【技术实现步骤摘要】
本申请涉及人工智能开发与金融科技领域，尤其涉及基于人工智能的数据校验方法、装置、计算机设备及存储介质。
技术介绍
1、随着保险企业的保险业务的不断发展，开发产能的不断优化提升，保险企业内的数据测试人员也需要不断的提升自己的产能和效率，结合平时工作的内容特点，挖掘测试效率提升点，以达到提升数据测试效率的目的。对于保险企业的上游业务系统，很多需求的改动将会影响到下游业务系统功能的正常使用，每次上游需求的改动都需要和下游系统进行联调以验证下游功能能否正常使用，其中包含一大部分的无影响联调，即上游业务系统本身的中间逻辑的改动不应该影响最终落库的数据，提供给下游业务系统的数据和字段业务逻辑不能有变化，从而有效确保下游业务系统的数据使用逻辑不受影响。
2、针对业务系统存在的落库数据校验的业务需求，保险企业目前主要采取基于人工处理来评估影响范围进行业务系统之间的联调验证的方式，即需要花费人力对没有改动的下游业务系统进行手动的查询数据库以验证落库数据的正确性的数据校验处理。然而，如果上游业务系统可以确保自身的数据结果的正确性，即可节省这部分的联调人力，进而提升数据的测试校验效率。因此，现有的业务系统的数据校验方式存在处理工作量大、处理效率低下的问题，因而亟需提供一种能够有效提高业务系统的数据校验的处理效率的数据校验手段。
技术实现思路
1、本申请实施例的目的在于提出一种基于人工智能的数据校验方法、装置、计算机设备及存储介质，以解决现有的业务系统的数据校验方式存在的处理工作量大、处理效率
2、为了解决上述技术问题，本申请实施例提供一种基于人工智能的数据校验方法，采用了如下所述的技术方案：
3、判断是否接收到用户触发的数据校验请求；
4、若是，获取所述用户输入的保单号，并获取用户选取的目标维度场景特征；
5、基于所述保单号，获取与所述目标维度场景特征对应的维护特性；
6、基于所述保单号，获取与所述维护特性对应的指定落库结果；
7、通过预设的测试预测模型对所述目标维度场景特征与所述维护特性进行预测处理，生成与所述维护特性对应的预测结果；
8、基于所述预测结果对指定落库结果进行校验处理，生成与所述指定落库结果对应的校验结果。
9、进一步的，所述基于所述保单号，获取与所述目标维度场景特征对应的维护特性的步骤，具体包括：
10、调用与所述保单号对应的投保单表；
11、基于所述目标维度场景特征对所述投保单表进行数据查询处理，从所述投保单表中筛选出与所述目标维度场景特征匹配的指定特征；
12、从所述投保单表中获取与所述指定特征对应的特征特性入参；
13、将所述特征特性入参作为与所述目标维度场景特征对应的维护特性。
14、进一步的，所述基于所述保单号，获取与所述维护特性对应的指定落库结果的步骤，具体包括：
15、调用与所述保单号对应的保单表；
16、基于所述维护特性对所述保单表进行数据查询处理，从所述保单表中筛选出与所述维护特性匹配的指定特性；
17、从所述保单表中获取与所述指定特性对应的特性结果值；
18、将所述特性结果值作为与所述维护特性对应的指定落库结果。
19、进一步的，所述基于所述预测结果对指定落库结果进行校验处理，生成与所述指定落库结果对应的校验结果的步骤，具体包括：
20、判断所述预测结果与指定落库结果是否相同；
21、若所述预测结果与指定落库结果相同，则生成所述指定落库结果通过校验的第一校验结果；
22、若所述预测结果与指定落库结果不相同，则生成所述指定落库结果未通过校验的第二校验结果。
23、进一步的，在所述通过预设的测试预测模型对所述目标维度场景特征与所述维护特性进行预测处理，生成与所述维护特性对应的预测结果的步骤之前，还包括：
24、获取预设的历史保单数据，并对所述历史保单数据进行数据清洗得到目标保单数据；
25、基于指定保单数据构建训练数据；其中，所述训练数据包括历史保单的特征，历史保单的特性，以及历史保单的特征对应的结果集；
26、基于所述训练数据对预设的初始模型进行训练，得到训练后的第一模型；
27、判断所述第一模型在训练过程中输出的模型预测结果中是否存在异常结果；
28、若是，接收预设的业务人员输入的对于所述异常结果的审核结果，并基于所述审核结果与所述异常结果对所述训练数据中的结果集进行更新，得到更新后的指定训练数据；
29、基于所述指定训练数据对所述第一模型进行重新训练，得到符合预设的预期条件的所述测试预测模型。
30、进一步的，所述基于所述指定训练数据对所述第一模型进行重新训练，得到符合预设的预期条件的所述测试预测模型的步骤，具体包括：
31、基于所述指定训练数据对所述第一模型进行重新训练，得到重新训练后的第二模型；
32、基于所述指定训练数据构建测试数据；
33、使用所述测试数据对所述第二模型进行测试，得到与所述第二模型对应的模型评估指标；
34、判断所述模型评估指标是否大于预设的评估指标阈值；
35、若是，将第二模型作为所述测试预测模型。
36、进一步的，在所述基于所述预测结果对指定落库结果进行校验处理，生成与所述指定落库结果对应的校验结果的步骤之后，还包括：
37、基于所述校验结果生成与所述维护特征对应的数据分析报告；
38、获取预设的测试人员的通讯信息；
39、基于通讯信息，将所述数据分析报告发送给测试人员。
40、为了解决上述技术问题，本申请实施例还提供一种基于人工智能的数据校验装置，采用了如下所述的技术方案：
41、第一判断模块，用于判断是否接收到用户触发的数据校验请求；
42、第一获取模块，用于若是，获取所述用户输入的保单号，并获取用户选取的目标维度场景特征；
43、第二获取模块，用于基于所述保单号，获取与所述目标维度场景特征对应的维护特性；
44、第三获取模块，用于基于所述保单号，获取与所述维护特性对应的指定落库结果；
45、预测模块，用于通过预设的测试预测模型对所述目标维度场景特征与所述维护特性进行预测处理，生成与所述维护特性对应的预测结果；
46、第一生成模块，用于基于所述预测结果对指定落库结果进行校验处理，生成与所述指定落库结果对应的校验结果。
47、为了解决上述技术问题，本申请实施例还提供一种计算机设备，采用了如下所述的技术方案：
48、判断是否接收到用户触发的数据校验请求；
49、若是，获取所述用户输入的保单号，并获取用户选取的目标维度场景特征；
50、基于所述保单号，获取与所述本文档来自技高网...
【技术保护点】
1.一种基于人工智能的数据校验方法，其特征在于，包括下述步骤：
2.根据权利要求1所述的基于人工智能的数据校验方法，其特征在于，所述基于所述保单号，获取与所述目标维度场景特征对应的维护特性的步骤，具体包括：
3.根据权利要求1所述的基于人工智能的数据校验方法，其特征在于，所述基于所述保单号，获取与所述维护特性对应的指定落库结果的步骤，具体包括：
4.根据权利要求1所述的基于人工智能的数据校验方法，其特征在于，所述基于所述预测结果对指定落库结果进行校验处理，生成与所述指定落库结果对应的校验结果的步骤，具体包括：
5.根据权利要求1所述的基于人工智能的数据校验方法，其特征在于，在所述通过预设的测试预测模型对所述目标维度场景特征与所述维护特性进行预测处理，生成与所述维护特性对应的预测结果的步骤之前，还包括：
6.根据权利要求5所述的基于人工智能的数据校验方法，其特征在于，所述基于所述指定训练数据对所述第一模型进行重新训练，得到符合预设的预期条件的所述测试预测模型的步骤，具体包括：
7.根据权利要求1所述的基于人工智
8.一种基于人工智能的数据校验装置，其特征在于，包括：
9.一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机可读指令，所述处理器执行所述计算机可读指令时实现如权利要求1至7中任一项所述的基于人工智能的数据校验方法的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机可读指令，所述计算机可读指令被处理器执行时实现如权利要求1至7中任一项所述的基于人工智能的数据校验方法的步骤。
...【技术特征摘要】
1.一种基于人工智能的数据校验方法，其特征在于，包括下述步骤：
2.根据权利要求1所述的基于人工智能的数据校验方法，其特征在于，所述基于所述保单号，获取与所述目标维度场景特征对应的维护特性的步骤，具体包括：
3.根据权利要求1所述的基于人工智能的数据校验方法，其特征在于，所述基于所述保单号，获取与所述维护特性对应的指定落库结果的步骤，具体包括：
4.根据权利要求1所述的基于人工智能的数据校验方法，其特征在于，所述基于所述预测结果对指定落库结果进行校验处理，生成与所述指定落库结果对应的校验结果的步骤，具体包括：
5.根据权利要求1所述的基于人工智能的数据校验方法，其特征在于，在所述通过预设的测试预测模型对所述目标维度场景特征与所述维护特性进行预测处理，生成与所述维护特性对应的预测结果的步骤之前，还包括：
6.根据权利要求5所述的...
【专利技术属性】
技术研发人员：邵雪凤，陈虹，
申请(专利权)人：平安健康保险股份有限公司，
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。