[發明專利]數據處理方法及裝置

在審

• 申請號: 202310162931.0
• 申請日: 2023-02-13
• 公開（公告）號: CN116468144A
• 公開（公告）日: 2023-07-21
• 發明（設計）人: 李越杰;胡男;馬崇洋
• 申請（專利權）人: 浙江網商銀行股份有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06F18/214;G06F18/241;G06N20/00
• 代理公司: 北京智信禾專利代理有限公司 11637
• 代理人: 吳肖肖

1.一種數據處理方法，包括：

獲取針對業務模型的預測樣本，根據所述預測樣本確定所述業務模型的模型質量分；

在所述模型質量分大于質量分閾值的情況下，確定所述預測樣本的訓練標簽；

基于所述預測樣本以及所述預測樣本的訓練標簽，對第一初始質量檢測模型進行訓練，得到第一目標質量檢測模型；

獲取所述業務模型針對目標數據集的至少兩個輸出結果，并將所述至少兩個輸出結果輸入所述第一目標質量檢測模型，確定所述業務模型的質量數據。

2.根據權利要求1所述的方法，所述獲取針對業務模型的預測樣本，根據所述預測樣本確定所述業務模型的模型質量分，包括：

在業務平臺獲取預設周期內的業務數據，將所述預設周期內的業務數據作為所述預測樣本，其中，所述業務平臺包括所述業務模型；

將所述預測樣本輸入所述業務模型，獲得針對所述預測樣本的樣本得分分布；

根據所述樣本得分分布確定所述業務模型的模型質量分。

3.根據權利要求2所述的方法，所述根據所述樣本得分分布確定所述業務模型的模型質量分，包括：

根據所述樣本得分分布確定所述預測樣本中的第一樣本和第二樣本；

基于模型穩定性計算公式，根據所述第一樣本和所述第二樣本，確定所述業務模型的模型質量分。

4.根據權利要求1所述的方法，所述確定所述預測樣本的訓練標簽，包括：

確定所述預測樣本的特征，根據所述預測樣本的特征通過預設分類規則進行問題分類，確定所述預測樣本的訓練標簽。

5.根據權利要求1所述的方法，所述基于所述預測樣本以及所述預測樣本的訓練標簽，對第一初始質量檢測模型進行訓練，得到第一目標質量檢測模型，包括：

將所述預測樣本輸入所述業務模型，獲得所述業務模型的針對所述預測樣本的樣本得分分布；

根據分布特征提取網絡層對所述樣本得分分布進行特征提取，獲得分布特征；

將所述分布特征輸入所述第一初始質量檢測模型，獲得針對所述分布特征的預測問題標簽；

根據所述針對所述分布特征的預測問題標簽和所述訓練標簽，調整所述第一初始質量檢測模型的模型參數，得到第一目標質量檢測模型。

6.根據權利要求1所述的方法，所述將所述至少兩個輸出結果輸入所述第一目標質量檢測模型，確定所述業務模型的質量數據，包括：

將所述至少兩個輸出結果輸入所述第一目標質量檢測模型，獲得針對所述預測樣本的預測問題標簽；

根據所述針對所述預測樣本的預測問題標簽，確定所述業務模型的質量數據。

7.根據權利要求1所述的方法，所述獲取所述業務模型針對目標數據集的至少兩個輸出結果，包括：

從業務平臺獲取所述目標數據集，將所述目標數據集輸入所述業務模型，獲得所述至少兩個輸出結果。

8.根據權利要求1所述的方法，在所述獲取針對業務模型的預測樣本之后，還包括：

將所述預測樣本輸入分布特征提取網絡層，獲得所述分布特征；

將所述分布特征輸入第二初始質量檢測模型，獲得針對所述預測樣本的預測問題標簽；

根據所述針對所述預測樣本的預測問題標簽所述訓練標簽，調整所述第二初始質量檢測模型的模型參數，得到第二目標質量檢測模型。

9.根據權利要求8所述的方法，在所述得到第二目標質量檢測模型之后，還包括：

將所述預測樣本發送至所述第二目標質量檢測模型，獲得針對所述預測樣本的預測問題標簽；

根據所述針對所述預測樣本的預測問題標簽，確定所述業務模型的質量數據。

10.根據權利要求1所述的方法，在所述獲取針對業務模型的預測樣本之后，還包括：

獲取所述業務模型的訓練樣本，確定所述訓練樣本和所述預測樣本的差異度；

根據所述差異度確定所述預測樣本的樣本質量數據。