本申请涉及大数据技术领域，特别是涉及一种业务数据的处理方法、装置、计算机设备、存储介质和计算机程序产品。按照预设的分类维度将待处理的业务数据划分为多类视图数据；针对各类视图数据，利用视图数据构建特征矩阵，并基于特征矩阵和视图数据构建目标优化函数；对目标优化函数进行求解，获取业务数据的特征提取结果；特征提取结果用于表征业务数据的特征信息。采用本方法能够提高得到表征业务数据的特征信息的特征提取结果的效率，也就是说，通过该过程提高了得到业务数据的特征信息的效率。该过程提高了得到业务数据的特征信息的效率。该过程提高了得到业务数据的特征信息的效率。
【技术实现步骤摘要】
业务数据的处理方法、装置、设备、存储介质和程序产品
[0001]本申请涉及大数据
，特别是涉及一种业务数据的处理方法、装置、设备、存储介质和程序产品。
技术介绍
[0002]随着信息技术的发展，各行业产生了大量的业务数据，例如，在金融行业中产生了大量的业务数据。通过对这些业务数据进行有效地分析，能够基于分析结果辅助企业制定更加优化的运维策略。
[0003]传统技术中，主要是通过机器学习的方法对业务数据进行分析。但是，由于待分析的业务数据的数据量较大、数据维度较高、数据间关系比较复杂等因素的影响，使得传统方法存在对业务数据分析效率较低的问题。
技术实现思路
[0004]基于此，有必要针对上述技术问题，提供一种能够提高业务数据的分析效率的业务数据的处理方法、装置、设备、存储介质和程序产品。
[0005]第一方面，本申请提供了一种业务数据的处理方法，所述方法包括：
[0006]按照预设的分类维度将待处理的业务数据划分为多类视图数据；
[0007]针对各类所述视图数据，利用所述视图数据构建特征矩阵，并基于所述特征矩阵和所述视图数据构建目标优化函数；
[0008]对所述目标优化函数进行求解，获取所述业务数据的特征提取结果；所述特征提取结果用于表征所述业务数据的特征信息。
[0009]在其中一个实施例中，所述特征矩阵为第一特征矩阵或第二特征矩阵；所述针对各类所述视图数据，利用所述视图数据构建特征矩阵，包括：
[0010]确定所述业务数据是否具有标签；所述标签用于表征所述业务数据的类型信息；
[0011]若是，则利用所述视图数据和所述视图数据对应的标签构建所述第一特征矩阵；
[0012]若否，则利用所述视图数据构建所述第二特征矩阵。
[0013]在其中一个实施例中，所述利用所述视图数据和所述视图数据对应的标签构建所述第一特征矩阵，包括：
[0014]对所述视图数据进行排序，得到排序后的视图数据；
[0015]根据所述排序后的视图数据对应的标签和所述排序后的视图数据的位置信息，构建所述第一特征矩阵。
[0016]在其中一个实施例中，所述基于所述特征矩阵和所述视图数据构建目标优化函数，包括：
[0017]基于所述第一特征矩阵和所述视图数据，构建所述目标优化函数。
[0018]在其中一个实施例中，所述方法还包括：
[0019]获取目标视图数据中占比最大的目标标签；所述目标视图数据为与所述视图数据
的距离小于预设阈值的多个视图数据；
[0020]将所述目标标签确定为所述视图数据的重构标签，并根据所述视图数据和所述视图数据对应的重构标签构建优化后的第一特征矩阵；
[0021]基于所述优化后的第一特征矩阵和所述视图数据构建调整后的目标优化函数；
[0022]对所述调整后的目标优化函数进行求解，获取所述特征提取结果。
[0023]在其中一个实施例中，所述利用所述视图数据构建所述特征矩阵，包括：
[0024]基于所述视图数据的近邻关系信息，构建所述第二特征矩阵。
[0025]在其中一个实施例中，所述基于所述特征矩阵和所述视图数据构建目标优化函数，包括：
[0026]基于所述第二特征矩阵和所述视图数据，构建所述目标优化函数。
[0027]在其中一个实施例中，所述对所述目标优化函数进行求解，获取所述业务数据的特征提取结果，包括：
[0028]对所述目标优化函数求解，获取所述业务数据的特征提取矩阵；
[0029]基于所述特征提取矩阵，获取所述特征提取结果。
[0030]在其中一个实施例中，所述方法还包括：
[0031]利用所述特征提取矩阵和新的待处理的业务数据，获取所述新的待处理的业务数据的特征提取结果。
[0032]第二方面，本申请还提供了一种业务数据的处理装置，所述装置包括：
[0033]划分模块，用于按照预设的分类维度将待处理的业务数据划分为多类视图数据；
[0034]第一构建模块，用于针对各类所述视图数据，利用所述视图数据构建特征矩阵，并基于所述特征矩阵和所述视图数据构建目标优化函数；
[0035]第一获取模块，用于对所述目标优化函数进行求解，获取所述业务数据的特征提取结果；所述特征提取结果用于表征所述业务数据的特征信息。
[0036]第三方面，本申请还提供了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
[0037]按照预设的分类维度将待处理的业务数据划分为多类视图数据；
[0038]针对各类所述视图数据，利用所述视图数据构建特征矩阵，并基于所述特征矩阵和所述视图数据构建目标优化函数；
[0039]对所述目标优化函数进行求解，获取所述业务数据的特征提取结果；所述特征提取结果用于表征所述业务数据的特征信息。
[0040]第四方面，本申请还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
[0041]按照预设的分类维度将待处理的业务数据划分为多类视图数据；
[0042]针对各类所述视图数据，利用所述视图数据构建特征矩阵，并基于所述特征矩阵和所述视图数据构建目标优化函数；
[0043]对所述目标优化函数进行求解，获取所述业务数据的特征提取结果；所述特征提取结果用于表征所述业务数据的特征信息。
[0044]第五方面，本申请还提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：
[0045]按照预设的分类维度将待处理的业务数据划分为多类视图数据；
[0046]针对各类所述视图数据，利用所述视图数据构建特征矩阵，并基于所述特征矩阵和所述视图数据构建目标优化函数；
[0047]对所述目标优化函数进行求解，获取所述业务数据的特征提取结果；所述特征提取结果用于表征所述业务数据的特征信息。
[0048]上述业务数据的处理方法、装置、设备、存储介质和程序产品，按照预设的分类维度能够将待处理的业务数据划分为多类视图数据，针对各类视图数据，可以利用视图数据构建特征矩阵，并基于该特征矩阵和每一类视图数据构建目标优化函数，由于构建的特征矩阵能够表征视图数据的特征信息，且构建的特征矩阵能够在高维数据特征空间中抽取包含数据有用信息的低维特征，得到的特征矩阵的维度相比于视图数据的维度较低，这样能够基于特征矩阵和视图数据快速地构建目标优化函数，提高了构建目标优化函数的效率，而业务数据的特征提取结果是对目标优化函数进行求解得到，这样也提高了得到的表征业务数据的特征信息的特征提取结果的效率，也就是说，通过该过程提高了得到业务数据的特征信息的效率。
附图说明
[0049]图1为一个实施例中业务数据的处理方法的流程示意图；
[0050]图2为另一个实施例中业务数据的处理方法的流本文档来自技高网...
【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，所述方法包括：按照预设的分类维度将待处理的业务数据划分为多类视图数据；针对各类所述视图数据，利用所述视图数据构建特征矩阵，并基于所述特征矩阵和所述视图数据构建目标优化函数；对所述目标优化函数进行求解，获取所述业务数据的特征提取结果；所述特征提取结果用于表征所述业务数据的特征信息。2.根据权利要求1所述的方法，其特征在于，所述特征矩阵为第一特征矩阵或第二特征矩阵；所述针对各类所述视图数据，利用所述视图数据构建特征矩阵，包括：确定所述业务数据是否具有标签；所述标签用于表征所述业务数据的类型信息；若是，则利用所述视图数据和所述视图数据对应的标签构建所述第一特征矩阵；若否，则利用所述视图数据构建所述第二特征矩阵。3.根据权利要求2所述的方法，其特征在于，所述利用所述视图数据和所述视图数据对应的标签构建所述第一特征矩阵，包括：对所述视图数据进行排序，得到排序后的视图数据；根据所述排序后的视图数据对应的标签和所述排序后的视图数据的位置信息，构建所述第一特征矩阵。4.根据权利要求3所述的方法，其特征在于，所述基于所述特征矩阵和所述视图数据构建目标优化函数，包括：基于所述第一特征矩阵和所述视图数据，构建所述目标优化函数。5.根据权利要求3或4所述的方法，其特征在于，所述方法还包括：获取目标视图数据中占比最大的目标标签；所述目标视图数据为与所述视图数据的距离小于预设阈值的多个视图数据；将所述目标标签确定为所述视图数据的重构标签，并根据所述视图数据和所述视图数据对应的重构标签构建优化后的第一特征矩阵；基于所述优化后的第一特征矩阵和所述视图数据构建调整后的目标优化函数；对所述调整后的目标优化函数进行求解，获取所述特征提取结果。6...
【专利技术属性】
技术研发人员：李熠，邬子庄，赵心睿，
申请(专利权)人：中国工商银行股份有限公司，
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。