CN112231367B - 基于人工智能的业务处理方法、装置及电子设备 - Google Patents

Abstract

本申请提供了一种基于人工智能的业务处理方法、装置、电子设备及计算机可读存储介质；涉及人工智能技术领域以及云技术领域中的大数据技术；方法包括：接收针对业务的数据表查询请求；根据业务中的多个数据表之间的关联关系，构建业务的数据表网络图；根据递增的度数阈值，对数据表网络图中的数据表进行多轮移除处理；其中，数据表的度数表征与数据表存在关联关系的其他数据表的数量；将每轮移除处理中所使用的度数阈值，确定为被移除出的数据表的业务指标；根据业务指标对多个数据表进行业务分级处理，以根据得到的第一业务分级结果响应数据表查询请求。通过本申请，能够提升业务分级精度，同时降低对数据表的管理难度。

Description

基于人工智能的业务处理方法、装置及电子设备

技术领域

本申请涉及人工智能技术和云技术，尤其涉及一种基于人工智能的业务处理方法、装置、电子设备及计算机可读存储介质。

背景技术

数据资产是指由企业或单位拥有的，以物理或电子的方式记录的数据资源，数据资产往往与特定的业务相关联，且预期能够为拥有方带来业务上的收益。随着数字时代的发展，数据资产也被认为是最重要的资产类型之一。

数据表是数据资产的一种代表形式，其中往往存储有与业务相关的数据，例如应用程序的后台数据及用户数据等。在相关技术提供的方案中，在接收到针对业务的数据表查询请求时，通常是不区分地显示业务中的所有数据表，以作为响应。但是，随着如今业务的体量愈加膨胀，数据表的数量也随之越来越多，这就导致在相关技术提供的方案中，无法实现对大量数据表的有效管理。

发明内容

本申请实施例提供一种基于人工智能的业务处理方法、装置、电子设备及计算机可读存储介质，能够降低对数据表的管理难度。

本申请实施例的技术方案是这样实现的：

本申请实施例提供一种基于人工智能的业务处理方法，包括：

接收针对业务的数据表查询请求；

根据所述业务中的多个数据表之间的关联关系，构建所述业务的数据表网络图；

根据递增的度数阈值，对所述数据表网络图中的数据表进行多轮移除处理；其中，所述数据表的度数表征与所述数据表存在关联关系的其他数据表的数量；

将每轮所述移除处理中所使用的度数阈值，确定为被移除出的数据表的业务指标；

根据所述业务指标对所述多个数据表进行业务分级处理，以根据得到的第一业务分级结果响应所述数据表查询请求。

本申请实施例提供一种基于人工智能的业务处理装置，包括：

接收模块，用于接收针对业务的数据表查询请求；

构建模块，用于根据所述业务中的多个数据表之间的关联关系，构建所述业务的数据表网络图；

移除模块，用于根据递增的度数阈值，对所述数据表网络图中的数据表进行多轮移除处理；其中，所述数据表的度数表征与所述数据表存在关联关系的其他数据表的数量；

指标确定模块，用于将每轮所述移除处理中所使用的度数阈值，确定为被移除出的数据表的业务指标；

业务分级模块，用于根据所述业务指标对所述多个数据表进行业务分级处理，以根据得到的第一业务分级结果响应所述数据表查询请求。

本申请实施例提供一种电子设备，包括：

存储器，用于存储可执行指令；

处理器，用于执行所述存储器中存储的可执行指令时，实现本申请实施例提供的基于人工智能的业务处理方法。

本申请实施例提供一种计算机可读存储介质，存储有可执行指令，用于引起处理器执行时，实现本申请实施例提供的基于人工智能的业务处理方法。

本申请实施例具有以下有益效果：

在接收针对业务的数据表查询请求时，根据递增的度数阈值，对业务的数据表网络图中的数据表进行多轮移除处理，并将每轮移除处理中所使用的度数阈值确定为被移除出的数据表的业务指标，如此，使得数据表的业务指标能够体现数据表的重要度，从而能够根据业务指标实现精准的业务分级处理。基于业务分级处理得到的第一业务分级结果，能够对业务中的多个数据表进行有效管理，例如定位某个数据表或者对某个数据表进行价值评估等。

附图说明

图1是本申请实施例提供的基于人工智能的业务处理系统的一个架构示意图；

图2是本申请实施例提供的结合区块链网络的基于人工智能的业务处理系统的一个架构示意图；

图3是本申请实施例提供的终端设备的一个架构示意图；

图4A是本申请实施例提供的基于人工智能的业务处理方法的一个流程示意图；

图4B是本申请实施例提供的基于人工智能的业务处理方法的一个流程示意图；

图4C是本申请实施例提供的基于人工智能的业务处理方法的一个流程示意图；

图4D是本申请实施例提供的基于人工智能的业务处理方法的一个流程示意图；

图4E是本申请实施例提供的基于人工智能的业务处理方法的一个流程示意图；

图5是本申请实施例提供的多轮移除处理的示意图；

图6是本申请实施例提供的复杂网络的示意图；

图7是本申请实施例提供的复杂网络的示意图；

图8是本申请实施例提供的多轮移除处理的示意图；

图9是本申请实施例提供的复杂网络中各个点的重要度指标的示意图。

具体实施方式

为了使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请作进一步地详细描述，所描述的实施例不应视为对本申请的限制，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本申请保护的范围。

在以下的描述中，涉及到“一些实施例”，其描述了所有可能实施例的子集，但是可以理解, “一些实施例”可以是所有可能实施例的相同子集或不同子集，并且可以在不冲突的情况下相互结合。

在以下的描述中，所涉及的术语“第一\第二\第三”仅仅是是区别类似的对象，不代表针对对象的特定排序，可以理解地，“第一\第二\第三”在允许的情况下可以互换特定的顺序或先后次序，以使这里描述的本申请实施例能够以除了在这里图示或描述的以外的顺序实施。在以下的描述中，所涉及的术语“多个”是指至少两个。

除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本文中所使用的术语只是为了描述本申请实施例的目的，不是旨在限制本申请。

对本申请实施例进行进一步详细说明之前，对本申请实施例中涉及的名词和术语进行说明，本申请实施例中涉及的名词和术语适用于如下的解释。

1）业务：可以是由企业或单位运行的业务，本申请实施例对业务的类型不做限定，例如可以是金融业务（如在线支付业务或在线购物业务等）、即时通信业务等。

2）数据库（Database）：以一定方式储存在一起、能与多个用户共享、具有尽可能小的冗余度、与应用程序彼此独立的数据集合，数据库也可视为存储电子文件的处所。在本申请实施例中，数据库用于存储与业务相关联的数据。

3）数据表：在数据库中通常以表为组织单位存储数据，即数据库往往会包括多个数据表。举例来说，某个业务包括多个功能，每个功能分别对应一个数据表，则可以通过对多个数据表的调用来实现业务的正常运行。一个数据表包括若干个字段，字段对应数据表的列概念，例如，一个数据表可以包括用户姓名和用户性别两个字段；此外，数据表中的行称为记录，例如某个用户在用户姓名字段的字段值为张三，在用户性别字段的字段值为男，则“张三-男”为该用户在数据表中的一条记录。

4）数据表网络图：以数据表为点，并以数据表之间的关联关系为边，所构建出的网络图。在本申请实施例中，数据表网络图中的边可以是无向边，也可以是有向边。

5）度数：对于某个数据表来说，度数是指数据表网络图中与该数据表存在边连接（即关联关系）的其他数据表的数量。数据表的度数越高，表示该数据表的重要度越高。

6）元数据（Metadata）：在本申请实施例中，元数据是对数据表的描述性数据。元数据可以包括技术元数据（Technical Metadata）和业务元数据（Business Metadata）两类，其中，技术元数据是在数据开发过程中产生的技术性统计指标，是指数据库的设计和管理人员在开发和管理数据库时使用的数据，这里，技术元数据可以包括数据表之间的关联关系；业务元数据使用业务名称、定义、描述等信息表示数据库中的数据表，例如业务元数据可以包括数据表（或者数据表中的数据）的业务名称、业务定义及业务描述等。

7）人工智能（Artificial Intelligence，AI）：是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。换句话说，人工智能是计算机科学的一个综合技术，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器。

8）机器学习（Machine Learning，ML）：是人工智能的核心，是使计算机具有智能的根本途径，其应用遍及人工智能的各个领域。机器学习主要研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。在本申请实施例中，可以利用机器学习的原理实现自动的业务处理。

9）云技术（Cloud Technology）：指在广域网或局域网内将硬件、软件、网络等系列资源统一起来，实现数据的计算、储存、处理和共享的一种托管技术。

10）大数据（Big Data）：是指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。随着如今业务的体量逐渐膨胀，业务中的数据表的数量也会逐渐增加，因此，可以通过大数据技术来实现对大量数据表的处理，如数据表网络图的构建、多轮移除处理及业务分级处理等。

11）区块链（Blockchain）：由区块（Block）形成的加密的、链式的交易的存储结构。

12）区块链网络（Blockchain Network）：通过共识的方式将新区块纳入区块链的一系列的节点的集合。

本申请实施例提供一种基于人工智能的业务处理方法、装置、电子设备及计算机可读存储介质，能够提升业务分级处理的精度，构建有效的数据资产管理体系。下面说明本申请实施例提供的电子设备的示例性应用，本申请实施例提供的电子设备可以实施为各种类型的终端设备，也可以实施为服务器。

参见图1，图1是本申请实施例提供的基于人工智能的业务处理系统100的一个架构示意图，终端设备400通过网络300连接服务器200，服务器200连接数据库500，其中，网络300可以是广域网或者局域网，又或者是二者的组合。

在一些实施例中，以电子设备是终端设备为例，本申请实施例提供的基于人工智能的业务处理方法可以由终端设备实现。例如，终端设备400运行客户端410，客户端410在接收到针对业务的数据表查询请求时，根据业务中的多个数据表之间的关联关系，构建业务的数据表网络图，其中，客户端410可以预先在本地存储多个数据表以及多个数据表之间的关联关系，也可以通过服务器200获取数据库500中存储的多个数据表以及多个数据表之间的关联关系。值得说明的是，多个数据表以及多个数据表之间的关联关系可以存储于同一数据库（即数据库500）中，也可以存储于不同的位置，例如多个数据表存储于数据库500中，多个数据表之间的关联关系存储于另一数据库或者服务器200的分布式文件系统中，为了便于理解，后文以存储于同一数据库中的情况进行举例说明。客户端410在构建出数据表网络图后，根据递增的度数阈值，对数据表网络图中的数据表进行多轮移除处理，将每轮移除处理中所使用的度数阈值，确定为被移除出的数据表的业务指标，最后根据业务指标对多个数据表进行业务分级处理，为了便于区分，将这里得到的业务分级结果命名为第一业务分级结果。客户端410得到的第一业务分级结果即可作为对数据表查询请求的响应。

在一些实施例中，以电子设备是服务器为例，本申请实施例提供的基于人工智能的业务处理方法也可以由终端设备和服务器协同实现。例如，终端设备400运行的客户端410在接收到针对业务的数据表查询请求时，将该数据表查询请求发送至服务器200。服务器200在接收到该数据表查询请求时，获取数据库500中存储的多个数据表以及多个数据表之间的关联关系，并将进行业务分级处理得到的第一业务分级结果发送至客户端410，以作为对客户端410接收到的数据表查询请求的响应。

作为示例，在图1中，在客户端410的图形界面（即资产管理界面）中示出了第一业务分级结果，第一业务分级结果包括分级为高的数据表1、分级为中的数据表2、以及分级为低的数据表3。通过上述方式，在第一方面，能够实现自动的业务分级处理，有效地节省人力成本；在第二方面，基于多轮移除处理的方式，能够提升得到的业务指标及后续进行业务分级处理的精度，使得电子设备（如服务器200或终端设备400）在进行业务分级处理时所耗费的计算资源不会被白白浪费，即能够提升电子设备的计算资源的实际利用率；在第三方面，得到的第一业务分级结果能够准确、有效地体现业务中的数据表的重要度，便于相关人员（如企业员工）更好地管理、查找业务中的数据表，减少相关人员在电子设备上需要执行的操作，即节省电子设备需要耗费的计算资源，并且，在交易（如出售或者购买）数据表时，能够基于第一业务分级结果进行准确估价，从而减少经济上的损失。

在一些实施例中，终端设备400或服务器200可以通过运行计算机程序来实现本申请实施例提供的基于人工智能的业务处理方法，例如，计算机程序可以是操作系统中的原生程序或软件模块；可以是本地（Native）应用程序（APP，Application），即需要在操作系统中安装才能运行的程序，如资产管理类的应用程序（对应上文的客户端410）；也可以是小程序，即只需要下载到浏览器环境中就可以运行的程序；还可以是能够嵌入至任意APP中的小程序，如嵌入至企业（指运行业务的企业）内部应用程序中的资产管理小程序组件。总而言之，上述计算机程序可以是任意形式的应用程序、模块或插件。

在一些实施例中，服务器200可以是独立的物理服务器，也可以是多个物理服务器构成的服务器集群或者分布式系统，还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、CDN、以及大数据和人工智能平台等基础云计算服务的云服务器，其中，云服务可以是业务处理服务，供终端设备400进行调用，以对数据库中的多个数据表进行业务分级处理。终端设备400可以是智能手机、平板电脑、笔记本电脑、台式计算机等，但并不局限于此。终端设备以及服务器可以通过有线或无线通信方式进行直接或间接地连接，本申请实施例中不做限制。

参见图2，图2是本申请实施例提供的结合区块链网络的基于人工智能的业务处理系统110的一个可选的架构示意图，包括区块链网络600（区块链网络600包括多个节点，这里示例性地示出了节点610）、认证中心700及电子设备800，电子设备800可以是服务器（例如图1所示的服务器200），也可以是终端设备（例如图1所示的终端设备400），图2中以终端设备为例进行说明。其中，认证中心700用于向电子设备800下发数字证书。

区块链网络600的类型是灵活多样的，例如可以为公有链、私有链或联盟链中的任意一种。以公有链为例，任何电子设备例如终端设备和服务器，都可以在不需要授权的情况下接入区块链网络600；以联盟链为例，电子设备在获得授权后可以接入区块链网络600，此时，成为区块链网络600中的一类特殊的节点即客户端节点。需要指出地，客户端节点可以只提供发起交易（例如，用于上链存储数据或查询链上数据）功能，对于区块链网络600的原生节点的功能，例如排序功能、共识服务和账本功能等，客户端节点可以缺省或者有选择性（例如，取决于具体业务需求）地实现。从而，可以将电子设备的数据和业务处理逻辑最大程度迁移到区块链网络600中，通过区块链网络600实现数据和业务处理过程的可信和可追溯。区块链网络600接收来自客户端节点提交的交易，执行交易以更新账本或者查询账本。

电子设备800可接入区块链网络600，成为区块链网络600的客户端节点，进而将数据（如多个数据表）发送至区块链网络600，以在区块链中存储，将在后文进行详细说明。

以本申请实施例提供的电子设备是终端设备为例说明，可以理解的，对于电子设备是服务器的情况，图3中示出的结构中的部分（例如用户接口、呈现模块和输入处理模块）可以缺省。参见图3，图3是本申请实施例提供的终端设备400的结构示意图，图3所示的终端设备400包括：至少一个处理器410、存储器450、至少一个网络接口420和用户接口430。终端400中的各个组件通过总线系统440耦合在一起。可理解，总线系统440用于实现这些组件之间的连接通信。总线系统440除包括数据总线之外，还包括电源总线、控制总线和状态信号总线。但是为了清楚说明起见，在图3中将各种总线都标为总线系统440。

处理器410可以是一种集成电路芯片，具有信号的处理能力，例如通用处理器、数字信号处理器（DSP，Digital Signal Processor），或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等，其中，通用处理器可以是微处理器或者任何常规的处理器等。

用户接口430包括使得能够呈现媒体内容的一个或多个输出装置431，包括一个或多个扬声器和/或一个或多个视觉显示屏。用户接口430还包括一个或多个输入装置432，包括有助于用户输入的用户接口部件，比如键盘、鼠标、麦克风、触屏显示屏、摄像头、其他输入按钮和控件。

存储器450可以是可移除的，不可移除的或其组合。示例性的硬件设备包括固态存储器，硬盘驱动器，光盘驱动器等。存储器450可选地包括在物理位置上远离处理器 410的一个或多个存储设备。

存储器450包括易失性存储器或非易失性存储器，也可包括易失性和非易失性存储器两者。非易失性存储器可以是只读存储器（ROM，Read Only Memory），易失性存储器可以是随机存取存储器（RAM，Random Access Memory）。本申请实施例描述的存储器450旨在包括任意适合类型的存储器。

在一些实施例中，存储器450能够存储数据以支持各种操作，这些数据的示例包括程序、模块和数据结构或者其子集或超集，下面示例性说明。

操作系统451，包括用于处理各种基本系统服务和执行硬件相关任务的系统程序，例如框架层、核心库层、驱动层等，用于实现各种基础业务以及处理基于硬件的任务；

网络通信模块452，用于经由一个或多个（有线或无线）网络接口420到达其他计算设备，示例性的网络接口420包括：蓝牙、无线相容性认证（WiFi）、和通用串行总线（USB，Universal Serial Bus）等；

呈现模块453，用于经由一个或多个与用户接口430相关联的输出装置431（例如，显示屏、扬声器等）使得能够呈现信息（例如，用于操作外围设备和显示内容和信息的用户接口）；

输入处理模块454，用于对一个或多个来自一个或多个输入装置432之一的一个或多个用户输入或互动进行检测以及翻译所检测的输入或互动。

在一些实施例中，本申请实施例提供的装置可以采用软件方式实现，图3示出了存储在存储器450中的基于人工智能的业务处理装置455，其可以是程序和插件等形式的软件，包括以下软件模块：接收模块4551、构建模块4552、移除模块4553、指标确定模块4554及业务分级模块4555，这些模块是逻辑上的，因此根据所实现的功能可以进行任意的组合或进一步拆分。将在下文中说明各个模块的功能。

将结合本申请实施例提供的电子设备的示例性应用和实施，说明本申请实施例提供的基于人工智能的业务处理方法。

参见图4A，图4A是本申请实施例提供的基于人工智能的业务处理方法的一个流程示意图，将结合图4A示出的步骤进行说明。

在步骤101中，接收针对业务的数据表查询请求。

这里，对业务的类型不做限定，例如可以是特定的应用程序所运行的业务，如由金融应用（如在线支付应用或在线购物应用）或即时通信应用等运行的业务，也可以是应用中的某个功能业务，如金融应用中的信用卡还款业务、保险业务、手机充值业务或生活缴费业务等，又如即时通信应用中的会话业务、通讯录业务或朋友圈业务等。

对于一个业务来说，往往需要多个数据表的支撑才能正常运行，即数据表存储有与业务相关联的数据，例如，金融业务（即金融应用所运行的业务）包括用于存储多个账号数据（指金融应用中已注册的账号数据）的数据表、以及用于存储与不同账号数据对应的信用卡账单的数据表，其中，账号数据可以包括账号名称和密码。

在业务场景中，一个常见的需求是对业务中的数据表进行查询。在相关技术提供的方案中，电子设备在接收到针对业务的数据表查询请求时，通常是将业务中各数据表进行不区分地显示，以作为响应，如下表所示：

其中，N为大于1的整数。当N的数量越来越大时，对数据表查询请求的响应结果会愈加庞大和繁杂，不便于相关人员对数据表进行管理。

有鉴于此，在本申请实施例中，对业务中的多个数据表进行业务分级处理，从而构建有效的数据资产管理体系，便于相关人员对数据表进行有效管理，接下来进行详细说明。

在步骤102中，根据业务中的多个数据表之间的关联关系，构建业务的数据表网络图。

电子设备在接收到针对业务的数据表查询请求时，获取业务中的多个数据表、以及多个数据表之间的关联关系，这里，关联关系可以是有向或无向的。其中，数据表和关联关系可以存储于同一位置，例如存储于同一数据库或区块链中，还可以分别存储，例如数据表存储于数据库中，关联关系存储于服务器的分布式文件系统中，这里对存储方式并不做限定。对于关联关系来说，其可以是人为设定的，例如由用户在线填写或离线填写得到，或者也可以通过其他方式自动确定。

将得到的每个数据表作为点，将关联关系作为边，进而构建业务的数据表网络图。当关联关系对应的边为有向边时，数据表网络图即为有向图；当关联关系对应的边为无向边时，数据表网络图即为无向图。

在一些实施例中，步骤102之前，还包括：执行以下任意一种处理：确定业务中用于调度多个数据表的调度任务，并将调度任务包括的调度关系作为多个数据表之间的关联关系；确定业务中任意两个数据表之间的数据相似度，并当数据相似度大于相似度阈值时，确定任意两个数据表之间存在关联关系。

除了人为设定关联关系之外，本申请实施例还提供了自动确定关联关系的两种方式。第一种方式是，确定业务中用于调度多个数据表的调度任务，并将调度任务包括的调度关系作为多个数据表之间的关联关系。例如，在业务场景中，会通过不同数据表之间的调度来实现特定的功能，例如，在信用卡还款业务的调度任务中，会首先通过用于存储多个账号数据的数据表（后文称为数据表A），来确定用户（在登录时）输入的账号数据是否正确，在用户输入的账号数据正确的基础上，会通过用于存储与不同账号数据对应的信用卡账单的数据表（后文称为数据表B）调用数据表A，从而确定出与用户输入的账号数据对应的信用卡账单。即该调度任务包括数据表A与数据表B之间的调度关系，且数据表A是上游数据表（即被数据表B调度的数据表），数据表B是下游数据表（即调度数据表A的数据表）。因此，可以将调度任务包括的调度关系作为数据表之间的关联关系。

值得说明的是，调度任务包括的调度关系通常是有向的，根据调度关系确定出的关联关系可以是有向（与调度关系的方向一致）或无向的。另外，在关联关系为有向的情况下，关联关系可以包括上游关联关系和下游关联关系两类，在本申请实施例中，涉及的描述“与数据表A存在下游关联关系的数据表B”，是指数据表A为上游数据表，数据表B为下游数据表；同理，涉及的描述“与数据表B存在上游关联关系的数据表A”，也是指数据表A为上游数据表，数据表B为下游数据表。

自动确定关联关系的第二种方式是，确定业务中任意两个数据表之间的数据相似度，当数据相似度大于相似度阈值时，确定这两个数据表之间存在关联关系，其中，相似度阈值可以根据实际应用场景进行设定。数据相似度可以是针对数据表中的所有记录而言的，例如，数据表C与数据表D之间的数据相似度=数据表C和数据表D中相同的记录的数量/数据表C和数据表D中的记录总数量，其中，只要两条记录包括相同的字段值，则确定这两条记录相同。举例来说，数据表C包括记录“张三-1号-男”和“李四-2号-男”，数据表D包括记录“1号-信用卡账单A”和“3号-信用卡账单B”，由于记录“张三-1号-男”和记录“1号-信用卡账单A”包括相同的字段值“1号”，则确定这两条记录相同，进而可以确定出数据表C与数据表D之间的数据相似度为1/4。当然，数据相似度也可存在其他的计算方式，本申请实施例对此不做限定。

通过上述方式，能够提升确定关联关系时的灵活性、以及确定出的关联关系的准确性。

在步骤103中，根据递增的度数阈值，对数据表网络图中的数据表进行多轮移除处理；其中，数据表的度数表征与数据表存在关联关系的其他数据表的数量。

在构建出数据表网络图后，确定数据表网络图中每个数据表的度数，这里，数据表的度数是与该数据表存在关联关系的其他数据表的数量。举例来说，如图5所示，在数据表网络图1中，数据表1仅与数据表3存在关联关系，因此数据表1的度数为1；与数据表4存在关联关系的数据表包括数据表5和数据表6，因此数据表4的度数为2，以此类推。

然后，对数据表网络图中的数据表（代表数据表的点）进行多轮移除处理，每轮移除处理会使用一个度数阈值，且随着移除处理的轮数增加，度数阈值也会递增，例如递增1。举例来说，移除处理的方式可以是，移除数据表网络图中度数小于或等于度数阈值的数据表，得到更新后的数据表网络图。移除处理的目的在于确定数据表网络图中各数据表的重要度，即业务指标，若某个数据表越晚被移除出，代表该数据表的重要度越高。

在一些实施例中，步骤102之后，还包括：确定数据表网络图中每个数据表的度数，并将最小的度数作为第一轮移除处理中所使用的度数阈值。

在本申请实施例中，第一轮移除处理中所使用的度数阈值可以预先设定，例如设定为1，或者，也可以将数据表网络图中最小的度数，作为第一轮移除处理中所使用的度数阈值。通过后者方式，能够避免进行无用的移除处理，例如某数据表网络图中所有数据表的度数均大于1，若根据度数阈值1进行移除处理，则不会移除出任何数据表，即进行了无效操作。

在一些实施例中，步骤103之前，还包括：获取数据表的调用频率；将数据表的调用频率与多个调用频率区间进行匹配处理，并根据匹配成功的调用频率区间对应的调整值，对数据表的度数进行调整处理；其中，每个调用频率区间对应一个调整值。

在本申请实施例中，在确定出数据表网络图中各个数据表的度数后，可以根据数据表的调用情况，对数据表的度数进行自适应调整。以数据表网络图中的任意一个数据表进行举例，首先获取该数据表的调用频率，并将调用频率与设定的多个调用频率区间进行匹配处理。其中，每个调用频率区间对应一个调整值，且调用频率区间中的调用频率越高，该调用频率区间对应的调整值越大，即成正相关关系。在得到匹配成功的调用频率区间对应的调整值后，根据该调整值对数据表的度数进行调整处理，这里对调整处理的方式不做限定，例如可以是加权处理或求和处理等。

举例来说，调用频率区间包括[0次/天，50次/天）、[50次/天，100次/天）以及[100次/天，+∞），对应的调整值分别为0、1和2，这里以次/天作为调用频率的单位，但这并不构成对本申请实施例的限定。以某个数据表的调用频率为60次/天为例，则匹配成功的调用频率区间为[50次/天，100次/天），对应的调整值为1。以该数据表的度数为1，且调整处理的方式为求和处理的情况作为示例，则经过调整处理后，得到的更新后的度数为2。

对数据表网络图中每个数据表的度数进行调整处理后，即可基于更新后的度数进行多轮移除处理。通过上述方式，可以使得更新后的度数更为贴近数据表的实际调用情况，例如某数据表的调用频率非常高，证明该数据表非常重要，则对应地增大该数据表的度数，使该数据表在多轮移除处理中能够更晚被移除出。

在一些实施例中，在任意一轮移除处理的过程中，还包括：当通过移除处理得到的更新后的数据表网络图为空时，停止进行移除处理。

这里，移除处理的停止条件可以是：通过任意一轮移除处理得到的更新后的数据表网络图为空，即所有的数据表均已被移除出。

在步骤104中，将每轮移除处理中所使用的度数阈值，确定为被移除出的数据表的业务指标。

这里，将每轮移除处理中所使用的度数阈值，确定为该轮移除处理中被移除出的数据表的业务指标。数据表的业务指标越大，表示该数据表在业务中的重要度越大。

在步骤105中，根据业务指标对多个数据表进行业务分级处理，以根据得到的第一业务分级结果响应数据表查询请求。

在得到业务中各数据表的业务指标后，即可根据业务指标对所有数据表进行业务分级处理，为了便于区分，将这里得到的业务分级结果命名为第一业务分级结果。

举例来说，第一业务分级结果如下表所示：

第一业务分级结果可以作为对数据表查询请求的响应，例如，可以将第一业务分级结果呈现于图形界面，以便相关人员进行管理。

如图4A所示，本申请实施例通过多轮移除处理得到数据表的业务指标，使得业务指标能够接近数据表实际的重要度。并且，根据业务指标对多个数据表进行业务分级处理，得到第一业务分级结果，如此，相关人员便可根据第一业务分级结果对业务中的多个数据表进行有效管理和定位，此外，还可以将第一业务分级结果作为对数据表进行价值评估的依据，在进行业务交易（如交易数据表）时，能够减少经济上的损失。

在一些实施例中，参见图4B，图4B是本申请实施例提供的基于人工智能的业务处理方法的一个流程示意图，图4A示出的步骤103可以通过步骤201至步骤203实现，将结合各步骤进行说明。

在步骤201中，迭代执行多轮的移除处理，在第i轮移除处理的过程中，移除数据表网络图中度数小于或等于度数阈值的数据表，得到更新后的数据表网络图。

这里，以第i轮移除处理为例进行说明，其中，i为大于0的整数。在第i轮移除处理的过程中，确定第i轮移除处理中所使用的度数阈值，并移除数据表网络图中度数小于或等于该度数阈值的数据表，得到更新后的数据表网络图。

在一些实施例中，关联关系包括上游关联关系和下游关联关系；可以通过这样的方式来实现上述的移除数据表网络图中度数小于或等于度数阈值的数据表：执行以下任意一种处理：移除数据表网络图中总度数小于或等于度数阈值的数据表；其中，数据表的总度数表征与数据表存在上游关联关系的其他数据表的数量、以及存在下游关联关系的其他数据表的数量之和；移除数据表网络图中出度度数小于或等于度数阈值的数据表；其中，数据表的出度度数表征与数据表存在下游关联关系的其他数据表的数量。

对于关联关系是有向的情况，本申请实施例提供了以下两种方式来进行移除。第一种方式是，移除数据表网络图中总度数小于或等于度数阈值的数据表，其中，数据表的总度数是入度度数和出度度数之和，入度度数是与数据表存在上游关联关系的其他数据表的数量，出度度数是与数据表存在下游关联关系的其他数据表的数量。第一种方式涵盖了数据表调用其他数据表或被其他数据表调用这两种情况。

第二种方式是，以数据表被调用的角度入手，移除数据表网络图中出度度数小于或等于度数阈值的数据表。即在第二种方式中，认为数据表的重要度体现于数据表被调用的情况。

上述两种方式的侧重不同，可以根据实际应用场景进行选择，能够提升移除过程的灵活性。

在步骤202中，当更新后的数据表网络图包括度数小于或等于度数阈值的数据表时，继续移除更新后的数据表网络图中度数小于或等于度数阈值的数据表。

在执行步骤201后得到的更新后的数据表网络图中，部分数据表的度数可能会发送变化，即可能会减小。因此，重新确定更新后的数据表网络图各数据表的度数，当更新后的数据表网络图包括度数小于或等于度数阈值的数据表时，继续移除更新后的数据表网络图中度数小于或等于度数阈值的数据表。

在步骤203中，当更新后的数据表网络图中多个数据表的度数均大于度数阈值时，对度数阈值进行增大处理，并将增大处理后的度数阈值以及更新后的数据表网络图用于第i+1轮的移除处理。

当更新后的数据表网络图中所有数据表的度数均大于度数阈值时，对第i轮移除处理中所使用的度数阈值进行增大处理，例如执行加1操作，并将增大处理后的度数阈值以及更新后的数据表网络图用于第i+1轮的移除处理。

为了便于理解，以步骤形式对图5示出的移除处理过程进行说明，其中，图5示出的数据表网络图中的边均为无向边。

1）对数据表网络图1进行第1轮移除处理，所使用的度数阈值为1。在第1轮移除处理的过程中，首先移除度数为1的数据表1和数据表2，得到更新后的数据表网络图1'。由于更新后的数据表网络图1'包括度数为1的数据表3，则继续移除数据表3，得到更新后的数据表网络图1''。由于更新后的数据表网络图1''中所有数据表的度数均大于1，因此，将更新后的数据表网络图1''作为数据表网络图2，并将增大为2的度数阈值以及数据表网络图2用于第2轮的移除处理。

2）对数据表网络图2进行第2轮移除处理，所使用的度数阈值为2。在第2轮移除处理的过程中，首先移除度数为2的数据表4和数据表5，得到更新后的数据表网络图2'。由于更新后的数据表网络图2'中所有数据表的度数均大于2，因此，将更新后的数据表网络图2'作为数据表网络图3，并将增大为3的度数阈值以及数据表网络图3用于第3轮的移除处理。

3）对数据表网络图3进行第3轮移除处理，所使用的度数阈值为3。在第3轮移除处理的过程中，移除度数为3的数据表6、数据表7、数据表8和数据表9，得到更新后的数据表网络图为空，停止进行移除处理。

如图4B所示，本申请实施例结合移除数据表网络图中的部分数据表后，剩余数据表的度数可能会发生变化的特点，判断是对更新后的数据表网络图进行继续移除（指在本轮移除处理中进行继续移除），还是进入下一轮移除处理，能够提升后续得到的业务指标的准确性，从而提升业务分级处理的精度。

在一些实施例中，参见图4C，图4C是本申请实施例提供的基于人工智能的业务处理方法的一个流程示意图，基于图4A，在步骤102之前，还可以在步骤301中，获取业务中用于描述数据表的元数据，并确定元数据中的关联关系。

在本申请实施例中，还可以获取业务中用于描述数据表的元数据，数据表与元数据是一一对应关系，元数据能够帮助相关人员理解数据表内容、以及区分不同的数据表。元数据可以包括技术元数据和业务元数据两类，技术元数据主要面向数据库的设计和管理人员，例如技术元数据可以包括字段名称、字段长度以及数据表的结构等；业务元数据主要面向业务人员（如不熟悉、不会使用数据表的业务人员），例如业务元数据可以包括数据表的业务名称（如账号数据表、账单数据表等）、业务定义及业务描述等。

数据表之间的关联关系可以包含于技术元数据中，在关联关系为有向的情况下，技术元数据中还可以包括数据表的扇入数（对应上文的入度度数）和扇出数（对应上文的出度度数）。

值得说明的是，数据表及其元数据可以存储于同一位置，如存储于同一数据库或区块链中，也可存储于不同位置，对此不做限定。

在一些实施例中，至少部分数据表的元数据包括用于调整度数的调整值；步骤103之前，还包括：当数据表的元数据包括调整值时，根据调整值对数据表的度数进行调整处理。

在本申请实施例中，可以预先在至少部分数据表的元数据（如技术元数据）中添加调整值。在对数据表网络图进行多轮移除处理之前，可以遍历数据表网络图中的数据表的元数据。当遍历到的元数据包括调整值时，根据调整值对数据表的度数进行调整处理，调整处理的方式可以是加权处理或求和处理等。通过上述方式，可以人为地对至少部分数据表的度数进行自适应调整，提供了人为调控的途径，例如在实际应用场景中，某个数据表在线下（如经过会议研讨）被认为较为重要，则可以在该数据表的元数据中添加较大的调整值，从而增大该数据表的度数。

在图4C中，基于图4A，在步骤104之后，还可以在步骤302中，根据业务指标对多个数据表的元数据进行业务分级处理，以根据得到的第二业务分级结果响应数据表查询请求。

除了对多个数据表进行业务分级处理之外，在本申请实施例中，还可以根据各数据表的业务指标，对多个数据表的元数据进行业务分级处理，为了便于区分，将这里得到的业务分级结果命名为第二业务分级结果。相较于数据表本身来说，其元数据更便于相关人员，特别是不熟悉数据表的人员获知数据表的功用。第二业务分级结果类似于数据表的数据字典，可以作为对数据表查询请求的响应。举例来说，第二业务分级结果如下表所示：

值得说明的是，本申请实施例可以将第一业务分级结果或第二业务分级结果单独作为对数据表查询请求的响应，也可以将第一业务分级结果和第二业务分级结果共同作为对数据表查询请求的响应。

如图4C所示，本申请实施例将包括元数据的第二业务分级结果作为对数据表查询请求的响应，能够进一步降低相关人员对数据表的管理难度。

在一些实施例中，参见图4D，图4D是本申请实施例提供的基于人工智能的业务处理方法的一个流程示意图，基于图4A，在步骤104之后（图4D中以步骤105之后作为示例），还可以在步骤401中，根据业务指标分配与多个数据表分别对应的告警强度；其中，分配给数据表的告警强度与数据表的业务指标正相关。

在得到业务中的各数据表的业务指标后，可以根据业务指标分配与多个数据表分别对应的业务属性，以对多个数据表进行安全保护处理，其中，分配给数据表的业务属性的安全强度与数据表的业务指标正相关，即业务指标越高，分配的业务属性的安全强度越高。值得说明的是，本申请实施例对为数据表分配业务属性的步骤与进行业务分级处理的步骤之间的顺序不做限定。

在本申请实施例中，业务属性可以包括告警强度、可执行操作种类以及可访问对象的数量中的至少一种，接下来进行分别说明。

对于业务中的每个数据表来说，可以根据业务指标分配对应的告警强度，其中，分配的告警强度与业务指标正相关。这里，不同的告警强度可以对应不同的告警方式，例如低等级的告警强度对应邮件告警，中等级的告警强度对应短信告警，高等级的告警强度对应电话告警；不同的告警强度也可以对应不同的告警对象，以企业业务为例，低等级的告警强度仅对应数据表的运维人员（即向运维人员发起告警），中等级的告警强度对应数据表的运维人员以及企业的中层领导，高等级的告警强度对应数据表的运维人员、企业的中层领导以及企业的高层领导，其中，告警对象也可以是指人员所持有的终端设备。

值得说明的是，本申请实施例对数据表的告警条件不做限定，例如可以在检测到数据表被非法访问时，进行告警。

在图4D中，基于图4A，在步骤104之后，还可以在步骤402中，根据业务指标分配与多个数据表分别对应的可执行操作种类；其中，分配给数据表的可执行操作种类与数据表的业务指标负相关。

这里，还可以根据数据表的业务指标，为数据表分配可执行操作种类，其中，分配给数据表的可执行操作种类与数据表的业务指标负相关。举例来说，当某个数据表的业务指标为1时，证明该数据表的重要度较低，分配给该数据表较多的可执行操作种类，例如包括对该数据表中数据的增加操作、删除操作、修改操作（更新操作）及查询操作；当该数据表的业务指标为2时，分配给该数据表的可执行操作种类包括修改操作及查询操作，即禁止对该数据表中的数据执行增加操作及删除操作；当该数据表的业务指标为3时，分配给该数据表的可执行操作种类仅包括查询操作，即禁止对该数据表中的数据执行增加操作、删除操作及修改操作。

基于图4A，在步骤104之后，还可以在步骤403中，根据业务指标分配与多个数据表分别对应的可访问对象的数量；其中，分配给数据表的可访问对象的数量与数据表的业务指标负相关。

这里，还可以根据数据表的业务指标，为数据表分配可访问对象的数量，其中，分配给数据表的可执行操作种类与数据表的业务指标负相关。以企业业务为例，当某个数据表的业务指标为1时，分配给该数据表的可访问对象包括企业的所有人员，数量较多；当该数据表的业务指标为2时，分配给该数据表的可访问对象包括企业中负责该业务的部门的人员，即禁止其他部门的人员访问（查询）该数据表；当该数据表的业务指标为3时，分配给该数据表的可访问对象包括企业中负责该业务的部门中特定的管理员，即禁止负责该业务的部门中除管理员之外的人员、以及其他部门的人员访问该数据表。其中，可访问对象也可以是指人员所持有的终端设备。

如图4D所示，根据实际应用场景中对业务的安全性需求，可以执行步骤401至步骤403中的至少一个步骤，以实现对数据表的安全保护处理，能够加强业务的安全性和保密性。

在一些实施例中，参见图4E，图4E是本申请实施例提供的基于人工智能的业务处理方法的一个流程示意图，基于图4A，步骤101至步骤105可以由电子设备执行。

在步骤104之后（图4E中以步骤105之后作为示例），还可以在步骤501中，电子设备根据业务指标分配与多个数据表分别对应的可访问对象的数量；其中，分配给数据表的可访问对象的数量与数据表的业务指标负相关。

在步骤502中，电子设备将多个数据表发送至区块链网络。

本申请实施例可以结合区块链技术实现，区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性（防伪）和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层。

区块链底层平台可以包括用户管理、基础服务、智能合约以及运营监控等处理模块。其中，用户管理模块负责所有区块链参与者的身份信息管理，包括维护公私钥生成（账号管理）、密钥管理以及用户真实身份和区块链地址对应关系维护（权限管理）等，并且在授权的情况下，监管和审计某些真实身份的交易情况，提供风险控制的规则配置（风控审计）；基础服务模块部署在所有区块链节点设备上，用来验证业务请求的有效性，并对有效请求完成共识后记录到存储上，对于一个新的业务请求，基础服务先对接口适配解析和鉴权处理（接口适配），然后通过共识算法将业务信息加密（共识管理），在加密之后完整一致的传输至共享账本上（网络通信），并进行记录存储；智能合约模块负责合约的注册发行以及合约触发和合约执行，开发人员可以通过某种编程语言定义合约逻辑，发布到区块链上（合约注册），根据合约条款的逻辑，调用密钥或者其它的事件触发执行，完成合约逻辑，同时还提供对合约升级注销的功能；运营监控模块主要负责产品发布过程中的部署、配置的修改、合约设置、云适配以及产品运行中的实时状态的可视化输出，例如：告警、监控网络情况、监控节点设备健康状态等。

这里，电子设备可以将多个数据表发送至区块链网络，以将多个数据表存储至区块链中。

在步骤503中，区块链网络将接收到的多个数据表存储至区块链中。

为了便于理解，以图2示出的架构进行说明，电子设备800接入区块链网络600，成为区块链网络600的客户端节点。电子设备800在需要将业务中的多个数据表上链时，将包括多个数据表的提交请求以交易形式发送至区块链网络，在交易中指定实现上链操作需要调用的智能合约以及向智能合约传递的参数，交易还携带了电子设备800签署的数字签名（例如，使用电子设备800的数字证书，对交易的摘要进行加密得到），并将交易广播到区块链网络600。其中，数字证书可由电子设备800向认证中心700进行登记注册得到。

区块链网络600中的节点610在接收到交易时，对交易携带的数字签名进行验证，数字签名验证成功后，根据交易中携带的电子设备800的身份标识，确认电子设备800是否是具有交易权限，数字签名和权限验证中的任何一个验证判断都将导致交易失败。验证成功后签署节点610自己的数字签名，并继续在区块链网络600中广播。

区块链网络600中具有排序功能的节点610接收到验证成功的交易后，将交易填充到新的区块中，并广播到区块链网络600中提供共识服务的节点。

区块链网络600中的提供共识服务的节点610对新区块进行共识过程以达成一致，提供账本功能的节点610将新区块追加到区块链的尾部，实现多个数据表的上链存储。由于区块链中的数据具有不可篡改的特性，故通过上述方式，能够保证区块链中存储的多个数据表的准确性。值得说明的是，除了将多个数据表上链之外，在本申请实施例中还可以将第一业务分级结果和/或第二业务分级结果进行上链。

在一些实施例中，可以通过这样的方式实现上述的电子设备将多个数据表发送至区块链网络：对每个数据表进行哈希处理，得到第一哈希结果；将多个数据表、以及每个数据表的第一哈希结果发送至区块链网络；可以通过这样的方式来实现上述的区块链网络将接收到的多个数据表存储至区块链中：区块链网络通过智能合约执行以下处理：对接收到的每个数据表进行哈希处理得到第二哈希结果，并在数据表的第一哈希结果与第二哈希结果相同时，将数据表存储至区块链中。

在电子设备与区块链网络之间的数据传输过程中，可能会出现不可控、无法预料的问题，如数据缺失，因此，电子设备可以对每个数据表进行哈希（Hash）处理，得到第一哈希结果，这里，对哈希处理所采用的具体算法不做限定，例如可以是信息摘要（MessageDigest，MD）算法。然后，电子设备将多个数据表、以及每个数据表的第一哈希结果发送至区块链网络。

区块链网络可以通过预先部署的智能合约，对接收到的每个数据表进行哈希处理（例如同样采用MD算法）得到第二哈希结果。对于接收到的每个数据表，当数据表的第一哈希结果与计算出的第二哈希结果相同时，区块链网络将数据表存储至区块链中；当数据表的第一哈希结果与计算出的第二哈希结果不同时，区块链网络可以向电子设备发送与该数据表对应的提示信息，以提示电子设备重新发送该数据表。通过上述方式，可以保证区块链中存储的数据表的准确无误。

在步骤504中，电子设备将每个数据表的可访问对象的对象标识发送至区块链网络。

除了向区块链网络发送数据表之外，电子设备还将数据表的可访问对象的对象标识发送至区块链网络，这里的可访问对象可以是终端设备，对象标识可以是国际移动设备识别码（International Mobile Equipment Identity，IMEI）、序列号（Serial Number，SN）或媒体存取控制（Media Access Control，MAC）地址等具有标识作用的信息。

值得说明的是，为了便于说明，本申请实施例将数据表的发送和对象标识的发送列为了两个步骤，但在实际应用场景中，数据表和对应的对象标识可能是包含在同一个请求内的。

在步骤505中，区块链网络将接收到的对象标识部署至智能合约中。

区块链网络在接收到数据表的可访问对象的对象标识时，将该对象标识部署于智能合约中，并建立对象标识与数据表之间的对应关系。值得说明的是，在本申请实施例中，对象标识也可存储于区块链中，并在智能合约中部署根据区块链中的对象标识进行验证处理的逻辑。

在步骤506中，区块链网络接收访问对象针对目标数据表的访问请求；其中，目标数据表是多个数据表中的任意一个。

这里，访问对象可以是任意一个终端设备，目标数据表是区块链中存储的多个数据表中的任意一个。

在步骤507中，区块链网络通过智能合约中目标数据表的可访问对象的对象标识，对访问对象进行验证处理。

这里，区块链网络通过智能合约，确定与目标数据表存在对应关系的对象标识，以对访问对象进行验证处理。例如，可以将目标数据表对应的对象标识与访问对象发送的访问请求中携带的对象标识进行匹配，若两者相同，则确定对访问对象的验证处理结果为验证成功；若两者不同，则确定对访问对象的验证处理结果为验证失败。

值得说明的是，与目标数据表存在对应关系的对象标识可能包括多个，则当目标数据表对应的任意一个对象标识与访问对象发送的访问请求中携带的对象标识相同时，确定对访问对象的验证处理结果为验证成功；当目标数据表对应的所有对象标识与访问对象发送的访问请求中携带的对象标识均不同时，确定对访问对象的验证处理结果为验证失败。

在步骤508中，区块链网络在验证处理结果为验证成功时，将区块链存储的目标数据表发送至访问对象。

当验证处理结果为验证成功时，区块链网络通过智能合约，将区块链存储的目标数据表发送至访问对象。

如图4E所示，本申请实施例将多个数据表进行上链，从而能够保证区块链中存储的数据表的准确性；通过对访问对象进行验证处理，能够提升链上数据的安全性，满足业务的安全性需求。

下面，将说明本申请实施例在一个实际的应用场景中的示例性应用。业务（如金融业务）在发展过程中会生产出大量的数据表，不同数据表的重要度往往会存在差异，因此，为了便于数据化运营与数据资产管理，需要一套评价体系来综合对多个数据表进行分级，如划分为高、中和低三个等级。为了便于理解，接下来以步骤形式进行说明。

1）收集数据资产的元数据。

在本阶段中，确定需要分析和管理的数据资产范围，其中，数据资产对应上文的数据表，数据资产范围可以人为划分，或者，也可以将业务中的所有的数据资产纳入数据资产范围。然后，获取数据资产范围内的每个数据资产的元数据，在本申请实施例中，元数据可以包括技术元数据和业务元数据两类，以下进行分别说明。

①技术元数据：在数据开发过程中产生的技术性统计指标，是指数据库的设计和管理人员在开发和管理数据库时使用的数据。示例性的，技术元数据包括但不限于数据源信息、数据转换的描述、数据库内对象和数据结构的定义、数据清理和数据更新时用的规则、源数据到目的数据的映射、数据血缘（对应上文的关联关系）、扇入数、扇出数、字段名称、字段长度及数据表结构。

②业务元数据：使用业务名称、定义、描述等信息表示业务环境中的各种属性和概念，在一些情况中，所有数据资产背后的业务上下文都可以作为业务元数据，如业务名称、业务定义及业务描述等。

2）构建复杂网络。

通过步骤1）可以得到数据血缘，该数据血缘即用于表征数据表与数据表之间的上游或下游关系。在本申请实施例中，可以将单个数据表定义为点，将数据血缘定义为边，进而构建复杂网络，其中，复杂网络是指具有自组织、自相似、吸引子、小世界、无标度中部分或全部性质的网络，对应上文的数据表网络图。

作为示例，本申请实施例提供了如图6所示的复杂网络的示意图，在图6中，将数据血缘作为无向边，从而构建复杂网络。为了便于理解，还示出了如图7所示的复杂网络的示意图，在图7的复杂网络a）中，将每个数据表作为点，将数据血缘作为无向边；在图7的复杂网络b）中，将每个数据表作为点，将数据血缘作为有向边。

3）复杂网络的重要度排序与重要点发现。

这里，可以通过寻找一个图（即复杂网络）中符合核心度k（对应上文的度数阈值）的点的子图，即要求该子图中的每个点至少与其他的k个点存在连接，从而实现重要度排序和重要点发现。作为示例，示出了如图8所示的复杂网络的示意图，包括核心度-1、核心度-2和核心度-3的图，其中，核心度-1是指对应的图中的每个点的度数都大于或等于1，核心度-2和核心度-3同理。对于任何一个图来说，在不包含孤立点的情况下，都是核心度-1的。

通过多轮的移除处理，可以得到点的重要度指标（对应上文的业务指标），在本申请实施例中，计算该重要度指标的时间复杂度较低，适用于大型的复杂网络（即较大体量的业务），同时计算出的重要度指标也能够准确地体现点的实际重要度。这里，以步骤形式说明某一轮移除处理的过程，该过程的输入是图G和核心度k。

①将图G中度数小于或等于k的点全部移除，得到子图G'。

②当子图G'包括度数小于或等于k的点时，继续移除子图G'中度数小于或等于k的点，直至得到的子图中不再包括度数小于或等于k的点。

③当子图G'未包括度数小于或等于k的点时，将核心度k作为本轮移除出的点（即数据表）的重要度指标。并且，对k执行增大处理，将增大处理后的k以及子图G'用于下一轮移除处理。

本申请实施例提供了如图9所示的确定重要度指标的示意图，在图9中，根据重要度指标可以将图中的点分为3层，最外一层包括10个点，重要度指标均为1；中间一层包括3个点，重要度指标均为2；最里面一层包括4个点，重要度指标均为3。

数据表的重要度指标越大，表示该数据表在业务中的重要度越高，因此，重要度指标可以作为数据资产分级的依据。通过本申请实施例，能够助力业务快速实现数据资产化，建立有效的数据资产管理体系，对元数据的规范化及精细化运营有着重要作用，适用于各种业务（如金融业务及即时通信业务等）的数据平台建设，例如，可以根据重要度指标对多个数据表的元数据进行分级，进而构建数据字典，便于用户在数据字典中管理和查找数据表，也便于对数据表进行价值评估。

下面继续说明本申请实施例提供的基于人工智能的业务处理装置455实施为软件模块的示例性结构，在一些实施例中，如图3所示，存储在存储器450的基于人工智能的业务处理装置455中的软件模块可以包括：接收模块4551，用于接收针对业务的数据表查询请求；构建模块4552，用于根据业务中的多个数据表之间的关联关系，构建业务的数据表网络图；移除模块4553，用于根据递增的度数阈值，对数据表网络图中的数据表进行多轮移除处理；其中，数据表的度数表征与数据表存在关联关系的其他数据表的数量；指标确定模块4554，用于将每轮移除处理中所使用的度数阈值，确定为被移除出的数据表的业务指标；业务分级模块4555，用于根据业务指标对多个数据表进行业务分级处理，以根据得到的第一业务分级结果响应数据表查询请求。

在一些实施例中，移除模块4553，还用于：迭代执行多轮的移除处理，并在每轮移除处理的过程中，执行以下处理：移除数据表网络图中度数小于或等于度数阈值的数据表，得到更新后的数据表网络图；当更新后的数据表网络图包括度数小于或等于度数阈值的数据表时，继续移除更新后的数据表网络图中度数小于或等于度数阈值的数据表；当更新后的数据表网络图中多个数据表的度数均大于度数阈值时，对度数阈值进行增大处理，并将增大处理后的度数阈值以及更新后的数据表网络图用于下一轮的移除处理。

在一些实施例中，关联关系包括上游关联关系和下游关联关系；移除模块4553，还用于：执行以下任意一种处理：移除数据表网络图中总度数小于或等于度数阈值的数据表；其中，数据表的总度数表征与数据表存在上游关联关系的其他数据表的数量、以及存在下游关联关系的其他数据表的数量之和；移除数据表网络图中出度度数小于或等于度数阈值的数据表；其中，数据表的出度度数表征与数据表存在下游关联关系的其他数据表的数量。

在一些实施例中，基于人工智能的业务处理装置455还包括：元数据获取模块，用于获取业务中用于描述数据表的元数据，并确定元数据中的关联关系；元数据分级模块，用于根据业务指标对多个数据表的元数据进行业务分级处理，以根据得到的第二业务分级结果响应数据表查询请求。

在一些实施例中，至少部分数据表的元数据包括用于调整度数的调整值；基于人工智能的业务处理装置455还包括：第一度数调整模块，用于当数据表的元数据包括调整值时，根据调整值对数据表的度数进行调整处理。

在一些实施例中，基于人工智能的业务处理装置455还包括：安全保护模块，用于根据业务指标分配与多个数据表分别对应的业务属性，以对多个数据表进行安全保护处理；其中，分配给数据表的业务属性的安全强度与数据表的业务指标正相关。

在一些实施例中，数据表的业务属性包括对数据表进行告警时的告警强度、对数据表的可执行操作种类、以及数据表的可访问对象的数量中的至少一种；其中，数据表的告警强度与数据表的业务指标正相关；对数据表的可执行操作种类与数据表的业务指标负相关；数据表的可访问对象的数量与数据表的业务指标负相关。

在一些实施例中，当分配给数据表的业务属性包括数据表的可访问对象的数量时，基于人工智能的业务处理装置455还包括：上链模块，用于将多个数据表发送至区块链网络，以使区块链网络将接收到的多个数据表存储至区块链中；部署模块，用于将每个数据表的可访问对象的对象标识发送至区块链网络，以使区块链网络将接收到的对象标识部署至智能合约中；其中，区块链网络用于在接收到访问对象针对目标数据表的访问请求时，通过智能合约中目标数据表的可访问对象的对象标识，对访问对象进行验证处理，并在验证处理结果为验证成功时，将区块链存储的目标数据表发送至访问对象；其中，目标数据表是多个数据表中的任意一个。

在一些实施例中，上链模块，还用于：对每个数据表进行哈希处理，得到第一哈希结果；将多个数据表、以及每个数据表的第一哈希结果发送至区块链网络，以使区块链网络通过智能合约执行以下处理：对接收到的每个数据表进行哈希处理得到第二哈希结果，并在数据表的第一哈希结果与第二哈希结果相同时，将数据表存储至区块链中。

在一些实施例中，基于人工智能的业务处理装置455还包括：频率获取模块，用于获取数据表的调用频率；第二度数调整模块，用于将数据表的调用频率与多个调用频率区间进行匹配处理，并根据匹配成功的调用频率区间对应的调整值，对数据表的度数进行调整处理；其中，每个调用频率区间对应一个调整值。

在一些实施例中，基于人工智能的业务处理装置455还包括：关联关系获取模块，用于执行以下任意一种处理：确定业务中用于调度多个数据表的调度任务，并将调度任务包括的调度关系作为多个数据表之间的关联关系；确定业务中任意两个数据表之间的数据相似度，并当数据相似度大于相似度阈值时，确定任意两个数据表之间存在关联关系。

在一些实施例中，基于人工智能的业务处理装置455还包括：阈值确定模块，用于确定数据表网络图中每个数据表的度数，并将最小的度数作为第一轮移除处理中所使用的度数阈值。

在一些实施例中，在任意一轮移除处理的过程中，基于人工智能的业务处理装置455还包括：停止模块，用于当通过移除处理得到的更新后的数据表网络图为空时，停止进行移除处理。

本申请实施例提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行本申请实施例上述的基于人工智能的业务处理方法。

本申请实施例提供一种存储有可执行指令的计算机可读存储介质，其中存储有可执行指令，当可执行指令被处理器执行时，将引起处理器执行本申请实施例提供的方法，例如，如图4A、图4B、图4C、图4D及图4E示出的基于人工智能的业务处理方法。

在一些实施例中，计算机可读存储介质可以是FRAM、ROM、PROM、EPROM、EEPROM、闪存、磁表面存储器、光盘、或CD-ROM等存储器；也可以是包括上述存储器之一或任意组合的各种设备。

在一些实施例中，可执行指令可以采用程序、软件、软件模块、脚本或代码的形式，按任意形式的编程语言（包括编译或解释语言，或者声明性或过程性语言）来编写，并且其可按任意形式部署，包括被部署为独立的程序或者被部署为模块、组件、子例程或者适合在计算环境中使用的其它单元。

作为示例，可执行指令可以但不一定对应于文件系统中的文件，可以可被存储在保存其它程序或数据的文件的一部分，例如，存储在超文本标记语言（HTML，Hyper TextMarkup Language）文档中的一个或多个脚本中，存储在专用于所讨论的程序的单个文件中，或者，存储在多个协同文件（例如，存储一个或多个模块、子程序或代码部分的文件）中。

作为示例，可执行指令可被部署为在一个计算设备上执行，或者在位于一个地点的多个计算设备上执行，又或者，在分布在多个地点且通过通信网络互连的多个计算设备上执行。

以上，仅为本申请的实施例而已，并非用于限定本申请的保护范围。凡在本申请的精神和范围之内所作的任何修改、等同替换和改进等，均包含在本申请的保护范围之内。

Claims (15)

1.一种基于人工智能的业务处理方法，其特征在于，所述方法包括：

接收针对业务的数据表查询请求；

根据所述业务中的多个数据表之间的关联关系，构建所述业务的数据表网络图；

根据递增的度数阈值，对所述数据表网络图中的数据表进行多轮移除处理；其中，所述数据表的度数表征与所述数据表存在关联关系的其他数据表的数量；

将每轮所述移除处理中所使用的度数阈值，确定为被移除出的数据表的业务指标；

根据所述业务指标对所述多个数据表进行业务分级处理，以根据得到的第一业务分级结果响应所述数据表查询请求。

2.根据权利要求1所述的方法，其特征在于，所述根据递增的度数阈值，对所述数据表网络图中的数据表进行多轮移除处理，包括：

迭代执行多轮的移除处理，并在每轮移除处理的过程中，执行以下处理：

移除所述数据表网络图中度数小于或等于所述度数阈值的数据表，得到更新后的数据表网络图；

当所述更新后的数据表网络图包括度数小于或等于所述度数阈值的数据表时，继续移除所述更新后的数据表网络图中度数小于或等于所述度数阈值的数据表；

当所述更新后的数据表网络图中多个数据表的度数均大于所述度数阈值时，对所述度数阈值进行增大处理，并将增大处理后的度数阈值以及所述更新后的数据表网络图用于下一轮的移除处理。

3.根据权利要求2所述的方法，其特征在于，所述关联关系包括上游关联关系和下游关联关系；

所述移除所述数据表网络图中度数小于或等于所述度数阈值的数据表，包括：

执行以下任意一种处理：

移除所述数据表网络图中总度数小于或等于所述度数阈值的数据表；

其中，所述数据表的总度数表征与所述数据表存在上游关联关系的其他数据表的数量、以及存在下游关联关系的其他数据表的数量之和；

移除所述数据表网络图中出度度数小于或等于所述度数阈值的数据表；

其中，所述数据表的出度度数表征与所述数据表存在下游关联关系的其他数据表的数量。

4.根据权利要求1所述的方法，其特征在于，所述根据所述业务中的多个数据表之间的关联关系，构建所述业务的数据表网络图之前，所述方法还包括：

获取所述业务中用于描述数据表的元数据，并确定所述元数据中的关联关系；

所述将每轮所述移除处理中所使用的度数阈值，确定为被移除出的数据表的业务指标之后，所述方法还包括：

根据所述业务指标对所述多个数据表的元数据进行业务分级处理，以根据得到的第二业务分级结果响应所述数据表查询请求。

5.根据权利要求4所述的方法，其特征在于，至少部分所述数据表的元数据包括用于调整度数的调整值；

所述根据递增的度数阈值，对所述数据表网络图中的数据表进行多轮移除处理之前，所述方法还包括：

当所述数据表的元数据包括调整值时，根据所述调整值对所述数据表的度数进行调整处理。

6.根据权利要求1至5任一项所述的方法，其特征在于，所述将每轮所述移除处理中所使用的度数阈值，确定为被移除出的数据表的业务指标之后，所述方法还包括：

根据所述业务指标分配与所述多个数据表分别对应的业务属性，以对所述多个数据表进行安全保护处理；

其中，分配给所述数据表的业务属性的安全强度与所述数据表的业务指标正相关。

7.根据权利要求6所述的方法，其特征在于，所述数据表的业务属性包括对所述数据表进行告警时的告警强度、对所述数据表的可执行操作种类、以及所述数据表的可访问对象的数量中的至少一种；

其中，所述数据表的告警强度与所述数据表的业务指标正相关；

对所述数据表的可执行操作种类与所述数据表的业务指标负相关；

所述数据表的可访问对象的数量与所述数据表的业务指标负相关。

8.根据权利要求7所述的方法，其特征在于，当分配给所述数据表的业务属性包括所述数据表的可访问对象的数量时，所述方法还包括：

将所述多个数据表发送至区块链网络，以使所述区块链网络将接收到的所述多个数据表存储至区块链中；

将每个所述数据表的可访问对象的对象标识发送至区块链网络，以使所述区块链网络将接收到的对象标识部署至智能合约中；

其中，所述区块链网络用于在接收到访问对象针对目标数据表的访问请求时，通过所述智能合约中所述目标数据表的可访问对象的对象标识，对所述访问对象进行验证处理，并

在验证处理结果为验证成功时，将所述区块链存储的所述目标数据表发送至所述访问对象；

其中，所述目标数据表是所述多个数据表中的任意一个。

9.根据权利要求8所述的方法，其特征在于，所述将所述多个数据表发送至区块链网络，以使所述区块链网络将接收到的所述多个数据表存储至区块链中，包括：

对每个所述数据表进行哈希处理，得到第一哈希结果；

将所述多个数据表、以及每个所述数据表的第一哈希结果发送至区块链网络，以使

所述区块链网络通过所述智能合约执行以下处理：对接收到的每个所述数据表进行哈希处理得到第二哈希结果，并在所述数据表的第一哈希结果与第二哈希结果相同时，将所述数据表存储至所述区块链中。

10.根据权利要求1至5任一项所述的方法，其特征在于，所述根据递增的度数阈值，对所述数据表网络图中的数据表进行多轮移除处理之前，所述方法还包括：

获取所述数据表的调用频率；

将所述数据表的调用频率与多个调用频率区间进行匹配处理，并根据匹配成功的调用频率区间对应的调整值，对所述数据表的度数进行调整处理；

其中，每个所述调用频率区间对应一个调整值。

11.根据权利要求1至5任一项所述的方法，其特征在于，所述根据所述业务中的多个数据表之间的关联关系，构建所述业务的数据表网络图之前，所述方法还包括：

执行以下任意一种处理：

确定所述业务中用于调度多个数据表的调度任务，并将所述调度任务包括的调度关系作为所述多个数据表之间的关联关系；

确定所述业务中任意两个数据表之间的数据相似度，并当所述数据相似度大于相似度阈值时，确定所述任意两个数据表之间存在关联关系。

12.根据权利要求1至5任一项所述的方法，其特征在于，所述根据所述业务中的多个数据表之间的关联关系，构建所述业务的数据表网络图之后，所述方法还包括：

确定所述数据表网络图中每个数据表的度数，并将最小的度数作为第一轮移除处理中所使用的度数阈值；

在任意一轮移除处理的过程中，所述方法还包括：

当通过移除处理得到的更新后的数据表网络图为空时，停止进行移除处理。

13.一种基于人工智能的业务处理装置，其特征在于，所述装置包括：

接收模块，用于接收针对业务的数据表查询请求；

构建模块，用于根据所述业务中的多个数据表之间的关联关系，构建所述业务的数据表网络图；

移除模块，用于根据递增的度数阈值，对所述数据表网络图中的数据表进行多轮移除处理；其中，所述数据表的度数表征与所述数据表存在关联关系的其他数据表的数量；

指标确定模块，用于将每轮所述移除处理中所使用的度数阈值，确定为被移除出的数据表的业务指标；

业务分级模块，用于根据所述业务指标对所述多个数据表进行业务分级处理，以根据得到的第一业务分级结果响应所述数据表查询请求。

14.一种电子设备，其特征在于，包括：

存储器，用于存储可执行指令；

处理器，用于执行所述存储器中存储的可执行指令时，实现权利要求1至12任一项所述的基于人工智能的业务处理方法。

15.一种计算机可读存储介质，其特征在于，存储有可执行指令，用于被处理器执行时，实现权利要求1至12任一项所述的基于人工智能的业务处理方法。

Images