本申请实施例公开了数据处理方法、装置及相关设备，可应用于数据处理技术领域。其中方法包括：对目标对象的目标关联数据进行向量特征提取，得到目标关联数据对应的嵌入向量特征；对嵌入向量特征进行特征提取处理，得到目标提取特征；确定与目标关联数据相关联的N个业务场景，基于每个业务场景对目标提取特征分别进行风险预估处理，得到每个业务场景对应的风险预估概率；对嵌入向量特征进行权重提取处理，得到每个业务场景对应的权重影响值；基于每个业务场景对应的风险预估概率和每个业务场景对应的权重影响值，确定目标对象的风险识别概率。采用本申请实施例，有助于提升风险识别的准确性。
【技术实现步骤摘要】
本申请涉及数据处理，尤其涉及数据处理方法、装置及相关设备。
技术介绍
1、目前，在对某个业务场景下的目标对象进行风险识别时，可以获取该目标对象在该业务场景下的业务数据，并通过该业务场景所对应的神经网络模型提取该业务数据的数据特征，进而基于该神经网络模型中针对该业务场景的单个分类模块对所提取到的数据特征进行风险识别，以识别得到该目标对象的风险识别概率。
2、然而，专利技术人在实践中发现，一个业务场景（如业务场景c1）的神经网络模型仅能用于对目标对象u1在一个业务场景下进行风险识别时，则难以通过该业务场景c1对应的神经网络模型，对该目标对象u1在另一业务场景（如业务场景c2）下进行风险识别，以至于会降低对目标对象进行风险识别的准确度。
技术实现思路
1、本申请实施例提供了一种数据处理方法、装置及相关设备，能够融合各个业务场景对应的风险预估概率，得到风险识别概率，从而提升对目标对象进行风险识别的准确性。
2、本申请实施例一方面提供了一种数据处理方法，方法包括：
>3、对目标对象的目本文档来自技高网...
【技术保护点】
1.一种数据处理方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述对目标对象的目标关联数据进行向量特征提取，得到所述目标关联数据对应的嵌入向量特征，包括：
3.根据权利要求2所述的方法，其特征在于，所述对所述目标关联数据进行序列转换处理，得到所述目标关联数据的转换序列数据，包括：
4.根据权利要求3所述的方法，其特征在于，所述第一业务网络包括输入层；所述分词属性数据包括M个分词属性数据，所述M个分词属性数据中包括目标分词属性数据，M为正整数；
5.根据权利要求1所述的方法，其特征在于，所述目标提取特征是由第一业...
【技术特征摘要】
1.一种数据处理方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述对目标对象的目标关联数据进行向量特征提取，得到所述目标关联数据对应的嵌入向量特征，包括：
3.根据权利要求2所述的方法，其特征在于，所述对所述目标关联数据进行序列转换处理，得到所述目标关联数据的转换序列数据，包括：
4.根据权利要求3所述的方法，其特征在于，所述第一业务网络包括输入层；所述分词属性数据包括m个分词属性数据，所述m个分词属性数据中包括目标分词属性数据，m为正整数；
5.根据权利要求1所述的方法，其特征在于，所述目标提取特征是由第一业务网络中的特征提取网络对所述嵌入向量特征进行特征提取处理所得到的；所述第一业务网络属于用于对所述目标对象进行风险识别的目标识别网络；
6.根据权利要求5所述的方法，其特征在于，所述k个训练任务中包括分词屏蔽识别任务；
7.根据权利要求5所述的方法，其特征在于，所述k个训练任务中包括分词替换识别任务；
8.根据权利要求5所述的方法，其特征在于，所述k个训练任务中包括噪声序列任务；
9.根据权利要求5所述的方法，其特征在于，所述k个训练任务中包括伪标签任务；
10.根据权利要求1所述的方法，其特征在于，所述目标提取特征是由第一业务网络中的特征提取网络对所述嵌入向量特征进行特征提取处理所得到的；所述第一业务网络属于用于对所述目标对象进行风险识别的目标识别网络；所述目标识别网络中还包括级联在所述特征提取网络之后的第二业务网络；
...
【专利技术属性】
技术研发人员：刘嘉豪，欧阳天雄，郭清宇，何茂亮，李超，
申请(专利权)人：腾讯科技深圳有限公司，
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。