[發明專利]一種數據處理方法、裝置、計算機及存儲介質

在審

• 申請號: 201811176811.1
• 申請日: 2018-10-10
• 公開（公告）號: CN109409504A
• 公開（公告）日: 2019-03-01
• 發明（設計）人: 錢信羽
• 申請（專利權）人: 深圳樂信軟件技術有限公司
• 主分類號: G06N3/04
• 分類號: G06N3/04;G06N3/08;G06K9/62;G06Q40/02
• 代理公司: 北京品源專利代理有限公司 11332
• 代理人: 孟金喆

1.一種數據處理方法，其特征在于，包括：

獲取一維原始數據，將所述一維原始數據進行矩陣化處理，生成中間數據，其中，所述中間數據為二維矩陣數據；

將所述中間數據輸入至預先訓練的卷積神經網絡模型中，其中，所述卷積神經網絡模型包括inception結構的卷積層；

根據所述卷積神經網絡模型的輸出結果確定所述一維原始數據對應的處理結果。

2.根據權利要求1所述的方法，其特征在于，所述一維原始數據為用戶的金融信貸數據，所述一維原始數據對應的處理結果為所述用戶的還款逾期概率。

3.根據權利要求1所述的方法，其特征在于，將所述一維原始數據進行矩陣化處理，生成中間數據，包括：

根據矩陣化處理規則中數據排序，確定所述一維原始數據各類型數據的排序方式；

根據所述排序方式將所述一維原始數據進行排序，生成矩陣數據，所述矩陣數據為中間數據。

4.根據權利要求3所述的方法，其特征在于，所述數據排序為至少兩種，得到至少兩種排序的矩陣數據；相應的，在生成矩陣數據之后，還包括：

將每一個矩陣數據確定為一個通道數據，對所述至少兩種排序的矩陣數據進行組合，生成具有至少兩個通道的中間數據。

5.根據權利要求3所述的方法，其特征在于，在根據至少兩種數據排列方式對所述一維原始數據進行矩陣化處理之前，還包括：

若根據預設數據格式，確定所述一維原始數據存在缺失值，則對所述一維原始數據的缺失值進行填充處理；

對填充后的一維原始數據進行歸一化處理，得到處理后的一維數據；

相應的，根據至少兩種數據排列方式對所述一維原始數據進行矩陣化處理，包括：

根據至少兩種數據排列方式對所述處理后的一維數據進行矩陣化處理。

6.根據權利要求1-5任一所述的方法，其特征在于，所述inception結構的卷積層包括1×1的子卷積層、3×3的子卷積層、空洞卷積和池化層，其中，所述1×1的子卷積層、所述3×3的子卷積層、所述空洞卷積和所述池化層并列設置，用于分別對輸入數據進行處理，分別得到特征矩陣。

7.根據權利要求6所述的方法，其特征在于，對輸入數據進行處理，分別得到特征矩陣之后，還包括：

對所述特征矩陣進行統一化處理，并將處理后的特征矩陣進行拼接，生成下一卷積層的輸入數據。

8.根據權利要求6所述的方法，其特征在于，在對輸入數據進行處理之前，還包括：

根據所述1×1的子卷積層、所述3×3的子卷積層、所述空洞卷積和所述池化層的卷積核的大小分別對所述輸入數據進行擴張處理，其中，所述擴張處理包括對所述輸入數據進行邊界填零處理。

9.根據權利要求1-5任一所述的方法，其特征在于，所述卷積神經網絡模型還包括全連接層，用于根據上一卷積層的特征矩陣確定處理結果。

10.一種數據處理裝置，其特征在于，包括：

一維數據處理模塊，用于獲取一維原始數據，將所述一維原始數據進行矩陣化處理，生成中間數據，其中，所述中間數據為二維矩陣數據；

中間數據處理模塊，用于將所述中間數據輸入至預先訓練的卷積神經網絡模型中，其中，所述卷積神經網絡模型包括inception結構的卷積層；

處理結果確定模塊，用于根據所述卷積神經網絡模型的輸出結果確定所述一維原始數據對應的處理結果。

11.一種計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，該程序被處理器執行時實現如權利要求1-9中任一所述的數據處理方法。

12.一種計算機，其特征在于，包括存儲器，處理器及存儲在存儲器上并可在處理器運行的計算機程序，所述處理器執行所述計算機程序時實現如權利要求1-9任一所述的數據處理方法。