特征数据获取方法、数据存储方法、装置、设备及介质制造方法及图纸

本申请实施例公开了一种特征数据获取方法、数据存储方法、装置、设备及介质，属于人工智能技术领域。所述方法包括：获取目标业务场景对应的特征图谱；根据所述特征图谱，确定所述目标业务场景下的业务特征和业务标签；根据所述业务特征和所述业务标签，获取所述目标业务场景下的特征数据和标签数据。本申请实施例通过获取业务场景对应的特征图谱，从而确定业务场景下的业务特征和业务数据，进而获取该业务场景下的特征数据和标签数据，本申请不需要技术人员深入学习从而确定业务特征和业务标签，特征数据和标签数据的获取速度快，提高了数据分析过程的效率。

Feature data acquisition method, data storage method, device, equipment and medium

【技术实现步骤摘要】
特征数据获取方法、数据存储方法、装置、设备及介质
本申请实施例涉及人工智能
，特别涉及一种特征数据获取方法、数据存储方法、装置、设备及介质。
技术介绍
在对机器学习模型进行训练之前，需要先获取用于训练该机器学习模型的特征数据。在相关技术中，技术人员需要深入学习业务相关知识，了解业务场景下的业务特征和业务标签，从而根据上述业务特征和业务标签，获取特征数据和标签数据。假设业务场景为涉嫌走私，则技术人员需要深入学习有关走私相关的知识，了解涉嫌走私场景下的业务特征和业务标签，例如，技术人员需要了解应该获取嫌疑人的哪些相关信息，从而可以根据上述相关信息判断该嫌疑人是否涉嫌走私。然而，上述相关技术中业务特征和业务标签需要由技术人员深入学习，使得特征数据的获取效率较低。
技术实现思路
本申请实施例提供了一种特征数据获取方法、数据存储方法、装置、设备及介质，可用于解决相关技术中业务特征和业务标签需要由技术人员深入学习，使得特征数据的获取效率较低的问题。技术方案如下：一方面，本申请实施例提供一种特征数据获取方法，所述方法包括：获取目标业务场景对应的特征图谱；根据所述特征图谱，确定所述目标业务场景下的业务特征和业务标签；根据所述业务特征和所述业务标签，获取所述目标业务场景下的特征数据和标签数据。另一方面，本申请实施例提供一种数据存储方法，所述方法包括：接收特征图谱生成设备发送目标业务场景对应的特征图谱；向特征数据生成设备发送所述特征图谱；<br>接收所述特征数据生成设备发送的机器学习模型，所述机器学习模型是采用所述目标业务场景下的特征数据和标签数据进行训练得到的模型，所述特征数据和所述标签数据是基于从所述特征图谱中确定的业务特征和业务标签获取的，所述机器学习模型用于对所述目标业务场景进行标签分类；存储所述机器学习模型。另一方面，本申请实施例提供一种特征图谱生成方法，所述方法包括：显示业务平台提供的图谱生成页面，所述图谱生成页面包括组件选择区域和图谱生成区域；接收对应于目标组件从所述组件选择区域到所述图谱生成区域的拖拽操作，所述目标组件是指目标业务场景下的业务特征或业务标签对应的组件；在所述图谱生成区域中生成所述目标组件对应的图形块；根据所述图形块，生成所述目标业务场景对应的特征图谱。另一方面，本申请实施例提供一种特征数据获取装置，所述装置包括：图谱获取模块，用于获取目标业务场景对应的特征图谱；特征确定模块，用于根据所述特征图谱，确定所述目标业务场景下的业务特征和业务标签；数据获取模块，用于根据所述业务特征和所述业务标签，获取所述目标业务场景下的特征数据和标签数据。再一方面，本申请实施例提供一种数据存储装置，所述装置包括：图谱接收模块，用于接收特征图谱生成设备发送目标业务场景对应的特征图谱；图谱发送模块，用于向特征数据生成设备发送所述特征图谱；模型接收模块，用于接收所述特征数据生成设备发送的机器学习模型，所述机器学习模型是采用所述目标业务场景下的特征数据和标签数据进行训练得到的模型，所述特征数据和所述标签数据是基于从所述特征图谱中确定的业务特征和业务标签获取的，所述机器学习模型用于对所述目标业务场景进行标签分类；模型存储模块，用于存储所述机器学习模型。再一方面，本申请实施例提供一种特征图谱生成装置，所述装置包括：页面显示模块，用于显示业务平台提供的图谱生成页面，所述图谱生成页面包括组件选择区域和图谱生成区域；操作接收模块，用于接收对应于目标组件从所述组件选择区域到所述图谱生成区域的拖拽操作，所述目标组件是指目标业务场景下的业务特征或业务标签对应的组件；图形块生成模块，用于在所述图谱生成区域中生成所述目标组件对应的图形块；图谱生成模块，用于根据所述图形块，生成所述目标业务场景对应的特征图谱。又一方面，本申请实施例提供一种计算机设备，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上述特征数据获取方法，或实现上述数据存储方法，或实现上述特征图谱生成方法。又一方面，本申请实施例提供一种计算机可读存储介质，所述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上述特征数据获取方法，或实现上述数据存储方法，或实现上述特征图谱生成方法。本申请实施例提供的技术方案可以带来如下有益效果：通过获取业务场景对应的特征图谱，从而确定业务场景下的业务特征和业务数据，进而获取该业务场景下的特征数据和标签数据，本申请不需要技术人员深入学习从而确定业务特征和业务标签，特征数据和标签数据的获取速度快，提高了数据分析过程的效率。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是本申请一个实施例提供的实施环境的示意图；图2是本申请一个实施例提供的特征数据获取方法的流程图；图3是本申请一个实施例提供的特征图谱的示意图；图4是本申请一个实施例提供的属性配置页面的示意图；图5是本申请另一个实施例提供的属性配置页面的示意图；图6是本申请另一个实施例提供的特征数据获取方法的流程图；图7是本申请一个实施例提供的数据存储方法的流程图；图8是本申请一个实施例提供的业务平台的架构示意图；图9是本申请一个实施例提供的特征图谱生成方法的流程图；图10是本申请一个实施例提供的特征数据获取装置的框图；图11是本申请另一个实施例提供的特征数据获取装置的框图；图12是本申请一个实施例提供的数据存储装置的框图；图13是本申请另一个实施例提供的数据存储装置的框图；图14是本申请一个实施例提供的特征图谱生成装置的框图；图15是本申请一个实施例提供的计算机设备的结构示意图。具体实施方式为使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请实施方式作进一步地详细描述。人工智能(ArtificialIntelligence,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。人工智能也就是研究各种智能机器的设计原理与实现方法，使机器具有感知、推理与决策的功能。...

【技术保护点】
1.一种特征数据获取方法，其特征在于，所述方法包括：/n获取目标业务场景对应的特征图谱；/n根据所述特征图谱，确定所述目标业务场景下的业务特征和业务标签；/n根据所述业务特征和所述业务标签，获取所述目标业务场景下的特征数据和标签数据。/n

【技术特征摘要】
1.一种特征数据获取方法，其特征在于，所述方法包括：
获取目标业务场景对应的特征图谱；
根据所述特征图谱，确定所述目标业务场景下的业务特征和业务标签；
根据所述业务特征和所述业务标签，获取所述目标业务场景下的特征数据和标签数据。


2.根据权利要求1所述的方法，其特征在于，所述特征图谱包括：所述业务特征、所述业务标签、所述业务特征的属性信息和所述业务标签的属性信息；
其中，所述业务特征的属性信息用于指示所述业务特征的属性，所述业务标签的属性信息用于指示所述业务标签的属性。


3.根据权利要求2所述的方法，其特征在于，所述根据所述业务特征和所述业务标签，获取所述目标业务场景下的特征数据和标签数据，包括：
根据所述业务特征和所述业务特征的属性信息，确定所述特征数据的过滤规则；
获取符合所述特征数据的过滤规则的所述特征数据；
根据所述业务标签和所述业务标签的属性信息，确定所述标签数据的过滤规则；
获取符合所述标签数据的过滤规则的所述标签数据。


4.根据权利要求2所述的方法，其特征在于，所述业务特征包括公共业务特征和自定义业务特征；
其中，所述公共业务特征是指不可自定义修改的业务特征，所述自定义业务特征是指可自定义修改的业务特征。


5.根据权利要求1至4任一项所述的方法，其特征在于，所述根据所述业务特征和所述业务标签，获取所述目标业务场景下的特征数据和标签数据之后，还包括：
根据所述特征数据和所述标签数据，生成机器学习模型的训练样本；
采用所述训练样本对所述机器学习模型进行训练，所述机器学习模型用于对所述目标业务场景进行标签分类。


6.根据权利要求5所述的方法，其特征在于，所述采用所述训练样本对所述机器学习模型进行训练之后，还包括：
接收对应于所述特征图谱的图形块删除指令，所述图形块删除指令用于指示删除所述特征图谱中的第一图形块；根据所述图形块删除指令，在所述特征图谱中删除所述第一图形块；
和/或，
接收对应于所述特征图谱的图形块添加指令，所述图形块添加指令用于指示在所述特征图谱中添加第二图形块；根据所述图形块添加指令，在所述特征图谱中添加所述第二图形块；
和/或，
接收对应于所述特征图谱的图形块修改指令，所述图形块修改指令用于指示在所述特征图谱中修改第三图形块；根据所述图形块修改指令，在所述特征图谱中修改所述第三图形块。


7.根据权利要求5所述的方法，其特征在于，所述采用所述训练样本对所述机器学习模型进行训练之后，还包括：
根据所述机器学习模型和所述特征图谱，生成人工智能AI模板；
将所述AI模板存储至业务平台的数据库中。


8.一种数据存储方法，其特征在于，所述方法包括：
接收特征图谱生成设备发送目标业务场景对应的特征图谱；
向特征数据生成设备发送所述特征图谱；
接收所述特征数据生成设备发送的机器学习模型，所述机器学习模型是采用所述目标业务场景下的特征数据和标签数据进行训练得到的模型，所述特征数据和所述标签数据是基于从所述特征图谱中确定的业务特征和业务标签获取...

【专利技术属性】
技术研发人员：勇萌哲，高小宏，滕一帆，程晶，
申请(专利权)人：腾讯云计算北京有限责任公司，
类型：发明
国别省市：北京;11