确定业务数据展示图类型的方法、装置、设备和存储介质制造方法及图纸

本说明书一个实施例提了一种确定业务数据展示图类型的方法、装置、设备和存储介质，该方法包括：获取第一业务场景下待确定展示图类型的业务数据。展示图类型表征业务数据的展示图中各节点的布局方式和各节点之间的边的布局方式。业务数据包括节点的节点标识、第一业务场景对应的业务维度标识、节点在业务维度的维度信息和节点之间的边的信息。根据节点标识、业务维度标识和节点的维度信息构建第一特征矩阵。第一特征矩阵用于表示节点的业务维度特征。根据节点标识和节点之间的边的信息构建第二特征矩阵。第二特征矩阵用于表示节点之间的连接关系特征。根据第一特征矩阵、第二特征矩阵和展示图类型预测模型，预测业务数据对应的目标展示图类型。

Methods, devices, devices and storage media for determining the types of business data presentation diagrams

【技术实现步骤摘要】
确定业务数据展示图类型的方法、装置、设备和存储介质
本文件涉及计算机设备领域，尤其涉及一种确定业务数据展示图类型的方法、装置、设备和存储介质。
技术介绍
随着业务场景的增多，计算机能够处理的业务数据越来越多，业务人员为便于了解业务进展情况，通常需要对业务数据进行归纳总结分析，因此，如何更好的向业务人员展示业务数据成为重点需要解决的问题。一些业务场景下，业务数据可以包括节点数据和节点之间的连接关系数据，针对这种业务数据，由于各节点之间存在确定的连接关系，因此可以通过生成业务数据对应的展示图的方式展示业务数据的内容，便于业务人员快速了解业务数据的内容。一个例子中，业务数据的展示图可以包括业务数据对应的多个节点，各节点之间通过边连接。由于在生成业务数据对应的展示图时，展示图的类型直接影响到展示图的可读性，比如将同一份业务数据通过树形图的方式进行展示的可读性与通过流程图的方式进行展示的可读性不同，因此有必要提供一种技术方案，以在生成业务数据对应的展示图的场景下，准确确定业务数据对应的目标展示图类型。
技术实现思路
本说明书一个实施例的目的是提供一种确定业务数据展示图类型的方法、装置、设备和存储介质，以在生成业务数据对应的展示图的场景下，准确确定业务数据对应的目标展示图类型。为解决上述技术问题，本说明书一个实施例是这样实现的：本说明书一个实施例提供了一种确定业务数据展示图类型的方法，包括：获取第一业务场景下待确定展示图类型的业务数据。所述展示图类型表征所述业务数据的展示图中各节点的布局方式和各节点之间的边的布局方式。所述业务数据包括所述节点的节点标识、所述第一业务场景对应的业务维度标识、所述节点在所述业务维度的维度信息和所述节点之间的边的信息。根据所述节点标识、所述业务维度标识和所述节点在所述业务维度的维度信息，构建第一特征矩阵。所述第一特征矩阵用于表示所述节点的业务维度特征。根据所述节点标识和所述节点之间的边的信息，构建第二特征矩阵。所述第二特征矩阵用于表示所述节点之间的连接关系特征。根据所述第一特征矩阵、所述第二特征矩阵和预先训练的展示图类型预测模型，预测所述业务数据对应的目标展示图类型。本说明书一个实施例提供了一种确定业务数据展示图类型的装置，包括：获取模块，获取第一业务场景下待确定展示图类型的业务数据。所述展示图类型表征所述业务数据的展示图中各节点的布局方式和各节点之间的边的布局方式。所述业务数据包括所述节点的节点标识、所述第一业务场景对应的业务维度标识、所述节点在所述业务维度的维度信息和所述节点之间的边的信息。第一构建模块，根据所述节点标识、所述业务维度标识和所述节点在所述业务维度的维度信息，构建第一特征矩阵。所述第一特征矩阵用于表示所述节点的业务维度特征。第二构建模块，根据所述节点标识和所述节点之间的边的信息，构建第二特征矩阵。所述第二特征矩阵用于表示所述节点之间的连接关系特征。预测模块，根据所述第一特征矩阵、所述第二特征矩阵和预先训练的展示图类型预测模型，预测所述业务数据对应的目标展示图类型。本说明书一个实施例提供了一种确定业务数据展示图类型的设备，包括：处理器，以及被安排成存储计算机可执行指令的存储器。所述计算机可执行指令在被执行时使所述处理器实现上述所述的确定业务数据展示图类型的方法的步骤。本说明书一个实施例提供了一种存储介质，用于存储计算机可执行指令。所述计算机可执行指令在被执行时实现上述所述的确定业务数据展示图类型的方法的步骤。附图说明为了更清楚地说明本说明书一个或多个实施例中的技术方案，下面将对实施例或现有技术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说明书中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。图1为本说明书一实施例提供的确定业务数据展示图类型的方法的流程示意图；图2为本说明书一实施例提供的展示图类型预测模型的结构示意图；图3为本说明书另一实施例提供的展示图类型预测模型的结构示意图；图4为本说明书一实施例提供的模型训练方法的流程示意图；图5为本说明书另一实施例提供的模型训练方法的流程示意图；图6为本说明书一实施例提供的业务数据的展示图的示意图；图7为本说明书一实施例提供的确定业务数据展示图类型的装置的模块组成示意图；图8为本说明书一实施例提供的确定业务数据展示图类型的设备的结构示意图。具体实施方式为了使本
的人员更好地理解本说明书一个或多个实施例中的技术方案，下面将结合本说明书一个或多个实施例中的附图，对本说明书一个或多个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说明书的一部分实施例，而不是全部的实施例。基于本说明书一个或多个实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都应当属于本文件的保护范围。本说明书一个实施例的目的是提供一种确定业务数据展示图类型的方法，以在生成业务数据对应的展示图的场景下，准确确定业务数据对应的目标展示图类型。该方法可以应用在后台服务器中，由后台服务器执行。该方法能够基于GCN（GraphConvolutionalNetwork，图卷积神经网络）理论实现。图1为本说明书一实施例提供的确定业务数据展示图类型的方法的流程示意图，如图1所示，该流程包括以下步骤：步骤S102，获取第一业务场景下待确定展示图类型的业务数据；该展示图类型表征业务数据的展示图中各节点的布局方式和各节点之间的边的布局方式；业务数据包括节点的节点标识、第一业务场景对应的业务维度标识、节点在该业务维度的维度信息和节点之间的边的信息；步骤S104，根据上述节点标识、业务维度标识和节点在业务维度的维度信息，构建第一特征矩阵，第一特征矩阵用于表示节点的业务维度特征；步骤S106，根据上述节点标识和节点之间的边的信息，构建第二特征矩阵，第二特征矩阵用于表示节点之间的连接关系特征；步骤S108，根据第一特征矩阵、第二特征矩阵和预先训练的展示图类型预测模型，预测业务数据对应的目标展示图类型。本实施例中，首先获取第一业务场景下待确定展示图类型的业务数据，然后根据该业务数据构建第一特征矩阵和第二特征矩阵，最后根据第一特征矩阵、第二特征矩阵和预先训练的展示图类型预测模型，预测业务数据对应的目标展示图类型。可见，通过本实施例，能够在需要生成业务数据对应的展示图的场景下，准确确定业务数据对应的目标展示图类型，从而根据目标展示图类型生成业务数据的展示图，提高业务数据的展示图的可读性，便于业务人员通过业务数据的展示图准确了解业务数据。上述步骤S102中，第一业务场景可以举例为确定人物之间的人际关系的场景、或者确定企业之间资金往来关系的场景。第一业务场景下的业务数据可以通过展示图的形式展示出来，因此需要确定第一业务场景下的业务数据对应的展示图类型，即确定目标展示本文档来自技高网...

【技术保护点】
1.一种确定业务数据展示图类型的方法，包括：/n获取第一业务场景下待确定展示图类型的业务数据；所述展示图类型表征所述业务数据的展示图中各节点的布局方式和各节点之间的边的布局方式；所述业务数据包括所述节点的节点标识、所述第一业务场景对应的业务维度标识、所述节点在所述业务维度的维度信息和所述节点之间的边的信息；/n根据所述节点标识、所述业务维度标识和所述节点在所述业务维度的维度信息，构建第一特征矩阵，所述第一特征矩阵用于表示所述节点的业务维度特征；/n根据所述节点标识和所述节点之间的边的信息，构建第二特征矩阵，所述第二特征矩阵用于表示所述节点之间的连接关系特征；/n根据所述第一特征矩阵、所述第二特征矩阵和预先训练的展示图类型预测模型，预测所述业务数据对应的目标展示图类型。/n

【技术特征摘要】
1.一种确定业务数据展示图类型的方法，包括：
获取第一业务场景下待确定展示图类型的业务数据；所述展示图类型表征所述业务数据的展示图中各节点的布局方式和各节点之间的边的布局方式；所述业务数据包括所述节点的节点标识、所述第一业务场景对应的业务维度标识、所述节点在所述业务维度的维度信息和所述节点之间的边的信息；
根据所述节点标识、所述业务维度标识和所述节点在所述业务维度的维度信息，构建第一特征矩阵，所述第一特征矩阵用于表示所述节点的业务维度特征；
根据所述节点标识和所述节点之间的边的信息，构建第二特征矩阵，所述第二特征矩阵用于表示所述节点之间的连接关系特征；
根据所述第一特征矩阵、所述第二特征矩阵和预先训练的展示图类型预测模型，预测所述业务数据对应的目标展示图类型。


2.根据权利要求1所述的方法，根据所述节点标识、所述业务维度标识和所述节点在所述业务维度的维度信息，构建第一特征矩阵，包括：
建立第一二维矩阵，根据所述节点标识，设置所述第一二维矩阵的列数据与所述节点一一对应，根据所述业务维度标识，设置所述第一二维矩阵的行数据与所述业务维度一一对应；
根据所述节点在所述业务维度的维度信息，确定所述第一二维矩阵中各元素的元素值，将确定后的所述第一二维矩阵作为所述第一特征矩阵。


3.根据权利要求1所述的方法，根据所述节点标识和所述节点之间的边的信息，构建第二特征矩阵，包括：
建立第二二维矩阵，根据所述节点标识，设置所述第二二维矩阵的列数据与所述节点一一对应，设置所述第二二维矩阵的行数据与所述节点一一对应；
根据所述节点之间的边的信息，计算任意两个节点之间的边的数量，将该数量设置为所述第二二维矩阵中对应元素的元素值；
对设置后的所述第二二维矩阵进行傅里叶变换，得到所述第二特征矩阵。


4.根据权利要求1所述的方法，根据所述第一特征矩阵、所述第二特征矩阵和预先训练的展示图类型预测模型，预测所述业务数据对应的目标展示图类型，包括：
对所述第一特征矩阵和所述第二特征矩阵进行点积，得到第三特征矩阵；
将所述第三特征矩阵输入至所述展示图类型预测模型，通过所述展示图类型预测模型，预测所述业务数据对应的目标展示图类型。


5.根据权利要求4所述的方法，通过所述展示图类型预测模型，预测所述业务数据对应的目标展示图类型，包括：
通过所述展示图类型预测模型中的卷积层，利用预先训练的卷积核对所述第三特征矩阵进行至少一次卷积处理，得到第四特征矩阵，所述第四特征矩阵的行数为所述节点的数量，所述第四特征矩阵的列数为预定展示图类型的数量，所述第四特征矩阵的元素值表示对应节点相对于对应预定展示图类型的特征值；
通过所述展示图类型预测模型中的平均池化层，对所述第四特征矩阵进行平均池化处理，得到一维矩阵，所述一维矩阵的行数为1，所述一维矩阵的列数为所述预定展示图类型的数量，所述一维矩阵的元素值表示对应展示图类型的特征值；
通过所述展示图类型预测模型中的激活函数层，根据所述一维矩阵预测各个预定展示图类型与所述业务数据之间的匹配程度值，基于所述匹配程度值输出所述业务数据对应的目标展示图类型。


6.根据权利要求4所述的方法，通过所述展示图类型预测模型，预测所述业务数据对应的目标展示图类型，包括：
通过所述展示图类型预测模型中的卷积层，利用预先训练的卷积核对所述第三特征矩阵进行至少一次卷积处理，得到第四特征矩阵，所述第四特征矩阵的行数为所述节点的数量，所述第四特征矩阵的列数为预定展示图类型的数量，所述第四特征矩阵的元素值表示对应节点相对于对应预定展示图类型的特征值；
通过所述展示图类型预测模型中的分类器层，根据所述第四特征矩阵预测各个预定展示图类型与所述业务数据之间的匹配程度值，基于所述匹配程度值输出所述业务数据对应的目标展示图类型。


7.根据权利要求5所述的方法，所述展示图类型预测模型通过以下方式训练：
获取标记有目标展示图类型的样本业务数据，并构建所述样本业务数据对应的第一特征矩阵和第二特征矩阵，以及对所述样本业务数据对应的第一特征矩阵和第二特征矩阵进行点积，得到所述样本业务数据对应的第三特征矩阵；
构建包括待训练卷积层、平均池化层和激活函数层的待训练模型，将所述样本业务数据对应的第三特征矩阵和所述样本业务数据标记的目标展示图类型输入至所述待训练模型，以训练所述待训练卷积层中的待训练卷积核；
在所述待训练卷积核训练完成之后，将训练得到的模型作为所述展示图类型预测模型。


8.根据权利要求6所述的方法，所述展示图类型预测模型通过以下方式训练：
获取标记有目标展示图类型的样本业务数据，并构建所述样本业务数据对应的第一特征矩阵和第二特征矩阵，以及对所述样本业务数据对应的第一特征矩阵和第二特征矩阵进行点积，得到所述样本业务数据对应的第三特征矩阵；
构建包括待训练卷积层和待训练分类器层的待训练模型，将所述样本业务数据对应的第三特征矩阵和所述样本业务数据标记的目标展示图类型输入至所述待训练模型，以训练所述待训练卷积层中的待训练卷积核和所述待训练分类器层中的待训练分类器系数；
在所述待训练卷积核和所述待训练分类器系数训练完成之后，将训练得到的模型作为所述展示图类型预测模型。


9.根据权利要求7所述的方法，所述卷积核包括第三二维矩阵；所述第三二维矩阵的行数等于所述业务维度的数量，所述第三二维矩阵的列数等于所述预定展示图类型的数量；所述激活函数层包括softmax激活函数。


10.根据权利要求1至9任一项所述的方法，所述目标展示图类型包括树形图、环形图、力导向图、流程图、辐射图、网格图、同心圆图、弧线图中的至少一项。


11.一种确定业务数据展示图类型的装置，包括：
获取模块，获取第一业务场景下待确...

【专利技术属性】
技术研发人员：蔡耀华，王炜，
申请(专利权)人：支付宝杭州信息技术有限公司，
类型：发明
国别省市：浙江;33