CN112541246A - 一种数据处理的方法、装置、可读存储介质和电子设备 - Google Patents

Abstract

本发明实施例公开了一种数据处理的方法、装置、可读存储介质和电子设备。本发明实施例通过业务系统接收来自客户端的指令，通过至少一个第一处理器解析所述指令，获取预测模型标识，然后发送所述预测模型标识至特征平台，特征平台接收来自业务系统的消息的预测模型标识，接着通过至少一个第二处理器自动根据预测模型标识确定预测模型，确定预测模型对应的输入特征，获取输入特征对应的即时数据和统计数据，根据预测模型以及输入特征，确定预测结果，继而发送所述预测结果至业务系统，最后业务系统接收预测结果。通过上述方法，业务系统无需对预测模型进行编程与计算，通过特征平台获取预测结果，减少了人力消耗，减小了业务系统的计算压力。

Description

一种数据处理的方法、装置、可读存储介质和电子设备

技术领域

本发明涉及数据处理领域，具体涉及一种数据处理的方法、装置、可读存储介质和电子设备。

背景技术

随着科技的发展，在很多应用场景下需要提前预测结果，例如，在外卖行业中，业务系统需要预测配送资源的配送时长；在天气预测中，业务系统需要预测某一区域在设定时长后降雨的概率等，上述配送时长以及降雨的概率都可以称为预测结果。

在现有技术中，业务系统通过预测模型得到预测结果，首先对预测模型进行编程，编写大量代码，其中，所述预测模型对应多个特征，然后获取所述多个特征对应的即时数据，最后进行结果预测，得到预测结果；当预测模型需要更新时，需要新增大量的与更新后的预测模型对应的代码，编程量较大，消耗人力较多，并且在业务系统中运行预测模型，所述业务系统的计算压力较大。

综上所述，如何减少人力消耗，减小业务系统的计算压力是目前需要解决的问题。

发明内容

有鉴于此,本发明实施例提供了一种数据处理的方法、装置、可读存储介质和电子设备，能够减少了人力消耗，减小了业务系统的计算压力。

第一方面，本发明实施例提供了一种数据处理的方法，该方法包括：接收来自客户端的指令；通过至少一个第一处理器解析所述指令，获取预测模型标识，其中，所述预测模型标识用于唯一表示预测模型；发送所述预测模型标识至特征平台；接收所述特征平台发送的预测结果，其中，所述预测结果为特征平台计算的。

第二方面，本发明实施例提供了一种数据处理的方法，该方法包括：接收来自业务系统的消息，其中，所述消息中携带预测模型标识；通过至少一个第二处理器自动根据所述预测模型标识确定预测模型；通过所述至少一个第二处理器自动确定所述预测模型对应的输入特征；获取来自其他系统的所述输入特征对应的即时数据和统计数据；根据所述预测模型以及所述输入特征，确定预测结果；发送所述预测结果至所述业务系统。

优选地，该方法还包括：预先设置所述预测模型与所述输入特征之间的对应关系。

优选地，该方法还包括：增加新的预测模型与所述新的预测模型对应的新的输入特征。

优选地，所述方法还包括：调整所述预测模型对应的输入特征。

优选地，调整所述预测模型具体包括：增加、减少或修改所述预测模型对应的输入特征。

第三方面，本发明实施例提供了一种数据处理的装置，该装置包括：第一接收单元，用于接收来自客户端的指令；第一获取单元，用于通过至少一个第一处理器解析所述指令，获取预测模型标识，其中，所述预测模型标识用于唯一表示预测模型；第一发送单元，用于发送所述预测模型标识至特征平台；所述第一接收单元，用于接收所述特征平台发送的预测结果，其中，所述预测结果为特征平台计算的。

第四方面，本发明实施例提供了一种数据处理的装置，该装置包括：第二接收单元，用于接收来自业务系统的消息，其中，所述消息中携带预测模型标识；确定单元，用于通过至少一个第二处理器自动根据所述预测模型标识确定预测模型；所述确定单元，还用于通过所述至少一个第二处理器自动确定所述预测模型对应的输入特征；第二获取单元，用于获取来自其他系统的所述输入特征对应的即时数据和统计数据；所述确定单元，还用于根据所述预测模型以及所述输入特征，通过所述至少一个第二处理器自动确定预测结果；第二发送单元，用于发送所述预测结果至所述业务系统。

第五方面，本发明实施例提供了一种计算机可读存储介质，其上存储计算机程序指令，所述计算机程序指令在被处理器执行时实现如第一方面、第一方面任一种可能、第二方面或第二方面任一种可能中任一项所述的方法。

第六方面，本发明实施例提供了一种电子设备，包括存储器和处理器，所述存储器用于存储一条或多条计算机程序指令，其中，所述一条或多条计算机程序指令被所述处理器执行以实现如下步骤：接收来自客户端的指令；通过至少一个第一处理器解析所述指令，获取预测模型标识，其中，所述预测模型标识用于唯一表示预测模型；发送所述预测模型标识至特征平台；接收所述特征平台发送的预测结果，其中，所述预测结果为特征平台计算的。

第七方面，本发明实施例提供了一种电子设备，包括存储器和处理器，所述存储器用于存储一条或多条计算机程序指令，其中，所述一条或多条计算机程序指令被所述处理器执行以实现如下步骤：接收来自业务系统的消息，其中，所述消息中携带预测模型标识；通过至少一个第二处理器自动根据所述预测模型标识确定预测模型；通过所述至少一个第二处理器自动确定所述预测模型对应的输入特征；获取来自其他系统的所述输入特征对应的即时数据和统计数据；根据所述预测模型以及所述输入特征，确定预测结果；发送所述预测结果至所述业务系统。

优选地，所述处理器还执行如下步骤：预先设置所述预测模型与所述输入特征之间的对应关系。

优选地，所述处理器还执行如下步骤：增加新的预测模型与所述新的预测模型对应的新的输入特征。

优选地，所述处理器还执行如下步骤：调整所述预测模型对应的输入特征。

优选地，所述处理器具体执行如下步骤：增加、减少或修改所述预测模型对应的输入特征。

本发明实施例通过业务系统接收来自客户端的指令，通过至少一个第一处理器解析所述指令，获取预测模型标识，然后发送所述预测模型标识至特征平台，特征平台接收来自业务系统的消息的预测模型标识，接着通过至少一个第二处理器自动根据预测模型标识确定预测模型，确定预测模型对应的输入特征，获取输入特征对应的即时数据和统计数据，根据预测模型以及输入特征，确定预测结果，继而发送所述预测结果至业务系统，最后业务系统接收预测结果。通过上述方法，业务系统无需对预测模型进行编程与计算，通过特征平台获取预测结果，减少了人力消耗，减小了业务系统的计算压力。

附图说明

通过以下参照附图对本发明实施例的描述，本发明的上述以及其它目的、特征和优点将更为清楚，在附图中：

图1是本发明第一实施例的数据处理的方法流程图；

图2是本发明第二实施例的数据处理的方法流程图；

图3是本发明第二实施例的业务系统和特征系统示意图；

图4是本发明第三实施例的数据处理的方法流程图；

图5是本发明第四实施例的应用场景图；

图6是本发明第五实施例的数据处理的装置示意图；

图7是本发明第六实施例的数据处理的装置示意图；

图8是本发明第七实施例的电子设备的示意图；

图9是本发明第八实施例的电子设备的示意图。

具体实施方式

以下基于实施例对本发明公开进行描述，但是本发明公开并不仅仅限于这些实施例。在下文对本发明公开的细节描述中，详尽描述了一些特定的细节部分。对本领域技术人员来说没有这些细节部分的描述也可以完全理解本发明公开。为了避免混淆本发明公开的实质，公知的方法、过程、流程、元件和电路并没有详细叙述。

此外，本领域普通技术人员应当理解，在此提供的附图都是为了说明的目的，并且附图不一定是按比例绘制的。

除非上下文明确要求，否则整个申请文件中的“包括”、“包含”等类似词语应当解释为包含的含义而不是排他或穷举的含义；也就是说，是“包括但不限于”的含义。

在本发明公开的描述中，需要理解的是，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性。此外，在本发明公开的描述中，除非另有说明，“多个”的含义是两个或两个以上。

在很多应用场景下需要提前预测结果，例如，在外卖行业中，业务系统需要预测配送资源的配送时长；在天气预测中，业务系统需要预测某一区域在设定时长后降雨的概率等，上述配送时长以及降雨的概率都可以称为预测结果；下面以外卖行业的业务系统为例，进行进一步的说明，具体的，业务系统通过配送时间预测模型得到的预测结果为配送时长，首先对配送时间预测模型进行编程，编写大量代码，其中，所述预测模型对应多个特征，例如，实时天气、实时订单压力、当前城市编号、运力资源团队平均配送时长、以及运力资源团队每单平均跑动距离等40个特征，上述40个特征均需要进行编程，然后在其他平台获取所述多个特征对应的即时数据，最后进行结果预测，得到预测结果；但当预测模型需要更新时，需要新增大量的与更新后的预测模型对应的代码，编程量较大，例如，更新时配送时间预测模型需要根据42个特征预测配送时间，更新后的配送时间预测模型比更新前的配送时间预测模型新增了2个特征，因此在业务系统中新增大量更新后的配送时间预测模型对应的相关代码，编程量较大，消耗人力较多，并且在业务系统中运行预测模型，所述业务系统的计算压力较大。因此，如何减少人力消耗，减小业务系统的计算压力是目前需要解决的问题。

图1是本发明第一实施例的一种数据处理的方法流程图。如图1所示，所述处理方法是通过业务系统实现的，具体包括如下步骤：

步骤S100、接收来自客户端的指令。

在一种可能的实施例中，所述客户端可以为用户客户端或商户客户端，还可以为其他可以发送指令的客户端，所述客户端需要预测配送时间、出餐时间等，发送指令至业务系统，触发预测配送时间或出餐时间。

步骤S101、通过至少一个第一处理器解析所述指令，获取预测模型标识，其中，所述预测模型标识用于唯一表示预测模型。

具体的，业务系统通过至少一个第一处理器解析所述指令，获取预测模型，上述预测模型标识可以为预测模型名称，例如，配送时间预测模型，出餐时间预测模型等。

步骤S102、发送所述预测模型标识至特征平台。

具体的，所述业务系统发送所述预测模型标识至特征平台，其中，所述特征平台是用于保存预测模型与输入特征之间的关系，以及获取所述输入特征对应的即时数据。

步骤S103、接收所述特征平台发送的预测结果，其中，所述预测结果为特征平台计算的。

本发明实施例中，业务系统从特征平台直接接收预测结果，不需要进行编程和计算，节约了人力消耗，减小了业务系统的计算压力。

本发明实施例中，当预测模型需要更新时，只需要对特征平台进行操作即可，具体的，图2是本发明第二实施例的一种数据处理的方法流程图。如图2所示，具体包括如下步骤：

步骤S200、接收来自业务系统的消息，其中，所述消息中携带预测模型标识。

具体的，特征平台接收到业务系统发送的预测模型标识，例如，预测模型名称、预测模型的标号，假设，预测模型的名称为配送时间预测模型，或者，预测模型的标号为2，2代表配送时间预测模型。举例说明，假设特征平台中保存4个预测模型，分别为配送时间预测模型、出餐时间预测模型、取餐时间预测模型和配送距离预测模型，分别对应标号1、2、3、4，具体如图3所示，业务系统确定需要使用的预测模型的标号，然后将所述标号发送给特征平台，特征平台接收到标号后，选择所述标号对应的预测模型。

步骤S201、通过至少一个第二处理器自动根据所述预测模型标识确定预测模型。

具体的，例如接收到业务系统发送的“2”，特征平台根据“2”确定出预测模型为配送时间预测模型。

步骤S202、通过所述至少一个第二处理器自动确定所述预测模型对应的输入特征。

具体的，根据所述预测模型与所述输入特征之间的对应关系确定配送时间模型对应的输入特征，其中，所述预测模型与所述输入特征之间的对应关系是预先设置的。例如，配送时间预测模型对应40个特征，包括：实时天气、实时订单压力、当前城市编号、运力资源团队平均配送时长、以及运力资源团队每单平均跑动距离等，则配送时间预测模型与上述40个输入特征的关系时预先设置的。

步骤S203、获取来自其他系统的所述输入特征对应的即时数据和统计数据。

具体的，所述输入特征对应的即时数据来源于其他系统，所述输入特征对应的统计数据为不需要实时更新，或者一个星期、一个月需要更新一次的输入特征，例如，输入特征中的实时天气，来源于天气预测系统，特征平台需要即时的从所述天气预测系统获取所述实时天气的数据，或者，输入特征中的当前城市编号，由于不需要实时更新，因此为统计数据。

步骤S204、根据所述预测模型以及所述输入特征，通过所述至少一个第二处理器自动确定预测结果。

本发明实施例中，特征平台根据配送时间预测模型、步骤S202举例中的输入特征以及步骤S203从其他系统获取的即时数据，进行结果预测。

步骤S205、发送所述预测结果至所述业务系统。

具体的，特征平台将预测结果发送给业务系统。

本发明实施例中，当业务系统需要增加新的预测模型，预测其他结果时，只需要在业务系统中增加所述新的预测模型的标识即可，例如，新的预测模型的标识为预测模型名称，新的预测模型名称为出餐时间预测模型，特征平台中也需要增加所述出餐时间预测模型与其对应的新的输入特征之间的对应关系。

本发明实施例中，当预测模型需要进行更新时，需要调整所述预测模型与其对应的输入特征之间的关系，例如，增加、减少或修改所述预测模型对应的输入特征。举例说明，假设配送时间预测模型更新后需要42个输入特征，只需要在特征平台的所述配送时间预测模型与输入特征之间的对应关系中添加新增加的2个输入特征，以及所述新增加的2个输入特征的数据来源即可。

为了更清晰的描述特征平台与业务系统之间的交互关系，以图4为例，图4为本发明第三实施例的交互流程图，具体步骤如下：

步骤S400、业务系统获取预测模型标识，其中，所述预测模型标识用于唯一表示预测模型。

步骤S401、所述业务系统发送所述预测模型标识。

步骤S402、特征平台接收预测模型标识。

步骤S403、所述特征平台根据所述预测模型标识确定预测模型。

步骤S404、所述特征平台确定所述预测模型对应的输入特征。

步骤S405、所述特征平台获取所述输入特征对应的即时数据。

步骤S406、所述特征平台根据所述预测模型、所述输入特征、以及所述即时数据，确定预测结果。

步骤S407、所述特征平台发送所述预测结果。

步骤S408、所述业务系统接收预测结果，其中，所述预测结果为特征平台计算的。

本发明实施例中，所述预测模型可以为决策树，具体采用梯度下降法，可以为其他方式，本发明对其不做限定。

图5是本发明第四实施例的应用场景图，包括业务系统、特征平台以及其他系统，通过业务系统接收来自客户端的指令，通过至少一个第一处理器解析所述指令，获取预测模型标识，然后发送所述预测模型标识至特征平台，特征平台接收来自业务系统的消息的预测模型标识，接着通过至少一个第二处理器自动根据预测模型标识确定预测模型，确定预测模型对应的输入特征，获取输入特征对应的即时数据和统计数据，根据预测模型以及输入特征，确定预测结果，继而发送所述预测结果至业务系统，最后业务系统接收预测结果。通过上述方法，业务系统无需对预测模型进行编程与计算，通过特征平台获取预测结果，减少了人力消耗，减小了业务系统的计算压力。

图6是本发明第五实施例的数据处理的装置示意图。如图6所示，本实施例的装置包括第一接收单元61、第一获取单元62和第一发送单元63。

其中，第一接收单元61，用于接收来自客户端的指令；第一获取单元62，用于通过至少一个第一处理器解析所述指令，获取预测模型标识，其中，所述预测模型标识用于唯一表示预测模型；第一发送单元63，用于发送所述预测模型标识至特征平台；所述第一接收单元61，用于接收所述特征平台发送的预测结果，其中，所述预测结果为特征平台计算的。

图7是本发明第六实施例的数据处理的装置示意图。如图7所示，本实施例的装置包括第二接收单元71、确定单元72、第二获取单元73和第二发送单元74。

其中，第二接收单元71，用于接收来自业务系统的消息，其中，所述消息中携带预测模型标识；确定单元72，用于通过至少一个第二处理器自动根据所述预测模型标识确定预测模型；所述确定单元72，还用于通过所述至少一个第二处理器自动确定所述预测模型对应的输入特征；第二获取单元73，用于获取来自其他系统的所述输入特征对应的即时数据和统计数据；所述确定单元72，还用于根据所述预测模型以及所述输入特征，通过所述至少一个第二处理器自动确定预测结果；第二发送单元74，用于发送所述预测结果至所述业务系统。

进一步的，该装置还包括：设置单元75，用于预先设置所述预测模型与所述输入特征之间的对应关系。

进一步的，该装置还包括：新增单元76，用于增加新的预测模型与所述新的预测模型对应的新的输入特征。

进一步的，所述装置还包括：调整单元77，用于调整所述预测模型对应的输入特征。

进一步的，所述调整单元77具体用于：增加、减少或修改所述预测模型对应的输入特征。

图8是本发明第七实施例的电子设备的示意图。在本实施例中，电子设备为服务器。应理解，还可以为其他电子设备，如树莓派。如图8所示，该电子设备：至少包括一个处理器801；以及，与至少一个处理器801通信连接的存储器802；以及，与扫描装置通信连接的通信组件803，通信组件803在处理器801的控制下接收和发送数据；其中，存储器802存储有可被至少一个处理器801执行的指令，指令被至少一个处理器801执行以实现：接收来自客户端的指令；通过至少一个第一处理器解析所述指令，获取预测模型标识，其中，所述预测模型标识用于唯一表示预测模型；发送所述预测模型标识至特征平台；接收所述特征平台发送的预测结果，其中，所述预测结果为特征平台计算的。

具体地，该电子设备包括：一个或多个处理器801以及存储器802，图8中以一个处理器801为例。处理器801、存储器802可以通过总线或者其他方式连接，图8中以通过总线连接为例。存储器802作为一种非易失性计算机可读存储介质，可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块。处理器801通过运行存储在存储器802中的非易失性软件程序、指令以及模块，从而执行设备的各种功能应用以及数据处理，即实现上述数据处理的方法。

存储器802可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储选项列表等。此外，存储器802可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实施例中，存储器802可选包括相对于处理器801远程设置的存储器，这些远程存储器可以通过网络连接至外接设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

一个或者多个模块存储在存储器802中，当被一个或者多个处理器801执行时，执行上述任意方法实施例中的数据处理的方法。

图9是本发明第八实施例的电子设备的示意图。在本实施例中，电子设备为服务器。应理解，还可以为其他电子设备，如树莓派。如图9所示，该电子设备：至少包括一个处理器901；以及，与至少一个处理器901通信连接的存储器902；以及，与扫描装置通信连接的通信组件903，通信组件903在处理器901的控制下接收和发送数据；其中，存储器902存储有可被至少一个处理器901执行的指令，指令被至少一个处理器901执行以实现：接收来自业务系统的消息，其中，所述消息中携带预测模型标识；通过至少一个第二处理器自动根据所述预测模型标识确定预测模型；通过所述至少一个第二处理器自动确定所述预测模型对应的输入特征；获取来自其他系统的所述输入特征对应的即时数据和统计数据；根据所述预测模型以及所述输入特征，确定预测结果；发送所述预测结果至所述业务系统。

进一步的，所述处理器还执行如下步骤：预先设置所述预测模型与所述输入特征之间的对应关系。

进一步的，所述处理器还执行如下步骤：增加新的预测模型与所述新的预测模型对应的新的输入特征。

进一步的，所述处理器还执行如下步骤：调整所述预测模型对应的输入特征。

进一步的，所述处理器具体执行如下步骤：增加、减少或修改所述预测模型对应的输入特征。

具体地，该电子设备包括：一个或多个处理器901以及存储器902，图9中以一个处理器901为例。处理器901、存储器902可以通过总线或者其他方式连接，图9中以通过总线连接为例。存储器902作为一种非易失性计算机可读存储介质，可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块。处理器901通过运行存储在存储器902中的非易失性软件程序、指令以及模块，从而执行设备的各种功能应用以及数据处理，即实现上述数据处理的方法。

存储器902可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储选项列表等。此外，存储器902可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实施例中，存储器902可选包括相对于处理器901远程设置的存储器，这些远程存储器可以通过网络连接至外接设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

一个或者多个模块存储在存储器902中，当被一个或者多个处理器901执行时，执行上述任意方法实施例中的数据处理的方法。

上述产品可执行本申请实施例所提供的方法，具备执行方法相应的功能模块和有益效果，未在本实施例中详尽描述的技术细节，可参见本申请实施例所提供的方法。

本发明的第九实施例涉及一种非易失性存储介质，用于存储计算机可读程序，所述计算机可读程序用于供计算机执行上述部分或全部的方法实施例。

即，本领域技术人员可以理解，实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序存储在一个存储介质中，包括若干指令用以使得一个设备(可以是单片机，芯片等)或处理器(processor)执行本申请各实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-OnlyMemory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

本领域的普通技术人员可以理解，上述各实施例是实现本发明的具体实施例，而在实际应用中，可以在形式上和细节上对其作各种改变，而不偏离本发明的精神和范围。

本申请实施例公开了A1、一种数据处理的方法，该方法包括：

接收来自客户端的指令；

通过至少一个第一处理器解析所述指令，获取预测模型标识，其中，所述预测模型标识用于唯一表示预测模型；

发送所述预测模型标识至特征平台；

接收所述特征平台发送的预测结果，其中，所述预测结果为特征平台计算的。

本申请实施例公开了B1、一种数据处理的方法，该方法包括：

接收来自业务系统的消息，其中，所述消息中携带预测模型标识；

通过至少一个第二处理器自动根据所述预测模型标识确定预测模型；

通过所述至少一个第二处理器自动确定所述预测模型对应的输入特征；

获取来自其他系统的所述输入特征对应的即时数据和统计数据；

根据所述预测模型以及所述输入特征，通过所述至少一个第二处理器自动确定预测结果；

发送所述预测结果至所述业务系统。

B2、如B1所述的方法，该方法还包括：

预先设置所述预测模型与所述输入特征之间的对应关系。

B3、如B1所述的方法，该方法还包括：

增加新的预测模型与所述新的预测模型对应的新的输入特征。

B4、如B1所述的方法，所述方法还包括：

调整所述预测模型对应的输入特征。

B5、如B4所述的方法，调整所述预测模型具体包括：

增加、减少或修改所述预测模型对应的输入特征。

本申请实施例公开了C1、一种数据处理的装置，该装置包括：

第一接收单元，用于接收来自客户端的指令；

第一获取单元，用于通过至少一个第一处理器解析所述指令，获取预测模型标识，其中，所述预测模型标识用于唯一表示预测模型；

第一发送单元，用于发送所述预测模型标识至特征平台；

所述第一接收单元，用于接收所述特征平台发送的预测结果，其中，所述预测结果为特征平台计算的。

本申请实施例公开了D1、一种数据处理的装置，该装置包括：

第二接收单元，用于接收来自业务系统的消息，其中，所述消息中携带预测模型标识；

确定单元，用于通过至少一个第二处理器自动根据所述预测模型标识确定预测模型；

所述确定单元，还用于通过所述至少一个第二处理器自动确定所述预测模型对应的输入特征；

第二获取单元，用于获取来自其他系统的所述输入特征对应的即时数据和统计数据；

所述确定单元，还用于根据所述预测模型以及所述输入特征，通过所述至少一个第二处理器自动确定预测结果；

第二发送单元，用于发送所述预测结果至所述业务系统。

本申请实施例公开了E1、一种计算机可读存储介质，其上存储计算机程序指令，所述计算机程序指令在被处理器执行时实现如A1、B1-B5中任一项所述的方法。

本申请实施例公开了F1、一种电子设备，包括存储器和处理器，所述存储器用于存储一条或多条计算机程序指令，其中，所述一条或多条计算机程序指令被所述处理器执行以实现如下步骤：

接收来自客户端的指令；

通过至少一个第一处理器解析所述指令，获取预测模型标识，其中，所述预测模型标识用于唯一表示预测模型；

发送所述预测模型标识至特征平台；

接收所述特征平台发送的预测结果，其中，所述预测结果为特征平台计算的。

本申请实施例公开了G1、一种电子设备，包括存储器和处理器，所述存储器用于存储一条或多条计算机程序指令，其中，所述一条或多条计算机程序指令被所述处理器执行以实现如下步骤：

接收来自业务系统的消息，其中，所述消息中携带预测模型标识；

通过至少一个第二处理器自动根据所述预测模型标识确定预测模型；

通过所述至少一个第二处理器自动确定所述预测模型对应的输入特征；

获取来自其他系统的所述输入特征对应的即时数据和统计数据；

根据所述预测模型以及所述输入特征，确定预测结果；

发送所述预测结果至所述业务系统。

G2、如G1所述的电子设备，所述处理器还执行如下步骤：

预先设置所述预测模型与所述输入特征之间的对应关系。

G3、如G1所述的电子设备，所述处理器还执行如下步骤：

增加新的预测模型与所述新的预测模型对应的新的输入特征。

G4、如G1所述的电子设备，所述处理器还执行如下步骤：

调整所述预测模型对应的输入特征。

G5、如G4所述的电子设备，其特征在于，所述处理器具体执行如下步骤：

增加、减少或修改所述预测模型对应的输入特征。

Claims (10)

1.一种数据处理的方法，其特征在于，该方法包括：

接收来自客户端的指令；

通过至少一个第一处理器解析所述指令，获取预测模型标识，其中，所述预测模型标识用于唯一表示预测模型；

发送所述预测模型标识至特征平台；

接收所述特征平台发送的预测结果，其中，所述预测结果为特征平台计算的。

2.一种数据处理的方法，其特征在于，该方法包括：

接收来自业务系统的消息，其中，所述消息中携带预测模型标识；

通过至少一个第二处理器自动根据所述预测模型标识确定预测模型；

通过所述至少一个第二处理器自动确定所述预测模型对应的输入特征；

获取来自其他系统的所述输入特征对应的即时数据和统计数据；

根据所述预测模型以及所述输入特征，通过所述至少一个第二处理器自动确定预测结果；

发送所述预测结果至所述业务系统。

3.如权利要求2所述的方法，其特征在于，该方法还包括：

预先设置所述预测模型与所述输入特征之间的对应关系。

4.如权利要求2所述的方法，其特征在于，该方法还包括：

增加新的预测模型与所述新的预测模型对应的新的输入特征。

5.如权利要求2所述的方法，其特征在于，所述方法还包括：

调整所述预测模型对应的输入特征。

6.一种数据处理的装置，其特征在于，该装置包括：

第一接收单元，用于接收来自客户端的指令；

第一获取单元，用于通过至少一个第一处理器解析所述指令，获取预测模型标识，其中，所述预测模型标识用于唯一表示预测模型；

第一发送单元，用于发送所述预测模型标识至特征平台；

所述第一接收单元，用于接收所述特征平台发送的预测结果，其中，所述预测结果为特征平台计算的。

7.一种数据处理的装置，其特征在于，该装置包括：

第二接收单元，用于接收来自业务系统的消息，其中，所述消息中携带预测模型标识；

确定单元，用于通过至少一个第二处理器自动根据所述预测模型标识确定预测模型；

所述确定单元，还用于通过所述至少一个第二处理器自动确定所述预测模型对应的输入特征；

第二获取单元，用于获取来自其他系统的所述输入特征对应的即时数据和统计数据；

所述确定单元，还用于根据所述预测模型以及所述输入特征，通过所述至少一个第二处理器自动确定预测结果；

第二发送单元，用于发送所述预测结果至所述业务系统。

8.一种计算机可读存储介质，其上存储计算机程序指令，其特征在于，所述计算机程序指令在被处理器执行时实现如权利要求1-5中任一项所述的方法。

9.一种电子设备，包括存储器和处理器，其特征在于，所述存储器用于存储一条或多条计算机程序指令，其中，所述一条或多条计算机程序指令被所述处理器执行以实现如下步骤：

接收来自客户端的指令；

通过至少一个第一处理器解析所述指令，获取预测模型标识，其中，所述预测模型标识用于唯一表示预测模型；

发送所述预测模型标识至特征平台；

接收所述特征平台发送的预测结果，其中，所述预测结果为特征平台计算的。

10.一种电子设备，包括存储器和处理器，其特征在于，所述存储器用于存储一条或多条计算机程序指令，其中，所述一条或多条计算机程序指令被所述处理器执行以实现如下步骤：

接收来自业务系统的消息，其中，所述消息中携带预测模型标识；

通过至少一个第二处理器自动根据所述预测模型标识确定预测模型；

通过所述至少一个第二处理器自动确定所述预测模型对应的输入特征；

获取来自其他系统的所述输入特征对应的即时数据和统计数据；

根据所述预测模型以及所述输入特征，确定预测结果；

发送所述预测结果至所述业务系统。

Images