一种基于长度整合的业务特征处理方法、装置和电子设备制造方法及图纸

本说明书实施例提供一种基于长度整合的业务特征处理方法，获取用户在业务上同属性的多个特征，按照预设的密集度参数生成多维特征序列，并提取多维特征序列中的局部特征序列，确定多维特征序列与局部特征序列之间的多个映射路径，确定各映射路径的累计距离，筛选累计距离最短的映射路径，作为最优路径，根据最优路径中的特征对应关系将多维特征序列与局部特征序列整合至同等长度，确定整合长度后的多维特征序列与多维特征序列的距离相似度，根据距离相似度，确定用户的特征变化属性信息。通过确定的特征变化属性信息以便快速提供服务，降低数据查询故障风险，提升服务安全性。提升服务安全性。提升服务安全性。

【技术实现步骤摘要】
一种基于长度整合的业务特征处理方法、装置和电子设备


[0001]本申请涉及计算机领域，尤其涉及一种基于长度整合的业务特征处理方法、装置和电子设备。

技术介绍

[0002]在开展业务时，随着时间的进行会产生一些业务信息，这些业务信息一定程度能够反映用户或者环境的变化，因此，业内需要关注其变化，以便及时采取应对策略，提升经营水平。
[0003]目前，业内在计算变化属性信息时，多是将一个大时间段划分为多个不相交的等长时间段，由于划分的时间段等长，因此，特征个数相同，不同时间段间特征可一一对应，因而能够直接对比计算变化属性。
[0004]然而，这种方式无法兼顾大时间段内特征的整体性，使得最终得到的变化属性准确度较低，导致数据查询故障风险较高，服务安全性较差。
[0005]然而，如果将大时间段内整体的多个特征作为对比方之一，业内目前又缺乏与其对比计算变化属性的对比方以及处理方法。
[0006]在这种情况下，有必要提供一种新的方法，以兼顾时间上的整体性，提高业务特征变化属性的计算准确度，以便快速提供服务，降低数据查询故障风险本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于长度整合的业务特征处理方法，其特征在于，包括：获取用户在业务上同属性的多个特征，按照预设的密集度参数生成多维特征序列，并提取所述多维特征序列中的局部特征序列；确定所述多维特征序列与局部特征序列之间的多个映射路径；确定各映射路径的累计距离，筛选累计距离最短的映射路径，作为最优路径；根据所述最优路径中的特征对应关系将所述多维特征序列与局部特征序列整合至同等长度，确定整合长度后的所述多维特征序列与多维特征序列的距离相似度；根据所述距离相似度，确定所述用户的特征变化属性信息。2.根据权利要求1所述的方法，其特征在于，所述获取用户在业务上的同属性的多个特征，按照预设的密集度参数生成多维特征序列，包括：按照距离当前时刻的时间间隔长短，收集多个时间段的特征，根据所述预设的时间密集度参数创建特征容器，并按照各时间段的先后顺序将根据对应的特征存入所述特征容器，所述特征容器中具有多维特征序列。3.根据权利要求1
‑
2中任一项所述的方法，其特征在于，所述确定所述多维特征序列与局部特征序列之间的多个映射路径，包括：按照序列中的特征顺序遍历所述多维时序特征与局部时序特征中的特征，为遍历到的特征分配另一队列中至少一个特征，建立对应关系，记录遍历过程产生的对应关系作为序列间的映射路径。4.根据权利要求1
‑
3中任一项所述的方法，其特征在于，所述根据所述最优路径中的特征对应关系将所述多维特征序列与局部特征序列整合至同等长度，确定整合长度后的所述多维特征序列与多维特征序列的距离相似度，包括：将所述多维特征序列中对应同一特征的多个特征进行归并，得到与所述局部特征序列长度相同的多维特征序列；对局部特征序列和归并后的多维特征序列分别构建特征向量，计算特征向量之间的相似度，作为所述多维特征序列与局部特征序列的距离相似度。5.根据权利要求1
‑
4中任一项所述的方法，其特征在于，所述将所述多维特征序列中对应同一特征的多个特征进行归...

【专利技术属性】
技术研发人员：周奕璇，孙涛，
申请(专利权)人：上海淇玥信息技术有限公司，
类型：发明
国别省市：