[發(fā)明專利]數(shù)據(jù)處理方法、裝置和電子設備

在審

• 申請?zhí)枺?/td>: 202211247752.9
• 申請日: 2022-10-12
• 公開（公告）號: CN115511494A
• 公開（公告）日: 2022-12-23
• 發(fā)明（設計）人: 孫英翔
• 申請（專利權(quán)）人: 中國農(nóng)業(yè)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(chǎn)權(quán)代理有限公司 11205
• 代理人: 陳洪艷;劉芳

本申請?zhí)峁┝艘环N數(shù)據(jù)處理方法、裝置和電子設備，該數(shù)據(jù)處理方法包括：獲取目標數(shù)據(jù)；將目標數(shù)據(jù)輸入預先訓練的哈希碼處理模型進行數(shù)據(jù)處理，得到目標數(shù)據(jù)對應的預設位數(shù)的目標哈希碼；若目標哈希碼和預設數(shù)據(jù)集合中的任一數(shù)據(jù)的參考哈希碼相同，則確定目標數(shù)據(jù)在預設數(shù)據(jù)集合中存在，本申請能夠提高目標數(shù)據(jù)在預設數(shù)據(jù)集合中是否存在的檢測效率和準確率。

技術領域

本申請涉及測試技術領域，尤其涉及一種數(shù)據(jù)處理方法、裝置和電子設備。

背景技術

隨著在線電商和網(wǎng)絡支付的發(fā)展，會產(chǎn)生大量的結(jié)構(gòu)化金融數(shù)據(jù)，如出行記錄、交易記錄、信用記錄等。對客戶的交易進行風險檢測，需要快速高效的確定交易數(shù)據(jù)是否存在預設數(shù)據(jù)集合中。

目前是采用哈希函數(shù)對交易數(shù)據(jù)進行映射處理得到哈希碼，進而確定該交易數(shù)據(jù)在預設數(shù)據(jù)集合中的存在性。但是由于金融領域的交易數(shù)據(jù)存在數(shù)據(jù)量大、數(shù)據(jù)復雜、實時性高地域分布高，因此采用哈希函數(shù)對這些交易數(shù)據(jù)進行存在性檢測存在效率及準確率低的問題。

發(fā)明內(nèi)容

本申請實施例提供了一種數(shù)據(jù)處理方法、裝置和電子設備，以解決目前對交易數(shù)據(jù)進行存在性檢測存在效率及準確率低的問題。

本申請第一方面提供一種數(shù)據(jù)處理方法，包括：獲取目標數(shù)據(jù)；將目標數(shù)據(jù)輸入預先訓練的哈希碼處理模型進行數(shù)據(jù)處理，得到目標數(shù)據(jù)對應的預設位數(shù)的目標哈希碼；若目標哈希碼和預設數(shù)據(jù)集合中的任一數(shù)據(jù)的參考哈希碼相同，則確定目標數(shù)據(jù)在預設數(shù)據(jù)集合中存在。

在本申請的一個實施例中，哈希碼處理模型包括：神經(jīng)網(wǎng)絡層和哈希碼確定層，將目標數(shù)據(jù)輸入預先訓練的哈希碼處理模型進行數(shù)據(jù)處理，得到目標數(shù)據(jù)對應的預設位數(shù)的目標哈希碼，包括：將目標數(shù)據(jù)輸入預先訓練的神經(jīng)網(wǎng)絡層進行特征提取處理，得到目標特征向量，目標特征向量的元素的數(shù)量與預設位數(shù)相同；將目標特征向量輸入哈希碼確定層中進行哈希處理，得到目標哈希碼，目標哈希碼中各個哈希值是根據(jù)目標特征向量中的元素和預設閾值確定的，其中，小于預設閾值的目標特征向量中的元素對應的哈希值為0，確定大于預設閾值的目標特征向量中的元素對應的哈希值為1。

在本申請的一個實施例中，神經(jīng)網(wǎng)絡層包括：多個第一網(wǎng)絡層和多個第二網(wǎng)絡層，不同第二網(wǎng)絡層的神經(jīng)元的數(shù)量不同，將目標數(shù)據(jù)輸入預先訓練的神經(jīng)網(wǎng)絡層進行特征提取處理，得到目標特征向量，包括：將目標數(shù)據(jù)輸入多層第一網(wǎng)絡層進行特征提取處理，得到中間特征向量；根據(jù)預設數(shù)據(jù)集合的數(shù)據(jù)量，在多個第二網(wǎng)絡層中確定目標網(wǎng)絡層，預設數(shù)據(jù)集合的數(shù)據(jù)量與目標網(wǎng)絡層的神經(jīng)元的數(shù)量成正相關；將中間特征向量輸入目標網(wǎng)絡層，得到目標特征向量。

在本申請的一個實施例中，若目標哈希碼和預設數(shù)據(jù)集合中的任一數(shù)據(jù)的參考哈希碼相同，則確定目標數(shù)據(jù)在預設數(shù)據(jù)集合中存在之前還包括：將預設數(shù)據(jù)集合中的數(shù)據(jù)輸入哈希碼處理模型進行數(shù)據(jù)處理，得到預設數(shù)據(jù)集合中的數(shù)據(jù)的參考哈希碼。

在本申請的一個實施例中，哈希碼處理模型采用以下方式訓練得到：

獲取樣本數(shù)據(jù)集，樣本數(shù)據(jù)集中的樣本數(shù)據(jù)不同；將樣本數(shù)據(jù)集中的樣本數(shù)據(jù)輸入哈希碼處理模型進行數(shù)據(jù)處理，得到樣本數(shù)據(jù)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(diào)整哈希碼處理模型的權(quán)重，得到訓練完成的哈希碼處理模型。

在本申請的一個實施例中，哈希碼處理模型包括：神經(jīng)網(wǎng)絡層和哈希碼確定層，將樣本數(shù)據(jù)集中的樣本數(shù)據(jù)輸入哈希碼處理模型進行數(shù)據(jù)處理，得到樣本數(shù)據(jù)的哈希碼，包括：在樣本數(shù)據(jù)集中，依次選取不同數(shù)量的樣本數(shù)據(jù)作為目標數(shù)據(jù)集；針對每個目標數(shù)據(jù)集，將目標數(shù)據(jù)集中的樣本數(shù)據(jù)輸入神經(jīng)網(wǎng)絡層進行特征提取，得到目標樣本特征向量；將目標樣本特征向量輸入哈希碼確定層進行哈希處理，得到樣本數(shù)據(jù)的哈希碼。