[发明专利]特征衍生方法、装置、设备及计算机可读存储介质

权利要求书

1.一种特征衍生方法，其特征在于，所述特征衍生方法包括以下步骤：

基于特征库中的数据类型建立目标变量，并对所述目标变量对应的历史数据进行调整，以获取多个序列数据；

依次将各所述序列数据输入到预设的模型中进行训练，以确定各所述序列数据对应的特征值，并对各所述特征值进行分析，以获取新规律；

根据所述目标变量对所述新规律进行检测；

若检测合格，则将所述新规律作为特征衍生的新特征。

2.如权利要求1所述的特征衍生方法，其特征在于，所述确定各所述序列数据对应的特征值的步骤，包括：

依次遍历各所述序列数据，确定当前遍历的序列数据中的所有时间步，计算各所述时间步对应的隐藏状态，并根据各所述隐藏状态确定所述当前遍历的序列数据对应的各特征值，直至各所述序列数据遍历完成。

3.如权利要求2所述的特征衍生方法，其特征在于，所述计算各所述时间步对应的隐藏状态的步骤，包括：

依次遍历各所述时间步，并获取当前遍历的时间步的第一数据，根据所述模型对所述第一数据进行计算，以获取所述当前遍历的时间步的细胞状态，并根据所述细胞状态确定所述当前遍历的时间步对应的隐藏状态，直至各所述时间步遍历完成。

4.如权利要求1所述的特征衍生方法，其特征在于，所述根据所述目标变量对所述新规律进行检测的步骤，包括：

获取所述目标变量中预设数量的检测数据，并确定各所述检测数据是否符合所述新规律的要求；

若满足，则确定将所述新规律作为特征衍生的新特征。

5.如权利要求1所述的特征衍生方法，其特征在于，所述对所述目标变量对应的历史数据进行调整，以获取多个序列数据的步骤，包括：

判断所述目标变量对应的历史数据是否为变量流水数据；

若是，则根据预设的历史数据长度对所述变量流水数据进行调整，以获取多个序列数据。

6.如权利要求1所述的特征衍生方法，其特征在于，所述对所述目标变量对应的历史数据进行调整，以获取多个序列数据的步骤，还包括：

判断所述目标变量对应的历史数据是否为行为流水数据；

若是，则根据预设的数据等长方式对所述行为流水数据进行数据等长处理，并根据预设的历史数据长度对所述经过数据等长处理的行为流水数据进行调整，以获取多个序列数据。

7.如权利要求1-6任一项所述的特征衍生方法，其特征在于，所述依次将各所述序列数据输入到预设的模型中进行训练的步骤之后，包括：

获取所述训练的训练结果，并计算所述训练结果和所述目标变量对应的真实值之间的差值，根据所述差值调整所述预设模型的模型参数。

8.一种特征衍生装置，其特征在于，所述特征衍生装置包括：

获取模块，用于基于特征库中的数据类型建立目标变量，并对所述目标变量对应的历史数据进行调整，以获取多个序列数据；

解析模块，用于依次将各所述序列数据输入到预设的模型中进行训练，以确定各所述序列数据对应的特征值，并对各所述特征值进行解析，以获取新规律；

检测模块，用于根据所述目标变量对所述新规律进行检测；

特征模块，用于若检测合格，则将所述新规律作为特征衍生的新特征。

9.一种特征衍生设备，其特征在于，所述特征衍生设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的特征衍生程序，所述特征衍生程序被所述处理器执行时实现如权利要求1至7中任一项所述的特征衍生方法的步骤。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有特征衍生程序，所述特征衍生程序被处理器执行时实现如权利要求1至7中任一项所述的特征衍生方法的步骤。