[發明專利]數據處理方法、裝置和電子設備

在審

• 申請號: 202211247752.9
• 申請日: 2022-10-12
• 公開（公告）號: CN115511494A
• 公開（公告）日: 2022-12-23
• 發明（設計）人: 孫英翔
• 申請（專利權）人: 中國農業銀行股份有限公司
• 主分類號: G06Q20/38
• 分類號: G06Q20/38;G06N3/04;G06N3/08
• 代理公司: 北京同立鈞成知識產權代理有限公司 11205
• 代理人: 陳洪艷;劉芳

1.一種數據處理方法，其特征在于，包括：

獲取目標數據；

將所述目標數據輸入預先訓練的哈希碼處理模型進行數據處理，得到所述目標數據對應的預設位數的目標哈希碼；

若所述目標哈希碼和預設數據集合中的任一數據的參考哈希碼相同，則確定所述目標數據在所述預設數據集合中存在。

2.根據權利要求1所述的數據處理方法，其特征在于，所述哈希碼處理模型包括：神經網絡層和哈希碼確定層，所述將所述目標數據輸入預先訓練的哈希碼處理模型進行數據處理，得到所述目標數據對應的預設位數的目標哈希碼，包括：

將所述目標數據輸入預先訓練的神經網絡層進行特征提取處理，得到目標特征向量，所述目標特征向量的元素的數量與所述預設位數相同；

將所述目標特征向量輸入所述哈希碼確定層中進行哈希處理，得到所述目標哈希碼，所述目標哈希碼中各個哈希值是根據目標特征向量中的元素和預設閾值確定的，其中，小于所述預設閾值的目標特征向量中的元素對應的哈希值為0，確定大于所述預設閾值的目標特征向量中的元素對應的哈希值為1。

3.根據權利要求2所述的數據處理方法，其特征在于，所述神經網絡層包括：多個第一網絡層和多個第二網絡層，不同第二網絡層的神經元的數量不同，所述將所述目標數據輸入預先訓練的神經網絡層進行特征提取處理，得到目標特征向量，包括：

將所述目標數據輸入多層第一網絡層進行特征提取處理，得到中間特征向量；

根據所述預設數據集合的數據量，在所述多個第二網絡層中確定目標網絡層，所述預設數據集合的數據量與所述目標網絡層的神經元的數量成正相關；

將所述中間特征向量輸入所述目標網絡層，得到所述目標特征向量。

4.根據權利要求3所述的數據處理方法，其特征在于，所述若所述目標哈希碼和預設數據集合中的任一數據的參考哈希碼相同，則確定所述目標數據在所述預設數據集合中存在之前還包括：

將所述預設數據集合中的數據輸入所述哈希碼處理模型進行數據處理，得到所述預設數據集合中的數據的參考哈希碼。

5.根據權利要求1至4中任一項所述的數據處理方法，其特征在于，所述哈希碼處理模型采用以下方式訓練得到：

獲取樣本數據集，所述樣本數據集中的樣本數據不同；

將所述樣本數據集中的樣本數據輸入哈希碼處理模型進行數據處理，得到所述樣本數據的哈希碼；

將各哈希碼相乘后得到目標值；

采用目標值與預設值的差值調整所述哈希碼處理模型的權重，得到訓練完成的哈希碼處理模型。

6.根據權利要求5所述的數據處理方法，其特征在于，所述哈希碼處理模型包括：神經網絡層和哈希碼確定層，所述將所述樣本數據集中的樣本數據輸入哈希碼處理模型進行數據處理，得到所述樣本數據的哈希碼，包括：

在所述樣本數據集中，依次選取不同數量的樣本數據作為目標數據集；

針對每個目標數據集，將所述目標數據集中的樣本數據輸入所述神經網絡層進行特征提取，得到目標樣本特征向量；

將所述目標樣本特征向量輸入所述哈希碼確定層進行哈希處理，得到所述樣本數據的哈希碼。

7.根據權利要求6所述的數據處理方法，其特征在于，所述神經網絡層包括：多個第一網絡層和多個第二網絡層，不同第二網絡層的神經元的數量不同，所述將所述目標數據集中的樣本數據輸入所述神經網絡層進行特征提取，得到目標樣本特征向量，包括：

將所述目標數據集中的樣本數據輸入多個第一網絡層進行特征提取處理，得到中間樣本特征向量；

根據所述目標數據集的數據量，在所述多個第二網絡層中確定待訓練網絡層，所述目標數據集的數據量與所述待訓練網絡層的神經元的數量成正相關；

將所述中間樣本特征向量輸入所述待訓練網絡層，得到所述目標樣本特征向量；

所述采用目標值與預設值的差值調整所述哈希碼處理模型的權重，得到訓練完成的哈希碼處理模型，包括：

采用目標值與預設值的差值調整所述多個第一網絡層和所述待訓練網絡層的權重，得到訓練完成的哈希碼處理模型。