CN113641720A - 一种数据处理方法、装置、计算机设备及可读存储介质 - Google Patents
一种数据处理方法、装置、计算机设备及可读存储介质 Download PDFInfo
- Publication number
- CN113641720A CN113641720A CN202110941094.2A CN202110941094A CN113641720A CN 113641720 A CN113641720 A CN 113641720A CN 202110941094 A CN202110941094 A CN 202110941094A CN 113641720 A CN113641720 A CN 113641720A
- Authority
- CN
- China
- Prior art keywords
- target data
- data
- fluctuation
- determining
- value
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 39
- 238000000034 method Methods 0.000 claims abstract description 27
- 238000012545 processing Methods 0.000 claims abstract description 27
- 230000002159 abnormal effect Effects 0.000 claims description 20
- 238000012216 screening Methods 0.000 abstract description 12
- 238000012502 risk assessment Methods 0.000 abstract description 6
- 230000002349 favourable effect Effects 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 11
- 238000004364 calculation method Methods 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2457—Query processing with adaptation to user needs
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2462—Approximate or statistical queries
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Physics & Mathematics (AREA)
- Probability & Statistics with Applications (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Fuzzy Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开一种数据处理方法、装置、计算机设备及可读存储介质，该方法包括：获取多个用户的目标数据，得到目标数据集，所述目标数据表征不同目标对象间的兑换比例；确定所述目标数据集中的连续目标数据；确定所述连续目标数据中相邻目标数据之间的差值；在各所述差值满足预设数值分布的情况下，确定所述连续目标数据为有效目标数据，本申请解决了人工筛选有效目标数据效率慢且准确性低的问题，提高了有效目标数据筛选的效率，对目标数据进行风险评估提供了有利的保障。
Description
技术领域
本申请涉及计算机数据处理技术领域，特别涉及一种数据处理方法、装置、计算机设备及可读存储介质。
背景技术
以往通过人工的方式去分析多个用户的目标数据是否为有效目标数据，进而对目标数据进行风险评估，前人的这种研究形式存在筛选有效目标数据速度慢，易出现错误，造成时间以及成本的浪费，因此，急需一种数据处理方法去筛选有效目标数据，用以提高筛选有效目标数据的效率性和可靠性。
发明内容
为了解决现有技术的问题，本发申请实施例提供了一种数据处理方法、装置、计算机设备及可读存储介质的技术方案，所述技术方案如下：
一方面，提供了一种数据处理方法，所述方法包括：
获取多个用户的目标数据，得到目标数据集，所述目标数据表征不同目标对象间的兑换比例；
确定所述目标数据集中的连续目标数据；
确定所述连续目标数据中相邻目标数据之间的差值；
在各所述差值满足预设数值分布的情况下，确定所述连续目标数据为有效目标数据。
另一方面，提供了一种数据处理装置，所述装置包括：
目标数据获取模块：用于获取多个用户的目标数据，得到目标数据集，所述目标数据表征不同目标对象间的兑换比例；
连续目标数据确定模块：用于确定所述目标数据集中的连续目标数据；
目标数据的差值确定模块：用于确定所述连续目标数据中相邻目标数据之间的差值；
有效目标数据确定模块：用于在各所述差值满足预设数值分布的情况下，确定所述连续目标数据为有效目标数据。
进一步地，所述装置还包括：
第一无效目标数据确定模块：用于对所述目标数据集中不满足预设数值分布的目标数据对应的所述用户发送异常告警指令。
进一步地，所述装置还包括：
历史数据确定模块：用于从历史有效目标数据集中获取各目标数据对应的第一数据和第二数据；所述历史有效目标数据集至少包括三个有效目标数据；
容忍点差值确定模块：用于计算所述有效目标数据集中各目标数据的第一数据与第二数据的容忍点差值，所述容忍点差值为所述第二数据与第一数据的差值的绝对值；
平均值确定模块：用于对至少三个所述容忍点差值进行平均值计算，得到至少多个所述容忍点差值的平均值；
第二数据类型确定模块：用于根据所述平均值确定所述目标数据的数据类型，所述数据类型表征所述目标数据的有效性。
进一步地，所述第一数据类型确定模块，包括：
第二比较模块：用于将所述目标数据集中各目标数据的容忍点差值与所述平均值进行比较；
第二有效目标数据确定模块：用于将不大于所述平均值的目标数据确定为有效目标数据；
第二无效目标数据确定模块：用于将大于所述平均值的目标数据确定为无效目标数据，并对所述无效目标数据对应的所述用户发送异常告警指令。
进一步地，所述装置还包括：
基准和波动幅度阈值确定模块：用于获取所述目标数据集中各目标数据的基准以及所述基准对应的波动幅度阈值；
波动值确定模块：用于确定所述基准与所述波动幅度的乘积，得到所述基准允许的波动值；
波动上限数值确定模块：用于将所述基准与所述波动值相加，得到所述目标数据的波动上限数值；
波动下限数值确定模块：用于将所述基准与所述波动值相减，得到所述目标数据的波动下限数值；
第三数据类型确定模块：用于根据所述波动上限数值与所述波动下限数值确定所述目标数据的数据类型，所述数据类型表征所述目标数据的有效性。
进一步地，所述第二数据类型确定模块，包括：
第三比较模块：用于将所述目标数据集中各目标数据与所述波动上限数值和所述波动下限数值确定的区间范围进行比较；
第三有效目标数据确定模块：用于将在所述波动上限数值和所述波动下限数值确定的区间范围内的目标数据确定为有效目标数据；
第三无效目标数据确定模块：用于将不在所述波动上限数值和所述波动下限数值确定的区间范围内的目标数据确定为无效目标数据，并对所述无效目标数据对应的所述用户发送异常告警指令。
另一方面提供了一种计算机设备，所述计算机设备包括处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现如上述的数据处理方法。
另一方面提供了一种可读存储介质，所述可读存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由处理器加载并执行以实现如上述的数据处理方法。
本申请提供的一种数据处理方法、装置、计算机设备及可读存储介质，具有如下技术效果：
本申请实施例通过获取多个用户的目标数据确定目标数据集，其中，目标数据表征不同目标对象间的兑换比例，进而确定目标数据集中的连续目标数据，计算在连续目标数据中相邻目标数据之间的差值，将满足预设数值分布的情况下的差值对应的连续目标数据确定为有效目标数据。上述技术方案通过对相邻目标数据之间的差值与预设数值分布进行比较，得到有效目标数据，解决了人工筛选有效目标数据效率慢且准确性低的问题，提高筛选有效目标数据的效率性和可靠性，对目标数据进行风险评估提供了有利的保障。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的一种数据处理方法的流程示意图；
图2为本申请实施例提供的连续汇率数据的分布示意图；
图3为本申请实施例提供的另一种数据处理方法的流程示意图一；
图4为本申请实施例提供的多个金融机构的汇率数据对应的容忍点差值的分布示意图；
图5为本申请实施例提供的另一种数据处理方法的流程示意图二；
图6为本申请实施例提供的汇率数据的波动示意图；
图7为本申请实施例提供的一种数据处理方法的流程示意图三；
图8为本申请实施例提供的一种数据处理方法的流程示意图四；
图9为本申请实施例提供的一种数据处理装置的结构框图；
图10为本申请实施例提供的运行一种数据处理方法的计算机设备的硬件结构框图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。
请参阅图1，其所示为本申请实施例提供的一种数据处理方法的流程示意图，需要说明的是，本说明书提供了如实施例或流程图所述的方法操作步骤，但基于常规或者无创造性的劳动可以包括更多或者更少的操作步骤。实施例中列举的步骤顺序仅仅为众多步骤执行顺序中的一种方式，不代表唯一执行顺序。在实际中的系统或服务器产品执行时，可以按照实施例或者附图所示的方法顺序执行或者并行执行(例如并行处理器或者多线程处理的环境)。
下面结合图1对本申请进行详细的讲述，所述方法具体包括以下步骤：
S101：获取多个用户的目标数据，得到目标数据集，所述目标数据表征不同目标对象间的兑换比例；
在本申请实施例中，目标数据包括多个用户的多个目标数据，多个用户的多个目标数据构成多个目标数据集，在一个具体的实施例中，多个用户的目标数据可以为多个金融机构的汇率数据，在此，目标数据也可以为其他用户的目标数据，在此不做具体的界定。
S102：确定所述目标数据集中的连续目标数据；
S103：确定所述连续目标数据中相邻目标数据之间的差值；
S104：在各所述差值满足预设数值分布的情况下，确定所述连续目标数据为有效目标数据。
在本申请实施例中，通过获取多个用户的目标数据确定目标数据集，其中，目标数据表征不同目标对象间的兑换比例，进而确定目标数据集中的连续目标数据，计算在连续目标数据中相邻目标数据之间的差值，通过判断连续目标数据中相邻目标数据的差值是否满足预设数值分布，来确定目标数据在预设时间内是否为有效目标数据，将满足预设数值分布的情况下的差值对应的连续目标数据确定为有效目标数据。
在一个可选的实施方式中，若判断连续目标数据不满足预设数值分布，则对目标数据集中不满足预设数值分布的目标数据对应的用户发送异常告警指令，该用户根据接收到异常告警指令进行相应的处理措施。
上述通过对相邻目标数据之间的差值与预设数值分布进行比较，得到有效目标数据，解决了人工筛选有效目标数据效率慢且准确性低的问题，提高筛选有效目标数据的效率性和可靠性，对目标数据进行风险评估提供了有利的保障。
在一个具体的实施例中，以金融机构的汇率数据来对上述数据处理方法来进行说明，如图2所示，其为本申请实施例提供的连续汇率数据的分布示意图，通过计算可以确定在时间范围为T0-T6内的汇率数据对应的差值相差较大，不满足预设数值分布的情况，则确定在时间范围T0-T6内的汇率数据为无效汇率数据，此时，将对该金融机构发送汇率数据异常告警指令，在时间范围T6-T9内汇率数据对应的差值满足预设数值分布的情况，则确定在该时间段内的汇率数据为有效汇率数据，此时将满足条件的有效汇率数据上传至数据库，以便后期进行调用分析。
在一个可选的实施方式中，如图3所示，其为本申请实施例提供的另一种数据处理方法的流程示意图一，需要说明的是，本说明书提供了如实施例或流程图所述的方法操作步骤，但基于常规或者无创造性的劳动可以包括更多或者更少的操作步骤。实施例中列举的步骤顺序仅仅为众多步骤执行顺序中的一种方式，不代表唯一执行顺序。在实际中的系统或服务器产品执行时，可以按照实施例或者附图所示的方法顺序执行或者并行执行(例如并行处理器或者多线程处理的环境)，该方法具体包括以下步骤：
S301：从历史有效目标数据集中获取各目标数据对应的第一数据和第二数据，历史有效目标数据集至少包括三个有效目标数据；
为了更清楚的解释上述第一数据和第二数据，则以金融机构的汇率数据为例进行说明，具体的，以金融机构的角度来说，第一数据可以为买入汇率数据，第二数据为卖出汇率数据，通过获取的历史有效数据集中的买入汇率数据和卖出汇率数据，进而确定卖出汇率数据和买入汇率数据的容忍点差值，以此来确定获取的汇率数据是否为有效汇率数据。
S302：计算有效目标数据集中各目标数据的第一数据与第二数据的容忍点差值，容忍点差值为第二数据与第一数据的差值的绝对值；
S303：对至少三个容忍点差值进行平均值计算，得到至少多个容忍点差值的平均值；
S304：根据所述平均值确定所述目标数据的数据类型，所述数据类型表征所述目标数据的有效性。
在本申请实施例中，以金融机构的汇率数据来对上述数据处理方法来进行说明，如图4所示，其为本申请实施例提供的多个金融机构的汇率数据对应的容忍点差值的分布示意图，在图4中，C为通过计算得到的多个历史有效汇率数据容忍点差值的平均值，具体的平均值的计算过程为：在进行金融机构的外汇交易时，买入汇率和卖出汇率之间存在一个差价，如美元日元(USDJPY)报价120.00/120.10时，120.00为买入美元汇率，120.10为卖出美元汇率，那么容忍点差值则为120.10-120.00＝0.10，即容忍点差值为10点，按照上述计算过程计算获取的有效汇率的容忍点差值，并对得到的多个容忍点差值求取平均值，进而得到容忍点差值的平均值。
在一个可选的实施方式中，通过将目标数据集中各目标数据的容忍点差值与平均值进行比较，将不大于平均值的目标数据确定为有效目标数据，将大于平均值的目标数据确定为无效目标数据，并对无效目标数据对应的用户发送异常告警指令。
具体的，对金融机构进行标号为PA、PB、PC、PD和PE，通过分别计算获得标号为PA、PB、PC、PD和PE的金融机构的容忍点差值，然后将计算得到标号为PA、PB、PC、PD和PE的容忍点差值与历史有效汇率数据计算的平均值进行比较，则得到如图4所示的结果，可以看出标号为PB、PD和PE对应的金融机构提供的汇率数据为有效汇率数据，并将满足条件的有效汇率数据上传至数据库，以便后期进行调用分析，标号为PA、PC对应的金融机构提供的汇率数据为无效汇率数据，则对标号为PA、PC对应的金融机构发送异常告警指令，标号为PA、PC金融机构接收到异常告警之后进行相应的处理。
在一个可选的实施方式中，如图5所示，其为本申请实施例提供的另一种数据处理方法的流程示意图二，需要说明的是，本说明书提供了如实施例或流程图所述的方法操作步骤，但基于常规或者无创造性的劳动可以包括更多或者更少的操作步骤。实施例中列举的步骤顺序仅仅为众多步骤执行顺序中的一种方式，不代表唯一执行顺序。在实际中的系统或服务器产品执行时，可以按照实施例或者附图所示的方法顺序执行或者并行执行(例如并行处理器或者多线程处理的环境)，该方法具体包括以下步骤：
S501：获取所述目标数据集中各目标数据的基准以及所述基准对应的波动幅度阈值；
在本申请实施例中，目标数据集中各目标数据的基准以及基准对应的波动幅度阈值可根据实际获取的汇率数据进行调整，具体的数值在此不做限定，根据各目标数据的基准以及该基准对应的波动幅度，进而确定获取的目标数据的有效性。
S502：确定所述基准与所述波动幅度的乘积，得到所述基准允许的波动值；
S503：将所述基准与所述波动值相加，得到所述目标数据的波动上限数值；
S504：将所述基准与所述波动值相减，得到所述目标数据的波动下限数值；
S505：根据所述波动上限数值与所述波动下限数值确定所述目标数据的数据类型，所述数据类型表征所述目标数据的有效性。
在一个可选的实施方式中，将目标数据集中各目标数据与波动上限数值和波动下限数值确定的区间范围进行比较，根据比较结果，确定将在波动上限数值和波动下限数值确定的区间范围内的目标数据确定为有效目标数据，相应的，将不在波动上限数值和波动下限数值确定的区间范围内的目标数据确定为无效目标数据，并对无效目标数据对应的用户发送异常告警指令。
在一个具体的实施例中，以金融机构的汇率数据来对上述数据处理方法来进行说明，如图6所示，其为本申请实施例提供的汇率数据的波动示意图，其中，根据获取的某金融机构的汇率数据对应的基准为V以及基准对应的波动幅度为b％，那么通过计算可得出该金融机构的汇率数据对应的波动上限数值Va为Va＝V*(1+b％)，波动下限数值Vb为Vb＝V*(1-b％)，在图6中不难发现，在时间范围T1-T2内获取的汇率数据在波动上限数值和波动下限数值确定的区间范围内，故在时间范围T1-T2内获取的汇率数据为有效汇率数据，并将满足条件的有效汇率数据上传至数据库，以便后期进行调用分析，在时间范围T0-T1和时间范围T2-T3内该金融机构的汇率数据不在波动上限数值和波动下限数值确定的区间范围内，故在时间范围T0-T1和时间范围T2-T3内获取的汇率数据为无效汇率数据，在此将不满足条件的时间段对应的金融机构发送异常告警指令，以便于该金融机构接收到异常告警之后进行相应的处理。
为了提高对目标数据的有效性判定结果的准确性，在本申请实施例中还可以包括另一种可能的实施方式，如图7所示，其为本申请实施例提供的一种数据处理方法的流程示意图三，该实施方式包括如下步骤：
S701：获取多个用户的目标数据，得到目标数据集，所述目标数据表征不同目标对象间的兑换比例；
S702：从历史有效目标数据集中获取各目标数据对应的第一数据和第二数据；所述历史有效目标数据集至少包括三个有效目标数据；
S703：计算所述有效目标数据集中各目标数据的第一数据与第二数据的容忍点差值，所述容忍点差值为所述第二数据与第一数据的差值的绝对值；
S704：对至少三个所述容忍点差值进行平均值计算，得到至少多个所述容忍点差值的平均值；
S705：将所述目标数据集中各目标数据的容忍点差值与所述平均值进行比较；
S706：将不大于所述平均值的目标数据确定为第一有效目标数据；
S707：确定所述第一有效目标数据中的第一连续目标数据；
S708：确定所述第一连续目标数据中相邻目标数据之间的第一差值；
S709：在各所述第一差值满足第一预设数值分布的情况下，确定所述第一连续目标数据为有效目标数据。
在本申请实施例中，步骤S701-S705所描述的内容与执行该操作的具体方式已经在上述数据处理方法的实施例中进行了详细描述，此处将不做详细阐述说明，需要说明的是，根据得到的第一有效目标数据确定第一有效目标数据中的连续目标数据，计算第一连续目标数据的相邻目标数据之间的第一差值，通过判断第一连续目标数据中的相邻目标数据的第一差值是否满足预设数值分布，来确定第一有效目标数据在预设时间内是否为有效目标数据，将满足预设数值分布的情况下的第一差值对应的第一连续目标数据确定为有效目标数据，若判断第一连续目标数据不满足预设数值分布，则对不满足预设数值分布的第一有效数据对应的用户发送异常告警指令。
同样为了提高对目标数据的有效性判定结果的准确性，在本申请实施例中还可以包括另一种可能的实施方式，如图8所示，其为本申请实施例提供的一种数据处理方法的流程示意图四，该实施方式包括如下步骤：
S801：获取多个用户的目标数据，得到目标数据集，所述目标数据表征不同目标对象间的兑换比例；
S802：获取所述目标数据集中各目标数据的基准以及所述基准对应的波动幅度阈值；
S803：确定所述基准与所述波动幅度的乘积，得到所述基准允许的波动值；
S804：将所述基准与所述波动值相加，得到所述目标数据的波动上限数值；将所述基准与所述波动值相减，得到所述目标数据的波动下限数值；
S805：将所述目标数据集中各目标数据与所述波动上限数值和所述波动下限数值确定的区间范围进行比较；
S806：将在所述波动上限数值和所述波动下限数值确定的区间范围内的目标数据确定为第二有效目标数据；
S807：确定所述第二有效目标数据中的第二连续目标数据；
S808：确定所述第二连续目标数据中相邻目标数据之间的第二差值；
S809：在各所述第二差值满足第二预设数值分布的情况下，确定所述第二连续目标数据为有效目标数据。
在本申请实施例中，步骤S801-S805所描述的内容与执行该操作的具体方式已经在上述数据处理方法的实施例中进行了详细描述，此处将不做详细阐述说明，需要说明的是，根据得到的第二有效目标数据确定第二连续目标数据，计算第二连续目标数据中的相邻目标数据之间的第二差值，通过判断第二连续目标数据中的相邻目标数据的第二差值是否满足预设数值分布，来确定第二有效目标数据在预设时间内是否为有效目标数据，将满足预设数值分布的情况下的第二差值对应的第二连续目标数据确定为有效目标数据，若判断第二连续目标数据不满足预设数值分布，则对不满足预设数值分布的第二有效数据对应的用户发送异常告警指令。
由本申请实施例的上述技术方案可见，本申请实施例通过获取多个用户的目标数据确定目标数据集，其中，目标数据表征不同目标对象间的兑换比例，进而确定目标数据集中的连续目标数据，计算在连续目标数据中相邻目标数据之间的差值，将满足预设数值分布的情况下的差值对应的连续目标数据确定为有效目标数据。上述技术方案通过对相邻目标数据之间的差值与预设数值分布进行比较，得到有效目标数据，解决了人工筛选有效目标数据效率慢且准确性低的问题，提高筛选有效目标数据的效率性和可靠性，对目标数据进行风险评估提供了有利的保障。
除此之外，还可以通过容忍点差值的平均值、波动上下限数值以及它们分别与步骤S101～S104所述的数据处理方法结合来确定目标数据的数据类型，以此来表征目标数据的有效性，提高了有效目标数据筛选的效率和可靠性，对目标数据进行风险评估提供了有利的保障。
本申请实施例中还提供了一种数据处理装置，如图9所示，其为本申请实施例提供的一种数据处理装置的结构框图，所述装置包括：
目标数据获取模块10：用于获取多个用户的目标数据，得到目标数据集，所述目标数据表征不同目标对象间的兑换比例；
连续目标数据确定模块20：用于确定所述目标数据集中的连续目标数据；
目标数据的差值确定模块30：用于确定所述连续目标数据中相邻目标数据之间的差值；
有效目标数据确定模块40：用于在各所述差值满足预设数值分布的情况下，确定所述连续目标数据为有效目标数据。
进一步地，所述装置还包括：
第一无效目标数据确定模块：用于对所述目标数据集中不满足预设数值分布的目标数据对应的所述用户发送异常告警指令。
进一步地，所述装置还包括：
历史数据确定模块：用于从历史有效目标数据集中获取各目标数据对应的第一数据和第二数据；所述历史有效目标数据集至少包括三个有效目标数据；
容忍点差值确定模块：用于计算所述有效目标数据集中各目标数据的第一数据与第二数据的容忍点差值，所述容忍点差值为所述第二数据与第一数据的差值的绝对值；
平均值确定模块：用于对至少三个所述容忍点差值进行平均值计算，得到至少多个所述容忍点差值的平均值；
第二数据类型确定模块：用于根据所述平均值确定所述目标数据的数据类型，所述数据类型表征所述目标数据的有效性。
进一步地，所述第一数据类型确定模块，包括：
第二比较模块：用于将所述目标数据集中各目标数据的容忍点差值与所述平均值进行比较；
第二有效目标数据确定模块：用于将不大于所述平均值的目标数据确定为有效目标数据；
第二无效目标数据确定模块：用于将大于所述平均值的目标数据确定为无效目标数据，并对所述无效目标数据对应的所述用户发送异常告警指令。
进一步地，所述装置还包括：
基准和波动幅度阈值确定模块：用于获取所述目标数据集中各目标数据的基准以及所述基准对应的波动幅度阈值；
波动值确定模块：用于确定所述基准与所述波动幅度的乘积，得到所述基准允许的波动值；
波动上限数值确定模块：用于将所述基准与所述波动值相加，得到所述目标数据的波动上限数值；
波动下限数值确定模块：用于将所述基准与所述波动值相减，得到所述目标数据的波动下限数值；
第三数据类型确定模块：用于根据所述波动上限数值与所述波动下限数值确定所述目标数据的数据类型，所述数据类型表征所述目标数据的有效性。
进一步地，所述第二数据类型确定模块，包括：
第三比较模块：用于将所述目标数据集中各目标数据与所述波动上限数值和所述波动下限数值确定的区间范围进行比较；
第三有效目标数据确定模块：用于将在所述波动上限数值和所述波动下限数值确定的区间范围内的目标数据确定为有效目标数据；
第三无效目标数据确定模块：用于将不在所述波动上限数值和所述波动下限数值确定的区间范围内的目标数据确定为无效目标数据，并对所述无效目标数据对应的所述用户发送异常告警指令。
关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
本申请实施例提供了一种计算机设备，该计算机设备包括处理器和存储器，该存储器中存储有至少一条指令、至少一段程序、代码集或指令集，该至少一条指令、该至少一段程序、该代码集或指令集由该处理器加载并执行以实现如上述方法实施例所提供的数据处理方法。
存储器可用于存储软件程序以及模块，处理器通过运行存储在存储器的软件程序以及模块，从而执行各种功能应用以及数据处理。存储器可主要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、功能所需的应用程序等；存储数据区可存储根据所述设备的使用所创建的数据等。此外，存储器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、或其他易失性固态存储器件。相应地，存储器还可以包括存储器控制器，以提供处理器对存储器的访问。
本申请实施例所提供的方法实施例可以在计算机终端、服务器或者类似的运算装置中执行，即上述计算机设备可以包括计算机终端、服务器或者类似的运算装置。图10为本申请实施例提供的运行一种数据处理方法的计算机设备的硬件结构框图，如图10所示，该计算机设备的内部结构可包括但不限于：处理器、网络接口及存储器。其中，计算机设备内的处理器、网络接口及存储器可通过总线或其他方式连接，在本说明书实施例所示图10中以通过总线连接为例。
其中，处理器(或称CPU(Central Processing Unit，中央处理器))是计算机设备的计算核心以及控制核心。网络接口可选的可以包括标准的有线接口、无线接口(如WI-FI、移动通信接口等)。存储器(Memory)是计算机设备中的记忆设备，用于存放程序和数据。可以理解的是，此处的存储器可以是高速RAM存储设备，也可以是非不稳定的存储设备(non-volatile memory)，例如至少一个磁盘存储设备；可选的还可以是至少一个位于远离前述处理器的存储装置。存储器提供存储空间，该存储空间存储了电子设备的操作系统，可包括但不限于：Windows系统(一种操作系统)，Linux(一种操作系统)，Android(安卓，一种移动操作系统)系统、IOS(一种移动操作系统)系统等等，本申请对此并不作限定；并且，在该存储空间中还存放了适于被处理器加载并执行的一条或一条以上的指令，这些指令可以是一个或一个以上的计算机程序(包括程序代码)。在本说明书实施例中，处理器加载并执行存储器中存放的一条或一条以上指令，以实现上述方法实施例提供的数据处理方法。
本申请的实施例还提供了一种可读存储介质，所述可读存储介质可设置于服务器之中以保存用于实现方法实施例中一种数据处理方法相关的至少一条指令、至少一段程序、代码集或指令集，该至少一条指令、该至少一段程序、该代码集或指令集由该处理器加载并执行以实现上述方法实施例提供的数据处理方法。
需要说明的是：上述本申请实施例先后顺序仅仅为了描述，不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统和服务器实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种可读存储介质中，上述提到的可读存储介质可以是只读存储器，磁盘或光盘等。
以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应所述以权利要求的保护范围为准。
Claims (10)
1.一种数据处理方法，其特征在于，所述方法包括：
获取多个用户的目标数据，得到目标数据集，所述目标数据表征不同目标对象间的兑换比例；
确定所述目标数据集中的连续目标数据；
确定所述连续目标数据中相邻目标数据之间的差值；
在各所述差值满足预设数值分布的情况下，确定所述连续目标数据为有效目标数据。
2.根据权利要求1所述的一种数据处理方法，其特征在于，所述方法还包括：
对所述目标数据集中不满足预设数值分布的目标数据对应的所述用户发送异常告警指令。
3.根据权利要求1所述的一种数据处理方法，其特征在于，所述方法还包括：
从历史有效目标数据集中获取各目标数据对应的第一数据和第二数据；所述历史有效目标数据集至少包括三个有效目标数据；
计算所述有效目标数据集中各目标数据的第一数据与第二数据的容忍点差值，所述容忍点差值为所述第二数据与第一数据的差值的绝对值；
对至少三个所述容忍点差值进行平均值计算，得到至少多个所述容忍点差值的平均值；
根据所述平均值确定所述目标数据的数据类型，所述数据类型表征所述目标数据的有效性。
4.根据权利要求3所述的一种数据处理方法，其特征在于，所述根据所述平均值确定所述目标数据的数据类型，包括：
将所述目标数据集中各目标数据的容忍点差值与所述平均值进行比较；
将不大于所述平均值的目标数据确定为有效目标数据；
将大于所述平均值的目标数据确定为无效目标数据，并对所述无效目标数据对应的所述用户发送异常告警指令。
5.根据权利要求1所述的一种数据处理方法，其特征在于，所述方法还包括：
获取所述目标数据集中各目标数据的基准以及所述基准对应的波动幅度阈值；
确定所述基准与所述波动幅度的乘积，得到所述基准允许的波动值；
将所述基准与所述波动值相加，得到所述目标数据的波动上限数值；
将所述基准与所述波动值相减，得到所述目标数据的波动下限数值；
根据所述波动上限数值与所述波动下限数值确定所述目标数据的数据类型，所述数据类型表征所述目标数据的有效性。
6.根据权利要求5所述的一种数据处理方法，其特征在于，所述根据所述波动上限数值与所述波动下限数值确定所述目标数据的数据类型，包括：
将所述目标数据集中各目标数据与所述波动上限数值和所述波动下限数值确定的区间范围进行比较；
将在所述波动上限数值和所述波动下限数值确定的区间范围内的目标数据确定为有效目标数据；
将不在所述波动上限数值和所述波动下限数值确定的区间范围内的目标数据确定为无效目标数据，并对所述无效目标数据对应的所述用户发送异常告警指令。
7.一种数据处理装置，其特征在于，所述装置包括：
目标数据获取模块：用于获取多个用户的目标数据，得到目标数据集，所述目标数据表征不同目标对象间的兑换比例；
连续目标数据确定模块：用于确定所述目标数据集中的连续目标数据；
目标数据的差值确定模块：用于确定所述连续目标数据中相邻目标数据之间的差值；
有效目标数据确定模块：用于在各所述差值满足预设数值分布的情况下，确定所述连续目标数据为有效目标数据。
8.根据权利要求7所述的一种数据处理装置，其特征在于，所述数据处理装置还包括：
异常警告模块：用于对所述目标数据集中不满足预设数值分布的目标数据对应的所述用户发送异常告警指令。
9.一种计算机设备，其特征在于，包括处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现如权利要求1～6中任一项所述的数据处理方法。
10.一种可读存储介质，所述存储介质中存储有至少一条指令或者至少一段程序，所述至少一条指令或者所述至少一段程序由处理器加载并执行以实现如权利要求1～6任一项所述的数据处理方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110941094.2A CN113641720B (zh) | 2021-08-17 | 2021-08-17 | 一种数据处理方法、装置、计算机设备及可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110941094.2A CN113641720B (zh) | 2021-08-17 | 2021-08-17 | 一种数据处理方法、装置、计算机设备及可读存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113641720A true CN113641720A (zh) | 2021-11-12 |
| CN113641720B CN113641720B (zh) | 2024-08-06 |
Family
ID=78422229
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110941094.2A Active CN113641720B (zh) | 2021-08-17 | 2021-08-17 | 一种数据处理方法、装置、计算机设备及可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113641720B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114266572A (zh) * | 2021-12-23 | 2022-04-01 | 百果园技术(新加坡)有限公司 | 汇率数据的收集方法、装置、设备、存储介质及程序产品 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20120041891A1 (en) * | 2010-08-10 | 2012-02-16 | Babel Michael G | Apparatuses, methods and systems for a volatility expiration index platform |
| CN107871190A (zh) * | 2016-09-23 | 2018-04-03 | 阿里巴巴集团控股有限公司 | 一种业务指标监控方法及装置 |
| CN110349293A (zh) * | 2019-07-16 | 2019-10-18 | 深圳市智物联网络有限公司 | 发动机异常停机检测方法、系统、装置及存储介质 |
| US20190370163A1 (en) * | 2018-05-29 | 2019-12-05 | Beijing Baidu Netcom Science And Technology Co., L | Method and apparatus for outputting information |
| CN112035315A (zh) * | 2020-07-31 | 2020-12-04 | 重庆锐云科技有限公司 | 网页数据监控方法、装置、计算机设备及存储介质 |
| CN112950379A (zh) * | 2021-03-29 | 2021-06-11 | 建信金融科技有限责任公司 | 报价风险监控方法、装置、设备及存储介质 |
| TW202123136A (zh) * | 2019-12-04 | 2021-06-16 | 臺灣銀行股份有限公司 | 自動匯兌系統及其方法 |
-
2021
- 2021-08-17 CN CN202110941094.2A patent/CN113641720B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20120041891A1 (en) * | 2010-08-10 | 2012-02-16 | Babel Michael G | Apparatuses, methods and systems for a volatility expiration index platform |
| CN107871190A (zh) * | 2016-09-23 | 2018-04-03 | 阿里巴巴集团控股有限公司 | 一种业务指标监控方法及装置 |
| US20190370163A1 (en) * | 2018-05-29 | 2019-12-05 | Beijing Baidu Netcom Science And Technology Co., L | Method and apparatus for outputting information |
| CN110349293A (zh) * | 2019-07-16 | 2019-10-18 | 深圳市智物联网络有限公司 | 发动机异常停机检测方法、系统、装置及存储介质 |
| TW202123136A (zh) * | 2019-12-04 | 2021-06-16 | 臺灣銀行股份有限公司 | 自動匯兌系統及其方法 |
| CN112035315A (zh) * | 2020-07-31 | 2020-12-04 | 重庆锐云科技有限公司 | 网页数据监控方法、装置、计算机设备及存储介质 |
| CN112950379A (zh) * | 2021-03-29 | 2021-06-11 | 建信金融科技有限责任公司 | 报价风险监控方法、装置、设备及存储介质 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114266572A (zh) * | 2021-12-23 | 2022-04-01 | 百果园技术(新加坡)有限公司 | 汇率数据的收集方法、装置、设备、存储介质及程序产品 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113641720B (zh) | 2024-08-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110163457B (zh) | 一种业务指标的异常定位方法和装置 | |
| CN113641720A (zh) | 一种数据处理方法、装置、计算机设备及可读存储介质 | |
| CN115272257A (zh) | 桥梁图像检测的方法、装置、电子设备及可读存储介质 | |
| CN109118043B (zh) | 一种在线数据质量监控方法、装置、服务器及存储介质 | |
| CN110969261A (zh) | 基于加密算法的模型构建方法及相关设备 | |
| Tian et al. | Pricing barrier and American options under the SABR model on the graphics processing unit | |
| CN117033146A (zh) | 指定共识合约执行进程的识别方法、装置、设备及介质 | |
| CN114047710A (zh) | 智能家居数据分析方法、装置、终端设备以及存储介质 | |
| CN110704614B (zh) | 对应用中的用户群类型进行预测的信息处理方法及装置 | |
| CN109242321B (zh) | 用户电力负荷在线分析方法及终端设备 | |
| CN114722025A (zh) | 基于预测模型的数据预测方法、装置、设备及存储介质 | |
| CN113850462A (zh) | 一种事件预测处置推荐方法及系统 | |
| CN114268483A (zh) | 车辆网络安全评估方法、装置、终端设备及存储介质 | |
| CN108399170A (zh) | 数据挖掘方法以及装置 | |
| CN112183363A (zh) | 地铁工程施工人员安全行为智能分析方法及其系统 | |
| CN117951625B (zh) | 一种设备集群运行异常确定方法、电子设备及存储介质 | |
| CN112115591B (zh) | 一种工作状态的分析方法、装置及设备 | |
| CN117392471B (zh) | 基于多参数协同的3d打印监测方法及系统 | |
| US20240028982A1 (en) | Plan making device and plan making method | |
| CN113722292B (zh) | 分布式数据系统的应灾处理方法、装置、设备及存储介质 | |
| CN117726304B (zh) | 项目进度预测及项目资源配给推荐方法 | |
| CN112686486A (zh) | 一种数据分析方法、装置、终端及计算机存储介质 | |
| CN116911633A (zh) | 基于智能模型的竞对战略识别方法和服务器 | |
| CN111178239A (zh) | 基于智慧社区的人员徘徊预警方法及系统 | |
| CN113961555A (zh) | 数据修正方法及装置、存储介质及电子设备 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |