时序数据处理模型训练方法、装置、设备及存储介质制造方法及图纸

本申请提供一种时序数据处理模型训练方法、装置、设备及存储介质，通过读取时序数据训练样本，并提取时序数据训练样本的目标时序特征，其中，时序数据训练样本内包括至少两条业务记录，目标时序特征表征时序数据训练样本内的业务记录在目标时间维度上的分布；基于时序数据训练样本的目标时序特征，得到对应的训练截止信息，训练截止信息用于表征使用时序数据训练样本训练模型时，模型的收敛条件；基于训练截止信息，利用时序数据训练样本对初始神经网络模型进行训练，得到目标神经网络模型，目标神经网络模型用于基于时序数据预测业务结果。提高训练效率，缩短训练时长，实现处理模型的快速建模，进而提高基于时序数据进行业务预测的时效性。测的时效性。测的时效性。

【技术实现步骤摘要】
时序数据处理模型训练方法、装置、设备及存储介质


[0001]本申请涉及大数据
，尤其涉及一种时序数据处理模型训练方法、装置、设备及存储介质。

技术介绍

[0002]当前，随着数据存储和处理能力的提高，各类业务开展过程中产生的业务数据也越来越多，业务数据中的数据价值也越来越受到重视，其中，时序数据是指基于特定的时间维度生成的业务数据，基于时序数据进行业务分析和预测，可以有效的提高业务处理效率，降低业务风险。
[0003]现有技术中，对时序数据进行分析处理的过程，通常是利用预训练的处理模型来实现的，处理模型训练效果的好坏，直接影响处理模型的性能。然而，现有技术中对处理模型进行训练的方案，存在训练效率低，训练耗时长的问题，影响基于时序数据进行业务预测的时效性。

技术实现思路

[0004]本申请提供一种时序数据处理模型训练方法、装置、设备及存储介质，用以解决处理模型训练效率低，训练耗时长的问题。
[0005]第一方面，本申请提供了一种时序数据处理模型训练方法，包括：
[0006]读取时序数据训练样本，并提取本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种时序数据处理模型训练方法，其特征在于，所述方法包括：读取时序数据训练样本，并提取时序数据训练样本的目标时序特征，其中，所述时序数据训练样本内包括至少两条业务记录，所述目标时序特征表征所述时序数据训练样本内的业务记录在目标时间维度上的分布；基于所述时序数据训练样本的目标时序特征，得到对应的训练截止信息，所述训练截止信息用于表征使用所述时序数据训练样本训练模型时，所述模型的收敛条件；基于所述训练截止信息，利用所述时序数据训练样本对初始神经网络模型进行训练，得到目标神经网络模型，所述目标神经网络模型用于基于时序数据预测业务结果。2.根据权利要求1所述的方法，其特征在于，所述提取时序数据训练样本的目标时序特征，包括：获取时序数据训练样本中各业务记录的记录类别，所述记录类别表征所述业务记录对应的业务内容；基于所述记录类别，对各业务记录进分类，得到各记录类别对应的业务记录组；基于目标业务记录组，进行时序特征提取，得到所述时序数据训练样本的目标时序特征。3.根据权利要求2所述的方法，其特征在于，所述基于目标业务记录组，进行时序特征提取，得到所述时序数据训练样本的目标时序特征，包括：获得所述目标业务记录组对应的目标记录类别；基于所述目标记录类别，得到对应的目标时间维度；基于所述目标时间维度，对所述目标业务记录组中的各业务记录进行数据合并，得到所述目标时序特征。4.根据权利要求2所述的方法，其特征在于，所述目标业务记录组包括至少两种记录类别的业务记录，所述基于目标业务记录组，进行时序特征提取，得到所述时序数据训练样本的目标时序特征，包括：获取各记录类别对应的匹配时间维度；将各所述记录类别对应在业务记录，在对应的匹配时间维度下进行合并，得到至少两个匹配时间维度对应的子维度时序特征；基于各记录类别对应的加权系数，对对应的子维度时序特征进行加权计算，得到所述目标时序特征，其中，所述加权系数表征对应的记录类别的业务记录对所述训练截止信息的影响程度。5.根据权利要求1所述的方法，其特征在于，在基于所述训练截止信息，利用所述时序数据训练样本对初始神经网络模型进行训练之前，还包括：基于所述训练截止信息，对所述时序数据训练样本进行格式化，生成格式化训练数据，其中，所...

【专利技术属性】
技术研发人员：滕竹，李鑫，
申请(专利权)人：中国农业银行股份有限公司，
类型：发明
国别省市：