CN115408400A - 业务数据跑批方法、装置、电子设备及存储介质 - Google Patents

业务数据跑批方法、装置、电子设备及存储介质 Download PDF

Info

Publication number
CN115408400A
CN115408400A CN202211133176.5A CN202211133176A CN115408400A CN 115408400 A CN115408400 A CN 115408400A CN 202211133176 A CN202211133176 A CN 202211133176A CN 115408400 A CN115408400 A CN 115408400A
Authority
CN
China
Prior art keywords
data
attribute
batching
batch
model
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.)
Pending
Application number
CN202211133176.5A
Other languages
English (en)
Inventor
刘栩良
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Ping An Consumer Finance Co Ltd
Original Assignee
Ping An Consumer Finance Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Ping An Consumer Finance Co Ltd filed Critical Ping An Consumer Finance Co Ltd
Priority to CN202211133176.5A priority Critical patent/CN115408400A/zh
Publication of CN115408400A publication Critical patent/CN115408400A/zh
Pending legal-status Critical Current

Links

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
    • G06F16/22—Indexing; Data structures therefor; Storage structures
    • G06F16/2282—Tablespace storage structures; Management thereof
    • 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
    • G06F16/242—Query formulation
    • G06F16/2433—Query languages
    • 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
    • G06F16/28—Databases characterised by their database models, e.g. relational or object models
    • G06F16/283—Multi-dimensional databases or data warehouses, e.g. MOLAP or ROLAP

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Computational Linguistics (AREA)
  • Software Systems (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明涉及人工智能，揭露一种业务数据跑批方法，包括：基于参考属性和朴素贝叶斯算法对多张数据表格进行属性预测，得到数据表格对应的特征属性；判断特征属性与真实属性是否一致，若一致，将朴素贝叶斯算法构建的模型作为数据跑批模型；若不一致，调整朴素贝叶斯算法中的参数配置并重新执行属性预测，直至新的特征属性和真实属性一致，将调整参数配置后的朴素贝叶斯算法构建的模型作为数据跑批模型；根据服务器及数据跑批模型对待处理数据进行跑批处理，得到跑批后的业务数据。此外，本发明还涉及区块链技术，特征属性可存储于区块链的节点。本发明还提出一种业务数据跑批装置、电子设备以及存储介质。本发明可以提高业务数据跑批的效率。

Description

业务数据跑批方法、装置、电子设备及存储介质
技术领域
本发明涉及人工智能领域，尤其涉及一种业务数据跑批方法、装置、电子设备及存储介质。
背景技术
在金融领域中，跑批也即大数据批量处理是银行运转中不可获取的一部分业务，各个银行均采用自身的跑批程序，各个银行都有自己的跑批程序和跑批流程，通过企业在银行开的公户中生成当月的营业收入和支出，以批量形成系统总账并进行大批量交易，比如结息，计提及代付等等，并批量形成系统报表。
现有的业务数据跑批方法通常是按每张表进行单独处理，需对每张表单独开发任务，极大耗费人力，且无后续扩展性。因此亟待提出一种效率更高的业务数据跑批方法。
发明内容
本发明提供一种业务数据跑批方法、装置、电子设备及存储介质，其主要目的在于提高业务数据跑批的效率。
为实现上述目的，本发明提供的一种业务数据跑批方法，包括：
从预设数据仓库中获取多张数据表格及所述数据表格对应的参考属性，所述参考属性包括身份属性，通信属性和金融属性；
基于所述参考属性和预设的朴素贝叶斯算法对多张所述数据表格进行属性预测，得到所述数据表格对应的特征属性；
判断所述特征属性与预设的真实属性是否一致，若所述特征属性与所述真实属性一致，则将所述朴素贝叶斯算法构建的模型作为数据跑批模型；
若所述特征属性与所述真实属性不一致，则调整所述朴素贝叶斯算法中的参数配置并重新执行属性预测，直至新的特征属性和所述真实属性一致，将调整参数配置后的所述朴素贝叶斯算法构建的模型作为数据跑批模型；
根据服务器集群中的多个服务器及所述数据跑批模型对预获取的待处理数据进行跑批处理，得到跑批后的业务数据。
可选地，所述从预设数据仓库中获取多张数据表格，包括：
获取至少一个历史查询语句，对所述至少一个历史查询语句进行解析处理，得到所述至少一个历史查询语句的关联信息，所述关联信息包括关联字段以及关联条件；
基于所述关联信息确定所述至少一个历史查询语句对应的多张数据表格。
可选地，所述获取所述数据表格对应的参考属性，包括：
提取所述数据表格中的多条表格数据，并对多条所述表格数据进行聚类处理，得到数据聚类子集；
在预获取的属性汇总表中搜索得到所述数据聚类子集对应的属性名称作为参考属性。
可选地，所述基于所述参考属性和预设的朴素贝叶斯算法对多张所述数据表格进行属性预测，得到所述数据表格对应的特征属性，包括：
提取所述数据表格中的多条表格数据作为表格数据集，并将所述表格数据集中的表格数据划分到所述参考属性下，得到多个划分数据子集；
将所述参考属性作为所述划分数据子集的类别，根据预设的类别概率计算公式计算各个类别在所述表格数据集中的类别频率；
获取待训练样本集，基于所述类别概率和所述训练样本集和预设的后验概率计算公式计算每个类别对应的后验概率，并对多个后验概率进行排序处理，将排序后最大的后验概率对应的类别作为所述数据表格对应的特征属性。
可选地，所述预设的类别概率计算公式为：
Figure BDA0003850220670000021
其中，P(Y＝Ck)为所述类别概率，Ck表示第k个类别，K表示类别的总数，yi表示所述划分数据子集，m表示所述划分数据子集的数据个数，I(yi＝Ck)是指所述划分数据子集yi中类别为第k个类别的数据个数，yi＝Ck是指所述划分数据子集yi的类别为第k个类别。
可选地，所述根据服务器集群中的多个服务器及所述数据跑批模型对预获取的待处理数据进行跑批处理，得到跑批后的业务数据之前，所述方法还包括：
对所述服务器领取到的分片任务进行任务解析，得到解析语句；
根据所述解析语句从数据仓库中获取到对应的数据作为待处理数据。
可选地，所述根据服务器集群中的多个服务器及所述数据跑批模型对预获取的待处理数据进行跑批处理，得到跑批后的业务数据，包括：
利用所述数据跑批模型对所述待处理数据进行业务处理，得到初始数据；
判断所述初始数据是否为所述数据仓库中数据表格的末点数据，若所述初始数据为末点数据，则将所述初始数据作为跑批后的业务数据；
若所述初始数据不是末点数据，则重新执行任务解析处理，直至所述初始数据为末点数据，将新得到的数据作为跑批后的业务数据。
为了解决上述问题，本发明还提供一种业务数据跑批装置，所述装置包括：
数据提取模块，用于从预设数据仓库中获取多张数据表格及所述数据表格对应的参考属性，所述参考属性包括身份属性，通信属性和金融属性；
属性预测模块，用于基于所述参考属性和预设的朴素贝叶斯算法对多张所述数据表格进行属性预测，得到所述数据表格对应的特征属性；
模型训练模块，用于判断所述特征属性与预设的真实属性是否一致，若所述特征属性与所述真实属性一致，则将所述朴素贝叶斯算法构建的模型作为数据跑批模型，若所述特征属性与所述真实属性不一致，则调整所述朴素贝叶斯算法中的参数配置并重新执行属性预测，直至新的特征属性和所述真实属性一致，将调整参数配置后的所述朴素贝叶斯算法构建的模型作为数据跑批模型；
数据处理模块，用于根据服务器集群中的多个服务器及所述数据跑批模型对预获取的待处理数据进行跑批处理，得到跑批后的业务数据。
为了解决上述问题，本发明还提供一种电子设备，所述电子设备包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述所述的业务数据跑批方法。
为了解决上述问题，本发明还提供一种存储介质，所述存储介质中存储有至少一个计算机程序，所述至少一个计算机程序被电子设备中的处理器执行以实现上述所述的业务数据跑批方法。
本发明实施例中，通过预设数据仓库中获取多张数据表格对应的参考属性参考属性和预设的朴素贝叶斯算法对多张所述数据表格进行属性预测，得到所述数据表格对应的特征属性，并根据特征属性和预设的真实属性进行比对判断，得到所述朴素贝叶斯算法构建的模型作为数据跑批模型，所述数据跑批模型可以重复使用且准确度较高。根据服务器集群中的多个服务器及所述数据跑批模型对预获取的待处理数据进行跑批处理，得到跑批后的业务数据。因此本发明提出的业务数据跑批方法、装置、电子设备及存储介质，可以解决提高业务数据跑批的效率低的问题。
附图说明
图1为本发明一实施例提供的业务数据跑批方法的流程示意图；
图2为图1中其中一个步骤的详细实施流程示意图；
图3为本发明一实施例提供的业务数据跑批装置的功能模块图；
图4为本发明一实施例提供的实现所述业务数据跑批方法的电子设备的结构示意图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本申请实施例提供一种业务数据跑批方法。所述业务数据跑批方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之，所述业务数据跑批方法可以由安装在终端设备或服务端设备的软件或硬件来执行，所述软件可以是区块链平台。所述服务端包括但不限于：单台服务器、服务器集群、云端服务器或云端服务器集群等。所述服务器可以是独立的服务器，也可以是提供云服务、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、内容分发网络(ContentDelivery Network，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。
参照图1所示，为本发明一实施例提供的业务数据跑批方法的流程示意图。在本实施例中，所述业务数据跑批方法包括以下步骤S1-S5：
S1、从预设数据仓库中获取多张数据表格及所述数据表格对应的参考属性，所述参考属性包括身份属性，通信属性和金融属性。
本发明实施例中，所述预设数据仓库(Data Warehouse,DW)是为企业所有级别的决策制定过程，提供所有类型数据支持的战略集合。它是单个数据存储，出于分析性报告和决策支持目的而创建。在本方案中，所述数据仓库中存储着多张业务领域相关的数据表格，为了进行业务数据跑批首先就需要从预设数据仓库中获取多张数据表格以进行后续的数据处理。
具体地，所述从预设数据仓库中获取多张数据表格，包括：
获取至少一个历史查询语句，对所述至少一个历史查询语句进行解析处理，得到所述至少一个历史查询语句的关联信息，所述关联信息包括关联字段以及关联条件；
基于所述关联信息确定所述至少一个历史查询语句对应的多张数据表格。
详细地，历史查询语句例如可以是相关业务人员用于查询数据仓库中的数据所用的查询语句，该查询语句可以用于从数据仓库中的关联存储的历史表格中查询多个历史表格的相关数据。该查询语句可以是SQL查询语句。
优选地，各种业务场景的相关数据存储于数据仓库中，通常需要从数据仓库所存储的大量数据中查询相关数据，并进行整合分析以做出业务决策，其中，数据仓库中的数据通常以表格的方式进行存储，不同的表格存储不同的数据，例如不同的表格分别存储用户数据、商品数据、商家数据等等，在需要查询相关的销售数据时，需要从多个表格中获取相关数据。
进一步地，所述获取所述数据表格对应的参考属性，包括：
提取所述数据表格中的多条表格数据，并对多条所述表格数据进行聚类处理，得到数据聚类子集；
在预获取的属性汇总表中搜索得到所述数据聚类子集对应的属性名称作为参考属性。
详细地，所述聚类处理可以通过聚类算法实现，例如KNN算法。所述属性汇总表中包含多个不同的属性名称以及所述属性名称下对应的数据。在预获取的属性汇总表中搜索得到所述数据聚类子集对应的属性名称作为参考属性。
例如，得到的所述数据表格对应的参考属性可以为身份属性，通信属性和金融属性，其中，所述身份属性可以是身份证类别或者户口本类型也可以是出生证明文件等类别。所述通信属性可以为手机号码、邮箱地址或者社交账号。所述金融属性为银行卡类型或者社保卡类型等。
S2、基于所述参考属性和预设的朴素贝叶斯算法对多张所述数据表格进行属性预测，得到所述数据表格对应的特征属性。
本发明实施例中，所述参考属性是预先进行提取的用于本方案的属性类别，所述朴素贝叶斯算法是基于贝叶斯定理与特征条件独立假设的分类方法，朴素贝叶斯方法是在贝叶斯算法的基础上进行了相应的简化，即假定给定目标值时属性之间相互条件独立。也就是说没有哪个属性变量对于决策结果来说占有着较大的比重，也没有哪个属性变量对于决策结果占有着较小的比重。
具体地，参照图2所示，所述基于所述参考属性和预设的朴素贝叶斯算法对多张所述数据表格进行属性预测，得到所述数据表格对应的特征属性，包括以下步骤S21-S23：
S21、提取所述数据表格中的多条表格数据作为表格数据集，并将所述表格数据集中的表格数据划分到所述参考属性下，得到多个划分数据子集；
S22、将所述参考属性作为所述划分数据子集的类别，根据预设的类别概率计算公式计算各个类别在所述表格数据集中的类别频率；
S23、获取待训练样本集，基于所述类别概率和所述训练样本集和预设的后验概率计算公式计算每个类别对应的后验概率，并对多个后验概率进行排序处理，将排序后最大的后验概率对应的类别作为所述数据表格对应的特征属性。
进一步地，所述计算各个类别在所述表格数据集中的类别频率，包括：
所述预设的类别概率计算公式为：
Figure BDA0003850220670000061
其中，P(Y＝Ck)为所述类别概率，Ck表示第k个类别，K表示类别的总数，yi表示所述划分数据子集，m表示所述划分数据子集的数据个数，I(yi＝Ck)是指所述划分数据子集yi中类别为第k个类别的数据个数，yi＝Ck是指所述划分数据子集yi的类别为第k个类别。
具体地，所述基于所述类别概率和所述训练样本集和预设的后验概率计算公式计算每个类别对应的后验概率，包括：
所述预设的后验概率计算公式为：
Figure BDA0003850220670000071
其中，P(Y＝Ck|X＝xtest)为所述后验概率，P(Y＝Ck)为所述类别频率，xtest为所述训练样本集中的训练样本，n为数据的特征个数，j表示第j个特征。
S3、判断所述特征属性与预设的真实属性是否一致，若所述特征属性与所述真实属性一致，则将所述朴素贝叶斯算法构建的模型作为数据跑批模型。
本发明实施例中，判断所述特征属性与预设的真实属性是否一致，所述特征属性是根据朴素贝叶斯算法预测得到的数据属性，而所述真实属性是预先设定好的针对表格数据的对应属性，将所述特征属性与预设的真实属性进行比较，若所述特征属性与所述真实属性一致时，说明利用朴素贝叶斯算法预测得到的数据属性准确，因此将所述朴素贝叶斯算法构建的模型作为数据跑批模型。
S4、若所述特征属性与所述真实属性不一致，则调整所述朴素贝叶斯算法中的参数配置并重新执行属性预测，直至新的特征属性和所述真实属性一致，将调整参数配置后的所述朴素贝叶斯算法构建的模型作为数据跑批模型。
本发明实施例中，判断所述特征属性与预设的真实属性是否一致，若所述特征属性与所述真实属性不一致，则调整所述朴素贝叶斯算法中的参数配置并重新执行属性预测，根据调整参数配置后的朴素贝叶斯算法可以预测出新的特征属性，将新的特征属性与预设的真实属性进行比较，至新的特征属性和所述真实属性一致，将调整参数配置后的所述朴素贝叶斯算法构建的模型作为数据跑批模型。
S5、根据服务器集群中的多个服务器及所述数据跑批模型对预获取的待处理数据进行跑批处理，得到跑批后的业务数据。
本发明实施例中，所述根据服务器集群中的多个服务器及所述数据跑批模型对预获取的待处理数据进行跑批处理，得到跑批后的业务数据之前，所述方法还包括：
对所述服务器领取到的分片任务进行任务解析，得到解析语句；
根据所述解析语句从数据仓库中获取到对应的数据作为待处理数据。
详细地，分片任务使用服务器集群中所有服务器同时进行多个数据处理。
具体地，所述根据服务器集群中的多个服务器及所述数据跑批模型对预获取的待处理数据进行跑批处理，得到跑批后的业务数据，包括：
利用所述数据跑批模型对所述待处理数据进行业务处理，得到初始数据；
判断所述初始数据是否为所述数据仓库中数据表格的末点数据，若所述初始数据为末点数据，则将所述初始数据作为跑批后的业务数据；
若所述初始数据不是末点数据，则重新执行任务解析处理，直至所述初始数据为末点数据，将新得到的数据作为跑批后的业务数据。
详细地，使用数据跑批模型进行自动化跑批，模型经过一次验证训练后，可重复使用，且后续有新增的表需要进行清洗，重跑模型即可直接使用。自动化跑批任务在受意外中断，可以进行断点续跑，准确将所有数据处理完成。
本发明实施例中，通过预设数据仓库中获取多张数据表格对应的参考属性参考属性和预设的朴素贝叶斯算法对多张所述数据表格进行属性预测，得到所述数据表格对应的特征属性，并根据特征属性和预设的真实属性进行比对判断，得到所述朴素贝叶斯算法构建的模型作为数据跑批模型，所述数据跑批模型可以重复使用且准确度较高。根据服务器集群中的多个服务器及所述数据跑批模型对预获取的待处理数据进行跑批处理，得到跑批后的业务数据。因此本发明提出的业务数据跑批方法可以解决提高业务数据跑批的效率低的问题。
如图3所示，是本发明一实施例提供的业务数据跑批装置的功能模块图。
本发明所述业务数据跑批装置100可以安装于电子设备中。根据实现的功能，所述业务数据跑批装置100可以包括数据提取模块101、属性预测模块102、模型训练模块103及数据处理模块104。本发明所述模块也可以称之为单元，是指一种能够被电子设备处理器所执行，并且能够完成固定功能的一系列计算机程序段，其存储在电子设备的存储器中。
在本实施例中，关于各模块/单元的功能如下：
所述数据提取模块101，用于从预设数据仓库中获取多张数据表格及所述数据表格对应的参考属性，所述参考属性包括身份属性，通信属性和金融属性；
所述属性预测模块102，用于基于所述参考属性和预设的朴素贝叶斯算法对多张所述数据表格进行属性预测，得到所述数据表格对应的特征属性；
所述模型训练模块103，用于判断所述特征属性与预设的真实属性是否一致，若所述特征属性与所述真实属性一致，则将所述朴素贝叶斯算法构建的模型作为数据跑批模型，若所述特征属性与所述真实属性不一致，则调整所述朴素贝叶斯算法中的参数配置并重新执行属性预测，直至新的特征属性和所述真实属性一致，将调整参数配置后的所述朴素贝叶斯算法构建的模型作为数据跑批模型；
所述数据处理模块104，用于根据服务器集群中的多个服务器及所述数据跑批模型对预获取的待处理数据进行跑批处理，得到跑批后的业务数据。
详细地，所述业务数据跑批装置100各模块的具体实施方式如下：
步骤一、从预设数据仓库中获取多张数据表格及所述数据表格对应的参考属性，所述参考属性包括身份属性，通信属性和金融属性。
本发明实施例中，所述预设数据仓库(Data Warehouse,DW)是为企业所有级别的决策制定过程，提供所有类型数据支持的战略集合。它是单个数据存储，出于分析性报告和决策支持目的而创建。在本方案中，所述数据仓库中存储着多张业务领域相关的数据表格，为了进行业务数据跑批首先就需要从预设数据仓库中获取多张数据表格以进行后续的数据处理。
具体地，所述从预设数据仓库中获取多张数据表格，包括：
获取至少一个历史查询语句，对所述至少一个历史查询语句进行解析处理，得到所述至少一个历史查询语句的关联信息，所述关联信息包括关联字段以及关联条件；
基于所述关联信息确定所述至少一个历史查询语句对应的多张数据表格。
详细地，历史查询语句例如可以是相关业务人员用于查询数据仓库中的数据所用的查询语句，该查询语句可以用于从数据仓库中的关联存储的历史表格中查询多个历史表格的相关数据。该查询语句可以是SQL查询语句。
优选地，各种业务场景的相关数据存储于数据仓库中，通常需要从数据仓库所存储的大量数据中查询相关数据，并进行整合分析以做出业务决策，其中，数据仓库中的数据通常以表格的方式进行存储，不同的表格存储不同的数据，例如不同的表格分别存储用户数据、商品数据、商家数据等等，在需要查询相关的销售数据时，需要从多个表格中获取相关数据。
进一步地，所述获取所述数据表格对应的参考属性，包括：
提取所述数据表格中的多条表格数据，并对多条所述表格数据进行聚类处理，得到数据聚类子集；
在预获取的属性汇总表中搜索得到所述数据聚类子集对应的属性名称作为参考属性。
详细地，所述聚类处理可以通过聚类算法实现，例如KNN算法。所述属性汇总表中包含多个不同的属性名称以及所述属性名称下对应的数据。在预获取的属性汇总表中搜索得到所述数据聚类子集对应的属性名称作为参考属性。
例如，得到的所述数据表格对应的参考属性可以为身份属性，通信属性和金融属性，其中，所述身份属性可以是身份证类别或者户口本类型也可以是出生证明文件等类别。所述通信属性可以为手机号码、邮箱地址或者社交账号。所述金融属性为银行卡类型或者社保卡类型等。
步骤二、基于所述参考属性和预设的朴素贝叶斯算法对多张所述数据表格进行属性预测，得到所述数据表格对应的特征属性。
本发明实施例中，所述参考属性是预先进行提取的用于本方案的属性类别，所述朴素贝叶斯算法是基于贝叶斯定理与特征条件独立假设的分类方法，朴素贝叶斯方法是在贝叶斯算法的基础上进行了相应的简化，即假定给定目标值时属性之间相互条件独立。也就是说没有哪个属性变量对于决策结果来说占有着较大的比重，也没有哪个属性变量对于决策结果占有着较小的比重。
具体地，所述基于所述参考属性和预设的朴素贝叶斯算法对多张所述数据表格进行属性预测，得到所述数据表格对应的特征属性，包括：
提取所述数据表格中的多条表格数据作为表格数据集，并将所述表格数据集中的表格数据划分到所述参考属性下，得到多个划分数据子集；
将所述参考属性作为所述划分数据子集的类别，根据预设的类别概率计算公式计算各个类别在所述表格数据集中的类别频率；
获取待训练样本集，基于所述类别概率和所述训练样本集和预设的后验概率计算公式计算每个类别对应的后验概率，并对多个后验概率进行排序处理，将排序后最大的后验概率对应的类别作为所述数据表格对应的特征属性。
进一步地，所述计算各个类别在所述表格数据集中的类别频率，包括：
所述预设的类别概率计算公式为：
Figure BDA0003850220670000111
其中，P(Y＝Ck)为所述类别概率，Ck表示第k个类别，K表示类别的总数，yi表示所述划分数据子集，m表示所述划分数据子集的数据个数，I(yi＝Ck)是指所述划分数据子集yi中类别为第k个类别的数据个数，yi＝Ck是指所述划分数据子集yi的类别为第k个类别。
具体地，所述基于所述类别概率和所述训练样本集和预设的后验概率计算公式计算每个类别对应的后验概率，包括：
所述预设的后验概率计算公式为：
Figure BDA0003850220670000112
其中，P(Y＝Ck|X＝xtest)为所述后验概率，P(Y＝Ck)为所述类别频率，xtest为所述训练样本集中的训练样本，n为数据的特征个数，j表示第j个特征。
步骤三、判断所述特征属性与预设的真实属性是否一致，若所述特征属性与所述真实属性一致，则将所述朴素贝叶斯算法构建的模型作为数据跑批模型。
本发明实施例中，判断所述特征属性与预设的真实属性是否一致，所述特征属性是根据朴素贝叶斯算法预测得到的数据属性，而所述真实属性是预先设定好的针对表格数据的对应属性，将所述特征属性与预设的真实属性进行比较，若所述特征属性与所述真实属性一致时，说明利用朴素贝叶斯算法预测得到的数据属性准确，因此将所述朴素贝叶斯算法构建的模型作为数据跑批模型。
步骤四、若所述特征属性与所述真实属性不一致，则调整所述朴素贝叶斯算法中的参数配置并重新执行属性预测，直至新的特征属性和所述真实属性一致，将调整参数配置后的所述朴素贝叶斯算法构建的模型作为数据跑批模型。
本发明实施例中，判断所述特征属性与预设的真实属性是否一致，若所述特征属性与所述真实属性不一致，则调整所述朴素贝叶斯算法中的参数配置并重新执行属性预测，根据调整参数配置后的朴素贝叶斯算法可以预测出新的特征属性，将新的特征属性与预设的真实属性进行比较，至新的特征属性和所述真实属性一致，将调整参数配置后的所述朴素贝叶斯算法构建的模型作为数据跑批模型。
步骤五、根据服务器集群中的多个服务器及所述数据跑批模型对预获取的待处理数据进行跑批处理，得到跑批后的业务数据。
本发明实施例中，所述根据服务器集群中的多个服务器及所述数据跑批模型对预获取的待处理数据进行跑批处理，得到跑批后的业务数据之前，所述方法还包括：
对所述服务器领取到的分片任务进行任务解析，得到解析语句；
根据所述解析语句从数据仓库中获取到对应的数据作为待处理数据。
详细地，分片任务使用服务器集群中所有服务器同时进行多个数据处理。
具体地，所述根据服务器集群中的多个服务器及所述数据跑批模型对预获取的待处理数据进行跑批处理，得到跑批后的业务数据，包括：
利用所述数据跑批模型对所述待处理数据进行业务处理，得到初始数据；
判断所述初始数据是否为所述数据仓库中数据表格的末点数据，若所述初始数据为末点数据，则将所述初始数据作为跑批后的业务数据；
若所述初始数据不是末点数据，则重新执行任务解析处理，直至所述初始数据为末点数据，将新得到的数据作为跑批后的业务数据。
详细地，使用数据跑批模型进行自动化跑批，模型经过一次验证训练后，可重复使用，且后续有新增的表需要进行清洗，重跑模型即可直接使用。自动化跑批任务在受意外中断，可以进行断点续跑，准确将所有数据处理完成。
本发明实施例中，通过预设数据仓库中获取多张数据表格对应的参考属性参考属性和预设的朴素贝叶斯算法对多张所述数据表格进行属性预测，得到所述数据表格对应的特征属性，并根据特征属性和预设的真实属性进行比对判断，得到所述朴素贝叶斯算法构建的模型作为数据跑批模型，所述数据跑批模型可以重复使用且准确度较高。根据服务器集群中的多个服务器及所述数据跑批模型对预获取的待处理数据进行跑批处理，得到跑批后的业务数据。因此本发明提出的业务数据跑批装置可以解决提高业务数据跑批的效率低的问题。
如图4所示，是本发明一实施例提供的实现业务数据跑批方法的电子设备的结构示意图。
所述电子设备1可以包括处理器10、存储器11、通信总线12以及通信接口13，还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序，如业务数据跑批程序。
其中，所述处理器10在一些实施例中可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器(Central Processing Unit，CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心(ControlUnit)，利用各种接口和线路连接整个电子设备的各个部件，通过运行或执行存储在所述存储器11内的程序或者模块(例如执行业务数据跑批程序等)，以及调用存储在所述存储器11内的数据，以执行电子设备的各种功能和处理数据。
所述存储器11至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如：SD或DX存储器等)、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备的内部存储单元，例如该电子设备的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备的外部存储设备，例如电子设备上配备的插接式移动硬盘、智能存储卡(Smart Media Card，SMC)、安全数字(Secure Digital，SD)卡、闪存卡(Flash Card)等。进一步地，所述存储器11还可以既包括电子设备的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备的应用软件及各类数据，例如业务数据跑批程序的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。
所述通信总线12可以是外设部件互连标准(Peripheral ComponentInterconnect，简称PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture，简称EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。
所述通信接口13用于上述电子设备与其他设备之间的通信，包括网络接口和用户接口。可选地，所述网络接口可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等)，通常用于在该电子设备与其他电子设备之间建立通信连接。所述用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard))，可选地，用户接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode，有机发光二极管)触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备中处理的信息以及用于显示可视化的用户界面。
图4仅示出了具有部件的电子设备，本领域技术人员可以理解的是，图4示出的结构并不构成对所述电子设备1的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。
例如，尽管未示出，所述电子设备还可以包括给各个部件供电的电源(比如电池)，优选地，电源可以通过电源管理装置与所述至少一个处理器10逻辑相连，从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备还可以包括多种传感器、蓝牙模块、Wi-Fi模块等，在此不再赘述。
应该了解，所述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。
所述电子设备1中的所述存储器11存储的业务数据跑批程序是多个指令的组合，在所述处理器10中运行时，可以实现：
从预设数据仓库中获取多张数据表格及所述数据表格对应的参考属性，所述参考属性包括身份属性，通信属性和金融属性；
基于所述参考属性和预设的朴素贝叶斯算法对多张所述数据表格进行属性预测，得到所述数据表格对应的特征属性；
判断所述特征属性与预设的真实属性是否一致，若所述特征属性与所述真实属性一致，则将所述朴素贝叶斯算法构建的模型作为数据跑批模型；
若所述特征属性与所述真实属性不一致，则调整所述朴素贝叶斯算法中的参数配置并重新执行属性预测，直至新的特征属性和所述真实属性一致，将调整参数配置后的所述朴素贝叶斯算法构建的模型作为数据跑批模型；
根据服务器集群中的多个服务器及所述数据跑批模型对预获取的待处理数据进行跑批处理，得到跑批后的业务数据。
具体地，所述处理器10对上述指令的具体实现方法可参考附图对应实施例中相关步骤的描述，在此不赘述。
进一步地，所述电子设备1集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个存储介质中。所述存储介质可以是易失性的，也可以是非易失性的。例如，所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)。
本发明还提供一种存储介质，所述可读存储介质存储有计算机程序，所述计算机程序在被电子设备的处理器所执行时，可以实现：
从预设数据仓库中获取多张数据表格及所述数据表格对应的参考属性，所述参考属性包括身份属性，通信属性和金融属性；
基于所述参考属性和预设的朴素贝叶斯算法对多张所述数据表格进行属性预测，得到所述数据表格对应的特征属性；
判断所述特征属性与预设的真实属性是否一致，若所述特征属性与所述真实属性一致，则将所述朴素贝叶斯算法构建的模型作为数据跑批模型；
若所述特征属性与所述真实属性不一致，则调整所述朴素贝叶斯算法中的参数配置并重新执行属性预测，直至新的特征属性和所述真实属性一致，将调整参数配置后的所述朴素贝叶斯算法构建的模型作为数据跑批模型；
根据服务器集群中的多个服务器及所述数据跑批模型对预获取的待处理数据进行跑批处理，得到跑批后的业务数据。
在本发明所提供的几个实施例中，应该理解到，所揭露的设备，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。
因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
本发明所指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(Blockchain)，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等。
本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中，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。
此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一、第二等词语用来表示名称，而并不表示任何特定的顺序。
最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。

Claims (10)

1.一种业务数据跑批方法，其特征在于，所述方法包括：
从预设数据仓库中获取多张数据表格及所述数据表格对应的参考属性，所述参考属性包括身份属性，通信属性和金融属性；
基于所述参考属性和预设的朴素贝叶斯算法对多张所述数据表格进行属性预测，得到所述数据表格对应的特征属性；
判断所述特征属性与预设的真实属性是否一致，若所述特征属性与所述真实属性一致，则将所述朴素贝叶斯算法构建的模型作为数据跑批模型；
若所述特征属性与所述真实属性不一致，则调整所述朴素贝叶斯算法中的参数配置并重新执行属性预测，直至新的特征属性和所述真实属性一致，将调整参数配置后的所述朴素贝叶斯算法构建的模型作为数据跑批模型；
根据服务器集群中的多个服务器及所述数据跑批模型对预获取的待处理数据进行跑批处理，得到跑批后的业务数据。
2.如权利要求1所述的业务数据跑批方法，其特征在于，所述从预设数据仓库中获取多张数据表格，包括：
获取至少一个历史查询语句，对所述至少一个历史查询语句进行解析处理，得到所述至少一个历史查询语句的关联信息，所述关联信息包括关联字段以及关联条件；
基于所述关联信息确定所述至少一个历史查询语句对应的多张数据表格。
3.如权利要求1所述的业务数据跑批方法，其特征在于，所述获取所述数据表格对应的参考属性，包括：
提取所述数据表格中的多条表格数据，并对多条所述表格数据进行聚类处理，得到数据聚类子集；
在预获取的属性汇总表中搜索得到所述数据聚类子集对应的属性名称作为参考属性。
4.如权利要求1所述的业务数据跑批方法，其特征在于，所述基于所述参考属性和预设的朴素贝叶斯算法对多张所述数据表格进行属性预测，得到所述数据表格对应的特征属性，包括：
提取所述数据表格中的多条表格数据作为表格数据集，并将所述表格数据集中的表格数据划分到所述参考属性下，得到多个划分数据子集；
将所述参考属性作为所述划分数据子集的类别，根据预设的类别概率计算公式计算各个类别在所述表格数据集中的类别频率；
获取待训练样本集，基于所述类别概率和所述训练样本集和预设的后验概率计算公式计算每个类别对应的后验概率，并对多个后验概率进行排序处理，将排序后最大的后验概率对应的类别作为所述数据表格对应的特征属性。
5.如权利要求4所述的业务数据跑批方法，其特征在于，所述预设的类别概率计算公式为：
Figure FDA0003850220660000021
其中，P(Y＝Ck)为所述类别概率，Ck表示第k个类别，K表示类别的总数，yi表示所述划分数据子集，m表示所述划分数据子集的数据个数，I(yi＝Ck)是指所述划分数据子集yi中类别为第k个类别的数据个数，yi＝Ck是指所述划分数据子集yi的类别为第k个类别。
6.如权利要求1所述的业务数据跑批方法，其特征在于，所述根据服务器集群中的多个服务器及所述数据跑批模型对预获取的待处理数据进行跑批处理，得到跑批后的业务数据之前，所述方法还包括：
对所述服务器领取到的分片任务进行任务解析，得到解析语句；
根据所述解析语句从数据仓库中获取到对应的数据作为待处理数据。
7.如权利要求1所述的业务数据跑批方法，其特征在于，所述根据服务器集群中的多个服务器及所述数据跑批模型对预获取的待处理数据进行跑批处理，得到跑批后的业务数据，包括：
利用所述数据跑批模型对所述待处理数据进行业务处理，得到初始数据；
判断所述初始数据是否为所述数据仓库中数据表格的末点数据，若所述初始数据为末点数据，则将所述初始数据作为跑批后的业务数据；
若所述初始数据不是末点数据，则重新执行任务解析处理，直至所述初始数据为末点数据，将新得到的数据作为跑批后的业务数据。
8.一种业务数据跑批装置，其特征在于，所述装置包括：
数据提取模块，用于从预设数据仓库中获取多张数据表格及所述数据表格对应的参考属性，所述参考属性包括身份属性，通信属性和金融属性；
属性预测模块，用于基于所述参考属性和预设的朴素贝叶斯算法对多张所述数据表格进行属性预测，得到所述数据表格对应的特征属性；
模型训练模块，用于判断所述特征属性与预设的真实属性是否一致，若所述特征属性与所述真实属性一致，则将所述朴素贝叶斯算法构建的模型作为数据跑批模型，若所述特征属性与所述真实属性不一致，则调整所述朴素贝叶斯算法中的参数配置并重新执行属性预测，直至新的特征属性和所述真实属性一致，将调整参数配置后的所述朴素贝叶斯算法构建的模型作为数据跑批模型；
数据处理模块，用于根据服务器集群中的多个服务器及所述数据跑批模型对预获取的待处理数据进行跑批处理，得到跑批后的业务数据。
9.一种电子设备，其特征在于，所述电子设备包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行如权利要求1至7中任意一项所述的业务数据跑批方法。
10.一种存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7中任意一项所述的业务数据跑批方法。
CN202211133176.5A 2022-09-16 2022-09-16 业务数据跑批方法、装置、电子设备及存储介质 Pending CN115408400A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211133176.5A CN115408400A (zh) 2022-09-16 2022-09-16 业务数据跑批方法、装置、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211133176.5A CN115408400A (zh) 2022-09-16 2022-09-16 业务数据跑批方法、装置、电子设备及存储介质

Publications (1)

Publication Number Publication Date
CN115408400A true CN115408400A (zh) 2022-11-29

Family

ID=84166190

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211133176.5A Pending CN115408400A (zh) 2022-09-16 2022-09-16 业务数据跑批方法、装置、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN115408400A (zh)

Similar Documents

Publication Publication Date Title
CN112541745A (zh) 用户行为数据分析方法、装置、电子设备及可读存储介质
CN112883190A (zh) 文本分类方法、装置、电子设备及存储介质
CN114663198A (zh) 基于用户画像的产品推荐方法、装置、设备及存储介质
CN114979120B (zh) 数据上传方法、装置、设备及存储介质
CN112115152A (zh) 数据增量更新及查询方法、装置、电子设备及存储介质
CN114491047A (zh) 多标签文本分类方法、装置、电子设备及存储介质
CN114612194A (zh) 产品推荐方法、装置、电子设备及存储介质
CN113516417A (zh) 基于智能建模的业务评估方法、装置、电子设备及介质
CN114781832A (zh) 课程推荐方法、装置、电子设备及存储介质
CN111768096A (zh) 基于算法模型的评级方法、装置、电子设备及存储介质
CN113868528A (zh) 资讯推荐方法、装置、电子设备及可读存储介质
CN113268665A (zh) 基于随机森林的信息推荐方法、装置、设备及存储介质
CN113868529A (zh) 知识推荐方法、装置、电子设备及可读存储介质
CN112699142A (zh) 冷热数据处理方法、装置、电子设备及存储介质
CN112579621A (zh) 数据展示方法、装置、电子设备及计算机存储介质
CN112182562A (zh) 沙箱环境下的数据审核方法、系统、电子设备及介质
CN114840531A (zh) 基于血缘关系的数据模型重构方法、装置、设备及介质
CN114862140A (zh) 基于行为分析的潜力评估方法、装置、设备及存储介质
CN113627160A (zh) 文本纠错方法、装置、电子设备及存储介质
CN111460293B (zh) 信息推送方法、装置及计算机可读存储介质
CN112801222A (zh) 基于二分类模型的多分类方法、装置、电子设备及介质
CN112269875A (zh) 文本分类方法、装置、电子设备及存储介质
CN112486957A (zh) 数据库迁移检测方法、装置、设备及存储介质
CN112052310A (zh) 基于大数据的信息获取方法、装置、设备及存储介质
CN116741358A (zh) 问诊挂号推荐方法、装置、设备及存储介质

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