数据处理结果的校验方法技术

本申请涉及一种数据处理结果的校验方法

【技术实现步骤摘要】
数据处理结果的校验方法、装置和计算机设备


[0001]本申请涉及大数据
，特别是涉及一种数据处理结果的校验方法
、
装置
、
计算机设备
、
存储介质和计算机程序产品
。

技术介绍

[0002]随着大数据技术的发展，出现了大数据更新不及时，企业的基本信息与数据服务平台上特定维度的数据内容不对称，或公开的企业数据与数据服务平台上特定维度的数据内容不对称
。
数据服务平台接收到上述不对称的反馈，形成异议数据
。
此类异议数据的处理量较大，形成较多的异议数据处理结果
。
然而异议数据的处理结果参差不齐，传统技术中，需要通过人工对异议数据的处理结果进行全部检查或抽查，以减少数据处理结果回滚或异常增加
。
[0003]然而，人工检测的异议数据的处理结果的数据量过大，日增长数据量增加过快，人工对异常数据处理结果的检测效率低
、
准确率低
。

技术实现思路

[0004]基于此，有必要针对上述技术问题，提供一种数据处理结果的校验方法
、
装置
、
计算机设备
、
计算机可读存储介质和计算机程序产品
。
[0005]第一方面，本申请提供了一种数据处理结果的校验方法
。
所述方法包括：
[0006]获取数据以及数据的处理属性，其中所述处理属性包括下述中的至少一种：数据所在的模块，数据的处理对象，数据的处理状态，数据异常的原因，数据拒绝处理的原因，附件材料的类型，关联外部的单号，标题的描述；
[0007]将所述数据以及所述数据的处理属性输入至预设的处理模型中，输出所述数据的预测处理结果；
[0008]基于所述预测处理结果，对比校验所述数据的原始处理结果
。
[0009]在其中一个实施例中，所述处理模型的训练方式包括：
[0010]获取样本数据
、
样本数据的处理属性以及预期的处理结果；
[0011]对所述样本数据的处理属性进行分析，确定所述样本数据的风险级别；
[0012]构建初始处理模型，根据所述样本数据
、
样本数据的处理属性
、
所述风险级别以及预期的处理结果，对所述初始处理模型进行训练；
[0013]在所述初始处理模型的准确率高于预设的阈值的情况下，将所述初始处理模型确定为处理模型
。
[0014]在其中一个实施例中，所述对所述样本数据的处理属性进行分析，确定所述样本数据的风险级别，包括：
[0015]获取所述样本数据的处理属性；
[0016]将所述样本数据的处理属性与预设的风险评估规则进行比对，确定所述样本数据的风险级别；其中，所述风险评估规则包括处理属性与风险级别的关联关系
。
[0017]在其中一个实施例中，所述对所述样本数据的处理属性进行分析，确定所述样本数据的风险级别，包括：
[0018]根据所述样本数据所在的模块，得到所述样本数据的维度信息；
[0019]根据所述样本数据的维度信息预设的权重，确定所述样本数据的初始风险级别；
[0020]根据所述样本数据的处理对象
、
处理状态以及数据异常的原因，对所述初始风险级别进行更新，得到所述样本数据的风险级别
。
[0021]在其中一个实施例中，所述将所述数据以及所述数据的处理属性输入至预设的处理模型中，输出所述数据的预测处理结果，包括：
[0022]所述处理模型输出所述数据的风险级别；
[0023]在所述数据的风险级别高于预设的阈值的情况下，监控所述风险级别高于预设的阈值的数据
。
[0024]在其中一个实施例中，所述监控所述风险级别高于预设的阈值的数据，包括：
[0025]对风险级别高于预设的阈值的数据设置预期处理结果；
[0026]获取对所述风险级别高于预设的阈值的数据进行处理的实际处理结果；
[0027]基于所述预期处理结果，校验所述实际处理结果
。
[0028]在其中一个实施例中，所述方法还包括：
[0029]定期对所述风险级别高于预设的阈值的数据进行监测；
[0030]在异常数据处理的异常频次大于预设阈值的情况下，将所述异常进行反馈
。
[0031]在其中一个实施例中，所述方法还包括：
[0032]汇总所述数据经过处理模块的预测处理结果；
[0033]对所述数据的预测处理结果进行解析，确定所述数据异常的原因类别；
[0034]基于所述数据异常的原因类别，确定所述数据异常的处理方式
。
[0035]第二方面，本申请还提供了一种数据处理结果的校验装置
。
所述装置包括：
[0036]获取模块，用于获取数据以及数据的处理属性，其中所述处理属性包括下述中的至少一种：数据所在的模块，数据的处理对象，数据的处理状态，数据异常的原因，数据拒绝处理的原因，附件材料的类型，关联外部的单号，标题的描述；
[0037]预测模块，用于将所述数据以及所述数据的处理属性输入至预设的处理模型中，输出所述数据的预测处理结果；
[0038]对比模块，用于基于所述预测处理结果，对比校验所述数据的原始处理结果
。
[0039]在其中一个实施例中，所述预测模块包括：
[0040]获取子模块，用于获取样本数据
、
样本数据的处理属性以及预期的处理结果；
[0041]风险子模块，用于对所述样本数据的处理属性进行分析，确定所述样本数据的风险级别；
[0042]训练子模块，用于构建初始处理模型，根据所述样本数据
、
样本数据的处理属性
、
所述风险级别以及预期的处理结果，对所述初始处理模型进行训练；
[0043]模型子模块，用于在所述初始处理模型的准确率高于预设的阈值的情况下，将所述初始处理模型确定为处理模型
。
[0044]在其中一个实施例中，所述风险子模块包括：
[0045]获取单元，用于获取所述样本数据的处理属性；
[0046]风险单元，用于将所述样本数据的处理属性与预设的风险评估规则进行比对，确定所述样本数据的风险级别；其中，所述风险评估规则包括处理属性与风险级别的关联关系
。
[0047]在其中一个实施例中，所述风险子模块包括：
[0048]维度单元，用于根据所述样本数据所在的模块，得到所述样本数据的维度信息；
[0049]初始风险单元，用于根据所述样本数据的维度信息预设的权重，确定所述样本数据的初始风险级别；
[0050]更新风险单元，用于根据所述样本数据的处理对象
、
处理状态以及数据异常的原因，对所述初始风本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种数据处理结果的校验方法，其特征在于，所述方法包括：获取数据以及数据的处理属性，其中所述处理属性包括下述中的至少一种：数据所在的模块，数据的处理对象，数据的处理状态，数据异常的原因，数据拒绝处理的原因，附件材料的类型，关联外部的单号，标题的描述；将所述数据以及所述数据的处理属性输入至预设的处理模型中，输出所述数据的预测处理结果；基于所述预测处理结果，对比校验所述数据的原始处理结果
。2.
根据权利要求1所述的方法，其特征在于，所述处理模型的训练方式，包括：获取样本数据
、
样本数据的处理属性以及预期的处理结果；对所述样本数据的处理属性进行分析，确定所述样本数据的风险级别；构建初始处理模型，根据所述样本数据
、
样本数据的处理属性
、
所述风险级别以及预期的处理结果，对所述初始处理模型进行训练；在所述初始处理模型的准确率高于预设的阈值的情况下，将所述初始处理模型确定为处理模型
。3.
根据权利要求2所述的方法，其特征在于，所述对所述样本数据的处理属性进行分析，确定所述样本数据的风险级别，包括：获取所述样本数据的处理属性；将所述样本数据的处理属性与预设的风险评估规则进行比对，确定所述样本数据的风险级别；其中，所述风险评估规则包括处理属性与风险级别的关联关系
。4.
根据权利要求2所述的方法，其特征在于，所述对所述样本数据的处理属性进行分析，确定所述样本数据的风险级别，包括：根据所述样本数据所在的模块，得到所述样本数据的维度信息；根据所述样本数据的维度信息预设的权重，确定所述样本数据的初始风险级别；根据所述样本数据的处理对象
、
处理状态以及数据异常的原因，对所述初始风险级别进行更新，得到所述样本数据的风险级别
。5.
根据权利要求1所述的方法，其特征在于，将所述数据以及所述数据的处理属性输入至预设的处理模型中，输出所述数据的预测处理结果，包括：所述处理模型输...

【专利技术属性】
技术研发人员：刘月，王蕾，
申请(专利权)人：企查查科技股份有限公司，
类型：发明
国别省市：