CN117473130A - 业务处理方法、装置、设备、介质和程序产品 - Google Patents
业务处理方法、装置、设备、介质和程序产品 Download PDFInfo
- Publication number
- CN117473130A CN117473130A CN202311435933.9A CN202311435933A CN117473130A CN 117473130 A CN117473130 A CN 117473130A CN 202311435933 A CN202311435933 A CN 202311435933A CN 117473130 A CN117473130 A CN 117473130A
- Authority
- CN
- China
- Prior art keywords
- target
- database
- data type
- service processing
- 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
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 36
- 238000012545 processing Methods 0.000 claims abstract description 157
- 230000004044 response Effects 0.000 claims abstract description 10
- 238000012549 training Methods 0.000 claims description 60
- 238000012216 screening Methods 0.000 claims description 31
- 238000000034 method Methods 0.000 claims description 24
- 238000004590 computer program Methods 0.000 claims description 20
- 230000008569 process Effects 0.000 claims description 6
- 238000005516 engineering process Methods 0.000 abstract description 4
- 238000013500 data storage Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 9
- 230000003993 interaction Effects 0.000 description 8
- 238000004891 communication Methods 0.000 description 6
- 230000008859 change Effects 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 3
- 230000002452 interceptive effect Effects 0.000 description 3
- 238000012502 risk assessment Methods 0.000 description 3
- 238000012935 Averaging Methods 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000002195 synergetic effect Effects 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/903—Querying
- G06F16/90335—Query processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/903—Querying
- G06F16/9035—Filtering based on additional data, e.g. user or group profiles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/60—Protecting data
- G06F21/62—Protecting access to data via a platform, e.g. using keys or access control rules
- G06F21/6218—Protecting access to data via a platform, e.g. using keys or access control rules to a system of files or objects, e.g. local or distributed file system or database
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/60—Protecting data
- G06F21/62—Protecting access to data via a platform, e.g. using keys or access control rules
- G06F21/6218—Protecting access to data via a platform, e.g. using keys or access control rules to a system of files or objects, e.g. local or distributed file system or database
- G06F21/6245—Protecting personal data, e.g. for financial or medical purposes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Bioethics (AREA)
- Medical Informatics (AREA)
- Computational Linguistics (AREA)
- Computer Hardware Design (AREA)
- Computer Security & Cryptography (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请涉及大数据处理技术领域,尤其涉及一种业务处理方法、装置、设备、介质和程序产品。所述业务处理方法包括:响应于业务处理指令,根据业务处理指令,从至少一种数据类型中确定出目标数据类型;根据目标数据类型,从至少一个数据库中确定出业务处理指令对应的目标数据库;根据目标数据类型,采用目标数据库与初始数据库进行联合建模,得到目标联合模型;采用目标联合模型,得到业务处理指令对应的处理结果。通过该种设置,在数据不出域的前提下,实现了不同源数据的协同作用,提高了模型的准确性和泛化能力,加快了业务处理指令的响应速度,提高了业务处理效率。
Description
技术领域
本申请涉及大数据处理技术领域,特别是涉及一种业务处理方法、装置、设备、介质和程序产品。
背景技术
随着互联网技术的发展,线上服务为用户提供了越来越多的便捷服务。同时也在各个业务平台产生了大量的业务相关数据。实际应用中,业务数据对于每个业务平台都是较为重要的数据,这就导致了数据孤岛现象的出现,而为了满足现有的业务需求,往往需要同时调用多个业务平台的业务数据,但常见的业务处理方法往往会因为多个业务平台之间的数据交互耗费大量时间,这将使得业务响应速度下降,严重影响业务处理效率。
发明内容
基于此,有必要针对上述技术问题,提供一种能够提高业务处理效率的业务处理方法、装置、设备、介质和程序产品。
第一方面,本申请提供了一种业务处理方法,包括:
响应于业务处理指令,根据所述业务处理指令,从至少一种数据类型中确定出目标数据类型;
根据所述目标数据类型,从至少一个数据库中确定出所述业务处理指令对应的目标数据库;
根据所述目标数据类型,采用所述目标数据库与初始数据库进行联合建模,得到目标联合模型;
采用所述目标联合模型,得到所述业务处理指令对应的处理结果。
在其中一个实施例中,所述根据所述目标数据类型,从至少一个数据库中确定出所述业务处理指令对应的目标数据库,包括:
根据所述目标数据类型与各所述数据库对应的数据类型集合,确定所述目标数据类型与各所述数据库的关联值;
根据所述关联值,从各所述数据库中确定出所述业务处理指令对应的目标数据库。
在其中一个实施例中,在根据所述目标数据类型,采用所述目标数据库与初始数据库进行联合建模,得到目标联合模型之后,所述方法还包括:
将所述目标数据库、所述初始数据库与所述目标联合模型进行联合存储;
所述根据所述目标数据类型,从至少一个数据库中确定出所述业务处理指令对应的目标数据库之后,所述方法还包括:
将所述业务处理指令对应的目标数据库与以往存储的目标联合模型对应的目标数据库进行比对匹配,当匹配成功时,将匹配到的目标数据库对应的目标联合模型作为所述业务处理指令对应的目标联合模型。
在其中一个实施例中,所述业务处理指令携带有至少一种目标数据标签;
至少一种所述数据类型与至少一种数据标签一一对应;
所述根据所述业务处理指令,从至少一种数据类型中确定出目标数据类型,包括:
根据所述数据类型与所述数据标签的一一对应关系,匹配到所述目标数据标签对应的数据类型,作为所述目标数据类型。
在其中一个实施例中,所述方法还包括:
将所述业务处理指令携带的目标数据标签与以往接收到的业务处理指令携带的目标数据标签进行比对匹配,确定匹配度;
当以往接收到的业务处理指令对应的匹配度达到预设匹配度阈值时,将以往接收到的业务处理指令对应的目标联合模型作为所述业务处理指令对应的目标联合模型。
在其中一个实施例中,所述根据所述目标数据类型,采用所述目标数据库与初始数据库进行联合建模,得到目标联合模型,包括:
根据所述目标数据类型,生成筛选指令,并将所述筛选指令分别发送至所述目标数据库和所述初始数据库;所述目标数据库用于根据所述筛选指令筛选出第一训练数据;所述初始数据库用于根据所述筛选指令筛选出第二训练数据;
生成训练指令,并将所述训练指令分别发送至所述目标数据库和所述初始数据库;所述目标数据库用于根据所述训练指令,采用所述第一训练数据训练初始模型,得到第一联合子模型;所述初始数据库用于根据所述训练指令,采用所述第二训练数据训练初始模型,得到第二联合子模型;
获取所述第一联合子模型和所述第二联合子模型;
根据所述第一联合子模型和所述第二联合子模型,得到所述目标联合模型。
第二方面,本申请还提供了一种业务处理装置,包括:
响应模块,用于响应于业务处理指令,根据所述业务处理指令,从至少一种数据类型中确定出目标数据类型;
确定模块,用于根据所述目标数据类型,从至少一个数据库中确定出所述业务处理指令对应的目标数据库;
建模模块,用于根据所述目标数据类型,采用所述目标数据库与初始数据库进行联合建模,得到目标联合模型;
处理模块,用于采用所述目标联合模型,得到所述业务处理指令对应的处理结果。
第三方面,本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现上述任一实施例所述的业务处理方法。
第四方面,本申请还提供了一种计算机可读存储介质。所述计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述任一实施例所述的业务处理方法。
第五方面,本申请还提供了一种计算机程序产品。所述计算机程序产品,包括计算机程序,该计算机程序产品被处理器执行时实现上述任一实施例所述的业务处理方法。
上述业务处理方法、装置、设备、介质和程序产品,能够根据实际需要的数据,实现目标数据库的自动化匹配,在数据不出域的前提下,能够实现不同源数据的协同作用,从而在保护数据的隐私的前提下,让最终获取到的目标联合模型能够充分利用多个数据库的数据信息,使得目标联合模型能够提高准确性和泛化能力,进一步加快了业务处理指令的响应速度,提高了业务处理效率。
附图说明
图1为一个实施例中业务处理方法的应用环境图;
图2为一个实施例中业务处理方法的流程示意图;
图3为一个实施例中业务处理方法的流程示意图;
图4为一个实施例中业务处理方法的流程示意图;
图5为一个实施例中业务处理方法的流程示意图;
图6为一个实施例中业务处理方法的流程示意图;
图7为一个实施例中业务处理装置的结构框图;
图8为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请实施例提供的业务处理方法,可以应用于如图1所示的应用环境中。其中,至少一个第一服务器102、终端104分别通过网络与第二服务器106通过网络进行通信。
例如,业务处理方法应用于终端104,终端104响应于业务处理指令,根据业务处理指令,从至少一种数据类型中确定出目标数据类型;随后根据目标数据类型,从至少一个第一服务器102的数据存储***、即数据库中确定出业务处理指令对应的目标数据库;并根据目标数据类型,采用目标数据库与从第二服务器106的数据存储***、即初始数据库进行联合建模,得到目标联合模型;最后采用目标联合模型,得到业务处理指令对应的处理结果。其中,终端104可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑。第一服务器102、第二服务器106可以用独立的服务器或者是多个服务器组成的服务器集群来实现。终端102和第一服务器104、第二服务器106可以通过有线或无线通信方式进行直接或间接的连接,例如通过网络连接。
又例如,业务处理方法应用于第二服务器106,终端102可以通过人机交互界面接收业务处理指令,终端104在接收到业务处理指令时,将业务处理指令发送给第二服务器106,第二服务器106根据业务处理指令,从至少一种数据类型中确定出目标数据类型;随后根据目标数据类型,从至少一个第一服务器102的数据存储***、即数据库中确定出业务处理指令对应的目标数据库;并根据目标数据类型,采用目标数据库与从对应的数据存储***、即初始数据库进行联合建模,得到目标联合模型;最后采用目标联合模型,得到业务处理指令对应的处理结果。可以理解的是,数据存储***可为独立的存储设备,或者该数据存储***位于第一服务器或第二服务器上,或者该数据存储***位于另一终端上。
在一个实施例中,提供了一种业务处理方法,本实施例以该业务处理方法应用于终端进行举例说明,可以理解的是,该方法也可以应用于第二服务器,还可以应用于包括终端和第二服务器的***,并通过终端和第二服务器的交互实现。如图2所示,该业务处理方法包括:
步骤202、响应于业务处理指令,根据业务处理指令,从至少一种数据类型中确定出目标数据类型。
业务处理指令指的可以是对数据进行相应分析处理的指令。
作为示例,业务处理请求例如可以是根据相应数据进行行为风险评估的请求,或者可以是根据相应数据进行资源变化预测的请求,又或者,还可以是根据相应数据进行产品流转情况预测的请求。
其中,业务处理请求可以是终端的人机交互界面发出的,终端的人机交互界面具体可以是特定的平台界面。
数据类型指的是数据的种类或类别,用于描述数据的特征和性质。常见的数据类型包括交互对象的身份信息、资源转移的数量信息、资源转移的次数信息、交互对象的授权信息等。
目标数据类型指的是在处理业务处理请求时,需要使用到的数据对应的数据类型。
步骤204、根据目标数据类型,从至少一个数据库中确定出业务处理指令对应的目标数据库。
不同的数据库可以对应不同的业务***,而由于不同的业务***提供的业务不同,对应的数据库中存储的数据也存在差异,数据之间的差异可以体现在以下几个方面:数据类型:例如,一个电子商务***对应的数据库可以存储产品的库存、产品的规格信息等信息,而一个交互支持***对应的数据库可以存储交互双方的身份信息、交互资源的数量信息等信息;数据量和规模:不同业务***处理的数据量和规模可能有所不同,因此不同业务***对应的数据库能够支持不同规模的数据存储;数据结构:不同业务***的数据结构可能有所不同;数据安全性等。
目标数据库指的是在处理业务处理请求时,需要使用到的数据所在的数据库。
步骤206、根据目标数据类型,采用目标数据库与初始数据库进行联合建模,得到目标联合模型。
本实施例可以采用联邦建模的方法进行建模,传统的机器学习方法通常要求将所有数据集中到一个服务器进行训练,这可能会导致数据泄露和隐私问题。而联邦建模通过分别在不同数据库的本地服务器上进行模型训练的方式,避免了数据的传输,不仅节约了交互资源,还提高了数据安全性。
联邦建模的原理是将模型的训练分布在目标数据库对应的第一服务器和初始数据库对应第二服务器上进行,然后第一服务器将训练完成的模型相关的模型参数传输到第二服务器,第二服务器会根据接收到的参数更新模型,并将更新后的模型参数发送回第一服务器,这个过程可以迭代多次,直到模型收敛。其中,第一服务器训练的模型可以是从第二服务器处获取的初始模型。
目标联合模型指的是采用目标数据库中的数据训练得到的模型和采用初始数据库中的数据中的数据训练得到的模型,组合后得到的模型。
步骤208、采用目标联合模型,得到业务处理指令对应的处理结果。
处理结果指的是对数据进行相应分析处理得到的结果。当业务处理请求是根据相应数据进行行为风险评估的请求时,处理结果可以是风险评估结果,当业务处理请求是根据相应数据进行资源变化预测的请求时,处理结果可以是资源变化预测结果,又或者,当业务处理请求是根据相应数据进行产品流转情况预测的请求时,处理结果可以是产品流转情况的预测结果。
上述业务处理方法中,终端能够在接收到业务处理指令时,根据业务处理指令需要使用到的数据对应的数据类型,从多个数据库中确定出目标数据库,从而能够根据实际的处理需要,实现数据库的自动化匹配,并且,终端能够针对目标数据库和初始数据库进行联合建模,使得目标数据库中的数据和初始数据库中的数据在不出域的前提下,能够实现协同作用,从而在保护数据的隐私的前提下,让最终获取到的目标联合模型能够充分利用多个数据库的数据信息,使得目标联合模型能够提高准确性和泛化能力。
如图3所示,在一些可选的实施例中,业务处理指令携带有至少一种目标数据标签;
至少一种数据类型与至少一种数据标签一一对应;
步骤202包括:步骤202a、根据数据类型与数据标签的一一对应关系,匹配到目标数据标签对应的数据类型,作为目标数据类型。
数据标签可以是字母、字符或数字中的至少一种组成,数据类型标签用于唯一标识数据类型,本实施例的第二服务器中预存有数据标签与多个数据类型的一一映射关系。
终端在接收到业务处理指令后,首先获取业务处理指令携带的目标数据标签,随后可以将目标数据标签与所有数据标签进行比对,并进一步将比对成功的数据标签对应的数据类型作为目标数据类型。
如图4所示,在一些可选的实施例中,步骤204包括:
步骤2042、根据目标数据类型与各数据库对应的数据类型集合,确定目标数据类型与各数据库的关联值;
步骤2044、根据关联值,从各数据库中确定出业务处理指令对应的目标数据库。
数据库对应的数据类型集合指的是数据库存储的数据对应的数据类型所形成的集合,数据类型集合能够反应数据库存储的数据内容。
在本实施例中,数据库对应的数据类型集合例如可以包含至少一个数据标签,则在步骤2042中,终端可以通过将业务处理指令携带的目标数据标签与各个数据库对应的至少一个数据标签进行比对的方式,确定目标数据类型与各数据库的关联值。
作为示例,关联值指的可以是业务处理指令携带的目标数据标签与各个数据库对应的数据标签的匹配度,可以采用如下公式计算得到关联值:其中,/>标识关联值,r表示数据库对应的数据标签中与目标数据标签匹配的个数,N表示业务处理指令携带的目标数据标签的总数。
作为示例,终端可以根据各数据库对应的关联值,将关联值达到预设关联值阈值的数据库作为目标数据库。目标数据库可以为一个或多个。
在一些可选的实施例中,在步骤206之后,还包括:
将目标数据库、初始数据库与目标联合模型进行联合存储;
步骤204之后,还包括:
将业务处理指令对应的目标数据库与以往存储的目标联合模型对应的目标数据库进行比对匹配,当匹配成功时,将匹配到的目标数据库对应的目标联合模型作为业务处理指令对应的目标联合模型。
在本实施例中,终端能够将目标数据库、初始数据库和目标联合模型进行联合存储,以便在再次接收到针对目标数据库中数据和初始数据库中数据进行分析处理的业务处理指令时,能够直接确定对应的目标联合模型。
作为示例,目标数据库和初始数据库可以采用对应的身份标签进行标识,身份标签可以是字母、字符或数字中的至少一种组成,身份标签用于唯一标识数据库,本实施例的第二服务器中预存有身份标签与多个数据库的一一映射关系。
终端能够将目标数据库对应的身份标签、初始数据库对应的身份标签与目标联合模型进行对应存储,目标数据库对应的身份标签和初始数据库对应的身份标签用于作为索引标签,当终端后续接收到的业务处理请求对应的目标数据库的身份标签和初始数据库的身份标签和以往存储的索引标签匹配时,终端能够直接将匹配到的索引标签对应的目标联合模型作为当前接收到的业务处理请求对应的目标联合模型。
如图5所示,在一些可选的实施例中,业务处理方法还包括:
步骤502、将业务处理指令携带的目标数据标签与以往接收到的业务处理指令携带的目标数据标签进行比对匹配,确定匹配度;
步骤504、当以往接收到的业务处理指令对应的匹配度达到预设匹配度阈值时,将以往接收到的业务处理指令对应的目标联合模型作为业务处理指令对应的目标联合模型。
匹配度可以采用如下公式计算得到关联值:其中,/>表示关联值,/>表示业务处理指令携带的目标数据标签与以往接收到的业务处理指令携带的目标数据标签匹配的个数,M表示业务处理指令携带的目标数据标签的总数。
作为示例,终端可以根据各个以往接收到的业务处理指令对应的匹配度,将匹配度达到预设匹配度阈值的业务处理指令对应的目标联合模型作为当前业务处理指令对应的目标联合模型。其中,预设匹配度阈值可以为100%。
如图6所示,在一些可选的实施例中,步骤206包括:
步骤2062、根据目标数据类型,生成筛选指令,并将筛选指令分别发送至目标数据库和初始数据库;目标数据库用于根据筛选指令筛选出第一训练数据;初始数据库用于根据筛选指令筛选出第二训练数据;
步骤2064、生成训练指令,并将训练指令分别发送至目标数据库和初始数据库;目标数据库用于根据训练指令,采用第一训练数据训练初始模型,得到第一联合子模型;初始数据库用于根据训练指令,采用第二训练数据训练初始模型,得到第二联合子模型;
步骤2066、获取第一联合子模型和第二联合子模型;
步骤2068、根据第一联合子模型和第二联合子模型,得到目标联合模型。
筛选指令指的是从大量数据中筛选出业务处理指令对应的数据的指令。
第一训练数据指的是目标数据库包含的所有数据中、业务处理指令需要的部分数据。
第二训练数据指的是初始数据库包含的所有数据中、业务处理指令需要的部分数据。
本实施例中的筛选指令由终端生成,并分别发送给目标数据库对应的第一服务器和初始数据库对应的第二服务器,第一服务器根据筛选指令从目标数据库中筛选出第一训练数据,第二服务器根据筛选指令从初始数据库中筛选出第二训练数据。
训练指令指的是采用业务处理指令需要的数据、进行模型训练的指令。
本实施例中的训练指令由终端生成,并分别发送给目标数据库对应的第一服务器和初始数据库对应的第二服务器,第一服务器根据训练指令、采用第一训练数据训练原始模型,得到第一联合子模型,第二服务器根据训练指令、采用第二训练数据训练原始模型,得到第二联合子模型。其中,原始模型可以是第二服务器原先存储在数据存储***中的,在步骤204确定目标数据库后,第二服务器可以将原始模型发送给目标数据库对应的第一服务器。
在本实施例中,第一训练数据的筛选、第一联合子模型的训练过程均是在目标数据库对应的第一服务器完成的,第二训练数据的筛选、第二联合子模型的训练过程均是在初始数据库对应的第二服务器完成,目标数据库中的数据和初始数据库中的数据均不出域,保证了数据安全性和隐私性。
在步骤2068中,终端可以采用简单的平均或加权平均处理,将第一联合子模型和第二联合子模型进行聚合,得到目标联合模型。
上述业务处理方法中,终端能够在接收到业务处理指令时,根据业务处理指令需要使用到的数据对应的数据类型,从多个数据库中确定出目标数据库,从而能够根据实际的处理需要,实现数据库的自动化匹配,并且,终端能够将目标数据库、初始数据库与目标联合模型进行联合存储,以便在再次接收到针对目标数据库中数据和初始数据库中数据进行分析处理的业务处理指令时,能够直接确定对应的目标联合模型,又或者,能够在接收到目标数据标签与以往接收到的业务处理指令携带的目标数据标签相似度较高的业务处理指令时,将以往业务处理指令对应的目标联合模型直接作为当前业务处理指令对应的目标联合模型,从而加快目标联合模型的确定,加快业务响应速度,上述业务处理方法在数据不出域的前提下,实现了不同数据源的数据的协同作用,在保护数据的隐私的前提下,使得最终获取到的目标联合模型能够充分利用多个数据库的数据信息,提高了目标联合模型的准确性和泛化能力。
应该理解的是,虽然如上的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,如上的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思,本申请实施例还提供了一种用于实现上述所涉及的业务处理方法的业务处理装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似,故下面所提供的一个或多个业务处理装置实施例中的具体限定可以参见上文中对于业务处理方法的限定,在此不再赘述。
在一个实施例中,如图7所示,提供了一种业务处理装置700,包括:第一响应模块702、确定模块704、建模模块706和处理模块708,其中:
响应模块702用于响应于业务处理指令,根据业务处理指令,从至少一种数据类型中确定出目标数据类型;
确定模块704用于根据目标数据类型,从至少一个数据库中确定出业务处理指令对应的目标数据库;
建模模块706用于根据目标数据类型,采用目标数据库与初始数据库进行联合建模,得到目标联合模型;
处理模块708用于采用目标联合模型,得到业务处理指令对应的处理结果。
在一些可选的实施例中,确定模块704还被配置为:
根据目标数据类型与各数据库对应的数据类型集合,确定目标数据类型与各数据库的关联值;
根据关联值,从各数据库中确定出业务处理指令对应的目标数据库。
在一些可选的实施例中,建模模块706还被配置为:
将目标数据库、初始数据库与目标联合模型进行联合存储;
确定模块704还被配置为:
将业务处理指令对应的目标数据库与以往存储的目标联合模型对应的目标数据库进行比对匹配,当匹配成功时,将匹配到的目标数据库对应的目标联合模型作为业务处理指令对应的目标联合模型。
在一些可选的实施例中,业务处理指令携带有至少一种目标数据标签;
至少一种数据类型与至少一种数据标签一一对应;
响应模块702还被配置为:
根据数据类型与数据标签的一一对应关系,匹配到目标数据标签对应的数据类型,作为目标数据类型。
在一些可选的实施例中,确定模块704还被配置为:
将业务处理指令携带的目标数据标签与以往接收到的业务处理指令携带的目标数据标签进行比对匹配,确定匹配度;
当以往接收到的业务处理指令对应的匹配度达到预设匹配度阈值时,将以往接收到的业务处理指令对应的目标联合模型作为业务处理指令对应的目标联合模型。
在一些可选的实施例中,建模模块706还被配置为:
根据目标数据类型,生成筛选指令,并将筛选指令分别发送至目标数据库和初始数据库;目标数据库用于根据筛选指令筛选出第一训练数据;初始数据库用于根据筛选指令筛选出第二训练数据;
生成训练指令,并将训练指令分别发送至目标数据库和初始数据库;目标数据库用于根据训练指令,采用第一训练数据训练初始模型,得到第一联合子模型;初始数据库用于根据训练指令,采用第二训练数据训练初始模型,得到第二联合子模型;
获取第一联合子模型和第二联合子模型;
根据第一联合子模型和第二联合子模型,得到目标联合模型。
上述业务处理装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是终端,其内部结构图可以如图8所示。该计算机设备包括处理器、存储器、输入/输出接口、通信接口、显示单元和输入装置。其中,处理器、存储器和输入/输出接口通过***总线连接,通信接口、显示单元和输入装置通过输入/输出接口连接到***总线。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作***和计算机程序。该内存储器为非易失性存储介质中的操作***和计算机程序的运行提供环境。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信,无线方式可通过WIFI、移动蜂窝网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种业务处理方法。该计算机设备的显示单元用于形成视觉可见的画面,可以是显示屏、投影装置或虚拟现实成像装置。显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图8中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现上述任一实施例中所述的业务处理方法。
在一个实施例中,提供了一种计算机程序产品,包括计算机程序,该计算机程序产品被处理器执行时实现上述任一实施例中所述的业务处理方法。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory,ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory,MRAM)、铁电存储器(Ferroelectric Random Access Memory,FRAM)、相变存储器(Phase Change Memory,PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器等。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory,DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等,不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等,不限于此。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请的保护范围应以所附权利要求为准。
Claims (10)
1.一种业务处理方法,其特征在于,包括:
响应于业务处理指令,根据所述业务处理指令,从至少一种数据类型中确定出目标数据类型;
根据所述目标数据类型,从至少一个数据库中确定出所述业务处理指令对应的目标数据库;
根据所述目标数据类型,采用所述目标数据库与初始数据库进行联合建模,得到目标联合模型;
采用所述目标联合模型,得到所述业务处理指令对应的处理结果;
所述根据所述目标数据类型,从至少一个数据库中确定出所述业务处理指令对应的目标数据库,包括:
根据所述目标数据类型与各所述数据库对应的数据类型集合,确定所述目标数据类型与各所述数据库的关联值;
根据所述关联值,从各所述数据库中确定出所述业务处理指令对应的目标数据库。
2.根据权利要求1所述的方法,其特征在于,所述根据所述关联值,从各所述数据库中确定出所述业务处理指令对应的目标数据库,包括:
根据各所述数据库对应的关联值,将所述关联值达到预设关联值阈值的数据库作为目标数据库。
3.根据权利要求1所述的方法,其特征在于,在根据所述目标数据类型,采用所述目标数据库与初始数据库进行联合建模,得到目标联合模型之后,所述方法还包括:
将所述目标数据库、所述初始数据库与所述目标联合模型进行联合存储;
所述根据所述目标数据类型,从至少一个数据库中确定出所述业务处理指令对应的目标数据库之后,所述方法还包括:
将所述业务处理指令对应的目标数据库与以往存储的目标联合模型对应的目标数据库进行比对匹配,当匹配成功时,将匹配到的目标数据库对应的目标联合模型作为所述业务处理指令对应的目标联合模型。
4.根据权利要求1所述的方法,其特征在于,所述业务处理指令携带有至少一种目标数据标签;
至少一种所述数据类型与至少一种数据标签一一对应;
所述根据所述业务处理指令,从至少一种数据类型中确定出目标数据类型,包括:
根据所述数据类型与所述数据标签的一一对应关系,匹配到所述目标数据标签对应的数据类型,作为所述目标数据类型。
5.根据权利要求4所述的方法,其特征在于,所述方法还包括:
将所述业务处理指令携带的目标数据标签与以往接收到的业务处理指令携带的目标数据标签进行比对匹配,确定匹配度;
当以往接收到的业务处理指令对应的匹配度达到预设匹配度阈值时,将以往接收到的业务处理指令对应的目标联合模型作为所述业务处理指令对应的目标联合模型。
6.根据权利要求1所述的方法,其特征在于,所述根据所述目标数据类型,采用所述目标数据库与初始数据库进行联合建模,得到目标联合模型,包括:
根据所述目标数据类型,生成筛选指令,并将所述筛选指令分别发送至所述目标数据库和所述初始数据库;所述目标数据库用于根据所述筛选指令筛选出第一训练数据;所述初始数据库用于根据所述筛选指令筛选出第二训练数据;
生成训练指令,并将所述训练指令分别发送至所述目标数据库和所述初始数据库;所述目标数据库用于根据所述训练指令,采用所述第一训练数据训练初始模型,得到第一联合子模型;所述初始数据库用于根据所述训练指令,采用所述第二训练数据训练初始模型,得到第二联合子模型;
获取所述第一联合子模型和所述第二联合子模型;
根据所述第一联合子模型和所述第二联合子模型,得到所述目标联合模型。
7.一种业务处理装置,其特征在于,包括:
响应模块,用于响应于业务处理指令,根据所述业务处理指令,从至少一种数据类型中确定出目标数据类型;
确定模块,用于根据所述目标数据类型,从至少一个数据库中确定出所述业务处理指令对应的目标数据库;
建模模块,用于根据所述目标数据类型,采用所述目标数据库与初始数据库进行联合建模,得到目标联合模型;
处理模块,用于采用所述目标联合模型,得到所述业务处理指令对应的处理结果。
8.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的业务处理方法的步骤。
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的业务处理方法的步骤。
10.一种计算机程序产品,包括计算机程序,其特征在于,该计算机程序被处理器执行时实现权利要求1至6中任一项所述的业务处理方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311435933.9A CN117473130A (zh) | 2023-10-31 | 2023-10-31 | 业务处理方法、装置、设备、介质和程序产品 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311435933.9A CN117473130A (zh) | 2023-10-31 | 2023-10-31 | 业务处理方法、装置、设备、介质和程序产品 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117473130A true CN117473130A (zh) | 2024-01-30 |
Family
ID=89628847
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311435933.9A Pending CN117473130A (zh) | 2023-10-31 | 2023-10-31 | 业务处理方法、装置、设备、介质和程序产品 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117473130A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118052332A (zh) * | 2024-03-25 | 2024-05-17 | 海通证券股份有限公司 | 风险预测方法、装置、设备和存储介质 |
-
2023
- 2023-10-31 CN CN202311435933.9A patent/CN117473130A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118052332A (zh) * | 2024-03-25 | 2024-05-17 | 海通证券股份有限公司 | 风险预测方法、装置、设备和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112863683B (zh) | 基于人工智能的病历质控方法、装置、计算机设备及存储介质 | |
CN117473130A (zh) | 业务处理方法、装置、设备、介质和程序产品 | |
CN116468543A (zh) | 基于联邦学习的信贷风险评估方法、装置、设备和介质 | |
CN116303657A (zh) | 群体画像生成方法、装置、计算机设备和存储介质 | |
CN115758271A (zh) | 数据处理方法、装置、计算机设备和存储介质 | |
CN114757700A (zh) | 物品销量预测模型训练方法、物品销量预测方法及装置 | |
CN114491093A (zh) | 多媒体资源推荐、对象表征网络的生成方法及装置 | |
CN111818114B (zh) | 信息分享方法和装置 | |
US20240180466A1 (en) | Three-Dimensional Animated Personality Assessment | |
CN116797189A (zh) | 信息处理方法、装置、计算机设备和存储介质 | |
CN114064464A (zh) | 安全需求分析方法、装置、计算机设备和存储介质 | |
CN116452214A (zh) | 基于区块链的售后信息处理方法、装置和计算机设备 | |
CN117291535A (zh) | 业务处理方法、装置和计算机设备 | |
CN116975440A (zh) | 属性分类方法、装置和计算机设备 | |
CN116523308A (zh) | 风险预测模型的训练方法及装置、用户行为风险预测方法 | |
CN117455386A (zh) | 资源审核方法、装置、计算机设备及其存储介质 | |
CN117544371A (zh) | 登录状态处理方法、装置和计算机设备 | |
CN117391490A (zh) | 金融业务的评价信息处理方法、装置和计算机设备 | |
CN116432229A (zh) | 浏览器防截屏方法、装置、计算机设备、介质和程序产品 | |
CN116049009A (zh) | 测试方法、装置、计算机设备及计算机可读存储介质 | |
CN117056629A (zh) | 缓存配置方法、装置、计算机设备及存储介质 | |
CN117573387A (zh) | 消息推送方法、装置、计算机设备和存储介质 | |
CN117370948A (zh) | 信息显示方法、装置、终端和计算机可读存储介质 | |
CN117194036A (zh) | 合同信息处理方法、装置和计算机设备 | |
CN114201464A (zh) | 数据展示方法、装置、计算机设备和存储介质 |
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 |