一种数据处理方法及装置与流程

1.本技术涉及人工智能技术领域，尤其涉及一种数据处理方法及装置。


背景技术：

2.在银行科技体系项目管理过程中，对项目涉及各个部门的排期意见征集是项目实施时重要且繁琐的一环，尤其是在项目涉及的产品较多、范围较广的时候。目前的排期意见征集方法是项目负责人向项目涉及的各产品的产品负责人发邮件说明相关项目改造范围和拟排期时间等，由各产品负责人回复邮件以确定其负责的产品改造是否涉及停业等信息。项目负责人需要收集所有产品负责人的反馈意见才能进行项目排期。目前的项目排期过程耗时较长，且可能因为某一产品负责人忽略邮件导致整个项目无法按时推进。
3.因此，如何有效提高项目排期申请处理效率，成为亟需解决的技术问题。


技术实现要素：

4.有鉴于此，本技术的目的在于提供了一种数据处理方法及装置，以提高项目排期申请的处理效率，提高项目排期的准确率，从而解决排期效率低的问题，其具体技术方案如下：
5.第一方面，本技术提供了一种数据处理方法，所述方法包括：
6.接收项目排期申请，所述项目排期申请包括待排期项目对应的项目排期特征数据；
7.通过目标排期预测模型，根据所述项目排期特征数据，确定预测排期信息，所述目标排期预测模型是基于历史项目排期特征数据和历史排期信息训练得到的；
8.将所述预测排期信息发送给预设审核终端，并接收所述预设审核终端发送的审核结果；
9.若所述审核结果表示审核通过，则根据所述预测排期信息对所述待排期项目进行排期。
10.在一种可能的实现方式中，在所述接收审核结果之后，所述方法还包括：
11.若所述审核结果表示审核未通过，根据所述审核结果中的反馈信息更新所述预测排期信息；
12.根据更新后的预测排期信息对所述待排期项目进行排期。
13.在一种可能的实现方式中，在所述根据所述预测排期信息进行项目排期之后，所述方法还包括：
14.将所述项目排期特征数据和所述预测排期信息作为训练数据，训练所述目标排期预测模型。
15.在一种可能的实现方式中，在所述根据所述预测排期信息进行项目排期之后，所述方法还包括：
16.根据所述预测项目排期信息，向所述待排期项目中的子项目对应的干系人发送处
理提醒信息。
17.在一种可能的实现方式中，所述目标排期预测模型是通过以下方式训练得到的：
18.获取历史项目排期特征数据和历史排期信息；
19.基于所述历史项目排期特征数据和历史排期信息训练图神经网络模型；
20.将训练后的图神经网络模型作为所述目标排期预测模型。
21.第二方面，本技术还提供了一种数据处理装置，所述装置包括：
22.接收模块，用于接收项目排期申请，所述项目排期申请包括待排期项目对应的项目排期特征数据；
23.预测模块，用于通过目标排期预测模型，根据所述项目排期特征数据，确定预测排期信息，所述目标排期预测模型是基于历史项目排期特征数据和历史排期信息训练得到的；
24.发送模块，用于将所述预测排期信息发送给预设审核终端；
25.所述接收模块，还用于接收所述预设审核终端发送的审核结果；
26.排期模块，用于若所述审核结果表示审核通过，则根据所述预测排期信息对所述待排期项目进行排期。
27.在一种可能的实现方式中，所述装置还包括：更新模块，
28.所述更新模块，用于若所述审核结果表示审核未通过，根据所述审核结果中的反馈信息更新所述预测排期信息；
29.所述排期模块，还用于根据更新后的预测排期信息对所述待排期项目进行排期。
30.在一种可能的实现方式中，所述装置包括：训练模块，
31.所述训练模块，用于将所述项目排期特征数据和所述预测排期信息作为训练数据，训练所述目标排期预测模型。
32.在一种可能的实现方式中，所述发送模块，还用于根据所述预测项目排期信息，向所述待排期项目中的子项目对应的干系人发送处理提醒信息。
33.在一种可能的实现方式中，所述装置包括：获取模块，
34.所述获取模块，用于获取所述历史项目排期特征数据和历史排期信息；
35.所述训练模块，还用于基于所述历史项目排期特征数据和历史排期信息训练图神经网络模型；将训练后的图神经网络模型作为所述目标排期预测模型。
36.本技术实施例提供的方法包括：接收项目排期申请，项目排期申请包括待排期项目对应的项目排期特征数据；通过目标排期预测模型，根据项目排期特征数据，确定预测排期信息，目标排期预测模型是基于历史项目排期特征数据和历史排期信息训练得到的；将预测排期信息发送给预设审核终端，并接收预设审核终端发送的审核结果；若审核结果表示审核通过，则根据预测排期信息对待排期项目进行排期。利用本方案可以基于待排期项目的特征数据提供排期信息建议，完成排期意见的自动征集，减少项目排期过程中的人工参与环节，提高了项目排期申请的处理效率，提高了项目排期的准确率。
附图说明
37.为了更清楚地说明本技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本技术
的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
38.图1示出了本技术提供的一种数据处理方法实施例的流程图；
39.图2示出了本技术提供的一种数据处理装置的结构示意图。
具体实施方式
40.为使本技术实施例的目的、技术方案和优点更加清楚，下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
41.首先，对本技术实施例中可能出现的一些名词进行解释。
42.干系人：在项目管理中指积极参与项目实施或者在项目完成后其利益可能受积极或消极影响的个人或组织(如客户、用户、发起人、高层管理员、执行组织、公众或反对项目的人)。
43.请参见图1，示出了本技术实施例提供的一种数据处理方法实施例的流程图，本技术实施例至少包括以下步骤：
44.s110，接收项目排期申请。
45.在本技术实施例中，接收项目排期申请，以获取项目负责人对待排期项目的排期需求。其中，项目排期申请包括待排期项目对应的项目排期特征数据。项目排期特征数据包括：项目分析说明、拟排期批次、当前批次已排期的子项目、子项目处理时间建议、项目紧急程度、项目是否涉及香港地区、项目是否涉及停业、项目是否涉及新增资源、项目改造内容是否明确、项目中每个子项目对应的干系人、每个子项目对应的执行成员的人数和每个子项目对应的执行成员的职级。待排期项目包括多个子项目。
46.s120，通过目标排期预测模型，根据项目排期特征数据，确定预测排期信息。
47.在本技术实施例中，接收到待排期项目对应的项目排期特征数据之后，通过目标排期预测模型，根据项目排期特征数据确定预测排期信息。其中，目标排期预测模型是基于历史项目排期特征数据和历史排期信息训练得到的。本技术实施例训练目标排期预测模型，使目标排期预测模型可以根据排期需求对待排期项目进行排期预测，为各个干系人提供排期建议。
48.其中，目标排期预测模型是通过以下方式训练得到的：
49.获取历史项目排期特征数据和历史排期信息；
50.基于历史项目排期特征数据和历史排期信息训练图神经网络模型；
51.将训练后的图神经网络模型作为目标排期预测模型。
52.卷积神经网络模型等深度学习技术被广泛应用于建模，然而，有各种各样的问题可以用一个图结构来表示，例如，利用文本序列中的句子结构信息(即依存树和选区分析树等句法分析树)，通过合并特定与项目的知识来扩充原始序列数据。图神经网络模型是一类基于深度学习的处理图域信息的方法，其具有较好的性能和可解释性。基于此，本技术实施例通过训练图神经网络模型来构建可预测排期信息的目标排期预测模型。
53.s130，将预测排期信息发送给预设审核终端，并接收预设审核终端发送的审核结
果。
54.在本技术实施例中，确定预测排期信息后，将预测排期信息发送给预设审核终端，使预设审核终端对预测排期信息进行审核，并接收预设审核终端发送的审核结果。
55.预设审核终端即各个子项目对应干系人的终端，预设审核终端对预测排期信息进行审核，即各个子项目对应干系人对预测排期信息进行审核，各个子项目对应的干系人根据自身实际情况，判断其负责的子项目能否在预测排期信息中规定的处理时间内完成。
56.在本技术实施例中，将预测排期信息发送给预设审核终端后，实时计算预测排期信息的等待时长，等待时长为从发送预测排期信息的发送时刻到当前时刻的时长，若等待时长达到提醒时长，利用预设审核终端的联系信息，向预设审核终端发送处理提醒信息，联系信息包括电子邮箱和/或手机号码。需要说明的是，提醒时长可以由技术人员根据实际场景需要进行设定，本技术不做限定。
57.其中，将预测排期信息可以通过邮件的方式发送给预设审核终端。需要说明的是，预测排期信息的发送方式可以由技术人员根据实际场景需要进行设定，本技术实施例不做限定。
58.s140，若审核结果表示审核通过，则根据预测排期信息对待排期项目进行排期。
59.在本技术实施例中，若审核结果表示审核通过，则根据预测排期信息对待排期项目进行排期。各个子项目对应的干系人同意按照预测排期信息进行项目排期时，各个子项目对应的干系人会返回电子签名，表示同意。
60.在根据预测排期信息对待排期项目进行排期后，本技术实施例还可以包括以下步骤：
61.将项目排期特征数据和预测排期信息作为训练数据，训练目标排期预测模型。
62.将此次项目排期的相关数据作为训练数据，重新训练目标排期预测模型，提高目标排期预测模型的预测准确率。
63.s150，若审核结果表示审核未通过，根据审核结果中的反馈信息更新预测排期信息。
64.在本技术实施例中，若审核结果表示审核未通过，则根据审核结果中的反馈信息更新预测排期信息。各个子项目对应的干系人不同意按照预测排期信息进行项目排期时，需要返回反馈信息，反馈信息用于表示各个子项目对应的排期安排。例如，反馈信息用于表示该子项目必须在某个时间节点前完成，或反馈信息用于表示该子项目只能在某个时间节点前完成。
65.s160，根据更新后的预测排期信息对待排期项目进行排期。
66.在本技术实施例中，根据反馈信息更新预测排期信息，再根据更新后的预测排期信息对待排期项目进行排期，可以保证项目排期的准确性。
67.s170，根据预测项目排期信息，向待排期项目中的子项目对应的干系人发送处理提醒信息。
68.在本技术实施例中，根据预测项目排期信息，还会向待排期项目中的子项目对应的干系人发送处理提醒信息，以确保项目可以按时完成。
69.在预测项目排期信息中，对每个子项目都有对应的预计完成时间，当接近预计完成时间的时候，向未完成的子项目对应的干系人发送处理提醒信息，以确保项目可以按照
预测项目排期信息中的预计完成时间完成。通过本技术实施例，可以一键提示与项目相关的干系人，同时方便其他子项目的干系人查看与项目相关的其它数据。
70.在本技术实施例中，接收项目排期申请，项目排期申请包括待排期项目对应的项目排期特征数据；通过目标排期预测模型，根据项目排期特征数据，确定预测排期信息，目标排期预测模型是基于历史项目排期特征数据和历史排期信息训练得到的；将预测排期信息发送给预设审核终端，并接收预设审核终端发送的审核结果；若审核结果表示审核通过，则根据预测排期信息对待排期项目进行排期。利用本方案可以基于待排期项目的特征数据提供排期信息建议，完成排期意见的自动征集，减少项目排期过程中的人工参与环节，极大程度上精简项目管理流程，提高了项目排期申请的处理效率，提高了项目排期的准确率。
71.接下来对本技术提供的一种数据处理装置进行介绍，下文介绍的一种数据处理装置与上文介绍的一种数据处理方法可相互对应参照。
72.请参见图2，示出了本技术提供的一种数据处理装置的结构示意图，所述装置包括：
73.接收模块201，用于接收项目排期申请，所述项目排期申请包括待排期项目对应的项目排期特征数据；
74.预测模块202，用于通过目标排期预测模型，根据所述项目排期特征数据，确定预测排期信息，所述目标排期预测模型是基于历史项目排期特征数据和历史排期信息训练得到的；
75.发送模块203，用于将所述预测排期信息发送给预设审核终端；
76.所述接收模块201，还用于接收所述预设审核终端发送的审核结果；
77.排期模块204，用于若所述审核结果表示审核通过，则根据所述预测排期信息对所述待排期项目进行排期。
78.在本技术实施例中，所述装置还包括：更新模块，
79.所述更新模块，用于若所述审核结果表示审核未通过，根据所述审核结果中的反馈信息更新所述预测排期信息；
80.所述排期模块204，还用于根据更新后的预测排期信息对所述待排期项目进行排期。
81.在本技术实施例中，所述装置包括：训练模块，
82.所述训练模块，用于将所述项目排期特征数据和所述预测排期信息作为训练数据，训练所述目标排期预测模型。
83.在本技术实施例中，所述发送模块203，还用于根据所述预测项目排期信息，向所述待排期项目中的子项目对应的干系人发送处理提醒信息。
84.在本技术实施例中，所述装置还包括：获取模块，
85.所述获取模块，用于获取所述历史项目排期特征数据和历史排期信息；
86.所述训练模块，还用于基于所述历史项目排期特征数据和历史排期信息训练图神经网络模型；将训练后的图神经网络模型作为所述目标排期预测模型。
87.在本技术实施例中，接收项目排期申请，项目排期申请包括待排期项目对应的项目排期特征数据；通过目标排期预测模型，根据项目排期特征数据，确定预测排期信息，目标排期预测模型是基于历史项目排期特征数据和历史排期信息训练得到的；将预测排期信
息发送给预设审核终端，并接收预设审核终端发送的审核结果；若审核结果表示审核通过，则根据预测排期信息对待排期项目进行排期。利用本方案可以基于待排期项目的特征数据提供排期信息建议，完成排期意见的自动征集，减少项目排期过程中的人工参与环节，提高了项目排期申请的处理效率，提高了项目排期的准确率。
88.需要说明的是，本技术提供的(一种数据处理方法及装置)可用于人工智能领域或金融领域。上述仅为示例，并不对本技术提供的(一种数据处理方法及装置)的应用领域进行限定。
89.需要说明的是，各个实施例之间相同相似的部分互相参见即可。对于装置类实施例、系统类实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
90.对于前述的各实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本技术并不受所描述的动作顺序的限制，因为依据本技术，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本技术所必须的。
91.最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
92.对所公开的实施例的上述说明，使本领域技术人员能够实现或使用本技术。对这些实施例的多种修改对本领域技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本技术的精神或范围的情况下，在其它实施例中实现。因此，本技术将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
93.以上所述仅是本技术的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本技术原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本技术的保护范围。