[發明專利]樣本數據閉環生成方法、裝置、設備及存儲介質

有效

• 申請號: 202110570309.4
• 申請日: 2021-05-25
• 公開（公告）號: CN113505805B
• 公開（公告）日: 2023-10-13
• 發明（設計）人: 郭寧;尤薇;俞加偉
• 申請（專利權）人: 平安銀行股份有限公司
• 主分類號: G06V10/774
• 分類號: G06V10/774;G06V10/764;G06N20/00;G06F9/54
• 代理公司: 深圳市沃德知識產權代理事務所(普通合伙) 44347
• 代理人: 高杰;于志光

1.一種樣本數據閉環生成方法，其特征在于，所述方法包括：

獲取樣本數據集，根據所述樣本數據集構建訓練樣本集，并基于所述訓練樣本集對待訓練模型集群進行訓練，得到標準模型集群；

獲取實時業務請求，基于所述標準模型集群對所述實時業務請求進行預測，得到集群響應結果，基于所述集群響應結果生成消息隊列；

對所述集群響應結果進行預測反饋，得到業務反饋結果，并將所述業務反饋結果發送至所述消息隊列；

對所述消息隊列中的所述業務反饋結果及所述集群響應結果進行關聯，得到關聯結果；

對所述關聯結果進行標注處理，得到標注后的樣本數據，并將所述標注后的樣本數據補充至所述樣本數據集。

2.如權利要求1所述的樣本數據閉環生成方法，其特征在于，所述根據所述樣本數據集構建訓練樣本集，并基于所述訓練樣本集對待訓練模型集群進行訓練，得到標準模型集群，包括：

對所述樣本數據集中的數據進行分類，得到分類數據集；

根據預構建的待訓練模型集群，將所述分類數據集進行數據劃分，得到所述訓練樣本集；

利用所述訓練樣本集對所述待訓練模型集群中所述訓練樣本集對應的模型進行訓練，得到標準模型，匯總所有訓練完成的標準模型，得到所述標準模型集群。

3.如權利要求1所述的樣本數據閉環生成方法，其特征在于，所述基于所述標準模型集群對所述實時業務請求進行預測，得到集群響應結果，包括：

利用預設的網關生成所述實時業務請求的請求唯一標識；

利用所述標準模型集群中的標準模型對所述實時業務請求中的真實數據進行預測，得到預測結果；

對所述真實數據、所述請求唯一標識及所述預測結果進行封裝，得到所述集群響應結果。

4.如權利要求3所述的樣本數據閉環生成方法，其特征在于，所述對所述集群響應結果進行預測反饋，得到業務反饋結果，包括：

調用預設的反饋接口，利用所述反饋接口獲取所述集群響應結果的驗證數據；

基于所述驗證數據對所述集群響應結果中的預測結果進行驗證；

當驗證的結果為反饋一致時，將所述集群響應結果中的請求唯一標識、驗證的結果確定為所述業務反饋結果；

當驗證的結果為反饋不一致時，將所述集群響應結果中的請求唯一標識、驗證的結果及所述驗證數據確定為所述業務反饋結果。

5.如權利要求1至4中任意一項所述的樣本數據閉環生成方法，其特征在于，所述對所述消息隊列中的所述業務反饋結果及所述集群響應結果進行關聯，得到關聯結果，包括：

依次提取所述業務反饋結果中的請求唯一標識，及提取所述集群響應結果中的請求唯一標識；

將所述請求唯一標識相同的業務反饋結果及集群響應結果進行關聯，得到所述關聯結果。

6.如權利要求1所述的樣本數據閉環生成方法，其特征在于，所述方法還包括：

獲取離線業務日志，對所述離線業務日志進行離線加工，得到加工后的樣本數據，并將所述加工后的樣本數據補充至所述樣本數據集。

7.如權利要求6所述的樣本數據閉環生成方法，其特征在于，所述對所述離線業務日志進行離線加工，得到加工后的樣本數據，包括：

獲取所述離線業務日志中包括的業務系統離線日志及網關離線日志；

將所述業務系統離線日志保存為系統離線文件，及將所述網關離線日志保存為網關離線文件；

將所述系統離線文件及所述網關離線文件導入預構建的離線集群；

在所述離線集群中，利用所述請求唯一標識將所述業務系統離線日志及網關離線日志進行關聯，并將關聯后的數據作為樣本數據。