[发明专利]数据校验方法、装置、电子设备及计算机可读存储介质在审

专利信息
申请号: 202010353395.9 申请日: 2020-04-29
公开(公告)号: CN111651292A 公开(公告)日: 2020-09-11
发明(设计)人: 刘炎为 申请(专利权)人: 中国平安财产保险股份有限公司
主分类号: G06F11/07 分类号: G06F11/07;G06K9/62
代理公司: 深圳市沃德知识产权代理事务所(普通合伙) 44347 代理人: 高杰;于志光
地址: 518000 广东省深圳市福田区益田路*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 数据 校验 方法 装置 电子设备 计算机 可读 存储 介质
【权利要求书】:

1.一种数据校验方法,其特征在于,所述方法运行于一个电子设备中,包括:

从业务系统数据库中获取业务数据集,按照预设的校验规则将所述业务数据集进行分类处理,得到规则数据集;

根据所述规则数据集对数据校验规则进行配置,得到校验规则集;

将所述校验规则集中的校验规则进行聚合处理,得到初始数据校验模型,配置所述初始数据校验模型,得到标准数据校验模型;

将所述规则数据集输入至所述标准校验模型进行数据校验,得到数据校验结果,并通过所述电子设备输出所述数据校验结果。

2.如权利要求1所述的数据校验方法,其特征在于,所述按照预设的校验规则将所述业务数据集进行分类处理,包括:

根据预先设定的特征表,对所述业务数据集进行特征标注,得到特征标注集;

对所述特征标注集进行校验规则匹配,得到特征规则集;

对所述特征规则集按照不同的分类方法进行分类,计算每种分类方法的分类结果值;

选取所述分类结果值中最小的值对应的分类方法对所述业务数据集进行分类处理。

3.如权利要求2所述的数据校验方法,其特征在于,所述计算每种分类方法的分类结果值,包括:

利用如下数据分类算法计算每种分类方法的分类结果值εs

其中,c为数据校验规则的集合L中校验规则的数量,n为所述业务数据集中业务数据的数量,p为所述业务数据集分类方法的数目,fkj为用yj表示且使用所述业务数据集分类方法中第k种方法的业务数据。

4.如权利要求1至3中任意一项所述的数据校验方法,其特征在于,所述将所述校验规则集中的校验规则进行聚合处理,包括:

利用如下聚合算法将所述校验规则集中的校验规则聚合,得到所述初始数据校验模型的输入端口PI和输出端口PO

其中,Pi为所述校验规则集中的各校验规则的输入,Po为所述校验规则集中的各数据校验规则的输出,n为所述校验规则集中校验规则的数量。

5.如权利要求1所述的数据校验方法,其特征在于,在所述将所述规则数据集输入至所述标准校验模型进行数据校验之前,该方法还包括对所述标准校验模型进行训练,其中所述训练包括:

步骤A:获取训练校验数据,以及所述训练校验数据对应的标准校验结果;

步骤B:利用所述标准校验模型对所述训练校验数据进行转化,得到训练校验结果;

步骤C:将所述训练校验结果和所述标准校验结果输入至所述标准校验模型的损失函数中进行计算,得到损失值,当所述损失值大于或等于预设的损失阈值时,调整所述标准校验模型参数,返回步骤B重新进行转化;

步骤D:当所述损失值小于预设的损失阈值时,得到训练完成的标准校验模型。

6.如权利要求5所述的数据校验方法,其特征在于,所述将所述训练校验结果和所述标准校验结果输入至所述标准校验模型的损失函数中进行计算,得到损失值,包括:

利用如下损失函数进行计算,得到损失值

其中,表示训练校验结果,Y表示标准校验结果,α表示误差因子,为预设常数。

7.如权利要求1所述的数据校验方法,其特征在于,所述业务数据集可存储于区块链中,所述方法还包括:

通过所述电子设备将所述数据校验结果以html网页的可视化形式进行输出。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国平安财产保险股份有限公司,未经中国平安财产保险股份有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202010353395.9/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top