混合业务信号处理方法、装置、电子设备、介质和程序产品与流程

摘要: 本技术涉及人工智能,更具体地涉及一种混合业务信号处理方法、装置、设备、介质和程序产品。背景技术:1、在各类业务场景中,业务系统通常需要同时利用内部业务数据和外部...
混合业务信号处理方法、装置、电子设备、介质和程序产品与流程

本技术涉及人工智能,更具体地涉及一种混合业务信号处理方法、装置、设备、介质和程序产品。

背景技术:

1、在各类业务场景中,业务系统通常需要同时利用内部业务数据和外部环境数据进行风险识别、需求判断、异常发现或决策支持。外部数据来源多样、结构差异较大、更新频率不一致,并且常包含噪声、缺失、异常波动和语义不统一等问题;内部数据与外部数据之间还存在主体映射不一致、时间窗口不匹配和指标维度难以统一的问题。目前,现有方案多采用数据拼接、规则筛选、指标加权或监督模型处理多源数据,难以有效区分隐藏在观测数据中的不同潜在业务因素。当宏观环境变化、行业波动、对象自身变化和异常扰动同时存在时,传统处理方式容易将不同来源的影响混合在一起,导致目标信号识别不准确,且难以解释各类数据对识别结果的贡献。

技术实现思路

1、鉴于上述问题,本技术的实施例提供了一种混合业务信号处理方法、装置、设备、介质和程序产品。

2、根据本技术的第一方面,提供了一种混合业务信号处理方法,所述方法包括:获取目标业务场景下的内部数据和外部数据,对所述内部数据和所述外部数据进行主体对齐、时间窗对齐和指标维度转换,得到待处理数据;基于所述待处理数据中的目标对象、时间窗口和指标维度构建观测矩阵;基于所述观测矩阵中各指标维度的数据属性和业务属性确定解混方式,并采用所述解混方式对所述观测矩阵进行信号分离,得到多个分离信号和对应的成分评价结果和贡献信息;基于所述成分评价结果从所述多个分离信号中确定目标分离信号,将所述目标分离信号与所述目标业务场景下的业务参照信息进行匹配,确定所述目标分离信号对应的业务语义类别;以及基于所述目标分离信号、所述业务语义类别和所述目标分离信号对应的目标贡献信息,生成混合业务信号识别结果。

3、根据本技术的实施例,所述基于所述待处理数据中的目标对象、时间窗口和指标维度构建观测矩阵,包括:基于所述待处理数据中对应于所述目标对象和所述时间窗口的各指标维度的指标值,生成多维观测向量;根据各指标维度对应的数据完整性和数据稳定性,确定各指标维度的修正权重,并利用所述修正权重对所述多维观测向量中的指标值进行修正;以及按照所述目标对象和所述时间窗口之间的对应关系,对修正后的多维观测向量进行矩阵化处理,得到观测矩阵。

4、根据本技术的实施例,所述基于所述观测矩阵中各指标维度的数据属性和业务属性确定解混方式,包括:根据所述数据属性,确定所述观测矩阵中各指标维度的取值范围和异常波动情况;根据所述业务属性,确定各指标维度相对于所述目标业务场景的业务关联程度;以及基于所述取值范围、所述异常波动情况和所述业务关联程度,确定所述解混方式,所述解混方式包括用于对所述观测矩阵进行信号分离的解混方式组合。

5、根据本技术的实施例,所述采用所述解混方式对所述观测矩阵进行信号分离,得到多个分离信号和对应的成分评价结果和贡献信息,包括:采用所述解混方式对所述观测矩阵进行解混处理,得到多个分离信号和各分离信号相对于各指标维度的成分权重;根据各分离信号对所述观测矩阵的重构程度、各分离信号在不同时间窗口下的稳定程度和各分离信号之间的独立程度,生成所述成分评价结果;以及根据所述成分权重,确定所述贡献信息。

6、根据本技术的实施例,所述基于所述成分评价结果从所述多个分离信号中确定目标分离信号,将所述目标分离信号与所述目标业务场景下的业务参照信息进行匹配,确定所述目标分离信号对应的业务语义类别,包括:基于所述成分评价结果,确定各分离信号的保留优先级,并根据所述保留优先级从所述多个分离信号中确定目标分离信号;提取所述目标分离信号的第一变化特征和所述业务参照信息的第二变化特征;以及根据所述第一变化特征和所述第二变化特征之间的匹配程度,确定所述业务语义类别。

7、根据本技术的实施例,所述提取所述目标分离信号的第一变化特征和所述业务参照信息的第二变化特征,包括:分别对所述目标分离信号和所述业务参照信息进行时间窗口内的变化分析,得到对应的变化方向、变化幅度和变化持续时间;基于所述变化方向、所述变化幅度和所述变化持续时间,分别生成所述第一变化特征和所述第二变化特征;所述根据所述第一变化特征和所述第二变化特征之间的匹配程度,确定所述业务语义类别,包括:根据所述第一变化特征与所述第二变化特征在所述变化方向、所述变化幅度和所述变化持续时间上的一致程度,确定所述匹配程度,并基于所述匹配程度确定所述业务语义类别。

8、根据本技术的实施例,所述方法还包括:基于所述混合业务信号识别结果,确定所述目标分离信号对应的业务特征;将所述业务特征输入与所述目标业务场景对应的业务模型,得到业务模型输出结果;以及基于所述业务模型输出结果和所述业务语义类别,生成业务处理结果。

9、根据本技术的实施例,所述采用所述解混方式对所述观测矩阵进行解混处理,得到多个分离信号和各分离信号相对于各指标维度的成分权重,包括:对所述观测矩阵进行矩阵预处理,得到预处理后的观测矩阵,其中,所述矩阵预处理包括中心化处理、标准化处理、白化处理或降维处理中的至少一种;将所述预处理后的观测矩阵表示为由潜在业务信号矩阵经混合矩阵映射并叠加噪声矩阵形成的矩阵关系,其中,所述潜在业务信号矩阵用于表征隐藏于所述观测矩阵中的潜在业务因素;以及基于所述矩阵关系和所述解混方式确定所述预处理后的观测矩阵对应的解混矩阵,并利用所述解混矩阵作用于所述预处理后的观测矩阵,得到多个分离信号和各分离信号相对于各指标维度的成分权重。

10、本技术的第二方面提供了一种混合业务信号处理装置,所述装置包括:数据获取模块,用于:获取目标业务场景下的内部数据和外部数据,对所述内部数据和所述外部数据进行主体对齐、时间窗对齐和指标维度转换,得到待处理数据;信号分离模块,用于:基于所述待处理数据中的目标对象、时间窗口和指标维度构建观测矩阵;基于所述观测矩阵中各指标维度的数据属性和业务属性确定解混方式,并采用所述解混方式对所述观测矩阵进行信号分离,得到多个分离信号和对应的成分评价结果和贡献信息;语义类别确定模块,用于:基于所述成分评价结果从所述多个分离信号中确定目标分离信号,将所述目标分离信号与所述目标业务场景下的业务参照信息进行匹配,确定所述目标分离信号对应的业务语义类别;以及信号识别模块,用于:基于所述目标分离信号、所述业务语义类别和所述目标分离信号对应的目标贡献信息,生成混合业务信号识别结果。

11、本技术的第三方面提供了一种电子设备,包括:一个或多个处理器;存储器,用于存储一个或多个计算机程序,其中,上述一个或多个处理器执行上述一个或多个计算机程序以实现上述方法的步骤。

12、本技术的第四方面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或指令,上述计算机程序或指令被处理器执行时实现上述方法的步骤。

13、本技术的第五方面还提供了一种计算机程序产品,包括计算机程序或指令,上述计算机程序或指令被处理器执行时实现上述方法的步骤。

14、根据本技术的实施例,能够将目标业务场景下来源不同、时间粒度不同、指标口径不同的内部数据和外部数据转换为统一的观测矩阵,并根据观测矩阵中各指标维度的数据属性和业务属性选择解混方式,从而对混杂于多源数据中的业务信号进行分离;同时,通过成分评价结果筛选目标分离信号,并将目标分离信号与业务参照信息匹配确定业务语义类别,使分离得到的信号能够被解释为与目标业务场景对应的业务因素;进一步结合目标分离信号及其贡献信息生成混合业务信号识别结果,能够降低噪声、外部扰动和非目标因素对信号识别的影响,提高混合业务信号识别结果的准确性和可解释性。