【技术实现步骤摘要】
数据特征的提取方法、业务对象分类方法及装置
本申请涉及数据处理
，特别是涉及一种数据特征的提取方法、装置、计算机可读存储介质和计算机设备，以及一种业务对象分类方法、装置、计算机可读存储介质和计算机设备。
技术介绍
随着大数据技术的发展，从数据中获取数据特征有助于帮助人们对不同行业进行分析研究。例如，从用户的支付数据中提取出特征数据有利于开发征信模型或营销类模型。但是，传统的针对用户支付数据的特征提取，一般是从支付场景、支付频次、支付货币类型等维度提取信息，所延伸出的特征信息量少、难以满足后续人工智能模型的使用。
技术实现思路
基于此，有必要针对传统的数据特征提取信息量小的技术问题，提供数据特征的提取方法、装置、计算机可读存储介质和计算机设备，以及一种业务对象分类方法、装置、计算机可读存储介质和计算机设备。一种数据特征的提取方法，包括：获取资源转移数据；根据所述资源转移数据的转移对象类型以及转移时间点，确定在不同的转移时间统计周期内，与不同转移对象类型对应的资源转移数据的资源转...
【技术保护点】
1.一种数据特征的提取方法，包括：/n获取资源转移数据；/n根据所述资源转移数据的转移对象类型以及转移时间点，确定在不同的转移时间统计周期内，与不同转移对象类型对应的资源转移数据的资源转移总量；/n利用所述资源转移总量生成资源转移图谱；/n通过预先构建的图像特征提取模型获取所述资源转移图谱的图像特征向量，将所述图像特征向量确定为所述资源转移数据的资源转移特征向量；/n根据所述资源转移数据的资源转移特征向量构建机器学习模型。/n
【技术特征摘要】
1.一种数据特征的提取方法，包括：
获取资源转移数据；
根据所述资源转移数据的转移对象类型以及转移时间点，确定在不同的转移时间统计周期内，与不同转移对象类型对应的资源转移数据的资源转移总量；
利用所述资源转移总量生成资源转移图谱；
通过预先构建的图像特征提取模型获取所述资源转移图谱的图像特征向量，将所述图像特征向量确定为所述资源转移数据的资源转移特征向量；
根据所述资源转移数据的资源转移特征向量构建机器学习模型。
2.根据权利要求1所述的方法，其特征在于，所述利用所述资源转移总量生成资源转移图谱的步骤，包括：
确定各所述资源转移总量所属的转移对象类型以及转移时间统计周期；
根据所述资源转移总量所属的转移对象类型以及转移时间统计周期，对所述资源转移总量进行排列得到资源转移矩阵；
将资源转移矩阵在各个矩阵元上的资源转移总量转换为灰度值，根据各矩阵元上的灰度值生成资源转移图谱。
3.根据权利要求2所述的方法，其特征在于，所述根据所述资源转移总量所属的转移对象类型以及转移时间统计周期，对所述资源转移总量进行排列得到资源转移矩阵的步骤，包括：
以转移时间统计周期为横轴、转移对象类型为竖轴，对各所述资源转移总量进行排列，得到资源转移矩阵。
4.根据权利要求2所述的方法，其特征在于，所述根据所述资源转移总量所属的转移对象类型以及转移时间统计周期，对所述资源转移总量进行排列得到资源转移矩阵的步骤，包括：
以转移时间统计周期为竖轴、转移对象类型为横轴，对各所述资源转移总量进行排列，得到资源转移矩阵。
5.根据权利要求1所述的方法，其特征在于，所述图像特征提取模型包括卷积层、激励层以及池化层，所述通过预先构建的图像特征提取模型获取所述资源转移图谱的图像特征向量的步骤，包括：
将所述资源转移图谱输入至所述卷积层进行特征映射，得到第一特征图；
将所述第一特征图输入至所述激励层进行非线性映射，得到第二特征图；
将所述第二特征图输入至所述池化层进行稀疏处理，得到图像特征向量。
6.根据权利要求1所述的方法，其特征在于，所述通过预先构建的图像特征提取模型获取所述资源转移图谱的图像特征向量的步骤之前，还包括：
获取训练样本数据集，所述训练样本数据集包括资源转移样本数据以及所述资源转移样本数据的样本标签；
根据所述资源转移样本数据的转移对象类型以及转移时间点，确定在不同的转移时间统计周期内，与不同转移对象类型对应的资源转移样本数据的资源...
【专利技术属性】
技术研发人员：刘洋，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：广东;44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。