比值和第二比值。其中，第一比值是駕駛員的壞樣本的數(shù)量與所有壞樣本總數(shù)量的比值，第二比值是駕駛員的好樣本的數(shù)量與所有好樣本總數(shù)量的比值。

以“貴陽(yáng)”為例，本例子中正在評(píng)估的該駕駛員在“貴陽(yáng)”水平值下，可能有多個(gè)樣本，比如表1中的s1就包括兩個(gè)樣本，統(tǒng)計(jì)該駕駛員在“貴陽(yáng)”下的好樣本數(shù)量和壞樣本數(shù)量，其中，“好樣本”是未發(fā)生事故的樣本，“壞樣本”是發(fā)生了事故的樣本；還需要統(tǒng)計(jì)“貴陽(yáng)”水平值下的所有好樣本數(shù)量和所有壞樣本數(shù)量(即貴陽(yáng)下所有用戶(hù)的好樣本和壞樣本)。

將駕駛員的壞樣本的數(shù)量與所有壞樣本總數(shù)量相比，得到第一比值。例如，表示某個(gè)水平值中該駕駛員的壞樣本的個(gè)數(shù)，為對(duì)應(yīng)的該水平值中所有壞樣本的總數(shù)。其中m＝1表示為第一類(lèi)字符變量，m＝2為第二類(lèi)字符變量，m＝3為連續(xù)型變量。則為第一比值，第一類(lèi)字符變量、第二類(lèi)字符變量、連續(xù)型變量中的每個(gè)水平值都可以按照該公式計(jì)算。

將駕駛員的好樣本的數(shù)量與所有好樣本總數(shù)量相比，得到第二比值。例如，表示某個(gè)水平值中該駕駛員的好樣本的個(gè)數(shù)，為對(duì)應(yīng)的該水平值中所有好樣本的總數(shù)。其中m＝1表示為第一類(lèi)字符變量，m＝2為第二類(lèi)字符變量，m＝3為連續(xù)型變量。則為第二比值，第一類(lèi)字符變量、第二類(lèi)字符變量、連續(xù)型變量中的每個(gè)水平值都可以按照該公式計(jì)算。

在步驟202中，根據(jù)所述第一比值和第二比值，分別得到每一個(gè)變量類(lèi)型下的子量化值。

例如，可以根據(jù)步驟201中得到的兩個(gè)比值，計(jì)算對(duì)應(yīng)一個(gè)水平值下的子量化值。示例性的一種方式可以是：該公式計(jì)算出的數(shù)值即為對(duì)應(yīng)水平值i的子量化值。

在步驟203中，將第一類(lèi)字符變量下各個(gè)變量類(lèi)型的子量化值求和得到第一字符量化值，將第二類(lèi)字符變量下的各個(gè)變量類(lèi)型的子量化值求和得到第二字符量化值，將連續(xù)型變量下的各個(gè)變量類(lèi)型的子量化值求和得到連續(xù)型量化值。

例如，第一類(lèi)字符變量下可以包括多個(gè)水平值，將每一個(gè)水平值i下計(jì)算的子量化值相加，可以得到第一字符量化值，比如，是第一類(lèi)字符變量多個(gè)水平值下求和的第一字符量化值。同理，可以得到第二字符量化值和連續(xù)型量化值。

在步驟204中，將所述第一字符量化值、第二字符量化值和連續(xù)型量化值求和，得到所述對(duì)象對(duì)應(yīng)的量化值。

本步驟可以將上述步驟203中得到的第一字符量化值、第二字符量化值和連續(xù)型量化值求和，其中，在求和時(shí)可以設(shè)置這三方面因素各自的權(quán)重，第一字符量化值的權(quán)重可以高于第二字符量化值的權(quán)重。

例如，可以按照如下公式計(jì)算：

其中，scale即為對(duì)象對(duì)應(yīng)的量化值，也是本例子所評(píng)估的駕駛員的量化分值。1-a可以是第一字符量化值的權(quán)重，a是第二字符量化值的權(quán)重。由于第一類(lèi)字符變量的水平值較少且每個(gè)水平值的樣本較多，可以賦予較高的權(quán)重，而第二類(lèi)字符變量的水平值太多，比如通常超過(guò)1000個(gè)，而且會(huì)在某些水平值下的樣本極度缺失，這樣的變量更適合賦予較小的權(quán)重。在一個(gè)例子中，可以設(shè)置α的數(shù)值小于0.1，這樣可以使得水平值不是太多的變量權(quán)重更大。

在步驟205中，若所述量化值達(dá)到預(yù)定的目標(biāo)對(duì)象的數(shù)值范圍，則選擇所述對(duì)象作為所述目標(biāo)對(duì)象。

本公開(kāi)例子中提供的對(duì)象選擇方法，通過(guò)將連續(xù)型變量和字符型變量都納入對(duì)駕駛員的量化，這種多方面因素的綜合考慮，將使得對(duì)駕駛員的評(píng)估更加準(zhǔn)確，從而也可以提高對(duì)象選擇的科學(xué)性；并且通過(guò)將字符型變量進(jìn)行細(xì)化，使得考慮了不同類(lèi)型變量因素在衡量對(duì)象量化方面的不同作用，進(jìn)一步提高了對(duì)象量化和選擇的科學(xué)性。

結(jié)合上述的方法實(shí)施例，本公開(kāi)例子中提供了一種機(jī)動(dòng)車(chē)駕駛員的駕駛數(shù)據(jù)處理方法，該駕駛數(shù)據(jù)例如可以包括上述實(shí)施例中提及的字符型變量(例如，駕駛活動(dòng)區(qū)域、違法內(nèi)容)和連續(xù)型變量(例如，駕齡)，這里的駕駛數(shù)據(jù)處理可以是根據(jù)駕齡和違法內(nèi)容等變量對(duì)駕駛員進(jìn)行評(píng)估。該方法例如可以應(yīng)用于駕駛員征信系統(tǒng)。

該機(jī)動(dòng)車(chē)駕駛員的駕駛數(shù)據(jù)處理方法可以包括如下處理，其中，如下處理步驟只做簡(jiǎn)單說(shuō)明，詳細(xì)的描述可以結(jié)合參見(jiàn)上面的方法實(shí)施例：

分別在駕駛數(shù)據(jù)中的每一個(gè)變量類(lèi)型下，獲取第一比值和第二比值，所述第一比值是所述變量類(lèi)型下的駕駛員的壞樣本的數(shù)量與所有壞樣本總數(shù)量的比值，第二比值是所述變量類(lèi)型下的駕駛員的好樣本的數(shù)量與所有好樣本總數(shù)量的比值；

根據(jù)所述第一比值和第二比值，分別得到每一個(gè)變量類(lèi)型下的子量化值；

根據(jù)各個(gè)變量類(lèi)型下的子量化值，得到駕駛員對(duì)應(yīng)的量化值。

這種機(jī)動(dòng)車(chē)駕駛員的駕駛數(shù)據(jù)處理方法，由于將駕駛數(shù)據(jù)中的字符型變量和連續(xù)型變量都納入了對(duì)駕駛員的量化評(píng)估，因此可以更準(zhǔn)確的評(píng)價(jià)駕駛員。

在另一個(gè)例子中，字符型變量可以進(jìn)行細(xì)化，包括：第一類(lèi)字符變量和第二類(lèi)字符變量；所述第一類(lèi)字符變量包括的變量類(lèi)型的數(shù)量小于預(yù)定數(shù)量；所述字符型變量中所述第一類(lèi)字符變量之外的變量，為第二類(lèi)字符變量；所述第一類(lèi)字符變量、第二類(lèi)字符變量和連續(xù)型變量，分別包括多個(gè)所述變量類(lèi)型。

該例子中，在根據(jù)各個(gè)變量類(lèi)型下的子量化值，得到駕駛員對(duì)應(yīng)的量化值時(shí)，具體可以包括：將所述第一類(lèi)字符變量下各個(gè)變量類(lèi)型的子量化值求和得到第一字符量化值，將所述第二類(lèi)字符變量下的各個(gè)變量類(lèi)型的子量化值求和得到第二字符量化值，將所述連續(xù)型變量下的各個(gè)變量類(lèi)型的子量化值求和得到連續(xù)型量化值。將所述第一字符量化值、第二字符量化值和連續(xù)型量化值求和，得到所述駕駛員對(duì)應(yīng)的量化值。

當(dāng)然，在得到駕駛員對(duì)應(yīng)的量化值之后，還可以進(jìn)一步應(yīng)用該量化值，比如，根據(jù)量化值選擇目標(biāo)駕駛員，若所述量化值達(dá)到預(yù)定的目標(biāo)駕駛員的數(shù)值范圍，則選擇所述駕駛員作為所述目標(biāo)駕駛員。在不同的應(yīng)用場(chǎng)景中，可以根據(jù)量化值選擇較好的駕駛員，也可以根據(jù)量化值選擇較差的駕駛員，并且如何根據(jù)量化值選擇也可以有多種設(shè)定方式，不做限制。

為了實(shí)現(xiàn)上述的對(duì)象選擇方法，本公開(kāi)的例子中還提供了一種對(duì)象選擇裝置，如圖3所示，該對(duì)象選擇裝置可以包括：參數(shù)獲取模塊31、量化處理模塊32和對(duì)象選擇模塊33。

參數(shù)獲取模塊31，用于獲取對(duì)象的對(duì)象參數(shù)，所述對(duì)象參數(shù)包括：字符型變量和連續(xù)型變量；

量化處理模塊32，用于對(duì)所述字符型變量和連續(xù)型變量，均按照預(yù)定量化方式進(jìn)行量化處理，得到所述對(duì)象對(duì)應(yīng)的量化值；

對(duì)象選擇模塊33，用于在所述量化值達(dá)到預(yù)定的目標(biāo)對(duì)象的數(shù)值范圍時(shí)，則選擇所述對(duì)象作為所述目標(biāo)對(duì)象。

在一個(gè)例子中，所述字符型變量，包括：第一類(lèi)字符變量和第二類(lèi)字符變量；所述第一類(lèi)字符變量包括的變量類(lèi)型的數(shù)量小于預(yù)定數(shù)量；所述字符型變量中所述第一類(lèi)字符變量之外的變量，為第二類(lèi)字符變量。

在一個(gè)例子中，如圖4所示，所述第一類(lèi)字符變量、第二類(lèi)字符變量和連續(xù)型變量，分別包括多個(gè)變量類(lèi)型；所述量化處理模塊32，包括：

比值確定子模塊321，用于分別在每一個(gè)變量類(lèi)型下，獲取第一比值和第二比值，所述第一比值是所述變量類(lèi)型下的所述對(duì)象的壞樣本的數(shù)量與所有對(duì)象壞樣本總數(shù)量的比值，所述第二比值是所述變量類(lèi)型下的所述對(duì)象的好樣本的數(shù)量與所有對(duì)象好樣本總數(shù)量的比值；

量化確定子模塊322，用于根據(jù)所述第一比值和第二比值，分別得到每一個(gè)變量類(lèi)型下的子量化值；

求和處理子模塊323，用于將所述第一類(lèi)字符變量下各個(gè)變量類(lèi)型的子量化值求和得到第一字符量化值，將所述第二類(lèi)字符變量下的各個(gè)變量類(lèi)型的子量化值求和得到第二字符量化值，將所述連續(xù)型變量下的各個(gè)變量類(lèi)型的子量化值求和得到連續(xù)型量化值；

量化結(jié)果子模塊324，用于將所述第一字符量化值、第二字符量化值和連續(xù)型量化值求和，得到所述對(duì)象對(duì)應(yīng)的量化值。

在一個(gè)例子中，量化結(jié)果子模塊324，在用于將所述第一字符量化值、第二字符量化值和連續(xù)型量化值求和時(shí)，所述第一字符量化值的權(quán)重高于第二字符量化值的權(quán)重。

在一個(gè)例子中，對(duì)象選擇模塊33，具體用于若所述量化值小于預(yù)定的閾值，所述閾值為黑名單對(duì)象的數(shù)值范圍最大值，則選擇所述對(duì)象作為黑名單對(duì)象。

上述實(shí)施例闡明的裝置或模塊，具體可以由計(jì)算機(jī)芯片或?qū)嶓w實(shí)現(xiàn)，或者由具有某種功能的產(chǎn)品來(lái)實(shí)現(xiàn)。一種典型的實(shí)現(xiàn)設(shè)備為計(jì)算機(jī)，計(jì)算機(jī)的具體形式可以是個(gè)人計(jì)算機(jī)、膝上型計(jì)算機(jī)、蜂窩電話、相機(jī)電話、智能電話、個(gè)人數(shù)字助理、媒體播放器、導(dǎo)航設(shè)備、電子郵件收發(fā)設(shè)備、游戲控制臺(tái)、平板計(jì)算機(jī)、可穿戴設(shè)備或者這些設(shè)備中的任意幾種設(shè)備的組合。

為了描述的方便，描述以上裝置時(shí)以功能分為各種模塊分別描述。當(dāng)然，在實(shí)施本公開(kāi)時(shí)可以把各模塊的功能在同一個(gè)或多個(gè)軟件和/或硬件中實(shí)現(xiàn)。

以上所述僅為本公開(kāi)的較佳實(shí)施例而已，并不用以限制本公開(kāi)，凡在本公開(kāi)的精神和原則之內(nèi)，所做的任何修改、等同替換、改進(jìn)等，均應(yīng)包含在本公開(kāi)保護(hù)的范圍之內(nèi)。