结构化数据处理方法、装置及电子设备制造方法及图纸

本申请公开了一种结构化数据处理方法、装置及电子设备，属于通信技术领域。能够解决对结构化数据进行处理得到的处理结果的准确性较低的问题。该方法包括：获取目标事件对应的结构化数据，该结构化数据包括N条子数据，每条子数据分别对应一个用户标识，每条子数据包括与一个用户标识对应的M个特征参数；针对每条子数据，基于时间维度，对一条子数据的每个特征参数分别进行处理得到M个二维变量表，以得到N*M个二维变量表；其中，每个二维变量表包括与特征参数对应的至少一个特征变量；对N*M个二维变量表中的特征变量进行卷积神经网络处理，得到处理结果。本申请实施例应用于结构化数据处理的过程中。数据处理的过程中。数据处理的过程中。

【技术实现步骤摘要】
结构化数据处理方法、装置及电子设备


[0001]本申请属于通信
，具体涉及一种结构化数据处理方法、装置及电子设备。

技术介绍

[0002]通常，可以通过卷积神经网络(Convolutional Neural Networks，CNN)对图像数据进行处理，以将常规图像拆解为红、绿、蓝(三基色)三种颜色对图像数据进行分析，从而进行图像识别、物体识别和行为认知等。
[0003]然而上述方法中，由于通过卷积神经网络处理的数据多为图像数据，而对于结构化数据的处理较少，结构化数据的每条数据中的多个子数据的顺序是随机分布的，子数据之间没有直接的拓扑关系，从而导致通过卷积神经网络对结构化数据进行处理得到的处理结果的准确性较低。

技术实现思路

[0004]本申请实施例的目的是提供一种结构化数据处理方法、装置及电子设备，能够解决对结构化数据进行处理得到的处理结果的准确性较低的问题。
[0005]为了解决上述技术问题，本申请是这样实现的：
[0006]第一方面，本申请实施例提供了一种结构化数据处理方法，该方法包括：获取目本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种结构化数据处理方法，其特征在于，所述方法包括：获取目标事件对应的结构化数据，所述结构化数据包括N条子数据，每条子数据分别对应一个用户标识，所述每条子数据包括与一个所述用户标识对应的M个特征参数，N和M均为正整数；针对所述每条子数据，基于时间维度，对一条子数据的每个所述特征参数分别进行处理得到M个二维变量表，以得到N*M个二维变量表；其中，所述M个二维变量表中的每个二维变量表对应所述一条子数据的一个特征参数，每个所述二维变量表包括与所述特征参数对应的至少一个特征变量，每个所述特征变量分别为一个时间段内所述特征参数的取值；对所述N*M个二维变量表中的特征变量进行卷积神经网络处理，得到处理结果。2.根据权利要求1所述的方法，其特征在于，所述目标事件为运营商数据统计事件，所述结构化数据为运营商对应的用户通信数据，所述N条子数据为N个用户的通信数据，所述M个特征参数包括以下至少一项：呼入次数、短信发送次数、话费充值金额、套餐总额和拨打次数。3.根据权利要求1或2所述的方法，其特征在于，所述基于时间维度，对一条子数据的每个特征参数分别进行处理得到M个二维变量表，包括：对所述一条子数据的M个特征参数分别进行解析，得到每个特征参数在预设时长中的K个时间段，以及每个特征参数在每个时间段中对应的L个取值，以根据每个特征参数在一个时间段中对应的L个取值、所述一个时间段的上一个时间段对应的P个取值和所述一个时间段的下一个时间段对应的P个取值，得到M个二维变量表，K、P、L均为正整数。4.根据权利要求3所述的方法，其特征在于，L为小于28的正整数，并且L+2P≥28。5.根据权利要求1或2所述的方法，其特征在于，所述对所述N*M个二维变量表中的特征变量进行处理，得到处理结果，包括：对所述N*M个二维变量表中的特征变量进行处理得到分类器，并通过分类器对用户的通信数据进行处理，得到用户在所述目标事件中的预测结果。6.一种结构化数据处理装置...

【专利技术属性】
技术研发人员：梅子行，
申请(专利权)人：维沃移动通信有限公司，
类型：发明
国别省市：