本申请提出一种业务数据的处理方法、装置和电子设备。业务数据的处理方法包括：获取客户端在目标业务下的实时业务数据；对实时业务数据进行特征提取，得到客户端的候选实时中间特征，并将候选实时中间特征存储至目标存储空间中；对目标存储空间中存储的候选实时中间特征进行筛选，得到目标实时中间特征；对目标实时中间特征进行特征衍生，得到客户端的实时衍生特征；基于候选实时中间特征和/或实时衍生特征，对客户端进行分类识别。由此，可实现候选实时中间特征的实时存储、读取和特征衍生，提高了实时特征计算的可靠性和实时性，进而可提升大数据下客户端分类识别的准确性。升大数据下客户端分类识别的准确性。升大数据下客户端分类识别的准确性。
【技术实现步骤摘要】
业务数据的处理方法、装置和电子设备
[0001]本申请涉及计算机应用
，尤其涉及一种业务数据的处理方法、装置、电子设备和存储介质。
技术介绍
[0002]目前，随着互联网技术的不断发展，网络业务的类型较多，比如银行业务、保险业务、购物业务等，丰富了人们的生活，也大大提高了业务的处理效率。为了向客户端提供更优质的业务服务以及满足风控需求，需要对客户端的业务数据进行处理，以对客户端进行分类识别，然而，随着业务种类和客户端数量的不断增长，相关技术中业务数据的处理方法存在特征计算的可靠性和实时性低、客户端分类识别的准确性低等问题。
技术实现思路
[0003]本申请旨在至少在一定程度上解决相关技术中业务数据的处理方法存在特征计算的可靠性和实时性低、客户端分类识别的准确性低的技术问题之一。
[0004]为此，本申请第一方面实施例提出一种业务数据的处理方法，可实现候选实时中间特征的实时存储、读取和特征衍生，提高了实时特征计算的可靠性和实时性，进而可提升大数据下客户端分类识别的准确性。
[0005]本申请第二方面实施例提出一种业务数据的处理装置。
[0006]本申请第三方面实施例提出一种电子设备。
[0007]本申请第四方面实施例提出一种计算机可读存储介质。
[0008]本申请第一方面实施例提出了一种业务数据的处理方法，包括：获取客户端在目标业务下的实时业务数据；对所述实时业务数据进行特征提取，得到所述客户端的候选实时中间特征，并将所述候选实时中间特征存储至目标存储空间中；对所述目标存储空间中存储的所述候选实时中间特征进行筛选，得到目标实时中间特征；对所述目标实时中间特征进行特征衍生，得到所述客户端的实时衍生特征；基于所述候选实时中间特征和/或所述实时衍生特征，对所述客户端进行分类识别。
[0009]根据本申请实施例的业务数据的处理方法，可从客户端在目标业务下的实时业务数据中提取出客户端的候选实时中间特征，并将候选实时中间特征存储至目标存储空间中，从目标存储空间中存储的候选实时中间特征中筛选出目标实时中间特征，并对目标实时中间特征进行特征衍生，得到客户端的实时衍生特征，基于候选实时中间特征和/或实时衍生特征，对客户端进行分类识别。由此，可实现候选实时中间特征的实时存储、读取和特征衍生，提高了实时特征计算的可靠性和实时性，进而可提升大数据下客户端分类识别的准确性。
[0010]另外，根据本申请上述实施例的业务数据的处理方法还可以具有如下附加的技术特征：
[0011]在本申请的一个实施例中，所述对所述目标存储空间中存储的所述候选实时中间
特征进行筛选，得到目标实时中间特征，包括：获取用于特征筛选的特征标识；基于所述特征标识，对所述目标存储空间中存储的所述候选实时中间特征进行筛选，得到所述目标实时中间特征。
[0012]在本申请的一个实施例中，所述特征标识基于所述客户端的离线特征确定。
[0013]在本申请的一个实施例中，所述基于所述候选实时中间特征和/或所述实时衍生特征，对所述客户端进行分类识别，包括：基于所述候选实时中间特征和/或所述实时衍生特征对机器学习模型进行模型推理，由所述机器学习模型输出所述客户端的分类识别结果。
[0014]在本申请的一个实施例中，所述获取客户端在目标业务下的实时业务数据，包括：采集所述客户端在所述目标业务下的业务数据，并获取所述业务数据的采集时间；获取所述采集时间与当前时间之间的第一差值；将所述第一差值小于或者等于设定阈值的业务数据确定为所述实时业务数据。
[0015]在本申请的一个实施例中，还包括：获取所述候选实时中间特征的生成时间；获取所述生成时间与当前时间之间的第二差值；将所述第二差值大于设定阈值的候选实时中间特征确定为失效特征，并将所述失效特征从所述第一存储空间中删除。
[0016]在本申请的一个实施例中，所述将所述候选实时中间特征存储至目标存储空间中，包括：基于所述客户端的客户端标识和所述候选实时中间特征的特征标识，确定所述目标存储空间内所述候选实时中间特征对应的存储位置；将所述候选实时中间特征存储至对应的所述存储位置上。
[0017]在本申请的一个实施例中，所述对所述目标实时中间特征进行特征衍生，得到所述客户端的实时衍生特征，包括：获取用于特征衍生的衍生时间窗口；基于所述衍生时间窗口，对多个中间时间窗口的目标实时中间特征进行特征聚合，得到所述实时衍生特征。
[0018]本申请第二方面实施例提出了一种业务数据的处理装置，包括：获取模块，用于获取客户端在目标业务下的实时业务数据；存储模块，用于对所述实时业务数据进行特征提取，得到所述客户端的候选实时中间特征，并将所述候选实时中间特征存储至目标存储空间中；筛选模块，用于对所述目标存储空间中存储的所述候选实时中间特征进行筛选，得到目标实时中间特征；衍生模块，用于对所述目标实时中间特征进行特征衍生，得到所述客户端的实时衍生特征；分类模块，用于基于所述候选实时中间特征和/或所述实时衍生特征，对所述客户端进行分类识别。
[0019]本申请实施例的业务数据的处理装置，可从客户端在目标业务下的实时业务数据中提取出客户端的候选实时中间特征，并将候选实时中间特征存储至目标存储空间中，从目标存储空间中存储的候选实时中间特征中筛选出目标实时中间特征，并对目标实时中间特征进行特征衍生，得到客户端的实时衍生特征，基于候选实时中间特征和/或实时衍生特征，对客户端进行分类识别。由此，可实现候选实时中间特征的实时存储、读取和特征衍生，提高了实时特征计算的可靠性和实时性，进而可提升大数据下客户端分类识别的准确性。
[0020]另外，根据本申请上述实施例的业务数据的处理装置还可以具有如下附加的技术特征：
[0021]在本申请的一个实施例中，所述筛选模块，还用于：获取用于特征筛选的特征标识；基于所述特征标识，对所述目标存储空间中存储的所述候选实时中间特征进行筛选，得
到所述目标实时中间特征。
[0022]在本申请的一个实施例中，所述特征标识基于所述客户端的离线特征确定。
[0023]在本申请的一个实施例中，所述分类模块，还用于：基于所述候选实时中间特征和/或所述实时衍生特征对机器学习模型进行模型推理，由所述机器学习模型输出所述客户端的分类识别结果。
[0024]在本申请的一个实施例中，所述获取模块，还用于：采集所述客户端在所述目标业务下的业务数据，并获取所述业务数据的采集时间；获取所述采集时间与当前时间之间的第一差值；将所述第一差值小于或者等于设定阈值的业务数据确定为所述实时业务数据。
[0025]在本申请的一个实施例中，还包括：删除模块，所述删除模块，用于：获取所述候选实时中间特征的生成时间；获取所述生成时间与当前时间之间的第二差值；将所述第二差值大于设定阈值的候选实时中间特征确定为失效特征，并将所述失效特征从所述第一存储空间中删除。
[0026]在本申请的一个实施例中，所述存储模块，还用于：基于所本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种业务数据的处理方法，其特征在于，包括：获取客户端在目标业务下的实时业务数据；对所述实时业务数据进行特征提取，得到所述客户端的候选实时中间特征，并将所述候选实时中间特征存储至目标存储空间中；对所述目标存储空间中存储的所述候选实时中间特征进行筛选，得到目标实时中间特征；对所述目标实时中间特征进行特征衍生，得到所述客户端的实时衍生特征；基于所述候选实时中间特征和/或所述实时衍生特征，对所述客户端进行分类识别。2.根据权利要求1所述的方法，其特征在于，所述对所述目标存储空间中存储的所述候选实时中间特征进行筛选，得到目标实时中间特征，包括：获取用于特征筛选的特征标识；基于所述特征标识，对所述目标存储空间中存储的所述候选实时中间特征进行筛选，得到所述目标实时中间特征。3.根据权利要求2所述的方法，其特征在于，所述特征标识基于所述客户端的离线特征确定。4.根据权利要求1所述的方法，其特征在于，所述基于所述候选实时中间特征和/或所述实时衍生特征，对所述客户端进行分类识别，包括：基于所述候选实时中间特征和/或所述实时衍生特征对机器学习模型进行模型推理，由所述机器学习模型输出所述客户端的分类识别结果。5.根据权利要求1所述的方法，其特征在于，所述获取客户端在目标业务下的实时业务数据，包括：采集所述客户端在所述目标业务下的业务数据，并获取所述业务数据的采集时间；获取所述采集时间与当前时间之间的第一差值；将所述第一差值小于或者等于设定阈值的业务数据确定为所述实时业务数据。6.根据权利要求1所述的方法，其特征在于，还包括：获取所述候选实时中间特征的生成时间；获取所述生成时间与当前时间之间的第二差值；将所述第二差值大于设定阈值的候选实时中间特征确定为失效特征，并将所述失效特征从所述第一存储空间中删除。7.根据权利要求1所述的方法，其特征在于，所述将所述候选实时中间特征存储至目标存储空间中，包括：基于所述客户端的客户端标识和所述候选实时中间特征的特征标识，确定所述目标存储空间内所述候选实时中间特征对应的存储位置；将所述候选实时中间特征存储至对应的所述存储位置上。8.根据权利要求1所述的方法，其特征在于，所述对所述目标实时中间特征进行特征衍生，得到所述客户端的实时衍生特征，包括：获取用于特征衍生的衍生时间窗口；基于所述衍生时间窗口，对多个中间时间窗口的目标实时中间特征进行特征聚合，得到所述实时衍生特征。
9.一种业务数据的处理装置，其特征在于，包括：获取模块，用于获取客户端在目标业务下的实时业务数据；存储模块，用于对所述实时业务数...
【专利技术属性】
技术研发人员：刘瑞东，张德，黄志翔，
申请(专利权)人：京东科技控股股份有限公司，
类型：发明
国别省市：
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。