[发明专利]处理数据表的方法及系统

权利要求书

1.一种处理数据表的方法，包括：

获取基础样本表和至少一个关联数据表；

针对基础样本表中的每条基础样本，使用特定结构的神经网络对所述至少一个关联数据表中的与该条基础样本关联的数据进行处理，得到与该条基础样本对应的特征；

其中，在所述至少一个关联数据表包括：至少一个静态表和至少一个流水表的情况下，所述特定结构的神经网络包括：多个隐藏层、第一拼接层、第二拼接层和融合层，其中，针对基础样本表中的每条基础样本，使用特定结构的神经网络对所述至少一个关联数据表中的与该条基础样本关联的数据进行处理，得到与该条基础样本对应的特征的步骤包括：

针对基础样本表中的每条基础样本，将每个静态表中与该条基础样本对应的数据记录中属于每种字段类型的字段的字段值，输入到所述多个隐藏层之中与该字段类型对应的隐藏层，其中，与所述至少一个静态表中的各个字段类型一一对应的隐藏层的输出作为第一拼接层的输入；

针对基础样本表中的每条基础样本，将每个流水表中与该条基础样本对应的数据记录中属于每种字段类型的字段的字段值，输入到所述多个隐藏层之中与该字段类型对应的隐藏层，其中，与所述至少一个流水表中的各个字段类型一一对应的隐藏层的输出经由第二拼接层作为所述多个隐藏层中的特定隐藏层的输入；

将所述融合层输出的向量作为：与基础样本表中的每条基础样本对应的特征，其中，第一拼接层的输出和所述特定隐藏层的输出作为所述融合层的输入。

2.如权利要求1所述的方法，其中，

所述至少一个关联数据表包括：至少一个静态表和/或至少一个流水表。

3.如权利要求2所述的方法，其中，

基础样本表中的字段包括：至少一个主体ID字段、时间字段和标签字段；

所述至少一个静态表的主键是主体ID字段；

所述至少一个流水表的主键是主体ID字段和时间字段。

4.如权利要求1所述的方法，其中，所述特定隐藏层的输入为向量序列，且输出为固定维度的向量。

5.如权利要求1所述的方法，其中，

与所述至少一个静态表中的类别型字段对应的隐藏层为：第一嵌入层，其中，第一嵌入层的输出为嵌入向量；

与所述至少一个静态表中的时间字段对应的隐藏层为：做差层，其中，所述做差层用于将静态表中的时间字段的字段值与基础样本表中的时间字段的字段值做差；

与所述至少一个流水表中的类别型字段对应的隐藏层为：第二嵌入层，其中，第二嵌入层的输出为嵌入向量。

6.如权利要求5所述的方法，其中，

与所述至少一个静态表中的数值型字段对应的隐藏层为：第一全连接层；

与所述至少一个流水表中的数值型字段对应的隐藏层为：第二全连接层。

7.如权利要求6所述的方法，其中，针对基础样本表中的每条基础样本，将每个流水表中与该条基础样本对应的数据记录中属于每种字段类型的字段的字段值，输入到所述多个隐藏层之中与该字段类型对应的隐藏层的步骤包括：

针对基础样本表中的每条基础样本，针对每个流水表将该流水表之中至少一个主体ID字段的字段值与该条基础样本的相同的数据记录按照其时间字段值进行排序，并从排序后的数据记录中确定时间字段值在该条基础样本的时间字段值之前的N条数据记录；

针对该流水表中的每个类别型字段，按照所述N条数据记录的排序，将所述N条数据记录中该类别型字段的字段值排序为对应的时间序列，并将得到的时间序列输入到第二嵌入层；

针对该流水表中的每个数值型字段，按照所述N条数据记录的排序，将所述N条数据记录中该数值型字段的字段值排序为对应的时间序列，并将得到的时间序列输入到第二全连接层。

8.如权利要求1所述的方法，其中，所述特定隐藏层为由长短期记忆网络LSTM构成的隐藏层。