[发明专利]数据处理方法、装置和电子设备

说明书

本申请提供了一种数据处理方法、装置和电子设备，该数据处理方法包括：获取目标数据；将目标数据输入预先训练的哈希码处理模型进行数据处理，得到目标数据对应的预设位数的目标哈希码；若目标哈希码和预设数据集合中的任一数据的参考哈希码相同，则确定目标数据在预设数据集合中存在，本申请能够提高目标数据在预设数据集合中是否存在的检测效率和准确率。

技术领域

本申请涉及测试技术领域，尤其涉及一种数据处理方法、装置和电子设备。

背景技术

随着在线电商和网络支付的发展，会产生大量的结构化金融数据，如出行记录、交易记录、信用记录等。对客户的交易进行风险检测，需要快速高效的确定交易数据是否存在预设数据集合中。

目前是采用哈希函数对交易数据进行映射处理得到哈希码，进而确定该交易数据在预设数据集合中的存在性。但是由于金融领域的交易数据存在数据量大、数据复杂、实时性高地域分布高，因此采用哈希函数对这些交易数据进行存在性检测存在效率及准确率低的问题。

发明内容

本申请实施例提供了一种数据处理方法、装置和电子设备，以解决目前对交易数据进行存在性检测存在效率及准确率低的问题。

本申请第一方面提供一种数据处理方法，包括：获取目标数据；将目标数据输入预先训练的哈希码处理模型进行数据处理，得到目标数据对应的预设位数的目标哈希码；若目标哈希码和预设数据集合中的任一数据的参考哈希码相同，则确定目标数据在预设数据集合中存在。

在本申请的一个实施例中，哈希码处理模型包括：神经网络层和哈希码确定层，将目标数据输入预先训练的哈希码处理模型进行数据处理，得到目标数据对应的预设位数的目标哈希码，包括：将目标数据输入预先训练的神经网络层进行特征提取处理，得到目标特征向量，目标特征向量的元素的数量与预设位数相同；将目标特征向量输入哈希码确定层中进行哈希处理，得到目标哈希码，目标哈希码中各个哈希值是根据目标特征向量中的元素和预设阈值确定的，其中，小于预设阈值的目标特征向量中的元素对应的哈希值为0，确定大于预设阈值的目标特征向量中的元素对应的哈希值为1。

在本申请的一个实施例中，神经网络层包括：多个第一网络层和多个第二网络层，不同第二网络层的神经元的数量不同，将目标数据输入预先训练的神经网络层进行特征提取处理，得到目标特征向量，包括：将目标数据输入多层第一网络层进行特征提取处理，得到中间特征向量；根据预设数据集合的数据量，在多个第二网络层中确定目标网络层，预设数据集合的数据量与目标网络层的神经元的数量成正相关；将中间特征向量输入目标网络层，得到目标特征向量。

在本申请的一个实施例中，若目标哈希码和预设数据集合中的任一数据的参考哈希码相同，则确定目标数据在预设数据集合中存在之前还包括：将预设数据集合中的数据输入哈希码处理模型进行数据处理，得到预设数据集合中的数据的参考哈希码。

在本申请的一个实施例中，哈希码处理模型采用以下方式训练得到：

获取样本数据集，样本数据集中的样本数据不同；将样本数据集中的样本数据输入哈希码处理模型进行数据处理，得到样本数据的哈希码；将各哈希码相乘后得到目标值；采用目标值与预设值的差值调整哈希码处理模型的权重，得到训练完成的哈希码处理模型。

在本申请的一个实施例中，哈希码处理模型包括：神经网络层和哈希码确定层，将样本数据集中的样本数据输入哈希码处理模型进行数据处理，得到样本数据的哈希码，包括：在样本数据集中，依次选取不同数量的样本数据作为目标数据集；针对每个目标数据集，将目标数据集中的样本数据输入神经网络层进行特征提取，得到目标样本特征向量；将目标样本特征向量输入哈希码确定层进行哈希处理，得到样本数据的哈希码。