基于大数据的智能化业务处理方法及系统技术方案

本申请实施例中，提供了一种基于大数据的智能化业务处理方法，首先获取待处理业务大数据中每个阶段性业务事件所对应的潜在数据画像，得到x个潜在数据画像，然后根据x个潜在数据画像确定x个潜在数据画像影响度，再根据x个潜在数据画像影响度确定x个数据画像关键内容，最后基于x个数据画像关键内容，通过机器学习模型获取待处理业务大数据所对应的x个阶段性业务需求信息。通过上述方式，可利用机器学习模型精准、快速地定位并获取阶段性业务需求信息，不需要采用其他处理方式进一步挖掘阶段性业务需求信息，在一定程度上减少了挖掘阶段性业务需求信息所耗费的时间和资源，从而提高阶段性业务需求信息的获取效率。阶段性业务需求信息的获取效率。阶段性业务需求信息的获取效率。

【技术实现步骤摘要】
基于大数据的智能化业务处理方法及系统


[0001]本专利技术涉及大数据和智能业务
，具体而言，涉及一种基于大数据的智能化业务处理方法及系统。

技术介绍

[0002]大数据是指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。随着数据量的增长、业务的可用性和重要性的增加，大数据技术的落地化应用越来越广泛，已经在区块链金融、政企云服务、在线办公、在线教育等领域得到了成熟的使用。然而，随着人工智能和云计算的发展，在线业务量激增，这给大数据处理和挖掘带来了挑战，相关的大数据挖掘分析技术存在实施效率低下的问题。

技术实现思路

[0003]为了改善上述问题，本专利技术提供了一种基于大数据的智能化业务处理方法及系统。
[0004]第一方面，提供一种基于大数据的智能化业务处理方法，应用于智能化业务处理系统，所述方法包括：
[0005]获取待处理业务大数据中每个阶段性业务事件所对应的潜在数据画像，得到x个潜在数据画像，其中，所述待处理业务大数据包括x个阶段性业务事件，且所述阶段性业务事件与所述潜在数据画像具有唯一对应的关系，所述x为大于或等于1的整数；
[0006]根据所述x个潜在数据画像确定x个潜在数据画像影响度，其中，所述潜在数据画像影响度表示所述阶段性业务事件针对所述待处理业务大数据在第一业务状态下的需求影响，所述潜在数据画像影响度与所述阶段性业务事件具有唯一对应的关系；
[0007]根据所述x个潜在数据画像影响度确定x个数据画像关键内容，其中，所述数据画像关键内容与所述阶段性业务事件具有唯一对应的关系；
[0008]基于所述x个数据画像关键内容，通过机器学习模型获取所述待处理业务大数据所对应的x个阶段性业务需求信息，其中，所述阶段性业务需求信息与所述阶段性业务事件具有唯一对应的关系。
[0009]优选的，所述获取待处理业务大数据中每个阶段性业务事件所对应的潜在数据画像，得到x个潜在数据画像，包括：
[0010]针对于所述待处理业务大数据中的第y个阶段性业务事件，获取所述第y个阶段性业务事件所对应的量化描述，其中，所述第y个阶段性业务事件为所述x个阶段性业务事件中的任意一个阶段性业务事件，所述y为大于或等于0，且小于所述x的整数；
[0011]针对于所述待处理业务大数据中的所述第y个阶段性业务事件，获取所述第y个阶段性业务事件所对应的潜在数据画像标签；
[0012]针对于所述待处理业务大数据中的所述第y个阶段性业务事件，根据所述第y个阶
段性业务事件所对应的潜在数据画像标签以及所述第y个阶段性业务事件所对应的量化描述，确定所述第y个阶段性业务事件所对应的潜在数据画像。
[0013]优选的，所述根据所述x个潜在数据画像确定x个潜在数据画像影响度，包括：
[0014]针对于所述待处理业务大数据中的第y个阶段性业务事件，根据所述第y个阶段性业务事件的潜在数据画像确定所述第y个阶段性业务事件所对应的事件解析结果，其中，所述第y个阶段性业务事件为所述x个阶段性业务事件中的任意一个阶段性业务事件，所述y为大于或等于0，且小于所述x的整数；
[0015]针对于所述待处理业务大数据中的所述第y个阶段性业务事件，获取所述第y个阶段性业务事件所对应的潜在数据画像标签；
[0016]针对于所述待处理业务大数据中的所述第y个阶段性业务事件，根据所述第y个阶段性业务事件所对应的潜在数据画像标签以及所述第y个阶段性业务事件所对应的事件解析结果，确定所述第y个阶段性业务事件所对应的潜在数据画像影响度。
[0017]优选的，所述根据所述x个潜在数据画像影响度确定x个数据画像关键内容，包括：
[0018]针对于所述待处理业务大数据中的第y个阶段性业务事件，获取所述第y个阶段性业务事件所对应的全局化潜在算法，其中，所述第y个阶段性业务事件为所述x个阶段性业务事件中的任意一个阶段性业务事件，所述y为大于或等于0，且小于所述x的整数；
[0019]针对于所述待处理业务大数据中的所述第y个阶段性业务事件，根据所述第y个阶段性业务事件所对应的全局化潜在算法以及所述第y个阶段性业务事件所对应的潜在数据画像影响度，确定所述第y个阶段性业务事件所对应的数据画像关键内容。
[0020]优选的，所述基于所述x个数据画像关键内容，通过机器学习模型获取所述待处理业务大数据所对应的x个阶段性业务需求信息，包括：
[0021]基于所述x个数据画像关键内容，通过所述机器学习模型所包括的至少一组特征提取单元获取x个目标关键内容；
[0022]基于所述x个目标关键内容，通过所述机器学习模型所包括的至少一组全连接神经网络获取x个阶段性业务需求信息。
[0023]优选的，所述基于所述x个数据画像关键内容，通过机器学习模型获取所述待处理业务大数据所对应的x个阶段性业务需求信息之前，所述方法还包括：
[0024]获取待训练业务大数据中每个待训练业务事件所对应的待训练潜在数据画像，得到x个待训练潜在数据画像，其中，所述待训练业务大数据包括x个待训练业务事件，且所述待训练业务事件与所述待训练潜在数据画像具有唯一对应的关系；
[0025]根据所述x个待训练潜在数据画像确定x个待训练潜在数据画像影响度，其中，所述待训练潜在数据画像影响度与所述待训练业务事件具有唯一对应的关系；
[0026]根据所述x个待训练潜在数据画像影响度确定x个待训练数据画像关键内容，其中，所述待训练数据画像关键内容与所述待训练业务事件具有唯一对应的关系；
[0027]基于所述x个待训练数据画像关键内容，通过待训练机器学习模型获取所述待训练业务大数据所对应的x个待训练阶段性业务需求信息，其中，所述待训练阶段性业务需求信息与所述待训练业务事件具有唯一对应的关系；
[0028]获取积极性业务大数据所对应的x个正例阶段性业务需求信息；
[0029]根据所述x个正例阶段性业务需求信息以及所述x个待训练阶段性业务需求信息，
对所述待训练机器学习模型进行训练，直到符合训练评价指标，输出所述机器学习模型。
[0030]优选的，所述获取积极性业务大数据所对应的x个正例阶段性业务需求信息，包括：
[0031]获取积极性业务大数据中每个正例业务事件所对应的正例潜在数据画像，得到x个正例潜在数据画像，其中，所述积极性业务大数据包括x个正例业务事件，且所述正例业务事件与所述正例潜在数据画像具有唯一对应的关系；
[0032]根据所述x个正例潜在数据画像确定x个正例潜在数据画像影响度，其中，所述正例潜在数据画像影响度与所述正例潜在数据画像具有唯一对应的关系；
[0033]根据所述x个正例潜在数据画像影响度确定x个正例数据画像关键内容，其中，所述正例数据画像关键内容与所述正例业务事件具有唯一对应的关系；
[0034]本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于大数据的智能化业务处理方法，其特征在于，应用于智能化业务处理系统，所述方法包括：获取待处理业务大数据中每个阶段性业务事件所对应的潜在数据画像，得到x个潜在数据画像，其中，所述待处理业务大数据包括x个阶段性业务事件，且所述阶段性业务事件与所述潜在数据画像具有唯一对应的关系，所述x为大于或等于1的整数；根据所述x个潜在数据画像确定x个潜在数据画像影响度，其中，所述潜在数据画像影响度表示所述阶段性业务事件针对所述待处理业务大数据在第一业务状态下的需求影响，所述潜在数据画像影响度与所述阶段性业务事件具有唯一对应的关系；根据所述x个潜在数据画像影响度确定x个数据画像关键内容，其中，所述数据画像关键内容与所述阶段性业务事件具有唯一对应的关系；基于所述x个数据画像关键内容，通过机器学习模型获取所述待处理业务大数据所对应的x个阶段性业务需求信息，其中，所述阶段性业务需求信息与所述阶段性业务事件具有唯一对应的关系。2.根据权利要求1所述的方法，其特征在于，所述获取待处理业务大数据中每个阶段性业务事件所对应的潜在数据画像，得到x个潜在数据画像，包括：针对于所述待处理业务大数据中的第y个阶段性业务事件，获取所述第y个阶段性业务事件所对应的量化描述，其中，所述第y个阶段性业务事件为所述x个阶段性业务事件中的任意一个阶段性业务事件，所述y为大于或等于0，且小于所述x的整数；针对于所述待处理业务大数据中的所述第y个阶段性业务事件，获取所述第y个阶段性业务事件所对应的潜在数据画像标签；针对于所述待处理业务大数据中的所述第y个阶段性业务事件，根据所述第y个阶段性业务事件所对应的潜在数据画像标签以及所述第y个阶段性业务事件所对应的量化描述，确定所述第y个阶段性业务事件所对应的潜在数据画像。3.根据权利要求1所述的方法，其特征在于，所述根据所述x个潜在数据画像确定x个潜在数据画像影响度，包括：针对于所述待处理业务大数据中的第y个阶段性业务事件，根据所述第y个阶段性业务事件的潜在数据画像确定所述第y个阶段性业务事件所对应的事件解析结果，其中，所述第y个阶段性业务事件为所述x个阶段性业务事件中的任意一个阶段性业务事件，所述y为大于或等于0，且小于所述x的整数；针对于所述待处理业务大数据中的所述第y个阶段性业务事件，获取所述第y个阶段性业务事件所对应的潜在数据画像标签；针对于所述待处理业务大数据中的所述第y个阶段性业务事件，根据所述第y个阶段性业务事件所对应的潜在数据画像标签以及所述第y个阶段性业务事件所对应的事件解析结果，确定所述第y个阶段性业务事件所对应的潜在数据画像影响度。4.根据权利要求1所述的方法，其特征在于，所述根据所述x个潜在数据画像影响度确定x个数据画像关键内容，包括：针对于所述待处理业务大数据中的第y个阶段性业务事件，获取所述第y个阶段性业务事件所对应的全局化潜在算法，其中，所述第y个阶段性业务事件为所述x个阶段性业务事件中的任意一个阶段性业务事件，所述y为大于或等于0，且小于所述x的整数；
针对于所述待处理业务大数据中的所述第y个阶段性业务事件，根据所述第y个阶段性业务事件所对应的全局化潜在算法以及所述第y个阶段性业务事件所对应的潜在数据画像影响度，确定所述第y个阶段性业务事件所对应的数据画像关键内容。5.根据权利要求1所述的方法，其特征在于，所述基于所述x个数据画像关键内容，通过机器学习模型获取所述待处理业务大数据所对应的x个阶段性业务需求信息，包括：基于所述x个数据画像关键内容，通过所述机器学习模型所包括的至少一组特征提取单元获取x个目标关键内容；基于所述x个目标关键内容，通过所述机器学习模型所包括的至少一组全连接神经网络获取x个阶段性业务需求信息。6.根据权利要求1至5中任一项所述的方法，其特征在于，所述基于所述x个数据画像关键内容，通过机器学习模型获取所述待处理业务大数据所对应的x个阶段性业务需求信息之前，所述方法还包括：获取待训练业务大数据中每个待训练业务事件所对应的待训练潜在数据画像，得到x个待训练潜在数据画像，其中，所述待训练业务大数据包括x个待训练业务事件，且所述待训练业务事件与所述待训练潜在数据画像具有唯一对应的关系；根据所述x个待训练潜在数据画像确定x个待训练潜在数据画像影响度，其中，所述待训练潜在数据画像影响度与所述待训练业务事件具有唯一对应的关系；根据所述x个待训练潜在数据画像影响度确定x个待训练数据画像关键内容，其中，所述待训练数据画像关键内容与所述待训练业务事件具有唯一对应的关系；基于所述x个待训练数据画像关键内容，通过待训练机器学习模型获取所述待训练业务大数据所对应的x个待训练阶段性业务需求信息，其中，所述待训练阶段性业务需求信息与所述待训练业务事件具有唯一对应的关系；获取积极性业务大数据所对应的x个正例阶段性业务需求信息；根据所述x个正例阶段性业务需求信息以及所述x个待训练阶段性业务需求信息，对所述待训练机器学习模型进行训练，直到符合训练评价指标，输出所述机器学习模型。7.根据权利要求6所述的方法，其特征在于，所述获取积极性业务大数据所对应的x个正例阶段性业务需求信息，包括：获取积极性业务大数据中每个正例业务事件所对应的正例潜在数据画像，得到x个正例潜在数据画像，其中，所述积极性业务大数据包括x个正例业务事件，且所述正例业务事件与所述正例潜在数据画像具有唯一对应的关系；根据所述x个正例潜在数据画像确定x个正例潜在数据画...

【专利技术属性】
技术研发人员：崔岩莉，郝席，高厚良，
申请(专利权)人：中投国信北京科技发展有限公司，
类型：发明
国别省市：